考虑水土匹配的黄河流域农业碳排放时空分异研究

冯誉萱，薛选登

（河南科技大学 商学院，河南 洛阳 471000）

水土资源是农业生产及其可持续发展的基础。黄河流域是我国传统的农耕区和重要的农业生产基地，随着对水土的高强度开发利用（黄河流域土地开发强度为8.53%，高于7.02%的全国平均土地开发强度；水资源开发利用率高达80%，远超40%的生态警戒线），农业生产过程中的能源消耗和碳排放具有极大的负外部性，影响生态环境和资源合理利用［1］。

关于农业碳排放的研究可以分为3 类：1）农业碳排放核算及分析，核算方法有碳排放系数法、模型模拟法和实地测算法等［2－3］，研究角度有投入产出、生产过程、碳汇、全生命周期等［4－7］，研究范围有全国、省域或县域等；2）碳减排驱动机理，研究方法有STIRPAT 模型、GWR 模型和LMDI 模型等［8－9］，考虑的影响因素有农业产业集聚、环境规制等［10－11］；3）碳减排路径、边际成本及趋势预测等，研究视角有宏观和微观，研究方法有STIRPAT 模型、灰色预测模型等［12－16］。鉴于目前学术界极少从水土资源匹配视角对农业碳排放进行分析且对黄河流域农业碳排放的研究相对较少，本文在考虑水土匹配因素的基础上，采用碳排放系数法对2010—2020 年黄河流域九省（区）农业碳排放量进行测算，采用Kaya 恒等式和LMDI 分解模型对黄河流域农业碳排放变化量各影响因素的贡献进行分解，以期为黄河流域农业绿色低碳发展和高质量发展提供参考。

1 研究方法

1.1 水土匹配度

水土匹配度用于衡量区域农业生产所需水资源和土地资源的匹配程度。水土匹配度越高，表明区域水资源与耕地资源分布的一致性越高［17］。本研究以黄河流域各省（区）为样本单元计算农业水土匹配度和农业碳排放量，其中农业水土匹配度计算公式为

式中：R为农业水土匹配度，W为水资源总量，a为农业用水量占用水总量的比例，L为耕地面积。

1.2 碳排放量测算

参考蒋金荷［18］的研究，选取农业生产活动中使用的6 类能源（原煤、汽油、煤油、柴油、燃料油、天然气）进行碳排放量测算，公式如下：

式中：C为农业碳排放总量，Ei为农业生产消耗的第i类能源数量，ti、ki分别为第i类能源折算标准煤系数、碳排放系数（取值见表1）。

表1 各类能源折算标准煤系数及碳排放系数

1.3 考虑水土匹配因素的碳减排量分解

参考Han 等［19］、魏玮等［20］的研究，运用Kaya 恒等式和LMDI 分解模型对农业碳排放总量进行分解。为此，构建Kaya 恒等式如下：

式中：G为农业增加值，WA为农业用水量，P为人口数量。

令c＝C／G（称为农业碳排放强度），g＝G／WA（称为农业水资源经济产出），w＝WA／L（称为单位耕地面积用水量，即农业水土匹配度），l＝L／P（称为人均耕地面积），则农业碳排放总量可用5 个因素的乘积来表示，即把式（3）变为

采用LMDI 分解模型的加法分解形式计算各影响因素对农业碳排放变化量的贡献，公式如下：

式中：ΔC为从基期到T期末的农业碳排放变化量，C0、CT分别为基期农业碳排放量、第T期末农业碳排放量，ΔCc为农业碳排放强度对农业碳排放变化量的贡献，c0、cT分别为基期农业碳排放强度、第T期末农业碳排放强度，ΔCg为农业水资源经济产出对农业碳排放变化量的贡献，g0、gT分别为基期农业水资源经济产出、第T期末农业水资源经济产出，ΔCw为单位耕地面积用水量对农业碳排放变化量的贡献，w0、wT分别为基期单位耕地面积用水量、第T期末单位耕地面积用水量，ΔCl为人均耕地面积对农业碳排放变化量的贡献，l0、lT分别为基期人均耕地面积、第T期末人均耕地面积，ΔCP为人口数量对农业碳排放变化量的贡献，P0、PT分别为基期人口数量、第T期末人口数量，ΔCrsd为各因素分解后的残余项（本研究取ΔCrsd＝0）。

1.4 数据来源

本文以2010—2020 年为研究期，研究所用数据包括逐年水资源总量、用水总量、农业用水量、耕地面积、农业增加值、人口数量、各类能源消耗量及其折算标准煤系数等，数据来源于历年《中国统计年鉴》《中国能源统计年鉴》等。

2 测算结果与分析

2.1 水土资源匹配情况

2010—2020 年水土匹配度计算结果见表2，其中全流域水土匹配度为各省（区）水土匹配度的算术平均值。从各省（区）看，省（区）间农业水土匹配度差异明显，青海和四川两省农业水土匹配度明显较其他省（区）的高，宁夏农业水土匹配度明显较其他省（区）的低。农业水土匹配度最高的是青海，其多年平均值至少高于其他省（区）1 个数量级、是宁夏多年平均值的141.4 倍。各省（区）农业水土匹配度存在明显差异表明，黄河流域水资源的分布与农业土地资源分布存在空间差异。青海虽然拥有丰富的水资源和广阔的土地资源，但农业土地资源利用不充分，导致其农业水土匹配度明显偏高；宁夏农业土地资源利用相对比较充分，但因地处内陆严重干旱区而水资源量较少，导致其农业水土匹配度明显偏低。

表2 2010—2020 年农业水土匹配度计算结果 万m3／km2

从全流域整体上看，2010—2020 年农业水土匹配度呈波动上升趋势，年际差异较大，2015—2016 年明显偏低、2018—2020 年相对较高，最大值（2020 年1.94）是最小值（2016 年0.72）的2.7 倍。由于农业土地资源时空分布相对稳定而水资源时空分布变化较大，因此黄河流域农业水土匹配度时空差异明显的主要原因是水资源时空分布不均。

2.2 农业碳排放量变化情况

2010—2020 年黄河流域农业碳排放量计算结果见表3。

表3 2010—2020 年黄河流域农业碳排放量计算结果 万t

从各省（区）看，2010—2020 年内蒙古、山东、河南三省（区）农业碳排放量较大，分别约占全流域的24.3%、18.2%、17.1%（三者合计约占全流域的59.6%）；农业碳排放量最小的是宁夏，约占全流域的0.9%。从全流域整体上看，黄河流域农业碳排放量在2017 年以前呈增大趋势（2017 年达到最大值1 081.10万t），2018—2020 年大幅度下降（2020 年下降到715.12万t），原因是2017 年召开的党的十九大提出“绿水青山就是金山银山”的可持续发展理念后，各省（区）低碳意识增强、农业产业结构优化调整，使之后农业碳排放量大幅度下降。

2.3 农业碳排放影响因素

2.3.1 全流域整体农业碳排放影响因素

黄河流域农业碳排放变化量各影响因素的贡献分解计算结果见表4。

1）农业碳排放驱动因素。在黄河流域农业碳排放的5 个影响因素中，农业水资源经济产出、人口数量对农业碳排放变化量的贡献（ΔCg、ΔCP）绝大多数年份为正值，即这2 个因素是黄河流域农业碳排放的驱动因素，其中农业水资源经济产出是主要驱动因素。水资源经济产出增加使农作物种植面积扩大、水资源和能源投入增加，进而导致农业碳排放量增加；人口数量的增加使用水量和能源消耗增加，进而导致农业碳排放量增加。

2）农业碳排放抑制因素。在黄河流域农业碳排放的5 个影响因素中，农业碳排放强度、单位耕地面积用水量、人均耕地面积对农业碳排放变化量的贡献（ΔCc、ΔCw、ΔCl）呈正负不定的波动状态。从研究时段（2010—2020 年）整体来看，这3 个因素的贡献均为负值，即这3 个因素是黄河流域农业碳排放的抑制因素，其中农业碳排放强度是主要抑制因素。农业碳排放强度随着经济的增长而下降，在经济增长速度明显快于农业碳排放增长速度时，农业碳排放强度对农业碳排放具有抑制作用，经济发展和农业生产技术革新使单位耕地面积农业用水量降低，从而降低水资源开发利用的能源消耗，也会对农业碳排放起抑制作用；在干旱缺水的旱作农业区，适当增加单位耕地面积农业用水量，可明显提高农作物产量、间接促进农业生产中的能源消耗，进而对农业碳排放起抑制作用；人均耕地面积下降时，农业生产对能源的消耗减少，因而对农业碳排放起抑制作用。

2.3.2 各省（区）农业碳排放影响因素

研究时段（2010—2020 年）黄河流域各省（区）农业碳排放各影响因素对碳排放变化量的贡献见表5。

表5 2010—2020 年各省（区）农业碳排放变化量各影响因素的贡献 万t

由表5 可知：各省（区）农业碳排放强度对农业碳排放变化量的贡献（ΔCc）均为负值，即对农业碳排放起抑制作用，但是各省（区）农业碳排放强度的抑制作用差异较大，其中内蒙古、山东、山西、四川四省（区）农业碳排放强度对农业碳排放的抑制作用相对较大，而青海、宁夏两省（区）农业碳排放强度对农业碳排放的抑制作用相对较小；各省（区）农业水资源经济产出对农业碳排放变化量的贡献（ΔCg）均为正值，即对农业碳排放有驱动作用，但各省（区）农业水资源经济产出对农业碳排放的驱动作用差异较大，其中内蒙古、山东、河南、四川四省（区）的较大，宁夏、青海两省（区）的较小；各省（区）单位耕地面积用水量、人均耕地面积、人口数量对农业碳排放变化量的贡献（ΔCw、ΔCl、ΔCP）正负不尽一致且绝对值差别较大，表明这3 个因素在各省（区）的表现存在差异，各省（区）农业碳排放的驱动因素和抑制因素有所不同。

综合分析各因素在不同省（区）的表现，对各省（区）农业碳排放的主要驱动因素与主要抑制因素进行了归纳，见表6。

表6 各省（区）农业碳排放主要驱动因素和抑制因素

2.4 水土资源匹配与农业碳排放的关系

由表4 和表5 可知，农业水土匹配度（即单位耕地面积用水量）对黄河流域农业碳排放变化量的贡献呈正负不定的波动状态，即在不同时段、不同省份对农业碳排放的影响有不同的表现，如在甘肃、宁夏、内蒙古、山西四省（区）对农业碳排放起驱动作用，而在青海、四川、陕西、河南、山东五省对农业碳排放有抑制作用。与水土匹配状况关系密切的农业水资源经济产出在多数年份对流域整体农业碳排放是驱动因素，也是多数省（区）农业碳排放的主要驱动因素；而农业水土匹配度对农业碳排放的影响在黄河流域上游省份（青海、四川）和下游省份（河南、山东）截然相反。农业水土匹配度对农业碳排放影响的波动原因、农业水资源经济产出对农业碳排放的驱动机理等，有待进一步研究。

3 结论及建议

3.1 结论

1）2010—2020 年黄河流域农业水土匹配度呈波动上升趋势，其时空差异（不同年份间差异、不同省份间差异）较大，即水土资源匹配状况不均衡，主要原因是水资源时空分布不均。

2）黄河流域农业碳排放量在2010—2017 年呈增大趋势，2018—2020 年大幅度下降，各省（区）农业碳排放量差异较大，其中内蒙古、山东、河南三省（区）农业碳排放量之和约占全流域的59.6%。

3）从流域整体来看，农业水资源经济产出是农业碳排放的主要驱动因素，农业碳排放强度是农业碳排放的主要抑制因素；各省（区）农业碳排放的主要驱动因素和主要抑制因素有所不同，农业水资源经济产出是多数省份农业碳排放的主要驱动因素，农业碳排放强度是多数省份农业碳排放的主要抑制因素。

4）水土资源利用与农业碳排放密切相关，农业水土匹配度和农业水资源经济产出在不同年份、不同省份对农业碳排放的影响呈正负不定的波动，其原因有待进一步研究。

3.2 建议

1）积极改善农业水土匹配状况，缩小农业水土匹配度时空差异。鉴于农业土地资源的分布相对稳定而水资源时空分布不均，应尽快实施南水北调西线工程以解决黄河流域水资源严重短缺造成的水土匹配度空间不均衡问题，建设水资源调蓄工程（丰水年份蓄水供枯水年份使用）以解决水土匹配度时间不均衡问题，同时努力提高水资源利用效率、水土资源承载水平，促进流域水土资源利用的均衡发展，为低碳农业发展提供更好的条件。

2）大力开展低碳技术研发，促进农业生产低碳转型。目前，黄河流域部分省（区）灌溉技术落后、水利设施破旧等，间接使农业生产碳排放量增加，因此应大力开展低碳技术开发，根据黄河流域各省（区）实际情况和农业生产需求（农户需求），有针对性地研发农业低碳技术，进而实现农业绿色发展。

3）深化水土匹配与农业碳排放关系的研究，重点关注农业碳排放驱动因素，有针对性地实施农业碳减排措施。