任世鑫 李二玲 趙金彩 胥亞男

摘要：研究目的：揭示黃河流域耕地利用碳排放時空演變特征，并探究其影響因素，為“雙碳”目標下把握區(qū)域碳排放變化規(guī)律、制定農業(yè)碳減排策略提供參考。研究方法：以黃河流域78個市域單元為研究對象，運用耕地利用碳排放核算、空間熱點分析和時空地理加權回歸模型（GTWR）等方法進行定量分析。研究結果：（1）2005—2020年黃河流域耕地利用碳排放量及排放強度的變化趨勢呈明顯的“倒U型”特征，這基本符合經濟發(fā)展水平與環(huán)境污染程度之間的變化規(guī)律；（2）黃河流域耕地利用碳排放強度空間差異性明顯并表現(xiàn)出顯著的空間集聚特征，碳排放強度低值區(qū)主要集中于黃河流域中游及上游地區(qū)，高值區(qū)則位于下游地區(qū)的河南、山東兩??；（3）農地的規(guī)?；洜I、農作物種植結構“趨糧化”對黃河流域大部分地區(qū)的耕地利用碳排放強度具有抑制作用，而農村居民收入水平、農業(yè)發(fā)展水平、農業(yè)機械投入、復種程度、農業(yè)財政支持則表現(xiàn)為正向驅動，且各因素的影響效應具有顯著的空間異質性。研究結論：黃河流域各區(qū)域之間的耕地利用碳排放差異顯著，且驅動因素亦不相同，應結合區(qū)域實際情況制定差異化的耕地利用策略和碳減排措施。

關鍵詞：耕地利用；碳排放；時空地理加權回歸；黃河流域

中圖分類號：F301.24 文獻標志碼：A 文章編號：1001-8158（2023）10-0102-12

基金項目：國家自然科學基金項目（41971222，42171182，42001220）；國家社會科學基金項目（20BJY113）；河南省自然科學基金項目（222300420104）；河南省重點研發(fā)與推廣專項（科技攻關）項目（222102110420）。

全球氣候變化是當今人類社會所面臨的嚴峻挑戰(zhàn)，由人類活動所產生的溫室氣體排放是導致全球變暖的主要原因。2023年3月20日，聯(lián)合國政府間氣候變化專門委員會（IPCC）發(fā)布的第六次評估報告（AR6）綜合報告（SYR）《氣候變化2023》顯示，一個多世紀以來，人類活動導致全球溫升比工業(yè)化前水平高出1.1℃，而且很可能在2030—2035年達到1.5 ℃[1]，這將對全球生態(tài)系統(tǒng)、糧食安全及水安全造成嚴重威脅，采取減少或避免溫室氣體排放的行動迫在眉睫。為此，中國政府于2020年9月提出了“到2030年實現(xiàn)碳達峰、2060年實現(xiàn)碳中和”的中國方案，體現(xiàn)了中國主動承擔應對全球氣候變化責任的大國擔當。

作為重要的溫室氣體排放源，農業(yè)碳排放問題備受關注[2-5]。研究表明，由農業(yè)、林業(yè)和土地用途改變所產生的碳排放量約占全球溫室氣體排放總量的 1/5[6]。而且，根據國際經濟合作與發(fā)展組織（OECD）和聯(lián)合國糧食及農業(yè)組織（FAO）于2022年6月聯(lián)合發(fā)布的《2022—2031年全球農業(yè)展望》報告，未來10年農業(yè)直接產生的溫室氣體排放量將增加6%[7]。因此，如何有效地減少農業(yè)碳排放是未來一段時期內政府機構和學術界所要關注的關鍵性議題。從農業(yè)生產活動碳排放源類別來看，主要包括耕地利用[8-9]、水稻種植[10]、畜禽養(yǎng)殖[11]以及農業(yè)廢棄物處理[12]所產生的碳排放。其中，耕地利用過程中對于農資產品（化肥、農藥、農膜等）的施用、農業(yè)機械消耗的柴油、灌溉所消耗的電能以及翻耕行為等均會直接或間接產生碳排放[13-15]，已成為實現(xiàn)農業(yè)碳減排目標所要重點控制的領域。

當前，圍繞耕地利用碳排放的研究主要集中在以下4個方面：一是耕地利用碳排放測度[16]，學者們主要從農用化學品以及能源的投入、翻耕、灌溉等過程所產生的碳排放進行核算[15]；二是耕地利用碳排放的時空演變及脫鉤效應分析[13]，即從動態(tài)的視角分析區(qū)域耕地利用碳排放量的變化情況及其與糧食生產的脫鉤效應[17]；三是耕地利用碳排放的影響因素研究，就已有研究結果來看，農業(yè)技術進步、農業(yè)機械化水平、環(huán)境規(guī)制強度、財政支農力度、農地經營規(guī)模等[18-19]被認為是影響耕地利用碳排放強度的重要因素；四是耕地利用碳減排研究，包括碳減排潛力測算[20]、碳減排路徑[21]、碳減排效應[22]等內容。綜合來看，關于耕地利用碳排放的研究已有較多成果，但仍存在以下不足：（1）已有研究側重于對研究單元的耕地利用碳排放的時空演化特征進行獨立分析，但根據地理學第一定律，空間關聯(lián)性現(xiàn)象普遍存在，而已有研究較少涉及；（2）影響耕地利用碳排放的因素可能因空間位置的不同而產生差異，現(xiàn)有文獻多借助于計量經濟學模型展開分析，缺乏從空間異質性視角進行剖析。就該層面而言，關于“耕地利用碳排放具有怎樣的空間關聯(lián)特征”“耕地利用碳排放時空演變的驅動因素有哪些、這些因素有什么樣的空間異質性特征”等問題尚有待進一步探究，而厘清上述問題有助于拓展耕地利用碳排放研究框架。因此，加強耕地利用碳排放時空演變特征、空間集聚特征和驅動因素的空間異質性研究顯得尤為重要。黃河流域是我國重要的農牧業(yè)生產基地，分布有黃淮海平原、汾渭平原、河套灌區(qū)等農產品主產區(qū)，糧食產量約占全國的1/3，在保障我國糧食安全方面占有舉足輕重的地位。與此同時，為了追求高產出而對耕地資源進行粗放利用所產生的碳排放問題亦不容忽視。中共十八大以來，習近平多次實地考察黃河流域生態(tài)保護和經濟社會發(fā)展情況，2019年9月，黃河流域生態(tài)保護和高質量發(fā)展正式上升為新時代重大國家戰(zhàn)略，推動農業(yè)綠色低碳發(fā)展對于黃河流域意義重大、勢在必行。鑒于此，本文基于2005—2020年黃河流域地級面板數據，采用碳排放系數法、空間分析法揭示黃河流域耕地利用碳排放的時空特征，同時，利用時空地理加權回歸模型進一步探究不同因素在不同區(qū)域的異質性影響機理，以期為制定精細化的農業(yè)碳減排政策提供決策參考。

1 理論框架、研究方法與數據來源

1.1 理論框架

耕地利用是農業(yè)生產經營者對耕地進行自然再生產和經濟再生產的社會經濟活動，其本質是人類社會及其活動與耕地之間的交互作用[23]。在耕地利用過程中，農業(yè)生產經營者為獲得農業(yè)產品并取得經濟收益，需投入一定量的農藥、化肥、農膜等農用化學品，并依據農作物的生長規(guī)律進行翻耕、平整、播種、灌溉、除草、收割、運輸等作業(yè)，此過程伴隨著電力、柴油等能源的消耗，而農用化學品的施用、農耕作業(yè)所消耗的能源以及土壤有機碳的釋放等均會產生相應量值的碳排放[15-16]。耕地利用碳排放量與上述農業(yè)生產活動密切相關，同時，農用化學品的施用強度、農業(yè)能耗的高低又受到農業(yè)生產經營者個體行為及其所處社會經濟環(huán)境的影響[18]。其中，農地經營規(guī)模主要通過改變農地利用方式如調整種植結構、誘發(fā)化學品投入強度和技術投入強度變化，繼而影響耕地利用碳排放[9，18]；農業(yè)政策如農資補貼、農機購置補貼等會影響到農業(yè)生產經營者對于化肥、農藥、農機的使用方式及強度，從而影響耕地利用碳排放[19]；農業(yè)技術進步通過改變要素的投入結構、提高生產效率及能源利用效率而對碳排放產生影響[24]。此外，一些研究證實了農業(yè)發(fā)展水平、耕地利用強度、農村居民收入水平、農作物種植結構、農地流轉、農業(yè)機械化水平、勞動力素質等亦會對耕地利用碳排放產生直接或間接影響[15，25]。基于此，本文構建了耕地利用碳排放研究框架（圖1）。

1.2 研究方法

1.2.1 耕地利用碳排放測度

耕地利用碳排放的主要來源如下[14，25-26]：（1）化肥、農藥和農膜等農用化學品在生產和使用過程中所

產生的碳排放，其碳排放系數分別為0.895 6 kg C/kg、4.934 1 kg C/kg和5.18 kg C/kg；（2）能源消耗所帶來的碳排放，包括農業(yè)機械消耗的柴油以及灌溉所消耗的電能，二者的碳排放系數分別為0.592 7 kg C/kg、20.476 kg C/hm2；（3）翻耕導致有機碳流失而產生的碳排放，其碳排放系數為312.6 kg C/km2。碳排放計算公式為：

1.3 研究區(qū)概況與數據來源

1.3.1 研究區(qū)概況

根據國家水利部黃河水利委員會的定義，自然黃河流域包含青海、四川、甘肅、寧夏、內蒙古、陜西、山西、河南和山東9個?。ㄗ灾螀^(qū)）[34]。但根據《長江經濟帶發(fā)展規(guī)劃綱要》，四川省整體屬于長江經濟帶[35]，同時，內蒙古自治區(qū)東四盟（呼倫貝爾市、興安盟、通遼市、赤峰市）屬于東北地區(qū)[36]，故本文未將其納入研究范圍。進一步考慮到數據的可獲得性，本文最終選擇黃河流域78個市（州、盟）作為研究區(qū)樣本。

1.3.2 數據來源

本文以黃河流域市級行政區(qū)為研究單元，所用數據包括化肥、農藥、農膜、農用柴油、灌溉面積和農作物播種面積等耕地利用碳排放測算指標數據，以及農業(yè)發(fā)展水平、種植結構、農地規(guī)模等耕地利用碳排放影響因素指標數據。上述統(tǒng)計數據首先通過查閱2006—2021年黃河流域各省（區(qū)）統(tǒng)計年鑒進行獲取，然后利用EPS（Easy Professional Superior）全球統(tǒng)計數據分析平臺（https：//www.epsnet.com.cn）和部分城市的統(tǒng)計年鑒、國民經濟和社會發(fā)展統(tǒng)計公報對缺失數據進行補充，最后對于少數缺失數據采用線性插值法進行補齊。此外，文中關于省域尺度的數據（如糧食產量、農村居民人均收入等）來源于《中國農村統(tǒng)計年鑒》 《中國統(tǒng)計年鑒》，研究區(qū)行政區(qū)劃數據獲取于國家基礎地理信息系統(tǒng)網站。

2 黃河流域耕地利用碳排放時空演變與集聚特征

2.1 時序演變特征

2.2 空間分異特征

借助于ArcGIS 10.2軟件分別對 2005 年、2010年、2015年和2020年黃河流域耕地利用碳排放強度進行空間可視化表達，以反映其空間差異及演變特征（圖3）。

（1）黃河流域耕地利用碳排放強度呈現(xiàn)出顯著的空間差異性。2005—2020年，黃河流域各區(qū)域之間的耕地利用碳排放強度相差明顯，2005年，碳排放強度最高的地區(qū)為威海、日照和嘉峪關，其碳排放強度值均超過1 500 kg/hm2，而榆林、呼和浩特、包頭、鄂爾多斯、烏蘭察布、甘南等地的碳排放強度均低于250 kg/hm2，差距顯著，該現(xiàn)象在2010年、2015年和2020年等時間節(jié)點同樣存在。

（2）碳排放強度水平相近的區(qū)域呈現(xiàn)出一定的空間鄰近性。從圖3可以看出，相近碳排放強度的區(qū)域在空間上呈“連片”分布，其中，2005年，碳排放強度高于1 250 kg/hm2的日照、青島、濰坊、煙臺、淄博和威海等地在空間上具有鄰近性，山西北部、陜西中部和甘肅東南部的部分地區(qū)亦存在連片分布的現(xiàn)象，該特征在2010年、2015年和2020年碳排放強度值處于250～500 kg/hm2的地區(qū)亦表現(xiàn)明顯。

（3）碳排放強度高值和低值區(qū)域范圍總體呈“低進高退”趨勢。2005年，黃河流域耕地利用碳排放強度超過1 000 kg/hm2的地區(qū)數量為16個，其中，高于1 250 kg/hm2的地區(qū)有7個，而低于500 kg/hm2的地區(qū)數量為21個，占比為26.9%；到2020年，碳排放強度高于1 000 kg/hm2的地區(qū)數量同樣為16個，碳排放強度高于1 250 kg/hm2的地區(qū)數量降至4個，而低于500 kg/hm2的地區(qū)數量則增至33個，所占比重達到 42.3%。就長期演變趨勢而言，碳排放低值區(qū)范圍逐漸擴張，高值區(qū)范圍則趨于收縮。

2.3 空間集聚特征

為探討黃河流域耕地利用碳排放強度是否存在空間集聚特征，首先采用全局空間自相關分析法計算得到黃河流域耕地利用碳排放強度的全局莫蘭指數（表1）。由表1可得，2005年、2010年、2015年和2020年的全局Morans I值均大于或接近0.6，且Z值均通過了顯著性檢驗，表明黃河流域耕地利用碳排放強度存在顯著的空間正相關性，即碳排放強度高值區(qū)趨向與高值區(qū)相鄰，而碳排放強度低的地區(qū)趨向與低值區(qū)相鄰。

為進一步揭示黃河流域耕地利用碳排放強度的局部關聯(lián)特征，利用冷熱點分析法計算得到Getis-Ord Gi*統(tǒng)計量，并依據自然斷裂點法將其劃分為冷點區(qū)、次冷點區(qū)、隨機分布區(qū)、次熱點區(qū)和熱點區(qū)（圖4）?？梢钥闯?，2005—2020年，黃河流域耕地利用碳排放強度冷熱點區(qū)集聚特征明顯，且冷點區(qū)位置相對穩(wěn)定、熱點區(qū)位置發(fā)生轉移，隨機分布區(qū)域范圍呈縮小趨勢。2005年，冷點和次冷點區(qū)主要集中于內蒙古、山西和甘肅東南部區(qū)域，熱點區(qū)和次熱點區(qū)顯著集聚于山東省；到2010年，冷點區(qū)和次冷點區(qū)位置變化較小，次熱點區(qū)范圍由山東省進一步擴展至河南省大部分地區(qū)；2015—2020年，冷點區(qū)范圍除原有區(qū)域外，甘肅省多數地區(qū)由次冷點區(qū)演變?yōu)槔潼c區(qū)，河南、山東、陜西中部及南部成為熱點和次熱點區(qū)的主要集聚區(qū)域。

3 黃河流域耕地利用碳排放影響因素分析

根據前文的分析結果，黃河流域耕地利用碳排放強度具有顯著的空間相關性，分析其影響因素時需將區(qū)域間的空間互動作用考慮在內。因此，本文基于2005—2020年黃河流域78個市域單元面板數據，運用GTWR模型展開分析。

3.1 變量選取

以耕地利用碳排放強度作為被解釋變量，即單位耕地面積碳排放量?；谇拔乃鶚嫿ǖ睦碚摽蚣埽梃b已有研究成果[15，18，24-25，37-38]，并考慮數據的可得性，本文選取農業(yè)發(fā)展水平、農地經營規(guī)模、農作物種植結構、農村居民收入水平、農業(yè)機械投入強度、農業(yè)財政支持力度和復種指數等直接或間接影響耕地利用碳排放的經濟社會因素作為解釋變量，具體含義如表2所示。為了消除價格因素的影響，本文以2005年為基期，分別使用農村居民消費價格指數、第一產業(yè)產值指數對農村居民人均可支配收入和農林牧漁總產值進行平減處理。

3.2 數據檢驗

在構建GTWR模型之前，需對所有變量進行標準化處理，以確保模型的穩(wěn)健性及結果的可信度。同時，為避免在回歸時出現(xiàn)偽回歸現(xiàn)象，需要對自變量進行多重共線性檢驗，診斷結果顯示，7項指標的方差膨脹因子（VIF）均小于7.5，表明變量之間相互獨立，不會因相互影響而干擾模型的穩(wěn)定性，可作進一步的建模分析。

3.3 GTWR模型擬合結果

基于ArcGIS 10.2 軟件GTWR分析模塊對黃河流域耕地利用碳排放影響因素進行分析，模型擬合結果如表3所示。GTWR模型的R2和Adj-R2值分別達到了0.862 2和0.861 4，相比于OLS和GWR模型具有更高的擬合度，說明GTWR模型的解釋度更強。同時，模型的AICc值和RSS值分別代表赤池信息量準則和殘差平方和，二者值越小，表明模型與觀測數據的擬合越接近。由表3可得，GTWR模型的AICc值和RSS值均小于OLS和GWR模型，進一步表明其擬合效果優(yōu)于二者。從整體回歸結果來看，農業(yè)發(fā)展水平、農村居民收入水平、農業(yè)機械投入強度、復種指數和農業(yè)財政支持力度等因素對耕地利用碳排放強度具有正向作用，其平均回歸系數分別為0.239 7、0.051 1、0.185 1、0.298 5和0.109 0，而農地經營規(guī)模、農作物種植結構則對耕地利用碳排放強度具有抑制作用，其平均回歸系數分別為-0.312 9和-0.101 4。按照影響程度大小的絕對值，依次為：農地經營規(guī)模>復種指數>農業(yè)發(fā)展水平>農業(yè)機械投入強度>農業(yè)財政支持力度>農作物種植結構>農村居民收入水平。另外，從統(tǒng)計結果可以看出，各因素對不同地區(qū)碳排放強度的影響程度差異明顯，需從局部考慮碳其時空異質性。

3.4 影響因素的空間異質性分析

根據GTWR模型局域估計結果，對各因素的回歸系數取其均值進行可視化處理（圖5），可以發(fā)現(xiàn)，黃河流域耕地利用碳排放強度的影響因素具有顯著的空間異質性。

（1）農業(yè)發(fā)展水平對多數城市的耕地利用碳排放強度表現(xiàn)為正向驅動（圖5（a））。統(tǒng)計結果顯示，有64.1%的空間單元，農業(yè)發(fā)展水平與耕地利用碳排放強度呈正相關效應，即對于大多數地區(qū)而言，農業(yè)發(fā)展水平越高，碳排放強度越高，其中，高值區(qū)主要分布于陜西和甘肅東南部地區(qū)。負相關效應則主要分布于河南、山東北部、山西東南部地區(qū)，即農業(yè)發(fā)展水平越高，碳排放強度越低。黃河流域上、中、下游各地區(qū)之間由于地理環(huán)境、資源稟賦、農業(yè)發(fā)展基礎等諸多條件存在顯著差異，使得其農業(yè)生產方式及農業(yè)發(fā)展水平亦明顯不同，根據經濟發(fā)展與環(huán)境污染之間關系的演變規(guī)律，不同經濟發(fā)展階段會產生不同的環(huán)境效應，這也是導致農業(yè)發(fā)展水平對碳排放強度的影響存在空間異質性的重要原因。

（2）農地經營規(guī)模對黃河流域耕地利用碳排放強度的作用方向呈現(xiàn)出顯著的梯度變化特征（圖5（b））。其中，回歸系數正值區(qū)主要分布在甘肅、青海、陜西南部及寧夏西部地區(qū)，而對于內蒙古、山西、河南、山東、陜西大部及寧夏北部等大多數地區(qū)而言，農地經營規(guī)模的擴大則會抑制耕地利用碳排放強度。規(guī)?；N植一方面能夠降低農業(yè)生產成本、提高經營效益、利于先進技術的應用，同時也可以減少化肥、農藥、柴油等農用物資的投入量，從而降低生產過程中所產生的碳排放量。

（3）農作物種植結構對耕地利用碳排放強度的影響以負向為主（圖5（c））。從統(tǒng)計結果來看，農作物種植結構回歸系數為負值的時空單元比例為66.7%，即對大多數地區(qū)而言，糧食作物種植面積越大，碳排放強度越小。空間差異方面，負值區(qū)集中于山西、陜西、內蒙古、山東、甘肅中部和西部等地區(qū)，正值區(qū)則主要位于河南、陜西西南部以及甘肅南部區(qū)域。種植結構變化的差異性是主要誘因，同時，不同類型農作物之間種植管理方式的差別加劇了這種異質性。

（4）黃河流域農村居民收入水平對耕地利用碳排放強度的作用方向總體呈現(xiàn)出“東正西負”的特征（圖5（d））。農村居民收入水平回歸系數正值區(qū)主要位于山西、內蒙古東部、河南及山東大部分地區(qū)，負值區(qū)則集中于陜西、寧夏、甘肅大部以及內蒙古中部等地區(qū)。在當前的農業(yè)生產經營體系中，小農戶家庭經營方式仍占據著主體地位，影響農戶種植管理方式的因素有多種，其中，收入水平與農戶對化肥、農藥、農膜等農資的投入強度密切相關。從區(qū)域間農村居民收入水平的差異來看，“正值區(qū)”的農村居民收入水平整體要高于“負值區(qū)”，如2020年山東、河南的農村居民人均可支配收入分別為18 753元、16 108元，而同期陜西、青海、甘肅分別為13 316元、12 342元和10 344元，這種差異化導致農戶的種植管理方式出現(xiàn)差別并最終影響到碳排放強度。

（5）農業(yè)機械投入促進了大部分地區(qū)耕地利用碳排放強度的提升（圖5（e））。根據各地區(qū)農業(yè)機械投入強度回歸系數的統(tǒng)計結果，有65.4%的時空單元為正值，即農業(yè)機械投入力度越大，碳排放強度越高。農機總動力是反映地區(qū)農業(yè)機械化水平的一個重要指標，其直接影響著農業(yè)機械消耗的柴油量并體現(xiàn)到由此產生的碳排放量上。由圖可得，濰坊、東營、臨沂、淄博、濱州、日照、漢中、安康和寶雞9市農業(yè)機械投入強度對耕地利用碳排放強度的驅動作用明顯，農業(yè)機械的廣泛使用增加了農用柴油的消耗量從而促進碳排放了碳排放量的增加。鄭州、安陽、太原等14個地區(qū)則表現(xiàn)為顯著的抑制作用，這主要與地方政府實施農機換置補貼政策的效果、農田水利設施建設水平以及當地農機聯(lián)合作業(yè)情況等因素有關。

（6）復種程度對黃河流域大部分地區(qū)耕地利用碳排放強度表現(xiàn)為推動作用（圖5（f））。根據統(tǒng)計結果，復種指數回歸系數為正值的時空單元比例達到84.6%，即對于絕大多數地區(qū)而言，復種指數越高，碳排放強度越大。復種指數能夠反映出耕地的利用強度，它直接關系到地區(qū)農業(yè)的生產效益，同時，復種程度的提高帶來的是農用物資、農業(yè)機械等投入的增加，由此產生的碳排量亦隨之增加。

（7）農業(yè)財政投入提高了大部分地區(qū)耕地利用碳排放強度（圖5（g））。從農業(yè)財政支持力度回歸系數來看，屬于正值的時空單元比例達到91.0%，即在絕大多數地區(qū)，隨著農業(yè)財政支持力度的提高，耕地利用碳排放強度逐漸上升。長期以來，我國政府對于農業(yè)的財政支持力度不斷加大，投資項目如農田水利及道路設施建設、高標準農田建設、農機購置補貼、種糧補貼等，在很大程度上促進了農業(yè)的現(xiàn)代化水平。與此同時，其環(huán)境負效應則表現(xiàn)在由各項投入所產生的碳排放亦在增加，未來應當加大對于綠色農業(yè)技術推廣的財政支持力度。

4 結論與建議

4.1 結論

本文以黃河流域為實證區(qū)域，在構建耕地利用碳排放研究框架的基礎上，綜合運用空間分析法、時空地理加權回歸模型（GTWR）對黃河流域耕地利用碳排放的時空演變特征及影響因素進行了探索，得到以下結論：

（1）從時序演變特征來看，2005—2020年，黃河流域耕地利用碳排放量及排放強度的變化趨勢呈明顯的“倒U型”特征。這與耕地利用碳排放源的變化密切相關，得益于我國近年來大力推動農業(yè)綠色發(fā)展，作為碳排放主要“貢獻者”的化肥、農膜等農資產品的“減量增效”成效顯著，由其所產生的碳排放亦隨之下降。

（2）從空間演變特征來看，黃河流域耕地利用碳排放強度空間差異性明顯并表現(xiàn)出顯著的空間集聚特征。碳排放強度低值區(qū)主要集中于黃河流域中游地區(qū)并逐步擴展至上游地區(qū)，高值區(qū)則主要位于黃河流域下游地區(qū)，且其范圍總體呈現(xiàn)出“低進高退”的趨勢。

（3）GTWR模型擬合結果表明，農地經營規(guī)模對黃河流域中游和下游地區(qū)的耕地利用碳排放產生負向影響，對上游地區(qū)則表現(xiàn)為正向驅動，且自東向西“梯度變化”明顯；農作物種植結構中糧食種植比例與大部分地區(qū)的碳排放強度之間具有負向關系，種植結構變化的差異性以及不同類型農作物之間種植管理方式的差別是導致其效應出現(xiàn)空間異質性的主要原因；農村居民收入水平對耕地利用碳排放強度的作用方向總體呈現(xiàn)出“東正西負”的特征；農業(yè)發(fā)展水平、農業(yè)機械投入、復種程度、農業(yè)財政支持對多數城市的耕地利用碳排放強度表現(xiàn)為正向驅動，且各因素的影響效應在空間上具有“連片性”特征。

4.2 政策建議

根據以上研究結論，本文提出如下建議：（1）深入推進化肥、農膜和農藥減量化行動，從生產端減少碳排放。從黃河流域耕地利用碳排放源來看，由化肥、農膜和農藥的施用所產生的碳排放貢獻顯著。在過去一段時間內，由政府部門所推行的農用化學品減量行動取得了良好成效，未來應繼續(xù)推進該行動，積極開展測土配方施肥、大力推廣有機肥及生物農藥、加強農膜科學使用與回收利用，擴大并鞏固成果。（2）因地制宜制定碳減排策略，推動黃河流域協(xié)同減排。耕地利用碳排放源有多種，由于黃河流域各區(qū)域之間在耕地利用方式、自然稟賦、已取得成效等諸多方面存在差異，因此，各地區(qū)要結合當地的實際情況、找出關鍵環(huán)節(jié)、制定有利于其實現(xiàn)碳減排的措施。對于耕地利用碳排放強度較高的黃河流域下游地區(qū)，應加強對重點碳排放源的監(jiān)管與控制，并通過提高耕作管理的科學水平、提升耕地固碳能力來推動耕地系統(tǒng)“固碳減排”。對于黃河流域中游及上游地區(qū)，應進一步推動耕地利用的綠色化轉型，不斷提高農業(yè)生態(tài)環(huán)境的承載力。（3）積極推動土地流轉，促進耕地規(guī)?；洜I。從研究結果來看，農地經營規(guī)模的擴大能夠抑制黃河流域耕地利用碳排放強度。當前，我國在大力提倡“加快土地流轉、促進耕地規(guī)模化經營”，分散化、小規(guī)模的土地經營模式已無法適應大市場和國際化的需求，且不利于農業(yè)的綠色化與現(xiàn)代化進程。因此，要加強政策引導、推進資源整合，尤其是對于農民人均耕地面積低于全國平均水平的河南、山東及陜西等地，要積極探索新路徑破解耕地細碎化難題、促進土地規(guī)模化經營。（4）加大對綠色農業(yè)的政策支持力度。由前文分析可得，農業(yè)機械投入、復種程度及農業(yè)財政支持對黃河流域耕地利用碳排放強度的影響以正向驅動為主，綠色農業(yè)的實現(xiàn)須以更節(jié)能環(huán)保的農機作業(yè)形式、更利于耕地保護的輪作休耕制度、更強的綠色農業(yè)技術普及力度為前提，而這些均離不開政府的政策支持。因此，要出臺政策鼓勵農機跨區(qū)域作業(yè)、加大對節(jié)能環(huán)保型農機產品的補貼力度，尤其是農機投入對碳排放強度驅動作用明顯的山東、陜西及甘肅東南部地區(qū)；同時，要探索實行耕地輪作休耕制度以實現(xiàn)耕地的可持續(xù)利用，特別是復種程度較高的地區(qū)，并且要制定輪作休耕補貼政策以確保農民收益；此外，綠色農業(yè)技術能否順利得到廣泛應用是決定農業(yè)碳減排成效的一個關鍵要素，尤其是在我國以“小農戶”為主體的農業(yè)生產體系下，加強政策引導、資金支持并逐步提高農戶綠色種植的積極性顯得尤為重要。

參考文獻（References）：

[1] Intergovernmental Panel on Climate Change. Synthesis Report of the IPCC Sixth Assessment Report （AR6）： Climate Change 2023 [R] . Geneva： IPCC ， 2023.

[2] NORSE D. Low carbon agriculture： objectives and policy pathways[J] . Environmental Development， 2012， 1（1）： 25 -39.

[3] REBOLLEDO-LEIVA R， ANGULO-MEZA L， IRIARTE A， et al. Joint carbon footprint assessment and data envelopment analysis for the reduction of greenhouse gas emissions in agriculture production[J] . Science of the Total Environment， 2017， 593 - 594： 36 - 46.

[4] FRANK S， HAVLíK P， STEHFEST E， et al. Agricultural non-CO2 emission reduction potential in the context of the 1.5 ℃ target[J] . Nature Climate Change， 2019， 9（1）： 66 -72.

[5] 夏四友，趙媛，許昕，等.1997—2016年中國農業(yè)碳排放率的時空動態(tài)與驅動因素[J] .生態(tài)學報，2019，39（21）：7854 - 7865.

[6] Food and Agriculture Organization of the United Nations. The State of Food and Agriculture 2016： Climate Change， Agriculture and Food Security [R] . Rome： FAO， 2016.

[7] Organisation for Economic Co-operation and Development/ Food and Agriculture Organization of the United Nations. OECD-FAO Agricultural Outlook 2022-2031[R] . Paris： OECD Publishing， 2022.

[8] ANWAR A， SARWAR S， AMIN W， et al. Agricultural practices and quality of environment： evidence for global perspective[J] . Environmental Science and Pollution Research， 2019， 26（15）： 15617 - 15630.

[9] 周思宇，郗鳳明，尹巖，等.東北地區(qū)耕地利用碳排放核算及驅動因素[J] .應用生態(tài)學報，2021，32（11）：3865 -3871.

[10] PATHAK H， JAIN N， BHATIA A， et al. Carbon footprints of Indian food items[J] . Agriculture， Ecosystems & Environment， 2010， 139（1 - 2）： 66 - 73.

[11] 劉瓊，肖海峰.中國農村居民不同類型收入與畜禽養(yǎng)殖碳排放的動態(tài)響應關系：基于Tapio脫鉤和SVAR模型的分析[J] .生態(tài)與農村環(huán)境學報，2022，38（4）：453 - 465.

[12] JOHNSON M F， FRANZLUEBBERS A J， WEYERS S L， et al. Agricultural opportunities to mitigate greenhouse gas emissions[J] . Environmental Pollution， 2007， 150（1）： 107 - 124.

[13] 丁寶根，楊樹旺，趙玉，等.中國耕地資源利用的碳排放時空特征及脫鉤效應研究[J] .中國土地科學，2019，33（12）：45 - 54.

[14] 李波，張俊飚，李海鵬.中國農業(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（8）：80 -86.

[15] 田云，尹忞昊.中國農業(yè)碳排放再測算：基本現(xiàn)狀、動態(tài)演進及空間溢出效應[J] .中國農村經濟，2022 （3）：104 - 127.

[16] 楊緒紅，金曉斌，項曉敏，等.近300年中國耕地開墾導致的碳排放估算[J] .中國科學：地球科學，2019，49（3）：554 - 568.

[17] 吳昊玥，黃瀚蛟，陳文寬.中國糧食主產區(qū)耕地利用碳排放與糧食生產脫鉤效應研究[J] .地理與地理信息科學，2021，37（6）：85 - 91.

[18] 劉瓊，肖海峰.農地經營規(guī)模與財政支農政策對農業(yè)碳排放的影響[J] .資源科學，2020，42（6）：1063 - 1073.

[19] 張金鑫，王紅玲.環(huán)境規(guī)制、農業(yè)技術創(chuàng)新與農業(yè)碳排放[J] .湖北大學學報（哲學社會科學版），2020，47（4）：147 - 156.

[20] 吳賢榮，張俊飚，程琳琳，等.中國省域農業(yè)碳減排潛力及其空間關聯(lián)特征——基于空間權重矩陣的空間Durbin模型[J] .中國人口·資源與環(huán)境，2015，25（6）：53 - 61.

[21] 金書秦，林煜，牛坤玉.以低碳帶動農業(yè)綠色轉型：中國農業(yè)碳排放特征及其減排路徑[J] .改革，2021（5）：29 -37.

[22] 馬九杰，崔恒瑜.農業(yè)保險發(fā)展的碳減排作用：效應與機制[J] .中國人口·資源與環(huán)境，2021，31（10）：79 - 89.

[23] 杜國明，柴璐佳，李玉恒.耕地利用系統(tǒng)的理論解析與研究框架[J] .地理科學進展，2022，41（7）：1288 - 1299.

[24] 李成龍，周宏.農業(yè)技術進步與碳排放強度關系——不同影響路徑下的實證分析[J] .中國農業(yè)大學學報，2020，25（11）：162 - 171.

[25] 洪凱，朱子玉.珠三角農地利用中的碳排放時空特征及影響因素——基于1996—2014年數據[J] .湖南農業(yè)大學學報（社會科學版），2017，18（1）：70 - 76.

[26] 伍國勇，劉金丹，楊麗莎.中國農業(yè)碳排放強度動態(tài)演進及碳補償潛力[J] .中國人口·資源與環(huán)境，2021，31（10）：69 - 78.

[27] 趙榮欽，黃賢金，揣小偉.中國土地利用碳排放的研究誤區(qū)和未來趨向[J] .中國土地科學，2016，30（12）：83 - 92.

[28] 張梅，賴力，黃賢金，等.中國區(qū)域土地利用類型轉變的碳排放強度研究[J] .資源科學，2013，35（4）：792 - 799.

[29] 張玥，代亞強，陳媛媛，等.土地利用隱性轉型與土地利用碳排放空間關聯(lián)研究[J] .中國土地科學，2022，36（6）： 100 - 112.

[30] 海貝貝，李小建，許家偉.鞏義市農村居民點空間格局演變及其影響因素[J] .地理研究，2013，32（12）： 2257 -2269.

[31] HUANG B， WU B， BARRY M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J] . International Journal of Geographical Information Science， 2010， 24（3）： 383 - 401.

[32] WU B， LI R R， HUANG B. A geographically and temporally weighted autoregressive model with application to housing prices[J] . International Journal of Geographical Information Science， 2014， 28（5）： 1186 - 1204.

[33] 李恩康，陸玉麒，陳娛.中國外貿貨物出口的地理格局演化及影響因素分析——基于貨物出口距離和GTWR模型[J] .地理研究，2019，38（11）：2624 - 2638.

[34] 曾剛，胡森林.技術創(chuàng)新對黃河流域城市綠色發(fā)展的影響研究[J] .地理科學，2021，41（8）：1314 - 1323.

[35] 胡志強，苗長虹，熊雪蕾，等.產業(yè)集聚對黃河流域工業(yè)韌性的影響研究[J] .地理科學，2021，41（5）：824 - 831.

[36] 耿鳳娟，苗長虹，胡志強.黃河流域工業(yè)結構轉型及其對空間集聚方式的響應[J] .經濟地理，2020，40（6）：30 - 36.

[37] 李波，劉雪琪，梅倩，等.湖北省農地利用方式變化的碳效應特征與空間差異[J] .中國人口·資源與環(huán)境，2018，28（10）：62 - 70.

[38] 田云，尹忞昊.技術進步促進了農業(yè)能源碳減排嗎？——基于回彈效應與空間溢出效應的檢驗[J] .改革，2021（12）：45 - 58.

Spatial-temporal Characteristics of Carbon Emissions from Cultivated Land Use in the Yellow River Basin and the Influencing Factors

REN Shixin1，LI Erling2，ZHAO Jincai1，XU Yanan3

（1. School of Business， Henan Normal University， Xinxiang 453007， China； 2. College of Geography and Environmental Science， Henan University， Kaifeng 475004， China； 3. College of Resources and Environment， Henan University of Economics and Law， Zhengzhou 450046， China）

Abstract：The purposes of this study are to reveal the spatial-temporal evolution of carbon emissions from cultivated land use in the Yellow River Basin and to investigate the influencing factors， to provide the reference for understanding regional carbon emission patterns and formulating agricultural carbon reduction strategies under the “double-carbon”target. The research methods are as follows. Taking 78 municipal units in the Yellow River Basin as the research object， the quantitative analysis is carried out by using the methods of carbon emission accounting for cultivated land use， spatial hotspot analysis and geographically temporal weighted regression （GTWR） model. The results show that： 1） the trend of carbon emissions and emission intensity of cultivated land use in the Yellow River Basin from 2005 to 2020 shows an obvious “inverted U-shape”， which is basically in line with the pattern of change between the level of economic development and the degree of environmental pollution. 2） The spatial variability of carbon emission intensity of cultivated land use in the Yellow River Basin is significant and shows significant spatial clustering characteristics， with low-value areas of carbon emission intensity mainly concentrating in the middle and upper reaches of the Yellow River Basin， while high-value areas are located in the lower reaches of Henan Province and Shandong Province. 3） The large-scale operation of agricultural land and the “grain-oriented” crop cultivation structure inhibited the carbon emission intensity of cultivated land use in most areas of the Yellow River Basin， while the income level of rural residents， agricultural development level， agricultural machinery input， replanting degree， and agricultural financial support show positive driving effects， and the influence of each factor has significant spatial heterogeneity. In conclusion， carbon emissions from cultivated land use vary significantly in regions of the Yellow River Basin， and the driving factors are also different. Therefore， differentiated cultivated land use strategies and carbon reduction measures should be developed in the light of regional realities.

Key words： cultivated land use； carbon emissions； geographically temporal weighted regression （GTWR）； the Yellow River Basin

（本文責編：張冰松）