李 娜 石 晶

(塔里木大學(xué)經(jīng)濟與管理學(xué)院,新疆 阿拉爾 843300)

由溫室氣體排放量逐漸增多引起的全球氣候變暖現(xiàn)象,已經(jīng)成為普遍關(guān)注的全球性環(huán)境問題。2021年7月,中國在參加二十國集團能源氣候部長峰會時表示,控制CH4排放是未來中國實現(xiàn)“雙碳”目標(biāo)的重點。對畜牧業(yè)來說,“雙碳”目標(biāo)將成為推動畜牧業(yè)高質(zhì)量發(fā)展的內(nèi)在要求。據(jù)聯(lián)合國糧食及農(nóng)業(yè)組織估算,畜牧業(yè)溫室氣體排放量約占全球總排放量的18%。為解決畜禽糞便和污水資源化利用和畜牧業(yè)面源污染等難題,我國自2005年起持續(xù)提出養(yǎng)殖小區(qū)要建設(shè)畜禽糞便和污水無害化處理設(shè)施,加快推進(jìn)畜禽養(yǎng)殖規(guī)?；?、集約化和標(biāo)準(zhǔn)化發(fā)展,現(xiàn)階段我國畜牧業(yè)發(fā)展正加速進(jìn)入減污、降碳、協(xié)同、增效的高質(zhì)量發(fā)展階段。為此,從生態(tài)視角審視畜牧業(yè),準(zhǔn)確把握畜牧業(yè)碳排放的現(xiàn)狀及特點,對畜牧業(yè)綠色低碳發(fā)展具有重要意義。

目前學(xué)者們圍繞畜牧業(yè)碳排放已經(jīng)展開了廣泛的探討。一些國外學(xué)者采用生命周期法測度畜牧業(yè)碳排放,得出腸道CH4排放量在總排放量中的占比超過50%[1-3]。國內(nèi)學(xué)者也采用生命周期法對畜牧業(yè)碳排放進(jìn)行測算,研究結(jié)果同樣顯示動物腸道發(fā)酵氣體排放量在總排放量中占據(jù)主要地位[4-8]。郭嬌等[9]2106依據(jù)聯(lián)合國政府間氣候變化專門委員會(IPCC)系數(shù)法對中國畜牧業(yè)溫室氣體排放進(jìn)行評估,結(jié)果表明新疆和西藏地區(qū)是CH4減排的重點區(qū)域。關(guān)于畜牧業(yè)碳排放的時空演化研究,吳強等[10]發(fā)現(xiàn)全國畜牧業(yè)碳排放的空間關(guān)聯(lián)性不斷增強,呈現(xiàn)明顯的局部集聚特征。張金鑫等[11]得出畜牧業(yè)碳排放總體差異呈波動性小幅增長,區(qū)域內(nèi)差異成為總體差異的主要來源。姚成勝等[12]分析得出，中國畜牧業(yè)碳排放增長的核心區(qū)由草原牧區(qū)向農(nóng)耕牧區(qū)演變。

從研究方法來看,國內(nèi)測算畜牧業(yè)碳排放采用的溫室氣體排放因子主要參考IPCC標(biāo)準(zhǔn),IPCC標(biāo)準(zhǔn)與根據(jù)中國實際情況制定的《省級溫室氣體清單編制指南》(以下簡稱《指南》)存在較大差異,易產(chǎn)生測算誤差。從研究區(qū)域來看,已有研究多聚焦于省級層面,較少將研究視角下沉至市域尺度。鑒于此,本研究從地級行政區(qū)視角出發(fā),依據(jù)《指南》提供的系數(shù),兼顧牲畜種類和溫室氣體產(chǎn)生途徑兩個方面,對2000—2020年新疆畜牧業(yè)碳排放進(jìn)行測算,分析新疆14個地級行政區(qū)畜牧業(yè)碳排放動態(tài)演變情況,以期準(zhǔn)確把握新疆區(qū)域間畜牧業(yè)減排降碳的節(jié)奏和力度,為各級政府科學(xué)制定畜牧業(yè)碳減排政策和實現(xiàn)新疆畜牧業(yè)低碳化發(fā)展提供有力借鑒。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1 畜牧業(yè)碳排放測算方法

畜牧業(yè)中主要的碳排放源為養(yǎng)殖動物腸道發(fā)酵和糞便管理過程中產(chǎn)生的CH4,以及糞便還田中排放的N2O等[13]794。從畜禽種類來看,反芻動物(如牛、羊)是中國畜牧業(yè)溫室氣體的主要來源,排放比例高達(dá)72.44%,豬和家禽所占比例分別為19.22%和6.81%[9]2106。結(jié)合新疆畜牧業(yè)養(yǎng)殖實際,選擇牛、羊等反芻動物以及豬、馬、驢等非反芻動物作為碳源,并參考王歡等[13]795對畜禽養(yǎng)殖碳排放的計算方法,依據(jù)《指南》中的碳排放系數(shù),測算新疆各地級行政區(qū)畜牧業(yè)碳排放量。計算公式見式(1)：

C=CCH4+CN2O=∑Ni·αi+∑Ni·βi

(1)

式中：C為畜牧業(yè)碳排放總量;CCH4、CN2O分別為CH4、N2O產(chǎn)生的碳排放量;Ni為第i種牲畜的飼養(yǎng)量;αi和βi分別為第i種牲畜的CH4和N2O碳排放系數(shù)(取值見表1);各參數(shù)單位均根據(jù)實際情況而定。為便于分析,根據(jù)增熱效應(yīng),將CH4和N2O統(tǒng)一轉(zhuǎn)化為CO2當(dāng)量,即1 t CH4相當(dāng)于25 t CO2,1 t N2O相當(dāng)于298 t CO2。

表1 主要牲畜品種的碳排放系數(shù)Table 1 Carbon emission coefficients of major livestock breeds kg/(頭·a)

1.1.2 非參數(shù)核密度估計方法

非參數(shù)核密度估計是一種不需要進(jìn)行任何參數(shù)模型假設(shè),通過數(shù)據(jù)本身就可研究數(shù)據(jù)分布特點以估計概率密度函數(shù)的非參數(shù)方法。本研究據(jù)此揭示新疆各區(qū)域畜牧業(yè)碳排放量分布的位置、形態(tài)、峰值以及延展性等,估計出畜牧業(yè)碳排放整體形態(tài),進(jìn)而說明新疆各區(qū)域畜牧業(yè)碳排放量的時序演變趨勢。

1.1.3 空間相關(guān)性分析方法

本研究中,采用全局莫蘭指數(shù)和局部莫蘭指數(shù)進(jìn)行空間相關(guān)性分析,以反映新疆畜牧業(yè)碳排放的空間關(guān)聯(lián)程度和局部區(qū)域在空間上的集聚情況。莫蘭指數(shù)取值介于-1～1：莫蘭指數(shù)>0表示在空間上呈正相關(guān)關(guān)系;莫蘭指數(shù)<0表示在空間上呈負(fù)相關(guān)關(guān)系;莫蘭指數(shù)絕對值越接近于0表明相關(guān)性越弱。

1.2 數(shù)據(jù)來源

測算2000—2020年新疆各地級行政區(qū)畜牧業(yè)碳排放所需數(shù)據(jù)均來自相應(yīng)年份的新疆統(tǒng)計年鑒、中國農(nóng)村統(tǒng)計年鑒和中國畜牧業(yè)年鑒。

2 結(jié)果與分析

2.1 新疆畜牧業(yè)碳排放的時序動態(tài)演變

新疆14個地級行政區(qū)畜牧業(yè)碳排放總量見圖1。整體來看,牲畜腸道發(fā)酵、糞便管理產(chǎn)生的碳排放量與新疆畜牧業(yè)碳排放總量變動趨勢基本一致,均呈波動上升趨勢。新疆畜牧業(yè)碳排放總量從2000年的3 089.30萬t增加到2020年的3 407.52萬t,2016年達(dá)到峰值4 440.00萬t。腸道發(fā)酵是畜牧業(yè)碳排放的主要源頭。2000—2016年新疆畜牧業(yè)碳排放總量以年均2.57%的速度波動增長,2016—2018年以年均2.35%的速度下降,而2018—2020年又以年均0.44%的速度增長。其原因在于,進(jìn)入21世紀(jì)以后,肉蛋奶需求逐漸增加,養(yǎng)殖規(guī)模不斷擴大,導(dǎo)致畜牧業(yè)碳排放總量上升;與此同時,國家持續(xù)加大碳減排力度,新疆也相繼出臺有關(guān)加強畜牧業(yè)碳減排的政策文件,這一系列舉措有效促進(jìn)了新疆畜牧業(yè)碳排放總量的控制[14]。

圖1 2000—2020年新疆畜牧業(yè)碳排放總量Fig.1 Total carbon emission of Xinjiang animal husbandry from 2000 to 2020

采用非參數(shù)核密度估計方法繪制出2000、2005、2010、2015和2020年新疆畜牧業(yè)碳排放總量核密度曲線,結(jié)果見圖2。2000—2020年,核密度曲線中心向右遷移,與2000年相比,2020年的峰值略有下降且變化區(qū)間縮小,表明各地級行政區(qū)畜牧業(yè)碳排放由集聚向分散演化。與2000年相比,2005年核密度曲線形態(tài)變化較大,曲線中心向右遷移且峰值明顯下降,曲線寬度大幅拓展。由此表明,2000—2005年新疆畜牧業(yè)碳排放總量大幅增加且地區(qū)間的差異明顯,該階段各地區(qū)畜牧業(yè)碳排放由集聚向分散演化。與2005年相比,2010年核密度曲線中心略向左移,峰值上升且曲線寬度略有縮小,曲線整體形態(tài)變化不大。由此揭示,2005—2010年新疆畜牧業(yè)碳排放總量略有減少,新疆各地區(qū)畜牧業(yè)碳排放的分布特征由分散向集聚演化。與2010年相比,2015年核密度曲線中心向右遷移,峰值下降且變化區(qū)間擴大?？梢?2010—2015年新疆畜牧業(yè)碳排放總量增加,且各地區(qū)差距擴大,呈現(xiàn)出由集聚向分散演化的態(tài)勢。與2015年相比,2020年的核密度曲線中心左移,曲線峰值變高,其變化區(qū)間明顯縮小。這表明2015—2020年新疆畜牧業(yè)碳排放總量減少,各地區(qū)之間的差距大幅縮小,呈現(xiàn)出由分散向集聚演化的態(tài)勢。總體而言,新疆各地級行政區(qū)經(jīng)濟發(fā)展水平及畜牧業(yè)發(fā)展戰(zhàn)略存在差異,牲畜品種和飼養(yǎng)規(guī)模不同,進(jìn)而影響新疆畜牧業(yè)的結(jié)構(gòu)調(diào)整與畜牧業(yè)低碳化發(fā)展的推進(jìn),一定程度上會導(dǎo)致畜牧業(yè)碳排放的區(qū)域差距。

圖2 新疆畜牧業(yè)碳排放核密度分析結(jié)果Fig.2 Results of kernel density analysis of animal husbandry carbon emission in Xinjiang

2.2 新疆畜牧業(yè)碳排放的空間動態(tài)演變

2000—2020年新疆14個地級行政區(qū)畜牧業(yè)碳排放的全局莫蘭指數(shù)計算結(jié)果見表2。研究期內(nèi)新疆畜牧業(yè)碳排放的全局莫蘭指數(shù)>0,且多數(shù)年份通過在10%的顯著性水平下檢驗,說明新疆畜牧業(yè)碳排放在各區(qū)域之間存在著一定關(guān)聯(lián)特征,且2018年的全局莫蘭指數(shù)大幅增加。隨著經(jīng)濟發(fā)展和科技進(jìn)步,各地級行政區(qū)聯(lián)系逐漸加強,相互之間的影響力也越來越凸顯,集聚程度逐漸提高。

表2 2000—2020年鄰接空間權(quán)重矩陣下全局莫蘭指數(shù)Table 2 Global Moran’s I under the weight matrix of adjacency space from 2000 to 2020

為刻畫新疆畜牧業(yè)碳排放空間集聚的具體演變情況,需對其局部空間自相關(guān)進(jìn)行檢驗,因此本研究繪制了2010、2020年新疆畜牧業(yè)碳排放散點圖及碳排放空間分布圖(分別見圖3和圖4)。從2010年到2020年,位于第一象限和第二象限的地級行政區(qū)數(shù)量相同,即形成“高-高”集聚和“低-高”集聚態(tài)勢的地級行政區(qū)在數(shù)量上是一致的;位于第三象限的地級行政區(qū)由4個演變?yōu)?個,可以看出2010—2020年形成“低-低”集聚的地級行政區(qū)數(shù)量增多;位于第四象限形成“高-低”集聚態(tài)勢的地級行政區(qū)數(shù)量由2個演變?yōu)?個且地級行政區(qū)變動。從空間分布來看,伊犁畜牧業(yè)碳排放由2010年的882.38萬t下降到2020年的413.85萬t,在各地級行政區(qū)中減排效果最為突出。研究期內(nèi)畜牧業(yè)碳排放上升的地級行政區(qū)主要集中在阿克蘇、博州、克州和哈密,其中阿克蘇畜牧業(yè)碳排放量較2010年增加了約128.85萬t,漲幅最為明顯,因此在控制碳減排問題上要特別關(guān)注。

注：圖中橫線和豎線為4個象限的分割線;斜線的斜率即為莫蘭全局指數(shù)。圖3 新疆畜牧業(yè)碳排放莫蘭散點圖Fig.3 Moran scatter plot of animal husbandry carbon emissions in Xinjiang

3 結(jié)論與建議

3.1 結(jié) 論

(1) 從時間維度看,2000—2020年新疆畜牧業(yè)碳排放整體波動上升,2016年達(dá)到峰值(4 440.00萬t)。從碳排放產(chǎn)生的途徑來看,腸道發(fā)酵是畜牧業(yè)碳排放的主要源頭之一。從時序動態(tài)變化看,研究期內(nèi)核密度曲線中心向右遷移,與2000年相比2020年的峰值略有下降且變化區(qū)間縮小,表明新疆各地區(qū)畜牧業(yè)碳排放由集聚向分散演化。

(2) 從空間相關(guān)性看,新疆各地級行政區(qū)畜牧業(yè)碳排放空間相關(guān)性不斷加強,“低-低”集聚類型增多。

(3) 從空間分布看,研究期內(nèi)伊犁畜牧業(yè)碳排放下降最多,在各地級行政區(qū)中減排效果最為突出。2020年阿克蘇畜牧業(yè)碳排放量較2010年增加了約128.85萬t,漲幅最為明顯。

3.2 建 議

(1) 多措并舉,實現(xiàn)畜牧養(yǎng)殖全過程減排。運用科學(xué)技術(shù)手段,通過改變牲畜瘤胃發(fā)酵、優(yōu)化飼料配比、培育優(yōu)良品種等方法從源頭減少CH4排放。此外,采用種養(yǎng)結(jié)合模式和沼氣池建設(shè)實現(xiàn)畜禽排泄物處理和再利用,提高畜牧業(yè)碳排放效率。將低碳發(fā)展理念持續(xù)注入畜牧養(yǎng)殖過程,形成“源頭控制、過程減排、末端治理”的全流程減碳鏈條。

圖4 新疆畜牧業(yè)碳排放分布Fig.4 The distribution of animal husbandry carbon emissions in Xinjiang

(2) 加強合作,統(tǒng)一協(xié)調(diào)畜牧業(yè)低碳發(fā)展。各地區(qū)間要共享低碳畜牧業(yè)發(fā)展技術(shù),充分發(fā)揮鄰近地區(qū)的輻射帶動作用,通過區(qū)域聯(lián)動實現(xiàn)區(qū)域協(xié)同減排。加快推進(jìn)能源綠色低碳轉(zhuǎn)型,大力發(fā)展風(fēng)能、水能和太陽能等可再生能源,逐步降低各區(qū)域畜牧養(yǎng)殖環(huán)節(jié)的非期望產(chǎn)出。

(3) 立足實際,制定差異化減排政策。建立健全減排降碳長效機制,保障畜牧業(yè)碳排放平穩(wěn)有序減少。針對畜牧業(yè)碳排放大的地區(qū)制定引導(dǎo)政策,如建立低碳畜牧業(yè)示范園區(qū),分區(qū)域逐步實現(xiàn)畜牧業(yè)低碳發(fā)展。因種施策,針對溫室氣體排放潛力較大的反芻動物,可通過適當(dāng)調(diào)整養(yǎng)殖結(jié)構(gòu)來減少排放。