EN中文

地理科学进展 >

2024 , Vol. 43 >Issue 7: 1372 - 1388

DOI: https://doi.org/10.18306/dlkxjz.2024.07.008

研究论文

碳减排与粮食安全的山区耕地利用路径探索

  • 陈波 , 1 ,
  • 刘芮羽 1 ,
  • 何兆雄 1 ,
  • 姜侯 2
展开
  • 1.贵州财经大学，贵阳 550025
  • 2.中国科学院地理科学与资源研究所，北京 100101

陈波(1990— )，男，贵州惠水人，博士，副教授，研究方向为土地利用调控与碳减排。E-mail:

收稿日期: 2023-10-31

  修回日期: 2024-04-17

  网络出版日期: 2024-07-23

基金资助

国家自然科学基金项目(41807366)

贵州财经大学2022年度在校学生科研项目(2022ZXSY108)

收起

Pathways of cropland use in mountainous areas balancing carbon emission reduction and food security

  • CHEN Bo , 1 ,
  • LIU Ruiyu 1 ,
  • HE Zhaoxiong 1 ,
  • JIANG Hou 2
Expand
  • 1. Guizhou University of Finance and Economics, Guiyang 550025, China
  • 2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

Received date: 2023-10-31

  Revised date: 2024-04-17

  Online published: 2024-07-23

Supported by

National Natural Science Foundation of China(41807366)

Student Research Project of Guizhou University of Finance and Economics in 2022(2022ZXSY108)

Fold

摘要

为探究山区耕地利用过程中实现减排增汇与保障粮食安全的发展路径，以典型喀斯特地貌分布的贵州省为研究区，论文建立了山区耕地碳排放量及农作物碳吸收量综合评估的方法体系。该体系使用碳排放系数测算贵州省及各市州耕地碳排放，利用参数估算法测算农作物碳吸收量，并基于对数平均迪氏指数法(LMDI)分析2010—2021年间不同时期贵州省耕地利用碳排放影响因素，揭示山区耕地在自身独特的资源禀赋下，如何在耕地利用过程中减排增汇并保障粮食安全，探索新时期山区耕地利用可持续发展。研究结果表明：① 贵州省耕地碳排放量近12年来呈先升后降趋势，化肥使用量是贵州省及各市州在耕地利用过程中产生碳排放的主要调控因素，是山区耕地碳减排的关键。② 贵州省农作物碳吸收能力具有较大潜力。虽然各市州作物种植结构存在差异，但水稻和玉米仍是贵州省与大部分市州主要的粮食作物，在耕地作为碳汇中发挥着重要作用。③ 农作物种植结构对贵州省耕地碳排放具有显著的抑制作用，而农业经济水平与耕地碳排放呈正相关关系。贵州省在兼顾耕地减排增汇与粮食安全发展的过程中，要减少化肥的盲目投入，在建设高标准农田的基础上，加快加深农业产业结构调整，这对贵州省农业绿色低碳发展乃至助力国家“双碳”目标的实现都具有重要意义。

关键词： 山区耕地; 碳排放; 碳吸收; LMDI; 粮食安全

本文引用格式

陈波 , 刘芮羽 , 何兆雄 , 姜侯 . 碳减排与粮食安全的山区耕地利用路径探索[J]. 地理科学进展, 2024 , 43(7) : 1372 -1388 . DOI: 10.18306/dlkxjz.2024.07.008

Abstract

In order to explore the development pathways of achieving carbon emission reduction and carbon sink enhancement and safeguarding food security in the process of utilizing cropland in mountainous areas, this study established a methodological system for the comprehensive assessment of carbon emissions from cropland in mountainous areas and carbon uptake by crops, taking Guizhou Province, where the typical karst landscapes are distributed, as the study area. This study used carbon emission coefficients to measure carbon emissions from cropland in Guizhou Province and its cities and prefectures, and parameter estimation method to measure crop carbon sequestration. It also analyzed the influencing factors of carbon emissions from cropland use in Guizhou Province in different periods between 2010 and 2021 based on the logarithmic mean Divisa index (LMDI) factor decomposition model. The study revealed the pathways to reduce emissions and increase sinks in the process of cropland utilization and ensure food security with the unique resource endowments of mountainous cropland, and explored the sustainable development of cropland use in mountainous areas in the new period. The results of the study show that: 1) Carbon emissions from cropland in Guizhou Province have been on the rise for the past 12 years, and the amount of fertilizer use was the main regulating factor of carbon emissions, which is the key to carbon emission reduction from cropland in the area. 2) The carbon sequestration capacity of crops in Guizhou Province has a large potential. Although there are differences in the crop planting structure of each city and prefecture, rice and corn are still the main food crops in the province and most of the cities and prefectures, and play an important role in cropland as a carbon sink. 3) The planting structure of crops has a significant inhibitory effect on carbon emissions from cropland, while the level of development of the agricultural economy is positively correlated with carbon emissions from the cropland. It is necessary to reduce the inefficient input of chemical fertilizers, and accelerate and deepen the structural adjustment of the agricultural industry on the basis of the construction of high-standard farmland, which is of great significance for the green and low-carbon development of agriculture in Guizhou Province, and for facilitating the realization of the "dual-carbon" goals nationwide.

Key words： cropland in mountainous areas; carbon emissions; carbon sequestration; LMDI; food security

耕地作为保障农业生产的基本要素，也是保障人民粮食安全的重要载体。除了具有生产农产品、增加农业总产值等正面效应外，在利用过程中还会向大气中释放出大量CO2[1]。据相关统计资料，耕地所释放的温室气体超过全球人为温室气体排放量的30%，相当于150亿t CO2[2]。而中国又是传统的农业大国，在耕地温室气体排放方面也更加严峻。2020年，中国在联和国大会上向世界庄严承诺，要争取让CO2排放量在2030年前达到峰值，在2060年前达到碳中和。2021年10月，《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》以及《2030年前碳达峰行动方案》，这两个重要文件的出台，明确了中国双碳目标的顶层设计，其余行业产业也将围绕此展开。2022年8月，科技部、国家发展改革委、工业和信息化部等9部门印发《科技支撑碳达峰碳中和实施方案(2022—2030年)》，为2030年前实现碳达峰目标提供了坚实的政策条件，也为2060年前实现碳中和目标做好了准备，推动减排目标达成成为国家关注的问题。2019年《中国的粮食安全》白皮书发布，指出中国坚持立足国内保障粮食基本自给的方针，实行最严格的耕地保护制度，实施“藏粮于地、藏粮于技”战略；2023年中央一号文件指出，坚决守牢确保粮食安全，将“抓紧抓好粮食和重要农产品稳产保供”放在首位。耕地作为农业农村的关键生产要素，是粮食生产的载体，为粮食增产发挥了重要作用，但增产背后所带来的碳排放代价也不容忽视。贵州作为典型的喀斯特山区，山地和丘陵面积占全域的92.5%，农户作为耕地利用的行为主体，在比较利益的驱动下，更倾向于种植收益高的经济作物，这样便减少传统粮食作物的种植，加剧耕地“非粮化”现象[3]。其次，贵州农户为克服耕地资源特点的限制，在种植过程会加大农药化肥等生产资料的投入，不仅加大耕地碳排放量，还造成耕地质量的退化，从而影响粮食产量和质量。因此，统筹兼顾耕地利用与粮食稳收增产，对于实现粮食安全与耕地碳减排的双赢局面具有重要意义。
前人关于耕地碳排放的研究主要集中在碳排放总量的核算、影响因素、耕地利用方式变化的碳排放效应、耕地碳排放及农业经济效应，主要采用IPCC(联合国政府间气候变化专门委员会)碳排放系数法[4-5]和依托农业碳源清单[6]，并基于不同的角度去测度农业碳排放[7⇓-9]。研究结论表明不同地区农地利用方式不同，碳效应也存在差距。在影响因素的研究上，主要利用多元回归模型[10]、Kaya恒等式[11]、STIRPAT方程(可拓展的环境影响评估模型)[12]、生命周期法[13]、对数平均迪氏指数法模型(LMDI)[14-15]等方法进行测度。结果表明，主要因素是化肥等农用投入及农业人口人均GDP等指标。在耕地利用方式变化的碳排放效应方面，主要是测算耕地利用转型所产生的碳排放量[16-17]。在耕地碳排放及农业经济效应研究方面，主要利用脱钩模型[18⇓⇓-21]、EKC模型[22]等方法探究耕地利用的效益，研究结果显示，中国2013—2017年不同省域的脱钩类型及脱钩程度趋于差异化，农业经济增长之间不同阶段和不同省域呈现不同脱钩类型。
关于耕地利用与粮食安全的研究主要集中在：耕地数量、质量、耕地利用方式和种植结构变化。在耕地数量方面，学者们通过重心拟合模型和敏感度分析模型、统计分析手段、数理统计和GIS空间分析等方法，探究粮食生产对于耕地资源变化的敏感性[23⇓-25]。研究发现，粮食生产都表现出了对耕地数量的依赖，但随着单产水平和农业技术的提高，粮食生产对耕地数量变化的依赖程度在逐渐减弱。在质量方面，黄寿海等[26]通过研究占补平衡制度下耕地质量对粮食生产的影响发现，占优补劣影响耕地质量，导致耕地占补前后的粮食产量难以持平；潘佩佩等[27]、徐珊等[28]也通过耕地质量对粮食产出重要性的研究表明，要注重耕地质量与数量的保护，才能更好地实现耕地与粮食安全的统筹发展。在耕地利用方式和种植结构变化方面[29⇓-31]，农业较其他行业收益低，同时随着城镇的快速发展，人们对非粮作物的需求增加，带来了耕地利用方式和种植结构变化，进而对粮食安全产生影响。
上述研究大多是以国家层面或是粮食主产区为切入点，鲜有学者把视角放在耕地资源、地形地貌都较为典型的山区省份，且多从农地这一整体概念出发，对像贵州省自身耕地资源破碎化、分散，坡耕地多、耕地“非粮化”严重的山区耕地少有涉及；其次对耕地利用与粮食安全的研究大多仅单一研究耕地利用数量或质量与粮食安全，少有学者探索耕地利用碳排放与粮食安全的兼顾发展。因此，本文立足于山区耕地视角，从耕地利用过程中投入产生的6类主要碳源出发，结合山区主要农作物水稻、小麦和玉米等碳汇贡献，计算贵州省及各市州耕地碳排放与农作物碳吸收量并计算不同山区耕地利用类型的净碳汇。结合LMDI模型对山区耕地碳排放的影响因素进行分析，以求找出兼顾山区耕地利用碳减排与保障粮食安全的发展路径，实现贵州省耕地资源的低碳有效利用，同时助力国家“双碳”目标的实现。

1 研究区域、方法与数据

1.1 研究区概况

贵州位于中国西南地区，介于103°36′~109°35′E、24°37′~29°13′N之间，属亚热带季风气候。贵州位于云贵高原东北边缘，境内地势西高东低，地形以高原山地、丘陵、盆地为主，其中92.5%的面积为山地和丘陵(图1)。贵州喀斯特地貌面积有10.9万km2，占全省总面积的61.9%，是全国典型的喀斯特山区。贵州省因独特的地理特征与地形地貌，复杂的气候与生态条件，以致省内的农业生产具有较强的地域性，适宜发展立足贵州实际的特色农业。但省内耕地资源自然禀赋先天较差，耕地零星破碎，坡耕地占比大，石漠化严重，地形起伏较大、土壤肥力差。根据贵州省第三次全国国土调查显示，耕地面积为247.262万hm2，坡度在6°以下(含6°)的优质耕地仅有11.753万hm2，仅占全省耕地面积的3.38%，石漠化耕地共20.892万hm2，全省61.01%的土地坡度在25°以上。贵州耕地资源的特殊性，导致粮食产量较低，收益少，降低农户种植粮食作物意愿，加剧耕地非粮化现象[32]，在一定程度上限制了贵州省农业的发展。
图1 研究区地理位置概况

Fig.1 Location of the study area

1.2 研究方法与数据来源

1.2.1 耕地利用碳排放量测算

农户在进行耕作时，对农作物施用化肥农药等生产资料，在投入过程中会直接或间接产生碳排放。本文结合吴昊玥等[33]、田云等[34]、丁宝根等[18]的研究，立足贵州省农作物种植的实际情况，利用碳排放系数法测算耕地利用过程中因化肥、薄膜、农药、农用柴油、翻耕、灌溉投入所产生的碳排放(表1)。
表1 耕地各碳源及其碳排放系数

Tab.1 Cropland carbon sources and carbon emission factors

碳源 碳排放系数 参考来源
化肥 0.8956 kg/kg West等[35]、美国橡树岭国家实验室
农药 4.9341 kg/kg 美国橡树岭国家实验室[36]
农用薄膜 5.18 kg/kg 联合国政府间气候变化专门委员会（IPCC）
农用柴油 0.5927 kg/kg 南京农业大学农业资源与生态环境研究所（IREEA）
翻耕 312.6 kg/km2 伍芬琳等[37]
农业灌溉 17.739 kg/hm2 Dubey等[38]
耕地碳排放测算公式如下所示:
C = ∑ T i × Q i
式中：C为耕地碳排放总量；Ti指各碳源i排放的量；Qi指碳源i的碳排放系数。

1.2.2 主要农作物碳吸收测度方法

作物碳吸收能力容易受农业生产结构调整、农户主体行为变化等的影响，所以仅考虑主要农作物在其生长全生命周期中所吸收的碳，而非其他因素对耕地的影响。所谓农作物的碳吸收，指的是通过光合作用所产生的净初级生产量，也就是生物产量。由于植物对CO2和其他温室气体排放具有不同程度的敏感性，因此，本文仅针对农作物生产过程中产生的碳汇进行讨论。结合宁静等[39]、孙小祥等[40]、罗红等[41]、王雅楠等[42]的研究，从省内实际的农作物种植结构出发，省内以水稻、玉米、小麦、薯类作物为主要粮食作物，以烤烟、油菜籽、花生等为主要经济作物。因此，本文采用参数估算法，主要从两方面测算耕地的碳吸收情况：一是种植粮食作物产生的碳汇，如水稻、玉米、大豆、小麦、薯类；二是种植具有经济价值的作物，如烤烟、油菜籽和花生，所产生的碳汇。计算公式如下:
E = ∑ i = 1 n [ W i × H i × ( 1 - r ) / Z i ]
式中：E为碳吸收的总量；Wi代表第i种作物的碳吸收率；Hi代表第i种作物的产量；r代表第i种作物的含水率；Zi代表第i种作物的经济系数。
参考前人已有的研究成果，并考虑各项数据的可获得性，选取的主要农作物的碳吸收估算系数如表2所示。
表2 主要农作物碳吸收估算系数

Tab.2 Estimated carbon sequestration coefficients for major crops

农作物类型 碳吸收率 含水率 经济系数
稻谷 0.41 0.12 0.45
小麦 0.49 0.12 0.40
玉米 0.47 0.13 0.40
大豆 0.45 0.13 0.34
薯类 0.42 0.70 0.70
花生 0.45 0.10 0.43
油菜籽 0.45 0.10 0.25
烤烟 0.45 0.85 0.55

1.2.3 耕地利用净碳汇核算

耕地利用净碳汇即为碳吸收量与碳排放量之间的差值，计算公式为：
S = E - C
式中：S为耕地利用净碳汇量(万t)；E和C分别为碳吸收量(万t)与碳排放量(万t)。若S>0，耕地利用系统呈碳汇效应；若S<0，则为碳源效应；当S=0时，作物碳吸收量刚好抵消耕地利用过程造成的碳排放，实现碳平衡。

1.2.4 耕地利用碳排放驱动因素分解模型

对耕地碳排放驱动因素的探索研究，长期以来都是重点关注领域，也因此出现了多种分析模型，如：Kaya恒等式、LMDI分解模型等。而LMDI模型具有可逆、避免分解任何其他因子残差的特点，被广泛运用于环境、能源、碳减排等多个领域。公式如下：
C = C E C × E C G D P × G D P P × P
式中：C、 E C、GDP、P分别表示碳排放量、能源消耗总量、地区生产总值、人口总量。
本文结合相关研究与农业生产的实际情况，参考徐玥等[15]、李波等[7]的研究结果，对式(4)进行相应的拓展与分解，增加施用单位化肥的农业人口数与化肥施用量两个变量。因为化肥的投入虽然为粮食增产发挥了重要作用，但增产背后所带来的碳排放代价也不容忽视。且随着城镇化进程加快，农业劳动力大规模转移，农业从业人员逐年减少，农户通过追加化肥等投入来替代劳动，使化肥施用量不断增加，进而导致农业碳排放的增加[43-44]。因此，本文增加施用单位化肥的农业人口数与化肥施用量两个变量对2010—2021年贵州省耕地利用碳排放的驱动因素进行剖析。具体可表示为：
C = A E × A S × A L × A F × C F
A E = C M C G D P , A S = M C G D P A G D P , A L = A G D P A P , A F = A P C F
式中：C、MCGDP、AGDP、AP、CF分别表示耕地碳排放量、主要农作物产值、农业产值、农业从业人口、农用化肥施用量；AE表示单位主要农作物生产总值的碳排放量，即农业生产效率；AS表示主要农作物生产总值占农业生产总值的比重，即农业生产结构；AL表示单位农业从业人口的农业生产总值，即农业经济水平；AF表示施用单位化肥的农业人口数。
对式(5)取对数可得：
l n C = l n A E + l n A S + l n A L + l n A F + l n C F
设 Δ C T = C t - C 0(T为总变动量，t为目标年份，0为基准年份)，对式(7)进行差分分解，则各驱动因素贡献值测算公式为：
Δ A E T = C t - C 0 l n C t - l n C 0 l n A E t - l n A E 0
Δ A S T = C t - C 0 l n C t - l n C 0 l n A S t - l n A S 0
Δ A L T = C t - C 0 l n C t - l n C 0 l n A L t - l n A L 0
Δ A F T = C t - C 0 l n C t - l n C 0 l n A F t - l n A F 0
Δ C F T = C t - C 0 l n C t - l n C 0 l n C F t - l n C F 0

1.2.5 数据来源

耕地利用碳排放量、碳吸收量测算与因素分解模型所涉及的原始数据来自2010—2021年《贵州统计年鉴》《中国农村统计年鉴》以及贵州省各市州统计局，其中碳排放测算选取的灌溉面积数据是当年有效的灌溉面积，翻耕面积选取当年农作物总播种面积代替，农膜、农药、柴油使用量为当年实际使用量，化肥施用量为当年的化肥折纯量。

2 结果与分析

2.1 贵州省耕地利用碳排放特征

2.1.1 贵州省耕地利用碳排放来源和总量

2010年贵州省耕地碳排放总量为110.38万t，2021年为104.36万t，环比增速总体处于下降趋势。2010—2011年，碳排放量由110.38万t增加到122.09万t，在研究期内增速达到10.61%；2016年碳排放总量达到峰值，为137.16万t；2021年碳排放量是研究期内的最低值，为104.36万t，这与《贵州省调减玉米三年行动方案(2018年—2020年)》的实施密切有关，在此通知后，贵州省玉米产量在2018年大幅度下降，进而对于化肥农药的使用量也在减少，碳排放量因此得到缓解(表3)。2017年，碳排放量首次出现了负增长，此后则呈现出加速下降的态势，因为耕地利用在经济高投入、高耗能、高污染后，在“十三五”期间，国家高度重视农业绿色发展，农用物资使用效率不断提升[45]，耕地利用产生的碳排放量减少。近12年来，贵州省的耕地碳排放总量呈先升后降，这一现象可归因于贵州省对农业绿色生产的重视以及对农业生产资料(如化肥和农药)逐步减小投入的力度，也体现了对耕地资源可持续发展的逐步重视，低碳绿色利用耕地。与此，受人口增加和城镇化进程加快影响，人均耕地面积持续缩减，导致土地退化加剧，耕地质量不断降低。
表3 2010—2021年贵州省耕地利用碳排放来源

Tab.3 Carbon emissions from cultivated land in Guizhou Province during 2010-2021

年份 碳排放量/万t 环比增速/%
化肥 农药 农用薄膜 农用柴油 灌溉 翻耕 总量
2010 77.50 6.38 18.74 4.11 2.12 1.53 110.38 —
2011 84.24 7.14 21.16 5.73 2.25 1.57 122.09 10.61
2012 87.92 7.13 22.82 6.06 2.34 1.62 127.90 4.75
2013 89.15 6.78 24.88 6.49 1.65 1.68 130.64 2.14
2014 90.72 6.62 25.36 6.45 2.54 1.72 133.40 2.12
2015 92.86 6.77 25.59 6.51 2.67 1.73 136.14 2.05
2016 92.85 6.75 26.45 6.61 2.75 1.75 137.16 0.75
2017 85.66 6.61 26.49 6.76 2.81 1.77 130.11 -5.14
2018 80.24 5.58 28.40 6.57 2.85 1.71 125.35 -3.65
2019 74.50 4.54 22.85 6.70 2.05 1.71 112.35 -10.37
2020 70.56 4.16 23.52 5.97 2.07 1.71 107.99 -3.89
2021 68.05 3.48 22.91 6.16 2.07 1.70 104.36 -3.36
年均递增率/% -1.04 -4.97 2.19 4.34 1.72 0.97 -0.36 —
与中国粮食主产区之一的吉林省相比，移明昊等[46]对吉林省耕地碳排放量进行测算，该省耕地利用碳排放量在2000—2020年也是呈现先升高后降低的趋势，且在2016年达到峰值，为746.423万t；2020年碳排放量为697.857万t。相较于粮食主产区吉林省的碳排放量，贵州省2020年仅为107.99万t。虽然贵州省的碳排总量远小于粮食主产区，但总体趋势相差不大。胡婉玲等[47]选取农药化肥等6类碳源测算了1997—2017年中国31个省份的农业碳排放并进行峰值分析，结果发现，31个省份的农业碳排放均在2017年之前达到了峰值，符合2015年开始的“减肥减药”行动，且贵州省的碳排放总量在2016年达到峰值，为137.15万t，与本文测算结果一致。
2010—2021年，贵州省耕地利用碳排放量最多的是化肥，第二是农用薄膜。其余依次是农用柴油、农药、灌溉和翻耕。化肥作为耕地中最重要的碳源之一，其对耕地碳排放量的贡献率每年都超过60%；农用柴油是增长最迅速的碳源，由2010年的4.11万t上升至2021年的6.16万t，年平均递增率4.34%；农用薄膜由2010年的18.74万t上升至2021年的22.91万t，增长4.17万t。尽管化肥的使用量在逐年减少，但其仍是耕地碳排放的主要贡献者，在贵州省碳排放总量的地位不容忽视；农药投入所导致的碳排放在研究期内呈逐年减少趋势，且预测在未来将会继续保持下降态势。
与粮食主产区吉林省相比，贵州省与吉林省在碳排放结构上的差异主要体现在翻耕、灌溉和农用薄膜上。吉林省耕地利用碳排放量最多的是化肥，与贵州省一致，排放量在2000—2020年间总计达到6903.195万t；碳排放量第二的是翻耕，碳排放总量达到3436.738万t[46]。其余依次是灌溉、农用柴油、农膜和农药。这主要是因为贵州省属于典型的喀斯特山区，区域内耕地零星破碎，坡耕地占比大，石漠化严重，地形起伏较大。翻耕、灌溉相较于粮食主产区较为困难，大型农业机械设备基本难以实现。而位于粮食主产区的吉林省，主要使用大型农业机械设备进行翻耕，产生的碳排放量仅次于化肥施用。同时因独特的地理特征与地形地貌、复杂的气候与生态条件，以致贵州省内的农业生产具有较强的地域性，适宜发展立足贵州实际的特色农业，如毕节市的薯类、铜仁市抹茶、安顺市金刺梨、烤烟等作物的种植均需要大量薄膜，导致贵州省薄膜碳排放量居第二。而同样作为产销平衡区的广西，葛小君等[48]对该地区的农业碳排放测算，化肥同样是最主要的碳排放源，因为广西是中国水稻和甘蔗的主产区，两种作物大规模种植增加了肥料和农药的施用量。虽然贵州与广西在耕地资源、气候条件、地形地貌、农业结构等存在差异，但主要的粮食作物仍是以水稻为主。

2.1.2 贵州耕地碳排放的时空动态变化

2010年，毕节碳排放量最高，在20.01万~25.00万t之间，六盘水、安顺、贵阳、黔西南和黔东南的碳排处于一个等级，碳排放量较少，处于5.40万~10.00万t之间；到2015年遵义和毕节碳排放量增长，达到最高等级，在25.01万~30.00万t之间；铜仁、黔南、黔西南与黔东南碳排放量在这一年均增加，铜仁和黔南从10.01万~15.00万t上升到15.01万~20.00万t，黔东南与黔西南的碳排放量也从5.40万~10.00万t增加至10.01万~15.00万t(图2)。贵阳、安顺和六盘水的碳排放量较2010年变化不大。与2015年相比，2021年碳排放格局变化较小，毕节、遵义、黔东南、黔南和黔西南呈下降趋势，没有一个市州碳排放量出现增长，六盘水、安顺、贵阳市碳排放量相对平稳。在主要年份期间，碳排放量处于高区间的市州数量虽有所增加，但随着后期的不断发展，大多市州的碳排放量得到一定程度的缓解，碳排放趋于平稳或有下降势头。就三期耕地碳排放的时空变化来看，碳排放主要从黔西毕节地区向北部遵义和铜仁转移。
图2 主要年份贵州省耕地碳排放空间分布

Fig.2 Spatial distribution of carbon emissions from cropland in Guizhou Province in 2010, 2015 and 2021

贵州省9个市州间碳源结构存在差异，是因各地耕地资源禀赋、农作物种植结构、耕地利用方式等不同。各市州耕地碳排放于灌溉和翻耕的比重差异性不大，在化肥、农膜方面的比重差异性较大。9个市州均是化肥所占的比例最大。贵阳、遵义、安顺、六盘水、毕节在这三年中化肥施用量占碳排总量的比重均高于70%，其中，六盘水在农业生产过程中化肥的投入比重相对较高，占比最大。归因于六盘水旱地多水田少，且主要种植的农作物是对化肥量需求较大的玉米。铜仁在三年中化肥施用量占比均是最小的，2010年与2015年占比均超过50%，2021年(图3)下降到40.84%，铜仁近年来高度重视农业面源污染“两减”问题，省农业农村厅调研组曾到铜仁市，以化肥农药减量增效为切入点，对农民加强宣传培训，提高农户施肥技术，切实提高化肥减量增效水平。铜仁农膜投入比重三年都较高，2015、2021年农膜投入比重较2010年都有所增长。地膜一般用于种植蔬菜作物、瓜果、茶叶等，而铜仁近年来推进大棚设施来发展蔬菜生产，尤其是铜仁江口县的抹茶，在全市5个区县都发展了抹茶种植基地，其产品在国外市场上已经覆盖了30多个国家和地区，大面积的抹茶种植，在一定程度上会增加农用薄膜的使用。
图3 主要年份贵州省各市州耕地碳排放特征

Fig.3 Carbon emission characteristics of cultivated land in cities and prefectures of Guizhou Province in 2010, 2015 and 2021

2.1.3 转移路径分析

对贵州省2010、2015及2021年3个时间节点的耕地利用碳排放重心利用标准差椭圆分析(图4)，分布重心一直位于贵阳市。同时，从椭圆面积、形状及其变化趋势可知，标准差椭圆涵盖整个贵州省，说明贵州省耕地利用碳排放在各市州都广泛存在。椭圆面积主要向东部、东北部迁移，即贵州省耕地碳排放量逐渐由毕节迁移至耕地面积较大、农业生产资料投入较多的遵义、铜仁及黔东南，表明了贵州省耕地利用碳排放具有一定的空间发散特征。
图4 2010—2021年贵州省耕地利用碳排放转移路径

注：图中箭头表示碳排放转移路径方向，圆点表示碳排放重心。

Fig.4 Carbon emission transfer pathways in Guizhou Province during 2010-2021

2.2 贵州省耕地利用的碳汇特征

2.2.1 贵州省农作物碳吸收状况

贵州省农作物碳吸收总量呈“下降—波动上升—波动下降”趋势，从2010年953.91万t减至2011年的最低值724.43万t，降速为24.06%，2011年大多数地区受持续的暴雨、干旱灾害的影响，像水稻、玉米等作物的产量受到严重的波及，导致耕地碳吸收量下降显著。随后从2012年开始波动上升到2016年，达到峰值1119.83万t。2011—2012年，碳吸收的增速为26.87%，2012年，水稻和玉米的产量大幅度提升。研究期内，环比增速总体处于波动下降趋势。具体可划分为：2010—2011年第一阶段，急速下降期；2012—2016年是第二阶段，呈波动上升态势；2017—2020年第三阶段，下降时期；2021年有上升趋势(图5)。2017—2018年下降的幅度较为剧烈，2018年后的降速相对平缓。
图5 贵州省作物碳吸收量与环比增速变化

Fig.5 Changes in crop carbon sequestration and annual growth rate in Guizhou Province

贵州省作物碳吸收总量总体呈波动趋势，在近几年呈逐渐下降态势，这可归因为贵州省耕地面积不断减少，耕地质量的变差导致耕地生产资料的加大投入，作物的种植结构出现不断调整。在所选的主要作物中，碳吸收比例最高的是玉米，从2010年44.52%减少到2021年的30.54%，占比虽相对较高，但整体仍呈现下降趋势。再者是水稻，碳吸收量占比2010—2021年虽有一定增加，但水稻的碳吸收量和总量在近几年却呈下降趋势，因为贵州省水稻产量于2016年后波动下降(表4)。
表4 2010—2021年贵州省农作物碳吸收

Tab.4 Crop carbon sequestration in Guizhou Province during 2010-2021

年份 碳吸收量/万t 环比增速/%
稻谷 小麦 玉米 大豆 薯类 油菜籽 花生 烤烟 总量
2010 357.31 26.77 424.67 18.41 31.34 83.62 7.23 4.54 953.91 —
2011 243.68 54.31 249.13 8.19 43.08 116.33 5.72 3.99 724.43 -24.06
2012 322.66 56.48 349.87 9.03 42.45 126.65 7.40 4.58 919.11 26.87
2013 289.68 55.53 304.66 9.26 47.40 132.48 7.77 5.13 851.92 -7.31
2014 323.31 66.30 320.79 13.56 52.18 140.44 9.15 4.34 930.07 9.17
2015 354.96 70.49 351.27 15.38 54.69 145.36 9.89 4.04 1006.08 8.17
2016 365.62 45.08 466.55 30.76 54.33 143.45 10.66 3.38 1119.83 11.31
2017 359.86 44.41 451.00 22.19 47.93 142.59 10.61 3.00 1081.60 -3.41
2018 337.33 35.77 264.72 22.71 52.41 139.68 10.79 2.79 866.21 -19.91
2019 339.82 35.55 237.47 21.26 54.52 125.15 10.94 2.65 827.35 -4.49
2020 333.52 35.97 225.24 25.74 57.49 123.40 11.06 2.59 815.01 -1.49
2021 334.62 35.84 262.28 26.65 54.57 131.01 11.21 2.70 858.87 5.38
由于各市州耕地资源禀赋、农业生产结构、农业生产方式和农业经济发展水平等存在一定差异性，因此各地区农作物播种面积、产量存在差异，这导致作物碳吸收的总量存在不同。通过比较贵州省各市州主要年份的作物碳吸收情况，在碳吸收总量中，大多市州碳吸收量最大的作物是水稻，其次是玉米。六盘水市碳吸收量最大的是玉米，根据第三次全国国土调查，六盘水市水田面积1.253万hm2，占5.07%，旱地23.443万hm2，占94.90%，旱地多水田少的耕地资源现状以及农民种植意愿的改变，导致六盘水市以种植玉米为主。毕节市碳吸收量最大的玉米，作物种植以玉米和薯类为主。其境内光照充足，昼夜温差较大，有利于马铃薯薯块的干物质积累，马铃薯单产水平较高。但由于薯类的碳吸收能力较玉米和水稻弱，因此占比低。在研究期内，毕节市薯类产量呈逐年上升趋势。2021年各市州玉米碳吸收所占比重均有所下降(图6)，因为2019年贵州省的“消灭苞谷”事件，导致各地方的玉米产量均减少，显著影响2019年及2020年的作物碳吸收总量。
图6 主要年份贵州省各市州作物碳吸收特征

Fig.6 Characteristics of crop carbon uptake in cities and prefectures of Guizhou Province in in 2010, 2015 and 2021

2.2.2 贵州省耕地净碳汇特征

在2010—2021年期间，贵州省的耕地利用净碳汇量均是正值，这表明该省的耕地在碳吸收方面扮演了至关重要的角色，具有巨大的潜力。在过去的12年中，碳汇总量经历了一个先升后降的过程，从843.53万t降至754.51万t。具体来看，贵州省的耕地净碳汇经历了三个不同的发展阶段，2010—2011年在第一阶段，碳吸收对净碳汇的影响显著，导致净碳汇量从843.53万t降至602.34万t，降至研究期净碳汇最低水平，降幅高达28.59%；2012—2017年波动上升时期，随着耕地种植结构的演变，耕地的碳汇效应得到了显著加强，净碳汇从602.34万t增加到951.49万t，年增长8.66%，2016年达耕地净碳汇峰值；在第三阶段，2017—2021年期间，呈现出下降趋势，净碳汇的总量从951.49万t下降至754.51万t，平均下降速度为4.64%(表5)。“十三五”期间，贵州省在全国推进农业转型与生态文明建设的背景下，加快推动科技与农业的密切结合，为改善耕地质量、提高耕地的利用效率打下了基石。与此出台的相关耕地保护政策取得实效，耕地碳排放量得到控制。
表5 贵州省2010—2021年耕地净碳汇

Tab.5 Net carbon sinks of cropland in Guizhou Province during 2010-2021

年份 耕地碳排放 耕地碳吸收 净碳汇
碳排放量/万t 增速/% 碳吸收量/万t 增速/% 净碳汇量/万t 增速/%
2010 110.38 — 953.91 — 843.53 —
2011 122.09 10.61 724.43 -24.06 602.34 -28.59
2012 127.90 4.75 919.11 26.87 791.22 31.36
2013 130.64 2.14 851.92 -7.31 721.28 -8.84
2014 133.40 2.12 930.07 9.17 796.66 10.45
2015 136.14 2.05 1006.08 8.17 869.94 9.20
2016 137.16 0.75 1119.83 11.31 982.67 12.96
2017 130.11 -5.14 1081.60 -3.41 951.49 -3.17
2018 125.35 -3.65 866.21 -19.91 740.85 -22.14
2019 112.35 -10.37 827.35 -4.49 715.00 -3.49
2020 108.41 -3.51 815.01 -1.49 706.60 -1.17
2021 104.36 -3.74 858.87 5.38 754.51 6.78
在研究期内，耕地的碳源呈现出一种“先升后降”的变化趋势。在2010—2016年期间，国家持续发布了旨在促进农业发展的惠农型“一号文件”，并取消了农业税，从而激发了各省域的农业生产活力。在此期间，贵州省积极推进农业产业结构调整，增加了对耕地生产的投入和利用强度，同时水稻种植规模也不断扩大，导致耕地利用的碳排放量持续攀升。2016—2020年，在“十三五”发展时期，贵州省积极响应国家生态文明建设和可持续发展战略，在国家实施的大布局下，通过科技推动农业发展，提高耕地利用效率，不断调整相关农业生产政策，推进农业现代化发展，逐步实现耕地碳排放水平的降低。
耕地碳吸收能力在研究期内整体也呈先升后降态势，从953.91万t减少到858.87万t，但在2011年，贵州省受干旱与暴雨影响，作物产量受到严重影响，导致2011年耕地碳汇达到最低值724.43万t。随后的耕地碳汇处于波动上升态势，并在2016年达到峰值。这得益于国家耕地保护机制和生态文明建设的长效推进，以及2011年以来贵州省人口增长和城市扩张带来的农产品需求增长，共同促进了各类农作物种植面积和产量的增加，为增强耕地碳汇能力提供了保障。此外，耕地的合理配置和种植结构的调整也为进一步提高农作物碳汇水平创造了条件。而在2017年之后，贵州省发布《贵州省调减玉米三年行动方案(2018—2020年)》的通知，导致玉米产量出现一定幅度的下降，进而影响作物碳吸收，减少耕地碳汇量。

2.3 兼顾山区耕地碳减排与粮食安全

2.3.1 山区耕地利用碳排放驱动因素分析

为进一步探究耕地利用过程中化肥农药等对耕地碳排放量的影响，运用IBM SPSS Statistics 26分析各碳排放源与贵州省耕地碳排放量的相关性，结果发现：对整个贵州省而言，化肥、农药的使用与耕地碳排放总量的相关性是极强相关；薄膜与碳排放总量强相关(图7)。但贵州省各市州之间耕地资源禀赋、耕地利用方式、作物种植结构等存在差异，因此，化肥薄膜等与耕地碳排放总量的相关性也有所不同。
图7 贵州省耕地碳排放的相关性分析

注：相关系数介于[1.0]为极强相关，[0.6, 0.8)为强相关， [0.4, 0.6)为中等程度相关，[0.2, 0.4)为弱相关，[0, 0.2)为极弱相关或不相关；**、*分别表示在0.01(双尾)、0.05(双尾)水平下相关性显著。

Fig.7 Correlation analysis of carbon emissions from cropland in Guizhou Province

安顺、黔西南、黔南三个市州化肥、农药、农用薄膜与碳排放的相关性极其显著。贵州省9个市州基本是以水稻和玉米为主要的粮食作物，但在经济作物方面存在一定的差异。如安顺市平坝区的水晶葡萄、食用菌，镇宁蜂糖李，安顺金刺梨、黄瓜、烤烟等经济作物的种植，需要不小数量的农用薄膜和化肥的使用，密切影响着安顺市的碳排放量。贵阳市化肥、农药施用量与碳排放为极强相关。其作为贵州省的省会城市，可利用的耕地面积不大，主要农作物的种植面积及产量不如其他市州，因此化肥农药等投入低于其他市州。遵义市化肥、薄膜的使用与碳排放量的相关系数分别为0.997、0.919，达到极强相关水平，农用柴油、翻耕与碳排放量的相关性为强相关。遵义市作为耕地面积排名前列的市州，根据第三次全国国土调查数据，全市耕地面积有63.467万hm2。粮食作物主要以水稻、玉米和小麦为主，产量同样居各市州前列；经济作物主要以薯类、油菜为主，并且遵义市近年来愈发重视农机在当地的使用，以水稻等主要的粮食作物为核心，因地制宜引进适用于当地农业发展的农机。因此农机在使用过程中所产生的CO2构成了遵义市碳排放量的重要部分。铜仁市化肥施用量与碳排放的相关系数为0.766，呈强相关关系。毕节市化肥、薄膜的使用量与碳排放总量相关性极强，其以种植玉米和薯类为主，玉米种植需要施用大量化肥，而薯类需要较多的塑料薄膜。
由图8可知，在所选的5个影响碳排放的因素中，共计为贵州省碳排放量减少3.81万t。其中农业生产结构是促进贵州省耕地利用碳减排的最主要因素，这与徐玥等[15]、邱怡慧等[49]对全国农地碳排放驱动因素的研究结论一致。在2010—2021年间，农业生产结构为贵州省减少了136.61万t的碳排放量。在2014年，因农业生产结构所抑制的碳排放量达到峰值，为33.86万t。这与当年贵州省开始实行全面深化改革、奋力实现“十二五”规划目标有关，政府关于农业的结构性调整与农业科技水平的发展，使农民种植的主要农作物结构较前几年发生变化，并在耕种的过程中，农药的使用量较之前也有所减少，在一定程度上有利于耕地资源的可持续利用。并且种植的农作物也在发挥碳吸收作用，因此有助于碳排减量。基于此，在未来贵州省耕地的绿色可持续化发展过程中，要不断优化农业生产结构与布局，根据贵州省耕地资源的实际情况，结合不同农作物的特点，改变对耕地的耕作方式，最大程度保护耕地，以此保障人民粮食安全，实现贵州省农业绿色健康发展。
图8 贵州省各因素耕地利用碳排放变化

Fig.8 Changes in carbon emissions from cropland use in Guizhou Province

农业生产效率在2010—2021年间对耕地碳排放量的影响呈波动趋势，但总体这一因素对碳排放的抑制作用居于第三位，在研究期内累计促进碳排减量47.22万t。施用单位化肥的农业人口数在这5个因素中，对碳排减量的效果居第二位，研究期内累计促进贵州省碳排放量减少59.35万t，整体呈现先增后降趋势。在2010—2021年间，随着城镇化进程加快，农业与其他产业之间的收入差距，导致农业从业人口逐渐减少。化肥施用量这一因素在2010—2015年间对碳排放起促进作用，从2016年起，逐渐起抑制作用。整体来看，化肥施用量在研究期内促进了碳排减量11.89万t，并且化肥作为六大碳源之一，与碳排放的相关性是极其显著的。虽然碳排减量的效果没有另外三个因素显著，但在后续实现贵州省碳减排目标中是不容忽视的。
农业经济水平在5个因素中，在研究期间共计促进贵州省耕地碳排放251.26万t。贵州省作为农业为主的省份，耕地资源是十分重要且稀缺的。随着贵州省农业经济水平的提升，机械化水平得到提高，在这发展的过程中，农民为了增加收益，会进一步在有限的耕地面积上加大农业生产资料的投入力度，如农药、薄膜、农机的使用，致使耕地利用过程中碳排放增加。鉴于此，贵州省要不断立足实际，改变模式，发展绿色农业，才能更好地成为实现国家“双碳”目标进程中的助推器。

2.3.2 兼顾山区耕地利用碳减排与粮食安全发展路径

耕地低碳利用兼顾粮食安全的关键在于，农户是否进行绿色低碳的农业生产[50]。农户是进行耕作的主体,也是耕地碳减排实践过程中的主体[51]。政府作为外部治理碳排放的主体，发挥着主导作用，政府制定相关政策推动碳减排，通过对农户进行技术培训、宣传推广等方式进行宏观调控。华春林等[52]研究发现，参与配方施肥培训的农户会减少化肥施用量。同时采取配方施肥、土壤试验等管理技术，还可提高化肥的利用效率[53]。此外，政府应在保有耕地面积不减少的基础上，加快建设高标准农田，不断提升耕地质量，并注重低效零散耕地的整理[54]，严格按照贵州省管控耕地“非粮化”的政策要求，调整农作物结构，减小农业种植与其他行业的收入差距，推进耕地低碳化利用。保护性耕作对于改善土壤质量、保障国家粮食安全等具有重要意义[55]。因此，在耕作前，减少对耕地的翻耕，采用免耕、轮耕等耕作方式；在耕种中，减少盲目、不合理的生产投入，如化肥薄膜等；耕种后，合理利用秸秆，及时清理使用的薄膜覆盖物(图9)。
图9 山区耕地碳减排兼顾粮食安全路径

Fig.9 Pathways of carbon emission reduction in cropland of mountainous areas considering food security

3 结论与讨论

3.1 结论

本文基于贵州省9个市州2010—2021年的相关数据，测算耕地利用碳排放、碳吸收，并采用LMDI模型分解贵州省不同时期的耕地利用碳排放影响因素。主要得出以下研究结论：
(1) 贵州省耕地碳排放量近12年来呈先升后降趋势，化肥作为贵州省及各个市州在耕地利用过程中产生碳排放的主要贡献者之一，要想实现贵州省耕地利用的绿色永续发展，其地位不容忽视。针对贵州省耕地资源特点，要精准施肥，实现施肥综合效益最大化。水稻、玉米作为贵州省粮食作物产量之首，在当地资源禀赋的限制下，在种植过程中会投入大量的化肥和塑料覆盖物，而这些高投入带来了直接或间接的碳排放。因此，应对其科学施肥，针对各种作物的特性，设置合理的施肥参数，让农户逐渐转变盲目大量施用化肥的错误观念，利用秸秆还田提高土壤的微生物质含量，减少不合理的化肥投入，以此来有效减少碳排放量。
(2) 贵州省农作物碳吸收能力具有较大潜力。首先贵州省结合自身的耕地特点，旱地多水田少，水稻、玉米作为主要的粮食作物，耕种面积及产量都是最大的，且根据前人研究，水稻及玉米的碳吸收能力较其他作物更强。但因为省内耕地资源禀赋先天较差，破碎化严重，种植作物的产量较低，且受自然灾害的影响大，效益差，以此与其他产业之间的收益差距大，农户的自发种粮积极性不高涨。随着国家与省内各项关于农业保护政策的实施、高标准农田的建设，科学技术与农业的融合、农机的推广使用等多方面推动，农户才逐渐恢复种粮的积极性。因此，应在保有耕地面积的基础上，加快高标准农田的建设和各市州旱改水项目进程，管控耕地“非粮化”，真正实现“藏粮于地”，保障贵州省粮食安全。并且，贵州省耕地净碳汇在研究期内均是正值，这与农作物的碳吸收能力密切相关。保障粮食产量，才能进一步发挥耕地作为碳汇的功能，加强贵州省耕地固碳减排的能力。
(3) 通过对贵州省碳排放驱动因素的分析可知，农作物的种植结构对耕地碳排放具有显著的抑制作用，农业经济水平则会促进碳排放。因此，贵州省应结合省内山区耕地的特点，深化农业产业结构改革，各市州根据当地特点，配置耕地资源，合理布局作物种植结构，发展具有特色的山地产业。提升农业经济水平的同时，注重耕地利用过程中的生产资料合理投入，平衡发展农业经济与耕地碳排放的关系。

3.2 讨论

贵州省在坡耕地占比大、石漠化严重、多旱地少水田等特点下，农户种植粮食意愿低，耕地“非粮化”现象严重，粮食生产难以得到稳定有效的保障；另一方面，若想克服山区耕地资源特点的限制，农户在耕种过程中势必会高度依赖化肥、农药等的投入，以获取更高的收益，同时导致耕地碳排放的增加。因此，在现有山区有限且脆弱的耕地资源背景下，既要实现贵州省粮食增产稳产，又要解决这一过程带来的负外部性，具有一定挑战。
对于耕地利用碳排放与粮食安全之间的关系，已有研究主要基于国家层面或粮食主产区，较少关注地形地貌、耕地资源特殊的山区省份。本文以典型的喀斯特地貌区——贵州省作为研究区，测算耕地碳排放，为其他西南山区和粮食产销平衡区在耕地减排与粮食安全的兼顾发展上提供贵州省实践案例。但文章仍然存在一些不足：首先，耕地碳排放的计算应从多元的视角并结合研究区实际，细化耕地利用碳排放源，核算耕地利用全过程产生的碳排放；且耕地碳排放与作物碳吸收系数没有根据研究区域实际情况进行修正，在一定程度上会影响估算的准确性，这也将是我们今后的研究重点。其次，吴娜琳等[56]认为，土壤的质地类型会影响农业生产结构与“非粮”作物格局，进而影响耕地碳排放与粮食安全。因此，在驱动因素的选取上，需深入探究耕地碳排放的驱动机制，将贵州省耕地的坡度、气候条件、土壤质地类型等因素纳入核算体系，才能准确探索耕地碳排放与粮食安全兼顾发展的实现路径。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
匡兵, 卢新海, 周敏. 中国城市土地经济密度的分布动态演进[J]. 中国土地科学, 2016, 30(10): 47-54.

[Kuang Bing, Lu Xinhai, Zhou Min. Dynamic evolution of urban land economic density distribution in China. China Land Science, 2016, 30(10): 47-54.]

[2]
张志高, 袁征, 李贝歌, 等. 基于投入视角的河南省农业碳排放时空演化特征与影响因素分解[J]. 中国农业资源与区划, 2017, 38(10): 152-161.

[Zhang Zhigao, Yuan Zheng, Li Beige, et al. Spatial-temporal evolution characteristics and factor decomposition on agricultural carbon emissions in Henan Province. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(10): 152-161.]

[3]
吴郁玲, 张佩, 于亿亿, 等. 粮食安全视角下中国耕地“非粮化”研究进展与展望[J]. 中国土地科学, 2021, 35(9): 116-124.

[Wu Yuling, Zhang Pei, Yu Yiyi, et al. Progress review on and prospects for non-grain cultivated land in China from the perspective of food security. China Land Science, 2021, 35(9): 116-124.]

[4]
Cai Z, Kang G, Tsuruta H, et al. Estimate of CH4 emissions from year-round flooded rice fields during rice growing season in China[J]. Pedosphere, 2005, 15(1): 66-71.

[5]
李颖, 黄贤金, 甄峰. 江苏省区域不同土地利用方式的碳排放效应分析[J]. 农业工程学报, 2008, 24(S2): 102-107.

[Li Ying, Huang Xianjin, Zhen Feng. Effects of land use patterns on carbon emission in Jiangsu Province. Transactions of the CSAE, 2008, 24(S2): 102-107.]

[6]
李波, 刘雪琪, 梅倩, 等. 湖北省农地利用方式变化的碳效应特征与空间差异[J]. 中国人口·资源与环境, 2018, 28(10): 62-70.

[Li Bo, Liu Xueqi, Mei Qian, et al. Study on carbon effects and spatial differences based on changes of agricultural land use in Hubei Province. China Population, Resources and Environment, 2018, 28(10): 62-70.]

[7]
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.

[Li Bo, Zhang Junbiao, Li Haipeng. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China. China Population, Resources and Environment, 2011, 21(8): 80-86.]

[8]
吴贤荣, 张俊飚, 田云, 等. 基于公平与效率双重视角的中国农业碳减排潜力分析[J]. 自然资源学报, 2015, 30(7): 1172-1182.

DOI

[Wu Xianrong, Zhang Junbiao, Tian Yun, et al. Analysis on China's agricultural carbon abatement capacity from the perspective of both equity and efficiency. Journal of Natural Resources, 2015, 30(7): 1172-1182.]

DOI

[9]
田云, 张俊飚, 李波. 中国粮食主产区农业碳排强度估算及其分析[J]. 地理科学进展, 2012, 31(11): 1546-1551.

[Tian Yun, Zhang Junbiao, Li Bo. Intensities of agricultural carbon emissions and their causes in the major grain producing areas in China. Progress in Geography, 2012, 31(11): 1546-1551.]

DOI

[10]
赵宇. 江苏省农业碳排放动态变化影响因素分析及趋势预测[J]. 中国农业资源与区划, 2018, 39(5): 97-102.

[Zhao Yu. Influencing factors and trend prediction on dynamic change of agricultural carbon emissions in Jiangsu Province. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(5): 97-102.]

[11]
戴小文, 何艳秋, 钟秋波. 基于扩展的Kaya恒等式的中国农业碳排放驱动因素分析[J]. 中国科学院大学学报, 2015, 32(6): 751-759.

DOI

[Dai Xiaowen, He Yanqiu, Zhong Qiubo. Analysis of CO2emission driving factors in China's agriculture based on expanded Kaya identity. Journal of University of Chinese Academy of Sciences, 2015, 32(6): 751-759.]

DOI

[12]
刘丽辉, 徐军. 基于扩展的STIRPAT模型的广东农业碳排放影响因素分析[J]. 科技管理研究, 2016, 36(6): 250-255.

[Liu Lihui, Xu Jun. Analysis of influencing factors of agricultural carbon emission in Guangdong Province with the extended STIRPAT model. Science and Technology Management Research, 2016, 36(6): 250-255.]

[13]
周思宇, 郗凤明, 尹岩, 等. 东北地区耕地利用碳排放核算及驱动因素[J]. 应用生态学报, 2021, 32(11): 3865-3871.

DOI

[Zhou Siyu, Xi Fengming, Yin Yan, et al. Accounting and drivers of carbon emission from cultivated land utilization in Northeast China. Chinese Journal of Applied Ecology, 2021, 32(11): 3865-3871.]

DOI

[14]
独孤昌慧. 中国农地利用碳排放及影响因素研究:1990—2016年[J]. 生态经济, 2020, 36(5): 19-23.

[Dugu Changhui. A study on carbon emission and its influencing factors of agriculture land in China: 1990-2016. Ecological Economy, 2020, 36(5): 19-23.]

[15]
徐玥, 王辉, 韩秋凤, 等. 我国耕地碳排放时空特征与影响因素[J]. 江苏农业科学, 2022, 50(16): 218-226.

[Xu Yue, Wang Hui, Han Qiufeng, et al. Spatial-temporal characteristics and influencing factors of China's cultivated land carbon emissions. Jiangsu Agricultural Sciences, 2022, 50(16): 218-226.]

[16]
赵映慧, 王子彤, 詹汶羲, 等. 黑龙江省耕地利用转型碳排放的时空分异特征与影响因素[J]. 西南农业学报, 2022, 35(10): 2247-2255.

[Zhao Yinghui, Wang Zitong, Zhan Wenxi, et al. Spatial-temporal characteristics and influencing factors of carbon emission from cultivated land use transformation in Heilongjiang Province. Southwest China Journal of Agricultural Sciences, 2022, 35(10): 2247-2255.]

[17]
盖兆雪, 詹汶羲, 王洪彦, 等. 耕地利用转型碳排放时空分异特征与形成机理研究[J]. 农业机械学报, 2022, 53(7): 187-196.

[Gai Zhaoxue, Zhan Wenxi, Wang Hongyan, et al. Spatio-temporal differentiation characteristics and formation mechanism of carbon emission from cultivated land use transformation. Transactions of the CSAM, 2022, 53(7): 187-196.]

[18]
丁宝根, 杨树旺, 赵玉, 等. 中国耕地资源利用的碳排放时空特征及脱钩效应研究[J]. 中国土地科学, 2019, 33(12): 45-54.

[Ding Baogen, Yang Shuwang, Zhao Yu, et al. Study on spatio-temporal characteristics and decoupling effect of carbon emission from cultivated land resource utilization in China. China Land Science, 2019, 33(12): 45-54.]

[19]
张志高, 袁征, 刘雪, 等. 基于投入视角的农业碳排放与经济增长的脱钩效应分析: 河南省为例[J]. 水土保持研究, 2017, 24(5): 272-278.

[Zhang Zhigao, Yuan Zheng, Liu Xue, et al. Decoupling analysis of agricultural carbon emissions and economic development based on input angle of view: Taking Henan Province for example. Research of Soil and Water Conservation, 2017, 24(5): 272-278.]

[20]
吴昊玥, 孟越, 黄瀚蛟, 等. 中国耕地利用净碳汇与农业生产的时空耦合特征[J]. 水土保持学报, 2022, 36(5): 360-368, 376.

[Wu Haoyue, Meng Yue, Huang Hanjiao, et al. Spatiotemporal coupling between the net carbon sequestration of cropland use and agricultural production in China. Journal of Soil and Water Conservation, 2022, 36(5): 360-368, 376.]

[21]
李强, 高威, 魏建飞, 等. 中国耕地利用净碳汇时空演进及综合分区[J]. 农业工程学报, 2022, 38(11): 239-249.

[Li Qiang, Gao Wei, Wei Jianfei, et al. Spatiotemporal evolution and comprehensive zoning of net carbon sink in cultivated land use in China. Transactions of the CSAE, 2022, 38(11): 239-249.]

[22]
赵先超, 宋丽美. 湖南省农地利用碳排放与农业经济关系研究[J]. 生态与农村环境学报, 2018, 34(11): 976-981.

[Zhao Xianchao, Song Limei. Carbon emission from agricultural land use and its relationship with agricultural economy in Hunan Province. Journal of Ecology and Rural Environment, 2018, 34(11): 976-981.]

[23]
刘彦随, 王介勇, 郭丽英. 中国粮食生产与耕地变化的时空动态[J]. 中国农业科学, 2009, 42(12): 4269-4274.

[Liu Yansui, Wang Jieyong, Guo Liying. The spatial-temporal changes of grain production and arable land in China. Scientia Agricultura Sinica, 2009, 42(12): 4269-4274.]

[24]
谭言飞, 濮励杰, 解雪峰, 等. 基于敏感度分析的江苏省粮食生产与耕地数量变化动态响应研究[J]. 长江流域资源与环境, 2019, 28(5): 1102-1110.

[Tan Yanfei, Pu Lijie, Xie Xuefeng, et al. Dynamic response of grain production and cultivated land quantity change in Jiangsu Province based on sensitivity analysis. Resources and Environment in the Yangtze Basin, 2019, 28(5): 1102-1110.]

[25]
王佳月, 辛良杰. 基于GlobeLand30数据的中国耕地与粮食生产的时空变化分析[J]. 农业工程学报, 2017, 33(22): 1-8.

[Wang Jiayue, Xin Liangjie. Spatial-temporal variations of cultivated land and grain production in China based on GlobeLand30. Transactions of the CSAE, 2017, 33(22): 1-8.]

[26]
黄寿海, 胡小平. 占补平衡制度下耕地质量对粮食生产的影响[J]. 财经科学, 2019(12): 121-129.

[Huang Shouhai, Hu Xiaoping. Analysis on the influence of cultivated land quality on grain production under the balance system of land supply and compensation. Finance & Economics, 2019(12): 121-129.]

[27]
潘佩佩, 王晓旭, 杨桂山, 等. 经济快速发展地区耕地质量时空变化格局研究[J]. 地理与地理信息科学, 2015, 31(4): 65-70.

[Pan Peipei, Wang Xiaoxu, Yang Guishan, et al. Research on temporal and spatial variation of cultivated land quality in the region with rapid development. Geography and Geo-Information Science, 2015, 31(4): 65-70.]

[28]
徐珊, 宋戈, 李丹, 等. 东北粮食主产区耕地资源时空变化及其对粮食生产能力的影响[J]. 农业工程学报, 2012, 28(21): 1-9.

[Xu Shan, Song Ge, Li Dan, et al. Spatial-temporal variation of cultivated land and its effects on grain production capacity of northeast grain main production area. Transactions of the CSAE, 2012, 28(21): 1-9.]

[29]
潘佩佩, 王晓旭, 赵倩石, 等. 河北省耕地利用变化对粮食生产的影响效应及时空格局分析[J]. 地理与地理信息科学, 2018, 34(6): 85-92.

[Pan Peipei, Wang Xiaoxu, Zhao Qianshi, et al. Effects of cropland change on grain production in Hebei Province: The spatial-temporal pattern. Geography and Geo-Information Science, 2018, 34(6): 85-92.]

[30]
金涛. 中国粮食生产时空变化及其耕地利用效应[J]. 自然资源学报, 2014, 29(6): 911-919.

DOI

[Jin Tao. Effects of cultivated land use on temporal-spatial variation of grain production in China. Journal of Natural Resources, 2014, 29(6): 911-919.]

DOI

[31]
刘成武, 黄利民. 农地边际化过程中农户土地利用行为变化及其对粮食生产的影响[J]. 地理研究, 2015, 34(12): 2268-2282.

DOI

[Liu Chengwu, Huang Limin. The changes of farmers' behavior in land use and its impacts on the food production during the process of marginalization of arable land. Geographical Research, 2015, 34(12): 2268-2282.]

DOI

[32]
张婕, 刘玉洁, 张二梅, 等. 中国县域耕地动态演变及其驱动机制[J]. 地理学报, 2023, 78(9): 2105-2127.

DOI

[Zhang Jie, Liu Yujie, Zhang Ermei, et al. Dynamics and driving mechanisms of cultivated land at county level in China. Acta Geographica Sinica, 2023, 78(9): 2105-2127.]

DOI

[33]
吴昊玥, 黄瀚蛟, 陈文宽. 中国粮食主产区耕地利用碳排放与粮食生产脱钩效应研究[J]. 地理与地理信息科学, 2021, 37(6): 85-91.

[Wu Haoyue, Huang Hanjiao, Chen Wenkuan. Decoupling effects between carbon emissions from cropland use and grain production in the major grain-producing areas in China. Geography and Geo-Information Science, 2021, 37(6): 85-91.]

[34]
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.

[Tian Yun, Yin Minhao. Re-evaluation of China's agricultural carbon emissions: Basic status, dynamic evolution and spatial spillover effects. Chinese Rural Economy, 2022(3): 104-127.]

[35]
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 & Environment, 2002, 91: 217-232.

[36]
智静, 高吉喜. 中国城乡居民食品消费碳排放对比分析[J]. 地理科学进展, 2009, 28(3): 429-434.

[Zhi Jing, Gao Jixi. Analysis of carbon emission caused by food consumption in urban and rural inhabitants in China. Progress in Geography, 2009, 28(3): 429-434.]

DOI

[37]
伍芬琳, 李琳, 张海林, 等. 保护性耕作对农田生态系统净碳释放量的影响[J]. 生态学杂志, 2007, 26(12): 2035-2039.

[Wu Fenlin, Li Lin, Zhang Hailin, et al. Effects of conservation tillage on net carbon flux from farmland ecosystems. Chinese Journal of Ecology, 2007, 26(12): 2035-2039.]

[38]
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.

[39]
宁静, 杨楠, 杜国明, 等. 区域农田生态系统碳足迹时空演变研究: 以黑龙江省为例[J]. 中国农业大学学报, 2023, 28(6): 98-112.

[Ning Jing, Yang Nan, Du Guoming, et al. Spatial-temporal evolution of carbon footprint of farmland ecosystem: A case study of Heilongjiang Province. Journal of China Agricultural University, 2023, 28(6): 98-112.]

[40]
孙小祥, 张华兵, 于英鹏. 江苏沿海地区农田生态系统碳源/汇时空变化及公平性研究[J]. 中国农业资源与区划, 2021, 42(10): 56-64.

[Sun Xiaoxiang, Zhang Huabing, Yu Yingpeng. Spatial and temporal dynamics in carbon source/sink and equity of the farmland ecosystem in Jiangsu coastal area, China. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(10): 56-64.]

[41]
罗红, 罗怀良, 李朝艳, 等. 泸州市农业碳收支时空变化及公平性评价[J]. 生态与农村环境学报, 2019, 35(4): 409-418.

[Luo Hong, Luo Huailiang, Li Chaoyan, et al. Spatio-temporal change in agricultural carbon production budget and evaluation of agricultural carbon emission equity in Luzhou City. Journal of Ecology and Rural Environment, 2019, 35(4): 409-418.]

[42]
王雅楠, 张琪琳, 陈伟. 基于碳汇功能的省域农业碳排放及减排潜力研究: 以中国三种主要粮食作物为例[J]. 重庆社会科学, 2022(5): 58-75.

[Wang Yanan, Zhang Qilin, Chen Wei. Study on provincial agricultural carbon emission and emission reduction potential based on carbon sink function: Taking China's three main grain cropsas an example. Chongqing Social Sciences, 2022(5): 58-75.]

[43]
史常亮, 李赟, 朱俊峰. 劳动力转移、化肥过度使用与面源污染[J]. 中国农业大学学报, 2016, 21(5): 169-180.

[Shi Changliang, Li Yun, Zhu Junfeng. Rural labortransfer, excessive fertilizer use and agricultural non-point source pollution. Journal of China Agricultural University, 2016, 21(5): 169-180.]

[44]
张舰, 亚伯拉罕·艾宾斯坦, 玛格丽特·麦克米伦, 等. 农村劳动力转移、化肥过度使用与环境污染[J]. 经济社会体制比较, 2017(3): 149-160.

[Zhang Jian, Avraham Ebenstein, Margaret McMillan, et al. Migration, excessive fertilizer use and environmental consequences. Comparative Economic & Social Systems, 2017(3): 149-160.]

[45]
张青青, 曲衍波, 展凌云, 等. 中国粮食生产碳排放动态演进及驱动效应[J]. 地理学报, 2023, 78(9): 2186-2208.

DOI

[Zhang Qingqing, Qu Yanbo, Zhan Lingyun, et al. Dynamic evolution and driving effects of carbon emissions from grain production in China. Acta Geographica Sinica, 2023, 78(9): 2186-2208.]

DOI

[46]
移明昊, 闫庆武, 张定祥, 等. 吉林省耕地利用碳排放测度及其与粮食生产脱钩分析[J]. 中国农业资源与区划, 2023, 44(4): 45-56.

[Yi Minghao, Yan Qingwu, Zhang Dingxiang, et al. Measurement of carbon emission from cultivated land use and analysis of its decoupling from grain production in Jilin Province. Chinese Journal of Agricultural Resources and Regional Planning, 2023, 44(4): 45-56.]

[47]
胡婉玲, 张金鑫, 王红玲. 中国农业碳排放特征及影响因素研究[J]. 统计与决策, 2020, 36(5): 56-62.

[Hu Wanling, Zhang Jinxin, Wang Hongling. Characteristics and influencing factors of agricultural carbon emission in China. Statistics & Decision, 2020, 36(5): 56-62.]

[48]
葛小君, 吴丹, 李淑斌, 等. 1978—2021年广西农业净碳汇时序特征及影响因素[J]. 中国生态农业学报(中英文), 2024, 32(2): 218-229.

[Ge Xiaojun, Wu Dan, Li Shubin, et al. Temporal characteristics and influencing factors of agricultural net carbon sink in Guangxi from 1978 to 2021. Chinese Journal of Eco-Agriculture, 2024, 32(2): 218-229.]

[49]
邱怡慧, 王璞, 苏时鹏. 中国农地利用碳排放时空演变特征及驱动因素研究: 基于IPCC法与LMDI指数分解模型[J]. 资源开发与市场, 2019, 35(5): 625-631.

[Qiu Yihui, Wang Pu, Su Shipeng. Temporal and spatial evolution characteristics and driving factors of carbon emissions of agricultural land use in China: Based on IPCC method and LMDI exponential decomposition model. Resource Development & Market, 2019, 35(5): 625-631.]

[50]
童锐, 王永强. 农产品基地认证促进农户农药安全使用了吗? 基于陕西省苹果种植户的实证研究[J]. 生态经济, 2019, 35(11): 112-116.

[Tong Rui, Wang Yongqiang. Does agro-product certification promote the use of unrestricted pesticides: Based on the empirical study of apple farmers in Shaanxi Province. Ecological Economy, 2019, 35(11): 112-116.]

[51]
侯博, 应瑞瑶. 分散农户低碳生产行为决策研究: 基于TPB和SEM的实证分析[J]. 农业技术经济, 2015(2): 4-13.

[Hou Bo, Ying Ruiyao. Decision-making research on low-carbon production behaviours of decentralised farmers an empirical analysis based on TPB and SEM. Journal of Agrotechnical Economics, 2015(2): 4-13.]

[52]
华春林, 陆迁, 姜雅莉, 等. 农业教育培训项目对减少农业面源污染的影响效果研究: 基于倾向评分匹配方法[J]. 农业技术经济, 2013(4): 83-92.

[Hua Chunlin, Lu Qian, Jiang Yali, et al. Research on the effect of agricultural education and training programmes on reducing agricultural surface pollution: Based on propensity score matching method. Journal of Agrotechnical Economics, 2013(4): 83-92.]

[53]
Xia L L, Lam S K, Chen D L, et al. Can knowledge-based N management produce more staple grain with lower greenhouse gas emission and reactive nitrogen pollution? A meta-analysis[J]. Global Change Biology, 2017, 23(5): 1917-1925.

DOI PMID

[54]
陆苹茹, 陈波. 碳减排目标下贵阳市土地利用结构优化分析[J]. 贵州师范大学学报(自然科学版), 2023, 41(5): 18-25.

[Lu Pingru, Chen Bo. Analysis of land use structure optimization in Guiyang under the goal of carbon emission reduction. Journal of Guizhou Normal University (Natural Sciences), 2023, 41(5): 18-25.]

[55]
郭芬, 金建君, 张晨阳, 等. 农户保护性耕作技术采纳行为及其影响因素研究综述[J]. 地理科学进展, 2022, 41(11): 2165-2177.

DOI

[Guo Fen, Jin Jianjun, Zhang Chenyang, et al. A review of farmers' conservation tillage technology adoption behavior and influencing factors. Progress in Geography, 2022, 41(11): 2165-2177.]

DOI

[56]
吴娜琳, 卫怡珂, 李立, 等. 县域非粮作物空间格局及其形成机制: 来自河南省宁陵县的实证分析[J]. 地理科学进展, 2023, 42(7): 1298-1310.

DOI

[Wu Nalin, Wei Yike, et al. Spatial distribution of non-grain crops and formation mechanism Empirical analysis of Ningling County, Henan Province. Progress in Geography, 2023, 42(7): 1298-1310.]

DOI

Options
文章导航

/

〈 〉