中國省際糧食貿易碳轉移空間格局及其責任分擔

楊青林，趙榮欽，羅慧麗，朱瑞明，肖連剛，謝志祥，孫 錦

·專題：耕地保護與糧食安全·

中國省際糧食貿易碳轉移空間格局及其責任分擔

楊青林1，趙榮欽1※，羅慧麗1，朱瑞明2，肖連剛1，謝志祥1，孫 錦1

（1. 華北水利水電大學測繪與地理信息學院，鄭州 450046；2. 河南大學地理與環境學院，開封 475001）

開展省域尺度糧食貿易碳轉移空間格局及其責任分擔研究，對于合理劃分碳減排責任、探索面向糧食安全的省際協同碳減排策略具有重要現實意義。該研究采用2020年中國31個省級行政區截面數據，基于糧食貿易線性規劃方法和糧食貿易碳排放量計算模型對省際糧食貿易及其碳排放進行了核算，并揭示了其空間轉移格局；采用糧食貿易碳排放量責任分擔計算方法探討了各省份糧食貿易碳排放責任分布特征。結果表明：1）在省際糧食貿易與糧食貿易碳排放格局中，輸出區主要為東北、華北、西北和華中地區，輸入區主要為西南、華南和華東地區。2020年全國糧食貿易總量為1.53 億t，輸出區中東北地區累計向外輸送7 126.54萬t，占貿易總量的46.7%，華北地區累計向外輸送2 617.38萬t，占貿易總量的17.1%，西北地區累計向外輸送455.51萬t，占貿易總量的3.0%，華中地區累計向外輸送5 069.71萬t，占貿易總量的33.2%；2）糧食貿易碳排放在空間上呈現出“北碳南輸、中碳西輸”的流向格局，糧食貿易碳排放呈現“南-北”大、“東-西”小的流量特征。河北、山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、甘肅、寧夏、新疆是全國糧食碳排放輸出區，南北方向糧食貿易碳排放流量共計9 119.82萬t，東西方向糧食貿易碳排放流量共計2 229.49萬t；3）糧食貿易碳排放轉移過程中輸入區較輸出區而言應承擔的碳減排責任更大，經濟發達省份的責任占比較大，而經濟規模較小的省份責任也相對較小。輸出區分擔碳減排比例平均為29.5%，輸入區分擔比例平均為70.5%；4）共擔原則下輸出區中安徽、黑龍江、吉林、江西、內蒙古、山西和新疆的分擔比例較低，甘肅、河北、河南、湖北、湖南和寧夏的分擔比例較高，受幫扶效應影響，經濟發達省份對經濟欠發達省份的幫扶較多，會承擔較多減排責任。總體而言，基于共同責任分擔原則，不僅有利于控制輸出區、輸入區的碳排放，而且對于穩固糧食主產區產量有積極作用，為此該研究針對性地提出保障區域糧食安全、公平合理分配區域間碳減排責任優化策略，以實現農業領域“雙碳”戰略與糧食安全雙贏目標。

糧食；碳排放；排放控制；碳轉移；空間格局；共擔責任

0 引 言

探索面向糧食安全的省際協同碳減排，是實現“雙碳”戰略與糧食安全雙贏重要路徑。糧食、能源是實現社會經濟可持續發展的重要物質和基礎[1-2]，受快速城市化、不可持續的資源消耗、人口增長和氣候變化等影響，糧食和能源安全面臨著威脅[3]，Burrows[4]預測到2030年，人類社會經濟活動對糧食、能源的需求較2012年將分別增加35%和50%。農業是全球重要的溫室氣體排放源[5]，Vermeulen等[6]的研究發現全球19%～29%的溫室氣體排放來自于糧食生產系統。就中國的情況而言，耕地資源、淡水資源分別不足全球的9%和6%，卻保障了占世界20%人口的糧食需求[7]。較長一段時間內糧食產量增加主要依靠大量的水、能、物資等投入，由此產生了巨量的農業碳排放，導致農業生態環境持續惡化，直接威脅到中國的糧食安全[8]，為此中國政府莊嚴承諾“2030年前實現碳達峰，2060年前實現碳中和”[9]。在推進農業領域碳達峰、碳中和過程中，首要任務還是要先確保糧食安全，在確保糧食安全的同時積極助力“雙碳”目標實現。農業領域“雙碳”目標的實現，一方面需要“減排”與“增匯”雙管齊下[10]，但同時還應考慮到各個區域的減排責任，只有多措并舉才能盡早實現糧食安全和農業領域“雙碳”目標雙贏。

糧食具有流通性，糧食流通也隱含了虛擬水土資源和碳排放轉移。近幾年，糧食貿易過程中的隱含碳排放區域轉移越來越受到國內外學者的關注[11]。由于不同區域水土資源組合特征和開發強度具有明顯的差異[12]，糧食生產過程水能資源消耗和物資投入強度也存在差異，糧食貿易不僅涉及虛擬水土資源轉移，由于糧食生產地和消費地的分離也附帶了碳排放轉移，糧食生產端碳排放大部分是為滿足其他地區的需求而產生[13]，因此碳排放凈流出地區承擔了較大的減排壓力[14]。開展省際糧食貿易碳轉移研究，有助于識別并劃分碳減排責任，對于探索創新基于共同責任的省際碳轉移減排策略制定有重要的參考意義。

近年來，國內外學者從不同角度探討了糧食貿易、虛擬資源流動和碳轉移問題。在糧食貿易方面，主要側重于網絡空間格局[15]、網絡格局影響因素[16]、結構安全性[17]、糧食運輸路徑與成本[18]等研究。水、土資源是糧食生產的基礎，糧食貿易過程中附帶著虛擬水和虛擬耕地等資源流動，以糧食貿易為載體的虛擬資源流動研究日趨增多。Zhang等[19]的研究表明，中國農產品虛擬水貿易處于貿易順差狀態，進口虛擬水遠大于出口，且呈不斷上升趨勢。Fu等[20]認為中國不同地區氣候條件差異導致作物生長過程中的耗水量存在較大差異，通過糧食貿易紐帶實現虛擬水轉移，中國“北糧南運”的糧食貿易格局可能會加劇北方地區水資源短缺。在虛擬耕地方面，主要側重于虛擬耕地的進出口核算[21]、影響因素[22]及區域間流動格局分析[23]。受全球氣候變化影響，地區間碳減排責任的博弈日益激烈，國內外學者對區域碳排放轉移開展了較多的研究，主要集中于碳排放轉移量核算[24]、區際貿易隱含碳轉移[25]、省際貿易碳排放轉移[26]、碳排放轉移網絡結構和傳導路徑[27]、碳排放轉移驅動因素研究[28]，研究方法多以投入產出法為主，且研究對象主要針對區際貿易，鮮有針對初級產品隱含碳轉移的研究。在碳減排責任方面，碳減排正逐漸成為各個國家、地區、產業部門的主要任務之一，只有明確了碳減排責任才能實現區域協同高效減排[29]。碳減排責任劃定主要有三種，分別是生產者責任、消費者責任和共擔責任。生產者責任認為應將碳排放責任全部歸于生產者，此種方法計算較為方便，但是忽略了碳排放轉移過程中“碳泄露”問題[30]。消費者責任認為碳排放責任應該全部歸屬于消費該產品的主體，此種方法考慮到了碳減排的公平性，但是將減排責任全部歸于消費者，缺乏對碳排放生產者的必要約束，致使產品貿易過程隱含的碳排放較高[31]。隨著生產者責任和消費者責任弊端的出現，共擔責任開始受到國內外學者廣泛關注，共擔責任原則認為碳減排責任應該由生產者和消費者共同承擔[32]，共擔責任原則下可有效緩解生產者與消費者因產品貿易而產生的減排壓力，同時對區域協同碳減排政策的制定有實際的參考意義。

以上研究為進一步深入開展中國省際糧食貿易碳轉移空間格局研究及其責任分擔提供了重要思路和方法參考，但仍需在以下方面進一步加強：1）糧食貿易是緩解區域水土資源要素錯配的重要手段[33]，糧食貿易過程不僅附帶虛擬水土資源轉移，同時還應注意到其過程附帶的隱含碳排放轉移。2）在研究對象方面，較多傾向于國際或省際間貿易所帶來的虛擬資源流動，缺乏針對中國區域糧食交易所致的碳轉移研究，易導致地區間糧食輸出區與輸入區責任不明確，不利于區域間協同減排。3） 在研究方法層面，由于區域間糧食交易數據獲取難度較大[34]，一般采用多區域投入產出模型計算[35]，雖然該方法能夠很好地反映出多個經濟體或部門間的關聯關系，但糧食作為一種初級產品，目前學界內關于糧食價值型和實物型省際貿易流矩陣建立方法尚未統一。其次，因為國家投入產出表為每五年編制一次，最新的投入產出表也只更新到了2017年，考慮到投入產出模型的時效性和局限性，所以采用線性規劃模型。糧食貿易不僅是實現各地區糧食供需平衡，其內在具有趨利性，即追求糧食貿易過程中運輸成本最小化，因此運糧成本是影響糧食貿易的主要驅動因素，基于糧食運輸成本最小化線性規劃模型從驅動因素的角度量化了糧食貿易，排除了貿易數據的局限性，為糧食貿易過程碳排放轉移研究提供一種新的、可行的參考，基于運糧成本最小化線性規劃模型已被國內外多位學者證實[36]。在協同減排和省際碳公平背景下，研究區域間糧食貿易碳轉移空間格局特征及其碳減排責任分擔，對于探索針對性的省際碳轉移減排機制制定具有重要現實意義。鑒于此，該研究利用糧食貿易線性規劃方法和省際糧食貿易碳排放量計算模型，采用2020年中國31個省級行政區（港、澳、臺除外）截面數據，模擬省際間糧食貿易及碳排放轉移情況，并分析省域尺度糧食貿易碳轉移空間格局，最后利用糧食貿易碳排放量責任分擔計算方法，探討共同責任原則下各省份的糧食貿易碳排放減排責任，以期為缺乏糧食貿易數據的地區量化碳排放轉移提供方法參考，為區域協同減排政策的制定提供借鑒。

1 研究方法與數據來源

1.1 理論框架

糧食生產和消費具有鮮明的地域性特征，這是自然條件、資源稟賦和經濟社會諸多因素共同作用的結果。糧食生產主要受自然資源稟賦、耕地面積、農業技術、經濟發展水平、生產條件等內部因素和糧食政策、糧食貿易市場等外部因素共同影響；糧食消費主要受糧食生產結構、飲食習慣、人口規模、經濟發展水平等因素影響（圖1）。區域之間自然條件、種植結構和消費需求等的差異從根本上決定了區際糧食貿易的路徑、種類和規模。

糧食貿易通過地域分工和區際流通解決了生產和消費之間的矛盾，但從跨區域環境影響的視角而言，糧食貿易也隱含了農業生產過程中水土資源和碳排放轉移，以及農業投入帶來的異地環境影響。其中，作為農業生產過程中物資投入和能源消耗的綜合表征，隱含碳排放轉移是糧食生產異地環境影響的重要指標，能夠為基于糧食貿易的區際環境責任分擔提供依據。因此，糧食貿易碳減排應是生產者和消費者的共同責任，若對生產者劃分碳減排責任比例過高，其將面臨著糧食生產和碳減排的雙重壓力，不利于調動糧食生產者的積極性。若對消費者劃分碳減排責任比例過高，則糧食輸入地將會增加更多的成本，進而影響到區域糧食安全。而基于共擔原則的下碳減排責任劃分，可以有效緩解糧食生產地與輸入地因糧食貿易而產生的減排壓力，同時也為區域間協同減排提供減排路徑參考。正是基于以上考慮，該研究嘗試通過隱含碳流通識別糧食輸出區和輸入區的環境責任，探索基于共同責任的省際碳轉移減排機制，為推動糧食安全和碳減排雙重目標的實現提供參考借鑒。

圖1 糧食貿易碳轉移及其責任分擔的理論框架

1.2 數據來源及處理

國內和國際關于糧食的定義有所不同，國際上一般認為糧食包括玉米、小麥、稻米和雜糧[37]，而根據中國糧食的統計則包括了稻谷、小麥、玉米、豆類和薯類，用途則包括了口糧、工業用糧、飼料用糧、種子用糧和糧食損耗。根據研究目標，采用2020年中國31個省級行政區截面數據（港、澳、臺數據暫缺），研究中國省級糧食交易量及碳轉移情況。研究數據主要包括以下兩個方面：1）糧食供需計算所需數據。根據肖玉等[38]的糧食供需計算方法，采用糧食生產量、人均消費量估算各省區糧食需求量和糧食自給率。糧食生產量、城鎮和農村年末人口數、不同年齡段人口數量、糧食作物播種面積、肉蛋奶水產量數據來自《中國統計年鑒2021》，人均口糧攝入量參考《中國居民平衡膳食指南2016》，單位面積用種量來自《全國農產品成本收益資料匯編》，工業用糧數據來自《中國食品工業年鑒》。2）糧食貿易線性規劃數據。參考高守杰等[18]的方法，在ArcGIS中獲取最低成本的OD成本矩陣，在此基礎上進行糧食貿易最優路徑分析。全國1∶100萬公眾版基礎地理信息數據（2021）來自國家基礎地理信息中心，從數據庫中提取全國鐵路網矢量數據，在ArcGIS平臺計算不同省會城市的鐵路運輸距離。糧食的鐵路運輸費用參考《鐵路貨物運價規則》。

1.3 研究方法

1.3.1 基于線性規劃的糧食貿易計算方法

囿于各省份間糧食交易數據難以獲取，因此采用線性規劃法模擬各省糧食交易量。該研究暫不考慮國際糧食貿易對國內的沖擊，以運輸成本最小化為目標，以糧食供需狀態為約束條件，結合數據處理結果得到的OD成本矩陣，模擬各省糧食交易最優路徑。自變量S為兩兩省份間糧食交易量，OD成本矩陣作為目標函數中的系數，根據糧食供需計算結果，假設31個省市自治區中存在個省份已經實現糧食自給，那么這個省份的糧食盈余量可以實現糧食貿易，即將個省份的糧食盈余量交易給其他31-個省份，利用Matlab軟件中linprog函數，計算得到各省之間糧食交易量。根據設定構建目標函數計算式如下：

式中和表示不同的省份，為糧食短缺省份，為糧食盈余省份，為糧食需求省份總數，-1為糧食盈余省份總數，C為OD成本矩陣，S為各省份間糧食交易量（萬t），E為省的糧食需求量（萬t），D為省的糧食盈余量（萬t）。

1.3.2 省際糧食貿易碳排放量計算方法

參考賁培琪等[39]虛擬耕地流計算思路，通過不同省份間糧食交易量與對應需求省份生產單位糧食固定的碳排放量乘積從而構建碳轉移流動格局，生產單位糧食固定的碳排放量參考何慧爽[40]的研究，由此構建糧食貿易碳轉移計算式如下：

式中CE為糧食交易碳轉移總量（萬t），Q為省生產單位糧食大致固定的碳排放量（t），NPP為省的耕地凈初級生產力，參考鄧宣凱等[41]的研究，該值為4.243 t/hm2，CY為單位糧食作物播種面積的產量，t/hm2。

1.3.3 省際糧食貿易碳排放量責任分擔計算方法

糧食輸出區承擔著重大糧食供給安全責任，面臨著巨大的減排壓力，而糧食輸入區能在宏觀調控和市場調節下通過糧食調配緩解區域內產需不平衡矛盾，同時還享受著工業化、城鎮化發展的成果，因此輸出區與輸入區責任與利益存在嚴重失衡。因此基于減排責任共擔的原則，借鑒劉?？礫42]的責任分配系數法，計算糧食貿易碳排放輸出區和輸入區的共擔責任。共擔責任分配系數法計算式如下：

式中p和p分別為省和省在共同責任下對省份間糧食貿易碳轉移所負責的分配因子，和表示不同省份2020年的生產總值（億元），E表示省到省的糧食貿易碳排放轉移量（萬t），C表示省承擔的碳減排責任（萬t）。

2 結果分析

2.1 省際糧食貿易碳排放及其空間格局

圖2為2020年中國糧食貿易及碳排放分布結果。由圖2可知，在省際糧食貿易格局中，輸出區主要為東北、華北、西北和華中地區，輸入區主要為西南、華南和華東地區。2020年全國糧食貿易總量為1.53億t，其中，東北地區累計向外輸送7 126.54萬t，占當年糧食貿易總量的46.7%，華北地區累計向外輸送2 617.38萬t，占當年糧食貿易總量的17.1%，西北地區累計向外輸送455.51 萬t，占當年糧食貿易總量的3.0%，華中地區累計向外輸送5 069.71萬t，占當年糧食貿易總量的33.2%?？偟膩砜?，東北地區向外輸送最多，東北地區向外輸送糧食約占糧食貿易總量的一半，其中又以黑龍江向外輸出最多（4 821.41萬t），占糧食貿易總量的31.58%。與相關研究對比，就貿易格局而言，Wang等[43]的研究表明，內蒙古、遼寧、吉林、黑龍江、河北、河南、山東、安徽、江蘇、湖北、湖南、江西、四川等13個省級行政區是主要的糧食輸出區。從糧食貿易總量來看，根據國家糧食交易中心數據顯示，2020年國家政策性糧食累計成交約1.15億t，由于當年受新冠疫情影響，從中儲糧集團有限公司2020社會責任報告中獲悉，2020年中儲糧累計向市場投放糧油1.44億t，約占全國糧食產量的1/5，占國內糧食流通量的1/4。綜合來看，2020年國內糧食流通總量約為1.51億t。從地方糧食貿易量來看，根據黑龍江省科學院研究表明，2019年黑龍江省糧食調出量占全國的1/3[44]。通過與相關研究、具體統計數據對比分析，該研究的結果與之較為接近，說明基于線性規劃的計算方法適用于糧食貿易分析，且該研究的結果具有一定的可靠性。由于東北地區人均耕地面積較大、土壤肥沃、地形平坦、耕地連片度高，利于大規模機械化耕種，因此產糧效率高。此外，2020年新冠肺炎疫情發生以來，國家為有效應對新冠肺炎疫情對東北地區農業生產帶來的沖擊和影響，制定出臺了一系列農業應急政策和惠民政策，極大地調動了農民種糧的積極性，有力保障了區域糧食安全，疏通了糧食流通渠道。而西南地區由于地形地貌、人均耕地資源緊張、優質耕地較少等因素影響，不利于大規模機械耕種，生產主體以小規模的家庭農場為主。華南和華東地區經濟發達、人口密集、糧食需求量大，且隨著經濟的快速發展，大量優質耕地被建設用地所占用，導致糧食無法達到供需平衡。

省際糧食貿易碳排放分布格局與糧食貿易格局一致（圖2b）。2020年全國糧食貿易碳排放總量為1.13億t，其中，輸出區中東北地區累計向外輸送5 378.14萬t，占碳排放總量的47.4%，華北地區累計向外輸送2 091.82 萬t，占碳排放總量的18.4%，西北地區累計向外輸送295.16萬t，占碳排放總量的2.6%，華中地區累計向外輸送3 584.19萬t，占碳排放總量的31.6%。在輸出區中，黑龍江、內蒙古、吉林、河南的糧食貿易碳排放較大，其糧食貿易碳排放均在1 000萬t以上，在輸入區中，廣東、浙江、北京、福建、山東等的糧食貿易碳排放較大。由于輸入區人口較多、口糧需求較大，且輸入區多為經濟發達地區，工業用糧需求也較大，因此糧食生產無法完全自給自足，伴隨著糧食輸入的同時也承接了較多的糧食貿易隱含碳排放。

2.2 省際糧食貿易碳轉移路徑分析

基于糧食貿易模擬結果，利用式（2）計算出糧食貿易過程碳排放，并在ArcGIS中對糧食貿易碳排放流向進行可視化分析，以弦圖對糧食貿易碳排放流量進行表征，其中不同顏色代表不同的省區，關系帶代表流向和流量，同時也對應著輸出和輸入地區。

注：該圖基于自然資源部標準地圖服務網站標準地圖制作，底圖邊界無修改。港澳臺數據暫缺。圖中GNI為糧食凈輸入量，GNO為糧食凈輸出量，CNI為碳排放凈輸入量，CNO為碳排放凈輸出量。下同。

糧食貿易碳排放在空間上呈現出“北碳南輸、中碳西輸”的流向格局。糧食貿易碳排放流動格局的形成與糧食貿易格局相關，改革開放以來，中國的經濟重心逐漸轉向東南沿海地區，在產業上，發展的重心由農業轉為工業，因此必然導致糧食種植面積減少，為了維持區域內糧食供銷平衡，需要從其他省份補充。而北方和中部省份隨著現代化農業技術的推廣應用，有效地實現了增產增收，逐漸形成了“北糧南運、中糧西運”的糧食貿易格局。技術變革帶來的北方和中部糧食增產，同時也是市場發展對自然資源的調配和優化，以及政策對糧食生產的保障等因素共同影響。從圖3可以看出，糧食輸出省份相較東部和南部沿海省份經濟仍有一定的差距，在大力向外輸出糧食的同時也承受著較大的減排壓力，因此未來亟需探尋公平合理的責任共擔碳減排模式和碳補償機制。

糧食貿易碳排放呈現南—北大、東—西小的流量特征。根據糧食貿易碳排放模擬結果顯示，河北、山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、甘肅、寧夏、新疆是全國糧食碳排放輸出區，與其他省份共有76條貿易記錄，其中，南北方向糧食貿易碳排放共有48條記錄，糧食貿易碳排放流量共計9 119.82 萬t，東西方向糧食貿易碳排放共有28條記錄，糧食貿易碳排放流量共計2 229.49萬t，其中糧食貿易碳排放最大的是黑龍江到廣東，為1 625.41萬t，占糧食貿易碳排放總量的14.3%，其次為黑龍江到浙江、內蒙古到浙江、吉林到廣東，其流量分別為855.48萬t、539.12萬t、533.60 萬t。糧食貿易碳排放最小的是新疆到青海，僅為1.74萬t。在輸出區中，黑龍江向外省輸出的糧食貿易碳排放最大，為3 916.95萬t，河南省向其他省份輸出的糧食貿易碳排放記錄最多，共有11條輸出記錄。在輸入區中，廣東省糧食貿易碳排放量最大，為3 678.59萬t，且糧食貿易碳排放記錄也最多，共有8條輸入記錄。

2.3 省際糧食貿易碳排放責任分擔

各省份間存在著巨大的糧食貿易往來，這也導致了省域間存在著較為嚴重的“碳泄露”，單一的生產者責任或消費者責任無法準確合理地分配碳減排責任，只有將糧食貿易碳排放責任公平劃分，各省份才能在碳減排行動中發揮積極的作用。利用式（3）測算出糧食貿易碳轉移過程中不同省份的應承擔的責任（表1），得到共擔責任下各省份的糧食貿易碳排放責任分布特征。

中國糧食貿易碳排放轉移過程中輸入區較輸出區而言應承擔的碳減排責任更大。2020年，因糧食貿易產生的碳排放總量為1.13億t，輸出區分擔碳減排比例平均為29.5%，輸入區分擔比例平均為70.5%。13個輸出省在共擔責任原則下的減排責任比碳排放轉移中間量低24.52%～80.74%，共擔原則下輸出區減排責任為3 347.57萬t，輸出區減排責任相比糧食貿易碳排放轉移量少8 001.74萬t。究其原因，2020年糧食貿易碳排放輸出區省份13個，主要分布在北部和中部等經濟欠發達地區，而糧食貿易碳排放輸入區省份為18個，且較多分布在東部沿海和華南等經濟發達地區，對于糧食輸入省份而言，以幫扶效應作為分擔系數的共同責任準則較大程度緩解了減排壓力，有利于提高糧食輸出區種糧積極性。對于糧食需求省份而言，在獲取糧食的過程中會承擔相應的碳減排責任，也基本體現了“收益大，責任大”的分配思路，與Zhang[45]的研究基本一致，即經濟發達省份的責任占比較大，而經濟規模較小的省份責任也相對較小?？傮w而言，基于共同責任分擔原則，不僅有利于同時控制輸出區、輸入區的碳排放和碳轉移量，而且對于穩固糧食主產區產量有積極作用。

從區域視角而言，輸出區中安徽、黑龍江、吉林、江西、內蒙古、山西和新疆的分擔比例較低，甘肅、河北、河南、湖北、湖南和寧夏的分擔比例較高。輸出區中安徽、黑龍江、吉林、江西、內蒙古、山西和新疆的分擔比例分別為38.1%、19.5%、19.3%、30.4%、25.9%、33.9%、20.6%，而甘肅、河北、河南、湖北、湖南和寧夏的分擔比例分別為77.5%、55.9%、52.3%、53.1%、48.5%、56.7%。輸出區中分擔比例較低的原因是安徽、黑龍江、吉林、江西、內蒙古、山西和新疆的經濟發展水平較低，而其糧食主要對口經濟發達的省份，在糧食貿易碳排放轉移過程中，受到其他經濟發達省份的幫扶較多。輸出區中分擔比例較高的原因是，甘肅、河北、河南、湖北、湖南和寧夏的糧食貿易多集中于經濟發展水平較低的地區，從而在幫扶效應中對其他經濟欠發達省份的幫扶較多，因此承擔了較多減排責任。

表1 共擔原則下糧食貿易碳排放責任分配表

3 討 論

糧食生產系統極具敏感性和脆弱性，主要表現在以下兩方面：一是對干旱、高溫、強降水、病蟲災害等常規自然災害具有敏感性和脆弱性，二是對“黑天鵝事件”極具敏感性和脆弱性，例如2020年的新冠疫情。目前中國針對常規自然災害已經有較為健全和成熟的農業防災減災應急機制，例如《“十四五”國家應急體系規劃》、《“十四五”國家綜合防災減災規劃》的頒布說明國家的應急和綜合保障能力大幅提升，而對“黑天鵝事件”的應急預案建設還正處于摸索和完善階段。2020年的新冠疫情對中國糧食的生產、消費和流通環節有一定的影響[46]，從糧食生產環節而言，由于疫情導致勞動力移動受限，進一步加劇了農業勞動力短缺，此外，在疫情開始時期，農資價格上漲和流通受阻，種糧成本上升，挫傷了農民種糧積極性，也給糧食生產帶來了較大的負面影響。從糧食消費環節來看，受疫情影響導致糧食價格上漲，居民收入下降，因此從客觀層面而言削弱了居民的糧食購買能力。從糧食流通環節來看，疫情期間“封村封路”等措施導致國內各區域聯通性減弱，區域間糧食運輸受阻，局部省份出現了“賣糧難”等問題。由于數據搜集較為困難，因此無法利用糧食貿易線性規劃方法模擬新冠疫情對于省際糧食貿易的影響，未來可結合調查統計數據，定量分析疫情對于糧食生產、消費和流通環節的影響，以及針對性制定相應的應對措施，構建長效的應急機制。

糧食貿易通過地域分工和區際流通可有效解決區域糧食供需矛盾，然而由于統計數據獲取較為困難，以及考慮到投入產出模型的時效性和局限性，采用了線性規劃模型對省際糧食貿易情況進行了分析，省際間糧食貿易結果直接影響到碳排放轉移空間格局，因此對糧食貿易結果的評估是至關重要的一環。就研究方法而言，線性規劃模型已被應用到各個領域，且在糧食貿易量化方面也有較好的適用性[36]。從研究結果來看，一是省際糧食貿易格局與相關類似成果較為接近[43]，二是省際糧食貿易量與2020年國內糧食流通總量統計數據較為接近，因此可以利用該方法模擬省際間糧食貿易。為了對線性規劃模型進行定量評價，未來可以長期收集糧食貿易數據，通過實際收集的糧食貿易數據精確驗證模型的準確性以及結果的可靠性。

省際糧食貿易碳排放流量通過不同省份間糧食交易量與對應需求省份生產單位糧食固定的碳排放量乘積而得到，在糧食貿易流量的基礎上，碳排放流量的大小取決于生產單位糧食固定的碳排放量，此種方法也被多位學者使用[40-41]。生產單位糧食固定的碳排放量與耕地凈初級生產力、糧食產量等因素有關，而耕地凈初級生產力與化肥施用量、氣溫、降水、日照時數等因素相關，由于全國各省自然條件、資源稟賦存在差異，所以未來可增加全國典型觀測樣點，通過干燥系數、收貨指數、根冠比指數等計算不同區域的耕地凈初級生產力[47]，使糧食生產碳排放估算結果越接近于真實值。

4 結論與政策建議

4.1 結 論

本研究采用2020年中國31個省級行政區截面數據，基于糧食貿易線性規劃方法和糧食貿易碳排放量計算模型對省際糧食貿易及其碳排放進行了核算，并揭示了其空間轉移格局；采用糧食貿易碳排放量責任分擔計算方法探討了各省份糧食貿易碳排放責任分布特征。主要結論如下：

1）在省際糧食貿易與糧食貿易碳排放格局中，輸出區主要為東北、華北、西北和華中地區，輸入區主要為西南、華南和華東地區。2020年全國糧食貿易總量為1.53 億t，其中，輸出區中東北地區累計向外輸送7 126.54 萬t，占貿易總量的46.7%，華北地區累計向外輸送2 617.38萬t，占貿易總量的17.1%，西北地區累計向外輸送455.51萬t，占貿易總量的3.0%，華中地區累計向外輸送5 069.71萬t，占貿易總量的33.2%。

2）糧食貿易碳排放在空間上呈現出“北碳南輸、中碳西輸”的流向格局，糧食貿易碳排放呈現“南—北”大、“東—西”小的流量特征。河北、山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、甘肅、寧夏、新疆是全國糧食碳排放輸出區，南北方向糧食貿易碳排放流量共計9 119.82萬t，東西方向糧食貿易碳排放流量共計2 229.49萬t。

3）中國糧食貿易碳排放轉移過程中輸入區較輸出區而言應承擔的碳減排責任更大。輸出區分擔碳減排比例平均為29.5%，輸入區分擔比例平均為70.5%。13個輸出省在共擔責任原則下的減排責任比碳排放轉移中間量低24.52%～80.74%。共擔原則下輸出區減排責任為3 347.57 萬t，輸出區減排責任相比糧食貿易碳排放轉移量減少8 001.74萬t。

4）從區域視角而言，輸出區中安徽、黑龍江、吉林、江西、內蒙古、山西和新疆的分擔比例較低，甘肅、河北、河南、湖北、湖南和寧夏的分擔比例較高。

4.2 政策建議

在共同責任分擔下推動區域協同減排對于實現糧食安全、推動農業綠色可持續發展具有重要意義。為區域保障糧食安全、也更公平合理分配區域間碳減排責任，提出以下政策建議：1）穩固東北、華北、西北和華中地區糧食生產重任，提高西南、華南和華東地區糧食產量。對于東北、華北、西北和華中地區而言，應深入實施“藏糧于地、藏糧于技”戰略，推進耕地質量保護與提升，同時應不斷探索完善糧食安全與利益補償機制，調動農民生產積極性，保持糧食產能穩定。對于西南、華南和華東地區而言，應制止耕地“非農化”，防止耕地“非糧化”，加大農業基礎設施投入力度，積極推進丘陵山區農業機械化，逐步推進高標準農田建設，發展多季糧食種植優勢，拓寬糧食穩產增產渠道；2）提高農業綠色生產效率，降低糧食輸出區碳排放。推動規模化經營和農業精準施肥灌溉技術，優化農業水土資源配置，提高農業生產效率，以降低糧食生產的隱含碳排放；3）嘗試開展基于隱含碳轉移的糧食貿易碳補償試點。以碳排放責任分擔結果為參考，科學合理分配輸出區與輸入區碳減排責任，確定合理的碳補償標準，探索多樣化的補償方式，開展區域碳補償試點，為區域協同減排、推動農業領域實現“雙碳”目標的實現提供實踐指導。4）構建對口長效幫扶機制。由于糧食貿易碳排放輸入區省份較多分布在東部沿海和華南等經濟發達地區，且輸入區承擔了較多的碳減排責任，因此可以構建“一對一”或“一對多”的對口幫扶機制，經濟發達地區可以依據碳轉移量大小對糧食輸出區提供先進農業生產技術、裝備與減排技術指導，以實現全產業鏈的綠色低碳發展。

[1] 宋敏，劉學敏. 西北地區能源—環境—經濟可持續發展預警研究—以陜西省為例[J]. 中國人口·資源與環境，2012，22(5)：133-138.

Song Ming, Liu Xuemin. Early warning research of energy industry of sustainability development in Shaanxi[J]. China Population Resources and Environment, 2012, 22(5): 133-138. (in Chinese with English abstract)

[2] 李紅芳，王會肖，趙茹欣，等. 基于Copula函數的水-能源-糧食共生安全風險概率[J]. 農業工程學報，2021，37(8)：332-340.

Li Hongfang, Wang Huixiao, Zhao Ruxin, et al. Estimating the symbiosis risk probability of water–energy–food using Copula function[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(8): 332-340. (in Chinese with English abstract)

[3] Cansino-Loeza B, Ponce-Ortega J M. Sustainable assessment of Water-Energy-Food Nexus at regional level through a multi-stakeholder optimization approach[J]. Journal of Cleaner Production, 2020, 290(3): 125194.

[4] Burrows M. Global Trends 2030: Alternative Worlds[R]. Washington: NIC, 2012.

[5] 謝淑娟，匡耀求，黃寧生. 中國發展碳匯農業的主要路徑與政策建議[J]. 中國人口·資源與環境，2010，20(12)：46-51.

Xie Shujuan, Kuang Yaoqiu, Huang Ningsheng. Main paths and policy proposals for the development of carbon-sinking agriculture in China[J]. China Population Resources and Environment, 2010, 20(12): 46-51. (in Chinese with English abstract)

[6] Vemeulen S J, Campbell B M, Ingram J. Climate change and food systems[J]. Social Science Electronic Publishing, 2012, 37(1): 195-222.

[7] 張衛建，嚴圣吉，張俊，等. 國家糧食安全與農業雙碳目標的雙贏策略[J]. 中國農業科學，2021，54(18)：3892-3902.

Zhang Weijian, Yan Shengji, Zhang Jun, et al. Win-win strategy for national food security and agricultural double-carbon goals[J]. Scientia Agricultura Sinica, 2021, 54(18): 3892-3902. (in Chinese with English abstract)

[8] Chen Y H, Wen X W, Wang B, et al. Agricultural pollution and regulation: How to subsidize agriculture?[J]. Journal of Cleaner Production, 2017, 164(10): 258-264.

[9] 汪開英，李鑫，陸建定，等. 碳中和目標下畜牧業低碳發展路徑[J]. 農業工程學報，2022，38(1)：230-238.

Wang Kaiying, Li Xin, Lu Jianding, et al. Low-carbon development strategies of livestock industry to achieve goal of carbon neutrality in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(1): 230-238. (in Chinese with English abstract)

[10] 田云，尹忞昊. 中國農業碳排放再測算：基本現狀、動態演進及空間溢出效應[J]. 中國農村經濟，2022(3)：104-127.

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

[11] Li Y, Li J. How does China’s economic policy uncertainty affect the sustainability of its net grain imports?[J]. Sustainability, 2021, 13(12): 1-12.

[12] 趙榮欽，李志萍，韓宇平，等. 區域“水—土—能—碳”耦合作用機制分析[J]. 地理學報，2016，71(9)：1613-1628.

Zhao Rongqin, Li Zhiping, Han Yuping, et al. The coupling interaction mechanism of regional water-land-energy-carbon system[J]. Acta Geographica Sinica, 2016, 71(9): 1613-1628. (in Chinese with English abstract)

[13] Petrs G P, Hertwich E G. CO2embodied in international trade with implications for global climate policy[J]. Environmental Science & Technology, 2008, 42(5): 1401-1407.

[14] 蔣雪梅，鄭可馨. 京津冀地區間貿易隱含碳排放轉移研究[J]. 地域研究與開發，2019，38(6)：126-130.

Jiang Xuemei, Zheng Kexin. The embodied CO2emissions transfer in Beijing-Tianjin-Hebei region[J]. Areal Research and Development, 2019, 38(6): 126-130. (in Chinese with English abstract)

[15] Duan J, Nie C, Wang Y, et al. Research on global grain trade network pattern and its driving factors[J]. Sustainability, 2022, 14(1): 1-17.

[16] 王介勇，戴純，周墨竹，等. 全球糧食貿易網絡格局及其影響因素[J]. 自然資源學報，2021，36(6)：1545-1556.

Wang Jieyong, Dai Chun, Zhou Mozhu, et al. Research on global grain trade network pattern and its influencing factors[J]. Journal of Natural Resources, 2021, 36(6): 1545-1556. (in Chinese with English abstract)

[17] 呂夢軻，張麗君，秦耀辰，等. 1987—2016年中國糧食貿易時空格局演變及貿易結構安全性評估[J]. 資源科學，2021，43(4)：838-848.

Lv Mengke, Zhang Lijun, Qin Yaochen, et al. Spatiotemporal pattern of Chinese food trade and structural security assessment, 1987-2016[J]. Resources Science, 2021, 43(4): 838-848. (in Chinese with English abstract)

[18] 高守杰，郭光毅，代希波. 基于道路網絡分析的省際糧食運輸成本研究[J]. 物流科技，2014，37(5)：135-139.

Gao Shoujie, Guo Guangyi, Dai Xibo. Research of inter-provincial grain transport costs based on GIS network analyst[J]. Logistics Sci-tech, 2014, 37(5): 135-139. (in Chinese with English abstract)

[19] Zhang Y, Zhang J, Tang G, et al. Virtual water flows in the international trade of agricultural products of China[J]. Science of the Total Environment, 2016, 557(7): 1-11.

[20] Fu Y C, Zhao J, Wang C, et al. The virtual water flow of crops between intraregional and interregional in mainland China[J]. Agricultural Water Management, 2018, 208(9): 204-213.

[21] 王維方，劉愛民，強文麗. 中國大豆資源的虛擬土貿易及進口依存度分析[J]. 自然資源學報，2011，26(7)：1139-1147.

Wang Weifang, Liu Aimin, Qiang Wenli. Virtual land trades and external dependences of China’s soybean resources[J]. Journal of Natural Resources, 2011, 26(7): 1139-1147. (in Chinese with English abstract)

[22] 強文麗，張翠玲，劉愛民，等. 全球農產品貿易的虛擬耕地資源流動演變及影響因素[J]. 資源科學，2020，42(9)：1704-1714.

Qiang Wenli, Zhang Cuiling, Liu Ai Min, et al. Evolution of global virtual land flow related to agricultural trade and driving factors[J]. Resources Science, 2020, 42(9): 1704-1714. (in Chinese with English abstract)

[23] 梁流濤，唐林昊，李士超，等. 基于生態網絡架構的虛擬耕地流動格局及其穩定性評價[J]. 經濟地理，2020，40(1)：140-149.

Liang Liutao, Tang Linhao, Li Shichao, et al. Virtual cultivated land flow pattern and its stability evaluation of based on ecological network architecture[J]. Economic Geography, 2020, 40(1): 140-149. (in Chinese with English abstract)

[24] 陳暉，溫婧，龐軍，等. 基于31省MRIO模型的中國省際碳轉移及碳公平研究[J]. 中國環境科學，2020，40(12)：5540-5550.

Chen Hui, Wen Jing, Pang Jun, et al. Research on the carbon transfer and carbon equity at provincial level of China based on MRIO model of 31 provinces[J]. China Environmental Science, 2020, 40(12): 5540-5550. (in Chinese with English abstract)

[25] 孟凡鑫，蘇美蓉，胡元超，等. 中國及“一帶一路”沿線典型國家貿易隱含碳轉移研究[J]. 中國人口·資源與環境，2019，29(4)：18-26.

Meng Fanxin, Su Meirong, Hu Yuanchao, et al. Embodied carbon in trade of China and typical countries along the “Belt and Road”[J]. China Population Resources and Environment, 2019, 29(4): 18-26. (in Chinese with English abstract)

[26] 王振宇. 基于省際貿易的2002-2012年間中國各省區碳排放轉移測度及影響因素分析[D]. 廣州：暨南大學，2018.

Wang Zhenyu. The Measurement and Influencing Factors of Carbon Emission Transfer in China’s Provinces During 2002-2012 Based on Inter Provincial Trade[D]. Guangzhou: Jinan University, 2018. (in Chinese with English abstract)

[27] 張同斌，孫靜. “國際貿易—碳排放”網絡的結構特征與傳導路徑研究[J]. 財經研究，2019，45(3)：114-126.

Zhang Tongbin, Sun Jing. A research on the structural characteristics and transmission path of the “international trade carbon emission” network[J]. The Study of Finance and Economics, 2019, 45(3): 114-126. (in Chinese with English abstract)

[28] 余娟娟，龔同. 全球碳轉移網絡的解構與影響因素分析[J]. 中國人口·資源與環境，2020，30(8)：21-30.

Yu Juanjuan, Gong Tong. Analyzing the deconstruction and influencing factors of the global carbon transfer network[J]. China Population Resources and Environment, 2020, 30(8): 21-30. (in Chinese with English abstract)

[29] 徐盈之，鄒芳. 基于投入產出分析法的我國各產業部門碳減排責任研究[J]. 產業經濟研究，2010 (5)：27-35.

Xu Yingzhi, Zou Fang. Carbon reduction responsibility of China's industries based on the input-output analysis[J]. Industrial Economics Research, 2010 (5): 27-35. (in Chinese with English abstract)

[30] 付坤，齊紹洲. 中國省級電力碳排放責任核算方法及應用[J]. 中國人口·資源與環境，2014，24(4)：27-34.

Fu Kun, Qi Shaozhou. Accounting method and its application of provincial electricity CO2emissions responsibility[J]. China Population Resources and Environment, 2014, 24(4): 27-34. (in Chinese with English abstract)

[31] Tao X, Wang P, Zhu B. Measuring the interprovincial CO2emissions considering electric power dispatching in China: from production and consumption perspectives[J]. Sustainability, 2016, 8(6): 506.

[32] 王文治. 中國省域間碳排放的轉移測度與責任分擔[J]. 環境經濟研究，2018，3(1)：19-36.

Wang Wenzhi. Calculation on net value of carbon emission transfer between China's provinces and responsibility sharing[J]. Jouranl of Environmental Economics, 2018, 3(1): 19-36. (in Chinese with English abstract)

[33] 馬靜，張紅旗，李慧嫻，等. 糧食國際貿易對我國水土資源利用的影響分析[J]. 資源科學，2008，30(11)：1723-1728.

Ma Jing, Zhang Hongqi, Li Huixian, et al. Impacts of international grain trade on utilization of water and cultivated land[J]. Resources Science, 2008, 30(11): 1723-1728. (in Chinese with English abstract)

[34] 錢海洋. 中國區域間糧食貿易量化方法及虛擬水流動格局評價[D]. 楊凌：西北農林科技大學，2020.

Qian Haiyang. Development of Quantitative Method of Inter-provincial Grain Trade and Evaluation of Virtual Water Flow Pattern in China[D]. Yangling: Northwest A&F University, 2020. (in Chinese with English abstract)

[35] 張光杰. 中國跨省糧食貿易中的水資源節約量測算方法研究[D]. 長沙：湖南師范大學，2021.

Zhang Guangjie. Study on the Calculation Method of Water Resources in China’s Interprovincial Food Trade[D]. Changsha: Hunan Normal University, 2021. (in Chinese with English abstract)

[36] Sun S K, Yin Y L, Wu P T, et al. Geographical evolution of agricultural production in China and its effects on water stress, economy and the environment: the virtual water perspective[J]. Water Resources Research, 2019, 55(5): 4014-4029.

[37] 楊明智，裴源生，李旭東. 中國糧食自給率研究：糧食、谷物和口糧自給率分析[J]. 自然資源學報，2019，34(4)：881-889.

Yang Mingzhi, Pei Yuansheng, Li Xudong. Study on grain self-sufficiency rate in China: An analysis of grain, cereal grain and edible grain[J]. Journal of Natural Resources, 2019, 34(4): 881-889. (in Chinese with English abstract)

[38] 肖玉，成升魁，謝高地，等. 我國主要糧食品種供給與消費平衡分析[J]. 自然資源學報，2017，32(6)：927-936.

Xiao Yu, Cheng Sheng Kui, Xie Gaodi, et al. The balance between supply and consumption of the main types grain in China[J]. Journal of Natural Resources, 2017, 32(6): 927-936. (in Chinese with English abstract)

[39] 賁培琪，吳紹華，李嘯天，等. 中國省際糧食貿易及其虛擬耕地流動模擬[J]. 地理研究，2016，35(8)：1447-1456.

Ben Peiqi, Wu Shaohua, Li Xiaotian, et al. China's inter-provincial grain trade and its virtual cultivated land flow simulation[J]. Geographical Research, 2016, 35(8): 1447-1456. (in Chinese with English abstract)

[40] 何慧爽. 農業潛在資源流動的生態資本權益補償問題研究—基于“北糧南運”格局下的數據分析[J]. 價格理論與實踐，2017 (8)：28-31.

He Huishuang. Research on the compensation of the rights and interests of ecological capital in the flow of agricultural potential resources-Data analysis based on the pattern of “Northe Grain South transportation”[J]. Price: Theory&Practice, 2017(8): 28-31. (in Chinese with English abstract)

[41] 鄧宣凱，劉艷芳，李紀偉. 區域能源碳足跡計算模型比較研究—以湖北省為例[J]. 生態環境學報，2012，21(9)：1533-1538.

Deng Xuankai, Liu Yanfang, Li Jiwei. Comparative study on regional carbon footprint of energy consumption calculation models: A case study of Hubei province[J]. Ecology and Environmental Sciences, 2012, 21(9): 1533-1538. (in Chinese with English abstract)

[42] 劉?？? 中國省域凈碳轉移測度與責任分擔研究[D]. 濟南：山東財經大學，2021.

Liu Fukang. Study on measurement of provincial net carbon transfer and responsibility sharing in China[D]. Jinan: Shandong University of Finance and Economics, 2021. (in Chinese with English abstract)

[43] Wang Z Z, Zhang L L, Ding X L, et al. Virtual water flow pattern of grain trade and its benefits in China[J]. Journal of Cleaner Production, 2019, 223(6): 445-455.

[44] 黑龍江省科學院. 匯聚科技之力賦能農業創新：黑龍江省科學院助力全省農業產業發展[J]. 黑龍江糧食，2020，4(6)：11-14.

[45] Zhang Y G. Provincial responsibility for carbon emissions in China under different principles[J]. Energy Policy, 2015, 86(11): 142-153.

[46] 鐘鈺，普蓂喆，劉明月，等. 新冠肺炎疫情對我國糧食安全的影響分析及穩定產量的建議[J]. 農業經濟問題，2020 (4)：13-22.

Zhong Yu, Pu Mingzhe, Liu Mingyue, et al. The impact of COVID-19 on China's food security and suggestions for ensuring stable grain production[J]. Issues in Agricultural Economy, 2020(4): 13-22. (in Chinese with English abstract)

[47] 王軼虹，王美艷，史學正，等. 2010年中國農作物凈初級生產力及其空間分布格局[J]. 生態學報，2016，36(19)：6318-6327.

Wang Yihong, Wang Meiyan, Shi Xuezheng, et al. Spatial patterns of net primary productivity of crops in China[J]. Acta Ecologica Sinica, 2016, 36(19): 6318-6327. (in Chinese with English abstract)

Spatial pattern and responsibility sharing of carbon transfer in China's inter-provincial grain trade

Yang Qinglin1, Zhao Rongqin1※, Luo Huili1, Zhu Ruiming2, Xiao Liangang1, Xie Zhixiang1, Sun Jin1

(1.,,450046,; 2.,,475001,)

The spatial pattern of carbon transfer is of practical significance for the responsibility sharing of carbon emission reduction. It is a high demand to explore the inter-provincial collaborative strategies of carbon emission reduction for food security. In this study, the inter-provincial grain trade and the carbon emission were calculated to determine the spatial transfer using the linear programming model of carbon emission in the grain trade. The cross-sectional data was selected from 31 provincial administrative regions in China in 2020. The distribution characteristics were analyzed for the carbon emission responsibility sharing of the grain trade in each province. The results were as follows: 1) In the carbon emission pattern of inter-provincial grain trade, the export areas were mainly distributed in the northeast, north, northwest, and central China, whereas, the import areas were mainly in the southwest, south, and east China. The total amount of grain trade was 1.53×108t in China in 2020.Among the grain export areas, northeast, north, northwest, and central China transported 71.265 4, 26.173 8, 4.555 1, and 50.697 1 million tons, accounting for 46.7%, 17.1%, 3.0%, and 33.2% of the total trade volume, respectively. 2) The carbon emission of grain trade showed the flow pattern of “North carbon to South and China carbon to the west” in space, indicating the small flow from the south to the north and the east to the west. The national export areas of grain carbon emission included the Hebei, Shanxi, Inner Mongolia, Jilin, Heilongjiang, Anhui, Jiangxi, Henan, Hubei, Hunan, Gansu, Ningxia, and Xinjiang regions. The carbon emission flows of the grain trade in the north-south and east-west directions were 9 119.82×104, and 2 229.49×104t, respectively. 3) The input area was needed to pay greater responsibility for the carbon emission reduction than the output area in the process of carbon emission transfer of grain trade. Economically developed provinces presented a relatively large share of responsibility, while those with smaller economies were relatively small responsibilities. There were 29.5% and 70.5% average proportions of carbon emission reduction shared by the output and the input area, respectively. 4)In the principle of shared responsibility, there was a low share proportion in Anhui, Heilongjiang, Jilin, Jiangxi, Inner Mongolia, Shanxi, and Xinjiang in the export areas, and the high share proportion was in Gansu, Hebei, Henan, Hubei, Hunan, and Ningxia. Influenced by the assistance effect, economically developed provinces provide more assistance to economically underdeveloped provinces and will assume more responsibility for emission reduction. In general, based on the principle of shared responsibility, it is not only conducive to controlling carbon emissions in export and import areas, but also plays a positive role in stabilizing the output of major grain producing areas. Therefore, the study puts forward targeted strategies to ensure regional food security and fair and reasonable distribution of carbon emission reduction responsibilities among regions, so as to achieve the win-win goal of “carbon neutral, carbon peak” strategy and food security.

grain; carbon emissions; emission control; carbon transfer; spatial pattern; shared responsibility

10.11975/j.issn.1002-6819.2022.16.001

S162.5+3

A

1002-6819(2022)-16-0001-10

楊青林，趙榮欽，羅慧麗，等. 中國省際糧食貿易碳轉移空間格局及其責任分擔[J]. 農業工程學報，2022，38(16)：1-10.doi：10.11975/j.issn.1002-6819.2022.16.001 http://www.tcsae.org

Yang Qinglin, Zhao Rongqin, Luo Huili, et al. Spatial pattern and responsibility sharing of carbon transfer in China's inter-provincial grain trade[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(16): 1-10. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.16.001 http://www.tcsae.org

2022-06-25

2022-08-07

國家自然科學基金項目（41971241）；河南省高校科技創新人才（人文社科類）項目（2021-CX-011）；河南省留學人員科研擇優資助項目

楊青林，研究方向為土地利用與碳排放。Email：yangedu@foxmail.com

趙榮欽，博士，教授，博士生導師，研究方向為資源環境與碳排放。Email：zhaorq234@163.com