中國(guó)農(nóng)業(yè)碳排放空間格局及影響因素動(dòng)態(tài)研究*

何艷秋, 陳 柔, 吳昊玥, 徐 杰, 宋 藝

?

中國(guó)農(nóng)業(yè)碳排放空間格局及影響因素動(dòng)態(tài)研究*

何艷秋1, 陳 柔1, 吳昊玥1, 徐 杰1, 宋 藝2

(1. 四川農(nóng)業(yè)大學(xué)管理學(xué)院 成都 611130; 2. 西南科技大學(xué)城市學(xué)院 綿陽(yáng) 621000)

研究農(nóng)業(yè)碳排放空間格局及影響因素對(duì)中國(guó)制定農(nóng)業(yè)分區(qū)碳減排政策意義重大。為彌補(bǔ)以往研究中靜態(tài)分析法難以考察動(dòng)態(tài)影響的缺陷, 將動(dòng)態(tài)灰色關(guān)聯(lián)法和回歸模型結(jié)合, 應(yīng)用2001—2016年統(tǒng)計(jì)數(shù)據(jù), 從分析農(nóng)業(yè)碳排放空間格局入手, 深入探討省際農(nóng)業(yè)碳排放空間格局成因和影響因素與空間差異的數(shù)量關(guān)系。研究發(fā)現(xiàn): 中國(guó)農(nóng)業(yè)碳排放強(qiáng)度省際差異大, 中部排放等級(jí)有所降低, 西部排放等級(jí)有所升高, 農(nóng)業(yè)碳排放省際差異隨農(nóng)業(yè)經(jīng)濟(jì)水平、農(nóng)業(yè)機(jī)械化、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)和農(nóng)業(yè)人力資本等差異擴(kuò)大而增加; 大部分排放等級(jí)上升的省市農(nóng)業(yè)碳排放的長(zhǎng)期主導(dǎo)因素為農(nóng)地利用和農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械), 且種植業(yè)和畜牧業(yè)雙發(fā)展; 大部分排放等級(jí)下降的省市農(nóng)業(yè)碳排放的長(zhǎng)期主導(dǎo)因素為反芻動(dòng)物飼養(yǎng)和農(nóng)業(yè)生產(chǎn)技術(shù)(人力), 且著重發(fā)展優(yōu)勢(shì)產(chǎn)業(yè)。因此, 中國(guó)未來較長(zhǎng)時(shí)間內(nèi)仍應(yīng)重點(diǎn)關(guān)注農(nóng)地利用減排, 進(jìn)一步推動(dòng)反芻動(dòng)物飼養(yǎng)減排技術(shù)發(fā)展和充分發(fā)揮農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對(duì)減排的抑制作用等建議。

農(nóng)業(yè)碳排放; 主導(dǎo)因素; 空間格局演變; 動(dòng)態(tài)灰色關(guān)聯(lián)法; 非線性分析; 分區(qū)減排

農(nóng)業(yè)碳減排是提高農(nóng)業(yè)應(yīng)對(duì)氣候變化的能力, 兼顧農(nóng)業(yè)經(jīng)濟(jì)效益和環(huán)境友好, 最終實(shí)現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展必不可少的重要環(huán)節(jié)。研究表明, 大氣中甲烷濃度增加約有70%是人類生產(chǎn)活動(dòng)的結(jié)果[1], 農(nóng)業(yè)是排放甲烷的主要活動(dòng)源。也有研究者預(yù)測(cè), 如不采取有力措施降低和減少農(nóng)業(yè)碳排放, 2050年農(nóng)業(yè)碳排放量將再增加30%[2], 明顯減弱全球減排行動(dòng)的整體效果。中國(guó)農(nóng)業(yè)溫室氣體排放約占全國(guó)總量的17%, 農(nóng)業(yè)排放的甲烷和氧化亞氮分別占全國(guó)的50%和92%[3], 并且農(nóng)業(yè)碳排放量還以平均每年5%的速度持續(xù)增長(zhǎng)[4]。同時(shí), 中國(guó)幅員遼闊, 農(nóng)業(yè)區(qū)域分布范圍廣泛, 各地區(qū)由于農(nóng)業(yè)生產(chǎn)條件和資源稟賦的巨大差異帶來農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)和農(nóng)業(yè)生產(chǎn)方式的不同, 進(jìn)而引起各地區(qū)農(nóng)業(yè)碳排放的顯著差異。為實(shí)現(xiàn)中國(guó)區(qū)域農(nóng)業(yè)的健康發(fā)展, 完成農(nóng)業(yè)可持續(xù)發(fā)展和節(jié)能減排的雙重目標(biāo), 有必要深入研究農(nóng)業(yè)碳排放區(qū)域分布格局和其影響因素, 進(jìn)而探討如何通過差異化的減排措施提高農(nóng)業(yè)碳減排的效果。

農(nóng)業(yè)碳排放的全面測(cè)算是進(jìn)行農(nóng)業(yè)分區(qū)減排的基礎(chǔ), 關(guān)于農(nóng)業(yè)碳排放測(cè)算的相關(guān)研究主要有兩種思路: 一是對(duì)農(nóng)業(yè)碳源進(jìn)行全面測(cè)算。譚秋成[5]對(duì)除秸稈焚燒外的幾乎所有農(nóng)業(yè)碳源做了測(cè)算; 田云等[6]和吳賢榮等[7]在此基礎(chǔ)上測(cè)算了16類主要農(nóng)業(yè)碳源的排放總量; 而閔繼勝等[8]在測(cè)算中國(guó)農(nóng)業(yè)碳排放時(shí), 不但種植和養(yǎng)殖品種更全面, 而且排放系數(shù)還考慮了區(qū)域差異, 測(cè)算結(jié)果更為準(zhǔn)確。二是著重對(duì)某一類農(nóng)業(yè)碳源進(jìn)行精確測(cè)度。伍芬琳等[9]重點(diǎn)關(guān)注了農(nóng)地翻耕的碳排放; 段華平等[10]對(duì)農(nóng)業(yè)灌溉的碳排放進(jìn)行了測(cè)度; 劉麗華等[11]和Lin等[12]均立足農(nóng)業(yè)廢棄物碳排放, 前者測(cè)算了6種作物秸稈焚燒的碳排放, 后者通過測(cè)算農(nóng)業(yè)廢棄物碳排放發(fā)現(xiàn)聯(lián)合國(guó)氣候變化框架公約下的農(nóng)業(yè)排放源并不充分。

在對(duì)農(nóng)業(yè)碳排放準(zhǔn)確、全面測(cè)算的基礎(chǔ)上, 部分學(xué)者對(duì)碳排放的區(qū)域分布進(jìn)行了研究。其中, Neumayer[13]發(fā)現(xiàn)自然條件的巨大差異導(dǎo)致國(guó)際碳排放的分布差異; 隨后, Lantz等[14]立足加拿大, 發(fā)現(xiàn)技術(shù)進(jìn)步是引起地區(qū)碳排放差異的重要因素; Uchiyama[15]發(fā)現(xiàn)收入會(huì)影響各個(gè)國(guó)家碳排放庫(kù)茲涅茨曲線的轉(zhuǎn)折點(diǎn), 發(fā)達(dá)國(guó)家轉(zhuǎn)折點(diǎn)水平相對(duì)較低, 發(fā)展中國(guó)家轉(zhuǎn)折點(diǎn)水平較高。與國(guó)外學(xué)者重點(diǎn)研究碳排放區(qū)域分布不同, 部分國(guó)內(nèi)學(xué)者將視角延伸到中國(guó)農(nóng)業(yè)碳排放的區(qū)域分布中, 并從不同角度分析了引起農(nóng)業(yè)碳排放空間格局的原因。楊鈞[16]發(fā)現(xiàn)農(nóng)業(yè)從業(yè)人口、農(nóng)業(yè)機(jī)械化水平和農(nóng)村人力資本積累是引起中國(guó)東、中、西部農(nóng)業(yè)碳排放差異的主要原因; 田云等[6]發(fā)現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)是引起省際農(nóng)業(yè)碳排放差異的主要原因; 隨后, 劉華軍等[17]和田云等[18]從農(nóng)業(yè)碳強(qiáng)度角度研究了中國(guó)農(nóng)業(yè)碳排放的省際空間分布, 發(fā)現(xiàn)省際差異是碳排放整體空間差距的主要來源; 龐麗[19]立足農(nóng)用能源, 發(fā)現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平和農(nóng)業(yè)能源利用效率是引起農(nóng)業(yè)碳排放省際差異的重要因素; 吳賢榮等[7]認(rèn)為對(duì)外開放程度、勞動(dòng)力文化水平也是引起地區(qū)碳排放差異不可忽視的因素。

從已有研究來看, 國(guó)外學(xué)者主要從全球視野考察碳排放的國(guó)際分布及其原因, 國(guó)內(nèi)學(xué)者雖立足中國(guó)農(nóng)業(yè)碳排放的地區(qū)分布, 但由于測(cè)算方法不統(tǒng)一, 所選影響因素指標(biāo)不一致, 得出的結(jié)論也存在一定差異。并且學(xué)者們采用靜態(tài)分析法和線性模型, 難以深入考察農(nóng)業(yè)碳排放空間格局影響因素的動(dòng)態(tài)影響過程和影響因素對(duì)農(nóng)業(yè)碳排放地區(qū)差異的非線性影響。本文在借鑒已有成果的基礎(chǔ)上, 基于動(dòng)態(tài)灰色關(guān)聯(lián)分析, 探討了中國(guó)農(nóng)業(yè)碳排放的空間格局和影響因素的動(dòng)態(tài)影響過程, 以期為中國(guó)制定農(nóng)業(yè)分區(qū)碳減排政策提供一定參考。

1 研究方法與數(shù)據(jù)來源

1.1 農(nóng)業(yè)碳排放測(cè)算方法

農(nóng)業(yè)碳排放源主要有4類: 一是農(nóng)地利用導(dǎo)致的碳排放, 包括化肥、農(nóng)藥、農(nóng)膜等農(nóng)用物資投入, 農(nóng)用機(jī)械使用耗費(fèi)柴油, 翻耕破壞土壤表層, 農(nóng)業(yè)灌溉活動(dòng)耗費(fèi)電能。二是人工濕地的碳排放, 主要指水稻生長(zhǎng)發(fā)育過程中產(chǎn)生甲烷。三是反芻動(dòng)物養(yǎng)殖中腸道發(fā)酵和糞便管理的甲烷和氧化亞氮排放。四是農(nóng)業(yè)廢棄物的碳排放, 應(yīng)包括農(nóng)業(yè)廢水和秸稈燃燒兩種活動(dòng), 但由于農(nóng)業(yè)廢水排放量活動(dòng)數(shù)據(jù)暫時(shí)無法獲得, 所以僅測(cè)算秸稈燃燒排放。農(nóng)業(yè)碳排放測(cè)算公式為:

1.1.1 農(nóng)地利用碳排放測(cè)算

農(nóng)地利用碳排放測(cè)算公式為:

表1 農(nóng)地利用中各類排放源的碳排放因子

1.1.2 水稻種植碳排放測(cè)算

水稻種植碳排放測(cè)算公式為:

表2 中國(guó)各省市水稻種植的碳排放因子

1.1.3 反芻動(dòng)物養(yǎng)殖碳排放測(cè)算

反芻動(dòng)物養(yǎng)殖碳排放測(cè)算公式為:

表3 各類反芻動(dòng)物飼養(yǎng)的碳排放因子表

1.1.4 秸稈燃燒碳排放測(cè)算

秸稈燃燒碳排放測(cè)算公式為:

表4 主要農(nóng)作物秸稈燃燒的碳排放因子表

本文的研究時(shí)段為2000—2015年, 農(nóng)業(yè)碳排放測(cè)算所需活動(dòng)數(shù)據(jù)均2001—2016年《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》、《中國(guó)統(tǒng)計(jì)年鑒》。

1.2 動(dòng)態(tài)灰色關(guān)聯(lián)分析模型

本文重點(diǎn)考察各影響因素對(duì)農(nóng)業(yè)碳排放可能存在的非線性影響, 而灰色關(guān)聯(lián)法是一種通過變量曲線幾何形狀的相似程度來判斷變量關(guān)聯(lián)度的方法, 以分析非線性問題為主, 所以采用此方法。在灰色關(guān)聯(lián)法3種關(guān)聯(lián)度系數(shù)中, 灰色綜合關(guān)聯(lián)度系數(shù)建立在灰色絕對(duì)關(guān)聯(lián)度系數(shù)與灰色相對(duì)關(guān)聯(lián)度系數(shù)的基礎(chǔ)上, 是一個(gè)既能夠體現(xiàn)曲線間相似程度, 又能反映曲線相對(duì)于初始點(diǎn)變化速率程度的指標(biāo), 所以最終選擇計(jì)算灰色綜合關(guān)聯(lián)度系數(shù)。同時(shí), 考慮中國(guó)5年一期規(guī)劃, 以5年作為窗口長(zhǎng)度向后移, 以考察各影響因素的動(dòng)態(tài)影響過程。計(jì)算中為避免各指標(biāo)量綱不一致對(duì)結(jié)果造成的不利影響, 先對(duì)指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化?；疑C合關(guān)聯(lián)度模型為:

式中:

式中:0表示參考序列,x表示對(duì)照序列。

1.3 中國(guó)農(nóng)業(yè)碳排放總量和強(qiáng)度空間標(biāo)準(zhǔn)差系數(shù)的計(jì)算

通過計(jì)算農(nóng)業(yè)碳排放總量和強(qiáng)度的空間標(biāo)準(zhǔn)差系數(shù)考察中國(guó)農(nóng)業(yè)碳排放的空間分布, 標(biāo)準(zhǔn)差系數(shù)計(jì)算公式為:

2 中國(guó)農(nóng)業(yè)碳排放空間分布格局分析

2.1 中國(guó)農(nóng)業(yè)碳排放總量和強(qiáng)度的空間格局

由圖1可知, 中國(guó)農(nóng)業(yè)碳排放總量的空間標(biāo)準(zhǔn)差系數(shù)經(jīng)歷了兩個(gè)沒有明顯上升或下降趨勢(shì)的“平穩(wěn)期”, 且兩個(gè)時(shí)期之間的空間差異有所縮小, 第1個(gè)“平穩(wěn)期”是2000—2005年, 農(nóng)業(yè)碳排放總量的標(biāo)準(zhǔn)差系數(shù)均在0.72左右, 第2個(gè)“平穩(wěn)期”是2006—2015年, 農(nóng)業(yè)碳排放總量的標(biāo)準(zhǔn)差系數(shù)均在0.67左右。但農(nóng)業(yè)碳排放強(qiáng)度的空間標(biāo)準(zhǔn)差系數(shù)呈明顯上升趨勢(shì), 從2000年的0.79上升到2015年的1.24, 說明中國(guó)各省市農(nóng)業(yè)碳排放強(qiáng)度的差異在逐年上升。

圖1 2000—2015年中國(guó)農(nóng)業(yè)碳排放總量和強(qiáng)度的標(biāo)準(zhǔn)差系數(shù)

2.2 中國(guó)農(nóng)業(yè)碳排放結(jié)構(gòu)的空間格局

為分析中國(guó)區(qū)域農(nóng)業(yè)碳排放的結(jié)構(gòu)差異, 按國(guó)務(wù)院發(fā)展研究中心的劃分標(biāo)準(zhǔn), 將中國(guó)分為東北(吉林、遼寧、黑龍江)、北部沿海(北京、天津、河北、山東)、東部沿海(上海、江蘇、浙江)、南部沿海(福建、廣東、海南)、黃河中游(陜西、山西、河南、內(nèi)蒙古)、長(zhǎng)江中游(湖北、湖南、江西、安徽)、西南(云南、貴州、四川、重慶、廣西)和西北(甘肅、青海、寧夏、西藏、新疆)八大地區(qū)。雖未就31個(gè)省市的碳排放結(jié)構(gòu)進(jìn)行細(xì)致分析, 但八大區(qū)域劃分時(shí)充分考慮了各省市的空間毗鄰性、資源稟賦相似性、經(jīng)濟(jì)發(fā)展水平相似性和社會(huì)結(jié)構(gòu)相仿性, 已能反映全國(guó)碳排結(jié)構(gòu)的區(qū)域格局變化。

由圖2可知, 八大區(qū)域農(nóng)業(yè)碳排放結(jié)構(gòu)存在一定差異, 且隨時(shí)間推移, 結(jié)構(gòu)差異并無明顯縮小, 八大區(qū)域反芻動(dòng)物飼養(yǎng)碳排放占各區(qū)域農(nóng)業(yè)總碳排放的比重均有不同程度下降, 而農(nóng)地利用、秸稈燃燒和水稻種植的碳排放占比均有所上升。2000—2015年, 農(nóng)業(yè)碳排放以反芻動(dòng)物飼養(yǎng)為主的地區(qū)由北部沿海、黃河中游、西北和西南縮減為西北和西南兩地, 以農(nóng)地利用碳排放為主的地區(qū)由東部沿海和南部沿海兩地?cái)U(kuò)展到了東部沿海、南部沿海和北部沿海3地, 以秸稈燃燒碳排放為主的地區(qū)由東北和長(zhǎng)江中游兩地延伸到東北、長(zhǎng)江中游和黃河中游3地, 而八大區(qū)域水稻種植碳排占農(nóng)業(yè)碳排總量的比重都非常低, 也無明顯變化。

2.3 中國(guó)農(nóng)業(yè)碳排放空間等級(jí)變動(dòng)分析

為進(jìn)一步分析中國(guó)各省市農(nóng)業(yè)碳排放空間格局的演變, 根據(jù)各省市農(nóng)業(yè)碳排放總量和強(qiáng)度的不同進(jìn)行排放等級(jí)劃分。首先, 利用單個(gè)樣本的K-S檢驗(yàn)對(duì)2000年和2015年全國(guó)各省市的農(nóng)業(yè)碳排放總量和強(qiáng)度進(jìn)行正態(tài)性檢驗(yàn), 結(jié)果均接受原假設(shè), 所有序列均服從正態(tài)分布。其次, 根據(jù)正態(tài)分布原理, 按表5標(biāo)準(zhǔn)進(jìn)行等級(jí)劃分。

最后, 可得到如表6所示的中國(guó)各省市2000—2015年農(nóng)業(yè)碳排放等級(jí)變動(dòng)情況表。從該表可見, 2000—2015年中國(guó)農(nóng)業(yè)碳排放空間等級(jí)分布格局有一定程度的變動(dòng), 排放等級(jí)升高和降低省市數(shù)量之和在全國(guó)31省市中的比重為38.8%, 仍有61.2%的省市農(nóng)業(yè)碳排放等級(jí)未發(fā)生變化。其中, 高排放區(qū)由中國(guó)的北部?jī)?nèi)蒙古、南部云南向西北和中部部分地區(qū)擴(kuò)張; 中高排放區(qū)由原來的連片式布局逐漸集中到東北黑龍江、北部河北, 以及西部甘肅、四川; 中等排放區(qū)延伸到更多的中部省市以及東部沿海上海; 中低排放區(qū)由東北遼寧和南部廣東等地?cái)U(kuò)展到北京、天津、江蘇等發(fā)達(dá)地區(qū); 低排放區(qū)收縮到南部沿海的浙江、福建和海南一帶?？梢? 中部地區(qū)排放等級(jí)有降低趨勢(shì), 西部地區(qū)排放等級(jí)有升高趨勢(shì), 高排放區(qū)、中等排放區(qū)和中低排放區(qū)所含省市增多, 中高排放區(qū)和低排放區(qū)所含省市減少, 全國(guó)農(nóng)業(yè)碳排放省際分布的兩極分化情況更為明顯。

圖2 2000年和2015年中國(guó)不同區(qū)域不同排放源的農(nóng)業(yè)碳排放比重

NE、NC、EC、SC、MY、MC、SW和NW分別為東北、北部沿海、東部沿海、南部沿海、黃河中游、長(zhǎng)江中游、西南和西北區(qū)域。NE, NC, EC, SC, MY, MC, SW and NW are areas of Northeast, Northern Coast, Eastern Coast, Southern Coast, the Midstream of Yellow River, the Midstream of Changjiang River, Southwest and Northwest of China.

表5 中國(guó)各省市農(nóng)業(yè)碳排放空間等級(jí)劃分標(biāo)準(zhǔn)

: 農(nóng)業(yè)碳排放總量;: 農(nóng)業(yè)碳排放強(qiáng)度;1: 農(nóng)業(yè)碳排放總量均值;2: 農(nóng)業(yè)碳排放強(qiáng)度均值;1: 農(nóng)業(yè)碳排放總量標(biāo)準(zhǔn)差;2: 農(nóng)業(yè)碳排放強(qiáng)度標(biāo)準(zhǔn)差。: total amount of agricultural carbon emission;: agricultural carbon emission intensity;1: average of total amount of agricultural carbon emission;2: average of agricultural carbon emission intensity;1: standard deviation of total amount of agricultural carbon emission;1: standard deviation of agricultural carbon emission intensity.

3 中國(guó)農(nóng)業(yè)碳排放空間格局影響因素動(dòng)態(tài)分析

結(jié)合Grossman等[23]的思路和Ehrlich等[24]的IPAT模型, 將農(nóng)業(yè)碳排放地區(qū)分布影響因素分為外部因素和內(nèi)部因素兩大類, 其中, 內(nèi)部因素包括農(nóng)地利用、水稻種植、反芻動(dòng)物飼養(yǎng)和秸稈燃燒, 外部因素由農(nóng)業(yè)經(jīng)濟(jì)規(guī)模、農(nóng)業(yè)經(jīng)濟(jì)水平、農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)和農(nóng)業(yè)生產(chǎn)技術(shù)組成, 農(nóng)業(yè)經(jīng)濟(jì)規(guī)模由農(nóng)業(yè)增加值衡量, 農(nóng)業(yè)經(jīng)濟(jì)水平由人均農(nóng)業(yè)增加值衡量, 農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)由傳統(tǒng)農(nóng)業(yè)占比衡量, 農(nóng)業(yè)生產(chǎn)技術(shù)由農(nóng)用機(jī)械化水平和農(nóng)村人力資本水平兩部分組成, 農(nóng)用機(jī)械化水平用一產(chǎn)從業(yè)人員人均動(dòng)力功率衡量,農(nóng)村人力資本水平參考錢雪亞等[25]的測(cè)算方法。

3.1 動(dòng)態(tài)灰色關(guān)聯(lián)視角下中國(guó)農(nóng)業(yè)碳排放影響因素的重要性排序

按5年規(guī)劃作為窗口期, 測(cè)算結(jié)果見表7。

從靜態(tài)角度來看, 2001—2015年3個(gè)“五年”規(guī)劃期, 所有因素對(duì)全國(guó)農(nóng)業(yè)碳排放影響的重要性排序?yàn)?農(nóng)地利用>農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)>水稻種植、農(nóng)業(yè)經(jīng)濟(jì)規(guī)模、農(nóng)業(yè)經(jīng)濟(jì)水平>秸稈燃燒>反芻動(dòng)物養(yǎng)殖、農(nóng)業(yè)生產(chǎn)技術(shù)(人力)>農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)。從動(dòng)態(tài)角度來看, “十五”期間, 4個(gè)內(nèi)部因素和5個(gè)外部因素對(duì)農(nóng)業(yè)碳排放影響的重要性差別不大, 灰色綜合關(guān)聯(lián)系數(shù)均在0.65左右; 而到“十一五”期間, 除農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)對(duì)農(nóng)業(yè)碳排放影響的重要性無顯著變化外, 其余因素的重要性都明顯上升; 但到“十二五”期間, 除水稻種植、農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)和農(nóng)業(yè)生產(chǎn)技術(shù)(人力) 外, 其余因素對(duì)農(nóng)業(yè)碳排放影響的重要性都有所降低。從各影響因素對(duì)農(nóng)業(yè)碳排放影響力的長(zhǎng)期趨勢(shì)來看, 除反芻動(dòng)物飼養(yǎng)和秸稈燃燒變動(dòng)不大外, 其余所有因素對(duì)農(nóng)業(yè)碳排放影響的重要性都有不同程度上升, 上升比較明顯的因素是農(nóng)地利用、水稻種植、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)和農(nóng)業(yè)生產(chǎn)技術(shù)(人力), 四大因素“十二五”期間對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)聯(lián)系數(shù)較“十五”期間分別上升了0.13、0.32、0.19和0.26。

表6 2000—2015年中國(guó)各省市農(nóng)業(yè)碳排放等級(jí)演變表

表7 2001—2015年不同時(shí)期中國(guó)農(nóng)業(yè)碳排放影響因素的動(dòng)態(tài)灰色綜合關(guān)聯(lián)系數(shù)

各影響因素對(duì)農(nóng)業(yè)碳排放影響的重要性變動(dòng)與國(guó)家政策有較大關(guān)系?！笆晃濉逼陂g國(guó)家公布農(nóng)業(yè)稅減免政策, 極大地拉動(dòng)了農(nóng)民種地的積極性, 農(nóng)戶對(duì)高產(chǎn)的追求導(dǎo)致化肥、農(nóng)藥、農(nóng)膜的大量投入, 促進(jìn)了農(nóng)地利用和種植業(yè)碳排放的增長(zhǎng)。同時(shí), 農(nóng)業(yè)生產(chǎn)的機(jī)械化程度也有明顯提升, 大中型拖拉機(jī)數(shù)量“十一五”期間年均增速比“十五”期間高9%, 聯(lián)合收割機(jī)數(shù)量也以年均2位數(shù)增長(zhǎng), 農(nóng)機(jī)的大規(guī)模使用增加了對(duì)化石能源的需求, 造成農(nóng)業(yè)機(jī)械化對(duì)農(nóng)業(yè)碳排放影響力顯著提升。另外, 國(guó)家提出強(qiáng)化農(nóng)村勞動(dòng)力職業(yè)技能培訓(xùn)的措施, 在改善農(nóng)業(yè)綜合生產(chǎn)力的同時(shí), 也使農(nóng)業(yè)生產(chǎn)技術(shù)(人力)成為影響這一時(shí)期農(nóng)業(yè)碳排放的重要因素。“十一五”期間農(nóng)業(yè)生產(chǎn)規(guī)模和水平快速發(fā)展, 農(nóng)業(yè)增加值和人均農(nóng)業(yè)增加值分別為“十五”的1.7倍和3.3倍, 兩因素對(duì)農(nóng)業(yè)碳排放影響力有所增加。到“十二五”, 農(nóng)業(yè)發(fā)展“十二五”規(guī)劃正式提出農(nóng)業(yè)治污減排的具體措施, 針對(duì)化肥、農(nóng)藥的過量投放問題, 從施用技術(shù)和補(bǔ)貼有機(jī)農(nóng)業(yè)兩方面提出了解決方案, 土地利用對(duì)農(nóng)業(yè)碳排放影響的重要性有所下降。同時(shí), 畜禽養(yǎng)殖業(yè)減排工作也正式納入國(guó)家節(jié)能減排體系, 種養(yǎng)循環(huán)技術(shù)、規(guī)?；B(yǎng)殖管理技術(shù)、畜禽飼料研發(fā)技術(shù)和畜禽糞便處理技術(shù)的發(fā)展, 使反芻動(dòng)物飼養(yǎng)對(duì)農(nóng)業(yè)碳排放影響的重要性也有小幅下降。另外, 農(nóng)業(yè)機(jī)械化水平增速較“十一五”期間所有下降, 大型拖拉機(jī)數(shù)量的年均增速降低為8.3%, 人均動(dòng)力機(jī)械也降低了1%, 使農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)對(duì)農(nóng)業(yè)碳排放的影響力有所降低。農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整對(duì)農(nóng)業(yè)碳排放影響的重要性開始顯現(xiàn), 灰色綜合關(guān)聯(lián)度系數(shù)較“十一五”增加了0.09。而水稻種植碳排放雖然在農(nóng)業(yè)碳排放總量中占比較低, 但其對(duì)農(nóng)業(yè)碳排放的影響也不容忽視。

3.2 動(dòng)態(tài)灰色關(guān)聯(lián)視角下中國(guó)農(nóng)業(yè)碳排放空間格局原因分析

從表8可以看出, 大部分排放等級(jí)由低變高地區(qū)農(nóng)業(yè)碳排放的長(zhǎng)期主導(dǎo)因素為農(nóng)地利用和農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)。沿海北京、天津和上海等發(fā)達(dá)地區(qū), 第一產(chǎn)業(yè)占比歷來較低, 隨著農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)和農(nóng)業(yè)經(jīng)濟(jì)水平對(duì)農(nóng)業(yè)碳排放影響的重要性提高, 排放分區(qū)等級(jí)由低升為中低。中部河南和西北新疆農(nóng)業(yè)碳排放長(zhǎng)期主導(dǎo)因素相同, 且反芻動(dòng)物飼養(yǎng)對(duì)農(nóng)業(yè)碳排放影響的重要性都有明顯上升, 排放等級(jí)也都由中高變?yōu)楦?。其? 河南既是中國(guó)重要的糧食作物產(chǎn)地, 也是畜牧大省, 2015年河南耕種收綜合機(jī)械化水平達(dá)77.5%[26], 高于全國(guó)平均水平。西北新疆不僅是中國(guó)牧區(qū)之一, 也是中國(guó)棉花主產(chǎn)區(qū), 近年來, 大力發(fā)展畜牧業(yè), 2015年羊的出欄量?jī)H次于內(nèi)蒙古, 且以耕種收為主的棉花全程機(jī)械化水平和畜牧業(yè)機(jī)械化水平快速提升。中部江西以發(fā)展優(yōu)勢(shì)養(yǎng)殖為主, 是中國(guó)最大的毛驢養(yǎng)殖基地, 并逐步向肉驢養(yǎng)殖延伸, 不僅反芻動(dòng)物飼養(yǎng)對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)聯(lián)系數(shù)增加了0.26, 農(nóng)業(yè)經(jīng)濟(jì)規(guī)模和水平的灰色綜合關(guān)聯(lián)系數(shù)也有明顯增加, 使其排放等級(jí)上升。

表8 2001—2015年中國(guó)各省市中農(nóng)業(yè)碳排放等級(jí)升高省市的排放主導(dǎo)因素

表中括號(hào)內(nèi)的數(shù)字帶“+”表示2001—2015年各因素與農(nóng)業(yè)碳排放灰色關(guān)聯(lián)系數(shù)增加, 帶“-”表示該期間各因素與農(nóng)業(yè)碳排放灰色關(guān)聯(lián)系數(shù)減少。“+” means an increase of the gray correlation coefficient, “-” means a reduction of the grey correlation coefficient.

從表9可以看出, 大部分排放等級(jí)由高變低地區(qū)農(nóng)業(yè)碳排放的長(zhǎng)期主導(dǎo)因素為反芻動(dòng)物飼養(yǎng)和農(nóng)業(yè)生產(chǎn)技術(shù)(人力), 農(nóng)地利用對(duì)農(nóng)業(yè)碳排放影響的重要性顯著降低。山東、陜西、安徽和貴州省排放等級(jí)均由中高降為中等。其中, 山東和安徽是中國(guó)糧食主產(chǎn)區(qū), 隨著畜牧業(yè)的發(fā)展, 農(nóng)地利用對(duì)農(nóng)業(yè)碳排放影響的重要性顯著降低, 灰色綜合關(guān)聯(lián)度系數(shù)分別降低0.12和0.11。其中, 山東通過“網(wǎng)上學(xué)校”、“云課堂”等方式提高畜牧業(yè)的人力資本, 使農(nóng)業(yè)生產(chǎn)技術(shù)(人力)對(duì)農(nóng)業(yè)碳排放影響的重要性提升, 安徽大力推進(jìn)化肥和農(nóng)藥減量增效, 進(jìn)一步降低了農(nóng)地利用對(duì)農(nóng)業(yè)碳排放影響的重要性。貴州憑借飼草資源豐富的優(yōu)勢(shì), 大力發(fā)展香豬、關(guān)嶺牛、黔北麻羊等地方畜禽優(yōu)良品種, 使反芻動(dòng)物飼養(yǎng)對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)聯(lián)系數(shù)增加0.3, 但其生態(tài)養(yǎng)殖思路使農(nóng)地利用對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)聯(lián)系數(shù)降低0.14。陜西以水果種植為優(yōu)勢(shì), 并通過延伸水果產(chǎn)業(yè)鏈進(jìn)一步加大其發(fā)展, 水果種植的規(guī)?；图夹g(shù)水平得到進(jìn)一步提升, 但反芻動(dòng)物飼養(yǎng)對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)系系數(shù)降低0.06。江蘇和廣西農(nóng)業(yè)碳排放的各影響因素對(duì)其影響的重要性都有所降低, 僅反芻動(dòng)物飼養(yǎng)的灰色綜合關(guān)聯(lián)度系數(shù)分別增加0.04和0.02, 兩地排放等級(jí)下降。

表9 2001—2015年中國(guó)各省市農(nóng)業(yè)碳排放等級(jí)降低省市的排放主導(dǎo)因素

表中括號(hào)內(nèi)的數(shù)字帶“+”表示2001—2015年各因素與農(nóng)業(yè)碳排放灰色關(guān)聯(lián)系數(shù)增加, 帶“-”表示該期間各因素與農(nóng)業(yè)碳排放灰色關(guān)聯(lián)系數(shù)減少?！?” means an increase of the gray correlation coefficient, “-” means a reduction of the grey correlation coefficient.

由表10可知, 隨著排放等級(jí)的降低, 各影響因素對(duì)農(nóng)業(yè)碳排放的平均灰色綜合關(guān)聯(lián)度系數(shù)有降低趨勢(shì), 高排放區(qū)、中高排放區(qū)、中排放區(qū)、中低排放區(qū)和低排放區(qū)所含省市的平均灰色綜合關(guān)聯(lián)系數(shù)分別為0.945、0.92、0.85、0.815和0.81。

其中, 高排放區(qū)內(nèi)蒙古是中國(guó)主要牧區(qū), 2015年牲畜存欄量比“十一五”末增長(zhǎng)25.8%, 農(nóng)牧業(yè)綜合機(jī)械化水平高達(dá)81.4%, 反芻動(dòng)物飼養(yǎng)和農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)聯(lián)度系數(shù)均有明顯上升。云南省以經(jīng)濟(jì)作物種植為主, 橡膠、咖啡、花卉產(chǎn)量居全國(guó)第一, 甘蔗、茶葉產(chǎn)量居全國(guó)第二, 蠶桑產(chǎn)量居全國(guó)第五, 種植規(guī)模仍有擴(kuò)大, 農(nóng)地利用對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)聯(lián)度系數(shù)顯著增加了0.16。

表10 2001—2015年中國(guó)各省市農(nóng)業(yè)碳排放等級(jí)不變省市的排放主導(dǎo)因素

排放等級(jí)Emission level省(市)Province (city)排放主導(dǎo)因素的變動(dòng)Changes in dominant factor of carbon emission重要性增加較快因素Factor with fast-growing importance重要性減少較快因素Factor with fast-reducing importance長(zhǎng)期主導(dǎo)因素Long-term dominant factor平均灰色綜合關(guān)聯(lián)度Average gray correlation 湖北Hubei水稻種植、農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)—水稻種植、農(nóng)業(yè)經(jīng)濟(jì)規(guī)模Rice cultivation, agricultural economic structure-rice cultivation, agricultural economy scale水稻種植(+0.11)Rice cultivation (+0.11)農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)(-0.08) Agricultural economic structure (-0.08)水稻種植、農(nóng)業(yè)生產(chǎn)技術(shù)(人力)Rice cultivation,human capital0.86 青海Qinghai農(nóng)地利用、農(nóng)業(yè)經(jīng)濟(jì)規(guī)模—反芻動(dòng)物、農(nóng)業(yè)生產(chǎn)技術(shù)(人力)Farming land utilization, agricultural economy scale-ruminant, human capital—農(nóng)地利用(-0.16) Farming land utilization(-0.16)反芻動(dòng)物、農(nóng)業(yè)生產(chǎn)技術(shù)(人力) Ruminant, human capital0.86 寧夏Ningxia農(nóng)地利用、農(nóng)業(yè)生產(chǎn)技術(shù)(人力)—反芻動(dòng)物、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)Farming land utilization, human capital-ruminant, mechanization反芻動(dòng)物(+0.22) Ruminant (+0.22)農(nóng)地利用(-0.14) Farming land utilization(-0.14)反芻動(dòng)物、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械) Ruminant, mechanization0.85 西藏Tibet農(nóng)地利用、農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)—農(nóng)地利用、農(nóng)業(yè)經(jīng)濟(jì)水平Farming land utilization, agricultural economic structure-farming land utilization, agricultural economy level農(nóng)地利用(+0.10)、反芻動(dòng)物(+0.19)Farming land utilization (+0.10), ruminant (+0.19)農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)(-0.23) Agricultural economic structure(-0.23)反芻動(dòng)物、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械) Ruminant, mechanization0.87 中低Medium low遼寧Liaoning農(nóng)地利用、農(nóng)業(yè)經(jīng)濟(jì)規(guī)模Farming land utilization, agricultural economy scale水稻種植(+0.05)Ricecultivation (+0.05)反芻動(dòng)物(-0.14) Ruminant(-0.14)農(nóng)地利用、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)Farming land utilization, mechanization0.82 廣東Guangdong農(nóng)地利用、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)Farming land utilization, mechanization農(nóng)業(yè)生產(chǎn)技術(shù)(人力) (+0.06)Human capital (+0.06)農(nóng)地利用(-0.12) Farming land utilization(-0.12)農(nóng)地利用、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)Farming land utilization, mechanization0.81 低Low浙江Zhejiang農(nóng)地利用、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)—農(nóng)地利用、農(nóng)業(yè)經(jīng)濟(jì)水平Farming land utilization, mechanization-farming land utilization, agricultural economy level農(nóng)業(yè)經(jīng)濟(jì)水平(+0.06) Agricultural economy level (+0.06)反芻動(dòng)物(-0.10) Ruminant(-0.10)農(nóng)地利用、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)Farming land utilization, mechanization0.80 海南Hainan農(nóng)地利用、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)—秸稈燃燒、農(nóng)業(yè)經(jīng)濟(jì)水平Farming land utilization, mechanization-straw combustion, agricultural economy level農(nóng)業(yè)經(jīng)濟(jì)水平(+0.05) Agricultural economy level (+0.05)農(nóng)地利用(-0.26) Farming land utilization(-0.26)農(nóng)地利用、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)Farming land utilization, mechanization0.82 福建Fujian農(nóng)地利用、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)Farming land utilization, mechanization農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械) (+0.07)Mechanization(+0.07)農(nóng)地利用(-0.14) Farming land utilization(-0.14)農(nóng)地利用、農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)Farming land utilization, mechanization0.81

表中括號(hào)內(nèi)的數(shù)字帶“+”表示“十五”期間到“十二五”期間各因素與各地區(qū)農(nóng)業(yè)碳排放灰色關(guān)聯(lián)系數(shù)的增加, 帶“-”表示該期間各因素與各地區(qū)農(nóng)業(yè)碳排放灰色關(guān)聯(lián)系數(shù)的減少?！?” means an increase of the gray correlation coefficient, “-” means the reduction of the grey correlation coefficient.

中高排放區(qū)的黑龍江、河北、四川、重慶和甘肅對(duì)農(nóng)業(yè)碳排放影響的重要性增長(zhǎng)較快因素均為農(nóng)地利用或反芻動(dòng)物飼養(yǎng)。黑龍江和河北省農(nóng)業(yè)碳排放的長(zhǎng)期主導(dǎo)因素為農(nóng)地利用和農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)。四川省不僅是中國(guó)重要的水稻種植區(qū), 畜禽資源也較豐富, 2015年肉豬出欄量仍為各省之首, 反芻動(dòng)物飼養(yǎng)對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)聯(lián)系數(shù)顯著提高0.13。重慶市反芻動(dòng)物飼養(yǎng)取代農(nóng)地利用成為農(nóng)業(yè)碳排放的主導(dǎo)因素, 2015年畜牧業(yè)總產(chǎn)值比2010年增長(zhǎng)66.23%, 反芻動(dòng)物飼養(yǎng)的灰色綜合關(guān)聯(lián)系數(shù)增加0.08。甘肅省中藥材種植面積全國(guó)第一, 畜牧業(yè)也穩(wěn)定增長(zhǎng), 2015年牛、羊、豬、禽出欄量同比增長(zhǎng)6.2%、9.5%、3.0%和10.1%, 反芻動(dòng)物飼養(yǎng)對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)聯(lián)系數(shù)提高0.09。

中等排放區(qū)的絕大部分地區(qū)農(nóng)地利用或反芻動(dòng)物飼養(yǎng)對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)聯(lián)度系數(shù)有所降低。其中, 吉林、湖北和湖南3個(gè)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的長(zhǎng)期主導(dǎo)因素為農(nóng)地利用和水稻種植, 而寧夏、青海和西藏三大牧區(qū)農(nóng)業(yè)碳排放的長(zhǎng)期主導(dǎo)因素為反芻動(dòng)物飼養(yǎng)和農(nóng)業(yè)生產(chǎn)技術(shù), 糧食主產(chǎn)區(qū)和牧區(qū)的農(nóng)業(yè)發(fā)展向各自優(yōu)勢(shì)產(chǎn)業(yè)傾斜。而山西省以發(fā)展特色肉牛產(chǎn)業(yè)為主, 反芻動(dòng)物飼養(yǎng)對(duì)農(nóng)業(yè)碳排放的影響力有所增加, 但農(nóng)地利用對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)聯(lián)度系數(shù)顯著降低0.13。

中低和低排放區(qū)各影響因素對(duì)農(nóng)業(yè)碳排放影響的重要性增幅較小, 但農(nóng)地利用、反芻動(dòng)物飼養(yǎng)的灰色綜合關(guān)聯(lián)度系數(shù)卻有顯著降低。遼寧省既是中國(guó)糧食主產(chǎn)區(qū)之一, 也借助畜牧業(yè)南豬北移戰(zhàn)略和鐮刀彎地區(qū)農(nóng)牧交錯(cuò)帶糧改飼發(fā)展機(jī)遇, 種植業(yè)和畜牧業(yè)交錯(cuò)發(fā)展。廣東、海南和福建省均以經(jīng)濟(jì)作物種植為主, 3地農(nóng)地利用對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)聯(lián)度系數(shù)均顯著下降。浙江省除反芻動(dòng)物飼養(yǎng)外, 各影響因素對(duì)農(nóng)業(yè)碳排放的灰色綜合關(guān)聯(lián)系數(shù)變動(dòng)不大, 反芻動(dòng)物飼養(yǎng)的灰色綜合關(guān)聯(lián)度系數(shù)降低0.1。

4 農(nóng)業(yè)碳排放區(qū)域格局影響因素建模

為進(jìn)一步驗(yàn)證影響因素對(duì)農(nóng)業(yè)碳排放空間格局的影響, 探討相互間的數(shù)量規(guī)律, 建立回歸模型:

式中:為全國(guó)省際農(nóng)業(yè)碳排放強(qiáng)度標(biāo)準(zhǔn)差, 衡量農(nóng)業(yè)碳排放空間差異; 自變量1為各地人均農(nóng)業(yè)增加值標(biāo)準(zhǔn)差, 衡量農(nóng)業(yè)經(jīng)濟(jì)水平差異;2為各地一產(chǎn)從業(yè)人員人均動(dòng)力功率標(biāo)準(zhǔn)差, 衡量農(nóng)業(yè)生產(chǎn)機(jī)械化水平差異;3為各地種植業(yè)與畜牧業(yè)增加值之比標(biāo)準(zhǔn)差, 衡量農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)差異;4為人力資本水平的標(biāo)準(zhǔn)差, 衡量農(nóng)業(yè)生產(chǎn)技術(shù)差異。a、1、2、3和4指待估計(jì)的回歸系數(shù)?；貧w估計(jì)結(jié)果見表11。

表11 中國(guó)農(nóng)業(yè)碳排放區(qū)域格局影響因素的回歸結(jié)果表

由表11可知, 4因素對(duì)農(nóng)業(yè)碳強(qiáng)度地區(qū)差異的影響均顯著, 且均為正向影響, 說明全國(guó)農(nóng)業(yè)碳排放省際差異會(huì)隨各地農(nóng)業(yè)經(jīng)濟(jì)水平差異、農(nóng)業(yè)機(jī)械化差異、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)差異和農(nóng)業(yè)人力資本差異的擴(kuò)大而增加, 而農(nóng)業(yè)產(chǎn)業(yè)中種植業(yè)與畜牧業(yè)間比重的差異對(duì)農(nóng)業(yè)碳排放空間格局的影響力相對(duì)其他因素來看較大, 其次是農(nóng)業(yè)生產(chǎn)技術(shù)的差異, 而農(nóng)業(yè)經(jīng)濟(jì)水平差異對(duì)地區(qū)農(nóng)業(yè)碳強(qiáng)度差異的影響最小。該模型結(jié)果也進(jìn)一步驗(yàn)證了前文動(dòng)態(tài)灰色關(guān)聯(lián)分析的結(jié)果。

5 結(jié)論和建議

5.1 結(jié)論

1)中國(guó)農(nóng)業(yè)碳排放地區(qū)差異大。一方面, 由于各省市資源稟賦和生產(chǎn)條件不同, 農(nóng)業(yè)碳排放強(qiáng)度差異隨時(shí)間推移變大; 另一方面, 中國(guó)各區(qū)域農(nóng)業(yè)碳排放結(jié)構(gòu)存在一定差異, 且無明顯縮小; 同時(shí), 農(nóng)業(yè)碳排放地區(qū)等級(jí)分布的兩極分化情況更為明顯, 中、高排放區(qū)主要集中在東北和中西部地區(qū), 中、低排放區(qū)主要集中在沿海地區(qū), 且中部排放等級(jí)有降低趨勢(shì), 西部排放等級(jí)有升高趨勢(shì)。

2)從全國(guó)來看, 農(nóng)地利用和農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械)對(duì)農(nóng)業(yè)碳排放影響的重要性靠前; 從各影響因素重要性的動(dòng)態(tài)變動(dòng)來看, 農(nóng)地利用是未來較長(zhǎng)時(shí)間內(nèi)碳減排的重點(diǎn)領(lǐng)域, 而反芻動(dòng)物飼養(yǎng)減排已呈現(xiàn)一定成效。

3)從農(nóng)業(yè)碳排放空間格局分布原因來看, 各影響因素重要性的增減變動(dòng)確實(shí)會(huì)對(duì)中國(guó)農(nóng)業(yè)碳排放的空間格局產(chǎn)生影響, 全國(guó)農(nóng)業(yè)碳排放省際差異會(huì)隨各地農(nóng)業(yè)經(jīng)濟(jì)水平差異、農(nóng)業(yè)機(jī)械化差異、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)差異和農(nóng)業(yè)人力資本差異的擴(kuò)大而增加。大部分排放等級(jí)上升省市農(nóng)業(yè)碳排放的長(zhǎng)期主導(dǎo)因素為農(nóng)地利用和農(nóng)業(yè)生產(chǎn)技術(shù)(機(jī)械), 且種植業(yè)和畜牧業(yè)雙發(fā)展, 大部分排放等級(jí)下降省市農(nóng)業(yè)碳排放的長(zhǎng)期主導(dǎo)因素為反芻動(dòng)物飼養(yǎng)和農(nóng)業(yè)生產(chǎn)技術(shù)(人力), 且著重發(fā)展優(yōu)勢(shì)產(chǎn)業(yè); 農(nóng)業(yè)碳排等級(jí)不變省市的農(nóng)業(yè)碳排放長(zhǎng)期主導(dǎo)因素在農(nóng)地利用、反芻動(dòng)物飼養(yǎng)、農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)和農(nóng)業(yè)生產(chǎn)技術(shù)間轉(zhuǎn)化。

5.2 建議

國(guó)家應(yīng)根據(jù)省域農(nóng)業(yè)發(fā)展條件和資源稟賦的差異性, 結(jié)合農(nóng)業(yè)碳排放空間分布的特點(diǎn), 建立和實(shí)施因地制宜的低碳農(nóng)業(yè)發(fā)展措施和政策, 統(tǒng)籌考慮各區(qū)域農(nóng)業(yè)碳排放與影響因素的不同關(guān)聯(lián)特征, 堅(jiān)持共同但有區(qū)別的減排原則, 制定面向各省域的農(nóng)業(yè)減排目標(biāo), 以實(shí)現(xiàn)中國(guó)的整體減排任務(wù)。

1)農(nóng)地利用在未來較長(zhǎng)時(shí)間內(nèi)仍應(yīng)作為中國(guó)減排的重點(diǎn), 尤其是糧食主產(chǎn)區(qū), 應(yīng)通過推廣節(jié)能技術(shù)和測(cè)土配方施肥等措施, 降低過度開發(fā)農(nóng)業(yè)資源、過量使用化肥、農(nóng)藥、農(nóng)膜等行為, 通過開發(fā)糧食生產(chǎn)節(jié)能減排固碳技術(shù)和強(qiáng)化農(nóng)機(jī)農(nóng)藝深度融合等途徑, 加強(qiáng)技術(shù)發(fā)展對(duì)農(nóng)業(yè)碳排放的抑制作用, 并積極拓展 “氣候智慧型農(nóng)業(yè)項(xiàng)目”的實(shí)施范圍, 實(shí)現(xiàn)中國(guó)糧食生產(chǎn)的增產(chǎn)和減排。

2)雖然反芻動(dòng)物飼養(yǎng)減排已取得了一些成效, 但仍應(yīng)進(jìn)一步探索減排技術(shù)和種養(yǎng)結(jié)合的發(fā)展方式, 特別是牧區(qū), 進(jìn)一步創(chuàng)新種養(yǎng)循環(huán)技術(shù)、規(guī)?；B(yǎng)殖管理技術(shù)、畜禽飼料研發(fā)技術(shù)和畜禽糞便處理技術(shù)來提高飼料利用率、降低畜牧業(yè)廢物的污染和加強(qiáng)畜牧業(yè)廢物的再利用。同時(shí), 在種養(yǎng)結(jié)合上, 積極拓展北方牧區(qū)、南方牧區(qū)和農(nóng)牧交錯(cuò)區(qū), 充分利用北方和南方的豐富草場(chǎng)資源, 實(shí)現(xiàn)規(guī)?；⒕?xì)化養(yǎng)殖, 推動(dòng)特色養(yǎng)殖業(yè)的發(fā)展, 大力推進(jìn)“種養(yǎng)結(jié)合、農(nóng)牧循環(huán)”的發(fā)展模式, 實(shí)現(xiàn)畜牧業(yè)規(guī)模擴(kuò)大和生態(tài)性提高的雙重目標(biāo)。

3)農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)的減排效應(yīng)已經(jīng)有所顯現(xiàn), 應(yīng)進(jìn)一步發(fā)揮其在各區(qū)域減排中的作用, 對(duì)于第一產(chǎn)業(yè)占比較低的東部發(fā)達(dá)地區(qū), 應(yīng)進(jìn)一步減少傳統(tǒng)農(nóng)業(yè)比重, 甚至將傳統(tǒng)農(nóng)業(yè)全部放在更具生產(chǎn)條件的中西部, 利用沿海經(jīng)濟(jì)優(yōu)勢(shì), 大力發(fā)展現(xiàn)代農(nóng)業(yè)和生態(tài)農(nóng)業(yè), 提高農(nóng)業(yè)生產(chǎn)的多功能性, 努力朝著假日農(nóng)業(yè)、旅游農(nóng)業(yè)、休閑農(nóng)業(yè)、觀光農(nóng)業(yè)、都市農(nóng)業(yè)等效益更好, 碳排更少的方向發(fā)展。對(duì)于中西部地區(qū), 應(yīng)因地制宜發(fā)展優(yōu)勢(shì)特色農(nóng)業(yè)產(chǎn)業(yè), 加強(qiáng)各省市農(nóng)業(yè)發(fā)展的分工協(xié)作和農(nóng)業(yè)產(chǎn)業(yè)的配套, 實(shí)施綠色生產(chǎn)和生態(tài)養(yǎng)殖戰(zhàn)略。

[1] MOSIER A R, DUXBURY J M, FRENEY J R, et al. Mitigating agricultural emissions of methane[J]. Climatic Change, 1998, 40(1): 39–80

[2] TUBIELLO F N, SALVATORE M, GOLEC R D C, et al. Agriculture, forestry and other land use emissions by sources and removals by sinks: 1990–2011 analysis[J]. FAO Statistics Division, 2014, 4(2): 375–376

[3] 李波, 張俊飚, 李海鵬. 中國(guó)農(nóng)業(yè)碳排放時(shí)空特征及影響因素分解[J]. 中國(guó)人口·資源與環(huán)境, 2011, 21(8): 80–86 LI B, ZHANG J B, LI H P. 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

[4] 冉光和, 王建洪, 王定祥. 我國(guó)現(xiàn)代農(nóng)業(yè)生產(chǎn)的碳排放變動(dòng)趨勢(shì)研究[J]. 農(nóng)業(yè)經(jīng)濟(jì)問題, 2011, 32(2): 32–38 RAN G H, WANG J H, WANG D X. 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

[5] 譚秋成. 中國(guó)農(nóng)業(yè)溫室氣體排放: 現(xiàn)狀及挑戰(zhàn)[J]. 中國(guó)人口·資源與環(huán)境, 2011, 21(10): 69–75 TAN Q C. Greenhouse gas emission in China’s agriculture: Situation and challenge[J]. China Population, Resources and Environment, 2011, 21(10): 69–75

[6] 田云, 張俊飚, 李波. 中國(guó)農(nóng)業(yè)碳排放研究: 測(cè)算、時(shí)空比較及脫鉤效應(yīng)[J]. 資源科學(xué), 2012, 34(11): 2097–2105 TIAN Y, ZHANG J B, LI B. Agricultural carbon emissions in China: Calculation, spatial-temporal comparison and decoupling effects[J]. Resources Science, 2012, 34(11): 2097–2105

[7] 吳賢榮, 張俊飚, 田云, 等. 中國(guó)省域農(nóng)業(yè)碳排放: 測(cè)算、效率變動(dòng)及影響因素研究——基于DEA-Malmquist指數(shù)分解方法與Tobit模型運(yùn)用[J]. 資源科學(xué), 2014, 36(1): 129–138 WU X R, ZHANG J B, TIAN Y, et al. Provincial agricultural carbon emissions in China: Calculation, performance change and influencing factors[J]. Resources Science, 2014, 36(1): 129–138

[8] 閔繼勝, 胡浩. 中國(guó)農(nóng)業(yè)生產(chǎn)溫室氣體排放量的測(cè)算[J]. 中國(guó)人口·資源與環(huán)境, 2012, 22(7): 21–27 MIN J S, HU H. Calculation of greenhouse gases emission from agricultural production in China[J]. China Population, Resources and Environment, 2012, 22(7): 21–27

[9] 伍芬琳, 李琳, 張海林, 等. 保護(hù)性耕作對(duì)農(nóng)田生態(tài)系統(tǒng)凈碳釋放量的影響[J]. 生態(tài)學(xué)雜志, 2007, 26(12): 2035–2039 WU F L, LI L, ZHANG H L, et al. Effects of conservation tillage on net carbon flux from farmland ecosystems[J]. Chinese Journal of Ecology, 2007, 26(12): 2035–2039

[10] 段華平, 張悅, 趙建波, 等. 中國(guó)農(nóng)田生態(tài)系統(tǒng)的碳足跡分析[J]. 水土保持學(xué)報(bào), 2011, 25(5): 203–208 DUAN H P, ZHANG Y, ZHAO J B, et al. Carbon footprint analysis of farmland ecosystem in China[J]. Journal of Soil and Water Conservation, 2011, 25(5): 203–208

[11] 劉麗華, 蔣靜艷, 宗良綱. 農(nóng)業(yè)殘留物燃燒溫室氣體排放清單研究: 以江蘇省為例[J]. 環(huán)境科學(xué), 2011, 32(5): 1242–1248 LIU L H, JIANG J Y, ZONG L G. Emission inventory of greenhouse gases from agricultural residues combustion: A case study of Jiangsu Province[J]. Environmental Science, 2011, 32(5): 1242–1248

[12] LIN H W, JIN Y F, GIGLIO L, et al. Evaluating greenhouse gas emissions inventories for agricultural burning using satellite observations of active ?res[J]. Ecological Applications, 2012, 22(4): 1345–1364

[13] NEUMAYER E. Can natural factors explain any cross-country differences in carbon dioxide emissions?[J]. Energy Policy, 2002, 30(1): 7–12

[14] LANTZ V, FENG Q. Assessing income, population, and technology impacts on CO2emissions in Canada: Where’s the EKC?[J]. Ecological Economics, 2006, 57(2): 229–238

[15] UCHIYAMA K. Environmental Kuznets Curve Hypothesis and Carbon Dioxide Emissions[M]. Tokyo: Springer, 2016

[16] 楊鈞. 中國(guó)農(nóng)業(yè)碳排放的地區(qū)差異和影響因素分析[J]. 河南農(nóng)業(yè)大學(xué)學(xué)報(bào), 2012, 46(3): 336–342 YANG J. Analysis on regional difference and affecting factors of agriculture carbon emission in China[J]. Journal of Henan Agricultural University, 2012, 46(3): 336–342

[17] 劉華軍, 鮑振, 楊騫. 中國(guó)農(nóng)業(yè)碳排放的地區(qū)差距及其分布動(dòng)態(tài)演進(jìn)——基于基尼系數(shù)分解與非參數(shù)估計(jì)方法實(shí)證研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 2013, (3): 72–81 LIU H J, BAO Z, YANG Q. Region disparities of agricultural carbon emissions in China and the dynamic evolution of their distribution — Empirical study on decomposition an monparametric estimation based onGini coefficient[J]. Journal of Agrotechnical Economics, 2013, (3): 72–81

[18] 田云, 張俊飚, 尹朝靜, 等. 中國(guó)農(nóng)業(yè)碳排放分布動(dòng)態(tài)與趨勢(shì)演進(jìn)——基于31個(gè)省(市、區(qū))2002—2011年的面板數(shù)據(jù)分析[J]. 中國(guó)人口·資源與環(huán)境, 2014, 24(7): 91–98 TIAN Y, ZHANG J B, YIN C J, et al. Distributional dynamics and trend evolution of China’s agricultural carbon emission — An analysis on panel data of 31 provinces from 2002 to 2011[J]. China Population, Resources and Environment, 2014, 24(7): 91–98

[19] 龐麗. 我國(guó)農(nóng)業(yè)碳排放的區(qū)域差異與影響因素分析[J]. 干旱區(qū)資源與環(huán)境, 2014, 28(12): 1–7 PANG L. Empirical study of regional carbon emissions of agriculture in China[J]. Journal of Arid Land Resources and Environment, 2014, 28(12): 1–7

[20] 趙欣, 龍如銀. 考慮全要素生產(chǎn)率的中國(guó)碳排放影響因素分析[J]. 資源科學(xué), 2010, 32(10): 1863–1870 ZHAO X, LONG R Y. Analysis of factors of China’s carbon emissions considering the total factor productivity[J]. Resources Science, 2010, 32(10): 1863–1870

[21] DYER J A, KULSHRESHTHA S N, MCCONKEY B G, et al. An assessment of fossil fuel energy use and CO2emissions from farm field operations using a regional level crop and land use database for Canada[J]. Energy, 2010, 35(5): 2261–2269

[22] IPCC. Climate Change 2007: The Physical Science Basis: Working Group Ⅰ Contribution to the Fourth Assessment Report of The Intergovernmental Panel on Climate Change[M]. New York: Cambridge University Press, 2007

[23] GROSSMAN G M, KRUEGER A B. Economic growth and the environment[J]. The Quarterly Journal of Economics, 1995, 110(2): 353–377

[24] EHRLICH P R, WOLFF G, DAILY G C, et al. Knowledge and the environment[J]. Ecological Economics, 1999, 30(2): 267–284

[25] 錢雪亞, 張小蒂. 農(nóng)村人力資本積累及其收益特征[J]. 中國(guó)農(nóng)村經(jīng)濟(jì), 2000, (3): 25–31 QIAN X Y, ZHANG X D. The accumulation of rural human capital and its profit characteristics[J]. Chinese Rural Economy, 2000, (3): 25–31

[26] 河南日?qǐng)?bào)農(nóng)村版. 河南: 推進(jìn)農(nóng)業(yè)機(jī)械化農(nóng)民耕種輕松化[EB/OL]. https://www.tuliu.com/read-26830.html, 2016-04-19Henan Daily Rural Edition. Henan: Promoting agricultural mechanization Farmers’ cultivation is easy[EB/OL]. https:// www.t uliu.com/read-26830.html, 2016-04-19

Spatial dynamics of agricultural carbon emissions in China and the related driving factors*

HE Yanqiu1, CHEN Rou1, WU Haoyue1, XU Jie1, SONG Yi2

(1. College of Management, Sichuan Agricultural University, Chengdu 611130, China; 2. City College, Southwest University of Science and Technology, Mianyang 621000, China)

The reduction of carbon emission in agricultural lands is not only important in sustainable agriculture, but also inevitable for China to achieve an overall emission reduction targets and carbon emission control. It is also of great significance to conduct research into the spatial distribution and the driving factors of carbon emissions in agricultural lands in China. Studies that have focused on regional distributions of carbon emissions in agricultural lands adopted different measurement methods and used inconsistent driving indicators, therefore had reached different conclusions in different researches. Moreover, in order to compensate for the deficiency with static analysis methods in dealing with dynamic effects, we combined dynamic grey correlation method with regression model. It not only analyzed the non-linear impacts of carbon emission in agricultural lands and the influencing factors, but also analyzed the dynamic impacts of carbon emission in agricultural lands and the influencing factors. Based on the preceding researches, our study started by analyzing the spatial distribution of carbon emissions in agricultural lands in China, including total amount of carbon emission, carbon emission intensity, carbon emission structure and carbon emission level in agricultural lands. It then discussed in detail the causes of the spatial patterns of inter-provincial carbon emissions in agricultural lands and quantitative relationship between the influencing factors and spatial distribution. The study was a critical source of reference on zonal carbon emission reduction that could be useful in formulating carbon emission policies in China. The main conclusions of this paper were as follows: inter-provincial differences in carbon emission intensities in agricultural lands had increased with time. There was no significant reduction in structural differences in carbon emission among provinces or cities. The polarization of carbon emission level in agricultural lands was ever more severe. The level of carbon emissions in agricultural lands fell in the central region, but increased in the west. In contrast, farmland utilization and mechanization of agricultural production were more important factors driving carbon emission in agricultural lands. Some achievements were made in reducing ruminant emissions, with a widening gap among provinces or cities due to differences in agro-economic level, agricultural mechanization, agricultural structure and agro-human capital. The differences in inter-provincial carbon emissions of agricultural lands increased. Agriculture and animal husbandry, farmland utilization and mechanization of agricultural production technology were the leading factors driving the improvement in carbon emission in agricultural lands in most of the provinces and cities with more attention on agricultural development. In these regions, the development of superior industries, ruminant feeding and agricultural production techniques (human capital) were the dominant factors reducing carbon emissions. Finally, we forwarded three recommendations: First, there was need to focus on long-term carbon emission reduction in farmlands. Specifically, major grain-producing areas were to strengthen innovation of emission reduction technology and push forward with progress in emission reduction projects. Second, there was need for further attention on promoting technology of emission reduction in feeding ruminants and in exploring agricultural development models that combined farming with breeding, especially in pastoral areas. Third, there was need to fully exert the role of agro-economic structure in reducing carbon emission. The eastern, central and western regions were to adjust industrial structure in accordance with the level of development.

Carbon emission in agricultural land; Dominant factor; Spatial evolution pattern; Dynamic Gray Correlation Method; Nonlinear analysis; Zonal carbon emission reduction

, HE Yanqiu, E-mail: linxiatingqiu@126.com

Nov. 28, 2017;

Feb. 22, 2018

10.13930/j.cnki.cjea.171097

F323

A

1671-3990(2018)09-1269-14

2017-11-28

2018-02-22

* This study was supported by the National Natural Science Foundation of China (71704127), the National Social Science Foundation of China (16CJL35) and the Social Science “Thirteenth Five-Year Plan” Project of Sichuan Province (SC17TJ014).

* 國(guó)家自然科學(xué)基金青年項(xiàng)目(71704127)、國(guó)家社會(huì)科學(xué)基金青年項(xiàng)目(16CJL35)和四川省社會(huì)科學(xué)“十三五”規(guī)劃項(xiàng)目(SC17TJ014)資助

何艷秋, 研究方向?yàn)檗r(nóng)業(yè)資源環(huán)境。E-mail: linxiatingqiu@126.com

何艷秋, 陳柔, 吳昊玥, 徐杰, 宋藝. 中國(guó)農(nóng)業(yè)碳排放空間格局及影響因素動(dòng)態(tài)研究[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2018, 26(9): 1269-1282

HE Y Q, CHEN R, WU H Y, XU J, SONG Y. Spatial dynamics of agricultural carbon emissions in China and the related driving factors[J]. Chinese Journal of Eco-Agriculture, 2018, 26(9): 1269-1282