期刊佳文 | 中国农业净碳汇的时空动态及其驱动因素

当前，全球气候变暖对生态系统和环境安全的威胁日益加剧，具体表现为极端气候事件频发、病虫害蔓延、海平面上升等诸多自然社会经济问题。现有研究[1]成果显示，导致全球气候变暖的主要原因是人类活动引发的二氧化碳、甲烷等温室气体排放。为有效应对全球气候变化，世界各国相继制定了碳减排政策，我国在《国民经济和社会发展第十四个五年规划和二○三五年远景目标纲要》中明确提出力争在2030年前实现碳达峰，2060年前实现碳中和。我国是农业大国，为提高农业生产效率以保证粮食产量稳定增加，在农业生产中大量使用化肥、农药、农膜、柴油等农用物资，但这也加剧了温室气体的排放[2]。值得注意的是，农业系统亦具备碳汇特性，农作物在生长过程中可以吸收大气中的温室气体。因此，减少碳排和增加碳汇对实现我国“双碳”目标具有重大意义。

关于农业碳排放的研究主要围绕2个方面展开:一是农业碳排放测算及时空动态的研究。农业碳排放的测算方法主要包括排放系数法、模型模拟法和实地测量法等[3]，其中排放系数法被广泛应用于水稻种植[4-5]、农地利用[6-7]、农用物资[8]和禽畜养殖[9-10]等农业活动的碳排放测算。在确定测算方法和碳源后，学者们从国家[11]和省级[12]层面对农业碳排放时空动态特征进行分析。二是农业碳排放驱动因素的研究。目前研究农业碳排放影响因素的方法多种多样，如Kaya恒等式[13]、LMDI模型[14-15]、STIRPAT模型[16]、机器学习算法[17]等，其中LMDI模型被广泛应用于探究农业碳强度、农业产业结构、经济发展水平和人口规模等因素对农业碳排放的影响。近年来，农业碳源碳汇的双重属性也逐渐引起学者[18]的广泛关注，部分学者[19-20]将农业碳源碳汇有机衔接，着眼于农业净碳汇的研究。

当前文献对农业净碳汇的研究中，主要侧重于对农业净碳汇的测算，对其空间聚集性的探讨相对较少，对影响因素的研究更是鲜见。基于此，本研究对我国2002-2022年农业净碳汇进行测算，在分析其动态变化规律的基础上，进一步分析其空间聚集性，并运用LMDI模型分析我国农业净碳汇的影响因素，旨在为我国实现双碳目标、促进农业绿色低碳发展提供参考。

中国位于亚洲东部、太平洋的西岸，陆地总面积约960万km²，包括23个省、5个自治区、4个直辖市和2个特别行政区。本研究中我国及31个省(自治区、直辖市)每年化肥(折纯量)、农药、农膜和柴油等农用物资消耗量，主要农作物播种面积及产量，牛、马、驴、骡、猪、山羊和绵羊的年末存栏量，农业总产值及农村人口等基础数据均来自于2003-2023年《中国统计年鉴》[21]《中国农村统计年鉴》[22]及《中国人口和就业统计年鉴》[23]。需要说明的是，鉴于数据获取的局限性，本研究不包括香港特别行政区、澳门特别行政区和台湾地区。

1988年，世界气象组织及联合国环境规划署共同成立政府间气候变化专门委员会(Intergovernmental Panel on Climate Change，简称IPCC)，该委员会主要任务是为全球各国提供温室气体排放清单并制定测算方法。本研究基于IPCC指南中的排放因子法，从种植业源和畜牧业源对我国农业碳排放进行测算。种植业源主要包括水稻种植过程中产生的碳排放、农作物种植导致农用地产生的碳排放以及农用物资(如化肥、农药等)的使用所导致的碳排放。畜牧业源包括反刍动物(如牛、羊等)肠道发酵过程中产生的碳排放，以及粪便管理不善导致的碳排放。具体测算公式为:

根据IPCC指南框架下的排放因子法测算某一区域水稻种植产生的碳排放量，首先，需要对该区域水稻类型(早稻、中稻和晚稻)进行划分。其次，根据各类水稻的种植面积及其相应的甲烷(CH₄)排放因子计算出各类水稻产生的CH₄排放量。最后，将各类型水稻产生的CH₄排放量乘以其含碳量，并求和，即得到该区域水稻种植产生的碳排放量。将各区域碳排放量求和得我国水稻种植碳排放量，测算公式为:

农作物种植过程中，翻耕土壤会对土壤表层造成破坏，进而导致有机碳、氮的流失，释放大量氧化亚氮(N₂O)等温室气体。根据IPCC的基本方法[25]，农用地N₂O排放量定义为农作物播种面积与其对应排放因子的乘积，将N₂O排放量乘以其碳含量即得到农用地碳排放量。本研究主要考虑水稻、小麦、玉米、薯类、豆类、烟叶和蔬菜种植所导致的碳排放，具体测算公式为:

农业生产过程中使用物资产生的碳排放量可定义为某种农用物资的消耗量与其对应的碳排放因子的乘积。本研究主要考虑化肥、农药、农膜和柴油使用所产生的碳排放量，具体测算公式为:

根据IPCC的基本方法[25]，某种动物的肠道发酵CH₄排放量等于该种动物的年末存栏数量与对应的CH₄排放因子相乘。各种动物的CH₄排放量求和后乘以CH₄含碳量即得到动物肠道发酵的碳排放量。具体测算公式为:

畜牧业粪便管理碳排放量核算方法与肠道发酵类似，但畜牧业粪便管理产生CH₄和N₂O₂种气体且受气候条件影响不同地区CH₄和N₂O排放因子存在差异，具体测算公式为:

本研究基于不同农作物的碳吸收率、经济系数和平均含水率，对我国主要农作物的碳汇量进行估算，具体测算公式[29]为:

农业净碳汇量可定义为农业碳汇量与农业碳排放量的差。具体测算公式为:

空间自相关性是指同一变量在不同地理位置上的相关性，是检验空间点上某一要素的属性值是否与其相邻空间点上的属性值显著相关的重要指标[31]。本研究选取全局Moran’s I指数对我国农业净碳汇的空间关联性进行分析，计算公式为:

Kaya恒等式包含能源消耗水平，能源消耗强度等4个影响碳排放的因素[32]。具体表达式为:

运用对数迪氏指数分解(LMDI)模型对变形后的Kaya恒等式进行分解，对公式(12)两边取对数，表达式为:

根据公式(1)~公式(8)测算得到中国2002-2022年农业碳源碳汇及净碳汇的动态变化情况见表4和图1。中国农业碳排放总量整体呈现“平稳上升-急剧下降-波动上升-波动下降”4个阶段变化历程。(1)2002-2006年为平稳上升阶段。这一阶段“两救济三补贴”政策的落实调动了农民从业积极性，农业碳排放量从2002年2.64×10⁸t上涨到2006年2.87×10⁸t，涨幅为8.71%。(2)2007年畜牧业遭到高致病性猪蓝耳病等禽流感疫情的影响导致农业碳排放量急剧下降[35]。(3)2008-2015年为波动上升阶段。这一阶段在保证畜牧业稳定增加的同时，逐年提高农作物播种面积，并进行一系列种植补贴，农业碳排放总量从2.60×10⁸t上涨到2.79×10⁸t，涨幅为7.31%。(4)2016-2022年为波动下降阶段。这一阶段我国实施“一控两减三基本”减排政策及“两山”理念，提高了农民碳减排积极性，农业碳排放量从2.76×10⁸t下降到2.60×10⁸t，预计未来会因“双碳”目标继续下降。

自2007年起，中国农业碳排放主要来源由畜牧业转移至种植业。研究期内农用物资在种植业碳排放量中占比较大，年平均占比54.62%，其中，化肥是农用物资碳排放的重要来源，其碳排放量年平均占比60.95%，且呈现出倒“U”形变化趋势，2015年排放总量达到最高值，为5.36×10⁷t，随后因“化肥零增长行动”呈现逐年下降的趋势。玉米和蔬菜是农用地碳排放的重要来源，二者碳排放量年平均占比73.05%，且二者碳排放量变化呈现出逐年增长的趋势，增长率分别为74.84%，29.28%。牛和猪是畜牧业碳排放量的主要来源，二者碳排放量年平均占比81.60%，且牛碳排放量下降幅度较大，由2002年的9.27×10⁷t下降到2022年的7.19×10⁷t，下降22.46%，其原因可能是，我国注重规模化养殖，且牛的饲养过程难度大、生长周期长以及养殖成本高，使得养牛农户逐渐减少。

中国农业碳汇量呈现上涨的态势，2022年中国农业碳汇量为6.13×10⁸t，较2002年(3.86×10⁸t)增长58.81%。水稻、小麦和玉米对我国农业碳汇的贡献较大，三者碳汇量年平均占比83.29%，且均呈现逐年增长的趋势，增长率分别为19.45%，52.34%，128.51%。表明我国农作物产量稳定增长，农业碳汇能力逐渐增强。

中国农业净碳汇量呈现波动上升的态势，从2002年的1.22×10⁸t上升到2022年的3.53×10⁸t，上升189.34%。总体来看，我国农业领域呈现出的碳效应是以碳汇为主，碳排放为辅，这导致农业净碳汇的变化趋势与碳汇的变化趋势基本一致。此外，中国农业碳汇水平亦呈现波动上升的态势，所谓农业碳汇水平，即农业碳汇总量与农业碳排放总量的比值，农业碳汇水平越高，农业减排增汇效果越好。研究期内我国农业碳汇水平由2002年的146.21%上升到2022年的235.77%，表明我国在逐步提高农业低碳发展水平。

取2002年、2012年和2022年即前中后3个重点年份分析我国31省(自治区、直辖市)农业净碳汇和碳汇水平空间变化情况(图2、图3)。

农业净碳汇空间变化特征划分为低(<0)、较低(0~1×10⁷t)、中等(1×10⁷~2×10⁷t)、较高(2×10⁷~3×10⁷t)和高(>3×10⁷t)5个等级；农业碳汇水平空间变化特征划分为低(0~100%)、较低(100%~200%)、中等(200%~300%)、较高(300%~400%)和高(400%~500%)5个等级，等级区间均为右连续。

由图2、图3可知，中国农业净碳汇和碳汇水平呈现东北部高西部低的空间分布格局。西部地区多属草原牧区，得天独厚的自然资源为畜牧业的发展提供优越条件，值得注意的是，畜牧业本身暂未具备碳汇属性，且以畜牧业为主的地区往往无法实现碳汇补偿[36]，因此，西部地区农业净碳汇和碳汇水平相对较低；东北地区土地平坦肥沃，适宜大规模机械化农业生产，且该区域农业生产技术发展水平较高，因此，东北地区农业净碳汇和碳汇水平相对较高。

由图2、图3可知，2002-2022年我国大部分地区农业净碳汇和碳汇水平呈上升态势。例如，东北地区的辽宁、吉林和黑龙江，东部地区的天津、河北、江苏、山东，中部地区的山西、安徽和河南等，这些地区农业碳汇水平上升1~2个等级，且农业碳汇水平在中等以上。新疆、贵州等西部地区农业净碳汇和碳汇水平虽有上升态势，但大部分地区农业碳汇处于较低水平，表明这些地区农业碳减排已初见成效，但仍需进一步加大碳减排力度。综合来看，我国农业碳减排工作应由东向西倾斜，进而推动我国农业低碳发展。

由表5可知，2002-2022年Moran’s I指数均为正值，在给定显著性水平a=0.05的情况下，p值均小于0.05，表明中国农业净碳汇存在显著的空间正相关。中国各地区农业净碳汇的空间分布并非表现出完全随机性，在空间上呈现出空间聚集(高高聚集或低低聚集)的现象，即农业净碳汇较高水平的地区相邻，较低水平的地区也相邻。各年份的空间聚集程度较为稳定，Moran’s I指数sd值为0.02，表明2002-2022年中国农业净碳汇的空间总体格局没有发生较大变动，只是在原有格局上略有聚集调整。2002-2022年Moran’s I指数呈现波动上升态势，由此可见中国各地区农业净碳汇趋于聚集的趋势在逐渐增强。

运用LMDI模型将农业净碳汇的驱动因素分解为农业净碳汇强度、农业产业结构、农业经济发展水平和农村人口规模，基于公式(12)~公式(16)测算2002-2022年历年来各因素对中国农业净碳汇的影响方向和贡献值(表6)。

农业净碳汇强度是抑制我国农业净碳汇的主要驱动因素，2002-2022年农业净碳汇强度累计效应抑制农业净碳汇1.35×10⁸t，历年来农业净碳汇强度对农业净碳汇基本呈现负向影响。农业净碳汇强度是指我国农业净碳汇总量与农牧业生产总值的比值，我国农业净碳汇总量呈现上升的态势，农牧业生产总值亦呈现上升的态势，但农业净碳汇强度呈现下降态势，表明农业净碳汇的增长速度落后于农牧业经济增长的速度。因此，我国应注重农牧业经济增长与农业生产力的提升协调发展，进而提高我国农业净碳汇强度。

农业产业结构是抑制我国农业净碳汇的另一驱动因素，与农业净碳汇强度相比，农业产业结构对农业净碳汇的抑制效果较小。2002-2022年农业产业结构累计效应抑制净碳汇0.09×10⁸t，历年对净碳汇的贡献值呈现正向效应和负向效应的波动变换，表明我国农林牧渔产业结构在不断调整优化以提高农业碳汇水平，如我国由2019年农林牧渔总产值的比值的38∶42∶18∶2发展到2020年的42∶38∶18∶2，由此可见，不断加强种植业等具备碳汇功能的产业有助于提高碳汇水平。

经济发展水平是促进我国农业净碳汇的主要驱动因素。2002-2022年经济发展水平累计效应导致净碳汇增加4.88×10⁸t。历年来农业经济发展水平对我国农业净碳汇均呈现正向影响，表明我国在推动农业经济发展的同时，也在关注生态环境的可持续性，以实现二者的和谐共进。

农村人口规模是抑制我国农业净碳汇的重要驱动因素，其抑制效果介于农业净碳汇强度和农业产业结构之间。2002-2022年农村人口规模累计效应抑制农业净碳汇1.13×10⁸t。农村人口规模是指我国农村人口数量的变动导致农业净碳汇的变动，2002-2022年我国农村人口呈现逐年下降的变化趋势，从2002年的78241万人下降到2022年的49104万人，年平均下降1.77%，随着我国城镇化水平的不断加快，预计未来农村人口规模对农业净碳汇仍起到抑制作用。

(1)2002-2022年中国农业净碳汇呈现波动上升的态势，2022年农业净碳汇为3.53×10⁸t，较2002年(1.22×10⁸t)增长189.34%。我国农业碳排放量呈现“平稳上升-急剧下降-波动上升-波动下降”四阶段变化历程，农业碳汇量呈现逐年上升的态势，2022年中国农业碳汇量为6.13×10⁸t，较2002年(3.86×10⁸t)增长58.81%。

(2)碳源方面，我国农业碳排放的主要来源已由畜牧业转移至种植业，其中，农用物资是种植业碳排放的主要来源，2022年农用物资碳排放占种植业碳排放总量的52.48%；牛和猪是畜牧业碳排放量的主要来源，2022年牛和猪的碳排放量占畜牧业碳排放总量的80.70%。碳汇方面，水稻、小麦和玉米是碳汇的主要来源，2022年水稻、小麦和玉米碳汇量(5.17×10⁸t)占总碳汇量的84.32%。

(3)我国各地区农业净碳汇和碳汇水平均呈现上升趋势，且不同年份和地区的农业净碳汇存在差异，表现为东北部高西部低的空间分布格局。我国农业净碳汇存在显著的全局空间正相关，各地区呈现出高高聚集或低低聚集的特征，且空间聚集程度逐渐增强。

(4)经济发展水平在促进农业净碳汇方面发挥了重要作用，农业净碳汇强度、农业产业结构和农村人口规模在抑制农业净碳汇方面发挥了重要作用。其中，经济发展水平和农业净碳汇强度对我国农业净碳汇的影响程度较大。