陈梦涵 唐莹
摘要:基于中国省级面板数据,对中国耕地利用碳排放总量进行核算,分析其时空演化特征,运用协整分析、Granger因果关系检验探究耕地利用碳排放与粮食产量间关系,运用STIRPAT模型及地理加权回归模型(GWR)揭示耕地利用碳排放的驱动因素。研究发现:中国耕地利用碳排放总体呈上升趋势,但自2017年起进入负增长阶段,四种碳排放类型所占比重从大到小依次为废弃物处理碳排放(48.165%)、生产要素投入碳排放(46.924%)、耕地种植碳排放(3.513%)、自然源碳排放(1.416%);与此同时,空间相关性检验表明中国耕地利用碳排放具有显著的区域聚集特征;中国耕地利用碳排放结构上以生产要素投入碳排放和废弃物碳排放为主,且省际间的耕地利用碳排放类型存在较大差异;中国耕地利用碳排放总量与粮食产量之间存在长期均衡关系,同时存在着从耕地利用碳排放到粮食产量增长的单向因果关系;农村总人口数、农村居民可支配收入、农业机械水平均对耕地利用碳排放均有正向影响,影响系数分别为0.624、0.163、0.337,且各影響因素的回归系数在空间上呈现出明显的阶梯分布。研究结果表明:中国耕地利用碳排放时空差异特征明显,且我国农业生产仍存在高投入、高产出、高污染的特点,应基于各省(市)的实际情况,因地制宜地实施差异化的降碳政策。
关键词:耕地利用;碳排放;时空差异;协整分析;GWR模型
中图分类号:F301.24
文献标识码:A
文章编号:20955553 (2023) 070236
08
Temporal and spatial characteristics and influencing factors of carbon emission
from cultivated land utilization in China
Chen Menghan, Tang Ying
(School of Public Administration, Liaoning University, Shenyang, 110136, China)
Abstract: Based on Chinas provincial panel data, this paper calculates the total carbon emission from cultivated land use in China, analyzes its temporal and spatial evolution characteristics, explores the relationship between carbon emission from cultivated land use and grain yield using co-integration analysis and Granger causality test, and reveals the driving factors of carbon emission from cultivated land use using the STIRPAT model and geographic weighted regression model (GWR). The study found that Chinas carbon emissions from cultivated land use generally showed an upward trend but entered a negative growth stage in 2017. The proportions of the four types of carbon emissions were waste treatment carbon emissions (48.165%), production factor input carbon emissions (46.924%), cultivated land planting carbon emissions (3.513%), and natural source carbon emissions (1.416%). At the same time, the spatial correlation test showed that the carbon emission from cultivated land use in China had significant regional aggregation characteristics. The carbon emission structure of cultivated land use in China was dominated by the carbon emission of production factor input and waste, and there were great differences in the types of carbon emission of cultivated land use among provinces. There was a long-term equilibrium relationship between the total carbon emission of cultivated land use and grain yield in China, and there was a one-way causal relationship between the carbon emission of cultivated land use to the growth of grain yield. The total rural population, the disposable income of rural residents, and the level of agricultural machinery all had a positive impact on the carbon emission of cultivated land use, and the influence coefficients are 0.624, 0.163, and 0.337, respectively. The regression coefficients of various influencing factors showed an obvious step distribution in space. The results showed that there were obvious temporal and spatial differences in carbon emissions from cultivated land use in China, and Chinas agricultural production still has the characteristics of high input, high output, and high pollution. Differentiated carbon reduction policies should be implemented according to local conditions based on the actual situation of all provinces (cities).
Keywords: cultivated land utilization; carbon emissions; temporal and spatial differences; co-integration analysis; GWR model
0 引言
农业生产经营活动是人类社会生存发展的基础,同时也是温室气体排放的重要来源[1]。据相关数据显示,中国在农业生产过程中造成的温室气体排放量约占全国总量的17%[2],且农业碳排放量还在以平均每年5%的速度持续增长[3]。中国特有的高投入、高产出的耕地利用方式让中国仅用全球7%的耕地养活了全球近20%的人口[4],但也因此造成了如二氧化碳排放[5]、土壤污染[6]等形式的高污染,使得生态环境面临巨大压力[7]。耕地作为农业生产的基本资源和条件对农业可持续健康发展起着保障性作用[8],因此,基于耕地利用的视角辨析耕地利用碳排放的时空演化特征及影响因素对促进我国农业减排具有重要意义。
目前,学者们对“耕地利用碳排放”的研究主要可归纳为以下几方面:(1)耕地利用碳排放测算方法及总量研究[911];(2)耕地利用碳排放时空分异规律研究[12];(3)耕地利用碳排放影响因素研究[1314];(4)耕地利用碳排放与经济发展之间关系研究[1516]。综上所述,诸多学者在耕地利用碳排放问题上取得了一系列卓有成效的研究成果,但也存在以下不足:(1)对耕地利用碳排放的核算,学术界尚未形成统一的核算体系,导致各学者的研究结果存在差异;(2)研究地域范围多局限于省域或地级市,而对全国范围的耕地利用碳排放时空分异规律研究较少;(3)现有耕地利用碳排放研究多关注其与经济发展之间的关系,而对其与粮食产量之间关系研究较少;(4)较少关注各省(市)社会经济影响因素在空间上的差异对耕地利用碳排放影响的异质性。
综合上述研究背景及研究现状,本文从耕地利用的视角。首先,根据农作物生产的生命周期,从自然源的碳排放、农业生产要素投入产生的碳排放、耕地种植产生的碳排放、废弃物处理产生的碳排放四个方面核算中国耕地利用碳排放总量,从时空两个维度探讨其演化及分布特征;其次,在此基础上运用协整分析和Granger因果关系检验对耕地利用碳排放和粮食产量之间的关系进行验证;再次,通过STIRPAT模型和地理加权回归模型(GWR)识别耕地利用碳排放的影响因素;最后,根据相应研究结果提出差异化的调控策略,以期为促进耕地利用方式向绿色低碳方向转型、实现经济增长与生态环境保护协同发展提供借鉴。
1 研究方法与数据来源
1.1 研究方法
1.1.1 耕地利用碳排放核算体系
本文参考现有研究成果,根据农作物生产的生命周期,从自然源的碳排放、农业生产要素投入产生的碳排放、耕地种植产生的碳排放、废弃物处理产生的碳排放等四种碳排放形式核算耕地利用碳排放总量。其中,自然源碳排放主要指水稻在其生长过程中所产生的甲烷(CH4)排放;農业生产要素投入碳排放指农产品生产过程中所使用的农用化学品及农业机械引起的碳排放;耕地种植碳排放指对耕地进行翻耕、灌溉过程中产生的碳排放;废弃物处理指农作物秸秆燃烧引起的碳排放。
1) 自然源碳排放核算公式如式(1)所示。
E1=qi稻×fi稻
(1)
式中:
E1——水稻种植碳排放;
qi稻——省(市)i的水稻种植面积;
fi稻——省(市)i的碳排放因子。
由于地区间水稻生长环境、生产要素投入强度等存在差异,导致地区间水稻种植碳排放因子不尽相同,因此参考闵继胜等的研究成果,将省(市)间差异考虑进去,具体排放因子详见参考文献[17]。
2) 生产要素投入碳排放。通过IPCC碳排放系数法核算耕地生产要素投入产生的碳排放,主要考察化肥、农药、农膜、农业机械、农用柴油四种碳源,核算公式如式(2)所示。
E2=E21+E22+E23+E24
(2)
式中:
E2——
生产要素投入产生的碳排放总量;
E21——化肥引发的碳排放量;
E22——农药引发的碳排放量;
E23——农膜引发的碳排放量;
E24——农用柴油引发的碳排放量。
3) 耕地种植碳排放。耕地种植碳排放主要指耕地在灌溉过程中直接产生的碳排放及耕地在翻耕过程中破坏土壤表层有机碳库,其释放到空气中而形成的碳排放,核算公式如式(3)所示。
E3=E31+E32
(3)
式中:
E3——耕地种植碳排放总量;
E31——翻耕产生的碳排放;
E32——灌溉产生的碳排放。
其中E21、E22、E23、E24、E31、E32的计算如表1所示。
4) 废弃物处理碳排放。废弃物处理碳排放主要指秸秆燃烧过程中产生的碳排放,核算公式如式(4)所示。
E4=∑qi秆×fi秆
(4)
式中:
E4——秸秆燃烧碳排放量;
qi秆——
省(市)水稻、小麦、玉米、大豆和的产量;
fi秆——
碳排放因子,借鉴刘丽华等[17]研究成果,取水稻、小麦、玉米、大豆的碳排放因子分别为0.18、0.16、0.17、0.15。
1.1.2 空间相关性检验
空间相关性亦称为“地理学第一定律”,即任何事物均存在空间相关,且距离越近的事物空间相关性越大。空间计量学一般利用空间莫兰指数来反映空间依赖性,具体包括全局自相关及局部自相关,能够从全局和局部视角分析地理事物的空间相关性,全局自相关指标Morans I计算公式如式(5)所示。
Morans I=∑ni=1∑nj=1wij(Yi-Y)(Yj-Y)S2∑ni=1∑nj=1wij
(5)
式中:
Yi——第i个省份的观测值;
n——截面数;
wij——
空间权重矩阵,本文中采用邻接权重矩阵进行分析,即若省份i和j属于邻接关系,则wij=1,否则wij=0。
莫兰指数的趋势范围为[-1,1],当指数大于0时表示正相关,小于0表示负相关,等于0时表示无相关。
局部自相关的计算公式如式(6)所示。
Ii=n(Yi-Y)∑ni=1wij(Yj-Y)
∑ni=1(Yi-Y)2
(6)
式中:
Ii——
省份i的局部自相关指数,Ii>0表示高—高聚集或低—低聚集,Ii<0低—高或高—低聚集。
1.1.3 协整分析与Graner因果关系检验法
Granger于20世纪70年代提出了“协整”的概念,并将两个变量之间存在的长期稳定关系称为“协整关系”,协整分析检验方法大体包括Engle-Granger(E-G)两步法和Johansen极大似然法,二者区别在于Johansen极大似然法采用多元方程技术,适用于检验多变量之间协整关系;E-G两步法采用一元方程技术,适用于检验两个变量之间协整关系。考虑本文研究的实际情况,选用E-G两步法检验耕地利用碳排放与粮食产量之间的协整关系。
Graner因果关系检验法可以对变量之间的因果关系进行分析,两变量间格兰杰因果关系含义为:若在包含了变量X、Y的过去信息的条件下,对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果,即变量X有助于解释变量Y的将来变化,则认为变量X是引致变量Y的格兰杰原因,反之亦然。
1.1.4 耕地利用碳排放影響因素模型构建
耕地利用碳排放可视为在农业生产过程中对生态环境造成的压力。为阐释社会经济因素对生态环境产生的影响,Ehrlich提出了“IPAT”模型,用以分析人口数量(P)、富裕度(A)、技术(T)等驱动因素对生态环境造成的压力,后经Dietz等[22]将“IPAT”模型加以改进,克服了该模型分析变量数目有限及自变量对因变量的等比例影响的缺陷,将该模型表示成随机形式,即STIRPAT模型,具体模型如式(7)所示。
I=aPαAβTγε
(7)
式中:
I——生态环境压力;
a——模型的系数;
α——人口数量P的指数;
β——富裕度A的指数;
γ——技术T的指数;
ε——随机误差。
结合本文研究实际情况且考虑数据的可获取性,选取种植业人口(种植业产值/农业总产值×第一产业人数)、农村居民人均可支配收入、农业机械化水平(农业机械总动力/农作物播种面积)等变量作为耕地利用碳排放的影响因素,并考虑多自变量间是否存在多重共线性问题,以防止自变量对因变量的影响结果失去意义,因此对数据进行多重共线性检验,具体利用SPSS 25软件对各影响要素进行多重共线性检验,结果表明,各自变量方差膨胀因子(VIF)均小于7.5,表明各因子间不存在多重共线性问题,证明该研究具有意义,同时为了便于确定回归分析的参数并消除不同量纲的影响,对模型两边取自然对数转化为线性回归模型,具体模型如式(8)所示。
lnI=C+a1lnP1+a2lnP2+a3lnP3+ε
(8)
式中:
lnI——因变量;
I——耕地利用碳排放总量;
P1——种植业人口;
P2——农村居民人均可支配收入;
P3——农业机械化水平;
a1、a2、a3——系数;
C——常数项;
ε——随机误差。
但是,上述模型如用传统最小二乘回归模型(OLS)进行分析,无法阐释各省(市)社会经济影响因素在空间上的差异对耕地利用碳排放影响的异质性,鉴于此本文引入地理加权回归模型(Geographically Weighted Regression, GWR),通过对各自变量和因变量空间上的局部回归分析来揭示各地区空间上的差异性,具体模型如式(9)所示。
yi=β0(μi,θi)+∑ni=1βj(μi,θi)Xij+εi
(9)
式中:
yi——n×1维解释变量;
Xij——n×j维解释变量矩阵;
βj(μi,θi)——
第j个因素在回归点i的回归系数;
(μi,θi)——
第i个样本点的经纬度坐标;
εi——随机误差项。
GWR模型通过最小二乘法(OLS)对每个观测点的参数进行估计,得到i点回归参数β(μi,θ1),如式(10)所示。
β(μi,θi)=(XTWijX-1)XTWijY
(10)
式中:
W——空间权重矩阵;
Wij——空间权重。
常用测算权重的函数有高斯函数、距离阈值函数等,本文采用高斯函数确定空间权重,具体公式如式(11)所示。
Wij=exp[-(cij/d)2]
(11)
式中:
cij——
样本i和j之间的直接距离;
d——
带宽,采用GWR模型的信息准则值(AIC)最小原则,即当AIC值最小时的带宽为最佳带宽[23]。
1.2 数据来源
本文数据主要来源于《中国统计年鉴》、《中国农村统计年鉴》及各省(市)统计年鉴,部分数据缺失采用插值法补齐。为了便于统计碳排放量的总和,本文将CH4所导致的温室效应统一换算成标准碳所产生的温室效应,具体换算方式为1tCH4=6.82tCO2。
2 结果与分析
2.1 中国耕地利用碳排放时空特征分析
2000—2022年中国耕地利用碳排放总量和增速的时序变化特征如图1所示。从图1可知,中国耕地利用碳排放总体呈先上升、后下降趋势,且在2017年达到峰值,之后碳排放总量有所下降,其原因可能在于自十八大后农业绿色低碳发展的理念被有效践行,农业生产逐步向低碳化转变。
从结构上看,中国耕地利用碳排放主要以农业废弃物和生产要素投入碳排放为主,分别占年均碳排放总量的48.165%和46.924%;其余依次为自然源碳排放和耕地种植碳排放,其占比分别为3.513%和1.416%,说明我国在农业生产的过程中,废弃物的有害化处理及农业生产要素的过量投入是造成农业高碳化的主要原因。
从空间上,按照我国东部、中部、西部三大地区的划分,东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省份;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省份;西部地区包括四川、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西和内蒙古12个省份,三大地区碳排放总量趋势如图2所示。从图中可知,中国耕地利用碳排放排序呈现中部>东部>西部的特征,且由于中国不同地区自然生产条件、社会经济状况等存在较大差异,造成耕地利用的集约化水平和农业生产方式存在较大的不同,耕地种植结构、农业生产过程中所投入的各类生产要素等存在较大不同,最终也会导致各省份耕地利用的碳排放类型有所差异。具体来说,各省(市)自然源碳排放与耕地种植碳排放占比没有明显差异,但生产要素投入碳排放与废弃物处理碳排放占比差異较大。生产要素投入碳排放占比较大的省(市)主要集中在南方传统农业大省,如江西、湖南、四川等地;废弃物处理碳排放占比较大的省(市)主要集中在水稻、小麦、玉米、大豆等粮食作物产量较大的北方传统农业大省,如黑龙江、河南、山东等地。
2.2 中国耕地利用碳排放空间相关性分析
基于全局莫兰指数公式,运用Stata17软件在邻近矩阵的基础上计算了中国2000—2022年耕地利用碳排放全局莫兰指数值,如表2所示。从中可以看出,我国耕地利用碳排放的空间相关性在5%水平下显著,证明耕地利用碳排放存在空间自相关,且莫兰指数值为正值,证明我国各省域间耕地利用碳排放在空间上存在正向相关性,即地理相近的省份耕地利用碳排放量具有空间聚集的特性。
上述全局自相关反映了耕地利用碳排放的整体空间相关特征,但可能会忽略局部地区的非典型特征,因此需对耕地利用碳排放的局部空间相关性进行分析。利用Stata17软件计算了2000—2022年的局部莫兰指数,并生成2000、2022年的局部莫兰LISA图,揭示省际间耕地利用碳排放的局部相关状况,结果如图3所示。
从中可以看出,中国各省份耕地利用碳排放主要分布在“低—低”(L—L)象限及“高—高”(H—H)象限,说明中国大部分省份呈现“高—高”和“低—低”聚集状态。
2.3 耕地利用碳排放与粮食产量协整分析
2.3.1 序列平稳性检验
利用Eviews11.0软件的ADF(Augmented Dickey-Fuller)模块分别对两时间序列进行平稳性检验,若ADF检验值大于5%检验水平下的临界值则说明该序列包含单位根,详细结果如表3所示。
从表3中可知,序列lnGrain、lnCarbon的ADF检验检验t统计量值大于5%检验水平下的临界值,因此可以判定序列lnCarbon和lnGrain都包含单位根,是非平稳的时间序列;lnCarbon和lnGrain的一阶差分序列均小于5%的临界值,因此其一阶差分序列均不包含单位根,证明lnGrain和lnCarbon的一阶差分序列是平稳的,即序列dlnGrain和序列dlnCarbon都是同阶单整数据,符合协整检验的前提条件,可以进行协整关系分析。
2.3.2 协整关系检验
本文在确定耕地利用碳排放和粮食产量是同阶单整的基础上,利用“Engle-Granger(E-G)两步法”对序列dlnGrain、dlnCarbon进行协整关系检验。运用Eviews11.0软件对数据进行最小二乘回归估计,最终得出最小二乘回归方程为:dlnCarbon=4.329+11.832dlnGrain。随后对残差序列的平稳性进行检验。由表3可知,残差序列的ADF检验值为-3.917,小于1%临界值水平,说明残差序列在1%的临界值水平下不存在单位根,回归方程估计残差序列具有平稳性,证明dlnGrain、dlnCarbon之间存在协整关系,即2000—2022年耕地利用碳排放与粮食产量之间存在长期均衡关系。
2.3.3 因果关系检验
上述分析表明耕地利用碳排放与粮食产量之间存在着长期均衡关系,但尚未确定二者是否构成时间上的因果关系,为揭示二者之间的因果关系,本文运用Granger因果关系检验法对序列dlnGrain、dlnCarbon进行因果关系检验,检验结果如表4所示。
从表4中可知,在5%的显著性水平下,耕地利用碳排放构成粮食产量增长的Granger原因较为显著:粮食产量增长构成耕地利用碳排放的Granger原因并不显著。由此可得,2000—2022年存在着耕地利用碳排放到粮食产量增长的单向Granger因果关系,即耕地利用碳排放是粮食产量增长的Granger原因,说明我国近年粮食产量的增长在一定程度上是以农业碳排放总量上升为代价的,这一结论警示我国应加快推进绿色低碳农业发展,在保障粮食产量稳步增长的同时,也应关注农业生态安全,走资源节约、环境友好的农业现代化道路。
3 耕地利用碳排放影响因素分析
以各省(市)耕地利用碳排放量为因变量,农村总人口数、农村居民可支配收入、农业机械水平为因变量,首先,运用Arcgis10.2软件最小二乘回归模型(OLS)对我国2000—2022年数据进行分析,得到结果为:农村总人口数的估计系数为0.624,农村居民人均可支配收入的估计系数为0.163,农业机械水平的估计系数为0.337,表明所选三个变量对耕地利用碳排放均存在正相关关系,三个变量对耕地利用碳排放的影响程度为:农村总人口数>农业机械化水平>农村居民人均可支配收入;另外,OLS回归模型的R2为0.852,AICc值为18.157 3,而运用地理加权回归模型(GWR)的R2为0.960,AICc值为13.284 4,相比两模型的R2值可知,GWR模型的拟合优度由于OLS模型,同时,GWR模型的AICc值与OLS的AICc值差值大于3,最终证明GWR模型的拟合优度优于OLS模型。
从农村总人口数对耕地利用碳排放的影响来看,全国总体呈现出西低东高且由西向东依次递增的特征,阶梯分布较为明显,各省(市)具体对应回归系数区间从小到大包括:(0.648,0.670)为新、藏、青;(0.670,0.704)为甘、宁、陕、川、云、贵、桂、琼;(0.704,0.738)为内、晋、冀、京、津、鲁、豫、渝、鄂、湘、皖、苏、沪、浙、闽、赣、粤;(0.738,0.765)为黑、吉、辽。农村总人口数在不同省(市)对耕地利用碳排放量的影响程度不同,其中,东北三省农村总人口对耕地利用碳排放影响最为显著,其农村总人口每变动1%,相应的耕地利用碳排放量就增加0.765%。随着我国农村人口不断向经济发达地区聚集,造成我国农村人口数不断下降、农业劳动力持续减少,农村地区为维持粮食产量稳定,只得通过加大农业生产要素投入,如农机、化肥、农药等,造成农业碳排放的持续上升。东部地区多为我国经济相对较发达地区,第二、三产业发展相对较快,因此导致农业人口数相对较少,对农业碳排放的影响相对较大。
从农村居民人均可支配收入对耕地利用碳排放的影响来看,全国总体仍呈现出西低东高且由西向东依次递增的特征,阶梯分布仍较为明显,各省(市)具体对应回归系数区间从小到大包括:(0.138,0.167)为新、藏、青、云;(0.167,0.207)为甘、宁、陕、川、贵、桂、琼、鄂、湘、渝、粤;(0.207,0.236)为内、晋、冀、京、津、鲁、豫、皖、苏、沪、浙、闽、赣;(0.236,0.275)为黑、吉、辽。农村居民人均可支配收入对耕地利用碳排放最为敏感的是东北三省地区,其农村居民人均可支配收入每增加1%,相应的耕地利用碳排放量就增加0.275%。随着农村居民人均可支配收入的持续增加,农村富裕度不断提升,农业生产将从传统的劳动密集型转变为资本密集型,农业生产要素投入占比将不断加大,由此会造成农业碳排放的上升。东北、华北、华东地区农村居民人均可支配收入回归系数相对较大,证明在上述地区农村富裕度不断提升与保护生态环境之间的矛盾较其他区域突出。
从农业机械化水平对耕地利用碳排放的影响来看,全国总体呈现出西高东低且由西向东依次递减的特征,阶梯分布仍较为明显,各省(市)具体对应回归系数区间从小到大包括:(0.234,0.261)为黑、吉、辽;(0.261,0.288)为内、晋、冀、京、津、鲁、豫、苏、皖、沪、浙、闽;(0.288,0.315)为甘、宁、陕、川、贵、桂、琼、鄂、湘、渝、粤、赣;(0.315,0.342)为新、藏、青、云。农业机械化水平对耕地利用碳排放影响最为敏感的是新疆、西藏、青海、云南等西部地区,其农村机械化水平每增加1%,相应的耕地利用碳排放量就增加0.342%。其原因可能在于,我国西部地区存在着农业生产条件相对较差的问题,包括如多山地、丘陵、盆地等地形问题和土壤肥力不足、水资源稀少、土地荒漠化严重等自然禀赋问题等。因此,在相同单位耕地面积下,西部地区较其他地区所要花费的农业生产要素将更多,进而将造成相对较多的农业碳排放量。
4 结论
1) 中国耕地利用碳排放总体呈上升趋势,并于2017年达到峰值,后有所下降。四种碳排放类型所占比重从大到小依次为废弃物处理碳排放、生产要素投入碳排放、耕地种植碳排放、自然源碳排放,占比分别为48.165%、46.924%、3.513%、1.416%。与此同时,空间相关性检验表明中國耕地利用碳排放具有显著的区域聚集特征。
2) 中国耕地利用碳排放总量与粮食产量之间存在长期均衡关系,即两者的变动具有同趋势性。Granger因果关系检验表明存在着从耕地利用碳排放到粮食产量增长的单向因果关系,证明我国近年粮食产量的增长在一定程度上是以农业碳排放总量上升为代价的。
3) 农业人口数、农村居民可支配收入、农业机械水平均对耕地利用碳排放均有正向影响,三个变量的影响程度为:农业人口数(0.624)>农业机械化水平(0.337)>农村居民人均可支配收入(0.163),且从空间维度上看,各影响因素的回归系数在空间上呈现出明显的阶梯分布,具体表现为,农村人口数和农村居民人均可支配收入的回归系数由西向东依次递增,农业机械化水平的回归系数则由西向东依次递减。
我国耕地利用碳排放总量近年虽有所下降,但仍有较大的减排空间。因此,应基于各地区之间耕地利用碳排放量的差异,因地制宜地实施差异化的降碳政策。例如,对于种植业规模较小、耕地生产能力较差的北京、上海、天津等东部地区及西藏、新疆、贵州等西部地区,不宜开展大规模的种植业活动,应逐渐将其传统种植业向自然资源丰富、生产条件优越的中部地区及东北地区转移,结合当地实际情况,发展绿色休闲观光农业、高原特色农业等,以减少耕地利用碳排放的产生。而对于粮食产量较高、种植业规模较大的东北三省及中部地区,应认识到农作物秸秆等废弃物的处理和化肥、农药、农业机械等生产要素投入是耕地利用碳排放的主要形式,应尽快出台有关禁止秸秆燃烧、鼓励秸秆综合开发利用的相关政策;减少农药、化肥、农膜等农用化学品的使用量,倡导农户使用、运用风力发电、秸秆气化、太阳能光伏等绿色清洁能源和新型灌溉技术、平衡施肥技术等低碳农业发展技术;加快淘汰能耗高、污染高的老旧农业机械设施,通过开展农机宣传培训,使农民接受先进农机,从而大力推广能耗低、污染小的现代化农机的使用比例,促进耕地利用向绿色低碳方向转型。
参 考 文 献
[1] Gomiero T, Paoletti M G, Pimentel D. Energy and environmental issues in organic and conventional agriculture [J]. Critical Reviews in Plant Sciences, 2008, 27(4): 239-254.
[2] 李波, 張俊飚, 李海鹏. 中国农业碳排放时空特征及影响因素分解[J]. 中国人口·资源与环境, 2011, 21(8): 80-86.
Li Bo,Zhang Junbiao,Li Haipeng. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China [J]. China Population, Resources and Environment, 2011, 21(8): 80-86.
[3] 冉光和, 王建洪, 王定祥. 我国现代农业生产的碳排放变动趋势研究[J]. 农业经济问题, 2011, 32(2): 32-38, 110-111.
Ran Guanghe, Wang Jianhong, Wang Dingxiang. Study on the changing tendency and counter-measures of carbon emission produced by agricultural production in China [J]. Issues in Agricultural Economy, 2011, 32(2): 32-38, 110-111.
[4] Huang Z, Du X, Castillo C S Z. How does urbanization affect farmland protection? Evidence from China [J]. Resources, Conservation and Recycling, 2019, 145: 139-147.
[5] Liping G, Erda L. Carbon sink in cropland soils and the emission of greenhouse gases from paddy soils: A review of work in China [J]. Chemosphere-Global Change Science, 2001, 3(4): 413-418.
[6] 徐明岗, 卢昌艾, 张文菊, 等. 我国耕地质量状况与提升对策[J]. 中国农业资源与区划, 2016, 37(7): 8-14.
Xu Minggang, Lu Changai, Zhang Wenju, et al. Situation of the quality of arable land in China and improvement strategy [J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(7): 8-14.
[7] Han H, Zhang X. Static and dynamic cultivated land use efficiency in China: A minimum distance to strong efficient frontier approach [J]. Journal of Cleaner Production, 2020, 246: 119002.
[8] 陈利根. 中国农业可持续发展与耕地资源可持续利用[J].安徽农业大学学报, 2001, 28(1): 102-105.
Chen Ligen. Sustainable development of agriculture and sustainable use of farmland resources in China [J]. Journal of Anhui Agricultural University, 2001, 28(1): 102-105.
[9] Asumadu-Sarkodie S, Owusu P A. The relationship between carbon dioxide and agriculture in Ghana:A comparison of VECM and ARDL model [J]. Environmental Science and Pollution Research, 2016, 23(11): 10968-10982.
[10] Norse D. Low carbon agriculture: Objectives and policy pathways [J]. Environmental Development, 2012, 1(1): 25-39.
[11] 文清, 田云, 王雅鹏. 中国农业碳排放省域差异与驱动机理研究——基于30个省(市、区)1993—2012年的面板数据分析[J]. 干旱区资源与环境, 2015, 29(11): 1-6.
Wen Qing, Tian Yun, Wang Yapeng. Provincial differences and driving mechanism of agricultural car- bon emission in China [J]. Journal of Arid Land Resources and Environment, 2015, 29(11): 1-6.
[12] 陈炜, 殷田园, 李红兵. 1997—2015年中国种植业碳排放时空特征及与农业发展的关系[J]. 干旱区资源与环境, 2019, 33(2): 37-44.
Chen Wei, Yin Tianyuan, Li Hongbing. Spatiotemporal distribution characteristics of carbon emission from plant industry and the relationship with agriculture development in China from 1997 to 2015[J]. Journal of Arid Land Resources and Environment, 2019, 33(2): 37-44.
[13] 周思宇, 郗鳳明, 尹岩, 等. 东北地区耕地利用碳排放核算及驱动因素[J]. 应用生态学报, 2021, 32(11): 3865-3871.
Zhou Siyu, Xi Fengming, Yin Yan, et al. Accounting and drivers of carbon emission from cultivated land utilization in Northeast China [J]. Chinese Journal of Applied Ecology, 2021, 32(11): 3865-3871.
[14] 赵宇. 江苏省农业碳排放动态变化影响因素分析及趋势预测[J]. 中国农业资源与区划, 2018, 39(5): 97-102.
Zhao Yu. Influencing factors and trend prediction on dynamic change of agricultural carbon emissions in Jiangsu Province [J]. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(5): 97-102.
[15] 丁宝根, 杨树旺, 赵玉, 等. 中国耕地资源利用的碳排放时空特征及脱钩效应研究[J]. 中国土地科学, 2019, 33(12): 45-54.
Ding Baogen, Yang Shuwang, Zhao Yu, et al. Study on spatio-temporal characteristics and decoupling effect of carbon emission from cultivated land resource utilization in China [J]. China Land Science, 2019, 33(12): 45-54.
[16] 闵继胜, 胡浩. 中国农业生产温室气体排放量的测算[J].中国人口·资源与环境, 2012, 22(7): 21-27.
Min Jisheng, Hu Hao. Calculation of greenhouse gases emission from agricultural production in China [J]. China Population, Resources and Environment, 2012, 22(7): 21-27.
[17] 刘丽华, 蒋静艳, 宗良纲. 农业残留物燃烧温室气体排放清单研究:以江苏省为例[J]. 环境科学, 2011, 32(5): 1242-1248.
Liu Lihua, Jiang Jingyan, Zong Lianggang. Emission inventory of greenhouse gases from agricultural residues combustion: A case study of Jiangsu Province [J]. Environmental Science, 2011, 32(5): 1242-1248.
[18] West T O, Marland G. A synthesis of carbon sequestration, carbon emissions, and net carbon flux in agriculture: Comparing tillage practices in the United States [J]. Agriculture, Ecosystems & Environment, 2002, 91(1-3): 217-232.
[19] Post W M, Kwon K C. Soil carbon sequestration and land-use change: Processes and potential [J]. Global Change Biology, 2000, 6(3): 317-327.
[20] 赵荣钦, 刘英, 丁明磊, 等. 河南省农田生态系统碳源/汇研究[J]. 河南农业科学, 2010, 39(7): 40-44.
Zhao Rongqin, Liu Ying, Ding Minglei, et al. Research on carbon source and sink of farmland ecosystem in Henan Province [J]. Journal of Henan Agricultural Sciences, 2010, 39(7): 40-44.
[21] 伍芬琳, 李琳, 张海林, 等. 保护性耕作对农田生态系统净碳释放量的影响[J]. 生态学杂志, 2007, 26(12): 2035-2039.
Wu Fenlin, Li Lin, Zhang Hailin, et al. Effects of conservation tillage on net carbon flux from farmland ecosystems [J]. Chinese Journal of Ecology, 2007, 26(12): 2035-2039.
[22] Dietz T, Rosa E A. Rethinking the environmental impacts of population, affluence and technology [J]. Human ecology review, 1994, 1(2): 277-300.
[23] Brunsdon C, Fotheringham A S, Charlton M E. Geographically weighted regression: A method for exploring spatial nonstationarity [J]. Geographical analysis, 1996, 28(4): 281-298.