中國(guó)農(nóng)業(yè)凈碳匯時(shí)空分異與影響因素演進(jìn)分析

貫 君,張少鵬,任 月,盛春光 (東北林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院,黑龍江 哈爾濱 150040)

全球氣候變化已成為當(dāng)今國(guó)際社會(huì)普遍關(guān)注的嚴(yán)峻問(wèn)題.化石燃料燃燒和土地利用等人類活動(dòng)導(dǎo)致了全球變暖,地表溫度較工業(yè)化前升高1.1℃,全球溫室氣體排放量持續(xù)增加,而減排力度遠(yuǎn)遠(yuǎn)不足[1].我國(guó)于2020 年宣布力爭(zhēng)在2030 年前實(shí)現(xiàn)碳達(dá)峰、2060 年前實(shí)現(xiàn)碳中和.增加碳匯和減少碳排是實(shí)現(xiàn)“雙碳”目標(biāo)的關(guān)鍵所在,而農(nóng)業(yè)兼具碳源和碳匯雙重屬性,可以通過(guò)農(nóng)作物和土壤微生物吸收大氣中的溫室氣體,是唯一可以在短期內(nèi)產(chǎn)生凈碳匯的國(guó)民經(jīng)濟(jì)部門[2《].“十四五”全國(guó)農(nóng)業(yè)綠色發(fā)展規(guī)劃》也明確提出提高資源利用水平、增強(qiáng)減排固碳能力等目標(biāo).通過(guò)改善生產(chǎn)技術(shù)和種植模式等途徑,農(nóng)業(yè)碳匯可實(shí)現(xiàn)年均增長(zhǎng)4‰,有望在2035 年扭轉(zhuǎn)全球氣候變暖趨勢(shì)[3].因此,在“雙碳”目標(biāo)下探明農(nóng)業(yè)凈碳匯的時(shí)空格局及關(guān)鍵影響因素,對(duì)推動(dòng)農(nóng)業(yè)綠色低碳發(fā)展、釋放農(nóng)業(yè)增匯減排潛力具有重要意義.

目前,農(nóng)業(yè)碳匯碳源領(lǐng)域的研究集中在凈碳匯測(cè)算[4]、時(shí)空格局演變[5-7]、空間溢出效應(yīng)檢驗(yàn)[8-9]和影響因素分解[10-12]等方面;研究尺度由區(qū)域內(nèi)部分異向區(qū)域間差異轉(zhuǎn)變,涵蓋國(guó)家[13-14]、區(qū)域[15-16]、省域[5,8]、市域[17]以及縣域[6]等;研究行業(yè)涉及種植業(yè)[12]、海水養(yǎng)殖業(yè)[18]等.采取不同測(cè)度指標(biāo)、方法獲得的農(nóng)業(yè)凈碳匯核算結(jié)果差異較大,尚未形成一致結(jié)論,但學(xué)者普遍認(rèn)為近幾十年中國(guó)農(nóng)業(yè)凈碳匯量呈波動(dòng)式增長(zhǎng)[6],并存在顯著的空間非均衡性[7,10].不同空間尺度下整體格局大致相近,省域呈由東向西逐次遞減的分布格局[19],且具有顯著的空間集聚和溢出效應(yīng)[8-9];縣域呈東南正碳匯、西北負(fù)碳匯的空間分異和集聚效應(yīng),并存在高值區(qū)域增多的改善趨勢(shì)[6].不同行業(yè)凈碳匯在空間格局和演變趨勢(shì)上存在較大差異[20-21],中國(guó)海水養(yǎng)殖凈碳匯量呈持續(xù)增長(zhǎng)態(tài)勢(shì),但省際間差異較大[18],而種植業(yè)凈碳匯量具有先增后減的倒“U”型特征[16],并呈現(xiàn)明顯的“馬太效應(yīng)”[20].影響因素方面,學(xué)者們對(duì)保護(hù)性耕作能夠直接影響農(nóng)業(yè)凈碳匯已基本達(dá)成共識(shí)[10,22],也有學(xué)者指出耕作措施[23]、稻草還田[24]等生產(chǎn)方式對(duì)凈碳匯也具有較大影響.此外,學(xué)者普遍認(rèn)為經(jīng)濟(jì)增長(zhǎng)是影響農(nóng)業(yè)凈碳匯的主要因素,但在影響方式上結(jié)論并不一致.一種觀點(diǎn)認(rèn)為經(jīng)濟(jì)發(fā)展帶來(lái)技術(shù)進(jìn)步,使投入的農(nóng)業(yè)生產(chǎn)物資質(zhì)量提升,促進(jìn)凈碳匯增加,尤其在凈碳匯水平較低時(shí)尤為顯著[12],另一種觀點(diǎn)則認(rèn)為經(jīng)濟(jì)增長(zhǎng)會(huì)導(dǎo)致消費(fèi)增加,可能造成土地利用結(jié)構(gòu)改變,影響林地草地面積,使農(nóng)業(yè)凈碳匯減少[9].也有研究指出農(nóng)業(yè)機(jī)械化可通過(guò)跨區(qū)域作業(yè)克服土地產(chǎn)權(quán)不穩(wěn)定、土地細(xì)碎化等限制,有助于實(shí)現(xiàn)農(nóng)業(yè)規(guī)?；a(chǎn),降低碳排放強(qiáng)度[10,25].與此同時(shí),鄰近省域的農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、科技發(fā)展水平、工業(yè)化程度也有利于發(fā)揮農(nóng)業(yè)碳匯效應(yīng)[9],而城鎮(zhèn)化和經(jīng)濟(jì)發(fā)展水平則表現(xiàn)出顯著的抑制作用[9].除此之外,農(nóng)業(yè)固碳效應(yīng)的發(fā)揮還與勞動(dòng)力教育水平[9,26]、財(cái)政支出[12,27]、農(nóng)業(yè)保險(xiǎn)政策[28]等因素有關(guān).

以上成果為農(nóng)業(yè)凈碳匯研究奠定了良好基礎(chǔ),但仍存在一些不足:一是目前針對(duì)農(nóng)業(yè)凈碳匯的測(cè)度研究在廣度和精度上仍存在欠缺,部分研究未能準(zhǔn)確區(qū)分“碳”與“二氧化碳”,對(duì)溫室氣體排放量存在一定程度的低估,導(dǎo)致對(duì)凈碳匯的核算存在較大誤差;二是對(duì)中國(guó)省域農(nóng)業(yè)凈碳匯現(xiàn)狀及特征把握不足,對(duì)農(nóng)業(yè)凈碳匯背后的影響因素缺乏系統(tǒng)且深入的剖析;三是受研究方法所限,傳統(tǒng)計(jì)量研究得出的影響路徑多以線性響應(yīng)為主,而農(nóng)業(yè)凈碳匯與其影響因素之間是否存在非線性響應(yīng)關(guān)系值得探索.針對(duì)上述不足,本文從農(nóng)業(yè)物資利用、水稻種植、牲畜養(yǎng)殖、農(nóng)地翻耕四方面估算溫室氣體排放總量,在此基礎(chǔ)上測(cè)度并分析2002～2021 年中國(guó)31 個(gè)省份農(nóng)業(yè)凈碳匯總量和強(qiáng)度的時(shí)空演變趨勢(shì),并采用隨機(jī)森林模型精準(zhǔn)識(shí)別省域農(nóng)業(yè)凈碳匯的關(guān)鍵影響因素及時(shí)序演進(jìn)趨勢(shì),探討關(guān)鍵影響因素與凈碳匯之間的非線性響應(yīng)關(guān)系,以期為制定農(nóng)業(yè)減排固碳政策和“雙碳”目標(biāo)實(shí)現(xiàn)提供科學(xué)參考.

1 研究方法與數(shù)據(jù)來(lái)源

1.1 研究方法

1.1.1 農(nóng)業(yè)碳排放的測(cè)算 本研究基于大農(nóng)業(yè)范疇考察農(nóng)業(yè)生產(chǎn)過(guò)程產(chǎn)生的碳排放.其中,生產(chǎn)要素投入著眼于其終端消費(fèi)量,而對(duì)生產(chǎn)對(duì)象則考察其全生命周期.綜合多位學(xué)者研究[4,8-9],并考慮數(shù)據(jù)可獲得性和連續(xù)性,從四方面測(cè)算農(nóng)業(yè)碳排放:一是農(nóng)業(yè)物資利用引起的碳排放.一方面考察農(nóng)用機(jī)械耕作過(guò)程中化石燃料使用產(chǎn)生的碳排放,以及作物灌溉過(guò)程中將灌溉水提升消耗的電能引起的碳排放,測(cè)算方法和排放系數(shù)參考陳羅燁等[6]和李波等[11]的研究(表1);另一方面考察農(nóng)用物資投入引起的碳排放,主要指化肥、農(nóng)藥、農(nóng)膜在自身產(chǎn)品形成和后續(xù)使用中釋放的碳,排放系數(shù)及其來(lái)源參考陳羅燁等[6]、田云等[4]的研究(見表1).二是水稻種植引起的碳排放.稻田是溫室氣體CH4的重要排放源,由于各地區(qū)水熱條件差異極大,種植時(shí)間與生長(zhǎng)周期不盡相同,碳排放水平也存在差異.為減少測(cè)算誤差,利用兼顧周期與地區(qū)差異的CH4排放系數(shù)分別測(cè)算早稻、中稻、晚稻稻田CH4排放量來(lái)估算碳排放,排放系數(shù)參考閔繼勝等[29]的研究.三是牲畜養(yǎng)殖引起的碳排放.主要考慮牲畜飼養(yǎng)過(guò)程中腸道發(fā)酵產(chǎn)生的CH4,以及牲畜糞便所引起CH4和N2O 排放,排放系數(shù)主要參考IPCC[30]和胡向東等[31]的研究(表2).四是農(nóng)地翻耕引起的碳排放.農(nóng)作物種植過(guò)程中對(duì)土壤表層的破壞會(huì)導(dǎo)致土壤中有機(jī)碳流失并釋放到大氣中,本文著重考察我國(guó)主要農(nóng)作物的土壤N2O排放量,包括稻谷、小麥(春小麥和冬小麥)、大豆、玉米、蔬菜及其他旱地作物,排放系數(shù)參考田云等[4].農(nóng)業(yè)碳排放量計(jì)算公式為:

表1 農(nóng)業(yè)物資利用碳源碳排放系數(shù)Table 1 Carbon emission coefficients of agricultural material utilization

表2 主要牲畜品種碳排放系數(shù)[kg C/(頭·a)][30-31]Table 2 Carbon emission coefficients of major livestock species [kg C/(head·a)] [30-31]

式中:E和Ei分別表示農(nóng)業(yè)碳排放總量和各類碳源產(chǎn)生的碳排放量;Ti表示某種碳源消耗的絕對(duì)量;δi表示某種碳源的碳排放系數(shù);i表示碳源種類.為便于碳排放量的比較和加總,本文將溫室氣體排放量統(tǒng)一置換為標(biāo)準(zhǔn)C.借鑒IPCC 第四次評(píng)估報(bào)告計(jì)算溫室氣體碳排效應(yīng)的方法,1t CH4和N2O 產(chǎn)生的溫室效應(yīng)分別相當(dāng)于 25t CO2(6.8182t C)和 298t CO2(81.2727t C).

1.1.2 農(nóng)業(yè)碳匯的測(cè)算 農(nóng)業(yè)碳匯廣義上包含森林碳匯、草地碳匯、耕地碳匯、土壤碳匯等.本文借鑒陳羅燁等[6]的定義,將農(nóng)業(yè)碳匯界定為農(nóng)作物在生長(zhǎng)過(guò)程中通過(guò)光合作用對(duì)大氣碳的固定.參考李克讓[32]的研究,根據(jù)不同作物經(jīng)濟(jì)系數(shù)和碳吸收率估算農(nóng)作物生育期內(nèi)的碳吸收量,計(jì)算公式為:

式中:C表示農(nóng)作物碳吸收總量;Cj表示某種農(nóng)作物碳吸收率,即合成單位有機(jī)質(zhì)(干重)所吸收的碳量;Dj、Yj和Hj分別表示某種農(nóng)作物的生物產(chǎn)量、經(jīng)濟(jì)產(chǎn)量和經(jīng)濟(jì)系數(shù);rj表示農(nóng)作物經(jīng)濟(jì)產(chǎn)品部分的含水量;j表示農(nóng)作物種類.本研究所選取的主要農(nóng)作物種類、經(jīng)濟(jì)系數(shù)、碳吸收率和含水量如表3 所示[4,33].

表3 主要農(nóng)作物經(jīng)濟(jì)系數(shù)、碳吸收率和含水量Table 3 Economic coefficients, carbon absorption rates, and moisture content of major crops

1.1.3 農(nóng)業(yè)凈碳匯的測(cè)算 凈碳匯能夠綜合反應(yīng)碳排放與碳吸收之間的平衡關(guān)系,也是表征區(qū)域減排增效的重要指標(biāo).農(nóng)業(yè)凈碳匯是指農(nóng)業(yè)生產(chǎn)中對(duì)二氧化碳的凈吸收量,即農(nóng)業(yè)碳匯和碳排放的差值;凈碳匯強(qiáng)度是指單位生產(chǎn)總值的凈碳匯量,本文采用農(nóng)業(yè)凈碳匯量與農(nóng)業(yè)生產(chǎn)總值比值來(lái)表示.農(nóng)業(yè)凈碳匯量I的計(jì)算公式為:

式中:I為某地區(qū)農(nóng)業(yè)凈碳匯量.當(dāng)I>0 時(shí)表示碳匯量大于碳排放量,即碳盈;當(dāng)I<0 時(shí)表示碳匯量小于碳排放量,即碳虧;當(dāng)I=0 時(shí)為碳匯量與碳排放量相等,即碳中和.

1.1.4 隨機(jī)森林模型 隨機(jī)森林模型是Breiman 提出的基于決策樹的機(jī)器學(xué)習(xí)算法[35].該模型的基本思想是在輸入數(shù)據(jù)集的隨機(jī)樣本和特征子集上構(gòu)建多個(gè)決策樹,通過(guò)隨機(jī)數(shù)據(jù)抽樣和特征抽樣的方式將決策樹的結(jié)果進(jìn)行組合來(lái)預(yù)測(cè)輸出變量.相較于其他機(jī)器學(xué)習(xí)算法,隨機(jī)森林模型不需要假定數(shù)據(jù)遵循特定概率分布或數(shù)據(jù)產(chǎn)生于特定模型,具有可解釋性強(qiáng)、對(duì)數(shù)據(jù)異常值和噪聲容忍度高等優(yōu)點(diǎn),并能有效回避變量共線性現(xiàn)象和過(guò)擬合問(wèn)題[36].本研究采用R 語(yǔ)言構(gòu)建隨機(jī)森林模型,定量測(cè)度解釋變量相對(duì)重要性,識(shí)別影響農(nóng)業(yè)凈碳匯量的關(guān)鍵因素,以探明關(guān)鍵因素與農(nóng)業(yè)凈碳匯之間的復(fù)雜響應(yīng)關(guān)系.

本研究進(jìn)行隨機(jī)森林模型分析時(shí),以農(nóng)業(yè)凈碳匯量(NCS)作為模型輸出變量,其測(cè)算方法如上文所述;參考佘宗昀等[28]、魏夢(mèng)升等[37]的研究,從經(jīng)濟(jì)、技術(shù)、規(guī)模、社會(huì)等方面選取以下指標(biāo)作為模型輸入變量:秸稈還田(JXJG)和免耕播種(JXMG),分別以機(jī)械化秸稈還田面積和機(jī)械化免耕播種面積測(cè)度,反映保護(hù)性耕作水平;農(nóng)業(yè)勞動(dòng)力受教育程度(EDU)采用教育年限法測(cè)算人均受教育年限[37];農(nóng)田灌溉條件(IRRI),使用農(nóng)田有效灌溉面積來(lái)衡量;農(nóng)業(yè)受災(zāi)率(AD),以農(nóng)業(yè)受災(zāi)面積占農(nóng)作物總播種面積比重反映農(nóng)業(yè)風(fēng)險(xiǎn)水平;農(nóng)業(yè)勞動(dòng)力數(shù)量(AL),以第一產(chǎn)業(yè)從業(yè)人數(shù)衡量人力資源投入量;城鎮(zhèn)化率(UR),以城鎮(zhèn)人口占總?cè)丝诒戎乇硎境擎?zhèn)化水平;產(chǎn)業(yè)結(jié)構(gòu)(INS),以第一產(chǎn)業(yè)產(chǎn)值占GDP 比重反映第一產(chǎn)業(yè)的貢獻(xiàn)度;機(jī)械化水平(AM),以農(nóng)業(yè)機(jī)械總動(dòng)力與農(nóng)作物播種面積比值測(cè)度農(nóng)業(yè)機(jī)械化程度;糧食單產(chǎn)(PY),以糧食總產(chǎn)量與糧食播種面積比值表示;農(nóng)業(yè)經(jīng)營(yíng)規(guī)模(AS),以糧食播種面積占農(nóng)作物總播種面積比重表示;農(nóng)業(yè)經(jīng)濟(jì)發(fā)展(AE),以農(nóng)林牧漁總產(chǎn)值與農(nóng)村地區(qū)總?cè)丝诘谋戎岛饬?地區(qū)經(jīng)濟(jì)發(fā)展(PGDP),以人均地區(qū)生產(chǎn)總值衡量;農(nóng)業(yè)技術(shù)進(jìn)步(EC),采用SBM 模型Malmquist-Luenberger 指數(shù)測(cè)算,以種植業(yè)總產(chǎn)值、農(nóng)業(yè)碳匯量作為期望產(chǎn)出,農(nóng)業(yè)碳排放作為非期望產(chǎn)出,兩者共同作為產(chǎn)出指標(biāo),選取農(nóng)業(yè)勞動(dòng)力投入(第一產(chǎn)業(yè)從業(yè)人數(shù))、土地投入(農(nóng)作物總播種面積)、機(jī)械投入(農(nóng)業(yè)機(jī)械總動(dòng)力)、化肥投入(化肥折純量)和灌溉投入(有效灌溉面積)為投入指標(biāo).

1.2 數(shù)據(jù)來(lái)源

基于數(shù)據(jù)可獲得性與口徑一致性,選取中國(guó)31個(gè)省(市、自治區(qū))2002～2021 年連續(xù)面板觀測(cè)數(shù)據(jù)作為樣本,研究未涉及港澳臺(tái).所有數(shù)據(jù)均來(lái)自歷年《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》、《中國(guó)農(nóng)業(yè)機(jī)械工業(yè)年鑒》、《中國(guó)統(tǒng)計(jì)年鑒》、地方統(tǒng)計(jì)年鑒和國(guó)家統(tǒng)計(jì)局網(wǎng)站整理計(jì)算獲得,部分缺失數(shù)據(jù)采用平滑法予以補(bǔ)齊,涉及價(jià)格因素的相關(guān)指標(biāo)均以2002 年為基期進(jìn)行平減處理.各變量的描述性統(tǒng)計(jì)如表4 所示.

表4 變量描述性統(tǒng)計(jì)Table 4 Descriptive statistics of variables

2 結(jié)果與討論

2.1 農(nóng)業(yè)凈碳匯時(shí)空特征

2.1.1 農(nóng)業(yè)凈碳匯時(shí)序特征分析 根據(jù)上文所述測(cè)算方法,對(duì)2002～2021 年中國(guó)農(nóng)業(yè)碳排放量和碳匯量進(jìn)行逐年測(cè)算,并以此為基礎(chǔ)計(jì)算農(nóng)業(yè)凈碳匯量以及碳匯與碳排放的比值,結(jié)果如圖1 所示.

圖1 2002～2021 年農(nóng)業(yè)凈碳匯總量與結(jié)構(gòu)變化Fig.1 Total and structural changes in agricultural net carbon sequestration from 2002 to 2021

圖1 顯示,考察期內(nèi)我國(guó)農(nóng)業(yè)凈碳匯量基本呈現(xiàn)上升態(tài)勢(shì),但增速逐漸放緩,由2002 年的22965.13萬(wàn)t C增至2021年的49992.53萬(wàn)t C,增幅達(dá)117.69%,年均遞增5.88%.碳排放量由2002 年的27896.07 萬(wàn)t C 降至2021 年的27495.88 萬(wàn)t C,減排1.43%,年均遞減0.07%;碳匯量由2002 年的50861.20 萬(wàn)t C 增至2021 年的77488.40 萬(wàn)t C,增匯52.35%,年均遞增2.62%;碳匯/碳排放在1.71～2.82 之間波動(dòng),說(shuō)明每年農(nóng)業(yè)活動(dòng)產(chǎn)生的碳匯超過(guò)其碳排放2 倍以上.考察期內(nèi)我國(guó)農(nóng)業(yè)碳排放已基本達(dá)到峰值且較為穩(wěn)定,得益于農(nóng)業(yè)碳匯量的持續(xù)增長(zhǎng),農(nóng)業(yè)凈碳匯量大幅增加,說(shuō)明我國(guó)農(nóng)業(yè)減排增匯取得了一定成效.

由圖2 可見,考察期內(nèi)我國(guó)農(nóng)業(yè)碳排放總量雖小幅下降但伴隨一定波動(dòng),大致呈現(xiàn)“下降-上升-下降”的三階段變化過(guò)程.2002～2011 年為第一階段,盡管2003、2004 年有所增長(zhǎng),但從2005 年起逐年下降,2011 年較2002 年減少1044.92 萬(wàn)t.該階段內(nèi)牲畜養(yǎng)殖和物資利用產(chǎn)生的碳排放占比超過(guò)三分之二.2012～2013 年為第二階段,碳排放量在2013 年達(dá)到峰值29878.80 萬(wàn)t,2a 增長(zhǎng)了11.28%.盡管能源利用和農(nóng)業(yè)物資投入在這一階段有所減少,但牲畜養(yǎng)殖的迅速增加導(dǎo)致碳排放總量仍然大幅增長(zhǎng).2014～2021 年為第三階段,碳排放量持續(xù)下降,相比2013 年減少了7.98%.該階段碳減排成效主要?dú)w功于能源與物資利用效率的不斷提升以及大型牲畜養(yǎng)殖規(guī)模的縮減與結(jié)構(gòu)優(yōu)化.

圖2 2002～2021 年農(nóng)業(yè)碳排放結(jié)構(gòu)變化Fig.2 Structural changes in agricultural carbon emissions from 2002 to 2021

圖3 顯示,考察期內(nèi)我國(guó)農(nóng)業(yè)碳匯整體呈現(xiàn)明顯的逐年上升趨勢(shì).從內(nèi)部構(gòu)成來(lái)看,玉米、稻谷和小麥的碳匯量約占碳匯總量的三分之二,而蔬菜、油菜籽、花生、甜菜等經(jīng)濟(jì)作物的占比較小.不難發(fā)現(xiàn),糧食作物產(chǎn)量的持續(xù)增加是碳匯不斷增長(zhǎng)的主要原因.從2004 年起,惠農(nóng)型中央“一號(hào)文件”的連續(xù)頒布帶動(dòng)了種植產(chǎn)業(yè)的迅速?gòu)?fù)蘇,我國(guó)糧食總產(chǎn)量持續(xù)增長(zhǎng),屢創(chuàng)新高,農(nóng)業(yè)固碳效果顯著.從2004～2021年,中央連續(xù)18a 不間斷發(fā)布惠農(nóng)型一號(hào)文件,促進(jìn)了種植業(yè)的快速?gòu)?fù)蘇,糧食產(chǎn)量穩(wěn)步增長(zhǎng),農(nóng)業(yè)固碳量持續(xù)提升.

圖3 2002～2021 年農(nóng)業(yè)碳匯結(jié)構(gòu)變化Fig.3 Structural changes in agricultural carbon sequestration from 2002 to 2021

為考察各省份農(nóng)業(yè)凈碳匯變化趨勢(shì),繪制2002～2021 年凈碳匯總量和強(qiáng)度熱力圖表征變化偏向(圖4).從凈碳匯量變化來(lái)看,黑龍江、內(nèi)蒙古、河南、山東凈碳匯增加量超過(guò)2000萬(wàn)t C.黑龍江省作為我國(guó)重要糧食生產(chǎn)基地和碳匯大省,在推動(dòng)現(xiàn)代化、高效化的農(nóng)業(yè)生產(chǎn)中,通過(guò)實(shí)施現(xiàn)代農(nóng)業(yè)示范區(qū)建設(shè)、綠色種植技術(shù)推廣等多項(xiàng)政策措施,20a 間凈碳匯增長(zhǎng)了4813.04 萬(wàn)t C,約相當(dāng)于2002 年全國(guó)凈碳匯總量的五分之一,是增加量最高的省份.而增速最快的省份為內(nèi)蒙古和甘肅,增幅約30 倍和12 倍.凈碳匯量下降的省份只有浙江、福建、海南、上海、北京5個(gè)省份,其中上海、北京、海南降幅超過(guò)1 倍.總體而言,盡管凈碳匯量一直處于調(diào)整之中,但各省份農(nóng)業(yè)生產(chǎn)已基本實(shí)現(xiàn)碳中和目標(biāo),并逐漸從低碳盈向高碳盈余轉(zhuǎn)型,為我國(guó)實(shí)現(xiàn)碳達(dá)峰碳中和目標(biāo)奠定了堅(jiān)實(shí)基礎(chǔ).但從凈碳匯強(qiáng)度來(lái)看,僅西藏、青海、內(nèi)蒙古、新疆、甘肅、天津、吉林的凈碳匯強(qiáng)度有所提升,而其他省份均呈下降趨勢(shì),盡管大部分省份凈碳匯量有所增加,但并未跟上農(nóng)業(yè)生產(chǎn)總值的增長(zhǎng)速度,使得凈碳匯強(qiáng)度下降.整體來(lái)看,中國(guó)大部分省份在過(guò)去20a 間農(nóng)業(yè)綠色生產(chǎn)態(tài)勢(shì)愈加明顯,逐步走向偏向高碳盈的發(fā)展道路.

圖4 2002～2021 年省域農(nóng)業(yè)凈碳匯總量與強(qiáng)度變化Fig.4 Total and intensity changes in provincial agricultural net carbon sequestration from 2002 to 2021

2.1.2 農(nóng)業(yè)凈碳匯空間格局分析 根據(jù)測(cè)算結(jié)果,2002～2021 年各省農(nóng)業(yè)凈碳匯年均值約為1200萬(wàn)t C,最大值和最小值約為7000萬(wàn)t C 和-400萬(wàn)t C.參考薛彩霞等[5]的研究,本文將凈碳匯量小于-100萬(wàn) t C 的省份視為碳虧損區(qū),將凈碳匯量位于-100～100 萬(wàn) t C 的省份視為碳中和區(qū),將位于100～1200 萬(wàn)t C 的省份視為低碳盈余區(qū),將超過(guò)1200萬(wàn)t C 的省份視為高碳盈余區(qū);將凈碳匯強(qiáng)度低于0、0～0.5、0.5～1.5 以及高于1.5t C/萬(wàn)元的省份分別視為微、低、中、高凈碳匯強(qiáng)度地區(qū).基于以上劃分標(biāo)準(zhǔn),分別繪制2002 年和2021 年省域農(nóng)業(yè)凈碳匯總量和強(qiáng)度空間分布圖(圖5).

圖5 農(nóng)業(yè)凈碳匯總量和強(qiáng)度空間分布(2002 和2021 年)Fig.5 Spatial distribution of total volume and intensity in agricultural net carbon sequestration in 2002 and 2021

整體而言,我國(guó)農(nóng)業(yè)凈碳匯總量空間分布呈現(xiàn)由東向西遞減的分布格局(圖5(a)和5(b)).高值地區(qū)主要集中于我國(guó)東部地區(qū),尤以東北地區(qū)、中部地區(qū)、環(huán)渤海地區(qū)省份為主,這些地區(qū)大多為我國(guó)糧食主產(chǎn)區(qū).2008 年原農(nóng)業(yè)部在糧食主產(chǎn)區(qū)開展農(nóng)機(jī)化示范區(qū)建設(shè),糧食生產(chǎn)機(jī)械化成效顯著,該結(jié)果也反映出我國(guó)推行的一系列綠色農(nóng)業(yè)技術(shù)和政策已初顯成效,糧食增產(chǎn)與減排固碳并不沖突.從分布變化來(lái)看,與2002 年相比,2021 年的凈碳匯空間分布仍以碳虧損區(qū)、碳中和區(qū)、低碳盈余區(qū)和高碳盈余區(qū)4 個(gè)類型為主.其中,高碳盈余區(qū)省份由2002 年的9 個(gè)增至2021 年的14 個(gè),碳虧損區(qū)由新疆、西藏、青海3 個(gè)省份變?yōu)槲鞑睾颓嗪? 個(gè)省份.可以明顯看出,中國(guó)農(nóng)業(yè)凈碳匯總量空間分布格局發(fā)生了顯著變化,整體分布由低碳盈區(qū)為主轉(zhuǎn)為高碳盈區(qū)為主,高碳盈區(qū)呈現(xiàn)少數(shù)集聚轉(zhuǎn)為大范圍集聚的擴(kuò)大趨勢(shì).具體而言,除福建從低碳盈余區(qū)降為碳中和區(qū)外,其他地區(qū)均呈現(xiàn)向好趨勢(shì).新疆從碳虧損區(qū)升至低碳盈余區(qū),新疆自20 世紀(jì)80 年代引入免耕播種技術(shù),并不斷完善農(nóng)田灌溉條件、農(nóng)業(yè)旱作技術(shù)研究與推廣、鼓勵(lì)有機(jī)農(nóng)業(yè)生產(chǎn)等生產(chǎn)實(shí)踐舉措,使生態(tài)環(huán)境得到較大改善;天津、甘肅、內(nèi)蒙古從碳中和區(qū)升至碳盈余區(qū);湖北、云南、陜西從低碳盈余區(qū)升至高碳盈余區(qū).此外,從碳排放和碳匯總量變化情況看,北京、上海、浙江、福建、廣東、海南、西藏和青海的碳匯增長(zhǎng)量小于其碳排放減少量,其減排速度不及增匯速度,這主要與當(dāng)?shù)禺a(chǎn)業(yè)結(jié)構(gòu)調(diào)整有關(guān),說(shuō)明在關(guān)注凈碳匯變化同時(shí),也需要結(jié)合省份自身經(jīng)濟(jì)發(fā)展情況進(jìn)行分析.

在農(nóng)業(yè)凈碳匯強(qiáng)度空間分布方面(圖5(c)和5(d)),我國(guó)凈碳匯強(qiáng)度存在明顯空間集聚和非均衡特征.中、高凈碳匯強(qiáng)度地區(qū)主要分布在我國(guó)東北、中部和西南地區(qū),而低、微凈碳匯強(qiáng)度主要位于西北與東南地區(qū).從空間分布變化來(lái)看,高強(qiáng)度地區(qū)由黑龍江、吉林、陜西和廣西變?yōu)楹邶埥?、吉林和?nèi)蒙古,微強(qiáng)度地區(qū)也由西藏、新疆、青海3 省變?yōu)槲鞑?、青海和海?中、低強(qiáng)度省份變動(dòng)不大.黑龍江、吉林、內(nèi)蒙古、新疆等省份凈碳匯強(qiáng)度提升較大的主要原因在于其碳匯強(qiáng)度大幅增加且碳排放強(qiáng)度大幅下降,說(shuō)明這些省份農(nóng)業(yè)減排固碳取得了較好成效.而陜西、廣西、四川、重慶、湖北、貴州等省份凈碳匯強(qiáng)度下降,這與近年來(lái)這些地區(qū)的土地利用變化有關(guān).湖北省旱作農(nóng)業(yè)糧食生產(chǎn)持續(xù)增長(zhǎng),但大面積使用化學(xué)農(nóng)藥和肥料也引致大量碳排放.而重慶和陜西等省份的城市化率較高,城市建設(shè)用地不斷擴(kuò)張,使得原本建成區(qū)周邊的農(nóng)田逐漸納入城市規(guī)劃,導(dǎo)致這些地區(qū)的農(nóng)業(yè)碳匯強(qiáng)度下降明顯.此外,近年來(lái)洪澇自然災(zāi)害頻發(fā),土地退化和河道湖庫(kù)水質(zhì)污染等問(wèn)題嚴(yán)重,不僅影響農(nóng)業(yè)生產(chǎn)效率,還造成土壤結(jié)構(gòu)破壞,導(dǎo)致碳匯流失.而廣東、福建、浙江、江西、湖南農(nóng)業(yè)凈碳匯強(qiáng)度一直處于較低水平,這些省份位于我國(guó)南部地區(qū),近年來(lái)隨著城市化建設(shè)和產(chǎn)業(yè)園區(qū)規(guī)劃項(xiàng)目的持續(xù)推廣,農(nóng)業(yè)用地不斷減少,對(duì)農(nóng)業(yè)技術(shù)投入不足導(dǎo)致農(nóng)業(yè)生產(chǎn)力和經(jīng)濟(jì)效益相對(duì)落后,難以有效提高農(nóng)業(yè)凈碳匯強(qiáng)度.

進(jìn)一步地,本文將農(nóng)業(yè)凈碳匯變化趨勢(shì)明顯的省份分為四種類型:第一類是長(zhǎng)期穩(wěn)定在高凈碳匯水平的“碳生態(tài)友好型”地區(qū),典型省份為河北、黑龍江、吉林、江蘇、安徽、山東、河南、廣西和四川.該類地區(qū)在農(nóng)業(yè)生產(chǎn)中普遍具有較強(qiáng)的耕作基礎(chǔ),以生產(chǎn)糧食作物與經(jīng)濟(jì)作物為主,碳匯量巨大且經(jīng)濟(jì)效益較高,且農(nóng)業(yè)機(jī)械化水平和耕地條件較好,能夠較好控制農(nóng)業(yè)要素投入、提高資源利用效率,凈碳匯總量和強(qiáng)度均維持較高狀態(tài),能夠兼顧農(nóng)業(yè)經(jīng)濟(jì)發(fā)展和碳生態(tài)保護(hù).第二類是凈碳匯水平由低向高轉(zhuǎn)變的“碳生態(tài)改善型”地區(qū),典型省份為新疆、云南、甘肅和寧夏.該類地區(qū)并不具備極其優(yōu)越的自然條件和農(nóng)耕經(jīng)驗(yàn),但及時(shí)遏制和改善了低碳匯發(fā)展態(tài)勢(shì),扭轉(zhuǎn)了自身產(chǎn)業(yè)結(jié)構(gòu)劣勢(shì).第三類是由高向低轉(zhuǎn)變的“碳生態(tài)惡化型”地區(qū),典型省份為上海和北京.這些地區(qū)過(guò)于依賴農(nóng)業(yè)能源利用與物資投入,導(dǎo)致凈碳匯量不斷下降,同時(shí)受其自身農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)所限,經(jīng)濟(jì)作物種植比重較低,難以獲得高經(jīng)濟(jì)效益,凈碳匯強(qiáng)度持續(xù)下降.第四類是長(zhǎng)期穩(wěn)定在碳虧損區(qū)的“碳生態(tài)持續(xù)惡化型”地區(qū),典型省份是西藏和青海.該地區(qū)凈碳匯量持續(xù)下降,主要原因在于其自然環(huán)境惡劣,導(dǎo)致大部分土地不適合大規(guī)模糧食生產(chǎn),相對(duì)落后的生產(chǎn)方式與惡劣的氣候環(huán)境致使農(nóng)業(yè)生產(chǎn)力水平和經(jīng)濟(jì)收入低下,占據(jù)主導(dǎo)地位的畜牧業(yè)引發(fā)了大量碳排放,故始終處于碳虧損區(qū)域.

2.2 農(nóng)業(yè)凈碳匯關(guān)鍵影響因素分析

2.2.1 隨機(jī)森林模型適用性檢驗(yàn) 首先,本文對(duì)隨機(jī)森林模型的適用性進(jìn)行檢驗(yàn).以省域農(nóng)業(yè)凈碳匯作為自變量同時(shí)構(gòu)建多元線性回歸模型和隨機(jī)森林模型,并選取通過(guò)顯著性檢驗(yàn)的10 個(gè)影響因素進(jìn)行多元線性回歸,擬合后的公式為:

式中:各系數(shù)均為標(biāo)準(zhǔn)化回歸系數(shù);y為農(nóng)業(yè)凈碳匯;x1～x10分別為秸稈還田、免耕播種、受教育程度、灌溉條件、產(chǎn)業(yè)結(jié)構(gòu)、機(jī)械化水平、糧食單產(chǎn)、經(jīng)營(yíng)規(guī)模、農(nóng)業(yè)發(fā)展水平、地區(qū)經(jīng)濟(jì)發(fā)展水平.其中,灌溉條件、機(jī)械化水平、地區(qū)經(jīng)濟(jì)發(fā)展水平與農(nóng)業(yè)凈碳匯呈負(fù)相關(guān)關(guān)系,其余均呈正相關(guān).從影響程度來(lái)看,秸稈還田、灌溉條件和免耕播種對(duì)農(nóng)業(yè)凈碳匯的影響較大,而受教育程度、經(jīng)營(yíng)規(guī)模、農(nóng)業(yè)發(fā)展水平、地區(qū)經(jīng)濟(jì)發(fā)展水平的影響較小.R2與調(diào)整后的R2分別為0.7349 和0.7310,均方根誤差RSME 為0.5187,P<0.0000.

通過(guò)R 語(yǔ)言構(gòu)建隨機(jī)森林模型,其中70%的數(shù)據(jù)集被隨機(jī)抽取為訓(xùn)練集,其余30%數(shù)據(jù)集為測(cè)試集,并通過(guò)設(shè)定固定隨機(jī)值保證結(jié)果可復(fù)現(xiàn).參數(shù)設(shè)置為:mtry(每個(gè)節(jié)點(diǎn)選取的預(yù)測(cè)變量個(gè)數(shù))=4、ntree(決策樹的數(shù)目)=500,其他參數(shù)默認(rèn).采用IncMSE 和IncNodePurity 兩種方法對(duì)解釋變量進(jìn)行排序,其中 IncMSE 為模型的精度平均減少值,IncNodePurity 為模型節(jié)點(diǎn)不純度平均減少值,二者值越大說(shuō)明變量越重要.由圖6 知,兩種方法排序基本相近,以IncNodePurity 為例按重要性由高到低排序,依次為秸稈還田、灌溉條件、免耕播種、糧食單產(chǎn)、農(nóng)業(yè)經(jīng)營(yíng)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、機(jī)械化水平、農(nóng)業(yè)經(jīng)濟(jì)發(fā)展、受教育程度和地區(qū)經(jīng)濟(jì)發(fā)展.模型的Var 解釋程度為93.86%,均方根誤差為0.0034.

圖6 2002～2021 年農(nóng)業(yè)凈碳匯關(guān)鍵影響因素重要性排序Fig.6 Ranking of the importance of key influencing factors on agricultural net carbon sequestration from 2002 to 2021

比較兩種方法的回歸結(jié)果,多元線性標(biāo)準(zhǔn)化回歸系數(shù)的排序與隨機(jī)森林模型重要性排序趨于一致,但個(gè)別因素略有差異.此外,隨機(jī)森林模型的擬合精度和優(yōu)度均較多元線性回歸模型有所提升,能夠更好刻畫農(nóng)業(yè)凈碳匯與解釋變量之間的響應(yīng)關(guān)系.

2.2.2 關(guān)鍵影響因素響應(yīng)關(guān)系分析 綜合不同模型分析結(jié)果,地區(qū)經(jīng)濟(jì)發(fā)展水平的影響較小,將其剔除后選取剩余9 個(gè)解釋變量作為隨機(jī)森林模型的輸入變量,分析其對(duì)農(nóng)業(yè)凈碳匯的作用方式,并繪制偏依賴圖展示關(guān)鍵影響因素與農(nóng)業(yè)凈碳匯之間的依賴關(guān)系(圖7).結(jié)果表明,各個(gè)影響因素與農(nóng)業(yè)凈碳匯之間存在顯著的非線性關(guān)系.

圖7 關(guān)鍵影響因素對(duì)省域農(nóng)業(yè)凈碳匯量的影響程度Fig.7 Impact magnitude of key influencing factors on provincial agricultural net carbon sequestration

灌溉條件.隨著農(nóng)田灌溉條件的提升,農(nóng)業(yè)凈碳匯呈“上升-平穩(wěn)-上升”波動(dòng)(圖7(a)).當(dāng)有效灌溉面積在2000～4000khm2左右時(shí),灌溉對(duì)凈碳匯的影響趨于穩(wěn)定,而當(dāng)有效灌溉面積不足2000khm2或超過(guò)4000khm2后影響逐漸增強(qiáng).已有研究發(fā)現(xiàn)不同灌溉模式下水能消耗與農(nóng)田凈碳匯具有強(qiáng)關(guān)聯(lián)性[38],微噴灌、滴灌相較于傳統(tǒng)漫灌具有低能耗、低碳排優(yōu)勢(shì)[39].該結(jié)果說(shuō)明優(yōu)化灌溉條件可以增強(qiáng)土地碳儲(chǔ)存能力,應(yīng)作為提升凈碳匯的整改重點(diǎn).

秸稈還田.機(jī)械化秸稈還田對(duì)農(nóng)業(yè)凈碳匯的正向影響呈波動(dòng)上升趨勢(shì)(圖7(b)),說(shuō)明目前秸稈機(jī)械還田產(chǎn)生了明顯的正外部性效應(yīng).其原因可能在于:其一,相比于秸稈露天燃燒,機(jī)械還田可以一定程度上減少秸稈燃燒引起的碳排放,且間接減少的化肥投入還可降低N2O 排放[40];其二,秸稈碾碎能促進(jìn)碳元素分解,增強(qiáng)土壤保水保肥能力和固碳效果,從而促進(jìn)碳匯增加.張國(guó)等[41]指出我國(guó)秸稈還田存在碳生態(tài)盈余,農(nóng)田生態(tài)系統(tǒng)碳匯功能及其固碳價(jià)值還在上升階段,隨著機(jī)械化水平提升,秸稈機(jī)械還田的碳效應(yīng)將得以更大發(fā)揮.

免耕播種.機(jī)械化免耕播種對(duì)農(nóng)業(yè)凈碳匯具有顯著的積極影響(圖7(c)),且這種促進(jìn)作用在免耕播種面積低于500khm2時(shí)尤為顯著.使用專用農(nóng)業(yè)機(jī)械實(shí)現(xiàn)秸稈及殘茬覆蓋地表、少耕或免耕播種可阻止水分揮發(fā),在無(wú)需進(jìn)行機(jī)械翻地和除草的情況下實(shí)現(xiàn)種子播種,降低對(duì)土地碳庫(kù)的物理破壞程度,提高土壤固碳能力.該結(jié)果說(shuō)明機(jī)械化免耕播種具有明顯的增匯減排優(yōu)勢(shì),有助于農(nóng)業(yè)凈碳匯提升.

糧食單產(chǎn).隨著糧食單產(chǎn)提升,農(nóng)業(yè)凈碳匯先波動(dòng)上升后趨于穩(wěn)定(圖7(d)).可能的解釋是,我國(guó)不同地區(qū)在農(nóng)業(yè)生產(chǎn)技術(shù)、自然條件、生產(chǎn)要素投入方面差異較大.以黑龍江、山東為代表的糧食主產(chǎn)區(qū)已逐漸擺脫依靠要素投入提高糧食單產(chǎn),而其他地區(qū)仍依賴石化類要素投入,因此其碳效應(yīng)也不盡相同.魯慶堯等[42]研究發(fā)現(xiàn)糧食主產(chǎn)區(qū)的單產(chǎn)提升能夠降低碳排放,但在非糧食主產(chǎn)區(qū)則呈現(xiàn)先上升后抑制的趨勢(shì).該結(jié)果表明,只有擺脫對(duì)“石油農(nóng)業(yè)”的依賴,才能夠?qū)崿F(xiàn)增產(chǎn)與固碳雙贏.

農(nóng)業(yè)經(jīng)營(yíng)規(guī)模.農(nóng)業(yè)經(jīng)營(yíng)規(guī)模對(duì)凈碳匯呈波動(dòng)的正向影響(圖7(e)),說(shuō)明農(nóng)業(yè)經(jīng)營(yíng)對(duì)碳減排具有明顯的規(guī)模效應(yīng).農(nóng)地經(jīng)營(yíng)規(guī)模的變化會(huì)使農(nóng)業(yè)和非農(nóng)地之間發(fā)生轉(zhuǎn)化,而不同類型土地的碳匯、碳源能力存在較大差異,直接影響凈碳匯的變化[43].原因在于農(nóng)業(yè)經(jīng)營(yíng)規(guī)模的提高通常伴隨著先進(jìn)的生產(chǎn)技術(shù)和管理方式,有助于實(shí)現(xiàn)高產(chǎn)、高效、低耗的農(nóng)業(yè)生產(chǎn),進(jìn)而通過(guò)提高生產(chǎn)效率減少碳排放.該結(jié)果說(shuō)明擴(kuò)大農(nóng)業(yè)經(jīng)營(yíng)規(guī)模有利于加快農(nóng)業(yè)現(xiàn)代化進(jìn)程,使農(nóng)業(yè)產(chǎn)業(yè)化、企業(yè)化、集約化的水平不斷提升,進(jìn)而促進(jìn)凈碳匯量增加.

產(chǎn)業(yè)結(jié)構(gòu).第一產(chǎn)業(yè)產(chǎn)值占GDP 比重對(duì)農(nóng)業(yè)凈碳匯的影響呈“促進(jìn)-抑制-促進(jìn)”的變化趨勢(shì)(圖7(f)).當(dāng)一產(chǎn)占比小于20%時(shí),提高一產(chǎn)比重有助于降低碳排放,一產(chǎn)比重增加通常意味著土地利用和管理方式轉(zhuǎn)變,進(jìn)而通過(guò)擴(kuò)大農(nóng)業(yè)生產(chǎn)規(guī)模、改善農(nóng)業(yè)技術(shù)、合理利用農(nóng)業(yè)廢棄物等途徑實(shí)現(xiàn)減排固碳.但農(nóng)業(yè)生產(chǎn)活動(dòng)本身就是溫室氣體的重要源頭,當(dāng)占比跨越20%門檻后,植被覆蓋減少和土壤素質(zhì)減弱等問(wèn)題導(dǎo)致碳匯量不斷降低,使得凈碳匯量小幅回縮;而隨著占比超過(guò)30%,產(chǎn)業(yè)結(jié)構(gòu)的結(jié)構(gòu)性降碳效應(yīng)更為顯著[44].

機(jī)械化水平.隨著農(nóng)業(yè)機(jī)械化水平的提高,農(nóng)業(yè)凈碳匯持續(xù)降低(圖7(g)).該結(jié)果表明農(nóng)業(yè)機(jī)械化對(duì)農(nóng)業(yè)凈碳匯的負(fù)面影響不容忽視.已有研究認(rèn)為農(nóng)業(yè)機(jī)械在促進(jìn)碳減排上效果不佳,主要因?yàn)橹мr(nóng)技術(shù)資金不足導(dǎo)致技術(shù)難推廣,以及農(nóng)業(yè)補(bǔ)貼體系混亂導(dǎo)致政策效果欠佳[43].此外,盡管農(nóng)業(yè)機(jī)械對(duì)人力和畜力產(chǎn)生了替代效應(yīng),一定程度上減少了農(nóng)業(yè)碳排放,但也導(dǎo)致對(duì)柴油等農(nóng)業(yè)能源消耗劇增,加劇了溫室氣體排放[45].

農(nóng)業(yè)發(fā)展水平.農(nóng)業(yè)發(fā)展水平對(duì)凈碳匯呈較平穩(wěn)的正向影響(圖7(h)).該結(jié)果證明了經(jīng)濟(jì)發(fā)展和減排固碳并非兩個(gè)對(duì)立的命題.一方面,高水平的農(nóng)業(yè)發(fā)展有助于維護(hù)生態(tài)平衡,如通過(guò)推廣綠色生產(chǎn)技術(shù)可有效地降低資源消耗,采用農(nóng)業(yè)輪作、間作可提高土壤保持力,提升土壤碳匯能力;另一方面,高水平農(nóng)業(yè)發(fā)展可促進(jìn)農(nóng)村現(xiàn)代化進(jìn)程,激發(fā)農(nóng)民創(chuàng)造更加高效、低耗的生產(chǎn)方式和農(nóng)業(yè)生產(chǎn)技術(shù),從而實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)低碳化.

受教育程度.受教育程度對(duì)農(nóng)業(yè)凈碳匯的影響呈先促進(jìn)后抑制的趨勢(shì)(圖7(i)).受教育程度是影響農(nóng)戶技術(shù)采納行為決策的重要因素,提升農(nóng)村居民教育水平能夠促進(jìn)科學(xué)化、低碳化農(nóng)業(yè)技術(shù)的應(yīng)用[46];但受教育程度高意味著更容易獲得非農(nóng)就業(yè)機(jī)會(huì)[10],加劇城鄉(xiāng)人口流動(dòng),可能引發(fā)農(nóng)業(yè)生產(chǎn)人員流失、生產(chǎn)效率降低等問(wèn)題,抑制凈碳匯的作用逐漸顯現(xiàn).

2.2.3 關(guān)鍵影響因素演進(jìn)分析 為進(jìn)一步探究關(guān)鍵影響因素演進(jìn)規(guī)律,分別構(gòu)建2002～2008 年、2009～2014 年、2015～2021 年3 個(gè)時(shí)間段分樣本進(jìn)行隨機(jī)森林模型回歸.表5 結(jié)果顯示,不同時(shí)期內(nèi)灌溉條件、秸稈還田和免耕播種的重要性相對(duì)較高且排名穩(wěn)定,說(shuō)明這些因素對(duì)于維護(hù)農(nóng)業(yè)生態(tài)環(huán)境和促進(jìn)農(nóng)業(yè)綠色低碳發(fā)展具有重要作用,且不會(huì)因技術(shù)進(jìn)步或政策變化發(fā)生較大改變.而地區(qū)經(jīng)濟(jì)發(fā)展水平的重要性始終排列末位,說(shuō)明農(nóng)業(yè)增匯降碳受地區(qū)經(jīng)濟(jì)水平的限制相對(duì)較小.

表5 農(nóng)業(yè)凈碳匯影響因素重要性演進(jìn)Table 5 Evolution of the importance of factors influencing agricultural net carbon sequestration

隨著時(shí)間推移,部分因素重要性發(fā)生了較大變化.2002～2008 年,灌溉條件是影響地區(qū)農(nóng)業(yè)發(fā)展的最重要因素,秸稈還田、糧食單產(chǎn)和農(nóng)業(yè)經(jīng)營(yíng)規(guī)模等因素的重要性也排名靠前,表明該時(shí)期高生產(chǎn)率和規(guī)?；a(chǎn)仍是農(nóng)業(yè)凈碳匯的主要影響因素.需要注意的是,長(zhǎng)期追求高單產(chǎn)和經(jīng)營(yíng)規(guī)?？赡軙?huì)導(dǎo)致環(huán)境惡化和資源浪費(fèi)等問(wèn)題,在實(shí)現(xiàn)高效農(nóng)業(yè)生產(chǎn)的同時(shí)還需注重生態(tài)效益.2009～2014 年,灌溉條件繼續(xù)排名第一,而糧食單產(chǎn)、產(chǎn)業(yè)結(jié)構(gòu)的排名則有所下降,秸稈還田、免耕播種等因素的重要性逐漸攀升.說(shuō)明該時(shí)期我國(guó)農(nóng)業(yè)生產(chǎn)更加注重可持續(xù)發(fā)展理念,農(nóng)業(yè)政策已開始轉(zhuǎn)向生態(tài)經(jīng)濟(jì)建設(shè)和綠色發(fā)展.若過(guò)度追求糧食產(chǎn)量和產(chǎn)業(yè)結(jié)構(gòu)升級(jí),可能在短期內(nèi)產(chǎn)生較高的經(jīng)濟(jì)效益,但從長(zhǎng)期來(lái)看不利于農(nóng)業(yè)可持續(xù)經(jīng)營(yíng),而可持續(xù)農(nóng)業(yè)理念的推廣和應(yīng)用對(duì)提升農(nóng)業(yè)凈碳匯愈發(fā)關(guān)鍵.2015～2021 年,灌溉條件依舊排列最高,農(nóng)業(yè)機(jī)械化水平排名大幅上升,從第六位躍升至第四位,這說(shuō)明隨著我國(guó)農(nóng)業(yè)現(xiàn)代化水平的不斷提高,農(nóng)業(yè)機(jī)械化水平的作用變得更加突出.農(nóng)業(yè)機(jī)械化的進(jìn)步可以有效地滿足農(nóng)業(yè)生產(chǎn)需求,支持農(nóng)業(yè)生產(chǎn)的可持續(xù)發(fā)展和增匯固碳目標(biāo)實(shí)現(xiàn).

3 建議

3.1 鑒于大部分地區(qū)農(nóng)業(yè)減排固碳效果已十分顯著,應(yīng)重點(diǎn)關(guān)注凈碳匯潛力高的碳生態(tài)有惡化傾向或持續(xù)惡化的地區(qū)進(jìn)行減排固碳,持續(xù)推進(jìn)整體碳排放總量和強(qiáng)度下降,加強(qiáng)不同地區(qū)之間的經(jīng)驗(yàn)交流與合作,推進(jìn)農(nóng)業(yè)凈碳匯協(xié)同發(fā)展,實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)、資源共享,促進(jìn)全國(guó)農(nóng)業(yè)凈碳匯的長(zhǎng)期穩(wěn)定增長(zhǎng).

3.2 將提升農(nóng)田灌溉條件、推廣機(jī)械化秸稈還田和免耕播種作為提高農(nóng)業(yè)凈碳匯的重點(diǎn)措施.依據(jù)地區(qū)降水和土壤條件實(shí)施科學(xué)灌溉,加強(qiáng)灌溉基礎(chǔ)建設(shè)和節(jié)水灌溉技術(shù)推廣,提高灌溉水利用效率.推廣高效集中化收儲(chǔ)模式、創(chuàng)新秸稈能源化及秸稈還田等凈碳匯潛力較高的利用途徑,提高秸稈資源利用率.加快推廣機(jī)械化保護(hù)性耕作技術(shù),提高保護(hù)性耕作機(jī)具購(gòu)置和關(guān)鍵環(huán)節(jié)補(bǔ)貼力度,充分調(diào)動(dòng)農(nóng)業(yè)生產(chǎn)主體積極性.加強(qiáng)農(nóng)業(yè)生產(chǎn)環(huán)節(jié)的科學(xué)管理,適度擴(kuò)大農(nóng)地經(jīng)營(yíng)規(guī)模,進(jìn)一步優(yōu)化農(nóng)業(yè)財(cái)政補(bǔ)貼結(jié)構(gòu),向節(jié)能環(huán)保型農(nóng)業(yè)機(jī)械研發(fā)領(lǐng)域傾斜資金資助.利用政策和市場(chǎng)機(jī)制引導(dǎo)糧食生產(chǎn)向品質(zhì)轉(zhuǎn)變,借助現(xiàn)代農(nóng)業(yè)科技促進(jìn)糧食種植低碳生產(chǎn),盡快擺脫對(duì)“石油農(nóng)業(yè)”的依賴.

3.3 針對(duì)空間分布的非均衡性,各地政府應(yīng)立足本土實(shí)際,制定差異化的農(nóng)業(yè)減排固碳政策.對(duì)于“碳生態(tài)友好型”地區(qū),應(yīng)進(jìn)一步優(yōu)化農(nóng)作物結(jié)構(gòu)、推廣高效節(jié)水灌溉技術(shù)、加強(qiáng)土壤養(yǎng)護(hù)與肥料管理;對(duì)于“碳生態(tài)改善型”地區(qū),應(yīng)注重提高農(nóng)民種植技能與農(nóng)業(yè)經(jīng)營(yíng)規(guī)模,打造以生態(tài)優(yōu)勢(shì)為基礎(chǔ)的農(nóng)業(yè)新產(chǎn)業(yè);對(duì)于“碳生態(tài)惡化型”地區(qū),應(yīng)提高經(jīng)濟(jì)作物種植比重,減少化肥農(nóng)藥使用,推進(jìn)農(nóng)業(yè)生產(chǎn)機(jī)械化和低碳化;對(duì)于“碳生態(tài)持續(xù)惡化型”地區(qū),應(yīng)加大生態(tài)扶貧力度,優(yōu)化牲畜飼喂和糞便處理技術(shù),逐步實(shí)現(xiàn)碳達(dá)峰碳中和.

4 結(jié)論

4.1 考察期內(nèi),中國(guó)農(nóng)業(yè)碳排放量呈“下降-上升-下降”的三階段變化,農(nóng)業(yè)碳匯量逐年增長(zhǎng),農(nóng)業(yè)凈碳匯量從2002 年的2.3 億t C 增至2021 年的5.0 億t C,呈持續(xù)增長(zhǎng)的碳盈余狀態(tài),但增速逐漸放緩.大部分省份均已實(shí)現(xiàn)碳中和,并逐步走向偏向高碳盈的發(fā)展道路.

4.2 農(nóng)業(yè)凈碳匯總量分布整體呈現(xiàn)由東向西遞減的分布格局,并存在高值集聚增多、低值集聚減少的向好趨勢(shì),大部分高值省份為我國(guó)糧食主產(chǎn)區(qū).農(nóng)業(yè)凈碳匯強(qiáng)度具有明顯的空間集聚和空間非均衡特征,中、高強(qiáng)度地區(qū)主要分布在東北、中部和西南地區(qū),而低、微強(qiáng)度主要位于西北與東南地區(qū).

4.3 隨機(jī)森林模型具有更高的擬合優(yōu)度和回歸精度,能夠更好解釋關(guān)鍵因素對(duì)農(nóng)業(yè)凈碳匯的非線性作用機(jī)制.采用隨機(jī)森林模型識(shí)別出影響農(nóng)業(yè)凈碳匯的前9 個(gè)關(guān)鍵因素,分別為灌溉條件、機(jī)械化秸稈還田、機(jī)械化免耕播種、糧食單產(chǎn)、農(nóng)業(yè)經(jīng)營(yíng)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、機(jī)械化水平、農(nóng)業(yè)發(fā)展水平和受教育程度.

4.4 各因素對(duì)農(nóng)業(yè)凈碳匯的影響具有復(fù)雜的非線性特征,其中受教育程度與凈碳匯之間呈現(xiàn)“倒U型”關(guān)系,機(jī)械化水平具有顯著的抑制作用,其他因素整體呈現(xiàn)波動(dòng)的正向影響趨勢(shì),不同時(shí)期內(nèi)灌溉條件、秸稈還田和免耕播種的重要性始終排名靠前.