EN中文

JOURNAL OF NATURAL RESOURCES >

2025 , Vol. 40 >Issue 10: 2718 - 2734

DOI: https://doi.org/10.31497/zrzyxb.20251009

Regular Articles

Identification of the evolutionary relationship between green transformation of arable land use and the intensity of arable land carbon emissions in China's major grain-producing areas

  • YANG Yu , 1 ,
  • GAO Jia , 1, 2, 3
Expand
  • 1. School of Humanities and Law, Northeastern University, Shenyang 110169, China
  • 2. Liaoning Land Use and Protection Research Base, Shenyang 110169, China
  • 3. Key Laboratory of Land Protection and Utilization, Liaoning Provincial Department of Natural Resources, Shenyang 110169, China

Received date: 2024-09-09

  Revised date: 2025-01-08

  Online published: 2025-09-28

Fold

Abstract

In the context of green and low-carbon agricultural development, the green transformation of arable land use is crucial to the reduction of arable land carbon emissions. The dynamic evolution relationship between the green transformation of arable land use and the carbon emission intensity of arable land in China's major grain-producing areas from 2001 to 2021 was identified by vertical and horizontal grading method, Tapio decoupling model and EKC test method. The study found that: (1) From 2001 to 2021, the overall fluctuation of green transformation level of arable land use in major grain-producing areas increased, and the carbon emission intensity of arable land showed a "U"-shaped trend. (2) There were significant differences in the decoupling state between the green transformation level of arable land use and carbon emission intensity at each stage. A few provincial-level regions showed a gradual transition from negative decoupling to an ideal state. (3) There was a nonlinear relationship between green transformation of arable land use and carbon emission intensity. During the study period, the EKC fitting curves of green transformation of arable land use and carbon emissions in eight provincial-level regions exhibited three characteristics: "positive U", "positive N" and "inverted N". Research shows that, it is essential to focus on the carbon emission reduction effect of green transformation of arable land use in the future, stabilize the decoupling trend of green transformation of arable land use and carbon emission intensity, and promote the green transformation of agriculture in major grain-producing areas.

Key words： arable land use; green transformation of arable land use; carbon emission intensity; Tapio model

Cite this article

YANG Yu , GAO Jia . Identification of the evolutionary relationship between green transformation of arable land use and the intensity of arable land carbon emissions in China's major grain-producing areas[J]. JOURNAL OF NATURAL RESOURCES, 2025 , 40(10) : 2718 -2734 . DOI: 10.31497/zrzyxb.20251009

农业生产是农业碳排放的主要来源[1]。农业碳排放主要来自耕地利用过程中化肥、农药与机械等的投入使用[2]。作为农业大国，中国每公顷耕地农药、化肥、柴油投入量远高于世界平均水平[3]。2022年，中华人民共和国农业农村部、中华人民共和国国家发展和改革委员会联合印发的《农业农村减排固碳实施方案》中明确提出，推进农业农村减排固碳，是农业农村现代化建设的重要方向。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中提出要“推进农业绿色转型”。实现农业绿色转型与绿色发展的关键在于推动耕地利用绿色转型，耕地利用绿色转型成为新形势下解决传统耕地利用“高消耗、高污染”问题、减少耕地碳排放、实现耕地利用与环境协调发展的有效措施[4]。耕地利用绿色转型是在耕地利用转型中融入绿色发展理念，通过技术要素替代与空间结构转变实现耕地利用的绿色低碳、环境友好、资源节约等目标[5]。耕地利用绿色转型由三方面构成，即由数量结构表征的耕地利用空间转型，涵盖生产、生活、生态的功能转型[6]和反映资源利用、技术进步、绿色生产的模式转型[7]。在全球气候日益变暖背景下，为实现“碳达峰、碳中和”目标，推进耕地利用绿色转型对于平衡粮食生产与耕地碳减排至关重要[8]。
耕地利用绿色转型作为农业碳减排的新路径，其转型水平与耕地碳排放强度关系的理想状态应是趋向逐渐弱化的，即脱钩状态。但粮食主产区肩负保障粮食安全的重要责任，为追求粮食高产导致化肥、农药、机械等要素过度投入，造成粮食主产区耕地利用绿色转型与碳减排之间存在巨大矛盾，耕地利用绿色转型难以推进、碳排放强度居高不下，阻碍二者之间的关系向脱钩状态转变。然而，农业绿色技术的使用在一定程度上改变了传统的农业生产方式和生产要素的投入强度，进而减轻农业生产过程中的碳排放强度，随着耕地利用绿色转型进程的推进，能逐步推进农业低碳化发展，促进二者逐步趋向于脱钩状态。可见耕地利用绿色转型与耕地碳排放强度之间可能并非简单的线性关系，二者关系的演进特征有待进一步探讨。
梳理现有研究发现，脱钩模型[9]与环境库兹涅茨曲线常被用于分析碳排放与经济增长之间的关系[10]。“脱钩”的概念常用于解释变量之间的关系响应[11]，传统环境库兹涅茨曲线（Environmental Kuznets Curve，EKC）用于度量经济增长与环境污染的关系变化[12]。环境污染的度量指标由最初的大气污染浓度和工业排放量逐渐扩展到综合性更强的碳排放量，因此EKC曲线又进一步延伸到经济增长与碳排放量非线性关系的研究中[13]，并被广泛应用于农业生产领域[14,15]。EKC曲线在验证变量之间长期关系中具有较好的适用性，可以借助EKC曲线检验变量间的长期动态关系。因此，使用脱钩模型和EKC曲线检验耕地利用绿色转型与耕地碳排放强度关系的演进特征具备可行性，能够精准识别粮食主产区耕地利用绿色转型与耕地碳排放强度之间的动态演进关系。
粮食主产区在国家粮食安全体系中具有不可或缺的作用[16]。中国粮食主产区 ① 总面积约378万km2，约占全国土地面积的39.33%。2022年，粮食主产区粮食播种面积为89.029万km2，占全国粮食播种总面积的75.24%；粮食总产量53718万t，占全国粮食总产量的78.25%。粮食高产的同时是传统生产资料的过度使用，自2019年起，粮食主产区化肥、农药、地膜等使用量占全国使用量的70%以上，耕地碳排放总量与强度显著高于其他省份[4]。粮食主产区的耕地利用绿色转型与碳减排对其他省（自治区）具有一定的引领作用，因此本文以中国粮食主产区为研究区，测度2001—2021年粮食主产区耕地利用绿色转型水平和耕地碳排放强度，基于Tapio脱钩模型分析二者脱钩类型时序演变特征，运用EKC检验耕地利用绿色转型与耕地碳排放强度非线性关系并探究其区域异质性，提出统筹耕地利用绿色转型和碳排放平衡协调的区域耕地利用政策建议。研究成果能为推进粮食主产区农业绿色转型进程、农业农村减排固碳发展提供科学参考，为推进农业绿色转型、实现农业现代化及“双碳”目标提供有益借鉴。

1 理论分析

从耕地利用绿色转型与耕地碳排放强度的关联可知（图1），耕地资源是碳排放的基础载体，耕地利用的空间、功能、模式转型均会影响碳排放强度。耕地利用绿色转型本质上是追求可持续发展进程中，耕地利用系统内部要素与结构伴随气候环境变迁、社会经济条件变动等外部因素，经历持续调整与优化重组的过程，从而实现形态、功能及运作模式的根本性转变[17]。
图1 理论框架

Fig. 1 Theoretical framework diagram

耕地利用空间转型影响着耕地数量结构与空间格局，通过耕地面积的变动得到显化，因此耕地数量结构与空间布局直接决定农作物播种面积与耕地利用碳排放量。已有研究发现，耕地向建设用地、牧草地、未利用地的转变会显著增加碳排放，如果短期在固定耕地面积内提高粮食单产，导致耕地过度集约利用也会带来增加粮食生产碳足迹和碳投入的风险，而退耕还林还草则会提升碳汇潜力[18,19]。因此耕地利用空间结构特征与碳排放强度存在显著关联性，耕地面积的增加或减少会从根本上影响耕地碳排放强度。
耕地利用功能与模式转型隶属于耕地隐性转型[20]。基于诱致性生产替代理论[21]，随着耕地系统内部的变化及社会经济系统的不断演进，耕地利用中要素投入与效益产出会相应变化，生产要素投入组合的差异使各区域呈现不同的粮食单产与粮食品质，影响农民在不同生产生活方式之间的权衡选择。农村劳动力转移影响乡村人口集聚，耕地在单一的粮食生产功能中逐步融入社会、生态功能，耕地生产、生活、生态功能的此消彼长映射到耕地碳排放强度变化中[22]。同时，自然禀赋较差地区的耕地为保证高产稳产需要依赖更多的化肥、农药、机械与灌溉以弥补耕地本底质量不足，从而增加了生产投入产生的碳排放。耕地利用模式转型作为耕地碳减排的实践支撑，采用科学合理的灌溉方式、节水技术和现代农业机械，可以改善耕作条件、减少水和能源的消耗。通过调整耕地利用要素投入组合，发挥农药、化肥、农膜、翻耕、灌溉、农业机械等要素的正向影响，能缓解耕地环境负荷压力，从而减少耕地利用总碳排放量，进而降低碳排放强度。

2 研究方法与数据来源

2.1 研究区概况

本文以粮食主产区（辽宁省、吉林省、黑龙江省、内蒙古自治区、山东省、河北省、河南省、江苏省、安徽省、江西省、湖北省、湖南省和四川省）13个省（自治区）为研究区，识别2001—2021年间中国粮食主产区耕地利用绿色转型与碳排放之间的脱钩关系的演进过程。

2.2 数据来源

本文涉及的社会经济数据主要来自2001—2022年《中国统计年鉴》《中国农村统计年鉴》、粮食主产区13个省（自治区）统计年鉴以及各省（自治区）国民经济和社会发展统计公报等，部分缺失数据使用线性插值法进行补充。

2.3 研究方法

2.3.1 纵横向拉开档次法

现有研究较多使用熵值法确定权重系数进而测度耕地利用绿色转型水平[23,24]。但熵值法难以在时间及空间维度展现评价主体之间的差异。而纵横向拉开档次法在处理多维面板数据方面具有明显优势，因此运用纵横向拉开档次法进行耕地利用绿色转型水平动态评价[25]。具体测度步骤为：设粮食主产区耕地利用绿色转型水平评价指标为 x 1, x 2, x 3, ⋯, x m。 x i j t s为原始数据集， x i j t s表示时间 t s上第i个评价对象的第j个指标值， x i j * t s表示将指标进行无量纲化处理后依据时间 t s得到的数据集。其中，
正 向 指 标 ： x i j * = x i j - m i n x i j t s m a x x i j t s - m i n x i j t s
逆 向 指 标 ： x i j * = m a x x i j t s - x i j m a x x i j t s - m i n x i j t s
在多指标整合基础上，得出耕地利用绿色转型水平综合评价函数 y i t s为：
y i t s = ∑ j = 1 m w j x i j * t s         s = 1 ,   2 ,   ⋯ ,   T ; i = 1 ,   2 ,   ⋯ ,   n ; j = 1 ,   2 ,   ⋯ ,   m
式中： w j代表第 j项指标的权重；n为评价对象的个数（个）；m为评价指标的个数（个）；T为时间序列长度（年）。为反映各评价对象之间的差异，设定式（4）为 y i t s的总离差平方和 σ 2表达式：
σ 2 = ∑ s = 1 T ∑ i = 1 n y i t s - y - 2
y - = 1 T ∑ s = 1 T 1 n ∑ i = 1 n ∑ j = 1 m w j x i j * t s = 0
σ 2 = ∑ s = 1 T ∑ i = 1 n y i t s 2 = W T ∑ s = 1 T X s T X s W
式中：W为指标权重向量，表达式为 W = ( w 1 ,   w 2 ,   w 3 ,   ⋯ ,   w m ) T ； X s为n×m阶矩阵； y -为所有评价对象在所有时间点耕地利用绿色转型水平均值。由此，将耕地利用绿色转型水平综合评价函数转为非线性规划问题：
m a x W T H W s . t . W T W = 1 W > 0
式中： H = ∑ s = 1 T X s T X s为m×m阶矩阵，矩阵H最大特征值（ σ 2同时取得最大值）对应的特征向量W为权重系数，将W代入式（3）中，由此计算出各省份在不同年份的耕地利用绿色转型水平值。

2.3.2 Tapio脱钩模型

本文基于Tapio脱钩模型对13个省（自治区）耕地利用绿色转型水平与碳排放强度之间的关系进行检验，具体计算方法如式（8）所示：
U t = Δ C Δ L = C t + 1 - C t / C t L t + 1 - L t / L t
式中： U t为t时期脱钩指数，即耕地利用绿色转型水平与碳排放强度间的脱钩状态类型、脱钩程度； Δ C、 Δ L分别代表t时期耕地利用绿色转型水平、碳排放强度两者的变化率； C t与 C t + 1表示t时期起始年份与末端年份碳排放强度值（10-1 t/hm2）； L t和 L t + 1分别代表t时期起始年份和末端年份耕地利用绿色转型水平值。根据已有研究[26]，将0.8、1.2作为区分脱钩状态的临界值，构建耕地利用绿色转型水平与碳排放强度两者间脱钩类型的判定标准（表1）。
表1 脱钩类型判定标准

Table 1 Criteria for decoupling types

脱钩类型 判定标准
强脱钩 ΔCt<0, Δ L t > 0, Ut<0
弱脱钩 Δ C t > 0, Δ L t > 0, 0< Ut≤0.8
增长连接 Δ C t > 0, Δ L t > 0, 0.8< Ut≤1.2
增长负脱钩 Δ C t > 0, Δ L t > 0, U t > 1.2
强负脱钩 Δ C t > 0, ΔLt<0, Ut<0
弱负脱钩 ΔCt<0, ΔLt<0, 0< Ut≤0.8
衰退连接 ΔCt<0, ΔLt<0, 0.8< Ut≤1.2
衰退脱钩 ΔCt<0, ΔLt<0, U t > 1.2

2.3.3 EKC检验

环境库兹涅茨曲线可能不仅呈现“倒U”型或“U”型，一定情况下表现为“倒N”型或“N”型[27,28]。为进一步检验耕地利用绿色转型水平与耕地碳排放强度非线性关系，建立耕地利用绿色转型水平与碳排放强度的二次和三次函数方程，计量模型如式（9）~式（10）。
l n C i t = α i t + β 1 L i t + β 2 L i t 2 + ε i t
l n C i t = α i t + β 1 L i t + β 2 L i t 2 + β 3 L i t 3 + ε i t
为了有效减少异方差性，对式（9）、式（10）中的碳排放强度 C i t采用自然对数形式。 L i t表示耕地利用绿色转型水平； α i t为常数项； β 1、 β 2、 β 3为模型待估参数； ε i t为随机误差项；i和t分别代表省份与年份。根据模型参数估计，产生6种情况类型（图2）。图2中，当 β 1 = β 2 = β 3 = 0为Ⅰ型，变量之间不存在相关关系，图中未标注；当 β 1 ≠ 0， β 2 = β 3 = 0为Ⅱ型，二者之间为线性关系；当 β 1>0， β 2<0， β 3=0，二者为Ⅲ“倒U”型，当 β 1<0， β 2>0， β 3=0，两者为Ⅳ“正U型”；当 β 1<0， β 2>0， β 3<0，呈现Ⅴ“倒N”型； β 1>0， β 2<0， β 3>0，呈现Ⅵ“正N型”。
图2 EKC曲线类型判断标准[29]

Fig. 2 Criteria for judging EKC curve types

2.4 变量选择与测算

从耕地利用绿色转型与耕地碳排放的整体性和复杂性来看，单一指标难以全面反映耕地利用绿色转型与耕地碳排放内涵。因此，本文构建多指标体系对耕地利用绿色转型水平进行综合测度，并进行耕地利用碳排放强度核算。

2.4.1 耕地利用绿色转型

构建粮食主产区耕地利用绿色转型的测度指标体系（表2）。通过人均耕地面积[7,19]、人均农作物播种面积[17,24]、复种指数[17,30]、土地垦殖率[7,30]等指标来表示耕地利用空间转型。采用粮食作物播种比[23,30]、地均粮食产量[17,30]、粮食保障率[18,30]、耕地生态承载力[18]等指标来表示耕地利用功能转型。在空间及功能转型的基础上，通过有效灌溉率[7,30]、机械化水平[17,30]等衡量耕地利用的生产模式转型。
表2 耕地利用绿色转型评价指标体系

Table 2 The evaluation indicators of green transformation of arable land use

目标层及权重 因素层 指标层 指标解释 属性 参考文献
空间转型（0.3244） 数量形态（0.2872） 人均耕地面积/(hm2/人) 耕地面积/地区总人口 + [7,19]
人均农作物播种面积/(hm2/人) 农作物播种面积/地区总人口 + [17,24]
空间结构（0.7128） 复种指数/% 农作物播种面积/耕地总面积 + [17,30]
土地垦殖率/% 耕地面积/土地总面积 + [7,30]
功能转型（0.3236） 生产功能（0.5043） 粮食作物播种比/% 粮食作物播种面积/耕地总面积 + [23,30]
地均粮食产量/(t/hm2) 粮食总产量/耕地总面积 + [17,30]
生活功能（0.2411） 地均乡村人口/(人/hm2) 乡村人口/耕地总面积 + [23,31]
粮食保障率/% 粮食总产量/(常住人口×400 kg) + [18,30]
生态功能（0.2546） 地均化肥污染/(t/hm2) 化肥施用总量/耕地面积 - [17,19]
人均耕地生态承载力 人均耕地×耕地均衡因子×耕地产量因子 ② + [18]
模式转型（0.3520） 资源节约（0.3795） 有效灌溉率/% 有效灌溉面积/耕地总面积 + [7,30]
技术进步（0.3945） 耕种收综合机械化水平
/(kW/hm2)		 农业机械总动力/耕地总面积 + [17,30]
绿色生产（0.2260） 地均农药使用/(t/hm2) 农药投入量/耕地总面积 - [19]
地均塑料薄膜使用量/(t/hm2) 塑料薄膜使用量/耕地总面积 - [17]

注：括号内数据为目标层、因素层权重。

为检验评价指标体系的稳定性，采用变量替换的方法进行深入验证（表3），将功能转型中的粮食保障率替换为农业GDP贡献率（农业GDP占地区GDP比例），将模式转型中的地均塑料薄膜使用量替换为地均柴油用量，选取2001年、2011年、2021年这三个具有代表性的时间节点作为样本，将替换后与替换前两组测度值进行独立样本T检验，检验结果表明，显著性sig（即p值）>0.05，接受原假设，替换前后两组测度值不存在显著差异。表明尽管替换了评价指标体系中的部分关键变量，但整体测度结果并未出现较大波动，依旧维持在相对稳定状态，证明现有评价指标体系具有较强的稳定性与适应性。
表3 评价测度结果比较

Table 3 Comparison of evaluation measure results

省（自治区） 2001年 2011年 2021年
替换前 替换后 替换前 替换后 替换前 替换后
安徽 0.4471 0.4426 0.7010 0.6989 0.5801 0.5812
河北 0.4445 0.4312 0.5229 0.5311 0.4610 0.4701
河南 0.5292 0.5228 0.6703 0.6652 0.6210 0.6179
黑龙江 0.1900 0.1913 0.3086 0.3157 0.3682 0.3427
湖北 0.3326 0.3288 0.5582 0.5613 0.3869 0.3904
湖南 0.4853 0.4646 0.5605 0.5596 0.5334 0.5211
吉林 0.2403 0.2417 0.3011 0.3103 0.3366 0.3207
江苏 0.5542 0.5375 0.5711 0.5704 0.5922 0.5795
江西 0.3949 0.3915 0.5475 0.5413 0.4355 0.4380
辽宁 0.2753 0.2814 0.3269 0.3319 0.2732 0.2714
内蒙古 0.1025 0.1163 0.2101 0.2285 0.2351 0.2314
山东 0.5437 0.5322 0.6120 0.5987 0.5888 0.5902
四川 0.2183 0.2235 0.3247 0.3195 0.2957 0.3021
显著性（双尾） 0.944 0.983 0.941

2.4.2 耕地碳排放强度测算

耕地碳排放主要指在耕作生产过程中直接或间接排放的大量温室气体[32]。目前广泛应用的耕地碳排放测度方法是IPCC（Intergovernmental Panel on Climate Change）的碳排放系数法，由于计算简便、可以进行地区间比较而在全国[33]、省级[34]、市级[35]等维度下的碳排放量测算中得到普遍应用。本文根据以下几类耕地利用活动构建的耕地碳排放量测算公式为：
L U C E = C E g + C E e + C E f + C E p + C E q + C E k
式中： C E g代表农业生产中翻耕行为的碳排放量（10-1 t）； C E e表示农业机械运转过程中消耗柴油的碳排放量（10-1 t）； C E f 、 C E p、 C E q源于化肥施用、农药、塑料薄膜投入的碳排放量（10-1 t）； C E k表示耕作灌溉过程的碳排放量（10-1 t）。6种碳源碳排放系数及参考文献见表4。
表4 碳源与碳排放系数表

Table 4 Carbon source and carbon emission coefficient

碳源 碳排放系数 参考文献
翻耕 312.60 kg/km2 李波等[33]
柴油 0.59 kg/kg IPCC 2013[36]
化肥 0.89 kg/kg 美国橡树岭国家实验室[37]
农药 4.93 kg/kg 美国橡树岭国家实验室[37]
塑料薄膜 5.18 kg/kg 南京农业大学农业资源与生态环境研究所[38]
灌溉 266.48 kg/hm2 段华平等[39]
耕地利用过程中人类农业生产活动改变耕地原有自然覆被，参考相关研究[13]，将耕地利用碳排放强度表征为耕地利用碳排放量与耕地面积之比，即因耕地利用而产生的单位面积碳排放量，耕地利用碳排放强度计算公式为：
C i t = L U C E / A i t
式中： C i t为耕地利用碳排放强度（10-1 t/hm2）；LUCE为某一省份耕地利用碳排放总量（10-1 t）； A i t为省（自治区）当年耕地总面积（hm2）。

3 结果分析

3.1 耕地利用绿色转型与碳排放强度测度

中国粮食主产区2001—2021年耕地利用绿色转型水平与耕地碳排放强度测算结果如图3所示。
图3 研究区2001—2021年耕地利用绿色转型指数与碳排放强度热点图

Fig. 3 Location of the hot spots of green transition index and carbon emission intensity of arable land use in the study area from 2001 to 2021

从整体来看，2001—2021年各省（自治区）耕地利用绿色转型水平总体呈波动上升态势，耕地碳排放强度则表现为先降后升。安徽、河南、江苏、山东耕地利用绿色转型水平较高，耕地利用绿色转型水平均值分别为0.5574、0.6029、0.5714、0.5838。2001—2021年，四省耕地利用绿色转型水平值平均增长率分别为29.74%、17.36%、6.85%、8.3%，耕地利用绿色转型水平保持相对稳定。
相比较而言，研究期内黑龙江、吉林、辽宁、内蒙古耕地利用绿色转型进程缓慢同时耕地碳排放强度较高，耕地利用绿色转型水平值长期在较低水平徘徊，耕地利用绿色转型水平均值依次为0.2899、0.2950、0.2919、0.1847。从13个省（自治区）耕地利用绿色转型水平横向比较来看，耕地利用绿色转型水平区域分异显著。耕地利用绿色转型是区域农业生产转型的直接表现，安徽、河南、江苏、山东等省区域经济发展水平高、速度快，农民对耕地利用绿色转型、保护意愿相对较强。东北粮食主产区地形平坦适合大规模机械化耕作，但耕地利用绿色转型水平较低。
从粮食主产区耕地碳排放强度总体情况看，各省（自治区）的碳排放强度均呈先降后增的“U”型变化，研究前期耕地碳排放强度下降明显，从后期发展态势看，大多数省（自治区）耕地碳排放强度继续上升，但增速明显放缓，耕地碳排放强度趋于稳定。从研究区耕地碳排放强度横向比较来看，各省（自治区）耕地碳排放强度同样差异明显。黑龙江、吉林、辽宁、内蒙古耕地碳排放强度显著高于其他省份，东北粮食主产区种植业规模化机械化水平较高，粮食生产过程中能源消耗及要素投入较多，这也与其较低的耕地利用绿色转型水平相对应。分析其原因是：该区域农业发展与耕地利用受区域发展政策的影响，历史上长期粗放的开垦与高强度利用，导致黑土层变薄、土壤有机质含量下降、土壤碳固存能力减弱，耕地生态承载力退化，制约了耕地生态功能的转型提升；同时东北地区也面临严峻的人口外流问题，耕地闲置与撂荒严重，影响耕地生产、生活、生态功能转型。内蒙古自治区作为粮食主产区同时也是重要农牧区，耕地质量等级较低，立地条件较差，中低产农田仍占耕地总面积的大部分，化肥、农药、农膜要素使用不合理，存在一定程度的农业面源污染，在提高耕地碳排放强度的同时也阻碍耕地利用绿色生产模式转型。

3.2 耕地利用绿色转型与耕地碳排放脱钩状态演变

各省（自治区）不同年份耕地利用绿色转型与耕地碳排放脱钩系数及类型如表5所示。粮食主产区省际间耕地资源禀赋、农业生产方式与区域社会经济发展存在明显差异，导致耕地利用绿色转型水平与耕地利用碳排放强度脱钩关系存在显著的异质性。阶段1（2001—2006年）与阶段2（2006—2011年）增长负脱钩占据主导地位，耕地利用绿色转型水平增长，碳排放强度也随之增长。第一阶段并未出现强脱钩状态的省（自治区），脱钩类型集中表现为：增长负脱钩、增长连接、强负脱钩，7个在阶段1为增长负脱钩的省（自治区）在阶段2中仍有4个省（自治区）继续维持这一状态，并在后两个阶段向衰退脱钩过渡。而在阶段3（2011—2016年）与阶段4（2016—2021年）耕地利用绿色转型与碳排放强度呈现衰退脱钩状态的省（自治区）占比较高。阶段4中，呈现强脱钩状态的省（自治区）相较于其他3个阶段数量最多。
表5 粮食主产区耕地利用绿色转型与耕地碳排放强度脱钩系数

Table 5 Decoupling coefficient of green transformation of arable land use and arable land carbon emission intensity in major grain-producing areas

省（自治区） 2001—2006年 2006—2011年 2011—2016年 2016—2021年
ΔC ΔL U ΔC ΔL U ΔC ΔL U ΔC ΔL U
安徽 0.092 0.077 1.196 0.604 0.455 1.327 -0.255 -0.170 1.497 -0.083 -0.003 29.081
河北 0.322 0.014 23.793 0.001 0.161 0.007 -0.070 -0.092 0.760 -0.200 -0.029 6.916
河南 0.174 0.064 2.742 0.357 0.191 1.867 -0.070 -0.058 1.211 -0.112 -0.017 6.587
黑龙江 0.316 0.289 1.093 0.400 0.260 1.535 -0.131 0.153 -0.859 -0.131 0.035 -3.762
湖北 0.144 0.032 4.447 0.764 0.626 1.221 -0.383 -0.298 1.285 -0.146 -0.013 11.217
湖南 0.176 -0.045 -3.931 0.156 0.209 0.748 -0.041 -0.051 0.803 -0.087 0.003 -28.279
吉林 0.220 0.128 1.723 0.269 0.111 2.422 -0.071 0.098 -0.722 -0.060 0.018 -3.320
江苏 0.026 -0.037 -0.694 0.105 0.070 1.509 0.011 0.039 0.272 -0.075 -0.002 35.022
江西 0.202 0.069 2.952 0.169 0.297 0.569 -0.066 -0.178 0.371 -0.181 -0.032 5.707
辽宁 0.133 0.035 3.792 0.248 0.147 1.684 -0.180 -0.130 1.385 -0.144 -0.040 3.623
内蒙古 0.390 0.345 1.131 0.492 0.524 0.939 -0.015 0.025 -0.590 0.015 0.092 0.166
山东 0.159 0.029 5.503 -0.009 0.094 -0.099 -0.058 -0.037 1.559 -0.009 -0.00029 311.741
四川 0.090 -0.104 -0.863 0.702 0.660 1.063 -0.092 -0.106 0.869 -0.114 0.018 -6.263
从具体省（自治区）的脱钩类型演变趋势来看（图4），阶段1中脱钩类型占比最高的负脱钩状态省份在阶段2中仍有省份继续维持这一脱钩状态，但在后续两个阶段中演变为耕地碳排放强度与耕地利用转型水平同时降低的衰退脱钩状态（湖北、河南、辽宁、安徽、江苏）。一部分省份在中间阶段开始进入弱脱钩状态，其耕地利用绿色转型提升水平高于碳排放增长水平，但在最后阶段4又反弹回衰退脱钩状态（江西、河北、山东）。另一部分省份虽然在阶段1、2中处于负脱钩状态，但在后续阶段状态向好趋势明显，最终能够达到理想的强脱钩状态（黑龙江、吉林、四川）。但也有省份脱钩状态并不能够持续稳定，负脱钩、连接、强脱钩状态均出现（湖南）。
图4 4阶段不同脱钩关系的动态演变特征

Fig. 4 Dynamic evolution characteristics of different decoupling relationships in four stages

3.3 耕地利用绿色转型与碳排放强度EKC检验

Tapio脱钩模型分析结果反映出研究区耕地利用绿色转型与耕地碳排放强度之间存在脱钩演变关系。运用EKC模型进一步检验耕地利用绿色转型与耕地碳排放强度之间非线性变化关系。

3.3.1 平稳性检验与协整分析

首先对EKC模型中的时间序列变量进行稳定性检验，采用ADF检验方法分别对13个省（自治区）各变量（L表示耕地利用绿色转型水平，C表示耕地碳排放强度）及其一阶差分或二阶差分形式进行平稳性检验，以确保检验的稳健性，检验结果如表6所示。
表6 面板单位根分省检验结果

Table 6 Test results of panel unit root provinces

省份 变量 一阶差分序列 变量 一阶差分序列 省份 变量 一阶差分序列 变量 一阶差分序列
安徽 lnC -4.079（0.0068） L -4.413（0.0021） 黑龙江 lnC -4.180（0.0048） L -4.756（0.0006）
江苏 lnC -4.109（0.0061） L -5.435（0.0000） 内蒙古
自治区		 lnC -3.730（0.0204） L -4.140（0.0055）
河北 lnC -5.618（0.0000） L -4.424（0.0020）
江西 lnC -4.802（0.0005） L -4.457（0.0018） 湖北 lnC -4.025（0.0081） L -3.993（0.0090）
河南 lnC -3.693（0.0228） L -4.136（0.0056） 山东 lnC -3.772（0.0180） L -3.923（0.0113）
辽宁 lnC -4.110（0.0061） L -5.517（0.0000） 湖南 lnC -6.311（0.0000） L -5.069（0.0002）
吉林 lnC -5.61（0.0000） L -5.773（0.0000） 四川 lnC -4.711（0.0007） L -5.962（0.0000）

注：括号内为p值。

由表6可知，13个省（自治区）的所有变量在零阶时均存在单位根，河南、辽宁、内蒙古、山东变量一阶差分平稳性检验在5%的显著性水平下拒绝原假设，其他省份的变量一阶差分平稳性检验均在1%显著性水平下拒绝原假设。所有变量经一阶差分处理后均呈现平稳性，满足进行协整关系检验的条件。因此，本文基于westerlund方法对回归模型进行协整检验，统计量在1%的显著性水平下通过检验，表明组内变量之间存在长期稳定的关系，可以建立EKC检验模型。

3.3.2 EKC系数估计

在传统环境库兹涅茨曲线（EKC）模型的基础上引入三次项，首先对三次函数形式进行验证。若曲线拟合度不高，则去除三次项，进而检验二次函数形式。为规避潜在异方差影响，对耕地利用碳排放强度变量采取对数变换处理。根据式（9）与式（10）对各省（自治区）耕地利用绿色转型水平与耕地利用碳排放强度进行检验，其中8个省（自治区）的数据通过了模型检验，分别为河北、黑龙江、湖南、吉林、江苏、江西、内蒙古、山东。各省（自治区）的EKC曲线见图5。
图5 8个省（自治区）EKC拟合曲线

Fig. 5 EKC fitting curves of 8 provincial-level regions

由图5可知，中国粮食主产区中8个省（自治区）耕地利用绿色转型与耕地碳排放强度存在EKC关系。根据EKC形状的不同，将8个省（自治区）划分为三种类别：（1）“正U”型，即耕地碳排放强度随耕地利用绿色转型水平的提高表现出先降低后提升的演进特点，以黑龙江、吉林、内蒙古、江西为代表；（2）“正N”型，即耕地利用碳排放强度随耕地利用绿色转型水平的提高表现出“先增、后降、再增”的三阶段特征，河北、湖南、江苏三省EKC曲线呈现此种变化；（3）“倒N”型，表明耕地碳排放强度随耕地利用绿色转型水平变化呈现“先降、后增、再降”的三阶段特征，仅有山东省。
黑龙江、吉林、江西、内蒙古的EKC曲线呈“正U”型，表明随着耕地利用绿色转型水平的变化，耕地碳排放强度先降低并在越过拐点后逐步上升。虽然目前黑龙江、吉林两省处于强脱钩阶段，位于拐点左侧，但耕地利用绿色转型水平值较低，两省面临产业转型问题，农村人口外流严重，农村居民整体收入偏低，农村老龄化、空心化严重，耕地利用绿色转型意愿较低，制约耕地利用水平进一步提高。耕地利用绿色转型的各维度转型并不能持续推动耕地碳减排，随时间推移耕地碳排放强度逐步增强，有向拐点右侧过渡的趋势，由“强脱钩”逐步转为“弱脱钩”或“负脱钩”，使EKC曲线呈“正U”型。
河北、湖南、江苏EKC曲线呈“正N”型。河北、湖南，江苏作为社会经济较为发达的粮食主产省，耕地利用绿色转型水平与耕地碳排放强度呈现相对波动的发展态势，与其脱钩类型演变动态吻合。三省最初均处于“负脱钩”状态，耕地碳排放强度随耕地利用绿色转型发展而增强。在这一阶段，农业发展秉持“高投入—高产出”理念，追求作物产量提高与防治病虫害，化肥、农药等现代农业生产要素的过度投入，以及农业机械的广泛应用加剧了能源消耗，虽然有效保证了粮食产出推动耕地生产与生活功能转型，但也在一定程度上不可避免地引发了耕地生态破坏问题，导致碳排放强度提高，影响耕地生态功能转型。随着农业绿色发展与“双碳”目标驱动，开始重视耕地低碳可持续利用，推动耕地利用方式向环境友好、资源节约的方向转变，耕地碳排放强度随耕地利用绿色转型水平提高而降低，此时两者开始进入“弱脱钩”状态。但从拟合的EKC曲线最后一段可以看出，在第二个拐点右侧出现耕地碳排放强度随耕地利用绿色转型水平上升的趋势，这也与脱钩分析中三省最后阶段的“衰退脱钩”相符合。因此仍需进一步关注耕地利用对碳排放产生的负面影响，优化耕地利用方式并调整农业发展策略，促进生态环境与耕地利用绿色转型良性互动。
山东作为EKC曲线唯一呈“倒N”型的省份，耕地利用绿色转型水平与耕地碳排放强度的相互关系表明，在耕地利用绿色转型发展初期阶段，耕地碳排放强度随耕地利用绿色转型水平增长逐步下降，但到达一定阶段后开始上升，随后又开始下降，跨过第二个拐点。分析其原因是：一方面，伴随城镇化水平的不断提高，区域耕地格局的不断优化一定程度上促进了耕地集约利用，但也为追求粮食高产而产生农业生产要素过度投入等问题，导致耕地碳排放强度的波动变化。另一方面，农业绿色技术创新与“双碳”目标的持续深入，耕地固碳增汇的潜力被不断挖掘，推动区域耕地利用绿色转型。因此山东仍然需要持续性的政策措施，以实现耕地利用绿色转型与耕地碳排放强度的脱钩。

4 结论与讨论

4.1 结论

本文对中国粮食主产区2001—2021年耕地利用绿色转型水平与耕地碳排放强度脱钩状态进行了分析，基于纵横向拉开档次法测算耕地利用绿色转型水平，运用Tapio脱钩模型分析耕地利用绿色转型与碳排放强度脱钩演变特征，基于单位根与协整检验结果，拟合粮食主产区各省（自治区）耕地利用绿色转型与碳排放强度EKC曲线，结合脱钩状态演变分析了EKC曲线的差异性和趋同性。得到以下研究结论并提出相应对策建议：
（1）2001—2021年，粮食主产区各省（自治区）耕地利用绿色转型水平与碳排放强度分别呈波动上升与“正U”型变化。耕地空间格局的优化及农业生产方式的转变为耕地利用绿色转型水平的提升提供了有力支撑。耕地要素投入的减少是农业生产方式转变的直接结果。随着时间的推移，化肥、农药等要素投入的增长趋势逐渐得到遏制，并在部分年份出现下降。各省（自治区）的碳排放强度也均呈先降后增的“正U”型变化，前期耕地碳排放强度下降明显，后期大多数省（自治区）耕地碳排放强度继续上升，但增速明显放缓，耕地碳排放强度趋于稳定。未来可深入剖析耕地利用绿色转型水平波动上升的内驱因素与制约瓶颈，预估耕地利用发展趋势以及碳排放强度变化趋势，稳定耕地碳排放强度波动态势，持续推动耕地利用系统内部物质循环与能量流动的高效运转，提升耕地利用系统碳汇能力，促进粮食主产区耕地利用绿色转型水平持续稳定上升。
（2）耕地利用绿色转型水平与碳排放强度的省际脱钩类型时间演变存在异质性。根据各省（自治区）不同年份耕地利用绿色转型与耕地碳排放脱钩系数及类型研究结果，在阶段1与阶段2增长负脱钩类型省（自治区）最多，阶段3与阶段4衰退脱钩占比最高，但仍有少数省（自治区）呈现出从“负脱钩—脱钩”逐渐向好的脱钩理想状态。未来需进一步培育农业新质生产力推动耕地利用绿色转型与碳排放脱钩。发展农业绿色低碳循环科技，高效配置粮食主产省劳动力、技术、资金等生产要素，加强耕地数量、质量和生态“三位一体”保护，加快农业技术研发与应用扩展速度，推广耕地固碳减排技术，通过生态治理最大限度降低碳排放。
（3）耕地利用绿色转型与碳排放强度存在非线性关系，二者EKC拟合曲线演进过程在研究区内存在区域分异，呈现出“正U”型、“正N”型及“倒N”型三种曲线特征。EKC曲线为“正U”型的内蒙古自治区，可着力发展以绿色低碳为鲜明特征的循环农业，实施耕地土壤污染源头防治行动，加强受污染耕地土壤风险管控和绿色低碳修复。同为“正U”型的黑龙江、吉林两省，可持续进行黑土地保护性耕作，建设高标准农田，加强盐碱地改造利用，提高耕地利用绿色转型水平。EKC曲线呈“倒N”型的山东省，需促进耕地生产要素高效配置，充分发挥耕地利用功能转型、模式转型的碳减排效应，挖掘耕地系统固碳减排潜力。“正N”型的河北、湖南、江苏三省应通过持续性的财政补贴支农政策及耕地利用生态补偿，稳定耕地利用绿色转型与碳排放强度脱钩状态，避免进入负脱钩循环。

4.2 讨论

现有研究主要探讨了不同区域耕地利用转型水平或碳排放的时空演变特征[7,21-23]、驱动因素[17-19]等，并证明了耕地利用转型的碳减排效应[18]。但鲜有研究将耕地利用绿色转型与耕地碳排放强度联系起来，识别二者的相对差距与动态关系。本文探讨了粮食主产区不同阶段耕地利用绿色转型与耕地碳排放强度内在关联，剖析了耕地利用绿色转型与耕地碳排放的动态演进趋势，并检验二者多阶段非线性关系，在一定程度上丰富了转型视角下耕地碳排放的相关研究。
然而，农业发展与生态环境之间的关系是一个长期且复杂的动态过程。在空间尺度上，受限于基础数据的可获取性，本文仅考虑了以省域为研究单元的粮食主产区2001—2021年耕地利用绿色转型与耕地碳排放演变关系，未来研究可进一步深入探讨县域、斑块尺度下的耕地利用绿色转型碳减排路径。在时间尺度上，本文使用了20年数据检验耕地利用绿色转型与碳排放之间的EKC演进关系，尽管部分省（自治区）已经呈现出“正N”型或“倒N”型特征，但所选研究期可能难以完整呈现出经济发展与生态环境演变发展的全部阶段，已呈现出的演变特征可能仅是局部时间段内的波动状态。这种相对宏观的研究单元与有限的时间跨度，可能无法细致捕捉到长时期县域、斑块尺度下耕地利用的微观异质性与碳排放的整体变化特征。在评价维度上，考虑到研究数据的可获得性，文章主要讨论了翻耕、柴油、化肥、农药、灌溉等耕地利用碳排放，未来可深入耕地利用的全生命周期过程，分析包括“要素投入—过程利用—耕作产出”各个阶段的碳排放，精准识别耕地利用碳排放的关键环节，对比不同区域、不同种植模式下耕地碳排放特征。总之，接下来可进一步探究更长时间尺度、更小空间尺度下的耕地利用绿色转型与碳排放强度之间的演进关系。根据不同地区的资源禀赋与种植结构，构建考虑环境影响的涵盖“要素—过程—维度—目标—驱动因素”等的多维耕地绿色利用动态评估模型，探究更为完整耕地利用绿色转型与碳排放强度之间的EKC演进历程，因地制宜探索以耕地利用绿色转型推动耕地碳减排的有效路径，充分发挥耕地利用绿色转型的碳减排效应。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
符海月, 吴树东, 姜朋辉. 中国粮食主产区耕地绿色低碳利用转型指数构建及分区. 农业工程学报, 2023, 39(23): 238-246.

[FU H Y, WU S D, JIANG P H. Index and zoning for green and low-carbon transition of cultivated land utilization in main grain-producing areas of China. Transactions of the CSAE, 2023, 39(23): 238-246.]

[2]
徐清华, 张广胜. 农业机械化对农业碳排放强度影响的空间溢出效应: 基于282个城市面板数据的实证. 中国人口·资源与环境, 2022, 32(4): 23-33.

[XU Q H, ZHANG G S. Spatial spillover effect of agricultural mechanization on agricultural carbon emission intensity: An empirical analysis of panel data from 282 cities. China Population, Resources and Environment, 2022, 32(4): 23-33.]

[3]
游和远, 张津榕, 夏舒怡. 面向碳排放效率的多目标土地利用结构与布局优化研究: 以杭州市萧山区为例. 中国土地科学, 2023, 37(6): 74-83.

[YOU H Y, ZHANG J R, XIA S Y. Structure and layout optimization of multi-objective land use based on carbon emission efficiency: A case study of Xiaoshan district in Hangzhou city. China Land Science, 2023, 37(6): 74-83.]

[4]
NIU S D, LYU X, GU G Z, et al. A framework for quantification and integration of green development of cultivated land in China: From the perspective of adaptability-vitality-resistance. Land Degradation & Development, 2024, 35(5): 1938-1959.

[5]
柯楠, 卢新海, 匡兵, 等. 碳中和目标下中国耕地绿色低碳利用的区域差异与影响因素. 中国土地科学, 2021, 35(8): 67-76.

[KE N, LU X H, KUANG B, et al. Regional differences and inf luencing factors of green and low-carbon utilization of cultivated land under the carbon neutrality target in China. China Land Science, 2021, 35(8): 67-76.]

[6]
柯新利. 耕地利用转型研究的创新探索: 《耕地利用的可持续集约化: 理论探索与多尺度实证》评介. 中国土地科学, 2023, 37(3): 126-128.

[KE X L. Innovative research on cultivated land use transformation: A book review on sustainable intensive use of cultivated land: Theoretical exploration and multi-scale empirical analysis. China Land Science, 2023, 37(3): 126-128.]

[7]
高佳, 杨宇. 东北粮食主产区耕地利用绿色转型的时空格局及驱动因素. 中国土地科学, 2023, 37(10): 114-123, 134.

[GAO J, YANG Y. Spatial-temporal patterns and driving factors of green transformation for cultivated land use of major grain-producing areas in Northeastern China. China Land Science, 2023, 37(10): 114-123, 134.]

[8]
金书秦, 张哲晰, 胡钰, 等. 中国农业绿色转型的历史逻辑、理论阐释与实践探索. 农业经济问题, 2024, (3): 4-19.

[JIN S Q, ZHANG Z X, HU Y, et al. Historical Logic, theoretical interpretation, and practical exploration of China's agricultural transformation. Issues in Agricultural Economy, 2024, (3): 4-19.]

[9]
陈胜涛, 张开华, 张岳武. 农业碳排放绩效的测量与脱钩效应. 统计与决策, 2021, 37(22): 85-88.

[CHEN S T, ZHANG K H, ZHANG Y W. Measurement of agricultural carbon emission performance and decoupling effect. Statistics & Decision, 2021, 37(22): 85-88.]

[10]
陈德静, 王晓青, 濮励杰, 等. 城市土地利用效率时空演化及其与经济增长脱钩关系研究: 以长三角城市群为例. 长江流域资源与环境, 2023, 32(10): 2018-2031.

[CHEN D J, WANG X Q, PU L J, et al. Spatiotemporal evolution of urban land use efficiency and its decoupling relationship with economic growth: A case study of Yangtze River Delta urban agglomeration. Resources and Environment in the Yangtze Basin, 2023, 32(10): 2018-2031.]

[11]
张勇, 高羽洁. 淮河生态经济带城市用地扩张与经济增长的脱钩关系研究. 长江流域资源与环境, 2023, 32(8): 1573-1582.

[ZHANG Y, GAO Y J. Study on decoupling relationship between urban land expansion and economic growth in Huaihe River Eco-economic Belt. Resources and Environment in the Yangtze Basin, 2023, 32(8): 1573-1582.]

[12]
陈银娥, 陈薇. 农业机械化、产业升级与农业碳排放关系研究: 基于动态面板数据模型的经验分析. 农业技术经济, 2018, (5): 122-133.

[CHEN Y E, CHEN W. A study on the relationship among agricultural mechanization, industrial upgrading and agricultural carbon emission: The empirical research based on dynamic panel data model. Journal of Agrotechnical Economics, 2018, (5): 122-133.]

[13]
于卓卉, 毛世平. 中国农业净碳排放与经济增长的脱钩分析. 中国人口·资源与环境, 2022, 32(11): 30-42.

[YU Z H, MAO S P. Analysis of the decoupling of China's agricultural net carbon emissions from its economic growth. China Population, Resources and Environment, 2022, 32(11): 30-42.]

[14]
蒋黎, 王晓君. 环境质量与农业经济增长的内在关系探讨: 基于我国31个省区面板数据的EKC分析. 农业经济问题, 2019, 40(12): 43-51.

[JIANG L, WANG X J. EKC hypothesis verification between rural environmental quality and agricultural economic growth in China: An empirical analysis based on panel data of 31 provinces. Issues in Agricultural Economy, 2019, 40(12): 43-51.]

[15]
吴金凤, 王秀红. 不同农业经济发展水平下的碳排放对比分析: 以盐池县和平度市为例. 资源科学, 2017, 39(10): 1909-1917.

DOI

[WU J F, WANG X H. Comparative analysis of agricultural carbon emissions at different agricultural economic development levels in Yanchi county and Pingdu city. Resources Science, 2017, 39(10): 1909-1917.]

DOI

[16]
邓荣荣, 肖湘涛, 刘凡璠. 公平和效率双重视角下中国粮食主产区农业碳排放研究. 调研世界, 2023, (6): 14-25.

[DENG R R, XIAO X T, LIU F F. Agricultural carbon emissions in major grain-producing areas of China from the perspectives of fairness and efficiency. The World of Survey and Research, 2023, (6): 14-25.]

[17]
柯善淦, 崔海莹, 卢新海, 等. 耕地利用绿色转型的时空格局及其驱动机制研究: 以湖北省为例. 中国土地科学, 2021, 35(12): 64-74.

[KE S G, CUI H Y, LU X H, et al. Research on the spatial-temporal pattern and mechanisms of green transition of farmland use: A case of Hubei province. China Land Science, 2021, 35(12): 64-74.]

[18]
王梦成, 董又铭, 林娜娜, 等. 双碳背景下耕地利用转型对耕地利用碳排放的影响及其空间溢出效应: 以黄淮海平原为例. 自然资源学报, 2024, 39(2): 352-371.

DOI

[WANG M C, DONG Y M, LIN N N, et al. Impact of farmland use transition on farmland use carbon emissions and its spatial spillover effects under the double carbon background: A case study of Huang-Huai-Hai Plain. Journal of Natural Resources, 2024, 39(2): 352-371.]

[19]
潘子纯, 田蓬鹏, 马林燕, 等. 城乡融合对耕地利用转型的影响研究. 地理科学进展, 2024, 43(2): 231-245.

DOI

[PAN Z C, TIAN P P, MA L Y, et al. The impact of urban-rural integration on cultivated land use transformation. Progress in Geography, 2024, 43(2): 231-245.]

DOI

[20]
代亚强, 张玥, 柯新利, 等. 耕地利用转型与县域城镇化的耦合作用及其影响因素分析: 以河南省为例. 自然资源学报, 2024, 39(1): 206-227.

DOI

[DAI Y Q, ZHANG Y, KE X L, et al. Coupling interaction and driving factors of cultivated land use transition and county urbanization: A case study in Henan province. Journal of Natural Resources, 2024, 39(1): 206-227.]

[21]
卢新海, 王慧, 唐一峰, 等. 湖北省耕地利用转型对农民增收的空间溢出效应研究. 长江流域资源与环境, 2021, 30(7): 1757-1767.

[LU X H, WANG H, TANG Y F, et al. Study on the spatial spillover effect of the transformation of farmland utilization on farmers' income in Hubei province. Resources and Environment in the Yangtze Basin, 2021, 30(7): 1757-1767.]

[22]
ZHOU X, YU J, LI J F, et al. Spatial correlation among cultivated land intensive use and carbon emission efficiency: A case study in the Yellow River Basin, China. Environmental Science and Pollution Research International, 2022, 29(28): 43341-43360.

[23]
卢新海, 崔海莹, 柯善淦, 等. 湖北省耕地利用绿色转型与粮食全要素生产率的耦合协调及其驱动机制研究. 中国土地科学, 2022, 36(8): 75-84.

[LU X H, CUI H Y, KE S G, et al. Coupling coordination and driving mechanism of green transition of farmland use and total factor productivity of grain in Hubei province. China Land Science, 2022, 36(8): 75-84.]

[24]
柯新利, 邓洁, 宋钰. 长江经济带耕地利用绿色转型与城乡融合耦合协调发展的时空格局研究. 生态学报, 2024, 44(13): 5773-5785.

[KE X L, DENG J, SONG Y. Spatial-temporal pattern of coupling coordination between green transition of farmland use and urban-rural integration development in the Yangtze River Economic Belt. Acta Ecologica Sinica, 2024, 44(13): 5773-5785.]

[25]
邓宗兵, 肖沁霖, 王炬, 等. 中国数字经济与绿色发展耦合协调的时空特征及驱动机制. 地理学报, 2024, 79(4): 971-990.

DOI

[DENG Z B, XIAO Q L, WANG J, et al. Spatio-temporal characteristics and driving mechanism of the coupling coordination between digital economy and green development in China. Acta Geographica Sinica, 2024, 79(4): 971-990.]

DOI

[26]
KANG W M, LIANG B F, XIA K Y, et al. Decoupling of carbon emissions from economic growth: An empirical analysis based on 264 prefecture-level cities in China. Chinese Journal of Urban and Environmental Studies, 2021, 9(3): 2150017, Doi: 10.1142/S2345748121500172.

[27]
SELINGER T J. Canada's environmental review of the North American free trade agreement. Journal of Professional Issues in Engineering Education and Practice, 1993, 119(3): 246-253.

[28]
LI F, LI Y. Examination of Chinese environmental Kuznets Curve using provincial panel data of industrial waste gas. IOP Conference Series: Earth and Environmental Science, 2019, 227: 062045, Doi:10.1088/1755-1315/227/6/062045.

[29]
QU Y B, ZHANG Q Q, ZHAN L Y, et al. Understanding the nonpoint source pollution loads' spatiotemporal dynamic response to intensive land use in rural China. Journal of Environmental Management, 2022, 315: 115066, Doi: 10.1016/j.jenvman.2022.115066.

[30]
牛善栋, 方斌, 崔翠, 等. 乡村振兴视角下耕地利用转型的时空格局及路径分析: 以淮海经济区为例. 自然资源学报, 2020, 35(8): 1908-1925.

DOI

[NIU S D, FANG B, CUI C, et al. The spatial-temporal pattern and path of cultivated land use transition from the perspective of rural revitalization: Taking Huaihai Economic Zone as an example. Journal of Natural Resources, 2020, 35(8): 1908-1925.]

[31]
高佳, 赵荣荣, 王盼盼. 耕地多功能对粮食生产能力变化的敏感度研究. 自然资源学报, 2024, 39(6): 1434-1449.

DOI

[GAO J, ZHAO R R, WANG P P. Study on the sensitivity of cultivated land multifunction to the changes of grain productivity capacity. Journal of Natural Resources, 2024, 39(6): 1434-1449.]

DOI

[32]
丁宝根, 杨树旺, 赵玉, 等. 中国耕地资源利用的碳排放时空特征及脱钩效应研究. 中国土地科学, 2019, 33(12): 45-54.

[DING B G, YANG S W, ZHAO Y, et al. Study on spatio-temporal characteristics and decoupling effect of carbon emission from cultivated land resource utilization in China. China Land Science, 2019, 33(12): 45-54.]

[33]
李波, 张俊飚. 基于投入视角的我国农业碳排放与经济发展脱钩研究. 经济经纬, 2012, 29(4): 27-31.

[LI B, ZHANG J B. Decoupling of China's agriculture carbon emissions and economic development based on the input perspective. Economic Survey, 2012, 29(4): 27-31.]

[34]
宁静, 王震, 杜国明, 等. 东北地区农业碳排放特征与农业经济的脱钩状态分析. 经济地理, 2023, 43(11): 173-180.

DOI

[NING J, WANG Z, DU G M, et al. Characteristics of agricultural carbon emissions in Northeast China and its decoupling state with agricultural economy. Economic Geography, 2023, 43(11): 173-180.]

DOI

[35]
李璐, 张斌, 夏秋月, 等. 土地资源错配对碳排放效率的空间效应与影响路径: 来自长江经济带108个城市的经验证据. 资源科学, 2023, 45(5): 1059-1073.

DOI

[LI L, ZHANG B, XIA Q Y, et al. Spatial effect of land resource misallocation on carbon emission efficiency and its influence path: Empirical evidence from 108 cities in the Yangtze River Economic Belt. Resources Science, 2023, 45(5): 1059-1073.]

[36]
Climate Change 2013: The Physicle Science Basis Technical Summary. IPCC, 2013.

[37]
马涛. 上海农业碳源碳汇现状评估及增加碳汇潜力分析. 可持续发展, 2011, 28(5): 38-41.

[MA T. Evaluation of agricultural carbon source and carbon sink in Shanghai and analysis of potential for increasing carbon sink. Journal of Agricultural Resources and Environment, 2011, 28(5): 38-41.]

[38]
王宝义, 张卫国. 中国农业生态效率测度及时空差异研究. 中国人口·资源与环境, 2016, 26(6): 11-19.

[WANG B Y, ZHANG W G. A research of agricultural eco-efficiency measure in China and space-time differences. China Population, Resources and Environment, 2016, 26(6): 11-19.]

[39]
段华平, 张悦, 赵建波, 等. 中国农田生态系统的碳足迹分析. 水土保持学报, 2011, 25(5): 203-208.

[DUAN H P, ZHANG Y, ZHAO J B, et al. Carbon footprint analysis of farmland ecosystem in China. Journal of Soil and Water Conservation, 2011, 25(5): 203-208.]

Options
Outlines

/

〈 〉