夏四友,趙 媛,許 昕,文 琦,宋永永,崔盼盼

1 南京師范大學(xué)地理科學(xué)學(xué)院,南京 210023 2 南京師范大學(xué)金陵女子學(xué)院,南京 210097 3 江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心,南京 210023 4 寧夏大學(xué)資源環(huán)境學(xué)院,銀川 750021 5 陜西師范大學(xué)地理科學(xué)與旅游學(xué)院,西安 710119

溫室效應(yīng)引起的全球氣候變暖是當(dāng)前人類社會可持續(xù)發(fā)展面臨的巨大挑戰(zhàn),尤其是人類活動產(chǎn)生的溫室氣體是導(dǎo)致氣候變化的罪魁禍?zhǔn)譡1-2]。近百年來地球表面年均氣溫上升了約0.6℃, 當(dāng)氣溫上升5—6℃時,地球?qū)⒚媾R深重的災(zāi)難[3],發(fā)展低碳經(jīng)濟(jì)、節(jié)能減排儼然已成為解決全球氣候變暖備受關(guān)注的新路徑。研究表明農(nóng)業(yè)排放的CO2在人為溫室氣體排放總量中占21%—25%,已成為溫室氣體排放的重要排放源之一[4-5]。中國農(nóng)業(yè)源溫室氣體排放約占全國溫室氣體排放總量的17%,其中農(nóng)業(yè)排放的CH4和NO2分別占全國總量的50%和92%[6-7],且自1978年以來中國農(nóng)業(yè)碳排放以年均5%的速度持續(xù)上升[8]。農(nóng)業(yè)源溫室氣體排放比重與增速不容小覷,面對中國碳減排的約束性目標(biāo),農(nóng)業(yè)更不能“獨(dú)善其身”,需不斷降低其碳排放強(qiáng)度,提高單位碳產(chǎn)出率以推動中國農(nóng)業(yè)低碳化發(fā)展和實(shí)現(xiàn)整體碳減排目標(biāo)。

國外學(xué)者較多關(guān)注農(nóng)業(yè)碳源和碳排放的影響因素研究,如Lal[9]對農(nóng)業(yè)碳排放影響因素進(jìn)行分析,發(fā)現(xiàn)地區(qū)間農(nóng)業(yè)排放量存在較大差異主要是由于不同耕作方式引起;Johnson等[10]對主要農(nóng)業(yè)碳源進(jìn)行分析,認(rèn)為農(nóng)用物資廢棄物和農(nóng)作物燃燒是農(nóng)業(yè)碳排放的重要來源;Lin和Fei[11],Jiang等[12]通過研究指出灌溉、翻耕、農(nóng)業(yè)柴油、農(nóng)膜、農(nóng)藥及化肥等因素與農(nóng)業(yè)碳排放有重要關(guān)系;Tasman[13]通過對比不同國家間的農(nóng)業(yè)碳排放,發(fā)現(xiàn)不同的農(nóng)業(yè)生產(chǎn)方式是導(dǎo)致國家間農(nóng)業(yè)碳排放存在差異的重要原因。國內(nèi)學(xué)者從農(nóng)業(yè)碳排放量測算[14-15]、影響因素分解及區(qū)域差異[16-18]、農(nóng)業(yè)碳足跡[19-20]、低碳視角下農(nóng)業(yè)生態(tài)補(bǔ)償[21-22]、農(nóng)業(yè)碳排放績效[3,23]與碳生產(chǎn)率[24]等方面進(jìn)行了大量實(shí)證探討。然而上述研究大多將研究區(qū)視為相互獨(dú)立的均質(zhì)單元,較少考慮農(nóng)業(yè)碳排放的空間依賴性和異質(zhì)性。近年來,采用空間分析方法對農(nóng)業(yè)碳排放的時空格局特征進(jìn)行研究的成果日益增多。如吳賢榮等[25]對中國農(nóng)業(yè)碳減排的空間關(guān)聯(lián)特征進(jìn)行分析,發(fā)現(xiàn)一個省域的農(nóng)業(yè)碳減排潛力與其所處的環(huán)境及相鄰省域的發(fā)展情況具有一定相關(guān)性。張志高等[26]對河南省農(nóng)業(yè)碳排放時空演化特征進(jìn)行研究,發(fā)現(xiàn)全省農(nóng)業(yè)碳排放空間分布呈較為明顯的集聚特征。陳儒等[27]對中國區(qū)域農(nóng)業(yè)碳補(bǔ)償時空格局進(jìn)行分析,得出了中國農(nóng)業(yè)碳排放與碳匯的空間分布格局均發(fā)生一定變動的結(jié)論。程琳琳等[24]對中國農(nóng)業(yè)碳生產(chǎn)率的空間分異特征進(jìn)行分析,認(rèn)為我國農(nóng)業(yè)碳生產(chǎn)率區(qū)域間“異質(zhì)化”與區(qū)域內(nèi)“均質(zhì)化”的趨勢顯現(xiàn)。范大莎等[28]對東北三省農(nóng)田生態(tài)系統(tǒng)碳排放時空分異特征進(jìn)行研究,發(fā)現(xiàn)東北三省農(nóng)田生態(tài)系統(tǒng)碳排放量的全局空間正相關(guān)整體呈逐漸增強(qiáng)的趨勢。

上述研究為持續(xù)推進(jìn)農(nóng)業(yè)碳排放的深入研究提供了很好的科學(xué)參考和借鑒,但總結(jié)發(fā)現(xiàn)：(1)已有研究大多割裂了時間過程的連續(xù)性,導(dǎo)致對農(nóng)業(yè)碳排放空間結(jié)構(gòu)變遷的時間過程探討不足。而Rey等提出的探索性時空數(shù)據(jù)分析(Exploratory Time-space Data Analysis, ESTDA)框架可以從時空關(guān)聯(lián)角度探討農(nóng)業(yè)碳排放率的時空格局問題,彌補(bǔ)當(dāng)下忽略時間維度的不足。(2)在影響因素分析方面,既有研究多是基于時間序列數(shù)據(jù)建立起的全局模型,如面板回歸分析[14,23]、灰色關(guān)聯(lián)分析[16,18]、因素分解[7,17]等方法,缺乏空間考量,導(dǎo)致對區(qū)域內(nèi)部農(nóng)業(yè)碳排放的空間異質(zhì)性的解釋力度不夠?；诖?本文采用ESTDA框架對1997—2016年中國大陸31個省域農(nóng)業(yè)碳排放率的時空動態(tài)特征進(jìn)行分析,并結(jié)合地理權(quán)重回歸(Geographically Weighted Regression,GWR)模型對中國農(nóng)業(yè)碳排放率的驅(qū)動因素進(jìn)行探討,以期為各省域因地制宜地制定農(nóng)業(yè)發(fā)展與碳減排政策提供參考。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1農(nóng)業(yè)碳排放量和碳排放率測算

本文從農(nóng)業(yè)直接碳排放源視角出發(fā),構(gòu)建農(nóng)業(yè)碳排放源指標(biāo)體系(表1),在參考田云等[15]構(gòu)造的農(nóng)業(yè)碳排放公式的基礎(chǔ)上,農(nóng)業(yè)碳排放量計算公式可表示為：

(1)

式中,CE為農(nóng)業(yè)碳排放總量;ei為碳源i的量;εi為碳源i的碳排放系數(shù)。各碳源指標(biāo)的含義詳見參考文獻(xiàn)[3,14],各碳源對應(yīng)的碳排放系數(shù)和參考文獻(xiàn)來源見表1。

表1 農(nóng)業(yè)碳排放源及對應(yīng)的碳排放系數(shù)

基于各省域農(nóng)業(yè)碳排放總量和農(nóng)業(yè)總產(chǎn)值,農(nóng)業(yè)碳排放率可表示為：

CR=AGDP/CE

(2)

式中,CR為農(nóng)業(yè)碳排放率;AGDP為農(nóng)業(yè)總產(chǎn)值;CE為農(nóng)業(yè)碳排放量。為了便于對比和分析,參照IPCC 2007年第四次評估報告的參數(shù)結(jié)果[33],將CO2、CH4和N2O統(tǒng)一換算成標(biāo)準(zhǔn)C,其中1t CO2中含有0.273t標(biāo)準(zhǔn)C,1t CH4、N2O所引發(fā)的溫室效應(yīng)分別等同于6.818t和81.273t標(biāo)準(zhǔn)C所產(chǎn)生的溫室效應(yīng)。

1.1.2全局空間自相關(guān)法

采用全局空間自相關(guān)法對中國農(nóng)業(yè)碳排放率進(jìn)行全局自相關(guān)分析,從全局視角考察農(nóng)業(yè)碳排放率在空間上的相關(guān)程度。鑒于該方法應(yīng)用已較為成熟,在此不再贅述,具體原理及步驟詳見參考文獻(xiàn)[34]。

1.1.3LISA時間路徑

(3)

1.1.4LISA時空躍遷

LISA時空躍遷是Rey將Moran′sI散點(diǎn)圖中各空間單元在特定時間間隔內(nèi)的移動距離、方向、凝聚等屬性嵌入傳統(tǒng)馬爾可夫鏈中,提出的用于揭示地理現(xiàn)象的空間依賴性的一種方法,可用來描述Local Moran′sI散點(diǎn)圖在不同局部類型間演化的過程[38-39]。Rey將時空躍遷劃分為Type0,Type1,Type2和Type3四種類型[40]。其中Type0表示省域自身與相鄰省域間不發(fā)生形態(tài)間的躍遷;Type1表示省域自身躍遷,但鄰域不變,包括HHt→LHt+1、HLt→LLt+1、LHt→HHt+1、LLt→HLt+1;Type2表示省域自身不變,但鄰域躍遷,包括HHt→HLt+1、HLt→HHt+1、LHt→LLt+1、LLt→LHt+1;Type3表示省域與鄰域都躍遷,該類型又可分為Type3A(HHt→LLt+1、LLt→HHt+1)和Type3B(HLt→LHt+1、LHt→HLt+1),前者表示省域與鄰域的躍遷方向一致,后者表示二者的躍遷方向相反。Rey采用時空流動與時空凝聚來表征研究對象的空間格局路徑依賴和鎖定特征[41],二者可表示為：

(4)

(5)

式中,Type1、Type2和Type3A分別表示Type1、Type2和Type3A的躍遷數(shù);在本文中,m=(2006-1997)×31=(2016-2007)×31=279。

1.1.5GWR模型

GWR是在回歸參數(shù)中引入地理空間位置信息,基于鄰近觀測值的子樣本數(shù)據(jù)信息進(jìn)行回歸估計,是對普通最小二乘法回歸(Ordinary Least Squares Regression,OLS)模型進(jìn)行了改進(jìn)和擴(kuò)展,具有可以形象地展示空間結(jié)構(gòu)分異,反映各研究變量在空間上存在依賴性和空間分異規(guī)律等優(yōu)點(diǎn)[42]。本文采用GWR構(gòu)建中國農(nóng)業(yè)碳排放率驅(qū)動因素空間差異回歸模型,揭示各因素對農(nóng)業(yè)碳排放率差異化的影響規(guī)律,模型設(shè)定形式為[43]：

(6)

式中,yi為第i空間單元的農(nóng)業(yè)碳排放率;(ui,vi)是空間單元i的地理坐標(biāo);β0(ui,vi)表示回歸方程的截距;βm(ui,vi)為空間單元i的第m個自變量的回歸系數(shù),xim為空間單元i的第m個自變量;εi為誤差項(xiàng)。GWR采用ArcGIS 10.2軟件計算。

1.2 變量選取與數(shù)據(jù)來源

根據(jù)數(shù)據(jù)的可得性,同時借鑒已有研究成果[14,24]。本文選取農(nóng)業(yè)碳排放率為因變量,自變量從以下5個方面選取：農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平,取可比價表示的農(nóng)林牧漁總產(chǎn)值與農(nóng)村總?cè)丝谥?農(nóng)村居民收入情況：取農(nóng)村居民可支配收入;種植結(jié)構(gòu)：以(種植業(yè)總產(chǎn)值-畜牧業(yè)總產(chǎn)值)/農(nóng)林牧漁業(yè)總產(chǎn)值為衡量標(biāo)準(zhǔn);耕地面積構(gòu)成情況：以(旱地面積+水澆地面積)/總耕地面積為衡量標(biāo)準(zhǔn);耕地規(guī)模：以農(nóng)村人均耕地面積為準(zhǔn)。

本文所構(gòu)建的農(nóng)業(yè)碳排放率指標(biāo)數(shù)據(jù)及影響因素數(shù)據(jù)均來自《中國農(nóng)村統(tǒng)計年鑒》(1998—2017)、《中國統(tǒng)計年鑒》(1998—2017)及各省市統(tǒng)計年鑒等。限于數(shù)據(jù)可得性，本文研究區(qū)域未包括香港、澳門和臺灣。

2 中國農(nóng)業(yè)碳排放率時空動態(tài)格局分析

2.1 全局空間格局變化特征

采用GeoDa軟件計算1997—2016年中國農(nóng)業(yè)碳排放率的全局Moran′sI指數(shù)(表2),從全局考察中國農(nóng)業(yè)碳排放率的空間格局特征。

表2 中國農(nóng)業(yè)碳排放率全局Moran′s I指數(shù)

中國農(nóng)業(yè)碳排放率呈顯著的空間正相關(guān)關(guān)系和空間集聚規(guī)律。1997—2016年農(nóng)業(yè)碳排放率的全局Moran′sI指數(shù)均為正且在5%水平上顯著(表2),說明中國農(nóng)業(yè)碳排放率存在顯著的空間集聚規(guī)律,即農(nóng)業(yè)碳排放率較高(低)省域在空間上趨于鄰近分布。從全局Moran′sI的變化趨勢看,研究期內(nèi)中國農(nóng)業(yè)碳排放率的全局Moran′sI指數(shù)波動下降,到2016年達(dá)到最小值(0.482),說明中國農(nóng)業(yè)碳排放率的空間趨同性不斷減弱,空間集聚程度漸次減弱。

2.2 LISA時間路徑幾何特征

選取1997—2006和2007—2016年2個時段進(jìn)行LISA時間路徑分析,以2個時段的時間路徑相對長度(彎曲度)均值的50%、100%和150%對計算結(jié)果進(jìn)行歸一化處理,將時間路徑相對長度(彎曲度)由低到高劃分成低相對長度(低彎曲度)、較低相對長度(較低彎曲度)、較高相對長度(較高彎曲度)、高相對長度(高彎曲度)4種類型,并運(yùn)用ArcGIS 10.2軟件對LISA時間路徑相對長度(彎曲度)進(jìn)行可視化表達(dá)(圖1、圖2)。

從相對長度看,中國農(nóng)業(yè)碳排放率的局部空間結(jié)構(gòu)具有較強(qiáng)的穩(wěn)定性。具體而言,1997—2006年高相對長度省域包括北京、天津、山東、山西和上海,這些省域局部空間結(jié)構(gòu)具有強(qiáng)烈的不穩(wěn)定性;黑龍江、吉林、遼寧、河南和浙江為較高相對長度省域,局部空間結(jié)構(gòu)具有較強(qiáng)的動態(tài)性;云南、四川、貴州、重慶、湖南、湖北和江西為低相對長度省域,具有最穩(wěn)定的局部空間結(jié)構(gòu);其他省域?yàn)檩^低相對長度,局部空間結(jié)構(gòu)較穩(wěn)定。2007—2016年高相對長度的省域數(shù)量保持不變,但呈現(xiàn)由上海向西部的陜西轉(zhuǎn)移態(tài)勢,其他省域保持不變,可能的原因是“西部大開發(fā)”戰(zhàn)略的實(shí)施,為陜西省的農(nóng)業(yè)發(fā)展提供了政策保障,同時也導(dǎo)致農(nóng)業(yè)碳排放率上升,此外,2005年以后國家全面免除農(nóng)業(yè)稅,一方面調(diào)動了農(nóng)業(yè)生產(chǎn)積極性,同時受農(nóng)用物資(農(nóng)藥、化肥、農(nóng)膜等)投入的增加、耕作結(jié)構(gòu)的調(diào)整、生產(chǎn)技術(shù)等因素的影響,導(dǎo)致陜西省農(nóng)業(yè)碳排放率局部空間結(jié)構(gòu)具有強(qiáng)烈的動態(tài)性。較高相對長度的省域數(shù)量呈現(xiàn)增加態(tài)勢,但向西部的新疆和南部的福建和海南轉(zhuǎn)移。低相對長度的省域數(shù)量由7個減少到4個,逐步向南部的廣西和東部的安徽遷移,說明這些省域的局部空間結(jié)構(gòu)最穩(wěn)定,主要是因?yàn)檫@些省域有著相似的農(nóng)業(yè)碳排放率。2個時段處于低相對長度和較低相對長度的省域分別有21和20個,分別占全部省域的67.74%和64.52%,表明中國省域具有較穩(wěn)定的農(nóng)業(yè)碳排放率局部空間結(jié)構(gòu)。

從彎曲度看,中國農(nóng)業(yè)碳排放率局部空間依賴變化過程較穩(wěn)定。1997—2006年高彎曲度省域包括北京、天津、上海、安徽和重慶,這些省域的農(nóng)業(yè)碳排放率增長和局部空間依賴變化過程波動性最強(qiáng);黑龍江、山東、江蘇、河南、湖北和貴州屬于較高彎曲度省域,其農(nóng)業(yè)碳排放率增長和局部空間依賴變化波動性較強(qiáng);遼寧、浙江和福建為低彎曲度省域,這3省的農(nóng)業(yè)碳排放率增長和局部空間依賴變化過程最穩(wěn)定;其余省域均屬于較低彎曲度省域,碳排放率增長和局部空間依賴變化過程波動性較弱。而在2007—2016年,遼寧和云南演變成為高彎曲度省域,在空間依賴方向上具有最強(qiáng)波動性的省域呈減少趨勢;較高彎曲度的省域數(shù)量保持6個不變,但演化為新疆、甘肅、廣西、廣東、湖北和山東;低彎曲度省域數(shù)量由3個增加到8個,呈現(xiàn)明顯上升趨勢。從空間分布上看,高彎曲度省域向西南和東北遷移,較高彎曲度省域出現(xiàn)向西部和南部轉(zhuǎn)移態(tài)勢,較低彎曲度省域在空間分布的破碎化趨勢明顯,低彎曲度省域出現(xiàn)向中西部地區(qū)擴(kuò)散。

2.3 LISA時間路徑轉(zhuǎn)移方向

基于移動方向平均水平將其分成4種類型：贏-贏型(0°—90°),輸-贏型(90°—180°),輸-輸型(180°—270°),贏-輸型(270°—360°)。其中,贏-贏型表示省域及相鄰省域的農(nóng)業(yè)碳排放率具有高增長趨勢,輸-贏型表示省域農(nóng)業(yè)碳排放率呈低增長,而相鄰省域呈高增長趨勢;輸-輸型表示省域及相鄰省域的農(nóng)業(yè)碳排放率均呈低增長趨勢;贏-輸型表示省域農(nóng)業(yè)碳排放率呈高增長而相鄰省域呈低增長態(tài)勢。贏-贏型和輸-輸型也叫協(xié)同增長型,表示省域及其相鄰省域農(nóng)業(yè)碳排放率呈整合的空間動態(tài)性。

從LISA轉(zhuǎn)移方向看,中國農(nóng)業(yè)碳排放率空間格局變化的空間整合性呈減弱趨勢,協(xié)同與競爭并存的格局日益凸顯。1997—2006年天津、上海、安徽、浙江、福建、江西、湖南、廣東、廣西、云南、西藏和海南等12個省域?qū)儆谮A-贏型省域;輸-輸型的省域也有12個,分別為黑龍江、吉林、遼寧、內(nèi)蒙古、河北、山東、河南、山西、陜西、寧夏、甘肅和重慶。表明在該時段內(nèi)中國農(nóng)業(yè)碳排放率空間格局演化表現(xiàn)為明顯的協(xié)同增長主導(dǎo)型,空間整合性較強(qiáng)。2007—2016年贏-贏型的省域減少為6個,且分布在山東、湖北、山西、陜西、甘肅和重慶,整體出現(xiàn)向北部轉(zhuǎn)移的態(tài)勢,原因是隨著“西部大開發(fā)”和“中部崛起”戰(zhàn)略的實(shí)施,這些省域的農(nóng)業(yè)取得較快發(fā)展,也導(dǎo)致碳排放率增加較快;黑龍江、吉林、遼寧、北京、天津、西藏、青海7省域?yàn)檩?輸型省域,在空間分布上呈現(xiàn)向西部擴(kuò)散態(tài)勢。協(xié)調(diào)增長型省域從1997—2006年的24個下降到2007—2016年的13個,表明中國農(nóng)業(yè)碳排放率由協(xié)同增長主導(dǎo)型向協(xié)同與競爭并存的格局轉(zhuǎn)變,空間整合性呈現(xiàn)下降態(tài)勢。

2.4 農(nóng)業(yè)碳排放率LISA時空躍遷分析

LISA時間路徑分析僅能揭示LISA坐標(biāo)的變化趨勢,而不能反映農(nóng)業(yè)碳排放率坐標(biāo)中局部空間關(guān)聯(lián)類型的相互轉(zhuǎn)移。因此,本文進(jìn)一步采用Rey提出的轉(zhuǎn)移概率矩陣和時空躍遷來描述中國農(nóng)業(yè)碳排放率局部空間關(guān)聯(lián)類型的轉(zhuǎn)移特征和演化過程(表3)。

中國農(nóng)業(yè)碳排放率的轉(zhuǎn)移惰性、路徑依賴和鎖定特征明顯。最普遍的躍遷是類型Type0,多數(shù)省域在1997—2006和2007—2016兩個時間段內(nèi)均未發(fā)生顯著的時空躍遷(表3),2個時間段內(nèi)Moran′sI散點(diǎn)保持在同一象限內(nèi)(Type0)的概率達(dá)96.8%和96.4%,即在2個時間段內(nèi)Moran′sI散點(diǎn)圖的空間穩(wěn)定性(時空凝聚)分別為0.968和0.964,除1997—2006年間HHt→LLt+1、LLt→HHt+1的遷移概率為0.012和0.006外,其他Type3的躍遷均為0,表明中國農(nóng)業(yè)碳排放率分布具有較強(qiáng)的轉(zhuǎn)移惰性,即農(nóng)業(yè)碳排放率的空間格局表現(xiàn)出路徑依賴和鎖定特征,多數(shù)省域均未發(fā)生顯著的時空躍遷,農(nóng)業(yè)碳排放率空間分布的凝聚很強(qiáng),空間格局穩(wěn)定,各省域在短期內(nèi)難以改變其當(dāng)前的農(nóng)業(yè)碳排放率分布狀況。

表3 Local Moran′s I時空躍遷矩陣

HH: High-High，LH: Low-High，LL: Low-Low，HL: (High-LowSF：時空流動；SC：時空凝聚

3 中國農(nóng)業(yè)碳排放率影響因素分析

3.1 模型對比與參數(shù)檢驗(yàn)

綜上可得,中國農(nóng)業(yè)碳排放率空間分布呈顯著的空間正相關(guān)特征,表明以普通線性回歸最小二乘法對中國農(nóng)業(yè)碳排放率驅(qū)動因素進(jìn)行分析,得到的結(jié)果有可能存在偏差。為了驗(yàn)證此結(jié)論,本文選取農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平、農(nóng)村居民收入情況、種植結(jié)構(gòu)、耕地面積構(gòu)成情況和耕地規(guī)模5個因素為自變量,農(nóng)業(yè)碳排放率為因變量構(gòu)建OLS模型和GWR模型進(jìn)行對比(表4),可知GWR模型調(diào)整后的擬合優(yōu)度(R2Adjusted)為0.669,大于OLS模型調(diào)整后的擬合優(yōu)度(0.655),且局部回歸模型的標(biāo)準(zhǔn)化殘差值的范圍在[-1.95,1.81],各省域的局部回歸模型均能通過殘差檢驗(yàn)。進(jìn)一步對殘差進(jìn)行空間自相關(guān)性檢驗(yàn),得到Moran′sI=0.048,P=0.298,殘差的空間分布呈現(xiàn)隨機(jī)分布狀態(tài),說明整個GWR模型能較好地解釋各變量對農(nóng)業(yè)碳排放率的影響,基于GWR模型得到的結(jié)論更合理。

表4 OLS模型和GWR模型參數(shù)估計及檢驗(yàn)結(jié)果對比

3.2 各變量對農(nóng)業(yè)碳排放率空間格局影響的演化特征

(1)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平對農(nóng)業(yè)碳排放率空間格局影響演化特征。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平對農(nóng)業(yè)碳排放率空間格局影響較大且空間差異明顯,從回歸結(jié)果看,農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的提高對提升地區(qū)農(nóng)業(yè)碳排放率有顯著的正向促進(jìn)作用,且農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的影響程度由南向北逐步遞減。東北三省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展已取得長足進(jìn)步,隨著新疆綠洲農(nóng)業(yè)的發(fā)展和農(nóng)業(yè)現(xiàn)代化進(jìn)程持續(xù)推進(jìn),傳統(tǒng)高碳排放生產(chǎn)方式逐漸被取代,導(dǎo)致東北三省和新疆農(nóng)業(yè)碳排放率受農(nóng)村經(jīng)濟(jì)發(fā)展水平的回歸系數(shù)小,農(nóng)業(yè)經(jīng)濟(jì)水平的改善對農(nóng)業(yè)碳排放率的提升帶動作用較小;以西南地區(qū)、南部沿海和中部地區(qū)的湖南為代表的南部地區(qū)受到的影響則較大,這些地區(qū)處于傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)、粗放型農(nóng)業(yè)向集約型農(nóng)業(yè)轉(zhuǎn)變的過渡轉(zhuǎn)型期,農(nóng)業(yè)經(jīng)濟(jì)發(fā)展對化肥、農(nóng)藥依賴性強(qiáng),導(dǎo)致回歸系數(shù)較大,對農(nóng)業(yè)碳排放率提升的作用較大。

(2)農(nóng)村居民收入狀況對農(nóng)業(yè)碳排放率空間格局影響演化特征。農(nóng)村居民收入狀況與農(nóng)業(yè)碳排放率影響最大且呈正相關(guān)關(guān)系。從回歸系數(shù)的空間分布看,農(nóng)村居民收入狀況與農(nóng)業(yè)碳排放率的回歸系數(shù)從東向西形成帶狀分布格局,即基本呈現(xiàn)以東南部地區(qū)為核心,向西北部地區(qū)依次遞增。具體來看,以新疆、青海和西藏為代表的中國西部地區(qū)各省份受影響相對較大,以上海、浙江和福建為代表的東部沿海省份受農(nóng)村居民收入狀況的影響較小。農(nóng)村居民收入狀況在一定程度上反映了農(nóng)村發(fā)展水平,東部沿海地區(qū)農(nóng)村經(jīng)濟(jì)優(yōu)勢明顯,農(nóng)村居民收入水平高,為促進(jìn)農(nóng)業(yè)發(fā)展的低碳化、綠色化和集約化提供了經(jīng)濟(jì)基礎(chǔ);而廣大西部落后地區(qū)農(nóng)村居民可支配收入水平整體較低,相較于東部地區(qū)農(nóng)業(yè)現(xiàn)代化和集約化發(fā)展的經(jīng)濟(jì)基礎(chǔ)較薄弱,農(nóng)業(yè)的粗放型和規(guī)模化經(jīng)營必然依賴大量農(nóng)用物資投入,導(dǎo)致回歸農(nóng)村居民收入狀況對農(nóng)業(yè)碳排放率的影響較大。

圖4 GWR模型標(biāo)準(zhǔn)化殘差和回歸系數(shù)空間分布Fig.4 Spatial distribution of the standardized errors and regression coefficients in the GWR model

(3)種植結(jié)構(gòu)對農(nóng)業(yè)碳排放率空間格局影響演化特征。種植結(jié)構(gòu)與農(nóng)業(yè)碳排放率的回歸系數(shù)為正,較其他影響因素的回歸系數(shù)小，且呈現(xiàn)自東向西逐步遞增態(tài)勢,在空間分布上表現(xiàn)出“兩低值區(qū)、一高值區(qū)”的態(tài)勢,兩低值區(qū)集中在東北三省和以上海市、江蘇省、浙江省和福建省為核心的東部沿海省域;一高值區(qū)集中在西南地區(qū)的云南、四川、西藏和西北地區(qū)的青海。與廣大西部地區(qū)相比,東部沿海地區(qū)經(jīng)濟(jì)作物和漁業(yè)在農(nóng)業(yè)種植結(jié)構(gòu)中占比較大,農(nóng)業(yè)碳排放量較小,而農(nóng)業(yè)生產(chǎn)總值較農(nóng)業(yè)碳排放增長快,導(dǎo)致種植結(jié)構(gòu)對農(nóng)業(yè)碳排放率的影響處于低位態(tài)勢,而廣大西部地區(qū)的種植結(jié)構(gòu)以種植業(yè)與畜牧業(yè)為主,而種植業(yè)與畜牧業(yè)是主要的農(nóng)業(yè)碳排放源,在農(nóng)藥、化肥和農(nóng)膜等農(nóng)業(yè)生產(chǎn)物資大量投入和養(yǎng)殖規(guī)模不斷擴(kuò)大的情況下,導(dǎo)致這些地區(qū)種植結(jié)構(gòu)對農(nóng)業(yè)碳排放率的回歸系數(shù)處于高位水平。

(4)耕地面積構(gòu)成狀況對農(nóng)業(yè)碳排放率空間格局影響演化特征。耕地面積構(gòu)成狀況對農(nóng)業(yè)碳排放率空間格局影響程度僅次于農(nóng)村居民收入狀況且呈現(xiàn)正相關(guān)關(guān)系,從回歸系數(shù)的空間分布來看,新疆、西藏、云南和海南等西部地區(qū)和南部沿海耕地面積構(gòu)成狀況對農(nóng)業(yè)碳排放率影響較小,中部地區(qū)其次,東部沿海地區(qū)受到的影響較大,其中東北三省受耕地面積構(gòu)成狀況的正向作用最強(qiáng),整體表現(xiàn)出由東北向西南逐步遞減態(tài)勢。當(dāng)前我國基本形成了以“旱地為主水田為輔水澆地次之”的耕地面積格局,由于種植作物的特殊性與單一性,水田經(jīng)濟(jì)效益較高,旱地或水澆地較之會導(dǎo)致更多的碳排放,因而旱地面積越大,農(nóng)業(yè)碳排放率越低。東北平原、華北平原、長江中下游平原地區(qū)多屬季風(fēng)氣候,降水充沛,水田農(nóng)業(yè)較為發(fā)達(dá),對農(nóng)業(yè)碳排放率的提升作用明顯;而廣大西部地區(qū)旱地與水澆地面積之和占總耕地面積的比重較大,會導(dǎo)致更多的碳排放,在農(nóng)業(yè)碳排放增加而農(nóng)業(yè)經(jīng)濟(jì)水平較低的情況下,對于提升農(nóng)業(yè)碳排放率的作用較小。

(5)耕地規(guī)模對農(nóng)業(yè)碳排放率空間格局影響演化特征。耕地規(guī)模對農(nóng)業(yè)碳排放率的回歸系數(shù)為負(fù),表明耕地規(guī)模對農(nóng)業(yè)碳排放率起抑制作用。從回歸系數(shù)空間分布上看,回歸系數(shù)表現(xiàn)為沿東北西南走向的由東南向西北遞增的態(tài)勢,回歸系數(shù)低值區(qū)主要分布在上海、浙江、福建、廣東、廣西、海南、湖南和江西等省域,高值區(qū)主要分布在新疆,其余地區(qū)基本上從南向北受耕地規(guī)模的影響程度依次增強(qiáng)。東南沿海作為我國城鎮(zhèn)化與工業(yè)化的前沿陣地,隨著城鎮(zhèn)化與工業(yè)化的快速推進(jìn),一方面農(nóng)村人口數(shù)量呈現(xiàn)減少趨勢,同時大量耕地被占用導(dǎo)致全國耕地面積逐年萎縮,農(nóng)村人均耕地規(guī)模總體呈現(xiàn)弱下降趨勢,因此耕地規(guī)模對農(nóng)業(yè)碳排放率的負(fù)向作用最明顯,而以新疆為代表的中國西北地區(qū)各省份和東北的黑龍江、吉林因耕地規(guī)模較大,城鎮(zhèn)化與工業(yè)化進(jìn)程較東南沿海慢,耕地規(guī)模對農(nóng)業(yè)碳排放率的負(fù)向作用較小。

4 結(jié)論與討論

4.1 結(jié)論

(1)1997—2016年中國農(nóng)業(yè)碳排放率具有顯著的空間正相關(guān)關(guān)系和空間集聚特征。即具有較高農(nóng)業(yè)碳排放率的省域單元之間傾向于相互臨近集聚,具有較低農(nóng)業(yè)碳排放率的省域單元之間傾向于相互臨近集聚;從農(nóng)業(yè)碳排放率全局Moran′sI指數(shù)的演變態(tài)勢看,農(nóng)業(yè)碳排放率的空間趨同性不斷減弱,農(nóng)業(yè)碳排放率空間差異逐漸擴(kuò)大。

(2)研究期內(nèi)中國農(nóng)業(yè)碳排放率的局部空間結(jié)構(gòu)和局部空間依賴演化過程有較強(qiáng)的穩(wěn)定性。具體表現(xiàn)在：1997—2006年和2007—2016年農(nóng)業(yè)碳排放率LISA時間路徑相對長度處于低相對長度和較低相對長度的省域分別有21和20個,占比67.74%和64.52%;同期LISA時間路徑彎曲度處于低相對彎曲度和較低相對彎曲度的省域分別有20和23個,占比64.52%和74.19%,表明中國農(nóng)業(yè)碳排放率的局部空間結(jié)構(gòu)和空間依賴過程穩(wěn)定性較強(qiáng)。

(3)中國農(nóng)業(yè)碳排放率空間格局變化的空間整合性呈減弱趨勢,由協(xié)同增長主導(dǎo)型向協(xié)同與競爭并存的格局轉(zhuǎn)變。具體表現(xiàn)在：1997—2006年天津、上海、安徽、浙江、福建、江西、湖南、廣東、廣西、云南、西藏、海南、黑龍江、吉林、遼寧、內(nèi)蒙古、河北、山東、河南、山西、陜西、寧夏、甘肅和重慶24個省域?qū)儆趨f(xié)同增長型。而2007—2016年協(xié)同增長省域下降為13個,分別為山東、湖北、山西、陜西、甘肅、四川、黑龍江、吉林、遼寧、北京、天津、西藏、青海。

(4)中國農(nóng)業(yè)碳排放率的空間格局表現(xiàn)出路徑依賴和鎖定特征。主要表現(xiàn)在1997—2006年農(nóng)業(yè)碳排放率Moran′sI散點(diǎn)保持同一象限內(nèi)的概率達(dá)96.8%,2007—2016年為96.4%,即兩個時段內(nèi)Moran′sI散點(diǎn)圖的空間穩(wěn)定性(時空凝聚)分別為0.968和0.964,表明中國農(nóng)業(yè)碳排放率的局部空間關(guān)聯(lián)模式存在較強(qiáng)的穩(wěn)定性,省域要改變自身的農(nóng)業(yè)碳排放率類型非常困難,即具有一定的路徑依賴或空間鎖定特征。

(5)多個變量表明GWR模型擬合優(yōu)度高于OLS模型,各變量對農(nóng)業(yè)碳排放率影響的非均衡聯(lián)動局域性和空間異質(zhì)性特征顯著。農(nóng)村經(jīng)濟(jì)發(fā)展水平對農(nóng)業(yè)碳排放率的影響程度從南向北依次遞減;居民收入狀況和種植結(jié)構(gòu)的回歸系數(shù)分布趨勢從東向西依次遞增;耕地面積構(gòu)成狀況對東北地區(qū)農(nóng)業(yè)碳排放率提升的促進(jìn)作用高于中西部地區(qū);耕地規(guī)模對農(nóng)業(yè)碳排放率具有負(fù)向作用,回歸系數(shù)從東南向西北依次遞增。

4.2 討論

(1)農(nóng)業(yè)碳排放率由于不同地區(qū)之間的農(nóng)業(yè)生產(chǎn)物資投入、農(nóng)業(yè)經(jīng)濟(jì)發(fā)展?fàn)顩r等的不同而存在差異。根據(jù)地理學(xué)第一定律,地理事物或現(xiàn)象在空間分布上都是有聯(lián)系的,且鄰近事物或現(xiàn)象之間的聯(lián)系程度隨距離的增加而減弱。空間自相關(guān)能夠表示某地區(qū)的地理位置不僅影響其自身的農(nóng)業(yè)碳排放率,同時也會影響其鄰域的農(nóng)業(yè)碳排放率。在這種情況下,以農(nóng)業(yè)碳排放率為切入點(diǎn),從地理學(xué)視角考察中國農(nóng)業(yè)碳排放的空間格局具有一定的意義。從研究結(jié)果來看,中國農(nóng)業(yè)碳排放率具有明顯空間正相關(guān)關(guān)系,但其空間集聚程度漸次減弱,可能與我國區(qū)域農(nóng)業(yè)發(fā)展條件和農(nóng)業(yè)產(chǎn)出的區(qū)域差異擴(kuò)大化有關(guān)。一方面隨著城市化和工業(yè)化的快速推進(jìn),耕地“非農(nóng)化”和農(nóng)業(yè)生產(chǎn)“非糧化”現(xiàn)象愈加顯著,對農(nóng)業(yè)生產(chǎn)構(gòu)成嚴(yán)重威脅,同時農(nóng)業(yè)生產(chǎn)的低碳化、綠色化和現(xiàn)代化轉(zhuǎn)型亟需革新農(nóng)業(yè)生產(chǎn)技術(shù),降低農(nóng)藥、化肥和農(nóng)膜等生產(chǎn)物資的投入。在眾多因素的作用下,導(dǎo)致中國農(nóng)業(yè)碳排放率的空間差異逐漸擴(kuò)大。農(nóng)業(yè)碳排放率的空間聚集程度具有一定波動性,在一定程度上表明中國各省域農(nóng)業(yè)物資投入、農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)出乃至農(nóng)業(yè)政策具有一定波動性。

(2)LISA時間路徑幾何特征表明,中國農(nóng)業(yè)碳排放率的局部空間結(jié)構(gòu)和局部空間依賴演化過程有較強(qiáng)的穩(wěn)定性。因此要根據(jù)各省域農(nóng)業(yè)碳排放率的實(shí)際情況因地制宜地制定和實(shí)施差異化的農(nóng)業(yè)碳減排政策。對于農(nóng)業(yè)碳排放率較低省域,要打破農(nóng)業(yè)碳排放率局部空間結(jié)構(gòu)和局部空間依賴演化過程的穩(wěn)定過程,使其向高農(nóng)業(yè)碳排放率轉(zhuǎn)變。這些省域一方面要以農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化為核心,科學(xué)規(guī)劃農(nóng)業(yè)產(chǎn)業(yè)布局,探索現(xiàn)代農(nóng)業(yè)發(fā)展新模式,同時要加大農(nóng)業(yè)科技研發(fā)和推廣力度,促使農(nóng)業(yè)發(fā)展由要素投資驅(qū)動轉(zhuǎn)向技術(shù)創(chuàng)新驅(qū)動,保證農(nóng)業(yè)產(chǎn)出的提高,另一方面要重視加快農(nóng)業(yè)領(lǐng)域低碳科技創(chuàng)新步伐,適當(dāng)減少農(nóng)藥、化肥和農(nóng)膜等農(nóng)用物資的使用量,增施有機(jī)肥,推廣種植綠肥作物,因地制宜地發(fā)展農(nóng)業(yè)產(chǎn)值高的低碳農(nóng)業(yè)、生態(tài)農(nóng)業(yè),以降低農(nóng)業(yè)發(fā)展進(jìn)程中碳排放的增長速度和碳排放強(qiáng)度,提高農(nóng)業(yè)碳排放率。而對于農(nóng)業(yè)碳排放率高省域,要保持農(nóng)業(yè)碳排放率的局部空間結(jié)構(gòu)和局部空間依賴演化過程的穩(wěn)定性,盡可能的向更高農(nóng)業(yè)碳排放率方向轉(zhuǎn)變。這些省域要利用自身經(jīng)濟(jì)優(yōu)勢,在保持高排放率的基礎(chǔ)上繼續(xù)優(yōu)化農(nóng)業(yè)生產(chǎn)資料配置,提高農(nóng)用物資的利用率,進(jìn)一步減少傳統(tǒng)農(nóng)業(yè)的比重,大力發(fā)展農(nóng)業(yè)產(chǎn)值高的休閑農(nóng)業(yè)、生態(tài)農(nóng)業(yè)和都市農(nóng)業(yè)等,以提高農(nóng)業(yè)生產(chǎn)的多功能性,使其向碳排更少的方向發(fā)展。