农田生态系统碳排放时空格局及趋势分析

王 英 杨 娟 王佳丽*

(1.东北农业大学 工程学院，哈尔滨 150030;2.农业农村部种养结合重点实验室，哈尔滨 150086)

以气候变暖为主要特征的全球气候变化是迄今为止人类面临的最大环境问题，并已威胁到人类的生存及生态系统的可持续发展[1]。安全降碳作为减缓全球气候变暖的重要措施，已成为“十四五”时期中国生态文明建设的重点战略新方向。农业是国民经济的基础性产业，全球10%～20%的碳排放来源于农业生产活动，而农田生态系统是重要的温室气体排放源[2]。因此，深入研究农田生态系统碳排放时空格局及发展趋势，以期为寻求减少农业碳排放有效策略提供参考，将对构建生态文明建设新格局具有重要的战略意义和实践价值。

近年来，农田生态系统碳排放研究主要从总量测算、影响因素分析、时空格局分析及总量预测等4个方面进行。在总量测算方面，李波等[3]测算了1993—2018年农业CO2排放量,发现自1993年我国农业CO2排放处于上升态势；唐志伟等[4]测算了水稻CH4排放量，结果表明我国稻田CH4总排放量呈先降低后升高再降低的趋势，为实现水稻丰产与稻田CH4减排的协同提供理论参考；楚天舒等[5]对区域种养业生产系统温室气体排放总量进行了测算，并提出合理的减排建议；白义鑫等[6]测算了禽畜养殖过程中温室气体的排放，为喀斯特地区农业碳减排提供参考；田成诗等[7]测算了农业非能源碳、能源碳排放量，研究表明中国农业碳排放总量呈先降后升的“V型”变化。目前，计算农田生态系统碳排放的主要方法是根据相应的碳排放系数估算，多数研究仅对一种或两种温室气体进行测算。

在碳排放影响因素方面，任峰等[8]运用扩展的STIRPAT模型对广东省碳排放影响因素进行了分析，发现人口规模、富裕度等与碳排放量之间均存在正相关关系；田云等[9]使用Tobit模型测算了湖北省农业碳排放效率，并厘清了影响因素,为农业低碳生产提供参考依据；黎孔清等[10]使用半对数回归模型对农户农业生产碳排放强度影响因素进行了计量分析，得出农村人口、富裕度等因素与农业碳排放总量之间的定量关系；Ismael等[11]探讨了农业技术和环境对碳排放总量的影响，研究结果可以为决策者制定碳减排战略提供参考；曾珍等[12]应用脉冲响应函数和方差分解法分析了城镇化水平对农业碳排放的影响，发现人口城镇化和土地城镇化对农业碳排放的冲击大小以及方向不同，且存在显著的区域差异。当前，研究者们应用各种模型和方法研究了农业碳排放影响因素，研究结果为实现农业低碳目标提供了有价值的参考方案。

在农田生态系统碳排放时空格局研究方面，袁霄等[13]采用空间自相关分析了土地利用碳排放时空格局，发现重庆市重度排放集中在主城核心区，中轻度排放集中在主城拓展区、环主城区及区域中心城市；翁翎燕等[14]使用了空间自相关方法研究得出江苏省农田植被净碳汇呈现出“北热南冷”的空间格局；Pang等[15]采用了空间自相关分析得出中国农业生产碳排放强度呈现空间聚集趋势；夏四友等[16]运用Theil指数及空间自相关方法分析了农业碳排放强度时空格局特征，研究表明未来碳排放强度值将呈现出继续下降的演化态势；孙小祥等[17]构建了生态承载效率指数、经济贡献效率指数，发现江苏沿海地区农田生态系统碳源/汇动态区域差异较大。综上所述，空间自相关分析因能准确识别变量在不同空间尺度的分布情况，目前已被广泛应用于农业碳排放时空格局研究。

在农业碳排放总量预测方面，Lin等[18]提出了一种由多变量灰色预测模型和遗传规划组成的两阶段预测方法，对CO2排放量进行预测，该方法综合考虑了影响碳排放的多种因素；Lin等[19]通过构建组合预测模型预测了中国2020年的CO2排放强度，并对中国发展低碳经济提供了建议；Liu等[20]运用GM(1,1)模型预测了山东省农业碳排放量，结果表明农业碳排放量将在2030年前达到峰值；谢永浩等[21]构建GM(1,1)模型对农业生产活动产生的碳排放进行了预测，发现未来碳排放量出现明显的“马太效应”；赵金辉等[22]使用Lasso-BP神经网络方法，建立了河南省碳排放量预测模型，并提出河南省碳达峰路径；褚力其等[23]根据因素贡献差异设置动态政策情景，对2018—2030年中国农业碳排放量进行预测，认为通过市场优化农业生产结构、提高农资消耗品使用率可以促进低碳生产。目前，关于农业碳排放预测的研究主要关注预测方法的改进，以提高预测精度，但研究深度不足。

上述研究着重于中国农田生态系统碳排放现状和未来总量的预测，但仍然有如下问题：一是目前对中国省际农田生态系统温室气体排放的测算主要是针对一种或两种温室气体，忽略了农田生态系统中CH4或N2O的排放；二是目前针对农田生态系统碳排放预测的研究主要集中在探究碳排放时间格局演化和预测方法改进2个方面，而对于其空间格局演化的研究鲜有报道。因此，本研究拟在已有研究基础上，基于2007—2020年农业面板数据，以中国31省(市、自治区)为研究单元，运用改进的碳排放系数法全面测算中国农田生态系统温室气体排放总量，采用空间自相关分析方法研究中国农田生态系统碳排放强度时空格局；通过建立GM(1,1)预测模型，对2022—2027年碳排放强度进行预测，并对预测结果进行空间自相关分析，研究其发展趋势，以期为中国制定合理的差异化农业管理策略提供参考。

1 数据来源与研究方法

1.1 数据来源

基于数据的可得性，本研究期为2007—2020年，研究对象为除台湾省、澳门和香港特别行政区以外的31个省(市、自治区)。其中，化肥施用量、耕地灌溉面积、13种主要农作物产量来自于《中国统计年鉴》[24]；农田翻耕面积、农药施用量、农用塑料膜施用量、农用柴油总量来自于《中国农村统计年鉴》[25]；水稻播种面积来源于国家数据中心。

1.2 碳排放总量及强度估算方法

借鉴《2006年IPCC国家温室气体清单指南》[26]和《省级温室气体清单编制指南(试行)》[27]，运用改进的碳排放系数法估算中国31省(市、自治区)农田生态系统碳排放总量。基于数据的可得性，本研究中主要考虑氮淋溶径流、大气氨沉降、秸秆还田、化肥施用、水稻种植、农田灌溉、农田翻耕、农用机械、农药使用、农膜使用种温室气体排放源，如图1所示。

图1 农田生态系统碳排放源Fig.1 Sources of carbon emission from farmland ecosystem

农田生态系统碳排放总量、碳排放强度计算公式如下：

E=ECO2+ECH4+EN2O

(1)

EI=E/GDPA

(2)

式中：E为农田生态系统碳排放总量，kg；ECO2为CO2排放量，kg；ECH4为CH4形式排放量转化为CO2排放量，kg；EN2O为N2O形式排放量转化为CO2排放量，kg；EI为碳排放强度，kg/yuan；GDPA为农业产值，yuan。

1.2.1CO2排放量估算方法

计算CO2排放量方法如下：

(3)

式中：Tj为第j种农业投入量，kg；EFj为第j种农业投入碳排放系数，如表1所示；44/12为CO2与C分子量之比。

表1 农业生产活动碳排放系数Table 1 Carbon emission coefficients of agricultural production activities

1.2.2CH4排放量估算方法

计算CH4形式排放量转化为CO2排放量方法如下：

ECH4=∑EFi×ADi×25

(4)

式中：EFi为稻田CH4排放因子，kg/hm2，i表示稻田类型，稻田CH4排放因子来源于参考文献[27]；ADi为对应于该排放因子的水稻播种面积，hm2；25为CH4折算CO2当量系数[29]。

1.2.3N2O排放量估算方法

计算农田生态系统N2O形式排放量转化为CO2排放量方法如下：

EN2O=(Nz+Nj)×(44/28)×298

(5)

式中：Nz为直接氮排放量，kg；Nj为间接氮排放量，kg；44/28为N2O与N分子量之比；298是N2O折算CO2当量系数[29]。其中Nz计算方法如下：

Nz=(Nh+Ng)×EFz

(6)

式中：Nh施用化肥含氮量，kg，复合肥含氮量按其总量1/3计算[33]；Ng为秸秆还田过程中氮总量，kg；EFz为N2O直接排放因子[27]。

其中，Ng计算方法如下：

(7)

式中：Mi为第i种作物籽粒产量，kg；Li为第i种作物的经济系数，βi为第i种作物的秸秆还田率，由于各地区秸秆还田比例尚未有统计数据，故本研究秸秆还田比例统一设置为0.2[34]；Ki第i种作物的秸秆含氮率；αi为第i种作物的根冠比，详细参数来源于参考文献[27]。

间接氮排放量(Nj)计算方法如下：

Nj=(Nh+Ng)×0.002 5

(8)

1.3 空间自相关

空间自相关是一种空间数据分析方法，主要研究空间中某一位置的观测值是否与其相邻位置的观测值相关，并能揭示空间变量的区域结构形式，分为全局空间自相关和局部空间自相关[35]。全局空间自相关是对研究变量在整个区域上的空间特征进行描述，可以准确分析整体的空间关联特征；局部空间自相关是对局部空间异质性特征进行描述，识别不同空间位置上的“热点区”与“冷点区”的空间分布规律[36]。

运用ArcGIS 10.2，用Moran’I指数反映中国农田生态系统碳排放空间总体格局，计算公式如下：

(9)

Getis Ord(Gi*)可以测量指定研究区域的高值(热点)和低值(冷点)密度，计算方法如下：

(10)

(11)

式中：Gi*为局部空间自相关指数。Gi*值高表明相邻地区高值聚集，为热点地区；Gi*值低表明相邻地区低值聚集，为冷点地区；Gi*值趋向于0，表明不存在聚集现象。

1.4 GM(1,1)模型

灰色预测模型GM(1,1) 是以历史资料为基础，预测时间序列数据的模型。不仅可以弱化原始数据的随机性,使其呈现出较明显的特征规律，还具有所需样本少、不需要计算统计特征量的优点,是处理小样本预测问题的有效工具[37-38]。因此,本研究使用灰色预测模型GM(1,1)预测2022—2027年中国农田生态系统碳排放强度。GM(1,1)模型的基本形式为：

x0(k)+az(1)(k)=b

(12)

式中：x0(k)为原始数据；z(1)(k)为原始数据序列累加后取得的生成序列；a为发展系数；b为灰作用量。

经过演变计算可变为白化方程：

(13)

后验差比值C可以验证模型的精度，C<0.65表示预测模型精度合格。

2 中国农田生态系统碳排放特征

2.1 碳排放时间演变特征

根据上述碳排放计算方法及数据估算2007—2020年中国31省(市、自治区)农田生态系统碳排放总量及碳排放强度，分别如图2和图3所示。

图2 2007—2020年中国农田生态系统碳排放总量变化Fig.2 Changes in total carbon emission of China’s farmland ecosystem from 2007 to 2020

图3 2007—2020年中国农田生态系统碳排放强度均值变化Fig.3 Changes in the mean value of carbon emission intensity of China’s farmland ecosystem from 2007 to 2020

由图2可见，近14年来，中国农田生态系统碳排放总量总体呈下降趋势，碳排放总量年均减少0.009 8亿t。中国农田生态系统碳排放总量在2013年达到峰值，峰值约为9.466 5亿t，其发展趋势可以大致划分为4个阶段：1)2007—2008年快速增长阶段。中国农田生态系统碳排放总量快速增长，从2007年的8.600 3亿t增长到2008年的8.909 4亿t，年均增幅为0.309 1亿t，年均增长率为3.59%，CO2、CH4、N2O 3种温室气体排放量均有所增长；2)2008—2010年缓慢减少阶段。中国农田生态系统碳排放总量减少速度较为迟缓，从2008年的8.909 4亿t下降到2010年的8.707 6亿t，年均下降幅度为0.100 9亿t，年均减少率为1.14%，CH4、CO2排放量有所增加，N2O排放量下降。原因在于2008 年中央一号文件的颁布并实施，从政策层面开始控制种植业的碳排放，并提出积极发展稻谷生产、加快推进农业机械化可能引起CH4、CO2排放量的增加；2010—2013年快速增长阶段。中国农田生态系统碳排放总量迅速增长，从2010年的8.707 6亿t增加到2013年的9.466 5亿t，年均增幅0.253 0亿t，年均增长率为2.83%，3种温室气体排放量均增加。其中，N2O排放量增长幅度最大，主要因为氮肥施用量快速上涨加之秸秆还田的大力推进。2013—2020年持续下降阶段：中国农田生态系统碳排放总量持续下降，从2013年的9.466 5亿t下降到2020 年的8.464 3亿t，年均降幅0.143 2亿t，年均减少率为1.58%，下降幅度较大，持续时间较长，3种温室气体排放量均不断下降。2015年农业部出台了《到2020年化肥使用量零增长行动方案》和《到2020年农药使用量零增长行动方案》、2016年国务院发布了《“十三五”控制温室气体排放工作方案》和2017年颁布了《农药管理条例》，这一系列政策的实施大大减少了CO2和N2O的排放量。

由图3可见，2007—2020年中国农田生态系统碳排放强度总体呈现持续下降趋势。碳排放总量及农业生产总值的变化直接影响着碳排放强度的变化，碳排放强度均值从2007年的0.339 kg/yuan减少到2020年的0.107 kg/yuan，年均下降0.017 kg/yuan，其具体发展趋势可以大致划分为3个阶段： 1)2007—2009年较大幅度下降阶段。中国农田生态系统的平均碳排放强度从2007年的0.339 kg/yuan 减少到2009年的0.282 kg/yuan，年均下降幅度为0.028 kg/yuan，年均下降率为8.85%，这是因为在此期间粮食连续增产，农民收入持续较快增长，农业产值大幅度提高，加之农业碳排放总量的小幅度增加；2)2009—2011年大幅度下降阶段。中国农田生态系统平均碳排放强度从2009年的0.282 kg/yuan减少到2011年的0.209 kg/yuan，年均下降幅度为0.036 kg/yuan，年均下降率为13.81%；3)2011—2020年缓慢下降阶段。伴随着中国农业产值的缓慢上升和碳排放总量的下降，碳排放强度从2011年的0.209 kg/yuan缓慢下降至2020年的0.107 kg/yuan，年均下降幅度为0.011 kg/yuan，年均下降率为7.20%。

2.2 碳排放空间演变特征

为了便于分析比较中国各省(市、自治区)的农田生态系统碳排放强度差异，对中国农田生态系统碳排放强度进行标准化处理，参考陈慧等[39]的划分方法，即以当年农田生态系统碳排放强度均值的0.5、1.0、1.5倍作为3个分界点，将各省(市、自治区)农田生态系统碳排放强度从低到高依次划分为低强度区、较低强度区、较高强度区和高强度区4个等级。利用ArcGIS10.2软件的空间分析功能刻画2007年、2010年、2015年和2020年中国农田生态系统碳排放强度分布，结果如图4所示。可见，不同时期中国各省(市、自治区)农田生态系统碳排放强度空间差异十分显著：高强度区主要集中在中国南部的广西、广东和云南省，总碳排放量由2007年的3.978 6亿t减少到2020年的3.934 5亿t，分别占当年中国农田生态系统碳排放总量的46.26%和46.48%。2007年高排放区为云南、广东、广西和海南，2010年、2015年高排放区为云南、广东、广西、海南、江西，2020年高排放区为云南、广东、广西和江西。广西壮族自治区盛产甘蔗、且N2O排放因子较高，造成N2O排放量高于其他省(市、自治区)，加之广西壮族自治区化肥农药施用较多，因而广西壮族自治区碳排放强度一直位于中国首位。此外，江西、广东、广西等地水稻占有举足轻重的地位，因此CH4排放较多，碳排放强度随之升高。

较高强度区主要集中在我国东部地区的安徽、吉林、上海、湖南，总碳排放量由2007年的0.899 6亿t增加到2020年的0.936 6亿t，分别占当年中国碳排放总量的10.09%和11.07%。2007年较高排放区为江西省，2015年较高排放区为安徽省，2020年较高排放区为安徽、吉林、上海、湖南。江西、安徽、吉林、湖南属于粮食主产区，其碳排放总量必然较高，碳排放强度随之较高。

较低强度区主要集中在中国东北的内蒙古、黑龙江、辽宁，西北地区的宁夏、新疆、甘肃和东南沿海的江苏、浙江、福建，总碳排放量由2007年的1.396 8亿t增加到2020年的1.556亿t，分别占当年中国农田生态系统碳排放总量的16.24%和18.38%。中国东北地区地处世界主要黑土带之一，黑土是一种性状好、肥力高，非常适合植物生长的土壤，因此中国东北地区粮食产量极高，农业产值较高，不仅如此，东北地区耕地面积较为集中，农业生产高度机械化，所以东北地区碳排放强度较低。上海、浙江、福建等地作为粮食主销区，粮食产量相对较小，农业生产过程中产生的碳排放总量较小，故其碳排放强度较低。

低强度区主要集中在中国西南地区的四川、贵州、西藏、陕西和华北地区的天津、北京、河北、山西，总碳排放量由2007年的0.805 8亿t减少到2020年的0.692 4亿t，分别占当年中国农田生态系统碳排放总量的9.36%和8.18%。西藏、青海、宁夏、山西、陕西、重庆和贵州等地农业碳排放量较小，这可能是由于西藏和青海地区天气恶劣；山西、陕西两地大宗作物种植面积较小，特色农业较发达，例如莜麦、荞麦、糜子等；山西、陕西、贵州和重庆土地碎片化严重，大块平整土地较少，农用机械难以使用等原因。

2.3 全局空间自相关分析

利用ArcGIS 10.2得到2007年、2010年、2015年和2020年的中国农田生态系统碳排放强度的全局空间自相关Moran’I指数及显著性水平(Z得分和P值)，结果见表2。可知：中国不同年份农田生态系统碳排放全局空间自相关指数I值均为正且均通过5%的显著性检验，这表明中国不同省(市、自治区)农田生态系统碳排放强度具有空间正相关性。Moran’I值呈现先增大后减小的趋势，说明中国农田生态系统碳排放强度相似地区在空间上的聚集程度先有一定程度的上升，后有一定程度的下降，但总体在空间上处于集聚状态。

表2 2007年、2010年、2015年和2020年中国农田生态系统碳排放强度全局空间自相关指数及其显著性水平Table 2 Global spatial autocorrelation index and its significance level of China’s farmland ecosystem in 2007, 2010, 2015 and 2020

2.4 局部空间自相关分析

利用ArcGIS 10.2计算2007年、2010年、2015年和2020年4个时间点上各省(市、自治区)空间关联指数Getis-Ord(Gi*)，并按自然断点法分为4级，从高到低依次为热点区、次热点区、次冷点区、冷点区，进而绘制4个时间点上中国农田生态系统碳排放强度空间格局演化图，如图5所示。

基于审图号：GS(2019)1822Based on drawing review No.: GS(2019)1822

从整体空间结构看，中国农田生态系统碳排放强度热点区域的总体格局保持稳定，总体呈现“北冷南热”的空间格局。贵州、云南、广东、广西、海南为相对稳定的热点区域，说明这5个地区农田生态系统碳排放强度处于较高水平；内蒙古、北京、天津、宁夏、山东、河北、河南、山西、陕西9地为相对稳定的冷点区域，说明这9地的农田生态系统碳排放强度处于较低水平。

从区域尺度看，长江流域的农田生态系统碳排放强度明显高于黄河流域，这与长江流域的农业经济发展水平明显好于黄河流域的特征恰好吻合。长江流域的气候要比黄河流域的气候优越，水热条件明显高于北方，使得南方成为适宜种植水稻的地区。

从4种类型的变化看，农田生态系统碳排放强度总体空间格局保持稳定，但各类型的区域仍发生了一些改变。2007—2020年，中国农田生态系统碳排放强度热点区域比重先由2007年的16.13%上升到2015年的32.26%，再下降到2020年的29.03%；次热点区域的比重由2007年的19.35%下降到2020年的12.90%；冷点区域的比重由2007年的38.71%下降到2020年的32.26%；而次冷点区域的比重呈波动趋势，先由2007年的25.81%上升到2010年的29.03%，随后下降到2015年的22.58%，继而上升到2020年的25.81%。4个代表年份中，未发生变化的地区有18个，占总数的58.06%，说明2007年以来中国农田生态系统碳排放强度大体格局未变，且北部地区以低值区为主，南部地区以高值区为主。

3 农田生态系统碳排放趋势预测

根据2007—2020年中国各省(市、自治区)农田生态系统碳排放强度，运用SPSS软件求得发展系数a、灰作用量b,进而构建灰色预测模型预测2022—2027年中国各省(市、自治区)农田生态系统碳排放强度，通过后验差比值C检验模型精度。模型参数及预测结果见表3，根据精度等级划分的原则，可知各省(市、自治区)灰色预测模型均合格有效。

由表3可见：中国各省(市、自治区)农田生态系统碳排放强度延续历史趋势，即呈现下降趋势，截止2027年，中国农田生态系统碳排放强度均值下降到0.054 kg/yuan。农业作为立国之本，得到国家政策的大力扶持，国家已进一步推动资源节约型农业，加之农业农村减排固碳工作进一步的推进，促使农业碳排放强度下降，预测结果与现行农业发展趋势相符。

表3 2022—2027年中国农田生态系统碳排放强度预测结果及模型参数表Table 3 Prediction results and model parameters of carbon emission intensity of China’s farmland ecosystem from 2022 to 2027

为进一步探究未来中国农田生态系统碳排放强度发展趋势，利用ArcGIS 10.2计算2025年和2027年各省(市、自治区)空间关联指数Getis-Ord(Gi*)，分类方法同2.2节，进而绘制2025年和2027年中国农田生态系统碳排放强度空间格局的演化图(图6)。

基于审图号：GS(2019)1822Based on drawing review No.:GS(2019)1822

从整体结构看，未来6年中国农田生态系统碳排放强度总体仍呈现“北冷南热”的空间格局。从区域尺度来看，中国南部地区热度依旧高于北部地区；华北地区、西部地区热度上升。从4种变化类型来看，中国热点区先缩小后扩大，整体呈扩散趋势；次热点区域数量保持稳定，但逐渐向西部扩散；次冷点区域先扩大后缩小，整体数量保持稳定但逐渐集中；冷点区域不断缩小，整体向东南方向移动。

4 结论与建议

4.1 结论

通过改进的碳排放系数法估算2007—2020年中国农田生态系统碳排放量及强度，运用空间自相关分析碳排放强度空间格局，建立GM(1,1)预测模型，对未来碳排放强度进行预测，并对预测结果进行空间自相关分析，研究中国农田生态系统碳排放时空格局及发展趋势，本研究主要结论如下：

1)2007—2020年，中国农田生态系统碳排放总量总体呈现下降趋势，并呈现一定的阶段性，其下降趋势可以大致划分为4个阶段：2007—2008年的快速增长阶段；2008—2010年的缓慢减少阶段；2010—2013年的快速增长阶段；2013—2020年的持续下降阶段。中国农田生态系统碳排放强度总体呈现持续下降趋势，且南部地区>东北地区>西北地区。

2)2007—2020年，中国农田生态系统碳排放强度表现为“北冷南热”相对稳定的空间格局。中国农田生态系统碳排放强度呈现空间正相关，农田生态系统碳排放强度空间自相关性呈现先上升后下降的趋势；局部空间自相关特征表现为长江流域的农田生态系统碳排放强度明显高于黄河流域，热点区域比重由2007年的16.13%上升2020年的29.03%，冷点区域的比重则由2007年的38.71%下降到2020年的32.26%。

3)2022—2027年，中国农田生态系统碳排放强度仍呈现“北冷南热”的空间格局，但热点区整体呈扩散趋势；次热点区逐渐向西部扩散；次冷点区域逐渐集中；冷点区域不断缩小，整体向东南方向移动。根据2007—2020年中国农田生态系统碳排放相关数据，对2022—2027年中国农田生态系统碳排放强度进行预测，预测结果显示中国农田生态系统碳排放强度逐年下降，平均碳排放强度由2020年的0.107 kg/yuan 下降至2027年的0.054 kg/yuan。

局限于资料的可得性，本研究在计算农田生态系统碳排放总量时只选取了13种主要农作物，并未把全部农作物种类计算在内；其次，碳排放因子的选取参考国内外相关文献，不一定完全适用于中国农田生态系统碳排放测算。因此，在今后的研究中需进一步完善和修正。此外，在分析碳排放时空变化特征时，可以考虑从CO2、N2O、CH43方面深入分析其各自的变化趋势及对农田生态系统碳排放的影响程度，今后会做出进一步探究。本研究选择省(市、自治区)作为空间单元探究空间格局，一定程度上忽略了更小尺度上的空间相关关系，而较小尺度的研究对于揭示中国农田生态系统碳排放强度空间格局亦为必要，未来将在这方面做更为深入的研究。

4.2 建议

本研究表明未来中国农田生态系统碳排放强度总体呈现“北冷南热”的格局。在未来中国农业发展中，相关部门应根据各省(市、自治区)不同的农田生态系统碳排放现状，因地制宜地采取差异化的农业减排策略：

1)针对碳排放强度高的南方地区如广东、广西、海南，应减少传统农业比重，大力支持农业规模化发展，鼓励采用现代化农业种植技术，控制化肥、农药施用量，发展生态农业、休闲观光农业等现代化农业。此外，中国南方地区多季种植水稻及各类蔬菜，化肥施用量大且高温条件下肥料中氨易挥发，施肥方法和时间的选择尤为重要，农户应积极施用有机肥、添加氮肥增效剂及生物质炭，可降低土壤氧化亚氮排放量。

2)针对碳排放强度较高的江西、安徽、吉林、湖南，在保证不减产的前提下，适当减少农药施用量，增施有机肥，结合各地区实际情况栽培绿肥作物以改善土壤结构，因地制宜，调整优化农业产业结构，推进农业提质增效，促进农业低碳高效发展。

3)针对其余碳排放强度较小的区域，未来应努力提高农业生产效率，提升农业发展质量，完善农业CO2排放监测体系，助推中国农业碳减排工作顺利进行。

4)中国农业碳排放强度具有空间相关性。因此，中央和地方政府要立足于区域农业碳排放的实际情况，构建区域农业碳减排合作机制，加强区域协作，推进农业低碳科技创新，加大低碳农业技术的研发和推广的投入力度，积极推广现代化农业种植技术、生物农药及地膜回收技术和灌溉等新技术。