四川盆地丘陵区农业源甲烷排放时空变异特征及驱动因素

2022-08-25李昱菡郑子成王永东李廷轩

水土保持研究 2022年5期

李昱菡, 郑子成, 王永东, 李廷轩

(四川农业大学资源学院, 成都 611130)

温室气体浓度的上升往往会造成干旱、高温等极端气候环境问题[1-3]，严重制约着区域农业与经济可持续发展。虽然大气中甲烷(CH4)的含量要小于二氧化碳(CO2)，但其增温效率却远高于CO2。有研究表明，20 a时间尺度上，CH4单位质量的全球增温潜势是CO2的86倍[4]。可见，CH4排放对区域气候环境影响深远、持久。然而针对温室气体减排政策方面，多数学者关注能源部门，却忽略了农业源温室气体排放的重要性[5]。全球频繁的农业活动造成了近50% CH4的排放[6]，其排放源主要包括水稻种植和畜禽养殖。因此，开展农业源CH4排放特征及驱动因素研究，不仅有助于缓解我国减排目标的压力，对区域粮食安全生产以及农业持续发展也具有重要的现实意义。

目前就农业源CH4排放的研究主要集中于2个方面：一是基于水稻种植与畜禽养殖排放源，获得省域层面的CH4排放量及时空分布特征[7-11]；二是多数学者将CH4并入CO2，以kaya碳排放恒等式进行影响因素分解为主，不同区域的结构、效率和人口因素对碳排放的驱动作用虽有较大差异，但是普遍认为经济规模是导致碳排放增加的主导因素[12-14]。若将农业源CH4并入CO2进行探讨，难以明晰CH4排放具体特征。且采用Kaya恒等式进行影响因素分析，由于纳入等式因素限制，往往会忽略其他重要的影响因素。此外，由于地形地貌、气候等均是影响农业活动的重要因素，但目前农业源CH4的研究多集中在省域尺度，开展不同区域CH4排放研究尤为必要。

四川省是西南重要的农业区，农业碳排放居西南首位[15]，盆地丘陵区作为农业的核心地带，素有“四川粮油产区”称号。盆地丘陵区生猪饲养量占四川省51.08%(《四川统计年鉴》)，也是全省的“生猪产区”，农业活动频繁。鉴于此，本文以盆地丘陵区为研究对象，在估算农业源CH4排放量的基础上，探讨县域农业源CH4排放时空分布特征及其驱动因素，以期为制定区域农业源CH4减排措施和实现农业绿色发展提供理论依据。

1 研究方法与数据来源

1.1 研究区概况

研究区位于四川盆地丘陵区，介于103.88°—108.01°E， 28.45°—32.06°N，主要包括南充、绵阳、内江等53个市(区、县)，土地面积约8万8 000 km2。区域内农业人口多，农业活动频繁。耕地面积为3万km2，属于亚热带季风性气候，以种植粮食作物为主(水稻、小麦)，是四川主要粮食产区。据统计，2017年，粮食播种面积为344万1 200 hm2，超过全年农作物播种面积的65%。养殖业发展受益于区域的种植业，以猪、家禽为主，2017年，猪和畜禽出栏量分别为0.22亿只和0.20亿羽，养殖量均超过全省的50%。

1.2 数据来源

本文水稻播种面积，猪、牛、羊、兔、家禽年末存栏量和年出栏量、城镇化率、总人口、农业从业人员、农村从业人员、化肥施用量、全年农作物总播种面积、农耕地面积、地区生产总值、第一产业产值、农村用电量，均收集于《2008—2018年四川省统计年鉴》和《2008—2018年四川年鉴》，生命周期取值参考孟祥海等[16]。估算水稻种植CH4排放量的排放系数参考《省级温室气体清单编制指南》，取值156.2 kg/ hm2；畜禽养殖业估算猪、牛、羊、兔、家禽的CH4排放量，其主要的排放系数参考《2006年IPCC国家温室气体清单指南》[17]。

1.3 CH4排放量估算

水稻种植CH4排放参照徐兴英等[9]估算公式，依据《省级温室气体编制指南》确定稻田CH4排放因子估算CH4排放量：

R=∑E×A×10-6

(1)

式中:R为稻田CH4排放总量(Gg);E为稻田CH4排放因子(kg/ hm2);A为水稻播种面积(hm2)。

肠胃发酵CH4排放参照徐兴英等[9]方法，依据《2006年IPCC国家温室气体清单指南》确定CH4排放因子估算CH4排放量：

T=∑Fi×Pi×10-7

(2)

式中:T为动物肠胃CH4排放总量(104t CH4/a);Fi为第i种动物的CH4排放因子〔kg/(头·a)〕;Pi为第i种动物的数量。

由于饲养量处于动态变化，因此本文参照孟祥海等文献[16]的方法，年均饲养量将根据该年年出栏量以及年末存栏量进行调整，当年出栏量小于年末存栏量，则年均饲养量利用该年与上一年年末存栏量的平均值来表示，当年出栏量大于年末存栏量，则利用公式(3)进行调整。

(3)

式中:Pi为i类动物年均饲养量(头、只);Ni为i类动物的年出栏量(头、只);D为生命周期(d)。

粪便管理系统CH4排放参照徐兴英等[9]方法，依据《2006年IPCC国家温室气体清单指南》确定CH4排放因子估算CH4排放量：

M=∑Ui×Pi×10-7

(4)

式中:M为动物粪便管理系统发酵CH4总排放量(104t CH4/a);Ui为第i种动物粪便管理CH4排放因子[kg/(头·a)];Pi为第i种动物的数量。

1.4 时空分布特征

(5)

(6)

其中局部自相关的计算公式[19]：

(7)

1.5 驱动因素分析

采用扩展后的STIRPAT模型进行驱动因素分析，计算公式如下[20]:

I=aPgAhTsGjet

(8)

式中:I表示CH4排放量;P表示总人口;A表示富裕度;T表示技术水平;G为农业内部影响因素;a为模型系数;et为模型误差;g,h,s,i为弹性系数,表示当P,A,T,G每变动1%,则I分别变动g%,h%,s%,j%。

对方程两边同时取底为e的对数，则公式(1)则可变为多元线性方程，其公式如下所示：

ln(I)=ln(a)+gln(P)+hln(A)+sln(T)+jln(G)+tln(e)

(9)

为避免自变量之间存在高度共线性干扰模型的准确性，因此本文运用偏最小二乘法进行模型回归分析，考虑纳入模型中的变量以及含义见表1。

表1 变量及其描述

2 结果与分析

2.1 农业源CH4排放量估算

由图1可知，2007—2017年期间盆地丘陵区农业源CH4排放总量达32.52～35.93万t，随时间的推移，农业源CH4排放总量总体呈降低的趋势。2007—2017年期间，研究区种植业和畜禽养殖业CH4排放量分别达到15.50～16.05万t和19.93～16.83万t，分别约占排放总量的45.9%和54.1%，表明研究区CH4排放是以畜禽养殖业为主导。研究区畜禽养殖业CH4排放量与CH4排放总量呈相似的变化趋势。种植业CH4排放量在这11 a期间呈波动变化趋势，但其占比却呈逐年增加的趋势。

2.2 农业源CH4排放时空变异特征

以县级行政区为单位，采用重心轨迹迁移法分析盆地丘陵区2007—2017年期间农业源CH4排放特征，该区域的重心轨迹图见图2。2007—2017年期间，盆地丘陵区CH4排放重心迁移方向并非固定的，其向北、东、西南、东北方向分别迁移1，1，3，3次，总体随时间推移呈现出向东北方向迁移的趋势。就偏移角度和距离而言，东北部的县(区、市)CH4排放量的变化程度要高于西南部。经度上的移动趋势要较纬度明显，说明东西方向上县(区、市)的变化程度较南北方向上明显，2007—2017年研究区各县(区、市)的CH4排放情况随着时间变化较大。为了更好地探讨研究区各县(区、市)CH4排放的时空分布特点，依据重心轨迹图选取了典型的2007年、2011年、2017年，运用局部自相关分析方法以揭示盆地丘陵区各县(区、市)的时空分布变化规律。

由图3可知，2011—2017年期间，研究区CH4排放量的聚集区总体呈“东北高、西南低”的分布特征，且高值聚集区的辐射范围要远大于低值聚集区。CH4排放量高值聚集区主要包括巴州区、大竹县、达川区、营山县、平昌县、仪陇县和渠县。CH4排放量低值聚集区包括大安区、贡井区、自流井区和沿滩区。就时间上尺度而言，CH4排放量高值聚集区呈扩张的变化趋势，2011年阆中市进入高值聚集区，且该聚集区高值随时间推移显著增加；CH4排放量低值聚集区却呈相反的变化趋势，随时间推移总体呈显著下降的趋势，到2017年，沿滩区低值显著性消失，这也印证了CH4排放重心模型的结果。

图1 2007-2017年盆地丘陵区各排放源CH4排放量及贡献率

图2 盆地丘陵区农业源CH4排放重心轨迹

2.3 农业源CH4排放驱动因素结果

高度共线性的数据会导致假拟合现象，不同量纲的变量会产生异方差，因此首先对原始影响因素分析数据取对数处理，消除异方差，并使原始模型方程变为多元线性方程，再运用R语言的VIF函数对转换后的数据进行多重共线性诊断，结果见表2。一般认为当VIF值大于10，数据存在多重共线性[21]，由表2可知，除施肥量的VIF值接近10外，其余驱动因素VIF值均大于100，则表明数据存在着严重的多重共线性。

为了避免变量之间的多重共线性扰乱模型，运用偏最小二乘法(PLS)回归STIRPAT模型。由表3可知，回归模型的拟合优度为0.685 6，表明总体结果较准确。从回归结果看，城镇化率、单位面积施肥量、人均耕地占有量、人均GDP以及农村用电量均对农业源CH4排放起到控制作用，回归系数分别为0.024 0，0.000 9，0.025 9，0.025 1，0.011 8；总人口、农业从业结构和农业产值结构对农业源CH4排放起到促进作用，回归系数分别为0.006 7，0.002 5，0.017 0。在各驱动因素中，人均耕地占有量对农业源CH4排放的影响最大。

3 讨论

3.1 农业源CH4排放时空特征分析

四川盆地丘陵区农业源CH4排放水平较高，与福建省2006—2010年农业源CH4平均排放量(33.12万 t)相接近[6]，这与研究区农业布局及人类农业活动密切相关。四川省立足于区域实际，一直致力于农业现代化建设，依据自然资源及农业特色，规范形成“四区四基地”，加快由农业大省向农业强省过渡。研究区耕地面积约占全省总量的50%，承担着“全国优质粮油产品生产基地”重任，2007—2017年期间，研究区全年农作物播种面积和水稻播种面积均超过全省50%。“全国国家商品猪战略保障基地”落户于丘陵区，2007—2017年期间，生猪和家禽养殖量也超过全省的50%。但研究区农业源CH4排放总体呈下降的趋势，主要由于(1) 2007年前，由于粮食价格低下，粮食产量下降，国家通过压缩粮食型畜牧业生产加以调控[22]，导致研究区畜禽养殖量在这11 a期间总体上呈现减小的变化趋势，如猪、牛、羊、家禽的养殖量分别下降了15.69%，2.37%，31.41%和0.73%，仅兔的养殖量增加9%，但其不足以抵消反刍类动物养殖量下降所导致的排放量减少；(2) 另一方面，四川省畜禽养殖业的相关减排政策也起到了关键作用。四川省于2011年被列入减排试点省，随后陆续出台畜禽养殖业的《污染物减排》和《废弃物资持续利用》等文件，四川省养殖业CH4减排成效显著。11 a期间，研究区耕地面积的变化虽受国家“退耕还林”等政策的影响，但后续实施“占补平衡”、“永久基本农田划定”等措施[23-24]，且2005年后，国家免除农业税政策，调动了农民生产积极性[25]，因此水稻播种面积变幅较小，故种植业CH4排放量较为稳定。

图3 盆地丘陵区农业源CH4排放量聚集特征演变趋势

表2 多重共线性诊断结果

表3 PLS回归结果

研究区各县(区、市)CH4排放量表现出一定的空间依赖性[26]，低值聚集区主要位于自贡市的大安区、贡井区、自流井区和沿滩区，这些区域主要以农业生产强镇及现代化农业产业园为核心，以发展观光旅游休闲农业为主攻方向，促进农业与二、三产业相互融合；农业生产在一定范围内得到高度集中，依托当地自然资源优势，通过降低、交换生产成本，提升经济规模效益和竞争力。如贡井区形成以“菜—稻”轮作模式为基准的蔬菜产业带，并已在西南地区形成固定的产销体系；沿滩区结合种养模式，建设优质的农牧产品特色产业基地，形成了有特色的立体、循环农业生产体系。同时自贡市致力于农村科技新技术、新模式的推广，积极开展农村科普活动，引导农村科技在区域内充分扩散，带动技术及资源的空间溢出效应加速释放[27]，导致低值聚集区的显著性逐年降低。高值聚集区主要包括巴州区、阆中市、仪陇县、营山县、渠县、大竹县、达川区和平昌县区域，且高值显著性逐年增加。盆地丘陵区素有“四川粮油产区”称号，2017年7个县(区、市)粮油产量均达到40～60万t，其中水稻播种总面积占到盆地丘陵区的8%～22%，奠定了种植业高CH4排放基础。由于地理位置相邻，这些县(区、市)在农业产业化及产业园区建设的同时，以扩大生产规模为主攻方向，以“公司”、“合作社”、“专业市场”+“农户”的带动模式，形成了一定数量的标准化种植业基地、养殖场和种养结合示范园区，加快了当地特色农业产业的转型，并带动相邻县(区、市)以这种方式向其靠拢，使得高排放聚集区显著性增加且出现扩张趋势。

3.2 农业源CH4排放驱动因素分析

研究区人均耕地占有量、人均GDP、城镇化率、农村用电量和单位面积施肥量对研究区CH4排放具有一定控制作用。人均耕地占有量可反映农地规模化集约集中经营的程度，规模化集约集中经营能够科学的管理农业生产中投入品的种类、用量和时间，减少农业生产过程中不必要的投入[28]，进而减少因施肥过量、饲料种类及用量添加不合理等，引起种植业、养殖业CH4排放增多的现象，有利于促进低碳农业经济。人均GDP主要通过影响居民生活消费方式和驱动产业结构的转变。有研究表明，随着居民消费水平的提高，人们更加倾向于购买碳排放量更高的商品[29]，这一需求也驱动产业结构的转变，据统计资料可知，研究区第一、二、三产业的GDP比例分别从2007年的27.37∶42.01∶30.62，转变为2017年的14.93∶48.58∶36.49，由于产业结构逐渐调整，产出重心从传统农业耕作，向更高收益的第二、三产业转移，增加了人均GDP，进而降低了农业源CH4的排放。2007—2017年期间，研究区平均城镇化率从22.09%提升到47.51%，城镇化发展会使工业、住宅等建设用地扩张，引起人口向城市转移，提高居民及农业从业者的生态保护意识，直接或间接降低农业源CH4的排放[30]。但也有研究结果表明，城市的发展对碳排放同时存在促进和控制作用[31]。

2007—2017年期间，研究区平均农村用电量提升幅度达59.59%，表明区域农村基础建设为农耕机械以及新型环境友好型技术的运用奠定了坚实基础，农业科技的运用较为普遍，施肥、机械耕作、收割、灌溉、饲料全自动化等机械化技术有助于减少农资的投入量，同时一些区域新型环境友好型农业投入品及设备的使用，均有助于减少农业源的CH4排放，这与戴小文等研究结果一致[32]，但机械化技术的应用，也可能会导致能源碳排放量的增加。单位面积施肥量反映施肥强度，化肥施用对农田CH4排放影响的研究结果不尽相同，稻田CH4的排放并不是单一因素控制，同时受土壤性质、自然条件以及人为措施共同调控[33-34]，本文的结果表明了单位面积的施肥量对研究区农业源的CH4排放起着控制作用。第一产业产值、总人口和农村从业结构促进了研究区农业源CH4的排放。其中，农业产值结构对农业源CH4的排放影响最为明显，这与王兴等[15]研究结果较为一致。为发展农业经济，驱动农业经营规模及发展，进而影响农业CH4排放。而不论是总人口还是从事农业人口数量多少均对研究区的CH4排放起着促进作用，两者均会导致农业经营规模的扩大及发展，前者通过总人口对农产品的需求，间接作用于农业经营规模，而后者直接作用于农业经营规模，促进农业源CH4的排放。