楊青林，趙榮欽，羅慧麗，朱瑞明，肖連剛，謝志祥，孫 錦

·專題：耕地保護(hù)與糧食安全·

中國省際糧食貿(mào)易碳轉(zhuǎn)移空間格局及其責(zé)任分擔(dān)

楊青林1，趙榮欽1※，羅慧麗1，朱瑞明2，肖連剛1，謝志祥1，孫 錦1

（1. 華北水利水電大學(xué)測繪與地理信息學(xué)院，鄭州 450046；2. 河南大學(xué)地理與環(huán)境學(xué)院，開封 475001）

開展省域尺度糧食貿(mào)易碳轉(zhuǎn)移空間格局及其責(zé)任分擔(dān)研究，對于合理劃分碳減排責(zé)任、探索面向糧食安全的省際協(xié)同碳減排策略具有重要現(xiàn)實意義。該研究采用2020年中國31個省級行政區(qū)截面數(shù)據(jù)，基于糧食貿(mào)易線性規(guī)劃方法和糧食貿(mào)易碳排放量計算模型對省際糧食貿(mào)易及其碳排放進(jìn)行了核算，并揭示了其空間轉(zhuǎn)移格局；采用糧食貿(mào)易碳排放量責(zé)任分擔(dān)計算方法探討了各省份糧食貿(mào)易碳排放責(zé)任分布特征。結(jié)果表明：1）在省際糧食貿(mào)易與糧食貿(mào)易碳排放格局中，輸出區(qū)主要為東北、華北、西北和華中地區(qū)，輸入?yún)^(qū)主要為西南、華南和華東地區(qū)。2020年全國糧食貿(mào)易總量為1.53 億t，輸出區(qū)中東北地區(qū)累計向外輸送7 126.54萬t，占貿(mào)易總量的46.7%，華北地區(qū)累計向外輸送2 617.38萬t，占貿(mào)易總量的17.1%，西北地區(qū)累計向外輸送455.51萬t，占貿(mào)易總量的3.0%，華中地區(qū)累計向外輸送5 069.71萬t，占貿(mào)易總量的33.2%；2）糧食貿(mào)易碳排放在空間上呈現(xiàn)出“北碳南輸、中碳西輸”的流向格局，糧食貿(mào)易碳排放呈現(xiàn)“南-北”大、“東-西”小的流量特征。河北、山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、甘肅、寧夏、新疆是全國糧食碳排放輸出區(qū)，南北方向糧食貿(mào)易碳排放流量共計9 119.82萬t，東西方向糧食貿(mào)易碳排放流量共計2 229.49萬t；3）糧食貿(mào)易碳排放轉(zhuǎn)移過程中輸入?yún)^(qū)較輸出區(qū)而言應(yīng)承擔(dān)的碳減排責(zé)任更大，經(jīng)濟(jì)發(fā)達(dá)省份的責(zé)任占比較大，而經(jīng)濟(jì)規(guī)模較小的省份責(zé)任也相對較小。輸出區(qū)分擔(dān)碳減排比例平均為29.5%，輸入?yún)^(qū)分擔(dān)比例平均為70.5%；4）共擔(dān)原則下輸出區(qū)中安徽、黑龍江、吉林、江西、內(nèi)蒙古、山西和新疆的分擔(dān)比例較低，甘肅、河北、河南、湖北、湖南和寧夏的分擔(dān)比例較高，受幫扶效應(yīng)影響，經(jīng)濟(jì)發(fā)達(dá)省份對經(jīng)濟(jì)欠發(fā)達(dá)省份的幫扶較多，會承擔(dān)較多減排責(zé)任?？傮w而言，基于共同責(zé)任分擔(dān)原則，不僅有利于控制輸出區(qū)、輸入?yún)^(qū)的碳排放，而且對于穩(wěn)固糧食主產(chǎn)區(qū)產(chǎn)量有積極作用，為此該研究針對性地提出保障區(qū)域糧食安全、公平合理分配區(qū)域間碳減排責(zé)任優(yōu)化策略，以實現(xiàn)農(nóng)業(yè)領(lǐng)域“雙碳”戰(zhàn)略與糧食安全雙贏目標(biāo)。

糧食；碳排放；排放控制；碳轉(zhuǎn)移；空間格局；共擔(dān)責(zé)任

0 引 言

探索面向糧食安全的省際協(xié)同碳減排，是實現(xiàn)“雙碳”戰(zhàn)略與糧食安全雙贏重要路徑。糧食、能源是實現(xiàn)社會經(jīng)濟(jì)可持續(xù)發(fā)展的重要物質(zhì)和基礎(chǔ)[1-2]，受快速城市化、不可持續(xù)的資源消耗、人口增長和氣候變化等影響，糧食和能源安全面臨著威脅[3]，Burrows[4]預(yù)測到2030年，人類社會經(jīng)濟(jì)活動對糧食、能源的需求較2012年將分別增加35%和50%。農(nóng)業(yè)是全球重要的溫室氣體排放源[5]，Vermeulen等[6]的研究發(fā)現(xiàn)全球19%～29%的溫室氣體排放來自于糧食生產(chǎn)系統(tǒng)。就中國的情況而言，耕地資源、淡水資源分別不足全球的9%和6%，卻保障了占世界20%人口的糧食需求[7]。較長一段時間內(nèi)糧食產(chǎn)量增加主要依靠大量的水、能、物資等投入，由此產(chǎn)生了巨量的農(nóng)業(yè)碳排放，導(dǎo)致農(nóng)業(yè)生態(tài)環(huán)境持續(xù)惡化，直接威脅到中國的糧食安全[8]，為此中國政府莊嚴(yán)承諾“2030年前實現(xiàn)碳達(dá)峰，2060年前實現(xiàn)碳中和”[9]。在推進(jìn)農(nóng)業(yè)領(lǐng)域碳達(dá)峰、碳中和過程中，首要任務(wù)還是要先確保糧食安全，在確保糧食安全的同時積極助力“雙碳”目標(biāo)實現(xiàn)。農(nóng)業(yè)領(lǐng)域“雙碳”目標(biāo)的實現(xiàn)，一方面需要“減排”與“增匯”雙管齊下[10]，但同時還應(yīng)考慮到各個區(qū)域的減排責(zé)任，只有多措并舉才能盡早實現(xiàn)糧食安全和農(nóng)業(yè)領(lǐng)域“雙碳”目標(biāo)雙贏。

糧食具有流通性，糧食流通也隱含了虛擬水土資源和碳排放轉(zhuǎn)移。近幾年，糧食貿(mào)易過程中的隱含碳排放區(qū)域轉(zhuǎn)移越來越受到國內(nèi)外學(xué)者的關(guān)注[11]。由于不同區(qū)域水土資源組合特征和開發(fā)強(qiáng)度具有明顯的差異[12]，糧食生產(chǎn)過程水能資源消耗和物資投入強(qiáng)度也存在差異，糧食貿(mào)易不僅涉及虛擬水土資源轉(zhuǎn)移，由于糧食生產(chǎn)地和消費地的分離也附帶了碳排放轉(zhuǎn)移，糧食生產(chǎn)端碳排放大部分是為滿足其他地區(qū)的需求而產(chǎn)生[13]，因此碳排放凈流出地區(qū)承擔(dān)了較大的減排壓力[14]。開展省際糧食貿(mào)易碳轉(zhuǎn)移研究，有助于識別并劃分碳減排責(zé)任，對于探索創(chuàng)新基于共同責(zé)任的省際碳轉(zhuǎn)移減排策略制定有重要的參考意義。

近年來，國內(nèi)外學(xué)者從不同角度探討了糧食貿(mào)易、虛擬資源流動和碳轉(zhuǎn)移問題。在糧食貿(mào)易方面，主要側(cè)重于網(wǎng)絡(luò)空間格局[15]、網(wǎng)絡(luò)格局影響因素[16]、結(jié)構(gòu)安全性[17]、糧食運(yùn)輸路徑與成本[18]等研究。水、土資源是糧食生產(chǎn)的基礎(chǔ)，糧食貿(mào)易過程中附帶著虛擬水和虛擬耕地等資源流動，以糧食貿(mào)易為載體的虛擬資源流動研究日趨增多。Zhang等[19]的研究表明，中國農(nóng)產(chǎn)品虛擬水貿(mào)易處于貿(mào)易順差狀態(tài)，進(jìn)口虛擬水遠(yuǎn)大于出口，且呈不斷上升趨勢。Fu等[20]認(rèn)為中國不同地區(qū)氣候條件差異導(dǎo)致作物生長過程中的耗水量存在較大差異，通過糧食貿(mào)易紐帶實現(xiàn)虛擬水轉(zhuǎn)移，中國“北糧南運(yùn)”的糧食貿(mào)易格局可能會加劇北方地區(qū)水資源短缺。在虛擬耕地方面，主要側(cè)重于虛擬耕地的進(jìn)出口核算[21]、影響因素[22]及區(qū)域間流動格局分析[23]。受全球氣候變化影響，地區(qū)間碳減排責(zé)任的博弈日益激烈，國內(nèi)外學(xué)者對區(qū)域碳排放轉(zhuǎn)移開展了較多的研究，主要集中于碳排放轉(zhuǎn)移量核算[24]、區(qū)際貿(mào)易隱含碳轉(zhuǎn)移[25]、省際貿(mào)易碳排放轉(zhuǎn)移[26]、碳排放轉(zhuǎn)移網(wǎng)絡(luò)結(jié)構(gòu)和傳導(dǎo)路徑[27]、碳排放轉(zhuǎn)移驅(qū)動因素研究[28]，研究方法多以投入產(chǎn)出法為主，且研究對象主要針對區(qū)際貿(mào)易，鮮有針對初級產(chǎn)品隱含碳轉(zhuǎn)移的研究。在碳減排責(zé)任方面，碳減排正逐漸成為各個國家、地區(qū)、產(chǎn)業(yè)部門的主要任務(wù)之一，只有明確了碳減排責(zé)任才能實現(xiàn)區(qū)域協(xié)同高效減排[29]。碳減排責(zé)任劃定主要有三種，分別是生產(chǎn)者責(zé)任、消費者責(zé)任和共擔(dān)責(zé)任。生產(chǎn)者責(zé)任認(rèn)為應(yīng)將碳排放責(zé)任全部歸于生產(chǎn)者，此種方法計算較為方便，但是忽略了碳排放轉(zhuǎn)移過程中“碳泄露”問題[30]。消費者責(zé)任認(rèn)為碳排放責(zé)任應(yīng)該全部歸屬于消費該產(chǎn)品的主體，此種方法考慮到了碳減排的公平性，但是將減排責(zé)任全部歸于消費者，缺乏對碳排放生產(chǎn)者的必要約束，致使產(chǎn)品貿(mào)易過程隱含的碳排放較高[31]。隨著生產(chǎn)者責(zé)任和消費者責(zé)任弊端的出現(xiàn)，共擔(dān)責(zé)任開始受到國內(nèi)外學(xué)者廣泛關(guān)注，共擔(dān)責(zé)任原則認(rèn)為碳減排責(zé)任應(yīng)該由生產(chǎn)者和消費者共同承擔(dān)[32]，共擔(dān)責(zé)任原則下可有效緩解生產(chǎn)者與消費者因產(chǎn)品貿(mào)易而產(chǎn)生的減排壓力，同時對區(qū)域協(xié)同碳減排政策的制定有實際的參考意義。

以上研究為進(jìn)一步深入開展中國省際糧食貿(mào)易碳轉(zhuǎn)移空間格局研究及其責(zé)任分擔(dān)提供了重要思路和方法參考，但仍需在以下方面進(jìn)一步加強(qiáng)：1）糧食貿(mào)易是緩解區(qū)域水土資源要素錯配的重要手段[33]，糧食貿(mào)易過程不僅附帶虛擬水土資源轉(zhuǎn)移，同時還應(yīng)注意到其過程附帶的隱含碳排放轉(zhuǎn)移。2）在研究對象方面，較多傾向于國際或省際間貿(mào)易所帶來的虛擬資源流動，缺乏針對中國區(qū)域糧食交易所致的碳轉(zhuǎn)移研究，易導(dǎo)致地區(qū)間糧食輸出區(qū)與輸入?yún)^(qū)責(zé)任不明確，不利于區(qū)域間協(xié)同減排。3） 在研究方法層面，由于區(qū)域間糧食交易數(shù)據(jù)獲取難度較大[34]，一般采用多區(qū)域投入產(chǎn)出模型計算[35]，雖然該方法能夠很好地反映出多個經(jīng)濟(jì)體或部門間的關(guān)聯(lián)關(guān)系，但糧食作為一種初級產(chǎn)品，目前學(xué)界內(nèi)關(guān)于糧食價值型和實物型省際貿(mào)易流矩陣建立方法尚未統(tǒng)一。其次，因為國家投入產(chǎn)出表為每五年編制一次，最新的投入產(chǎn)出表也只更新到了2017年，考慮到投入產(chǎn)出模型的時效性和局限性，所以采用線性規(guī)劃模型。糧食貿(mào)易不僅是實現(xiàn)各地區(qū)糧食供需平衡，其內(nèi)在具有趨利性，即追求糧食貿(mào)易過程中運(yùn)輸成本最小化，因此運(yùn)糧成本是影響糧食貿(mào)易的主要驅(qū)動因素，基于糧食運(yùn)輸成本最小化線性規(guī)劃模型從驅(qū)動因素的角度量化了糧食貿(mào)易，排除了貿(mào)易數(shù)據(jù)的局限性，為糧食貿(mào)易過程碳排放轉(zhuǎn)移研究提供一種新的、可行的參考，基于運(yùn)糧成本最小化線性規(guī)劃模型已被國內(nèi)外多位學(xué)者證實[36]。在協(xié)同減排和省際碳公平背景下，研究區(qū)域間糧食貿(mào)易碳轉(zhuǎn)移空間格局特征及其碳減排責(zé)任分擔(dān)，對于探索針對性的省際碳轉(zhuǎn)移減排機(jī)制制定具有重要現(xiàn)實意義。鑒于此，該研究利用糧食貿(mào)易線性規(guī)劃方法和省際糧食貿(mào)易碳排放量計算模型，采用2020年中國31個省級行政區(qū)（港、澳、臺除外）截面數(shù)據(jù)，模擬省際間糧食貿(mào)易及碳排放轉(zhuǎn)移情況，并分析省域尺度糧食貿(mào)易碳轉(zhuǎn)移空間格局，最后利用糧食貿(mào)易碳排放量責(zé)任分擔(dān)計算方法，探討共同責(zé)任原則下各省份的糧食貿(mào)易碳排放減排責(zé)任，以期為缺乏糧食貿(mào)易數(shù)據(jù)的地區(qū)量化碳排放轉(zhuǎn)移提供方法參考，為區(qū)域協(xié)同減排政策的制定提供借鑒。

1 研究方法與數(shù)據(jù)來源

1.1 理論框架

糧食生產(chǎn)和消費具有鮮明的地域性特征，這是自然條件、資源稟賦和經(jīng)濟(jì)社會諸多因素共同作用的結(jié)果。糧食生產(chǎn)主要受自然資源稟賦、耕地面積、農(nóng)業(yè)技術(shù)、經(jīng)濟(jì)發(fā)展水平、生產(chǎn)條件等內(nèi)部因素和糧食政策、糧食貿(mào)易市場等外部因素共同影響；糧食消費主要受糧食生產(chǎn)結(jié)構(gòu)、飲食習(xí)慣、人口規(guī)模、經(jīng)濟(jì)發(fā)展水平等因素影響（圖1）。區(qū)域之間自然條件、種植結(jié)構(gòu)和消費需求等的差異從根本上決定了區(qū)際糧食貿(mào)易的路徑、種類和規(guī)模。

糧食貿(mào)易通過地域分工和區(qū)際流通解決了生產(chǎn)和消費之間的矛盾，但從跨區(qū)域環(huán)境影響的視角而言，糧食貿(mào)易也隱含了農(nóng)業(yè)生產(chǎn)過程中水土資源和碳排放轉(zhuǎn)移，以及農(nóng)業(yè)投入帶來的異地環(huán)境影響。其中，作為農(nóng)業(yè)生產(chǎn)過程中物資投入和能源消耗的綜合表征，隱含碳排放轉(zhuǎn)移是糧食生產(chǎn)異地環(huán)境影響的重要指標(biāo)，能夠為基于糧食貿(mào)易的區(qū)際環(huán)境責(zé)任分擔(dān)提供依據(jù)。因此，糧食貿(mào)易碳減排應(yīng)是生產(chǎn)者和消費者的共同責(zé)任，若對生產(chǎn)者劃分碳減排責(zé)任比例過高，其將面臨著糧食生產(chǎn)和碳減排的雙重壓力，不利于調(diào)動糧食生產(chǎn)者的積極性。若對消費者劃分碳減排責(zé)任比例過高，則糧食輸入地將會增加更多的成本，進(jìn)而影響到區(qū)域糧食安全。而基于共擔(dān)原則的下碳減排責(zé)任劃分，可以有效緩解糧食生產(chǎn)地與輸入地因糧食貿(mào)易而產(chǎn)生的減排壓力，同時也為區(qū)域間協(xié)同減排提供減排路徑參考。正是基于以上考慮，該研究嘗試通過隱含碳流通識別糧食輸出區(qū)和輸入?yún)^(qū)的環(huán)境責(zé)任，探索基于共同責(zé)任的省際碳轉(zhuǎn)移減排機(jī)制，為推動糧食安全和碳減排雙重目標(biāo)的實現(xiàn)提供參考借鑒。

圖1 糧食貿(mào)易碳轉(zhuǎn)移及其責(zé)任分擔(dān)的理論框架

1.2 數(shù)據(jù)來源及處理

國內(nèi)和國際關(guān)于糧食的定義有所不同，國際上一般認(rèn)為糧食包括玉米、小麥、稻米和雜糧[37]，而根據(jù)中國糧食的統(tǒng)計則包括了稻谷、小麥、玉米、豆類和薯類，用途則包括了口糧、工業(yè)用糧、飼料用糧、種子用糧和糧食損耗。根據(jù)研究目標(biāo)，采用2020年中國31個省級行政區(qū)截面數(shù)據(jù)（港、澳、臺數(shù)據(jù)暫缺），研究中國省級糧食交易量及碳轉(zhuǎn)移情況。研究數(shù)據(jù)主要包括以下兩個方面：1）糧食供需計算所需數(shù)據(jù)。根據(jù)肖玉等[38]的糧食供需計算方法，采用糧食生產(chǎn)量、人均消費量估算各省區(qū)糧食需求量和糧食自給率。糧食生產(chǎn)量、城鎮(zhèn)和農(nóng)村年末人口數(shù)、不同年齡段人口數(shù)量、糧食作物播種面積、肉蛋奶水產(chǎn)量數(shù)據(jù)來自《中國統(tǒng)計年鑒2021》，人均口糧攝入量參考《中國居民平衡膳食指南2016》，單位面積用種量來自《全國農(nóng)產(chǎn)品成本收益資料匯編》，工業(yè)用糧數(shù)據(jù)來自《中國食品工業(yè)年鑒》。2）糧食貿(mào)易線性規(guī)劃數(shù)據(jù)。參考高守杰等[18]的方法，在ArcGIS中獲取最低成本的OD成本矩陣，在此基礎(chǔ)上進(jìn)行糧食貿(mào)易最優(yōu)路徑分析。全國1∶100萬公眾版基礎(chǔ)地理信息數(shù)據(jù)（2021）來自國家基礎(chǔ)地理信息中心，從數(shù)據(jù)庫中提取全國鐵路網(wǎng)矢量數(shù)據(jù)，在ArcGIS平臺計算不同省會城市的鐵路運(yùn)輸距離。糧食的鐵路運(yùn)輸費用參考《鐵路貨物運(yùn)價規(guī)則》。

1.3 研究方法

1.3.1 基于線性規(guī)劃的糧食貿(mào)易計算方法

囿于各省份間糧食交易數(shù)據(jù)難以獲取，因此采用線性規(guī)劃法模擬各省糧食交易量。該研究暫不考慮國際糧食貿(mào)易對國內(nèi)的沖擊，以運(yùn)輸成本最小化為目標(biāo)，以糧食供需狀態(tài)為約束條件，結(jié)合數(shù)據(jù)處理結(jié)果得到的OD成本矩陣，模擬各省糧食交易最優(yōu)路徑。自變量S為兩兩省份間糧食交易量，OD成本矩陣作為目標(biāo)函數(shù)中的系數(shù)，根據(jù)糧食供需計算結(jié)果，假設(shè)31個省市自治區(qū)中存在個省份已經(jīng)實現(xiàn)糧食自給，那么這個省份的糧食盈余量可以實現(xiàn)糧食貿(mào)易，即將個省份的糧食盈余量交易給其他31-個省份，利用Matlab軟件中l(wèi)inprog函數(shù)，計算得到各省之間糧食交易量。根據(jù)設(shè)定構(gòu)建目標(biāo)函數(shù)計算式如下：

式中和表示不同的省份，為糧食短缺省份，為糧食盈余省份，為糧食需求省份總數(shù)，-1為糧食盈余省份總數(shù)，C為OD成本矩陣，S為各省份間糧食交易量（萬t），E為省的糧食需求量（萬t），D為省的糧食盈余量（萬t）。

1.3.2 省際糧食貿(mào)易碳排放量計算方法

參考賁培琪等[39]虛擬耕地流計算思路，通過不同省份間糧食交易量與對應(yīng)需求省份生產(chǎn)單位糧食固定的碳排放量乘積從而構(gòu)建碳轉(zhuǎn)移流動格局，生產(chǎn)單位糧食固定的碳排放量參考何慧爽[40]的研究，由此構(gòu)建糧食貿(mào)易碳轉(zhuǎn)移計算式如下：

式中CE為糧食交易碳轉(zhuǎn)移總量（萬t），Q為省生產(chǎn)單位糧食大致固定的碳排放量（t），NPP為省的耕地凈初級生產(chǎn)力，參考鄧宣凱等[41]的研究，該值為4.243 t/hm2，CY為單位糧食作物播種面積的產(chǎn)量，t/hm2。

1.3.3 省際糧食貿(mào)易碳排放量責(zé)任分擔(dān)計算方法

糧食輸出區(qū)承擔(dān)著重大糧食供給安全責(zé)任，面臨著巨大的減排壓力，而糧食輸入?yún)^(qū)能在宏觀調(diào)控和市場調(diào)節(jié)下通過糧食調(diào)配緩解區(qū)域內(nèi)產(chǎn)需不平衡矛盾，同時還享受著工業(yè)化、城鎮(zhèn)化發(fā)展的成果，因此輸出區(qū)與輸入?yún)^(qū)責(zé)任與利益存在嚴(yán)重失衡。因此基于減排責(zé)任共擔(dān)的原則，借鑒劉?？礫42]的責(zé)任分配系數(shù)法，計算糧食貿(mào)易碳排放輸出區(qū)和輸入?yún)^(qū)的共擔(dān)責(zé)任。共擔(dān)責(zé)任分配系數(shù)法計算式如下：

式中p和p分別為省和省在共同責(zé)任下對省份間糧食貿(mào)易碳轉(zhuǎn)移所負(fù)責(zé)的分配因子，和表示不同省份2020年的生產(chǎn)總值（億元），E表示省到省的糧食貿(mào)易碳排放轉(zhuǎn)移量（萬t），C表示省承擔(dān)的碳減排責(zé)任（萬t）。

2 結(jié)果分析

2.1 省際糧食貿(mào)易碳排放及其空間格局

圖2為2020年中國糧食貿(mào)易及碳排放分布結(jié)果。由圖2可知，在省際糧食貿(mào)易格局中，輸出區(qū)主要為東北、華北、西北和華中地區(qū)，輸入?yún)^(qū)主要為西南、華南和華東地區(qū)。2020年全國糧食貿(mào)易總量為1.53億t，其中，東北地區(qū)累計向外輸送7 126.54萬t，占當(dāng)年糧食貿(mào)易總量的46.7%，華北地區(qū)累計向外輸送2 617.38萬t，占當(dāng)年糧食貿(mào)易總量的17.1%，西北地區(qū)累計向外輸送455.51 萬t，占當(dāng)年糧食貿(mào)易總量的3.0%，華中地區(qū)累計向外輸送5 069.71萬t，占當(dāng)年糧食貿(mào)易總量的33.2%。總的來看，東北地區(qū)向外輸送最多，東北地區(qū)向外輸送糧食約占糧食貿(mào)易總量的一半，其中又以黑龍江向外輸出最多（4 821.41萬t），占糧食貿(mào)易總量的31.58%。與相關(guān)研究對比，就貿(mào)易格局而言，Wang等[43]的研究表明，內(nèi)蒙古、遼寧、吉林、黑龍江、河北、河南、山東、安徽、江蘇、湖北、湖南、江西、四川等13個省級行政區(qū)是主要的糧食輸出區(qū)。從糧食貿(mào)易總量來看，根據(jù)國家糧食交易中心數(shù)據(jù)顯示，2020年國家政策性糧食累計成交約1.15億t，由于當(dāng)年受新冠疫情影響，從中儲糧集團(tuán)有限公司2020社會責(zé)任報告中獲悉，2020年中儲糧累計向市場投放糧油1.44億t，約占全國糧食產(chǎn)量的1/5，占國內(nèi)糧食流通量的1/4。綜合來看，2020年國內(nèi)糧食流通總量約為1.51億t。從地方糧食貿(mào)易量來看，根據(jù)黑龍江省科學(xué)院研究表明，2019年黑龍江省糧食調(diào)出量占全國的1/3[44]。通過與相關(guān)研究、具體統(tǒng)計數(shù)據(jù)對比分析，該研究的結(jié)果與之較為接近，說明基于線性規(guī)劃的計算方法適用于糧食貿(mào)易分析，且該研究的結(jié)果具有一定的可靠性。由于東北地區(qū)人均耕地面積較大、土壤肥沃、地形平坦、耕地連片度高，利于大規(guī)模機(jī)械化耕種，因此產(chǎn)糧效率高。此外，2020年新冠肺炎疫情發(fā)生以來，國家為有效應(yīng)對新冠肺炎疫情對東北地區(qū)農(nóng)業(yè)生產(chǎn)帶來的沖擊和影響，制定出臺了一系列農(nóng)業(yè)應(yīng)急政策和惠民政策，極大地調(diào)動了農(nóng)民種糧的積極性，有力保障了區(qū)域糧食安全，疏通了糧食流通渠道。而西南地區(qū)由于地形地貌、人均耕地資源緊張、優(yōu)質(zhì)耕地較少等因素影響，不利于大規(guī)模機(jī)械耕種，生產(chǎn)主體以小規(guī)模的家庭農(nóng)場為主。華南和華東地區(qū)經(jīng)濟(jì)發(fā)達(dá)、人口密集、糧食需求量大，且隨著經(jīng)濟(jì)的快速發(fā)展，大量優(yōu)質(zhì)耕地被建設(shè)用地所占用，導(dǎo)致糧食無法達(dá)到供需平衡。

省際糧食貿(mào)易碳排放分布格局與糧食貿(mào)易格局一致（圖2b）。2020年全國糧食貿(mào)易碳排放總量為1.13億t，其中，輸出區(qū)中東北地區(qū)累計向外輸送5 378.14萬t，占碳排放總量的47.4%，華北地區(qū)累計向外輸送2 091.82 萬t，占碳排放總量的18.4%，西北地區(qū)累計向外輸送295.16萬t，占碳排放總量的2.6%，華中地區(qū)累計向外輸送3 584.19萬t，占碳排放總量的31.6%。在輸出區(qū)中，黑龍江、內(nèi)蒙古、吉林、河南的糧食貿(mào)易碳排放較大，其糧食貿(mào)易碳排放均在1 000萬t以上，在輸入?yún)^(qū)中，廣東、浙江、北京、福建、山東等的糧食貿(mào)易碳排放較大。由于輸入?yún)^(qū)人口較多、口糧需求較大，且輸入?yún)^(qū)多為經(jīng)濟(jì)發(fā)達(dá)地區(qū)，工業(yè)用糧需求也較大，因此糧食生產(chǎn)無法完全自給自足，伴隨著糧食輸入的同時也承接了較多的糧食貿(mào)易隱含碳排放。

2.2 省際糧食貿(mào)易碳轉(zhuǎn)移路徑分析

基于糧食貿(mào)易模擬結(jié)果，利用式（2）計算出糧食貿(mào)易過程碳排放，并在ArcGIS中對糧食貿(mào)易碳排放流向進(jìn)行可視化分析，以弦圖對糧食貿(mào)易碳排放流量進(jìn)行表征，其中不同顏色代表不同的省區(qū)，關(guān)系帶代表流向和流量，同時也對應(yīng)著輸出和輸入地區(qū)。

注：該圖基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站標(biāo)準(zhǔn)地圖制作，底圖邊界無修改。港澳臺數(shù)據(jù)暫缺。圖中GNI為糧食凈輸入量，GNO為糧食凈輸出量，CNI為碳排放凈輸入量，CNO為碳排放凈輸出量。下同。

糧食貿(mào)易碳排放在空間上呈現(xiàn)出“北碳南輸、中碳西輸”的流向格局。糧食貿(mào)易碳排放流動格局的形成與糧食貿(mào)易格局相關(guān)，改革開放以來，中國的經(jīng)濟(jì)重心逐漸轉(zhuǎn)向東南沿海地區(qū)，在產(chǎn)業(yè)上，發(fā)展的重心由農(nóng)業(yè)轉(zhuǎn)為工業(yè)，因此必然導(dǎo)致糧食種植面積減少，為了維持區(qū)域內(nèi)糧食供銷平衡，需要從其他省份補(bǔ)充。而北方和中部省份隨著現(xiàn)代化農(nóng)業(yè)技術(shù)的推廣應(yīng)用，有效地實現(xiàn)了增產(chǎn)增收，逐漸形成了“北糧南運(yùn)、中糧西運(yùn)”的糧食貿(mào)易格局。技術(shù)變革帶來的北方和中部糧食增產(chǎn)，同時也是市場發(fā)展對自然資源的調(diào)配和優(yōu)化，以及政策對糧食生產(chǎn)的保障等因素共同影響。從圖3可以看出，糧食輸出省份相較東部和南部沿海省份經(jīng)濟(jì)仍有一定的差距，在大力向外輸出糧食的同時也承受著較大的減排壓力，因此未來亟需探尋公平合理的責(zé)任共擔(dān)碳減排模式和碳補(bǔ)償機(jī)制。

糧食貿(mào)易碳排放呈現(xiàn)南—北大、東—西小的流量特征。根據(jù)糧食貿(mào)易碳排放模擬結(jié)果顯示，河北、山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、甘肅、寧夏、新疆是全國糧食碳排放輸出區(qū)，與其他省份共有76條貿(mào)易記錄，其中，南北方向糧食貿(mào)易碳排放共有48條記錄，糧食貿(mào)易碳排放流量共計9 119.82 萬t，東西方向糧食貿(mào)易碳排放共有28條記錄，糧食貿(mào)易碳排放流量共計2 229.49萬t，其中糧食貿(mào)易碳排放最大的是黑龍江到廣東，為1 625.41萬t，占糧食貿(mào)易碳排放總量的14.3%，其次為黑龍江到浙江、內(nèi)蒙古到浙江、吉林到廣東，其流量分別為855.48萬t、539.12萬t、533.60 萬t。糧食貿(mào)易碳排放最小的是新疆到青海，僅為1.74萬t。在輸出區(qū)中，黑龍江向外省輸出的糧食貿(mào)易碳排放最大，為3 916.95萬t，河南省向其他省份輸出的糧食貿(mào)易碳排放記錄最多，共有11條輸出記錄。在輸入?yún)^(qū)中，廣東省糧食貿(mào)易碳排放量最大，為3 678.59萬t，且糧食貿(mào)易碳排放記錄也最多，共有8條輸入記錄。

2.3 省際糧食貿(mào)易碳排放責(zé)任分擔(dān)

各省份間存在著巨大的糧食貿(mào)易往來，這也導(dǎo)致了省域間存在著較為嚴(yán)重的“碳泄露”，單一的生產(chǎn)者責(zé)任或消費者責(zé)任無法準(zhǔn)確合理地分配碳減排責(zé)任，只有將糧食貿(mào)易碳排放責(zé)任公平劃分，各省份才能在碳減排行動中發(fā)揮積極的作用。利用式（3）測算出糧食貿(mào)易碳轉(zhuǎn)移過程中不同省份的應(yīng)承擔(dān)的責(zé)任（表1），得到共擔(dān)責(zé)任下各省份的糧食貿(mào)易碳排放責(zé)任分布特征。

中國糧食貿(mào)易碳排放轉(zhuǎn)移過程中輸入?yún)^(qū)較輸出區(qū)而言應(yīng)承擔(dān)的碳減排責(zé)任更大。2020年，因糧食貿(mào)易產(chǎn)生的碳排放總量為1.13億t，輸出區(qū)分擔(dān)碳減排比例平均為29.5%，輸入?yún)^(qū)分擔(dān)比例平均為70.5%。13個輸出省在共擔(dān)責(zé)任原則下的減排責(zé)任比碳排放轉(zhuǎn)移中間量低24.52%～80.74%，共擔(dān)原則下輸出區(qū)減排責(zé)任為3 347.57萬t，輸出區(qū)減排責(zé)任相比糧食貿(mào)易碳排放轉(zhuǎn)移量少8 001.74萬t。究其原因，2020年糧食貿(mào)易碳排放輸出區(qū)省份13個，主要分布在北部和中部等經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)，而糧食貿(mào)易碳排放輸入?yún)^(qū)省份為18個，且較多分布在東部沿海和華南等經(jīng)濟(jì)發(fā)達(dá)地區(qū)，對于糧食輸入省份而言，以幫扶效應(yīng)作為分擔(dān)系數(shù)的共同責(zé)任準(zhǔn)則較大程度緩解了減排壓力，有利于提高糧食輸出區(qū)種糧積極性。對于糧食需求省份而言，在獲取糧食的過程中會承擔(dān)相應(yīng)的碳減排責(zé)任，也基本體現(xiàn)了“收益大，責(zé)任大”的分配思路，與Zhang[45]的研究基本一致，即經(jīng)濟(jì)發(fā)達(dá)省份的責(zé)任占比較大，而經(jīng)濟(jì)規(guī)模較小的省份責(zé)任也相對較小?？傮w而言，基于共同責(zé)任分擔(dān)原則，不僅有利于同時控制輸出區(qū)、輸入?yún)^(qū)的碳排放和碳轉(zhuǎn)移量，而且對于穩(wěn)固糧食主產(chǎn)區(qū)產(chǎn)量有積極作用。

從區(qū)域視角而言，輸出區(qū)中安徽、黑龍江、吉林、江西、內(nèi)蒙古、山西和新疆的分擔(dān)比例較低，甘肅、河北、河南、湖北、湖南和寧夏的分擔(dān)比例較高。輸出區(qū)中安徽、黑龍江、吉林、江西、內(nèi)蒙古、山西和新疆的分擔(dān)比例分別為38.1%、19.5%、19.3%、30.4%、25.9%、33.9%、20.6%，而甘肅、河北、河南、湖北、湖南和寧夏的分擔(dān)比例分別為77.5%、55.9%、52.3%、53.1%、48.5%、56.7%。輸出區(qū)中分擔(dān)比例較低的原因是安徽、黑龍江、吉林、江西、內(nèi)蒙古、山西和新疆的經(jīng)濟(jì)發(fā)展水平較低，而其糧食主要對口經(jīng)濟(jì)發(fā)達(dá)的省份，在糧食貿(mào)易碳排放轉(zhuǎn)移過程中，受到其他經(jīng)濟(jì)發(fā)達(dá)省份的幫扶較多。輸出區(qū)中分擔(dān)比例較高的原因是，甘肅、河北、河南、湖北、湖南和寧夏的糧食貿(mào)易多集中于經(jīng)濟(jì)發(fā)展水平較低的地區(qū)，從而在幫扶效應(yīng)中對其他經(jīng)濟(jì)欠發(fā)達(dá)省份的幫扶較多，因此承擔(dān)了較多減排責(zé)任。

表1 共擔(dān)原則下糧食貿(mào)易碳排放責(zé)任分配表

3 討 論

糧食生產(chǎn)系統(tǒng)極具敏感性和脆弱性，主要表現(xiàn)在以下兩方面：一是對干旱、高溫、強(qiáng)降水、病蟲災(zāi)害等常規(guī)自然災(zāi)害具有敏感性和脆弱性，二是對“黑天鵝事件”極具敏感性和脆弱性，例如2020年的新冠疫情。目前中國針對常規(guī)自然災(zāi)害已經(jīng)有較為健全和成熟的農(nóng)業(yè)防災(zāi)減災(zāi)應(yīng)急機(jī)制，例如《“十四五”國家應(yīng)急體系規(guī)劃》、《“十四五”國家綜合防災(zāi)減災(zāi)規(guī)劃》的頒布說明國家的應(yīng)急和綜合保障能力大幅提升，而對“黑天鵝事件”的應(yīng)急預(yù)案建設(shè)還正處于摸索和完善階段。2020年的新冠疫情對中國糧食的生產(chǎn)、消費和流通環(huán)節(jié)有一定的影響[46]，從糧食生產(chǎn)環(huán)節(jié)而言，由于疫情導(dǎo)致勞動力移動受限，進(jìn)一步加劇了農(nóng)業(yè)勞動力短缺，此外，在疫情開始時期，農(nóng)資價格上漲和流通受阻，種糧成本上升，挫傷了農(nóng)民種糧積極性，也給糧食生產(chǎn)帶來了較大的負(fù)面影響。從糧食消費環(huán)節(jié)來看，受疫情影響導(dǎo)致糧食價格上漲，居民收入下降，因此從客觀層面而言削弱了居民的糧食購買能力。從糧食流通環(huán)節(jié)來看，疫情期間“封村封路”等措施導(dǎo)致國內(nèi)各區(qū)域聯(lián)通性減弱，區(qū)域間糧食運(yùn)輸受阻，局部省份出現(xiàn)了“賣糧難”等問題。由于數(shù)據(jù)搜集較為困難，因此無法利用糧食貿(mào)易線性規(guī)劃方法模擬新冠疫情對于省際糧食貿(mào)易的影響，未來可結(jié)合調(diào)查統(tǒng)計數(shù)據(jù)，定量分析疫情對于糧食生產(chǎn)、消費和流通環(huán)節(jié)的影響，以及針對性制定相應(yīng)的應(yīng)對措施，構(gòu)建長效的應(yīng)急機(jī)制。

糧食貿(mào)易通過地域分工和區(qū)際流通可有效解決區(qū)域糧食供需矛盾，然而由于統(tǒng)計數(shù)據(jù)獲取較為困難，以及考慮到投入產(chǎn)出模型的時效性和局限性，采用了線性規(guī)劃模型對省際糧食貿(mào)易情況進(jìn)行了分析，省際間糧食貿(mào)易結(jié)果直接影響到碳排放轉(zhuǎn)移空間格局，因此對糧食貿(mào)易結(jié)果的評估是至關(guān)重要的一環(huán)。就研究方法而言，線性規(guī)劃模型已被應(yīng)用到各個領(lǐng)域，且在糧食貿(mào)易量化方面也有較好的適用性[36]。從研究結(jié)果來看，一是省際糧食貿(mào)易格局與相關(guān)類似成果較為接近[43]，二是省際糧食貿(mào)易量與2020年國內(nèi)糧食流通總量統(tǒng)計數(shù)據(jù)較為接近，因此可以利用該方法模擬省際間糧食貿(mào)易。為了對線性規(guī)劃模型進(jìn)行定量評價，未來可以長期收集糧食貿(mào)易數(shù)據(jù)，通過實際收集的糧食貿(mào)易數(shù)據(jù)精確驗證模型的準(zhǔn)確性以及結(jié)果的可靠性。

省際糧食貿(mào)易碳排放流量通過不同省份間糧食交易量與對應(yīng)需求省份生產(chǎn)單位糧食固定的碳排放量乘積而得到，在糧食貿(mào)易流量的基礎(chǔ)上，碳排放流量的大小取決于生產(chǎn)單位糧食固定的碳排放量，此種方法也被多位學(xué)者使用[40-41]。生產(chǎn)單位糧食固定的碳排放量與耕地凈初級生產(chǎn)力、糧食產(chǎn)量等因素有關(guān)，而耕地凈初級生產(chǎn)力與化肥施用量、氣溫、降水、日照時數(shù)等因素相關(guān)，由于全國各省自然條件、資源稟賦存在差異，所以未來可增加全國典型觀測樣點，通過干燥系數(shù)、收貨指數(shù)、根冠比指數(shù)等計算不同區(qū)域的耕地凈初級生產(chǎn)力[47]，使糧食生產(chǎn)碳排放估算結(jié)果越接近于真實值。

4 結(jié)論與政策建議

4.1 結(jié) 論

本研究采用2020年中國31個省級行政區(qū)截面數(shù)據(jù)，基于糧食貿(mào)易線性規(guī)劃方法和糧食貿(mào)易碳排放量計算模型對省際糧食貿(mào)易及其碳排放進(jìn)行了核算，并揭示了其空間轉(zhuǎn)移格局；采用糧食貿(mào)易碳排放量責(zé)任分擔(dān)計算方法探討了各省份糧食貿(mào)易碳排放責(zé)任分布特征。主要結(jié)論如下：

1）在省際糧食貿(mào)易與糧食貿(mào)易碳排放格局中，輸出區(qū)主要為東北、華北、西北和華中地區(qū)，輸入?yún)^(qū)主要為西南、華南和華東地區(qū)。2020年全國糧食貿(mào)易總量為1.53 億t，其中，輸出區(qū)中東北地區(qū)累計向外輸送7 126.54 萬t，占貿(mào)易總量的46.7%，華北地區(qū)累計向外輸送2 617.38萬t，占貿(mào)易總量的17.1%，西北地區(qū)累計向外輸送455.51萬t，占貿(mào)易總量的3.0%，華中地區(qū)累計向外輸送5 069.71萬t，占貿(mào)易總量的33.2%。

2）糧食貿(mào)易碳排放在空間上呈現(xiàn)出“北碳南輸、中碳西輸”的流向格局，糧食貿(mào)易碳排放呈現(xiàn)“南—北”大、“東—西”小的流量特征。河北、山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、甘肅、寧夏、新疆是全國糧食碳排放輸出區(qū)，南北方向糧食貿(mào)易碳排放流量共計9 119.82萬t，東西方向糧食貿(mào)易碳排放流量共計2 229.49萬t。

3）中國糧食貿(mào)易碳排放轉(zhuǎn)移過程中輸入?yún)^(qū)較輸出區(qū)而言應(yīng)承擔(dān)的碳減排責(zé)任更大。輸出區(qū)分擔(dān)碳減排比例平均為29.5%，輸入?yún)^(qū)分擔(dān)比例平均為70.5%。13個輸出省在共擔(dān)責(zé)任原則下的減排責(zé)任比碳排放轉(zhuǎn)移中間量低24.52%～80.74%。共擔(dān)原則下輸出區(qū)減排責(zé)任為3 347.57 萬t，輸出區(qū)減排責(zé)任相比糧食貿(mào)易碳排放轉(zhuǎn)移量減少8 001.74萬t。

4）從區(qū)域視角而言，輸出區(qū)中安徽、黑龍江、吉林、江西、內(nèi)蒙古、山西和新疆的分擔(dān)比例較低，甘肅、河北、河南、湖北、湖南和寧夏的分擔(dān)比例較高。

4.2 政策建議

在共同責(zé)任分擔(dān)下推動區(qū)域協(xié)同減排對于實現(xiàn)糧食安全、推動農(nóng)業(yè)綠色可持續(xù)發(fā)展具有重要意義。為區(qū)域保障糧食安全、也更公平合理分配區(qū)域間碳減排責(zé)任，提出以下政策建議：1）穩(wěn)固東北、華北、西北和華中地區(qū)糧食生產(chǎn)重任，提高西南、華南和華東地區(qū)糧食產(chǎn)量。對于東北、華北、西北和華中地區(qū)而言，應(yīng)深入實施“藏糧于地、藏糧于技”戰(zhàn)略，推進(jìn)耕地質(zhì)量保護(hù)與提升，同時應(yīng)不斷探索完善糧食安全與利益補(bǔ)償機(jī)制，調(diào)動農(nóng)民生產(chǎn)積極性，保持糧食產(chǎn)能穩(wěn)定。對于西南、華南和華東地區(qū)而言，應(yīng)制止耕地“非農(nóng)化”，防止耕地“非糧化”，加大農(nóng)業(yè)基礎(chǔ)設(shè)施投入力度，積極推進(jìn)丘陵山區(qū)農(nóng)業(yè)機(jī)械化，逐步推進(jìn)高標(biāo)準(zhǔn)農(nóng)田建設(shè)，發(fā)展多季糧食種植優(yōu)勢，拓寬糧食穩(wěn)產(chǎn)增產(chǎn)渠道；2）提高農(nóng)業(yè)綠色生產(chǎn)效率，降低糧食輸出區(qū)碳排放。推動規(guī)模化經(jīng)營和農(nóng)業(yè)精準(zhǔn)施肥灌溉技術(shù)，優(yōu)化農(nóng)業(yè)水土資源配置，提高農(nóng)業(yè)生產(chǎn)效率，以降低糧食生產(chǎn)的隱含碳排放；3）嘗試開展基于隱含碳轉(zhuǎn)移的糧食貿(mào)易碳補(bǔ)償試點。以碳排放責(zé)任分擔(dān)結(jié)果為參考，科學(xué)合理分配輸出區(qū)與輸入?yún)^(qū)碳減排責(zé)任，確定合理的碳補(bǔ)償標(biāo)準(zhǔn)，探索多樣化的補(bǔ)償方式，開展區(qū)域碳補(bǔ)償試點，為區(qū)域協(xié)同減排、推動農(nóng)業(yè)領(lǐng)域?qū)崿F(xiàn)“雙碳”目標(biāo)的實現(xiàn)提供實踐指導(dǎo)。4）構(gòu)建對口長效幫扶機(jī)制。由于糧食貿(mào)易碳排放輸入?yún)^(qū)省份較多分布在東部沿海和華南等經(jīng)濟(jì)發(fā)達(dá)地區(qū)，且輸入?yún)^(qū)承擔(dān)了較多的碳減排責(zé)任，因此可以構(gòu)建“一對一”或“一對多”的對口幫扶機(jī)制，經(jīng)濟(jì)發(fā)達(dá)地區(qū)可以依據(jù)碳轉(zhuǎn)移量大小對糧食輸出區(qū)提供先進(jìn)農(nóng)業(yè)生產(chǎn)技術(shù)、裝備與減排技術(shù)指導(dǎo)，以實現(xiàn)全產(chǎn)業(yè)鏈的綠色低碳發(fā)展。

[1] 宋敏，劉學(xué)敏. 西北地區(qū)能源—環(huán)境—經(jīng)濟(jì)可持續(xù)發(fā)展預(yù)警研究—以陜西省為例[J]. 中國人口·資源與環(huán)境，2012，22(5)：133-138.

Song Ming, Liu Xuemin. Early warning research of energy industry of sustainability development in Shaanxi[J]. China Population Resources and Environment, 2012, 22(5): 133-138. (in Chinese with English abstract)

[2] 李紅芳，王會肖，趙茹欣，等. 基于Copula函數(shù)的水-能源-糧食共生安全風(fēng)險概率[J]. 農(nóng)業(yè)工程學(xué)報，2021，37(8)：332-340.

Li Hongfang, Wang Huixiao, Zhao Ruxin, et al. Estimating the symbiosis risk probability of water–energy–food using Copula function[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(8): 332-340. (in Chinese with English abstract)

[3] Cansino-Loeza B, Ponce-Ortega J M. Sustainable assessment of Water-Energy-Food Nexus at regional level through a multi-stakeholder optimization approach[J]. Journal of Cleaner Production, 2020, 290(3): 125194.

[4] Burrows M. Global Trends 2030: Alternative Worlds[R]. Washington: NIC, 2012.

[5] 謝淑娟，匡耀求，黃寧生. 中國發(fā)展碳匯農(nóng)業(yè)的主要路徑與政策建議[J]. 中國人口·資源與環(huán)境，2010，20(12)：46-51.

Xie Shujuan, Kuang Yaoqiu, Huang Ningsheng. Main paths and policy proposals for the development of carbon-sinking agriculture in China[J]. China Population Resources and Environment, 2010, 20(12): 46-51. (in Chinese with English abstract)

[6] Vemeulen S J, Campbell B M, Ingram J. Climate change and food systems[J]. Social Science Electronic Publishing, 2012, 37(1): 195-222.

[7] 張衛(wèi)建，嚴(yán)圣吉，張俊，等. 國家糧食安全與農(nóng)業(yè)雙碳目標(biāo)的雙贏策略[J]. 中國農(nóng)業(yè)科學(xué)，2021，54(18)：3892-3902.

Zhang Weijian, Yan Shengji, Zhang Jun, et al. Win-win strategy for national food security and agricultural double-carbon goals[J]. Scientia Agricultura Sinica, 2021, 54(18): 3892-3902. (in Chinese with English abstract)

[8] Chen Y H, Wen X W, Wang B, et al. Agricultural pollution and regulation: How to subsidize agriculture?[J]. Journal of Cleaner Production, 2017, 164(10): 258-264.

[9] 汪開英，李鑫，陸建定，等. 碳中和目標(biāo)下畜牧業(yè)低碳發(fā)展路徑[J]. 農(nóng)業(yè)工程學(xué)報，2022，38(1)：230-238.

Wang Kaiying, Li Xin, Lu Jianding, et al. Low-carbon development strategies of livestock industry to achieve goal of carbon neutrality in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(1): 230-238. (in Chinese with English abstract)

[10] 田云，尹忞昊. 中國農(nóng)業(yè)碳排放再測算：基本現(xiàn)狀、動態(tài)演進(jìn)及空間溢出效應(yīng)[J]. 中國農(nóng)村經(jīng)濟(jì)，2022(3)：104-127.

Tian Yun, Yin Minhao. Re-evaluation of China’s agricultural carbon emissions: Basic status, dynamic evolution and spatial spillover effects[J]. Chinese Rural Economy, 2022(3): 104-127. (in Chinese with English abstract)

[11] Li Y, Li J. How does China’s economic policy uncertainty affect the sustainability of its net grain imports?[J]. Sustainability, 2021, 13(12): 1-12.

[12] 趙榮欽，李志萍，韓宇平，等. 區(qū)域“水—土—能—碳”耦合作用機(jī)制分析[J]. 地理學(xué)報，2016，71(9)：1613-1628.

Zhao Rongqin, Li Zhiping, Han Yuping, et al. The coupling interaction mechanism of regional water-land-energy-carbon system[J]. Acta Geographica Sinica, 2016, 71(9): 1613-1628. (in Chinese with English abstract)

[13] Petrs G P, Hertwich E G. CO2embodied in international trade with implications for global climate policy[J]. Environmental Science & Technology, 2008, 42(5): 1401-1407.

[14] 蔣雪梅，鄭可馨. 京津冀地區(qū)間貿(mào)易隱含碳排放轉(zhuǎn)移研究[J]. 地域研究與開發(fā)，2019，38(6)：126-130.

Jiang Xuemei, Zheng Kexin. The embodied CO2emissions transfer in Beijing-Tianjin-Hebei region[J]. Areal Research and Development, 2019, 38(6): 126-130. (in Chinese with English abstract)

[15] Duan J, Nie C, Wang Y, et al. Research on global grain trade network pattern and its driving factors[J]. Sustainability, 2022, 14(1): 1-17.

[16] 王介勇，戴純，周墨竹，等. 全球糧食貿(mào)易網(wǎng)絡(luò)格局及其影響因素[J]. 自然資源學(xué)報，2021，36(6)：1545-1556.

Wang Jieyong, Dai Chun, Zhou Mozhu, et al. Research on global grain trade network pattern and its influencing factors[J]. Journal of Natural Resources, 2021, 36(6): 1545-1556. (in Chinese with English abstract)

[17] 呂夢軻，張麗君，秦耀辰，等. 1987—2016年中國糧食貿(mào)易時空格局演變及貿(mào)易結(jié)構(gòu)安全性評估[J]. 資源科學(xué)，2021，43(4)：838-848.

Lv Mengke, Zhang Lijun, Qin Yaochen, et al. Spatiotemporal pattern of Chinese food trade and structural security assessment, 1987-2016[J]. Resources Science, 2021, 43(4): 838-848. (in Chinese with English abstract)

[18] 高守杰，郭光毅，代希波. 基于道路網(wǎng)絡(luò)分析的省際糧食運(yùn)輸成本研究[J]. 物流科技，2014，37(5)：135-139.

Gao Shoujie, Guo Guangyi, Dai Xibo. Research of inter-provincial grain transport costs based on GIS network analyst[J]. Logistics Sci-tech, 2014, 37(5): 135-139. (in Chinese with English abstract)

[19] Zhang Y, Zhang J, Tang G, et al. Virtual water flows in the international trade of agricultural products of China[J]. Science of the Total Environment, 2016, 557(7): 1-11.

[20] Fu Y C, Zhao J, Wang C, et al. The virtual water flow of crops between intraregional and interregional in mainland China[J]. Agricultural Water Management, 2018, 208(9): 204-213.

[21] 王維方，劉愛民，強(qiáng)文麗. 中國大豆資源的虛擬土貿(mào)易及進(jìn)口依存度分析[J]. 自然資源學(xué)報，2011，26(7)：1139-1147.

Wang Weifang, Liu Aimin, Qiang Wenli. Virtual land trades and external dependences of China’s soybean resources[J]. Journal of Natural Resources, 2011, 26(7): 1139-1147. (in Chinese with English abstract)

[22] 強(qiáng)文麗，張翠玲，劉愛民，等. 全球農(nóng)產(chǎn)品貿(mào)易的虛擬耕地資源流動演變及影響因素[J]. 資源科學(xué)，2020，42(9)：1704-1714.

Qiang Wenli, Zhang Cuiling, Liu Ai Min, et al. Evolution of global virtual land flow related to agricultural trade and driving factors[J]. Resources Science, 2020, 42(9): 1704-1714. (in Chinese with English abstract)

[23] 梁流濤，唐林昊，李士超，等. 基于生態(tài)網(wǎng)絡(luò)架構(gòu)的虛擬耕地流動格局及其穩(wěn)定性評價[J]. 經(jīng)濟(jì)地理，2020，40(1)：140-149.

Liang Liutao, Tang Linhao, Li Shichao, et al. Virtual cultivated land flow pattern and its stability evaluation of based on ecological network architecture[J]. Economic Geography, 2020, 40(1): 140-149. (in Chinese with English abstract)

[24] 陳暉，溫婧，龐軍，等. 基于31省MRIO模型的中國省際碳轉(zhuǎn)移及碳公平研究[J]. 中國環(huán)境科學(xué)，2020，40(12)：5540-5550.

Chen Hui, Wen Jing, Pang Jun, et al. Research on the carbon transfer and carbon equity at provincial level of China based on MRIO model of 31 provinces[J]. China Environmental Science, 2020, 40(12): 5540-5550. (in Chinese with English abstract)

[25] 孟凡鑫，蘇美蓉，胡元超，等. 中國及“一帶一路”沿線典型國家貿(mào)易隱含碳轉(zhuǎn)移研究[J]. 中國人口·資源與環(huán)境，2019，29(4)：18-26.

Meng Fanxin, Su Meirong, Hu Yuanchao, et al. Embodied carbon in trade of China and typical countries along the “Belt and Road”[J]. China Population Resources and Environment, 2019, 29(4): 18-26. (in Chinese with English abstract)

[26] 王振宇. 基于省際貿(mào)易的2002-2012年間中國各省區(qū)碳排放轉(zhuǎn)移測度及影響因素分析[D]. 廣州：暨南大學(xué)，2018.

Wang Zhenyu. The Measurement and Influencing Factors of Carbon Emission Transfer in China’s Provinces During 2002-2012 Based on Inter Provincial Trade[D]. Guangzhou: Jinan University, 2018. (in Chinese with English abstract)

[27] 張同斌，孫靜. “國際貿(mào)易—碳排放”網(wǎng)絡(luò)的結(jié)構(gòu)特征與傳導(dǎo)路徑研究[J]. 財經(jīng)研究，2019，45(3)：114-126.

Zhang Tongbin, Sun Jing. A research on the structural characteristics and transmission path of the “international trade carbon emission” network[J]. The Study of Finance and Economics, 2019, 45(3): 114-126. (in Chinese with English abstract)

[28] 余娟娟，龔?fù)? 全球碳轉(zhuǎn)移網(wǎng)絡(luò)的解構(gòu)與影響因素分析[J]. 中國人口·資源與環(huán)境，2020，30(8)：21-30.

Yu Juanjuan, Gong Tong. Analyzing the deconstruction and influencing factors of the global carbon transfer network[J]. China Population Resources and Environment, 2020, 30(8): 21-30. (in Chinese with English abstract)

[29] 徐盈之，鄒芳. 基于投入產(chǎn)出分析法的我國各產(chǎn)業(yè)部門碳減排責(zé)任研究[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究，2010 (5)：27-35.

Xu Yingzhi, Zou Fang. Carbon reduction responsibility of China's industries based on the input-output analysis[J]. Industrial Economics Research, 2010 (5): 27-35. (in Chinese with English abstract)

[30] 付坤，齊紹洲. 中國省級電力碳排放責(zé)任核算方法及應(yīng)用[J]. 中國人口·資源與環(huán)境，2014，24(4)：27-34.

Fu Kun, Qi Shaozhou. Accounting method and its application of provincial electricity CO2emissions responsibility[J]. China Population Resources and Environment, 2014, 24(4): 27-34. (in Chinese with English abstract)

[31] Tao X, Wang P, Zhu B. Measuring the interprovincial CO2emissions considering electric power dispatching in China: from production and consumption perspectives[J]. Sustainability, 2016, 8(6): 506.

[32] 王文治. 中國省域間碳排放的轉(zhuǎn)移測度與責(zé)任分擔(dān)[J]. 環(huán)境經(jīng)濟(jì)研究，2018，3(1)：19-36.

Wang Wenzhi. Calculation on net value of carbon emission transfer between China's provinces and responsibility sharing[J]. Jouranl of Environmental Economics, 2018, 3(1): 19-36. (in Chinese with English abstract)

[33] 馬靜，張紅旗，李慧嫻，等. 糧食國際貿(mào)易對我國水土資源利用的影響分析[J]. 資源科學(xué)，2008，30(11)：1723-1728.

Ma Jing, Zhang Hongqi, Li Huixian, et al. Impacts of international grain trade on utilization of water and cultivated land[J]. Resources Science, 2008, 30(11): 1723-1728. (in Chinese with English abstract)

[34] 錢海洋. 中國區(qū)域間糧食貿(mào)易量化方法及虛擬水流動格局評價[D]. 楊凌：西北農(nóng)林科技大學(xué)，2020.

Qian Haiyang. Development of Quantitative Method of Inter-provincial Grain Trade and Evaluation of Virtual Water Flow Pattern in China[D]. Yangling: Northwest A&F University, 2020. (in Chinese with English abstract)

[35] 張光杰. 中國跨省糧食貿(mào)易中的水資源節(jié)約量測算方法研究[D]. 長沙：湖南師范大學(xué)，2021.

Zhang Guangjie. Study on the Calculation Method of Water Resources in China’s Interprovincial Food Trade[D]. Changsha: Hunan Normal University, 2021. (in Chinese with English abstract)

[36] Sun S K, Yin Y L, Wu P T, et al. Geographical evolution of agricultural production in China and its effects on water stress, economy and the environment: the virtual water perspective[J]. Water Resources Research, 2019, 55(5): 4014-4029.

[37] 楊明智，裴源生，李旭東. 中國糧食自給率研究：糧食、谷物和口糧自給率分析[J]. 自然資源學(xué)報，2019，34(4)：881-889.

Yang Mingzhi, Pei Yuansheng, Li Xudong. Study on grain self-sufficiency rate in China: An analysis of grain, cereal grain and edible grain[J]. Journal of Natural Resources, 2019, 34(4): 881-889. (in Chinese with English abstract)

[38] 肖玉，成升魁，謝高地，等. 我國主要糧食品種供給與消費平衡分析[J]. 自然資源學(xué)報，2017，32(6)：927-936.

Xiao Yu, Cheng Sheng Kui, Xie Gaodi, et al. The balance between supply and consumption of the main types grain in China[J]. Journal of Natural Resources, 2017, 32(6): 927-936. (in Chinese with English abstract)

[39] 賁培琪，吳紹華，李嘯天，等. 中國省際糧食貿(mào)易及其虛擬耕地流動模擬[J]. 地理研究，2016，35(8)：1447-1456.

Ben Peiqi, Wu Shaohua, Li Xiaotian, et al. China's inter-provincial grain trade and its virtual cultivated land flow simulation[J]. Geographical Research, 2016, 35(8): 1447-1456. (in Chinese with English abstract)

[40] 何慧爽. 農(nóng)業(yè)潛在資源流動的生態(tài)資本權(quán)益補(bǔ)償問題研究—基于“北糧南運(yùn)”格局下的數(shù)據(jù)分析[J]. 價格理論與實踐，2017 (8)：28-31.

He Huishuang. Research on the compensation of the rights and interests of ecological capital in the flow of agricultural potential resources-Data analysis based on the pattern of “Northe Grain South transportation”[J]. Price: Theory&Practice, 2017(8): 28-31. (in Chinese with English abstract)

[41] 鄧宣凱，劉艷芳，李紀(jì)偉. 區(qū)域能源碳足跡計算模型比較研究—以湖北省為例[J]. 生態(tài)環(huán)境學(xué)報，2012，21(9)：1533-1538.

Deng Xuankai, Liu Yanfang, Li Jiwei. Comparative study on regional carbon footprint of energy consumption calculation models: A case study of Hubei province[J]. Ecology and Environmental Sciences, 2012, 21(9): 1533-1538. (in Chinese with English abstract)

[42] 劉?？? 中國省域凈碳轉(zhuǎn)移測度與責(zé)任分擔(dān)研究[D]. 濟(jì)南：山東財經(jīng)大學(xué)，2021.

Liu Fukang. Study on measurement of provincial net carbon transfer and responsibility sharing in China[D]. Jinan: Shandong University of Finance and Economics, 2021. (in Chinese with English abstract)

[43] Wang Z Z, Zhang L L, Ding X L, et al. Virtual water flow pattern of grain trade and its benefits in China[J]. Journal of Cleaner Production, 2019, 223(6): 445-455.

[44] 黑龍江省科學(xué)院. 匯聚科技之力賦能農(nóng)業(yè)創(chuàng)新：黑龍江省科學(xué)院助力全省農(nóng)業(yè)產(chǎn)業(yè)發(fā)展[J]. 黑龍江糧食，2020，4(6)：11-14.

[45] Zhang Y G. Provincial responsibility for carbon emissions in China under different principles[J]. Energy Policy, 2015, 86(11): 142-153.

[46] 鐘鈺，普蓂喆，劉明月，等. 新冠肺炎疫情對我國糧食安全的影響分析及穩(wěn)定產(chǎn)量的建議[J]. 農(nóng)業(yè)經(jīng)濟(jì)問題，2020 (4)：13-22.

Zhong Yu, Pu Mingzhe, Liu Mingyue, et al. The impact of COVID-19 on China's food security and suggestions for ensuring stable grain production[J]. Issues in Agricultural Economy, 2020(4): 13-22. (in Chinese with English abstract)

[47] 王軼虹，王美艷，史學(xué)正，等. 2010年中國農(nóng)作物凈初級生產(chǎn)力及其空間分布格局[J]. 生態(tài)學(xué)報，2016，36(19)：6318-6327.

Wang Yihong, Wang Meiyan, Shi Xuezheng, et al. Spatial patterns of net primary productivity of crops in China[J]. Acta Ecologica Sinica, 2016, 36(19): 6318-6327. (in Chinese with English abstract)

Spatial pattern and responsibility sharing of carbon transfer in China's inter-provincial grain trade

Yang Qinglin1, Zhao Rongqin1※, Luo Huili1, Zhu Ruiming2, Xiao Liangang1, Xie Zhixiang1, Sun Jin1

(1.,,450046,; 2.,,475001,)

The spatial pattern of carbon transfer is of practical significance for the responsibility sharing of carbon emission reduction. It is a high demand to explore the inter-provincial collaborative strategies of carbon emission reduction for food security. In this study, the inter-provincial grain trade and the carbon emission were calculated to determine the spatial transfer using the linear programming model of carbon emission in the grain trade. The cross-sectional data was selected from 31 provincial administrative regions in China in 2020. The distribution characteristics were analyzed for the carbon emission responsibility sharing of the grain trade in each province. The results were as follows: 1) In the carbon emission pattern of inter-provincial grain trade, the export areas were mainly distributed in the northeast, north, northwest, and central China, whereas, the import areas were mainly in the southwest, south, and east China. The total amount of grain trade was 1.53×108t in China in 2020.Among the grain export areas, northeast, north, northwest, and central China transported 71.265 4, 26.173 8, 4.555 1, and 50.697 1 million tons, accounting for 46.7%, 17.1%, 3.0%, and 33.2% of the total trade volume, respectively. 2) The carbon emission of grain trade showed the flow pattern of “North carbon to South and China carbon to the west” in space, indicating the small flow from the south to the north and the east to the west. The national export areas of grain carbon emission included the Hebei, Shanxi, Inner Mongolia, Jilin, Heilongjiang, Anhui, Jiangxi, Henan, Hubei, Hunan, Gansu, Ningxia, and Xinjiang regions. The carbon emission flows of the grain trade in the north-south and east-west directions were 9 119.82×104, and 2 229.49×104t, respectively. 3) The input area was needed to pay greater responsibility for the carbon emission reduction than the output area in the process of carbon emission transfer of grain trade. Economically developed provinces presented a relatively large share of responsibility, while those with smaller economies were relatively small responsibilities. There were 29.5% and 70.5% average proportions of carbon emission reduction shared by the output and the input area, respectively. 4)In the principle of shared responsibility, there was a low share proportion in Anhui, Heilongjiang, Jilin, Jiangxi, Inner Mongolia, Shanxi, and Xinjiang in the export areas, and the high share proportion was in Gansu, Hebei, Henan, Hubei, Hunan, and Ningxia. Influenced by the assistance effect, economically developed provinces provide more assistance to economically underdeveloped provinces and will assume more responsibility for emission reduction. In general, based on the principle of shared responsibility, it is not only conducive to controlling carbon emissions in export and import areas, but also plays a positive role in stabilizing the output of major grain producing areas. Therefore, the study puts forward targeted strategies to ensure regional food security and fair and reasonable distribution of carbon emission reduction responsibilities among regions, so as to achieve the win-win goal of “carbon neutral, carbon peak” strategy and food security.

grain; carbon emissions; emission control; carbon transfer; spatial pattern; shared responsibility

10.11975/j.issn.1002-6819.2022.16.001

S162.5+3

A

1002-6819(2022)-16-0001-10

楊青林，趙榮欽，羅慧麗，等. 中國省際糧食貿(mào)易碳轉(zhuǎn)移空間格局及其責(zé)任分擔(dān)[J]. 農(nóng)業(yè)工程學(xué)報，2022，38(16)：1-10.doi：10.11975/j.issn.1002-6819.2022.16.001 http://www.tcsae.org

Yang Qinglin, Zhao Rongqin, Luo Huili, et al. Spatial pattern and responsibility sharing of carbon transfer in China's inter-provincial grain trade[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(16): 1-10. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.16.001 http://www.tcsae.org

2022-06-25

2022-08-07

國家自然科學(xué)基金項目（41971241）；河南省高?？萍紕?chuàng)新人才（人文社科類）項目（2021-CX-011）；河南省留學(xué)人員科研擇優(yōu)資助項目

楊青林，研究方向為土地利用與碳排放。Email：yangedu@foxmail.com

趙榮欽，博士，教授，博士生導(dǎo)師，研究方向為資源環(huán)境與碳排放。Email：zhaorq234@163.com