賈明軍 夏鵬亮 黃勇 文濤 向修志 彭五星 徐祥玉 周劍雄 申國明 高林

摘要：為扎實推進我國綠色低碳發(fā)展和產業(yè)升級轉型，早日實現“雙碳”目標，各行各業(yè)均在積極響應。我國是農業(yè)生產大國，同時農業(yè)生產產生的碳排放數量龐大，存在巨大的固碳減排潛力，準確核算農業(yè)碳排放、構建完善的碳排放核算體系，對我國實現農業(yè)降碳目標至關重要。本文探討了農業(yè)碳排放的主要來源，并從外部環(huán)境（經濟增長、產業(yè)集聚、技術進步和貿易條件效應）和農業(yè)種植（生態(tài)環(huán)境因子和農田管理措施）2個方面分析其影響因素，對農業(yè)生態(tài)系統(tǒng)碳循環(huán)過程與碳通量測定方法、農業(yè)碳排放核算方法（碳效應分析、碳足跡分析和農業(yè)碳排放效率測算研究與模型應用）、農業(yè)碳排放交易等方面的研究進行歸納梳理，最后將農業(yè)大范疇的碳排放研究方法遷移至煙草農業(yè)中，并結合我國煙草生產實際，對其農業(yè)生產過程中的碳排放計量研究進行建議與展望，以期為今后煙草農業(yè)碳排放研究以及煙葉生產固碳減排技術策略的制定奠定基礎。

關鍵詞：農業(yè)碳排放；碳排放效率；碳計量；碳排放交易；煙草

中圖分類號：S181文獻標志碼：A

文章編號：1002-1302（2023）16-0009-09

收稿日期：2022-12-15

基金項目：中國煙草總公司重點研發(fā)項目（編號：110202102040）。

作者簡介：賈明軍（1996—），男，甘肅靖遠人，碩士研究生，主要從事煙草生態(tài)與煙葉品質分析研究。E-mail：2047802815@qq.com。

通信作者：申國明，碩士，研究員，主要從事煙草栽培研究，E-mail：shenguoming@caas.cn；高 林，碩士，副研究員，主要從事煙草生態(tài)與資源利用研究，E-mail：gaolin@caas.cn。

氣候問題與人類生產、生活等各個方面密切相關，而大氣中CO₂濃度的快速升高是致使氣候發(fā)生變化的最主要因素。在人們逐漸認識到全球變暖所帶來的危害后，大多數國家和地區(qū)都將減少溫室氣體排放作為共同的治理目標，并簽訂了相關條約予以應對，如1992年的《聯合國氣候變化框架公約》、1997年的《京都議定書》和2015年的《巴黎協定》^［1-2］。氣候變化于我國而言，是挑戰(zhàn)又是機遇^［3］。我國是人口超級大國，也是世界上最大的碳排放國。對此，習總書記提出，中國將力爭于 2030 年前二氧化碳排放達到峰值，努力爭取 2060 年前實現碳中和^［4］。其中“碳達峰”是指國家、城市或企業(yè)等某個主體人為碳排放量達到最大值，此后將不斷減少的過程。“碳中和”也稱“CO₂凈零排放”，即“在規(guī)定時期內，人為 CO₂移除在全球范圍抵消人為 CO₂排放量時的狀態(tài)”^［5］。農業(yè)是國民經濟的重要支柱產業(yè)，但同時也是繼工業(yè)之后的第二大溫室氣體排放源。據統(tǒng)計，我國農業(yè)生產過程中產生的碳排放約占全國總碳排放量的17%，極大地助推了氣候變暖，農業(yè)降碳減排刻不容緩^［6］。低碳循環(huán)經濟因其自身優(yōu)勢，使得低碳農業(yè)成為包含低碳生產、生態(tài)保護與氣候調節(jié)于一體的有機發(fā)展模式，同時也是我國減緩溫室氣體排放，實現農業(yè)可持續(xù)發(fā)展的關鍵所在^［7］。我國煙草種植歷史悠久且種植產區(qū)分布廣范，從中溫帶到亞熱帶地區(qū)均有種植。煙草種植面積與總產量均位居世界首位。但隨著低碳經濟與低碳農業(yè)的發(fā)展，煙草產業(yè)也必須走降碳的發(fā)展路線。在此環(huán)境背景下，如何確保煙草在我國國民經濟中的地位，實現行業(yè)自身發(fā)展，又達到低碳減排的目標，就必須統(tǒng)籌整個煙草生產加工全過程，尤其要改善煙草的種植過程。煙草農業(yè)低碳減排策略的制定，明確其生產全過程的具體碳排放值是前提，而對煙草農業(yè)全過程進行碳計量，就要先明確碳排放的源頭和影響因素，并找出合適的測定方法，準確測定各生產環(huán)節(jié)的碳排放值。但目前就煙草農業(yè)碳排放的研究鮮有報道，須借助其他作物或產業(yè)的計量方法來探索適用于煙草的碳計量方法體系。因此，本文對農業(yè)碳排放來源及影響因素、農業(yè)生態(tài)系統(tǒng)碳循環(huán)過程與碳通量測定、農業(yè)碳排放核算方法、農業(yè)碳排放交易研究等進行綜合歸納并梳理現有研究成果，以期對未來煙草的種植管理提供參考，助力煙草農業(yè)走向低碳環(huán)保、經濟可持續(xù)的發(fā)展道路。

1 農業(yè)碳排放來源及影響因素

1.1 農業(yè)碳排放來源

農業(yè)碳排放源頭具有多樣性，主要的來源有農作物種植期間因各種農用物料投入品、農業(yè)勞作時的化石能源消耗和農業(yè)廢棄物處理等環(huán)節(jié)產生的碳排放^［8］；水稻類作物田間生長期間產生的甲烷及農田土壤呼吸排放的二氧化碳、氧化亞氮類物質^［9］；動物飼養(yǎng)及糞便處理時產生的碳排放，其中反芻動物腸道發(fā)酵產生的碳排放尤為明顯^［10］。近年來，隨著我國農業(yè)機械化和集約化程度的不斷提高以及化肥、農藥等物料的大量使用，加劇了農田環(huán)境污染，同時也增加了二氧化碳的排放。如張揚等對我國1991—2019年全國主要糧食作物生產時投入的農用物資進行統(tǒng)計分析，發(fā)現近幾十年內我國農業(yè)經濟增長與農業(yè)技術逐步發(fā)展的背后，碳排放總量也在逐年加大。其中，化肥施用產生的碳排放量最大，農膜與機械油耗的碳排放量也在快速增加^［11］。就局部地區(qū)而言，劉楊等分析了山東省2000—2020年農業(yè)碳排特征，發(fā)現該省各農業(yè)碳排放來源中農資投入產生的碳排放量最高，其次是畜禽養(yǎng)殖，最后是農田土壤利用。其中化肥產生的碳排放在農資投入中占比最大，其次為農膜、灌溉和農用柴油，農藥占比略小^［12］。曹俊文等對江西省農業(yè)碳排放進行測算，發(fā)現該省近20年來農業(yè)碳排放總量逐年升高，各碳源排放量表現為化肥＞農藥＞農膜＞農用柴油＞灌溉，且化肥的碳排量大于其余幾種碳源碳排量之和^［13］。

綜上可知，農業(yè)碳排放的源頭主要包括農業(yè)生產過程中因各種能源物資的消耗而產生的碳排放，此外還應包括農作物自身的呼吸作用、土壤呼吸和農業(yè)廢棄物分解等過程中產生的碳排放。需要注意的是，就農作物自身特點而言它既是碳源又是碳匯，需要綜合考慮農業(yè)碳排放的源頭及其影響因素。

1.2 農業(yè)碳排放與外部環(huán)境的關系

1.2.1 農業(yè)碳排放與經濟增長間的關系 依據研究范圍劃分，目前關于農業(yè)碳排放與經濟增長關系的研究有兩大類，一方面從農業(yè)大范圍整體出發(fā)，李國志等分析農業(yè)碳排放的影響因素時利用LMDI模型進行分解，發(fā)現經濟增長是其最主要的驅動因素，經濟的發(fā)展雖然在一定時間段內會增加農業(yè)碳排放量，但從整體來看是改善環(huán)境的重要保障；其次是技術進步和農業(yè)能源消費變化，其中技術進步有利于減少農業(yè)碳排放，而農業(yè)能源消費結構變化則加劇了碳排放^［14］。顏廷武等認為，我國農業(yè)碳排放強度與農業(yè)經濟強度之間的關系為有雙拐點的倒“N”形^［15］。另一方面在局部地區(qū)的農業(yè)碳排放研究中，吳金鳳等對寧夏回族自治區(qū)鹽池縣和山東省平度市進行核算，對比2個縣域尺度上的農業(yè)碳排放環(huán)境庫茲涅茨曲線，發(fā)現前者處于農業(yè)經濟增長的初期，而后者處于農業(yè)經濟增長的后期。綜合效應表明，農業(yè)經濟增長在短期內會導致農業(yè)碳排放量的增加，但從長遠角度分析有益于改善農業(yè)生產環(huán)境^［16］。

1.2.2 農業(yè)碳排放與產業(yè)集聚間的關系 紀玉俊等認為，產業(yè)集聚會使相同行業(yè)及其關聯產業(yè)的生產成本與勞動力投入減少，同時大大降低產品運輸過程中的能源消耗量，提高能源利用率，進而減少碳排放^［17］。胡中應等認為，農業(yè)產業(yè)集聚程度與碳排放總量之間的關系屬于倒“U”形關系，而與碳排放強度之間屬于正“N”形關系^［18］。同樣，賀青等研究發(fā)現，農業(yè)產業(yè)聚集水平與農業(yè)碳排放量之間符合倒“U”形曲線^［19］。田云等認為，農業(yè)產業(yè)集聚與農業(yè)凈碳效應之間呈現正“N”形關系^［20］。而程琳琳等研究發(fā)現，農業(yè)產業(yè)集聚對農業(yè)碳效率的影響會因地域間經濟的不同而有所差異。沿海地域提高產業(yè)集聚程度會顯著改善農業(yè)碳效率，而西北地區(qū)提高產業(yè)集聚程度后農業(yè)碳效率會出現先改善后逐步惡化的現象^［21］。

1.2.3 農業(yè)碳排放與技術進步間的關系 高鳴等發(fā)現，技術進步在我國農業(yè)碳排放績效中起到最主要的貢獻作用^［22］。胡川等研究表明，農業(yè)機械化程度對農業(yè)碳排放的影響起到負向調節(jié)作用且效果顯著^［23］。而楊鈞認為，短期內農業(yè)技術進步會使農業(yè)碳排放的總量增加，但隨著勞動力成本的不斷升高，對降低農業(yè)碳排放的積極影響會越發(fā)明顯^［24］。

1.2.4 農業(yè)碳排放與貿易條件效應間的關系 韓岳峰等研究發(fā)現，影響我國農業(yè)碳排放變化的眾多因素中，按其貢獻率的大小排序為進口效應＞貿易條件效應＞產業(yè)規(guī)模效應＞出口反效應＞能源效率效應。此外，除產品本身的碳排放和產品制作時原材料、半成品等物資運輸過程中產生的碳排放之外，我國人口規(guī)模效應產生的碳排放量也較大，這部分的碳排放主要由人口流通時的交通運輸產生^［25］。

綜合分析可知，經濟、技術、產業(yè)和貿易條件等外部環(huán)境因素均會影響我國的農業(yè)碳排放。各研究所得出的影響重要程度雖各有所不同，但整體存在一個共同點，即正“Ｎ”形關系較明顯，即當上述條件不斷優(yōu)化、發(fā)展和提升時，農業(yè)碳排放表現出“先增、后減、再增”的階段式變化。因此，從大環(huán)境對我國碳排放進行調控時，需準確把握調節(jié)方向與調節(jié)力度，使各因素的影響程度處于最優(yōu)的范圍內對我國農業(yè)低碳減排效果會更加明顯。

1.3 農業(yè)碳排放與種植相關因素的關系

1.3.1 生態(tài)環(huán)境因子對農業(yè)碳排放的影響 農業(yè)碳排放除受外部環(huán)境影響外，生態(tài)環(huán)境因子也會影響農業(yè)碳排放，尤其通過影響土壤呼吸碳排放來影響農業(yè)碳排放。土壤呼吸過程復雜，有自養(yǎng)型呼吸和異養(yǎng)型呼吸之分。其中，自養(yǎng)呼吸包括根呼吸和根際微生物的呼吸，異養(yǎng)呼吸包括動物呼吸和土壤微生物呼吸。眾多研究結果表明，土壤的溫濕度是影響土壤呼吸最主要的因子^［26-28］。其中土壤溫度會對土壤微生物的群落活性、酶活性、有機質的分解進程、根系的生長代謝等造成影響，進而對土壤呼吸速率產生影響^［29-30］。CO₂排放通量在一定溫度范圍內與土壤溫度呈極顯著正相關關系^［31］。增溫處理下，土壤CO₂的排放會因增溫時長的不同表現出差異。如短期增溫會使大氣和土壤的溫度同步增加，有利于增加土壤微生物數量及其相關酶活性，進而促進土壤CO₂的排放^［32-33］；而長期增溫則會抑制土壤CO₂的釋放^［34］。關于濕度對土壤呼吸的影響，有研究結果表明，旱作農田中的土壤呼吸速率與土壤水分呈正相關關系^［35］；森林土壤CO₂排放量隨土壤濕度增加而顯著增加^［36］；而水稻田中土壤呼吸速率與土壤水分負相關^［37］。另有田間試驗結果表明，土壤水分只在其含量過高或過低時對土壤呼吸有抑制作用^［38-39］。

土壤微生物群落作為影響土壤碳排放的重要因子，除了會受溫度變化帶來的影響外，對土壤微環(huán)境的改變也較敏感，土壤受到擾動后其碳循環(huán)也會發(fā)生變化^［40-41］。土壤微生物活性增強時，會加速土壤有機質的分解，進而增加土壤CO₂排放量^［42］。此外，土壤碳排放還會受到土壤pH值、地表植被覆蓋率、土壤質地、農作物間作等因素的影響^［43］。

1.3.2 農田管理對農業(yè)碳排放的影響 目前，廣泛應用于種植業(yè)的碳減排措施有推廣免耕、合理施肥、秸稈還田、優(yōu)化田地水分管理等。如董紅敏等研究發(fā)現，單位面積的稻田甲烷排放量和氧化亞氮排放量經間歇灌溉、施用緩釋肥或長效肥料等管理措施后，分別減少約30%、50%～70%，減排效果顯著^［44］。袁偉玲等也發(fā)現，間歇式灌溉可有效抑制溫室氣體的排放^［45］。秦曉波等發(fā)現，”免耕-高茬-還田“田間種植模式下的雙季稻可以實現增產降碳的優(yōu)良成效^［46］。周杏等研究發(fā)現，湖北省各區(qū)域均適合間歇灌溉、適量施肥和機械耕作的種植模式，同時結合不同的地理位置適宜選擇不同的輪作種植模式^［47］。堯波等研究發(fā)現，化肥和農業(yè)機械的使用是近年來江西省農業(yè)碳排放量不斷增加的主要原因，相反，生產效率、結構和勞動力等因素則會使農業(yè)碳排放受到抑制^［48］。李波等認為，效率因素、結構因素和勞動力規(guī)模大小等均會對碳排放起到一定的抑制作用^［49］。吳賢榮等研究發(fā)現，農業(yè)碳排放效率的正向影響因素為產業(yè)結構、耕地占有比例和自然災害下的農業(yè)受災情況，而勞動力受教育程度及當地的對外開放程度則有相反的效果^［50］。

由此可知，影響我國農業(yè)碳排放因素眾多，包括農業(yè)經濟增長、產業(yè)集聚、技術進步、貿易條件及農業(yè)種植相關的各個環(huán)節(jié)等均可影響碳排放量。但各研究結果基于的研究方向與側重點不同，數據來源與數據質量不同，分析處理和檢驗核算的方法也不同，從而得到的影響因素各有差異。因此，需要綜合考量各影響因素的相互作用關系和影響重要程度，構建合理而完善的碳排放核算體系，對于促進農業(yè)實現固碳減排具有重要意義。

2 農業(yè)生態(tài)系統(tǒng)碳循環(huán)過程與碳通量測定

2.1 農業(yè)生態(tài)系統(tǒng)碳循環(huán)過程

不同尺度的碳循環(huán)其基本過程大體相似，均是在空氣、植被和土壤等碳庫間在綠色植物、動物和微生物等相互作用下，以碳的不同形式不斷流動和積累的循環(huán)過程。而農田生態(tài)系統(tǒng)的碳循環(huán)過程則會因人類活動等主觀調控使得碳在流動過程中發(fā)生定向變化和發(fā)展。田間生長期，農作物既有光合作用的CO₂固定，又有各種呼吸途徑或擾動作用下的CO₂釋放^［51］。其中，光合作用是綠色植物的葉綠體在光照條件下將CO₂和H₂O轉化為碳水化合物并釋放O₂的過程。因此，植物光合固碳是綠色植物物質生產的基礎，為整個生態(tài)系統(tǒng)提供原始動力，屬于碳匯環(huán)節(jié)。而生態(tài)系統(tǒng)呼吸包括植物呼吸和土壤呼吸，其呼吸作用是分解有機物釋放CO₂的過程，屬于碳源環(huán)節(jié)^［52］。因此，掌握農田生態(tài)系統(tǒng)的CO₂交換特征及其影響因素，是明確農田生態(tài)系統(tǒng)與大氣環(huán)境之間的碳循環(huán)過程機理的前提和關鍵所在，同時也為評價農田碳源/碳匯屬性及其強度，建立農田生態(tài)系統(tǒng)模型模擬提供科學依據^［53］。

煙草生態(tài)系統(tǒng)碳循環(huán)過程也包括光合作用的碳固定過程和呼吸作用的碳排放過程。這2個過程既相對獨立又相互依存，都會受到氣候、土壤和植物生理生態(tài)等要素變化的影響，同時人類活動的干預和調節(jié)也會對其造成影響。因此，分析煙草生長過程中碳吸收與碳排放的變化關系，明確各因素對煙草生態(tài)系統(tǒng)碳循環(huán)的影響程度，是準確計量煙草在生長過程中碳排放的重要環(huán)節(jié)。但現有關于煙草光合作用的研究大多為田間生長階段自然環(huán)境^［54-57］和種植方式^［58-59］等因素對光合效率的影響，而關于碳排放影響因素及光合作用下固碳效應的研究較少。

2.2 農業(yè)生態(tài)系統(tǒng)碳通量測定方法

用于農田氣體通量測定的方法主要有箱式法和微氣象學法，其中微氣象學法包含渦度相關法、波文比法、弛豫渦旋積累法、通量梯度法和質量平衡法等^［60-61］。此外，擴散法、固定探頭法和氣體井法也常被用于土壤碳通量的測定^［62］。但目前在生態(tài)系統(tǒng)碳通量的測定研究中，微氣象學法的渦度相關法運用最廣泛。

2.2.1 箱式法 箱式法依據其箱體內的氣體是否流動，分為動態(tài)箱法和靜態(tài)箱法2種方式。其中，靜態(tài)箱法在觀測期間箱體內無空氣流動，需每隔一段時間對箱體內的氣體進行手動采樣，并用氣相色譜儀進行濃度分析。而動態(tài)箱法在觀測期間箱體內的氣體在不斷的流動，用氣體自動分析儀將進氣口和出氣口相連形成循環(huán)氣路后完成自動檢測^［63］。箱式法因其簡單、快捷且經濟的優(yōu)點，被廣泛應用于低矮植被生態(tài)系統(tǒng)碳交換量的直接觀測^［64］但是該方法受箱體尺寸、基座插入土壤的深度、觀測持續(xù)時間、通量計算模型等因素的影響^［65-67］。

2.2.2 渦度相關法 渦度相關技術是美國LI-COR公司推出的一套運用微氣象學理論對能量物質通量進行測定的設備，主要被用來測定CH₄、N₂O等微量氣體，CO₂、H₂O 等大量氣體，以及熱量的生態(tài)系統(tǒng)-大氣界面物質和能量的交換通量^［68］。渦度相關法因測定持續(xù)時間長、觀測結果連續(xù)、可有效避免密閉觀測系統(tǒng)帶來的誤差而被廣泛用于不同尺度陸地生態(tài)系統(tǒng)碳平衡估算。孫小祥等在我國長三角地區(qū)采用渦度相關技術對該區(qū)域典型稻麥輪作農田生態(tài)系統(tǒng)進行連續(xù)觀測近1年，發(fā)現稻麥輪作下的農田生態(tài)系統(tǒng)固碳能力強且影響凈碳交換的主要環(huán)境因子存在晝夜差異。白天光合有效輻射的影響更明顯，而夜晚的主要環(huán)境影響因子是溫度，兩者之間表現為顯著的指數相關關系^［69］。同樣的技術檢測下，許琰等在新疆維吾爾自治區(qū)石河子市棉花主產區(qū)對覆膜滴灌棉田的CO₂通量進行測定，發(fā)現氣溫是該區(qū)域棉田生態(tài)系統(tǒng)凈碳交換的主要影響因素，對其起促進作用^［70］。王尚明等連續(xù)觀測稻田生態(tài)系統(tǒng)的CO₂通量1年后，發(fā)現水稻生長季稻田生態(tài)系統(tǒng)的總CO₂通量為負值，表現為碳匯，非生長季表現為碳源。且整個稻田生態(tài)系統(tǒng)的CO₂通量存在明顯的日變化特征，整體表現為白天凈吸收的CO₂量大于夜間呼吸釋放的CO₂量^［71］。而徐昔保等認為，太湖流域的稻麥輪作農田生態(tài)系統(tǒng)全年均表現為弱的碳匯效應^［72］。李琪等發(fā)現安徽省壽縣的冬小麥/水稻生態(tài)系統(tǒng)在生長季有較強的固碳能力，總體表現為碳匯效應^［73］?？梢?，農田生態(tài)系統(tǒng)的固碳效應不僅會因該系統(tǒng)范圍內種植的農作物種類不同而存在差異，同時也會受到地域間的氣候、溫度等環(huán)境因素的影響。

3 農業(yè)碳排放核算方法

經文獻查閱發(fā)現，農業(yè)碳排放核算的一般步驟是先確定研究對象所處的系統(tǒng)范圍及其邊界，確定碳排放源頭并分析碳排放的主要影響因素，然后再確定轉換系數和測定方法，最后準確測定各環(huán)節(jié)的碳排放量及整個農業(yè)生產過程中的總碳排放量。因此，農業(yè)碳排放核算可以從投入視角開始，如確定農作物在種植過程中，農用塑料薄膜的消耗、農藥化肥的施用、各種農用機械的燃油消耗、人工電力的消耗等。同時，結合生長期作物自身所在的農田生態(tài)系統(tǒng)碳循環(huán)特征整體分析碳效應。核算過程依據分析結果的需要有農業(yè)碳效應分析、農業(yè)碳足跡分析和農業(yè)碳排放效率測算等。在各研究中部分學者并未只對其中一種結果進行測算，而是對其研究的生態(tài)系統(tǒng)碳排放進行綜合分析，并給出了減排建議或對后期深入研究進行展望。同樣，對于煙草農業(yè)生產全過程的碳排放核算，通過計算碳排放效率、進行碳效應核算可分析煙草在種植階段相應的碳效應水平、煙草農業(yè)的碳效應結構及對應的影響因素，進而為煙草生產固碳減排提供理論依據。

3.1 農業(yè)碳效應分析

農業(yè)碳效應包括碳源效應、碳匯效應和凈碳效應^［74］。羅懷良從研究視角、研究進展和研究改進建議3個部分對我國農業(yè)碳源效應和碳匯效應進行綜述研究，其改進建議中明確提出，農業(yè)碳源/碳匯估算時數據來源要做到實地觀測與農戶調查統(tǒng)計相結合，參數需進行本土化處理，綜合計量農產品生產加工、流通消費等環(huán)節(jié)的碳流通和種植養(yǎng)殖等關聯性產業(yè)碳源/碳匯效應等^［75］。田云等為明確我國不同地區(qū)的農業(yè)凈碳水平，對我國31個?。ㄊ?、區(qū)）的15種主要農作物分23類碳源，分析其在1995—2010年的碳排量與碳匯量等統(tǒng)計數據，發(fā)現我國各區(qū)域凈碳效應差異顯著但農業(yè)節(jié)能減排的整體成效可觀，其中黑龍江省、吉林省和廣西壯族自治區(qū)的農業(yè)生產碳匯水平穩(wěn)居前三，西藏自治區(qū)、青海省和福建省的農業(yè)生產碳匯水平最低^［76］。陳儒等對我國陜西省安塞縣進行詳細的農戶調查，發(fā)現該縣域不同農業(yè)生產項目的綜合碳效應差異明顯，碳排放主要來源于農資投入品和農業(yè)廢棄物處理，生態(tài)林草類項目的碳匯貢獻率最大，約占總碳匯量的92.38%，其中土壤固碳量占79.17%，綜合碳效應表現為凈碳匯效應^［77］。

3.2 碳足跡分析

碳足跡是一種用來度量不同尺度下的某種產品或活動在其整個生命周期內CO₂排放量的方法，有直接碳排放與間接碳排放之分。通常用于碳足跡的計算方法有生命周期評價法和投入產出法2種，前者適用于微觀產品，后者適用于大尺度下的生態(tài)系統(tǒng)^［78］。目前關于農業(yè)碳足跡的研究中，依據研究尺度或邊界的不同劃分為國家層面的大農業(yè)生態(tài)系統(tǒng)、省級層面的中級生態(tài)系統(tǒng)和具體農作物的小型生態(tài)系統(tǒng)3類。如段華平等對我國1990—2009年的碳足跡進行估算，發(fā)現農作物生產時化石能源的大量使用使得我國單位面積的碳足跡在逐年增加，且各省（市、區(qū)）間差異較明顯^［79］。尚杰等借助數學模型對我國31個?。ㄊ?、區(qū)）的農業(yè)碳排放效率進行測算，并分析其主要的驅動因素，發(fā)現在研究時間范圍內我國農業(yè)碳排放效率存在空間關聯網絡特征且關聯性在不斷增強，其主要驅動因素為交通運輸水平和第一產業(yè)的總產值^［80］。

省級層面的中級生態(tài)系統(tǒng)因其研究范圍較小，近年來眾多學者對不同省份的農田生態(tài)系統(tǒng)碳足跡進行分析，同時對碳源/碳匯量進行測度，有助于各省份了解其農田生態(tài)系統(tǒng)碳排放特征與后期減排政策的制定和部署。主要涉及的省份有湖南^［81］、云南^［82］、山東^［83］、安徽^［84］、重慶^［85］、海南^［86］等。

具體農作物的碳足跡分析中，以小麥和玉米2種主糧的研究最常見。王鈺喬等運用生命周期評價法核算我國2005—2015年小麥和玉米的碳足跡，并通過模擬分析發(fā)現利用優(yōu)化肥料配比和降低農藥使用量等方法可有效降低其碳足跡，具有明顯的減排潛力^［87］。而史磊剛等運用農戶生產調查法對我國華北平原冬小麥與夏玉米的碳足跡進行研究，發(fā)現該種植模式下的農田碳足跡與氮肥施用量和電力消耗力量之間表現為正向相關^［88］。武寧等對小麥—玉米兩熟的農田生態(tài)系統(tǒng)碳足跡進行研究，發(fā)現耗碳足跡中化合物耗碳占比最大，其次為機、電、油的耗碳，秸稈耗碳可占有機耗碳的98.83%；固碳足跡中作物籽粒和秸稈的貢獻最大；整個農田生態(tài)系統(tǒng)的碳排放表現為碳匯效應^［89］。

3.3 農業(yè)碳排放效率測算研究與模型應用

目前就碳排放效率的定義主要分單一要素和全要素2種進行歸類定義，但并未完全統(tǒng)一。如單一要素中就有碳生產率和碳排放強度2種，2種概念雖表述不同，但都能反映單位數量的CO₂排放與其產生的GDP之間的關系。而全要素定義時因其綜合考慮環(huán)境、能源與經濟三者之間的關系，現得到眾多學者的認可^［90］。農田生態(tài)系統(tǒng)碳排放效率研究中，劉勇等對比分析2002—2014年我國水稻主產省份的碳排放效率，發(fā)現單季稻的碳排放效率顯著高于雙季稻的碳排放效率^［91］?？琢⒌冗\用指數分解法核算了馬鈴薯生產過程中的碳排放量，并將干物質當量折算為產量后與玉米和小麥進行對比，發(fā)現馬鈴薯的碳排放效率略小于玉米而明顯高于小麥^［92］。此外，不同學者基于不同省份制定各自省份的碳排放核算方法。如張景鳴等對黑龍江省農業(yè)溫室氣體排放核算范圍進行界定后確定了適用于當地的核算因子與核算方法^［93］。胡永成等結合河南省的實際特征，對該省農業(yè)溫室氣體清單的編制進行調整^［94］。

農業(yè)碳排放效率可表征在一定碳排放約束條件下農業(yè)生產的效率水平，常用于測算碳排放效率的方法有數據包絡分析（DEA）、隨機前沿法（SFA）和社會網絡分析法（SNA）等，但均無法有效解決生產過程中存在的非期望產出，因此學者們積極參與模型的改進，如田云等對湖北省進行農業(yè)碳排放效率測算及其空間差異特征分析時便采用改進后的DEA-Malmquist分解法^［95］。同樣的指標，王兆峰等將模型改進為超效率SBM-DEA模型并與Malmquist指數結合，對湖南省2010—2016年14個州（市）進行測算與分析^［96］。此外，對SBM模型的改進與應用也較常見。黃和平等使用SBM-Undesirable模型測算江西省農用地生態(tài)效率及其時空差異特征^［97］。王帥等利用Super-SBM模型測算碳排放約束下的農業(yè)生產效率^［98］。王海飛以縣級為單位，選擇農業(yè)碳排放值作為非期望產出指標，采用超效率SSBM模型實證分析安徽省的農業(yè)碳效率水平^［99］。楊小娟等將非期望產出指標設為農業(yè)碳排放值后，借助SBM模型和Malmquist-Luenberger生產率指數法測算甘肅省農業(yè)環(huán)境效率和農業(yè)全要素生產率指數^［100］。吳昊玥等采用GB-US-SBM 模型測算出2000—2019年我國30個省份的農業(yè)碳排放松弛量，并結合實際測量值計算農業(yè)碳排放效率^［101］。

綜上可知，不同學者針對不同區(qū)域的農業(yè)產業(yè)，從碳效應核算方法、模型改進、數據分析方法等方面展開了眾多研究，不過由于各研究所涉及的范圍尺度、數據來源和各二級指標不同，以及各碳源的碳排放轉化系數來源不一等原因，使得最終測算結果存在一定的差異。如何選用和改進農業(yè)碳排放效率的測算方法，使其更符合農業(yè)生產實際顯得十分必要。

4 農業(yè)碳排放交易研究

碳交易市場一詞來源于《京都議定書》框架的相關規(guī)定，是進行溫室氣體排放權交易的市場^［102］。目前，為積極應對全球氣候變化帶來的環(huán)境風險、促進綠色低碳發(fā)展，我國北京、上海、廣東、深圳、重慶、天津、湖北、福建等8個?。ㄊ校┙泧野l(fā)展和改革委員會批準正式確立為碳交易試點城市，主要涵蓋電力、鋼鐵、化工、建筑、有色金屬、造紙等關鍵行業(yè)。這些行業(yè)因其自身特點在碳減排方面具有巨大的潛力。農業(yè)生產加工過程中也會產生較多的碳排放，但當下我國并未將其納入強制性控排體系，主要原因在于我國農業(yè)溫室氣體排放測定時使用的測算方法覆蓋面不全、基礎數據薄弱、測得的數據質量低等^［103］。另外，我國人均耕地面積占比小且農戶較分散，使得農業(yè)碳減排項目少，減排成本高而效果差，加之缺少獨立的認證機構和權威監(jiān)管平臺，農業(yè)碳交易市場的建立與發(fā)展障礙重重^［104］。

我國農業(yè)碳交易方面的研究雖起步較晚，但國家層面積極提出應對措施和政策，如在《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018—2022）》中明確指出，我國要逐步推動農林碳匯加入到碳交易市場中，并設溫室氣體自愿減排項目，如畜牧業(yè)養(yǎng)殖和動物糞便管理等均可申請加入。此外，眾多學者也對相關研究進行了論述，并在農業(yè)碳交易與國家政策的結合^{［105-106］}、農業(yè)低碳化發(fā)展模式^{［107-113］}、實施農業(yè)碳交易的優(yōu)點^［114］等方面給出眾多可供參考的方法和建議。與之相比，國外的農業(yè)碳交易體系相對成熟，如新西蘭早在2008年就啟動了包含農業(yè)在內的碳排放交易體系。美國政府則在芝加哥設立專門的氣候交易所，允許農民通過拍賣自己的聚碳指標來獲得收益。并設置碳交易的信貸額度，建立農民聯合會對農戶碳信用額進行統(tǒng)計，使碳交易與其他農產品交易一樣^［115］。由此可知，農業(yè)減排道路任重道遠，亟需更多的研究來助力我國農業(yè)產業(yè)早日加入碳市場交易體系。

5 煙草農業(yè)生產碳排放計量研究展望

結合煙草農業(yè)生產的實際可知，煙草種植過程所需步驟繁多，其間需消耗大量的人力、物力和財力，由此也會產生不同強度的碳排放。如煙田耕犁、起壟、灌溉時各種農用機械的燃油消耗和電力消耗；施肥、除草、病害防治時化肥農藥的投入；苗床培育、小苗移栽、中耕培土、打頂抹杈等田間管理過程中的人工投入；煙葉采后烘烤階段煤炭等能源物料的消耗等。由此可知，煙草農業(yè)生產各環(huán)節(jié)碳源種類各異，且各物料的消耗量不同，與之對應的碳排放量也存在差異，需分階段歸類統(tǒng)計并計算碳排放值。同時，涉及到煙田生態(tài)系統(tǒng)碳循環(huán)過程，要準確分析煙草農業(yè)碳排放情況需綜合考慮其生產全過程的碳源/碳匯效應，因此可結合以下建議開展煙草農業(yè)的碳計量研究：第一，分析煙草農業(yè)生產投入要素，明確煙葉生產過程不同環(huán)節(jié)物資投入和能源投入的具體數量，其中物資投入包括生產時使用的化肥、農藥、農膜等；能源投入包括生產時使用的煤炭、電、氣、油等能源物質，然后結合各碳源的碳排放系數，綜合確定煙草農業(yè)生產投入產生的碳排放。第二，分析煙草生長過程中涉及的農田生態(tài)系統(tǒng)邊界及碳循環(huán)特征，確定煙株自身生命活動的凈碳排放量、土壤呼吸產生的碳排放量，土壤有機物料固碳量等關鍵指標。最后綜合分析各環(huán)節(jié)碳排放量，進而準確、全面測量整個煙草農業(yè)生產全過程的碳排放量，明確其屬于碳源還是碳匯。在具體分析農業(yè)碳排放效率時可依照煙草種植效率的測算方法，從投入產出角度出發(fā)，將物資投入、能源投入、人工投入等設為投入指標，烤煙產值設為期望產出變量，碳排放值設為非期望產出變量，結合前人在測算時建立的各種數學模型，并適當加以調整或變形，使其更加適用于煙草碳排放計量，最終得到煙草農業(yè)生產全過程的碳排放情況。第三，根據煙草農業(yè)生產全過程各環(huán)節(jié)碳排放的計量結果，圍繞煙葉生產固碳減排目標，針對性提出對應的低碳減排措施和建議，改善煙葉生產技術，降低煙葉生產碳排放效率。同時，預估在碳交易市場中煙草農業(yè)生產所能扮演的角色，從而為煙草產業(yè)實現兼顧經濟增長與環(huán)境保護相協調的綠色、可持續(xù)發(fā)展提供理論和技術借鑒。

參考文獻：

［1］巢清塵，張永香，高 翔，等. 巴黎協定——全球氣候治理的新起點［J］. 氣候變化研究進展，2016，12（1）：61-67.

［2］巢清塵.全球合作應對氣候變化的新征程［J］. 科學通報，2016，61（11）：1143-1145.

［3］陳 迎.全球應對氣候變化的中國方案與中國貢獻［J］. 當代世界，2021（5）：4-9.

［4］習近平.在第七十五屆聯合國大會一般性辯論上的講話［J］. 中華人民共和國國務院公報，2020（28）：5-7.

［5］巢清塵.”碳達峰和碳中和“ 的科學內涵及我國的政策措施［J］. 環(huán)境與可持續(xù)發(fā)展，2021，46（2）：14-19.

［6］李 波.經濟增長與農業(yè)碳排放關系的實證研究［J］. 生態(tài)環(huán)境學報，2012，21（2）：220-224.

［7］鄭遠紅.低碳經濟視角下我國農業(yè)現代化發(fā)展路徑創(chuàng)新［J］. 農業(yè)現代化研究，2014，35（3）：263-267.

［8］李迎春，林而達，甄曉林.農業(yè)溫室氣體清單方法研究最新進展［J］. 地球科學進展，2007，22（10）：1076-1080.

［9］李勝利，金 鑫，范學珊，等. 反芻動物生產與碳減排措施［J］. 動物營養(yǎng)學報，2010，22（1）：2-9.

［10］趙其國，錢海燕.低碳經濟與農業(yè)發(fā)展思考［J］. 生態(tài)環(huán)境學報，2009，18（5）：1609-1614.

［11］張 揚，李 涵，趙正豪.中國糧食作物種植變化對省際農業(yè)碳排放量的影響研究［J/OL］. 中國農業(yè)資源與區(qū)劃. （2022-08-31）［2022-11-08］. http：//kns.cnki.net/kcms/detail/11.3513.S.20220831.1438.012.htmll.

［12］劉 楊，劉鴻斌.山東省農業(yè)碳排放特征、影響因素及達峰分析［J］. 中國生態(tài)農業(yè)學報（中英文），2022，30（4）：558-569.

［13］曹俊文，曹玲娟.江西省農業(yè)碳排放測算及其影響因素分析［J］. 生態(tài)經濟，2016，32（7）：66-68，167.

［14］李國志，李宗植.中國農業(yè)能源消費碳排放因素分解實證分析——基于LMDI模型［J］. 農業(yè)技術經濟，2010（10）：66-72.

［15］顏廷武，田 云，張俊飚，等. 中國農業(yè)碳排放拐點變動及時空分異研究［J］. 中國人口·資源與環(huán)境，2014，24（11）：1-8.

［16］吳金鳳，王秀紅.不同農業(yè)經濟發(fā)展水平下的碳排放對比分析——以鹽池縣和平度市為例［J］. 資源科學，2017，39（10）：1909-1917.

［17］紀玉俊，趙 娜.產業(yè)集聚有利于提高能源效率嗎？——基于產業(yè)集聚度與對外開放水平的門檻回歸模型檢驗［J］. 北京理工大學學報（社會科學版），2016，18（4）：19-27.

［18］胡中應，胡 浩.產業(yè)集聚對我國農業(yè)碳排放的影響［J］. 山東社會科學，2016（6）：135-139.

［19］賀 青，張 虎，張俊飚.農業(yè)產業(yè)聚集對農業(yè)碳排放的非線性影響［J］. 統(tǒng)計與決策，2021，37（9）：75-78.

［20］田 云，尹忞昊.產業(yè)集聚對中國農業(yè)凈碳效應的影響研究［J］. 華中農業(yè)大學學報（社會科學版），2021（3）：107-117，188.

［21］程琳琳，張俊飚，何 可.農業(yè)產業(yè)集聚對碳效率的影響研究：機理、空間效應與分群差異［J］. 中國農業(yè)大學學報，2018，23（9）：218-230.

［22］高 鳴，宋洪遠.中國農業(yè)碳排放績效的空間收斂與分異——基于Malmquist-luenberger指數與空間計量的實證分析［J］. 經濟地理，2015，35（4）：142-148，185.

［23］胡 川，韋院英，胡 威.農業(yè)政策、技術創(chuàng)新與農業(yè)碳排放的關系研究［J］. 農業(yè)經濟問題，2018（9）：66-75.

［24］楊 鈞.農業(yè)技術進步對農業(yè)碳排放的影響——中國省級數據的檢驗［J］. 軟科學，2013，27（10）：116-120.

［25］韓岳峰，張 龍.中國農業(yè)碳排放變化因素分解研究——基于能源消耗與貿易角度的LMDI分解法［J］. 當代經濟研究，2013（4）：47-52.

［26］李 虎，邱建軍，王立剛.農田土壤呼吸特征及根呼吸貢獻的模擬分析［J］. 農業(yè)工程學報，2008，24（4）：14-20.

［27］張俊麗，廖允成，曾 愛，等. 不同施氮水平下旱作玉米田土壤呼吸速率與土壤水熱關系［J］. 農業(yè)環(huán)境科學學報，2013，32（7）：1382-1388.

［28］鄧愛娟，申雙和，張雪松，等. 華北平原地區(qū)麥田土壤呼吸特征［J］. 生態(tài)學雜志，2009，28（11）：2286-2292.

［29］王 興，鐘澤坤，朱玉帆，等. 增溫和增雨對黃土丘陵區(qū)撂荒草地土壤呼吸的影響［J］. 環(huán)境科學，2022，43（3）：1657-1667.

［30］Han G X，Zhou G S，Xu Z Z，et al. Soil temperature and biotic factors drive the seasonal variation of soil respiration in a maize （Zea mays L.） agricultural ecosystem［J］. Plant and Soil，2007，291（1）：15-26.

［31］呂錦慧，武 均，張 軍，等. 不同耕作措施下旱作農田土壤CH₄、CO₂排放特征及其影響因素［J］. 干旱區(qū)資源與環(huán)境，2018，32（12）：26-33.

［32］Bergner B，Johnstone J，Treseder K K.Experimental warming and burn severity alter soil CO₂flux and soil functional groups in a recently burned boreal forest［J］. Global Change Biology，2004，10（12）：1996-2004.

［33］Shi F S，Chen H，Chen H F，et al. The combined effects of warming and drying suppress CO₂and N₂O emission rates in an alpine meadow of the eastern Tibetan Plateau［J］. Ecological Research，2012，27（4）：725-733.

［34］杜 錕，李發(fā)東，涂 純，等. 模擬增溫對華北農田土壤碳排放的影響［J］. 農業(yè)環(huán)境科學學報，2020，39（4）：691-699.

［35］劉 爽，嚴昌榮，何文清，等. 不同耕作措施下旱地農田土壤呼吸及其影響因素［J］. 生態(tài)學報，2010，30（11）：2919-2924.

［36］徐星凱，段存濤，吳浩浩，等. 凍結強度和凍結時間對高寒區(qū)溫帶森林土壤微生物量、可浸提的碳和氮含量及N₂O和CO₂排放量的影響［J］. 中國科學（地球科學），2015，45（11）：1698-1716.

［37］Zhang T，Li Y F，Chang S X，et al. Responses of seasonal and diurnal soil CO₂effluxes to land-use change from paddy fields to Lei bamboo （Phyllostachys praecox） stands［J］. Atmospheric Environment，2013，77：856-864.

［38］Talmon Y，Sternberg M，Grünzweig J M. Impact of rainfall manipulations and biotic controls on soil respiration in Mediterranean and desert ecosystems along an aridity gradient［J］. Global Change Biology，2011，17（2）：1108-1118.

［39］Xu L K，Baldocchi D D，Tang J W. How soil moisture，rain pulses，and growth alter the response of ecosystem respiration to temperature［J］. Global Biogeochemical Cycles，2004，18（4）：GB4002.

［40］Zhang Q，Wu J J，Yang F，et al. Alterations in soil microbial community composition and biomass following agricultural land use change［J］. Scientific Reports，2016，6（1）：1-10.

［41］Zhao S C，Li K J，Zhou W，et al. Changes in soil microbial community，enzyme activities and organic matter fractions under long-term straw return in north-central China［J］. Agriculture，Ecosystems & Environment，2016，216：82-88.

［42］Chen J，Arafat Y，Wu L K，et al. Shifts in soil microbial community，soil enzymes and crop yield under peanut/maize intercropping with reduced nitrogen levels［J］. Applied Soil Ecology，2018，124：327-334.

［43］周怡寧. 氮素添加和種間互作對旱作農田生產力和碳排放的影響及機制［D］. 蘭州：蘭州大學，2021.

［44］董紅敏，李玉娥，陶秀萍，等. 中國農業(yè)源溫室氣體排放與減排技術對策［J］. 農業(yè)工程學報，2008，24（10）：269-273.

［45］袁偉玲，曹湊貴，程建平，等. 間歇灌溉模式下稻田CH₄和N₂O排放及溫室效應評估［J］. 中國農業(yè)科學，2008，41（12）：4294-4300.

［46］秦曉波，李玉娥，萬運帆，等. 耕作方式和稻草還田對雙季稻田CH₄和N₂O排放的影響［J］. 農業(yè)工程學報，2014，30（11）：216-224.

［47］周 杏，李 晶，于書霞，等. 基于減排潛力與減排成本的水稻種植模式綜合評價——以湖北省為例［J］. 農業(yè)資源與環(huán)境學報，2017，34（6）：568-575.

［48］堯 波，鄭艷明，胡 丹，等. 江西省縣域農業(yè)碳排放的時空動態(tài)及影響因素分析［J］. 長江流域資源與環(huán)境，2014，23（3）：311-318.

［49］李 波，張俊飚，李海鵬. 中國農業(yè)碳排放時空特征及影響因素分解［J］. 中國人口·資源與環(huán)境，2011，21（8）：80-86.

［50］吳賢榮，張俊飚，田 云，等. 中國省域農業(yè)碳排放：測算、效率變動及影響因素研究——基于DEA-Malmquist指數分解方法與Tobit模型運用［J］. 資源科學，2014，36（1）：129-138.

［51］朱詠莉. 亞熱帶稻田生態(tài)系統(tǒng)CO₂通量研究［D］. 楊凌：中國科學院研究生院（教育部水土保持與生態(tài)環(huán)境研究中心），2005.

［52］劉允芬. 中國農業(yè)系統(tǒng)碳匯功能［J］. 農業(yè)環(huán)境保護，1998（5）：197-202.

［53］費敦悅. 基于渦度相關的農田CO₂通量和光能利用率研究［D］. 南京：南京信息工程大學，2016.

［54］余凌翔，魯韋坤，張加云，等. 烤煙葉片光合速率日變化特征及其影響因素分析［J］. 氣象與環(huán)境科學，2021，44（5）：79-86.

［55］王發(fā)展，金伊楠，李子瑋，等. 干旱脅迫下外源ALA對烤煙幼苗光合特性和抗氧化能力的影響［J］. 中國煙草科學，2020，41（1）：22-29.

［56］吳 璐，劉曉迎. 河南煙區(qū)烤煙生育期地表溫度日較差變化對烤煙化學品質指標的影響［J］. 氣象與環(huán)境科學，2020，43（1）：18-25.

［57］張廣富，趙銘欽，韓富根，等. 烤煙凈光合速率與生理生態(tài)因子的關系［J］. 浙江大學學報（農業(yè)與生命科學版），2011，37（2）：187-192.

［58］孫志偉. 供氮量對烤煙葉片光合特性及光合氮利用效率的影響［D］. 北京：中國農業(yè)科學院，2020.

［59］穰中文，李思純，劉 佳，等. 種植密度與施氮量對煙田小氣候及煙株光合特性的影響［J］. 湖南農業(yè)大學學報（自然科學版），2019，45（3）：258-263.

［60］曾朝旭. 太原盆地冬小麥農田生態(tài)系統(tǒng)水分利用效率與CO₂凈交換的關系研究［D］. 太原：山西大學，2011.

［61］王 璐. 夏玉米農田土壤二氧化碳排放通量研究［D］. 合肥：安徽農業(yè)大學，2012.

［62］董莉茹. 黃土丘陵區(qū)刺槐林深層土壤碳通量研究［D］. 楊凌：西北農林科技大學，2014.

［63］賈 磊. 基于多通道密閉式動態(tài)箱法對養(yǎng)殖塘CH₄和CO₂通量特征研究［D］. 南京：南京信息工程大學，2021.

［64］Steduto P，Cetinkokü O，Albrizio R，et al. Automated closed-system canopy-chamber for continuous field-crop monitoring of CO₂and H₂O fluxes［J］. Agricultural and Forest Meteorology，2002，111（3）：171-186.

［65］Hutchinson G L，Livingston G P，Healy R W，et al. Chamber measurement of surface-atmosphere trace gas exchange：numerical evaluation of dependence on soil，interfacial layer，and source/sink properties［J］. Journal of Geophysical Research（Atmospheres），2000，105（D7）：8865-8875.

［66］Levy P E，Gray A，Leeson S R，et al. Quantification of uncertainty in trace gas fluxes measured by the static chamber method［J］. European Journal of Soil Science，2011，62（6）：811-821.

［67］溫學發(fā)，孫曉敏，劉允芬，等. 線性和指數回歸方法對土壤呼吸CO₂擴散速率估算的影響［J］. 植物生態(tài)學報，2007，31（3）：380-385.

［68］魏甲彬. 雙季稻田碳交換及其對稻田冬季利用的響應［D］. 長沙：湖南農業(yè)大學，2017.

［69］孫小祥，常志州，楊桂山，等. 長三角地區(qū)稻麥輪作生態(tài)系統(tǒng)凈碳交換及其環(huán)境影響因子［J］. 中國生態(tài)農業(yè)學報，2015，23（7）：803-811.

［70］許 琰，周石硚，晉綠生，等. 新疆北部覆膜滴灌棉田的碳交換日、生長季變化特征［J］. 干旱區(qū)地理，2013，36（3）：441-449.

［71］王尚明，胡繼超，吳高學，等. 亞熱帶稻田生態(tài)系統(tǒng)CO₂通量特征分析［J］. 環(huán)境科學學報，2011，31（1）：217-224.

［72］徐昔保，楊桂山，孫小祥. 太湖流域典型稻麥輪作農田生態(tài)系統(tǒng)碳交換及影響因素［J］. 生態(tài)學報，2015，35（20）：6655-6665.

［73］李 琪，胡正華，薛紅喜，等. 淮河流域典型農田生態(tài)系統(tǒng)碳通量變化特征［J］. 農業(yè)環(huán)境科學學報，2009，28（12）：2545-2550.

［74］陳少鵬，段躍芳. 中國農業(yè)碳效應研究的現狀、熱點與趨勢［J］. 地球科學進展，2023，38（1）：86-98.

［75］羅懷良.國內農業(yè)碳源/匯效應研究：視角、進展與改進［J］. 生態(tài)學報，2022，42（9）：3832-3841.

［76］田 云，張俊飚.中國農業(yè)生產凈碳效應分異研究［J］. 自然資源學報，2013，28（8）：1298-1309.

［77］陳 儒，鄧 悅，姜志德.農業(yè)生產項目的綜合碳效應分析與核算研究——基于陜西安塞的農戶調查數據［J］. 華中農業(yè)大學學報（社會科學版），2017（3）：23-34.

［78］黃祖輝，米松華.農業(yè)碳足跡研究——以浙江省為例［J］. 農業(yè)經濟問題，2011（11）：40-47，111.

［79］段華平，張 悅，趙建波，等. 中國農田生態(tài)系統(tǒng)的碳足跡分析［J］. 水土保持學報，2011，25（5）：203-208.

［80］尚 杰，吉雪強，石 銳，等. 中國農業(yè)碳排放效率空間關聯網絡結構及驅動因素研究［J］. 中國生態(tài)農業(yè)學報（中英文），2022，30（4）：543-557.

［81］劉貴斌，黃 璜，周江偉，等. 湖南省農田生態(tài)系統(tǒng)碳足跡分析［J］. 作物研究，2016，30（6）：666-673.

［82］李明琦，劉世梁，武 雪，等. 云南省農田生態(tài)系統(tǒng)碳足跡時空變化及其影響因素［J］. 生態(tài)學報，2018，38（24）：8822-8834.

［83］王 梁，趙 杰，陳守越.山東省農田生態(tài)系統(tǒng)碳源、碳匯及其碳足跡變化分析［J］. 中國農業(yè)大學學報，2016，21（7）：133-141.

［84］張 精，方 堉，魏錦達，等. 基于碳足跡的安徽省農田生態(tài)系統(tǒng)碳源/匯時空差異［J］. 福建農業(yè)學報，2021，36（1）：78-90.

［85］周 陶，高 明，謝德體，等. 重慶市農田系統(tǒng)碳源/匯特征及碳足跡分析［J］. 西南大學學報（自然科學版），2014（1）：96-102.

［86］葉文偉，王城城，趙從舉，等. 近20年海南島熱帶農田生態(tài)系統(tǒng)碳足跡時空格局演變［J］. 中國農業(yè)資源與區(qū)劃，2021，42（10）：114-126.

［87］王鈺喬，濮 超，趙 鑫，等. 中國小麥、玉米碳足跡歷史動態(tài)及未來趨勢［J］. 資源科學，2018，40（9）：1800-1811.

［88］史磊剛，陳 阜，孔凡磊，等. 華北平原冬小麥—夏玉米種植模式碳足跡研究［J］. 中國人口·資源與環(huán)境，2011，21（9）：93-98.

［89］武 寧，王恩慧，王充卯，等. 耕作方式對小麥—玉米兩熟農田生態(tài)系統(tǒng)碳足跡的影響［J］. 山東農業(yè)科學，2017，49（6）：34-40.

［90］趙海蕊.中國省域碳排放效率演變特征測度及影響因素研究［D］. 北京：華北電力大學，2019.

［91］劉 勇，張俊飚，張 露.基于DEA-SBM模型對不同稻作制度下我國水稻生產碳排放效率的分析［J］. 中國農業(yè)大學學報，2018，23（6）：177-186.

［92］孔 立，朱立志.馬鈴薯生產的碳排放優(yōu)勢研究——基于農業(yè)投入品和LMDI模型的實證分析［J］. 農業(yè)技術經濟，2016（7）：111-121.

［93］張景鳴，張 濱.黑龍江省農業(yè)溫室氣體排放核算方法［J］. 統(tǒng)計與咨詢，2017（2）：14-16.

［94］胡永成，陳紅舉，段理杰.省級農業(yè)溫室氣體清單編制工作研究［J］. 河南科學，2016，34（5）：692-697.

［95］田 云，王夢晨.湖北省農業(yè)碳排放效率時空差異及影響因素［J］. 中國農業(yè)科學，2020，53（24）：5063-5072.

［96］王兆峰，杜瑤瑤.基于SBM-DEA模型湖南省碳排放效率時空差異及影響因素分析［J］. 地理科學，2019，39（5）：797-806.

［97］黃和平，王智鵬.江西省農用地生態(tài)效率時空差異及影響因素分析——基于面源污染、碳排放雙重視角［J］. 長江流域資源與環(huán)境，2020，29（2）：412-423.

［98］王 帥，趙榮欽，楊青林，等. 碳排放約束下的農業(yè)生產效率及其空間格局——基于河南省65個村莊的調查［J］. 自然資源學報，2020，35（9）：2092-2104.

［99］王海飛.基于SSBM-ESDA模型的安徽省縣域農業(yè)效率時空演變［J］. 經濟地理，2020，40（4）：175-183，222.

［100］楊小娟，陳 耀，高瑞宏. 甘肅省農業(yè)環(huán)境效率及碳排放約束下農業(yè)全要素生產率測算研究［J］. 中國農業(yè)資源與區(qū)劃，2021，42（8）：13-20.

［101］吳昊玥，黃瀚蛟，何 宇，等. 中國農業(yè)碳排放效率測度、空間溢出與影響因素［J］. 中國生態(tài)農業(yè)學報（中英文），2021（10）：1762-1773.

［102］周 健，鄧一榮，莊長偉. 中國碳交易市場發(fā)展進程、現狀與展望研究［J］. 環(huán)境科學與管理，2020，45（9）：1-4.

［103］胡婉玲，王紅玲，張 杲. 氣候智慧型農業(yè)碳減排及碳交易市場機制探討［J］. 社會科學動態(tài)，2020（2）：46-50.

［104］孫 芳，林而達. 中國農業(yè)溫室氣體減排交易的機遇與挑戰(zhàn)［J］. 氣候變化研究進展，2012，8（1）：54-59.

［105］楊長進. 碳交易市場助推鄉(xiāng)村振興低碳化發(fā)展的實踐與路徑探索［J］. 價格理論與實踐，2020（2）：18-24.

［106］田 永. 中國減排定價機制的實踐探究——紀念價格改革四十周年［J］. 價格理論與實踐，2018（12）：29-33.

［107］田 永. 低碳”三農“與碳交易抵消機制的關聯性研究——基于碳交易驅動鄉(xiāng)村振興低碳化發(fā)展的分析［J］. 價格理論與實踐，2019（8）：46-51.

［108］許廣月. 中國低碳農業(yè)發(fā)展研究［J］. 經濟學家，2010（10）：72-78.

［109］李曉燕，何曉玲.四川發(fā)展低碳農業(yè)的基本思路——基于國內外經驗借鑒與啟示［J］. 農村經濟，2012（11）：48-52.

［110］韓 松，秦 路，張建倫. 國際農業(yè)土壤碳交易機制發(fā)展現狀、問題及啟示［J］. 世界農業(yè)，2014（8）：38-42.

［111］陳昌洪. 低碳農業(yè)標準化理論分析與發(fā)展對策［J］. 西北農林科技大學學報（社會科學版），2016，16（1）：52-58.

［112］馬明英，黃德林. 我國氣候智慧型農業(yè)發(fā)展困境與農業(yè)碳交易驅動［J］. 農業(yè)經濟，2022（4）：3-5.

［113］年琳玉，王夢軍，孫笑陽，等. 碳中和技術研究進展及對農業(yè)碳減排的展望［J］. 江蘇農業(yè)科學，2022，50（11）：1-13.

［114］李 鶴，張 婧. 農業(yè)碳交易與農村扶貧［J］. 中南民族大學學報（人文社會科學版），2010，30（6）：118-122.

［115］金書秦，韓冬梅，林 煜，等. 碳達峰目標下開展農業(yè)碳交易的前景分析和政策建議［J］. 農村金融研究，2021（6）：3-8.