农业生态系统作为陆地生态系统之一，是温室气体吸收和排放的重要来源。因此，农地利用变化对区域净碳汇（NCS）影响显著。为了进一步探究这一路径，本文计算了2000 - 2020年江苏沿海经济带（JCEB）20个区县的农业温室气体排放和吸收状况，并对NCS进行分析；在此基础上，建立扩展的对数平均迪氏指数（LMDI）模型，实证分解种植结构变化（PSC）对NCS的驱动作用，并比较了PSC的细分效应及其时空特征和演化规律。结果表明：研究期间，JCEB的农业NCS从7.16 × 106 tC增加到1.02 × 107 tC，呈现出先减少后增加的碳剩余状态。研究进一步证明了PSC对JCEB中农业NCS的生长有抑制作用，但这种作用呈波动性下降。从空间上看，与JCEB北部相比，南部地区PSC对NCS的影响相对较高。其中，粮食结构效应（GSE）和粮食-经济作物结构效应（GCSE）对农业NCS由抑制向促进转变的影响分别出现在2011年和2015年。此外，经济作物结构效应（CSE）的变化对NCS产生了持续的抑制影响。在此基础上，提出了利用资源禀赋、调整作物种植结构和优化土地利用的启示。
减缓气候变化是一个紧迫的全球问题，农业碳排放是全球排放的重要组成部分。根据联合国粮农组织（FAO）最新的专业报告，2018年全球农业二氧化碳排放量约为9.3 × 109吨。农业和土地利用变化占全球温室气体（GHG）排放总量的四分之一。作为世界农业大国，中国大规模种植水稻、玉米和小麦是全球碳排放的重要贡献者。研究表明，中国主要作物，如水稻、小麦、玉米和大豆的平均碳排放量分别为2472千克、794千克、781千克和222千克碳当量(CE)/公顷。随着联合国可持续发展目标的实施和中国碳中和战略的实施，详细了解中国作物种植结构的变化对减缓气候变化至关重要。
农业部门既是碳源又是碳汇。粮食作物（小麦、玉米等）和经济作物（花生、油菜籽等）在生长过程中通过光合作用吸收二氧化碳，将其转化为有机物，形成碳汇。然而，这些作物在种植、收获和加工过程中也会产生碳排放。因此，种植结构变化将直接或间接地影响净碳汇。最初，由于粮食和经济作物之间的碳排放和碳汇的差异，种植结构变化（PSC）直接影响净碳汇（NCS）。随后，PSC导致农业生产材料使用的转变，从排放角度间接影响NCS。此外，通过PSC提高土地利用效率对减少排放和增加碳汇具有重要意义。在此基础上，本研究分析了PSC对农业NCS的驱动作用，可为优化农业种植结构、加强土地利用管理、构建和发展低碳农业和生产模式提供理论参考。
广泛的研究发现，农业温室气体排放主要来自能源使用、肥料使用、土地利用变化、水稻种植和畜牧业。在确定碳排放源后，大多数学者基于遥感数据与统计数据相结合的等效因子法计算碳排放和碳汇。研究表明，水稻的碳排放/碳汇贡献在农田生态系统中尤为突出。这些现有的研究主要集中在国家和省级层面的碳排放和汇。在计算的基础上，众多学者采用结构分解模型来考察关键因素对碳排放和碳汇的影响。此外，这些研究侧重于经济发展的影响，农业技术和农业生产碳排放/吸收。
众所周知，农艺种植是农业的一个组成部分。自2000年以来，中国的作物结构在过去20年里发生了重大变化，谷物、蔬菜和水果的份额增加，挤压了其他作物。因此，多项研究证明，种植结构变化对碳排放的影响应引起更多关注。由于种植结构的变化，全球变暖潜势（GWP）增加了15%。主要原因是水稻和玉米播种比例显著增加。农业温室气体减排可以通过调整作物种植结构和控制肥料投入来实现。研究了东北三省PSC对碳排放的影响。研究发现，水稻、玉米和花生种植面积的增加促进了碳排放。相比之下，小麦、高粱、大豆和蔬菜种植面积的增加减缓了碳排放。有学者建立了基于种植结构优化的模型，两项研究都证实了优化作物结构可以有效抑制碳排放。作物种植面积的结构和比例显著影响整个农业区的碳平衡，优化种植结构可有效增强区域碳吸收。
尽管关于PSC对碳源或碳汇影响的研究很多，但大多是从单一角度进行的，缺乏从NCS角度进行深入的研究。同时，对种植结构的研究也显示出局限性。种植结构是复杂而系统的，但大多数文献只关注PSC的某一点，没有分析种植结构对NCS的细分作用。此外，由于目前的研究是在更广泛的空间尺度上进行的，因此很难将政策与管理相匹配。基于此，本文对2000 - 2020年JCEB县域尺度上的农业碳源、碳汇和NCS进行了测量和分析，并对NCS水平进行了分析。利用LMDI模型探讨了PSC对农业碳汇的影响，并分析了优化种植结构对提高农业碳汇水平的潜在贡献。
本文的边际贡献主要体现在：首先，构建了县域尺度的农业碳源和碳汇数据集，该数据集比大多数研究都要精细；该县涵盖了绝大多数的农业产业。该数据集对具体政策方案的制定和实施具有重要意义。其次，PSC对NCS的驱动作用是定量计算，进一步细分为粮食结构效应（GSE）、经济作物结构效应（CSE）和粮食-经济作物结构效应（GCSE）。第三，重点研究了长三角地区重要的粮食生产基地和缓解区域碳中和压力的重点区域。本研究对大城市群边缘地区农业碳中和建设具有参考价值。
1.农业净碳汇时空分析
1.1农业净碳汇的时间变化特征
根据图2，2000年至2020年期间，JCEB的农业NCS出现了典型的波动上升趋势。NCS从7.16 × 106 tC增加到1.02 × 107 tC，年均增长0.12%，增长42.76%。碳排放量从2000年的3.81 × 106 tC增加到2020年的4.86 × 106 tC，年均增长0.14%，增长27.60%。碳汇从2000年的1.10 × 107 tC增加到2020年的1.51 × 107 tC，年均增长1.85%，增幅为37.48%。这表明研究区农业系统在此期间保持了良好的碳平衡，表现出较强的碳吸收能力。
进一步分析表明，近20年来，农业NCS经历了三个不同的变化阶段：下降阶段、快速增长期和缓慢增长期。从2000年到2003年，第一期NCS从7.16 × 106 tC下降到6.28 × 106 tC。这一下降是由于化肥和农药消费量在此期间显著增加，对农业碳固存产生了负面影响。从2004年到2015年，NCS出现了第二阶段的大幅增长，增长了约31.93%。这一增长得益于一系列有利于农业的政府政策，其中始于2004年的关键“一号文件”，该文件促进了种植业的迅速反弹。第三阶段，2016年至2020年，NCS的增长速度有所放缓，增幅约为5.27%。这一阶段适逢“十三五”时期，农业生产方式的转变和种植结构的调整使农业NCS进入缓慢增长期。
1.2农业净碳汇的空间变化特征
本文认为NCS小于1 × 105 tC的区域为碳中性区，NCS介于1 × 105 tC和4 × 105 tC之间的区域为低碳汇区，NCS介于4 × 105 tC和7 × 105 tC之间的区域为中高碳汇区，NCS介于7 × 105 tC和1 × 106 tC之间的区域为高碳汇区。图3为2000年、2010年和2020年江苏沿海各县区NCS空间分布图。
总体而言，JCEB农业净碳汇存在显著的空间差异。JCEB中部地区的NCS高于北部和南部地区，大部分地区的碳汇更优秀。到2000年，东台作为高碳汇地区的代表，由于其大量的农业NCS在JCEB中成为分布变化的领导者。通州、如东、大丰、射阳和东海被认为是高碳汇地区。同时，除连云港市区和南通市市区为碳中性区外，其余地区均为低碳汇区。随着时间的推移，NCS呈上升趋势，高碳汇区域逐渐扩大，表明区域碳汇能力有所提高。全国有11个区县被确定为高碳汇区，高碳汇区数量保持稳定，并在2020年达到峰值。这些事态发展强调了联合会在加强碳汇能力方面的持续努力和显著成就。
重心运动轨迹及其演化趋势可以进一步揭示NCS的空间分布格局（如图4所示）。根据NCS的重心迁移轨迹，NCS持续向盐城地区集中，并不断向西北移动，迁移距离为27.16 km。在空间分异格局上，总体上以西北—东南方向为主，表明西北地区对JCEB碳汇空间格局的影响有所增强。
2.种植结构对净碳汇的贡献
2.1种植结构变化的时空特征
粮食作物主要包括水稻、玉米和小麦，它们是人类必不可少的食物来源。它们覆盖范围广泛，在农业生产和粮食安全方面发挥着至关重要的作用。经济作物主要包括花生、水果和蔬菜，通常具有很高的市场价值。它们种植结构的变化会显著影响碳循环。如图5所示，水稻、小麦和蔬菜是JCEB的主要作物。这些作物的种植比例分别从2000年的24.65%、27.40%和12.01%增加到2020年的29.90%、31.84%和19.07%。其余作物（除甜瓜和水果外）在研究期内呈下降趋势。降幅最大的是棉花，种植面积从2000年的1.88 × 105 km2减少到2020年的24.60 km2。棉花种植管理成本的上升是推动这一趋势的主要原因。此外，农村劳动力的流失和棉花与其他作物相比经济效益相对较低，进一步导致了棉花种植面积的急剧减少。蔬菜和水果的增长速度最大，在研究期间分别增长了82.13%和88.97%。在这一增长趋势的背后，是城乡居民对蔬菜需求的增加所带来的蔬菜产业的发展。这也反映了经济作物在市场供求关系中的地位日益重要。
2.2种植结构对净碳汇影响的时空分析
2.2.1种植结构效应的时序分析
种植结构效应是抑制JCEB农业NCS生长的关键因素。如图6所示，2000 - 2020年种植结构效应对JCEB NCS的影响呈现出一定程度的波动。总的来说，它表现出抑制的持续影响。2004年和2005年，种植结构效应对JCEB农业NCS的抑制作用尤为显著，分别为- 3.56 × 105 tC和- 3.45 × 105 tC。随后，JCEB对NCS的抑制作用减弱。2007年和2018年，对NCS的抑制作用下降到两个相对较低的值，分别为- 1.68 × 105 tC和- 1.44 × 105 tC。作为全国重要的粮食生产基地，JCEB农业发展重点和政策的变化对种植结构产生了重大影响。随着时间的推移，国家政策逐渐转向更加重视优化农业产业结构和加强环境保护。这些变化旨在满足市场需求，提高个人的生活质量。这一战略重点导致了对种植结构的修改，从而减轻了对NCS的抑制作用。
IE、OE和LE表现出相似的动态趋势，总体上表明JCEB的NCS发挥了促进作用，且效果有不断增强的趋势。进一步的分析显示，2003年和2005年的工业增加值和工业增加值均为负值，表明国家生产总值受到了抑制影响。2003年和2005年碳排放的累积效应值分别为3.57和2.78 × 105 tC，而碳汇的累积效应值分别为- 1.14和- 9.08 × 105 tC。从2013年开始，OE的累计贡献开始超过LE的累计贡献，说明单位面积的产出量在增加。这反映了农业生产力的提高和农业技术的进步，从而增强了作物的固碳能力。因此，碳汇显著超过碳排放，推高了JCEB的NCS水平。
综合比较，IE、OE和LE对JCEB的农业NCS有显著贡献。三者的累积效应值显著高于种植结构的累积效应值。这表明，结构性效应促进而非抑制了JCEB的NCS，推动了NCS的正增长。尽管全国农业发展总体向好，但种植结构优化仍是带动浙西大区农业发展的关键因素。
由于不同作物类型对碳循环的贡献存在显著差异，因此有必要对作物的结构效应进行详细的分析和划分。为了加深对碳排放和碳汇的结构含义的理解，本文将它们系统地分为GSE、CSE和GCSE，如图7所示。这种分类有助于对主题进行更全面和细致的分析。NCS的GSE由抑制性向促进性转变。具体而言，粮食作物碳排放的累积影响值随着PSC的增加而降低，从2005年的3.72 × 105 tC降至2020年的1.22 × 105 tC。到2020年，粮食作物碳汇的累积效应值保持在1.95 × 105 tC。从粮食作物的内部结构来看，由于水稻和小麦种植面积和产量的增加，GSE促进了碳汇。这些作物的结构变化显著影响NCS，导致GSE效应从抑制转变为促进。因此，年效应值从2000年的−4,916.27 tC变化到2020年的4,348.23 tC，到2020年累计效益值为731,000 tC。
自2009年以来，关于压制非传染性疾病的CSE每年都在加强，并且越来越明显。到2020年，其碳排放累计CSE值为1.78 × 105 tC，有利于碳排放的增长。蔬菜、水果等经济作物的消费能力较强，导致这些作物的种植比例和产量增加。然而，由于经济作物的碳吸收能力相对较低，其碳汇累积效应值为- 3.44 × 105 tC，对碳汇产生了显著的负影响。总之，CSE对净碳汇具有抑制作用，且抑制作用逐渐增强。CSE的年效应值由抑制向促进转变。特别是在2018年，GCSE对NCS的贡献达到最大值，累积效应值增加到3.13 × 105 tC。这表明该区域在农业种植结构的结构性变化和NCS的增加方面取得了显著成效。
综上所述，GCSE和农业NCS的CSE表现出由抑制到促进的特征变化，拐点分别出现在2015年和2011年。在整个研究期间，CSE对NCS具有持续的抑制作用，并且随着时间的推移，抑制作用增强。虽然GCSE和GSE对NCS产生了良好的效果，但综合效果值仍低于CSE。因此，结构效应对NCS起抑制作用。在三个子效应中，2010年以前，GSE对NCS的抑制作用最强；2010年以后，CSE的抑制作用最为显著。
2.2.2区域种植结构效应分析
如图8所示，种植结构效应呈现出明显的空间分布格局，南部地区的抑制程度高于北部地区。这反映了南方地区作物种植结构可以更加合理，需要进一步优化调整。
分析了各县域的PSC对NCS的影响，发现通州对NCS存在负向影响。该地区主要种植高经济价值作物，如蔬菜，这与高碳排放有关。这些作物的种植抑制了NCS植物的生长。同样以蔬菜种植为主的启东、海门也出现了类似的情况，影响了NCS的发展。分析表明，抑制NCS的地区主要集中在以经济作物为主的南通市。主要推广NCS的地区集中在以粮食作物为主的盐城市和连云港市。因此，为了获得具有普适性的结果，下面将从城市行政区域的角度分析PSC对NCS的影响（图9）。
通过分析GSE对NCS的贡献，水稻和小麦是三个城市的主要粮食作物。盐城地区主要作物对全国农业系统的贡献大于其他两个地区。因此，GSE对南通和连云港的NCS具有抑制作用，促进了盐城的NCS。CSE对江苏沿海3个城市的农业NCS均有抑制作用，其中盐城市的抑制效果最强。在经济作物种植方面，三个沿海城市都呈现出一个共同的趋势：蔬菜、瓜类、水果等经济作物的种植面积和产量都呈现出逐渐增长的趋势。CSE对碳排放的价值为正，促进碳排放；CSE对碳汇的价值为负，抑制碳汇。碳排放增加和碳汇减少的叠加效应对农业NCS产生负向影响。
GCSE对江苏沿海3个城市农业NCS的贡献均为正，其中盐城市贡献最大。这说明综合考虑GSE和CSE后，盐城的种植结构相对更为合理，连云港次之，南通排名垫底。这与三个城市的发展特点和资源条件有关。
南通市更加注重发展现代产业。相比之下，盐城市和连云港市作为大力发展和促进农业的地区，为高碳汇主粮作物的种植提供了广阔的空间。
虽然本文的研究尺度已经细化到县级，但由于数据的限制，碳汇参数本地化的过程还需要进一步完善。此外，本研究从碳源和碳汇的角度考虑了PSC对NCS的影响，但这只考虑了农业生产，农村居民生活用能结构有待进一步细化。未来的研究将通过实地抽样修正参数，并通过实地调查了解研究区农业能源利用的细分结构。
初审：严 露
审核：徐彩瑶
排版编辑：王永成
文献推荐人：王永成
参考文献：Xiaomei Shen, Rong Yan, Mingdong Jiang, How does planting structure change affect the agricultural net carbon sink? Evidence from the Jiangsu coastal economic Belt, Ecological Indicators, Volume 170, 2025, 112949, ISSN 1470-160X.
以上内容仅代表个人对文章的理解，详情请点击阅读原文。
推荐阅读
探索基于自然的生态文明解决方案，助力实现“双碳”战略目标，协同推进人与自然和谐共生与全体人民共同富裕的中国式现代化建设，让我们一起加油！
