**农业碳排放空间演变与驱动力分析

李娜，石晶

（塔里木大学经济与管理学院，** 阿拉尔 843300）

由二氧化碳等温室气体排放引起的全球气候变化已成为全人类需要面对的重大挑战，如何科学合理的减少温室气体排放已成为各国迫切需要解决的重大问题。中国是二氧化碳排放大国，2020年碳排放总量高达98.99亿吨，占全球的30.7%，远超其他国家［1］。为应对全球气候变暖和生态环境恶化的威胁，早在2009年我国政府就作出2020年二氧化碳强度比2005年减少40%～45%的承诺［2］。2020年9月，***总书记更是提出力争于2030年前实现“碳达峰”，2060年前实现“碳中和”的“双碳”目标［3］。这是我国积极应对气候变化、推动构建人类命运共同体的责任担当，也是我国贯彻新发展理念、推动高质量发展的必然要求。根据2007年联合国政府间气候变化专门委员会（IPCC）的报告，农业生产已成为全球第二大温室气体排放来源，占全球的14%［4］。因此，掌握农业碳排放的实际情况，洞悉农业碳排放的空间演变，进而识别农业碳排放的驱动因素，有助于合理制定减排政策，促进碳减排总目标的实现。

国外学者对农业碳排放的研究相对较早，WOOMER P L 等［5］、JOHNSON J M F 等［6］分别对塞内加尔、美国农业碳排放进行研究，得出土地利用变化和农业生产活动是农业碳排放的主要因素。国内学者主要从不同角度对农业碳排放进行研究，李强等［7］、叶文伟等［8］从碳足迹视角依次探讨滨海滩涂垦区大田作物温室气体排量、海南岛农田生态系统碳足迹时空变化及其影响因素。陈胜涛等［9］从碳排放绩效视角分析出江苏省农业碳排放与农业经济发展之间呈现强脱钩效应。曹俊文等［10］、杨红娟等［11］从碳排放影响因素视角进行研究，发现农村劳动力规模和农业结构等因素抑制农业碳排放增长。张颂心等［12］、李洁等［13］从农业科技进步与碳排放视角进行研究，均发现农业科技进步与农业碳排放之间存在负相关关系。田云等［14］从低碳农业视角分析我国各省低碳农业发展水平，并在考察影响其变化机理的基础上研究空间收敛性。

国内外学者围绕农业碳排放的研究已取得了丰硕的成果，但鲜有学者从市域尺度对农业碳排放空间特征进行研究。**作为我国重要的粮棉果畜生产基地，近年来随着农业现代化进程的加快，农业生产物资的大量投入和牲畜养殖规模的不断扩大，导致农业碳排放量不断增加，使原本脆弱的生态环境面临更加严峻的压力。基于此，本文以**14个地州（市）为研究对象，运用探索性空间数据分析和空间计量模型等方法，测算2000—2020年土地利用和牲畜养殖两个方面产生的农业碳排放。在此基础上从地理区域和市域尺度探究**各地州（市）农业碳排放的空间演变及主要驱动力。以期为**区域间农业碳减排，实现**农业低碳可持续发展提供有效借鉴，助力实现“双碳”目标。

1.1 研究方法

1.1.1 农业碳排放测算方法

目前，关于农业碳排放测算主要考虑以下三个方面：一是农地利用产生的碳排放［10］；
二是水稻生长发育产生的CH4气体排放［7］；
三是牲畜养殖中肠道发酵和粪便管理产生的碳排放［15］。考虑到**是我国重要的农牧业基地，水稻产业相对较弱，因此本文主要从农地利用和牲畜养殖两个方面测算**各地州（市）的农业碳排放。依据农业碳排放源头特征，本研究在参考田云等［16-17］学者成果的基础上选取化肥、机械、土地翻耕、牛和羊（包括山羊和绵羊）5大碳排放源，并确定具体碳源因子及对应的碳排放系数（见表1～2），构建**农业碳排放计算方式如下：

表1 农地利用碳源及碳排放系数

表2 牲畜养殖碳源及碳排放系数

式（1）中：C为农业碳排放总量；
Ci为各类碳源的碳排放量，Ti为各碳排放源的量，δi为各碳排放源的碳排放系数。为了方便分析，统一将甲烷（CH4）和氧化亚氮（N2O）换成标准二氧化碳（CO2）。依据2007年IPCC第四次评估报告，1 t CH4和1 t N2O所引发的温室效应分别等同于25 t CO2和298 t CO2所产生的温室效应［4］。

1.1.2 探索性空间数据分析（ESDA）

全局空间自相关，采用全局Moran’s I指数来表示**农业碳排放在整个区域内的空间关联程度。局部空间自相关，反映周边区域的空间关联和差异程度。计算方式依次为：

式（2）、（3）中：I为莫兰指数；
n为空间单元的数目，xi为地州（市）i的观测值；
x0为碳排放量的平均值；
wij为空间权重矩阵，S2为方差。

1.1.3 空间计量模型构建

考虑到传统的计量回归模型（OLS）无法将各区域间的空间相关程度考虑在内，使得估计结果有一定的偏差。相比之下空间计量模型中，空间滞后模型（SLM）和空间误差模型（SEM）能够更加准确地分析出影响**农业碳排放的驱动因素。前者主要考察变量在各个区域的空间相关性，后者主要考察存在于误差扰动项中的空间依赖性，通过对3种模型的模拟参数进行比较和分析，选取最优模型。

式（4）中：Y是因变量向量，X=（X1，X2，……，X6，X7）是解释变量矩阵，ρ是空间自回归系数，W是空间权重矩阵，ε是随机误差向量，WY是空间滞后因变量。

式（5）、（6）中：λ为空间误差系数，μ为正态分布的随机误差向量。

1.2 数据来源

本文所采用的数据均来自《**统计年鉴》（2001—2021年）和《中国农村统计年鉴》（2001—2021年），化肥、机械和土地翻耕等数据以当年实际使用量和实际播种面积为准，牛、羊数量采用各年末存栏量。此外，农业总产值、农牧业总产值和农林牧渔业总产值以2000年为基准价，以剔除价格变动产生的影响。参照《**统计年鉴》中行政区域的划分，将**划分为北疆、南疆和东疆。其中，北疆地区包括博尔塔拉蒙古自治州（博州）、乌鲁木齐市（乌鲁木齐）、昌吉回族自治州（昌吉）、塔城地区（塔城）、伊犁哈萨克自治州（伊犁）、克拉玛依市（克拉玛依）、阿勒泰地区（阿勒泰）；
南疆地区包括克孜勒苏柯尔克孜自治州（克州）、阿克苏地区（阿克苏）、巴音郭楞蒙古自治州（巴州）、喀什地区（喀什）、和田地区（和田）；
东疆地区包括吐鲁番市（吐鲁番）和哈密市（哈密）。

2.1 **农业碳排放空间分布

根据式（1）分别测算2000—2020年**各地州（市）的农业碳排放总量。如图1，总体来看，2000—2016年**农业碳排放总量波动式上升，2016—2020年波动式下降。具体来看，北疆地区碳排放变化趋势与**基本一致，南疆和东疆地区碳排放量呈上升趋势。对比来看，近20年来，东疆地区的农业碳排放量明显低于北疆和南疆，仅占全疆总量的2%。这主要因为东疆地区农业结构相对合理，种植业和畜牧业发展相对均衡。北疆和南疆地区相比，前期农业碳排放变化趋势大体一致，2017年以后北疆地区呈下降趋势，而南疆地区持续上涨，这与2017年自治区推动乌鲁木齐市创建国家级低碳城市、高新区创建国家级低碳园区密切相关。

图1 2000—2020年**各区域农业碳排放总量的变化

分别选取2000年、2007年、2014年和2020年4个代表性的年份，分析**农业碳排量在14个地州（市）的空间分布情况，如图2～5所示。2000—2020年**农业碳排放的热点地区主要集中在伊犁、阿克苏和喀什。其中伊犁的农业碳排放量在2000年、2007年和2014年均最高，从2000年的883.77万吨增加到2014年的2 063.67万吨，增幅达134%。克拉玛依和乌鲁木齐的农业碳排放量始终低于100万吨，属于低碳排放区；
博州、克州、昌吉和塔城的农业碳排放量较其他地区相对稳定，但仍要注意减碳减排问题。和田和巴州等地的农业碳排放量在空间分布上呈“低排放-高排放-低排放”的动态变化，农业碳排放控制效果比较明显。从碳排放热点地区数量来看，研究期内农业碳排放量在700万吨以上的地区呈先增后减趋势，表明随着农业经济的不断发展，前期受碳源总量和农资投入的影响，**农业碳排放呈递增趋势，后期得益于中央一号文件和自治区减碳减排政策的实施呈现不断下降趋势［18］。

图2 2000年**农业碳排放分布图

图3 2007年**农业碳排放分布图

图4 2014年**农业碳排放分布图

图5 2020年**农业碳排放分布图

2.2 **农业碳排放空间相关性分析

2.2.1 全局空间相关性

全局空间Moran’s I指数在一定程度上反映地理空间内部呈现的集聚现象，其值介于［-1，1］之间，Moran’s I指数>0，说明各实体之间存在正相关关系，且绝对值越接近于1相关性越强。因此为了探究2000—2020年**农业碳排放在整个区域内的空间关联程度，本研究根据公式（2），基于距离空间权重矩阵对2000—2020年**14个地州（市）农业碳排放量进行全局空间相关性检验。由检验结果可知，研究期内**农业碳排放的Moran’s I指数均大于零，且均通过10%的显著性检验。其中2000、2018、2019和2020年的Moran’s I指数通过了5%的显著性检验，可见在研究期内**农业碳排放的Moran’s I指数整体呈波动上升趋势，且2018年的Moran’s I指数较之前增加明显，这表明2000—2020年**各地州（市）农业碳排放空间相关性不断加强。

2.2.2 局部空间相关性

为更加直观地展现**农业碳排放的局部集聚特征，本研究列出2011年、2020年的莫兰散点图和LISA集聚性地图。从图6和图8来看，阿克苏、和田、喀什和塔城位于第一象限，农业碳排放量相对较高，形成“高-高”集聚；
克州和博州位于第二象限，形成“低-高”集聚，即农业碳排放量低的地州（市）被农业碳排放量高的地州（市）所包围；
巴州、吐鲁番、乌鲁木齐、克拉玛依、阿勒泰和哈密位于第三象限，形成“低-低”集聚，这些地州（市）的农业碳排放量相对较低，差异较小；
昌吉和伊犁位于第四象限，形成“高-低”集聚，即农业碳排放量高的地州（市）被农业碳排放量低的地州（市）所包围；
从图7和图9来看，2020年“高-高”集聚的区域比2011年减少1个，“低-高”集聚和“低-低”集聚区域的数量没有变化，“高-低”集聚的区域增加1个。塔城由“高-高”集聚演变为“高-低”集聚，昌吉由“高-低”集聚演变为“低-低”集聚，这表明随着农业经济的绿色化发展，**各区域间农业产业协作逐渐加强，地区减碳减排辐射带动作用凸显。而巴州由“低-低”集聚转变为“高-低”集聚，其农业碳减排形势相对严峻，是值得关注的重点地区。

图6 2011年**农业碳排放Moran’s I散点图

图7 2020年**农业碳排放Moran’s I散点图

图8 2011年**农业碳排放LISA集聚图

图9 2020年**农业碳排放LISA集聚图

3.1 变量选取与模型选择

参考李波等［19］、杨红娟等［20］学者对农业碳排放的相关研究，并结合**地区农业发展实际，本研究从要素、产业、环境3个维度考虑**农业碳排放的可能影响因素，相关变量说明如表3所示。农业经济发展水平、农业生产效率的提高会促进农业生产的积极性，农业劳动力、农村用电量等人口和能源要素的投入对农业碳排放的产生有一定的影响。城镇化水平影响农村从事农业生产的人数，进而对农业生产方式产生影响。**耕地面积从2000年的2 725千公顷扩大到2020年的5 242.29千公顷［21］，对土地的改良和利用影响着农业碳排放的变化；
此外，由于农作物的生产周期及种植特点不同，使得各农作物所需投入要素略有差异，导致农业产业结构对农业碳排放的影响也存在差异。

表3 **农业碳排放影响因素变量说明

由于**各地区在经济水平、产业结构和资源禀赋等方面存在差异，因此有必要对**农业碳排放进行驱动力分析。本研究首先对选取的各解释变量进行多重共线性检验，并采用逐步回归法（Frisch综合分析法）消除变量的多重共线性。然后依次进行普通最小二乘法估计（OLS）、空间滞后模型（SLM）和空间误差模型（SEM）回归分析。由表4可知，SEM、SLM、OLS拟合判定系数依次为0.904>0.880>0.871，对数似然比值依次为2.841>2.504>2.044，且空间误差模型的Value大于空间滞后模型，由此可见空间误差模型的拟合回归效果最优，故本研究选择空间误差模型分析**14个地州（市）农业碳排放的驱动力。

表4 **农业碳排放驱动力OLS、SLM、SEM检验结果

3.2 **农业碳排放驱动力空间计量回归分析

由**农业碳排放驱动力空间误差模型回归结果可知，变量 LNX2、LNX3、LNX4、LNX6和 LNX7均通过显著性检验。具体来看，耕地规模化程度、农业产业结构、农村用电量和农业生产效率是**农业碳排放增加的主要驱动因素，其中农业生产效率贡献率最大，在保证其他要素不变的前提下，农业生产效率每提高1%，**农业碳排放总量相应增加2.201万吨。这表明随着**农业现代化进程的加快，化肥、农药和机械等农用物资的投入相应增加，农业生产效率得以提高，造成了大量的农业碳排放。农村用电量和农业产业结构对农业碳排放增加的贡献率次之。城镇化水平是减排因素，这意味着城镇化水平的提高可以促进农业碳减排。

表5 **农业碳排放驱动力SEM回归结果

4.1 结论

本文在测算2000—2020年**14个地州（市）农业碳排放的基础上探究了农业碳排放的空间演变情况，并对**农业碳排放的驱动力进行分析，结论如下：1）从地区差异来看，研究期内北疆地区农业碳排放呈先上升后下降趋势，南疆和东疆地区农业碳排放总体呈上升趋势；
**农业碳排放的热点地区主要集中在伊犁、阿克苏和喀什，且农业碳排放量在700万吨以上的热点地区数量先增后减。2）从空间相关性来看，研究期内**农业碳排放的Moran’s I指数整体呈现波动上升的变化趋势，且2018年的Moran’s I指数较之前增加明显。2011年和2020年的局部莫兰散点图显示多数地州（市）的农业碳排放形成“高-高”和“低-低”集聚态势，且“低-低”集聚类型的地州（市）增多。3）从空间驱动力来看，耕地规模化程度、农业生产结构、农村用电量和农业生产效率是4个增排因素，城镇化水平是减排因素，农业生产效率是**农业碳排放量增加的主要驱动力。

4.2 建议

根据上述分析，为因地制宜制定碳减排举措和有效促进低碳农业发展，提出以下建议：1）立足本土实际，制定差异化的低碳农业发展政策。**地区农业碳排放空间差异明显，在制定和实施政策时要充分考虑差异性，防止“一刀切”的现象。此外，政府应利用各种渠道大力宣传低碳农业，提升农民低碳生产意识。2）制定区域环境协作计划，形成区域协作机制。**各区域间要加强协作，农业碳排放低的地区要积极推广本区域低碳农业发展经验，凸显其减碳减排辐射带动作用。此外，政府部门应对伊犁、阿克苏等高碳排放地区采取政策引导等措施，减缓温室气体的排放。3）提升农业种植和牲畜养殖的低碳化发展水平，推广应用绿色低碳技术。农业生产提倡测土配方施肥技术和新型农业灌溉技术，加强牲畜粪便无害化处理，建立沼气池等提高残余物利用率，实现农业经济增长和节能减排的双重目标。

推荐访问:驱动力 新疆 排放