县域尺度下河北省农业碳排放时空演变与影响因素研究*

周一凡, 李 彬, 张润清

(河北农业大学经济管理学院 保定 071000)

农业与气候变化之间有着复杂的联动关系。一方面温室气体排放引发的极端气候变化威胁着全球的粮食生产, 另一方面, 农业现代化的快速发展破坏了农业生态碳平衡, 成为了仅次于工业的第二大碳排放部门。政府间气候变化委员会(IPCC)数据显示, 与农业有关的碳排放占全球温室气体总排放的13.5%。中国农业碳排放量占碳排放总量的17%, 并且以每年5%的速度快速增长, 农业低碳化是影响中国实现“双碳”目标的重要方面。同时, 中国地区间农业区位条件与资源禀赋差异明显, 不同地区的农业碳减排政策与路径选择也必然不同。为实现区域农业碳减排与农业高质量发展, 有必要针对特定地区的自然条件与社会发展状况, 在更加深入的层面展开研究。进而探讨如何因地制宜, 制定适合本地区的差异化农业碳减排政策。

目前, 学术界围绕农业碳排放已做了大量研究。研究内容主要涉及农业碳排放产生机制与测算、农业碳排放影响因素以及减排政策等方面。农业碳排放源具有多样性, 随着研究的深入, 越来越多的农业碳源被纳入到测算体系中。美国橡树岭实验室、IPCC和国家发改委应对气候变化组织司均公布过温室气体清单及测算方法。此外, 段华平等、闵继胜等、田云等都对农业碳排放进行了研究与具体测算。段华平等对农业灌溉碳源所引发的温室气体排放加入了清单并进行了测算; 闵继胜等对农业部门包括畜牧业与种植业引发的温室气体分种类进行了测算; 田云等将不同种类温室气体统一为标准二氧化碳当量, 增加了不同部门之间的可比性。以上研究的农业温室气体清单各有侧重, 总体上对农业碳排放源多元化特征的研究不断继承与丰富, 为农业碳排放的空间分布特征和减排机制的研究奠定了基础。除了对农业碳排放测算研究外, 在具体的区域碳排放治理研究中, 越来越多的研究引入了空间因素对碳排放的影响。

现有研究证明中国省域农业碳排放之间有显著的空间相关性与异质性。东、中、西三大区域的农业碳排放在空间分布上各有特点, 但是总体上呈现空间集聚趋势。吴昊玥等基于动态空间杜宾模型的估计结果表明, 省际间的农业碳补偿率有明显的空间外溢效应。刘蒙罢等对长江中下游粮食主产区碳约束下生态效率的研究发现, 粮食产区的生态效率有显著的“俱乐部收敛”, 空间溢出在其时空演变中发挥了显著影响。李慧等基于GWR模型对农业碳排放的影响因素进行了建模分析, 发现东南沿海地区稻田碳排占比较大, 黄河中游地区农用物资与农田利用碳排占比较大, 西北地区养殖业碳排占比较大。李治国等基于准自然实验研究了碳排放交易的减排效果, 为农业碳排放治理提供了借鉴思路。高鸣等基于Malmquist-luenberger指数研究了农业碳排放绩效的空间收敛与分异。以上研究都聚焦于省域农业碳排放空间分布与减排政策研究,在模型构建过程中都存在受限于分析层面地理单元数量不足的缺点。另外, 对农业碳排放测算研究停留于省级层面, 无法准确监测市县级农业碳排放,不利于把握农业碳排放的变化趋势, 调整相关政策。

综上, 已有研究中对农业碳排放的测算方法不尽相同, 各研究中基于不同的农业温室气体清单, 对农业碳排放的测算范围各有侧重。且对全国省级层面的农业碳排放测算较多, 对县域农业碳排放测算较少。现有考虑到空间效应的文献视角大多聚焦于省级层面影响机制, 较少关注县域层面空间效应, 无法从更深层次刻画小地理单元长时序碳排放的时空动态演变。最后, 基于0～1型邻近空间权重矩阵无法准确反映距离对各因素的影响。

为弥补现有研究不足, 本文参考自然科学的研究成果, 从土地管理、禽畜肠道发酵、粪便管理和水稻种植4个方面共13个碳源, 构建了县域农业碳排放测算框架, 测算了2009-2019年河北省168个县农业碳排放量。利用探索性空间统计分析了2009—2019年河北省县域农业碳排放的时空演变趋势。首先构建了168个县域地理单元农业碳排放影响因素多元空间权重矩阵的空间面板数据模型,研究了县域农业碳排放的空间效应与影响因素, 以期为河北省农业碳减排, 实现农业低碳发展提供理论基础与政策启示。同时, 将河北省作为农业碳排放研究案例也为其他地区农业碳排放治理提供了借鉴。

1 研究方法与数据来源

1.1 农业碳排放测算

本文借鉴自然科学研究成果并参照IPCC、美国橡树岭国家实验室和省级温室气体排放清单的测算方法, 选取4方面的碳排放源: 水稻种植、土地管理、畜牧的肠道发酵和粪便管理建立县域农业碳排放测算框架(表1)。之后结合河北省的农业区位状况, 确定不同碳排放源的排放系数, 最终测算得到河北省各县农业碳排放量。碳排放的测算公式:

表1 农业碳源与温室气体排放系数Table 1 Agricultural carbon sources and greenhouse gas emission factors

式中: P 为总碳排放量, C为 第i 种 农业碳排放源, R为第i种碳排放源的碳排放系数, G WP为 第i种温室气体的贡献系数。根据《京都议定书》, 以二氧化碳的100年全球变暖潜力值(GWP)为基准, 1 t甲烷产生的温室效应相当于排放21 t二氧化碳, 1 t氧化亚氮产生的温室效应相当于排放310 t二氧化碳。碳排放量单位为二氧化碳当量(CO-eq)。

1.2 探索性空间统计方法

莫兰指数(Moran’ I)是应用最为广泛的空间相关分析方法, 莫兰指数有全局Moran’ I与局域Moran’ I之分, 前者可以作为判断本区域是否存在空间自相关的指标, 后者可以研究具体的空间自相关区域。全局Moran’ I的公式为:

式中: x为 i地 区的农业碳排放, n是所研究区域内的地区数量, w为空间权重矩阵。经过方差归一化之后-1≤Moran’I≤1, Moran’I越接近1时空间正相关的程度越强, 越接近-1时空间负相关的程度越强,0表示不存在空间自相关。通常假设Moran’I检服从正态分布, 构造T统计量来检验显著性。

热点分析采用General G指数的局域版本Getis-Ord G算法。虽同是局域空间相关指标, 但其对空间权重的敏感度高于局域莫兰指数。当局部和与总体有较大差距时会产生一个有统计意义的 Z统计量。在不存在空间自相关的零假设下, 如果 Z值为正且显著, 则i地区周围观测值比均值而言偏大, 存在高值聚集, 是一个“热点”。反之, i地区周围观测值相比于均值偏小, 是一个“冷点”。计算公式是:

1.3 空间计量模型构建

空间面板回归模型将空间依赖性纳入考虑范围,更加注重变量之间的空间关系。应用较为广泛的有空间误差模型、空间滞后模型与同时考虑滞后项与误差项的空间通用模型, 通过空间豪斯曼检验与LR检验可以对模型设定形式进行判断。本研究目的是探究河北省县域农业碳排放的空间溢出现象与影响因素, 模型设定如下:

式中: i 、 j 代表地理单元, t 代表时间变量, c arbon代表各县农业碳排放当量, X代表影响农业碳排放因素(表2), W代表空间权重矩阵, λ代表空间自回归系数, β是待估计的参数, ε代表随机扰动项, μ代表空间误差项。

表2 县域农业碳排放影响因素变量选取与描述性统计Table 2 Variable selection and descriptive statistics of factors influencing agricultural carbon emissions in counties

现有省级层面的研究从经济、技术、环境、人口等方面考虑影响碳排放的因素。参考已有研究成果并集合县级数据特点和可得性, 本文从农业经济规模、产业结构、技术水平、要素投入、农村能源消费等方面考量, 对影响因素选择考虑如下:

1)农业人均生产总值(AGDP)。李波等根据环境库兹涅茨曲线理论, 验证了农业经济发展与碳排放有着倒“U”型的关系, 即先污染、后治理的现象。农业经济发展是驱动碳排放的主要因素, 但其是否会带动碳排放量的增长取决于经济发展质量与阶段。

2)城镇化率(Urban)。城镇化推动了农村劳动力向城市流动, 促进了农业生产的集约化、规模化, 规模化农业意味着能源消耗的增加, 间接带来农业碳排放增长。

3)农村居民收入(Income)。农村居民收入对碳排放有着正向影响, 农民收入的增加促进了农户对农业生产要素的投入从而带来碳排放增长。

4)农业产业结构(Str)。农业结构中占主导的产业会影响本地区农业碳排放, 对比林业、渔业, 种植业和畜牧业贡献了碳排放的主要份额。

5)农业机械水平(Tech)与化肥施用强度(Fer)。农机与化肥投入会直接带来碳排放量增长, 两者发展水平对碳排放有正向影响。

6)农村用电量(Energy)。农村能源消耗反映了地区经济水平与环保意识, 现有研究认为农村的电力基础设施建设与种植业碳排放正相关。

空间权重矩阵一般有邻近空间权重矩阵(W1)、固定距离空间权重矩阵(W2)、K临近空间权重矩阵(W3)、自然临近空间权重矩阵(W4)、反距离空间权重矩阵(W5)等形式。本文在回归分析中使用反距离矩阵(W5), 边界效应分析使用动态距离与K临近空间权重矩阵(W3), 稳健性检验使用其余矩阵进行对比。具体形式可视化如图1。

图1 县域农业碳排放模型空间权重矩阵W1-W5Fig.1 Spatial weight matrix W1-W5 of the county agricultural carbon emission model

1.4 数据来源及处理

本文对各县农业碳排放测算的数据来自2009—2019年的《河北省农村统计年鉴》, 测算碳排放量中用到的碳排放系数来自IPCC的相关文件、美国橡树岭国家实验室、中国农业大学、南京农业大学和《中国省级温室气体清单编制指南》。空间数据来自中国国家地理信息的公开数据资料, 使用最新的河北省168个行政县(市辖区)行政区划。2016年河北省进行了较大范围的县级行政区划调整, 为匹配空间数据与经济数据, 本文将合并的行政县数据融合进新的行政区划中, 缺失值使用空间插值法补全。

2 县域农业碳排放的时空演变特征

2.1 县域农业碳排放时间变化趋势

根据表1的排放因子测算了河北省168县农业碳排放并对结果汇总分析(图2)。结果表明, 2009-2019年河北省农业碳排放整体上呈下降趋势。2019年农业碳排放总量1857万t, 比2009年下降37%, 平均每年下降4.86%。从减排趋势看, 可以分为3个阶段。第1阶段为2009-2012年, 农业碳排放呈小幅上升趋势, 农业碳排放由2987万 t增加到3115万t,年均增长率为1.84%。该阶段农业碳排放增长主要原因是生态意识薄弱, 农业产量增长依靠生产要素的大量投入。第2阶段为2013-2016年, 农业碳排放在波动中下降, 相比于第1阶段, 第2阶段农业碳排放下降明显,年均增长率为-4.3%。自2015农业部出台一系列农业生态治理政策, 如“两减”行动等, 治理了农业生产中化肥、农药滥用问题, 农业碳排放有了下降趋势。第3阶段为2017-2019年, 农业碳排放整体比第1阶段大幅下降, 农业碳排放稳定在2000万t。全球气候变化的背景下, 农业碳排放问题越来越得到重视, 农业碳排放治理成效显著。

图2 2009—2019年河北省农业碳排放结构及变化趋势Fig.2 Structure and trend of agricultural carbon emissions in Hebei Province from 2009 to 2019

从碳排放结构看, 2019年河北省农业碳排放中由土地管理、肠道发酵、粪便管理与水稻种植引发的农业碳排放占比分别为33.0%、42.6%、24.3%与0.1%。农业碳排放结构以畜牧业为主, 占比66.0%,种植业次之占比33.0%。2009-2019年, 土地管理引发的碳排放下降缓慢, 与2009年相比, 2019年碳排放当量下降12.9%, 但占比从23.5%提升到33.0%,成为仅次于肠道发酵的第二大农业碳源。畜牧业畜禽肠道发酵导致的碳排放下降速度较快, 与2009年相比2019年碳排放当量下降47.5%, 占比下降到42.5%, 但仍是河北省第一大农业碳排放源。禽畜粪便管理碳排放下降趋势与肠道发酵同步, 与2009年比碳排放当量下降41.4%, 是河北省农业碳排放第三大碳源。河北省水稻种植面积约为6万hm, 其碳排放在农业总碳排放中占比极小，仅为0.1%, 其对农业碳排放影响极小。

2.2 县域农业碳排放的空间自相关

2009-2019年河北省各县总农业碳排放量、畜牧业碳排放量和人均碳排放强度全局Moran’ I结果见表3。结果显示2009-2019年县域农业碳排放的Moran’I指数在0.27以上, 碳排放强度的Moran’I指数为0.31～0.64, 均通过了P＜1%水平的显著性检验。相比于现有文献从省域层面对农业碳排放空间相关性研究, 县域尺度下的农业碳排放空间相关性更加显著。从总体趋势来看, 2009-2019年县域农业碳排放Moran’I指数波动上升, 说明各县之间农业碳排放空间集聚有加强趋势。畜牧业碳排放量波动较大,2009-2012年Moran’I指数呈下降趋势, 2015-2019年呈增长趋势。这可能是因为河北省畜牧业集中于张家口与承德北部各县, 畜牧业碳排放量在总碳排放量中占比较小, 加上肉类价格波动的影响, 导致畜牧业碳排放年际变化较大, 反映在Moran’I指数就是空间分布呈现不断变化趋势。从人均碳排放强度来看, 其空间集聚趋势与总碳排放量呈现相反的趋势,2009-2019年Moran’I指数从0.6降低到0.3左右,空间集聚有减弱趋势。一部分原因是农村劳动力向城市流动, 农村地区劳动力减少, 各地区农业发展水平呈现差异化、多样化, 导致各地区人均农业碳排放强度相关性减弱, 独立性逐渐加强。

表3 河北省2009-2019年县域农业碳排放Moran’I指数Table 3 Morans’ I of agricultural carbon emissions in counties of Hebei Province from 2009 to 2019

2.3 县域农业碳排放热点

热点分析可以识别碳排放空间集聚的中心位置,直观地反映各县农业碳排放空间变化。计算河北省168个县10年来的碳排放指标的Getis-Ord-G指数,再将其Z值绘制填充地图以观察县域农业碳排放时空变化规律。

2.3.1 农业土地管理碳排放空间分布

由图3可以看出, 2009-2019年, 土地管理所引发的农业碳排放“热点”县集中分布于河北省南部和东南部的传统农耕区, 即图中的红色区域。农业碳排放热点的空间位置变化不大, 但范围呈现缩小趋势, 中心县的数量不断减少。2009年农业碳排放热点以武强、故城、冀州、阜城、枣强、辛集、武邑等县为中心向周围地区扩散。2019年热点县的数量明显减少, 主要位于石家庄、邢台和衡水3市的交界, 冀州、衡水和辛集等区县, 南部各县土地管理导致的农业碳排放显著减少。以上热点地区位于华北平原腹地,也是传统种植业的主要分布地区, 农作物播种面积268万hm, 约占全省农作物播种面积的33%左右。土地管理造成的农业碳排放约为210万t CO-eq, 占全省农业土地管理碳排放量的34%左右。从排放构成来看由化肥施用、土地翻耕造成, 土地翻耕引发的农业碳排放占土地管理碳排放总量的55%左右。华北平原地区主要农作物为小麦、玉米, 耕作方式以旱作为主, 农业生产消耗了大量的化肥、农药以及农业机械动力, 这造成了此地区成为河北省农业碳排放的热点地区。

图3 2009-2019年河北省县域农业土地管理碳排放热点图(Getis-Ord-Gi＊指数)Fig.3 Hotspots maps of agricultural land management carbon emissions in counties of Hebei Province (Getis-Ord-Gi* index) from 2009 to 2019

2.3.2 畜禽肠道发酵、粪便管理碳排放空间分布

图4反映了畜牧业生产过程中, 畜禽肠道发酵所引发的总碳排放量空间变化。结果显示, 畜牧业碳排放热点主要分布于冀北地区承德市围场县, 张家口市张北以及秦皇岛部分县等农业结构以畜牧业为主的县。2009年碳排放热点县为承德市围场、丰宁、滦平和隆化4县。2015年碳排放向东部和南部有扩大趋势, 唐山、秦皇岛部分县碳排放有上升趋势。2019年热点地区又恢复为围场、丰宁、滦平和隆化4县。总体上畜牧业中动物肠道发酵与粪便排放的温室气体在空间分布上较为稳定。承德北部地区草场丰茂, 畜牧业发达, 2019年内牛羊出栏分别为6320头和14 926头, 分别占全省的18.7%和4.1%,其产生的碳排放约占全省畜牧业碳排放的12.4%。草食性动物的消化系统会排放大量甲烷, 其温室效应是二氧化碳的21倍, 这导致冀北成为了畜牧业碳排放的主要地区。

图4 2009—2019年河北省县域畜禽肠道发酵碳排放热点图(Getis-Ord-指数)Fig.4 Hotspot maps of carbon emissions from intestinal fermentation of livestock and poultry in counties of Hebei Province (Getis-Ord- index) from 2009 to 2019

畜禽粪便管理与肠道发酵两者碳排放的热点分布在空间上基本吻合(图5)。结果表明, 粪便管理所引发的农业碳排放的热点地区呈现缩小的趋势,2009年、2012年和2015年粪便管理高排放的集聚区域主要分布在承德北部、秦皇岛和唐山的部分县,到2019年缩小到承德的围场、丰宁、滦平和隆化4县。这表明相比其他地区承德市的畜牧业发展较快, 其凭借适合畜牧业发展的农业区位和产业优势成为了河北省主要的畜牧业产业集聚地。

术后3 d佩戴支具下地活动，评估下肢神经根症状缓解情况，行MR/CT检查，1～2周后二期经椎旁肌间隙置入椎弓根螺钉，必要时选择性减压。

图5 2009—2019年河北省县域畜禽粪便管理碳排放热点图(Getis-Ord-指数)Fig.5 Hotspot map of carbon emissions from livestock and poultry manure management in counties of Hebei Province (Getis-Ord-index) from 2009 to 2019

3 县域农业碳排放的影响因素

3.1 农业碳排放影响因素的空间计量分析

为探索县域农业碳排放空间溢出效应与影响因素, 以双向固定效应的普通面板数据模型作为基准回归模型, 使用反距离矩阵(W5)对空间滞后、空间误差和空间通用模型进行估计, 为避免异方差问题对变量取对数后再进行估计。LM-H、LM-Lambda和LM-Mu检验均拒绝原假设, 模型需要考虑空间相关和空间误差项; 空间Hausman检验结果表示固定效应假设更合理。

普通面板回归、空间误差、空间滞后和空间通用模型的估计结果具有一致性, 结果如表4所示。双向固定效应的普通面板数据模型估计结果显示,除了城镇化率对农业碳排放有显著负向影响外, 其他因素均对农业碳排放有显著的正向影响。考虑空间效应的空间面板数据回归结果显示, 空间滞后回归系数(lambda)显著为正, 表明县域农业碳排放具有空间溢出效应, 县域之间的农业碳排放具有协同性, 邻近县农业碳排放对本县农业碳排放量有增排作用, 平均来看邻近县的农业碳排放提升1.00%本县的农业碳排放会增加0.26%。县域层面的农业碳排放空间溢出效应为区域农业碳排放协同治理提供了理论上的可行性。发挥县域层面的示范效应带动区域农业碳减排是可行之路。

表4 河北省县域农业碳排放影响因素回归结果Table 4 Regression results of factors influencing agricultural carbon emissions in counties of Hebei Province counties

农业经济发展水平是推动农业碳排放增长的主要驱动因素。结果显示, 县级人均农业GDP增长1%农业碳排放增长0.89%。根据环境库兹涅茨理论, 经济发展与环境状况会呈现倒“U”型曲线, 也就是说环境状况会随着经济发展经历一个先恶化再治理的过程。目前来看, 河北省农业碳排放处于环境曲线“拐点”之前, 农业碳排放随着农业经济发展没有明显的下降趋势, 并且随着经济发展和人口规模的增加, 短期内农业碳排放的减排压力较大。

农业产业结构、农业机械化水平和化肥施用强度是农业碳排放增长的重要推动因素。农业产业结构对农业碳排放的影响体现在: 畜牧业比重较大的县农业碳排放量显著高于畜牧业占比小的县。随着经济发展消费者对蛋白质的需求会进一步提升, 畜牧业对农业碳排放的贡献程度会进一步上升。畜牧业生产过程中草食性动物的肠道发酵排放了大量甲烷。同时, 传统畜牧业以散养为主的饲养方式, 对动物的粪便管理也较为随意, 不恰当的粪便管理方式向大气中排放大量氧化亚氮与甲烷, 由此造成了现代农业发展中, 畜牧业的碳排放问题比种植业更加严峻。

农业机械化程度和化肥施用强度对农业碳排放有正向促排作用。作为种植业生产中的重要投入要素, 虽然农业机械化的发展提升了耕作效率, 但高耗能的农业发展模型推动了农业碳排放量的增加。化肥的大量使用也向大气中排放了更多的二氧化碳,但是河北省近几年来大力推行秸秆还田技术, 2020年基本实现了全面秸秆还田。长远来看秸秆还田是增加土壤肥力的有效措施, 有助于降低化肥的施用强度, 进而减少农业碳排放, 但河北省秸秆综合利用水平有待提升。

城镇化率对农业碳排放有减排效应。城镇化率的提升意味着农村人口转变为城镇人口, 经济结构中第三产业比重下降, 第一、二产业的占比上升, 同时农业信息化程度提升、农民生活方式转变、现代化农业经营体系建立等都会促进农业碳排放量减少。

农村能源消费和农村居民收入对农业碳排放有着间接的促排作用。农村用电量的增加不会直接影响农业碳排放, 但农村用电量高的地区一般经济发展水平也较高, 人们的生活水平和生活方式都间接地影响了农业碳排放。农民收入对农业碳排放的促排作用体现在农业生产资料的投入上, 农户的收入增加会使其扩大生产规模, 提高产量, 而小农户没有人工成本, 对化肥、农药等生产资料的投入不敏感。这就导致农业生产向高投入、高排放的方向发展,引起了农业碳排放量的增加。

3.2 县域碳排放空间溢出的边界效应

迭代模型所使用的空间权重矩阵设定为动态距离(W3), 根据各县面积、距离设定迭代距离为5 km。模型结果如图6所示, 空间自回归系数变化可以分为两个阶段。第1阶段是1～30 km (d1), 空间自回归系数显著变大, 随着距离递增邻近地区农业碳排放对本地区溢出性不断强化。第2阶段是30～85 km(d2),空间自回归系数迅速下降, 其显著性通过了P＜1%水平的检验, 邻近地区对本地区农业碳排放溢出性呈减弱趋势。在85 km之后空间溢出效应不再显著, 85 km可能是农业碳排放县域空间溢出效应的边界值。在农业碳减排政策制定过程应重视空间溢出与边界效应的双重影响。

图6 动态空间权重矩阵下河北省县域农业碳排放空间溢出的滞后回归系数Fig.6 Lagged regression coefficients of spatial spillover of agricultural carbon emissions in counties of Hebei Province under dynamic spatial weight matrix

3.3 稳健性检验

对以上空间面板模型的空间权重矩阵进行重新设定, 使用5种不同的空间权重矩阵, 模型的估计结果如表5所示, 在改变空间权重矩阵设定后模型的主要回归系数基本保持一致, 通过了显著性检验, 与前文的主要结论保持统一。

表5 稳健性检验结果Table 5 Robustness test results

4 讨论与结论

4.1 讨论

本文在县域空间尺度下对河北省农业碳排放问题进行了深入研究, 构建了县域农业温室气体排放清单, 测算了河北省168个县农业碳排放量, 探究推动县域农业碳排放的驱动因素与背后的空间效应与机理。与现有省级层面研究相比, 本文结合县域数据测算了河北省县域农业温室气体排放情况, 从碳排放结构、产业构成角度分析了驱动县域农业碳排放演变的空间效应。与田云等、何艳秋等对全国碳排放研究结果相比, 本文对县域农业碳排放测算数据更加细致, 县域农业碳排放空间集聚呈现更强的分布趋势。此外, 相比于程琳琳等、吴昊玥等对农业碳排放空间溢出效应的研究, 本文对县域农业碳排放空间溢出效应研究基础上, 进一步分析了县域碳排放溢出的边界。基于动态空间权重矩阵,量化评估了随着距离的增加县域农业碳排放空间溢出强度递减现象, 为河北省农业低碳发展提供了理论基础, 同时, 为其他省份制定区域农业碳减排政策提供了借鉴。

由于县域层面数据缺失, 本文对碳排放的测算缺少了历年秸秆还田所导致的碳排放动态变化部分,在以后研究中可以将其作为深入研究的拓展方向。

4.2 结论

本文主要结论: 1) 2009-2019年, 河北省农业碳排放整体上呈现下降趋势, 农业碳排放结构中土地管理、畜禽肠道发酵和粪便管理分别占33%、42.57%、24.33%。县域尺度下河北省农业碳排放呈现更加明显的空间集聚趋势。农业碳排放受到农业产业结构的影响, 冀北地区畜牧业碳排放存在显著的热点效应, 冀东南地区为种植业碳排放热点地区。2)县域农业碳排放格局存在空间溢出效应, 本地区农业碳排放受到邻近地区的影响。农业经济发展水平是驱动农业碳排放增长的主要因素。农业产业结构、机械化程度、化肥施用强度均对农业碳排放增长有正向作用。城镇化率对农业碳排放增长有负向作用。3)县域农业碳排放的空间效应机制受到空间溢出与边界效应的双重影响, 农业碳排放空间溢出在30 km内呈递增趋势, 30～85 km内空间溢出不断减弱, 农业碳排放空间溢出边界大概为30 km。影响空间范围大概在临近的6～8个县。

对策建议: 1)构建县域农业碳排放区域协同治理机制。根据经济发展水平尝试建立区域碳补偿和碳交易制度, 推动区域绿色经济协同发展。2)重视冀北地区畜牧业的碳减排问题。本文研究发现冀北四县畜牧业动物肠道发酵与粪便所带来的碳排放占全省农业碳排放的约60%。畜牧业碳排放的热点更加集中, 针对特定热点区域的治理将会收获更大的生态效益。3)华北平原地区是土地管理碳减排的重点治理区域。本文研究发现华北平原地区土地管理引发的碳排放占全省土地管理碳排放的55%。在保证粮食安全前提下, 减少传统农业和高耗能农业比重, 增加农业的生态附加值。4)适度农业机械化、科学施用化肥。本文对农业碳排放结构和影响因素分析发现, 化肥、农业机械化是影响农业碳排放的重要因素。科学施肥, 发展生物技术偏向型的农业技术对于减少农业碳排放, 保护农业生态环境有重要意义。