下载文档原格式
农田生态系统碳汇研究进展赵明月;刘源鑫;张雪艳【期刊名称】《生态学报》【年(卷),期】2022(42)23【摘要】农田生态系统碳汇包括农作物生物量碳汇和农田土壤碳汇两个方面,中国农田生态系统面积大,碳储量高,是全球生态系统碳循环的重要组成部分。
厘清中国农作物生物量和土壤有机碳含量、变化率和影响因素对于解析全球碳循环和维系粮食安全具有重要意义。
梳理农田生态系统碳汇相关概念的基础上,比较农田生态系统碳汇研究方法的适用性及存在问题,通过以往研究和SoilGrids250数据研究中国农田生态系统碳库时空分布,并分析农田生态系统碳汇的影响因素及固碳方法。
结果表明,中国近30年来农作物生物量呈现增加趋势,农田土壤有机碳含量普遍较低且空间分布不均,0—5cm土壤有机碳含量平均值在16.7 g/kg到86.5 g/kg之间,增加农田土壤有机碳含量是未来中国农田生态系统碳汇的重要方向。
肥料和有机残留管理、保护性耕作、种植模式、灌溉等管理措施是增加土壤有机碳汇的主要措施,但农田生态系统碳汇潜力估算仍存在不确定性。
最后,从农田生态系统碳汇潜力估算、影响因素厘定和增汇技术研发3个方面提出未来研究方向。
研究结果有助于推动农田生态系统碳汇科学研究和技术推广,为实现农田生态系统助力“碳中和”寻求重要路径。
【总页数】12页(P9405-9416)【作者】赵明月;刘源鑫;张雪艳【作者单位】中国农业科学院农业环境与可持续发展研究所;首都师范大学交叉科学研究院;中国科学院地理科学与资源研究所陆地表层格局与模拟院重点实验室【正文语种】中文【中图分类】S18【相关文献】1.潍坊市农田生态系统碳源(碳汇)及其碳足迹变化2.运用“碳足迹”的方法评估小麦秸秆及其生物质炭添加对农田生态系统净碳汇的影响3.中国农田生态系统碳增汇/减排技术研究进展4.基于低碳经济的山东省德州市农田生态系统碳汇估算5.长沙市农田生态系统碳汇NPP月际变化特征研究因版权原因，仅展示原文概要，查看原文内容请购买。
基于修正碳计量的区域农业碳补偿时空格局摘要：研究发现,中国八大人文地理区在2007—2015年期间低碳农业发展并非完全有效,生态系统服务能力也存在明显差异,经农业修正碳计量测算后,碳排放与碳汇的空间分布格局均发生一定变动,农业碳补偿由修正前东南向西北的“升—降”格局调整为整体上升趋势,其中资源禀赋较差的区域碳补偿额度均有所提升,农业碳补偿的地区公平性增强。
本文基于修正碳计量方法分析了区域农业碳补偿的时空格局并建议制定针对性的政策以促进农业碳补偿的可持续发展。
关键词：农业碳补偿；修正碳计量；时空格局引言随着全球气候变化问题日益严重，农业作为温室气体的重要排放源其碳补偿问题受到广泛关注，本文旨在通过修正碳计量方法深入探究区域农业碳补偿的时空格局从而为制定针对性的政策和措施提供科学依据。
一、农业碳补偿理论基础与修正碳计量方法（一）农业碳补偿的内涵与外延农业碳补偿是指通过农业活动减少温室气体排放或者增加碳汇来抵消其他温室气体的排放其核心目的是促进农业可持续发展、降低温室气体排放、增加土壤碳汇、提高农业生产系统的生态服务功能，农业碳补偿的实现途径包括优化农业管理措施如采用保护性耕作、提高农田土壤的有机质、实施农作物秸秆还田等，这些措施可以降低农田温室气体排放同时促进土壤碳的积累。
农业碳补偿不仅是一种应对气候变化的策略也是促进农业可持续发展的重要手段，它涉及到多个领域包括生态农业、循环农业、低碳农业等，通过实施农业碳补偿可以促进农业的绿色发展并提高农业生产系统的生态效益和经济效益，同时农业碳补偿还可以推动农业科技创新和生态补偿机制的完善以促进生态文明建设和可持续发展。
（二）修正碳计量的方法论及其在农业碳补偿中的应用修正碳计量通过建立完善的碳排放计量体系并结合先进的数据采集、处理和分析技术能够确保碳排放数据的准确性和可靠性，该方法论强调在碳排放计量中要充分考虑各种因素的影响如地域、气候、植被、生产方式等，在此基础上对碳排放数据进行科学的修正以获得更为精确的碳排放数据，修正碳计量不仅为政府和企业提供了决策依据也为碳市场的发展提供了有力支持。
第２５卷第５期２０１１年１０月水土保持学报Ｊｏｕｒｎａｌ ｏｆ Ｓｏｉｌ ａｎｄ Ｗａｔｅｒ ＣｏｎｓｅｒｖａｔｉｏｎＶｏｌ．２５Ｎｏ．５Ｏｃｔ．，２０１１ 收稿日期：２０１１－０５－２４ 基金项目：公益性行业（农业）科研专项（２００８０３０２８）；公益性行业（环保）科研专项（２０１１０９０２４） 作者简介：段华平（１９７５－），男，博士，讲师，主要从事农业生态学研究。
Ｅ－ｍａｉｌ：ｄｈｐ＠ｎｊａｕ．ｅｄｕ．ｃｎ 通讯作者：卞新民（１９５２－），男，博士生导师，教授，主要从事农业生态学研究。
Ｅ－ｍａｉｌ：ｂｊｘｌｍｌ＠１６３．ｃｏｍ中国农田生态系统的碳足迹分析段华平，张悦，赵建波，卞新民（南京农业大学农学院，江苏南京２１００９５）摘要：采用１９９０－２００９年农作物产量、农田生产投入等统计数据，对中国农田生态系统碳排放、碳吸收和碳足迹进行估算，得到以下主要结论：碳排放量和碳排放强度、碳吸收量、碳足迹呈现增加趋势，碳吸收强度表现稳定，随着农用化石能源的大量使用，单位面积碳足迹从１９９０年的０．０８ｈｍ２／ｈｍ２增加到２００９年的０．１３ｈｍ２／ｈｍ２。
各省（市、自治区）单位面积碳足迹差异十分明显，２００９年最高的福建为０．２７ｈｍ２／ｈｍ２，最低的黑龙江为０．０８ｈｍ２／ｈｍ２。
中国农田生态系统存在碳生态盈余，碳足迹占同期生产性土地面积（耕地）的比例在１０％左右，但随着年份的递进，所占比例有增大的趋势，１９９０年为８．４６％，２００９年为１２．７５％。
关键词：农田生态系统；碳排放；碳吸收；碳足迹；中国中图分类号：Ｘ１７１．１；Ｓ１５８．３ 文献标识码：Ａ 文章编号：１００９－２２４２（２０１１）０５－０２０３－０６Ｃａｒｂｏｎ Ｆｏｏｔｐｒｉｎｔ Ａｎａｌｙｓｉｓ ｏｆ Ｆａｒｍｌａｎｄ Ｅｃｏｓｙｓｔｅｍ ｉｎ ＣｈｉｎａＤＵＡＮ Ｈｕａ－ｐｉｎｇ，ＺＨＡＮＧ Ｙｕｅ，ＺＨＡＯ Ｊｉａｎ－ｂｏ，ＢＩＡＮ Ｘｉｎ－ｍｉｎ（Ｃｏｌｌｅｇｅ ｏｆ Ａｇｒｏｎｏｍｙ，Ｎａｎｊｉｎｇ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ，Ｊｉａｎｇｓｕ２１００９５）Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ ｏｎ ｔｈｅ ｓｔａｔｉｓｔｉｃ ｄａｔａ ｏｆ ｃｒｏｐ ｙｉｅｌｄ ａｎｄ ｆａｒｍｌａｎｄ ｐｒｏｄｕｃｅ ｉｎｖｅｓｔｍｅｎｔ ｉｎ ｔｈｅ ｐｅｒｉｏｄ ｆｒｏｍ １９９０ｔｏ２００９，ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ，ｃａｒｂｏｎ ａｂｓｏｒｐｔｉｏｎ ａｎｄ ｃａｒｂｏｎ ｆｏｏｔｐｒｉｎｔ ｏｆ ｔｈｅ ｆａｒｍｌａｎｄ ｅｃｏｓｙｓｔｅｍｓ ｗｅｒｅ ｅｓｔｉｍａｔｅｄ ｉｎＣｈｉｎａ．Ｃｏｎｃｌｕｓｉｏｎｓ ｗｅｒｅ ｒｅａｃｈｅｄ ａｓ ｆｏｌｌｏｗｓ：Ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ ａｍｏｕｎｔ ａｎｄ ｉｎｔｅｎｓｉｔｙ，ｃａｒｂｏｎ ａｂｓｏｒｐｔｉｏｎ ａ－ｍｏｕｎｔ，ａｎｄ ｃａｒｂｏｎ ｆｏｏｔｐｒｉｎｔ ｏｎ ｔｈｅ ｉｎｃｒｅａｓｅ，ｃａｒｂｏｎ ａｂｓｏｒｐｔｉｏｎ ｉｎｔｅｎｓｉｔｙ ｗａｓ ｓｔａｂｌｅ，ｗｉｔｈ ｔｈｅ ｌａｒｇｅ ｎｕｍｂｅｒｏｆ ａｇｒｉｃｕｌｔｕｒａｌ ｕｓｅ ｏｆ ｆｏｓｓｉｌ ｅｎｅｒｇｙ，ｃａｒｂｏｎ ｆｏｏｔｐｒｉｎｔ ｐｅｒ ｕｎｉｔ ａｒｅａ ｏｆ ０．０８ｈｍ２／ｈｍ２ ｒｏｓｅ ｆｒｏｍ １９９０ｔｏ ２００９ｏｆ０．１３ｈｍ２／ｈｍ２．Ｐｒｏｖｉｎｃｅｓ ａｎｄ ａｕｔｏｎｏｍｏｕｓ ｒｅｇｉｏｎｓ ｐｅｒ ｕｎｉｔ ａｒｅａ ｏｆ ｃａｒｂｏｎ ｆｏｏｔｐｒｉｎｔ ｗａｓ ｖｅｒｙ ｏｂｖｉｏｕｓ ｄｉｆｆｅｒ－ｅｎｃｅｓ，ｔｈｅ ｈｉｇｈｅｓｔ ｉｎ Ｆｕｊｉａｎ ｆｏｒ ｔｈｅ ０．２７ｈｍ２／ｈｍ２，ｔｈｅ ｌｏｗｅｓｔ ｉｎ Ｈｅｉｌｏｎｇｊｉａｎｇ ｆｏｒ ｔｈｅ ０．０８ｈｍ２／ｈｍ２．Ｃｈｉｎａｆａｒｍｌａｎｄ ｅｃｏｓｙｓｔｅｍ ｅｘｉｓｔｅｎｃｅ ｏｆ ｔｈｅ ｅｃｏｌｏｇｉｃａｌ ｓｕｒｐｌｕｓ，ｔｈｅ ｃａｒｂｏｎ ｆｏｏｔｐｒｉｎｔ ａｃｃｏｕｎｔｉｎｇ ｆｏｒ ｓａｍｅ ｔｉｍｅ ｔｈｅｐｒｏｄｕｃｔｉｏｎ ｌａｎｄ ａｒｅａ ｐｒｏｐｏｒｔｉｏｎ ａｐｐｒｏｘｉｍａｔｅｌｙ ｗａｓ １０％，ｗｉｔｈ ｔｈｅ ｙｅａｒｓ ｐｒｏｇｒｅｓｓｉｖｅ，ｂｕｔ ｔｈｅ ｃａｒｂｏｎ ｆｏｏｔ－ｐｒｉｎｔ ａｃｃｏｕｎｔｉｎｇ ｆｏｒ ｔｈｅ ｐｒｏｐｏｒｔｉｏｎ ｔｏ ｈａｄ ｔｈｅ ｅｎｌａｒｇｅｍｅｎｔ ｔｅｎｄｅｎｃｙ，ｗｈｉｃｈ ｗａｓ ８．４６％ｉｎ １９９０ａｎｄ １２．７５％ｉｎ ２００９．Ｋｅｙ ｗｏｒｄｓ：ｆａｒｍｌａｎｄ ｅｃｏｓｙｓｔｅｍ；ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ；ｃａｒｂｏｎ ａｂｓｏｒｐｔｉｏｎ；ｃａｒｂｏｎ ｆｏｏｔｐｒｉｎｔ；Ｃｈｉｎａ随着全球变暖成为社会关注的热点，碳足迹成为一个新的研究方法并迅速得到学术界的认可。
第４０卷第２４期２０２０年１２月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．４０，Ｎｏ．２４Ｄｅｃ．，２０２０基金项目：国家重点研发计划支持项目（２０１８ＹＦＣ０７０４７０１）；天津市科技发展战略研究计划项目（１９ＺＬＺＸＺＦ００３２０）；天津市教委社科重大项目（２０１８ＪＷＺＤ４６）收稿日期：２０２０⁃０３⁃０３；㊀㊀网络出版日期：２０２０⁃１１⁃０５∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｗａｎｇｒｕｉ＿１９８５＠ｔｊｕ．ｅｄｕ．ｃｎＤＯＩ：１０．５８４６／ｓｔｘｂ２０２００３０３０３８９张赫，彭千芮，王睿，强文丽，张建勋．中国县域碳汇时空格局及影响因素．生态学报，２０２０，４０（２４）：８９８８⁃８９９８．ＺｈａｎｇＨ，ＰｅｎｇＱＲ，ＷａｎｇＲ，ＱｉａｎｇＷＬ，ＺｈａｎｇＪＸ．ＳｐａｔｉｏｔｅｍｐｏｒａｌｐａｔｔｅｒｎｓａｎｄｆａｃｔｏｒｓｉｎｆｌｕｅｎｃｉｎｇｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０２０，４０（２４）：８９８８⁃８９９８．中国县域碳汇时空格局及影响因素张㊀赫１，彭千芮１，王㊀睿１，∗，强文丽２，张建勋１１天津大学建筑学院，天津㊀３０００７２２兰州大学资源环境学院，兰州㊀７３００００摘要：以全国１３００个县级行政单位作为研究对象，利用全国县域尺度土地利用数据和社会经济数据，核算了１９９０ ２０１５年间中国县域碳汇总量，并结合标准差椭圆㊁空间自相关㊁冷热点分析和地理加权回归分析方法，探析中国县域碳汇的时空分异特征及影响因素，旨在为优化国土空间开发格局，实施差异化减排路径及推动生态文明建设提供参考㊂研究表明：（１）时空变化上，１９９０ ２０１５年中国碳汇总量呈波动下降趋势，由１３３０７．７９ˑ１０４ｔ下降至１３１９８．２７ˑ１０４ｔ；林地为主要碳汇类型，其余碳汇类型比例结构基本不变；在空间分布上，中国县域碳汇呈现 西部＞东北＞南部＞中部 的 西高东低 格局㊂（２）在空间分异和聚集上，碳汇空间分布中心向西南移动，分布范围呈收缩态势，西南地区对整体碳汇空间格局影响作用加强；１９９０ ２０１５年中国县域碳汇总量的冷热点集聚程度呈现波动稳定特征，空间集聚程度呈现高值与低值聚集，高－低区域零星分布的特征㊂（３）从影响因素分析来看，２０１５年经济发展㊁产业结构㊁土地利用程度对碳汇产生影响并存在空间异质性㊂建议通过合理规划县域非建设用地的土地利用方式㊁差异性制定各区域内策略㊁控制建设用地规模等方式达到县域的低碳发展㊂关键词：碳汇；时空格局；影响因素；县域；中国ＳｐａｔｉｏｔｅｍｐｏｒａｌｐａｔｔｅｒｎｓａｎｄｆａｃｔｏｒｓｉｎｆｌｕｅｎｃｉｎｇｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａＺＨＡＮＧＨｅ１，ＰＥＮＧＱｉａｎｒｕｉ１，ＷＡＮＧＲｕｉ１，∗，ＱＩＡＮＧＷｅｎｌｉ２，ＺＨＡＮＧＪｉａｎｘｕｎ１１ＳｃｈｏｏｌｏｆＡｒｃｈｉｔｅｃｔｕｒｅ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３０００７２，Ｃｈｉｎａ２ＣｏｌｌｅｇｅｏｆＥａｒｔｈａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅ，ＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００００，ＣｈｉｎａＡｂｓｔｒａｃｔ：１３００ｃｏｕｎｔｙ⁃ｌｅｖｅｌａｄｍｉｎｉｓｔｒａｔｉｖｅｕｎｉｔｓａｃｒｏｓｓＣｈｉｎａｗｅｒｅｃｏｎｓｉｄｅｒｅｄｆｏｒｔｈｅｓｔｕｄｙ．Ｃｏｕｎｔｙ⁃ｌｅｖｅｌｌａｎｄｕｓａｇｅｄａｔａａｎｄｓｏｃｉｏｅｃｏｎｏｍｉｃｄａｔａｗｅｒｅｕｓｅｄｔｏｃａｌｃｕｌａｔｅｔｈｅｔｏｔａｌｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａｆｒｏｍ１９９０ｔｏ２０１５．Ｃｏｍｂｉｎｉｎｇｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎｅｌｌｉｐｓｅ，ｓｐａｔｉａｌａｕｔｏｃｏｒｒｅｌａｔｉｏｎ，ｃｏｌｄ⁃ｈｏｔｓｐｏｔａｎａｌｙｓｉｓ，ａｎｄｇｅｏｇｒａｐｈｉｃｗｅｉｇｈｔｅｄｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｉｓｍｅｔｈｏｄｓ，ｔｈｅｓｐａｔｉｏｔｅｍｐｏｒａｌｄｉｆｆｅｒｅｎｔｉａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｆａｃｔｏｒｓｉｎｆｌｕｅｎｃｉｎｇｔｈｅｓｅｃａｒｂｏｎｓｉｎｋｓｗｅｒｅｅｘｐｌｏｒｅｄ．ＴｈｉｓｓｔｕｄｙａｉｍｓｔｏｐｒｏｖｉｄｅａｒｅｆｅｒｅｎｃｅｆｏｒｏｐｔｉｍｉｚｉｎｇＣｈｉｎａᶄｓｌａｎｄｄｅｖｅｌｏｐｍｅｎｔｐａｔｔｅｒｎｓｔｏｉｍｐｌｅｍｅｎｔｄｉｆｆｅｒｅｎｔｉａｔｅｄｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎｐａｔｈｓａｎｄｐｒｏｍｏｔｅｔｈｅｅｓｔａｂｌｉｓｈｍｅｎｔｏｆａｎｅｃｏｌｏｇｉｃａｌｃｉｖｉｌｉｚａｔｉｏｎ．Ｔｈｅｒｅｓｅａｒｃｈｓｈｏｗｓｔｈａｔ：（１）Ｉｎｔｅｒｍｓｏｆｓｐａｔｉｏｔｅｍｐｏｒａｌｃｈａｎｇｅｓ，Ｃｈｉｎａᶄｓｃａｒｂｏｎｓｉｎｋｓｓｈｏｗｅｄａｄｅｃｌｉｎｉｎｇｔｒｅｎｄｆｒｏｍ１９９０ｔｏ２０１５，ｗｉｔｈａｒｅｄｕｃｔｉｏｎｉｎｃａｒｂｏｎｆｒｏｍ１３３０７７９００ｔｏｎｓｔｏ１３１９８２７００ｔｏｎｓ．Ｆｏｒｅｓｔｌａｎｄｗａｓｔｈｅｐｒｉｍａｒｙｔｙｐｅｏｆｃａｒｂｏｎｓｉｎｋ，ａｎｄｔｈｅｐｒｏｐｏｒｔｉｏｎｏｆｔｈｅｒｅｍａｉｎｉｎｇｔｙｐｅｓｗｅｒｅｂａｓｉｃａｌｌｙｕｎｃｈａｎｇｅｄ．Ｉｎｔｅｒｍｓｏｆｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎ，ｔｈｅｃａｒｂｏｎｓｉｎｋｓｗｅｒｅｇｅｎｅｒａｌｌｙｇｒｅａｔｅｒｉｎｔｈｅｗｅｓｔｔｈａｎｉｎｔｈｅｅａｓｔ，ｆｏｌｌｏｗｉｎｇａｗｅｓｔ＞ｎｏｒｔｈｅａｓｔ＞ｓｏｕｔｈ＞ｍｉｄｄｌｅｐａｔｔｅｒｎ．（２）Ｄｕｒｉｎｇｔｈｅｒｅｓｅａｒｃｈ，ｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｅｎｔｅｒｏｆｔｈｅｃａｒｂｏｎｓｉｎｋｓｗａｓｍｏｖｉｎｇｔｏｔｈｅｓｏｕｔｈｗｅｓｔ，ａｎｄｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｒａｎｇｅｗａｓｓｈｒｉｎｋｉｎｇ．Ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅｓｏｕｔｈｗｅｓｔｒｅｇｉｏｎｏｎｔｈｅｏｖｅｒａｌｌｓｐａｔｉａｌｐａｔｔｅｒｎｏｆｔｈｅｃａｒｂｏｎｓｉｎｋｓｗａｓｓｔｒｅｎｇｔｈｅｎｅｄ．Ｆｒｏｍ１９９０ｔｏ２０１５，ｔｈｅｄｅｇｒｅｅｏｆｃｏｌｄａｎｄｈｏｔｓｐｏｔａｇｇｌｏｍｅｒａｔｉｏｎｏｆｔｈｅｃａｒｂｏｎｓｉｎｋｓｓｈｏｗｅｄａｓｔａｂｌｅｆｌｕｃｔｕａｔｉｏｎ．Ｔｈｅｓｐａｔｉａｌａｇｇｌｏｍｅｒａｔｉｏｎｓｈｏｗｅｄｃｌｕｓｔｅｒｓｏｆｈｉｇｈ⁃ｖａｌｕｅａｎｄｌｏｗ⁃ｖａｌｕｅｎｕｍｂｅｒｓ，ａｎｄｓｐｏｒａｄｉｃｄｉｓｔｒｉｂｕｔｉｏｎｏｆｈｉｇｈａｎｄｌｏｗｒｅｇｉｏｎｓ．（３）Ｂｙａｎａｌｙｚｉｎｇｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｉｎ２０１５，ｅｃｏｎｏｍｉｃｄｅｖｅｌｏｐｍｅｎｔ，ｉｎｄｕｓｔｒｉａｌｓｔｒｕｃｔｕｒｅ，ａｎｄｌａｎｄｕｓａｇｅ，ａｌｌｄｅｍｏｎｓｔｒａｔｅｄｉｍｐａｃｔｓｏｎｃａｒｂｏｎｓｉｎｋｓ，ｉｎｄｉｃａｔｉｎｇｓｐａｔｉａｌｈｅｔｅｒｏｇｅｎｅｉｔｙ．Ｉｔｉｓｒｅｃｏｍｍｅｎｄｅｄｔｏｉｎｃｒｅａｓｅｃａｒｂｏｎｓｉｎｋｓａｎｄｒｅｄｕｃｅｅｍｉｓｓｉｏｎｓａｔｃｏｕｎｔｙ⁃ｌｅｖｅｌｂｙｐｒｏｐｅｒｐｌａｎｎｉｎｇｏｆｌａｎｄｕｓａｇｅｆｏｒｎｏｎ⁃ｃｏｎｓｔｒｕｃｔｉｏｎｌａｎｄ，ｆｏｒｍｕｌａｔｉｎｇｓｔｒａｔｅｇｉｅｓｆｏｒｉｎｃｒｅａｓｉｎｇｃａｒｂｏｎｓｉｎｋｓａｎｄｒｅｄｕｃｉｎｇｅｍｉｓｓｉｏｎｓｆｏｒｖａｒｉｏｕｓｒｅｇｉｏｎｓ，ａｎｄｃｏｎｔｒｏｌｌｉｎｇｔｈｅｅｘｔｅｎｔｏｆｌａｎｄｕｓｅｄｆｏｒｃｏｎｓｔｒｕｃｔｉｏｎ．ＫｅｙＷｏｒｄｓ：ｃａｒｂｏｎｓｉｎｋｓ；ｓｐａｔｉｏｔｅｍｐｏｒａｌｐａｔｔｅｒｎ；ｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓ；ｃｏｕｎｔｙ；Ｃｈｉｎａ土地利用／覆被变化深刻作用于陆地生态系统的碳循环，对全国和区域气候变化产生了举足轻重的影响［１］㊂１９８０年到２００５年间，由于土地利用方式的转变，我国人为源排放量由陆地生态系统存储的３倍增长到１０倍，生态环境恶化明显［２］㊂同时，作为全球温室气体排放的大国，我国２０１９年全球温室气体排放量高居首位㊂事实上，我国承诺到２０２０年碳排放强度比２００５年下降４０％ ４５％［３］㊂县域作为城乡土地增减挂钩的直接单元［４］，其非建设用地的土地利用方式对大气温室气体含量的调节作用不容忽视，利用其碳贮存量增加而产生减排效果，对推动我国城乡控碳减排有极大意义［５］㊂在此背景下，加强对我国县域非建设用地碳汇规模与规律研究，对构建基于低碳导向的国土空间组织体系，优化国土空间开发格局，实施差异化减排，增强生态系统固碳能力具有重要的理论和现实意义㊂随着碳中和（ｃａｒｂｏｎｎｅｕｔｒａｌ）概念的提出， 碳汇 指个人或组织等以碳中和方式向从事 碳中和 业务的中介机构支付基金，最后以植树等形式用于碳减排的过程和机制［６⁃７］㊂通过改变非建设用地的土地利用／覆被方式，对其进行合理的开发利用，可以降低土地利用碳排放占人为碳排放的比例，将此时的土地利用变化发挥出碳汇作用［８］㊂迄今为止，国内外学者针对土地利用碳源／汇相关研究主要集中于以下三个方面：首先，通过构建计算模型对碳汇／源进行总量计算和效应评估来探析不同区域的碳汇时空特征㊂Ｎａｉｐａｌ等［９］通过建立土壤侵蚀模型，研究了在一定时期内土地利用变化下莱茵河流域的碳循环特征；彭文甫等［１０］构建了碳排放㊁碳足迹等模型计算并分析四川省土地利用碳汇的时空变化特征㊂其次，研究土地利用方式转变对碳汇的影响㊂裴杰等［１１］利用地理信息技术分析了深圳市土地利用／覆被变化情况及其导致的碳效应变化；张海凤和崔桂善［１２］通过总结不同中碳收支的特点对土地覆被类型转化下的碳源／汇变化的影响进行了分析，罗谷松和李涛［１３］运用ＳｕｐｅｒＳＢＭ⁃ｕｎｄｅｓｉｒａｂｌｅＤＥＡ等方法分析了碳排放影响下中国省域土地利用效率的影响因素㊂第三，探究影响土地利用碳源／汇的相关因素以及对应的控碳减排策略㊂李小康等［１４］通过分析土地利用结构及碳排放的变化发现控制建设用地总量对控碳减排意义重大；Ｃｈｅｎ等［１５］结合涡度协方差法分析发现气候带类型和植树造林是影响碳封存的主要因素㊂纵观现有研究成果，研究尺度主要集中于国家㊁区域和省域层面，对县域的研究相对缺乏，已有研究中仅赵荣钦等［１６⁃１７］对中原经济区和河南省的县域碳收支状况进行了核算和分析㊂县域作为中国经济社会发展的基本单元，开展碳汇在其尺度下的时空变化特征和影响因素的分析，对评估县级尺度的生态状况以及推动区域低碳协调发展意义重大㊂基于此，针对全国县域，基于全国土地利用数据（１９９０ ２０１５），运用标准差椭圆分析方法㊁空间自相关分析方法和地理加权回归分析方法，着重研究：①中国县域碳汇随时间变化的特征；②中国县域碳汇的空间分异格局；③中国县域碳汇的时空变化规律和影响因素㊂１㊀研究区域与数据来源１．１㊀研究区域按照中国现行的行政区划，县级行政区包括地级市的市辖区㊁县级市㊁县㊁自治县㊁旗㊁自治旗㊁林区㊁特区等８种㊂由于地级市的市辖区㊁县级市以及部分特区的土地利用以城镇建设用地为主，其功能主要体现在碳排放上而固碳能力较低，所以不在讨论的范围内㊂综上，通过筛选最后选定包含县㊁自治县㊁旗㊁自治旗㊁林区９８９８㊀２４期㊀㊀㊀张赫㊀等：中国县域碳汇时空格局及影响因素㊀０９９８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀在内的１３３０个县级行政单位㊂１．２㊀数据来源土地利用数据来源于中国科学院资源环境科学数据中心（ｈｔｔｐ：／／ｗｗｗ．ｒｅｓｄｃ．ｃｎ），是以１９９０ ２０１５年６期ＬａｎｄｓａｔＴＭ／ＥＴＭ遥感影像为主要数据源，通过人工目视解译获取㊂通过ＡｒｃＧＩＳ１０．２，用２０１８年中国县域矢量行政边界裁剪，经过重采样为１ｋｍ的全国６期土地利用数据；应用ＥＮＶＩ４．８对土地利用数据进行编码和归类，将土地利用类型划分为林地㊁草地㊁水域㊁未利用地４大类㊁１３小类㊂耕地的农作物通过光合作用吸收空气中的ＣＯ２，但绝大多数农作物在短期内又通过呼吸作用释放到空气中去，农作物生物量作为碳汇的效果不明显［１８］，因此不在本文进行讨论㊂全国县域国民生产总值㊁产业结构等数据来源于２０１５年‘中国城市统计年鉴“㊁‘区域经济统计年鉴“㊁相关地市级统计年鉴及环境统计公报等㊂２㊀计算与研究方法２．１㊀计算方法土地利用的碳汇估算主要涉及耕地㊁林地㊁草地㊁水域和未利用地的碳汇㊂耕地作为碳源［１８］，在本文中不进行研究；林地㊁草地㊁水域和未利用地为碳汇，为主要研究对象㊂因此，碳汇估算模型可表达如下：Ｃｓ＝ðｓｉ＝ðｎｉ＝１Ａｉαｉ（１）式中，Ｃｓ为碳汇量，ｓｉ为第ｉ种土地利用类型产生的碳汇量；Ａｉ为第ｉ种土地利用类型（林地㊁草地㊁水域㊁未利用地）面积，αｉ为第ｉ种土地利用类型的碳汇系数㊂２．１．１㊀碳汇系数的确定碳汇系数根据不同用地类型，通过跟踪国内外期刊的研究成果进行确定（表１）㊂将林地按照郁闭度大小分为有林地㊁灌木林㊁疏林地和其他林地４种类型㊂将草地按照覆盖度大小分为高覆盖度草地㊁中覆盖度草地和低覆盖度草地３种类型㊂将我国水域分为河渠㊁湖泊㊁水库坑塘㊁滩涂和滩地５种类型㊂未利用地指我国还未利用的土地或难以利用的土地类型，包括沙地㊁戈壁㊁盐碱地㊁沼泽地㊁裸土地㊁裸岩石质地和其他未利用地等㊂我国未利用地有的是碳汇㊁有的是碳排放，但都较弱，根据赖力等［２３］的研究，取未利用地碳汇系数为０．０００５ｔｈｍ－２ａ－１㊂表１㊀土地利用类型及对应的碳汇系数Ｔａｂｌｅ１㊀Ｃａｒｂｏｎｓｉｎｋｃｏｅｆｆｉｃｉｅｎｔｏｆｌａｎｄ⁃ｕｓｅｔｙｐｅ土地利用类型ＲｅｆｅｒｅｎｃｅｓＣｏｅｆｆｉｃｉｅｎｔ参考来源Ｌａｎｄ⁃ｕｓｅｔｙｐｅ碳汇系数林地Ｗｏｏｄｌａｎｄ有林地０．８７ｔｈｍ－２ａ－１Ｆａｎｇ等［１９］㊁Ｔａｎｇ等［２０］灌木林０．２３ｔｈｍ－２ａ－１疏林地０．５８ｔｈｍ－２ａ－１其他林地０．２３２７ｔｈｍ－２ａ－１草地Ｇｒａｓｓ高覆盖度草地０．１３８ｔｈｍ－２ａ－１Ｐｉａｏ等［２１］㊁方精云等［１８］中覆盖度草地０．０４６ｔｈｍ－２ａ－１低覆盖度草地０．０２１ｔｈｍ－２ａ－１水域Ｗａｔｅｒ河渠０．６７１ｔｈｍ－２ａ－１孔东升和张灏［２２］湖泊０．３０３ｔｈｍ－２ａ－１水库坑塘０．３０３ｔｈｍ－２ａ－１滩涂０．５６７ｔｈｍ－２ａ－１滩地０．５６７ｔｈｍ－２ａ－１未利用地Ｕｎｕｓｅｄｌａｎｄ未利用地０．０００５ｔｈｍ－２ａ－１赖力等［２３］２．１．２㊀碳汇强度考虑到用地面积大小对碳汇总量的影响，本文构建碳汇强度的概念来对单位土地碳汇能力进行衡量，并且就碳汇强度进行局部自相关分析㊂碳汇强度计算公式如下：Ｃｐ＝Ｃｓ／Ｓｕ（２）式中，Ｃｐ为碳汇强度；Ｃｓ为碳汇总量（ˑ１０４ｔ），Ｓｕ为非建设用地面积㊂２．２㊀研究方法２．２．１㊀标准差椭圆分析法基于ＡｒｃＧＩＳ１０．２的空间分析功能，采用标准差椭圆分析方法［２４］对全国整体的碳汇在空间位置的分布情况进行分析㊂椭圆的长轴表征数据集分布的主要方向，其面积表征数据集分布的集聚（分散）程度㊂２．２．２㊀空间相关分析法基于ＡｒｃＧＩＳ１０．２的局部空间自相关分析功能，使用空间联系局域指标（ＬｏｃａｌＩｎｄｉｃａｔｏｒｓｏｆＳｐａｔｉａｌＡｓｓｏｃｉａｔｉｏｎ，ＬＩＳＡ）对区域整体相关程度进行衡量［２５⁃２６］：当ＭｏｒａｎᶄｓＩ为正数时，表示碳汇量在空间上呈集聚分布；当ＭｏｒａｎᶄｓＩ为负数时，表示碳汇量在空间上呈分散分布㊂冷点与热点的识别能进一步讨论的空间分布是聚集㊁分散或是随机的，目的是识别全国县域碳汇热点与冷点的空间分布㊂在ＡｒｃＧＩＳ中，采用Ｇｅｔｉｓ⁃ＯｒｄＧ∗统计量测度全国县域碳汇在局部空间的依赖性及异质性，Ｇｉ∗（ｄ）值为正表示高值聚类，即 热点区 ；反之为低值聚类，即 冷点区 ［２７⁃２８］㊂２．２．３㊀地理加权回归分析法地理加权回归分析（ＧｅｏｇｒａｐｈｉｃａｌｌｙＷｅｉｇｈｔｅｄＲｅｇｒｅｓｓｉｏｎ，ＧＷＲ），可以量化反映空间数据关系中的异质性特征，与传统回归模型相比，可以对不同空间进行局部地加权回归模型，并求解［２９］㊂县域碳汇的空间异质性是应用地理加权回归模型进行分析的前提条件，采用ＡＩＣ法与核密度估计求得带宽，利用高斯函数来确定权重，选取Ｆｏｔｈｅｒｉｎｇｈａｍ等提出的方法作为计算准则，即当ＡＩＣ值取最小值时，则此时的带宽为最佳带宽［３０］㊂以上所有操作均通过ＡｒｃＧＩＳ１０．２软件完成㊂３㊀中国县域碳汇时空分布特征３．１㊀１９９０ ２０１５中国县域碳汇的时序变化３．１．１㊀时序变化总体特征１９９０ ２０１５年中国碳汇总量呈波动下降趋势，碳汇量从１３３０７．７９ˑ１０４ｔ下降至１３１９８．２７ˑ１０４ｔ（图１）㊂可以将净碳汇总量的变化划分为３个阶段，即大幅下降⁃上升⁃缓慢下降㊂具体表现为，１９９０ １９９５年间，碳汇呈现急剧下降的趋势，从１９９０年的１３３０７．７９ˑ１０４ｔ，至１９９５年达到１３００３．４１ˑ１０４ｔ的谷值；之后近１０年内回升，到２００５年，碳汇达到１３２３１．４６ˑ１０４ｔ；随后缓慢下落，到２０１５年达到１３１９８．２７ˑ１０４ｔ㊂图１㊀１９９０ ２０１５年中国碳汇总量及比重Ｆｉｇ．１㊀ＴｏｔａｌｃａｒｂｏｎｓｉｎｋｖｏｌｕｍｅａｎｄｐｒｏｐｏｒｔｉｏｎｉｎＣｈｉｎａ，１９９０ ２０１５１９９８㊀２４期㊀㊀㊀张赫㊀等：中国县域碳汇时空格局及影响因素㊀３．１．２㊀时序变化比例结构碳汇类型主要以林地碳汇为主，占比约８０％，依次是草地（约１３．５％）㊁水域（约４．０％）和未利用地（约２．５％）（图１）㊂进一步对不同碳汇类型的比例结构展开分析，虽然比例结构大体没变，但在演变趋势上略有不同，高覆盖度草地㊁滩地碳汇都在１９９５年达到最低值，并在之后的年份里回升；滩涂㊁疏木林㊁沼泽地的碳汇均呈现先上升再波动下降的趋势；而其他类型的碳汇则呈现波动维稳的状态㊂３．２㊀１９９０ ２０１５中国县域碳汇的空间格局图２㊀１９９０ ２０１５年中国县域碳汇空间分布Ｆｉｇ．２㊀ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａ，１９９０ ２０１５３．２．１㊀空间总体格局从全国县域碳汇空间分布来看（图２），１９９０ ２０１５年间，中国县域碳呈现差异化分布的空间格局，在区域上［３１］呈现不同的变化趋势㊂从碳汇总量来看，全国县域碳汇大致呈现 西部＞东北＞南部＞中部 的 西高东低 格局；碳汇低值区域主要集中在新疆西北部㊁内蒙古西南部㊁甘肃㊁陕西㊁宁夏㊁山西㊁河北㊁河南㊁山东㊁安徽以及江苏北部；而碳汇高值区域主要集中于内蒙古东北部㊁西藏㊁浙江㊁江苏㊁福建地区；四川㊁云南㊁贵州广西等地碳汇高值与低值区域相间分布㊂分时段看，１９９０ １９９５年间，碳汇空间格局有所变化，内蒙古中部㊁西藏北部碳汇均有所下降；１９９５ ２０１５年间，内蒙古中部㊁西藏北部碳汇量回升，四川西北部碳汇增加㊂整体上看，我国内蒙古中部㊁黑龙江㊁吉林㊁辽宁㊁山东㊁河南㊁安徽等地碳汇总量下降较多，而新疆南部㊁陕西㊁陕西以及我国华中㊁华南㊁西南部分地区的碳汇则呈上升趋势㊂２９９８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀３．２．２㊀空间分异特征图３㊀１９９０ ２０１５年中国县域碳汇标准差椭圆㊀Ｆｉｇ．３㊀ＥｌｌｉｐｓｅｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎｏｆｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａ，１９９０ ２０１５从标准差椭圆方法揭示的空间分异格局来看（图３），碳汇整体以东北⁃西南的方向为主导，空间分布中心存在向西南移动的趋势，空间分布范围呈现收缩态势㊂在分异形状上，１９９１ ２０１１年，全国净碳汇空间分布标准差椭圆短轴与长轴的比值总体呈现出两阶段的规律，１９９０ ２０１０年间，全国净碳汇空间分布标准差椭圆短轴与长轴的比重呈现出增加的趋势，随后２０１０ ２０１５年间基本上保持不变，下降趋势极慢㊂在分异方向上，１９９０ ２０１５年间，全国碳汇空间分布标准差椭圆方位角在波动中呈现总体增长的趋势（表２）㊂１９９０ １９９５年，方位角不断缩小，西南部地区对全国碳汇空间格局的影响作用加强；１９９５ ２０００年，方位角不断增大，东北地区对全国净碳汇空间格局的影响作用加强；２０００ ２００５年，方位角不断缩小，随后保持不变，西南部地区的碳汇量对全国碳汇空间格局的影响作用加强后，趋于平稳㊂表２㊀１９９０ ２０１５年中国县域碳汇标准差椭圆测算结果Ｔａｂｌｅ２㊀ＥｌｌｉｐｓｅｃａｌｃｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎｏｆｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａ，１９９０ ２０１５年份Ｙｅａｒ中心坐标经度Ｃｅｎｔｅｒｃｏｏｒｄｉｎａｔｅｌｏｎｇｉｔｕｄｅ／（ʎ）中心坐标纬度Ｃｅｎｔｅｒｃｏｏｒｄｉｎａｔｅｌａｔｉｔｕｄｅ／（ʎ）短半轴Ｓｈｏｒｔｓｅｍｉ⁃ａｘｉｓ／ｋｍ长半轴Ｌｏｎｇｓｅｍｉ⁃ａｘｉｓ／ｋｍ方位角Ａｚｉｍｕｔｈ／（ʎ）短轴／长轴Ｓｈｏｒｔａｘｉｓ／ｌｏｎｇａｘｉｓ１９９０１１１．７４８９７３０．１９８１０８．２１６８７１２．３６７５５６１．７２９１６０．６６４３８９１９９５１１１．７５５４１３０．０４０４６８．１６５８３１２．１８２３７６０．９９１２８０．６７０２９９２０００１１１．６８４８５３０．１１０６０８．２２６１８１２．２４７６１６３．１０３７６０．６７１６５６２００５１１１．６７９０２３０．１３５５８８．２３１７３１２．２４７８９６２．７９７５７０．６７２０９４２０１０１１１．６７３３０３０．１４０５４８．２２５８２１２．２４３００６２．７９２１７０．６７１８８２０１５１１１．６６５８７３０．１４７５３８．２２４６６１２．２４８０７６２．７６９５４０．６７１５０７３．２．３㊀空间聚集特征从冷热点的空间分布变化看（图４），中国县域碳汇总量的冷热点空间分布集聚程度呈现波动稳定的特征㊂整体上看，碳汇总量热点以黑龙江㊁内蒙古北部，西藏南部和广东㊁湖南交界处为中心，在其周围呈连片分布；碳汇总量冷点在山西㊁陕西㊁河北㊁河南㊁安徽㊁江苏等地连片分布，并且在四川㊁重庆和贵州交界处有少量分布㊂在时空上，１９９０ １９９５年间，我国西部的碳汇总量热点从西藏藏族自治区的尼玛县㊁双湖县和改则县消失，演变为围绕西藏南部的加查县㊁那曲县㊁班戈县等地分布的格局；１９９５ ２０００年，我国西部的碳汇总量的热点逐渐变化为１９９０年的格局特征，并在２０００ ２０１５年间保持较为平稳的态势㊂１９９０ ２０１５年，我国东南部碳汇总量热点呈现先扩大再逐渐缩小的过程；１９９０ １９９５年，我国东南部碳汇热点区域呈现向湖南桂阳县㊁嘉禾县㊁临武县等地聚集特征，热点分布范围有扩大趋势；１９９５ ２０１５，我国西南部碳汇总量热点分布范围逐年缩小㊂１９９０ ２０００年间，我国东北部碳汇总量热点区域不断缩小，体现在内蒙古阿鲁科尔㊁巴林右旗㊁克什克腾㊁扎鲁特旗等地逐渐退出碳汇总量热点区；２０００ ２０１５年，我国东北部碳汇总量热点区域逐渐扩大㊂从我国县域碳汇总量冷热点的时空分布可以看出，我国碳汇总量整体格局是西南㊁东南㊁东北多，中部少，空间集聚性和整体分布波动维稳㊂从局部空间自相关来看（图５），中国县域碳汇强度的空间集聚程度变化不明显，具有高值与低值聚集，３９９８㊀２４期㊀㊀㊀张赫㊀等：中国县域碳汇时空格局及影响因素㊀图４㊀１９９０ ２０１５年中国县域碳汇的热点分析Ｆｉｇ．４㊀ＴｈｅｏｆｈｏｔｓｐｏｔａｎａｌｙｓｉｓｏｆｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａ，１９９０２０１５图５㊀１９９０ ２０１５年中国县域碳汇强度的ＬＩＳＡ集聚图Ｆｉｇ．５㊀ＬＩＳＡｃｌｕｓｔｅｒｍａｐｏｆｐｅｒｃａｐｉｔａｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａ，１９９０ ２０１５高⁃低区域零星分布的特点㊂其中，碳汇强度高值区域集聚在湖南㊁江西㊁福建㊁浙江及云南㊁四川㊁黑龙江㊁吉林㊁辽宁的部分地区；碳汇强度低值区域集聚在新疆西北部㊁内蒙古西部，青海东部，以及宁夏㊁甘肃㊁山西㊁河北㊁山东㊁河南㊁安徽等地；高⁃低区域较稀少，零星分布于陕西㊁山西㊁河南及京津冀地区㊂对比中国县域碳汇总量的冷热点和中国县域碳汇强度的局部空间自相关时空分布，整体上看，我国东北４９９８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀部鄂伦春自治旗㊁漠河县㊁塔城县等地，东南部桂阳县㊁嘉禾县等地的碳汇总量与碳汇强度都出现了高值聚集的特征；而西藏加查县㊁那曲县等地的碳汇总量虽然呈现热点分布，但是碳汇强度却在低值聚类区域；而我国中部和东部沿海地区的陕西㊁江苏㊁河北等地的县域碳汇总量和碳汇强度等处于冷点和低值聚类区域㊂４㊀影响因素分析在对碳汇影响因素的研究中，大多数学者从气候条件㊁植被类型角度对碳汇能力进行分析㊂但本文在变量选取时主要考虑了以下两个方面：首先，本文在非建设用地的土地利用视角下对县域碳汇的空间分异进行研究，同时想要考察城镇化过程以及产业结构调整对我国的碳汇是否真正起到了促进作用；其次，地理加权回归方法对各个变量是否存在多重共线性要求较高，选取多个变量容易产生多重共线性，基于以上原因，本文重点选取了经济发展㊁产业结构和土地利用程度作为研究的解释变量㊂各解释变量的定义和选取理由：①经济发展：不同地区处于不同经济发展阶段，其经济发展水平也不同，经济发展带来大量的城市开发，碳汇也随之减少㊂用国民生产总值（ＧＤＰ）来表征地区经济发展㊂②产业结构：工业高排放与高污染的特征对环境的胁迫效应明显，要促进我国生态文明建设，产业结构升级和增汇同样重要㊂用工业产值占ＧＤＰ总量的比例表征产业结构㊂③土地利用程度：土地利用程度越低，碳汇通常更高，随着城市建设用地的扩张，碳汇量也会减少㊂用县域建设用地面积和县域总面积的比值表征土地利用程度㊂由于各个变量的量纲不同，因此对各个数据进行最大－最小值标准化处理，通过ＡｒｃＧＩＳ１０．２对我国１３３０个县域数据进行地理加权回归，回归结果为回归的整体结果输出，包括回归的拟合系数㊁最优带宽和ＡＩＣ值（表３）㊂表３㊀ＧＷＲ模型的整体估计结果Ｔａｂｌｅ３㊀ＯｖｅｒａｌｌｅｓｔｉｍａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅＧＷＲｍｏｄｅｌＲ２调整Ｒ２ＡｄｊｕｓｔｅｄＲ２残差平方和ＲｅｓｉｄｕａｌｓＳＳ带宽ＢａｎｄｗｉｄｔｈＡＩＣｃ０．５９０．５６１．３４３．４６－５４８６．６４㊀㊀ＲｅｓｉｄｕａｌｓＳＳ：残差平方和ＲｅｓｉｄｕａｌｓＳｕｍｏｆＳｑｕａｒｅｓ；ＡＩＣｃ：改良的赤池信息量准则ＡｋａｉｋｅＩｎｆｏｒｍａｔｉｏｎＣｒｉｔｅｒｉｏｎ，ｃｏｒｒｅｃｔｅｄ通过地理加权回归的方法，可以得到每个县的回归方程，而这些结果可以考虑到各省市在空间地理位置的相互影响，因此结果可以充分考察各地区的空间异质性㊂从各因素的影响程度来看（图６），２０１５年经济发展和土地利用程度对中国县域碳汇的影响远高于产业结构产生的影响㊂经济发展和产业结构因素除了在个别地区对碳汇产生负相关外，大部分区域均呈正相关；土地利用方式则在全部区域与碳汇均呈负相关（图７㊁图８）㊂４．１㊀经济发展对碳汇的影响ＧＤＰ的回归系数波动较大（－１１．２１６３０５ ５．４３３８１９），说明经济发展对全国县域碳汇影响的地区差异较大（图６），但是仍然存在空间异质性的现象㊂整体上看，２０１５年经济发展对碳汇影响能力较小，呈现出在西藏东南部和四川西部的回归系数高绝对值区域㊂２０１５年林芝市米林县㊁墨脱县㊁朗县，昌都市八宿县㊁洛隆县㊁边坝县以及山南市加查县㊁错那县和嘉黎县，说明经济发展对当地的碳汇产生了较强的负影响，在这类区域应该转变经济发展方式，促进增汇减排㊂而在甘孜阿坝自治州的德格县㊁白玉县等地回归系数为正值且高于全国其它县域，说明经济发展对当地的碳汇产生了较强的正影响，说明经济发展促进了当地的环保业发展㊂４．２㊀产业结构对碳汇的影响从产业结构来看（图７），产业结构代表第二产业产值占整个国民生产总值的比重，从这一指标考察产业结构对碳汇的影响，若碳汇随着产业结构的增加而增加，则说明技术进步在其中起到了积极作用㊂２０１５年，产业结构与碳汇在内蒙古赤峰市阿鲁科尔自治旗㊁林西县㊁翁牛特旗等地，内蒙古昌都市贡觉县㊁边坝县㊁查雅县等地，西藏林芝市米林县㊁墨脱县等地呈正相关，说明技术水平进步在这些地区对增汇产生了正面影响㊂然５９９８㊀２４期㊀㊀㊀张赫㊀等：中国县域碳汇时空格局及影响因素㊀而在内蒙古呼伦贝尔市阿荣县㊁兴安盟，黑龙江龙江县㊁漠河县㊁嫩江县等地均呈现负相关，表明产业结构对碳汇产生负影响，即二产比值越高，碳汇越低，这代表在这些区域应该促进产业结构升级或者技术进步以达到增汇减排的目的㊂图６㊀２０１５年ＧＷＲ模型经济发展回归系数的空间分布㊀Ｆｉｇ．６㊀ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆＧＤＰｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｉｎｔｈｅＧＷＲｍｏｄｅｌ，２０１５图７㊀２０１５年ＧＷＲ模型产业结构回归系数的空间分布㊀Ｆｉｇ．７㊀ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｉｎｄｕｓｔｒｉａｌｓｔｒｕｃｔｕｒｅｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｉｎｔｈｅＧＷＲｍｏｄｅｌ，２０１５图８㊀２０１５年ＧＷＲ模型土地利用程度回归系数的空间分布㊀Ｆｉｇ．８㊀Ｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｌａｎｄ－ｕｓｅｄｅｇｒｅｅｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｉｎｔｈｅＧＷＲｍｏｄｅｌ，２０１５４．３㊀土地利用程度对碳汇的影响土地利用程度越低，碳汇通常更高，随着城市建设用地的扩张，碳汇量也会减少㊂土地利用程度与全国县域碳汇呈现明显的负相关性，影响程度在地域上存在差异性㊂整体上看（图８），２０１５年土地利用程度对碳汇的影响程度沿胡焕庸线呈现鲜明的差异，即在西北半壁的影响程度高于东南半壁的影响程度，说明在我国西北半壁的县域应该更加谨慎增加建设用地面积，合理利用和开发土地；在东南半壁的县域应注重调整非建设用地的土地使用格局，增加生态用地面积，植树造林，保护和增加林地㊁湿地等碳汇系数高的用地类型㊂５㊀结论与建议５．１㊀结论通过对１９９０ ２０１５年间中国县域碳汇总量时空格局进行分析，基于标准差椭圆㊁局部空间自相关㊁冷热点分析和地理加权回归分析方法，探析中国县域碳汇的时空分异特征及影响因素，其主要结论如下：（１）从时空变化规律上看，１９９０ ２０１５年中国碳汇总量呈波动下降趋势，从１３３０７．７９ˑ１０４ｔ下降至１３１９８．２７ˑ１０４ｔ；但不同碳汇类型的比例结构保持不变，碳汇类型主要以林低碳汇为主，占比约８０％，依次是草地（约１３．５％）㊁水域（约４．０％）和未利用地（约２．５％）㊂在空间分布上，中国县域碳汇总体呈现差异化分布的空间格局，在区域上呈现不同的变化趋势，大致呈现 西部＞东北＞南部＞中部 的 西高东低 格局㊂６９９８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀（２）从空间分异和空间聚集格局来看，碳汇空间分布中心整体存在向西南移动的趋势，空间分布范围呈现收缩态势，西南地区对全国县域碳汇空间格局的影响作用加强；１９９０ ２０１５年中国县域碳汇总量的冷热点空间分布集聚程度呈现波动稳定的特征，而中国县域碳汇强度的空间集聚程度变化不明显，具有高值与低值聚集，高－低区域零星分布的特点㊂（３）从影响因素来看，２０１５年经济发展对全国县域碳汇产生了较弱的影响，产业结构对全国县域碳汇产生了较强的影响，土地利用程度对全国县域碳汇产生了负影响，且都存在空间异质性的现象㊂５．２㊀建议以全国县域作为研究对象，以１９９０ ２０１５每５年的土地利用数据为基础，从碳汇类型和碳汇总量等方面讨论了中国县域碳汇的时空变化规律㊁空间分布差异性以及其影响因素㊂基于研究，在未来发展过程中可考虑以下低碳策略：①合理规划县域非建设用地的土地利用方式㊂林地碳汇作用主要碳汇类型的作用不容忽视，而湿地和高覆盖度草地碳汇由于强大的碳吸收能力也应得到充分保护㊂因此，在县域非建设用地区域应采取扩大林地面积，保护低承载力草地和湿地，恢复退化土地，优先开发未利用地等措施来提高其碳贮量，实现生态系统增汇减排的目的㊂②根据不同县域的碳汇时空发展现状，针对性制定增汇减排目标和方案㊂例如在我国中部以及部分东部存在碳汇低值集聚的地区，其首要任务是促进产业的转型升级，加强生态文明建设，加大生态保护力度等；而在而在黑龙江㊁内蒙古北部，西藏南部㊁广东㊁湖南等高值集聚的区县，则可采用碳交易的方式 以东带西 ，拉动西部经济发展，弥补东部的 生态赤字 ㊂③严格控制建设用地规模㊂研究期内建设用地的扩张对全国范围内的碳汇均产生负影响，因此应控制建设用地的低效扩张，提高土地利用效率，集约节约用地㊂由于数据限制，计算采用精度１ｋｍ的土地利用数据进行碳汇计算，数据的栅格较大，而采用的系数法对系数的精度要求较高，会一定程度上影响计算结果的精度㊂本文仅评价分析了经济发展㊁产业结构和土地利用程度对碳汇的影响，对于格局形成的其他驱动因素和内在机制有待深入研究㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀ＩＰＣＣ．Ｌａｎｄｕｓｅ，ｌａｎｄ⁃ｕｓｅｃｈａｎｇｅ，ａｎｄｆｏｒｅｓｔｒｙ／／ＷａｔｓｏｎＲＴ，ＮｏｂｌｅＩ，ＢｏｌｉｎＢ，ＲａｖｉｎｄｒａｎａｔｈＮＨ，ＶｅｒａｒｄｏＤＪ，ＤｏｋｋｅｎＤＪ，ｅｄｓ．ＡＳｐｅｃｉａｌＲｅｐｏｒｔｏｆｔｈｅＩＰＣＣ．Ｗａｓｈｉｎｇｔｏｎ：ＩＰＣＣ，２０００．［２］㊀董祚继．优化国土空间布局，推动城市低碳发展．环境经济，２０１８，（１３）：５０⁃５１．［３］㊀何建坤，刘滨，陈迎，徐华清，郭元，胡秀莲，张希良，李玉娥，张阿玲，陈文颖，韦志洪，段茂盛，张晓华，吕应运．气候变化国家评估报告（Ⅲ）：中国应对气候变化对策的综合评价．气候变化研究进展，２００６，（４）：１４７⁃１５３，２０９⁃２０９．［４］㊀包存宽．生态文明视野下的空间规划体系．城乡规划，２０１８，（５）：６⁃１３．［５］㊀叶祖达．建立低碳城市规划工具 城乡生态绿地空间碳汇功能评估模型．城市规划，２０１１，３５（２）：３２⁃３８．［６］㊀邓明君，罗文兵，尹立娟．国外碳中和理论研究与实践发展述评．资源科学，２０１３，３５（５）：１０８４⁃１０９４．［７］㊀舟丹．什么是 碳减排 ㊁ 碳中和 ㊁ 碳汇 ？中外能源，２０１１，１６（１１）：３８⁃３８．［８］㊀马晓哲，王铮．土地利用变化对区域碳源汇的影响研究进展．生态学报，２０１５，３５（１７）：５８９８⁃５９０７．［９］㊀ＮａｉｐａｌＶ，ＬａｕｅｒｗａｌｄＲ，ＣｉａｉｓＰ，ＧｕｅｎｅｔＢ，ＷａｎｇＹＬ．ＣＥ⁃ＤＹＮＡＭ（ｖ１）：ａｓｐａｔｉａｌｌｙｅｘｐｌｉｃｉｔｐｒｏｃｅｓｓ⁃ｂａｓｅｄｃａｒｂｏｎｅｒｏｓｉｏｎｓｃｈｅｍｅｆｏｒｕｓｅｉｎＥａｒｔｈｓｙｓｔｅｍｍｏｄｅｌｓ．ＧｅｏｓｃｉｅｎｔｉｆｉｃＭｏｄｅｌＤｅｖｅｌｏｐｍｅｎｔ，２０２０，１３（３）：１２０１⁃１２２２．［１０］㊀彭文甫，周介铭，徐新良，罗怀良，赵景峰，杨存建．基于土地利用变化的四川省碳排放与碳足迹效应及时空格局．生态学报，２０１６，３６（２２）：７２４４⁃７２５９．［１１］㊀裴杰，王力，柴子为，扶卿华，牛铮．基于ＲＳ和ＧＩＳ的深圳市土地利用／覆被变化及碳效应分析．水土保持研究，２０１７，２４（３）：２２７⁃２３３．［１２］㊀张海凤，崔桂善．土地利用／覆盖类型的变化对陆地生态系统碳收支的影响．中国资源综合利用，２０１９，３７（１）：１７６⁃１７９．［１３］㊀罗谷松，李涛．碳排放影响下的中国省域土地利用效率差异动态变化与影响因素．生态学报，２０１９，３９（１３）：４７５１⁃４７６０．［１４］㊀李小康，王晓鸣，华虹．土地利用结构变化对碳排放的影响关系及机理研究．生态经济，２０１８，３４（１）：１４⁃１９．［１５］㊀ＣｈｅｎＺ，ＹｕＧＲ，ＷａｎｇＱＦ．Ｅｆｆｅｃｔｓｏｆｃｌｉｍａｔｅａｎｄｆｏｒｅｓｔａｇｅｏｎｔｈｅｅｃｏｓｙｓｔｅｍｃａｒｂｏｎｅｘｃｈａｎｇｅｏｆａｆｆｏｒｅｓｔａｔｉｏｎ．ＪｏｕｒｎａｌｏｆＦｏｒｅｓｔｒｙＲｅｓｅａｒｃｈ，２０２０，３１（２）：３６５⁃３７４．［１６］㊀赵荣钦，刘英，马林，李宇翔，侯丽朋，张战平，丁明磊．基于碳收支核算的河南省县域空间横向碳补偿研究．自然资源学报，２０１６，３１（１０）：１６７５⁃１６８７．７９９８㊀２４期㊀㊀㊀张赫㊀等：中国县域碳汇时空格局及影响因素㊀。
中国水产科学 2011年5月, 18(3): 703−711 Journal of Fishery Sciences of China综述收稿日期: 2010−11−22; 修订日期: 2011−01−28.基金项目: 国家973计划项目(2010CB951802); 中国科学院战略性先导科技专项课题(XDA05030402). 作者简介: 宋金明(1964–), 男, 研究员, 博士生导师. E-mail: jmsong@ *“中国工程院第109场工程科技论坛—碳汇渔业与渔业低碳技术”特约综述.DOI: 10.3724/SP.J.1118.2011.00703中国近海生态系统碳循环与生物固碳*宋金明中国科学院 海洋研究所, 山东 青岛266071摘要: 本文系统总结了近几年来中国近海海–气界面碳通量及控制因素、近海碳循环的关键过程以及近海生物固碳强度的研究进展, 提出了中国近海渔业碳汇过程研究应关注的主要科学问题。
近海海–气界面碳通量过程、生物泵过程、颗粒物沉降与释放以及捕捞/养殖碳转移过程是中国近海生态系统碳循环的主要控制过程。
中国近海在总体上是大气二氧化碳的汇, 年吸收3 000万~5 000万t 碳, 但在部分浅海海域如胶州湾、长江口等是大气二氧化碳的源; 中国近海浮游植物的年固碳量可达6.39亿t, 春季和夏季浮游植物固碳占全年的65.3%。
南海浮游植物固碳达4.16亿t, 为渤海、黄海和东海的2倍。
渔业捕捞与海水养殖可明显增加海洋碳汇, 仅就近几年大型藻养殖而言, 每年可多固定40万t 碳, 如果每年的养殖量增加5%, 到2020年大型藻养殖可固定碳93万t/年, 所以, 为增加渔业捕捞与海水养殖碳汇, 必须加强揭示渔业碳汇海域生态环境、建立渔业碳增汇强度评估方法以及明确渔业资源利用碳再生循环周期等研究。
关键词: 碳循环过程; 浮游植物; 固碳; 渔业捕捞与海水养殖碳汇; 中国近海中图分类号: X17；F326 文献标志码: A 文章编号: 1005−8737−(2011)03−0703−09随着2010年哥本哈根气候会议的召开, 碳的减排又一次成为世界各国关注的热点。
以碳循环为例，讨论农田生态系统和森林生态系统物质循环的差异 碳是地球上有机物和无机物系统中最广泛的元素，在大气圈中以气态CO2，CH4和CO 存在，在水圈中以碳酸根离子的形式出现，在土壤生物圈是构成活的或死的有机物质的主要元素，在岩石圈是碳酸盐岩和沉积物的主要成分,碳的各种不同存在形式可以看作是地表系统中不同的储存库，其间由于各种各样的物质和能量循环使碳的存在形式相互转化，也就产生了碳的源与汇之说。
任何释放碳素的过程谓之“源”，固定碳素的过程称为“汇”。
碳源和碳汇都是以大气圈为参照系，以向大气中输入碳或从大气中输出碳为标准来确定，最终决定一个体系是源还是汇的是碳的净收支。
全球碳循环是指碳素在地球的各个圈层(大气圈、水圈、生物圈、土壤圈、岩石圈)之间迁移转化和循环周转的过程。
由于陆地的面积比较大，大气总碳量每年约有5%的收支是通过陆地生物群落交换的。
因此陆地生态系统碳库的微小变化都将对大气CO2浓度带来很大的影响。
1、生态系统碳库及碳循环现状1）农田生态系统碳库及碳循环现状农业是重要的温室气体排放源，农田生态系统碳库是全球碳库和陆地生态系统碳库的重要组成部分，而且是其中最活跃的部分。
农田生态系统既可能是一个碳源，又可能是碳汇。
一方面要发展农业，就会增加农业源的碳排放，促使全球变暖。
另一方面作物在其生长发育过程中会通过光合作用吸收并转化碳。
对我国农业生态系统碳平衡进行估算的研究表明，当前我国农业生态系统是一个弱碳汇。
但由于各地区生产布局条件和经济发展水平的差异，我国农业生态系统的碳汇功能具有地域差异，尽管大部分地区为碳汇区，仍然也有部分地区为农业碳源，如京、津、沪、广东及云、贵、川等地。
而且由于施肥和田间管理不当等原因，我国农业土壤碳库处于负平衡状态，即有机碳储量以每年7.38×1013g的速率逐年减少。
2）森林生态系统碳库及碳循环现状森林是全球陆地生态系统中最大有机碳库。
森林生态系统较农田生态系统受人类影响小，所以其土壤中碳库的质和量相对稳定。
中国农业大学学报 ２０１６，２１（７）：１３３－１４１Ｊｏｕｒｎａｌ ｏｆ Ｃｈｉｎａ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙｈｔｔｐ：∥ｘｕｅｂａｏ．ｃａｕ．ｅｄｕ．ｃｎＤＯＩ：１０．１１８４１／ｊ．ｉｓｓｎ．１００７－４３３３．２０１６．０７．１７山东省农田生态系统碳源、碳汇及其碳足迹变化分析王梁１ 赵杰１，２ 陈守越１（１．临沂大学资源环境学院，山东临沂２７６０００；２．山西大学黄土高原研究所，太原０３０００６）摘 要 依据２００２—２０１３年山东省１７地市农业投入、播种面积以及作物产量等统计数据，对全省各地市农田生态系统进行碳源、碳汇估算，从中分析其变化规律，并探讨造成碳源、碳汇时空变化的影响因素。
结果表明：山东省农田系统具备较强的碳汇能力，碳吸收量明显高于碳排放量，两者的总量之比为４．３２∶１；碳吸收量和碳汇量呈增加趋势，碳排放量和碳足迹呈降低趋势；农田生态系统表现出较大的碳生态盈余，碳足迹占同期耕地面积的比值呈现降低趋势，２００２年为２７．７１％，２０１３年为２０．９６％；１７地市之间单位面积碳汇量和单位面积碳足迹存在明显差异，２０１３年单位面积碳汇量最高的为德州市（６．２０ｔ／ｈｍ２）、最低为威海市（３．０２ｔ／ｈｍ２），单位面积碳足迹最高的威海市为０．２６ｈｍ２／ｈｍ２、最低的泰安市为０．０８ｈｍ２／ｈｍ２。
关键词 农田生态系统；碳源；碳汇；碳足迹中图分类号 Ｋ ９０１ 文章编号 １００７－４３３３（２０１６）０７－０１３３－０９ 文献标志码 Ａ收稿日期：２０１５－１０－１２基金项目：山东省自然科学基金项目（ＺＲ２０１５ＤＬ００２）；临沂市科技惠民计划（２０１５ＨＭ００４）；国家星火计划（２０１５ＧＡ７４００６４）第一作者：王梁，硕士生导师，博士，主要从事农业生态学研究，Ｅ－ｍａｉｌ：ｗａｎｇｌｉａｎｇ．ｃｎ＠１６３．ｃｏｍ Ａｎａｌｙｓｉｓ ｏｆ ｅｃｏｓｙｓｔｅｍ ｃａｒｂｏｎ ｓｏｕｒｃｅｓ／ｓｉｎｋｓ ａｎｄ ｃａｒｂｏｎｆｏｏｔｐｒｉｎｔ ｉｎ ｆａｒｍｌａｎｄ ｅｃｏｓｙｓｔｅｍ ｏｆ Ｓｈａｎｄｏｎｇ ＰｒｏｖｉｎｃｅＷＡＮＧ Ｌｉａｎｇ１，ＺＨＡＯ Ｊｉｅ１，２，ＣＨＥＮ Ｓｈｏｕ－ｙｕｅ１（１．Ｃｏｌｌｅｇｅ ｏｆ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ，Ｌｉｎｙｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｌｉｎｙｉ ２７６０００，Ｃｈｉｎａ；２．Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｌｏｅｓｓ Ｐｌａｔｅａｕ，Ｓｈａｎｘｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｔａｉｙｕａｎ ０３０００６，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｓｔａｔｉｓｔｉｃａｌ ｄａｔａ（ａｇｒｉｃｕｌｔｕｒａｌ ｉｎｖｅｓｔｍｅｎｔｓ，ｃｒｏｐｓ ａｒｅａｓ ａｎｄ ｃｒｏｐｓ ｏｕｔｐｕｔ）ｏｆ １７ｃｉｔｉｅｓ ｆｒｏｍ２００２ｔｏ ２０１３ｉｎ Ｓｈａｎｄｏｎｇ Ｐｒｏｖｉｎｃｅ，ｔｈｅ ｆａｒｍｌａｎｄ ｅｃｏｓｙｓｔｅｍ ｃａｒｂｏｎ ａｎｄ ｃａｒｂｏｎ ｓｉｎｋｓ ａｎｄ ｉｔｓ ｃｈａｎｇｉｎｇ ｒｕｌｅｓ ｏｆ ｅｎｔｉｒｅｐｒｏｖｉｎｃｅ ｗａｓ ｅｓｔｉｍａｔｅｄ ａｎｄ ｔｈｅ ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｗｈｉｃｈ ｃａｕｓｅｄ ｃａｒｂｏｎ ｓｏｕｒｃｅｓ ａｎｄ ｃａｒｂｏｎ ｓｉｎｋｓ’ｓｐａｔｉａｌ ａｎｄ ｔｅｍｐｏｒａｌｃｈａｎｇｉｎｇ ｗｅｒｅ ｅｘｐｌｏｒｅｄ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ：Ａｇｒｉｃｕｌｔｕｒａｌ ｓｙｓｔｅｍ ｉｎ Ｓｈａｎｄｏｎｇ Ｐｒｏｖｉｎｃｅ ｈｏｌｄｓ ａ ｐｏｗｅｒｆｕｌ ｃａｒｂｏｎ ｓｉｎｋｃａｐａｃｉｔｙ，ｔｈｅ ａｍｏｕｎｔ ｏｆ ｃａｒｂｏｎ ｓｅｑｕｅｓｔｒａｔｉｏｎｓ ｉｓ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｈｉｇｈｅｒ ｔｈａｎ ｔｈａｔ ｏｆ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎｓ，ａｎｄ ｔｈｅ ｒａｔｅ ｏｆ ｔｈｅｔｏｔａｌ ａｍｏｕｎｔ ｂｅｔｗｅｅｎ ｔｈｅｍ ｉｓ ４．３２∶１；Ｔｈｅ ａｍｏｕｎｔ ｏｆ ｃａｒｂｏｎ ｓｅｑｕｅｓｔｒａｔｉｏｎ ａｎｄ ｃａｒｂｏｎ ｓｉｎｋｓ ｉｓ ａｐｐａｒｅｎｔｌｙ ｄｉｓｐｌａｙｉｎｇａｎ ｉｎｃｒｅａｓｉｎｇ ｔｅｎｄｅｎｃｙ，ｔｈｅ ａｍｏｕｎｔ ｏｆ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎｓ ａｎｄ ｃａｒｂｏｎ ｆｏｏｔｐｒｉｎｔ ｓｈｏｗｓ ａ ｄｅｃｒｅａｓｉｎｇ ｔｅｎｄｅｎｃｙ；Ｔｈｅ ｆａｒｍｌａｎｄｅｃｏｓｙｓｔｅｍ ｄｉｓｐｌａｙｓ ａ ｐｒｏｍｉｓｉｎｇ ｃａｒｂｏｎ ｅｃｏｌｏｇｉｃａｌ ｓｕｒｐｌｕｓ，ｗｈｉｌｅ ｔｈｅ ｒａｔｉｏ ｂｅｔｗｅｅｎ ｆｏｏｔｐｒｉｎｔ ａｒｅａ ａｎｄ ｆａｒｍｌａｎｄ ａｒｅａ ｉｓｄｒｏｐｐｉｎｇ，ｗｈｉｃｈ ｗａｓ ２７．７１％ｉｎ ２００２ａｎｄ ２０．９６％ｉｎ ２０１３；Ｔｈｅｒｅ ａｒｅ ｏｂｖｉｏｕｓ ｄｉｆｆｅｒｅｎｃｅｓ ａｍｏｎｇ ｔｈｅ １７ｃｉｔｉｅｓ ｏｎ ｐｅｒｕｎｉｔ ａｒｅａ ｏｆ ｃａｒｂｏｎ ｓｉｎｋｓ ａｎｄ ｃａｒｂｏｎ ｆｏｏｔｐｒｉｎｔ．Ｉｎ ２０１３，ｔｈｅ ｈｉｇｈｅｓｔ ａｍｏｕｎｔ ｏｆ ｐｅｒ ｕｎｉｔ ａｒｅａ ｃａｒｂｏｎ ｓｉｎｋｓ ｉｓ Ｄｅｚｈｏｕ Ｃｉｔｙ（６．２０ｔ／ｈｍ２）；ｔｈｅ ｌｏｗｅｓｔ ｉｓ Ｗｅｉｈａｉ Ｃｉｔｙ（３．０２ｔ／ｈｍ２）．Ｔｈｅ ｈｉｇｈｅｓｔ ｐｅｒ ｕｎｉｔ ａｒｅａ ｏｆ ｃａｒｂｏｎ ｆｏｏｔｐｒｉｎｔ ｉｓ Ｗｅｉｈａｉ Ｃｉｔｙ（０．２６ｈｍ２／ｈｍ２），ｔｈｅ ｌｏｗｅｓｔ ｉｓ Ｔａｉ’ａｎ Ｃｉｔｙ（０．０８ｈｍ２／ｈｍ２）．Ｋｅｙｗｏｒｄｓ ｆａｒｍｌａｎｄ ｅｃｏｓｙｓｔｅｍ；ｃａｒｂｏｎ ｓｏｕｒｃｅ；ｃａｒｂｏｎ ｓｉｎｋ；ｃａｒｂｏｎ ｆｏｏｔｐｒｉｎｔ 农田生态系统作为自然经人工干预而形成的半自然生态系统，既是重要的碳源也是重要的碳汇。
农田生态系统的碳循环研究农田生态系统是陆地生态系统的重要组成部分，对全球碳循环有着深远的影响。
一、农田生态系统中的碳库农田生态系统包含多个碳库。
土壤是其中最大的碳库，它储存着大量的有机碳。
这些有机碳来源广泛，包括农作物残茬、根系分泌物以及有机肥等。
土壤中的有机碳以不同的形式存在，例如腐殖质和微生物生物量碳等。
腐殖质结构复杂，能在土壤中长期稳定存在，它的形成与土壤微生物的分解转化作用密切相关。
微生物生物量碳虽然在土壤碳库中所占比例相对较小，但却是最为活跃的部分，它参与土壤中众多的生物化学过程。
农作物也是农田生态系统中的一个碳库。
在作物生长过程中，通过光合作用将大气中的二氧化碳固定下来，转化为有机物质。
作物中的碳含量会随着生长阶段而发生变化。
例如在生长初期，作物生物量较小，碳固定量有限；而到了生长旺盛期，光合作用增强，大量的二氧化碳被固定在作物的茎、叶、果实等部位。
二、农田生态系统碳的输入作物光合作用作物光合作用是农田生态系统碳输入的主要途径。
绿色植物利用光能，将二氧化碳和水转化为葡萄糖等有机物质，并释放出氧气。
不同的作物由于其生理特性的差异，光合作用的效率有所不同。
例如，C4植物（如玉米、高粱等）相较于C3植物（如小麦、水稻等）在高温、强光等条件下具有更高的光合效率。
这是因为C4植物具有特殊的光合碳同化途径，能够更有效地利用二氧化碳。
有机肥的施用有机肥的施用也是碳输入的重要方式。
有机肥中含有丰富的有机物质，如畜禽粪便、作物秸秆堆肥等。
当这些有机肥施入农田后，其中的有机碳就被带入到农田生态系统中。
有机肥中的有机碳一部分会被土壤微生物快速分解，释放出二氧化碳；另一部分则会在微生物的作用下转化为土壤有机碳，增加土壤碳库的储量。
三、农田生态系统碳的输出土壤呼吸土壤呼吸是农田生态系统碳输出的主要方式之一。
土壤呼吸包括土壤微生物呼吸和植物根系呼吸。
土壤微生物呼吸是指土壤微生物分解有机物质产生二氧化碳的过程。
微生物分解的底物包括土壤中的动植物残体、根系分泌物以及土壤有机碳等。
中国农业碳排放的地区差异和影响因素分析杨钧【摘要】利用1996-2009年中国27个省级地区农业生产的相关数据,核算了相关省份农业生产导致的二氧化碳碳排放量,并分析了农业碳排放的地区差异.结果表明,中国省级地区的农业碳排放存在着显著的地区差异.利用各地区的农业碳排放数据,采用面板数据分析方法,对全国层面和东、中、西地区碳排放的影响因素进行了实证分析.结果表明,农业从业人口和农业机械化水平的提高,显著增加了各地区的农业碳排放量,农村人力资本积累则一定程度地减少了农业碳排放量,而农业生产发展与碳排放量之间的关系并不稳定.%Based on 27 Chinese provincial agriculture consumption data during 1996-2009, this paper calculates the agricultural dioxide carbon emission data from these provinces, and analyzes the carbon emission difference between diverse geographic areas, the analysis shows that there is significant regional difference in Chinese provincial agriculture carbon emission. Then, on the basis of regional carbon emission data calculated, this paper investigates the factors which influence the national, eastern, central and western agriculture carbon emission through panel data analysis, empirical results show that,the development in agricultural employment and agricultural mechanization development both increase the carbon emission, rural human capital accumulation to some extent reduces carbon emission, however, the relationship between agriculture development and carbon emission is not stable.【期刊名称】《河南农业大学学报》【年(卷),期】2012(046)003【总页数】7页(P336-342)【关键词】农业碳排放;地区差异;影响因素【作者】杨钧【作者单位】新乡学院管理学院,河南新乡453003【正文语种】中文【中图分类】F303二氧化碳排放引发的温室效应是当前全球关注的重要问题，联合国政府间气候框架组织(IPCC)的研究结果表明，人类生产、生活所导致的温室气体排放是全球气候变暖的主要原因．国际能源局(International Energy Agency，IEA)的数据显示，中国2007年能源消耗产生的二氧化碳排放量已高达60．32亿t，超越美国成为全球第一大温室气体排放国［1］．农业生产作为中国经济的重要基础，自改革开放以来，生产条件大为改善，生产效率大为提高，生产规模获得了较大发展;但在迅速发展的同时，电力、化石能源、化肥和农药等导致二氧化碳排放也在不断增加．考虑到当前面临的巨大碳减排压力以及农业生产在国民经济中的重要作用，研究中国农业生产的碳排放问题意义重大．对于农业碳排放问题，现有文献的研究主要可分为以下2类:一类是核算农业生产产生的碳排放量．如WEST等［2］以美国玉米生产为例，细致核算了农业生产产生的碳排放量;DYER等［3］分别利用经济与碳排放量模型、化石能源消耗与碳排放量模型，估算和比较了加拿大地区层面的玉米生产产生的碳排放量;黄祖辉和米松华［4］以浙江省为研究对象，通过投入产出和生命周期分析法，分析了当地农业生产的碳足迹．另一类是研究农业碳排放量的影响因素．如李国志和李宗植［5］利用LMDI(Logarithmic mean weight Divisia index)分解方法，分析了全国层面的农业碳排放量的影响因素;李波等［6］同样利用LMDI方法，分析了全国层面的农业碳排放量的影响因素;李国志等［7］基于环境库兹涅茨曲线(EKC)模型，分析了全国层面农业碳排放量与经济发展之间的关系．农业碳排放量的研究也存在一定缺憾．首先是研究对象方面，多数研究基于国家层面的研究数据进行分析，基于地区层面的研究较为少见，尤其是基于中国省级地区的研究更少．其次，在研究角度上，现有研究重视对农业碳排放量和影响因素的分析，对农业碳排放量的地区差异的研究略显不足，少有的区域差异研究在研究基础上存在一定缺陷．最后，在研究方法上，多数研究侧重于因素分解和时间序列数据分析，利用地区层面的面板数据对各地区碳排放量的影响因素和差异的分析极为少见．本研究较为科学地估算了中国27个省级地区1996—2009年农业生产产生的碳排放量;在根据相关省份经济、地理因素进行东、中、西地区分类的基础上，比较分析了3类地区的碳排放量差异;最后，综合利用面板数据分析方法，比较分析了全国和东、中、西地区碳排放量的影响因素．通过较为系统地分析中国省级地区农业碳排放量，一定程度上弥补了现有研究的缺陷．1 农业碳排放量的核算和地区差异1．1 农业碳排放量的核算目前，由于并无中国农业碳排放量的客观观测数据，现有的国内农业碳排放量研究多采用估算方法．对现有农业碳排放各种估算方法综合分析，比较而言，黄祖辉和米松华［4］的核算方法较为全面地反映了中国农业生产中的碳排放影响因素．该方法主要核算各地区农业生产中能源消耗(煤炭、焦炭、汽油、柴油、天然气、煤油、燃料油、原油和电力等9种能源材料)、农业生产投入(化肥、农药和农膜等3种农用材料)所导致的碳排放量．计算公式为:式中:Ct表示碳排放总量;Xi表示第i种碳排放源的实物消耗量;ei表示第i种排放源材料的二氧化碳排放系数，Ct和 Xi单位均为 t．采用 IPCC［9］的方法估算消耗能源材料的二氧化碳排放系数，各种能源材料的碳排放系数分别为:e煤炭=1．83 kgCO2·kg-1，e焦炭 =2．83 kgCO2·kg-1，e汽油 =2．92 kgCO2·kg-1，e柴油 =3．19 kgCO2·kg-1，e天然气 =21．62 kgCO2·m3，e煤油 =3．05 kgCO2·kg-1，e燃料油 =3．13 kgCO2·kg-1，e原油 =3．01 kgCO2·kg-1，e 电力 =0．86 kgCO2·(kWh)-1．由于并非所有的电力消耗都导致碳排放，借鉴冉光和［8］的做法，对电力的二氧化碳排放系数乘以0．75，以反映火电占全国电力供应的比重．化肥、农药和农膜的二氧化碳排放系数则参考李波等［6］计算方法，分别为:e化肥 =0．895 kgCO2·kg-1，e农药 =4．93 kgCO2·kg-1，e农膜=5．18 kgCO2·kg-1．各省级地区能源消耗的数据来自于1997—2010年“中国能源统计年鉴”中各省能源消耗平衡表中“农、林、牧、渔”的最终能源消耗;各省级地区化肥、农药和农膜的消耗数据来自于相应年份的“中国农村统计年鉴”．1．2 碳排放地区分布差异表1给出了1996年、2009年中国27个省份农业二氧化碳排放量．1996年、2009年各省碳排放量和研究期内各省的平均值比较结果表明，绝大部分省份的农业碳排放量在研究期内显著增加，意味着研究期内中国农业碳排放量绝对增长．北京、上海、江苏、云南和贵州等地区的碳排放量则有所下降，前3个地区碳排放下降反映农业生产规模的下降和农业生产效率的提高，后2个地区则可能主要是农业生产效率提高的原因．各地区碳排放量的比较结果表明，沿海地区省份碳排放量呈两极分化现象，河北、山东、江苏、广东等省份的碳排放量位居前列，北京、天津、上海等地区则相反;中部省份的碳排放量变化相对较小，大部分处于全国中等偏上水平;西部省份的碳排放量整体处于中等偏下水平．这表明，中国农业碳排放主要来源于东部和中部地区，西部地区则相对较少．表1 中国27个省份的农业二氧化碳排放量Table 1 China’s 27 provincial carbon dioxide emissions in agriculture 104t地区Areas 省份Provinces 1996 2009 均值Mean 排名Rank北京东部East Beijing 249 239 224 24天津Tianjin 267 165 216 26河北Hebei 703 2 209 1 336 1辽宁Liaoning 396 608 491 14上海Shanghai 275 162 225 23江苏Jiangsu 1 182 836 981 4浙江Zhejiang 650 828 755 6福建Fujian 334 420 370 19山东Shandong 867 1 447 1 105 2广东Guangdong 814 1169 969 5中部Central山西Shanxi 669 679 672 9吉林Jilin 175 271 267 20黑龙江Heilongjiang 542 774 678 8安徽Anhui 434 396 388 18江西Jiangxi 323 406 417 16河南Henan 866 1 302 1 099 3湖北Hubei 521 1 007 705 7湖南Hunan 465 1 199 665 10西部West 内蒙古Inner Mongolia 244 790 467 15广西Guangxi 144 327 221 25四川Sichuan 420 702 610 12贵州Guizhou 135 58 229 22云南Yunnan 318 190 233 21陕西Shanxi 276 630 416 17甘肃Gansu 356 819 617 11青海Qinghai 32 41 27 27新疆Xinjiang 384 958 550 13由表1可知，除个别年份外，研究期内3类地区的碳排放强度均处于明显上升的态势．3类地区间碳排放强度的绝对比较结果表明，东部地区的碳排放强度显著高于中、西部地区，几乎是中西部地区碳排放强度的2倍;中西部地区的碳排放强度则较为接近，但中部地区略高于西部地区．此种差异可能是东部地区农业生产中能源、化肥、农药等生产资料的消耗强度显著高于中西部所致．3类地区碳排放强度的变化走势表明，中部地区的碳排放强度相对稳定，研究期内仅上升0．2 t·人-1;西部地区的排放强度增势最为明显，增长了0．4 t·人-1，且势头强劲;东部地区的碳排放增幅居中，上升了0．3 t·人-1．这或许反映了西部地区农业生产从主要依靠人力投入的传统农业向资源投入型现代农业转变．2 农业碳排放的影响因素分析2．1 模型的构建现有关于碳排放影响因素的研究，多基于2类模型进行分析．一类研究基于“I=PAT”方程来考查碳排放的影响因素，此种方式主要考察人口规模(P)、人均财富(A)和技术水平(T)对碳排放(I)的影响;另一类研究则借用 Grossman和Krueger［10］的研究框架，利用环境库兹涅茨曲线(EKC)来考查相关因素对碳排放的影响．但由于在研究各影响因素时“I=PAT”模型存在等比例效果的缺陷，部分学者采用STIRPAT模型［11］，考查相关因素对碳排放差异性的影响．考虑到STIRPAT的通用性，本研究用STIRPAT模型作为基础模型，其模型为:式中:I为碳排放量;P为人口规模;A为人均财富;T为技术水平．为了直接获得相关因素对碳排放直接影响系数，同时，更好地消除异方差性，对式(2)两边取对数，得到式中:b，c，d直接反映了人口、财富和技术因素对碳排放的影响;ln a为常数项．考虑到农业生产的实际情况，本研究用农业就业人口p反映模型中的人口规模;用农业人均收入ey反映模型中的财富状况;用农用机械水平(m)和人力资本状况(h)来反映技术水平．同时，为了考查人均收入与碳排放的非线性关系，并与现有EKC模型的研究对照，在解释变量中引入人均收入的二次型．最终，得到的计量分析模型如下:式中:i表示地区;t表示年份;c为常数项;μi，t为随机误差项．2．2 计量方法、数据和变量说明由于本研究的实证分析主要采用面板数据分析方法，采用Hausman检验值作为模型选择固定效应(FE)和随机效应(RE)分析的依据，考虑到各省区碳排放以及相关数据可能存在异方差问题，在普通最小二乘法(OLS)估计的基础上，同时采用Cross-section加权的广义最小二乘法(GLS)估计检验相关模型．由于GLS估计值相对更加科学，实证分析主要基于GLS的估计结果，OLS估计值作为参考．同时，考虑到各地区在碳排放和相关影响因素的差异，在计量分析全国层面的地区数据的同时，分别对东、中、西3类地区的碳排放影响差异进行了回归估计，以便科学地考查中国农业碳排放影响因素的作用以及各地区在农业碳排放方面存在较大差异的原因．实证分析中所有涉及价值形态的数据，均采用1990年为基期的消费价格指数进行处理．考虑到数据的可得性和一致性，本研究的省区数据并未包括港澳台地区、西藏自治区、宁夏自治区、海南省和重庆市．其中，1997年后重庆市的相关数据并入四川省处理．计量模型中碳排放总量I，由估算的各地区农业生产中12种碳排放源导致二氧化碳排放量表示，单位为万t，该指标反映了各地区农业碳排放水平的变化．人口规模(p)用各省区第一产业的从业人数表示，单位为万人，该指标反映了农业人口规模变动对农业碳排放的影响．人均财富(ey)，考虑到现有研究多采用人均GDP来考查经济发展对碳排放的影响［11，12］，本研究用各省区农业人口的人均第一产业产值来衡量，单位为元·人-1，用以反映农业经济发展水平对农业碳排放的影响．农用机械水平(m)和农村人力资本水平(h)主要考虑农业技术水平变化对农业碳排放的影响．其中，农用机械水平由各省区人均农业从业人口的农业机械动力功率来表示，单位为kW·人-1．各省区农村人力资本的计算则较为复杂，本研究借鉴钱雪英和张小蒂［13］的做法，估算了各省区农村居民家庭劳动力的文化状况，单位为a．2．3 实证结果与分析表2给出了实证研究的主要变量统计性描述．由表2可见，东、中、西部地区在碳排放和相关影响因素方面存在较大差异:平均碳排放量、农业从业人口方面，中部地区和东部地区显著高于西部地区，且中部地区也高于东部地区;人均农业产出、人均机械动力水平和人力资本状况方面，3类地区则呈现出显著的东、中、西依次递减的态势，反映了中国农业生产的地区差距．表3给出了变量之间的Spearman相关系数．由表3可知，解释给出了变量之间不存在十分严重的线性相关关系．表4给出了计量回归分析主要结果和相关检验结果．其中，模型1，2是对全国层面碳排放影响因素的分析，模型3，4、模型5，6、模型7，8 分别是对东部、中部和西部地区碳排放影响因素的分析．Hausman检验显示，全国层面和东部地区的估计，采用固定效应估计法，而中部、西部地区则采用随即效应估计法．由可调整的R2值和F检验值可知，与OLS的估计结果相比，GLS估计的拟合程度更好;而从相关的解释变量回归系数的显著性来看，GLS估计的显著性也有所提高．由于GLS和OLS回归方程中大部分解释变量的影响方向、程度和显著性并无较大变化，说明计量结果是稳健的．表2 东、中、西地区的变量统计性描述Table 2 Descriptive Statistics of Variable in East，Central and West China地区变量Variable ln I/ ln p/ lney/ ln m/ ln h/areas 104t 万人 (元·人-1) (kW·人-1) a均值东部East Mean 6．25 6．23 8．45 0．99 2．14标准差 SD 0．74 1．33 0．37 0．62 0．08最小值 Min 4．82 3．86 7．68 -0．01 1．97最大值 Max 7．70 7．83 9．26 2．05 2．35均值中部Central Mean 6．31 7．07 7．95 0．64 2．08标准差SD 0．47 0．58 0．44 0．47 0．05最小值 Min 5．10 6．24 7．10 -0．49 1．97最大值 Max 7．17 8．18 8．98 1．47 2．18均值西部West Max 6．87 8．27 8．91 1．64 2．18 Mean 5．61 6．75 7．69 0．29 1．95标准差 SD 0．98 0．89 0．52 0．6 0．14最小值 Min 2．92 4．81 6．84 -1．17 1．60最大值表3 变量间Spearman相关系数Table 3 Results of Spearman Correlations testln I ln p ln ey ln m lnh ln I 1 0．259 8 -0．210 7 0．187 6 0．323 7 1 ln p 0．475 1 1 ln ey 0．119 6 -0．153 0 1 ln m 0．209 7 -0．342 6 0．213 5 1 ln h全国数据的回归结果表明，农业劳动力与各地区碳排放量显著正相关，这说明农业劳动力增加将导致地区碳排放量的增加，这应是劳动力增加导致农业生产资料的碳排放量增加的结果．此研究结果与李国志和李宗植的因素分解结果类似，但与李波等的因素分解结果相反，这可能是因素分解模型的构建和数据来源上存在较大差异导致的．人均农业产出一次项与碳排放负相关，其二次项与碳排放正相关，这表明人均农业产出与碳排放之间存在“U”型曲线关系，即碳排放的EKC曲线在全国农业生产中可能并不存在．这可能意味着最初的农业经济发展，可能并不带来碳排放的迅速增加，而会带来碳排放水平的下降;而当农业经济发展到一定程度后，其发展将带来碳排放量的显著增加．农业技术水平的2个变量，农用机械动力水平与农村人力资本水平对碳排放的影响则迥异:农用机械水平的提高显著提升了各地的农业碳排放，此结果与李国志和李宗植的研究结果类似，表明农业机械水平的提高，带来能源消耗强度的提高必然导致碳排放水平的提高;农村人力资本水平则较为显著(仅在10%水平)地降低了各地的碳排放，这与李波等的研究结果类似，说明农业人口的文化水平的提升可能有助于农业经济的“集约化”生产，进而降低各地区农业生产资源的消耗和碳排放水平．分地区回归结果表明，相关因素对不同地区碳排放的影响存在一定差异．农业劳动力方面，3个地区农业劳动力的增加均带来了农业碳排放水平的提升，说明当前中国农业生产的扩大还主要是依靠资源投入型的“粗放型”经营模式．农业人均产出与碳排放之间的关系，3个地区则存在较大差异:东部地区农业人均产出与碳排放之间呈现出显著的倒“U”型曲线关系，中部地区则呈现出显著的“U”曲线关系，西部地区的“U”曲线关系则不甚显著．此种结果与李国志和李宗植对全国层面的研究结果类似，表明中国农业经济发展与碳排放之间的非线性关系并不稳定，可能是东、中、西3地区的农业经济发展水平的差异所致．东、中、西地区的农业机械水平与当地农业碳排放之间均显著正相关，表明农用机械是各地区农业生产碳排放增长的重要来源．农村人力资本的提高对3地区碳排放的影响也存在着显著的梯阶差异:东部地区农村人力资本的提高显著降低了当地的碳排放，中部地区人力资本的提高在一定程度上(10%的显著性水平)降低了当地的碳排放，西部地区人力资本的提高与碳排放之间的关系则不甚显著．此种结果颇令人费解，可能是人力资本对农业低碳生产技术的提升存在一定的门槛效应，只有人力资本水平达到一定程度之后，才能发挥积极作用;而中、西部地区的人力资本的水平相对较低，此种积极作用尚不显著．表4 计量估计结果与分析Table 4 Estimation results and analysis注:()内为t统计量，*、＊＊、＊＊＊分别表示10%、5%、1%水平显著;［］内为相应的P统计值;H一行为Hausman检验值及其概率．Note:the numbers in()are t statistics，* 、＊＊、＊＊＊indicate significances at 10%level，5%level and 1%level respectively;the numbers in［］are relative statistival P value;H line are Hausman inspection values and their probability．模型Model全国Nation 东部East 中部Central 西部West(8．46) (15．74) (6．71) (16．06) (2．46) (7．24) (2．25) (3．67)ln ey -3．022＊＊＊ -3．748＊＊＊ 5．278＊＊＊ 6．183＊＊ -4．077＊＊＊ -5．186＊＊ -9．089＊＊＊ -8．217＊＊(-3．67) (-3．17) (5．65) (2．59) (-2．80) (-2．10) (-4．79) (-2．58)(ln ey)2 0．219＊＊＊ 0．426＊＊＊ -0．553＊＊＊ -0．449＊＊ 0．261＊＊＊0．376＊＊＊ 0．593* 0．256(4．47) (3．42) (-5．22) (-2．49) (2．89) (3．05) (1．93) (1．53)ln m 0．169＊＊ 0．357＊＊＊ 0．227* 0．472＊＊0．261＊＊ 0．269＊＊ 0．167* 0．143＊＊＊(2．03) (5．34) (1．82) (2．30) (1．97) (3．20) (1．69) (4．37)ln h -0．139 -0．317* -0．671＊＊＊ -0．441＊＊＊ -0．557 -0．306* 0．074 -0．139(-1．32) (-1．96) (-3．11) (-2．94) (-1．55) (-1．75) (0．95) (-1．05)6．628＊＊ 17．954＊＊＊46．656＊＊＊ 25．756＊＊ 17．580＊＊＊ 1．129 33．665＊＊＊18．412*c (2．01) (3．23) (6．37) (2．52) (3．05) (0．15) (4．40) (1．74)Ad-R2 0．742 0．771 0．824 0．853 0．639 0．650 0．726 0．755 F(W) 36．49 270．65 34．47 306．58 81．39 87．19 72．53 39．48［0．000］［0．000］［0．000］［0．000］［0．000］［0．000］［0．000］［0．000］7 8 ln p 0．458＊＊＊ 0．557＊＊＊ 0．578＊＊＊0．596＊＊＊ 0．464＊＊ 0．481＊＊＊ 0．656＊＊ 0．856 1 2 3 4 5 6＊＊＊Obs 378 140 112 126 41．290 31．000 4．050 4．360［0．000］［0．000］［0．542］［0．499］方法Meth OLS GLS OLS GLS OLS GLS OLS GLS样本H4 主要结论与启示基于1996—2009年27个省级地区的能源消耗、生产投入数据，本研究对中国省级地区农业生产的碳排放进行了细致核算，并利用计量模型对其影响因素进行了分析．核算表明，各地区的碳排放存在较大差异:碳排放量上，中部、东部地区是中国农业碳排放的主要来源区，西部地区的贡献则相对较少;碳排放强度上，东部显著高于中西部地区，中西部的碳排放强度较为接近．影响因素的分析表明，从业人口增加显著提升了农业碳排放水平;农业人均产出与碳排放之间并不存在倒“U”型的EKC关系，且此种关系在不同地区存在差异;农业机械化提高使得碳排放量显著增加;人力资本的影响也存在显著地区差异．以上结论对中国农业生产的低碳化发展具有重要启示:第一，由于农业碳排放的存在显著的地区差异，且中东部是碳排放的主要来源，这意味着，农业“节能减排”工作的重点必须放在提高中、东部地区的农业能源、资料消耗的效率上，着力实现中、东部农业生产向低碳化方向转变．第二，农业人口规模和机械化水平与碳排放水平显著正相关，这表明，要降低农业碳排放水平，中国必须努力提高农业机械的能源效率，积极采取各种措施促进剩余农业人口向制造业和服务业的转移．第三，农业经济发展与碳排放之间的关系并不稳定，这表明，单纯依靠发展农业经济自身并不能带来碳排放的自动降低，在农业经济发展的同时，必须重视经济增长带来的碳排放增长．第四，农村人力资本对农业碳减排具有显著的积极作用，这意味着，中国应当加大农村教育的投入，努力提升广大农村尤其是中西部地区农村的教育水平，以提高农村居民科学文化素质，为低碳农业的发展提供人力支撑．参考文献:［1］ International Energy Agency(IEA)．World Energy Outlook ［M］．New York:UAPC Press，2008．［2］ WEST TO，MARLAND G．Net carbon flux from agriculture:Carbon emissions，carbon sequestration，crop yield，and land-use change ［J］．Biogeochemistry，2003，63(4):73-83．［3］ DYE RJ A，KULSHRESHTHA S N，MCCONKEY B G．An assessmentof fossil fuel energy use and CO2 emis-sions from farm field operations using a regional level crop and land use database for Canada［J］．Energy，2010，35(8):2261-2269．［4］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．［5］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，2010，29(10):67-72．［6］李波，张俊飙，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．［7］李国志，李宗植，周明．碳排放与农业经济增长关系实证分析［J］．农业经济与管理，2011，2(4):32-39．［8］冉光和，王建洪，王定祥．我国现代农业生产的碳排放变动趋势研究［J］．农业经济问题，2011，32(2):32-38．［9］政府间气候变化专门委员会(IPCC)．国家温室气体排放指南［M］．北京:中国经济出版社，2006．［10］ GROSSMAN G，KRUEGER A．Economic growth and the environment［J］．Quarterly Journal of Economics，1995，112(2):353-377．［11］邵帅，杨莉莉，曹建华．工业能源消费碳排放影响因素研究——基于STIRPAT模型的上海分行业动态面板数据实证分析［J］．财经研究，2010，31(11):16-27．［12］许广月，宋德勇．中国碳排放环境库兹涅茨曲线的实证研究——基于省域面板数据［J］．中国工业经济，2010，27(5):37-47．［13］钱雪亚，张小蒂．农村人力资本积累及其收益特征［J］．中国农村经济，2000，16(3):25-31．。
