馮譽(yù)萱，薛選登

（河南科技大學(xué) 商學(xué)院，河南 洛陽 471000）

水土資源是農(nóng)業(yè)生產(chǎn)及其可持續(xù)發(fā)展的基礎(chǔ)。黃河流域是我國傳統(tǒng)的農(nóng)耕區(qū)和重要的農(nóng)業(yè)生產(chǎn)基地，隨著對水土的高強(qiáng)度開發(fā)利用（黃河流域土地開發(fā)強(qiáng)度為8.53%，高于7.02%的全國平均土地開發(fā)強(qiáng)度；水資源開發(fā)利用率高達(dá)80%，遠(yuǎn)超40%的生態(tài)警戒線），農(nóng)業(yè)生產(chǎn)過程中的能源消耗和碳排放具有極大的負(fù)外部性，影響生態(tài)環(huán)境和資源合理利用［1］。

關(guān)于農(nóng)業(yè)碳排放的研究可以分為3 類：1）農(nóng)業(yè)碳排放核算及分析，核算方法有碳排放系數(shù)法、模型模擬法和實(shí)地測算法等［2－3］，研究角度有投入產(chǎn)出、生產(chǎn)過程、碳匯、全生命周期等［4－7］，研究范圍有全國、省域或縣域等；2）碳減排驅(qū)動(dòng)機(jī)理，研究方法有STIRPAT 模型、GWR 模型和LMDI 模型等［8－9］，考慮的影響因素有農(nóng)業(yè)產(chǎn)業(yè)集聚、環(huán)境規(guī)制等［10－11］；3）碳減排路徑、邊際成本及趨勢預(yù)測等，研究視角有宏觀和微觀，研究方法有STIRPAT 模型、灰色預(yù)測模型等［12－16］。鑒于目前學(xué)術(shù)界極少從水土資源匹配視角對農(nóng)業(yè)碳排放進(jìn)行分析且對黃河流域農(nóng)業(yè)碳排放的研究相對較少，本文在考慮水土匹配因素的基礎(chǔ)上，采用碳排放系數(shù)法對2010—2020 年黃河流域九?。▍^(qū)）農(nóng)業(yè)碳排放量進(jìn)行測算，采用Kaya 恒等式和LMDI 分解模型對黃河流域農(nóng)業(yè)碳排放變化量各影響因素的貢獻(xiàn)進(jìn)行分解，以期為黃河流域農(nóng)業(yè)綠色低碳發(fā)展和高質(zhì)量發(fā)展提供參考。

1 研究方法

1.1 水土匹配度

水土匹配度用于衡量區(qū)域農(nóng)業(yè)生產(chǎn)所需水資源和土地資源的匹配程度。水土匹配度越高，表明區(qū)域水資源與耕地資源分布的一致性越高［17］。本研究以黃河流域各省（區(qū)）為樣本單元計(jì)算農(nóng)業(yè)水土匹配度和農(nóng)業(yè)碳排放量，其中農(nóng)業(yè)水土匹配度計(jì)算公式為

式中：R為農(nóng)業(yè)水土匹配度，W為水資源總量，a為農(nóng)業(yè)用水量占用水總量的比例，L為耕地面積。

1.2 碳排放量測算

參考蔣金荷［18］的研究，選取農(nóng)業(yè)生產(chǎn)活動(dòng)中使用的6 類能源（原煤、汽油、煤油、柴油、燃料油、天然氣）進(jìn)行碳排放量測算，公式如下：

式中：C為農(nóng)業(yè)碳排放總量，Ei為農(nóng)業(yè)生產(chǎn)消耗的第i類能源數(shù)量，ti、ki分別為第i類能源折算標(biāo)準(zhǔn)煤系數(shù)、碳排放系數(shù)（取值見表1）。

表1 各類能源折算標(biāo)準(zhǔn)煤系數(shù)及碳排放系數(shù)

1.3 考慮水土匹配因素的碳減排量分解

參考Han 等［19］、魏瑋等［20］的研究，運(yùn)用Kaya 恒等式和LMDI 分解模型對農(nóng)業(yè)碳排放總量進(jìn)行分解。為此，構(gòu)建Kaya 恒等式如下：

式中：G為農(nóng)業(yè)增加值，WA為農(nóng)業(yè)用水量，P為人口數(shù)量。

令c＝C／G（稱為農(nóng)業(yè)碳排放強(qiáng)度），g＝G／WA（稱為農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出），w＝WA／L（稱為單位耕地面積用水量，即農(nóng)業(yè)水土匹配度），l＝L／P（稱為人均耕地面積），則農(nóng)業(yè)碳排放總量可用5 個(gè)因素的乘積來表示，即把式（3）變?yōu)?/p>

采用LMDI 分解模型的加法分解形式計(jì)算各影響因素對農(nóng)業(yè)碳排放變化量的貢獻(xiàn)，公式如下：

式中：ΔC為從基期到T期末的農(nóng)業(yè)碳排放變化量，C0、CT分別為基期農(nóng)業(yè)碳排放量、第T期末農(nóng)業(yè)碳排放量，ΔCc為農(nóng)業(yè)碳排放強(qiáng)度對農(nóng)業(yè)碳排放變化量的貢獻(xiàn)，c0、cT分別為基期農(nóng)業(yè)碳排放強(qiáng)度、第T期末農(nóng)業(yè)碳排放強(qiáng)度，ΔCg為農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出對農(nóng)業(yè)碳排放變化量的貢獻(xiàn)，g0、gT分別為基期農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出、第T期末農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出，ΔCw為單位耕地面積用水量對農(nóng)業(yè)碳排放變化量的貢獻(xiàn)，w0、wT分別為基期單位耕地面積用水量、第T期末單位耕地面積用水量，ΔCl為人均耕地面積對農(nóng)業(yè)碳排放變化量的貢獻(xiàn)，l0、lT分別為基期人均耕地面積、第T期末人均耕地面積，ΔCP為人口數(shù)量對農(nóng)業(yè)碳排放變化量的貢獻(xiàn)，P0、PT分別為基期人口數(shù)量、第T期末人口數(shù)量，ΔCrsd為各因素分解后的殘余項(xiàng)（本研究取ΔCrsd＝0）。

1.4 數(shù)據(jù)來源

本文以2010—2020 年為研究期，研究所用數(shù)據(jù)包括逐年水資源總量、用水總量、農(nóng)業(yè)用水量、耕地面積、農(nóng)業(yè)增加值、人口數(shù)量、各類能源消耗量及其折算標(biāo)準(zhǔn)煤系數(shù)等，數(shù)據(jù)來源于歷年《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》等。

2 測算結(jié)果與分析

2.1 水土資源匹配情況

2010—2020 年水土匹配度計(jì)算結(jié)果見表2，其中全流域水土匹配度為各?。▍^(qū)）水土匹配度的算術(shù)平均值。從各?。▍^(qū)）看，?。▍^(qū)）間農(nóng)業(yè)水土匹配度差異明顯，青海和四川兩省農(nóng)業(yè)水土匹配度明顯較其他省（區(qū)）的高，寧夏農(nóng)業(yè)水土匹配度明顯較其他省（區(qū)）的低。農(nóng)業(yè)水土匹配度最高的是青海，其多年平均值至少高于其他?。▍^(qū)）1 個(gè)數(shù)量級、是寧夏多年平均值的141.4 倍。各省（區(qū)）農(nóng)業(yè)水土匹配度存在明顯差異表明，黃河流域水資源的分布與農(nóng)業(yè)土地資源分布存在空間差異。青海雖然擁有豐富的水資源和廣闊的土地資源，但農(nóng)業(yè)土地資源利用不充分，導(dǎo)致其農(nóng)業(yè)水土匹配度明顯偏高；寧夏農(nóng)業(yè)土地資源利用相對比較充分，但因地處內(nèi)陸嚴(yán)重干旱區(qū)而水資源量較少，導(dǎo)致其農(nóng)業(yè)水土匹配度明顯偏低。

表2 2010—2020 年農(nóng)業(yè)水土匹配度計(jì)算結(jié)果 萬m3／km2

從全流域整體上看，2010—2020 年農(nóng)業(yè)水土匹配度呈波動(dòng)上升趨勢，年際差異較大，2015—2016 年明顯偏低、2018—2020 年相對較高，最大值（2020 年1.94）是最小值（2016 年0.72）的2.7 倍。由于農(nóng)業(yè)土地資源時(shí)空分布相對穩(wěn)定而水資源時(shí)空分布變化較大，因此黃河流域農(nóng)業(yè)水土匹配度時(shí)空差異明顯的主要原因是水資源時(shí)空分布不均。

2.2 農(nóng)業(yè)碳排放量變化情況

2010—2020 年黃河流域農(nóng)業(yè)碳排放量計(jì)算結(jié)果見表3。

表3 2010—2020 年黃河流域農(nóng)業(yè)碳排放量計(jì)算結(jié)果 萬t

從各?。▍^(qū)）看，2010—2020 年內(nèi)蒙古、山東、河南三?。▍^(qū)）農(nóng)業(yè)碳排放量較大，分別約占全流域的24.3%、18.2%、17.1%（三者合計(jì)約占全流域的59.6%）；農(nóng)業(yè)碳排放量最小的是寧夏，約占全流域的0.9%。從全流域整體上看，黃河流域農(nóng)業(yè)碳排放量在2017 年以前呈增大趨勢（2017 年達(dá)到最大值1 081.10萬t），2018—2020 年大幅度下降（2020 年下降到715.12萬t），原因是2017 年召開的黨的十九大提出“綠水青山就是金山銀山”的可持續(xù)發(fā)展理念后，各?。▍^(qū)）低碳意識增強(qiáng)、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整，使之后農(nóng)業(yè)碳排放量大幅度下降。

2.3 農(nóng)業(yè)碳排放影響因素

2.3.1 全流域整體農(nóng)業(yè)碳排放影響因素

黃河流域農(nóng)業(yè)碳排放變化量各影響因素的貢獻(xiàn)分解計(jì)算結(jié)果見表4。

1）農(nóng)業(yè)碳排放驅(qū)動(dòng)因素。在黃河流域農(nóng)業(yè)碳排放的5 個(gè)影響因素中，農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出、人口數(shù)量對農(nóng)業(yè)碳排放變化量的貢獻(xiàn)（ΔCg、ΔCP）絕大多數(shù)年份為正值，即這2 個(gè)因素是黃河流域農(nóng)業(yè)碳排放的驅(qū)動(dòng)因素，其中農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出是主要驅(qū)動(dòng)因素。水資源經(jīng)濟(jì)產(chǎn)出增加使農(nóng)作物種植面積擴(kuò)大、水資源和能源投入增加，進(jìn)而導(dǎo)致農(nóng)業(yè)碳排放量增加；人口數(shù)量的增加使用水量和能源消耗增加，進(jìn)而導(dǎo)致農(nóng)業(yè)碳排放量增加。

2）農(nóng)業(yè)碳排放抑制因素。在黃河流域農(nóng)業(yè)碳排放的5 個(gè)影響因素中，農(nóng)業(yè)碳排放強(qiáng)度、單位耕地面積用水量、人均耕地面積對農(nóng)業(yè)碳排放變化量的貢獻(xiàn)（ΔCc、ΔCw、ΔCl）呈正負(fù)不定的波動(dòng)狀態(tài)。從研究時(shí)段（2010—2020 年）整體來看，這3 個(gè)因素的貢獻(xiàn)均為負(fù)值，即這3 個(gè)因素是黃河流域農(nóng)業(yè)碳排放的抑制因素，其中農(nóng)業(yè)碳排放強(qiáng)度是主要抑制因素。農(nóng)業(yè)碳排放強(qiáng)度隨著經(jīng)濟(jì)的增長而下降，在經(jīng)濟(jì)增長速度明顯快于農(nóng)業(yè)碳排放增長速度時(shí)，農(nóng)業(yè)碳排放強(qiáng)度對農(nóng)業(yè)碳排放具有抑制作用，經(jīng)濟(jì)發(fā)展和農(nóng)業(yè)生產(chǎn)技術(shù)革新使單位耕地面積農(nóng)業(yè)用水量降低，從而降低水資源開發(fā)利用的能源消耗，也會對農(nóng)業(yè)碳排放起抑制作用；在干旱缺水的旱作農(nóng)業(yè)區(qū)，適當(dāng)增加單位耕地面積農(nóng)業(yè)用水量，可明顯提高農(nóng)作物產(chǎn)量、間接促進(jìn)農(nóng)業(yè)生產(chǎn)中的能源消耗，進(jìn)而對農(nóng)業(yè)碳排放起抑制作用；人均耕地面積下降時(shí)，農(nóng)業(yè)生產(chǎn)對能源的消耗減少，因而對農(nóng)業(yè)碳排放起抑制作用。

2.3.2 各?。▍^(qū)）農(nóng)業(yè)碳排放影響因素

研究時(shí)段（2010—2020 年）黃河流域各?。▍^(qū)）農(nóng)業(yè)碳排放各影響因素對碳排放變化量的貢獻(xiàn)見表5。

表5 2010—2020 年各?。▍^(qū)）農(nóng)業(yè)碳排放變化量各影響因素的貢獻(xiàn) 萬t

由表5 可知：各?。▍^(qū)）農(nóng)業(yè)碳排放強(qiáng)度對農(nóng)業(yè)碳排放變化量的貢獻(xiàn)（ΔCc）均為負(fù)值，即對農(nóng)業(yè)碳排放起抑制作用，但是各?。▍^(qū)）農(nóng)業(yè)碳排放強(qiáng)度的抑制作用差異較大，其中內(nèi)蒙古、山東、山西、四川四?。▍^(qū)）農(nóng)業(yè)碳排放強(qiáng)度對農(nóng)業(yè)碳排放的抑制作用相對較大，而青海、寧夏兩?。▍^(qū)）農(nóng)業(yè)碳排放強(qiáng)度對農(nóng)業(yè)碳排放的抑制作用相對較??；各?。▍^(qū)）農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出對農(nóng)業(yè)碳排放變化量的貢獻(xiàn)（ΔCg）均為正值，即對農(nóng)業(yè)碳排放有驅(qū)動(dòng)作用，但各?。▍^(qū)）農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出對農(nóng)業(yè)碳排放的驅(qū)動(dòng)作用差異較大，其中內(nèi)蒙古、山東、河南、四川四省（區(qū)）的較大，寧夏、青海兩?。▍^(qū)）的較小；各?。▍^(qū)）單位耕地面積用水量、人均耕地面積、人口數(shù)量對農(nóng)業(yè)碳排放變化量的貢獻(xiàn)（ΔCw、ΔCl、ΔCP）正負(fù)不盡一致且絕對值差別較大，表明這3 個(gè)因素在各?。▍^(qū)）的表現(xiàn)存在差異，各省（區(qū)）農(nóng)業(yè)碳排放的驅(qū)動(dòng)因素和抑制因素有所不同。

綜合分析各因素在不同?。▍^(qū)）的表現(xiàn)，對各?。▍^(qū)）農(nóng)業(yè)碳排放的主要驅(qū)動(dòng)因素與主要抑制因素進(jìn)行了歸納，見表6。

表6 各?。▍^(qū)）農(nóng)業(yè)碳排放主要驅(qū)動(dòng)因素和抑制因素

2.4 水土資源匹配與農(nóng)業(yè)碳排放的關(guān)系

由表4 和表5 可知，農(nóng)業(yè)水土匹配度（即單位耕地面積用水量）對黃河流域農(nóng)業(yè)碳排放變化量的貢獻(xiàn)呈正負(fù)不定的波動(dòng)狀態(tài)，即在不同時(shí)段、不同省份對農(nóng)業(yè)碳排放的影響有不同的表現(xiàn)，如在甘肅、寧夏、內(nèi)蒙古、山西四?。▍^(qū)）對農(nóng)業(yè)碳排放起驅(qū)動(dòng)作用，而在青海、四川、陜西、河南、山東五省對農(nóng)業(yè)碳排放有抑制作用。與水土匹配狀況關(guān)系密切的農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出在多數(shù)年份對流域整體農(nóng)業(yè)碳排放是驅(qū)動(dòng)因素，也是多數(shù)?。▍^(qū)）農(nóng)業(yè)碳排放的主要驅(qū)動(dòng)因素；而農(nóng)業(yè)水土匹配度對農(nóng)業(yè)碳排放的影響在黃河流域上游省份（青海、四川）和下游省份（河南、山東）截然相反。農(nóng)業(yè)水土匹配度對農(nóng)業(yè)碳排放影響的波動(dòng)原因、農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出對農(nóng)業(yè)碳排放的驅(qū)動(dòng)機(jī)理等，有待進(jìn)一步研究。

3 結(jié)論及建議

3.1 結(jié)論

1）2010—2020 年黃河流域農(nóng)業(yè)水土匹配度呈波動(dòng)上升趨勢，其時(shí)空差異（不同年份間差異、不同省份間差異）較大，即水土資源匹配狀況不均衡，主要原因是水資源時(shí)空分布不均。

2）黃河流域農(nóng)業(yè)碳排放量在2010—2017 年呈增大趨勢，2018—2020 年大幅度下降，各?。▍^(qū)）農(nóng)業(yè)碳排放量差異較大，其中內(nèi)蒙古、山東、河南三省（區(qū)）農(nóng)業(yè)碳排放量之和約占全流域的59.6%。

3）從流域整體來看，農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出是農(nóng)業(yè)碳排放的主要驅(qū)動(dòng)因素，農(nóng)業(yè)碳排放強(qiáng)度是農(nóng)業(yè)碳排放的主要抑制因素；各?。▍^(qū)）農(nóng)業(yè)碳排放的主要驅(qū)動(dòng)因素和主要抑制因素有所不同，農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出是多數(shù)省份農(nóng)業(yè)碳排放的主要驅(qū)動(dòng)因素，農(nóng)業(yè)碳排放強(qiáng)度是多數(shù)省份農(nóng)業(yè)碳排放的主要抑制因素。

4）水土資源利用與農(nóng)業(yè)碳排放密切相關(guān)，農(nóng)業(yè)水土匹配度和農(nóng)業(yè)水資源經(jīng)濟(jì)產(chǎn)出在不同年份、不同省份對農(nóng)業(yè)碳排放的影響呈正負(fù)不定的波動(dòng)，其原因有待進(jìn)一步研究。

3.2 建議

1）積極改善農(nóng)業(yè)水土匹配狀況，縮小農(nóng)業(yè)水土匹配度時(shí)空差異。鑒于農(nóng)業(yè)土地資源的分布相對穩(wěn)定而水資源時(shí)空分布不均，應(yīng)盡快實(shí)施南水北調(diào)西線工程以解決黃河流域水資源嚴(yán)重短缺造成的水土匹配度空間不均衡問題，建設(shè)水資源調(diào)蓄工程（豐水年份蓄水供枯水年份使用）以解決水土匹配度時(shí)間不均衡問題，同時(shí)努力提高水資源利用效率、水土資源承載水平，促進(jìn)流域水土資源利用的均衡發(fā)展，為低碳農(nóng)業(yè)發(fā)展提供更好的條件。

2）大力開展低碳技術(shù)研發(fā)，促進(jìn)農(nóng)業(yè)生產(chǎn)低碳轉(zhuǎn)型。目前，黃河流域部分省（區(qū)）灌溉技術(shù)落后、水利設(shè)施破舊等，間接使農(nóng)業(yè)生產(chǎn)碳排放量增加，因此應(yīng)大力開展低碳技術(shù)開發(fā)，根據(jù)黃河流域各?。▍^(qū)）實(shí)際情況和農(nóng)業(yè)生產(chǎn)需求（農(nóng)戶需求），有針對性地研發(fā)農(nóng)業(yè)低碳技術(shù)，進(jìn)而實(shí)現(xiàn)農(nóng)業(yè)綠色發(fā)展。

3）深化水土匹配與農(nóng)業(yè)碳排放關(guān)系的研究，重點(diǎn)關(guān)注農(nóng)業(yè)碳排放驅(qū)動(dòng)因素，有針對性地實(shí)施農(nóng)業(yè)碳減排措施。