Estimation and spatio-temporal divergence of the low-carbon performance of cropland use in China

WU Hao-yue, MENG Yue, HUANG Han-jiao, CHEN Wen-kuan

JOURNAL OF NATURAL RESOURCES ›› 2022, Vol. 37 ›› Issue (5) : 1148-1163.

PDF(3179 KB)
EN中文
PDF(3179 KB)
JOURNAL OF NATURAL RESOURCES ›› 2022, Vol. 37 ›› Issue (5) : 1148-1163. DOI: 10.31497/zrzyxb.20220504
Dual Carbon Goals and Natural Resources Management

Estimation and spatio-temporal divergence of the low-carbon performance of cropland use in China

Author information +
History +

Abstract

The low-carbon transition of cropland use can help to mitigate climate change to a certain extent. Based on carbon emissions accounting and sequestration of cropland use, this paper attempted to develop a theoretical framework for analyzing the low-carbon performance of cropland use. Then, the GB-US-S-SBM was applied to assess the performance in China's 30 provincial-level regions (hereafter provinces) from 2000 to 2019, and to examine the spatiotemporal characteristics. The study found that: (1) Overall, the intensities of carbon emissions, sequestration and net sequestration were 1.980 t∙hm-2, 5.624 t∙hm-2, and 3.644 t∙hm-2, respectively, indicating that the cropland use system was a major carbon sink. (2) Nationwide, the low-carbon performance of cropland use went through four stages, namely, ups and downs, slow growth, fluctuation, and fast growth. According to the initial performance and growth rate, the provinces were classified into five types, namely, low performance with high potential (15 provinces such as Beijing), low performance with stable trend (4 provinces such as Jiangsu), high stable performance (3 provinces such as Chongqing), high performance with low potential (3 provinces such as Hubei), and high performance with high potential (5 provinces such as Jilin). At the early stage, provinces with high performance were clustered in the southwest, while those with low performance were agglomerated in the northwest. High-performance provinces were mainly located in the northwest and northeast, and low-performance provinces were distributed in the middle reaches of the Yangtze River. (3) σ convergence was not observed in the performance of the whole country, central region, or eastern region, while the performance of northeastern and western region strictly followed σ convergence. Both China and its four regions exhibited β convergence, indicating that provinces tended to chase each other in performance. This paper may provide a basis for the differentiated low-carbon transition of regional cropland use.

Key words

low carbon performance / carbon emissions from cropland use / crop carbon sequestration / SBM / spatio-temporal divergence / convergence

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations
WU Hao-yue, MENG Yue, HUANG Han-jiao, CHEN Wen-kuan. Estimation and spatio-temporal divergence of the low-carbon performance of cropland use in China[J]. JOURNAL OF NATURAL RESOURCES, 2022, 37(5): 1148-1163 https://doi.org/10.31497/zrzyxb.20220504
为应对日益严峻的气候暖化问题,世界各国积极推进经济低碳转型。耕地利用活动具有碳排放、碳吸收双重效应,在碳循环中的地位举足轻重。一方面,作为耕作、灌溉、农资施用、机械运作、秸秆处理等环节的载体,耕地已成为重要排放源,贡献了全球13%的二氧化碳、44%的甲烷、82%的氮氧化物排放[1];另一方面,作物通过光合作用吸收固定二氧化碳,具备显著碳汇功能,如我国农作物固碳量年均高达6亿~7亿 t（约合22亿~25.7亿 t二氧化碳当量）[2],是应对全球变暖威胁的有力武器。区别于其他生产活动的单一减排目标,耕地利用在碳达峰、碳中和进程中具备独特意义,通过降低排放强度、充分发挥作物碳汇功能,将从双重方向助力我国“双碳”目标的实现。
学界已对耕地利用碳排放核算展开大量探索,可归纳为田间实测、模型模拟、遥感技术和排放系数等主要方法[3],排放系数法因技术简单、便于地区横向对比而被广泛应用于全国、省域尺度的研究[4]。该方法可细分为两种思路,一种是以单位面积排放系数与耕地面积相乘,乘积即为排放总量,如Cai等[5]、李颖等[6]的研究,由于不同地区的耕地类型、质量存在差异,使用统一排放系数难以保证核算精度;另一种是依托农业碳源清单进行核算,其精确程度取决于所选碳源与排放系数。Lal[7]较早对农业碳排放源进行研究,指出耕作、灌溉、农药、化肥、化石燃料等均会导致温室气体排放。West等[4]认为排放源主要包括化肥、农用石灰、农药、农业灌溉和种子培育。Cheng等[8]制定了农业碳排放核算清单,涵盖化肥、农药、灌溉、农膜和机械五项物资类碳源因子。李波等[9]所建清单在包含前述因子之外,还补充了柴油和翻耕,为后续耕地利用碳排放核算奠定了基础框架,并被许多学者运用于不同尺度下的耕地利用碳排放估算[10⇓-12]。周思宇等[13]基于土壤管理、役畜管理、燃料燃烧、农用品投入、秸秆处理五类源头对东北地区耕地利用碳排放进行核算,尽管仍未考虑稻田甲烷排放,但碳源清单较早期研究已有所完善。综合而言,耕地利用碳排放核算体系经历了由单一到多元、由简单到复杂的发展过程。
耕地土壤及覆被具有固碳功能,已有研究普遍采用实测与模型两种手段探析土壤碳库变化过程[14,15]。由于稳定土壤有机碳的形成时间较长,且农作物大多为一年生,相关研究较少同时分析农作物碳汇与土壤碳储量变化,而是将作物的年净生物量所含碳量视作耕地利用固碳量[16,17],主要包含三类测算方法：一是以单位面积作物碳吸收量乘以相应种植面积,如胡乔利等[18]的研究;二是采用质量平衡、光合作用方程展开估算,如常虹等[19]、王莉雁等[20]的研究;三是以作物净初级生产力进行反映,如方精云等[21]、Wu等[22]、尹钰莹等[17]的研究,其兼顾便易性和精确性,是目前国内外学者使用较多的方法[16]。
碳源/汇分析有助于认识区域排放、吸收规模,但总量指标相对笼统,无法反映省域耕地禀赋、投入结构及经济产出所对应的碳产出合理水平。为确定既有资源配置下的低碳转型方向,需将碳源/汇置于耕地利用系统中展开分析。现有研究通常将碳排放作为非期望产出引入耕地利用效率测度过程,如卢新海等[23]运用SBM-Undesirable模型对2003—2015年中国耕地利用效率进行评价,发现多地效率在考虑碳排放后出现不同幅度的下降。Zhang等[24]、Luo等[25]和吴昊玥等[26]同样选用SBM-Undesirable模型,分别基于省域、区域、全国尺度进行效率测度。Han等[27]采用MinDS-U模型测算了1997—2017年中国30个省（市、自治区）低碳约束下的耕地利用效率,发现各地效率存在显著差异。柯楠等[28]在传统耕地利用效率测算体系中加入面源污染、碳排放和碳汇指标,将结果定义为耕地绿色低碳利用水平,并结合超效率SBM模型展开分析,发现中国耕地绿色低碳利用水平在2000—2019年间呈上升趋势。
综上所述,相关领域已形成丰富成果,但多聚焦于量的评估,针对质的研究并不多见。现有研究将碳排放作为约束条件引入耕地利用效率分析框架,概念重心在于效率而非低碳,且测算思路、指标体系与测算方法均存在局限：（1）在测算思路上,多数文献将耕地与劳动、机械、肥料、灌溉等要素一并作为投入指标,测度投入到产出的综合技术效率,这与农业绿色生产效率的测算方式别无二致,并未反映单位面积耕地利用效率。（2）在构建指标体系时,相关研究往往囿于环境约束这一限制条件,主观认定耕地利用过程在碳循环中具有负外部性,却未考虑作物客观存在的碳汇属性,等同于忽视耕地利用的生态效益;在核算耕地利用碳排放时,普遍采用早期清单,仅涉及农药、化肥、农膜、柴油等农用物资类碳源,而忽略土壤管理、水稻种植和秸秆燃烧造成的碳排放,清单的系统性与全面性有所损失,影响后续耕地利用效率测算结果的科学性。（3）在测算方法上,较多研究基于SBM-Undesirable截面模型测度效率,仅能对同一时点下的决策单元进行互评,可探讨当期省域耕地利用效率的相对差距,但无法反映年际技术差异,消减了效率纵向变化,削弱了时序分析准确性。
为探索我国耕地低碳利用转型方向,本文在核算耕地利用碳排放、碳吸收的基础上,采用全局参比的非期望产出超效率SBM模型（GB-US-S-SBM）,对2000—2019年中国30个省（市、自治区）耕地低碳利用绩效进行评估,进而展开时空特征分析与收敛性检验,旨在为中国耕地资源利用低碳转型提供差异化实现路径。本文的边际贡献可以归结如下：（1）搭建耕地低碳利用绩效理论分析框架,将碳排放、碳吸收分别作为环境代价和生态效益,以单位面积耕地投入产出构建指标体系,为衡量耕地低碳利用绩效提供可行思路;（2）量化耕地利用碳排放、碳吸收时,覆盖农用物资、稻田、土壤和秸秆燃烧四类排放源和作物碳汇一类吸收源,在为绩效测算提供可靠数据的同时,也对现有核算清单有所拓展;（3）采用GB-US-S-SBM模型计算耕地低碳利用绩效,将研究期间所有决策单元纳入生产前沿面的构造过程,确保测算结果具有跨期可比性。

1 理论分析框架

耕地利用具有排放、吸收双重碳效应,因此,区别于其他产业的单一减排方向,耕地低碳利用还蕴含增汇目标,是一种以减排、促汇、增产为导向的利用方式。在传统经济到低碳经济的演化过程中,用于评估经济低碳转型程度的“低碳绩效”概念应运而生,相关文献将低碳绩效视为碳排放约束下的生产效率[29,30],反映经济系统利用现有资源使碳排放代价最小化、经济产出最大化的能力。将该理念应用于耕地利用领域,构建理论分析框架（图1）。
Fig. 1 Framework for analyzing the low-carbon performance of cropland use

图1 耕地低碳利用绩效理论分析框架

Full size|PPT slide

耕地利用面临资源节约、低碳转型和粮食安全等多重约束条件,要求在保证农业产出的前提下减少资源浪费、缓解环境污染。具体而言：劳动、机械、灌溉、化肥是必需生产要素[31],应尽量提高使用效率,避免无效消耗;农业产值反映耕地利用系统的供给能力与经济效益,应被视作期望产出;低碳导向下,翻耕灌溉、农资施用、机械使用、秸秆燃烧等活动将产生碳排放,是越少越好的非期望产出,而作物通过光合作用吸收二氧化碳,体现耕地利用过程的生态效益。据此,将耕地低碳利用绩效界定为：既定生产技术水平下,给定要素投入组合,耕地利用系统所形成的农业产出、作物碳汇和碳排放实际水平与最优水平的综合比率。区别于单纯考虑减排的“低碳约束下的耕地利用效率”,耕地低碳利用绩效涵盖碳排放、碳吸收两个反向指标,蕴含减排、增汇双重考量。
根据技术效率理论,耕地低碳利用绩效存在两条改进路径。（1）结构型改进：在既定生产技术下,通过调整种植结构和投入结构,将要素配置到单位农业产出对应碳排放更低、碳吸收更高的领域。（2）效率型改进：在既定要素配置下,通过改善生产技术,提升投入要素的利用效率,促使单位农业产出所伴随的碳排放降低、碳吸收增加。通过优化资源配置、改进生产技术,最终实现耕地低碳高效利用,即环境代价最小化、生产要素最小化、期望产出最大化。

2 研究方法与数据来源

2.1 耕地利用碳排放、碳吸收核算方法

科学构建核算体系是准确评估耕地利用碳源/汇的前提。本文关注耕地资源利用过程中因人类活动直接或间接形成的温室气体排放、吸收效应,涉及耕作、播种、灌溉、施肥、施药、收获、废弃物处理等环节,可归纳为农用物资、稻田、土壤和秸秆燃烧四类排放源和作物碳汇一类吸收源,形成机理及核算公式来源如表1所示。
Table 1 Source, mechanism, and reference for accounting for the carbon flux of cropland use

表1 耕地利用碳效应类别、机理及核算公式来源

碳效应 类别 机理 核算公式文献来源
排放 农用物资碳排放 化肥、农药、农膜等农资的生产、施用、分解导致碳排放 [9]
农机运作消耗柴油导致碳排放
灌溉过程利用电能间接耗费化石燃料导致碳排放
稻田甲烷排放 甲烷菌利用水稻植株根部有机物转化形成甲烷 [32]
土壤氧化亚氮排放 化肥氮、秸秆还田直接导致土壤氧化亚氮排放,大气氮沉降、径流淋溶氮等间接导致土壤氧化亚氮排放 [32]
秸秆燃烧碳排放 秸秆燃烧导致二氧化碳、甲烷排放 [33]
吸收 作物固碳 作物通过光合作用固定二氧化碳,扣除呼吸作用消耗部分,剩余部分为净初级生产量,即固碳量 [2]
各源头核算公式与具体系数源于表1所列文献。为便于分析比较,将各类温室气体按照全球增温潜质统一折算为标准碳,即1 t 甲烷、氧化亚氮分别等同于34 t二氧化碳（9.2727 t 标准碳）、298 t 二氧化碳（81.2727 t 标准碳）所产生的温室效应[34]。

2.2 耕地低碳利用绩效测算方法

Tone[35]所提出的SBM模型既可科学处理非期望产出,又可拓展为超效率模型而进一步区分有效单元,已被普遍应用于低碳约束下的耕地利用效率研究。然而,该模型基于各时点的截面数据构造生产可能集,不同时期的生产前沿面存在差异,所测效率缺乏时序可比性。为此,Pastor等[36]提出全局参比思路,利用整个考察期内全部决策单元数据构建最佳生产前沿,各单元与该前沿进行比较得到效率值,使得效率具有跨期可比性。因此,结合全局参比、非期望产出、超效率和SBM模型,构造GB-US-S-SBM模型用于耕地低碳利用绩效测算。具体而言：
将各省耕地低碳利用系统作为决策单元,假设共有T (t=1, …, T)个时期与N个决策单元（DMU）,每个DMU利用m种投入可生产出s1种期望产出与s2种非期望产出。对于第k个DMUk,其投入、期望产出及非期望产出向量分别记为 xkT、 ykg,T和 ykb,T。在规模报酬不变（CRS）假设条件下,构造的生产可能性集见式（1）,GB-US-S-SBM模型见式（2）~式（7）：
P=x-,y-g,y-b∣x-T≥∑τ=1T∑j=1j≠kifτ=tNλjτxjτ;y-g,T≤∑τ=1T∑j=1j≠kifτ=tNλjτyjg,τ;y-b,T≥∑τ=1T∑j=1j≠kifτ=tNλjτyjb,τ,λ≥0
（1）
ρkG*,t=min1+1m∑i=1msiktxikt1-1s1+s2∑r=1s1srkg,tyrkg,t+∑q=1s2sqkb,tyqkb,t
（2）
s.t.xkt-∑j=1j≠kifτ=tN∑τ=1Tλjτxjτ+skt≥0
（3）
∑j=1j≠kifτ=tN∑τ=1Tλjτyjg,τ-ykg,t+skg,t≥0
（4）
ykb,t-∑j=1j≠kifτ=tN∑τ=1Tλjτyjb,τ+skb,t≥0
（5）
1-1s1+s2∑r=1s1srkg,tyrkg,t+∑q=1s2sqkb,tyqkb,t≥ε
（6）
λjτ≥0,skt≥0,skg,t≥0,skb,t≥0
（7）
式中： ρkG*,t表示目标函数值,即耕地低碳利用绩效; xkt、 ykg,t和 ykb,t依次为t时期DMUk的投入、期望产出及非期望产出;b、g分别表示坏（bad）和好（good）; xjτ、 yjg,τ、 yjb,τ和 λjτ依次为τ时期DMUj的投入、期望产出、非期望产出和权重向量; sikt、 srkg,t和 sqkb,t依次为τ时期DMUj的第i种投入、第r种期望产出和第q种非期望产出的松弛变量。 ρkG*,t关于 xkt、 ykg,t和 ykb,t严格递减,当且仅当 ρkG*,t≥1时,DMU完全有效,此时 si= srg= sqb=0,不存在投入过剩、期望产出不足或非期望产出冗余问题; ρkG*,t<1表示DMU存在绩效损失,投入产出具有改进空间。
按照前文理论分析,构建投入产出指标体系（表2）。耕地是从事种植活动的场所、各类要素的载体,故而所有投入、产出均为单位面积耕地对应值。
Table 2 Input-output indicators for measuring the low-carbon performance of cropland use

表2 耕地低碳利用绩效投入产出指标体系及描述性统计分析

指标类型 具体指标 计算方式 单位 均值 标准差 最小值 最大值
投入 劳动要素 地均从业人数 种植业从业人数/耕地面积 Person∙hm-2 1.522 0.881 0.163 6.205
机械要素 地均机械动力 农业机械总动力/耕地面积 kW∙hm-2 0.497 0.244 0.102 1.209
灌溉要素 地均灌溉用水 农业灌溉用水总量/耕地面积 104 m3∙hm-2 7.538 3.720 1.678 17.544
肥料要素 地均化肥施用量 化肥施用量/耕地面积 t∙hm-2 0.394 0.268 0.075 1.381
期望产出 经济产出 地均农业产值 种植业总产值/耕地面积 104 CNY∙hm-2 2.259 1.518 0.363 10.404
生态产出 地均碳吸收量 作物碳吸收量/耕地面积 t∙hm-2 5.558 2.310 1.403 14.764
非期望产出 环境代价 地均碳排放量 耕地利用碳排放量/耕地面积 t∙hm-2 2.276 1.488 0.245 5.865

2.3 收敛性检验

由于资源禀赋和利用方式差别迥异,耕地低碳利用绩效势必存在省际差距。收敛性检验可用于探索绩效差异演进趋势,包括σ收敛和β收敛两种传统类型：σ收敛指绩效差异随时间推移而趋于减少,反映各地绩效与整体均值的偏离情况;β收敛指低效地区的增速比高效地区更快,即绩效增速与初始水平呈负相关,根据引入控制变量与否而分为绝对β收敛与条件β收敛。检验公式可参考田云等[37]的研究。考虑耕地本底条件与利用特征,本文引入水田面积占比、劳均耕地规模、复种指数和粮食作物播种占比四项控制变量。

2.4 数据来源及处理

所需数据包括耕地低碳利用绩效投入产出数据及条件β收敛检验变量数据,来自历年《中国统计年鉴》《中国农村统计年鉴》《中国水利统计年鉴》和各省统计年鉴、统计公报。港澳台及西藏地区数据缺失较多,难以纳入研究范围。种植业从业人数缺乏统计数据,参考Lin[38]对狭义农业部门的劳动力估计思路,以种植业总产值占农林牧渔总产值的比例为权数对第一产业从业人员进行加权而近似估计。基于2000年不变价格对各年各省种植业总产值进行平减,以剔除价格因素的影响。经整理,形成2000—2019年中国30个省（市、自治区）的面板数据。

3 结果分析

3.1 中国耕地利用碳排放、碳吸收强度及结构

根据前文所述方法对2000—2019年中国省域耕地利用碳排放、碳吸收量进行核算。结合图2可知,我国每公顷耕地利用过程中将形成5.624 t碳吸收、1.980 t碳排放,平均净碳汇强度为3.644 t∙hm-2,各源头排放强度按照农用物资（0.668 t∙hm-2）、稻田甲烷（0.529 t∙hm-2）、秸秆燃烧（0.526 t∙hm-2）和土壤氧化亚氮（0.257 t∙hm-2）的顺序递减。
Fig. 2 Carbon intensity and structure of provincial cropland use in China during 2000-2019

图2 2000—2019年中国省域耕地利用碳排放、碳吸收的强度与结构

Full size|PPT slide

观察省域耕地利用碳效应,发现吸收强度均高于排放强度,表明各省耕地利用系统均呈碳盈余状态。省域碳吸收强度为2~12 t∙hm-2,粮食主产地区和经济作物发达地区表现较突出,广西（11.23 t∙hm-2）遥遥领先,河南（8.676 t∙hm-2）第二,甘肃（2.066 t∙hm-2）处于末位。绝大多数省份的排放强度处于0~5 t∙hm-2之间,湖南（5.128 t∙hm-2）名列前茅,青海（0.330 t∙hm-2）则位居末席。根据排放结构,北京、天津、河北、内蒙古、山东、陕西、甘肃、青海、新疆9地属于农用物资碳源主导型地区,其农用物资碳排放占比高于50%,其余地区的占比处于10%~50%之间,以30%左右居多;稻田碳源主导型省份仅江西1省,但湖南的稻田甲烷份额也已趋近于50%,其余地区的占比有高有低;各地区土壤氧化亚氮排放占比较为平均,最高为贵州（21%）,最低为江西（6%）;秸秆燃烧碳排放占比最高的地区是山西（48%）,其次为河南（43%）,最低为贵州（5%）。综合而言,四类排放源在各地区贡献不一,需根据排放特征实施差异化减排路径。

3.2 中国耕地低碳利用绩效时空特征

3.2.1 耕地低碳利用绩效总体分布

在核算耕地利用碳排放、碳吸收基础上,应用Maxdea Ultra 8.0软件构造GB-US-S-SBM模型,测算2000—2019中国30个省（市、自治区）的耕地低碳利用绩效。绩效中位数、均值处于0.6~0.8之间,最大值在0.8~1.1区间内升降,最小值呈阶梯式上升趋势,极值年际差异明显（图3）。
Fig. 3 Box-plot of the low-carbon performance of cropland use in China, 2000-2019

图3 2000—2019年中国耕地低碳利用绩效箱线图

Full size|PPT slide

根据均值,可将中国耕地低碳利用绩效演进过程划分为剧烈起伏（2000— 2003年）、缓慢上升（2004—2008年）、波动不定（2009—2012年）、高速增长（2013—2019年）四个阶段。2000—2003年,绩效在0.6附近剧烈起伏,无明显发展规律。期间,农业生产呈低水平、低效益特征,要素投入积极性不强,作物种植规模缺乏稳定性。2004—2008年,绩效缓慢上升,于2008年增至0.668。我国在2004年颁布21世纪首个涉农中央一号文件,打开“三农”问题的突破口,其后支农力度不断加强,生产主体积极性大幅提升,农业经济高速增长。2009—2012年,绩效增长停滞,发展态势波动不定。期间,耕地利用强度继续提高,尽管农业产出随之增长,但由于耕地生产率有限,边际产出逐渐降低,加之化肥、农药、地膜等高碳物资大量施用,农用能源消耗量持续上升,温室气体排放加剧,要素投入、期望产出和非期望产出之间的关系相对失衡。2013—2019年,绩效进入高速增长阶段,由0.635增至0.822,达到20年间最高点。“十二五”规划期间,我国政府出台一系列耕地保护政策,高标准农田建设成效显现,加之财政支农力度不断提高,农业基础建设逐渐完善。2015年,原农业部于提出“一控两减三基本”要求,随着生态保护、节能减排相关政策陆续出台,农业结构、生产方式不断优化,耕地利用低碳转型已初见成效。

3.2.2 耕地低碳利用绩效时序变化

根据绩效初始水平和年均变化率,可将30个省（市、自治区）划分为若干类型 （图4）：以2000年全国均值（0.624）为基准,若某省初始绩效高于该值,将其归为高效型,反之为低效型;以1%和-1%为界,若某省绩效年均变化率大于1%,称之为高潜型,小于-1%为低潜型,处于-1%~1%之间则属于平稳型。低效高潜型包括北京、天津等 15地,其初始绩效低于全国均值,随着时间推移,要素投入、环境污染与农业产出之间的关系不断改善,绩效逐渐转劣为良,尤其是青海和河北,年均增速高达5.86%和4.10%,在省域间遥遥领先。低效平稳型包括江苏、安徽、江西和湖南四省,其绩效始终徘徊于低水平区间,发展趋势无明显起伏。高效平稳型包括上海、重庆、新疆三地,其在耕地利用过程中兼顾减碳与增效,20年间发展趋势较为平稳。高效低潜型包括湖北、四川、贵州三省,其初始绩效优于全国均值,但发展趋势不尽人意,年均变化率依次为-1.80%、 -2.40%、-2.57%,亟待优化资源配置、改善生产技术。高效高潜型包括内蒙古、吉林、黑龙江、河南、海南五地,其初始绩效相对较高,并能保持积极发展势头。
Fig. 4 Line charts for the low-carbon performance of provincial cropland use in China during 2000-2019

图4 2000—2019年中国省域耕地低碳利用绩效时序演进折线图

注：纵轴表示耕地低碳利用绩效,上界为1.1,下界为0;横轴表示年份,从左至右为2000年至2019年。

Full size|PPT slide

综合而言,投入、期望产出和非期望产出之间的关系决定耕地低碳利用绩效的发展趋势。相比其他地区,江苏、安徽、江西、湖南等农业大省难以表现出较高增速,一方面是因为当地耕地利用活动强度较大,随着复种指数提升,农业化学品及化石能源消耗频次增加,显著加剧温室气体排放,边际期望产出却逐渐降低;另一方面,这些地区水稻种植面积广阔,难以避免大量甲烷排放,加之秸秆处理相对频繁、露天焚烧率远超全国均值,导致碳排放强度居高不下。黑龙江、吉林、辽宁三省同样为农业大省,却分属于低效高潜型和高效高潜型,且后期绩效已达最优水平,穷原竟委：从外部条件而言,东北平原生产条件优越,近年耕地保护力度和涉农财政投入不断加大,有利于生产方式集约化、低碳化转型;从内部结构而言,当地粮食作物占据主导地位,相比经济作物,粮食作物消耗农资较少,碳汇能力却更为突出,加上秸秆露天焚烧率整体较低,要素投入、期望产出和非期望产出的关系整体趋于协调。上海、北京、重庆等地农业体量较小,多属于都市农业,归功于良好的地理位置与目标市场,产品价值得到有效提升。由于农业收益并非唯一目标,且环境保护要求严格,高碳农资投入强度相对较小,秸秆露天焚烧率低,多重因素使耕地低碳利用绩效表现出良好的发展趋势。源于青海、甘肃等地相对特殊的农业结构与生产条件,种植业并非发展重心,但依托近年不断加大的政策扶持力度和相对突出的科技后发优势,耕作条件、种植方式和废弃物处理过程日益改善,低效高潜特征愈发凸显。

3.2.3 耕地低碳利用绩效空间分布

为展示绩效的空间格局变动过程,基于等距分级法对省域绩效进行划分。随时间推移,耕地低碳利用绩效分布格局发生明显变化（图5）。2000年,省域绩效等级较为多元（图5a）,四川、重庆和贵州的绩效高于1.000,已实现有效;新疆、内蒙古、黑龙江、吉林、河南、上海6地紧随其后;青海、甘肃、宁夏处于最末等级;其余地区绩效分布在0.400~0.549和0.550~0.699之间。到2010年,耕地低碳利用绩效呈全局低效特征,省际差异略有缩减（图5b）：多数地区的绩效较2000年有所下降,最高等级已降至0.850~0.999,涵盖北京、上海、黑龙江、重庆、新疆5地;0.400~0.549等级占据主体,包括山西、山西、湖北、湖南等11地;最低等级仍是0.250~0.399,仅有宁夏1地。与2010年相比,2019年的绩效再次产生变化（图5c）,绝大多数地区绩效等级有所提升,且黑龙江、吉林、青海等14地已实现耕地低碳利用从非有效到有效的跨越,表明随着我国耕地保护、绿色生产相关政策的出台,耕地资源利用处于高碳向低碳的加速转型阶段。
Fig. 5 Spatial distribution of the low-carbon performance of cropland use in China in some years

图5 主要年份中国耕地低碳利用绩效的空间分布格局

注：本图基于自然资源部标准地图服务系统下载的标准地图制作,底图无修改。

Full size|PPT slide

耕地低碳利用绩效空间分异源于资源禀赋、利用方式、政策导向的地区差异。研究初期,高效省份主要位于西南地区,低效省份集聚于西北地区。西南地区具有昼夜温差大、光照时间强等气候优势,作物产量高、质量优。四川盆地被誉为“天府之国”,其水热匹配条件较好,成都平原更是我国重要的九大商品粮基地之一。贵州的农药、化肥等农资使用强度在全国处于最低水平,秸秆主要作物露天焚烧率仅为3%~4%,农业产出、作物碳汇和碳排放三者关系较为协调。对比而言,青海、甘肃、宁夏等西北地区生态环境较为脆弱,年降水量少,耕地质量差,且河套平原、宁夏平原土壤严重盐碱化,当地耕地低碳利用绩效受限于资源禀赋和地理环境。经过20年发展,差异化耕地利用政策催生出迥异的绩效分布格局,高效省份多位于东北地区和西北地区,低效省份聚集在长江中游地区。西北地区依托政策引导与后发优势,逐步改善自然生态环境与生产方式,走在耕地利用低碳转型前列。东北平原作为我国粮食主产区,耕地集中连片、基础地力较高,各类涉农投入较大,废弃物处理方式绿色清洁,作物秸秆露天焚烧率为10%~20%,整体低于其他产粮大省,有效兼顾农业产出与减排增汇,绩效稳居全国平均水平之上。长江中游地区作为我国水稻核心产区,难以避免稻田甲烷排放,同时,对化肥、农药等高碳农资的依赖程度较强、秸秆露天焚烧比例较高,碳排放量逐年攀升,严重阻碍绩效优化。

3.3 中国耕地低碳利用绩效收敛性检验

3.3.1 耕地低碳利用绩效σ收敛检验

耕地低碳利用绩效存在时空差异,需继续探索差异内在演进趋势,以把握减碳增效可行方向。按照传统分区方式将中国划分为东部、东北、中部和西部四个区域,对全国及区域耕地低碳利用绩效进行σ收敛检验（图6）。从区域层面来看,东北和西部的σ系数持续波动下降,意味着两个区域的耕地低碳利用绩效严格遵循σ收敛。期间,东北三省绩效呈高水平趋同,2019年均超过1.000,西部同样表现为高水平收敛趋势。东部的σ系数早期平稳上升、后期缓慢下降,地区差异经历先发散后收敛的过程,由于2019年的σ系数高于2000年,可判断东部绩效不存在收敛性。中部的σ系数全程波动上升,耕地低碳利用绩效呈发散态势。源于区域绩效发展方向各异,全国层面的σ系数起伏不定,无明确收敛趋势,绩效差距不会自发消减。
注：东部区域包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南10 地;东北区域包括辽宁、吉林和黑龙江3 地;中部区域包括山西、安徽、江西、河南、湖北和湖南6 地;西部区域包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆11 地。
Fig. 6 σ coefficients of the low-carbon performance of cropland use in China and its regions during 2000-2019

图6 2000—2019 年中国及区域耕地低碳利用绩效σ系数

Full size|PPT slide

3.3.2 耕地低碳利用绩效β收敛检验

全国耕地低碳利用绩效绝对差距无法自动消失,那么,就增速而言,地区间是否存在追赶趋势?运用Stata 15.1软件,依托固定效应面板回归模型进行条件β收敛检验。结果发现,β收敛系数均在5%水平下显著为负（表3）,表明无论从全国层面还是区域内部来看,耕地低碳利用绩效增速均与初始水平呈负向关系,省域间存在追赶效应。
Table 3 convergence test for the low-carbon performance of cropland use in China and its regions

表3 中国及区域耕地低碳利用绩效β收敛检验

检验类型 项目 全国 东部 东北 中部 西部
绝对β收敛 β -0.245*** -0.119** -0.533*** -0.273*** -0.331***
t-statistics -7.92 -2.35 -4.49 -4.62 -6.29
R2 0.1042 0.1300 0.2758 0.1665 0.1674
条件β收敛 β -0.246*** -0.154*** -0.732*** -0.280*** -0.335***
t-statistics -7.82 -2.93 -5.66 -4.55 -6.25
R2 0.1242 0.1849 0.4045 0.2334 0.2064
样本数/个 540 190 57 114 209
注：**、***分别表示系数在5%、1%的显著性水平下通过t检验。
四大区域绩效具有自身稳态,考察期内均向稳态水平靠拢,在各自形成收敛俱乐部之余,还对全国整体β收敛形成正向贡献。绝对、条件β收敛系数在全国层面下分别为 -0.245与-0.246,在东部依次是-0.119和-0.154,在东北为-0.533和-0.732,在中部为 -0.273和-0.280,在西部则是-0.331和-0.335,收敛速度按照“东北、西部、中部、东部”顺序递减。对比发现,相较于绝对β收敛系数,条件β收敛系数绝对值更大,说明在引入耕地本底条件和利用特征控制变量后,区域耕地低碳利用绩效收敛速度更快,意味着绩效收敛趋势不仅与耕地自然特征联系紧密,还与利用政策、发展导向息息相关。

4 结论与讨论

4.1 结论

在核算2000—2019年中国30个省（市、自治区）耕地利用碳排放、碳吸收的基础上,应用GB-US-S-SBM模型对省域耕地低碳利用绩效展开测算,并对绩效时空分异特征及收敛性进行分析,研究发现：
（1）中国耕地利用碳吸收、碳排放强度分别为5.624 t∙hm-2、1.980 t∙hm-2,净碳汇强度为3.644 t∙hm-2,各源头排放强度按照农用物资、稻田甲烷、秸秆燃烧和土壤氧化亚氮的顺序递减。绝大多数省份碳吸收强度位于2~12 t∙hm-2,碳排放强度处于0~5 t∙hm-2,各省碳吸收强度均高于碳排放强度,呈碳盈余状态。
（2）中国耕地低碳利用绩效历经剧烈起伏（2000—2003年）、缓慢上升（2004—2008年）、波动不定（2009—2012年）、高速增长（2013—2019年）四个阶段,总体呈改善态势。根据初始绩效和变化率,可将30个省（市、自治区）划分为五种类型,分别为低效高潜型（北京、天津等15地）、低效平稳型（江苏、安徽等4地）、高效平稳型（重庆、新疆等3地）、高效低潜型（湖北、四川等3地）和高效高潜型（吉林、黑龙江等 5地）,低效高潜型占据主体。基期,高效省份集中分布于西南地区,低效省份主要分布在西北地区。末期,多数高效省份位于东北地区和西北地区,低效省份聚集于长江中游地区。
（3）全国、东部和中部的耕地低碳利用绩效无σ收敛趋势,东北和西部的绩效严格遵循σ收敛。全国及区域耕地低碳利用绩效均存在β收敛,表明绩效增速与初始水平呈负向关系,各地绩效将随时间推移而收敛于自身稳态水平。

4.2 讨论

由于耕地禀赋、生产条件存在差异,各省承担的农业生产责任有所区别,农业大省的耕地利用频次较高,难以避免农资施用与能源消耗,排放强度往往超过平均水平,相比而言,非农业主产省的排放强度本身较低,故而总量核算无法指明省域耕地利用低碳转型方向。为解决这一问题,本文将核算所得碳排放、碳吸收置于耕地利用系统中,在考虑各地要素禀赋的前提下对耕地利用减排、增汇及增产的综合实现程度进行判断,将结果定义为耕地低碳利用绩效。“低碳约束下的耕地利用效率”与耕地低碳利用绩效的测算思路较为相近,但内涵有所区别：前者重心在于耕地利用效率,低碳仅为约束条件;而后者讨论如何在既有要素组合与生产技术下实现环境代价、生态效益和农业产出的共同改善,核心为生产要素、经济产出和低碳转型的协调统一。
就指标体系而言,多数学者在测算耕地利用效率时将视点聚焦于碳排放,却对碳吸收有所忽略。例如,卢新海等[23]将碳排放作为非期望产出,发现黑龙江和山东等地的平均耕地利用效率较低,个别年份甚至低于0.5,而本文中上述省份的年均耕地低碳利用绩效高于0.8,考察后期均升至1.0,结论存在明显差异。在低碳视角下,作物碳汇实质为耕地利用活动的生态效益,应被视为期望产出,否则将影响指标全面性和结果准确性。这一偏差在黑龙江、山东等农业大省的测算结果中较为突出,这些省份兼具高排放强度和显著碳汇能力,若单纯考虑碳排放,等于高估非期望产出,易使所测效率低于实际水平。将碳排放、碳吸收双重效应一并纳入分析,能使低碳绩效测算结果更加合理。
在方法选择上,许多研究采用SBM-Undesirable模型对低碳约束下的耕地利用效率进行衡量,然而,传统SBM模型基于截面数据测度省域相对效率,无法体现年际技术差距。例如,在吴昊玥等[26]的研究中,省域效率均值在研究期间一直位于0.85附近,无明显起伏。究其原因,截面SBM模型仅能对同一时点下的决策单元进行互评,探讨当期省域间的相对差距,随着生产前沿逐年变动,技术进步贡献被模糊化,所测效率不宜纵向比较。本文采用GB-US-S-SBM模型测算耕地低碳利用绩效,将研究期内全部省份统一纳入生产前沿构建过程,可确保跨期可比性与时序分析科学性。
本文仍存在一些局限：（1）耕地低碳利用绩效投入指标涵盖劳动力、化肥、灌溉和机械四项较为关键的生产要素,但考虑到重要性差异,未将农药、农膜等物资投入包含在内。GB-US-S-SBM模型假设所有投入权重相等,将次要因素纳入指标体系将削弱主要因素的作用。在后续研究中,若需覆盖各类投入,需科学权衡主客观权重,在模型构造上寻求突破。同时,由于统计资料中缺乏种植业的劳动力、机械两项指标,本文参考已有文献的普遍做法,基于产值加权法估计种植业劳动力,以农业机械总动力近似替代耕地利用机械投入,这与实际情况可能有所出入,导致绩效测算结果存在细微偏差。 （2）研究尺度只落足于省域,旨在为我国碳达峰、碳中和战略全局提供耕地利用领域的决策参考,后续研究可将尺度下沉至市州层面,结论将更加详尽、建议将更具针对性。

4.3 政策启示

加强关键源头控制,分类落实减排增汇。耕地利用碳盈余并不意味可以松懈低碳转型力度,而应关注潜在改进空间。在优化种植结构布局、保持农田增汇的同时,多环节、多领域推进温室气体减排：农用物资碳源在全国排放结构中占据绝对比重,要求加快推广低碳高效耕作、施肥、施药、灌溉技术,降低对农药、化肥等高碳物资的依赖性。稻田甲烷的排放贡献同样不容小觑,需继续研发引进低甲烷高淀粉水稻新品种,鼓励探索稻田低碳管理技术。继续严控秸秆露天焚烧,因地制宜推广秸秆还田、青贮、固化成型燃料等资源化利用方式。
顺应良性收敛之势,打破绩效发散格局。东北、西部已形成耕地低碳利用绩效σ收敛俱乐部,东部、中部未表现出显著σ收敛特征,如无政策干预,省际差距无法自动消失,绩效差异难以自然实现全局σ收敛。不过,四大区域均呈显著β收敛态势,表明省份之间存在互相追赶趋势,可考虑制定区域间差异化、区域内协同化的绩效改善措施。通过加大耕地保护力度、加强低碳转型投入,有望促使东部、中部加快形成高水平收敛,以期缩减耕地低碳利用绩效的地区差距。
优化生产要素配置,分省制定增效方案。对于黑龙江、吉林、山东等8个高效高潜型和高效平稳型省份,其耕地利用系统已基本平衡要素投入、环境负担与农业产出之间的关系,可作为生产条件类似地区的发展示范。湖北、贵州、四川作为高效低潜型省份,需警惕耕地低碳利用绩效的恶化势头,其排放结构中农用物资、稻田甲烷占比较高,可从农资利用率、能源使用效率和稻田减排等方面着手改进。在15个低效高潜型地区中,北京、天津等7地的耕地低碳利用已于2019年实现有效,其余地区应顺应绩效高速增长趋势,通过改善投入要素结构、加快推进生产减排等途径助力绩效优化。低效平稳型包括江苏、安徽、江西、湖南4个水稻主产省,其过高的稻田甲烷排放强度是阻碍绩效提升的关键因素,应在制定耕地低碳转型方案时重点关注,尽快找到适宜的减碳增效方式。

References

List( Publishing order | Descend order by publishing year | Descend order by cited within ) Chart analysis
[1]
贾根锁. IPCC《气候变化与土地特别报告》对陆气相互作用的新认知. 气候变化研究进展, 2020, 16(1): 9-16.
[ JIA G S. New understanding of land-climate interactions from IPCC special report on climate change and land. Climate Change Research, 2020, 16(1): 9-16.]
Cited in this article [1]
[2]
田云, 张俊飚. 中国农业生产净碳效应分异研究. 自然资源学报, 2013, 28(8): 1298-1309.
[ TIAN Y, ZHANG J B. Regional differentiation research on net carbon effect of agricultural production in China. Journal of Natural Resources, 2013, 28(8): 1298-1309.]
Cited in this article [2]
[3]
于贵瑞, 王秋凤, 朱先进. 区域尺度陆地生态系统碳收支评估方法及其不确定性. 地理科学进展, 2011, 30(1): 103-113.
https://doi.org/10.11820/dlkxjz.2011.01.013
Abstract
定量评估区域和不同类型生态系统的碳收支,可以为科学预测气候变化、服务于减缓和适应气候变化的区域碳管理提供科学依据,是生态系统与全球变化科学研究的重要科技问题。虽然区域碳收支的定量评估和认证还很难用当前的各种直接观测和评估方法来精确实现,但是,近年来这方面做了很多研究工作,也取得了一定进展。为此,本文综述了陆地生态系统碳收支的观测技术体系,重点分析区域尺度陆地生态系统碳收支评估方法及其不确定性。分析结果认为,为了定量认证中国区域的陆地生态系统、主要行业以及与碳汇相关项目的碳汇功能及其时空格局,急需采用&ldquo;多尺度观测、多方法印证、多过程融合、跨尺度认知和跨尺度模拟&rdquo;的研究思路,构建基于野外台站的碳循环及其通量的观测和实验研究网络、发展地面站点-陆地样带-生态网络与卫星和航空观测结合的多尺度观测系统,发展观测数据-生态过程模型-卫星遥感模型-GIS 空间分析系统。同时,本文指出：生态系统碳-氮-水循环间的耦合机制及其对碳源汇时空格局影响研究必将成为生态系统碳循环及其区域碳收支评估和定量认证科学研究的重要发展方向和新的研究热点。
[ YU G R, WANG Q F, ZHU X J. Methods and uncertainties in evaluating the carbon budgets of regional terrestrial ecosystems. Progress in Geography, 2011, 30(1): 103-113.]
Cited in this article [1]
[4]
WEST T O, BRANDT C C, BASKARAN L M, et al. Cropland carbon fluxes in the United States: Increasing geospatial resolution of inventory-based carbon accounting. Ecological Applications, 2010, 20(4): 1074-1086.
https://doi.org/10.1890/08-2352.1
http://doi.wiley.com/10.1890/08-2352.1
Cited in this article [2]
[5]
CAI Z, KANG G, TSURUTA H, et al. Estimate of CH4 emissions from year-round flooded rice fields during rice growing season in China. Pedosphere, 2005, 1: 66-71.
Cited in this article [1]
[6]
李颖, 黄贤金, 甄峰. 江苏省区域不同土地利用方式的碳排放效应分析. 农业工程学报, 2008, 24(s2): 102-107.
[ LI Y, HUANG X J, ZHEN F. Effects of land use patterns on carbon emission in Jiangsu province. Transactions of the CSAE, 2008, 24(s2): 102-107.]
Cited in this article [1]
[7]
LAL R. Carbon emission from farm operations. Environment International, 2004, 30(7): 981-990.
https://doi.org/10.1016/j.envint.2004.03.005
https://linkinghub.elsevier.com/retrieve/pii/S0160412004000832
Cited in this article [1]
[8]
CHENG K, PAN G, SMITH P, et al. Carbon footprint of China's crop production: An estimation using agro-statistics data over 1993-2007. Agriculture, Ecosystems & Environment, 2011, 142(3-4): 231-237.
https://doi.org/10.1016/j.agee.2011.05.012
https://linkinghub.elsevier.com/retrieve/pii/S0167880911001526
Cited in this article [1]
[9]
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. 中国人口·资源与环境, 2011, 21(8): 80-86.
[ LI B, ZHANG J B, LI H P. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China. China Population, Resources and Environment, 2011, 21(8), 80-86.]
Cited in this article [2]
[10]
丁宝根, 杨树旺, 赵玉, 等. 中国耕地资源利用的碳排放时空特征及脱钩效应研究. 中国土地科学, 2019, 33(12): 45-54.
[ DING B G, YANG S W, ZHAO Y, et al. Study on spatio-temporal characteristics and decoupling effect of carbon emission from cultivated land resource utilization in China. China Land Science, 2019, 33(12): 45-54.]
Cited in this article [1]
[11]
李俊杰. 民族地区农地利用碳排放测算及影响因素研究. 中国人口·资源与环境, 2012, 22(9): 42-47.
[ LI J J. Research on characteristics and driving factors of agricultural land carbon emission in provinces of minorities in China. China Population, Resources and Environment, 2012, 22(9): 42-47.]
Cited in this article [1]
[12]
李波, 刘雪琪, 梅倩, 等. 湖北省农地利用方式变化的碳效应特征与空间差异. 中国人口·资源与环境, 2018, 28(10): 62-70.
[ LI B, LIU X Q, MEI Q, et al. Study on carbon effects and spatial differences based on changes of agricultural land use in Hubei province. China Population, Resources and Environment, 2018, 28(10): 62-70.]
Cited in this article [1]
[13]
周思宇, 郗凤明, 尹岩, 等. 东北地区耕地利用碳排放核算及驱动因素. 应用生态学报, 2021, 32(11): 3865-3871.
[ ZHOU S Y, XI F M, YIN Y, et al. Accounting and drivers of carbon emission from cultivated land utilization in Northeast China. Chinese Journal of Applied Ecology, 2021, 32(11): 3865-3871.]
Cited in this article [1]
[14]
WATTS J D, LAWRENCE R L, MILLER P, et al. An analysis of cropland carbon sequestration estimates for North Central Monana. Climatic Change, 2011, 108(1-2): 301-331.
https://doi.org/10.1007/s10584-010-0009-1
http://link.springer.com/10.1007/s10584-010-0009-1
Cited in this article [1]
[15]
BEGUM K, KUHNERT M, YELURIPATI J, et al. Model based regional estimates of soil organic carbon sequestration and greenhouse gas mitigation potentials from rice croplands in Bangladesh. Land, 2018, 7(3): 82, Doi: 10.3390/land7030082.
https://doi.org/10.3390/land7030082
http://www.mdpi.com/2073-445X/7/3/82
Cited in this article [1]
[16]
陈丽, 郝晋珉, 王峰, 等. 基于碳循环的黄淮海平原耕地固碳功能研究. 资源科学, 2016, 38(6): 1039-1053.
[ CHEN L, HAO J M, WANG F, et al. Carbon sequestration function of cultivated land use system based on the carbon cycle for the Huang-Huai-Hai Plain. Resources Science, 2016, 38(6): 1039-1053.]
Cited in this article [2]
[17]
尹钰莹, 郝晋珉, 牛灵安, 等. 河北省曲周县农田生态系统碳循环及碳效率研究. 资源科学, 2016, 38(5): 918-928.
[ YIN Y Y, HAO J M, NIU L A, et al. Carbon cycle and carbon efficiency of farmland ecosystems in Quzhou, Hebei Province. Resources Science, 2016, 38(5): 918-928.]
Cited in this article [2]
[18]
胡乔利, 沈彦俊, 陈福军, 等. 冀中南地区农田生物生产力与碳截获能力时空变化分析. 地理科学, 2012, 32(2): 219-224.
https://doi.org/10.13249/j.cnki.sgs.2012.02.219
Abstract
以6期（1985年、1990年、1995年、2000年、2005年和2008年）土地利用数据和1984~2008年的粮食产量数据为基础,对冀中南地区农田生物生产力和碳截获能力进行了估算,并对其时空差异特征及其影响因素进行了分析。结果表明：自20世纪80年以来,冀中南地区农田中生物生产力和碳截获能力表现为增强趋势,总生物量和碳截获总量分别达到0.065 Pg 和0.025 Pg。农田的碳截获能力具有空间差异性。山前平原地区农田的生物生产力和碳截获能力均比较大,而在西部山区和东部低平原区表现较低。随着农田生物生产力和碳截获能力的增强,加速了碳循环和碳汇的过程。虽然农田碳截获总量很大,而且只是动态的碳库,但是如果能够合理利用必将增加农田的实际固碳能力。
[ HU Q L, SHEN Y J, CHEN F J, et al. Spatial-temporal change of biological productivity and carbon capture capability in the mid-south of Hebei province. Scientia Geographica Sinica, 2012, 32(2): 219-224.]
Cited in this article [1]
[19]
常虹, 杨武, 石磊, 等. 基于土地利用的北方农牧交错区碳固定和土壤保持时空变化. 农业资源与环境学报, 2021, 38(3): 484-493.
[ CHANG H, YANG W, SHI L, et al. Spatial and temporal changes of carbon sequestration and soil conservation based on land-use in the farming pastoral ecotone of North China. Journal of Agricultural Resources and Environment, 2021, 38(3): 484-493.]
Cited in this article [1]
[20]
王莉雁, 肖燚, 欧阳志云, 等. 国家级重点生态功能区县生态系统生产总值核算研究: 以阿尔山市为例. 中国人口·资源与环境, 2017, 27(3): 146-154.
[ WANG L Y, XIAO Y, OUYANG Z Y, et al. Gross ecosystem product accounting in the national key ecological function area. China Population, Resources and Environment, 2017, 27(3): 146-154.]
Cited in this article [1]
[21]
方精云, 郭兆迪, 朴世龙, 等. 1981-2000年中国陆地植被碳汇的估算. 中国科学: D辑: 地球科学, 2007, 37(6): 804-812.
[ FANG J Y, GUO Z D, PIAO S L, et al. Terrestrial vegetation carbon sink in China from 1981-2000. Science in China: Series D: Earth Sciences, 2007, 37(6): 804-812.]
Cited in this article [1]
[22]
WU H, TANG J, HUANG H, et al. Net carbon sequestration performance of cropland use in China's principal grain-producing area: An evaluation and spatiotemporal divergence. Land, 2021, 10(7): 714, Doi: 10.3390/land10070714.
https://doi.org/10.3390/land10070714
https://www.mdpi.com/2073-445X/10/7/714
Cited in this article [1]
[23]
卢新海, 匡兵, 李菁. 碳排放约束下耕地利用效率的区域差异及其影响因素. 自然资源学报, 2018, 33(4): 657-668.
[ LU X H, KUANG B, LI J. Regional differences and its influencing factors of cultivated land use efficiency under carbon emission constraint. Journal of Natural Resources, 2018, 33(4): 657-668.]
Cited in this article [2]
[24]
ZHANG C, SU Y, YANG G, et al. Spatial-Temporal characteristics of cultivated land use efficiency in major function-oriented zones: A case study of Zhejiang province, China. Land, 2020, 9(4): 114, Doi: 10.3390/land9040114.
https://doi.org/10.3390/land9040114
https://www.mdpi.com/2073-445X/9/4/114
Cited in this article [1]
[25]
LUO X, AO X, ZHANG Z, et al. Spatiotemporal variations of cultivated land use efficiency in the Yangtze River Economic Belt based on carbon emission constraints. Journal of Geographical Sciences, 2020, 30(4): 535-552.
https://doi.org/10.1007/s11442-020-1741-8
https://doi.org/10.1007/s11442-020-1741-8
Cited in this article [1]
[26]
吴昊玥, 黄瀚蛟, 何艳秋, 等. 净碳排放约束下的中国耕地利用效率评价及空间关联研究. 浙江农业学报, 2019, 31(9): 1563-1574.
[ WU H Y, HUANG H J, HE Y Q, et al. Evaluation and spatial correlation of cultivated land utilization efficiency under net carbon emission constraint of China. Acta Agriculturae Zhejiangensis, 2019, 31(9): 1563-1574.]
Cited in this article [2]
[27]
HAN H, ZHANG X. Static and dynamic cultivated land use efficiency in China: A minimum distance to strong efficient frontier approach. Journal of Cleaner Production, 2020, 246: 119002, Doi: 10.1016/j.jclepro.2019.119002.
https://doi.org/10.1016/j.jclepro.2019.119002
https://linkinghub.elsevier.com/retrieve/pii/S0959652619338727
Cited in this article [1]
[28]
柯楠, 卢新海, 匡兵, 等. 碳中和目标下中国耕地绿色低碳利用的区域差异与影响因素. 中国土地科学, 2021, 35(8): 67-76.
[ KE N, LU X H, KUANG B, et al. Regional differences and influencing factors of green and low-carbon utilization of cultivated land under the carbon neutrality target in China. China Land Science, 2021, 35(8): 67-76.]
Cited in this article [1]
[29]
ZHANG L P, ZHOU P. A non-compensatory composite indicator approach to assessing low-carbon performance. European Journal of Operational Research, 2018, 270(1): 352-361.
https://doi.org/10.1016/j.ejor.2018.02.058
https://linkinghub.elsevier.com/retrieve/pii/S037722171830208X
Cited in this article [1]
[30]
杨滨键, 孙红雨. 低碳绩效测度与动态效应研究: 以山东省种植业为例. 中国生态农业学报, 2021, 29(03): 581-589.
[ YANG B J, SUN H Y. Low carbon performance measurement and dynamic effects: A case study of the planting industry in Shandong province. Chinese Journal of Eco-Agriculture, 2021, 29(3): 581-589.]
Cited in this article [1]
[31]
冀正欣, 王秀丽, 李玲, 等. 南阳盆地区耕地利用效率演变及其影响因素. 自然资源学报, 2021, 36(3): 688-701.
[ JI Z X, WANG X L, LI L, et al. The evolution of cultivated land utilization efficiency and its influencing factors in Nanyang Basin. Journal of Natural Resources, 2021, 36(3): 688-701.]
https://doi.org/10.31497/zrzyxb.20210312
http://www.jnr.ac.cn/EN/10.31497/zrzyxb.20210312
Cited in this article [1]
[32]
国家发展和改革委员会. 省级温室气体清单编制指南[试行]. 北京: 国家发展和改革委员会, 2011.
[PRC National Development and Reform Commission. Guidelines for the Preparation of Provincial Greenhouse Gas Inventories (Trial). Beijing: PRC National Development and Reform Commission, 2011.]
Cited in this article [2]
[33]
程琳琳. 中国农业碳生产率时空分异: 机理与实证. 武汉: 华中农业大学, 2018.
[ CHENG L L. Spatial and temporal differentiation of China's agricultural carbon productivity: Mechanism and demonstration. Wuhan: Huazhong Agricultural University, 2018.]
Cited in this article [1]
[34]
CUBASCH U D, WUEBBLES D, CHEN D L, et al. Climate change 2013:The physical science basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, and New York: Cambridge University Press, 2013: 121-155.
Cited in this article [1]
[35]
TONE K. A slacks-based measure of efficiency in data envelopment analysis. European Journal of Operational Research, 2001, 130(3): 498-509.
https://doi.org/10.1016/S0377-2217(99)00407-5
https://linkinghub.elsevier.com/retrieve/pii/S0377221799004075
Cited in this article [1]
[36]
PASTOR J T, LOVELL C A K. A global Malmquist productivity index. Economics Letters, 2005, 88(2): 266-271.
https://doi.org/10.1016/j.econlet.2005.02.013
https://linkinghub.elsevier.com/retrieve/pii/S0165176505001175
Cited in this article [1]
[37]
田云, 张俊飚. 中国低碳农业发展的动态演进及收敛性研究. 干旱区资源与环境, 2017, 31(3): 1-7.
[ TIAN Y, ZHANG J B. Dynamic evolution and convergence on the development of China's low carbon agriculture. Journal of Arid Land Resources and Environment, 2017, 31(3): 1-7.]
Cited in this article [1]
[38]
LIN J Y. Rural reforms and agricultural growth in China. The American Economic Review, 1992, 82(1): 34-51.
Cited in this article [1]
PDF(3179 KB)

Accesses

Citation

Detail
Sections
Recommended

/

〈 〉