1978—2021 年广西农业净碳汇时序特征及影响因素*

葛小君,吴 丹,李淑斌**,安 强

(1.广西壮族自治区计量检测研究院 南宁 530001;2.布鲁塞尔自由大学 布鲁塞尔 1050 比利时)

温室气体排放导致的全球变暖已经成为目前人类生存和发展面临的重要环境问题。农业系统作为陆地生态系统的重要一环,是碳排放(碳源)场所和碳固定(碳汇)的重要途径。中国农业活动碳排放可达到国内碳排放总量的17%[1]。2004—2013 年中国粮食作物温室气体排放增长1.94%[2];2005 年,中国畜牧业温室气体排放量占全国农业总排放量的45.7%[3]。同时,农业生态系统通过作物光合作用和水产贝藻养殖实现固碳[4]。过去几十年来,中国通过集约化农业的发展使农作物产量大幅增加,促进了农业固碳能力的提升[5]。Li 等[6]的研究显示中国农业系统碳汇量约是碳排放量的10 倍。因此,在估算农业系统碳排放的过程中,需要同时考虑碳排放和碳固定两个过程[7],碳汇和碳源的差值即为农业系统的净碳汇量,这一指标反映了农业对温室气体的影响[8]。

对碳源、碳汇和净碳汇量预测和因素分解常用的方法有投入产出模型[9]、系统动力模型[10]、Logistic 模型[11]、STIRPAT (Stochastic Impacts by Regression on Population,Affluence and Technology)法[12]、神经网络[13]等。STIRPAT 模型的优势在于能够提供一个全面和灵活的框架,用于分析多种影响因素与环境变量之间的复杂关系。与其他模型相比,STIRPAT 模型不仅计算复杂度较低,而且能够更准确地反映人口、经济和技术等多方面因素的综合影响,并且具有较好的灵活性和拓展性,是目前碳预测最常见且认可度较高的模型[14]。

通过精确测量农业的碳排放与碳固定量,能够有效推动可持续农业的发展,并缓解气候变化的影响[2]。但是目前对于农业碳汇的核算存在以下两方面问题: 一方面是核算边界存在差异导致结论不同,部分研究主要聚焦在农业碳排放环节,另一部分研究则将农作物的碳汇过程纳入核算结果并发现农业过程中碳固定量大于碳排放量[14-16];另一方面是核算区域的差异,中国地域广阔,各省份的农业结构显著不同,这导致农业碳源和碳汇特征的多样性[2],目前已有众多研究对不同省份农业碳排放和碳固定进行全方位的详细核算,如西藏[15]、河南[16]、海南[17]、甘肃[14]及西南地区[18],并且发现不同地区的碳排放和碳固定特征存在较大差异。

广西作为中国农业大省,目前大部分研究主要侧重于广西农业碳排放核算[19-22],而对广西农业系统的碳固定和净碳汇量的长时序综合性核算报道相对有限。因此对广西农业碳汇进行准确量化核算,不仅可以提供科学全面的广西农业净碳汇时序数据,并且能够更好地了解广西农业系统碳平衡的动态变化。此外,通过广西农业系统净碳汇主要影响因素的分析,可为广西未来农业碳管理提供更具有深度的科学依据。

本文以广西为研究区域，并基于广西统计年鉴的数据，采用排放因子法和碳固定因子法对1978至2021 年间广西农业系统的碳排放和碳固定量进行量化。同时,引入STIRPAT 模型以识别和分析影响广西农业净碳排放与碳固定的主要因素。研究目的是揭示广西农业碳排放和碳固定的时序演变特征及其影响因素,旨在为广西农业可持续发展提供科学依据,并助力广西实现碳排放和碳吸收的平衡目标。本文的主要目标包括: 1)量化1978—2021 年广西农业系统碳排放、碳固定和净碳汇;2)分析广西农业系统碳排放、碳固定和净碳汇来源特征;3)确定广西农业系统碳排放、碳固定和净碳汇的主要影响因素。

1 研究方法

1.1 数据来源

本文数据来源为1978—2022 年《中国统计年鉴》和《中国农村统计年鉴》、1984—2022 年《广西统计年鉴》、2000—2021 年《中国渔业年鉴》及《广西农村统计资料2009》,由于2000 年以前广西海产品种类占比数据缺失,因此根据2000—2022 年《中国渔业年鉴》不同海产品种类占比的平均值计算1978—2000 年广西海水养殖不同海产品种类占比。本文中碳排放来源主要包括农资投入要素、畜禽养殖、稻田排放和秸秆焚烧,碳固定来源主要包括作物固定和水产养殖。

1.2 农业碳排放量计算

1.2.1 农业资料投入

农地利用过程的碳排放来源于农业生产作业各环节的农业资料投入,主要包括6 个方面[23]:1)源于化肥施用的碳排放量,主要包括化肥分解产生的N2O;2)源于农药施用所产生的碳排放量,包括农药生产和运输过程中产生的CO2;3)源于农膜使用所产生的碳排放量,主要指农膜在生产和使用环节中产生的CO2;4)源于农田灌溉过程的间接碳排放量,主要是由于水泵等灌溉设备使用的电力和化石燃料产生的CO2;5)源于农地翻耕所产生的碳排放量,主要是耕作中土壤扰动释放的CO2;6)源于农业机械使用过程燃料消耗所产生的直接或间接碳排放量,主要包括机械耕作时化石燃料燃烧产生的CO2以及消耗的电力产生的CO2。

式中:Cie是农业资料投入的碳排放量;Ii是第i类农业资料投入量,包括化肥、农药、农膜、农田灌溉、农地翻耕、机械使用,其中氮肥、磷肥、钾肥和复合肥分别进行计算;Ci是第i类农业资料的碳排放系数。各类农业资料的碳排放系数来源于文献[23-24],其中源于化肥的N2O 排放系数已基于N2O 的CO2全球增温潜势转化为碳当量系数,详细参数见表1。

1.2.2 畜禽养殖

在畜禽养殖业中,肠胃发酵会产生大量的甲烷(CH4),其中以反刍动物最多,猪其次,家禽最少;畜禽排泄物同时产生CH4和氧化亚氮(N2O)。排泄物在无氧状态下分解主要产生CH4,但堆肥则产生大量的N2O;同时,考虑到不同畜禽养殖天数不同,需根据畜禽养殖情况收集数据。在中国畜禽养殖业中,生猪、兔和家禽生长周期较短,可以在1 年内进行多次饲养和出售,因此这三者选择出栏量进行计算,而其余采用存栏量进行计算[25]。根据IPCC 评估报告,CH4和N2O 的100 年全球增温潜势分别为25 和298,因此1 t CH4和N2O 分别等于6.8182 t 和81.273 t 碳当量(CO2-eq)。

式中:Csl为源于畜禽养殖的CH4排放总量(碳当量),Cnl为源于畜禽养殖的N2O 排放总量(碳当量),Ti为第i种畜禽的养殖数量,GFi为第i种畜禽肠胃发酵的CH4排放系数,Mi,e为第i种畜禽排泄物的CH4排放系数,Ni,e为第i种畜禽肠胃发酵和排泄物的N2O排放系数,Bi,d为第i种畜禽的养殖天数,6.8182 为CH4对应CO2全球增温潜势转化成碳当量的系数,81.273 为N2O 对应CO2全球增温潜势转化成碳当量的系数。不同种类畜禽的不同养殖环境的CH4和N2O 排放系数见表2[25]。

表2 不同种类畜禽养殖系统CH4 和N2O 排放系数Table 2 CH4 and N2O emission factors from different livestock and poultry farming system

1.2.3 水稻种植

稻田是全球大气CH4的重要来源[23]。在水稻(Oryza sativa)种植过程中,淹水的厌氧环境和土壤中丰富的有机物质促进了甲烷菌活动,从而导致了甲烷 (CH4) 的排放。鉴于中国各地区稻田CH4排放系数的差异性,本研究采用了参考文献[23]中提供的广西早稻、中稻和晚稻的具体排放系数来进行核算。

式中:Cr为水稻生长过程中CH4排放总量(碳当量),Ti为第i季水稻播种面积,ωi为第i季水稻CH4排放系数,6.8182 为CH4对应CO2全球增温潜势转化成碳当量的系数。广西早稻、晚稻和中稻的CH4排放系数分别为12.41 g·m–2、49.10 g·m–2和47.78 g·m–2[23]。

1.2.4 秸秆焚烧

我国大部分地区的秸秆处理方式仍以就地焚烧为主[23],焚烧秸秆会产生大量的温室气体,进一步加剧温室效应。根据《广西农业统计年鉴》数据,广西水稻、玉米(Zea mays)、豆类、薯类、花生(Arachis hypogaea)和甘蔗(Saccharum officinarum)的产量占农作物总产量的95%以上,因此本文选择这6 种农作物进行碳源/汇核算。根据参考文献[24]的作物草谷比估算广西各类作物秸秆量,广西秸秆废弃比例和秸秆焚烧比例来自参考文献[23]。由于不同区域秸秆焚烧的碳排放系数难以获取,因此本文借鉴参考文献[26],将秸秆焚烧的碳排放系数设为1515 kg(C)∙kg–1。

式中:Cs为秸秆焚烧产生的碳排放总量;Ei为第i种作物产量;Gi为第i种经济作物草谷比;Ec为秸秆焚烧的碳排放系数;R为秸秆焚烧系数(秸秆废弃比例×焚烧比例),广西农作物秸秆废弃比例为40%,秸秆焚烧比例为20%[23],故焚烧废弃系数为8%。不同农作物草谷比见表3。

1.3 农业碳固定量计算

国际上以农产品净初级生产测算农业碳汇,近年来,国内学者将其应用到对农田和海洋碳汇的测算中[26-28]。本文借鉴此方法,并且结合研究需求加以改进。

1.3.1 水产

广西水产养殖以贝类养殖为主,约占总水产养殖产量的99%,据此,选择贝类作为广西水产养殖碳汇核算的指标。贝类主要通过钙化和食物摄取利用海水中的碳促进自身生长,形成碳汇。一方面,贝壳利用海水中的溶解CO2形成贝类贝壳的CaCO3;另一方面,贝壳通过滤食海水中的有机颗粒促进自身软组织生长并固碳[28]。由于广西水产养殖碳汇核算数据较难获取,因此本研究采用全国水产养殖碳汇系数进行估算。

式中,Csh为水产养殖碳固定量,Qi为第i种水产养殖量,αi为第i种水产养殖量干湿转换系数,φij为第i种水产养殖量第j部分(即软组织和壳)的质量占比,ωij为第i种水产养殖量第j部分(即软组织和壳)的碳含量。参数详情见表4。

表4 水产养殖碳固定系数Table 4 Aquaculture carbon sequestration factors

1.3.2 作物

作物生长过程能够将碳固定在土壤和植物中,在过去几十年里,中国的种植业通过集约化发展显著提高了作物产量,由此表明作物种植具有较大的碳固定能力。

式中:Cct为农作物碳固定量,Ei为第i种作物产量,Si为第i种作物的碳固定率,Wi为第i种作物的含水率,Hi为第i种作物的经济系数。参数详情见表5[23]。

1.4 农业净碳汇量

根据上述计算结果,本研究碳排放总量为农业资料投入碳排放、畜禽养殖碳排放、水稻种植碳排放和秸秆焚烧碳排放的总和。碳固定总量为农作物碳固定量和水产养殖碳固定量的总和。净碳汇量为碳固定总量和碳排放总量的差值。具体公式为:

式中:Cet为碳排放总量,Cat为碳固定总量,Ccf为农业净碳汇量。

1.5 农业净碳汇影响因素分析

采用STIRPAT 模型对净碳汇量的影响因素进行分析。通常采取人口规模 (农业总人口或人口结构)、富裕程度和技术应用3 个方面构建STIRPAT 模型。为了提高STIRPAT 模型的针对性和准确性,根据上述碳排放源和碳固定源的计算结果选取碳排放和碳固定的主要来源进行Pearson 相关性分析,选取与碳排放、碳固定和净碳汇量显著相关的碳排放/碳固定来源参数参与模型计算,从而使STIRPAT 模型更准确。由于各参数间可能存在共线性关系,因此采用岭回归 (Ridge Regression)方法以去除共线性问题。各指标间相关性采用Pearson 相关分析,显著性和极显著性水平分别为P＜0.05 和P＜0.01。采用SPSS 25.0和GraphPad Prism 9.0 进行数据处理和作图。

2 结果与分析

2.1 广西农业碳排放、碳固定和净碳汇量时序分析

广西农业碳排放量、碳固定量和净碳汇量呈现增长趋势(图1)。1978—2021 年农业碳排放量由1166.61×104t 增加到1457.17×104t,增幅24.90%,年均增长0.55%。在2006 年达到碳排放峰值(1628.60×104t),随后回落至2021 年的1457.17×104t。相比于碳排放量,碳固定量呈现明显上升趋势,从1978 年的872.81×104t 上升到2021 年的3319.31×104t,增长约2.80 倍。碳固定量具有明显的阶段性: 第1 阶段(1978—1987 年)为缓慢增长期,该阶段碳固定量增加37.16%;第2 阶段(1988—2008 年)为快速增长期,由1131.54×104t 上升到3271.57×104t,年均增长3.45%,增长1.89 倍;第3 阶段(2009—2021 年)为平稳波动期,碳固定量在3254.06×104t 上下波动。净碳汇量与碳固定量趋势保持一致,农业净碳汇量从1978 年的–293.79×104t 上升到2021 年的1862.14×104t,年均涨幅为18.92%,在1989 年之前,农业净碳汇量为负值,1990 年广西农业碳排放和碳固定基本达到平衡,随后净碳汇量为正值并逐年增加,说明广西农业系统具有较高的碳汇效应。

2.2 广西农业碳排放量变化特征

2.2.1 农业碳排放来源构成

1978—2021 年源于农业资料投入和秸秆焚烧的碳排放占比呈上升趋势(图2),其中源于农业资料投入的碳排放从1978 年的205.93×104t (17.65%)上升到2016 年的577.15×104t (36.81%),而后缓慢下降至2021 年的530.92×104t (36.44%);源于秸秆焚烧的碳排放则从1978 年的108.97×104t (9.34%)上升到2021 年的221.77×104t (15.22%)。源于稻田的碳排放占比则呈现出逐年下降的趋势,由1978 年最高的634.06×104t (54.35%)下降到2021 年的384.86×104t(26.41%)。1978—2021 年源于畜禽养殖的碳排放平均占比为23.54%,2007 年其占比出现了较大波动,从2006 年的441.86×104t (27.13%)下降到2007 年的303.77×104t (20.38%),占比下降了6.75%。

图2 1978—2021 年广西农业不同类型排放源的碳排放量Fig.2 Carbon emission of different carbon sources from agriculture system in Guangxi from 1978 to 2021

2.2.2 农业碳排放主要来源

对于农业资料投入而言(图3a),化肥和灌溉是最主要的碳排放源,1978—2021 年平均占源于农业资料投入总碳排放的80.25%。源于灌溉的碳排放占比呈下降趋势,由108.84×104t (52.85%)下降到113.50×104t (21.38%);源于化肥的碳排放占比呈上升趋势,由69.03×104t (33.52%)上升至297.78×104t(56.09%),其中源于氮肥的碳排放是源于化肥的碳排放的主要来源(61.02×104～257.64×104t)。晚稻是最主要的稻田排放源,占源于稻田的总碳排放的70%左右(图3b)。对于畜禽养殖碳排放而言(图3c),牛养殖是主要碳排放源,平均占源于畜禽养殖总碳排放的74.13% (252.52×104t)。2007 年,源于牛养殖的碳排放出现明显下降,比2006 年下降15.07%;源于家禽和生猪的碳排放则呈增长趋势,占比分别由7.98%(17.36×104t)和7.26% (15.81×104t)上升到20.69%(66.13×104t)和23.67% (75.66×104t)。水稻是秸秆焚烧碳排放的主要来源(图3d),平均占源于秸秆焚烧总碳排放的65.89% (117.17×104t);随着甘蔗产量的增加,源于秸秆焚烧碳排放中甘蔗占比呈明显增加,从1978 年的2.30% (2.74×104t)上升至2021 年的24.15% (53.56×104t)。

图3 1978—2021 年广西农业不同排放源的碳排放量占比Fig.3 Carbon emission proportions of different carbon emission sources of agriculture in Guangxi from 1978 to 2021

2.3 广西农业碳固定量变化特征

2.3.1 农业碳固定

从图4 可以看出,1978—2021 年广西农业碳固定量呈上升趋势,其中农作物碳固定量平均占总碳固定量的93.67%。水产养殖1997 年前占比较小,平均为1.28%,1997 年后占比增加至10.53%,水产养殖的碳固定量呈缓慢上升趋势,从1998 年的259.08×104t 上升到429.97×104t。

图4 1978—2021 年广西农业不同来源的碳固定量Fig.4 Carbon sequestration of different sources from agriculture system in Guangxi from 1978 to 2021

2.3.2 农业碳固定来源

从图5 可以看出,水稻、甘蔗和玉米是农田碳固定的主要来源,平均约占总碳固定量的95%。其中水稻碳固定量占比呈逐年下降趋势,从1978 年的75.57%下降到2021 年的28.62%,但水稻碳固定总量变化较小,在869.62×104t 之间波动;甘蔗碳固定占比呈明显上升趋势,由1978 年的9.79%上升到2021年的57.35%,1978—2008 年间呈快速上升趋势,从84.76×104t 上升到1848.51×104t,2009—2021 年间呈平缓趋势,在1678.42×104t 上下波动。对于水产养殖碳固定而言,牡蛎(Ostreidae)是广西最主要的海洋碳汇来源,占总碳固定的99%。

图5 1978—2021 年广西农业不同碳固定来源的碳固定量占比Fig.5 Carbon sequestration proportions of carbon sink sources from agriculture system in Guangxi from 1978 to 2021

2.4 广西农业碳排放、碳汇和净碳汇的影响因素与预测

2.4.1 相关性分析

相关性分析表明(表6),广西农业碳固定量和净碳汇量与农业总人口呈显著负相关(P＜0.01),碳排放量、碳固定量和净碳汇量与机械化水平(P＜0.01)、农业经济发展水平(P＜0.01)、化肥(P＜0.01)和农药施用量(P＜0.01,P＜0.05)及作物产量(P＜0.01)呈显著正相关,与稻田播种面积呈显著负相关(P＜0.01)。碳排放量、碳固定量和净碳汇量与畜禽养殖和农业结构之间相关性不显著,碳排放与农业总人口间也没有显著相关性。

表6 广西农业碳排放指标与不同影响因素的相关性(n=44)Table 6 Correlation of agricultural carbon emission indicators with different influencing factors in Guangxi (n=44)

2.4.2 STIRPAT 模型结果

岭回归分析结果表明在k=0.1 时能够满足VIF(方差膨胀系数)＜3,因此本研究取k=0.1 进行回归模型的建立。结果显示,化肥施用量和水稻产量对碳排放量有正影响;每增加1%的化肥施用量将增加0.035%的碳排放量,每增加1%的水稻产量将会增加0.417%的碳排放量,水稻产量对于碳排放量的影响更明显。农作物产量、化肥施用量和机械化水平对碳固定量有显著正影响,上述因素每增加1%,碳固定量分别增加0.17%～0.39%、0.16%和0.04%;农业总人口和水稻播种面积对碳汇总量有显著负影响,这两个因素每下降1%,碳固定量则分别增加0.04%和0.05%。净碳汇量的预测结果与碳汇类似,农作物产量和化肥施用量对净碳汇量有显著正影响,其中水稻对净碳汇量影响最大,甘蔗次之,当水稻和甘蔗产量分别每增加1%时,净碳汇量分别增加1.37%和0.77%;而农业总人口和稻田面积对净碳汇量有显著负影响。

3 讨论

本研究旨在验证核算结果的合理性。鉴于详细的官方碳排放与碳固定数据的不足,我们采用了与先前研究报告所提供数据的比较验证方法。程琳琳[21]核算的1993—2016 年广西农业年均碳排放量为1411.61×104t,本文核算的同期广西农业年均碳排放量为1550.97×104t,误差为9.8%。鉴于缺乏广西地区全面的作物碳固定数据,本文碳固定量比较主要基于单一作物碳汇的核算结果进行。林克涛等[29]对甘蔗产业碳汇的核算结果表明,2003—2012 年广西甘蔗碳汇量为1023.29×104～1848.43×104t,本文甘蔗同时期碳汇量为1093.91×104～1761.68×104t,误差为4.9%～6.9%。造成上述误差的主要原因可能有以下3 点: 一是计算边界导致的误差,由于农业种植过程环节较多,因此边界取舍的不同会导致最终结果出现偏差,例如土壤碳排放和碳矿化过程对碳核算结果的影响可达12%～30%[30];二是数据收集口径的不同导致的误差,例如Chen 等[31]通过《全国农产品成本收益资料汇编》计算的总化肥施用量高于《中国农村统计年鉴》数据,因此所计算的化肥碳排放量会存在差异;三是排放参数的选择也会导致误差[32]。因此,本研究不仅具有一定的参考价值，还能为数据不足的年份提供有益的借鉴。

1978—2021 年广西农业系统碳排放总量呈缓慢增长趋势,其中1978—1998 年为增长阶段,这可能因为此时段广西处于传统农业发展阶段,社会发展的主要问题是解决温饱问题,为了增加粮食作物产量,化肥施用不可避免地增加[33],碳排放总量随之增加。1998 年,碳排放出现了第1 次明显的下降拐点,这是由于1998 年中国南方发生特大洪涝灾害,广西约2.74×104hm2耕地资源被毁[34-35],在一定程度上降低了碳排放。2007 年碳排放出现第2 次明显的下降拐点,这是由于2006 年发生的金融危机引发了经济放缓和信贷紧缩,消费者收入减少,消费信心和能力均有降低,这直接导致了肉类消费量的下降。这些因素综合影响了畜禽养殖业,进而导致整体产量的普遍降低[36],因此农业碳排放下降。2015 年农业部发布的“一控二减三基本”政策是2015 年之后碳排放量减少的主要因素[23]。这说明广西农业碳排放受到多重因素交互影响,因此在后续对广西农业碳排放预测过程中需要考虑以下3 方面因素: 一是考虑自然因素对碳排放的影响,诸如台风、极端降雨、干旱以及厄尔尼诺和拉尼娜现象;二是考虑市场经济因素对碳排放的影响,诸如农产品供应和价格、国内生产总值和农业经济发展水平等(表7) ;三是农业政策的制定和执行也是评估碳排放的关键因素,这不仅包括政策在地方层面的落实情况,还包括农民和农业从业者对这些政策的响应速度和适应能力。

表7 广西农业碳排放影响因素的STIRPAT 模型预测结果(n=44)Table 7 Prediction of the affecting factors of carbon emission of agriculture in Guangxi using STIRPAT model (n=44)

1978—2021 年广西各类农业碳排放源变化明显,农业资料投入的碳排放占比呈现增加的趋势，2021 年农业资料投入是碳排放的主要来源(图2),随后分别是稻田排放、畜禽养殖和秸秆焚烧。化肥是农业资料投入碳排放的主要来源,这与前人研究结果一致[37]。一方面,广西早年长期采用粗放型种植模式,大量施用肥料导致大规模的温室气体排放;另一方面,广西是中国水稻和甘蔗的主产区,为满足日益增长的粮食需求,不可避免地扩大了甘蔗和水稻的种植规模,因此增加了肥料和农药的施用量[19,33]。STIRPAT 模型结果表明(表7),化肥施用量和水稻产量是碳排放增加的主要来源,这一结果印证了上述推测。畜禽养殖碳排放来源结构也发生了较大变化,一方面原因在于金融危机导致畜禽养殖结构的改变[36],牛的养殖成本(5000～8000 元·头−1)远高于家禽[1624.63～2558.59 元∙(100 只)−1]和猪(1545～1827 元∙头−1)的养殖成本[38-40],养殖户为避免潜在的金融危机带来的高损失风险,普遍倾向选择养殖成本较低的生猪和畜禽进行规模化养殖;另一方面,由于我国的肉类消费结构是以猪肉和家禽类产品为主(＞80%)[40],这一趋势进一步促使养殖户扩大生猪和家禽养殖规模,以满足市场需求。广西水稻碳排放较为稳定,但总体呈现出下降趋势,这一现象主要归因于水稻播种面积的减少。广西是我国水稻主产区,水稻生产较为饱和,随着经济发展,该地区种植结构也发生了变化,经济作物播种面积增加,水稻种植面积缩小,进而导致源于稻田的碳排放下降[41]。因此为降低广西农业碳排放,亟需深入研究和实施化肥精准施用、稻田CH4排放控制和规范化养殖策略,并制定相应政策。在化肥应用方面,必须加强对施肥过程的精准管理,以确保农业生产高效性的同时对环境的负面影响最小。对稻田CH4排放的控制需要加强水稻种植和管理技术的研究,以降低温室气体排放。同时,对畜禽养殖过程的规范化是另一个关键方面,须采取措施确保畜禽养殖过程中的环保标准符合科学规范,包括养殖密度、饲养管理、废弃物处理等。在此基础上,提高粪污利用效率,通过科学合理的处理方法,最大限度地减少粪污碳排放。

农业系统中农作物的碳汇效益往往被忽视,以往研究表明通过农业种植和田间管理技术的进步,农业系统能够转变成碳汇系统[42-43]。本研究结果显示,广西农业净碳汇量1989 年起由负值转变为正值,之后逐年增加,最终形成了巨大的碳汇系统(图1)。其主要原因在于传统粗放型农业逐渐转变为集约型农业,农业机械水平提升,机械化播种、耕作和收割提高了农业生产效率和农田单产,因此提高了作物碳固定量和净碳汇量(表6 和表7)[44-45]。这表明农业技术的提升对农业系统的整体生态效益产生了积极影响。农业系统不仅具有生产农产品的功能,同时在实现碳达峰碳中和中也起到积极作用。

甘蔗作为广西净碳汇量的主要贡献作物,在2021 年占作物碳固定量的57.35% (图5),STIRPAT模型结果显示甘蔗是增加碳固定和净碳汇量的主要影响因素(表7)。Bordonal 等[46]和Cabral 等[47]分别采用IPCC 清查法和田间涡度协方差实测法对甘蔗种植系统的碳排放和碳固定进行估算,同样得出甘蔗种植系统是碳汇的结论。虽然水稻产量对于碳固定和净碳汇的影响更大(表7),但水稻种植过程的CH4排放是农业系统碳排放的来源(图2 和图3),广西以提高甘蔗产量为基础来提升净碳汇量具有更合理的现实意义。近年全球变暖背景下极端干旱天气出现频率提高,甘蔗产量因此受到上述因素的负面影响,此外作物碳固定受到作物产量的影响,故广西甘蔗产量以及净碳汇量呈平缓趋势[48-49](图5),因此需要增加甘蔗在极端天气条件下的增产技术研究。

地球上大约10%的有机碳储存在农业土壤中[50],农田生态系统土壤中的有机碳通常被认为是最活跃的碳库,因此农田生态系统中有机碳增加在抵消人为碳排放和减缓气候变化方面发挥着重要作用[51]。本文采用的传统核算方法进行碳源/汇的核算,并没有考虑到气候变化、施肥结构变化和土地耕作而引起的土壤碳库变化。在后续的研究中需要对土壤碳库周转开展进一步的研究。

4 结论

本文采用排放因子法对广西农业系统1978—2021 年的碳排放和碳汇进行了计算,结果显示1978—2021 年广西农业碳排放量增长了24.90%,农业资料投入和稻田排放是广西农田碳排放的主要来源,其中化肥和灌溉是农业资料投入碳排放的主要来源。广西农业碳固定量逐年上升,2021 年的农业碳汇量比1978 年增加约2.80 倍。作物是碳固定的主要来源,其中甘蔗碳固定量占作物总碳固定量的57.35%。广西的农业净碳汇量从1978 年的−293.79×104t 上升到2021 年的1862.14×104t,说明广西农业系统具有较好的碳中和能力。农业机械化水平、农业经济发展水平、农业资料投入水平和农作物产量与碳排放、碳汇和净碳汇呈显著正相关,而农业总人口和水稻播种面积与之呈显著负相关。STIRPAT 模型显示,化肥施用量和水稻产量对碳排放有正向影响,作物产量、化肥投入量和机械化水平对碳固定和净碳汇有显著正影响,而农业总人口和水稻播种面积对碳固定和净碳汇有显著负影响。在未来广西农业发展中,应该加强化肥精准施用、稻田CH4排放控制和规范化养殖方面的研究、应用和政策制定,以此降低碳排放总量,同时也可以通过推进甘蔗增产技术研究来增加碳固定量和净碳汇量。