摘要:为积极推进农业减排和推动农业绿色可持续发展,采用排放系数法,对《国家统计数据》中的2003-2019年陕西省化肥、农药、农用塑料薄膜(农膜)、农用柴油和农业灌溉面积5个指标数据分析测算农作物生产投入碳排放情况并分析减碳特征。结果显示,17年间化肥和农药的投入量先增后减、农膜和柴油的投入量持续上升、有效灌溉面积则呈现先增后降再升的趋势。在碳排放量方面,化肥碳排放量占71.69%,是主要的碳排放源;接下来是农用柴油(17.43%)、农膜(7.36%)、农药(2.44%)和农业灌溉(1.08%)。此外,2003-2019年陕西省农作物生产的碳排放强度先升后降,2013年达到最高值1.0157 t/hm2,碳排放强度2019年相比2013年降低了17.68%,以期为陕西省制定农业减排政策、推动农业绿色可持续发展提供一定的指导。
加入收藏
为积极推进农业减排和推动农业绿色可持续发展,助力“2030年前碳达峰,2060年前碳中和”的实现[1-2],目前许多国内外的学者已经从多个角度对农业碳排放问题进行了深入研究。West等[3]研究表明,农业生产要素投入和农业机械化过程是农业碳排放的重要来源。崔朋飞等[4]分析了我国农业碳排放的变化及其原因。然而,目前针对农作物生产投入各个过程中所产生的碳排放的相关研究较少[5]。基于此,本研究通过探讨陕西省2003-2019年农作物生产投入数据,对碳排放特征进行了深入分析,旨在为陕西省农业向绿色低碳转型提供参考和依据。
1、资料与方法
1.1数据来源
数据来源于历年的《国家统计数据》,涉及的农作物包括陕西省常见的粮食作物(如小麦、玉米、稻谷、大豆等)、油料作物、蔬菜和其他经济作物(如棉花、麻类、糖料、烤烟、瓜类)等。
1.2统计方法
选择陕西省常见农作物生产的主要碳源:化肥、农药、农用塑料薄膜、农用柴油和农业灌溉5个指标来测算农作物生产投入的碳排放量。农作物生产投入碳排放总量(CE)的计算公式为:CE=∑Ei=∑(Ti×EFi)。式中,Ei为第i种生产投入即碳源的碳排放量(104t CO2-eq),i=1,2,…,5;Ti为第i种投入品即碳源的使用量;EFi为第i种碳源的碳排放系数[5]。通过查阅和研究IPCC及国内外相关研究成果,确定了各农业投入的碳排放系数,具体如表1所示。
表1 碳排放系数
碳排放强度(CEc)即单位耕地面积上的碳排放量,计算公式为:CEc=CE/TC。式中,CEc为碳排放强度(t CO2-eq/hm2),TC指总耕地面积(hm2)[5]。
1.3统计分析
使用WPS Excel 2019进行数据解读和图表绘制。
2、结果与分析
2.1农作物生产投入变化特征
2.1.1生产投入物用量。
由图1可知,2003-2019年陕西省农药、化肥使用量呈现先增后减的趋势,化肥使用量最高峰值出现在2013年,从2003-2013年增加了99万t(增长率69.36%),2013年后持续降低,至2019年减少了39.21万t(下降率16.22%);农药使用量最高峰值出现在2009年,2003-2009年年间农药用量增加了0.33万t(增长率33.67%),2009-2019年年间减少了0.09万t(下降率6.87%)。2003-2019年农膜、柴油使用量呈现上升趋势;但在2008-2010年柴油使用量出现波动,2019年柴油使用量最大(93.8万t),比2003年增长了120.39%。有效灌溉面积呈现先增后减再增的趋势,2006年为最高峰值131.221万hm2,2013年为最低谷值120.994万hm2。
图1 2003-2019年陕西省农作物生产投入物用量年间变化
由图2可知,化肥总用量呈现先增后减的趋势。2003-2019年氮肥占化肥总用量由54.49%降至39.68%,占比一直在降低;磷、钾肥的用量占比在6.28%~11.83%之间波动,变化幅度相对较小;与此同时,复合肥的比例持续增加,成为越来越重要的肥料类型,2003-2019年由28.19%增至40.31%,占比一直在增加。
由此可知,有效灌溉面积呈先增后减再增的趋势;农膜、柴油使用量递增;农作物生产其他投入物包括农药、化肥使用量呈先增后减的趋势,且化肥用量中氮肥用量占比减少,复合肥用量增加。
图2 2003-2019年陕西省不同化肥种类施用量
2.1.2主要农作物种植结构。
陕西省农作物种植结构也发生了一些变化(见图3a、3b),2010-2022年大致呈现播种面积:粮食作物>蔬菜>油料>瓜类。2010-2012年播种面积:棉花>烤烟,2013-2022年播种面积:烤烟>棉花,且烤烟与棉花的播种面积差距增大,2022年烤烟的播种面积比棉花多2.32万hm2;粮食作物作为最主要的农作物,播种面积在299.89万~319.94万hm2之间波动,平均为306.29万hm2;油料、其他作物的播种面积变化相对平缓,油料的播种面积稳定在27.53万hm2左右,其他作物的播种面积稳定在11.16万hm2左右;蔬菜播种面积呈递增趋势,由2010-2022年增加了11.15万hm2(增长率25.35%);棉花播种面积呈下降趋势。
图3 2010-2022年陕西省不同农作物种植面积
2.1.3耕地面积和农作物产量变化。
陕西省2003-2019年农作物产量呈现整体上升的趋势(见图4)。陕西省农作物产量从2003-2019年增加了1465.24万t(增长率84.71%);除2006年外,农作物产量每年都呈增加的趋势,2006年陕西省农作物产量相比2005年减少了5.89%,是因为2005年以来各种农业生产投入物价格全面上涨,农业生产支出增加,进而农民使用量有所下降,导致2006年农作物生产量下降。
图4 2003-2019年陕西省耕地面积及农作物产量
由图4可知,陕西省耕地面积呈动弹式变化,从2003-2005年增加了10.52万hm2(增长率3.6%);2005-2006年,出现骤变(下降率5.2%);2007-2012年稳定在302.41万hm2左右;从2013-2015年减少了5.38万hm2(下降率1.82%);2015-2017年,呈现增加趋势,从2015-2017年增加了11.03万hm2(增长率3.8%);2017-2019年,稳定在301.32万hm2左右。整体来看,增加对第一产业资金与技术投入会使耕地面积增加。此外,多数耕地用途发生转变会使耕地面积减少[9]。
陕西省耕地面积在2003-2006年间虽有波动,但农作物产量持续增加。在2003-2006年农作物产量与耕地面积变化同步,在2007-2012年耕地面积变化平稳和2012-2015年面积下降的情况下,农作物产量在稳步上升,产生的原因是科技和农业的发展[10]。2016-2019年,随着耕地面积的增加,农作物产量增加量很小,说明农民需要根据实际情况及时改进农业技术,才能保证农作物产量,进而提升农作物品质。
2.2不同农业生产投入物碳排放量变化特征
2.2.1碳排放量。
通过测算陕西省农作物生产投入的碳排放量,得知农药、农用塑料薄膜和农用柴油的碳排放量呈现递增趋势,而灌溉的碳排放量则相对稳定。化肥的碳排放量在过去几年中一直处于较高水平,在2013年达到最高点,为216.49万t。然而,从2014年开始,化肥的碳排放量开始逐年下降,至2019年已减少了16.22%。农药的碳排放量呈现波动式上升趋势,农用塑料薄膜的碳排放量一直上升,除在2008年和2010年以外,农用柴油的碳排放量均在增加。2003年,农药、农用塑料薄膜和农用柴油的碳排放量分别为4.84万t、11.28万t和25.23万t。至2019年,这些数值分别增长了24.38%、1.06倍和1.2倍。总体而言,陕西省农作物生产的碳排放总量呈现先升后降的趋势,2013年达到最高峰值300.42万t。从2014年开始,碳排放总量逐年降低,至2019年已降至268.74万t,比最高值减少了10.55%。变化趋势与农作物生产投入量变化一致。
表2 2003-2019年陕西省不同碳源排放量(104t CO2-eq)
2.2.2碳排放量占比。
计算不同来源碳排放所占比例得知(见图5),化肥排放量占总排放量的比例为67.49%~74.57%,其次是农用柴油(14.23%~20.69%)、农用塑料薄膜(6.57%~8.63%)、农药(2.13%~2.82%),最后是农业灌溉(0.80%~1.47%),在17年的平均碳排放量中,化肥是主要的碳排放源,占比高达71.69%。其他排放源的占比分别为:农用柴油(17.43%)、农用塑料薄膜(7.36%)、农药(2.44%)和农业灌溉(1.08%)。与化肥相比,这些排放源的占比均较低。
图5 2003-2019年陕西省农作物生产不同投入物碳排放占比
2.3不同投入物碳排放强度变化特征
由图5可知,2003-2019年农药、农用塑料薄膜、农用柴油碳排放强度整体呈逐年递增的趋势,分别增加了0.0034 t/hm2(增长率20.48%)、0.0384 t/hm2(增长率99.48%)、0.0983 t/hm2(增长率114%)。总碳排放强度和化肥碳排放强度呈现先升后降的趋势,2013年达到最高峰值,分别为1.0157 t/hm2和0.7319 t/hm2,2019年碳排放强度分别比最高值下降12.11%、17.68%。
3、结论与讨论
3.1讨论
3.1.1陕西省农作物生产投入及种植结构变化的影响因素。
粮食作物是陕西省最主要的农作物,2010-2022年播种面积占农作物总面积的77.33%~81.07%。2010-2022年,种植面积稳定在306.67万hm2以上;棉花种植面积的大幅减少,与国家的农业政策调整、棉花流通体系的改革、加入世界贸易组织的决策息息相关。与此同时,农村劳动力流失、种植棉花收益的变化以及棉花本身的特性也是重要的影响因素[11]。陕西省在2003-2019年期间对经济作物种植结构进行了调整,导致油料作物的播种面积下降[12],而瓜类作物的种植面积则相对稳定增长,这种结构调整可能是为了更好地适应市场需求和优化农业资源配置[13]。自2012年以来,随着城镇化的不断推进和产业结构的调整,烟农队伍老龄化现象日益严重,这导致烟叶产业的可持续发展面临着巨大的挑战[12],为此,陕西省提出科技赋能让产业减工降本、提质增效。
3.1.2陕西省农作物生产投入碳排放影响因素。
农作物生产投入用量和结构的变化会导致碳排放的变化[14]。在2003-2019年期间,在陕西省的农作物生产中,各投入物的碳排放量与其投入变化趋势保持一致,这说明随着这些生产投入的增加或减少,相应的碳排放量也会发生相应的变化。郭永奇[15]、李波等[16]的研究表明,化肥在农业碳排放中扮演着核心角色[15]。本研究进一步证实了化肥对农业碳排放的关键作用。不同农作物在农业生产投入方面不一致。刘静等[17]的研究表明,不同种类的农作物在生产过程中所需的化肥量并不一致,粮食和油料作物用量较少,蔬菜、棉花和烤烟等用量较多。2019年的碳排放强度比2013年降低了10.55%。此外,碳排放强度呈现出先增加后减少的趋势,但2019年比2013年还有所降低,归因于2003-2019年陕西省耕地面积递增以及正在采取一系列措施来减少碳排放,包括农作物种植结构的调整[18]、改进生产技术、提高能源利用效率以及加强碳排放管理等手段,以应对气候变化并促进可持续发展。
3.1.3碳减排成效及问题。
在化肥农药减量方面,陕西省已经取得了一定的成果。为推进农业碳减排,在农业生产中需要建立低碳农业示范区,开展农业投入物减量增效,秸秆、农膜及畜禽粪便农业废弃物等回收利用,推广旱作节水和绿色农业,应用测土配方和水肥一体化等相关技术的示范推广,统防统治,施肥新技术、肥料新产品和施用新机具“三新”集成技术模式发展低碳农业。同时,还需要加大宣传培训等,加强农民的环保教育和技术培训,提高他们的环保意识和减碳技术水平。此外,建立农业碳排放的监测评估体系,对农业碳排放进行实时监测和评估,及时发现问题并采取应对措施,促进农业减排落地生根。
3.2结论
(1)陕西省农作物生产的碳排放总量2003-2019年间呈现先增后降的趋势。2013年达到最高峰,为300.42万t,而在2019年,这一数值下降至268.74万t,降幅为10.55%。同时,整体碳排放强度也呈现先增后减的趋势,2013年的最高峰值为1.0157 t/hm2,而到了2019年,这一数值相比最高值下降了12.11%。
(2)在这段时间内,化肥是农作物生产中主要的碳排放源,其平均碳排放量占总排放量的71.69%。其他碳排放源中,农用柴油占比最大,为17.43%;其次是农用塑料薄膜,占7.36%;农药的占比较小,为2.44%;而农业灌溉的碳排放量则占1.08%。
(3)化肥的碳排放量同生产投入的碳排放总量变化趋势一致,均在2013年达到峰值后开始下降。增施复合肥,减少氮肥和磷肥的使用量是降低碳排放的有效途径。另外,农用柴油的使用量也应当被视为关键因素,以实现低碳农业的目标。
(4)为了降低农业碳排放,需要优化投入种类和投入量,并合理调整种植结构。同时,加强政策引导和激励措施,控制化肥、农用柴油和农药的使用量、推广“三新”集成技术、规范农膜使用和废旧农膜回收处理等措施,以有效降低陕西农业的碳排放。
参考文献:
[1]王树芬,高冠龙,李伟,等.2000-2020年山西省农业碳排放时空特征及趋势预测[J].农业环境科学学报,,2023,42(08):1882-1892.
[2]庄贵阳,窦晓铭,魏鸣昕.碳达峰碳中和的学理阐释与路径分析[J].兰州大学学报(社会科学版),2022,50(01):57-68.
[4]崔朋飞,朱先奇,李玮.中国农业碳排放的动态演进与影响因素分析[J].世界农业,2018(04):127-134.
[5]山楠,肖广敏,串丽敏,等.河北省农作物生产投入品碳排放变化特征[J].中国农业气象,2023,44(02):96-105.
[6]智静,高吉喜.中国城乡居民食品消费碳排放对比分析[J].地理科学进展,2009,28(03):429-434.
[7]李波,王春妤,张俊飚.中国农业净碳汇效率动态演进与空间溢出效应[J].中国人口.资源与环境,2019,29(12):68-76.
[8]伍国勇,孙小钧,于福波,等.中国种植业碳生产率空间关联格局及影响因素分析[J].中国人口·资源与环境,2020,30(05):46-57.
[9]李倩.陕西省近15a耕地变化及其区域差异分析[J].科技风,2018(13):185-186.
[10]李洁,聂红民,许国震.基于统计年鉴数据分析河南省农作物生产减碳特征[J].中国农业气象,2023,44(09):759-768.
[11]马昭.前三季度我省农业生产持续向好[N].西安日报,2021-11-04(05).
[13]闫明.农业生产碳足迹及氮肥去向计量研究[D].南京:南京农业大学,2015.
[14]王秀兰,孟焱鑫,单玉红,等.农户农业生产的碳排放及其影响因素:以湖北省部分地区为例[J].水土保持通报,2020,40(06):160-167.
[15]郭永奇.陕西省农田生态系统碳源/碳汇及其碳足迹动态变化[J].东北农业科学,2021,46(06):87-92.
[16]李波,杜建国,刘雪琪.湖北省农业碳排放的时空特征及经济关联性[J].中国农业科学,2019,52(23):4309-4319.
[17]刘静,连煜阳.种植业结构调整对化肥施用量的影响[J].农业环境科学学报,2019,38(11):2544-2552.
[18]陈阜.我国种植业结构调整面临的主要问题与挑战[J].民主与科学,2017(01):15-18.
文章来源:张茜,杜涛.农业绿色可持续发展中陕西省农作物生产减碳特征分析[J].现代园艺,2025,48(01):52-55.
分享:
随着市场经济的发展,生态环境受到了更多关注,在对自然生态资源予以开采的同时,要践行规范化治理手段,发挥林业生态保护防沙治沙造林技术应用价值,减少资源过度浪费、土地荒漠化等恶劣变化对人与自然平衡发展产生的制约作用,为人类社会创造更加和谐的生存空间。
2025-08-29陆岷峰(2024)提出,未来经济发展的主导力量是新质生产力,它给乡村振兴带来了包括智能农业在内的全新解决方案。依托新质生产力推进乡村振兴实施的重点在乡村,核心包括优化乡村产业结构、保护生态环境和乡村文化、完善乡村治理制度等方面(侯冠宇等,2024)。
2025-08-29随着数字经济的快速发展,大数据、物联网、区块链等先进技术与农业进行深度融合已成为我国农业未来发展的趋势[1]。广西糖业发展“十四五”规划指出,广西将在“十二五”做大、“十三五”做优的基础上,以循环经济为核心,借助数字技术推动蔗糖产业资源整合和产业链延伸[2]。
2025-08-10带状复合种植作为一种新型的农业种植模式,在提升土地利用效率、优化作物产量和减少农药使用方面显示出巨大潜力。大豆与玉米作为我国主要的粮食作物,其带状复合种植不仅有助于增加单位面积的产出,还能够改善土壤结构、提高抗病性,进而实现可持续农业的发展。
2025-08-10乡村振兴战略是新时代推动农业农村发展的重要举措,为农业经济发展注入了新的活力。在当前经济全球化和农业现代化加速推进的背景下,农业经济发展面临着前所未有的机遇和挑战。如何适应新形势,探索农业经济发展的新路径,成为摆在我们面前的重要课题。
2025-08-10在这一背景下,精准农业技术作为一种新兴的农业发展模式,凭借其信息化、智能化和精细化管理特点,为农业经济的可持续发展提供了新的解决思路。精准农业通过信息技术和数据分析手段对农业生产进行科学管理,最大限度地提高资源利用效率和生产效益,同时减少对环境的负面影响。
2025-08-10随着全球人口增长和气候变化对农业生产的影响,保障粮食安全和推动农业可持续发展成为全球农业面临的重大挑战。水稻作为世界主要粮食作物之一,其生产技术的创新和提高在解决粮食问题、改善农业生态环境以及促进农民增收方面发挥着至关重要的作用。
2025-08-10农业保险以其独特的功能,成为保障粮食安全、助力农业强国建设的重要手段。[1]农业保险有利于助力农业强省建设,更是维护国家粮食安全“压舱石”、促进经济增量发展的重要工具。
2025-08-10随着产业升级转型速度加快、经济结构改革深化,乡村劳动力就业机会逐渐减少。其中,就业创业能力不足是制约乡村劳动力就业的关键因素。高校作为育人主阵地,应结合校内就业创业育人经验及农民就业需求,打造以乡村劳动力为核心的就业创业教育体系,满足乡村劳动力自我成长发展需求,解决乡村就业问题,全面推进乡村振兴战略的落实。
2025-07-15山东寿光凭借深厚的农业基础和前沿技术,在特色蔬果种植领域持续进行生态模式的探索,并取得了显著成效。通过有机种植、循环经济及精准管理等形式,寿光落地绿色发展路径,农产品质量与农户收益均攀新高,农耕环境得以同步优化。因此,本文以寿光为例,解构当地在实践中采取的方式,旨在促进农业的高质量发展。
2025-07-14人气:8319
人气:5945
人气:5082
人气:4733
人气:4588
我要评论
期刊名称:中国农业科学
期刊人气:1317
主管单位:中国农业科学院
主办单位:中国农业科学院,中国农学会
出版地方:北京
专业分类:农业
国际刊号:0578-1752
国内刊号:11-1328/S
邮发代号:2-138
创刊时间:1960年
发行周期:半月刊
期刊开本:大16开
见刊时间:一年半以上
影响因子:0.294
影响因子:0.165
影响因子:0.223
影响因子:0.640
影响因子:0.452
您的论文已提交,我们会尽快联系您,请耐心等待!
你的密码已发送到您的邮箱,请查看!