九江市農(nóng)地利用碳排放時(shí)空演變、影響因素及趨勢預(yù)測

趙琪琛, 余 敦, 王檢萍

(江西農(nóng)業(yè)大學(xué) 國土資源與環(huán)境學(xué)院, 南昌 330045)

近年來,隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展,以二氧化碳(CO2)為代表的溫室氣體排放量急劇增加,加速了全球氣候變化進(jìn)程,導(dǎo)致了冰川融化、海平面上升等一系列氣候問題,嚴(yán)重威脅人類的生存與發(fā)展[1-2]。農(nóng)業(yè)是國民經(jīng)濟(jì)的基礎(chǔ),同時(shí)也是溫室氣體排放的重要來源[3]。據(jù)統(tǒng)計(jì),我國農(nóng)業(yè)溫室氣體排放量約占全國排放總量的17%,其中農(nóng)業(yè)排放的甲烷(CH4)和氧化亞氮(N2O)分別占全國排放總量的50%和92%[4],因此緩解農(nóng)業(yè)碳排放勢在必行。農(nóng)地是農(nóng)業(yè)活動(dòng)的載體,從農(nóng)地利用的角度開展碳排放研究對農(nóng)業(yè)綠色、低碳、可持續(xù)發(fā)展以及實(shí)現(xiàn)“雙碳”目標(biāo)具有重要意義。

農(nóng)地利用碳排放研究也逐漸成為學(xué)術(shù)界熱點(diǎn)。目前,學(xué)者們從全球[5]、國家[6-7]、地區(qū)[8-9]、省域[10-12]、市縣等[13]不同尺度進(jìn)行了大量研究,研究內(nèi)容主要涵蓋以下4個(gè)方面:一是碳排放測算,主要方法有排放因子法、質(zhì)量平衡法、實(shí)測法等[14];二是碳排放影響因素,主要方法有LMDI模型[10]、STIRPAT模型[15]、空間計(jì)量模型等[16];三是碳排放與糧食生產(chǎn)和農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間的關(guān)系,如吳昊玥等[17]依托Tapio脫鉤理論分析了我國糧食主產(chǎn)區(qū)耕地利用碳排放與糧食生產(chǎn)的脫鉤效應(yīng),Wang等[18]利用環(huán)境庫茲涅茨曲線(EKC)和脫鉤模型對河南省農(nóng)地利用碳排放與農(nóng)業(yè)經(jīng)濟(jì)的關(guān)系進(jìn)行驗(yàn)證;四是碳排放趨勢預(yù)測,主要方法有灰色預(yù)測模型[11]、蒙特卡洛模擬等[19]。已有研究成果對農(nóng)地綠色利用具有重要參考意義,但還存在以下拓展空間:(1) 研究尺度多聚焦于國家、省域等中宏觀尺度,對市、縣等微觀尺度開展深入探討的研究則較少;(2) 測算范圍多考慮化肥、農(nóng)藥等農(nóng)業(yè)物資投入方面,而忽略了農(nóng)田土壤利用、稻田種植等產(chǎn)生的碳排放;(3) 差分自回歸移動(dòng)平均(ARIMA)模型具有預(yù)測誤差較小、精度較高的優(yōu)點(diǎn)[20],而將其用于農(nóng)地利用碳排放的研究鮮有。

九江市地處鄱陽湖平原,作為“贛北糧倉”,其農(nóng)業(yè)基礎(chǔ)條件良好,是傳統(tǒng)糧食主產(chǎn)區(qū)和重要商品糧基地。隨著農(nóng)業(yè)的快速發(fā)展,其農(nóng)業(yè)經(jīng)濟(jì)取得了巨大成就,但與此同時(shí),化肥、農(nóng)藥等大量投入也使得農(nóng)地高面源污染、高碳排放的特征趨勢增強(qiáng)[21]。鑒于此,本文基于農(nóng)業(yè)物資投入、稻田種植、農(nóng)田土壤利用、畜禽腸道發(fā)酵和畜禽糞便管理5類碳源測算九江市2006—2020年的農(nóng)地利用碳排放量并分析其時(shí)空演變特征,運(yùn)用Kaya恒等式和LMDI模型探究影響因素,利用ARIMA模型預(yù)測2021—2025年的變化趨勢,以期為促進(jìn)九江市農(nóng)地低碳利用、農(nóng)業(yè)綠色發(fā)展提供理論依據(jù),也為其他類似地區(qū)實(shí)現(xiàn)農(nóng)業(yè)高質(zhì)量發(fā)展提供決策參考。

1 研究區(qū)概況

九江市位于江西省北部,地理位置為113°57′—116°53′E,28°47′—30°06′N,總面積19 085 km2,占江西省面積的11.43%。屬于亞熱帶季風(fēng)氣候,年平均溫度16～17℃,年平均降水量1 300～1 600 mm。屬于南方低山丘陵區(qū),山地面積占16.4%,丘陵面積占44.5%。第三次全國國土調(diào)查顯示,九江市耕地面積為26.29萬hm2,占江西省耕地面積的9.66%。2020年九江市農(nóng)林牧漁業(yè)產(chǎn)值為241.34億元,占江西省農(nóng)林牧漁業(yè)產(chǎn)值的10.37%。主要農(nóng)作物有水稻、玉米、豆類、薯類等,主要畜禽有豬、牛、羊、兔、家禽等。

2 研究方法與數(shù)據(jù)來源

2.1 研究方法

2.1.1 農(nóng)地利用碳排放測算 農(nóng)地利用碳排放是指農(nóng)民在從事農(nóng)業(yè)生產(chǎn)活動(dòng)中作用于農(nóng)地而引發(fā)的碳排放[22]。按照國家標(biāo)準(zhǔn)GB/T21010—2017《土地利用現(xiàn)狀分類》,農(nóng)地包括耕地、園地、林地、草地(除其他草地)、農(nóng)村道路、水庫水面、坑塘水面、溝渠、設(shè)施農(nóng)用地以及田坎。因此本文界定的農(nóng)地利用碳排放測算范圍主要包括以耕地、園地等利用為主的種植業(yè)和以牧草地、設(shè)施農(nóng)用地利用為主的畜牧業(yè)產(chǎn)生的碳排放,參考相關(guān)文獻(xiàn)[17,23-24]并歸納總結(jié),具體測算農(nóng)業(yè)物資投入、稻田種植、農(nóng)田土壤利用、畜禽腸道發(fā)酵、畜禽糞便管理5類農(nóng)地利用活動(dòng)排放的CO2,CH4和N2O。

參照《IPCC國家溫室氣體清單指南》和《省級溫室氣體編制指南》,測算方法采用排放因子法,具體方法以及碳排放系數(shù)參考相關(guān)文獻(xiàn)[11,23,25-28]。測算結(jié)果均以標(biāo)準(zhǔn)碳當(dāng)量(C)顯示,1 t CH4所引發(fā)的溫室效應(yīng)相當(dāng)于排放28 t CO2(7.64 t C),1 t N2O所引發(fā)的溫室效應(yīng)相當(dāng)于排放265 t CO2(72.27 t C)[2]。

(1)農(nóng)業(yè)物資投入。農(nóng)業(yè)物資投入主要包括化肥、農(nóng)藥、農(nóng)膜等農(nóng)業(yè)物資在生產(chǎn)、使用過程中產(chǎn)生的碳排放;農(nóng)業(yè)機(jī)械、灌溉消耗電力、柴油等而產(chǎn)生的碳排放;農(nóng)地翻耕造成土壤有機(jī)碳流失引起的碳排放。測算方法參考文獻(xiàn)[27—28]。

(2)稻田種植。由于稻田中隔水層的存在,使土壤與大氣隔離,形成有利于甲烷產(chǎn)生的厭氧環(huán)境。測算方法參考文獻(xiàn)[25]。

(3)農(nóng)田土壤利用。農(nóng)作物種植對土壤表層的破壞使得土壤中的溫室氣體流失到大氣中,其中以氧化亞氮為主要?dú)怏w。測算方法參考文獻(xiàn)[23],測算對象選取九江市種植面積相對較大的主要農(nóng)作物,主要包括水稻、玉米、豆類、薯類等。

(4)畜禽腸道發(fā)酵。畜禽腸道發(fā)酵主要是指畜禽在正常代謝過程中,寄生在其消化道內(nèi)的微生物發(fā)酵飼料時(shí)產(chǎn)生的甲烷,測算方法參考文獻(xiàn)[11],[25]。

(5)畜禽糞便管理。畜禽糞便管理主要是指畜禽糞便施入到土壤之前貯存和處理所產(chǎn)生的甲烷和氧化亞氮排放,測算方法參考文獻(xiàn)[25—26]。

2.1.2 Kernel密度估計(jì) Kernel密度估計(jì)是一種可以在不進(jìn)行任何參數(shù)模型假設(shè)的情況下,用連續(xù)的概率密度曲線描述隨機(jī)變量分布形態(tài)和特征的非參數(shù)估計(jì)方法,常用來描述研究對象空間分布的非均衡性[29]。本文采用Kernel密度估計(jì)分析九江市農(nóng)地利用碳排放的動(dòng)態(tài)演進(jìn)特征,公式如下:

(1)

2.1.3 Kaya恒等式和LMDI分解模型 把握不同因素對農(nóng)地利用碳排放的影響效應(yīng),是制定碳減排對策的重要依據(jù)[10]。借鑒前人研究成果[30],基于Kaya恒等式將農(nóng)地利用碳排放的影響因素分解為農(nóng)業(yè)生產(chǎn)效率、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)經(jīng)濟(jì)水平和農(nóng)業(yè)勞動(dòng)規(guī)模4個(gè)方面,具體如下:

(2)

(3)

(4)

(5)

式中:C為農(nóng)地利用碳排放總量(kg);GDPT為種植業(yè)和畜牧業(yè)生產(chǎn)總值(元);GDPA為農(nóng)林牧漁業(yè)生產(chǎn)總值(元);P為農(nóng)業(yè)勞動(dòng)規(guī)模,用農(nóng)業(yè)從業(yè)人口數(shù)量(人)表示;E為農(nóng)業(yè)生產(chǎn)效率(kg/元);S為農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu);L為農(nóng)業(yè)經(jīng)濟(jì)水平(元/人),則有:

C=E×S×L×P

(6)

LMDI模型具有消除殘差項(xiàng)、乘法分解與加法分解結(jié)果相一致、結(jié)果容易解釋等優(yōu)點(diǎn),在溫室氣體排放研究領(lǐng)域應(yīng)用廣泛[31]。采用LMDI的加法分解形式對公式(6)進(jìn)行取對數(shù)、加和分解,具體如下:

(7)

(8)

(9)

(10)

ΔC=ΔE+ΔS+ΔL+ΔP

(11)

式中:ΔE,ΔS,ΔL,ΔP分別為農(nóng)業(yè)生產(chǎn)效率、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)水平和勞動(dòng)規(guī)模對農(nóng)地利用碳排放的貢獻(xiàn)量(kg);ΔC為所有影響因素對農(nóng)地利用碳排放的貢獻(xiàn)總量(kg);t為目標(biāo)年(t=1,2,3,…,n),0為基準(zhǔn)年。

2.1.4 ARIMA模型 ARIMA(p,d,q)模型中的p,d,q分別為模型的自回歸項(xiàng)階數(shù)(AR模型階數(shù))、差分階數(shù)和移動(dòng)平均項(xiàng)階數(shù)(MA模型階數(shù)),其實(shí)質(zhì)是在自回歸移動(dòng)平均模型的基礎(chǔ)上針對非平穩(wěn)序列進(jìn)行d階差分,以提高其預(yù)測精度,適用于非平穩(wěn)時(shí)間序列的短期預(yù)測[32-33]。基本步驟為:(1) 對原始序列進(jìn)行平穩(wěn)性檢驗(yàn),對非平穩(wěn)序列進(jìn)行d階差分,轉(zhuǎn)化為平穩(wěn)序列;(2) 根據(jù)原始序列或差分后序列的自相關(guān)系數(shù)和偏相關(guān)系數(shù)確定p和q的取值范圍;(3) 通過R2,AIC等指標(biāo)選取最佳模型并進(jìn)行殘差檢驗(yàn)判斷模型的合理性;(4) 篩選出最優(yōu)模型進(jìn)行趨勢預(yù)測。ARIMA模型的一般表達(dá)式為:

yt=c+φ1yt-1+…+φpyt-p+θ1εt-1+…+θqεt-q+εt

(12)

式中:yt為t階差分序列;c為常數(shù)項(xiàng);φp為p階AR模型擬合參數(shù);θq為q階MA模型擬合參數(shù);εt為t階噪聲序列。

2.2 數(shù)據(jù)來源與處理

本文數(shù)據(jù)主要涉及化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機(jī)械總動(dòng)力等農(nóng)資投入量,水稻、玉米、豆類、薯類等農(nóng)作物播種面積和產(chǎn)量,豬、牛、羊、兔、家禽等畜禽養(yǎng)殖量,以及農(nóng)林牧漁生產(chǎn)總值、農(nóng)業(yè)從業(yè)人口數(shù)量等,均來源于《九江市統(tǒng)計(jì)年鑒》(2007—2021年)、《江西省統(tǒng)計(jì)年鑒》(2007—2021年)。其中,化肥為折純量;灌溉為有效灌溉面積;翻耕為農(nóng)作物實(shí)際播種面積;農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機(jī)械總動(dòng)力以當(dāng)年實(shí)際使用量為準(zhǔn);農(nóng)作物播種面積和產(chǎn)量以當(dāng)年實(shí)際情況為準(zhǔn);畜禽年平均飼養(yǎng)量根據(jù)出欄率進(jìn)行調(diào)整,豬、兔、家禽等出欄率大于1的畜禽根據(jù)(當(dāng)年出欄量×平均生命周期)/365調(diào)整,牛、羊等出欄率小于1的畜禽采用本年末存欄量和上年末存欄量的平均值調(diào)整[26]。九江市行政邊界源自1∶25萬全國基礎(chǔ)地理數(shù)據(jù)庫(https:∥www.webmap.cn),考慮到市區(qū)(濂溪區(qū)、潯陽區(qū)和柴桑區(qū))農(nóng)用地較少,對其進(jìn)行合并處理,最終得到11個(gè)縣(市、區(qū))。

3 結(jié)果與分析

3.1 農(nóng)地利用碳排放時(shí)序特征

2006—2020年九江市農(nóng)地利用碳排放總量及結(jié)構(gòu)如圖1所示。研究期間,九江市農(nóng)地利用碳排放總量呈先波動(dòng)上升后持續(xù)下降的變化趨勢,總體增加了10.06萬t,增長率為9.2%。具體分為兩個(gè)階段:2006—2018年碳排放量波動(dòng)上升,由2006年的109.43萬t增加至2018年的130.51萬t,增長率為19.26%,隨著農(nóng)業(yè)的發(fā)展,農(nóng)作物種植規(guī)模的擴(kuò)大以及農(nóng)藥、化肥、農(nóng)機(jī)等高碳排放農(nóng)資投入的增加是引起碳排放量上升的主要原因;2019年和2020年碳排放量持續(xù)下降,2020年降低至119.49萬t,相比2018年下降了8.44%,這與近年來農(nóng)業(yè)節(jié)能減排、綠色發(fā)展等相關(guān)政策的出臺(tái),導(dǎo)致化肥、農(nóng)藥等投入量大幅降低,同時(shí)畜禽養(yǎng)殖規(guī)模有所減小密切相關(guān)。除2018年農(nóng)地利用碳排放強(qiáng)度上升外,其余年份均逐年下降,由2006年的1 558.67 kg/萬元降至2020年的498.62 kg/萬元,降低率為68.01%,這主要得益于對農(nóng)業(yè)綠色發(fā)展的重視以及農(nóng)業(yè)科技水平的提升,農(nóng)業(yè)生產(chǎn)效率逐漸提高,農(nóng)地利用方式向高效低碳化轉(zhuǎn)變。

圖1 2006-2020年九江市農(nóng)地利用碳排放總量及結(jié)構(gòu)Fig. 1 Total and structure of carbon emissions from agricultural land use in Jiujiang City from 2006 to 2020

從不同碳源來看,碳排放量依次為稻田種植>農(nóng)業(yè)物資投入>農(nóng)田土壤利用>畜禽糞便管理>畜禽腸道發(fā)酵,年平均碳排放量分別為75.86,21.26,11.06,8.57,4.33萬t,分別占總量的62.65%,17.56%,9.13%,7.08%,3.58%。所有碳源中,稻田種植的貢獻(xiàn)度最大,且近年來比重仍在提高,2017—2018年碳排放量顯著上升,從77.86萬t增至86.41萬t,且在2019年和2020年保持穩(wěn)定,原因在于九江市中稻再生稻種植技術(shù)的全面推廣,使得中季稻播種面積增加;其次是農(nóng)業(yè)物資投入,2006—2018年碳排放量呈先上升后下降的趨勢,變化相對穩(wěn)定,在2013年達(dá)到峰值(23.65萬t),但2018年后明顯下降,從2018年的21.22萬t降低到2020年的15.16萬t,降低率為28.54%,主要原因是九江市化肥農(nóng)藥減量增效工作的推進(jìn),導(dǎo)致化肥、農(nóng)藥的投入大幅減少,2020年化肥、農(nóng)藥施用量與2018年相比分別降低了24.32%,54.12%;農(nóng)田土壤利用碳排放量在2006—2007年上升幅度較大,由9.14萬t增加到11.81萬t,增長率為28.97%,在2010年達(dá)到峰值(11.98萬t),此后則呈波動(dòng)下降趨勢, 2020年降低至8.7萬t;畜禽腸道發(fā)酵和糞便管理碳排放量處于較低水平,且研究期間波動(dòng)下降,2020年分別為3.30萬t,6.43萬t,與2006年相比分別降低了44.19%,18.64%,原因在于畜牧業(yè)結(jié)構(gòu)的調(diào)整,減少了牛、羊等碳排放量較高的牲畜數(shù)量。

3.2 農(nóng)地利用碳排放區(qū)域特征

2006—2020年九江市各縣(市、區(qū))農(nóng)地利用碳排放量及強(qiáng)度如圖2所示。受地區(qū)自然資源條件和社會(huì)經(jīng)濟(jì)水平影響,不同地區(qū)的農(nóng)地利用碳排放量差異顯著。高值區(qū)主要集中在九江市西部和南部的修水縣、永修縣和都昌縣,均高于15萬t,修水縣作為九江市國土面積最大的縣,其耕地資源豐富,農(nóng)業(yè)規(guī)模較大,稻田種植碳排放量較高,同時(shí)畜牧業(yè)發(fā)達(dá),生豬和山羊養(yǎng)殖數(shù)量多,使得畜禽腸道發(fā)酵和糞便管理碳排放量也較高;永修縣和都昌縣地處鄱陽湖畔,地勢平坦、水源充沛,水稻播種面積廣,因此稻田種植碳排放量較高,同時(shí)化肥農(nóng)藥施用量以及農(nóng)業(yè)機(jī)械化水平也較高,因此農(nóng)業(yè)物資投入碳排放量也位于全市前列。廬山市、共青城市受自然資源稟賦限制,種植業(yè)和畜牧業(yè)發(fā)展程度不高,農(nóng)作物播種面積以及畜禽養(yǎng)殖量較少,因此碳排放量較低。2006—2020年,各縣(市、區(qū))農(nóng)地利用碳排放量呈“六升五降”的變化特征,武寧縣、修水縣、永修縣、德安縣、彭澤縣和共青城市的碳排放量上升,其中彭澤縣、德安縣升幅最大,分別為61.16%,58.82%;市區(qū)、都昌縣、湖口縣、瑞昌市和廬山市的碳排放量下降,其中湖口縣降幅最大,為17.13%。

九江市農(nóng)地利用碳排放強(qiáng)度“南高北低”的空間特征明顯。2020年排名前3位的依次是永修縣(706.73 kg/萬元)、修水縣(595.12 kg/萬元)和武寧縣(583.70 kg/萬元),究其原因,在于這些地區(qū)是糧食生產(chǎn)核心區(qū)域,水稻等糧食作物種植面積較大,同時(shí)牛、羊等高碳排牲畜養(yǎng)殖較多,在帶來高農(nóng)產(chǎn)品產(chǎn)出的同時(shí)也伴隨著高碳排放;排名后3位的依次是市區(qū)(291.03 kg/萬元)、瑞昌市(326.38 kg/萬元)和湖口縣(409.76 kg/萬元),主要因?yàn)檫@些地區(qū)農(nóng)業(yè)發(fā)展水平較低,農(nóng)作物種植面積較小,且蔬菜、油料、藥材等經(jīng)濟(jì)作物種植比例較大。2006—2020年,各縣(市、區(qū))農(nóng)地利用碳排放強(qiáng)度均大幅下降,降幅均高于50%,說明其農(nóng)地資源低碳化利用水平得以提升。其中瑞昌市由2006年1 360.57 kg/萬元的降低到2020年的326.38 kg/萬元,降幅最大,為76.01%;武寧縣由2006年的1 252.98 kg/萬元降低到2020年的583.70 kg/萬元,降幅最小,為53.42%。

3.3 農(nóng)地利用碳排放動(dòng)態(tài)演進(jìn)

為進(jìn)一步揭示2006—2020年九江市農(nóng)地利用碳排放的變化特征,采用Kernel密度估計(jì)刻畫農(nóng)地利用碳排放總量以及各類碳源排放量的動(dòng)態(tài)演進(jìn)趨勢(圖3)。結(jié)果顯示:(1) 碳排放總量核密度曲線呈“一主一次”的雙峰格局,說明地區(qū)存在一定的極化效應(yīng)。主峰范圍為(5～10)萬t,意味著大多縣(市、區(qū))的碳排放量位于該區(qū)間;次峰在20萬t左右,其形成原因主要是修水縣、都昌縣和永修縣的碳排放量較高,擴(kuò)大了與其他縣(市、區(qū))的差異。研究期內(nèi)核密度曲線向右偏移,次峰逐漸不明顯,表明碳排放總量上升,地區(qū)之間的差異逐漸縮小。(2) 農(nóng)業(yè)物資投入核密度曲線右側(cè)的次峰逐漸消失,由雙峰轉(zhuǎn)為單峰,且峰值有所升高,原因在于化肥農(nóng)藥減量增效工作的開展,導(dǎo)致碳排放高值區(qū)轉(zhuǎn)為低值區(qū),呈低值聚集的特征。(3) 稻田種植核密度曲線始終維持“一主一次”的雙峰特征,大多數(shù)縣(市、區(qū))碳排放量在5萬t左右。研究期內(nèi)曲線整體向右移動(dòng),說明碳排放量有所上升,這與水稻種植面積增加以及中季稻種植比例提升有關(guān)。(4) 農(nóng)田土壤利用核密度曲線呈單峰格局且范圍較廣,表明地區(qū)之間碳排放量雖然差異較大但并不存在極化現(xiàn)象。研究期內(nèi)峰值先降低后升高,意味著地區(qū)之間碳排放量的差異先擴(kuò)大后縮小,曲線向右偏移,說明碳排放量增加,這主要與農(nóng)作物種植面積及產(chǎn)量增加有關(guān)。(5) 畜禽腸道發(fā)酵和畜禽糞便管理核密度曲線特征相似,均呈現(xiàn)“一主一次”的雙峰格局,并且主峰與次峰的位置相隔較遠(yuǎn),原因主要是修水縣畜禽養(yǎng)殖規(guī)模遠(yuǎn)高于其他地區(qū),使得碳排放量也高于其他地區(qū)。研究期內(nèi)主峰均逐漸陡峭,由“矮寬峰”轉(zhuǎn)向“高尖峰”,原因在于除修水縣之外,其他縣(市、區(qū))畜禽養(yǎng)殖規(guī)模逐漸減小,碳排放量也呈現(xiàn)低值聚集的特征。

圖3 2006-2020年九江市農(nóng)地利用碳排放量的演進(jìn)趨勢Fig. 3 Evolutionary trend of carbon emissions from agricultural land use in Jiujiang City from 2006 to 2020

3.4 農(nóng)地利用碳排放影響因素分析

基于LMDI模型分解九江市農(nóng)地利用碳排放的影響因素,結(jié)果見表1。與2006年相比,2007—2020年九江市農(nóng)地利用碳排放量累計(jì)增加了174.65萬t。總體上看,農(nóng)業(yè)經(jīng)濟(jì)水平對農(nóng)地利用碳排放具有促進(jìn)作用;農(nóng)業(yè)生產(chǎn)效率、產(chǎn)業(yè)結(jié)構(gòu)和勞動(dòng)規(guī)模具有抑制作用,貢獻(xiàn)量大小依次為農(nóng)業(yè)生產(chǎn)效率>農(nóng)業(yè)勞動(dòng)規(guī)模>農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)。

表1 九江市農(nóng)地利用碳排放影響因素的貢獻(xiàn)量Table 1 Contribution of factors influencing carbon emissions from agricultural land use in Jiujiang City 萬t

農(nóng)業(yè)生產(chǎn)效率提升是農(nóng)地利用碳排放減少的最主要因素。研究期間農(nóng)業(yè)生產(chǎn)效率對碳減排的累計(jì)貢獻(xiàn)量為957.26萬t,年均貢獻(xiàn)量為68.38萬t,除2018年有所降低之外,其余年份均持續(xù)增加,說明隨著農(nóng)業(yè)科技的進(jìn)步以及人們環(huán)保意識(shí)的轉(zhuǎn)變,農(nóng)業(yè)生產(chǎn)效率不斷提高,抑制了農(nóng)地利用碳排放。因此進(jìn)一步提升農(nóng)業(yè)生產(chǎn)效率仍是九江市未來實(shí)現(xiàn)綠色低碳農(nóng)業(yè)的突破口。

農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整也是農(nóng)地利用碳排放減少的影響因素之一。研究期間農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)對碳減排的累計(jì)貢獻(xiàn)量為68.89萬t,年均貢獻(xiàn)量為4.92萬t,且呈波動(dòng)性變化趨勢,對碳減排的影響程度也呈先下降后上升再下降的倒“N”形趨勢,在2010—2012年表現(xiàn)為碳增排效應(yīng)。未來應(yīng)在保障糧食安全的前提下繼續(xù)優(yōu)化調(diào)整農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu),積極探索農(nóng)業(yè)發(fā)展新模式,將農(nóng)業(yè)“碳源”轉(zhuǎn)變?yōu)椤疤紖R”。

農(nóng)業(yè)經(jīng)濟(jì)水平提高是農(nóng)地利用碳排放增加的最主要因素。研究期間農(nóng)業(yè)經(jīng)濟(jì)水平對碳增排的累計(jì)貢獻(xiàn)量為1 366.11萬t,年均貢獻(xiàn)量為97.58萬t,且呈逐年增加趨勢,表明農(nóng)業(yè)經(jīng)濟(jì)水平對農(nóng)地利用碳排放的推動(dòng)作用持續(xù)增強(qiáng)。農(nóng)業(yè)作為關(guān)乎國計(jì)民生的基礎(chǔ)產(chǎn)業(yè),其經(jīng)濟(jì)發(fā)展將長期處于較高水平,通過限制發(fā)展以降低碳排放的做法顯然行不通。因此,應(yīng)從農(nóng)業(yè)生產(chǎn)效率、產(chǎn)業(yè)結(jié)構(gòu)和勞動(dòng)規(guī)模等碳減排因素尋求著力點(diǎn)。

農(nóng)業(yè)勞動(dòng)規(guī)模減小是農(nóng)地利用碳排放減少的關(guān)鍵因素。研究期間農(nóng)業(yè)勞動(dòng)規(guī)模對碳減排的累計(jì)貢獻(xiàn)量為165.31萬t,年均貢獻(xiàn)量為11.81萬t,且呈波動(dòng)增加趨勢,說明隨著農(nóng)業(yè)現(xiàn)代化進(jìn)程的推進(jìn),農(nóng)業(yè)勞動(dòng)規(guī)模在波動(dòng)減小。九江市農(nóng)業(yè)從業(yè)人口由2006年的98.54萬人降低到2020年的81.44萬人,降低了17.35%,表明農(nóng)業(yè)生產(chǎn)對勞動(dòng)力的依賴程度降低,農(nóng)業(yè)發(fā)展的規(guī)模化、集約化有利于實(shí)現(xiàn)碳減排。

各縣(市、區(qū))農(nóng)地利用碳排放影響因素的分解結(jié)果如表2所示。與基期相比,各縣(市、區(qū))農(nóng)地利用碳排放量均呈增加態(tài)勢,其中累計(jì)增加量超過40萬t的有彭澤縣和永修縣,意味著這兩個(gè)縣的碳排放量亟待控制,具有較大的碳減排潛力;而廬山市、瑞昌市累計(jì)增加量均低于5萬t,碳減排潛力較小。從影響因素來看,農(nóng)業(yè)生產(chǎn)效率對各縣(市、區(qū))農(nóng)地利用碳排放均表現(xiàn)為抑制作用,對修水縣、永修縣和都昌縣的累計(jì)貢獻(xiàn)量高于150萬t,對共青城市的貢獻(xiàn)量最小,僅為11.97萬t;農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)對德安縣、彭澤縣農(nóng)地利用碳排放起促進(jìn)作用,說明這些地區(qū)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)有待優(yōu)化,對其他縣(市、區(qū))則為抑制作用;農(nóng)業(yè)經(jīng)濟(jì)水平對各縣(市、區(qū))農(nóng)地利用碳排放均為促進(jìn)作用,對修水縣、永修縣和都昌縣的累計(jì)貢獻(xiàn)量超過150萬t,而對共青城市、德安縣、廬山市的累計(jì)貢獻(xiàn)量低于55萬t;農(nóng)業(yè)勞動(dòng)規(guī)模對武寧縣、共青城市農(nóng)地利用碳排放表現(xiàn)為促進(jìn)作用,原因是農(nóng)業(yè)綜合開發(fā)的大力推進(jìn)以及農(nóng)業(yè)生產(chǎn)效益的提升,使得該地區(qū)農(nóng)業(yè)從業(yè)人口規(guī)模擴(kuò)大(分別由2006年的8.89,1萬人增加到2020年的9.4,1.72萬人),對市區(qū)、都昌縣、湖口縣、彭澤縣和瑞昌市的抑制作用較為明顯,均超過20萬t。總體上看,不同縣(市、區(qū))農(nóng)地利用碳排放的影響因素存在差異,未來碳減排應(yīng)考慮地區(qū)差異精準(zhǔn)施策。

表2 九江市各縣(市、區(qū))農(nóng)地利用碳排放影響因素的貢獻(xiàn)量Table 2 Contribution of factors influencing carbon emissions from agricultural land use by counties (cities and districts) in Jiujiang City 萬t

3.5 農(nóng)地利用碳排放趨勢預(yù)測及達(dá)峰分析

基于2006—2020年農(nóng)地利用碳排放測算數(shù)據(jù),借助Stata 17軟件,經(jīng)過多次計(jì)算和驗(yàn)證篩選出九江市以及各縣(市、區(qū))的最優(yōu)ARIMA模型,對2021—2025年碳排放趨勢進(jìn)行預(yù)測,并根據(jù)預(yù)測結(jié)果進(jìn)行碳達(dá)峰分析,結(jié)果見圖4。九江市農(nóng)地利用碳排放在2018年達(dá)峰,2020年后呈下降態(tài)勢,預(yù)計(jì)2025年降低到111.61萬t,比2020年降低6.59%。大部分地區(qū)農(nóng)地利用碳排放呈現(xiàn)良性發(fā)展態(tài)勢,市區(qū)、武寧縣、永修縣等8個(gè)縣(市、區(qū))碳排放量在2020年后呈下降趨勢,其中市區(qū)碳達(dá)峰年份(2008年)最早,都昌縣和湖口縣2010年碳達(dá)峰,瑞昌市和廬山市2013年碳達(dá)峰,武寧縣、永修縣、彭澤縣2018年碳達(dá)峰。按照歷史發(fā)展規(guī)律,在現(xiàn)有政策和技術(shù)等外界因素不變的前提下,修水縣、德安縣和共青城市2020年后碳排放仍呈上升趨勢,意味著如果不采取碳減排措施,這3個(gè)縣(市、區(qū))可能不會(huì)在2030年之前實(shí)現(xiàn)碳達(dá)峰的目標(biāo)。因此,各縣(市、區(qū))應(yīng)該根據(jù)自身農(nóng)地利用特點(diǎn)制定碳減排政策,以確保在2030年之前均實(shí)現(xiàn)碳達(dá)峰,進(jìn)而實(shí)現(xiàn)碳中和的目標(biāo)。

4 討論與結(jié)論

4.1 討 論

本文以九江市為例,精細(xì)刻畫市縣尺度下農(nóng)地利用碳排放的演變特征、影響因素和未來趨勢,以期為促進(jìn)區(qū)域低碳協(xié)調(diào)發(fā)展、因地制宜制定可操作性強(qiáng)的減排控碳措施提供路徑選擇[34-35]。測算方法上,排放因子法是由IPCC提出的一種碳排放測算方法,其基本思路是依照碳排放清單列表,將各類碳源數(shù)據(jù)與排放系數(shù)的乘積作為碳排放量[14],該方法簡單明確、易于理解,應(yīng)用較為廣泛。測算結(jié)果上,本文測算結(jié)果與前人研究[36]相比偏高,原因在于前人研究僅測算了農(nóng)業(yè)物資投入產(chǎn)生的碳排放,而本文在此基礎(chǔ)上還將稻田種植、農(nóng)田土壤利用、畜禽腸道發(fā)酵以及畜禽糞便管理作為碳排放源,其中農(nóng)業(yè)物資投入碳排放量與前人研究相似。

從碳排放結(jié)構(gòu)來看,種植業(yè)碳排放占總量的90%左右,具有較大的減排潛力,而畜牧業(yè)僅占10%左右,減排潛力較小。稻田種植是最大的農(nóng)業(yè)碳源,約占碳排放總量的60%,是今后農(nóng)業(yè)碳減排的關(guān)鍵;農(nóng)業(yè)物資投入是第二大碳源,近年來排放量有所下降,這與化肥農(nóng)藥減量增效工作的大力推進(jìn)關(guān)系密切,但據(jù)統(tǒng)計(jì)數(shù)據(jù),九江市近年來農(nóng)作物單產(chǎn)也有所降低,因而九江市今后農(nóng)業(yè)生產(chǎn)仍應(yīng)以“增量提質(zhì)”為首要目標(biāo),在保障糧食安全和經(jīng)濟(jì)發(fā)展的前提下,逐步實(shí)現(xiàn)碳減排。影響因素分析表明,農(nóng)業(yè)經(jīng)濟(jì)水平提高對農(nóng)地利用碳排放增加有較強(qiáng)的促進(jìn)作用,這與李波等[4]研究結(jié)果一致,且這種促進(jìn)作用逐年增強(qiáng),說明九江市農(nóng)地利用碳排放仍處于“EKC曲線”拐點(diǎn)的左側(cè),未來農(nóng)業(yè)經(jīng)濟(jì)水平提高仍是碳排放增加的主要推動(dòng)力,從這個(gè)意義上講,農(nóng)地利用碳減排應(yīng)當(dāng)從農(nóng)業(yè)生產(chǎn)效率、產(chǎn)業(yè)結(jié)構(gòu)和勞動(dòng)規(guī)模等方面尋找解決路徑。

基于上述分析,提出以下農(nóng)地利用碳減排對策:(1) 加強(qiáng)農(nóng)業(yè)科技創(chuàng)新,提升農(nóng)業(yè)生產(chǎn)效率。根據(jù)各地區(qū)重點(diǎn)產(chǎn)業(yè)的不同,因地制宜加強(qiáng)農(nóng)業(yè)科技創(chuàng)新,如永修縣、都昌縣應(yīng)側(cè)重“綠色高效”化肥、農(nóng)藥、農(nóng)膜等新型生產(chǎn)要素以及“高產(chǎn)低排”新品種農(nóng)作物的研發(fā)或引進(jìn),修水縣需側(cè)重探索低碳化畜禽養(yǎng)殖技術(shù),優(yōu)化畜牧品種、改良畜禽飼料,并通過加強(qiáng)地區(qū)間交流互動(dòng)、聯(lián)動(dòng)協(xié)作,實(shí)現(xiàn)科技成果共享;同時(shí)在全市范圍內(nèi)推廣測土配方施肥技術(shù),實(shí)現(xiàn)土壤養(yǎng)分平衡,提高農(nóng)資利用效率,確保在糧食穩(wěn)產(chǎn)、增產(chǎn)的前提下,穩(wěn)步推進(jìn)減量增效工作。(2) 優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu),轉(zhuǎn)變農(nóng)業(yè)發(fā)展模式。彭澤縣、德安縣農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)表現(xiàn)為碳增排效應(yīng),須進(jìn)一步優(yōu)化,合理優(yōu)化早、中、晚稻種植結(jié)構(gòu)以及增加固碳農(nóng)作物種植比例,適當(dāng)調(diào)整農(nóng)林牧漁產(chǎn)業(yè)結(jié)構(gòu),保持或增加林地等生態(tài)用地面積,提高農(nóng)業(yè)系統(tǒng)的“碳匯”能力;修水縣、武寧縣等應(yīng)科學(xué)處理畜禽糞便,通過有機(jī)肥生產(chǎn)、沼氣資源開發(fā)等途徑,提升糞便資源化利用水平,形成種養(yǎng)結(jié)合循環(huán)的農(nóng)業(yè)新模式。(3) 提高農(nóng)民綜合素質(zhì),促進(jìn)農(nóng)業(yè)規(guī)模生產(chǎn)。開展農(nóng)業(yè)先進(jìn)技術(shù)培訓(xùn)、宣傳綠色生產(chǎn)理念,培育新型農(nóng)民主體;科學(xué)調(diào)控修水縣、武寧縣、共青城市等地區(qū)的農(nóng)業(yè)勞動(dòng)規(guī)模,通過加大政策、資金扶持力度,加強(qiáng)農(nóng)機(jī)購置補(bǔ)貼、推廣高效節(jié)能農(nóng)機(jī)等渠道,促進(jìn)農(nóng)業(yè)機(jī)械化、規(guī)模化發(fā)展,降低農(nóng)業(yè)對勞動(dòng)力的依賴程度。

需要說明的是,農(nóng)地利用碳排放受“雙碳”等政策實(shí)施的影響較大,不同政策情境下的碳排放量有一定區(qū)別,但由于數(shù)據(jù)獲取的限制,本文在趨勢預(yù)測部分僅選取了簡單易操作的模型,基于歷史數(shù)據(jù)開展趨勢分析,沒有考慮政策的影響設(shè)定未來不同的發(fā)展情景,后續(xù)研究需要在這些方面做進(jìn)一步的分析和探討。

4.2 結(jié) 論

(1) 2006—2020年九江市農(nóng)地利用碳排放量呈先波動(dòng)上升后持續(xù)下降的變化趨勢,總體增加了10.06萬t,增長率為9.2%,2020年達(dá)到119.49萬t。農(nóng)地利用碳排放強(qiáng)度除2018年上升之外,其余年份均逐年下降,總體降低了68.01%。稻田種植和農(nóng)業(yè)物資投入是主要碳排放源,二者之和占碳排放總量的80%左右。

(2) 不同縣(市、區(qū))農(nóng)地利用碳排放水平差異顯著,修水縣、永修縣和都昌縣的碳排放量高于15萬t,廬山市、共青城市的碳排放量低于5萬t。研究期間,碳排放量呈“六升五降”的變化態(tài)勢,其中彭澤縣升幅最大,湖口縣降幅最大。各縣(市、區(qū))農(nóng)地利用碳排放強(qiáng)度均大幅下降,降低率高于50%。縣(市、區(qū))之間碳排放總量的極化效應(yīng)有所減弱,不同碳源的核密度曲線特征有所差異。

(3) 與基期相比,2007—2020年農(nóng)地利用碳排放累計(jì)增加174.65萬t,農(nóng)業(yè)生產(chǎn)效率、產(chǎn)業(yè)結(jié)構(gòu)和勞動(dòng)規(guī)模對碳排放具有抑制作用,農(nóng)業(yè)經(jīng)濟(jì)水平對碳排放具有促進(jìn)作用。趨勢預(yù)測結(jié)果顯示,九江市農(nóng)地利用碳排放在2018年達(dá)到峰值,有8個(gè)縣(市、區(qū))在2020年之前達(dá)到峰值,修水縣、德安縣和共青城市在2020年之后呈上升趨勢,未來應(yīng)進(jìn)一步加強(qiáng)碳減排措施。