共查询到18条相似文献，搜索用时 421 毫秒
1.
为了深入认识安徽省农业碳排放与农业经济增长之间的相互关系,并为区域低碳农业发展政策措施的制定提供理论依据,采用Tapio与LMDI模型对安徽省农业碳排放的脱钩效应及影响因素进行研究。结果表明：1998—2014年安徽省农业碳排放总量呈波动上升趋势,具体表现为“快速增长-持续〖JP2〗下降-缓慢上升”三阶段特征;研究期内农业碳排放与农业经济增长间的脱钩关系以弱脱钩和强脱钩为主,说明安徽省农业低碳减排工作取得一定成效;效率因素、劳动力因素和结构因素均对农业碳排放增长具有抑制作用,它们在研究期内的累计减排贡献量分别为896.51万t,341.62万t和253.67万t,〖JP〗而农业经济发展则是碳排放增长的主要驱动因素,其引发的累计碳排放增量高达1552.29万t。 相似文献
2.
李颖 《安徽农业大学学报》2017,26(6):23-30
基于种植业和畜牧业2个方面的12类碳源,计算出安徽省2004—2015年的农业碳排放总量和碳排放强度,对安徽省农业碳排放的时间变化和空间方面的特征进行分析,并进一步利用LMDI模型对影响安徽省农业碳排量的主要因素及其对农业碳排放的贡献度进行分解研究.结果表明,研究期间,安徽省农业碳排放总量具有先下降后上升的趋势.来自种植业方面的物资投入对安徽省农业碳排放的影响逐渐增加,来自畜牧业方面的碳排放对安徽省农业碳排放的影响逐渐减弱.农业经济发展水平和农业劳动力规模因素拉动了安徽省农业碳排放量的增加,而农业生产效率因素和农业结构因素则抑制了碳排放量的增加.为促进安徽省农业碳减排,应加快转变农业经济发展方式,优化农业产业结构,高效利用农业资源,积极研发和推广农业碳减排的应用技术,实现畜牧业的可持续发展. 相似文献
3.
《农村经济与科技》2017,(5):15-20
基于农业生产中翻耕、化肥、农药、农膜、农用柴油和农村用电等6个方面,测算了安阳市1993~2014年的农业碳排放量。结果表明,安阳市农业碳排放总量整体呈上升趋势,碳排放总量由1993年的36.62×104t增加到2014年的143.84×104t,年均增长7.52%,总体上呈"高速—负增长—高速—低速"四阶段演化特征。安阳市农业碳排放总量与经济发展呈典型的倒"U"型曲线关系,目前处于倒"U"型曲线的左侧,拐点还未出现。农业碳排放总量的组成结构随时间变化,从平均占比情况来看依次为农村用电、化肥、农用柴油、农膜、农药和翻耕。运用LMDI模型对安阳市农业碳排放影响因素进行分解,结果显示,农业经济发展对碳排放具有较强促进作用,与基期相比,累计实现了178.09×104t的碳增量,而生产效率、劳动力因素和产业结构因素则对碳排放有抑制作用,分别累计实现52.51×10~4t、12.37×10~4t和5.99×104t的碳减排。Tapio脱钩分析表明,目前安阳市农业碳排放与农业经济发展之间的脱钩关系以扩张负脱钩为主。安阳市必须采取有效措施,尽早实现农业碳排放与农业经济增长的脱钩。 相似文献
4.
5.
长江经济带农业碳排放时空特征及其驱动因素分析 总被引：2，自引：0，他引：2
为长江经济带农业碳减排政策的制定提供决策参考,从基于农业物资投入的农药、农膜、柴油、化肥、翻耕和灌溉等6个方面构建长江经济带农业碳排放体系,分析1996-2015年长江经济带农业碳排放总量的时序特征和2015年该区域11个省市农业碳排放量的空间特征,并利用改进的Kaya模型对1996—2015年农业碳排放的驱动因素进行分析。结果表明:1996-2015年长江经济带农业碳排放总量呈中速-高速-低速的阶段性上涨趋势;各地区间碳排放总量及强度差异悬殊,从碳排放总量角度看,上海市最低,安徽省最高;从碳排放强度看,贵州省最低,上海市最高;农业生产效率、农业劳动力和农业产业结构等因素的变化推动了农业碳减排。 相似文献
6.
陕西省农业碳排放时序特征及影响因素分析 总被引：1，自引：1，他引：0
《山西农业科学》2016,(9):1377-1382
为探讨陕西省农业碳排放时间变化及其驱动因素,基于种植业和畜牧业2个方面的16类碳源,测算分析了2000—2014年陕西省农业碳排放现状,并利用LMDI模型对农业碳排放的驱动因素进行分解。结果表明,2000—2014年陕西省农业碳排放量增加了24.25%(96.33万t),年均增长率为1.56%,总体呈上升—下降—上升的变化趋势;化肥、农业机械、农膜、农药等农业物资投入对陕西省农业碳排放的影响逐渐增加,牛、羊、猪等大牲畜的肠道发酵、粪便管理对碳排放的影响逐渐减弱;对农业碳排放具有抑制作用的因素大小依次为效率因素、劳动力因素和结构因素,而经济因素则具有较大的促进作用。 相似文献
7.
本文采用两种农业碳排放量核算方法,测算比较了2003—2015年中国30个省份的农业碳排放量,并运用基于核密度函数的动态演进模型和LMDI指数分解模型分析了中国农业碳排放量的动态演进特征及影响因素。结果表明:(1)化石燃料直接碳排放核算方法所得出的碳排放核算结果低估了农业碳排放量,而农田利用碳排放核算结果更为准确。(2)全国及8大经济区除北部沿海农业碳排放量地区差距经历先扩大后缩小的过程外,其余均呈持续扩大趋势。(3)农业生产效率、固定资产投资规模和投资效率对农业碳排放量变化具有显著的影响。其中,固定资产投资规模是地区碳排放增长的最主要驱动因素,固定资产投资效率是最主要的抑制因素。根据研究,本文提出了,中国农业要实现低碳发展,可从培养农业低碳意识、提高农业固定资产投资效率及提高农业生产效率3个方面着手的建议。 相似文献
8.
新疆农业碳排放与农业经济增长的响应关系 总被引：1，自引：0，他引：1
《江苏农业科学》2018,(22)
测算了新疆维吾尔自治区(以下简称新疆) 2000—2015年及其14个地州2015年的农地利用、稻田、畜牧养殖3个方面的农业碳排放量,并进行时空差异分析。基于Tapio脱钩理论解析新疆农业碳排放与农业经济增长之间的动态演变关系,利用LMDI模型对新疆农业碳排放的驱动因素进行分解。结果表明:2000—2015年新疆农业碳排放总量在保持总体上升趋势的同时呈现"上升—下降—上升"的3个阶段特征,14个地州的碳排放强度和结构差异明显。与2000年相比,2001—2015年农业经济发展因素和农业从业劳动力因素累计产生碳排放量分别是4 455.88×10~7kg和907.30×10~7kg,农业生产效率因素和农业产业结构因素累计实现的碳减排总量分别是4 180.90×107kg和81.59×10~7kg。 相似文献
9.
选取中国西部地区四川省作为研究对象,应用政府间气候变化专门委员会(IPCC)推荐的碳排放模型测算2000～2016年区域内农业碳排放量及强度;采用Tapio脱钩理论分析区域内农业碳排放与经济增长的特征,并评估农业经济低碳发展状况;通过构建LMDI碳排放因素分解模型研究各驱动因子的贡献值,根据驱动因子的影响和作用提出农业低碳发展的对策。结果表明:研究期内四川农业碳排放量及强度平均每年分别以1.52%、1.18%增长率呈上升趋势,其中农膜是最主要贡献者,占45.2%;农业碳排放与经济增长的脱钩关系由最初不理想状态逐渐变成相对理想状态,在2013、2016年则呈现出完全脱钩的理想状态。研究分析得出农业经济快速增长是导致碳排放增加的主要驱动因素,农业生产效率是影响碳排放增长的关键抑制因素。 相似文献
10.
基于能源(原煤,汽油,柴油,煤电)消耗和物质消耗(化肥、农药、农膜),测算了秦皇岛市2001-2010年农业碳排放.结果表明,2001-2010年秦皇岛市农业碳排放总量呈温和增长趋势,年均增加4.01％,农业能源消费碳排放呈现快速增长,年均增加9.63％.利用LMDI模型对影响农业碳排放的因素进行了分解,结果显示产业结构因素、效率因素和劳动力因素对秦皇岛市农业碳排放起到了一定的减排作用,而经济因素则对碳排放有强烈的促进作用.并基于研究结果对秦皇岛市农业低碳化提出相关建议. 相似文献
11.
甘肃省土地利用碳排放变化及影响因素分解 总被引：1，自引：0，他引：1
[目的]研究土地利用中各类型土地的碳排放量及各土地利用碳排放的影响因素。[方法]以甘肃省为例,在分析1995—2012年土地利用结构变化的基础上,估算了各种土地利用类型的碳排放量,并运用LMDI模型对其影响因素进行了分析。[结果]土地利用结构变化总体表现为建设用地面积持续增加,农用地面积减少;建设用地内部结构变化中居民点及工矿用地面积增加最多,交通用地变化幅度显著;土地利用碳排放量总体呈上升趋势,由1995年的1 882.07×104t增加到2012年的7 503.23×104t,年均增加341.48×104t;土地利用碳排放强度最大的是居民点及工矿用地,交通用地碳排放强度呈缓慢上升态势,但到2012年有所下降;土地利用变化、经济发展水平提高、人口规模增加促进了土地利用的碳排放,能源效率提高和能源结构优化抑制了土地利用的碳排放。[结论]对甘肃省土地利用碳排放总量的变化趋势影响最大的是居民点及工矿用地,能源效率提高和能源结构优化是今后甘肃省碳减排的重要途径之一。 相似文献
12.
基于LMDI的兰州市农业碳排放现状及影响因素分析 总被引：3，自引：1，他引：2
通过构建碳排放研究指标体系,测算各县区农业碳排放特征,并分析其演变规律;以碳排放量测算结果为基础,采用LMDI分析方法分析兰州市农业碳排放影响因素分析。结果表明:兰州市近13年的农业碳排放总量呈现明显增长趋势,碳排放强度呈逐年下降趋势;土地翻耕产生的碳排放最大,占比超过40%;2015年兰州市各县农业碳排放差异较大,呈现边缘增长的结构,其中榆中县、永登县、皋兰县三县农业碳排放总量占总排放量83.55%;农业经济发展对碳排放量增加呈现正效应,是导致农业碳排放增加的关键因素,而农业碳排放强度、产业结构对碳排放量增加有负向影响。本研究建议未来兰州市在农业发展过程中应积极提倡土地轮作休耕,适当减少农药、化肥等使用量,推广种植绿肥作物;加大推进规模化发展,大力发展生态农业,加快传统农业向现代农业转变,推进兰州农业碳减排工作顺利进行。 相似文献
13.
农业碳减排作为应对气候变化研究的重要内容,一直是相关研究领域的热点?借鉴IPCC和其他研究机构、学者提供的碳排放因子系数,从农业物资投入、农地活动、水稻种植、牲畜养殖等12种主要碳源,测算了江西省2001-2020年农业碳排放量,并利用LMDI分解法将农业碳排放驱动因素分解为效率因素、结构因素、经济发因素、劳动力因素。结果表明：江西省农业碳排放总量从2001-2020年呈波动下降-上升-下降-持续上升-持续下降的变化趋势,并在2016年达到顶峰。相比于2001年,农业碳排放量增长20.68%,农业碳排放强度下降47.75%;效率因素与劳动力因素对农业碳排放有抑制作用,分别减少351.02%、426.26%的碳排放量。结构因素与经济因素对农业碳排放有促进作用,分别增加33.55%、843.92%的碳排放量。文章最后就农业碳减排措施提出了针对性建议。 相似文献
14.
为研究农业技术水平和自然禀赋对农业碳排放和碳汇的影响,通过修正后的农业碳补偿测算方法,计算得到2007—2016年长江经济带各省（市）的农业碳补偿额并进行对比分析。结果表明：江西和湖南的农业碳排放冗余量均为零值,农业技术水平较高,浙江和云南的农业碳排放冗余量较高,均值分别达到237.18万t和175.13万t,农业技术水平落后;浙江、江西、四川和云南的年均调整系数小于1,农业自然资源禀赋高于长江经济带的整体水平;修正后浙江和云南的碳补偿额由正数变为负数,表明这两个省从碳受偿地区变为碳支付地区,上海、江苏、安徽、湖北、湖南、重庆、贵州农业碳补偿额比修正前有所增加,江西和四川农业碳补偿额则比修正前减少。长江经济带各省域应加强农业自然禀赋的建设,提高生态背景值,增强其农业生态系统的碳汇功能,加快实现长江经济带生态补偿公平价值,并提升生态资源利用的地区公平性。 相似文献
15.
为探讨山西省农业碳排放时空特征及未来变化趋势,采用排放因子法,基于种植业、畜牧业10类碳源,测算山西省2000—2020年农业碳排放量,并运用STIRPAT模型对2021—2030年全省农业碳排放量进行预测。结果表明：2000—2020年山西省农业碳排放量总体呈先缓慢上升后波动下降的变化趋势,农业碳排放强度整体呈波动下降的变化趋势,年均降幅4.1%。种植业和畜牧业分别占农业碳排放总量的42.2%和57.8%。其中施用化肥是种植业碳排放最重要的来源,年均占比26.9%。牛、羊养殖是畜牧业碳排放最主要的两大来源,平均贡献率为28.4%、21.9%。山西省农业碳排放总量高值区多分布于晋北及晋南地区,低值区分布于中部地区,农业碳排放强度呈北高南低的分布特征。基于STIRPAT模型对山西省2010—2020年农业碳排放估算结果的精确度较高,由此预测2021—2030年山西省农业碳排放量,结果显示其呈下降趋势,在基准情景、低碳情景1和低碳情景2中,到2030年农业碳排放量分别为277.2万、268.5万、252.3万t。研究表明,山西省农业已实现碳达峰,随着低碳措施的进一步强化,未来农业碳排放呈持... 相似文献
16.
甘肃省农地利用碳排放测算及影响因素研究 总被引：5，自引：0，他引：5
利用2000-2011年甘肃省农业投入的六大类碳源相关数据,对甘肃省历年农地利用碳排放量进行测算。分析得出:从2000年起,甘肃省农地利用碳排放量和碳排放强度分别以年均6.0%和5.8%的增速上升。六类碳源中,化肥、农药、农膜、柴油、翻耕和灌溉碳排放量的年均增速分别为2.8%,17.7%,7.6%,5.4%,0.3%,1.1%。运用LMDI模型对农地利用碳排放的影响因素进行分析,结果表明:从2001-2011年,由生产效率、产业结构、经济水平和劳动力规模变化所引起的碳排放增量比分别为:-15.18%、-4.46%、44.19%和0.34%。由此表明,农业生产效率和产业结构对碳排放具有抑制作用,劳动力规模虽具有一定的促进作用,但作用较小,而农业经济水平是导致甘肃省农业碳排量增加的主导因素。最后根据以上结果,对甘肃省农地利用碳减排提出对策建议。 相似文献
17.
江苏省农业碳排放时序特征与趋势预测 总被引：2，自引：1，他引：1
为探讨江苏省农业碳排放时序特征及未来碳排放趋势,利用排放因子法对江苏省2000—2019年农业碳排放进行估算,并运用STIRPAT模型对2020—2030年全省农业碳排放趋势进行预测。结果表明：江苏省2000—2019年的CO2排放当量（CO2e）整体呈现降低-升高-降低的趋势,并在2005年达峰,估算为8 361.77万t,其中种植业、畜牧业则分别在2010年、2003年达峰,种植业排放量远高于畜牧业。农业CO2e排放强度呈先升高后降低的趋势,2003年后排放强度逐年递减,到2019年已降至1.31 t·万元-1;在各碳源中,水稻种植是全省农业碳排放的最大排放源,而在主要畜禽中,猪养殖过程中造成的碳排放远高于其他畜禽;预计2020—2030年,伴随城镇化发展、农业人均GDP提高和农业碳排放强度的进一步降低,全省农业CO2e排放量仍将呈下降趋势,在减碳的同时可以兼顾农业经济高效发展。研究表明,江苏省农业已实现碳达峰,未来农业碳排放的持续降低将有利于加速全省碳中和目标的实现。 相似文献
18.
基于碳排放背景下,利用数据包络分析法评估了长江经济带2013-2017年农用地利用碳排放效率。结果表明,这五年间,长江经济带11省市的农用地利用碳排放效率整体偏低,区域农用地利用平均效率不足0.7。并且,通过对比2017年不考虑碳排放影响下的农用地利用效率结果得出,碳排放会对农用地利用效率有一定程度的负面影响。此外,利用Tobit回归分析方法发现,对区域农用地利用碳排放效率具有显著影响的因素是年均气温、耕地面积以及农村居民人均收入。因此探讨碳排放影响下的农用地利用效率及其影响因素,对优化农业土地结构和资源可持续利用有着重要作用。 相似文献