嚴子怡 吳偉光 錢志權
摘?要:2019年中央1號文件提出綠色農業(yè)發(fā)展行動計劃,作為綠色農業(yè)的重要方面,低碳農業(yè)的發(fā)展是必不可少的舉措。如何準確測度農業(yè)低碳發(fā)展效率并分析演變規(guī)律對加快低碳農業(yè)發(fā)展具有重要意義。以農用物資、稻田、畜禽養(yǎng)殖、能源消耗四類作為碳源,從低碳視角下引入農業(yè)碳匯作為期望產出,基于共同前沿方法結合全局Malmquist模型測算中國30個?。▍^(qū)、市)2000-2016年農業(yè)低碳發(fā)展效率,將效率進一步分解,明確效率增長源泉及作用規(guī)律。結果表明:中國農業(yè)低碳發(fā)展效率整體上呈現顯著上升趨勢。分地區(qū)看,東部地區(qū)處于領先地位,西部地區(qū)保持穩(wěn)定,中部地區(qū)迎頭趕超。分省份看,北京農業(yè)低碳發(fā)展水平具有絕對優(yōu)勢,江西省最低。從增長源泉來看,農業(yè)低碳發(fā)展效率的改善主要取決于農業(yè)技術進步的增長,農業(yè)技術效率處于惡化狀態(tài)。中國必須采取結合區(qū)域資源特點,打破省份地域限制加大農業(yè)生產交流等措施以提高農業(yè)低碳發(fā)展效率,促進低碳農業(yè)的實現。
關鍵詞:共同前沿;農業(yè)碳匯;全局Malmquist指數;效率分解
中圖分類號:X322?文獻標志碼:A?文章編號:0253-2301(2020)10-0049-08
DOI: 10.13651/j.cnki.fjnykj.2020.10.009
Abstract: The Central Document No.1 in 2019 has put forward the action plan for the development of green agriculture. As an important aspect of green agriculture, the development of low-carbon agriculture is an essential measure. How to accurately measure the efficiency of the low-carbon agricultural development and analyze the law of evolution is of great significance to accelerate the development of low-carbon agriculture. By taking the agricultural inputs, paddy fields, livestock and poultry breeding, and energy consumption as the carbon sources, the agricultural carbon sink was introduced as the desirable output from the perspective of low carbon. Then, based on the metafrontier method combined with the global Malmquist model, the low-carbon agricultural development efficiency of 30 provinces (districts, cities) in China from 2000 to 2016 was calculated, and the efficiency was further decomposed to identify the sources and rules of efficiency growth. The results showed that the overall efficiency of the low-carbon agricultural development in China showed a significant upward trend. By region, the eastern region has taken the leading position, the western region has remained stable, and the central region has been catching up. By province, the low-carbon agricultural development level in Beijing had absolute advantage, while Jiangxi Province had the lowest. From the perspective of growth sources, the improvement for the efficiency of low-carbon agricultural development mainly depended on the growth of agricultural technical progress, but the agricultural technical efficiency has been in a state of deterioration at present. Therefore, China should adopt the following measures such as combining the characteristics of regional resources, breaking the regional restrictions of provinces and increasing the exchanges of agricultural production, thus to improve the efficiency of low-carbon agricultural development and promote the realization of low-carbon agriculture.Key words: Metafrontier;Agricultural carbon sink;Global Malmquist index;Decomposition of the efficiency
農業(yè)是國民經濟建設和發(fā)展的基礎產業(yè),自改革開放以來取得了巨大成就。據國家統(tǒng)計局顯示,2019年中國農林牧漁總產值高達123967.9億元,同比增長9.15%;糧食連年增產,2019年中國糧食總產量達66384萬t,比2018年增長0.9%。然而,伴隨著農業(yè)快速發(fā)展的同時也帶來了一系列問題。中國農業(yè)生產方式粗放,化肥農藥等過量施用、畜禽養(yǎng)殖糞污處置失當、農用地膜和農藥包裝回收不足、能源大量消耗等問題嚴重[1],農業(yè)碳排放總量與日俱增,導致中國農業(yè)呈現出“高投入、高污染、高排放”的增長態(tài)勢[2]。在中國,農業(yè)源排放的溫室氣體占全國溫室氣體排放的17%,農業(yè)排放的CH4和NO2分別占全國總排放的50%和92%[3],且以每年5%速率增長[4]。由此看來,農業(yè)是重要的碳源,中國作為農業(yè)大國,如果不實行節(jié)能減排,只會加劇溫室效應的進程。因此,農業(yè)低碳發(fā)展成為一個重要的研究課題。
農業(yè)低碳發(fā)展效率是指基于勞動、土地、灌溉、化學物資、農業(yè)動力等各項投入,納入期望與非期望產出的農業(yè)低碳發(fā)展水平。在計算效率時,不考慮碳排放約束會高估農業(yè)效率[2,5]。從研究范圍來看,學者們從微觀、宏觀層面均對農業(yè)生產效率進行了相關研究。微觀層面是對農場和農戶的農業(yè)生產效率研究,Lambert等[6]從農場資本結構角度對美國農場的生產技術效率進行了研究。宏觀層面分為國家、地區(qū)、省域層面對農業(yè)生產效率進行測度。一些學者認為中國農業(yè)生產效率水平不高[7-9]。依據冉啟英等[5]的測算結果,中國農業(yè)能源效率呈現先升后降的倒“U”型趨勢。從地區(qū)層面來看,東部地區(qū)農業(yè)碳排放效率相對較高[8,10-11]。分省份來看,田云等[10,12]一致認為北京低碳農業(yè)發(fā)展水平最高,海南最低。從增長源泉來看,技術進步是農業(yè)生產效率增長的主要原因,技術效率在絕大部分年份出現了一定程度的惡化[2,5]。以上研究成果在一定程度上豐富了低碳農業(yè)發(fā)展效率評價的研究,為后續(xù)相關研究奠定了堅實基礎,但仍存在一定的局限性:(1)雖有研究將農業(yè)碳排放與農業(yè)投入產出納入到了同一分析框架中,但并未將高碳匯這一屬性考慮在內,不能完全反映出低碳農業(yè)屬性。(2)即使有些研究將碳匯考慮在內,也只考慮了種植業(yè)碳匯,并未將林業(yè)、牧業(yè)、園地碳匯考慮在內,不能全面地代表生態(tài)效益。(3)在投入產出指標的選取時,投入指標是大農業(yè)的指標,而在產出指標中只選取種植業(yè),匹配度上存在誤差。因此,本文圍繞農用物資、稻田、畜禽養(yǎng)殖、能源消耗四大類碳源,種植業(yè)、森林、園地、牧草地四大類碳匯,采用共同前沿方法結合全局Malmquist指數模型測度農業(yè)低碳發(fā)展效率,充分考慮了不同地區(qū)存在資源稟賦異質性的事實,分析農業(yè)低碳發(fā)展效率之間的差異以及發(fā)展趨勢,同時將效率進一步分解,明確農業(yè)低碳發(fā)展效率增長源泉及其作用規(guī)律,以期為制定優(yōu)質農業(yè)發(fā)展的政策提供堅實理論依據。
1?數據來源與研究方法
1.1?數據來源
本文選取中國30個省份(西藏、港澳臺除外)作為研究對象,研究2000-2016年各省的低碳農業(yè)發(fā)展效率。其中涉及價格指數的指標均折算成2000年不變價從而排除價格波動對指標產生影響。文中使用的數據來自于《中國統(tǒng)計年鑒》《中國農村統(tǒng)計年鑒》《中國農業(yè)統(tǒng)計資料》《中國能源統(tǒng)計年鑒》以及各省統(tǒng)計年鑒。
1.1.1?投入指標?結合研究目的,以期達到研究結果,參考田云等[10]的研究成果,本文將選取勞動力、土地和水資源、化學物質、農業(yè)動力等作為農業(yè)生產生活的投入變量。
①勞動投入用人力資本增強型勞動表示,將未受過教育、小學畢業(yè)、初中畢業(yè)、高中畢業(yè)的受教育年限定為0、6、9、12年,由于從事第一產業(yè)的大學生及研究生所占份額很小,大專及以上畢業(yè)的受教育年限定為15.5年,人力資本增強型勞動為受教育年限與第一產業(yè)勞動人數的乘積;②土地用農林牧園面積的總和表示;③化肥、農藥、農膜以實際用量為準;④機械動力用農業(yè)生產的農業(yè)機械總動力表示;⑤灌溉以實際有效灌溉面積為準;⑥役畜用參與農業(yè)生產活動的數量表示。
1.1.2?產出指標?本文以2000年為基期的農林牧漁總產值代替經濟產出,選擇農業(yè)碳匯表示生態(tài)產出。將農業(yè)、林業(yè)、牧草地和園地碳匯作為期望產出納入農業(yè)低碳發(fā)展情況的核算當中,全面反映農業(yè)的經濟價值和生態(tài)價值。種植業(yè)碳匯估算方法參考王修蘭[13]、韓召迎等[14],包括水稻、小麥、玉米、豆類、油菜籽、花生、向日葵、棉花、薯類、甘蔗、甜菜、蔬菜、瓜類、煙草等14類農作物碳匯。森林碳匯量參考陳衛(wèi)洪和王曉偉[15]方法計算生物、土壤、林下三部分碳匯。牧草地和園地碳匯均采用系數法,牧草地碳匯參考宋卓瑪等[16]文獻,園地碳匯根據王琦等[17]算法加以計算。
非期望產出從農用物資、稻田、畜禽養(yǎng)殖、能源消耗四部分對其進行考察。農用物資碳排放主要來自化肥、農藥、農膜等農用物資投入直接或間接引發(fā)的碳排放,其排放系數出自美國橡樹嶺國家實驗室(ORKL)[18]相關研究。稻田作為主要排放源之一,由于中國幅員遼闊,不同省份氣候條件不同,導致各省份水稻CH4的排放率不一致。為了讓結果更準確,本文將參照江長勝等[19]、閔繼勝等[20]所測算的各地區(qū)早稻、晚稻以及中季稻CH4排放系數。畜禽養(yǎng)殖碳排放,以CH4和N2O為主,前者由腸道發(fā)酵和糞便共同導致,后者主要源于糞便,與此相關所有排放系數均來自IPCC。由于畜禽生命周期各異,本研究參考閔繼勝等[20]方法對各畜禽年平均飼養(yǎng)量進行調節(jié)。能源消耗碳排放參考錢志權[21]納入所有終端能源消費數量,按照公式折算出農業(yè)能源消耗碳排放量。
1.2?研究方法
1.2.1?共同前沿模型?由于地理位置不同,中國各省域間存在差異,不同產業(yè)具有不同的生產前沿面,假定各省份產業(yè)結構一致的傳統(tǒng)前沿會造成一定的誤差,本文通過共同前沿方法來解決偏差問題。
其中,Mg表示從t時期到t+1期農業(yè)低碳發(fā)展效率的實際變化情況,進一步分解為技術效率變化(EC)和技術進步變化(TC)。當Mg>1時,表示農業(yè)低碳發(fā)展水平處于提高狀態(tài),相反則處于下降趨勢。EC>1時,表示技術效率得到了一定的改善,反之則惡化;TC>1時,表示技術呈現進步態(tài)勢,反之則不斷退步。
2?結果與分析
2.1?低碳農業(yè)發(fā)展效率測算
根據數據包絡分析軟件MaxDEA 6.1計算得出中國農業(yè)低碳發(fā)展效率如圖2所示。
整體而言,2000-2016年中國農業(yè)低碳發(fā)展效率整體上呈現較為明顯的上升趨勢,但2004年和2007年農業(yè)低碳發(fā)展效率與上年相比有小幅下降。
從發(fā)展階段來看,農業(yè)低碳發(fā)展效率主要分為3個階段。第一階段為2005年之前,東部地區(qū)農業(yè)低碳發(fā)展水平好于中部和西部地區(qū),這是由于東部地區(qū)經濟較為發(fā)達,農業(yè)規(guī)模化、集約化發(fā)展和新技術的應用較為便利,農業(yè)技術水平提升較快。第二階段處于2005-2008年,西部地區(qū)農業(yè)低碳發(fā)展效率保持穩(wěn)定,而東部地區(qū)起伏較大,中部地區(qū)雖有起色但仍處于落后。原因在于西部地形地勢多樣,農田土壤結構良好,農產品種類豐富,農田河水灌溉和地下水井體系配套設施日益完善,為發(fā)展特色農業(yè)提供了豐富的水資源灌溉條件。西部得益于當地氣候條件,一年有三季均能進行露地蔬菜生產。在此期間,中央連續(xù)頒布6個強化“三農”的一號文件,強農惠農相關政策帶來的后發(fā)優(yōu)勢使得西部農業(yè)生產效果日益彰顯。第三階段為2008年之后,中部地區(qū)農業(yè)低碳發(fā)展效率迎頭趕超東部和西部地區(qū)。中部地區(qū)是農業(yè)大省集聚地,為全國提供了70%以上的大宗農產品,農業(yè)現代化建設發(fā)展速度較快,傳統(tǒng)的糧食作物和經濟作物構成的二元結構向糧食、飼料和經濟作物構成的三元結構轉變,實現農牧業(yè)的相互促進,合理利用土地等農業(yè)資源。
2.2?省域間農業(yè)低碳發(fā)展效率省域比較
2000-2016年30個?。▍^(qū)、市)低碳農業(yè)生產率均值如表1所示。
由表1可知,北京農業(yè)低碳發(fā)展水平具有絕對優(yōu)勢,其低碳農業(yè)發(fā)展效率高達1.30;江西省最低,僅為0.68。為了更加清晰地展現省域間農業(yè)低碳發(fā)展效率差異,將30個?。▍^(qū)、市)劃分為“高速”“快速”“中速”“慢速”以及“下降”5個類型。其中,“高速”為農業(yè)低碳發(fā)展效率優(yōu)于其他省份的地區(qū);“快速”指農業(yè)低碳發(fā)展效率介于1.15~1.3的地區(qū);“中速”介于1~1.15;“慢速”介于0.85~1;“下降”是低于0.85的地區(qū)。其中,“高速組”僅包括北京,其農業(yè)低碳發(fā)展效率高于其他29個省(區(qū)、市)。究其原因,北京現代農業(yè)生產水平處于領先地位,能源和物資的利用效率較高;另一方面畜牧業(yè)占比較低,而畜牧業(yè)碳排放是農業(yè)碳排放當中很大一部分,這從客觀上降低了農業(yè)碳排放強度?!翱焖俳M”包括天津、河北、山西、遼寧、黑龍江、浙江、湖北、四川、陜西等8省1市。天津作為直轄市,現代化農業(yè)進程較快,農用物資利用水平較高,地理位置條件較好,使得農業(yè)低碳發(fā)展速度較快。河北從傳統(tǒng)農業(yè)大省向現代農業(yè)強省轉變,規(guī)模化進程加快,蔬菜、畜牧兩大特色產業(yè)發(fā)展迅猛,農業(yè)生產效益突出。山西省由于氣候、土壤、地形發(fā)生的變化,構成了農作物品種的多樣化,良種覆蓋率高,農業(yè)基礎地位牢固,生產基礎條件較好。浙江農業(yè)生態(tài)系統(tǒng)的自然資源稟賦豐富,農業(yè)生產水平較高,產業(yè)化不斷優(yōu)化,科技水平增強,農業(yè)綜合生產能力提高,擁有先進的農業(yè)現代化生產技術,有利于大氣中碳的固定和吸收。黑龍江為中國糧食主產區(qū),種植業(yè)比重較高,碳匯產出有所保障?!爸兴俳M”包括吉林、上海、江蘇、安徽、山東、河南、廣西、重慶、甘肅、寧夏、新疆等6省2市3區(qū)。上海、重慶作為中國經濟發(fā)展的中心城市,其發(fā)展中心偏向于經濟效益較高的其他行業(yè),忽略了弱質的農業(yè)發(fā)展,經濟迅速發(fā)展生產的碳排放在一定程度上降低了農業(yè)低碳發(fā)展效率水平。河南為中國糧食大省,種植業(yè)比重較高,但為了增產農用物資使用較多,加劇了農業(yè)碳排放,使得農業(yè)發(fā)展效率處于中游水平。山東作為傳統(tǒng)農業(yè)大省,農地碳匯與園地碳匯量較大,但農用物資投入較大,畜牧業(yè)發(fā)展水平較高,導致農業(yè)碳排放量較大。江蘇糧食產量高,稻田碳排放與農業(yè)碳匯均相對較高,農業(yè)低碳發(fā)展效果不顯著。新疆農業(yè)生產先天條件較差,但環(huán)境資源豐富,碳匯量處于較高水平?!奥俳M”包括內蒙古、福建、湖南、廣東、海南、貴州、云南、青海等7省1區(qū)。內蒙古草地資源豐富,以畜牧業(yè)為主,牧草地碳匯和農業(yè)碳排放均處于較高水平,但種植業(yè)規(guī)模小減少了農業(yè)碳匯的產出,限制了低碳農業(yè)發(fā)展。貴州、云南地理位置較差,生態(tài)環(huán)境較為惡劣,農業(yè)產出較低。青海農業(yè)生產以畜牧業(yè)為主,農業(yè)碳排放處于較高水平,種植業(yè)規(guī)模較少又降低了碳匯產出,因此制約了各自的農業(yè)低碳發(fā)展。海南主要依靠農用物資的投入來增加農業(yè)產出,屬于典型的高碳農業(yè)?!跋陆到M”包括江西1省。江西種植結構以糧食作物為主,水稻種植面積較大,經濟作物占比低,經濟收益與生態(tài)效益均得不到保障,導致農業(yè)低碳發(fā)展效率較低。
2.3?農業(yè)低碳發(fā)展增長源泉整體比較
如表2所示,中國農業(yè)低碳發(fā)展效率的改善主要取決于農業(yè)技術進步。2000年以來,除去少數效率下降年份,農業(yè)低碳發(fā)展效率增長率呈現增長態(tài)勢,2016年比2000年增長了21.5%,這一現象得益于全國農業(yè)保護政策的實行,取消農業(yè)稅后農業(yè)低碳發(fā)展效率呈現前所未有的增長趨勢。從碳排放約束下低碳農業(yè)發(fā)展效率的增長源泉來看,2005年、2006年效率的增長取決于農業(yè)技術效率的改善和農業(yè)前沿技術進步的雙重作用,但主要取決于技術進步。其余年份效率的增長則完全依賴于農業(yè)技術進步的貢獻,農業(yè)技術效率處于惡化狀態(tài)。2004年雖然農業(yè)技術效率是上升的,但由于農業(yè)技術進步環(huán)境惡化,導致農業(yè)低碳發(fā)展效率有所下降。2007年低碳發(fā)展效率的下降主要取決于農業(yè)技術效率有所下滑。
2.4?省域間農業(yè)低碳發(fā)展增長源泉省域比較
如表3,從增長源泉來看,在21個農業(yè)低碳發(fā)展效率均值大于1的省份中,山西、安徽、湖北、重慶4省農業(yè)低碳發(fā)展效率的改善來源于農業(yè)技術效率和農業(yè)前沿技術的雙重作用,山西、湖北、重慶的農業(yè)技術進步相比農業(yè)技術效率發(fā)揮了更為明顯的作用,而安徽省的農業(yè)技術效率作用更大。北京、天津、上海、江蘇、浙江、山東、河南、廣西、四川、陜西、新疆等6省3市2區(qū)農業(yè)低碳發(fā)展效率的增長完全依賴于農業(yè)前沿技術的進步,農業(yè)技術效率保持不變。河北、遼寧、吉林、黑龍江、寧夏等4省1區(qū)雖農業(yè)技術效率出現降低,但得益于農業(yè)技術進步,其農業(yè)低碳發(fā)展效率均保持改善狀態(tài)。農業(yè)低碳發(fā)展效率處于降低的9個省域中,湖南省由于農業(yè)技術效率低的影響,各投入產出要素未達到最優(yōu)配置,存在較大改善空間,其農業(yè)前沿技術處于上升態(tài)勢。內蒙古、福建、廣東、海南、貴州、云南、青海等6省1區(qū)由于農業(yè)前沿技術的退步導致農業(yè)低碳發(fā)展效率處于較低水平,農業(yè)技術效率均保持不變。江西省受到農業(yè)技術效率和農業(yè)前沿技術進步的雙重管制,導致其農業(yè)低碳發(fā)展效率處于降低狀態(tài)。
總體來看,農業(yè)低碳發(fā)展效率處于上升狀態(tài)的21個省域中,絕大多數省份依賴于農業(yè)前沿技術的進步,而非農業(yè)技術效率的提升。至于農業(yè)低碳發(fā)展效率處于惡化狀態(tài)的9個省域,多數省份受到了農業(yè)前沿技術退化的制約,而受技術效率影響的省份相對較少。由此可見,在發(fā)展低碳農業(yè)方面,現階段的農業(yè)前沿技術相較于農業(yè)技術效率改善發(fā)揮了更為明顯的作用。因此,在今后的農業(yè)低碳發(fā)展進程中,不但要重視農業(yè)前沿技術的發(fā)展,還要合理運用技術,以提升其效率。
3?討論與結論
本文將農業(yè)生產過程中的碳匯和碳排放納入研究框架內,運用數據包絡方法測算2000-2016年中國30個?。▍^(qū)、市)農業(yè)低碳發(fā)展效率。同時對其效率進行分解。結果表明:
(1)整體而言,中國農業(yè)低碳發(fā)展效率整體上呈現較為明顯的上升趨勢,少數年份有小幅下降。分地區(qū)來看,東部地區(qū)處于領先地位,西部地區(qū)保持穩(wěn)定,中部地區(qū)迎頭趕超。分省份看北京得益于農業(yè)現代化的發(fā)展和農林牧漁內部結構,農業(yè)低碳發(fā)展水平具有絕對優(yōu)勢,而江西省經濟收益與生態(tài)效益均得不到保障,導致農業(yè)低碳發(fā)展效率最低。
(2)從農業(yè)低碳發(fā)展效率的增長源泉來看,2005年、2006年效率的增長取決于農業(yè)技術效率的改善和農業(yè)前沿技術進步的雙重作用,但主要取決于技術進步,其余年份效率的增長則完全依賴于農業(yè)技術進步的貢獻。農業(yè)低碳發(fā)展效率處于上升狀態(tài)的21個省域中,絕大多數省份依賴于農業(yè)前沿技術的進步。農業(yè)低碳發(fā)展效率處于惡化狀態(tài)的9個省域,多數省份受到了農業(yè)前沿技術退化的制約。
根據以上結論,本文提出以下具有針對性的政策建議:
(1)結合區(qū)域資源特點,實行差別發(fā)展政策。東部地區(qū)保持農業(yè)發(fā)展優(yōu)勢,向技術進步與技術效率雙重作用省份看齊,實行集約式發(fā)展模式,提高農業(yè)低碳發(fā)展效率。中部地區(qū)提高物資與能源利用效率,提高技術效率水平。西部地區(qū)充分利用當地自然資源優(yōu)勢,加大農業(yè)技術引進與應用,提高農業(yè)技術水平。
(2)打破省份地域限制,加大農業(yè)生產交流。農業(yè)低碳發(fā)展落后的省份要向農業(yè)低碳發(fā)展領先的省份學習先進農業(yè)生產經驗,將其他省份經驗本土化,降低地區(qū)以及省份之間的差異,促進區(qū)域間農業(yè)協調可持續(xù)發(fā)展。
參考文獻:
[1]饒靜.中國農業(yè)面源污染現狀、發(fā)生機制和對策研究[J].農業(yè)經濟問題,2011,8(2):81-87.
[2]張林,冉光和,藍震森.碳排放約束與農業(yè)全要素生產率增長及分解[J].華南農業(yè)大學學報(社會科學版),2015,14(3):22-32.
[3]李波,張俊彪,李海鵬.中國農業(yè)碳排放時空特征及影響因素分解[J].中國人口·資源與環(huán)境,2011,21(8):80-86.
[4]田云,張俊飚,李波.中國農業(yè)碳排放研究:測算、時空比較及脫鉤效應[J].資源科學,2012,34(11):2097-2105.
[5]冉啟英,王倍倍,周輝.碳排放約束下農業(yè)全要素能源效率增長及收斂分析-基于Malmquist-Luenberger指數分解[J].生態(tài)經濟,2018,34(2):47-53.
[6]LAMBERT D K,DAVID K L,BAYDA V V.The Impacts of Farm Financial Structure on Production Efficiency[J].Journal of Agricultural and Applied Economics,2005,37(1):277-289.
[7]王惠,卞藝杰.農業(yè)生產效率、農業(yè)碳排放的動態(tài)演進與門檻特征[J].農業(yè)技術經濟,2015(6):36-47.
[8]董明濤.我國低碳農業(yè)發(fā)展效率的評價模型及其應用[J].資源開發(fā)與市場,2016,32(8):944-948,1000.
[9]李博,張文忠,余建輝.碳排放約束下的中國農業(yè)生產效率地區(qū)差異分解與影響因素[J].經濟地理,2016,36(9):150-157.
[10]田云,張俊飚,陳池波.中國低碳農業(yè)發(fā)展的空間異質性及影響機理研究[J].中國地質大學學報(社會科學版),2016,16(4):33-44,156.
[11]高鳴,宋洪遠.中國農業(yè)碳排放績效的空間收斂與分異——基于Malmquist-luenberger指數與空間計量的實證分析[J].經濟地理,2015,35(4):142-148,185.
[12]田云,張俊飚.中國低碳農業(yè)發(fā)展的動態(tài)演進及收斂性研究[J].干旱區(qū)資源與環(huán)境,2017,31(3):1-7.
[13]王修蘭.全球農作物對大氣CO2及其倍增的吸收量估算[J].氣象學報,1996(4):466-473.
[14]韓召迎,孟亞利,徐嬌,等.區(qū)域農田生態(tài)系統(tǒng)碳足跡時空差異分析——以江蘇省為案例[J].農業(yè)環(huán)境科學學報,2012,31(5):1034-1041.
[15]陳衛(wèi)洪,王曉偉.西部地區(qū)森林碳匯供給可持續(xù)發(fā)展機制研究[J].林業(yè)經濟,2019,41(3):79-86.
[16]宋卓瑪,李東,謝丹.青海省不同土地利用方式碳匯效益分析[J].青海環(huán)境,2016,26(4):165-170,189.
[17]王琦,黎孔清,朱利群.南京都市農業(yè)農地利用碳排放測算及趨勢預測[J].水土保持通報,2017,37(4):288-294,302.
[18]智靜,高吉喜.中國城鄉(xiāng)居民食品消費碳排放對比分析[J].地理科學進展,2009,28(3):429-434.
[19]江長勝,王躍思,鄭循華,等.川中丘陵區(qū)冬灌田甲烷和氧化亞氮排放研究[J].應用生態(tài)學報,2005(3):539-544.
[20]閔繼勝,胡浩.中國農業(yè)生產溫室氣體排放量的測算[J].中國人口·資源與環(huán)境,2012,22(7):21-27.
[21]錢志權.全球價值鏈背景下中國出口增加值隱含碳研究[D].上海:華東師范大學,2018.
(責任編輯:柯文輝)