徐謝親 趙晟

摘要? 為了解水產(chǎn)養(yǎng)殖業(yè)能源消耗和碳排放的現(xiàn)狀及發(fā)展趨勢，基于LEAP模型，構建浙江省LEAP水產(chǎn)養(yǎng)殖模型，分析基準情景、低碳情景和強化低碳情景下浙江省水產(chǎn)養(yǎng)殖業(yè)的能源消耗和碳排放趨勢。結果表明，從能源消費來看，未來浙江省水產(chǎn)養(yǎng)殖業(yè)基準情景下能源消費總量呈現(xiàn)出增長趨勢，且能源消費構成中主要以化石能源為主，煤炭始終為最主要的能源需求。減碳措施具有一定節(jié)能作用，其中強化低碳情景2035年較基準情景節(jié)能15.24%，約節(jié)能25.11×103 t；從終端能源消費結構來看，池塘養(yǎng)殖和飼料生產(chǎn)能耗較大，所有情景和年份中能源消耗量均超過了總能源消耗量的30%；從碳排放來看，浙江省水產(chǎn)養(yǎng)殖更偏向碳匯屬性，減碳措施對于碳排放抑制具有一定作用；從減排貢獻率來看，所考慮的減碳措施都能夠降低CO2排放，其中能效提升、清潔能源發(fā)電推廣等措施對于水產(chǎn)養(yǎng)殖碳減排起到關鍵作用，到2035年分別貢獻20.9%、64.5%的碳減排量。

關鍵詞? 水產(chǎn)養(yǎng)殖；LEAP模型；碳排放；減排貢獻

中圖分類號? X714? 文獻標識碼? A? 文章編號? 0517-6611（2024）09-0045-06

doi：10.3969/j.issn.0517-6611.2024.09.011

開放科學（資源服務）標識碼（OSID）：

Study of Aquaculture Carbon Emissions in Zhejiang Province Based on the Long-range Energy Alternatives Planning System Model

XU Xie-qin， ZHAO Sheng

（Department of Marine Science and Technology， Zhejiang Ocean University， Zhoushan，Zhejiang 316022）

Abstract? In order to understand the current situation and development trend of energy consumption and carbon emission of aquaculture industry， based on LEAP model， constructed LEAP aquaculture model of Zhejiang Province and analyzed the trend of energy consumption and carbon emission of aquaculture industry in Zhejiang Province under baseline scenario， low carbon scenario and enhanced low carbon scenario. The results showed that in terms of energy consumption， the total energy consumption of the future aquaculture industry in Zhejiang Province under the baseline scenario showed an increasing trend， and the composition of energy consumption was mainly based on fossil energy， with coal always being the most dominant energy demand. Carbon reduction measures had a certain energy-saving effect， in which the enhanced low-carbon scenario 2035 was 15.24% more energy-efficient than the baseline scenario， saving approximately 25.11×103 t.In terms of final energy consumption structure， pond farming and feed production consumed the most energy， with energy consumption exceeding 30% of total energy consumption in all scenarios and years.From the perspective of carbon emissions， aquaculture in Zhejiang Province was more inclined to carbon sink attributes， and carbon reduction measures had a certain effect on carbon emission suppression.In terms of emission reduction contribution， the carbon reduction measures considered were able to reduce CO2 emissions， with energy efficiency improvement and clean energy generation promotion playing a key role in aquaculture carbon reduction， contributing 20.9% and 64.5% of carbon reduction by 2035.

Key words? Aquaculture;LEAP model;Carbon emissions;Contribution of emission reduction

基金項目? 科技部國家重點研發(fā)計劃藍色糧倉科技創(chuàng)新專項（2019-YFD0901204-04）；浙江省屬高?；究蒲袠I(yè)務費（2021-JD006）；浙江省重點研發(fā)計劃項目（2019C02056）。

作者簡介? 徐謝親（1998—），女，江西景德鎮(zhèn)人，碩士研究生，研究方向：海洋生態(tài)與漁業(yè)碳排放。*通信作者，教授，博士，碩士生導師，從事海洋生態(tài)學研究。

收稿日期? 2023-07-01

第一次工業(yè)革命以來，由于人類大量使用化石燃料，導致CO2累積排放，使得大氣中溫室氣體濃度顯著增加，加劇了全球氣候變化［1］。農(nóng)業(yè)生產(chǎn)是全球碳排放的第二大重要來源［2］，漁業(yè)作為農(nóng)業(yè)的重要組成部分之一，對化石燃料具有高度的依賴性，其碳排放量接近農(nóng)業(yè)碳排放的1/3［3］。因此，實現(xiàn)漁業(yè)碳減排是應對農(nóng)業(yè)低碳發(fā)展的重要內(nèi)容。2019年國家發(fā)布的《關于加快推進水產(chǎn)養(yǎng)殖業(yè)綠色發(fā)展的意見》也強調(diào)了未來一段時期要加強漁業(yè)資源和生態(tài)環(huán)境保護，推進水產(chǎn)養(yǎng)殖綠色發(fā)展，實現(xiàn)漁業(yè)低碳可持續(xù)發(fā)展目標。

目前我國關于水產(chǎn)養(yǎng)殖能源消耗和碳排放評估的研究不多。2007年，徐皓等［4］對我國漁業(yè)生產(chǎn)中的漁船捕撈、養(yǎng)殖、水產(chǎn)品加工等環(huán)節(jié)中的能源消耗量進行了測算，研究結果表明，養(yǎng)殖業(yè)的能耗并不低，占漁業(yè)能耗的近20%，能耗水平為0.24萬t（標煤）/萬元產(chǎn)值，是農(nóng)業(yè)平均值的1.26倍。2010年，劉晃等［5］通過調(diào)查157家養(yǎng)殖企業(yè)，以淡水池塘養(yǎng)殖、海水高位池養(yǎng)殖和工廠化養(yǎng)殖的CO2排放量估算我國水產(chǎn)養(yǎng)殖的CO2排放總量，測算表明，我國水產(chǎn)養(yǎng)殖的CO2排放總量為988.6萬t。2012年，金書秦等［6］核算了我國水產(chǎn)養(yǎng)殖業(yè)直接能耗和碳排放；2021年，李晨等［7］基于投入產(chǎn)出模型核算了水產(chǎn)養(yǎng)殖業(yè)與捕撈業(yè)的碳排放。

已有的研究主要分為2種：一是測算養(yǎng)殖設備消耗能源而產(chǎn)生的直接碳排放；二是測算了直接和間接碳排放。由于水產(chǎn)養(yǎng)殖具有碳源和碳匯雙重屬性，一方面在水生生物生長代謝和人類生產(chǎn)活動中排放碳，另一方面水生生物通過吸收和利用水體中的碳元素形成碳匯［8］，因此將水產(chǎn)養(yǎng)殖過程中的碳排放分為3部分：一是直接碳排放，養(yǎng)殖過程中為了給機械提供動力以及養(yǎng)殖漁船耗油直接消耗能源產(chǎn)生的碳排放；二是間接碳排放，養(yǎng)殖過程中使用的物資，如飼料，其加工過程中產(chǎn)生的碳排放并不直接發(fā)生在養(yǎng)殖過程中；三是非能源相關的碳排放，即貝藻類碳匯。通過結合碳源和碳匯雙重屬性，綜合評估水產(chǎn)養(yǎng)殖整體碳排放情況，并進行情景分析。

LEAP模型（long-range energy alternatives planning system，長期能源替代規(guī)劃系統(tǒng)模型），由瑞典斯德哥爾摩環(huán)境研究所開發(fā)，結構靈活，廣泛用于不同尺度的能源、環(huán)境模擬評價［9］，可充分反映終端消費、能源轉換以及非能源相關（如森林碳匯、貝藻類碳匯等）的碳排放。水產(chǎn)養(yǎng)殖業(yè)中既有能源消耗產(chǎn)生的碳排放，也有非能源相關的碳排放，LEAP模型可根據(jù)水產(chǎn)養(yǎng)殖業(yè)的特點以及數(shù)據(jù)的可獲得性靈活調(diào)整框架，更全面地評估水產(chǎn)養(yǎng)殖中的實際碳排放。該研究選取浙江省水產(chǎn)養(yǎng)殖作為研究對象，基于LEAP模型，通過構建能源消耗碳排放和非能源相關碳排放測算模型，對浙江省水產(chǎn)養(yǎng)殖整體碳排放進行研究，并對未來各種減碳措施下碳排放趨勢進行預測，對全面把握水產(chǎn)養(yǎng)殖業(yè)碳排放情況、促進漁業(yè)及農(nóng)業(yè)低碳化發(fā)展具有重要意義。

1? 資料與方法

1.1? LEAP模型架構

根據(jù)LEAP模型的特點以及數(shù)據(jù)的可獲得性，建立浙江省LEAP水產(chǎn)養(yǎng)殖模型，以2020年為基準年，2021—2030年為預測期，采用情景分析的方法，計算浙江省水產(chǎn)養(yǎng)殖能源消耗和碳排放量，并分析未來技術、經(jīng)濟發(fā)展變化下浙江省漁業(yè)養(yǎng)殖部門節(jié)能減排潛力。其中，能源需求預測值由終端活動水平及其能耗強度決定，碳排放量預測由非能源相關的碳排放、終端直接能源消耗量及能源轉換部門的間接能源消耗量，結合對應能源的碳排放因子決定。LEAP模型技術路線如圖1所示。

1.2? 計算方法

1.2.1? 能源消耗計算。

（1）終端能源需求量。指一定時期內(nèi)生產(chǎn)和生活消費的各種能源在扣除了用于加工轉換二次能源消費量和損失量以后的數(shù)量［10］。根據(jù)各終端部門的活動水平（如交通部門的行駛公里數(shù)、養(yǎng)殖部門的養(yǎng)殖產(chǎn)量等）與活動水平對應的能源強度，計算各終端能源需求量，測算公式如下：

EC=（KEij×FEij）（1）

式中：EC為終端能源需求量（t，以標煤計，下同）；KE為終端應用活動水平；FE為該活動水平下的能源強度；i為終端應用部門；j為能源類型。

（2）輸配電損失量。指在能源輸送與分配過程中損失的能量，計算公式如下：

EO=ECjλi×（1-λj）（2）

式中：EO為輸送過程中輸配電損失總量（t）；ECj為j種能源的終端需求量（t）；λj為j種能源的輸送效率（%）。

（3）發(fā)電損失量。電力為需要轉換的二次能源，其在能源轉換過程中因加工轉換而損失的能量可表示為：

ET=ECj+EOjμj×（1-μj）（3）

式中：ET為發(fā)電損失的總能量（t）；μj為j種能源的轉換效率（%）。

（4）能源總需求量。指終端需求量與損失量之和，計算公式如下：

E=EC+EO+ET（4）

式中，E為能源總需求量（t）。

1.2.2? CO2排放量計算。

（1）能源消耗產(chǎn)生的碳排放。能源消耗產(chǎn)生的碳排放計算參考聯(lián)合國政府間氣候變化專門委員會（IPCC）發(fā)布的《國家溫室氣體清單指南》中的方法2，即根據(jù)化石能源的消費數(shù)量及特定的排放因子進行碳排放量的核算。對于化石燃料而言，排放因子基本不變［11］，采用IPCC國際標準［12］，燃料轉換系數(shù)采用我國《綜合能耗計算通則》（GB/T 2589—2020）。能源消耗產(chǎn)生的碳排放可表示為：

CE=（Eij×EFj）（5）

式中：CE為CO2排放量［t，以當量計，下同］；Eij為i部門j能源的消費量（t）；EFj為對應能源j的碳排放系數(shù)（t/t，以當量計）。

（2）非能源相關的碳排放。水產(chǎn)養(yǎng)殖中非能源相關的碳排放主要指貝藻類養(yǎng)殖中的碳匯。貝藻類養(yǎng)殖碳匯的估算方法已有相關研究報道［13］，通過養(yǎng)殖的漁獲量來計算碳匯。計算公式如下：

Cb=Rst×Wcst×a+Rs×Wcs×a×β（6）

Cw=Wcw×b×β（7）

式中：Cb為貝類碳吸收量（t）；Cw為藻類碳吸收量（t）；Rst和Rs分別為軟體組織干質(zhì)量和貝殼干質(zhì)量在貝類總質(zhì)量中的比例（%）；Wcst、Wcs和Wcw分別為軟體組織碳含量、貝殼碳含量和藻體碳含量（%）；a、b分別為貝類產(chǎn)量和藻類產(chǎn)量（t）；β為轉換系數(shù)，取3.67。主要貝藻類養(yǎng)殖品種碳匯核算系數(shù)參考葉旺旺等［14］的研究（表1），其他貝類的固碳系數(shù)取平均值。

1.3? 數(shù)據(jù)來源與處理

能源歷史消費數(shù)據(jù)以及水產(chǎn)養(yǎng)殖產(chǎn)品產(chǎn)量數(shù)據(jù)主要來源于《浙江省統(tǒng)計年鑒》《中國漁業(yè)統(tǒng)計年鑒》《浙江省能源平衡表》。該研究水產(chǎn)養(yǎng)殖中的碳排放系統(tǒng)邊界主要包含網(wǎng)箱養(yǎng)殖中養(yǎng)殖漁船油耗、池塘養(yǎng)殖和工廠化養(yǎng)殖設備電耗、飼料生產(chǎn)電耗中產(chǎn)生的碳排放以及貝藻類養(yǎng)殖中吸收的碳。浙江省目前的養(yǎng)殖方式有池塘養(yǎng)殖、網(wǎng)箱養(yǎng)殖、筏式養(yǎng)殖、吊籠養(yǎng)殖、底播養(yǎng)殖、工廠化養(yǎng)殖，由于筏式、吊籠和底播養(yǎng)殖過程中幾乎不使用機械設備，因此只將池塘養(yǎng)殖、網(wǎng)箱養(yǎng)殖和工廠化養(yǎng)殖中的油耗和電耗納入碳排放考慮之中。

1.4? 情景設置

情景分析是一種較為直觀的定性，且能夠定量預測的分析方法。為了研究不同的節(jié)能減排措施對浙江省水產(chǎn)養(yǎng)殖能源消耗和溫室氣體排放的影響，該研究從能源利用效率、能源結構等影響溫室氣體排放的主要因素出發(fā)，構建基準情景、低碳情景和強化低碳情景，對浙江省2021—2030年水產(chǎn)養(yǎng)殖能耗和碳排放進行評估，情景設置參數(shù)主要參考浙江省發(fā)布的能源相關政策規(guī)劃文件，如《浙江省能源發(fā)展“十四五”規(guī)劃》《浙江省應對氣候變化“十四五”規(guī)劃》《浙江省“十四五” 節(jié)能減排綜合工作方案》，以及參考陳宇光［15］、吳瓊等［16］的研究。具體設置如表2所示，基準情景、低碳情景和強化低碳情景的差異性主要是通過表2所示的減碳措施的實施強度差別進行量化區(qū)分，減碳措施包括能效提升、飼料利用率提高、能源輸送效率提升、清潔能源發(fā)電推廣和清潔漁船推廣，其中，能效提升的主要參數(shù)為能源強度下降率，飼料利用率提高的主要參數(shù)為飼料損失率，能源輸送效率提升的主要參數(shù)為輸電損失率，清潔能源發(fā)電推廣的主要參數(shù)為水電、風電、核電、光伏裝機容量，清潔漁船推廣的主要參數(shù)為LNG漁船占比。基準情景作為參照，驗證不同減碳措施的減排效果。

1.4.1? 基準情景?；鶞是榫暗暮诵募僭O就是情景時間內(nèi)浙江省漁業(yè)部門延續(xù)當前的節(jié)能減排措施，各部門能源強度在基準年水平上小幅降低，能源消耗結構變化較小。

1.4.2? 低碳情景。根據(jù)對未來技術進步和節(jié)能政策加強的分析，低碳情景中各部門能源效率有所提高，能源損失率下降，清潔能源比例提高，能源結構進一步優(yōu)化。

1.4.3? 強化低碳情景。在低碳情景的基礎上，進一步發(fā)掘各部門減碳潛力，能源效率進一步提高，能源損失率進一步下降，清潔能源使用比例進一步擴大。

2? 結果與分析

2.1? 不同情景下的能源消耗預測分析

從2020—2035年浙江省水產(chǎn)養(yǎng)殖3種情景下的能源消耗總量預測情況（圖2）可以看出，基準情景下的能源消費總量呈現(xiàn)出增長趨勢；由于減碳措施的實施，低碳情景和強化低碳情景能源消費總量呈現(xiàn)出先下降后緩慢上升的趨勢?；鶞是榫爸校茉聪M量從基準年2020年的148.15×103 t增長至2035年的164.75×103 t，約為基準年的1.11倍。低碳情景中，由于節(jié)能措施的加強，能源消耗逐漸下降，2035年能源消費總量為145.93×103 t，約為基準年的0.99倍。相比于基準情景和低碳情景，強化低碳情景下進一步強化提升了節(jié)能措施，節(jié)能力度更大，能源消耗量下降更多，2035年為139.64×103 t，約為基準年的0.94倍，較基準情景中同年份節(jié)能15.24%，降幅為25.11×103 t。

為進一步研究浙江省水產(chǎn)養(yǎng)殖業(yè)未來一定時期內(nèi)能源結構演化特征，利用LEAP模型提取出不同類型的一次能源消費量。圖3為3種情景下典型年份的一次能源構成。3種情景下能源消費均以化石能源為主，其中煤炭始終為最主要的能源需求?；鶞是榫爸校裼驼急葘幕鶞誓甑?.88%小幅下降至2035年的3.78%，煤炭占比將從基準年的84.67%下降至84.59%，清潔能源（包含風能、光能、水能、核能、天然氣）占比將從基準年的11.45%緩慢增長至11.63%。低碳情景中一次能源結構較基準情景得到優(yōu)化，清潔能源占比提高，到2035年，柴油占比小幅下降至3.36%，煤炭占比下降至82.53%，清潔能源占比增長至14.11%。強化低碳情景中，清潔能源占比進一步提高，柴油占比從基準年的3.88%下降至2035年的1.82%，煤炭占比從84.67%下降至82.16%，清潔能源占比從基準年的11.45%持續(xù)增長至2035年的16.02%。

圖4為不同情景下各終端能源消費結構。基準情景中，2020年池塘養(yǎng)殖能耗占比最大，達42%，其次為飼料生產(chǎn)能耗，為38%，網(wǎng)箱養(yǎng)殖能耗最少，占比9%，到2035年，池塘養(yǎng)殖和飼料生產(chǎn)能源消費占比持平。低碳情景和強化低碳情景中，池塘養(yǎng)殖和飼料生產(chǎn)的能源消耗占比均超過了30%，達到40%左右。所有情景中，池塘養(yǎng)殖和飼料生產(chǎn)均為主要的能源消耗部分。網(wǎng)箱養(yǎng)殖和工廠化養(yǎng)殖由于規(guī)模小于池塘養(yǎng)殖，水產(chǎn)品產(chǎn)量也低于池塘養(yǎng)殖，因此能源消耗占比也較小。

2.2 ?不同情景下的碳排放預測分析

隨著能源消耗量的變化，浙江省水產(chǎn)養(yǎng)殖中CO2的排放量也在逐年變化。以100年全球變暖潛能來衡量CO2排放，圖5為3種情景下2020—2035年的碳排放趨勢。結果表明，3種情景下碳排放量均為負值，即浙江省水產(chǎn)養(yǎng)殖中能源消耗產(chǎn)生的碳排放量小于養(yǎng)殖中貝藻類吸收的碳量，浙江省水產(chǎn)養(yǎng)殖總體是吸收CO2，水產(chǎn)養(yǎng)殖業(yè)不僅實現(xiàn)了碳中和，而且更偏向碳匯屬性?；鶞是榫爸校寂欧帕繌?020年的-139.39×103 t下降至2035年的-166.43×103 t，約為基準年的1.19倍。低碳情景中，到2035年，碳排放量下降至-210.67×103 t，約為基準年的1.51倍。強化低碳情景中，到2035年，碳排放量下降至-236.72×103 t，為基準年的1.70倍，減碳措施對于碳排放抑制具有一定作用。

為進一步探討浙江省水產(chǎn)養(yǎng)殖中長期碳排放結構演化特征，提取出水產(chǎn)養(yǎng)殖中各部分的碳排放數(shù)據(jù)。圖6顯示了3種情景下的碳排放構成。由圖6可知，貝藻類的碳排放為負數(shù)，即吸收碳，工廠化養(yǎng)殖、池塘養(yǎng)殖、普通漁船、LNG漁船、飼料的碳排放為正數(shù)，即排放碳，且養(yǎng)殖設備耗用電力是水產(chǎn)養(yǎng)殖業(yè)最主要的碳排放來源。所有情景中吸收的碳都能夠完全中和排放的碳，總體是向外界吸收碳。碳吸收中，蟶吸收的CO2最多，基準情景中由2020年吸收133.78×103 t上升至2035年吸收151.66×103 t，低碳情景中2035年吸收153.93×103 t，強化低碳情景中2035年吸收156.24×103 t；其次為貽貝，3個情景中2035年分別吸收106.98×103、108.59×103、110.21×103 t；最少的是其他貝類和扇貝，藻類中海帶和紫菜碳吸收量分別為第7和第3。碳排放為正數(shù)時，3個情景中池塘養(yǎng)殖和飼料生產(chǎn)碳排放占比均較大，最少的是LNG漁船碳排放。

2.3? 不同減碳措施的減排貢獻率分析

與基準情景相比，強化低碳情景下浙江省水產(chǎn)養(yǎng)殖不同減碳措施的減排貢獻率如圖7所示。綜合來看，能效提升和推廣清潔能源發(fā)電等措施對于水產(chǎn)養(yǎng)殖減碳意義重大。2025年，清潔能源發(fā)電推廣的貢獻度最高，約減排53.61×103 t，可達到2025年總減排量的73.9%；其次是能效提升，約減排12.37×103 t，減排貢獻

率為17.1%；飼料利用率提高、能源輸送效率提升的減排貢獻率分別為4.8%、4.1%；清潔漁船推廣減排貢獻率較小，為0.1%。到2030年，能效提升的減排貢獻率上升為21.2%，減排16.7×103 t；清潔能源發(fā)電推廣的貢獻率有所下降，下降至68.1%，約減排53.8×103 t；能源輸送效率提升、飼料利用率提高和清潔漁船推廣的減排貢獻率較小，分別為3.7%、6.2%和0.8%。到2035年時，能效提升的減排貢獻率小幅下降，為20.9%，約減排17.4×103 t；清潔能源發(fā)電推廣的減排貢獻度雖然小幅下降至64.5%，但是仍為減排的主要推動力；能源輸送效率提升和飼料利用率提高的減排貢獻率分別為5.7%和7.9%；清潔漁船推廣的減排貢獻率最小，為1.0%，約減排813.05 t。

3? 結論

（1）未來浙江省水產(chǎn)養(yǎng)殖業(yè)基準情景中能源消費總量呈現(xiàn)出增長趨勢，且能源消費構成中主要以化石能源為主，其中煤炭始終為最主要的能源需求，占比達84.59%。與基準情景相比，低碳情景和強化低碳情景中各項減碳措施具有一定節(jié)能作用，強化低碳情景2035年較基準情景中同年份節(jié)能15.24%，約節(jié)能25.11×103 t。

（2）從終端能源消費結構來看，池塘養(yǎng)殖和飼料生產(chǎn)能耗較大，所有情景和年份中能源消耗量均超過了總能源消耗量的30%，是水產(chǎn)養(yǎng)殖中的能源消耗主力軍。

（3）從碳排放來看，浙江省水產(chǎn)養(yǎng)殖中能源消耗產(chǎn)生的碳排放量小于養(yǎng)殖中貝藻類吸收的碳量，總體偏向碳匯屬性。減碳措施對于碳排放抑制具有一定作用。

（4）強化低碳情景下的各項減碳措施中，所考慮的減碳措施都能夠降低CO2排放，其中能效提升、清潔能源發(fā)電推廣等措施對于水產(chǎn)養(yǎng)殖碳減排起到關鍵作用，到2035年分別貢獻20.9%、64.5%的碳減排量，清潔漁船推廣的減排貢獻率最?。?.0%），約減排813.05 t。

參考文獻

［1］ 耿涌，董會娟，郗鳳明，等.應對氣候變化的碳足跡研究綜述［J］.中國人口·資源與環(huán)境，2010，20（10）：6-12.

［2］ FEDERICI S，TUBIELLO F N，SALVATORE M，et al.New estimates of CO2 forest emissions and removals：1990-2015［J］.Forest ecology and management，2015，352：89-98.

［3］ 李晨，馮偉，邵桂蘭.中國省域漁業(yè)全要素碳排放效率時空分異［J］.經(jīng)濟地理，2018，38（5）：179-187.

［4］ 徐皓，劉晃，張建華，等.我國漁業(yè)能源消耗測算［J］.中國水產(chǎn)，2007（11）：74-76，78.

［5］ 劉晃，車軒.中國水產(chǎn)養(yǎng)殖二氧化碳排放量估算的初步研究［J］.南方水產(chǎn)，2010，6（4）：77-80.

［6］ 金書秦，陳潔.我國水產(chǎn)養(yǎng)殖的直接能耗及碳排放研究［J］.中國漁業(yè)經(jīng)濟，2012，30（1）：73-82.

［7］ 李晨，李昊玉，孔海崢，等.中國漁業(yè)生產(chǎn)系統(tǒng)隱含碳排放結構特征及驅(qū)動因素分解［J］.資源科學，2021，43（6）：1166-1177.

［8］ 李雪，劉子飛，趙明軍，等.我國水產(chǎn)養(yǎng)殖與捕撈業(yè)“雙碳”目標及實現(xiàn)路徑［J］.中國農(nóng)業(yè)科技導報，2022，24（11）：13-26.

［9］ KIANI A.Electric vehicle market penetration impact on transport-energy-greenhouse gas emissions nexus：A case study of United Arab Emirates［J］.Journal of cleaner production，2017，168：386-398.

［10］ 劉固望.部門終端能源消費模型及其應用：以工業(yè)部門和交通部門為例［D］.北京：中國地質(zhì)大學（北京），2016.

［11］ 段蒙，項定先，盧騰飛，等.武漢市鋼鐵行業(yè)碳減排潛力及成本分析［J］.中國人口·資源與環(huán)境，2016，26（S1）：41-44.

［12］ IPCC.IPCC-intergovernmental panel on climate change［R］.2019.

［13］ 于佐安，謝璽，朱守維，等.遼寧省海水養(yǎng)殖貝藻類碳匯能力評估［J］.大連海洋大學學報，2020，35（3）：382-386.

［14］ 葉旺旺，張麋鳴，孫恒，等.貝藻類養(yǎng)殖碳匯核算與綜合溫室潛力評估研究進展［J］.應用海洋學學報，2022，41（4）：715-723.

［15］ 陳宇光.基于LEAP模型的浙江省能源消費和碳達峰路徑規(guī)劃研究［J］.湖州師范學院學報，2022，44（5）：8-16.

［16］ 吳瓊，馬昊，任洪波，等.基于LEAP模型的臨港新片區(qū)中長期碳排放預測及減排潛力分析［J］.環(huán)境科學，2024，45（2）：721-731.