中国设施农业的减碳增汇效应分析

设施农业作为中国现代农业的重要标志，揭示其时空格局演变及减碳增汇效应对实现“双碳”目标、促进绿色转型发展具有重要意义。本文应用空间经济计量方法，采用2013—2017年中国1828个县域面板数据，分析中国县域碳排放、固碳量及设施农业的时空演变特征，在此基础上实证分析了设施农业的减碳增汇效应，并从区域和粮食产区角度进行了异质性分析。

结果表明:

1)中国县域碳排放总体呈东高西低的空间格局，固碳量则显示出西高东低的特点，设施农业面积空间格局也为东高西低，三者均具有显著的空间正相关性及高-高空间集聚特征。

2)设施农业面积对碳排放的直接和间接效应都呈“U”型，存在显著减碳效应，但设施农业面积对固碳量的直接和间接效应都显著为负，增汇效应不明显。

3)设施农业面积对于减碳增汇的作用存在显著的异质性。就区域层面而言，设施农业面积显著促进东部和东北部地区碳减排，显著抑制中部和西部地区碳汇；就粮食产区而言，设施农业面积对粮食主产区和主销区存在显著的减碳效应，对三大粮食产区的增汇效应均不明显。

研究认为，各县应当加快推进设施农业绿色发展，因地制宜发展低碳农业，加强区域间减碳增汇合作交流，以此有力地推进设施农业绿色可持续发展，实现减碳增汇的愿景。

由气候变化所引致的自然灾害引发了人类社会对碳排放问题的普遍关注。中国作为全球碳排放量最大的国家，在气候治理方面展现出了大国责任与担当，提出了一系列针对碳减排的约束性指标。中国在第七十五届联合国大会上提出2030年前实现碳达峰、2060年前实现碳中和的“双碳”目标。国家“十四五”规划也明确提出“到2025年单位GDP二氧化碳排放降低18%”的碳减排约束指标，彰显出中国对碳减排的重视。

“双碳”目标的实现关键在于减碳增汇，农业具有碳源和碳汇的双重属性，在减碳增汇方面具有重要作用。全国农业温室气体排放量约占总排放量的17%，预计到2050年农业碳汇将占陆地生态系统碳汇总量的12%~13%。改革开放以来，全国农业年均增长率高达4.6%，但高增长极大程度上是以高碳排放为代价，不利于农业在减碳增汇方面持续发挥积极作用[1]。2022年中央一号文件提出“加快发展设施农业”，2023年6月，中国第一部现代设施农业建设规划《全国现代设施农业建设规划(2023—2030年)》正式印发。作为现代化农业的重要体现，大力发展设施农业、实现现代农业低碳化并强化农业碳汇属性，是刻不容缓的。

回顾国内外相关文献，针对设施农业减碳增汇的相关研究很少。目前，学者们主要从设施农业发展现状、设施农业碳排放驱动因素、设施农业固碳潜力等方面进行研究。关于设施农业现状研究，学者认为目前中国设施农业低碳化发展态势良好，但也存在持续性、均衡性不强的问题[2-3]。学者对设施农业碳排放驱动因素开展了研究，发现科技投入、物质消耗利用率及设施农业面积利用率等较偏向技术与效率层面的因素会极大影响设施农业碳排放[4]，也有研究表明在短期内设施菜地本身大量施肥的特征会显著促进碳排放[5]。同时也有文献讨论了设施农业的增汇效应。研究表明，设施农业可以促进土壤固碳[6]，但是固碳潜力的发挥需要较为严苛的生产管理条件，否则设施农业的增汇效应将受到抑制[7]。

关于农业碳排放和碳汇规律的研究，学者们聚焦碳排放和固碳量的总量测算、时空演变特征分析、驱动因素分析等方面。现有学者对农业碳排放的测算方式大都采用排放系数法，对碳源的选择经历了从仅包括化肥农药、农用薄膜、农用柴油、农用播种面积和灌溉等农业要素投入[8]，拓展到将水稻种植、畜禽养殖等方面也考虑在内的演变过程[9-11]。对农业碳汇的测算，则一直围绕着土壤固碳和生物固碳这两大农业碳汇系统的主要组成部分[12]。

在时空演变特征分析方面，对碳排放量进行分析的研究较多。如李波等[13]发现自1993年以来我国农业碳排放总量呈现阶段性上升态势，但全国各省份因所属地区不同而有着异质性变化特征。在驱动因素分析方面，学者们主要利用对数平均迪氏指数法(LMDI)、卡雅(Kaya)恒等式以及空间杜宾模型等方法进行识别。

研究发现农业低碳化投入是影响农业碳排放最重要的因素，新型肥料研发和施用、生产效率改善、机械化水平提高等均会抑制碳排放[14-16]；农业经济发展水平与农业碳排放之间存在倒“U”型关系[17]；其他非农业因素如环境规制水平提高、粮食主产区政策实施等也会促进农业碳减排[18]。农业土地利用管理改进则是影响农业固碳量的重要内容，研究发现增施有机肥、合理转变土地利用方式及保护性耕作等措施可提高我国农田土壤碳汇[19-21]，粮食产量、地理位置、经济发展水平等也会影响农业碳汇[22-23]。此外，温度、水分、土壤条件、气候变化和森林覆盖面积等自然因素也被证明对农田碳汇存在显著影响[24-25]。

已有研究对本文具有重要的借鉴作用。然而，现有对设施农业如何实现减碳增汇的相关研究较少，设施农业、碳排放和碳汇的空间相关性没有得到重视。而我国县(区)数量多、自然条件差异大、资源禀赋也各有不同。近年来，随着我国设施农业规模及效益的日益扩大，设施农业的减碳增汇效应开始凸显。从更微观的县域角度研究设施农业的减碳增汇效应，有利于中央和地方各级政府因地制宜制定切实可行的减碳增汇方案。基于此，本文以中国1828个县(区)为研究对象，通过空间探索性分析方法对县域层面区域碳排放、固碳量及设施农业的时空格局演变进行研究，同时采用空间计量模型探究县域设施农业的减碳增汇效应，对区域和粮食产区异质性也加以讨论，以期为实现“双碳”目标、加快设施农业绿色发展提供理论参考。

1

研究方法与指标选取

1.1研究方法

本文首先绘制中国县域层面区域碳排放、固碳量和设施农业规模的空间分布图，以此把握核心变量的时空演变规律。在此基础上，基于莫兰指数(Moran’sI)开展空间相关性和空间局部自相关(LISA)分析，探索变量的空间集聚特征。全局Moran’sI(I)用于考察空间相关性，表达式为:

式中:n为地区总数；x为变量的空间序列数据；i和j为地区；wij为i、j两地之间的空间权重，本文以各县域中心间地表距离的倒数(1/dij)为空间权重，其表达式为:

局部Moran’sI(Ii)则用于考察地区i附近的空间集聚特征，表达式为:

为实证研究设施农业的减碳增汇效应，在考虑空间相关性的基础上构建空间计量模型进行实证分析。考虑到设施农业对碳排放的影响可能是非线性的，本文加入设施农业的二次项来检验其与碳排放之间的关系[26]。那么，空间滞后模型(SLM)为:

式中:t为年份，ρ为空间自回归系数，α、β、γ、η为待估计参数，μi为个体固定效应，τt为时间固定效应，εit、uit为随机扰动项，εit服从正态分布，λ为空间相关误差的参数，Wk为空间权重矩阵，CE为碳排放，CS为固碳量，PAA为设施农业面积，GDP为地区生产总值，PIS为产业结构，PD为人口密度，GE为政府财政支出，GCP为粮食产量，FC为森林覆盖面积。

1.2指标选取与数据来源

被解释变量:碳排放(CE)、固碳量(CS)。设施农业减碳效应通过其对碳排放的影响体现；陆地生态系统固碳本质上是碳增汇的最终表现，因而设施农业增汇效应通过其对陆地生态系统固碳量的影响体现。

核心解释变量:设施农业面积(PAA)，选取各县(区)设施农业面积。

控制变量:1)经济发展水平(GDP)，使用地区生产总值表示；2)产业结构(PIS)，使用地区第二产业增加值占地区生产总值的比重表示；3)人口密度(PD)，使用人口数与区域面积之比表示；4)政府财政支出(GE)，用地区财政支出总额表示；5)粮食产量(GCP)，用地区粮食总产量表示；6)森林覆盖面积(FC)，基于数据可得性，用所属各省级行政区森林面积表示。为消除通货膨胀影响，将经济发展水平、政府财政支出等经济变量均折算成2013年不变价。根据现有文献，研究减碳效应时选取的控制变量为GDP、PIS、PD和GE，研究增汇效应时选取的控制变量为GDP、PD、GE、GCP和FC。

考虑到数据的可行性和最大可得性，本文选取中国1828个县(区)作为研究对象，中国香港、澳门、台湾、西藏的县(区)因数据严重缺失不纳入研究范围。碳排放与固碳量数据来源于中国碳核算数据库(CEADs，https://www.ceads.net.cn/)，CEADs采用粒子群优化—反向传播(PSO-BP)算法统一了美国国防气象卫星线性扫描业务系统(DMSP/OLS)和美国极轨卫星可见光近红外成像辐射仪(NPP/VIIRS)两类卫星图像的规模，估算了1997—2017年中国2735个县的二氧化碳排放量，并在此基础上计算了县级陆地植被的固碳量，数据较为准确。森林覆盖面积数据来源于《中国统计年鉴》(2013—2017年)，其余数据均来源于《中国县域统计年鉴》(2013—2017年)，部分缺失数据通过查找各省份统计年鉴或统计公报补齐；另外，设施农业面积、地区生产总值、粮食产量等涉及到的个别缺失数据用均值法补齐。

2

研究结果与分析

2.1碳排放、固碳量和设施农业的

时空演变特征

从全国县域层面碳排放量空间分布来看(图1)，2013—2017年县域碳排放的空间格局变化较小，呈现出明显的空间非均衡特征。随着中国工业化进程加快，能源消费不断提高，区域经济发展不均衡问题愈加突出，中心-外围极化现象明显，由此引发的碳排放差异也不断加大[27]。

整体来看，2013—2017年中国县域碳排放量大致呈现出“东高西低”的格局，环渤海地区、黄淮海地区、长三角地区县域碳排放较高，随着经济发展，市场开放程度加大，人均收入水平提高，经济发达地区的人口集聚现象愈加明显，碳排放量也随之增加[28]；其次，内蒙古中部、宁夏、陕西及山西的部分县域，2013年与2017年碳排放量均超过2000万t，这些地区煤炭和化石能源丰富，暂时无法脱离“资源诅咒”陷阱，经济发展仍高度依赖能源密集型产业；西部地区大部分县域碳排放量较低，特别是青海、四川的部分县域，主要受当地经济发展缓慢、经济社会活力较差等因素制约。

从全国县域层面固碳量空间分布来看(图2)，2013—2017年中国县域固碳量的空间格局变化较小。具体来看，2013—2017年中国县域固碳量整体呈现“西高东低”的格局，碳汇高值区域主要集中于西部和东北部地区，这些地区森林资源较为丰富，林地固碳能力强，同时自然环境保护力度大，对陆地生态系统碳汇的干预有限，因而碳汇量较大；碳汇低值区域主要集中在华北、华东、华中等地区，这些地区森林资源较为匮乏，致使主要陆地生态系统固碳能力较弱，同时经济发展迅速或工业占比较大，建设用地扩张极易挤占森林和农田资源，促使陆地生态系统碳汇减少。

从全国县域层面区域设施农业空间分布来看(图3)，2013—2017年中国县域设施农业空间分布格局变化较大。具体来看，2013—2017年中国县域设施农业分布呈“东高西低”的格局，设施农业面积高值区主要集中在辽宁、河北、山东、江苏等地区，这些地区传统农业基础深厚，农业产业化、市场化程度较高，良好的经济结构水平使得农业与其他各行业之间容易实现优势互补，因而资源利用效率较高，促使设施农业良性发展。2017年内蒙古中部乌兰察布市、巴彦淖尔市地区较2013年设施农业面积明显减少，可能是由于土地布局分散、资金投入不足、科技服务落后等影响设施农业收益，进而使经营者丧失经营意愿所致。四川盆地以及西北地区设施农业分布范围较广，前者因是传统的粮食产区，其独特的地理环境有利于发展设施农业；后者自然环境条件较为恶劣，大力推进设施农业发展可以改善恶劣环境、弥补传统农业生产的不足。

2.2碳排放、固碳量和设施农业的

空间集聚特征

本文使用全局Moran’sI和LISA分布来检验县域碳排放、固碳量、设施农业面积的空间相关性，并分析其空间集聚特征。图4为2013—2017年中国县域碳排放、固碳量和设施农业面积的全局Moran’sI，三者所有年份全局Moran’sI均显著为正，表明其具有空间正相关性。

进一步使用局部Moran’sI对全国县域碳排放、固碳量、设施农业面积的局部空间自相关进行分析(图5)。可以看出，2013—2017年碳排放、固碳量、设施农业面积的空间聚集模式均较为稳定，且呈东西分异的格局。图5表明，碳排放的聚集模式主要为东部地区的高-高集聚；固碳量的聚集模式为分布于东北、西部和西南地区的高-高集聚，以及集中于东部地区但逐渐缩小的低-低集聚；设施农业面积的聚集模式主要也为黄淮海地区的高-高集聚，但低-高集聚的县域数量在逐渐增加。总之，碳排放、固碳量、设施农业面积存在明显的空间相关性，适用于空间计量方法。

2.3设施农业减碳增汇效应分析

2.3.1设施农业减碳效应分析

以碳排放(CE)为核心解释变量，Hausman检验结果表示应选择面板数据的固定效应模型；3种空间计量模型下碳排放的空间滞后因子ρ和λ均显著为正，说明县域碳排放存在较强的空间联动性和依赖性，相邻地区碳排放对本地区碳排放具有显著的正向空间溢出效应。似然比(LR)检验结果显示SDM不会退化为SLM或SEM，且实证所用数据为短面板，故采用固定效应下的SDM为基准开展分析(表1)。

设施农业对碳排放的直接效应呈先减少后增加的正“U”型特征。在设施农业发展初期，具有显著的减碳效应。可能的原因是，设施农业具有资本、技术密集的特点，相比于传统农业而言，资本、技术研发等投资力度更大，促使全国设施农业机械化率水平由2014年的30.00%逐渐提升至2021年的42.05%，这使得农业生产过程中对高污染、低效率小机械的使用减少，进而促进碳减排[29]。从宏观环境来看，城镇化及新型工业化为农业现代化的实现提供了良好条件，有利于设施农业实现规模化经营、科学化管理、高效化能源利用，从而减少碳排放。当设施农业发展到一定阶段，随着设施农业规模扩大，减碳效应逐步减小，碳排放不断增加，说明当设施农业达到现有技术、管理水平的最优阈值后，再扩大发展规模会打破生产模式现阶段的稳态，造成碳排放的增加。一方面，作为一门高投入产业，随着设施农业规模扩大，更多的农膜、水肥药等投入要素的生产、运输、使用、降解处理过程导致了碳排放总量的增加[30]。另一方面，设施农业发展所需的设施技术、组织模式等的更迭，带来学习、应用、管理的新增成本也削弱了减碳效果。此外，设施农业发展所带动的温室大棚生产行业及农产品加工业等的兴起也会影响区域减碳力度。

设施农业对碳排放的间接效应也呈现正“U”型特征。设施农业发展初期，对相邻地区碳排放的影响显著为负，减碳效应明显，可能是由于相邻地区受限于同样的自然条件，对设施农业投入的生产要素相似，加之外部规模经济促使邻近地区相互学习与效仿，进而发生技术溢出，实现设施农业的要素互通、经验共享，对邻近地区碳排放具有促减作用。当设施农业发展到一定阶段，其对相邻地区碳排放的影响显著为正。可能是由于各地区在经历发展前期的徘徊试验后，找到了自身发展的比较优势，此时邻近地区可能拥有与本地规模、结构相似的设施农业，跨过了设施农业由减碳到增碳的拐点；也很可能是由于资源禀赋条件限制，转型发展能源消耗更多、碳排放强度更高的设施农业配套工业或生产类服务业，因此，设施农业对地区碳排放具有促增效应。

2.3.2设施农业的增汇效应分析

以固碳量(CS)为核心解释变量，仍然选用个体固定效应下的SDM模型对设施农业增汇效应进行分析以便比较(表1)。结果显示，空间自回归系数ρ显著为正，说明县域固碳量存在较强的空间联动性和依赖性，相邻地区固碳量对本地区固碳量具有正向空间溢出效应。

设施农业对固碳量的直接与间接效应均显著为负。设施农业具有高投入、高产出的特征，一方面，经营主体为实现短时间内收益最大化，农田过度种植现象出现，因此，轮作、少免耕等保护性耕作措施难以应用于设施农业；另一方面，设施农业发展过程中持续大量施肥的特征会加速土壤有机碳分解矿化，不利于农田土壤固碳与农作物良好生长，对农作物长期固碳效益不利，两方面共同作用下导致设施农业增汇效应不明显。设施农业对固碳量的间接效应也显著为负，可能是由于相邻地区设施农业发展条件相似，农业投入与耕作管理方式相似，进而会产生相同的效应，加之相邻地区设施农业发展存在竞争，部分县域为获取生产优势会出现将原有草地转变为农田的现象，使得碳汇减少。

2.4设施农业减碳增汇效应的异质性分析

2.4.1设施农业减碳效应的异质性分析

为深入探究设施农业对碳排放影响的异质性，本文根据经典地理分类即东、中、西、东北4个区域以及3类粮食产区进行分析，结果见表2。就区域异质性而言，东部、东北部地区设施农业对碳排放的直接效应呈“U”型，中部、西部地区则不显著。东部和东北部地区设施农业的前期高投入是减碳效应显著的原因，但设施农业发展到一定阶段后，在农业前沿技术无重大突破或未大范围普及应用的情况下，减碳效应将明显衰减。

东部、西部地区设施农业对碳排放的间接效应也呈“U”型，而中部地区为倒“U”型，东北部地区则显著为负。中部地区设施农业由增碳到减碳的原因可能是农业技术、知识随设施农业发展而趋于强化的溢出效应，缓解了设施农业前期的投入压力。东北地区一贯显著的减碳效应，除技术知识溢出外，还可能与林业、种植业对畜牧业的替代有关。

就粮食产区异质性而言，主产区设施农业对碳排放的直接与间接效应均呈“U”型。粮食主产区农业基础坚实，伴随着设施农业的发展，技术知识普及和规模经济效应均有利于本地和相邻地区减碳，但粮食产量压力对低碳设施农业规模的约束也会逐渐收紧，进而造成减碳效应的削弱，最终转变为增碳效应。

粮食主销区设施农业对碳排放的直接效应显著为负，间接效应不显著。主销区相对主产区农业基础单薄，但没有产量压力，更容易以设施农业发展为推手实现农业低碳化转型。产销平衡区设施农业对碳排放的直接和间接效应均不显著。可能是由于设施农业所需的高投入在产销平衡区难以得到满足，而且农业基础薄弱，缺乏低碳化转型韧性，综合来看设施农业的减碳效应不显著。

2.4.2设施农业增汇效应的异质性分析

为深入探究设施农业增汇效应的异质性，从东、中、西、东北4个区域以及3类粮食产区对其进行分析，结果见表3。就区域异质性而言，中部、西部地区设施农业对固碳量的直接效应显著为负，东部、东北部地区则不显著。设施农业使碳汇不增反降的原因可能在于设施农业的连作障碍、大量施肥以及秸秆焚烧、秋翻等传统耕作方式造成的土壤有机碳含量下降，设施农业规模扩大对草地、林地的开发也是碳汇下降的重要因素[31]。但东部地区农业技术普及程度高，东北部地区农业规模大、基础坚实，设施农业发展使得农作物碳汇效益良好，实现了对减汇的抵消，导致增汇效应不显著。

东部、西部地区设施农业对固碳量的间接效应显著为负，中部，东北地区则不显著。东部地区产业竞争激烈，相邻地区设施农业发展导致本地区化肥农药施用增加，致使土壤有机碳含量下降。西部地区高质量农业用地少，相邻地区设施农业发展可能促使本地区将林地开发为农用地，以促进本地区特色农业发展，整体来看，陆地生态系统碳汇量呈下降趋势。

就粮食产区异质性而言，主产区设施农业对固碳量的直接效应显著为负，主销区与产销平衡区则均不显著。粮食主产区设施农业不利于增汇，表明了实现农业绿色低碳化发展在粮食产量约束下所面临的转型压力与挑战。主产区、主销区与产销平衡区的间接效应则未表现出异质性影响，设施农业对固碳量的间接影响均显著为负，表明了设施农业竞争性发展在粮食功能区之间的普遍性。

3

结论与启示

本文利用2013—2017年全国1828个县(区)面板数据，分析中国县域碳排放、固碳量及设施农业的时空演变和空间集聚特征，在此基础上实证分析了设施农业的减碳增汇效应，同时从区域和粮食产区角度进行异质性分析，并得出以下结论:

1)中国县域碳排放和设施农业总体呈现东高西低的空间格局，固碳量则显示出西高东低的特点，三者均具有显著的空间正相关性，碳排放高-高集聚县(区)集中在东部，固碳量高-高集聚县(区)集中于西部、东北部及西南部地区，设施农业面积高-高集聚县(区)集中于黄淮海地区。

2)设施农业对碳排放的直接和间接效应均呈“U”型，并存在显著减碳效应，但设施农业对固碳量的直接和间接效应均显著为负，增汇效应不明显。

3)设施农业减碳增汇效应存在显著的区域与粮食产区异质性。就区域层面而言，设施农业显著促进东部和东北部地区碳减排，显著抑制中部和西部地区碳汇;就粮食产区而言，设施农业对粮食主产区和主销区存在显著减碳效应，对三大粮食产区的增汇效应均不明显。

基于以上研究结论，提出以下建议:

1)减碳和增汇双管齐下，加快推进设施农业绿色发展。现阶段设施农业发展处于高投入-低效率阶段，作为资本技术密集型农业，应多方面发力，促使设施农业实现减碳增汇的绿色转型发展。一方面，为减少碳源，应当加强政策引导，大力传播科学绿色管理知识与理念，普及推广先进低碳技术与设施的应用，建立健全专业人员培养考核体系，实现设施农业在合理规模下投入产出效率的进一步提升。另一方面，为增加碳汇，需要扩大设施农业投资、融资渠道，加大各金融机构尤其是农村信贷机构等对设施农业的投资，为激励经营主体自主实现可持续性低碳生产铺平道路、降低风险、消除障碍。

2)因地制宜发展低碳农业，寻找最优发展路径。东部地区农业前沿技术创新力度大、市场化程度深，中部地区兼顾“粮仓”与快速工业化，西部地区广袤土地有待开发，东北部地区黑土地亟需良好的保护与合理利用，各地区应因地制宜，结合本地资源禀赋，发挥各自比较优势，助力设施农业发展。各地区发展特色农业要与本区域资源环境、发展道路相协调，向减碳增汇的现代化农业发展模式转变。粮食主产区应继续加大农业前沿技术研发应用力度，并适时向主销区与平衡区扩散，为加快推进农业现代化、保证粮食供给蓄能助力。

3)加强区域间减碳增汇合作交流。碳排放、固碳量均存在显著的空间溢出效应，因此应不断完善区域间合作共赢机制，在保障自身产业转型升级与产业结构调整态势向好的同时，密切关注邻近地区减碳增汇政策、措施及技术，将正向溢出效应的“辐射”空间范围扩大、程度加深，以使各地区都能充分发挥自身的资源禀赋优势，协同实现减碳增汇。

4

千县千境示范工程

为落实新质生产力要求，中和碳研究院联合青土集团策划发起国内首个解构、重塑县域经济的发展示范工程——“千县千境示范工程”， 以“千产千品”打造“千县千境”，与国家级政、产、学、研等机构联合推广，梯度培育县域十亿、百亿、千亿产业集群。改造当地政府传统产业升级结构，培育新兴产业发展之道，布局未来产业发展体系。

作者：李佳佳，王鹏鑫，张瑞

来源：《中国生态农业学报（中英文）》24年8期

编辑：陈美珊