江蘇省農(nóng)業(yè)碳排放時序特征與趨勢預(yù)測

邱子健，靳紅梅，高南，徐軒，朱津宏，李慶，王子清，徐擁軍，申衛(wèi)收*

（1.南京信息工程大學(xué)環(huán)境科學(xué)與工程學(xué)院/江蘇省大氣環(huán)境監(jiān)測與污染控制高技術(shù)研究重點(diǎn)實(shí)驗(yàn)室/江蘇省大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心，南京 210044；2.江蘇省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與環(huán)境研究所，南京 210014；3.江蘇省有機(jī)固體廢棄物資源化協(xié)同創(chuàng)新中心，南京 210095；4.南京工業(yè)大學(xué)生物與制藥工程學(xué)院，南京 211816；5.江蘇現(xiàn)代低碳技術(shù)研究院，南京 210003）

二氧化碳（CO）等溫室氣體排放加速了全球氣候變化進(jìn)程，造成極端天氣事件頻發(fā)。因此，控制溫室氣體排放、發(fā)展低碳經(jīng)濟(jì)已成為國際共識。農(nóng)業(yè)是國民經(jīng)濟(jì)的基礎(chǔ)部門，其碳排放主要在種植、養(yǎng)殖、加工等過程中直接或間接產(chǎn)生。其中，種植業(yè)碳排放主要集中在化肥、農(nóng)藥、農(nóng)膜、灌溉以及機(jī)械動力方面，而畜牧業(yè)則主要包括反芻動物腸道發(fā)酵和動物糞便管理缺氧產(chǎn)生的甲烷（CH）排放以及畜禽糞便收集、貯存和堆肥等過程中產(chǎn)生的氧化亞氮（NO）排放，其在全球范圍產(chǎn)生的CH和NO約占農(nóng)業(yè)非CO溫室氣體排放量的80%。聯(lián)合國糧農(nóng)組織（FAO）數(shù)據(jù)顯示，2017年我國農(nóng)業(yè)產(chǎn)生67 846.91萬t CO當(dāng)量（COe）的溫室氣體排放，其中CH、NO分別排放1 443.50萬、121.08萬t，分別占全國排放總量的23.19%和69.38%。當(dāng)前我國農(nóng)業(yè)碳排放量年均增長約為1.67%，而碳排放強(qiáng)度則已呈下降趨勢。

為有效遏制氣候變暖，農(nóng)業(yè)碳排放及減排策略已備受全球關(guān)注。國內(nèi)目前的研究主要側(cè)重于農(nóng)業(yè)碳排放核算、影響因素及減排機(jī)制方面。當(dāng)前，碳排放估算方法主要包括排放因子法、質(zhì)量平衡法、實(shí)測值法和模型法。排放因子法是依照碳排放清單，對各排放源以活動水平和排放因子的乘積估算其碳排放量的方法，主要參考聯(lián)合國政府間氣候變化專門委員會（IPCC）發(fā)布的《2006年國家溫室氣體清單編制指南報告》等獲取排放因子。質(zhì)量平衡法可根據(jù)生產(chǎn)生活的新化學(xué)物質(zhì)和設(shè)備進(jìn)行計算，優(yōu)勢在于可反映實(shí)際碳排放量，但中間考慮過程多、數(shù)據(jù)獲取困難，誤差較大。實(shí)測法通過排放源的現(xiàn)場實(shí)測基礎(chǔ)數(shù)據(jù)計算碳排放量，因中間環(huán)節(jié)少，結(jié)果較準(zhǔn)確，但數(shù)據(jù)獲取較難、投入較大，其估算精度多取決于采樣頻率、樣點(diǎn)密度等因素。模型法主要通過數(shù)學(xué)模型等進(jìn)行估算，例如國內(nèi)構(gòu)建的DNDC模型就可用于估算農(nóng)田痕量溫室氣體的排放量，但運(yùn)行模型所需數(shù)據(jù)種類較多。本文選擇排放因子法估算碳排放，該方法目前已成為國際主流方法，數(shù)據(jù)獲取較易，可較準(zhǔn)確地反映農(nóng)業(yè)各排放源碳排放情況。當(dāng)前，可用于預(yù)測碳排放的模型如環(huán)境庫茲涅茨曲線、灰色預(yù)測模型、投入產(chǎn)出模型等各有優(yōu)勢，但部分模型存在自身缺陷或建模較復(fù)雜，因而較少用于預(yù)測碳排放。本文采用了基于IPAT模型的STIRPAT（STochastic Impacts by Regression on PAT）模型預(yù)測農(nóng)業(yè)碳排放趨勢，該模型可以充分考慮社會、經(jīng)濟(jì)和技術(shù)方面的碳排放驅(qū)動因素，適用于不同情景的分析預(yù)測。

江蘇省是農(nóng)業(yè)大省，地理位置與氣候條件優(yōu)越。國家統(tǒng)計局?jǐn)?shù)據(jù)顯示，2019年江蘇省耕地面積約占全國的3.39%，糧食總產(chǎn)量、畜禽肉類總產(chǎn)量分別占全國總量的5.58%、3.54%，而總產(chǎn)值則占全國的6.20%，位列全國第四位。目前，國內(nèi)有關(guān)江蘇省農(nóng)業(yè)碳排放的估算主要集中在種植業(yè)，對畜牧業(yè)仍未予以足夠重視，因此對全省農(nóng)業(yè)碳排放尚缺少全面、系統(tǒng)的評估。本研究通過排放因子法估算2000—2019年江蘇省農(nóng)業(yè)COe排放量，分析其時序特征，并利用STIRPAT模型對2020—2030年的農(nóng)業(yè)COe排放量進(jìn)行預(yù)測，旨在為江蘇省農(nóng)業(yè)碳減排提供量化參考，為低碳政策的合理安排提供科學(xué)依據(jù)。

1 材料與方法

1.1 農(nóng)業(yè)碳排放估算方法

借鑒IPCC發(fā)布的《2006年國家溫室氣體清單指南》，運(yùn)用排放因子法估算農(nóng)業(yè)碳排放。本文中種植業(yè)主要包括以下碳源：（1）化肥、農(nóng)藥、農(nóng)膜生命周期隱含碳：生產(chǎn)和運(yùn)輸過程中直接或間接導(dǎo)致的碳排放，不涵蓋田間使用過程中由能源消費(fèi)導(dǎo)致的碳排放；（2）農(nóng)業(yè)用電，即農(nóng)村用電導(dǎo)致的碳排放；（3）農(nóng)用柴油，即農(nóng)業(yè)機(jī)械在使用過程中消耗農(nóng)用柴油導(dǎo)致的碳排放；（4）水稻種植，即稻田CH排放；（5）農(nóng)用地NO排放，包括由氮肥施用引起的NO直接排放，以及由大氣氮沉降、氮淋溶徑流損失分別引起的NO間接排放。畜牧業(yè)則主要考慮以下溫室氣體排放源：（1）動物腸道發(fā)酵，即在正常的代謝過程中，寄生在動物消化道內(nèi)的微生物發(fā)酵消化道內(nèi)飼料時從動物口、鼻和直腸排出體外的CH排放；（2）動物糞便管理，即在畜禽糞便施入到土壤之前動物糞便貯存和處理所產(chǎn)生的CH、NO排放。估算模型如下：

式中：為農(nóng)業(yè)的COe排放總量，萬t；I為第類溫室氣體排放源的COe排放量，萬t；AD為第類溫室氣體排放源的活動水平；EF為第類溫室氣體排放源的COe排放系數(shù)。

江蘇省種植業(yè)溫室氣體排放源的排放系數(shù)主要來自IPCC等機(jī)構(gòu)公布的推薦值或經(jīng)進(jìn)一步調(diào)整計算的結(jié)果，畜牧業(yè)溫室氣體排放源的排放系數(shù)主要參考《省級溫室氣體清單編制指南》的推薦值。主要排放源的溫室氣體排放系數(shù)見表1。

表1 農(nóng)業(yè)溫室氣體排放源與排放系數(shù)Table 1 Agricultural greenhouse gas emission sources and emission coefficients

1.2 農(nóng)業(yè)碳排放強(qiáng)度估算方法

基于1.1農(nóng)業(yè)碳排放量的估算進(jìn)一步計算排放強(qiáng)度，公式如下：

式中：為農(nóng)業(yè)COe排放強(qiáng)度，t·萬元；為農(nóng)業(yè)COe排放總量，t；為農(nóng)業(yè)總產(chǎn)值（本文中即種植業(yè)和畜牧業(yè)之和），萬元。

1.3 農(nóng)業(yè)碳排放趨勢預(yù)測模型

EHRLICH等指出，所有環(huán)境影響因素可分解為人口規(guī)模、富裕度和技術(shù)3類，提出了IPAT模型，即=。在此基礎(chǔ)上，本文參考相關(guān)構(gòu)建方法，采用基于IPAT模型改進(jìn)的STIRPAT模型對碳排放進(jìn)行了預(yù)測。STIRPAT模型可以克服IPAT模型等在假設(shè)檢驗(yàn)方面的局限，定量研究人文指標(biāo)對碳排放的影響程度。其基本模型為：

由于式（3）標(biāo)準(zhǔn)STIRPAT模型是非線性多元方程，不便于計算，故將式（3）中等式兩邊經(jīng)對數(shù)化處理后變成求和模式：

式中：a為常數(shù)；為農(nóng)業(yè)COe排放總量，萬t；為農(nóng)村人口，萬人；為農(nóng)業(yè)人均GDP，萬元·萬人；為農(nóng)業(yè)COe排放強(qiáng)度，t·萬元；e為誤差，b、c、d分別為農(nóng)村人口、農(nóng)業(yè)人均GDP、農(nóng)業(yè)COe排放強(qiáng)度的彈性指數(shù)。

1.4 數(shù)據(jù)來源

本文中2000—2019年各年份化肥、農(nóng)藥、農(nóng)膜用量、農(nóng)用柴油用量、農(nóng)村用電量、水稻種植面積、牲畜年底存欄量、農(nóng)作物播種面積、農(nóng)村人口和農(nóng)業(yè)產(chǎn)值等數(shù)據(jù)主要來自歷年《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》和《江蘇省統(tǒng)計年鑒》。其中，化肥施用量采用折純量，農(nóng)藥、農(nóng)膜、農(nóng)用柴油采用實(shí)際使用量。

2 結(jié)果與分析

2.1 農(nóng)業(yè)碳排放時序特征

2.1.1 種植業(yè)碳排放時序特征

2000—2019年間，江蘇省種植業(yè)COe排放量總體呈“降低-升高-降低”的變化趨勢（圖1），并在2010年達(dá)峰，為6 245.63萬t。2000—2003年，因水稻種植面積的減少，COe排放總量持續(xù)降低，由6 102.84萬t降至5 477.26萬t，減少10.25%，此后至2010年逐年升高，2010—2019年整體呈緩慢降低趨勢，2019年已降至5 892.22萬t，較2010年減少5.66%。

圖1 2000—2019年江蘇省種植業(yè)CO2e排放變化Figure 1 CO2e emission fromplant-products industry in Jiangsu Province from 2000 to 2019

在全省種植業(yè)中，水稻種植的COe排放貢獻(xiàn)最大，平均達(dá)59.49%，且近年占比有所提高。其次為化肥生命周期隱含碳和農(nóng)用地NO排放的貢獻(xiàn)較大，平均貢獻(xiàn)17.78%和12.37%，后者中以氮肥施用的直接排放居多。農(nóng)用柴油、農(nóng)膜生命周期隱含碳排放的占比近年略有增加，平均分別貢獻(xiàn)4.87%和2.93%，而農(nóng)藥生命周期隱含碳占比與化肥生命周期隱含碳變化趨勢相近，近年已呈逐年下降趨勢，平均貢獻(xiàn)2.57%。

2.1.2 畜牧業(yè)碳排放時序特征

2000—2019年，江蘇省畜牧業(yè)COe排放量總體呈“升高-降低-回升-降低”的變化趨勢（圖2），并在2003年達(dá)峰，為2 274.20萬t。2005年后排放量降幅明顯，2007年已降至1 344.92萬t，2014年后則呈逐年下降趨勢，2019年因受豬瘟等影響，排放量降至730.88萬t。兩類排放源中，動物糞便管理的平均貢獻(xiàn)率略高，為52.01%。

圖2 2000—2019年江蘇省畜牧業(yè)CO2e排放變化Figure 2 CO2e emission from animal husbandry in Jiangsu Province from 2000 to 2019

全省動物腸道發(fā)酵COe排放量在2007年較上年大幅降低，此后有所回升，自2015年后逐年下降（圖3）。2000—2019年，所有畜禽中，山羊胃腸道發(fā)酵貢獻(xiàn)的排放量最多，平均占比為52.61%，自2007年起，占比大幅下降；綿羊貢獻(xiàn)最少，平均占比1.22%；豬、奶牛和非奶牛則分別平均貢獻(xiàn)18.18%、16.38%和11.60%的排放量。

圖3 2000—2019年江蘇省畜牧業(yè)動物腸道發(fā)酵CO2e排放變化Figure 3 CO2e emission fromanimal intestinal fermentation in Jiangsu Province from 2000 to 2019

全省動物糞便管理COe排放量在2005—2006年呈較明顯的年際差異，在2007年持續(xù)下降后有所回升，自2014年后則逐年降低，其中2019年有大幅下降（圖4）。2000—2019年，所有畜禽中，豬糞便管理是最重要的排放源，平均占比91.07%，其次是山羊、奶牛、非奶牛、家禽和綿羊，分別貢獻(xiàn)3.97%、2.49%、1.40%、0.98%和0.10%。

圖4 2000—2019年江蘇省畜牧業(yè)動物糞便管理CO2e排放變化Figure 4 CO2e emission from animal manure management in Jiangsu Province from 2000 to 2019

所有畜禽中，豬養(yǎng)殖過程中的COe排放量遠(yuǎn)高于其他畜禽，平均占比54.60%，其次山羊占比29.28%，為第二大排放來源，奶牛、非奶牛、綿羊及家禽則分別占8.07%、6.90%、0.65%和0.50%。因此，合理控制豬養(yǎng)殖規(guī)模、加強(qiáng)豬糞減排處理尤為關(guān)鍵。

2.1.3 農(nóng)業(yè)碳排放時序特征

2000—2019年江蘇省農(nóng)業(yè)COe排放量總體呈現(xiàn)“降低-回升-降低”的變化趨勢，根據(jù)增長率可知，當(dāng)前全省農(nóng)業(yè)整體已呈降低趨勢，特別是在2007年（-6.58%）、2019年（-8.77%）有大幅減少，COe排放量于2005年達(dá)峰，為8 361.77萬t，到2019年已降至6 623.10萬t（圖5）。

圖5 2000—2019年江蘇省農(nóng)業(yè)CO2e排放變化Figure 5 Agricultural CO2e emissions in Jiangsu Province from 2000 to 2019

從時間變化上，農(nóng)業(yè)COe排放強(qiáng)度相比農(nóng)業(yè)COe排放量更能真實(shí)反映排放程度。伴隨江蘇省農(nóng)業(yè)產(chǎn)業(yè)轉(zhuǎn)型優(yōu)化，2000—2019年間全省農(nóng)業(yè)COe排放強(qiáng)度主要呈“降低-回升-降低”的趨勢（圖6）。2000—2003年間，COe排放強(qiáng)度呈先降低后升高的趨勢，2003年達(dá)到峰值，為5.38 t·萬元，此后逐年遞減，2019年已降至1.31 t·萬元。在2007年負(fù)增長率最高，相較上年排放強(qiáng)度降低了18.37%。

圖6 2000—2019年江蘇省農(nóng)業(yè)CO2e排放強(qiáng)度變化Figure 6 Agricultural CO2e emission intensity in Jiangsu Province from 2000 to 2019

2000—2019年間，江蘇省農(nóng)業(yè)各排放源中，水稻種植（CH）對農(nóng)業(yè)碳排放總量貢獻(xiàn)最大，平均貢獻(xiàn)了47.04%的COe排放，其次是化肥生命周期隱含碳、動物糞便管理和動物腸道發(fā)酵，分別貢獻(xiàn)了14.01%、10.73%和10.26%。此外，農(nóng)用地NO排放、農(nóng)用柴油、農(nóng)膜和農(nóng)藥生命周期隱含碳則分別貢獻(xiàn)了9.73%、3.87%、2.34%和2.02%（表2）。在能源消費(fèi)中，農(nóng)業(yè)用電的碳排放量遠(yuǎn)低于其他排放源，貢獻(xiàn)極低。總體來看，種植業(yè)碳排放量遠(yuǎn)高于畜牧業(yè)，分別平均占比79.01%、20.99%，其中畜牧業(yè)的比重整體呈現(xiàn)下降趨勢，而種植業(yè)碳排放貢獻(xiàn)率由2000年的74.48%提高至2019年的88.96%。農(nóng)業(yè)資源投入中，農(nóng)用柴油、農(nóng)膜生命周期隱含碳排放的貢獻(xiàn)率從2000年的2.95%、1.51%分別提高至2019年的5.24%、3.27%。畜禽腸道發(fā)酵對農(nóng)業(yè)碳排放的貢獻(xiàn)率于2007年出現(xiàn)明顯降低，此后基本維持較低的比重，而動物糞便管理碳排放在農(nóng)業(yè)碳排放總量中的貢獻(xiàn)率整體變化較小，僅在2019年呈現(xiàn)明顯降低。

表2 2000—2019年江蘇省農(nóng)業(yè)碳排放源排放結(jié)構(gòu)變化（%）Table 2 The structural change of agricultural carbon emission sources in Jiangsu Province from 2000 to 2019（%）

2.2 農(nóng)業(yè)碳排放趨勢預(yù)測

2.2.1 偏相關(guān)分析

本文采用STIRPAT模型預(yù)測江蘇省碳排放趨勢，先將2000—2019年全省農(nóng)業(yè)COe排放量（）、農(nóng)村人口（）、農(nóng)業(yè)人均GDP（）、農(nóng)業(yè)COe排放強(qiáng)度（）按時間序列數(shù)據(jù)進(jìn)行偏相關(guān)分析，、、與偏相關(guān)系數(shù)分別為0.749、-0.751、0.724。顯著性（雙側(cè)）檢驗(yàn)概率均在1%以下，說明剔除其他變量影響后，農(nóng)村人口、農(nóng)業(yè)COe排放強(qiáng)度分別與農(nóng)業(yè)COe排放量間呈顯著正相關(guān)，而農(nóng)業(yè)人均GDP與農(nóng)業(yè)COe排放量間呈顯著負(fù)相關(guān)。

2.2.2 模型構(gòu)建

將原始時間序列數(shù)據(jù)做自然對數(shù)處理后，運(yùn)用SPSS19.0進(jìn)行標(biāo)準(zhǔn)化處理以消除量綱影響（表3），分別以、、、表示處理后的變量。進(jìn)一步降維處理、、時間序列數(shù)據(jù)，提取2個主成分，分別以、表示，可解釋原變量的99.947%（表4），而Sig.值均遠(yuǎn)小于0.01，表明擬合效果好。根據(jù)表5，、與原變量間的關(guān)系為：

表4 主成分分析解釋的總方差Table 4 Principal component analysis of the total explained variance

表5 主成分分析得分系數(shù)曲線Table 5 Principal component analysis of sub-coefficient matrix

由上式構(gòu)建、時間序列數(shù)據(jù)，將作為被解釋變量，、作為解釋變量，采用兩階最小二乘法進(jìn)行回歸分析。方差分析結(jié)果的值為11.617，同時檢驗(yàn)的Sig.值小于0.01，表明模型擬合較好（表6）。根據(jù)模型回歸系數(shù)（表7）可得綜合變量與因變量的方程如式（7）所示，剔除Sig.值為1常數(shù)項(xiàng)，將式（5）、式（6）代入式（7）可得式（8）。

表6 方差分析結(jié)果Table 6 The results of the ANOVA

表7 模型系數(shù)Table 7 Model coefficients

根據(jù)標(biāo)準(zhǔn)化公式及表3標(biāo)準(zhǔn)化描述量，可將式（8）（=20）轉(zhuǎn)換為：

表3 標(biāo)準(zhǔn)化處理描述統(tǒng)計量Table 3 Statistics described by the normalization

據(jù)此可知，江蘇省農(nóng)業(yè)COe排放量的驅(qū)動因子模型為：

將模型擬合得到的結(jié)果與估算值比較（圖7），忽略其中部分年份實(shí)際生產(chǎn)活動中偶然因素影響，擬合值與估算值變化趨勢總體近似，可以較好地反映未來碳排放趨勢。而由式（10）可知，、、對碳排放的彈性系數(shù)分別為0.247 4、-0.001 8和-0.024 2，表明在三者共同影響下，農(nóng)村人口是江蘇省碳排放主要的驅(qū)動因素，與COe排放量呈現(xiàn)較強(qiáng)的正相關(guān)性。因此，加快城鎮(zhèn)化進(jìn)程，提高能源、資源利用率和集約化水平，促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)高質(zhì)量發(fā)展，是農(nóng)業(yè)實(shí)現(xiàn)減碳的重要途徑。

圖7 2000—2019年模型擬合江蘇省農(nóng)業(yè)CO2e排放量Figure 7 2000—2019 model fitting of agricultural CO2e emissions in Jiangsu Province

2.2.3 2020—2030年農(nóng)業(yè)碳排放預(yù)測

根據(jù)當(dāng)前江蘇省農(nóng)業(yè)發(fā)展情況，設(shè)置3種2020—2030年的情景模式（表8）?；鶞?zhǔn)情景是根據(jù)江蘇省2000—2019年農(nóng)業(yè)COe排放情況，結(jié)合全省未來社會發(fā)展?fàn)顩r，將農(nóng)村人口、人均農(nóng)業(yè)GDP、農(nóng)業(yè)COe排放強(qiáng)度的年均增長率進(jìn)行設(shè)定得到的結(jié)果；兩種低碳情景是在基準(zhǔn)情景設(shè)定基礎(chǔ)上對各影響因素做出的進(jìn)一步調(diào)整，以期能夠全面分析可能出現(xiàn)的情況。

表8 不同情景模式下各參數(shù)增長率設(shè)定Table 8 Parameter growth rate setting under different scenarios

根據(jù)設(shè)置的基準(zhǔn)情景和低碳情景模式，運(yùn)用STIRPAT模型對江蘇省農(nóng)業(yè)COe排放進(jìn)行擬合，得出3種情景下農(nóng)業(yè)COe排放趨勢（圖8）。結(jié)果表明：基準(zhǔn)情景中，江蘇省農(nóng)業(yè)COe排放量呈持續(xù)下降趨勢，在2030年，COe排放量預(yù)測為6 784.80萬t，較2000年減少17.20%，但因受豬瘟等影響2019年出現(xiàn)非常態(tài)的大幅降低，該情景下2030年的排放量仍比2019年高2.44%；低碳情景1中，全省農(nóng)業(yè)COe排放呈現(xiàn)出較基準(zhǔn)情景更明顯的下降趨勢，該情景下維持了與基準(zhǔn)情景的人均農(nóng)業(yè)GDP增速水平，COe排放量預(yù)測到2030年為6 440.40萬t，分別較2000年和2019年減少21.40%和2.76%，而相比基準(zhǔn)情景下2030年農(nóng)業(yè)碳排放量，低碳情景1農(nóng)業(yè)碳排放量下降了344.40萬t，降幅為5.08%；低碳情景2中，人均農(nóng)業(yè)GDP增速較前兩種情景降低，而農(nóng)村人口、農(nóng)業(yè)COe排放強(qiáng)度的降低速率則均有提高，預(yù)計到2030年，COe排放量為6 387.17萬t，分別較2000年和2019年減少22.05%和3.56%，而相比基準(zhǔn)情景和低碳情景1的2030年農(nóng)業(yè)碳排放量，低碳情景2農(nóng)業(yè)碳排放量分別下降了397.63萬、53.23萬t，降幅分別為5.86%、0.83%。由此表明，在低碳情景發(fā)展模式下，全省農(nóng)業(yè)碳減排的潛力巨大，且在實(shí)現(xiàn)農(nóng)業(yè)減碳的同時，也能兼顧農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展。

圖8 不同情景模式下2020—2030年江蘇省農(nóng)業(yè)CO2e排放預(yù)測Figure 8 Prediction of agricultural CO2e emissions in Jiangsu Province from2020 to 2030 under different scenarios

3 討論

3.1 江蘇省農(nóng)業(yè)碳排放變化趨勢與現(xiàn)狀

本文以江蘇省農(nóng)業(yè)碳排放作為研究對象，較為系統(tǒng)地將全省種植業(yè)與畜牧業(yè)部門的碳排放數(shù)據(jù)進(jìn)行整合，從而對全省農(nóng)業(yè)碳排放做出較客觀的評估。本文發(fā)現(xiàn)當(dāng)前江蘇省農(nóng)業(yè)COe排放量和COe排放強(qiáng)度總體已呈現(xiàn)降低的變化趨勢，其中排放量已于2005年達(dá)峰。目前，國內(nèi)其他學(xué)者的研究結(jié)果也已證實(shí)江蘇省近年農(nóng)業(yè)碳排放趨于減少，例如何艷秋等的研究表明，江蘇省已由中等排放向中低等排放等級轉(zhuǎn)變。本文估算發(fā)現(xiàn)，2000—2019年間，全省農(nóng)業(yè)COe排放量分別在2007年、2019年出現(xiàn)明顯降低。根據(jù)碳排放出現(xiàn)大幅降低前后年份的相關(guān)統(tǒng)計報道，推測其與牲畜疫病如豬瘟等影響有關(guān)。受疫情影響，2007年江蘇省主要牲畜山羊和2019年生豬年末存欄量出現(xiàn)明顯減少，進(jìn)而造成市場需求萎縮，直接導(dǎo)致了畜牧業(yè)碳排放量大幅降低，最終使農(nóng)業(yè)碳排放量整體下降。

本文發(fā)現(xiàn)對江蘇省農(nóng)業(yè)碳排放貢獻(xiàn)最大的排放源為水稻種植，其次是化肥生命周期隱含碳、動物糞便管理和動物腸道發(fā)酵。而已有的研究卻表明，在我國種植業(yè)中，化肥施用是最主要的碳排放源，其碳排放量高低對農(nóng)業(yè)碳排放的地區(qū)差異貢獻(xiàn)最大。事實(shí)上，化肥僅在生命周期特別是田間施用后貢獻(xiàn)大量溫室氣體排放，而水稻種植過程尤其是伴隨灌溉淹水造成的厭氧環(huán)境導(dǎo)致的CH排放大多被國內(nèi)以往的研究所低估或是忽略，這一類非CO溫室氣體排放也應(yīng)當(dāng)被充分考慮在農(nóng)業(yè)碳排放的估算當(dāng)中。隨著規(guī)模化水平提高，畜禽養(yǎng)殖場糞便管理方式的改變已成為導(dǎo)致畜牧業(yè)糞便管理過程溫室氣體排放增加的主要原因，而這同樣也是江蘇省動物糞便管理溫室氣體排放近年來仍居高不下的一個可能的解釋。本文重點(diǎn)關(guān)注了農(nóng)業(yè)碳排放的時序特征，就空間分布而言，當(dāng)前全省農(nóng)業(yè)排放量空間集聚特征已越發(fā)明顯，高排放量主要集中于蘇北地區(qū)，排放強(qiáng)度則由全省普遍較高逐步變化為僅蘇北、蘇中部分地區(qū)較高，高排放區(qū)域總體已逐漸減少。

3.2 江蘇省農(nóng)業(yè)實(shí)現(xiàn)碳減排的路徑措施

本文模型預(yù)測江蘇省2020—2030年農(nóng)業(yè)碳排放量仍將實(shí)現(xiàn)穩(wěn)步降低。在低碳情景中，全省農(nóng)業(yè)碳排放量降低趨勢更為明顯，因此需要利用新技術(shù)、新生產(chǎn)方式加強(qiáng)對農(nóng)業(yè)中種植業(yè)、畜牧業(yè)的主要溫室氣體排放源排放量的削減，從而有效控制農(nóng)業(yè)溫室氣體的總體排放，實(shí)現(xiàn)減源增匯。黃冰冰等指出，低碳種植技術(shù)的減碳效應(yīng)取決于對應(yīng)碳排放源占種植業(yè)碳排放的比重和其應(yīng)用程度。因此，稻田優(yōu)化灌溉、化肥減施增效均是控制并減少種植業(yè)乃至農(nóng)業(yè)總體碳排放的重要舉措之一。盡管化肥及農(nóng)藥在生產(chǎn)、施用等環(huán)節(jié)易造成環(huán)境負(fù)效應(yīng)，但農(nóng)戶使用習(xí)慣仍需要很長時間轉(zhuǎn)變，在缺乏優(yōu)質(zhì)、環(huán)保的替代品的前提下，發(fā)展精準(zhǔn)農(nóng)業(yè)可以在提高單產(chǎn)的同時減少化肥、農(nóng)藥用量，極大提高農(nóng)業(yè)資源的利用效率和有效性。事實(shí)上，除需重點(diǎn)推進(jìn)化肥減施增效外，優(yōu)化間歇灌溉、推廣秸稈還田也可以更好地減少作物碳排放、增加碳匯。MCCARL等則認(rèn)為可以通過直接減排、擴(kuò)大陸地碳匯或是生產(chǎn)排放密集型產(chǎn)品的替代品來減少碳排放?？傊K省要發(fā)展低碳農(nóng)業(yè)、實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展，必然伴隨碳排放強(qiáng)度的持續(xù)降低，而排放強(qiáng)度與農(nóng)業(yè)農(nóng)戶年齡、務(wù)農(nóng)年限、年均農(nóng)業(yè)收入比例、耕地面積、土地質(zhì)量等因素關(guān)系密切，因此，除研發(fā)和推廣農(nóng)業(yè)低碳技術(shù)外，還需加強(qiáng)農(nóng)村建設(shè)、耕地保育和農(nóng)民培訓(xùn)工作。

此外，畜牧業(yè)牲畜養(yǎng)殖規(guī)模的變化對江蘇省農(nóng)業(yè)碳排放可能具有重要影響。目前，一個普遍觀點(diǎn)是適當(dāng)減少需求側(cè)畜牧產(chǎn)品的消費(fèi)，可以有效減少非CO溫室氣體的排放。未來隨著集約化、規(guī)模化養(yǎng)殖程度的提高，配套的畜禽糞便管理措施如不靈活改進(jìn)，糞便管理過程仍會伴有大量溫室氣體的排放。與此同時，如不能積極采取飼料改良加工、動物育種和瘤胃微生物調(diào)節(jié)等措施，在維持反芻動物較大的養(yǎng)殖規(guī)模情況下，也會造成瘤胃發(fā)酵產(chǎn)生的CH排放長期居高不下。因此，需要注意的是，若養(yǎng)殖規(guī)模增加，未來全省農(nóng)業(yè)碳排放量可能會在一段時期內(nèi)呈升高趨勢。除畜牧業(yè)相關(guān)碳排放存在增加的潛在可能性外，農(nóng)業(yè)機(jī)械動力能源用量的持續(xù)增長也有可能增加未來農(nóng)業(yè)碳排放總量，需要加強(qiáng)綠色能源的使用比重。

4 結(jié)論與建議

4.1 結(jié)論

（1）江蘇省2000—2019年農(nóng)業(yè)COe排放總量整體呈現(xiàn)降低-回升-降低的趨勢，并且在2005年達(dá)峰，為8 361.77萬t。全省農(nóng)業(yè)COe排放強(qiáng)度呈現(xiàn)先升高后降低的趨勢，2003年起已逐年降至2019年的1.31 t·萬元，農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長已漸趨脫鉤。

（2）江蘇省種植業(yè)碳排放量比重明顯高于畜牧業(yè)。主要種植業(yè)碳排放源中，水稻種植碳排放貢獻(xiàn)最大，其次是化肥生命周期隱含碳、動物糞便管理和動物腸道發(fā)酵。主要畜禽碳排放源中，豬養(yǎng)殖過程中造成的碳排放遠(yuǎn)高于其他畜禽，而非能源消費(fèi)造成的碳排放遠(yuǎn)高于能源消費(fèi)，因此加快推廣低碳技術(shù)尤為必要。

（3）2020—2030年，伴隨城鎮(zhèn)化發(fā)展、農(nóng)業(yè)人均GDP提高以及農(nóng)業(yè)碳排放強(qiáng)度的進(jìn)一步降低，江蘇省農(nóng)業(yè)COe排放量仍將有持續(xù)下降的變化趨勢，而在低碳情景下，全省農(nóng)業(yè)COe排放量下降將更為明顯，并能實(shí)現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)與低碳減排兼顧的高效發(fā)展。

4.2 建議

根據(jù)本文研究結(jié)果，為在兼顧農(nóng)業(yè)高產(chǎn)優(yōu)質(zhì)、養(yǎng)分高效利用和農(nóng)業(yè)經(jīng)濟(jì)效益的前提下，實(shí)現(xiàn)江蘇省農(nóng)業(yè)固碳減排和綠色發(fā)展，從科學(xué)認(rèn)識、技術(shù)方法和政策管理角度提出以下建議：

（1）開展農(nóng)業(yè)領(lǐng)域“雙碳”專題培訓(xùn)，促進(jìn)全省農(nóng)業(yè)企業(yè)、農(nóng)戶等穩(wěn)固樹立低碳發(fā)展理念，并深入了解自身生產(chǎn)活動中碳排放分布結(jié)構(gòu)，從而更具針對性地采取相應(yīng)的減碳策略。

（2）重點(diǎn)加強(qiáng)全省水稻種植、化肥生命周期隱含碳及畜禽養(yǎng)殖（特別是豬養(yǎng)殖過程）等當(dāng)前主要溫室氣體排放源的減排力度，具體可通過科學(xué)調(diào)整水稻田灌溉模式、加速新型綠色肥料生產(chǎn)應(yīng)用以替代傳統(tǒng)化肥、推進(jìn)飼料改良、改進(jìn)畜舍設(shè)計、優(yōu)化畜禽圈舍尾氣、糞便管理以及強(qiáng)化農(nóng)牧廢棄物資源化利用（如有機(jī)無機(jī)配施、種養(yǎng)結(jié)合生產(chǎn)模式）等技術(shù)途徑實(shí)現(xiàn)。

（3）針對近年全省農(nóng)業(yè)來源于柴油的碳排放略呈升高的趨勢，政府需加強(qiáng)農(nóng)機(jī)購置補(bǔ)貼政策的引導(dǎo)和傾斜，提高高效節(jié)能的新型農(nóng)機(jī)使用比例及太陽能、風(fēng)能等在農(nóng)機(jī)能源中的比重。此外，政府可在科學(xué)征收碳稅的基礎(chǔ)上，逐步擴(kuò)大征稅對象，倒逼農(nóng)業(yè)產(chǎn)業(yè)轉(zhuǎn)型，同時科學(xué)規(guī)劃未來種植業(yè)種植結(jié)構(gòu)和畜牧業(yè)養(yǎng)殖結(jié)構(gòu)，對溫室氣體排放量高的作物種植和畜禽養(yǎng)殖的規(guī)模加以合理控制，以此加快實(shí)現(xiàn)全省農(nóng)業(yè)碳中和目標(biāo)并保障農(nóng)業(yè)高質(zhì)量發(fā)展。