糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的動(dòng)態(tài)演進(jìn)及驅(qū)動(dòng)因素研究

賀青 ，張俊飚

（1. 華中農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)與管理學(xué)院，湖北 武漢 430070；2. 湖北第二師范學(xué)院 經(jīng)濟(jì)與管理學(xué)院，湖北 武漢 430205；3. 華中農(nóng)業(yè)大學(xué) 農(nóng)業(yè)綠色低碳發(fā)展實(shí)驗(yàn)室，湖北 武漢 430070）

0 引言

中國(guó)糧食主產(chǎn)區(qū)的耕地大約占全國(guó)總耕地面積的64%，其糧食產(chǎn)量占全國(guó)比重大約是75%。糧食主產(chǎn)區(qū)普遍具有天然優(yōu)越的糧食生產(chǎn)條件，穩(wěn)定增長(zhǎng)的糧食產(chǎn)量，為中國(guó)農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展和國(guó)家糧食安全做出了重大貢獻(xiàn)，但糧食主產(chǎn)區(qū)也是中國(guó)農(nóng)業(yè)溫室氣體排放的主要區(qū)域。由于各地區(qū)農(nóng)業(yè)生產(chǎn)技術(shù)水平存在明顯差異，一些生產(chǎn)技術(shù)落后、環(huán)境條件較差的省份，只能通過大量的物資投入來(lái)彌補(bǔ)自然條件的不足，導(dǎo)致農(nóng)藥、農(nóng)膜、化肥等物資的使用量節(jié)節(jié)攀升，同時(shí)耕地面積和灌溉面積的逐年擴(kuò)張，也大大增加了農(nóng)業(yè)碳排放量[1]。因此，以糧食主產(chǎn)區(qū)作為研究對(duì)象，測(cè)算糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放量，分析其動(dòng)態(tài)演變趨勢(shì)，探究主產(chǎn)區(qū)農(nóng)業(yè)碳排放的主要驅(qū)動(dòng)因素，可以為我國(guó)糧食安全和農(nóng)業(yè)低碳目標(biāo)的實(shí)現(xiàn)提供理論參考和實(shí)證依據(jù)。

關(guān)于農(nóng)業(yè)碳排放的研究，主要集中在以下兩個(gè)方面：第一，農(nóng)業(yè)碳排放的來(lái)源分析和測(cè)算。Mosier 等[2]認(rèn)為農(nóng)業(yè)碳排放源是多樣性的，農(nóng)作物和動(dòng)物是甲烷的主要排放來(lái)源；Johnson 等[3]將農(nóng)業(yè)碳排放分為農(nóng)業(yè)能源利用、腸道發(fā)酵、糞便管理、水稻種植、農(nóng)業(yè)廢棄物以及生物燃料；Lesschen 等[4]發(fā)現(xiàn)畜牧業(yè)的碳排放量較大；閔繼勝和胡浩[5]指出中國(guó)種植業(yè)的甲烷排放量逐漸減少，畜牧業(yè)碳排放表現(xiàn)出先增后減的變化趨勢(shì)；何慧爽和付幫杰[6]測(cè)算了糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放，發(fā)現(xiàn)農(nóng)業(yè)碳總量緩慢增長(zhǎng)，但碳強(qiáng)度逐年下降；伍國(guó)勇等[7]測(cè)度了各地區(qū)農(nóng)地利用的碳排放量，發(fā)現(xiàn)各區(qū)域差異比較顯著。第二，農(nóng)業(yè)碳排放的影響因素和減排策略。Vleeshouwers 等[8]的研究表明，農(nóng)業(yè)生產(chǎn)資料、種植模式、溫度、降水、泥土等都會(huì)影響農(nóng)業(yè)碳排放；Monchuk 等[9]、Zhang 等[10]認(rèn)為工業(yè)發(fā)展和能源消耗促進(jìn)了農(nóng)業(yè)碳排放；Garnier 等[11]指出農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整可以減少農(nóng)業(yè)碳排放；國(guó)內(nèi)學(xué)者的研究表明生產(chǎn)效率、產(chǎn)業(yè)結(jié)構(gòu)和人口規(guī)模是碳減排的主要因素，而農(nóng)業(yè)經(jīng)濟(jì)發(fā)展是促進(jìn)農(nóng)業(yè)碳排放的增長(zhǎng)因素[12-16]，農(nóng)業(yè)技術(shù)[17-18]、對(duì)外貿(mào)易[19]、城鎮(zhèn)化[20]等也是影響農(nóng)業(yè)碳排放的重要因素，張金鑫和王紅玲[21]指出農(nóng)業(yè)技術(shù)創(chuàng)新對(duì)農(nóng)業(yè)碳排放具有顯著的負(fù)向影響。

1 研究方法和數(shù)據(jù)來(lái)源

1.1 農(nóng)業(yè)碳排放量的計(jì)算

結(jié)合田云和吳海濤[22]的研究，并參考IPCC（2006）指南的基礎(chǔ)上，從四個(gè)方面對(duì)中國(guó)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放進(jìn)行測(cè)算。一是農(nóng)地利用引起的碳排放，包括化肥、農(nóng)藥、農(nóng)膜、翻耕等產(chǎn)生的碳排放。二是水稻生長(zhǎng)發(fā)育過程中產(chǎn)生的碳排放，由于中國(guó)不同地區(qū)水稻種植條件存在差異，對(duì)應(yīng)的水稻甲烷排放系數(shù)參考閔繼勝和胡浩[5]的研究。三是牲畜養(yǎng)殖過程中甲烷和一氧化二氮的排放，本文在計(jì)算牲畜碳排放時(shí)選取豬、牛、馬、驢、騾、綿羊和山羊等動(dòng)物來(lái)測(cè)算，各牲畜的碳排放系數(shù)來(lái)自ICPP。四是能源消耗導(dǎo)致的碳排放，主要有原煤、柴油、汽油和電力，各能源碳排放系數(shù)來(lái)自田云和吳海濤[22]的研究。因此，中國(guó)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的測(cè)算公式如下：

式中：C為糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量，Ci為各類碳源的碳排放量，Ti表示第i種碳源的數(shù)量，λi表示第i種碳源的碳排放系數(shù)。為了便于計(jì)算碳排放總量，把甲烷和一氧化二氮都換算成統(tǒng)一標(biāo)準(zhǔn)碳，根據(jù)IPCC 評(píng)估報(bào)告，甲烷和一氧化二氮的換算系數(shù)為6.818 和81.273。

1.2 核密度估計(jì)方法

核密度估計(jì)是比較常用的一種非參數(shù)估計(jì)方法，本文采用核密度估計(jì)方法對(duì)中國(guó)糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放量和農(nóng)業(yè)碳強(qiáng)度的概率分布和動(dòng)態(tài)演變情況進(jìn)行分析。核密度函數(shù)表達(dá)式如下：

式中：n為變量觀察值個(gè)數(shù)；h為核密度曲線的帶寬或平滑系數(shù)，帶寬會(huì)影響到核密度曲線的光滑程度和核密度估計(jì)結(jié)果的準(zhǔn)確性；Xi是變量的實(shí)際觀察值，x是變量均值；K(·)是平滑轉(zhuǎn)換核密度函數(shù)，經(jīng)常使用的核密度函數(shù)有二次核函數(shù)、高斯核函數(shù)、三角核函數(shù)等，本文選擇文獻(xiàn)中使用較多的高斯核函數(shù)來(lái)估計(jì)。高斯核函數(shù)的形式為：

由于在進(jìn)行核密度估計(jì)的時(shí)候，核密度估計(jì)結(jié)果對(duì)帶寬或平滑系數(shù)的取值比較敏感。一般情況下，觀察值的樣本個(gè)數(shù)越多，帶寬的誤差越小，即帶寬h和樣本數(shù)量n之間存在一定的函數(shù)對(duì)應(yīng)關(guān)系，具體函數(shù)關(guān)系如下：

核密度估計(jì)一般通過核密度曲線的形狀和位置移動(dòng)的比較，來(lái)分析隨機(jī)變量的概率分布動(dòng)態(tài)演變情況。一般來(lái)說，密度函數(shù)曲線整體隨時(shí)間變化向左或右移動(dòng)時(shí)，說明被研究的變量的總體水平增加或減少，右移表示數(shù)值增加，左移則表示數(shù)值減少。波峰形狀呈“又尖又窄型”，說明各地區(qū)的差距不大，而“又扁又寬型”的波峰則說明各地區(qū)的差距在逐漸擴(kuò)大。

1.3 碳排放影響因素分解方法

農(nóng)業(yè)碳排放影響因素的分解主要有兩種方法，Kaya恒等式變形和LMDI 方法。Kaya 恒等式是用來(lái)分析農(nóng)業(yè)碳排放的影響因素，LMDI 方法則是以Kaya 恒等式變形為基礎(chǔ)，由于能消除殘差項(xiàng)，可以更好地分析各因素對(duì)農(nóng)業(yè)碳排放的影響效應(yīng)。因此，本文選擇LMDI 方法分析中國(guó)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的影響因素，LMDI分解公式如下：

百米林帶中灌木和地被的應(yīng)用數(shù)量相對(duì)較少。灌木層植物中應(yīng)用頻率排在前3位的分別是八角金盤、海桐、桂花。八角金盤耐陰性強(qiáng),適宜植于林下,在綠帶中應(yīng)用頻率高。地被層植物中應(yīng)用頻率排在前列的分別是麥冬、沿階草、吉祥草,藤本在調(diào)查中出現(xiàn)的頻率較低,立體綠化的應(yīng)用量幾乎為零。

式中：C為主產(chǎn)區(qū)農(nóng)業(yè)碳排放總量；PGDP為農(nóng)業(yè)總產(chǎn)值（種植業(yè)和畜牧業(yè)）；AGDP為農(nóng)林牧漁業(yè)總產(chǎn)值；AL是從事農(nóng)業(yè)的勞動(dòng)力總量；EI是生產(chǎn)技術(shù)效率；CI是農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)；SI是經(jīng)濟(jì)發(fā)展水平。對(duì)于式（9），如果主產(chǎn)區(qū)基期農(nóng)業(yè)碳排放總量是C0，那么t期碳排放總量為Ct，Ctot是主產(chǎn)區(qū)農(nóng)業(yè)碳排放量的變化數(shù)值。運(yùn)用加和分解方法，農(nóng)業(yè)碳排放差值被分解為：

被分解的影響因素對(duì)主產(chǎn)區(qū)農(nóng)業(yè)碳排放的貢獻(xiàn)值計(jì)算公式為：

總效應(yīng)為：

式中：ΔEI為生產(chǎn)技術(shù)效率對(duì)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的貢獻(xiàn)量；ΔCI為產(chǎn)業(yè)結(jié)構(gòu)對(duì)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的貢獻(xiàn)量；ΔSI為經(jīng)濟(jì)發(fā)展對(duì)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的貢獻(xiàn)量；ΔAL為勞動(dòng)力規(guī)模對(duì)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的貢獻(xiàn)量。

1.4 數(shù)據(jù)來(lái)源

測(cè)算糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量所需要的數(shù)據(jù)均源自《中國(guó)能源統(tǒng)計(jì)年鑒》和《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》，與價(jià)格有關(guān)的變量均以1998 年為基期進(jìn)行修正，部分能源消耗數(shù)據(jù)來(lái)自各省份的統(tǒng)計(jì)年鑒。

2 農(nóng)業(yè)碳排放的動(dòng)態(tài)演進(jìn)

2.1 全國(guó)農(nóng)業(yè)碳排放的核密度估計(jì)

圖1為全國(guó)農(nóng)業(yè)碳排放量的動(dòng)態(tài)演進(jìn)趨勢(shì)圖。從圖1 中可以看到，全國(guó)31 個(gè)省份（不包括港澳臺(tái)地區(qū)）農(nóng)業(yè)碳排放量的核密度分布曲線圖的總體演變特點(diǎn)如下：（1）1998—2019 年，全國(guó)農(nóng)業(yè)碳排放量的核密度曲線圖整體沿著橫軸向右移動(dòng)，說明在這22 年間，中國(guó)各省份的農(nóng)業(yè)碳排放量增長(zhǎng)幅度較大。（2）從全國(guó)碳排放的核密度曲線波峰可以看到，在22 年內(nèi)，核密度曲線的波峰整體明顯向下移動(dòng)一段距離；波峰的寬度也被顯著拉寬，從1998 年呈現(xiàn)出的尖窄型波寬到2019 年逐漸變成扁寬型，核密度曲線的右側(cè)被延長(zhǎng)，形成拖尾形狀。圖形變化特征反映了1998—2019 年全國(guó)31 個(gè)省份農(nóng)業(yè)碳排放量的區(qū)域差距隨著時(shí)間的變化而不斷擴(kuò)大。（3）從波峰數(shù)量來(lái)看，1998—2019 年全國(guó)31 個(gè)省份農(nóng)業(yè)碳排放量基本呈“雙峰”形態(tài)，這反映了22 年間全國(guó)31 個(gè)省份農(nóng)業(yè)碳排放量的地區(qū)差異雖然不斷在擴(kuò)大，但省際差異化主要表現(xiàn)為兩極分化特征。糧食主產(chǎn)區(qū)和非糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的巨大差異，是造成全國(guó)1998—2019 年農(nóng)業(yè)碳排放量?jī)蓸O分化特征的主要原因。

圖1 全國(guó)農(nóng)業(yè)碳排放的核密度分析

2.2 糧食主產(chǎn)區(qū)和非主產(chǎn)區(qū)農(nóng)業(yè)碳排放核密度估計(jì)

圖2和圖3 是1998—2019 年中國(guó)糧食主產(chǎn)區(qū)和非糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量的演化趨勢(shì)。圖2 是1998—2019 年糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量的動(dòng)態(tài)變化情況。從圖2 可知，中國(guó)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量核密度估計(jì)曲線的總體演變特點(diǎn)如下：（1）1998—2019 年糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量的核密度曲線中心整體從左向右偏移，這反映出在這22 年內(nèi)，糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)碳排放量均有較大幅度的增加。（2）從糧食主產(chǎn)區(qū)核密度曲線的波峰高度來(lái)看，2019 年與1998 年相比，核密度曲線波峰高度整體大幅度向上遷移；2019 年的波峰寬度與基期相比，區(qū)間范圍明顯縮小，從1998 年的“扁寬型”演變成2019 年的“尖窄型”；這反映了1998—2019 年糧食主產(chǎn)區(qū)13 個(gè)省份的總農(nóng)業(yè)碳排放峰值大幅度提高，但省際之間的碳排放量差距隨時(shí)間變化逐漸縮小。（3）1998年的波峰數(shù)量為“一主一次”，呈兩極分化態(tài)勢(shì)。而2019年糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放核密度曲線形狀發(fā)生顯著變化，由“一主一次”的雙峰形態(tài)逐漸演變?yōu)椤耙恢魅巍钡乃姆逍螒B(tài)，這反映1998—2019 年糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放總量的省級(jí)差異逐步縮小，但演變?yōu)槎鄻O分化的趨勢(shì)。

圖2 糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的核密度分析

圖3 非糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的核密度分析

圖3是1998—2019 年非糧食主產(chǎn)區(qū)的18 個(gè)省份農(nóng)業(yè)碳排放量的動(dòng)態(tài)演變情況。從圖3 可知，中國(guó)糧食非主產(chǎn)區(qū)農(nóng)業(yè)碳排放核密度估計(jì)曲線的總體演變特點(diǎn)如下：（1）1998—2019 年糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量的核密度曲線中心整體從左向右小幅度地偏移，這反映出在這22 年內(nèi)非糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)碳排放量?jī)H僅有較小幅度的增加。（2）從非糧食主產(chǎn)區(qū)核密度曲線的波峰高度來(lái)看，2019 年與1998 年相比，核密度曲線波峰高度整體大幅度下降；2019 年的波峰寬度與基期相比，區(qū)間范圍明顯擴(kuò)大，曲線形狀被拉得更寬更扁平；這反映出1998—2019 年非糧食主產(chǎn)區(qū)的18 個(gè)省份的農(nóng)業(yè)碳排放峰值較大幅度減少，但省際之間的碳排放量差距隨時(shí)間變化顯著擴(kuò)大。（3）1998 年的波峰數(shù)量為“一主兩次”，呈三極分化態(tài)勢(shì)。而2019 年非糧食主產(chǎn)區(qū)核密度曲線形狀逐漸演變?yōu)椤耙恢饕淮巍钡膬蓸O分化格局，這反映1998—2019 年非糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放總量的省級(jí)差異明顯擴(kuò)大，由多級(jí)分化逐漸演變?yōu)閮蓸O分化格局。

3 糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的驅(qū)動(dòng)因素分析

3.1 農(nóng)業(yè)碳排放增長(zhǎng)驅(qū)動(dòng)效應(yīng)分解

本文采用LMDI 指數(shù)方法，把糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放增長(zhǎng)的影響因素分為生產(chǎn)效率、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展和勞動(dòng)人口四大因素。根據(jù)LMDI 指數(shù)方法分解結(jié)果，將糧食主產(chǎn)區(qū)各年份農(nóng)業(yè)碳排放的四大因素加總，計(jì)算得到1999—2019 年農(nóng)業(yè)碳排放量的四大因素分解的時(shí)序變化效應(yīng)，詳細(xì)結(jié)果見表1。

表1 糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放驅(qū)動(dòng)效應(yīng)分解結(jié)果

從表1 可以看出，經(jīng)濟(jì)發(fā)展是促進(jìn)中國(guó)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的關(guān)鍵因素，而生產(chǎn)效率的提升可以有效減少糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放。從整體的時(shí)序動(dòng)態(tài)變化可知，糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放高速增長(zhǎng)，主要是由于農(nóng)業(yè)碳排放增加量的快速提升和農(nóng)業(yè)碳排放減少量的緩慢變化共同作用所致。從農(nóng)業(yè)碳排放正向驅(qū)動(dòng)因素來(lái)看，農(nóng)村經(jīng)濟(jì)發(fā)展是導(dǎo)致主產(chǎn)區(qū)碳排放快速增長(zhǎng)的主要因素，在1998—2019 年引起了29 673.68 萬(wàn)噸的碳排放增加量。我國(guó)是農(nóng)業(yè)大國(guó)，糧食主產(chǎn)區(qū)的戰(zhàn)略意義不言而喻，在未來(lái)一段時(shí)間內(nèi)，我國(guó)還會(huì)持續(xù)提高糧食主產(chǎn)區(qū)的經(jīng)濟(jì)發(fā)展水平和糧食產(chǎn)量，保障我國(guó)的糧食安全，但不得不引起重視的是，糧食主產(chǎn)區(qū)的經(jīng)濟(jì)發(fā)展因素將會(huì)是農(nóng)業(yè)碳排放最主要的貢獻(xiàn)力量。

1999—2019 年，效率因素顯著降低了糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放量。22 年間，總共減少了21 894 萬(wàn)噸的農(nóng)業(yè)碳排放，1999—2017 年，效率因素的減碳作用呈先增后減的趨勢(shì)，從1999 年的369.83 萬(wàn)噸農(nóng)業(yè)碳排放，增加至2007 年的3 665.6 萬(wàn)噸，2008 年碳減排量開始下降，2017 年降至582.17 萬(wàn)噸，2018—2019 年又開始緩慢上升?？赡苁怯捎谵r(nóng)用物資的利用效率不高所致，隨著農(nóng)業(yè)技術(shù)創(chuàng)新和農(nóng)民素質(zhì)的提高，效率因素仍然是對(duì)我國(guó)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放減少起主導(dǎo)作用的因素。人口規(guī)模效應(yīng)持續(xù)為負(fù)，有效減緩了農(nóng)業(yè)碳排放增長(zhǎng)，其抑制作用呈現(xiàn)波動(dòng)上升趨勢(shì)。根據(jù)表1 所示，近22 年，糧食主產(chǎn)區(qū)勞動(dòng)力規(guī)模累計(jì)減少了5 831.88 萬(wàn)噸農(nóng)業(yè)碳排放量。

結(jié)構(gòu)因素效應(yīng)在大部分年份能起到對(duì)農(nóng)業(yè)碳排放增長(zhǎng)的抑制作用。我國(guó)糧食主產(chǎn)區(qū)以種植業(yè)為主，在農(nóng)作物生產(chǎn)周期中，會(huì)投入大量的農(nóng)用物資，產(chǎn)生大量的溫室氣體。同時(shí)農(nóng)用機(jī)械的使用，也增加了柴油消耗和溫室氣體的排放。因此在滿足糧食產(chǎn)量和糧食安全的前提下，適當(dāng)發(fā)展高產(chǎn)型、經(jīng)濟(jì)型作物，才能實(shí)現(xiàn)我國(guó)糧食主產(chǎn)區(qū)結(jié)構(gòu)性的碳減排。

3.2 農(nóng)業(yè)碳排放增長(zhǎng)驅(qū)動(dòng)效應(yīng)區(qū)域差異比較

由表2 可知，2019 年，在糧食主產(chǎn)區(qū)13 個(gè)省份中，湖南和河南的效率因素減排效果最明顯，分別實(shí)現(xiàn)了276.89 萬(wàn)噸和216.24 萬(wàn)噸的碳減排量，其次是四川、安徽和湖北。糧食主產(chǎn)區(qū)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳排放作用有限，僅對(duì)河北、黑龍江和河南三個(gè)地區(qū)的農(nóng)業(yè)碳排放起到了抑制效應(yīng)，產(chǎn)業(yè)結(jié)構(gòu)促進(jìn)了糧食主產(chǎn)區(qū)其他10 個(gè)省份的農(nóng)業(yè)碳排放，但影響效應(yīng)有限。

表2 2019年13個(gè)省份農(nóng)業(yè)碳排放驅(qū)動(dòng)效應(yīng)分解結(jié)果

2019 年，農(nóng)業(yè)經(jīng)濟(jì)的快速發(fā)展引起了大部分糧食主產(chǎn)區(qū)省份的農(nóng)業(yè)碳排放量增加。經(jīng)濟(jì)因素引起農(nóng)業(yè)碳排放量增幅排在前三位的是內(nèi)蒙古、黑龍江和四川，分別是951.41 萬(wàn)噸、819.41 萬(wàn)噸和615.23 萬(wàn)噸；安徽農(nóng)業(yè)經(jīng)濟(jì)發(fā)展引起的農(nóng)業(yè)碳排放增幅最小，只有68.93 萬(wàn)噸。而農(nóng)業(yè)經(jīng)濟(jì)的快速發(fā)展卻抑制了山東、河南和河北三個(gè)省的農(nóng)業(yè)碳排放，分別減少了726.04 萬(wàn)噸、542.60萬(wàn)噸和16.88 萬(wàn)噸，其中山東和河南的碳減排效應(yīng)非常顯著，因此在實(shí)現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的同時(shí)，應(yīng)轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式，走可持續(xù)發(fā)展的低碳農(nóng)業(yè)，實(shí)現(xiàn)了糧食生產(chǎn)的高質(zhì)量發(fā)展。在糧食主產(chǎn)區(qū)13 個(gè)省份中，有9 個(gè)省份的勞動(dòng)力人口因素表現(xiàn)出農(nóng)業(yè)碳減排效應(yīng)，其中內(nèi)蒙古的勞動(dòng)力因素減排效應(yīng)最為明顯，達(dá)878.72 萬(wàn)噸，其次是黑龍江、湖南和四川，分別減少737.62 萬(wàn)噸、554.19萬(wàn)噸和501.41 萬(wàn)噸。人口規(guī)模因素在山東、河南、河北和安徽4 省未能起到碳減排作用，而是導(dǎo)致了農(nóng)業(yè)碳排放的增加，其中山東和河南碳排放量增加最大，分別為766.98 萬(wàn)噸和711.51 萬(wàn)噸。勞動(dòng)力因素引起的碳排放效應(yīng)作用的大小，既與當(dāng)?shù)厝丝谧匀辉鲩L(zhǎng)率有關(guān)，也與當(dāng)?shù)厝丝诘牧鲃?dòng)和勞動(dòng)者的素質(zhì)相關(guān)。

3.3 糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放公平性評(píng)價(jià)

農(nóng)業(yè)碳排放總量除以生產(chǎn)總值可以得到各產(chǎn)業(yè)的經(jīng)濟(jì)貢獻(xiàn)系數(shù)，根據(jù)貢獻(xiàn)系數(shù)的大小評(píng)價(jià)其碳排放的公平性。糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放公平性計(jì)算結(jié)果見表3。從表3 可知，糧食主產(chǎn)區(qū)13 個(gè)省份農(nóng)業(yè)碳排放總量在全國(guó)所占比重高達(dá)64.56%，其中種植業(yè)比重最大，為68.59%，而畜牧業(yè)占比也超過了一半，為54.57%。從產(chǎn)值來(lái)看，糧食主產(chǎn)區(qū)13 個(gè)省份的總產(chǎn)值在全國(guó)占比63.27%，種植業(yè)占了六成，為60.59%，而畜牧業(yè)則高達(dá)67.90%。糧食主產(chǎn)區(qū)13 個(gè)省份的農(nóng)業(yè)碳排放經(jīng)濟(jì)貢獻(xiàn)系數(shù)為0.98，種植業(yè)碳排放的經(jīng)濟(jì)貢獻(xiàn)系數(shù)為0.88，而畜牧業(yè)碳排放的經(jīng)濟(jì)貢獻(xiàn)系數(shù)為1.24。可見，糧食主產(chǎn)區(qū)的種植業(yè)具有“高碳—低效益”特點(diǎn)，畜牧業(yè)呈現(xiàn)出“低碳—高效益”的特點(diǎn)。

表3 2019年糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的經(jīng)濟(jì)貢獻(xiàn)系數(shù)

從種植業(yè)來(lái)看，四川最高，碳排放的經(jīng)濟(jì)貢獻(xiàn)系數(shù)為1.35；其次是山東和湖南，分別為1.02 和1.01，說明這幾個(gè)省份以較少的種植業(yè)碳排放獲得較高的經(jīng)濟(jì)收益；吉林和內(nèi)蒙古等10 個(gè)省份的農(nóng)業(yè)碳排放的經(jīng)濟(jì)貢獻(xiàn)系數(shù)低于1，其中吉林只有0.44，遠(yuǎn)遠(yuǎn)低于四川，說明這幾個(gè)省份以較多的種植業(yè)碳排放獲得較少的經(jīng)濟(jì)收益。從畜牧業(yè)來(lái)看，除內(nèi)蒙古和四川之外，其他11 個(gè)省份的經(jīng)濟(jì)貢獻(xiàn)系數(shù)值均超過1，其中江蘇和安徽最高，達(dá)到了3.63和2.99，山東、湖北、河北的系數(shù)值也分別達(dá)到了1.57、1.52 和1.48，最后一位是內(nèi)蒙古，其經(jīng)濟(jì)貢獻(xiàn)值僅為0.50，與第一名的江蘇相比存在較為明顯的差距。

根據(jù)農(nóng)業(yè)碳排放經(jīng)濟(jì)貢獻(xiàn)系數(shù)的數(shù)值大小，可以將糧食主產(chǎn)區(qū)各省份劃分為4 種類型：“雙高”型，種植業(yè)和畜牧業(yè)經(jīng)濟(jì)貢獻(xiàn)系數(shù)大于1；“高—低”型，種植業(yè)碳排放的經(jīng)濟(jì)貢獻(xiàn)系數(shù)大于1，而畜牧業(yè)小于1；“低—高”型，畜牧業(yè)碳排放的經(jīng)濟(jì)貢獻(xiàn)系數(shù)大于1，而種植業(yè)小于1；“雙低”型，即種植業(yè)和畜牧業(yè)碳排放的經(jīng)濟(jì)貢獻(xiàn)系數(shù)都小于1。河北、山東、湖北和湖南4 省屬于“雙高”型地區(qū)，上述地區(qū)種植業(yè)和畜牧業(yè)生產(chǎn)都相對(duì)低碳；內(nèi)蒙古屬于“雙低”型，其種植業(yè)和畜牧業(yè)生產(chǎn)都相對(duì)高碳；四川是“高—低”型，該省雖是水稻主產(chǎn)區(qū)，但水稻并未占據(jù)絕對(duì)主導(dǎo)地位，而大牲畜飼養(yǎng)量較大。遼寧、吉林、黑龍江、江蘇、安徽、江西、河南7 個(gè)省屬于“低—高”型，這些省均以水稻種植為主。

4 結(jié)論與建議

本文以糧食主產(chǎn)區(qū)為研究對(duì)象，運(yùn)用核密度估計(jì)分析了農(nóng)業(yè)碳排放的演變趨勢(shì)，利用LMDI 因素分解模型研究了其驅(qū)動(dòng)因素，并評(píng)價(jià)了農(nóng)業(yè)碳排放的公平性，得到如下結(jié)論：（1）從核密度動(dòng)態(tài)演變來(lái)看，糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放總量和峰值顯著提高，但省際之間的差距逐漸縮小，并呈多級(jí)分化；而非糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放量有小幅度的增加，峰值減少，但省際之間的差距顯著擴(kuò)大，由多級(jí)分化逐漸演變?yōu)閮蓸O分化格局。（2）從LMDI 因素分解來(lái)看，農(nóng)業(yè)效率因素是降低糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的首要因素，農(nóng)業(yè)勞動(dòng)力人口對(duì)農(nóng)業(yè)碳排放也有顯著的減少作用，但農(nóng)業(yè)經(jīng)濟(jì)發(fā)展促進(jìn)了農(nóng)業(yè)碳排放的增長(zhǎng)。產(chǎn)業(yè)結(jié)構(gòu)在糧食主產(chǎn)區(qū)大部分省份促進(jìn)了農(nóng)業(yè)碳排放，但是影響效應(yīng)較小，主要是由于糧食主產(chǎn)區(qū)產(chǎn)業(yè)結(jié)構(gòu)比較穩(wěn)定。（3）從農(nóng)業(yè)碳排放的公平性來(lái)看，糧食主產(chǎn)區(qū)的種植業(yè)具有“高碳—低效益”的特點(diǎn)，畜牧業(yè)則呈現(xiàn)“低碳—高效益”的特點(diǎn)。2019 年，主產(chǎn)區(qū)種植業(yè)碳排放地區(qū)比較，河南省最高，遼寧其次；畜牧業(yè)碳排放四川位列第一，江蘇排最后一位。河北、山東、湖北和湖南4 省屬于“雙高”型地區(qū)，這些地區(qū)的種植業(yè)和畜牧業(yè)生產(chǎn)都相對(duì)低碳；內(nèi)蒙古屬于“雙低”型，其種植業(yè)和畜牧業(yè)生產(chǎn)都相對(duì)高碳。因此，政府在制定農(nóng)業(yè)碳減排政策時(shí)，應(yīng)該根據(jù)各省的實(shí)際情況，因地制宜。

根據(jù)上述研究結(jié)論，提出如下幾點(diǎn)建議：（1）推進(jìn)糧食主產(chǎn)區(qū)農(nóng)業(yè)技術(shù)的應(yīng)用。選用新型環(huán)保化肥和農(nóng)藥，科學(xué)結(jié)合有機(jī)肥和無(wú)機(jī)肥的使用，減少化肥和農(nóng)藥的施用數(shù)量。同時(shí)，支持農(nóng)民使用能降解的農(nóng)膜，鼓勵(lì)使用噴灌或滴管等節(jié)水灌溉方式。并組織農(nóng)民進(jìn)行生產(chǎn)技術(shù)培訓(xùn)，幫助他們更好地運(yùn)用綠色農(nóng)業(yè)技術(shù)。（2）調(diào)整農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)。在種植業(yè)方面，鼓勵(lì)農(nóng)戶增加低碳農(nóng)作物的種植，運(yùn)用綠色技術(shù)生產(chǎn)高質(zhì)量的無(wú)公害農(nóng)產(chǎn)品。在養(yǎng)殖業(yè)方面，減少反芻類牲畜的養(yǎng)殖數(shù)量，增加低排放牲畜在畜牧結(jié)構(gòu)中的比重；對(duì)牲畜的糞便進(jìn)行集中處理，減少牲畜的溫室氣體排放。適當(dāng)增加林業(yè)在農(nóng)業(yè)產(chǎn)業(yè)中的比重，發(fā)揮林業(yè)增加碳匯、保護(hù)生態(tài)環(huán)境的作用。（3）農(nóng)業(yè)經(jīng)濟(jì)與生態(tài)環(huán)境平衡發(fā)展。對(duì)于農(nóng)業(yè)經(jīng)濟(jì)發(fā)展較好的省份，如江蘇，在農(nóng)業(yè)生產(chǎn)過程中應(yīng)充分發(fā)揮其示范作用，保持農(nóng)業(yè)經(jīng)濟(jì)與生態(tài)環(huán)境的可持續(xù)發(fā)展；對(duì)于農(nóng)業(yè)經(jīng)濟(jì)水平較高但農(nóng)業(yè)生態(tài)水平排名靠后的地區(qū)，如山東，需要提升農(nóng)藥化肥等物資投入的利用率，并對(duì)農(nóng)業(yè)生產(chǎn)過程中溫室氣體排放進(jìn)行監(jiān)測(cè)；對(duì)于農(nóng)業(yè)經(jīng)濟(jì)水平較低且生態(tài)環(huán)境排名落后的省份，如安徽，應(yīng)當(dāng)推廣先進(jìn)的農(nóng)業(yè)生產(chǎn)技術(shù)，同時(shí)加強(qiáng)環(huán)境規(guī)制政策的實(shí)施，進(jìn)而促進(jìn)農(nóng)業(yè)綠色發(fā)展。