碳排放约束下的江苏省煤炭消费量预测获奖论文(终极版)
资源环境约束下苏州发展低碳经济的对策研究
资 环 约 下 州 展 碳 济 对 研 源境束 苏发低 经的策究
王 涛
（ 中共 苏 州 市 委 党校 经 济 管 理 教研 部 ， 苏 苏州 ２ ５ １ ） 江 １０ １
摘 要 ： 碳 经济的 实质是提 高能源 效率和 清洁 能源结 构 ， 心是 能源技 术创新 和制度 创 低 核
消耗 、 环境 质量和人 民福利相关 的综 合评 价指标 体 系， 以反 映苏州全 面小康社会 的建设进 程 。
二 、 力开发 使 用可再 生 能源 ， 大
源价格 体制 的建立 不可能通过市场 自发 调节获得 ， 需要政 府有 规划地 组织对资源价值 （ 包括生 态功能
等） 进行货 币化评估 ， 算出各种资 源 的生 态费用 。 计 这些 费用 可 以以税 收 的形式 计入 某种 产 品或某 项 服务 的市场 价格 ， 而促使 相关产业对 自身不 环保 从 行 为 即不经 济行 为做 出调整 。三是 加强 垃 圾 的 回
定规模 的低碳 产业 集群 ； 快 网络游 戏 、 漫等 加 动
创意产业 的发展 ， 发展 壮 大低碳 科 技服 务业 、 碳 低
旅游业等 服务 业 ， 提高 绿色 农业 的 比重 ； 正培 育 真
一
粪 便的沼气 化利用 、 秸秆 综合利用 以及农 业 薄膜综
合 利用步伐 ； 加快 成 立低 碳经 济 研究 中心 ， 做好 先 进 适用技术 的推 广 、 选 、 筛 信息 传 播 和技 术 服务 工 作 。三是研究 建立 绿 色 经济 核 算体 系。改 革 现行
批科技含量 高 、 经济效益好 、 资源消耗 低 、 环境 污
染 少 的 新 型 产 业 。 苏 州 市 委 市 政 府 已经 出 台 了 加
能源消费和碳排放论文2篇
能源消费和碳排放论文2篇第一篇1海南省2015—2020年能源消费需求量预测海南省“十二五”时期全省生产总值年均增长10%左右的目标，取11.5%的年均GDP增长速度作为海南省经济增长的高速增长情景，10%为中速增长情景，8.5%为低速增长情景。
年平均人口增长速度为1.2451%(这是海南省1993—2012年人口平均增长速度)。
工业比重约为23%是海南省“十二五”规划的增长目标，工业增加值占GDP比重的年平均增长速度为7.92%。
把不同情景下2015—2020年海南省国民生产总值GDP，人口总数P，工业比重i代入协整方程，得到能源消费需求量的预测值，见表5。
2海南省2015—2020年能源消费结构预测研究海南省一次能源消费结构的主要特点是以煤炭、石油为主要地位，煤炭消费量的比例从2002年的28.9%上升到2012年的36.51%，天然气消费的比例从2002年的18.2%先上升到2004年的33.92%，后下降到2012年的22.74%，总的来说，各个能源消费呈上升趋势，特别是天然气和电力清洁能源消费量，与海南省是工业欠发达地区的实际情况相符合。
本文采用马尔科夫链预测模型预测2015—2020年海南省能源消费结构。
具体步骤为：首先确定预测的基准年;第二计算转移概率矩阵;第三利用模型预测下一个状态的能源消费结构;最后对预测结构利用有规划约束条件调整转移概率矩阵。
因为海南省“十二五”规划期间新能源替代常规能源达到250万t，占全省能源消费总量12.5%以上，对石油和天然气消费的比重没有明确的规划目标，所以对能源消费结构发展规划实行必要的修正。
本文假设石油的发展趋势没改变，天然气和电力能源的增加由煤炭减少补充。
经过修正后，能源消费结构的概率转移矩阵中，变化的仅仅是煤炭→电力，煤炭→天然气的转移概率，其他的保留概率不变。
以2012年作为基准年，利用Mathlab软件计算得到约束条件下平均转移概率矩阵为。
化工生产论文：中国能源生产与消费趋势预测和碳排放研究
化工生产论文：中国能源生产与消费趋势预测和碳排放研究摘要:为合理、科学地对能源结构进行调整和优化,提出了能源结构的双组份模型。
由统计检验估计法,对模型中的能源生产与消费的相关系数进行了预测估计。
依据中国统计年鉴2008年数据,对我国2014年能源生产与能源消费的预测结果分别为24·26×108t标准煤及27·15×108t标准煤。
利用预测的能源消费总量、结构与碳排放量之间的关系式———即单位能耗碳排放系数的表达式,预测中国2012年的碳排放量为21·87×108t标准煤,且有上升趋势,并提出了相关的能源对策。
关键词:能源结构;双组份模型;统计检验估计法;碳排放能源在国民经济、社会发展及建设和谐、资源节约型社会等方面具有举足轻重的作用,世界各国都将能源列为非常重要的问题给予高度重视。
我国“十一五”也要求降低单位GDP能耗,将调整经济结构、向低碳经济转型列为重要目标。
在2009年召开的哥本哈根联合国气候会议上,各国就未来应对气候变化的全球行动签署了新的协议,我国也承诺根据国情采取自主行动,减缓温室气体排放。
全球聚焦低碳,能源结构问题成为了新的社会热点。
多年来,国内外对低碳经济与节能减排开展了大量的研究。
国外方面,Neil Stra-chan等[1]总结发展了一个针对英国的新的混合MARKAL-MACRO能源系统模型,模拟分析了英国强制性长期削减60%的二氧化碳排放量的指标是可行的,利用模型灵敏度进一步说明了一系列能源系统的相互作用;DonaldHanson[2]利用全模块化工业增长评估系统对政策中的低碳技术进行了综合分析,并对能源投资效益进行了改善;ReyerGerlagh[3]提出了一种与资本、劳动力和碳能源相关的内源性模型,针对气候变化的政策,在碳生产与节约方面进行了创新。
国内方面,Youguo Zhang[4]对中国与生产相关的二氧化碳排放量进行了结构分解分析,优化了供给方面的结构并提出了降低碳排放的方案,以控制未来的碳排放量; Jun Li 等[5]分析了中国能源效率(BEE)对减轻气候变化的作用,并提出了控制温室气体排放的重要意义;庄贵阳[6]概述了“十一五”规划提出节能减排目标的背景,总结了目前节能减排工作取得的成绩和存在的困难,提出了中国发展低碳经济的政策建议。
打赢“能耗双控”攻坚战
20223
打赢“能耗双控”攻坚战王玉华
保障能源安全、做好能耗双控、实现“双碳”（2030年“碳达峰”与2060年“碳中和”）目标，事关经济社会发展大局，事关贯彻落实新发展理念、推动高质量发展。江苏“能耗双控”工作面临的形势极其严峻。以2021年数据为例。上半年，全省能耗总量增加14.5%，比全国平均值高出4.3个百分点：能耗强度上升1.1%，远超下降3%的年度目标，前所未有地被亮了两个“红灯”。为尽快扭转不利局面，确保完成全年“能耗双控”任务，省委、省政府高度重视，连续多次召并专题会议进行部署，并组织多个检查组赴各地开展专项督查，力求尽快将能耗总量和强度降下来。各地积极贯彻省委、省政府部署，在综合考虑各方因素的前提下，采取有序用能、错峰生产等紧急措施并取得了明显成效。但在实际操作过程中，部分地区在落实政策时出现了方向走偏、工作方法简单粗暴、采取“一刀切”拉闸限电等急功近利的做法，不仅影响了一些工业企业的正常生产经营，也给老百姓的正常生活带来了困扰，反映出部分地区对“能耗双控”与“碳达峰碳中和”绿色发展战略还存在理解不充分、规划统筹不强、工作力度不够等问题。一、江苏绿色发展现状与面临的问题近年来，江苏坚持生态优先绿色发展理念，深入推进能源、产业、交通、建筑等领域绿色转型，推动生态环境质量持续好转。“十三五”以来，全省累计关停取缔“散、乱、污”企业5.73万家，钢铁、水泥等行业完成去产能任务，碳排放强度降低24%，单位地区生产总值能耗下降20%以上。全省新增节能建筑面积8.61亿平方米，可再生能源建筑应用面积达3.71亿平方米。在道路运输领域，全省共有纯电动等各类新能源车5.5万多辆，与2015年相比增长358%，成为全国首个高分通过交通运输部验收的绿色循环低碳交通运输示范省。2020年，全省PM2.5
平均浓度38微克/立方米，优良天数比率达81%，水环境国考断面优m类比例达87.5%，生态环境质量创本世纪以来最好水平。在看到成绩的同时也要清醒地认识到，在“能耗双控”背景下，江苏绿色发展仍然面临着不少问题和挑战。以燃煤为主的能源结构没有根本改变。作为全国能源消费大省，江苏省2020年能源消费总量约3.2亿吨标准煤，占全国能源消费总量的7.4%。其中，煤炭消费总量2.18亿吨标准煤，占全国的5.4%。全省煤炭消费占一次能源消费比重为55%，单位国土面积耗煤量是全国平均水平的6倍左右，分别是上海的6.1倍、浙江的2倍、安徽的1.8倍。全省风
基于区域贸易隐含碳排放视角的江苏省碳排放实证研究
基于区域贸易隐含碳排放视角的江苏省碳排放实证研究【摘要】本文基于区域贸易隐含碳排放视角，探讨了江苏省碳排放情况。
首先构建了碳排放计量模型，并分析了贸易隐含碳排放影响因素。
随后进行了对江苏省碳排放情况的实证研究，同时对区域间贸易碳转移进行了分析。
最后提出了碳排放减排对策研究。
研究结果表明，江苏省的碳排放主要受工业生产和能源消耗影响，同时存在一定的贸易碳转移现象。
结论部分对研究成果进行总结，并提出政策建议，旨在帮助江苏省实现碳排放减排目标，推动可持续发展。
本研究对于了解地区碳排放情况，制定相应政策具有一定参考价值。
【关键词】碳排放、区域贸易、隐含碳排放、江苏省、实证研究、计量模型、影响因素、碳转移、减排对策、政策建议1. 引言1.1 背景介绍江苏省地处中国东部沿海地区，拥有发达的制造业和出口导向型经济，这导致了大量的碳排放释放。
由于区域贸易的存在，江苏省的实际碳排放情况可能会受到其他地区贸易碳转移的影响。
从区域贸易隐含碳排放视角出发，对江苏省碳排放进行实证研究具有重要意义。
本研究旨在利用碳排放计量模型，分析贸易隐含碳排放的影响因素，探讨江苏省碳排放的实际情况，以及区域间贸易碳转移的影响。
通过研究碳排放减排对策，为江苏省碳排放治理提供科学依据和政策建议。
1.2 研究目的研究目的：本研究旨在通过基于区域贸易隐含碳排放视角的研究，深入探讨江苏省碳排放情况及影响因素，分析区域间贸易对碳排放的影响及碳转移情况，为江苏省碳减排政策的制定提供理论支持和实证研究依据。
具体目的包括：一、构建碳排放计量模型，从理论上揭示碳排放的计量方法和影响因素；二、分析贸易隐含碳排放的影响因素，探讨贸易对碳排放的影响；三、对江苏省碳排放情况进行实证研究，揭示其碳排放的主要来源和特点；四、开展区域间贸易碳转移分析，探讨不同区域之间碳排放的交流情况；五、提出碳排放减排对策研究，为江苏省未来的碳减排政策制定提供建议，并推进碳减排工作的落实和实施。
基于STIRPAT_模型的江苏省碳达峰峰值研究与对策建议
Science and Technology & Innovation｜科技与创新2024年第07期DOI：10.15913/ki.kjycx.2024.07.043基于STIRPAT模型的江苏省碳达峰峰值研究与对策建议邱月，陈红喜（南京工业大学经济与管理学院，江苏南京211816）摘要：运用扩展的STIRPAT模型探究江苏省碳达峰各影响因素的影响程度及碳达峰路径。
岭回归结果表明，人口、城镇化率、人均GDP、能源结构、能源强度、产业结构对江苏省二氧化碳排放均存在正向影响。
通过情景模拟发现，江苏省可以在2030年实现碳达峰，峰值排放量为7.74亿～7.90亿t。
江苏省需从优化产业结构、完善相关配套政策、优化能源结构等方面保障2030年碳达峰目标的实现。
关键词：能源消费；STIRPAT模型；碳达峰；情景分析中图分类号： X321 文献标志码：A 文章编号：2095-6835（2024）07-0151-032020-09-22，国家主席习近平在第75届联合国大会上首次提出中国碳达峰、碳中和的“30/60”目标。
随后在2021-03-15召开的中央财经委员会第九次会议上再次强调，该目标是一场广泛而深刻的经济社会系统性变革，要将其纳入生态文明建设整体布局。
随着中国碳达峰、碳中和目标的提出，关于该目标的研究也逐渐丰富完善。
目前大多数的专家学者的研究都是从国家整体层面出发，对于区域和单个省份的达峰中和的方法与路径研究相对而言并不是特别丰富。
从国家整体目标实现角度来看，赵明轩等（2021）[1]、GREEN & STERN（2017）[2]通过建立相关研究模型设立不同情景，对中国碳达峰时间进行预测，得出在合理有效的政策情境下，中国在2030年前达到碳排放峰值是可实现的。
当然也有学者认为中国在2030年前无法实现碳达峰，朱永彬等（2009）[3]在早期的研究中通过合理的分析和预测认为在当时的各方面条件下中国碳排放峰值应出现在2040年或2043年。
江苏省碳排放清单测算及减排潜力分析
江苏省碳排放清单测算及减排潜力分析赵荣钦;黄贤金;高珊;赵志凌【摘要】基于省域层面,构建了碳排放清单的核算框架和计算方法.以江苏省为例,对2000-2010年的碳排放清单进行了全面测算,并对江苏省碳减排潜力进行了情景分析.江苏省碳排放总量从2000年的8 005.29万t上升到2010年的20 888.88万t,涨幅为160％,其中工业能源消费碳排放占86％；江苏省单位GDP碳排放强度呈波动下降趋势,从2000年的0.94t/万元下降到2010年的0.71t/万元,降幅达24％；人均碳排放则呈逐年增长态势,从1.09t/a增长到2.69t/a；在低碳情景下,江苏省2015年和2020年碳减排量分别为4 930.75万t和16 101.13万t,碳减排比例分别达15％和29％；在江苏省“十二五”低碳经济规划中,应重点加强工业能源与交通能源消耗、垃圾焚烧与填埋等部门的碳减排力度,切实降低区域碳排放强度,为低碳经济发展提供技术支撑和示范效应.【期刊名称】《地域研究与开发》【年(卷),期】2013(032)002【总页数】7页(P109-115)【关键词】碳排放;测算;碳减排;潜力;江苏省【作者】赵荣钦;黄贤金;高珊;赵志凌【作者单位】华北水利水电学院资源与环境学院,郑州450011;南京大学地理与海洋科学学院,南京210093;南京大学地理与海洋科学学院,南京210093;南京大学地理与海洋科学学院,南京210093;南京大学地理与海洋科学学院,南京210093【正文语种】中文【中图分类】F062.10 引言低碳经济的概念最早出现于2003年英国的《能源白皮书》中，认为低碳经济是通过较少的自然资源消耗和环境污染，获得较多的经济产出［1］，其实质是提高能源效率和清洁能源结构，核心是能源技术创新和制度创新［2］。
近年来国内外关于低碳经济学术研究也逐渐展开。
如Kawase采用改进的kaya恒等式对碳排放进行了因素分解研究，并对不同国家的碳减排目标进行了情景预测［3］;Shimada 建立了区域尺度上低碳情景分析的方法［4］;庄贵阳对我国低碳发展的可能途径与潜力进行了分析［5-6］;温宗国针对低碳发展措施对我国经济可持续发展的影响进行了情景分析［7］;魏一鸣等对我国能源消费碳排放、不同发展水平对碳排放的影响及碳减排技术等进行了较为深入的研究［8］;中科院可持续发展战略研究组对中国低碳发展情景和发展战略对策进行了分析［9］。
基于协整检验的江苏省碳排放强度影响因素分析_刘晓燕
2012年09月（第26卷第09期）East China Economic ManagementSept.，2012（Vol.26，No.09）基于协整检验的江苏省碳排放强度影响因素分析刘晓燕，董锋（中国矿业大学管理学院，江苏徐州221116）［摘要］文章首先利用pearson关联度分析，从可能影响江苏省碳排放强度的七个因素中筛选出与碳排放强度相关度最高的前三个变量：能源强度、第三产业比重和外贸依存度，然后采用协整分析方法研究三个变量和碳排放强度之间的长期均衡关系，得到协整模型和向量误差修正模型，同时进行脉冲响应函数和方差分解分析。
结论为江苏省碳排放强度与能源强度、第三产业比重之间存在正向影响关系，碳排放强度与外贸依存度之间存在负向影响关系。
鉴于分析结果，建议从提高能源效率、第三产业低碳化和优化对外贸易结构三个方面降低江苏省碳排放强度。
［关键词］碳排放强度；协整分析；能源强度；第三产业比重；外贸依存度［中图分类号］F120［文献标志码］A［文章编号］1007—5097（2012）09—0016—04 An Analysis of Influence Factors on Carbon Intensity of Jiangsu Province Based onCo-integration TestLIU Xiao-yan，DONG Feng(School of Management，China University of Mining&Technology，Xuzhou221116，China) Abstract：Firstly，the paper took the Pearson correlation degree analysis between carbon intensity and seven possible influence factors，and selected the first three high correlation degree variables，which are energy efficiency，industry structure and foreign trade dependency．Then based on the integration test，the paper studied the long-term equilibrium relation between the carbon intensity and the three variables，obtaining the co-integration model and the vector error correlation model，and researched the impulse response function and variance decomposition．The conclusion is that the energy intensity and the proportion of tertiary industry had positive effects on carbon intensity，while the foreign trade dependency had a negative effect on carbon intensity．In view of the result，the paper suggested that reducing the carbon intensity from three aspects，which were enhancing energy utili⁃zation efficiency，ensuring the low-carbon of the tertiary industry，and optimizing the foreign trade structure．Key words：carbon intensity；co-integration test；energy intensity；tertiary industry proportion；foreign trade dependency一、引言“十二五”规划指出把碳排放强度作为约束性指标，《“十二五”控制温室气体排放工作方案》提出，到2015年全国实现碳排放强度比2010年下降17%的目标，作为重碳排放区的江苏省实现全国首个低碳经济示范区的目标任重道远。
煤炭行业未来发展趋势分析及应对策略
双碳背景下煤炭行业未来发展趋势分析及应对策略一、煤炭行业未来发展趋势分析“富煤、缺油、少气”是我国能源资源的禀赋特征，煤炭是支撑国民经济发展最重要的基础能源。
实现 “双碳”目标的前提是保证经济持续稳定发展。
在经济社会绿色低碳转型大背景下，能源结构调整是大势所趋，新能源产业快速发展，煤炭消费逐步下降，煤炭行业发展模式将发生根本性变化。
1. “双碳”政策成为主导，引领从高碳到低碳系统性变革。
实现“双碳”目标是一场广泛而深刻的系统性变革，既关系气候环境、能源供应以及技术变革问题，也意味着产业变革、社会生活方式甚至社会思潮等深层次发展变化，总体呈现出“从高碳经济转向低碳经济、从高碳产业转向低碳产业、从高碳能源转向低碳能源、从高碳社会转向低碳社会”特征。
2.能源结构优化调整，煤炭定位由主体、基础能源到支撑、调峰能源。
预计2025年前后，煤炭作为我国一次能源消费总量将达到峰值，所占比重将至50%左右；2030年前后，仍处于煤炭消费总量峰值平台期并逐渐回落；2035年以后，非化石能源进入快速发展时期，煤炭开始转为支撑性能源；2050年以后，煤炭逐渐转为应急与调峰能源，非化石能源比重将超过60%；2060年实现碳中和，非化石能源比重达到80%左右。
我国煤炭将由兜底保障能源向支撑性能源、最终向应急与调峰能源转变，随着能源结构调整和定位变化行业转型势在必行。
3.发展模式转型升级，从规模速度型向质量效益型转变。
“双碳”背景下，煤炭行业依靠规模扩张、产量增加传统发展模式难以为继，不能再走 “双高”经济依赖、高碳路径锁定老路，必须坚持产业升级与转型并重，促进传统能源安全保障与新能源、可再生能源协同发展，走资源利用效率高、创新能力强、经济效益好、安全智能水平高、绿色低碳可持续发展之路。
4.生产方式创新驱动，从劳动密集型向技术密集型转变。
能源科技创新进入持续高度活跃期，可再生能源、非常规油气、核能、储能、氢能等一大批新兴能源技术正以前所未有速度加快迭代，成为传统能源向绿色低碳转型核心驱动力，推动能源产业从资源、资本主导向技术主导转变。
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.。