安徽省池州市土地利用碳排放演变及其影响因素

碳排放和土地利用密切相关。依据土地利用碳排放测算方法,测算池州市2000—2010年主要土地利用类型耕地、林地、牧草地和建设用地碳排放量,同时对碳源、碳汇和净碳排放进行了测算,分析土地利用碳排放演变情况,计算地均碳排放强度和建设用地碳排放强度,并基于STIRPAT模型分析土地利用碳排放的影响因素。结果表明:1)2000—2010年池州市碳排放总量呈逐年递增的趋势,碳排放总量由2000年的35.835 4kt增加到2010年的1 774.016 3kt,碳排放总量递增主要以建设用地的碳排放递增为主,建设用地的碳排放量与碳排放总量具有趋同的变化趋势。2)2000—2010年池州市碳汇能力基本稳定,碳源与碳汇的比例整体呈增加趋势,由2000年的1.135 5增加到2010年的6.657 2。3)2000—2010年池州市土地利用碳排放变化划分为缓慢增长、快速增长和平稳增长3个阶段。4)地均碳排放强度呈现缓慢增长趋势,而建设用地地均碳排放强度则呈现波动上升的趋势,地均碳排放强度、地均建设用地碳排放强度的增长与工业经济发展水平呈正相关关系。5)碳排放量和人口总量、人均GDP之间的线性相关关系十分显著,且人均GDP对碳排放量的解释程度要大于人口总量对碳排放量的解释程度。     

新疆农业生产碳排放变化特征及其净碳排放压力研究

对新疆1996-2013年农业生产5大碳源碳排放及种植业碳汇进行测算,从时间、空间、结构3方面分析其农业生产碳排放变化特征;在农业净碳排放的基础上,构建净碳排放压力指数模型,分析新疆农业生产净碳排放压力变动趋势。研究表明,新疆农业生产碳排放在总量上呈“上升-下降-上升”趋势,碳排放强度总体上保持下降;在区域上表现出明显的差异性,喀什地区碳排放量最高,是克拉玛依市的72倍;从结构特征看,牲畜养殖、农用物资、农业活动占碳排放源的96%以上。牲畜碳排放量呈下降趋势,农业活动、农用物资碳排放呈明显增长趋势。碳汇总量增加较为迅速,农业生产净碳排放量整体保持下降趋势。净碳排放量大致分为“持平-下降”两个阶段变化特征。由净碳排放压力指数看出,新疆农业碳排放压力呈逐年递减状态。由此可知,要根据新疆实际合理适时调整优化农业产业结构,加快推进农业绿色化现代化;宏观布局,制定差异化的农业发展路线;加强农村地区的生态环境建设,提高农业生产资料的回收利用强度。     

农业低碳发展水平及驱动因子研究——以四川省为例

选取中国西部地区四川省作为研究对象,应用政府间气候变化专门委员会(IPCC)推荐的碳排放模型测算2000～2016年区域内农业碳排放量及强度;采用Tapio脱钩理论分析区域内农业碳排放与经济增长的特征,并评估农业经济低碳发展状况;通过构建LMDI碳排放因素分解模型研究各驱动因子的贡献值,根据驱动因子的影响和作用提出农业低碳发展的对策。结果表明:研究期内四川农业碳排放量及强度平均每年分别以1.52%、1.18%增长率呈上升趋势,其中农膜是最主要贡献者,占45.2%;农业碳排放与经济增长的脱钩关系由最初不理想状态逐渐变成相对理想状态,在2013、2016年则呈现出完全脱钩的理想状态。研究分析得出农业经济快速增长是导致碳排放增加的主要驱动因素,农业生产效率是影响碳排放增长的关键抑制因素。     

基于GIS的湖南省农地利用碳排放时空格局研究

基于化肥、农药、农膜、灌溉、翻耕、柴油等6类农地利用碳排放源,测算1999—2014年湖南省农地利用碳排放量和碳排放强度,分析湖南省农地利用碳排放时序特征,并基于GIS研究湖南省农地利用碳排放量、碳排放强度的空间格局。结果表明:(1)1999—2014年,湖南省农地利用碳排放量和碳排放强度均呈现逐年增长趋势,碳排放量从1999年的317.40万t增加到2014年的446.99万t,碳排放强度从1999年的987.79 kg/hm~2增加到2016年的1 076.26 kg/hm~2;(2)湖南省农地利用碳排放量和碳排放强度在空间上均呈现"东高西低"的特征,且集聚效应明显,2个年份排名前五的碳排放量总和分别占全省碳排放总量的54.34%和53.64%;(3)2010年和2014年,湖南省农地利用碳排放量与农业经济水平在空间格局分布上重合率达到100%,二者有着直接的影响关系。     

基于STIRPAT模型的长江经济带农业碳排放时空特征及影响因素分析

根据2000-2017年数据，运用STIRPAT模型对长江经济带农业碳排放影响因素进行分析，结果表明：长江经济带农业碳排放总量与农业碳排放强度总体上均呈增长趋势，年均增长率分别为1.49%和1.87%，且各地区农业碳排放总量与碳排放强度差异明显。农业产业结构、农业就业人员、农村居民可支配收入、农业技术水平、城镇化率对区域农业碳排放影响显著。分区域看，东部农村居民可支配收入及城镇化水平推动农业碳减排，中部农业技术水平和人均耕地面积能抑制农业碳排放增长，西部农业就业人员、农村居民可支配收入、城镇化水平造成农业碳排放量增长快。     

湖北省碳排放研究:总量测算、结构特征及脱钩分析

参考国家温室气体清单指南的方法,从产业、来源、土地承载三个方面分析湖北省2001-2010年碳排放结构,测算其碳排放总量,探讨碳排放的时序特征与经济增长的关系。结果表明,湖北省第二产业碳排放较高,且产出效率低,第三产业单位碳排放效益最高;能源消费碳排放占总量的90%以上,占比远高于IPCC给出的参考值;城镇居民点及工矿用地碳排放占总量的74.98%,碳排放强度为229.92 t/hm2。十年间湖北省碳排放量由3705.66万t增长到7740.47万t,年平均增加9.65%。能源消费增长率高于碳排放增长率,是碳排放增加的主要动力,畜牧业碳排放减少7.78%。湖北省碳排放与经济增长脱钩状态以弱脱钩和扩张连接为主,2009年后出现由弱脱钩向扩张连接的状态转移,近些年经济发展质量有所下降。因此,湖北省应以经济转型升级为契机,提高碳排放利用效率,改进农业生产方式,加强土地用途管制,促进经济绿色增长。     

第二产业碳排放量生态经济及驱动因素分析——以甘肃省为例

【目的】能源消耗和环境问题是世界范围的研究热点,第二产业(主要是工业)的碳排放影响温室效应尤其是当今社会关注的焦点。【方法】根据IPCC法和统计年鉴,以甘肃省为例,测算2000—2017年第二产业碳排放量和排放强度,并借助脱钩分析、碳承载力和碳赤字跟踪碳排放的动态变化趋势,选取灰色关联模型分析第二产业碳排放的驱动因素,利用灰色系统预测2018—2019的碳排放量和排放强度。【结果】甘肃省产业为"二、三、一"结构,工业占能源总消耗量的73%。从时间来看,2000—2017年间第二产业碳排放量呈逐年增长趋势,平均碳排放量为11 367.29万t;碳排放强度却呈逐年下降趋势,平均值为8.68万t/亿元;2018—2019预测结果符合趋势规律。【结论】碳排放量与GDP之间呈弱脱钩的态势,脱钩指数有减小趋势;碳承载力增长趋势明显且趋于稳定,19年间碳承载力增长了21.95%,从2011年开始出现碳赤字,并呈现先增加后减小趋势。从地区来看,嘉峪关等5市属于碳排放高强度区,兰州市的碳排放量贡献率最大,平凉市未来环境压力相对较小。从驱动因素分析,煤炭和石油是工业碳排放的主体,关联度最高,关联系数为0.88和0.80。最后提出相应的低碳节能减排政策建议,以期为政府决策提供科学依据。     

安徽省农业生产碳排放时空变化及影响因素分析

基于安徽省5个基础碳源数据,结合LMDI模型,测算其农业碳排放量,并分析了2006-2015年安徽省农业碳排放的时空变化及其影响因素.结果表明,安徽省农业生产碳排放总量逐渐增加,从2006年的356.53万t增长至2015年的449.03万t;碳排放强度的变化与总量变化基本保持一致,从2006年的87.28 t/km2增长至2015年的107.37 t/km2;从市域空间来看,2015年安徽省北部地区的城市碳排放总量高于南方地区;LMDI模型的因素分解表明,与2006年相比,效率因素和劳动力因素累计实现减排527.90万t,其中效率因素影响力度较强,而结构因素、经济因素总体上对累积CO2排放量变动存在正向影响,其中经济因素影响尤为突出.     

南岭4省农业碳排放测算及驱动力分析

南岭4省区(广东、广西、湖南、江西)自改革开放以来发展迅速,然而发展中环境问题也日渐突出。如何在发展经济的同时,兼顾生态环境的建设,实现可持续发展是目前学术热点之一。以农业物质(农村用电、农用柴油、化肥、农膜、农药)投入为基础数据,测算南岭4省1999—2012年的农业碳排放量。结果表明:农业碳排放总量变化分为高速增长阶段、波动增长阶段和缓慢增长阶段;农业碳排放强度呈波动性增长。此外,南岭4省农业碳排放总量的组成结构基本保持不变,区域地理特点和农业机械化对碳排放组成结构及总量有很大的影响,产业结构很大程度上决定了碳排放强度,人口总数对碳排放量影响最大。立足于当地的自然禀赋,着力打造各地特色的低碳农业;优化产业结构,大力发展第三产业;加强碳排放管理和考核,研究建立碳排放总量的控制制度,逐步实现碳排放强度和总量"双控",加快建立全国碳排放权交易市场是南岭4省农业减排的主要手段。     

重庆合川区土地利用碳排放的效应及驱动因素

基于土地利用变更数据与能源消费数据,测算2009—2018年间合川区土地利用碳排放量,分析碳源、碳汇、净碳排放量及碳排放强度演变趋势,运用LMDI因素分解法对碳排放驱动因素进行分析。结果表明:(1)2009—2018年重庆合川区土地利用净碳排放量呈上升趋势,年均增长率为7.00%;(2)合川区单位GDP碳排放强度呈逐年下降趋势,人均碳排放强度呈逐年上升趋势;(3)经济发展水平和建设用地规模是合川区土地利用碳排放的正向驱动因素,碳排放强度和土地利用效率为负向驱动因素。     

江西省农业碳排放变化特征及其驱动因素分析

农业碳减排作为应对气候变化研究的重要内容,一直是相关研究领域的热点?借鉴IPCC和其他研究机构、学者提供的碳排放因子系数,从农业物资投入、农地活动、水稻种植、牲畜养殖等12种主要碳源,测算了江西省2001-2020年农业碳排放量,并利用LMDI分解法将农业碳排放驱动因素分解为效率因素、结构因素、经济发因素、劳动力因素。结果表明：江西省农业碳排放总量从2001-2020年呈波动下降-上升-下降-持续上升-持续下降的变化趋势,并在2016年达到顶峰。相比于2001年,农业碳排放量增长20.68%,农业碳排放强度下降47.75%;效率因素与劳动力因素对农业碳排放有抑制作用,分别减少351.02%、426.26%的碳排放量。结构因素与经济因素对农业碳排放有促进作用,分别增加33.55%、843.92%的碳排放量。文章最后就农业碳减排措施提出了针对性建议。     

甘肃省农地利用碳排放测算及影响因素研究

利用2000-2011年甘肃省农业投入的六大类碳源相关数据,对甘肃省历年农地利用碳排放量进行测算。分析得出:从2000年起,甘肃省农地利用碳排放量和碳排放强度分别以年均6.0%和5.8%的增速上升。六类碳源中,化肥、农药、农膜、柴油、翻耕和灌溉碳排放量的年均增速分别为2.8%,17.7%,7.6%,5.4%,0.3%,1.1%。运用LMDI模型对农地利用碳排放的影响因素进行分析,结果表明:从2001-2011年,由生产效率、产业结构、经济水平和劳动力规模变化所引起的碳排放增量比分别为:-15.18%、-4.46%、44.19%和0.34%。由此表明,农业生产效率和产业结构对碳排放具有抑制作用,劳动力规模虽具有一定的促进作用,但作用较小,而农业经济水平是导致甘肃省农业碳排量增加的主导因素。最后根据以上结果,对甘肃省农地利用碳减排提出对策建议。     

江西省农业产业结构与碳排放关系实证研究

基于2005年-2020年的江西省十一地市的面板数据,通过Johansen协整检验,误差修正模型,格兰杰因果检验,研究农业产业结构与农业碳排放之间的关系。结果显示农业产业结构,农业人口,城镇化率,农村用电量与农业碳排放之间存在长期的均衡关系,农业人口呈现负的推动作用,农业产业结构,城镇化率,农村用电量呈现正的推动作用,农业产业结构与城镇化率在推动农业碳排放增长中发挥了主要作用;在向量误差修正模型中,农业产业结构,城镇化率,农业人口,农村电气化水平在短期内对农业碳排放具有正向影响,农业人口在短期内对农业碳排放具有负向影响;在格兰杰因果检验中,农业产业结构与农业碳排放存在互为因果的格兰杰关系,农业产业结构会推动农业碳排放的增加,农业碳排放会一定程度上影响农业产业结构。因此,需要从优化农业产业结构角度出发,确立农业碳减排目标,减少农业碳排放,把二者有机结合,推动农业朝着绿色高效发展。     

江西省农地利用碳排放时空特征与脱钩弹性研究

基于化肥、农药、农膜、农业机械以及农业灌溉五个方面导致的碳排放,利用1995要2011 年江西省农业 投入统计数据,采用碳排放系数法计算江西省农地利用碳排放和碳排放强度,在Tapio 脱钩模型的基础上分析江西 省农地利用碳排放与农业经济增长之间的脱钩弹性关系。结果表明院1995要2011 年,江西省碳排放总量呈现逐年增 长的趋势,农地利用碳排放强度呈现先增强后减弱的趋势,各类农业活动中,化肥和农业机械化是主要的碳排放源。 从区域差异来看,2010 年江西省各设区市碳排放量排在第1 位是赣州市,其碳排放量比最后1 位的景德镇市多出近 8.13 倍;碳排放强度最高的为新余市,高达7.4657 t/hm2,最低的地区为景德镇市,仅为1.9240 t/hm2,只有新余市的 1/3,碳排放量排在前7 位的粮食主产区是江西省农地利用碳排放的主要来源地。从江西省农地利用碳排放与农业经 济发展间的脱钩关系来看,1996-2011 年间,其脱钩关系主要以弱脱钩、扩张连接、扩张负脱钩为主,说明近年来江西 省以农业经济发展为主,在兼顾环境效应上表现不佳。     

安徽省农业碳排放的脱钩效应及影响因素研究

为了深入认识安徽省农业碳排放与农业经济增长之间的相互关系,并为区域低碳农业发展政策措施的制定提供理论依据,采用Tapio与LMDI模型对安徽省农业碳排放的脱钩效应及影响因素进行研究。结果表明：1998—2014年安徽省农业碳排放总量呈波动上升趋势,具体表现为“快速增长-持续〖JP2〗下降-缓慢上升”三阶段特征;研究期内农业碳排放与农业经济增长间的脱钩关系以弱脱钩和强脱钩为主,说明安徽省农业低碳减排工作取得一定成效;效率因素、劳动力因素和结构因素均对农业碳排放增长具有抑制作用,它们在研究期内的累计减排贡献量分别为896.51万t,341.62万t和253.67万t,〖JP〗而农业经济发展则是碳排放增长的主要驱动因素,其引发的累计碳排放增量高达1552.29万t。     

甘肃省土地利用碳排放变化及影响因素分解

[目的]研究土地利用中各类型土地的碳排放量及各土地利用碳排放的影响因素。[方法]以甘肃省为例,在分析1995—2012年土地利用结构变化的基础上,估算了各种土地利用类型的碳排放量,并运用LMDI模型对其影响因素进行了分析。[结果]土地利用结构变化总体表现为建设用地面积持续增加,农用地面积减少;建设用地内部结构变化中居民点及工矿用地面积增加最多,交通用地变化幅度显著;土地利用碳排放量总体呈上升趋势,由1995年的1 882.07×104t增加到2012年的7 503.23×104t,年均增加341.48×104t;土地利用碳排放强度最大的是居民点及工矿用地,交通用地碳排放强度呈缓慢上升态势,但到2012年有所下降;土地利用变化、经济发展水平提高、人口规模增加促进了土地利用的碳排放,能源效率提高和能源结构优化抑制了土地利用的碳排放。[结论]对甘肃省土地利用碳排放总量的变化趋势影响最大的是居民点及工矿用地,能源效率提高和能源结构优化是今后甘肃省碳减排的重要途径之一。     

农业碳排放特征及影响因素分析 ——以安徽省为例

基于种植业和畜牧业2个方面的12类碳源,计算出安徽省2004—2015年的农业碳排放总量和碳排放强度,对安徽省农业碳排放的时间变化和空间方面的特征进行分析,并进一步利用LMDI模型对影响安徽省农业碳排量的主要因素及其对农业碳排放的贡献度进行分解研究.结果表明,研究期间,安徽省农业碳排放总量具有先下降后上升的趋势.来自种植业方面的物资投入对安徽省农业碳排放的影响逐渐增加,来自畜牧业方面的碳排放对安徽省农业碳排放的影响逐渐减弱.农业经济发展水平和农业劳动力规模因素拉动了安徽省农业碳排放量的增加,而农业生产效率因素和农业结构因素则抑制了碳排放量的增加.为促进安徽省农业碳减排,应加快转变农业经济发展方式,优化农业产业结构,高效利用农业资源,积极研发和推广农业碳减排的应用技术,实现畜牧业的可持续发展.