碳达峰背景下中国农业碳排放测算及其时空动态演变

黄晓慧， 杨 飞

(江苏师范大学商学院，江苏徐州 221116)

当前，全球正处于百年未有之大变局，经济增长停滞、贸易保护主义抬头、中美经济摩擦升级，增加了国际环境的不确定性，第3次全球化浪潮进入深度调整阶段。新冠肺炎疫情的全球蔓延，加快了大变局的演进速度，在影响经济的同时，打破了粮食贸易的均衡格局，引起全球对粮食安全问题的广泛关注。改革开放40多年来，我国粮食生产取得了“十七连丰”的成就，以占世界9%的耕地养活了20%的人口，为保障世界粮食安全作出了巨大贡献。然而这一成就的取得主要是依靠化肥农药等要素的大量投入与消耗，这种传统粗放的农业生产方式产生了大量的农业碳排放，导致严重的气候变化和生态环境等问题，直接威胁着我国粮食安全和农业可持续发展。农业是第二大温室气体排放源，我国是世界上农业碳排放大国。为此，我国多年的中央一号文件都提出推进农业绿色发展。2020年9月22日，习近平主席在第七十五届联合国大会上宣布“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”。因此，在碳达峰背景下，迫切需要进行农业绿色低碳转型，这是落实绿色发展理念的具体行动，也是实现生态文明，促进农业高质量和绿色低碳可持续发展的必然选择。近几年，国内学者对农业碳排放进行了测算并分析其存在的特征。李波等对我国1993—2008年农业碳排放量进行测算，发现研究期内农业碳排放处于阶段性的上升态势，平均增长率为4.08%。田云等测算我国1995—2010年31个省份农业碳排放量，发现2010年较1995年增加了12.31%，分为“上升—下降—上升”3个阶段。胡婉玲等通过测算1997—2017年我国31个省份农业碳排放，发现最大值出现在2015年。田成诗等测算我国2006—2016年30个省份的农业碳排放量，发现其为先下降后上升的变化趋势。张颂心等对我国2000—2018年农业碳排放量进行测算，发现其年均增长率为1.84%，分为快速增长、缓慢增长、加速减少3个阶段。可见，现有文献对我国不同时期农业碳排放测算及特征进行了大量研究，但大多只对我国不同时期农业碳排放的时空特征进行描述性统计分析，利用空间计量模型探究我国31个省份农业碳排放空间集聚特征的研究不多。且现有文献缺乏对近几年农业碳排放的测算。那么，近年来，我国农业碳排放量如何？具有怎样的时空特征？是否具有空间相关性和集聚效应？具有怎样的集聚特征？通过回答这些问题，可以了解我国除港澳台之外的31个省份农业碳排放量、时空差异及空间集聚特征。因此，本研究运用2007—2019年我国除港澳台之外的31个省份面板数据，对其农业碳排放进行测度，采用空间Moran’s I全局指数和莫兰散点图分别从整体和局部分析我国除港澳台之外的31个省份农业碳排放的空间相关性和集聚特征，以期为制定碳达峰背景下农业碳减排政策提供科学依据和参考。

1 研究方法与数据来源

1.1 农业碳排放量测算方法

本研究参考IPCC推荐指南和相关研究中的方法计算2007—2019年我国31个省份农业碳排放总量。种植业生产过程中的碳排放主要来源于化肥、农药、农膜、农业机械、农业翻耕、灌溉6个方面。计算公式如下

=∑=∑·。

(1)

式中：表示农业碳排放总量；表示种植业生产过程中6种碳排放源的碳排放量；表示6种碳排放源的量；表示6种碳排放源的碳排放系数，为1～6。其中，化肥排放系数为0.895 6 kg/kg，农药排放系数为4.934 1 kg/kg，农膜排放系数为 5.18 kg/kg，农业机械所用柴油排放系数为 0.592 7 kg/kg，农业灌溉排放系数为20.476 kg/hm，农业翻耕排放系数为312.6 kg/km。

1.2 Moran’s I指数

地理学第一定律表明所有事物之间存在联系，但较近的事物比较远的事物关联更强。可见，我国31个省份经济存在关联，距离越近的省份关联越密切。由于资源禀赋、种植结构、产业结构和城镇化水平等不同，我国31个省份农业碳排放存在差异，但不同省份由于地缘经济特征、经济的外溢性和经济制度的相似性等原因，本省的农业碳排放可能会影响与其相邻省份的农业碳排放，即各省份的农业碳排放可能存在空间自相关性，相邻省份的农业碳排放空间自相关性可能更大。本研究采用空间自相关性检验最常用的统计指标Moran’s I指数，度量我国31个省份农业碳排放的空间自相关性。

1.2.1 全局空间自相关 本研究采用Moran’s I全局指数来描述和反映我国31个省份农业碳排放整体的空间分布状态、关联程度和空间集聚特征。但是不能呈现出具体集聚的省份。计算公式如下

(2)

1.2.2 局部空间自相关 Moran’s I局部指数可以反映邻近省份之间农业碳排放的相关程度，能够呈现出不同省份农业碳排放的集聚或离散效应、空间异质性以及变化趋势。在一定程度上可以弥补全局空间自相关分析的不足。计算公式如下

(3)

1.3 变量选取与数据来源

本研究以狭义农业(种植业)为研究对象，测算2007—2019年共13年全国31个省份的农业碳排放量。根据造成农业碳排放的六大碳源选择变量，化肥、农药、农膜以2007—2019年各年我国实际使用量为准，翻耕、农业灌溉、农用机械分别以2007—2019年各年我国农作物实际播种面积、实际灌溉面积、实际柴油使用量为准。所用数据均来源于2008—2020年的《中国统计年鉴》《中国农村统计年鉴》《中国农村环境统计年鉴》以及2008—2020年各省统计年鉴，缺失数据根据插值法进行推算。

2 结果与分析

2.1 农业碳排放的时序特征

根据公式(1)计算我国2007—2019年共13年6种碳排放源的碳排放总量及农业碳排放总量，用单位耕地面积碳排放量计算农业碳排放强度，并计算年均递增率以及环比增速(表1)。

2.1.1 农业碳排放量及增速分析 由表1可知，2007年农业碳排放量为7 740.31万t，2019年农业碳排放量为8 112.41万t，年均增长率为0.39%。从农业碳排放总量的环比增速情况来看，其数值先增加后减少最后变为负数。化肥、农膜、灌溉、翻耕所产生的碳排放量都出现了不同程度的增长，年均递增率分别为0.47%、1.83%、1.64%、0.65%。农药、柴油所产生的碳排放量出现了负增长，年均递增率分别为-1.27%、-0.37%。农业碳排放强度年均增长率为-0.26%。从农业碳排放强度的环比增速情况来看，其数值先增加后减少最后变为负数。

2.1.2 农业碳排放结构分析 由表1可知，2007—2019年化肥产生的农业碳排放量年平均值占到农业碳排放总量年平均值的59.51%，占到一半以上。以2019年为例，化肥、农药、农膜、柴油、灌溉、翻耕所产生的农业碳排放量依次为4 839.46万、686.83万、1 247.34万、1 146.28万、140.63万、51.87万t，分别占农业碳排总量的59.66%、8.47%、15.37%、14.13%、1.73%、0.64%。可见化肥是我国农业碳排放的第一大碳源。

2.1.3 农业碳排放发展阶段分析 由表1可知，农业碳排放总量的环比增速先增加后减少最后变为负数，因此，可以将该时期我国农业碳排放划分为快速增长、缓慢增长、加速减少3个阶段。第一阶段为2007—2009年的快速增长期。环比增速为正且不断增加，说明此时期农业碳排放总量呈快速增长趋势。第二阶段为2010—2015年的缓慢增长期。环比增速为正，但不断降低，说明此时期农业碳排放总量总体呈缓慢增长趋势。第三阶段为2016—2019年的加速减少期。环比增速为负且不断增加，说明此时期我国农业碳排放总量呈加速减少趋势。可见，我国农业碳排放总量在2007—2015年不断增加，农业碳排放量在2015年达到最大值，2016—2019年开始递减。这与胡婉玲等的研究结论一致。原因可能是2015年我国提出农业绿色转型发展战略，以及原农业部实施“减肥减药”等一系列低碳农业政策，在绿色低碳政策的引领下，农户开始由传统农业生产方式向绿色低碳方式转型，进行低碳生产，农药化肥减量施用，或采纳低碳农业技术，故农业碳排放开始减少。

表1 2007—2019年我国农业碳排放量情况

2.2 我国农业碳排放的区域比较分析

计算2007—2019年东部、中部、西部地区的农业碳排放量均值，并绘制时间趋势图(图1)。

2.2.1 从区域层面看 由图1可知，2007—2019年中部地区农业碳排放量均值大于东部地区大于西部地区，3个区域大体都呈现出先增长后下降的趋势。2007—2014年中部地区和东部地区农业碳排放量不断上升，2015—2019年不断下降。2007—2016年西部地区农业碳排放不断上升，2017—2019年不断下降。也可以说明2015年以来各省不断落实“农药化肥减量”等一系列绿色发展政策，取得了一定的成效，农业碳排放开始不断减少。随着时间的推移，东部与西部地区的农业碳排放量差距在逐渐变小。中部地区与东部地区的农业碳排放量差距在逐渐变大。

2.2.2 从省域层面看 为了了解我国31个省份农业碳排放的特征，计算了不同省份农业碳排放量，受篇幅限制，只呈现2019年31省份农业碳排放情况(图2)。由图2可以看出，河南、山东、江苏、河北、安徽这5个省份的农业碳排放排在前几位，占全国农业总碳排放的33.99%。天津、上海、北京、青海、西藏这5个省份的农业碳排放排在最后几位，占全国农业总碳排放的0.98%。可见农业碳排放主要集中在我国东中部地区的农业大省，可能的解释是，山东、河南等农业大省农业还没有完全实现绿色低碳转型，生产方式仍然比较粗放，农药化肥等投入仍然比较高，绿色生产效率比较低，产生大量的农业碳排放。不同省份农业碳排放总量差异较大。河南省农业碳排放总量最大，总计802.94万 t，西藏自治区最小，总计8.07万 t，河南省的农业碳排放约是西藏自治区的99倍。

2.3 空间集聚效应分析

2.3.1 全局空间自相关分析 本研究使用2007—2019年我国31个省份组成的空间面板数据，运用Stata 14.0软件对公式(2)进行估计，得出我国农业碳排放空间自相关全局Moran’s I指数值(表2)。

由表2可知，2007—2019年我国农业碳排放全局Moran’s I指数都是正数，取值为0.213～0.336，且<0.018，都在1%和5%的显著性水平上通过检验，表明2007—2019年我国农业碳排放存在显著全局空间自相关，邻近省份的农业碳排放之间存在显著正相关，呈现集聚特征。可能的解释是，相邻省份资源禀赋、碳减排政策等条件较类似，农户的低碳生产行为具有类似性，使农业碳排放存在空间正相关。2007—2019年随着时间的推进，农业碳排放的全局Moran’s I值不断变小，Moran’s I指数由2007年的0.336下降至2019年的0.213，说明随着时间的推进农业碳排放的空间自相关程度不断减弱，集聚效应不断弱化。

表2 2007—2019年我国农业碳排放的全局 Moran’s I 指数

2.3.2 局域空间自相关分析 为了准确体现不同省份与邻接省份农业碳排放空间相关性、空间分异特征和空间集聚或离散程度，采用局部空间自相关检验并结合Moran散点图进行直观展示。以4年为间隔选取2007、2011、2015、2019年这4年为样本，运用Stata 14.0软件对公式(3)进行估计，计算并绘制得到这4年农业碳排放Moran散点图(图3)。根据4年的Moran散点图将我国31个省份在4类集聚区的聚集情况进行汇总(表3)。结合图3和表3能够更直观地分析我国31个省份农业碳排放水平的空间集聚模式和特征。

由图3可知，Moran散点图总共有4个象限。依次为高-高(H-H)聚集区、低-高(L-H)聚集区、低-低(L-L)聚集区、高-低(H-L)聚集区。落在高-高(H-H)聚集区和低-低(L-L)聚集区的省份农业碳排放与相邻省份农业碳排放存在空间正相关，落在低-高(L-H)聚集区和高-低(H-L)聚集区的省份农业碳排放与相邻省份农业碳排放存在空间负相关。2007、2011、2015、 2019年在L-L聚集区和H-H聚集区的省份分别为19、18、20、20个，H-L聚集区和L-H集聚区的省份分别为12、13、11、11个，通过数值可以看出聚集在 L-L 集聚区和H-H聚集区的省份最多，说明我国农业碳排放呈现出高高、低低空间关联模式。通过4年的变化趋势可以看出，L-L聚集区或H-H聚集区的省份空间均质性较稳定，发生微弱变动，H-L 聚集区或L-H集聚区的省份在空间上异质性较稳定，发生微弱变动。

总体来看，2007—2019年我国31个省份农业碳排放水平在空间分布上具有空间自相关性，并呈现出相对稳定的空间集聚性。由表3可知，河北、江苏、安徽、山东、河南、湖北这6个省份一直处于 H-H 集聚区，山西、辽宁、上海、 江西这4个省份一直处于L-H集聚区，福建、海南、贵州、西藏、甘肃、青海、宁夏这7个省份一直处于L-L集聚区，湖南、广东、广西、四川这4省一直处于H-L集聚区，2007—2019年这21个省份聚集区非常稳定，没有发生变化。10个省份农业碳排放空间集聚度发生微弱变动。2007年北京市、天津市在低-高区于2011年转入低-低区，然后稳定在低-低区；2007年云南省、新疆维吾尔自治区在低-低区于2011年转入高-低区，然后稳定在高-低区；2007年重庆市在低-低区于2011年转入低-高区，并于2015年又转入低-低区，然后稳定在低-低区；2007年陕西省在低-低区于2011年转入低-高区，并于2015年又转入高-高区，然后稳定在高-高区；2007年浙江省在高-低区于2011年转入低-低区，然后稳定在低-低区；2011年内蒙古自治区在低-低区于2015年转入高-低区，然后稳定在高-低区；2011年吉林省在低-低区于2015年转入高-高区，然后稳定在高-高区；2011年黑龙江省在高-低区于2015年转入高-高区，然后稳定在高-高区。可见，到2015、2019年所有省份农业碳排放空间集聚度趋于稳定，不发生变动。

表3 2007、2011、2015、2019年各省农业碳排放局部空间聚类

由表3可知，具体分析2007、2011、2015、2019年农业碳排放4个集聚区的省份分布及其集聚特征。

高-高(H-H)集聚区。H-H象限省份数目不断增加。河北、江苏、安徽、山东、河南、湖北这6个省份一直处于高-高(H-H)集聚区。2015年，吉林省于由低-低区转入，黑龙江省由高-低区转入，陕西省由低-高区转入。到2015、2019年高-高(H-H)集聚区由2007年和2011年的6个省份增加至9个省份。2007、2011年，东部和中部各有3个省份。2015、2019年，中部地区占5个，东部地区占3个，西部地区占1个，其中8个省份是我国的粮食主产区。该集聚区表示农业碳排放高省份被邻近农业碳排放较高省份包围的空间集聚形式。聚集在该区的主要是我国的粮食大省，农业碳排放整体较高，带动周边省份的农业碳排放也有所增加。因此，该集聚区能够产生扩散效应，呈现强强集聚的特征。

低-高(L-H)集聚区。L-H象限省份数目不断减少。山西、辽宁、上海、江西这4个省份一直处于低-高集聚区。2007年北京市、天津市在低-高区于2011年转入低-低区，并趋于稳定，2007年重庆市在低-低区于2011年转入低-高区，并于2015年又转回低-低区，2007年陕西省在低-低区于2011年转入低-高区，并于2015年又转入高-高区，该区域会向低-低和高-高集聚区过渡。到2015—2019年稳定在山西、辽宁、上海、江西4个省份，东部地区2个，中部地区2个。该集聚区代表农业碳排放低的省份被邻近农业碳排放高的省份包围的空间集聚形式。该集聚区农业碳排放较低，然而，其邻接省份农业碳排放较高。如山西省农业碳排放低，但邻接的河南、河北等粮食大省农业碳排放高；辽宁省农业碳排放低，但邻接的吉林省农业碳排放高；上海市农业碳排放低，但邻接的安徽省、江苏省农业碳排放高；江西省农业碳排放低，但邻接的湖北省、安徽省农业碳排放高。相邻接的高碳排放省份通过扩散效应辐射增加了低碳排放省份的农业碳排放，使其不断向低-低和高-高集聚区过渡。

低-低(L-L)集聚区。L-L集聚区省份数目不断减少。福建、海南、贵州、西藏、甘肃、青海、宁夏这7个省份一直处于低-低集聚区。2011年内蒙古自治区在低-低区于2015年转入高-低区，2011年吉林省在低-低区于2015年转入高-高区。到2015、2019年稳定在北京、天津、浙江、福建、海南、重庆、贵州、西藏、甘肃、青海、宁夏这11个省份，东部地区5个，西部地区6个。在4种类型集聚区中省份占比最高。该集聚区代表农业碳排放低的省份被其他邻近农业碳排放较低的省份所包围的空间联系形式，呈现低低集聚的特征。

高-低(H-L)集聚区。湖南、广东、广西、四川这4省一直处于该集聚区。到2015、2019年稳定在内蒙古、湖南、广东、广西、四川、云南、新疆这7个省份，西部地区5个，东部地区1个，中部地区1个。2007年新疆维吾尔自治区、云南省在低-低区于2011年转入高-低区，2007年浙江省在高-低区于2011年转入低-低区。该区域代表农业碳排放高的省份被其他邻近农业碳排放较低的省份包围的空间联系形式，该区域省份农业碳排放较高，其邻接省份农业碳排放较低。

3 结论与建议

本研究在测算2007—2019年我国农业碳排放的基础上，采用空间Moran’s I指数分析我国农业碳排放的时空动态变化和空间集聚特征。结果表明，2007—2019年我国农业碳排放划分为快速增长、缓慢增长、加速减少3个阶段。我国农业碳排放的高低排序依次为中部地区、东部地区、西部地区。化肥是我国农业碳排放的第一大碳源。2007—2019年我国农业碳排放存在全局空间自相关，并随着时间不断推进逐渐减弱，集聚效应不断弱化。2007—2019年我国各省份农业碳排放水平在空间分布上具有局部空间自相关性，呈现高高和低低集聚的特征，并呈现出相对稳定的空间集聚性，21个省份聚集区稳定，没有发生变化，只有少数省份农业碳排放空间集聚度发生微弱变动，到2015、2019年所有省份农业碳排放空间集聚度趋于稳定，不发生变动。我国农业碳排放高-高集聚区省份中大多是我国粮食主产区。低-高区容易向低-低区和高-高区过渡。低-低集聚区省份最多，主要集中在东西部地区，属于低值与低值集聚，农业碳排放较低。高-低集聚区省份大多是西部地区。

综上，为加快实现碳达峰和碳中和目标，提出以下对策建议：第一，大力推进农户转变农业生产方式，进行低碳生产。持续推进农药化肥减量施用，促进农户农药化肥减量施用行为，或采用有机肥、生物农药等替代性低碳农业技术，促进农户秸秆还田，回收农膜，使用环保机械，以此减少农业碳排放，进而提高农业生产效率实现农业绿色低碳转型。第二，调整农业种植结构。减少耗费大量农药化肥作物的种植，减少传统农业的比例，重点发展生态农业、旅游农业、低碳农业等，减少农业碳排放。第三，建立农业碳减排合作机制。省份之间农业碳排放存在空间自相关性，因此，不同省份之间可以建立合作机制，加强省份之间的协作，农业碳排放较低的省份将其碳减排经验分享给农业碳排放较高的省份，降低高排放省份的农业碳排放。第四，推广农业低碳技术。积极推广地膜回收技术、节水灌溉技术、生物农药技术等低碳农业技术，加大补偿力度，促进农户采纳。