粮食主产区种植业碳功能测算与时空变化规律研究

2019-10-31王新华

生态与农村环境学报 2019年10期

杜江,罗珺,王锐,王新华

(1.武汉轻工大学经济与管理学院,湖北武汉 430023;2.武汉软件工程职业学院马克思主义学院,湖北武汉 430205)

1990—2011年全球由于人类活动而导致的温室气体(GHG)排放量增加54%[1]。农业是仅次于化石燃料的GHG排放源之一,农业源GHG排放量占GHG排放总量的13.5%,其中,源于农业的二氧化碳(CO2)、甲烷(CH4)和一氧化二氮(N2O)排放量分别占3种气体排放总量的25%、50%和70%。中国的农业碳排放比重也较高，原国家发展和改革委员会应对气候变化司发布的《中华人民共和国气候变化第一次两年更新报告》显示,2012年中国农业源CO2排放当量比重为7.89%,农业源CH4、N2O排放量分别占CH4、N2O排放总量的40.9%和71.6%。

碳排放量核算方法主要有联合国政府间气候变化专门委员会(IPCC)清单法、生命周期评价法(LCA)、环境投入产出法(EIO)以及将LCA与EIO相结合的混合法(LCA-EIO)。作为LCA思想在气候变化领域的特殊应用,碳足迹法近年得到广泛运用。碳足迹法实际上属于“生态足迹”家族,用来衡量某种活动引起的或某种产品生产周期内的直接或间接GHG排放量[2]。农业碳排放核算在国外开始的时间较早，成果颇丰。近年,随着各种核算方法的引入,国内农业碳排放的实证研究逐渐增多。黄祖辉等[3]利用LCA-EIO法测算浙江省农业碳足迹,其他绝大多数相关研究采用基于LCA的排放系数法。根据研究对象的不同,这些研究可划分为4类:(1)以单一地区的单一农作物品种为对象,陈中督等[4]对2004—2012年湖南双季稻生产碳排放与碳吸收的特征及其动态进行分析，胡世霞等[5]核算了湖北省2003—2013年蔬菜生产碳足迹;(2)以单一地区的多个农作物品种为对象,有对湖北[6]、江西[7]、山东[8]、河南[9]、湖南[10-11]、四川泸州[12]等地农业碳排放量的测算;(3)以全国或多个地区的多个农作物品种为对象,李波等[13]基于农用物资、农机、农田翻耕与灌溉等碳源,测算了1993—2008年的农业碳排放量,王兴等[14]核算了中国水稻生产碳足迹及其变化趋势,韦沁等[15]利用1999—2014年时序数据测算了我国小麦、水稻和玉米的碳排放并比较了南北区域的差异,还有针对黄淮海平原[16]、西南[17]、华北[18]、东北三省[19]等地区的测算;(4)以第一产业(农林牧渔业)为对象,闵继胜等[20]测算了1991—2008年水稻、玉米、小麦、牲畜、家禽生产的GHG排放量,田云等[21]基于农用物资投入、稻田、土壤、牲畜养殖等碳源测算了1995—2010年的农业碳排量。这些研究成果为人们了解农业碳排放问题提供了宝贵的资料,但仍然存在一些不足之处:(1)测算大多以单一区域为主,部分研究涉及到多个区域,但是研究的农作物品种单一,少数针对全国的研究包括了主要的农作物品种,却只采用了时间序列数据,无法反映碳排放的区域差异;(2)大多未能同时包括3种主要的GHG气体;(3)所有研究均采用IPCC第4次报告中提供的CH4转换指数,但早在2013年IPCC第5次报告中其全球增温潜势(GWP)就由25调整为34;(4)多数研究没有将化肥细分为氮、磷、钾和复合肥进行分别计算。最重要的是,目前针对粮食主产区(以下简称“主产区”)种植业碳功能测算的研究较少。为此,笔者尝试依据LCA思想与碳足迹原理测算主产区种植业的碳排放量、碳汇量及净碳排放量，并分析其特征。

1 测算步骤、方法与数据来源

1.1 碳足迹的一般测算步骤

第一,选择GHG种类。这要依据测算对象的类型与特征、测算的必要性、遵循的指南等条件而定,一般应该包括CO2、CH4、N2O这3种主要气体。

第二,设定排放层级(tier)与边界(boundary)。MATTHEWS等[22]设定了3个层级:第1层为现场直接排放;第2层包括消耗所购买的能源(如电能)时的排放;第3层包括前2层边界之外的其他间接排放,如运送物资或成品、处置废弃物时产生的排放。大多研究对于是否包括第3层仍存在较大争议。由于第3层边界的界定很模糊,如果包括这层排放源,就会增加估计的复杂性及不确定性[22]。考虑到如果包括第3层排放源，将使得碳排放过程变得无法控制,有学者建议在计算碳足迹时不包括这一层[23]。此外,由于其不确定性、无法控制等原因,各种计算温室气体排放的指南或协议(protocol)均将第3层所包括的各种排放源列为可选项(optional)。PANDEY等[24]将测定边界分为3种:(1)农作物生产边界包括从耕种到收获的所有阶段;(2)农产品成品包括加工、包装、运输等环节;(3)食物(熟食)包括熟食准备等阶段。实践中,根据不同的层级与边界组合来测算农业碳足迹。

第三，收集排放数据。鉴于现场直接测量获取数据的方式执行与维护的成本很高，且统一与推广很困难，目前主要通过排放系数与模型进行间接估算。

第四，测算碳足迹。2013年IPCC第5次报告中CO2、CH4、N2O基于100 a的GWP系数分别为1、34、298，CO2排放当量(CO2-eq)计算公式[24-25]为PGW，j=CO2排放量+CH4排放量×34+N2O排放量×298。其中，PGW,j表示第j层级的GWP，j=1，2，3。

碳足迹也可用碳排放密度与碳排放强度的形式表征，计算公式为

(1)

(2)

式(1)～(2)中，FC，A为单位面积CO2排放当量，kg·hm-2；FC，Y为单位产值CO2排放当量，kg·万元-1；A为农作物播种面积，103hm2；Y为农业总产值，亿元。

1.2 测算方法

该研究主要测算种植业田间生产过程中的碳排放,拟采用上述第1种边界设定方式测算种植业碳足迹。根据数据的可获得性,考虑到农业生产资料在投入田间使用前的生产、运输与储存过程中释放的CO2也是农业碳排放的重要组成部分,研究包括3个层级的碳排放源:第1层级直接排放包括农田耕作及土壤的CO2、CH4、N2O排放,农业机械消耗化石燃料所产生的CO2排放,田间秸秆燃烧产生的CO2排放;第2层间接排放包括由于农田灌溉电能消耗所产生的碳排放;第3层间接排放包括氮肥、磷肥、钾肥、复合肥、农药、农膜等农业生产要素在生产、运输、储存及使用过程中产生的碳排放。排放当量计算公式为

EGWP,CO2=ECO2，input+ECO2，straw+ECH4，paddy×34+EN2O，soil×298，

(3)

ECO2，input=X1×δ1+X2×δ2+X3×δ3+X4×δ4+X5×δ5+X6×δ6+X7×δ7+X8×δ8，

(4)

ECO2，straw=∑P×N×D×B×F×δstraw，

(5)

ECH4，paddy=R×δCH4，

(6)

EN2O，soil=X1×δN2O×44/28，

(7)

(8)

式(3)～(8)中，ECO2，input为各投入要素碳排放，104t；ECO2，straw为秸秆焚烧碳排放，104t；ECH4，paddy为水稻种植CH4排放，104t；EN2O，soil为农田氮肥施用N2O排放，104t；X1～X8分别为氮肥、磷肥、钾肥、复合肥、农药、农膜、农用柴油与电力消耗；δ为排放系数(表1)；P为农作物产量；N为各作物的谷草比(表 2)；D和F分别为秸秆干物质比例和燃烧效率(表 3)；B为秸秆田间燃烧比例，各省(区)取值：河北0.244 6、内蒙古0.114 1、辽宁0.126 6、吉林0.156 4、黑龙江0.222 2、江苏0.188 7、安徽0.341 1、江西0.226 9、山东0.331 3、河南0.215 8、湖北0.202 0、湖南0.206 5、四川0.230 4；δstraw为秸秆燃烧排放系数(表 4)；R为水稻产量；δCH4为水稻种植的CH4排放系数(表5)；δN2O为N2O排放系数；ECO2，CS为农作物碳吸收总量；Ci为农作物碳吸收量；k为农作物种类；ci为作物通过光合作用合成单位有机质所需吸收的碳，即碳吸收率；Yi为内作物的经济产量；r为作物经济产品含水量；Hi为作物经济系数。

表1 农业投入与农田灌溉碳排放系数

Table 1 Carbon Emission coefficients of agricultural inputs and farmland irrigation

投入要素排放系数单位系数来源氮肥1.53t·t-1CLCD v0.7 磷肥1.63t·t-1CLCD v0.7 钾肥0.65t·t-1CLCD v0.7 复合肥1.77t·t-1CLCD v0.7 柴油0.89t·t-1CLCD v0.7 农药12.44t·t-1Econinvent v2.2 农膜22.72t·t-1Econinvent v2.2 灌溉用电2.71kg·hm-2文献[25] 农田N2O0.01t·t-1文献[26]

表2 各地不同作物谷草比

Table 2 Grain-to-straw ratio for different crops at the provincial level

省(区) 水稻小麦玉米豆类薯类棉花花生油菜籽河北0.951.221.051.360.422.620.862.57 内蒙古0.831.391.301.360.622.620.862.57 辽宁1.031.221.031.290.602.620.862.57 吉林1.031.251.091.500.602.620.862.57 黑龙江0.921.051.161.130.602.620.862.57 江苏1.241.411.001.520.533.351.262.98 安徽1.091.121.001.520.533.351.262.98 江西1.031.360.951.520.523.351.262.98 山东1.291.390.961.360.422.640.892.87 河南0.971.291.071.360.422.410.862.57 湖北0.961.390.981.520.523.351.262.98 湖南0.981.380.961.520.523.351.262.98 四川0.901.120.981.520.493.351.262.98

排放系数取值大多来源于中国生命周期数据库(Chinese Life Cycle Database,CLCD)和Ecoinvent数据库。现有研究文献中采用的碳排放系数大多来源于美国橡树岭国家实验室或国外学者提供的参数,这些系数可能不太适合中国的本土化应用。CLCD与Ecoinvent数据库则能够提供中国本土化的排放参数,且被越来越多的学者所采用[14,18-19]。其余各参数值参考了文献[20,26-32]的研究成果。

表3 作物干物质比例与燃烧效率

Table 3 Dry matter proportion and burning efficiency in the crop residue

作物干物质比例燃烧效率水稻0.890.93 小麦0.890.92 玉米0.870.92 豆类0.910.68 薯类0.450.68 棉花0.830.80 花生0.940.82 油菜籽0.830.80

表4 作物秸秆燃烧污染物排放系数

Table 4 Emission coefficients of pollutants emitted from crop residue burning

作物CO2CH4N2O 水稻1.110.005 80.000 07 小麦1.470.003 40.000 07 玉米1.350.004 40.000 14 豆类1.580.005 80.000 07 薯类1.580.005 80.000 07 棉花1.350.005 80.000 07 花生1.580.005 80.000 07 油菜籽1.580.005 80.000 07

表5 各地早、中、晚稻种植CH4排放系数

Table 5 Methane emission coefficients of early, in-season and late rices at the provincial level

kg·hm-2

“—”表示某省(区)没有种植该水稻品种。

作物经济系数、含水量与碳吸收率见表6。各系数取值参考了韩召迎等[33]和杨果等[34]的研究。

表6 作物经济系数、含水量与碳吸收率

Table 6 Economic coefficient, water content and carbon absorption rate of main crops

作物经济系数含水量碳吸收率水稻0.450.120.41 小麦0.400.120.49 玉米0.400.130.47 豆类0.340.130.45 薯类0.700.700.42 棉花0.100.080.45 花生0.430.100.45 油菜籽0.250.100.45

种植业投入产出数据来源于《中国统计年鉴》《中国农业年鉴》《中国农村统计年鉴》《新中国五十年农业统计资料》《新中国农业60年统计资料》《新中国五十五年统计资料》,少数部分地区的缺失数据则用当地的统计年鉴予以补充。

2 种植业碳排放的总体特征

2.1 碳排放总量、强度与密度

1991—2016年主产区种植业碳排放量由49 579.75 万t增加到68 461.77万t(图1),增长38.08%,年均递增1.3%。根据排放量环比增速大小,可将排放过程大致分为3个阶段。

图1 主产区种植业碳排放总量变化Fig.1 Total amount of carbon emissions in main production areas

第1阶段为1991—1999年,这期间除了1992—1993年、1996—1997年外各时间段的环比增速均大于0,碳排放量下降到1993年的最低点(49 460.49万t)后,又在波动中上升到1999年的56 990.52万t,比1991年增加14.95%,年均递增1.76%。第2阶段为1999—2003年,这期间的环比增速均小于0,排放量一直下降到2003年的54 186.8万t,比1999年下降了4.91%,年均降低1.25%。第3阶段为2003—2016年,这期间除了2015—2016年外的环比增速均大于0,碳排放继续增加到68 461.77万t,比2003年增加26.34%,年均递增1.82%。按照排放趋势及近几年种植业的发展状况来看,未来几年种植业碳排放量可能还会保持持续增长态势。

种植业碳排放强度在波动中持续降低(图2),由26 406 kg·万元-1下降到9 574.48 kg·万元-1,降低63.74%,年均减少3.98%。根据环比增速大小将碳排放强度变化划分为3个阶段:第1阶段为1991—1995年,期间环比增速均小于0,排放强度下降幅度明显,1995年比1991年减少将近一半(42.12%),年均递减12.78%;第2阶段为1995—2002年,这期间除2000—2001年外的环比增速均大于0,碳排放强度缓慢增加,2002年比1995年增加6.77%,年均递增0.94%;第3阶段为2002—2016年,除2014—2015年、2015—2016年外的环比增速均小于0,碳排放强度持续降低,2016年比2002年下降41.33%,年均降低3.74%。

图2 主产区种植业碳排放强度与密度变化Fig.2 Carbon emission intensity and density in main production areas

主产区种植业碳排放总量在增加,但是排放强度却表现出降低趋势,这说明我国正在以更小的环境代价获得农业的持续增长。与碳排放强度的变化不同,碳排放密度在波动中持续增加,1991—2016年由4 803.17增加到6 072.13 kg·hm-2,增加26.42%,年均递增0.94%。1991—2016年,农作物播种面积由10 322.3万增加到11 274.75万hm2,增加9.23%,年均递增0.35%,均小于同期碳排放总量的增长率(38.08%)与年均递增率(1.3%),可能正是这一增长率的差距导致碳排放密度增加。

2.2 碳排放构成

各排放源碳排放量占比由大到小依次为水稻种植(36.76%)、农业投入(33.42%)、秸秆燃烧(17.94%)和农田氮肥(11.88%)。农业投入要素中,碳排放比重最大的为电力消耗(17.8%),化肥投入碳排放比重最大的为氮肥(3.87%)，最小的是钾肥(0.29%)。四大排放源排放量比重的时序变化差异较大。2007年以前水稻种植的碳排放比重最大,但总体上呈逐年下降的趋势,1991—2007年由44.37%下降到34.17%;农业投入碳排放比重由27.08%增加到36.26%,且自2008年以来成为碳排放的最大贡献者;秸秆燃烧碳排放比重由17.16%增加到19.36%,农田氮肥施用碳排放比重则由11.4%降低到10.21%,两者变化不大。

3 种植业碳排放的空间分布特征

3.1 碳排放总量的空间分布特征

碳排放总量的空间分布特征见图3。1991—2016年主产区平均碳排放量为4 546.95万t,高于均值的有江苏、湖南、安徽、湖北、山东、江西、河南、四川,低于均值的有河北、黑龙江、吉林、辽宁、内蒙古,排放量最大的江苏(7 475.37万t)是最低的内蒙古(1 560.94万t)的4.79倍。高于均值的8个省排放量占排放总量的80.5%,低于均值的5个省(区)排放量占排放总量的19.5%。

图3 主产区省级种植业年均碳排放量Fig.3 The amount of annual carbon emissions in main production areas at the provincial level

3.2 碳排放构成的空间分布特征

主产区农业投入、水稻种植、秸秆燃烧、农田氮肥施用碳排放平均占比分别为38.74%、29.14%、18.96%、13.16%,农业投入与水稻种植碳排放占比最大。由图4可见，内蒙古农业投入碳排放比例最高，为64.57%,江西最低，为16.78%,高于主产区平均比例(38.74%)的有内蒙古、河北、辽宁、山东、吉林、河南、黑龙江,这些省(区)以农业投入为其最大排放源;江西水稻种植碳排放比例最高，为70.49%,河北最低，为1.51%,高于平均比例(29.14%)的有江西、湖南、湖北、江苏、安徽、四川,这些省以水稻种植为其最大排放源;山东秸秆燃烧碳排放比例最高，为33.48%,江西最低，为8.4%,高于平均比例(18.96%)的有山东、黑龙江、河南、吉林、河北、安徽;辽宁农田氮肥施用碳排放最高，为19.47%,江西最低，为4.33%,高于平均比例(13.16%)的有辽宁、河南、吉林、河北、内蒙古、山东。

图4 主产区省级种植业碳排放构成Fig.4 The compositon of carbon emissions in main production areas at the provincial leve

3.3 碳排放强度与密度的空间分布特征

1991—2016年的平均碳排放强度为10 119.47 kg·万元-1,高于均值的有吉林、内蒙古、黑龙江、河南、山东、安徽,强度最高的吉林达16 223.93 kg·万元-1,最低的辽宁只有7 053.34 kg·万元-1,前者是后者的2.3倍。碳排放密度方面,平均排放密度为5 654.95 kg·hm-2,高于均值的有江苏、江西、湖南、湖北、安徽,密度最大的江苏为9 624.85 kg·hm-2,最小的内蒙古仅为2 443.04 kg·hm-2,前者是后者的3.94倍。虽然吉林、内蒙古、黑龙江的平均碳排放总量相对较低,但其排放强度最高,农业生产的环境代价较大,如何降低农业投入的碳排放是这几个省(区)需要重点考虑的问题。碳排放密度高于均值的5个省平均碳排放总量高于主产区平均值,水稻种植碳排放比例也高于主产区平均值，需要重点考虑如何降低水稻种植的碳排放量。此外,秸秆焚烧碳排放比例高于均值的省大部分位于北方,其平均碳排放量虽然大多低于主产区平均值,但也不容忽视,今后需要加大力度整治田间秸秆焚烧问题。

4 种植业碳汇的总体特征与空间分布特征

4.1 种植业碳汇的总体特征

4.1.1碳汇总量、强度与密度

1991—2016年主产区种植业碳汇量由30 509.47 万增加到47 069.76万t,增长54.28%,年均递增1.75%。根据环比增速大小将碳汇变化大致分为3个阶段:第1阶段为1991—1996年,环比增速除了1993—1994年外均大于0,到1996年碳汇量增至35 691.78万t,比1991年增加16.99%。第2阶段为1996—2003年,虽然该时期环比增速除1996—1997年、1999—2000年外均大于0,但由于增速小于0的这2个时期下降幅度较大,总体上这一阶段的碳汇量持续下降到2003年(30 813.86万t),比1996年降低13.67%。第3阶段为2003—2016年,环比增速除了2008—2009年、2015—2016年外均大于0,碳汇量持续增加到47 069.76 万t,增长52.76%,年均递增3.3%。

由图5可见,碳汇密度由1991年的2 955.69 增加到2016年的4 174.79 kg·hm-2,增长41.25%。碳汇密度增加意味着单位播种面积的CO2吸收量在增加,农业发展对环境的污染程度正在降低。此外,碳汇强度表现出波动下降趋势,由16 249.24下降到6 582.78 kg·万元-1,降低59.49%,年均递减3.5%。农业产值增长速度高于农业碳汇增长速度,使得单位产值碳吸收量降低。

图5 主产区种植业碳汇强度与密度变化Fig.5 The intensity and density of carbon sink of main production areas

4.1.2碳汇构成

不同作物碳汇量比较而言,碳汇量最高的玉米是最低的薯类的33.94倍,水稻、小麦、玉米3类粮食作物的碳汇量远大于其他作物。按照碳汇量总体增减幅度高低排序,花生的碳汇量增幅最大(186.7%),接下来依次为玉米(113.74%)、油菜籽(103.00%)、小麦(46.40%)、水稻(29.29%)、豆类(26.44%)、薯类(-17.52%)、棉花(-66.00%),其中薯类和棉花的碳汇量出现了减少趋势。按照碳汇量年均变化率由高到低排序，依次为花生(4.29%)、玉米(3.09%)、油菜籽(2.90%)、水稻(1.03%)、豆类(0.94%)、小麦(0.73%)、薯类(-0.77%)、棉花(-4.20%)。

各作物碳汇量占碳汇总量的比例差异明显(图6),水稻碳汇占比逐年降低,且在2002年及以前占比最大;玉米碳汇占比逐渐上升,且自2004年以来成为碳汇最大贡献者;小麦碳汇占比变化比较平缓;其余作物的碳汇占比均低于6.5%。

图6 主产区种植业分作物碳汇构成时序变化Fig.6 The compositon of carbon sink of crops in main production areas

4.2 种植业碳汇的空间分布特征

4.2.1省级种植业碳汇的总量与构成特征

1991—2016年种植业的平均碳汇量为2 894.36 万t,最高的河南达5 145.63万t,最低的四川仅1 544.45 万t,平均碳汇量高于总体均值的有河南、山东、黑龙江、江苏、四川、河北、安徽。碳汇构成方面,各省(区)水稻(32.36%)、小麦(20%)、玉米(32.81)的碳汇量占碳汇总量的比例较大(图7),3类粮食作物碳汇占比例达85.16%,高于这一平均值的有河北(86.93%)、内蒙古(87.19%)、辽宁(93.28%)、吉林(93.84%)、江西(86.49%),而最低的湖北也达75.45%。豆类(4.47%)与薯类(0.92%)碳汇占比相对较低,共占5.93%,黑龙江(17.1%)和内蒙古(8.83%)的豆类碳汇占比较高,其余各省均低于5%。薯类碳汇占比最高的四川也仅2.91%,其他省(区)大都低于1%。上述5类粮食作物碳汇量占总量的90.55%。

相对于粮食作物,油菜(4.01%)、花生(2.33%)、棉花(3.11%)这3类经济作物的碳汇占比较小,共占碳汇总量的9.45%。油菜碳汇占比最高的3个省为湖北(12.03%)、四川(8.63%)、湖南(7.95%),花生碳汇占比最高的3个省为山东(6.49%)、河南(5.89%)、河北(3.7%),棉花碳汇占比最高的3个省为湖北(7.22%)、河北(6.27%)、江苏(4.58%)。就各省(区)内部的碳汇占比来看,以水稻为主(排第1)的有江西、湖南、湖北、江苏、四川、安徽,以小麦为主的有河南、山东,以玉米为主的有黑龙江、辽宁、吉林、内蒙古、河北。

图7 主产区省级种植业碳汇构成Fig.7 The compositon of carbon sink in main production areas at the provincial level

4.2.2省级种植业碳汇强度与密度的特征

1991—2016年种植业平均碳汇强度为10 119.47 kg·万元-1,高于均值的有吉林、内蒙古、黑龙江、河南、山东、安徽,最高的吉林(16 223.93 kg·万元-1)是最低的辽宁(7 053.34 kg·万元-1)的2.3倍(图8)。碳汇密度平均值为3 541.43 kg·hm-2,高于这一平均值的有吉林、山东、江苏、辽宁、河南,最高的吉林(5 076.11 kg·hm-2)是最低的内蒙古(2 512.68 kg·hm-2)的2.02倍。

图8 主产区省级种植业平均碳汇强度与密度Fig.8 The provincial avarage intensity and density of carbon sink of main production areas

5 种植业碳足迹(净碳排放)的总体特征与空间分布特征

5.1 种植业净碳排放的总体特征

碳排放量与碳汇量的差值即为碳足迹(净碳排放量)。1991—2016年种植业年均净碳排放量的波动变化明显,由19 070.28万增加到21 392.01万t,增长12.17%,年均递增0.46%。净排放量的最大与最小值分别出现在2008年(23 929.59万t)与1993年(17 752.93万t)。根据环比增速大小可将净碳排放量变化大致分为3个阶段。第1阶段为1991—1993年,碳排放经历了1992年的少许增加后下降到1993年的最低点,比1991年的19 070.28万t降低6.91%。第2阶段为1993—2008年,净碳排放量在波动中增加到最高值,增加34.79%,年均增长2.01%。第3阶段为2008—2016年,净排放量在波动中持续下降到21 392.01万t,下降10.6%,年均减少1.39%。整个时期的种植业净碳排放量表现出随着时间推移先增加后降低的倒“U”型特征。

5.2 种植业净碳排放的空间分布特征

种植业净碳排放量的省际差异明显。1991—2016年的年均净排放量始终为正的有江苏、湖南、安徽、江西、湖北、四川、山东、河北(图9),前5个省的净排放量相对较高。净排放量呈正负交替变化的有河南、辽宁、内蒙古(图10),其中河南变化幅度最大,最大(2003年)与最小(2006年)净排放量分别为873.1万与-212.6万t，内蒙古的变化幅度最小。净排放量始终为负的有黑龙江和吉林(图11),这2个省每年均表现为碳吸收状况。

图9 主产区种植业净碳排放量为正的省份的时序变化Fig.9 The time series of net carbon emissions for the provinces with positive ones

图10 主产区种植业净碳排放正负交替的省(区)的时序变化Fig.10 The time series of net carbon emissions for the provinces with alternate ones

6 研究结论与政策启示

6.1 研究结论

该研究测算了1991—2016年粮食主产区种植业的碳足迹,研究发现:(1)种植业年均碳排放量增加38.08%,排放源贡献由高到低排序依次为水稻种植(36.76%)、农业投入(33.42%)、秸秆燃烧(17.94%)和农田氮肥(11.88%),其中农业投入碳排放比例最高的是电力消耗(17.8%),化肥投入碳排放比例最高的为氮肥(3.87%)。(2)种植业年均碳汇量增加54.28%,水稻、小麦、玉米的碳汇量远大于其他作物,除薯类和棉花外其他作物的年均碳汇量均逐年增加。(3)主产区种植业年均净碳排放始终为正,1991—2016年增加12.17%,且表现出随时间推移先增加后降低的倒“U”型特征。