中国农业碳排放减排成效评估、目标重构与路径优化研究

作者:织梦网浏览:184


  2015年12月, 《联合国气候变化框架公约》缔约方会议第21次会议在法国巴黎圆满落幕。会上195个缔约方国家一致通过了2020年后的全球气候变化新协定-《巴黎协定》。这是人类社会应对气候变化史上第3个具有法律约束力的里程碑式协定, 为世界各国今后如何应对气候变化威胁指明了方向。而作为全球第二大经济体, 中国早在巴黎大会召开之前就已明确提出:将于2030年左右使二氧化碳排放达到峰值且使单位GDP碳排放量较2005年下降60%到65%。为了确保该目标的尽早实现, 今后应加快推进温室气体减排工作。虽然第二、第三产业是导致碳排放增加的主要源头, 但快速发展的农业也在一定程度上加剧了碳排放[1]。目前, 在推进生态文明体制改革和建设美丽中国的背景下, 如何推进绿色发展, 建立健全绿色低碳循环发展的经济体系, 便成为此阶段推动经济社会转型发展的重大任务。在这一过程中, 我们既要解决困扰已久的工业高耗能与高排放问题, 还需契合时代发展要求, 大力推进农业生产低碳转型。

  为了更好地探索减排之路, 越来越多的学者开始围绕中国农业碳排放问题展开系统研究, 主要集中在四个方面:一是农业碳排放测算体系的构建与碳排放系数的确定。其中, 一些学者主要基于农业能源[2]、农地利用活动[3]、畜禽养殖[4]等某一方面对农业碳排放问题进行探究, 测算指标体系构建相对单一;另一些学者则着眼于大农业范畴对农业碳排放问题展开了系统研究, 其指标体系基本涵盖了农业生产的所有部门[5,6]。二是农业碳排放的定量测算、特征分析与影响机理探究。张广胜和王珊珊[7]、吴贤荣等[8]先后对中国农业碳排放量展开了系统测度, 在此基础上深度剖析了导致农业碳排量持续增加的关键性动因。不过, 由于在碳排放指标体系的构建上存在一定差别, 使得最终的测算结果通常不太一致。三是农业碳排放绩效分析与收敛性探究。高鸣和宋洪远[9]研究表明, 中国农业碳排放绩效值在近些年虽有提升但区域不均衡问题仍较为突出, 且表现出极为明显的空间聚集效应与"俱乐部收敛"效应;吴昊玥等[10]对中国及各省区农业碳排放绩效进行了随机收敛性检验, 发现全国范围内不存在随机性收敛, 但东部、中部、西部各自呈俱乐部式随机性收敛态势。四是农业产业发展与其碳排放之间的互动关系研究。胡中应、胡浩[11]通过研究发现, 农业产业集聚程度增加会导致农业碳排放总量呈现先增后减的"倒U型"特征, 碳排放强度则会出现先增后减再增的"正N型"特征。陈银娥、陈薇[12]重点分析了农业机械化、产业升级与农业碳排放之间的相互关系, 发现农业机械化能有效促进产业升级, 但同时却也加剧了农业碳排放。

  纵览上述文献可知, 目前关于农业排放问题已形成了较为丰硕的研究成果, 为后续深入探究该问题提供了重要参考依据。但同时, 我们也需清醒地认识到, 现有研究更多地着眼于农业碳排放自身及其与农业经济发展间的相互关系, 而较少有学者围绕其减排问题展开系统探讨, 仅有的相关研究也主要聚焦于各省区的农业碳减排潜力测度[13], 而未曾涉及减排进度的实际执行状况评估与减排目标的优化重构。事实上, 早在2009年哥本哈根气候变化大会召开前夕中国就已向世界庄重承诺"2020年单位GDP二氧化碳排放比2005年下降40%~45%", 而农业作为国民经济的重要组成部分, 也肩负着同等的减排责任。如今, 距离2020年越来越近, 有必要对我国及各省区的农业碳减排成效进行综合评估, 考察其是否有能力实现预期减排目标。据此, 文中首先将在合理构建农业碳排放测算指标体系的基础上对我国及31个省区2005年、2016年的农业碳排放量进行有效测度, 并基于2005年不变价农业GDP数据计算单位农业GDP所引发的碳排放量 (即农业碳排放强度) ;然后, 以2016年和2005年农业碳排放强度数据为基准, 考察各地区是否已提前实现或有能力如期实现2020年农业碳减排目标, 并基于各自表现差异进行聚类分组;最后, 对于2020年无法按时实现农业碳减排目标的"后进地区", 科学调整其农业碳减排目标并优化减排路径, 以确保可行性。

1 研究方法与数据来源

1.1 农业碳排放减排成效评估方法

  首先, 基于农业碳排放与农业GDP的原始数值, 计算中国2005年的农业碳排放强度, 计算方法如式 (1) 所示:

Ι2005=C2005AGDΡ2005          (1)

式 (1) 中, I2005、C2005、AGDP2005分别表示2005年中国农业碳排放强度、农业碳排放总量以及农业GDP总量。

然后, 推算出中国2020年所应达到的最低绝对农业碳减排目标, 即碳排放强度较2005年降低40%, 计算方法如式 (2) 所示:

I2020= (1-40%) ×I2005 (2)

式 (2) 中, I2020、I2005分别表示2020年、2005年的农业碳排放强度。

最后, 分别计算31个省区2016年的农业碳排放强度, 并将其与2020年预期减排目标 (即I2020) 进行对比, 以此评估各自农业碳减排成效。同时, 结合实际减排程度, 识别出农业碳减排"后进地区"。

1.2 农业碳排放减排路径优化方法

  为了更好地优化"后进地区"的农业碳减排路径, 有必要在结合各自边际减排成本的基础上进行统筹考虑。一般地, 边际减排成本通过其影子价格来衡量, 即在特定产出条件下, 每削减1单位农业碳排放量所导致的农业GDP减少量。为此, 文中将立足于31个省区2011~2016年的面板数据, 运用基于方向性距离函数的影子价格模型完成对各地区农业碳减排成本的测度。其中, 将土地 (特指播种面积) 、劳动力 (特指农业劳动力数量) 和农用物资投入 (涉及化肥、农药、农膜、农用柴油、灌溉面积和农用机械动力等6个方面) 等作为投入指标, 而农业GDP与农业碳排放则分别作为期望产出与非期望产出指标。

  模型基本假定x∈RN+为投入要素, 表示各地区的土地、劳动力以及农用物资投入量;y∈RM+为期望产出要素, 即各地区农业GDP产出;c∈RJ+为非期望产出, 即各地区的实际农业碳排放量。方向性距离函数中需设定方向向量g= (gv, gc) 且g∈RM+·RJ+, 以用来限定期望产出与非期望产出的变动方向与大小, 而方向向量的具体选择可根据研究需要自行设定, 文中拟选取g= (1, -1) 。基于产出径向的方向性距离函数可以表示如下:

D (x, y, c, 1, -1) =max{a: (y+a*1, c+a* (-1) ) ∈P (x) } (3)

式 (3) 中, a表示在投入要素不变的前提下期望产出所能增加的最大比重, P (x) 表示环境技术支持条件下的一切可能生产集合。

  根据环境技术规定的期望与非期望产出的联合弱可处置性, 在生产可能性集合P (x) 内, 降低农业碳排放量则会直接导致农业GDP的减少, 即环境管制对期望产出的边际效应。为此, 将二者的变化量有机结合, 即可得到农业碳排放的影子价格, 其计算公式如下:

pc=py×∂D (x, y, c;1, -1) /∂c∂D (x, y, c, 1, -1) /∂y          (4)

式中, py表示期望产出农业GDP的价格, pc表示非期望产出农业碳排放的影子价格, 即减少1个单位的农业碳排放所对应的农业GDP减少量, 即农业碳边际减排成本。

1.3 主要数据来源与处理

  考虑到当前相关统计部门缺少对农业碳排放数据的收录, 文中将在综合多位学者研究成果[5,6,14,15]的基础上, 从3方面对农业碳排放量进行测度:一是农业生产物资投入所导致的碳排放, 具体涉及化肥、农药、农膜、农用柴油等生产资料以及农业灌溉等生产活动, 相关碳排放系数均出自田云等[1]的研究;二是水稻种植所引发的碳排放, 具体指水稻在生长发育过程中所产生的甲烷 (CH4) 排放, 其排放系数源自闵继胜等[6]的研究。三是畜禽养殖活动所带来的碳排放, 包含动物肠道发酵所导致CH4排放和粪便管理过程中所引发的CH4和N2O排放;基于数据的可获取性, 重点考察牛、马、驴、骡、骆驼、猪、羊、家禽等畜禽品种, 各自碳排放系数均出自IPCC。据此, 构建农业碳排放测算公式如下:

E=∑Ei =∑Ti×δi (5)

式 (5) 中, E、Ei分别表示农业碳排放总量与各类碳源所引发的碳排放量, Ti、δi则分别表示各类碳源的具体数量及其所对应的碳排放系数。为了便于分析, 在实际计算中会将CH4和N2O统一折算成标准C, 依据IPCC第四次评估报告, CH4、N2O的C转换系数分别为6.8182和81.2727。

农业碳排放测算及其影子价格测度所涉及的原始数据均出自历年《中国农村统计年鉴》以及各省市统计年鉴。其中, 农业物资投入、水稻种植面积、农业劳动力数量均以当年实际数据为准。畜禽则由于各自饲养周期存在差异, 在实际计算中需对其年均饲养量进行科学调整, 具体参照闵继胜等[6]所提供的方法。此外, 为了消除价格因素影响, 实际分析中以2005年价格作为基准, 对历年农业GDP数据进行修正。

2 结果与分析

2.1 农业碳排放现状与特征

  分别测度我国及31个省区2005年、2016年的农业碳排放量, 其结果如表1所示。在此基础上, 运用不变价GDP计算各自农业碳排放强度。结果表明, 相比2005年, 我国农业碳排放量总体呈现小幅上升趋势, 而农业碳排放强度降幅较为明显。分区域来看, 在2005~2016年期间, 内蒙古、辽宁、吉林等18个地区农业碳排放量均呈不同程度增加且以黑龙江增幅最大;而其他13个地区则表现出下降态势且以北京降幅最大。至于农业碳排放强度, 除上海之外, 其他30个地区均呈下降态势。具体来看, 2016年农业碳排放量排在前5位的地区依次是河南、湖南、四川、江苏和湖北;排在后5位的地区则是北京、上海、天津、宁夏和海南。2016年农业碳排放强度最高的地区是西藏, 其后依次为青海、宁夏、内蒙古和上海;强度最低的地区是海南, 福建、山东、广东和天津依次排在倒数2~5位。

2.2 2020年农业碳减排目标实现情况评估

  基于中国政府所承诺的2020年碳减排目标, 在充分考虑当前农业碳减排进展的基础上, 深入探究我国及各省区能否在约定时间内实现预期的农业碳减排目标。结合我国2005年农业碳排放强度数值可计算出2020年农业碳减排工作要确保的最低目标 (降低40%) 为716.55kg/万元农业GDP。截止2016年, 我国每万元农业GDP所产生的碳排放量为775.06kg, 若按照当前年均3.85%的减排速度保持不变, 其强度将在2018年降至716.47kg/万元农业GDP, 从而提前两年完成最低减排目标。倘若依照45%设定减排目标, 2020年我国农业碳排放强度则需降至656.84kg/万元农业GDP, 基于当前的减排速度也能保证这一目标的基本实现 (662.30kg/万元农业GDP) 。由此可见, 从国家层面来看, 农业生产部门有能力实现我国政府所承诺的碳减排目标。

  但同时, 考虑到31个省区在农业碳排放强度方面所表现出的巨大差异, 有必要对各自的农业碳减排目标实现情况进行探讨。具体而言, 将基于相对目标与绝对目标的双重视角进行考察。其中, 相对目标是考察各地区2016年农业碳排放强度较2005年所减少的百分比数值是否达到了我国政府所承诺的2020年最低减排40%的约束目标;绝对目标是指各地区2016年农业碳排放强度的实际值是否低于2020年农业碳减排的最低目标 (716.55kg/万元农业GDP) 。为了更好地展开分析, 立足于相对目标与绝对目标, 通过矩阵构建完成对31个地区的聚类分组。具体分类原则是:相对目标分为3个等级, 高于或等于40%则表明预期目标实现, 30%~40%表明接近预期目标, 低于30%则表明与预期目标存在较大差距;绝对目标也分为3个等级, 万元农业GDP所产生的碳排放低于716.55kg表明预期目标实现, 介于716.55~816.55kg之间表明接近预期目标, 高于816.55kg则表明距离预期目标有较大差距。基于相对目标与绝对目标各自的3个等级可将31个省区划分为如图1所示的9类地区。

中国及31个省区农业碳排放及2020年碳减排目标实现情况 


地 区

2005年
2016年 变化率 减排目标实现情况

总量
强度 总量 强度 总量 (%) 强度 (%) 相对目标 绝对目标
全国 27203.96 1194.25 28136.95 775.06 3.43 -35.10 接近 -

北京
77.58 874.67 47.00 566.91 -39.42 -35.19 接近 实现

天津
100.96 898.39 86.31 552.82 -14.51 -38.47 接近 实现

河北
1562.33 1115.95 1206.47 569.69 -22.78 -48.95 实现 实现

山西
376.77 1435.77 358.76 897.72 -4.78 -37.47 接近 差距较大

内蒙古
940.55 1595.34 1197.56 1261.52 27.33 -20.92 差距较大 差距较大

辽宁
649.11 735.62 752.58 560.42 15.94 -23.82 差距较大 实现

吉林
602.78 963.51 721.93 715.16 19.77 -25.78 差距较大 实现

黑龙江
848.48 1239.38 1177.20 905.49 38.74 -26.94 差距较大 差距较大

上海
103.81 1150.12 83.90 1241.00 -19.18 7.90 差距较大 差距较大

江苏
1598.13 1093.45 1600.90 738.63 0.17 -32.45 接近 接近

浙江
741.10 830.06 690.61 590.18 -6.81 -28.90 差距较大 实现

安徽
1486.93 1538.47 1556.27 1002.19 4.66 -34.86 接近 差距较大

福建
607.38 734.12 608.25 485.71 0.14 -33.84 接近 实现

江西
1285.03 1634.60 1376.35 1072.73 7.11 -34.37 接近 差距较大

山东
1833.25 933.66 1565.18 506.20 -14.62 -45.78 实现 实现

河南
1968.81 1040.59 1932.61 624.89 -1.84 -39.95 接近 实现

湖北
1454.46 1344.07 1586.82 877.36 9.10 -34.72 接近 差距较大

湖南
1825.67 1658.72 1898.29 1114.10 3.98 -32.83 接近 差距较大

广东
1173.40 821.56 1163.21 545.35 -0.87 -33.62 接近 实现

广西
1298.96 1423.52 1226.61 803.79 -5.57 -43.54 实现 接近

海南
228.38 759.38 232.79 388.26 1.93 -48.87 实现 实现

重庆
434.52 937.68 451.43 594.11 3.89 -36.64 接近 实现

四川
1672.74 1129.36 1685.35 763.42 0.75 -32.40 接近 接近

贵州
687.18 1895.72 624.46 979.71 -9.13 -48.32 实现 差距较大

云南
885.23 1337.83 1070.85 880.69 20.97 -34.17 接近 差距较大

西藏
436.08 9077.45 400.65 5487.55 -8.12 -39.55 接近 差距较大

陕西
472.46 1084.20 531.59 670.96 12.52 -38.11 接近 实现

甘肃
512.18 1662.59 674.28 1202.60 31.65 -27.67 差距较大 差距较大

青海
322.41 3416.46 334.30 2098.98 3.69 -38.56 接近 差距较大

宁夏
140.30 1876.97 179.48 1277.56 27.92 -31.93 接近 差距较大

新疆
876.97 1756.25 1114.96 1174.56 27.14 -33.12 接近 差距较大

注:农业碳排放量的单位为万t, 农业碳排放强度的单位为kg/万元农业GDP。

2016年31个省区农业碳减排成效聚类分组结果 

1 201631个省区农业碳减排成效聚类分组结果 

  由图1可知, 河北、山东、海南等三地属于Ⅰ类地区, 其农业碳减排相对目标与绝对目标均已实现, 属于提前完成预期减排目标的典型地区;北京、天津、福建等7地属于Ⅱ类地区, 其农业碳减排相对目标接近实现而绝对目标已实现;辽宁、吉林、浙江属于Ⅲ类地区, 虽相对目标与预期存在较大距离, 但绝对目标已提前实现;广西属于Ⅳ类地区, 其情形与Ⅱ类地区相反, 表现为相对目标已实现而绝对目标接近实现;江苏、四川属于Ⅴ类地区, 相对目标与绝对目标均接近于实现。上述5类地区属于农业碳减排工作开展较好地区, 虽部分地区 (如辽、吉、浙三地) 存在相对目标到期无法实现的可能, 但各自绝对减排目标或已实现、或有能力按时完成。而与此对应的是, 以贵州、山西、安徽等15地为代表的Ⅶ类、Ⅷ类、Ⅸ类地区农业碳减排工作存在一定挑战, 虽部分地区的相对目标或已实现、或接近实现, 但离绝对目标均仍存在较大距离, 若维持当前减排速度则可能无法在2020年实现农业碳排放强度低于716.55kg/万元GDP的数量约束目标。为此, 这3类地区可界定为农业碳减排"后进地区"。

2.3 农业碳减排"后进地区"的目标重构与路径优化

  由前文分析可知, 若不改变策略而维持当前减排速度, Ⅶ类、Ⅷ类、Ⅸ类等3类地区很难在2020年实现农业碳减排的绝对数量目标。为此, 有必要对它们的农业碳减排目标和路径进行调整与优化, 以增强其科学性与可行性。具体由3个步骤构成:首先, 结合各地区2016年和2005年的农业碳排放强度数据, 测算出过去11年里的年均降速;然后, 基于所测算的年均降速, 评估出农业碳减排最低数量约束目标实现的完成年份;最后, 在设置差异性目标的基础上, 根据各地区农业碳减排成本以及减排预期完成年度的不同重新进行目标定位, 并设定合适的减排速度。需要说明的是, 差异性目标Ⅰ、目标Ⅱ、目标Ⅲ依次设置为716.55kg/万元农业GDP、656.84kg/万元农业GDP和597.12kg/万元农业GDP, 即农业碳排放强度较2005年分别降低40%、45%和50%, 完成时限分别为2020年、2025年和2030年。如此设定主要基于两方面考虑:一是可行性, 要求所有地区在2020实现农业碳减排目标显然不适用于那些减排严重滞后地区, 为此有必要设置2025年和2030年规划;二是公平性, 部分地区完成时间滞后对于其他地区显然不公平, 为此有必要根据不同时间节点设置差异化的数量约束目标, 若完成时间较晚, 总体要求则相应提高。另外, 考虑到西藏、青海二地气候特点显著区别于我国其它地区, 且农业碳排放强度远高于另外13省区, 属于极端现象, 故后续分析将不涉及上述二地。相关分析结果如表2所示。

2 13个农业碳减排"后进地区"的减排目标重构与路径优化 


地 区

农业碳排放强度
预期完
成年度
影子
价格

所需速度 (%)

2005年
2016年 均速 (%)
目标Ⅰ
目标Ⅱ 目标Ⅲ
Ⅶ类 贵州 1895.72 979.71 -5.82 2022 2.21 -7.52 - -

Ⅷ类
山西 1435.77 897.72 -4.18 2021 6.63 -5.48 - -

安徽
1538.47 1002.19 -3.82 2025 4.88 -8.05 -4.59 -

江西
1634.60 1072.73 -3.76 2027 3.50 -9.60 -5.30 -

湖北
1344.07 877.36 -3.80 2022 4.43 -4.94 - -

湖南
1658.72 1114.10 -3.55 2029 4.16 -10.45 -5.70 -4.36

云南
1337.83 880.69 -3.73 2022 5.15 -5.03 - -

宁夏
1876.97 1277.56 -3.44 2033 2.72 -13.46 -7.13 -5.29

新疆
1756.25 1174.56 -3.59 2030 0.98 -11.62 -6.25 -

Ⅸ类
内蒙古 1595.34 1261.52 -2.11 2043 3.57 -13.19 -6.99 -5.20

黑龙江
1239.38 905.49 -2.81 2025 4.36 -5.68 -3.50 -

上海
1150.12 1241.00 0.69 - 3.57 -12.83 -6.83 -5.09

甘肃
1662.59 1202.60 -2.90 2034 4.70 -12.14 -6.50 -4.88

注:碳排放强度的单位为kg/万元农业GDP;影子价格的单位为元/kg;目标Ⅰ, 即2020年单位农业GDP碳排放量较2005年减少40%;目标Ⅱ, 即2025年单位农业GDP碳排放量较2005年减少45%;目标Ⅲ, 即2030年单位农业GDP碳排放量较2005年减少50%。

  由表2可知, 基于当前的农业碳排放强度平均降速, 各地区最低减排目标的预期实现时间表现出了较大差异, 最快如山西在2021年则可完成;减排压力较大且均速较慢的内蒙古要到2040年之后方可实现;而上海近些年农业碳排放强度甚至处于上升态势, 照此趋势将永无实现可能。而从各地农业碳的影子价格来看, 也表现出了明显差异, 其中山西最高, 其减排1kg碳排放会导致6.63元农业GDP损失;而新疆最低, 仅为0.98元/kg。影子价格愈高意味着其减排成本较大, 过于追求减排进度则可能会导致农业经济遭遇困境, 因此在减排目标的设置上应相对保守些;反之, 影子价格愈低则表明其减排成本相对较小, 加快减排进度也不至于使其农业经济陷入危机, 因此在减排目标的设置上可以更为激进些。

  有鉴于此, 根据各地农业碳的影子价格以及实际进展情形, 设置差异化减排目标如下:1) 贵州、山西、湖北、云南等4地仍以原有最低数量约束目标 (即目标Ⅰ) 为准, 即在2020年实现单位农业GDP所导致的碳排放量较2005年减少40%, 这要求各自降速要在原有均速的基础上有所提升。其中, 考虑到贵州农业碳的影子价格较低, 其未来降速设置要明显高于原有均速;其它三地虽边际减排成本均处于较高水平, 但考虑其与预期减排目标距离较近, 有必要敦促它们在约定时间内实现最低减排目标。2) 安徽、江西、新疆、黑龙江等4地以目标Ⅱ为准, 即在2025年实现单位农业GDP所产生的碳排放量较2005年减少45%。其中, 皖、赣、黑三地碳的影子价格大致处于居中或者居中偏上水平, 故未来降速设置略微高于原有均速, 虽面临一定挑战但仍存在实现的可能;而鉴于新疆减排成本极低, 其未来降速设置稍显激进, 高于原先均速接近3个百分点。3) 湖南、宁夏、内蒙古、上海、甘肃等5地以目标Ⅲ为准, 即确保2030年的农业碳排放强度较2005年减少50%。上述5地均属于典型的农业碳减排"特困户", 但经过目标调整之后各自所需降速也均在6%以内, 加之周期较长, 若采取适当策略其减排目标应可实现。其中, 上海虽然在前期表现极差, 但作为经济发达地区有义务加快农业碳减排步伐, 为此也将其归在此组。

3 讨论

  文中在科学测度我国及31个省区农业碳排量的基础上, 对其碳减排成效进行了综合评估, 进而考察了各自2020年预期减排目标的实现潜力。与以往研究相比, 文中研究视野得到了极大拓展, 不再局限于基本现状把握、时空特征分析、驱动机理剖析、绩效评价及其与农业产业间的关联性探索等视角, 而是紧扣国家重大政策导向, 考察目标约束下的农业碳减排进展状况, 并对未来预期目标的实现潜力进行了预判, 由此极大增强了论文的说服力与现实指导意义。研究结果揭示, 虽从国家层面来看农业生产部门有能力实现政府所承诺的预期减排目标, 但具体到各个省区又表现出了极大差异性, 截止目前仍有15个地区属于潜在减排"后进地区"。为此, 文中重新设置减排目标, 并制定针对性策略, 以保证减排任务的顺利实现。具体保障策略主要包含以下几个方面:一是注重顶层设计, 细化阶段任务并强化监督与管理;二是厘清制约各地区农业碳减排工作的关键性因素, 通过系统整合的方式推进区域协同减排;三是加大政策支持力度, 不断强化农业低碳生产技术的研发与推广工作。

4 结论

(1) 2005年以来, 我国农业碳排放量总体呈现小幅上升趋势, 而农业碳排放强度降幅较为明显;分区域来看, 内蒙古、辽宁等18个地区农业碳排放量均有不同程度增加且以黑龙江增幅最大, 而其它13个地区则表现出下降态势且以北京降幅最大。

(2) 从国家层面来看, 农业生产部门有能力实现政府所承诺的预期减排目标, 但具体到各个省区又表现出明显的差异性, 其中16个地区已提前实现或即将实现农业碳减排目标;而其它15个地区却成为了潜在的减排"后进地区"。

(3) 对于减排"后进地区", 基于可行性与公平性原则, 调整了各自的农业碳减排目标并优化了其实践路径, 其中减排目标分别设定为40%、45%和50%, 截止时间则依次定在2020、2025和2030年, 即完成时间越晚所要承担的减排责任越大。

参考文献

[1] 田云, 张俊飚.中国省级区域农业碳排放公平性研究[J].中国人口·资源与环境, 2013, 23 (11) :36-44.

[2] 庞丽.我国农业碳排放的区域差异与影响因素分析[J].干旱区资源与环境, 2014, 28 (12) :1-7.

[3] 李俊杰.民族地区农地利用碳排放测算及影响因素研究[J].中国人口·资源与环境, 2012, 22 (9) :42-47.

[4] 周晶, 青平, 颜廷武.技术进步、生产方式转型与中国生猪养殖温室气体减排[J].华中农业大学学报 (社会科学版) , 2018 (4) :38-45.

[5] 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·资源与环境, 2012, 22 (7) :21-27.

[6] 文清, 田云, 王雅鹏.中国农业碳排放省域差异与驱动机理研究-基于30个省 (市、区) 1993~2012年的面板数据分析[J].干旱区资源与环境, 2015, 29 (11) :1-6.

[7] 张广胜, 王珊珊.中国农业碳排放的结构、效率及其决定机制[J].农业经济问题, 2014 (7) :18-26.

[8] 吴贤荣, 张俊飚.中国省域农业碳排放:增长主导效应与减排退耦效应[J].农业技术经济, 2017 (5) :27-36.

[9] 高鸣, 宋洪远.中国农业碳排放绩效的空间收敛与分异-基于Malmquist-luenberger指数与空间计量的实证分析[J].经济地理, 2015, 35 (4) :142-148.

[10] 吴昊玥, 何艳秋, 陈柔.中国农业碳排放绩效评价及随机性收敛研究[J].中国生态农业学报, 2017, 25 (9) :1381-1391.

[11] 胡中应, 胡浩.产业集聚对我国农业碳排放的影响[J].山东社会科学, 2016 (6) :135-139.

[12] 陈银娥, 陈薇.农业机械化、产业升级与农业碳排放关系研究-基于动态面板数据模型的经验分析[J].农业技术经济, 2018 (5) :122-133.

[13] 吴贤荣, 张俊飚, 程琳琳, 等.中国省域农业碳减排潜力及其空间关联特征-基于空间权重矩阵的空间Durbin模型[J].中国人口·资源与环境, 2015, 25 (6) :53-61.

[14] 陈儒, 姜志德, 姚顺波.低碳农业联合生产的绩效评估及其影响因素分析[J].华中农业大学学报 (社会科学版) , 2018 (3) :44-55, 154-155.

[15] 田云, 张俊飚, 陈池波.中国低碳农业发展的空间异质性及影响机理研究[J].中国地质大学学报 (社会科学版) , 2016, 16 (4) :33-44.


该论文来源于 织梦网的中国知网免费入口,欢迎下载使用。

织梦图书馆提供中国知网免费入口、读秀、超星、大学电子图书馆等文献入口,可通过入口阅读和下载论文、电子书、期刊、专利等文献。