基于扩展的Kaya恒等式的中国农业碳排放驱动因素分析

doi:10.7523/j.issn.2095-6134.2015.06.005

中国科学院大学学报 ›› 2015, Vol. 32 ›› Issue (6): 751-759.DOI: 10.7523/j.issn.2095-6134.2015.06.005

基于扩展的Kaya恒等式的中国农业碳排放驱动因素分析

戴小文^1,2, 何艳秋¹, 钟秋波³

1. 四川农业大学经济管理学院, 成都 611130;
2. 四川农业大学四川省农村发展研究中心, 成都 611130;
3. 四川师范大学文科学报编辑部, 成都 610066

收稿日期:2014-12-09 修回日期:2015-01-13 发布日期:2015-11-15
基金资助:
国家社会科学基金(14XGL003)、四川省科技厅软科学项目(2015ZR0216)、四川省社科规划统计发展专项(SC14TJ18)和四川省教育厅科研项目(W14243226)资助

Analysis of CO₂ emission driving factors in China's agriculture based on expanded Kaya identity

DAI Xiaowen^1,2, HE Yanqiu¹, ZHONG Qiubo³

1. Faculty of Economics and Management, Sichuan Agricultural University, Chengdu 611130, China;
2. Sichuan Center for Rural Development Research, Sichuan Agricultural University, Chengdu 611130, China;
3. Editorial Department of Social Science Journal, Sichuan Normal University, Chengdu 610066, China

Received:2014-12-09 Revised:2015-01-13 Published:2015-11-15

摘要/Abstract

摘要：

理清影响农业低碳发展的关键因素有助于农业现代化的顺利实现.本研究对Kaya恒等式进行扩展,将农业碳排放分解为一般技术、农业低碳技术、农村生活水平、间接城镇化与总人口变动等因素,通过差额分析因素分解方法分析以上因素对中国农业碳排放的驱动方向与贡献率,发现农村生活水、城镇化以及总人口变动因素正向影响农业碳排放变动,而一般技术与农业低碳技术因素则负向影响农业碳排放变动.从各因素变动引起农业碳排放的无方向贡献看有下列关系:农村生活水平效应 >农业低碳技术效应 >间接城镇化效应 >一般技术效应 >总人口变动效应.

关键词: 农业碳排放, Kaya恒等式, 驱动因素, 因素分解

Abstract:

Agricultural modernization is a transition process from traditional agriculture to modarn agriculture, and the low-carbon agricultural way is an important approach in this transition. This study decomposes the CO₂ emission into five contributory factors based on an expanded Kaya identity. The five factors are general technology, agricultural low-carbon technology, rural affluence, indirect urbanization, and total population scale. With the incremental analysis we find that the rural affluence, urbanization, and total population scale are driving the agricultural CO₂ emission positively, while the general technology and agricultural low-carbon technology are driving the agricultural CO₂ emission negatively. Contribution without direction to total agricultural CO₂ emission caused by alteration of each factor is exhibited as: rural affluence influence > agricultural low-carbon technology influence > indrect urbanization influence > general technology influence > total population scale influence.

Key words: agricultural CO₂ emission, Kaya identity, driving factor, factor decomposition

中图分类号:

X322

戴小文, 何艳秋, 钟秋波. 基于扩展的Kaya恒等式的中国农业碳排放驱动因素分析[J]. 中国科学院大学学报, 2015, 32(6): 751-759.

DAI Xiaowen, HE Yanqiu, ZHONG Qiubo. Analysis of CO₂ emission driving factors in China's agriculture based on expanded Kaya identity[J]. , 2015, 32(6): 751-759.

参考文献

[1] 郭朝先. 中国碳排放因素分解:基于LMDI分解技术[J]. 中国人口·资源与环境,2010,20(12):4-9.

[2] 李国志,李宗植. 中国二氧化碳排放的区域差异和影响因素研究[J]. 中国人口·资源与环境,2010,20(5):22-27.

[3] 李磊,刘继. 基于对数平均迪氏指数法分解的工业二氧化碳强度驱动因素分析:以新疆为例[J]. 生态经济,2011(4):34-38.

[4] 刘梦琴,刘轶俊. 中国城市化发展与碳排放关系:基于30个省区数据的实证研究[J]. 城市发展研究,2011,18(11):27-32.

[5] 陈诗一. 能源消耗、二氧化碳排放与中国工业的可持续发展[J]. 经济研究,2009(4):41-55.

[6] 傅京燕,裴前丽. 中国对外贸易对碳排放量的影响及其驱动因素的实证分析[J]. 财贸经济,2012(5):75-81.

[7] 戴小文. 中国隐含碳排放因素分解研究[J]. 财经科学,2013(2):101-109.

[8] 聶鑫蕊,刘晶茹,杨建新, 等. 中国各省区城乡居民消费碳足迹格局研究[J]. 中国科学院大学学报,2014,31(4):477-483.

[9] 刘明磊,朱磊,范英. 我国省级碳排放绩效评价及边际减排成本估计:基于非参数距离函数方法[J]. 中国软科学,2011(3):106-114.

[10] Jung S, An K, Dodbiba G, et al. Regional energy-related carbon emission characteristics and potential mitigation in eco-industrial parks in South Korea:Logarithmic mean Divisia index analysis based on the Kaya identity[J]. Energy,2012,46(1):231-241.

[11] Ang B W, Z. Methodological issues in cross-country region decomposition of energy and environment indicators[J]. Energy economics,2001,23(2):179-190.

[12] 田云,张俊飚. 中国省级区域农业碳排放公平性研究[J]. 中国人口·资源与环境,2013,23(11):36-44.

[13] Duro J A. Weighting vectors and international inequality changes in environmental indicators:An analysis of CO2 per capita emissions and Kaya factors[J]. Energy Economics,2013,39(9):122-127.

[14] Duro J A, Padilla E. International inequalities in per capita CO2 emissions:a decomposition methodology by Kaya factors[J]. Energy Economics,2006,28(2):170-187.

[15] 庞丽. 我国农业碳排放的区域差异与影响因素分析[J]. 干旱区资源与环境,2014,28(12):1-7.

[16] 朱亚红,马燕玲,陈秉谱. 甘肃省农地利用碳排放测算及影响因素研究[J]. 农业现代化研究,2014,27(2):248-252.

[17] 田云,张俊飚,李波. 中国农业碳排放研究:测算、时空比较及脱钩效应[J]. 资源科学,2012,34(11):2 097-2 105.

[18] 田云,张俊飚,尹朝静, 等. 中国农业碳排放分布动态与趋势演进:基于31个省(市、区)2002-2011年的面板数据分析[J]. 中国人口·资源与环境,2014,24(7):91-98.

[19] 刘华军,鲍振,杨骞. 中国农业碳排放的地区差距及其分布动态演进:基于Dagum基尼系数分解与非参数估计方法的实证研究[J]. 农业技术经济,2013(3):72-81.

[20] 尧波,郑艳明,胡丹, 等. 江西省县域农业碳排放的时空动态及影响因素分析[J]. 长江流域资源与环境,2014,23(3):311-318.

[21] 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.

[22] 刘立平. 河南省农业碳排放时空特征及影响因素研究[J]. 水土保持研究,2014,21(4):179-183.

[23] 鲁钊阳. 省域视角下农业科技进步对农业碳排放的影响研究[J]. 科学学研究,2013,31(5):674-683.

[24] 杨钧. 农业技术进步对农业碳排放的影响:中国省级数据的检验[J]. 软科学,2013,27(10):116-120.

[25] Kaya Y. Impact of carbon dioxide emission on GNP growth:interpretation of proposed scenarios[R]. Paris:IPCC Energy and Industry Subgroup,1989.

基于扩展的Kaya恒等式的中国农业碳排放驱动因素分析

Analysis of CO₂ emission driving factors in China's agriculture based on expanded Kaya identity

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 2

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	闫涛, 张晓平, 赵艳艳. 基于超效率SBM模型的中国城市生态效率时空演变及影响因素[J]. 中国科学院大学学报, 2021, 38(4): 486-493.
[2]	何艳秋, 戴小文. 中国碳排放国际转移的行业敏感性分析[J]. 中国科学院大学学报, 2016, 33(2): 187-194.

基于扩展的Kaya恒等式的中国农业碳排放驱动因素分析

Analysis of CO2 emission driving factors in China's agriculture based on expanded Kaya identity

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 2

编辑推荐

Metrics

本文评价

访问统计

联系我们

Analysis of CO₂ emission driving factors in China's agriculture based on expanded Kaya identity