我国茶业碳汇的时空演变规律和空间分异格局研究

袁俐雯 张俊飚 秦江楠

收稿日期：2023-09-25             修订日期：2023-10-27

基金项目：浙江农林大学科研发展基金人才启动项目（2023FR015）、中国工程院咨询项目（2022-XY-53）

作者简介：袁俐雯，女，博士研究生，主要从事农业资源与环境经济研究。*通信作者：zhangjb513@126.com

摘要：茶园生态系统具有重要的碳库功能。分析测评茶园生产种植过程中的碳汇水平，对科学评估茶园潜在的生态价值，推动茶产业绿色低碳发展意义重大。选取全国16个茶叶主产省份1978—2020年数据，借助茶树生长周期的生物量模型、土壤含碳量模型核算评估了我国茶业碳汇的基本情况，利用重心拟合模型分析了茶業碳汇的时空演变规律，并结合地理探测器模型就其空间分异的驱动因子展开探讨。结果表明：（1）我国茶业碳汇总量呈阶段性增长态势，于2020年达到73 531.10万t，且土壤碳汇积累量高于植被碳汇，碳汇强度则具有“升-降-升”变化特征；（2）各省际茶业碳汇强度差异明显，高强度省份聚集在我国东部沿海和西部地区，碳汇重心长期位于湖南省境内，但稍有向西位移趋势；（3）农业补贴、农业经济发展水平是影响我国茶业碳汇空间分布格局的重要驱动力，但不同地区茶业碳汇空间分异的主导因子存在区别。基于此，从茶业碳汇的管理经营以及产业政策制定等方面提出相关建议。

关键词：茶业；碳汇；测度；时空演进；驱动因子

中图分类号：S571.1；F323.21              文献标识码：A               文章编号：1000-369X（2024）01-149-12

Study on the Spatiotemporal Evolution and Spatial Differentiation Pattern of Carbon Sink in

Chinas Tea Industry

YUAN Liwen1， ZHANG Junbiao2，3*， QIN Jiangnan1

1. College of Economics and Management， Huazhong Agricultural University， Wuhan 430070， China; 2. College of Economics and Management， Zhejiang A&F University， Hangzhou 311300， China; 3. Zhejiang Rural Revitalization Research Institute， Hangzhou 311300， China

Abstract： The tea garden ecosystem has an important carbon storage function. Analyzing and evaluating the carbon sink level during the production and planting process of tea gardens is of great significance for scientifically evaluating the potential ecological value of tea gardens and promoting the green and low-carbon development of the tea industry. This paper selected data from 16 major tea producing provinces in China from 1978 to 2020， used biomass models of tea plant growth cycles and soil carbon content models to calculate and evaluate the basic situation of carbon sinks in Chinas tea industry. The center of gravity fitting model was used to analyze the spatiotemporal evolution of carbon sinks in the tea industry， and the driving factors of spatial differentiation were explored in conjunction with geographic detector models. The results show that： （1） The total carbon sink of Chinas tea industry had shown a phased growth trend， reaching 735.311 million tons in 2020， and the accumulation of soil carbon sink was higher than that of plant carbon sink. The carbon sink intensity showed a “rise-decrease-rise” characteristic. （2） There were significant differences in carbon sink intensity among different provinces in the tea industry. High-intensity provinces were concentrated in the eastern coastal and western regions of China， and the carbon sink gravity center had long been located within Hunan province， but there was a slight trend of westward displacement. （3） The agricultural subsidies and the development level of agricultural economy were important driving forces that affect the spatial distribution pattern of carbon sinks in Chinas tea industry， but there were differences in the dominant factors for the spatial differentiation of carbon sinks in different regions. Based on this， this paper proposed relevant suggestions from the management and operation of carbon sinks in the tea industry， as well as the formulation of industrial policies.

Keywords： tea industry， carbon sink， evolution， spatial-temporal evolution， driving factors

进入新世纪以来，我国茶业规模不断扩张，2022年茶园面积达到了333.03万hm2，较1978年增加了2倍[1]。同时，在绿色低碳发展方面，工作有序推进，态势良好。截至2020年，我国茶园绿色防控技术覆盖率达到56.6%[2]，“三品一标”基地数量也呈现增加状态，在农业农村部公布的种植业“三品一标”基地名单中，茶产业由第一批的7个基地增加到第二批的10个基地，占比从7%增加到10%。尽管我国茶业低碳发展态势明显，但人们更侧重于对其经济效益的关注，对其生态效益重视不够。目前，已有部分地区注意到了茶业的生态经济价值，如福建省率先将茶业碳汇纳入到碳交易市场，推动了茶业碳汇价值的转化实现，但数量有限。究其原因，植茶过程所形成的茶园生态系统的碳功能过程复杂，影响了核算结果的科学性和精确性。为此，探索建立茶业碳汇分析的核算体系十分必要。

已有研究人员从碳足迹视角出发，针对不同茶树品种、不同地区植茶、加工及销售环节形成的碳排放、碳汇等碳效应问题展开了分析[3-4]，对样本地区茶园的生态环境效率进行了评估[5]，以及对地形、施肥量、土壤pH值等外部环境如何影响和作用于茶园生态系统的碳循环进行了研究[6]，并取得了一定成果。但这些研究更多是基于微观视角，运用特定地区的样本数据或试验数据，在小尺度和小样本情况下对茶园碳效应进行评估，而从宏观视角下对区域茶业碳效应长时段动态评估的研究较少。虽然Zhang等[7]利用模型推演了我国1950—2010年茶业碳汇的变化情况，但并未对其空间分布特征展开深入探讨。基于此，本研究在对我国茶业宏观发展情况分析的基础上，运用科学的分析方法，对1978—2020年全国16个主产区茶业的碳汇水平進行估算，以期揭示其时空演进的内在特征，探寻可能的驱动因子。

1 概念界定、研究方法及数据来源

1.1 概念界定

本研究中所涉及的“茶业碳汇”更偏向于宏观概念，即以我国茶叶主产省份为基本核算单元，测度评估各地植茶过程中形成的碳汇。具体而言，茶业碳汇的核算主要统计植茶过程中作物吸收大气中的二氧化碳，并以生物量形式在植被或土壤中被固定的那一部分。

1.2 研究方法

1.2.1 茶业碳汇核算方法

根据概念界定，茶业碳汇既包括植被自身光合作用吸收固定的二氧化碳CSplant，又包括由土壤层吸收沉积的二氧化碳CSsoil，两者之和为茶业总碳汇CStotal，具体见式（1）。

·············（1）

其中，植被固定形成的碳汇估算参考生物量因子转换法，即采用单位面积茶树总生物量（包含地上、地下生物量）与国际通用的植物碳转换系数CF的乘积计算茶树含碳量[8]，进而得到该部分的单位面积碳汇水平CSplant/scale，如式（2）所示。

········································（2）

式中，Mup表示茶树地上部分生物量（t·hm-2），R为茶树根冠比，Mup（1+R）表示茶树总生物量，44/12为碳转化为二氧化碳的分子量。通常CF取值为0.5，R取值在0.427～0.595，为便于估计，研究取其中间值0.511。

1978年以后，我国植茶方式普遍改为双条种植，借鉴张敏等[9]的研究，茶树地上部分生物量Mup与树龄t的关系如式（3）所示。

····（3）

该模型中，茶树采摘季包括春、夏、秋三

季，采摘方式为一芽二叶。如图1所示，茶树树龄一般在50～60 a，当树龄超过24 a时，植被地上部分生物量逐渐趋于稳定。此外，由于拟合函数中第一年茶树的地上部分生物量为负值，因此参考吴乔明[10]研究的处理方式，将第一年茶树地上部分生物量确定为第一年与第二年的平均值3.457 t·hm-2。

土壤层吸收沉积的二氧化碳同样与茶树的树龄密切相关[11]。参考已有研究中利用H2SO4-K2Cr2O7氧化法建立模型测定土壤含碳量的方法[12]，得到公式（4）茶树树龄与单位质量（kg）土壤层吸收固定的碳含量（g）之间的函数关系。

·····（4）

茶树地上部分生物量与茶树树龄之间的变化关系如图2所示。考虑到新茶园土壤在植茶后的第4年才拥有土壤碳储存，因此前3年的土壤层碳吸收沉积量可视为零。此外，研究中统计的土壤固碳层高度取值为20 cm，土壤密度取值为1.20 g·cm-3[7]。

研究将1978年视为初始植茶年份，并假设自1978年植茶以来，后续年份中若发生因茶园面积缩减而造成茶园生物量减少的情况，将从初始茶园面积中予以累计扣除（若茶园累计减少面积大于初始茶园面积，则将超出的部分从1978年以后的新增茶园面积中依次扣除）。需要说明的是，海南省、重庆市由于特殊的地理行政区划分（海南省1988年以前归属广东省管辖，重庆市1997年以前归属四川省管辖），分别于1988年和1997年开始记录茶园面积数据，因此本研究对这两个省份的数据进行了特殊处理，将海南省数据与广东省合并，将重庆市数据与四川省合并。

茶叶主产省份i在j年由植被固定形成碳汇CSplant，ij的核算如公式（5）和公式（6）所示：

··················（5）

······（6）

当茶园在j年的累计减少面积小于（或等于）初始茶园面积，则植被部分碳汇的核算采用式（5）。式中，Anew，i，p表示某茶叶主产省份i在p年较上一年新增的茶园面积，Adecline，i，q表示某茶叶主产省份i在q年较上一年减少的茶园面积，Ai，1978表示主产省份i在1978年的初始茶园面积，p和q的取值在1979—2020年。

当茶园在j年的累计减少面积大于初始茶园面积，则植被部分碳汇的核算采用公式（6）。式中，pr表示j年间累计减少茶园面积超出初始茶园的部分恰好能够被pr年及pr年以前新增茶园面积抵扣。

同理，茶叶主产省份i在第j年由土壤层吸收沉积形成碳汇CSsoil，ij的核算如公式（7）和公式（8）所示：

········································（7）

········（8）

当茶园在j年的累计减少面积小于（或等于）初始茶园面积，则土壤部分碳汇的核算采用公式（7）。式中，0.24为转化系数（即土壤样方密度与高度的乘积），能够将茶园面积转化为茶园土壤质量。

当茶园在j年的累计减少面积大于初始茶园面积，则土壤部分碳汇的核算采用公式（8）。

1.2.2 重心拟合模型

重心拟合模型旨在分析某一区域中某种属性存在的重心位置及不同年份其在区域空间中的动态转移轨迹[13]。全国茶业碳汇重心的地理坐标（，）表达如公式（9）所示。

······（9）

式中，k为模型假设研究区域具备的单元个数，Cab（a=1，2，3，…，k）表示第a个单元在第b年的茶业碳汇量，Xa和Ya分别为单元a的中心经纬度坐标，参考刘佳骏等[14]和Fan等[15]的研究，以各省份省会城市的地理坐标代表各单元的中心经纬度坐标。

重心转移距离的根据公式（10）计算。

·······································（10）

式中，d表示相隔年份间碳汇重心移动的距离，b1、b2分别表示不同年份，（Xb1，Yb1）和（Xb2，Yb2）分别表示第b1和b2年碳汇重心的经纬度坐标，k为常数，一般取值为111.111。

1.2.3 地理探测器模型

地理探测器模型是分析空间分异性，揭示背后驱动力的一种统计学方法。该方法假定当某个自变量对某个因变量有重要影响，那么自变量和因变量的空间分布则具备相似性[16]。地理探测器包含分异及因子探测、交互作用探测、风险区探测和生态探测4个子模块，本研究主要运用前两个模块探析驱动因子的显著性以及因子交互后的解释力。探测我国茶业碳汇空间分异驱动因子的计算模型如公式（11）所示。

·········（11）

式中，H为因子的分层，h=1，2，…，H，Nh和N分别为层和全区的单元数量，ωh2和ω2分别表示h层和全区碳汇属性的方差。SSW和SST分别代表层内方差和全区的总方差。g[0，1]，其值越大意味着因子对茶业碳汇属性的解释力越强，反之则越弱。

在驱动因子的选择中，研究从自然因素、产业特征因素和经济社会因素3个维度出发，并综合考察数据的可得性，最终筛选得到6个指标，如表1所示。

1.3 数据来源

自我国1978年开始实行改革开放以来，茶业生产体制发生较大变化，茶园面积开始迅速增长，植茶方式也逐渐由单行种植改为双条种植。因此，本研究选取1978—2020年我国16个茶叶主产省份作为具体研究对象（包括江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、四川、贵州、云南、陕西、甘肃，重庆以及海南两产区数据则分别并入四川和广东）。

茶业碳汇核算中运用的各省份的茶园面积、茶叶产量数据来源于中国国家统计局。茶树树龄以1978年年初为初始植茶时间，记1978年年末各地区茶树树龄为1，后续年份需根据茶园面积的变化统计科学计算新增茶树的树龄。此外，各驱动因子中，年均气温、日降水量数据来源于欧盟及欧洲中期天气预报中心等组织发布的ERA5-Land数据集[17]，农业经济发展水平、农业劳动力水平以及农业补贴等指标来源于《中国统计年鉴》和中国国家统计局。

2 茶业的碳汇核算结果及其时空演进特征分析

2.1 茶业碳汇的时序特征分析

2.1.1 茶业碳汇总量的时序特征分析

如图3所示，我国茶业碳汇总体呈现不断增长状态，由1978年初始植茶的1 003.19万t积累到2020年的73 531.10万t，扩大近73倍。根据表2中碳汇总量的增长率变化可将我国茶业碳汇时序变动大致划分成3个阶段：第一阶段为1978—1984年的急速增长期。该阶段我国刚经历改革开放，分包到户政策给予了茶农充分的经营自由，茶农们积极开辟新茶园，继而由茶园规模扩张形成茶业碳汇量积累迅速上升。第二阶段为1984—2000年的平缓上升期。1984年国务院出台《关于调整茶叶购销政策和改革流通体制意见的报告》，我国茶叶市场全面放开，产品竞争更加激烈，由于种植技术的缺乏，部分地区不适宜茶树生长的陡坡地逐渐还林，导致这一时期茶业碳汇呈现出小幅波动，但整体仍呈上升趋势。第三阶段为2000—2020年的稳健增长期。21世纪以来，我国茶业发展迈入黄金时期，植茶技术和制茶工艺不断精进，不仅实现产量、产值同步增长，在国际市场影响力也日益提升。2016年农业

部发布《农业部关于抓住机遇做强茶产业的意见》，强调要重点提高茶产业质量效益和产品竞争力。至此，我国茶业碳汇积累持续扩大。

2.1.2 茶业碳汇强度的时序特征分析

与茶业碳汇总量的变动趋势略有不同，我国茶业碳汇强度在1978—1984年期间表现为倍速增长。在该阶段下，新植茶树由幼苗期向成年期过度，枝叶的蓬勃生长使得单位面积生物量的提升，因而贡献出大量植被碳汇。1984年以后，茶业碳汇强度则在“升-降-升”的小幅波动中逐渐趋于稳定状态。一方面，随着茶树的生长，旧茶园的土壤碳汇开始累积，表现为茶业碳汇强度的率先上升；另一方面，由于种植技术不够成熟导致部分茶園被迫改为粮田，旧茶园植被及土壤碳汇遭受一定程度衰减，但在2010年后，新茶园的不断补充带来了植被碳汇的快速增长。此外，我国茶业碳汇强度最高值出现在1998年，每公顷达到248.68 t。

2.1.3 茶业碳汇结构的时序特征分析

1978—2020年我国茶业土壤碳汇和植被碳汇的总量及强度的变化情况如图4所示。不同碳汇源均保持着较为一致的变化趋势，除在1980年以前年份中土壤碳汇弱于植被碳汇外，其余观测年份土壤碳汇量及强度均高于植被碳汇。由此可见，土壤碳库是茶业碳汇积累的重要组成部分，且随着时间推移，土壤碳汇与植被碳汇在总量方面的差距呈现不断扩大之势，但强度方面的差距逐渐趋于稳定。

2.2 茶业碳汇的空间特征分析

考虑到各茶业主产省份的实际茶园种植面积存在差异，以碳汇强度的变化来反映不同产区碳汇的空间演变差异将更符合客观实际。表3中记录了不同区域的茶业碳汇强度表现。总体而言，我国茶业碳汇强度高值大部分聚集在东部沿海和西部地区，即呈现出东部沿海、西部地区高，而中部地区相对较低的“环绕式”分布格局。从平均碳汇强度来看，东部沿海地区平均碳汇强度最高，达到每公顷226.05 t，中部地区与西部地区平均碳汇强度较为接近，且前者略高于后者。具体而言，各主产省份之间，碳汇强度也出现了较明显的省际差异。例如，2006年碳汇强度最高的省份为安徽省，碳汇强度达到每公顷269.96 t，同期最低的省份为甘肃省，碳汇强度仅有每公顷106.67 t，两者每公顷差距达到163.29 t。

2.3 茶业碳汇的时空演进分析

结合重心拟合模型，计算得到1978—2020年间我国茶业碳汇重心的年际位移距离与位移方向（表4），并绘制得到我国茶业碳汇的重心迁移路径图（图5）。我国茶业碳汇重心长期位于湖南省域内，与初始观测年份（1978年）相比，2020年我国茶业碳汇重心发生明显西移，其重心的地理坐标由（112.86?E，28.46?N）变换为（110.41?E，28.47?N），直线迁移距离达到272.13 km，该现象与我国茶产业生产布局变迁的客观规律相吻合。随着东部沿海地区劳动力成本和土地成本的不断上涨，出于生产要素的比较优势，我国茶树种植逐步从经济发达地区向相对不发达地区转移，形成“东茶西扩”的生产格局[18]。西部地区茶园面积不断扩张，开发的新茶园带来了更多植被和土壤碳储存，碳汇总量显著提升，而东部沿海地区茶园面积则发生缩减，在此消彼长的动态变化下，茶业碳汇重心产生了自东向西的迁移路径。

尽管我国茶业碳汇的地理重心综合表现为西迁趋势，但从转移方向和转移距离随时间变化的细节看，其迁移过程主要经历了以下4个阶段：第一阶段为1978—1984年，碳汇重心短暂向东南方向移动，转移距离为47.34 km，转移平均速度为7.89 km·a-1；第二阶段是1984—2000年，碳汇重心向西南方向迁移，转移距离为137.07 km，转移平均速度为8.57 km·a-1；第三阶段是2000—2010年，碳汇重心向西北方向转移，转移距离为115.16 km，转移平均速度为11.52 km·a-1；第四阶段是2010—2020

年，碳汇重心继续向西南方向延伸，转移距离为133.49 km，转移平均速度为13.35 km·a-1。

2.4 茶业碳汇空间分异的驱动因子分析

为深入分析我国茶业碳汇空间分异的核心驱动力，从全样本和地区样本视角出发，统计了各驱动因子的地理探测器模型估计结果（表5）。全样本的探测结果表明，除产业布局外，其余驱动因子都对茶业碳汇强度空间分异的形成起关键性作用（即驱动因子对茶业碳汇强度的影响均较为显著）。各显著驱动因子的g统计量排序为农业补贴（0.188 4）＞农业经济发展水平（0.087 8）＞年均气温（0.048 8）＞日降水量（0.037 7）＞农业劳动力水平（0.034 9），表明以农业补贴和农业经济发展水平为代表的经济因素是影响我国茶业碳汇空间分布格局的两大重要驱力。实践中，如优良茶种补贴、茶业机械补贴等政策的实施，既推动了我国植茶技术向绿色转型升级，又提升了茶树栽种过程中对自然风险的抵御能力，对茶业增产增汇起到了积极作用。

分样本区域的驱动因子分析结果表明，各地区茶业碳汇空间分异的主导因子存在差异，东部沿海地区为农业补贴和农业经济发展水平，中部地区为农业补贴和年均气温，西部地区则为农业补贴和农业劳动力水平。可能的解

释在于：近60年来，我国中部地区气候呈现出增温增湿态势[19]，高温天气的频繁出现导致茶产区逐渐向北和高海拔地区迁移[20]，加之我国中部地区农业技术效率水平整体较低[21]，技术引入对适应和减缓气候变化的作用效果相对有限，因而年均气温是影响中部地区茶业碳汇强度的关键因素。西部地区则因其区位因素制约，农业劳动力非农转移较多[22]，同时特殊的地形条件也造成了农机服务对劳动力的替代效果有限，导致农业劳动力的供给成为了影响西部地区茶业碳汇强度的关键因素。

基于全样本的茶业碳汇空间分异驱动因子的交互探测结果表明（表6），在显著的驱动因子中，任意两个因子的交互作用均大于单个因子，解释力度显著增强。表明我国茶业碳汇空间分异的结果并非是单一驱动因子造成，而是多种因子的共同作用。其中，年均气温与农业补贴的交互驱动因子的g统计量得分最高，达到0.287 5；其次为年农业经济发展水平和农业补贴、日降水量和农业补贴的交互驱动因子，g统计量得分为0.282 2和0.275 9，并且交互类型均显示为非线性增强。以上结果表明，自然因素与经济社会因素的共同作用更能够影响碳汇的空间分异，意味着我国茶业绿色高质量发展需要紧密结合产业特征，兼顾区域自然禀赋与经济社会发展的相互协同。

3 讨论

茶树种植带来的碳汇潜力巨大，然而我国幅员辽阔，不同茶区在土壤、气候、品种、栽培措施等方面都具有差异，因而探索更为适普的茶业碳汇评估方案有助于从宏观视角把握我国茶业碳库基本情况。本研究建立在已有文献模型的基础上，对1978—2020年我国16个茶叶主产省份的茶业碳汇进行评估，发现我国茶业碳汇总量呈现快速增长状态，这一发展趋势也与Zhang等[7]的核算预测相吻合。我国茶园主要分布在亚热带，阮建云[23]研究指出，该区域茶园土壤层（0～40 cm）每公顷有机碳储量一般为198.00 t，这与本研究核算得到我国茶园土壤层（0～20 cm）每公顷平均碳储量116.35 t较为一致（考虑碳层深度不同，40 cm深度下土壤有机碳储量约为20 cm的两倍）。地区层面，基于遥感观测和实地取样，何小娟[24]对四川省名山县茶园生态系统碳汇进行了评估，得到了茶园净作模式每公顷碳汇量为284.53 t，這与本研究测算得到的四川省（包含重庆市）每公顷茶业碳汇强度相近。考虑到本研究的观测时点均设定在年末，茶树已经过夏、春、秋三季的采摘及茶园修剪，茶树的生物量有所减少，因此可认为本研究的估算结果在相对合理的误差区间。

尽管本研究在推进茶业碳汇核算中做出了一些尝试，但仍存在着大尺度下估计较为粗糙的问题。例如，各地区不同茶园的茶树采摘、修剪频次以及茶园更新改造面积等均缺乏较为系统、权威、可靠的公开数据资料，本研究对各地区茶树生物量的估计模型采取了统一化处理，未能充分考虑模型与各区域茶树生长环境的匹配问题。未来希望借助大数据平台，收集开发符合各茶区不同茶树品种生长特点的生物量模型，以总结一般规律，形成对现有模型的优化改进，进一步完善茶业碳汇测算方案。

4 结论与启示

4.1 研究结论

本研究依据宏观年鉴数据，运用茶树生长周期的生物量模型、土壤含碳量模型等核算方法，客观评估了1978—2020年我国16个茶叶主产省份碳汇的现实情况。在此基础上，借助重心拟合、地理探测器等分析方法，阐释了我国茶业碳汇的时空演变规律和空间分异格局，得到了以下结论：

（1）在碳汇的测算结果上，我国茶业具备较大的固碳潜力。2020年碳汇总量达到历史最高值73 531.10万t，为1978年的73倍，土壤碳汇是主要的贡献者。

（2）在碳汇的时空演进上，我国茶业碳汇总量的时序演变表现出阶段性增长趋势，茶业碳汇强度则呈现为“升-降-升”的波动态势。但各省际之间的茶业碳汇强度差异明显，高强度省份聚集在我国东部沿海和西部地区。在发展过程中，我国茶业碳汇重心长期位于湖南省境内，但整体表现为向西位移的趋势。

（3）在碳汇空间分异的驱动因子上，展现为多种因子的共同作用，但不同地区的主导因子存在差异。农业补贴与农业经济发展水平是影响我国茶业碳汇空间分布格局的两大重要驱力。分区域而言，除农业补贴外，东部沿海地区分异更多的是由农业经济发展水平所主导，中部地区分异更多由气温条件主导，西部地区分异则更多由农业劳动力水平主导。

4.2 政策启示

第一，强化茶业碳汇资源的有效管理。老茶园土壤碳库的积累对茶业碳汇十分重要，因而在对老旧茶园进行更新改造的同时，有必要结合植茶技术的更迭，通过引进新技术改善茶业产能并维护土壤碳库，以增强茶业碳汇能力。

第二，提升茶业碳汇资源的价值转化。我国茶树种植积累了大量碳汇资源，但由于缺少变现途径，导致该生态资产难以实现价值转换。因此需要进一步健全碳交易市场，鼓励茶农加入茶园碳汇交易，在促进茶业提质增效发展的同时，实现茶农持续增收。

其三，注重茶业发展政策的地区兼容。我国茶业碳汇在省域、区域等空间层面的分异状况较为明显，且造成分异的核心驱动力存在一定差异。因此，茶业的发展需要结合地区自然禀赋、经济社会发展条件，倡导因地制宜，分类施策，因势利导。政策实施的过程中也需要打好组合拳，为茶产业发展营造良好的外部环境。

参考文献

[1]梅宇， 张朔. 2022年中国茶叶生产与内销形势分析[J]. 中国茶叶， 2023， 45（4）： 25-30.

Mei Y， Zhang S. Analysis of China's tea production and domestic sales in 2022 [J]. China Tea， 2023， 45（4）： 25-30.

[2]冷杨， 童杰文， 黄萍， 等. 我国茶产业发展“十三五”回顾及“十四五”展望[J]. 中国茶叶， 2021， 43（9）： 25-30.

Leng Y， Tong J W， Huang P， et al. The development of tea industry in China during the 13th Five-Year Plan Period and prospects for the 14th Five-Year Plan Period [J]. China Tea， 2021， 43（9）： 25-30.

[3]Xue H， Ren X Y， Li S Y， et al. Assessment of private economic benefits and positive environmental externalities of tea plantation in China [J]. Environmental Monitoring & Assessment， 2013， 185（10）： 8501-8516.

[4]Xu Q， Hu K L， Wang X L， et al. Carbon footprint and primary energy demand of organic tea in China using a life cycle assessment approach [J]. Journal of Cleaner Production， 2019， 233（1）： 782-792.

[5]Ulhaq S， Boz I， Shahbaz P， et al. Evaluating eco-efficiency and optimal levels of fertilizer use based on the social cost and social benefits in tea production [J]. Environmental Science and Pollution Research International， 2020， 27（26）： 33008-33019.

[6]何燕， 李廷軒， 王永东. 低山丘陵区不同坡位茶园土壤有机碳特征研究[J]. 水土保持学报， 2009， 23（2）： 122-126.

He Y， Li T X， Wang Y D. Soil organic carbon of tea plantation on different slope positions in low mountains and hills [J]. Journal of Soil and Water Conservation， 2009， 23（2）： 122-126.

[7]Zhang M， Chen Y G， Fan D M， et al. Temporal evolution of carbon storage in Chinese tea plantations from 1950 to 2010 [J]. Pedosphere， 2017（1）： 121-128.

[8]Fang J Y， Chen A P， Peng C H， et al. Changes in forest biomass carbon storage in China between 1949 and 1998 [J]. Science， 2001， 292（8）： 2320-2322.

[9]张敏， 陈永根， 于翠平， 等. 在茶园生产周期过程中茶树群落生物量和碳储量动态估算[J]. 浙江大学学报（农业与生命科学版）， 2013， 39（6）： 687-694.

Zhang M， Chen Y G， Yu C P， et al. Dynamic assessments of plant biomass and carbon storage during the production cycle of tea gardens [J]. Journal of Zhejiang University （Agriculture and Life Sciences）， 2013， 39（6）： 687-694.

[10]吴乔明. 一种基于生物量模型的茶园碳汇量快速测算方法： CN115936914A [P]. 2023-04-07.

Wu Q M. A rapid calculation method for carbon sink in tea plantations based on biomass model： CN115936914A [P]. 2023-04-07.

[11]朱仁欢， 郑子成， 李廷轩， 等. 植茶年限对土壤水稳性团聚体腐殖质组分特征的影响[J]. 环境科学研究， 2018， 31（6）： 1096-1104.

Zhu R H， Zheng Z C， Li T X， et al. Effect of tea plantation age on humus fractions in soil water-stable aggregates [J]. Research of Environmental Sciences， 2018， 31（6）： 1096-1104.

[12]Walkley A， Black A I. An examination of the Degtjareff method for determining soil organic matter， and a proposed modification of the chromic acid titration method [J]. Soil Science，1934， 37（1）： 29-38.

[13]刘彦随， 王介勇， 郭丽英. 中国粮食生产与耕地变化的时空动态[J]. 中国农业科学， 2009， 42（12）： 4269-4274.

Liu Y S， Wang J Y， Guo L Y. The spatial-temporal changes of grain production and arable land in China [J]. Scientia Agricultura Sinica， 2009， 42（12）： 4269-4274.

[14]刘佳骏， 李雪慧， 史丹. 中国碳排放重心转移与驱动因素分析[J]. 财贸经济， 2013（12）： 112-123.

Liu J J， Li X H， Shi D. Study on the shift of CO2 emissions gravity center and driving factors [J]. Finance & Trade Economics， 2013（12）： 112-123.

[15]Fan L L， Liang S F， Chen H， et al. Spatial-temporal analysis of the geographical centroids for three major crops in China from 1949 to 2014 [J]. Journal of Geographical Sciences， 2018， 28（11）： 1672-1684.

[16]王勁峰， 徐成东. 地理探测器： 原理与展望[J]. 地理学报， 2017， 72（1）： 116-134.

Wang J F， Xu C D. Geodetector： principle and prospective [J]. Acta Geographica Sinica， 2017， 72（1）： 116-134.

[17]Mu?oz Z J. ERA5-Land monthly averaged data from 1950 to present [DS/OL]. [2023-09-25]. https：//cds.climate. copernicus.

eu/cdsapp#！/dataset/reanalysis-era5-land-monthly-means？tab=overview.

[18]吴芹瑶， 杨江帆， 林程， 等. 中国茶叶生产布局变迁研究[J]. 茶叶科学， 2022， 42（2）： 290-300.

Wu Q Y， Yang J F， Lin C， et al. Research on the changes of Chinas tea production layout [J]. Journal of Tea Science， 2022， 42（2）： 290-300.

[19]程书波， 李冲， 岳颖， 等. 1961—2020年我国中部地区气温和降水时空变化特征[J]. 水利水电技术（中英文）， 2023， 54（6）： 75-86.

Cheng S B， Li C， Yue Y， et al. Temporal and spatial variation characteristics of temperature and precipitation in central China from 1961 to 2020 [J]. Water Resources and Hydropower Engineering， 2023， 54（6）： 75-86.

[20]韩文炎， 李鑫， 颜鹏， 等. 气候变化对茶叶生产的影响及应对技术展望[J]. 中国茶叶， 2020， 42（2）： 19-23.

Han W Y， Li X， Yan P， et al. Effect of climate change on tea production and its adaptation technology prospect [J]. China Tea， 2020， 42（2）： 19-23.

[21]葛鹏飞， 王颂吉， 黄秀路. 中国农业绿色全要素生产率测算[J]. 中国人口·资源与环境， 2018， 28（5）： 66-74.

Ge P F， Wang S J， Huang X L. Measurement for Chinas agricultural green TFP [J]. China Population， Resources and Environment， 2018， 28（5）： 66-74.

[22]卢华， 周应恒， 张培文， 等. 农业社会化服务对耕地撂荒的影响研究——基于中国家庭大数据库的经验证据[J]. 中国土地科学， 2022， 36（9）： 69-78.

Lu H， Zhou Y H， Zhang P W， et al. Impact of socialized agricultural services on farmland abandonment： empirical evidence based on Chinese family database [J]. 2022， 36（9）： 69-78.

[23]阮建云. 茶园生态系统固碳潜力及低碳茶叶生产技术[J]. 中国茶叶， 2010， 32（7）： 6-9.

Ruan J Y. Carbon sequestration potential of tea plantation ecosystem and low-carbon tea production technology [J]. China Tea， 2010， 32（7）： 6-9.

[24]何小娟. 名山縣茶园生态系统碳汇能力分析[D]. 成都： 四川农业大学， 2013.

He X J. Analysis the carbon sequestration capacity of the tea plantation of Mingshan county [D]. Chengdu： Sichuan Agricultural University， 2013.