中国农地利用结构变化的碳效应及时空演进趋势研究

李 波，刘雪琪，王 昆

（1.中南民族大学经济学院，湖北 武汉 430074；2.武汉市规划研究院，湖北 武汉 430019）

1 引言

随着二氧化碳排放所引起的环境问题越来越严峻，发展低碳经济、降低碳排放成为遏制全球气候变暖的重要战略举措[1-2]。中国在“十三五”期间着力推进绿色发展、循环发展和低碳发展，节约利用资源，不断强化环境保护和生态修复。农地利用活动是人类生活、生产的必要活动，既是主要的温室气体来源，同时也是受气候变化的影响最大[3-4]，党的十九大的报告中也明确提出要开展国土绿化行动，严格保护耕地，健全休养生息制度。因此，农地资源的优化利用不仅仅可以改善土壤环境品质，还可以帮助中国实现碳减排的目标，从而推动经济和社会的可持续发展。

关于农地利用碳效应的研究，目前主要从影响因素、与经济发展的关系、趋势预测三个方面开展：苏洋、洪凯、王太祥[5-7]等基于时间序列数据研究影响农地利用碳排放的因素，常用的因素分解模型有Kaya恒等式、LMDI模型、IPAT模型等；田云、张婷[8-9]等运用Tapio模型研究农地利用碳排放与经济发展的脱钩关系；王琦、余雪振[10-11]等运用灰色GM（1，1）模型预测农地利用碳排放量的趋势。这些研究对中国探索农地利用碳效应起到了不可或缺的作用，对本文的研究也起到了重要的理论指导和借鉴意义。

综观现有研究，采用的数据主要是单纯的时间序列数据或截面数据，并且侧重研究农地利用碳排放，忽略了农地利用碳汇，但农地利用的碳效应分为碳排放和碳汇，其产生的净碳排放会进一步加剧温室效应，产生的净碳汇能够减少温室气体的排放，由此带来正外部效应。William[12]提出计算农地固碳潜力要考虑农资投入和农地利用结构变化所造成的温室气体排放。总而言之，从净排放的角度考虑农地利用结构变化所产生的温室气体“固”与“排”的平衡，能充分反映出农地利用碳效应的实质及减排潜力。

本文从碳排放和碳汇两方面分析中国农地利用碳效应的时间和区域特征，再基于31个省（区、市）2005—2014年的面板数据，运用Kernel密度估计系统考察了中国农地利用净碳排放/净碳汇的地区间的差距和分布动态演进。一方面可以考察和监测农地利用碳排放情况，另一方面为农地利用碳减排的进一步研究和相关政策的制定提供了科学的依据。

2 数据与方法

2.1 测算方法

（1）农地利用碳排放估算方法。参考相关文献并结合相关学者建议，农地利用的碳源主要基于以下6个方面：化肥、农药、农膜、农用柴油、翻耕和农业灌溉。Jane M. F. Johnson[13]曾基于该研究框架对美国农业生产产生的温室气体排放量进行测算，其结果表明农地利用活动产生的碳排放量约相当于2.25×108t当量CO2。根据上述6个种类，可以列出农业碳排放的估计公式如下：

式（1）中，E为农地利用碳排放总量，Ei为各类碳源的碳排放量，Ti为各类碳源的消耗量，δi为各类碳源的碳排放系数。本文计算出的农业碳排放采用了已有研究[14-17]归纳出的农地利用碳源系数（表1）。

表1 农地利用碳源的碳排放系数及参考来源Tab.1 Carbon emissions coeff i cient and reference sources of carbon sources of agricultural land use

（2）Kernel密度估计方法。在概率论中用来估计未知的密度函数的方法被称为Kernel密度估计，此方法可以避免由模型的设定造成测算值和实际值之间的差异，属于非参数检验方法之一[18]。设随机变量的密度函数为f（x），x点的概率密度函数为：

式（2）中，h为带宽，N为观测值的个数，K（·）为Kernel密度函数。带宽是用来控制估计密度的平滑程度的，在具体估计时，样本越少，带宽越大，估计就越平滑，但估计偏差就越大，所以带宽的选择应该满足以下公式：

本文运用了高斯核函数，其函数公式如下：

2.2 数据来源

本文1993—2015年的农膜、农药、化肥、灌溉、农用柴油数据均出自《中国环境统计年鉴》和《中国农业统计年鉴》；以当年中国农作物实际播种面积作为翻耕数据，1993—2015年的农作物播种面积出自《中国统计年鉴》。2000—2015年草地、林地面积以及2001—2015年生态退耕和建设占用面积的数据来源于历年《中国土地资源统计年鉴》和全国土地利用变更调查成果。

3 农地利用碳效应分析

3.1 农地利用碳排放的时序差异分析

通过测算发现，中国碳排放总量从1993年的4.30×107t增长到2015年的9.11×107t，其年均递增率为3.47%。22年间，虽然碳排放总量翻了一倍多，但是其环比增长率总体呈现下降的趋势。碳排放强度总体上是逐年增加，1993年的碳排放强度为452.46 kg·hm-2，2015年为674.5 kg·hm-2，年均递增率为1.83%，其环比增速虽然有波动，但大体上是阶段性下降趋势。基于李波[19]对农地利用碳排放的研究对比发现，2008年中国农地利用碳排放总量和强度的年均递增率分别为4.08%和2.38%，2015年的年均递增率均有所下降。

虽然中国的农业碳排放总量一直处于上升的趋势，但随着越来越重视绿色发展，出台了各种节能减排的相关政策，碳排放总量、碳排放强度的环比增速和年均递增率得到了有效的控制。各农业碳排放的碳源均出现了不同程度的增长，其中化肥对农业碳排放量的贡献率最大。这说明大量使用化学制品，虽然对产量有所提高，但是会加大农业的碳排放[20-21]。因此优化化肥、农药等化学制品的使用，鼓励有机肥使用和绿肥种植，提高使用效率，可以降低农业碳排放，进而改善生态环境。

3.2 农地利用碳排放的区域差异分析

全国农地碳排放处于最高水平的省份是河南省，最低的是西藏自治区。碳排放总量排在前5位的是河南省、山东省、河北省、安徽省和江苏省，占全国的34.60%，且碳排放总量均高于4.50×107t；碳排放总量排在后5位的是天津市、上海市、北京市、青海省和西藏自治区，占全国1.24%，且排放总量均低于4.0×107t。由此看出，传统农业大省的农地利用碳排放量相比其他省份而言较高，这说明中国农业生产方式还是一种高投入、高消耗、高污染的生产模式，对资源的利用方式没有发生根本转变。

从各省碳排放强度来看，碳排放强度最大的是福建省，最小的是西藏自治区。碳排放强度大的主要集中在发达城市以及东南沿海发达省份；碳排放强度小的主要集中在西部地区、东北地区等相对较为落后的省份。这说明中国还未实现低碳发展的模式，同时从侧面反映出想要落实建设资源节约型和环境友好型社会的基本国策，各省（区、市）还需付出更多的努力，坚持绿色发展，不能走先污染后治理的老路。

3.3 林地、草地碳汇时空差异分析

自改革开放以来，经济快速发展，中国贫困人口也从2010年的1.66×108人下降到2014年的7.02×107人[22]。按照这个速度，在2020年贫困线基本消除。温饱问题解决了，保护生态环境日益成为了当今社会发展必须要考虑到的问题，退耕还林、还草也成为保护环境的重要举措之一[23]。从表2的林地面积和林地碳汇来看，2000—2009年虽有微弱波动，但一直是增长的趋势，2010—2015年出现逐年微弱的递减，其主要原因是在于前一轮的退耕还林政策规定的资金补贴期限陆续到期，出于粮食安全的考虑暂停了退耕还林计划，再加上近年来建设占用面积不断增加，从而导致林地面积不断下降。虽然草地碳汇量和林地碳汇量有一定的差距，但是草地的碳汇功能也是不容小觑的，草地面积呈现逐年递减的趋势，碳汇总量从2000—2015年减少了16.8%。

表2 2000—2015年中国林地碳汇量和草地碳汇量变化情况单位：104 tTab.2 Changes on carbon sinks of forest and grassland from 2000 to 2015 in China unit: 104 t

各省（区、市）由于自然资源禀赋差异和地区间经济发展的差异导致林地、草地碳汇之间也存在着差异。由图1可知，林地碳汇量高的省份地理分布在西部地区和东北地区，基本上都身处在中国的边疆地区，林地碳汇最多的内蒙古自治区，是林地碳汇最少的上海市的500多倍。草地碳汇量多的省份在地理分布上均为西部地区，黑龙江—云南一线为分界，以西草地碳汇量较为丰富，以东草地碳汇量均小于1×104t。

图1 2015年中国林地碳汇（a）、草地碳汇量（b）地区分布Fig.1 Regional distribution of carbon sinks of forest and grassland in China in 2015

图2 中国农地净碳排放的演进Fig.2 Net carbon emissions evolution of agricultural land in China

图3 中国东部地区农地净碳排放量的演进Fig.3 Net carbon emissions evolution of agricultural land in the eastern China

图4 中国中部地区农地净碳排放量的演进Fig.4 Net carbon emissions evolution of agricultural land in the central China

图5 中国西部地区农地净碳排放量的演进Fig.5 Net carbon emissions evolution of agricultural land in the western China

3.4 农地利用净碳排放/净碳汇的演进趋势分析

对中国31个省（区、市）的农地利用净碳排放/净碳汇进行Kernel密度估计测算。图2—图5分别给出全国、东部、中部和西部的核密度分布图，能较为直观的分析各省的净碳排放/净碳汇动态变化趋势。具体公式如下：

农地利用净碳排放=农地利用的碳排放-草地碳汇-林地碳汇

农地利用净碳汇=草地碳汇+林地碳汇-农地利用的碳排放

为了便于比较，将两个公式进行整合，得出：

农地利用净排放/净碳汇=农地利用的碳排放-草地碳汇-林地碳汇

得出结果为正值的为农地利用净碳排放，负值则为农地利用净碳汇。再对此结果进行核密度估计。

（1）全国农地利用净碳排放/净碳汇的Kernel密度估计。从整体上来看，核密度函数的中心向右偏移，峰值出现微小的变化，波峰大体呈现“先升后降再升”的趋势，密度函数变化区间由宽变窄，但区间变化不大，这说明各地区净碳排放总量呈现上升趋势，大体上中国地区间的农地利用净碳排放差距有微弱减小。从波峰来看，“一主和两小”的格局转变为“一主一小”的格局，主峰和左侧小峰变陡峭，右侧小峰基本消失，表明较高净碳汇的地区差距出现微弱的聚集态势，较高净碳排放地区差距呈现出明显的扩散态势。

出现净排放的增长趋势的原因，一方面可能是中国对农资的依赖程度越来越高，会加大农业的净碳排放；另一可能的原因是中国农业生产方式还是一种高投入、高消耗、高污染的生产模式，对资源的利用方式没有发生根本转变，再加上林地和草地碳汇基本上没有发生变化，使得净碳排放有增长的趋势。在此期间大体上中国地区间的农地利用净碳排放差距有缩小趋势但不明显。可能由于存在一些影响农地利用碳排放的关键因素，如农业现代化水平、产业结构等，各地区的差异并不显著。

（2）东部、中部和西部农地利用净碳排放/净碳汇Kernel密度估计。从图3可以发现，东部地区农地利用净碳排放在样本考察期间密度函数中心是向右移动，峰值有逐渐上升的趋势，并且变化区间在逐渐缩小，这说明东部地区的差距在逐渐变小。在2005年后，右侧小单峰渐渐变为双峰，逐渐形成了一主峰和两小峰的格局，从原来的单一化发展成多极分化。这说明在此期间有向东部地区农地利用高净碳排放的地区聚集的趋势。

图4中，整体上，中部地区农地利用净碳排放在样本考察期间密度函数整体向右移动，峰值经历了一个“先降后升”的过程，但峰值低于2005年的峰值，且中心也一直向右移动，区间基本上没有发生变化，较为直观地反应出中部地区净碳排放处于增长的趋势。原来左侧一小峰逐渐消失，这表明有较高净碳汇的地区数量逐渐减少；分布曲线右尾逐渐向外延伸并变的平坦，这说明中部部分省份逐渐向更高净碳排放水平上扩散。从具体演变过程来看，与2005年相比，2008年密度中心函数向右移动，峰值出现明显下降，变化区间有所扩大，左侧小峰变得平坦，分布曲线右尾逐渐向右延伸，这说明中部地区农地利用净碳排放的地区差距逐渐扩大；2008年与2011年相比较，密度中心函数继续右移，峰值有所上升且变化区间变小，此期间中部地区农地利用净碳排放的地区差距有所缩小；对比2011年和2014年，密度中心函数继续右移，峰值出现微弱的上升，且基本上区间没有变化，这表明在该阶段中部地区农地利用净碳排放的地区差距有微弱的缩小。

通过分析图5，发现西部地区农地利用净碳排放在样本考察期间密度函数整体向右移动，峰值呈现一个“先升后降”的过程，中心向右移动，区间基本上没有发生变化，这说明西部地区的差距在逐渐变大。与2005年相比，2008年密度中心函数向右移动，峰值出现微弱上升，变化区间有所缩小，说明在此阶段西部地区农地利用净碳排放的地区差距缩小；相比较于2008年的分布曲线，2011年密度中心函数向右移动，峰值大幅下降，并且左小峰变的陡峭，这表明在该期间西部地区农地利用净碳排放的地区差距扩大；2011年与2014年相比，2014年密度函数中心基本没有发生变化，但从密度函数曲线形状来看，明显由宽峰变为尖峰，变化区间也由宽变窄，表明此期间西部地区农地利用净碳排放的地区差距缩小。

对比分析图3—图5发现，从曲线的位置来看，东、中和西部地区的密度中心函数在此期间呈现右移的趋势，说明各个地区净碳排放都是上升的趋势，尤其是中部变化显著；从密度函数的中心来看，中、西部的主峰位于负值区域（即净碳汇），而与中部和西部相比，东部的主峰位于中部和西部的右边，表明中部和西部大部分省份是碳汇大于碳排放的；从变化区间来看，中部地区变化区间跨度最大，其次是西部，说明各个地区的净碳排放变化幅度程度不同，但中部相比其他地区而言，各省之间农地利用净碳排放的地区差距较大。

4 农地利用结构变化的碳效应分析及其对策

4.1 农地利用结构变化的单位碳排放效果分析

耕地碳排放数据采用的是历年变化值。运用差值法来计算农地利用方式转变引起的碳功能变化[19]，农地利用结构转变所引起的碳排放和碳汇效果的变动情况如表3。

4.2 生态退耕与建设占用碳效应时序差异分析

农地利用结构的变化可以直接或者间接的造成碳排放。生态退耕和建设占用是中国最为常见的两类农地利用方式转换形式。生态退耕（生态退耕面积采用的是退耕还林面积）有明显的土壤碳增汇效应，森林的固碳能力也强于农作物的固碳能力，随着生态退耕面积的增加，其碳汇储量也不断增加[24]。建设占用（近似认为是耕地转为建设用地）会刺激投资的增加，一定程度上推动了工业和城市规模的不断扩大，从而增加了碳排放[25]。由表3求得转换系数，分别计算出2001—2015年生态退耕和建设占用的碳排放量（图6）。

总体上，每年的碳排放量远远大于碳汇量。虽然不论是碳排放还是碳汇，都具有较强的波动性。在2001—2015年的建设占用所引起的碳排放量是总体呈现出波动式上升趋势，大致呈“M型”，最大值为2014年的1.84×107t，最小值为2001年的9.05×106t。而生态退耕所引起的碳汇量在2003年达到最大值2.28×106t后，开始逐渐下降，直至2014年最小值3.1×103t，自2014年新一轮的退耕还林还草开始后，2015年的生态退耕碳汇量上升至2.88×104t。整体上，变化趋势呈“勺子型”。由于中国经济长期是投资带动经济增长的模式，使得土地的需求愈发严重，农村人口大量进城，大量耕地被闲置；再加上城市化和工业化的步伐不断加快，建设占用的规模不断扩大，从而导致建设占用引起的碳排放效应越来越强。为了抑制或者减缓农地利用变化的碳排放必须合理的规划土地利用的结构，严格控制建设用地占用耕地，积极鼓励退耕还林，增强林地碳汇能力。

表3 农地利用结构变化单位面积碳排放/碳汇效果分析 单位：kg·hm-2Tab.3 Effect analysis on unit area carbon emissions and sinks of structural changes of agricultural landuse unit: kg·hm-2

图6 2001—2015中国生态退耕与建设占用碳排放变化趋势Fig.6 Carbon emissions trend of ecological restoration and construction land use projects from 2001 to 2015 in China

4.3 生态退耕与建设占用碳效应区域差异分析

分析表4可以发现，总体来看，2008年、2013年和2014年生态退耕碳汇量排前5的大部分位于东部和西部地区，东部地区生态退耕总碳汇量在逐年递减，而中、西部地区则呈现先升后降的趋势。2008年生态退耕碳汇量最明显的是河北省，而2014年最高是宁夏自治区。

2008年建设占用碳排放量最多的省是江苏省，2013年、2014年则是河南省，而2008年、2013年、2014年建设占用碳排放量最少的均为西藏自治区，2014年西藏自治区的建设占用碳排放量是2008年的3倍多。与2008年相比，东部地区的建设占用碳排放量占全国总量的比例从48.25%下降到29.31%，中、西部的建设占用碳排放量占全国总量的比例分别从25.86%上升至37.20%、25.88%上升至33.49%。由此可以看出，中、西部地区的建设占用碳排放效应逐渐赶超东部地区，这是因为中国建设用地与城镇化和工业化同步增长[26]，东部地区投资建设趋于饱和，并且东部地区地价较高，企业为了降低成本向中、西部转移，再加上中、西部地区近些年不断推进中部崛起和振兴东北工业基地，开展了很多重点工程项目。投资增加，驱动着建设占用面积的不断扩展，从而导致建设占用碳排放量的增加。

表4 2008年、2013年和2014年中国31个省（区、市）生态退耕与建设占用碳效应变化对比Tab.4 Changes on carbon effects of ecological restoration and construction land use projects of 31 provinces in 2008,2013 and 2014

5 结论与建议

5.1 基本结论

（1）从农地利用碳排放来看，中国农地利用碳排放总量和碳排放强度是不断增加的，但是其年均递增率均有所下降的。较高碳排放地理分布集中在发达城市及其东南沿海发达省（区、市），较低碳排放地理分布集中在西部地区。

（2）从农地利用碳汇来看，林地碳汇量增长了10.58%，草地碳汇则呈现微弱的逐年递减趋势。林地碳汇高的省（区、市）基本上集中在西部和东北部地区，草地碳汇量高的省（区、市）均为西部地区。

（3）Kernel密度估计显示，中国农地利用净碳排放的地区差距有所缩小但幅度较小，净碳排放全国均有增长趋势，尤其是中部地区净碳排放上升明显。

（4）同2008年相比，中、西部地区生态退耕碳汇量呈现“先升后降”的趋势，而东部地区出现下降趋势；中、西部建设占用碳排放效应逐渐赶超东部地区。

5.2 政策建议

（1）加快国土绿化步伐，扩大新一轮的退耕还林还草。要积极开展国土绿化活动，完善农地利用的总体规划，进行农地利用的优化配置，增强农地的固碳能力，并且在确保粮食安全的情况下，扩大新一轮的退耕还林还草规模，积极开展林地草地生态建设，完善森林和草原的保护制度。与此同时，政府应该加大对耕地的保护，严格控制违法的建设占用，尤其是沿海地区和中部地区，要划定农地利用生态红线，有序推进农地利用的可持续和绿色化。

（2）大力推进农地流转，形成农业的规模经营。实施农地流转是中国农业供给侧改革的一个重要措施[27]。推动农地利用流转有利于形成农业规模化经营，有利于农业生产方式向精准、集约和低排放的模式转变。首先，要持续稳定农村土地承包关系，加快推进农村承包土地确权登记颁证，与此同时完善土地所有权、承包权和经营权分置办法。其次，培育壮大新型农业经营主体，增强农地流转的市场需求。第三，加强和完善农地流转市场建设，推进农地有序和高效流转。

（3）加快政策创新与实施，有效引导农地低碳利用。加快推进碳补偿和碳基金等政策创新和实施，积极引导农地利用主体的低碳生产行为。第一，实施“农业碳补偿”的绿箱政策，充分利用WTO规则提升农产品市场竞争力的同时，有效实现农地低碳利用的生态价值，通过增加农地利用主体收益来实现鼓励低碳行为。第二，设立“农业碳基金”，为农业减排和增汇项目的实施、低碳技术的研发与推广应用提供资金保障，增强农地利用的内生动力。

（4）大力推动农业参与碳交易，以市场化的方式促进农地低碳利用。农业碳交易是以市场化方式实现农地生态价值的有效途径，有利于区域生态价值的协调和均衡化，也是推进农地低碳利用的长效机制。首先，支持和鼓励农地利用主体参与到碳交易市场中，以市场化的方式来实现碳价值，有效增加农地低碳利用的收益。其次，相关政府部门出台配套政策，为农业碳交易的实现提供技术和资金支持。第三，加强对碳交易市场知识和成功案例的宣传，增强农地利用主体碳价值的认知，提升其低碳行为的主动性和积极性。

（5）加强农地管理，健全农地的休养生息制度。政府等相关部门应该健全耕地、草原、森林休养生息制度。实施合理的作物轮作和休耕，加强土壤固碳能力；严格控制载畜量，鼓励限小畜、养大畜，实施禁牧、轮牧和限牧，实现草畜平衡，增加草地碳汇；停止天然林商业性采伐，扩大天然林的保护范围，提升森林质量，形成天然的碳汇基地。与此同时，提高农民参与休耕、禁牧和禁伐补贴，提高其参与低碳发展积极性的同时，实现生态惠民、绿色富民。

参考文献（References）：

［1］Wettestad J. Interaction between EU carbon trading and the international climate regime: synergies and learning［J］.International Environmental Agreements，2009，（9）：393 -408.

［2］Wang S J, Fang C L, Guan X L, et al. Urbanisation, energy consumption, and carbon dioxide emissions in China: A panel data analysis of China’s provinces［J］. Applied Energy，2014，136：738 - 749.

［3］Gomiero T, Paoletti M G, Pimentel D. Energy and environment issues in organic and conventional agriculture［J］. Critical Reviews in Plant Sciences，2008，27（4）：239 - 254.

［4］Rozenberg J, Hallegatte S. The impacts of climate change on poverty in 2030 and the potential from rapid, inclusive,and climate informed development［M］. New York: Social Science Electronic Publishing，2015：87 - 92.

［5］苏洋，马惠兰，颜璐. 新疆农地利用碳排放时空差异及驱动机理研究［J］. 干旱区地理，2013，36（6）：1162 - 1169.

［6］洪凯，朱子玉. 珠三角农地利用中的碳排放时空特征及影响因素——基于1996—2014年数据［J］. 湖南农业大学学报，2017，18（1）：70 - 76.

［7］王太祥，王腾，吴林海. 西北干旱区农地利用碳排放与农业经济增长的响应关系［J］. 中国农业资源与区划，2017，38（4）：170 - 176.

［8］田云，张俊飚，李波. 湖北农地利用碳排放时空特征与脱钩弹性研究［J］. 长江流域资源与环境，2012，21（12）：1514 - 1519.

［9］张婷，张学玲，蔡海生. 江西省农地利用碳排放时空特征与脱钩研究［J］. 广东农业科学，2014，（5）：208 - 212.

［10］王琦，黎孔清，朱利群. 南京都市农业农地利用碳排放测算及趋势预测［J］. 水土保持通报，2017，37（4）：288 -294.

［11］余雪振，梅昀. 武汉市不同土地利用结构碳排放效应［J］.湖北农业科学，2013，52（12）：2752 - 2756.

［12］Schlesinger William H. Carbon sequestration in soils: some cautions amidst optimism［J］. Agriculture, Ecosystems and Environment，2000，82（1/3）：121 - 127.

［13］Jane M, F Johnson. Agricultural opportunities to mitigate greenhouse gas emissions［J］. Environmental Pollution，2007，150：107 - 124.

［14］West T O, Marland G. A synthesis of carbon sequestration,carbon missions, and net carbon flux in agriculture: comparing tillage practices in the United States［J］. Agriculture Ecosystems and Environment，2002，91：217 - 232.

［15］Dubey A, Lal R. Carbon footprint and sustainability of agricultural production systems in Punjab, India and Ohio,USA. J Crop Improvement，2009，23：332 - 350.

［16］黄贤金，郭兆迪，朴世龙，等. 低碳排放：土地利用调控新课题［EB/OL］. 中华人民共和国国土资源部，http://www.mlr.gov.cn/xwdt/jrxw/200912/t20091225_130977. htm.

［17］方精云，郭兆迪，朴世龙，等. 1981—2000年中国陆地植被碳汇的估算［J］. 中国科学D辑，2007，37（6）：804 -812.

［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年面板数据分析［J］. 中国人口·资源与环境，2014，（7）：91 - 98.

［19］李波，张俊飚. 基于我国农地利用方式变化的碳效应特征与空间差异研究［J］. 经济地理，2012，32（7）：135 - 140.

［20］何艳秋，戴小文. 中国农业碳排放驱动因素的时空特征研究［J］. 资源科学，2016，38（9）：1780 - 1790.

［21］王宝义. 中国农业碳排放的结构特征及时空差异研究［J］. 调研世界，2016，（9）：3 - 10.

［22］池振合，杨宜勇. 贫困线研究综述［J］. 经济与管理科学，2012，32（7）：56 - 64.

［23］聂英. 中国粮食安全的耕地贡献分析［J］. 经济学家，2015，1（1）：83 - 93.

［24］任静，余劲. 退耕还林工程碳汇生态效益补偿研究［J］.湖北农业科学，2013，52（8）：1749 - 1751.

［25］杜官印. 建设用地对碳排放的影响关系研究［J］. 中国土地科学，2010，24（5）：32 - 36.

［26］陆汝成，黄贤金. 中国省域建设占用耕地时空特征及空间弹性分析［J］. 资源与产业，2011，13（6）：39 - 44.

［27］朱道林，林瑞瑞. 论低碳经济与转变土地利用方式［J］.中国土地科学，2010，24（10）：3 - 6.