县域尺度下河南省种植业碳排放空间溢出效应及公平性研究

谢永浩，刘 争

(云南财经大学 经济学院，昆明 650221)

0 引言

气候变化是国际社会普遍关注的全球性问题，也是人类面临的最为严峻的全球环境问题[1],大气中CO2，N2O等温室气体浓度的增加是导致全球气候变暖的根源之一。第二、三产业是产生碳排放的主导产业,但快速发展的农业也是加速气候变暖的重要诱因。中国作为温室气体排放大国,17%的碳排放源于农业生产活动[2]。田云等运用Tapio脱钩模型对我国农业碳排放与农业经济发展间的脱钩关系进行分析[3];高鸣等对1999—2010年我国农业碳排放量进行测算，并深入分析农业碳排放空间聚集与收敛等问题[4];曾珍等从人口城镇化和土地城镇化两个视角分析安徽省城镇化对农业碳排放的影响[5];张颂心等通过系数法和超效率SBM模型等方法测算2009—2018年长三角26个城市的科技进步贡献率、农业碳排放量和绿色全要素生产率[6]。这些研究成果极大地丰富了我国碳排放问题的研究体系，为后续相关研究奠定了坚实基础。其中，关于农业碳排放影响因素的研究中，相关学者的结论不尽相同。刘杨等发现农业生产结构对农业碳排放有抑制作用[7]；周一凡等研究发现农业生产结构对农业碳排放有一定的增排效应[8]。农业是人类社会存在的基础，支撑着整个国民经济的进步和发展，支农财政作为调节农业生产活动的重要手段之一，在财政支出中有着十分重要的地位。从2005年开始，中央一号文件连续18年强调三农问题，中央财政和地方财政支出中农林水务支出大幅增加，财政对农业的支持力度显著提升。相关研究表明，支农财政对农民收入有着增收效应以及减贫效应，对农业结构、农业生产效率也有一定的促进效应。但是，目前对于支农财政与农业碳排放之间关系的关注度并不是很高。虽然国内学者对碳排放的研究日益成熟，但还存在以下问题：(1)农业碳排放研究范围和核算体系不统一。传统对农业碳排放的研究使用的是种植业指标，但也有部分学者把畜牧业的碳排放也纳入到农业碳排放的研究中。(2)在农业碳排放的研究中，对碳排放与支农财政力度之间关系的研究关注度不高。(3)在宏观尺度上，对农业碳排放时空特征的分析居多，在县域尺度上，对其时空特征的分析较少。

宏观把握我国农业生产碳排放和碳汇现状、准确梳理各地区净碳效应是深入研究农业生产碳排放问题的重要前提[9]。基于此，本研究在科学编制种植业碳排放测算体系的基础上，对2013—2019年河南省各县区种植业碳排放量进行测算，深入分析其阶段特征，将支农财政力度作为核心解释变量，并运用空间杜宾模型对河南省各县区种植业碳排放空间溢出效应进行分析，同时，根据基尼系数衡量其公平性，以期为未来碳减排政策制定提供理论基础。

1 研究区域、研究方法与数据来源

1.1 研究区概况

河南省地势整体西高东低，平原地区土壤肥沃，降水充沛，为农业的发展奠定了良好的基础，而丘陵地区的农业发展水平与平原地区有明显差距[10]。全省辖54个市辖区、21个县级市、82个县，合计157个县级区划。近年来，随着国家对中西部省份政策支持力度的加大，农业现代化水平明显提高，农用物资消耗量也逐年提升[11]。在种植类型方面，东部平原地区和西部丘陵地区差异性明显，东部地区平坦的土地提供了丰富的耕种资源；西部地区海拔较高导致昼夜温差大，形成了以水果为特色的种植产业。同时，河南省南北地区间经济发展水平是不均衡的，主要以中北部的郑州、洛阳、新乡、开封为经济辐射带，南部地区经济发展水平落后于中北部地区。为了凸显不同地区间的差异，按照人均GDP将河南省划分为豫北地区、豫中地区和豫南地区，其中豫北地区为黄河以北的县区，豫南地区为南阳、驻马店和信阳的县区，其余县区为豫中地区；按照地貌类型，将河南省划分为丘陵地区和平原地区，丘陵地区包括三门峡全部县区，洛阳全部县区，南阳的南召县、西峡县、内乡县、淅川县，平顶山的鲁山县，郑州的登封市、巩义市，安阳的林州市，鹤壁的淇县，焦作的博爱县和沁阳市，其余县区为平原地区。

1.2 研究方法

1.2.1种植业碳排放量(C)。本研究主要计算种植过程中农用物资的碳排放量(C1)和农地N2O排放量(C2)。在主要农用物资消耗量方面，本研究并没有将化肥具体地分为氮肥、磷肥、钾肥和复合肥，因此，在农地N2O排放量方面，主要计算农作物秸秆还田直接产生的N2O排放。结合数据的完整性，将水稻、小麦、玉米、豆类、油料作物、棉花、瓜果类作为农地N2O的主要来源。计算公式如下：

C=C1+C2；

C2=[(Wi/Hi-Wi)×Ti×Gi×Ei+
Wi/Hi×Ti×Gi×Fi]×a×c。

式中：n为农用物资种类总数；Yk为第k类农用物资的消耗量；bk为第k类农用物资的碳排放系数，各类农用物资的碳排放系数主要参考李远玲等[12]的研究；i为农作物品种；Wi为第i类农作物经济产量；Hi为第i类农作物的经济系数；Ti为第i类农作物的干重比；Gi为第i类农作物秸秆或根含氮率；Ei为第i类农作物秸秆还田率，秸秆还田率参照《中国温室气体清单研究》，取值45.6%；Fi为第i类农作物根冠比；a，c均为排放系数，参考《省级温室气体清单编制指南》，a取值为0.010 9 t N2O/t N，c为81.27 t/C，含义为排放1 t N2O所造成的温室效应相当于81.27 t标准碳所造成的温室效应。计算瓜果类的碳排放采用的是排放系数法，具体为根据瓜果类的经济产量和每公顷土地的平均产量，得出各县域瓜果类种植面积。国内相关学者已经测算出瓜果类土壤N2O的排放系数为4.21 kg/hm2，各类农作物的主要参数参考李远玲等[12]的研究。

1.2.2种植业碳排放空间溢出效应。运用空间杜宾模型(SDM)研究其空间效应。空间杜宾模型用于反映邻近地区解释变量对本地区被解释变量的空间溢出效应，与其他两种空间计量模型(空间滞后模型和空间误差模型)相比较，其更能全面系统反映空间效应。综上，构建县域尺度上河南省种植业碳排放空间杜宾模型如下：

Zj=eQZj+fUj+gQUj+d。

式中：j表示地理单元；Z为被解释变量；U为解释变量；Q为空间权重矩阵；e，g均为空间系数；f为对应影响因素的影响系数；d为随机扰动项。

1.2.3基尼系数。采用基尼系数衡量河南省种植业碳排放公平性程度。具体为将河南省县区作为评价单元，定义洛伦兹曲线为不同单元农业碳排放曲线，即农业碳排放实际分配曲线；然后连接45°对角线，将其定义为农业碳排放的绝对公平曲线，以农作物累计播种面积为自变量，累计碳排放量为因变量，得出洛伦兹曲线图。基尼系数计算方法采用臧日宏等[13]的研究。

1.3 变量选取

影响种植业碳排放量的因素有很多，甄伟等[14]运用LMDI分解方法分析广东省种植业碳排放影响因素，发现农业经济水平和城镇化是主要的增排因素。由于本研究是在县域水平进行的，考虑到数据的完整性，参照相关研究[15-21]，选取支农财政力度作为核心解释变量，城镇化率、城镇吸引能力、消费水平、经济发展水平、城乡差距、农业结构等作为控制变量，研究河南省种植业碳排放影响因素。具体相关变量统计情况见表1。

1.4 数据来源

各县区的主要农作物产量、主要农用物资消耗量数据以及选取的变量数据来源于中国国家统计局、2014—2020年《河南统计年鉴》以及EPS数据平台，其中，修正了部分县区的小部分农作物产量缺失的数据，并对数据进行标准化处理。为了便于计算碳排放量的总和，将N2O所导致的温室效应换算成标准碳(C)所产生的温室效应，依据IPCC第4次评估报告(2007)，1 t N2O所引发的温室效应相当于298 t CO2(约合81.27 t C)所产生的温室效应[22]。

2 结果与分析

2.1 河南省种植业碳排放时间变化特征

2013—2019年河南省157个县区种植业碳排放量呈下降趋势的有103个，占65.6%；呈上升趋势的有54个，占34.4%。总体上，2013—2019年河南省碳排放量呈“下降—上升—下降”的波动趋势，但其上升幅度远小于下降幅度。种植业碳排放总量最大的县区是滑县，为122.3万t；最小的县区是义马市，为0.95万t，这与义马市的地形地貌和气候特征有关。义马市位于丘陵区，境内起伏不平，属于大陆性气候，天气变化无常，干旱天数较多，导致其种植业碳排放总量低于其他县区。种植业碳排放量下降幅度最大的县区是潢川县，下降速度为0.534万t/a；种植业碳排放量上升幅度最大的县区是内黄县，上升速度为0.967万t/a。在主要农用物资碳排放贡献源方面，农用化肥是河南省种植业的主要碳源，占71.98%，其次为农用塑料薄膜，占16.42%。2013—2019年河南省农用化肥碳排放总量3 302.00万t，农用塑料薄膜碳排放总量753.00万t，农药碳排放总量366.60万t，农业灌溉碳排放总量109.00万t，土地翻耕碳排放总量257.70万t，农用机械总动力碳排放总量16.82万t。2013—2019年，农用化肥碳排放量呈“上升—下降”的特征，总体表现为下降趋势，下降总量15.30万t；农用塑料薄膜碳排放量呈“上升—下降—上升—下降”的特征，上升幅度大于下降幅度，总体上表现为上升趋势；农药碳排放量呈“上升—下降”的特征，2013—2014年为上升阶段，2014—2019年为下降阶段，下降总量7.00万t；农业灌溉一直保持上升趋势，上升总量0.46万t；土地翻耕和农用机械总动力碳排放量无明显变化趋势。从空间分布来看，农用化肥和农用塑料薄膜碳排放量高值主要分布在中部、东部和南部地区，西部地区的农用化肥碳排放量和农用塑料薄膜碳排放量都是低值，总体呈自西向东逐渐递增的格局。

根据2013—2019年河南省种植业碳排放量增长率，将河南省县区划分为低速下降、高速下降、低速增长、高速增长4种类型(图1a)。种植业碳排放量低速下降的县区有23个，占14.65%；高速下降的县区有86个，占54.78%；低速增长的县区47个，占29.94%；高速增长的县区有1个，占0.63%。总体上，碳排放量高速下降和低速增长的县区占比超过80%，表明河南省种植业碳排放量表现优良。河南省县区碳排放量增长速度呈明显分异态势，即河南省中心县区碳排放量增速慢，其周围的县区碳排放量增速快，而边缘的丘陵县区碳排放量增速慢。

根据2013—2019年河南省种植业碳排放总量，将河南省县区划分为低碳区、中碳区、较高碳区、高碳区4种类型(图1b)。河南省高碳区主要分布在东部及东南部的平原地区，低碳区主要分布在中西部的丘陵地区，总体上呈现出西低东高的特点，这可能与河南省的地形地貌有关。河南省西部主要是丘陵地区，与东部平原地区相比较，土壤肥沃力略低，使得其种植业发展水平低于东部地区。三门峡的灵宝市虽然属于丘陵地区，但却是高碳区，与其他丘陵地区的县区相比，碳排放量过高，这可能是当地特色苹果产业(种植面积全国地级市中排第7位)消耗过多农用物资造成的。另外，碳排放量高速增长的县区只有内黄县，且内黄县也属于高碳区；既属于低速下降又属于高碳区的有民权县；既属于高速下降又属于低碳区的县区有嵩县、汝阳县、伊川县、登封县、密县、济源市、沁阳县、新安县、武陟县、鄢陵县。

图1 2013—2019年河南省各县区种植业碳排放量年均变化率与碳排放总量空间分布

2.2 河南省种植业碳排放空间特征

基于河南省县区种植业碳排放量和GeoDa软件，采用Queen邻接空间权重得出2013年、2016年和2019年河南省县区种植业碳排放量空间聚类图(图2)。

图2 河南省县区种植业碳排放量空间聚类

2013年、2016年和2019年河南省种植业碳排放量的局部莫兰指数分别为0.402，0.381，0.395，表明其空间聚集存在显著的正相关性。河南省种植业碳排放量空间聚集类型主要为高-高型、低-低型(图2)。属于高-高型的县区主要分布在东部以及东北部，属于低-低型的县区主要分布在西北部。同时，东北部属于高-高型的县区逐渐增加，增加的县区有滑县、清丰县、濮阳县。东部属于高-高型的县区有集聚的趋势，2013年属于高-高型的县区比较分散，之后，属于高-高型的县区逐渐集聚，在东部和东北部形成两个集聚区域。

2013年、2016年和2019年属于高-低型的县区较稳定，主要包括西峡县、林县。而属于低-高型的县区表现出很大的波动性，基本上在中部和北部的县区之间变化。2013年，种植业碳排放量空间集聚类型显著的县区有42个，高-高型、低-低型的县区分别有13个和25个，高-低型、低-高型的县区均只有2个，空间同质性强于异质性。2016年，种植业碳排放量空间集聚类型显著的县区有40个，高-高型、低-低型的县区分别有14个和20个，高-低型、低-高型的县区均只有3个，空间同质性减弱，异质性加强。2019年，种植业碳排放量空间集聚类型显著的县区有43个，高-高型、低-低型的县区分别有15个和23个，高-低型、低-高型的县区分别有2个和3个，空间同质性加强，异质性减弱。总体上，同质性明显强于异质性。

2.3 河南省种植业碳排放影响因素

在进行空间分析之前，需要进行LM检验确定最优的空间计量模型。基于河南省种植业碳排放量数据和选取变量数据，运用Stata进行空间计量分析，结果表明空间杜宾模型更适合本研究。下一步进行Hausman检验，其统计值为32.20，P值为0.029 7，在5%的水平下接受了非随机的假设，因此，采用固定效应模型。固定效应模型分为3种，分别为时间固定效应模型、个体固定效应模型以及双固定效应模型。通过比较R2确定选取时间固定效应空间杜宾模型。最后，进行LR检验，判断空间杜宾模型是否退化为空间滞后模型和空间误差模型，结果发现LR检验在1%的水平下拒绝空间杜宾模型退化为空间滞后模型和空间误差模型的假设，因此，本研究采用时间固定效应空间杜宾模型。SDM分析结果见表2。

为了进一步把握影响方向，对影响因素的直接效应和间接效应进行分析，估计结果与其主效应和空间效应基本一致。直接效应是指本地区变量对本地区的影响，等于SDM系数与反馈效应之和；反馈效应是指本地区变量影响邻近地区，邻近地区又会反过来影响本地区；间接效应指邻近地区变量对本地区影响。从估计结果可以看出，支农财政力度的直接效应和间接效应分别在1%和5%水平下通过了显著性检验，本区域支农财政力度对本区域的种植业碳排放量有明显的抑制作用，但邻近区域的支农财政力度却对本区域的种植业碳排放量有明显增强作用，但支农财政力度总的表现为抑制作用。支农财政力度作为解释变量，直接效应回归系数为-13.739，间接效应回归系数为11.024，两者出现反方向作用的原因需要进行更深入的研究。同时，城镇吸引能力、经济发展水平、农业结构等对种植业碳排放量也有抑制作用。城镇吸引能力的直接效应和间接效应都表现为抑制作用，这可能是城镇工资水平对农民的吸引导致农民进城务工的人数增加，从事农业生产活动的人数下降，农业生产强度降低，农业碳排放量下降，并且城镇吸引能力的间接效应系数(绝对值)显著大于直接效应系数，这也说明城市发展过程中劳动力的集群现象。农业结构的直接效应和间接效应也同时表现为抑制作用，间接效应系数(绝对值)显著大于直接效应系数，可见，某县域的农业结构对其邻近县域的碳减排效应十分明显。城乡差距对种植业碳排放量有增强作用，其中城乡差距在直接效应上表现为抑制，回归系数为-2.123，在间接效应上表现为增强，回归系数为2.137，总的表现为增强，但是，其增强作用并不明显。城镇化率、消费水平、经济结构(二)和经济结构(三)并没有通过显著性检验。

表2 空间杜宾模型估计结果

2.4 河南省种植业碳排放公平性

从地貌类型来看，2013—2019年丘陵地区的基尼系数明显高于平原地区，丘陵地区基尼系数值是平原地区的25～60倍，并且平原地区的基尼系数总体呈下降趋势，而丘陵地区的基尼系数呈上升趋势，整体上，全省县区的基尼系数保持在优良水平(图3a)。丘陵地区的基尼系数经历了“下降—上升—下降”的过程，上升幅度大于下降幅度。平原地区一直保持着下降态势。丘陵地区和平原地区基尼系数的差异非常明显，丘陵地区县区的数量远远低于平原地区的数量，丘陵地区种植业碳排放量在全省层面所占比例十分小，这种不公平性无法依靠基尼系数在全省层面显现出来，这也说明了基尼系数的不足之处。

从区位位置来看，2013—2019年，豫南地区的基尼系数下降幅度明显，豫中地区呈明显上升趋势，豫北地区呈稳中有升的趋势(图3b)。2013—2018年，基尼系数与经济发展水平并没有明显的相关关系，2018—2019年，基尼系数与经济发展水平呈正相关关系，即经济发展水平越高的地区，其基尼系数也越高。同时，豫北地区和豫中地区的基尼系数呈现出相反的变化方向，即豫北地区基尼系数升高时，豫中地区基尼系数下降。2013—2016年，豫南地区的基尼系数一直高于豫北地区和豫中地区，2016年之后，豫南地区基尼系数显著下降，并于2019年下降至豫北地区和豫中地区之下。

图3 2013—2019年河南省不同地貌类型和区位位置县区种植业碳排放量基尼系数

3 结论与建议

3.1 结论

河南省种植业碳排放量总体上呈现出西低东高的特点，这可能与河南省的地形地貌有关，其空间聚集类型主要为高-高型、低-低型。高-高型的县区主要分布在河南省东部和东北部，低-低型的县区主要分布在西北部。东部高-高型的县区有集聚的趋势。支农财政力度对种植业碳排放有明显的抑制作用，且存在明显的空间溢出效应，但其主效应和空间效应作用方向相反，邻近区域支农财政力度会增强本区域种植业碳排放。城镇吸引能力、经济发展水平、农业结构等对种植业碳排放也有抑制作用，城乡差距对种植业碳排放量有增强作用，且都有不同程度的空间溢出效应。在公平性方面，河南省丘陵地区的基尼系数显著高于平原地区，2018—2019年，基尼系数与经济发展水平呈正相关关系。

3.2 建议

(1)河南省西部地区和东部地区种植业碳排放总量的空间聚集类型表现出完全相反的特征，因此，河南省在未来制定农业减排政策时需针对不同地区的特点，结合实际制定相应的政策体系，重点防治高-高型县区进一步扩大，同时，也需提防低-低型县区向高-高型转换。(2)创新农业支持手段。财政支农并不是唯一的支农手段，金融支农也是新型支农手段，探索形成财政支农和金融支农协调发展新模式，以及开展商业性、互助性农业保险，提高农业生产活动保障水平。(3)明确支农财政政策的重点和方向，落实支农财政政策，切实保障农业基础设施，提高农业资金投入，增加农民的收入。另外，提高经济发展能力、缩小城乡差距以及优化农业结构都有利于抑制种植业碳排放。