论文部分内容阅读
为探究我国农牧业碳排放,本研究根据历年农牧业生产的相关统计数据,测算我国农业和畜牧业碳排放,其中主要碳源包括水稻和主要农作物在种植过程中产生的CH4和N2O,牲畜养殖过程中产生的CH4和N2O,以及在农地利用过程中因农资投入而产生的碳排放。在对我国农牧业碳排放时空差异进行直观性描述的基础上,对农牧业、农业和畜牧业碳排放进行空间可视化分析,并构建重力模型分析碳排放的重心动态移动轨迹。在影响因素分析方面,本研究利用个体固定效应模型来对我国农牧业碳排放的影响因子进行回归分析。在预测方面本研究使用灰色预测模型GM（1.1）和ARIMA模型来进行预测,并对模型的预测结果进行比较。研究结果表明:（1）我国农牧业碳排放量的变化趋势主要表现为“上升—下降—上升”的阶段特征,而农牧业碳排放强度总体呈下降趋势。在农业和畜牧业碳排放方面,农业碳排放量高于畜牧业,且其变化总体呈上升趋势,畜牧业碳排放变化趋势也呈“上升—下降—上升”特征。在各碳源中,农地利用导致的碳排放增长最快,其碳排放量在2008—2015年超过畜牧业,成为碳排放量最高的碳源。（2）在1998—2015年河南省是我国农牧业碳排放最大的省份,而宁夏农牧业碳排放的年均增长率最大,为3.46%。根据空间可视化分析,我国农牧业、农业和畜牧业高碳排放区主要分布在我国主要的粮食产区和牧业区。农牧业、农业和畜牧业碳排放的重心主要分布在中部地区。（3）通过对农牧业碳排放的影响因子进行回归分析,发现农牧业产值,农作物面积对农牧业碳排放有显著的正向作用,其中农作物面积对农牧业碳排放正向作用的影响最大;农牧业产值结构、城镇化水平和居民消费水平对农牧业碳排放有负向作用。对农业和畜牧业碳排放正向作用影响最大的因素分别是农作物面积和乡村人口。（4）通过精准度比较,本文选择ARIMA模型来预测2016—2023年我国农牧业、农业和畜牧业碳排放。预测结果表示,到2023年,我国农牧业、农业和畜牧业碳排放分别为29542.59万吨、22594.18万吨和10530.13万吨,与2015年相比,分别增长了1.72%、14.79%和了12.50%。最后,根据上述的研究结论,本研究从减少农地利用碳排放、牲畜粪便处理、调整农业产业结构等角度提出相关的政策建议。