王雅楠　張琪琳　陳偉

摘 要：種植業(yè)既是“碳源”又是“碳匯”，在農(nóng)業(yè)碳減排中發(fā)揮著關鍵作用。通過測算1997—2020年中國30個省份三種糧食作物的碳排放量與碳匯量，構建了各省碳排放環(huán)境學習曲線，并根據(jù)歷史增速模擬和現(xiàn)有政策模擬對我國30個省份的農(nóng)業(yè)碳減排潛力進行了預測。結(jié)果表明，1997—2020年間，三種糧食作物種植過程產(chǎn)生的碳排放總量呈現(xiàn)波動趨勢，且水稻種植過程產(chǎn)生的碳排放量遠高于小麥和玉米;三種糧食作物碳匯總量呈東高西低的特征，東部、中部分別以水稻、玉米碳匯量為主，西部南方、北方省份間存在差異，分別以水稻、玉米碳匯量為主。人均農(nóng)業(yè)GDP增長對降低碳強度有積極作用，糧食作物本身擁有的碳匯作用能夠在一定程度上實現(xiàn)碳減排，但僅依靠作物碳匯對實現(xiàn)種植業(yè)碳減排影響較小。歷史增速模擬和現(xiàn)有政策模擬下，2030年中國平均農(nóng)業(yè)碳排放減排潛力分別為80.34%和79.83%，且西部、中部省份具有較高的減排潛力。

關鍵詞：碳排放;碳匯;碳減排潛力;環(huán)境學習曲線

基金項目：國家社會科學基金項目“經(jīng)濟集聚促進區(qū)域節(jié)能減排的影響機理與協(xié)同政策研究”（20CJY023）;陜西省社會科學基金項目“陜西省種植業(yè)碳減排潛力、影響機制及減排政策研究”（2019S010）。

[中圖分類號] F323.22 [文章編號] 1673-0186（2022）005-0058-018

[文獻標識碼] A? ? ? [DOI編碼] 10.19631/j.cnki.css.2022.005.005

隨著我國經(jīng)濟的快速發(fā)展和農(nóng)業(yè)現(xiàn)代化的推進及化學農(nóng)業(yè)、石油農(nóng)業(yè)、機械農(nóng)業(yè)的迅速發(fā)展，我國糧食總產(chǎn)量不斷增加，農(nóng)業(yè)碳排放也隨之增加。我國各地區(qū)溫室氣體排放總量約有17%是由于傳統(tǒng)農(nóng)業(yè)生產(chǎn)過程中溫室氣體的排放而造成[1]。改革開放以來，我國的農(nóng)業(yè)碳排放保持不斷上升趨勢，且每年的平均增加率維持在5%[2]。IPCC第4次評估報告顯示，農(nóng)業(yè)是溫室氣體的第二大重要來源。我國種植業(yè)產(chǎn)值占農(nóng)業(yè)總產(chǎn)值的50%以上，是農(nóng)業(yè)的主要組成部分且主要以糧食作物為主，其中小麥、玉米和水稻種植面積超過糧食作物種植面積一半以上。然而我國糧食生產(chǎn)的資源環(huán)境代價太高，近30年，伴隨我國糧食總產(chǎn)量增長90%，化肥消費量、溫室氣體排放量分別增長180%和103%。種植業(yè)碳排放成為農(nóng)業(yè)碳排放的主要來源，包括農(nóng)作物種植過程產(chǎn)生的碳排放和生產(chǎn)要素投入所產(chǎn)生的碳排放。黨的十九大以來，提出繼續(xù)推進綠色發(fā)展，建設美麗中國目標。2019年中央“一號文件”提出加強農(nóng)村污染治理和生態(tài)環(huán)境保護，推動農(nóng)業(yè)農(nóng)村綠色發(fā)展。農(nóng)村生態(tài)環(huán)境治理和保護成為實現(xiàn)農(nóng)業(yè)綠色發(fā)展的主要方向，種植業(yè)碳減排成為實現(xiàn)農(nóng)業(yè)綠色發(fā)展的重要舉措。因此，從種植業(yè)碳減排著手研究其減排潛力、影響因素和對策是實現(xiàn)農(nóng)業(yè)綠色發(fā)展、促進農(nóng)業(yè)可持續(xù)發(fā)展的重要舉措。基于此，本文對我國各省份三種糧食作物的種植業(yè)碳排放及碳吸收進行測算，建立環(huán)境學習曲線對種植業(yè)碳減排潛力進行評估，通過設置情景預測各省2030年的碳強度，進而針對不同省份提出種植業(yè)碳減排策略，本文研究成果對實現(xiàn)農(nóng)業(yè)綠色發(fā)展、促進農(nóng)業(yè)可持續(xù)發(fā)展、實現(xiàn)我國碳減排目標具有重大意義。

一、文獻綜述

不少學者已經(jīng)在農(nóng)業(yè)碳排放的測算研究中取得了一定進展，相較于工業(yè)碳排放，農(nóng)業(yè)碳排放的來源更為廣泛，已有研究通過對農(nóng)業(yè)碳排放進行不同角度的測算，得到了不同的結(jié)論。學者們認為農(nóng)業(yè)碳排放主要源于植物種植過程耗費的能源[3]，通過化肥、農(nóng)藥、灌溉和種子種植消耗的能源等來衡量農(nóng)作物種植的農(nóng)業(yè)碳排放[4]。此外，還考慮了農(nóng)業(yè)廢棄物、農(nóng)業(yè)能源、畜禽糞便、水稻生長以及生物燃燒等多方面引起的碳排放[5-7]。國內(nèi)學者在借鑒國外研究成果的基礎上，基于我國的農(nóng)業(yè)生產(chǎn)實踐對我國農(nóng)業(yè)生產(chǎn)中的碳排放進行了初步研究和估算。根據(jù)IPCC的計算方法，可將碳排放系數(shù)用作種植業(yè)碳排放量的測算[8-10]。在計算種植業(yè)碳排放的總量時，可以從農(nóng)作物碳排放與農(nóng)業(yè)生產(chǎn)資料使用過程碳排放兩個方面來考慮[11]。在對種植業(yè)碳排放量和排放強度進行測算時還可以排除來自地域、熟制差異的影響[12]。還有一些學者將農(nóng)業(yè)碳排放的碳源劃分成化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油、翻耕、農(nóng)業(yè)灌溉六類[13-14]，不過對于這六種排放量的排序有不同的觀點。

從減排效應上看，與其他產(chǎn)業(yè)部門相比，由于種植業(yè)強大的碳匯功能，在減排效應上比其他產(chǎn)業(yè)部門更具有優(yōu)勢[15-17]。一方面，在糧食作物生長過程中，其碳匯作用十分顯著，農(nóng)作物可以通過吸收大氣中的二氧化碳，減緩溫室效應，年凈吸收CO2的質(zhì)量約為22.8億噸[18]，其中，水稻、小麥、玉米三種糧食作物的年均碳匯量遠大于其他作物[19]，共占我國農(nóng)業(yè)碳匯的80%左右[20]，采用輪作模式還可以進一步提高其凈碳匯價值[21]。同時，農(nóng)作物在生產(chǎn)過程中還具有調(diào)節(jié)區(qū)域小氣候、凈化空氣等諸多改善生態(tài)環(huán)境的作用。另一方面，可以通過提高農(nóng)用物資的利用率、采取農(nóng)業(yè)低碳技術來降低農(nóng)業(yè)碳排放，農(nóng)業(yè)技術的改善還能夠改良土壤結(jié)構和種植環(huán)境，可進一步降低碳排放[22-23]。因此，關注種植業(yè)碳減排對實現(xiàn)我國碳減排目標具有重大意義[24-25]。

我國各時期的農(nóng)業(yè)碳減排潛力水平地區(qū)差異明顯[26]，當前各省份所具備的碳減排潛力仍存在較大差異[27]，各省份的農(nóng)業(yè)碳減排潛力水平還受到自身經(jīng)濟、產(chǎn)業(yè)狀況、所處環(huán)境及相鄰省份發(fā)展情況的影響，且我國農(nóng)業(yè)碳減排長期處于弱退耦，需進一步提高減排的有效性[16]。已有研究利用數(shù)據(jù)包絡分析方法對種植業(yè)碳減排潛力進行了測算，結(jié)果表明提高能源利用效率和減少農(nóng)業(yè)投入的能源消耗是有效的減排策略[28]。具體來看，提高各省份有效灌溉率和城鎮(zhèn)化率能夠有效提高本省農(nóng)業(yè)碳減排潛力[29];進一步地，由于種植業(yè)的減排增匯對氣候和環(huán)境有較大影響，因此從技術角度進行減排增匯對實現(xiàn)碳減排具有重大意義[30]。同時，開展農(nóng)業(yè)貿(mào)易、建立完善的生態(tài)補償機制也可以實現(xiàn)農(nóng)業(yè)碳減排[31-32]。此外，使用免耕、氮肥減施、間歇灌溉、秸稈還田等農(nóng)藝措施[33-34]及農(nóng)地利用減排、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構調(diào)整[35]等對于實現(xiàn)農(nóng)業(yè)碳減排具有重要意義。CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2

綜上所述，已有研究在種植業(yè)碳排放的測算、減排潛力和減排政策方面取得了很好的成果，在此基礎上提出了很多有效可行的政策建議，但也存在著有待進一步改善和拓展的空間，已有文獻的缺陷在于：一是已有研究在對種植業(yè)碳減排潛力測算時主要側(cè)重于從生產(chǎn)要素投入所產(chǎn)生碳排放的角度進行測算，沒有區(qū)分不同農(nóng)作物本身的碳排放差異，測算結(jié)果忽略了種植業(yè)碳排放的客觀性;二是已有研究在對種植業(yè)碳減排潛力測算時，僅從碳排放的角度通過計算效率來進行測算，沒有把種植業(yè)的碳匯功能考慮進去，測算的結(jié)果不能準確衡量一個地區(qū)的種植業(yè)碳減排潛力。本文選取我國三大糧食作物：小麥、玉米、水稻為碳減排潛力測算指標，并將小麥細分為春小麥、冬小麥，水稻細分為旱稻、中稻和一季晚稻、雙季晚稻，在測算三種糧食作物碳排放和碳吸收的基礎上，分析我國各省份種植業(yè)碳排放的減排潛力，并對2030年各省份減排潛力進行預測，根據(jù)種植業(yè)碳排放的特點、結(jié)合碳減排目標提出完善的減排政策建議，為促進農(nóng)業(yè)可持續(xù)發(fā)展、發(fā)揮農(nóng)業(yè)在節(jié)能減排中應有作用提供一定的參考價值。

二、理論分析

種植業(yè)碳排放主要來源于農(nóng)業(yè)生產(chǎn)過程中生產(chǎn)要素投入以及作物生長兩個方面。對于糧食作物而言，生產(chǎn)過程中的能耗以及工業(yè)投入品的生產(chǎn)與使用均會引起碳排放，其中，以農(nóng)用化肥、農(nóng)用柴油、農(nóng)藥、農(nóng)用塑料薄膜以及土地灌溉所直接或間接導致的碳排放為主。氮肥的生產(chǎn)、運輸及過度濫用在農(nóng)業(yè)碳排放體系中占據(jù)極大比重;農(nóng)藥的生產(chǎn)與濫用以及低質(zhì)量農(nóng)藥的使用會導致土壤、大氣等遭受污染，在造成碳排放的同時，還會破壞土壤的固碳作用，降低農(nóng)業(yè)的碳匯能力;農(nóng)用塑料薄膜作為農(nóng)業(yè)生產(chǎn)中重要塑料制品，在其生命周期的每個階段都會造成溫室氣體排放;農(nóng)用柴油發(fā)動機排出的廢氣、農(nóng)業(yè)灌溉耗費的機械和電力也會增加碳排放。此外，作物生長過程中自身進行呼吸作用、土壤微生物分解有機物等過程也會產(chǎn)生氧化亞氮、甲烷等溫室氣體從而增加碳排放，不過，不同作物排出的主要溫室氣體存在差異，其引起的碳排放的增加也不盡相同。

由于各地的經(jīng)濟基礎、自然條件和資源稟賦等方面不同，各地種植業(yè)碳排放量、減排能力和減排效率存在較大差異，這種差異最終會使種植業(yè)碳減排潛力不同。農(nóng)業(yè)碳減排潛力主要從農(nóng)業(yè)經(jīng)濟發(fā)展和農(nóng)業(yè)碳匯兩個角度進行測算。農(nóng)業(yè)經(jīng)濟發(fā)展包括農(nóng)業(yè)生產(chǎn)技術的發(fā)展，以及農(nóng)業(yè)生產(chǎn)、經(jīng)營、管理等技術的改進，不僅包括自然科學技術的進步，還包括社會科學技術的進步。農(nóng)業(yè)經(jīng)濟發(fā)展水平可以用人均農(nóng)業(yè)GDP來衡量。在農(nóng)業(yè)經(jīng)濟發(fā)展的初期，其增長主要依賴于勞動要素的增加，農(nóng)用機械、化肥農(nóng)藥等要素投入變動幅度相對較小，農(nóng)業(yè)結(jié)構相對不合理，單位面積碳排放強度可能呈現(xiàn)上升、穩(wěn)定或下降的趨勢;隨著農(nóng)業(yè)經(jīng)濟的發(fā)展，勞動要素的產(chǎn)出貢獻率逐漸降低，農(nóng)業(yè)增長開始依賴于化肥、農(nóng)藥等物質(zhì)投入的增加，一方面促進了單位面積的產(chǎn)出，另一方面也使得農(nóng)業(yè)碳排放量劇增;當農(nóng)業(yè)經(jīng)濟發(fā)展到一定水平，先進的機械和技術將被大力推廣，從而避免農(nóng)業(yè)生態(tài)環(huán)境的惡化，農(nóng)用物資例如化肥等投入相應逐步減少，同時，農(nóng)業(yè)結(jié)構得到優(yōu)化調(diào)整，這一階段農(nóng)業(yè)產(chǎn)出繼續(xù)保持著增長的態(tài)勢，但農(nóng)業(yè)碳排放在一定程度上開始減少。農(nóng)業(yè)碳匯則指農(nóng)作物生長周期中的碳吸收。農(nóng)作物在生長過程中通過光合作用吸收大氣中的CO2，并以農(nóng)作物生物量的形式貯存有機碳，成為大氣的碳匯;農(nóng)作物遭受病蟲害等破壞后會向大氣釋放出已經(jīng)固定的碳從而成為大氣CO2的碳源。因此，可以通過促進農(nóng)業(yè)的碳吸收，并減少農(nóng)業(yè)作為碳源的輸出，從而減少農(nóng)業(yè)碳排放，使農(nóng)業(yè)表現(xiàn)為碳匯功能，緩解大氣中CO2的積累。

三、研究方法與數(shù)據(jù)來源

基于農(nóng)業(yè)碳排放和碳匯的概念，在已有研究的基礎上，確定三種糧食作物的碳排放量和碳匯量的測算方式，進一步構建環(huán)境學習曲線，并選取科布·道格拉斯（Cobb-Douglas）乘法指數(shù)模型對環(huán)境學習曲線進行估計。

（一）三種糧食作物碳排放量的測算

本文綜合多位學者研究成果，從以下兩個方面確定種植業(yè)碳排放量：

一是生產(chǎn)要素投入所產(chǎn)生的碳排放。將種植業(yè)碳排放的碳源分為農(nóng)用化肥、農(nóng)用柴油、農(nóng)藥、農(nóng)用塑料薄膜、農(nóng)業(yè)灌溉五類，測算由農(nóng)用化肥、農(nóng)用柴油、農(nóng)藥和農(nóng)用塑料薄膜的使用所產(chǎn)生的碳排放以及由農(nóng)業(yè)灌溉所耗費的機械和電力引起的碳排放[36-37]?？紤]到翻耕不適用于全部的糧食作物，不測算由于翻耕而產(chǎn)生的碳排放。二是種植小麥、玉米、水稻三種糧食作物產(chǎn)生氧化亞氮和甲烷氣體所產(chǎn)生的碳排放。已有研究將水稻培養(yǎng)過程產(chǎn)生的甲烷氣體納入了農(nóng)業(yè)碳排放測算體系中[38]。由于小麥、玉米、水稻為我國三大主要糧食作物，在農(nóng)業(yè)生產(chǎn)中占據(jù)同等重要位置，且三種糧食作物的生長習性存在較大差異，不同作物在生長過程中產(chǎn)生的溫室氣體種類不同。因此，本文將三大糧食作物細分為春小麥、冬小麥、玉米、旱稻、中稻和一季晚稻、雙季晚稻，將其產(chǎn)生的氧化亞氮和甲烷氣體全部納入種植業(yè)碳排放測算體系中，且在對種植業(yè)碳排放量進行加總時統(tǒng)一將C、CH4、N2O置換成標準C，置換標準為：1噸N2O所引發(fā)的溫室效應相當于81.272 7噸C（298萬噸 CO2）所產(chǎn)生的溫室效應，1噸CH4所引發(fā)的溫室效應相當于6.818 2噸C（25噸 CO2）所產(chǎn)生的溫室效應[39]。

碳排放的測算方法如下：

C（t）為第t年三種糧食作物的碳排放總量，104噸;T表示各碳排放源的量，i表示碳源種類， σ表示各碳源碳排放系數(shù)。利用如下公式進行碳排放量測算：

各生產(chǎn)要素碳排放系數(shù)如表1所示，各類糧食作物排放氣體類型及相應排放系數(shù)如表2所示。

（二）三種糧食作物碳匯量的測算

種植業(yè)生產(chǎn)部門的碳匯只考慮農(nóng)作物生長周期中的碳吸收，即作物光合作用形成的凈初級生產(chǎn)量。本文參照已有研究對農(nóng)業(yè)碳匯量的測算方法[40-41]，測算三種糧食作物碳匯量，計算公式如下：

式中，E表示農(nóng)作物全年碳吸收量;i為農(nóng)作物品種;e為農(nóng)作物進行光合作用合成單位有機質(zhì)所需要的碳，即經(jīng)濟系數(shù);Y為農(nóng)作物經(jīng)濟產(chǎn)量;r為農(nóng)作物含水量;H為農(nóng)作物碳吸收率。糧食作物含水量、經(jīng)濟系數(shù)與碳吸收率如表3所示。CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2

（三）環(huán)境學習曲線（ELC）模型

1936年萊特（Wright）首次提出了學習曲線（Learning Curve）這一函數(shù)模型，用來表示累計平均工時與產(chǎn)量之間的邊際關系[42]。學習曲線反映了生產(chǎn)單位產(chǎn)品的相關成本會隨著經(jīng)驗積累和技術進步而不斷降低。

環(huán)境學習曲線是指隨著生產(chǎn)規(guī)模的擴大或生產(chǎn)過程的重復進行，單位產(chǎn)品（產(chǎn)值）的資源消耗和廢棄物排放呈現(xiàn)出規(guī)律性變化的趨勢，它可以反映出人類環(huán)境保護的全面進步。環(huán)境學習曲線一般通過阿爾欽（Alchian）模型，科布·道格拉斯（Cobb-Douglas）乘法指數(shù)[43]和沃默（Womer）的可變生產(chǎn)速率模型[44]進行估計，其中，Cobb-Douglas乘法指數(shù)模型結(jié)構簡單且經(jīng)濟意義明顯，因此，本文選取常用的科布·道格拉斯（Cobb-Douglas）方法進行估計，計算公式如下：

式中，Y為成本;xi為第i個學習因子;bi為第i個因子的學習系數(shù);ε為誤差項，在實際應用中通常會被忽略。

分析各省農(nóng)業(yè)碳減排的環(huán)境學習能力時，以農(nóng)業(yè)碳強度作為因變量，從碳排放和碳吸收兩個方面選取關鍵減排指標作為自變量，從而建立含有兩個獨立變量（人均農(nóng)業(yè)GDP、糧食作物碳匯量）的二因子科布·道格拉斯（Cobb-Douglas）指數(shù)模型。

碳排放強度能夠直接明了地反映國民經(jīng)濟“低碳化”或“高碳化”，所以我們可以將農(nóng)業(yè)碳強度即單位產(chǎn)值碳的排放量作為因變量，用糧食作物碳排放總量（噸）與當年農(nóng)業(yè)GDP（104元）總量的比值來衡量：

式中，Q為碳排放強度，噸/104元;C（t）為第t年的農(nóng)業(yè)碳排放總量，噸，GDP（t）為第t年農(nóng)業(yè)生產(chǎn)總值。

經(jīng)濟因素是導致各地區(qū)種植業(yè)碳排放增加的關鍵性因素[45-46]，因此，碳排放角度選取農(nóng)業(yè)經(jīng)濟發(fā)展水平這一指標，用各省份當年人均農(nóng)業(yè)GDP來衡量;農(nóng)業(yè)本身既是“碳源”又是“碳匯”，在農(nóng)作物生長過程中，作物可以通過吸收大氣中的二氧化碳，減緩溫室效應，因此，碳吸收角度選取糧食作物的碳匯量。碳強度環(huán)境學習曲線公式建立如下：

其中，YI為萬元產(chǎn)值碳排放量;X1為第t年的人均農(nóng)業(yè)GDP;X2為農(nóng)作物碳匯量;bi（i=1，2）為各因子的環(huán)境學習系數(shù);A0為初始碳強度，是由初始經(jīng)濟發(fā)展、結(jié)構和碳排放決定的一個固定值。

（四）數(shù)據(jù)來源

本文的研究對象選取中國大陸除西藏自治區(qū)外的30個省份，取1997—2020年間的數(shù)據(jù)作為樣本。各省份三種糧食作物的農(nóng)用化肥折純量、農(nóng)用柴油使用量、農(nóng)藥使用量、農(nóng)用塑料薄膜使用量、耕地灌溉面積以及各類糧食作物播種面積和產(chǎn)量來自《中國農(nóng)村統(tǒng)計年鑒》，人口數(shù)量采用年末人口數(shù)，來自《中國統(tǒng)計年鑒》，各省份各年農(nóng)業(yè)GDP來自《中國農(nóng)業(yè)年鑒》。對于數(shù)據(jù)收集過程中出現(xiàn)的缺失數(shù)據(jù)，使用平均值法予以補充。農(nóng)用化肥折純量、農(nóng)用柴油使用量、農(nóng)藥使用量、農(nóng)用塑料薄膜使用量數(shù)據(jù)均為各省份當年所有農(nóng)作物實際使用量總和，耕地灌溉面積的數(shù)據(jù)為各省份當年所有農(nóng)作物耕地灌溉面積總和。由于沒有分作物的數(shù)據(jù)，因此，本文參考已有研究，將種植業(yè)產(chǎn)值近似看作農(nóng)業(yè)產(chǎn)值的50%，并將三大糧食作物農(nóng)用物資投入量以及灌溉面積看作為各省份農(nóng)用物資投入總用量、灌溉總面積的一半[47-49]。

四、實證結(jié)果與分析

基于各省份三種糧食作物碳排放量以及碳匯量的測算，構建環(huán)境學習曲線，探究各省份農(nóng)業(yè)碳減排的環(huán)境學習能力，進而通過歷史增速模擬以及政策模擬預測2030年各省份農(nóng)業(yè)碳排放的減排潛力。

（一）三種糧食作物碳排放量及碳匯量

對30個省份1997—2020年三種糧食作物種植過程產(chǎn)生的碳排放量進行測算，得到各年間各省份三大糧食作物碳排放量，部分結(jié)果如表4所示。可以看出，各省份間碳排放量差異較大，其中，北京、上海、天津、寧夏、青海都屬于低碳排放省份，這五個省份三種糧食作物碳排放的總量占全國僅有1%左右。北京、上海、天津經(jīng)濟發(fā)展快速，農(nóng)業(yè)生產(chǎn)轉(zhuǎn)移現(xiàn)象較嚴重，因此農(nóng)業(yè)碳排放量較低;寧夏屬于溫帶大陸性氣候、青海屬于高原大陸性氣候，這兩地的小麥、玉米種植面積較小，氣候、地形等原因使得三種糧食作物的農(nóng)業(yè)碳排放較低。安徽、黑龍江、湖北、湖南、河南、江蘇、山東都是高碳排放省，這些省份是我國糧食作物的主產(chǎn)區(qū)，因此碳排放量較大。從增長趨勢來看，北京、上海、福建、浙江三種糧食作物的農(nóng)業(yè)碳排放量總體呈下降趨勢，內(nèi)蒙古、吉林、黑龍江三種糧食作物的農(nóng)業(yè)碳排放量總體呈上升趨勢。

1997—2020年間，小麥、玉米、水稻三種糧食作物種植過程產(chǎn)生的碳排放量變化趨勢如圖2所示。水稻種植過程產(chǎn)生的碳排放量遠高于小麥和玉米，三種糧食作物種植過程產(chǎn)生的碳排放總量呈現(xiàn)波動趨勢。1997—2003年間，全國三種糧食作物種植過程產(chǎn)生的碳排放總量呈現(xiàn)下降態(tài)勢，水稻種植過程產(chǎn)生的碳排放量下降最為明顯。這段時期內(nèi)，我國實行生態(tài)退耕政策，是耕地面積急劇減少期，是造成糧食作物生產(chǎn)過程產(chǎn)生的碳排放總量下降的直接原因。2003—2015年間，全國三種糧食作物生產(chǎn)過程產(chǎn)生的碳排放總量呈現(xiàn)逐年上升的態(tài)勢，玉米、水稻種植過程產(chǎn)生的碳排放量均有明顯上升。這一變化可能受到經(jīng)濟全球化的影響。我國加入WTO后，農(nóng)業(yè)發(fā)展環(huán)境的轉(zhuǎn)變使得農(nóng)業(yè)發(fā)展進一步加快[50]，隨之而來的就是農(nóng)產(chǎn)品生產(chǎn)逐步上升帶來碳排放量的增加。2015年后，全國三種糧食作物種植過程產(chǎn)生的碳排放總量呈現(xiàn)下降態(tài)勢，可能的原因是，2015年，全國各省主動優(yōu)化農(nóng)業(yè)生產(chǎn)結(jié)構和區(qū)域布局以解決糧食品種的供需矛盾。全國開放的部分試點采取相應措施調(diào)整農(nóng)業(yè)種植結(jié)構，這使得糧食作物尤其是玉米的播種面積和產(chǎn)量發(fā)生下降。2016年，試點范圍擴大，“玉米改大豆”“糧改飼”“糧改油”等措施的實施，使得糧食作物的播種面積和產(chǎn)量進一步下降。

部分年份各省份三種糧食作物碳匯量如表5所示。1997—2020年間，玉米、小麥碳匯量呈現(xiàn)上升趨勢，其中，玉米碳匯量上升明顯，水稻碳匯量呈現(xiàn)下降趨勢，尤其是東部沿海地區(qū)水稻碳匯量下降明顯。整體來看，我國東部地區(qū)糧食作物碳匯總量高，各省份碳匯量主要以水稻碳匯量為主，中部地區(qū)各省份碳匯量主要以玉米碳匯量為主，西部地區(qū)糧食作物碳匯量低，且南、北方省份碳匯量差異明顯，南方省份以水稻碳匯量為主，碳匯總量高，北方省份以玉米碳匯量為主，碳匯總量低，全國糧食作物碳匯量呈東高西低的特征。各省份間碳匯量差異也較大，江蘇、黑龍江、河南、山東、湖南都屬于高碳匯的省份，糧食作物碳匯量高于其他省份，且呈現(xiàn)持續(xù)增長趨勢。這些省份擁有碳匯優(yōu)勢的原因有很多，首先，種植條件優(yōu)越，糧食作物總產(chǎn)量高;其次，農(nóng)業(yè)技術發(fā)展不斷推進，糧食作物單位面積產(chǎn)量不斷提高。北京、上海、天津、海南、寧夏、青海都屬于低碳匯的省份，其中，北京、上海、天津經(jīng)濟發(fā)展迅速，糧食作物種植面積小，糧食作物碳匯量低。寧夏、青海日照時間長，太陽輻射強，晝夜溫差大;海南地處熱帶北緣，光溫充足，光合潛力高，這三個省份糧食作物種植面積小，且農(nóng)業(yè)生產(chǎn)發(fā)展水平低，糧食作物單產(chǎn)低，糧食作物碳匯量低。CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2

（二）各省份農(nóng)業(yè)碳排放的減排潛力

本文使用環(huán)境學習曲線測算各省份農(nóng)業(yè)碳排放的減排潛力。選取1997—2020年我國30個省份（不包括西藏、香港、澳門和臺灣）的有關統(tǒng)計數(shù)據(jù)，以農(nóng)業(yè)碳強度作為因變量，從碳排放和碳吸收兩個方面選取關鍵減排指標作為自變量，分別為人均農(nóng)業(yè)GDP（萬元）和農(nóng)作物碳匯量（萬噸），建立各個省份的多因素環(huán)境學習曲線，分析各變量在各省市的碳減排的環(huán)境學習能力，以此作為各省農(nóng)業(yè)碳減排預測分析的依據(jù)。

各省份環(huán)境學習曲線的系數(shù)如表6所示。從中可以看出，人均農(nóng)業(yè)GDP對碳排放強度影響顯著，且學習系數(shù)（b1）均大于零，即促進各省份人均農(nóng)業(yè)GDP增長對降低碳強度有積極作用。其中，天津市的學習系數(shù)最高（2.765 8），吉林省的學習系數(shù)最低（0.525 9）。北京、天津、山西、黑龍江、上海、江蘇、浙江、福建、江西、湖北、湖南、廣東、海南、四川、陜西、甘肅、青海、寧夏、新疆十九個省份糧食作物碳匯量對碳排放強度影響顯著，且學習系數(shù)（b2）小于零，即作物碳匯量升高反而會增加碳強度。由于作物碳排放和碳匯分別與播種面積和產(chǎn)量有關，因此，該結(jié)果能夠說明，僅依靠作物碳匯對種植業(yè)碳減排影響較小，要實現(xiàn)種植業(yè)碳減排，還需進一步完成減碳增匯。

（三）各省份農(nóng)業(yè)碳排放情景預測

以各省份碳排放的環(huán)境學習曲線為基礎，分別根據(jù)歷史增速和現(xiàn)有政策模擬各省份的碳強度，估算其未來的減排潛力。歷史增速下，基于30個省份各要素的歷史發(fā)展趨勢進行模擬。計算1997—2020年各變量的平均增長率，預測2030年人均農(nóng)業(yè)GDP和碳匯量。現(xiàn)有政策下，根據(jù)我國政府制定的若干政策文件并參考已有文獻進行模擬，具體模擬過程為：計算1997—2020年全國各省份農(nóng)業(yè)總產(chǎn)值的年均增長率，并假設2022—2030年各省份的農(nóng)業(yè)總產(chǎn)值以此速度增長。同時，按照《國務院關于印發(fā)國家人口發(fā)展規(guī)劃（2016—2030年）的通知》，到2030年人口總量將在14.5億左右，假設2030年各省份人口比例等于2011—2020年的平均比例，可按比例計算2030年各省份的人口。據(jù)此，我們可以預測出2030年各省人均農(nóng)業(yè)GDP。對碳匯量進行預測時，參考楊果和陳瑤通過1993—2011年的數(shù)據(jù)進行計算得到的農(nóng)業(yè)碳匯量年均增加1.38%的結(jié)果[51]，對2030年碳匯量進行預測。各省份減排潛力預測結(jié)果如表7所示。

雖然我國制定了國家碳減排政策，但在農(nóng)業(yè)領域中沒有具體的碳減排文件規(guī)定，本部分按照2015年6月中國向聯(lián)合國氣候變化框架公約秘書處提交的《強化應對氣候變化行動——中國國家自主貢獻》中提到的“到 2030 年單位GDP CO2排放比2005年下降 60%～65% ”的目標要求進行分析。結(jié)果表明，歷史增速模擬和現(xiàn)有政策模擬下2030年平均碳排放減排潛力分別為80.34%和79.83%，達到了單位GDP碳排放比2005年下降60%～65%的目標，且大部分省份的減排潛力都高于此平均水平。因此，提升農(nóng)業(yè)經(jīng)濟發(fā)展水平，促進技術進步對實現(xiàn)農(nóng)業(yè)減碳增匯、實現(xiàn)碳減排有著光明的前景。在兩種情景預測下，吉林、上海的碳減排潛力均不明顯，沒有達到減排目標，可能的原因有：上海是經(jīng)濟中心，農(nóng)業(yè)不是其發(fā)展的主導產(chǎn)業(yè);吉林農(nóng)業(yè)生產(chǎn)高度規(guī)模化，成本優(yōu)越性容易造成生產(chǎn)要素的過度投入，種植過程產(chǎn)生的碳排放會保持在較高水平。此外，在兩種情景預測下，其余各省份都達到了減排目標，在歷史增速模擬下，貴州、廣西、海南擁有較高的碳減排潛力;在現(xiàn)有政策模擬下，貴州、廣西、海南、陜西、新疆擁有較高的碳減排潛力。

五、結(jié)論與討論

本文以小麥、玉米、水稻三種糧食作物為基礎，測算了1997—2020年間的農(nóng)業(yè)碳排放量與碳匯量，構建了碳排放環(huán)境學習曲線，對各省份的農(nóng)業(yè)碳減排潛力進行了測算，并對各省份未來的減排潛力進行了情景分析，得到結(jié)論如下：

第一，各省份間糧食作物碳排放量差異較大，水稻種植過程產(chǎn)生的碳排放量遠高于小麥和玉米。1997—2020年間，三種糧食作物種植過程產(chǎn)生的農(nóng)業(yè)碳排放總量呈現(xiàn)波動趨勢，其中，安徽、黑龍江、湖北、湖南、河南、江蘇、山東都是高農(nóng)業(yè)碳排放省份，這與我國不同地區(qū)農(nóng)業(yè)發(fā)展水平、種植結(jié)構、氣候條件等自然經(jīng)濟因素差異有較大關系。除此之外，近年來，農(nóng)村耕地和基本農(nóng)田不同程度的“非糧化”“非農(nóng)化”對不同省份的農(nóng)業(yè)生產(chǎn)構成了不同程度的威脅，不同省份間技術水平的差異也使其在實現(xiàn)農(nóng)業(yè)生產(chǎn)低碳化、綠色化和現(xiàn)代化轉(zhuǎn)型的過程中產(chǎn)生差異。我國農(nóng)業(yè)碳排放存在顯著的區(qū)域差異。

第二，糧食作物碳匯量整體呈東高西低的特征，東部、中部分別以水稻、玉米碳匯量為主，西部南方省份以水稻碳匯量為主，北方省份以玉米碳匯量為主，各省份間糧食作物碳匯量差異較大，江蘇、黑龍江、河南、山東、湖南都屬于高碳匯省份。近年來，各省份積極推進農(nóng)業(yè)技術發(fā)展，不斷改良作物品種、調(diào)優(yōu)種植結(jié)構，促使糧食作物單位面積產(chǎn)量得到不斷提升，經(jīng)濟技術發(fā)展快的省份在碳匯方面將不斷占有更大的優(yōu)勢。分作物來看，水稻種植過程產(chǎn)生的碳匯量遠遠高于玉米、小麥種植過程產(chǎn)生的碳匯量。

第三，環(huán)境學習曲線回歸結(jié)果顯示，人均農(nóng)業(yè)GDP對碳排放強度影響顯著，促進各省人均農(nóng)業(yè)GDP增長對降低碳排放強度有積極作用，農(nóng)業(yè)經(jīng)濟發(fā)展能夠帶來技術進步、促進生態(tài)文明理念宣傳，對碳減排影響明顯。碳匯對降低碳強度有抑制作用，超過一半的省份糧食作物碳匯量對碳排放強度影響顯著。盡管從理論上來說糧食作物本身擁有的碳匯作用能夠在一定程度上實現(xiàn)碳減排，然而由于碳匯的增加是種植面積增加的結(jié)果，而種植面積的擴大又增加了碳排放，因此增加碳匯所形成的碳減排效應被抵消了，這表明僅依靠作物碳匯對實現(xiàn)種植業(yè)碳減排是不夠的。各省在發(fā)展農(nóng)業(yè)的過程中可以通過增加農(nóng)業(yè)碳匯量的方式實現(xiàn)農(nóng)業(yè)碳減排，但是要把“減碳”和“增匯”并行。從各省農(nóng)業(yè)碳排放情景分析的結(jié)果來看，農(nóng)業(yè)碳減排較難實現(xiàn)的省份主要集中在我國東部地區(qū)，東部地區(qū)普遍經(jīng)濟發(fā)展較快，農(nóng)業(yè)轉(zhuǎn)移現(xiàn)象較為突出，通過農(nóng)業(yè)生產(chǎn)實現(xiàn)減碳增匯效果不明顯。反之，我國中、西部地區(qū)由于聚集了較多糧食種植大省，農(nóng)業(yè)碳減排潛力較為突出。CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2

本文的研究結(jié)果對我國從農(nóng)業(yè)方面創(chuàng)新碳減排路徑提供了重要啟示。第一，要從碳源角度出發(fā)減少種植過程中的碳排放，通過積極推廣資源節(jié)約型循環(huán)農(nóng)業(yè)，實現(xiàn)廢棄物資源化利用，減少生產(chǎn)資料投入以及農(nóng)業(yè)廢棄物產(chǎn)生的碳排放;大力發(fā)展有機農(nóng)業(yè)，通過作物輪作、綠肥覆蓋等措施減少農(nóng)業(yè)生產(chǎn)過程的碳排放量。第二，單獨依靠增加作物碳匯對實現(xiàn)種植業(yè)碳減排是不夠的，要充分實現(xiàn)“減碳”與“增匯”的有機結(jié)合，改變傳統(tǒng)農(nóng)業(yè)管理方式，通過秸稈還田、推廣保護性耕作、種植覆蓋作物等方式充分發(fā)揮土壤的固碳作用，提高農(nóng)業(yè)整體碳匯水平。第三，結(jié)合不同糧食作物生長習性，以及實際碳排放、碳匯情況，采取區(qū)域異質(zhì)性固碳減排技術，對于以水稻碳匯為主的東部省份以及西部南方省份，采用間歇性節(jié)水灌溉、秸稈氮肥配施、免耕等稻田管理技術以促進稻田減排增匯、節(jié)能循環(huán)，提高水稻碳匯能力。第四，鑒于省份資源稟賦、地理位置、經(jīng)濟水平和現(xiàn)有產(chǎn)業(yè)結(jié)構的異質(zhì)性，制定不同的省際碳減排目標，在全球低碳發(fā)展的大背景下，政府在制定各省份碳排放強度減排目標時，可通過稅收補貼、財政政策等激勵方式引導中西部部分以農(nóng)業(yè)為主導產(chǎn)業(yè)的省份通過農(nóng)業(yè)碳減排實現(xiàn)減排目標;利用農(nóng)業(yè)的碳匯優(yōu)勢完成碳減排既能實現(xiàn)農(nóng)業(yè)綠色發(fā)展、促進農(nóng)業(yè)可持續(xù)發(fā)展，又能緩解經(jīng)濟欠發(fā)達省份的碳減排壓力，最終實現(xiàn)我國低碳發(fā)展的長遠目標。第五，發(fā)揮市場作用，培育農(nóng)業(yè)碳排放交易市場機制，通過市場調(diào)節(jié)，碳交易能夠充分發(fā)揮市場機制在資源配置中的作用，以低成本推動碳減排，助力實現(xiàn)“雙碳”目標。

參考文獻

[1]? XU B， LIN B. Factors affecting CO2 emissions in China's agriculture sector： Evidence from geographically weighted regression model[J]. Energy Policy， 2017， 104： 404-414.

[2]? 冉光和，王建洪，王定祥.我國現(xiàn)代農(nóng)業(yè)生產(chǎn)的碳排放變動趨勢研究[J].農(nóng)業(yè)經(jīng)濟問題，2011（2）：32-38+110-111.

[3]? TRISTRAM O W， MARLAND G. A synthesis of carbon sequestration， carbon emissions， and net carbon flux in agriculture： comparing tillage practices in the United States[J]. Agriculture， Ecosystems and Environment， 2002， 91（1）： 217-232.

[4]? NURSE J. An ecological approach to promoting population mental health and well-being—A response to the challenge of climate change[J]. Perspectives in Public Health， 2010， 130（1）： 27-33.

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

[6]? 叢建輝，劉學敏，趙雪如.城市碳排放核算的邊界界定及其測度方法[J].中國人口·資源與環(huán)境，2014（4）：19-26.

[7]? GOLDSTEIN B， HAUSCHILD M， FERNANDEZ J， et al. Testing the environmental performance of urban agriculture as a food supply in northern climates[J]. Journal of Cleaner Production， 2016， 135： 984-994.

[8]? 梁龍，杜章留，吳文良，等.北京現(xiàn)代都市低碳農(nóng)業(yè)的前景與策略[J].中國人口·資源與環(huán)境，2011（2）：130-136.

[9]? 尚杰，楊濱鍵.種植業(yè)碳源、碳匯測算與凈碳匯影響因素動態(tài)分析：山東例證[J].改革，2019（6）：123-134.

[10]? 丁寶根，楊樹旺，趙玉.長江經(jīng)濟帶種植業(yè)碳排放時空特征及驅(qū)動因素研究[J].生態(tài)與農(nóng)村環(huán)境學報，2019（10）：1252-1258.

[11] ? 郭旋，張良茂，胡榮桂，等.華中地區(qū)種植業(yè)生產(chǎn)碳排放驅(qū)動因素分析[J].長江流域資源與環(huán)境，2016（5）：695-701.

[12]? 田云，張俊飚，豐軍輝，等.中國種植業(yè)碳排放與其產(chǎn)業(yè)發(fā)展關系的研究[J].長江流域資源與環(huán)境，2014（6）：781-791.

[13] ? 李俊杰.民族地區(qū)農(nóng)地利用碳排放測算及影響因素研究[J].中國人口·資源與環(huán)境，2012（9）：42-47.

[14]? 胡婉玲，張金鑫，王紅玲.中國種植業(yè)碳排放時空分異研究[J].統(tǒng)計與決策，2020（15）：92-95.

[15]? 吳賢榮，張俊飚，田云，等.基于公平與效率雙重視角的中國農(nóng)業(yè)碳減排潛力分析[J].自然資源學報，2015（7）：1172-1182.

[16]? 吳賢榮，張俊飚.中國省域農(nóng)業(yè)碳排放：增長主導效應與減排退耦效應[J].農(nóng)業(yè)技術經(jīng)濟，2017（5）：27-36.CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2

[17] ? 張衛(wèi)建，嚴圣吉，張俊，等.國家糧食安全與農(nóng)業(yè)雙碳目標的雙贏策略[J].中國農(nóng)業(yè)科學，2021（18）：3892-3902.

[18]? 謝淑娟，匡耀求，黃寧生.中國發(fā)展碳匯農(nóng)業(yè)的主要路徑與政策建議[J].中國人口·資源與環(huán)境，2010（12）：46-51.

[19] ? 杜江，羅珺，王銳，等.糧食主產(chǎn)區(qū)種植業(yè)碳功能測算與時空變化規(guī)律研究[J].生態(tài)與農(nóng)村環(huán)境學報，2019（10）：1242-1251.

[20] ? 陳羅燁，薛領，雪燕.中國農(nóng)業(yè)凈碳匯時空演化特征分析[J].自然資源學報，2016（4）：596-607.

[21]? 白保勛，陳東海，徐婷婷，等.主要糧經(jīng)作物與輪作模式凈碳匯價值分析[J].生態(tài)經(jīng)濟，2021（9）：97-101.

[22] ? MOSIER A R， HALVORSON H A， REULE C A， et al. Net Global Warming Potential and Greenhouse Gas Intensity in Irrigated Cropping Systems in Northeastern Colorado[J]. Journal of Environmental Quality， 2006， 35（4）： 1584-1598.

[23] ? 田云，張俊飚，吳賢榮，等.中國種植業(yè)碳匯盈余動態(tài)變化及地區(qū)差異分析——基于31個?。ㄊ?、區(qū)）2000—2012年的面板數(shù)據(jù)[J].自然資源學報，2015（11）：1885-1895.

[24]? FAIS B， SABIO N， STRACHAN N. The critical role of the industrial sector in reaching long-term emission reduction， energy efficiency and renewable targets [J]. Applied Energy， 2016， 162： 699-712.

[25]? 何艷秋，戴小文.中國農(nóng)業(yè)碳排放驅(qū)動因素的時空特征研究[J].資源科學，2016（9）：1780-1790.

[26] ? 吳賢榮，張俊飚，程琳琳，等.中國省域農(nóng)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（6）：53-61.

[27] ? 田云，林子娟.巴黎協(xié)定下中國碳排放權省域分配及減排潛力評估研究[J].自然資源學報，2021（4）：921-933.

[28]? 賀亞亞，田云，張俊飚.湖北省農(nóng)業(yè)碳排放時空比較及驅(qū)動因素分析[J].華中農(nóng)業(yè)大學學報（社會科學版），2013（5）：79-85.

[29]? 吳昊玥，黃瀚蛟，何宇，等.中國農(nóng)業(yè)碳排放效率測度、空間溢出與影響因素[J].中國生態(tài)農(nóng)業(yè)學報 （中英文），2021（10）：1762-1773.

[30] ? 白若琦，白樸，吳益?zhèn)?，?種植業(yè)固碳減排潛力和技術對策研究[J].江蘇農(nóng)業(yè)科學，2017（22）：279-283.

[31]? 潘安.中國農(nóng)業(yè)貿(mào)易的碳減排效應研究[J].華南農(nóng)業(yè)大學學報（社會科學版），2017（4）：25-33.

[32]? 張新民.農(nóng)業(yè)碳減排的生態(tài)補償機制[J].生態(tài)經(jīng)濟，2013（10）：107-110.

[33] ? 陳松文，劉天奇，曹湊貴，等.水稻生產(chǎn)碳中和現(xiàn)狀及低碳稻作技術策略[J].華中農(nóng)業(yè)大學學報，2021（3）：3-12.

[34]? 唐海明，李超，肖小平，等.不同耕作模式對雙季稻田生態(tài)系統(tǒng)凈碳匯效應及收益的影響[J].生態(tài)環(huán)境學報，2020（2）：215-222.

[35]? 何艷秋，陳柔，吳昊玥，等.中國農(nóng)業(yè)碳排放空間格局及影響因素動態(tài)研究[J].中國生態(tài)農(nóng)業(yè)學報，2018（9）：1269-1282.

[36]? 田云，張俊飚，李波.基于投入角度的農(nóng)業(yè)碳排放時空特征及因素分解研究——以湖北省為例[J].農(nóng)業(yè)現(xiàn)代化研究，2011（6）：752-755.

[37]? 段華平，張悅，趙建波，等.中國農(nóng)田生態(tài)系統(tǒng)的碳足跡分析[J].水土保持學報，2011（5）：203-208.

[38]? 吳賢榮，張俊飚，田云，等.中國省域農(nóng)業(yè)碳排放：測算、效率變動及影響因素研究——基于DEA-Malmquist指數(shù)分解方法與Tobit模型運用[J].資源科學，2014（1）：129-138.

[39]? 田云，張俊飚.中國農(nóng)業(yè)生產(chǎn)凈碳效應分異研究[J].自然資源學報，2013（8）：1298-1309.

[40]? 謝鴻宇，陳賢生，林凱榮，等.基于碳循環(huán)的化石能源及電力生態(tài)足跡[J].生態(tài)學報，2008（4）：1729-1735.

[41]? 李克讓.土地利用變化和溫室氣體凈排放與陸地生態(tài)系統(tǒng)碳循環(huán)[M].北京：氣象出版社，2002：260-265.

[42]? WRIGHT TP. Factors affecting the costs of airplanes[J]. Aeronaut Sci， 1936， 3（4）：122-128

[43]? BEMIS JC. A model for examining the cost implications of production rate. Concepts[J]. Def Syst Acquis Manage， 1981， 4（2）： 84-94CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2

[44]? BADIRU A B. Computational survey of univariate and multivariate learning curve models[J]. IEEE Transactions ineering Eng Management， 1992， 39（2）： 176-188

[45]? 堯波，鄭艷明，胡丹，等.江西省縣域農(nóng)業(yè)碳排放的時空動態(tài)及影響因素分析[J].長江流域資源與環(huán)境，2014（3）：311-318.

[46]? 文清，田云，王雅鵬.中國農(nóng)業(yè)碳排放省域差異與驅(qū)動機理研究——基于30個?。ㄊ?、區(qū)）1993～2012年的面板數(shù)據(jù)分析[J].干旱區(qū)資源與環(huán)境，2015（11）：1-6.

[47]? 付佳，安增龍.黑龍江省種植業(yè)結(jié)構調(diào)整經(jīng)濟效益評價[J].浙江農(nóng)業(yè)科學，2021（3）：623-626+631.

[48]? 羅暄.湖南省農(nóng)業(yè)產(chǎn)業(yè)結(jié)構與競爭力演進分析——基于動態(tài)偏離份額模型[J].湖南人文科技學院學報，2020（5）：74-79.

[49]? 楊濱鍵，孫紅雨.低碳績效測度與動態(tài)效應研究——以山東省種植業(yè)為例[J].中國生態(tài)農(nóng)業(yè)學報（中英文），2021（3）：581-589.

[50]? 檀學文，張強.經(jīng)濟全球化對中國東部農(nóng)業(yè)的影響[J].世界農(nóng)業(yè)，2003（9）：10-13.

[51]? 楊果，陳瑤.中國農(nóng)業(yè)源碳匯估算及其與農(nóng)業(yè)經(jīng)濟發(fā)展的耦合分析[J].中國人口·資源與環(huán)境，2016（12）：171-176.

Study on provincial agricultural carbon emission and emission reduction potential based on carbon sink function： Taking Chinas three main grain cropsas an example

Wang Yanan1? ? Zhang Qilin2? ?ChenWei1

（1.College of Economics and Management， Northwest A&F University， Yangling， Shaanxi 712100;

2.School of Economics and Finance， Xi'an Jiaotong University， Xi'an， Shaanxi， 710061）

Abstract： Planting industry is both a "carbon source" and a "carbon sink"， which plays a key role in agricultural carbon emission reduction.By calculating the carbon emissions and carbon sinks of three food crops in 30 provinces of China from 1997 to 2020， this paper constructs the provincial carbon emission environmental learning curve. According to the historical growth simulation and existing policy simulation， the agricultural carbon emission reduction potential of 30 provinces and regions in China is predicted. The results show that the total carbon emissions from the cultivation of the three food crops show a fluctuating trendduring the period 1997-2020.The carbon emissions from the cultivation of rice are much higher than those from wheat and maize.The total carbon sinks of the three food crops are characterized as high in the east and low in the west. Rice carbon sinks and maize carbon sinks are the main sources of carbon sinks in eastern and central provinces respectively.There are differences in the main sources of carbon sinks in the southern and northern provinces in the west， with rice and maize carbon sinks being the main sources respectively.The growth of agricultural GDP per capital has a positive effect on reducing carbon intensity. The carbon sinks possessed by food crops themselves can achieve carbon emission reduction to a certain extent.However， relying on crop carbon sinks alone has a relatively small impact on achieving carbon emission reduction in theplanting industry.Under the historical growth rate simulation and existing policy simulation， the average agricultural carbon emission reduction potential in China in 2030 is 80.34% and 79.83% respe ctively. The carbon emission reduction potential is higher in western and central provinces.

Key Words： carbon emission; carbon sink; carbon emission reduction potential; environmental learning curve

作者簡介：王雅楠，西北農(nóng)林科技大學經(jīng)濟管理學院副教授，碩士生導師，管理學博士，研究方向：資源與環(huán)境政策;張琪琳，西安交通大學經(jīng)濟與金融學院碩士研究生，研究方向：資源與環(huán)境政策;陳偉（通信作者），西北農(nóng)林科技大學經(jīng)濟管理學院副教授，博士生導師，管理學博士，研究方向：土地經(jīng)濟與管理。CB01F5E6-8224-48DA-B2C0-8B4DC33D85A2