中國農(nóng)牧業(yè)碳排放時空變化及預(yù)測

徐 麗,曲建升,2①,吳金甲,韋 沁,白 靜,李恒吉,2

(1.蘭州大學(xué)資源環(huán)境學(xué)院,甘肅 蘭州 730000;2.中國科學(xué)院蘭州文獻情報中心/ 全球變化研究信息中心,甘肅 蘭州 730000)

溫室效應(yīng)引起的全球氣候變化已經(jīng)威脅到人類的生存與社會經(jīng)濟的發(fā)展,成為當(dāng)今國際社會及學(xué)界關(guān)注的重大環(huán)境問題。作為重要的碳源,農(nóng)牧業(yè)在推動我國土地減排、綠色發(fā)展方面起到重要作用。目前,我國加大了化肥、農(nóng)藥、機械等農(nóng)資投入，以彌補土地和勞動力的不足[1],這不僅導(dǎo)致農(nóng)牧業(yè)溫室氣體大量增加,也使農(nóng)牧業(yè)溫室氣體排放問題成為新的研究熱點。

農(nóng)業(yè)碳排放研究開始于20世紀末期,牧業(yè)碳排放研究開展得更晚,目前的國內(nèi)外研究多集中于農(nóng)業(yè)排放源的劃分和測算,影響因素、區(qū)域差異以及農(nóng)業(yè)減排等方面。SMITH等[2]和XU等[3]歸納計算了不同的碳源種類,均包括農(nóng)地利用、牲畜養(yǎng)殖、水稻和農(nóng)用機械4類碳源,其對農(nóng)業(yè)碳源的劃分和計算方法被多數(shù)研究者采用;韋沁等[4]對中國農(nóng)業(yè)碳排放影響因素進行研究,結(jié)果表明產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、農(nóng)業(yè)人口減少會抑制農(nóng)業(yè)碳排放增長,農(nóng)業(yè)經(jīng)濟發(fā)展會增加農(nóng)業(yè)碳排放量；冉錦成等[5]對我國區(qū)域農(nóng)業(yè)碳排放進行研究,揭示了新疆區(qū)域內(nèi)的差異性和階段特征,補充了區(qū)域的研究結(jié)果；FRANK等[6]從減排機制的角度對農(nóng)業(yè)非CO2減排進行研究,采用技術(shù)和結(jié)構(gòu)緩解方案得出農(nóng)業(yè)碳排放價格變動對減排量的影響,為我國農(nóng)業(yè)碳減排提供了新思路。但是,目前針對農(nóng)、牧業(yè)碳排放預(yù)測的研究不足,多集中于區(qū)域性單一屬性的預(yù)測,例如趙宇[7]和黎孔清等[8]利用多元回歸和可拓展的隨機性環(huán)境影響評估(STIRPAT)模型分析江蘇省和湖南省的農(nóng)業(yè)和農(nóng)地投入碳排放增長機理,利用灰色模型GM(1,1)對兩省農(nóng)業(yè)和農(nóng)地碳排放進行預(yù)測。區(qū)域性預(yù)測可為省份提供參考,但不利于國家層面的整體認識和把控。因此,該研究選取標準差優(yōu)選組合模型,基于國家層面進行預(yù)測。

近年來,為了追求高產(chǎn)量和高效率,化肥、農(nóng)藥、機械、灌溉等農(nóng)資投入不斷上升,這既不符合我國在“十三五”規(guī)劃中將綠色發(fā)展貫穿到經(jīng)濟發(fā)展中的主題,也會產(chǎn)生碳排放和環(huán)境問題。由于各省份產(chǎn)業(yè)發(fā)展不平衡,自然條件存在差異,農(nóng)牧業(yè)碳排放存在省份差異和時空變動。除此之外,農(nóng)業(yè)生產(chǎn)活動的復(fù)雜性決定了農(nóng)業(yè)碳源因子的多樣性,不僅包括作物系統(tǒng)的碳排放,耕作中農(nóng)資系統(tǒng)的碳排放，還包括農(nóng)業(yè)生產(chǎn)中農(nóng)用牲畜飼養(yǎng)帶來的碳排放[9]。因此,該研究將主要糧食作物和農(nóng)業(yè)投入歸類為農(nóng)業(yè)碳源,將農(nóng)用牲畜及日常飼養(yǎng)牲畜歸為牧業(yè)碳源,對我國農(nóng)牧業(yè)碳排放時空變化進行分析并對其進行預(yù)測,有助于國家整體把握農(nóng)牧業(yè)及相關(guān)碳排放的發(fā)展趨勢,促進區(qū)域協(xié)調(diào)發(fā)展,實現(xiàn)土地減排,走生態(tài)農(nóng)牧業(yè)發(fā)展之路。

1 數(shù)據(jù)來源及研究方法

1.1 數(shù)據(jù)來源

該研究涉及主要糧食作物為小麥、水稻、玉米、大豆、蔬菜和其他旱作物(花生、谷子、高粱和土豆),主要農(nóng)業(yè)投入為農(nóng)藥、化肥、農(nóng)膜、農(nóng)業(yè)灌溉和農(nóng)業(yè)機械,主要牲畜為非奶牛(肉牛)、奶牛、馬、騾、驢、豬和羊。

考慮到國家從1997年完善確定省級建制,選取1997—2016年為研究時段。作物種植面積、牲畜的出欄量和年末存欄量、化肥、農(nóng)藥、農(nóng)膜用量等農(nóng)業(yè)投入數(shù)據(jù)均來源于歷年《中國農(nóng)業(yè)年鑒》和《中國農(nóng)村年鑒》;部分年份數(shù)據(jù)來源于中國種植業(yè)信息網(wǎng)和國家統(tǒng)計局官網(wǎng)。

1.2 研究方法

通過查閱文獻,大部分學(xué)者在計算農(nóng)牧業(yè)碳排放時采用的是活動水平數(shù)據(jù)乘以排放因子的計算方法。李波[10]利用農(nóng)業(yè)各種碳源的使用量和碳源的排放系數(shù)計算了農(nóng)地利用的碳排放總量;姚成勝等[11]基于各類牲畜年平均飼養(yǎng)量和各類牲畜發(fā)酵CH4排放系數(shù)估算牲畜腸胃發(fā)酵產(chǎn)生的CH4排放量。而在排放因子的選取上,由于來源不用,同一碳源的系數(shù)也不同,目前的研究方法多結(jié)合前人研究和聯(lián)合國政府間氣候變化專門委員會(IPCC)的準則內(nèi)容確定相應(yīng)的碳排放系數(shù)。

1.2.1農(nóng)資碳排放

參考美國橡樹嶺國家實驗室、IPCC和李波[10]等提出的系數(shù),確定該研究中各類碳源的碳排放系數(shù)如下:農(nóng)藥為4.934 1,化肥為0.895 6,農(nóng)膜為5.180 0,農(nóng)用機械為0.180 0,柴油為0.592 7,灌溉為266.480 0。

E=∑ei=∑(Ti×δi)。

(1)

式(1)中,E為農(nóng)業(yè)生產(chǎn)中物質(zhì)投入的碳排放量,萬t;ei為i類碳源產(chǎn)生的碳排放量,萬t;Ti為i類碳源的消耗量,萬t;δi為i類碳源的碳排放系數(shù)。

1.2.2水稻種植產(chǎn)生的CH4排放

由于各地氣候環(huán)境存在顯著差異,各地水稻生長周期內(nèi)產(chǎn)生的CH4排放也存在差異,通過對現(xiàn)有農(nóng)業(yè)碳排放研究進行梳理發(fā)現(xiàn),何艷秋等[12]和韋沁[13]借鑒了閔繼勝等[14]得出的水稻CH4排放系數(shù),更為全面和科學(xué),該排放系數(shù)不需要單獨考慮化肥施用產(chǎn)生的CH4排放量,同時考慮了早稻、中季稻和晚稻的生產(chǎn)周期差異。因此,筆者在此排放系數(shù)的基礎(chǔ)上計算了水稻種植產(chǎn)生的CH4排放。

NCH4=∑Ri×?i。

(2)

式(2)中,NCH4為水稻種植產(chǎn)生的CH4排放量,萬t;Ri為i類水稻(早稻、晚稻和中季稻)的播種面積,103hm2;?i為單位面積CH4排放系數(shù),g·m-2。

1.2.3農(nóng)作物的N2O排放

各類作物的N2O排放系數(shù)如下:水稻為0.24 kg·hm-2,春小麥為0.40 kg·hm-2,冬小麥為1.75 kg·hm-2,大豆為2.29 kg·hm-2,玉米為2.532 kg·hm-2,蔬菜為4.944 kg·hm-2,旱地作物為0.95 kg·hm-2。各類農(nóng)作物種植產(chǎn)生的N2O排放量計算公式為

NN2O=∑Si×θi。

(3)

式(3)中，NN2O為農(nóng)作物種植產(chǎn)生的N2O排放量,萬t;Si為i類農(nóng)作物(稻谷、小麥、大豆、玉米、蔬菜和其他旱作物)的播種面積,103hm2;θi為農(nóng)作物單位面積年底N2O排放通量,kg·hm-2。

1.2.4畜牧業(yè)碳排放測算

在參考姚成勝等[11]研究成果的基礎(chǔ)上對畜牧業(yè)碳排放進行測算,牲畜腸胃發(fā)酵和糞便關(guān)系的溫室氣體排放系數(shù)見表1。

MCH4=∑Ti×(γi+βi)，

(4)

MN2O=∑Ti×βi。

(5)

式(4)～(5)中,MCH4和MN2O分別為畜牧業(yè)產(chǎn)生的CH4和N2O排放量,萬t;Ti為i類牲畜的年均飼養(yǎng)量,萬頭;γi為i類牲畜腸胃發(fā)酵產(chǎn)生的CH4,kg·頭-1·a-1;βi為i類牲畜糞便管理產(chǎn)生的CH4或N2O,kg·頭-1·a-1。

表1 牲畜腸胃發(fā)酵和糞便關(guān)系的CH4和N2O排放系數(shù)

Table 1 CH4/N2O emission coefficients of gastrointestinal fermentation and manure management system of livestock

牲畜種類CH4排放系數(shù)/(kg·頭-1·a-1)N2O排放系數(shù)/(kg·頭-1·a-1)腸胃發(fā)酵糞便管理糞便管理非奶牛51.41.501.37 奶牛68.016.001.00 豬1.03.500.53 羊5.00.160.33 馬18.01.641.39 驢10.00.901.39 騾10.00.901.39

1.2.5農(nóng)牧業(yè)碳排放

根據(jù)IPCC第四次評估報告[15],1 t CH4所引發(fā)的溫室效應(yīng)相當(dāng)于25 t CO2(約合6.82 t C)所產(chǎn)生的溫室效應(yīng),1 t N2O所引發(fā)的溫室效應(yīng)約合81.27 t C所產(chǎn)生的溫室效應(yīng),為了便于后續(xù)分析,將CH4和N2O排放量轉(zhuǎn)化為碳當(dāng)量[16-17]。

C農(nóng)=E+6.82×NCH4+81.27×NN2O，

(6)

C牧=6.82×MCH4+81.27×MN2O，

(7)

C農(nóng)牧=C農(nóng)+C牧。

(8)

式(6)～(8)中,C農(nóng)為農(nóng)業(yè)碳當(dāng)量排放,萬t;C牧為牧業(yè)碳當(dāng)量排放,萬t;C農(nóng)牧為農(nóng)業(yè)碳當(dāng)量排放與牧業(yè)碳當(dāng)量排放的總量,萬t。

1.2.6重心遷移

重心模型分析的目的是計算某一區(qū)域中某種屬性存在的重心位置與不同年份此位置在區(qū)域空間中的動態(tài)轉(zhuǎn)移軌跡。當(dāng)重心向某方向轉(zhuǎn)移時,表示此段時間內(nèi)空間分布不均,偏離反向指向高屬性值區(qū)域。

(9)

(10)

式(9)～(10)中,B和C分別為屬性重心的經(jīng)緯度;Bi、Ci和Di分別為i個子區(qū)域的經(jīng)、緯度和i個子區(qū)域的屬性值。

1.2.7標準差優(yōu)選組合預(yù)測

已知各類模型預(yù)測值的預(yù)測精度時,對較精確的預(yù)測值賦以較大的權(quán)重,對精確度低的賦以較小權(quán)重[18]。

(11)

(12)

式(11)～(12)中,Wi為模型i的權(quán)重;σ為預(yù)測誤差的標準差;σi為模型i的預(yù)測誤差的標準差;m為組合模型中單一模型的樣本。

2 農(nóng)牧業(yè)碳排放時空變化分析

2.1 農(nóng)牧業(yè)碳排放時間演化

將相關(guān)數(shù)據(jù)代入式(1)中,得到我國農(nóng)業(yè)、牧業(yè)和農(nóng)牧業(yè)碳排放量(圖1)。利用變動指數(shù)來表征各省農(nóng)牧業(yè)、農(nóng)業(yè)和牧業(yè)碳排放的變動情況,變動指數(shù)指屬性末期與基期的差值和基期的比值,表示碳排放發(fā)展態(tài)勢和幅度,計算結(jié)果見圖2。

圖1 1997—2016年農(nóng)牧業(yè)碳排放變化Fig.1 Changes in agriculture and animal husbandry carbon emission from 1997 to 2016

由圖1可知,1997—2016年我國農(nóng)業(yè)、牧業(yè)和農(nóng)牧碳排放均呈現(xiàn)總體上升趨勢,農(nóng)業(yè)碳排放平穩(wěn)發(fā)展,農(nóng)牧業(yè)與牧業(yè)碳排放趨勢相似并呈現(xiàn)明顯的3個階段:1997—2006年農(nóng)牧業(yè)、牧業(yè)碳排放穩(wěn)步增加,2004—2006年增速提高。十五大以來政府把農(nóng)業(yè)放在經(jīng)濟工作首位,并做出了關(guān)于農(nóng)業(yè)和農(nóng)村工作若干重大問題的決定,推動了農(nóng)牧業(yè)的持續(xù)發(fā)展,農(nóng)業(yè)碳排放穩(wěn)步增長。2004年“三補一減”政策的實施使得糧食生產(chǎn)出現(xiàn)重要轉(zhuǎn)機,調(diào)動了農(nóng)民積極性,促進了農(nóng)業(yè)投入,進而推動了農(nóng)業(yè)碳排放和農(nóng)牧碳排放總量的提速。2007—2009年畜牧業(yè)發(fā)生較大變化,由于牲畜疫病,肉牛、豬、羊等主要牲畜年末存欄量下跌,市場需求萎縮,造成了牧業(yè)碳排放急減,導(dǎo)致農(nóng)牧碳排放總量呈現(xiàn)大幅度下跌。2010—2016年農(nóng)牧業(yè)碳排放恢復(fù)增加,這是由農(nóng)業(yè)和牧業(yè)碳排放變化共同導(dǎo)致的。農(nóng)業(yè)環(huán)境向好,83.87%的省、自治區(qū)和直轄市農(nóng)業(yè)碳排放增加;國家加強市場調(diào)控,牲畜存欄量恢復(fù)增長,牧業(yè)碳排放也相應(yīng)增加,但增速較慢,遠低于2006年之前。

圖2 1997—2016年各省、自治區(qū)和直轄市農(nóng)牧業(yè)碳排放變動指數(shù)Fig.2 Change index of agriculture and animal husbandry carbon emission in different provinces from 1997 to 2016

由圖2可知,農(nóng)牧業(yè)碳排放變動指數(shù)由農(nóng)業(yè)和牧業(yè)碳排放變化共同影響,12個省、自治區(qū)和直轄市處于下降趨勢,19個省、自治區(qū)和直轄市處于增長趨勢。其中,寧夏農(nóng)牧業(yè)碳排放變動指數(shù)增長最大,上海減少最多。1997—2016年上海農(nóng)業(yè)、牧業(yè)碳排放均呈現(xiàn)下降趨勢,除蔬菜種植以外,其余作物種植面積和牛、羊、豬存欄量大幅減少,大牲畜存欄量為零。上海農(nóng)牧業(yè)土地面積縮小,糧食和肉類依靠外省調(diào)入,第一產(chǎn)業(yè)占比較低,農(nóng)牧業(yè)碳排放變動指數(shù)減少比例最大。寧夏變動指數(shù)增長最大,由于政策扶持加大,重點支持配方肥應(yīng)用,部分地區(qū)推廣覆膜保墑集雨補灌旱作節(jié)水農(nóng)業(yè)技術(shù),加大永久性蔬菜生產(chǎn)基地和馬鈴薯產(chǎn)業(yè)建設(shè),發(fā)展清真牛羊肉產(chǎn)業(yè),使得寧夏在蔬菜、肉牛羊養(yǎng)殖和農(nóng)資投入方面的碳排放增加,尤其是農(nóng)資碳排放年平均增長5.7%。

多省、自治區(qū)和直轄市農(nóng)業(yè)碳排放變動指數(shù)為正,僅北京、上海、浙江、福建和廣東變動指數(shù)為負,這表明在國家扶持,農(nóng)業(yè)發(fā)展的大環(huán)境下,多數(shù)省、自治區(qū)和直轄市農(nóng)業(yè)碳排放有所增加。北京、上海、浙江、福建和廣東的二、三產(chǎn)業(yè)較其他省份更為發(fā)達,第一產(chǎn)業(yè)比重較低,其2016年農(nóng)作物播種面積較1997年分別縮小384.44×103、257.5×103、1 669.6×103、616.39×103和680.67×103hm2;播種面積降低,農(nóng)資投入相應(yīng)減少，導(dǎo)致這5個省市農(nóng)業(yè)碳排放降低。多省、自治區(qū)和直轄市牧業(yè)碳排放變動指數(shù)為負,僅天津、內(nèi)蒙古、黑龍江、吉林、遼寧、四川、云南、甘肅、寧夏和新疆變動指數(shù)為正,多省、自治區(qū)和直轄市牧業(yè)碳排放降低主要受牲畜數(shù)量變化的影響。隨著產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和居民飲食結(jié)構(gòu)優(yōu)化,用于農(nóng)業(yè)生產(chǎn)的牛、馬、驢、騾等大牲畜數(shù)量減少。居民對肉類的需求量降低,再加之受疫病突發(fā),市場價格不穩(wěn)定的影響,肉牛、豬、羊的市場需求有所降低,存欄量減少,牧業(yè)碳排放增長滯后。除此之外,隨著冷凍倉儲及運輸技術(shù)的發(fā)展,肉類長途運輸和進口得以實現(xiàn),由于土地需求緊張,中、東、南部省、自治區(qū)和直轄市二、三產(chǎn)業(yè)發(fā)展迅速,牲畜飼養(yǎng)量不斷減少,小型養(yǎng)殖不足以供應(yīng)人口的肉奶需求,外地調(diào)入和進口的情況逐年增加,也是造成非牧區(qū)省、自治區(qū)和直轄市牧業(yè)碳排放變動指數(shù)為負的原因之一。

2.2 農(nóng)牧業(yè)碳排放空間演化

農(nóng)牧業(yè)碳排放重心位于32.5°～33.625° N,112.5°～113.0° E(圖3),1997—2016年重心逐漸向西北移動,由于農(nóng)業(yè)、牧業(yè)重心及主體區(qū)域位置影響,農(nóng)牧業(yè)碳排放重心位于農(nóng)業(yè)和牧業(yè)之間,1997—2016年移動68.97 km,移動距離小于農(nóng)業(yè)和牧業(yè)重心,橢圓分布于胡煥庸線右側(cè),但較農(nóng)業(yè)分布橢圓偏右(表2)。

農(nóng)業(yè)碳排放重心位于31.5°～32.675° N,113.6°～114.4° E,1997—2016年農(nóng)業(yè)碳排放重心逐漸向西北方向移動,從孝感市移動到南陽市,移動距離達126.86 km。受糧食主產(chǎn)區(qū)和農(nóng)業(yè)種植結(jié)構(gòu)變化影響,我國傳統(tǒng)糧食主產(chǎn)區(qū)位于氣候條件優(yōu)越、復(fù)種率高的長江中游和東南沿海區(qū)。隨著農(nóng)業(yè)科技進步,黃淮海地區(qū)糧食產(chǎn)量占比上升,東北三省地區(qū)糧食播種面積占比最大,我國糧食主產(chǎn)區(qū)向北移動。西部地區(qū)種植結(jié)構(gòu)有所改變,谷子、高粱和土豆的種植面積增加,西北地區(qū)更是成為小麥和棉花主產(chǎn)區(qū),也推動了農(nóng)業(yè)碳排放主體區(qū)域向西北移動。

牧業(yè)碳排放重心位于33.25°～34.5° N,110.4°～111.4° E,西部地區(qū)和內(nèi)蒙古牧業(yè)碳排放占全國的48.79%,其余19個省、自治區(qū)和直轄市排放量略高,使得重心仍落于胡煥庸線東側(cè),但較農(nóng)業(yè)碳排放更偏西北側(cè)。其重心移動分為明顯的2個階段:1997—2004年牧業(yè)碳排放重心顯著向東北方向移動,這是由于中東部地區(qū)為了滿足居民肉、蛋、奶的需求,小型養(yǎng)殖業(yè)發(fā)展良好,山東、河南是我國最大肉、奶供應(yīng)省份;西北傳統(tǒng)牧區(qū)由于超載放牧、過度開墾造成天然草原退化,畜牧業(yè)發(fā)展優(yōu)勢減弱。2004—2016年重心顯著向西北方向移動,是因為政府加大對西部地區(qū)畜牧業(yè)的投資,小生產(chǎn)者組織化提高,集約化程度有所提升,西北省份畜牧業(yè)逐步向好發(fā)展。牧業(yè)碳排放分布橢圓也向西北方向移動,偏轉(zhuǎn)角度由61.06°變?yōu)?0.48°,橢圓面積由1997年的402.56×104km2增長為2016年的435.46×104km2,表明牧業(yè)碳排放主體區(qū)域向東南—西北扭轉(zhuǎn),面積擴大。

圖中數(shù)字為年份。圖3 1997—2016年農(nóng)牧業(yè)碳排放重心分布及變化Fig.3 Distribution and change of agriculture and animal husbandry carbon emission from 1997 to 2016

表2 標準差橢圓參數(shù)

Table 2 The corresponding values of barycenter and standard deviation ellipse model

類別年份重心經(jīng)度E/(°)重心緯度N/(°)標準差橢圓面積/km2X軸長度/kmY軸長度/km旋轉(zhuǎn)角度/(°) 農(nóng)牧業(yè)1997112.7632.653 324 397.55951.921 111.6944.742003112.7332.963 320 294.91943.961 119.6939.142009112.8133.243 546 134.84970.641 162.9841.972016112.6533.273 761 091.461 006.261 189.8145.77 農(nóng)業(yè) 1997114.2231.632 547 409.22785.431 032.4426.302003114.0531.922 632 743.38795.671 053.3026.782009114.0232.322 865 545.24833.081 094.9626.842016113.7132.743 241 666.86912.481 130.5830.59 牧業(yè) 1997110.8233.474 025 649.791 015.541 261.8761.062003111.1633.683 944 124.951 016.811 234.7754.642009110.5234.204 392 539.861 030.881 356.3960.602016110.5034.364 353 554.701 036.651 336.8660.41

2.3 農(nóng)牧業(yè)碳排放總量的時空演變

選取1997、2003、2009和2016年農(nóng)業(yè)和牧業(yè)碳排放,以自然段點法將碳排放分為5個等級。其中,農(nóng)業(yè)碳排放以52.05、222.37、457.53、807.46萬t為斷點劃分為5個等級;牧業(yè)以碳排放以118.61、276.08、400.68、617.37萬t為斷點劃分為5個等級。

從圖4可以看出,1997年農(nóng)業(yè)碳排放高值主要集中于長江中游、東南沿海傳統(tǒng)農(nóng)業(yè)省份(江蘇、浙江、安徽、江西、湖北、湖南、廣東等),由于自然和氣候條件不適于發(fā)展農(nóng)業(yè),我國西北部地區(qū)(青海、西藏、寧夏)主要糧食作物種植面積較小,碳排放較低。四川、河南地形具有優(yōu)勢(平原、盆地),自然條件優(yōu)越,復(fù)種指數(shù)高,又同為人口大省,農(nóng)業(yè)產(chǎn)值連續(xù)增加;廣西投放了大量化肥農(nóng)藥,廣泛應(yīng)用農(nóng)業(yè)科學(xué)技術(shù),提高現(xiàn)代化農(nóng)業(yè)發(fā)展水平,使得土地產(chǎn)出率逐年增加，這3個省份均于2003年進入第1等級。黑龍江地域廣闊,機械化生產(chǎn)運作效率高,從2003年開始每百戶年底擁有拖拉機數(shù)等指標增長較快,進入第2等級。到2016年多數(shù)省、自治區(qū)和直轄市農(nóng)業(yè)碳排放增加,我國農(nóng)業(yè)區(qū)和碳排放高值區(qū)集中在東南沿海、長江中游、黃淮海平原及東北三省地區(qū)。但西藏、青海、寧夏、山西、陜西、重慶和貴州等地農(nóng)業(yè)碳排放增長滯后,這可能是由于西藏和青海高寒干旱;山西和陜西種植結(jié)構(gòu)不同,大宗作物種植面積小,特色農(nóng)業(yè)較發(fā)達,例如玉米、蕎麥、莜麥、糜子等;山西、陜西、重慶和貴州地形破碎,缺少大塊平整土地,種植和灌溉面積較少,農(nóng)用機械的使用受限。

圖4 1997—2016年各省、自治區(qū)和直轄市農(nóng)業(yè)碳排放時空變化Fig.4 Temporal and spatial changes of agriculture carbon emission in different provinces from 1997 to 2016

從圖5來看,1997年牧業(yè)高值區(qū)主要集中于山東和河南兩省,作為我國傳統(tǒng)農(nóng)耕區(qū),這兩省已經(jīng)形成了畜類優(yōu)勢產(chǎn)業(yè),牧業(yè)生產(chǎn)總值及奶、肉類產(chǎn)量常年居全國前列。2003年高值區(qū)域擴大到河北和四川。2009年內(nèi)蒙古進入第1等級,牧業(yè)生產(chǎn)力不斷提升,制定了林木為主、多種經(jīng)營的方針,畜牧業(yè)恢復(fù)發(fā)展;新疆和西南等地牧業(yè)碳排放降低,這是由于新疆政府在生豬、奶牛等方面出臺了扶持政策,但在肉牛、肉羊產(chǎn)業(yè)發(fā)展方面政策很少,造成了全疆牛羊養(yǎng)殖業(yè)出現(xiàn)萎縮。由于2006—2009年我國重大動物疫病頻發(fā),高致病性豬藍耳病、高熱病等疫病造成多數(shù)省份牲畜存欄量下降,市場需求萎縮,牧業(yè)碳排放整體下降。內(nèi)蒙、西藏由于生豬等飼養(yǎng)規(guī)模小、大牲畜存欄量較大,受疫病影響較輕,畜牧業(yè)碳排放反而有所上升。2016年牧業(yè)碳排放空間格局保持穩(wěn)定,第3、4等級省、自治區(qū)和直轄市數(shù)量較大,多數(shù)省、自治區(qū)和直轄市牧業(yè)碳排放量較2009年有所增加,但低于2003年。

圖5 1997—2016年各省、自治區(qū)和直轄市牧業(yè)碳排放時空變化Fig.5 Temporal and spatial changes of animal husbandry carbon emission in different provinces from 1997 to 2016

3 農(nóng)牧業(yè)碳排放預(yù)測

為探究我國農(nóng)、牧業(yè)碳排放發(fā)展路徑和程度,為定量化土地減排和綠色發(fā)展提供依據(jù),對2017—2022年農(nóng)業(yè)、牧業(yè)碳排放進行預(yù)測。農(nóng)牧業(yè)碳排放的發(fā)展具有一定的連續(xù)性和穩(wěn)定性,以碳排放未來和過去的變化規(guī)律相一致的理論為依據(jù),選取趨勢外推、ARIMA模型和灰色模型為基礎(chǔ),運用標準差法對農(nóng)業(yè)和牧業(yè)碳排放進行組合預(yù)測。牧業(yè)碳排放于2007—2009年出現(xiàn)不可抗因素影響,所以使用線性內(nèi)插結(jié)果代替2007—2009年牧業(yè)碳排放原數(shù)據(jù),再對其進行預(yù)測分析。

3.1 模型及參數(shù)選取

3.1.1趨勢外推法模型選取

選取二次曲線、三次曲線和對數(shù)曲線模型對農(nóng)業(yè)和牧業(yè)碳排放進行擬合,擬合結(jié)果見表3。

表3 趨勢外推模型參數(shù)

Table 3 Parameters of trend extrapolation model

曲線類型R2估計值的標準誤差sig.值 農(nóng)業(yè)二次0.955 8338.3510三次0.983 6318.0200對數(shù)0.954 0339.0560 牧業(yè)二次0.487 2841.2170.090三次0.670 0569.5060.022對數(shù)0.130 9781.8510.010

從表3可知,曲線模型對農(nóng)業(yè)碳排放擬合程度較高,R2均在0.95之上,sig.值均為0;由于突發(fā)性事件發(fā)生,牧業(yè)碳排放出現(xiàn)急減,即使經(jīng)過線性內(nèi)插平滑處理,但曲線模型對牧業(yè)碳排放擬合效果較差。根據(jù)模型參數(shù),選取R2最高的三次曲線擬合,農(nóng)業(yè)碳排放的平均相對誤差為0.605%，牧業(yè)碳排放為7.634%。

3.1.2GM(1,1)模型預(yù)測

表4 GM(1,1)模型精度檢驗結(jié)果

Table 4 Precision test results of GM(1,1) model

預(yù)測精度等級相對殘差/%標準差比值小誤差概率/%關(guān)聯(lián)度 10.17(農(nóng)業(yè))100.00(農(nóng)業(yè)) 21.07(農(nóng)業(yè))0.48(牧業(yè))89.47(牧業(yè)) 36.37(牧業(yè))75.74(農(nóng)業(yè)) 464.38(牧業(yè))

3.1.3ARIMA模型參數(shù)選取

從圖2可以判斷,農(nóng)、牧業(yè)碳排放隨時間推移呈增長狀態(tài),尤其是農(nóng)業(yè)碳排放初步判定為非平穩(wěn)時間序列,通過取農(nóng)業(yè)碳排放和處理后牧業(yè)碳排放的自然對數(shù),去除時間序列的指數(shù)趨勢后進行單位根檢驗(ADF)(表5)。

表5 農(nóng)牧業(yè)碳排放的單位根檢驗結(jié)果

Table 5 Unit root test results of agriculture and animal husbandry carbon emission

變量ADF檢驗值各顯著水平下的臨界值 1%5%10%檢驗結(jié)果 農(nóng)業(yè)xt-2.661-3.857-3.04-2.661不平穩(wěn)xt-xt-1-3.3573.920-3.06-2.673平穩(wěn) 牧業(yè)xt-2.110-3.857-3.04-2.661不平穩(wěn)xt-xt-1-1.876-3.857-3.04-2.661不平穩(wěn)xt-xt-1-xt-2-3.902-3.886-3.05-2.667平穩(wěn)

xt為原序列;xt-xt-1為一階差分序列;xt-xt-1-xt-2為二階差分序列。

農(nóng)業(yè)碳排放序列經(jīng)過一階差分處理后平穩(wěn),ADF值小于1%臨界值,牧業(yè)碳排放序列經(jīng)過二階差分后平穩(wěn),ADF值小于5%臨界值。

通過Eviews 6 軟件得出時間序列的自相關(guān)和偏自相關(guān)圖,確定自相關(guān)和偏自相關(guān)系數(shù)的截尾性,基于赤池信息準則(AIC)、施瓦茨準則(SC)和R2選擇最優(yōu)模型,結(jié)果見表6。

3.1.4標準差法組合模型預(yù)測

以三次曲線模型、GM(1,1)模型和ARIMA模型為基礎(chǔ),運用標準差法組合模型對我國農(nóng)業(yè)、牧業(yè)碳排放進行建模和預(yù)測。根據(jù)式(2)得出我國農(nóng)、牧業(yè)碳排放組合預(yù)測模型。

Y農(nóng)業(yè)=0.378 1×Y1+0.308 5×Y2+0.313 3×Y3,

(13)

Y牧業(yè)=0.342 3×Y1+0.270 2×Y2+0.387 4×Y3。

(14)

式(13)～(14)中,Y農(nóng)業(yè)和Y牧業(yè)分別為農(nóng)業(yè)和牧業(yè)碳排放組合模型的預(yù)測值;Y1、Y2和Y3分別為三次曲線、GM(1,1)和ARIMA模型的預(yù)測值。

將三次曲線、GM(1,1)和ARIMA模型的農(nóng)業(yè)和牧業(yè)預(yù)測值帶入式(13)～(14),得到農(nóng)業(yè)和牧業(yè)碳排放及相對誤差(表7)。1997—2016年農(nóng)業(yè)碳排放預(yù)測值與實際值的相對誤差最大為3.182%,平均相對誤差為0.897%;牧業(yè)碳排放的相對誤差最大為6.42%,平均相對誤差為4.37%,組合模型的擬合效果均高于單一模型的擬合效果。

表6 ARIMA模型參數(shù)設(shè)置

Table 6 The corresponding values of ARIMA model

類型(p,d,q)R2AIC值SC值QH值 農(nóng)業(yè)(1,1,1)0.96915.7915.9315.81 牧業(yè)(1,2,1)0.92114.4014.5614.77

p為自相關(guān)(AR)模型的階數(shù);d為差分階數(shù);q為滑動平均(MA)模型的階數(shù);AIC為赤池信息準則;SC為施瓦茨準則;QH為漢南奎澤準則。

表7 1997—2016年農(nóng)牧業(yè)碳排放預(yù)測值及相對誤差

Table 7 Prediction and relative error of carbon emission in agriculture and animal husbandry from 1997 to 2016

年份農(nóng)業(yè)碳排放預(yù)測值/萬t相對誤差牧業(yè)碳排放預(yù)測值/萬t相對誤差 199715 370.494-0.00310 134.4370.012 199815 497.978-0.00610 758.812-0.071 199915 627.491-0.01710 459.214-0.002 200015 800.0450.00310 981.934-0.038 200115 921.4620.00710 864.944-0.039 200216 077.8070.00910 795.709-0.016 200316 297.2010.02010 918.6330.011 200416 458.778-0.01111 122.6140.037 200516 867.451-0.01011 243.4370.053 200617 263.228-0.00711 176.6900.064 200717 581.773-0.00110 987.427-0.039 200817 882.0720.00310 164.190-0.151 200918 168.883-0.0019 868.361-0.200 201018 491.094-0.0039 315.510-0.068 201118 806.9030.0078 999.078-0.017 201219 049.882-0.0149 322.141-0.034 201319 388.9110.0039 201.335-0.006 201419 536.092-0.0099 307.6160.005 201519 731.7750.0039 317.7130.005 201619 844.0480.0329 330.3060.008

3.2 碳排放預(yù)測結(jié)果分析

GM(1,1)是單序列的一階線性動態(tài)模型,具有準確性高、所需原始數(shù)據(jù)少的優(yōu)點,但基于指數(shù)率的預(yù)測沒有考慮發(fā)展過程的隨機性,中長期預(yù)測精度較差?；诖嗽?將預(yù)測年限放短,對2017—2022年農(nóng)業(yè)和牧業(yè)碳排放進行預(yù)測,預(yù)測結(jié)果見圖6。從圖6的預(yù)測結(jié)果來看,農(nóng)業(yè)碳排放延續(xù)歷史趨勢,呈現(xiàn)緩慢上升趨勢。到2022年,農(nóng)業(yè)碳排放達2.165×108t,年均增速1.09%,低于2016年前的年均增速1.32%。預(yù)測結(jié)果與現(xiàn)行農(nóng)業(yè)發(fā)展趨勢相符。農(nóng)業(yè)作為立國之本,得到國家政策的大力扶持,國家已進一步增加農(nóng)資綜合補貼,減免農(nóng)業(yè)稅,鼓勵科技興農(nóng),提高農(nóng)民種糧的積極性,促進農(nóng)業(yè)碳排放的穩(wěn)定增加。但是,由于我國農(nóng)業(yè)結(jié)構(gòu)發(fā)展不平衡,種植結(jié)構(gòu)較為單一,加之國內(nèi)外糧食差價的存在,我國近年來糧食進口量不斷增加,造成農(nóng)業(yè)碳排放增速放緩。

圖6 1997—2022年我國農(nóng)牧業(yè)碳排放量預(yù)測Fig.6 Forecast of agriculture and animal husbandry carbon emission from 1997 to 2022

牧業(yè)碳排放達到1.13×108t,年均增速為2.84%,高于2016年前的年均增速(-0.30%),1997—2022年在整體趨勢上呈現(xiàn)緩慢上升—突然下降—恢復(fù)上升的趨勢。從2006年突發(fā)疫情后,養(yǎng)殖業(yè)收到較大沖擊,2007年波及26個省、自治區(qū)和直轄市,疫病和防控撲殺導(dǎo)致牲畜存欄量大幅度減少,肉類需求萎縮,到2009年疫情逐步得到控制,波及省份減少到5個省、自治區(qū)和直轄市。2010年后,隨著肉類市場需求回升,畜牧業(yè)進入恢復(fù)時期,牲畜養(yǎng)殖數(shù)量有所增加。政府采取24字防控工作方針,加大對動物疫病的防治管控,2010年后我國重大動物疫病流行強度明顯減弱,發(fā)病頻次和范圍顯著降低,加之居民對動物性食物消費量穩(wěn)定增長,促進了豬、羊和奶牛的飼養(yǎng)量增加,促使畜牧業(yè)碳排放在未來平穩(wěn)增加,但2022年牧業(yè)碳排放量僅略高于1997年,約為0.15×108t。

4 討論

對我國31個省、自治區(qū)和直轄市1997—2016年農(nóng)業(yè)和牧業(yè)碳排放進行測算,測算結(jié)果與前人的研究相近,趨勢相符。但由于目前在牲畜類型選擇上缺乏清晰的邊界界定,研究者們選擇的牲畜種類不同,牧業(yè)碳排放測算結(jié)果均存在較大差異。該研究主要選取了大牲畜,未涉及兔和禽類,由于家禽的飼養(yǎng)量數(shù)量更多,會導(dǎo)致該研究牧業(yè)碳排放測算結(jié)果偏低,排放趨勢與牧業(yè)大趨勢不同。但是,考慮到兔和家禽類的飼養(yǎng)受場地、飼料、地域的限制較少,其養(yǎng)殖規(guī)模在我國空間上并不存在明顯的偏重,不利于牧業(yè)的區(qū)域分析。因此,該研究在一定程度上彌補了牧業(yè)碳排放在大牲畜養(yǎng)殖和區(qū)域優(yōu)勢研究的不足,有利于我國調(diào)整養(yǎng)殖結(jié)構(gòu),推動畜牧業(yè)優(yōu)化升級。

從預(yù)測方法和預(yù)測結(jié)果來看,不同于區(qū)域性單一屬性研究,該研究將農(nóng)牧業(yè)相結(jié)合,從全國層面進行時空分析和預(yù)測,為農(nóng)牧業(yè)發(fā)展及土地減排提供較為準確的趨勢和排放上限,為區(qū)域間第一產(chǎn)業(yè)協(xié)調(diào)發(fā)展和國家統(tǒng)籌提供參考。除此外,該研究采用組合模型預(yù)測,預(yù)測精度和結(jié)果均高于單一模型預(yù)測。農(nóng)業(yè)發(fā)展穩(wěn)定,即使遭受自然災(zāi)害也具有區(qū)域性和時間性,災(zāi)后可通過復(fù)種、栽植其他作物進行補救,恢復(fù)周期較短,對全國層面影響較小,所以,農(nóng)業(yè)碳排放預(yù)測精度較高,結(jié)果可靠。但養(yǎng)殖業(yè)存在動物疫情突發(fā)的情況,且疫情撲滅、人民心理及需求轉(zhuǎn)變和牲畜出欄均需要一定周期,這在預(yù)測中是不可測的。盡管國家近年來加強防疫管控,但在牧業(yè)碳排放預(yù)測研究中仍需考慮多種因素,使預(yù)測結(jié)果更趨科學(xué)性。

5 結(jié)論與建議

5.1 結(jié)論

對我國31個省、自治區(qū)和直轄市1997—2016年農(nóng)牧業(yè)碳排放進行時空變化分析,利用標準差優(yōu)選組合模型對2017—2022年農(nóng)牧業(yè)碳排放進行預(yù)測分析,研究結(jié)果如下:

(1)1997—2016年,在農(nóng)業(yè)發(fā)展大環(huán)境下多數(shù)省、自治區(qū)和直轄市農(nóng)業(yè)碳排放有所增加。在畜牧業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、居民飲食結(jié)構(gòu)優(yōu)化、冷凍倉儲及運輸技術(shù)發(fā)展的綜合作用下,除傳統(tǒng)牧業(yè)區(qū)外多數(shù)省、自治區(qū)和直轄市的牧業(yè)碳排放有所減少。

(2)由于糧食主產(chǎn)區(qū)和農(nóng)業(yè)種植結(jié)構(gòu)的變化,農(nóng)業(yè)碳排放重心逐漸向西北方向移動,但標準差橢圓的主體區(qū)域仍在胡煥庸線右側(cè)。牧業(yè)碳排放重心在河南境內(nèi)擺動,主體區(qū)域向東南—西北扭轉(zhuǎn),面積擴大。

(3)我國農(nóng)牧業(yè)碳排放格局基本穩(wěn)定,農(nóng)業(yè)碳排放高值由長江中游、東南沿海傳統(tǒng)農(nóng)業(yè)區(qū)逐步向東北三省和黃淮海周邊轉(zhuǎn)移,西北部地區(qū)受自然條件等原因保持低碳排放。牧業(yè)碳排放高值區(qū)集中于傳統(tǒng)牧業(yè)區(qū)和中部地區(qū),除2006—2009年受重大動物疫病影響外,牧業(yè)碳排放格局變化較小。

(4)農(nóng)業(yè)碳排放組合預(yù)測的平均相對誤差為0.897%,牧業(yè)為4.37%,綜合來看,標準差組合模型擬合效果優(yōu)于單一模型。

(5)到2022年，國家政策扶持促進農(nóng)業(yè)碳排放穩(wěn)定增加,農(nóng)業(yè)結(jié)構(gòu)、種植結(jié)構(gòu)以及國內(nèi)外糧食差價等原因造成農(nóng)業(yè)碳排放增速放緩,農(nóng)業(yè)碳排放延續(xù)了歷史增長趨勢，達到2.165×108t,年平均增速低于2016年前。居民對動物性食物需求的穩(wěn)定增長促進了牲畜飼養(yǎng)量增加,促使畜牧業(yè)碳排放在未來會平穩(wěn)增加,達1.13×108t,年均增速高于2016年前。

5.2 建議

農(nóng)業(yè)碳排放高于牧業(yè)碳排放,其中,化肥、農(nóng)膜和灌溉碳排放占農(nóng)業(yè)碳排放的比重約為29.5%、11%和9.1%,是農(nóng)業(yè)碳排放中較大的碳源。根據(jù)研究結(jié)果,給出相關(guān)的建議如下:

(1)以保障糧食安全為前提,在因地制宜的基礎(chǔ)上,進一步調(diào)整各區(qū)域農(nóng)業(yè)結(jié)構(gòu)多樣化,增加農(nóng)作物選擇和特色農(nóng)作物種植。

(2)當(dāng)?shù)卣娃r(nóng)業(yè)部門應(yīng)加大農(nóng)業(yè)科學(xué)技術(shù)研究的資金投入,加強技術(shù)發(fā)展對農(nóng)業(yè)碳排放的抑制作用,引導(dǎo)農(nóng)民選擇抗倒伏、抗病蟲害強的優(yōu)良植株,減少農(nóng)藥、化肥的過量使用。

(3)改進農(nóng)業(yè)灌溉方式,減少輸水過程中的滲漏損耗;做好雨水集流等田間節(jié)水措施,優(yōu)先選擇滴灌,滲灌等節(jié)水灌溉方式;建立灌區(qū)需水預(yù)報和水量調(diào)配等優(yōu)化制度,減少灌溉浪費和灌溉用能帶來的碳排放。

(4)穩(wěn)定牲畜存欄量和出欄量,建立疫病及防治數(shù)據(jù)庫,加強疫病防御機制,向農(nóng)牧民普及動物疫病預(yù)防技術(shù),穩(wěn)定畜牧業(yè)規(guī)模和牧業(yè)碳排放。