李天駒，賈磊，張曉慧

（西北農(nóng)林科技大學(xué) 經(jīng)濟(jì)管理學(xué)院，陜西 楊凌 712100）

由二氧化碳排放引起的氣候問(wèn)題是當(dāng)今全球的重大挑戰(zhàn)之一，發(fā)展低碳經(jīng)濟(jì)、減少溫室氣體排放已成為各國(guó)遏制全球變暖的重要舉措[1]。我國(guó)在第七十五屆聯(lián)合國(guó)大會(huì)期間，提出二氧化碳排放量力爭(zhēng)于2030年前達(dá)到峰值，努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和[2]。從現(xiàn)實(shí)來(lái)看，我國(guó)是農(nóng)業(yè)大國(guó)，農(nóng)地生產(chǎn)經(jīng)營(yíng)是二氧化碳排放的重要來(lái)源，相關(guān)統(tǒng)計(jì)資料表明農(nóng)業(yè)生產(chǎn)活動(dòng)產(chǎn)生的二氧化碳約占全球人為溫室氣體排放總量的20%[3]。近年來(lái)，隨著經(jīng)濟(jì)社會(huì)的發(fā)展，人們對(duì)生活質(zhì)量的要求越來(lái)越高，“吃得好”意味著對(duì)高品質(zhì)、深加工農(nóng)產(chǎn)品的需求強(qiáng)烈。同時(shí)工業(yè)化、城市化進(jìn)程帶來(lái)的勞動(dòng)力、土地等資源向城市集中，在耕地有限的情況下，擴(kuò)大產(chǎn)出的同時(shí)必然伴隨著化肥、農(nóng)藥等農(nóng)業(yè)生產(chǎn)資料的投入增加，這也導(dǎo)致農(nóng)地碳排放量的顯著增加[4]。與此同時(shí)，考慮到我國(guó)地域跨度大，各地區(qū)農(nóng)業(yè)生產(chǎn)面臨的資源稟賦和生產(chǎn)條件存在巨大差異，從而導(dǎo)致各地區(qū)農(nóng)地利用碳排放存在顯著的空間差異[5]。因此，有必要對(duì)農(nóng)地碳排放的時(shí)空分異與驅(qū)動(dòng)因素進(jìn)行深入研究，從而制定更具科學(xué)性和針對(duì)性的農(nóng)地減排措施。

目前，與農(nóng)地碳排放相關(guān)的研究主要圍繞農(nóng)地碳排放的測(cè)算、時(shí)空特征及其驅(qū)動(dòng)因素等方面展開。在農(nóng)地碳排放測(cè)算方面，相關(guān)研究普遍基于碳排放估算公式，從農(nóng)地利用過(guò)程中產(chǎn)生的能源消耗、農(nóng)資使用角度對(duì)農(nóng)地碳排放進(jìn)行測(cè)度[6-7]。在農(nóng)地碳排放驅(qū)動(dòng)因素方面，主要涉及農(nóng)地經(jīng)營(yíng)規(guī)模[8]、土地流轉(zhuǎn)[9]、農(nóng)地利用方式[10]等的影響。在農(nóng)地碳排放空間分異方面，何艷秋等[11]將動(dòng)態(tài)灰色關(guān)聯(lián)法和回歸模型結(jié)合對(duì)省級(jí)農(nóng)業(yè)碳排放進(jìn)行研究，結(jié)果表明農(nóng)業(yè)經(jīng)濟(jì)水平、農(nóng)業(yè)機(jī)械化、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)等對(duì)農(nóng)業(yè)碳排放空間分異具有顯著影響；龐麗[12]運(yùn)用LMDI分解模型對(duì)我國(guó)農(nóng)業(yè)碳排放驅(qū)動(dòng)因素進(jìn)行實(shí)證研究，發(fā)現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)規(guī)模是影響農(nóng)業(yè)碳排放區(qū)域差異的主要因素，而農(nóng)業(yè)技術(shù)的進(jìn)步可以有效緩解區(qū)域間的差異。此外，吳賢榮等[13]的研究表明省域內(nèi)的農(nóng)業(yè)碳排放水平不僅受自身經(jīng)濟(jì)及產(chǎn)業(yè)狀況的影響，還與其所處的環(huán)境即相鄰省份的發(fā)展情況相關(guān)。

總體而言，已有相關(guān)研究為理解地區(qū)間農(nóng)業(yè)碳排放的時(shí)空分異及其驅(qū)動(dòng)因素提供了重要參考。然而既有的農(nóng)地碳排放影響因素研究，不僅忽略了農(nóng)地碳排放在地理空間上的差異性，而且由于普遍采用靜態(tài)研究和線性模型，難以客觀把握農(nóng)地碳排放的空間演進(jìn)和影響因素對(duì)農(nóng)地碳排放的非線性作用。也有相當(dāng)一部分學(xué)者認(rèn)識(shí)到農(nóng)地碳排放的空間分異性，并對(duì)其影響因素進(jìn)行了深入研究，但在研究方法上存在一定的局限性。傳統(tǒng)的比較或統(tǒng)計(jì)計(jì)量方法在分析具有空間異質(zhì)性的農(nóng)地碳排放數(shù)據(jù)時(shí)會(huì)掩蓋空間碳排放的異質(zhì)性，分析結(jié)果可能被空間數(shù)據(jù)引起的混雜效應(yīng)所干擾[14-15]。因此，使用針對(duì)性的研究方法對(duì)中國(guó)農(nóng)地碳排放空間分異及其驅(qū)動(dòng)因素的分析顯得尤為重要，而地理探測(cè)器正是利用空間數(shù)據(jù)并對(duì)其進(jìn)行探索分析的有力工具[15]。

鑒于此，本研究以2000—2018年中國(guó)省級(jí)層面的農(nóng)業(yè)生產(chǎn)和社會(huì)經(jīng)濟(jì)數(shù)據(jù)為基礎(chǔ)，綜合運(yùn)用碳排放系數(shù)法、變異系數(shù)法、探索性空間數(shù)據(jù)分析和地理探測(cè)器研究方法，對(duì)省域?qū)用孓r(nóng)地碳排放的時(shí)空分異及其驅(qū)動(dòng)因素進(jìn)行探究，從而識(shí)別我國(guó)省級(jí)農(nóng)地碳排放空間分異的主導(dǎo)驅(qū)動(dòng)因素，以期為中國(guó)低碳和綠色農(nóng)業(yè)發(fā)展提供更具針對(duì)性和科學(xué)性的政策參考。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 研究方法

為了探索我國(guó)農(nóng)地碳排放時(shí)空分異的狀況及其驅(qū)動(dòng)因素，本研究具體分為以下三個(gè)步驟：首先，使用碳排放系數(shù)法計(jì)算中國(guó)農(nóng)地碳排放量，在此基礎(chǔ)之上運(yùn)用變異系數(shù)法對(duì)全國(guó)和不同區(qū)域的農(nóng)地碳排放空間分異狀況進(jìn)行測(cè)度。其次，通過(guò)探索性空間數(shù)據(jù)分析方法揭示中國(guó)農(nóng)地碳排放時(shí)空分異特征。最后，為進(jìn)一步分析中國(guó)農(nóng)地碳排放的驅(qū)動(dòng)因素，采用地理探測(cè)器方法，運(yùn)用GeoDetector軟件計(jì)算各驅(qū)動(dòng)因素對(duì)省級(jí)尺度的農(nóng)地碳排放分異格局的解釋力水平q值，探測(cè)中國(guó)省級(jí)尺度農(nóng)地碳排放空間分異格局的驅(qū)動(dòng)因素，并展開進(jìn)一步的分析和闡釋。

1.1.1 農(nóng)地碳排放測(cè)算方法

農(nóng)地碳排放量指在農(nóng)地開發(fā)利用過(guò)程中人類活動(dòng)直接或間接產(chǎn)生的溫室氣體水平。參考相關(guān)文獻(xiàn)[16]，農(nóng)地碳排放的碳源主要包含以下六類：柴油、化肥、農(nóng)藥、農(nóng)膜、翻耕、農(nóng)業(yè)灌溉。各省份農(nóng)地碳排放的計(jì)算公式為：

式中：E為農(nóng)地碳排放量；Ei為各類碳源的碳排放量；Ti為各碳排放源的量；ρi為各碳排放源的碳排放系數(shù)。各類碳源的碳排放系數(shù)如表1所示。

表1 農(nóng)地利用中各類排放源的碳排放系數(shù)

1.1.2 變異系數(shù)分析法

變異系數(shù)分析法用以對(duì)不同樣本數(shù)據(jù)的變異程度進(jìn)行測(cè)度，在空間分異程度的相關(guān)研究中被廣泛使用[22-23]。它的優(yōu)點(diǎn)在于可以消除不同樣本之間測(cè)量尺度和量綱的影響，避免由于單位和平均數(shù)的差異對(duì)結(jié)果造成的干擾[24]。本文使用變異系數(shù)（CV）測(cè)度南北方和不同區(qū)域省級(jí)尺度農(nóng)地碳排放量的區(qū)域差異狀況及其程度，其公式為：

式中：CV為變異系數(shù)；δ為各地區(qū)農(nóng)地碳排放量的標(biāo)準(zhǔn)差的無(wú)偏估計(jì)；為各地區(qū)農(nóng)地碳排放量的均值；n為地區(qū)數(shù)量；Xi為各地區(qū)農(nóng)地碳排放量。

1.1.3 探索性空間數(shù)據(jù)分析（ESDA）

探索性空間數(shù)據(jù)分析（ESDA）是用來(lái)分析空間數(shù)據(jù)的技術(shù)集合，其核心在于通過(guò)空間自相關(guān)來(lái)測(cè)度和檢驗(yàn)研究對(duì)象的空間關(guān)聯(lián)模式（趨同或異質(zhì)）[25]，主要包括全局空間自相關(guān)和局部空間自相關(guān)。

（1）全局空間自相關(guān)，主要用于分析研究對(duì)象在研究區(qū)內(nèi)的空間關(guān)聯(lián)模式，一般使用Moran’s I指數(shù)來(lái)衡量，其計(jì)算公式為：

式中：n為本研究的省級(jí)區(qū)域總數(shù)量；Xi和Xj分別為區(qū)域i和j的農(nóng)地碳排放量；為其平均值；Wij是空間權(quán)重矩陣，并進(jìn)行標(biāo)準(zhǔn)化，即滿足。Moran’s I指數(shù)的取值范圍為[-1,1]，當(dāng)Moran’s I＞0時(shí)，表示農(nóng)地碳排放量存在空間正相關(guān)性，即表現(xiàn)為空間趨同；當(dāng)Moran’s I＜0時(shí)，表示農(nóng)地碳排放量存在空間負(fù)相關(guān)，即空間異質(zhì)；當(dāng)Moran’s I=0時(shí)，表示農(nóng)地碳排放量的空間分布相互獨(dú)立。

（2）局部空間自相關(guān)，主要用于分析研究對(duì)象在局部地區(qū)的空間聚集程度，通常采用Local Moran’s I指數(shù)來(lái)衡量，其計(jì)算公式為：

式中：Ii為L(zhǎng)ocal Moran’s I指數(shù)，Zi和Zj分別為區(qū)域i和j農(nóng)地碳排放量的方差標(biāo)準(zhǔn)化值。

1.1.4 地理探測(cè)器

地理探測(cè)器作為分析空間分異性的有力工具，并且突破了傳統(tǒng)模型的線性假設(shè)，被廣泛地應(yīng)用于自然環(huán)境變量和經(jīng)濟(jì)社會(huì)變量的影響機(jī)理研究[15]。地理探測(cè)器主要由風(fēng)險(xiǎn)探測(cè)器、因子探測(cè)器、生態(tài)探測(cè)器與交互探測(cè)器四部分組成[26]。根據(jù)本研究的重點(diǎn)，主要使用地理探測(cè)器的因子探測(cè)器分析各驅(qū)動(dòng)因素對(duì)農(nóng)地碳排放的解釋程度，再通過(guò)交互探測(cè)器探究因子交互作用對(duì)農(nóng)地碳排放分異影響力的大小。

（1）因子探測(cè)。因子探測(cè)器用來(lái)分析因變量的空間分異及某一自變量對(duì)因變量的空間分異的解釋程度。例如，在本研究中探測(cè)某一驅(qū)動(dòng)因素在何種程度上解釋了中國(guó)省級(jí)尺度農(nóng)地碳排放的空間分異，其中影響因素的q值可表示為：

式中：h為某一驅(qū)動(dòng)因素X的分層或分區(qū)；Nh和n分別表示層（級(jí)）h和全區(qū)的單元數(shù)；和δ2分別是層（級(jí)）h和全區(qū)的Y值的方差；SSW表示層內(nèi)方差之和；SST表示全區(qū)總方差。q的值域?yàn)閇0,1]，q值越接近1表示驅(qū)動(dòng)因素X對(duì)因變量Y的解釋力越強(qiáng)，反之則越弱。根據(jù)式（5）可知，q值滿足一個(gè)非中心F分布，因而可以通過(guò)查表或使用GeoDetector軟件檢驗(yàn)q值的顯著性[15]。

（2）交互作用探測(cè)。交互作用探測(cè)用來(lái)測(cè)度各驅(qū)動(dòng)因子X(jué)兩兩之間的交互作用，即用來(lái)判斷相較于單因子而言，因子的疊加是否增加或減弱對(duì)因變量的解釋力。具體的評(píng)估方法是通過(guò)比較不同驅(qū)動(dòng)因子兩兩之間的q值與其單因子值的大小。具體而言：首先，計(jì)算驅(qū)動(dòng)因素X1、X2的q值，得到q(X1)、q(X2)；其次，計(jì)算驅(qū)動(dòng)因素X1和X2發(fā)生交互作用時(shí)的q值，記為q(X1∩X2)；最后，通過(guò)比較q(X1)、q(X2)與q(X1∩X2)確定兩因子的交互作用對(duì)中國(guó)農(nóng)地碳排放的解釋力度是更甚于還是更弱于單因子的影響。因子的交互關(guān)系分類有如下五類：

①若q(X1∩X2)＜min[q(X1),q(X2)]，則表明因子X(jué)1、X2交互后非線性減弱；

②若min[q(X1),q(X2)]＜q(X1∩X2)＜max[q(X1),q(X2)]，則表明因子X(jué)1、X2交互后單因子非線性減弱；

③若q(X1∩X2)＞max[q(X1),q(X2)]，則表明因子X(jué)1、X2交互后雙因子增強(qiáng)；

④若q(X1∩X2)＞q(X1)+q(X2)，則表明因子X(jué)1、X2交互后非線性增強(qiáng)；

⑤若q(X1∩X2)=q(X1)+q(X2)，則表明因子X(jué)1和X2相互獨(dú)立。

1.2 數(shù)據(jù)來(lái)源

農(nóng)地碳排放的碳源數(shù)據(jù)，即各省份的化肥、農(nóng)藥、農(nóng)膜、柴油、翻耕面積與農(nóng)業(yè)灌溉面積均來(lái)源于《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》（2001—2019年）。驅(qū)動(dòng)因素的數(shù)據(jù)，即各省份鄉(xiāng)村人口、鄉(xiāng)村人均非農(nóng)業(yè)收入、農(nóng)業(yè)增加值、農(nóng)林牧漁業(yè)增加值、農(nóng)業(yè)機(jī)械總動(dòng)力、人均耕地?cái)?shù)量、城鎮(zhèn)化率來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》（2001—2019年）和國(guó)家統(tǒng)計(jì)局網(wǎng)站（http://www.stats.gov.cn），其中有部分缺失的數(shù)據(jù)由各省份統(tǒng)計(jì)年鑒補(bǔ)充。

2 結(jié)果分析

2.1 2000—2018年中國(guó)農(nóng)業(yè)碳排放總量的空間格局

2.1.1 全國(guó)整體特征

基于公式（1）可以計(jì)算得到2000—2018年我國(guó)農(nóng)地碳排放總量及各類源碳的排放量，如表2所示。可以直觀地看出，我國(guó)農(nóng)地利用碳排放量在2000—2018年整體呈現(xiàn)出緩慢上升，并在2015年達(dá)到峰值后，出現(xiàn)緩慢下降的趨勢(shì)。具體而言，農(nóng)地碳排放量從2000年的6 052.76萬(wàn)噸上升至研究期間的峰值，即2015年的9 141.49萬(wàn)噸，此后下降至2018年的8 492.81萬(wàn)噸。柴油、化肥、農(nóng)藥、農(nóng)膜、翻耕五類碳源的排放量在2000—2015年均呈增長(zhǎng)態(tài)勢(shì)，年均增長(zhǎng)率分別為3.12%、2.53%、2.26%、4.56%、0.42%，在2016—2018年，年均增長(zhǎng)率分別為-3.03%、-2.08%、-5.48%、-1.77%、-0.10%。農(nóng)業(yè)灌溉碳排放量在2000—2018年持續(xù)增加，年均增長(zhǎng)率為1.33%。從各類碳源占比來(lái)看，農(nóng)用化肥的碳排放占比最高，達(dá)到60%左右；其次是柴油、農(nóng)膜和農(nóng)藥，分別占碳排放總量的14%、13%和10%左右，翻耕和農(nóng)業(yè)灌溉的碳排放總量占比不足3%，表明我國(guó)農(nóng)業(yè)生產(chǎn)和農(nóng)地利用對(duì)化學(xué)能源的依賴性很強(qiáng)。

表2 2000—2018年我國(guó)農(nóng)地利用碳排放量

農(nóng)地利用碳排放量時(shí)間變化趨勢(shì)表明，過(guò)去相當(dāng)長(zhǎng)的一段時(shí)間，粗放型的農(nóng)業(yè)發(fā)展方式和農(nóng)地利用模式占主導(dǎo)地位，隨著低碳農(nóng)業(yè)的相關(guān)概念與技術(shù)的普及，農(nóng)地利用趨于合理化與綠色化，由此降低了碳排量，提升了農(nóng)業(yè)發(fā)展的質(zhì)量與效益[27]。

2.1.2 區(qū)域差異化特征

為進(jìn)一步探索農(nóng)地碳排放的空間分布與區(qū)域特征，本文擬采用典型年份的農(nóng)地碳排放空間分布圖及變異系數(shù)法進(jìn)行探究。

首先在研究樣本中選擇2000年、2005年、2010年、2015年及2018年5個(gè)較典型的時(shí)間截面數(shù)據(jù)為基礎(chǔ)，通過(guò)ArcGIS軟件繪制農(nóng)地碳排放的空間分布圖（圖1）。典型年份的農(nóng)地碳排放呈現(xiàn)出以下特征：2000—2015年省級(jí)農(nóng)地碳排放整體呈現(xiàn)持續(xù)增加，并于2018年回落至2015年水平，即農(nóng)地碳排放量近年來(lái)出現(xiàn)下降趨勢(shì)；農(nóng)地碳排放量的區(qū)域分布特征明顯，其分布基本與各省份的農(nóng)業(yè)產(chǎn)值相匹配，河南、山東的農(nóng)地碳排放常年居于全國(guó)前列，而西藏、青海、北京、天津和上海的農(nóng)地碳排放量常年不足50萬(wàn)噸。值得注意的是，東北及西北地區(qū)的農(nóng)地碳排放量呈遞增趨勢(shì)。東北地區(qū)的農(nóng)地碳排放水平不斷增加，其中以黑龍江省表現(xiàn)最為明顯。原因在于全球氣候變暖使得當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)結(jié)構(gòu)發(fā)生變化，據(jù)統(tǒng)計(jì)，黑龍江省的水稻種植面積由2000年的160.59萬(wàn)公頃擴(kuò)大至2018年的378.71萬(wàn)公頃（數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局：https://data.stats.gov.cn/.htm?cn=0103），增長(zhǎng)了1.36倍。對(duì)于不同種類的作物而言，水稻種植產(chǎn)生的碳排放量最大[28]，從而使得東北地區(qū)農(nóng)地碳排放量不斷上升。西北地區(qū)則是因?yàn)檗r(nóng)業(yè)機(jī)械化、規(guī)?；降牟粩嗵岣?，從而導(dǎo)致農(nóng)地碳排放量的上升[29]。

圖1 農(nóng)地碳排放量的空間分布圖

進(jìn)一步地，為了對(duì)農(nóng)地碳排放量的差異狀況進(jìn)行測(cè)度，先將全國(guó)根據(jù)南北方劃分為不同的農(nóng)業(yè)區(qū)劃（表3），從時(shí)間演變的角度探究農(nóng)地碳排放量的差異狀況。

表3 區(qū)域劃分

基于公式（2）可以得出各區(qū)域農(nóng)地碳排放量的變異系數(shù)，結(jié)果如表4所示。從南北區(qū)域角度看，北方農(nóng)地碳排放量的變異系數(shù)顯著高于南方，但兩者的差距存在緩慢縮小的趨勢(shì)，具體而言，北方地區(qū)農(nóng)地碳排放量變異系數(shù)由2000年的0.97減少至2018年的0.78，而南方地區(qū)農(nóng)地碳排放量變異系數(shù)由2000年的0.61減少至2018年的0.55，南北方農(nóng)地碳排放量變異系數(shù)的差距不斷縮小，表明南北地區(qū)農(nóng)地碳排放量的差異狀況相較過(guò)去而言逐漸減小。

表4 2000年、2005年、2010年、2015年和2018年農(nóng)地利用碳排放量變異系數(shù)

從農(nóng)業(yè)區(qū)劃角度看，不同農(nóng)業(yè)區(qū)劃之間農(nóng)地碳排放量的變異系數(shù)差異更為明顯。樣本研究期內(nèi)，東北、華北和西北地區(qū)農(nóng)地碳排放量變異系數(shù)略有上升，然而西南、長(zhǎng)江中下游和東南沿海地區(qū)農(nóng)地碳排放量變異系數(shù)則略有下降。與其他區(qū)域相比，東北地區(qū)農(nóng)地碳排放量變異系數(shù)最小，歷年來(lái)均未超過(guò)0.2，表明東北地區(qū)農(nóng)地碳排放量的區(qū)域差異程度更??；華北、西南地區(qū)農(nóng)地碳排放量的變異系數(shù)均超過(guò)0.8，表明華北、西南地區(qū)農(nóng)地碳排放量的區(qū)域差異程度更大。

2.2 探索性空間數(shù)據(jù)分析

2.2.1 全局空間關(guān)聯(lián)效應(yīng)

為進(jìn)一步揭示農(nóng)地碳排放的空間關(guān)聯(lián)與空間分異特征，本研究運(yùn)用全局Moran’s I指數(shù)深入刻畫農(nóng)地碳排放的空間關(guān)聯(lián)?；贏rcGIS平臺(tái)，得到2000—2018年農(nóng)地碳排放的Moran’s I指數(shù)（表5）。省級(jí)層面農(nóng)地碳排放的Moran’s I所處區(qū)間為[0.163,0.314]，均通過(guò)了10%水平的顯著性檢驗(yàn)，整體呈現(xiàn)出穩(wěn)定減小的態(tài)勢(shì)，表明農(nóng)地碳排放在空間上存在顯著的正向關(guān)聯(lián)與依存特征，但該空間上的正向相關(guān)性表現(xiàn)出穩(wěn)定持續(xù)地減弱。

表5 農(nóng)地碳排放的Moran’s I指數(shù)

2.2.2 局部空間分異效應(yīng)

通過(guò)局部自相關(guān)的集聚分析方法對(duì)農(nóng)地碳排放在空間上進(jìn)行分類。根據(jù)局部莫蘭指數(shù)結(jié)果將農(nóng)地碳排放量劃分為四種不同的類型（圖2），具體包括：（1）高高集聚，即某省份自身與其鄰近地區(qū)的農(nóng)地碳排放量水平均較高；（2）低低集聚，即某省份自身與其鄰近地區(qū)的農(nóng)地碳排放量水平均較低；（3）高低集聚，即某省份自身碳排放量水平較高，但其鄰近地區(qū)碳排放量水平較低；（4）低高集聚，即某省份自身碳排放量水平較低，但其鄰近地區(qū)碳排放量水平較高。

由圖2能夠明顯看出省級(jí)農(nóng)地碳排放量的空間集聚特征：農(nóng)地碳排放量的空間集聚狀況變化基本保持穩(wěn)定，呈現(xiàn)出與農(nóng)業(yè)產(chǎn)值相匹配的分布格局，即傳統(tǒng)農(nóng)業(yè)大省河南、山東省呈現(xiàn)顯著穩(wěn)定的高高集聚，四川則穩(wěn)定呈現(xiàn)高低集聚，而高低集聚與低高集聚則呈現(xiàn)零星分布態(tài)勢(shì)，且在局部區(qū)域內(nèi)也發(fā)生著波動(dòng)性的變化。具體表現(xiàn)為：河南、山東、安徽長(zhǎng)期穩(wěn)定處于高高集聚地區(qū)，其中，河南、山東的農(nóng)業(yè)產(chǎn)值長(zhǎng)期穩(wěn)定位居全國(guó)前列，高產(chǎn)出意味著高排放。安徽雖然作為十三個(gè)糧食主產(chǎn)區(qū)之一，但其高排放量的原因主要在于其以水稻這一高碳排放作物作為主要糧食作物進(jìn)行種植，且自身經(jīng)濟(jì)發(fā)展水平相較于其他糧食主產(chǎn)區(qū)而言相對(duì)落后，從而造成農(nóng)業(yè)生產(chǎn)效率低下[30]。黑龍江由2010年前的高低集聚類型轉(zhuǎn)變?yōu)?015年后的高高集聚類型，主要原因在于鄰近省份農(nóng)地碳排放量的上升。新疆由2005年前的低低集聚類型轉(zhuǎn)變?yōu)?010年后的高低集聚類型。新疆地區(qū)的農(nóng)業(yè)資源潛力巨大，可直接利用土地面積占全國(guó)土地面積的10%以上，人均耕地面積為全國(guó)的兩倍多[31]。隨著經(jīng)濟(jì)發(fā)展，農(nóng)業(yè)生產(chǎn)投入品需求不斷增加，再加之新疆地區(qū)自然環(huán)境的天然脆弱性[32]，使得農(nóng)業(yè)生產(chǎn)過(guò)程中對(duì)物質(zhì)投入的依賴導(dǎo)致新疆農(nóng)地碳排放量呈連年增加趨勢(shì)。

圖2 農(nóng)地碳排放量的LISA集聚分布圖

2.3 中國(guó)農(nóng)地碳排放驅(qū)動(dòng)因素分析

基于地理探測(cè)器方法并運(yùn)用GeoDetector軟件分時(shí)段對(duì)影響我國(guó)農(nóng)地碳排放各驅(qū)動(dòng)因子及其交互項(xiàng)的q值進(jìn)行測(cè)度，各因子均通過(guò)顯著性檢驗(yàn)（P值均小于0.000 1），具體分析如下。

2.3.1 因子探測(cè)

如表6所示，各驅(qū)動(dòng)因子q值的變化幅度較大，且各年份影響中國(guó)農(nóng)地碳排放空間分異的核心驅(qū)動(dòng)因子存在差異。從探測(cè)結(jié)果對(duì)比分析來(lái)看，人口因素（P）、人均非農(nóng)收入（E1）及農(nóng)業(yè)機(jī)械化程度（T4）的解釋力呈現(xiàn)減小趨勢(shì)，人均農(nóng)業(yè)增加值（E2）的解釋力呈現(xiàn)增長(zhǎng)趨勢(shì)。同時(shí)，第一產(chǎn)業(yè)結(jié)構(gòu)（T3）在解釋農(nóng)地碳排放空間分異中仍為關(guān)鍵性因子。以2018年為例，影響中國(guó)農(nóng)地碳排放空間分異的驅(qū)動(dòng)因子q值從大到小依次為：人均農(nóng)業(yè)增加值（E2）＞第一產(chǎn)業(yè)結(jié)構(gòu)（T3）＞城鎮(zhèn)化（T2）＞人均耕地面積（T1）＞鄉(xiāng)村人均非農(nóng)收入（E1）＞農(nóng)業(yè)機(jī)械化程度（T4）＞鄉(xiāng)村人口（P）。由此可見(jiàn)，對(duì)于目前而言，人均農(nóng)業(yè)增加值（E2）是我國(guó)農(nóng)地碳排放量空間分異格局的主導(dǎo)驅(qū)動(dòng)因子，第一產(chǎn)業(yè)結(jié)構(gòu)（T3）在其中也發(fā)揮著重要作用，而農(nóng)業(yè)機(jī)械化程度（T4）和鄉(xiāng)村人口（P）在碳排放量空間分異格局中的解釋力最小。

表6 2000年、2010年、2018年全國(guó)q值探測(cè)

2.3.2 交互探測(cè)

如表7所示，在交互作用下，各驅(qū)動(dòng)因子對(duì)我國(guó)農(nóng)地碳排放量空間分異影響力增強(qiáng)。2000年交互值位于前列的是E2∩T4、T4∩T2、P∩T4，分別是0.932、0.930、0.916；2010年交互值位于前列的是T4∩P、P∩T2、P∩T1，分別是0.987、0.974、0.963；2018年交互值位于前列的是P∩T3、T3∩T4、E2∩T2，分別是0.898、0.898、0.889。所有交互因子對(duì)我國(guó)農(nóng)地碳排放空間分異的解釋力度相對(duì)于單個(gè)驅(qū)動(dòng)因子均有所增強(qiáng)。各驅(qū)動(dòng)因子間的交互作用主要表現(xiàn)為雙因子增強(qiáng)與非線性增強(qiáng)。

表7 2000年、2010年、2018年交互作用探測(cè)結(jié)果

2.4 農(nóng)地碳排放量空間分異主導(dǎo)因素分析

將地理探測(cè)器探測(cè)結(jié)果進(jìn)行排序（表8），2000—2018年，全國(guó)農(nóng)地碳排放量的主導(dǎo)驅(qū)動(dòng)因子特征如下：

表8 2000年、2010年、2018年農(nóng)地碳排放的主導(dǎo)驅(qū)動(dòng)因子

農(nóng)地碳排放量的核心驅(qū)動(dòng)因素由農(nóng)業(yè)機(jī)械化水平、人口因素變?yōu)榻?jīng)濟(jì)因素，這可能是由于農(nóng)業(yè)技術(shù)水平的快速發(fā)展以及鄉(xiāng)村人口的持續(xù)轉(zhuǎn)移所導(dǎo)致的。

人均農(nóng)業(yè)增加值反映的是農(nóng)業(yè)生產(chǎn)帶來(lái)的總價(jià)值與中間消耗的差額，人均農(nóng)業(yè)增加值的增加表明更多的資源被農(nóng)業(yè)生產(chǎn)所消耗，這一過(guò)程同時(shí)伴隨著更多的碳排放。根據(jù)統(tǒng)計(jì)資料顯示，全國(guó)人均農(nóng)業(yè)增加值從2000年的9 376.89元增加到2018年的70 229.78元，同時(shí)人均農(nóng)業(yè)增加值的q值從2000年的0.139增加到2018年的0.666，表明了相對(duì)于過(guò)去而言，人均農(nóng)業(yè)增加值對(duì)農(nóng)地碳排放量空間分異的影響增強(qiáng)，并成為我國(guó)農(nóng)地碳排放量空間分異的主導(dǎo)因素。

第一產(chǎn)業(yè)結(jié)構(gòu)即農(nóng)業(yè)增加值與農(nóng)林牧漁業(yè)增加值的比值對(duì)我國(guó)農(nóng)地碳排放量空間分異的影響力度較大且穩(wěn)定。根據(jù)統(tǒng)計(jì)資料顯示，2000—2018年全國(guó)及各省級(jí)區(qū)域的第一產(chǎn)業(yè)結(jié)構(gòu)無(wú)明顯變化，且其q值僅從0.508增加到0.589，相對(duì)于其他驅(qū)動(dòng)因素q值的變化幅度而言，最為穩(wěn)定。第一產(chǎn)業(yè)結(jié)構(gòu)之所以成為影響我國(guó)農(nóng)地碳排放的重要影響因素，原因在于我國(guó)幅員遼闊，各地區(qū)地形、氣溫、降水、光照等自然因素存在差異，這就使得相同農(nóng)業(yè)生產(chǎn)的物質(zhì)投入，在農(nóng)業(yè)及其他第一產(chǎn)業(yè)部門所產(chǎn)生的碳排放存在差異。

城鎮(zhèn)化率對(duì)農(nóng)地碳排放的影響可以從兩個(gè)方面理解。城鎮(zhèn)化率的提高一方面意味著勞動(dòng)力、土地等資源向城市轉(zhuǎn)移，伴隨著農(nóng)業(yè)勞動(dòng)力的萎縮和農(nóng)地面積的減少，從而減少農(nóng)地碳排放；另一方面，為了維持農(nóng)業(yè)產(chǎn)出水平，單位農(nóng)地的資本要素增加，這一過(guò)程必然伴隨著農(nóng)膜、化肥、農(nóng)藥、農(nóng)用機(jī)械等物質(zhì)資料的增加，而這些要素均是農(nóng)地碳排放的來(lái)源。兩種相反的作用使得城鎮(zhèn)化率對(duì)我國(guó)農(nóng)地碳排放量空間分異的影響相對(duì)較小，2018年的q值為0.225。

3 結(jié)論與建議

3.1 結(jié)論

（1）農(nóng)地碳排放量的測(cè)算結(jié)果表明，我國(guó)農(nóng)地利用碳排放量在2000—2018年整體呈現(xiàn)出緩慢上升，并在2015年達(dá)到峰值后，出現(xiàn)緩慢下降的趨勢(shì)。相較南方地區(qū)而言，北方農(nóng)地碳排放量的差異狀況更加顯著，但兩者的差異狀況相較過(guò)去而言逐漸減?。粡霓r(nóng)業(yè)區(qū)劃角度看，不同農(nóng)業(yè)區(qū)劃之間的農(nóng)地碳排放量的變異系數(shù)差異更為明顯，與其他區(qū)域相比，東北地區(qū)農(nóng)地碳排放量的區(qū)域差異程度更小，華北、西南地區(qū)農(nóng)地碳排放量的區(qū)域差異程度更大。

（2）2000—2018年農(nóng)地碳排放在空間上表現(xiàn)出顯著的、持續(xù)減弱的正向關(guān)聯(lián)與依存特征；農(nóng)地碳排放量的空間集聚狀況變化較為穩(wěn)定，基本呈現(xiàn)出與農(nóng)業(yè)產(chǎn)值相匹配的分布格局，即傳統(tǒng)農(nóng)業(yè)大省河南、山東呈現(xiàn)顯著的高高集聚，四川則穩(wěn)定呈現(xiàn)高低集聚，而高低集聚與低高集聚則呈現(xiàn)零星分布態(tài)勢(shì)。

（3）單因子探測(cè)結(jié)果表明，影響中國(guó)農(nóng)地碳排放空間分異的核心驅(qū)動(dòng)因子在研究期經(jīng)歷了較大變化，主要驅(qū)動(dòng)因素逐漸由人口因素、農(nóng)業(yè)機(jī)械化水平向人均農(nóng)業(yè)增加值轉(zhuǎn)變。

（4）交互作用探測(cè)結(jié)果表明，相對(duì)于單因子而言，所有交互因子對(duì)農(nóng)地碳排放空間分異的解釋力都有所增強(qiáng)。

3.2 建議

（1）盡管從農(nóng)地碳排放量的變化趨勢(shì)看，近年來(lái)農(nóng)地碳排放總量有下降趨勢(shì)，但其內(nèi)部結(jié)構(gòu)仍然不合理，農(nóng)地利用過(guò)度依賴化學(xué)能源。因此，仍然需要轉(zhuǎn)變農(nóng)業(yè)增長(zhǎng)方式，優(yōu)化農(nóng)業(yè)生產(chǎn)過(guò)程中物質(zhì)資料投入結(jié)構(gòu)。為此，需要合理調(diào)整農(nóng)藥、化肥在農(nóng)業(yè)生產(chǎn)中的投入比例；加大清潔能源技術(shù)的開發(fā)和應(yīng)用，從而推動(dòng)清潔能源的應(yīng)用；同時(shí)注重基層農(nóng)業(yè)技術(shù)推廣工作，提高農(nóng)業(yè)生產(chǎn)技術(shù)的普及與應(yīng)用，從而不斷優(yōu)化農(nóng)業(yè)生產(chǎn)的資源利用結(jié)構(gòu)。

（2）探索性空間數(shù)據(jù)方法分析的結(jié)論表明，地區(qū)間碳排放量與農(nóng)業(yè)產(chǎn)值密切相關(guān)。因此，可通過(guò)碳排放配額的方式實(shí)現(xiàn)地區(qū)間農(nóng)地碳排放量的平衡發(fā)展并提高績(jī)效，即國(guó)家根據(jù)生產(chǎn)條件、自然稟賦等條件確定全國(guó)及各地區(qū)排放總量后，分配給各個(gè)省份一定的配額，超過(guò)（未超過(guò)）自身配額的地區(qū)可通過(guò)市場(chǎng)行為完成配額。

（3）由因子探測(cè)和交互作用探測(cè)可知，農(nóng)業(yè)機(jī)械化程度、鄉(xiāng)村人口等因素對(duì)農(nóng)地碳排放空間分異的解釋力均較小，因此，可以圍繞這些因素制定一些更為剛性的農(nóng)地碳排放政策。由于人均農(nóng)業(yè)增加值、第一產(chǎn)業(yè)生產(chǎn)結(jié)構(gòu)和城鎮(zhèn)化率對(duì)農(nóng)地碳排放空間分異的影響較大，應(yīng)制定更具差異性的政策，如優(yōu)化農(nóng)村地區(qū)產(chǎn)業(yè)結(jié)構(gòu)，充分發(fā)揮農(nóng)業(yè)的多功能性，有序引導(dǎo)勞動(dòng)力在農(nóng)業(yè)生產(chǎn)部門的分配，建議各地區(qū)“因地制宜”地推動(dòng)農(nóng)業(yè)低碳發(fā)展。

（4）在因子探測(cè)和交互作用探測(cè)中發(fā)現(xiàn)，一些原本對(duì)農(nóng)地碳排放空間分異性決定力微弱的因子在與其他因子空間疊加后，會(huì)產(chǎn)生非線性增強(qiáng)作用。這就表明農(nóng)地碳排放涉及一個(gè)復(fù)雜的非線性系統(tǒng)，因此，農(nóng)地碳排放的治理應(yīng)當(dāng)特別關(guān)注技術(shù)水平、物質(zhì)資料投入和產(chǎn)業(yè)結(jié)構(gòu)的平衡與協(xié)調(diào)。