中國耕地利用凈碳匯與農業生產的時空耦合特征

吳昊玥， 孟 越， 黃瀚蛟， 陳文寬

(1.西南科技大學農學院，四川 綿陽 621010；2.赫爾辛基大學農業與林業學院，赫爾辛基 00014；3.四川農業大學商旅學院，四川 都江堰 611830；4.西北農林科技大學林學院，陜西 楊凌 712100)

溫室氣體減排、應對氣候暖化是現階段世界各國的重要議題。農地、林地利用作為僅次于工業生產的第2碳源，碳排放已達到全球人為排放總量的23%。耕地利用既是重要的碳排放源，又是顯著的碳吸收匯，若作物碳匯在抵消生產排放之外仍有剩余，將對全局溫室氣體減排形成正向貢獻。區別于其他生產活動減排目標的單一性，耕地利用的雙重碳效應使其在碳達峰、碳中和推進過程中扮演著獨特角色。相較于“雙碳”目標的時間節點，中國耕地利用碳排放處于何種階段？生產系統內部碳抵消情況如何？如何提升其對溫室氣體減排增匯的貢獻？回答上述問題，要求對耕地利用碳排放、碳吸收量進行全面核算，分析耕地利用系統的碳平衡情況，并探討其凈碳效應與農業生產的關系變化，為實現“雙碳”愿景提供耕地利用層面的數據參考。

為把握耕地利用碳排放現狀，學界采用田間實測、模型模擬和排放系數等多種方法展開核算研究，排放系數法因技術簡單、便于地區橫向對比而被廣泛應用于全國、省域尺度的研究，已有學者依托現已較為成熟的農業碳排放核算清單與系數對耕地利用碳排放進行核算。相關核算研究可歸納為2類角度：一是關注某類碳源，例如土壤氧化亞氮、農業廢棄物處理，有利于深入考察特定環節溫室氣體排放現狀及減排方向；二是測量多類碳源產生的排放總量，可把握耕地利用全過程的碳效應，這類估算角度更加常見。李波等構建了包含化肥、農藥、農膜、翻耕、灌溉、柴油6項排放因子的農業碳排放核算清單，逐漸被運用于耕地利用碳排放研究中。周思宇運用生命周期法確定核算邊界，基于土壤管理、役畜管理、燃料燃燒、農用品投入、秸稈處理5類源頭對東北地區耕地利用碳排放進行核算，清單較早期研究已有顯著完善。除了排放屬性之外，耕地土壤及覆被具有固碳功能，已有研究多采用實測與模型2種手段探析土壤碳庫變化過程，由于穩定土壤有機碳的形成時間較長，而農作物大多為一年生，相關研究較少同時分析農作物碳匯與土壤碳儲量變化，而是將作物的年凈生物量所含碳量視作耕地利用固碳量，采用單位面積法、質量平衡發和作物凈初級生產力等方法進行測算，其中，作物凈生產力法兼顧便易性和精確性，已被普遍應用于區域作物碳匯核算研究。

作為生產活動的副產品，碳排放與經濟發展的關系同樣是研究熱點。對于環境指標與經濟指標的關系分析，最為常用的方法是脫鉤模型。脫鉤原指2個或多個物理量之間的相互關系減弱的現象，世界經合組織(OECD)將其引入到農業政策發展研究中，Tapio則進一步提出包含強脫鉤、弱脫鉤等8種類型的脫鉤指數。在耕地利用碳效應研究領域，李波、田云等運用Tapio環比脫鉤指數分別對中國和湖北省耕地利用碳排放與農業經濟的年際關系展開分析；吳昊玥等采用Tapio弧彈性脫鉤指數檢視2000—2019年中國糧食主產區耕地利用碳排放與糧食生產的中長期關系，楊果等、陳柔等則將Tapio環比脫鉤指數應用于作物碳匯與經濟增長之間的年際關系探討。

綜觀現有研究，耕地利用碳源/匯核算清單不斷擴充完善，碳排放與農業生產的關系也已有大量探索，但尚存改進空間：將碳排放、碳吸收有機銜接的核算研究相對較少，區域耕地利用系統碳平衡的客觀狀態有待揭示，凈碳效應和農業生產的互動關系也尚待檢驗。在討論作物碳匯與經濟發展的耦合關系時，現有研究往往選用Tapio脫鉤指數分類展開分析。然而，Tapio脫鉤指數旨在驗證一定時期內資源環境指標與經濟增長之間關系是否呈穩定持續的減弱趨勢，適用對象為2個反向指標，而作物碳匯與經濟產值為同向指標，若忽略耦合狀態的內在含義而直接沿用Tapio脫鉤指數分類，將導致對應解釋較為牽強，也難以勾勒二者關系的實際特征。同時，脫鉤是一個長期趨勢概念，而非短期意義上的隨機波動和偏離，然而較多研究采用環比形式進行年際脫鉤指數測算，與脫鉤過程的長期性和趨勢性要求相悖。

鑒于此，本文在核算2000—2019 年中國省域(限于數據可獲取性，港、澳、臺、西藏除外)的耕地利用碳排放、 碳吸收量的基礎上，基于二者差值判斷凈碳效應，探索其時空演進過程，再采用耦合協調度模型對耕地利用凈碳匯和農業產值的數量關系變化展開探討，根據拓展后的Tapio耦合指數對凈碳匯與農業產值的增速協調程度進行分析。本文的邊際貢獻為：(1)兼顧耕地利用碳源/匯雙重屬性，考慮農用物資、稻田甲烷、土壤排放和秸稈燃燒4類排放源和作物固碳1類吸收源，判斷中國耕地利用凈碳效應演進過程及發展趨勢，以完善既有耕地利用凈碳匯核算研究。(2)從數量與速度雙重角度出發，考察省域耕地利用凈碳匯與農業產值之間的耦合狀態與變化過程，對凈碳效應視角下的耕地利用與經濟產出的關系研究予以補充。(3)將弧彈性Tapio脫鉤指數拓展為耦合指數，針對凈碳匯與經濟產出的變化特征重新定位8種耦合類型，使其更加契合2個同向指標的長期內在關系，可推廣應用于生態指標與經濟指標的長期關系探討。

1 材料與方法

1.1 耕地利用凈碳匯核算

耕地利用凈碳匯即為碳吸收量與碳排放量之間的差值，計算公式為：

=-

(1)

式中：為耕地利用凈碳匯量(t)；和分別為碳吸收量(t)與碳排放量(t)。若>0,耕地利用系統呈碳匯效應；若<0，則為碳源效應；當=0時，作物碳吸收量剛好抵消耕地利用過程造成的碳排放，實現碳平衡。碳排放源主要包含農用物資、稻田甲烷、土壤氧化亞氮和秸稈燃燒4類，將各類源頭的排放量加總，即為耕地利用碳排放量。碳吸收源主要來自作物在生命周期中通過光合作用從大氣中吸收并固定CO所形成的有機碳量。具體核算方式見表1。

表1 耕地利用碳效應來源、核算公式及所需數據說明

根據全球增溫潛勢系數，1 kg CH和NO產生的溫室效應相當于9.272 7，81.272 7 kg標準碳，將統一按照對應比例進行折算，以便后續比較與分析。

1.2 耦合協調度

參考田云等的研究，耦合協調度可刻畫多要素或多系統之間的協調發展水平。據此，構建耕地利用凈碳匯與農業生產的耦合度模型，公式為：

(10)

式中：為耦合度；表示耕地利用凈碳匯量；表示農業產出，采用農業總產值來衡量。為消除量綱不統一的影響，對和采用極差法進行標準化。以公式(10)為基礎，進一步構建耦合協調模型，公式為：

(11)

式中：為耦合協調度；為凈碳匯與農業生產的綜合發展度，=+，考慮到生產與生態同等重要，對和取值均為0.5。的取值處于[0,1.0]，若趨近于1.0，則系統間協調度越優，反之越差。當∈[0, 0.4)時，系統間關系屬于嚴重失調；∈[0.4,0.5)時，屬于初級失調；∈[0.5,0.6)時，屬于初級協調；當∈[0.6,0.8)時，屬于良好協調；而當∈[0.8,1.0]時，屬于優秀協調。

1.3 基于Tapio脫鉤思想的耦合指數

脫鉤指2個或多個變量之間的相互關系減弱的現象，現多被用于反映環境危害與經濟績效之間的聯系，根據分類不同，包括OECD、Tapio脫鉤指數等類型。其中，Tapio脫鉤指數所包含的指數分類最為詳盡，可全面反映變量之間的細微變動狀態，其公式為：

(12)

式中：為環境污染指標的經濟增長彈性，即脫鉤指數；為環境污染指標變化量；和分別為當期和基期的環境污染指標變化量；為經濟產值變化量；和分別為當期和基期的經濟產值。脫鉤指數為一定期間內當前和基期環境污染變化率與經濟產值變化率之比，反映環境污染變化對于經濟產值變化的敏感程度。根據指數取值與經濟含義，可劃分為8種脫鉤狀態(圖1)。

圖1 反向指標之間的脫鉤關系類型劃分

Tapio脫鉤類型中，強脫鉤(第4象限)是最為理想的狀態，即環境指標減少而經濟指標增加。由于Tapio脫鉤指數關注2個反向指標的關系，而凈碳匯與農業產值為同向指標，不宜直接照搬Tapio脫鉤指數概念及類型劃分標準，因此，本文在原Tapio脫鉤指數的基礎上重新定義耕地利用凈碳匯與經濟產值的耦合指數，計算公式為：

(13)

式中：為耕地利用凈碳匯的農業產值增長彈性，即耦合指數；表示耕地利用凈碳匯變化量；和分別為當期和基期的凈碳匯；為農業產值變化量，和分別為當期和基期的產值。耦合指數為一定時期內當前和基期凈碳匯變化率與農業產值變化率之比，反映二者發展過程的耦合程度，定義耦合狀態見圖2。

注：經濟主導型耦合表示凈碳匯增速明顯慢于農業產值增速；增長耦合表示凈碳匯增速與農業產值增速較為一致；生態主導型耦合表示凈碳匯增速明顯快于農業產值增速；經濟衰弱型退耦表示凈碳匯增長而農業產值衰退；經濟主導型負耦合表示凈碳匯降速明顯慢于農業產值降速；衰退耦合表示凈碳匯與農業產值降速較為一致；生態主導型負耦合表示凈碳匯降速明顯快于農業產值降速；生態衰弱型退耦表示農業產值增長而凈碳匯衰退。圖2 同向指標之間的耦合關系類型劃分

區別于反向指標，2個同向指標的理想關系為同步增加，即正向耦合關系。因此，第2、第3、第4象限的狀態劣于第1象限(圖2)。不過，盡管第1象限表示凈碳匯和經濟產值均在增加，但該象限內的耦合類型之間依然存在細微差別：生態優先型耦合∈[1.2,+∞]和經濟優先型耦合∈[0,0.8]均表明生態和經濟之間的增速存在失衡，對比而言，當且僅當∈(0.8,1.2)，凈碳匯增速與經濟產值增速較為一致時為最佳狀態，即增長耦合。

1.4 數據來源

研究需要2000—2019 年中國30 省份(港、澳、臺、西藏地區除外)的耕地利用碳排放、 碳吸收所涉活動數據、 核算系數和狹義農業總產值數據，活動數據源于歷年《中國統計年鑒》《中國農村統計年鑒》和各省統計年鑒，系數來自前文所列相關文獻?；?000年不變價格對農業總產值進行平減，以剔除通貨膨脹帶來的影響。

2 結果與分析

2.1 中國耕地利用凈碳匯時空特征分析

2.1.1 中國耕地利用凈碳匯時序演進過程 基于所建清單對2000—2019年中國耕地利用碳源/匯進行核算，繪制時序演進圖。由圖3可知，就總量而言，中國年均耕地利用碳排放、碳吸收分別為2.33×10t與6.61×10t。20年間，碳排放總量由2.00×10t增長至2.46×10t，碳吸收總量則由5.19×10t增長為7.86×10t，增幅分別為22.9%和51.3%。碳吸收基數與增速均高于碳排放，使得凈碳匯由2000年的3.19×10t增至2019年的5.40×10t，年均達4.28×10t。根據時序特征，可將凈碳匯發展歷程劃分為波動不定(2000—2003年)、高速增長(2004—2015年)、平穩增長(2016—2019年)3個階段，碳匯功能不斷凸顯，為“雙碳”承諾的兌現形成有益貢獻。

圖3 2000-2019年中國耕地利用碳排放、碳吸收與凈碳匯的時序演進過程

從細分結構來看，各排放源貢獻不一，發展趨勢異同并存。20年間，各排放源平均占比從大到小依次是農用物資(33.7%)、稻田甲烷(26.7%)、秸稈燃燒(26.6%)、土壤氧化亞氮(13.0%)。就各源頭發展趨勢而言，農用物資碳排放整體表現為上升態勢，2000年為6.00×10t，此后不斷增長，于2015年達到峰值9.08×10t，轉而開始下降，至2019年降為8.09×10t，其演變軌跡折射出我國典型的農資投入驅動型農業增長方式。稻田碳排放發展軌跡波動明顯，從2000年的6.38×10t降至2003年的5.63×10t，其后轉而上升，同樣于2015年達到峰值6.43×10t，繼而逐年下降，2019年降至6.17×10t。土壤排放基數較小但波動劇烈，由基期的2.67×10t平穩增至2014年的3.32×10t，自2015年起逐年回落，2019年降為2.92×10t。秸稈燃燒碳排放早期演進軌跡與稻田甲烷較為相似，2000—2003年呈下降趨勢，自4.95×10t降至4.53×10t，2004年出現回彈，高速增長至2015年的7.45×10t，此后穩定在該水平附近。綜合而言，除秸稈燃燒碳排放穩定在峰值之外，其余3類碳源均在2015年達峰后平穩下降?？紤]到國家對綠色生產、溫室氣體減排的日益重視，對農業的低碳約束將日趨嚴格，可以判斷耕地利用碳排放已于2015年達峰，峰值為2.63×10t。

2.1.2 中國耕地利用凈碳匯空間分布格局 基于2000年、2010年、2019年和2000—2019年均值，根據研究區域對應年份的耕地利用碳排放、碳吸收和凈碳匯繪制分布圖(圖4)，以直觀展示空間格局。

中國耕地利用凈碳匯呈高值點狀散亂分布、低值片狀集聚分布的空間格局。就年均凈碳匯量而言(圖4d)，河南以4.76×10t在所有省份中獨占鰲頭，其次為山東(4.27×10t)，黑龍江、廣西處于3.00×10～4.00×10t，河北、新疆、吉林、四川、內蒙古5省(自治區)位于2.00×10～3.00×10t，而安徽、江蘇、云南、湖北、遼寧5省則處于1.00×10～2.00×10t，其余16省份均低于1.00×10t。隨著時間推移，多地耕地利用碳吸收量呈增長態勢，碳排放量呈先增后降趨勢，由于碳吸收量增幅大于碳排放量，導致凈碳匯量整體有所增加。2000年(圖4a)，僅山東、河南2省的凈碳匯量高于3.00×10t，其余17省均低于3.0×10t。到2010年(圖4b)，除上海、北京、福建等個別省份的凈碳匯量有所下降之外，其余地區增幅不一，尤其是河南、山東，已躍升至4.0×10t以上。到2019年(圖4c)，河南、黑龍江、山東3省將最高等級突破至5.00×10～6.00×10t?？傮w而言，處于凈碳匯高值區間的省份數量不斷增加，絕對水平也有所上升，表明中國耕地利用系統的碳盈余優勢日益凸顯。

注：基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS(2019)1699的標準地圖制作，底圖無修改。下同。圖4 主要年份中國耕地利用碳排放、碳吸收與凈碳匯的空間分布

2.2 中國耕地利用凈碳匯與農業生產的協調性分析

2.2.1 中國耕地利用凈碳匯與農業生產的耦合協調度 根據省域凈碳匯與經濟產值的耦合協調度，按照分級標準將30省(市、自治區)劃分為5種類型，并繪制2000年、2010年和2019年的對應分布圖(圖5)。

經過20年演進，中國耕地利用凈碳匯與農業生產實現了由全局失調向多數協調的優化，二者關系呈逐漸改善態勢?？疾炱诔?圖5a)，僅山東、河南2省處于良好協調階段，河北、江蘇、四川3省為初級協調，黑龍江、安徽、廣東等6地則為初級失調，而其余19個省份處于嚴重失調，該時點的特征為全局失調。到考察中期(圖5b)，絕大多數省份的耦合協調度有所提高，山東、河南已自良好協調順利過渡到優秀協調，河北、黑龍江、江蘇3省成為良好協調類型的新梯隊，初級協調覆面擴大至吉林、湖北等6個省份，初級失調省份同樣增加到6個，而嚴重失調類型縮減到北京、天津、上海等13個地區，這一時點的特征為部分協調。到考察期末(圖5c)，優秀協調等級仍為山東、河南2省，四川、吉林、新疆、安徽、廣西等地加入良好協調行列，初級協調省份依然是6個，江西、貴州、陜西、甘肅4省則從嚴重失調改善到初級失調，僅有10個省份保持嚴重失調狀態。在該時間節點，失調省份與協調省份呈分庭抗禮格局。

圖5 主要年份中國省域耕地利用凈碳匯與農業產值的耦合協調度

2.2.2 中國耕地利用凈碳匯與農業生產的Tapio耦合指數 根據2000—2019年中國耕地利用凈碳匯變化率與農業產值變化率的演進情況，判斷其Tapio耦合狀態(圖6)。

圖6 2000-2019年中國耕地利用凈碳匯與總產值的Tapio耦合指數

研究期間，耦合指數散點多位于第1象限。2003年，凈碳匯負向增長而農業產值正向增長，呈生態衰弱型退耦；2008年，二者增速較為一致，呈增長耦合態勢；在其余年份，二者關系均體現為經濟主導型耦合。20年來，我國農業總產值年均增速高達4.34%，而凈碳匯增速僅為2.80%，農業經濟系統整體發展領先于耕地碳匯系統。從2010年起，散點演進趨勢愈發偏向于橫軸，表明農業產值變動率大于凈碳匯變動率，逐漸偏離增長耦合這一最優狀態，呈現出典型的經濟主導型耦合特征。

為判斷不同階段各省耕地利用凈碳匯量與農業產值增速的耦合程度，以10年為界，分別對2000—2009年和2010—2019年的弧彈性Tapio耦合指數進行測算，對應象限圖見圖7。

考察期前段(圖7a)，關系類型較為多元，以經濟主導型耦合為主，增長耦合與生態主導型耦合次之。具體而言，湖北、山東等12省屬于經濟主導型耦合；黑龍江、新疆、吉林、山西、青海5省屬于增長耦合類型，其中，黑龍江凈碳匯與總產值增幅分別為83.3%和73.0%，在省域間具有顯著垂范作用；而天津、安徽、內蒙古、遼寧和廣西屬于生態主導型耦合，廣西的凈碳匯增幅高達113.6%，在所有省份中遙遙領先；對比而言，四川、福建、貴州等7省屬于生態衰弱型退耦，農業產值出現一定增長，但凈碳匯量卻出現下降；僅上海呈生態主導型負耦合，說明其耕地利用凈碳匯與農業產值均有所下降，且前者降速快于后者，折射出上海農業生產整體規模不斷縮減的發展歷程。

考察期后段(圖7b)，耦合格局發生明顯變化，絕大多數省份匯聚于第1象限，且以經濟主導型耦合居多。與考察期前半段相比，不再有屬于生態主導型耦合的省份；原本表現為增長耦合的5省中，山西、吉林、新疆、黑龍江進入經濟主導型耦合行列，青海與海南同屬于生態衰弱型退耦；內蒙古、遼寧、廣東、湖南、天津和江蘇成為新的增長耦合梯隊；上海、北京屬于生態主導型負耦合，這與兩市日益凸顯的發展定位與功能導向息息相關。

圖7 中國省域耕地利用凈碳匯與經濟產值的分段Tapio弧彈性耦合指數

3 討 論

本研究對2000—2019 年中國省域(港、澳、臺、西藏地區除外)耕地利用碳排放、 碳吸收進行核算，基于二者差值判斷各省凈碳效應、探索其演進情況，采用耦合協調度與拓展后的Tapio耦合指數判斷耕地利用凈碳匯與農業生產的時空協調程度。研究表明，中國耕地利用系統具有較強碳匯效應，碳匯量總體呈上升態勢，歷經波動不定、高速增長、穩定增長3個階段，表現為高值點狀散亂分布、低值片狀集聚分布。全國耕地利用凈碳匯與經濟產出的關系由全局失調優化為部分協調，在多數年份體現為經濟主導型耦合，表明減源增匯與作物增產的關系不斷改善。本研究對現有耕地利用凈碳匯核算研究有所完善，對凈碳效應視角下的耕地利用與經濟產出的關系研究有所豐富，可為我國“雙碳”目標的實現提供耕地利用領域的數據參考。

本研究發現，中國耕地利用系統呈碳盈余狀態，這一判斷與田云等的結論一致。具體而言，田云等以1995—2010年中國為研究對象發現，2010年作物碳匯量為6.68×10t，農業碳排放量為2.91×10t，凈碳匯量為3.77×10t，與本研究對應年份的核算結果較為接近。2項研究所測碳排放、碳吸收和凈碳匯的年均規模存在區別，是源于核算范疇與研究時期差異。此外，筆者曾對2000—2018年中國耕地利用碳排放、碳吸收量進行核算發現，部分省份的凈效應為碳源。究其原因，該研究在核算農用物資碳排放時涉及柴油、汽油、天然氣等多種農用能源。然而，源于統計口徑差異，農用能源消耗量不僅來自于種植業，也有部分產生于畜牧業、漁業等，基于能源消耗總量進行核算將高估耕地利用碳排放，進一步影響后續凈碳效應評判。在優化核算清單后發現，盡管我國耕地利用過程涉及大量溫室氣體排放源，其仍能憑借自身強大的作物碳匯系統在短期溫室氣體減排進程中呈現出顯著正外部性。但值得注意的是，盡管作物在生長周期中會通過光合作用吸收固定CO，短期碳匯效益十分顯著，對碳循環的長期影響仍顯微弱，因其所形成的有機碳未來將通過作為食物或工業原料被消費、秸稈處理等途徑返還到大氣中。由于核算系數、消耗周期及消耗比例的不確定性，暫時無法對這部分碳排放量予以核算，但可以預計，若延續過去的高碳農資驅動型發展方式，不排除耕地利用系統在長期碳循環中成為碳源的可能性。

就時序演進而言，耕地利用凈碳匯表現出鮮明的階段式演進規律。第1階段，耕地利用凈碳匯起伏不定，2002—2003年間還有明顯降幅。這一階段的波動原因已得到學界公認，即低效益、低水平的生產特征使得農業發展陷入瓶頸，作物種植規模年際波動劇烈，農用物資投入積極性低，耕地利用碳排放、碳吸收量同樣波動不定。第2階段表現為凈碳匯高速增長。自2004年起，我國陸續頒布涉農中央一號文件，有效激發了農業生產積極性，農資投入密度不斷提高，作物種植規模加速擴張，高碳排、高碳匯并存格局日益凸顯，且碳排放于2015年達峰，碳吸收同樣出現新高點。這一階段，我國農資投入驅動型的粗放式農業發展特征愈發明顯。自2016年起，碳排放逐漸顯露下降趨勢，而碳吸收穩居高位水平，二者差值繼續擴大，導致凈碳匯繼續保持增長，不過增速較前一階段有所放緩?？傮w而言，中國耕地利用系統始終體現為碳盈余，且碳匯功能不斷增強，2019年凈碳匯量為5.40×10t，折合二氧化碳當量為1.98×10t，可抵消全國當年近1/5的人為排放總量，在全局溫室氣體減排進程中表現為較為顯著的正外部性。不過，碳吸收量始終呈上升態勢，而耕地利用碳排放同樣居高不下，這一“高碳匯、高碳排”格局是以高強度農資投入的粗放式生產模式換取高速增長的結果。作物的自然屬性為耕地利用系統賦予了碳匯功能，但所固定的碳又會通過消耗分解而返還給大氣。由此，耕地利用系統內部碳盈余并不意味可以松懈對碳減排的重視，未來可結合各地發展階段與特征，因地制宜加快推進化肥農藥減量、秸稈資源化利用進程，農資驅動下的“高碳匯、高碳排”模式應逐漸被技術驅動下的“高碳匯、低碳排”模式所取代。在關注耕地利用本身碳效應之余，還應繼續將視角擴展至相關產業鏈，從高效節能農業機械、節水灌溉設施等低碳裝備研發，到生物農藥、節約型施肥等低碳生產技術的推廣應用，再到后續農產品收儲、轉運、售賣、消費等環節，多領域、多方面著手，加快推進種植業全產業鏈溫室氣體協同減排。

從空間格局來看，河南、黑龍江、山東、四川、河北等地始終保持高凈碳匯量，當地耕地利用規模較大，作物固碳量本身相對較高，加之其秸稈露天焚燒比例明顯低于其他糧食主產省，生產方式已開始自要素投入型轉向技術驅動型，高碳匯與低碳排的雙重特征是以上地區得以保持高凈碳匯的緣由所在。湖南、湖北、安徽、江西等水稻主產省則表現出高碳排與高碳匯的特性，其作物生產系統碳匯功能較強，但同時伴隨大量稻田甲烷排放，加之對化肥、農藥等高碳農資的依賴度較大、秸稈露天焚燒比例較高，導致碳排放量遠超其他產糧大省，進而削減凈碳匯量。青海、寧夏等地的耕地利用規模較小，難以在凈碳匯量上有突出表現，但不能否認的是，在對應作物固碳量下，當地農藥、化肥、農膜等農資的投入強度幾乎在所有省份中處于最低水平，秸稈露天焚燒率同樣遠低于其他省份。上海、福建、北京等地的發展重心并非農業，呈碳排放、碳吸收和凈碳匯的“三低”格局。

在碳效應與經濟發展的關系方面，田云等以長江經濟帶為研究對象，探討了農業碳排放與農業產值的耦合協調度，發現二者之間的關系不斷優化，基本實現了由整體失調向整體協調的轉變，與本文結論較為一致。楊果等更加關注作物碳匯與農業產值之間的耦合關系，發現二者之間的關系在強負耦合與弱耦合之間不斷切替，狀態較不穩定。這是因為該研究采用了相鄰年份環比形式的Tapio耦合指數，實質為短期意義上的隨機波動和偏離，未能反映一定時期內作物碳匯與經濟增長的持續穩定關系，與耦合過程的長期性和趨勢性要求相悖。單一排放或吸收視角僅能從特定方面反映出碳效應與經濟發展的關系，相比而言，陳柔等考慮到農業生產的碳效應雙重性，嘗試對低碳生產系統與經濟系統之間的協調性展開探索，但仍未將碳匯、碳排整合為凈指標，而是分別對碳匯和碳排單獨討論。區別于相關研究，本文利用拓展的弧彈性Tapio耦合指數對各年耕地利用凈碳匯與總產值進行測度，發現二者關系已由全局失調改善為部分協調，二者增速關系也已由多種類型并存優化至以經濟主導型耦合狀態為主，表明耕地利用的經濟與生態的關系已由整體失衡走向初步平衡，但距實現整體協調和增長耦合尚存一定差距。據此，應分重點、分批次推進排放大省抑源促匯，浙江、福建、山西等省份瀕臨經濟主導型耦合與生態衰退型退耦的交界邊緣，需警惕經濟效益與生態效益背道相馳的局面。鼓勵遼寧、廣東等已率先實現增長耦合的地區繼續優化生產結構、推廣先進生產技術，為其他省份提供參考樣本。對于河南、湖北、黑龍江等農業大省，雖其排放基數較大，但因其已進入經濟主導型耦合行列，農業生產與生態環境的關系已初步協調，可通過優化農資利用結構、加強低碳技術應用，實現其耦合狀態的繼續優化。

本研究仍存在一些局限。一方面，研究尺度落足于中國省域，雖可為耕地利用凈碳效應的整體判斷提供參考，但仍較為宏觀，后續研究可以將尺度精確至市州層面，結論將更加詳盡、建議將更具針對性;另一方面，為確保核算結果可靠性，基礎排放系數主要來源于我國發改委公布的《省級溫室氣體清單編制指南(試行)》和領域內廣泛引用的文獻，但相關結果仍存在不確定性。例如，秸稈燃燒碳核算涉及主要作物的燃燒效率和露天焚燒比例，由于我國對秸稈焚燒的禁令日益嚴格，秸稈焚燒比例將隨著時間推移不斷下降，隨著技術進步，作物燃燒效率也可能出現變化。限于數據可得性，對近年秸稈燃燒碳排放量可能存在高估。隨著今后相關核算系數的更新與完善，下一步可對耕地利用碳源/匯展開更加精確的估算。

4 結 論

(1)中國耕地利用系統始終體現為碳盈余，凈碳匯量由3.19×10t增至5.40×10t，年均高達4.28×10t，在全局溫室氣體減排進程中表現為較為顯著的正外部性。碳排放由2.00×10t增至2.46×10t，碳吸收量則由5.19×10t增長為7.86×10t。排放結構中，各排放源平均占比按照農用物資、稻田甲烷、秸稈燃燒、土壤氧化亞氮的順序逐次遞減。根據各源頭發展趨勢，判斷耕地利用碳排放已于2015年達到峰值。

(2)時序演進上，全國耕地利用凈碳匯歷經波動不定(2000—2003年)、高速增長(2004—2015年)、平穩增長(2016—2019年) 3個階段?？臻g分布上，省域耕地利用凈碳匯呈高值點狀散亂分布、低值片狀集聚分布特征。

(3)從數量角度而言，全國耕地利用凈碳匯與經濟產出的關系由全局失調優化為部分協調；從速率角度而言，全國尺度下的凈碳匯與經濟產出在多數年份體現為經濟主導型耦合，省域尺度下的耦合狀態由若干類型并存演進為以經濟主導型耦合居多，表明各省份的耕地利用減源增匯與作物增產的關系不斷改善。