任洪杰,李辉尚,冯祎宇基于时空视角的广东省农业碳排放动态演化特征及发展趋势研究[J]中国生态农业学报(中英文)(2023)31(8):1287−1300

　　(1中国农业科学院农业信息研究所/农业农村部农业大数据重点实验室北京100081;2中国农业科学院农业经济与发展研究所北京100081)

　　摘要:为明确广东省农业碳排放特征及影响因素,预测2023—2040年农业碳排放趋势,为广东省制定农业碳减排政策提供理论依据,本文基于农业物质投入、农田土壤利用、畜牧业养殖3类主要碳源,利用IPCC(政府间气候变化专门委员会)经典碳排放计算理论,对2000—2020年广东省农业碳排放进行测算,进一步分析其时空特征与动态演变趋势,厘清市际差异;利用LMDI模型开展影响因素分析,并运用灰色预测模型GM(1,1)预测2023—2040年碳排放量。结果表明:1)2000—2020年广东省农业碳排放总量及强度逐年降低,2020年广东省农业碳排放总量为32977万t,农业碳排放强度为059t(万元)−1。其中农田土壤利用贡献的农业碳排放量占比最高,其次为农业物质投入,最后为畜牧业养殖。农田土壤利用中晚稻种植所导致的碳排放平均占比最高,达4106%;牛饲养、化肥、早稻种植所引起的碳排放量紧随其后,四者之和占广东省农业碳排放总量的8453%。2)广东省各市农业碳排放总量及强度呈现地区差异。经济欠发达地区总量及强度以高与次高为主,经济发达地区以次低与低为主,呈现由中心向边缘增加趋势;从2000年到2020年,经济欠发达区与经济发达区农业碳排放强度均呈递减趋势。3)U8国际农业生产效率、地区产业结构、劳动力规模因素对农业碳减排发挥一定作用,而农业产业结构、地区经济发展水平及城镇化因素为农业碳排放增加的主要因素。4)预测结果表明广东省农业碳排放量在2023年后持续下降,21个地级市中茂名、湛江的农业碳排放在2023年后仍有上升趋势,其他城市的农业碳排放量呈逐年下降趋势。基于此,本文提出强化科技创新、健全农业政策保障体系、提高绿色技术普及率等相关政策建议,以期为广东省农业碳减排规划提供理论参考。

　　目前,众多学者围绕农业碳排放展开的研究主要集中在以下几个方面:第一,对特定碳源进行测算。现有学者运用科学试验的方法,对农田N2O排放量[1]、种植蔬菜地与裸地N2 O排放差异[2]、农业灌溉行为的碳排放[3]等进行研究,进而得出我国不同区域农业碳排放系数,更加符合我国实际。第二,构建农业碳排放核算体系并探究时空特征。农业碳排放测算方法包括政府间气候变化专门委员会(IPCC)经典碳排放计算法、生命周期法、投入产出法和实测法,现有研究多运用IPCC经典碳排放计算法和生命周期法。在碳源选择上,包括农田土壤利用[4]、农业物质投入[5]、畜牧业养殖[6]、秸秆燃烧[7]等。在农业碳排放时空特征方面,现有学者研究中国省域农业碳排放特征时发现,各省域农业碳排放量差距较大,呈“中心-外围”模式分布,总体来看,西部省域排放等级提升,中部省域下降,呈现西高东低的阶梯状分布特

　　征,且农业碳排放率空间相关性减弱,差距逐渐扩大[8]。上述研究不断扩展农业碳排放测算维度,测算方法不断成熟,为进一步研究打下基础。第三,分析影响农业碳排放的因素。现有研究发现,生产效率、农业生产结构、农村人口[9]、农业产业结构、农业经济发展水平[10]、农村受教育水平、农业机械化[11]、环境规制水平等的提升可降低农业碳排放[12],但农业发展水平[13]、产业集聚水平[14]、城镇化水平、农地规模经营等的加强会促进农业碳排放[15]。第四,预测农业碳排放峰值及趋势,现有学者对省域农业碳排放峰值进行预测,山东省农业碳排放将在2030年达到峰值;河南省农业碳排放量持续下降[16],预计2029年之前可实现碳中和目标;江苏省农业碳排放已于2005年达到高峰[17] ;广西壮族自治区在未来几年农业碳排放量呈增加趋势[18]。 回顾现有研究,关于农业碳排放的研究较为丰富,在各方面均取得丰硕成果,

　　第8期 任洪杰等:基于时空视角的广东省农业碳排放动态演化特征及发展趋势研究 1289

　　但现有文献研究尺度较为宏观,较少考虑各地资源禀赋不同,农业碳排放存在的地区差异问题,因此,构建省域视角的农业碳排放测算体系,探究时空变化趋势,有利于精准识别省份农业碳排放存在的问题,因地制宜采取农业减排措施。

　　广东省作为中国水稻(Oryza sativa)、蔬菜、水果等种植大省,同时作为我国经济总量(GDP)第一大省,农业现代化水平有待提高,且在粤港澳大湾区政策加成下,自身面临严峻的减排压力。 目前关于广东省农业碳排放研究较少,而且广东省各市地理位置、经济发展水平、功能定位不同,只有深入探究广东省农业碳排放区位差异及影响因素,才能制定符合各市资源禀赋的农业减排策略。鉴于此,本文首先探讨2000−2020年广东省农业碳排放时间及空间演变特征,进而利用对数平均Divisia指数分解模型(Logarithmic Mean Divisia Index,LMDI模型)开展影响因素分析,最后运用灰色预测模型GM(1, 1)预测2023−2040年广东省农业碳排放总量,以期为推动广东省农业碳减排工作提供参考依据。

　　本文参考IPCC、美国农业部Dubey实验室及闵继胜等[19]发布的碳排放系数法,运用农业碳排放测算公式,从农业物质投入、农田土壤利用、畜牧业养殖3方面对广东省农业碳排放进行测度。

　　种植业碳排放主要包括农业物质投入(化肥、农药、农膜、农业机械总动力、农业灌溉、农业翻耕等)及农田土壤利用(作物生长过程中排放的N2O、CH4)产生的温室气体排放,根据IPCC第五次评估报告,CH4和N2O转化为CO2的100年增温潜势系数分别为28和265。

　　C1=∑C1i=∑(Ti×δi) (1)式中:C1表示种植业碳排放总量,C1i表示种植业第i δi碳源排放量,Ti为第i种碳源活动水平, 为第i种碳源碳排放系数(表1)。

　　畜禽养殖碳排放主要来源于反刍动物在养殖过程中肠道发酵产生的CH4和粪便管理产生N2O、CH4。具体公式如下:

　　C2=∑C2i=∑(Ni×γi) (2)式中:C2为畜牧业养殖碳排放总量,C2i为第i种动物γi排放总量,Ni为第i种畜禽平均饲养量, 为第i种畜禽N2O、 CH4排放系数(表2)。 由于畜禽饲养周期不同,需要对其平均饲养量进行调整,具体方式见公式(3),需要调整的种类有猪、兔、家禽,饲养周期分别为200d、 105d、 55d。

　　本文选取农业碳排放强度(CSt)作为衡量农业碳排放水平指标,即农业碳排放量与农牧业生产总值之比,具体公式如下:

　　为探究广东省农业碳排放动态演变特征,本文以广东省农业碳排放强度为指标进行核密度估计,函数表达式如下:f(x)= 1×h n∑i=1 k(xi−x ) (5)f(x) n中: 为概率密度函数, 为城市总数, i表示各xi h市,k(·)为核函数, 为独立同分布的观测值,为带x, 为样本均值。 由于带宽的选择会较大地影响核密度函数的精度和曲线的平滑程度,故采用高斯核函数展开核密度估计,其函数表达式如式(6)所示:k(x)= 12πexp(−x2) (6)

　　为探究各因素对农业碳排放的影响效应,本文在测量农业碳排放的基础上,对其影响因素进行分解。根据Kaya恒等式的基本形式及其他学者相关研究,本文将广东省农业碳排放做如下变形: