基于STIRPAT模型的长江经济带碳排放驱动因素研究

碳排放作为环境压力的重要表现形式,对其内在驱动因素进行研究对实现绿色发展有着重要的指导意义.采用长江经济带各省市2008—2016年面板数据,选取碳排放量作为因变量,借助STIRPAT模型进行拓展分析,以研究影响长江经济带碳排放量的驱动因素.结果表明,城市化水平、人口、能源强度对长江经济带碳排放影响较为显著,人均GDP...     

新疆农业碳排放测算与驱动因素研究

为厘清新疆农业碳排放与各驱动要素间的影响机制,本研究采用LMDI指数分解模型,对新疆1993—2020年的农业碳排放量进行测算并对驱动要素进行分解,总结农业碳排放随时空演化特征,并利用VAR模型进一步梳理各驱动要素与农业碳排放之间的关系。研究结果表明：碳排放累计效果为农业经济发展水平>农业劳动力>农业生产结构>农业生产效率;农业碳排放在短期内能促进农业生产率的增长与农业经济水平的发展,但也会阻碍农业生产结构的协调;长期来看农业生产率、农业经济发展水平与农业生产结构都会抑制碳排放的增长;从方差分解来看农业碳排放能自解释31.55%,各驱动因素合计解释68.45%。     

陕西省农业碳排放时序特征及影响因素分析

为探讨陕西省农业碳排放时间变化及其驱动因素,基于种植业和畜牧业2个方面的16类碳源,测算分析了2000—2014年陕西省农业碳排放现状,并利用LMDI模型对农业碳排放的驱动因素进行分解。结果表明,2000—2014年陕西省农业碳排放量增加了24.25%(96.33万t),年均增长率为1.56%,总体呈上升—下降—上升的变化趋势;化肥、农业机械、农膜、农药等农业物资投入对陕西省农业碳排放的影响逐渐增加,牛、羊、猪等大牲畜的肠道发酵、粪便管理对碳排放的影响逐渐减弱;对农业碳排放具有抑制作用的因素大小依次为效率因素、劳动力因素和结构因素,而经济因素则具有较大的促进作用。     

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。     

2010—2020年内蒙古自治区农业碳排放动态变化及影响因素分析

为了解内蒙古自治区农业碳排放情况,促进内蒙古自治区农业低碳化、高质量发展,以化肥、农药、农膜、农用柴油、翻耕和灌溉等6类碳排放源测算2010—2020年内蒙古自治区的农业碳排放量,并利用LMDI模型对影响农业碳排放量的因素进行分析。结果表明：2010—2020年内蒙古自治区农业碳排放量总体上呈先上升后下降的趋势;对内蒙古自治区农业碳排放量增加起促进作用的因素为农业生产效率、农业劳动力规模和农业结构,对其起到抑制作用的因素为农业经济发展水平。     

安阳市农业碳排放驱动因素及脱钩效应分析

基于农业生产中翻耕、化肥、农药、农膜、农用柴油和农村用电等6个方面,测算了安阳市1993~2014年的农业碳排放量。结果表明,安阳市农业碳排放总量整体呈上升趋势,碳排放总量由1993年的36.62×104t增加到2014年的143.84×104t,年均增长7.52%,总体上呈"高速—负增长—高速—低速"四阶段演化特征。安阳市农业碳排放总量与经济发展呈典型的倒"U"型曲线关系,目前处于倒"U"型曲线的左侧,拐点还未出现。农业碳排放总量的组成结构随时间变化,从平均占比情况来看依次为农村用电、化肥、农用柴油、农膜、农药和翻耕。运用LMDI模型对安阳市农业碳排放影响因素进行分解,结果显示,农业经济发展对碳排放具有较强促进作用,与基期相比,累计实现了178.09×104t的碳增量,而生产效率、劳动力因素和产业结构因素则对碳排放有抑制作用,分别累计实现52.51×10~4t、12.37×10~4t和5.99×104t的碳减排。Tapio脱钩分析表明,目前安阳市农业碳排放与农业经济发展之间的脱钩关系以扩张负脱钩为主。安阳市必须采取有效措施,尽早实现农业碳排放与农业经济增长的脱钩。     

安徽省县域农业碳排放空间分布及其影响因素

从节能减排目标出发,依据安徽省2005-2013年县域农业发展的相关数据,分析了安徽省农业碳排放的空间分布规律,并计算了不同碳源对农业碳排放的贡献率,最后利用STIRPAT模型,分析了农业碳排放的影响因素,结果显示:安徽省近年来农业碳排放逐年增加,年均增速3.44%,而农业碳排放强度增加缓慢,年均增速0.15%;农业碳排放各碳源的贡献率依次为:化肥使用>农业灌溉>农药施用>薄膜使用>农机使用>翻耕,且薄膜使用和农药使用对农业碳排放的贡献空间差异较大;农业人口总数、人均GDP、产业结构状况对农业碳排放影响比较显著,而农业技术水平与农业固定资产投资对碳排放影响较小。     

山东省农村居民生活碳排放影响因素及对策

在乡村振兴战略与双碳目标的历史背景下,控制并减少农村地区的碳排放已经成为一个重要课题。为了深入研究山东省农村居民生活碳排放的影响因素,选取2000-2016年间的数据作为研究对象,构建影响山东省农村居民生活碳排放因素的STIRPAT模型。结果显示,在17年间,居民人口总数、人均可支配收入、生活用能传统能源占比与生活碳排放量呈正相关,恩格尔系数与生活碳排放量呈负相关,而优化能源消费结构是减碳工作的重点。在此基础上,利用Kuznets曲线进一步阐释了山东省农村经济发展与生活碳排放量之间的倒U型关系,指出促进高质量的经济发展是推动碳排放量到达拐点的重要因素。     

2000—2020年山西省农业碳排放时空特征及趋势预测

为探讨山西省农业碳排放时空特征及未来变化趋势,采用排放因子法,基于种植业、畜牧业10类碳源,测算山西省2000—2020年农业碳排放量,并运用STIRPAT模型对2021—2030年全省农业碳排放量进行预测。结果表明：2000—2020年山西省农业碳排放量总体呈先缓慢上升后波动下降的变化趋势,农业碳排放强度整体呈波动下降的变化趋势,年均降幅4.1%。种植业和畜牧业分别占农业碳排放总量的42.2%和57.8%。其中施用化肥是种植业碳排放最重要的来源,年均占比26.9%。牛、羊养殖是畜牧业碳排放最主要的两大来源,平均贡献率为28.4%、21.9%。山西省农业碳排放总量高值区多分布于晋北及晋南地区,低值区分布于中部地区,农业碳排放强度呈北高南低的分布特征。基于STIRPAT模型对山西省2010—2020年农业碳排放估算结果的精确度较高,由此预测2021—2030年山西省农业碳排放量,结果显示其呈下降趋势,在基准情景、低碳情景1和低碳情景2中,到2030年农业碳排放量分别为277.2万、268.5万、252.3万t。研究表明,山西省农业已实现碳达峰,随着低碳措施的进一步强化,未来农业碳排放呈持...     

池州市城镇化进程中土地利用碳排放驱动机制

依据土地利用碳排放测算方法,对安徽省池州市耕地、林地、牧草地、建设用地碳排放进行测算,并基于环境压力随机模型分析影响土地利用碳排放的驱动力机制。结果表明:1城镇化进程中GDP、城镇人口、第三产业产值及城镇化水平每增加1%,土地利用碳排放将增加0.147%、0.499%、0.428%、0.657%;第二产业产值每增加1%,土地利用碳排放量将减少0.489%。2池州市能源消费及土地利用碳排放量不断增加。3大力发展绿色低碳产业,积极推行低碳排放的生产、生活方式,可提升低碳水平。为实现安徽省池州市低碳经济和城镇化可持续发展目标,提出了若干建议供参考。     

河北省二氧化碳排放驱动因素研究——基于STIRPAT模型

首次以河北省为研究对象,基于扩展的STIRPAT模型,应用岭回归分析,对1980~2011年二氧化碳排放驱动因素进行研究,然后结合河北省产业布局和特点,提出碳减排政策建议。结果表明,经济增长是二氧化碳排放量增多的决定性因素;城市化水平、能源强度和人口规模是重要因素;第三产业比重、第二产业比重和能源消费结构对碳排放影响不显著。     

Research on Spatial-Temporal Characteristics and Driving Factor of Agricultural Carbon Emissions in China

Macroscopic grasp of agricultural carbon emissions status, spatial-temporal characteristics as well as driving factors are the basic premise in further research on China’s agricultural carbon emissions. Based on 23 kinds of major carbon emission sources including agricultural materials inputs, paddy ifeld, soil and livestock breeding, this paper ifrstly calculated agricultural carbon emissions from 1995 to 2010, as well as 31 provinces and cities in 2010 in China. We then made a decomposed analysis to the driving factors of carbon emissions with logarithmic mean Divisia index （LMDI） model. The results show：（1） The amount of agricultural carbon emissions is 291.1691 million t in 2010. Compared with 249.5239 million t in 1995, it increased by 16.69%, in which, agricultural materials inputs, paddy ifeld, soil, enteric fermentation, and manure management accounted for 33.59, 22.03, 7.46, 17.53 and 19.39%of total agricultural carbon emissions, respectively. Although the amount exist ups and downs, it shows an overall trend of cyclical rise; （2） There is an obvious difference among regions：the amount of agricultural carbon emissions from top ten zones account for 56.68%, while 9.84%from last 10 zones. The traditional agricultural provinces, especially the major crop production areas are the main source regions. Based on the differences of carbon emission rations, 31 provinces and cities are divided into ifve types, namely agricultural materials dominant type, paddy ifeld dominant type, enteric fermentation dominant type, composite factors dominant type and balanced type. The agricultural carbon emissions intensity in west of China is the highest, followed by the central region, and the east zone is the lowest; （3） Compared with 1995, efifciency, labor and structure factors cut down carbon emissions by 65.78, 27.51 and 3.19%, respectively;while economy factor increase carbon emissions by 113.16%.     

吉林省农产品品牌建设问题分析

吉林省是农业资源大省,也是中国两个＂生态建设示范省＂之一,创立名牌农产品有明显的资源和环境优势。然而,从目前吉林省农产品生产经营总体状况看还存在许多问题,这些问题严重影响了吉林省农业的进一步发展和农民收入的不断提高。有效解决吉林省农产品品牌建设过程中的问题,符合吉林省农业经济发展的要求,也是提高吉林省农产品的质量和市场竞争力、增加农民收入的有效保证。     

湖北省农业碳排放的时空特征及经济关联性

【目的】湖北省是农业大省,农业生产的碳排放在总碳排放中占据较大的比重,碳排放所带来的温室效应和农业生产导致的面源污染等环境问题不容忽视。基于此,通过分析农业经济增长和农业碳排放之间的协整关系,并对其进行误差修正,为湖北省未来的碳减排工作的开展提供重要的理论依据和参考。【方法】基于6个主要方面碳源,测算了1993–2017年湖北省农业生产活动所导致的碳排放量,并分析农业碳排放的时空特征。进一步通过Kernel密度估计发现,湖北省各地市州农业碳排放的地区差距。最后,综合运用协整理论及误差修正模型,实证湖北省农业经济增长与碳排放之间的关系。【结果】湖北省农业碳排放总量和强度均呈现先升后降的趋势,年均增长率分别为2.32%、2.21%,从总体来看环比增速呈现下降的趋势。农药、农膜、化肥、农用柴油、翻耕和农业灌溉等所产生碳排放年均递增率分别为2.23%、2.44%、2.40%、3.32%、0.44%和2.32%;通过Kernel密度估计发现,在此样本考察期间内湖北省各地市州农业碳排放的地区差距有明显的扩大。湖北省农业碳排放与农业经济增长存在协整关系的有：农业碳排放总强度,农药、农膜、农用柴油和灌溉等4类碳源导致的碳排放强度,且当湖北省人均农业总产值每增加1%时,农药、农膜、农用柴油和农业灌溉等4类碳源的碳排放强度分别增加了0.58%、0.59%、0.25%和0.15%,农业碳排放总强度便增加0.19%。【结论】湖北省农业经济发展、生产条件和地区发展战略不同,而导致地区间的农业碳排放差距越来越明显。农业经济增长与农业碳排放存在长期稳定关系,这表明湖北省还处于传统耕作模式向绿色低碳耕作模式转型的关键期,并且这种发展模式已存在较长时间。     

吉林省农业信息化建设的制约因素与改进措施

吉林省是我国主要的产粮大省,农业是其重要的支柱产业。随着社会的不断发展,我国对农业生产的重视程度也在不断提高,农业信息服务成为全社会广泛关注的热点。文章分析了吉林省农业信息化建设的制约因素,如信息服务资源供给不足、农业信息终端处于劣势地位、信息化平台应用程度较低等,提出了强化各级政府部门信息化意识、加大资金投入力度、加大农业信息技术人才培养和储备力度等改进措施,以期促进吉林省农业信息化建设。     

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.     

湖北省农业碳排放效率时空差异及影响因素

【目的】传统农业大省湖北省对化肥、农药等农用物资的依赖度过高,客观上导致其农业生产相对高碳。本研究目的在于厘清其农业碳排放效率及影响因素,为湖北省农业低碳生产的切实推进提供参考依据与政策启示。【方法】利用DEA-Malmquist分解法对湖北省农业碳排放效率进行有效测度并分析其时空差异特征;在此基础上运用Tobit模型探究影响其碳排放效率变化的关键因素。【结果】2011年以来湖北省农业碳排放效率虽年际间存在一定波动,但总体处于增长态势,年平均增速为2.9%;从驱动源泉来看其提升主要依赖于前沿技术进步而非技术效率改善,进一步对技术效率分解可知,纯技术效率恶化趋势较为明显而规模效率得到了轻微改善。湖北省各市(州)农业碳排放效率差异明显,其中以武汉最高,达到了1.584,而荆门最低,仅为0.803;结合数值差异可将15个地区划分为高速增长、低速增长以及下降等3个不同组别;前沿技术进步在推进各地区农业碳排放效率提升上发挥了更为明显的作用,而技术效率改善所起作用相对较小,分解技术效率可知,纯技术效率与规模效率的作用方向因地而异,但后者作用力度要略大于前者。农村经济发展水平、城镇化水平、农村用电量...     

吉林省农业温室气体排放核算及特征分析

分析了吉林省农业生产温室气体排放系数,对2000—2014年吉林省温室气体排放量进行了估算。结果表明:12000—2014年吉林省温室气体排放量由1 927.94万t增长到2 445.25万t,经历了快速上升、快速下降和缓慢上升3个阶段,目前吉林省正处于农业温室气体排放上升阶段,减排压力较大;22000—2014年吉林省温室气体中CH_4的排放贡献率为41.41%,N_2O的排放贡献率为58.69%;32000—2014年农用地N_2O是吉林省温室气体第一排放源,年均所占比重为46.32%,其他温室气体排放量从大到小依次为动物肠道CH_4、动物粪便管理N_2O和稻田CH_4,所占比重分别为29.83%、14.11%、10.41%。最后,依据吉林省温室气体排放量和结构特征,从农业生产角度提出了减排措施。     

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。