“双碳”目标下黄河流域种植业碳足迹的时空异质效应

张俊,黄煦旸,彭宇琦

(安徽财经大学经济学院,安徽 蚌埠 233000)

在全球气候危机日趋严峻的形势下,实现碳达峰碳中和已经成为全球气候治理的重要议题。党的二十大报告提出“积极稳妥推进碳达峰碳中和”,这不仅体现了构建人类命运共同体的大国责任担当,也是推动农业高质量发展的内在要求。农业作为兼具碳源和碳汇双重特性的基础产业,减少农业碳足迹是推动农业高质量发展的重要内容。然而,中国农业碳排放总量从1961年的2.49亿t上升到2019年的9.41亿t[1-2],农业碳排放对中国“3060”目标的重要影响不容忽视。种植业是农业农村经济的基础产业,担负着保障国家粮食安全重要责任,种植业碳足迹是农业碳足迹的主要来源,推进种植业生产减排降碳已经上升为国家顶层设计。《中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》《“十四五”全国农业绿色发展规划》《“十四五”全国种植业发展规划》等政策要求增强种植业减排固碳能力,推动种植业高质量绿色发展。可见新时代种植业发展还肩负起改善生态环境、应对气候变化的重要任务。

黄河流域是中国种植业发展重点区域,推动黄河流域种植业降碳增汇是黄河流域生态保护和高质量发展的重要内容。然而,鲜有研究关注黄河流域种植业碳足迹问题。基于此,本研究利用2005—2020年黄河流域地市层面的面板数据,实证考察黄河流域种植业碳足迹变化、演进趋势及其时空异质效应,不仅有助于正确认识黄河流域种植业碳足迹的现状,也为增强黄河流域种植业减排固碳能力、推动黄河流域种植业高质量绿色发展以及助力实现“双碳”目标提供决策依据和经验支持。

关于碳足迹的概念,学界目前还没有统一的定义。HAMMOND等[3]认为,碳足迹是一个人或一项活动所产生的“碳重量”,是对人类活动引起的CO2排放量度量。HERTWICH等[4]把碳足迹定义为一个产品的供应链或生命周期所产生的二氧化碳以及其他温室气体的排放总量,利用多区域投入产出模型核算了卢森堡等73个国家的碳足迹。与碳排放总量的度量方式不同,KITZES 等[5]将土地面积作为碳足迹度量单位,认为碳足迹是 “化石能源足迹”或“二氧化碳用地”。赵荣钦等[6]将碳足迹定义为消纳碳排放所需要的生产性土地(植被)面积,即碳排放的生态足迹,并对2007年中国各省区不同产业空间碳足迹进行了对比分析,发现各地区碳足迹差异明显。MANCINI 等[7]把碳汇纳入碳足迹核算体系,根据森林生态系统的净碳汇能力计算平均森林碳汇,进而评价碳足迹。

由于农业兼具碳源和碳汇的特质,能够缓解温室气体排放对生态系统带来的不可逆影响,农业碳足迹研究成为当前生态经济学和气候经济学的研究热点。目前,对农业碳足迹的研究聚焦于两个方面:其一,农业碳足迹评价。SAH等[8]以农业碳排放量衡量农业碳足迹,采用农业系统生命周期法测算了印度农作物种植的碳足迹,发现50 a来农作物种植碳足迹呈现上升趋势。崔文超等[9]采用生命周期法评价稻鱼共生系统和水稻单作系统的碳足迹,发现稻鱼共生系统排放的温室气体更少。此外,LPEZ等[10]利用跨区域投入产出模型评估2000—2008年西班牙农业碳足迹,发现2008年西班牙的农业扩展碳足迹上涨。CHU等[11]基于投入-产出和生命周期评估的混合方法,分析了河北省农业碳足迹的组成和时空分布。然而,农业生产同时具有碳汇功能,从农业碳排放和农业碳吸收两方面来衡量农业碳足迹更为全面,已经成为当前较为普遍的评价方法。段华平等[12]基于1990—2009年全国农作物产量以及农田生产投入数据,测算全国农业碳排放和碳吸收,发现全国农业碳足迹呈现增加趋势。李明琦等[13]对云南省县级市农业碳足迹进行评价,发现农业碳足迹总体呈现增长趋势且存在生态盈余。LI等[14]基于生态足迹方法测算青藏高原农牧业碳排放和碳固存,发现农牧业碳足迹呈先升后降趋势,且高碳足迹集中分布在东南部和东北部。其二,农业碳足迹的影响因素。现有研究主要从经济增长、农业生产投入以及自然气候等方面加以考察。陈勇等[15]利用环境库兹涅茨曲线(EKC)研究地区经济增长和碳足迹之间的关系,表明农业碳足迹与经济发展之间为线性关系。CUI等[16]采用扩展的STIRPAT模型分析农业碳足迹的影响因素,发现人均GDP、种植结构、人口密度和城市化水平对农业碳足迹呈现明显的时空异质性影响。刘宇峰等[17]认为化肥、灌溉以及农田N2O排放是导致农业碳足迹显著增加的主导因素。李明琦等[13]发现,农业碳足迹与化肥农药施用量、农用塑料薄膜使用量、农业机械总动力和有效灌溉面积呈正相关,与农作物总产量呈负相关。此外,气候条件、农业规模和作物管理实践影响了作物生产中的碳足迹[18]。MARTIN等[19]通过对西班牙东南部的一项区域研究,表明水源灌溉方式对农业碳足迹产生差异化影响。

现有研究为种植业碳足迹评价提供了有益的借鉴,但仍需进一步讨论。首先,目前对种植业碳足迹的评价相对缺乏。现有研究大都聚焦于农业碳足迹评价,鲜有文献对种植业碳足迹进行评价。作为中国重要的生态屏障和经济带,黄河流域低碳发展与中国生态优先、绿色发展的战略理念密切相关,降低黄河流域种植业碳足迹是助力黄河流域“双碳”目标实现的迫切需要,因此有必要深入考察黄河流域种植业碳足迹及其时空分布态势。其次,对碳足迹影响因素的研究相对较少。部分研究仅从时间或空间因素考察农业碳足迹的影响因素,把时空维度纳入同一研究框架的文献目前还没有。本研究科学测算2005—2020年黄河流域种植业生产过程的碳吸收、碳排放与碳足迹,揭示其时空演进趋势,并利用时空地理加权回归模型,对黄河流域种植业碳足迹影响因素进行实证考察,分析其时空异质性。

1 研究设计

1.1 种植业碳足迹测算方法

借鉴已有碳足迹相关研究[12-13],本研究以种植业碳排放和碳吸收所需要的生物生产性土地面积来评价黄河流域种植业碳足迹,公式如下:

(1)

(2)

式中:CEF为种植业年度碳足迹;Et为种植业年度碳排放总量;NEP为1 hm2的植被年度碳吸收量;Ct为所有农作物全生育期的碳吸收量;S为耕地面积。

在式(1)的基础上,测算黄河流域种植业碳生态盈亏,公式为:

CED=CEF-S

(3)

式中:CED为碳生态盈亏;当CEF大于S时,表明黄河流域种植业生产碳足迹超过耕地生态承载力,存在碳生态赤字,反之则是碳生态盈余。

根据段华平等[12]、李波等[20]的研究,种植业碳排放主要包括化肥、农药、农膜生产和使用过程中所引起的碳排放,以及农业机械运用、土壤翻耕和农业灌溉所产生的碳排放。其中,化肥、农药、农膜分别以化肥施用量、农药施用量和农膜使用量来表示,农业机械运用、土壤翻耕和农业灌溉分别以农机总动力、农作物播种面积和有效灌溉面积来表示,公式如下:

Et=∑Eit=∑Tit×δi

(4)

式中:Et为种植业年度碳排放量;Eit为第i种碳源的年度碳排放量;Tit为各种碳排放源的量;δi为各种碳源的碳排放系数。根据WEST等[21]、田云等[22]的研究,化肥、农药、农膜、农机、翻耕和灌溉的碳排放系数分别为0.895 6 kg·kg-1、4.934 1 kg·kg-1、5.18 kg· kg-1、0.18 kg·kW-1、16.47 kg·hm-2、266.48 kg·hm-2。

种植业中,作物光合作用是最重要的固碳途径。根据张鹏岩等[12]、李明琦等[22]的研究,作物碳吸收量可依据作物的经济产量、收获指数、根冠比、碳吸收率和水分系数进行衡量。公式如下:

(5)

式中:Ct为区域种植业碳吸收量;Ci为第i类农作物的碳储量;Wi为含碳率;Ki、Vi、Ri和Hi分别为第i类农作物的产量、水分系数、根冠比系数与经济系数(经济产量与生物产量的比值);n为农作物种类数。根据相关研究结果[23],本研究取n=10。主要农作物的收获指数、根冠比、碳吸收率和水分系数如表1所示。

表1 主要作物碳吸收估算系数Table 1 Estimation coefficient of carbon absorption of major crops

1.2 标准差椭圆

标准差椭圆由LEFEVER最早提出,能够定量描述研究对象空间分布特征及时空演变趋势。标准差椭圆不仅可以描述黄河流域种植业碳足迹的中心、分布方向、空间形态等空间分布整体特征,还可以通过不同年份的结果对比来分析碳足迹的时空演进趋势。因此,本研究借鉴张俊等[24]的研究,采用标准差椭圆方法剖析黄河流域种植业碳足迹空间格局演变态势。

1.3 时空地理加权回归模型

在DIETZ 等[25]、YORK等[26]研究的基础上,本研究把黄河流域种植业碳足迹的影响因素纳入“社会-经济-自然”的分析框架。由于各地经济发展水平、财政支农政策以及自然资源禀赋存在差异,导致种植业碳足迹的影响因素存在时间非平稳性与空间异质性,因此,借鉴HUANG等[27]在传统地理加权回归模型(GWR)中加入时间因子,构建时空地理加权回归模型(GTWR),获得种植业碳足迹影响因素的时空异质效应。模型设定如下:

(6)

式中:yi表示种植业碳足迹;xik为第k个影响因素;μt,νt,tt表示第i个城市第t年的Mercator投影坐标;βk(μt,νt,tt)是第i个城市在t年各影响因素的参数估计值;εi为随机误差项。

1.4 数据来源

考虑到四川省划入长江经济带,本研究把黄河流域8省区的地级市作为研究区域,除去州、盟以及部分指标严重缺失的地市,最终选取黄河流域50个地级市为研究样本。黄河上中下游的划分参考《黄河年鉴》提出的标准,即青海、甘肃和宁夏为上游地区,内蒙古、陕西和山西为中游地区,河南和山东为下游地区。数据主要来源于2006—2021年《中国城市统计年鉴》《中国区域统计年鉴》以及各地统计公报,各地耕地面积来自于LANDSAT的逐年中国土地覆被数据集(CLCD)。部分指标缺失值采用移动平均法进行插值处理。

2 黄河流域种植业碳足迹的时空演变特征

2.1 时序特征分析

根据式(1)～(5),得出2005—2020年黄河流域种植业的碳足迹评价结果,如表2所示。2005—2020年黄河流域种植业碳足迹呈现先升后降趋势。其中,2005—2012年为波动增长期,黄河流域种植业碳足迹由413.491万hm2波动上涨至431.326万hm2。这一阶段种植业碳排放量持续增长,而化肥是最大的碳排放源。此时黄河流域农业经营模式处于粗放型经营为主,随着种植业的不断发展,化学资源的投入量不断增加,造成种植业碳足迹也不断增加。此后种植业碳足迹持续下降至2020年的342.839万hm2。此阶段随着种植业碳排放先升后降,化肥、农膜是主要碳源,且都呈下降趋势;种植业碳吸收在此阶段持续增加,而小麦、玉米是主要碳汇来源。在此阶段国家实施了一系列固碳减排政策。2012年党的十八大召开,针对不断凸显的农业资源、环境和生态问题作出一系列重大决策部署,推动农业高质量发展和绿色、低碳与可持续转型。研究期间黄河流域种植业碳排放同样呈先升后降趋势,2005—2015年碳排放由1 267.668万t上升至1 610.925万t,然后碳排放持续下降至2020年的1 449.587万t。2015年实施化肥农药零增长行动以来,两者使用量大幅下降,总碳源得以显著降低。黄河流域种植业碳吸收在2005—2020年间由10 543.280万t持续上涨至14 225.525万t,年均增长率为2.02%。且黄河流域种植业碳吸收量明显高于同时期的碳排放量,二者比例为8.17～9.81,说明黄河流域种植业有较强的碳汇功能。2005—2020年黄河流域种植业碳足迹均小于同期生产性土地面积(耕地),说明黄河流域表现为碳生态盈余,这一结果与现有研究结论[12]基本一致。黄河流域种植业碳生态盈余量呈波动下降趋势,由2005年的2 691.729万hm2降低到2020年的2 591.342万hm2,降幅为3.73%。城镇化与工业化的发展挤占了耕地面积,使得黄河流域生产性土地面积减少;虽然研究期内碳吸收量持续增加,但碳排放量呈先升后降趋势,最终使得黄河流域种植业碳生态盈余量波动下降。稳定黄河流域耕地面积不仅对保障粮食安全具有积极意义,还能有效控制种植业碳足迹的增长,促进种植业固碳减排。从黄河流域种植业单位面积碳足迹来看,考察期间呈现波动式下降趋势,2005年为0.133,2020年为0.117 ,表明黄河流域推进种植业生产投入品减量行动,提升种植业生产过程清洁化水平。单位农业GDP碳足迹是碳足迹与农业GDP的比值,研究期内黄河流域种植业单位农业GDP碳足迹由0.139 hm2·万元-1下降至0.033 hm2·万元-1,表明黄河流域种植业向绿色低碳农业生产模式转变。

表2 主要年份黄河流域种植业碳足迹及相关评价结果Table 2 Carbon footprint of planting industry in Yellow River Basin in major years and related evaluation results

表3进一步报告了黄河流域种植业各类碳源变动情况。从黄河流域种植业碳源的变化来看,化肥施用、农药施用、农膜使用、农业机械运用的碳排放量变化趋势与碳排放总量变化趋势一致,均呈先升后降趋势。2005—2015年化肥施用引起的碳排放由692.42万t持续增加至924.47万t,到2020年减少至797.69万t;农膜使用引起的碳排放量到2015年由195.51万t增加至271.62万t然后降至247.26万t;农业机械使用引起的碳排放由2.49万t增加至2015年的3.78万t,2020年降至3.19万t;农药施用引起的碳排放量先增后减,2005—2012年由78.37万t增加至96.56万t,到2020年减少到70.62万t。化肥农药使用量零增长行动的实施,使得碳源显著降低。土壤翻耕的碳排放量由38.36万t波动式增加至41.19万t,原因在于粮食供给压力挤压了耕地休耕轮作的操作空间,“藏粮于地”政策仍需真正落实到位。农业灌溉的碳排放量呈逐年增加的趋势,由260.51万t持续增加至289.63万t。

表3 主要年份黄河流域种植业碳源构成Table 3 Carbon source composition of crop farming in Yellow River Basin in major years 万t

从各类碳源所占比例来看,化肥所引起的碳排放比例最高,平均所占比例达到56.50%;其次是灌溉碳排放和农膜碳排放,平均所占比例分别为18.48%和16.20%。土壤翻耕引起的碳排放量所占比例仅为2.69%,波动幅度较小,表明研究期内翻耕面积整体保持稳定。农业机械运用引起的碳排放占比最低,仅为0.21%,而不同时期农机推广政策以及农业生产方式的变化使得农机使用规模和效率波动,碳排放量波动变化。黄河流域种植业单位面积碳排放呈先升后降趋势。其中,单位面积化肥碳排放占主导地位,与农药、农膜都呈先增后降的变化趋势。并且,2005—2015年的单位面积碳排放大于2015—2020年的单位面积碳排放。这说明2015年以后化肥、农药使用效率和农膜使用效率明显提高。

根据表达式(5),本研究测算了黄河流域不同农作物的碳吸收量,表4报告了主要年份5种农作物的碳吸收结果,其中水稻、小麦、玉米、蔬菜和油料的碳吸收量最大。可以看出,小麦、玉米的碳吸收变化趋势与黄河流域种植业碳吸收总量变化基本一致。玉米的碳吸收量增长最为明显,年均增长率为3.40%,其他作物碳吸收增长相对缓慢。从各类农作物的碳吸收比例来看,小麦和玉米平均所占比例分别为42.67%和41.28%,蔬菜位居第3位为6.51%,小麦、玉米、蔬菜三类作物合计所占比例达到90.46%,对黄河流域种植业碳吸收贡献最大。黄河流域主要农作物的单位面积碳吸收呈现持续增长趋势,其中,小麦和玉米的单位面积碳吸收呈逐年增长趋势,水稻、蔬菜和油料的单位面积碳吸收都是波动式增长。可以看出,各种作物单位面积碳吸收量均有增加。

表4 主要年份黄河流域主要农作物碳吸收 Table 4 The amount of carbon absorbed by major crops in the Yellow River Basin in major years 万t

2.2 地区差异

图1描绘了黄河流域种植业碳足迹以及单位面积碳足迹的变动。从碳足迹总量来看,黄河流域上游种植业碳足迹变动趋势与整体碳足迹变动趋势保持一致。上游地区占黄河流域种植业碳足迹的比值在45%以上,从2005年的187.159万hm2波动下降至2020年的157.696万hm2,碳足迹年均下降1.14%。下游地区降速最快,且占黄河流域种植业碳足迹比重最小,从2005年的109.733万hm2下降至2020年的73.000万hm2,年均下降2.68%。中游地区降速相对较低,种植业碳足迹从2005年的116.599万hm2下降至2020年的112.143万hm2,年均下降0.26%。从单位面积碳足迹来看,黄河流域上游种植业单位面积碳足迹变动趋势与黄河流域整体种植业单位面积碳足迹变动趋势保持一致。上游地区种植业单位面积碳足迹呈先升后降趋势,从2005年的0.138波动上升至2009年的0.187,然后下降至2020年的0.121,单位面积碳足迹年均下降0.88%。黄河流域上游种植业多以化石能源消费为主,这种粗放式农业生产方式使得黄河流域上游单位面积碳足迹较高。但随着生产方式向低碳、绿色化发展,上游地区种植业单位面积碳足迹得以降低。下游地区单位面积碳足迹最小且降速最快,从2005年的0.122下降至2020年的0.089,年均下降2.13%。原因在于下游城市生态环境优越,农业条件发达,属于黄河流域强碳汇区。中游地区种植业单位面积碳足迹最大且呈波动式上升,从2005年的0.138上升至2020年的0.140,年均增长0.12%。黄河中游涉及城市多为经济欠发达地区,经济发展以农业生产和能源资源开发为主,因此种植业碳足迹较高。总的来看,黄河流域种植业碳足迹区域差异呈扩大趋势。

图1 2005—2020年黄河流域种植业碳足迹与单位面积碳足迹地区差异Fig.1 Regional differences of planting carbon footprint and carbon footprint per unit area in the Yellow River Basin from 2005 to 2020

从城市层面来看,黄河流域各市种植业碳足迹中,通辽市均值高达29.72万hm2,赤峰、乌兰察布次之,分别为23.98和23.76万hm2;金昌、西宁和乌海的均值最低,分别为1.62万、1.61和0.23万hm2。通辽、赤峰和乌兰察布市碳足迹较高是由于其存在严重的生态环境问题,碳汇功能发挥不足。而金昌、西宁、乌海碳排放总量低、“双碳”目标实现基础好,碳足迹也较低。研究期内各市单位面积农业碳足迹有增有减。太原市种植业碳足迹增幅最大,年均增长率为2.73%;增幅最小的城市为巴彦淖尔,年均增长率仅为0.20%。太原市农业基础相对比较薄弱,为推动农业经济增长,种植业生产方式转变为高投入、高产出、高污染,直接导致了碳足迹的快速增长。而东营、乌兰察布、榆林等市碳足迹有所下降,降幅最大的为东营市,年均下降7.47%。降幅最小的为鄂尔多斯市,年均下降率仅为0.05%。东营市不断发展绿色、低碳农业,把黄河流域生态保护和高质量发展作为重中之重,有效降低了碳足迹。需要注意的是,黄河流域50个城市的单位碳足迹面积均小于1,说明各市种植业均表现为碳生态盈余。近年来固碳减排政策逐渐完善,对重点地区碳排放治理力度不断加大,在黄河流域固碳减排一系列政策指导下,上中下游因地制宜采取政策改善生态环境,各市种植业碳足迹显著降低。

2.3 空间格局演变

利用ArcGIS软件对黄河流域各市种植业碳足迹进行标准差椭圆分析,如表5所示。标准差椭圆主要分布在黄河流域的中、下游城市,重心可看作是种植业碳足迹在空间上来自各方拉力的相对均衡位置。椭圆重心均位于太原市内,未出现明显偏移,这说明黄河流域种植业碳足迹空间格局呈均衡发展态势。2005—2010年,重心向西北方向移动36.88 km,速度为7.38 km·a-1,迁移速度较为平稳。在2010—2015年间,椭圆重心向西南方向发生迁移,迁移距离为35.09 km,速度为7.02 km·a-1,重心迁移年速率在缓慢减小,这表明黄河流域种植业碳足迹整体空间结构倾向稳定。在2015至2020年间,椭圆重心向西南方向迁移54.46 km,移动速度为10.89 km·a-1,重心向西南方向快速移动且趋势明显,说明西南方向的种植业碳足迹较大且增长速度较快。早期,黄河流域西北方向城市的农业生产方式较为粗犷,化石能源耗用量大,导致碳排放量增加,因此重心向东北方向移动。随着这些城市由传统农业向现代农业转变,形成了绿色低碳生产生活方式,种植业碳足迹有所下降,碳足迹重心逐步向西南地区移动。黄河流域西南地区是中国重要的农业区之一,但干旱少雨的自然条件和脆弱的农业生态环境等造成了该部分城市农业生产长期依赖于化肥、农药、农膜等生产物资的大量投入,使得西南地区碳足迹增加。“十三五”碳减排目标制定以来,各地加大了固碳减排力度,重视农业碳排放的约束,大力提倡低碳农业的发展,种植业碳足迹的移动速度加快。

表5 主要年份黄河流域种植业碳足迹标准差椭圆参数Table 5 The standard deviation ellipse parameter of planting carbon footprint in Yellow River Basin in major years

从标准差椭圆的分布范围来看,考察期内长半轴标准差呈“倒V”型上升,长半轴长度从8.25 km上升至8.61 km,此后下降至2020年的8.38 km。短半轴长度呈现先升后降的趋势,由2005年的3.60 km上升至2020年的3.67 km。表明黄河流域种植业碳足迹在东北—西南方向与东南—西北方向上均呈现分散趋势。椭圆面积呈先升后降趋势,从2005年的93.56万km2上升至2015年的101.34万km2,再降至2020年的96.48万km2,波动幅度较小,表明黄河流域种植业碳足迹的空间分布范围较为稳定。从标准差椭圆的转角来看,转角基本位于76.89～79.68(°),说明碳足迹分布方向没有太大变动,呈现稳定的“东北—西南”方向分布。

3 黄河流域种植业碳足迹影响因素的时空异质效应分析

3.1 变量选取与描述性统计

在相关研究的基础上[16,28],从“社会-经济-自然”的复合维度选取城镇化、财政支农、农民收入、农业技术进步和农业灌溉水平等指标。其中,城镇化以城镇常住人口与总人口之比来衡量,财政支农以农林水利支出占财政总支出之比来衡量,农民收入以农村人均可支配收入(元)来表示,农业技术进步以农业机械总动力(万kW)来表示[29],农业灌溉水平以有效灌溉面积占播种面积之比来衡量。为剔除价格因素,对所有经济类指标以2005年CPI为基期进行了平减处理。为消除伪回归和异方差问题,对变量进行对数化处理。如表6所示,黄河流域种植业碳足迹对数的最大值为13.02,最小值为7.31,说明城市之间种植业碳足迹差异相对较大。

表6 变量的描述性统计Table 6 Descriptive statistics of variables

3.2 实证结果分析

3.2.1 各影响因素参数估计的时序波动 为分析黄河流域种植业碳足迹驱动因素参数估计的时间变动趋势,本研究根据GTWR模型的估计结果,对2005—2020年各变量的参数变化情况进行可视化分析,结果如图2所示。

第一,从社会维度来看,城镇化对黄河流域种植业碳足迹的影响由负转正再变负。2005年系数为-0.42,2009年波动上升至0.30。到2016年其系数下降至-2.80,然后又上升至2020年的-0.91,系数的离散程度呈先扩大后缩小的趋势。

注:×和分别表示一组估计系数的均值与离群点。Note: × and respectively represent the mean and outliers of a set of estimated coefficients.

城镇化战略的推进会使农村劳动力转移,为弥补农村劳动力不足,农户会过度使用化肥农药等化学品来提高产量,导致碳排放量的增加。但新型城镇化的出台使得各地更加注重种植业低碳发展,能够有效地减少碳足迹。长期来看,城镇化水平越高,农村剩余劳动力逐渐减少,对种植业碳足迹的减排效应下降。财政支农的估计系数由正转负,表明财政支农早期对碳足迹上升起到正向影响,之后抑制碳足迹。这一结果与尚杰等[30]的研究结果一致。财政支农系数从2005年的0.48上升至2010年的1.29,2016年财政支农对黄河流域种植业碳足迹的影响由正转负,然后波动下降至2020年的-0.23。早期为了发展经济,财政支农投入更注重农业增产增收,忽视了对生态环境保护的导向性。近年来财政支农投入以绿色、节能、高效为导向,促进了低碳环保技术的发展和应用,对种植业碳足迹降低有显著影响。

第二,从经济维度来看,农民收入对种植业碳足迹的影响由负转正又变负。2005—2012年,系数从-0.83先降后升至-0.22,收入水平的提高引发消费结构升级,带动种植业产业结构的优化调整,促使生产者发展低碳绿色农业。2013—2016年,系数从0.75上升至1.68,然后降至1.17。原因在于农民会通过使用农药、化肥等来增加农产品产量以增加收入,导致碳排放量的增加。2017—2020年,农民收入对种植业碳足迹的影响持续为负且影响程度逐渐加强,农民收入提高,居民环保意识不断增强,促进了耕地绿色化、低碳化利用水平。从图2可以看出,农民收入对碳足迹的影响程度大致表现为减弱。经济发展方式的不断优化及减排政策的实施会进一步削弱农民收入对碳足迹的影响。与农民收入的影响方向不同,农业技术进步对黄河流域种植业碳足迹的影响始终为正。农业技术进步的同时,柴油等化石能源的消耗也逐渐上升,导致碳排放增加,进而碳足迹上升,平均系数由2005年的3.85波动下降至2020年的2.92。随着国家绿色、低碳技术的推进与创新,农业生产的专业化与标准化程度提高,促使农业生产低碳化,因此农业技术进步对黄河流域种植业碳足迹的作用强度逐渐减小。

第三,从自然维度来看,农业灌溉水平对种植业碳足迹的影响始终为负,原因在于灌溉有利于农作物的生长发育,使得种植业碳汇功能增强,对种植业碳足迹产生显著抑制影响。2000—2020年,灌溉水平的系数为-1.70～-0.62,2010年达到最大值-0.62,此后呈下降趋势。农业灌溉水平的提高,能够帮助维持黄河流域的自然植被和生物多样性,有利于粮食作物成长和土壤保持,能有效降低碳足迹。

3.2.2 各影响因素参数估计的空间分异 根据GTWR模型的估计结果,分析了各驱动因素参数估计值的空间分异。

第一,从社会维度来看,城镇化在大部分城市为负向效应,系数值为-7.58～-0.03,而对太原、酒泉等18个城市为正向效应,系数值为0.01～2.48。新型城镇化以绿色低碳为发展原则,有利于农业低碳转型,最终使碳足迹下降。而太原、酒泉等城市在城镇化进程中没有很好地兼顾农业生产过程中能源使用低碳、清洁化问题,使得碳足迹上升。财政支农在各地的系数有正有负,60%的城市系数为正,系数值为0.04～2.84,其余城市系数值为-1.63～-0.06。其中,系数为负的城市中绝对值最大的为西宁,其次为郑州;系数为正的城市中值最大的为忻州。西宁、郑州等城市农业发展水平相对较高,更加关注生态问题,财政投入对绿色低碳农业的指向性更加明确。忻州等城市种植业生产方式仍较为粗放,财政支农投入会刺激农户增加化学品投入使碳排放上升,因而财政支农对种植业碳足迹表现出正向影响。

第二,从经济维度来看,农民收入的估计值在晋中、太原等30个城市为负,系数值为-2.79～-0.18,乌海、通辽等20个城市为正值。农业资源环境与经济发展的EKC 验证结果认为,当经济发展水平与环境质量处于拐点左侧时,收入的增加会带来环境质量的恶化[20]。因此对于乌海、通辽、巴彦淖尔等农民收入较低且污染程度较低的城市,随着经济的发展,种植业碳足迹会增加。而农民收入较高的城市如晋中、太原等,其农村居民人均收入水平增长能显著降低碳足迹。农业技术进步除大同、乌兰察布和通辽3个城市以外,其余均为正值,酒泉、张掖以及鄂尔多斯3个城市的正向效应最大。原因在于黄河流域农业技术进步还未完成向低碳环保方向的转变,且技术进步带来的规模扩大将消耗更多要素,产生更多的碳排放。

第三,从自然维度来看,农业灌溉水平在除酒泉、张掖、西宁、通辽、武威及金昌之外的城市均为负向效应,系数值为-5.97～-0.02。灌溉水平改善减少了水资源对作物产量的约束,随着农业水利设施的完善,各区域农业生产受旱涝、生物等灾害的影响作用减小,保护了耕地,使得土壤固碳水平得到提升,碳汇增加的同时减少了种植业碳足迹。这一发现与现有研究结论基本一致[29]。同时,灌溉是旱区农业获得高产稳产的重要手段,酒泉、张掖等城市水资源较为短缺,依靠自然降水来缓解种植业水资源短缺问题是不可能的,灌溉势必会对这些地区的种植业碳足迹产生重要影响,而灌溉过程利用电能间接消耗化石燃料并产生碳排放,进而使碳足迹增加。因此,发展绿色节能灌溉技术能有效抑制碳足迹。

4 结论与政策建议

4.1 研究结论

“双碳”目标对中国农业固碳减排提出了更高的要求,面对黄河流域高耗能、高排放和资源环境约束趋紧的严峻形势,迫切需要探索种植业碳足迹的抑制路径。本研究基于2005—2020年黄河流域城市层面数据,测度了种植业碳足迹,利用标准差椭圆方法考察黄河流域种植业碳足迹的分布动态及演进趋势,并基于时空地理加权回归模型扩展传统STIRPAT模型,识别黄河流域种植业碳足迹的影响因素及其时空分异。研究结论如下:

(1)样本考察期内,黄河流域种植业碳足迹呈先升后降趋势,从2005年的413.491万hm2下降波动上涨至431.326万hm2,到2020年下降至342.839万hm2。碳排放同样呈先升后降趋势,而碳吸收在2005—2020年持续上涨,且碳吸收量明显高于同时期的碳排放量,黄河流域种植业表现为碳生态盈余,但总体呈波动式下降趋势。考察期间黄河流域种植业单位面积碳足迹与单位农业GDP碳足迹均呈现波动式下降趋势,表明黄河流域种植业向绿色低碳农业生产模式转变。

(2)黄河流域种植业碳足迹的空间非均衡性特征明显。黄河流域上游地区种植业碳足迹较高,而下游地区降速最快,且占黄河流域种植业碳足迹比重最小。碳足迹较高区域的降速较低,同时碳足迹较低区域降速较高,可初步判定其碳足迹区域差异呈扩大趋势。上游地区种植业单位面积碳足迹呈先升后降趋势,下游地区单位面积碳足迹最小且降速最快,而中游地区种植业单位面积碳足迹最大且呈波动式上升。标准差椭圆的重心位于太原市内,重心移动距离与移动速度均呈先降后升趋势。种植业碳足迹在东北—西南与东南—西北方向上均呈现分散趋势,标准差椭圆的转角变化幅度较小,表明黄河流域种植业碳足迹呈现稳定的“东北—西南”方向分布。

(3)各影响因素对黄河流域种植业的影响呈现明显的时空异质性,不同时空节点下,各要素的作用方向、时变趋势均不同。从各影响因素的时序变动来看,农业技术进步具有正向影响,农业灌溉的影响始终为负,其余变量在2005—2020年均出现了波动。其中城镇化和农民收入的影响效应由负转正又转负,且城镇化对黄河流域种植业碳足迹的负向影响程度逐渐降低,而收入水平对碳足迹的影响程度大致表现为“减弱-增强”。财政支农对黄河流域种植业碳足迹的影响由正转负,且影响程度呈现波动下降趋势。从各影响因素的空间分异来看,农业技术进步几乎都为正向效应,农业灌溉水平的影响基本为负。城镇化、农民收入和财政支农在作用方向和影响程度上均存在明显的空间分异性。

4.2 政策建议

第一,加大种植业碳减排力度,发挥种植业固碳功能。碳排放量增加的主要原因是化肥使用量与农业灌溉的增加,因此,在保证农产品产量的前提下,科学管理化肥施用和灌溉,优化排灌措施,合理控制农用化学品的使用。翻耕会导致土壤流失有机碳,应积极采取少耕、免耕等保护性耕作措施。从固碳角度来看,碳吸收量主要与作物类型及产量有关。应优化调整种植结构,开发产量更高的农作物品种,以保证粮食安全和实现农田固碳;要积极建设生态农业,形成农田生态系统良性物质循环,增施有机肥,加强土壤固碳能力。建设高标准农田,实现粮食增产;大力推进秸秆还田等措施,提高土壤肥力实现粮食增产,以实现种植业固碳增汇。

第二,协同推进黄河流域种植业降碳提效,因地制宜发展低碳农业。研究显示,黄河流域种植业碳足迹具有明显的空间非均衡性效应,可以根据黄河流域种植业碳足迹的分布特征,把黄河流域西北、西南划分为重点区域,加大对其种植业固碳减排的扶持力度;不同地区肩负的农业生产责任有所区别,各市应在考虑农业发展水平与资源禀赋的前提下,结合黄河流域种植业碳足迹区域非均衡现状,依据自身特点制定差异化减碳路径,有序推进“双碳”目标实现。率先达峰城市应发挥其约束力和引领作用,形成绿色低碳转型的倒逼机制和发展模式,协同推动经济的高质量发展和生态环境的高水平保护。如对于种植业碳排放总量基数大且可削减比例高的高排低效型城市,在制定减排方案时应重点关注,参考效仿榆林等低排高效样本城市的低碳农业发展经验,降低地区间的种植业碳足迹差距,实现黄河流域种植业碳足迹的协同降低。

第三,改变传统农业管理方式,推进黄河流域种植业绿色低碳生产,实现“减碳”与“增汇”的有机结合。从社会维度来说,要充分考虑各个城市的环境承载力,处理好城镇化发展与种植业固碳减排之间的关系,从城乡一体化高质量发展的角度保护农业生产性土地面积,将城市规模控制在生态临界规模以下,进而降低资源消耗和抑制碳足迹。另一方面,财政应向农业、农村环境保护倾斜,同时完善农业环保支出的管理与监督,提升财政支持的有效性;对种植业低碳技术攻关项目、循环农业发展项目等生态农业建设工程予以优先支持。从经济维度来说,要支持农民发展绿色农业、循环农业和智慧农业,加大绿色生产的政策补贴力度,制定科学的种植业经济发展政策,促进种植业增产提质,增加农民的生态保护收益,调动农户固碳减排的积极性。此外,要加强农业科技创新,推动种植业生产低碳化,加大农业科技创新领域的资金投入,推动先进科技成果应用于农业生产中。促进数字农业的发展,借助人工智能、大数据等发展智慧农业,提高农业生产效率,加快黄河流种植业低碳化生产步伐。从自然维度来说,农业灌溉水平的提升有利于减少种植业碳足迹,应加强农田水利基本建设,大力发展节水种植业和水肥一体化种植业,因地制宜使用微喷、渗灌、滴灌以及局部精确灌水等节水灌溉技术,改善农作物生长条件、提高单产与品质,有效提升黄河流域种植业碳汇水平。