黃昭昶，陳思明，毛艷玲*，宋星星，吳 群

（1.福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院，福州 350002；2.閩江學(xué)院海洋學(xué)院，福州 350108；3.福建農(nóng)林大學(xué)林學(xué)院，福州 350002；4.福建農(nóng)林大學(xué)自然生物資源保育利用福建高校工程研究中心，福州 350002；5.福建農(nóng)林大學(xué)動(dòng)物科學(xué)學(xué)院，福州 350002）

全球氣候變暖是當(dāng)今國際社會(huì)公認(rèn)的重要的環(huán)境問題，其主要原因在于人類的社會(huì)經(jīng)濟(jì)活動(dòng)導(dǎo)致大氣中溫室氣體濃度的不斷增加[1]。氧化亞氮（N2O）是繼CO2、CH4之后的第三大溫室氣體[2]，其對大氣的增溫效應(yīng)是CO2的280～310倍。根據(jù)聯(lián)合國政府間氣候變化專門委員會(huì)（IPCC）第四次評估報(bào)告顯示，農(nóng)田排放的N2O占人為源總排放的60%，預(yù)計(jì)到2030年全球農(nóng)業(yè)排放的N2O將比2005年增加35%～60%[3]。2008年中國的N2O排放量達(dá)到1.79 Tg（包括臺(tái)灣、香港、澳門），已成為全球N2O排放最大的國家，其中農(nóng)業(yè)排放占到70%左右[4]。因此，深入了解農(nóng)業(yè)N2O排放的時(shí)空特征，對于緩解全球溫室效應(yīng)具有重要意義，目前國內(nèi)外學(xué)者對農(nóng)業(yè)N2O排放進(jìn)行了大量的研究。Pochette等[5]采用IPCC方法估算1990—2005年加拿大農(nóng)業(yè)土壤N2O的直接排放量，結(jié)果表明，農(nóng)業(yè)N2O排放量平均為58.1 Gg N2O-N·a-1，其中68%來自土壤的直接排放；蔣光福等[6]對比1980—2010年中國和印度小麥、玉米和水稻田的N2O排放量，結(jié)果表明中國小麥、玉米、水稻田的單位面積N2O直接排放量評價(jià)值分別為印度的1.3、2.4、2.0倍；Liang等[7]估算2007—2009年北京市畜牧業(yè)N2O總排放量為1.04 Gg N2O-N·a-1。在研究過程中，學(xué)者們逐漸關(guān)注到農(nóng)業(yè)N2O排放的空間差異性，也引入空間計(jì)量方法對不同區(qū)域的農(nóng)業(yè)N2O排放進(jìn)行研究。張遠(yuǎn)等[8]利用DNDC生態(tài)過程模型對水稻田溫室氣體（CO2、N2O和CH4）排放進(jìn)行定量估測后，分析其排放的時(shí)空動(dòng)態(tài)格局；陳蘇等[9]研究表明中國畜禽溫室氣體（CH4和N2O）排放的區(qū)域集中度較高，四川、河南、山東和云南等省排放較高。這些研究成果為農(nóng)業(yè)N2O的研究提供重要借鑒，但現(xiàn)有的研究主要集中于較大尺度的國家、省市農(nóng)業(yè)N2O排放和小尺度的農(nóng)田N2O排放，對中小尺度的縣域研究卻相對較少。此外，區(qū)域是一個(gè)開放的系統(tǒng)，不同區(qū)域之間的相互作用會(huì)導(dǎo)致區(qū)域與區(qū)域之間存在相關(guān)性[10]，現(xiàn)有的研究也缺乏對農(nóng)田N2O排放的空間鄰接性的探討?；诖耍疚囊?983—2014年縣域活動(dòng)水平數(shù)據(jù)為依據(jù)，擬采用探索性空間分析（ESDA）和R/S分形方法，對福建省52個(gè)縣的農(nóng)業(yè)N2O排放的空間差異及演化趨勢進(jìn)行分析，以期為福建省縣域農(nóng)業(yè)N2O減排措施的制定提供基礎(chǔ)數(shù)據(jù)支撐。

1 材料與方法

1.1 研究區(qū)概況

福建省地處中國的東南沿海地區(qū)，地理坐標(biāo)為北緯23°33′～28°19′，東經(jīng)115°50′～120°43′，氣候?qū)儆趤啛釒ШＱ笮约撅L(fēng)氣候，全省70%的區(qū)域≥10℃的積溫在5000～7600℃之間，年平均氣溫17～21℃，平均降雨量1400～2000 mm，熱量豐富，雨量充沛，光照充足。截止到2014年，福建共有9個(gè)地級行政區(qū)劃單位，85個(gè)縣級行政區(qū)劃單位，總面積為12.14萬km2。福建省是一個(gè)多山的省份，全省89.3%的陸地面積為丘陵地帶，主要分布林地、草地等，而僅占總面積10%的平原和臺(tái)地集中分布耕地、園地和工礦用地等，土地利用地域差異大，省內(nèi)各縣的農(nóng)業(yè)發(fā)展不均衡，農(nóng)業(yè)N2O排放具有明顯的區(qū)域性特征。由于研究期的時(shí)間跨度較大，在數(shù)據(jù)獲取上受到一定限制，本研究僅選取福建省52個(gè)縣作為研究區(qū)（圖1）。

1.2 研究方法

1.2.1 ESDA方法

ESDA（Exploratory spatial data analysis）是一系列空間數(shù)據(jù)分析方法和技術(shù)的集合，它以空間關(guān)聯(lián)測度為核心，通過研究對象的空間分布，發(fā)現(xiàn)其空間關(guān)聯(lián)模式，揭示空間相互作用機(jī)制[11]。ESDA空間分析方法主要包括全局自相關(guān)和局部自相關(guān)。全局自相關(guān)從區(qū)域整體上測度農(nóng)業(yè)N2O排放量的空間集聚程度，而局部自相關(guān)可探索區(qū)域內(nèi)某一單元與鄰近單位的農(nóng)業(yè)N2O排放量的空間相關(guān)性[12]。

全局自相關(guān)采用Global Moran′s I指數(shù)，其公式為：

式中：n為研究區(qū)總數(shù)，Xi、Xj分別為地區(qū) i、j的屬性值，Xˉ為屬性X的平均值，Wij為空間權(quán)重矩陣。Global Moran’s I的取值范圍在[-1，1]之間。大于0表示空間正相關(guān)，等于0表示不存在空間自相關(guān)，小于0表示空間負(fù)相關(guān)。可用標(biāo)準(zhǔn)化Z值檢驗(yàn)Global Moran’s I指數(shù)的顯著性水平，其計(jì)算公式如下：

式中：E（I）為I的期望，VAR（I）為I的方差。在α=0.05的置信水平下，Zscore＞1.96或Zscore＜-1.96時(shí)，表明該區(qū)域存在顯著的空間自相關(guān)。

局部自相關(guān)采用Local Moran′s I指數(shù)，其公式為：

式中的 Xi、Xj、、Wij同式（1）。

圖1 研究區(qū)地理位置Figure 1 Geographic location of the study area

1.2.2 R/S分形方法

在空間分析，研究對象的觀測數(shù)據(jù)通常具有連續(xù)性和相關(guān)性，而空間自相關(guān)方法雖能較好地反映農(nóng)業(yè)N2O排放量的空間分布特征，但無法將整個(gè)時(shí)間序列的觀測數(shù)據(jù)作為一組變量分析研究對象的整體演變趨勢。因此，研究采用R/S分析（Rescaled range analy?sis）即標(biāo)度（尺度）重整分析，其是一種研究自然及社會(huì)經(jīng)濟(jì)現(xiàn)象在時(shí)間序列上演變的非線性的科學(xué)數(shù)量分析預(yù)測方法[13]。R/S分析是由英國物理學(xué)家Hurst最先在尼羅河水文研究中提出的，后經(jīng)Mandelbrot等學(xué)者從時(shí)間序列具有自相似角度上進(jìn)行證明，并加以補(bǔ)充和完善，將之稱為Hurst現(xiàn)象[14]。R/S分析方法的基本原理如下：

設(shè)時(shí)間序列x（t），t=1，2，3…，n，其中τ≥1，且為整數(shù)，取任意值時(shí)：

（1）均值序列：

（2）累計(jì)離差：

（3）極差序列：

（4）標(biāo)準(zhǔn)差：

如R(τ )/s(τ)=R/S，R/S∝τH，證明時(shí)間序列x（t）存在Hurst現(xiàn)象，H稱為Hurst指數(shù)。根據(jù)H指數(shù)的大小，可以判斷時(shí)間序列變化趨勢是表現(xiàn)為完全隨機(jī)或存在趨勢性，存在趨勢性的時(shí)間序列是持續(xù)性還是反持續(xù)性[15]。若0＜H＜0.5，表示該指標(biāo)的時(shí)間序列數(shù)據(jù)變化存在反持續(xù)性，過去變量與未來趨勢變化呈負(fù)相關(guān)關(guān)系，H值越接近0，負(fù)相關(guān)越強(qiáng)；若H=0.5，表示該指標(biāo)的時(shí)間序列是相互獨(dú)立的，隨機(jī)變化；若0.5＜H＜1，表示該指標(biāo)的時(shí)間序列具有持續(xù)性，過去變量與未來趨勢變化呈正相關(guān)關(guān)系，H值越接近1，持續(xù)性越強(qiáng)[13]。

Feder等論證旱澇時(shí)間序列的分維D值與Hurst現(xiàn)象存在關(guān)系為[16]：

Mandelbrot等通過R/S實(shí)證分析后，引入分維值分布式布朗運(yùn)動(dòng)的布朗函數(shù) BH（t）[17]：

對于0＜H＜1，H≠0.5，分布式布朗運(yùn)動(dòng)模型為：

根據(jù)分維D值和指數(shù)H的關(guān)系，可以推論：如果公式（8）～（11）成立，則證明時(shí)間序列存在分布式的布朗運(yùn)動(dòng)現(xiàn)象。因此，H指數(shù)可表明時(shí)間序列分布式布朗運(yùn)動(dòng)的趨勢，而分維值D的大小可判斷時(shí)間序列分布式布朗運(yùn)動(dòng)的不規(guī)則或復(fù)雜性，D值越大，表明運(yùn)動(dòng)越不規(guī)則，反之則越有規(guī)律。

1.3 數(shù)據(jù)來源與處理

1.3.1 數(shù)據(jù)來源

本研究采用的農(nóng)業(yè)活動(dòng)水平數(shù)據(jù)主要包括農(nóng)作物種植面積、禽畜數(shù)量、氮肥施用量、農(nóng)田面積等數(shù)據(jù)均出自1983—2014年福建省52個(gè)縣市的農(nóng)業(yè)統(tǒng)計(jì)年鑒。農(nóng)業(yè)N2O排放系數(shù)以《2006 IPCC國家溫室氣體清單指南》為標(biāo)準(zhǔn)，同時(shí)參照福建省農(nóng)業(yè)N2O排放的相關(guān)研究成果[18-22]來選取。

1.3.2 數(shù)據(jù)處理

本研究以2006年IPCC溫室氣體排放清單核算指南給出的農(nóng)業(yè)N2O排放的計(jì)算方法為標(biāo)準(zhǔn)，并根據(jù)福建省各縣農(nóng)業(yè)發(fā)展現(xiàn)狀、農(nóng)業(yè)生產(chǎn)活動(dòng)和排放因子等數(shù)據(jù)的可獲得性，修訂IPCC2006年農(nóng)業(yè)N2O排放量計(jì)算方法。此方法將農(nóng)業(yè)N2O排放的來源分為4個(gè)方面。即農(nóng)田N2O直接排放（N2ODirect）、農(nóng)田N2O間接排放（N2OIndirect）、動(dòng)物糞便管理系統(tǒng)N2O排放（N2OAnimal-waste）和秸稈燃燒N2O排放（N2Ostraw）。

（1）農(nóng)田N2ODirect排放量

農(nóng)田N2ODirect排放量主要是農(nóng)田化肥、有機(jī)物質(zhì)和作物秸稈N的投入量，其計(jì)算公式如下：

式中：Ni、Nj、Nk分別為農(nóng)田化肥 N、有機(jī)物質(zhì)N、作物秸稈N的投入量；EF1為旱地的排放因子時(shí)，取值為0.023 1[18]；EF1為水田的排放因子時(shí)，取值為0.006 7[18]；44/28為N2O轉(zhuǎn)換系數(shù)。

（2）農(nóng)田N2OIndirect排放量

農(nóng)田N2OIndirect排放主要是大氣沉降、淋溶與徑流引起的N2O排放，其計(jì)算公式下：

式中：N2O（1）、N2O（2）分別為大氣沉降，淋溶與徑流引起的N2O排放總量；Ni為各類農(nóng)田施入的氮肥量，Nj為各類農(nóng)田施入的動(dòng)物糞肥量；P1為以NH3和NOx形式揮發(fā)氮肥的比例，采用IPCC推薦值0.10；P2為以NH3和NOx形式揮發(fā)糞肥的比例，采用IPCC推薦值0.20；EF3為土壤揮發(fā)氮沉降的N2O排放因子，取值為0.01[19]；P3為通過淋溶與徑流產(chǎn)生N排放的比例，采用IPCC推薦值0.30；EF4為淋溶和徑流的N2O排放因子，取值為0.007 5[20]。

（3）N2OAnimal-waste排放量

N2OAnimal-waste排放主要源自動(dòng)物糞便中所含氮素發(fā)生的硝化和反硝化作用，排放量大小主要取決于糞便中的氮素含量、儲(chǔ)存時(shí)間以及管理方法。福建省糞便管理方式與IPCC中闡述的動(dòng)物糞便管理方式相適應(yīng)，因此可以采用IPCC提供的計(jì)算方法。

式中：Ai為i類型動(dòng)物的數(shù)量；NEXi為i類型動(dòng)物糞便排泄系數(shù)；MSi為i類型動(dòng)物糞便氮排放含量；AWMSi為i類型動(dòng)物不同糞便管理方式排泄物處理的比例；EF5為不同糞便管理方式下N2O排放因子[21]。

（4）N2Ostraw排放量

田間秸稈燃燒是農(nóng)田N2O排放重要的排放源，其計(jì)算公式如下：

式中：Nfire為田間燃燒秸稈的含氮量，主要通過區(qū)域內(nèi)收割的秸稈總氮量和秸稈田間直接焚燒率計(jì)算得出，秸稈田間直接焚燒率取值0.166[18]；EF6為田間秸稈燃燒的N2O排放因子，取值為0.007[22]。

2 結(jié)果與分析

2.1 縣域農(nóng)業(yè)N2O排放的空間差異分析

2.1.1 全局空間自相關(guān)分析

在Geoda軟件下對1983—2014年福建省52個(gè)縣域的農(nóng)業(yè)N2O總排放量進(jìn)行全局自相關(guān)分析，得到歷年的Global Moran′s I指數(shù)，并進(jìn)行標(biāo)準(zhǔn)化Z值檢驗(yàn)，見圖2。由圖2可以看出，1983—2014年52個(gè)縣域農(nóng)業(yè)N2O總排放的Global Moran′s I指數(shù)均大于0，模型的擬合優(yōu)度較高，整體通過置信水平（α=0.05）的顯著性檢驗(yàn)，這表明1983—2014年福建省52個(gè)縣域的農(nóng)業(yè)N2O排放具有顯著的空間正相關(guān)，呈現(xiàn)出聚集分布狀態(tài)。

圖2 1983—2014年農(nóng)業(yè)N2O排放量的全局Moran′sI指數(shù)與檢驗(yàn)Figure 2 Global Moran′s I and tests for agricultural N2O emissions from 1983 to 2014

2.1.2 局部空間自相關(guān)分析

利用Geoda軟件對1983—2014年52個(gè)縣的農(nóng)業(yè)N2O排放進(jìn)行局部自相關(guān)分析，得到局部自相關(guān)的LISA聚集圖見圖3。由圖3可以看出1983—2014年52個(gè)縣的農(nóng)業(yè)N2O排放呈現(xiàn)出明顯的空間差異性，具體如下：

（1）“高-高”類型區(qū)呈現(xiàn)出不斷聚集和擴(kuò)散的變化趨勢。1983年“高-高”類型區(qū)主要集中在福建東南沿海的南安市、晉江市、同安區(qū)和長泰縣等市縣，之后不斷向福建省的南部聚集和擴(kuò)散，到2003年“高-高”類型區(qū)已覆蓋福建省南部的大部分縣市區(qū)，如安溪縣、南安市、南靖縣、長泰縣、武平縣等市縣?！案?高”類型區(qū)向南部區(qū)域擴(kuò)散，這與區(qū)位條件、自然條件、農(nóng)業(yè)發(fā)展基礎(chǔ)等因素有關(guān)。福建省南部縣域的區(qū)位條件較好，且地處漳州平原，地勢平坦，土壤肥沃，原有農(nóng)業(yè)發(fā)展程度也較高。

（2）“低-低”類型區(qū)呈現(xiàn)出不斷縮減的變化趨勢。1983年“低-低”類型區(qū)主要集中于福建省中部和北部的將樂縣、明溪縣、壽寧縣、周寧縣等縣，之后不斷向福建省西部和東北部縮進(jìn)，到2014年“低-低”類型區(qū)主要分布在福建省西部和東北部的部分縣域，如三元區(qū)、明溪縣、蕉城區(qū)、壽寧縣、柘榮縣等區(qū)縣。這表明32年間福建省中部和北部地區(qū)的農(nóng)業(yè)不斷發(fā)展，中部和西北部縣域的農(nóng)業(yè)N2O排放量不斷增加，而福建省西部和東北部的清流縣、寧化縣、柘榮縣、霞浦縣等縣，原有的農(nóng)業(yè)基礎(chǔ)較差，改革開放以來雖然農(nóng)業(yè)得到大力發(fā)展，但受到區(qū)位條件、自然條件等因素影響，農(nóng)業(yè)發(fā)展較慢，農(nóng)業(yè)N2O排放量也相對較少。

（3）“低-高”類型區(qū)呈現(xiàn)先聚集后縮減的變化趨勢。1983—2003年“低-高”類型區(qū)不斷向福建省的南部聚集，主要分布于漳平市、新羅區(qū)和華安縣。2003年之后“低-高”類型區(qū)不斷縮減，到2014年該類型區(qū)僅分布在福建東南沿海的晉江市，成為新的空間異質(zhì)性的“熱點(diǎn)”區(qū)域?？臻g異質(zhì)性“熱點(diǎn)”區(qū)域的出現(xiàn)與福建省各縣域農(nóng)業(yè)N2O排放量的差異有關(guān)。1983—2003年“高-高”類型區(qū)不斷向南部擴(kuò)散，但南部各縣域的農(nóng)業(yè)N2O排放量不同，導(dǎo)致“低-高”類型區(qū)的出現(xiàn)，并不斷向福建省南部聚集。2003年之后南部各縣域的農(nóng)業(yè)N2O排放量差距逐漸縮小，使得“低-高”類型區(qū)不斷縮減。

（4）“高-低”類型區(qū)呈現(xiàn)出先聚集后縮減的變化趨勢。1983—1991年“高-低”類型區(qū)不斷向福建省的北部和西部聚集，主要分布于建甌市、建陽市和順昌縣。1991年之后“高-低”類型區(qū)不斷縮減，到2014年已無該類型區(qū)的出現(xiàn)。空間異質(zhì)性“冷點(diǎn)”區(qū)域的出現(xiàn)與福建省各縣域農(nóng)業(yè)N2O排放量的差異有關(guān)。

2.2 縣域農(nóng)業(yè)N2O排放的演變趨勢分析

圖3 1983—2014年縣域農(nóng)業(yè)N2O排放量的LISA聚集圖Figure 3 LISA cluster map of agricultural N2O emissions at country level from 1983 to 2014

通過空間自相關(guān)分析表明52個(gè)縣的農(nóng)業(yè)N2O排放存在顯著的空間自相關(guān)，但空間自相關(guān)分析缺乏整個(gè)時(shí)間序列的理論解釋力，且空間權(quán)重矩陣對全局和局部自相關(guān)分析影響較大。因此，本研究融入R/S分形法對1983—2014年各縣域農(nóng)業(yè)N2O排放的演變趨勢進(jìn)行分析，通過聚類方法對計(jì)算結(jié)果的H指數(shù)值進(jìn)行聚類，可將結(jié)果分為5類[23]（圖4）。第一類，H指數(shù)值小于0.5，主要分布在福建省東部沿海的柘榮縣、閩侯縣、長樂市、平潭縣、福清市、永泰縣、德化縣、晉江市等市縣，表明這些縣域的農(nóng)業(yè)N2O排放的過去增量與未來趨勢呈負(fù)相關(guān)，增長趨勢具有反持續(xù)性；第二類，H指數(shù)值在0.5～0.6之間，主要分布在福建西部和東北部的將樂縣、三元區(qū)、明溪縣、壽寧縣、周寧縣、福安市等縣市區(qū)，這些縣域的農(nóng)業(yè)N2O排放的過去增量與未來趨勢呈正相關(guān)，但增長趨勢具有較弱持續(xù)性；第三類，H指數(shù)值在0.6～0.7之間，主要分布在福建中部和東北部的尤溪縣、順昌縣、光澤縣、屏南縣等縣，表明這些縣的農(nóng)業(yè)N2O排放的過去增量與未來趨勢呈正相關(guān)，但增長趨勢具有中等持續(xù)性；第四類，H指數(shù)值大于0.7～0.85之間，主要分布在福建省西北部和西南部邵武市、建陽市、建甌市、漳平市、連城縣、長汀縣等市縣，表明這些縣的農(nóng)業(yè)N2O排放的過去增量與未來趨勢呈正相關(guān)，增長趨勢具有較強(qiáng)的持續(xù)性；第五類，H指數(shù)值大于0.85～1.0之間，主要分布在福建省南部的安溪縣、南靖縣、長泰縣、華安縣、武平縣等縣，表明這些縣的農(nóng)業(yè)N2O排放的過去增量與未來趨勢呈正相關(guān)，增長趨勢具有很強(qiáng)的持續(xù)性。由圖4進(jìn)一步分析可知，農(nóng)業(yè)N2O排放量增長趨勢具有較強(qiáng)的持續(xù)性的縣（H＞0.7以上）主要分布在福建省的南部以及西北，所占比例為40.38%，而增長趨勢具有反持續(xù)性的縣（H＜0.5）主要分布在福建省的東部沿海，比例為25%。這表明未來一段時(shí)間內(nèi)，福建省的農(nóng)業(yè)N2O排放處于較強(qiáng)的持續(xù)性，農(nóng)業(yè)N2O減排工作壓力較大。

圖4 1983—2014年福建省52個(gè)縣的農(nóng)業(yè)N2O排放演變趨勢的H指數(shù)分布圖Figure 4 The spatial distribution of Hurst index of Agricultural N2O emissions in 52 countries of Fujian Province from 1983 to 2014

3 討論

本研究利用探索性空間分析方法，分析縣域尺度下的農(nóng)業(yè)N2O排放量的空間差異，結(jié)果顯示，1983—2014年福建省52個(gè)縣的農(nóng)業(yè)N2O的排放量存在顯著的空間正相關(guān)，空間聚集分布狀態(tài)呈現(xiàn)出南高北低的分異格局。該研究結(jié)果與李艷春等[20]研究得出的1991—2010年福建省農(nóng)業(yè)生態(tài)系統(tǒng)N2O排放的區(qū)域分布結(jié)論較為一致。但李艷春的研究主要以地級市的尺度進(jìn)行分析，而本研究則對中小尺度的縣域進(jìn)行探討，其研究結(jié)果更能反映福建省農(nóng)業(yè)N2O排放的空間差異。但是空間自相關(guān)模型模擬的結(jié)果受到空間權(quán)重矩陣影響較多，存在一定的不確定性和誤差。另外，受到實(shí)驗(yàn)手段、實(shí)驗(yàn)場地等客觀因素限制，未能實(shí)地觀測各縣域農(nóng)田N2O排放通量，使研究結(jié)果會(huì)存在一定的誤差。因此，選取更適宜的排放因子和空間權(quán)重矩陣，更準(zhǔn)確地反映福建省農(nóng)業(yè)N2O排放演變趨勢和空間格局，有待于今后深入研究。

農(nóng)業(yè)N2O排放的演化趨勢反映出其在自然資源、區(qū)位條件、經(jīng)濟(jì)發(fā)展及農(nóng)業(yè)基礎(chǔ)等多種因素綜合作用下的結(jié)果。本研究通過R/S分形方法研究福建省縣域農(nóng)業(yè)N2O排放的演變趨勢，探索更為全面的特征表征方法。該研究結(jié)果與已有研究[21，24]相比，較為直觀地反映了整個(gè)時(shí)間系列的縣域農(nóng)業(yè)N2O排放的演變趨勢，同時(shí)將農(nóng)業(yè)N2O排放的空間特征加入分析中，較全面地分析農(nóng)業(yè)N2O排放趨勢，避免在分析過程中過于主觀性與隨意性。該方法的操作簡單，研究結(jié)果的可信度較大，可為縣域尺度下農(nóng)業(yè)N2O排放的演變分析提供一種思路。

本研究整合ESDA和R/S分析方法的優(yōu)勢，對1984—2014年福建省52個(gè)縣農(nóng)業(yè)N2O排放空間差異和演變趨勢進(jìn)行分析，直觀表現(xiàn)出縣域尺度下農(nóng)業(yè)N2O排放的時(shí)空格局。即“高-高”或“低-低”空間聚集分布的區(qū)域，其增長趨勢呈現(xiàn)出較強(qiáng)的持續(xù)性或反持續(xù)性。根據(jù)研究結(jié)果表明，福建省農(nóng)業(yè)N2O高排放聚集區(qū)主要位于福建省南部，呈持續(xù)增長趨勢，所占比例達(dá)40.38%。這表明未來一段時(shí)間內(nèi)，福建省農(nóng)業(yè)N2O排放仍處于持續(xù)增長趨勢。因此，在滿足農(nóng)業(yè)生產(chǎn)需要的前提下，嚴(yán)格控制福建省南部縣域的農(nóng)業(yè)N2O排放，采用測土配方施肥，氮肥混施、深施等措施，減少農(nóng)田N2O排放。此外，動(dòng)物糞便也是福建省農(nóng)業(yè)N2O的重要排放源，在不影響福建省西南部養(yǎng)殖業(yè)發(fā)展的前提下，適當(dāng)調(diào)整養(yǎng)殖結(jié)構(gòu)，依據(jù)自然條件選取適宜的糞便管理方式，從而達(dá)到減排的目的。

4 結(jié)論

（1）1983—2014年福建省農(nóng)業(yè)N2O高排放區(qū)主要聚集在南部縣域，其增長趨勢呈現(xiàn)出較強(qiáng)的持續(xù)性，而低排放區(qū)主要分布在西部和東部縣域，其增長趨勢呈現(xiàn)出較低的持續(xù)性或反持續(xù)性。

（2）ESDA和R/S分析方法能更全面反映縣域尺度下農(nóng)業(yè)N2O排放的時(shí)空特征，但農(nóng)業(yè)N2O排放是自然條件、社會(huì)發(fā)展、國家政策等多種因素綜合作用下的結(jié)果，要做到精細(xì)化和定量化仍是本研究今后需要進(jìn)一步探討的方向。