基于地理探測器的濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡時(shí)空演變及影響因素分析

吳云青 史倩文

摘??? 要：為明確濟(jì)寧市碳排放、碳吸收與碳足跡時(shí)空演變特點(diǎn)，為濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)減源增匯及農(nóng)業(yè)可持續(xù)發(fā)展提供參考。基于2007—2019年濟(jì)寧市縣域尺度的數(shù)據(jù)，計(jì)算了濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳排放、碳吸收和碳足跡，并基于地理探測器探討了其影響因素。研究結(jié)果表明：濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳排放呈逐年下降的態(tài)勢，在空間上總體呈西部高、東南、中北部低的分布格局；碳吸收量總體呈上升的態(tài)勢，在空間上總體呈西部高、東北和東南部相對較低的分布格局；碳足跡總體呈下降的態(tài)勢，農(nóng)田生態(tài)系統(tǒng)始終處于碳生態(tài)盈余狀態(tài)，碳足跡的空間分布與碳排放的空間布局基本相似。地理探測器分析結(jié)果表明，農(nóng)膜使用量對農(nóng)田生態(tài)系統(tǒng)碳足跡影響最大，化肥使用量影響最小，任意2個(gè)影響因素交互作用的影響力均大于單因素影響力。最后，從減少碳排放、增加碳匯、完善相關(guān)政策制度方面提出了提升濟(jì)寧市低碳綠色農(nóng)業(yè)發(fā)展水平的建議。

關(guān)鍵詞：農(nóng)田生態(tài)系統(tǒng)；碳排放；碳吸收；碳足跡；地理探測器

中圖分類號：S181????????? 文獻(xiàn)標(biāo)識碼：A?????? ???DOI 編碼：10.3969/j.issn.1006－6500.2023.07.004

Spatial-temporal Evolution and Influencing Factors of Carbon Footprint of Farmland Ecosystem in Jining City Based on Geographic Detector

WU Yunqing1， SHI Qianwen2

（1.College of Environmental Science and Engineering， Tiangong University， Tianjin 300387， China; 2.College of Economics and Management， Tiangong University， Tianjin 300387， China）

Abstract： To explore the spatio-temporal evolution characteristics， and provide reference for reducing carbon sources and increasing carbon sink of farmland ecosystems in Jining City and the sustainable development of agriculture. Based on the data from 2007 to 2019 of county scale in Jining City， the paper calculated the carbon emission， carbon absorption and carbon footprint of farmland ecosystem in Jining City， then analyzed the influence factors using geographic detector. The results showed that： the carbon emission came down year by year， its spatial distribution pattern was higher in the west and lower in the southeast and central north; The carbon absorption was generally on the rise， its spatial distribution pattern was higher in the west and lower in the northeast and southeast; The carbon footprint was generally in a steady decline， its spatial distribution pattern was similar to carbon absorption's， the farmland ecosystem is always in the state of carbon ecological surplus. The analysis by geographic detector showed that the amount of agricultural film uses was the biggest influence factor of carbon footprint of farmland ecosystem and the amount of fertilizers uses was the smallest， The influence of the interaction of any two influence factors was greater than that of the single factor. Finally， the paper put forward some suggestions to promote the development level of green agriculture in Jining City from the following respects： cutting carbon emissions， increasing carbon sink， improving relevant policies and systems.

Key words： farmland ecosystem; carbon emission; carbon absorption; carbon footprint; geographic detector

20世紀(jì)90年代以來，溫室氣體排放、全球變暖問題受到世界各國的廣泛關(guān)注，發(fā)展低碳經(jīng)濟(jì)、構(gòu)建低碳社會(huì)成為人類社會(huì)應(yīng)對氣候變化，實(shí)現(xiàn)可持續(xù)發(fā)展的戰(zhàn)略選擇。作為陸地生態(tài)系統(tǒng)的重要組成部分，農(nóng)田生態(tài)系統(tǒng)在陸地碳循環(huán)中發(fā)揮著至關(guān)重要的作用[1]。一方面，大氣中相當(dāng)比例的二氧化碳、甲烷、氧化亞氫產(chǎn)生于農(nóng)業(yè)生產(chǎn)；另一方面，農(nóng)田生態(tài)系統(tǒng)也是重要的碳庫[2]。研究農(nóng)田生態(tài)系統(tǒng)碳動(dòng)態(tài)對于降低碳排放，增加碳匯進(jìn)而達(dá)成“雙碳”目標(biāo)具有重要意義。作為定量測算評價(jià)溫室氣體排放量的方法，碳足跡分析方法受到越來越多學(xué)者的關(guān)注并被應(yīng)用到了農(nóng)田生態(tài)系統(tǒng)中，農(nóng)田生態(tài)系統(tǒng)碳足跡可以系統(tǒng)分析人類活動(dòng)產(chǎn)生的碳排放量，從而量化衡量各類農(nóng)業(yè)活動(dòng)的溫室效應(yīng)。當(dāng)前國外關(guān)于農(nóng)田生態(tài)系統(tǒng)碳足跡的研究主要集中在碳足跡指標(biāo)[3-4]、模型測算及其應(yīng)用研究[5-6]方面，國內(nèi)主要涉及內(nèi)涵及計(jì)算方法探討[7]、區(qū)域農(nóng)田生態(tài)系統(tǒng)碳足跡計(jì)算及其時(shí)空特征分析[8-9]、農(nóng)田生態(tài)系統(tǒng)碳足跡影響因素研究[10-11]、減源增匯對策[12]，還有一些學(xué)者專門研究了保水劑用量[13]、耕作方式[14]對于農(nóng)田生態(tài)系統(tǒng)碳足跡的影響作用。

以上研究為本文提供了重要借鑒與啟示，但尚有以下不足之處：（1）當(dāng)前研究大多是全國、省域尺度的分析，而具體到地級市尺度的研究還不多見；（2）關(guān)于農(nóng)田生態(tài)系統(tǒng)碳足跡影響因素的研究較少，為數(shù)不多的研究也大多為定性分析，主觀性較強(qiáng)，缺乏基于定量分析方法的研究。有鑒于此，本文在參考借鑒已有研究成果的基礎(chǔ)上，以濟(jì)寧市為研究區(qū)域，從地級市尺度分析該市2007—2019年農(nóng)田生態(tài)系統(tǒng)碳足跡的時(shí)空演變特點(diǎn)，以地理探測器分析其影響因素，以期為科學(xué)制定農(nóng)業(yè)減排政策，發(fā)展綠色農(nóng)業(yè)提供參考依據(jù)。

1 材料與方法

1.1 數(shù)據(jù)來源

本文研究區(qū)域?yàn)樯綎|省濟(jì)寧市，濟(jì)寧市位于山東西南部，處于東經(jīng)115°54'～117°06'、北緯34°25'～35°55'之間，屬于暖溫帶季風(fēng)氣候，全市地形以平原洼地為主，地貌類型較為復(fù)雜。到2020年，全市土地總面積110萬hm2，其中耕地達(dá)到了601 800 hm2。較高的土地利用率以及較為豐富的湖水資源使得濟(jì)寧市農(nóng)林牧漁業(yè)發(fā)展較為全面且農(nóng)業(yè)種植結(jié)構(gòu)多樣化，主要有小麥、稻谷、玉米、棉花、油料作物、糖料作物，2020年的種植面積分別達(dá)到了2 338、3 008、4 126、317、1 313、157萬 hm2。2020年濟(jì)寧市農(nóng)林牧漁業(yè)總產(chǎn)值為999.52億元，其中農(nóng)業(yè)產(chǎn)值為552.15億元，占比達(dá)55.2%。

本文數(shù)據(jù)主要來源于《濟(jì)寧統(tǒng)計(jì)年鑒》（2008—2020年），包括11種主要農(nóng)作物的實(shí)際產(chǎn)量和播種面積、化肥施用量、農(nóng)藥用量、農(nóng)膜用量、農(nóng)用柴油用量、農(nóng)業(yè)機(jī)械總動(dòng)力、有效灌溉面積、農(nóng)作物總播種面積等。

1.2 研究方法

1.2.1 碳排放計(jì)算方法 碳排放是某種產(chǎn)品或某項(xiàng)活動(dòng)向大氣圈中轉(zhuǎn)移碳的過程或機(jī)制[8]，其計(jì)算公式為：

式中，Et為碳排放總量；Ea為化肥施用引起的碳排放量；Eb為農(nóng)藥生產(chǎn)和使用過程產(chǎn)生的碳排放量；Ec為農(nóng)膜投入造成的碳排放量；Ed為農(nóng)用柴油使用造成的碳排放量；Ee為農(nóng)業(yè)灌溉過程中產(chǎn)生的碳排放量；Ef為農(nóng)業(yè)機(jī)械造成的碳排放量[15]，以上指標(biāo)單位均為t。其中：

式中，Ga、Gb、Gc、Gd分別為化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油的使用量；Ge為有效灌溉面積；Ve 為文中選取的11種農(nóng)作物的種植面積；Ue為農(nóng)業(yè)機(jī)械總動(dòng)力；A、B、C、D、E、F、G分別為其各自的碳排放系數(shù)，參考相關(guān)文獻(xiàn)[16]，各系數(shù)值確定為：A=0.859 6 kg·kg-1、B=4.934 1 kg·kg-1、C=5.18 kg·kg-1、D=0.59 kg·kg-1、E=266.48 kg·hm-2、F=16.47 kg·hm-2、G=0.18 kg·kw-1。

1.2.2 碳吸收計(jì)算方法 碳吸收是指某種產(chǎn)品或某項(xiàng)活動(dòng)消除大氣圈中的碳的過程或機(jī)制，濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)的碳吸收量可表示為：

式中，Ct為碳吸收總量（t）；Ci為第i類農(nóng)作物碳吸收率；Yi為第i類農(nóng)作物的實(shí)際產(chǎn)量；Wi 為第i類農(nóng)作物的含水率；Hi為第i類農(nóng)作物的經(jīng)濟(jì)系數(shù)。Ci、Wi、Hi的取值參考葉文偉等[11]的相關(guān)研究。

1.2.3 碳足跡計(jì)算方法 參照許萍萍等[8]的研究，本文將碳足跡定義為吸收由于農(nóng)業(yè)活動(dòng)而直接或間接造成的二氧化碳排放所需的生產(chǎn)性土地面積，計(jì)算公式為：

式中，CF為濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡；NEP為單位面積碳吸收能力，即每公頃農(nóng)田每年的碳吸收量；S為農(nóng)作物總播種面積。

式中，CER為生態(tài)盈虧。若結(jié)果為正值，表示生態(tài)盈余；結(jié)果為負(fù)值，則表示生態(tài)赤字。

1.2.4 地理探測器 地理探測器是由王勁峰等[17]學(xué)者提出的一種用于度量空間變量空間分異程度及揭示其驅(qū)動(dòng)因素的統(tǒng)計(jì)學(xué)方法，本文利用地理探測器的因子探測器及交互作用探測研究在農(nóng)作物全生育期化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油使用量、灌溉面積、農(nóng)業(yè)機(jī)械總動(dòng)力等單一因素和因素間的交互作用對農(nóng)田生態(tài)系統(tǒng)碳足跡時(shí)空分異的影響，用q值來度量單因素解釋力，計(jì)算公式為：

式中，N和Ni分別為總區(qū)域和第i個(gè)子區(qū)域的樣本數(shù)量，i=1，2，…L，L為子區(qū)域數(shù)目；σ2和σ2 i 分別為區(qū)域碳足跡總方差和i子區(qū)域碳足跡的方差；q為驅(qū)動(dòng)因素對碳足跡空間分層異質(zhì)性影響力強(qiáng)弱，q∈[0，1]，q值越大，表示解釋變量的解釋力越強(qiáng)，反之則越弱。

2 結(jié)果與分析

2.1 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳排放分析

2.1.1 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳排放時(shí)序變化? 如圖1所示，2007—2019年，濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳排放總量呈逐年下降的態(tài)勢，由2007年77.96萬 t下降到了2019年61.90萬t，降低了16.06萬 t，年均下降1.90%。除農(nóng)業(yè)灌溉引起的碳排放量總體略微增加外，其他5種排放因子引起的碳排放量均有所降低，農(nóng)膜使用量減少帶來的碳排放量降低最為明顯，下降比例為3.88%，其次為農(nóng)用柴油和化肥的減量使用，其帶來的碳排放下降比例分別為3.71%、2.23%。總體來說，化肥施用引起的碳排放量最大，但有下降的趨勢，其占農(nóng)田生態(tài)系統(tǒng)碳排放的比例由2007年51.41%降至2019年49.42%。農(nóng)業(yè)灌溉、農(nóng)藥和農(nóng)膜使用帶來的碳排放量也較大，年均排放量占年均排放總量的比例分別為17.36%、10.54%、9.62%，碳排放量最少的碳源是農(nóng)業(yè)機(jī)械的使用?；实氖┯媚芴岣咿r(nóng)作物產(chǎn)量，但其帶來的碳排放問題應(yīng)引起高度重視。未來幾年，濟(jì)寧市減少農(nóng)田生態(tài)系統(tǒng)碳排放的關(guān)鍵在于合理減少各種化肥的施用。

2.1.2 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳排放空間變化 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳排放在空間上總體呈西部高，東南、中北部低的分布格局。西部的金鄉(xiāng)縣、嘉祥縣、梁山縣碳排放量一直位居濟(jì)寧市前3位，其中金鄉(xiāng)縣的碳排放量始終最高，年均達(dá)到了116 590 t，占濟(jì)寧市年均碳排放總量的16.44%，金鄉(xiāng)縣碳排放量長期居高不下的原因主要在于其化肥施用量大，年均施用量達(dá)到了83 303.87 t，占全市的19.55%。微山縣、兗州區(qū)、魚臺(tái)縣、曲阜市碳排放量一直相對較低，其中微山縣碳排放量長期處于濟(jì)寧市最低水平，其年均碳排放量僅為37 200 t，占濟(jì)寧全市碳排放量的5.25%。2007—2019年，在所有的區(qū)縣市中，除泗水縣碳排放量略有增長（由46 970 t增長到49 790 t）外，其余區(qū)縣市碳排放量總體均呈下降趨勢，其中，碳排放量減幅最大的是微山縣，其下降比例達(dá)到了36.95%，任城區(qū)碳排放量下降比例也達(dá)到了36.94%，兗州區(qū)、金鄉(xiāng)縣和魚臺(tái)縣的下降比例也均在30%以上，碳排放量下降幅度最小的是梁山縣，由2007年78 350 t下降到了2019年77 260 t，僅下降了1.40%。

2.2 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳吸收分析

2.2.1 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳吸收時(shí)序變化? 2007—2019年，濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳吸收量總體呈上升態(tài)勢，由2007年555.93萬t增長為2019年561.52萬t，增長了1%。這說明濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳匯能力在不斷增強(qiáng)。具體而言，濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳吸收的時(shí)序變化可以分為2個(gè)階段：2007—2013年，碳吸收量呈不斷增長的態(tài)勢，年均增長3.86%；2013—2019年，碳吸收量又開始逐年下降，下降比例達(dá)到了19.53%。濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳吸收量之所以出現(xiàn)這種時(shí)序變化特點(diǎn)，主要原因在于農(nóng)作物播種面積的動(dòng)態(tài)變化，比如2007年濟(jì)寧市小麥的播種面積為304 741 hm2，之后逐年遞增，2013年達(dá)到了379 346.45 hm2的峰值，其后開始逐年下降，2019年僅為346 363.90 hm2；濟(jì)寧市主要農(nóng)作物玉米播種面積的時(shí)序變化也大體呈現(xiàn)這種“總體上升，階段性先上升后下降”的變化規(guī)律。

分農(nóng)作物來看，濟(jì)寧市小麥、玉米、蔬菜、棉花等主要農(nóng)作物的碳吸收量都較多，比如2019年，主要糧食作物小麥的碳吸收量達(dá)到了237.69萬t，玉米的碳吸收量達(dá)到了186.28萬 t；而雜糧作物的碳吸收量均較少，比如2019年，高粱的碳吸收量僅為0.03萬 t，谷子的碳吸收量僅為0.37萬t。2007—2019年，小麥、水稻、玉米、谷子、豆類的碳吸收量總體是增加的，而高粱、薯類、花生、棉花、蔬菜、瓜果的碳吸收量總體是下降的。

2.2.2 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳吸收空間變化 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳吸收量在空間上總體呈西部高、東北和東南部相對較低的分布格局。汶上縣、嘉祥縣和梁山縣的碳吸收量最高，其年均碳吸收量分別達(dá)到了79.071萬t、78.981萬t、78.410萬 t，分別占濟(jì)寧市年均農(nóng)田生態(tài)系統(tǒng)碳吸收總量的12.52%、12.50%、12.41%；農(nóng)田生態(tài)系統(tǒng)碳吸收量較低的是泗水縣和微山縣，其農(nóng)田生態(tài)系統(tǒng)年均碳吸收量占濟(jì)寧市年均量的比例分別為5.79%、6.12%。2007—2019年期間，除任城區(qū)、泗水縣、兗州區(qū)和鄒城市外，其他縣區(qū)碳吸收量總體上均呈增加態(tài)勢。其中，增幅最大的為金鄉(xiāng)縣和汶上縣，碳吸收量分別由2007年的42.630萬t、59.587萬 t增加至2019年的51.630萬t、72.105萬t，增長比例分別為21.11%、21%。在碳吸收量整體呈下降態(tài)勢的區(qū)縣中，下降幅度較大的地區(qū)是兗州區(qū)和鄒城市，2007—2019年，其下降比例分別達(dá)到了21.92%、20.52%。

2.3 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡分析

2.3.1 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡時(shí)序變化 如圖2所示，2007—2019年，濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡總體呈下降的態(tài)勢，這與其農(nóng)作物播種總面積的變化態(tài)勢大體相同。具體分析來看，濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡的變化較為曲折，碳足跡在2007年達(dá)到了14.56萬hm2，在2008年下降到了12.72萬hm2，于2010年增長到了13.03萬hm2，之后又經(jīng)歷多次升降過程，2019年濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡為10.71萬hm2，相比于2007年，下降了26.39%。農(nóng)田生態(tài)系統(tǒng)單位面積碳足跡與碳足跡總量時(shí)序變化特征基本相同，2007年單位面積碳足跡為0.140 2 hm2·hm-2，在2008年下降到了0.120 9 hm2·hm-2，于2010年增長到了0.122 2 hm2·hm-2，其后又經(jīng)歷多次起伏變化過程，2019年濟(jì)寧市單位面積農(nóng)田生態(tài)系統(tǒng)碳足跡僅為0.110 2 hm2·hm-2，相對于2007年下降了21.40%。這說明作為一個(gè)碳庫，濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳匯能力在逐漸增強(qiáng)。另外，從生態(tài)盈虧方面來看，濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)始終處于碳生態(tài)盈余狀態(tài)，但生態(tài)盈余量的變化經(jīng)歷了2個(gè)階段：2007—2012年為生態(tài)盈余持續(xù)上升期，碳生態(tài)盈余由2007年89.25萬hm2上升至2012年96.87萬 hm2，增長了8.54%；2012—2019年為生態(tài)盈余持續(xù)下降期，碳生態(tài)盈余由2012年96.87萬hm2下降到了2019年的86.47萬hm2，下降了10.74%。在此期間，濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳生態(tài)盈余之所以呈現(xiàn)“先上升后下降”的特點(diǎn)，原因在于2012年后濟(jì)寧市耕地面積持續(xù)減少。

2.3.2 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡空間變化 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡的空間分布整體呈西南高，東南、中北部低的分布格局，與碳排放的空間分布格局基本相似。碳足跡總量最大的是金鄉(xiāng)縣，2007—2019年間的年均碳足跡達(dá)到了3.044萬 hm2，占濟(jì)寧市年均碳足跡總量的26.02%；其次是嘉祥縣和梁山縣，碳足跡分別為1.373萬 hm2、1.321萬 hm2；碳足跡最小的為微山縣，總量為0.594萬hm2，僅為金鄉(xiāng)縣農(nóng)田生態(tài)系統(tǒng)碳足跡的19.53%，兗州區(qū)和曲阜市的農(nóng)田生態(tài)系統(tǒng)碳足跡也較小，分別僅為0.653萬 hm2、0.757萬hm2。

在濟(jì)寧市11個(gè)區(qū)縣市中，除了泗水縣之外（碳足跡由2007年1.092萬hm2增長到2019年1.133萬hm2），其他區(qū)縣市的農(nóng)田生態(tài)系統(tǒng)碳足跡均呈下降的態(tài)勢。由圖3可知，2007、2011、2015、2019年，金鄉(xiāng)縣、嘉祥縣、梁山縣、鄒城區(qū)的碳足跡總量一直較高，排名一直位列前4，而微山縣、兗州區(qū)的碳足跡總量一直較低，排名較為靠后；相對而言，任城區(qū)碳足跡總量的變化較大，由2007年1.219萬hm2下降到了2019年0.691萬hm2，降低了43.36%。金鄉(xiāng)縣雖然碳足跡總量最大，但下降速度也較快，由2007年4.295萬hm2降低至2019年2.452萬hm2，年均下降4.56%；除此之外，微山縣和兗州區(qū)碳足跡下降的速度也較快，其年均下降比率分別為4.29%、4.28%。

2.4 濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡的影響因素分析

依據(jù)農(nóng)田生態(tài)系統(tǒng)碳足跡的內(nèi)涵界定、研究區(qū)實(shí)際狀況，考慮到數(shù)據(jù)的可獲得性，選擇2019年濟(jì)寧市各縣級單元的化肥施用量（x1）、農(nóng)藥使用量（x2）、農(nóng)膜投入量（x3）、農(nóng)用柴油使用量（x4）、有效灌溉面積（x5）、農(nóng)業(yè)機(jī)械總動(dòng)力（x6）6個(gè)因素為自變量，利用地理探測器分析濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡的影響因素。地理探測分析結(jié)果（表1）表明：6種驅(qū)動(dòng)因素均在5%置信水平上顯著，單因素解釋力q值均大于0.1，其中，農(nóng)膜使用量對碳足跡的解釋力最大（q=0.591），其次是農(nóng)藥使用量（q=0.548），化肥施用量對碳足跡的影響力最小（q=0.153），這說明濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡大小與農(nóng)藥、農(nóng)膜使用數(shù)量密切相關(guān)。

交互探測可以探測出任意兩因素之間的相互作用，即評估在影響因素A和B的共同作用下，兩個(gè)影響因素對濟(jì)寧市碳足跡的影響力是增強(qiáng)、減弱還是獨(dú)立。由表2可知，即使是單因素作用力最強(qiáng)的影響因素仍小于任意2個(gè)影響因素的交互作用力，即其交互作用類型表現(xiàn)為雙因素增強(qiáng)，這說明因素間的交互作用會(huì)增強(qiáng)對濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡分異性的解釋?；逝c其他影響因素共同作用時(shí)對碳足跡的解釋力都較強(qiáng)，其交互作用的解釋力均在0.9以上。因其本身單獨(dú)作用時(shí)解釋力就較強(qiáng)，農(nóng)膜與其他影響因素的交互作用力均較大，除與農(nóng)藥的交互作用外，農(nóng)膜與其他影響因素間的交互作用解釋力也均在0.9以上。農(nóng)膜與有效灌溉面積的相互作用影響力最大，為0.997，交互作用力最小的是有效灌溉面積與農(nóng)業(yè)機(jī)械總動(dòng)力2種影響因素的共同作用，為0.672。交互作用表現(xiàn)為雙因素增強(qiáng)的只有農(nóng)藥與農(nóng)膜、農(nóng)藥與農(nóng)用柴油、農(nóng)藥與有效灌溉面積、農(nóng)膜與農(nóng)用柴油、有效灌溉面積與農(nóng)業(yè)機(jī)械總動(dòng)力5種，其余10種交互作用類型均為雙因素增強(qiáng)和非線性增強(qiáng)。這說明各影響因素對于濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡影響力的強(qiáng)弱既不是某一因素的單獨(dú)作用，也不是簡單2種因素作用的疊加，而是多種因素綜合作用的結(jié)果。

3 討論與結(jié)論

基于2007—2019年濟(jì)寧市縣域尺度的農(nóng)作物播種面積、農(nóng)作物產(chǎn)量、農(nóng)資投入等數(shù)據(jù)，計(jì)算了濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)的碳排放、碳吸收和碳足跡，并探討了其影響因素，主要研究結(jié)論如下：

（1）2007—2019年，濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳排放總量呈逐年下降的態(tài)勢，除農(nóng)業(yè)灌溉引起的碳排放量總體略微增加外，其他排放因子引起的碳排放量均有所降低，農(nóng)膜使用量的減少帶來的碳排放量降低最為明顯。化肥施用引起的碳排放量最大，但有下降趨勢。濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳排放在空間上總體呈西部高，東南、中北部低的分布格局。

（2）2007—2019年，濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳吸收量總體呈上升態(tài)勢，農(nóng)田生態(tài)系統(tǒng)碳匯能力不斷增強(qiáng)。濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳吸收量在空間上總體呈西部高、東北和東南部相對較低的空間分布格局。

（3）2007—2019年，濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡總體呈下降態(tài)勢，這與其農(nóng)作物播種總面積的變化態(tài)勢大體吻合。濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)始終處于碳生態(tài)盈余狀態(tài)，碳足跡的空間分布與碳排放的空間分布格局基本相似。

（4）濟(jì)寧市農(nóng)田生態(tài)系統(tǒng)碳足跡影響因素的地理探測器分析結(jié)果表明，農(nóng)膜使用量對農(nóng)田生態(tài)系統(tǒng)碳足跡影響最大，化肥施用量影響最小。任意因素間的交互作用力均大于單因素作用力，各因素對碳足跡影響力的強(qiáng)弱是多因素共同作用的結(jié)果，這也是碳足跡較難降低的原因。在農(nóng)田生態(tài)系統(tǒng)的管理中，管理者應(yīng)綜合考慮各因素的影響，結(jié)合單因素探測值與因素交互作用探測值制定具有針對性的方案，最大程度降低碳足跡。

基于以上研究結(jié)論，為提升濟(jì)寧市綠色農(nóng)業(yè)發(fā)展水平，提出以下幾方面的建議：其一，從減少碳排放的角度，應(yīng)控制和優(yōu)化化肥、農(nóng)藥、農(nóng)膜等農(nóng)業(yè)化學(xué)品的使用，綜合運(yùn)用財(cái)政、金融等手段鼓勵(lì)支持使用有機(jī)肥、可降解農(nóng)膜，倡導(dǎo)秸稈還田、測土配方施肥、畜禽糞污和廢棄物資源化利用，大力推廣噴灌、滴灌等現(xiàn)代農(nóng)業(yè)技術(shù)和節(jié)能型農(nóng)業(yè)機(jī)械；其二，從增加碳匯的角度，要完善農(nóng)業(yè)基礎(chǔ)設(shè)施，優(yōu)化農(nóng)業(yè)生產(chǎn)技術(shù)和管理方式，加大高標(biāo)準(zhǔn)農(nóng)田建設(shè)力度，提升復(fù)種指數(shù)，培育良種，提高農(nóng)作物抵御自然災(zāi)害的能力，提升農(nóng)作物產(chǎn)量；其三，要進(jìn)一步完善耕地生態(tài)補(bǔ)償機(jī)制，構(gòu)建耕地固碳減排監(jiān)測機(jī)制、農(nóng)業(yè)碳排放核算方法體系等，以制度創(chuàng)新推進(jìn)農(nóng)田生態(tài)系統(tǒng)的固碳減排。

不可否認(rèn)，本文也有一定的局限性，研究結(jié)果的精確性有待提高。首先，所采用的碳排放系數(shù)、農(nóng)作物的經(jīng)濟(jì)系數(shù)等各類系數(shù)均直接參考其他相關(guān)研究，并沒有在實(shí)地考察的基礎(chǔ)上結(jié)合研究區(qū)的實(shí)際狀況對他們進(jìn)行修正；其次，由于數(shù)據(jù)獲取的局限性，本文并沒有將所有農(nóng)業(yè)生產(chǎn)和農(nóng)作物考慮在內(nèi)；最后，沒有考慮土壤的碳固定、碳排放對碳足跡的影響。今后應(yīng)進(jìn)一步加強(qiáng)基于不同自然經(jīng)濟(jì)社會(huì)條件的碳足跡測算研究。

參考文獻(xiàn)：

[1] 劉貴斌， 黃璜， 周江偉， 等. 湖南省農(nóng)田生態(tài)系統(tǒng)碳足跡分析[J]. 作物研究， 2016， 30（6）： 666-673.

[2] 沈體忠. 天門市農(nóng)田生態(tài)系統(tǒng)碳足跡的測度分析[J]. 長江大學(xué)學(xué)報(bào)（自科版）， 2017， 14（14）： 62-68.

[3] WEST T O， MARLAND G. Net carbon flux from agricultural ecosystems： methodology for full carbon cycle analyses[J]. Environmental Pollution， 2002， 116（3）： 439-444.

[4] LAL R. Carbon emission from farm operations[J]. Environment International， 2004， 30（7）： 981-990.

[5] SOVACOOL B K， BROWN M A. Twelve metropolitan carbon footprints： a preliminary comparative global assessment[J]. Energy Policy， 2010， 38（9）： 4856-4869.

[6] HERTWICH E G， PETERS G P. Carbon footprint of nations： a global， trade-linked analysis[J]. Environmental Science & Technology， 2009， 43（16）： 6414-6420.

[7] 劉巽浩， 徐文修， 李增嘉， 等. 農(nóng)田生態(tài)系統(tǒng)碳足跡法： 誤區(qū)、改進(jìn)與應(yīng)用——兼析中國集約農(nóng)作碳效率[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2013， 34（6）： 1-11.

[8] 許萍萍， 趙言文， 陳顥明， 等. 江蘇省農(nóng)田生態(tài)系統(tǒng)碳源/匯、碳足跡動(dòng)態(tài)變化[J]. 水土保持通報(bào)， 2018， 38（5）： 238-243.

[9] 王敬哲， 劉志輝， 張波. 近20年新疆農(nóng)田生態(tài)系統(tǒng)碳足跡時(shí)空變化[J]. 干旱地區(qū)農(nóng)業(yè)研究， 2016， 34（5）： 240-248.

[10] 李明琦， 劉世梁， 武雪， 等. 云南省農(nóng)田生態(tài)系統(tǒng)碳足跡時(shí)空變化及其影響因素[J]. 生態(tài)學(xué)報(bào)， 2018， 38（24）： 8822-8834.

[11] 葉文偉， 王城城， 趙從舉， 等. 近20年海南島熱帶農(nóng)田生態(tài)系統(tǒng)碳足跡時(shí)空格局演變[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2021， 42（10）： 114-126.

[12] 張婷， 蔡海生， 張學(xué)玲. 基于碳足跡的江西省農(nóng)田生態(tài)系統(tǒng)碳源/匯時(shí)空差異[J]. 長江流域資源與環(huán)境， 2014， 23（6）： 767-773.

[13] 楊永輝， 武繼承， 趙世偉， 等. 保水劑用量對農(nóng)田生態(tài)系統(tǒng)碳足跡的影響[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2015， 46（4）： 125-131.

[14] 武寧， 王恩慧， 王充卯， 等. 耕作方式對小麥-玉米兩熟農(nóng)田生態(tài)系統(tǒng)碳足跡的影響[J]. 山東農(nóng)業(yè)科學(xué)， 2017， 49（6）： 34-40.

[15] 杭曉寧， 張健， 胡留杰， 等. 2006—2015年重慶市農(nóng)田生態(tài)系統(tǒng)碳足跡分析[J]. 湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2018， 44（5）： 524-531.

[16] 郝小雨. 黑龍江省30年來農(nóng)田生態(tài)系統(tǒng)碳源/匯強(qiáng)度及碳足跡變化[J]. 黑龍江農(nóng)業(yè)科學(xué)， 2021（8）： 97-104.

[17] 王勁峰， 徐成東. 地理探測器： 原理與展望[J]. 地理學(xué)報(bào)， 2017， 72（1）： 116-134.