山东省种植业碳排放度量分析

doi:10.11924/j.issn.1000-6850.casb2022-0732

中国农学通报 ›› 2023, Vol. 39 ›› Issue (8): 43-50.doi: 10.11924/j.issn.1000-6850.casb2022-0732

• 资源·环境·生态·土壤·气象 • 上一篇下一篇

山东省种植业碳排放度量分析

宋宏恩(), 姜常宜, 李树超, 孙兆明()

青岛农业大学经济管理学院（合作社学院），山东青岛 266109

收稿日期:2022-08-24 修回日期:2022-10-28 出版日期:2023-03-15 发布日期:2023-03-14
通讯作者: 孙兆明，男，1970年出生，山东临朐人，副教授，博士，主要从事农业经济、农村金融相关的教学和科研工作。通信地址：266041 山东省青岛市城阳区青岛农业大学，Tel：0532-58957792，E-mail：qiushi0516@163.com。
作者简介:
宋宏恩，女，1998年出生，山东临沂人，硕士研究生，研究方向：农村发展。通信地址：266019 山东省青岛市城阳区青岛农业大学， E-mail：2500020244@qq.com。
基金资助:
玉米创新团队产业经济岗位“山东省现代农业产业技术体系”(SDAIT-02-13); 山东省种粮家庭农场规模经营的结构制约; 行为逻辑与优化路径研究“山东省高等学校科研发展计划项目人文社会科学一般项目”(J17RB089)

Measurement and Analysis of Carbon Emissions of Shandong Planting Industry

SONG Hongen(), JIANG Changyi, LI Shuchao, SUN Zhaoming()

School of Economics and Management, Qingdao Agricultural University, Qingdao, Shandong 266109

Received:2022-08-24 Revised:2022-10-28 Online:2023-03-15 Published:2023-03-14

摘要/Abstract

摘要：

农业碳排放是造成温室效应的重要原因之一，如何减少农业碳排放，怎样实现低碳农业发展是亟需解决的问题。种植业是农业的重要组成部分，减少种植业的碳排放更需重视。基于2009—2020年山东省面板数据，测算了山东省种植业碳排放情况，并进一步分析了山东省种植业碳排放时空格局，为完善山东省种植业低碳减排政策提供参考。结果显示：山东省种植业总体碳排量呈现下降态势，山东各地市农业碳排放总量空间差异明显，东南部至西北部呈现“高—低—高”的走势；山东省碳排放强度也呈现逐年下降趋势，但种植业碳排放强度与种植业碳排放量在分布格局上存在差异。因此对上述状况进行影响因素分析并得出结论：农业发展水平、农村人均收入、农业结构对种植业碳排放结构具有显著抑制作用，地区产业结构调整也表现出一定程度的抑制作用，而农业机械化水平、城镇化水平则表现出显著促进作用。

关键词: 山东省, 种植业, 面板数据, 农业碳排放, 低碳农业

Abstract:

Agricultural carbon emission is one of the important causes of the greenhouse effect. How to reduce agricultural carbon emissions and how to achieve low-carbon agricultural development is an urgent problem to be solved. Planting industry is a key part of agriculture, and reducing carbon emissions from planting industry requires more attention. Based on the panel data of Shandong Province from 2009 to 2020, this paper calculated carbon emissions of planting industry in Shandong Province, and analyzed the spatio-temporal pattern of carbon emissions of planting industry in the province, aiming to provide reference for improving the low-carbon and emission reduction policy of planting industry. The results showed that the overall carbon emission of planting industry in Shandong Province presented a downward trend, and the spatial differences in the total amount of agricultural carbon emissions in cities and prefectures of Shandong were obvious, and the trend of ‘high—low—high’ was observed from the southeast to the northwest. The carbon emission intensity of Shandong Province also showed a downward trend year by year, but there were differences in the distribution pattern between carbon emission intensity and amount of the planting industry. Therefore, the influencing factors of the above situation were analyzed, and it was concluded that the level of agricultural development, rural per capita income and agricultural structure had significant inhibitory effects on the carbon emission structure of the planting industry, and the regional industrial structure adjustment also showed a certain degree of inhibition, while the level of agricultural mechanization and urbanization showed a significant role in promoting carbon emission.

Key words: Shandong Province, planting industry, panel data, agricultural carbon emission, low carbon agriculture

宋宏恩, 姜常宜, 李树超, 孙兆明. 山东省种植业碳排放度量分析[J]. 中国农学通报, 2023, 39(8): 43-50.

SONG Hongen, JIANG Changyi, LI Shuchao, SUN Zhaoming. Measurement and Analysis of Carbon Emissions of Shandong Planting Industry[J]. Chinese Agricultural Science Bulletin, 2023, 39(8): 43-50.

图/表 6

参考文献 28

[1]	韩金雨, 曲建升, 徐丽, 等. 支农财政对农业碳排放强度的空间效应:基于空间杜宾模型的实证分析[J]. 生态与农村环境学报, 2021, 37(11):1404-1412.
[2]	MCCARL B A, SCHNEIDER U A. US agriculture's role in a greenhouse gas emission mitigation world: An economic perspective[J]. Applied economic perspectives and policy, 2000, 22(1):134-159.
[3]	尚杰, 吉雪强, 石锐, 等. 中国农业碳排放效率空间关联网络结构及驱动因素研究[J]. 中国生态农业学报(中英文), 2022, 30(4):543-557.
[4]	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), 2022, 16(1):78-90.
[5]	LAL R. Carbon emission from farm operations[J]. Environment international, 2004, 30(7):981-990. pmid: 15196846
[6]	WEST T O, MARLAND G. A synthesis of carbon sequestration, carbon emissions, and net carbon flux in agriculture: comparing tillage practices in the United States[J]. Agriculture, ecosystems & environment, 2002, 91(1-3):217-232. doi: 10.1016/S0167-8809(01)00233-X URL
[7]	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·资源与环境, 2011, 21(8):80-86.
[8]	田云, 张俊飚. 中国农业生产净碳效应分异研究[J]. 自然资源学报, 2013, 28(8):1298-1309.
[9]	梁青青. 我国农业碳排放的空间差异实证研究—基于1996—2015年省际面板数据[J]. 农林经济管理学报, 2018, 17(2):159-168.
[10]	杨骞, 刘华军. 绩效评估视角下我国CO₂排放的地区差异及随机收敛[J]. 经济与管理评论, 2014, 30(1):140-148.
[11]	孙耀华, 仲伟周, 庆东瑞. 基于Theil指数的中国省际间碳排放强度差异分析[J]. 财贸研究, 2012, 23(3):1-7.
[12]	张俊飚, 程琳琳, 何可. 中国农业低碳经济效率的时空差异及影响因素研究——基于“碳投入”视角[J]. 环境经济研究, 2017, 2(2):36-51.
[13]	吴贤荣, 张俊飚, 张艳, 等. 农户低碳行为对其生产绩效的影响——基于湖北省的农户调查数据[J]. 生态经济, 2020, 36(9):107-115,128.
[14]	陈舜, 逯非, 王效科. 中国氮磷钾肥制造温室气体排放系数的估算[J]. 生态学报, 2015, 35(19):6371-6383.
[15]	刘巽浩, 徐文修, 李增嘉, 等. 农田生态系统碳足迹法:误区、改进与应用——兼析中国集约农作碳效率(续)[J]. 中国农业资源与区划, 2014, 35(1):1-7.
[16]	CHENG K, PAN G, SMITH P, et al. Carbon footprint of China's crop production——An estimation using agro-statistics data over 1993-2007[J]. Agriculture, ecosystems & environment, 2011, 142(3-4):231-237. doi: 10.1016/j.agee.2011.05.012 URL
[17]	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(12):2035-2039.
[18]	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, 35(7):18-26,110.
[19]	张明志. 经济增长与产业结构变动的碳排放效应研究[D]. 济南: 山东大学, 2017.
[20]	李娟. 山东省种植业结构调整存在的问题及对策研究[J]. 农村经济与科技, 2019, 30(17):193-195.
[21]	吕明元, 尤萌萌. 韩国产业结构变迁对经济增长方式转型的影响——基于能耗碳排放的实证分析[J]. 世界经济研究, 2013(7):73-80,89.
[22]	郑阳阳, 罗建利. 农业生产效率的碳排放效应:空间溢出与门槛特征[J]. 北京航空航天大学学报(社会科学版), 2021, 34(1):96-105.
[23]	ARAPAtSAKOS C I. Tractor engine and gas emissions[J]. WSEA Trans environ, 2008(4):897-906.
[24]	MOHANAD I, FATHI S. Agricultural technologies and carbon emissions: evidence from Jordanian economy[J]. Environmental science and pollution research, 2018(25):10867-10877.
[25]	POUMANYVONG P, KANEKO S. Does Urbanization Lead to Less Energy Use and Lower CO₂ Emissions? A Cross-country Analysis[J]. Ecological economics, 2010, 70:434-444. doi: 10.1016/j.ecolecon.2010.09.029 URL
[26]	刘华军. 城市化对二氧化碳排放的影响——来自中国时间序列和省际面板数据的经验证据[J]. 上海经济研究, 2012, 2405:24-35.
[27]	张永强, 田媛, 王珧, 等. 农村人力资本、农业技术进步与农业碳排放[J]. 科技管理研究, 2019, 39(14):266-274.
[28]	潘世磊, 丁黄艳. 粮食安全和农民增收视角下种植业结构调整影响因素研究——基于2001—2013年粮食主产区面板数据的实证[J]. 广东农业科学, 2016, 43(2):171-176.

变量名称	变量含义	均值	标准差	最小值	最大值	样本数
种植业碳排放强度	种植业碳排放/农业生产总值(万t/万元)	0.255	0.102	0.094	0.744	192
农业发展水平	农林牧渔总收入/农村总人口(万元/万人)，取对数	9.032	0.328	8.167	9.856	192
农村人均收入	农村人均可支配收入(元)，取对数	9.538	0.447	8.527	11.16	192
农业结构	农业总产值/农林牧渔总产值(%)	0.533	0.122	0.171	0.730	192
产业结构	第一产业产值/三产总产值(%)	0.083	0.032	0.029	0.214	192
农业机械化水平	农机总动力/农村总人口(kW/万人)，取对数	10.132	0.375	9.196	10.975	192
城镇化水平	城镇人口/总人口(%)	0.527	0.127	0.219	0.763	192

变量名称	变量含义	均值	标准差	最小值	最大值	样本数
种植业碳排放强度	种植业碳排放/农业生产总值(万t/万元)	0.255	0.102	0.094	0.744	192
农业发展水平	农林牧渔总收入/农村总人口(万元/万人)，取对数	9.032	0.328	8.167	9.856	192
农村人均收入	农村人均可支配收入(元)，取对数	9.538	0.447	8.527	11.16	192
农业结构	农业总产值/农林牧渔总产值(%)	0.533	0.122	0.171	0.730	192
产业结构	第一产业产值/三产总产值(%)	0.083	0.032	0.029	0.214	192
农业机械化水平	农机总动力/农村总人口(kW/万人)，取对数	10.132	0.375	9.196	10.975	192
城镇化水平	城镇人口/总人口(%)	0.527	0.127	0.219	0.763	192

	种植业碳排放强度	农业发展水平	农村人均收入	农业结构	产业结构	农业机械化水平	城镇化水平	VIF
种植业碳排放强度	1
农业发展水平	0.0170^**(0.8152)	1						3.73
农村人均收入	-0.463^***(0.0000)	0.416^***(0.0000)	1					3.45
农业结构	-0.480^***(0.0000)	-0.680^***(0.0000)	-0.205**(0.0107)	1				2.64
产业结构	0.233 (0.0011)	-0.022^***	-0.465***	0.250^***	1			2.59
农业机械化水平	0.177^** (0.0139)	0.745^***(0.0000)	0.414^***(0.0000)	-0.564^***(0.0000)	-0.002 (0.5497)	1		2.70
城镇化水平	-0.458^***(0.0000)	0.404^***(0.0000)	0.823^*** (0.0000)	-0.307^***(0.0000)	-0.628^***(0.0000)	0.406^***(0.0000)	1	4.57

	种植业碳排放强度	农业发展水平	农村人均收入	农业结构	产业结构	农业机械化水平	城镇化水平	VIF
种植业碳排放强度	1
农业发展水平	0.0170^**(0.8152)	1						3.73
农村人均收入	-0.463^***(0.0000)	0.416^***(0.0000)	1					3.45
农业结构	-0.480^***(0.0000)	-0.680^***(0.0000)	-0.205**(0.0107)	1				2.64
产业结构	0.233 (0.0011)	-0.022^***	-0.465***	0.250^***	1			2.59
农业机械化水平	0.177^** (0.0139)	0.745^***(0.0000)	0.414^***(0.0000)	-0.564^***(0.0000)	-0.002 (0.5497)	1		2.70
城镇化水平	-0.458^***(0.0000)	0.404^***(0.0000)	0.823^*** (0.0000)	-0.307^***(0.0000)	-0.628^***(0.0000)	0.406^***(0.0000)	1	4.57

变量名称	估计系数	标准误	P值
农业发展水平	-0.276	0.026	0.000
农村人均收入	-0.019	0.009	0.042
农业结构	-0.443	0.060	0.000
产业结构	-0.0143	0.176	0.935
农业机械化水平	0.0766	0.017	0.000
城镇化水平	-0.196	0.045	0.000
_cons	2.491	0.236	0.000
LM检验	343.83_***
Hausman检验	38.62*
Number of obs	192

山东省种植业碳排放度量分析

Measurement and Analysis of Carbon Emissions of Shandong Planting Industry

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 28

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

[1]	齐康康, 赵佳, 王利民, 樊阳阳, 侯学会, 阮怀军. 山东省智能农机装备重大关键技术创新战略研究[J]. 中国农学通报, 2023, 39(5): 1-5.
[2]	程鸿雁, 张兰英, 王凤, 杜振宇. 山东省赤松人工林土壤理化特性与综合肥力[J]. 中国农学通报, 2022, 38(23): 70-76.
[3]	梁燕, 韩传明, 周继磊, 孙超, 王翠香, 李春明, 王静, 闵旭峰, 公庆党, 孟晓烨, 杨绪强. 山东核桃良种SSR指纹图谱及分子身份证的构建——基于毛细管电泳分析[J]. 中国农学通报, 2022, 38(15): 113-121.
[4]	解林晓, 段艺芳, 肖超菲, 李金龙. 山东省土地利用生态-社会-经济系统耦合协调度时空演变及障碍因子分析[J]. 中国农学通报, 2022, 38(12): 61-68.
[5]	李陈, 郭龙, 马中文, 武升, 吴支行, 马友华. 芜湖市化肥减量增效与农田氮磷流失控制技术研究[J]. 中国农学通报, 2022, 38(1): 100-105.
[6]	李润芳,张晓冬,王栋,王存娥,刘世华,路凌云,丁汉凤,李娜娜. 山东省近60年来主推小麦品种主要农艺性状演变规律[J]. 中国农学通报, 2019, 35(7): 20-27.
[7]	熊鹰,郭耀辉,杜兴端,李晓. 我国水稻种植户风险偏好：理论模型与定量测算[J]. 中国农学通报, 2018, 34(8): 138-143.
[8]	杨雪晴. 云南省干旱灾害对当地农产品价格变化影响的实证研究 ——基于16 个地州的面板数据[J]. 中国农学通报, 2018, 34(24): 95-100.
[9]	刘治国,张红,李炜,阎寒冰. 山西省农业碳排放总量及时空特征研究[J]. 中国农学通报, 2017, 33(8): 124-129.
[10]	成兆金. 土壤水分自动观测站资料评估方法[J]. 中国农学通报, 2017, 33(35): 113-118.
[11]	庞荣丽,王瑞萍,郭琳琳,李君,方金豹,谢汉忠. 我国种植业无公害农产品产地环境标准发展历程及特征分析[J]. 中国农学通报, 2017, 33(33): 142-147.
[12]	王惠明,陈燕,徐小林,张鸿燕,周利军,刘宇新,柳开楼. 江西省不同流域种植业中面源污染现状分析[J]. 中国农学通报, 2017, 33(30): 74-78.
[13]	韩荣青,包维虎,赵明华,李娇娇,傅双. 1961—2012年山东省气温变化及对农业热量条件影响[J]. 中国农学通报, 2017, 33(16): 112-122.
[14]	刘岑薇,王成己,黄毅斌. 中国农业清洁生产的发展现状及对策分析[J]. 中国农学通报, 2016, 32(32): 200-204.
[15]	刘晓敏,石喆. 山东省粮食产量影响因素分析及增产对策研究[J]. 中国农学通报, 2016, 32(12): 171-174.