葛瑞陽王雙雙孫中學王海玲張妍
(1.南京工業(yè)大學環(huán)境科學與工程學院,江蘇 南京 211816;2.江蘇省環(huán)境工程技術有限公司,江蘇 南京 210000)
近年來,全球工業(yè)化快速發(fā)展,人類活動對地球的影響日益增大,昔日賴以生存的地球環(huán)境也在遭遇巨變。大氣中二氧化碳(CO2)、甲烷(CH4)及氧化亞氮(N2O)等溫室氣體含量增加,導致全球氣溫不斷升高。全球氣候變化已經(jīng)成為當今社會熱點議題。在溫室氣體排放中,農(nóng)業(yè)是不容忽視的重要來源之一,2016年全球農(nóng)業(yè)和糧食系統(tǒng)溫室氣體排放占溫室氣體排放總量的25%~30%[1]。全球農(nóng)業(yè)溫室氣體排放量從1961年的2752Mt CO2當量增加到2016年5294 Mt CO2當量,排放量幾乎翻了1倍[2]。我國是農(nóng)業(yè)大國,農(nóng)業(yè)活動溫室氣體排放從2005年8.2億t CO2當量增長至2014年8.3億t CO2當量,增長了1.2%[3,4]。截至2010年,我國農(nóng)業(yè)溫室氣體排放占全球農(nóng)業(yè)領域溫室氣體排放總量的33.69%[5]。因此,在關注能源活動與工業(yè)加工過程的同時,我國農(nóng)業(yè)活動溫室氣體排放也需要引起重視。
隨著國家“碳達峰碳中和”目標的制定,明確區(qū)域碳源碳匯對于制定有效的碳減排目標和政策具有實際意義。Yuan等[6]通過投入產(chǎn)出分析法(IOA)計算2017年黃河流域9個省份的碳排放總量并分析其碳足跡,結(jié)果表明,9個省份總碳為38.33億t,其中最高的為山東省,最低的為青海省;2017年黃河流域人均碳足跡比2012年下降了23.4%。近年來,許多研究者開展了農(nóng)業(yè)生態(tài)系統(tǒng)碳源碳匯的定量研究,并分析其凈碳匯碳足跡變化。劉楊等[7]采用聯(lián)合國政府間氣候變化專門委員會(IPCC)推薦的農(nóng)業(yè)碳排放計算方法,估算了2000—2020年山東省農(nóng)業(yè)碳排放量,并估算了2020年后25a間農(nóng)業(yè)碳排放量,預測山東省農(nóng)業(yè)將在2030年前達到碳達峰目標。周一凡等[8]、邱子健等[9]采用農(nóng)業(yè)碳排放和碳吸收模型分別對河北省和江蘇省農(nóng)業(yè)碳源碳匯進行了核算,并分析其年際變化。以往大多農(nóng)業(yè)碳排放與碳吸收研究僅局限于單個省市區(qū)域,無法在整體區(qū)域范圍內(nèi)進行分析比較,具有一定的局限性。
長三角地區(qū)作為全國經(jīng)濟最發(fā)達地區(qū)及農(nóng)作物重要產(chǎn)區(qū)之一,其農(nóng)業(yè)碳排放清單的建立至關重要。本研究采用農(nóng)業(yè)碳排放和碳吸收模型,估算了長三角地區(qū)2014—2018年農(nóng)業(yè)碳排放、碳吸收及凈碳匯量,并分析其年際變化規(guī)律。本研究以2018年為基準年,詳細分析了長三角地區(qū)農(nóng)業(yè)碳源碳匯及其市域空間分布特征;分別在區(qū)域及地級市的層面上系統(tǒng)深入地分析了長三角農(nóng)業(yè)碳源碳匯及其時空分布特征,對于合理制定碳減排措施、助力農(nóng)業(yè)碳達峰碳中具有重要的指導意義。
長三角地區(qū)位于我國華東區(qū)域,地跨E114°54′~123°10′,N27°02′~35°20′,包括安徽省、江蘇省、上海市以及浙江省,共有1個直轄市和40個地級區(qū)劃。全區(qū)域平原廣闊,東臨黃海和東海,內(nèi)有長江、京杭大運河、太湖、洪澤湖等眾多江河湖泊,水資源豐富,為長三角的農(nóng)業(yè)灌溉發(fā)展提供了非常好的自然條件。
1.2.1 農(nóng)業(yè)碳排放研究方法
本研究采用農(nóng)業(yè)碳排放模型從化肥施用、農(nóng)藥使用、農(nóng)膜使用、農(nóng)地翻耕、農(nóng)用柴油使用、農(nóng)地灌溉以及農(nóng)業(yè)機械使用7個單元來估算農(nóng)業(yè)碳排放。碳排放估算公式:
E_C=∑Ei=Et+Ep+Em+Eg+Es+Er+Ee
(1)
式中,E_C為農(nóng)業(yè)碳排放,kg;Ei為第i種單元的碳排放,kg;Et、Ep、Em和Es分別為為化肥、農(nóng)藥、農(nóng)膜和農(nóng)用柴油在使用過程中所產(chǎn)生的碳排放量,kg;Eg為翻耕破壞土壤有機碳庫所釋放的碳排放量,kg;Er為農(nóng)地灌溉過程中間接耗費化石燃料所產(chǎn)生碳排放量,kg;Ee為農(nóng)業(yè)機械運輸使用過程中直接或間接所產(chǎn)生的碳排放量,kg。EFi為第i種單元的碳排放轉(zhuǎn)化系數(shù);各排放單元碳排放計算公式、核算參數(shù)及轉(zhuǎn)化系數(shù)詳見表1。
1.2.2 農(nóng)業(yè)碳吸收研究方法
2.教師在處理同伴交往策略的過程中,應注意到幼兒的個體差異。教師應該根據(jù)這些幼兒的各自的情況,進行有針對性地指導、培養(yǎng),使他們在模仿能力極強的時期,提升自己的交往能力。
本研究采用基于農(nóng)作物光合作用及其生長周期中的碳吸收建立的農(nóng)業(yè)碳吸收模型,通過農(nóng)作物干質(zhì)量計算農(nóng)業(yè)碳吸收量[14],計算公式:
C=∑Ci=∑ci×Yi×(1-r)×HIi
(2)
式中,C為農(nóng)作物碳吸收總量,t;Ci為第i種農(nóng)作物的碳吸收量,t;ci為第i種農(nóng)作物的碳吸收率,即通過光合作用合成單位有機質(zhì)所需吸收的碳;Yi為第i種農(nóng)作物的經(jīng)濟產(chǎn)量,t;r為農(nóng)作物含水率;HIi為第i種農(nóng)作物經(jīng)濟系數(shù)。專家學者們對于碳吸收各系數(shù)的選擇上基本趨于一致,各類農(nóng)作物的碳吸收率、含水量及經(jīng)濟系數(shù)采用相關文獻[15]經(jīng)驗數(shù)據(jù)。
1.2.3 農(nóng)業(yè)凈碳匯研究方法
農(nóng)業(yè)凈碳匯是農(nóng)業(yè)碳吸收與碳排放兩者之間的差,通過公式(1)估算出的農(nóng)業(yè)碳排放和公式(2)計算出的農(nóng)業(yè)碳吸收,計算獲得農(nóng)業(yè)凈碳匯,凈碳匯估算公式:
CS=C-E_C
(3)
式中,CS為農(nóng)業(yè)凈碳匯的量,kg;C為農(nóng)業(yè)碳吸收量,kg;E_C為農(nóng)業(yè)碳排放量,kg。
本研究中2014—2018年長三角地區(qū)省域化肥、農(nóng)藥以及農(nóng)膜的使用量、農(nóng)作物播種面積、農(nóng)用柴油耗用量、農(nóng)田有效灌溉面積和農(nóng)業(yè)機械總動力數(shù)據(jù)以及省域農(nóng)作物經(jīng)濟產(chǎn)量均來源于歷年《中國統(tǒng)計年鑒》、《中國農(nóng)村統(tǒng)計年鑒》以及長三角地區(qū)各省份歷年的統(tǒng)計年鑒。2018年長三角地區(qū)各省份地級市統(tǒng)計數(shù)據(jù)則來源于長三角地區(qū)各地級市統(tǒng)計年鑒及各省份農(nóng)村統(tǒng)計年鑒。
2.1.1 長三角農(nóng)業(yè)碳排放及其年際變化
2014—2018年,長三角地區(qū)農(nóng)業(yè)碳排放呈逐年下降的趨勢,從2014年的2095.35萬t降至2018年的2004.16萬t,共減少了91.19萬t,下降比例為4.35%,年均下降率為0.87%。江蘇、安徽、浙江和上海農(nóng)業(yè)碳排放分別減少了32.29萬t、34.45萬t、17.52萬t和6.93萬t。其中,上海市農(nóng)業(yè)碳排放減排比例最大,達到了15.06%;安徽省減排比例最小,為3.73%,見圖1。長三角農(nóng)業(yè)碳排放逐年減少的主要原因在于農(nóng)作物播種面積的逐年減少,導致農(nóng)業(yè)所需農(nóng)資產(chǎn)品有所減少,最終使得農(nóng)業(yè)碳排放降低。從區(qū)域上來看,長三角地區(qū)2014—2018年農(nóng)業(yè)碳排放較多的省份均為安徽省和江蘇省,每年蘇皖農(nóng)業(yè)碳排放量在長三角農(nóng)業(yè)碳排放總量的占比均超過80%。二者作為華東地區(qū)乃至全國的農(nóng)作物生產(chǎn)大省,作物種植面積和農(nóng)資產(chǎn)品的使用量較大,這是導致其農(nóng)業(yè)碳排放量較浙江省和上海市高的根本原因。
2.1.2 長三角農(nóng)業(yè)碳吸收及其年際變化
2014—2018年,長三角地區(qū)農(nóng)業(yè)碳吸收量總體呈現(xiàn)上升趨勢,從2014年的7761.20萬t增長至2018年8376.09萬t,增長了614.89萬t。其中,上海市和浙江省農(nóng)業(yè)碳吸收量整體呈下降趨勢,在2014—2017年逐年下降,在2018年有所上升,二者在5a間分別減少了6.73萬t和115.00萬t。安徽省和江蘇省農(nóng)業(yè)碳吸收量逐年增加,但在2016年降至比2014年還低的水平,隨后2a碳吸收量繼續(xù)上升,二者在5a間分別上升了406.68萬t和329.94萬t,見圖3。隨著農(nóng)業(yè)技術的發(fā)展,在農(nóng)作物播種面積逐年降低的情況下,農(nóng)作物單產(chǎn)提升是農(nóng)業(yè)碳吸收量仍有所增加的最主要原因。從區(qū)域上來看,長三角地區(qū)每年農(nóng)業(yè)碳吸收最多的省份均為安徽省和江蘇省,每年蘇皖農(nóng)作物碳吸收量占當年長三角農(nóng)作物碳吸收量均超過90%,作物種植面積較大且產(chǎn)量較高是二者農(nóng)業(yè)碳吸收量較大的根本原因。
圖3 2014—2018年長三角各省市農(nóng)業(yè)碳吸收量
從農(nóng)作物類型來看,2014—2018年,長三角地區(qū)主要糧食作物(水稻、小麥、玉米)碳吸收量逐年上升,部分經(jīng)濟作物(豆類、油籽、花生和棉花)碳吸收量逐年下降,見圖4。隨著農(nóng)業(yè)科技的進步,作物單產(chǎn)逐年增加,這是糧食作物碳吸收量不降反增的主要原因;但長三角地區(qū)經(jīng)濟作物播種面積驟減,導致經(jīng)濟作物產(chǎn)量逐年下降,進而長三角地區(qū)經(jīng)濟作物碳吸收量減少。
圖4 2014—2018年長三角各類農(nóng)作物碳吸收量
2.1.3 長三角農(nóng)業(yè)凈碳匯及其年際變化
2014—2018年,長三角地區(qū)歷年農(nóng)業(yè)凈碳匯均為正值且遠大于0,說明該區(qū)域農(nóng)業(yè)碳吸收量遠遠大于碳排放量,農(nóng)業(yè)生態(tài)系統(tǒng)表現(xiàn)出明顯的碳匯能力。此外,長三角農(nóng)業(yè)凈碳匯總體上呈現(xiàn)逐年上升的趨勢,農(nóng)業(yè)碳吸收發(fā)展?jié)摿薮?,是長三角地區(qū)乃至全國碳排放的重要碳匯庫。安徽省和江蘇省農(nóng)業(yè)凈碳匯均有所增長,上海市則較為穩(wěn)定。與總體上升趨勢不同,浙江省凈碳匯量逐年下降,5a間減少了97.48萬t,2018年凈碳匯量較2014年下降了36%,主要原因在于浙江省各農(nóng)作物產(chǎn)量大幅減少而導致其農(nóng)業(yè)碳吸收量逐年下降。
2014—2018年,長三角地區(qū)年均農(nóng)業(yè)凈碳匯強度為3.11t·hm-2。其中,江蘇省年均凈碳匯強度最強,為3.48t·hm-2;浙江省最低,僅為1.03t·hm-2。與碳吸收類似,長三角地區(qū)農(nóng)業(yè)凈碳匯強度整體呈現(xiàn)上升趨勢,從2014年的2.96t·hm-2增長到了2018年的3.40t·hm-2,在這5a間增長了0.44t·hm-2,年均增長率為3.72%。其中,安徽省農(nóng)業(yè)凈碳匯強度增長最多,而浙江省凈碳匯強度從2014年的1.25t·hm-2下降至2018年的0.80t·hm-2,見圖5。
圖5 2014—2018年長三角農(nóng)業(yè)凈碳匯強度
2.2.1 長三角農(nóng)業(yè)碳排放及其空間分布
2018年,長三角地區(qū)農(nóng)業(yè)碳排放量為2004.16萬t。從區(qū)域上來看,長三角地區(qū)農(nóng)業(yè)碳排放最多的為安徽省(831.85萬t)和江蘇省(779.49萬t),在全省農(nóng)業(yè)碳排放的占比超過80%;其次為浙江省(353.73萬t)和上海市(39.10萬t)。從排放單元來看,長三角地區(qū)農(nóng)業(yè)碳排放主要來源于化肥施用以及農(nóng)地翻耕,兩者碳排放占長三角地區(qū)農(nóng)業(yè)總碳排放的60.04%,排放前4的單元(化肥施用、農(nóng)地翻耕、農(nóng)地灌溉和農(nóng)用柴油使用)占總排放量的85.47%。2018年長三角地區(qū)農(nóng)業(yè)碳排放強度為1.07t·hm-2,其中安徽省、江蘇省、上海市以及浙江省農(nóng)業(yè)碳排放強度分別為0.95t·hm-2、1.04t·hm-2、1.37t·hm-2以及1.66t·hm-2。雖然安徽省與江蘇省是長三角地區(qū)農(nóng)業(yè)碳排放量最多的2個省份,但其碳排放強度遠低于上海市和浙江省,農(nóng)資產(chǎn)品單位面積使用量高是導致后者碳排放強度高的根本原因。
長三角地區(qū)農(nóng)業(yè)碳排放空間分布總體上呈現(xiàn)北高南低的分布格局。如圖6所示,2018年長三角農(nóng)業(yè)碳排放主要來源于安徽省和江蘇省長江以北城市。農(nóng)業(yè)碳排放量排在前5的地級市分別是江蘇鹽城(148.15萬t)、徐州(120.25萬t)以及安徽宿州(98.94萬t)、阜陽(97.80萬t)、亳州(85.80萬t),5市農(nóng)業(yè)碳排放約占長三角排放總量的27.49%;安徽黃山市(10.72萬t)農(nóng)業(yè)碳排放最少。雖然臺州市(62.33萬t)在浙江省內(nèi)碳排放量最高,但在長三角地區(qū)僅排14位。因此,在保證農(nóng)作物產(chǎn)量的同時應當適當減少農(nóng)資產(chǎn)品的投入,從而達到碳減排的效果。
圖6 2018年長三角農(nóng)業(yè)碳排放空間分布
2.2.2 長三角農(nóng)業(yè)碳吸收及其空間分布
2018年,長三角地區(qū)農(nóng)業(yè)碳吸收量達到了8376.09萬t。從區(qū)域上來看,長三角地區(qū)農(nóng)業(yè)碳吸收量最多的省份為安徽省。碳吸收量最高的作物為水稻和小麥,二者碳吸收量占長三角農(nóng)業(yè)碳吸收量的78.16%;其次依次為玉米、油菜籽、豆類、花生以及棉花。長三角地區(qū)糧食作物(水稻、小麥、玉米以及豆類)碳吸收量占總量的91.86%,各省市糧食作物碳吸收量普遍高于經(jīng)濟作物。在各項系數(shù)確定的情況下,農(nóng)作物經(jīng)濟產(chǎn)量是確定農(nóng)作物碳吸收量的主要原因。2018年長三角農(nóng)業(yè)碳吸收強度為4.48t·hm-2,其中安徽省、江蘇省、上海市以及浙江省農(nóng)業(yè)碳吸收強度分別為4.61t·hm-2、4.95t·hm-2、3.07t·hm-2和2.45t·hm-2。江蘇省農(nóng)業(yè)碳吸收強度最高而浙江省最低,農(nóng)作物單位面積產(chǎn)量的大小是導致碳吸收強度差異的根本原因,作物單產(chǎn)面積越高,農(nóng)業(yè)碳吸收強度越大。
長三角地區(qū)農(nóng)業(yè)碳吸收空間分布總體上與碳排放空間分布一致,具體表現(xiàn)為北高南低的分布特征,見圖7。與其他城市相比,浙江省各城市農(nóng)業(yè)碳吸收量普遍較小。2018年,碳吸收量最多和最少的地級市分別為江蘇鹽城(704.60萬t)和浙江舟山(2.29萬t),相差高達307.69倍,這主要與各地作物播種面積以及各作物經(jīng)濟產(chǎn)量有關。各城市碳吸收差異較大,排名前9的城市農(nóng)業(yè)碳吸收量是長三角吸收總量的52.20%。碳吸收強度空間分布與碳吸收空間分布相似,浙江省各城市碳吸收強度普遍低于其他城市。其中,江蘇淮安碳吸收強度最高,為5.69t·hm-2,而浙江舟山最低(1.49t·hm-2)。政府不僅要減少農(nóng)業(yè)投入水平,還應提高農(nóng)資產(chǎn)品的利用率,這樣才能解決浙江碳排放強度高而吸收強度弱的局面。
圖7 2018年長三角農(nóng)業(yè)碳吸收空間分布
2.2.3 長三角農(nóng)業(yè)凈碳匯及其空間分布
2018年,長三角地區(qū)農(nóng)業(yè)凈碳匯達到了6371.93萬t,其中安徽省、江蘇省、上海市以及浙江省農(nóng)業(yè)凈碳匯分別為3213.28萬t、2939.84萬t、48.58萬t以及170.23萬t。安徽省和江蘇省凈碳匯量占長三角地區(qū)的96.57%,浙江省僅占2.67%。浙江省山地丘陵居多,耕地面積小,種植條件不如蘇皖優(yōu)越,加上夏季臺風頻發(fā),農(nóng)作物產(chǎn)量較低;并且近年來政府大力推進農(nóng)業(yè)供給側(cè)改革,種植業(yè)比例減少,這些都是導致浙江省農(nóng)業(yè)碳匯能力弱的原因。2018年,長三角地區(qū)農(nóng)業(yè)凈碳匯強度為3.40t·hm-2。其中,江蘇省農(nóng)業(yè)凈碳匯強度最高,為3.91t·hm-2,而浙江省最低(0.80t·hm-2),前者是后者的近5倍;安徽省和上海市分別為3.66t·hm-2和1.70t·hm-2。在各地級市中,江蘇省淮安市農(nóng)業(yè)凈碳匯強度最高,達到了4.68t·hm-2;浙江省舟山市凈碳匯強度最低,為-23.82t·hm-2。
長三角農(nóng)業(yè)凈碳匯空間分布與農(nóng)業(yè)碳吸收空間分布相似,長三角北部城市凈碳匯高于南部城市,浙江省各城市凈碳匯普遍低于其余城市,安徽和江蘇北部城市高于其南部城市,見圖8。其中,凈碳匯最高和最低的城市分別為江蘇鹽城(556.45萬t)和浙江舟山(-36.65萬t)。長三角地區(qū)僅有浙江臺州和浙江舟山凈碳匯為負值,這2個城市農(nóng)業(yè)碳排放較大且農(nóng)作物播種面積較小,碳吸收能力有限。面對這種情況首先要提高農(nóng)業(yè)投入水平利用率,增強碳吸收能力;在此基礎上減少農(nóng)業(yè)投入水平從而達到碳減排的目的。
圖8 2018年長三角農(nóng)業(yè)凈碳匯空間分布
長三角地區(qū)2014—2018年農(nóng)業(yè)碳排放呈逐年下降的趨勢,而農(nóng)業(yè)碳吸收及凈碳匯均呈上升趨勢。從空間上來看,長三角農(nóng)業(yè)碳源碳匯主要來源于安徽省和江蘇省;相較其他單元而言,化肥施用和農(nóng)地翻耕是碳排放的主要來源,糧食作物吸收了長三角地區(qū)農(nóng)田排放的大部分的碳。2018年,長三角地區(qū)農(nóng)業(yè)碳排放量、碳吸收與凈碳匯總體上均表現(xiàn)出北高南低的分布特征,其中碳排放和碳吸收大部分來自安徽和江蘇的中北部城市,浙江省各城市農(nóng)業(yè)碳排放與碳吸收量普遍低于長三角其他城市。
根據(jù)本研究結(jié)果,農(nóng)資產(chǎn)品的大量使用是導致農(nóng)業(yè)碳排放的主要原因,而作物產(chǎn)量是影響碳吸收的影響因素,應作為推動碳減排和提高碳吸收的重點關注對象。在減少農(nóng)業(yè)碳排放方面,政府應該著力發(fā)展低碳農(nóng)業(yè)或產(chǎn)業(yè),如減少各種農(nóng)用化學品投入等,在保證農(nóng)作物產(chǎn)量的同時,適當調(diào)整產(chǎn)業(yè)結(jié)構(gòu),增加低碳產(chǎn)業(yè)比例;農(nóng)戶應在減少農(nóng)資產(chǎn)品的使用量的同時,提高農(nóng)資產(chǎn)品的利用率。而在增加農(nóng)業(yè)碳吸收方面,政府要大力發(fā)展農(nóng)業(yè)技術,提高科技水平,積極改造中低產(chǎn)田,在不增加農(nóng)用產(chǎn)品投入的情況下增加農(nóng)作物產(chǎn)量,以推動碳減排和碳吸收協(xié)同發(fā)展。