2007—2016年中国省域种植业碳排放测算、驱动效应与时空特征

发布时间：2021-07-09 22:47

　　【目的】研究中国省域种植业碳排放的驱动因素及时空特征对于制定针对性的种植业发展政策具有参考意义。【方法】通过构建了种植业碳排放测算体系,在科学核算2007—2016年中国种植业碳排放量的基础上采用对数平均指数分解方法（LMDI）对不同区域种植业碳排放驱动因素变动情况进行了分析。【结果】研究发现种植业碳排放总量在2007—2016这10年间经历了"快速上升-缓慢上升-略微下降"的3个阶段,其中种植业生产效率和农业劳动力规模呈现增长的负效应,农业生产结构、农业发展水平和城镇化率呈现增长或波动性增长的正效应。基于驱动效应的强弱,可将我国31个省（市、地区）划分为"种植业生产效率驱动减排型"",农业生产水平驱动排放型"和"均衡驱动型"3类区域。其中北京、上海、广东等7个省域在10年间种植业碳排放的驱动因素和效应强度产生了变动。【结论】在绿色发展目标框架下,积极转变种植业生产方式、加大种植业科技投入以及分阶段、分地区采用针对性农业发展政策,将是未来种植业绿色发展和低碳发展的主要思路。 

【文章来源】：四川农业大学学报. 2020,38(02)北大核心CSCD

【文章页数】：10 页

【部分图文】：

2007—2016年种植业碳排放总量与变动率

式（3)-(8）中ΔC代表相对基期的生产部门经济增加值总效；ΔCA代表相对于基期的种植业生产效率效应，ΔCB代表相对于基期的农业生产结构效应，ΔCC代表相对于基期的农业发展水平效应，ΔCD代表相对于基期的城镇化率效应，ΔCE代表相对于基期的农业劳动力规模效应。通过计算所得并绘制我国种植业碳排放驱动因素效应分解如图2所示。根据图2可得2007—2016年间种植业碳排放量总效应呈现整体上升的态势，只有2015—2016年间种植业碳排放总效应有微弱减少的现象。其次，种植业总效应增速趋于放缓。2009年，我国种植业碳排放总效应相较2008年增长了1.24倍，但2016年我国的种植业碳排放总效应相较于2015仅增长了0.15倍。但值得注意的是，在所研究的时期范围内，引起种植业碳排放变化的主要因素和强度是不断变化的。

为了更加直观地观察各省在分解出的5个因素的驱动效应差别，结合表4中的2016年数据，剥离出2016年各省种植业碳排放与碳减排的驱动效应情况，如表3所示。其中，由于种植业生产效率效应对种植业碳排放具有正向驱动效应，因此在位于Ai和Fi列的比例数字中，正数表示i省2016年该因素对种植业碳排放的驱动效应，负数表示i省2016年该因素对种植业碳减排的驱动效应；同理，在位于Bi、Ci和Di列的比例中，正数表示i省2016年该因素对种植业碳减排的驱动效应，负数表示i省2016年该因素对种植业碳排放的驱动效应。通过表3可以观察到：

【参考文献】：
期刊论文
[1]自上而下的城市能源消耗碳排放估算方法[J]. 景侨楠,侯慧敏,白宏涛,徐鹤.  中国环境科学. 2019(01)
[2]湖南省农地利用碳排放与农业经济关系研究[J]. 赵先超,宋丽美.  生态与农村环境学报. 2018(11)
[3]1997-2015年中国种植业碳排放时空特征及与农业发展的关系[J]. 陈炜,殷田园,李红兵.  干旱区资源与环境. 2019(02)
[4]湖北省农地利用方式变化的碳效应特征与空间差异[J]. 李波,刘雪琪,梅倩,王昆.  中国人口·资源与环境. 2018(10)
[5]我国农业碳排放的影响因素和南北区域差异分析[J]. 韦沁,曲建升,白静,李恒吉,刘莉娜,徐丽.  生态与农村环境学报. 2018(04)
[6]基于LMDI模型的东北地区农业碳排放测度与分解[J]. 李政通,白彩全,肖薇薇.  干旱地区农业研究. 2017(04)
[7]中国农业碳排放驱动因素的时空特征研究[J]. 何艳秋,戴小文.  资源科学. 2016(09)
[8]我国农业产业结构调整动因分析——基于扩展的柯布—道格拉斯生产函数[J]. 秦德智,邵慧敏.  农村经济. 2016(05)
[9]海南省建筑业碳排放核算分析及预测研究[J]. 尚春静,蔡晋,刘艳荣,廖伟志.  环境工程. 2016(04)
[10]中国农业能源消耗碳排放变化驱动因素及其贡献研究——基于Kaya恒等扩展与LMDI指数分解方法[J]. 戴小文,何艳秋,钟秋波.  中国生态农业学报. 2015(11)



本文编号：3274635