Research on the Basic Status and Driving Factors of Agricultural Carbon Emissions in China
-
摘要:
基于农业能源利用、农用物资投入、水稻种植和畜禽养殖四大农业碳排放源测算我国2013—2022年的农业碳排放，并运用LMDI模型对我国农业碳排放进行影响因素分解。结果表明：2013—2022年我国农业碳排放量呈现波动式下降趋势，碳排放强度呈现持续下降趋势，农业碳排放的总量和强度省际差异比较明显。农业生产效率因素能有效抑制农业碳排放，农村经济发展因素是导致我国农业碳排放量增加的主要因素，且是各分解变量中唯一正向驱动碳排放量增加的因素。进而提出减少农业碳排放，促进农业高质量发展应从推广农业科技、加快农业农村环境治理和引导省际减排互动等方面协同推进等建议。
Abstract:This article calculated China’ s agricultural carbon emissions from 2013 to 2022 based on four major agricultural carbon emission sources: agricultural energy utilization, agricultural material input, rice cultivation, and livestock and poultry breeding. The LMDI model was used to decompose the influencing factors of China’ s agricultural carbon emissions. The results showed that, from 2013 to 2022, China’ s agricultural carbon emissions showed a fluctuating downward trend, and the carbon emission intensity showed a continuous downward trend. The total amount and intensity of agricultural carbon emissions showed significant inter provincial differences. The factor of agricultural production efficiency could effectively suppress agricultural carbon emissions, and the factor of rural economic development was the main factor leading to the increase of agricultural carbon emissions in China, and it was the only positive driving factor for the increase of carbon emissions among various decomposition variables. Furthermore, it was proposed that, reducing agricultural carbon emissions and promoting high-quality agricultural development should be promoted through collaborative efforts such as promoting agricultural technology, accelerating agricultural and rural environmental governance, and guiding inter provincial emission reduction interactions.
-
一、 文献综述
农业碳排放是温室气体的重要来源，尤其以二氧化碳、氧化亚氮和甲烷为主的温室气体排放会导致全球气候变暖进而引起诸如极端天气、生态系统破坏等一系列严重后果 [1]。对于碳达峰、碳中和问题，党的二十大报告向我国以及全世界明确传递了持续推进“双碳”工作的坚定决心，时刻以积极主动的姿态参与气候治理，承担“双碳”责任[2]。实现碳达峰、碳中和是以习近平同志为核心的党中央统筹国内国际两个大局作出的重大战略决策，是着力解决资源环境约束突出问题、实现中华民族永续发展的必然选择[3]。完成“双碳”目标的关键在于减少碳源和增加碳汇，而如何做好减排工作是重要基础[4]。碳排放的重要源头虽然是二、三产业，但涉及第一产业由农业生产部门所产生的碳排放量也不容轻视[5]。目前，关于涉农领域碳排放研究大致可分为以下几个方面：（1）农业碳排放测算。农业碳排放源比起工业碳排放源更加多元化，具体涉及农业生产要素投入[6]、农业能源消耗[7]、水稻种植[8]、畜牧业养殖[9]等单一或者部分视角。（2）农业碳排放时空特征研究。李绵德等人得出河西走廊地区农业碳排放总体呈下降趋势，农业系统正在向碳汇转变的结论[10]。田云等发现伴随着年份波动湖北省各州市碳排放效率存在较大差异[11]。李远玲等通过建立农地利用、禽畜养殖、水稻种植的碳源指标体系，分析得出湖南省各市县农业碳排放存在显著的同质性[12]。（3）农业碳排放影响因素分析。常青等认为农业从业人口、农业机械总动力各因子交互作用较强且是农业碳排放空间分异的关键因素[13]。孟军等认为农业经济水平与农业生产结构能正向促进黑龙江省的农业碳排放量，而农业生产效率与农业劳动力规模是抑制农业碳排放的主要影响因素[14]。李宽等充分论证了农村产业融合通过空间溢出效应对邻近省份区域农业碳排放存在显著的“减碳效应”[15]。
通过以上文献梳理可知，有关农业碳排放的研究已经非常丰富，这有助于厘清中国农业碳排放的基本现状、发展趋势以及实现路径。但是，目前研究尚存在不足之处，现有的农业碳排放综合评价指标体系未能完全纳入农业能源利用；其次，部分研究在阐述“碳”概念时粗略等同于“二氧化碳”，由此一定程度上会导致测算出的中国农业碳排放总量偏低。因此，为了弥补以上不足之处，本文在保持农用物资投入、水稻种植及畜禽养殖等测算路径不变的前提下纳入农业能源消耗的碳排放，更能系统、全面地探讨中国农业碳排放现状及特征[16]，再从农业生产效率、农业产业结构、农业经济发展和劳动力规模等四方面对我国农业碳排放进行影响因素分析[17]。
二、 研究方法与数据来源
（一） 农业碳排放测算
本文的农业碳排放测算指标涵盖四个方面的内容[18]。一是农业能源利用所引发的碳排放，包括焦炭、煤油、柴油、燃料油、热力和电力等六方面的能源消耗所产生的碳排放之和。二是农用物资投入所导致的碳排放，包括化肥、农药和农膜在农业活动利用中所产生的碳排放。三是水稻种植所产生的甲烷气体排放，由于地区气候差异问题，水稻的生命周期不同，因此在此分为早稻、中稻和晚稻三种类别。四是畜禽养殖所产生的甲烷以及氧化亚氮气体排放，包括牛、马、驴、骡、骆驼、羊、猪、鸡、鸭等畜禽。
参考宁静[19]和庞洪伟[20]等人的研究，农业碳排放测算公式如下：
$$ C=\sum {C}_{c}=\sum {T}_{c}\times {\delta }_{c} $$ (1) $$ \gamma =\frac{C}{GDP} $$ (2) $ {T}_{c} $ 和$ {\delta }_{c} $ 分别表示不同种类碳源的实际量和所对应的碳源系数，其碳源系数均来自于联合国政府间气候变化专门委员会（IPCC），$ C $ 表示各碳源加总后的碳排放总量，$ \mathrm{\gamma } $ 表示碳排放强度。为保证测算的准确性和标准性，本文将碳、甲烷、氧化亚氮等温室气体统一换算为二氧化碳，三者和二氧化碳的转换系数分别为44/12、25和298（转换系数来自IPCC第四次评估报告）。（二） 农业碳排放影响因素分解
Yoichi Kaya学者于1989年首次在联合国政府气候变化专门委员的相关会议上提出kaya恒等式来研究各个有关因素对于农业碳排放的影响因素，而LMDI模型则是在kaya恒等式基础上具有消除残差、因素可逆的特点[21]。因此本文采用LMDI模型从农业生产效率、农业产业结构、经济发展水平和劳动力规模4个方面来分析我国农业碳排放的影响因素，LMDI模型分解公式如下：
$$ C=\frac{C}{PGDP}\times \frac{PGDP}{AGDP}\times \frac{AGDP}{AL}\times AL $$ (3) $$ \alpha =\frac{C}{PGDP} $$ (4) $$ \beta =\frac{PGDP}{AGDP} $$ (5) $$ \gamma =\frac{AGDP}{AL} $$ (6) 式（3）（4）（5）（6）中：
$ C $ 、$ PGDP $ 、$ AGDP $ 、$ AL $ 分别代表我国农业碳排放总量、农牧业的总产值、农林牧渔业总产值以及从事农业的劳动力人数；$ \alpha 、\beta 、\gamma $ 分别代表农业生产效率、农业产业结构以及农业经济发展水平。通过对数加和分解等处理，被分解的影响因素对我国农业碳排放的贡献值表达式如下：
$$ \Delta\alpha=\frac{C_t-C_0}{{\mathrm{ln}}C_t-{\mathrm{ln}}C_0}\times({\mathrm{ln}}\alpha_t-{\mathrm{ln}}\alpha_0) $$ (7) $$ \Delta \beta =\frac{C_t-C_0}{{\mathrm{ln}}C_t-{\mathrm{ln}}C_0}\times ({\mathrm{ln}}{\beta_t - {\mathrm{ln}}\beta _{0}}) $$ (8) $$ \Delta \gamma =\frac{C_t-C_0}{{\mathrm{ln}}C_t-{\mathrm{ln}}C_0}\times ({\mathrm{ln}}{\gamma_t-{\mathrm{ln}}\gamma }_{0}) $$ (9) $$ \Delta AL=\frac{C_t-C_0}{{\mathrm{ln}}C_t-{\mathrm{ln}}C_0}\times ({\mathrm{ln}}{AL_t- {\mathrm{ln}}AL_{0}}) $$ (10) $$ \Delta C=\Delta \alpha +\Delta \beta +\Delta \gamma +\Delta AL $$ (11) 式（7）（8）（9）（10）（11）中：
$ \Delta \alpha $ 、$ \Delta \beta $ 、$ \Delta \gamma $ 、$ \Delta AL $ 分别代表第t年与基期相比农业生产效率、农业产业结构、经济发展水平和劳动力规模等影响因素对我国农业碳排放的单独贡献值；$ \Delta C $ 代表各分解因素对我国农业碳排放的总贡献值。（三） 数据来源
本文测算2013—2022年农业碳排放涉及的农业能源利用各指标数据来源于《中国能源统计年鉴》，而农业物资投入、水稻种植及畜禽养殖等原始数据来源于《中国农村统计年鉴》以及31个省份（不含港澳台地区）的统计年鉴，影响因素分解所需的指标数据来源于国家统计局，个别年份指标缺失数据采用均值插补法补齐。
三、 中国农业碳排放实证分析
（一） 农业碳排放时序特征分析
根据碳排放测度公式，计算出2013—2022年全国不同类型碳源所产生的农业碳排放总量及强度见表1。
表 1 2013—2022年中国农业碳排放总量及强度年份 农业能源利用 农用物资投入 水稻种植 畜禽养殖 碳排放
量/万t比率/% 碳排放
量/万t比率/% 碳排放
量/万t比率/% 碳排放
量/万t比率/% 总量/万t 强度
（t/万元）2013 2968.68 10.86 7477.67 28.34 6533.50 23.91 10349.56 37.87 27329.41 0.34 2014 3009.76 10.89 7595.78 28.55 6574.60 23.80 10445.99 37.81 27626.13 0.33 2015 3057.95 11.00 7621.72 28.39 6655.22 23.93 10473.85 37.66 27808.74 0.32 2016 3043.97 11.06 7566.08 28.40 6698.31 24.35 10201.80 37.08 27510.16 0.31 2017 3048.92 11.47 7373.62 28.41 6737.84 25.34 9425.44 35.45 26585.82 0.30 2018 3006.71 11.55 7082.59 27.59 6715.03 25.79 9233.23 35.46 26037.56 0.29 2019 2976.43 11.97 6772.87 27.37 6658.97 26.78 8453.20 34.00 24861.47 0.26 2020 2938.66 11.47 6587.46 25.63 6677.40 26.07 9410.74 36.74 25614.25 0.24 2021 2923.00 11.26 6481.79 24.83 6626.80 25.53 9929.49 38.25 25961.07 0.23 2022 2917.15 11.18 6353.29 24.35 6634.86 25.43 10186.64 39.04 26091.94 0.22 累计增幅/% −1.74 −15.04 1.55 −1.57 −4.53 −35.29 由表1可知，各种类型碳源的碳排放量和碳排放强度整体上均出现不同程度的减少趋势。2022年我国农业碳排放总量为26091.94万t，比2013年减少了4.53%，年均递减0.52%；农业碳排放强度为0.22，比2013年减少35.29%，年均递减4.72%。其中，畜禽养殖、水稻种植、农用物资投入、农业能源利用的碳排放量均呈现递减，分别为10186.64万t、6634.86万t、6353.29万t和2917.15万t，占比依次为39.04%、25.43%、24.35%和11.18%，农业能源利用占比最低，农用物资投入和水稻种植占比相差无几，而畜禽养殖占比最高。从整体上看，2013—2022年中国农业碳排放总量演进特征可以分为“上升—下降—再上升”三个时间阶段。在2013—2015年处于上升阶段，农用物资投入包括化肥、农药以及农膜的使用量增加，是导致农业碳排放总量上升的主要原因。在2015—2019年处于下降阶段，畜禽养殖规模的缩减和农用物资投入的减少是导致该阶段下降的关键因素，且畜禽养殖碳排放量和农业碳排放总量均达到十年中的最小值，而农业能源利用和水稻种植伴随着轻微波动对农业碳排放总量影响不太显著。在2019—2022年处于上升阶段，农业能源利用和水稻种植产生的农业碳排放变化幅度不大，农用物资投入有所减少，但畜禽养殖碳排放大幅度回弹的迹象导致农业碳排放总量呈现回升趋势。在2013—2022年期间农业碳排放强度则一直呈现下降趋势，降幅情况相对比较稳定。
（二） 农业碳排放省际差异分析
由表2可知，不同省区市农业碳排放的总量和强度差异较为明显。2013年我国农业碳排放总量较高的省区市有湖南、河南、四川、湖北、江苏、安徽等6个，这些省区市的地理位置大多位于或者紧邻中部地区，其碳排放总量均达到了1500万t以上，占全国碳排放总量的37.54%，这是因为中部地区产业结构较为单一，能源消费结构也相对不合理，农业结构更多地依赖于传统的高碳排放农业生产方式，如化肥、农药使用较多，农业机械化程度低，这些因素会导致农业碳排放量增加。我国农业碳排放总量较少的有上海、天津、北京，其碳排放总量均处于100万t以下，占全国碳排放总量的0.84%，并且是农业碳排放量降幅程度最大的3个省区市，这是因为他们位于我国经济发达的地区，工业化程度高，农业在地区经济中的比重相对较小，并且这些地区主要以种植经济作物和蔬菜为主，相对较少种植水稻等容易产生甲烷的作物，降低了农业碳排放。与2013年相比较，2022年各省区市碳排放总量排名变化幅度不大，少数省区市碳排放总量呈现上升趋势，而以宁夏、新疆、青海和内蒙古为代表的西部省区市碳排放总量上升幅度较大，这是因为西部地区存在大规模的畜牧业和土地退化问题，畜禽的粪便在堆积和分解过程中会释放出大量的甲烷和二氧化碳等温室气体；土地质量下降会导致农业生产效率降低，需要增加化肥、农药等的使用量，因此增加了碳排放。2022年按农业碳排放强度大小将31个省区市划分为两个层次。第一层次为碳排放强度在1.0 t/万元以上的省区市，其中西藏碳排放强度高达1.942 t/万元，这是因为西藏地区90%的国土面积处于高寒环境中，经济发展相对滞后，基础设施建设和民生改善方面面临着巨大压力，而城市开发建设、产业结构升级难以避免会加速工业废气、废水等碳排放增加，因此推进保护与发展的任务十分艰巨。青海碳排放强度达到1.026 t/万元，这是因为青海也处于高寒区，工业能源消耗比重较高，钢铁、煤炭、化工等资源型产业具有高排放特征。第二层次为碳排放强度在0.5 t/万元以下的省区市，这些省区市从地域上看主要分布于中部和东部地区，相对于西部地区传统的煤炭能源的使用，中部和东部地区的能源结构更加多元化，且中部和东部地区包含了更多的服务业和高新技术产业，这些产业比西部地区的重工业和资源型产业碳排放量更低。总体而言，2022年与2013年相比，碳排放强度都有不同程度的下降，尤其是贵州更是实现了63.03%的降幅。
表 2 中国31个省区市农业碳排放总量和强度省份 2013年 2022年 总量变动
率/%强度变动
率/%总量/
万t排名 强度
（t/万元）排名 总量/
万t排名 强度
（t/万元）排名 北京 53.45 31 0.144 31 22.63 31 0.110 31 −57.66 −23.22 天津 80.18 30 0.260 22 60.28 30 0.155 24 −24.82 −40.49 河北 1138.13 10 0.246 25 898.64 15 0.165 22 −21.04 −33.10 山西 343.07 25 0.285 21 368.52 26 0.206 17 7.42 −27.63 内蒙古 1055.84 13 0.452 6 1245.64 9 0.391 4 17.98 −13.45 辽宁 719.89 16 0.212 28 598.45 18 0.151 26 −16.87 −28.52 吉林 670.33 17 0.339 16 634.25 17 0.282 11 −5.38 −16.73 黑龙江 1131.04 11 0.288 20 1128.62 11 0.231 14 −0.21 −19.99 上海 95.47 29 0.317 17 64.25 29 0.316 8 −32.70 −0.26 江苏 1548.71 5 0.289 19 1435.64 6 0.231 13 −7.30 −20.07 浙江 640.05 19 0.259 23 517.62 20 0.191 20 −19.13 −26.43 安徽 1504.54 6 0.445 7 1512.32 4 0.313 9 0.52 −29.62 福建 571.96 21 0.210 29 458.97 22 0.111 30 −19.76 −46.92 江西 1431.18 8 0.641 3 1426.54 7 0.460 3 −0.32 −28.29 山东 1496.88 7 0.197 30 1347.36 8 0.134 28 −9.99 −31.96 河南 1909.01 2 0.315 18 1612.83 3 0.201 19 −15.52 −36.25 湖北 1669.61 4 0.389 11 1618.27 2 0.248 12 −3.08 −36.36 湖南 1943.68 1 0.497 5 1942.86 1 0.325 7 −0.04 −34.65 广东 1103.89 12 0.257 24 962.47 14 0.145 27 −12.81 −43.69 广西 1209.52 9 0.363 13 1065.74 13 0.204 18 −11.89 −43.66 海南 232.33 27 0.242 26 179.52 28 0.118 29 −22.73 −51.29 重庆 451.34 23 0.359 14 416.58 23 0.177 21 −7.70 −50.67 四川 1685.05 3 0.346 15 1506.28 5 0.212 16 −10.61 −38.87 贵州 620.65 20 0.419 10 586.35 19 0.155 23 −5.53 −63.03 云南 1038.57 14 0.388 12 1092.48 12 0.219 15 5.19 −43.48 西藏 397.30 24 3.622 1 378.26 25 1.942 1 −4.79 −46.37 陕西 515.31 22 0.235 27 496.35 21 0.152 25 −3.68 −35.07 甘肃 646.56 18 0.620 4 675.38 16 0.345 6 4.46 −44.41 青海 328.33 26 1.300 2 397.52 24 1.026 2 21.07 −21.07 宁夏 161.78 28 0.440 8 215.68 27 0.367 5 33.31 −16.49 新疆 935.72 15 0.424 9 1225.64 10 0.305 10 30.98 −28.14 注：因篇幅原因，本表只列出2013年和2022年的农业碳排放总量和强度。其中总量变动率和强度变动率均是2013年与2022年相比较而得出的计算结果。 （三） 农业碳排放影响因素分析
LMDI分解结果表明：我国农业碳排放受生产效率、产业结构、经济发展和劳动力规模四大因素的显著影响且呈现出不同的时序性特征。根据 LMDI 指数分解结果，计算得到2013—2022年我国农业碳排放量的四大因素分解的时序变化表，具体结果见表3。
表 3 我国农业碳排放影响因素分解结果单位：万t 年份 Δα Δβ Δγ ΔAL ΔC 2013—2014 −99.08 −50.28 120.31 13.48 −15.57 2014—2015 −93.26 −15.09 99.10 13.91 4.66 2015—2016 −149.04 −25.14 149.83 −28.08 −52.43 2016—2017 −153.11 −104.07 79.71 −8.20 −185.67 2017—2018 −152.40 −25.50 113.27 −12.98 −77.61 2018—2019 −355.62 147.18 211.98 10.72 −14.26 2019—2020 −215.63 250.40 285.64 −19.02 301.39 2020—2021 −115.57 −177.49 179.36 −12.13 −125.83 2021—2022 −169.32 −12.54 193.46 −38.85 −27.25 累计效应 −1503.03 −12.53 1432.66 −81.15 −164.05 表3的计算结果表明：生产效率和经济发展两方面是影响我国农业碳排放的关键因素，且两者对农业碳排放量的影响作用截然相反。农村经济发展是导致我国农业碳排放量增加的主要正向驱动因素，在2013—2022年之间导致了1432.66万t的农业碳排放增加量，且未来一段时间仍会是持续发挥碳排放量减少的重要驱动因素。从农业碳排放的负向驱动因素来看，农业生产效率显著抑制了我国农业碳排放量的增加，在2013—2022年之间减少了1503.03万t的农业碳排放量，预计农业生产效率将会成为未来稳定发挥碳减排作用的关键因素。农业产业结构对农业碳排放的影响较小，我国是以种植业为主的农业大国，粮食安全是重中之重，在满足粮食产量和粮食安全的前提下，推广有机农业，发展农业生物能源以此调整农业产业结构，减少农业碳排放。整体上来看劳动力规模对农业碳排放的影响呈现负向效应，从事农业劳动的人员减少会有效促进农业碳排放量的减少。根据表3可知，各分解因素的总效应累计减少了164.05万t的农业碳排放。
综上所述，农业经济发展是本研究分解变量中唯一正向驱动碳排放量的因素，主要原因是农业生产会对环境产生负面影响，具体表现为环境负外部性的特征，简而言之就是农业规模的上升与农业碳排放量的增加会呈现同趋势变化，并且从计算结果中可以预见该因素在未来一段时期内对农业碳排放的影响仍会是关键因素。
四、 结论与建议
（一） 结论
本文从农业能源利用、农用物资投入、水稻种植和畜禽养殖四个方面对我国农业碳排放进行测算，在此基础上分析影响我国农业碳排放的驱动因素，得出以下主要结论：
第一，我国农业碳排放总量呈现波动式下降趋势，碳排放强度呈现持续下降趋势。2022年我国农业碳排放总量为26091.94万t，比2013年减少了4.53%，年均递减0.52%；农业碳排放强度为0.22，比2013年减少35.29%，年均递减4.72%。至于各类碳源对农业碳排放的贡献值，相比2013年农用物资投入和畜禽养殖有所减少，而农业能源利用和水稻种植变化幅度不大。
第二，不同省区市农业碳排放的总量和强度差异较为明显。以2022年为例，湖南省农业碳排放总量高达1942.86万t，总量排名位居全国第一；北京以22.63万t位居末位且总量变化率实现了57.66%的降幅。总体而言，相比2013年，有21个省区市农业碳排放量处于下降趋势且以北京降幅最大。并且各省区市农业碳排放强度均呈现不同程度的下降，其中以贵州降幅最大，上海降幅最小。
第三，农业生产效率显著抑制了我国农业碳排放量的增加，预计未来仍会成为稳定发挥碳减排作用的关键因素；农村经济发展是导致我国农业碳排放量增加的主要因素，且是四大分解变量中唯一正向驱动碳排放量的因素。农业生产结构和劳动力因素对农业碳排放的作用整体呈现负向效应，且对农业碳排放影响较小。
（二） 建议
基于以上结论，本文提出以下建议：一是提倡有机农业，推广农业科技。鼓励农民采用有机农业种植方式，加大对农业科技研发的支持力度，推广高效节能的农业生产技术，提高农业生产效率，鼓励在农村地区发展太阳能、风能等清洁能源，替代传统的化石能源，降低碳排放。二是加快农业农村环境治理，发展农业循环经济。鼓励农民开展农田间作、畜禽粪污资源化利用等循环农业模式，减少农业废弃物排放，加强对农村生活垃圾分类处理的宣传和指导，提倡垃圾减量化、资源化利用，减少秸秆焚烧产生的二氧化碳排放。三是提倡合作减排，引导省际减排互动。建立省际减排合作机制，促进各省之间的信息共享、经验交流和资源合作，在国家层面设定减排目标的基础上，各省可根据自身实际情况制定具体的减排目标，并进行跨省协作，共同实现减排目标。建立跨省环境监测网络，加强对减排效果的监测和评估，及时发现问题并采取有效措施。
-
表 1 2013—2022年中国农业碳排放总量及强度
年份 农业能源利用 农用物资投入 水稻种植 畜禽养殖 碳排放
量/万t比率/% 碳排放
量/万t比率/% 碳排放
量/万t比率/% 碳排放
量/万t比率/% 总量/万t 强度
（t/万元）2013 2968.68 10.86 7477.67 28.34 6533.50 23.91 10349.56 37.87 27329.41 0.34 2014 3009.76 10.89 7595.78 28.55 6574.60 23.80 10445.99 37.81 27626.13 0.33 2015 3057.95 11.00 7621.72 28.39 6655.22 23.93 10473.85 37.66 27808.74 0.32 2016 3043.97 11.06 7566.08 28.40 6698.31 24.35 10201.80 37.08 27510.16 0.31 2017 3048.92 11.47 7373.62 28.41 6737.84 25.34 9425.44 35.45 26585.82 0.30 2018 3006.71 11.55 7082.59 27.59 6715.03 25.79 9233.23 35.46 26037.56 0.29 2019 2976.43 11.97 6772.87 27.37 6658.97 26.78 8453.20 34.00 24861.47 0.26 2020 2938.66 11.47 6587.46 25.63 6677.40 26.07 9410.74 36.74 25614.25 0.24 2021 2923.00 11.26 6481.79 24.83 6626.80 25.53 9929.49 38.25 25961.07 0.23 2022 2917.15 11.18 6353.29 24.35 6634.86 25.43 10186.64 39.04 26091.94 0.22 累计增幅/% −1.74 −15.04 1.55 −1.57 −4.53 −35.29 
下载: 导出CSV
表 2 中国31个省区市农业碳排放总量和强度
省份 2013年 2022年 总量变动
率/%强度变动
率/%总量/
万t排名 强度
（t/万元）排名 总量/
万t排名 强度
（t/万元）排名 北京 53.45 31 0.144 31 22.63 31 0.110 31 −57.66 −23.22 天津 80.18 30 0.260 22 60.28 30 0.155 24 −24.82 −40.49 河北 1138.13 10 0.246 25 898.64 15 0.165 22 −21.04 −33.10 山西 343.07 25 0.285 21 368.52 26 0.206 17 7.42 −27.63 内蒙古 1055.84 13 0.452 6 1245.64 9 0.391 4 17.98 −13.45 辽宁 719.89 16 0.212 28 598.45 18 0.151 26 −16.87 −28.52 吉林 670.33 17 0.339 16 634.25 17 0.282 11 −5.38 −16.73 黑龙江 1131.04 11 0.288 20 1128.62 11 0.231 14 −0.21 −19.99 上海 95.47 29 0.317 17 64.25 29 0.316 8 −32.70 −0.26 江苏 1548.71 5 0.289 19 1435.64 6 0.231 13 −7.30 −20.07 浙江 640.05 19 0.259 23 517.62 20 0.191 20 −19.13 −26.43 安徽 1504.54 6 0.445 7 1512.32 4 0.313 9 0.52 −29.62 福建 571.96 21 0.210 29 458.97 22 0.111 30 −19.76 −46.92 江西 1431.18 8 0.641 3 1426.54 7 0.460 3 −0.32 −28.29 山东 1496.88 7 0.197 30 1347.36 8 0.134 28 −9.99 −31.96 河南 1909.01 2 0.315 18 1612.83 3 0.201 19 −15.52 −36.25 湖北 1669.61 4 0.389 11 1618.27 2 0.248 12 −3.08 −36.36 湖南 1943.68 1 0.497 5 1942.86 1 0.325 7 −0.04 −34.65 广东 1103.89 12 0.257 24 962.47 14 0.145 27 −12.81 −43.69 广西 1209.52 9 0.363 13 1065.74 13 0.204 18 −11.89 −43.66 海南 232.33 27 0.242 26 179.52 28 0.118 29 −22.73 −51.29 重庆 451.34 23 0.359 14 416.58 23 0.177 21 −7.70 −50.67 四川 1685.05 3 0.346 15 1506.28 5 0.212 16 −10.61 −38.87 贵州 620.65 20 0.419 10 586.35 19 0.155 23 −5.53 −63.03 云南 1038.57 14 0.388 12 1092.48 12 0.219 15 5.19 −43.48 西藏 397.30 24 3.622 1 378.26 25 1.942 1 −4.79 −46.37 陕西 515.31 22 0.235 27 496.35 21 0.152 25 −3.68 −35.07 甘肃 646.56 18 0.620 4 675.38 16 0.345 6 4.46 −44.41 青海 328.33 26 1.300 2 397.52 24 1.026 2 21.07 −21.07 宁夏 161.78 28 0.440 8 215.68 27 0.367 5 33.31 −16.49 新疆 935.72 15 0.424 9 1225.64 10 0.305 10 30.98 −28.14 注：因篇幅原因，本表只列出2013年和2022年的农业碳排放总量和强度。其中总量变动率和强度变动率均是2013年与2022年相比较而得出的计算结果。
下载: 导出CSV
表 3 我国农业碳排放影响因素分解结果
单位：万t 年份 Δα Δβ Δγ ΔAL ΔC 2013—2014 −99.08 −50.28 120.31 13.48 −15.57 2014—2015 −93.26 −15.09 99.10 13.91 4.66 2015—2016 −149.04 −25.14 149.83 −28.08 −52.43 2016—2017 −153.11 −104.07 79.71 −8.20 −185.67 2017—2018 −152.40 −25.50 113.27 −12.98 −77.61 2018—2019 −355.62 147.18 211.98 10.72 −14.26 2019—2020 −215.63 250.40 285.64 −19.02 301.39 2020—2021 −115.57 −177.49 179.36 −12.13 −125.83 2021—2022 −169.32 −12.54 193.46 −38.85 −27.25 累计效应 −1503.03 −12.53 1432.66 −81.15 −164.05
下载: 导出CSV
-
[1] 陈炜, 殷田园, 李红兵. 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]. 干旱区资源与环境, 2019, 33(2): 37. DOI: 10.13448/j.cnki.jalre.2019.039. [2] 徐永胜. 深入学习贯彻党的二十大精神 以公共机构绿色低碳转型助力碳达峰碳中和[J]. 中国行政管理, 2022(12): 12. [3] 于贵瑞, 郝天象, 朱剑兴. 中国碳达峰、碳中和行动方略之探讨[J]. 中国科学院院刊, 2022, 37(4): 423. DOI: 10.16418/j.issn.1000-3045.20220121001. [4] 杜之利, 苏彤, 葛佳敏, 等. 碳中和背景下的森林碳汇及其空间溢出效应[J]. 经济研究, 2021, 56(12): 187. [5] JOHNSON M F, A J FRANZLUEBBERS, S L WEYERS. Agricultural Opportunities to Mitigate Greenhouse Gas Emissions[J]. Environmental Pollution, 2007(1): 107.
[6] 李宽, 张弘, 史磊. 农业科技进步对农业碳排放空间溢出效应的实证检验[J]. 统计与决策, 2023, 39(21): 52. DOI: 10.13546/j.cnki.tjyjc.2023.21.009. [7] CHEN J D, CHEN S L, SONG M L. Changes in energy-related carbon dioxide emissions of the agricultural sector in China from 2005 to 2013[J]. Renewable & Sustainable Energy Reviews, 2019(94): 748.
[8] 金书秦, 林煜, 牛坤玉. 以低碳带动农业绿色转型: 中国农业碳排放特征及其减排路径[J]. 改革, 2021(5): 29. [9] 朱志平, 董红敏, 魏莎, 等. 中国畜禽粪便管理变化对温室气体排放的影响[J]. 农业环境科学学报, 2020, 39(4): 743. DOI: 10.11654/jaes.2020-0095. [10] 李绵德, 周冬梅, 朱小燕, 等. 河西走廊2000—2020年农业碳排放时空特征及其影响因素[J]. 农业资源与环境学报, 2023, 40(4): 940. DOI: 10.13254/j.jare.2022.0584. [11] 田云, 王梦晨. 湖北省农业碳排放效率时空差异及影响因素[J]. 中国农业科学, 2020, 53(24): 5063. DOI: 10.3864/j.issn.0578-1752.2020.24.009. [12] 李远玲, 王金龙, 杨伶. 基于县域尺度的湖南省农业碳排放时空特征分析[J]. 中国农业资源与区划, 2022, 43(4): 75 DOI: 10.7621/cjarrp.1005-9121.20220409. [13] 常青, 蔡为民, 谷秀兰, 等. 河南省农业碳排放时空分异、影响因素及趋势预测[J]. 水土保持通报, 2023, 43(1): 367. DOI: 10.13961/j.cnki.stbctb.20230220.011. [14] 孟军, 范婷婷. 黑龙江省农业碳排放动态变化影响因素分析[J]. 生态经济, 2020, 36(12): 34. [15] 李宽, 史磊. 农村产业融合对农业碳排放的影响: 机制路径及空间溢出效应分析[J/OL]. 中国农业资源与区划: 1 − 16[2024 − 01 − 04]. http://kns.cnki.net/kcms/detail/11.3513.S.20231113.1542.018.html. [16] 尹忞昊, 田云, 卢奕亨. 中国农业碳排放区域差异及其空间分异机理[J]. 改革, 2023(10): 130. [17] 贺青, 张俊飚. 粮食主产区农业碳排放的动态演进及驱动因素研究[J]. 生态经济, 2023, 39(6): 123. [18] 田云, 尹忞昊. 中国农业碳排放再测算: 基本现状、动态演进及空间溢出效应[J]. 中国农村经济, 2022(3): 104. [19] 宁静, 李亚洁, 王震, 等. 中国粮食主产省区农业碳排放特征及影响因素[J]. 水土保持研究, 2024, 31(1): 450. DOI: 10.13869/j.cnki.rswc.2024.01.002. [20] 庞洪伟, 刘鑫雨, 巩艳红, 等. 物联网发展、科技创新与农业碳排放强度[J]. 经济问题, 2024(2): 77. DOI: 10.16011/j.cnki.jjwt.2024.02.001. [21] 刘顺翊, 李松青. 湖南省农业碳排放脱钩弹性及驱动因素: 基于Tapio脱钩模型与LMDI分析[J]. 四川农业大学学报, 2023, 41(5): 952. DOI: 10.16036/j.issn.1000-2650.202305251. -
期刊类型引用(2)
1. 宋艳华，杨建波，王自威，田燕，袁晨光. 巩义市用地结构优化对碳储量的影响. 湖北农业科学. 2025(02): 75-83 . 
百度学术
2. 郑兰星. 湖南省种植业碳排放测算及效率评价研究. 粮油与饲料科技. 2024(11): 13-15 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 1007
- HTML全文浏览量: 198
- PDF下载量: 60
- 被引次数: 2