Stage characteristics, spatial differences and dynamic evolution of crop carbon sink in Hubei Province based on the crop data from 1997 to 2022
-
摘要:
湖北省是我国农业大省，科学测算湖北省农作物碳汇，摸清本底，对碳汇交易和农业低碳发展具有重要意义。对湖北省1997—2022年的农作物碳汇量进行测算，运用Dagum基尼系数、Kernel密度估计和Markov链，探讨湖北省农作物碳汇量的地区差异和动态演进特征。结果表明：1997—2022年，湖北省农作物碳汇量呈现“W”形波动上升的态势，平均值为12 085.30万t，其中粮食作物为湖北省农作物碳汇的主要贡献来源。“双碳”背景下对湖北省的三大地区及各市（州、林区）展开分析，发现1997—2022年鄂东地区农作物碳汇量位于湖北省三大地区的第一位。Dagum基尼系数分析显示湖北省农作物碳汇存在一定的地区差异，其差异主要来自于超变密度，平均贡献率为53.58%，湖北省农作物碳汇总量具有较强的稳定性，具有一定的俱乐部趋同特征。最后提出相关对策建议，如开发农作物碳汇核算方法学和标准，制定差异化的农业碳汇增汇政策，探索农业碳汇交易机制及价值实现。
Abstract:Hubei Province is a major agricultural province in China. The scientific measurement of the carbon sink of crops in Hubei Province, which clarifies the baseline, is of significant importance for carbon sink trading and the development of low-carbon agriculture. The study measured the carbon sink of crops in Hubei Province from 1997 to 2022, employing the Dagum Gini coefficient, Kernel density estimation, and Markov chains, to explore the regional differences and dynamic evolution characteristics of the crop carbon sink in Hubei Province. The results indicated that from 1997 to 2022, the crop carbon sink in Hubei Province exhibited a fluctuating upward trend, presenting a "W" shaped distribution with an average value of 120.853 million tons, with grain crops being the primary contributor to the crop carbon sink. Under the "dual carbon" context, an analysis of three major regions and cities (prefectures) in Hubei Province revealed that from 1997 to 2022, the eastern region of Hubei Province ranked first among the three major regions in terms of crop carbon sink. The Dagum Gini coefficient analysis showed certain regional differences in the crop carbon sink in Hubei Province, mainly coming from ultra-variable density, with an average contribution rate of 53.58%. The total crop carbon sink in Hubei Province exhibited strong stability and demonstrated certain characteristics of club convergence. Finally, this paper proposed the development of methodologies and standards for crop carbon sink accounting, the formulation of differentiated policies for increasing agricultural carbon sink, and suggestions for exploring countermeasures for carbon sink trading.
-
Keywords:
- crops /
- carbon sink /
- Dagum Gini coefficient /
- Kernel density /
- Markov chain /
- Hubei Province
-
党的二十大报告提出，要加快建设农业强国，扎实推动乡村产业、人才、文化、生态、组织振兴。中国是农业生产大国，随着我国农业经济的持续发展，所带来的生态环境问题日益突出[1-2]。目前，农业温室气体排放量约占我国温室气体排放总量的17%[3]。随着“双碳”目标持续深入推进，推动农业领域碳减排研究迫在眉睫。农业既是碳源，也是碳汇。科学测算我国农作物碳汇，是准确分析我国农业净碳排放的基础[4]。因此，对我国农作物碳汇进行研究是一个具有重要意义的命题。
农田生态系统具有较强的固碳能力[5]。据研究，我国农作物碳汇总量整体处于上升趋势，结构上较为稳定，其中稻谷、小麦和玉米碳汇量占比达80%[6]。近年来，国内外学者基于不同研究区域[7-9]及研究方法[10-12]对不同农作物的碳汇问题进行了研究，界定了有关农业碳汇的基本概念，确定了农业碳汇量的计算方法，探索了碳汇价值实现路径。谢高地等[13]从碳汇价值的实现机制角度论述了碳汇效用价值形成的现实基础、碳汇价值的构成与度量方法，认为可以通过碳交易、碳税和固碳项目实际成本3种机制实现碳价格，为碳汇价值的实现提供了理论基础。朱燕茹等[14]围绕现有农田生态系统的管理措施、研究区域、农田种植结构等方面，总结分析了农田生态系统中碳源碳汇的主要影响因素。结合村庄碳排放特征，祁巍锋等[15]使用IPCC的碳排放计算方法，对工业型村庄进行碳源碳汇的计算，发现影响工业型村庄碳排放的主要因素为用地结构、产业结构、生活能耗、外来人口、出行方式与工业运输。Goglio等[16]基于田间试验的测算数据，比较了在估算作物种植产生碳排放量过程中，EPCC方法和DNDC模型的有效性。学界在对农作物碳汇展开测算的时候，多是从碳吸收率和经济系数入手[17-20]，这为本文进行湖北省农作物碳汇测算提供了理论借鉴，但却忽略了含水率对农作物碳汇产生的影响。含水率会影响农作物中微生物的活动和有机质的分解速率，进而影响农作物的碳储存。一般来说，含水率越高，农作物有机碳储存量占比就越低。仅从碳吸收率及经济系数2个方面入手，忽略含水率对农作物碳汇的潜在影响，得出的农业碳汇计算结果可能会存在一定的误差。
湖北省是国内重要的农产品生产和供应基地，其粮食产量连续10年稳定在250亿kg以上，对湖北省农作物碳汇展开研究，可以充分发挥湖北省在农业领域的模范作用。因此，为弥补现有关于湖北省农作物碳汇定性研究的不足，应用湖北省1997—2022年的农作物产量数据，从碳吸收率、含水率及经济系数3个方面对湖北省农作物碳汇进行测算，基于Dagum基尼系数、Kernal密度估计及Markov链的分析方法对湖北省农作物碳汇的空间差异及动态演进问题展开研究，探究湖北省农作物碳汇时空演化特点和规律，以期为湖北省农业增汇、扩绿提供有价值的参考。
1. 研究区与研究方法
1.1 研究区域
湖北省（108°21′E~116°07′E，29°51′N~33°06′N）总面积为18.59万km2，地处我国中部地区，区位优势明显，农业资源丰富，是我国著名的粮食产区。湖北省地势大致为东、西、北三面环山，中间低平，略呈向南敞开的不完整盆地。在全省总面积中，山地占56%，丘陵占24%，平原湖区占20%，属长江水系。湖北省地处亚热带，全省除高山地区属高山气候外，大部分地区属亚热带季风气候，夏季高温多雨，冬季温暖湿润，为农作物生长提供了优越的气候条件。湖北省是我国农业大省，是长三角乃至全国重要的绿色农产品生产供应基地，在农业固碳减排方面具有巨大的发展潜力。根据气候、地形、文化、经济等因素，将湖北省划分为三大地理区域，即鄂西、鄂东及鄂中3个地区，其中鄂西地区包括襄阳、十堰、宜昌、恩施及神农架5个市（州、林区），鄂东地区包括随州、孝感、武汉、黄冈、黄石、鄂州及咸宁7个市，鄂中地区包括荆州、荆门、天门、仙桃及潜江5个市。
鄂西地区以山地、丘陵为主，地形条件相对复杂，整个地区的平均海拔约为1 000 m。鄂东地区呈现出北高南低的地势，从北到南呈现出山地、丘陵及平原分布，其中山地地区海拔在1 000 m左右，丘陵地区海拔大多在300 m以下，平原地区海拔在10~30 m。鄂中地区大多位于江汉平原地区，地势平坦，土地肥沃，是湖北省乃至全国的重要粮食产区，海拔在10~30 m。上述三大地区大部分都处于亚热带季风气候区，温暖湿润的气候条件有利于农作物的生长和发育。在固碳减排方面，鄂西地区聚焦于生态保护和可持续发展，通过推广有机农业、生态农业等低碳生产方式，减少化肥农药的使用量，提高农产品品质，增加土壤有机质，减少碳排放。鄂东地区聚焦于不同地形条件下的低碳发展，通过推广节能农机具、优化施肥方式、开展秸秆还田等措施，努力降低农业生产过程中的碳排放。鄂中地区依托其平坦的地形和丰富的水资源优势，大力发展节水灌溉、精准施肥等低碳农业技术，有效降低了农业生产对环境的负面影响。
1.2 数据来源
农作物数据来自湖北省统计局（https://tjj.hubei.gov.cn/），共收集了湖北省17个市（州、林区）1997—2022年的水稻、小麦、玉米、薯类及大豆5类粮食作物产量数据和棉花、油菜、花生、芝麻、麻类、糖料及烟草7类经济作物产量数据。其中，相关核算方法参考文献[21]，碳吸收率参数的取值参考伍国勇等[22]研究，经济系数和平均含水率的取值参考《省级温室气体清单编制指南（试行）》[23]。
1.3 分析方法
1.3.1 估算方法
科学测量农作物碳汇有利于推动农业低碳发展[24]。农作物碳汇指农作物通过光合作用吸收CO2，生成有机物，在农作物体内进行储存[25]。本研究从粮食作物和经济作物两方面入手，利用其碳吸收率、含水率及经济系数3个方面，测算农作物在其整个生长周期对碳的吸收量，计算公式如下：
$$ {C_{\mathrm{T}}} = \sum\limits_{b=1}^{{\mathrm{bt}}} {C_b} = \sum\limits_{b=1}^{{\mathrm{bt}}} {\frac{{{B_b}{Y_b}(1 - {w_b})}}{{{L_b}}}} \times \frac{44}{12} $$ (1) 式中：bt为农作物总数；$ C\mathit{\mathit{_{\mathit{\mathit{\mathrm{T}}}}}} $为湖北省农作物碳汇总量，万t；$ {C_b} $为第$ b $类农作物的碳汇量，万t；$ {B_b} $为第b类农作物的碳吸收率；$ {Y_b} $为第b类农作物的产量，万t；$ {w_b} $为第b类农作物的含水率；$ {L_b} $为第b类农作物的经济系数，为该农作物的经济产量与生物产量的比值；44/12为碳当量转化成CO2的转换系数。具体指标取值如表1所示。
表 1 湖北省主要农作物碳吸收率、含水率及经济系数Table 1. Carbon absorption rate, moisture content and economic coefficient of main crops in Hubei Province1.3.2 Dagum基尼系数
相较于传统的基尼系数和泰尔指数而言，Dagum基尼系数充分评估了子样本的分布，不仅可以处理样本数据之间的交叉重叠问题，而且能够刻画湖北省农作物碳汇的地区差异，并能分解总体地区差异的来源，克服了传统基尼系数和泰尔指数的局限性[30-32]。
Dagum基尼系数引出超变密度的概念，即因组间重叠引致的这部分基尼系数被称为组间超变密度，如果各分组之间均不存在任何交叉重叠，则其取值为0[33]。因此，本文采取Dagum基尼系数，测算出地区内差异、地区间净差异以及地区间超变密度，以此来衡量湖北省农作物碳汇的地区差异，进而推断湖北省三大地区农作物碳汇的差异来源。Dagum基尼系数的具体计算步骤如下。
第一步：计算出湖北省各地区的整体基尼系数（$ G $）。
$$ G = \frac{{\displaystyle\sum\limits_{j = 1}^k {\displaystyle\sum\limits_{h = 1}^k {\displaystyle\sum\limits_{i = 1}^{{Q_j}} {\displaystyle\sum\limits_{r = 1}^{{Q_h}} {\left| {{T_{ji}} - {T_{hr}}} \right|} } } } }}{{2{Q^2}\overline T }} $$ (2) 式中：$ j $、$ h $分别为不同地区；$ i $、$ r $分别为不同市（州、林区）；$ Q $为市（州、林区）总数；$ k $为一省划分的区域总数；$ \overline T $为湖北省农作物碳汇平均值，万t；$ {Q_j} $、$ {Q_h} $分别为$ j $、$ h $地区内部的市（州、林区）总数。
第二步：计算出地区的基尼系数（$ {G_{jj}} $）和地区与地区之间的基尼系数（$ {G_{jh}} $）。
$$ {G_{jj}} = \frac{{\displaystyle\sum\limits_{i = 1}^{{Q_j}} {\displaystyle\sum\limits_{r = 1}^{{Q_j}} {\left| {{T_{ji}} - {T_{hr}}} \right|} } }}{{2{Q_j}\overline {{T_j}} }} $$ (3) $$ {G_{jh}} = \sum\limits_{i = 1}^{{Q_j}} {\sum\limits_{r = 1}^{{Q_h}} {\frac{{\left| {{T_{ji}} - {T_{hr}}} \right|}}{{{Q_j}{Q_h}(\overline {{T_j}} + \overline {{T_h}} )}}} } $$ (4) 式中：$ {\overline T _j} $为$ j $市（州、林区）农作物碳汇平均值，万t；$ {\overline T _h} $为$ h $市（州、林区）农作物碳汇平均值，万t。
第三步：按照子群分解的方法，计算出区域内差距（$ G\mathrm{_w} $）、区域间净差距（$ G\mathrm{_{nb}} $）及地区间超变密度（$ G_{\mathrm{t}} $）。
$$ {G_{\mathrm{w}}} = \sum\limits_{j = 1}^k {{G_{jj}}} {U_j}{V_j} $$ (5) $$ G_{\mathrm{n}\mathrm{b}}\text{ = }\sum\limits_{j=2}^k\sum\limits_{h=1}^{j-1}G_{jh}(U_jV_h+U_hV_j)D_{jh} $$ (6) $$ G_{\mathrm{t}}\text{ = }\sum\limits_{j=2}^k\sum\limits_{h=1}^{j-1}G_{jh}(U_jV_h+U_hV_j)(1-D_{jh}) $$ (7) 式中：$ {U_j}{\text{ = }}{{{Q_j}} \mathord{\left/ {\vphantom {{{Q_j}} Q}} \right. } Q} $，$ {V_j} = {{{Q_j}\overline {{T_j}} } \mathord{\left/ {\vphantom {{{Q_j}\overline {{T_j}} } Q}} \right. } Q}T $；$ {D_{jh}} $为$ j $地区与$ h $地区之间农作物碳汇的相互影响。其计算公式如下：
$$ d_{jh}\text{ = }\int_0^{\infty}\mathrm{d}F_j(y)\int_0^y(y-x)\mathrm{d}F_h(x) $$ (8) $$ U_{jh}\text{ = }\int_0^{\infty}\mathrm{d}F_h(y)\int_0^y(y-x)\mathrm{d}F_j(x) $$ (9) $$ {D_{jh}}{\text{ = }}\frac{{{d_{jh}} - {U_{jh}}}}{{{d_{jh}} + {U_{jh}}}} $$ (10) 式中：$ {d_{jh}} $为$ j $地区与$ h $地区之间农作物碳汇的差值，万t；$ {F_j} $、$ {F_h} $为$ j $地区、$ h $地区农作物碳汇的累计分布函数。
1.3.3 Kernel密度估计
Kernel密度估计作为一种非参数方法，可以客观展现出不同年份各地区之间的变量分布规律。该方法用连续密度曲线刻画随机变量的分布态势，从而反映变量分布的位置、形态等信息[34]。为了更好地体现湖北省整体与三大区域之间的分布动态及演变的系列规律，本次研究使用高斯核密度估计，计算方法如下：
$$ f(x)=\frac{1}{Nz}\sum\limits_{i=1}^NK\left(\frac{x_i-\overline{x}}{z}\right) $$ (11) $$ K(x) = \frac{1}{{\sqrt {2\pi } }}\exp \left( { - \frac{{{x^2}}}{2}} \right) $$ (12) 式中：$ f\left( x \right) $为随机变量$ x $的密度函数；$ N $为观测值的个数；xi为独立同分布的观测值；$ \overline x $为观测值平均值；$ z $为带宽；$ K\left( x \right) $为高斯核密度函数。
1.3.4 Markov链分析方法
Markov链分析方法是一种时间和状态均为离散的特殊随机过程，通过将数据离散化为n种类型，并且计算相应类型随时间的变化以及概率分布，以逼近事物演变的整个过程[35]。本文通过构造马尔可夫矩阵，以此来描述湖北省农作物碳汇分布的动态演进特征。具体的计算方法如下：
$$ \begin{split} {\boldsymbol{P}} & ={\boldsymbol{P}}\left\{ {{X_{t + 1}} = b\left| {{X_t} = a,{X_{t - 1}} = {a_{t - 1}},{X_{t - 2}} = {a_{t - 2}}, \cdots ,{X_0} = {a_0}} \right.} \right\}\\ & = {\boldsymbol{P}}\left\{ {{X_{t + 1}} = b\left| {{X_t} = a} \right.} \right\} \\[-1pt] \end{split} $$ (13) 式中：序列$ \left\{ {{X_t}} \right\} $为Markov链；$ {X_t} $在t+1期的状态仅与第t期的状态相关。
本文利用马尔可夫矩阵，将湖北省的农作物碳汇分为n个阶段，通过该模型，探索将其从t时期过渡到t+1时期的概率（Pab）。计算公式如下：
$$ {{\boldsymbol{P}}_{ab}} = \frac{{{n_{ij}}}}{{{n_i}}} $$ (14) 式中：ni为t时期处于a状态的省份总数，$ {n_{ij}} $为t时期处于a状态过渡到（t+1）时期的b状态；Pab为马尔可夫$ n \times n $维矩阵。矩阵的对角线元素表示农作物碳汇稳定在当前状态的概率，概率数值越大，表示农作物碳汇的流动性越差；矩阵的非对角线元素表示农作物碳汇状态转移的概率，概率数值越大，表示农作物碳汇的稳定性越差。
2. 结果与分析
2.1 湖北省农作物碳汇的时空格局
2.1.1 湖北省农作物碳汇基本评价结果
本文的研究结果与刘巽浩等[36]的研究结果相一致，即农田生态系统表现为较强的碳汇功能。由图1可知，从整体来看，湖北省农作物碳汇变化具有一定的波动性，其趋势符合“W”形变化。从测算结果来看，湖北省农作物碳汇量先由1997年的12 003.03万t降至2003年的9 348.37万t，然后开始呈现增长态势，至2012年达到13 703.9万t，之后又呈现下降态势，降至2016年的12 287.2万t，最后呈现上升态势，至2022年达到13 029.85万t。在样本观测期内，湖北省农作物碳汇量平均值为12 085.30万t，总体升幅较小，这一结果与谢婷等[37]的部分结果保持一致。从不同作物种类来看，湖北省农作物碳汇主要来源于粮食作物，其平均占比为65.24%。这可能是因为湖北省属于我国粮食生产功能区，重视粮食作物生产，粮食作物碳汇量占据较高比重。
![]()
图 1 1997—2022年湖北省农作物碳汇量变化Figure 1. Carbon sink changes of crops in Hubei Province from 1997 to 2022根据图2可以看出1997—2022年湖北省粮食作物和经济作物的碳汇来源的具体分布情况。在粮食作物中，水稻的碳汇量大幅领先其他4类粮食作物，小麦的碳汇量居于次席，而薯类的碳汇量处于5类粮食作物中的最低水平；在经济作物中，油菜的碳汇量大幅领先其他的经济作物，2014年前，棉花的碳汇量居于次席，之后花生的碳汇量反超棉花，麻类、糖料及烟叶的碳汇总量变化较为平稳。这与湖北省的气候条件和农业生产资源禀赋是相一致的。湖北省位于亚热带季风气候区，气候适宜，利于水稻、油菜等农作物生长，种植面积较为广阔，产量相对较大。
![]()
图 2 1997—2022年湖北省粮食作物和经济作物碳汇分布Figure 2. Carbon sink distributions of grain and cash crops in Hubei Province from 1997 to 2022根据图3可以看出，1997—2022年湖北省三大地区的农作物碳汇量时序变化趋势。三大地区的整体变化趋势与湖北省整体的变化趋势相同，呈现较为平缓的波动态势。除了2017年外，鄂东地区农作物碳汇量排湖北省三大地区的第一位。鄂东地区气候以亚热带季风为主，适合种植水稻、茶叶等农作物，农业耕地面积居于三大地区的首位，因而农业发展基础雄厚，农作物碳汇量相对较高。鄂中地区大部分位于湖北省江汉平原地区，尽管该地区农业耕地面积居于三大地区的最后一位，但由于土地较为平坦，适宜于大型机械化耕作，是全国知名的粮食主产区，其农作物碳汇居于湖北省三大地区第二位。鄂西地区主要以山地、丘陵为主，虽然人均耕地面积相对较高，但总体耕地资源有限，不适合大规模机械化农田耕作活动，并且受地理条件限制，鄂西地区的农村人口外出务工相对较多，这限制了该地区的农业生产规模，从而导致该地区农作物碳汇量排三大地区的最后一位。
![]()
图 3 1997—2022年湖北省三大地区农作物碳汇变化趋势Figure 3. Trends in crop carbon sink changes in three major regions of Hubei Province from 1997 to 20222.1.2 湖北省农作物碳汇的地区差异
湖北省农作物碳汇基尼系数测算结果如表2所示。可以看出，湖北省农作物碳汇基尼系数整体呈现波动上升的趋势。在样本观测期内，湖北省农作物碳汇基尼系数平均值为0.411 5，表明湖北省农作物碳汇存在一定的地区性差异。另外，从表中的数据可以看出，地区间超变密度对湖北省农作物碳汇地区差异的平均贡献率为53.578%，是影响湖北省农作物碳汇地区差异的主要部分。组间超变密度反映的是各分样本之间的交叉重叠部分对于总体差异的贡献，表明湖北省三大地区间的交叉重叠影响较为突出。
表 2 1997—2022年湖北省农作物碳汇的地区差异Table 2. Regional differences in crop carbon sink in Hubei Province from 1997 to 2022年份 总体 地区内差异 地区间净差异 地区间超变密度 贡献率/% 地区内差异 地区间差异 地区间超变密度 1997 0.406 3 0.130 0 0.049 4 0.227 0 31.986 12.154 55.860 1998 0.408 4 0.129 1 0.048 4 0.230 9 31.605 11.840 56.555 1999 0.412 1 0.132 9 0.047 5 0.231 7 32.243 11.529 56.228 2000 0.395 6 0.125 1 0.053 5 0.216 9 31.635 13.536 54.829 2001 0.404 6 0.127 0 0.064 6 0.213 0 31.390 15.961 52.649 2002 0.406 6 0.129 9 0.037 7 0.239 0 31.942 9.280 58.778 2003 0.403 7 0.128 8 0.053 3 0.221 6 31.904 13.196 54.900 2004 0.407 9 0.130 1 0.055 4 0.222 4 31.887 13.576 54.537 2005 0.404 0 0.129 4 0.053 5 0.221 1 32.025 13.245 54.730 2006 0.400 2 0.127 8 0.049 0 0.223 3 31.946 12.241 55.813 2007 0.409 1 0.130 2 0.055 2 0.223 7 31.815 13.495 54.689 2008 0.407 5 0.129 7 0.052 5 0.225 2 31.844 12.894 55.262 2009 0.406 5 0.129 2 0.055 1 0.222 2 31.786 13.558 54.656 2010 0.407 7 0.129 2 0.057 9 0.220 7 31.687 14.194 54.120 2011 0.404 5 0.127 8 0.064 1 0.212 6 31.584 15.857 52.559 2012 0.406 2 0.128 5 0.062 2 0.215 5 31.624 15.310 53.066 2013 0.410 1 0.129 9 0.071 0 0.209 3 31.681 17.299 51.020 2014 0.411 3 0.130 0 0.070 5 0.210 8 31.612 17.145 51.243 2015 0.410 6 0.129 9 0.069 5 0.211 2 31.629 16.931 51.440 2016 0.421 5 0.132 4 0.062 9 0.226 2 31.414 14.923 53.664 2017 0.423 1 0.131 9 0.079 0 0.212 2 31.183 18.667 50.151 2018 0.423 1 0.132 9 0.072 6 0.217 6 31.407 17.156 51.438 2019 0.425 0 0.133 1 0.076 6 0.215 4 31.316 18.016 50.668 2020 0.428 2 0.134 4 0.072 6 0.221 1 31.389 16.967 51.644 2021 0.427 6 0.134 4 0.074 5 0.218 7 31.438 17.421 51.141 2022 0.428 3 0.135 0 0.073 1 0.220 2 31.515 17.077 51.408 平均值 0.411 5 0.130 3 0.060 8 0.220 4 31.672 14.749 53.579 湖北省农作物碳汇的地区内差异、地区间差异的子群分布如图4所示。在农作物碳汇的地区内差异方面，由于鄂中地区多位于平原地区，且多为湖北省粮食重要产区，鄂中地区农业碳汇量的地区内差异相对较小；而鄂西地区主要位于山地、丘陵地区，地势起伏较大，导致鄂西地区农业碳汇量的地区内差异相对较大。在农作物碳汇的地区间差异方面，鄂东-鄂西、鄂西-鄂中地区间的差距大于鄂东-鄂中地区间的差距，由于鄂西地区农作物碳汇量较鄂东、鄂中2个地区小，且近年来，湖北省整体农作物碳汇量有所提升，但因为地区间存在农作物碳汇发展的不平衡性，使得地区间的差异呈现增大态势，因此导致鄂西地区与另2个地区之间存在明显差异。
![]()
图 4 湖北省农作物碳汇的地区内差异、地区间差异子群分布Figure 4. Distribution of sub groups of intra regional and inter regional differences in crop carbon sinks in Hubei Province本文根据湖北省农作物碳汇的测算结果，利用下四分位数（268.619 3万t）、中位数（445.112 4万t）及上四分位数（881.063 8万t）将湖北省农作物碳汇水平划分为4个水平，分别为低水平(0，268.619 3]、中低水平（268.619 3，445.112 4]、中高水平(445.112 4，881.063 8]及高水平(881.063 8，2 633.841 2]。这样可以从宏观角度描绘出1997—2022年湖北省农作物碳汇的分布水平，更加直观地体现出整体变化趋势。由图5可以看出，2002年湖北省农作物碳汇量有58.82%的地区在低水平、中低水平，高水平地区占比仅为17.64%，而到了2022年有58.82%的地区处于中高及高水平。这说明随着时间推移，湖北省农作物碳汇量中高水平、高水平地区数量逐渐增加。
![]()
图 5 1997—2022年湖北省农作物碳汇的时空分布格局注：地图底图为GS（2019）1822号。Figure 5. Spatial and temporal distribution pattern of crop carbon sinks in Hubei Province from 1997 to 20222.2 湖北省农作物碳汇的动态演进
2.2.1 湖北省农作物碳汇的演进规律
对湖北省整体农作物碳汇进行Kernal核密度分析，如图6所示。波峰呈现出大峰小峰的多峰化分布态势，其中大峰多集中于农作物碳汇较低的位置，小峰多集中于农作物碳汇较高的位置，这表明湖北省农作物碳汇分布不平衡，存在两级分化的现象。主峰整体呈现向右的移动趋势，表明湖北省农作物碳汇整体稳步提升；主峰峰值呈现出“U”型阶段型波动下降的态势，表明湖北省农作物碳汇空间差距呈现缩小—变大的态势，与2.1.2节Dagum基尼系数得出结果相符。除此之外，还存在右拖尾现象，表明分布延展性在一定程度存在拓宽趋势，意味着湖北省农作物碳汇量的空间差距在逐步扩大。
![]()
图 6 1997—2022年湖北省农作物碳汇的分布动态Figure 6. Distribution dynamics of crop carbon sinks in Hubei Province from 1997 to 2022由图7可知，1997—2022年，鄂东地区农作物碳汇波峰呈现出右移的态势，表明鄂东地区农作物碳汇呈增长状态，与2.1.1节湖北省农作物碳汇的基本评价结果一致，该地区为多峰分布，具有一定的两极化特点。鄂中地区的波峰呈现先向右后向左的移动状态，表明鄂中地区农作物碳汇先增后减。随着时间推移，该地区峰值呈现上升态势，表明该地区聚集水平提高，大多数农作物碳汇逐渐趋向于同一水平。该地区有多峰分布，且右拖尾变长，表明鄂中地区农作物碳汇量存在一定的不平衡发展现象，碳汇较低的地区与较高地区的差值越拉越大。鄂西地区波峰呈现出先向右后向左移动的态势，且为多峰分布，表明鄂西地区的农作物碳汇先增后降，分布不均匀，存在多个高密度区域。
![]()
图 7 湖北省三大地区农作物碳汇的分布动态Figure 7. Distribution dynamics of crop carbon sinks in the three major regions of Hubei Province2.2.2 湖北省农作物碳汇的长期转移趋势
为进一步探究湖北省农作物碳汇的动态演进，依据测算出来的湖北省农作物碳汇量，进行了Markov转移概率矩阵分析。表3为湖北省农作物碳汇的Markov转移概率矩阵计算结果。从表3可以看出，转移矩阵对角线的值均为最大值，说明湖北省农作物碳汇具有较强的稳定性。湖北省农作物碳汇处于低水平的概率为0.944，其对应向上转移的概率为0.056，处于高水平的概率为0.962，其对应向下转移的概率为0.038，表明湖北省农作物碳汇具有较强的俱乐部趋同特征，即对角线元素具有较强的稳定性，不易向上或者向下转移。
表 3 湖北省农作物碳汇的Markov转移概率矩阵Table 3. Markov transfer probability matrix of crop carbon sink in Hubei Provincet/(t+1) Ⅰ Ⅱ Ⅲ Ⅳ Ⅰ 0.944 0.056 0 0 Ⅱ 0.057 0.896 0.047 0 Ⅲ 0 0.037 0.925 0.037 Ⅳ 0 0 0.038 0.962 此外，湖北省农作物碳汇向上跃迁一个水平难度较大，由低水平过渡至中低水平概率为0.056，由中低水平过渡至中高水平的概率为0.047，由中高水平跃迁至高水平的概率为0.037。湖北省农作物碳汇向下跃迁的难度仍然较大，由中低水平跃迁至低水平概率为0.057，由中高水平跃迁至低水平概率为0，跃迁到中低水平概率为0.037，由高水平跃迁至中低水平、低水平的概率为0，至中高水平概率为0.038。这充分表明湖北省农作物碳汇相对稳定，跨域转移的难度较大，具有极强的稳定性。
3. 结论与建议
3.1 结论
（1）1997—2022年，湖北省农作物碳汇呈“W”形分布，整体变化趋势较为平缓，农作物碳汇的平均值为12 085.30万t，农作物碳汇主要来源于粮食作物，这与湖北省位于粮食生产功能区相符。在粮食作物中，水稻的碳汇量大幅领先其他4类粮食作物；在经济作物中，油菜的碳汇量大幅领先其他的经济作物。
（2）1997—2022年，湖北省农作物碳汇的整体差距呈现波动上升的态势，其整体基尼系数平均值为0.411 5，表明湖北省农作物碳汇仍存在一定的地区差异。其中，地区间超变密度占据影响湖北省农作物碳汇地区差异的主要部分，其平均占比为53.58%，表明湖北省三大地区间的交叉重叠影响较为突出。在子群分布方面，鄂中地区农业碳汇量的地区内差异相对其他2个地区较小；鄂西地区与其他2个地区之间的组间基尼系数大于鄂东和鄂中地区的组间基尼系数，表明鄂西地区与其他地区的差异明显大于其他地区之间的差异。
（3）湖北省农作物碳汇的空间不平衡现象显著，有明显的多极化分布趋势和较强的俱乐部趋同特征。1997—2022年，湖北省农作物碳汇有着一定提高，但是湖北省三大地区的农作物碳汇呈现多峰分布，且大峰多集中于水平较低地区，说明存在多极化分布特征，且地区间差异较大，空间不平衡现象突出。在样本观测期内，湖北省农作物碳汇具有较强的稳定性，其处于低水平的概率为0.944，对应向上转移的概率为0.056，处于高水平的概率为0.962，对应向下转移的概率为0.038，表明湖北省农作物碳汇具有较强的俱乐部趋同特征，即对角线元素具有较强的稳定性，不易向上或者向下转移。
3.2 对策建议
（1）开发农作物碳汇核算方法学和标准。准确核算农作物碳汇量，摸清本底，是彰显农业生产“绿水青山就是金山银山”的重要基础。本文从碳吸收率、含水率及经济系数3个方面对湖北省农作物碳汇进行核算，试图使核算结果更加准确。但碳吸收率、含水率及经济系数取值相对宽泛且固定，没有考虑到湖北省地区特征。因此，结合当地实际，相关部门可以在湖北省内不同农业区域布设碳汇监测站点，准确测算各类农作物碳吸收率、含水率及经济系数，定期评估各类农作物的碳吸收和储存能力。
（2）制定差异化的农业碳汇增汇政策。本文的研究结果显示湖北省农作物碳汇地区差异显著，有明显的多极化分布趋势和较强的俱乐部趋同特征。因此，应结合因地制宜这一发展思路，制定差异化的农业碳汇增汇政策。鄂西地区以山地为主，在山区推广生态林业，鼓励发展林下经济，如种植药材、食用菌等，可以持续提高森林碳汇能力，而鄂中、鄂东地区以平原为主，在平原推广节能灌溉和精准施肥技术，鼓励精准农业实践，从而减少化肥和农药的使用，以此进一步提高农作物的减排增汇能力。
（3）探索农业碳汇交易机制及价值实现。农业碳汇交易是实现“绿水青山”向“金山银山”转化的重要路径。首先，湖北省作为全国七个试点碳市场之一，积极建立健全“碳汇+”交易机制，明确交易各方的权利和义务，规范农业碳汇的市场秩序，以确保碳汇交易的规范、公正和透明。其次，推动数字经济与农业碳汇深度融合，鼓励金融机构参与农业碳汇交易市场，提供融资和风险管理等服务，从而利用生态农业、有机农业打造特色金融产品，利用线上平台展示商品、接受预定、提供优惠，引导农业生产者线下体验、线上购买，形成线上线下良性互动，推动和引导湖北省农业碳汇价值实现。
-
![]()
图 1 1997—2022年湖北省农作物碳汇量变化
Figure 1. Carbon sink changes of crops in Hubei Province from 1997 to 2022
![]()
图 2 1997—2022年湖北省粮食作物和经济作物碳汇分布
Figure 2. Carbon sink distributions of grain and cash crops in Hubei Province from 1997 to 2022
![]()
图 3 1997—2022年湖北省三大地区农作物碳汇变化趋势
Figure 3. Trends in crop carbon sink changes in three major regions of Hubei Province from 1997 to 2022
![]()
图 4 湖北省农作物碳汇的地区内差异、地区间差异子群分布
Figure 4. Distribution of sub groups of intra regional and inter regional differences in crop carbon sinks in Hubei Province
![]()
图 5 1997—2022年湖北省农作物碳汇的时空分布格局
注：地图底图为GS（2019）1822号。
Figure 5. Spatial and temporal distribution pattern of crop carbon sinks in Hubei Province from 1997 to 2022
![]()
图 6 1997—2022年湖北省农作物碳汇的分布动态
Figure 6. Distribution dynamics of crop carbon sinks in Hubei Province from 1997 to 2022
![]()
图 7 湖北省三大地区农作物碳汇的分布动态
Figure 7. Distribution dynamics of crop carbon sinks in the three major regions of Hubei Province
表 1 湖北省主要农作物碳吸收率、含水率及经济系数
Table 1 Carbon absorption rate, moisture content and economic coefficient of main crops in Hubei Province
下载: 导出CSV
表 2 1997—2022年湖北省农作物碳汇的地区差异
Table 2 Regional differences in crop carbon sink in Hubei Province from 1997 to 2022
年份 总体 地区内差异 地区间净差异 地区间超变密度 贡献率/% 地区内差异 地区间差异 地区间超变密度 1997 0.406 3 0.130 0 0.049 4 0.227 0 31.986 12.154 55.860 1998 0.408 4 0.129 1 0.048 4 0.230 9 31.605 11.840 56.555 1999 0.412 1 0.132 9 0.047 5 0.231 7 32.243 11.529 56.228 2000 0.395 6 0.125 1 0.053 5 0.216 9 31.635 13.536 54.829 2001 0.404 6 0.127 0 0.064 6 0.213 0 31.390 15.961 52.649 2002 0.406 6 0.129 9 0.037 7 0.239 0 31.942 9.280 58.778 2003 0.403 7 0.128 8 0.053 3 0.221 6 31.904 13.196 54.900 2004 0.407 9 0.130 1 0.055 4 0.222 4 31.887 13.576 54.537 2005 0.404 0 0.129 4 0.053 5 0.221 1 32.025 13.245 54.730 2006 0.400 2 0.127 8 0.049 0 0.223 3 31.946 12.241 55.813 2007 0.409 1 0.130 2 0.055 2 0.223 7 31.815 13.495 54.689 2008 0.407 5 0.129 7 0.052 5 0.225 2 31.844 12.894 55.262 2009 0.406 5 0.129 2 0.055 1 0.222 2 31.786 13.558 54.656 2010 0.407 7 0.129 2 0.057 9 0.220 7 31.687 14.194 54.120 2011 0.404 5 0.127 8 0.064 1 0.212 6 31.584 15.857 52.559 2012 0.406 2 0.128 5 0.062 2 0.215 5 31.624 15.310 53.066 2013 0.410 1 0.129 9 0.071 0 0.209 3 31.681 17.299 51.020 2014 0.411 3 0.130 0 0.070 5 0.210 8 31.612 17.145 51.243 2015 0.410 6 0.129 9 0.069 5 0.211 2 31.629 16.931 51.440 2016 0.421 5 0.132 4 0.062 9 0.226 2 31.414 14.923 53.664 2017 0.423 1 0.131 9 0.079 0 0.212 2 31.183 18.667 50.151 2018 0.423 1 0.132 9 0.072 6 0.217 6 31.407 17.156 51.438 2019 0.425 0 0.133 1 0.076 6 0.215 4 31.316 18.016 50.668 2020 0.428 2 0.134 4 0.072 6 0.221 1 31.389 16.967 51.644 2021 0.427 6 0.134 4 0.074 5 0.218 7 31.438 17.421 51.141 2022 0.428 3 0.135 0 0.073 1 0.220 2 31.515 17.077 51.408 平均值 0.411 5 0.130 3 0.060 8 0.220 4 31.672 14.749 53.579
下载: 导出CSV
表 3 湖北省农作物碳汇的Markov转移概率矩阵
Table 3 Markov transfer probability matrix of crop carbon sink in Hubei Province
t/(t+1) Ⅰ Ⅱ Ⅲ Ⅳ Ⅰ 0.944 0.056 0 0 Ⅱ 0.057 0.896 0.047 0 Ⅲ 0 0.037 0.925 0.037 Ⅳ 0 0 0.038 0.962
下载: 导出CSV
-
[1] 胡婉玲, 张金鑫, 王红玲. 中国农业碳排放特征及影响因素研究[J]. 统计与决策,2020,36(5):56-62. HU W L, ZHANG J X, WANG H L. Characteristics and influencing factors of agricultural carbon emission in China[J]. Statistics & Decision,2020,36(5):56-62.
[2] 李艳苓, 朱昌雄, 李红娜, 等. 基于层次分析法的农业面源污染防治技术评价[J]. 环境工程技术学报,2019,9(4):355-361. LI Y L, ZHU C X, LI H N, et al. Evaluation of agricultural non-point source pollution control technologies based on analytic hierarchy process[J]. Journal of Environmental Engineering Technology,2019,9(4):355-361.
[3] 董红敏, 李玉娥, 陶秀萍, 等. 中国农业源温室气体排放与减排技术对策[J]. 农业工程学报,2008,24(10):269-273. DOI: 10.3321/j.issn:1002-6819.2008.10.055 DONG H M, LI Y E, TAO X P, et al. China greenhouse gas emissions from agricultural activities and its mitigation strategy[J]. Transactions of the Chinese Society of Agricultural Engineering,2008,24(10):269-273. DOI: 10.3321/j.issn:1002-6819.2008.10.055
[4] 胡婉玲, 张金鑫, 王红玲. 中国种植业碳排放时空分异研究[J]. 统计与决策,2020,36(15):92-95. HU W L, ZHANG J X, WANG H L. Research on the spatiotemporal differentiation of carbon emissions in China's planting industry[J]. Statistics & Decision,2020,36(15):92-85.
[5] LAL R, BRUCE J P. The potential of world cropland soils to sequester C and mitigate the greenhouse effect[J]. Environmental Science & Policy,1999,2(2):177-185.
[6] 陈罗烨, 薛领, 雪燕. 中国农业净碳汇时空演化特征分析[J]. 自然资源学报,2016,31(4):596-607. CHEN L Y, XUE L, XUE Y. Spatial-temporal characteristics of China's agricultural net carbon sink[J]. Journal of Natural Resources,2016,31(4):596-607.
[7] 尚杰, 杨滨键. 区域农业碳足迹动态影响效应研究: 以潍坊市种植业为例[J]. 农村经济,2020(5):75-82. [8] 丁宝根, 杨树旺, 赵玉. 长江经济带种植业碳排放时空特征及驱动因素研究[J]. 生态与农村环境学报,2019,35(10):1252-1258. DING B G, YANG S W, ZHAO Y. Study on spatial-temporal characteristics and driving factors of carbon emission from planting industry in the Yangtze River Economic Belt[J]. Journal of Ecology and Rural Environment,2019,35(10):1252-1258.
[9] 陈红, 王浩坤, 秦帅. 农业碳排放的脱钩效应及驱动因素分析: 以黑龙江省为例[J]. 科技管理研究,2019,39(17):247-252. CHEN H, WANG H K, QIN S. Analysis of decoupling effect and driving factors of agricultural carbon emission: a case study of Heilongjiang Province[J]. Science and Technology Management Research,2019,39(17):247-252.
[10] 翟国庆, 韩明钊, 李永江, 等. 黑土坡耕地有机碳变化及固碳潜力分析[J]. 生态学报,2020,40(16):5751-5760. ZHAI G Q, HAN M Z, LI Y J, et al. Organic carbon change and carbon sequestration potential of sloping farmland in the black soil area[J]. Acta Ecologica Sinica,2020,40(16):5751-5760.
[11] 韩冰, 王效科, 逯非, 等. 中国农田土壤生态系统固碳现状和潜力[J]. 生态学报,2008,28(2):612-619. HAN B, WANG X K, LU F, et al. Soil carbon sequestration and its potential by cropland ecosystems in China[J]. Acta Ecologica Sinica,2008,28(2):612-619.
[12] 董婧, 孙长虹, 王永刚, 等. 北京市典型农业区域大气环境氨浓度动态变化分析[J]. 环境工程技术学报,2017,7(3):262-267. DONG J, SUN C H, WANG Y G, et al. Dynamics of atmospheric ammonia concentrations over representative agricultural region in Beijing[J]. Journal of Environmental Engineering Technology,2017,7(3):262-267.
[13] 谢高地, 李士美, 肖玉, 等. 碳汇价值的形成和评价[J]. 自然资源学报,2011,26(1):1-10. DOI: 10.11849/zrzyxb.2011.01.001 XIE G D, LI S M, XIAO Y, et al. Value of carbon sink: concept and evaluation[J]. Journal of Natural Resources,2011,26(1):1-10. DOI: 10.11849/zrzyxb.2011.01.001
[14] 朱燕茹, 王梁. 农田生态系统碳源/碳汇综述[J]. 天津农业科学,2019,25(3):27-32. ZHU Y R, WANG L. A review of carbon source and carbon sink in farmland ecosystem[J]. Tianjin Agricultural Sciences,2019,25(3):27-32.
[15] 祁巍锋, 唐彩飞. 工业型村庄碳排放影响因素研究: 以杭州市萧山区凤凰村例[J]. 建筑与文化,2016(4):155-157. QI W F, TANG C F. Study on the influencing factors of carbon emission in industrial villages:a case study of Fenghuang Village, Xiaoshan City, Hangzhou[J]. Architecture & Culture,2016(4):155-157.
[16] GOGLIO P, SMITH W N, GRANT B B, et al. A comparison of methods to quantify greenhouse gas emissions of cropping systems in LCA[J]. Journal of Cleaner Production,2018,172:4010-4017. DOI: 10.1016/j.jclepro.2017.03.133
[17] 尚杰, 杨滨键. 种植业碳源、碳汇测算与净碳汇影响因素动态分析: 山东例证[J]. 改革,2019(6):123-134. SHANG J, YANG B J. Estimation of carbon source and carbon sequestration in planting industry and dynamic analysis of influencing factors of net carbon sequestration: a case study of Shandong Province[J]. Reform,2019(6):123-134.
[18] 李波, 张俊飚. 我国农作物碳汇的阶段特征与空间差异研究[J]. 湖北农业科学,2013,52(5):1229-1233. LI B, ZHANG J B. Study on phase characteristics and spatial differences of Chinese agricultural carbon sinks[J]. Hubei Agricultural Sciences,2013,52(5):1229-1233.
[19] 李波, 王春妤, 张俊飚. 中国农业净碳汇效率动态演进与空间溢出效应[J]. 中国人口·资源与环境,2019,29(12):68-76. LI B, WANG C Y, ZHANG J B. Dynamic evolution and spatial spillover of China’s agricultural net carbon sink[J]. China Population, Resources and Environment,2019,29(12):68-76.
[20] 张精, 方堉, 魏锦达, 等. 基于碳足迹的安徽省农田生态系统碳源/汇时空差异[J]. 福建农业学报,2021,36(1):78-90. ZHANG J, FANG Y, WEI J D, et al. Carbon footprint-based temporal and spatial analysis on carbon sources/sinks at farmlands in Anhui Province[J]. Fujian Journal of Agricultural Sciences,2021,36(1):78-90.
[21] 李克让. 土地利用变化和温室气体净排放与陆地生态系统碳循环[M]. 北京: 气象出版社, 2002: 310. [22] 伍国勇, 刘金丹, 杨丽莎. 中国农业碳排放强度动态演进及碳补偿潜力[J]. 中国人口·资源与环境,2021,31(10):69-78. DOI: 10.12062/cpre.20210606 WU G Y, LIU J D, YANG L S. Dynamic evolution of China's agricultural carbon emission intensity and carbon offset potential[J]. China Population, Resources and Environment,2021,31(10):69-78. DOI: 10.12062/cpre.20210606
[23] 国家发展和改革委员会. 省级温室气体清单编制指南(试行)[S]. 北京: 国家发展和改革委员会, 2011. [24] 张金鑫, 胡婉玲, 王红玲. 湖北省农业碳排放的时序特征与影响因素分析[J]. 湖北农业科学,2020,59(24):67-74. ZHANG J X, HU W L, WANG H L. Analysis of the timing characteristics and influencing factors of agricultural carbon emissions in Hubei Province[J]. Hubei Agricultural Sciences,2020,59(24):67-74.
[25] 王诗雨, 刘学伟, 崔鸿鹏, 等. 农田生态系统碳源/汇时空演变因素分析: 以黑龙江省为例[J]. 中国国土资源经济: 2024, 37(5): 4-13. WANG S Y, LIU X W, CUI H P, et al. Analysis of temporal and spatial evolution factors of carbon source/sink in farmland ecosystem: a case study of Heilongjiang Province[J]. Natural Resource Economics of China, 2024, 37(5): 4-13.
[26] 王宝英, 齐爱云, 王子莎. 黄河流域与长江经济带种植业碳足迹供需平衡对比研究[J]. 湖北农业科学,2022,61(3):53-59. WANG B Y, QI A Y, WANG Z S. A comparative study on the supply and demand balance of the planting industry carbon footprint between the Yellow River Basin and the Yangtze River Economic Belt[J]. Hubei Agricultural Sciences,2022,61(3):53-59.
[27] 王梁, 赵杰, 陈守越. 山东省农田生态系统碳源、碳汇及其碳足迹变化分析[J]. 中国农业大学学报,2016,21(7):133-141. DOI: 10.11841/j.issn.1007-4333.2016.07.17 WANG L, ZHAO J, CHEN S Y. Analysis of ecosystem carbon sources/sinks and carbon footprint in farmland ecosystem of Shandong Province[J]. Journal of China Agricultural University,2016,21(7):133-141. DOI: 10.11841/j.issn.1007-4333.2016.07.17
[28] RONG T Q, ZHANG P Y, ZHU H R, et al. Spatial correlation evolution and prediction scenario of land use carbon emissions in China[J]. Ecological Informatics,2022,71:101802. DOI: 10.1016/j.ecoinf.2022.101802
[29] 徐玥, 王辉, 韩秋凤. 中国农业净碳效应与农业经济发展的时空耦合规律研究[J]. 新疆农垦经济,2023(7):1-12. DOI: 10.3969/j.issn.1000-7652.2023.07.002 XU Y, WANG H, HAN Q F. A study of the spatial-temporal coupling patterns between the net carbon effect of agriculture and agricultural economic development in China[J]. Xinjiang State Farms Economy,2023(7):1-12. DOI: 10.3969/j.issn.1000-7652.2023.07.002
[30] MAI Q S, BAI M T, LI L. Study on the dynamic evolution and regional differences of the level of high-quality economic and social development in China[J]. Sustainability,2022,15(1):382. DOI: 10.3390/su15010382
[31] CHEN P H, RAO M Y, VASA L, et al. Spatial effects and heterogeneity analysis of the impact of environmental taxes on carbon emissions in China[J]. Heliyon,2023,9(11):e21393. DOI: 10.1016/j.heliyon.2023.e21393
[32] LV C C, BIAN B C, LEE C C, et al. Regional gap and the trend of green finance development in China[J]. Energy Economics,2021,102:105476. DOI: 10.1016/j.eneco.2021.105476
[33] 张卓群, 张涛, 冯冬发. 中国碳排放强度的区域差异、动态演进及收敛性研究[J]. 数量经济技术经济研究,2022,39(4):67-87. ZHANG Z Q, ZHANG T, FENG D F. Study on regional differences, dynamic evolution and convergence of carbon emission intensity in China[J]. The Journal of Quantitative & Technical Economics,2022,39(4):67-87.
[34] 陈景华, 陈姚, 陈敏敏. 中国经济高质量发展水平、区域差异及分布动态演进[J]. 数量经济技术经济研究,2020,37(12):108-126. CHEN J H, CHEN Y, CHEN M M. China's high-quality economic development level, regional differences and dynamic evolution of distribution[J]. The Journal of Quantitative & Technical Economics,2020,37(12):108-126.
[35] LI Z F, CAI Y L, HU S L. Research on systemic financial risk measurement based on HMM and text mining: a case of China financial market[J]. IEEE Access,2021,9:22171-22185. DOI: 10.1109/ACCESS.2021.3055967
[36] 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. DOI: 10.7621/cjarrp.1005-9121.20140101 LIU X H, XU W X, LI Z J, et al. The missteps, improvement and application of carbon footprint methodology in farmland ecosystems with the case study of analyzing the carbon efficiency of China’s intensive farming[J]. Chinese Journal of Agricultural Resources and Regional Planning,2014,35(1):1-7. DOI: 10.7621/cjarrp.1005-9121.20140101
[37] 谢婷, 张慧, 苗洁, 等. 湖北省农田生态系统温室气体排放特征与源/汇分析[J]. 农业资源与环境学报,2021,38(5):839-848. XIE T, ZHANG H, MIAO J, et al. Greenhouse gas emission characteristics and source/sink analysis of farmland ecosystem in Hubei Province[J]. Journal of Agricultural Resources and Environment,2021,38(5):839-848. ⊕
-
期刊类型引用(1)
1. 卢明，王帅，王洋，李志琦，罗博，梁涛，方林发，赵敬坤，王洁. 优化施肥下种植绿肥对青花椒生产增效减排的影响. 环境工程技术学报. 2024(05): 1494-1503 . 
本站查看
其他类型引用(0)
计量
- 文章访问数: 103
- HTML全文浏览量: 40
- PDF下载量: 16
- 被引次数: 1
