文章快速检索     高级检索
  生态与农村环境学报  2018, Vol. 34 Issue (1): 46-53   DOI: 10.11934/j.issn.1673-4831.2018.01.006
0
新疆农业现代化进程中的碳排放效应
唐洪松 , 刘维忠 , 苏洋 , 马惠兰     
新疆农业大学经济与贸易学院, 新疆 乌鲁木齐 830052
摘要:利用1995-2015年的统计数据,运用排放系数法、格兰杰检验和协整检验对新疆农业现代化进程中的碳排放效应进行研究。结果表明:(1)新疆农业现代化进程中的碳排放总量、农业化学化碳排放量、农业机械化碳排放量、农业水利化碳排放量均呈明显上升态势,而碳排放强度呈波动下降特征;(2)农业碳排放结构发生了显著变化,碳排放结构由以农业机械化碳排放为主向以农业化学化碳排放为主转变;(3)新疆各地州(市)的农业碳排放量空间分异明显,喀什地区、昌吉州和伊犁州直等人口较多、耕地资源丰富和种植业发展较好的地州农业碳排放量规模较大;(4)农业经济增长是导致农业碳排放量上升的驱动因素,而且存在长期稳定的关系。为此,要顺利推进新疆农业现代化进程,必须协调好经济发展与农业碳排放的关系,走低碳农业发展道路。
关键词农业现代化    农业碳排放    格兰杰检验    协整检验    
Carbon Emission Effect of the Process of Agricultural Modernization in Xinjiang
TANG Hong-song , LIU Wei-zhong , SU Yang , MA Hui-lan     
College of Economics and Trade, Xinjiang Agriculture University, Urumqi 830052, China
Abstract: Based on the statistical data of the years from 1995 to 2015, carbon emission effect of the process of agricultural modernization in Xinjiang was studied using the emission coefficient method, Granger test and cointegration test. Results show:(1) Total carbon emission and carbon emissions from agricultural chemicals, agricultural mechanics and agricultural water conservancy all exhibited an apparent upward trend in the process of agricultural modernization in Xinjiang, while carbon emission intensity did a fluctuating downward one; (2) The agricultural carbon emission in Xinjiang changed significantly in structure with the agricultural modernization going on with pivot shifting from agricultural mechanics to agricultural chemicals; (3)Agricultural carbon emission varied spatially and significantly with states or cities high in population, rich in land resource and well-developed in farming like Kashi, Changji and Yili, being high in agricultural carbon emission; and (4) Agricultural economic growth was the major factor driving agricultural carbon emission upwards, showing a long standing relationship between them. Therefore, in order to push forward the process of agricultural modernization in Xinjiang, it is essential to harmonize the relationship between agricultural carbon emission and economic development, by taking a low-carbon path to agricultural modernization.
Key words: agricultural modernization    agricultural carbon emissions    granger causality test    cointegration test    

纵观欧美、日韩等发达国家的农业现代化进程, 尽管其发展路径有所差异, 但其发展初期均为高能耗、高化学的“工业化”农业现代化模式。我国虽然没有雄厚的工业基础作为保障, 但同样走的是投入大量资源和能源的发展模式, 随着农业现代化进程的推进, 农资物品投入增加,农业机械化和水、电、气化水平提高, 土壤退化、农业面源污染、温室气体排放等环境问题日益凸显, 尤其是温室气体排放带来的环境问题给人类社会经济的发展带来了严峻挑战, 联合国政府间气候变化专门委员会指出, 农业发展成为全球温室气体排放的重要来源之一。

新疆是我国粮食后备基地、重要棉花基地、畜牧业基地和特色林果业基地, 其农业现代化关系着我国整体农业现代化进程的实现程度, 也关系着新疆经济发展和社会稳定。然而, 新疆多年的经济结构调整、大量土地被开发利用以及农业生产方式不断改变, 使原本脆弱、易破坏难恢复的生态环境面临着农业现代化带来的新的环境问题的挑战。在我国全面提倡发展低碳经济的当下, “低碳、清洁、循环”的农业发展模式, 不仅是新疆实现农业产业结构升级的重要途径, 也是实现农业现代化可持续发展的必由之路。

目前, 农业碳排放的研究集中在以下几个方面:一是农业碳排放量估算及时空特征的研究[1-3]; 二是农业碳排放增长机理的理论与实证研究(包括经典的卡亚恒等式[4]、环境库兹涅茨曲线(ECK)模型[5-6]和脱钩模型[7-8]); 三是农业碳排放效率及影响因素的研究[9-10]; 四是农业碳减排成本及措施的研究[11-12]。从已有文献来看, 有关从农业现代化视角来研究农业碳排放的报道鲜见。笔者全面系统地测算分析了新疆农业现代化进程的碳排放特征及差异, 探究了新疆农业现代化与农业碳排放的关系, 可为新疆在推进农业现代化进程中农业发展实现由“高碳”向“低碳”、由“粗放传统”向“高效集约”转变提供依据和参考。

1 研究方法与数据来源 1.1 排放系数法

相关研究表明, 农业碳排放源包括自然碳排放源和社会经济碳排放源2类。自然碳排放源包括植物及生物呼吸、调落物分解和水面挥发等; 社会经济碳排放源包括农资(化肥、农药和地膜等)生产使用耗能、机械运作耗能、灌溉耗能和秸秆焚烧等。根据农业现代化内涵将农业现代化进程中的碳排放源界定为社会经济碳排放源, 同时, 考虑到我国秸秆综合利用效率已经达80%左右, 并相继出台禁止焚烧秸秆的法规, 所以碳排放源不考虑秸秆焚烧。结合农业现代化特征, 将农资(化肥、农药、地膜)生产使用耗能排放归纳为农业化学化碳排放, 将机械运作耗能排放归纳为农业机械化碳排放, 将灌溉耗能排放归纳为农业水利化碳排放。由此, 农业现代化进程中碳排放总量的估算公式可表示为

$ {C_{\rm{T}}} = {C_1} + {C_2} + {C_3}。$ (1)

式(1)中, CT为农业现代化进程中碳排放总量, kg; C1为农业化学化碳排放量, kg;C2为农业机械化碳排放量, kg; C3为农业水利化碳排放量, kg。

目前, 计算碳排放的方法可分为实测法、物料平衡法和排放系数法3类, 适用不同国家和不同条件下的碳排放计算。实测法主要运用于微观尺度自然碳排放源的计算。物料平衡法主要运用于中观尺度社会经济排放源和复杂自然排放源的计算。排放系数法主要运用于宏观尺度社会经济排放源的估算, 广泛应用于农业碳排放的研究领域[1-7]。选取排放系数法核算新疆农业现代化进程中碳排放, 计算公式为

$ {C_i} = \Sigma {A_i}{F_i}。$ (2)

式(2)中, Ci为第i类碳源碳排放量, kg; Ai为第i类碳源活动水平, kg·kg-1或kg·hm-2或kg·kW-1; Fii类碳源排放系数。各类碳源碳排放系数如表 1所示。

表 1 农业现代化进程中各碳源的碳排放系数 Table 1 Carbon emission coefficients of various carbon sources in the process of agricultural modernization
1.2 ADF检验

农业碳排放、农业经济增长时间序列数据不平稳可能出现“伪回归”现象, 导致格兰杰检验和协整检验没有统计和经济上的意义, 可采用ADF法进行平稳性检验。基本方程为

$ \left\{ \begin{array}{l} \Delta {Y_t} = \rho {Y_{t-1}} + \sum {\beta _i}\Delta {Y_{t-i}} + {\tau _t}\\ \Delta {Y_t} = \alpha + \rho {Y_{t-1}} + \sum {\beta _i}\Delta {Y_{t - i}} + {\tau _t}\\ \Delta {Y_t} = \alpha + {\beta _t} + \rho {Y_{t - 1}} + \sum {\beta _i}\Delta {Y_{t - i}} + {\tau _t} \end{array} \right.。$ (3)

式(3)中, ΔYt为农业碳排放量或农业经济增长的一阶差分; Yt-1为农业碳排放或农业经济增长原始时间序列数据; ρYt-1的待估参数; βi为ΔYt-i的待估参数; t为时间变量; τt为扰动项;α为常数项;βt为时间滞后常量;ΔYt-i为第t期农业碳排放或农业经济增长的一阶差分。

通过以ΔYt为被解释变量、以ΔYt-i为解释变量的回归可以检验假设H0, 原假设为H0:ρ=0, 备择假设为H1:ρ < 0, 实际检验从后往前进行, 任何一次检验拒绝原假设, 说明农业碳排放、农业经济增长时间序列不存在单位根, 时间序列平稳, 停止检验, 反之则继续检验。

1.3 格兰杰检验

格兰杰因果检验是验证2个变量因果关系的一种计量方法, 可以检验农业碳排放与农业经济增长之间的因果关系。回归方程如下

$ {Y_t} = \sum {\alpha _i}{X_{t-i}} + \sum {\beta _j}{Y_{t-j}} + {\tau _{1t}}, $ (4)
$ {X_t} = \sum {\rho _i}{X_{t-i}} + \sum {\lambda _j}{Y_{t-j}} + {\tau _{2t}}。$ (5)

式(4)~(5)中, Yt为农业碳排放; Xt为农业经济增长; αβρλ为待估系数; τ为扰动项。假定当前YY自身以及X的过去值有关, 并对X做类似假定。对式(4)而言, 其原假设H0:α1=α2=…=αn=0, 对式(5)而言, 其原假设H0:λ1=λ2=…=λm=0。分4种情形讨论:

若式(4)中滞后X的系数估计值在统计上整体显著不为0, 同时式(5)中滞后Y的系数估计值在统计上整体显著为0, 则称农业经济增长是引起农业碳排放的原因。

若式(5)中滞后Y的系数估计值在统计上整体显著不为0, 同时式(4)中滞后X的系数估计值在统计上整体显著为0, 则称农业碳排放是引起农业经济增长的原因。

若式(4)中滞后X的系数估计值在统计上整体显著不为0, 同时式(5)中滞后Y的系数估计值在统计上整体显著不为0, 则称农业经济增长和农业碳排放之间存在反馈关系, 或者双向因果关系。

若式(4)中滞后X的系数估计值在统计上整体显著为0, 同时式(5)中滞后Y的系数估计值在统计上整体显著为0, 则称农业经济增长和农业碳排放之间不存在因果关系。

1.4 协整检验

协整检验的目的是决定一组非平稳序列的线性组合是否具有稳定的均衡关系, 可以确定农业碳排放与农业经济增长之间的长期关系。协整检验理论模型:如果时间序列y1, y2,…, yn具有i阶单整, 存在1个向量α=(α1, α2, …,αn)使得αy~I(i-b), i>b>0, 则称序列y1, y2,…, yn是(i-b)协整,其协整方程式为

$ {y_n} = \alpha + \beta {x_n} + {\tau _n}。$ (6)

式(6)中, ynxn分别为需要检验协整关系的农业碳排放与农业经济增长2个时间序列; αβ为待估参数; τn为残差序列。如果残差序列是平稳的, 则说明农业经济增长与农业碳排放之间存在协整关系, 判断残差序列是否平稳采用单位根(ADF)检验。

1.5 数据来源及处理

化肥(折纯)、农药、地膜的消耗以当年使用量为准; 农业机械化能源消耗主要用于翻耕, 翻耕面积以当年农作物播种面积为准, 农业机械化的电能消耗以当年农业机械总动力为准; 农业灌溉耗能以当年有效灌溉面积为准; 并涉及到农业生产总值。数据来源包括《新疆统计年鉴》、《中国农村统计年鉴》、《新疆50年统计年鉴》和《新疆调查年鉴》。

选取农业生产总值(AGDP)作为农业现代化进程中农业经济增长的变量, 选取CTC1C2C3作为农业现代化进程中环境污染变量。为了消除原始数据可能存在的异方差, 对AGDPCTC1C2C3的原始数据做对数处理, 处理后的数据分别记作LAGDPLCTLC1LC2LC3。ADF检验、格兰杰检验、协整检验采用Eviews 8.0软件完成。

2 结果与分析 2.1 新疆农业现代化进程中碳排放的时空特征

新疆农业现代化进程中碳排放量呈现以下显著特征(表 2~3):

表 2 1995—2015年新疆农业现代化进程中的碳排放情况 Table 2 Carbon emissions in the process of agricultural modernization in Xinjiang during the period of 1995-2015

表 3 2015年新疆13个地州(市)碳排放情况 Table 3 Agricultural carbon emissions of the 13 prefectures and cities of Xinjiang in 2015

(1) 农业现代化进程中碳排放总量呈不断上升趋势。1995—2015年间, 碳排放量由248.03×104 t增加到688.82×104 t, 20 a增加440.79×104 t, 年均涨幅5.24%。随着“对口援疆”战略的推进, 新疆社会经济快速发展, 为增加农产品产量, 农资物品、农业机械、农业灌溉的活动水平和强度均大幅度上升, 导致农业现代化进程中碳排放量持续不断上升。随着“丝绸之路经济带”倡议的稳步推进, 新疆农业现代化进程中的碳排放量可能会继续上升。

(2) 农业化学化碳排放量仅在1999和2009年有微弱减少, 其余年份均呈现快速增长趋势。2015年农业化学化碳排放量为355.58×104 t, 较1995年翻了近4番, 年均涨幅8.06%。可见, 新疆在农业现代化进程初期, 农业生产主要依靠大量使用农资物品促进农业经济增长, 引起碳排放量的持续增加。2009年碳排放量略微下降的原因可能受到2008年金融危机的影响, 国内乃至新疆农产品市场萎靡不振, 农民减少农作物播种面积或者改变种植结构, 农资物品使用量减少, 导致碳排放量略有下降。

(3) 农业机械化碳排放量逐年上升, 经历了2个增长阶段。2004年以前, 农业机械化碳排放量增长速度缓慢, 9 a间仅增加13.83×104 t, 年均增长速度仅为1.62%。2004年以后, 中央连续发布“一号文件”, 出台农业机械购置补贴政策, 在此政策刺激下, 农民购买拥有的机械数量和使用机械的频率大幅度上升, 导致农业机械化碳排放量在2004年以后呈现快速上升趋势, 2015年其碳排放量为202.04×104 t, 较2004年增加87.72×104 t, 年均涨幅为5.86%。

(4) 农业水利化碳排放量仅在2002和2003年有微弱减少, 其余年份均呈现平稳上升态势。2015年农业水利化碳排放量为131.20×104 t, 较1995年增加59.14×104 t, 年均涨幅3.04%。新疆地处亚洲腹地, 气候干燥, 降水稀少, 农业发展属于典型的“绿洲灌溉”农业。近年来社会经济快速发展, 提高了耕地的利用强度, 农作物播种面积持续上升导致灌溉面积也不断上升, 使农业水利化碳排放量呈现明显增加趋势。

(5) 碳排放结构发生显著变化, 由以农业机械化碳排放为主向以农业化学化碳排放为主转变。在1995年, 农业机械化碳排放量占总量的比例为40.52%, 农业化学化碳排放量与农业水利化碳排放量对碳排放总量的贡献率相当, 分别为30.43%和29.05%。随后, 农业化学化碳排放量对碳排放总量的贡献率持续不断上升, 2015年占总量的比例达51.62%, 而农业机械化碳排放量和农业水利化碳排放量占总量的比例持续下降, 两者占总量的比例分别为29.33%和19.05%。

(6) 碳排放强度呈现先上升后下降特征。2015年较1995年下降0.45 t, 年均下降4.06%。分析发现, 20世纪90年代末期和21世纪初期在农业生产投入导致碳排放持续上升的同时, 农产品市场价格低廉, 出售困难, 农业经济效益较差, 导致万元GDP排放量在1995—2001年间呈波动上升趋势。而2002—2015年碳排放强度下降趋势明显, 主要得益于2004年以来国家强农惠农政策的支持, 以及新疆农业现代化进程中农业生产技术不断提高, 促进了农业经济的快速发展, 降低了万元GDP排放量。

(7) 碳排放量空间分异明显, 碳排放量较大的多为人口规模大、耕地资源丰富和种植业发展较好的地州。如表 3所示, 2015年新疆碳排放量位居首位的喀什地区为111.51×104 t, 居末位的乌鲁木齐市仅为10.80×104 t, 两地相差近10倍。喀什地区、阿克苏地区、塔城地区、伊犁州直、昌吉州排在前5位, 是主要的碳排放贡献地区, 累计碳排放量455.37×104 t, 累计占全疆的66.10%;哈密市、博州、克州、吐鲁番市、乌鲁木齐市排在后5位, 累计碳排放量为94.86×104 t, 占全疆碳排放量的比例不足15%。农业化学化碳排放量、农业机械化碳排放量、农业水利化的空间分布与碳排放总量的空间分布具有相似性, 但存在个别差异, 如农业水利化碳排放量最高的不是喀什地区,而是昌吉州。

2.2 新疆农业现代化进程中碳排放与经济增长关系的实证分析 2.2.1 单位根检验

表 4可知, LAGDPLCTLC1LC2LC3P值都大于10%, 说明该时间序列不平稳; 对这几个变量的一阶差分进行ADF检验, LCTLC3的一阶差分在10%水平上显著, LAGDPLC1的一阶差分在5%水平上显著, LC2的一阶差分在1%水平上显著, 所有变量的一阶差分均达到平稳, 满足进行格兰杰检验和协整检验的条件。

表 4 LAGDPLCTLC1LC2LC3序列单位根检验 Table 4 Unit root tests for LAGDP, LCT, LC1, LC2 and LC3 sequence
2.2.2 格兰杰检验

表 5可知, 在滞后一阶、三阶、四阶时, “LCT不是引起LAGDP的格兰杰原因”至少通过10%显著水平的检验, 表明碳排放不是农业生产总值的驱动因素。在滞后二阶、三阶、四阶时, “LAGDP不是引起LCT的格兰杰原因”均被拒绝, 表明农业生产总值是碳排放的驱动因素。

表 5 LTCLAGDP的格兰杰检验 Table 5 Granger test of LTC and LAGDP

表 6可知, 在滞后一阶、三阶和四阶时, “LC1不是引起LAGDP的格兰杰原因”分别通过10%、1%和1%显著水平的检验, 表明农业化学化碳排放不是农业生产总值的驱动因素。在滞后一阶、二阶、三阶和四阶时, “LAGDP不是引起LC1的格兰杰原因”均至少在10%显著水平上被拒绝, 表明农业生产总值是农业化学化碳排放的驱动因素。

表 6 LC1LAGDP的格兰杰检验 Table 6 Granger test of LC1 and LAGDP

表 7可知, 在滞后一阶、三阶和四阶时, “LC2不是引起LAGDP的格兰杰原因”分别通过10%、10%和5%显著水平的检验, 表明农业机械化碳排放不是农业生产总值的驱动因素。在滞后二阶、三阶和四阶时, “LAGDP不是引起LC2的格兰杰原因”均至少在10%显著水平上被拒绝, 表明农业生产总值是农业机械化碳排放的驱动因素。

表 7 LC2LAGDP的格兰杰检验 Table 7 Granger test of LC2 and LAGDP

表 8可知, 在滞后一阶、二阶、三阶和四阶时, “LC3不是引起LAGDP的格兰杰原因”分别通过1%、5%、5%和5%显著水平的检验, 表明农业水利化碳排放不是农业生产总值的驱动因素。在滞后一阶、二阶、三阶和四阶时, “LAGDP不是引起LC3的格兰杰原因”均至少在10%显著水平上被拒绝, 表明农业生产总值是农业水利化碳排放的驱动因素。

表 8 LC3LAGDP的格兰杰检验 Table 8 Granger test of LC3 and LAGDP
2.2.3 协整检验

根据格兰杰检验结果, 以农业生产总值为解释变量, 以碳排放总量(Ⅰ)、农业化学化碳排放量(Ⅱ)、农业机械化碳排放量(Ⅲ)、农业水利化碳排放量(Ⅳ)为被解释变量建立4个协整方程, 利用最小二乘法得到4个协整方程的待估系数和检验值(表 9)。

表 9 协整方程估计结果 Table 9 Estimation with the cointegration equation

4个模型的R2和调整R2均大于0.9, F值均通过1%显著水平检验, 且各模型系数均通过1%显著水平检验, 各检验值均通过经济和统计意义检验, 表明模型模拟较好, 可写出4个协整方程式:

$ {L_{{\rm{TC}}}} = 0.461{\rm{ }}3{L_{{\rm{AGDP}}}}-1.275{\rm{ }}7, $ (7)
$ {L_{{\rm{C}}1}} = 0.672{\rm{ }}0{L_{{\rm{AGDP}}}}-5.438{\rm{ }}9, $ (8)
$ {L_{{\rm{C}}2}} = 0.326{\rm{ }}3{L_{{\rm{AGDP}}}}-0.240{\rm{ }}4, $ (9)
$ {L_{{\rm{C}}3}} = 0.258{\rm{ }}7{L_{{\rm{AGDP}}}} + 0.432{\rm{ }}1。$ (10)

协整方程残差序列单位根检验如表 10所示。方程Ⅰ、Ⅱ、Ⅲ和Ⅳ的残差序列单位根分别通过10%、1%、1%和10%显著水平检验。可认为农业生产总值与碳排放总量、农业化学化碳排放量、农业机械化碳排放量、农业水利化碳排放量存在长期稳定的均衡关系, 而且为正相关关系, 即农业现代化促进农业生产总值每上升1%, 会引起农业碳排放总量上升0.461%, 引起农业化学化碳排放量上升0.672%, 引起农业机械化碳排放量上升0.326%, 引起农业水利化碳排放量上升0.258%。

表 10 协整方程残差序列的单位根检验 Table 10 Unit root test of residual series of the cointegration equation
3 结论与启示 3.1 结论

(1) 新疆农业现代化进程中的碳排放总量、农业化学化碳排放量、农业机械化碳排放量和农业水利化碳排放量呈现明显的上升态势, 2015年较1995年分别增长440.79×104、280.10×104、13.83×104和59.14×104 t。万元GDP碳排放量呈现先上升后下降的波动特征, 由1995年的0.79 t·万元-1下降至2015年的0.34 t·万元-1

(2) 新疆农业现代化进程中碳排放结构发生了显著变化, 由以农业机械化碳排放为主向以农业化学化碳排放为主转变。1995年农业碳排放结构为农业化学化碳排放占30.43%,农业机械化碳排放占40.52%,农业水利化碳排放占29.05%;2015年碳排放结构演变为农业化学化碳排放占51.62%,农业机械化碳排放占29.33%,农业水利化碳排放占19.05%。

(3) 新疆各地州(市)的农业碳排放量大小差异明显, 人口较多、耕地资源丰富和种植业发展较好的地州(市)农业碳排放量规模较大。喀什地区、阿克苏地区、塔城地区、伊犁州直和昌吉州是主要的碳排放贡献地区, 累计农业碳排放量占全疆的66.10%。这些地州也是减排压力较大的地区。

(4) 新疆在推进农业现代化的过程中, 农业经济增长是导致农业碳排放量上升的驱动因素, 而且两者存在长期稳定的关系, 即农业现代化促进农业生产总值每上升1%, 会引起农业碳排放量上升0.461%, 引起农业化学化碳排放量上升0.672%, 引起农业机械化碳排放量上升0.326%, 引起农业水利化碳排放量上升0.258%。可见, 农业现代化进程中, 农业经济增长对农业化学化碳排放驱动最大, 农业机械化碳排放次之, 农业水利化碳排放最小。

3.2 启示

农业经济增长是农业现代化碳排放长期的、内在的和最本质的驱动因素, 无法绝对、直接地改善两者之间的因果关系, 只有通过相关行政手段、经济手段、技术手段在提高经济增长速度的同时降低碳排放增长速度, 进而降低农业现代化的单位经济增长碳排放量, 最终实现农业现代化进程中碳减排的任务。新疆作为经济后发区, 正处于农业现代化发展的关键阶段, 应总结发达国家农业现代化发展进程的经验和教训, 不走“先污染, 后治理”的道路, 提出以下几条对策建设。

(1) 自治区农业、科技相关政府部门在实现农业现代化的过程中应加强对低碳农业发展的重视和支持。相关政府部门要有发展低碳农业的战略眼光, 制定低碳农业发展战略规划, 在国家鼓励低碳农业的政策和优惠措施出台之前, 率先研究出台相应的扶持政策, 如支持与低碳农业发展有关的基础设施建设, 增加涉及低碳农业示范、实验项目的资金投入和补贴, 给予低碳种植技术研发以及推广应用的补贴和奖励等, 率先建立由政府主导、市场运作的低碳农业发展机制, 积极争取中央政府的政策支持和财政支持。

(2) 在推进农业现代化过程中, 要重视农业技术创新与进步。新疆经济发展相对落后, 国家应给予资金支持, 投入低碳农业技术的研发和推广。农业经济增长导致的农业化学化碳排放量最大, 建议大力研发和推广测土配方肥、生物农药以及地膜多用与回收技术, 实施推广免耕技术与滴灌技术, 降低农业现代化进程中碳排放的增长速度和碳排放强度。

(3) 建立低碳农业示范园区, 开展低碳农业试点示范, 以点带面, 分区域逐步实现农业碳减排。喀什地区、阿克苏地区、塔城地区、伊犁州直和昌吉州是主要的碳排放贡献地区, 这些地区减排的紧迫性较强, 要整合各地区资源优势, 大力发挥农业科技园区的示范带动作用, 借助“新疆伊犁国家农业科技园区”“新疆昌吉国家农业园区”的技术及人才资源, 建议在北疆的伊犁州直、昌吉州建立低碳农业示范园区, 并向塔城地区、阿勒泰地区、博州示范推广; 借助喀什地区“深喀现代农业产业示范园区”“新疆温宿国家农业科技园区”的技术及人才资源, 在南疆的喀什地区、阿克苏地区建立低碳农业示范园区, 逐步向环塔里木盆地各地州市示范推广。

参考文献
[1]
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): 2097-2105.
TIAN Yun, ZHANG Jun-biao, LI Bo. Agricultural Carbon Emissions in China:Calculation, Spatial-Temporal Comparison and Decoupling Effects[J]. Resources Science, 2012, 34(11): 2097-2105. (0)
[2]
SU M R, PAULEIT S, YIN X M, et al. Greenhouse Gas Emission Accounting for EU Member States From 1991 to 2012[J]. Applied Energy, 2016, 184: 759-768. DOI:10.1016/j.apenergy.2016.02.074 (0)
[3]
唐洪松, 马惠兰, 苏洋, 等. 新疆不同土地利用类型的碳排放与碳吸收[J]. 干旱区研究, 2016, 33(3): 486-492.
TANG Hong-song, MA Hui-lan, SU Yang, et al. Research on Carbon Emissions and Carbon Absorption Based on Different Land Use Types of Xinjiang[J]. Arid Zone Research, 2016, 33(3): 486-492. (0)
[4]
李波, 张俊飚, 李海鹏. 中国农业碳排放与经济发展的实证研究[J]. 干旱区资源与环境, 2011, 25(12): 8-13.
LI Bo, ZHANG Jun-biao, LI Hai-peng. Empirical Study on China's Agriculture Carbon Emissions and Economic Development[J]. Journal of Arid Land Resources and Environment, 2011, 25(12): 8-13. (0)
[5]
LIDDLE B. What Are the Carbon Emissions Elasticities for Income and Population? Bridging STIRPAT and EKC via Robust Heterogeneous Panel Estimates[J]. Global Environmental Change, 2015, 31: 62-73. DOI:10.1016/j.gloenvcha.2014.10.016 (0)
[6]
颜廷武, 田云, 张俊飚, 等. 中国农业碳排放拐点变动及时空分异研究[J]. 中国人口·资源与环境, 2014, 24(11): 1-8.
YAN Ting-wu, TIAN Yun, ZHANG Jun-biao, et al. Research on Inflection Point Change and Spatial and Temporal Variation of China's Agricultural Carbon Emissions[J]. China Population, Resources and Environment, 2014, 24(11): 1-8. DOI:10.3969/j.issn.1002-2104.2014.11.001 (0)
[7]
李立, 周灿, 李二玲, 等. 基于投入视角的黄淮海平原农业碳排放与经济发展脱钩研究[J]. 生态与农村环境学报, 2013, 29(5): 551-558.
LI Li, ZHOU Can, LI Er-ling, et al. Decoupling Analysis of Agricultural Carbon Emission and Economic Development From an Input Perspective:A Case Study of Huang-Huai-Hai Plain[J]. Journal of Ecology and Rural Environment, 2013, 29(5): 551-558. (0)
[8]
NAQVI A, ZWICKL K. Fifty Shades of Green:Revisiting Decoupling by Economic Sectors and Air Pollutants[J]. Ecological Economics, 2017, 133: 111-126. DOI:10.1016/j.ecolecon.2016.09.017 (0)
[9]
吴贤荣, 张俊飚, 田云, 等. 中国省域农业碳排放:测算、效率变动及影响因素研究:基于DEA-Malmquist指数分解方法与Tobit模型运用[J]. 资源科学, 2014, 36(1): 129-138.
WU Xian-rong, ZHANG Jun-biao, TIAN Yun, et al. Provincial Agricultural Carbon Emissions in China:Calculation, Performance Change and Influencing Factors[J]. Resources Science, 2014, 36(1): 129-138. (0)
[10]
张广胜, 王珊珊. 中国农业碳排放的结构、效率及其决定机制[J]. 农业经济问题, 2014(7): 18-26, 110.
ZHANG Guang-sheng, WANG Shan-shan. The Structure, Efficiency and Decision Mechanism of Agricultural Carbon Emissions in China[J]. Issues in Agricultural Economy, 2014(7): 18-26, 110. (0)
[11]
吴贤荣, 张俊飚, 朱烨, 等. 中国省域低碳农业绩效评估及边际减排成本分析[J]. 中国人口·资源与环境, 2014, 24(10): 57-63.
WU Xian-rong, ZHANG Jun-biao, ZHU Ye, et al. Evaluation of Provincial Low-Carbon Agriculture Performance and Estimation of Marginal Abatement Costs in China[J]. China Population, Resources and Environment, 2014, 24(10): 57-63. DOI:10.3969/j.issn.1002-2104.2014.10.009 (0)
[12]
王珊珊, 张广胜. 中国低碳农业生产方式的实现路径与评价[J]. 生态经济, 2012(3): 28-32.
WANG Shan-shan, ZHANG Guang-sheng. Achieving Path and Evaluation of Law Carbon Agricultural Production Mode in China[J]. Ecological Economy, 2012(3): 28-32. (0)
[13]
WEST T O, MARLAND G. A Synthesis of Carbon Sequestration, Carbon Emissions, and Net Carbon Flux in Agriculture:Comparing Tillage Practices in the United States[J]. Agriculture Ecosystems & Environment, 2002, 91(1/2/3): 217-232. (0)
[14]
陈阜. 我国农作物栽培与耕作制度科技新进展[J]. 耕作与栽培, 2001(6): 1-2, 36.
CHEN Bu. New Advances in Crop Cultivation and Cropping System in China[J]. Tillage and Cultivation, 2001(6): 1-2, 36. (0)
[15]
马涛. 上海农业碳源碳汇现状评估及增加碳汇潜力分析[J]. 农业环境与发展, 2011, 28(5): 38-41.
MA Tao. Assessment of Carbon Source Carbon Sink and Analysis of Potential for Increasing Carbon Sequestration in Shanghai[J]. Agro-Environment and Development, 2011, 28(5): 38-41. (0)
[16]
段华平, 张悦, 赵建波, 等. 中国农田生态系统的碳足迹分析[J]. 水土保持学报, 2011, 25(5): 203-208.
DUAN Hua-ping, ZHANG Yue, ZHAO Jian-bo, et al. Carbon Footprint Analysis of Farmland Ecosystem in China[J]. Journal of Soil and Water Conservation, 2011, 25(5): 203-208. (0)