熱門論文
最新論文
中國糧食主產區農業生產凈碳匯時空格局 與影響因素研究
發布時間：2022-10-05 10:51
目錄
摘要 I
Abstract Ill
1緒論 1
1.1研究背景 1
1.2研究目的及意義 1
1.2. 1研究目的 1
1.2.2研究意義 2
1.3國內外研究現狀及評述 2
1.3.1國外研究現狀 3
1.3.2國內研究現狀 4
1.3.3國內外研究現狀評述 5
1.4研究內容和研究方法 g
1.4.1研究內容 g
1.4. 2研究方法 g
1- §創新點 7
2概念界定與相關理論 8
2.1概念界定 8
2.1. 1農業生產 8
2.1. 2農業碳源 8
2.1. 3農業碳匯 9
2.2相關理論 9
2.2. 1農業可持續發展理論 9
2.2. 2低碳農業理論 9
2.2. 3循環農業理論 10
2.3本章小結 10
3糧食主產區農業生產凈碳匯測算 11
3.1糧食主產區農業概況 11
3.1.1農用物資投入情況 11
3.1. 2農地利用情況 12
3.1. 3農作物種植情況 13
3.2農業生產凈碳匯測算 ig
3.2.1數據來源 ig
3.2. 2碳源量測算 lg
3.2. 3碳匯量測算 20
3.2. 4凈碳匯測算 22
3.3本章小結 22
4糧食主產區農業生產凈碳匯時空趨勢分析 24
4.1農業生產凈碳匯時序變化分析 24
4.1. 1凈碳匯總量時序變化分析 24
4.1. 2凈碳匯強度時序變化分析 2g
4.1. 3凈碳匯密度時序變化分析 2£
4.2農業生產凈碳匯空間分布特征 27
4.2. 1凈碳匯總量空間演變 27
4.2. 2凈碳匯強度空間演變 28
4.2. 3凈碳匯密度空間演變 29
4.3本章小結 29
5糧食主產區農業生產凈碳匯影響因素分析 31
g. 1 LMDI模型介紹 31
2 LMDI模型構建及分解結果 31
g. 2.1模型構建 31
g. 2. 2模型分解結果 32
3影響因素分析 33
「3. 1農業凈碳匯強度因素分析 33
「3. 2農業產業結構因素分析
g. 3. 3農業經濟水平因素分析 37
「3. 4農業勞動力規模因素分析 39
g. 4本章小結 40
6對策建議 42
g. 1改善農地利用方式，優化農作物種植結構 42
C. 2深入貫徹綠色發展理念，農業生產融合科技技術 42
g.3完善綠色農業政策保障體系，加強組織領導 43
結 論 44
參考文獻 4g
攻讀學位期間發表的學術論文 舁
致 謝 §3
4緒論
1.1研究背景
我國農業發展進入新階段，2021年8月，農業農村部等6部門聯合印發中 國首部農業綠色發展專項規劃《“十四五”全國農業綠色發展規劃》，規劃著眼 于如何加快農業全面綠色轉型和實現農業低碳發展，指出在今后的五年中要加強 農業資源保護、加強農業污染防治、加強農業生態保護修復、打造綠色低碳農業 產業鏈。現階段農業生產碳排問題依然存在，而碳排放是造成全球氣候變暖的重 要因素，研究指出全球種植業的溫室氣體排放占全球人為溫室氣體排放的 30%冋，大氣中的CO2、N2O> CH4等氣體濃度的增加是導致全球氣候變暖的重 要因素。氣候變暖不僅會導致嚴重的自然災害，還會對人類健康、糧食安全等方 面造成威脅。為了應對全球氣候帶來的不利局面，我國在第七十五屆聯合國大會 上向世界各國莊重承諾，將力爭在2030年以前使碳排放量達到峰值，并努力爭 取于2060年之前實現碳中和。
農業發展早期由于人口稀少，農作物播種面積小，由農業導致的碳排放量少， 而后為了提高農產品產量,在農業生產中大量投入化肥、農藥、農膜等農用物資， 使得農業產生的碳排放量急劇上升。聯合國環境規劃署（UNEP）《2019年排放 差距報告》顯示，2018年全球溫室氣體排放量創下歷史新高，達到了 553億噸， 同時各國碳排放差距正處于逐年擴大態勢。2021年10月國務院相繼發布《關于 完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見》和《2030年前碳 達峰行動方案》，明確了對碳達峰碳中和這項重大工作的綜合部署和具體落實方 案，其中在農業方面行動方案提出要“推進農業農村減排固碳”。確保糧食安 全保持糧食產量，糧食主產區起著重要作用，面對一系列風險挑戰，糧食主產區 農業生產減排增匯迫在眉睫。農業活動所產生的碳排放量僅次于工業生產，比起 二、三產業只具有碳排放特征，具有碳源和碳匯功能的農業在實現碳中和目標中 更能發揮重要的作用。積極響應我國農業減排固碳的號召，優化糧食主產區農業 產業結構，增強農作物碳匯能力，實現糧食主產區農業低碳發展迫在眉睫。
1.2研究目的及意義
1.2.1研究目的
在新的發展階段，推動我國糧食主產區農業可持續發展，需要摸清糧食主產 區農業生產碳源碳匯過程，找到促進糧食主產區農業生產凈碳匯增長的可行方法。
糧食主產區是產糧的主要區域，糧食生產實現了 “十七連豐”，2020年全 國糧食總產量高達13390億斤，比上年增加113億斤，為確保國家糧食安全提供 了堅實支撐-
農業機械化程度加深導致化肥、農藥、農膜、柴油等的碳排增加，對糧食安 全和氣候變化產生了威脅。如何在保障糧食安全基礎上，助力糧食主產區實現低 碳化發展是研究的主要目的。
4.2.2研究意義
1.2.2.1理論意義
目前關于農業生產碳源領域的文章比較多，碳匯領域的文章偏少。現有研究 多是單一省份的研究，或者是國家層面研究，缺乏對某個區域的研究，比如農業 聚集的糧食主產區、按照地理位置劃分區域或者是經濟區劃分的區域。分別從農 業生產碳源和碳匯分析糧食主產區凈碳匯量變化，為農業生產碳效應研究提供了 方向，從時間和空間兩個層面分析農業凈碳匯量的趨勢變化，探索影響農業生產 凈碳匯變化的深層次原因，不僅彌補目前在特定區域研究的空缺，而且為學者進 一步研究農業生產凈碳匯提供理論支撐。
1.2.2.2現實意義
我國糧食主產區是農業生產的主要區域，不僅為中國農業經濟發揮著重大作 用，同時由于農業兼具碳源和碳匯功能,在碳源和碳匯方面也發揮著巨大的作用。 對糧食主產區農業生產的凈碳匯研究，能夠進一步推動我國農業綠色轉型，破解 我國農業發展面臨的新矛盾和新問題，實現農業經濟低碳化、生產綠色化、產品 優質化。從農用物質投入，農作物呼吸，農田利用三方面探究糧食主產區農業生 產碳源量的變化情況，從農作物生長角度測算農業生產碳匯量，進而分析農業生 產凈碳匯的影響因素，深入分析各個因素對農業生產凈碳匯的影響情況，以便找 準糧食主產區農業生產減排增匯重點方向，為我國糧食主產區乃至其他區域減碳 增匯提供參考。
1.3國內外研究現狀及評述
20世紀七八十年代時，農業碳循環領域中的碳源和碳匯就是研究中的熱點 近年國內外學者在這個領域做了更多開創性研究并取得了一系列研究成果，也為 本研究提供了理論基礎和經驗借鑒。
1來源于國家統計局2020-12-10日公布的全國糧食生產數據。
1.3.1國外研究現狀
國外學者很早就展開了對農業碳源和碳匯的研究，國內學者在農業碳匯領域 的研究不夠深入，在農業碳源領域的研究比較細致全面。將農業碳源和碳匯結合 起來研究，對指導現階段農業生產活動意義重大。整理相關研究成果，從農業碳 源和碳匯界定、農業碳源量和碳匯量測算和農業碳效應影響因素三個方面對現有 研究進行分析。
1.3.1.1農業碳源和碳匯界定
學者對農業碳源和碳匯的源頭界定不一，整理學者在農業碳源和碳匯領域的 研究，發現國外學者主要將農業碳源界定為農業廢棄物的處理、農用化學品、土 地利用變化、動物糞便、農業能源利用和農作物生長幾個方面。
農業碳源研究領域。R. Zalaghi (2009)、Matthias Baumann (2017)從某單 一碳源對農業生產碳排研究，分析了土地利用變化導致的農業碳排放血7］。 Johnson (2007)研究了多個碳源，將農業廢棄物的處理、動物糞便、農業能源 利用、水稻生長及生物燃燒作為農業碳排放源同。Muhammet Demirtas (2021) 從燃料和農用化學品的能源利用角度分析農業碳排放〔9］ o
農業的碳匯研究領域。P.LWoomer (2004)從土地利用和農作物生長研究農 業碳匯［®。W.Hediger (2006)研究土壤固碳［⑴。Begum Kh (2018)和 Kenne G (2019)認為土壤有機碳中存在巨大的固碳能力［@1習。除土壤固碳外，還有學者 從農作物固碳分析了農業固碳能力，如M nasiri malialati (2014)研究估算了伊 朗不同農作物在不同的氣候條件下的碳排放量和固碳能力卩鐵
1.3.1.2農業碳源和碳匯量測算研究
國外學者對農業碳源碳匯量的測算研究大多采用實地測量的方法，除參考 《IPCC國家溫室氣體清單指南》和聯合國糧食與農業組織數據庫等官方數據外， ValinH (2013)、Vetter S H (2017)、Peter C (2017)還開發了 Agri-LCL SPAC 和農業生態系統等模型對地區、行業和農場的碳排放量進行測算卩-⑻。
國外學者對于農業碳排放的研究大多針對某一種作物，或者一種物資投入方 式進行研究，比如RubenN等(2006)針對土地利用的不同種植模式，通過實驗 測算土壤的碳排放水平以及固碳能力I"〕。Goglio P(2015)和Swainson N (2018) 認為僅用IPCC測算方法過于片面，而沒有考慮到如農作物種植和氣候因素，導 致測算的結果不夠真實［20-2】］。對此，GoglioP等(2018)基于田間試驗的測算數 據比較了 IPCC方法和DNDC模型在估算作物種植產生碳排放量時的有效性QI。
1.3.1.3農業碳效應影響因素研究
國外學者對農業碳效應影響因素的研究多且廣，涉及的影響因素有農業生產 方式、經濟規模、技術進步、能源利用等。在國際上，探討碳效應與其影響因素 之間的定量關系有許多因素分解模型與方法，最常見的有STIRPAT模型、IPAT 模型、LMDI分解模型、KAYA公式，其中最后兩種方法使用較為成熟。
Tasman （2009）從農業生產方式探究農業碳效應影響因素，通過對比多個國 家的農業碳排放發現農業生產方式會造成各國農業碳排放顯著不同〔卻。Li Pang <2014）從農業產業結構、能源使用效率、勞動力轉移和農業發展水平探討對農 業生產碳效應的影響［如。Sampaothong（2021）采用時間序列AR （ 1）分析方研究 了農業勞動力、地區GDP、匯率、農用物資投入和生產者價格指數對農業碳效應 的影響［25］。Ali Aminu （2021）從收入、農業創新、能源利用和生物能力對農業 碳效應的影響［2旬。
4.3.2國內研究現狀
國內學者在農業碳源方面的研究比較完善，碳匯領域的研究還在發展階段， 隨著研究地不斷深入，也有學者開始對農業生產凈碳匯展開研究。
1.3.2.1農業碳源和碳匯邊界界定
國內學者主要是從農地利用、農用物資投入和農作物呼吸對農業碳源進行界 定。從農田固碳、農作物固碳和秸稈還田固碳對農業碳匯進行界定。
農業碳源領域。張俊颼等（2011）將農用物資投入、農地翻耕灌溉，柴油投 入作為農業碳源［27】，曹俊文（2016）、梁青青（2018）、呂斯涵（2019）等在 此基礎上增加了農地灌溉和農作物幾大碳源SY。】。
農業碳匯領域。田云等（2012）從農作物固碳分析農業碳匯〔311。翟國慶（2020）、 陳紹民<2021）等研究了不同區域農田土壤碳匯［32-33］。高洪軍（2020）、吳玉紅 （2020）等研究農業秸稈還田固碳134-35】。
1.3.2.2農業碳源和碳匯量測算研究
目前國內碳源量的計量方法主要有投入產出法、生命周期評價法、IPCC方 法和碳足跡計算器等。我國學者使用較多是聯合國氣候變化委員會提出的全國通 用方法碳排放系數法。
碳源量測算方面。龐麗（2014）、于偉詠（2016）、孟軍（2020）等使用單 一碳排放系數計算農業碳排放量，并進行時序分析［班3叭田成詩等（2021）首次 使用差異化碳排放系數對中國省際農業碳排放量和農業低碳化水平進行測算與 評價卩％
碳匯量測算方面。韓冰等（2008）建立經驗模型從不同的耕作管理手段角度 分析了中國農田土壤的固碳速率差異及其影響因素〔4叭田云等（2012）利用碳 匯系數計算農作物固碳，但目前對于農作物的碳匯系數并不統一〔列。趙榮欽等 <2007）將農作物細分為糧食作物和經濟作物兩類，以便更精準地測算農業生產 碳匯量〔小。翟國慶等（2020）采用全國第二次土壤普查有機質測定方法測定農
田土壤固碳［3習。高洪軍等(2020)在秸稈還田固碳方面做出了一定貢獻［34］。
1.3.2.3農業碳效應影響因素研究
LMDI指數分解模型、KAYA恒等式、STIRPAT模型、灰色關聯度法等這些 方法都可以用來判斷影響系統發展因素的重要性，國內學者多將影響農業生產碳 效應的影響因素分解為農業凈碳匯強度因素、農業產業結構因素、農業經濟水平 因素、農業勞動力因素和城鎮化水平因素等。
何艷秋等(2018)采用灰色關聯度分析各因素對農業碳效應的影響，同時將 灰色關聯度與面板模型相結合探討中國農業碳排放驅動因素H習。桂河(2021)、 李庚欣(2020)等采用KAYA分解模型探討了農業碳排放的時空特征及驅動因 素［43引］。吳昊坯等(2021)從產業、要素、環境3個方面出發，采用空間杜賓模 型探討農業碳排放效率的影響因素與溢出效應【呵。劉楊等(2022)采用LMDI 方法將影響因素從農業凈碳匯強度、農業產業結構、地區產業結構、勞動力因素 幾個方面進行分解〔他。
1.3.3國內外研究現狀評述
縱觀文獻可知國內外學者在農業碳排放領域的研究從廣度和深度上都有了 一定的發展，國外學者關于農業碳源量的測算方法多樣，并且研究側重于實驗獲 得數據，國內學者則側重于用碳排放系數來測算碳源量。學者在農業碳源和碳匯 方面的研究細致深入，基于自己的研究角度都有一定的參考性。在影響因素的研 究方面，分析了各種因素對農業生產碳效應的影響。目前對農業生產碳效應的研 究還不夠完善，一方面是碳源的選擇不夠全面，另一方面學者在凈碳效應的研究 還在發展中，所以對農業生產凈碳效應的研究比較少。將農業碳源和碳匯聯系到 一起，是深入研究農業凈碳匯及其影響因素的重要前提和基石，今后學者可以在 這一領域深入研究，彌補現有研究的不足。
目前我國在農業碳源和碳匯領域的研究還存在著以下幾點不足：
(1)從時間角度對農業碳排影響因素研究已經比較完善，而缺少關于農業 生產碳排空間對比研究。
(2)學者多從農業碳源碳匯單一方面研究，而缺少凈碳效應的研究。學者 大多以國家角度，或者以某個省份來進行研究，而鮮有學者從地理劃分區域或者 經濟劃分區域等特定區域對農業生產凈碳效應展開研究。
由此從農業碳源和碳匯兩方面測算農業生產凈碳匯量，并對測算出的結果從 時間和空間兩個角度進一步分析，填補了目前我國在農業生產凈碳效應領域的空 缺，同時也為其他學者在該方面進一步研究提供了參考。
1.4研究內容和研究方法
1.4.1研究內容
本文基于農業碳源和碳匯相關概念及農業可持續發展、農業低碳發展和農業 循環發展相關理論，從農地利用、農田翻耕、農作物種植三大方面選擇了 25類 主要碳源和14類主要農作物碳匯，計算凈碳匯量、凈碳匯強度和凈碳匯密度并 進行時空分析，用LMDI模型分析糧食主產區農業生產凈碳匯影響因素，整體包 括七個章節。
第一章：闡述研究的目的意義及研究背景，整理歸納國內外關于農業生產碳 源、碳匯和凈碳效應的研究進度和方法。進而介紹本研究的內容和方法及創新點。
第二章：闡述研究中涉及的相關概念和理論，并進行深入分析。本文涉及的 相關概念有農業生產、農業碳源、農業碳匯。相關理論有農業可持續發展理論、 低碳農業理論、循環農業理論。
第三章：首先對糧食主產區的農用物資投入、農地利用和農作物種植情況簡 要分析。其次根據碳排放系數法測算碳源量，用碳匯系數測算碳匯量，進而得到 糧食主產區的凈碳匯量。
第四章：根據第三章測算的結果，對糧食主產區的凈碳匯總量、凈碳匯強度 和凈碳匯密度進行時空分析。
第五章：利用LMDI模型進一步從農業凈碳匯強度、農業經濟水平、農業產 業結構和農業勞動力分解影響糧食主產區凈碳匯演變的主要因素。
第六章：根據研究結果從農地利用，農作物種植結構、綠色農業保障角度對 糧食主產區提出具體的減碳增匯建議。
第七章：總結前文的研究理論和最終結果。
1.4.2研究方法
（1） 文獻研究法。根據探究主題收集相關文獻，并將文獻根據探究內容分 類整理，深入分析。全方面了解現階段關于農業碳源和碳匯領域的研究狀況和發 展趨勢，總結現有文獻的經驗和不足，挖掘研究內容的主要價值，為研究奠定理 論和現實基礎。
（2） 定性定量相結合。首先定性分析與農業碳源和碳匯有關的概念和理論， 再通過測算糧食主產區農業生產凈碳匯量、凈碳匯強度和凈碳匯密度分析其趨勢 演變，使用LMDI模型定量分析凈碳匯影響因素。
（3） LMDI分解法。將影響糧食主產區農業生產凈碳匯的影響因素分解為 農業凈碳匯強度因素、農業產業結構因素、農業經濟水平因素、農業勞動力規模 因素，分析在不同時間、不同區域各影響因素對糧食主產區農業凈碳匯的影響程 度。
4.5創新點
有別于以往學者多選擇某一個省份或者國家研究農業生產中的碳排放，本研 究基于國內外學者研究的基礎上選擇了糧食主產區這個特定區域研究，在充分考 慮農業具有碳源碳匯雙重屬性特征基礎上，分別測算農業生產中的碳源量、碳匯 量和凈碳匯量，進而分析其時間和空間的演變情況，最后探究影響因素。實證過 程更加嚴謹，實證結果更具科學性。
2概念界定與相關理論
農業生產過程中涉及的碳源碳匯復雜，本章先對農業碳源和碳匯概念進行解 釋和界定，進而介紹農業生產碳源和碳匯功能涉及的相關理論。
2.1概念界定
文章中涉及的概念較多，所以先對農業生產、農業碳源和農業碳匯概念進行 解釋，對相關概念范圍進行界定，為后續測算奠定概念基礎。
2.1.1農業生產
關于農業，馬克思在不同的地方有幾個提法，分別是“廣義農業”、“俠義 農業”和“純粹農業” Hl廣義農業指的是農林牧漁業，俠義農業指的是種植 業，本文研究的是俠義農業生產過程中碳源碳匯的變化及影響因素。農業是在人 類參與下獲得產品的自然再生產過程，人類的衣食住行離不開農業生產。
農業生產直接關系到人類生存和社會發展，是人類所需生產生活資料的來源。 農業生產指得是種植農作物的生產活動，主要包括糧食作物和經濟作物兩類，糧 食作物包括薯類（包括甘薯、馬鈴薯等）、谷類（小麥，水稻，玉米）和豆類（包 括大豆、蠶豆、豌豆、綠豆等）。經濟作物是自然條件選擇嚴格，技術要求高， 經濟價值高的作物，主要包括油料、棉花、麻類、蔬菜、煙葉等。
農業生產的發展大概可以經過四個階段［伺。一是農業社會時期，這個時期 的農業主要依靠人力和畜力，是傳統農業生產時代。二是工業社會時期，機械化 逐漸代替人力畜力，是機械化為主的機械化農業生產時代。三是信息化社會時期， 以自動化為主的農業生產時代。四是智慧化時期，是以無人化作業為顯著特征的 智慧化農業生產時代。
2.1.2農業碳源
聯合國氣候變化框架公約中“源”是指向大氣排放溫室氣體、氣溶膠或有排 放溫室氣體前兆的過程或活動。農業碳源指農業生產活動過程中，各個生產環節 由人為因素引起的各種直接和間接的碳排放。
農業直接碳源一般是指在使用農業機械進行耕地、播種和收獲等農業生產的 過程中，直接在農田上消耗的柴油產生的碳排放，同時也包括由于施用化肥而導 致土壤呼吸增加的直接碳排放；農業間接碳源是指在生產運輸化肥、農藥和種子 等農業生產資料過程中，在農業上游部門的碳排放，其中也包括灌溉消耗的電能 產生的碳排放。
2.1.3農業碳匯
《聯合國氣候變化公約》中將碳匯定義為從大氣中清除溫室氣體、氣溶膠或 溫室前氣體的過程、活動和機制。
農業碳匯以農作物等為載體,植物通過自身的光合作用將一部分二氧化碳轉 換為氧氣，凈化大氣中二氧化碳等溫室氣體的凈含量，另一部分二氧化碳通過植 物體與土壤的固碳功能儲存到土壤中，以達到滋養土壤提高土壤質量的目的。
農業生產過程中農業系統碳匯量減去碳源量后的值稱為凈碳匯，如果凈碳匯 大于o,說明整個農業生態系統呈現碳匯狀態。
2.2相關理論
農業可持續發展理論、低碳農業理論和循環農業理論為農業生產碳源和碳匯 功能研究提供了理論基礎。
2.2.1農業可持續發展理論
農業可持續發展理論是可持續發展理論在農業領域的具體體現，19§2年美 國生物學家卡遜出版了《寂靜的春天》一書，被認為是現代農業可持續發展思 想的起源，對其發展做出理論奠基貢獻的則是美國農業科學家Lester Brown, 1989年聯合國糧農組織(FAO)通過了有關可持續農業發展的正式決議［49】。
農業可持續發展是人類、農業達到一個和諧狀態，采取某種方式使用和維護 自然資源，以及變革農業技術，以確保當代人及后代對農產品需求得到滿足, 總結來說是為了實現農業、生態和人類社會三效合一。這種持久的發展要維護土 地、水、動植物遺傳資源，是一種環境不退化、技術應用適當、經濟上能生存 下去以及社會上能夠接受的農業。
2.2.2低碳農業理論
低碳農業是指低能耗、低排放、低污染，高效率、高固化、高效益的農業, 旨在保護糧食安全的基礎上，促使農業生產過程達到低碳，確保農產品低碳屬性, 最終目的是為了實現農業可持續發展。
低碳農業以減碳增匯為目標，盡可能減少農業生產過程中農用物資消耗，如 化肥、農藥、農膜等，使用高技術手段指導農業的生產過程，采取更加生態的方 式，如以生物肥或者生物農藥來代替傳統的農藥化肥,或通過調整農業產業結構, 改善耕種土壤等方式，盡可能在保證糧食安全的基礎上，達到農業生產和環境保 護雙贏的新型農業模式。
2.2.3循環農業理論
循環農業理論是循環經濟理論的在農業領域的一種運用，利用物質循環再生 的原理，減少廢棄物產生，提高資源利用率的一種農業生產方式。
循環農業理論旨在持續發展，以減輕農業廢棄物對環境污染的程度，最終將 農業生產經濟活動真正納入到農業生態循環中，對節約農業資源、提高能源利用 率等方面有著重要的指導意義，循環農業可以統籌農業整體活動，嚴格控制各項 排放的指標區間，優化農業生產產業鏈，由此提高各個環節的農業生產資源的利 用效率，使農業發展與生態平衡之間達到協調發展。在循環農業系統中，主要根 據環境的自凈能力和資源的再生能力從源頭上防治污染和浪費，實現農業廢棄物 的生態化利用，延伸農業生態產業鏈，實現資源利用最大化和環境污染最小化， 發揮農業的生態效應。
2.3本章小結
本章對農業生產中涉及到的相關概念和理論進行了介紹，主要的概念包括農 業生產、農業碳源和農業碳匯，理論包括農業可持續發展理論、低碳農業理論和 循環農業理論，為后續研究提供了理論。
3糧食主產區農業生產凈碳匯測算
本章介紹糧食主產區的農業生產狀況，包括農地利用，農用物資投入，主要 農作物種植面積及產量等。其次介紹碳源和碳匯的測算方法，并計算糧食主產區 的碳源量和碳匯量，進而計算出糧食主產區的凈碳匯量，為接下來凈碳匯時空分 析和影響因素研究做準備。
3.1糧食主產區農業概況
根據《國家糧食安全中長期規劃綱要（2008年-2020年）》，糧食主產區包 括的省份為黑龍江、山東、河南、安徽、吉林、河北、江蘇、內蒙古、四川、湖 南、湖北、遼寧、江西。劃入糧食主產區的13個省份都是傳統的農業大省，數 據顯示，這些省份的年糧食產量排在全國所有省份前13位。作為國內糧食生產 的核心區，糧食主產區承擔了實現國家糧食穩產增產的主體責任，為確保中國糧 食安全貢獻了重要力量a〕。
3.1.1農用物資投入情況
糧食主產區是保證全國糧食安全的關鍵，為了保證糧食產量，了解目前糧食 主產區的農用物資投入情況是進一步測算碳源量和碳匯量的基礎，糧食主產區農 用物資投入如圖3-1所示。
從圖3-1四幅圖的大致走勢趨勢來看，四種農用物資投入都呈現出先上升后 下降，最后逐漸平緩的趨勢。農藥、農膜和化肥的整體走勢差別不大，經歷了幾 年的穩定期之后，投入量分別從2014、2015和2016年開始下降，我國糧食主產 區農業生產中對化肥、農藥、農膜和柴油的使用量有所減少，說明“十三五”期 間的綠色農業發展取得一定進展。
農藥投入量從2013年開始逐年下降，在2020年出現了轉折，農藥投入量比 2019年多1.2萬噸，分析發現是由于吉林、黑龍江、河北、四川和湖南省的耕地 面積增輻較往年增長過快，進而導致農藥投入量隨之增加。比如四川2019年耕 地面積增長率為0.81%, 2020年增長率達到1.62%o
柴油投入量整體變化趨勢同樣先增加后減少，個別年份有波動，從2015年 到2020年柴油投入量連續減少，2015-2016年的減輻較大，與我國剛開始實行綠 色農業政策有關。同時由于我國糧食產量隨著年份不斷增加，說明我國正在以更 加生態的方式獲得了糧食的增產，在保證了我國糧食安全的基礎上，又助力我國 碳中和、碳達標的目標實現。
C.化肥投入量 D.柴油投入量
圖3-1 2000-2020年糧食主產區農用物資投入情況
3.4.2農地利用情況
耕地資源是農業生產的潛力資源，是農業生產中必不可少的物質條件，任何 農作物栽種生長都依賴于土地，由于不同的地區耕地復種指數存在差異且實際生 產還存在著休耕、棄耕現象，同時為了消除復種指數的影響，利用每年農作物的 實際播種作為土地投入的替代變量〔491,具體耕地利用情況如圖3-2所示。
40.00
10
5
耕面稅【萬豆方■公至」——* .S®®積（萬三方公至1
圖3-2 2000-2020年糧食主產區農地利用情況
翻耕面積和灌溉面積的整體走勢大致相同，隨著年份呈現逐漸上升趨勢。翻 耕面積在2015年開始緩慢下降，直到2018年又開始上升，這與化肥用量從2018
年開始上升的趨勢一致。灌溉面積整體平穩，穩定增長，沒有太大的波動起伏。
3.4.3農作物種植情況
糧食主產區在很大的程度上決定了全國糧食的安全穩定，糧食產量是主產區 糧食產出能力的最直觀反映，2000-2020年糧食主產區經濟作物和糧食作物播種 面積和產量如表3-1、表3-2和表3-3所示。
表3-1 2000-2020年糧食主產區農作物面積和產量
年份 糧食作物播種面積
（萬平方公里） 經濟作物播種面積
（萬平方公里） 糧食作物產量 （億噸） 經濟作物產量 （億噸）
2000 70.75 30.69 3.23 3.58
2001 69.87 32.46 3.21 3.87
2002 68.49 33.38 3.26 4.21
2003 65.52 34.68 3.02 4.19
2004 67.54 33.98 3.38 4.29
2005 69.71 32.70 3.51 4.39
2006 73.24 29.59 3.73 4.20
2007 74.33 28.58 3.78 4.27
2008 75.50 2&72 4.03 4.35
2009 77.47 28.16 4.05 4.36
2010 78.83 28.16 4.23 4.36
2011 80.14 2&03 4.50 4.50
2012 81.80 27.72 4.66 4.63
2013 83.46 27.58 4.84 4.72
2014 85.24 27.26 4.90 4.79
2015 86.89 27.19 5.09 4.87
2016 87.06 27.33 5.11 4.91
2017 86.17 27.50 5.14 4.98
2018 85.74 27.20 5.16 4.96
2019 86.84 27.04 5.22 5.05
2020 87.19 27.48 5.24 5.18
數據來源：根據國研網的數據整理獲得。
2000-2020年糧食主產區經濟作物和糧食作物播種面積和產量穩步增長，中 間個別年份出現波動。二十一年間除了經濟作物播種面積逐年減少，其他三個指 標隨著年份數值逐漸增大。
表3-2 2000-2020年糧食主產區部分糧食作物產量 單位：百萬噸
年份 小麥 水稻 玉米 大豆
2000 190.63 188.61 166.86 76.34
2001 178.71 180.76 179.87 7&65
2002 175.62 179.71 182.63 71.38
2003 163.57 168.41 178.78 77.00
2004 162.81 185.69 187.33 79.47
2005 172.14 191.20 194.31 79.40
2006 185.56 197.82 214.17 81.65
2007 188.58 201.62 228.36 77.24
2008 188.22 205.66 233.72 80.25
2009 190.95 210.22 248.97 81.31
2010 192.78 215.00 263.51 75.07
2011 194.81 218.47 278.22 69.19
2012 196.69 221.32 297.80 62.19
2013 197.25 224.57 316.68 5&93
2014 198.18 226.72 332.31 59.92
2015 199.27 228.86 350.37 57.37
2016 200.90 229.39 341.83 64.88
2017 200.38 230.13 327.42 71.52
2018 199.23 225.44 329.82 72.94
2019 194.78 221.84 323.07 82.34
2020 191.91 225.07 321.65 87.93
數據來源：根據國研網的數據整理獲得。
糧食主產區的主要經濟作物產量呈現先增加后減少的趨勢，2000-2020年在 主要糧食作物產量中，玉米占比35.74%,是最主要的糧食作物，其次是水稻， 水稻占糧食作物總產量的25.76%O
2000-2020年間，經濟作物中油料和蔬菜產量占比87.48%,是糧食主產區的 主要經濟作物。蔬菜產量較以往來說是有所上升，2020年產量比2000年產量增 加18.88百萬噸，增加19.15%。其余經濟作物產量整體呈現下降趨勢。2020年 油料產量比2000年下降14.36百萬噸，下降12.52%o棉花產量比2000年減少了 22.36百萬噸，下降77.91%。麻類產量比2000年減少了 1.92百萬噸，下降79.67%。 煙葉產量減少了 2.7百萬噸，下降43.97%o
糧食作物播種面積和糧食作物產量同步增大，經濟作物播種面積減少，但其 經濟作物產量反而增加，說明糧食主產區單位面積的經濟作物產量較以往有所增 加。2020年糧食主產區的農作物播種面積占全國的69.57 %,其中，糧食作物播 種面積占比77.19 %<>農作物總產量占全國總產量的66.76%,其中糧食作物產量 占全國糧食產量的78.94%O
表3-3 2000-2020年糧食主產區部分經濟作物產量 單位：百萬噸
年份 油料 棉花 麻類 蔬菜 煙葉
2000 114.66 28.70 2.41 9&61 6.14
2001 110.84 34.00 2.36 105.65 5.60
2002 112.94 30.12 2.61 112.27 5.25
2003 114.05 37.50 2.38 114.45 4.94
2004 109.30 41.75 2.22 112.15 4.91
2005 106.70 35.84 1.97 111.03 5.01
2006 92.13 37.55 1.93 102.28 4.18
2007 93.26 32.77 1.47 108.55 4.30
2008 100.15 33.52 0.96 108.97 5.06
2009 100.17 29.24 0.74 107.27 5.24
2010 102.50 26.28 0.60 105.60 4.99
2011 100.72 25,73 0.54 107.55 5.29
2012 100.94 23.15 0.47 109.89 5.61
2013 101.18 21.38 0.45 111.09 5.52
2014 101.12 18.91 0.43 112.13 4.89
2015 100.72 15.51 0.40 113.60 4.61
2016 99.00 10.85 0.42 110.59 4.46
2017 99.60 9.18 0.47 112.01 4.12
2018 96.10 8.07 0.44 113.32 3.70
2019 97.42 7.50 0.51 115.09 3.45
2020 100.30 6.34 0.49 117.49 3.44
數據來源：由國研網數據整理得到。
3.2農業生產凈碳匯測算
本章分別利用碳排放系數和農作物生長周期計算糧食主產區農業生產碳源 量和碳匯量，進而計算兩者的差值。
3.2.1數據來源
測算糧食主產區農業碳源生產量的四種化肥數據來自《中國農村統計年鑒》, 農用物資投入、農田灌溉面積、翻耕面積數據來自于國研網。測算農業碳匯量的 農作物產量數據來自于國研網數據。個別數據如谷子、高粱和柴油有缺失，從各 省份中單獨尋找。具體指標如表3-4所示。
表3~4相關指標和數據來源
表3-4數據中的農作物播種面積和產量包括主要糧食作物和經濟作物。根據 《中國統計年鑒》數據說明，糧食作物主要是水稻、小麥、玉米、大豆、薯類、 其他（包含除大豆外其他豆類、高粱、谷子）；經濟作物主要是棉花、油菜籽、 花生、蔬菜、糖料、其他（包含芝麻、胡麻籽、麻類、向日葵、煙葉）。
3.2.2碳源量測算
整理相關領域研究發現""I],農業生產碳源主要包括三類。一是農用物資投 入碳源，包括化肥、農藥、農膜和柴油，其中化肥、農藥、農膜是農業生產過程 中的化石能源消耗，柴油是農機使用中的消耗。二是農地利用碳排放，包括農田 翻耕和灌溉導致的碳排放。三是農作物碳源，是農作物生長過程中帶來的碳排放。 3.2.2.1測算公式
碳源測算方法有多種，本研究采用IPCC計算方法，從農用物資投入碳排放、 農地利用碳排放以及農作物生命周期碳排放，測算糧食主產區農業生產碳排放, 整理的指標系數如表3-5所示。
表3-5碳源核算公式及相關指標
公式 指標解釋 系數來源
Ew：農用物資投入碳排放量（萬噸/年）；
農用物 Ew =入iQi X.：指第i種物資投入碳排放系數； 美國橡樹嶺國家實驗
資投入 Qi：指第i種物資投入量；
i=l, 2, 3...n表示氮肥、磷肥、鉀肥、復合 肥、農藥、農膜、柴油等。 室
農地利 用 Ed Ed：農地利用碳排放量（萬噸/年）； IABCAU （中國農業
=XjAi X.：指農田翻耕、農田灌溉碳排放系數； 大學農學與生態環境
加：指農田耕地面積、有效灌溉面積 Ez：農作物生長過程中碳排放量（萬噸/年）； 研究所）
X.：指第i中農作物的碳排放系數；
農作物 Ez =入 jSj Si：指第i中農作物的播種面積（千公頃）； i=l, 2, 3...n表示水稻、春小麥、冬小麥、 大豆等； 田云等【51]
3.2.2.2碳排放系數
根據閱讀文獻和查找相關資料得到關于計算碳排放的相關系數，主要涉及到 農用物資投入、農地利用和農作物生長過程中的碳排放。農用物資中包括化肥、 農藥、農膜、柴油，農地利用包括農業灌溉和翻耕，農作物包括一些主要的經濟 作物和糧食作物，具體如表3-6所示。
表3(農用物資投入、農地利用和農作物碳排放系數
碳排放源 碳排放系數 單位
化肥 0.90 Kg(c)?kg-i
農藥 4.93 Kg(c)?kg-i
農膜 5.18 Kg(c)?kgJ
柴油 0.59 Kg(c)?kg-i
灌溉 266.48 kg(c)hm-2
翻耕 3.13 kg(c)hm-2
春小麥 325.08 g/m?
冬小麥 1422.23 g/m2
大豆 1861.08 g/m2
玉米 2057.76 g/m2
蔬菜 4017.99 g/m2
其他旱作物 772.07 g/m2
學者對于化肥、農藥和柴油等碳源的碳排放系數有相對統一的標準，但是對 于灌溉系數，尚未形成統一的標準。梳理農業碳排放的相關文獻發現， 266.48kg(c) hm-2作為農業灌溉碳排放系數少羽為學術界所認可。為了方便分析， 對碳排放量進行加總時，將CH4、N2O統一置換成標準C,依據IPCC第五次評 估報告可知，It CH4、N20所引發的溫室效分別相當于25tCO2 (6.8182tC)、 298tCO2 (81.2727tC)所產生的溫室效應。
為了測算的過程更加精準，使用了差異化的甲烷排放系數測算水稻甲烷排放。 根據省份及早中晚稻的不同，水稻排放系數也有所不同。ltCH4所引發的溫室效 分別相當于25tCO2 (6.8182tC),收集30個省份水稻的甲烷排放系數，整理為 碳排放系數，具體如表3-7所示。
表3-7全國水稻生長周期碳排放系數 單位：（g/m?）
地區 早稻 中季和一季晚稻 雙季晩稻
北京 0 90.23 0
天津 0 77.34 0
河北 0 104.55 0
山西 0 45.15 0
內蒙古 0 60.90 0
遼寧 0 63.02 0
吉林 0 37.99 0
黑龍江 0 56.67 0
上海 84.64 367.39 187.55
江蘇 109.60 365.21 188.23
浙江 9&00 395.29 235.29
安徽 114.24 349.46 188.23
福建 52.79 296.47 358.73
江西 105.51 446.16 312.36
山東 0 143.22 0
河南 0 121.74 0
湖北 119.42 396.72 265.98
湖南 100.32 383.83 232.56
廣東 102.64 388.88 351.91
廣西 84.64 325.86 334.86
海南 91.59 356.62 336.91
四川 44.67 175.48 126.17
貴州 34.78 150.38 143.22
云南 16.23 49.45 51.83
西藏 0 46.58 0
陜西 0 85.32 0
甘肅 0 46.58 0
青海 0 0 0
寧夏 0 50.13 0
新疆 0 71.61 0
注：水稻生長周期碳排放系數根據田云，張俊颶等（2013）［刈研究數據換算得到。
3.2.2.3弼量計鳩果
根據整理的農業生產中的農用物資投入、農地利用、農作物播種面積和產量 等數據，利用碳排放系數法，計算得出糧食主產區的碳源量，并計算出每部分的 占比，結果如圖3-3、表3-8所不。
圖3-3顯示農作物生長在農業生產里面碳源量占比較高，且數值隨著年份而 增加，與糧食主產區近二十一年的農作物播種面積及產量增加趨勢相符。農作物 碳源量占比在2008-2013年有所下降，從2014年重新開始緩慢上升，整體來說 比較穩定。
表3-8糧食主產區2000-2020碳排放量 單位：百萬噸
年份 總碳源量 農用物資碳源量 農地利用碳源量 農作物碳源量
2000 113.97 39.71 17.47 56.79
2001 114.29 41.02 17*52 55.75
2002 115.37 41.99 17.59 55.79
2003 114.04 42.98 17.48 53.57
2004 121.96 46.29 17.66 5&01
2005 125.43 48.01 17.85 59.57
2006 127.87 49.58 18.07 60.22
2007 130.78 51.39 18.22 61.17
2008 131.85 51.60 18.48 61.76
2009 134.60 53.06 18.70 62.84
2010 137.17 54.58 19.06 63.53
2011 139.10 55.43 19.35 64.33
2012 141.28 56.49 19.82 64.96
2013 143.13 57.29 19.87 65.96
2014 144.39 57.61 20.13 66.65
2015 146.09 57.53 20.62 67.95
2016 145.65 56.50 20.91 6&24
2017 144.49 55.27 21.02 6&21
2018 142.55 53.28 21.07 6&20
2019 140.67 51.08 21.10 6&50
2020 140.14 50.31 21.24 6&58
除了農作物自身生長過程中造成的碳排放，農業生產過程中碳排放，農用物 資投入造成的碳排放始終高于農地利用，農用物資碳排放整體呈現先上升后下降 的趨勢，農地利用和農作物碳排放隨著年份上升數值不斷減少。
60.00%
50.CX)%
40.00%
30.00%
208%
10.00%
農用物詮占比
圖3-3 2000-2020年農用物資、農地利用和農作物碳源量占比
由于農作物是糧食主產區農業生產的主要內容，需要著重考慮人為影響因素。 外部因素里面農用物資碳排量占比較高，最高占比達到39.90%,碳排在近二十 一年里面先增后減，2014年達到峰值57.61百萬噸，農地利用碳排排放量和比重 均比較穩定，沒有太大的波動起伏，占比穩定在15%左右。
3.2.3碳匯量測算
3.2.3.1測算公式
農業生產中具有碳匯功能的除了農作物、還有林地、草地，但本研究沒有沒 有涉及后兩者的研究，有兩個理由：一是農作物受人工干預程度高，林地和草地 受人工干預程度低。二是目前對于林地和草地的測算缺乏統一測算標準。固在本 研究中著重測算農作物的碳匯功能，根據郭海紅（2021） el等學者的研究，利 用系數法，計算農作物的碳匯能力。具體公式如下：
SI =硏弘宓1 c£xqfx（l-wg （3-1）
公式3-1中SI表示農作物碳匯總量；躍表示某種農作物的碳匯量；n表示農作物種類；q 表示農作物碳吸收率；qi表示農作物經濟產量；Wi表示農作物的含水量；®表示農作物的經 濟系數。
3.2.3.2碳匯相關系數
由于農作物種類復雜多樣，不同的農作物在生命周期釋放的碳不同，為了測 算的結果更加準確科學，對農作物種類細分水稻、小麥、玉米等農作物品種，利 用相關碳匯測算體系測算農作物的碳匯能力，具體碳匯相關系數如表3-9o
表3-9碳匯相關系數
農作物 經濟系數 含水量/% 碳吸收率
水稻 0.45 12 0.41
小麥 0.40 12 0.49
玉米 0.40 13 0.47
谷子 0.42 12 0.45
高粱 0.35 12 0.45
豆類 0.34 13 0.45
薯類 0.70 70 0.42
花生 0.43 10 0.45
油菜籽 0.25 10 0.45
棉花 0.10 8 0.45
麻類 0.36 15 0.45
甜菜 0.70 75 0.41
煙葉 0.55 85 0.45
蔬菜 0.60 90 0.45
瓜類 0.70 90 0.45
其他 0.40 12 0.45
數據來源：各種農作物及相對應的碳匯系數和經濟系數出自田云，張俊颼等（2013）叨等相關文 獻。
3.2.S.3碳匯■計蹄果
根據表3-7的相關系數，利用碳匯測算公式3-1,計算糧食主產區的農業生 產碳匯量，結果如表3-10所示。
表3-10 2000-2020年糧食主產區農作物碳匯量及占比 單位：百萬噸
年份 總碳匯量 糧食作物碳匯 經濟作物碳匯
碳匯量 占比(%) 碳匯量 占比(%)
2000 353.41 292.16 82.67 61.25 17.33
2001 356.10 290.73 81.65 65.36 18.35
2002 360.97 295.29 81.80 65.68 1&20
2003 339.27 275.33 81.16 63.93 1.&84
2004 380.57 308.46 81.05 72.11 1&95
2005 392.55 322.37 82.12 70.18 17.88
2006 416.91 347.72 83.40 69.19 16.60
2007 421.98 352.46 83.53 69.52 16.47
2008 448.32 377.23 84.14 71.09 15.86
2009 447.82 378.07 84.42 69.75 15.58
2010 463.18 395.49 85.39 67.68 14.61
2011 489.81 421.15 85.98 6&67 14.02
2012 506.24 437.87 86.49 68.37 13.51
2013 524.16 456.06 87.01 6&10 12.99
2014 530.23 462.46 87.22 67.77 12.78
2015 548.47 481.75 87.83 66.72 12.17
2016 549.20 483.66 8&07 65.54 11.93
2017 552.58 486.58 8&05 66.01 11.95
2018 553.25 488.37 88.27 64.88 11.73
2019 560.73 495.09 88.29 65.65 11.71
2020 564.01 496.70 8&07 67.31 11.93
表3-10展示的是糧食主產區農作物總碳匯量、糧食作物總碳匯量、經濟作 物總碳匯量以及糧食作物與經濟作物分別占總碳匯量的比重。數據顯示農作物碳 匯量整體呈現出不斷上升態勢。其中糧食作物碳匯量隨著年份變化不斷增加，經 濟作物碳匯量整體呈現先增后減，再增再減趨勢，中間有些年份出現波動。
糧食作物碳匯量占比在80%-90%, 2005年碳匯量占比82.12%,從2006年 開始糧食作物碳匯量占比逐漸上升，直到2016年穩定在88%左右，一直持續到 2020年。經濟作物碳匯量峰值出現在2004年，碳匯量達到72.11百萬噸，該年 經濟作物碳匯占比為二^一年來的峰值，占比18.95%o
糧食作物中，小麥、水稻和玉米的碳匯量不斷增加，大豆碳匯量先增后減, 再增再減。玉米逐漸成為碳匯量占比最大的作物，玉米碳匯量從2000年81.42 百萬噸到2020年的212.45百萬噸，增加了 131.03百萬噸，增長了 160.93%。
經濟作物中，油菜籽和蔬菜的碳匯量在逐年上升。油菜籽的碳匯量由2000 年的14.55百萬噸上升到2020年的17.39百萬噸，上升了 19.52%。蔬菜的碳匯 量由2000年20.70百萬噸上升到2020年的29.91百萬噸，上升了 44.49%,二十 一年來，蔬菜是經濟作物中碳匯量占比最大的作物。其余經濟作物，如棉花、花 生、麻類等的碳匯量逐漸下降。
3.2.4凈碳匯測算
根據表3-8的碳源量和表3-10的碳匯量，計算兩者的差值，進而得到糧食 主產區的農業生產凈碳匯量，糧食主產區農業生產凈碳匯量及占全國凈碳匯量的 比值如表3-11所示。
表3-11 2000-2020年糧食主產區凈碳匯量及占比
年份 碳源量（萬噸） 碳匯量（萬噸） 凈碳匯（萬噸） 環比增長率（％） 占全國比重（％）
2000 113.97 353.41 239.44 - 72.15
2001 114.29 356.10 241.81 0.99 72.80
2002 115.37 360.97 245.60 1.57 72.65
2003 114.04 339.27 225.23 -8.30 71.24
2004 121.96 380.57 258.61 14.82 73.03
2005 125.43 392.55 267.12 3.29 73.47
2006 127.87 416.91 289.04 8.21 74.94
2007 130.78 421.98 291.20 0.75 74.57
2008 131.85 44&32 316.47 8.68 75.32
2009 134.60 447.82 313.22 -1.03 74.93
2010 137.17 463.18 326.01 4.08 75.75
2011 139.10 489.81 350.71 7.58 76.08
2012 141.28 506.24 364.96 4.06 75.44
2013 143.13 524.16 381.03 4.40 76.07
2014 144.39 530.23 385.84 1.26 76.09
2015 146.09 548.47 402.38 4.29 76.97
2016 145.65 549.20 403.55 0.29 77.29
2017 144.49 552.58 408.09 1.13 77.34
2018 142.55 553.25 410.70 0.64 76.81
2019 140.67 560.73 420.06 2.28 77.38
2020 140.14 564.01 423.87 0.91 76.81
表3-11顯示，2000-2015年糧食主產區農業生產碳源量穩定增長，從2016 年開始有所下降。由于農業生產碳源量下降，碳匯量增加，使得糧食主產區凈碳 匯量及占全國的比重穩定增長，只有個別年份出現波動，說明我國“十三五”期 間的綠色農業取得顯著成效。
3.3本章小結
本章先對糧食主產區農業生產碳源和碳匯進行界定，再計算出糧食主產區農 業生產碳源量和碳匯量，從表3-11數據可以明顯發現糧食主產區的碳匯量大于
碳源量。在碳匯量中，貢獻量最大的是糧食作物，占比80%以上，并且碳匯占比 不斷上升，2016-2020年間一直穩定在90%左右。在碳源量中，除了農作物自身 生長導致的碳排放外，農用物資投入導致的碳排放占比40%以上，隨著年份占 比不斷上升，到2014年達到峰值57.61百萬噸，從2015年開始農用物資投入造 成的農業生產碳排放有所下降，整體占比在35%左右。農地利用占比較穩定，穩 定在15%左右，分析表明農業生產減排增匯取得了一定的成效。
4糧食主產區農業生產凈碳匯時空趨勢分析
4.1農業凈碳匯時序變化分析
為了更加科學地分析糧食主產區的農業生產凈碳匯變化趨勢，在第三章的計 算結果基礎上，計算糧食主產區農業生產凈碳匯強度和凈碳匯密度，這兩個指標 能分別表示凈碳匯與農業經濟以及農作物種植面積的關系。
4.1.1凈碳匯總量時序變化分析
糧食主產區農業生產凈碳匯即農業生產的碳匯量與碳源量的差值，計算結果 如圖4-1所示。
圖4-1 2000-2020年糧食主產區凈碳匯總量趨勢變化
糧食主產區農業凈碳匯總量整體呈上升趨勢，中間有個別年份出現波動。凈 碳匯總量增長率由波動明顯到逐漸平穩。
2000-2003年，農業凈碳匯總量上升，在2003年下降。原因是2003年的碳 源量和碳匯量都有所下降，但是碳匯量下降幅度明顯大于碳源量。碳匯量的下降 與農作物產量和糧食作物播種面積下降相關，究其原因是當年糧食作物的稻谷產 量顯著下降，稻谷碳匯占糧食作物碳匯32.65 %，低于2000-2003年占糧食作物 碳匯33.19%。2002年糧食作物產量為325.54百萬噸，2003年糧食主產區糧食作 物產量為302.22百萬噸，減產了 23.32百萬噸，對糧食作物碳匯能力產生了顯著 影響。
2005-2008年，糧食主產區凈碳匯量同樣上升，2008年的時候凈碳匯總量增 幅明顯，源于主產區小麥和玉米產量的顯著增長，山東、吉林和內蒙古玉米增產 847.83萬噸，玉米占糧食主產區糧食作物碳匯總量的36.64 %,達到2000-2008 年玉米碳匯占比新高。
2015-2020年，糧食主產區凈碳匯總量緩慢增長，碳效應主要是以碳匯為主， 碳匯增加了 11.54萬噸。碳源減少了 5.95萬噸，且減幅逐漸減小。導致農業生產 凈碳匯總量的變化趨勢主要是與碳匯總量的變化趨勢相一致。
4.1.2凈碳匯強度時序變化分析
糧食主產區農業生產凈碳匯強度是農業凈碳匯總量與種植業產值的比值，該 比值說明每單位種植業產值所產生的凈碳匯能力的大小，同時說明一個地區農業 經濟對農業生態的影響。凈碳匯強度越大，說明該區域農業經濟對農業生態起到 了促進作用，凈碳匯強度越低，說明該地區以犧牲農業生態為代價促進農業經濟 發展。
圖4-2 2000-2020年糧食主產區凈碳匯強度趨勢變化
糧食主產區農業生產凈碳匯強度隨著時間不斷下降，降勢逐漸放緩。結合前 幾章對糧食主產區的翻耕面積、灌溉面積和農用物資投入的數據進一步分析。
2000-2005年，凈碳匯強度不斷下降。在這個階段糧食主產區灌溉面積和翻 耕面積沒有太大變化，但是農用物資投入量每年增幅提高。說明在這個階段為了 快速發展農業，增加糧食產量，農藥、農膜和化肥等的投入量不斷增加，數據顯 示直到2005年各種農用物資的投入速度開始有所下降。在該階段，糧食主產區 為發展農業經濟而犧牲了農業生態。
2006-2010年，凈碳匯強度變化幅度與上一階段相似，不斷下降。但造成該 結果的深層次原因有所不同，這個階段農用物資投入雖說還在上升，但增幅明顯 下降。糧食主產區的翻耕面積和灌溉面積顯著增加，翻耕面積增加了 3717.18千
公頃,灌溉面積增加了 2644.01千公頃。究其原因可能是因為十一五期間黨中央、 國務院采取了一系列支農惠農的重大政策。協調推進農村經濟建設、政治建設、 文化建設、社會建設和黨的建設，積極調整農業結構，穩定發展糧食生產。
2011-2020年，凈碳匯強度先是緩慢下降，然后逐漸穩定下來。說明近些年 來雖然凈碳匯強度處于比較低的值，并沒有進一步犧牲農業生態來獲得農業經濟 的發展。這與十一五和十二五期間的樹立綠色低碳發展理念，積極發展資源節約 型和環境友好型農業，大力推廣節地、節水、節藥、節肥和循環農業的政策相符， 說明我國的農業政策取得了一定成效。
4.1.3凈碳匯密度時序變化分析
糧食主產區農業生產凈碳匯量難以準確表示農業生產過程中單位種植面積 凈碳匯量是如何隨著年份的變化而變化，即單位面積凈碳匯能力。將前文計算得 到的農業生產凈碳匯與耕地面積的比值作為糧食主產區的凈碳匯密度，并對其進 結果如圖4-3所示。
圖4-3 2000-2020年糧食主產區凈碳匯密度趨勢變化
圖4-3顯示，糧食主產區的農業生產凈碳匯密度的變化趨勢和凈碳匯量變化 趨勢一致。說明我國糧食主產區的凈碳匯能力與農作物種植面積達到了一定的平 衡狀態，兩者都是穩步增長。
2000-2005年，糧食主產區凈碳匯密度在2003年達到近二^一年的低值，凈 碳匯量和耕地面積都減少，但凈碳匯量減少的幅度更大。二十一年間農業生產凈 碳匯密度整體變化趨勢是上升趨勢，糧食主產區的農業生產凈碳匯密度增加了 0.13萬噸/千公頃，平均每年增加0.0062萬噸/公頃。
從凈碳匯密度增長率看，增長率從2000-2012年的上下劇烈波動到2012-2020 年的逐漸平穩，說明凈碳匯密度變化逐漸穩定下來，從整體趨勢看呈現出增長趨 勢，說明我國糧食主產區的凈碳匯能力逐漸上升，對農業生產中造成的碳排放有 很好的吸收能力，對促進我國糧食主產區農業生產有顯著的積極作用。
4.2農業生產凈碳匯空間分布特征
4.2.1凈碳匯總量空間演變
前面就糧食主產區凈碳匯量、凈碳匯強度和凈碳匯密度的時序特征進行了探 索，分析了我國糧食主產區在2000-2020年二^一年來農業生產過程中整體的凈 碳匯總量、強度和密度隨時間的演變狀態。為了更加準確的比較糧食主產區中各 個省份農業生產的凈碳匯能力，利用GeoDal.20軟件，從時空兩個維度探討 2000-2020我國農業凈碳匯總量的分布情況，以2005年、2010年、2015年、2020 年為例，如圖4-4所示。
圖4-4我國糧食主產區農業生產凈碳匯總量空間分布情況
按照凈碳匯量的大小，根據顏色的深淺，將各個省份的凈碳匯能力劃分為五 個層級，層級越大顏色越深，具體如上述標簽所示。黑色區域代表的是除了糧食 主產區的其他省份，在本研究中不做討論。從時間維度來看，從2005年到2020 年間，四幅圖的顏色不斷加深，淺顏色的區域在不斷減少，尤其是少于1500萬 噸的層次從最開始的七個省份，到最后只有江西一個省份還處在第一層級。大于 6000萬噸的層級由2000年的零個上升至三個，這說明不僅僅是糧食主產區的農
業生產凈碳匯量在上升，其中包含的各個省份凈碳匯能力也在不斷增強。觀察到 四川和江西所處的層級在二十一年間年間并沒有發生變化，四川處在第二層級, 江西處在第一層級，四川省的凈碳匯絕對量隨著年份上升，上升幅度不大，但是 江西的凈碳匯能力在個別年份還有所下降。從各個省份的顏色觀察，這說明我國 糧食主產區農業生產凈碳匯量在逐年上升，從各省份之間的顏色觀察，省份與省 份之間差異顯著。
4.2.2凈碳匯強度空間演變
為了更加準確的分析我國糧食主產區的農業生產凈碳匯的分布情況，利用凈 碳匯與狹義農業生產總值的比值計算我國糧食主產區的凈碳匯強度，體現的是單 位種植業產值所得到的凈碳匯能力，利用GeoDal.20展示2005年＞2010年、2015 年和2020年的凈碳匯強度分布，如圖4-5所示。
圖4-5我國糧食主產區農業生產凈碳匯強度空間分布情況
從時間來看，圖中顏色隨著時間演變，逐漸變淺，說明農業生產凈碳匯強度 整體呈現出下降趨勢。從2005年的第三層級有內蒙古、陜西、四川和遼寧四個 省份，第四層級有黑龍江省，第五層級有吉林省，到2020年第三層級只有吉林 一個省份，沒有省份在四五層級，絕大多數省份都處在第一和第二層級。各個省 份的種植業產值和凈碳匯能力隨著年份增加，而凈碳匯強度下降說明糧食主產區 的種植業產值增長速度大于糧食主產區的凈碳匯能力，單位產值的凈碳匯能力下 降，說明糧食主產區的凈碳匯能力還有待提升。從糧食主產區的各個省份來看, 河北、山東、河南和安徽所處層級沒有變化，其余省份的農業生產凈碳匯強度都 從高層級過渡到低層級中，說明這些省份的單位種植業產值的得到的凈碳匯量在 不斷減少，在農業發展中，除了要注重產值的提升，還要增強農業的碳匯能力, 達到一個平衡狀態。
4.2.3凈碳匯密度空間演變
凈碳匯總量是從絕對量的角度分析分析糧食主產區的農業生產凈碳匯各省 份的情況。凈碳匯強度將凈碳匯總量與農業經濟聯系起來，凈碳匯密度是凈碳匯 與農作物種植面積的比值。這樣能夠消除各省份之間由于農業面積造成的凈碳匯 比較不準確問題，凈碳匯密度可以表示在單位農作物種植面積上凈碳匯量的大小, 本文計算了 2005年、2010年、2015年和2020年的數據，利用GeoDal.20展示 結果，如圖4-6所不。
圖4-6我國糧食主產區農業生產凈碳匯密度空間分布情況
從時間維度看到糧食主產區凈碳匯密度隨著時間顏色不斷加深，表明凈碳匯 密度在提高，意味著多數省份單位種植面積上的凈碳匯量在增大。最初2005年 第五層級只有吉林一個省份，到2020年糧食主產區有超過一半的省份在第五層 級，說明主產區的單位種植面積的凈碳匯能力在顯著增強。從空間上觀察各個省 份，發現各個省份之間凈碳匯密度有明顯差異，除了吉林、四川和江西這三個省 份的凈碳匯密度層級沒有發生變化，其余省份都向更高的層級移動。
4.3本章小結
該章節主要是對糧食主產區的農業生產凈碳匯量、凈碳匯強度和凈碳匯密度 測算，并用圖表將數據演變趨勢展示出來。從時間角度分析了糧食主產區整體的 凈碳匯總量、強度和密度演變趨勢，選擇了 2005年、2010年、2015年和2020 年四個年份，從空間上探討了糧食主產區各個省份演變趨勢。凈碳匯強度將整個 主產區的種植業產值考慮在內，分析了單位狹義農業產值的凈碳匯量，凈碳匯密 度考慮了農作物的種植面積，即單位農作物種植面積的凈碳匯能力，比單一使用 凈碳匯量更具科學性。從圖44、圖4-5和圖4-6展示的結果發現，主產區的凈 碳匯總量不斷增長，凈碳匯強度下降，凈碳匯密度上升，說明近幾十年農業發展 迅速，農業生產的凈碳匯能力不斷增強，同時農業產值不斷上升，增長速度快于 農業的凈碳匯能力。個別省份如江西，在近幾十年的發展中，凈碳匯總量變化幅 度較小，單位種植面積的凈碳匯能力比較穩定，在近些年的發展中一直處于同一 層級中，農業生產的凈碳匯能力提升較慢。像東北三省2005年左右的凈碳匯強 度較高，農業經濟發展較差，從凈碳匯強度比較發現近些年農業經濟發展同樣提 速。吉林省在農業生產中單位農作物種植面積的凈碳匯能力比較穩定，經濟發展 和農業生態處于比較穩定的狀態。
5糧食主產區農業生產凈碳匯影響因素分析
第四章分析了糧食主產區農業生產現狀，初步對農業生產的凈碳匯總量、強 度和密度進行了分析。本章將進一步分析影響農業生產凈碳匯的主要因素。第四 章是從農業生產的最直接的輸出源頭農用物資投入、農地利用和農作物生長來分 析其對主產區碳源量和碳匯量的影響，本章將挖掘導致凈碳匯能力發生變化的深 層次因素。
5.1LMDI模型介紹
LMDI是一個因素分解模型，從模型的構造來看，該模型是將總體的變化過 程分解成可能導致這個結果的各個因素的乘積，最后根據因素的影響程度確定差 異化權重，即影響因素的貢獻度。目前LMDI運用領域很廣泛，涉及到農業、能 源消費等。區別于其他模型，LMDI有很多優點，一是該方法通過了因素差異測 試和時間長差異測試⑷，二是該方法能將結果完全分解，不存在不能分解的殘余 項，三是乘法分解與加法分解具有簡明關系，四是乘法關系具備加法特性。LMDI 模型這些優點使得它成為眾多學者最常用的指數分解模型。
5.2LMDI模型構建及分解結果
5.2.1 LMDI模型構建
LMDI模型廣泛的運用于能源領域序®],農業勞動力規模、種植業產值、農 業產值情況都會影響農業的生產過程，考慮到農業生產過程中涉及到的因素和相 關學者的研究，分析整理得到糧食主產區農業生產過程中的四個主要因素，分別 是農業凈碳匯強度因素、農業產業結構因素、農業經濟發展水平和農業勞動力規 模因素，用LMDI分解模型分析在一定時期內農業凈碳匯影響因素的變化情況。
C =^x^x^xZ
7 ZP NP L
6 n ZP NP
"方'"麗'"丁
公式5-1中Cj、ZP、NP、L分別表示農業凈碳匯、種植業產值、農林牧漁 總產值和農業從業勞動力總量。a, p, y分別為農業凈碳匯強度因素、農業產業
結構因素和農業經濟水平因素。對于所示模型，設基期農業碳效應總量為0, T 期總量為彳，用式子分解農業凈效應的總體變化，將差分分解為
(5-2)
分解后可以根據以下表達式確定各因素貢獻值大小：
△"工§7冷卑;人0 =工TV衛耳
厶 InC；—InC： a° 厶 lnC；-hiC； 0°
a/=z cj—oin4；^=z crc\^4
厶 lnC；—lnC； r 厶 lnC；—lnC； Z°
總效應：
△C； W = Aa + 40 + V+AL
公式5-4中ACf表示T期凈碳匯量與基期凈碳匯量的差值，Aa表示農業凈 碳匯強度的貢獻值，A0表示農業經濟結構的貢獻值，如表示農業經濟水平的貢 獻值。
5.2.2模型分解結果
整理相關學者的研究和LMDI分解模型在農業凈碳效應領域的應用，將糧食 主產區農業生產凈碳匯影響因素分解為農業凈碳匯強度、農業產業結構、農業經 濟發展水平和農業勞動力規模四個因素，結果如表5-1所示。
表5-1分解結果顯示，糧食主產區的農業生產凈碳匯增量為正值，總效應波 動劇烈，沒有明顯的長期趨勢，有將近一半的年份總效應絕對量低于1000萬噸。 經濟因素在這三者中占比最大。從2000-2020年這二十一年間，農業經濟水平因 素累計促進了 660.10百萬噸凈碳匯量，農業產業結構因素在八個時間段抑制了 整個糧食主產區的農業生產的凈碳匯量的增長，抑制效果最強的時間段是 2019-2020年，抑制了 111.14百萬噸凈碳匯量。
2002-2003年總效應為負值，臨近年份均為正值。說明這兩年的凈碳匯能力 相對于上年來說有所下降，究其原因，是因為2002-2003年糧食主產區農業碳匯 能力下降，由360.97百萬噸下降到339.26百萬噸，同時碳源能力上升，最后導 致整個糧食主產區的總效應為負值。
2008-2009年也是同樣的情況，在這個時間段內農業經濟水平因素和農業產 業結構因素促進了農業凈碳匯量的增長，其余兩個因素抵消了經濟和結構因素的 正面促進作用，最后導致了農業凈碳匯量的下降。從單個影響因素來看農業凈碳 匯強度因素和農業勞動力規模因素絕大部分為負值,表明這幾個因素在不同程度 上抑制了農業生產凈碳匯量的增長。農業凈碳匯強度因素抑制效果最強，和農業 勞動力規模因素總體抑制效果差別不大，分別抑制了 283.39百萬噸和222.07百 萬噸凈碳匯量。
宏觀來看結構因素和經濟因素都在一定程度上促進了凈碳匯增長，同時農業
經濟水平因素是凈碳匯增長的關鍵因素，農業經濟水平因素導致的凈碳匯增長是 結構因素20多倍。
表5-1影響因素時序分解結果 單位：百萬噸
年份 農業凈碳匯強 農業產業結構 農業經濟水平 農業勞動力規 總效應
度因素 因素 因素 模因素
2000-2001 -10.95 89.50 ? 73.28 -2.91 2.36
2001-2002 0.06 -6.71 14.17 -3.72 3.80
2002-2003 -17.56 -20.79 23.51 -5.53 -20.38
2003-2004 ? 21.32 0.04 60.22 -5.56 33.38
2004-2005 -9.35 -4.15 27.32 -5.32 8.51
2005-2006 -5.81 18.59 16.07 -6.93 21.92
2006-2007 -34.78 -16.43 61.53 -8.15 2.16
2007-2008 -13.52 -13.32 57.25 -5.14 25.27
2008-2009 ? 29.60 17.02 14.29 -4.97 -3.25
2009-2010 -43.71 16.27 44.25 -4.03 12.79
2010-2011 -11.84 -12.71 53.43 -4.18 24.71
2011-2012 -21.98 3.93 40.15 -7.85 14.25
2012-2013 -15.68 5.14 34.19 -7.58 16.07
2013-2014 -12.68 1.82 21.83 -6.16 4.81
2014-2015 2.24 1.02 23.15 -9.88 16.54
2015-2016 0.24 -8.97 17.98 -8.08 1.17
2016-2017 -10.07 6.18 21.76 -13.32 4.55
2017-2018 -16.00 7.12 26.55 -15.06 2.60
2018-2019 5.68 57.88 -10.95 -43.25 9.37
2019-2020 -17.28 -111.14 186.69 -54.46 3.81
合計 -283.39 30.29 660.10 -222.07 184.43
貢獻率 -153.93% 16.42% 357. 92% ? 120.41% 100%
數據來源：由國研網的數據計算得到。
總之，農業凈碳匯強度因素、農業經濟水平因素、農業產業結構因素和農業 勞動力規模因素都在糧食主產區農業生產凈碳匯上起到了顯著作用，其中農業凈 碳匯強度因素和農業勞動力規模因素為反向抑制作用，農業產業結構因素和農業 經濟水平因素為正向促進作用，這可能與我國目前的農業模式有關。目前糧食主 產區的碳排放下降，說明我國農業減排取得一定效果，但還需要繼續達到“增匯” 的目的。在經濟的不斷發展下，雖然碳匯增量有所上升，但是碳排放總量過大， 要減少農業碳排放還需要繼續走低碳化路線。
5.3影響因素分析
5.3.1農業凈碳匯強度因素分析
農業凈碳匯強度因素用糧食主產區單位產值的凈碳匯量來表示，這里的產值
是指種植業產值，表明單位種植業產值的凈碳匯量。
表5-2農業凈碳匯強度因素變化量與貢獻值 單位：百萬噸
年份 農業凈碳匯強度因素變化量 貢獻值
2000-2001 -0.12 -10.95
2001-2002 0.00 0.06
2002-2003 -0.18 -17.56
2003-2004 -0.20 -21.32
2004-2005 -0.08 -9.35
2005-2006 -0.04 -5.81
2006-2007 -0.23 -34.78
2007-2008 -0.08 -13.52
2008-2009 -0.15 -29.60
2009-2010 -0.20 -43.71
2010-2011 -0.05 -11.84
2011-2012 -0.08 -21.98
2012-2013 -0.05 -15.68
2013-2014 -0.04 -12.68
2014-2015 0.01 2.24
2015-2016 0.00 0.24
2016-2017 -0.03 -10.07
2017-2018 -0.04 -16.00
2018-2019 0.02 5.68
2019-2020 -0.04 -17.28
合計 -1.58 -283.89
表5-2的分解結果顯示，二十一年間農業凈碳匯強度因素對凈碳匯的總效應 為-283.39百萬噸，農業生產凈碳匯量的變化方向與農業經濟水平變化方向一致， 除了個別時間段為正值，促進了糧食主產區農業生產凈碳匯量的增長，其余時間 段農業凈碳匯強度因素變化量為負值，抑制了凈碳匯量的增長。圖5-1反映了 2000-2020年農業凈碳匯強度因素貢獻量的變化趨勢，每年效率因素的貢獻量差 別較大，呈現出劇烈波動態勢。
2001-2002年,農業凈碳匯強度促進了糧食主產區農業生產凈碳匯量的增長。 該時間段農業凈碳匯強度因素對凈碳匯量的促進量最小，原因是2002年凈碳匯 量的增長幅度大于糧食主產區種植業產值的增長幅度，兩者的比值較2002年略 微上升，說明糧食主產區該階段沒有顯著犧牲農業生態環境為代價發展農業經濟。
2009-2010年中出現顯著的抑制作用，總共抑制了 43.71百萬凈碳匯量。該 時間段農業凈碳匯強度對凈碳匯量的抑制量最大，數據顯示這兩年間的農業產值 增量是凈碳匯增量的三倍多，解釋了為什么農業凈碳匯強度抑制了農業生產凈碳 匯量。該階段農業以發展經濟為主，而忽視了農業生態的發展，數據顯示該階段
糧食主產區的農用物資投入如農藥增長了 3.39%,柴油使用增長了 3.06%o
10
貢獻值（百萬噸）
圖5-1 2000-2020年農業凈碳匯強度因素貢獻量
2018-2019年農業凈碳匯強度因素促進了糧食主產區凈碳匯量的增長。說明 糧食主產區的凈碳匯的增長幅度大于種植業產值的增長幅度。究其原因，一方面 是該階段農膜、化肥和柴油等的使用都有不同程度的減少，使得糧食主產區的碳 源量較上年有所減少，下降了 1.31%。另一方面是糧食主產區農作物產量增長和 農業技術手段革新導致農作物碳匯能力增強，數據顯示該階段糧食主產區的凈碳 匯量增長2.28%,說明綠色農業發展取得了一定進展。
2019-2020年農業凈碳匯強度因素抑制了糧食主產區凈碳匯量的增長。原因 是農用物資量比2018-2019階段減少，碳源量減少，但是該階段農作物碳匯量并 沒有顯著上升，僅增長了 0.58%,而種植業產值增加了 5.12%使得該階段種植業 增幅顯著大于凈碳匯量的增幅。說明“十三五”以來，農業發展方式加快轉變, 農業綠色發展確實取得一定進展，但農業固碳需進一步提高。
5.3.2農業產業結構因素分析
農業產業結構因素是種植業產值與農業產值的比重，主要反映的是在農業生 產中種植業的占比情況。圖5-2顯示了二十一年來農業產業結構因素效應的演變 趨勢，發現浮動較大，谷值出現在2019-2020年,抑制了 111.14百萬噸凈碳匯量。
表5-3數據顯示的總效應為30.29百萬噸凈碳匯量。說明農業產業結構因素 在二十一年間促進了農業生產凈碳匯量的增長，中間有八個時間段為負值，說明 這些年份農業產業結構抑制了凈碳匯量的增長，凈碳匯量有所下降。
2000-2020年種植業占農業的比重在50%左右，中間有個別年份波動，深入 分析農業產業結構因素抑制農業生產凈碳匯增長的年份，發現產生抑制作用的原
因是這些年份的農業種植業增長小于農業產值增長，種植業占農業比重比上一年 低，從而導致農業凈碳匯量的增長量小于之前的年份的增長量。
表5-3農業產業結構因素變化量與貢獻值 單位：百萬噸
年份 農業產業結構因素變化量 貢獻值
2000-2001 0.18 89.50
2001-2002 -0.02 -6.71
2002-2003 -0.05 -20.80
2003-2004 0.00 0.05
2004-2005 -0.01 -4.15
2005-2006 0.03 1&59
2006-2007 -0.03 -16.43
2007-2008 -0.02 -13.32
2008-2009 0.03 17.02
2009-2010 0.03 16.27
2010-2011 -0.02 ■12.71
2011-2012 0.01 3.93
2012-2013 0.01 5.14
2013-2014 0.00 1.82
2014-2015 0.00 1.02
2015-2016 -0.01 -8.97
2016-2017 0.01 6.18
2017-2018 0.01 7.12
2018-2019 0.08 57.88
2019-2020 -0.14 -111.14
合計 0.08 30.29
貢獻值（百萬噸）
圖5-2 2000-2020年農業結構因素貢獻量
2019-2020年間，農業產業結構因素抑制農業凈碳匯量的增長。原因是種植 業和農業產值都同步增長，但農業產值的增長速度顯著快于種植業產值，這是目 前農業結構出現的一個亟待解決的問題。雖然與農業經濟水平因素相比，農業產 業結構因素對糧食主產區的農業生產凈碳匯量的促進作用較小，但同時也說明， 農業產業結構因素對促進農業生產增匯減排有著巨大的潛力。
因此，各糧食大省在今后的農業發展過程中，仍需加大農業產業結構優化力 度，在確保糧食安全的同時，對農地資源合理配置。在今后的發展中仍需不斷地 轉變傳統的農業生產方式，加大種植業，增強農業的碳匯功能，促進農業經濟發 展與農業生態協調可持續發展。
5.3.3農業經濟水平因素分析
農業經濟水平因素是由農業產值與農業勞動力人口的比值得來的，反映的是 人均農業產值變化導致的農業凈碳匯變化量。
從表5-4的分解結果知道農業經濟水平因素在二十一年間顯著促進了糧食主 產區農業生產凈碳匯量的增長，總共促進了 660.10百萬噸。在正向促近因素中， 農業經濟水平因素的促進值是農業產業結構促進值的20多倍。說明了農業經濟 水平因素對促進農業生產凈碳匯量的重要性。
從2001年開始，農業經濟水平因素導致農業生產凈碳匯量先下降后上升， 再下降再上升。主要原因是前期糧食主產區為了增加產量投入大量的化肥、農膜 等農用物資，同時農業勞動力人口減少，機械化程度加深，導致糧食主產區農業 碳源量增加值大于碳匯量的增加值。后來經濟發展使得農業生產方式發生變化， 農業產值的增加幅度大于農業勞動力的減少幅度，農產品產量上升，導致了凈碳 匯量的增加。
從2015年開始由農業經濟水平因素導致的凈碳匯量不斷呈現上升趨勢。到 2018年再次抑制糧食主產區農業生產凈碳匯量的增長。究其原因是2018-2019 期間，農業勞動力人口和農業產值同時下降，但農業產值下降幅度更大，農業產 值與種植業有著密切關系，該階段水稻、棉花、麻類和煙葉等產量較上年有所下 降，而其他作物產量保持穩定增長，從而導致農業碳匯能力下降。
圖5-3展示了農業經濟水平對糧食主產區的農業生產凈碳匯量的影響情況。 明顯看到2000-2001年和2019-2020年這兩個時間段的波動劇烈，其他時間段都 圍繞某個值上下浮動，比較穩定。
表5-4農業經濟水平因素變化量和貢獻值 單位：百萬噸
年份 農業經濟水平因素變化量 貢獻值
2000-2001 -0.28 -73.28
2001-2002 0.05 14.17
2002-2003 0.09 23.51
2003-2004 0.27 60.22
2004-2005 0.13 27.32
2005-2006 0.08 16.07
2006-2007 033 61.53
2007-2008 0.36 57.25
2008-2009 0.10 14.29
2009-2010 0.33 44.25
2010-2011 0.43 53.43
2011-2012 0.35 40.15
2012-2013 0.32 34.19
2013-2014 0.21 21.83
2014-2015 0.23 23.15
2015-2016 0.19 17.98
2016-2017 0.24 21.76
2017-2018 0.30 26.55
2018-2019 -0.13 -10.95
2019-2020 2.61 186.69
合計 6.20 660.10
貢獻值（百萬噸）
圖5-3農業經濟水平因素貢獻量
貢獻值峰值在2019-2020期間，促進186.69百萬噸凈碳匯量的增長，谷值在 2000-2001年間，抑制了 73.28百萬噸凈碳匯量。在今后一段時間里，農業經濟 水平因素還將發揮重要作用，對農業生產凈碳匯量的貢獻值還將不斷上升,對此,
糧食主產區在兼顧農業經濟發展的同時，要轉變農業生產模型，從高能耗、高投 入向高產、低碳方式轉變。
5.3.4農業勞動力規模因素分析
農業勞動力規模因素是從事農業勞動的人對農業生產凈碳匯的影響程度，如 果分解結果為正，則說明農業勞動力規模因素促進了糧食主產區的農業生產凈碳
匯量的增長，反之如果為負，則抑制凈碳匯量的增長。
表5-5農業勞動力規模因素變化量與貢獻值 單位：百萬噸
年份 農業勞動力規模因素變化量 貢獻值
2000-2001 -2.61 -2.91
2001-2002 -3.25 -3.72
2002-2003 -4.90 -5.53
2003-2004 -4.70 -5.56
2004-2005 -4.04 -5.32
2005-2006 -4.87 -6.93
2006-2007 -5.34 -8.15
2007-2008 -3.14 -5.14
2008-2009 -2.89 497
2009-2010 -2.27 -4.03
2010-2011 -2.20 -4.18
2011-2012 -3.84 -7.85
2012-2013 -3.48 -7.58
2013-2014 -2.70 -6.16
2014-2015 -4.13 -9.88
2015-2016 -3.23 -8.08
2016-2017 -5.15 -13.32
2017-2018 -5.58 -15.06
2018-2019 -14.71 -43.25
2019-2020 -16.23 -54.46
合計 -99.25 -222.07
從表5-5和圖5-4分解結果看到，勞動力因素分解結果都為負數。說明農業 勞動力抑制了糧食主產區農業生產凈碳匯的增長。人口的主動性決定著農業人口 對農用物資和農地利用的程度，很大程度上農業人口對農作物的生產過程起著決 定性作用。
2000-2010年總共抑制了 222.07百萬噸凈碳匯量。數據顯示，從2008-2009 年時間段開始，農業勞動力抑制的農業凈碳匯量不斷上升，究其原因是糧食主產 區的農業勞動力人數逐年下降，除了遼寧省的農業勞動力下降趨勢出現波動，呈 現先上升后下降，再上升后下降的“M”型趨勢，三個該拐點分別出現在2005 年，2009年和2015年，糧食主產區的其余12省農業勞動力數量都是逐年下降。 農作物產量上升，勞動力卻在逐年下降，說明農業生產方式從早期的人力到機械 的轉變，農業勞動力的文化程度和運用現代化手段的能力，都顯著影響著農業生 產過程，進而促進或者抑制農業生產過程中的碳源量和碳匯量。準確來說農業勞 動力因素對農業生產過程的凈碳匯影響實際上是農業勞動力的數量減少對凈碳 匯的影響程度。
貢獻值（百萬噸）
圖5-4農業勞動力貢獻量
從近幾年趨勢來看。農業勞動力規模在未來幾年還有可能顯著抑制糧食主產 區的農業生產凈碳匯量，原因可能是，雖然農業從業人口下降了，但是機械使用， 農用物資投入還在增加。雖然農作物產量上升，碳匯能力上升，但是農業機械柴 油等的使用造成的碳源量大于農作物碳匯量，由此導致農業入口對凈碳匯起反向 抑制作用。隨著城鎮化、工業化的加快，農村勞動力逐漸向城市轉移，尤其是一 些比較發達的城市，為了保障糧食產量，維護糧食安全，農業人口逐漸依賴農用 物資和農用機械，進而導致農業生產碳排量的增加，碳匯量增輻小于碳排，所以 農業勞動力對農業生產浄碳匯還會起著抑制作用。
5.4本章小結
本章首先構建了 LMDI因素分解模型，進而對影響糧食主產區農業生產凈碳 匯的農業凈碳匯強度因素、農業產業結構因素、農業經濟水平因素和農業勞動力 因素分解，分析每個因素對糧食主產區的農業生產凈碳匯貢獻量。四個因素中， 農業凈碳匯強度因素和勞動力規模因素抑制了凈碳匯量的增長，農業凈碳匯強度 因素抑制作用大于農業勞動力規模因素。農業產業結構因素和農業經濟水平因素 對糧食主產區農業生產凈碳匯有促進作用，農業經濟水平因素促進作用大于農業 產業結構因素，起著主要的作用。四個因素的總效應中，除了 2002-2003年時間 段和2008-2009年時間段凈碳匯有所下降，其余年份凈碳匯量均上升，說明除了 這些年份起抑制作用的因素效應大于起促進作用的因素，其余年份促進糧食主產 區凈碳匯量增長的因素效應更大。
6對策建議
結合研究結果發現目前在農業生產方面還面臨著一系列風險挑戰，農業生產 還沒有從追求“量”到數量質量并重，現階段農業生產方式污染仍舊嚴重。實現 農業的減排增匯發展對2030年前實現碳達峰，2060年前實現碳中和具有重要意 義。針對本文的研究結果，結合實際，提出以下幾點建議：
6.1改善農地利用方式，優化農作物種植結構
研究結果顯示，農業灌溉減排有巨大的潛力，農田翻耕面積逐漸減少的情況 下，碳排不減，反而穩定增長。灌溉面積逐年上漲，碳排也隨之增加。在我國的 農業發展中，種植業仍然占據很大的比重，所以在減排增匯中，考慮改善耕地利 用，農用物資投入外，還可以增加對碳匯能力強的物種種植，在保證糧食安全的 基礎上，種植如蔬菜、玉米等碳匯能力強且經濟能力強的農作物品種，減少農用 物資投入大且碳匯能力弱的的農作物種植規模。其次考慮農業資源用養結合，比 如大豆玉米倒茬輪作，提升耕地能力。農地是農作物生長的載體，目前農業灌溉 面積逐年增長，需要對種植結構調整，不斷優化農作物種植格局。糧食主產區玉 米產量不斷上升，上升幅度大于水稻，但是碳源量占比反而低于水稻，說明相對 于水稻來說，玉米屬于低碳排農作物，碳匯能力強且產量不斷增加，能有效促進 糧食主產區農業生產減排增匯。根據南北方種植特色、氣候等因素綜合考慮，種 植一些有顯著經濟作用且碳匯能力強，能夠存活的品種。糧食主產區各個省份要 深入分析本省目前的問題癥結所在，對癥下藥，減排增匯兩手抓，才能更好助力 農業低碳化。比如吉林省的農業凈碳匯量每年都在增加，但是農業產值顯然增加 更快，在農業產值和農業凈碳匯尋找一個平衡點，在保證生態環境的基礎上發展 農業經濟。
6.2深入貫徹綠色發展理念，農業生產融合科技技術
研究結果顯示，目前的農業生產中化肥農藥農膜等的使用量有所下降，但是 還存在一定的依賴性，農用物資投入碳排占比30%多。“十三五”期間農業綠色 發展雖取得一定成效，但是農業生產顯然還是依賴于農用物資投入。同時我國糧 食主產區的勞動力規模逐年下降，說明我國機械化能力正在全面普及，科技全面 實施到農業生產中。這部分農業人員對于整個農業發展極其重要，我國低碳農業 發展起步較晚，成效有限。在農業人員方面，一是需要提高農業人員的專業知識， 引進人才，爭取相關高校、科研單位和社會組織的指導和培訓，全面提升農業經 濟水平，將我國農業經濟發展提升到一個新的高度。二是為了協調經濟發展和農 業生態可持續發展，需要將綠色發展理念準確全面貫徹到整個農業發展鏈條中， 需要培養農業人員的低碳意識，使農業人員充分意識到農業生產所可能導致的環 境污染，充分認識到氣候變化等環境污染問題的嚴重性、復雜性和長期性。農業 生產科學技術方面，需要將農業生產與科技融合，創新農業生產方式，著力推進 農業物資投入，如化肥、農藥等減量增效，選擇用天敵防治害蟲，有機肥代替水 肥一體化農藝，加大科技攻關和技術組裝配套集成力度，不斷研發和推廣節約型 的耕作、播種、施肥、施藥、灌溉與旱作農業、減少農業廢棄物生成、注重水土 保持等低碳農業技術同時，引進低碳農業的各種技術，大力推廣應用節水灌溉技 術和節能耕作技術、測土配方施肥等低碳農業技術。通過科技創新和推廣，使現 代農業科技成為農業生產過程中實現減碳增匯的重要支撐力。
6.3完善綠色農業政策保障體系，加強組織領導
根據研究結果，糧食主產區各個省份種植糧食有所不同，比如江西、吉林糧 食主產區的各個省份根據各自省份的特色產業種植，針對農業生產中出現的問題, 出臺本地政策，有針對性推動各自省份農業制度創新。江西省在農業發展中，要 著重提高單位種植面積的農業生產凈碳匯量，東北三省在提升農業經濟的同時， 要注重農業可持續發展，進一步倡導"環境友好型、資源節約型"的兩型農業之路。 各省份要科學謀劃綠色發展目標任務，推動農業生產制度創新，糧食主產區各省 要結合省份實際，在保證糧食安全，響應農業農村部等部門號召的前提下，有針 對性推動各省農業制度創新，以節地、節水、節肥、節藥、節能和農業生態環境 建設為重點，同時實行農業生產節能減排考核責任制，制定農業政策和優惠措施 整個糧食主產區需要完善農業保障體系，低碳循環農業持續發展離不開政府和財 政的支持。首先需要加強政府組織領導，出臺相關政策，為農業生產發展提供物 質支撐，提高廣大農民參與農業發展的積極性。其次建立完善的低碳農業生態補 償技術體系，加大補償力度，促進相關人員參與休耕、免耕和植樹造林活動，在 減少農業碳源同時，增加農業碳匯，實現農業可持續發展。
結論
以糧食主產區為研究對象，從國研網和《中國農村統計年鑒》收集整理了 2000年至2020年的農業投入、農地利用、農作物種植面積及產量等數據，利用 IPCC系數法，結合田云等相關學者對農業生產過程中碳排放的研究，進而從糧 食主產區農業生產碳源和碳匯兩個方面測算出凈碳匯量，最后研究農業凈碳匯強 度因素、農業產業結構因素、農業經濟水平因素和農業勞動力規模因素對研究區 農業生產凈碳匯的影響效應。糧食主產區的農用物資投入，諸如化肥、農膜等投 入量變化都是先上升后下降最后趨于平緩。農藥投入量在2019年又重新上升。 柴油的投入量波動比較明顯，從趨勢來看，也符合先上升后下降的趨勢，說明“十 三五”以來，農業發展方式加快轉變，農業綠色發展取得明顯進展。本研究主要 得出以下結論：
（1） 農用物資和農地利用碳源情況。農用物資投入碳源量占比接近65%, 農地利用碳源量大概在15%左右，但是2000-2020年農地利用碳源量不斷上升， 反而農用物資碳源量在2014-2020年有所下降。說明我國對于農用物資投入方面 的減排取得了比較顯著的成效。從2003年到2004年，農業翻耕面積不斷上升, 在2008年環比增長率達到最高，為1.42%。糧食主產區的農業翻耕面積從 2012-2016年增長都比較穩定，從2017年開始增速放緩，2017年和2018年的耕 地面積反而下降。2019年耕地面積為115.15萬平方公里，增加了 6.56 %。農業 灌溉面積一直呈現上升趨勢，增速穩定。從這個角度來說，農業灌溉可以作為糧 食主產區的農業減排增匯的一個切入點。農田翻耕面積從2017年開始下降，結 果碳排不減反增，2020年達到837.72萬噸，農業灌溉碳排同樣不斷上升。由此 今后農業翻耕和灌溉將作為我國糧食主產區的農業生產減排的整改重點。
（2） 農作物碳源情況。在糧食作物中水稻碳源量占比最大，比重先下降后 上升。2000-2020年大約占比82%,最高達到83.81%,碳源量來說，整體是呈現 上升趨勢，個別年份有輕微波動，2020年碳源量比2000年增加了 839.73萬噸。 小麥碳源量占比4%-5%,逐漸下降。玉米碳源量占比先上升后下降，下降速度 緩慢，近幾年穩定在10%左右。玉米產量不斷上升，上升幅度大于水稻，但是碳 源量占比反而低于水稻，說明相對于水稻來說，玉米屬于低碳排農作物，水稻種 植方面有巨大的減排空間。經濟作物中蔬菜碳源量占比最大，主要是與其巨大的 種植面積和產量相關，蔬菜碳源量占經濟作物比重由2000年的71.04%到2020 年的79.60%,碳源量占比二十一年上升了 8.56%,蔬菜外的其余經濟作物碳源 量占比逐年下降，所以在蔬菜種植方面的技術改進能有效減排增匯。13個省份 中除了黑龍江、吉林、江蘇和江西的碳源量增加，其余9省的碳源量近幾年都不 斷減少，這四個省需要進一步促進農業減排能力。
(3)農作物碳匯情況。糧食主產區的13個省份都是產糧大省，數據顯示在 該區糧食作物的播種面積占比70%-80%,糧食作物和經濟作物總產量占全國總 產量的66.76%,農作物碳源量占比45%左右，糧食主產區的糧食作物比重不斷 上升，經濟作物比重不斷下降。數據顯示，糧食作物碳匯量大概占糧食主產區農 作物碳匯量的88.21%,但這跟其產量大有著緊密的關系，在糧食作物中水稻、 小麥和玉米的碳匯量最大，這三類作物的碳匯量達到90%,并且玉米的碳匯量不 斷增加，而其余糧食作物的碳匯量不斷下降，究其原因可能是稻谷，小麥，玉米 產量都在上升，但是玉米產量上升幅度更大導致。13個省份中，安徽農作物產 量較2019年上升115.747萬噸，但農作物碳匯量反而下降，主要是稻谷、豆類 和油菜籽的產量下降導致。
(4)農業凈碳匯情況。糧食主產區農業凈碳匯總量整體呈上升趨勢，凈碳 匯密度的變化趨勢和凈碳匯量變化趨勢幾乎一致，凈碳匯強度隨著時間不斷下降, 降勢逐漸放緩。2011-2020年凈碳匯強度處于比較低的值，并沒有進一步犧牲農 業生態來獲得農業經濟的發展。省份間觀察發現，從2000-2020年，江西凈碳匯 總量在13個省份里面最少，與遼寧省相比，2000年江西農業碳匯量比遼寧省多 337.40萬噸，但隨著年份變化，江西省的凈碳匯量逐漸低于遼寧省，同時江西省 碳源量是遼寧省的3倍左右，主要原因是江西省稻谷播種面積大導致。
(5)凈碳匯影響因素情況。在農業凈碳匯強度因素、農業產業結構因素、 農業經濟水平因素和農業勞動力規模因素中，農業凈碳匯強度因素抑制作用大于 勞動力規模因素。農業產業結構因素和農業經濟水平因素對糧食主產區農業生產 凈碳匯量有促進作用，農業經濟水平因素促進作用大于農業產業結構因素。四個 因素的總效應，除了 2002-2003年時間段和2008-2009年時間段凈碳匯量有所下 降，其余年份凈碳匯量均上升，說明除了這些年份起抑制作用的因素效應大于促 進作用的因素，其余年份促進糧食主產區凈碳匯量增長的因素效應更大。
參考文獻
[1]FAO. Livestock Long Shadow[R]. 2006： 97?110.
[2]王立剛，邱建軍.農業源溫室氣體監測技術規程與控制技術研究北京： 科學出版社.2016.
[3]Bennetzen EH, Smith P, Porter JR. Decoupling of greenhouse gas emissions from global agricultural production： 1970?2050[J]. Global Change Biology .2016, 22(2)： 763-781.
[4]Wang XH. Changes in CO2 emissions induced by agricultural inputs in China over 1991~2014[J]. Sustainability. 2016, 8(5)： 414~426.
[5]李楊，李明賢.基于農業碳循環的農業低碳化研究綜述[J].生態經濟(學術 版).2014, 30(01)： 63-67.
[6]R. Zalaghi, A. Landi. valuating Carbonic Greenhouse Gasses Emission and Organic Carbon Balance from Soils under Current Agricultural Land Used[J]. Journal of Applied Sciences. 2009, 9(12).
[7]Matthias Baumann, Ignacio Gasparri, MarlaPiquer - Rodriguez , etal. Carbon emissions from agricultural expansion and intensification in the Chaco[J], Global Change Biology. 2017, 23⑸.
[8]Johnson J M F, Franzluebbers A J, Weyers S L. Agricultural opportunities to mitigate greenhouse missions [J]. Environmental pollution. 2007, 150(1)： 107-124.
[9]Muhammet Demirtas. Evaluation of energy use and carbon dioxide emissions from the consumption of fossil fuels and agricultural chemicals for paste tomato cultivation in the Bursa region of Turkey[J]. Environmental Science and Pollution Research, 2021(prepublish).
[10]P. L Woomer, L. Llleszen, G Tappan, etal. Land use change and terrestrial carbon stocks in Senegal[J]. Journal of Arid Environments. 2004, 59(3).
[11]W. Hediger. Modeling GHG emissions and carbon sequestration in Swiss agriculture： An integrated economic approach[J]. International Congress Series. 2006, 1293.
[12]Begum K, Kuhnert M, Yeluripati J, et al. Model based regional estimates of soil organic carbon sequestration and greenhouse gas mitigation potentials from rice croplands in Bangladesh[J]. Land. 2018, 7(3)： 82.
[13]Kenne G J, Kloot R W? The carbon sequestration potential of regenerative fanning practices in south Carolina? USA[[J].American Journal of Climate Change, 2019, 8(2)： 157-172.
[14]M nasiri mahalati, AKoocheki, R. Moradi, et al. Long term estimation of carbon dynamic and sequestration for Iranian agro?ecosystem: II?Sequestration and emission of carbon for common agricultural crops using ICBM model[J]? Bum/shinas i?i kishavarzi. 2014, 7(3).
[15]Tubiellof N, Salvatore M, Rossi S, et al. The FAOSTAT database of greenhouse gas emissions from agriculture? Environmental Research Letters? 2013, 8(1).
[16]Valin H, Havli 1 P, Mosnier A, etal. Agricultural productivity and greenliouse gas emissions: Trade-offs or synergies between mitigation and food security? Environmental Research Letters. 2013, 8(3).
[17]Vetter S H, Sapkota T B, Hillier J, et al. Greenhouse gas emissions from agricultural food production to supply Indian diets： Implications for climate change mitigation? Agriculture, Ecosystems & Environment? 2017, 237(2)： 234^241.
[18]Peter C, Helming K, NendelL C. Do greenhouse gas emission calculations from energy crop cultivation reflect actual agricultural management practices? A review of carbon footprint calculators? Renewable and Sustainable Energy Reviews. 2017, 67(1)： 461-476?
[19]Ruben NL? Andrew J? Plantinga land-use change and carbon sinks： econnnietric estiomation of the carbon sequestration supply function [J]? Journal of Environmeatal Economics and Management. 2006, 51(2)： 135T52?
[20]Goglio P, Smith WN, Grant B B, et al. Accounting for soil carbon changes in
agricultural life cycle assessment(LCA): A review? Journal of Cleaner Production. 2015, 19(104)： 23~39.
[21]Swainson N, Muetael S, Clark H. Updated predictions of enteric methane emissions from sheep suitable fbr use in the New Zealand national greenhouse gas inventory? Animal Production Science? 2018, 58(6)： 973~979?
[22]Goglio P, Smith W N, Grant BE, et al ? A comparison of methods to quantify greenhouse gas emissions of cropping systems in LCA ? Journal of Cleaner Production. 2018, 172(3)： 4010^4017.
[23]ACIL Tasman Pty Ltd. Agriculture and GHG Mitigation Policy： Options in Addition to the CPRS[M]. New South Wales： Industry& Investment NSW? 2009.
[24]Sampaothong Sonthaya, Attavanich Witsanu.. Agricultural Production Factors and Their Effect on Agricultural Production and Carbon Emissions： Evidence from the Greater Mekong Subregion[J]. The Open Agriculture Journal. 2021, 15.
[25]Li Pang, Jingyuan Zhao. An Empirical Study on China' s Regional Carbon Emissions of Agriculture 卩].International Journal of Asian Business and Information Management (UABIM). 2013, 4⑷.
[26]Ali Aminu, Usman Monday, Usman Ojonugwa, Sarkodie Samuel Asumadu.
Modeling the Effects of Agricultural Innovation and Biocapacity on Carbon Dioxide Emissions in an Agrarian?Based Economy： Evidence From the Dynamic ARDL Simulations[J]. Frontiers in Energy Research. 2021.
[27]李波，張俊颼，李海鵬.中國農業碳排放時空特征及影響因素分解[J].中國 人口 •資源與環境.2011, 21(08)： 80-86.
[28]曹俊文，曹玲娟.江西省農業碳排放測算及其影響因素分析[J].生態經 濟.2016, 32(07)： 66-68+167.
［29］ 梁青青.我國農業碳排放的空間差異實證研究——基于1996—2015年省際 面板數據［JJ.農林經濟管理學報.2018, 17(02)： 159-168.
［30］ 呂斯涵，張小平.山東省農業凈碳匯時空演化特征分析［JJ.水土保持學 報.2019, 33(02)： 227-234.
［31］ 田云，張俊颼，李波.湖北省農地利用碳排放時空特征與脫鉤彈性研究［J］.長 江流域資源與環境.2012, 21(12)： 1514-1519.
［32］ 翟國慶，韓明釗，李永江，王恩姮.黑土坡耕地有機碳變化及固碳潛力分析 ［J］.生態學報.2020, 40(16)： 5751-5760.
［33］ 陳紹民，楊碩歡，張保成，王麗，胡田田.不同水肥條件下夏玉米/冬小麥農 田生態系統碳平衡研究［J］.農業機械學報.2021, 52(05)： 229~23&
［34］ 高洪軍，彭暢，張秀芝，李強，朱平，王立春.秸稈還田量對黑土區土壤及 團聚體有機碳變化特征和固碳效率的影響［J］.中國農業科學.2020, 53(22)： 4613-4622.
［35］ 吳玉紅，郝興順，田霄鴻，陳浩，張春輝，崔月貞，秦宇航.秸稈還田與化 肥配施對漢中盆地稻麥輪作農田土壤固碳及經濟效益的影響卩］.作物學報.2020, 46(02)： 259-268.
［36］ 龐麗•我國農業碳排放的區域差異與影響因素分析［J］.干旱區資源與環 境.2014, 28(12)： 1-7.
[37]于偉詠，漆雁斌，明輝等.中國農業系統碳匯和碳源的省域差異及影響因素 [J].西部林業科學.2016, 45(05)： 1-7.
[38]孟軍，范婷婷.黑龍江省農業碳排放動態變化影響因素分析[J].生態經 濟.2020, 36(12)： 34-39.
[39]田成詩，陳雨.中國省際農業碳排放測算及低碳化水平評價一一基于衍生指 標與TOPSIS法的運用[JJ.自然資源學報.2021, 36(02)： 395-410.
[40]韓冰，王效科，逮非等.中國農田土壤生態系統固碳現狀和潛力[JJ.生態學 報.2008(02)： 612-619.
[41]趙榮欽，秦明周.中國沿海地區農田生態系統部分碳源/匯時空差異[J].生態 與農村環境學報.2007(02)： 1-6+11.
[42]何艷秋，陳柔，吳昊坍等.中國農業碳排放空間格局及影響因素動態研究 [J].中國生態農業學報.2018, 26(09)： 1269-1282.
[43]桂河，李靜，尚夢媛.“雙碳”背景下的寧夏農業碳排放時序特征、驅動機 理與脫鉤效應研究[J].中南林業科技大學學報.2021, 15(06)： 37-44.
[44]李庚欣，胡純，梅運軍等.基于Kaya模型的湖北省農業碳排放時空特征及 影響因素研究[JJ.綠色科技.2020(04)： 217-220.
[45]吳昊坯，黃瀚蛟，何宇等.中國農業碳排放效率測度、空間溢出與影響因素 [J].中國生態農業學報.2021, 29(10)： 1762-1773.
[46]劉楊，劉鴻斌.山東省農業碳排放特征、影響因素及達峰分析[J/OL].中國生 態農業學報.1-13[2022-03-21].
[47]曉軍.什么是“狹義農業”、“廣義農業”和“純粹的農業” ？——讀書札記 [J].教學與研究，1964(04)： 22-24.
[48]Luo F, Ma W, Sun C, et al. Analysis of the Performance of Government Investment and Interventions to Promote Small-scale Irrigation Works in China' s Major Grain producing Areas based on the Two step Model of Malmquist — FGLS. Irrigation and Drainage. 2017, 66( 3) : 293~304
[49]田云，張俊颶,陳池波•中國低碳農業發展的空間異質性及影響機理研究[J].中 國地質大學學報(社會科學版).2016, 16(04)： 33-44+156.
[50]李波，張俊颼，李海鵬.中國農業碳排放時空特征及影響因素分解[JJ.中國 人口 •資源與環境.2011, 21(08)： 80?86.
[51]段華平，張悅，趙建波等.中國農田生態系統的碳足跡分析[J].水土保持學 報.2011, 25(05)： 203?208.
[52]West T O, Marland G. A synthesis of carbon sequestration, carbon emissions, and net carbon flux in agriculture： Comparing tillage practices in the United States [J]. Agriculture, Ecosystems and Environment. 2002, 91(1)： 217-232.
[53]Eggelston S, Buendia L, MTWA.K, et al. 2006 IPCC guidelines for national greenhousegas inventories [R] . Kanagawa： Institute for Global Environmental Strategies (IGES) for the IPCC. 2006.
[54]郭海紅，蓋凌云.中國農業碳效應時空分異及驅動機理研究[J].寧夏社會科 學.2021(05)： 74?84.
[55]田云，張俊颱.中國農業生產凈碳效應分異研究[J].自然資源學報.2013, 28(08)： 1298-1309.
[56]田云，張俊魅 中國省級區域農業碳排放公平性研究[J].中國人口 •資源與 環境，2013, 23(11)： 36-44.
[57]TIANY, ZHANGJB, HEYY Research on spatial-temporal driving factor of gricultural carbon emissions in China[J]. Journal of integrative agriculture, 2014(6): 1393-1303.
[58]田云，張君•地理分區視角下的農業碳效應驅動機理研究[J].華中農業大學學 報(社會科學版)，2020(02)： 78?87+165?166.
[59]Lal R. Carbon emission from farm operations[J]. Environment International, 2004, 30 (7) : 981-990.
[60]Annegrete Bruvoll, Hege Medin. Factors Behind the Environmental Kuznets Curve. A Decomposition of the Changes in Air Pollution[J]. Environmental and Resource Economics, 2003, 24(1).
[61]羅錫文，廖娟，臧英，區穎剛，汪沛.我國農業生產的發展方向：從機械化到 智慧化[J].中國工程科學，2022, 24(01)： 46?54.
[62]曹志宏，秦帥，郝晉琨.河南省農業生產碳匯的演變趨勢及其集聚特征分析 [J].中國生態農業學報，2018, 26(09)： 1283-1290.
[63]呂斯涵，張小平.山東省農業凈碳匯時空演化特征分析[J].水土保持學報， 2019, 33(02)： 227?234.
[64]夏四友，趙媛，許昕，文琦，崔盼盼，唐文敏.近20年來中國農業碳排放 強度區域差異、時空格局及動態演化[!]•長江流域資源與環境，2020, 29(03)： 596-608.
[65]曠愛萍，胡超.廣西農業碳排放時空特征及經濟關聯性研究一一基于投入視 角[J].資源開發與市場，2021, 37(06)： 663-669.
[66]IPCC. Climate change 2013： The physical science basis. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change [R]. Cambridge, UK： Cambridge University Press. 2014.
[67]Ang, B. W, Liu, F.L. A new energy decomposition method: perfect in decomposition and consistent in aggregation[J]. Energy. 2001, 26(6)： 537-548.
[68]Ang, B.W.Decomposition analysis for policymaking in energy： which is the preferred method? [J]. Energy Policy. 2004, 32： 1131-1139.
[69]Ang, B.W. Negative- value problems of the logarithmic mean Divisia index decomposition approach[J]. Energy Policy. 2007, 35： 739-742.
[70]Ang, B.W. Handling zero values in the logarithmic mean Divisia index decomposition approach[J]. Energy Policy. 2007, 35： 238-246.
[71]Ang B W, Su B, Wang H. A Spatial—temporal Decomposition Approach to Performance Assessment in Energy and Emissions [J]. Energy Economics. 2016,60： 112-121.
[72]陳羅悴，薛領，雪燕.中國農業凈碳匯時空演化特征分析[J].自然資源學
報.2016, 31(4)： 596-607.
[73]陳勝濤，張開華，張岳武.農業碳排放績效的測量與脫鉤效應[J/OL].統計與 決策，2021(22)： 85?88.
[74]韓金雨，曲建升，徐麗等.支農財政對農業碳排放強度的空間效應：基于空 間杜賓模型的實證分析[J].生態與農村環境學報.2021, 37(11)： 1404-1412.
[75]邱子健，靳紅梅，高南等•.江蘇省農業碳排放時序特征與趨勢預測[J/OL].農 業環境科學學報：[?21[2021-12-07].
[76]周思宇，鄱鳳明，尹巖等.東北地區耕地利用碳排放核算及驅動因素[JJ.應 用生態學報.2021, 32(11)： 3865-3871.
[77]姜濤，劉瑞，邊衛軍.“十四五”時期中國農業碳排放調控的運作困境與戰 略突圍[J].寧夏社會科學.2021(05)： 66?73.
[78]童克難，何佩佩.農業既是溫室氣體排放源又是巨大碳匯系統[N].中國環境 報.2021-09-17(007).
[79]李鑫杰，馬梅.農業綠色發展背景下我國農業碳排放研究進展分析[JJ.黑龍江 畜牧獸醫.2021(16)： 10-15+146-147.
相關標簽:
