International Journal of Ecology 世界生态学, 2020, 9(3), 223-232
Published Online August 2020 in Hans. www.hanspub/journal/ije
doi/10.12677/ije.2020.93028
Calculation of Farmland Ecosystem Carbon
Footprint and Analysis of Influencing
Factors at County Level in Plateau
Mountainous Area
—Taking Luliang County as an Example
Xinyu Duan1, Mingcan Luo2*, Guolan Chen2,Jiancheng Chen3
1Financial Planning Office, Southwest Forestry University, Kunming Yunnan
2Green Development Rearch Institute, Southwest Forestry University, Kunming Yunnan
3Department of Economics and Management, Beijing Forestry University, Beijing
Received: Jul. 5th, 2020; accepted: Jul. 28th, 2020; published: Aug. 4th, 2020
Abstract
In order to explore the low-carbon agriculture development approach in plateau mountainous area, this paper taking a typical plateau mountain county—Luliang county as the rearch object, bad on the statistical data of 2014-2018, the carbon emission, carbon absorption and carbon footprint of its farmland ecosystem are estimated, and the factors affecting the carbon footprint are analyzed. The results show that: (1) carbon emissions and carbon sink of farmland ecosystem in 11 townships (towns and overas Chine management region) had obvious differences in Lu-liang County; Damogu Town was the most carbon emission township with 53.39 thousand tons in the five-year cumulative carbon emissions; the smallest was Chine management region with
6.53 thousand tons; and Sancha River Town was the most carbon sink town with 234.53 thousand
tons in the five-year cumulative carbon sink, the smallest was overas Chine management re-gion with 18.58 thousand tons; (2) Damogu Town was the most carbon footprint town with 4611.19 hm2in the five-year total, and the smallest was overas Chine management region with 1006.23 hm2; (3) there was a positive correlation between carbon sink and following factors, namely the application amount of chemical fertilizers, the amount of pesticides, the u of agri-cultural membranes, the agricultural mechanical power in total and effective irrigation area, and a negative correlation to the total crop yield; (4) to reduce the carbon footprint of its farmland eco-system, for Luliang County, following measures need to be taken, adjustment of the agricultural industrial structure, reduction of the u of agricultural chemicals such as chemical fertilizers, in-crea of the input of agricultural infrastructure and improvement of the yield and quality of crops.
*通讯作者。
段昕妤 等
Keywords
Plateau Mountainous Area, Farmland, Carbon Footprint, Luliang County
高原山区县域农田生态系统碳足迹计算及影响因素分析
——以陆良县为例
段昕妤1，罗明灿2*，陈国兰2，陈建成3
1西南林业大学计财处，云南 昆明
2
西南林业大学绿色发展研究院，云南 昆明 3
北京林业大学经济管理学院，北京
收稿日期：2020年7月5日；录用日期：2020年7月28日；发布日期：2020年8月4日
摘
要
为探索高原落后山区的低碳农业发展途径，本文选择典型高原山区县陆良县为研究对象，以2014~2018年统计数据为基础，对其农田生态系统碳排放、碳吸收和碳足迹进行估算，并进行了影响碳足迹的因素分析。结果表明：(1) 陆良县11个乡(镇、华侨管理区)的农田生态系统碳排放量和碳吸收量存在着明显差异，碳排放量最多的大莫古镇5年累计碳排放量53.39千t ，最小的华侨管理区只有6.53千t 。碳吸收最多的三岔河镇5年累计碳吸收量234.53千t ，最小的华侨管理区只有18.58千t ；(2) 碳足迹最多的大莫古镇五年累计为4611.19 hm 2，最小的华侨管理区只有1006.23 hm 2；(3) 碳足迹与化肥施用量、农药施用量、农膜使用量、农业机械总动力和有效灌溉面积呈正相关，与农作物总产量呈负相关；(4) 要减小其农田生态系统的碳足迹，陆良县需要采取调整农业产业结构、减少化肥等农用化学品的使用量、加大农业基础设施的投入和提高农作物产量与品质等措施。
关键词
高原山区，农田，碳足迹，陆良县
Copyright © 2020 by author(s) and Hans Publishers Inc.
白羊座和金牛座This work is licend under the Creative Commons Attribution International Licen (CC BY 4.0). creativecommons/licens/by/4.0/
1. 引言
目前，气候变化及其引起气候变暖影响因素是全球环境变化的热点研究问题之一。碳循环、碳排放、碳足迹、低碳农村发展等研究成为当前国内外学术界研究的热点[1] [2] [3] [4]。碳足迹是对人为干扰引起
段昕妤 等
的CO 2排放量的度量，同时也可以反映人类活动的生态效应，因此作为衡量人类活动碳排放的有效方法，“碳足迹”越来越成为关注的焦点。美国加州环保署委托伯克利大学设计了碳足迹计算器[5]，我国一些学者也从不同角度对中国碳足迹进行了研究，他们从碳足迹理论与核算方法、碳足迹与环境治理、碳足迹改善等方面开展了碳足迹研究的有益探索，取得了可观的研究成果[6] [7] [8] [9]。农业作为人类活动与自然交织频繁行业，日益成为世界上碳排放增长的主要来源之一。中国是农业大国，农田
生态系统碳排放是农业碳排放的重要部分，日益成为影响中国农业可持续发展的限制因素。综观当前我国碳足迹的研究中，城镇碳足迹的研究已经处于一个相对成熟的阶段，而对于农村地区而言，针对农村生产、生活碳足迹的研究还尚显缺乏。研究内容也多以大尺度的区域以及能源消费视角的产业碳足迹等为主。对西部高原欠发达山区的小微尺度的农业碳足迹研究相对较少。本文选取云南省高原山区的陆良县作为研究对象，研究其农田生态系统碳足迹及碳足迹影响因素，旨在为该县调整农业结构、发展低碳农业，实现农业可持续发展提供积极的参考。
2. 研究区概况
陆良县地处云南省东部，全县总面积1989.47平方千米，坝区面积771.99平方千米，占总面积的38.80%，四面环山，中间是开阔平坦的湖积盆地，是云南省第一大高原平坝。平坝区平均海拔1800米左右，全县海拔在1640~2690米之间。全县辖中枢镇、马街镇、三岔河镇、板桥镇、芳华镇、召夸镇、大莫古镇、小百户镇、活水乡、龙海乡共10个乡镇和1个华侨管理区。
舟组词
陆良县是以农业为支柱产业的高原山区县，农耕地开发程度较高，素有“滇中粮仓”的美誉。2019年，完成农林牧渔总产值113.88亿元，全年农村经济总收入达111.6亿元；农村常住居民人均可支配收入16266元，农民人均生活消费支出10105元。
3. 研究方法与数据来源
3.1. 碳足迹估算
3.1.1. 农田生态系统碳足迹边界确定
清皇帝本文估算农田生态系统碳足迹的边界确定为：碳排放包括化肥施用、农药施用、农膜使用、农机使用、农田灌溉，碳吸收包括水稻、玉米、烤烟、蔬菜等农作物的碳吸收。 3.1.2. 农田生态系统碳排放量估算方法
本文分别选取化肥施用、农药施用、农膜使用、农业机械应用以及农业灌溉过程中的碳排放作为农田生态系统碳排放来源，对其进行碳排放计算。测算公式为：
12345E E E E E E ++++= (1)
式2-1中：E 、E 1、E 2、E 3、E 4、E 5分别为农田碳排放总量(kg)，以及化肥施用、农药施用、农膜使用、农业机械应用、农业灌溉所引起的碳排放量(kg)，其中分项的计算公式(1-1至1-4)如下：
11E G a =× (1-1) 22E G b =× (1-2) 33 E G c =× (1-3)
()()4
蚊虫叮咬用什么药
44E A d W f ×=+× (1-4)
经典悬疑小说5
5 E A g =× (1-5)
段昕妤 等
式中：G 1，G 2，G 3，A 4，W 4，A 5分别为化肥施用量(kg)，农药施用量(kg)，农膜使用量(kg)，农作物种植面积(hm 2)，农业机械总动力(kW)以及灌溉面积(hm 2)。a 、b 、c 、d 、f 、g 分别为化肥、农药、农膜、农作物、农业机械和灌溉的碳排放系数。其中化肥、农药、农膜、农作物、农业机械和灌溉的碳排放系数借用国内学者的研究成果，分别确定为：a = 0.89 kg/kg ；b = 4.93 kg/kg ；c = 5.18 kg/kg ；d = 16.47 kg/hm 2；f = 0.18 kg/kW ；g = 266.48 kg/hm 2。 3.1.3. 农田生态系统碳吸收量估算方法
结合各类农作物的产量、果实水分系数、根冠比系数以及经济系数等指标，对农田生态系统的碳吸收量进行估算。测算公式为：
()()11
11n
n
i i i i i
i i i W w R V K C H ===淘宝可以货到付款吗
=+×−××∑∑ (2)
1n
i
i i D W A
W A ===∑ (3)
式中：W ——区域农田生态系统碳吸收量(kg)；W i ——第i 类农作物的碳吸收量(kg)；n ——农作物的种类数，本文取n = 4，分别测算水稻、玉米、烟叶以及蔬菜的碳吸收量。R i ——第i 类农作物的根冠比系数；V i ——第i 类农作物果实的水分系数；K i ——第i 类农作物产量(kg)；C i ——第i 类农作物碳含量比重；H i ——第i 类农作物的经济系数(经济产量与生物产量的比值)；D ——为农田生态系
大羿和后羿统平均碳吸收强度(kg/hm 2)；A ——区域耕地面积(hm 2)。测算区域内主要农作物的根冠比系数，果实水分系数，含碳率及经济系数参照国内学者的研究成果[10]，见表1。
Table 1. Estimation parameters of carbon absorption for different crops
表1. 不同农作物的碳吸收估算参数
作物种类 含碳量(%) 果实水分系数(%)
根冠比系数
维夏中学经济系数 水稻 41.70% 11.90% 0.6 0.49 玉米 46.40% 12.20% 0.16 0.46 烟叶 45% 15% 0.32 0.43 蔬菜
44.70%
90%
0.3
0.49
3.1.
4. 农田生态系统碳足迹估算
碳足迹(C E ，单位：hm 2)的计算公式为：
E E C E N = (4) E N W S = (5)
式中：C E (hm 2)——吸收农田生态系统碳排放量所需要的植被面积，E ——农田生态系统的碳排放总量(kg)；N E ——农田生态系统单位面积碳吸收量(kg/hm 2)；W ——农田生态系统中所有农作物的碳吸收量(kg)；S ——耕地面积(hm 2)。
当区域的耕地面积与其农田生态系统碳足迹相减差值为负数时，说明存在碳生态赤字(C ED ，单位：hm 2)，农田生态系统的开发和利用不在其生态承载力范围之内；反之则是碳生态盈余(C ER ，单位：hm 2)。测算公式为：
()ED E E C C S C S =−≥ (6)
段昕妤 等
()ER E E C S C C S =−≤ (7)
3.2. 影响因素分析方法
本文运用皮尔森相关分析对农田生态系统碳足迹及其因素的影响性进行判别。分析方法为： (1) 农田生态系统碳足迹(C E ，单位：hm 2)作为因变量，分别将化肥施用量(G 1，单位：千t)、农药施用量(G 2，单位：千t)、农膜使用量(G 3，单位：千t)、农业机械总动力(W 4，单位：千kW)、农田有效灌溉面积(A 5，单位：千hm 2)和农作物总产量(K ，单位：千t)作为自变量。
(2) 假设碳足迹与各因素(因变量)之间以及各因素相互之间不存在相关性，计算检验统计量的观测值和概率P 值，若显著性概率P 值小于给定的显著性水平α = 0.05，则应拒绝原假设，认为两总体之间存在显著的线性相关性；反之若显著性概率P 值大于给定的显著性水平α = 0.05，则应接受原假设，认为两总体之间不存在显著的线性相关性。
(3) 计算陆良县碳足迹相关因素的简单相关数矩阵，判别自变量和因变量之间是否存在显性的线性相关性。若存在，则进一步进行线性回归。
(4) 判别分析因变量对自变量影响的相关性。
3.3. 数据来源
研究数据主要来源于2014年~2018年《陆良县统计年鉴》，包括陆良县11个乡(镇、华侨管理区)水稻
、玉米、烟叶、蔬菜4种主要农作物的播种面积、总产量、全县农业生产中化肥、农药等农资投入品的总量，各乡镇灌溉面积、耕地面积等数据。
4. 结果与分析
4.1. 农田生态系统碳排放量及特征
依据公式(1)及公式(1-1至1-5)和确定的碳排放系数，计算陆良县及11个乡(镇、华侨管理区) 2014~2018年度的碳排放量，见表2，表3。
从表2可知，2014年~2018年陆良县农田生态系统碳排放量总体呈逐年增长趋势，从2014年的68.49千t 增长至2017年的78.57千t ，2018年较2017年有所下降，年碳排放总量为71.63千t 。化肥施用、农药施用、农膜使用、农业机械应用及农业灌溉引起的碳排放量皆与碳排放总量的变化趋势相同。
Table 2. Luliang County’s carbon emissions from farmland ecosystems from 2014 to 2018 (unit: 103 t)
表2. 陆良县2014年~2018年农田生态系统碳排放量(单位：103 t)
年份 化肥碳排放量 农药碳排放量 农膜碳排放量 农业机械应用碳
排放量 农业灌溉碳排放量
总碳排放量 2014年 35.83 (52.32%) 6.27 (9.16%) 18.47 (26.96%) 1.26 (1.85%) 6.66 (9.72%) 68.49 (100%) 2015年 39.31 (53.46%) 6.45 (8.77%) 19.68 (26.76%) 1.29 (1.76%) 6.80 (9.25%) 73.55 (100%) 2016年 42.51 (54.81%) 6.94 (8.94%) 19.94 (25.71%) 1.30 (1.67%) 6.88 (8.86%) 77.56 (100%) 2017年 42.81 (54.49%) 6.73 (8.57%) 20.82 (26.50%) 1.33 (1.69%) 6.88 (8.75%) 78.57 (100%) 2018年 37.78 (52.74%) 6.07 (8.48%) 19.48 (27.20%) 1.31 (1.83%) 6.98 (9.75%) 71.63 (100%) 合计
198.24 (53.61%)
32.46 (8.78%)
98.39 (26.61%)
6.49 (1.76%)
34.20 (9.24%)
369.79 (100%)
注：表中括号内数据为碳排放量占比。
