碳達峰背景下中國農(nóng)業(yè)碳排放測算及其時空動態(tài)演變

黃曉慧， 楊 飛

(江蘇師范大學商學院，江蘇徐州 221116)

當前，全球正處于百年未有之大變局，經(jīng)濟增長停滯、貿(mào)易保護主義抬頭、中美經(jīng)濟摩擦升級，增加了國際環(huán)境的不確定性，第3次全球化浪潮進入深度調(diào)整階段。新冠肺炎疫情的全球蔓延，加快了大變局的演進速度，在影響經(jīng)濟的同時，打破了糧食貿(mào)易的均衡格局，引起全球?qū)Z食安全問題的廣泛關(guān)注。改革開放40多年來，我國糧食生產(chǎn)取得了“十七連豐”的成就，以占世界9%的耕地養(yǎng)活了20%的人口，為保障世界糧食安全作出了巨大貢獻。然而這一成就的取得主要是依靠化肥農(nóng)藥等要素的大量投入與消耗，這種傳統(tǒng)粗放的農(nóng)業(yè)生產(chǎn)方式產(chǎn)生了大量的農(nóng)業(yè)碳排放，導致嚴重的氣候變化和生態(tài)環(huán)境等問題，直接威脅著我國糧食安全和農(nóng)業(yè)可持續(xù)發(fā)展。農(nóng)業(yè)是第二大溫室氣體排放源，我國是世界上農(nóng)業(yè)碳排放大國。為此，我國多年的中央一號文件都提出推進農(nóng)業(yè)綠色發(fā)展。2020年9月22日，習近平主席在第七十五屆聯(lián)合國大會上宣布“中國將提高國家自主貢獻力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現(xiàn)碳中和”。因此，在碳達峰背景下，迫切需要進行農(nóng)業(yè)綠色低碳轉(zhuǎn)型，這是落實綠色發(fā)展理念的具體行動，也是實現(xiàn)生態(tài)文明，促進農(nóng)業(yè)高質(zhì)量和綠色低碳可持續(xù)發(fā)展的必然選擇。近幾年，國內(nèi)學者對農(nóng)業(yè)碳排放進行了測算并分析其存在的特征。李波等對我國1993—2008年農(nóng)業(yè)碳排放量進行測算，發(fā)現(xiàn)研究期內(nèi)農(nóng)業(yè)碳排放處于階段性的上升態(tài)勢，平均增長率為4.08%。田云等測算我國1995—2010年31個省份農(nóng)業(yè)碳排放量，發(fā)現(xiàn)2010年較1995年增加了12.31%，分為“上升—下降—上升”3個階段。胡婉玲等通過測算1997—2017年我國31個省份農(nóng)業(yè)碳排放，發(fā)現(xiàn)最大值出現(xiàn)在2015年。田成詩等測算我國2006—2016年30個省份的農(nóng)業(yè)碳排放量，發(fā)現(xiàn)其為先下降后上升的變化趨勢。張頌心等對我國2000—2018年農(nóng)業(yè)碳排放量進行測算，發(fā)現(xiàn)其年均增長率為1.84%，分為快速增長、緩慢增長、加速減少3個階段?？梢?，現(xiàn)有文獻對我國不同時期農(nóng)業(yè)碳排放測算及特征進行了大量研究，但大多只對我國不同時期農(nóng)業(yè)碳排放的時空特征進行描述性統(tǒng)計分析，利用空間計量模型探究我國31個省份農(nóng)業(yè)碳排放空間集聚特征的研究不多。且現(xiàn)有文獻缺乏對近幾年農(nóng)業(yè)碳排放的測算。那么，近年來，我國農(nóng)業(yè)碳排放量如何？具有怎樣的時空特征？是否具有空間相關(guān)性和集聚效應？具有怎樣的集聚特征？通過回答這些問題，可以了解我國除港澳臺之外的31個省份農(nóng)業(yè)碳排放量、時空差異及空間集聚特征。因此，本研究運用2007—2019年我國除港澳臺之外的31個省份面板數(shù)據(jù)，對其農(nóng)業(yè)碳排放進行測度，采用空間Moran’s I全局指數(shù)和莫蘭散點圖分別從整體和局部分析我國除港澳臺之外的31個省份農(nóng)業(yè)碳排放的空間相關(guān)性和集聚特征，以期為制定碳達峰背景下農(nóng)業(yè)碳減排政策提供科學依據(jù)和參考。

1 研究方法與數(shù)據(jù)來源

1.1 農(nóng)業(yè)碳排放量測算方法

本研究參考IPCC推薦指南和相關(guān)研究中的方法計算2007—2019年我國31個省份農(nóng)業(yè)碳排放總量。種植業(yè)生產(chǎn)過程中的碳排放主要來源于化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機械、農(nóng)業(yè)翻耕、灌溉6個方面。計算公式如下

=∑=∑·。

(1)

式中：表示農(nóng)業(yè)碳排放總量；表示種植業(yè)生產(chǎn)過程中6種碳排放源的碳排放量；表示6種碳排放源的量；表示6種碳排放源的碳排放系數(shù)，為1～6。其中，化肥排放系數(shù)為0.895 6 kg/kg，農(nóng)藥排放系數(shù)為4.934 1 kg/kg，農(nóng)膜排放系數(shù)為 5.18 kg/kg，農(nóng)業(yè)機械所用柴油排放系數(shù)為 0.592 7 kg/kg，農(nóng)業(yè)灌溉排放系數(shù)為20.476 kg/hm，農(nóng)業(yè)翻耕排放系數(shù)為312.6 kg/km。

1.2 Moran’s I指數(shù)

地理學第一定律表明所有事物之間存在聯(lián)系，但較近的事物比較遠的事物關(guān)聯(lián)更強?？梢姡覈?1個省份經(jīng)濟存在關(guān)聯(lián)，距離越近的省份關(guān)聯(lián)越密切。由于資源稟賦、種植結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和城鎮(zhèn)化水平等不同，我國31個省份農(nóng)業(yè)碳排放存在差異，但不同省份由于地緣經(jīng)濟特征、經(jīng)濟的外溢性和經(jīng)濟制度的相似性等原因，本省的農(nóng)業(yè)碳排放可能會影響與其相鄰省份的農(nóng)業(yè)碳排放，即各省份的農(nóng)業(yè)碳排放可能存在空間自相關(guān)性，相鄰省份的農(nóng)業(yè)碳排放空間自相關(guān)性可能更大。本研究采用空間自相關(guān)性檢驗最常用的統(tǒng)計指標Moran’s I指數(shù)，度量我國31個省份農(nóng)業(yè)碳排放的空間自相關(guān)性。

1.2.1 全局空間自相關(guān) 本研究采用Moran’s I全局指數(shù)來描述和反映我國31個省份農(nóng)業(yè)碳排放整體的空間分布狀態(tài)、關(guān)聯(lián)程度和空間集聚特征。但是不能呈現(xiàn)出具體集聚的省份。計算公式如下

(2)

1.2.2 局部空間自相關(guān) Moran’s I局部指數(shù)可以反映鄰近省份之間農(nóng)業(yè)碳排放的相關(guān)程度，能夠呈現(xiàn)出不同省份農(nóng)業(yè)碳排放的集聚或離散效應、空間異質(zhì)性以及變化趨勢。在一定程度上可以彌補全局空間自相關(guān)分析的不足。計算公式如下

(3)

1.3 變量選取與數(shù)據(jù)來源

本研究以狹義農(nóng)業(yè)(種植業(yè))為研究對象，測算2007—2019年共13年全國31個省份的農(nóng)業(yè)碳排放量。根據(jù)造成農(nóng)業(yè)碳排放的六大碳源選擇變量，化肥、農(nóng)藥、農(nóng)膜以2007—2019年各年我國實際使用量為準，翻耕、農(nóng)業(yè)灌溉、農(nóng)用機械分別以2007—2019年各年我國農(nóng)作物實際播種面積、實際灌溉面積、實際柴油使用量為準。所用數(shù)據(jù)均來源于2008—2020年的《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國農(nóng)村環(huán)境統(tǒng)計年鑒》以及2008—2020年各省統(tǒng)計年鑒，缺失數(shù)據(jù)根據(jù)插值法進行推算。

2 結(jié)果與分析

2.1 農(nóng)業(yè)碳排放的時序特征

根據(jù)公式(1)計算我國2007—2019年共13年6種碳排放源的碳排放總量及農(nóng)業(yè)碳排放總量，用單位耕地面積碳排放量計算農(nóng)業(yè)碳排放強度，并計算年均遞增率以及環(huán)比增速(表1)。

2.1.1 農(nóng)業(yè)碳排放量及增速分析 由表1可知，2007年農(nóng)業(yè)碳排放量為7 740.31萬t，2019年農(nóng)業(yè)碳排放量為8 112.41萬t，年均增長率為0.39%。從農(nóng)業(yè)碳排放總量的環(huán)比增速情況來看，其數(shù)值先增加后減少最后變?yōu)樨摂?shù)?；省⑥r(nóng)膜、灌溉、翻耕所產(chǎn)生的碳排放量都出現(xiàn)了不同程度的增長，年均遞增率分別為0.47%、1.83%、1.64%、0.65%。農(nóng)藥、柴油所產(chǎn)生的碳排放量出現(xiàn)了負增長，年均遞增率分別為-1.27%、-0.37%。農(nóng)業(yè)碳排放強度年均增長率為-0.26%。從農(nóng)業(yè)碳排放強度的環(huán)比增速情況來看，其數(shù)值先增加后減少最后變?yōu)樨摂?shù)。

2.1.2 農(nóng)業(yè)碳排放結(jié)構(gòu)分析 由表1可知，2007—2019年化肥產(chǎn)生的農(nóng)業(yè)碳排放量年平均值占到農(nóng)業(yè)碳排放總量年平均值的59.51%，占到一半以上。以2019年為例，化肥、農(nóng)藥、農(nóng)膜、柴油、灌溉、翻耕所產(chǎn)生的農(nóng)業(yè)碳排放量依次為4 839.46萬、686.83萬、1 247.34萬、1 146.28萬、140.63萬、51.87萬t，分別占農(nóng)業(yè)碳排總量的59.66%、8.47%、15.37%、14.13%、1.73%、0.64%。可見化肥是我國農(nóng)業(yè)碳排放的第一大碳源。

2.1.3 農(nóng)業(yè)碳排放發(fā)展階段分析 由表1可知，農(nóng)業(yè)碳排放總量的環(huán)比增速先增加后減少最后變?yōu)樨摂?shù)，因此，可以將該時期我國農(nóng)業(yè)碳排放劃分為快速增長、緩慢增長、加速減少3個階段。第一階段為2007—2009年的快速增長期。環(huán)比增速為正且不斷增加，說明此時期農(nóng)業(yè)碳排放總量呈快速增長趨勢。第二階段為2010—2015年的緩慢增長期。環(huán)比增速為正，但不斷降低，說明此時期農(nóng)業(yè)碳排放總量總體呈緩慢增長趨勢。第三階段為2016—2019年的加速減少期。環(huán)比增速為負且不斷增加，說明此時期我國農(nóng)業(yè)碳排放總量呈加速減少趨勢?？梢?，我國農(nóng)業(yè)碳排放總量在2007—2015年不斷增加，農(nóng)業(yè)碳排放量在2015年達到最大值，2016—2019年開始遞減。這與胡婉玲等的研究結(jié)論一致。原因可能是2015年我國提出農(nóng)業(yè)綠色轉(zhuǎn)型發(fā)展戰(zhàn)略，以及原農(nóng)業(yè)部實施“減肥減藥”等一系列低碳農(nóng)業(yè)政策，在綠色低碳政策的引領(lǐng)下，農(nóng)戶開始由傳統(tǒng)農(nóng)業(yè)生產(chǎn)方式向綠色低碳方式轉(zhuǎn)型，進行低碳生產(chǎn)，農(nóng)藥化肥減量施用，或采納低碳農(nóng)業(yè)技術(shù)，故農(nóng)業(yè)碳排放開始減少。

表1 2007—2019年我國農(nóng)業(yè)碳排放量情況

2.2 我國農(nóng)業(yè)碳排放的區(qū)域比較分析

計算2007—2019年東部、中部、西部地區(qū)的農(nóng)業(yè)碳排放量均值，并繪制時間趨勢圖(圖1)。

2.2.1 從區(qū)域?qū)用婵?由圖1可知，2007—2019年中部地區(qū)農(nóng)業(yè)碳排放量均值大于東部地區(qū)大于西部地區(qū)，3個區(qū)域大體都呈現(xiàn)出先增長后下降的趨勢。2007—2014年中部地區(qū)和東部地區(qū)農(nóng)業(yè)碳排放量不斷上升，2015—2019年不斷下降。2007—2016年西部地區(qū)農(nóng)業(yè)碳排放不斷上升，2017—2019年不斷下降。也可以說明2015年以來各省不斷落實“農(nóng)藥化肥減量”等一系列綠色發(fā)展政策，取得了一定的成效，農(nóng)業(yè)碳排放開始不斷減少。隨著時間的推移，東部與西部地區(qū)的農(nóng)業(yè)碳排放量差距在逐漸變小。中部地區(qū)與東部地區(qū)的農(nóng)業(yè)碳排放量差距在逐漸變大。

2.2.2 從省域?qū)用婵?為了了解我國31個省份農(nóng)業(yè)碳排放的特征，計算了不同省份農(nóng)業(yè)碳排放量，受篇幅限制，只呈現(xiàn)2019年31省份農(nóng)業(yè)碳排放情況(圖2)。由圖2可以看出，河南、山東、江蘇、河北、安徽這5個省份的農(nóng)業(yè)碳排放排在前幾位，占全國農(nóng)業(yè)總碳排放的33.99%。天津、上海、北京、青海、西藏這5個省份的農(nóng)業(yè)碳排放排在最后幾位，占全國農(nóng)業(yè)總碳排放的0.98%?？梢娹r(nóng)業(yè)碳排放主要集中在我國東中部地區(qū)的農(nóng)業(yè)大省，可能的解釋是，山東、河南等農(nóng)業(yè)大省農(nóng)業(yè)還沒有完全實現(xiàn)綠色低碳轉(zhuǎn)型，生產(chǎn)方式仍然比較粗放，農(nóng)藥化肥等投入仍然比較高，綠色生產(chǎn)效率比較低，產(chǎn)生大量的農(nóng)業(yè)碳排放。不同省份農(nóng)業(yè)碳排放總量差異較大。河南省農(nóng)業(yè)碳排放總量最大，總計802.94萬 t，西藏自治區(qū)最小，總計8.07萬 t，河南省的農(nóng)業(yè)碳排放約是西藏自治區(qū)的99倍。

2.3 空間集聚效應分析

2.3.1 全局空間自相關(guān)分析 本研究使用2007—2019年我國31個省份組成的空間面板數(shù)據(jù)，運用Stata 14.0軟件對公式(2)進行估計，得出我國農(nóng)業(yè)碳排放空間自相關(guān)全局Moran’s I指數(shù)值(表2)。

由表2可知，2007—2019年我國農(nóng)業(yè)碳排放全局Moran’s I指數(shù)都是正數(shù)，取值為0.213～0.336，且<0.018，都在1%和5%的顯著性水平上通過檢驗，表明2007—2019年我國農(nóng)業(yè)碳排放存在顯著全局空間自相關(guān)，鄰近省份的農(nóng)業(yè)碳排放之間存在顯著正相關(guān)，呈現(xiàn)集聚特征?？赡艿慕忉屖牵噜徥》葙Y源稟賦、碳減排政策等條件較類似，農(nóng)戶的低碳生產(chǎn)行為具有類似性，使農(nóng)業(yè)碳排放存在空間正相關(guān)。2007—2019年隨著時間的推進，農(nóng)業(yè)碳排放的全局Moran’s I值不斷變小，Moran’s I指數(shù)由2007年的0.336下降至2019年的0.213，說明隨著時間的推進農(nóng)業(yè)碳排放的空間自相關(guān)程度不斷減弱，集聚效應不斷弱化。

表2 2007—2019年我國農(nóng)業(yè)碳排放的全局 Moran’s I 指數(shù)

2.3.2 局域空間自相關(guān)分析 為了準確體現(xiàn)不同省份與鄰接省份農(nóng)業(yè)碳排放空間相關(guān)性、空間分異特征和空間集聚或離散程度，采用局部空間自相關(guān)檢驗并結(jié)合Moran散點圖進行直觀展示。以4年為間隔選取2007、2011、2015、2019年這4年為樣本，運用Stata 14.0軟件對公式(3)進行估計，計算并繪制得到這4年農(nóng)業(yè)碳排放Moran散點圖(圖3)。根據(jù)4年的Moran散點圖將我國31個省份在4類集聚區(qū)的聚集情況進行匯總(表3)。結(jié)合圖3和表3能夠更直觀地分析我國31個省份農(nóng)業(yè)碳排放水平的空間集聚模式和特征。

由圖3可知，Moran散點圖總共有4個象限。依次為高-高(H-H)聚集區(qū)、低-高(L-H)聚集區(qū)、低-低(L-L)聚集區(qū)、高-低(H-L)聚集區(qū)。落在高-高(H-H)聚集區(qū)和低-低(L-L)聚集區(qū)的省份農(nóng)業(yè)碳排放與相鄰省份農(nóng)業(yè)碳排放存在空間正相關(guān)，落在低-高(L-H)聚集區(qū)和高-低(H-L)聚集區(qū)的省份農(nóng)業(yè)碳排放與相鄰省份農(nóng)業(yè)碳排放存在空間負相關(guān)。2007、2011、2015、 2019年在L-L聚集區(qū)和H-H聚集區(qū)的省份分別為19、18、20、20個，H-L聚集區(qū)和L-H集聚區(qū)的省份分別為12、13、11、11個，通過數(shù)值可以看出聚集在 L-L 集聚區(qū)和H-H聚集區(qū)的省份最多，說明我國農(nóng)業(yè)碳排放呈現(xiàn)出高高、低低空間關(guān)聯(lián)模式。通過4年的變化趨勢可以看出，L-L聚集區(qū)或H-H聚集區(qū)的省份空間均質(zhì)性較穩(wěn)定，發(fā)生微弱變動，H-L 聚集區(qū)或L-H集聚區(qū)的省份在空間上異質(zhì)性較穩(wěn)定，發(fā)生微弱變動。

總體來看，2007—2019年我國31個省份農(nóng)業(yè)碳排放水平在空間分布上具有空間自相關(guān)性，并呈現(xiàn)出相對穩(wěn)定的空間集聚性。由表3可知，河北、江蘇、安徽、山東、河南、湖北這6個省份一直處于 H-H 集聚區(qū)，山西、遼寧、上海、 江西這4個省份一直處于L-H集聚區(qū)，福建、海南、貴州、西藏、甘肅、青海、寧夏這7個省份一直處于L-L集聚區(qū)，湖南、廣東、廣西、四川這4省一直處于H-L集聚區(qū)，2007—2019年這21個省份聚集區(qū)非常穩(wěn)定，沒有發(fā)生變化。10個省份農(nóng)業(yè)碳排放空間集聚度發(fā)生微弱變動。2007年北京市、天津市在低-高區(qū)于2011年轉(zhuǎn)入低-低區(qū)，然后穩(wěn)定在低-低區(qū)；2007年云南省、新疆維吾爾自治區(qū)在低-低區(qū)于2011年轉(zhuǎn)入高-低區(qū)，然后穩(wěn)定在高-低區(qū)；2007年重慶市在低-低區(qū)于2011年轉(zhuǎn)入低-高區(qū)，并于2015年又轉(zhuǎn)入低-低區(qū)，然后穩(wěn)定在低-低區(qū)；2007年陜西省在低-低區(qū)于2011年轉(zhuǎn)入低-高區(qū)，并于2015年又轉(zhuǎn)入高-高區(qū)，然后穩(wěn)定在高-高區(qū)；2007年浙江省在高-低區(qū)于2011年轉(zhuǎn)入低-低區(qū)，然后穩(wěn)定在低-低區(qū)；2011年內(nèi)蒙古自治區(qū)在低-低區(qū)于2015年轉(zhuǎn)入高-低區(qū)，然后穩(wěn)定在高-低區(qū)；2011年吉林省在低-低區(qū)于2015年轉(zhuǎn)入高-高區(qū)，然后穩(wěn)定在高-高區(qū)；2011年黑龍江省在高-低區(qū)于2015年轉(zhuǎn)入高-高區(qū)，然后穩(wěn)定在高-高區(qū)?？梢?，到2015、2019年所有省份農(nóng)業(yè)碳排放空間集聚度趨于穩(wěn)定，不發(fā)生變動。

表3 2007、2011、2015、2019年各省農(nóng)業(yè)碳排放局部空間聚類

由表3可知，具體分析2007、2011、2015、2019年農(nóng)業(yè)碳排放4個集聚區(qū)的省份分布及其集聚特征。

高-高(H-H)集聚區(qū)。H-H象限省份數(shù)目不斷增加。河北、江蘇、安徽、山東、河南、湖北這6個省份一直處于高-高(H-H)集聚區(qū)。2015年，吉林省于由低-低區(qū)轉(zhuǎn)入，黑龍江省由高-低區(qū)轉(zhuǎn)入，陜西省由低-高區(qū)轉(zhuǎn)入。到2015、2019年高-高(H-H)集聚區(qū)由2007年和2011年的6個省份增加至9個省份。2007、2011年，東部和中部各有3個省份。2015、2019年，中部地區(qū)占5個，東部地區(qū)占3個，西部地區(qū)占1個，其中8個省份是我國的糧食主產(chǎn)區(qū)。該集聚區(qū)表示農(nóng)業(yè)碳排放高省份被鄰近農(nóng)業(yè)碳排放較高省份包圍的空間集聚形式。聚集在該區(qū)的主要是我國的糧食大省，農(nóng)業(yè)碳排放整體較高，帶動周邊省份的農(nóng)業(yè)碳排放也有所增加。因此，該集聚區(qū)能夠產(chǎn)生擴散效應，呈現(xiàn)強強集聚的特征。

低-高(L-H)集聚區(qū)。L-H象限省份數(shù)目不斷減少。山西、遼寧、上海、江西這4個省份一直處于低-高集聚區(qū)。2007年北京市、天津市在低-高區(qū)于2011年轉(zhuǎn)入低-低區(qū)，并趨于穩(wěn)定，2007年重慶市在低-低區(qū)于2011年轉(zhuǎn)入低-高區(qū)，并于2015年又轉(zhuǎn)回低-低區(qū)，2007年陜西省在低-低區(qū)于2011年轉(zhuǎn)入低-高區(qū)，并于2015年又轉(zhuǎn)入高-高區(qū)，該區(qū)域會向低-低和高-高集聚區(qū)過渡。到2015—2019年穩(wěn)定在山西、遼寧、上海、江西4個省份，東部地區(qū)2個，中部地區(qū)2個。該集聚區(qū)代表農(nóng)業(yè)碳排放低的省份被鄰近農(nóng)業(yè)碳排放高的省份包圍的空間集聚形式。該集聚區(qū)農(nóng)業(yè)碳排放較低，然而，其鄰接省份農(nóng)業(yè)碳排放較高。如山西省農(nóng)業(yè)碳排放低，但鄰接的河南、河北等糧食大省農(nóng)業(yè)碳排放高；遼寧省農(nóng)業(yè)碳排放低，但鄰接的吉林省農(nóng)業(yè)碳排放高；上海市農(nóng)業(yè)碳排放低，但鄰接的安徽省、江蘇省農(nóng)業(yè)碳排放高；江西省農(nóng)業(yè)碳排放低，但鄰接的湖北省、安徽省農(nóng)業(yè)碳排放高。相鄰接的高碳排放省份通過擴散效應輻射增加了低碳排放省份的農(nóng)業(yè)碳排放，使其不斷向低-低和高-高集聚區(qū)過渡。

低-低(L-L)集聚區(qū)。L-L集聚區(qū)省份數(shù)目不斷減少。福建、海南、貴州、西藏、甘肅、青海、寧夏這7個省份一直處于低-低集聚區(qū)。2011年內(nèi)蒙古自治區(qū)在低-低區(qū)于2015年轉(zhuǎn)入高-低區(qū)，2011年吉林省在低-低區(qū)于2015年轉(zhuǎn)入高-高區(qū)。到2015、2019年穩(wěn)定在北京、天津、浙江、福建、海南、重慶、貴州、西藏、甘肅、青海、寧夏這11個省份，東部地區(qū)5個，西部地區(qū)6個。在4種類型集聚區(qū)中省份占比最高。該集聚區(qū)代表農(nóng)業(yè)碳排放低的省份被其他鄰近農(nóng)業(yè)碳排放較低的省份所包圍的空間聯(lián)系形式，呈現(xiàn)低低集聚的特征。

高-低(H-L)集聚區(qū)。湖南、廣東、廣西、四川這4省一直處于該集聚區(qū)。到2015、2019年穩(wěn)定在內(nèi)蒙古、湖南、廣東、廣西、四川、云南、新疆這7個省份，西部地區(qū)5個，東部地區(qū)1個，中部地區(qū)1個。2007年新疆維吾爾自治區(qū)、云南省在低-低區(qū)于2011年轉(zhuǎn)入高-低區(qū)，2007年浙江省在高-低區(qū)于2011年轉(zhuǎn)入低-低區(qū)。該區(qū)域代表農(nóng)業(yè)碳排放高的省份被其他鄰近農(nóng)業(yè)碳排放較低的省份包圍的空間聯(lián)系形式，該區(qū)域省份農(nóng)業(yè)碳排放較高，其鄰接省份農(nóng)業(yè)碳排放較低。

3 結(jié)論與建議

本研究在測算2007—2019年我國農(nóng)業(yè)碳排放的基礎(chǔ)上，采用空間Moran’s I指數(shù)分析我國農(nóng)業(yè)碳排放的時空動態(tài)變化和空間集聚特征。結(jié)果表明，2007—2019年我國農(nóng)業(yè)碳排放劃分為快速增長、緩慢增長、加速減少3個階段。我國農(nóng)業(yè)碳排放的高低排序依次為中部地區(qū)、東部地區(qū)、西部地區(qū)?；适俏覈r(nóng)業(yè)碳排放的第一大碳源。2007—2019年我國農(nóng)業(yè)碳排放存在全局空間自相關(guān)，并隨著時間不斷推進逐漸減弱，集聚效應不斷弱化。2007—2019年我國各省份農(nóng)業(yè)碳排放水平在空間分布上具有局部空間自相關(guān)性，呈現(xiàn)高高和低低集聚的特征，并呈現(xiàn)出相對穩(wěn)定的空間集聚性，21個省份聚集區(qū)穩(wěn)定，沒有發(fā)生變化，只有少數(shù)省份農(nóng)業(yè)碳排放空間集聚度發(fā)生微弱變動，到2015、2019年所有省份農(nóng)業(yè)碳排放空間集聚度趨于穩(wěn)定，不發(fā)生變動。我國農(nóng)業(yè)碳排放高-高集聚區(qū)省份中大多是我國糧食主產(chǎn)區(qū)。低-高區(qū)容易向低-低區(qū)和高-高區(qū)過渡。低-低集聚區(qū)省份最多，主要集中在東西部地區(qū)，屬于低值與低值集聚，農(nóng)業(yè)碳排放較低。高-低集聚區(qū)省份大多是西部地區(qū)。

綜上，為加快實現(xiàn)碳達峰和碳中和目標，提出以下對策建議：第一，大力推進農(nóng)戶轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式，進行低碳生產(chǎn)。持續(xù)推進農(nóng)藥化肥減量施用，促進農(nóng)戶農(nóng)藥化肥減量施用行為，或采用有機肥、生物農(nóng)藥等替代性低碳農(nóng)業(yè)技術(shù)，促進農(nóng)戶秸稈還田，回收農(nóng)膜，使用環(huán)保機械，以此減少農(nóng)業(yè)碳排放，進而提高農(nóng)業(yè)生產(chǎn)效率實現(xiàn)農(nóng)業(yè)綠色低碳轉(zhuǎn)型。第二，調(diào)整農(nóng)業(yè)種植結(jié)構(gòu)。減少耗費大量農(nóng)藥化肥作物的種植，減少傳統(tǒng)農(nóng)業(yè)的比例，重點發(fā)展生態(tài)農(nóng)業(yè)、旅游農(nóng)業(yè)、低碳農(nóng)業(yè)等，減少農(nóng)業(yè)碳排放。第三，建立農(nóng)業(yè)碳減排合作機制。省份之間農(nóng)業(yè)碳排放存在空間自相關(guān)性，因此，不同省份之間可以建立合作機制，加強省份之間的協(xié)作，農(nóng)業(yè)碳排放較低的省份將其碳減排經(jīng)驗分享給農(nóng)業(yè)碳排放較高的省份，降低高排放省份的農(nóng)業(yè)碳排放。第四，推廣農(nóng)業(yè)低碳技術(shù)。積極推廣地膜回收技術(shù)、節(jié)水灌溉技術(shù)、生物農(nóng)藥技術(shù)等低碳農(nóng)業(yè)技術(shù)，加大補償力度，促進農(nóng)戶采納。