趙 宇

(江蘇理工學(xué)院商學(xué)院，常州 213001)

0 引言

減排已成為全球共識(shí)，我國(guó)作為最大的發(fā)展中國(guó)家，減排任務(wù)迫在眉睫[1]。農(nóng)業(yè)作為我國(guó)的基礎(chǔ)產(chǎn)業(yè)，農(nóng)業(yè)碳排放問題備受關(guān)注。據(jù)相關(guān)數(shù)據(jù)顯示， 2000年以來(lái)，我國(guó)農(nóng)業(yè)碳排放以3%的增速上漲，約占碳排放量的10%，高碳排放量必然引發(fā)環(huán)境問題，而正確探索高碳排放因素以及分析其發(fā)展趨勢(shì)是當(dāng)前首要任務(wù)[2]，基于此，科學(xué)辨識(shí)農(nóng)業(yè)碳排放動(dòng)態(tài)變化的影響因素及趨勢(shì)并提出合理化建議對(duì)于我國(guó)減排問題具有重要意義，有助于解決環(huán)境問題。

農(nóng)業(yè)碳排放與我國(guó)的環(huán)境問題緊密相連，因此農(nóng)業(yè)碳排放研究一直是各領(lǐng)域?qū)W者研究的重點(diǎn)[3-4]。近年來(lái)，多數(shù)學(xué)者從多個(gè)方面研究農(nóng)業(yè)碳排放，主要從農(nóng)業(yè)碳排放的測(cè)度、時(shí)空變化、影響因素、與經(jīng)濟(jì)發(fā)展的關(guān)系4方面進(jìn)行分析。如吳賢榮等[5]利用DEM模型，基于我國(guó)農(nóng)業(yè)的期望產(chǎn)出和非期望產(chǎn)出測(cè)算農(nóng)業(yè)碳排放量，結(jié)果表明，我國(guó)農(nóng)業(yè)碳排放量總體上呈上升趨勢(shì)； 劉立平[6]以河南省為研究區(qū)，研究河南省農(nóng)業(yè)碳排放的時(shí)空變化，結(jié)果表明，河南省農(nóng)業(yè)碳排放量較高的地區(qū)為耕地面積較大、農(nóng)業(yè)在區(qū)域經(jīng)濟(jì)中占有重要地位的地區(qū)； 張小平等[7]以甘肅省為例，基于LMDI模型分析影響農(nóng)業(yè)碳排放的因素，研究結(jié)果顯示，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展和農(nóng)業(yè)勞動(dòng)力能夠促進(jìn)農(nóng)業(yè)碳排放總量的發(fā)展，相反，生產(chǎn)效率和產(chǎn)業(yè)結(jié)構(gòu)具有抑制作用； 李立[8]揭示了黃淮海平原農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長(zhǎng)的脫鉤關(guān)系。總體來(lái)看，國(guó)內(nèi)研究農(nóng)業(yè)碳排放著重于單一研究，主要是對(duì)于現(xiàn)狀和影響因素的研究，但并未揭示未來(lái)農(nóng)業(yè)碳排放發(fā)展的可能性?；诖?，文章基于農(nóng)業(yè)碳排放2000～2015年的面板數(shù)據(jù)分析其影響因素，揭示2000～2015年江蘇省農(nóng)業(yè)碳排放變化規(guī)律； 并采用多元回歸分析模型分析江蘇省碳排放影響驅(qū)動(dòng)力，采用灰色預(yù)測(cè)模型GM(1， 1)預(yù)測(cè)2016～2030年江蘇省碳排放量，以期為江蘇省減排任務(wù)提供理論基礎(chǔ)。

1 研究區(qū)概況及研究方法

1.1 研究區(qū)概況

江蘇省位于中國(guó)大陸東部沿海，長(zhǎng)江下游地區(qū)，東臨黃海，東南毗鄰上海和浙江，西接安徽，北接山東，介于北緯30°45′～35°20′，東經(jīng)116°18′～121°57′，總面積10.72萬(wàn)km2，共13個(gè)市區(qū)，總?cè)丝跒? 998.6萬(wàn)人[11]。江蘇屬溫帶亞熱帶過渡性氣候，年均氣溫13～16℃。江蘇省是有名的“魚米之鄉(xiāng)”，農(nóng)業(yè)生產(chǎn)條件得天獨(dú)厚， 2016年江蘇省耕地面積458.3萬(wàn)hm2，人均耕地574m2，農(nóng)作物播種面積為7 676.9萬(wàn)hm2，其中，有效灌溉面積為405.41萬(wàn)hm2，機(jī)耕面積為593.96萬(wàn)hm2，農(nóng)業(yè)機(jī)械總動(dòng)力為4 906.55萬(wàn)kW，化肥施用量312.52萬(wàn)t，占全國(guó)5.23%，農(nóng)藥使用量7.62萬(wàn)t，占全國(guó)8.89%，農(nóng)膜使用量11.39萬(wàn)t，占全國(guó)6%，糧食產(chǎn)量達(dá)3 466萬(wàn)t。江蘇省雖然經(jīng)濟(jì)發(fā)展較快，但其農(nóng)業(yè)發(fā)展很大程度上依賴于化肥、農(nóng)藥及薄膜的使用，導(dǎo)致農(nóng)業(yè)生態(tài)環(huán)境污染嚴(yán)重，農(nóng)業(yè)碳排放量顯著增長(zhǎng)，制約了農(nóng)業(yè)經(jīng)濟(jì)發(fā)展。

江蘇省作為全國(guó)經(jīng)濟(jì)發(fā)展迅速的省份，同時(shí)也是農(nóng)業(yè)大省[9]。2016年江蘇省農(nóng)業(yè)總產(chǎn)值達(dá)7 235.1億元，同比增長(zhǎng)2.9%。江蘇省農(nóng)業(yè)發(fā)達(dá)，農(nóng)業(yè)碳排放相對(duì)較高[10]，且江蘇政府一直致力于農(nóng)業(yè)減排，但農(nóng)業(yè)減排的首要前提是辨析影響江蘇省農(nóng)業(yè)碳排量的因素，因此合理有效解決碳排放問題，正確分析其影響因素及有效模擬是首要前提。

1.2 研究方法

1.2.1 農(nóng)業(yè)碳排放的測(cè)算

如何科學(xué)的構(gòu)建農(nóng)業(yè)碳排放測(cè)算體系，一直是學(xué)術(shù)界不斷探究的問題之一。農(nóng)業(yè)對(duì)凈碳排放量的貢獻(xiàn)主要包括生命周期內(nèi)產(chǎn)生的直接或間接的碳排放量、農(nóng)業(yè)碳固定以及生物質(zhì)能源的減排效應(yīng)。結(jié)合上述考慮以及現(xiàn)有研究成果及數(shù)據(jù)的可獲取性[6-7， 11]，該文主要從投入角度計(jì)算幾個(gè)要素使用而產(chǎn)生的碳排放量：化肥施用方面、農(nóng)藥施用方面、地膜使用方面、柴油使用方面、土地灌溉方面、土地翻耕方面。農(nóng)業(yè)碳源數(shù)據(jù)均來(lái)源于《江蘇省統(tǒng)計(jì)年鑒(2001～2016)》，其中土地翻耕方面用當(dāng)年農(nóng)作物耕種面積表示。農(nóng)業(yè)碳排放量計(jì)算公式：

C=∑Ci×Δi

(1)

式(1)中，C為農(nóng)業(yè)碳排放量；Ci表示碳源量；Δi表示碳源排放系數(shù)。

1.2.2 多元回歸分析

多元回歸模型是研究多個(gè)自變量與一個(gè)因變量之間是否存在某種線性或非線性關(guān)系的一種統(tǒng)計(jì)學(xué)分析方法，主要目的在于分析多個(gè)自變量與一個(gè)因變量之間的數(shù)量關(guān)系，量化解釋變量對(duì)因變量的影響程度[12-13]，可以很好地滿足該文研究需要，因而引入回歸模型探尋各影響因素(自變量)對(duì)碳排放量(因變量)的貢獻(xiàn)程度。因碳排放量由多種因素造成，故其影響因素構(gòu)成較為復(fù)雜，既涉及資源環(huán)境、氣候等自然條件，同時(shí)也涉及社會(huì)經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)及消費(fèi)習(xí)慣等社會(huì)因素密切相關(guān)。綜合參考以往學(xué)者的研究成果，針對(duì)江蘇省的區(qū)域特性，凝練出江蘇省農(nóng)業(yè)碳排放影響因素。鑒于數(shù)據(jù)的可獲取性，該文基于SPSS軟件選取單位農(nóng)業(yè)能源消耗(X1)、農(nóng)業(yè)人口人均GDP(X2)、城鎮(zhèn)化率水平(X3)、財(cái)政支農(nóng)資金數(shù)額(X4)及農(nóng)業(yè)科研人員數(shù)量(X5)5個(gè)影響因子對(duì)江蘇省農(nóng)業(yè)碳排放進(jìn)行影響因素分析。這些影響因子相關(guān)數(shù)據(jù)來(lái)源于《江蘇省統(tǒng)計(jì)年鑒(2001～2016)》。回歸模型公式為：

Y=A0+A1X1+A2X2+…+A5X5+B

(2)

式(2)中，A為回歸常數(shù)，A1，A2，…，A5為回歸系數(shù)；Y為因變量；B為隨機(jī)誤差。

1.2.3 灰色預(yù)測(cè)模型 GM(1.1)

灰色預(yù)測(cè)模型的基本原理是基于對(duì)原始數(shù)列逐步加大或者減少，以對(duì)原始數(shù)列在應(yīng)用過程中累加而生成這樣的數(shù)據(jù)處理方法，在此基礎(chǔ)上可以得到一條具有指數(shù)增長(zhǎng)規(guī)律的上升形狀數(shù)列，它具有所需樣本少、不需要計(jì)算統(tǒng)計(jì)特征量等優(yōu)點(diǎn)[14-16]，是處理小樣本預(yù)測(cè)問題的有效工具。鑒于此，該文引入灰色預(yù)測(cè)模型模擬2020～2030年江蘇省農(nóng)業(yè)碳排放量情況，模型：

x(0)(k+1)=T(1)x(1)(k+1)-x(1)(k)

(3)

式(3)中，T表示轉(zhuǎn)置；當(dāng)k=1， 2，…，n-1時(shí)，x(0)的擬合值是x(0)(k+1)； 當(dāng)k≥N時(shí)，可得原始序列x(0)預(yù)報(bào)值。

2 結(jié)果與分析

2.1 碳排放動(dòng)態(tài)變化分析

圖1 2000～2015年江蘇省農(nóng)業(yè)碳排放動(dòng)態(tài)變化

2000～2015年江蘇省農(nóng)業(yè)碳排放量計(jì)算結(jié)果如圖1。2000～2015年，江蘇省農(nóng)業(yè)碳排放量呈現(xiàn)三段式變化。第一段變化期為2000～2003年，表現(xiàn)為小幅度的先增長(zhǎng)后下降趨勢(shì)，可能歸因于政府對(duì)于農(nóng)業(yè)的扶持力度有所增加造成農(nóng)民對(duì)于農(nóng)業(yè)的短期熱度。隨著對(duì)于生態(tài)環(huán)境保護(hù)的重視，限制農(nóng)藥、化肥施用量及地膜使用量，進(jìn)一步控制了工業(yè)碳排放量； 第二段變化期為2004～2010年，農(nóng)業(yè)碳排放量呈現(xiàn)出快速增長(zhǎng)趨勢(shì)。土地深耕、灌溉已基本實(shí)現(xiàn)機(jī)械化，故造成碳排放量的大量增加； 2011～2015年，農(nóng)業(yè)碳排放總量開始緩步減少。分析其原因?yàn)榻陙?lái)江蘇省大力提高農(nóng)業(yè)機(jī)械化水平，據(jù)統(tǒng)計(jì)， 2011年江蘇省農(nóng)業(yè)綜合機(jī)械化水平高達(dá)74%。同時(shí)， 2012年，政府加大了柴油型機(jī)械的管制力度，大力提倡清潔型能源全面代替不可再生能源，碳排放量開始步入緩步減少狀態(tài)。

2015年江蘇省各地市碳排放量如表1。由表1可以看出， 2015年江蘇省農(nóng)業(yè)碳排放量存在顯著的空間異質(zhì)性，且在各碳源排放量方面存在顯著差異。從碳排放總量方面來(lái)看，徐州市、南京市、南通市、鹽城市、宿遷市碳排放總量較高，徐州市經(jīng)濟(jì)發(fā)展水平處于全省第6位，且基本農(nóng)田面積高達(dá)56.9萬(wàn)hm2，農(nóng)業(yè)碳排放量居全省第1位。碳源方面來(lái)看，化肥的施用造成的碳排放量遠(yuǎn)遠(yuǎn)高于其他碳源的影響，鹽城市、徐州市、南京市施用化肥造成的碳排放量高于25萬(wàn)t。除此之外，也可以發(fā)現(xiàn)，經(jīng)濟(jì)發(fā)展水平相對(duì)較好的地區(qū)地膜的使用造成的農(nóng)業(yè)碳排放量也相對(duì)較高。目前來(lái)看，灌溉及機(jī)耕對(duì)于農(nóng)業(yè)碳排放量的貢獻(xiàn)相對(duì)較小，未來(lái)隨著農(nóng)業(yè)技術(shù)水平的發(fā)展灌溉及機(jī)耕的碳源污染將會(huì)進(jìn)一步降低。

2.2 碳排放影響因素分析

通過測(cè)算可知，農(nóng)業(yè)碳排放與各影響因子之間的多元回歸模型：

(4)

由式(4)可知，江蘇省碳排放變化的影響因子中，單位農(nóng)業(yè)能源消耗(X1)影響度最大，偏相關(guān)系數(shù)為0.843，其次是農(nóng)業(yè)人口人均GDP(X2)及財(cái)政支農(nóng)資金數(shù)額(X4)，影響值分別為0.655及0.548，最后為城鎮(zhèn)化率水平(X3)，而農(nóng)業(yè)科研人員數(shù)量(X5)對(duì)江蘇省碳排放的影響為-0.291。說(shuō)明2000～2015年，在選取的各項(xiàng)指標(biāo)中，農(nóng)業(yè)能源消耗(X1)、農(nóng)業(yè)人口人均GDP(X2)及財(cái)政支農(nóng)資金數(shù)額(X4)對(duì)江蘇省碳排放的增長(zhǎng)起主要推動(dòng)作用，而城鎮(zhèn)化率水平(X3)對(duì)江蘇省碳排放的影響作用相對(duì)較小，農(nóng)業(yè)科研數(shù)量(X5)對(duì)碳排放的減排起到積極作用。對(duì)于江蘇省農(nóng)業(yè)碳排放的增長(zhǎng)來(lái)說(shuō)，農(nóng)業(yè)能源消耗、農(nóng)業(yè)人口人均GDP、財(cái)政支農(nóng)資金數(shù)額為正向影響。鹽城、徐州等市農(nóng)業(yè)能源消耗量較大，土壤污染嚴(yán)重，同時(shí)，在江蘇的礦區(qū)和蘇南工業(yè)發(fā)達(dá)地區(qū)周邊農(nóng)地土壤受重金屬及難降解有機(jī)物的污染嚴(yán)重，土壤污染直接危及到農(nóng)產(chǎn)品質(zhì)量安全、生態(tài)安全及人體健康。近年來(lái)，江蘇省加強(qiáng)環(huán)境監(jiān)測(cè)，將糧食主產(chǎn)區(qū)的土壤污染修復(fù)列為工作重點(diǎn)，并出臺(tái)相關(guān)法律、法規(guī)，減少化學(xué)肥料施用，引導(dǎo)農(nóng)民使用有機(jī)肥，推行精準(zhǔn)科學(xué)施藥。此外，大力農(nóng)業(yè)廢棄發(fā)展資源轉(zhuǎn)化技術(shù)，扶持沼氣治理工程、有機(jī)肥加工工程、因地制宜推進(jìn)秸稈能源化、肥料化、飼料化、基礎(chǔ)化、原料化利用，積極拓展秸稈利用渠道。支農(nóng)資金的投入及農(nóng)業(yè)人均GDP的增加使得農(nóng)民更愿意進(jìn)行農(nóng)業(yè)生產(chǎn)，農(nóng)業(yè)快速發(fā)展及農(nóng)業(yè)規(guī)模的擴(kuò)大在一定程度上使得農(nóng)業(yè)碳排放量增加，使農(nóng)業(yè)能源消耗也越大，農(nóng)業(yè)碳排放量增加。農(nóng)業(yè)科研人員數(shù)量的增長(zhǎng)表明以科技發(fā)展農(nóng)業(yè)，主要表現(xiàn)為農(nóng)業(yè)機(jī)械耗油量的減少、清潔能源的使用，從而減緩碳排放量，故起到積極促進(jìn)的作用。

2.3 碳排放趨勢(shì)預(yù)測(cè)分析

經(jīng)由灰色預(yù)測(cè)模型GM運(yùn)算得到2016～2030年江蘇省碳排放量的預(yù)測(cè)值，由表2可知，2016～2030年江蘇省碳排放量變化過程整體呈現(xiàn)出逐步下降的趨勢(shì)，變化區(qū)間為453萬(wàn)～445萬(wàn)t。其中， 2016～2030年農(nóng)業(yè)碳排放量平均值約為449.25萬(wàn)t，遠(yuǎn)遠(yuǎn)低于2000～2015年農(nóng)業(yè)碳排放的平均值，這是由于近年來(lái)江蘇省意識(shí)到農(nóng)業(yè)碳排放不斷上升問題的嚴(yán)重性，長(zhǎng)此以往會(huì)導(dǎo)致居民生活水平的下降以及更為惡劣的生態(tài)污染，故頒布了一系列減少碳排放量、優(yōu)化生態(tài)環(huán)境的法案，例如《江蘇農(nóng)業(yè)基本現(xiàn)代化指標(biāo)體系》《江蘇農(nóng)業(yè)機(jī)械化水平評(píng)價(jià)指標(biāo)體系》等，在此基礎(chǔ)上開展環(huán)境管理行動(dòng)如人類與生物圈計(jì)劃、環(huán)境研究計(jì)劃、氣候變化研究計(jì)劃等研究計(jì)劃。這些措施在近年來(lái)已有一定的成效，政策的繼續(xù)實(shí)施將遏制江蘇省農(nóng)業(yè)碳排放量，預(yù)計(jì)將會(huì)呈現(xiàn)出緩步下降走勢(shì)，江蘇省在今后的發(fā)展過程中還需加大節(jié)能減排力度，以順利達(dá)到減排目標(biāo)。

表2 2016～2030年江蘇省碳排放值預(yù)測(cè)

年份201620172018201920202021202220232024202520262027202820292030碳排放預(yù)測(cè)值(萬(wàn)t)453.2452.7451.9451.3451.1450452448445447449451447446445

3 結(jié)論與建議

3.1 結(jié)論

農(nóng)業(yè)碳排放作為全球溫室氣體的重要來(lái)源，對(duì)氣候造成的威脅已不容忽視，尋求低碳農(nóng)業(yè)經(jīng)濟(jì)發(fā)展模式，嚴(yán)格監(jiān)測(cè)并控制農(nóng)業(yè)碳排放量，是當(dāng)前我國(guó)農(nóng)業(yè)發(fā)展的重要策略。該文對(duì)2000～2015年江蘇省農(nóng)業(yè)碳排放量進(jìn)行監(jiān)測(cè)，并預(yù)測(cè)了2020～2030年碳排放量走勢(shì)。

(1)2000～2015年江蘇省農(nóng)業(yè)碳排放量主要呈現(xiàn)三段式變化。2000～2003年，表現(xiàn)為小幅度的先增長(zhǎng)后下降趨勢(shì)；2004～2010年，農(nóng)業(yè)碳排放量呈現(xiàn)快速增長(zhǎng)趨勢(shì)；2011～2015年，農(nóng)業(yè)碳排放總量開始緩步減少。農(nóng)業(yè)碳排放量變化幅度逐漸趨于穩(wěn)定，表明江蘇農(nóng)業(yè)減排已經(jīng)取得初步成效。

(2)通過多元回歸分析對(duì)江蘇省碳排放量主要影響因素的預(yù)測(cè)結(jié)果表明，江蘇省農(nóng)業(yè)碳排放量的主要正向促進(jìn)因素依次是單位農(nóng)業(yè)能源消耗、農(nóng)業(yè)人口人均GDP、財(cái)政支農(nóng)資金數(shù)額，其影響因子大小依次為0.843、0.655、0.548，結(jié)合江蘇省現(xiàn)實(shí)情況，減少農(nóng)業(yè)能源消耗依然是未來(lái)農(nóng)業(yè)減排的首要任務(wù)。農(nóng)業(yè)科研人數(shù)的增加對(duì)抑制碳排放量的增長(zhǎng)起到一定的作用。

(3)江蘇省農(nóng)業(yè)碳排放呈顯著的空間差異，其中，徐州市、南京市、南通市、鹽城市、宿遷市碳排放總量較高，是未來(lái)農(nóng)業(yè)減排重點(diǎn)關(guān)注城市，其他地區(qū)農(nóng)業(yè)碳排放相對(duì)較低。

(4)由灰色預(yù)測(cè)模型GM運(yùn)算得到2016～2030年江蘇省農(nóng)業(yè)碳排放量的預(yù)測(cè)值，表明江蘇省農(nóng)業(yè)碳排放量預(yù)計(jì)不會(huì)出現(xiàn)大幅增加趨勢(shì)，將會(huì)呈現(xiàn)出緩步下降趨勢(shì)。

3.2 建議

根據(jù)江蘇省農(nóng)業(yè)碳排放測(cè)算及影響因素研究，基于江蘇省農(nóng)業(yè)發(fā)展概況，為了減少其農(nóng)業(yè)碳排放量，確保農(nóng)業(yè)可持續(xù)發(fā)展，該文提出相關(guān)的政策和建議：(1)加大農(nóng)業(yè)科技投入，培養(yǎng)農(nóng)業(yè)科技創(chuàng)新人才。從江蘇省農(nóng)業(yè)碳排放影響因素分析可知，農(nóng)業(yè)科技人員的增長(zhǎng)在很大程度上降低了江蘇省農(nóng)業(yè)碳排放，與此同時(shí)，農(nóng)業(yè)科技人員的加入也能夠?yàn)閯?chuàng)新農(nóng)業(yè)發(fā)展模式提供有力支撐。由于江蘇省內(nèi)區(qū)域之間的農(nóng)業(yè)發(fā)展差異明顯，各地區(qū)條件不同，對(duì)培育新型農(nóng)業(yè)經(jīng)營(yíng)主體的類型要因地制宜、各有側(cè)重：對(duì)新型農(nóng)業(yè)經(jīng)營(yíng)主體開展定期培訓(xùn)，組織參觀考察農(nóng)業(yè)科技先進(jìn)典型和農(nóng)業(yè)經(jīng)營(yíng)模式； 對(duì)新型農(nóng)業(yè)經(jīng)營(yíng)主體加大財(cái)政補(bǔ)助力度，允許新型農(nóng)業(yè)經(jīng)營(yíng)主體承擔(dān)部分財(cái)政項(xiàng)目，如現(xiàn)代農(nóng)業(yè)示范和先進(jìn)農(nóng)業(yè)科技項(xiàng)目； 給予新型農(nóng)業(yè)經(jīng)營(yíng)主體貸款、貼息貸款等支持。對(duì)于易災(zāi)地區(qū)和經(jīng)營(yíng)風(fēng)險(xiǎn)較大的農(nóng)業(yè)產(chǎn)業(yè)，如養(yǎng)殖業(yè)、育種業(yè)等，應(yīng)提供更加優(yōu)惠的保險(xiǎn)政策。(2)提高農(nóng)業(yè)人口待遇是降低江蘇省農(nóng)業(yè)碳排放的推力。農(nóng)業(yè)人口人均GDP決定了其在農(nóng)業(yè)發(fā)展中的積極性，只有GDP的增加才能帶動(dòng)他們對(duì)農(nóng)業(yè)的積極投入，以新的創(chuàng)新模式來(lái)發(fā)展農(nóng)業(yè)，提高農(nóng)業(yè)科技含量，降低農(nóng)業(yè)碳排放量，尤其應(yīng)給予對(duì)降低農(nóng)業(yè)碳排放有突出貢獻(xiàn)的農(nóng)戶，讓其引領(lǐng)其他農(nóng)戶發(fā)展新農(nóng)業(yè)，以達(dá)到減排目標(biāo)。(3)對(duì)于江蘇省全省而言，加強(qiáng)產(chǎn)業(yè)節(jié)能減排宣傳、大力發(fā)展新型能源、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)及能源結(jié)構(gòu)等對(duì)于進(jìn)一步降低碳排放具有重要作用。

農(nóng)業(yè)碳排放問題是全球?qū)W者關(guān)注的熱點(diǎn)和重點(diǎn)前沿領(lǐng)域，既有評(píng)價(jià)指標(biāo)選取及判斷的科學(xué)問題，同時(shí)也存在研究方法的適用性問題。該文運(yùn)用多元回歸模型探究江蘇省農(nóng)業(yè)碳排放動(dòng)態(tài)變化影響因素，并基于灰色預(yù)測(cè)模型GM預(yù)測(cè)2016～2030年江蘇省農(nóng)業(yè)碳排放量。較好地揭示了江蘇省農(nóng)業(yè)碳排放強(qiáng)度的影響因子，可為江蘇省及我國(guó)政府制定碳減排政策提供科學(xué)依據(jù)。我國(guó)目前正處于城鎮(zhèn)化與工業(yè)化及農(nóng)業(yè)現(xiàn)代化的快速發(fā)展階段，經(jīng)濟(jì)增長(zhǎng)對(duì)能源的消耗等形成較大壓力，如何促進(jìn)我國(guó)經(jīng)濟(jì)的實(shí)質(zhì)性轉(zhuǎn)型，實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境的協(xié)調(diào)發(fā)展是我國(guó)當(dāng)前的重要挑戰(zhàn)。江蘇省作為我國(guó)農(nóng)業(yè)大省之一，對(duì)其農(nóng)業(yè)碳排放量影響因素的探究對(duì)于我國(guó)其他地區(qū)開展碳排放相關(guān)研究具有借鑒作用。但該文僅從整體層面、宏觀角度對(duì)江蘇省農(nóng)業(yè)碳排放動(dòng)態(tài)變化進(jìn)行分析，探究影響因素的交互效應(yīng)，實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)生態(tài)環(huán)境的耦合協(xié)調(diào)發(fā)展是下一步研究的重點(diǎn)方向。

[1] 田云， 張俊飚，尹朝靜，等.中國(guó)農(nóng)業(yè)碳排放分布動(dòng)態(tài)與趨勢(shì)演進(jìn)——基于31個(gè)省(市、區(qū))2002～2011年的面板數(shù)據(jù)分析.中國(guó)人口.資源與環(huán)境， 2014, 24(7): 91～98

[2] 孫赫， 梁紅梅，常學(xué)禮，等.中國(guó)土地利用碳排放及其空間關(guān)聯(lián).經(jīng)濟(jì)地理, 2015(3)： 154～162

[3] 李秋萍， 李長(zhǎng)建，肖小勇，等.中國(guó)農(nóng)業(yè)碳排放的空間效應(yīng)研究.干旱區(qū)資源與環(huán)境， 2015, 29(4): 30～35

[4] 龐麗. 我國(guó)農(nóng)業(yè)碳排放的區(qū)域差異與影響因素分析.干旱區(qū)資源與環(huán)境， 2014, 28(12): 1～7

[5] 吳賢榮， 張俊飚，田云，等.中國(guó)省域農(nóng)業(yè)碳排放：測(cè)算、效率變動(dòng)及影響因素研究——基于DEA-Malmquist指數(shù)分解方法與Tobit模型運(yùn)用.資源科學(xué)， 2014, 36(1): 129～138

[6] 劉立平. 河南省農(nóng)業(yè)碳排放時(shí)空特征及影響因素研究.水土保持研究， 2014， 21(4)： 179～183， 189

[7] 張小平， 王龍飛.甘肅省農(nóng)業(yè)碳排放變化及影響因素分析.干旱區(qū)地理， 2014, 37(5): 1029～1035

[8] 李立， 周燦，李二玲，等.基于投入視角的黃淮海平原農(nóng)業(yè)碳排放與經(jīng)濟(jì)發(fā)展脫鉤研究.生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)， 2013, 29(5): 551～558

[9] 郭忻怡， 閆慶武，譚曉悅，等.基于DMSP/OLS與NDVI的江蘇省碳排放空間分布模擬.世界地理研究， 2016, 25(4): 102～110

[10]陸尤尤. 基于“壓力—狀態(tài)—響應(yīng)”機(jī)制的江蘇省農(nóng)業(yè)面源污染研究.南京：南京農(nóng)業(yè)大學(xué)， 2012

[11]吳梅. 江蘇省碳排放驅(qū)動(dòng)因素的動(dòng)態(tài)特征研究.南京：南京信息工程大學(xué)， 2015

[12]廖順寶， 姬廣興，侯鵬敏，等.面向糧食產(chǎn)量空間化的多元回歸分析模型中的兩個(gè)關(guān)鍵問題探討.自然資源學(xué)報(bào)， 2015, 30(11): 1922～1932

[13]梁友嘉， 徐中民.基于GIS的降水多元回歸模型在黑河干流山區(qū)的應(yīng)用.草業(yè)科學(xué)， 2011, 28(9): 1581～1588

[14]盧陽(yáng). 基于灰色線性回歸組合模型的金融預(yù)測(cè)方法.統(tǒng)計(jì)與決策, 2017(10)： 91～93

[15]顧景枝， 余國(guó)新，陳文博.新疆林果業(yè)生產(chǎn)風(fēng)險(xiǎn)度量與評(píng)估——基于GM(1， 1)模型與信息擴(kuò)散理論的實(shí)證分析.中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2015, 36(6): 82～88

[16]張貴軍， 朱永明，張蓬濤，等.石家莊市耕地資源人口承載力評(píng)價(jià).中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2013, 34(6): 120～126