王雅楠　張琪琳　陳偉

摘 要：種植業(yè)既是“碳源”又是“碳匯”，在農(nóng)業(yè)碳減排中發(fā)揮著關(guān)鍵作用。通過(guò)測(cè)算1997—2020年中國(guó)30個(gè)省份三種糧食作物的碳排放量與碳匯量，構(gòu)建了各省碳排放環(huán)境學(xué)習(xí)曲線(xiàn)，并根據(jù)歷史增速模擬和現(xiàn)有政策模擬對(duì)我國(guó)30個(gè)省份的農(nóng)業(yè)碳減排潛力進(jìn)行了預(yù)測(cè)。結(jié)果表明，1997—2020年間，三種糧食作物種植過(guò)程產(chǎn)生的碳排放總量呈現(xiàn)波動(dòng)趨勢(shì)，且水稻種植過(guò)程產(chǎn)生的碳排放量遠(yuǎn)高于小麥和玉米;三種糧食作物碳匯總量呈東高西低的特征，東部、中部分別以水稻、玉米碳匯量為主，西部南方、北方省份間存在差異，分別以水稻、玉米碳匯量為主。人均農(nóng)業(yè)GDP增長(zhǎng)對(duì)降低碳強(qiáng)度有積極作用，糧食作物本身?yè)碛械奶紖R作用能夠在一定程度上實(shí)現(xiàn)碳減排，但僅依靠作物碳匯對(duì)實(shí)現(xiàn)種植業(yè)碳減排影響較小。歷史增速模擬和現(xiàn)有政策模擬下，2030年中國(guó)平均農(nóng)業(yè)碳排放減排潛力分別為80.34%和79.83%，且西部、中部省份具有較高的減排潛力。

關(guān)鍵詞：碳排放;碳匯;碳減排潛力;環(huán)境學(xué)習(xí)曲線(xiàn)

基金項(xiàng)目：國(guó)家社會(huì)科學(xué)基金項(xiàng)目“經(jīng)濟(jì)集聚促進(jìn)區(qū)域節(jié)能減排的影響機(jī)理與協(xié)同政策研究”（20CJY023）;陜西省社會(huì)科學(xué)基金項(xiàng)目“陜西省種植業(yè)碳減排潛力、影響機(jī)制及減排政策研究”（2019S010）。

[中圖分類(lèi)號(hào)] F323.22 [文章編號(hào)] 1673-0186（2022）005-0058-018

[文獻(xiàn)標(biāo)識(shí)碼] A? ? ? [DOI編碼] 10.19631/j.cnki.css.2022.005.005

隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展和農(nóng)業(yè)現(xiàn)代化的推進(jìn)及化學(xué)農(nóng)業(yè)、石油農(nóng)業(yè)、機(jī)械農(nóng)業(yè)的迅速發(fā)展，我國(guó)糧食總產(chǎn)量不斷增加，農(nóng)業(yè)碳排放也隨之增加。我國(guó)各地區(qū)溫室氣體排放總量約有17%是由于傳統(tǒng)農(nóng)業(yè)生產(chǎn)過(guò)程中溫室氣體的排放而造成[1]。改革開(kāi)放以來(lái)，我國(guó)的農(nóng)業(yè)碳排放保持不斷上升趨勢(shì)，且每年的平均增加率維持在5%[2]。IPCC第4次評(píng)估報(bào)告顯示，農(nóng)業(yè)是溫室氣體的第二大重要來(lái)源。我國(guó)種植業(yè)產(chǎn)值占農(nóng)業(yè)總產(chǎn)值的50%以上，是農(nóng)業(yè)的主要組成部分且主要以糧食作物為主，其中小麥、玉米和水稻種植面積超過(guò)糧食作物種植面積一半以上。然而我國(guó)糧食生產(chǎn)的資源環(huán)境代價(jià)太高，近30年，伴隨我國(guó)糧食總產(chǎn)量增長(zhǎng)90%，化肥消費(fèi)量、溫室氣體排放量分別增長(zhǎng)180%和103%。種植業(yè)碳排放成為農(nóng)業(yè)碳排放的主要來(lái)源，包括農(nóng)作物種植過(guò)程產(chǎn)生的碳排放和生產(chǎn)要素投入所產(chǎn)生的碳排放。黨的十九大以來(lái)，提出繼續(xù)推進(jìn)綠色發(fā)展，建設(shè)美麗中國(guó)目標(biāo)。2019年中央“一號(hào)文件”提出加強(qiáng)農(nóng)村污染治理和生態(tài)環(huán)境保護(hù)，推動(dòng)農(nóng)業(yè)農(nóng)村綠色發(fā)展。農(nóng)村生態(tài)環(huán)境治理和保護(hù)成為實(shí)現(xiàn)農(nóng)業(yè)綠色發(fā)展的主要方向，種植業(yè)碳減排成為實(shí)現(xiàn)農(nóng)業(yè)綠色發(fā)展的重要舉措。因此，從種植業(yè)碳減排著手研究其減排潛力、影響因素和對(duì)策是實(shí)現(xiàn)農(nóng)業(yè)綠色發(fā)展、促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展的重要舉措?；诖耍疚膶?duì)我國(guó)各省份三種糧食作物的種植業(yè)碳排放及碳吸收進(jìn)行測(cè)算，建立環(huán)境學(xué)習(xí)曲線(xiàn)對(duì)種植業(yè)碳減排潛力進(jìn)行評(píng)估，通過(guò)設(shè)置情景預(yù)測(cè)各省2030年的碳強(qiáng)度，進(jìn)而針對(duì)不同省份提出種植業(yè)碳減排策略，本文研究成果對(duì)實(shí)現(xiàn)農(nóng)業(yè)綠色發(fā)展、促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展、實(shí)現(xiàn)我國(guó)碳減排目標(biāo)具有重大意義。

一、文獻(xiàn)綜述

不少學(xué)者已經(jīng)在農(nóng)業(yè)碳排放的測(cè)算研究中取得了一定進(jìn)展，相較于工業(yè)碳排放，農(nóng)業(yè)碳排放的來(lái)源更為廣泛，已有研究通過(guò)對(duì)農(nóng)業(yè)碳排放進(jìn)行不同角度的測(cè)算，得到了不同的結(jié)論。學(xué)者們認(rèn)為農(nóng)業(yè)碳排放主要源于植物種植過(guò)程耗費(fèi)的能源[3]，通過(guò)化肥、農(nóng)藥、灌溉和種子種植消耗的能源等來(lái)衡量農(nóng)作物種植的農(nóng)業(yè)碳排放[4]。此外，還考慮了農(nóng)業(yè)廢棄物、農(nóng)業(yè)能源、畜禽糞便、水稻生長(zhǎng)以及生物燃燒等多方面引起的碳排放[5-7]。國(guó)內(nèi)學(xué)者在借鑒國(guó)外研究成果的基礎(chǔ)上，基于我國(guó)的農(nóng)業(yè)生產(chǎn)實(shí)踐對(duì)我國(guó)農(nóng)業(yè)生產(chǎn)中的碳排放進(jìn)行了初步研究和估算。根據(jù)IPCC的計(jì)算方法，可將碳排放系數(shù)用作種植業(yè)碳排放量的測(cè)算[8-10]。在計(jì)算種植業(yè)碳排放的總量時(shí)，可以從農(nóng)作物碳排放與農(nóng)業(yè)生產(chǎn)資料使用過(guò)程碳排放兩個(gè)方面來(lái)考慮[11]。在對(duì)種植業(yè)碳排放量和排放強(qiáng)度進(jìn)行測(cè)算時(shí)還可以排除來(lái)自地域、熟制差異的影響[12]。還有一些學(xué)者將農(nóng)業(yè)碳排放的碳源劃分成化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油、翻耕、農(nóng)業(yè)灌溉六類(lèi)[13-14]，不過(guò)對(duì)于這六種排放量的排序有不同的觀(guān)點(diǎn)。

從減排效應(yīng)上看，與其他產(chǎn)業(yè)部門(mén)相比，由于種植業(yè)強(qiáng)大的碳匯功能，在減排效應(yīng)上比其他產(chǎn)業(yè)部門(mén)更具有優(yōu)勢(shì)[15-17]。一方面，在糧食作物生長(zhǎng)過(guò)程中，其碳匯作用十分顯著，農(nóng)作物可以通過(guò)吸收大氣中的二氧化碳，減緩溫室效應(yīng)，年凈吸收CO2的質(zhì)量約為22.8億噸[18]，其中，水稻、小麥、玉米三種糧食作物的年均碳匯量遠(yuǎn)大于其他作物[19]，共占我國(guó)農(nóng)業(yè)碳匯的80%左右[20]，采用輪作模式還可以進(jìn)一步提高其凈碳匯價(jià)值[21]。同時(shí)，農(nóng)作物在生產(chǎn)過(guò)程中還具有調(diào)節(jié)區(qū)域小氣候、凈化空氣等諸多改善生態(tài)環(huán)境的作用。另一方面，可以通過(guò)提高農(nóng)用物資的利用率、采取農(nóng)業(yè)低碳技術(shù)來(lái)降低農(nóng)業(yè)碳排放，農(nóng)業(yè)技術(shù)的改善還能夠改良土壤結(jié)構(gòu)和種植環(huán)境，可進(jìn)一步降低碳排放[22-23]。因此，關(guān)注種植業(yè)碳減排對(duì)實(shí)現(xiàn)我國(guó)碳減排目標(biāo)具有重大意義[24-25]。

我國(guó)各時(shí)期的農(nóng)業(yè)碳減排潛力水平地區(qū)差異明顯[26]，當(dāng)前各省份所具備的碳減排潛力仍存在較大差異[27]，各省份的農(nóng)業(yè)碳減排潛力水平還受到自身經(jīng)濟(jì)、產(chǎn)業(yè)狀況、所處環(huán)境及相鄰省份發(fā)展情況的影響，且我國(guó)農(nóng)業(yè)碳減排長(zhǎng)期處于弱退耦，需進(jìn)一步提高減排的有效性[16]。已有研究利用數(shù)據(jù)包絡(luò)分析方法對(duì)種植業(yè)碳減排潛力進(jìn)行了測(cè)算，結(jié)果表明提高能源利用效率和減少農(nóng)業(yè)投入的能源消耗是有效的減排策略[28]。具體來(lái)看，提高各省份有效灌溉率和城鎮(zhèn)化率能夠有效提高本省農(nóng)業(yè)碳減排潛力[29];進(jìn)一步地，由于種植業(yè)的減排增匯對(duì)氣候和環(huán)境有較大影響，因此從技術(shù)角度進(jìn)行減排增匯對(duì)實(shí)現(xiàn)碳減排具有重大意義[30]。同時(shí)，開(kāi)展農(nóng)業(yè)貿(mào)易、建立完善的生態(tài)補(bǔ)償機(jī)制也可以實(shí)現(xiàn)農(nóng)業(yè)碳減排[31-32]。此外，使用免耕、氮肥減施、間歇灌溉、秸稈還田等農(nóng)藝措施[33-34]及農(nóng)地利用減排、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整[35]等對(duì)于實(shí)現(xiàn)農(nóng)業(yè)碳減排具有重要意義。CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2

綜上所述，已有研究在種植業(yè)碳排放的測(cè)算、減排潛力和減排政策方面取得了很好的成果，在此基礎(chǔ)上提出了很多有效可行的政策建議，但也存在著有待進(jìn)一步改善和拓展的空間，已有文獻(xiàn)的缺陷在于：一是已有研究在對(duì)種植業(yè)碳減排潛力測(cè)算時(shí)主要側(cè)重于從生產(chǎn)要素投入所產(chǎn)生碳排放的角度進(jìn)行測(cè)算，沒(méi)有區(qū)分不同農(nóng)作物本身的碳排放差異，測(cè)算結(jié)果忽略了種植業(yè)碳排放的客觀(guān)性;二是已有研究在對(duì)種植業(yè)碳減排潛力測(cè)算時(shí)，僅從碳排放的角度通過(guò)計(jì)算效率來(lái)進(jìn)行測(cè)算，沒(méi)有把種植業(yè)的碳匯功能考慮進(jìn)去，測(cè)算的結(jié)果不能準(zhǔn)確衡量一個(gè)地區(qū)的種植業(yè)碳減排潛力。本文選取我國(guó)三大糧食作物：小麥、玉米、水稻為碳減排潛力測(cè)算指標(biāo)，并將小麥細(xì)分為春小麥、冬小麥，水稻細(xì)分為旱稻、中稻和一季晚稻、雙季晚稻，在測(cè)算三種糧食作物碳排放和碳吸收的基礎(chǔ)上，分析我國(guó)各省份種植業(yè)碳排放的減排潛力，并對(duì)2030年各省份減排潛力進(jìn)行預(yù)測(cè)，根據(jù)種植業(yè)碳排放的特點(diǎn)、結(jié)合碳減排目標(biāo)提出完善的減排政策建議，為促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展、發(fā)揮農(nóng)業(yè)在節(jié)能減排中應(yīng)有作用提供一定的參考價(jià)值。

二、理論分析

種植業(yè)碳排放主要來(lái)源于農(nóng)業(yè)生產(chǎn)過(guò)程中生產(chǎn)要素投入以及作物生長(zhǎng)兩個(gè)方面。對(duì)于糧食作物而言，生產(chǎn)過(guò)程中的能耗以及工業(yè)投入品的生產(chǎn)與使用均會(huì)引起碳排放，其中，以農(nóng)用化肥、農(nóng)用柴油、農(nóng)藥、農(nóng)用塑料薄膜以及土地灌溉所直接或間接導(dǎo)致的碳排放為主。氮肥的生產(chǎn)、運(yùn)輸及過(guò)度濫用在農(nóng)業(yè)碳排放體系中占據(jù)極大比重;農(nóng)藥的生產(chǎn)與濫用以及低質(zhì)量農(nóng)藥的使用會(huì)導(dǎo)致土壤、大氣等遭受污染，在造成碳排放的同時(shí)，還會(huì)破壞土壤的固碳作用，降低農(nóng)業(yè)的碳匯能力;農(nóng)用塑料薄膜作為農(nóng)業(yè)生產(chǎn)中重要塑料制品，在其生命周期的每個(gè)階段都會(huì)造成溫室氣體排放;農(nóng)用柴油發(fā)動(dòng)機(jī)排出的廢氣、農(nóng)業(yè)灌溉耗費(fèi)的機(jī)械和電力也會(huì)增加碳排放。此外，作物生長(zhǎng)過(guò)程中自身進(jìn)行呼吸作用、土壤微生物分解有機(jī)物等過(guò)程也會(huì)產(chǎn)生氧化亞氮、甲烷等溫室氣體從而增加碳排放，不過(guò)，不同作物排出的主要溫室氣體存在差異，其引起的碳排放的增加也不盡相同。

由于各地的經(jīng)濟(jì)基礎(chǔ)、自然條件和資源稟賦等方面不同，各地種植業(yè)碳排放量、減排能力和減排效率存在較大差異，這種差異最終會(huì)使種植業(yè)碳減排潛力不同。農(nóng)業(yè)碳減排潛力主要從農(nóng)業(yè)經(jīng)濟(jì)發(fā)展和農(nóng)業(yè)碳匯兩個(gè)角度進(jìn)行測(cè)算。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展包括農(nóng)業(yè)生產(chǎn)技術(shù)的發(fā)展，以及農(nóng)業(yè)生產(chǎn)、經(jīng)營(yíng)、管理等技術(shù)的改進(jìn)，不僅包括自然科學(xué)技術(shù)的進(jìn)步，還包括社會(huì)科學(xué)技術(shù)的進(jìn)步。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平可以用人均農(nóng)業(yè)GDP來(lái)衡量。在農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的初期，其增長(zhǎng)主要依賴(lài)于勞動(dòng)要素的增加，農(nóng)用機(jī)械、化肥農(nóng)藥等要素投入變動(dòng)幅度相對(duì)較小，農(nóng)業(yè)結(jié)構(gòu)相對(duì)不合理，單位面積碳排放強(qiáng)度可能呈現(xiàn)上升、穩(wěn)定或下降的趨勢(shì);隨著農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展，勞動(dòng)要素的產(chǎn)出貢獻(xiàn)率逐漸降低，農(nóng)業(yè)增長(zhǎng)開(kāi)始依賴(lài)于化肥、農(nóng)藥等物質(zhì)投入的增加，一方面促進(jìn)了單位面積的產(chǎn)出，另一方面也使得農(nóng)業(yè)碳排放量劇增;當(dāng)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展到一定水平，先進(jìn)的機(jī)械和技術(shù)將被大力推廣，從而避免農(nóng)業(yè)生態(tài)環(huán)境的惡化，農(nóng)用物資例如化肥等投入相應(yīng)逐步減少，同時(shí)，農(nóng)業(yè)結(jié)構(gòu)得到優(yōu)化調(diào)整，這一階段農(nóng)業(yè)產(chǎn)出繼續(xù)保持著增長(zhǎng)的態(tài)勢(shì)，但農(nóng)業(yè)碳排放在一定程度上開(kāi)始減少。農(nóng)業(yè)碳匯則指農(nóng)作物生長(zhǎng)周期中的碳吸收。農(nóng)作物在生長(zhǎng)過(guò)程中通過(guò)光合作用吸收大氣中的CO2，并以農(nóng)作物生物量的形式貯存有機(jī)碳，成為大氣的碳匯;農(nóng)作物遭受病蟲(chóng)害等破壞后會(huì)向大氣釋放出已經(jīng)固定的碳從而成為大氣CO2的碳源。因此，可以通過(guò)促進(jìn)農(nóng)業(yè)的碳吸收，并減少農(nóng)業(yè)作為碳源的輸出，從而減少農(nóng)業(yè)碳排放，使農(nóng)業(yè)表現(xiàn)為碳匯功能，緩解大氣中CO2的積累。

三、研究方法與數(shù)據(jù)來(lái)源

基于農(nóng)業(yè)碳排放和碳匯的概念，在已有研究的基礎(chǔ)上，確定三種糧食作物的碳排放量和碳匯量的測(cè)算方式，進(jìn)一步構(gòu)建環(huán)境學(xué)習(xí)曲線(xiàn)，并選取科布·道格拉斯（Cobb-Douglas）乘法指數(shù)模型對(duì)環(huán)境學(xué)習(xí)曲線(xiàn)進(jìn)行估計(jì)。

（一）三種糧食作物碳排放量的測(cè)算

本文綜合多位學(xué)者研究成果，從以下兩個(gè)方面確定種植業(yè)碳排放量：

一是生產(chǎn)要素投入所產(chǎn)生的碳排放。將種植業(yè)碳排放的碳源分為農(nóng)用化肥、農(nóng)用柴油、農(nóng)藥、農(nóng)用塑料薄膜、農(nóng)業(yè)灌溉五類(lèi)，測(cè)算由農(nóng)用化肥、農(nóng)用柴油、農(nóng)藥和農(nóng)用塑料薄膜的使用所產(chǎn)生的碳排放以及由農(nóng)業(yè)灌溉所耗費(fèi)的機(jī)械和電力引起的碳排放[36-37]?？紤]到翻耕不適用于全部的糧食作物，不測(cè)算由于翻耕而產(chǎn)生的碳排放。二是種植小麥、玉米、水稻三種糧食作物產(chǎn)生氧化亞氮和甲烷氣體所產(chǎn)生的碳排放。已有研究將水稻培養(yǎng)過(guò)程產(chǎn)生的甲烷氣體納入了農(nóng)業(yè)碳排放測(cè)算體系中[38]。由于小麥、玉米、水稻為我國(guó)三大主要糧食作物，在農(nóng)業(yè)生產(chǎn)中占據(jù)同等重要位置，且三種糧食作物的生長(zhǎng)習(xí)性存在較大差異，不同作物在生長(zhǎng)過(guò)程中產(chǎn)生的溫室氣體種類(lèi)不同。因此，本文將三大糧食作物細(xì)分為春小麥、冬小麥、玉米、旱稻、中稻和一季晚稻、雙季晚稻，將其產(chǎn)生的氧化亞氮和甲烷氣體全部納入種植業(yè)碳排放測(cè)算體系中，且在對(duì)種植業(yè)碳排放量進(jìn)行加總時(shí)統(tǒng)一將C、CH4、N2O置換成標(biāo)準(zhǔn)C，置換標(biāo)準(zhǔn)為：1噸N2O所引發(fā)的溫室效應(yīng)相當(dāng)于81.272 7噸C（298萬(wàn)噸 CO2）所產(chǎn)生的溫室效應(yīng)，1噸CH4所引發(fā)的溫室效應(yīng)相當(dāng)于6.818 2噸C（25噸 CO2）所產(chǎn)生的溫室效應(yīng)[39]。

碳排放的測(cè)算方法如下：

C（t）為第t年三種糧食作物的碳排放總量，104噸;T表示各碳排放源的量，i表示碳源種類(lèi)， σ表示各碳源碳排放系數(shù)。利用如下公式進(jìn)行碳排放量測(cè)算：

各生產(chǎn)要素碳排放系數(shù)如表1所示，各類(lèi)糧食作物排放氣體類(lèi)型及相應(yīng)排放系數(shù)如表2所示。

（二）三種糧食作物碳匯量的測(cè)算

種植業(yè)生產(chǎn)部門(mén)的碳匯只考慮農(nóng)作物生長(zhǎng)周期中的碳吸收，即作物光合作用形成的凈初級(jí)生產(chǎn)量。本文參照已有研究對(duì)農(nóng)業(yè)碳匯量的測(cè)算方法[40-41]，測(cè)算三種糧食作物碳匯量，計(jì)算公式如下：

式中，E表示農(nóng)作物全年碳吸收量;i為農(nóng)作物品種;e為農(nóng)作物進(jìn)行光合作用合成單位有機(jī)質(zhì)所需要的碳，即經(jīng)濟(jì)系數(shù);Y為農(nóng)作物經(jīng)濟(jì)產(chǎn)量;r為農(nóng)作物含水量;H為農(nóng)作物碳吸收率。糧食作物含水量、經(jīng)濟(jì)系數(shù)與碳吸收率如表3所示。CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2

（三）環(huán)境學(xué)習(xí)曲線(xiàn)（ELC）模型

1936年萊特（Wright）首次提出了學(xué)習(xí)曲線(xiàn)（Learning Curve）這一函數(shù)模型，用來(lái)表示累計(jì)平均工時(shí)與產(chǎn)量之間的邊際關(guān)系[42]。學(xué)習(xí)曲線(xiàn)反映了生產(chǎn)單位產(chǎn)品的相關(guān)成本會(huì)隨著經(jīng)驗(yàn)積累和技術(shù)進(jìn)步而不斷降低。

環(huán)境學(xué)習(xí)曲線(xiàn)是指隨著生產(chǎn)規(guī)模的擴(kuò)大或生產(chǎn)過(guò)程的重復(fù)進(jìn)行，單位產(chǎn)品（產(chǎn)值）的資源消耗和廢棄物排放呈現(xiàn)出規(guī)律性變化的趨勢(shì)，它可以反映出人類(lèi)環(huán)境保護(hù)的全面進(jìn)步。環(huán)境學(xué)習(xí)曲線(xiàn)一般通過(guò)阿爾欽（Alchian）模型，科布·道格拉斯（Cobb-Douglas）乘法指數(shù)[43]和沃默（Womer）的可變生產(chǎn)速率模型[44]進(jìn)行估計(jì)，其中，Cobb-Douglas乘法指數(shù)模型結(jié)構(gòu)簡(jiǎn)單且經(jīng)濟(jì)意義明顯，因此，本文選取常用的科布·道格拉斯（Cobb-Douglas）方法進(jìn)行估計(jì)，計(jì)算公式如下：

式中，Y為成本;xi為第i個(gè)學(xué)習(xí)因子;bi為第i個(gè)因子的學(xué)習(xí)系數(shù);ε為誤差項(xiàng)，在實(shí)際應(yīng)用中通常會(huì)被忽略。

分析各省農(nóng)業(yè)碳減排的環(huán)境學(xué)習(xí)能力時(shí)，以農(nóng)業(yè)碳強(qiáng)度作為因變量，從碳排放和碳吸收兩個(gè)方面選取關(guān)鍵減排指標(biāo)作為自變量，從而建立含有兩個(gè)獨(dú)立變量（人均農(nóng)業(yè)GDP、糧食作物碳匯量）的二因子科布·道格拉斯（Cobb-Douglas）指數(shù)模型。

碳排放強(qiáng)度能夠直接明了地反映國(guó)民經(jīng)濟(jì)“低碳化”或“高碳化”，所以我們可以將農(nóng)業(yè)碳強(qiáng)度即單位產(chǎn)值碳的排放量作為因變量，用糧食作物碳排放總量（噸）與當(dāng)年農(nóng)業(yè)GDP（104元）總量的比值來(lái)衡量：

式中，Q為碳排放強(qiáng)度，噸/104元;C（t）為第t年的農(nóng)業(yè)碳排放總量，噸，GDP（t）為第t年農(nóng)業(yè)生產(chǎn)總值。

經(jīng)濟(jì)因素是導(dǎo)致各地區(qū)種植業(yè)碳排放增加的關(guān)鍵性因素[45-46]，因此，碳排放角度選取農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平這一指標(biāo)，用各省份當(dāng)年人均農(nóng)業(yè)GDP來(lái)衡量;農(nóng)業(yè)本身既是“碳源”又是“碳匯”，在農(nóng)作物生長(zhǎng)過(guò)程中，作物可以通過(guò)吸收大氣中的二氧化碳，減緩溫室效應(yīng)，因此，碳吸收角度選取糧食作物的碳匯量。碳強(qiáng)度環(huán)境學(xué)習(xí)曲線(xiàn)公式建立如下：

其中，YI為萬(wàn)元產(chǎn)值碳排放量;X1為第t年的人均農(nóng)業(yè)GDP;X2為農(nóng)作物碳匯量;bi（i=1，2）為各因子的環(huán)境學(xué)習(xí)系數(shù);A0為初始碳強(qiáng)度，是由初始經(jīng)濟(jì)發(fā)展、結(jié)構(gòu)和碳排放決定的一個(gè)固定值。

（四）數(shù)據(jù)來(lái)源

本文的研究對(duì)象選取中國(guó)大陸除西藏自治區(qū)外的30個(gè)省份，取1997—2020年間的數(shù)據(jù)作為樣本。各省份三種糧食作物的農(nóng)用化肥折純量、農(nóng)用柴油使用量、農(nóng)藥使用量、農(nóng)用塑料薄膜使用量、耕地灌溉面積以及各類(lèi)糧食作物播種面積和產(chǎn)量來(lái)自《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》，人口數(shù)量采用年末人口數(shù)，來(lái)自《中國(guó)統(tǒng)計(jì)年鑒》，各省份各年農(nóng)業(yè)GDP來(lái)自《中國(guó)農(nóng)業(yè)年鑒》。對(duì)于數(shù)據(jù)收集過(guò)程中出現(xiàn)的缺失數(shù)據(jù)，使用平均值法予以補(bǔ)充。農(nóng)用化肥折純量、農(nóng)用柴油使用量、農(nóng)藥使用量、農(nóng)用塑料薄膜使用量數(shù)據(jù)均為各省份當(dāng)年所有農(nóng)作物實(shí)際使用量總和，耕地灌溉面積的數(shù)據(jù)為各省份當(dāng)年所有農(nóng)作物耕地灌溉面積總和。由于沒(méi)有分作物的數(shù)據(jù)，因此，本文參考已有研究，將種植業(yè)產(chǎn)值近似看作農(nóng)業(yè)產(chǎn)值的50%，并將三大糧食作物農(nóng)用物資投入量以及灌溉面積看作為各省份農(nóng)用物資投入總用量、灌溉總面積的一半[47-49]。

四、實(shí)證結(jié)果與分析

基于各省份三種糧食作物碳排放量以及碳匯量的測(cè)算，構(gòu)建環(huán)境學(xué)習(xí)曲線(xiàn)，探究各省份農(nóng)業(yè)碳減排的環(huán)境學(xué)習(xí)能力，進(jìn)而通過(guò)歷史增速模擬以及政策模擬預(yù)測(cè)2030年各省份農(nóng)業(yè)碳排放的減排潛力。

（一）三種糧食作物碳排放量及碳匯量

對(duì)30個(gè)省份1997—2020年三種糧食作物種植過(guò)程產(chǎn)生的碳排放量進(jìn)行測(cè)算，得到各年間各省份三大糧食作物碳排放量，部分結(jié)果如表4所示?？梢钥闯觯魇》蓍g碳排放量差異較大，其中，北京、上海、天津、寧夏、青海都屬于低碳排放省份，這五個(gè)省份三種糧食作物碳排放的總量占全國(guó)僅有1%左右。北京、上海、天津經(jīng)濟(jì)發(fā)展快速，農(nóng)業(yè)生產(chǎn)轉(zhuǎn)移現(xiàn)象較嚴(yán)重，因此農(nóng)業(yè)碳排放量較低;寧夏屬于溫帶大陸性氣候、青海屬于高原大陸性氣候，這兩地的小麥、玉米種植面積較小，氣候、地形等原因使得三種糧食作物的農(nóng)業(yè)碳排放較低。安徽、黑龍江、湖北、湖南、河南、江蘇、山東都是高碳排放省，這些省份是我國(guó)糧食作物的主產(chǎn)區(qū)，因此碳排放量較大。從增長(zhǎng)趨勢(shì)來(lái)看，北京、上海、福建、浙江三種糧食作物的農(nóng)業(yè)碳排放量總體呈下降趨勢(shì)，內(nèi)蒙古、吉林、黑龍江三種糧食作物的農(nóng)業(yè)碳排放量總體呈上升趨勢(shì)。

1997—2020年間，小麥、玉米、水稻三種糧食作物種植過(guò)程產(chǎn)生的碳排放量變化趨勢(shì)如圖2所示。水稻種植過(guò)程產(chǎn)生的碳排放量遠(yuǎn)高于小麥和玉米，三種糧食作物種植過(guò)程產(chǎn)生的碳排放總量呈現(xiàn)波動(dòng)趨勢(shì)。1997—2003年間，全國(guó)三種糧食作物種植過(guò)程產(chǎn)生的碳排放總量呈現(xiàn)下降態(tài)勢(shì)，水稻種植過(guò)程產(chǎn)生的碳排放量下降最為明顯。這段時(shí)期內(nèi)，我國(guó)實(shí)行生態(tài)退耕政策，是耕地面積急劇減少期，是造成糧食作物生產(chǎn)過(guò)程產(chǎn)生的碳排放總量下降的直接原因。2003—2015年間，全國(guó)三種糧食作物生產(chǎn)過(guò)程產(chǎn)生的碳排放總量呈現(xiàn)逐年上升的態(tài)勢(shì)，玉米、水稻種植過(guò)程產(chǎn)生的碳排放量均有明顯上升。這一變化可能受到經(jīng)濟(jì)全球化的影響。我國(guó)加入WTO后，農(nóng)業(yè)發(fā)展環(huán)境的轉(zhuǎn)變使得農(nóng)業(yè)發(fā)展進(jìn)一步加快[50]，隨之而來(lái)的就是農(nóng)產(chǎn)品生產(chǎn)逐步上升帶來(lái)碳排放量的增加。2015年后，全國(guó)三種糧食作物種植過(guò)程產(chǎn)生的碳排放總量呈現(xiàn)下降態(tài)勢(shì)，可能的原因是，2015年，全國(guó)各省主動(dòng)優(yōu)化農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)和區(qū)域布局以解決糧食品種的供需矛盾。全國(guó)開(kāi)放的部分試點(diǎn)采取相應(yīng)措施調(diào)整農(nóng)業(yè)種植結(jié)構(gòu)，這使得糧食作物尤其是玉米的播種面積和產(chǎn)量發(fā)生下降。2016年，試點(diǎn)范圍擴(kuò)大，“玉米改大豆”“糧改飼”“糧改油”等措施的實(shí)施，使得糧食作物的播種面積和產(chǎn)量進(jìn)一步下降。

部分年份各省份三種糧食作物碳匯量如表5所示。1997—2020年間，玉米、小麥碳匯量呈現(xiàn)上升趨勢(shì)，其中，玉米碳匯量上升明顯，水稻碳匯量呈現(xiàn)下降趨勢(shì)，尤其是東部沿海地區(qū)水稻碳匯量下降明顯。整體來(lái)看，我國(guó)東部地區(qū)糧食作物碳匯總量高，各省份碳匯量主要以水稻碳匯量為主，中部地區(qū)各省份碳匯量主要以玉米碳匯量為主，西部地區(qū)糧食作物碳匯量低，且南、北方省份碳匯量差異明顯，南方省份以水稻碳匯量為主，碳匯總量高，北方省份以玉米碳匯量為主，碳匯總量低，全國(guó)糧食作物碳匯量呈東高西低的特征。各省份間碳匯量差異也較大，江蘇、黑龍江、河南、山東、湖南都屬于高碳匯的省份，糧食作物碳匯量高于其他省份，且呈現(xiàn)持續(xù)增長(zhǎng)趨勢(shì)。這些省份擁有碳匯優(yōu)勢(shì)的原因有很多，首先，種植條件優(yōu)越，糧食作物總產(chǎn)量高;其次，農(nóng)業(yè)技術(shù)發(fā)展不斷推進(jìn)，糧食作物單位面積產(chǎn)量不斷提高。北京、上海、天津、海南、寧夏、青海都屬于低碳匯的省份，其中，北京、上海、天津經(jīng)濟(jì)發(fā)展迅速，糧食作物種植面積小，糧食作物碳匯量低。寧夏、青海日照時(shí)間長(zhǎng)，太陽(yáng)輻射強(qiáng)，晝夜溫差大;海南地處熱帶北緣，光溫充足，光合潛力高，這三個(gè)省份糧食作物種植面積小，且農(nóng)業(yè)生產(chǎn)發(fā)展水平低，糧食作物單產(chǎn)低，糧食作物碳匯量低。CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2

（二）各省份農(nóng)業(yè)碳排放的減排潛力

本文使用環(huán)境學(xué)習(xí)曲線(xiàn)測(cè)算各省份農(nóng)業(yè)碳排放的減排潛力。選取1997—2020年我國(guó)30個(gè)省份（不包括西藏、香港、澳門(mén)和臺(tái)灣）的有關(guān)統(tǒng)計(jì)數(shù)據(jù)，以農(nóng)業(yè)碳強(qiáng)度作為因變量，從碳排放和碳吸收兩個(gè)方面選取關(guān)鍵減排指標(biāo)作為自變量，分別為人均農(nóng)業(yè)GDP（萬(wàn)元）和農(nóng)作物碳匯量（萬(wàn)噸），建立各個(gè)省份的多因素環(huán)境學(xué)習(xí)曲線(xiàn)，分析各變量在各省市的碳減排的環(huán)境學(xué)習(xí)能力，以此作為各省農(nóng)業(yè)碳減排預(yù)測(cè)分析的依據(jù)。

各省份環(huán)境學(xué)習(xí)曲線(xiàn)的系數(shù)如表6所示。從中可以看出，人均農(nóng)業(yè)GDP對(duì)碳排放強(qiáng)度影響顯著，且學(xué)習(xí)系數(shù)（b1）均大于零，即促進(jìn)各省份人均農(nóng)業(yè)GDP增長(zhǎng)對(duì)降低碳強(qiáng)度有積極作用。其中，天津市的學(xué)習(xí)系數(shù)最高（2.765 8），吉林省的學(xué)習(xí)系數(shù)最低（0.525 9）。北京、天津、山西、黑龍江、上海、江蘇、浙江、福建、江西、湖北、湖南、廣東、海南、四川、陜西、甘肅、青海、寧夏、新疆十九個(gè)省份糧食作物碳匯量對(duì)碳排放強(qiáng)度影響顯著，且學(xué)習(xí)系數(shù)（b2）小于零，即作物碳匯量升高反而會(huì)增加碳強(qiáng)度。由于作物碳排放和碳匯分別與播種面積和產(chǎn)量有關(guān)，因此，該結(jié)果能夠說(shuō)明，僅依靠作物碳匯對(duì)種植業(yè)碳減排影響較小，要實(shí)現(xiàn)種植業(yè)碳減排，還需進(jìn)一步完成減碳增匯。

（三）各省份農(nóng)業(yè)碳排放情景預(yù)測(cè)

以各省份碳排放的環(huán)境學(xué)習(xí)曲線(xiàn)為基礎(chǔ)，分別根據(jù)歷史增速和現(xiàn)有政策模擬各省份的碳強(qiáng)度，估算其未來(lái)的減排潛力。歷史增速下，基于30個(gè)省份各要素的歷史發(fā)展趨勢(shì)進(jìn)行模擬。計(jì)算1997—2020年各變量的平均增長(zhǎng)率，預(yù)測(cè)2030年人均農(nóng)業(yè)GDP和碳匯量?，F(xiàn)有政策下，根據(jù)我國(guó)政府制定的若干政策文件并參考已有文獻(xiàn)進(jìn)行模擬，具體模擬過(guò)程為：計(jì)算1997—2020年全國(guó)各省份農(nóng)業(yè)總產(chǎn)值的年均增長(zhǎng)率，并假設(shè)2022—2030年各省份的農(nóng)業(yè)總產(chǎn)值以此速度增長(zhǎng)。同時(shí)，按照《國(guó)務(wù)院關(guān)于印發(fā)國(guó)家人口發(fā)展規(guī)劃（2016—2030年）的通知》，到2030年人口總量將在14.5億左右，假設(shè)2030年各省份人口比例等于2011—2020年的平均比例，可按比例計(jì)算2030年各省份的人口。據(jù)此，我們可以預(yù)測(cè)出2030年各省人均農(nóng)業(yè)GDP。對(duì)碳匯量進(jìn)行預(yù)測(cè)時(shí)，參考楊果和陳瑤通過(guò)1993—2011年的數(shù)據(jù)進(jìn)行計(jì)算得到的農(nóng)業(yè)碳匯量年均增加1.38%的結(jié)果[51]，對(duì)2030年碳匯量進(jìn)行預(yù)測(cè)。各省份減排潛力預(yù)測(cè)結(jié)果如表7所示。

雖然我國(guó)制定了國(guó)家碳減排政策，但在農(nóng)業(yè)領(lǐng)域中沒(méi)有具體的碳減排文件規(guī)定，本部分按照2015年6月中國(guó)向聯(lián)合國(guó)氣候變化框架公約秘書(shū)處提交的《強(qiáng)化應(yīng)對(duì)氣候變化行動(dòng)——中國(guó)國(guó)家自主貢獻(xiàn)》中提到的“到 2030 年單位GDP CO2排放比2005年下降 60%～65% ”的目標(biāo)要求進(jìn)行分析。結(jié)果表明，歷史增速模擬和現(xiàn)有政策模擬下2030年平均碳排放減排潛力分別為80.34%和79.83%，達(dá)到了單位GDP碳排放比2005年下降60%～65%的目標(biāo)，且大部分省份的減排潛力都高于此平均水平。因此，提升農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平，促進(jìn)技術(shù)進(jìn)步對(duì)實(shí)現(xiàn)農(nóng)業(yè)減碳增匯、實(shí)現(xiàn)碳減排有著光明的前景。在兩種情景預(yù)測(cè)下，吉林、上海的碳減排潛力均不明顯，沒(méi)有達(dá)到減排目標(biāo)，可能的原因有：上海是經(jīng)濟(jì)中心，農(nóng)業(yè)不是其發(fā)展的主導(dǎo)產(chǎn)業(yè);吉林農(nóng)業(yè)生產(chǎn)高度規(guī)?；杀緝?yōu)越性容易造成生產(chǎn)要素的過(guò)度投入，種植過(guò)程產(chǎn)生的碳排放會(huì)保持在較高水平。此外，在兩種情景預(yù)測(cè)下，其余各省份都達(dá)到了減排目標(biāo)，在歷史增速模擬下，貴州、廣西、海南擁有較高的碳減排潛力;在現(xiàn)有政策模擬下，貴州、廣西、海南、陜西、新疆擁有較高的碳減排潛力。

五、結(jié)論與討論

本文以小麥、玉米、水稻三種糧食作物為基礎(chǔ)，測(cè)算了1997—2020年間的農(nóng)業(yè)碳排放量與碳匯量，構(gòu)建了碳排放環(huán)境學(xué)習(xí)曲線(xiàn)，對(duì)各省份的農(nóng)業(yè)碳減排潛力進(jìn)行了測(cè)算，并對(duì)各省份未來(lái)的減排潛力進(jìn)行了情景分析，得到結(jié)論如下：

第一，各省份間糧食作物碳排放量差異較大，水稻種植過(guò)程產(chǎn)生的碳排放量遠(yuǎn)高于小麥和玉米。1997—2020年間，三種糧食作物種植過(guò)程產(chǎn)生的農(nóng)業(yè)碳排放總量呈現(xiàn)波動(dòng)趨勢(shì)，其中，安徽、黑龍江、湖北、湖南、河南、江蘇、山東都是高農(nóng)業(yè)碳排放省份，這與我國(guó)不同地區(qū)農(nóng)業(yè)發(fā)展水平、種植結(jié)構(gòu)、氣候條件等自然經(jīng)濟(jì)因素差異有較大關(guān)系。除此之外，近年來(lái)，農(nóng)村耕地和基本農(nóng)田不同程度的“非糧化”“非農(nóng)化”對(duì)不同省份的農(nóng)業(yè)生產(chǎn)構(gòu)成了不同程度的威脅，不同省份間技術(shù)水平的差異也使其在實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)低碳化、綠色化和現(xiàn)代化轉(zhuǎn)型的過(guò)程中產(chǎn)生差異。我國(guó)農(nóng)業(yè)碳排放存在顯著的區(qū)域差異。

第二，糧食作物碳匯量整體呈東高西低的特征，東部、中部分別以水稻、玉米碳匯量為主，西部南方省份以水稻碳匯量為主，北方省份以玉米碳匯量為主，各省份間糧食作物碳匯量差異較大，江蘇、黑龍江、河南、山東、湖南都屬于高碳匯省份。近年來(lái)，各省份積極推進(jìn)農(nóng)業(yè)技術(shù)發(fā)展，不斷改良作物品種、調(diào)優(yōu)種植結(jié)構(gòu)，促使糧食作物單位面積產(chǎn)量得到不斷提升，經(jīng)濟(jì)技術(shù)發(fā)展快的省份在碳匯方面將不斷占有更大的優(yōu)勢(shì)。分作物來(lái)看，水稻種植過(guò)程產(chǎn)生的碳匯量遠(yuǎn)遠(yuǎn)高于玉米、小麥種植過(guò)程產(chǎn)生的碳匯量。

第三，環(huán)境學(xué)習(xí)曲線(xiàn)回歸結(jié)果顯示，人均農(nóng)業(yè)GDP對(duì)碳排放強(qiáng)度影響顯著，促進(jìn)各省人均農(nóng)業(yè)GDP增長(zhǎng)對(duì)降低碳排放強(qiáng)度有積極作用，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展能夠帶來(lái)技術(shù)進(jìn)步、促進(jìn)生態(tài)文明理念宣傳，對(duì)碳減排影響明顯。碳匯對(duì)降低碳強(qiáng)度有抑制作用，超過(guò)一半的省份糧食作物碳匯量對(duì)碳排放強(qiáng)度影響顯著。盡管從理論上來(lái)說(shuō)糧食作物本身?yè)碛械奶紖R作用能夠在一定程度上實(shí)現(xiàn)碳減排，然而由于碳匯的增加是種植面積增加的結(jié)果，而種植面積的擴(kuò)大又增加了碳排放，因此增加碳匯所形成的碳減排效應(yīng)被抵消了，這表明僅依靠作物碳匯對(duì)實(shí)現(xiàn)種植業(yè)碳減排是不夠的。各省在發(fā)展農(nóng)業(yè)的過(guò)程中可以通過(guò)增加農(nóng)業(yè)碳匯量的方式實(shí)現(xiàn)農(nóng)業(yè)碳減排，但是要把“減碳”和“增匯”并行。從各省農(nóng)業(yè)碳排放情景分析的結(jié)果來(lái)看，農(nóng)業(yè)碳減排較難實(shí)現(xiàn)的省份主要集中在我國(guó)東部地區(qū)，東部地區(qū)普遍經(jīng)濟(jì)發(fā)展較快，農(nóng)業(yè)轉(zhuǎn)移現(xiàn)象較為突出，通過(guò)農(nóng)業(yè)生產(chǎn)實(shí)現(xiàn)減碳增匯效果不明顯。反之，我國(guó)中、西部地區(qū)由于聚集了較多糧食種植大省，農(nóng)業(yè)碳減排潛力較為突出。CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2

本文的研究結(jié)果對(duì)我國(guó)從農(nóng)業(yè)方面創(chuàng)新碳減排路徑提供了重要啟示。第一，要從碳源角度出發(fā)減少種植過(guò)程中的碳排放，通過(guò)積極推廣資源節(jié)約型循環(huán)農(nóng)業(yè)，實(shí)現(xiàn)廢棄物資源化利用，減少生產(chǎn)資料投入以及農(nóng)業(yè)廢棄物產(chǎn)生的碳排放;大力發(fā)展有機(jī)農(nóng)業(yè)，通過(guò)作物輪作、綠肥覆蓋等措施減少農(nóng)業(yè)生產(chǎn)過(guò)程的碳排放量。第二，單獨(dú)依靠增加作物碳匯對(duì)實(shí)現(xiàn)種植業(yè)碳減排是不夠的，要充分實(shí)現(xiàn)“減碳”與“增匯”的有機(jī)結(jié)合，改變傳統(tǒng)農(nóng)業(yè)管理方式，通過(guò)秸稈還田、推廣保護(hù)性耕作、種植覆蓋作物等方式充分發(fā)揮土壤的固碳作用，提高農(nóng)業(yè)整體碳匯水平。第三，結(jié)合不同糧食作物生長(zhǎng)習(xí)性，以及實(shí)際碳排放、碳匯情況，采取區(qū)域異質(zhì)性固碳減排技術(shù)，對(duì)于以水稻碳匯為主的東部省份以及西部南方省份，采用間歇性節(jié)水灌溉、秸稈氮肥配施、免耕等稻田管理技術(shù)以促進(jìn)稻田減排增匯、節(jié)能循環(huán)，提高水稻碳匯能力。第四，鑒于省份資源稟賦、地理位置、經(jīng)濟(jì)水平和現(xiàn)有產(chǎn)業(yè)結(jié)構(gòu)的異質(zhì)性，制定不同的省際碳減排目標(biāo)，在全球低碳發(fā)展的大背景下，政府在制定各省份碳排放強(qiáng)度減排目標(biāo)時(shí)，可通過(guò)稅收補(bǔ)貼、財(cái)政政策等激勵(lì)方式引導(dǎo)中西部部分以農(nóng)業(yè)為主導(dǎo)產(chǎn)業(yè)的省份通過(guò)農(nóng)業(yè)碳減排實(shí)現(xiàn)減排目標(biāo);利用農(nóng)業(yè)的碳匯優(yōu)勢(shì)完成碳減排既能實(shí)現(xiàn)農(nóng)業(yè)綠色發(fā)展、促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展，又能緩解經(jīng)濟(jì)欠發(fā)達(dá)省份的碳減排壓力，最終實(shí)現(xiàn)我國(guó)低碳發(fā)展的長(zhǎng)遠(yuǎn)目標(biāo)。第五，發(fā)揮市場(chǎng)作用，培育農(nóng)業(yè)碳排放交易市場(chǎng)機(jī)制，通過(guò)市場(chǎng)調(diào)節(jié)，碳交易能夠充分發(fā)揮市場(chǎng)機(jī)制在資源配置中的作用，以低成本推動(dòng)碳減排，助力實(shí)現(xiàn)“雙碳”目標(biāo)。

參考文獻(xiàn)

[1]? XU B， LIN B. Factors affecting CO2 emissions in China's agriculture sector： Evidence from geographically weighted regression model[J]. Energy Policy， 2017， 104： 404-414.

[2]? 冉光和，王建洪，王定祥.我國(guó)現(xiàn)代農(nóng)業(yè)生產(chǎn)的碳排放變動(dòng)趨勢(shì)研究[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2011（2）：32-38+110-111.

[3]? TRISTRAM O W， MARLAND G. A synthesis of carbon sequestration， carbon emissions， and net carbon flux in agriculture： comparing tillage practices in the United States[J]. Agriculture， Ecosystems and Environment， 2002， 91（1）： 217-232.

[4]? NURSE J. An ecological approach to promoting population mental health and well-being—A response to the challenge of climate change[J]. Perspectives in Public Health， 2010， 130（1）： 27-33.

[5]? JOHNSON J M F， FRANZLUEBBERS A J， WEYERS S L， et al. Agricultural opportunities to mitigate greenhouse gas emissions[J]. Environments Pollution， 2007， 150（1）： 107-124.

[6]? 叢建輝，劉學(xué)敏，趙雪如.城市碳排放核算的邊界界定及其測(cè)度方法[J].中國(guó)人口·資源與環(huán)境，2014（4）：19-26.

[7]? GOLDSTEIN B， HAUSCHILD M， FERNANDEZ J， et al. Testing the environmental performance of urban agriculture as a food supply in northern climates[J]. Journal of Cleaner Production， 2016， 135： 984-994.

[8]? 梁龍，杜章留，吳文良，等.北京現(xiàn)代都市低碳農(nóng)業(yè)的前景與策略[J].中國(guó)人口·資源與環(huán)境，2011（2）：130-136.

[9]? 尚杰，楊濱鍵.種植業(yè)碳源、碳匯測(cè)算與凈碳匯影響因素動(dòng)態(tài)分析：山東例證[J].改革，2019（6）：123-134.

[10]? 丁寶根，楊樹(shù)旺，趙玉.長(zhǎng)江經(jīng)濟(jì)帶種植業(yè)碳排放時(shí)空特征及驅(qū)動(dòng)因素研究[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2019（10）：1252-1258.

[11] ? 郭旋，張良茂，胡榮桂，等.華中地區(qū)種植業(yè)生產(chǎn)碳排放驅(qū)動(dòng)因素分析[J].長(zhǎng)江流域資源與環(huán)境，2016（5）：695-701.

[12]? 田云，張俊飚，豐軍輝，等.中國(guó)種植業(yè)碳排放與其產(chǎn)業(yè)發(fā)展關(guān)系的研究[J].長(zhǎng)江流域資源與環(huán)境，2014（6）：781-791.

[13] ? 李俊杰.民族地區(qū)農(nóng)地利用碳排放測(cè)算及影響因素研究[J].中國(guó)人口·資源與環(huán)境，2012（9）：42-47.

[14]? 胡婉玲，張金鑫，王紅玲.中國(guó)種植業(yè)碳排放時(shí)空分異研究[J].統(tǒng)計(jì)與決策，2020（15）：92-95.

[15]? 吳賢榮，張俊飚，田云，等.基于公平與效率雙重視角的中國(guó)農(nóng)業(yè)碳減排潛力分析[J].自然資源學(xué)報(bào)，2015（7）：1172-1182.

[16]? 吳賢榮，張俊飚.中國(guó)省域農(nóng)業(yè)碳排放：增長(zhǎng)主導(dǎo)效應(yīng)與減排退耦效應(yīng)[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2017（5）：27-36.CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2

[17] ? 張衛(wèi)建，嚴(yán)圣吉，張俊，等.國(guó)家糧食安全與農(nóng)業(yè)雙碳目標(biāo)的雙贏策略[J].中國(guó)農(nóng)業(yè)科學(xué)，2021（18）：3892-3902.

[18]? 謝淑娟，匡耀求，黃寧生.中國(guó)發(fā)展碳匯農(nóng)業(yè)的主要路徑與政策建議[J].中國(guó)人口·資源與環(huán)境，2010（12）：46-51.

[19] ? 杜江，羅珺，王銳，等.糧食主產(chǎn)區(qū)種植業(yè)碳功能測(cè)算與時(shí)空變化規(guī)律研究[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2019（10）：1242-1251.

[20] ? 陳羅燁，薛領(lǐng)，雪燕.中國(guó)農(nóng)業(yè)凈碳匯時(shí)空演化特征分析[J].自然資源學(xué)報(bào)，2016（4）：596-607.

[21]? 白保勛，陳東海，徐婷婷，等.主要糧經(jīng)作物與輪作模式凈碳匯價(jià)值分析[J].生態(tài)經(jīng)濟(jì)，2021（9）：97-101.

[22] ? MOSIER A R， HALVORSON H A， REULE C A， et al. Net Global Warming Potential and Greenhouse Gas Intensity in Irrigated Cropping Systems in Northeastern Colorado[J]. Journal of Environmental Quality， 2006， 35（4）： 1584-1598.

[23] ? 田云，張俊飚，吳賢榮，等.中國(guó)種植業(yè)碳匯盈余動(dòng)態(tài)變化及地區(qū)差異分析——基于31個(gè)?。ㄊ小^(qū)）2000—2012年的面板數(shù)據(jù)[J].自然資源學(xué)報(bào)，2015（11）：1885-1895.

[24]? FAIS B， SABIO N， STRACHAN N. The critical role of the industrial sector in reaching long-term emission reduction， energy efficiency and renewable targets [J]. Applied Energy， 2016， 162： 699-712.

[25]? 何艷秋，戴小文.中國(guó)農(nóng)業(yè)碳排放驅(qū)動(dòng)因素的時(shí)空特征研究[J].資源科學(xué)，2016（9）：1780-1790.

[26] ? 吳賢榮，張俊飚，程琳琳，等.中國(guó)省域農(nóng)業(yè)碳減排潛力及其空間關(guān)聯(lián)特征——基于空間權(quán)重矩陣的空間Durbin模型[J].中國(guó)人口·資源與環(huán)境，2015（6）：53-61.

[27] ? 田云，林子娟.巴黎協(xié)定下中國(guó)碳排放權(quán)省域分配及減排潛力評(píng)估研究[J].自然資源學(xué)報(bào)，2021（4）：921-933.

[28]? 賀亞亞，田云，張俊飚.湖北省農(nóng)業(yè)碳排放時(shí)空比較及驅(qū)動(dòng)因素分析[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2013（5）：79-85.

[29]? 吳昊玥，黃瀚蛟，何宇，等.中國(guó)農(nóng)業(yè)碳排放效率測(cè)度、空間溢出與影響因素[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào) （中英文），2021（10）：1762-1773.

[30] ? 白若琦，白樸，吳益?zhèn)?，?種植業(yè)固碳減排潛力和技術(shù)對(duì)策研究[J].江蘇農(nóng)業(yè)科學(xué)，2017（22）：279-283.

[31]? 潘安.中國(guó)農(nóng)業(yè)貿(mào)易的碳減排效應(yīng)研究[J].華南農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017（4）：25-33.

[32]? 張新民.農(nóng)業(yè)碳減排的生態(tài)補(bǔ)償機(jī)制[J].生態(tài)經(jīng)濟(jì)，2013（10）：107-110.

[33] ? 陳松文，劉天奇，曹湊貴，等.水稻生產(chǎn)碳中和現(xiàn)狀及低碳稻作技術(shù)策略[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2021（3）：3-12.

[34]? 唐海明，李超，肖小平，等.不同耕作模式對(duì)雙季稻田生態(tài)系統(tǒng)凈碳匯效應(yīng)及收益的影響[J].生態(tài)環(huán)境學(xué)報(bào)，2020（2）：215-222.

[35]? 何艷秋，陳柔，吳昊玥，等.中國(guó)農(nóng)業(yè)碳排放空間格局及影響因素動(dòng)態(tài)研究[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2018（9）：1269-1282.

[36]? 田云，張俊飚，李波.基于投入角度的農(nóng)業(yè)碳排放時(shí)空特征及因素分解研究——以湖北省為例[J].農(nóng)業(yè)現(xiàn)代化研究，2011（6）：752-755.

[37]? 段華平，張悅，趙建波，等.中國(guó)農(nóng)田生態(tài)系統(tǒng)的碳足跡分析[J].水土保持學(xué)報(bào)，2011（5）：203-208.

[38]? 吳賢榮，張俊飚，田云，等.中國(guó)省域農(nóng)業(yè)碳排放：測(cè)算、效率變動(dòng)及影響因素研究——基于DEA-Malmquist指數(shù)分解方法與Tobit模型運(yùn)用[J].資源科學(xué)，2014（1）：129-138.

[39]? 田云，張俊飚.中國(guó)農(nóng)業(yè)生產(chǎn)凈碳效應(yīng)分異研究[J].自然資源學(xué)報(bào)，2013（8）：1298-1309.

[40]? 謝鴻宇，陳賢生，林凱榮，等.基于碳循環(huán)的化石能源及電力生態(tài)足跡[J].生態(tài)學(xué)報(bào)，2008（4）：1729-1735.

[41]? 李克讓.土地利用變化和溫室氣體凈排放與陸地生態(tài)系統(tǒng)碳循環(huán)[M].北京：氣象出版社，2002：260-265.

[42]? WRIGHT TP. Factors affecting the costs of airplanes[J]. Aeronaut Sci， 1936， 3（4）：122-128

[43]? BEMIS JC. A model for examining the cost implications of production rate. Concepts[J]. Def Syst Acquis Manage， 1981， 4（2）： 84-94CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2

[44]? BADIRU A B. Computational survey of univariate and multivariate learning curve models[J]. IEEE Transactions ineering Eng Management， 1992， 39（2）： 176-188

[45]? 堯波，鄭艷明，胡丹，等.江西省縣域農(nóng)業(yè)碳排放的時(shí)空動(dòng)態(tài)及影響因素分析[J].長(zhǎng)江流域資源與環(huán)境，2014（3）：311-318.

[46]? 文清，田云，王雅鵬.中國(guó)農(nóng)業(yè)碳排放省域差異與驅(qū)動(dòng)機(jī)理研究——基于30個(gè)?。ㄊ?、區(qū)）1993～2012年的面板數(shù)據(jù)分析[J].干旱區(qū)資源與環(huán)境，2015（11）：1-6.

[47]? 付佳，安增龍.黑龍江省種植業(yè)結(jié)構(gòu)調(diào)整經(jīng)濟(jì)效益評(píng)價(jià)[J].浙江農(nóng)業(yè)科學(xué)，2021（3）：623-626+631.

[48]? 羅暄.湖南省農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)與競(jìng)爭(zhēng)力演進(jìn)分析——基于動(dòng)態(tài)偏離份額模型[J].湖南人文科技學(xué)院學(xué)報(bào)，2020（5）：74-79.

[49]? 楊濱鍵，孫紅雨.低碳績(jī)效測(cè)度與動(dòng)態(tài)效應(yīng)研究——以山東省種植業(yè)為例[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2021（3）：581-589.

[50]? 檀學(xué)文，張強(qiáng).經(jīng)濟(jì)全球化對(duì)中國(guó)東部農(nóng)業(yè)的影響[J].世界農(nóng)業(yè)，2003（9）：10-13.

[51]? 楊果，陳瑤.中國(guó)農(nóng)業(yè)源碳匯估算及其與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的耦合分析[J].中國(guó)人口·資源與環(huán)境，2016（12）：171-176.

Study on provincial agricultural carbon emission and emission reduction potential based on carbon sink function： Taking Chinas three main grain cropsas an example

Wang Yanan1? ? Zhang Qilin2? ?ChenWei1

（1.College of Economics and Management， Northwest A&F University， Yangling， Shaanxi 712100;

2.School of Economics and Finance， Xi'an Jiaotong University， Xi'an， Shaanxi， 710061）

Abstract： Planting industry is both a "carbon source" and a "carbon sink"， which plays a key role in agricultural carbon emission reduction.By calculating the carbon emissions and carbon sinks of three food crops in 30 provinces of China from 1997 to 2020， this paper constructs the provincial carbon emission environmental learning curve. According to the historical growth simulation and existing policy simulation， the agricultural carbon emission reduction potential of 30 provinces and regions in China is predicted. The results show that the total carbon emissions from the cultivation of the three food crops show a fluctuating trendduring the period 1997-2020.The carbon emissions from the cultivation of rice are much higher than those from wheat and maize.The total carbon sinks of the three food crops are characterized as high in the east and low in the west. Rice carbon sinks and maize carbon sinks are the main sources of carbon sinks in eastern and central provinces respectively.There are differences in the main sources of carbon sinks in the southern and northern provinces in the west， with rice and maize carbon sinks being the main sources respectively.The growth of agricultural GDP per capital has a positive effect on reducing carbon intensity. The carbon sinks possessed by food crops themselves can achieve carbon emission reduction to a certain extent.However， relying on crop carbon sinks alone has a relatively small impact on achieving carbon emission reduction in theplanting industry.Under the historical growth rate simulation and existing policy simulation， the average agricultural carbon emission reduction potential in China in 2030 is 80.34% and 79.83% respe ctively. The carbon emission reduction potential is higher in western and central provinces.

Key Words： carbon emission; carbon sink; carbon emission reduction potential; environmental learning curve

作者簡(jiǎn)介：王雅楠，西北農(nóng)林科技大學(xué)經(jīng)濟(jì)管理學(xué)院副教授，碩士生導(dǎo)師，管理學(xué)博士，研究方向：資源與環(huán)境政策;張琪琳，西安交通大學(xué)經(jīng)濟(jì)與金融學(xué)院碩士研究生，研究方向：資源與環(huán)境政策;陳偉（通信作者），西北農(nóng)林科技大學(xué)經(jīng)濟(jì)管理學(xué)院副教授，博士生導(dǎo)師，管理學(xué)博士，研究方向：土地經(jīng)濟(jì)與管理。CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2