EN中文

经济地理 >

2024 , Vol. 44 >Issue 10: 165 - 175

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.10.017

三农、土地与生态

中国农业碳排放的动态演进与区域格局

  • 温涛 , 1, 2 ,
  • 孙鹏翔 1 ,
  • 张林 1, 2
展开
  • 1.西南大学 经济管理学院，中国 重庆 400715
  • 2.西南大学 普惠金融与农业农村发展研究中心，中国 重庆 400715

温涛（1975—），男，教授，博士生导师，研究方向为农村金融与微型金融、农业经济统计与政策评价。E-mail：

收稿日期: 2023-09-07

  修回日期: 2024-05-24

  网络出版日期: 2024-11-29

基金资助

国家社会科学基金重大项目(21ZDA062)

国家社会科学基金重点项目(20AZD080)

国家社会科学基金一般项目(23BJY149)

收起

Dynamic Evolution and Regional Pattern of Agricultural Carbon Emissions in China

  • WEN Tao , 1, 2 ,
  • SUN Pengxiang 1 ,
  • ZHANG Lin 1, 2
Expand
  • 1. College of Economics and Management，Southwest University，Chongqing 400715，China
  • 2. Research Center of Inclusive Finance and Agricultural and Rural Development，Southwest University，Chongqing 400715，China

Received date: 2023-09-07

  Revised date: 2024-05-24

  Online published: 2024-11-29

Fold

摘要

文章在基于碳排放系数法计算全国及31个省份农业碳排放量的基础上，运用莫兰指数、Dagum基尼系数和非参数核密度估计等方法测算和分析了东中西部地区农业碳排放的区域差异、空间集聚效应及其动态演进特征。结果表明：①中国农业碳排放存在较为明显的空间集聚效应，省际空间关联呈现“高—高”集聚和“低—低”集聚的特征。②全国及大部分省份在2015年前后完成了农业碳达峰任务，但各区域内的农业碳排放动态演进特征差异较大，其中西部地区区域内差异极化明显，区域内部分核心省份呈现农业碳排放量“高地”。研究结论在宏观层面为加快农业碳达峰、碳中和步伐提供了量化支持，同时也为持续推进全国农业碳减排工作、稳步推动区域经济高质量发展提供了理论指导和政策建议。

关键词： “双碳”目标; 农业碳排放; 资源节约; 区域差异; 动态演进; 高质量发展

本文引用格式

温涛 , 孙鹏翔 , 张林 . 中国农业碳排放的动态演进与区域格局[J]. 经济地理, 2024 , 44(10) : 165 -175 . DOI: 10.15957/j.cnki.jjdl.2024.10.017

Abstract

Based on the carbon emission coefficient method,this paper calculates the agricultural carbon emissions in China and 31 provincial-level regions. It measures and analyzes regional differences, spatial agglomeration effect and dynamic evolution of agricultural carbon emissions in the eastern, central and western regions by the means of Moran index, Dagum Gini coefficient and non-parametric kernel density estimation. The results show that: 1) There is a relatively obvious spatial agglomeration effect of agricultural carbon emissions in China,and the inter-provincial spatial correlation shows the characteristics of "high-high" agglomeration and "low-low" agglomeration. 2) China and most provincial-level regions have completed the task of agricultural carbon emission peak around 2015,but the dynamic evolution characteristics of agricultural carbon emissions in different regions are quite different, among which the intra-regional polarization is obvious in the western region,some core provincial-level regions show the "highland" of agricultural carbon emissions. This paper provides quantitative support for accelerating the pace of carbon peak and carbon neutrality in agriculture at the macro level,promoting the steady progress of carbon emission reduction in agriculture throughout the country, helping to achieve "carbon peak" in agriculture,and coordinating regional development.

Key words： goal of carbon emission peak and carbon neutrality; agricultural carbon emissions; resource conservation; regional differences; dynamic evolution; high-quality development

在2021年《联合国气候变化框架公约》第26次缔约方大会上，习近平总书记指出“当前，气候变化不利影响日益显现，全球行动紧迫性持续上升[1]。如何应对气候变化、推动世界经济复苏，是我们面临的时代课题”。为应对气候变化的全球性挑战、降低气候极端变化带来的风险，2020年9月，习近平总书记在第七十五届联合国大会一般性辩论上指出，人类不能再忽视大自然一次又一次的警告，沿着只讲索取不讲投入、只讲发展不讲保护、只讲利用不讲修复的老路走下去[2]。应对气候变化《巴黎协定》代表了全球绿色低碳转型的大方向，是保护地球家园需要采取的最低限度行动，各国必须迈出决定性步伐。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，CO2排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。
农业既是全球温室气体的重要排放源，同时也是一个巨大的碳汇系统。根据联合国粮食与农业组织（FAO）统计，截止2020年，农业运输及生产过程中所释放出的温室气体已占据全球人为温室气体排放总量的30%，相当于每年产生150亿t的CO2；同时农业生态系统也可以通过生态循环抵消掉80%农业生产所产生的全球温室气体排放量[3]。中国作为农业大国及最大的发展中国家，农业可持续发展是经济可持续发展中的重要一环。2022年中央一号文件中强调农业发展应“立足新发展阶段、贯彻新发展理念、构建新发展格局、推动高质量发展”。而农业碳排放作为衡量农业可持续发展的重要指标之一，是了解农业发展状况、研究农业绿色可持续发展、实现农业碳达峰与碳中和的重要指标。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》强调要深入打好污染防治攻坚战，建立健全环境治理体系，推进减污降碳，强调精准、科学、依法、系统治污，协同推进减污降碳，不断改善空气、水环境质量，有效管控土壤污染风险。研究农业碳排放时空演变特征，对于把握农业碳排放变化趋势、研究农业绿色经济增长、落实2030年应对气候变化国家自主贡献目标、实现农业领域低碳转型方面具有重要意义。
然而随着农业发展的需要，农业生产过程中对于化肥、农药和化石能源等传统能源需求量的不断增加必然会导致农业碳排放量的提升[4]。需要引起思考的是，近年来中国农业碳排放量的变化趋势如何且是否已达峰?是否存在省际之间农业碳排放相互联系且相互作用的现象?为了回答这些问题，需要对中国农业碳排放的动态变化情况、空间分布状况等问题进行深入研究与思考。
确定农业碳排放来源是测算农业碳排放的关键，有助于更好地了解农业碳排放的构成。农业生产的多样性决定了农业碳排放多源性的特征，李波等通过选取不同视角，对农业碳排放来源进行判断与分析[5]。同时，化肥、农药、能源消耗及翻耕过程产生的碳排放分类法被后续诸多学者的研究所肯定并使用，且在此基础上进行拓展性研究，陈银娥等将化肥、农药、农膜、农业机械柴油和灌溉用电概括成农业物资投入所带来的碳排放[6]。一方面，从实际生产的角度来看，由于各地区地理环境的差异和生产工序的不同，农用化肥在各地区的使用存在差异，不同种类的化肥所带来的农业碳排放量不同。如Zhang W F等通过对中国化肥厂进行实时监测推算，得出氮肥在农业生产使用过程中的碳排放量[7]；陈舜等拓展了对磷肥和钾肥的研究，推算出磷肥、氮肥以及钾肥三者在农业生产过程中的碳排放系数[8]；范紫月等通过引用中国生命周期基础数据库（CLCD）的碳排放系数，进一步将化肥细分为氮肥、磷肥、钾肥和复合肥等进行农业碳排放量研究，更加准确地估计出化肥在农业生产过程中的碳排放量[9]。另一方面，从农业生产的整个过程来看，由于农业生产、农业机械使用、农业生产要素与农产品运输及加工等过程所消耗的能源不仅包括灌溉电力，还应该包括原煤、汽油、柴油等工业化石能源。有学者指出在经济不断发展过程中，能源消费结构的恶化一定程度上会加大农业碳排放量[10]，并且随着现代农业生产资料使用量的不断增加，将导致中国农业呈现出“高投入、高产出、高污染、高排放的粗放型增长趋势”[11]；同时也有学者发表不同看法，认为现代农业的发展与能源消耗量二者相互促进，但更应将重点放在“能源—经济—环境—社会”系统的协调发展，更加重视能源的使用效率[12]；更有学者指出可通过休眠和秸秆还田的方式来减少氮肥使用从而达到减少碳排放的目的[13]。
在核算出农业CO2排放量后，就能针对农业碳排放总量和省际农业碳排放量进行时空演变和动态演进特征的研究。目前学术界对全国和地区层面的碳排放时空演进与动态演进特征的研究较多，如田云等针对1995—2010年中国农业碳排放时间演进与脱钩效应进行研究，发现农业碳排放同农业经济发展间的脱钩关系主要以弱脱钩和强脱钩为主，说明近年来我国在农业碳减排方面取得了一定成效[14]。夏四友等采用Theil指数与莫兰指数对中国三大功能区农业碳排放强度的区域差异与时空演进特征进行了分析，并探讨了其动态演进特征[15]。省际研究方面，相较于全国农业碳排放层面，在研究数量与研究内容方面有所欠缺。如刘华军等虽较早地将Dagum基尼系数及其分解方法与Kernel密度非参数估计方法相结合，开展动态演进特征研究[16]，但未将省际间农业碳排放的空间集聚性考虑在内，空间地理性意义较弱。
从已有研究文献来看[17]，近年来关于农业碳排放的研究呈现逐渐增加的趋势。多数学者从全国层面入手进行农业碳排放的时空演变研究，而少有省际层面农业碳排放时空演变特征与动态演进的研究，且落脚点多聚焦于资源环境领域，鲜有针对其背后经济含义作出解释。当前，中国农业碳减排已取得成效，但近些年来农业碳排放是否已经达峰?鉴于此，本文基于中国“双碳”目标背景，在依据《IPCC国家温室气体清单指南》以及借鉴已有研究成果的基础上[18-24]，对农业碳排放时空分布特征进行增量研究。具体来说，首先使用农业碳排放系数法，计算1993—2022年中国农业碳排放总量及1997—2022年中国各省份农业碳排放量，分析各省份农业碳达峰程度。继而在此基础上，通过ArcGIS可视化地图直观地展示中国各省份农业碳排放量变动，使用莫兰指数、Dagum基尼系数分析中国农业碳排放在空间和区域的集聚效应与差异，并针对农业碳排放的未来变化发展提出相应的政策建议。

1 研究方法与数据来源

1.1 农业碳排放测度方法

由于农业呈现出多源性、多变性、多主体性的特征，目前尚无权威机构直接发布农业碳排放数据。农业碳排放测度方法主要有碳排放系数法[25-26]、投入产出法[27-28]及生命周期评价法[29]。按测度手段不同则有：排放系数法[30]、模型优化法[31-32]、实地测量法[33]。其中，碳排放系数法由于其公式简明、适用范围广、易于测算等特点，目前已被大多数学者所认可并使用。其测算过程是通过确定农业碳排放来源，构建农业碳排放测算体系，将农业碳排放活动水平数据同对应的碳排放系数相乘，即可得到农业方面温室气体的排放量。排放系数来源于政府间气候变化委员会（Intergovernmental Panel on Climate Change，IPCC）的国家温室气体清单。
本文将依据《IPCC国家温室气体清单指南》以及借鉴李波等研究中所使用的碳排放系数因子[5]对农业碳排放量进行分析与研究。具体测算公式如下：
E = ∑ E i = ∑ T i · ξ i
式中：E为农业碳排放总量； E i为各种农业生产活动碳源的碳排放量； T i为各碳源的数量； ξ i为各碳源的碳排放系数。根据已有研究，各碳源的排放系数见表1。
表1 农业活动各碳源的排放系数

Tab.1 Emission coefficient of each carbon source in agricultural activities

碳源 碳排放系数 参考来源
化肥 0.8956 kgC/kg 美国橡树岭国家实验室
农药 4.9341 kgC/kg 美国橡树岭国家实验室
农膜 5.1800 kgC/kg IREEA
柴油 0.5927 kgC/kg IPCC
灌溉 266.4800 kgC/kg Dubey等[35]

注：IREEA为南京农业大学农业资源与生态环境研究所。

由于数据可得性，部分年份农业用水量，农业灌溉用电量数据缺失，因此本文假定各地区灌溉方式不存在差异，选取农业有效灌溉面积数据对农业碳排放进行测度，侧面反映农业灌溉过程中产生的CO2排放量。
在农业生产所使用的能源测度上，本文假定二次能源中农业电力与农用机械动力的使用均为清洁能源。在能源结构上，我国能源使用多以煤炭为主，东部和中部地区大部分省份使用的电力类型为火电。部分文章在衡量我国农业碳排放时，将火力发电中煤炭燃烧所产生的碳排放计入农业碳排放，这可能过高估计农业碳排放量。根据碳排放溯源研究，电力生产与使用所产生的农业碳排放应划为工业碳排放的范畴[34]，因此本文仅使用农业柴油作为农业生产与运输过程中能源的消耗指标来衡量农业碳排放。

1.2 农业碳排放时空特征分析方法

1.2.1 空间相关性分析方法

本文采用莫兰指数分析中国农业碳排放的空间相关性。首先，本文使用全局空间自相关莫兰指数，描述我国各省份农业碳排放量在全国的平均关联程度，分析评估我国农业碳排放量高值与低值在省际的全局空间分布与预期空间分布的演进。其次，本文使用局部空间自相关莫兰指数，更好地揭示所属单元的局部空间集聚类型。

1.2.2 区域差异性分析方法

本文采取Dagum基尼系数及按子群进行分解的方法对中国农业碳排放的地区差异及时间演变特征进行分析。同传统的地区差异分析方法相比，Dagum基尼系数可以更加有效地从整体描述中国农业碳排放地区差异表现的情况。

1.2.3 动态演进分析方法

使用Kernel密度估计可以较好地估计分析中国省际地区农业碳排放动态分布特征，并进一步把握农业碳排放分布的动态研究规律。

1.3 数据来源与处理

本文研究数据主要来源于《中国农村统计年鉴》与《中国统计年鉴》，其中农药、农用柴油、农膜与就业人数等相关数据来源于《中国农村统计年鉴》第三部分“农业生产条件”；灌溉面积、化肥、农林牧副渔总产值、种植业总产值等相关数据来源于《中国统计年鉴》的“农业章节”。为保证考察期内省份一致性，避免重庆市1997年前后划分不一致，本文选取1997—2022年面板数据测度各省份农业碳排放量。鉴于相关数据的可得性问题，本文选取1993—2022年全国31个省份（不包括香港、澳门和台湾）的数据进行碳排放测度研究。

2 中国省际农业碳排放的时空演进特征

2.1 中国农业碳排放总量的时间演进特征及分析

根据环境库兹涅茨曲线（EKC）的基本原理，长期来看，环境压力与经济增长之间呈倒“U”形曲线关系。通过农业碳排放系数法核算，样本考察期内我国农业碳排放量总体呈现出“上升—下降”的两阶段变化特征（表2）。其中1993—2015年为第一阶段，该阶段农业碳排放量不断上升，由1993年的5460.70万kg·CO2逐渐增长至2015年的10621.11万kg·CO2，年增长率最高为1995年的6.93%，最低为2013年的0.81%，年均增长为3.08%。在这一阶段，化肥使用量与农业灌溉量增加是中国农业碳排放量增加的重要构成部分。2016—2022年为第二阶段，该期间内农业碳排放量大致呈现逐年下降的趋势，由2015年的10621.11万kg·CO2逐渐下降至2022年的9288.89万kg·CO2，年均下降2.14%。从变动趋势可以看出，我国农业碳排放量整体呈现出“倒U”形变动趋势，目前位于“倒U”曲线的右侧，环境污染的程度逐渐减缓，环境质量逐渐改善，且2015年全国农业碳排放量总量达到峰值10621.11万kg·CO2，已完成“农业碳达峰”。
表2 1993—2022年中国农业碳排放总量统计

Tab.2 Changes in total agricultural carbon emissions in China from 1993 to 2022

年份 化肥 农药 农膜 农用柴油 灌溉 总量 增速
（%）
1993 2822.84 416.83 366.39 556.13 1298.50 5460.70 -
1994 2971.51 482.85 459.50 572.90 1299.33 5786.10 5.96
1995 3218.52 536.34 474.22 644.74 1313.25 6187.06 6.93
1996 3428.27 562.88 547.09 637.80 1342.56 6518.60 5.36
1997 3565.21 589.85 601.67 728.72 1365.41 6850.87 5.10
1998 3659.06 607.72 625.16 779.34 1393.58 7064.86 3.12
1999 3693.81 652.10 651.99 802.81 1416.57 7217.29 2.16
2000 3713.53 631.33 691.76 832.80 1434.20 7303.63 1.20
2001 3809.67 629.01 750.73 880.34 1445.64 7515.39 2.90
2002 3886.28 647.49 792.93 893.55 1448.45 7668.71 2.04
2003 3950.99 653.88 824.49 933.50 1439.37 7802.23 1.74
2004 4152.52 683.88 870.23 1078.54 1451.74 8236.91 5.57
2005 4268.63 720.35 912.88 1127.79 1466.42 8496.07 3.15
2006 4389.07 758.42 955.96 1139.58 1485.64 8728.67 2.74
2007 4574.57 800.72 1003.61 1197.55 1506.10 9082.56 4.05
2008 4692.07 825.11 1039.59 1119.08 1558.15 9234.00 1.67
2009 4840.14 843.24 1077.28 1161.57 1579.20 9501.43 2.90
2010 4981.04 867.52 1125.61 1199.15 1608.15 9781.47 2.95
2011 5108.71 881.72 1188.57 1219.48 1643.69 10042.18 2.67
2012 5229.27 891.13 1234.40 1249.35 1679.80 10283.94 2.41
2013 5229.27 889.06 1291.47 1277.21 1679.80 10366.80 0.81
2014 5294.67 891.55 1336.55 1290.19 1691.44 10504.39 1.33
2015 5370.29 879.73 1348.65 1302.58 1719.87 10621.11 1.11
2016 5393.75 858.76 1348.15 1254.86 1595.49 10451.01 -1.60
2017 5359.54 816.63 1309.69 1241.71 1735.88 10463.44 0.12
2018 5247.68 741.87 1277.80 1187.42 1807.24 10262.00 -1.93
2019 5063.19 686.70 1247.17 1146.28 1819.30 9962.64 -2.92
2020 4702.50 648.00 1237.32 1095.67 1842.99 9526.47 -4.38
2021 4649.60 611.42 1221.41 1068.05 1854.95 9405.43 -1.27
2022 4548.84 586.66 1229.73 1048.72 1874.92 9288.89 -1.24

注：数据由作者整理计算得到，碳排放量单位为万kg·CO2。

当前我国经济正由高速增长阶段转向高质量发展阶段。党的十八大以来，习近平总书记强调“一定要算大账、算长远账、算整体账、算综合账，不能因小失大、顾此失彼、寅吃卯粮、急功近利”[36]。2015年，我国中央一号文件强调“必须尽快从主要追求产量和依赖资源消耗的粗放经营转到数量质量效益并重、注重提高竞争力、注重农业科技创新、注重可持续的集约发展上来，走产出高效、产品安全、资源节约、环境友好的现代农业发展之路”，这促使我国农业朝着现代化、集约化、高质量不断发展。从中国农业碳排放构成因素来看，2022年化肥、农药、农膜、农用柴油、灌溉产生的碳排放量占比依次为49.36%、6.80%、12.99%、11.50%、19.35%。由图1看出，考察期内的具体情况是：①我国农业化肥使用排放占比虽下降4.51%，年均降低达4.50%，但仍为农业碳排放量的主要来源。为此，农业农村部紧紧围绕“稳粮增收调结构，提质增效转方式”的工作主线，于2015年制定印发了《到2020年化肥使用量零增长行动方案》和《到2020年农药使用量零增长行动方案》，积极探索产出高效、产品安全、资源节约、环境友好的现代农业发展之路。②农药和农业灌溉所产生碳排放占比存在不同程度的下降，同1993年相比，分别下降了10.89%和18.64%，年均增速分别为-0.37%和-0.70%，但自2017年来农业灌溉产生碳排放所占比重不断提升，4年年均增速为24.46%，逐渐成为农业碳排放构成的第二大来源。现代农业发展要继续大力发展节水灌溉，全面实施区域规模化高效节水灌溉行动。③农膜和农用柴油使用所产生的农业碳排放占比呈现出波动上升的趋势，同1993年相比，分别增加了93.58%和12.93%，年均增速分别为2.55%和0.52%。随着农业生产能源投入量不断增加，目前短期内能源投入结构难以转变。
图1 1993—2022年中国农业碳排放量及构成

Fig.1 China's agricultural carbon emission and its composition from 1993 to 2022

2.2 中国省际农业碳排放测算结果及分析

本文基于构建的农业碳排放测算体系，利用省际面板数据，使用ArcGIS可视化地图来展示中国省际农业碳排放的空间演进特征与规律（图2）。由于数据体量较大，这里仅展示1997、2013和2022年3个具有代表性年份的空间数据变化。考虑到同年中各省份农业碳排放量数据差异较大，本文采取“自然间断法”将同年份的原始数据分为五组，依据碳排放数据大小由低到高分别定义为低排放区、中低排放区、中等排放区、中高排放区与高排放区，确保各类分组内各省份之间农业碳排放特征差异最小。
图2 1997、2013和2022年中国农业碳排放空间分布演变

注：该图基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图无修改。

Fig.2 Spatial distribution of agricultural carbon emissions in China in 1997，2013 and 2022

由图2可知，研究期内中国农业碳排放分布呈现出“高高—低低”的空间集聚分布特征。其中高排放区省份基本稳定，除新疆、内蒙古等部分省份外，大部分省份的农业碳排放量均呈现不同程度的收缩态势。具体而言：①四川、湖南、湖北、广州4个省份农业碳排放量由1997年的中高排放区自2013年后转变为中等排放区；浙江、江西、福建3个省份农业碳排放量由1997年的中等排放区自2013年后降为中低排放区。②考察期内，中高排放区与中等排放区在空间上整体有所收缩，而这种空间收缩主要集中分布在长江流域以南省份。③内蒙古、吉林2个省份由1997年的中低排放区逐渐上升为2013年的中等排放区，新疆由2013年的中等排放区上升为2022年的中高排放区，这种农业碳排放量的空间增长主要分布在我国北方重要的农业种植区。④河北、江苏、山东、河南4个省份作为我国重要的粮食储备区，样本考察期内始终保持农业碳排放量高排放区的特征。
从中国各省农业碳排放总量来看，2022年河南、山东、河北、新疆、安徽的农业碳排放量居全国前五位，其农业碳排放量均高于全国平均水平，合占全国农业碳排放总量比重达34.63%，同年河南、山东、江苏、广东、四川的农业总产值位居全国前五位；而农业产值位于后五位的北京、天津、上海、西藏、青海，其农业碳排放量均值仅为22.11万kg·CO2，远低于全国农业碳排放的平均水平，合计仅占全国的1.12%，且同年北京、上海、西藏、青海位列全国农业总产值后五位。由此可以看出，由于省际间经济产业结构的差异性，致使农业碳排放量省际间存在较大差异，使得产粮大省的农业碳排放存在“高地”现象。
从各省农业碳排放量变化趋势来看，2013年前中国各省份农业碳排放呈现出不同程度的上升趋势。而自2013年后，除经济结构相对单一的内蒙古、吉林与新疆3省份农业碳排放量仍存在缓慢波动增长的趋势外，其他省份农业碳排放量均呈现平稳且逐渐下降的趋势，我国大部分省份农业碳排放量约在2013年前后达到峰值，完成农业碳达峰。由此可以看出，经济结构多元化对于农业绿色发展具有一定的拉动作用。

2.3 中国农业碳排放Dagum基尼系数结果及分析

通过使用Dagum基尼系数描述中国三大地区农业碳排放分布差异及演变趋势。整体来看，中国农业碳排放的地区差异在样本考察期内呈现出波动缩小。具体可将样本研究期内总体Dagum基尼系数变化分为3个阶段（图3）：①1997—2007年为第一个阶段，该时期内总体Dagum基尼系数整体稳定，均值为0.4227，年均变化率为-0.13%，呈现平稳趋势，表明该时期内地区差异变动较小。②1998—2016年为第二个阶段，该时期内总体Dagum基尼系数呈现整体下降趋势，由1998年的0.4071逐渐下降至2016年的0.3799，年均变化率为-1.07%，表明该时期内省际农业碳排放总体差异逐渐缩小。③2017—2022为第三个阶段，该时期内总体Dagum基尼系数呈现缓慢增大的变化趋势，由2016年最小值0.3799逐渐增长至2022年的0.3900，年均增长率为0.24%，表明该时期内省际农业碳排放整体差异呈缓慢扩大趋势。
图3 总体Dagum基尼系数及贡献率变化

Fig.3 General Dagum Gini coefficient and its contribution rate changes

考察期内地区内差异贡献率小于组间超变密度，年均增长率为0.22%，地区内差异贡献率虽相对稳定，但在考察期内仍呈现出逐年上升的趋势，相对于1997年的29.63，地区内差异率波动增长至2022年的38.60，年均增长率为0.18%，地区内差异表现出增大的趋势。综上说明，农业碳排放区域差异主要以地区间差异为主，地区农业绿色发展水平不协调，地区内差异缓慢扩大。
从组内差异来看，三大地区组内基尼系数相对稳定，东部地区组内差异较大，而西部地区和中部地区的组内差异相对较小（图4）。其中，东部地区农业碳排放空间分布的组内基尼系数波动同总体基尼系数波动基本一致，由1997年的0.4800逐年波动下降至2016年的0.4400，达到样本考察期内最小值，年均变化率为-0.34%，随后逐渐上升至2022年的0.4658，总体仍呈现出波动下降的趋势，年均降低0.07%；与东部地区不同，中部农业碳排放组内分布差异较东部地区并无较明显的阶段特征，整体态势较为稳定；而西部地区呈现出二阶段变化特征，由1997年的0.37逐年波动下降至2012年的0.34，该阶段年均变化率为-0.49%，而后逐年波动增长至2022年的0.39，样本考察期内的年均变化率为0.29%。可能存在的原因在于，东部地区既包含上海等第一产业占比较少的省份，也包括山东等产粮大省，使得区域内差异较大，而中西部地区经济结构趋同，三大产业占比均衡且稳定，故区域内差异较小；2012年推出《西部地区重点生态区综合治理规划纲要（2012—2020年）》，部分重点西部地区农业生产被“叫停”，推动实现生态绿色可持续发展。
图4 中国三大地区农业碳排放组内差异演变

Fig.4 Variation of agricultural carbon emissions in three regions of China

从三大地区间的差异来看，整体上除东部和西部之间差异下降最为明显，东部和西部、中部和西部的地区差异相对稳定（图5）。其中，东部和西部之间的组内基尼系数自1997年的0.5200开始呈现出较为明显的下降趋势，并在2017年达到最小值0.4200，年均下降了1.07%；中部和西部地区之间的组内基尼系数由1997年的0.4159波动下降至2022年的0.3800；而东部和中部地区变动较为稳定，样本考察期内均值为0.3900，方差为0.0001，变化趋势较弱。综合而言，东部与西部、中部与西部间农业碳排放量差异呈缩小态势，地区间经济协作发展使各地区绿色农业发展齐头并进，碳排放区域差异缩小。
图5 中国三大地区农业碳排放地区间差异演变

Fig.5 Variation of agricultural carbon emissions in three regions of China

2.4 中国农业碳排放量莫兰值结果及分析

本文利用ArcGIS空间统计工具，将省际间共边、共点作为邻接要素，分析1997—2022年中国各省份农业碳排放量的全局空间自相关特征，检验我国省际间农业碳排放是否存在聚集效应。
通过对中国各省份农业碳排放量的全局空间自相关分析发现，在样本考察期内除2021与2022年外，其余年份的全局莫兰值检验均通过了10%的显著水平下的P检验，可以认为中国各省际农业碳排放量呈现出较为显著的集聚效应，即在空间上中国省际农业碳排放量存在着“高高—低低”的集聚特征，表明地处相邻省际的农业碳排放减排的潜力水平也呈现出高潜力区与低潜力区相对集聚的现象，呈现区域经济发展态势。
但在样本考察期内，全局莫兰值在整体上呈现出减少的趋势，由1997年的0.244逐渐降低至2020年的0.152，减少了37.7%。这表明随着时间推移，我国农业碳排放整体空间集聚程度呈现渐次减弱的演变态势，空间分布的积聚现象正逐渐减弱。同时，伴随中国经济均衡发展的态势，区域间经济协作互动程度逐渐加深。
本文仅考虑考察期内全局莫兰值通过P检验的年份，其中表3展示了样本考察期内主要年份省际农业碳排放的集聚类型。结果表明，中国农业碳排放局部空间自相关莫兰指数散点主要集中在第三象限低低集聚区，第二象限低高集聚区的散点随时间推移而逐渐减少，第四象限高低集聚区的散点随时间推移而逐渐增加，第一象限高高集聚区的散点分布较为均匀，且这种集聚特征中各省份并未随时间的推移而发生较大的变化。具体如下：
表3 1997、2007、2015和2020年各省份农业碳排放的集聚类型分布

Tab.3 Agglomeration type distribution of agricultural carbon emissions in China in 1997, 2007, 2015, and 2020

年份 高高集聚区 （第一象限） 低高集聚区 （第二象限） 低低集聚区 （第三象限） 高低集聚区 （第四象限）
1997 山东、河南、江苏、湖北、河北、安徽、浙江 上海、山西、江西、海南、天津、北京、重庆、辽宁、福建 贵州、陕西、广西、内蒙古、西藏、青海、宁夏、甘肃、吉林、云南 湖南、广东、黑龙江、四川、新疆
2007 山东、河南、江苏、湖北、河北、安徽 上海、山西、江西、海南、天津、北京、辽宁 重庆、贵州、陕西、内蒙古、西藏、青海、宁夏、甘肃、吉林、浙江、云南、福建 湖南、广西、广东、黑龙江、四川、新疆
2015 山东、河南、江苏、湖北、河北、安徽 上海、山西、江西、海南、辽宁、吉林 北京、天津、重庆、贵州、陕西、西藏、青海、宁夏、甘肃、浙江、福建 内蒙古、广西、黑龙江、湖南、广东、云南、四川、新疆
2020 山东、河南、江苏、湖北、河北、安徽、黑龙江、吉林 上海、山西、江西、海南、辽宁、陕西 北京、天津、重庆、贵州、西藏、青海、宁夏、甘肃、浙江、福建 内蒙古、广西、湖南、广东、云南、四川、新疆
①高高集聚区的省份主要分布在中部地区，这些省份大多为中国重要粮食战略储备区，农产品产量大，农业产值在三大产业中的比重高，农业生产资源消耗高，逐渐形成农业碳排放的“高地”。
②低高集聚区的省份主要是上海、山西、江西、海南、辽宁、陕西等，这些省份大都分布在我国重要的粮食战略储备区的周围，由于农业碳排放量在空间分布上存在空间溢出效应，区域间经济沟通交流加深，成为环绕在“高地”周围的“洼地”。
③低低集聚区的省份主要分布在北京、天津、西部的西北地区以及除四川外的西南地区，由于北京与天津城市的农业在三大产业结构中的所占比例较小，高新技术产业占比高；西部地区由于生态环境与自然资源的约束，农业发展受限，无法发展大规模种植农业，这些省份相连，成为农业碳排放的“洼地”，如内蒙古虽为农业大省，但更多以畜牧业为主，传统种植农业占比较少；而陕西虽为农业大省，由于农业多样化集约化水平较高，龙头企业占据农业主导地位，因此资源利用水平高，农业碳排放较低，形成农业碳排放“洼地”。
④高低集聚区的省份主要包括湖南、广东、黑龙江、四川和新疆等省份，这些省份农业碳排放的空间辐射效应较小，呈现出区域内农业碳排放高值现象。虽然样本考察期内存在区域农业碳排放极化的现象，如新疆、黑龙江为区域内农业碳排放的“极大者”，但极化现象对于周边省份的“辐射”影响较弱。另外，黑龙江、吉林、内蒙古、云南等省份的集聚类型表现出较强的变化性，如黑龙江2015年以前属于高低集聚区，到2020年变成高高集聚区；吉林2007年以前属于低低集聚区，2015年转变为低高集聚区，到2020年转变为高高集聚区。

2.5 中国农业碳排放核密度估计结果及分析

基于Dagum基尼系数的分析结果可以展示出中国农业碳排放总体差异与区域差异的数值水平以及其差异来源，但无法描述农业碳排放的绝对差异的时空演进特征及变化过程。基于此，本文将使用核密度估计方法来刻画各区域样本数据的分布特征，选取Kernel密度估计中的Epanechnikov核函数绘制中国31个省份的全国及三大地区的核密度分布曲线（图6），重点关注密度曲线的分布位置、主峰分布形态、分布延展性以及波峰数目（表4）。
图6 全国及三大地区农业碳排放分布的动态演进

Fig.6 Evolution of agricultural carbon emission distribution in China and three regions

表4 中国及三大地区农业碳排放量的动态演进特征

Tab.4 Dynamic evolution characteristics of agricultural carbon emissions in China and three regions

地区 分布位置 主峰分布形态 分布延展性 波峰数目
全国 先右移后左移 高度下降
宽度变大		 右拖尾，
延展收敛		 单峰
东部地区 先右移后左移 高度下降
宽度不变		 右拖尾，
延展收敛		 单峰
中部地区 先右移后左移 高度先升后降
宽度不变		 右拖尾，
延展拓宽		 单峰
西部地区 先右移后左移 高度下降
宽度变大		 左拖尾，
延展收敛		 单峰或双峰
由图6、表4可知，1997—2012年全国及各地区农业碳排放的核密度曲线呈现右移的趋势，表明全国大部分省份及地区农业碳排放量仍呈现增长趋势；而2012—2020年全国及各地区农业碳排放曲线均出现了不同程度的左移，说明全国大部分省份及地区在农业低碳发展方面取得了坚实成绩，助力国家逐步实现了农业碳达峰、碳中和目标。可能的原因是：2012年，党的十八大将生态文明建设纳入中国特色社会主义事业“五位一体”总体布局，“中国共产党领导人民建设社会主义生态文明”写入党章；2017年，党的十九大将“增强绿水青山就是金山银山的意识”写入党章，并明确指出“建设生态文明是中华民族永续发展的千年大计”。但值得注意的是，在样本考察期内东部地区农业碳排放核密度曲线位置变动幅度较小，意味着该区域内农业碳减排成效较小，表明东部地区在当前碳排放水平下，减碳压力较大。
在样本考察期内，全国层面的核密度曲线呈现出“上升—下降”的趋势，主峰高度下降且宽度变宽，这表明样本内农业碳排放量离散程度扩大，意味着全国层面不同地区农业碳达峰的实现路径与实现时间上存在差异。如东部与西部地区相比，两者的农业基础及产业结构存在差异，其中西部地区核密度曲线呈现出与全国层面的相似表现，即高度下降且宽度逐渐扩大的特征，表明西部地区内部农业碳排放差异逐渐扩大；而中部地区的核密度分布曲线主峰高度先上升后减小且宽度不变，表明中部地区作为我国重要的粮食储备区，区域内差异基本不变，但农业碳排放量呈现下降趋势。同时，全国及各地区的核密度分布曲线均呈现出显著的右拖尾现象，这表示区域内存在农业碳排放量的极端值。其中，东部地区核密度区曲线分布延展收敛性较好，意味着区域内的极端值与平均值之间的差距逐渐缩小；中部地区核密度分布曲线的分布延展收敛性较差，表明区域内一些省份的农业碳排放量仍处于较高的水平；而西部地区在2007年后的核密度分布曲线呈现左拖尾特征，意味着区域内部分省份的农业碳排放量显著低于其他省份。
除西部地区部分年份存在双峰现象外，全国和东中部地区均呈现单峰现象，即区域农业碳排放量呈现均匀稳态分布特征，区域内差异化程度较低。其中西部地区的单峰现象出现在样本初期，但随时间演变核密度分布曲线呈现双峰现象，这表明区域内存在农业碳排放二极化现象，但主峰与侧峰之间距离较小，表明区域内部的空间极化现象较弱。

3 结论与建议

3.1 结论

本文通过农业碳排放系数法核算1993—2022年全国农业碳排放量与1997—2022年各省份农业碳排放量，并使用莫兰指数、Dagum基尼系数和核密度估计对中国农业碳排放的整体演变、地区时空差异与空间分布动态演进特征进行了实证研究。得出研究结论如下：
①从总体演进特征来看，中国已初步完成农业碳达峰的目标。农业碳排放总量呈现出“上升—下降”的二阶段变化演进特征，中国农业碳排放量由1993年的5460.70万kg增长至2015年的10621.11万kg，2015年达到峰值后逐渐下降至2022年的9288.89万kg，提前完成政府承诺的2020年碳减排目标。
②从区域差异来看，中国农业碳排放空间集聚效应明显。莫兰指数分析结果表明省际空间关联特征呈现出高高积聚和低低积聚的特点，其中高高积聚区主要集中在中部以第一产业为主的农业产粮大省，其农业碳排放量始终高于全国平均水平。Dagum基尼系数分析结果表明，当前区域差异仍以地区间差异为主，中部地区农业碳减排进程“虽迟但到”，目前区域内农业碳排放不均衡问题较为突出，东中西部3个地区农业碳减排任务各不相同。
③从动态演进来看，中国农业碳减排工作虽取得一定成效，但各区域的具体表现存在较大差异，不同地区农业碳达峰的实现路径与实现时间上存在差异。其中东部随时间区域内农业碳排放差距逐渐缩小，呈现稳态分布；中部地区收敛性较差，碳排放“高低”现象、极化现象严重；西部地区呈现左拖尾，部分省份碳排放量显著低于均值，且存在二极化现象，内部差异逐渐扩大。

3.2 建议

基于上述研究结论，本文认为要加快推进农业绿色低碳发展，落实绿色低碳要求，巩固农业碳达峰成果，需要从以下3个方面进行适应性调整、改进与优化：
①加快完善区域协调发展战略，统筹省际间协作与区域内农业碳减排的平衡推进。要进一步发挥区域内省际间的裙带作用，通过“先富带后富”的方法，加强区域内农业合作与基础设施共享，打破农业深度融合发展的合作壁垒；要深入实施区域重大发展战略，促进区域内融合互动、融通互补，依托重大战略区推动各区域农业深度融合发展。
②依据各区域与省份农业发展特点，因地制宜地出台农业碳减排政策。例如，在农业碳排放较高的粮食产区，保证粮食安全占据重要地位，应在坚守18亿亩“耕地红线”的同时，针对各省份农业发展的具体特征，制定农业碳减排的方针，评估农业碳减排政策方针的可实施性，更多地从技术方面调整化肥、农药等农业试剂的使用量，充分发挥“工业反哺农业”功能，而非“一刀切”地调整三大产业结构以及“刻板机械”地降低农业产量；在农业碳排放相对较低的非产粮区，应从加强交通运输等基础设施的构建等环节着手降低农业碳排放，加强同中西部产粮区之间的“南北合作”，开辟农业绿色运输通道，减少由农业运输等环节带来的不必要的农业碳排放。
③适应碳排放交易市场的发展需求，加快推进农业碳交易平台的搭建完善。我国目前参与碳交易主体是配额分配的企业，市场活跃度有限，加之我国碳排放交易试点基本局限于高排放的工业领域，因此活跃农业碳交易市场、降低农业碳交易入场门槛、推动农业碳交易平台完善发展将成为未来趋势。而农业生产活动集碳排放与碳汇于一体，通过农业碳汇交易实现生态经济化，推动“绿水青山”转变为“金山银山”；促进区域间碳排放均衡，实现市场碳交易协调地区经济平衡发展；利于农民利用碳汇交易增加收入，通过采取增汇措施减少环境污染，努力向“碳中和”迈进，促进经济可持续发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
习近平. 习近平向《联合国气候变化框架公约》第二十六次缔约方大会世界领导人峰会发表书面致辞[N]. 人民日报,2021-11-02(1).

[2]
习近平. 继往开来,开启全球应对气候变化新征程[N]. 人民日报,2020-12-13(2).

[3]
金书秦, 林煜, 牛坤玉. 以低碳带动农业绿色转型:中国农业碳排放特征及其减排路径[J]. 改革, 2021(5):29-37.

[4]
田云, 张俊飚, 尹朝静, 等. 中国农业碳排放分布动态与趋势演进——基于31个省(市、区)2002—2011年的面板数据分析[J]. 中国人口·资源与环境, 2014, 24(7):91-98.

[5]
李波, 张俊飚, 李海鹏. 中国农业碳排放时空特征及影响因素分解[J]. 中国人口·资源与环境, 2011, 21(8):80-86.

[6]
陈银娥, 陈薇. 农业机械化、产业升级与农业碳排放关系研究——基于动态面板数据模型的经验分析[J]. 农业技术经济, 2018(5):122-133

[7]
Zhang W F, Dou Z X, He P, et al. New technologies reduce greenhouse gas emissions from nitrogenous fertilizer in China[J]. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(21):8375-8380.

[8]
陈舜, 逯非, 王效科. 中国氮磷钾肥制造温室气体排放系数的估算[J]. 生态学报, 2015, 35(19):6371-6383.

[9]
范紫月, 宋春玉, 齐晓波, 等. 中国农业系统近40年温室气体排放核算[J]. 生态学报, 2022, 42(23):9470-9482.

[10]
李国志, 李宗植. 中国农业能源消费碳排放因素分解实证分析——基于LMDI模型[J]. 农业技术经济, 2010(10):66-72.

[11]
张林, 冉光和, 蓝震森. 碳排放约束与农业全要素生产率增长及分解[J]. 华南农业大学学报:社会科学版, 2015, 14(3):22-32.

[12]
于伟咏, 漆雁斌, 李阳明. 碳排放约束下中国农业能源效率及其全要素生产率研究[J]. 农村经济, 2015(8):28-34.

[13]
Balsalobre-Lorente D, Driha O M, Bekun F V, et al. Do agricultural activities induce carbon emissions? The BRICS experience[J]. Environmental Science and Pollution Research, 2019,26:25218-25234.

[14]
田云, 张俊飚, 李波. 中国农业碳排放研究:测算、时空比较及脱钩效应[J]. 资源科学, 2012, 34(11):2097-2105

[15]
夏四友, 赵媛, 许昕, 等. 近20年来中国农业碳排放强度区域差异、时空格局及动态演化[J]. 长江流域资源与环境, 2020, 29(3):596-608.

[16]
刘华军, 鲍振, 杨骞. 中国农业碳排放的地区差距及其分布动态演进——基于Dagum基尼系数分解与非参数估计方法的实证研究[J]. 农业技术经济, 2013(3):72-81

[17]
贺青, 张俊飚, 张虎. 农业机械化对农业碳排放的影响——来自粮食主产区的实证[J]. 统计与决策, 2023, 39(1):88-92.

[18]
朱勤, 彭希哲, 陆志明, 等. 中国能源消费碳排放变化的因素分解及实证分析[J]. 资源科学, 2009, 31(12):2072-2079.

[19]
韦玉琼, 龙飞, 岳欣冉. 乡村振兴背景下农村碳排放变动及减排策略[J]. 农业经济问题, 2022(9):62-73.

[20]
励汀郁, 熊慧, 王明利. “双碳”目标下我国奶牛产业如何发展——基于全产业链视角的奶业碳排放研究[J]. 农业经济问题, 2022(2):17-29

[21]
何艳秋, 戴小文. 中国农业碳排放驱动因素的时空特征研究[J]. 资源科学, 2016, 38(9):1780-1790.

DOI

[22]
胡川, 韦院英, 胡威. 农业政策、技术创新与农业碳排放的关系研究[J]. 农业经济问题, 2018(9):66-75.

[23]
李周. 农民流动:70年历史变迁与未来30年展望[J]. 中国农村观察, 2019(5):2-16.

[24]
滕泽伟, 胡宗彪, 蒋西艳. 中国服务业碳生产率变动的差异及收敛性研究[J]. 数量经济技术经济研究, 2017, 34(3):78-94.

[25]
田云, 尹忞昊. 中国农业碳排放再测算:基本现状、动态演进及空间溢出效应[J]. 中国农村经济, 2022(3):104-127.

[26]
李博, 张文忠, 余建辉. 碳排放约束下的中国农业生产效率地区差异分解与影响因素[J]. 经济地理, 2016, 36(9):150-157.

[27]
张君宇, 宋猛, 刘伯恩. 中国二氧化碳排放现状与减排建议[J]. 中国国土资源经济, 2022, 35(4):38-44.

[28]
戴育琴, 李谷成. 中国农产品出口贸易隐含碳排放的库兹涅茨曲线检验[J]. 统计与决策, 2021, 37(13):63-67.

[29]
黄祖辉, 米松华. 农业碳足迹研究——以浙江省为例[J]. 农业经济问题, 2011, 32(11):40-47,111.

[30]
张广胜, 王珊珊. 中国农业碳排放的结构、效率及其决定机制[J]. 农业经济问题, 2014, 35(7):18-26,110.

[31]
赵雅雯, 王金洲, 王士超, 等. 潮土区小麦、玉米残体对土壤有机碳的贡献——基于改进的Roth C模型[J]. 中国农业科学, 2016, 49(21):4160-4168.

DOI

[32]
张鲜鲜, 周胜, 孙会峰, 等. DNDC模型在稻田生态系统中的研究进展及应用[J]. 上海农业学报, 2019, 35(1):109-117.

[33]
Liu M D, Meng J J, Liu B H. Progress in the studies of carbon emission estimation[J]. Tropical Geography, 2014, 34(2):248-258.

[34]
陈诗一. 能源消耗、二氧化碳排放与中国工业的可持续发展[J]. 经济研究, 2009, 44(4):41-55.

[35]
Dubey A, Lal R. Carbon footprint and sustainability of agricultural production systems in Punjab,India,and Ohio,USA[J]. Journal of Crop Improvement, 2009, 23(4):332-350.

[36]
习近平. 算好生态保护的“经济账”——全国政协“建立生态补偿机制中存在的问题和建议”专题调研综述[N]. 人民政协报,2019-06-10(1).

Options
文章导航

/

〈 〉