黔西北喀斯特山區(qū)農(nóng)業(yè)碳排放時(shí)空特征與脫鉤效應(yīng)分析

Analysis of SpatialandTemporal CharacteristicsandDecoupling EffectofAgricultural CarbonEmisionsinKarst MountainAreas of Northwest Guizhou

FAN Zu-hong12，WANG Yang12，RENJi-tog12etal（1.ColegeofEcoogicalEnginering，Guzu UniversityofEngiigSci ence，Bijie，Guizhou 55170o；2.Wetland Remote Sensing Sub-centre ofthe Gaofen Guizhou Centre，Bijie，Guizhou ）

AbstractExplongthatiempoalaractestsdcoplingtsofaluabomissosiarstmouaosisf greatsignfianceforguidingagiculturalcarboreductionandachievinglowcarbonagricutureinthisgion.TakingBijieCityinteast mountaioseotoalesbfslateautsi andlivestokdulabossoobs andtheTapiodelealaceaalealbssir to2022nditseolgelatiosioicoesulsoatfto22tualabesisiCi generallprdadoffssidsintofb fromhightolilestocndouingatealiputsnduivatiottesiicalbisioso downardtredaasatialfeoacteiofuralbsisiotdisfi areobviousdalsaialstibatisgidistesialbs allcountiesOalloslol nomicgrowthinjCiyissowigpositredtcoupliyaoleasigeakdcougtotrodcouow erteresosodsi geststhatneoudaesueschucibiltroti oftheaoutuatealsedlrovincydenaloatoibo chieve agricultural emisson reduction and low-carbon transformation.

KeyWordsAgriculturalcarbonemisions；Spatial-temporalcharacteristics；Decouplingefect；Karstmountainarea；BijieCity

作為國民經(jīng)濟(jì)發(fā)展的基礎(chǔ)產(chǎn)業(yè)，農(nóng)業(yè)在滿足人類生產(chǎn)生活需求的同時(shí)，也因物料投入、土地翻耕以及畜禽養(yǎng)殖等引發(fā)大量碳排放。據(jù)估計(jì)，農(nóng)業(yè)活動(dòng)產(chǎn)生的碳排放，約占全球排放總量的1/3，是僅次于化石能源燃燒的全球第二大溫室氣體排放源[]。我國是農(nóng)業(yè)大國，源自農(nóng)業(yè)系統(tǒng)的碳排放約占全國碳排放總量的 17% ，且呈逐年增長態(tài)勢[2]?？梢姡r(nóng)業(yè)是極為重要的碳排放行業(yè)[3]，推進(jìn)農(nóng)業(yè)碳減排、實(shí)現(xiàn)農(nóng)業(yè)低碳發(fā)展已刻不容緩[4]。在此背景下，探究不同區(qū)域的農(nóng)業(yè)碳排放，厘清其時(shí)空特征與脫鉤效應(yīng)對于指導(dǎo)區(qū)域農(nóng)業(yè)碳減排和推動(dòng)農(nóng)業(yè)發(fā)展低碳轉(zhuǎn)型具有重要意義。

目前，國內(nèi)外學(xué)者對于農(nóng)業(yè)碳排放的研究聚焦于農(nóng)業(yè)碳排放核算及其相關(guān)特征，農(nóng)業(yè)碳排放影響因素，農(nóng)業(yè)碳排放與經(jīng)濟(jì)發(fā)展的相互關(guān)系等方面[5-6。農(nóng)業(yè)碳排放核算及其相關(guān)特征分析方面，學(xué)者們常運(yùn)用碳排放因子法進(jìn)行農(nóng)業(yè)碳排放評估，并進(jìn)一步解析其來源結(jié)構(gòu)。如，West等利用排放因子法從能源利用、農(nóng)藥及化肥投人、農(nóng)業(yè)灌溉及種子培育等方面評估了美國的農(nóng)業(yè)碳排放情況；田云等[8運(yùn)用碳排放因子法對我國農(nóng)業(yè)碳排放進(jìn)行測算，發(fā)現(xiàn)畜禽養(yǎng)殖產(chǎn)生的碳排放占比最大；葛小君等研究發(fā)現(xiàn)，農(nóng)業(yè)物資投入是廣西農(nóng)業(yè)碳排放的主要來源；陳柯君等[\"]研究發(fā)現(xiàn)，化肥投入是河南省種植業(yè)碳排放最主要的來源之一。在此基礎(chǔ)上，部分學(xué)者進(jìn)一步探討了農(nóng)業(yè)碳排放的時(shí)空特征及排放趨勢，如薛媛等[1]研究表明，我國農(nóng)業(yè)碳排放主要集中于黃淮海及中部平原地區(qū)；鄭瑞等[12]研究發(fā)現(xiàn)，福建省縣域農(nóng)業(yè)碳排放存在顯著空間正相關(guān)關(guān)系；白義鑫等[13]預(yù)測表明，未來貴陽市農(nóng)業(yè)碳排放將呈逐年下降趨勢。農(nóng)業(yè)碳排放影響因素研究方面，學(xué)者們主要運(yùn)用STIRAT模型、GWR模型、LMDI模型以及地理探測器等方法，揭示了農(nóng)業(yè)生產(chǎn)效率、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)勞動(dòng)力規(guī)模、農(nóng)業(yè)經(jīng)濟(jì)水平、農(nóng)業(yè)機(jī)械化程度、財(cái)政支農(nóng)力度、環(huán)境規(guī)制水平以及城鎮(zhèn)化等內(nèi)外部因素的作用機(jī)制。如Gomiero等[14]研究認(rèn)為，發(fā)展有機(jī)農(nóng)業(yè)對農(nóng)業(yè)碳排放具有抑制作用；Tasman等[15]研究發(fā)現(xiàn)，農(nóng)業(yè)生產(chǎn)方式是導(dǎo)致農(nóng)業(yè)碳排放區(qū)域差異的主要因素；呂劍平等[1]研究表明，農(nóng)業(yè)生產(chǎn)效率、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)從業(yè)人口對農(nóng)業(yè)碳排放具有抑制作用，而農(nóng)業(yè)經(jīng)濟(jì)發(fā)展具有促進(jìn)效應(yīng)；賀青等[17]研究認(rèn)為，經(jīng)濟(jì)因素是農(nóng)業(yè)碳排放的增加因素，而效率因素和勞動(dòng)力因素則可以減少農(nóng)業(yè)碳排放；盧奕亨等[18]研究認(rèn)為，相比于經(jīng)濟(jì)因素，社會(huì)因素對農(nóng)業(yè)碳排放的貢獻(xiàn)更大。農(nóng)業(yè)碳排放與經(jīng)濟(jì)發(fā)展的關(guān)系方面，學(xué)者們多借助Tapio脫鉤模型、耦合協(xié)調(diào)模型以及EKC模型等探究各區(qū)域農(nóng)業(yè)碳排放與經(jīng)濟(jì)發(fā)展的相互關(guān)系。如，寧靜等[19]分析我國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的相互關(guān)系時(shí)，發(fā)現(xiàn)各省脫鉤關(guān)系向好；徐玥等[20]在論證徐州市農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的脫鉤關(guān)系時(shí)，發(fā)現(xiàn)二者經(jīng)歷了“弱脫鉤一強(qiáng)負(fù)脫鉤一擴(kuò)張負(fù)脫鉤—強(qiáng)脫鉤”的演變過程；馬志超[2]運(yùn)用耦合協(xié)調(diào)模型實(shí)證表明，黃河流域農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長已達(dá)整體協(xié)調(diào)狀態(tài)；田云等[22研究驗(yàn)證了長江經(jīng)濟(jì)帶各省市均存在EKC關(guān)系。綜上可見，現(xiàn)有研究極為豐富，但多數(shù)研究在測算農(nóng)作物碳排放時(shí)僅考慮水稻種植產(chǎn)生的碳排放[8，12-13]忽略了其他農(nóng)作物種植引發(fā)的碳排放；同時(shí)，已有研究多關(guān)注于全國、部分省區(qū)、糧食主產(chǎn)區(qū)，碳排放測算單元以全國、省域及市域?yàn)橹鳎瑢λ固厣絽^(qū)縣域單元農(nóng)業(yè)碳排放的研究則相對不足。

喀斯特山區(qū)耕地破碎，土層淺薄，肥力較低[23]，相較于其他區(qū)域，農(nóng)業(yè)生產(chǎn)對化肥、農(nóng)藥等的需求更大[13]；同時(shí)，該地區(qū)仍屬傳統(tǒng)型農(nóng)業(yè)，農(nóng)業(yè)現(xiàn)代化水平較低，從而導(dǎo)致大量碳排放[24]，嚴(yán)重制約了該地區(qū)農(nóng)業(yè)系統(tǒng)的可持續(xù)發(fā)展。鑒于此，筆者以黔西北喀斯特山區(qū)一畢節(jié)市為例，從物資投入、作物種植與畜禽養(yǎng)殖3方面選取16種碳源，采用碳排放因子法測算2013—2022年畢節(jié)市農(nóng)業(yè)碳排放水平，并分析其來源結(jié)構(gòu)與時(shí)空演變特征；在此基礎(chǔ)上，運(yùn)用Tapio脫鉤模型探究畢節(jié)市農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長的脫鉤關(guān)系，以期為喀斯特山區(qū)農(nóng)業(yè)減排與低碳發(fā)展提供有益參考。

1 研究區(qū)概況

畢節(jié)市（ 位于貴州省西北部（圖1），東連貴陽市、遵義市，南接安順市、六盤水市，西鄰云南省昭通市與曲靖市，北與四川省瀘州市接壤，全市面積2.69萬 ，轄七星關(guān)、大方、黔西、金沙、織金、赫章、納雍和威寧8個(gè)縣（市、區(qū)）。畢節(jié)市地處滇東高原向黔中山原丘陵過渡的傾斜地帶，地勢西高東低，海拔落差較大；境內(nèi)喀斯特地貌分布廣泛，石漠化等生態(tài)問題突出，農(nóng)業(yè)生態(tài)環(huán)境相對脆弱。同時(shí)該地為貴州省糧食主產(chǎn)農(nóng)業(yè)區(qū)[25]，農(nóng)業(yè)體量較大，從業(yè)人口多，2022年全市農(nóng)林牧漁業(yè)總產(chǎn)值921.25億元，鄉(xiāng)村人口占比達(dá) 60.5% 。玉米、馬鈴薯等是畢節(jié)市主要的糧食作物，經(jīng)濟(jì)作物以蔬菜、油菜及煙草為主，牛、羊、豬為主要的養(yǎng)殖品種。

2研究方法與數(shù)據(jù)來源

2.1 研究方法

2.1.1農(nóng)業(yè)碳排放測算體系。構(gòu)建農(nóng)業(yè)碳排放測算體系是進(jìn)行農(nóng)業(yè)碳排放研究的基礎(chǔ)，在參考已有研究并考慮數(shù)據(jù)可得性的基礎(chǔ)上，從物資投入、作物種植和畜禽養(yǎng)殖3方面選取碳源指標(biāo)，構(gòu)建農(nóng)業(yè)碳排放測算體系。其中，物資投入包括化肥（氮肥、磷肥、鉀肥和復(fù)合肥）農(nóng)膜、農(nóng)藥和農(nóng)用柴油4個(gè)測算指標(biāo)；作物種植選擇畢節(jié)市種植規(guī)模較大的8類農(nóng)作物，分別為水稻、小麥、玉米、豆類、薯類、油菜、煙草和蔬菜；畜禽養(yǎng)殖主要選擇牛、羊、豬與家禽4類。需要說明的是，該研究所述碳排放包括農(nóng)業(yè)生產(chǎn)活動(dòng)中所產(chǎn)生的 和 等溫室氣體，為便于核算，依據(jù)IPCC 評估報(bào)告[2]，以1tCO2=0.2727tC1N2O=81.2727Ccdot1tCH=6.818 C的換算關(guān)系，將各類溫室氣體統(tǒng)一折算為標(biāo)準(zhǔn)C 。

（1）物資投入。農(nóng)業(yè)生產(chǎn)過程中由于化肥、農(nóng)藥等農(nóng)用物資的投人會(huì)直接或間接誘發(fā)碳排放，該研究根據(jù)各類物資投入量與排放系數(shù)測算出物資投入產(chǎn)生的碳排放量，計(jì)算公式為

式中： 為物資投入碳排放量； 為第 i 類物資投入量； 為第 i 類投入物資的碳排放系數(shù)，具體見表 （20號(hào)

（2）作物種植。水稻生長過程中產(chǎn)生的 以及各類農(nóng)作物在種植過程中導(dǎo)致土壤表層破壞產(chǎn)生的 構(gòu)成了作物種植的碳排放[20]，其計(jì)算公式為

式中： 為作物種植碳排放量； 為第 i 種農(nóng)作物播種面積；δi為第i種農(nóng)作物的碳排放系數(shù)，具體見表2[27-28] 。

（3）畜禽養(yǎng)殖。動(dòng)物腸道發(fā)酵和糞便管理產(chǎn)生的 和 是畜禽養(yǎng)殖碳排放的主要來源[29]。由于各類畜禽飼養(yǎng)周期不同，為精準(zhǔn)評估各類畜禽品種在養(yǎng)殖過程中產(chǎn)生的碳排放量，參考胡向東等[30]的研究，計(jì)算各類畜禽品種的年平均飼養(yǎng)量。具體操作：對出欄率小于1的牛和羊，運(yùn)用上年年末存欄量與當(dāng)年年末存欄量的平均值作為當(dāng)年平均飼養(yǎng)量；對出欄率大于1的豬與家禽，年平均飼養(yǎng)量則利用當(dāng)年出欄量進(jìn)行調(diào)整。具體計(jì)算公式為

（出欄率 gt;1 ）

式中： 為各類畜禽品種的年平均飼養(yǎng)量； 為上年年末存欄量， 為當(dāng)年年末存欄量， d 為飼養(yǎng)周期； n 為出欄量。豬的飼養(yǎng)周期為 ，家禽飼養(yǎng)周期為

根據(jù)調(diào)整后的飼養(yǎng)數(shù)量，結(jié)合各類畜禽品種的排放系數(shù)，測算出畜禽養(yǎng)殖的碳排放量，計(jì)算公式如下：

式中： 為畜禽養(yǎng)殖碳排放量； 為第 i 類畜禽品種平均飼養(yǎng)量； 和 分別為第 i 類畜禽品種的 和 排放系數(shù)，具體見表3[28]

2.1.2農(nóng)業(yè)碳排放強(qiáng)度。為進(jìn)一步衡量農(nóng)業(yè)碳排放水平，引入農(nóng)業(yè)碳排放強(qiáng)度指標(biāo)，運(yùn)用農(nóng)業(yè)碳排放量與農(nóng)業(yè)產(chǎn)值之比表征農(nóng)業(yè)碳排放強(qiáng)度，計(jì)算公式為

式中： 為農(nóng)業(yè)碳排放強(qiáng)度； c 為農(nóng)業(yè)碳排放量； 為農(nóng)牧業(yè)總產(chǎn)值。

2.1.3Tapio脫鉤模型。為揭示黔西北喀斯特山區(qū)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長的相互關(guān)系，采用Tapio脫鉤模型揭示農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)的脫鉤狀態(tài)，計(jì)算公式為

式中： e 為脫鉤系數(shù)； 為農(nóng)業(yè)碳排放變化量； 為 期農(nóng)業(yè)碳排放總量； 為農(nóng)牧業(yè)總產(chǎn)值變化量； 為 t-1 期農(nóng)牧業(yè)總產(chǎn)值。依據(jù)脫鉤系數(shù)大小，可將其劃分為8種類型[31]

2.2數(shù)據(jù)來源與處理 所涉及的農(nóng)業(yè)碳源數(shù)據(jù)及經(jīng)濟(jì)數(shù)據(jù)

來源于2014—2023年《貴州統(tǒng)計(jì)年鑒》《畢節(jié)統(tǒng)計(jì)年鑒》，其中經(jīng)濟(jì)數(shù)據(jù)以2013年為基期進(jìn)行不變價(jià)調(diào)整；部分年份缺失數(shù)據(jù)則運(yùn)用年均增長率進(jìn)行計(jì)算補(bǔ)充。

3結(jié)果與分析

3.1農(nóng)業(yè)碳排放時(shí)序特征

3.1.1農(nóng)業(yè)碳排放變化趨勢。2013—2022年畢節(jié)市農(nóng)業(yè)碳排放總量整體呈先增后降的演變趨勢（圖2）。2013—2016年農(nóng)業(yè)碳排放總量由120.17萬t增至127.92萬t，增幅達(dá)6.45% ，年均增長 2.15% 。2016年后農(nóng)業(yè)碳排放總量呈波動(dòng)下降趨勢，到2022年農(nóng)業(yè)碳排放總量降至121.92萬t，較2016年下降了 4.70% ，年均下降 0.78% 。

研究期內(nèi)，三大類農(nóng)業(yè)碳源的排放量由大到小依次為畜禽養(yǎng)殖、物資投人和作物種植，排放量分別占全市總量的48.46%.34.64% 和 16.90% ，這與地形地貌密切相關(guān)，畢節(jié)市地形起伏較大，喀斯特地貌分布廣泛，更適宜于畜禽養(yǎng)殖業(yè)發(fā)展。從變化趨勢看，物資投入產(chǎn)生的碳排放量整體呈下降趨勢，從2013年的49.14萬t下降到2022年的34.44萬t，10年間下降了 29.91% ，這主要得益于化肥、農(nóng)膜與農(nóng)藥使用量的減少。作物種植產(chǎn)生的碳排放無明顯變化，10年間一直徘徊于20.00萬t左右，雖然水稻、小麥等糧食作物播種面積的減縮一定程度上降低了碳排放量，但蔬菜、油菜等經(jīng)濟(jì)作物卻持續(xù)增長，糧經(jīng)作物種植規(guī)模的此消彼長使得作物種植碳排放量趨于穩(wěn)定。畜禽養(yǎng)殖產(chǎn)生的碳排放量則呈持續(xù)上升態(tài)勢，由2013年的51.60萬t增至2022年的67.32萬t，整體上升了 30.47% ，這主要由畜禽養(yǎng)殖規(guī)模擴(kuò)大，飼養(yǎng)數(shù)量激增導(dǎo)致；數(shù)據(jù)顯示，研究期內(nèi)畢節(jié)市豬、牛、羊和家禽飼養(yǎng)數(shù)量分別增加了 29.43%.30.07%.26.55% 和 153.75% 。

3.1.2農(nóng)業(yè)碳排放強(qiáng)度變化趨勢。從碳排放強(qiáng)度的變化趨勢來看（圖3），2013—2022年畢節(jié)市農(nóng)業(yè)碳排放強(qiáng)度呈逐年下降趨勢（ ），由2013年的 0.44t 萬元降至2022年的 萬元，整體降幅達(dá) 40.91% ，年均減少 0.02t 萬元，說明畢節(jié)市農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的低碳效應(yīng)愈發(fā)凸顯，單位農(nóng)牧業(yè)產(chǎn)值的碳排放量持續(xù)降低，農(nóng)業(yè)生產(chǎn)效率顯著提高。

3.2農(nóng)業(yè)碳排放空間特征

3.2.1農(nóng)業(yè)碳排放空間分布特征。依據(jù)畢節(jié)市各縣區(qū)農(nóng)業(yè)碳排放數(shù)據(jù)的分布情況，將各縣區(qū)劃分為低排放區(qū)（ lt;15 萬t）中等排放區(qū)（15萬＼～ lt;25 萬t）和高排放區(qū)（ ？25 萬t）3個(gè)等級(jí)，并借助ArcGIS10.8軟件對2013、2017、2022年各縣區(qū)農(nóng)業(yè)碳排放進(jìn)行可視化呈現(xiàn)（圖4）。

2013年全市大部分縣區(qū)為低排放區(qū)，僅威寧縣（23.42萬t）和七星關(guān)區(qū)（18.88萬t）為中等排放區(qū)，兩地農(nóng)業(yè)碳排放量占全市農(nóng)業(yè)碳排放總量的 35.20% 。2017年各縣區(qū)農(nóng)業(yè)碳排放量較2013年均有所增加，中、高排放區(qū)數(shù)量明顯增多，其中大方縣與黔西市由低排放區(qū)演變?yōu)橹械扰欧艆^(qū)，中等排放區(qū)達(dá)到3個(gè)，威寧縣則以25.63萬t的排放量成為全市唯一的高排放區(qū)。2022年全市農(nóng)業(yè)碳排放以低排放區(qū)為主，其中威寧縣（31.58萬t）仍是全市唯一的高排放區(qū)，七星關(guān)區(qū)（17.48萬t）為中等排放區(qū)，其余縣區(qū)為低排放區(qū)?？傮w來看，研究期內(nèi)畢節(jié)市農(nóng)業(yè)碳排放空間分異特征明顯，整體呈西高東低的空間分布格局。位于畢節(jié)市西部的威寧縣一直是農(nóng)業(yè)碳排放大戶，七星關(guān)區(qū)則是僅次于威寧縣的第二大農(nóng)業(yè)碳排放區(qū)，原因在于兩地農(nóng)業(yè)發(fā)展水平較高，種植業(yè)與畜牧業(yè)規(guī)模較大，農(nóng)用物資投入較多，因此一直是農(nóng)業(yè)碳排放的高等級(jí)區(qū)域。從變化趨勢來看，2013—2022年全市8個(gè)縣區(qū)中，威寧、織金和赫章的農(nóng)業(yè)碳排放量整體呈增長趨勢，其中威寧縣增幅最大，為 34.84% ；而七星關(guān)、大方、黔西、金沙和納雍5個(gè)縣區(qū)的農(nóng)業(yè)碳排放量均較期初有所下降，其中納雍縣降幅最大，為 16.86% 。由此可見，研究期內(nèi)畢節(jié)市農(nóng)業(yè)碳排放的空間極化現(xiàn)象愈發(fā)明顯。

為進(jìn)一步揭示畢節(jié)市不同農(nóng)業(yè)碳源排放量的空間分布特征，統(tǒng)計(jì)了2013—2022年各縣區(qū)三大類農(nóng)業(yè)碳源的排放情況（表4）。由表4可知，畢節(jié)市各類碳源排放量亦存在顯著空間差異。物資投入方面，高排放區(qū)位于威寧縣與七星關(guān)區(qū)，兩地2013—2022年因農(nóng)業(yè)物資投人累計(jì)產(chǎn)生的碳排放占全市總量的 37.18% ，說明兩地農(nóng)業(yè)發(fā)展水平較高，農(nóng)用物資投入體量大，統(tǒng)計(jì)發(fā)現(xiàn)，兩地每年使用的化肥、農(nóng)藥、農(nóng)用塑料薄膜等物資均較多，從而誘發(fā)大量的碳排放。金沙縣和織金縣兩地源自物資投入的碳排放量在全市偏低，研究期內(nèi)累計(jì)排放量均低于40.00萬t，說明兩地農(nóng)業(yè)物資投入不多，化肥、農(nóng)藥等高碳物資使用量控制較好。

作物種植方面，高排放區(qū)位于七星關(guān)區(qū)，研究期內(nèi)七星關(guān)區(qū)因作物種植產(chǎn)生的碳排放量累計(jì)達(dá)36.12萬t，占全市總量的 17.35% ，說明七星關(guān)區(qū)種植業(yè)規(guī)模較大，各類農(nóng)作物播種面積較廣，尤其是玉米、蔬菜兩類高碳作物的播種面積一直位于全市前列，從而導(dǎo)致七星關(guān)區(qū)較高的作物種植排放量。黔西市與織金縣兩地因地處畢節(jié)市東部海拔較低地帶，水稻、玉米、蔬菜等作物播種面積較大，是作物種植碳排放量的次高區(qū)域，累計(jì)排放量均超過了30.00萬t。赫章縣作物種植碳排放量最低，累計(jì)排放量僅占全市的 8.33% ，這主要是由于該地區(qū)地勢起伏落差較大，耕種條件較差，各類作物種植面積均較小，因此作物種植碳排放量較小。

畜禽養(yǎng)殖方面，高排放區(qū)位于威寧縣，2013—2022年威寧縣因畜禽養(yǎng)殖累計(jì)產(chǎn)生的碳排放量遠(yuǎn)大于其他縣區(qū)，為161.72萬t，占全市總量的 27.09% ，這說明威寧縣畜禽養(yǎng)殖規(guī)模較大，究其原因在于威寧縣地處烏蒙山區(qū)腹地，境內(nèi)海拔較高，草地資源分布廣泛，適宜進(jìn)行大規(guī)模的牲畜養(yǎng)殖。金沙縣畜禽養(yǎng)殖碳排放量在全市最低，累計(jì)排放量為45.06萬t，說明該地畜禽養(yǎng)殖規(guī)模相對較小。

3.2.2農(nóng)業(yè)碳排放強(qiáng)度空間分布特征。圖5為2013、2017、2022年畢節(jié)市各縣區(qū)農(nóng)業(yè)碳排放強(qiáng)度的空間分布態(tài)勢，為確保各時(shí)期農(nóng)業(yè)碳排放強(qiáng)度的可比性，將各縣區(qū)劃分為低強(qiáng)度區(qū)（ lt;0.25t/ 萬元）、中等強(qiáng)度區(qū)（ 0.25～lt;0.40t 萬元）和高強(qiáng)度區(qū)（gt;0.40t萬元）3個(gè)等級(jí)。2013年，全市農(nóng)業(yè)碳排放強(qiáng)度以高強(qiáng)度縣區(qū)為主，金沙縣、大方縣、黔西市、織金縣和納雍縣為高強(qiáng)度區(qū)，雖然同期上述縣區(qū)農(nóng)業(yè)碳排放量較低，但農(nóng)牧業(yè)產(chǎn)值也較低，單位農(nóng)牧業(yè)產(chǎn)值所產(chǎn)生的碳排放量較高；威寧縣、七星關(guān)區(qū)和赫章縣為中等強(qiáng)度區(qū)，其中威寧縣和七星關(guān)區(qū)雖然同期農(nóng)業(yè)碳排放量較高，但兩地農(nóng)牧業(yè)產(chǎn)值也較高，單位農(nóng)業(yè)產(chǎn)值所產(chǎn)生的碳排放量則較低。2017年，各縣區(qū)農(nóng)業(yè)碳排放強(qiáng)度均有所下降，以中等強(qiáng)度縣區(qū)為主，僅金沙縣、黔西市和納雍縣3地為高強(qiáng)度區(qū)。2022年，各縣區(qū)農(nóng)業(yè)碳排放強(qiáng)度持續(xù)降低，其中七星關(guān)區(qū)、大方縣和赫章縣轉(zhuǎn)變?yōu)榈蛷?qiáng)度區(qū)?？傮w來看，研究期內(nèi)畢節(jié)市各縣區(qū)農(nóng)業(yè)碳排放強(qiáng)度均表現(xiàn)出明顯的下降趨勢，碳排放強(qiáng)度由以高強(qiáng)度為主逐漸轉(zhuǎn)變?yōu)橐灾袕?qiáng)度為主，說明隨著經(jīng)濟(jì)發(fā)展，農(nóng)業(yè)生產(chǎn)條件得以改善，農(nóng)業(yè)生產(chǎn)效率顯著提高，各縣區(qū)單位農(nóng)牧業(yè)產(chǎn)值的碳排放量越來越低。

3.3農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的脫鉤效應(yīng)基于Tapio脫鉤模型測算出2013—2022年畢節(jié)市及其8個(gè)縣區(qū)農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長的脫鉤關(guān)系，測算結(jié)果見表5。整體來看，研究期內(nèi)畢節(jié)市農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長的脫鉤類型由弱脫鉤轉(zhuǎn)為強(qiáng)脫鉤，二者脫鉤關(guān)系總體向好。具體而言，2013—2016年畢節(jié)市農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長之間的脫鉤關(guān)系為弱脫鉤，這期間畢節(jié)市農(nóng)業(yè)經(jīng)濟(jì)呈快速發(fā)展勢頭，而農(nóng)業(yè)碳排放則保持低速增長態(tài)勢，脫鉤彈性系數(shù)從0.48降至0.03，說明這一階段畢節(jié)市農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的環(huán)境脅迫逐漸降低，單位農(nóng)業(yè)產(chǎn)值的碳排放規(guī)模逐年下降。2017—2022年，農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長的脫鉤關(guān)系以強(qiáng)脫鉤為主，除2020與2021年受疫情影響，出現(xiàn)弱脫鉤外，其余年份均為強(qiáng)脫鉤狀態(tài)，這期間農(nóng)業(yè)碳排放整體呈現(xiàn)下降趨勢，農(nóng)業(yè)經(jīng)濟(jì)則繼續(xù)保持增長態(tài)勢，說明這期間畢節(jié)市農(nóng)業(yè)生產(chǎn)效率得到有效提升，農(nóng)業(yè)發(fā)展對化肥、農(nóng)藥等高碳物資的依賴降低，二者之間的脫鉤效應(yīng)較為理想。

Fig.5Spatial distribution pattern of agricultural carbon emission intensity in Bijie City from 2013 to 202

從縣域?qū)用鎭砜?，研究期?nèi)，各縣區(qū)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長的脫鉤類型雖整體趨向強(qiáng)脫鉤，但脫鉤態(tài)勢存在較大差異。其中，七星關(guān)區(qū)農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長之間的脫鉤關(guān)系較為穩(wěn)定，研究期內(nèi)以強(qiáng)脫鉤為主，主要在于七星關(guān)區(qū)作為畢節(jié)市的政治經(jīng)濟(jì)文化中心，政策技術(shù)優(yōu)勢比較明顯，對農(nóng)業(yè)發(fā)展的環(huán)境效應(yīng)較為重視，通過農(nóng)化減量、結(jié)構(gòu)優(yōu)化等措施，在發(fā)展農(nóng)業(yè)經(jīng)濟(jì)的同時(shí)，有效抑制了農(nóng)業(yè)碳排放，促使二者形成較為穩(wěn)定的脫鉤態(tài)勢。威寧縣農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長的脫鉤關(guān)系相對較差，研究期內(nèi)出現(xiàn)擴(kuò)張負(fù)脫鉤等不利脫鉤形態(tài)，這主要由于近年來該地區(qū)農(nóng)業(yè)發(fā)展速度較快，尤其是畜牧業(yè)發(fā)展迅速，導(dǎo)致大量農(nóng)業(yè)碳排放，因此威寧縣亟待探索建立低碳農(nóng)業(yè)模式，促進(jìn)農(nóng)業(yè)發(fā)展深度脫碳，形成有效脫鉤局面。研究期內(nèi)赫章縣脫鉤關(guān)系波動(dòng)明顯，可能原因在于該地區(qū)農(nóng)業(yè)發(fā)展仍處于過渡期，農(nóng)業(yè)經(jīng)濟(jì)增長與農(nóng)業(yè)碳排放尚未形成穩(wěn)定的脫鉤形態(tài)（表5）。

4結(jié)論與建議

4.1結(jié)論該研究以典型喀斯特山區(qū)畢節(jié)市為例，從物資投入、作物種植和畜禽養(yǎng)殖3方面構(gòu)建農(nóng)業(yè)碳排放測算體系，運(yùn)用碳排放因子法測算了2013—2022年畢節(jié)市農(nóng)業(yè)碳排放水平，并分析其碳源結(jié)構(gòu)和時(shí)空演變特征，在此基礎(chǔ)上，利用Tapio脫鉤模型探究了農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長的脫鉤關(guān)系。結(jié)果表明：

（1）2013—2022年，畢節(jié)市農(nóng)業(yè)碳排放總量整體呈先增后降的演變趨勢，排放量從2013年的120.17萬t增至2016年的127.92萬t，而后降至2022年的121.92萬t；三大類碳源排放量從大到小依次為畜禽養(yǎng)殖、物資投人與作物種植；農(nóng)業(yè)碳排放強(qiáng)度呈逐年下降趨勢，由2013年的 0.44t 萬元降至2022年的 0.26？ 萬元，說明畢節(jié)市農(nóng)業(yè)碳排放已得到初步控制，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的低碳效應(yīng)愈發(fā)凸顯。

（2）2013—2022年，畢節(jié)市農(nóng)業(yè)碳排放量空間分異特征明顯，整體呈西高東低的空間分布格局，威寧縣、七星關(guān)區(qū)一直是農(nóng)業(yè)碳排放的高等級(jí)區(qū)域，三大類碳源排放量亦存在顯著的空間差異；各縣區(qū)農(nóng)業(yè)碳排放強(qiáng)度均表現(xiàn)出明顯的下降趨勢，碳排放強(qiáng)度由以高強(qiáng)度為主逐漸轉(zhuǎn)變?yōu)橐灾袕?qiáng)度為主。

（3）2013—2022年，畢節(jié)市農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長的脫鉤關(guān)系總體向好，脫鉤類型整體由弱脫鉤轉(zhuǎn)為強(qiáng)脫鉤，其中2013—2016年為弱脫鉤階段，2017—2022為強(qiáng)脫鉤階段；各縣區(qū)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長的脫鉤類型雖整體趨向強(qiáng)脫鉤，但脫鉤態(tài)勢存在較大差異，其中七星關(guān)區(qū)脫鉤關(guān)系較為穩(wěn)定，威寧縣相對較差，赫章縣波動(dòng)明顯，

4.2建議

4.2.1減少畜禽養(yǎng)殖碳排放量。實(shí)證表明，畜禽養(yǎng)殖是畢節(jié)市農(nóng)業(yè)碳排放的最大來源，且研究期內(nèi)呈逐年增長態(tài)勢，是畢節(jié)市農(nóng)業(yè)減碳工作的重點(diǎn)?？赏ㄟ^改良飼養(yǎng)品種，推行低碳養(yǎng)殖模式，提高畜禽糞污資源化利用等途徑降低畜禽養(yǎng)殖碳排放量；同時(shí)，應(yīng)引導(dǎo)農(nóng)戶依據(jù)市場需求確定養(yǎng)殖規(guī)模，防止因逐利導(dǎo)致畜禽飼養(yǎng)數(shù)量的過度增長，從而誘發(fā)過多的碳排放量。

4.2.2推進(jìn)農(nóng)資利用減量增效。持續(xù)推進(jìn)農(nóng)化減量和有機(jī)替代，通過測土配方施肥、種養(yǎng)結(jié)合、秸稈還田與綠肥種植等措施減少化肥使用量；同時(shí)，研發(fā)推廣綠色農(nóng)藥，開展農(nóng)膜回收利用，健全農(nóng)業(yè)物資循環(huán)利用體系，提高農(nóng)資利用效率，從減量與增效兩方面減少化肥、農(nóng)藥等物資投入產(chǎn)生的碳排放量。

4.2.3加強(qiáng)區(qū)域農(nóng)業(yè)減碳協(xié)作。針對畢節(jié)市農(nóng)業(yè)碳排放的空間極化現(xiàn)象，應(yīng)因地制宜布局農(nóng)業(yè)生產(chǎn)，優(yōu)化調(diào)整農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)；同時(shí)，構(gòu)建跨縣區(qū)的農(nóng)業(yè)減碳協(xié)作機(jī)制，促進(jìn)低碳生產(chǎn)技術(shù)與管理模式的空間溢出，推動(dòng)畢節(jié)市農(nóng)業(yè)生產(chǎn)的協(xié)同降碳與穩(wěn)定脫鉤。

參考文獻(xiàn)

[1]IPCC. Climate change 2Ol3：The physicle science basis technical summary[R].IPCC，2013.

[2]HUANGXQ，XU XC，WANGQQ，et al.Assessment of agricultural car-bonemissions and their spatiotemporal changesin China，1997-2O16[J].International journal of environmental research and public health，2019，16（17）：1-15.

[3]羅仁娟.滇中地區(qū)農(nóng)業(yè)碳排放時(shí)空演變及其驅(qū)動(dòng)因素研究[D].昆明：云南師范大學(xué)，2023.

[4]王巧玲，歐陽耀樹，易新云.我國農(nóng)業(yè)碳排放的研究熱點(diǎn)與趨勢：基于CiteSpace的可視化分析[J].農(nóng)業(yè)與技術(shù)，2023，43（4）：149-153.

[5]田云，林子娟.中國省域農(nóng)業(yè)碳排放效率與經(jīng)濟(jì)增長的耦合協(xié)調(diào)[J].中國人口·資源與環(huán)境，2022，32（4）：13-22.

[6]馬海清，陳強(qiáng)強(qiáng).甘肅省農(nóng)業(yè)碳排放時(shí)空分異特征及影響因素[J/OL].干旱區(qū)地理，2024-08-26[2024-11-10].https：//link.cnki.net/urlid/65.1103.X.20240826.1508.002.

[7]WEST T O，MARLAND G.A synthesis of carbon sequestration，carbon e-missions，and net carbon flux in agriculture：Comparing tillage practices inthe United States[J]. Agriculture，ecosystems amp; environment，20O02，91（1） ：217-232.

[8]田云，尹怒昊.中國農(nóng)業(yè)碳排放再測算：基本現(xiàn)狀、動(dòng)態(tài)演進(jìn)及空間溢