何艷秋，徐 杰，朱思宇，陳 柔，戴小文

(四川農(nóng)業(yè)大學 管理學院，成都 四川 611130)

氣候變暖是關(guān)系各國政治、經(jīng)濟、社會、生態(tài)能否持續(xù)發(fā)展的關(guān)鍵問題，為此，聯(lián)合國提出到2050年要實現(xiàn)凈碳排放為0，升溫幅度不超過1.5 ℃。我國作為全球最大的溫室氣體排放國，工業(yè)碳排放是政府節(jié)能減排工作關(guān)注的核心，但占全國總排放量17%的農(nóng)業(yè)碳排放亦不容忽視[1]。如不采取得力措施，據(jù)預(yù)測，2050年農(nóng)業(yè)溫室氣體排放量將再增加30%[2]，勢必削弱全球減排行動的整體效果。我國是農(nóng)業(yè)大國，農(nóng)業(yè)排放的甲烷和氧化亞氮分別占全國甲烷和氧化亞氮總排放量的50%和92%[3]，而且，農(nóng)業(yè)碳排放還在以年均5%的速度持續(xù)增長[4]。由此可見，農(nóng)業(yè)碳減排不僅是實現(xiàn)我國農(nóng)業(yè)可持續(xù)發(fā)展的重要途徑，也是實現(xiàn)我國碳排放強度和總量雙控目標的重要前提。隨著農(nóng)業(yè)產(chǎn)業(yè)的集群化發(fā)展、農(nóng)業(yè)產(chǎn)業(yè)鏈的區(qū)域延伸、農(nóng)產(chǎn)品的跨區(qū)域轉(zhuǎn)移和農(nóng)業(yè)技術(shù)的區(qū)域擴散，農(nóng)業(yè)減排很難僅僅依靠某個地區(qū)的單方行動取得成效，只有通過區(qū)域間的協(xié)同行動才能從根本上解決問題。所以，深入研究農(nóng)業(yè)碳排放的區(qū)域關(guān)聯(lián)及其關(guān)聯(lián)原因可為進一步分析區(qū)域合作減排的可能性、理清區(qū)域合作減排障礙奠定基礎(chǔ)，從而保障我國農(nóng)業(yè)綠色發(fā)展和整體減排雙重目標的順利實現(xiàn)。

國內(nèi)學者就碳排放的省域關(guān)聯(lián)開展了大量研究[5-15]。劉華軍等[16]、田云等[17]發(fā)現(xiàn)，農(nóng)業(yè)碳強度區(qū)域差距是產(chǎn)生區(qū)域關(guān)聯(lián)的驅(qū)動力；孫赫等[18]發(fā)現(xiàn)，我國土地利用碳排放強度在省級尺度上具有明顯的空間集聚特征；吳賢榮等[19]發(fā)現(xiàn)，我國省域農(nóng)業(yè)的碳減排潛力不僅與當?shù)亟?jīng)濟指標有關(guān)，還同其相鄰地區(qū)的農(nóng)業(yè)減排潛力顯著相關(guān)；程琳琳等[20]發(fā)現(xiàn)，省域農(nóng)業(yè)碳生產(chǎn)率在空間上存在明顯的溢出效應(yīng)。國外學者多從貿(mào)易角度研究國家間碳排放的關(guān)聯(lián)。Wieczorek等[21]發(fā)現(xiàn)，西歐國家通過進口俄羅斯能源或購買俄羅斯碳排放權(quán)使自身處于對俄羅斯的雙重碳依賴情景下；Shui等[22]、Weber等[23]和Yan等[24]認為，中國通過跨國貿(mào)易承擔了較多的國際碳排放。部分學者深入碳排放源研究空間關(guān)聯(lián)。Allaire等[25]發(fā)現(xiàn)，規(guī)模、位置和深度會影響測量點位農(nóng)業(yè)用地二氧化碳排放的相關(guān)性；Mathiba等[26]發(fā)現(xiàn)，土壤二氧化碳排放具有統(tǒng)計學顯著的空間自相關(guān)。還有部分學者利用空間計量模型研究區(qū)域間的碳排放關(guān)聯(lián)[27-31]，一致認為碳排放存在顯著的空間集聚性和空間溢出效應(yīng)，宏觀上是由于各區(qū)域存在經(jīng)濟關(guān)聯(lián)、技術(shù)關(guān)聯(lián)和政策關(guān)聯(lián)，微觀上是由于能源消費行為的相似性和企業(yè)環(huán)境行為的模仿跟隨效應(yīng)。

學者們已廣泛關(guān)注到碳排放的國際關(guān)聯(lián)和區(qū)域關(guān)聯(lián)，但立足農(nóng)業(yè)碳排放的研究相對薄弱。農(nóng)業(yè)碳排放涉及的部門眾多，學者們的測算口徑也不盡一致，這使得不同研究的結(jié)論存在差異。學者們多注重對農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)的存在性進行驗證，但缺乏對關(guān)聯(lián)機制的深入分析和理論解釋。同時，由于所選的影響因素指標不一致、研究視角不同，現(xiàn)有研究得出的區(qū)域關(guān)聯(lián)的主要原因也不太一樣。本文依據(jù)《2006年IPCC國家溫室氣體清單指南》，從農(nóng)用能源、農(nóng)地利用、反芻動物飼養(yǎng)、作物種植和農(nóng)業(yè)廢棄物5個部門全面測算我國各省(自治區(qū)、直轄市)的農(nóng)業(yè)碳排放量和排放強度，借助IPAT模型和經(jīng)濟增長理論分析了農(nóng)業(yè)碳排放區(qū)域的關(guān)聯(lián)機制，利用空間統(tǒng)計驗證區(qū)域關(guān)聯(lián)是否存在，并進一步利用非參數(shù)QAP回歸，從空間關(guān)聯(lián)、經(jīng)濟關(guān)聯(lián)和技術(shù)關(guān)聯(lián)三維角度解釋了農(nóng)業(yè)碳排放區(qū)域相關(guān)的原因，以期為區(qū)域減排合作奠定基礎(chǔ)。

1 材料與方法

1.1 數(shù)據(jù)來源

本文數(shù)據(jù)取自全國31個省(直轄市、自治區(qū))(不含港、澳、臺)2006—2017年的面板數(shù)據(jù)，基礎(chǔ)數(shù)據(jù)從歷年《中國農(nóng)村統(tǒng)計年鑒》和《中國能源統(tǒng)計年鑒》，以及各省(自治區(qū)、直轄市)統(tǒng)計局官方網(wǎng)站整理得到。

1.2 研究方法

1.2.1 農(nóng)業(yè)碳排放測算

本研究中設(shè)定的農(nóng)業(yè)碳排放源主要包括5類：一是農(nóng)用能源，包括農(nóng)用機械、農(nóng)田灌溉；二是農(nóng)地利用，包括化肥、農(nóng)藥、農(nóng)膜等農(nóng)用物資投入和翻耕土地破壞土壤表層；三是反芻動物飼養(yǎng)，包括腸道發(fā)酵和糞便管理；四是作物種植，主要指水稻生長中的甲烷和作物種植中的氧化亞氮排放；五是農(nóng)業(yè)廢棄物，主要是秸稈燃燒。測算方法參考IPCC(聯(lián)合國政府間氣候變化專門委員會)，用活動數(shù)據(jù)乘以排放系數(shù)，最終根據(jù)《IPCC第五次評估報告》的折算系數(shù)，將二氧化碳、甲烷和氧化亞氮3種氣體折算成二氧化碳排放當量。各類氣體的排放因子參考趙欣等[32]、王智平[33]、Dyer等[34]、伍芬琳等[35]、IPCC[36]、閔繼勝等[37]的研究成果。

1.2.2 空間統(tǒng)計分析

Moran全局指數(shù)和局部指數(shù)的計算公式如下：

(1)

(2)

1.2.3 QAP非參數(shù)回歸

碳排放是伴隨農(nóng)業(yè)經(jīng)濟發(fā)展而產(chǎn)生的一種副產(chǎn)品。省域間農(nóng)業(yè)碳排放的關(guān)聯(lián)與農(nóng)業(yè)經(jīng)濟發(fā)展的關(guān)聯(lián)密不可分，而農(nóng)業(yè)經(jīng)濟的發(fā)展又離不開各種投入要素，如土地、能源、勞動力、生產(chǎn)技術(shù)等，投入要素的區(qū)域溢出效應(yīng)是引起農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)的重要原因。QAP回歸法研究“關(guān)系”數(shù)據(jù)，適用于從區(qū)域空間關(guān)聯(lián)、經(jīng)濟關(guān)聯(lián)和技術(shù)關(guān)聯(lián)三維視角解釋農(nóng)業(yè)碳排放的省域關(guān)聯(lián)。

農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)是各影響因素區(qū)域溢出的結(jié)果，從關(guān)系視角建立QAP模型：

F=f(Y)。

(3)

式(3)中：F表示農(nóng)業(yè)碳排放空間關(guān)聯(lián)矩陣，Y表示影響因素矩陣。

1.2.4 QAP回歸中各矩陣的測度

首先，根據(jù)修正引力模型測算農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)：

(4)

(5)

式(5)中：ci、cj分別表示i地和j地的農(nóng)業(yè)碳排放值。

其次，從區(qū)域空間關(guān)聯(lián)、經(jīng)濟關(guān)聯(lián)和技術(shù)關(guān)聯(lián)3方面選擇影響因素。

(1)區(qū)域空間鄰接關(guān)系矩陣X。由各省(自治區(qū)、直轄市)間鐵路運行時間構(gòu)成。

(2)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)相似系數(shù)矩陣S。公式如下：

(6)

式(6)中：Skj和Slj表示k地和l地農(nóng)業(yè)產(chǎn)值中j行業(yè)所占的比重，n為第一產(chǎn)業(yè)中的行業(yè)數(shù)量。

(3)技術(shù)進步差異矩陣A。由各省市碳生產(chǎn)率(農(nóng)業(yè)增加值/農(nóng)業(yè)碳排放)間差異的絕對值建立而成。

(4)農(nóng)用能源結(jié)構(gòu)相似性矩陣N。公式如下：

(7)

式(7)中：Nkj和Nlj表示k地和l地第j種能源消費量的占比，n為第一產(chǎn)業(yè)消耗能源種類。

(5)農(nóng)產(chǎn)品區(qū)域轉(zhuǎn)移程度矩陣E。依托《2012年中國31省區(qū)市區(qū)域間投入產(chǎn)出表》[38]中區(qū)域間農(nóng)產(chǎn)品中間使用轉(zhuǎn)移量整理而得。

(6)跨區(qū)域農(nóng)業(yè)龍頭企業(yè)數(shù)量矩陣M。根據(jù)我國農(nóng)業(yè)上市公司業(yè)務(wù)量集中地整理而得。

2 結(jié)果與分析

2.1 農(nóng)業(yè)碳排放省際關(guān)聯(lián)的理論機制

IPCC第5次評估報告認為，氣候變化有95%以上的可能性是由人類活動導(dǎo)致的，農(nóng)業(yè)生產(chǎn)活動是造成農(nóng)業(yè)碳排放持續(xù)增加的重要原因。早在1992年，Commoner[39]就將Ehrlich等[40]提出的IPF模型擴展為最初的IPAT模型，用來定量分析環(huán)境壓力的影響因素，并將影響因素概括為人口、富裕水平和技術(shù)3方面。本文將IPAT模型擴展到農(nóng)業(yè)碳排放領(lǐng)域，形式如下：

(8)

上述3大影響因素中，農(nóng)業(yè)經(jīng)濟發(fā)展可用經(jīng)濟增長理論解釋。對于農(nóng)業(yè)經(jīng)濟增長來說，要素投入比資本積累更為重要，所以構(gòu)造修正的柯布道格拉斯生產(chǎn)函數(shù)：

Y=A(t)LαKβμ。

(9)

式(9)中：Y表示農(nóng)業(yè)總產(chǎn)值，A(t)表示農(nóng)業(yè)技術(shù)水平，L表示農(nóng)業(yè)勞動力數(shù)量，K表示農(nóng)業(yè)生產(chǎn)中除技術(shù)和勞動力外的其他各種投入要素(土地、化肥、農(nóng)藥、能源等)，μ為隨機干擾項。農(nóng)業(yè)經(jīng)濟的發(fā)展離不開農(nóng)業(yè)技術(shù)、農(nóng)業(yè)人口和其他農(nóng)業(yè)投入要素，所以技術(shù)擴散、農(nóng)業(yè)人口遷移、農(nóng)業(yè)投入要素會通過農(nóng)業(yè)經(jīng)濟的溢出效應(yīng)而對農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)產(chǎn)生間接影響(圖1)。

2.2 農(nóng)業(yè)碳排放省際關(guān)聯(lián)形態(tài)

2.2.1 農(nóng)業(yè)碳排放總量和強度的省際關(guān)聯(lián)分析

從表1、表2可見，2006—2017年我國農(nóng)業(yè)碳排放總量全局關(guān)聯(lián)性不顯著，但農(nóng)業(yè)碳排放強度全局關(guān)聯(lián)顯著(P<0.05)，且各年Moran指數(shù)取值在0.27附近波動，表明全國農(nóng)業(yè)碳排放強度呈現(xiàn)顯著(P<0.05)空間正相關(guān)，強度水平近似地區(qū)在空間上集中連片分布，集聚趨勢明顯，且較穩(wěn)定。我國幅員遼闊，各地農(nóng)業(yè)生產(chǎn)規(guī)模差異較大，因此農(nóng)業(yè)碳排放總量區(qū)域關(guān)聯(lián)不明顯，但排除掉農(nóng)業(yè)生產(chǎn)規(guī)模影響后，農(nóng)業(yè)碳排放強度明顯正關(guān)聯(lián)，說明相鄰地區(qū)在農(nóng)業(yè)生產(chǎn)條件和資源稟賦上較為相近，農(nóng)業(yè)生產(chǎn)要素之間的轉(zhuǎn)移較為便利，學習效應(yīng)和競爭效應(yīng)的發(fā)揮使碳排放關(guān)聯(lián)隨空間距離增加而衰減。

圖1 省域農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)機制圖Fig.1 Provincial regional correlation mechanism of agricultural carbon emission

表1 農(nóng)業(yè)碳排放總量的全局Moran指數(shù)

Table 1 Global Moran’sIindex of total agricultural carbon emissions

指標Index200620072008200920102011201220132014201520162017Morans I0.120.100.100.100.080.080.110.060.040.040.050.04Z1.471.231.181.291.111.021.060.900.680.710.730.79P0.080.110.120.100.130.140.140.180.240.220.210.21

表2 農(nóng)業(yè)碳排放強度的全局Moran指數(shù)

Table 2 Global Moran’sIindex of agricultural carbon emissions intensity

指標Index200620072008200920102011201220132014201520162017Morans I0.270.290.270.280.230.250.240.260.270.290.290.29Z2.252.292.22.291.491.991.862.182.212.872.952.95P0.020.020.030.020.040.030.040.020.030.020.020.02

進一步分析我國農(nóng)業(yè)碳排放的局部區(qū)域聚集特點，從農(nóng)業(yè)碳排放總量局部Moran散點圖(圖2)來看，全國31個省(自治區(qū)、直轄市)可分為“高高聚集區(qū)”(又稱熱點，HH)、“低低聚集區(qū)”(又稱冷點，LL)、“高低聚集區(qū)”(HL)和“低高聚集區(qū)”(LH)4類，其中，湖北、湖南、安徽、河南、江蘇、山東6省為高農(nóng)業(yè)碳排放總量聚集區(qū)，北京、天津、遼寧、甘肅、青海、寧夏、云南、內(nèi)蒙古、西藏和新疆10省(自治區(qū)、直轄市)為低農(nóng)業(yè)碳排放總量聚集區(qū)，山西、江西、重慶、陜西、福建等地為高低排放聚集區(qū)，而廣西和四川等地為低高排放聚集區(qū)。

從農(nóng)業(yè)碳強度局部散點圖(圖3)看，全國31個省(自治區(qū)、直轄市)中有77%的地區(qū)都處于高高聚集區(qū)或低低聚集區(qū)，較農(nóng)業(yè)碳排放總量呈現(xiàn)出更為明顯的局部聚集特征，其中，東北的吉林、黑龍江，西部的甘肅、青海、寧夏、新疆、西藏、云南等地為高農(nóng)業(yè)碳強度聚集區(qū)，中部的安徽、湖北、湖南、河南，西南的重慶、廣西，以及北京、天津、上海、浙江等地為低農(nóng)業(yè)碳強度聚集區(qū)，處于高碳強度和低碳強度交錯區(qū)的僅有河北、山西、貴州、內(nèi)蒙古、遼寧、陜西、四川和山東。

1，北京；2，天津；3，河北；4，山西；5，內(nèi)蒙古；6，遼寧；7，吉林；8，黑龍江；9，上海；10，江蘇；11，浙江；12，安徽；13，福建；14，江西；15，山東；16，河南；17，湖北；18，湖南；19，廣東；20，廣西；21，海南；22，重慶；23，四川；24，貴州；25，云南；26，西藏；27，陜西；28，甘肅；29，青海；30，寧夏；31，新疆。圖3同。1， Beijing; 2， Tianjin; 3， Hebei; 4， Shanxi; 5， Inner Mongolia; 6， Liaoning，7， Jilin; 8， Heilongjiang; 9， Shanghai; 10， Jiangsu; 11， Zhejiang; 12， Anhui; 13， Fujian; 14， Jiangxi; 15， Shandong; 16， Henan; 17， Hubei; 18， Hunan; 19， Guangdong; 20， Guangxi; 21， Hainan; 22， Chongqing; 23， Sichuan; 24， Guizhou; 25， Yunnan; 26， Tibet; 27， Shaanxi; 28， Gansu; 29， Qinghai; 30， Ningxia; 31，Xinjiang. The same as in Fig. 3.圖2 年均農(nóng)業(yè)碳排放總量局部Moran散點圖Fig.2 Local Moran scatter plot of annual agricultural carbon emission

圖3 年均農(nóng)業(yè)碳排放強度局部Moran散點圖Fig.3 Local Moran scatter plot of annual agricultural carbon emission intensity

總體來看，我國農(nóng)業(yè)碳排放總量呈現(xiàn)連片式和包裹式聚集：中部為高排放聚集區(qū)，西北為連片式低排放聚集區(qū)，西南和沿海地區(qū)呈現(xiàn)高、低聚集區(qū)包裹形態(tài)；而農(nóng)業(yè)碳排放強度呈現(xiàn)連片式聚集：西部和東北為高強度聚集區(qū)，南部和東部為低強度聚集區(qū)。我國東北和西北地區(qū)為低排放總量和高排放強度的聚集區(qū)，中東部和西南地區(qū)大多為高排放總量、低排放強度聚集區(qū)。

2.2.2 分部門的農(nóng)業(yè)碳排放省際關(guān)聯(lián)

為分析農(nóng)業(yè)碳排放分部門的區(qū)域關(guān)聯(lián)特點，分別測算農(nóng)用能源、農(nóng)地利用、反芻動物飼養(yǎng)、作物種植和農(nóng)業(yè)廢棄物5個部門的全局和局部關(guān)聯(lián)指數(shù)。

從表3、表4可見，農(nóng)用能源與農(nóng)業(yè)生產(chǎn)規(guī)模密切相關(guān)，由于農(nóng)業(yè)生產(chǎn)規(guī)模區(qū)域差異大，所以農(nóng)用能源排放總量的全局關(guān)聯(lián)不顯著。在全國節(jié)能減排的大環(huán)境下，各地的農(nóng)用能源使用效率會向鄰近地區(qū)看齊，導(dǎo)致農(nóng)用能源排放強度的Moran指數(shù)達到顯著水平(P<0.05)，且呈增長趨勢。農(nóng)地利用和作物種植的排放總量和強度呈顯著(P<0.10)全局正相關(guān)，兩部門都與種植業(yè)關(guān)系密切。各地為進行產(chǎn)量競爭，形成農(nóng)業(yè)規(guī)模優(yōu)勢，農(nóng)藥、化肥等農(nóng)業(yè)要素超量投入，使各地上述2部門的碳排放呈正相關(guān)。反芻動物飼養(yǎng)部門的碳排放總量全局關(guān)聯(lián)整體不顯著，而排放強度呈顯著(P<0.05)正相關(guān)。反芻動物飼養(yǎng)主要是畜牧業(yè)和畜禽養(yǎng)殖業(yè)，在國家農(nóng)牧協(xié)同發(fā)展的號召下，跨區(qū)域的農(nóng)牧交錯帶不斷擴大，因而反芻動物飼養(yǎng)排放存在區(qū)域關(guān)聯(lián)。農(nóng)業(yè)面源污染治理一直是我國重點關(guān)注的領(lǐng)域，而農(nóng)業(yè)廢棄物是面源污染中不可忽視的一部分，各地區(qū)在農(nóng)業(yè)經(jīng)濟競爭的同時也會相互交流污染治理的經(jīng)驗，因而農(nóng)業(yè)廢棄物排放總量全局關(guān)聯(lián)性逐年提升，排放強度全局顯著(P<0.05)正向關(guān)聯(lián)。

表3 分部門農(nóng)業(yè)碳排放總量全局Moran指數(shù)

Table 3 Global Moran index of total agricultural carbon emissions by sector

年份Year農(nóng)用能源Agricultural energy農(nóng)地利用Farmland use反芻動物飼養(yǎng)Ruminant feeding作物種植Crop planting農(nóng)業(yè)廢棄物Agricultural waste20060.10(0.16)0.16??(0.05)0.10(0.11)0.31??(0.02)0.15(0.10)20070.05(0.19)0.15?(0.05)0.08(0.14)0.30??(0.02)0.14(0.11)20080.04(0.26)0.16?(0.05)0.12(0.10)0.30??(0.02)0.16?(0.09)20090.10(0.14)0.15?(0.05)0.05??(0.04)0.30??(0.02)0.12(0.13)20100.11(0.14)0.15?(0.06)0.12(0.10)0.30??(0.02)0.14(0.11)20110.10(0.16)0.13?(0.06)0.10(0.12)0.30??(0.02)0.18?(0.07)20120.07(0.23)0.22??(0.02)0.15?(0.06)0.28??(0.02)0.18?(0.06)20130.03(0.26)0.10?(0.09)1.11(0.11)0.29??(0.02)0.19?(0.06)20140.03(0.25)0.11?(0.09)0.06(0.41)0.33??(0.01)0.18?(0.08)20150.04(0.23)0.06(0.18)0.11(0.11)0.29??(0.02)0.18?(0.07)20160.04(0.23)0.07(0.16)0.12(0.11)0.30??(0.02)0.19?(0.07)20170.03(0.26)0.06(0.18)0.12(0.11)0.30??(0.02)0.18?(0.07)

***、**和*分別表示在1%、5%和10%水平顯著。括號內(nèi)的數(shù)字為Moran’sI的P值。表4、8、9同。

***、** and * indicated significance at 1%， 5%， 10% level， respectively. The number in parentheses was thePvalue of Moran’sI. The same as in Table 4, Table 8 and Table 9.

表4 分部門農(nóng)業(yè)碳排放強度全局Moran指數(shù)

Table 4 Global Moran index of total agricultural carbon emissions intensity by sector

年份Year農(nóng)用能源Agricultural energy農(nóng)地利用Farmland use反芻動物飼養(yǎng)Ruminant feeding作物種植Crop planting農(nóng)業(yè)廢棄物Agricultural waste20060.03(0.14)0.23??(0.02)0.30???(<0.01)0.19??(0.02)0.31???(<0.01)20070.01(0.29)0.18??(0.04)0.26???(<0.01)0.19??(0.02)0.32??(0.01)20080.06(0.09)0.17??(0.04)0.19???(<0.01)0.17??(0.02)0.32??(0.01)20090.07(0.13)0.02(0.23)0.22???(<0.01)0.12??(0.05)0.31???(<0.01)20100.03(0.18)0.13?(0.06)0.22???(<0.01)0.14??(0.03)0.37??(0.01)20110.06(0.10)0.15?(0.05)0.20???(<0.01)0.14??(0.02)0.40??(0.01)20120.07?(0.08)0.17??(0.04)0.19???(<0.01)0.13??(0.02)0.33??(0.01)20130.15??(0.04)0.17??(0.04)0.17???(<0.01)0.14??(0.02)0.34??(0.01)20140.18??(0.02)0.17?(0.05)0.17??(0.01)0.18??(0.02)0.27??(0.02)20150.18??(0.02)0.20??(0.03)0.22???(<0.01)0.16??(0.02)0.31??(0.01)20160.19??(0.03)0.22??(0.04)0.25???(<0.01)0.17??(0.02)0.32??(0.01)20170.19??(0.03)0.21??(0.04)0.24???(<0.01)0.17??(0.02)0.30??(0.01)

進一步考查歷年各部門平均碳排放總量和強度的熱點(HH)、冷點(LL)、高低聚集區(qū)(HL)和低高聚集區(qū)(LH)。從表5和表6可見，農(nóng)用能源排放總量熱點分布在內(nèi)蒙古、河北、山西、山東、河南和湖北，冷點集中在西北的甘肅，北京、天津、江西和西藏為低高聚集區(qū)，四川為高低聚集區(qū)；排放強度熱點集中在西北的新疆，冷點為貴州和廣西，低高聚集區(qū)為甘肅和寧夏。農(nóng)地利用排放總量和強度的熱點均集中在山東、河南、湖北，排放總量的熱點還包括內(nèi)蒙古，而排放強度的熱點則進一步向西北的甘肅，中部的安徽、江西，北部的吉林、遼寧、天津、北京，以及東部沿海的上海延伸。另外，排放總量和強度均無顯著冷點和高低聚集區(qū)。反芻動物飼養(yǎng)排放總量和強度均呈現(xiàn)西部較高的特點，熱點聚集在西藏、甘肅和寧夏，同時，排放總量熱點向四川擴展，排放強度熱點向新疆、青海和云南延伸。作物種植排放總量和強度的熱點均集中在中南部的湖南、江西和廣東等地，同時，排放總量熱點向黃河中游的河南、長江中游的湖北延伸，排放強度熱點向東部的江蘇延伸。山西是中部地區(qū)排放總量較低的省份，形成了冷點區(qū)，而四川形成了排放總量的高低聚集區(qū)。農(nóng)業(yè)廢棄物碳排放總量和強度的熱點均有山東省，排放總量熱點還包括江西省，排放強度的熱點還包括黃河中游的內(nèi)蒙古、山西，東北的吉林和遼寧，北部沿海的天津，以及東部的上海，排放總量的低高聚焦區(qū)為山西、北京和天津，高低聚焦區(qū)為四川，排放強度的低高聚焦區(qū)為北京、山東和江蘇。

表5 分部門農(nóng)業(yè)碳排放總量局部聚集特征

Table 5 Local aggregation characteristics of total agricultural carbon emissions intensity by sector

部門SectorHHLLHLLH農(nóng)用能源Agricultural energy內(nèi)蒙古Inner Mongolia,河北Hebei,山西Shanxi,山東Shandong,河南Henan,湖北Hubei甘肅Gansu四川Sichuan北京Beijing,天津Tianjin,西藏Tibet,江西Jiangxi農(nóng)地利用Farmland use山東Shandong,河南Henan,湖北Hubei,內(nèi)蒙古Inner Mongolia——北京Beijing,天津Tianjin,江西Jiangxi,山西Shanxi反芻動物飼養(yǎng)Ruminant feeding西藏Tibet,四川Sichuan,寧夏Ningxia,甘肅Gansu—青海Qinghai,寧夏Ningxia,江蘇Jiangsu,—作物種植Crop planting河南Henan,湖北Hubei,湖南Hunan,廣東Guangdong,江西Jiangxi山西Shanxi四川Sichuan—農(nóng)業(yè)廢棄物Agricultural waste山東Shandong,江西Jiangxi—四川Sichuan北京Beijing,天津Tianjin,山西Shanxi

表6 分部門農(nóng)業(yè)碳排放強度局部聚集特征

Table 6 Local aggregation characteristics of total agricultural carbon emissions intensity by sector

部門SectorHHLLHLLH農(nóng)用能源Agricultural energy新疆Xinjiang貴州Guizhou,廣西Guangxi—甘肅Gansu,寧夏Ningxia農(nóng)地利用Farmland use甘肅Gansu,寧夏Ningxia,安徽Anhui,河南Henan,湖北Hubei,江西Jiangxi,吉林Jilin,遼寧Liaoning,天津Tianjin,北京Beijing,山東Shandong,上海Shanghai——湖南Hunan,重慶Chongqing反芻動物飼養(yǎng)Ruminant feeding新疆Xinjiang,西藏Tibet,甘肅Gansu,青海Qinghai,寧夏Ningxia,云南Yunnan四川Sichuan—遼寧Liaoning,浙江Zhe-jiang,福建Fujian作物種植Crop planting江蘇Jiangsu,湖南Hunan,江西Jiangxi,廣東Guangdong——河南Henan農(nóng)業(yè)廢棄物Agricultural waste內(nèi)蒙古Inner Mongolia,山西Shanxi,吉林Jilin,遼寧Liaoning,天津Tianjin,上海Shanghai,山東Shandong——北京Beijing,山東Shan-dong,江蘇Jiangsu

各部門農(nóng)業(yè)碳排放局部聚集性與各地區(qū)的農(nóng)業(yè)生產(chǎn)條件、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)密不可分，長江中上游分布著我國多個農(nóng)業(yè)大省，種植業(yè)的明顯優(yōu)勢使其農(nóng)地利用和作物種植部門的排放總量、強度均呈現(xiàn)高水平集聚，而西部地區(qū)分布著我國大量的牧場，畜牧業(yè)的優(yōu)勢使其反芻動物飼養(yǎng)碳排放呈現(xiàn)高水平聚集。

2.3 QAP相關(guān)性分析

為考查各因素矩陣與農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)矩陣間是否存在顯著相關(guān)性，為QAP回歸奠定基礎(chǔ)，首先計算2006—2017年的平均相關(guān)系數(shù)，結(jié)果見表7。除農(nóng)用能源結(jié)構(gòu)相似性外，其余因素均與農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)顯著(P<0.05)相關(guān)。

表7 QAP相關(guān)分析結(jié)果

Table 7 QAP correlation analysis result

影響因素FactorrPX-0.305???<0.001M0.309???<0.001N0.0360.252S0.131???0.007A-0.088??0.046E0.111??0.018

***、**和*分別表示在1%、5%和10%水平顯著。

***、** and * indicated significance at 1%， 5%， 10% level， respectively.

這可能是因為農(nóng)業(yè)碳排放的組成部分中農(nóng)用能源消耗引起的排放量相對較低。從全國來看，2006—2017年農(nóng)用能源消耗引起的農(nóng)業(yè)碳排放在整個農(nóng)業(yè)碳排放中的平均占比僅為14.3%。

進一步對6大影響因素間的相關(guān)性進行分析。從表8可見，除能源結(jié)構(gòu)相似性外，其余影響因素間大多存在顯著(P<0.10)的關(guān)聯(lián)性。空間鐵路運行時間越短，兩地的經(jīng)濟聯(lián)系越緊密，則跨區(qū)域龍頭企業(yè)越多，產(chǎn)業(yè)結(jié)構(gòu)越相似，技術(shù)差異性越小；產(chǎn)業(yè)結(jié)構(gòu)越相似，技術(shù)水平差異越小，跨區(qū)域龍頭企業(yè)越多；產(chǎn)業(yè)結(jié)構(gòu)越相似，產(chǎn)品的跨區(qū)域流動也會更頻繁，數(shù)量會更多；技術(shù)進步差異和農(nóng)產(chǎn)品區(qū)域轉(zhuǎn)移程度僅在10%的顯著度水平下負相關(guān)，說明產(chǎn)品更容易在技術(shù)水平差異小的區(qū)域間流通。

2.4 QAP回歸分析

從表9可見，2006—2017年各因素對農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)的整體解釋程度在55%左右，并且通過了1%水平的顯著性檢驗，除空間鄰接關(guān)系和技術(shù)進步差異系數(shù)估計結(jié)果為負外，其余因素系數(shù)的估計結(jié)果均為正，說明農(nóng)業(yè)碳排放的區(qū)域關(guān)聯(lián)密切度會受到區(qū)域間空間關(guān)聯(lián)、經(jīng)濟關(guān)聯(lián)和技術(shù)關(guān)聯(lián)程度的影響。區(qū)域空間關(guān)聯(lián)對農(nóng)業(yè)碳排放地區(qū)關(guān)聯(lián)的影響最為顯著，而空間關(guān)聯(lián)不只是體現(xiàn)在空間距離上，而是更多地體現(xiàn)在經(jīng)濟距離上，因為經(jīng)濟距離的拉近必然會促使兩地間的交通更為便利。本文的空間鄰接矩陣用地區(qū)間鐵路運行時間更好地印證了這一點，從估計系數(shù)來看，其對農(nóng)業(yè)碳排放地區(qū)關(guān)聯(lián)的影響程度較為穩(wěn)定。經(jīng)濟關(guān)聯(lián)除了會拉近地區(qū)的時間距離外，也表現(xiàn)在區(qū)域產(chǎn)業(yè)集群化發(fā)展引起的產(chǎn)業(yè)結(jié)構(gòu)更為相似，跨區(qū)域農(nóng)業(yè)龍頭企業(yè)數(shù)量更多，以及農(nóng)產(chǎn)品和生產(chǎn)要素在便捷運輸過程中更多轉(zhuǎn)移等方面，經(jīng)濟關(guān)系密切使得地區(qū)間的農(nóng)業(yè)碳排放更加相互倚賴。技術(shù)水平相當?shù)牡貐^(qū)農(nóng)業(yè)碳排放的關(guān)系也越密切，說明跨區(qū)域的技術(shù)擴散效應(yīng)可以使地區(qū)農(nóng)業(yè)碳排放關(guān)系加深，從而為地區(qū)合作減排奠定基礎(chǔ)。

表8 影響因素矩陣QAP相關(guān)分析結(jié)果

Table 8 QAP correlation analysis results of influence factor matrix

因素FactorXMNSAM-0.264??? (<0.01)N-0.095(0.14)<0.018(0.42)S-0.317??? (<0.01)0.197??? (<0.01)0.037(0.31)A0.341??? (<0.01)-0.218??? (<0.01)-0.043(0.29)-0.552??? (<0.01)E-0.083(0.13)0.045(0.13)0.072(0.17)0.136???(0.03)-0.099?(0.09)

表9 QAP回歸結(jié)果

Table 9 QAP regression result

年份YearXMNSAER22006-0.24???(<0.01)0.25???(<0.01)0.05(0.32)0.16???(0.32)-0.11???(0.01)0.07??(0.03)0.559???(<0.01)2007-0.24???(<0.01)0.24???(<0.01)0.04(0.37)0.06?(0.08)-0.11???(0.01)0.09??(0.01)0.556???(<0.01)2008-0.24???(<0.01)0.25???(<0.01)0.04(0.31)0.15???(<0.01)-0.10??(0.01)0.08??(0.02)0.558???(<0.01)2009-0.24???(<0.01)0.25???(<0.01)0.03(0.11)0.15???(<0.01)-0.09??(0.02)0.07??(0.03)0.560???(<0.01)2010-0.25???(<0.01)0.25???(<0.01)0.03(0.12)0.14???(<0.01)-0.08??(0.02)0.07??(0.03)0.561???(<0.01)2011-0.24???(<0.01)0.25???(<0.01)0.03(0.14)0.07?(0.06)-0.08?(0.02)0.08??(0.02)0.555???(<0.01)2012-0.24???(<0.01)0.25???(<0.01)0.03(0.12)0.15???(<0.01)-0.07?(0.01)0.07??(0.03)0.557???(<0.01)2013-0.24???(<0.01)0.24???(<0.01)0.03(0.12)0.13???(<0.01)-0.07?(0.01)0.07??(0.03)0.553???(<0.01)2014-0.24???(<0.01)0.24???(<0.01)0.04(0.11)0.12???(<0.01)-0.09??(0.02)0.08???(0.03)0.546???(<0.01)2015-0.23???(<0.01)0.24???(<0.01)0.03?(0.09)0.13???(<0.01)-0.08??(0.02)0.08??(0.03)0.550???(<0.01)2016-0.24???(<0.01)0.24???(<0.01)0.03(0.11)0.12???(<0.01)-0.09??(0.02)0.08??(0.03)0.548???(<0.01)2017-0.24???(<0.01)0.24???(<0.01)0.03(0.11)0.12???(<0.01)-0.09??(0.02)0.08??(0.03)0.548???(<0.01)

3 結(jié)論與討論

3.1 結(jié)論

3.1.1 農(nóng)業(yè)碳排放總量局部關(guān)聯(lián)呈現(xiàn)連片式和包裹式分布，排放強度全局正相關(guān)，局部關(guān)聯(lián)呈現(xiàn)熱點在北、冷點在南的態(tài)勢

農(nóng)業(yè)碳排放強度表現(xiàn)出顯著的空間正相關(guān)，水平近似的地區(qū)呈現(xiàn)集中連片式分布，聚集趨勢明顯而穩(wěn)定。農(nóng)業(yè)碳排放總量和強度的局部相關(guān)性均顯著，農(nóng)業(yè)碳排放總量熱點集中在中東部地區(qū)，冷點集中在西北，呈現(xiàn)連片式和包裹式聚集，排放強度熱點集中在西北和東北，冷點集中在沿海和長江中游部分地區(qū)，呈現(xiàn)連片式聚集。

3.1.2 各部門碳排放強度極化趨勢明顯

農(nóng)用能源排放總量熱點集中在北部沿海和部分中部地區(qū)，冷點在西北甘肅，排放強度熱點在西北新疆，冷點為貴州和廣西；農(nóng)地利用排放總量和強度的熱點均集中在大量中部和北部地區(qū)，且無明顯冷點；反芻動物飼養(yǎng)排放總量和強度的熱點均分布在西北地區(qū)；作物種植排放總量和強度的熱點均集中在中南部地區(qū)，并且排放總量熱點向黃河中游的河南、長江中游的湖北延伸，排放強度熱點向東部的江蘇延伸；農(nóng)業(yè)廢棄物排放總量的熱點為山東和江西，排放強度的熱點進一步向內(nèi)蒙古、山西，東北的吉林和遼寧，北部沿海的天津，以及東部的上海延伸。

3.1.3 空間關(guān)聯(lián)、經(jīng)濟關(guān)聯(lián)和技術(shù)關(guān)聯(lián)是引起農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)的主導(dǎo)因素

除農(nóng)用能源結(jié)構(gòu)相似性無顯著影響外，區(qū)域空間鄰接關(guān)系、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)相似性、農(nóng)產(chǎn)品區(qū)域轉(zhuǎn)移程度、跨區(qū)域農(nóng)業(yè)龍頭企業(yè)數(shù)量和技術(shù)進步差異均顯著影響農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)，且對其整體解釋程度在55%左右。隨著區(qū)域協(xié)調(diào)的進一步發(fā)展，我國各地的空間距離將進一步縮短，空間經(jīng)濟聯(lián)系將加強，農(nóng)業(yè)碳排放的區(qū)域關(guān)聯(lián)也會隨著農(nóng)業(yè)生產(chǎn)技術(shù)擴散效應(yīng)、優(yōu)勢產(chǎn)業(yè)集群化發(fā)展、農(nóng)業(yè)生產(chǎn)要素和產(chǎn)品的高效轉(zhuǎn)移而快速增強。

3.2 政策啟示

3.2.1 優(yōu)化能源布局，提高能源使用效率

綜合考慮資源環(huán)境約束、可再生能源消納和能源流轉(zhuǎn)成本等因素，進一步優(yōu)化全國能源布局，在保留部分西電東送、西氣東輸、北煤南運能源格局的基礎(chǔ)上，將風電、光伏等清潔能源由西向中東部轉(zhuǎn)移，并實現(xiàn)就地消化。同時，在減少非清潔能源比重的基礎(chǔ)上，企業(yè)制度、市場化改革和政府監(jiān)管三管齊下，提高能源使用效率。

3.2.2 充分發(fā)揮農(nóng)業(yè)碳減排中的技術(shù)擴散效應(yīng)

技術(shù)差異會影響區(qū)域農(nóng)業(yè)碳關(guān)聯(lián)，從減排角度來看，應(yīng)增強減排技術(shù)的區(qū)域擴散效應(yīng)，實現(xiàn)農(nóng)業(yè)整體減排。一方面，各地應(yīng)加大研發(fā)投入，支持農(nóng)業(yè)減排技術(shù)的研究和開發(fā)，為技術(shù)進步溢出效應(yīng)奠定基礎(chǔ)；另一方面，出臺優(yōu)惠或鼓勵措施，促進技術(shù)在區(qū)域間擴散，以技術(shù)源為中心，實現(xiàn)“水波式”溢出，讓各地區(qū)充分享受先進技術(shù)帶來的減排成果。同時，也應(yīng)建立持續(xù)化的市場機制，保證技術(shù)擴散渠道的暢通和連續(xù)。

3.2.3 建立差異化的減排機制

一方面，要建立區(qū)域差異化減排機制。中東部和西南地區(qū)作為排放總量高、強度低的集中區(qū)，應(yīng)以國家能源布局調(diào)整為契機，加大清潔能源使用。東北和西北作為總量低、強度高的集中區(qū)，減排的重點是提高能源使用效率。另一方面，應(yīng)制定部門差異化減排措施。農(nóng)用能源、農(nóng)地利用和反芻動物飼養(yǎng)3部門在未來較長時間內(nèi)都應(yīng)作為減排重點。農(nóng)用能源部門減排應(yīng)充分發(fā)揮國家能源布局優(yōu)化和調(diào)整的機遇，農(nóng)地利用部門減排應(yīng)在推廣節(jié)能技術(shù)和提高農(nóng)業(yè)投入要素使用效率上下功夫，并積極拓展“氣候智慧型農(nóng)業(yè)項目”的實施范圍；反芻動物飼養(yǎng)部門減排應(yīng)建立農(nóng)業(yè)和牧業(yè)協(xié)同發(fā)展機制。

3.2.4 建立聯(lián)防聯(lián)控的跨區(qū)域污染減排機制

充分借鑒國內(nèi)外大氣污染排放協(xié)同控制先進經(jīng)驗和創(chuàng)新做法，依據(jù)減排社會成本最小化、減排分攤公平化、減排標準差異化和發(fā)展權(quán)益均等化4個原則，從基礎(chǔ)性協(xié)同治理機制(資源共享機制、資金合作機制、技術(shù)擴散機制、產(chǎn)業(yè)合作機制)、動力性協(xié)同治理機制(責任分擔機制、區(qū)域補償機制、利益共享機制)，以及保障性協(xié)同治理機制(目標協(xié)同、政策協(xié)同)3個方面構(gòu)建農(nóng)業(yè)碳排放的協(xié)同治理機制框架，建立起聯(lián)防聯(lián)控的跨區(qū)域污染減排機制，為相關(guān)決策提供參考。