福建省农田植被净碳汇时空格局分析

林克涛，陈 杨，叶 颉，舒 潇

（1.泉州师范学院 资源与环境科学学院,福建 泉州 362000；2.福建农林大学 安溪茶学院,福建 泉州 362400；3.泉州师范学院 商学院,福建 泉州 362000）

全球气候变化是21 世纪以来人类可持续发展所面临的重大环境问题之一，因气候变暖引起的极端气候的增多，对全球生态系统的稳定和社会经济的发展产生严重影响［1］.农田生态系统既是陆地生态系统的重要碳源，也是重要的碳汇，农田碳库是陆地生态系统碳库中最为活跃的部分，对保护生态环境具有重大意义［2］.同时，农田生态系统作为半人工生态系统，脆弱性使其对自然环境变化较为敏感，因而全球气候变化同样严重威胁到农田的可持续发展.农田碳积蓄过程主要是通过农田作物的光合作用进行，相比于其他生态系统的碳积蓄过程具有周期短、碳储量大的特点，这也被认为是较为有效安全的固碳过程［3］.因此，农田碳库对于陆地生态系统的碳储量变化具有重要作用，这不仅影响农田生态系统自身的可持续发展，对陆地生态系统的可持续发展也具有重要作用.

在基于不同区域尺度的农田植被碳源碳汇变化规律角度的研究中，赵荣钦等［4］以我国沿海10 个省市自治区为研究范围，对农田生态系统的碳源、碳汇进行了估算，结果发现，研究区域内的农作物的碳吸收功能较大，但由于农田面积的减少，农田的碳汇功能有所下降.王敬哲等［5］采用碳排放系数法对新疆碳足迹的变化动态以及各县市的空间分布特征进行分析，研究表明，新疆农田生态系统具有较强的固碳能力，同时存在碳生态盈余的现象.师银芳［6］对张掖市农田生态系统碳源/汇时空分布特征进行分析发现，张掖市农田生态系统具有较强的碳汇能力.王梁等［7］对山东省17 个地市的农田生态系统碳源、碳汇进行估算及其碳足迹变化进行分析，得出山东省农田生态系统的碳汇能力较强的结论，且各地市之间碳汇能力和碳足迹空间差异性较大.还有学者从影响因素角度对农田碳汇进行研究，其中，鲁春霞等［8］对我国1980—2000 年农田生态系统的碳蓄积及其变化特征的研究发现，由于单位面积碳密度持续增大导致我国农田生态系统碳蓄积总量也在不断增大.罗怀良［9］研究发现，其研究期间农田植被碳储量与碳密度均有一定程度提高，但还较为缺乏稳定性.国志兴等［10］研究表明，气候变化、人口和经济活动增加等因素会对农田植被碳储量下降产生一定影响.侯湖平等［11］研究发现，煤炭开采导致区域农田植被碳库储量减少，其影响属于失碳效应.

福建省作为我国首个生态文明示范区，农田面积约占全省土地总面积的10%，是全国人均农田最少的省份之一，且建国以来农田面积逐年减少，在区域经济不断发展、短期内农田面积缩减的背景下，农田碳汇能力的变动是值得关注的问题.因此，本研究在前人研究的基础上，以福建省各地级市为研究对象，采用系数法估算农田碳汇总量，并采用重心移动模型及空间自相关分析揭示福建省农田植被净碳汇的空间分布规律，以期通过对农田碳汇变化趋势及原因进行探究，为福建省农田管理政策的制定以及农业的可持续发展提供一定的参考.

1 资料与方法

1.1 研究区域

福建位于中国东南部，滨临东海，陆域介于23°33′—28°20′N,115°50′—120°40′E 之间，地域面积12.14×104km2，农田面积1.26×104km2.全省多山地丘陵地形，地处亚热带，雨热同期，四季分明，山海资源丰富，农业发展前景广阔.全省下辖9 个地级市，受地理环境制约和历史因素影响，经济发展呈现出由闽南、闽中到闽北逐步降低的态势，具有一定的区域差异性，但从农业生产发展和农田生态方面来看，却呈现出由沿海到内陆逐渐升高的格局.根据2019 年《福建统计年鉴》［12］，2018 年福建省农作物播种面积为1.621 4×104km2，农业产值1 653.448 6 亿元.

1.2 数据来源

以福建省及下辖9 个地级市为区域单元进行研究，对2010—2017 年各地区农田植被净碳汇时空格局进行对比分析.2010—2017 年福建省及下辖9 个地级市的农作物产量、农田面积、化肥农药用量、农膜用量、农业机械总动力、有效灌溉面积等农业统计数据均来源于2011—2018 年的《福建统计年鉴》［13］和福建省下辖地级市统计年鉴［14-22］.

1.3 研究方法

1.3.1 净碳汇估算方法 农田植被碳汇是指农田作物在生长发育期内的碳吸收总量与农业生产过程中碳排放总量的差值［23］.因此，农田植被净碳汇的估算中，包含农田植被的碳吸收，也包含农业碳排放.在农田植被碳吸收的估算中主要是参照李克让［24］的方法，即通过农作物的产量数据、碳吸收率及经济系数作为主要参数对生长期内的固碳量进行计算.

碳吸收的估算公式：

农田植被在生长期内对碳吸收的公式：

式（1）中，Dw为已知生物的总干物质产量；Yw为作物经济产量；Hi为经济系数.

式（2）中，Cd为生长期内的碳吸收量；Cf为合成单位有机质干物质所吸收的碳，即碳吸收率.本研究选取福建省主要农作物的碳吸收量进行估算，不同农作物的碳吸收率Cf如表1 所示.

表1 福建省主要农作物碳吸收率与经济系数

在农业碳排放的估算中，主要从不同碳排放途径的角度考虑，本研究在相关碳排放的系数来计算主要参照West 等［25］的相关研究结果.

碳排放估算公式［23］：

式（3）中：Et为农田生产的碳排放总量；Ef、Ep、Em分别为使用化肥、农药、农膜所产生的碳排放量；Ee为农业机械用电直接或间接产生的碳排放量；Ei为农业灌溉过程中间接耗费化石能源所导致的碳排放量；Es为农用机械柴油消耗直接或间接产生的碳排放量；Eg为农田翻耕破坏土壤有机碳库导致的碳排放量.

各排放途径碳排放量估算公式［23］：

式（4）～（10）中：Gf为化肥使用量（t）；Gp为农药使用量（t）；Gm为农膜使用量（t）；Se为农作物种植面积（hm2）；We为农业机械总动力；Ai为农田有效灌溉面积（hm2）；Gs为农业机械柴油的使用量（t）；Sb为农作物播种面积（hm2）；a 为化肥碳排放系数（0.895 6 kg·kg-1）［26］、b 为农药碳排放系数（4.934 1 kg·kg-1）［26］；c为农膜施用碳排放系数（5.18 kg·kg-1）［26］；d 为农田耕作碳排放系数（16.47 kg·hm-2）［25］；f 为农业用电碳排放系数（0.18 kg·kW-1）［25］；g 为农田灌溉碳排放系数（266.48 kg·hm-2）［25］；h 为柴油消耗碳排放系数（0.592 7 kg·kg-1）［26］；j 农田翻耕碳排放系数（312.6 kg·hm-2）［27］.

净碳汇的估算公式［23］：

式（11）、（12）中：Ct为各种作物碳总吸收量（t）；Et为农田生产的碳排放总量（t）；C净为区域农田生态系统的净碳汇（t）；Cq为单位农田面积碳汇量，即净碳汇强度（t·hm-2）；Sg为农田面积（hm2）.

1.3.2 净碳汇重心移动模型 区域重心借用物理学相关概念，指的是在区域空间上要素在重心点达到平衡状态，而重心移动能够把地理事物和各要素在区域内的空间变化趋势直观、清晰地展现［23］，因此，有利于过程的发展变化与潜力区域的分析.本研究中，将研究对象的净碳汇数据结果作为权重，通过重心模型分析，计算研究对象的空间重心坐标并比较结果，进而分析近年来福建省植被净碳汇的区域空间格局差异.其中，地理重心模型计算公式：

式（13）、（14）中：X、Y 分别表示福建省农田植被净碳汇重心的经度坐标和纬度坐标；Pk为第k 个地级市农田植被净碳汇值；Xk、Yk分别为第k 个地级市的经度坐标和纬度坐标；m 为福建省所包含的地级市个数.重心移动距离公式如下：

式（15）中，D 表示不同年份区域重心移动的距离；u，v 代表不同的年份，（Xu，Yu），（Xv，Yv）为第u 和v 年福建省农田植被净碳汇重心坐标；R 是将地理经纬度坐标单位转换为平面距离的系数（km），取值111.11.

1.3.3 空间自相关分析 空间自相关分析主要是衡量某一变量在空间上是否相关，以及其相关程度的方法，根据所研究的范围可分为全局空间自相关和局部空间自相关.其中，全局自相关主要用来分析区域总体的空间关联和空间差异程度.通过运用ArcGIS 10.2 计算全局莫兰指数（Global Moran′sⅠ）反映福建省农田植被净碳汇空间分布规律.计算公式［23］：

式（16）中：I 为全局莫兰指数；w 为研究区域个数；ωpq为空间单位p 和q 的权重分和分别为第p 和q 空间上观测值与平均值的偏差.I 值在±1 之间，正值表示农田植被碳汇在空间上显著集聚，负值则表明农田植被碳汇在空间上显著离散，I 等于零表示农田植被碳汇在空间上随机分布.I 的显著性水平由Z 值和P 值检验，显著性水平取95%.将P 值与显著性水平进行比较，决定拒绝还是接收零假设.如果P值小于给定的显著性水平，则拒绝零假设；否则接收零假设.Z 值表示标准差的倍数，能反映数据的离散程度.当-1.96＜Z＜1.96，P＞0.05 时，接受零假设，研究对象在空间上呈随机分布；当Z＞1.96 或Z＜-1.96，P＜0.05 时，拒绝零假设，研究对象在空间上呈集聚或离散的分布特征.

局部空间自相关可以分析每个区域与周边地区间的空间差异程度.本研究运用热点分析指数（Getis-Ord Gi*）进一步测度福建省农田植被净碳汇高值集聚区和低值集聚区的空间分布特征，计算公式：

2 结果与分析

2.1 福建省农田植被净碳汇时空演变趋势分析

2.1.1 福建省农田植被净碳汇的时空分布格局分析 从图1 可知：在研究期内，福建省各地农田植被净碳汇总量都呈正值，各地总量及变化趋势不同，说明福建省农田植被具有碳汇能力，但各地农田的规模及碳汇水平出现分化.在研究期间，福州、南平及漳州在多数年份总量处于较高水平，厦门、龙岩、三明净碳汇总量较小，其他3 个地区大部分时期处于中间水平；从净碳汇总量的变化趋势看，福州市、泉州市的净碳汇总量波动上升，厦门市净碳汇总量少量增加，其他6 个地区的净碳汇总量波动下降，使得总体净碳汇总量呈现略微下降趋势.福州在农田净碳汇总量领先的原因可能是：一方面，福州市在福建省内的农田面积仅次于南平位居第二，相比而言厦门净碳汇总量少主因就是由于农田面积较少；另一方面，可能由于城市人口众多，对蔬菜的需求量较大，使得其蔬菜种植面积占比约达55%，复种指数更高的蔬菜是使其净碳汇总量大的主要因素.在多个地区农田碳汇总量下降的趋势上看最可能原因还是农田面积缩减所造成的.

图1 福建省农田植被净碳汇时空变化

与福建省农田植被净碳汇的变化趋势不同，农田植被净碳汇强度在研究期间内总体呈现上升趋势.根据上升趋势的波动情况来看，厦门市净碳汇强度上升幅度最大；福州市、泉州市的净碳汇强度上升趋势明显；南平市、龙岩市的净碳汇强度上升趋势波动较平稳，呈波动上升趋势.而根据净碳汇强度的大小发现，厦门市的净碳汇强度一直明显高于其他地区，以2017 年为例，数值最高的厦门市（20.34 t·hm-2）与数值最低的龙岩市（3.33 t·hm-2）之间相差了6.11 倍.厦门市净碳汇强度高的原因主要是城市对于农作物需求量大，但受制于有限的农田面积，因此，必须通过提高土地利用强度和单位面积产量来满足需求.厦门市单位面积农作物产量上，粮食作物单产由2010 年的5 444.79 kg·hm-2上升到2017 年的5 893.58 kg·hm-2，蔬菜单产由30 517.5 kg·hm-2上升到34 123.73 kg·hm-2，同时农业生产中产生的碳排放量也逐年降低，使其净碳汇强度明显上升（图2）.

图2 福建省农田植被净碳汇强度时空变化

2.1.2 福建省农田植被净碳汇的重心移动路径分析 由图3 可知：（1）2010—2017 年，福建省农田植被净碳汇重心位于118°19′30″E—118°25′E，25°52′N—25°28′30″N 之间，偏离福建省的几何中心（119°17′25.26″E，26°06′14.05″N），重心逐渐向东南移动，并逐渐远离几何中心.2010—2017 年，农田植被净碳汇重心由尤溪县迁移到德化县，重心向东方向移动了约3.454 km.（2）第一阶段为2010—2013 年，2010 年净碳汇重心在尤溪县境内，2010—2011 年向西南方向移动，2011—2013 年净碳汇重心向北小幅度回归，农田植被碳汇重心迁移方向是西南，重心位置处于德化县；第二阶段为2013—2015 年，净碳汇重心发生较大变化，重心位置向东南方向移动；第三阶段为2015—2016 年，净碳汇重心极大幅度向东北方向移动，净碳汇重心移动到尤溪县；第四阶段为2016—2017 年，净碳汇重心大波动地向西南方向移动，重心位于德化县.（3）研究期间福建省碳汇重心特征表现：一是福建省农田植被净碳汇重心大方向上往东南方移动，逐渐偏离省域的几何中心；二是2010—2014 年，重心移动方向虽有变化，但移动的距离较短，波动较为平缓，2014—2017 年，重心移动的方向和距离波动幅度较大.

图3 2010-2017 年福建省农田植被净碳汇重心移动路径

2.2 福建省农田植被净碳汇的空间集聚效应分析

2.2.1 福建省农田植被净碳汇的全局空间自相关分析 由表2 可以看出，通过3 种空间权重方案得出的农田植被净碳汇全局空间自相关指数I 在研究时段内均为负值且均未能通过5%显著性检验.结果表明：2010—2017 年，福建省农田植被净碳汇具有空间负相关特征，即农田植被净碳汇的相似性区域呈现空间离散分布特征且具有一定的随机性.对3 种权重方案得出的全局空间自相关指数I 的均值进行对比分析显示：2010—2017 年福建省农田植被净碳汇空间负相关水平的高低次序为方案一、方案三、方案二.

表2 福建省农田植被净碳汇全局空间自相关指数及其显著性水平

2.2.2 福建省农田植被净碳汇的局部空间自相关分析 为了能够对福建省农田植被净碳汇的空间格局演变情况进行分析，选择研究的起始年、中间年和末尾年为代表年份的农田植被净碳汇数据，即2010、2012、2015 和2017 年相关数据，利用ArcGIS 10.2 软件计算局部空间自相关指数，用自然断点法将每个年份的局部空间自相关指数分成4 类，由此生成福建省农田植被净碳汇时空格局的演化图（图4）.由图4 可知，从空间结构来看，福建省农田植被净碳汇热点区域的总体格局保持在一个相对稳定的状态，呈现出“西北高、东南低”的空间特征.宁德市和南平市地处福建省北部，是相对稳定的热点区域，这两城市的农田植被净碳汇也处于福建省前列.三明市是唯一一个在研究时段内农田面积增长的地级市，并且增长幅度稳定，表明对农田生态化生产水平的提高，使得三明市最终由次热区域发展成热点区域.福州市和莆田市为相对稳定的次热区域.厦门市为相对稳定的次冷区域，漳州为相对稳定的冷点区域，表明这两个城市的农田植被净碳汇都处于较低水平，泉州市由冷点区域发展成为次冷区域，说明泉州市的农田植被净碳汇水平较之前有所提升，龙岩市由于农田面积不断减少，由次冷区域转变为冷点区域.

从热点、次热、次冷、冷点区域的变化来看，各区域在这几段时间内发生了一定的变化，但总体格局仍保持相对稳定.在研究期间，福建省农田植被净碳汇热点区域由2010 年的2 个地级市上升为3 个地级市，次热区域由3 个地级市减少到2 个地级市，次冷区域和冷点区域的个数没有发生变化，但次冷区域和冷点区域发生改变.这说明2010—2017 年间福建省局部区域农田植被净碳汇水平发生了改变.4 个代表年份中，未发生变化的区域有6 个，占总数的66.7%，南平市和宁德市一直是热点区域，福州市和莆田市一直是次热区域，厦门市一直是次冷区域，漳州市一直是冷点区域，三明市由次热区域变成热点区域，泉州市由冷点区域变成次冷区域，龙岩市由次冷区域变成冷点区域.说明自2010 年以来福建省农田植被净碳汇水平格局基本没有变化，高值区依然集中在闽西北地区，但是地区间的过渡性变得不明显，表明区域间发展开始出现明显分化（图4）.

图4 福建省农田植被净碳汇热点演化图

3 小结与讨论

本研究表明：（1）2010—2017 年，福建省农田净碳汇总量总体呈先上升后下降趋势，福建省农田植被表现为碳汇功能.在地区农田植被净碳汇强度方面，厦门市明显高于其他地区，其余地级市农田植被净碳汇强度水平逐步趋近，且各地级市的农田碳汇强度总体呈上升趋势.在地区农田植被净碳汇总量方面，福州市、泉州市和厦门市净碳汇总量增加，其余6 个地区净碳汇总量波动下降.福建省农田净碳汇总量的变化可能受到农田面积下降和农田生产力水平提升的影响.研究期间，福建省的农田面积由2010年的194.12 万hm2减少到2017 年的159.21 万hm2，共减少34.91 万hm2；但福建省粮食作物单产由2010 年的6 290.01 kg·hm-2提高到2017 年的6 375.67 kg·hm-2.这也与前人的相关研究中认为农田植被碳汇主要受农田面积下降［28］及主要作物单产水平有关［29］的观点所相吻合.

（2）2010—2017 年，福建省农田植被净碳汇重心大部分时期表现为向东向南偏移.重心迁移的向南方向偏移幅度较小，后期向东方向偏移幅度较大，大部分时期略微偏向福建省几何中心西南部，这说明，福建省农田植被净碳汇潜力区位于福建省西南部.在农田的净碳汇强度的表现上，沿海地区普遍高于内陆地区，一方面可能是沿海土地资源紧张，倒逼区域农田在生产往高强度、高科技、高效率方向发展；另一方面也可能是由于沿海地区整体经济水平较高，自身基础设施较好，农田管理水平的提高带动农田生产力水平的提升.由于城镇化的推进，农田面积减少的趋势在短期内难以扭转.因此，要提升福建省农田净碳汇水平应当侧重在农田生产力方面.

（3）2010—2017 年，福建省农田植被净碳汇整体特征是“西北高，东南低”，呈现出相对稳定的空间格局.热点区域由原来2 个地区上升为3 个地区，次热区域减少到2 个；次冷区域和冷点区域的数量始终保持在2 个，但次冷区域和冷点区域发生了变化；处于过渡的次热区域数量减少以及次冷区域发生改变，说明福建省区域间的农田碳汇水平表现为向不同方向分化.福建省农田植被净碳汇重心迁移轨迹大部分时间位于德化县北部，且在大部分时期呈南方向偏移，之后又大幅度往东北方向偏移，最终位于德化县与尤溪县交界线附近.结合福建省农田植被净碳汇热点演化中“北热南冷”的格局来看，福建省西南部地区植被净碳汇提升还具有一定潜力.闽西地区可以从减少农业碳排放角度来提升农田植被净碳汇水平.例如，改进农业生产方式，推进农业水利建设，改善农业生产技术和管理方式，提高农作物复种指数等.

（4）本研究在计算福建省农田植被碳吸收总量的过程中，由于数据可得性原因，并未将所有农作物纳入计算，只选取了研究区内主要的农作物，会对结果的准确性产生一定的影响.本研究碳吸收量的计算公式中农作物生物产量是由经济产量推算，会使最终结果与实际有所出入，产生一定误差.此外，碳排放计算中的碳排放转化系数，是在国内外相关文献的研究基础上所进行的，对计算福建省农田植被净碳汇的适用性并没有得到充分的论证，也可能会对估算精度产生影响.因此，地区碳排放转化系数的研究也是后续研究中值得关注的问题.