共查询到20条相似文献，搜索用时 437 毫秒
1.
依据IPCC经典碳排放计算理论,基于种植业碳排放、禽畜业碳排放2个方面,测算了中国主要热带地区海南省及18个市县2011—2021年主要农业生产活动碳排放量,分析其碳排放的时序特征,运用灰色预测模型预测了2022—2035年海南省及各市县农业碳排放量。结果表明：2021年海南省农业碳排放量为397.67万t, 2011—2021年海南省农业碳排放总量呈现出先上升后波动下降的趋势;2010—2021年,海南省种植业和禽畜业碳排放量总体呈“低—高—低”的变化趋势;2010—2021年海南省16个市县的碳排放量呈现沿海地区高,内陆地区低的分布规律;海南省农业碳排放量在2030年前已达到峰值,海口、三亚等14个市县在2035年前均已达到峰值,但是定安、儋州、东方并未达到峰值。本文针对海南省的农业碳排放情况提出相应的减排策略。 相似文献
2.
3.
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
4.
中国农业碳排放经验分解与峰值预测——基于动态政策情景视角 总被引：1，自引：1，他引：0
运用广义迪式指数分解(GDIM)考察了1985—2017年中国农业碳排放驱动因素,并根据因素贡献差异设置动态政策情景对2018—2030年的全国农业碳排放量进行模拟与预测。研究发现:财政支出规模是引致碳排放增长的首要因素,而财政支出强度与产出强度为促进碳排放减少的关键因素;从时间段来看,1985—2010年我国碳排放增长表现为“产值规模带动”到“生产支出带动”,2010年后呈现“政策规制效应”下的年际间交替增减变化态势;在动态情景预测中,政策规制情景和绿色低碳情景分别在2025和2020年达到峰值,高速发展情景和绿色低碳情景在2030年的碳排放总量相差近10亿t。由此可见,出台“奖补”与“规制”并行的政策手段、借助市场作用优化农业生产投入结构、提高农资消耗品使用率是促进低碳生产的长久之计。 相似文献
5.
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
6.
为探究海南省碳排放的时空分布特征,以海南省农业领域碳排放情况为研究对象,基于2016—2020年海南省农业年鉴数据,从种植业、养殖业、渔业和农用能源等4个方面入手,采用IPCC碳排放计算方法,分别计算全省与各市县农业年碳排放总量和碳排放强度。结果表明：海南省农业领域碳排放总量历年变化幅度较小,2018年海南省农业领域碳排放总量（以碳当量计）达到最大为495.69万t,种植业和农用能源碳排放所占比例最大,分别为61.62%和31.29%;海岛特点导致海南省农业领域碳排放总量在地域上存在明显差异,海口、文昌、琼海、澄迈、临高、儋州地区等沿海县区农业领域碳排放量远大于岛中央地区,呈现北高南低、外高内低的特点;海南省及各市县区农业领域碳排放强度逐年下降,2020年全省农业领域碳排放强度（以碳质量计）降低至0.26 kg/亿元,降低速度超过全国平均水平。在目前农业发展场景下,海南省已基本实现农业领域碳达峰,碳排放总量与碳排放强度虽处于高位,但在未来几年内仍会不断下降。 相似文献
7.
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
8.
中国农业碳排放、低碳农业生产率及其协调性研究 总被引：3，自引：0，他引：3
运用DEA-Malmquist模型考察中国低碳农业生产率并利用Tapio脱钩模型探究农业碳排放与其之间的协调性。结果表明： 1）我国农业碳排放总量上升趋势较为明显,但年际间也伴随一定的波动起伏;农业碳排放强度一直处于下降趋势;农用物资、稻田与牲畜养殖所引发的碳排放量均呈上升趋势,其中农用物资碳排放所占比重一直处于上升趋势,而稻田与牲畜养殖的占比均有不同程度降低。 2）1993年以来,我国低碳农业生产率增速总体偏慢,年均仅为0.80%,基于其累计值的年际变化可划分为平稳起伏、波动下降和波动上升等3个阶段;从增长源泉看,农业前沿技术进步相比农业技术效率发挥了更为显著的作用。 3）我国农业碳排放与低碳农业生产率之间的脱钩类型1993—2002年主要表现为强负脱钩和扩张负脱钩;而2002—2012年则多种脱钩状态共存但以弱脱钩为主。 相似文献
9.
探索农业生产碳排放强度驱动因子,对制定低碳农业发展规划及目标具有重要启示意义。运用IPCC碳排放测度模型,测算了安徽省2005-2020年农业生产碳排放,采用典型相关分析方法,考察了农业生产碳排放效率驱动因子。结果表明:1)安徽省农业生产碳排放由2005年的987.40万吨攀升至2020年的1227.59万吨,年均增长1.46%。农业生产碳排强度由2005年的1.21t/万元下降至2020年的0.49t/万元,年均下降5.85%；2)农业生产碳排放与其强度呈显著“剪刀差”态势,两者间夹角达33.52°；3)农业科技创新、农机化水平、农业生产结构与农业生产碳排放强度典型相关系数分别为-0.652、-1.728、-0.562,均为农业生产碳排放强度下降“动力”因子,而规制政策、城镇化、农村经济发展与农业生产碳排放强度典型相关系数分别为0.085、0.619、1.232,为农业生产碳排放强度下降“掣肘”因子。基于研究结果,提出了安徽省发展低碳农业的政策建议。 相似文献
10.
11.
山西农田生态系统碳源/汇时空差异分析 总被引：4，自引：0，他引：4
【目的】分析山西省农业碳循环过程,为该省的农作物布局,以及利用农业结构调整固碳减排提供科学依据。【方法】运用山西省11个地区2000-2006年作物产量、种植面积、农业投入等统计数据,对山西省各地区农田生态系统部分碳源/汇进行了分析。【结果】(1)山西省农田生态系统碳吸收总量从2000年以来呈现波动增加趋势,碳吸收总量从2000年的2 010万t增加到2003年的2 330万t,上升近11%,但从20世纪初期以后开始呈现下降趋势,从2003年的2 330万t下降到2006年的2 230万t;2006年运城和临汾主要以小麦碳吸收为主,其余各市都以玉米碳吸收为主,其中玉米的碳吸收量和单位面积碳吸收量呈增长趋势,稻谷、高粱的碳吸收量和单位面积碳吸收量呈明显下降趋势。(2)山西省农田生态系统碳排放总量从2000年以来呈逐渐增加趋势,增长了8.8%;估算的3种主要碳排放途径中,肥料生产导致的间接碳排放所占比例较大,增速较快,增长近13%,农业机械生产和灌溉过程碳排放变化不大;2006年山西晋城和运城的碳排放量最高,都达到了碳排放总量的22%,单位面积碳排放量也呈逐年增加趋势。(3)山西省农田主要碳吸收量大于主要途径碳排放量。【结论】山西省农田作物具有较大的碳吸收功能,其中小麦和玉米的农田碳吸收功能较强,但其碳排放的增速也很明显,说明山西省农业投入的增加和机械化程度的提高,削弱了农田生态系统的碳汇功能。 相似文献
12.
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
13.
根据2000-2017年数据，运用STIRPAT模型对长江经济带农业碳排放影响因素进行分析，结果表明：长江经济带农业碳排放总量与农业碳排放强度总体上均呈增长趋势，年均增长率分别为1.49%和1.87%，且各地区农业碳排放总量与碳排放强度差异明显。农业产业结构、农业就业人员、农村居民可支配收入、农业技术水平、城镇化率对区域农业碳排放影响显著。分区域看，东部农村居民可支配收入及城镇化水平推动农业碳减排，中部农业技术水平和人均耕地面积能抑制农业碳排放增长，西部农业就业人员、农村居民可支配收入、城镇化水平造成农业碳排放量增长快。 相似文献
14.
我国西部地区种植业碳收支分析 总被引：1，自引：0，他引：1
随着我国西部地区农业的快速发展,碳排放对生态环境的影响不断变化。因此,评价西部地区种植业生产过程中碳收支情况,对于该地区低碳农业的发展有重要意义。基于我国西部12个省份1997-2012年农业相关统计数据,分析这些地区种植业生产系统的碳排放量和碳吸收量变化,结果表明:西部地区各省份种植业生产系统的碳排放量和碳吸收量均呈不断上升的趋势,年均增长量分别为368.8万t CO2-eq和4 138.3万t CO_2-eq。西部地区各省份种植业的平均碳排放量和平均碳吸收量分别介于51.7万~3 314.7万t CO_2-eq和524.7万~28 715.1万t CO_2-eq。在总的碳排放构成中,化肥的使用是种植业生产系统投入品碳排放的最大构成部分,平均占到45.7%,其次为农用柴油和灌溉。总体上,我国西部地区种植业生产系统的碳收支处于碳盈余状态,但各省份间差异较大。 相似文献
15.
农业是一个较为复杂的温室气体源/汇系统，不同区域、不同种养情况导致农业系统呈现碳源或碳汇两种情况。分析农业系统中碳排放特征及其影响因素，对实现农业绿色发展具有重要的意义，也为推动实现“碳达峰”“碳中和”目标提供数据依据。本研究以河西走廊为例，测算了2000—2020年河西走廊地区20个县市的农业碳排放量，并分析了农业碳排放时空特征及其影响因素。结果显示：2000—2020年河西走廊地区农业碳排放呈现缓慢上升状态。农业碳排放量最大的区域为凉州区和甘州区，占河西走廊地区农业碳排放总量的31.74%。从种植业与养殖业来看，河西走廊地区种植业为碳汇，碳吸收量达1.41×108 t，养殖业为碳源，碳排放量达4.17×107 t。2000—2020年河西走廊地区农业净碳排放量呈现起伏变化，但总体呈下降趋势，农业系统向碳汇转变。在种植业中对农业碳排放影响最大的因子为种植规模，在规模稳定发展区域影响最大的因素为机械化程度，在规模较小的区域主要影响因素为农村用电量；在养殖业中对规模较大区域和养殖业占比较高区域影响最大的因素为养殖规模，关联度在0.90以上。2000—2020年河西走廊地区农业碳排放强度表现为从随机分布到显著聚集的过程，农业碳排放重心缓慢向东南方向转移，但仅在张掖市内迁移。 相似文献
16.
2020年9月,中国在联合国大会上向世界宣布力争在2030年前实现碳达峰、2060年前实现碳中和的目标,因此测算种植业碳排放量、碳汇量对政策的制定有重要意义。本文基于2013—2020年中国国家统计局的主要农作物、主要农用物资消耗量的年度数据测算中国31个省份种植业碳排放量、碳汇量,运用灰色预测法GM(1,1)预测中国31个省份未来5年的碳排放量,深入分析其时空分异特征,并采用基尼系数研究中国省域种植业碳汇量、碳排放量的公平性。研究结果表明:(1)山东碳排放总量最高,广西碳汇总量、净碳汇总量最高。(2)从时间序列看,中国种植业碳排放高峰已经过去,并且种植业未来碳排放量有明显下降趋势。不管是到达碳排放高峰的时间点、碳排放总量还是未来碳排放量下降趋势都出现明显的"马太效应",即东部地区优于中部地区,中部地区优于西部地区。另外,新疆、黑龙江和河南部分主要农用物资(农用塑料薄膜、农用化肥和灌溉)碳排放量存在逐年上升的趋势。(3)从空间分布看,河南、山东、安徽以及吉林属于高-高型地区,四川和新疆属于高-低型地区。东部沿海地区、南部沿海地区和东北地区种植业碳排放基尼系数明显高于其他地区,基尼系数大小与地理位置和经济发展水平呈正相关关系,高值基尼系数在地理分布上,明显呈现沿海性的特征。西北地区和西南地区的种植业碳汇量基尼系数显著高于其他地区,基尼系数的大小与其地理位置和经济发展水平有负相关关系。 相似文献
17.
在全球气候变暖的背景下,中国积极承诺并开展控制温室气体排放行动以期2030年实现碳达峰、2060年实现碳中和的目标。为厘清土地利用碳排放产生机制并合理预测碳排放,以曲周县为研究区,采用排放系数法、样地清查法、IPAT模型和最小二乘法等方法,构建碳排放核算体系以度量曲周县2009—2019年土地利用碳排放,并预测81类情景组合下2030年的碳排放情况。结果表明：1）曲周县2009—2019年土地利用碳排放总量呈先增加后减少的变化趋势。耕地、建设用地是两大碳排放源;2）预测首先按人均GDP设置,进一步根据人口、能源强度、产业结构共设置81类情景组合：当GDP处于高速发展时,曲周县未来碳排放总量模拟值区间为50万～221万t;当GDP处于惯性发展时,上升趋势组区间分别为51万～119万t,最小值为45万t,下降趋势组最小值29万t;当GDP处于低速发展时,呈下降趋势的两组最小值分别为21万和12万t,另一组在2030年预测值为35万～50万t。研究结论：土地利用变化会直接或间接影响碳排放,摸清地类碳属性可为预测碳排放及优化土地利用结构提供抓手。综上,曲周县可通过人口优化、调整能源结构、优化产... 相似文献
18.
福建省农业碳排放时空变化及其驱动因素 总被引：1，自引：0，他引：1
【目的】研究福建省农业碳排放时空动态变化规律及其驱动因素,为福建省农业实现低碳化发展提供理论依据。【方法】利用《福建统计年鉴》(1990-2016年)的农业生产数据对全省农业碳排放进行测算,运用地理信息系统(ArcGIS)对其空间变化规律进行分析,利用LMDI模型(对数平均迪式分解模型)对其驱动因素进行分解。【结果】1990-2016年间福建省的农业碳排放整体呈下降趋势,由598.32万t下降到546.49万t,年均下降0.35%。9个地级市农业碳排放量差异较大,其中南平市农业碳排放量最大,达到103.64万t;厦门市农业碳排放量最小,仅有5.29万t。从福建省农业碳排放的内部结构看,农用物资与农地利用所带来的碳排放为主要碳源,占农业碳排放总量的43.85%;其次是稻田甲烷所带来的碳排放,占比43.04%。在驱动因素方面,碳排放强度效应、就业结构效应和人口总数效应是全省农业碳排放下降的正向驱动因素,农业碳排放分别减少35.00万t、8.86万t和75.72万t;而农业收入效应是农业碳排放下降的负向驱动因素,农业碳排放增加了40.45万t。【结论】近年来福建省农业碳排放量整体减少,未来还可进一步采取措施,有效促进农业碳减排和低碳农业发展。 相似文献
19.
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
20.
吉林省农业碳排放动态变化及驱动因素分析 总被引：3，自引：1，他引：2
基于农业物质投入的五个方面:化肥、农膜、农药、农用柴油及农村用电,利用农业碳排放量估算模型,计算吉林省1999-2011年的农业碳排放量,分析农业碳排放总量、组成结构以及农业碳排放强度的动态变化,结果表明:吉林省农业碳排放总量变化分为二个阶段,即波动增长阶段和稳步增长阶段。碳排放总量由1999年的205.3632万t增加到2011年的371.7199万t;农业碳排放总量的组成结构保持不变,依次是化肥、农村用电、农膜、柴油、农药碳排放量;农业碳排放强度从1999年的505.2855kg/hm2升高到2011年的711.7935kg/hm2,其与人均GDP 的环境库兹涅茨曲线(EKC)呈三次函数曲线,预计2012年将达到转折点。基于STIRPAT模型,揭示了人口总数、人均GDP、农业贡献值、农用机械总动力、农户固定资产投资等驱动因素的弹性系数分别为2.6806、0.0767、0.2160、0.1247、0.0572。时间序列预测模型显示:2012-2016年,吉林省农业碳排放总量将由392.4663万t增加到494.1911万t,农业碳排放强度由709.1317kg/hm2下降到561.4089kg/hm2。吉林省必须采取切实有效的措施,改变现有的农业生产发展模式、改善农业生产结构,加强农业科学技术发展,否则,吉林省农业减排的形势将更加严峻。 相似文献