| 标题 | 中国农业碳排放分布动态与趋势演进 |
| 范文 | 田云 张俊飚 尹朝静 吴贤荣 摘要 研究农业碳排放的动态分布特征与趋势演进规律对于农业碳减排政策的合理制定具有重要意义。本研究在科学测算31个省（市、区）2002-2011年农业碳排放量的基础上，以农业碳强度为指标，利用基尼系数和核密度估计法，系统考察了我国农业碳排放的地区差距及分布动态演进。研究结论揭示：①中国农业碳排放呈现较为明显的空间非均衡性特征。基于农业碳排放总量变化趋势的差异可将31个地区划分为“持续下降型”、“波动下降型”、“持续上升型”与“波动上升型”等四种类型；农业碳强度均呈下降趋势，但降幅差异较大。②基尼系数测算结果表明，全国农业碳排放空间分布的总体差距正逐步扩大。其中，东部地区处于高度平均；中部地区扩大趋势较为明显；西部地区呈“蝙蝠型”变化特征。③Kernel密度估计表明，我国农业碳排放的地区差距在样本考察期内呈下降态势，但降幅相对有限。从三大区域来看，东部地区差距在变小的同时还出现了四极分化现象；中部地区差距逐渐缩小；西部地区则经历了先扩大后缩小的过程，总体呈缩小态势但幅度较小。 关键词中国；农业碳排放；分布动态；趋势演进；Kernel密度 中图分类号F323；X22 文献标识码A 文章编号1002-2104（2014）07-0091-08doi：10.3969/j.issn.1002-2104.2014.07.014 胡锦涛同志在十八大报告中提出了大力推进生态文明建设，而着力推进低碳发展则是实现生态文明建设的重要途径。二、三产业是产生碳排放的主导部门，但快速发展的农业却也是加速气候变暖的重要诱因。发展低碳农业，在农业领域推行温室气体减排和适应气候变化的战略举措，提高农业应对气候变化的能力，将是促进农业可持续发展的一个重要途径。为了探索农业低碳之路，越来越多的学者围绕农业碳排放问题展开研究，形成了大量研究成果，但却主要集中在农业碳排放的测算、时空比较以及驱动机理的探索等少数研究视角。其中，闵继胜等[1]、田云等[2]、贺亚亚等[3]先后基于大农业视角测算了我国以及湖北省农业碳排放量并对其时空演变规律及结构特征进行了分析；而驱动机理的探究则集中在农地利用碳排放[4]与农业能源碳排放领域[5]。除此之外，也有学者围绕农业碳排放的区域公平性[6]、农业碳足迹的测度与分析[7]以及农业科技进步等外部因素对农业碳排放的影响进行了研究[8]。 上述文献或基于国家层面探讨了农业碳排放的总体现状，或基于特定视角探究了农业碳排放一些基本特质，这对丰富农业碳排放问题研究体系，并对其展开深入分析奠定了坚实基础。不过，在进行区域比较时通常只选择了某一年（即截面数据）作为比较点，而鲜有学者利用面板数据对农业碳排放的动态分布与趋势演进进行探讨。事实上，鉴于农业碳排放的特殊性，其减排政策的制定应避免全国一盘棋，而应结合各省区实际，构建差异化的减排政策体系。了解各省区近些年农业碳排放的基本现状、分布动态与趋势演进则是实现这一目的重要前提。基于此，本文将在全面测算我国31个省（市、区）2002-2011年农业碳排放量的基础上，以农业碳强度为指标，对我国农业碳排放的地区差距及分布动态演进进行实证研究，以期为差异化农业碳减排政策的制定以及碳减排目标的实现提供必要的参考依据。 1研究方法与样本数据 1.1研究方法 核密度作为一种重要的非参数方法，已成为研究不均衡分布的常用方法。该方法主要用于随机变量的概率密度进行估计，用连续的密度曲线描述随机变量的分布形态。假设随机变量X的密度函数为f（x），在点x的概率密度可以由公式（1）进行估计： f（x）=1Nh∑Ni=1KXi-xh（1） 其中N为观测值的个数；h为带宽；K（·）为核函数，它是一种加权函数或平滑转化函数；Xi为独立同分布的观测值；x为均值。 在Kernel密度估计中，由于核密度函数对带快的选择非常敏感，确定适当的带宽h对于获得最优拟合结果就显得尤为重要，因为它可以决定核密度估计精度和Kernel密度图的平滑程度。由此可见，带宽的选择对Kernel密度估计的重要性远大于核函数[9]。在实践中，样本越多，对带宽的要求越小，但也不能太小，即h是N的函数，且应满足公式（2）： limN→∞h（N）=0；limN→∞Nh（H）=N→∞（2） 核函数是一种加权函数或平滑函数，根据Kernel密度函数表达形式的差异，可以分为高斯核、Epanechnikov核、三角核、四次核等类型。本研究将选择常用的高斯核函数对我国农业碳排放的分布动态演进进行估计，其函数表达式如公式（3）所示： K（x）=12πexp-x22（3） 由于非参数估计无确定的函数表达式，通常需采用图形对比的方式来考察其分布变化。一般而言，作出核密度估计结果的图形并进行观察，可得到变量分布的位置、形态和延展性等3方面信息。 1.2样本数据与农业碳排放量测算 1.2.1样本数据 本文实证研究将以碳强度作为农业碳排放指标，该指标需通过计算得来，其获取涉及两大类数据，一是农业碳排放量，二是地区农业生产总值（即农业GDP），二者相除即为农业碳排放强度指标。样本包括除港、澳、台之外的我国其他31个省（市、区），选择2002-2011年为地区层面样本数据的考察周期，鉴于各省（市、区）统计年鉴均公布了1952=100或者1978=100的不变地区农业生产总值指数，本文参考各地区统计年鉴原始数据，以2005年=100，换算成2005年的不变价地区生产总值指数，然后用各省（市、区）2005年的当年价地区农业生产总值乘以该不变指数即可得到各自2005年的不变价地区农业生产总值。 1.2.2农业碳排放量测算 本文综合多位学者研究成果，将从三方面考察农业碳排放量：一是农用物资投入所引发的碳排放，具体包括化肥、农药、农膜、农用柴油直接使用以及农业灌溉耗费电能所导致的碳排放，相关排放系数来自田云等[10]的研究。二是稻田所引发的甲烷排放，由于我国不同地区水热条件存在较大差异，导致水稻在同一地区的不同生长周期或者不同地区的同一生长周期CH4排放系数也不尽相同；为此，本研究将参考闵继胜等[1]所测算的带有地区差异性的CH4排放系数。三是畜禽养殖所引发的碳排放，包括肠道发酵所引起的CH4排放以及粪便管理系统中所导致的CH4和N2O排放；具体到我国，主要涉及牛（分为水牛、奶牛和黄牛）、马、驴、骡、骆驼、猪、羊（分为山羊和绵羊）、家禽、兔等畜禽品种；相关排放系数均源于IPPC。据此，构建农业碳排放测算公式如下： E=∑Ei=∑Ti·δi（4） 其中，E为农业生产碳排放总量，Ei为各类碳源碳排放量，Ti为各碳排放源的量，δi为各碳排放源的碳排放系数。 化肥、农药、农膜、农用柴油使用量以及农业灌溉面积等农业生产活动数据来自《中国农村统计年鉴》；水稻播种面积源自《中国农业统计资料》；牛、马、驴等畜禽数量出自《中国畜牧业年鉴》。同时，由于畜禽饲养周期存在差异，在实际计算中需对其年均饲养量进行调整，本文参照闵继胜等[1]的计算方法，对畜禽年平均饲养量进行调整。其中，对于出栏量大于1的生猪、家禽和兔，其生长周期分别取200天、55天和105天。当出栏量大于或等于1时，平均饲养量根据出栏量进行调整，公式如下： Ni=Days_alivei×Mi365（5） 其中，Ni为i种牲畜年平均饲养量，Days_alivei为i种牲畜平均生长周期，Mi为i种牲畜年生产量（出栏量）。 当出栏率小于1时，牲畜年平均饲养量根据年末存栏进行调整，即 Ni=（Cit+Ci（t-1））/2（6） 其中，Ni为i种牲畜年平均饲养量，Cit、Ci（t-1）分别表示i种牲畜第t年年末存栏量和第t-1年年末存栏量。 为了便于分析，在对农业碳排放量进行加总时将统一将C、CH4、N2O置换成标准CO2，依据IPCC第四次评估报告（2007），1tCH4、N2O所引发的温室效应分别等同于25 t CO2和298 t CO2所产生的温室效应。 2研究结果与分析 2.1描述性统计分析 基于前文所给出的农业碳排放测算公式，分别测算我国31个省（市、区）2002年、2005年、2008年及2011年的农业碳排放量，并结合各自农业生产总值计算出农业碳强度，具体数据见表1。 2.1.1我国省级区域农业碳排放量及时序演变特征 结合表1可知，2011年，农业碳排放量居于前5位的省份依次是河南、湖南、四川、江苏和山东，分别排放了相当于6 856.24万t、6 737.26万t、6 492.83万t、5 780.24万t和5 637.33万t CO2当量的温室气体；北京、天津、上海、宁夏和海南则依次排在后5位，分别排放了相当于223.73万t、310.52万t、348.40万t、565.60万t和880.72万t CO2当量的温室气体。相比2002年，各地区农业碳排放量均有较为明显的增减变化。其中，北京等12个地区 E=∑Ei=∑Ti·δi（4） 其中，E为农业生产碳排放总量，Ei为各类碳源碳排放量，Ti为各碳排放源的量，δi为各碳排放源的碳排放系数。 化肥、农药、农膜、农用柴油使用量以及农业灌溉面积等农业生产活动数据来自《中国农村统计年鉴》；水稻播种面积源自《中国农业统计资料》；牛、马、驴等畜禽数量出自《中国畜牧业年鉴》。同时，由于畜禽饲养周期存在差异，在实际计算中需对其年均饲养量进行调整，本文参照闵继胜等[1]的计算方法，对畜禽年平均饲养量进行调整。其中，对于出栏量大于1的生猪、家禽和兔，其生长周期分别取200天、55天和105天。当出栏量大于或等于1时，平均饲养量根据出栏量进行调整，公式如下： Ni=Days_alivei×Mi365（5） 其中，Ni为i种牲畜年平均饲养量，Days_alivei为i种牲畜平均生长周期，Mi为i种牲畜年生产量（出栏量）。 当出栏率小于1时，牲畜年平均饲养量根据年末存栏进行调整，即 Ni=（Cit+Ci（t-1））/2（6） 其中，Ni为i种牲畜年平均饲养量，Cit、Ci（t-1）分别表示i种牲畜第t年年末存栏量和第t-1年年末存栏量。 为了便于分析，在对农业碳排放量进行加总时将统一将C、CH4、N2O置换成标准CO2，依据IPCC第四次评估报告（2007），1tCH4、N2O所引发的温室效应分别等同于25 t CO2和298 t CO2所产生的温室效应。 2研究结果与分析 2.1描述性统计分析 基于前文所给出的农业碳排放测算公式，分别测算我国31个省（市、区）2002年、2005年、2008年及2011年的农业碳排放量，并结合各自农业生产总值计算出农业碳强度，具体数据见表1。 2.1.1我国省级区域农业碳排放量及时序演变特征 结合表1可知，2011年，农业碳排放量居于前5位的省份依次是河南、湖南、四川、江苏和山东，分别排放了相当于6 856.24万t、6 737.26万t、6 492.83万t、5 780.24万t和5 637.33万t CO2当量的温室气体；北京、天津、上海、宁夏和海南则依次排在后5位，分别排放了相当于223.73万t、310.52万t、348.40万t、565.60万t和880.72万t CO2当量的温室气体。相比2002年，各地区农业碳排放量均有较为明显的增减变化。其中，北京等12个地区 E=∑Ei=∑Ti·δi（4） 其中，E为农业生产碳排放总量，Ei为各类碳源碳排放量，Ti为各碳排放源的量，δi为各碳排放源的碳排放系数。 化肥、农药、农膜、农用柴油使用量以及农业灌溉面积等农业生产活动数据来自《中国农村统计年鉴》；水稻播种面积源自《中国农业统计资料》；牛、马、驴等畜禽数量出自《中国畜牧业年鉴》。同时，由于畜禽饲养周期存在差异，在实际计算中需对其年均饲养量进行调整，本文参照闵继胜等[1]的计算方法，对畜禽年平均饲养量进行调整。其中，对于出栏量大于1的生猪、家禽和兔，其生长周期分别取200天、55天和105天。当出栏量大于或等于1时，平均饲养量根据出栏量进行调整，公式如下： Ni=Days_alivei×Mi365（5） 其中，Ni为i种牲畜年平均饲养量，Days_alivei为i种牲畜平均生长周期，Mi为i种牲畜年生产量（出栏量）。 当出栏率小于1时，牲畜年平均饲养量根据年末存栏进行调整，即 Ni=（Cit+Ci（t-1））/2（6） 其中，Ni为i种牲畜年平均饲养量，Cit、Ci（t-1）分别表示i种牲畜第t年年末存栏量和第t-1年年末存栏量。 为了便于分析，在对农业碳排放量进行加总时将统一将C、CH4、N2O置换成标准CO2，依据IPCC第四次评估报告（2007），1tCH4、N2O所引发的温室效应分别等同于25 t CO2和298 t CO2所产生的温室效应。 2研究结果与分析 2.1描述性统计分析 基于前文所给出的农业碳排放测算公式，分别测算我国31个省（市、区）2002年、2005年、2008年及2011年的农业碳排放量，并结合各自农业生产总值计算出农业碳强度，具体数据见表1。 2.1.1我国省级区域农业碳排放量及时序演变特征 结合表1可知，2011年，农业碳排放量居于前5位的省份依次是河南、湖南、四川、江苏和山东，分别排放了相当于6 856.24万t、6 737.26万t、6 492.83万t、5 780.24万t和5 637.33万t CO2当量的温室气体；北京、天津、上海、宁夏和海南则依次排在后5位，分别排放了相当于223.73万t、310.52万t、348.40万t、565.60万t和880.72万t CO2当量的温室气体。相比2002年，各地区农业碳排放量均有较为明显的增减变化。其中，北京等12个地区 |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。