长江经济带耕地碳排放时空格局演变及其影响因素

刘璇 孙燕 马静 张天旺 陈浮

劉 璇，孙 燕，马 静，等. 长江经济带耕地碳排放时空格局演变及其影响因素［J］. 湖北农业科学，2024，63（2）：1-7．

摘要：为厘清耕地绿色利用状况，采用IPCC碳排放系数法测算2000—2020年长江经济带129个地级市耕地碳排放，利用空间自相关分析揭示耕地碳排放时空特征演化，运用LMDI模型分解各影响因素的贡献。结果表明，2000—2020年长江经济带耕地碳排放量在时间上呈下降趋势，呈“保持稳定—快速增长—缓慢增长—缓慢下降”四个阶段；在空间上呈中、东部高，西部低的态势，存在显著的全局空间自相关，局部高-高聚集区分布于长江中下游地区，低-高聚集区分布于中游地区，低-低聚集区则主要分布于上游地区；区域内农业碳排放的促进因素是农业经济水平，抑制因素主要是农业生产效率，其次是农业生产结构，最后是农业劳动力规模。为此，长江经济带耕地碳排放的时空差异显著，各地区应因地制宜制定碳减排策略和土地利用管制规划，提升农业生产效率，优化农业种植结构，加强区域联动，推进低碳农业协同发展。

关键词：长江经济带；耕地碳排放；时空格局；空间自相关；LMDI模型

中图分类号：F323；X22         文献标识码：A

文章编号：0439-8114（2024）02-0001-07

DOI：10.14088/j.cnki.issn0439-8114.2024.02.001 开放科学（资源服务）标识码（OSID）：

Spatiotemporal pattern evolution and influencing factors of carbon emissions from arable land in the Yangtze River Economic Belt

LIU Xuana， SUN Yana， MA Jinga， ZHANG Tian-wangb， CHEN Fua

（a. College of Public Management；b. College of Energy and Electrical Engineering， Hohai University， Nanjing  211100， China）

Abstract： To clarify the green utilization of arable land， the IPCC carbon emission coefficient method was used to calculate the carbon emissions of arable land in 129 prefecture-level cities of the Yangtze River Economic Belt from 2000 to 2020. Spatial autocorrelation analysis was used to reveal the spatiotemporal evolution of arable land carbon emissions， and the LMDI model was used to decompose the contributions of various influencing factors. The results showed that from 2000 to 2020， the carbon emissions from arable land in the Yangtze River Economic Belt showed a downward trend over time， showing four stages， such as “maintaining stability—rapid growth—slow growth—slow decline”. In terms of space， there was a trend of high in the middle and east and low in the west， with significant global spatial autocorrelation. Local high-high clustering areas were distributed in the middle and lower reaches of the Yangtze River， low-high clustering areas were distributed in the middle reaches， and low-low clustering areas were mainly distributed in the upstream area. The promoting factor for agricultural carbon emissions within the region was the level of agricultural economy， while the inhibiting factor was mainly agricultural production efficiency， followed by agricultural production structure， and finally the scale of agricultural labor force. Therefore， there was a significant spatiotemporal difference in carbon emissions from arable land in the Yangtze River Economic Belt. Each region should develop carbon reduction strategies and land use control plans according to local conditions， improve agricultural production efficiency， optimize agricultural planting structure， strengthen regional linkage， and promote the coordinated development of low-carbon agriculture.

Key words： Yangtze River Economic Belt； carbon emissions from arable land； spatial-temporal pattern； spatial autocorrelation；  LMDI model

当前，人类生存环境与生态安全受到全球气候变化和极端气候严重影响，消减温室气体排放迫在眉睫。中国郑重承诺2030年前碳达峰、力争2060年实现碳中和，未来双碳行动的核心要义就是在绿色转型中实现更大发展，推进碳达峰、碳中和是新时代经济社会转型发展的“新长征”。全球农业碳排放约占全部的1/4，中国农业温室气体排放约占全部的17%^［1］。长江经济带是国家生态文明建设的先行示范区，也是中国重要的粮食主产区，推动农业绿色发展与低碳转型是践行“新长征”的最优路径。

近几年耕地碳排放成为学术研究的热点之一，主要集中于以下四个方面：第一，碳排放量的测算。孙轶男等^［2］运用IPCC对黑龙江省的农地利用碳排放量进行估算；熊子昕等^［3］利用碳排放系数法估算了中国长江中游城市群耕地碳排放情况；第二，碳排放效率的测算。李依涵等^［4］基于交叉DEA模型评估了长江经济带2013—2017年耕地碳排放效率；马爱玲等^［5］运用非期望产出的SBM超效率模型对甘肃省的耕地碳排放效率进行评估；第三，碳排放的时空演化特征及未来趋势预测。孙康等^［6］使用灰色GM（1，1）模型对河南省2021—2030年的种植业碳排放发展趋势进行预测；文高辉等^［7］运用SBM-Undesirable模型，基于县级尺度揭示了洞庭湖区耕地利用碳排放和生态效率的时空规律。第四，耕地碳排放影响因素研究。李波等^［8］和田成诗等^［9］在分析中国耕地碳排放时空特征的基础上，指出经济增长是耕地碳排放量增加的关键动因。蒋金荷^［10］根据Kaya恒等式建立碳排放量关系式分析碳排放驱动的影响因素，并探讨主要因素对未来中国碳排放强度变化的影响趋势。相关学者对耕地碳排放进行了诸多研究，但多数基于全国或省级行政单元，对具有独特特征的经济带或流域很少关注。

长江经济带作为中国最大的经济带，地域跨度大，农业生产条件复杂，碳排放影响因素差异有待进一步研究。为此，本研究对长江经济带129个地级市耕地碳排放展开测算，利用空间自相关模型探索长江经济带耕地碳排放的时空差异，并运用LMDI模型分解了长江经济带耕地碳排放的影响因素，以期为长江经济带农业绿色发展与低碳转型提供决策参考。

1 材料与方法

1.1 研究区概况

长江经济带覆蓋上海、浙江、江苏、安徽、湖北、湖南、江西、重庆、四川、贵州、云南等9个省和2个直辖市，面积约205万km²，人口和GDP超过全国的40%，是国家重大战略发展区域^［11］。2018年中央要求充分发挥长江经济带的区位优势，以生态绿色发展为引领，带动长江上中下游协调发展。区域内农业发展态势良好，现代化水平高，但区域差异显著。本研究选取长江经济带129个地级市为研究对象，探求区域耕地利用碳排放的时空演变及影响因素。

1.2 数据来源与处理

主要数据为2000—2020年长江经济带129个地级市农业统计数据，包含农村劳动力、翻耕面积、灌溉面积、化肥施用量、农药使用量、农膜使用量、农业机械总动力和农用柴油使用量等。其中，翻耕面积为农作物实际种植面积，灌溉面积为有效灌溉面积，化肥施用量为化肥折纯量，农膜使用量为农用塑料薄膜量。原始数据来源于长江经济带9省2市相应年份统计年鉴及129个地级市统计年鉴、《中国区域经济统计年鉴》《中国农村统计年鉴》《长江经济带统计年鉴》《中国环境统计年鉴》和《中国水利统计年鉴》。地图数据来源于国家地理信息公共服务平台（https：//www.tianditu.gov.cn/）。存在少量数据缺失，采用线性插补法或平均插补法补全。

1.3 研究方法

1.3.1 耕地碳排放计算方法 本研究采用IPCC法计算耕地碳排放，主要原因是方法简单，所需数据与统计数据对应，且便于年度对比分析。耕地碳排放有几个方面：一是农业生产活动中化肥、农药、农膜等使用，直接或间接引发的碳排放；二是农业生产中使用机械消耗柴油或电力引发的碳排放；三是土地利用产生的土壤碳流失^［12］。参考李波等^［8］对耕地碳排放的测算方法，从农业物资投入、土地翻耕、灌溉三个方面估算耕地碳排放，并结合碳排放经验系数（表1），运用IPCC算法估算耕地碳排放。具体计算公式如下：

C=ΣC_i=ε_i×Σe_i（1）

式中，C为耕地碳排放总量，C_i为第i类碳排放源的碳排放量，ε_i为各类碳排放源的碳排放系数，e_i为各类碳排放源的数量。

1.3.2 空间自相关分析 任何事物之间均存在着一定关联，且距离远近与事物的关联性存在联系。空间自相关分析就是判断具有空间位置的某一要素的观测值与其相邻空间内的观测值关联显著度，即检验是否具有聚集效应^［16］。长江经济带耕地碳排放是否存在聚集特性，本研究运用空间自相关模型探讨129个地级市耕地碳排放的空间关联性。

1）全局空间自相关。全局空间自相关是对属性值在整个区域内空间特征的描述^［17］，采用全局Morans I指数测算长江经济带各地级市耕地碳排放量的全局空间关联程度。计算模型如下^［18］：

采用标准化Z值检验Morans I指数的显著性水平，计算公式如下：

式中，E（I）表示Morans I指数的期望值，VAR（I）表示其方差。

全局Morans I指数的取值范围为［-1，1］，若Morans I=0，表示各地级市之间耕地碳排放不存在全局空间自相关性；若Morans I>0，表示长江经济带邻近地级市耕地碳排放量呈正自相关，即呈高-高聚集或低-低聚集特性；若Morans I<0，表示鄰近地级市耕地碳排放量呈负自相关，即呈高-低或低-高分散特性。当Z_score>1.96或Z_score<-1.96（α=0.05）时，即可以表明各地级市的耕地碳排放量存在显著的空间自相关性^［16］。

2）局部空间自相关。全局空间自相关只能描述整体的聚集特性，局部空间自相关则能更准确地描述各地理单元与其相邻单元之间的关联度，计算模型如下^［19］：

3）耕地碳排放影响因素分解。分解耕地碳排放影响因素的模型主要有STIRPAT模型、Tobit模型、Kaya公式与LMDI模型等，其中LMDI模型以Kaya公式为基础，具有不产生残差、支持多因素分解且分解分析完全等优势。刘丽娜等^［20］运用LMDI模型同时对人口规模、生产效率、结构因素等多个耕地碳排放影响因素进行分析，定量剖析各因素贡献度的同时实现了零残差效果。采用LMDI模型将长江经济带耕地碳排放的驱动因子分解为农业生产效率、农业生产结构、农业经济水平和农业劳动力规模，具体计算公式如下^［21］：

式中，C_总为耕地碳排放总量，PGDP为种植业生产总值，AGDP为农林牧渔业生产总值，PEO为农业劳动力规模，EI、CI、SI分别为农业生产效率、农业经济水平和农业生产结构，则有：

C_总=EI×CI×SI×PEO             （6）

等式两边取对数并采用加法和解，得到各因素贡献值的表达式如下：

ΔC_总=ΔEI+ΔCI+ΔSI+ΔPEO （11）

式中，ΔC_总表示基期到第t期的耕地碳排放总量变化，ΔEI、ΔCI、ΔSI、ΔPEO分别表示从基期到第t期的农业生产效率、农业经济水平、农业生产结构和农业劳动力规模对种植业碳排放的贡献值。

2 结果与分析

2.1 长江经济带耕地碳排放时空差异

2.1.1 长江经济带耕地碳排放的时间特征 由式（1）计算得到长江经济带2000—2020年耕地碳排放总量，结果如图1所示。长江经济带耕地碳排放时序变化相对平缓，2000—2014年由2 663.8万t增长到3 273.3万t，呈缓慢上升趋势，年均增幅43.5万t，年均增长率为1.48%；2014—2020年耕地碳排放总量下降至2 877.4万t，年均降幅65.98万t，年均增长率为-2.13%。根据耕地碳排放量的变化趋势，可以大致分为四个阶段：第一阶段，2000—2006年，碳排放总量基本维持不变；第二阶段，2006—2009年，长江经济带耕地碳排放总量以较快速率上升，环比增速始终保持在2.5%以上；第三阶段，2010—2014年，长江经济带耕地碳排放总量上升趋势放缓，环比增长率维持在1%左右；第四阶段，2015—2020年，耕地碳排放总量逐步下降，2020年降至2 877.4万t。可见，长江经济带从十二五阶段加强了对碳排放的调控力度并取得了一定成效，但2014年后耕地碳排放量的环比下降率仅维持在2%左右，碳排放量仍有下降空间。

长江经济带单位GDP耕地碳排放量整体呈下降趋势，从2000年的301.0 kg/万元下降至2020年的94.6 kg/万元，年均降幅10.32 kg/万元，年均增长率  -5.62%。单位耕地面积碳排放量2000—2020年从423.7 kg/hm²缓慢上升至428.3 kg/hm²，年均增幅0.23 kg/hm²，年均增长率0.05%（图2）。

2.1.2 长江经济带耕地碳排放的空间特征

1）长江经济带耕地碳排放的空间分布格局。采用ArcGIS软件对长江经济带2005、2010、2015、2020年的耕地碳排放空间分布情况进行研究（图3）。长江经济带区域跨度较大，各省市之间的耕地碳排放存在一定的差异，整体呈中、东部高，西部低的态势，长江中下游地带耕地碳排放明显高于上游。从省域看，湖北、安徽、江苏三省年均耕地碳排放量超过400万t，其中江苏省高达445.93万t/年；仅有四川省、江苏省与上海市的耕地碳排放相对于基期呈下降趋势，降幅分别为13.9%、6.1%和26.8%。其余省份均有不同程度的上升，其中重庆市增幅高达35%。从市域看，129个地级市中有5个年均耕地碳排放量高于50万t，分别为重庆市118.28万t/年、盐城市77.31万t/年、徐州市77.22万t/年、襄阳市62.56万t/年、宿州市51.52万t/年，多位于长江下游地带；有53个地级市耕地碳排放相对于基期呈下降趋势，有4个地级市的耕地碳排放降幅超过50%，分别是绍兴市72.4%、苏州市63.6%、南京市60.7%和镇江市53.4%。但仍有76个地级市碳排放量相对基期升高，其中上、中、下游的城市占比分别为28.9%、38.2%和32.9%。

2）长江经济带耕地碳排放的空间聚集效应。为探究各地级市耕地碳排放是否具有空间关联性，采用全局MoranI指数对长江经济带耕地碳排放的空间聚集效应进行分析（表2）。2000—2020年长江经济带耕地碳排放全局MoranI指数取值为0.113～0.222，其中2001—2020年P小于0.01，仅有2000年P为0.027；当P小于0.05时，Z均高于1.65，当P小于0.01时，Z均高于2.58，因此均在1%或5%的显著性水平上通过了Z检验。表明2000—2020年长江经济带耕地碳排放量存在显著的全局空间自相关性，且随着时间演进，耕地碳排放全局MoranI指数逐渐减小，各地级市间耕地碳排放的空间关联性逐渐减弱，聚集效应逐渐减弱。

為探究长江经济带耕地碳排放是否存在空间异质性、异常值或强影响点，结合LISA聚集图进行局部空间自相关分析，发现各地级市的耕地碳排放呈高-高聚集、高-低聚集、低-高聚集和低-低聚集四种类型（图4）。高-高聚集区集中分布于长江中下游，江苏、安徽、湖北一带，分布区有所扩张，典型城市如盐城、淮安、宿州等，年均耕地碳排放量在30万t以上，区域内应加强生态农业建设，引导化肥农药等高碳排农业物资的合理使用，优化土地利用模式；高-低聚集区在2005年主要分布于重庆市，其年均耕地碳排放量118.28万t，远超周边地带，2005—2020年高-低聚集区逐渐缩小至消失，可见长江中上游的区域联动碳减排取得了一定成果，相邻区域之间减排策略的直接互动发挥了作用；低-高聚集区主要分布于长江中上游，湖北、四川、云南一带，典型城市如十堰、广安等，该类地区年均耕地碳排放量均在20万t以下，低碳农业发展水平较高，应加强与周边城市的联动与合作，带动碳减排的协同发展；低-低聚集区主要分布于长江上游地带及下游的安徽、浙江等地，典型城市如丽江、杭州、宜城等，该类地区耕地碳排放量普遍偏低，未来应继续发挥聚集效应，推动长江经济带的农业绿色转型。

2.2 长江经济带耕地碳排放影响因素分析

2000—2020年，长江经济带耕地碳排放累计增长213.6万t，其中农业经济水平是主要的增排因素，累计增排5 107.6万t，而农业生产效率、农业生产结构和农业劳动力规模则分别实现了3 608.1万、   1 091.7万、194.2万t的碳减排（图5）。

农业经济水平是导致耕地碳排放量上升的主要因素，平均贡献率高达40.33%，贡献率整体平稳（图6）。长江经济带是中国农业主产区，农户在经济利益的驱动下，对高碳农业物资的投入强度不断提高。2000—2020年，长江经济带化肥（折纯）的年均增幅为51 845.99 t，农药年均增幅为-2 769.4 t，农用薄膜年均增幅99 983.36 t，农用柴油和机械动力的年均增幅分别为7 023.32 t、1 895 983.65 kW。因此长江经济带应在保持农业生产规模与农业经济发展速度不受抑制的前提下，合理优化农业生产要素的投入，实现经济与生态的共赢。

农业生产效率是实现长江经济带碳减排的关键因素，平均贡献率为-28.49%。2000—2020年，单位种植业GDP的碳排放量呈下降趋势，农业生产效率对于碳减排的贡献率呈上升趋势。2014年后，耕地碳减排的效力逐年增加。长江经济带未来应继续提高耕地利用集约化、机械化、标准化的水平，完善基础设施建设，贯彻农业绿色环保转型政策。

农业生产结构对长江经济带耕地碳排放具有抑制作用，平均贡献率为-8.62%，呈缓慢上升趋势。2000—2020年，长江经济带农业占农林牧渔总产值比重由91%下降至61%，粮食作物种植面积占比由69.8%下降至58.6%。可见长江经济带的产业结构与农业种植结构正在逐步优化，种植业的碳汇功能不断增强，从源头减少了耕地碳排放。

农业劳动力规模对长江经济带耕地碳排放的影响作用不显著，平均贡献率为-1.53%。2000—2020年，长江经济带有效耕地面积由62 867.92 hm²下降至57 183.21 hm²，农业从业人员的数量由23 171.87万人下降至21 747.68万人，农地集中化程度上升、规范化种植效率提高，一定程度上降低了耕地碳排放。随着现代化的发展，农户传统的耕作理念发生转变，科技水平逐步提升，农业劳动力规模仍具有较大的挖掘潜力，对耕地碳减排的作用将日益显著。

3 小结与讨论

本研究运用IPCC碳排放系数法对长江经济带129个地级市的耕地碳排放进行测算，探析了该区域耕地碳排放的时空演变规律及影响因素，得出以下结论。

1）2000—2020年，长江经济带的耕地碳排放量累计增长213.6万t，2014年后呈下降趋势，表现为“保持稳定—快速增长—缓慢增长—缓慢下降”四个阶段；单位GDP碳排放量整体呈下降趋势，由301.0 kg/万元下降至94.6 kg/万元；单位耕地面积碳排放量由423.7 kg/hm²缓慢上升至428.3 kg/hm²。

2）长江经济带耕地碳排放在空间上表现为中、东部高，西部低，中下游地带耕地碳排放明显高于上游。比较各区域耕地碳排放动态差异，发现绍兴、苏州、南京等53个地级市耕地碳排放相对于基期呈下降趋势。长江经济带耕地碳排放存在显著的全局空间关联，高-高聚集区分布于长江中下游地带，2015年后逐步收缩；低-高聚集区分布于中游地带，呈先扩张后逐步收缩的趋势；低-低聚集区则主要分布于上游地区，呈扩张趋势。

3）长江经济带耕地碳排放的促进因素是农业经济水平，平均贡献率高达40.33%；抑制因素主要是农业生产效率，其次是农业生产结构，最次是农业劳动力规模，平均贡献率分别为-28.49%、-8.62%和-1.53%，各因素之间有较强的关联性和交互作用。

4）长江经济带应深入贯彻绿色发展理念，因地制宜选择农业绿色转型方案，制定差异化的碳减排策略和土地利用管制规划；提升农业生产效率，优化农业种植结构，推动农业化学物资的减量增效；加强区域联动，推进低-低聚集区扩展，加速低碳农业协同发展，缩小区域差距。

本研究在对长江经济带耕地碳排放量化核算的基础上，对其时空格局和影响因素进行研究。比较长江经济带与全国耕地碳排放的时序特征发现，长江经济带耕地碳达峰时间早于全国，但二者耕地碳排放趋势基本一致。2000—2020年长江经济带耕地碳排放呈“保持稳定—快速增长—缓慢增长—缓慢下降”四个阶段。2010年之前碳排放量的快速增长主要原因是惠农政策的实施导致农业播种面积增加，农业机械化程度提高，化肥农药等高碳农业物资投入持续增加。“十二五”期间长江经济带耕地碳排放的环比增速逐步放缓，因为经过农业粗放式增长，政府加强了对耕地碳排放工作的重视，出台了《“十二五”节能减排综合性工作方案》等转型方案^［19］。至2014年长江经济带耕地碳排放实现碳达峰，而徐玥等^［22］测算的全国耕地碳排放于2015年达到峰值9 094.04万t。可见长江经济带较全国而言农业碳减排力度更大，但长江经济带耕地碳排放绝对量仍占全国总量近40%，仍存在巨大的减排空间。

长江经济带与全国的耕地碳排放的空间分布态势与聚集效应趋于一致。长江经济带耕地碳排放中、东部高，西部低，中下游地带耕地碳排放明显高于上游；全国范围内耕地碳排放中部>东部>西部，河南、河北等农业大省主要集中于中部平原，且生产较为粗放，低碳减排意识较低，耕地碳排放量较高，其中河南作为中国耕地碳排放量最大的省份，2019年碳排放總量为801.48万t。同时，长江经济带的耕地碳排放呈明显的空间聚集性，但随着时间推进空间关联逐渐弱化，高-高聚集区分布于长江中下游地区，低-高聚集区分布于中游地区，低-低聚集区则主要分布于上游地区。与长江流域类似，全国耕地碳排放的高-高聚集区同样分布在粮食大省，如山东、河南等地；全国低-高聚集区呈减少态势，可见节能减排的区域联动效应在不断加强，但在长江经济带该类聚集区规模有所增加，表明长江经济带绿色农业的区域协同发展仍有待提升；全国低-低聚集区主要分布在农业经济欠发达地区，如西藏、青海、宁夏等地，与长江经济带分布趋势类似，该类地区可以适度提高当地的农作强度、改善农业结构，保证耕地碳排放不过量产出的同时促进农业经济发展，维持区域内耕地碳排放低-低发展态势；全国高-低聚集区主要分布于湖南、四川、广东、广西四省，多位于中西部地区且逐渐减少，与长江经济带的趋势基本一致。

长江经济带与全国耕地碳排放影响因素的作用程度存在一定差异。长江经济带耕地碳排放的促进因素是农业经济水平，抑制因素主要是农业生产效率，其次是农业生产结构，最后是农业劳动力规模。对全国而言，农业生产效率和农业劳动力规模同样是两个减排因素，农业经济发展水平属于增排因素，而农业产业结构则在东部属于减排因素，在中西部属于增排因素。主要原因是粮食作物的碳排放量高于经济作物，而中国东部经济发达，消费需求和农业技术相对较高，粮食作物的耕种比例下降而经济作物比例升高，以河南、河北为首的中西部地区则以粮食种植为首，因此农业生产结构对于中西部地区而言反而成为增排要素。

参考文献：

［1］ 董红敏， 李玉娥， 陶秀萍，等. 中国农业源温室气体排放与减排技术对策［J］. 农业工程学报， 2008，24（10）： 269-273.

［2］ 孙轶男， 梁静溪. 基于DEA效率模型的黑龙江省域低碳农业综合评价研究［J］. 科技与管理， 2017， 19（6）： 39-45.

［3］ 熊子昕， 匡 兵， 柯 楠. 长江中游城市群耕地利用碳排放“总量——强度”的空间关联特征［J］. 水土保持通报，2023， 43（3）：406-413.

［4］ 李伊涵， 李春华， 杨承楷. 基于交叉DEA的长江经济带农用地利用碳排放效率及影响因素研究［J］. 现代农业科技，2022（17）： 153-157.

［5］ 马爱玲， 王建平， 谈存峰. 甘肃省农业碳排放效率测算及提升对策研究［J］. 国土与自然资源研究， 2022（6）： 74-77.

［6］ 孙 康， 解 月， 贠鸿琬，等. 河南省种植业碳排放动态演化分析［J］. 安徽农业科学， 2023， 51（1）： 46-49， 54.

［7］ 文高辉， 胡冉再琪， 唐 璇，等. 洞庭湖区耕地利用碳排放与生态效率时空特征［J］. 生态经济， 2022， 38（7）： 132-138.

［8］ 李 波， 张俊飚， 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.

［9］ 田成诗， 陈 雨. 中国省际农业碳排放测算及低碳化水平评价——基于衍生指标与TOPSIS 法的运用［J］. 自然资源学报， 2021，36（2）： 395-410.

［10］ 蒋金荷. 中国碳排放量测算及影响因素分析［J］. 资源科学， 2011，33（4）： 597-604.

［11］ 唐健飞，刘剑玲. 省域农业可持续发展水平评价及其耦合协调分析——以长江经济带11省市为例［J］. 经济地理，2022，      42（12）：179-185.

［12］ 丁宝根， 赵 玉， 邓俊红. 中国农业碳排放的测度、脱钩特征及驱动因素研究［J］. 中国农业资源与区划， 2022， 43（5）： 1-11.

［13］ 伍国勇，孙小钧，于福波，等. 中国种植业碳生产率空间关联格局及影响因素分析［J］. 中国人口·资源与环境，2020，30（5）：46-57.

［14］ 何慧爽， 付帮杰. 我国粮食主产区农业碳排放测度与减排压力研究［J］. 生态经济， 2019， 35（11）： 99-104.

［15］ 王树芬， 高冠龙， 李 伟，等. 2000—2020年山西省农业碳排放时空特征及趋势预测［J］. 农业环境科学学报，2023， 42（8）：1882-1892.

［16］ 任 平，吴 涛，周介铭. 基于GIS和空间自相关模型的耕地空间分布格局及变化特征分析——以成都市龙泉驿区为例［J］. 中国生态农业学报， 2016， 24（3）： 325-334.

［17］ 聂 艳， 罗 毅， 于 婧，等. 基于空间自相关的湖北省耕地压力时空演变特征［J］. 地域研究与开发， 2013， 32（1）： 112-116.

［18］ 吕 明， 黄 宜， 陈 蕊. 中国绿色农业区域差异性分析［J］. 农村经济， 2022（12）： 78-87.

［19］ 韦彦汀， 李思佳， 张 华. 成渝城市群碳排放时空特征及其影响因素［J］. 中国环境科学， 2022， 42（10）： 4807-4816.

［20］ 刘丽娜， 王春妤， 袁子薇，等. 区域农业碳排放LMDI分解和脱钩效应分析［J］. 统计与决策， 2019， 35（23）： 95-99.

［21］ 孟 军，范婷婷. 黑龙江省农业碳排放动态变化影响因素分析［J］. 生态经济， 2020， 36 （12）： 34-39.

［22］ 徐 玥， 王 辉， 韩秋凤，等. 我国耕地碳排放时空特征与影响因素［J］. 江苏农业科学， 2022， 50（16）： 218-226.

收稿日期：2023-06-05

基金项目：国家科技支撑计划项目（2015BAD06B02）；大学生创新创业训练计划项目（2022102941100）

作者简介：刘 璇（2001-），女，山东莱州人，2020级在读本科生，土地资源管理专业，（电话）13210930830（电子信箱）1173891419@qq.com；通信作者，孙 燕（1978-），講师，硕士，主要从事耕地保护的研究工作，（电话）18901585532（电子信箱）suny@hhu.edu.cn。