EKC视角下福建省农业碳排放与经济增长关系的实证研究

摘 要：【目的/意義】探究福建省农业碳排放与农业经济发展水平关系，分析农业碳排放的影响因素，可为福建省发展低碳农业和生态农业提供理论依据和优化策略。【方法/过程】从农地使用、农作物种植、农业物资使用和畜牧养殖4个方面构建农业碳排放指标体系，基于2000-2019年福建省农业相关数据，计算福建省农业碳排放;分析并验证福建省农业碳排放与经济增长关系的环境库兹涅茨曲线（EKC），加入控制变量并进一步验证;最后分析影响福建省农业碳排放的因素。【结果/结论】结果表明：（1）福建农业碳排放和农业经济增长之间的关系符合库兹涅茨曲线，呈“倒U”形;福建省农业碳排放在“倒U”型曲线的右端，处于下降阶段;（2）加入控制变量后的环境库兹捏茨曲线呈“倒U型”，曲线的拐点后移，但依然在2019年之前到达拐点。建议福建省制定低碳农业发展路径：一要考虑经济发展和环境质量;二要协调农业经济增长和农业碳排放的发展;三要合理安排农业种植和畜牧养殖。

关键词：福建省;农业碳排放;经济增长;EKC

中图分类号：F323.22文献标志码：A文章编号：1637-5617（2021）04-0051-08

Abstract： 【Objective/Meaning】Exploring the relationship between agricultural carbon emissions and the level of agricultural economic development in Fujian Province and analyzing the influencing factors of agricultural carbon emissions can provide theoretical basis and optimization strategies for developing the low-carbon agriculture and ecological agriculture in Fujian Province.【Methods/Procedures】The agricultural carbon emission index system was constructed from four aspects： farmland use， crop planting， agricultural material use and livestock breeding. Based on the agricultural data of Fujian Province from 2000 to 2019， the agricultural carbon emissions of Fujian Province were calculated. The environmental Kuznets curve （EKC） of the relationship between agricultural carbon emissions and economic growth in Fujian Province was analyzed and verified， and then the control variables were added and further verified. Finally， the factors affecting the agricultural carbon emissions in Fujian Province were analyzed. 【Results/Conclusions】The results showed that： （1）The relationship between agricultural carbon emissions and agricultural economic growth in Fujian conformed to the Kuznets curve， showing an inverted U shape; and the agricultural carbon emissions in Fujian Province were at the right end of the inverted U curve and in a declining stage. （2）The environmental Kuznets curve showed an “inverted U shape” after adding the control variables， and the inflection point of the curve has moved back， but it still reached the inflection point before 2019. It was suggested that the development path of low-carbon agriculture in Fujian Province should firstly consider the economic development and environmental quality， and secondly coordinate the development of agricultural economic growth and agricultural carbon emissions， and third rationally arrange the agricultural planting and livestock breeding.

Key words： Fujian Province; agricultural carbon emissions; economic growth; EKC curve model

全球气候变暖已经成为全人类面临的重大问题，现有研究和数据统计显示，全球气候变暖的原因大致可分为两大方面。一是自然因素，火山活动、地球轨道变化以及大气与海洋环流的变化等都可视为气候变暖的主要自然因素;二是人为因素，主要包括了生活和生产活动所产生的二氧化碳等温室气体的排放。其中，人为因素是气候变暖的主要因素，根据IPCC第四次评估报告，近50年全球升温主要原因在90%以上的可能性是人类活动造成的。IPCC第五次评估报告显示，人类活动造成的温室气体排放的重要来源中，第一大碳源是化石燃料的燃烧，第二大碳源是农业的生产活动所带来的碳排放量，大约占了总碳排放量的1/3[1]。农业碳排放来源主要有以下2个：一是农业物资的使用和农业播种，二是畜牧养殖带来的碳排放。从温室气体的排放看，2005年中国的农业温室气体排放约占总的温室气体排放总量的11%[2]。虽然农业用地和畜牧养殖释放出大量的温室气体，但同时良好的农业生态环境系统又是一个巨大的碳汇系统，森林和植物的吸收和光合作用可以固定大量大气中的二氧化碳。植树造林和农作物的生长过程会改善生态环境，如净化空气、净化水质等。近年来，中国经济快速发展，经济和环境的协调发展成为工作的重中之重，为了追求经济的高质量发展，以低排放和低能耗为特征的低碳经济应运而生[3]。

福建省位于我国的东南沿海发达地区，又是“一带一路”战略的海上丝绸之路的核心地带，独特的气候和环境为福建省的农业发展提供了良好的自然发展条件。根据福建省统计局数据显示，2019年福建省的农业（包括农林牧渔业）总产值达到了4636亿元。但同时，由于福建省地形特殊，多为山地和丘陵，人均耕地少，且可耕作的农地中，高产田少、中低产田多，使得发展低碳农业和生态农业成为福建省的重要任务之一。当前，福建省的低碳农业发展还处于初级阶段;农业产业化水平低，粗放的农业生产方式与农村环境保护之间的矛盾突出，科技支撑体系不完善等都制约着低碳农业的发展[4-5]。而且，随着社会经济的不断发展，福建省的农产品进出口贸易总额也不断扩大;福建省统计局数据显示，福建省进出口贸易总额从2010年的1011亿元增长到2019年的3505亿元。贸易规模的扩大，也成为影响福建省碳排放的因素之一。故分析福建省的农业碳排放和农业经济发展水平之间的关系，分析影响福建省农业碳排放和农业产业发展水平的主要因素，对促进福建省的低碳农业和生态农业发展具有现实意义。

1 研究综述

国外学者们借助Gmssman和Krueger提出的环境库兹涅茨曲线（EKC）理论，已对环境与经济之间的关系进行了深入探讨。Honltz-Eakin[6]对人均GDP与人均碳排放之间的关系进行了研究，发现人均GDP和人均碳排放之间符合环境库兹捏茨曲线的特征，呈“倒U”形。这一概念的提出，为研究经济发展与环境质量之间的关系奠定了基础。Cole、Panayotou等学者[7-8]也对上述问题进行了研究，进一步证明了人均GDP与人均碳排放之间存在“倒U”型关系，只不过曲线的拐点不同而已。Moomaw等[9]对能源消费产生的碳排放与人均GDP之间的关系进行了一、二、三阶，三次拟合，拟合结果显示，当人均GDP在12813美元是达到碳排放的峰值，这研究揭示了环境与经济增长之间的环境库兹涅茨曲线的存在。

学界对农业碳排放研究也已比较成熟，主要集中在以下2个方面。（1）农业碳排放的测算及结构研究。李国志[10]从能源消费的角度，对中国农业碳排放进行了测算，并在此基础上分析了中国农业历年的能源强度及碳排放强度，最后分析得出经济发展是影响农业碳排放的主要影响因素。冉光和[11]认为在现代农业发展中，农户的行为造成的农业碳排放不可忽视，因此通过将农户行为纳入农业碳排放的测算体系，建立评价指标体系。结果表明，自1978年以来，中国农业碳排放的平均增长率为5.04%，农业碳排放总水平处于逐年增加的态势。田云等[12] 从农业物资投入的角度测算湖北省的农业碳排放，结合专家意见综合考虑，认为化肥、农药、农膜及柴油是农业碳排放的主要碳源。黄祖辉等[13]采用分层投入产出—生命周期评价法，分五个层次对浙江省的农业碳排放和隐含碳排放进行全面计算，并对农业系统碳结构进行了深度分析，结果显示，化肥的生产、运输和使用过程中产生的碳排放在整个农业系统碳排放中的占比是最大的。田云等[14]从农地利用、稻田、畜牧等几个方面分析农业碳排放的碳源，并测算中国31省的农业碳排放，测算结果显示：农地利用、稻田、肠道发酵和粪便管理所导致的碳排放量分别占农业碳排总量的34.29%、42.48%、17.77%和5.46%。Zhou等[15]对我国建国以来的畜禽养殖业的碳排放进行了测算，测算结果显示：我国的畜禽养殖业的碳排放在1949-2003年间增长了2.78倍。胡向东等[16]采用IPCC公布的畜禽温室气体排放系数和计算方法对中国畜禽温室气体排放进行了测算，测算结果表明：黄牛甲烷排放量最大，生猪氧化亚氮排放量最大。（2）农业碳排放的驱动因素。欧洋婷[17]利用因素分解法对福建省农业碳排放进行效应分解，结果表明：碳减排的正向影响因素是碳排放强度效应、出口反效应、贸易条件效应、就业结构效应，负向影响因素是产出规模效应、进口效应、人口规模效应。王方怡等[18]研究1990-2016年的农业碳排放，利用对数平均迪式分解模型对其驱动因素进行分解，结果表明：近年来福建省农业碳排放量整体减少，未来还可进一步采取措施，有效促进农业碳减排和低碳农业发展。戴小文[19]等利用及LMDI指数分解方法将中国农业碳排放的影响因素分解为一般技术因素、农业低碳技术因素、农村生活水平因素、间接城镇化因素以及人口规模因素等5个因素，并分析这些因素的驱动强度与贡献率，研究发现：农村生活水平提高是促成农业碳排放的最主要因素。

综上所述，学者们对于EKC理论及农业农业碳排放的研究成果丰富。其中，EKC研究已经相对成熟，从提出到众多学者的实证验证，都给本文提供了重要的参考。但文献梳理发现，不论是在国家层面还是在区域层面，对农业碳排放的研究并未能够针对农业碳排放与经济增长之间的关系进一步地研究其影响因素，更多的是单独研究了碳排放的测算、碳排放影响因素，或者只是经验的总结。（1）对于农业碳排放的测算，大多数学者只选择一个方面进行测算，尤其在农业碳排放的测算体系的完整框架尚且缺乏。因此，对于较为复杂的农业系统，有重点的选取指标体系，对测算结果是否具有代表性十分重要。（2）影响农业碳排放的因素研究中，主要从碳排放强度、经济规模、农业结构、人口规模等几个方面展开分析，近年来也有研究从国际貿易的角度研究，但文献相对较少。（3）在“双碳”目标背景下，研究影响碳排放的拐点的因素也十分重要。基于此，本文在前人的研究基础上，选取福建省的农地使用、农资使用和畜牧养殖的相关数据对农业碳排放进行了测算;并基于EKC验证农业碳排放的拐点，选取产业结构、农业机械化和对外贸易水平进一步分析农业碳排放的影响因素，从而寻求有利于福建省低碳农业发展的建议及对策。

2 指标说明及数据来源

2.1 数据来源及说明

本文数据均来自各年度的《福建统计年鉴》，选取2000-2019年农地灌溉面积、农地播种面积、农用化肥、农药、农膜、农用柴油使用和畜牧养殖作为原始数据，测算2000-2019年农业土地利用、农作物种植、农资和畜牧业碳排放数据，构建农业碳排放指标体系。以人均农业碳排放作为农业碳排放水平的衡量指标，以农业人均产值为农业经济发展衡量指标，对福建省农业碳排放进行EKC检验。

2.2 指标说明

本文选取农业人均碳排放水平、农业人均经济发展水平、农业产业结构、农业机械化水平和农业进出口贸易水平作为评价指标进一步分析福建省农业碳排放影響因素。首先验证农业碳排放和农业经济发展水平的倒“U”型的EKC曲线模型，并找出曲线的拐点;其次是，分析加入其他影响因素后的曲线变化情况，并找出拐点。对比两次回归结果，分析响影农业碳排放的因素。

（1）农业人均碳排放水平（PC）。选取农用物资碳排放、农作物种植碳排放和畜牧业碳排放这3个部分，构成农业碳排放总量测算体系;乡村从业人员数和碳排放的测算数据均出自《福建统计年鉴—2020》，通过计算即得到2000-2019年福建农业人均碳排放水平时间序列。

农业人均碳排放水平=农业碳排放总量/乡村从业人员总数（1）

（2）农业人均经济发展水平（PGDP）。历年农业（农林牧渔）总产值、乡村从业人员数均来自《福建统计年鉴—2020》。经计算，即得到2000-2019年福建农业人均经济发展水平时间序列。

农业人均经济发展水平=农业总产值/乡村从业人员总数（2）

（3）控制变量。农业产业结构（CY），即福建省当年的累计造林面积与农业种植面积的比值，表示了农业内部的产业结构中，林业面积的时序变化对农业碳排放的影响。农业机械化水平（TY），即单位耕地的机械动力，随着现代化农业的发展，农业机械化占比越来越大，这也会影响农业碳排放的变化。农业进出口贸易水平（MY），即农产品的进出口贸易总额与农业总产值的比值，表示了区域的对外贸易的强度，福建省是“一带一路”的核心区，随着对外贸易规模的扩大，农产品的进出口也会影响到农业的生产，进而影响到农业碳排放水平。

3 模型构建

3.1 农业碳排放量估算模型

IPCC公布的测算方法，是目前最常用的碳排放测量方法，但由于农业能源消费的数据难以获取和计算，本文没有从能源消耗角度考察碳排放总量。本文借鉴何艳秋[20]的测算方法，从公认的农业有机碳排放的角度，构建福建省农业碳排放公式如下：

式中，C表示农业碳排放总量;Ci代表各类碳源的碳排放量;Ni表示各类碳源的量;αi表示各类碳源的碳排放系数。本文选取化肥、农药、农膜、柴油的使用情况和农业灌溉和灌溉面积;畜牧养殖主要为牛、猪、羊3类进行测算。各类碳源的碳排放系数如表1所示。

3.2 环境库兹捏茨模型

研究中经济增长与环境污染的一般模型（环境库兹捏茨模型）的形式如下：

式中，Y为环境污染指标;X为经济增长指标;α为常量;βi为待定参数;Z为影响环境变化的其他控制变量;ε为误差项。模型参数β1、β2有重要意义，具体关系类有[24]：（1）当β1≠0，β2=0时，环境状况与经济增长之间呈线形关系;

（2）当β1>0，β2<0时，环境状况与经济增长之间符合倒U型 EKC;

（3）当β1<0，β2>0时，环境状况与经济增长之间呈U型曲线关系;

3.3 农业碳排放与经济增长关系EKC模型

本文选取福建省2000-2019年的时间序列数据构建福建省的农业碳排放量与农业经济增长的EKC模型。将农业人均碳排放水平作为因变量，农业人均经济发展水平作为自变量。运用Eviews 8.0对模型进行拟合回归，建立人均碳排放量的EKC曲线的对数模型，并检验农业人均经济发展水平与农业人均碳排放间是否存在EKC曲线。模型如下：

式中，PC代表农业人均碳排放，PGDP代表农业人均经济发展水平，β0代表常数项系数，β1，β2代表回归系数，ε代表随机误差项。

式中，CY代表农业产业结构，TY代表农业机械化水平，MY代表农业进出口贸易水平。

4 检验结果及拐点分析

4.1 福建省农业碳排放估算结果

本文选取2000-2019年福建省相关数据，数据来源于2001-2020年《福建统计年鉴》和2001-2020年《中国农村统计年鉴》。其中，化肥施用量（折纯量）、农药使用量用NY来表示（单位为万t），农膜使用量（单位为万t），农业灌溉面积、农业播种面积（单位为千hm2），农用柴油（单位为万t），禽畜养殖量（单位为万只），以此作为原始数据计算福建省农业碳排放量，福建省农业碳排放量估算结果如表2所示。

4.2 碳排放强度与经济强度时序变化结果

农业人均碳排放由农业碳排放总量与乡村从业人员总数相除而得，农业人均经济发展水平由农业总产值与乡村从业人员总数相除而得。由图1可以看出，2000-2019年福建省的农业人均碳排放大致呈平缓下降的曲线，2000-2006年有缓慢上升的趋势，2006年到达峰值，2006-2019年呈现下降的趋势，并且下降速度较平缓，说明福建省近年来的农业发展正逐步向低碳农业方向发展，但发展较缓慢。这主要是农药、化肥、柴油等农用物资使用量的减少和农地抛荒导致的种植物面积下降共同作用的结果;随着科技的发展，福建省的农业机械化得到快速发展，在一定程度上可使农药、化肥的使用效率更高。

根据图2所示，2000-2019年间福建省的农业人均经济发展水平呈现波动上升的趋势，其中：2000-2009年上升速度较为缓慢，2009年后呈上升趋势且上升速度更快，福建省农业经济发展趋势较好。农业科学技术的进步、农业机械化程度的提高、农产品产量的提高以及乡村的基础设施和贸易条件的完善是福建省农业经济得到快速发展的重要原因。

4.3 模型检验结果

本文运用Eviews 8.0对模型（5）进行序列的单位根检验及拟合回归，检验结果如下：

（1）对序列lnPC、lnPGDP、（lnPGDP）2及其一阶差分序列进行单位根检验，检验结果如表3所示：自然对数序列lnPGDP、（lnPGDP）2都是非平稳的;lnPC、D（lnPGDP）和DlnPGDP、D（lnPGD）2是平稳的。所以lnPC、D（lnPGDP）～（1）、D（lnPGDP）2～（1）满足协整检验的条件。同时Johansen协整检验表明，在5%的显著水平下拒绝了变量之间不存在协整关系的原假设。因此可以对lnPCD，和lnPGDP、（lnPGDP）2进行回归。并且控制变量的自然对数序列lnCY、lnTY和lnMY的检验结果也都是平稳的，故可对模型（6）进行作回归。

（2）对人均碳排放与农业经济发展水平进行拟合回归。农业人均碳排放为“倒U型”模型的因变量，农业人均经济发展水平为模型的自变量，其他为控制变量进行回归分析，回归结果表明：人均碳排放与农业经济发展水平存在显著的“倒U型”的库兹涅茨曲线，其中调整后的R2值为0.8878，这表明模型的拟合程度较高。环境库兹涅茨曲线模型的拟合方程为：

“倒U型”库兹涅茨曲线的转折点为：农业人均产值为1135.5万元/人小于2019年的32770万元/人，故福建省农业碳排放处于“倒U型”曲线的右端。加入控制变量的回归方程为：

加入控制变量后的回归模型符合倒“U”型的EKC曲线，曲线的拐点为：农业的人均产值为11883万元/人，小于2019年的32770万元/人，说明在此分析中，福建省的农业碳排放处于“倒U型”曲线的右端，处于下降阶段。

综上分析，在前期，农业经济增长会导致农业碳排放的增加，因为农药、化肥等农业物资的投入增加在一定程度上提高了农业产出，与此同时，农业污染也随之增加。而碳排放水平的下降、农业结构调整及农业科技的发展有利于农业减排。现代农业技术的应用和现代化机械发展提高了碳效率。从回归结果看，农业进出口贸易在一定程度上增加了农业碳排放，因为衡量产品的碳排放量不仅包含使用过程中的碳排放量，还应将原材料、半成品及产成品的运输考虑在内，大量运输可能是导致进口产品碳排放量增加的原因。

5 结论与建议

5.1 结论

本文在测算福建省农业碳排放的基础上，基于农业碳排放的EKC模型，运用计量模型进行回归，分析了福建省农业碳排放水平和农业经济发展水平之间的关系，确定了福建省农业碳排放的拐点。其次是加入了控制变量后的模型，分析影响福建省农业碳排放的因素，基于检验结果，可以得出以下实证结论：

（1）2000-2019年间，福建省农业人均碳排放呈先上升再下降的趋势，呈“倒U型”，而农业经济强度呈波动上升趋势。所以，福建省农业环境和农业经济发展都处于一个较好的发展趋势中。

（2）福建省农业碳排放与农业经济增长关系符合环境库兹捏茨模型，呈“倒U型”，福建省农业碳排放与经济增长关系的“倒U型”环境库兹涅茨曲线的转折点为：1135.5万元/人，小于2019年的32770元/人的人均产值，故福建农业碳排放正处于“倒U型”曲线的右端，处于下降趋势，并且加入控制变量后的曲线的拐点延后。

5.2 建议

综合本文的理论分析及实证的结果，要充分考虑到农业经济发展、粮食安全和环境质量，正确处理好农业碳排放和农业经济增长的关系，为福建省科学制定科学的低碳农业发展路径出谋划策。5.2.1 考虑经济发展和环境质量 农业碳减排应以调整化肥结构和降低能源强度为重点，因此，应采取措施控制氮肥的施用，降低能源消耗。氮肥控制方面的应用，我们可以考虑土壤测试和配方施肥技术的推广与应用为核心，继续推动精准施肥、水和肥料缓释肥料、集成和长期肥料，施用新型的绿色肥料和应用减排技术等。5.2.2 协调农业经济增长和农业碳排放的发展 一方面，不仅要关注农业生产带来的碳排放的过度增长，与此同时，福建省要继续优化农业的经济结构，将科学技术应用到农业产业发展中，保持农业经济的稳定发展，追求农业高质量发展。另一方面，加强农民的环保意识和低碳意识，加快农村环境整治，补贴节能环保的农业机械，以及支持农村合作社的发展，把公共投资在一定程度上向农业高质量发展倾斜。最终谋求农业经济增长和保护环境的协调发展，推动福建省农业经济高质量发展。5.2.3 合理安排农业种植和畜牧养殖 良好的农业生态环境系统可以是一个巨大的碳汇系统，森林和植物的吸收和光合作用可以固定大量大气中的二氧化碳，这其中包含碳排放、碳固定、碳吸收以及碳转移这4个层面。福建省林业发达，可适当安排畜牧养殖场和与森林的结合，利用森林或灌木丛进行畜牧，农作物、畜牧业和森林的混合模式，被称为混林农业。在培育木本植物的同时，可适当安排农作物种植、家用动物饲养和食用菌的培养等，并辅以相应的中间利用和加工体系，使之成为物质良性循环、能量合理流动、多级生产、稳定高效的相互促进的林农复合生态系统。农业是人类不可或缺的食物来源，随着科学技术的发展，人类需要不断发展农业，让农民更加轻松，让环境更加适宜。

參考文献：

[1]綦远超. 山东省农业碳排放效率评价及影响因素研究[D]. 山东：山东理工大学，2017.

[2]中华人民共和国应对气候变化司.中华人民共和国气候变化第二次国家信息通报[M].北京：中国经济出版社，2013.

[3]魏下海，余玲铮.空间依赖、碳排放与经济增长：重新解读中国的EKC假说[J].探索，2011（1）：100-105.

[4]吴崇伯.中国低碳农业发展研究——以福建省为例[J]. 创新，2014，8（1）：25-28，33，126.

[5]邱雪萍.福建省低碳农业发展实证研究[D].福州：福建师范大学，2015.

[6]HOLTZ-EAKIN D，SELDEN T M. Stoking the fires CO2 emissions and economic growth[J]. Journal of public economics，1995，57（1）：85-101.

[7]COKE M A，RAYNER A J，BATES J M. The environmental Kuznets curve：an empirical analysis[J].Environmental and development Economics，1997，2（4）：401-416.

[8]PANAYOTOU T. Empirical Tests and policy analysis of environmental degradation at different stages of economic development[R]. Geneva：International Labour Office，1993.

[9]MOOMAW W R，UNRUH G C. Are environmental Kuznets curve misleading us？ The case of CO2 emissions[J]. Environment and Development Economics，1997，2（4）：451-463.

[10]李国志，李宗植. 中国农业能源消费碳排放因素分解实证分析——基于LMDI模型[J]. 农业技术经济，2010（10）：66-72.

[11]冉光和，王建洪，王定祥. 我国现代农业生产的碳排放变动趋势研究[J]. 农业经济问题，2011，32（02）：32-38，110-111.

[12]田云，张俊飚，李波. 基于投入角度的农业碳排放时空特征及因素分解研究——以湖北省为例[J]. 农业现代化研究，2011，32（06）：752-755.

[13]黄祖辉，米松华. 农业碳足迹研究——以浙江省为例[J]. 农业经济问题，2011，32（11）：40-47，111.

[14]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.

[15] ZHOU J B，JIANG M M，CHEN G Q. Estimation of methane and nitrous oxide emission from livestock and poultry in China during 1949-2003[J]. Energy policy，2007，35（7）：3759-3767.

[16]胡向東，王济民. 中国畜禽温室气体排放量估算[J]. 农业工程学报，2010，26（10）：247-252.

[17]欧洋婷. 福建省农业碳排放变化及影响因素分析[J]. 宁德师范学院学报（哲学社会科学版），2020（4）：57-61.

[18]王方怡，洪志猛，康智明，等. 福建省农业碳排放时空变化及其驱动因素[J]. 福建农业学报，2019，34（1）：124-134.

[19]戴小文，何艳秋，钟秋波. 中国农业能源消耗碳排放变化驱动因素及其贡献研究——基于Kaya恒等扩展与LMDI指数分解方法[J]. 中国生态农业学报，2015，23（11）：1445-1454.

[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]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.

作者简介：黄伟文（1995-），女，硕士，研究方向：能源经济. E-mail：1791710496@qq.com