中国农业净碳效应与农业经济发展的时空耦合规律研究

徐玥 王辉 韩秋凤

摘要：农业既是碳源又是碳汇，农业减源增汇是助力“双碳”目标如期实现和农业强国建设的必要关键一环。文章采用排放系数法和参数估算法测算2000—2021年中国农业碳源碳汇体量、结构和强度，而后基于耦合协调度模型和Tapio耦合指数探究中国农业净碳效应与农业经济发展的耦合协调性。结果表明：（1）中国农业碳排放量或已于2015年达到峰值，总体经历了“波动上升期—平缓上升期—平缓下降期”三阶段变化历程。各类碳源的贡献程度、发展趋向和达峰节点各有异同，牲畜养殖（42.67%）是最主要碳源。（2）中国农业碳吸收量远高于农业碳排放量，二者的平均比值为2.64，总体经历了“波动上升期—平缓上升期”两阶段变化历程。粮经园作物的碳吸收量、贡献程度和发展趋向差异显著，呈现粮食作物（75.18%）一边倒态势。（3）中国农业净碳效应与农业经济发展呈现出协调和失调共同存在并且协调程度量多占优的局面，其中尤以粮食主产区省份协调程度突出。（4）绝大多数年份的耦合指数散点均落于第一象限内，且愈发呈现出趋向性的经济主导型耦合状态。总的来看，中国农业净碳效应体量呈平稳上升态势，且“十三五”以来经济效应总体领先环境效应。

关键词：农业净碳效应；时空特征；耦合协调度；Tapio耦合指数；农业碳排放

[基金项目]中国矿业大学公共管理学院（应急管理学院）高水平成果培育项目（项目编号：XY202127）；矿业学科群提升自主创新能力项目（项目编号：2022ZZCX02K4）；中国资源型城市转型发展与乡村振兴研究中心（高端智库）项目（项目编号：2021WHCC03）。

[作者简介]徐玥（1998-），男，安徽六安人，硕士研究生，研究方向：农业碳源碳汇；通讯作者：王辉（1976-），男，江苏徐州人，博士，副教授，研究方向：土地利用与生态安全治理；韩秋凤（1999-），女，四川遂宁人，硕士研究生，研究方向：土壤污染治理。

一、引言

全球气候变暖引发的旱涝灾害、极端天气、疾病传播等负面影响对人类生产生活造成严重威胁，减缓和控制全球增温现象的进一步加剧从未来需求演变为紧迫现实[1-2]。农业在社会和自然的共同作用下表现出独特的碳源碳汇双重属性：一方面因其排放源多、量大、结构复杂贡献了全球40%的甲烷和60%的氧化亚氮，另一方面，通过农作物的光合作用以及土壤贮藏，储存了全世界10%以上的碳，而农业领域减源增汇即农业净碳效应增加无疑对全局温室气体减排具有正向带动作用[3-5]。自2020年习近平总书记开创性地提出碳达峰、碳中和的“双碳”目标后，党的二十大报告提出加快建设农业强国，必先发展生态低碳农业。如何尽可能完善农业领域源汇指标测算体系？中国农业碳源碳汇数據体量及其时空特征如何？中国农业净碳效应及其与农业经济发展的耦合协调性如何？这些都是目前农业领域亟待解答的基础和重点问题，这些问题的解决有助于厘清农业系统内部源汇数据体量及其碳抵消情况，从而更有针对性地发展生态低碳农业以加快建设农业强国。

国内外就农业碳源碳汇领域进行了丰富探索研究，为农业的低碳、高质量可持续发展奠定了坚实的理论基础。主要包括以下两个方面：（1）农业碳源碳汇测算及其时空特征研究[6-7]。例如刘杨等[8]基于农资投入、农田利用和畜禽养殖三类碳源测算分析山东省农业碳排放时空演化特征，得出山东省农业碳排放量呈先上升后波动下降趋势，空间层面粮食作物种植面积占比大的地市碳排放量更为突出。范紫月等[9]构建了包括种植业和养殖业在内的农业系统温室气体排放清单，得出中国近40年农业系统温室气体排放量总体呈波动增长态势，并且甲烷是农业系统排放贡献最大的温室气体。卢东宁等[10]基于农地利用、稻田种植、农田土壤和牲畜养殖四类碳源探究陕西省农业碳排放量及其时空演化情况，结果发现，陕西省农业碳排放量呈先上升后缓慢下降的倒“U”型趋势，农地利用是最主要碳源。葛继红等[11]根据产业资源碳源和生态环境碳源两个层面分析中国农业碳排放现状及其年际变动情况，得出中国农业碳排放量总体呈上升趋势但存在年际波动，其中2016年农业碳排放为近年来最高值。（2）农业碳源碳汇测算及其脱钩耦合研究[12-13]。例如丁宝根等[14]揭示了中国耕地资源利用的碳排放与农业经济增长间的脱钩关系，得出二者在不同阶段和不同省份脱钩类型各有差异，主要表现为弱脱钩。陈胜涛等[15]量化分析江苏省农业碳排放与经济增长间的脱钩效应，结果表明，多数地级市实现了二者间的强脱钩，但不同年份存在波动差异。白福臣等[16]分析了粮食主产区农田生态系统碳足迹与粮食产量间的脱钩效应，最终得出二者间呈现出“强脱钩—弱脱钩—强脱钩”的交替演化态势，并且存在空间层面的不均等性。徐玥等[17]探究能源资源型城市徐州市农业碳排放与农业经济发展间的脱钩关系，结果表明，二者间总体经历了“弱脱钩—强负脱钩—扩张负脱钩—强脱钩”的变化历程，并且“十三五”以来主要表现为强脱钩。上述研究成果都表明了农业生产资料的投入产出与区域碳排放格局和农业经济发展有着密切关联，但已有文献对农业碳效应的研究多集中于单独的碳源一面，针对农业碳源指标的选取也多倾向于传统的耕地利用投入方面，将碳排放和碳吸收系统整合考量研究欠关注以检验农业净碳效应与农业经济发展的耦合协调性。

本文在尽可能丰富农业源汇指标测算体系的基础上，采用排放系数法和参数估算法对2000—2021年中国农业碳源碳汇体量、结构和强度进行全面测算，并探究其背后的政策和自然成因，然后对中国31个省（市、区）（因数据不全，不含港澳台地区）农业净碳效应与农业经济发展的耦合协调度和耦合指数进行详细分析，最后得出本文的研究结论并提出相应的思考，以期为中国农业减源增汇促进“双碳”目标的如期实现和农业强国建设提供理论和数据参考。

二、研究方法与数据来源

（一）农业碳排放测算方法

农业作为碳源时，会随着耕地利用方面的物质投入、作物种植翻耕造成的土壤破坏、牲畜养殖过程中肠道发酵和粪便管理产生直接或间接的温室气体排放，排放系数法因其简便、实用、易操作的特点被广泛应用于国家和省市级层面的碳排放测算。综合参考已有研究[18-20]，同时考虑中国实际农业生产情况，本文认为中国农业碳排放主要来自以下三个方面：（1）耕地利用过程中化肥、农药、农用塑料薄膜、农用柴油、农业灌溉所产生的碳排放；（2）作物种植过程中稻谷、小麦、玉米、大豆、蔬菜瓜果和薯类、棉花、花生、油菜籽、芝麻、甘蔗、甜菜、烤烟等旱地作物所产生的甲烷和氧化亚氮排放；（3）牲畜养殖过程中牛、马、驴、骡、骆驼即大型牲畜和猪、羊、家禽、兔即日常牲畜所产生的甲烷和氧化亚氮排放。为保持数据单位一致性以便进行横向对比分析，根据IPCC第四次评估报告，本文将按照1吨CH4=6.82吨C和1吨N2O等于81.27吨C的折算比例换算。农业碳排放测算公式具体如下：

式（1）中，[E]表示农业碳排放总量（万吨）；[Ti]表示第[i]种碳排放源的量（万吨、公顷、头）；[δi]表示第[i]种碳排放源的碳排放系数。

综合参考已有研究成果，同时为测算方便及数据获取所限，选取的农业碳源因子及其碳相关系数如表1所示。

（二）农业碳吸收测算方法

农业作为碳汇时，碳吸收量通常指农作物年净生物量的含碳量即农作物生长全生命周期过程中通过光合作用吸收固定大气中二氧化碳所形成的净初级生产力，参数估算法因其便易、准确、可实施的特点被广泛应用于农业和农田生态系统的碳吸收测算。综合参考已有研究[21-23]，同时考虑中国实际作物种植情况，本文认为中国农业碳吸收主要来自以下三个方面：（1）种植稻谷、小麦、玉米、豆类、薯类即粮食作物所产生的碳汇。（2）种植花生、油菜籽、芝麻、棉花、甘蔗、甜菜即经济作物所产生的碳汇。（3）种植蔬菜、水果即园艺作物所产生的碳汇。农业碳吸收测算公式具体如下：

式（2）中，[C]表示农业碳吸收总量（万吨）；[Xi]表示第[i]种作物的碳吸收率；[Yi]表示第[i]种作物的经济产量（万吨）；[r]表示第[i]种作物的含水率；[Zi]表示第[i]种作物的经济系数。

综合参考已有研究成果，同时为测算方便及数据获取所限，选取的农业碳汇因子及其碳相关系数如表2所示。

（三）耦合协调度模型

区别于脱钩模型中两个或两个以上反向变量间相互关系逐渐减弱直至完全背离的脱钩状态，耦合协调度是指两个或两个以上要素或系统间相互作用且协调发展的良性程度，主要针对两个同向指标间协同增进的耦合状态，即本文中农业净碳效应与农业总产值。综合参考已有研究[24-26]，同时考虑农业碳源碳汇及其净碳效应体量情况，农业净碳效应与农业经济发展的耦合度模型及耦合协调度模型具体如下：

式（3）中，[W]表示耦合度；[N]表示农业净碳效应（万吨）；[A]表示农业总产值（万元），取种植业和畜牧业产值之和。

式（4）中，[H]表示耦合协调度；[D]表示农业净碳效应与农业总产值的协调度，并且[D=aN+bA]，考虑到环境效应和经济效应的重要度理应相等，故[a]和[b]均取0.5，并对原始数据进行区间化处理。[H]的值处于0和1之间，且越趋近于1时，两者间的耦合协调性越好，反之则越差。当[H]的值在0.4以下、0.4～0.5、0.5～0.6、0.6～0.8、0.8以上时分别表示严重失调、初级失调、初级协调、良好协调、优秀协调。

由于Tapio脱钩指数主要反映环境压力与经济发展间的细微变化状态，例如理想化的强脱钩表现为经济发展的同时环境压力不断变小，可以较好地关注两个反向指标间的关系。而农业净碳效应与农业总产值理应为同向指标，因此需在Tapio脱钩指数的基础上加以改进并重新定义，Tapio耦合指数及其相关状态如表3所示。Tapio耦合指数测算公式具体如下：

式（5）中，[P]表示Tapio耦合指数；[Nt]和[N0]分别表示当期和基期的农业净碳效应（万吨）；[At]和[A0]分别表示当期和基期的农业总产值（万元）。

（四）数据来源

本文所需基础研究数据均来自2000—2022年《中国农村统计年鉴》和《中国统计年鉴》。需要说明的是，在对牲畜养殖数据进行搜集处理时，出栏率大于1的猪、兔、家禽的年均饲养量按照（平均生命周期×年末出栏量）/365计算，其中猪、兔、家禽的平均生命周期分别为200天、105天和55天；出栏率小于1的牛、马、驴、骡、骆驼、羊的年均饲养量按照（上年年末存栏量+本年年末存栏量）/2计算。农业总产值即种植业和畜牧业产值取2000年为不变价格，将其余年份进行相应折算汇总。

三、中国农业碳源碳汇时序特征

（一）中国农业碳排放时序特征

针对农业碳排放总量，根据式（1）测算2000—2021年中國农业碳排放，具体情况如表4和图1所示。中国农业碳排放总体经历了“波动上升期—平缓上升期—平缓下降期”三阶段变化历程，2021年较基期2000年累计增长了7.99%，形象地表现为“M”形变化态势，这往往是各碳源组合间变化趋势综合表征的外化结果。从基期2000年的23 659.22万吨逐渐递增至一阶段峰值2005年的26 827.53万吨，而后快速下降至一阶段谷值2007年的24 681.17万吨，紧接着平稳上升至最高峰2015年的27 659.30万吨，最后平缓下降至2021年的25 549.72万吨，年均递增率为0.37%，环比增速总体处于波动下降态势。

种种变化与各个时期国家的涉农政策和自然灾害关联密切。具体来看：（1）2000—2007年为第一阶段，处于波动上升期，年均增幅为145.99万吨，年均递增率为0.61%。“十五”期间重点关注粮食产量的提升和农业经济的发展，前期农业碳排放总量在火热投入中呈逐渐上升态势。但2006年起畜牧业遭遇了禽流感、口蹄疫等疫情冲击影响，后期农业碳排放总量出现断崖式下滑[4]。（2）2007—2015年为第二阶段，处于平缓上升期，年均增幅为372.27万吨，年均递增率为1.43%。“十一五”和“十二五”期间在保证粮食稳定增产的同时，有序提高牧业比重，并进行一系列种养补贴，农业碳排放总量在农民的积极投入下呈直线上升态势。（3）2015—2021年为第三阶段，处于平缓下降期，年均增幅为-351.60万吨，年均递增率为-1.31%。2015年“绿色”新发展理念的提出奠定了我国今后发展的总基调，同年出台的“减肥减药”零增长行动更是有效遏制耕地利用碳源的进一步增长，也在一定程度上促进了2015年农业碳排放峰值的形成，农业碳排放总量在多方调控下呈平缓下降态势[17]。

针对农业碳排放结构，各类碳源的贡献程度、发展趋向和达峰节点各有异同，对农业碳排放量贡献率大小依次是牲畜养殖（42.67%）、耕地利用（36.17%）和作物种植（21.16%）。牲畜养殖碳排放量总体呈波动下降态势，峰值为2005年的13 113.84万吨，年均增幅为-38.53万吨，年均递增率为-0.36%。耕地利用碳排放量总体呈波动上升态势，峰值改变为2015年的10 680.41万吨，年均增幅为100.14万吨，年均递增率为1.21%，预计未来会因化肥、农药等高碳农资的减量化和零增长行动而继续减少。作物种植碳排放量总体呈波动上升态势，同样于2015年达到峰值5 833.90万吨，年均增幅为28.41万吨，年均递增率为0.53%，预计未来会因种植业结构的优化调整以及对18亿亩耕地保护红线的严守而保持相对稳定态势。

针对农业碳排放强度，单位农业产值碳排放强度总体呈平滑下降趋势，从基期2000年的1.113吨/万元平缓递减至2021年的0.490吨/万元，年均增幅为-0.030吨/万元，年均递增率为-3.83%，环比增速总体处于波动上升态势。随着遏制耕地“非农化”、防止“非粮化”的最严格耕地保护制度的坚持实施以及加强动物防疫和农作物病虫害防治，农牧业产量和产值正在不断提高，农业生产资料的利用效率和产出水平也在不断提高。我国农业总产值4.37%的年增速远远高于农业总碳排放0.37%的年增速。

（二）中国农业碳吸收时序特征

针对农业碳吸收总量，根据式（2）测算，2000—2021年中国农业碳吸收具体情况如表5和图2所示。中国农业碳吸收总体经历了“波动上升期—平缓上升期”两阶段变化历程，2021年较基期2000年累计增长了58.23%，这同样是各碳汇组合间叠加吸收综合表征的外化结果。农业碳吸收在体量上远高于农业碳排放且未来增长态势较为可观，二者的平均比值为2.64。从基期2000年的51 602.45万吨先增后减至最低值2003年的51 407.55万吨，而后波动递增至2010年的66 937.30万吨，最后平缓递增至2021年的81 652.00万吨，年均递增率为2.21%，环比增速总体处于波动上升态势。

上述变化亦与各个时期国家的农业体量以及疫情灾害密切相关。具体来看：（1）2000—2010年为第一阶段，处于波动上升期，年均增幅为1 533.48万吨，年均递增率为2.64%。进入21世纪的前十年，我国粮食生产在经受严重的自然灾害、波动的农产品市场和复杂的外部环境下依旧保持艰难上升态势。但2003年由于受到非典疫情的大范围影响，加之严重的旱涝灾害，农业碳吸收总量出现罕见下降[27]。（2）2010—2021年为第二阶段，处于平缓上升期，年均增幅为1 337.70万吨，年均递增率为1.82%。“十二五”和“十三五”期间通过严守18亿亩耕地保护红线、划定落实基本农田保护区、建设旱涝保收高标准农田等利农举措，2022年粮食总产量达6.87亿吨，较2010年的5.59亿吨增加了1.28亿吨，实现了谷物基本自给和口粮绝对安全，农业碳吸收总量在多措并举下呈良好上升态势。

针对农业碳吸收结构，粮经园作物的碳吸收量、贡献程度和发展趋向差异显著，对农业碳吸收量贡献率大小依次是粮食作物（75.18%）、经济作物（16.06%）和园艺作物（8.76%），呈现粮食作物一边倒态势。粮食作物碳吸收量总体呈平稳递增态势，年均增幅为1 089.52万吨，年均递增率为2.19%，预计未来会因粮经园作物的优化调整和主要粮食作物基本自给而保持相对稳定。经济作物碳吸收量总体呈平缓递增态势，年均增幅为150.58万吨，年均递增率为1.56%，预计未来会因国家对“油瓶子”安全问题的日益重视而有所提升。园艺作物碳吸收量总体呈快速增长态势，年均增幅为190.84万吨，年均递增率为3.53%，预计未来会因我国现代化建设下人民对美好生活的充分需要而不断提高。

针对农业碳吸收强度，单位播种面积碳吸收强度总体呈平缓上升态势，从基期2000年的3.302吨/公顷平缓递增至2021年的4.840吨/公顷，年均增幅为0.073吨/公顷，年均递增率为1.84%，环比增速总体处于波动下降态势。源于国家对粮食安全问题的日益重视，保障粮、棉、油、糖等重要农产品供给安全势在必行，随着农作物总播种面积的日渐提高，加之农业投入水平和经营管理方式的日趋合理，农作物总产量也在各方协同作用下呈向好向前发展态势。我国农业总碳吸收2.21%的年增速亦远高于农业总播种面积0.36%的年增速。

四、中国农业净碳效应与农业经济发展的耦合协调度

为进一步分析中国31个省（市、区）农业净碳效应与农业经济发展的耦合协调度，根据式（3）、式（4）测算，分别取2001年、2011年和2021年即前中后三个代表性时间节点，借助ArcGIS软件，按照前文標准将所得结果划分为五种类型，主要年份中国农业净碳效应与农业经济发展的耦合协调度空间分布格局具体情况见图3。总体来看，中国农业净碳效应与农业经济发展呈现出协调和失调共同存在并且协调程度量多占优的局面，前后大致经历了“失调区集中连片、协调区团块聚集”再到“协调区大幅覆盖、失调区收缩一隅”的长期演化进程，空间层面上总体表现为“中部中北部高、西南东南部低”的分布格局，其中尤以粮食主产区省份协调程度突出。

考察前期，即2001年时，山东省以0.968的耦合协调度位居全国首位，是最低的西藏自治区0.100的9.68倍。河南省和江苏省紧随其后，分别以0.958和0.860的耦合协调度位居第二、第三，且均处于优秀协调区间。河北省（0.756）、四川省（0.721）、安徽省（0.720）、广西壮族自治区（0.705）、湖北省（0.695）、湖南省（0.695）、广东省（0.678）、黑龙江省（0.662）和吉林省（0.601）分别位居第四至第十二位，且均处于良好协调区间，其中粮食主产区省份占据绝对主导。辽宁省、云南省、江西省、新疆维吾尔自治区和浙江省分别以0.583、0.571、0.544、0.525和0.523的耦合协调度处于初级协调的危险边缘。陕西省（0.495）、内蒙古自治区（0.477）、福建省（0.464）、重庆市（0.444）和贵州省（0.428）均处于初级失调区间，生态环境脆弱和地形地貌复杂是最主要的两个影响因素。上海市（0.307）、天津市（0.300）、宁夏回族自治区（0.250）、青海省（0.160）和西藏自治区（0.100）位居后五位且均处于严重失调区间，以沿海经济发达地区和西部偏远落后地区为主，其中后两位省区农业净碳效应体量甚至为负值。

考察中期，即2011年时整体耦合协调度得到明显改善和提高，协调区间得以进一步覆盖，各区间的转移跨越现象较为明显。河南省以0.991的耦合协调度超越山东省（0.965）位居全国首位，是最低的西藏自治区0.100的9.91倍。河北省（0.818）凭借优越的农业总产值从前期的良好协调区间跻身至中期的优秀协调区间。辽宁省和新疆维吾尔自治区分别以0.624和0.611的耦合协调度从前期的初级协调区间跨越至中期的良好协调区间，二者分别得益于农业产值的提高和农业净碳效应的提升，而江苏省（0.754）则由前期的优秀协调区间下落至中期的良好协调区间。内蒙古自治区（0.555）和陕西省（0.517）因农业系统得到一定程度改善后从前期的初级失调区间提升至中期的初级协调区间，山西省（0.455）从前期的严重失调区间提升至中期的初级失调区间，而浙江省（0.447）则由前期的初级协调区间跌落至中期的初级失调区间。

考察后期，即2021年时农业净碳效应体量和农业总产值总体均呈快速增长趋势，二者间愈发呈现出不断贴合的协同增进态势，各区间的转移跨越现象也愈发显著。黑龙江省（0.882）凭借东北地区肥沃的土地资源以丰富的农业净碳效应体量从中期的良好协调区间跻身至后期的优秀协调区间，云南省和内蒙古自治区分别以0.640和0.618的耦合协调度从中期的初级协调区间跨越至后期的良好协调区间，二者主要得益于农牧业产值加持下农业总产值的大幅提升，而河北省（0.767）则由中期的优秀协调区间下落至后期的良好协调区间。贵州省（0.493）和甘肃省（0.421）农业生产现状得到一定程度改善后从中期的严重失调区间提升至后期的初级失调区间，而浙江省（0.397）则再一次从中期的初级失调区间跌落至后期的严重失调区间，未来或将重点关注，以避免环境效应与经济效应关系进一步恶化。青海省（0.168）农业净碳效应体量仍为负值且进一步亏损，而西藏自治区（0.114）农业净碳效应体量虽也为负值但有所改善。

五、中国农业净碳效应与农业经济发展的耦合指数

为系统考察22年来年中国农业净碳效应与农业经济发展的耦合指数演化历程，根据式（5）测算结果，并结合表3中Tapio耦合指数及其相关状态，2000—2021年中国农业净碳效应与农业经济发展的耦合指数具体情况如图4所示。总的来看，研究期内绝大多数年份的耦合指数散点均落于第一象限内，这无不说明着农业净碳效应与农业总产值总体均保持正向增长态势，象限内的耦合状态在不同年份因波动不一的变化率而各有异同，且“十三五”以来愈发呈现出趋向性的经济主导型耦合状态。

除2003年和2009年表现为生态衰退型退耦的不理想状态外，其余年份均表现为生态主导型耦合或经济主导型耦合，并且2012年更是罕见地表现为协同增进的理想型增长耦合状态。究其原因，由生态衰退型退耦这一字面意思便可知这两年农业净碳效应体量必然是亏损的，较上一年分别减少了2 142.60万吨和427.75万吨，其中尤以2003年亏损最为严重，这与当年非典疫情在全国范围内的大幅影响以及洪涝灾害冲击下种植结构的对应调整密切相关。而2012年环境效应与经济效应分别以0.042和0.046的相协调变化率处于理想的同进步共发展状态。具体来看：（1）2001—2015年为波动变化期，二者主要表现为经济主导型耦合和生态主导型耦合的交替态势，并且期间还穿插着前文所述的生态衰退型退耦合和增长耦合两种特殊状态。由于前中期农业生产发展现状在人为因素和自然因素的双重影响下波动发展，再加之各类补贴、激励和减免政策，农牧业无论是在产量还是产值上总体均表现为向好向前的增长态势，而变化不一的增长率则引发不可避免的波动变化状态。（2）2016—2021年为稳定增长期，二者主要表现为趋向性的经济主导型耦合状态，各年份的耦合指数散点愈发倾向于正向纵轴即经济效应一侧也说明了这一点，同时农业总产值以4.37%的年增速总体领先农业净碳效应3.37%的年增速亦可以很好地解释此现象的出现。“十三五”和“十四五”期间作为全面建成小康社会的攻坚关键阶段和未来社会主义现代化强国建设的初步开启阶段，妥善解决好“三农”问题推进农业农村现代化以及农业强国的顺利建成则是重中之重，农业综合生产能力的稳步提升和农作物产量产值的大幅提高则是其应有之义，种种举措推动下使得经济效应总体领先环境效应。

六、结论与讨论

（一）结论

1.中国农业碳排放量或已于2015年达到峰值，与二、三产业相比先于2030年整体碳达峰节点。2000—2021年中国农业碳排放总体经历了“波动上升期—平缓上升期—平缓下降期”三阶段变化历程，形象地表现为“M”形变化态势。各类碳源的贡献程度、发展趋向和达峰节点各有异同，对农业碳排放量贡献率大小依次为牲畜养殖（42.67%）、耕地利用（36.17%）和作物种植（21.16%）。单位农业产值碳排放强度总体呈平滑下降趋势，预计未来两者会随着农业生产资料利用效率和产出水平的不断提高而实现一定程度脱钩。

2.中国农业碳吸收量远高于农业碳排放量，两者平均2.64的比值促使农业系统始终表现为净碳汇效应。2000—2021年中国农业碳吸收总体经历了“波动上升期—平缓上升期”两阶段变化历程，农业碳吸收在数量上远高于前者的同时未来增长态势良好。粮经园作物的碳吸收量、贡献程度和发展趋向差异显著，对农业碳吸收量贡献率大小依次是粮食作物（75.18%）、经济作物（16.06%）和园艺作物（8.76%）。单位播种面积碳吸收强度总体呈平缓上升态势，预计未来会随着农业生产经营方式的日趋合理呈向好向前发展态势。

3.中国农业净碳效应与农业经济发展呈现出协调和失调共同存在并且协调程度量多占优的局面，前后大致经历了“失调区集中连片、协调区团块聚集”再到“协调区大幅覆盖、失调区收缩一隅”的长期演化进程，空间层面上总体表现为“中部中北部高、西南东南部低”的分布格局。粮食主产区省份因水土资源丰富和农业基础良好使得农业净碳效应体量与农业总产值间协调优异，而沿海经济发达省市和西部落后地区因主导产业、地理区位和承担功能等内外诸多因素使得二者间差距较大。

4.绝大多数年份的耦合指数散点均落于第一象限内，这无不说明着农业净碳效应与农业总产值总体均保持正向增长态势，象限内的耦合状态在不同年份因波动不一的变化率而各有异同，且“十三五”以来愈发呈现出趋向性的经济主导型耦合状态。2001—2015年为波动变化期，二者主要表现为经济主导型耦合和生态主导型耦合的交替态势，且后者较前者更具优势。2016—2021年为稳定增长期，二者主要表现为趋向性的经济主导型耦合状态，且“十三五”以来经济效应总体领先环境效应。

（二）讨论

基于此，本文通过对2000—2021年中国农业碳源碳汇体量的系统规范测算发现，中国农业系统总体呈现出较为可观的净碳汇效应，这也与陈罗烨等[28]、曹执令等[29]和吴昊玥等[25]学者对农业净碳汇的研究结论相一致。就测算结果而言，中国农业净碳效应体量从2000年的27 943.24万吨波动增长至2021年的56 102.28万吨，年均递增率为3.37%，环比增速总体处于波动上升态势。由此可见未来伴随着“双碳”目标和农业强国背景下一系列减污降碳文件的加持和规范，农业净碳效应体量必将长势可观。其中本文所得2010年40 853.23万吨的农业净碳效应体量与陈罗烨等[28]所测算的36 539.69万吨的农业净碳汇量存在一定差异，这主要由于本文就农业源汇指标的选取测算更为广泛完整。碳源方面除传统的耕地利用即農业生产资料投入外还包括了作物种植和牲畜养殖两方面碳源，碳汇方面则是包括了粮食作物、经济作物和园艺作物三个完整品类，与仅测算主要粮食作物相比农业净碳效应体量因此出现小幅升高，但这无疑更加贴合现实农业生产情况，也从侧面印证了本文农业源汇指标测算体系的合理性和可行性。

值得注意的是，本文通过测算发现中国农业碳排放量或已于2015年达到峰值27 659.30万吨，先于2030年整体碳达峰节点，这也在诸多学者的最新研究中得到旁证[30-34]。但由于目前中国种植业碳达峰后的年均变化率为-1.56%，仍处于平台期，各省（市、区）所处的达峰时期也不尽相同，而本文测算所得农业碳达峰后的年均变化率为-1.29%，同样处于平台期，因此对农业领域的减源增汇行动仍不可松懈大意[32]。究其原因，无论是2015年“绿色”新发展理念提纲挈领般地提出，还是同年《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》对两大耕地利用碳源的有效遏制，亦或是后续“双碳”目标和农业强国背景下一系列碳相关文件的出台，农业碳排放量在各种政策举措的合力控制下呈逐年下降态势[35]。

（三）不足与展望

尽管如此，本文依旧存在一定程度的不足和可以改进的方面：（1）限于个人研究视野及数据指标来源，仅能考虑到学术界常用且实际的源汇因子，相关系数也均参考国内外广泛引证的权威文献，但这仍在一定程度上会影响测算结果的精确性。（2）限于文章篇幅及数据获取因素影响，多考虑时间尺度下中国及其各省级层面年际演化情况，对更具微观视角和生产实际的市县级层面则涉及较少，不利于对微观视角下二者关系的完整性把握。（3）未来可在本文基础上进一步对源汇指标及其系数的现实完整性选取进行丰富和完善，以期更好揭示中国农业碳相关基础理论、发展现状和未来趋势。

参考文献：

[1]张俊飚，何可.“双碳”目标下的农业低碳发展研究：现状、误区与前瞻[J].农业经济问题，2022，513（09）：35-46.

[2]TIAN S，WANG S，BAI X，et al.Global patterns and changes of carbon emissions from land use during 1992—2015[J].Environmental Science and Ecotechnology，2021（7）：100108.

[3]羅怀良.国内农业碳源/汇效应研究：视角、进展与改进[J].生态学报，2022，42（09）：3832-3841.

[4]张帆，宣鑫，金贵，等.农业源非二氧化碳温室气体排放及情景模拟[J].地理学报，2023，78（01）：35-53.

[5]孙小祥，张华兵，于英鹏.江苏沿海地区农田生态系统碳源/汇时空变化及公平性研究[J].中国农业资源与区划，2021，42（10）：56-64.

[6]谢永浩，刘争.中国省域种植业碳汇量、碳排放量的时空分异及公平性研究[J].世界农业，2022，514（02）：100-109.

[7]李强，高威，魏建飞，等.中国耕地利用净碳汇时空演进及综合分区[J].农业工程学报，2022，38（11）：239-249.

[8]刘杨，刘鸿斌.山东省农业碳排放特征、影响因素及达峰分析[J].中国生态农业学报（中英文），2022，30（04）：558-569.

[9]范紫月，齐晓波，曾麟岚，等.中国农业系统近40年温室气体排放核算[J].生态学报，2022，42（23）：9470-9482.

[10]卢东宁，张雨，雷世斌.“双碳”目标背景下陕西农业碳排放驱动因素与脱钩效应研究[J].北方园艺，2022，515（20）：133-140.

[11]葛继红，孔阿敬，王猛.“双碳”背景下中国农业碳排放分布动态及减排路径[J].新疆农垦经济，2023，362（04）：44-52.

[12]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（06）：85-91.

[13]丁宝根，赵玉，邓俊红.中国种植业碳排放的测度、脱钩特征及驱动因素研究[J].中国农业资源与区划，2022，43（05）：1-11.

[14]丁宝根，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.

[15]陈胜涛，张开华，张岳武.农业碳排放绩效的测量与脱钩效应[J].统计与决策，2021，37（22）：85-88.

[16]白福臣，高鹏，郑沃林.粮食主产区农田生态系统碳足迹的时空演化与脱钩效应[J].生态经济，2023，39（07）：107-116.

[17]徐玥，王辉，韩秋凤.徐州市农业碳排放时空特征与脱钩效应[J/OL].水土保持通报：1-9.https：//doi.org/10.13961/j.cnki.stbctb.20230526.004.

[18]张红丽，刘芳.新疆农业碳排放与农业经济增长的响应关系[J].江苏农业科学，2018，46（22）：358-363.

[19]何艳秋，陈柔，吴昊玥，等.中国农业碳排放空间格局及影响因素动态研究[J].中国生态农业学报，2018，26（09）：1269-1282.

[20]田云，吴海涛.产业结构视角下的中国粮食主产区农业碳排放公平性研究[J].农业技术经济，2020，297（01）：45-55.

[21]田云，张俊飚.中国省级区域农业碳排放公平性研究[J].中国人口·资源与环境，2013，23（11）：36-44.

[22]罗红，罗怀良，李朝艳，等.泸州市农业碳收支时空变化及公平性评价[J].生态与农村环境学报，2019，35（04）：409-418.

[23]CUI Y，KHAN S U，SAUER J，et al.Exploring the spatiotemporal heterogeneity and influencing factors of agricultural carbon footprint and carbon footprint intensity： Embodying carbon sink effect[J].Science of The Total Environment，2022（846）：157507.

[24]李建豹，黃贤金，孙树臣，等.长三角地区城市土地与能源消费CO2排放的时空耦合分析[J].地理研究，2019，38（09）：2188-2201.

[25]吴昊玥，孟越，黄瀚蛟，等.中国耕地利用净碳汇与农业生产的时空耦合特征[J].水土保持学报，2022，36（05）：360-368，376.

[26]刘晓辉，郑兴明，刘文新.中国村镇建设与资源环境耦合协调空间特征分析[J].农业现代化研究，2023，44（01）：153-160.

[27]徐玥，王辉，韩秋凤.县级尺度下耕地碳收支区域差异与公平性——以江苏省为例[J].河北农业大学学报（社会科学版），2023，25（01）：62-73.

[28]陈罗烨，薛领，雪燕.中国农业净碳汇时空演化特征分析[J].自然资源学报，2016，31（04）：596-607.

[29]曹执令，黄飞，伍赛君.中国农业生产碳汇效应与生产绩效的时空特征[J].经济地理，2022，42（09）：166-175.

[30]胡婉玲，张金鑫，王红玲.中国农业碳排放特征及影响因素研究[J].统计与决策，2020，36（05）：56-62.

[31]徐玥，王辉，韩秋凤，等.我国耕地碳排放时空特征与影响因素[J].江苏农业科学，2022，50（16）：218-226.

[32]吴昊玥，周蕾，何艳秋，等.中国种植业碳排放达峰进程初判及脱钩分析[J/OL].中国生态农业学报（中英文）：1-12.http：//kns.cnki.net/kcms/detail/13.1432.S.20230213.0846.001.html.

[33]赵敏娟，石锐，姚柳杨.中国农业碳中和目标分析与实现路径[J].农业经济问题，2022，513（09）：24-34.

[34]曾贤刚，余畅，孙雅琪.中国农业农村碳排放结构与碳达峰分析[J].中国环境科学，2023，43（04）：1906-1918.

[35]林斌，徐孟，汪笑溪.中国农业碳减排政策、研究现状及展望[J].中国生态农业学报（中英文），2022，30（04）：500-515.

责任编辑：管仲

A Study of the Spatial-Temporal Coupling Patterns Between the Net Carbon Effect of Agriculture and Agricultural Economic Development in China

1Xu Yue  1，2，3Wang Hui  4Han Qiufeng

（1School of Public Policy and Management， China University of Mining and Technology， Xuzhou 221116， Jiangsu， China;

2China Resource-based City Transformation Development and Rural Revitalization Research Center， Xuzhou 221116， Jiangsu， China; 3Research Center for Land Use and Ecological Security Governance in Mining Area， China University of Mining and Technology， Xuzhou 221116， Jiangsu， China; 4School of Environment and Spatial Informatics， China University of Mining and Technology， Xuzhou 221116， Jiangsu， China）

Abstract： Agriculture is both a carbon source and a carbon sink. The practice of reducing agricultural sources and increasing the capacity of agricultural sinks is a key link to help achieve the “double carbon” goal and build an agricultural power. This paper uses the emission coefficient method and parameter estimation method to estimate the volume， structure and intensity of Chinas agricultural carbon source and carbon sink from 2000 to 2021， and then explores the coupling coordination between Chinas agricultural net carbon effect and agricultural economic development based on the coupling coordination degree model and the Tapio coupling index. The results are as follows. （1）Chinas agricultural carbon emission may have reached its peak in 2015， and has experienced a three-stage change process of “fluctuating rising period - gentle rising period - gentle declining period”. The contribution degree， development trend and peak node of various carbon sources are different， and livestock breeding （42.67%） is the most important carbon source.（2）Chinas agricultural carbon uptake is much higher than agricultural carbon emissions， and the average ratio of the two is 2.64， which has experienced a two-stage change process of “fluctuating rising period - gentle rising period”. The carbon uptake， contribution degree and development trend of crops in grain economic garden are significantly different， with  food crops accounting for the most part（75.18%）.（3）Chinas agricultural net carbon effect and agricultural economic development present a situation of coordination and imbalance， and the degree of coordination is increasingly dominant， especially the coordination degree of major grain-producing provinces.（4）The scatter point of the coupling index in most years falls in the first quadrant， and increasingly shows a trend of economy-dominated coupling state. Overall， the volume of net carbon effect in Chinas agriculture has been rising steadily， and the economic effect has been leading the environmental effect since the “13th Five-Year Plan”.

Key words： net carbon effect of agriculture; spatial-temporal characteristics; coupling coordination; Tapio coupling index; agricultural carbon emission