实现“碳达峰”和“碳中和”目标是中国应对气候变化和促进社会低碳转型做出的实质性承诺^[1]。统筹农业农村发展和碳中和的双赢格局是农业农村领域响应可持续发展目标的关键路径^[2]。农业农村碳中和涉及农业生产、农民生活、生态环境保护和资源利用等，意味着涉农产业链的全方位变革，要求农业农村的发展模式全面向绿色低碳转型^[3]。2021年9月22日，中共中央、国务院发布《关于完整准确全面贯彻新发展理念做好碳达峰、碳中和工作的意见》，为包括农业农村在内的重点领域实现碳达峰、碳中和指明了方向。2022年6月30日，农业农村部、国家发改委印发《农业农村减排固碳实施方案》，进一步提出农业农村领域要以实施降碳升汇为抓手，降低温室气体排放强度。中国在绿色低碳发展理念推动下，实现经济发展的转型是进一步迈向更高质量一体化发展的内在需求^[4]，因此，完善农业农村领域碳中和核算体系，科学估算农业农村碳中和效应，厘清其时空演化特征对推动低碳治理、支撑双碳战略实施具有重要意义。

目前，碳排放、碳汇的单一视角下的研究较为广泛，也是研究农业农村碳中和问题的基础^[5]。测算方法包括遥感估算法^[6]、排放系数法^[7]、投入产出法^[8]等，在核算的基础上，相关学者运用状态空间模型(state space model)^[9]，logarithmic mean divisia index模型^[10]，Tapio脱钩模型^[11]等传统计量模型围绕着经济增长、能源结构、技术进步等因素展开研究。其研究尺度涵盖宏观、微观，覆盖时空差异^[12]、空间溢出^[13]等方向。对农业农村碳中和问题的研究主要是研究视角不同，分为农业单一产业或单一地区的净碳核算^[14-15]、农业碳中和实现成本^[16-17]和实现路径^[18]两方面，关于综合性的农业视角构建全面的碳中和核算体系的研究有限，已有研究更是忽略了农村生活能源消耗方面，而事实上农村生活能源消耗产生的碳排放不可小觑^[11]，并且对于时空差异、动态演进特征方面关注较少。因此，本研究以大农业为视角，将农业、农村两个领域碳排放、碳汇纳入统一核算框架，构建全面的农业农村碳中和效应核算体系，并从时空角度分析中国2000—2020年30个省(市、区)碳中和效应的变化特征和动态演进趋势，可以定量揭示农业农村生态环境特征和内在动因机理，对于进一步推动“碳中和”进程具有重要的理论参考意义。

1 研究方法与数据来源 1.1 碳排放测算方法及系数

目前，农业农村碳排放源头呈现多样性特征：①种植业农业生产过程中的生产资料的投入产生的碳排放及农作物种植过程中对土壤的破坏产生的温室气体；②畜牧业养殖过程中产生的温室气体；③机动渔船使用时化石燃料消耗产生的碳排放；④农村居民生活所需能源消费产生的碳排放。根据全碳分析原理，参考李国志等^[10]、万文玉等^[8]等构建中国农业农村碳排放测算公式为：

$ E_{\text {总 }}=\sum E_i=\sum\left(T_i \times \varepsilon_i\right) $

(1)

式中：E_总为农业农村种植业、畜牧业、农村居民生活能源碳排放总量(t)；E_i为各类碳源排放量(t)；T_i为各类碳源投入量(t)；ε_i为各类碳源的碳排放系数。渔业碳排放测算见公式(3)。

在此基础上，确定农业生产、作物排放、畜牧养殖和农村居民生活能源的具体碳源因子及其所对应的碳排放系数。其中，畜牧业碳排放测算需要按照“1 t CH₄=6.82 t C，1 t N₂O=81.27 t C”的折算系数将CH₄和N₂O换算为C当量，农村居民生活能源碳排放测算将能源单位折算为标准煤再计算C当量。

1.1.1 种植业碳排放系数

种植业碳排放包含化肥、农膜、农药、柴油以及翻耕和灌溉下的直接排放和水稻、玉米、棉花、冬小麦、春小麦、大豆和蔬菜产生的间接排放。本研究将农作物排放产生的N₂O排放换算成C当量计算，农业生产碳排放系数参考美国橡树林实验室、IPCC等，农作物碳排放系数见表 1。

1.1.2 畜牧业碳排放系数

畜牧业碳排放主要来自反刍动物肠道发酵、粪便排放所产生的CH₄和N₂O排放，选取牛、绵羊、山羊、马、骡、驴、猪和骆驼作为畜牧业排放碳源，具体碳排放测算系数见表 2。

1.1.3 生活碳源排放系数

农村生活碳排放主要指农村居民生活能源直接碳排放。参考《中国能源统计年鉴2021》附录4折标准煤参考系数及2006年《IPCC国家温室气体清单指南》碳排放系数(表 3)。

1.1.4 渔业碳排放测算及系数

渔业碳排放主要测算海洋捕捞业机动渔船的碳排放。海洋捕捞业分布地区为北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南，本研究对上述12个地区的渔业碳排放进行测算。海洋捕捞机动渔船主要使用柴油，采用美国橡树岭国家实验室提出的化石燃料燃烧的测算方法，选用柴油碳排放系数^[24]。不同作业方式的机动渔船用油系数如表 4所示。渔业碳排放测算公式参考邵桂兰等^[14]可变形为：

$ P_{\text {燃油 }}=\sum\limits_{i=1}\left(G_i \times Q_i\right) $

(2)

$ E_{\text {渔业 }}=P_{\text {燃油 }} \times n \times m $

(3)

式中：E_渔业为渔业碳排放(t)；P_燃油为指机动渔船燃油消耗(t)；G_i为作业类型功率(kW)；Q_i为不同作业类型的用油系数(t/kW)；n为燃油折标准煤系数1.457 1(kg/kg)；m为燃油标准煤含碳系数0.592 1(kg /kg)。

1.2 碳汇测算方法及系数 1.2.1 种植业碳汇测算及系数

种植业碳汇的测算主要指农作物碳汇。种植业需要考虑农作物固碳的能力，即作物进行光合作用后形成的生物产量，测算系数见表 5。参考王修兰^[25]、韩召迎等^[26]，测算公式为：

$ C_{\text {种植业 }}=\sum\limits_{i=1}^e C_{\text {农作物 }}=\sum\limits_{i=1}^e\left[c_i \times U_i \times(1-r)\right] / H_i $

(4)

式中：C_种植业为种植业碳汇(t)；C_农作物为农作物的固碳量(t)；e为农作物种类数；c_i为农作物的碳吸收率(%)；U_i为农作物的经济产量(t)；r为农作物经济产品的含水量(%)；H_i为农作物经济系数(kg/kg)。

1.2.2 畜牧业碳汇测算

畜牧业碳汇主要指草地碳汇，碳汇系数参考孙贤斌^[27]，采用0.022 t/hm²。测算公式为：

$ C_{\text {畜牧业 }}=A_{\text {草地 }} \times \gamma $

(5)

式中：C_畜牧业为畜牧业碳汇(t)；A_草地为草地面积(hm²)；γ为草地碳汇系数(t/hm²)。

1.2.3 渔业碳汇测算及系数

渔业碳汇测算主要根据海水养殖中贝类和藻类的产量进行测算，测算地区与渔业碳排放测算地区保持一致。渔业碳汇测算系数如表 6和表 7所示，构建测算公式为：

$ C_{\text {渔业 }}=C_{\text {贝类 }}+C_{\text {藻类 }} $

(6)

$ C_{\text {贝类 }}=\sum\limits_{i=1}\left(R_i \times \theta_i+K_i \times \beta_i\right) $

(7)

$ R_i=P_{\text {贝类 }} \times \alpha_i \times \mu_i $

(8)

$ K_i=P_{\text {贝类 }} \times \alpha_i \times \delta_i $

(9)

$ C_{\text {藻类 }}=\sum\limits_{i=1}\left(P_{\text {藻类 }} \times \omega_i\right) $

(10)

式中：C_渔业为渔业碳汇(t)；C_贝类为贝类固碳量(t)；C_藻类为藻类固碳量(t)；R_i为贝类软组织产量(t)；θ_i为贝类软组织碳含量系数(%)；K_i为贝类壳的质量(t)；β_i为贝类壳的碳含量系数(%)；P_贝类为贝类产量(t)；α_i为贝类干湿转化系数(%)；μ_i为贝类软组织的质量转换系数(%)；δ_i为贝类壳的质量转换系数(%)；P_藻类为藻类产量(t)；ω_i为藻类碳含量系数(%)。

1.2.4 林业碳汇测算

林业碳汇主要指林地碳汇，碳汇系数参考冯杰^[33]，采用0.581 t/hm²，测算公式为：

$ C_{\text {林业 }}=A_{\text {林地 }} \times \sigma $

(11)

式中：C_林业为林业碳汇(t)；A_林地为林地面积(hm²)；σ为林地碳汇系数(t/hm²)。

1.3 中国农业农村碳中和效应

农业农村碳中和效应是指抵消农业农村碳排放后的固碳能力，即碳排放与碳汇的净值，测算公式为：

$ C_{\text {碳中和效应 }}=C-E $

(12)

$ C=C_{\text {种植业 }}+C_{\text {畜牧业 }}+C_{\text {渔业 }}+C_{\text {林业 }} $

(13)

$ E=E_{\text {总 }}+E_{\text {渔业 }} $

(14)

式中：C_{碳中和效应}为中国农业农村碳中和效应量(t)；C为种植业、畜牧业、渔业、林业的碳汇总量(t)；C_种植业，C_畜牧业，C_渔业，C_林业分别为种植业、畜牧业、渔业、林业的碳汇量(t)；E为碳排放总量(t)；E_总为种植业、畜牧业、农村居民生活能源碳排放总量；E_渔业为渔业碳排放量(t)。

1.4 中国农业农村碳中和效应水平

为了不受总量基数影响，便于区域间进行横向比较，参考田云等^[15]的研究成果，采用农业农村碳排放量与碳汇量比值的百分比来衡量中国农业农村碳中和效应水平，测算公示为：

$ C_{\text {碳中和效应水平 }}=(E / C) \times 100 \% $

(15)

式中：C_{碳中和效应水平}为中国农业农村碳中和效应水平(%)；C为碳汇总量(t)；E为碳排放总量(t)。

1.5 Kernel-Density密度估计方法

Kernel-Density密度估计方法是对概率密度进行非参数估计，一般用于衡量随机变量的分布形态。其方法的优点在于对数据样本分布不附加假定，能够从样本本身出发研究数据分布特征，一定程度上避免了人为主观造成的误差。设x为一个随机变，x₁，x₂…x_i代表独立分布的n个区域的观测值，则密度函数的固定带宽Kernel-Density为：

$ f(x)=\frac{1}{i h} \sum\limits_{j=1}^i N\left(\frac{x-x_j}{h}\right) $

(16)

式中：$N\left(\frac{x-x_j}{h}\right)$为核密度函数；i为样本观测数，h为带宽，选取数据的自动带宽。核密度函数具体形式有Uniform核、Triangular核、Epanechnikov核、Quartic核、Gaussian核和Cosine核，参考文献[34]的研究基础上，本研究选取Epanechnikov核密度函数形式进行相关分析。

结合核密度函数图的分布形式，可有效判断农业农村碳中和效应在不同观测期间地区差距的变化，进而获得其动态演进特征。若核密度曲线图中，波形向右(左)移动，则农业农村碳中和效应增加(减少)；右拖尾逐渐拉长(缩短)、峰值降低(上升)、波峰数为多峰(单峰)，说明农业农村碳中和效应地区差异程度变大(缩小)，较高碳中和效应呈集聚(扩散)现象，存在多级分化(无分化)特征。

1.6 数据来源

林地、草地面积来自2001—2021年《中国统计年鉴》；化肥、农膜和农药消耗、农作物播种面积、农作物产量、牛、绵羊、山羊、马、骡、驴、猪、骆驼数量等来自2001—2021年《中国农村统计年鉴》；水产品产量、海洋捕捞业不同作业类型功率来自2001—2021年《中国渔业统计年鉴》；原煤、焦炭、汽油、液化石油气、煤油、柴油、燃料油、原油、天然气、电力使用量等来自2001—2021年《中国能源统计年鉴》。由于数据的可得性和资料的有限性，本研究不包括西藏、台湾、香港和澳门，部分缺失数据采用平滑法插值补充。

2 结果与分析 2.1 中国农业农村碳中和效应的时序特征

由表 8可知，中国农业农村碳中和效应呈平稳上升趋势，由2000年的4.12×10⁸ t增至2020年的6.94×10⁸ t，增长了68.53%，年均递增2.79%，环比增速总体处于波动上升态势。其中，农业农村碳排放由2000年的2.55×10⁸ t增至2020年的2.84×10⁸ t，增长了11.14%，年均递增0.56%；碳汇由2000年的6.67×10⁸ t增至2020年的9.78×10⁸ t，增长了46.58%，年均递增2.03%。值得注意的是，从近5年来看，农业农村碳排放从2016—2019年环比增速均呈负数，2020年虽呈正数，但明显慢于碳汇环比增速，说明中国碳抵消潜力巨大。究其原因，农业农村碳中和发展的相关政策对减排增汇起到了明显的推动作用。

2015年中国提出农业绿色转型发展战略，后续提出“双碳”目标以及农业强国背景下一系列碳相关文件出台，低碳农业举措的施行以及经济累积效应的不断凸显，中国低碳发展成效显著。

2.2 中国农业农村碳中和效应的空间特征

由图 1可知，2000年到2020年中国农业农村碳中和效应空间分布不均衡程度明显增强，多地色块明显加深，总体呈“中间低，四周高”的分布格局。由表 9可知，除上海外，中国其他省(市)农业农村碳中和效应均为正值，表明这些地区在一定程度上可净化第二、三产业所导致的部分温室气体。黑龙江占据榜首，其农业农村碳中和效应高达7.29×10⁷ t，河南紧随其后，为6.63×10⁷ t，高位排在3—10位的省(市)依次是内蒙古(5.27×10⁷ t)、广西(4.97×10⁷ t)、山东(4.89×10⁷ t)，四川(3.82×10⁷ t)、吉林(3.55×10⁷ t)、安徽(3.52×10⁷ t)、江苏(3.13×10⁷ t)、河北(3.04×10⁷ t)，10个省(市) 碳中和效应占全国总碳中和效应的比例达66.42%；上海的碳中和效应最低，为-1.24×10⁴ t，海南、北京、天津、浙江紧随其后，分别为1.59×10⁵，7.20×10⁵，1.60×10⁶，1.65×10⁶t，低位排到第6—10位的省(市)依次是青海(2.41×10⁶ t)、宁夏(2.59×10⁶ t)、福建(4.68×10⁶ t)、重庆(9.04×10⁶ t)、贵州(9.96×10⁶ t)，10个省(市) 碳中和效应仅占全国的4.72%。

综上分析可知，各省(市)的碳中和效应差距较大，两极分化现象较为突出。

2.3 中国农业农村碳中和效应水平的比较

考虑到中国各省份经济水平和地理条件，采用东、中、西部三大经济分区对中国农业农村碳中和效应水平进行分析，比值越低，效应水平越高，反之亦然。

由表 10可知，中国农业农村碳中和效应水平呈“中部地区>东部地区>西部地区”的态势，分别为23.21%，32.42%，36.24%，说明中国农业农村碳中和效应各地区存在较大差异。从碳排放结构来看，种植业中部地区碳排放最高，畜牧业碳排放西部地区最高，渔业碳排放东部地区最高，农村居民生活能源碳排放东部地区最高，分别为6.95×10⁷, 2.80×10⁷, 1.83×10⁷, 1.67×10⁷ t；从碳汇结构来看，种植业中部地区碳汇最高，畜牧业碳汇西部地区最高，渔业碳汇东部地区最高，林业碳汇中部地区最高，分别为3.77×10⁸, 3.56×10⁶, 1.98×10⁶, 7.45×10⁷ t。同时可以看出，种植业是减排增汇的最大源头。因此，产生这种态势的原因是中部地区农作物种植面积大，林地覆盖率高，碳汇种类多，吸收能力较强；东部地区居民生活能源消耗和渔业排放过高，林地、草地覆盖率较低，碳吸收率不高，渔业碳汇吸收能力不强，没有足量的碳汇抵消碳排放；西部地区碳排放虽不及其他地区，也主要依赖林地、草地碳汇，但其种植业碳汇过低，农作物吸收能力弱，碳汇能力相加也远远不及其他地区，无法抵消其他产业碳排放。

2.4 中国农业农村碳中和效应的动态演进特征

通过分析Kernel-Density密度曲线的分布区位、样态及峰度延展等可以反映农业农村碳中和效应分布态势及演进趋势。本研究选取2000，2005，2010，2015，2020年绘制中国及三大经济区的核密度分布曲线(图 2)进行趋势判断。

图 2a整体上描绘了中国农业农村碳中和效应的演变情况。密度函数曲线中心向右偏移，形态上右拖尾存在逐年拉长现象，表明中国农业农村碳中和效应呈平稳上升趋势，各省(市)空间差距逐步扩大。由双峰形态转向单峰形态过渡，表明较高碳中和效应呈集聚和扩散相结合的态势，存在两极分化特征。

图 2b—2d描绘了中国东中西部地区碳中和效应的演变情况。由图 2b可知，东部地区碳中和效应函数曲线中心向右偏移，右拖尾逐年拉长，存在双峰格局，表明东部地区碳中和效应呈上升趋势，区内差距逐步扩大，较高碳中和效应呈集聚现象，存在两极分化特征。由图 2c可知，中部地区碳中和效应核密度函数整体向右移动，右拖尾先短后长，表明区内碳中和效应呈上升趋势，并且2000—2005年区内差距有所缩小，但2005年以后差距均逐步扩大。波峰陡峭到平缓，到2020年已无明显波峰，表明中部地区碳中和效应在高值区分布较为均匀。由图 2d可知，西部地区碳中和效应函数曲线先右后左移动，表明西部地区碳中和效应在2000—2015年呈上升趋势，但在2015—2020年呈下降趋势。右拖尾先短后长，表明区内差距在2000—2005年有所缩小，2005—2020年逐步扩大。波峰存在双峰格局，并且峰值先降后升，表明西部地区在碳中和效应高值区呈集中态势，存在两极分化特征。

3 讨论

本研究基于种植业、畜牧业、渔业、农村居民生活能源4个方面37类主要碳源和种植业、林业、畜牧业、渔业四个方面28类主要碳汇种类，测算了中国农业农村碳排放量、碳汇量和碳中和效应。随后分析了中国农业农村碳中和效应时空特征和动态演进趋势，所取得的结论丰富了中国农业农村碳中和问题的研究。

(1) 2000—2020年中国农业农村碳中和效应逐年增加，并增速平稳，由此可见未来伴随着“双碳”目标下的减排增汇政策实施力度的增强，农业农村碳中和效应必将长势可观。其中本研究所得的碳中和效应体量与张坤等^[1]、王垚等^[4]、董文军等^[5]所测算的碳中和效应存在一定差异，主要由于本研究中对测算地区以及指标的选取都更为广泛和完整。碳源考虑了种植业、畜牧业、渔业和农村居民生活能源消费碳排放；碳汇将种植业、林业、畜牧业、渔业综合测算碳汇量。与仅测算种植业、畜牧业的碳中和效应相比出现升高的情况，但这无疑更加贴合现实农业发展情况，也从侧面印证了本研究碳中和效应指标测算体系的合理性和可行性。

(2) 中国农业农村碳中和效应空间特征和动态演进特征均显示区域发展不均衡，这与田云等^[11]、郭海红等^[34]的研究结果部分一致。未来发展农业农村碳中和的首要目标是实现区域低碳协同发展，结合各区域农业产业发展基础和潜力，系统规划各区域间低碳转型进程，构建空间关联网络，制定区域协同机制。其次由于各地区经济发展、农业现代化水平、农业基础条件等方面具有差异，应在国家农业低碳发展政策的总体指导原则下，各地区还应当因地制宜地制定适合本地区特点的农业农村碳中和发展规划。同时，种植业是减排增汇的最大源头，未来要充分发挥种植业的减排潜力，构建低碳、高效、绿色的农业生产模式。一方面，可以扩大种植碳吸收能力强的作物的规模，增加农作物光合作用的碳吸收。另一方面，可以科学配比农业化学品的投入，建立低碳高效的农业化学品投入体系。

(3) 本研究采用的碳排放及碳汇系数主要来源于IPCC以及相关文献资料等，但与实际勘测数据相比仍存在相对误差，未来研究可以运用遥感数据对核算系数进行修正，提高测算精度。其次，农村生活碳排放可以进一步细化为直接与间接碳排放，本研究仅考虑了直接碳排放，未来研究可以加入农村居民间接碳排放核算，完善农业农村碳中和效应核算体系。此外，限于篇幅的影响，未能将农业农村碳中和效应与农业经济、技术进步、能源结构等因素结合展开更深层次的关联分析，未来研究可以进一步探索农业农村碳中和效应的影响因素，为制定更具针对性的低碳发展政策提供参考依据。

4 结论

(1) 中国农业农村碳中和效应呈平稳上升趋势，由2000年的4.12×10⁸ t增至2020年的6.94×10⁸ t，增长了68.53%，年均递增2.79%，环比增速总体处于波动上升态势，其中碳汇增速明显快于碳排放增速。由此可见，中国在减排增汇方面取得了一定成效；

(2) 2000—2020年，中国农业农村碳中和效应空间分布不均衡程度明显增加，呈“中间低四周高”的分布格局，省域差异明显：排在前10位的省(市、区)占全国碳中和效应的66.42%，而排在后10位的省(市、区)仅占全国的4.72%；

(3) 碳中和效应水平呈：中部地区>东部地区>西部地区的态势，分别为23.21%，32.42%，36.24%，各地区间存在较大差异。从碳排碳汇内部结构来看，种植业是减排增汇的最大源头；

(4) 中国农业农村碳中和效应密度函数曲线中心整体向右偏移，各省(市、区)空间差距逐步扩大，存在区域发展不均衡的现象。东、西部地区在观测期呈现出向碳中和效应高值区的集聚效应，中部地区则呈现出扩散效应。