中国碳排放的影响因素分析

碳排放的时空演变、空间溢出效应及影响因素作者：***来源：《中国集体经济》2023年第36期摘要：揭示中部城市碳排放的影响因素对于中部地区推动绿色转型发展具有重要意义。

文章采用2005-2020年中部城市碳排放统计数据，研究了市域碳排放总量的时空演变、空间溢出效应以及影响因素。

结果如下：一是在时间上，中部城市碳排放呈现先急后缓的增长趋势。

二是在空间上，碳排放呈现“北高南低”的空间格局。

三是市域碳排放总量具有显著的空间正相关性。

四是人口密度、财政支出能显著抑制碳排放量，第二产业为主的产业结构显著驱动碳排放。

关键词：碳排放；空间杜宾模型；影响因素一、引言气候变暖一直是全球气候变化最主要特征，应对气候变暖，当务之急是要减少温室气体排放，推行低碳经济发展。

中国已经成为世界碳排放大国，造成中国巨大碳排放量的原因有两个：首先，中国长期以来以粗放式经济发展方式为主，并且在经济发展过程中存在环境治理绩效偏低等一系列问题；其次，中国长期以来就存在着能源消耗量过大但利用方式不环保等问题。

节能减排能减缓全球气候变暖，同时在节能减排任务目标下，高污染型和高碳排放型企业会受到较为有力的政策约束，这会倒逼我国产业结构转型升级。

然而，引起碳排放的经济社会因素众多，在碳减排的目标下，从计量分析角度识别碳排放的经济社会因素对城市制定有效的减排政策具有重要的现实主义。

近年来，我国不同学者对碳排放及其影响因素做了大量研究。

从研究方法上看，主要有结构分解技术（SDA）、指数分解技术（IDA），以及计量分析方法等几类。

不同的分析方法优势和缺点不同，得出碳排放影响因素结果不尽一致。

然而，上述所说的几种分析方法都有相同的弊端，即将碳排放在每个单元上看作是同质且均匀的，忽略不同城市之间的空间关联性。

实际上，碳排放属于大气污染，某个城市碳排放强度较高有很大可能影响到邻近城市的碳排放量，因此，在检验碳排放影响因素时，应该考虑空间因素在其中的作用。

中国农业碳排放时空特征及影响因素分解李波;张俊飚;李海鹏【摘要】More and more people are paying attention to the environmental problems caused by agricultural carbon emissions. Hie research, based on six kinds of main carbon sources from agricultural production, calculates China's agricultural carbon emission load from 1993 to 2008. We find that the agricultural carbon emission load is in the gradual upward trend since 1993. In general it can be divided into four periods: rapid growth period, slow growth period, qrowth rate rebound period and growth rate slowing-down period. The average annual growth rate of agricultural carbon emissions is 4.08% , while that of intensity is 2. 38%. Higher carbon emission areas distribute intensively in the major provinces of agriculture, and the higher carbon emission intensity areas are mainly located in the developed cities, eastern coastal provinces and the central major provinces of agriculture. Decomposing all the affecting factors through transformation of Kaya identical equation, the result shows the factors of efficiency, structure and labor scale can restrain carbon emission, but the effect is not obvious and fluctuating drastically. Compared with the carbon emission load in 1993, the load from 1994 to 2008 decreased by 12.95% because of efficiency, while structure did 26. 62% and agricultural labor did 33. 29%. In contrast, agricultural economic development played an active role in agricultural carbon emission, which increased cumulatively to 154.94% of carbon emission load. Finally, some policy suggestions areproposed to reduce agricultural carbon emissions.%农业生产所导致碳排放大幅增加以及引发的环境问题,越来越受到人们的关注.本研究基于农业生产中6个主要方面的碳源,测算了我国1993-2008年农业碳排放量.发现自1993年以来我国农业碳排放处于阶段性的上升态势,总体上可分为快速增长期、缓慢增长期、增速反弹回升期、增速明显放缓期等四个变化阶段.其中农业碳排放总量和强度年平均增长率分别为4.08％、2.38％.农业碳排放总量较高地区主要集中在农业大省,农业碳排放强度较高地区主要集中在发达城市、东部沿海发达省份和中部农韭大省.进一步通过Kaya恒等式变形对农业碳排放影响因素进行分解研究,结果表明,效率因素、结构因素、劳动力规模因素对碳排放量具有一定的抑制作用,1994-2008年与基期相比分别累计实现12.95％、26.62％、33.29％的碳减排,而农业经济发展则对农业碳排放具有较强推动作用,累计产生154.94％的碳增量.最后,据此提出促进农业减排的政策建议.【期刊名称】《中国人口·资源与环境》【年(卷),期】2011(021)008【总页数】7页(P80-86)【关键词】农业碳排放;时空特征;因素分解;Kaya恒等式【作者】李波;张俊飚;李海鹏【作者单位】湖北农村发展研究中心,湖北武汉430070;华中农业大学经济管理学院,湖北武汉430070;湖北农村发展研究中心,湖北武汉430070;华中农业大学经济管理学院,湖北武汉430070;中南民族大学,湖北武汉430074【正文语种】中文【中图分类】F323;X22农业既是温室气体排放源，也是最易遭受气候变化影响的产业。

中国城市化进程中影响碳排放的因素分析【摘要】中国是世界上碳排放量最大的国家之一。

近年来随着城市化进程的加快，中国碳排放量将会进一步增加。

本文以碳排放量为因变量，以人均GDP、能源强度、城市化人口占总人口比重、第三产业占GDP比重、化石能源消费比例等作为自变量，分析城市化进程中相关因素对碳排放的影响。

研究结果表明，人均GDP、城市人口占总人口比重和能源强度的增加都会增加中国碳排放量；第三产业比重增加则会减少中国碳排放量；另外国家政策会影响中国的碳排放量，但是结果不显著。

【关键词】城市化；碳排放；能源强度0.引言过去10多年中，中国碳排放年增长17.8%，增长速度位于世界前列，且预期还会继续增长。

与此同时，地球气候系统正经历着一次以变暖为主要特征的显著变化，而温室气体特别是CO2增加已成为全球共识[1]。

中国十二五规划提出单位GDP能源消耗降低16%，单位GDP CO2降低17%。

可见中国在温室气体减排方面面临前所未有的压力。

为实现国民经济可持续发展和制定科学的减排路径，探索影响碳排放的因素至关重要。

考虑到中国城市化、工业化仍未完成以及中国政府对经济的驾驭能力，即使保守估计，中国的经济还可以再快速增长30年。

与经济快速增长相随的是城市化进程的加快，这正是导致碳排放快速增长的主要因素。

预计中国快速的城市化进程将在2020年左右告一段落，进入中等收入国家。

对于中国这样一个经济快速增长、人口规模庞大并处于经济转型中的发展中国家，城市化进程会给碳排放带来何种影响，是本文要考察的问题。

当前国内研究者通过各种计量模型分析碳排放的影响因素，研究各种政策和措施等，力求实现对经济最小负面影响的前提下达到最大限度减排。

宋春燕（2011）通过计算各类能源碳排放转化系数，计算出中国1978年~2008年碳排放量和人均碳排放量，并对中国人均碳排放量与人均GDP关系进行协整分析和因果检验，证明中国的人均碳排放同经济增长存在正向线性相关关系，并且这种关系是平稳的[2]。

中国交通运输碳排放效率的时空异质性及影响因素研究一、前言A. 研究背景和意义B. 研究目的和方法二、文献综述A. 交通运输产生碳排放的机理和模型B. 国内外研究现状及进展C. 现有研究不足和研究空白三、中国交通运输碳排放的时空异质性A. 不同维度的时空异质性特征分析B. 区域间时空异质性差异探究四、主要影响因素分析A. 经济发展水平B. 交通运输方式结构C. 燃料种类及能源效率D. 地理环境和气候因素五、中国交通运输碳排放效率评估A. 碳排放强度测算方法B. 碳排放率的计算和对比C. 碳交通指数和碳排放效率的评价六、政策对碳排放效率的影响A. 政策措施和效果分析B. 政策的经济和环境效益评价七、中国交通运输碳减排技术路径研究A. 燃料替代技术B. 节能减排技术C. 物流运输优化技术D. 新兴技术的应用前景八、结论和建议A. 摘要B. 研究结果C. 研究缺陷和展望D. 政策建议和指导意义第一章节：前言A. 研究背景和意义近年来，随着经济的快速发展和城市化进程的加速，中国交通运输的规模和能源消耗不断增长，同时也带来了严重的环境污染和气候变化问题。

交通运输中的碳排放成为环境保护和可持续发展的重要问题，因此对交通运输的碳排放效率进行研究具有重要意义。

通过深入探究不同交通运输方式、不同地段和区域的碳排放水平、碳排放效率，能够为如何减缓碳排放抑制气候变化提供理论和实践基础。

B. 研究目的和方法本研究旨在分析中国交通运输碳排放的时空异质性及影响因素，评估中国交通运输的碳排放效率，探讨政策对碳排放效率的影响以及未来减排的技术路径。

研究方法包括文献综述、实证分析和政策评估等。

文献综述通过查找和评估相关文献，总结和归纳交通运输碳排放的研究现状和发展趋势。

实证分析则通过实地调研和数据分析，揭示出不同地区和区域的碳排放特征及其影响因素。

政策评估透过分析当下政策的制定和实施，探讨碳排放效率的提升途径。

通过本研究的研究内容，能够为政府、环保机构和交通运输企业提供关于中国交通运输碳排放的时空异质性及影响因素的科学方法和有效决策，为实现建设生态文明、打造美丽中国做出积极贡献。

中国低碳经济发展绩效评价及影响因素分析目录1. 中文数字开头的第一级目录标题 (2)1.1 第二级目录标题1 (3)1.1.1 第三级目录标题1 (3)1.1.2 第三级目录标题2 (4)1.2 第二级目录标题2 (6)1.2.1 第三级目录标题3 (7)1.2.2 第三级目录标题4 (8)1.3 第二级目录标题3 (8)1.3.1 第三级目录标题5 (9)1.3.2 第三级目录标题6 (11)2. 中文数字开头的第一级目录标题 (12)2.1 第二级目录标题1 (13)2.1.1 第三级目录标题1 (15)2.2 第二级目录标题2 (17)2.2.1 第三级目录标题3 (18)2.2.2 第三级目录标题4 (19)2.3 第二级目录标题3 (21)2.3.1 第三级目录标题5 (22)2.3.2 第三级目录标题6 (23)3. 中文数字开头的第一级目录标题 (25)3.1 第二级目录标题1 (26)3.1.1 第三级目录标题1 (26)3.1.2 第三级目录标题2 (27)3.2 第二级目录标题2 (28)3.2.1 第三级目录标题3 (29)3.2.2 第三级目录标题4 (31)3.3 第二级目录标题3 (32)3.3.2 第三级目录标题6 (33)1. 中文数字开头的第一级目录标题在21世纪的今天，全球气候变暖、资源枯竭和环境污染等问题日益严重，这些问题不仅威胁到人类的生存环境，也对经济社会的可持续发展提出了挑战。

为了应对这些挑战，实现经济的绿色低碳发展成为各国发展的必然选择。

中国作为世界上最大的发展中国家，在推动经济结构转型升级的同时，也面临着低碳经济发展的巨大压力和机遇。

本文旨在通过对中国低碳经济发展绩效的评价以及影响因素的分析，探索中国低碳经济发展的路径和策略，为中国乃至全球的可持续发展提供借鉴和参考。

在评价中国低碳经济发展绩效时，本文将采用多指标评价方法，综合考虑碳排放、经济增长、能源利用率、技术创新等多个方面的指标，以全面反映中国低碳经济发展的现状和趋势。

•研究背景与意义•碳不平等测度研究综述•中国地区碳不平等测度分析•中国地区碳不平等影响因素研究•政策建议与展望目•参考文献录01研究背景1. 全球气候变化012. 中国碳排放023. 碳不平等测度03研究意义1. 理论意义通过对碳不平等影响因素的分析，可以为政府制定有效的减排政策提供科学依据，有助于实现碳排放的公平与可持续发展。

2. 实践意义3. 政策建议01定义内涵碳不平等的定义和内涵方法指标碳不平等测度的方法与指标总之，碳不平等测度是评估碳排放问题的重要手段之一，对于制定有效的碳排放治理政策具有重要意义。

未来需要进一步加强相关研究，提高测度精度和广度，为政策制定者提供更加科学、可靠的政策依据。

研究现状：目前，国内外学者已经开展了一系列关于碳不平等测度的研究，主要集中在全球、国家、地区等不同层面。

其中，关于中国地区碳不平等测度及影响因素的研究逐渐受到关注。

碳不平等测度的研究现状与趋势趋势：未来，随着全球气候变化问题的日益严峻，碳不平等测度将更加受到重视。

同时，随着数据获取技术的不断发展和新方法的不断出现，碳不平等测度的精度和广度也将得到进一步提高。

此外，随着政策制定者对碳不平等问题的重视程度不断提高，关于碳不平等治理政策的研究也将成为未来的研究热点。

01数据来源主要采用政府公开数据、权威研究机构报告及实地调研数据。

数据处理对收集到的数据进行清洗、整理和标准化处理，以确保数据质量和可比性。

数据来源与处理碳不平等测度模型构建030201中国地区碳不平等测度结果分析01影响因素分类与筛选经济发展水平不同的地区，其碳排放量和碳排放强度存在差异，是影响碳经济发展水平政策因素对碳排放量和碳排放强度的影响也较为显著，如能源政策、环保政策因素不同产业对能源消耗和碳排放的贡献不同，产业结构的变化也会影响碳排放量和碳排放强度。

产业结构技术水平能源消费结构的不同会导致碳排放量和碳排放强度的差异。

能源消费结构0201030405影响因素模型构建与实证分析0102经济发展水平产业结构技术水平能源消费结构政策因素主要影响因素及其影响机制03040501完善碳排放权交易制度强化环境法规执行力度推动低碳技术研发与应用提升公众环保意识政策建议研究展望与不足之处研究展望深入研究碳不平等现象的形成机制，预测未来发展趋势，为政策制定提供科学依据。

中国制造业碳排放问题分析与减排对策建议一、本文概述随着全球气候变化的日益严重，碳排放问题已成为全球关注的焦点。

中国作为世界最大的制造业国家，其制造业碳排放量巨大，对全球气候变化的影响不容忽视。

因此，本文旨在深入分析中国制造业碳排放的现状、问题及其成因，并在此基础上提出有效的减排对策建议，以期为中国制造业的绿色发展提供理论支持和实践指导。

文章首先介绍了研究背景和研究意义，明确了中国制造业碳排放问题的严重性和紧迫性。

然后，通过梳理相关文献和资料，总结了国内外关于制造业碳排放的研究现状和进展，为本文的研究提供了理论支撑。

接下来，文章运用定性和定量相结合的研究方法，深入分析了中国制造业碳排放的现状、问题及其成因。

在此基础上，文章提出了针对性的减排对策建议，包括优化产业结构、推广清洁能源、提高能源利用效率、加强环境监管等方面。

文章对全文进行了总结，指出了研究的局限性和未来研究方向，为中国制造业的碳减排工作提供了有益参考。

二、中国制造业碳排放现状分析随着全球气候变化问题的日益严峻，碳排放量作为衡量一个国家或地区环境影响的重要指标，越来越受到国际社会的广泛关注。

作为世界上最大的制造业国家，中国制造业的碳排放问题尤为突出。

目前，中国制造业的碳排放总量呈现出持续增长的趋势。

这主要是由于制造业的快速发展和工业化进程的推进，导致能源消费量大幅增加，进而产生大量的碳排放。

据统计，制造业的碳排放量占中国总碳排放量的比例超过30%，其中，钢铁、电力、化工、建材等高碳排放行业是主要的碳排放源。

在制造业内部，不同行业的碳排放强度存在较大差异。

一些高能耗、高排放的行业，如钢铁、电力等，其碳排放强度相对较高。

而一些技术含量较高、能源消耗较少的行业，如电子信息、生物医药等，其碳排放强度则相对较低。

这种行业间的碳排放强度差异，也反映了中国制造业在产业结构、能源结构和技术水平等方面的问题。

中国制造业的碳排放还受到多种因素的影响。

一方面，制造业的生产方式和能源结构决定了其碳排放强度。

第31卷第1期2024年2月水土保持研究R e s e a r c ho f S o i l a n d W a t e rC o n s e r v a t i o nV o l .31,N o .1F e b .,2024收稿日期:2022-12-01 修回日期:2022-12-23资助项目:国家自然科学基金 基于社会 经济系统分析框架的黑土区农田土地退化特征及适应性生态修复研究:以宾县为例 (41971217) 第一作者:宁静(1978 ),女,黑龙江哈尔滨人,副教授,博士,方向:土地生态及3S 技术㊂E -m a i l :j n i n g@n e a u .e d u .c n h t t p :ʊs t b c y j .p a p e r o n c e .o r gD O I :10.13869/j.c n k i .r s w c .2024.01.002.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):450-459.N i n g J i n g ,L iY a j i e ,W a n g Z h e n ,e t a l .C h a r a c t e r i s t i c s a n d I n f l u e n c i n g F a c t o r s o fA g r i c u l t u r a l C a r b o nE m i s s i o n s i n M a j o rG r a i nP r o d u c i n g Pr o v -i n c e s i nC h i n a [J ].R e s e a r c ho f S o i l a n d W a t e rC o n s e r v a t i o n ,2024,31(1):450-459.中国粮食主产省区农业碳排放特征及影响因素宁静1,李亚洁1,王震2,陈凯2(1.东北农业大学公共管理与法学院,哈尔滨150030;2.东北农业大学公共管理与法学院,哈尔滨150030)摘 要:[目的]分析粮食主产省区农业碳排放特征及影响因素,为促进碳减排㊁农业可持续发展提供参考㊂[方法]基于农用投入物质㊁农作物种植㊁畜禽业养殖㊁秸秆焚烧4类农业碳排放源测算2010 2020年粮食主产区的农业碳排放并采用T A P I O 脱钩模型和L M D I 模型分析粮食主产区农业碳排放特征及影响因素㊂[结果]2010 2020年粮食主产区碳排放呈现先增长后下降的趋势,2010年的860.78M t 增长至2020年的871.64M t ,增加了10.86M t ,增幅1.26%㊂2017年达到峰值927.68M t ;农用投入物质为主要碳排放源㊂碳排放强度呈下降趋势,省域最高碳排强度可达3.99t/万元㊂农业碳排放与经济增长的关系上,低排高产区为理想状态,目前,除河北省为低排高产区域,其余研究省域多数处于高排㊁低产区域㊂粮食主产区农业碳排放与农业经济的关系不断改善,2020年已有7省处于强脱钩状态㊂农业生产效率㊁地区产业结构㊁农村人口㊁农业产业结构是抑制碳排的主要因素㊂[结论]实现粮食主产区碳减排,促进农业可持续发展应从提升农业生产效率㊁控制畜禽出栏量和存栏量等多方面协同推进㊂关键词:农业碳排放;碳排放强度;T A P I O ;L M D I中图分类号:X 322;F 327 文献标识码:A 文章编号:1005-3409(2024)01-0450-10C h a r a c t e r i s t i c s a n d I n f l u e n c i n g F a c t o r s o fA g r i c u l t u r a l C a r b o n E m i s s i o n s i n M a j o rG r a i nP r o d u c i n g Pr o v i n c e s i nC h i n a N i n g J i n g 1,L iY a j i e 1,W a n g Zh e n 2,C h e nK a i 2(1.S c h o o l o f P u b l i cA d m i n i s t r a t i o na n dL a w ,N o r t h e a s tA g r i c u l t u r a lU n i v e r s i t y ,Ha rb i n 150030,C h i n a ;2.Sc h o o l o f P u b l i cAd m i n i s t r a t i o na n dL a w ,N o r t he a s tA g r i c u l t u r a lU n i v e r s i t y ;Ha rb i n 150030,C h i n a )A b s t r ac t :[O b j e c t i v e ]A n a l y z i n g t h e c h a r a c t e r i s t i c s a nd i n f l ue n c i n gf a c t o r s o f ag r i c u l t u r a l c a r b o n e m i s s i o n s i n m a j o r g r a i n -p r o d u c i n gp r o v i n c e s a n dr e g i o n s c a n p r o v i d e r e f e r e n c e f o r p r o m o t i n g ca rb o ne m i s s i o nr e d uc t i o n a nd s u s t a i n a b l ea g r i c u l t u r a lde v e l o p m e n t .[M e t h o d s ]B a s e do nf o u rt y p e so fag r i c u l t u r a lc a r b o ne m i s s i o n s o u r c e s ,n a m e l y ,a g r i c u l t u r a l i n p u tm a t e r i a l s ,c r o p c u l t i v a t i o n ,l i v e s t o c ka n d p o u l t r y b r e e d i n g ,a n ds t r a w b u r n i n g ,th e a g ri c u l t u r a l c a r b o ne m i s s i o n s i n t h em a i n g r a i n p r o d u c i n g a r e a s f r o m2010t o2020w e r em e a s -u r e da n d t h eT A P I Od e c o u p l i n g m o d e l a n dL M D Im o d e l w e r e u s e d t o a n a l y z e t h e c h a r a c t e r i s t i c s a n d i n f l u e n -c i n g f a c t o r s o f a g r i c u l t u r a l c a r b o n e m i s s i o n s i n t h em a i n g r a i n p r o d u c i n g ar e a s .[R e s u l t s ]F r o m2010t o 2020,t h e c a r b o ne m i s s i o n s i n t h em a i n g r a i n p r o d u c i n g a r e a s i n c r e a s e d f i r s t a n d t h e nd e c r e a s e d .T h e c a r b o ne m i s -s i o n s i n2010i n c r e a s e d f r o m860.78M t t o871.64M t i n2020,w i t h t h e i n c r e a s eo f 10.86M t ,o r 1.26%.I n 2017,i t r e a c h e d a p e a ko f 927.68M t .A g r i c u l t u r a l i n p u t sw e r e t h em a i n s o u r c e o f c a r b o n e m i s s i o n s .T h e c a r -b o ne m i s s i o n i n t e n s i t y s h o w e d ad o w n w a r d t r e n d ,a n d t h eh i g h e s t c a r b o ne m i s s i o n i n t e n s i t y in t h e p r o v i n c e c o u l d r e a c ht o3.99t /m i l l i o n .I nt e r m so f t h er e l a t i o n s h i p b e t w e e na g r i c u l t u r a l c a r b o ne m i s s i o n sa n de c o n o m i c g r o w t h ,l o we m i s s i o na n dh i g h y i e l da r e a sw e r e i d e a l .C u r r e n t l y ,m o s to f t h es t u d yp r o v i n c e sa r e i nh i gh d i s c h a r g e a n d l o w y i e l d a r e a s ,e x c e p t f o rH e b e i P r o v i n c ew h i c h i s a l o wd i s c h a r g ea n dh i gh y i e l da r e a .T h er e l a t i o n s h i p b e t w e e na g r i c u l t u r a lc a r b o ne m i s s i o n sa n da g r i c u l t u r a le c o n o m y i nt h e m a i n g r a i n p r o d u c i n g a r e a sh a db e e nc o n t i n u o u s l y i m p r o v e d.B y2020,s e v e n p r o v i n c e sc o u l db ei nas t r o n g d e c o u p l i n g s t a t e.A g r i c u l t u r a l p r o d u c t i o ne f f i c i e n c y,r e g i o n a l i n d u s t r i a l s t r u c t u r e,r u r a l p o p u l a t i o na n da g r i c u l t u r a l i n d u s t r i a l s t r u c t u r e a r e t h em a i n f a c t o r s t o c u r b c a r b o n e m i s s i o n s.[C o n c l u s i o n]A c h i e v i n g c a r b o n e m i s s i o n r e d u c t i o n i n t h e m a i n g r a i n p r o d u c i n g a r e a sa n d p r o m o t i n g s u s t a i n a b l ea g r i c u l t u r a ld e v e l o p m e n ts h o u l db e p r o m o t e di na c o n c e r t e dm a n n e r b y i m p r o v i n g a g r i c u l t u r a l p r o d u c t i o ne f f i c i e n c y a n dc o n t r o l l i n g t h e a m o u n t o f s l a u g h t e r e d a n d s t o c k e d l i v e s t o c ka n d p o u l t r y.K e y w o r d s:a g r i c u l t u r a l c a r b o ne m i s s i o n;c a r b o ne m i s s i o n i n t e n s i t y;T A P I O;L M D I自2006年我国首次超越美国成为全球最大温室气体排放国后,我国就面临着保增长和降碳排并行的双重压力㊂2020年我国政府在联合国一般性辩论会上提出分两个阶段实现 双碳 目标[1],充分发挥了大国的责任担当积极应对气候变化,并于2021年向联合国提交了‘中国落实国家自主贡献成效和新目标新举措“和‘中国21世纪中叶长期温室气体低排放发展战略“[2],并在 十四五 规划中积极进行了战略部署,明确了产业结构和能源结构优化调整㊁节能减排㊁增加碳汇的发展战略㊂农业具有碳源和碳汇双重碳效应[3],固碳减排的潜力十分巨大,在我国实现 双碳 目标中具有重要的战略地位[4]㊂据统计,农业碳排放已占我国碳排放总量的17%,是我国碳排放的重要组成部分[1]㊂二十大中多次也提到生态保护,增加碳汇,并致力于协同推进降碳㊁减污㊁扩绿㊁增长,推进生态优先㊁节约集约㊁绿色低碳发展㊂因此探究碳排放发展趋势及其影响因素迫在眉睫㊂1977年B o l i n对农业生产活动碳源与其他生态系统碳汇的关系的探讨引起了国际关注,农业碳排放问题逐渐成为碳排放的焦点之一[5]㊂目前对农业碳排放的研究主要集中在以下几个方面:(1)对农业碳排放因子的测算㊂农业碳排放主要来源被认为主要来自化学农业投入[6],包括化肥㊁农药㊁农膜等化学产品生产和使用过程中的碳排放[7];能源消耗,包括农业机械使用过程中消耗的化石燃料㊁灌溉等消耗的电量[8];农业资源自身及其产出物,如水稻生长发育过程中产生的温室气体㊁动物养殖产生的碳排放等[9-10];(2)对农业碳排放的影响因素分析㊂何艳秋等[9]认为农业经济发展水平和机械化水平是影响碳排放的主导因素㊂周思宇等[11]认为土壤管理与农用品投入碳排放是东北地区耕地的主要碳排放源㊂张杰等[12]从农户尺度分析,认为年龄㊁务农年限㊁教育水平和农业技能培训均能影响米脂县的农业碳排㊂(3)对农业碳排放的时空特征研究㊂吴义根等[13]利用E S D A,分析农业碳排放的空间关联效应㊂农业碳排放总量及其强度空间分布存在明显的非均衡性,有集聚的趋势,集聚的区域层次分明,有明显的地域特征㊂曹俐等[14]以山东17地级市为研究对象,发现1997年以来,山东省农业碳排放量和排放强度总体呈现出简单的倒 U 形变化, 上升 下降 两阶段演化特征突出㊂李远玲等[15]发现湖南省各县(市㊁区)农业碳排放在空间布局上存在显著同质性,空间均质性增强,空间异质性减弱㊂(4)农业碳减排政策㊂田云等[16]提出注重顶层设计,厘清制约碳减排工作的关键性因素,加大政策扶持力度等方法来保证减排实施㊂吴昊玥等[17]提出立足实际㊁多措并举㊁联合控制区域显著因素等措施实现减排增汇㊂蒋添诚等[18]认为化肥农药零增长工程㊁畜禽粪便基本资源化利用行动等有利于碳减排㊂(5)碳排放与经济增长脱钩㊂王太祥等[19]研究得出西北干旱区农地利用碳排放与农业经济增长以弱脱钩为主㊂陈红等[20]以黑龙江为研究区,探究发现2016年后,黑龙江碳排放与农业经济间存在强脱钩关系㊂蒋添诚等[18]发现湖北碳排放量与农业经济间存在强脱钩关系㊂农业是国民经济的基础,粮食主产省区是我国主要产粮区域同时也是我国重要的畜禽业养殖基地㊂2003年国家财政部印发‘关于改革和完善农业综合开发若干政策措施的意见“对粮食主产区进行界定,包括黑龙江㊁吉林等13省㊂2020年,粮食主产省粮食产量占全国78.56%,对农业生产具有重要影响㊂本研究以粮食主产省区为研究区,从农用投入物质㊁农作物种植㊁畜禽业养殖㊁秸秆焚烧4个方面构建农业碳排放体系,测算2010 2020年的农业碳排放及强度,分析其时空变化规律,研究不同省域农业碳排放与农业经济的脱钩关系及碳排放影响因素,旨在为保障粮食安全,维护生态环境,实现农业低碳可持续发展提供理论依据㊂1研究方法与数据来源1.1研究方法I P C C在‘2006年温室气体排放清单指南“列举农业生产过程中温室气体的排放源主要包括10个方154第1期宁静等:中国粮食主产省区农业碳排放特征及影响因素面,但我国具体的案例研究往往根据I P C C推荐公式及我国特有的参数进行核算㊂由于农业碳排放源存在多样性㊁复杂性的特征,很难形成一套统一的测量标准[21]㊂综合考虑粮食主产省区特点及数据可得性,本文拟从农用投入物质(包括化学物质和化石燃能源)㊁农作物种植㊁畜禽养殖㊁秸秆燃烧4个方面产生的碳排放进行核算㊂1.1.1农用投入物质碳排核算本文农用投入物质的碳排放来源选择借鉴丁宝根[7]㊁李波等[8]人的研究成果,即农业生产过程中化肥㊁农药㊁化石能源等使用过程中而产生的碳排放,具体公式如下:E农用投入物质=ð T iˑαiˑ(44/12) (1)式中:E农用投入物质为农用投入物质的碳排放量;T i是i 类碳源的使用量,包括化肥㊁农药㊁农膜㊁柴油使用量㊁农作物播种面积㊁有效灌溉面积;αi是i类碳源的排放系数,与碳源i一一对应,分别是0.8956k g/k g, 4.934k g/k g,5.18k g/k g,0.5927k g/k g,312.6k g/ k m2,266.48k g/h m2㊂1.1.2农作物种植碳排核算本研究对农作物种植活动产生的碳排放主要考虑农作物种植过程中产生的两部分占比较大的碳排放,一部分是种植过程中翻耕土壤有机碳矿化分解产生的N2O,另一部分是水稻种植过程中因根系淹水发酵产生的C H4㊂E农作物种植=E农作物N2O+E水稻种植(2)其中:E农作物N2O=ð(S iˑτi)(3)式中:E农作物N2O为农作物种植过程中产生的N2O排放量,S i为i类农作物播种面积,τi为i类农作物的N2O排放系数㊂其中,水稻为0.24k g/h m2,春小麦为0.40k g/h m2,冬小麦为1.75k g/h m2,大豆为2.29 k g/h m2,玉米为2.532k g/h m2,油料为0.95k g/ h m2,蔬菜为4.944k g/h m2㊂水稻生长过程中会产生甲烷E水稻种植,借鉴何艳秋等[22]相关成果,考虑区域差异,具体排放系数见表1㊂E水稻种植=ð(C iˑZ i)(4)式中:E水稻种植为水稻种植产生的C H4排放量;C i为i 省水稻种植面积;Z i为i省水稻排放因子㊂表1C H4排放因子T a b l e1C H4e m i s s i o n f a c t o r s g/m2区域排放因子区域排放因子区域排放因子河北15.33黑龙江8.31山东21.02内蒙古8.93江苏32.40河南17.85辽宁9.24安徽31.91湖北38.23吉林5.57江西42.20湖南35.01四川16.911.1.3畜禽养殖碳排核算由于我国大部分粮食主产省区与畜禽产品主产区高度重合[23],即粮食主产省区是全国畜禽养殖碳排放的主要区域之一[24],因此粮食主产区的畜禽养殖碳排也不可忽视,本研究中的畜禽养殖碳排主要考虑反刍动物胃肠发酵产生的C H4和粪便处理过程中产生的碳排放㊂E畜禽业养殖=E C H4+E N O2(5)E C H4=ðB iˑ(D i+G i)(6)E N O2=ð(B iˑG i)(7)式中:E C H4和E N O2分别为畜禽养殖产生的C H4和N O2排放量;B i为i类动物的饲养量;D i为肠胃发酵产生的C H4;G i为粪便管理产生的C H4或N O2㊂借鉴刘杨等[25-27]学者研究,具体排放系数见表2㊂表2肠胃发酵和粪便管理产生的C H4,N O2系数T a b l e2C H4a n dN O2c o e f f i c i e n t s g e n e r a t e db yg a s t r o i n t e s t i n a l f e r m e n t a t i o na n dm a n u r em a n a g e m e n t s y s t e mo f l i v e s t o c k畜禽名称C H4排放系数/(k g㊃头-1㊃a-1)肠胃发酵粪便管理N O2排放系数/(k g㊃头-1㊃a-1)粪便管理非奶牛51.401.501.37奶牛68.0016.001.00猪1.003.500.53羊5.000.160.33家禽 0.020.021.1.4秸秆焚烧碳排核算本研究对于秸秆焚烧的碳排放主要考虑我国主要粮食作物玉米㊁小麦㊁水稻秸秆焚烧带来的碳排放㊂具体排放系数借鉴程琳琳等[28]学者的相关研究㊂E i j秸秆焚烧=ð(Q i kˑM kˑN kˑP kˑL k)(8)式中:E i j秸秆焚烧是i省j类气体排放量;Q i K是i省k 作物的产量;M K是k的草谷比;N K是k的露天焚烧比;P K是k的燃烧效率;L K是k的排放因子㊂1.1.5农业碳排放总量E=E农用投入物质+E农作物种植+E畜禽业养殖+E i j秸秆焚烧(9)式中:E为农业碳排放总量;E农用投入物质为农用投入物质温室气体排放量;E农作物种植农作物种植产生的温室气体排放量;E畜禽业养殖为畜禽养殖产生的温室气体排放量;E i j秸秆焚烧为秸秆燃烧产生的温室气体排放量㊂此外,根据全球变暖潜能值,C O2的GW P为1,C H4为25,N O2为310[29]㊂1.1.6碳排放强度农业碳排放强度主要用来衡量地区农业经济同农业碳排放量之间的相关程度,即每单位国民生产总值所产生的二氧化碳排放量㊂碳排放强度越低代表该区域经济增加的碳排代价越小㊂254水土保持研究第31卷A =E /G D P n(10)式中:A 为农业碳排放强度;E 为农业碳排放总量;G D P n 为农牧业总产值[27]㊂1.2 脱钩模型O E C D 首次提出脱钩概念,最初用来描述环境压力和驱动力的变化关系,但存在明显缺陷:一是对变量的基期和末期取值比较敏感,易产生结果偏差;二是过于笼统地划分脱钩类型,对环境压力与经济增长之间的具体关系类型无法详细区分[7]㊂T A P I O在O E C D 脱钩模型的基础上克服了数据的敏感特征,进一步提出了 脱钩弹性 的概念,充分考虑研究对象的总量及相对量的变化,可以较好地反映碳排放量与经济增长间的关系㊂因此本文选择T A P I O脱钩模型进行研究㊂根据脱钩弹性值大小,将其分为8类[30](表3)㊂e =ΔE /EΔG D P n /G D P n(11)式中:e 为脱钩弹性值;ΔE 为农业碳排放变化量;E为农业碳排放量;ΔG D P n 为农牧业产值变化量;G D P n 为农牧业总产值㊂表3 脱钩类型划分T a b l e 3 C l a s s i f i c a t i o no f d e c o u p l i n g t y pe s 指标状态ΔE /E ΔG D P /G D Pe含义负脱钩扩张负脱钩>0>0e >1.2农业经济增长,碳排放大幅增长强负脱钩>0<0e <0农业经济衰退,碳排放增长弱负脱钩<0<00ɤe <0.8农业经济衰退,碳排放缓慢衰退脱钩弱脱钩>0>00ɤe <0.8农业经济增长,碳排放缓慢增长强脱钩<0>0e <0农业经济增长,碳排放减少衰退脱钩<0<0e >1.2农业经济衰退,碳排放大幅衰退连接扩张连接>0>00.8ɤe ɤ1.2农业经济增长,碳排放中速增长衰退连接<0<00.8ɤe ɤ1.2农业经济衰退,碳排放大幅减少1.3 碳排放影响因素分析L M D I 模型具有消除残差,因素可逆等优点[31],在农业碳排放分解中应用广泛㊂本文采用L M D I 模型从农业生产效率㊁农业产业结构㊁地区产业结构㊁地区经济发展水平㊁城镇化水平和农村人口6个方面进行分解[27]㊂E =E G D P n ˑG D P n G D P zˑG D P zG D P ˑG D P P z ˑP z P n ˑP n(12)α=E G D P n(13)β=G D P nG D P z (14)γ=G D P zG D P(15)δ=G D P P z(16)ε=P zP n(17)式中:E 为农业碳排放总量;G D P n 为农牧业G D P ;G D P z 为农林牧渔总产业G D P ;G D P 为地区G D P ;P z 为地区总人口;P n 为农村人口㊂α为农业生产效率;β为农业产业结构;γ为地区产业结构;δ为地区经济发展水平;ε为城镇化水平㊂通过对数加和分解等处理,各分解因素贡献值的表达式如下:Δα=E T -E 0l n E T -l n E 0(l n ΔαT -Δα0)(18) Δβ=E T -E 0l n E T -l n E 0(l n ΔβT -Δβ0)(19) Δγ=E T -E 0l n E T -l n E 0(l n ΔγT -Δγ0)(20) Δδ=E T -E 0l n E T -l n E 0(l n ΔδT -Δδ0)(21) Δε=E T -E 0l n E T -l n E0(l n ΔεT -Δε0)(22) Δp =E T -E 0l n E T -l n E 0(l n Δp T -Δp 0)(23)式中:Δα㊁Δβ㊁Δγ㊁Δδ㊁Δε㊁Δp 表示第T 年与基期相比,农业生产效率㊁农业产业结构㊁地区产业结构㊁地区经济发展水平㊁城镇化水平和农村人口对农业碳排放的贡献值㊂将逐年贡献值相加即为相应影响因素的累计贡献值㊂1.4 数据来源本文测算的原始数据主要来源于2010 2020年‘中国农村统计年鉴“‘中国农业年鉴“‘中国畜牧兽医年鉴“,从中获取测算原始数据包括化肥㊁农药㊁牛㊁羊㊁猪㊁农作物产量㊁家禽数量㊁农村人口㊁农业经济产值等㊂为进一步消除价格因素对指标相对可比性的扰动,以2010年为基期采用可比价对经济产值进行调整;354第1期 宁静等:中国粮食主产省区农业碳排放特征及影响因素出栏率小于1牲畜,如牛㊁羊,饲养量等于本年与上年存栏量的均值;出栏率大于1的牲畜,如猪和家禽类,饲养量则采用当年出栏量ˑ(年均生长周期/365),猪㊁家禽的年均生长周期分别为200d,55d[25]㊂2结果与分析2.1农业碳排放数量分析2.1.1粮食主产区碳排放量分析从数量上来看,粮食主产省区总碳排从2010年的860.78M t增长至2020年的871.64M t,增加了10.86M t,增幅1.26%㊂从年增长规律来看,以2017年为界点,呈现先增加后减少的趋势(图1)㊂2010 2015年碳排放量持续上升,这是由于2010年作为 十一五 和 十二五 的巩固和谋划交接之年,中央财政继续加大了农业补贴力度,建立完善农资综合补贴动态调整制度,提高粮食收购价格,激发农民生产积极性,整个 十二五 阶段农业农村经济呈现向好势头,农用投入物质增加,粮食产量同秸秆焚烧量也不断增加,导致这一阶段碳排放量呈增长趋势㊂2015年11月30日,习近平在巴黎气候变化大会上发表‘携手构建合作共赢㊁公平合理的气候变化治理机制“的讲话,并在 十三五 规划中进一步践行 生态文明 理念㊂2015年制定发布‘到2020年化肥使用量零增长行动方案“㊁推进秸秆综合利用等政策,由于农业政策具有效果滞后的特性,粮食主产省区碳排放量在2017年达到峰值927.68M t,随后出现下降趋势㊂从碳排放源的结构来看(图1),粮食主产区近11年来碳排放源占比从高到低依次是农用投入物质(最大年排放量为256.79M t)>畜禽养殖(最大年排放量为249.93M t)>农作物种植(最大年排放量为221.03M t)>秸秆焚烧(最大年排放量221.68M t)㊂农用投入物质是粮食主产区碳排放的主要排放源,年平均碳排放量约占总年平均排放量的27.65%;秸秆焚烧所产生的碳排放占比最少约为22.49%㊂由此可见,农业减排增效是控制农用投入物质碳排放的有效途径,如进行化肥减量提效㊁农药减量控害等政策宣传和推广,提高农业种植效率;秸秆焚烧控制,如鼓励引导农民采用秸秆粉碎还田㊁秸秆覆盖还田等方式促进秸秆综合利用,减少秸秆焚烧㊂2.1.2省际碳排放量对比分析利用A r c G I S数据自然断点分级方法将粮食主产省区13个省份的碳排放量分成5个级别等级,吉林㊁辽宁位于第1等级,碳排放量最低;第5等级碳排放量最高㊂高排区主要位于华中地区,河南省和湖南省的碳排放量最多㊂河南省是我国传统农业大省,种植业的化肥使用占比较高,同时也是我国养猪大省,生猪饲养过程中碳排放也较为突出;湖南省作物熟制为一年两熟(或三熟),农用投入物质及种植翻耕频次较多,导致累积碳排放量较高,此外,湖南省仅次于四川省是我国第二大生猪饲养大省,禽畜碳排占比仍然较大㊂低排区主要位于华北和东北南部,华北地区耕地资源利用的集约化水平相对较高,东北地区则主要是由于其熟制为一年一熟,农用物质投入频次较少㊂值得一提的是,黑龙江省的农业碳排放相较于周围省域较为突出,究其原因是该省种植业机械化水平较高,特别是三江平原地区,农业生产过程中化石能源的碳排放量较大;另外,黑龙江省养殖业发展迅速,2022年已经跃居为我国第九养猪大省㊂图1粮食主产区碳源结构F i g.1C a r b o n s o u r c e s t r u c t u r e i nm a j o r g r a i n p r o d u c i n g a r e a s从2010年和2020年碳排放源占比情况(图2)可知,我国粮食主产省区碳排源的构成相对稳定并具有明显的区域差异性㊂内蒙古㊁四川㊁辽宁㊁黑龙江4个省份畜禽养殖的碳排量占比较高,其中内蒙古占比最大高达58.58%,主要是由于畜禽结构以反刍动物为主;河北㊁山东的碳排放结构则主要表现在农用投入物质的高比例碳排上,即农药㊁化肥㊁农膜等产生的碳排放,分别达到44.94%和40.99%;湖南㊁湖北㊁江西㊁江苏4个省份地处亚热带,一年两熟或三熟㊁水稻种植面积大㊁土壤翻耕频次高,因此农作物种植行为产生的碳排量在碳排结构中占比较大;吉林㊁安徽和河南在排放源结构上没有明显的高比例排放源㊂从2020年相对2010年碳排放源结构比例变化(图3)情况可以看出:畜禽养殖的碳排放源占比下降明显,其中河南和吉林最为显著,分别减少11.32%和10.33%,这是由于在1号文件的宏观指导下畜禽产业不断调整畜牧业结构,开展规模养殖,并积极改良畜禽品种㊁提升饲养技术和畜禽排泄物处理设施㊂自2015年我国提出农业绿色转型发展战略,进行低碳生产以来,粮食主产省区农用投入物质和碳排放占比也均有下降,河北㊁山东减排效果最为明显㊂秸秆焚454水土保持研究第31卷烧和农作物种植活动的碳排放源占比相对增加㊂2.2农业碳排放强度分析粮食主产省区平均碳排放强度呈下降趋势,由2010年2.17t/万元下降到2020年1.58t/万元,降低27.19%,说明我国在2010 2020年期间的农业技术效率提高㊁产业优化布局及相关农业政策对农业经济发展及减排增效作用显著㊂从碳排放的空间分异特征来看,碳排放强度存在地区性差异,华中㊁华东等地区碳排放强度由北向南递增,东北地区排放强度由南向北递增;以江西省为首,碳排放强度最高达3.99t/万元,以及一些南方省份如湖南㊁安徽其主要原因是这些省份的农业产值主要以水稻种植业为主,包括早稻和晚稻均具有较高的碳排放量;黑龙江也具有和南方省份相同的高碳排放强度的特征,主要是由于该省水稻种植面积逐年增加,随着农业现代化水平的提高,大型农业机械对化石燃料的消耗也增大,另外禽畜养殖业也日益壮大;河北㊁沈阳和吉林等省份,位于北方,熟制为一年一熟且以旱作农业为主,碳排放强度较低;内蒙古主要以碳排较高的反刍牲畜养殖为主,所以碳排强度较大;高排放的地区并不一定高排放强度,例如山东省(83.08M t)碳排高于省域平均碳排量(68.70M t),而碳排放强度(1.28t/万元)低于省域平均排放强度(2.07t/万元),该省份农业注重生产效率提升,农业经济由粗放向低碳绿色发展㊂图22010年㊁2020年省域碳源构成F i g.22010,2020H i s t o g r a mo fP r o v i n c i a l C a r b o nS o u r c eC o m p o s i t i o n图32010-2020年碳排放源结构变化F i g.3L i n e c h a r t o f c a r b o n e m i s s i o n s o u r c e s t r u c t u r ec h a n g e f r o m2010t o20202.3脱钩效应分析将农业碳排放与农业经济产值两项指标作为坐标轴(图4),以2010 2020年的各值的省份均值为分界点,将粮食主产区分为四类:高排高产㊁低排高产㊁低排低产㊁高排低产4类[32]㊂山东㊁湖南㊁四川㊁河南属于高排高产区,高投入高回报的传统农业模式依旧占主导地位㊂河北属于低排高产区,在农业碳排放与农业经济产值之间处于良性状态,农业碳排放量低但能实现农业产值高发展㊂辽宁㊁吉林㊁内蒙古㊁湖北㊁江西属于低排低产区,农业碳排放量低但农业经济产值也低于各区平均水平㊂黑龙江㊁安徽㊁江苏属于高排低产区,农业碳排放量较高,但农业经济产值却相对较低,农业投入与收入不符,未来应促进相关农业技术发展,减排增产,促进农业经济发展㊂图4省域类别划分F i g.4P r o v i n c i a l c l a s s i f i c a t i o n测算粮食主产省区2011年㊁2014年㊁2017年及2020年的脱钩指数(表4),总体来说,粮食主产区大部分省域处于弱脱钩状态,农业经济增速大于碳排放量的增速㊂各省域从弱脱钩或扩张连接趋势向强脱钩或弱脱钩转变㊂2011年除黑龙江和吉林外,均属于弱脱钩状态,随后农业碳排放与农业经济的关系不554第1期宁静等:中国粮食主产省区农业碳排放特征及影响因素断改善,低碳农业可持续发展㊂表4粮食主产省区脱钩状态T a b l e4D e c o u p l i n g s t a t u s o fm a j o r g r a i n p r o d u c i n gp r o v i n c e s a n d r e g i o n s省份2011年2014年2017年2020年粮食主产省区弱脱钩弱脱钩弱脱钩强脱钩黑龙江扩张连接弱脱钩扩张负脱钩弱脱钩吉林扩张连接弱脱钩弱脱钩强脱钩辽宁弱脱钩强脱钩强脱钩强脱钩河北弱脱钩弱脱钩强脱钩强脱钩内蒙古弱脱钩扩张负脱钩弱脱钩弱脱钩江苏弱脱钩弱脱钩弱脱钩强脱钩安徽弱脱钩弱脱钩扩张负脱钩强脱钩江西弱脱钩弱脱钩弱脱钩弱脱钩山东弱脱钩弱脱钩弱脱钩强脱钩河南弱脱钩弱脱钩强脱钩弱脱钩湖北弱脱钩弱脱钩扩张连接强脱钩湖南弱脱钩弱脱钩弱脱钩弱脱钩四川弱脱钩弱脱钩强脱钩弱脱钩具体而言(表4),江西㊁湖南一直处于弱脱钩状态,脱钩状态比较稳定㊂吉林由扩张连接向强脱钩转变,辽宁㊁河北㊁江苏㊁山东㊁湖北㊁安徽由弱脱钩向强脱钩转变,实施化肥农药零增长㊁畜禽粪便基本资源利用行动等促进农业碳减排,从而实现农业经济与农业碳排放强脱钩㊂黑龙江脱钩状态为扩张连接 弱脱钩 扩张负脱钩 弱脱钩;四川由弱脱钩向强脱钩再向弱脱钩转变,内蒙古脱钩状态为弱脱钩 扩张负脱钩 弱脱钩 弱脱钩,农业碳排放处于波动状态;现代化农业高速发展,农业利用效率提升,但人们为了追求更高的农业经济利益,加大农业物资的投入及秸秆处理不当等行为,使得农业碳排与农业经济的联系不稳定㊂总体而言,各省脱钩状态向好发展㊂2.4碳排放影响因素分析L M D I分解结果(表5)表明:粮食主产区省份碳排放影响因素受区位条件㊁农业资源禀赋及农业经济发展基础的影响,呈现明显的区域性特征㊂2010 2020年,辽宁㊁河北㊁江苏㊁山东㊁河南㊁湖北㊁四川7省实现碳减排,黑龙江㊁吉林㊁内蒙古㊁安徽㊁江西㊁湖南6省仍处于碳排放增量阶段㊂农业生产效率㊁地区产业结构㊁农村人口因素对这些省份农业碳排放均起到不同程度抑制作用,地区经济发展水平和城镇化水平则促进碳排放量增加㊂农业产业结构仅促进吉林㊁内蒙古碳排放,分别增加71.35万t和51.47万t,而对其他地区碳排放起到抑制作用;吉林㊁内蒙古的第一产业收入主要以农牧业为主,占比分别为93.41%和94.38%,在农牧业中投入农药等生产物资较多,因而促进碳排放㊂黑龙江㊁吉林㊁辽宁㊁内蒙古以农村人口因素为抑制碳排的首要因素,分别减少碳排3601.14万t, 1403.13万t,1125.42万t,1725.56万t;农业现代化水平提高及规模化经营意味着农业劳动力资源投入减少,劳动力向非农转移一定程度抑制碳排㊂河北㊁山东㊁河南㊁湖北㊁四川以农业生产效率因素为抑制碳排的首要因素,分别减少碳排2364.88万t,3269.59万t, 4360.96万t,2343.32万t,2975.87万t,随着经济增长,生产技术投入㊁低碳环保政策落地,生产效率大幅提高,农业生产可持续发展,农业碳排对环境的影响程度逐渐减小㊂江苏㊁安徽㊁江西㊁湖南以地区产业结构为抑制碳排的首要因素,分别减少碳排3638.66万t,3737.26万t,3169.56万t,4526.43万t,地处东南沿海,二三产业发达,外出务工相比农业收益显著,一产比重逐渐减小,一定程度抑制农业碳排放㊂表5碳排放影响因素分解结果T a b l e5D e c o m p o s i t i o n r e s u l t s o f f a c t o r s a f f e c t i n g c a r b o n e m i s s i o n s省份农业生产效率/104t农业产业结构/104t地区产业结构/104t地区经济发展水平/104t城镇化水平/104t农村人口规模/104t黑龙江-2265.54-131.34-820.285934.712072.24-3601.14吉林-1083.2671.35-951.892837.21871.66-1403.13辽宁-1041.64-38.68-725.571807.541032.56-1125.42河北-2364.88-103.06-1997.273667.921916.44-1707.18内蒙古-1039.8851.47-1629.563471.611580.03-1725.56江苏-1334.32-309.53-3638.664764.592735.06-2220.67安徽-1550.50-369.41-3737.266302.462379.79-2190.05江西-2349.78-230.63-3169.565693.372105.46-2020.43山东-3269.59-114.43-3190.975618.652580.32-2084.62河南-4360.96-387.09-4083.117755.593487.67-2884.05湖北-2343.32-638.95-2181.654980.482015.62-1946.29湖南-2725.33-663.17-4526.437872.853041.30-2933.08四川-2975.87-126.08-2911.505381.762260.37-1981.12 654水土保持研究第31卷。