农业碳排放测算指标
中国农业碳排放研究测算时空比较及脱钩效应
数据处理：采用统计分析方法，如回归分析、时间序列分析等
数据质量控制：确保数据的准确性、完整性和一致性 数据可视化：采用图表、地图等形式展示数据结果，便于理解和分 析
碳排放量计算过程
确定碳排放源：包括农业活动、土地利用变化和林业活动等
收集数据：包括农业生产活动数据、土地利用数据、林业活动数据等 计算碳排放量：根据收集到的数据，采用不同的计算方法，如直接测量法、间接测量法等，计算碳排放量 分析时空变化：对不同地区、不同时间、不同农业活动的碳排放量进行对比分析，了解其时空变化规律
THEME TEMPLATE
全球气候变化问题
气候变化：全球气温上升，极端天气事件增多 温室气体排放：人类活动导致温室气体排放增加 农业碳排放：农业活动是温室气体排放的重要来源 国际合作：各国共同应对气候变化，减少温室气体排放
中国农业碳排放现状
农业碳排放量：中国农业碳排放量占全国碳排放总量的10%左右 排放来源：农业碳排放主要来自农田耕作、畜牧业、林业等 排放趋势：随着农业现代化进程的加快，农业碳排放量呈上升趋势 影响因素：农业碳排放受气候、土地利用、农业生产方式等多种因素影响
动
西南地区： 碳排放量较 低，主要来 源于工业活
动
西北地区： 碳排放量较 低，主要来 源于工业活
动
东北地区： 碳排放量较 低，主要来 源于工业活
动
不同农作物碳排放比较
水稻：碳排放量较高，主要来自稻 田土壤中的甲烷排放
小麦：碳排放量较低，主要来自土 壤中的二氧化碳排放
玉米：碳排放量较高，主要来自土 壤中的甲烷排放
脱钩实践案例分析
06
农业碳排放减量措 施
THEME TEMPLATE
ipcc 耕地碳汇系数-概述说明以及解释
ipcc 耕地碳汇系数-概述说明以及解释1.引言1.1 概述概述部分：耕地碳汇系数（Land Use, Land-Use Change, and Forestry Carbon Flux Coefficients）是国际气候变化委员会（IPCC）提供的重要指标之一。
它主要用来衡量农业或耕地活动对碳排放的影响，并通过评估耕地管理措施的碳捕获能力来推动可持续农业发展。
随着全球气候变暖的问题日益凸显，耕地碳汇系数在全球尤其是农业发展中国家备受关注。
这一指标的研究可帮助我们更好地理解农业活动对全球碳循环和气候变化的影响，并为农业可持续发展和温室气体排放控制提供科学依据。
在IPCC的报告中，耕地碳汇系数主要包含了不同类型土地的碳储量变化和碳捕获能力的数据。
通过对农田农作物种植方式、土地利用变化、土壤管理等因素的研究和评估，该系数能够量化农业活动中的碳汇和碳源。
此外，耕地碳汇系数的数据还可以为国家制定减缓气候变化的政策和决策提供重要依据。
通过合理制定并推广有效的农田管理措施，如有机农业、减少化肥和农药使用、玉米杆还田等，可以有效减少农业对气候变化的负面影响，提高耕地的碳捕获能力，从而实现低碳农业的目标。
综上所述，耕地碳汇系数作为IPCC提供的重要指标，在农业可持续发展和气候变化应对中具有重要作用。
它的研究和应用有助于我们更好地理解农业活动对碳排放的影响，并为制定有效的减缓气候变化政策提供科学依据，推动农业向低碳发展的方向转型。
文章结构部分的内容可以写成以下样式：1.2 文章结构本文内容主要分为引言、正文和结论三个部分。
引言部分将对IPCC和耕地碳汇系数进行概述，说明文章的背景和重要性。
同时，还会介绍文章的结构和目的，以帮助读者更好地理解和阅读全文。
正文部分将分为两个小节，分别是理解IPCC和耕地碳汇系数。
首先，我们将介绍IPCC的基本概念、组成和工作方法，以便读者对IPCC有更深入的了解。
接着，我们将详细探讨耕地碳汇系数，包括其定义、计算方法和应用领域，以及对气候变化和农业可持续发展的意义。
中国渔业养殖业碳核算标准-解释说明
中国渔业养殖业碳核算标准-概述说明以及解释1.引言1.1 概述渔业养殖业作为中国重要的经济支柱产业之一，对于国家经济和社会发展起到了重要的推动作用。
然而，随着社会经济的快速发展和人口的增加，渔业养殖业的环境问题也日益突出。
其中之一就是渔业养殖业的碳排放问题。
由于渔业养殖业生产过程中需要大量能源和水资源，并且排放出大量温室气体，对气候变化造成了重要影响。
为了解决这一问题，制定和实施渔业养殖业碳核算标准成为迫切需要解决的课题。
在引言部分中，本文将首先概述渔业养殖业的现状，包括其规模、发展趋势和对经济社会的贡献。
接着，重点介绍中国渔业养殖业碳核算标准的重要性，以及目前该领域存在的问题和挑战。
最后，本文将提出渔业养殖业碳核算标准的必要性，并提出设计和制定该标准的原则，同时给出推广和应用该标准的建议。
通过本文的撰写，旨在引起广大读者对中国渔业养殖业碳排放问题的关注，并加强对该问题的认识和理解。
同时，希望通过制定和实施碳核算标准，推动渔业养殖业的可持续发展，实现渔业产业的绿色转型，为改善环境质量和应对气候变化做出应有贡献。
1.2文章结构文章结构部分的内容如下：2. 正文2.1 渔业养殖业的现状在这一部分，我们将探讨中国渔业养殖业的现状。
我们将分析渔业养殖业的规模、产量、经济贡献以及对环境的影响等方面。
此外，我们还将介绍渔业养殖业的发展趋势和面临的挑战。
2.2 碳核算标准的重要性本节将讨论中国渔业养殖业碳核算标准的重要性。
我们将阐述碳核算标准对于评估渔业养殖业的环境影响、减少温室气体排放、提高资源利用效率以及推动行业可持续发展的作用。
2.3 目前存在的问题和挑战在这一部分，我们将探讨目前中国渔业养殖业在碳核算方面存在的问题和挑战。
其中包括碳排放计量方法的不统一、数据收集和监测的困难、管理和监管的不规范等。
我们还将分析这些问题和挑战对渔业养殖业碳核算工作的影响，并提出解决方案和建议。
文章1.3 目的的内容可以如下所示:目的本文旨在探讨中国渔业养殖业碳核算标准的设计和应用，旨在为渔业养殖业的可持续发展提供科学指导和政策支持。
中国农业碳排放测算研究综述
DOI: 10.12357/cjea.20220777胡永浩, 张昆扬, 胡南燕, 武拉平. 中国农业碳排放测算研究综述[J]. 中国生态农业学报 (中英文), 2023, 31(2): 163−176HU Y H, ZHANG K Y, HU N Y, WU L P. Review on measurement of agricultural carbon emission in China[J]. Chinese Journal of Eco-Agriculture, 2023, 31(2): 163−176中国农业碳排放测算研究综述*胡永浩, 张昆扬, 胡南燕, 武拉平**(中国农业大学经济管理学院 北京 100083)摘 要: 碳排放精准测算是“双碳”目标实现的重要保障。
在进行农业碳排放测算时, 作物类型、生产方式、地理区位等因素均会对碳排放产生影响, 因此, 虽然诸多学者尝试从不同角度对中国农业碳排放展开测度, 但在估计方式、样本选取和测算结果等方面仍未形成一致的有效结论。
本研究首先介绍了中国农业碳排放的主要核算方法, 包括排放系数法、模型模拟法和实地测量法; 其次, 从投入产出、生产过程、碳汇以及碳足迹4个方面对现有农业碳排放核算方式进行梳理; 再次, 对农业碳排放的核算结果进行归纳总结; 最后, 分析现有研究的局限性, 并对未来农业碳排放核算研究进行了展望。
研究发现: 现有研究在农业碳排放测算时, 存在遗漏排放源、排放系数使用不科学以及研究视角过多集中于宏观层面等不足。
建议未来从构建科学全面的农业碳排放核算体系、完善排放系数以及加强农户等微观层次研究等方面展开。
关键词: 农业碳排放; 碳排放测算; 排放系数法; 碳汇; 碳排放来源中图分类号: X322; F323开放科学码(资源服务)标识码(OSID):Review on measurement of agricultural carbon emission in China*HU Yonghao, ZHANG Kunyang, HU Nanyan, WU Laping**(College of Economics and Management, China Agricultural University, Beijing 100083, China)Abstract: Accurate measurement of carbon emissions is crucial for achieving dual-carbon goals. Agricultural carbon emissions are affected by various crop types, production methods, geographical locations, and other factors. Therefore, although scholars have at-tempted to measure China’s agricultural carbon emissions from different perspectives, a consistent and effective conclusion regarding the estimation method, sample selection, and calculation results does not exist. First, this study introduces the main accounting meth-ods for agricultural carbon emissions, including the emission factor method, model simulation method, and field measurement meth-od. Second, it segregates agricultural carbon emission accounting methods from the existing four aspects: input and output, produc-tion process, carbon sequestration, and carbon footprint. Third, the accounting results for agricultural carbon emissions are summar-ized. Finally, the limitations of the existing research are analyzed, and a prospect for agricultural carbon emission accounting is spe-cified. This study discovered shortcomings in the existing research, including the omission of emission sources, inappropriate use of emission factors, and excessive concentration perspectives at the macro level. Future research can be continued from the following as-pects: constructing a scientific and comprehensive agricultural carbon emission accounting system, improving emission factors, and strengthening micro-level research on farmers.Keywords: Agricultural carbon emissions; Carbon emission measurement; Emission factor method; Carbon sink; Carbon emissions source* 中德国际研究培训项目(IRTG 2366/2)、国家自然科学基金项目(72273139)和中国农业大学2115人才工程(1111-00109015)资助** 通信作者: 武拉平, 主要研究方向为农业经济管理、农产品市场和粮食经济。
安徽省农业碳排放效率测算及分析
参考文献2
王晓晨, 王翠萍. 基于DEA模型的安徽省农业碳排放 效率评价研究[J]. 中国农业资源与区划, 2021, 42(1): 150-156.
参考文献3
张文雅, 王雅琳. 基于超效率DEA模型的安徽 省农业碳排放效率评价[J]. 农业现代化研究, 2021, 42(3): 537-544.
THANK YOU
随机森林和神经网络等方法进一步验 证了回归分析的结论，并提供了更为 详细的影响程度和重要性排序。
要点三
结果解释
实证结果表明，安徽省在提高农业碳 排放效率方面应重点关注农业结构调 整、推广先进的农业生产技术和扩大 农业经营规模。同时，应关注气候变 化对农业碳排放的影响，采取适应性 措施以降低其对农业碳排放的不利影 响。
在地区差异方面，虽然本次研究得出了大致的规律，但未 能深入分析各地区效率差异的具体原因，未来可以进一步 开展针对性的政策建议研究。
在提高农业碳排放效率方面，未来可以探讨更加环保的农 业生产方式和技术，以及政策层面的引导和支持，以促进 安徽省农业可持续发展。
07
参考文献
参考文献
参考文献1
安徽农业科学院农业经济研究所. 安徽省农 业碳排放效率测算及分析[J]. 安徽农业科学, 2020, 48(7): 198-204.
农业经营规模越大，越有利于采用集 约化、规模化的生产方式，提高碳排
放效率。
农业生产技术
农业生产技术进步可以降低单位产出 的碳排放量，例如采用生物肥料、高 效灌溉等。
气候条件
气候条件如气温、降雨量等直接影响 农作物的生长和畜禽的养殖，从而影 响农业碳排放。
变量选择与模型构建
变量选择
选择农业总产值、农业结构、农业生产技术 、农业经营规模和气候条件等作为解释变量 。
农林业净碳汇价值测算方法
农林业净碳汇价值测算方法徐婷婷1郭嘉2李庆卫3孙新旺4白保勋1（1.郑州市农林科学研究所，河南郑州450005；2.中国林业科学研究院林业新技术研究所，北京100091；3.北京林业大学园林学院，北京100083；4.南京林业大学风景园林学院，江苏南京210037）［摘要］碳汇在温室气体控制方面意义重大，而农林业的绿色植物具有极大的碳汇价值。
本文通过对农林业净碳汇价值计算方法的探讨，使碳汇价值货币化，人们可以更加直观地掌握绿色植物的净碳汇价值，为促进农林业绿色可持续发展、减少温室气体排放提供巨大帮助。
［关键词］净碳汇；碳源；农林业［中图分类号］F205［文献标识码］A［文章编号］1674-7909（2021）09-107-2农田生态系统和森林生态系统是陆地生态系统的重要组成部分，是重要的大气碳源和碳汇，对温室气体含量影响较大。
农林业净碳汇越大，吸收固定大气中的二氧化碳越多，农田生态系统和森林生态系统在全球碳循环中的价值越大［1］。
1农林业净碳汇的评价指标体系农林业碳汇价值包括正价值和负价值，正价值为农林业固碳价值，负价值为农林业碳投入价值和环境成本，碳投入价值包括农林业生产中的能量投入和物资投入，环境成本为治理农药、化肥污染所需费用。
农林业净碳汇价值为农林业固碳价值减去农林业碳投入价值和环境成本，具体指标体系见图1。
图1农林业净碳汇评估指标体系2农林业净碳汇相关计算方法2.1固碳价值计算方法将农林业生态系统按照绿色植物类型分为粮经作物、叶菜类作物、果菜和根菜类作物、果树和林木，分别计算各自的固碳价值。
2.1.1粮经作物固碳价值。
粮经作物固碳价值计算公式如下：U粮经=1.63×C碳×A×V系×Y粮经/H粮经（1）式（1）中，U粮经为粮经作物固碳价值，单位为元/（hm2·a）；C碳为碳的价格，单位为元/t；A为粮经作物的种植面积，单位为hm2；V系为作物的经济系数，经济系数=经济产量/生物量×100%；Y粮经为作物的经济产量，单位为t/（hm2·a）；H粮经为粮经作物籽粒含水率（%）。
江苏省种植业碳排放的测算及达峰分析
第37卷第5期2023年10月水土保持学报J o u r n a l o 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 .37N o .5O c t .,2023收稿日期:2023-03-28资助项目:国家重点研发计划项目(2018Y F C 1801105,2017Y F D 0800705);生态环境部事业费项目 第一作者:范振浩(1998 ),男,硕士研究生,主要从事土壤碳汇与全球气候变化研究㊂E -m a i l :z a f u _f z h @163.c o m通信作者:卜元卿(1977 ),女,研究员,博士生导师,主要从事农用化学品环境安全性与污染防控研究㊂E -m a i l :b y q @n i e s .o r g刘娟(1978 ),女,副教授,硕士生导师,主要从事土壤碳汇与全球气候变化研究㊂E -m a i l :l i u ju a n @z a f u .e d u .c n 江苏省种植业碳排放的测算及达峰分析范振浩1,邢巍巍2,卜元卿3,4,刘娟1(1.浙江农林大学环境与资源学院,碳中和学院,杭州311300;2.大连市生态环境事务服务中心,辽宁大连116000;3.生态环境部南京环境科学研究所固体废物污染防治研究中心,南京210042;4.南京信息工程大学江苏省大气环境与装备技术协同创新中心,南京210044)摘要:在实现 碳达峰㊁碳中和 的目标背景下,明确农业温室气体排放现状,模拟预测峰值,为促进江苏省农业低碳减排提供科学依据㊂基于农业物资投入和农田土壤利用2类碳源,采用I P C C 碳排放系数法和清单法综合测算江苏省1990 2020年间种植业碳排放量,运用T a p i o 脱钩模型对农业碳排放量与农业经济增长的脱钩关系进行分析,并根据灰色预测模型GM (1,1)对2021 2060年碳排放量进行预测㊂结果表明:(1)2020年江苏省种植业碳排放为1999.53万t ,1990 2020年间呈现先增加后降低再增加然后趋于平稳的趋势;种植业碳排放主要来源于农田土壤利用,农田土壤利用碳排放占比为77.73%~86.95%,农资投入碳排放占比为13.05%~22.27%;(2)化肥是农资投入碳排放源中最主要的排放源,其占比为69.15%~79.20%,其次是农药和农膜,农机㊁灌溉㊁翻耕占比均较低;(3)水稻是农田土壤利用排放源中最主要的排放源,其占农田土壤利用碳排放的79.76%~87.23%,其次是小麦和蔬菜,大豆㊁玉米㊁棉花占比均较低;(4)脱钩关系以弱脱钩和强脱钩为主,表明随着种植业生产总值的提高,农业种植碳排放呈缓慢增长或递减的趋势;(5)分别以1990 2020(近30年)和1999 2020(近20年)年农业种植碳排放量数据为样本,预测2021 2060年江苏省农业种植碳排放呈持续增长趋势,2060年仍未达峰;以2010 2020(近10年)年农业种植碳排放量数据为样本预测,2021 2060年江苏省农业种植碳排放呈持续降低趋势,种植业碳排放已于2020年达到峰值,表明近年来江苏省在低碳绿色农业发展已初见成效㊂关键词:农业碳排放;农资投入;农田土壤利用;T a pi o 脱钩模型;峰值预测中图分类号:F 323 文献标识码:A 文章编号:1009-2242(2023)05-0078-08D O I :10.13870/j.c n k i .s t b c x b .2023.05.010C a l c u l a t i o na n dP e a kA n a l ys i s o fC a r b o nE m i s s i o n s f r o m A g r i c u l t u r a l P l a n t i n g i nJ i a n gs uP r o v i n c e F A NZ h e n h a o 1,X I N G W e i w e i 2,B U Y u a n q i n g 3,4,L I UJ u a n 1(1.C o l l e g e o f E n v i r o n m e n t a n dR e s o u r c e s ,C o l l e g e o f C a r b o nN e u t r a l i t y ,Z h e j i a n g A&FU n i v e r s i t y ,H a n g z h o u 311300;2.D a l i a nE c o -e n v i r o n m e n t a lA f f a i r sS e r v i c eC e n t e r ,D a l i a n ,L i a o n i n g 116000;3.R e s e a r c hC e n t e r o f S o l i d W a s t eP o l l u t i o na n dP r e v e n t i o n ,N a n j i n g I n s t i t u t e o f E n v i r o n m e n t a lS c i e n c e ,M i n i s t r y o f E c o l o g y a n dE n v i r o n m e n t ,N a n j i n g 210042;4.J i a n g s uC o l l a b o r a t i v e I n n o v a t i o nC e n t e r o f A t m o s ph e r i c E n v i r o n m e n t a n dE q u i p m e n tT e c h n o l o g y ,N a n j i n g U n i v e r s i t y o f I n f o r m a t i o nS c i e n c e&T e c h n o l o g y ,N a n j i n g 210044)A b s t r a c t :I n t h e c o n t e x t o f a c h i e v i n g t h e g o a l o f c a r b o n p e a k i n g a n dc a r b o nn e u t r a l i t y ,w e s h o u l dc l a r i f yt h e c u r r e n ts i t u a t i o no fa gr i c u l t u r a l g r e e n h o u s e g a se m i s s i o n s ,s i m u l a t ea n d p r e d i c tt h e p e a kv a l u e ,a n d p r o v i d e as c i e n t i f i cb a s i sf o r p r o m o t i n g l o w -c a r b o ne m i s s i o nr e d u c t i o no fa g r i c u l t u r ei nJ i a n gs u P r o v i n c e .B a s e do nt h et w ot y p e so fc a r b o ns o u r c e so fa g r i c u l t u r a lm a t e r i a l i n pu ta n df a r m l a n ds o i lu t i l i z a t i o n ,t h e I P C Cc a r b o ne m i s s i o nc o e f f i c i e n tm e t h o da n d i n v e n t o r y m e t h o dw e r eu s e dt oc o m p r e h e n s i v e l y c a l c u l a t e t h e c a r b o ne m i s s i o n s o f t h e p l a n t i n g i n d u s t r y i n J i a n g s uP r o v i n c e f r o m1990t o 2020.T h eT a p i o d e c o u p l i n g m o d e l w a su s e dt oa n a l y z et h e d e c o u p l i n g r e l a t i o n s h i p b e t w e e n a g r i c u l t u r a lc a r b o n e m i s s i o n sa n d a gr i c u l t u r a l e c o n o m i c g r o w t h ,a n d t h e c a r b o ne m i s s i o n s f r o m2021t o2060w e r e p r e d i c t e db a s e do nt h e g r e ypr e d i c t i o n Copyright ©博看网. All Rights Reserved.m o d e lGM(1,1).T h e r e s u l t s s h o w e d t h a t:(1)T h e c a r b o ne m i s s i o n s f r o ma g r i c u l t u r a l p l a n t i n g i nJ i a n g s u P r o v i n c e r e a c h e d1999.53t o n si n2020.F r o m1990t o2020,i tf i r s ti n c r e a s e d,t h e n d e c r e a s e d,t h e n i n c r e a s e d,a n dt h e nt e n d e dt ob es t a b l e.C a r b o ne m i s s i o n sf r o m a g r i c u l t u r a l p l a n t i n g m a i n l y c a m ef r o m f a r m l a n d s o i l u s e,a c c o u n t i n g f o r77.73%~86.95%o f c a r b o ne m i s s i o n s,a n d13.05%~22.27%o f c a r b o ne m i s s i o n sf r o mag r i c u l t u r a l i n p u t s.(2)Ch e mi c a l f e r t i l i z e rw a s t h em o s t i m p o r t a n t s o u r c e o f c a r b o n e m i s s i o n sf r o mag r i c u l t u r a l i n p u t s,a c c o u n t i n g f o r69.15%~79.20%,f o l l o w e db yp e s t i c i d e s a n d a g r i c u l t u r a l f i l m,a n d a g r i c u l t u r a lm a chi n e r y,i r r i g a t i o na n d t i l l a g eh a d r e l a t i v e l y l o w p r o p o r t i o n.(3)R i c ew a s t h em a i ne m i s s i o n s o u r c e o f f a r m l a n d s o i l u s e,a c c o u n t i n g f o r79.76%~87.23%o f f a r m l a n d s o i l u s e c a r b o n e m i s s i o n s,f o l l o w e d b y w h e a t a n dv e g e t a b l e s,w h i l e s o y b e a n,c o r na n d c o t t o n a c c o u n t e d f o r a r e l a t i v e l y l o w p r o p o r t i o n.(4)T h e d e c o u p l i n g r e l a t i o n s h i p w a s d o m i n a t e db y w e a kd e c o u p l i n g a n ds t r o n g d e c o u p l i n g,i n d i c a t i n g a s l o w g r o w t h o r d e c r e a s i n g t r e n do f t h e c a r b o ne m i s s i o n s f r o ma g r i c u l t u r a l p l a n t i n g w i t h t h e i n c r e a s i n g o f g r o s sd o m e s t i c p r o d u c t o f t h e p l a n t i n g i n d u s t r y.(5)T a k i n g t h e c a r b o ne m i s s i o n s d a t a o f a g r i c u l t u r a l p l a n t i n g f r o m1990t o 2020(n e a r l y30y e a r s)a n d1999t o2020(n e a r l y20y e a r s)a ss a m p l e s,i tw a s p r e d i c t e dt h a t t h ec a r b o n e m i s s i o n s o f a g r i c u l t u r a l p l a n t i n g i nJ i a n g s uP r o v i n c ew i l l c o n t i n u e t o i n c r e a s e f r o m2021t o2060,a n dw i l l n o t r e a c h t h e p e a k i n2060.B a s e do n t h e c a r b o ne m i s s i o n sd a t ao f a g r i c u l t u r a l p l a n t i n g f r o m2010t o2020, t h e c a r b o n e m i s s i o n s o f a g r i c u l t u r a l p l a n t i n g i n J i a n g s uP r o v i n c ew i l l c o n t i n u e t o d e c r e a s e f r o m2021t o2060, a n dh a s r e a c h e d i t s p e a k i n2020,i n d i c a t i n g t h a t t h e d e v e l o p m e n t o f l o w-c a r b o n g r e e na g r i c u l t u r e i nJ i a n g s u P r o v i n c eh a s a c h i e v e d i n i t i a l r e s u l t s i n r e c e n t y e a r s.K e y w o r d s:a g r i c u l t u r a lc a r b o n e m i s s i o n s;a g r i c u l t u r a l m a t e r i a l si n p u t;f a r m l a n d s o i lu t i l i z a t i o n;T a p i od e c o u p l i n g m o d e l;p e a k p r e d i c t i o n全球变暖持续受到社会的普遍关注,碳排放是气候变化的主要因素,从减少碳排放入手来应对气候变化问题已然成为各国政府的焦点㊂农业碳排放作为全球温室气体排放中的第二大来源,贡献约14%的人为温室气体排放量和58%的非人为C O2排放[1-2]㊂在倡导低碳经济的背景下,发展低碳农业也是农业可持续发展的必由之路㊂农业领域碳排放的减少可以促进农业的可持续发展,更好实现整体的碳减排目标㊂在2020年召开的第75届联合国大会上,我国宣布力争在2030年前实现碳达峰,2060年前实现碳中和㊂我国温室气体碳排放中农业碳排放占比17%,且农业碳排放年均增速为5%[3-4],农业减排增汇是国家实现 双碳 战略目标的重要举措[5]㊂农业碳源主要包含农用物资投入㊁水稻种植㊁畜禽养殖和土壤碳库破坏4个方面[6-7]㊂农资投入和水稻种植占农业碳排放量的52.33%,水稻种植占农业碳排放的比重为25.95%,在水稻种植主导型的省区内占比可达53.01%[8]㊂随着农业碳排放的测算方法不断完善,不少学者基于较为整体的视角对中国农业碳排放进行测算,涵盖种植业和畜牧业㊂农业碳排放往往受经济发展状况影响,农业碳排放省际差异明显,同时农业碳排放也有一个动态演变的过程㊂农业碳排放测算结果可用于对农业碳排放的现状特征及作用机理分析㊁农业碳排放效率测度与碳减排潜力剖析㊁经济发展与农业碳排放相互关系探讨等[9]㊂目前对农业碳排放的研究主要集中在碳排放测算[10]㊁时空演变[11]㊁脱钩效应[12]和碳减排策略[13]等方面㊂脱钩概念的提出是为了探讨环境破坏与经济发展之间的关系,张丽琼等[14]对1997 2018年中国31个省区农业碳排放量进行测算发现,中国农业碳排放与农业经济发展之间多处于弱脱钩和强脱钩状态;T a p i o构建的脱钩模型被广泛应用于碳排放[15]㊁经济发展[9]等相关关系的研究之中;吴昊玥等[16]运用T a p i o耦合指数对中国省域2000 2019年耕地利用净碳汇与农业生产的时空协调程度进行判断,并提出碳减排的建议㊂种植业是我国东南地区主要的农业碳排放源,通过对中国省域农业源非C O2温室气体碳排放的测算发现,我国东南地区种植业对农业源非C O2温室气体的贡献率超过50%,其中种植业平均贡献率高于60%的有上海市㊁江苏省㊁浙江省㊁福建省㊁江西省㊁湖南省和广东省,江苏省的种植业平均贡献率位于全国首位,为70.85%[17]㊂2020年江苏省农作物总播种面积为7.48ˑ106h m2,农业生产总值达4.10ˑ103亿元㊂本文以江苏省种植业碳排放为研究对象,基于相关的统计数据,测算全省在1990 2020年间农业的碳排放总量㊁碳排放强度及其变化特征,分析农业种植碳排放的时空格局和演变特征,并运用T a p i o脱钩模型对全省农业碳排放和经济发展关系进行研究并97第5期范振浩等:江苏省种植业碳排放的测算及达峰分析Copyright©博看网. All Rights Reserved.提出建议,以期为促进低碳农业的发展㊁实现 双碳 目标提供参考㊂1 材料与方法1.1 数据来源本文所用数据均来源于1990 2020年的‘中国农村统计年鉴“[18]和‘江苏统计年鉴“[19]㊂在对农业物资投入碳排放的测算过程中,化肥测算以农业化肥折纯量为准;农药和农膜测算以当年实际施用量为准;农机测算以当年机播面积和农用机械总动力为准;灌溉测算以当年有效灌溉面积为准;翻耕测算以当年实际农作物播种面积为准㊂在农田土壤利用碳排放测算中,水稻㊁小麦㊁大豆㊁玉米㊁棉花㊁蔬菜测算以当年实际农作物种植面积数据为准㊂需要说明的是本文的农业碳排放特指种植业碳排放,农业产值是指农作物种植业的产值㊂1.2 农业碳排放测算本文采用I P C C 碳排放系数法来测算农业碳排放,根据现有的研究成果对种植业碳排放量进行测算,即C =ðC i =ðT i ˑδi ㊂式中:C 为农业碳排放总量;C i 为各碳排放源排放量;T i 为各碳排放源活动水平;δi 为各碳排放源碳排放系数㊂种植业碳排放量主要分为农业物资投入产生的碳排放和农田土壤利用过程中C H 4和N 2O 等温室气体产生的碳排放㊂农业物资投入产生的碳排放主要分为化肥㊁农药㊁农膜㊁农机㊁灌溉和翻耕(表1)㊂农田土壤利用产生的碳排放主要分为水稻㊁小麦㊁大豆㊁玉米㊁棉花和蔬菜(表2)㊂农业物资投入和农田土壤利用碳排放系数见表1和表2㊂根据I P C C 第五次评估报告结果,C H 4和N 2O 的增温潜势在100年尺度上分别为C O 2的28,265倍[20]㊂表1 农业物资投入碳排放源计算公式和排放系数碳排放源公式碳源投入量碳排放系数参考文献化肥C f =G f ˑA G f 为化肥折纯量(k g )A =0.90W e s t 等[21]农药C p =G p ˑB G p 为农药使用量(k g)B =4.93智静等[22]农膜C m =G m ˑDG m 为农膜施用量(k g )D =5.18王宝义等[23]农机C e =(A a ˑE )+(W e ˑF )A a 为农作物播种面积(h m2)E =16.47赵荣钦等[24]W e 为农业机械总动力(k W )F =0.18赵荣钦等[24]灌溉C i =A i ˑG A i 为有效灌溉面积(h m 2)G =20.48李波等[10]翻耕C t =A t ˑHA t 为农作种植面积(h m2)H =3.13伍芬琳等[25]表2 农田土壤利用碳排放源和碳排放系数碳排放源碳排放系数参考文献水稻210.00k g/h m 2(C H 4)0.24k g /h m 2(N 2O )闵继胜等[6]小麦2.05k g /h m 2(N 2O )苏维瀚等[26]大豆0.77k g /h m 2(N 2O )刘杨等[27]玉米2.53k g /h m 2(N 2O )黄国宏等[28]棉花0.48k g /h m 2(N 2O )刘杨等[27]蔬菜4.21k g /h m 2(N 2O )邱炜红等[29]1.3 碳排放强度农业碳排放强度可以用于衡量农业的碳排放水平,为该地区农业碳排放量与农业生产总值的比值,即C I t =C t /G D P t ㊂式中:C I t 为t 时期的单位农业种植业产值碳排放强度;C t 为t 时期种植业碳排放量;G D P t 为t 时期农业种植业的生产总值㊂1.4 T a pi o 脱钩模型脱钩弹性为经济增长幅度与碳排放量变动程度的比值,可以用于反映碳排放量变化对于经济增长的敏感程度[29]㊂借助T a pi o 脱钩指数构建碳排放和经济发展之间的变动关系,构建模型为:e =ΔC O 2/C O 2ΔG D P /G D P㊂式中:e 为弹性指数;ΔC O 2/C O 2为碳排放的变化率;ΔG D P /G D P 为G D P 的变化率㊂根据脱钩弹性e 的不同确定了8种脱钩状态(表3),即为扩张负脱钩㊁强负脱钩㊁弱负脱钩㊁弱脱钩㊁强脱钩㊁衰退脱钩㊁增长连接和衰退连接[30]㊂表3 T a p i o 脱钩状态划分脱钩状态ΔC O 2/C O 2ΔG D P /G D P脱钩弹性(e )含义负脱钩扩张负脱钩>0>0e >1.2农业经济增长,环境压力大幅增长强负脱钩>0<0e <0农业经济衰退,环境压力增加弱负脱钩<0<00<e <0.8农业经济衰退,环境压力缓慢衰退脱钩弱脱钩>0>00<e <0.8农业经济增长,环境压力缓慢增长强脱钩<0>0e <0农业经济增长,环境压力减少衰退脱钩<0<0e >1.2农业经济衰退,环境压力大幅衰退连接增长连接>0>00.8<e <1.2农业经济增长,环境压力中速增加衰退连接<0<00.8<e <1.2农业经济衰退,环境压力大幅减少08水土保持学报 第37卷Copyright ©博看网. All Rights Reserved.1.5 农业碳排放量预测灰色预测模型GM (1,1)是以历史数据为样本,对具有时间序列的数据进行大小预测,得到1条具有指数增长规律的上升形状数列,基本原理是用原始数据组成原始序列(0),再通过累加生成法生成序列(1),该步骤可以弱化原始数据的随机性,使特征规律更为明显,对生成变换后的序列(1)建立一阶微分方程模型,即GM (1,1)模型㊂该模型所需样本较少,对计算统计特征量要求不高,可以有效处理小样本预测问题[27,31-33]㊂本文运用灰色预测模型GM (1,1)对2021 2060年江苏省农业碳排放量情况进行模拟㊂模型处理步骤为:(1)将碳排放量作为原始数列,计算原始数列x (0)的级比λ(0)(t )=x (0)(t -1)x (0)(t ),其中t =1,2,3, ,n ㊂若λ(0)(t )ɪ(e -2n +1),(e 2n +1)则原始数列可建立灰色预测模型GM (1,1)㊂(2)建立碳排放量的微分方程d (x )1(t )d t+a x (1)(t )=μ,其中x (1)(t )为累加数列,采用最小二乘法求解灰色参数a 和μ,a μéëêêùûúú=(B T B )-1B T y n ,其中:B =-12[x (1)(1)+x (1)(2) 1-12[x (1)(2)+x (1)(3) 1 -12[x (1)(n -1)+x (1)(n ) 1éëêêêêêêêêêùûúúúúúúúúúy n =[x (0)(2),x (0)(3), ,x (0)(n )]T(3)将灰色参数代入时间函数可得x (1)t =x (0)(1)-μa éëêêùûúúe -a (t -1)+μa ,相应碳排放量预测值即为:ɡ(0)x (t +1)=ɡ(1)x (t +1)-ɡ(1)x tt =1,2,3 ,n -1(4)采用残差检验㊁后验差检验㊁关联度检验等对模型精度进行检验,预测2021 2060年碳排放量㊂2 结果与分析2.1 农资投入碳排放源占比分析由图1可知,1990 2020年间,江苏省的农资投入碳排放源中化肥占比为69.15%~79.20%,农药占比为8.91%~15.69%,农膜占比为0~16.06%,农机占比为0.83%~3.00%,灌溉占比为1.84%~3.24%,翻耕占比为0.56%~1.03%㊂农资投入碳排放源主要为化肥㊁农药和农膜,化肥占比最高,其次是农药和农膜,农机㊁灌溉㊁翻耕占比均较小㊂1990 2020年间,化肥产生的碳排放占比从79.20%降低到69.15%,农药产生的碳排放占比从15.69%降低到8.91%,农膜产生的碳排放占比从0升高到15.92%,农机产生的碳排放占比从0.83%升高到3.00%,灌溉产生的碳排放占比从3.24%降低到2.38%,翻耕产生的碳排放占比1.03%降低到0.64%㊂化肥和农药碳排放占比均呈逐年下降的趋势,化肥占比年均降低0.34%,农药占比年均降低0.23%;农膜㊁农机碳排放占比均呈逐年上升的趋势,农膜占比年均增长0.53%,农机占比年均增长0.07%;灌溉和翻耕的占比变化不明显,处于一个较为稳定的状态(图1)㊂图1 农资投入各部分碳排放源所占比重2.2 农田土壤利用碳排放源占比分析从图2可以看出,1990 2020年间,江苏省农田土壤利用碳排放源中水稻占比为79.76%~87.23%,小麦占比为5.74%~8.01%,蔬菜占比为2.39%~10.91%,玉米占比为1.58%~2.21%,大豆占比为0.23%~0.36%,棉花占比为0.01%~0.51%㊂农田土壤利用碳排放中的水稻占比最高,其次是小麦和蔬菜,大豆㊁玉米㊁棉花占比均较小㊂蔬菜碳排放呈逐年上升的趋势,其余作物较为稳定㊂1990 2020年间,水稻产生的碳排放占比从87.23%18第5期 范振浩等:江苏省种植业碳排放的测算及达峰分析Copyright ©博看网. All Rights Reserved.降低到80.04%,年均降低0.23%;小麦产生的碳排放占比从1990年的7.79%降低到2004年的5.74%,之后持续升高到2020年的7.77%;蔬菜产生的碳排放占比从1990年的2.39%升高到2020年的9.85%,年均升高0.25%;大豆产生的碳排放占比从1990年的0.30%降低到2020年的0.24%;玉米产生的碳排放占比从1990年的1.85%升高到2020年的2.09%;棉花产生的碳排放占比从1990年的0.44%降低到2020年的0.01%㊂图2农田土壤利用各作物碳排放源所占比重2.3种植业碳排放时序特征分析从图3可以看出,1990 2020年间,农业种植业碳排放主要来自农田土壤利用,其碳排放占比为77.73%~ 86.95%;农资投入碳排放占比为13.05%~22.27%,这与李阳等[17]的研究结果相符㊂根据李阳等[17]对江苏省1980 2018年间农业总碳排放量的测算结果,江苏省农业总碳排放量为2212.94~3622.67万t,其中种植业平均贡献率为70.85%㊂农业种植碳排放年均变化增长率为0.13%,农资投入碳排放年均增幅为1.25%,农田土壤利用碳排放年均变化幅度为-0.07%㊂1999年农业种植碳排放最高,为2074.23万t,其中农资投入391.21万t,农田利用1683.02万t㊂2003年农业碳排放最低,为1764.95万t,其中农资投入393.10万t,农田利用1371.85万t㊂2020年农业种植源㊁农田土壤利用和农资投入碳排放量分别为1999.53万,1635.74万,363.80万t ㊂图3种植业碳排放量的变化趋势从江苏省种植业碳排放量年际变化来看,1990 2020年江苏省农业种植业碳排放量变化总体可以分为2个阶段:第1阶段是1990 2006年,农业碳排放量先增加,后降低,再增加㊂第1阶段的出现是由于化肥施用量的大量增加和蔬菜面积的增加使得农业碳排放形成1个上升趋势㊂之后化肥施用量趋于平稳,蔬菜种植面积持续增加,水稻种植面积持续减少,蔬菜的碳排放量小于水稻,农业碳排放形成1个下降趋势㊂随着蔬菜面积减少,水稻种植面积增加,种植业碳排放形成1个上升趋势㊂第2阶段是2007 2020年,这个阶段种植业的各排放源趋于稳定,碳排放量变化幅度较小㊂2.4种植业碳排放强度分析从图4可以看出,1990 2020年间,以农业产值为单位的碳排放强度有1个明显的下降趋势(图4)㊂单位农业产值碳排放强度在1990 1995年有1个迅速降低的过程,年均下降18.31%,1995年较1990年降幅达63.62%;在1995 2012年碳排放强度保持继续降低的趋势,降低的幅度减小,年均下降5.82%;在2012 2020年碳排放强度持续降低,降低的幅度更小,年均下降4.36%㊂随着经济社会发展,农业所需劳动力成本也相应提高,农产品价格随之上升,在农业碳排放量变化较小的情况下,农业产值持续增加使得单位农业产值的碳排放强度持续下降㊂之后,随着农业的发展,农资㊁农机㊁农技得到推广,农产品产量和价格趋于稳定,碳排放强度变化幅度不断变小㊂图4碳排放强度的变化趋势2.5农业碳排放与农业经济增长的脱钩特征分析由表4可知,江苏省1990 2020年农业碳排放28水土保持学报第37卷Copyright©博看网. All Rights Reserved.的脱钩状态主要以强脱钩㊁增长连接和弱脱钩为主㊂农业经济总体上保持稳步上升的趋势,农业种植碳排放量增长较为缓慢,并多次出现农业碳排放量降低的情况㊂脱钩状态的情况可以分为3个阶段:第1阶段是1990 2002年,为经济快速增长期㊂该阶段农业经济发展保持稳定增长态势,年均增长10.22%,同时总体上农业碳排放呈减少趋势,年均降低0.33%㊂此阶段的脱钩状态多为强脱钩㊂随着经济的快速发展,农业的生产总值也随之提高,农业发展还处于比较缓慢的过程,农业生产的技术资料没有得到推广,使得经济增长速度快于农业碳排放的增加㊂2002年国家提出 多予㊁少取㊁放活 为指导思想的农业政策㊂第2阶段是2003 2015年,为平稳期㊂该阶段的农业经济总体来看处于稳步发展的时期,年均增长11.63%,同期农业碳排放也稳步增长,年增幅为1.35%㊂此阶段的脱钩状态多为弱脱钩㊂国家于2006年取消传统农业税,出台一系列政策提高农民种粮积极性㊂此阶段国家大力推广农业新技术,兴修农田水利,推进农业的机械化㊂农民得到高质量的农业培训,提高农业生产的积极性㊂国家倡导化肥和农药的减量使用,促进农业的可持续发展㊂在经济稳步发展的同时促使农业蓬勃发展㊂第3个阶段是2016 2020年,为波动期㊂该阶段农业经济发展持续稳定发展,年增幅为2.87%,与前2个阶段的增幅相比,说明农业的发展达到一个快要饱和的程度㊂农业碳排放先减少再增加㊂这个阶段弱负脱钩㊁强脱钩㊁衰退脱钩㊁弱脱钩状态都有出现㊂2014年的中央一号文件提出 发展生态友好型农业 [34],2015年开始限制化肥㊁农药施用量的增长㊂国家深入贯彻绿色低碳农业,保护耕地资源,进一步削减资源消耗型农业产业,属于农业转型升级的关键时刻,农业碳排放出现波动反弹㊂表4农业物资投入和农田土壤利用的总排放量与农业经济增长的脱钩特征年份农业总产值/亿元农业物资投入和农田土壤利用的总排放量/万tΔC O2/C O2ΔG D P/G D P脱钩弹性(e)脱钩状态1990362.461923.223 1991354.421885.204-0.020-0.0220.891衰退连接1992411.331954.7660.0370.1610.230弱脱钩1993518.551870.621-0.0430.261-0.165强脱钩1994777.941828.916-0.0220.500-0.045强脱钩1995986.151903.7320.0410.2680.153弱脱钩19961062.391965.3020.0320.0770.418弱脱钩19971085.262028.9580.0320.0221.505扩张负脱钩19981096.882047.3420.0090.0110.846增长连接19991095.132074.2260.013-0.002-8.230增长连接20001096.021964.246-0.0530.001-65.242强脱钩20011142.661854.434-0.0560.043-1.314强脱钩20021165.491848.191-0.0030.020-0.168强脱钩2003981.251764.952-0.045-0.1580.285弱负脱钩20041242.411912.1400.0830.2660.313弱脱钩20051291.061979.7140.0350.0390.902增长连接20061416.911993.3170.0070.0970.070弱脱钩20071540.391993.251-00.087-0强脱钩20081741.992007.0580.0070.1310.053弱脱钩20091940.102021.8960.0070.1140.065弱脱钩20102256.992034.4460.0060.1630.038弱脱钩20112622.672040.9670.0030.1620.020弱脱钩20122942.112047.9690.0030.1220.028弱脱钩20133137.142052.9790.0020.0660.037弱脱钩20143325.672061.9130.0040.0600.072弱脱钩20153675.872072.4530.0050.1050.049弱脱钩20163663.422069.532-0.001-0.0030.416弱负脱钩20173764.732046.170-0.0110.028-0.408强脱钩20183735.022020.567-0.013-0.0081.586衰退脱钩20193828.601990.925-0.0150.025-0.586强脱钩20204102.161999.5330.0040.0710.061弱脱钩38第5期范振浩等:江苏省种植业碳排放的测算及达峰分析Copyright©博看网. All Rights Reserved.2.6 农业碳排放量预测及达峰分析以近30年(1990 2020年)㊁近20年(1999 2020)和近10年(2010 2020年)的农业碳排放量数据作为样本,构建灰色预测模型G M (1,1)预测2021 2060年农业碳排放量,考虑到年份数量较多,仅列出2025年㊁2030年㊁2045年和2060年的预测值(表5)㊂以近30年(1990 2020年)的数据为样本,预测江苏省农业碳排放量在2020年后仍有一个缓慢增长的趋势,2030年较2020年增幅5.55%,2060年较2020年增幅13.98%,农业碳排放量年均增加6.99万t ㊂以近20年(1999 2020)年农业碳排放量数据为样本,江苏省农业碳排放量在2020年后有一个增长的趋势,2030年较2020年增幅8.67%,2060年较2020年增幅24.11%,农业碳排放量年均增加12.05万t ㊂以近10年(2010 2020年)农业碳排放量数据为样本,预测农业碳排放呈持续减少趋势,种植业碳排放已于2020年达峰,2030年较2020年降幅3.48%,2060年较2020年降幅14.31%,农业碳排放量年均减少7.15万t ,这与李阳等[25]利用经济情景预测对我国农业源非C O 2GH G 排放量的预测结果一致㊂在高情景和中情景下,2018 2050年我国农业源非C O 2G H G 排放量持续上升,到2050年仍未达峰;在低情景下,2018 2050年的农业源非C O 2GH G 排放量持续下降,已于2018年达峰,峰值为7.30亿t[17]㊂表5 以近30,20,10年碳排放量数据为样本的江苏省种植业碳排放量预测值单位:万t年份以近30年碳排放量数据为样本以近20年碳排放量数据为样本以近10年碳排放量数据为样本20252083.0092125.2931968.56020302110.4772172.8891929.89620452193.9762322.1701818.39920602279.1412481.7061713.345 近30年碳排放量上下浮动,近20年碳排放量保持总体上升趋势,近10年碳排放量保持稳定且有下降趋势㊂种植业碳排放受多种因素影响,在各时间段内变化多样,一般来说,模型精度随样本年份数增多而降低,模型平均相对误差随样本年份数增多而加大㊂农业碳排放量是动态变化的,根据实际情况选择样本数据进行预测,高㊁中㊁低情景比较预测更利于制定减排措施㊂近30年碳排放量波动,在总体上保持增长;近20年碳排放量随着农业快速发展而增加;近10年碳排放量随着农业低碳可持续发展而降低㊂由此说明,近年来江苏省的环保绿色农业蓬勃发展,为农业的低碳减排作出贡献㊂江苏省农业碳排放的控制需要因地制宜,在农业经济发展的同时,推进绿色低碳农业的发展,力争在2030年实现 碳达峰 目标,在2060年前实现碳中和 ㊂3 结论(1)2020年江苏省种植业碳排放为1999.53万t㊂1990 2020年间呈现先增加后降低再增加,然后趋于平稳的趋势㊂种植业碳排放主要来源于农田土壤利用,农田土壤利用碳排放占比为77.73%~86.95%,农资投入碳排放占比为13.05%~22.27%㊂(2)化肥是农资投入碳排放源中最主要的排放源,是推进农资投入 低碳化 的关键方面㊂农业碳排放强度高的地区可以通过因地制宜制定化肥减量的方案㊂农技推广部门也可对应做好测土配方施肥的工作㊂此外,可施用生物有机肥和水溶性肥料来代替传统化肥㊂减少化肥过量使用的情况,保护土壤和水体环境,促进农业的可持续发展㊂(3)水稻是农田土壤利用排放源中最主要的排放源,是推进农田土壤利用 低碳化 的关键方面㊂农业碳排放强度高的地区可以在保证粮食充足的前提下,通过种植其他的旱作作物来减少农田土壤的碳排放㊂此外,在水稻生育期内适当地进行排水措施也能降低土壤甲烷气体的排放㊂(4)种植业碳排放总量变化幅度变小,单位农业产值碳排放强度呈现持续减小的趋势㊂随着经济社会发展,农业所需劳动力成本也相应提高,农产品价格随之上升,在农业碳排放量变化较小的情况下,农业产值持续增加使得单位农业产值的碳排放强度持续下降㊂之后,随着农业的发展,农资㊁农机㊁农技得到推广,农产品产量和价格趋于稳定,碳排放强度变化幅度不断变小;粮食生产技术日益成熟,对农业资源的利用效率越来越高㊂(5)根据(近30年和近20年)数据预测结果,目前江苏省在种植业碳排放量呈持续增长的趋势,到2060年仍未达峰;根据近10年数据的预测结果,种植业碳排放呈持续下降趋势,已于2020年达峰㊂表明近年来江苏省在低碳绿色农业发展已初见成效,需继续因地制宜实现农业减排㊂额外的农资投入和过多的农田土壤利用都会增加农业的碳排放㊂大力发展有机农产品㊁绿色农产品,采用低碳绿色的环保技术,提倡环境友好型农田土壤利用方式,提高农用物资的利用效率,为更好地实现 双碳 而努力㊂参考文献:[1] 郎慧,肖诗顺,王艳.四川省农业碳排放与经济增长的脱钩效应分析[J ].山东农业大学学报(社会科学版),2019,21(2):69-78.[2] 郝小雨.黑龙江省30年来农田生态系统碳源/汇强度及48水土保持学报 第37卷Copyright ©博看网. All Rights Reserved.碳足迹变化[J].黑龙江农业科学,2021(8):97-104. [3]程琳琳.中国农业碳生产率时空分异:机理与实证[D].武汉:华中农业大学,2018.[4]孙英.山东省农业碳排放时空特征及其影响因素分析[D].兰州:西北师范大学,2018.[5]马永喜,孙亚丽.碳减排约束下区域农业生产投入及其环境效应:基于价格内生局部均衡模型的模拟[J].湖南农业大学学报(社会科学版),2021,22(5):15-23. [6]闵继胜,胡浩.中国农业生产温室气体排放量的测算[J].中国人口㊃资源与环境,2012,22(7):21-27. [7]田云,吴海涛.产业结构视角下的中国粮食主产区农业碳排放公平性研究[J].农业技术经济,2020(1):45-55.[8]田云,尹忞昊.中国农业碳排放再测算:基本现状㊁动态演进及空间溢出效应[J].中国农村经济,2022(3):104-127. [9]郑炎辉,何艳虎,王金杰,等.基于脱钩理论的区域产业节水目标研究:以广东省为例[J].水资源与水工程学报,2021,32(4):38-44.[10]李波,张俊飚,李海鹏.中国农业碳排放时空特征及影响因素分解[J].中国人口㊃资源与环境,2011,21(8):80-86.[11]廖卫东,刘淼.西部地区农业碳排放的时空演变及E K C假说检验:基于西部大开发12省份动态面板数据模型的经验分析[J].世界农业,2020(6):62-70.[12] H a nH B,Z h o n g ZQ,G u oY,e t a l.C o u p l i n g a n dd e-c o u p l i n g e f f e c t 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 nC h i-n a a n dt h e i rd r i v i n g f a c t o r s[J].E n v i r o n m e n t a lS c i e n c ea n dP o l l u t i o nR e s e a r c h,2018,25(25):25280-25293.[13]尹岩,郗凤明,邴龙飞,等.我国设施农业碳排放核算及碳减排路径[J].应用生态学报,2021,32(11):3856-3864. [14]张丽琼,何婷婷.1997 2018年中国农业碳排放的时空演进与脱钩效应:基于空间和分布动态法的实证研究[J].云南农业大学学报(社会科学版),2022,16(1):78-90. [15]韩梦瑶,刘卫东,谢漪甜,等.中国省域碳排放的区域差异及脱钩趋势演变[J].资源科学,2021,43(4):710-721. [16]吴昊玥,孟越,黄瀚蛟,等.中国耕地利用净碳汇与农业生产的时空耦合特征[J].水土保持学报,2022,36(5):360-368.[17]李阳,陈敏鹏.中国省域农业源非C O2温室气体排放的影响因素分析与峰值预测[J].环境科学学报,2021,41(12):5174-5189.[18]国家统计局农村社会经济统计司.中国农村统计年鉴[M].北京:中国统计出版社,1991.[19]江苏省统计局.江苏统计年鉴[M].北京:中国统计出版社,1991.[20] S t o c k e rT.C l i m a t ec h a n g e2013,i nt h e p h y s i c a l s c i-e n c eb a s i s:W o r k i n g G r o u p IC o n t r i b u t i o n t o t h eF if t hA s s e s s m e n tR e p o r t o f t h e I n t e r g o v e r n m e n t a lP a n e l o nC l i m a t eC h a n g e[M].C a m b r i d g e:WMO/U N E P,2014.[21] W e s tT O,M a r l a n dG.As y n t h e s i so f c a r b o ns e q u e s-t r a t i o n,c a r b o ne m i s s i o n s,a n dn e t c a r b o n f l u x i na g r i-c u l t u r e:C o m p a r i n g t i l l a g e p r a c t i c e s i n t h e U n i t e dS t a t e s[J].A g r i c u l t u r e,E c o s y s t e m sa n dE n v i r o n m e n t,2002,91(1/2/3):217-232.[22]智静,高吉喜.中国城乡居民食品消费碳排放对比分析[J].地理科学进展,2009,28(3):429-434. [23]王宝义,张卫国.中国农业生态效率测度及时空差异研究[J].中国人口㊃资源与环境,2016,26(6):11-19.[24]赵荣钦,刘英,丁明磊,等.河南省农田生态系统碳源/汇研究[J].河南农业科学,2010,39(7):40-44. [25]伍芬琳,李琳,张海林,等.保护性耕作对农田生态系统净碳释放量的影响[J].生态学杂志,2007,26(12):2035-2039.[26]苏维瀚,宋文质,张桦,等.华北典型冬麦区农田氧化亚氮通量[J].环境化学,1992,11(2):26-32. [27]刘杨,刘鸿斌.山东省农业碳排放特征㊁影响因素及达峰分析[J].中国生态农业学报,2022,30(4):558-569.[28]黄国宏,陈冠雄,吴杰,等.东北典型旱作农田N2O和C H4排放通量研究[J].应用生态学报,1995,6(4):383-386.[29]邱炜红,刘金山,胡承孝,等.种植蔬菜地与裸地氧化亚氮排放差异比较研究[J].生态环境学报,2010,19(12):2982-2985.[30] T a p i oP.T o w a r d sa t h e o r y o fd e c o u p l i n g:D e g r e e so fd e c o u p l i n g i nt h e E U a n dt h ec a s eo fr o a dt r a f f i ci nF i n l a n db e t w e e n1970a n d2001[J].T r a n s p o r tP o l i c y,2005,12(2):137-151.[31]赵宇.江苏省农业碳排放动态变化影响因素分析及趋势预测[J].中国农业资源与区划,2018,39(5):97-102.[32]旷爱萍,胡超.广西农业碳排放影响因素和趋势预测[J].西南林业大学学报,2020,4(2):5-13. [33]何慧爽,付帮杰.我国粮食主产区农业碳排放测度与减排压力研究[J].生态经济,2019,35(11):99-104. [34]新华社.中共中央国务院印发‘关于全面深化农村改革加快推进农业现代化的若干意见“[J].中华人民共和国国务院公报,2014(3):5-12.58第5期范振浩等:江苏省种植业碳排放的测算及达峰分析Copyright©博看网. All Rights Reserved.。
农业投入品(肥料)碳排放因子计算汇总
2020/9/29
计算方法
第二种：
根据《国家能耗限额标准》以及《地方能耗限额标 准》，查找不同农业投入品的能耗限额指标，将以标煤 表示的能耗限额指标转化为以碳排放因子表示的能耗限 额指标。
简单明确易于理解，便于操作，有权威的数据可以利用。
2020/9/29
尿素的碳排放因子
——用吨CO2每吨尿素表示
1、现有尿素生产企业（2013年以后）尿素单位产品氨耗 和能耗限额限定值如下表所示：
合成氨原料类型 优质无烟块煤
单位产品综合能耗限额限定值—— 吨CO2每吨（tCO2/t）
≦3.6237
非优质无烟块煤、焦 炭、型煤
≦4.1061
天然气、焦炉气
优质无烟块煤
≦1900
非优质无烟块煤、焦 炭、型煤
≦2200
天然气、焦炉气
≦1650
8
合成氨碳排放因子
2、新建合成氨生产企业单位产品能耗限额准入值应符合下表
原料类型
单位产品综合能耗限额准入值—— 千克标准煤每吨（Kgce/t）
优质无烟块煤
≦1500
非优质无烟块煤、焦 炭、型煤
≦1800
天然气、焦炉气
尿素单位产品能源消耗转化为单位产品CO2排放的计算
1、单位尿素产品氨耗产生的碳排放
（合成氨以单位现有企业以天然气和焦炉气为原料的碳排放因子为例） 例：尿素单位产品氨耗为580 （Kg/t）时，单位尿素产品碳排放因子为
0.58×4.5746=2.653 tCO2/t 2、尿素工序单位产品综合能耗的碳排放
2020/9/29
国家出台22项能耗限额标准
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
农业碳排放测算指标
下面是一些常见的农业碳排放测算指标：
1. 单位面积农田净碳排放量：表示单位面积农田在一个时间段内的净碳排放量。
可以通过测算土壤有机碳库的变化量、作物生长期间的温室气体排放等来计算。
2. 单位产量农产品净碳排放量：表示生产单位数量的农产品在一个时间段内的净碳排放量。
可以通过考虑农田管理措施、农药使用、肥料施用等因素来计算。
3. 单位能耗农产品净碳排放量：表示生产单位数量的农产品在一个时间段内的净碳排放量与能源消耗之间的关系。
可以通过考虑农业机械使用、农业过程中的能耗等因素来计算。
4. 单位面积农林渔综合净碳排放量：表示单位面积农林渔综合系统在一个时间段内的净碳排放量。
可以考虑农业、林业、渔业等不同领域的碳排放和吸收的综合效果。
这些测算指标可以帮助农业生产者和管理者评估和监测农业活动对气候变化的影响，并制定相应的减排措施和政策。