1997—2018 年中國(guó)農(nóng)業(yè)碳排放的時(shí)空演進(jìn)與脫鉤效應(yīng)
——基于空間和分布動(dòng)態(tài)法的實(shí)證研究

張麗瓊，何婷婷

（安徽農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院,安徽 合肥 230036）

隨著全球變暖以及資源環(huán)境壓力的增加，碳排放問題成為全球共同面臨的重大議題，而農(nóng)業(yè)生產(chǎn)引起的農(nóng)業(yè)碳排放作為碳排放的重要來源之一，受到越來越多的關(guān)注。黨的十八大以來，中國(guó)兩型社會(huì)建設(shè)和生態(tài)文明改革不斷深入，作為世界最大的碳排放國(guó)家，中國(guó)明確提出在2030 年前碳達(dá)峰、2060 年前碳中和的目標(biāo)，意味著中國(guó)經(jīng)濟(jì)增長(zhǎng)與碳排放的深度脫鉤，而農(nóng)業(yè)作為國(guó)民經(jīng)濟(jì)的重要基礎(chǔ)，對(duì)穩(wěn)定經(jīng)濟(jì)發(fā)展以及實(shí)現(xiàn)碳減排總目標(biāo)具有重大作用，也是農(nóng)業(yè)經(jīng)濟(jì)可持續(xù)發(fā)展的核心所在，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變將對(duì)全球氣候改善產(chǎn)生重大影響。

目前，有關(guān)農(nóng)業(yè)碳排放的研究已經(jīng)取得了豐富的成果，國(guó)內(nèi)外學(xué)者的研究主要集中在以下幾個(gè)方面：（1）農(nóng)業(yè)碳排放的測(cè)算。與工業(yè)碳源相比，農(nóng)業(yè)碳源更加多元化，在測(cè)度各農(nóng)業(yè)碳源碳排放的基礎(chǔ)上，探究農(nóng)業(yè)碳排放的時(shí)空演變規(guī)律，對(duì)于明確農(nóng)業(yè)碳源以及結(jié)構(gòu)特征具有重要意義，也是進(jìn)一步展開研究的重要基礎(chǔ)，Johnson 等據(jù)此對(duì)美國(guó)農(nóng)業(yè)碳排放量進(jìn)行了測(cè)算，結(jié)果表明農(nóng)地利用活動(dòng)是美國(guó)的第一大農(nóng)業(yè)碳源[1]，Thamo等采用國(guó)民核算法等三種方法對(duì)澳大利亞的農(nóng)業(yè)碳排放進(jìn)行測(cè)算，研究顯示不同方法估計(jì)的排放量存在很大差異[2]；國(guó)內(nèi)學(xué)者對(duì)中國(guó)農(nóng)業(yè)碳排放的測(cè)算分析表明，不同階段以及不同地區(qū)的農(nóng)業(yè)碳排放存在明顯差異[3]，且這種差異也存在于種植業(yè)等行業(yè)[4]。（2）農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長(zhǎng)的關(guān)系。Grossman 等最早實(shí)證研究了經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染兩者的關(guān)系，提出了環(huán)境庫(kù)茲涅茨曲線（EKC），并指出兩者之間存在“倒U 型”關(guān)系[5]，國(guó)內(nèi)學(xué)者的研究也驗(yàn)證了上述關(guān)系，且中國(guó)農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長(zhǎng)存在明顯的脫鉤現(xiàn)象[6]。（3）農(nóng)業(yè)碳排放的影響因素研究。學(xué)者們采用Kaya 公式、EKC 模型，STIRPAT 模型以及構(gòu)建計(jì)量經(jīng)濟(jì)學(xué)模型等方法，對(duì)經(jīng)濟(jì)增長(zhǎng)[7]、技術(shù)進(jìn)步[8]、農(nóng)業(yè)耕作方式[9]、城鎮(zhèn)化[10]、環(huán)境規(guī)制[11]、生產(chǎn)效率[12]、產(chǎn)業(yè)結(jié)構(gòu)[13]、勞動(dòng)力規(guī)模[14]等因素對(duì)農(nóng)業(yè)碳排放的影響進(jìn)行了廣泛的探討，其中農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)和農(nóng)業(yè)技術(shù)進(jìn)步是影響農(nóng)業(yè)碳排放的重要因素已基本達(dá)成共識(shí)。（4）農(nóng)業(yè)碳排放的績(jī)效分析以及減排潛力的評(píng)估。Hoang 等采用了以營(yíng)養(yǎng)為導(dǎo)向的農(nóng)業(yè)環(huán)境全要素生產(chǎn)率指數(shù)，對(duì)1990—2003 年間30 個(gè)經(jīng)合組織國(guó)家的農(nóng)業(yè)碳排放績(jī)效進(jìn)行了實(shí)證研究[15]；高鳴等深入分析了中國(guó)農(nóng)業(yè)碳排放績(jī)效的動(dòng)態(tài)變化和空間聚集與收斂等問題，結(jié)果表明中國(guó)農(nóng)業(yè)碳排放績(jī)效有了很大的提高，但區(qū)域間績(jī)效發(fā)展?fàn)顩r不均衡[16]；吳賢榮等研究發(fā)現(xiàn)一個(gè)省區(qū)的農(nóng)業(yè)碳減排潛力水平不僅受自身經(jīng)濟(jì)及產(chǎn)業(yè)狀況的影響，還與其所處的環(huán)境及相鄰省區(qū)的發(fā)展?fàn)顩r緊密相關(guān)[17]。

綜上可知，上述文獻(xiàn)的研究成果豐富了農(nóng)業(yè)碳排放研究體系，為進(jìn)一步探究農(nóng)業(yè)碳排放問題提供了科學(xué)參考，但大部分研究主要是采用表征農(nóng)業(yè)碳排放的單一指標(biāo)，基于時(shí)間序列數(shù)據(jù)或截面數(shù)據(jù)的比較分析，從全國(guó)層面考察中國(guó)農(nóng)業(yè)碳排放的時(shí)序特征和區(qū)域差異，較少探討農(nóng)業(yè)碳排放的空間分布格局及其動(dòng)態(tài)分布演進(jìn)機(jī)制，從而難以把握農(nóng)業(yè)碳排放的空間分布特征及其差距的動(dòng)態(tài)性和長(zhǎng)期趨勢(shì)。鑒于此，本文在測(cè)度1997—2018 年中國(guó)31 個(gè)?。ㄊ?、區(qū)）農(nóng)業(yè)碳排放量和農(nóng)業(yè)碳排放強(qiáng)度的基礎(chǔ)上，結(jié)合可視化的空間分析方法，探究中國(guó)農(nóng)業(yè)碳排放的時(shí)序特征和空間分布特征，并利用kernel 密度估計(jì)法和馬爾可夫鏈法，從分布形態(tài)和內(nèi)部流動(dòng)性兩個(gè)角度，揭示中國(guó)農(nóng)業(yè)碳排放分布的動(dòng)態(tài)演進(jìn)趨勢(shì)，進(jìn)一步利用脫鉤理論考察農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，并歸納其不同階段變化特征與空間差異，為準(zhǔn)確把握中國(guó)農(nóng)業(yè)碳排放現(xiàn)狀并科學(xué)制定農(nóng)業(yè)碳減排政策提供理論參考。

一、研究方法與數(shù)據(jù)來源

（一）碳排放量測(cè)算方法

考慮到目前相關(guān)統(tǒng)計(jì)部門缺少對(duì)農(nóng)業(yè)碳排放數(shù)據(jù)的收錄，文中在依據(jù)《IPCC 國(guó)家溫室氣體清單指南》以及借鑒已有研究成果的基礎(chǔ)上[18-20]，從三個(gè)方面構(gòu)建農(nóng)業(yè)碳排放量的測(cè)度體系：一是農(nóng)業(yè)生產(chǎn)物資投入所導(dǎo)致的碳排放，具體涉及化肥、農(nóng)膜、農(nóng)藥、農(nóng)用柴油等生產(chǎn)資料使用以及農(nóng)業(yè)灌溉等生產(chǎn)活動(dòng)引發(fā)的碳排放；二是水稻種植所引發(fā)的碳排放，主要指水稻生長(zhǎng)中的CH4排放；三是牲畜養(yǎng)殖所引發(fā)的碳排放，主要包括牲畜腸道發(fā)酵和糞便管理過程中所排放的溫室氣體，牛、馬、羊、驢、騾和駱駝等反芻動(dòng)物是導(dǎo)致碳排放的主要品種。據(jù)此，本文構(gòu)建的農(nóng)業(yè)碳排放具體測(cè)算公式如下：

式（1）中，E為農(nóng)業(yè)碳排放總量，Ei為各種農(nóng)業(yè)碳源的碳排放量，Ti為各碳源的數(shù)量，δi為各碳源的碳排放系數(shù)，具體排放系數(shù)如表1、表2所示。

表1 農(nóng)業(yè)碳排放碳源、系數(shù)及參考來源

表2 各類牲畜品種的碳排放系數(shù) 單位：kg/(頭·年)

（二）分布動(dòng)態(tài)法

Quah[21]提出的分布動(dòng)態(tài)法被廣泛應(yīng)用于研究經(jīng)濟(jì)變量的動(dòng)態(tài)演進(jìn)過程，根據(jù)數(shù)據(jù)序列作為離散狀態(tài)或連續(xù)狀態(tài)設(shè)定差異，可分為核密度估計(jì)和馬爾可夫鏈兩種方法。核密度估計(jì)法能夠刻畫農(nóng)業(yè)碳排放的總體分布形態(tài)及其隨時(shí)間的變化，但無(wú)法反映各省份內(nèi)部農(nóng)業(yè)碳排放分布的動(dòng)態(tài)變化以及長(zhǎng)期演進(jìn)趨向，而利用馬爾可夫鏈法考察各省份農(nóng)業(yè)碳排放動(dòng)態(tài)演變的路徑和概率，可以反映農(nóng)業(yè)碳排放分布的內(nèi)部流動(dòng)性[22]。因此，本文運(yùn)用上述兩種方法探究中國(guó)農(nóng)業(yè)碳排放的動(dòng)態(tài)演進(jìn)機(jī)制。

1.核密度估計(jì)法

核密度估計(jì)作為一種非參數(shù)方法，無(wú)須事先設(shè)定函數(shù)的具體形式，估計(jì)結(jié)果更為穩(wěn)健，因此被廣泛用于對(duì)隨機(jī)變量的概率密度進(jìn)行估計(jì)，其基本原理如下：

假設(shè)一組連續(xù)型隨機(jī)變量在點(diǎn)x處的概率密度f(wàn)(x)的估計(jì)式為：

其中，K(·)為核函數(shù)，n為 樣本量，h為帶寬。核函數(shù)以及帶寬的選擇是核密度估計(jì)的核心問題，本文選取Epanechnikov 核函數(shù)以及Silverman最佳帶寬，估計(jì)農(nóng)業(yè)碳排放的動(dòng)態(tài)演進(jìn)情況。

2.馬爾科夫鏈法

本文通過構(gòu)造馬爾科夫鏈轉(zhuǎn)移矩陣分析中國(guó)農(nóng)業(yè)碳排放分布的內(nèi)部動(dòng)態(tài)特征。馬爾科夫鏈研究的是一種時(shí)間和狀態(tài)均為離散的隨機(jī)過程[26]，在具體實(shí)現(xiàn)過程中，首先將各省區(qū)農(nóng)業(yè)碳排放強(qiáng)度按照水平高低離散為K 個(gè)類型的馬爾科夫鏈序列{X1,X2,X3,···},各省區(qū)的農(nóng)業(yè)碳排放未來狀態(tài)的條件概率分布與“過去狀態(tài)無(wú)關(guān)”，僅與“現(xiàn)在狀態(tài)”有關(guān)。設(shè)各省區(qū)t年份農(nóng)業(yè)碳排放的狀態(tài)概率向量為Pt，記Pt=(P1(t),P2(t),···,Pn(t))，若各省區(qū)的馬爾科夫鏈有轉(zhuǎn)移矩陣P=(Pij)，Pij=(nij/ni)，則有Pij=(nij/ni)，其中Pij代表i類型省區(qū)轉(zhuǎn)移到j(luò)類型省區(qū)的轉(zhuǎn)移概率，nij表示研究期內(nèi)初始年份屬于i類型的省區(qū)轉(zhuǎn)移到j(luò)類型的數(shù)量之和，ni表示所有年份中屬于i類型的省區(qū)的數(shù)量之和[27]。

（三）脫鉤彈性測(cè)算方法

脫鉤原指具有相互關(guān)系的多個(gè)物理量間的相互關(guān)系減小或不再存在。OECD 為了研究經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染之間的關(guān)系，最早提出了脫鉤理論，并通過測(cè)算脫鉤指數(shù)將脫鉤區(qū)分為絕對(duì)脫鉤和相對(duì)脫鉤。之后，Tapio 在OECD 脫鉤模型基礎(chǔ)上，提出了彈性脫鉤理論，反映CO2變化對(duì)于經(jīng)濟(jì)變化的敏感程度，該方法彌補(bǔ)了OECD 脫鉤模型在基期選擇困境以及誤差較大等方面的不足[28]。本研究采用Tapio 模型考察中國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的脫鉤關(guān)系，構(gòu)建脫鉤彈性模型如下：

其中，e表示脫鉤彈性；C表示農(nóng)業(yè)碳排放；AG表示農(nóng)業(yè)總產(chǎn)值，以1997 年不變價(jià)格計(jì)算。依據(jù)彈性值不同，脫鉤類型的具體等級(jí)劃分標(biāo)準(zhǔn)與彈性值如表3 所示。

表3 脫鉤狀態(tài)的判斷標(biāo)準(zhǔn)

（四）數(shù)據(jù)來源及處理

本文選取中國(guó)大陸31 個(gè)省(市、自治區(qū)) 為研究單元，研究時(shí)段為1997—2018 年。研究數(shù)據(jù)均源于各年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)業(yè)年鑒》和《中國(guó)畜牧業(yè)年鑒》。其中，化肥、農(nóng)藥、農(nóng)膜、柴油、水稻種植面積、農(nóng)業(yè)灌溉面積以當(dāng)年實(shí)際情況為準(zhǔn)；翻耕數(shù)據(jù)采用當(dāng)年農(nóng)作物實(shí)際播種面積替代；牛、馬、驢、騾、豬、羊等牲畜由于飼養(yǎng)周期不同，其飼養(yǎng)量參考胡向東[23]等的方法進(jìn)行調(diào)整。此外，為消除價(jià)格因素影響，以1997 年價(jià)格為基準(zhǔn)，對(duì)歷年農(nóng)林牧副漁總產(chǎn)值數(shù)據(jù)進(jìn)行修正。

二、結(jié)果與分析

（一）中國(guó)農(nóng)業(yè)碳排放時(shí)序變化特征

根據(jù)碳排放測(cè)算公式，得出1997—2018 年中國(guó)農(nóng)業(yè)碳排放情況（圖1）。結(jié)果表明，2018 年中國(guó)農(nóng)業(yè)碳排放總量為30 973.01 萬(wàn)t，較1997 年增加了4.56%，1997—2018 年間農(nóng)業(yè)碳排放總量總體呈現(xiàn)波動(dòng)上升趨勢(shì)，年均增長(zhǎng)0.21%，不同階段變化特征存在一定差異，大致可以劃分為三個(gè)階段：第一階段為1997—2003 年，碳排放總量變化較為平穩(wěn)，總體略微下降，年均增速為-0.05%，該階段農(nóng)用物資投入增長(zhǎng)變緩以及水稻種植面積的大幅下降是造成農(nóng)業(yè)碳排放總量有所減少的主要原因；第二階段為2004—2009 年，碳排放總量呈現(xiàn)明顯的倒“v”型波動(dòng)增長(zhǎng)趨勢(shì)，年均增長(zhǎng)率介于-4.42%—5.75%之間，自2004 年中央連續(xù)頒布“一號(hào)文件”，一系列支農(nóng)惠農(nóng)政策相繼出臺(tái)促進(jìn)了農(nóng)業(yè)生產(chǎn)快速?gòu)?fù)蘇，農(nóng)用物資投入和水稻種植規(guī)模不斷增加，引發(fā)農(nóng)業(yè)碳排放總量快速增加，在2006 年達(dá)到峰值，之后豬、牛、羊等畜禽養(yǎng)殖規(guī)模大幅度減少，農(nóng)業(yè)碳排放總量出現(xiàn)大幅下降；第三階段是2010—2018 年，農(nóng)業(yè)碳排放總體呈現(xiàn)緩慢增長(zhǎng)趨勢(shì)，年均增長(zhǎng)0.48%，農(nóng)用物資投入和水稻種植規(guī)模的略微增長(zhǎng)帶動(dòng)了農(nóng)業(yè)碳排放總量的整體增加。

圖1 1997—2018 年中國(guó)農(nóng)業(yè)碳排放量及年均環(huán)比增速

從構(gòu)成比率來看，2018 年稻田、農(nóng)地利用以及畜禽養(yǎng)殖碳排放量所占比率依次為39.74%、32.74%和27.52%，與1997 年相比，稻田碳排放所占比率下降3.98%，年均遞減0.21%，但仍然是中國(guó)農(nóng)業(yè)碳排放的第一來源，禽畜養(yǎng)殖以及農(nóng)地利用碳排放量比率分別下降5.47%和上升9.45%，年均增速分別為-0.51%和2.02%。農(nóng)地利用逐漸成為第二大農(nóng)業(yè)碳排放來源，主要是因?yàn)檗r(nóng)地利用中所有碳源的排放量比率均有不同程度上漲，其中占比16.35%的化肥作為最主要的碳源，上漲幅度最大，2018 年較1997 年上漲4.31%；禽畜養(yǎng)殖中僅豬和羊的碳排放比率分別增加2.84%和0.84%，2018 年碳排放占比分別達(dá)到9.47%和6%，其他碳源所占比率合計(jì)下降了10.01%，其中牛的碳排放占比下降幅度最大，較1997 年下降了7.99%。

通過計(jì)算碳排放強(qiáng)度發(fā)現(xiàn)（圖2），與農(nóng)業(yè)碳排放總量上升趨勢(shì)不同，1997—2018 年中國(guó)農(nóng)業(yè)碳排放強(qiáng)度不斷下降，從1997 年的2 203.76 kg/萬(wàn)元GDP 下降至2018 年的960.66 kg/萬(wàn)元GDP，年均下降3.88%。從環(huán)比增速看，各時(shí)間段的變化程度有所差異，1997—2005 年呈現(xiàn)波動(dòng)上升趨勢(shì)，2005 年增速達(dá)到峰值后，2006—2009 年出現(xiàn)明顯的增速下降，2010 年增速再次反彈后出現(xiàn)了2011—2016 年的增速平穩(wěn)期，2017—2018 年增速下滑后又略有回升，總體來看，農(nóng)業(yè)碳排放強(qiáng)度在絕大部分年份均表現(xiàn)出下降態(tài)勢(shì)，少數(shù)年份雖有增長(zhǎng)，但幅度不大。

圖2 我國(guó)農(nóng)業(yè)碳排放強(qiáng)度及年均環(huán)比增速

（二）農(nóng)業(yè)碳排放區(qū)域格局分析

從農(nóng)業(yè)碳排放總量來看（圖3），2018 年湖南、黑龍江、江西、四川、安徽、湖北、河南、江蘇、山東和廣東的農(nóng)業(yè)碳排放量位居前10 位，其農(nóng)業(yè)碳排放總量均高于全國(guó)平均水平，占全國(guó)比重達(dá)到58.6%；位于后10 位的重慶、陜西、青海、山西、西藏、海南、寧夏、上海、天津和北京等?。ㄊ?、區(qū)），其農(nóng)業(yè)碳排放總量均值為272.49萬(wàn)t，遠(yuǎn)低于全國(guó)平均水平，僅占全國(guó)的8.8%。其中，位居第一位的湖南，農(nóng)業(yè)碳排放總量高達(dá)2 494.505 萬(wàn)t，是最后一位北京的76.78 倍，可以看出，中國(guó)農(nóng)業(yè)碳排放量的省區(qū)差異較大。與1997 年相比，2018 年除黑龍江替代廣西進(jìn)入前10位以及重慶替代甘肅進(jìn)入后10 位外，其他18 個(gè)?。ㄊ小^(qū)）沒有發(fā)生改變，僅排名有所變化；前10 位和后10 位農(nóng)業(yè)碳排放占比分別下降1.17%和上升0.29%。浙江、廣西、廣東、福建和山東等15 個(gè)省區(qū)農(nóng)業(yè)碳排放量有不同程度的下降，其中浙江降幅最大，達(dá)到49.17%；黑龍江、內(nèi)蒙古、新疆、吉林和云南等16 個(gè)省區(qū)農(nóng)業(yè)碳排放量有所上升，黑龍江上升幅度最大，增幅高達(dá)113.43%?？傮w來看，中國(guó)農(nóng)業(yè)碳排放量的區(qū)域分布較為穩(wěn)定，大部分地區(qū)的農(nóng)業(yè)碳排放量水平與其農(nóng)業(yè)生產(chǎn)規(guī)模存在較高的相關(guān)性，表明農(nóng)業(yè)大省或糧食主產(chǎn)區(qū)高投入、高消耗、高排放的農(nóng)業(yè)生產(chǎn)方式尚未發(fā)生根本性改變，是這些地區(qū)農(nóng)業(yè)碳排放量較高的主要原因之一。

圖3 1997 年和2018 年中國(guó)農(nóng)業(yè)碳排放總量與碳排放強(qiáng)度

從碳排放強(qiáng)度來看（圖3），2018 年位居前10 位的分別是西藏、青海、湖南、江西、內(nèi)蒙古、黑龍江、安徽、寧夏、湖北和上海，平均碳排放強(qiáng)度為2 827.46 kg/萬(wàn)元GDP，較全國(guó)碳排放強(qiáng)度平均值高出1 401.41 kg/萬(wàn)元GDP；后10 位依次為河北、山東、海南、陜西、河南、天津、福建、廣東、浙江和山西，平均碳排放強(qiáng)度為593.02 kg/萬(wàn)元GDP，比全國(guó)碳排放強(qiáng)度平均值低830.03 kg/萬(wàn)元GDP。其中，排名第一的西藏碳排放強(qiáng)度高達(dá)8 569.58 kg/萬(wàn)元GDP，比排名最后的河北高出8 095.35 kg/萬(wàn)元GDP。與1997 年相比，所有省區(qū)的農(nóng)業(yè)碳排放強(qiáng)度在2018 年都有不同程度的下降，其中海南降幅最為明顯，下降79.31%，黑龍江變化最小，降幅為21.22%?？傮w來看，中國(guó)農(nóng)業(yè)碳排放強(qiáng)度表現(xiàn)出較強(qiáng)的空間異質(zhì)性，呈現(xiàn)明顯的東低西高特征，東部、中部和西部的平均碳排放強(qiáng)度依次為684.57 kg/萬(wàn)元GDP、1 541.59 kg/萬(wàn)元GDP 和2 020.96 kg/萬(wàn)元GDP，且中西部地區(qū)的農(nóng)業(yè)碳排放強(qiáng)度均高于全國(guó)平均水平。

為進(jìn)一步揭示中國(guó)農(nóng)業(yè)碳排放的空間格局特征，考慮到各?。ㄊ校┨寂欧帕坎罹噍^大，本文采用“自然間斷點(diǎn)法”將原始數(shù)據(jù)分為5個(gè)等級(jí)，由低至高依次為低排放區(qū)、中低排放區(qū)、中等排放區(qū)、中高排放區(qū)與高排放區(qū)（圖4），以確保類內(nèi)差異最小[29]。從地理分布上看（圖4f），整個(gè)考察期內(nèi)，處于高和中高水平的碳排放地區(qū)呈現(xiàn)出集中連片的分布格局，主要位于四川盆地、云貴高原區(qū)、長(zhǎng)江中下游地區(qū)、黃淮海平原區(qū)和華南地區(qū)，而青藏高原區(qū)、黃土高原區(qū)、北方干旱半干旱區(qū)以及東北平原區(qū)大部分地區(qū)處于中等或更低的農(nóng)業(yè)碳排放水平，農(nóng)業(yè)碳排放量總體上表現(xiàn)出東中部高、西部低的空間分布格局。從各省區(qū)農(nóng)業(yè)碳排放量變化來看（圖4a～d），高碳排區(qū)域有明顯收縮，中高排放區(qū)呈現(xiàn)擴(kuò)張態(tài)勢(shì)，中等排放區(qū)的空間分布明顯縮小，中低排放區(qū)由集中向分散演變，低排放區(qū)涉及空間明顯增加且分散。總體來看，絕大部分省區(qū)的農(nóng)業(yè)碳排放等級(jí)都在下降，僅有內(nèi)蒙古、黑龍江等少數(shù)地區(qū)碳排放等級(jí)有所提高，使得整個(gè)考察期內(nèi)高排放區(qū)在空間上有所縮小，低排放區(qū)、中低排放區(qū)有所增加。

圖4 1997—2018 年中國(guó)農(nóng)業(yè)碳排放量空間分布格局

碳排放強(qiáng)度與農(nóng)業(yè)碳排放量的空間分布格局具有不一致性（圖5）?？疾炱趦?nèi)，高強(qiáng)度區(qū)以及中高強(qiáng)度區(qū)分布較為穩(wěn)定，主要集中在西藏、湖南、青海三?。恢械蛷?qiáng)度區(qū)主要集中在四川盆地和云貴高原區(qū)，除重慶外其他省區(qū)均呈現(xiàn)出向中等強(qiáng)度區(qū)轉(zhuǎn)變后的再次分化，這使得中等強(qiáng)度區(qū)數(shù)量經(jīng)歷了先增后減的變化；低強(qiáng)度區(qū)主要分布在黃淮海平原區(qū)、黃土高原區(qū)、北方干旱半干旱區(qū)以及華南區(qū)，空間上呈現(xiàn)出西部縮小再向東部延伸的態(tài)勢(shì)。整體來看，處于較高水平農(nóng)業(yè)碳排放強(qiáng)度的空間區(qū)域呈現(xiàn)出先擴(kuò)張?jiān)倏s小的變化趨勢(shì)，目前中低和低排放強(qiáng)度地區(qū)連接成片，在空間布局上占據(jù)主導(dǎo)地位。

圖5 1997—2018 年中國(guó)農(nóng)業(yè)碳排放強(qiáng)度空間分布格局

（三）農(nóng)業(yè)碳排放的動(dòng)態(tài)演化特征

1.核密度估計(jì)

本文分別以農(nóng)業(yè)碳排放總量和農(nóng)業(yè)碳排放強(qiáng)度為指標(biāo)，選取1997、2002、2007、2012 和2018年，采用核密度估計(jì)法得出上述年份的核密度分布圖，據(jù)此分析中國(guó)農(nóng)業(yè)碳排放的動(dòng)態(tài)演進(jìn)特征。如圖6 所示，考察期內(nèi)中國(guó)農(nóng)業(yè)碳排放量的核密度分布曲線總體呈現(xiàn)略微右移趨勢(shì)，峰值下降，波峰寬度有所增加，這意味著大部分省區(qū)農(nóng)業(yè)碳排放量呈現(xiàn)出一定的增長(zhǎng)態(tài)勢(shì)，地區(qū)差距有所擴(kuò)大；考察期內(nèi)農(nóng)業(yè)碳排放量分布整體呈現(xiàn)“雙峰”向“單峰”的轉(zhuǎn)變，1997、2001 和2007年以“雙峰”分布為主，主峰位于碳排放總量較低區(qū)間，側(cè)峰處于碳排放總量較高區(qū)間，表明除少數(shù)省區(qū)農(nóng)業(yè)碳排放總量較高外，其余地區(qū)碳排放總量較低，農(nóng)業(yè)碳排放總量分布呈現(xiàn)“兩極分化”的態(tài)勢(shì)，2012 年后側(cè)峰逐漸消失，主要以“單峰”分布為主，兩極分化現(xiàn)象逐漸消失；此外，核密度曲線均呈現(xiàn)右偏分布，且右偏程度略有減弱，意味著位于中國(guó)農(nóng)業(yè)碳排放量均值以下的省份數(shù)量多于位于總量均值之上的省份數(shù)量，但隨著時(shí)間推移，后者的省份數(shù)量略有增加。

從東、中、西部三大區(qū)域來看（圖6B～D），東部地區(qū)的核密度曲線總體向左收縮，峰值變大，變化區(qū)間有所縮小，表明考察期內(nèi)東部地區(qū)大部分省區(qū)的農(nóng)業(yè)碳排放量呈現(xiàn)下降趨勢(shì)，地區(qū)差異變??；從波峰來看，“雙峰”分布逐漸向“單峰”分布的演變，1997 年“雙峰”分布顯著，表明東部地區(qū)內(nèi)部農(nóng)業(yè)碳排放量的兩極分化十分明顯，2002—2018 年右主峰逐漸減小，“單峰”格局逐漸顯現(xiàn)，說明兩極分化的現(xiàn)象逐漸減弱。中部地區(qū)的核密度曲線中心明顯向右移動(dòng)，峰值變小，波峰變化區(qū)間略微增大，說明考察期內(nèi)中部地區(qū)大多數(shù)省區(qū)的農(nóng)業(yè)碳排放量有所增長(zhǎng)，地區(qū)差距略有擴(kuò)大；波峰總體呈現(xiàn)出穩(wěn)定的“單峰”分布，表明中部地區(qū)沒有出現(xiàn)明顯的極化現(xiàn)象。西部地區(qū)的核密度曲線中心沒有發(fā)生明顯位移，但峰值明顯下降，寬度有所增大，表明該地區(qū)農(nóng)業(yè)碳排放量雖然沒有顯著增長(zhǎng)，但地區(qū)差異并沒有縮??；波峰逐漸由“雙峰”分布演變?yōu)椤皢畏濉狈植迹f明西部地區(qū)農(nóng)業(yè)碳排放量在考察期的前期出現(xiàn)了兩極分化，但此現(xiàn)象隨著時(shí)間推移逐漸消失。對(duì)比三大區(qū)域農(nóng)業(yè)碳排放量的動(dòng)態(tài)演進(jìn)趨勢(shì)可以發(fā)現(xiàn)，與中部地區(qū)相比，東部和西部地區(qū)的核密度曲線更偏向橫軸左側(cè)的低值區(qū)域，表明這兩個(gè)區(qū)域的農(nóng)業(yè)碳排放量總體上低于中部地區(qū)。

圖6 全國(guó)范圍及東、中、西部地區(qū)農(nóng)業(yè)碳排放總量的核密度估計(jì)圖

2.馬爾科夫鏈分析

本文將農(nóng)業(yè)碳排放量數(shù)值按照四分位數(shù)方法離散為低、中低、中等、中高和高碳排放區(qū)5 種類型，將樣本期間劃分為4 個(gè)階段，分別構(gòu)建各時(shí)間段以及整個(gè)樣本期間的馬爾科夫轉(zhuǎn)移概率矩陣（表4）。

從表4 可以看出，整個(gè)樣本期以及不同時(shí)間段內(nèi)，馬爾科夫轉(zhuǎn)移矩陣中對(duì)角線上的概率值都顯著高于非對(duì)角線上的概率值，各省區(qū)農(nóng)業(yè)碳排放水平的變化主要向相鄰類型轉(zhuǎn)移，且轉(zhuǎn)移概率很小，表明農(nóng)業(yè)碳排放量的分布狀態(tài)具有穩(wěn)定性，處于不同碳排放水平的省區(qū)之間流動(dòng)性較低，難以實(shí)現(xiàn)跨越式發(fā)展；另外，各省區(qū)農(nóng)業(yè)碳排放水平存在一定的“俱樂部趨同”現(xiàn)象，從各時(shí)間段來看，期初農(nóng)業(yè)碳排放量高，而隨后時(shí)間仍保持高水平的概率至少為77.8%，隨著時(shí)間推移，高排放省區(qū)依然保持原水平的概率逐漸增加，最高達(dá)到97.2%，向下轉(zhuǎn)移的概率逐漸降低。期初碳排放水平低的省區(qū)在之后時(shí)間段內(nèi)，仍保持低水平的概率最低為83.3%，最高達(dá)到100%，幾乎不會(huì)向更高水平轉(zhuǎn)移，而中等、中低和中高狀態(tài)的省區(qū)保持原狀態(tài)的轉(zhuǎn)移概率也均在69.4%～97.2%之間，不同狀態(tài)的省區(qū)之間相互轉(zhuǎn)移的概率較小，介于3.3%～10.0%之間，表明省區(qū)間存在不同類型碳排放水平的俱樂部。

表4 農(nóng)業(yè)碳排放量的馬爾科夫轉(zhuǎn)移概率矩陣及穩(wěn)態(tài)分布

從穩(wěn)態(tài)分布概率來看，與初始分布狀態(tài)相比，低排放水平的省區(qū)所占比率增加，中低、中等、中高和高排放水平省區(qū)的比率均下降，低排放水平省區(qū)所占比率顯著高于其他類型省區(qū)比率，表明未來一段時(shí)間中國(guó)農(nóng)業(yè)碳排放量不會(huì)出現(xiàn)絕對(duì)趨同和“兩極”分化的現(xiàn)象，碳排放分布呈現(xiàn)向低排放水平集中的趨勢(shì)，農(nóng)業(yè)碳排放水平表現(xiàn)出長(zhǎng)期不斷下降的良好態(tài)勢(shì)。

（四）農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長(zhǎng)脫鉤效應(yīng)分析

由表5 可知，整體上中國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展基本處于弱脫鉤和強(qiáng)脫鉤狀態(tài)，即農(nóng)業(yè)碳排放增長(zhǎng)速度小于農(nóng)業(yè)經(jīng)濟(jì)的增長(zhǎng)速度，甚至是農(nóng)業(yè)經(jīng)濟(jì)保持上升而碳排放量反而下降的理想狀態(tài)，但也表現(xiàn)出一定的周期性變化。1998—2002 年，農(nóng)業(yè)碳排放呈現(xiàn)“增加—減少—增加”的變化，脫鉤類型經(jīng)歷了由“弱脫鉤”—“強(qiáng)脫鉤”—“弱脫鉤”的轉(zhuǎn)變；2003—2008 年農(nóng)業(yè)碳排放先增后減，使得脫鉤狀態(tài)呈現(xiàn)出由強(qiáng)轉(zhuǎn)弱，又再次變強(qiáng)的波動(dòng)過程；2010—2015 年農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)均表現(xiàn)出正向增長(zhǎng)，且前者增速較低，兩者呈現(xiàn)弱脫鉤關(guān)系，2016 年后農(nóng)業(yè)碳排放出現(xiàn)負(fù)向增長(zhǎng)，與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)更多表現(xiàn)為強(qiáng)脫鉤關(guān)系。

表5 1998—2018 年中國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展間的脫鉤關(guān)系

從地理分布上看（圖7），1997—2018 年中國(guó)農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長(zhǎng)脫鉤類型在省區(qū)層面上存在差異，且在不同時(shí)段的脫鉤空間格局有所不同。

圖7 1997—2018 年不同階段中國(guó)分省農(nóng)業(yè)碳排放脫鉤程度空間格局

1997—2002 年僅有天津、貴州、黑龍江和寧夏沒有實(shí)現(xiàn)脫鉤狀態(tài)；上海、江蘇等12 個(gè)省區(qū)處于最理想的強(qiáng)脫鉤狀態(tài)，主要分布在長(zhǎng)江中下游地區(qū)、青藏高原區(qū)、華南地區(qū)等地區(qū)，占樣本總量的38.71%，這些地區(qū)在實(shí)現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的同時(shí)農(nóng)業(yè)碳排放有所下降；北京、河北等15 個(gè)省區(qū)處于弱脫鉤狀態(tài)，占比高達(dá)48.39%，主要分布在黃土高原區(qū)、甘新區(qū)、西南區(qū)、黃淮海區(qū)以及東北區(qū)等，其農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)與農(nóng)業(yè)碳排放同時(shí)增加，但單位產(chǎn)出的碳排放有所減少?？傮w來看，該階段中國(guó)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)沒有造成農(nóng)業(yè)碳排放的更快增長(zhǎng)，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的環(huán)境代價(jià)較小。

2003—2007 年，處于脫鉤狀態(tài)的省區(qū)數(shù)量有所下降，共25 個(gè)，占總數(shù)的80.65%，強(qiáng)脫鉤的比例較上一時(shí)段沒有變化，但空間分布更多轉(zhuǎn)向了東部沿海地區(qū)，弱脫鉤省區(qū)數(shù)量減少為13 個(gè)，但依然是該時(shí)期最主要的脫鉤類型，負(fù)脫鉤狀態(tài)的空間范圍明顯增加，主要是由于西藏、內(nèi)蒙古以及吉林等地區(qū)農(nóng)業(yè)發(fā)展造成的碳排放增長(zhǎng)過快。

2008—2012 年，脫鉤狀態(tài)的空間范圍顯著擴(kuò)大，大部分區(qū)域處于弱脫鉤狀態(tài)，占比較上一時(shí)段增加了19.35%，強(qiáng)脫鉤省區(qū)的空間分布由東部沿海地區(qū)向西部收縮，數(shù)量大幅度減少為7 個(gè)，陜甘地區(qū)由弱脫鉤轉(zhuǎn)變?yōu)樵鲩L(zhǎng)連結(jié)狀態(tài)，僅黑龍江的農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)付出了更高的環(huán)境代價(jià)，處于負(fù)脫鉤狀態(tài)。

2013—2018 年，許多區(qū)域的脫鉤狀態(tài)都有所改善，除西藏、北京和上海處于衰退連結(jié)狀態(tài)外，全國(guó)其他區(qū)域均實(shí)現(xiàn)了脫鉤狀態(tài)，且絕大部分省區(qū)處于強(qiáng)脫鉤狀態(tài)，占比達(dá)到70.97%。

整體來看，國(guó)內(nèi)粗放型的農(nóng)業(yè)發(fā)展方式不斷轉(zhuǎn)變，通過加快低碳農(nóng)業(yè)、綠色農(nóng)業(yè)、循環(huán)農(nóng)業(yè)生產(chǎn)方式的建立，使得農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的資源環(huán)境代價(jià)進(jìn)一步降低，大部分地區(qū)一直保持脫鉤狀態(tài)，農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)與農(nóng)業(yè)碳排放之間呈現(xiàn)出較為穩(wěn)定的脫鉤關(guān)系，各省區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的環(huán)保型特征日益顯著。

三、結(jié)論與討論

本文在測(cè)度1997—2018 年中國(guó)31 個(gè)?。ㄊ小^(qū)）農(nóng)業(yè)碳排放的基礎(chǔ)上，從不同維度分析了中國(guó)農(nóng)業(yè)碳排放的時(shí)空演變特征，采用Kernel 核密度估計(jì)法和馬爾科夫鏈法考察了中國(guó)農(nóng)業(yè)碳排放分布的動(dòng)態(tài)演進(jìn)規(guī)律，并基于脫鉤理論進(jìn)一步探究了中國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，主要結(jié)論如下：

（1）1997—2018 年間中國(guó)農(nóng)業(yè)碳排放總量總體呈現(xiàn)波動(dòng)上升趨勢(shì)，農(nóng)業(yè)碳排放強(qiáng)度則不斷下降，不同時(shí)間段內(nèi)的變化趨勢(shì)存在差異，稻田是中國(guó)農(nóng)業(yè)碳排放的第一碳源，農(nóng)地利用逐漸替代禽畜養(yǎng)殖成為第二大農(nóng)業(yè)碳源。

（2）中國(guó)農(nóng)業(yè)碳排放的區(qū)域差距較大，農(nóng)業(yè)碳排放量和農(nóng)業(yè)碳排放強(qiáng)度位居前10 位的省區(qū)在全國(guó)中的比重均遠(yuǎn)高于后10 位省區(qū)；從空間分布上看，農(nóng)業(yè)碳排放量總體上表現(xiàn)出東中部高、西部低的空間分布格局，高排放省區(qū)空間分布縮小，較低排放區(qū)域增加；農(nóng)業(yè)碳排放高強(qiáng)度區(qū)以及中高強(qiáng)度區(qū)分布較為穩(wěn)定，較低和低排放強(qiáng)度地區(qū)連接成片，在空間布局上占據(jù)主導(dǎo)地位。

（3）從核密度估計(jì)結(jié)果來看，考察期內(nèi)中國(guó)農(nóng)業(yè)碳排放量均值以下的省份數(shù)量多于位于農(nóng)業(yè)碳排放量均值之上的省份數(shù)量，大部分省區(qū)的農(nóng)業(yè)碳排放量呈現(xiàn)出一定的增長(zhǎng)態(tài)勢(shì)，地區(qū)差距有所增加，但“兩極分化”現(xiàn)象逐漸消失。馬爾科夫鏈分析結(jié)果表明，中國(guó)農(nóng)業(yè)碳排放量的分布狀態(tài)具有較高的穩(wěn)定性，處于不同農(nóng)業(yè)碳排放水平的省區(qū)之間流動(dòng)性較低，未來一段時(shí)間內(nèi)各省區(qū)間農(nóng)業(yè)碳排放水平存在的“俱樂部”現(xiàn)象，很難出現(xiàn)絕對(duì)趨同，但也不會(huì)出現(xiàn)“兩極”分化，農(nóng)業(yè)碳排放分布將向低排放水平集中，碳排放水平呈現(xiàn)出不斷下降的良好態(tài)勢(shì)。

（4）1997—2018 年間，中國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間多處于弱脫鉤和強(qiáng)脫鉤狀態(tài)。從地理分布上看，考察期內(nèi)中國(guó)大部分省區(qū)一直保持弱脫鉤或強(qiáng)脫鉤的脫鉤狀態(tài)，且強(qiáng)脫鉤狀態(tài)的省區(qū)在空間布局上逐漸替代弱脫鉤狀態(tài)占據(jù)絕對(duì)主導(dǎo)地位。

本文針對(duì)中國(guó)農(nóng)業(yè)碳排放的時(shí)空特征、動(dòng)態(tài)演進(jìn)規(guī)律及其與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間的脫鉤關(guān)系進(jìn)行探究，研究成果對(duì)客觀把握中國(guó)農(nóng)業(yè)碳排放發(fā)展趨勢(shì)，豐富農(nóng)業(yè)碳排放問題的研究具有一定的參考作用。而限于數(shù)據(jù)的可獲得性等方面的原因，本研究仍存在一些不足，例如在農(nóng)業(yè)碳排放的測(cè)算指標(biāo)體系有待進(jìn)一步優(yōu)化、完善；對(duì)農(nóng)業(yè)碳排放存在的空間差異以及空間分布格局的變化產(chǎn)生的內(nèi)在原因缺乏深入探究。針對(duì)上述問題，筆者將在進(jìn)一步研究中展開探討。