周一凡, 李 彬, 張潤(rùn)清

(河北農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院 保定 071000)

農(nóng)業(yè)與氣候變化之間有著復(fù)雜的聯(lián)動(dòng)關(guān)系。一方面溫室氣體排放引發(fā)的極端氣候變化威脅著全球的糧食生產(chǎn), 另一方面, 農(nóng)業(yè)現(xiàn)代化的快速發(fā)展破壞了農(nóng)業(yè)生態(tài)碳平衡, 成為了僅次于工業(yè)的第二大碳排放部門。政府間氣候變化委員會(huì)(IPCC)數(shù)據(jù)顯示, 與農(nóng)業(yè)有關(guān)的碳排放占全球溫室氣體總排放的13.5%。中國(guó)農(nóng)業(yè)碳排放量占碳排放總量的17%, 并且以每年5%的速度快速增長(zhǎng), 農(nóng)業(yè)低碳化是影響中國(guó)實(shí)現(xiàn)“雙碳”目標(biāo)的重要方面。同時(shí), 中國(guó)地區(qū)間農(nóng)業(yè)區(qū)位條件與資源稟賦差異明顯, 不同地區(qū)的農(nóng)業(yè)碳減排政策與路徑選擇也必然不同。為實(shí)現(xiàn)區(qū)域農(nóng)業(yè)碳減排與農(nóng)業(yè)高質(zhì)量發(fā)展, 有必要針對(duì)特定地區(qū)的自然條件與社會(huì)發(fā)展?fàn)顩r, 在更加深入的層面展開研究。進(jìn)而探討如何因地制宜, 制定適合本地區(qū)的差異化農(nóng)業(yè)碳減排政策。

目前, 學(xué)術(shù)界圍繞農(nóng)業(yè)碳排放已做了大量研究。研究?jī)?nèi)容主要涉及農(nóng)業(yè)碳排放產(chǎn)生機(jī)制與測(cè)算、農(nóng)業(yè)碳排放影響因素以及減排政策等方面。農(nóng)業(yè)碳排放源具有多樣性, 隨著研究的深入, 越來越多的農(nóng)業(yè)碳源被納入到測(cè)算體系中。美國(guó)橡樹嶺實(shí)驗(yàn)室、IPCC和國(guó)家發(fā)改委應(yīng)對(duì)氣候變化組織司均公布過溫室氣體清單及測(cè)算方法。此外, 段華平等、閔繼勝等、田云等都對(duì)農(nóng)業(yè)碳排放進(jìn)行了研究與具體測(cè)算。段華平等對(duì)農(nóng)業(yè)灌溉碳源所引發(fā)的溫室氣體排放加入了清單并進(jìn)行了測(cè)算; 閔繼勝等對(duì)農(nóng)業(yè)部門包括畜牧業(yè)與種植業(yè)引發(fā)的溫室氣體分種類進(jìn)行了測(cè)算; 田云等將不同種類溫室氣體統(tǒng)一為標(biāo)準(zhǔn)二氧化碳當(dāng)量, 增加了不同部門之間的可比性。以上研究的農(nóng)業(yè)溫室氣體清單各有側(cè)重, 總體上對(duì)農(nóng)業(yè)碳排放源多元化特征的研究不斷繼承與豐富, 為農(nóng)業(yè)碳排放的空間分布特征和減排機(jī)制的研究奠定了基礎(chǔ)。除了對(duì)農(nóng)業(yè)碳排放測(cè)算研究外, 在具體的區(qū)域碳排放治理研究中, 越來越多的研究引入了空間因素對(duì)碳排放的影響。

現(xiàn)有研究證明中國(guó)省域農(nóng)業(yè)碳排放之間有顯著的空間相關(guān)性與異質(zhì)性。東、中、西三大區(qū)域的農(nóng)業(yè)碳排放在空間分布上各有特點(diǎn), 但是總體上呈現(xiàn)空間集聚趨勢(shì)。吳昊玥等基于動(dòng)態(tài)空間杜賓模型的估計(jì)結(jié)果表明, 省際間的農(nóng)業(yè)碳補(bǔ)償率有明顯的空間外溢效應(yīng)。劉蒙罷等對(duì)長(zhǎng)江中下游糧食主產(chǎn)區(qū)碳約束下生態(tài)效率的研究發(fā)現(xiàn), 糧食產(chǎn)區(qū)的生態(tài)效率有顯著的“俱樂部收斂”, 空間溢出在其時(shí)空演變中發(fā)揮了顯著影響。李慧等基于GWR模型對(duì)農(nóng)業(yè)碳排放的影響因素進(jìn)行了建模分析, 發(fā)現(xiàn)東南沿海地區(qū)稻田碳排占比較大, 黃河中游地區(qū)農(nóng)用物資與農(nóng)田利用碳排占比較大, 西北地區(qū)養(yǎng)殖業(yè)碳排占比較大。李治國(guó)等基于準(zhǔn)自然實(shí)驗(yàn)研究了碳排放交易的減排效果, 為農(nóng)業(yè)碳排放治理提供了借鑒思路。高鳴等基于Malmquist-luenberger指數(shù)研究了農(nóng)業(yè)碳排放績(jī)效的空間收斂與分異。以上研究都聚焦于省域農(nóng)業(yè)碳排放空間分布與減排政策研究,在模型構(gòu)建過程中都存在受限于分析層面地理單元數(shù)量不足的缺點(diǎn)。另外, 對(duì)農(nóng)業(yè)碳排放測(cè)算研究停留于省級(jí)層面, 無(wú)法準(zhǔn)確監(jiān)測(cè)市縣級(jí)農(nóng)業(yè)碳排放,不利于把握農(nóng)業(yè)碳排放的變化趨勢(shì), 調(diào)整相關(guān)政策。

綜上, 已有研究中對(duì)農(nóng)業(yè)碳排放的測(cè)算方法不盡相同, 各研究中基于不同的農(nóng)業(yè)溫室氣體清單, 對(duì)農(nóng)業(yè)碳排放的測(cè)算范圍各有側(cè)重。且對(duì)全國(guó)省級(jí)層面的農(nóng)業(yè)碳排放測(cè)算較多, 對(duì)縣域農(nóng)業(yè)碳排放測(cè)算較少?，F(xiàn)有考慮到空間效應(yīng)的文獻(xiàn)視角大多聚焦于省級(jí)層面影響機(jī)制, 較少關(guān)注縣域?qū)用婵臻g效應(yīng), 無(wú)法從更深層次刻畫小地理單元長(zhǎng)時(shí)序碳排放的時(shí)空動(dòng)態(tài)演變。最后, 基于0～1型鄰近空間權(quán)重矩陣無(wú)法準(zhǔn)確反映距離對(duì)各因素的影響。

為彌補(bǔ)現(xiàn)有研究不足, 本文參考自然科學(xué)的研究成果, 從土地管理、禽畜腸道發(fā)酵、糞便管理和水稻種植4個(gè)方面共13個(gè)碳源, 構(gòu)建了縣域農(nóng)業(yè)碳排放測(cè)算框架, 測(cè)算了2009-2019年河北省168個(gè)縣農(nóng)業(yè)碳排放量。利用探索性空間統(tǒng)計(jì)分析了2009—2019年河北省縣域農(nóng)業(yè)碳排放的時(shí)空演變趨勢(shì)。首先構(gòu)建了168個(gè)縣域地理單元農(nóng)業(yè)碳排放影響因素多元空間權(quán)重矩陣的空間面板數(shù)據(jù)模型,研究了縣域農(nóng)業(yè)碳排放的空間效應(yīng)與影響因素, 以期為河北省農(nóng)業(yè)碳減排, 實(shí)現(xiàn)農(nóng)業(yè)低碳發(fā)展提供理論基礎(chǔ)與政策啟示。同時(shí), 將河北省作為農(nóng)業(yè)碳排放研究案例也為其他地區(qū)農(nóng)業(yè)碳排放治理提供了借鑒。

1 研究方法與數(shù)據(jù)來源

1.1 農(nóng)業(yè)碳排放測(cè)算

本文借鑒自然科學(xué)研究成果并參照IPCC、美國(guó)橡樹嶺國(guó)家實(shí)驗(yàn)室和省級(jí)溫室氣體排放清單的測(cè)算方法, 選取4方面的碳排放源: 水稻種植、土地管理、畜牧的腸道發(fā)酵和糞便管理建立縣域農(nóng)業(yè)碳排放測(cè)算框架(表1)。之后結(jié)合河北省的農(nóng)業(yè)區(qū)位狀況, 確定不同碳排放源的排放系數(shù), 最終測(cè)算得到河北省各縣農(nóng)業(yè)碳排放量。碳排放的測(cè)算公式:

表1 農(nóng)業(yè)碳源與溫室氣體排放系數(shù)Table 1 Agricultural carbon sources and greenhouse gas emission factors

式中: P 為總碳排放量, C為 第i 種 農(nóng)業(yè)碳排放源, R為第i種碳排放源的碳排放系數(shù), G WP為 第i種溫室氣體的貢獻(xiàn)系數(shù)。根據(jù)《京都議定書》, 以二氧化碳的100年全球變暖潛力值(GWP)為基準(zhǔn), 1 t甲烷產(chǎn)生的溫室效應(yīng)相當(dāng)于排放21 t二氧化碳, 1 t氧化亞氮產(chǎn)生的溫室效應(yīng)相當(dāng)于排放310 t二氧化碳。碳排放量單位為二氧化碳當(dāng)量(CO-eq)。

1.2 探索性空間統(tǒng)計(jì)方法

莫蘭指數(shù)(Moran’ I)是應(yīng)用最為廣泛的空間相關(guān)分析方法, 莫蘭指數(shù)有全局Moran’ I與局域Moran’ I之分, 前者可以作為判斷本區(qū)域是否存在空間自相關(guān)的指標(biāo), 后者可以研究具體的空間自相關(guān)區(qū)域。全局Moran’ I的公式為:

式中: x為 i地 區(qū)的農(nóng)業(yè)碳排放, n是所研究區(qū)域內(nèi)的地區(qū)數(shù)量, w為空間權(quán)重矩陣。經(jīng)過方差歸一化之后-1≤Moran’I≤1, Moran’I越接近1時(shí)空間正相關(guān)的程度越強(qiáng), 越接近-1時(shí)空間負(fù)相關(guān)的程度越強(qiáng),0表示不存在空間自相關(guān)。通常假設(shè)Moran’I檢服從正態(tài)分布, 構(gòu)造T統(tǒng)計(jì)量來檢驗(yàn)顯著性。

熱點(diǎn)分析采用General G指數(shù)的局域版本Getis-Ord G算法。雖同是局域空間相關(guān)指標(biāo), 但其對(duì)空間權(quán)重的敏感度高于局域莫蘭指數(shù)。當(dāng)局部和與總體有較大差距時(shí)會(huì)產(chǎn)生一個(gè)有統(tǒng)計(jì)意義的 Z統(tǒng)計(jì)量。在不存在空間自相關(guān)的零假設(shè)下, 如果 Z值為正且顯著, 則i地區(qū)周圍觀測(cè)值比均值而言偏大, 存在高值聚集, 是一個(gè)“熱點(diǎn)”。反之, i地區(qū)周圍觀測(cè)值相比于均值偏小, 是一個(gè)“冷點(diǎn)”。計(jì)算公式是:

1.3 空間計(jì)量模型構(gòu)建

空間面板回歸模型將空間依賴性納入考慮范圍,更加注重變量之間的空間關(guān)系。應(yīng)用較為廣泛的有空間誤差模型、空間滯后模型與同時(shí)考慮滯后項(xiàng)與誤差項(xiàng)的空間通用模型, 通過空間豪斯曼檢驗(yàn)與LR檢驗(yàn)可以對(duì)模型設(shè)定形式進(jìn)行判斷。本研究目的是探究河北省縣域農(nóng)業(yè)碳排放的空間溢出現(xiàn)象與影響因素, 模型設(shè)定如下:

式中: i 、 j 代表地理單元, t 代表時(shí)間變量, c arbon代表各縣農(nóng)業(yè)碳排放當(dāng)量, X代表影響農(nóng)業(yè)碳排放因素(表2), W代表空間權(quán)重矩陣, λ代表空間自回歸系數(shù), β是待估計(jì)的參數(shù), ε代表隨機(jī)擾動(dòng)項(xiàng), μ代表空間誤差項(xiàng)。

表2 縣域農(nóng)業(yè)碳排放影響因素變量選取與描述性統(tǒng)計(jì)Table 2 Variable selection and descriptive statistics of factors influencing agricultural carbon emissions in counties

現(xiàn)有省級(jí)層面的研究從經(jīng)濟(jì)、技術(shù)、環(huán)境、人口等方面考慮影響碳排放的因素。參考已有研究成果并集合縣級(jí)數(shù)據(jù)特點(diǎn)和可得性, 本文從農(nóng)業(yè)經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平、要素投入、農(nóng)村能源消費(fèi)等方面考量, 對(duì)影響因素選擇考慮如下:

1)農(nóng)業(yè)人均生產(chǎn)總值(AGDP)。李波等根據(jù)環(huán)境庫(kù)茲涅茨曲線理論, 驗(yàn)證了農(nóng)業(yè)經(jīng)濟(jì)發(fā)展與碳排放有著倒“U”型的關(guān)系, 即先污染、后治理的現(xiàn)象。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展是驅(qū)動(dòng)碳排放的主要因素, 但其是否會(huì)帶動(dòng)碳排放量的增長(zhǎng)取決于經(jīng)濟(jì)發(fā)展質(zhì)量與階段。

2)城鎮(zhèn)化率(Urban)。城鎮(zhèn)化推動(dòng)了農(nóng)村勞動(dòng)力向城市流動(dòng), 促進(jìn)了農(nóng)業(yè)生產(chǎn)的集約化、規(guī)?；? 規(guī)?；r(nóng)業(yè)意味著能源消耗的增加, 間接帶來農(nóng)業(yè)碳排放增長(zhǎng)。

3)農(nóng)村居民收入(Income)。農(nóng)村居民收入對(duì)碳排放有著正向影響, 農(nóng)民收入的增加促進(jìn)了農(nóng)戶對(duì)農(nóng)業(yè)生產(chǎn)要素的投入從而帶來碳排放增長(zhǎng)。

4)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)(Str)。農(nóng)業(yè)結(jié)構(gòu)中占主導(dǎo)的產(chǎn)業(yè)會(huì)影響本地區(qū)農(nóng)業(yè)碳排放, 對(duì)比林業(yè)、漁業(yè), 種植業(yè)和畜牧業(yè)貢獻(xiàn)了碳排放的主要份額。

5)農(nóng)業(yè)機(jī)械水平(Tech)與化肥施用強(qiáng)度(Fer)。農(nóng)機(jī)與化肥投入會(huì)直接帶來碳排放量增長(zhǎng), 兩者發(fā)展水平對(duì)碳排放有正向影響。

6)農(nóng)村用電量(Energy)。農(nóng)村能源消耗反映了地區(qū)經(jīng)濟(jì)水平與環(huán)保意識(shí), 現(xiàn)有研究認(rèn)為農(nóng)村的電力基礎(chǔ)設(shè)施建設(shè)與種植業(yè)碳排放正相關(guān)。

空間權(quán)重矩陣一般有鄰近空間權(quán)重矩陣(W1)、固定距離空間權(quán)重矩陣(W2)、K臨近空間權(quán)重矩陣(W3)、自然臨近空間權(quán)重矩陣(W4)、反距離空間權(quán)重矩陣(W5)等形式。本文在回歸分析中使用反距離矩陣(W5), 邊界效應(yīng)分析使用動(dòng)態(tài)距離與K臨近空間權(quán)重矩陣(W3), 穩(wěn)健性檢驗(yàn)使用其余矩陣進(jìn)行對(duì)比。具體形式可視化如圖1。

圖1 縣域農(nóng)業(yè)碳排放模型空間權(quán)重矩陣W1-W5Fig.1 Spatial weight matrix W1-W5 of the county agricultural carbon emission model

1.4 數(shù)據(jù)來源及處理

本文對(duì)各縣農(nóng)業(yè)碳排放測(cè)算的數(shù)據(jù)來自2009—2019年的《河北省農(nóng)村統(tǒng)計(jì)年鑒》, 測(cè)算碳排放量中用到的碳排放系數(shù)來自IPCC的相關(guān)文件、美國(guó)橡樹嶺國(guó)家實(shí)驗(yàn)室、中國(guó)農(nóng)業(yè)大學(xué)、南京農(nóng)業(yè)大學(xué)和《中國(guó)省級(jí)溫室氣體清單編制指南》。空間數(shù)據(jù)來自中國(guó)國(guó)家地理信息的公開數(shù)據(jù)資料, 使用最新的河北省168個(gè)行政縣(市轄區(qū))行政區(qū)劃。2016年河北省進(jìn)行了較大范圍的縣級(jí)行政區(qū)劃調(diào)整, 為匹配空間數(shù)據(jù)與經(jīng)濟(jì)數(shù)據(jù), 本文將合并的行政縣數(shù)據(jù)融合進(jìn)新的行政區(qū)劃中, 缺失值使用空間插值法補(bǔ)全。

2 縣域農(nóng)業(yè)碳排放的時(shí)空演變特征

2.1 縣域農(nóng)業(yè)碳排放時(shí)間變化趨勢(shì)

根據(jù)表1的排放因子測(cè)算了河北省168縣農(nóng)業(yè)碳排放并對(duì)結(jié)果匯總分析(圖2)。結(jié)果表明, 2009-2019年河北省農(nóng)業(yè)碳排放整體上呈下降趨勢(shì)。2019年農(nóng)業(yè)碳排放總量1857萬(wàn)t, 比2009年下降37%, 平均每年下降4.86%。從減排趨勢(shì)看, 可以分為3個(gè)階段。第1階段為2009-2012年, 農(nóng)業(yè)碳排放呈小幅上升趨勢(shì), 農(nóng)業(yè)碳排放由2987萬(wàn) t增加到3115萬(wàn)t,年均增長(zhǎng)率為1.84%。該階段農(nóng)業(yè)碳排放增長(zhǎng)主要原因是生態(tài)意識(shí)薄弱, 農(nóng)業(yè)產(chǎn)量增長(zhǎng)依靠生產(chǎn)要素的大量投入。第2階段為2013-2016年, 農(nóng)業(yè)碳排放在波動(dòng)中下降, 相比于第1階段, 第2階段農(nóng)業(yè)碳排放下降明顯,年均增長(zhǎng)率為-4.3%。自2015農(nóng)業(yè)部出臺(tái)一系列農(nóng)業(yè)生態(tài)治理政策, 如“兩減”行動(dòng)等, 治理了農(nóng)業(yè)生產(chǎn)中化肥、農(nóng)藥濫用問題, 農(nóng)業(yè)碳排放有了下降趨勢(shì)。第3階段為2017-2019年, 農(nóng)業(yè)碳排放整體比第1階段大幅下降, 農(nóng)業(yè)碳排放穩(wěn)定在2000萬(wàn)t。全球氣候變化的背景下, 農(nóng)業(yè)碳排放問題越來越得到重視, 農(nóng)業(yè)碳排放治理成效顯著。

圖2 2009—2019年河北省農(nóng)業(yè)碳排放結(jié)構(gòu)及變化趨勢(shì)Fig.2 Structure and trend of agricultural carbon emissions in Hebei Province from 2009 to 2019

從碳排放結(jié)構(gòu)看, 2019年河北省農(nóng)業(yè)碳排放中由土地管理、腸道發(fā)酵、糞便管理與水稻種植引發(fā)的農(nóng)業(yè)碳排放占比分別為33.0%、42.6%、24.3%與0.1%。農(nóng)業(yè)碳排放結(jié)構(gòu)以畜牧業(yè)為主, 占比66.0%,種植業(yè)次之占比33.0%。2009-2019年, 土地管理引發(fā)的碳排放下降緩慢, 與2009年相比, 2019年碳排放當(dāng)量下降12.9%, 但占比從23.5%提升到33.0%,成為僅次于腸道發(fā)酵的第二大農(nóng)業(yè)碳源。畜牧業(yè)畜禽腸道發(fā)酵導(dǎo)致的碳排放下降速度較快, 與2009年相比2019年碳排放當(dāng)量下降47.5%, 占比下降到42.5%, 但仍是河北省第一大農(nóng)業(yè)碳排放源。禽畜糞便管理碳排放下降趨勢(shì)與腸道發(fā)酵同步, 與2009年比碳排放當(dāng)量下降41.4%, 是河北省農(nóng)業(yè)碳排放第三大碳源。河北省水稻種植面積約為6萬(wàn)hm, 其碳排放在農(nóng)業(yè)總碳排放中占比極小，僅為0.1%, 其對(duì)農(nóng)業(yè)碳排放影響極小。

2.2 縣域農(nóng)業(yè)碳排放的空間自相關(guān)

2009-2019年河北省各縣總農(nóng)業(yè)碳排放量、畜牧業(yè)碳排放量和人均碳排放強(qiáng)度全局Moran’ I結(jié)果見表3。結(jié)果顯示2009-2019年縣域農(nóng)業(yè)碳排放的Moran’I指數(shù)在0.27以上, 碳排放強(qiáng)度的Moran’I指數(shù)為0.31～0.64, 均通過了P＜1%水平的顯著性檢驗(yàn)。相比于現(xiàn)有文獻(xiàn)從省域?qū)用鎸?duì)農(nóng)業(yè)碳排放空間相關(guān)性研究, 縣域尺度下的農(nóng)業(yè)碳排放空間相關(guān)性更加顯著。從總體趨勢(shì)來看, 2009-2019年縣域農(nóng)業(yè)碳排放Moran’I指數(shù)波動(dòng)上升, 說明各縣之間農(nóng)業(yè)碳排放空間集聚有加強(qiáng)趨勢(shì)。畜牧業(yè)碳排放量波動(dòng)較大,2009-2012年Moran’I指數(shù)呈下降趨勢(shì), 2015-2019年呈增長(zhǎng)趨勢(shì)。這可能是因?yàn)楹颖笔⌒竽翗I(yè)集中于張家口與承德北部各縣, 畜牧業(yè)碳排放量在總碳排放量中占比較小, 加上肉類價(jià)格波動(dòng)的影響, 導(dǎo)致畜牧業(yè)碳排放年際變化較大, 反映在Moran’I指數(shù)就是空間分布呈現(xiàn)不斷變化趨勢(shì)。從人均碳排放強(qiáng)度來看, 其空間集聚趨勢(shì)與總碳排放量呈現(xiàn)相反的趨勢(shì),2009-2019年Moran’I指數(shù)從0.6降低到0.3左右,空間集聚有減弱趨勢(shì)。一部分原因是農(nóng)村勞動(dòng)力向城市流動(dòng), 農(nóng)村地區(qū)勞動(dòng)力減少, 各地區(qū)農(nóng)業(yè)發(fā)展水平呈現(xiàn)差異化、多樣化, 導(dǎo)致各地區(qū)人均農(nóng)業(yè)碳排放強(qiáng)度相關(guān)性減弱, 獨(dú)立性逐漸加強(qiáng)。

表3 河北省2009-2019年縣域農(nóng)業(yè)碳排放Moran’I指數(shù)Table 3 Morans’ I of agricultural carbon emissions in counties of Hebei Province from 2009 to 2019

2.3 縣域農(nóng)業(yè)碳排放熱點(diǎn)

熱點(diǎn)分析可以識(shí)別碳排放空間集聚的中心位置,直觀地反映各縣農(nóng)業(yè)碳排放空間變化。計(jì)算河北省168個(gè)縣10年來的碳排放指標(biāo)的Getis-Ord-G指數(shù),再將其Z值繪制填充地圖以觀察縣域農(nóng)業(yè)碳排放時(shí)空變化規(guī)律。

2.3.1 農(nóng)業(yè)土地管理碳排放空間分布

由圖3可以看出, 2009-2019年, 土地管理所引發(fā)的農(nóng)業(yè)碳排放“熱點(diǎn)”縣集中分布于河北省南部和東南部的傳統(tǒng)農(nóng)耕區(qū), 即圖中的紅色區(qū)域。農(nóng)業(yè)碳排放熱點(diǎn)的空間位置變化不大, 但范圍呈現(xiàn)縮小趨勢(shì), 中心縣的數(shù)量不斷減少。2009年農(nóng)業(yè)碳排放熱點(diǎn)以武強(qiáng)、故城、冀州、阜城、棗強(qiáng)、辛集、武邑等縣為中心向周圍地區(qū)擴(kuò)散。2019年熱點(diǎn)縣的數(shù)量明顯減少, 主要位于石家莊、邢臺(tái)和衡水3市的交界, 冀州、衡水和辛集等區(qū)縣, 南部各縣土地管理導(dǎo)致的農(nóng)業(yè)碳排放顯著減少。以上熱點(diǎn)地區(qū)位于華北平原腹地,也是傳統(tǒng)種植業(yè)的主要分布地區(qū), 農(nóng)作物播種面積268萬(wàn)hm, 約占全省農(nóng)作物播種面積的33%左右。土地管理造成的農(nóng)業(yè)碳排放約為210萬(wàn)t CO-eq, 占全省農(nóng)業(yè)土地管理碳排放量的34%左右。從排放構(gòu)成來看由化肥施用、土地翻耕造成, 土地翻耕引發(fā)的農(nóng)業(yè)碳排放占土地管理碳排放總量的55%左右。華北平原地區(qū)主要農(nóng)作物為小麥、玉米, 耕作方式以旱作為主, 農(nóng)業(yè)生產(chǎn)消耗了大量的化肥、農(nóng)藥以及農(nóng)業(yè)機(jī)械動(dòng)力, 這造成了此地區(qū)成為河北省農(nóng)業(yè)碳排放的熱點(diǎn)地區(qū)。

圖3 2009-2019年河北省縣域農(nóng)業(yè)土地管理碳排放熱點(diǎn)圖(Getis-Ord-Gi＊指數(shù))Fig.3 Hotspots maps of agricultural land management carbon emissions in counties of Hebei Province (Getis-Ord-Gi* index) from 2009 to 2019

2.3.2 畜禽腸道發(fā)酵、糞便管理碳排放空間分布

圖4反映了畜牧業(yè)生產(chǎn)過程中, 畜禽腸道發(fā)酵所引發(fā)的總碳排放量空間變化。結(jié)果顯示, 畜牧業(yè)碳排放熱點(diǎn)主要分布于冀北地區(qū)承德市圍場(chǎng)縣, 張家口市張北以及秦皇島部分縣等農(nóng)業(yè)結(jié)構(gòu)以畜牧業(yè)為主的縣。2009年碳排放熱點(diǎn)縣為承德市圍場(chǎng)、豐寧、灤平和隆化4縣。2015年碳排放向東部和南部有擴(kuò)大趨勢(shì), 唐山、秦皇島部分縣碳排放有上升趨勢(shì)。2019年熱點(diǎn)地區(qū)又恢復(fù)為圍場(chǎng)、豐寧、灤平和隆化4縣。總體上畜牧業(yè)中動(dòng)物腸道發(fā)酵與糞便排放的溫室氣體在空間分布上較為穩(wěn)定。承德北部地區(qū)草場(chǎng)豐茂, 畜牧業(yè)發(fā)達(dá), 2019年內(nèi)牛羊出欄分別為6320頭和14 926頭, 分別占全省的18.7%和4.1%,其產(chǎn)生的碳排放約占全省畜牧業(yè)碳排放的12.4%。草食性動(dòng)物的消化系統(tǒng)會(huì)排放大量甲烷, 其溫室效應(yīng)是二氧化碳的21倍, 這導(dǎo)致冀北成為了畜牧業(yè)碳排放的主要地區(qū)。

圖4 2009—2019年河北省縣域畜禽腸道發(fā)酵碳排放熱點(diǎn)圖(Getis-Ord-指數(shù))Fig.4 Hotspot maps of carbon emissions from intestinal fermentation of livestock and poultry in counties of Hebei Province (Getis-Ord- index) from 2009 to 2019

畜禽糞便管理與腸道發(fā)酵兩者碳排放的熱點(diǎn)分布在空間上基本吻合(圖5)。結(jié)果表明, 糞便管理所引發(fā)的農(nóng)業(yè)碳排放的熱點(diǎn)地區(qū)呈現(xiàn)縮小的趨勢(shì),2009年、2012年和2015年糞便管理高排放的集聚區(qū)域主要分布在承德北部、秦皇島和唐山的部分縣,到2019年縮小到承德的圍場(chǎng)、豐寧、灤平和隆化4縣。這表明相比其他地區(qū)承德市的畜牧業(yè)發(fā)展較快, 其憑借適合畜牧業(yè)發(fā)展的農(nóng)業(yè)區(qū)位和產(chǎn)業(yè)優(yōu)勢(shì)成為了河北省主要的畜牧業(yè)產(chǎn)業(yè)集聚地。

術(shù)后3 d佩戴支具下地活動(dòng)，評(píng)估下肢神經(jīng)根癥狀緩解情況，行MR/CT檢查，1～2周后二期經(jīng)椎旁肌間隙置入椎弓根螺釘，必要時(shí)選擇性減壓。

圖5 2009—2019年河北省縣域畜禽糞便管理碳排放熱點(diǎn)圖(Getis-Ord-指數(shù))Fig.5 Hotspot map of carbon emissions from livestock and poultry manure management in counties of Hebei Province (Getis-Ord-index) from 2009 to 2019

3 縣域農(nóng)業(yè)碳排放的影響因素

3.1 農(nóng)業(yè)碳排放影響因素的空間計(jì)量分析

為探索縣域農(nóng)業(yè)碳排放空間溢出效應(yīng)與影響因素, 以雙向固定效應(yīng)的普通面板數(shù)據(jù)模型作為基準(zhǔn)回歸模型, 使用反距離矩陣(W5)對(duì)空間滯后、空間誤差和空間通用模型進(jìn)行估計(jì), 為避免異方差問題對(duì)變量取對(duì)數(shù)后再進(jìn)行估計(jì)。LM-H、LM-Lambda和LM-Mu檢驗(yàn)均拒絕原假設(shè), 模型需要考慮空間相關(guān)和空間誤差項(xiàng); 空間Hausman檢驗(yàn)結(jié)果表示固定效應(yīng)假設(shè)更合理。

普通面板回歸、空間誤差、空間滯后和空間通用模型的估計(jì)結(jié)果具有一致性, 結(jié)果如表4所示。雙向固定效應(yīng)的普通面板數(shù)據(jù)模型估計(jì)結(jié)果顯示,除了城鎮(zhèn)化率對(duì)農(nóng)業(yè)碳排放有顯著負(fù)向影響外, 其他因素均對(duì)農(nóng)業(yè)碳排放有顯著的正向影響?？紤]空間效應(yīng)的空間面板數(shù)據(jù)回歸結(jié)果顯示, 空間滯后回歸系數(shù)(lambda)顯著為正, 表明縣域農(nóng)業(yè)碳排放具有空間溢出效應(yīng), 縣域之間的農(nóng)業(yè)碳排放具有協(xié)同性, 鄰近縣農(nóng)業(yè)碳排放對(duì)本縣農(nóng)業(yè)碳排放量有增排作用, 平均來看鄰近縣的農(nóng)業(yè)碳排放提升1.00%本縣的農(nóng)業(yè)碳排放會(huì)增加0.26%。縣域?qū)用娴霓r(nóng)業(yè)碳排放空間溢出效應(yīng)為區(qū)域農(nóng)業(yè)碳排放協(xié)同治理提供了理論上的可行性。發(fā)揮縣域?qū)用娴氖痉缎?yīng)帶動(dòng)區(qū)域農(nóng)業(yè)碳減排是可行之路。

表4 河北省縣域農(nóng)業(yè)碳排放影響因素回歸結(jié)果Table 4 Regression results of factors influencing agricultural carbon emissions in counties of Hebei Province counties

農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平是推動(dòng)農(nóng)業(yè)碳排放增長(zhǎng)的主要驅(qū)動(dòng)因素。結(jié)果顯示, 縣級(jí)人均農(nóng)業(yè)GDP增長(zhǎng)1%農(nóng)業(yè)碳排放增長(zhǎng)0.89%。根據(jù)環(huán)境庫(kù)茲涅茨理論, 經(jīng)濟(jì)發(fā)展與環(huán)境狀況會(huì)呈現(xiàn)倒“U”型曲線, 也就是說環(huán)境狀況會(huì)隨著經(jīng)濟(jì)發(fā)展經(jīng)歷一個(gè)先惡化再治理的過程。目前來看, 河北省農(nóng)業(yè)碳排放處于環(huán)境曲線“拐點(diǎn)”之前, 農(nóng)業(yè)碳排放隨著農(nóng)業(yè)經(jīng)濟(jì)發(fā)展沒有明顯的下降趨勢(shì), 并且隨著經(jīng)濟(jì)發(fā)展和人口規(guī)模的增加, 短期內(nèi)農(nóng)業(yè)碳排放的減排壓力較大。

農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)機(jī)械化水平和化肥施用強(qiáng)度是農(nóng)業(yè)碳排放增長(zhǎng)的重要推動(dòng)因素。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)對(duì)農(nóng)業(yè)碳排放的影響體現(xiàn)在: 畜牧業(yè)比重較大的縣農(nóng)業(yè)碳排放量顯著高于畜牧業(yè)占比小的縣。隨著經(jīng)濟(jì)發(fā)展消費(fèi)者對(duì)蛋白質(zhì)的需求會(huì)進(jìn)一步提升, 畜牧業(yè)對(duì)農(nóng)業(yè)碳排放的貢獻(xiàn)程度會(huì)進(jìn)一步上升。畜牧業(yè)生產(chǎn)過程中草食性動(dòng)物的腸道發(fā)酵排放了大量甲烷。同時(shí), 傳統(tǒng)畜牧業(yè)以散養(yǎng)為主的飼養(yǎng)方式, 對(duì)動(dòng)物的糞便管理也較為隨意, 不恰當(dāng)?shù)募S便管理方式向大氣中排放大量氧化亞氮與甲烷, 由此造成了現(xiàn)代農(nóng)業(yè)發(fā)展中, 畜牧業(yè)的碳排放問題比種植業(yè)更加嚴(yán)峻。

農(nóng)業(yè)機(jī)械化程度和化肥施用強(qiáng)度對(duì)農(nóng)業(yè)碳排放有正向促排作用。作為種植業(yè)生產(chǎn)中的重要投入要素, 雖然農(nóng)業(yè)機(jī)械化的發(fā)展提升了耕作效率, 但高耗能的農(nóng)業(yè)發(fā)展模型推動(dòng)了農(nóng)業(yè)碳排放量的增加?；实拇罅渴褂靡蚕虼髿庵信欧帕烁嗟亩趸?但是河北省近幾年來大力推行秸稈還田技術(shù), 2020年基本實(shí)現(xiàn)了全面秸稈還田。長(zhǎng)遠(yuǎn)來看秸稈還田是增加土壤肥力的有效措施, 有助于降低化肥的施用強(qiáng)度, 進(jìn)而減少農(nóng)業(yè)碳排放, 但河北省秸稈綜合利用水平有待提升。

城鎮(zhèn)化率對(duì)農(nóng)業(yè)碳排放有減排效應(yīng)。城鎮(zhèn)化率的提升意味著農(nóng)村人口轉(zhuǎn)變?yōu)槌擎?zhèn)人口, 經(jīng)濟(jì)結(jié)構(gòu)中第三產(chǎn)業(yè)比重下降, 第一、二產(chǎn)業(yè)的占比上升, 同時(shí)農(nóng)業(yè)信息化程度提升、農(nóng)民生活方式轉(zhuǎn)變、現(xiàn)代化農(nóng)業(yè)經(jīng)營(yíng)體系建立等都會(huì)促進(jìn)農(nóng)業(yè)碳排放量減少。

農(nóng)村能源消費(fèi)和農(nóng)村居民收入對(duì)農(nóng)業(yè)碳排放有著間接的促排作用。農(nóng)村用電量的增加不會(huì)直接影響農(nóng)業(yè)碳排放, 但農(nóng)村用電量高的地區(qū)一般經(jīng)濟(jì)發(fā)展水平也較高, 人們的生活水平和生活方式都間接地影響了農(nóng)業(yè)碳排放。農(nóng)民收入對(duì)農(nóng)業(yè)碳排放的促排作用體現(xiàn)在農(nóng)業(yè)生產(chǎn)資料的投入上, 農(nóng)戶的收入增加會(huì)使其擴(kuò)大生產(chǎn)規(guī)模, 提高產(chǎn)量, 而小農(nóng)戶沒有人工成本, 對(duì)化肥、農(nóng)藥等生產(chǎn)資料的投入不敏感。這就導(dǎo)致農(nóng)業(yè)生產(chǎn)向高投入、高排放的方向發(fā)展,引起了農(nóng)業(yè)碳排放量的增加。

3.2 縣域碳排放空間溢出的邊界效應(yīng)

迭代模型所使用的空間權(quán)重矩陣設(shè)定為動(dòng)態(tài)距離(W3), 根據(jù)各縣面積、距離設(shè)定迭代距離為5 km。模型結(jié)果如圖6所示, 空間自回歸系數(shù)變化可以分為兩個(gè)階段。第1階段是1～30 km (d1), 空間自回歸系數(shù)顯著變大, 隨著距離遞增鄰近地區(qū)農(nóng)業(yè)碳排放對(duì)本地區(qū)溢出性不斷強(qiáng)化。第2階段是30～85 km(d2),空間自回歸系數(shù)迅速下降, 其顯著性通過了P＜1%水平的檢驗(yàn), 鄰近地區(qū)對(duì)本地區(qū)農(nóng)業(yè)碳排放溢出性呈減弱趨勢(shì)。在85 km之后空間溢出效應(yīng)不再顯著, 85 km可能是農(nóng)業(yè)碳排放縣域空間溢出效應(yīng)的邊界值。在農(nóng)業(yè)碳減排政策制定過程應(yīng)重視空間溢出與邊界效應(yīng)的雙重影響。

圖6 動(dòng)態(tài)空間權(quán)重矩陣下河北省縣域農(nóng)業(yè)碳排放空間溢出的滯后回歸系數(shù)Fig.6 Lagged regression coefficients of spatial spillover of agricultural carbon emissions in counties of Hebei Province under dynamic spatial weight matrix

3.3 穩(wěn)健性檢驗(yàn)

對(duì)以上空間面板模型的空間權(quán)重矩陣進(jìn)行重新設(shè)定, 使用5種不同的空間權(quán)重矩陣, 模型的估計(jì)結(jié)果如表5所示, 在改變空間權(quán)重矩陣設(shè)定后模型的主要回歸系數(shù)基本保持一致, 通過了顯著性檢驗(yàn), 與前文的主要結(jié)論保持統(tǒng)一。

表5 穩(wěn)健性檢驗(yàn)結(jié)果Table 5 Robustness test results

4 討論與結(jié)論

4.1 討論

本文在縣域空間尺度下對(duì)河北省農(nóng)業(yè)碳排放問題進(jìn)行了深入研究, 構(gòu)建了縣域農(nóng)業(yè)溫室氣體排放清單, 測(cè)算了河北省168個(gè)縣農(nóng)業(yè)碳排放量, 探究推動(dòng)縣域農(nóng)業(yè)碳排放的驅(qū)動(dòng)因素與背后的空間效應(yīng)與機(jī)理。與現(xiàn)有省級(jí)層面研究相比, 本文結(jié)合縣域數(shù)據(jù)測(cè)算了河北省縣域農(nóng)業(yè)溫室氣體排放情況, 從碳排放結(jié)構(gòu)、產(chǎn)業(yè)構(gòu)成角度分析了驅(qū)動(dòng)縣域農(nóng)業(yè)碳排放演變的空間效應(yīng)。與田云等、何艷秋等對(duì)全國(guó)碳排放研究結(jié)果相比, 本文對(duì)縣域農(nóng)業(yè)碳排放測(cè)算數(shù)據(jù)更加細(xì)致, 縣域農(nóng)業(yè)碳排放空間集聚呈現(xiàn)更強(qiáng)的分布趨勢(shì)。此外, 相比于程琳琳等、吳昊玥等對(duì)農(nóng)業(yè)碳排放空間溢出效應(yīng)的研究, 本文對(duì)縣域農(nóng)業(yè)碳排放空間溢出效應(yīng)研究基礎(chǔ)上, 進(jìn)一步分析了縣域碳排放溢出的邊界?；趧?dòng)態(tài)空間權(quán)重矩陣,量化評(píng)估了隨著距離的增加縣域農(nóng)業(yè)碳排放空間溢出強(qiáng)度遞減現(xiàn)象, 為河北省農(nóng)業(yè)低碳發(fā)展提供了理論基礎(chǔ), 同時(shí), 為其他省份制定區(qū)域農(nóng)業(yè)碳減排政策提供了借鑒。

由于縣域?qū)用鏀?shù)據(jù)缺失, 本文對(duì)碳排放的測(cè)算缺少了歷年秸稈還田所導(dǎo)致的碳排放動(dòng)態(tài)變化部分,在以后研究中可以將其作為深入研究的拓展方向。

4.2 結(jié)論

本文主要結(jié)論: 1) 2009-2019年, 河北省農(nóng)業(yè)碳排放整體上呈現(xiàn)下降趨勢(shì), 農(nóng)業(yè)碳排放結(jié)構(gòu)中土地管理、畜禽腸道發(fā)酵和糞便管理分別占33%、42.57%、24.33%?？h域尺度下河北省農(nóng)業(yè)碳排放呈現(xiàn)更加明顯的空間集聚趨勢(shì)。農(nóng)業(yè)碳排放受到農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的影響, 冀北地區(qū)畜牧業(yè)碳排放存在顯著的熱點(diǎn)效應(yīng), 冀東南地區(qū)為種植業(yè)碳排放熱點(diǎn)地區(qū)。2)縣域農(nóng)業(yè)碳排放格局存在空間溢出效應(yīng), 本地區(qū)農(nóng)業(yè)碳排放受到鄰近地區(qū)的影響。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平是驅(qū)動(dòng)農(nóng)業(yè)碳排放增長(zhǎng)的主要因素。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、機(jī)械化程度、化肥施用強(qiáng)度均對(duì)農(nóng)業(yè)碳排放增長(zhǎng)有正向作用。城鎮(zhèn)化率對(duì)農(nóng)業(yè)碳排放增長(zhǎng)有負(fù)向作用。3)縣域農(nóng)業(yè)碳排放的空間效應(yīng)機(jī)制受到空間溢出與邊界效應(yīng)的雙重影響, 農(nóng)業(yè)碳排放空間溢出在30 km內(nèi)呈遞增趨勢(shì), 30～85 km內(nèi)空間溢出不斷減弱, 農(nóng)業(yè)碳排放空間溢出邊界大概為30 km。影響空間范圍大概在臨近的6～8個(gè)縣。

對(duì)策建議: 1)構(gòu)建縣域農(nóng)業(yè)碳排放區(qū)域協(xié)同治理機(jī)制。根據(jù)經(jīng)濟(jì)發(fā)展水平嘗試建立區(qū)域碳補(bǔ)償和碳交易制度, 推動(dòng)區(qū)域綠色經(jīng)濟(jì)協(xié)同發(fā)展。2)重視冀北地區(qū)畜牧業(yè)的碳減排問題。本文研究發(fā)現(xiàn)冀北四縣畜牧業(yè)動(dòng)物腸道發(fā)酵與糞便所帶來的碳排放占全省農(nóng)業(yè)碳排放的約60%。畜牧業(yè)碳排放的熱點(diǎn)更加集中, 針對(duì)特定熱點(diǎn)區(qū)域的治理將會(huì)收獲更大的生態(tài)效益。3)華北平原地區(qū)是土地管理碳減排的重點(diǎn)治理區(qū)域。本文研究發(fā)現(xiàn)華北平原地區(qū)土地管理引發(fā)的碳排放占全省土地管理碳排放的55%。在保證糧食安全前提下, 減少傳統(tǒng)農(nóng)業(yè)和高耗能農(nóng)業(yè)比重, 增加農(nóng)業(yè)的生態(tài)附加值。4)適度農(nóng)業(yè)機(jī)械化、科學(xué)施用化肥。本文對(duì)農(nóng)業(yè)碳排放結(jié)構(gòu)和影響因素分析發(fā)現(xiàn), 化肥、農(nóng)業(yè)機(jī)械化是影響農(nóng)業(yè)碳排放的重要因素?？茖W(xué)施肥, 發(fā)展生物技術(shù)偏向型的農(nóng)業(yè)技術(shù)對(duì)于減少農(nóng)業(yè)碳排放, 保護(hù)農(nóng)業(yè)生態(tài)環(huán)境有重要意義。