黄河流域耕地利用碳排放时空特征及影响因素研究

任世鑫 李二玲 赵金彩 胥亚男

摘要：研究目的：揭示黄河流域耕地利用碳排放时空演变特征，并探究其影响因素，为“双碳”目标下把握区域碳排放变化规律、制定农业碳减排策略提供参考。研究方法：以黄河流域78个市域单元为研究对象，运用耕地利用碳排放核算、空间热点分析和时空地理加权回归模型（GTWR）等方法进行定量分析。研究结果：（1）2005—2020年黄河流域耕地利用碳排放量及排放强度的变化趋势呈明显的“倒U型”特征，这基本符合经济发展水平与环境污染程度之间的变化规律；（2）黄河流域耕地利用碳排放强度空间差异性明显并表现出显著的空间集聚特征，碳排放强度低值区主要集中于黄河流域中游及上游地区，高值区则位于下游地区的河南、山东两省；（3）农地的规模化经营、农作物种植结构“趋粮化”对黄河流域大部分地区的耕地利用碳排放强度具有抑制作用，而农村居民收入水平、农业发展水平、农业机械投入、复种程度、农业财政支持则表现为正向驱动，且各因素的影响效应具有显著的空间异质性。研究结论：黄河流域各区域之间的耕地利用碳排放差异显著，且驱动因素亦不相同，应结合区域实际情况制定差异化的耕地利用策略和碳减排措施。

关键词：耕地利用；碳排放；时空地理加权回归；黄河流域

中图分类号：F301.24 文献标志码：A 文章编号：1001-8158（2023）10-0102-12

基金项目：国家自然科学基金项目（41971222，42171182，42001220）；国家社会科学基金项目（20BJY113）；河南省自然科学基金项目（222300420104）；河南省重点研发与推广专项（科技攻关）项目（222102110420）。

全球气候变化是当今人类社会所面临的严峻挑战，由人类活动所产生的温室气体排放是导致全球变暖的主要原因。2023年3月20日，联合国政府间气候变化专门委员会（IPCC）发布的第六次评估报告（AR6）综合报告（SYR）《气候变化2023》显示，一个多世纪以来，人类活动导致全球温升比工业化前水平高出1.1℃，而且很可能在2030—2035年达到1.5 ℃[1]，这将对全球生态系统、粮食安全及水安全造成严重威胁，采取减少或避免温室气体排放的行动迫在眉睫。为此，中国政府于2020年9月提出了“到2030年实现碳达峰、2060年实现碳中和”的中国方案，体现了中国主动承担应对全球气候变化责任的大国担当。

作为重要的温室气体排放源，农业碳排放问题备受关注[2-5]。研究表明，由农业、林业和土地用途改变所产生的碳排放量约占全球温室气体排放总量的 1/5[6]。而且，根据国际经济合作与发展组织（OECD）和联合国粮食及农业组织（FAO）于2022年6月联合发布的《2022—2031年全球农业展望》报告，未来10年农业直接产生的温室气体排放量将增加6%[7]。因此，如何有效地减少农业碳排放是未来一段时期内政府机构和学术界所要关注的关键性议题。从农业生产活动碳排放源类别来看，主要包括耕地利用[8-9]、水稻种植[10]、畜禽养殖[11]以及农业废弃物处理[12]所产生的碳排放。其中，耕地利用过程中对于农资产品（化肥、农药、农膜等）的施用、农业机械消耗的柴油、灌溉所消耗的电能以及翻耕行为等均会直接或间接产生碳排放[13-15]，已成为实现农业碳减排目标所要重点控制的领域。

当前，围绕耕地利用碳排放的研究主要集中在以下4个方面：一是耕地利用碳排放测度[16]，学者们主要从农用化学品以及能源的投入、翻耕、灌溉等过程所产生的碳排放进行核算[15]；二是耕地利用碳排放的时空演变及脱钩效应分析[13]，即从动态的视角分析区域耕地利用碳排放量的变化情况及其与粮食生产的脱钩效应[17]；三是耕地利用碳排放的影响因素研究，就已有研究结果来看，农业技术进步、农业机械化水平、环境规制强度、财政支农力度、农地经营规模等[18-19]被认为是影响耕地利用碳排放强度的重要因素；四是耕地利用碳减排研究，包括碳减排潜力测算[20]、碳减排路径[21]、碳减排效应[22]等内容。综合来看，关于耕地利用碳排放的研究已有较多成果，但仍存在以下不足：（1）已有研究侧重于对研究單元的耕地利用碳排放的时空演化特征进行独立分析，但根据地理学第一定律，空间关联性现象普遍存在，而已有研究较少涉及；（2）影响耕地利用碳排放的因素可能因空间位置的不同而产生差异，现有文献多借助于计量经济学模型展开分析，缺乏从空间异质性视角进行剖析。就该层面而言，关于“耕地利用碳排放具有怎样的空间关联特征”“耕地利用碳排放时空演变的驱动因素有哪些、这些因素有什么样的空间异质性特征”等问题尚有待进一步探究，而厘清上述问题有助于拓展耕地利用碳排放研究框架。因此，加强耕地利用碳排放时空演变特征、空间集聚特征和驱动因素的空间异质性研究显得尤为重要。黄河流域是我国重要的农牧业生产基地，分布有黄淮海平原、汾渭平原、河套灌区等农产品主产区，粮食产量约占全国的1/3，在保障我国粮食安全方面占有举足轻重的地位。与此同时，为了追求高产出而对耕地资源进行粗放利用所产生的碳排放问题亦不容忽视。中共十八大以来，习近平多次实地考察黄河流域生态保护和经济社会发展情况，2019年9月，黄河流域生态保护和高质量发展正式上升为新时代重大国家战略，推动农业绿色低碳发展对于黄河流域意义重大、势在必行。鉴于此，本文基于2005—2020年黄河流域地级面板数据，采用碳排放系数法、空间分析法揭示黄河流域耕地利用碳排放的时空特征，同时，利用时空地理加权回归模型进一步探究不同因素在不同区域的异质性影响机理，以期为制定精细化的农业碳减排政策提供决策参考。

1 理论框架、研究方法与数据来源

1.1 理论框架

耕地利用是农业生产经营者对耕地进行自然再生产和经济再生产的社会经济活动，其本质是人类社会及其活动与耕地之间的交互作用[23]。在耕地利用过程中，农业生产经营者为获得农业产品并取得经济收益，需投入一定量的农药、化肥、农膜等农用化学品，并依据农作物的生长规律进行翻耕、平整、播种、灌溉、除草、收割、运输等作业，此过程伴随着电力、柴油等能源的消耗，而农用化学品的施用、农耕作业所消耗的能源以及土壤有机碳的释放等均会产生相应量值的碳排放[15-16]。耕地利用碳排放量与上述农业生产活动密切相关，同时，农用化学品的施用强度、农业能耗的高低又受到农业生产经营者个体行为及其所处社会经济环境的影响[18]。其中，农地经营规模主要通过改变农地利用方式如调整种植结构、诱发化学品投入强度和技术投入强度变化，继而影响耕地利用碳排放[9，18]；农业政策如农资补贴、农机购置补贴等会影响到农业生产经营者对于化肥、农药、农机的使用方式及强度，从而影响耕地利用碳排放[19]；农业技术进步通过改变要素的投入结构、提高生产效率及能源利用效率而对碳排放产生影响[24]。此外，一些研究证实了农业发展水平、耕地利用强度、农村居民收入水平、农作物种植结构、农地流转、农业机械化水平、劳动力素质等亦会对耕地利用碳排放产生直接或间接影响[15，25]。基于此，本文构建了耕地利用碳排放研究框架（图1）。

1.2 研究方法

1.2.1 耕地利用碳排放测度

耕地利用碳排放的主要来源如下[14，25-26]：（1）化肥、农药和农膜等农用化学品在生产和使用过程中所

产生的碳排放，其碳排放系数分别为0.895 6 kg C/kg、4.934 1 kg C/kg和5.18 kg C/kg；（2）能源消耗所带来的碳排放，包括农业机械消耗的柴油以及灌溉所消耗的电能，二者的碳排放系数分别为0.592 7 kg C/kg、20.476 kg C/hm2；（3）翻耕导致有机碳流失而产生的碳排放，其碳排放系数为312.6 kg C/km2。碳排放计算公式为：

1.3 研究区概况与数据来源

1.3.1 研究区概况

根据国家水利部黄河水利委员会的定义，自然黄河流域包含青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南和山东9个省（自治区）[34]。但根据《长江经济带发展规划纲要》，四川省整体属于长江经济带[35]，同时，内蒙古自治区东四盟（呼伦贝尔市、兴安盟、通辽市、赤峰市）属于东北地区[36]，故本文未将其纳入研究范围。进一步考虑到数据的可获得性，本文最终选择黄河流域78个市（州、盟）作为研究区样本。

1.3.2 数据来源

本文以黄河流域市级行政区为研究单元，所用数据包括化肥、农药、农膜、农用柴油、灌溉面积和农作物播种面积等耕地利用碳排放测算指标数据，以及农业发展水平、种植结构、农地规模等耕地利用碳排放影响因素指标数据。上述统计数据首先通过查阅2006—2021年黄河流域各省（区）统计年鉴进行获取，然后利用EPS（Easy Professional Superior）全球统计数据分析平台（https：//www.epsnet.com.cn）和部分城市的统计年鉴、国民经济和社会发展统计公报对缺失数据进行补充，最后对于少数缺失数据采用线性插值法进行补齐。此外，文中关于省域尺度的数据（如粮食产量、农村居民人均收入等）来源于《中国农村统计年鉴》 《中国统计年鉴》，研究区行政区划数据获取于国家基础地理信息系统网站。

2 黄河流域耕地利用碳排放时空演变与集聚特征

2.1 时序演变特征

2.2 空间分异特征

借助于ArcGIS 10.2软件分别对 2005 年、2010年、2015年和2020年黄河流域耕地利用碳排放强度进行空间可视化表达，以反映其空间差异及演变特征（图3）。

（1）黄河流域耕地利用碳排放强度呈现出显著的空间差异性。2005—2020年，黄河流域各区域之间的耕地利用碳排放强度相差明显，2005年，碳排放强度最高的地区为威海、日照和嘉峪关，其碳排放强度值均超过1 500 kg/hm2，而榆林、呼和浩特、包头、鄂尔多斯、乌兰察布、甘南等地的碳排放强度均低于250 kg/hm2，差距显著，该现象在2010年、2015年和2020年等时间节点同样存在。

（2）碳排放强度水平相近的区域呈现出一定的空间邻近性。从图3可以看出，相近碳排放强度的区域在空间上呈“连片”分布，其中，2005年，碳排放強度高于1 250 kg/hm2的日照、青岛、潍坊、烟台、淄博和威海等地在空间上具有邻近性，山西北部、陕西中部和甘肃东南部的部分地区亦存在连片分布的现象，该特征在2010年、2015年和2020年碳排放强度值处于250～500 kg/hm2的地区亦表现明显。

（3）碳排放强度高值和低值区域范围总体呈“低进高退”趋势。2005年，黄河流域耕地利用碳排放强度超过1 000 kg/hm2的地区数量为16个，其中，高于1 250 kg/hm2的地区有7个，而低于500 kg/hm2的地区数量为21个，占比为26.9%；到2020年，碳排放强度高于1 000 kg/hm2的地区数量同样为16个，碳排放强度高于1 250 kg/hm2的地区数量降至4个，而低于500 kg/hm2的地区数量则增至33个，所占比重达到 42.3%。就长期演变趋势而言，碳排放低值区范围逐渐扩张，高值区范围则趋于收缩。

2.3 空间集聚特征

为探讨黄河流域耕地利用碳排放强度是否存在空间集聚特征，首先采用全局空间自相关分析法计算得到黄河流域耕地利用碳排放强度的全局莫兰指数（表1）。由表1可得，2005年、2010年、2015年和2020年的全局Morans I值均大于或接近0.6，且Z值均通过了显著性检验，表明黄河流域耕地利用碳排放强度存在显著的空间正相关性，即碳排放强度高值区趋向与高值区相邻，而碳排放强度低的地区趋向与低值区相邻。

为进一步揭示黄河流域耕地利用碳排放强度的局部关联特征，利用冷热点分析法计算得到Getis-Ord Gi*统计量，并依据自然断裂点法将其划分为冷点区、次冷点区、随机分布区、次热点区和热点区（图4）。可以看出，2005—2020年，黄河流域耕地利用碳排放强度冷热点区集聚特征明显，且冷点区位置相对稳定、热点区位置发生转移，随机分布区域范围呈缩小趋势。2005年，冷点和次冷点区主要集中于内蒙古、山西和甘肃东南部区域，热点区和次热点区显著集聚于山东省；到2010年，冷点区和次冷点区位置变化较小，次热点区范围由山东省进一步扩展至河南省大部分地区；2015—2020年，冷点区范围除原有区域外，甘肃省多数地区由次冷点区演变为冷点区，河南、山东、陕西中部及南部成为热点和次热点区的主要集聚区域。

3 黄河流域耕地利用碳排放影响因素分析

根据前文的分析结果，黄河流域耕地利用碳排放强度具有显著的空间相关性，分析其影响因素时需将区域间的空间互动作用考虑在内。因此，本文基于2005—2020年黄河流域78个市域单元面板数据，运用GTWR模型展开分析。

3.1 变量选取

以耕地利用碳排放强度作为被解释变量，即单位耕地面积碳排放量。基于前文所构建的理论框架，借鉴已有研究成果[15，18，24-25，37-38]，并考虑数据的可得性，本文选取农业发展水平、农地经营规模、农作物种植结构、农村居民收入水平、农业机械投入强度、农业财政支持力度和复种指数等直接或间接影响耕地利用碳排放的经济社会因素作为解释变量，具体含义如表2所示。为了消除价格因素的影响，本文以2005年为基期，分别使用农村居民消费价格指数、第一产业产值指数对农村居民人均可支配收入和农林牧渔总产值进行平减处理。

3.2 数据检验

在构建GTWR模型之前，需对所有变量进行标准化处理，以确保模型的稳健性及结果的可信度。同时，为避免在回归时出现伪回归现象，需要对自变量进行多重共线性检验，诊断结果显示，7项指标的方差膨胀因子（VIF）均小于7.5，表明变量之间相互独立，不会因相互影响而干扰模型的稳定性，可作进一步的建模分析。

3.3 GTWR模型拟合结果

基于ArcGIS 10.2 软件GTWR分析模块对黄河流域耕地利用碳排放影响因素进行分析，模型拟合结果如表3所示。GTWR模型的R2和Adj-R2值分别达到了0.862 2和0.861 4，相比于OLS和GWR模型具有更高的拟合度，说明GTWR模型的解释度更强。同时，模型的AICc值和RSS值分别代表赤池信息量准则和残差平方和，二者值越小，表明模型与观测数据的拟合越接近。由表3可得，GTWR模型的AICc值和RSS值均小于OLS和GWR模型，进一步表明其拟合效果优于二者。从整体回归结果来看，农业发展水平、农村居民收入水平、农业机械投入强度、复种指数和农业财政支持力度等因素对耕地利用碳排放强度具有正向作用，其平均回归系数分别为0.239 7、0.051 1、0.185 1、0.298 5和0.109 0，而农地经营规模、农作物种植结构则对耕地利用碳排放强度具有抑制作用，其平均回归系数分别为-0.312 9和-0.101 4。按照影响程度大小的绝对值，依次为：农地经营规模>复种指数>农業发展水平>农业机械投入强度>农业财政支持力度>农作物种植结构>农村居民收入水平。另外，从统计结果可以看出，各因素对不同地区碳排放强度的影响程度差异明显，需从局部考虑碳其时空异质性。

3.4 影响因素的空间异质性分析

根据GTWR模型局域估计结果，对各因素的回归系数取其均值进行可视化处理（图5），可以发现，黄河流域耕地利用碳排放强度的影响因素具有显著的空间异质性。

（1）农业发展水平对多数城市的耕地利用碳排放强度表现为正向驱动（图5（a））。统计结果显示，有64.1%的空间单元，农业发展水平与耕地利用碳排放强度呈正相关效应，即对于大多数地区而言，农业发展水平越高，碳排放强度越高，其中，高值区主要分布于陕西和甘肃东南部地区。负相关效应则主要分布于河南、山东北部、山西东南部地区，即农业发展水平越高，碳排放强度越低。黄河流域上、中、下游各地区之间由于地理环境、资源禀赋、农业发展基础等诸多条件存在显著差异，使得其农业生产方式及农业发展水平亦明显不同，根据经济发展与环境污染之间关系的演变规律，不同经济发展阶段会产生不同的环境效应，这也是导致农业发展水平对碳排放强度的影响存在空间异质性的重要原因。

（2）农地经营规模对黄河流域耕地利用碳排放强度的作用方向呈现出显著的梯度变化特征（图5（b））。其中，回归系数正值区主要分布在甘肃、青海、陕西南部及宁夏西部地区，而对于内蒙古、山西、河南、山东、陕西大部及宁夏北部等大多数地区而言，农地经营规模的扩大则会抑制耕地利用碳排放强度。规模化种植一方面能够降低农业生产成本、提高经营效益、利于先进技术的应用，同时也可以减少化肥、农药、柴油等农用物资的投入量，从而降低生产过程中所产生的碳排放量。

（3）农作物种植结构对耕地利用碳排放强度的影响以负向为主（图5（c））。从统计结果来看，农作物种植结构回归系数为负值的时空单元比例为66.7%，即对大多数地区而言，粮食作物种植面积越大，碳排放强度越小。空间差异方面，负值区集中于山西、陕西、内蒙古、山东、甘肃中部和西部等地区，正值区则主要位于河南、陕西西南部以及甘肃南部区域。种植结构变化的差异性是主要诱因，同时，不同类型农作物之间种植管理方式的差别加剧了这种异质性。

（4）黄河流域农村居民收入水平对耕地利用碳排放强度的作用方向总体呈现出“东正西负”的特征（图5（d））。农村居民收入水平回归系数正值区主要位于山西、内蒙古东部、河南及山东大部分地区，负值区则集中于陕西、宁夏、甘肃大部以及内蒙古中部等地区。在当前的农业生产经营体系中，小农户家庭经营方式仍占据着主体地位，影响农户种植管理方式的因素有多种，其中，收入水平与农户对化肥、农药、农膜等农资的投入强度密切相关。从区域间农村居民收入水平的差异来看，“正值区”的农村居民收入水平整体要高于“负值区”，如2020年山东、河南的农村居民人均可支配收入分别为18 753元、16 108元，而同期陕西、青海、甘肃分别为13 316元、12 342元和10 344元，这种差异化导致农户的种植管理方式出现差别并最终影响到碳排放强度。

（5）农业机械投入促进了大部分地区耕地利用碳排放强度的提升（图5（e））。根据各地区农业机械投入强度回归系数的统计结果，有65.4%的时空单元为正值，即农业机械投入力度越大，碳排放强度越高。农机总动力是反映地区农业机械化水平的一个重要指标，其直接影响着农业机械消耗的柴油量并体现到由此产生的碳排放量上。由图可得，潍坊、东营、临沂、淄博、滨州、日照、汉中、安康和宝鸡9市农业机械投入强度对耕地利用碳排放强度的驱动作用明显，农业机械的广泛使用增加了农用柴油的消耗量从而促进碳排放了碳排放量的增加。郑州、安阳、太原等14个地区则表现为显著的抑制作用，这主要与地方政府实施农机换置补贴政策的效果、农田水利设施建设水平以及当地农机联合作业情况等因素有关。

（6）复种程度对黄河流域大部分地区耕地利用碳排放强度表现为推动作用（图5（f））。根据统计结果，复种指数回归系数为正值的时空单元比例达到84.6%，即对于绝大多数地区而言，复种指数越高，碳排放强度越大。复种指数能够反映出耕地的利用强度，它直接关系到地区农业的生产效益，同时，复种程度的提高带来的是农用物资、农业机械等投入的增加，由此产生的碳排量亦随之增加。

（7）农业财政投入提高了大部分地区耕地利用碳排放强度（图5（g））。从农业财政支持力度回归系数来看，属于正值的时空单元比例达到91.0%，即在绝大多数地区，随着农业财政支持力度的提高，耕地利用碳排放强度逐渐上升。长期以来，我国政府对于农业的财政支持力度不断加大，投资项目如农田水利及道路设施建设、高标准农田建设、农机购置补贴、种粮补贴等，在很大程度上促进了农业的现代化水平。与此同时，其环境负效应则表现在由各项投入所产生的碳排放亦在增加，未来应当加大对于绿色农业技术推广的财政支持力度。

4 结论与建议

4.1 结论

本文以黄河流域为实证区域，在构建耕地利用碳排放研究框架的基础上，综合运用空间分析法、时空地理加权回归模型（GTWR）对黄河流域耕地利用碳排放的时空演变特征及影响因素进行了探索，得到以下结论：

（1）从时序演变特征来看，2005—2020年，黄河流域耕地利用碳排放量及排放强度的变化趋势呈明显的“倒U型”特征。这与耕地利用碳排放源的变化密切相关，得益于我国近年来大力推动农业绿色发展，作为碳排放主要“贡献者”的化肥、农膜等农资产品的“减量增效”成效显著，由其所产生的碳排放亦随之下降。

（2）从空间演变特征来看，黄河流域耕地利用碳排放强度空间差异性明显并表现出显著的空间集聚特征。碳排放强度低值区主要集中于黄河流域中游地区并逐步扩展至上游地区，高值区则主要位于黄河流域下游地区，且其范围总体呈现出“低进高退”的趋势。

（3）GTWR模型拟合结果表明，农地经营规模对黄河流域中游和下游地区的耕地利用碳排放产生负向影响，对上游地区则表现为正向驱动，且自东向西“梯度变化”明显；农作物种植结构中粮食种植比例与大部分地区的碳排放强度之间具有负向关系，种植结构变化的差异性以及不同类型农作物之间种植管理方式的差别是导致其效应出现空间异质性的主要原因；农村居民收入水平对耕地利用碳排放强度的作用方向总体呈现出“东正西负”的特征；农业发展水平、农业机械投入、复种程度、农业财政支持对多数城市的耕地利用碳排放强度表现为正向驱动，且各因素的影响效应在空间上具有“连片性”特征。

4.2 政策建议

根据以上研究结论，本文提出如下建议：（1）深入推进化肥、农膜和农药减量化行动，从生产端减少碳排放。从黄河流域耕地利用碳排放源来看，由化肥、农膜和农药的施用所产生的碳排放贡献显著。在过去一段时间内，由政府部门所推行的农用化学品减量行动取得了良好成效，未来应继续推进该行动，积极开展测土配方施肥、大力推广有机肥及生物农药、加强农膜科学使用与回收利用，扩大并巩固成果。（2）因地制宜制定碳减排策略，推动黄河流域协同减排。耕地利用碳排放源有多种，由于黄河流域各区域之间在耕地利用方式、自然禀赋、已取得成效等诸多方面存在差异，因此，各地区要结合当地的实际情况、找出关键环节、制定有利于其实现碳减排的措施。对于耕地利用碳排放强度较高的黄河流域下游地区，应加强对重点碳排放源的监管与控制，并通过提高耕作管理的科学水平、提升耕地固碳能力来推动耕地系统“固碳减排”。对于黄河流域中游及上游地区，应进一步推动耕地利用的绿色化转型，不断提高农业生态环境的承载力。（3）积极推动土地流转，促进耕地规模化经营。從研究结果来看，农地经营规模的扩大能够抑制黄河流域耕地利用碳排放强度。当前，我国在大力提倡“加快土地流转、促进耕地规模化经营”，分散化、小规模的土地经营模式已无法适应大市场和国际化的需求，且不利于农业的绿色化与现代化进程。因此，要加强政策引导、推进资源整合，尤其是对于农民人均耕地面积低于全国平均水平的河南、山东及陕西等地，要积极探索新路径破解耕地细碎化难题、促进土地规模化经营。（4）加大对绿色农业的政策支持力度。由前文分析可得，农业机械投入、复种程度及农业财政支持对黄河流域耕地利用碳排放强度的影响以正向驱动为主，绿色农业的实现须以更节能环保的农机作业形式、更利于耕地保护的轮作休耕制度、更强的绿色农业技术普及力度为前提，而这些均离不开政府的政策支持。因此，要出台政策鼓励农机跨区域作业、加大对节能环保型农机产品的补贴力度，尤其是农机投入对碳排放强度驱动作用明显的山东、陕西及甘肃东南部地区；同时，要探索实行耕地轮作休耕制度以实现耕地的可持续利用，特别是复种程度较高的地区，并且要制定轮作休耕补贴政策以确保农民收益；此外，绿色农业技术能否顺利得到广泛应用是决定农业碳减排成效的一个关键要素，尤其是在我国以“小农户”为主体的农业生产体系下，加强政策引导、资金支持并逐步提高农户绿色种植的积极性显得尤为重要。

参考文献（References）：

[1] Intergovernmental Panel on Climate Change. Synthesis Report of the IPCC Sixth Assessment Report （AR6）： Climate Change 2023 [R] . Geneva： IPCC ， 2023.

[2] NORSE D. Low carbon agriculture： objectives and policy pathways[J] . Environmental Development， 2012， 1（1）： 25 -39.

[3] REBOLLEDO-LEIVA R， ANGULO-MEZA L， IRIARTE A， et al. Joint carbon footprint assessment and data envelopment analysis for the reduction of greenhouse gas emissions in agriculture production[J] . Science of the Total Environment， 2017， 593 - 594： 36 - 46.

[4] FRANK S， HAVLíK P， STEHFEST E， et al. Agricultural non-CO2 emission reduction potential in the context of the 1.5 ℃ target[J] . Nature Climate Change， 2019， 9（1）： 66 -72.

[5] 夏四友，赵媛，许昕，等.1997—2016年中国农业碳排放率的时空动态与驱动因素[J] .生态学报，2019，39（21）：7854 - 7865.

[6] Food and Agriculture Organization of the United Nations. The State of Food and Agriculture 2016： Climate Change， Agriculture and Food Security [R] . Rome： FAO， 2016.

[7] Organisation for Economic Co-operation and Development/ Food and Agriculture Organization of the United Nations. OECD-FAO Agricultural Outlook 2022-2031[R] . Paris： OECD Publishing， 2022.

[8] ANWAR A， SARWAR S， AMIN W， et al. Agricultural practices and quality of environment： evidence for global perspective[J] . Environmental Science and Pollution Research， 2019， 26（15）： 15617 - 15630.

[9] 周思宇，郗凤明，尹岩，等.东北地区耕地利用碳排放核算及驱动因素[J] .应用生态学报，2021，32（11）：3865 -3871.

[10] PATHAK H， JAIN N， BHATIA A， et al. Carbon footprints of Indian food items[J] . Agriculture， Ecosystems & Environment， 2010， 139（1 - 2）： 66 - 73.

[11] 刘琼，肖海峰.中国农村居民不同类型收入与畜禽养殖碳排放的动态响应关系：基于Tapio脱钩和SVAR模型的分析[J] .生态与农村环境学报，2022，38（4）：453 - 465.

[12] JOHNSON M F， FRANZLUEBBERS A J， WEYERS S L， et al. Agricultural opportunities to mitigate greenhouse gas emissions[J] . Environmental Pollution， 2007， 150（1）： 107 - 124.

[13] 丁寶根，杨树旺，赵玉，等.中国耕地资源利用的碳排放时空特征及脱钩效应研究[J] .中国土地科学，2019，33（12）：45 - 54.

[14] 李波，张俊飚，李海鹏.中国农业碳排放时空特征及影响因素分解[J] .中国人口·资源与环境，2011，21（8）：80 -86.

[15] 田云，尹忞昊.中国农业碳排放再测算：基本现状、动态演进及空间溢出效应[J] .中国农村经济，2022 （3）：104 - 127.

[16] 杨绪红，金晓斌，项晓敏，等.近300年中国耕地开垦导致的碳排放估算[J] .中国科学：地球科学，2019，49（3）：554 - 568.

[17] 吴昊玥，黄瀚蛟，陈文宽.中国粮食主产区耕地利用碳排放与粮食生产脱钩效应研究[J] .地理与地理信息科学，2021，37（6）：85 - 91.

[18] 刘琼，肖海峰.农地经营规模与财政支农政策对农业碳排放的影响[J] .资源科学，2020，42（6）：1063 - 1073.

[19] 张金鑫，王红玲.环境规制、农业技术创新与农业碳排放[J] .湖北大学学报（哲学社会科学版），2020，47（4）：147 - 156.

[20] 吴贤荣，张俊飚，程琳琳，等.中国省域农业碳减排潜力及其空间关联特征——基于空间权重矩阵的空间Durbin模型[J] .中国人口·资源与环境，2015，25（6）：53 - 61.

[21] 金书秦，林煜，牛坤玉.以低碳带动农业绿色转型：中国农业碳排放特征及其减排路径[J] .改革，2021（5）：29 -37.

[22] 马九杰，崔恒瑜.农业保险发展的碳减排作用：效应与机制[J] .中国人口·资源与环境，2021，31（10）：79 - 89.

[23] 杜国明，柴璐佳，李玉恒.耕地利用系统的理论解析与研究框架[J] .地理科学进展，2022，41（7）：1288 - 1299.

[24] 李成龙，周宏.农业技术进步与碳排放强度关系——不同影响路径下的实证分析[J] .中国农业大学学报，2020，25（11）：162 - 171.

[25] 洪凯，朱子玉.珠三角农地利用中的碳排放时空特征及影响因素——基于1996—2014年数据[J] .湖南农业大学学报（社会科学版），2017，18（1）：70 - 76.

[26] 伍国勇，刘金丹，杨丽莎.中国农业碳排放强度动态演进及碳补偿潜力[J] .中国人口·资源与环境，2021，31（10）：69 - 78.

[27] 赵荣钦，黄贤金，揣小伟.中国土地利用碳排放的研究误区和未来趋向[J] .中国土地科学，2016，30（12）：83 - 92.

[28] 張梅，赖力，黄贤金，等.中国区域土地利用类型转变的碳排放强度研究[J] .资源科学，2013，35（4）：792 - 799.

[29] 张玥，代亚强，陈媛媛，等.土地利用隐性转型与土地利用碳排放空间关联研究[J] .中国土地科学，2022，36（6）： 100 - 112.

[30] 海贝贝，李小建，许家伟.巩义市农村居民点空间格局演变及其影响因素[J] .地理研究，2013，32（12）： 2257 -2269.

[31] HUANG B， WU B， BARRY M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J] . International Journal of Geographical Information Science， 2010， 24（3）： 383 - 401.

[32] WU B， LI R R， HUANG B. A geographically and temporally weighted autoregressive model with application to housing prices[J] . International Journal of Geographical Information Science， 2014， 28（5）： 1186 - 1204.

[33] 李恩康，陆玉麒，陈娱.中国外贸货物出口的地理格局演化及影响因素分析——基于货物出口距离和GTWR模型[J] .地理研究，2019，38（11）：2624 - 2638.

[34] 曾刚，胡森林.技术创新对黄河流域城市绿色发展的影响研究[J] .地理科学，2021，41（8）：1314 - 1323.

[35] 胡志强，苗长虹，熊雪蕾，等.产业集聚对黄河流域工业韧性的影响研究[J] .地理科学，2021，41（5）：824 - 831.

[36] 耿凤娟，苗长虹，胡志强.黄河流域工业结构转型及其对空间集聚方式的响应[J] .经济地理，2020，40（6）：30 - 36.

[37] 李波，刘雪琪，梅倩，等.湖北省农地利用方式变化的碳效应特征与空间差异[J] .中国人口·资源与环境，2018，28（10）：62 - 70.

[38] 田云，尹忞昊.技术进步促进了农业能源碳减排吗？——基于回弹效应与空间溢出效应的检验[J] .改革，2021（12）：45 - 58.

Spatial-temporal Characteristics of Carbon Emissions from Cultivated Land Use in the Yellow River Basin and the Influencing Factors

REN Shixin1，LI Erling2，ZHAO Jincai1，XU Yanan3

（1. School of Business， Henan Normal University， Xinxiang 453007， China； 2. College of Geography and Environmental Science， Henan University， Kaifeng 475004， China； 3. College of Resources and Environment， Henan University of Economics and Law， Zhengzhou 450046， China）

Abstract：The purposes of this study are to reveal the spatial-temporal evolution of carbon emissions from cultivated land use in the Yellow River Basin and to investigate the influencing factors， to provide the reference for understanding regional carbon emission patterns and formulating agricultural carbon reduction strategies under the “double-carbon”target. The research methods are as follows. Taking 78 municipal units in the Yellow River Basin as the research object， the quantitative analysis is carried out by using the methods of carbon emission accounting for cultivated land use， spatial hotspot analysis and geographically temporal weighted regression （GTWR） model. The results show that： 1） the trend of carbon emissions and emission intensity of cultivated land use in the Yellow River Basin from 2005 to 2020 shows an obvious “inverted U-shape”， which is basically in line with the pattern of change between the level of economic development and the degree of environmental pollution. 2） The spatial variability of carbon emission intensity of cultivated land use in the Yellow River Basin is significant and shows significant spatial clustering characteristics， with low-value areas of carbon emission intensity mainly concentrating in the middle and upper reaches of the Yellow River Basin， while high-value areas are located in the lower reaches of Henan Province and Shandong Province. 3） The large-scale operation of agricultural land and the “grain-oriented” crop cultivation structure inhibited the carbon emission intensity of cultivated land use in most areas of the Yellow River Basin， while the income level of rural residents， agricultural development level， agricultural machinery input， replanting degree， and agricultural financial support show positive driving effects， and the influence of each factor has significant spatial heterogeneity. In conclusion， carbon emissions from cultivated land use vary significantly in regions of the Yellow River Basin， and the driving factors are also different. Therefore， differentiated cultivated land use strategies and carbon reduction measures should be developed in the light of regional realities.

Key words： cultivated land use； carbon emissions； geographically temporal weighted regression （GTWR）； the Yellow River Basin

（本文责编：张冰松）