徐薇 毛永亮 衡筱

摘 要：秦嶺陜西段不同地區(qū)農(nóng)業(yè)碳排放的時空分布特征與低碳化發(fā)展水平對我國如期完成“雙碳”目標具有重要的戰(zhàn)略意義。將秦嶺陜西段6市農(nóng)業(yè)作為研究單元，首先，從農(nóng)作物耕作活動碳排放、畜牧養(yǎng)殖碳排放和農(nóng)田土壤碳排放3個維度構(gòu)建農(nóng)業(yè)碳排放衍生指標體系，以此測算秦嶺陜西段6市的農(nóng)業(yè)碳排放量;其次，對農(nóng)業(yè)碳排放時空分布特征進行分析，采用TOPSIS法對各地農(nóng)業(yè)低碳化水平進行評價。結(jié)果顯示，秦嶺陜西段農(nóng)業(yè)碳排放量時間上呈上升趨向，空間上分為4個區(qū)域，即商洛與安康處于輕型區(qū)域，漢中、西安屬于中型區(qū)域，寶雞屬于重型區(qū)域，渭南處于超重型區(qū)域。2003-2022年間各地農(nóng)業(yè)低碳化水平處于較低水平的是渭南，較高水平是商洛、安康與漢中。

關(guān)鍵詞：農(nóng)業(yè)碳排放;時空分布特征;低碳化化水平;TOPSIS法

中圖分類號：F061.5 文獻標志碼：A 文章編號：1009-9107（2024）03-0140-09? DOI：10.13968/j.cnki.1009-9107.2024.03.15

引 言

2013年IPCC的第五次評估報告顯示，農(nóng)業(yè)活動溫室氣體排放量為全球的14％，并且農(nóng)業(yè)生產(chǎn)活動所造成的CH4和N2O排放占人類活動的47％和58％，農(nóng)業(yè)是全球溫室氣體排放的主要來源之一。目前，中國正處于傳統(tǒng)農(nóng)業(yè)和初級現(xiàn)代化農(nóng)業(yè)并存逐步向全面現(xiàn)代化農(nóng)業(yè)轉(zhuǎn)變的關(guān)鍵時期，農(nóng)機作業(yè)常態(tài)化，對化肥、農(nóng)藥等農(nóng)用物資的依賴仍將處于較高水平，這在促進農(nóng)業(yè)生產(chǎn)效率大幅提升的同時，一定程度上也加劇了溫室氣體排放。為了展現(xiàn)一個大國的責任擔當，2015年中國在簽署《聯(lián)合國氣候變化框架公約》時提出，力爭在2005年的基礎(chǔ)上，到2030年中國全行業(yè)實現(xiàn)碳減排60％～65％。為此，分析和研究農(nóng)業(yè)碳排放成因和分布規(guī)律，降低農(nóng)業(yè)碳排放水平也是助力實現(xiàn)鄉(xiāng)村振興戰(zhàn)略、建設(shè)美麗中國的內(nèi)在需要。

國內(nèi)外學者基于IPCC制定的《2006年國家溫室氣體清單指南》測算區(qū)域內(nèi)的農(nóng)業(yè)碳排放，采用能值測算［1］、實地監(jiān)測［2］、碳足跡動態(tài)研究［3-4］、模型模擬［5］、生命周期評價法LCA［6］、基于衍生指標與TOPSIS法［7］、系數(shù)法和超效率SBM模型［8］、BP神經(jīng)網(wǎng)絡算法［9］、非線性時變因子［10］與Tapio脫鉤模型［11］等方法。隨著在碳排放領(lǐng)域的相關(guān)研究不斷深入，研究視角越發(fā)細致，形成了大量能反映我國農(nóng)業(yè)碳排放現(xiàn)狀與特征的研究成果，同時在對減排問題的探索上也取得了一定進展。部分學者從農(nóng)業(yè)生產(chǎn)環(huán)節(jié)開始研究農(nóng)業(yè)碳排放的測算并研究農(nóng)業(yè)碳排放量的影響因素，發(fā)現(xiàn)農(nóng)地利用活動中的化肥、農(nóng)膜、農(nóng)藥、農(nóng)用柴油［3］、灌溉與翻耕［12］、農(nóng)業(yè)機械消耗［13］、電能消耗［14］、農(nóng)田利用和管理環(huán)節(jié)與農(nóng)業(yè)廢棄物處理［3］等生產(chǎn)環(huán)節(jié)對農(nóng)業(yè)碳排放有重要影響。也有學者從農(nóng)業(yè)碳排放來源上選取水稻種植過程甲烷排放［15］以及小麥、玉米、大豆、薯類、油菜、稻谷、蔬菜等主要農(nóng)作物［16］與畜牧養(yǎng)殖［17］的產(chǎn)量數(shù)據(jù)計算出區(qū)域內(nèi)的農(nóng)業(yè)碳排放量等。碳減排潛力的評估方面主要通過構(gòu)建碳排放權(quán)區(qū)域分配指標體系［18］、農(nóng)業(yè)碳排放強度［19］、農(nóng)業(yè)碳排放衍生指標［7］、情境假設(shè)［20］、碳排放變化趨勢［21］與生態(tài)足跡法進行綜合評估［22］，對碳排放較高的區(qū)域制定相應的減排政策。

國內(nèi)外關(guān)于碳排放的現(xiàn)有研究成果對農(nóng)業(yè)碳排放的研究奠定了基礎(chǔ)，但是現(xiàn)有研究也存在著一定不足：第一，當前對于農(nóng)業(yè)碳排放方面的研究主要以全國或較大地域為研究范圍，而我國各個地方的農(nóng)業(yè)環(huán)境差別較大，研究地方的農(nóng)業(yè)碳排放可以對不同區(qū)域的減排提出相關(guān)建議;第二，秦嶺陜西段6市農(nóng)業(yè)區(qū)域是構(gòu)成秦巴山區(qū)主要部分，秦巴山區(qū)有著豐富的自然資源，土地肥沃、氣候適宜，逐漸成為了長江上游最主要的新時代農(nóng)業(yè)發(fā)展地區(qū)，是我國重要的糧食生產(chǎn)區(qū)，更是具有發(fā)展?jié)摿Φ牡貐^(qū);第三，秦巴山區(qū)各省經(jīng)濟發(fā)展水平差距較大，不同區(qū)域間農(nóng)業(yè)發(fā)展水平差距也比較大，內(nèi)部農(nóng)業(yè)影響因素錯綜復雜，因此聚焦特定區(qū)域農(nóng)業(yè)碳排放進行研究具有極大的實踐應用價值。本文在測算秦嶺陜西段6市農(nóng)業(yè)碳排放量的基礎(chǔ)上通過低碳化評價方法對研究區(qū)域進行劃分，對秦嶺陜西段6市的農(nóng)業(yè)碳減排提出了相關(guān)建議。

一、秦嶺陜西段各地農(nóng)業(yè)碳排放量測算

秦嶺陜西段位于中國西北地區(qū)陜西省南部地區(qū)，與河南省、湖北省、四川省及重慶市多個省市相鄰，文中秦嶺陜西段各農(nóng)業(yè)地區(qū)特指陜西省渭南市、西安市、寶雞市、安康市、商洛市與漢中6市所屬農(nóng)業(yè)區(qū)域。

本文所采用的數(shù)據(jù)為2003-2022年的《陜西省統(tǒng)計年鑒》。以秦嶺陜西段6市為研究對象，文中涉及到的農(nóng)業(yè)碳排放各項指標來自于統(tǒng)計年鑒農(nóng)業(yè)部分，碳排放系數(shù)與計算模型通過整理和分析已發(fā)表的文獻獲得，所使用碳排放系數(shù)的選取依照秦嶺陜西段各地區(qū)農(nóng)業(yè)生產(chǎn)實際情況進行確定。

聯(lián)合國糧農(nóng)組織（FAO）和當前已有研究認為，農(nóng)業(yè)碳排放來自于農(nóng)作物耕作活動碳排放、農(nóng)田土壤N2O排放、畜牧養(yǎng)殖中動物產(chǎn)生的CH4和N2O排放、水稻種植CH4排放和秸稈焚燒碳排放等5個方面［24］。由于陜西省已經(jīng)實現(xiàn)了秸稈還田利用，故本文在計算農(nóng)業(yè)碳排放量時未將秸稈焚燒產(chǎn)生的碳排放納入核算體系，將水稻種植過程產(chǎn)生的碳排放歸入農(nóng)田土壤碳排放進行計算。綜上所述，本文將從農(nóng)作物耕作活動碳排放、農(nóng)田土壤N2O 排放、畜牧養(yǎng)殖（主要包括腸道發(fā)酵和糞便排放）產(chǎn)生的CH4和N2O進行農(nóng)業(yè)碳排放的影響因素分析。

1.農(nóng)作物耕作活動碳排放。主要來源于以下5個方面：（1）使用化肥直接或間接產(chǎn)生的碳排放;（2）各種農(nóng)作物種植產(chǎn)生的碳排放;（3）使用農(nóng)業(yè)機器所產(chǎn)生的碳排放（本文選取農(nóng)業(yè)機械總動力計算農(nóng)業(yè)機器產(chǎn)生的碳排放）;（4）農(nóng)業(yè)灌溉所產(chǎn)生的碳排放（本文選取有效灌溉面積為農(nóng)業(yè)灌溉面積）;（5）田間農(nóng)膜使用產(chǎn)生的碳排放。具體碳排放系數(shù)見表1。

參考李波［24］、宋德勇［25］等人對農(nóng)業(yè)碳排放的計算，農(nóng)作物耕作活動碳排放計算公式如下：

Et=Gf A+SmC+Pm D+FaE+AiF（1）

式（1）中A、C、D、E、F 均為轉(zhuǎn)換系數(shù)，Et為農(nóng)業(yè)活動碳排放總量，Gf為化肥使用量，Sm為農(nóng)作物種植面積，Pm為農(nóng)業(yè)機械總動力，F(xiàn)a為有效灌溉面積，Ai為農(nóng)膜使用量。

2.農(nóng)田土壤碳排放。在利用土地進行農(nóng)業(yè)活動的同時會對土壤表層造成破壞，致使 N2O 氣體從土壤流失排放到大氣中。由于N2O和C在化學性質(zhì)上的不同，不能直接計算碳排放量，故將N2O排放量轉(zhuǎn)化為C排放量再進行計算（1噸N2O=81.27噸C）。各農(nóng)作物的排放系數(shù)如表2所示：

農(nóng)田土壤碳排放的計算公式如下：

Et=XaA+XbB+XcC+XdD+XeE+XfF（2）

式（2）中，Et為農(nóng)田土壤碳排放總量，Xi分別為不同的農(nóng)作物品種，A、B、C、D、E、F分別為不同農(nóng)作物品種的碳排放系數(shù)。

3.畜牧養(yǎng)殖碳排放。養(yǎng)殖時反芻類動物所食飼草會在腸道發(fā)酵從而產(chǎn)生CH4，這與動物的糞便所產(chǎn)生的CH4、N2O共同構(gòu)成畜牧養(yǎng)殖碳排放的主要來源。根據(jù)IPCC報告和當前的研究結(jié)果認為，牛（奶牛、非奶牛）、羊（綿羊、山羊）、驢、騾、豬、馬與家禽等動物是產(chǎn)生CH4和N2O的主要動物，各種動物的碳排系數(shù)如表3所示。由于CH4、N2O與C在化學性質(zhì)上的不同，故本文將CH4和N2O轉(zhuǎn)化為C排放量再進行計算（1噸CH4=6.82噸C）。

對禽畜數(shù)量來說，由于官方數(shù)據(jù)給出的禽畜數(shù)量為期末頭數(shù)，但不同種類禽畜的飼養(yǎng)周期差異、繁殖與宰殺均會對當年養(yǎng)殖量產(chǎn)生影響，據(jù)禽畜出欄率、平均生命周期和飼養(yǎng)周期對禽畜飼養(yǎng)量進行調(diào)整，計算牛、馬、驢、騾、山羊和綿羊以及豬和家禽的年平均飼養(yǎng)量。其中，牛、馬、驢、騾、山羊和綿羊的出欄率均小于1，采用上年年末與本年年末出欄量之和的均值為當年牲畜平均飼養(yǎng)量，計算時按公式（3）進行計算：

M=（mt-1+mt）/2（3）

式（3）中，M表示年均飼養(yǎng)量（頭／匹），m為年出欄量（頭／匹）。

考慮到豬和家禽的出欄率均大于1，豬與家禽的年均飼養(yǎng)量計算時按公式（4）進行計算：

M=（d×m）/365（4）

式（4）中，d表示禽畜平均生命周期（天），m為禽畜年出欄量（頭／只）。本研究中涉及豬和家禽的d分別為200天和55天。

結(jié)合《IPCC 國家溫室氣體清單指南》和《中國溫室氣體清單研究》的參數(shù)，再結(jié)合公式（3）與公式（4），畜牧養(yǎng)殖碳排放的計算公式如下：

CEa=∑ni=1Nai×（C1，ai+C2，ai）（5）

式（5）中，CEa為動物的碳排放總量，Nai為第i種動物的數(shù)量，C1，ai表示第i種動物在腸道發(fā)酵時的CH4排放系數(shù)，C2，ai為第i種動物排糞便的CH4排放系數(shù)。

通過對上述三部分碳排放進行加總即可得到不同地區(qū)農(nóng)業(yè)碳排放的總量。

二、農(nóng)業(yè)低碳化水平評價方法

TOPSIS法是一種多指標評價法，其思想是將評價對象的各指標數(shù)據(jù)在坐標系中畫出，找到最優(yōu)（差）解，計算各評價方案與最優(yōu)（差）解之間的歐式距離，得到評價方案與最優(yōu)（差）理想解的接近程度。但由于歐式距離衡量的是數(shù)據(jù)曲線間的距離關(guān)系，無法體現(xiàn)評價數(shù)據(jù)的動態(tài)變化信息，故本文嘗試構(gòu)建基于動態(tài)自然權(quán)重的TOPSIS法，利用數(shù)據(jù)序列本身的變化信息對評價指標進行賦權(quán)。

1.決策矩陣構(gòu)造。設(shè)m個市區(qū)n年的農(nóng)業(yè)碳排放衍生指標值構(gòu)成的原始評價信息矩陣為決策矩陣X：

X=（xij）m×n i=1，…，m;j=1，…，n（6）

為消除量綱對結(jié)果可能造成的影響，對決策矩陣進行標準化處理，由于文中構(gòu)建的評價指標均為越小越優(yōu)型，故決策矩陣V=（vij）m×n的標準化過程如下：

V=（max-X）/（max-min）（7）

2.加權(quán)決策矩陣構(gòu)造。將衍生指標對應碳源的排放量占全省當年農(nóng)業(yè)碳排放量的比例作為評價指標的權(quán)重wij，得到加權(quán)決策矩陣。

P=（Pij）m×n=（wij×vij）m×n i=1，2，…，m;j=1，2，…，n（8）

正負理想解表達式。最優(yōu)（差）解。最優(yōu)解為各評價指標值最小， Sj+和 Sj-分別表示最優(yōu)解和最差解。

S+j=min1≤1≤i≤mpij j=1，2，…，n

S-j=max1≤1≤i≤mpij? j=1，2，…，n（9）

用歐氏距離計算各評價對象與最優(yōu)（差）解的距離。

Sd+i=∑nj=1（S+j-pij）2 i=1，2，…，m

Sd-i=∑nj=1（S-j-pij）2 i=1，2，…，m（10）

評價方案與最優(yōu)解相對貼近度。TOPSIS法將貼近度值大小作為排序依據(jù)，貼近度值越大，評價方案越接近最優(yōu)解，在文中表示農(nóng)業(yè)低碳化水平越高，反之亦然。相對貼近度λ薸為：

λi=Sd-iSd+i+Sd-i（11）

三、秦嶺陜西段農(nóng)業(yè)碳排放總量時間變化趨勢

通過上文描述的公式對秦嶺陜西段各地區(qū)2003-2022年農(nóng)業(yè)排放總量進行測算，圖2是根據(jù)測算結(jié)果繪制的近20年農(nóng)業(yè)碳排放量的變化趨勢圖。

從碳排放的總趨勢來看，圖1中秦嶺陜西段6市農(nóng)業(yè)碳排放量整體呈現(xiàn)上升趨勢，研究期間內(nèi)農(nóng)業(yè)碳排放總量為先上升后下降的趨勢，在2003-2016年間農(nóng)業(yè)碳排放量在2010年與2011年短暫下降后呈現(xiàn)快速上升趨勢。2016年達到農(nóng)業(yè)碳排放量的最大值341.41萬噸，2016年相比2003年農(nóng)業(yè)碳排放量增長了97.85萬噸。2017-2022年呈下降趨勢，其中的原因可能是在碳達峰碳中和目標提出后秦嶺陜西段各地對農(nóng)業(yè)結(jié)構(gòu)進行了相關(guān)調(diào)整。

從秦嶺陜西段6市農(nóng)業(yè)碳排放的來源看，農(nóng)作物耕作活動碳排放20年來一直處于上升過程，2003年農(nóng)作物耕作活動碳排放量為104.51萬噸，2020年最高為172.41萬噸，2022年為147.15萬噸，耕作活動中農(nóng)業(yè)機械化水平的發(fā)展、農(nóng)業(yè)化肥的使用、農(nóng)業(yè)塑料薄膜與農(nóng)業(yè)灌溉活動消耗的電能都加大了農(nóng)作物耕作活動碳排放;農(nóng)田土壤碳排放量20年間較為穩(wěn)定，2003年土壤碳排放量為40.67萬噸，2016年最高為71.38萬噸，2022年為38.94萬噸;畜牧養(yǎng)殖碳排放在20年間圍繞100萬噸上下波動，2003年畜牧養(yǎng)殖碳排放為98.38萬噸，2009年最高為120.10萬噸，2022年畜牧養(yǎng)殖碳排放量最低為67.86萬噸。通過查閱20年間的統(tǒng)計年鑒發(fā)現(xiàn)其原因是陜西省牲畜量與農(nóng)作物耕作面積近20年保持穩(wěn)定水平。

四、秦嶺陜西段農(nóng)業(yè)碳排放空間變化特征

自然斷點法是在對數(shù)值進行排序后，歸納其中的規(guī)律再對數(shù)值進行分類的統(tǒng)計方法，可以最大限度地顯示類與類之間的差異。秦嶺陜西段6市在時間、空間上農(nóng)業(yè)碳排放量存在較大的差異，基于測算的農(nóng)業(yè)碳排放數(shù)據(jù)使用ArcGIS 10.8軟件中的自然斷點方法分為4類進行分析。為了凸顯秦嶺陜西段農(nóng)業(yè)碳排放在時間、空間上的變化特征，繪圖時以所在區(qū)域占總體農(nóng)業(yè)碳排放的比重分為4個等級進行繪制。本文的研究跨度為2003-2022年20年間農(nóng)業(yè)碳排放量，以5年為一個小跨度可以更直觀展現(xiàn)其在空間上的變化趨勢，因此本文繪制了2007、2012、2017及2022年共4幅農(nóng)業(yè)碳排放空間分布圖（見圖2）。

從圖2可見，在2007年農(nóng)業(yè)碳排放量的空間分布圖中，商洛與安康的占比最低處于第1類，漢中為第2類，寶雞、西安為第3類，渭南最高為第4類;在2012年農(nóng)業(yè)碳排放量分布圖中安康的農(nóng)業(yè)碳排放量占比較2007年上升為第2類，商洛的占比為第1類，漢中與安康為第2類，寶雞、西安的為第3類，占比最高的仍為渭南第4類;在2017年農(nóng)業(yè)碳排放量分布圖中占比分布與2012年相同。在2022年農(nóng)業(yè)碳排放量分布圖中變化較大的為西安呈現(xiàn)占比下降，商洛的占比為第1類，漢中、西安、安康為第2類，寶雞為第3類，渭南最高為第4類。從時間總體上看秦嶺陜西段碳排放占比較高的區(qū)域為渭南，其次為寶雞;占比最低的為商洛，其次為西安、漢中與安康。

根據(jù)自然數(shù)斷點法中農(nóng)業(yè)碳排放量占總體的比重按從低到高將秦嶺陜西段農(nóng)業(yè)碳排放共分為4類。根據(jù)占比的大小分為4個等級：其中占比第1類的為輕型、占比第2類的為中型、占比第3類的為重型、占比第4類的為超重型。根據(jù)圖2空間分布圖得到如表4所示的農(nóng)業(yè)碳排放等級結(jié)構(gòu)圖。

秦嶺陜西段6市農(nóng)業(yè)碳排放量在2003-2022年間經(jīng)歷了3個階段：穩(wěn)定階段、初步分化階段、快速調(diào)整階段。2003-2007年間為穩(wěn)定期，以輕型和重型為主。輕型為商洛與安康，重型為寶雞與西安，中型為漢中，超重型為渭南。2007-2017年為初步分化期，主要以中型與重型為主。輕型為商洛，中型為漢中與安康，安康由輕型轉(zhuǎn)為中型，重型為寶雞與西安，超重型為渭南;2017-2022年間為快速調(diào)整期，主要以中型為主，輕型為商洛，中型為西安、漢中以及安康，重型為寶雞，超重型為渭南?？傮w看2003-2022年20年間商洛一直處于輕型，漢中一直處于中型，寶雞一直處于重型，渭南一直處于超重型，安康與西安的碳排放量經(jīng)過了多次調(diào)整。

五、秦嶺陜西段農(nóng)業(yè)碳排放結(jié)構(gòu)測算結(jié)果及分析

1.秦嶺陜西段農(nóng)業(yè)碳排放量測算結(jié)果。通過上文描述的公式對秦嶺陜西段6市2003-2022年農(nóng)業(yè)碳排放量進行測算，得到秦嶺陜西段各年間三種碳排放源對應產(chǎn)生的碳排放量（見表5），限于篇幅表5僅展示間隔期限為5年部分年份的測算結(jié)果。

2022年與2007年相比農(nóng)作物耕作活動碳排放處于增長期，西安增長量為3.02萬噸，寶雞增長量為8.25萬噸，渭南增長量為15.48萬噸，商洛為負增長降低了0.48萬噸，安康增長量為2.37萬噸，漢中增長量為1.38萬噸，渭南與西安農(nóng)作物耕作活動碳排放長期處于較高水平，分析其原因可能為渭南與西安屬于關(guān)中平原，一直以來是秦嶺地區(qū)糧食的主產(chǎn)地，在機械使用與農(nóng)作物耕作活動方面相比于其他地區(qū)更為頻繁;2022年與2007年相比畜牧養(yǎng)殖碳排放中總體趨勢看均在逐漸下降，西安下降了14.51萬噸，寶雞下降了8.23萬噸，渭南下降了7.34萬噸，商洛下降了9.65萬噸，安康下降了2.56萬噸，漢中下降了4.49萬噸;2022年與2007年相比農(nóng)田土壤碳排放處于穩(wěn)定期變化幅度較小，西安下降了1.9萬噸，寶雞下降了1.09萬噸，渭南增長量為2.78萬噸，商洛下降了0.57萬噸，安康增長量為0.44萬噸，漢中增長量為0.53萬噸。

2.秦嶺陜西段農(nóng)業(yè)碳排放結(jié)構(gòu)測算及分析。秦嶺陜西段6市農(nóng)業(yè)碳排放結(jié)構(gòu)是由各類碳源產(chǎn)生碳排放量占當年農(nóng)業(yè)碳排放總量比例計算得來（見表6），限于篇幅，表6僅展示部分年份農(nóng)業(yè)碳排放結(jié)構(gòu)。農(nóng)作物耕作活動碳排放是農(nóng)業(yè)碳排放的主要來源，在2007、2012、2017、2022年的比重分別為0.437、0.502、0.521、0.579，總體看呈現(xiàn)上升趨勢，農(nóng)業(yè)機械化的普及是該排放量提高的主要原因，大規(guī)模的使用現(xiàn)代化農(nóng)業(yè)機械、農(nóng)藥和農(nóng)用塑料薄膜的使用占主要因素;畜牧養(yǎng)殖碳排放在2007、2012、2017、2022年的比重分別為0.420、0.339、0.350、0.267，畜牧養(yǎng)殖碳排放在研究區(qū)域內(nèi)呈現(xiàn)下降趨勢;農(nóng)田土壤碳排放在2007、2012、2017、2022年的比重分別為0.143、0.159、0.130、0.154，20年間的差距較小，其中原因是這些年間水稻、春小麥、冬小麥、大豆、玉米、蔬菜、棉花這些農(nóng)作物的耕作面積沒有太大變動。

3.秦嶺陜西段農(nóng)業(yè)碳排放低碳化水平評價。根據(jù)陜西省碳排放各市貼近度值的得分，將農(nóng)業(yè)低碳化水平由低到高劃分為一級、二級和三級，得分區(qū)間依次為（0，0.3］、（0.3，0.7］和（0.7，1］，得分越低表明該市農(nóng)業(yè)的低碳水平越高。6市農(nóng)業(yè)低碳化水平Topsis評價計算結(jié)果見表7。從結(jié)果看渭南市農(nóng)業(yè)位于第三級，低碳化水平最差，碳排放長期處于最高值。數(shù)據(jù)充分顯示渭南地區(qū)的農(nóng)業(yè)機械總動力、化肥使用量與農(nóng)膜使用量遠高于其他市，其農(nóng)作物耕作活動碳排放高于其他市;西安與寶雞農(nóng)業(yè)處于第二級，低碳化水平不高;處于第一級的為商洛、安康和漢中，其中商洛農(nóng)業(yè)整體低碳化水平最高接近于0，其次為安康，最后為漢中。

六、結(jié)論與建議

本文使用秦嶺陜西段各地區(qū)2003-2022年的統(tǒng)計數(shù)據(jù)，從農(nóng)作物耕作活動碳排放、農(nóng)田土壤碳排放與畜牧養(yǎng)殖碳排放三個方面測算了近20年的農(nóng)業(yè)碳排放量。以此為基礎(chǔ)，對秦嶺陜西段各地農(nóng)業(yè)碳排放時空演變機制進行分析，并構(gòu)建了農(nóng)業(yè)碳排放衍生指標和農(nóng)業(yè)低碳化水平評價體系，測算各地農(nóng)業(yè)低碳化水平，得到結(jié)論如下：

1.從時間上看，秦嶺陜西段6市在2003-2022年20年間農(nóng)業(yè)碳排放量總體，呈現(xiàn)先上升后下降的趨勢?；跍y算的結(jié)果，秦嶺陜西段中農(nóng)作物耕作活動碳排放是農(nóng)業(yè)碳排放產(chǎn)生的主要來源，并且農(nóng)作物耕作活動碳排放還有增長的趨勢;其次占比較高的為畜牧養(yǎng)殖碳排放，總體上看處于波動趨勢，2006年為最高值;農(nóng)田土壤碳排放在20年間情況基本穩(wěn)定。

2.從空間維度看秦嶺陜西段6市在2003-2022年間農(nóng)業(yè)碳排放占比經(jīng)歷了三個階段：穩(wěn)定階段、初步分化階段、快速調(diào)整階段。渭南是農(nóng)業(yè)碳排放最高的地區(qū)，其次為西安、寶雞、安康與漢中，商洛是排放水平最低的地區(qū)。

3.從各地20年的Topsis評價結(jié)果看，各地農(nóng)業(yè)低碳化水平并不高，低碳化水平最高的為商洛，其次為安康與漢中，西安與寶雞處于第二級低碳化水平較為一般，渭南長期處于最高水平。根據(jù)數(shù)據(jù)顯示渭南的農(nóng)業(yè)機械總動力、化肥使用量與農(nóng)膜使用量遠高于其他市，造成了該地區(qū)的農(nóng)作物耕作活動碳排放高于其他地區(qū)。

在保證農(nóng)業(yè)高質(zhì)量發(fā)展和糧食生產(chǎn)安全前提下，中國農(nóng)業(yè)碳排放總量將保持一定增長態(tài)勢。因此，低碳農(nóng)業(yè)發(fā)展應從降低特定農(nóng)業(yè)活動碳排放強度入手。

第一，合理調(diào)整農(nóng)業(yè)現(xiàn)代化的結(jié)構(gòu)，渭南與寶雞在耕地面積與其他市差異不大的基礎(chǔ)上，農(nóng)業(yè)機械總動力、農(nóng)藥使用量與農(nóng)作物耕作活動遠大于其他市，在渭南地區(qū)應提高農(nóng)業(yè)產(chǎn)業(yè)集聚程度，推薦采用新技術(shù)、調(diào)整農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)。

第二，科學安排牲畜養(yǎng)殖業(yè)生產(chǎn)布局，對寶雞等地區(qū)單位牲畜糞便管理碳排放高的地區(qū)，應充分利用禽畜規(guī)模養(yǎng)殖場直聯(lián)直報平臺。對安裝糞污處理設(shè)備且禽畜糞污綜合利用率達標的養(yǎng)殖場給予農(nóng)業(yè)用水用電價格優(yōu)惠政策，強化政策保障。

第三，農(nóng)田土壤碳排放繼續(xù)保持當下發(fā)展水平，適當調(diào)整蔬菜、小麥、稻谷、玉米、大豆與棉花的產(chǎn)業(yè)布局，提高機械使用的效率。

參考文獻：

［1］ NURSE J，BASHER D，BONE A，et al.An Ecological Approach to Promoting Population Mental Health and Well-being—A Response to the Challenge of Climate Change［J］.Perspect Public Health，2010，130（01）：27-33.

［2］ GOLDSTEIN B，HAUSCHILD M，F(xiàn)ERNANDEZ J，et al.Testing the Environmental Performance of Urban Agriculture as A Food Supply in Northern Climates［J］.Journal of Cleaner Production，2016，135（01）：984-994.

［3］ 尚杰，楊濱鍵.區(qū)域農(nóng)業(yè)碳足跡動態(tài)影響效應研究——以濰坊市種植業(yè)為例［J］.農(nóng)村經(jīng)濟，2020（05）：75-82.

［4］ 黃祖輝，米松華.農(nóng)業(yè)碳足跡研究——以浙江省為例［J］.農(nóng)業(yè)經(jīng)濟問題，2011（11）：40-47.

［5］ WANG G，LIAO M，JIANG J.Research on Agricultural Carbon Emissions and Regional Carbon Emissions Reduction Strategies in China［J］.Sustainability，2020，12（07）：26-27.

［6］ 王鈺，喬濮超，趙鑫，等.中國小麥、玉米碳足跡歷史動態(tài)及未來趨勢［J］.資源科學，2018，40（09）：1800-1811.

［7］ 田成詩，陳雨.中國省際農(nóng)業(yè)碳排放測算及低碳化水平評價——基于衍生指標與TOPSIS法的運用［J］.自然資源學報，2021，36（02）：395-410.

［8］ 張頌心，王輝，徐如濃.科技進步、綠色全要素生產(chǎn)率與農(nóng)業(yè)碳排放關(guān)系分析——基于泛長三角26個城市面板數(shù)據(jù)［J］.科技管理研究，2021，41（02）：211-218.

［9］ 胡振，龔薛，劉華.基于BP模型的西部城市家庭消費碳排放預測研究——以西安市為例［J］.干旱區(qū)資源與環(huán)境，2020，34（07）：82-89.

［10］ 李治，賈馥君，李國平，等.陜西省碳排放強度收斂性及趨勢演進分析［J］.生態(tài)經(jīng)濟，2021，37（03）：23-30.

［11］ 白義鑫，王霖嬌，盛茂銀.黔中喀斯特地區(qū)農(nóng)業(yè)生產(chǎn)碳排放實證研究［J］.中國農(nóng)業(yè)資源與區(qū)劃，2021，42（03）：150-157.

［12］ 張小平，王龍飛.甘肅省農(nóng)業(yè)碳排放變化及影響因素分析［J］.干旱區(qū)地理，2014，37（05）：1029-1035.

［13］ 堯波，鄭艷明，胡丹，等.江西省縣域農(nóng)業(yè)碳排放的時空動態(tài)及影響因素分析［J］.長江流域資源與環(huán)境，2014，23（03）：311-318.

［14］ 張若焰，陳儒，王秀娟，等現(xiàn)代煙草農(nóng)業(yè)的碳效應核算與分析——以陜西省煙草合作社為例［J］.中國生態(tài)農(nóng)業(yè)學報（中英文），2019，27（12）：1903-1915.

［15］ 李遠玲，王金龍，楊伶.基于縣域尺度的湖南省農(nóng)業(yè)碳排放時空特征分析［J］.中國農(nóng)業(yè)資源與區(qū)劃，2022，43（04）：75-84.

［16］ 張巍.區(qū)域碳補償標準及額度研究［J］.統(tǒng)計與決策，2019，35（24）：55-58.

［17］ 廖衛(wèi)東，劉淼.西部地區(qū)農(nóng)業(yè)碳排放的時空演變及EKC假說檢驗——基于西部大開發(fā)12省份動態(tài)面板數(shù)據(jù)模型的經(jīng)驗分析［J］.世界農(nóng)業(yè)，2020（06）：62-70.

［18］ 田云，張銀嶺.中國農(nóng)業(yè)碳排放減排成效評估、目標重構(gòu)與路徑優(yōu)化研究［J］.干旱區(qū)資源與環(huán)境，2019，33（12）：1-7.

［19］ 田云，林子娟.巴黎協(xié)定下中國碳排放權(quán)省域分配及減排潛力評估研究［J］.自然資源學報，2021，36（04）：921-933.

［20］ 王勇，畢瑩，王恩東.中國工業(yè)碳排放達峰的情景預測與減排潛力評估［J］.中國人口·資源與環(huán)境，2017，27（10）：131-140.

［21］ BAA B，LI Y，AOA B，et al.Investigating，F(xiàn)orecasting and Proposing Emission Mitigation Pathways for CO2 Emissions From Fossil Fuel Combustion Only：A Case Study of Selected Countries［J］.Energy Policy，2019，130：7-21.

［22］ YEO M J，KIM Y P.Changes of the Carbon Dioxide Emissions and the Overshoot Ratio Resulting From the Implementation of the 2nd Energy Master Plan in the Republic of Korea［J］.Energy Policy，2016，96：241-250.

［23］ 馮宗憲，王安靜.中國區(qū)域碳峰值測度的思考和研究——基于全國和陜西省數(shù)據(jù)的分析［J］.西安交通大學學報（社會科學版），2016，36（04）：96-104.

［24］ 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（08）：80-86.

［25］ 宋德勇，盧忠寶.中國碳排放影響因素分解及其周期性波動研究［J］.中國人口·資源與環(huán)境，2009，19（03）：18-24.

Spatial and Temporal Distribution Characteristics of Agricultural Carbon Emission and Evaluation of Low-carbonization Level in Urban Areas of Shaanxi Province

XU Wei1，MAO Yongliang1，2，HENG Xiao2

（1.School of Biological and Environmental Engineering，Xian University，Xian 710065;2.College of Economics and Management，Northwest A&F University，Yangling，Shaanxi 712100，China）

Abstract：The spatial and temporal distribution characteristics of agricultural carbon emissions and the level of low-carbon development in different regions of the Qinling Mountains in Shaanxi Province are of strategic importance for China to achieve the “double carbon” target on schedule.This study takes agriculture in six cities in the Shaanxi section of Qinling Mountains as the research unit.First，we construct an agricultural carbon emission derivation index system from three dimensions：carbon emission from crop cultivation activities，carbon emission from livestock breeding and carbon emission from farmland soil，so as to measure the agricultural carbon emission in six cities in the Qinling Mountains and Shaanxi Province.Second，the spatial and temporal distribution characteristics of agricultural carbon emissions are analyzed，and then the TOPSIS method are used to evaluate the level of agricultural low-carbonization in each region.The spatial distribution of agricultural carbon emissions in Shaanxi section of the Qinling Mountains is divided into three regions：Shangluo and Ankang are in the light region，Hanzhong and Xian are in the medium region，Baoji is in the heavy region，and Weinan is in the super heavy region.The low level of agricultural decarbonization between 2003 and 2022 is in Weinan， and the high level is in Shangluo，Ankang and Hanzhong.

Keywords：agricultural carbon emission;spatial and temporal distribution characteristics;low-carbonization level;Topsls method

（責任編輯：王倩）

基金項目：陜西省科學技術(shù)廳創(chuàng)新能力支撐計劃項目（2023-CX-RKX-105）

作者簡介：徐薇，女，西安文理學院生物與環(huán)境工程學院講師，主要研究方向為秦嶺生態(tài)環(huán)境保護。