陳夢涵 唐瑩

摘要：基于中國省級面板數(shù)據(jù)，對中國耕地利用碳排放總量進行核算，分析其時空演化特征，運用協(xié)整分析、Granger因果關(guān)系檢驗探究耕地利用碳排放與糧食產(chǎn)量間關(guān)系，運用STIRPAT模型及地理加權(quán)回歸模型（GWR）揭示耕地利用碳排放的驅(qū)動因素。研究發(fā)現(xiàn)：中國耕地利用碳排放總體呈上升趨勢，但自2017年起進入負增長階段，四種碳排放類型所占比重從大到小依次為廢棄物處理碳排放（48.165%）、生產(chǎn)要素投入碳排放（46.924%）、耕地種植碳排放（3.513%）、自然源碳排放（1.416%）；與此同時，空間相關(guān)性檢驗表明中國耕地利用碳排放具有顯著的區(qū)域聚集特征；中國耕地利用碳排放結(jié)構(gòu)上以生產(chǎn)要素投入碳排放和廢棄物碳排放為主，且省際間的耕地利用碳排放類型存在較大差異；中國耕地利用碳排放總量與糧食產(chǎn)量之間存在長期均衡關(guān)系，同時存在著從耕地利用碳排放到糧食產(chǎn)量增長的單向因果關(guān)系；農(nóng)村總?cè)丝跀?shù)、農(nóng)村居民可支配收入、農(nóng)業(yè)機械水平均對耕地利用碳排放均有正向影響，影響系數(shù)分別為0.624、0.163、0.337，且各影響因素的回歸系數(shù)在空間上呈現(xiàn)出明顯的階梯分布。研究結(jié)果表明：中國耕地利用碳排放時空差異特征明顯，且我國農(nóng)業(yè)生產(chǎn)仍存在高投入、高產(chǎn)出、高污染的特點，應(yīng)基于各?。ㄊ校┑膶嶋H情況，因地制宜地實施差異化的降碳政策。

關(guān)鍵詞：耕地利用；碳排放；時空差異；協(xié)整分析；GWR模型

中圖分類號：F301.24

文獻標識碼：A

文章編號：20955553 （2023） 070236

08

Temporal and spatial characteristics and influencing factors of carbon emission

from cultivated land utilization in China

Chen Menghan， Tang Ying

（School of Public Administration， Liaoning University， Shenyang， 110136， China）

Abstract： Based on Chinas provincial panel data， this paper calculates the total carbon emission from cultivated land use in China， analyzes its temporal and spatial evolution characteristics， explores the relationship between carbon emission from cultivated land use and grain yield using co-integration analysis and Granger causality test， and reveals the driving factors of carbon emission from cultivated land use using the STIRPAT model and geographic weighted regression model （GWR）. The study found that Chinas carbon emissions from cultivated land use generally showed an upward trend but entered a negative growth stage in 2017. The proportions of the four types of carbon emissions were waste treatment carbon emissions （48.165%）， production factor input carbon emissions （46.924%）， cultivated land planting carbon emissions （3.513%）， and natural source carbon emissions （1.416%）. At the same time， the spatial correlation test showed that the carbon emission from cultivated land use in China had significant regional aggregation characteristics. The carbon emission structure of cultivated land use in China was dominated by the carbon emission of production factor input and waste， and there were great differences in the types of carbon emission of cultivated land use among provinces. There was a long-term equilibrium relationship between the total carbon emission of cultivated land use and grain yield in China， and there was a one-way causal relationship between the carbon emission of cultivated land use to the growth of grain yield. The total rural population， the disposable income of rural residents， and the level of agricultural machinery all had a positive impact on the carbon emission of cultivated land use， and the influence coefficients are 0.624， 0.163， and 0.337， respectively. The regression coefficients of various influencing factors showed an obvious step distribution in space. The results showed that there were obvious temporal and spatial differences in carbon emissions from cultivated land use in China， and Chinas agricultural production still has the characteristics of high input， high output， and high pollution. Differentiated carbon reduction policies should be implemented according to local conditions based on the actual situation of all provinces （cities）.

Keywords： cultivated land utilization; carbon emissions; temporal and spatial differences; co-integration analysis; GWR model

0 引言

農(nóng)業(yè)生產(chǎn)經(jīng)營活動是人類社會生存發(fā)展的基礎(chǔ)，同時也是溫室氣體排放的重要來源［1］。據(jù)相關(guān)數(shù)據(jù)顯示，中國在農(nóng)業(yè)生產(chǎn)過程中造成的溫室氣體排放量約占全國總量的17%［2］，且農(nóng)業(yè)碳排放量還在以平均每年5%的速度持續(xù)增長［3］。中國特有的高投入、高產(chǎn)出的耕地利用方式讓中國僅用全球7%的耕地養(yǎng)活了全球近20%的人口［4］，但也因此造成了如二氧化碳排放［5］、土壤污染［6］等形式的高污染，使得生態(tài)環(huán)境面臨巨大壓力［7］。耕地作為農(nóng)業(yè)生產(chǎn)的基本資源和條件對農(nóng)業(yè)可持續(xù)健康發(fā)展起著保障性作用［8］，因此，基于耕地利用的視角辨析耕地利用碳排放的時空演化特征及影響因素對促進我國農(nóng)業(yè)減排具有重要意義。

目前，學(xué)者們對“耕地利用碳排放”的研究主要可歸納為以下幾方面：（1）耕地利用碳排放測算方法及總量研究［911］；（2）耕地利用碳排放時空分異規(guī)律研究［12］；（3）耕地利用碳排放影響因素研究［1314］；（4）耕地利用碳排放與經(jīng)濟發(fā)展之間關(guān)系研究［1516］。綜上所述，諸多學(xué)者在耕地利用碳排放問題上取得了一系列卓有成效的研究成果，但也存在以下不足：（1）對耕地利用碳排放的核算，學(xué)術(shù)界尚未形成統(tǒng)一的核算體系，導(dǎo)致各學(xué)者的研究結(jié)果存在差異；（2）研究地域范圍多局限于省域或地級市，而對全國范圍的耕地利用碳排放時空分異規(guī)律研究較少；（3）現(xiàn)有耕地利用碳排放研究多關(guān)注其與經(jīng)濟發(fā)展之間的關(guān)系，而對其與糧食產(chǎn)量之間關(guān)系研究較少；（4）較少關(guān)注各?。ㄊ校┥鐣?jīng)濟影響因素在空間上的差異對耕地利用碳排放影響的異質(zhì)性。

綜合上述研究背景及研究現(xiàn)狀，本文從耕地利用的視角。首先，根據(jù)農(nóng)作物生產(chǎn)的生命周期，從自然源的碳排放、農(nóng)業(yè)生產(chǎn)要素投入產(chǎn)生的碳排放、耕地種植產(chǎn)生的碳排放、廢棄物處理產(chǎn)生的碳排放四個方面核算中國耕地利用碳排放總量，從時空兩個維度探討其演化及分布特征；其次，在此基礎(chǔ)上運用協(xié)整分析和Granger因果關(guān)系檢驗對耕地利用碳排放和糧食產(chǎn)量之間的關(guān)系進行驗證；再次，通過STIRPAT模型和地理加權(quán)回歸模型（GWR）識別耕地利用碳排放的影響因素；最后，根據(jù)相應(yīng)研究結(jié)果提出差異化的調(diào)控策略，以期為促進耕地利用方式向綠色低碳方向轉(zhuǎn)型、實現(xiàn)經(jīng)濟增長與生態(tài)環(huán)境保護協(xié)同發(fā)展提供借鑒。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1 耕地利用碳排放核算體系

本文參考現(xiàn)有研究成果，根據(jù)農(nóng)作物生產(chǎn)的生命周期，從自然源的碳排放、農(nóng)業(yè)生產(chǎn)要素投入產(chǎn)生的碳排放、耕地種植產(chǎn)生的碳排放、廢棄物處理產(chǎn)生的碳排放等四種碳排放形式核算耕地利用碳排放總量。其中，自然源碳排放主要指水稻在其生長過程中所產(chǎn)生的甲烷（CH4）排放；農(nóng)業(yè)生產(chǎn)要素投入碳排放指農(nóng)產(chǎn)品生產(chǎn)過程中所使用的農(nóng)用化學(xué)品及農(nóng)業(yè)機械引起的碳排放；耕地種植碳排放指對耕地進行翻耕、灌溉過程中產(chǎn)生的碳排放；廢棄物處理指農(nóng)作物秸稈燃燒引起的碳排放。

1） 自然源碳排放核算公式如式（1）所示。

E1=qi稻×fi稻

（1）

式中：

E1——水稻種植碳排放；

qi稻——省（市）i的水稻種植面積；

fi稻——?。ㄊ校﹊的碳排放因子。

由于地區(qū)間水稻生長環(huán)境、生產(chǎn)要素投入強度等存在差異，導(dǎo)致地區(qū)間水稻種植碳排放因子不盡相同，因此參考閔繼勝等的研究成果，將?。ㄊ校╅g差異考慮進去，具體排放因子詳見參考文獻［17］。

2）? 生產(chǎn)要素投入碳排放。通過IPCC碳排放系數(shù)法核算耕地生產(chǎn)要素投入產(chǎn)生的碳排放，主要考察化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機械、農(nóng)用柴油四種碳源，核算公式如式（2）所示。

E2=E21+E22+E23+E24

（2）

式中：

E2——

生產(chǎn)要素投入產(chǎn)生的碳排放總量；

E21——化肥引發(fā)的碳排放量；

E22——農(nóng)藥引發(fā)的碳排放量；

E23——農(nóng)膜引發(fā)的碳排放量；

E24——農(nóng)用柴油引發(fā)的碳排放量。

3）? 耕地種植碳排放。耕地種植碳排放主要指耕地在灌溉過程中直接產(chǎn)生的碳排放及耕地在翻耕過程中破壞土壤表層有機碳庫，其釋放到空氣中而形成的碳排放，核算公式如式（3）所示。

E3=E31+E32

（3）

式中：

E3——耕地種植碳排放總量；

E31——翻耕產(chǎn)生的碳排放；

E32——灌溉產(chǎn)生的碳排放。

其中E21、E22、E23、E24、E31、E32的計算如表1所示。

4）? 廢棄物處理碳排放。廢棄物處理碳排放主要指秸稈燃燒過程中產(chǎn)生的碳排放，核算公式如式（4）所示。

E4=∑qi稈×fi稈

（4）

式中：

E4——秸稈燃燒碳排放量；

qi稈——

?。ㄊ校┧?、小麥、玉米、大豆和的產(chǎn)量；

fi稈——

碳排放因子，借鑒劉麗華等［17］研究成果，取水稻、小麥、玉米、大豆的碳排放因子分別為0.18、0.16、0.17、0.15。

1.1.2 空間相關(guān)性檢驗

空間相關(guān)性亦稱為“地理學(xué)第一定律”，即任何事物均存在空間相關(guān)，且距離越近的事物空間相關(guān)性越大。空間計量學(xué)一般利用空間莫蘭指數(shù)來反映空間依賴性，具體包括全局自相關(guān)及局部自相關(guān)，能夠從全局和局部視角分析地理事物的空間相關(guān)性，全局自相關(guān)指標Morans I計算公式如式（5）所示。

Morans I=∑ni=1∑nj=1wij（Yi－Y）（Yj－Y）S2∑ni=1∑nj=1wij

（5）

式中：

Yi——第i個省份的觀測值；

n——截面數(shù)；

wij——

空間權(quán)重矩陣，本文中采用鄰接權(quán)重矩陣進行分析，即若省份i和j屬于鄰接關(guān)系，則wij=1，否則wij=0。

莫蘭指數(shù)的趨勢范圍為［-1，1］，當指數(shù)大于0時表示正相關(guān)，小于0表示負相關(guān)，等于0時表示無相關(guān)。

局部自相關(guān)的計算公式如式（6）所示。

Ii=n（Yi－Y）∑ni=1wij（Yj－Y）

∑ni=1（Yi－Y）2

（6）

式中：

Ii——

省份i的局部自相關(guān)指數(shù)，Ii＞0表示高—高聚集或低—低聚集，Ii＜0低—高或高—低聚集。

1.1.3 協(xié)整分析與Graner因果關(guān)系檢驗法

Granger于20世紀70年代提出了“協(xié)整”的概念，并將兩個變量之間存在的長期穩(wěn)定關(guān)系稱為“協(xié)整關(guān)系”，協(xié)整分析檢驗方法大體包括Engle-Granger（E-G）兩步法和Johansen極大似然法，二者區(qū)別在于Johansen極大似然法采用多元方程技術(shù)，適用于檢驗多變量之間協(xié)整關(guān)系；E-G兩步法采用一元方程技術(shù)，適用于檢驗兩個變量之間協(xié)整關(guān)系?？紤]本文研究的實際情況，選用E-G兩步法檢驗耕地利用碳排放與糧食產(chǎn)量之間的協(xié)整關(guān)系。

Graner因果關(guān)系檢驗法可以對變量之間的因果關(guān)系進行分析，兩變量間格蘭杰因果關(guān)系含義為：若在包含了變量X、Y的過去信息的條件下，對變量Y的預(yù)測效果要優(yōu)于只單獨由Y的過去信息對Y進行的預(yù)測效果，即變量X有助于解釋變量Y的將來變化，則認為變量X是引致變量Y的格蘭杰原因，反之亦然。

1.1.4 耕地利用碳排放影響因素模型構(gòu)建

耕地利用碳排放可視為在農(nóng)業(yè)生產(chǎn)過程中對生態(tài)環(huán)境造成的壓力。為闡釋社會經(jīng)濟因素對生態(tài)環(huán)境產(chǎn)生的影響，Ehrlich提出了“IPAT”模型，用以分析人口數(shù)量（P）、富裕度（A）、技術(shù)（T）等驅(qū)動因素對生態(tài)環(huán)境造成的壓力，后經(jīng)Dietz等［22］將“IPAT”模型加以改進，克服了該模型分析變量數(shù)目有限及自變量對因變量的等比例影響的缺陷，將該模型表示成隨機形式，即STIRPAT模型，具體模型如式（7）所示。

I=aPαAβTγε

（7）

式中：

I——生態(tài)環(huán)境壓力；

a——模型的系數(shù)；

α——人口數(shù)量P的指數(shù)；

β——富裕度A的指數(shù)；

γ——技術(shù)T的指數(shù)；

ε——隨機誤差。

結(jié)合本文研究實際情況且考慮數(shù)據(jù)的可獲取性，選取種植業(yè)人口（種植業(yè)產(chǎn)值/農(nóng)業(yè)總產(chǎn)值×第一產(chǎn)業(yè)人數(shù)）、農(nóng)村居民人均可支配收入、農(nóng)業(yè)機械化水平（農(nóng)業(yè)機械總動力/農(nóng)作物播種面積）等變量作為耕地利用碳排放的影響因素，并考慮多自變量間是否存在多重共線性問題，以防止自變量對因變量的影響結(jié)果失去意義，因此對數(shù)據(jù)進行多重共線性檢驗，具體利用SPSS 25軟件對各影響要素進行多重共線性檢驗，結(jié)果表明，各自變量方差膨脹因子（VIF）均小于7.5，表明各因子間不存在多重共線性問題，證明該研究具有意義，同時為了便于確定回歸分析的參數(shù)并消除不同量綱的影響，對模型兩邊取自然對數(shù)轉(zhuǎn)化為線性回歸模型，具體模型如式（8）所示。

lnI=C+a1lnP1+a2lnP2+a3lnP3+ε

（8）

式中：

lnI——因變量；

I——耕地利用碳排放總量；

P1——種植業(yè)人口；

P2——農(nóng)村居民人均可支配收入；

P3——農(nóng)業(yè)機械化水平；

a1、a2、a3——系數(shù)；

C——常數(shù)項；

ε——隨機誤差。

但是，上述模型如用傳統(tǒng)最小二乘回歸模型（OLS）進行分析，無法闡釋各?。ㄊ校┥鐣?jīng)濟影響因素在空間上的差異對耕地利用碳排放影響的異質(zhì)性，鑒于此本文引入地理加權(quán)回歸模型（Geographically Weighted Regression， GWR），通過對各自變量和因變量空間上的局部回歸分析來揭示各地區(qū)空間上的差異性，具體模型如式（9）所示。

yi=β0（μi，θi）+∑ni=1βj（μi，θi）Xij+εi

（9）

式中：

yi——n×1維解釋變量；

Xij——n×j維解釋變量矩陣；

βj（μi，θi）——

第j個因素在回歸點i的回歸系數(shù)；

（μi，θi）——

第i個樣本點的經(jīng)緯度坐標；

εi——隨機誤差項。

GWR模型通過最小二乘法（OLS）對每個觀測點的參數(shù)進行估計，得到i點回歸參數(shù)β（μi，θ1），如式（10）所示。

β（μi，θi）=（XTWijX－1）XTWijY

（10）

式中：

W——空間權(quán)重矩陣；

Wij——空間權(quán)重。

常用測算權(quán)重的函數(shù)有高斯函數(shù)、距離閾值函數(shù)等，本文采用高斯函數(shù)確定空間權(quán)重，具體公式如式（11）所示。

Wij=exp［－（cij/d）2］

（11）

式中：

cij——

樣本i和j之間的直接距離；

d——

帶寬，采用GWR模型的信息準則值（AIC）最小原則，即當AIC值最小時的帶寬為最佳帶寬［23］。

1.2 數(shù)據(jù)來源

本文數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》、《中國農(nóng)村統(tǒng)計年鑒》及各?。ㄊ校┙y(tǒng)計年鑒，部分數(shù)據(jù)缺失采用插值法補齊。為了便于統(tǒng)計碳排放量的總和，本文將CH4所導(dǎo)致的溫室效應(yīng)統(tǒng)一換算成標準碳所產(chǎn)生的溫室效應(yīng)，具體換算方式為1tCH4=6.82tCO2。

2 結(jié)果與分析

2.1 中國耕地利用碳排放時空特征分析

2000—2022年中國耕地利用碳排放總量和增速的時序變化特征如圖1所示。從圖1可知，中國耕地利用碳排放總體呈先上升、后下降趨勢，且在2017年達到峰值，之后碳排放總量有所下降，其原因可能在于自十八大后農(nóng)業(yè)綠色低碳發(fā)展的理念被有效踐行，農(nóng)業(yè)生產(chǎn)逐步向低碳化轉(zhuǎn)變。

從結(jié)構(gòu)上看，中國耕地利用碳排放主要以農(nóng)業(yè)廢棄物和生產(chǎn)要素投入碳排放為主，分別占年均碳排放總量的48.165%和46.924%；其余依次為自然源碳排放和耕地種植碳排放，其占比分別為3.513%和1.416%，說明我國在農(nóng)業(yè)生產(chǎn)的過程中，廢棄物的有害化處理及農(nóng)業(yè)生產(chǎn)要素的過量投入是造成農(nóng)業(yè)高碳化的主要原因。

從空間上，按照我國東部、中部、西部三大地區(qū)的劃分，東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南11個省份；中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南8個省份；西部地區(qū)包括四川、重慶、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、廣西和內(nèi)蒙古12個省份，三大地區(qū)碳排放總量趨勢如圖2所示。從圖中可知，中國耕地利用碳排放排序呈現(xiàn)中部＞東部＞西部的特征，且由于中國不同地區(qū)自然生產(chǎn)條件、社會經(jīng)濟狀況等存在較大差異，造成耕地利用的集約化水平和農(nóng)業(yè)生產(chǎn)方式存在較大的不同，耕地種植結(jié)構(gòu)、農(nóng)業(yè)生產(chǎn)過程中所投入的各類生產(chǎn)要素等存在較大不同，最終也會導(dǎo)致各省份耕地利用的碳排放類型有所差異。具體來說，各?。ㄊ校┳匀辉刺寂欧排c耕地種植碳排放占比沒有明顯差異，但生產(chǎn)要素投入碳排放與廢棄物處理碳排放占比差異較大。生產(chǎn)要素投入碳排放占比較大的?。ㄊ校┲饕性谀戏絺鹘y(tǒng)農(nóng)業(yè)大省，如江西、湖南、四川等地；廢棄物處理碳排放占比較大的?。ㄊ校┲饕性谒尽⑿←?、玉米、大豆等糧食作物產(chǎn)量較大的北方傳統(tǒng)農(nóng)業(yè)大省，如黑龍江、河南、山東等地。

2.2 中國耕地利用碳排放空間相關(guān)性分析

基于全局莫蘭指數(shù)公式，運用Stata17軟件在鄰近矩陣的基礎(chǔ)上計算了中國2000—2022年耕地利用碳排放全局莫蘭指數(shù)值，如表2所示。從中可以看出，我國耕地利用碳排放的空間相關(guān)性在5%水平下顯著，證明耕地利用碳排放存在空間自相關(guān)，且莫蘭指數(shù)值為正值，證明我國各省域間耕地利用碳排放在空間上存在正向相關(guān)性，即地理相近的省份耕地利用碳排放量具有空間聚集的特性。

上述全局自相關(guān)反映了耕地利用碳排放的整體空間相關(guān)特征，但可能會忽略局部地區(qū)的非典型特征，因此需對耕地利用碳排放的局部空間相關(guān)性進行分析。利用Stata17軟件計算了2000—2022年的局部莫蘭指數(shù)，并生成2000、2022年的局部莫蘭LISA圖，揭示省際間耕地利用碳排放的局部相關(guān)狀況，結(jié)果如圖3所示。

從中可以看出，中國各省份耕地利用碳排放主要分布在“低—低”（L—L）象限及“高—高”（H—H）象限，說明中國大部分省份呈現(xiàn)“高—高”和“低—低”聚集狀態(tài)。

2.3 耕地利用碳排放與糧食產(chǎn)量協(xié)整分析

2.3.1 序列平穩(wěn)性檢驗

利用Eviews11.0軟件的ADF（Augmented Dickey-Fuller）模塊分別對兩時間序列進行平穩(wěn)性檢驗，若ADF檢驗值大于5%檢驗水平下的臨界值則說明該序列包含單位根，詳細結(jié)果如表3所示。

從表3中可知，序列l(wèi)nGrain、lnCarbon的ADF檢驗檢驗t統(tǒng)計量值大于5%檢驗水平下的臨界值，因此可以判定序列l(wèi)nCarbon和lnGrain都包含單位根，是非平穩(wěn)的時間序列；lnCarbon和lnGrain的一階差分序列均小于5%的臨界值，因此其一階差分序列均不包含單位根，證明lnGrain和lnCarbon的一階差分序列是平穩(wěn)的，即序列dlnGrain和序列dlnCarbon都是同階單整數(shù)據(jù)，符合協(xié)整檢驗的前提條件，可以進行協(xié)整關(guān)系分析。

2.3.2 協(xié)整關(guān)系檢驗

本文在確定耕地利用碳排放和糧食產(chǎn)量是同階單整的基礎(chǔ)上，利用“Engle-Granger（E-G）兩步法”對序列dlnGrain、dlnCarbon進行協(xié)整關(guān)系檢驗。運用Eviews11.0軟件對數(shù)據(jù)進行最小二乘回歸估計，最終得出最小二乘回歸方程為：dlnCarbon=4.329+11.832dlnGrain。隨后對殘差序列的平穩(wěn)性進行檢驗。由表3可知，殘差序列的ADF檢驗值為-3.917，小于1%臨界值水平，說明殘差序列在1%的臨界值水平下不存在單位根，回歸方程估計殘差序列具有平穩(wěn)性，證明dlnGrain、dlnCarbon之間存在協(xié)整關(guān)系，即2000—2022年耕地利用碳排放與糧食產(chǎn)量之間存在長期均衡關(guān)系。

2.3.3 因果關(guān)系檢驗

上述分析表明耕地利用碳排放與糧食產(chǎn)量之間存在著長期均衡關(guān)系，但尚未確定二者是否構(gòu)成時間上的因果關(guān)系，為揭示二者之間的因果關(guān)系，本文運用Granger因果關(guān)系檢驗法對序列dlnGrain、dlnCarbon進行因果關(guān)系檢驗，檢驗結(jié)果如表4所示。

從表4中可知，在5%的顯著性水平下，耕地利用碳排放構(gòu)成糧食產(chǎn)量增長的Granger原因較為顯著：糧食產(chǎn)量增長構(gòu)成耕地利用碳排放的Granger原因并不顯著。由此可得，2000—2022年存在著耕地利用碳排放到糧食產(chǎn)量增長的單向Granger因果關(guān)系，即耕地利用碳排放是糧食產(chǎn)量增長的Granger原因，說明我國近年糧食產(chǎn)量的增長在一定程度上是以農(nóng)業(yè)碳排放總量上升為代價的，這一結(jié)論警示我國應(yīng)加快推進綠色低碳農(nóng)業(yè)發(fā)展，在保障糧食產(chǎn)量穩(wěn)步增長的同時，也應(yīng)關(guān)注農(nóng)業(yè)生態(tài)安全，走資源節(jié)約、環(huán)境友好的農(nóng)業(yè)現(xiàn)代化道路。

3 耕地利用碳排放影響因素分析

以各?。ㄊ校└乩锰寂欧帕繛橐蜃兞浚r(nóng)村總?cè)丝跀?shù)、農(nóng)村居民可支配收入、農(nóng)業(yè)機械水平為因變量，首先，運用Arcgis10.2軟件最小二乘回歸模型（OLS）對我國2000—2022年數(shù)據(jù)進行分析，得到結(jié)果為：農(nóng)村總?cè)丝跀?shù)的估計系數(shù)為0.624，農(nóng)村居民人均可支配收入的估計系數(shù)為0.163，農(nóng)業(yè)機械水平的估計系數(shù)為0.337，表明所選三個變量對耕地利用碳排放均存在正相關(guān)關(guān)系，三個變量對耕地利用碳排放的影響程度為：農(nóng)村總?cè)丝跀?shù)＞農(nóng)業(yè)機械化水平＞農(nóng)村居民人均可支配收入；另外，OLS回歸模型的R2為0.852，AICc值為18.157 3，而運用地理加權(quán)回歸模型（GWR）的R2為0.960，AICc值為13.284 4，相比兩模型的R2值可知，GWR模型的擬合優(yōu)度由于OLS模型，同時，GWR模型的AICc值與OLS的AICc值差值大于3，最終證明GWR模型的擬合優(yōu)度優(yōu)于OLS模型。

從農(nóng)村總?cè)丝跀?shù)對耕地利用碳排放的影響來看，全國總體呈現(xiàn)出西低東高且由西向東依次遞增的特征，階梯分布較為明顯，各?。ㄊ校┚唧w對應(yīng)回歸系數(shù)區(qū)間從小到大包括：（0.648，0.670）為新、藏、青；（0.670，0.704）為甘、寧、陜、川、云、貴、桂、瓊；（0.704，0.738）為內(nèi)、晉、冀、京、津、魯、豫、渝、鄂、湘、皖、蘇、滬、浙、閩、贛、粵；（0.738，0.765）為黑、吉、遼。農(nóng)村總?cè)丝跀?shù)在不同?。ㄊ校Ω乩锰寂欧帕康挠绊懗潭炔煌?，其中，東北三省農(nóng)村總?cè)丝趯Ω乩锰寂欧庞绊懽顬轱@著，其農(nóng)村總?cè)丝诿孔儎?%，相應(yīng)的耕地利用碳排放量就增加0.765%。隨著我國農(nóng)村人口不斷向經(jīng)濟發(fā)達地區(qū)聚集，造成我國農(nóng)村人口數(shù)不斷下降、農(nóng)業(yè)勞動力持續(xù)減少，農(nóng)村地區(qū)為維持糧食產(chǎn)量穩(wěn)定，只得通過加大農(nóng)業(yè)生產(chǎn)要素投入，如農(nóng)機、化肥、農(nóng)藥等，造成農(nóng)業(yè)碳排放的持續(xù)上升。東部地區(qū)多為我國經(jīng)濟相對較發(fā)達地區(qū)，第二、三產(chǎn)業(yè)發(fā)展相對較快，因此導(dǎo)致農(nóng)業(yè)人口數(shù)相對較少，對農(nóng)業(yè)碳排放的影響相對較大。

從農(nóng)村居民人均可支配收入對耕地利用碳排放的影響來看，全國總體仍呈現(xiàn)出西低東高且由西向東依次遞增的特征，階梯分布仍較為明顯，各?。ㄊ校┚唧w對應(yīng)回歸系數(shù)區(qū)間從小到大包括：（0.138，0.167）為新、藏、青、云；（0.167，0.207）為甘、寧、陜、川、貴、桂、瓊、鄂、湘、渝、粵；（0.207，0.236）為內(nèi)、晉、冀、京、津、魯、豫、皖、蘇、滬、浙、閩、贛；（0.236，0.275）為黑、吉、遼。農(nóng)村居民人均可支配收入對耕地利用碳排放最為敏感的是東北三省地區(qū)，其農(nóng)村居民人均可支配收入每增加1%，相應(yīng)的耕地利用碳排放量就增加0.275%。隨著農(nóng)村居民人均可支配收入的持續(xù)增加，農(nóng)村富裕度不斷提升，農(nóng)業(yè)生產(chǎn)將從傳統(tǒng)的勞動密集型轉(zhuǎn)變?yōu)橘Y本密集型，農(nóng)業(yè)生產(chǎn)要素投入占比將不斷加大，由此會造成農(nóng)業(yè)碳排放的上升。東北、華北、華東地區(qū)農(nóng)村居民人均可支配收入回歸系數(shù)相對較大，證明在上述地區(qū)農(nóng)村富裕度不斷提升與保護生態(tài)環(huán)境之間的矛盾較其他區(qū)域突出。

從農(nóng)業(yè)機械化水平對耕地利用碳排放的影響來看，全國總體呈現(xiàn)出西高東低且由西向東依次遞減的特征，階梯分布仍較為明顯，各?。ㄊ校┚唧w對應(yīng)回歸系數(shù)區(qū)間從小到大包括：（0.234，0.261）為黑、吉、遼；（0.261，0.288）為內(nèi)、晉、冀、京、津、魯、豫、蘇、皖、滬、浙、閩；（0.288，0.315）為甘、寧、陜、川、貴、桂、瓊、鄂、湘、渝、粵、贛；（0.315，0.342）為新、藏、青、云。農(nóng)業(yè)機械化水平對耕地利用碳排放影響最為敏感的是新疆、西藏、青海、云南等西部地區(qū)，其農(nóng)村機械化水平每增加1%，相應(yīng)的耕地利用碳排放量就增加0.342%。其原因可能在于，我國西部地區(qū)存在著農(nóng)業(yè)生產(chǎn)條件相對較差的問題，包括如多山地、丘陵、盆地等地形問題和土壤肥力不足、水資源稀少、土地荒漠化嚴重等自然稟賦問題等。因此，在相同單位耕地面積下，西部地區(qū)較其他地區(qū)所要花費的農(nóng)業(yè)生產(chǎn)要素將更多，進而將造成相對較多的農(nóng)業(yè)碳排放量。

4 結(jié)論

1） 中國耕地利用碳排放總體呈上升趨勢，并于2017年達到峰值，后有所下降。四種碳排放類型所占比重從大到小依次為廢棄物處理碳排放、生產(chǎn)要素投入碳排放、耕地種植碳排放、自然源碳排放，占比分別為48.165%、46.924%、3.513%、1.416%。與此同時，空間相關(guān)性檢驗表明中國耕地利用碳排放具有顯著的區(qū)域聚集特征。

2） 中國耕地利用碳排放總量與糧食產(chǎn)量之間存在長期均衡關(guān)系，即兩者的變動具有同趨勢性。Granger因果關(guān)系檢驗表明存在著從耕地利用碳排放到糧食產(chǎn)量增長的單向因果關(guān)系，證明我國近年糧食產(chǎn)量的增長在一定程度上是以農(nóng)業(yè)碳排放總量上升為代價的。

3） 農(nóng)業(yè)人口數(shù)、農(nóng)村居民可支配收入、農(nóng)業(yè)機械水平均對耕地利用碳排放均有正向影響，三個變量的影響程度為：農(nóng)業(yè)人口數(shù)（0.624）＞農(nóng)業(yè)機械化水平（0.337）＞農(nóng)村居民人均可支配收入（0.163），且從空間維度上看，各影響因素的回歸系數(shù)在空間上呈現(xiàn)出明顯的階梯分布，具體表現(xiàn)為，農(nóng)村人口數(shù)和農(nóng)村居民人均可支配收入的回歸系數(shù)由西向東依次遞增，農(nóng)業(yè)機械化水平的回歸系數(shù)則由西向東依次遞減。

我國耕地利用碳排放總量近年雖有所下降，但仍有較大的減排空間。因此，應(yīng)基于各地區(qū)之間耕地利用碳排放量的差異，因地制宜地實施差異化的降碳政策。例如，對于種植業(yè)規(guī)模較小、耕地生產(chǎn)能力較差的北京、上海、天津等東部地區(qū)及西藏、新疆、貴州等西部地區(qū)，不宜開展大規(guī)模的種植業(yè)活動，應(yīng)逐漸將其傳統(tǒng)種植業(yè)向自然資源豐富、生產(chǎn)條件優(yōu)越的中部地區(qū)及東北地區(qū)轉(zhuǎn)移，結(jié)合當?shù)貙嶋H情況，發(fā)展綠色休閑觀光農(nóng)業(yè)、高原特色農(nóng)業(yè)等，以減少耕地利用碳排放的產(chǎn)生。而對于糧食產(chǎn)量較高、種植業(yè)規(guī)模較大的東北三省及中部地區(qū)，應(yīng)認識到農(nóng)作物秸稈等廢棄物的處理和化肥、農(nóng)藥、農(nóng)業(yè)機械等生產(chǎn)要素投入是耕地利用碳排放的主要形式，應(yīng)盡快出臺有關(guān)禁止秸稈燃燒、鼓勵秸稈綜合開發(fā)利用的相關(guān)政策；減少農(nóng)藥、化肥、農(nóng)膜等農(nóng)用化學(xué)品的使用量，倡導(dǎo)農(nóng)戶使用、運用風(fēng)力發(fā)電、秸稈氣化、太陽能光伏等綠色清潔能源和新型灌溉技術(shù)、平衡施肥技術(shù)等低碳農(nóng)業(yè)發(fā)展技術(shù)；加快淘汰能耗高、污染高的老舊農(nóng)業(yè)機械設(shè)施，通過開展農(nóng)機宣傳培訓(xùn)，使農(nóng)民接受先進農(nóng)機，從而大力推廣能耗低、污染小的現(xiàn)代化農(nóng)機的使用比例，促進耕地利用向綠色低碳方向轉(zhuǎn)型。

參 考 文 獻

［1］ Gomiero T， Paoletti M G， Pimentel D. Energy and environmental issues in organic and conventional agriculture ［J］. Critical Reviews in Plant Sciences， 2008， 27（4）： 239-254.

［2］ 李波， 張俊飚， 李海鵬. 中國農(nóng)業(yè)碳排放時空特征及影響因素分解［J］. 中國人口·資源與環(huán)境， 2011， 21（8）： 80-86.

Li Bo，Zhang Junbiao，Li Haipeng. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China ［J］. China Population， Resources and Environment， 2011， 21（8）： 80-86.

［3］ 冉光和， 王建洪， 王定祥. 我國現(xiàn)代農(nóng)業(yè)生產(chǎn)的碳排放變動趨勢研究［J］. 農(nóng)業(yè)經(jīng)濟問題， 2011， 32（2）： 32-38， 110-111.

Ran Guanghe， Wang Jianhong， Wang Dingxiang. Study on the changing tendency and counter-measures of carbon emission produced by agricultural production in China ［J］. Issues in Agricultural Economy， 2011， 32（2）： 32-38， 110-111.

［4］ Huang Z， Du X， Castillo C S Z. How does urbanization affect farmland protection？ Evidence from China ［J］. Resources， Conservation and Recycling， 2019， 145： 139-147.

［5］ Liping G， Erda L. Carbon sink in cropland soils and the emission of greenhouse gases from paddy soils： A review of work in China ［J］. Chemosphere-Global Change Science， 2001， 3（4）： 413-418.

［6］ 徐明崗， 盧昌艾， 張文菊， 等. 我國耕地質(zhì)量狀況與提升對策［J］. 中國農(nóng)業(yè)資源與區(qū)劃， 2016， 37（7）： 8-14.

Xu Minggang， Lu Changai， Zhang Wenju， et al. Situation of the quality of arable land in China and improvement strategy ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2016， 37（7）： 8-14.

［7］ Han H， Zhang X. Static and dynamic cultivated land use efficiency in China： A minimum distance to strong efficient frontier approach ［J］. Journal of Cleaner Production， 2020， 246： 119002.

［8］ 陳利根. 中國農(nóng)業(yè)可持續(xù)發(fā)展與耕地資源可持續(xù)利用［J］.安徽農(nóng)業(yè)大學(xué)學(xué)報， 2001， 28（1）： 102-105.

Chen Ligen. Sustainable development of agriculture and sustainable use of farmland resources in China ［J］. Journal of Anhui Agricultural University， 2001， 28（1）： 102-105.

［9］ Asumadu-Sarkodie S， Owusu P A. The relationship between carbon dioxide and agriculture in Ghana：A comparison of VECM and ARDL model ［J］. Environmental Science and Pollution Research， 2016， 23（11）： 10968-10982.

［10］ Norse D. Low carbon agriculture： Objectives and policy pathways ［J］. Environmental Development， 2012， 1（1）： 25-39.

［11］ 文清， 田云， 王雅鵬. 中國農(nóng)業(yè)碳排放省域差異與驅(qū)動機理研究——基于30個?。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， 29（11）： 1-6.

Wen Qing， Tian Yun， Wang Yapeng. Provincial differences and driving mechanism of agricultural car- bon emission in China ［J］. Journal of Arid Land Resources and Environment， 2015， 29（11）： 1-6.

［12］ 陳煒， 殷田園， 李紅兵. 1997—2015年中國種植業(yè)碳排放時空特征及與農(nóng)業(yè)發(fā)展的關(guān)系［J］. 干旱區(qū)資源與環(huán)境， 2019， 33（2）： 37-44.

Chen Wei， Yin Tianyuan， Li Hongbing. Spatiotemporal distribution characteristics of carbon emission from plant industry and the relationship with agriculture development in China from 1997 to 2015［J］. Journal of Arid Land Resources and Environment， 2019， 33（2）： 37-44.

［13］ 周思宇， 郗鳳明， 尹巖， 等. 東北地區(qū)耕地利用碳排放核算及驅(qū)動因素［J］. 應(yīng)用生態(tài)學(xué)報， 2021， 32（11）： 3865-3871.

Zhou Siyu， Xi Fengming， Yin Yan， et al. Accounting and drivers of carbon emission from cultivated land utilization in Northeast China ［J］. Chinese Journal of Applied Ecology， 2021， 32（11）： 3865-3871.

［14］ 趙宇. 江蘇省農(nóng)業(yè)碳排放動態(tài)變化影響因素分析及趨勢預(yù)測［J］. 中國農(nóng)業(yè)資源與區(qū)劃， 2018， 39（5）： 97-102.

Zhao Yu. Influencing factors and trend prediction on dynamic change of agricultural carbon emissions in Jiangsu Province ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2018， 39（5）： 97-102.

［15］ 丁寶根， 楊樹旺， 趙玉， 等. 中國耕地資源利用的碳排放時空特征及脫鉤效應(yīng)研究［J］. 中國土地科學(xué)， 2019， 33（12）： 45-54.

Ding Baogen， Yang Shuwang， Zhao Yu， et al. Study on spatio-temporal characteristics and decoupling effect of carbon emission from cultivated land resource utilization in China ［J］. China Land Science， 2019， 33（12）： 45-54.

［16］ 閔繼勝， 胡浩. 中國農(nóng)業(yè)生產(chǎn)溫室氣體排放量的測算［J］.中國人口·資源與環(huán)境， 2012， 22（7）： 21-27.

Min Jisheng， Hu Hao. Calculation of greenhouse gases emission from agricultural production in China ［J］. China Population， Resources and Environment， 2012， 22（7）： 21-27.

［17］ 劉麗華， 蔣靜艷， 宗良綱. 農(nóng)業(yè)殘留物燃燒溫室氣體排放清單研究：以江蘇省為例［J］. 環(huán)境科學(xué)， 2011， 32（5）： 1242-1248.

Liu Lihua， Jiang Jingyan， Zong Lianggang. Emission inventory of greenhouse gases from agricultural residues combustion： A case study of Jiangsu Province ［J］. Environmental Science， 2011， 32（5）： 1242-1248.

［18］ West T O， 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 & Environment， 2002， 91（1-3）： 217-232.

［19］ Post W M， Kwon K C. Soil carbon sequestration and land-use change： Processes and potential ［J］. Global Change Biology， 2000， 6（3）： 317-327.

［20］ 趙榮欽， 劉英， 丁明磊， 等. 河南省農(nóng)田生態(tài)系統(tǒng)碳源/匯研究［J］. 河南農(nóng)業(yè)科學(xué)， 2010， 39（7）： 40-44.

Zhao Rongqin， Liu Ying， Ding Minglei， et al. Research on carbon source and sink of farmland ecosystem in Henan Province ［J］. Journal of Henan Agricultural Sciences， 2010， 39（7）： 40-44.

［21］ 伍芬琳， 李琳， 張海林， 等. 保護性耕作對農(nóng)田生態(tài)系統(tǒng)凈碳釋放量的影響［J］. 生態(tài)學(xué)雜志， 2007， 26（12）： 2035-2039.

Wu Fenlin， Li Lin， Zhang Hailin， et al. Effects of conservation tillage on net carbon flux from farmland ecosystems ［J］. Chinese Journal of Ecology， 2007， 26（12）： 2035-2039.

［22］ Dietz T， Rosa E A. Rethinking the environmental impacts of population， affluence and technology ［J］. Human ecology review， 1994， 1（2）： 277-300.

［23］ Brunsdon C， Fotheringham A S， Charlton M E. Geographically weighted regression： A method for exploring spatial nonstationarity ［J］. Geographical analysis， 1996， 28（4）： 281-298.