EKC視角下福建省農業碳排放與經濟增長關系的實證研究

摘?要：【目的/意義】探究福建省農業碳排放與農業經濟發展水平關系，分析農業碳排放的影響因素，可為福建省發展低碳農業和生態農業提供理論依據和優化策略。【方法/過程】從農地使用、農作物種植、農業物資使用和畜牧養殖4個方面構建農業碳排放指標體系，基于2000-2019年福建省農業相關數據，計算福建省農業碳排放;分析并驗證福建省農業碳排放與經濟增長關系的環境庫茲涅茨曲線（EKC），加入控制變量并進一步驗證;最后分析影響福建省農業碳排放的因素。【結果/結論】結果表明：（1）福建農業碳排放和農業經濟增長之間的關系符合庫茲涅茨曲線，呈“倒U”形;福建省農業碳排放在“倒U”型曲線的右端，處于下降階段;（2）加入控制變量后的環境庫茲捏茨曲線呈“倒U型”，曲線的拐點后移，但依然在2019年之前到達拐點。建議福建省制定低碳農業發展路徑：一要考慮經濟發展和環境質量;二要協調農業經濟增長和農業碳排放的發展;三要合理安排農業種植和畜牧養殖。

關鍵詞：福建省;農業碳排放;經濟增長;EKC

中圖分類號：F323.22文獻標志碼：A文章編號：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

全球氣候變暖已經成為全人類面臨的重大問題，現有研究和數據統計顯示，全球氣候變暖的原因大致可分為兩大方面。一是自然因素，火山活動、地球軌道變化以及大氣與海洋環流的變化等都可視為氣候變暖的主要自然因素;二是人為因素，主要包括了生活和生產活動所產生的二氧化碳等溫室氣體的排放。其中，人為因素是氣候變暖的主要因素，根據IPCC第四次評估報告，近50年全球升溫主要原因在90%以上的可能性是人類活動造成的。IPCC第五次評估報告顯示，人類活動造成的溫室氣體排放的重要來源中，第一大碳源是化石燃料的燃燒，第二大碳源是農業的生產活動所帶來的碳排放量，大約占了總碳排放量的1/3[1]。農業碳排放來源主要有以下2個：一是農業物資的使用和農業播種，二是畜牧養殖帶來的碳排放。從溫室氣體的排放看，2005年中國的農業溫室氣體排放約占總的溫室氣體排放總量的11%[2]。雖然農業用地和畜牧養殖釋放出大量的溫室氣體，但同時良好的農業生態環境系統又是一個巨大的碳匯系統，森林和植物的吸收和光合作用可以固定大量大氣中的二氧化碳。植樹造林和農作物的生長過程會改善生態環境，如凈化空氣、凈化水質等。近年來，中國經濟快速發展，經濟和環境的協調發展成為工作的重中之重，為了追求經濟的高質量發展，以低排放和低能耗為特征的低碳經濟應運而生[3]。

福建省位于我國的東南沿海發達地區，又是“一帶一路”戰略的海上絲綢之路的核心地帶，獨特的氣候和環境為福建省的農業發展提供了良好的自然發展條件。根據福建省統計局數據顯示，2019年福建省的農業（包括農林牧漁業）總產值達到了4636億元。但同時，由于福建省地形特殊，多為山地和丘陵，人均耕地少，且可耕作的農地中，高產田少、中低產田多，使得發展低碳農業和生態農業成為福建省的重要任務之一。當前，福建省的低碳農業發展還處于初級階段;農業產業化水平低，粗放的農業生產方式與農村環境保護之間的矛盾突出，科技支撐體系不完善等都制約著低碳農業的發展[4-5]。而且，隨著社會經濟的不斷發展，福建省的農產品進出口貿易總額也不斷擴大;福建省統計局數據顯示，福建省進出口貿易總額從2010年的1011億元增長到2019年的3505億元。貿易規模的擴大，也成為影響福建省碳排放的因素之一。故分析福建省的農業碳排放和農業經濟發展水平之間的關系，分析影響福建省農業碳排放和農業產業發展水平的主要因素，對促進福建省的低碳農業和生態農業發展具有現實意義。

1?研究綜述

國外學者們借助Gmssman和Krueger提出的環境庫茲涅茨曲線（EKC）理論，已對環境與經濟之間的關系進行了深入探討。Honltz-Eakin[6]對人均GDP與人均碳排放之間的關系進行了研究，發現人均GDP和人均碳排放之間符合環境庫茲捏茨曲線的特征，呈“倒U”形。這一概念的提出，為研究經濟發展與環境質量之間的關系奠定了基礎。Cole、Panayotou等學者[7-8]也對上述問題進行了研究，進一步證明了人均GDP與人均碳排放之間存在“倒U”型關系，只不過曲線的拐點不同而已。Moomaw等[9]對能源消費產生的碳排放與人均GDP之間的關系進行了一、二、三階，三次擬合，擬合結果顯示，當人均GDP在12813美元是達到碳排放的峰值，這研究揭示了環境與經濟增長之間的環境庫茲涅茨曲線的存在。

學界對農業碳排放研究也已比較成熟，主要集中在以下2個方面。（1）農業碳排放的測算及結構研究。李國志[10]從能源消費的角度，對中國農業碳排放進行了測算，并在此基礎上分析了中國農業歷年的能源強度及碳排放強度，最后分析得出經濟發展是影響農業碳排放的主要影響因素。冉光和[11]認為在現代農業發展中，農戶的行為造成的農業碳排放不可忽視，因此通過將農戶行為納入農業碳排放的測算體系，建立評價指標體系。結果表明，自1978年以來，中國農業碳排放的平均增長率為5.04%，農業碳排放總水平處于逐年增加的態勢。田云等[12] 從農業物資投入的角度測算湖北省的農業碳排放，結合專家意見綜合考慮，認為化肥、農藥、農膜及柴油是農業碳排放的主要碳源。黃祖輝等[13]采用分層投入產出—生命周期評價法，分五個層次對浙江省的農業碳排放和隱含碳排放進行全面計算，并對農業系統碳結構進行了深度分析，結果顯示，化肥的生產、運輸和使用過程中產生的碳排放在整個農業系統碳排放中的占比是最大的。田云等[14]從農地利用、稻田、畜牧等幾個方面分析農業碳排放的碳源，并測算中國31省的農業碳排放，測算結果顯示：農地利用、稻田、腸道發酵和糞便管理所導致的碳排放量分別占農業碳排總量的34.29%、42.48%、17.77%和5.46%。Zhou等[15]對我國建國以來的畜禽養殖業的碳排放進行了測算，測算結果顯示：我國的畜禽養殖業的碳排放在1949-2003年間增長了2.78倍。胡向東等[16]采用IPCC公布的畜禽溫室氣體排放系數和計算方法對中國畜禽溫室氣體排放進行了測算，測算結果表明：黃牛甲烷排放量最大，生豬氧化亞氮排放量最大。（2）農業碳排放的驅動因素。歐洋婷[17]利用因素分解法對福建省農業碳排放進行效應分解，結果表明：碳減排的正向影響因素是碳排放強度效應、出口反效應、貿易條件效應、就業結構效應，負向影響因素是產出規模效應、進口效應、人口規模效應。王方怡等[18]研究1990-2016年的農業碳排放，利用對數平均迪式分解模型對其驅動因素進行分解，結果表明：近年來福建省農業碳排放量整體減少，未來還可進一步采取措施，有效促進農業碳減排和低碳農業發展。戴小文[19]等利用及LMDI指數分解方法將中國農業碳排放的影響因素分解為一般技術因素、農業低碳技術因素、農村生活水平因素、間接城鎮化因素以及人口規模因素等5個因素，并分析這些因素的驅動強度與貢獻率，研究發現：農村生活水平提高是促成農業碳排放的最主要因素。

綜上所述，學者們對于EKC理論及農業農業碳排放的研究成果豐富。其中，EKC研究已經相對成熟，從提出到眾多學者的實證驗證，都給本文提供了重要的參考。但文獻梳理發現，不論是在國家層面還是在區域層面，對農業碳排放的研究并未能夠針對農業碳排放與經濟增長之間的關系進一步地研究其影響因素，更多的是單獨研究了碳排放的測算、碳排放影響因素，或者只是經驗的總結。（1）對于農業碳排放的測算，大多數學者只選擇一個方面進行測算，尤其在農業碳排放的測算體系的完整框架尚且缺乏。因此，對于較為復雜的農業系統，有重點的選取指標體系，對測算結果是否具有代表性十分重要。（2）影響農業碳排放的因素研究中，主要從碳排放強度、經濟規模、農業結構、人口規模等幾個方面展開分析，近年來也有研究從國際貿易的角度研究，但文獻相對較少。（3）在“雙碳”目標背景下，研究影響碳排放的拐點的因素也十分重要。基于此，本文在前人的研究基礎上，選取福建省的農地使用、農資使用和畜牧養殖的相關數據對農業碳排放進行了測算;并基于EKC驗證農業碳排放的拐點，選取產業結構、農業機械化和對外貿易水平進一步分析農業碳排放的影響因素，從而尋求有利于福建省低碳農業發展的建議及對策。

2?指標說明及數據來源

2.1?數據來源及說明

本文數據均來自各年度的《福建統計年鑒》，選取2000-2019年農地灌溉面積、農地播種面積、農用化肥、農藥、農膜、農用柴油使用和畜牧養殖作為原始數據，測算2000-2019年農業土地利用、農作物種植、農資和畜牧業碳排放數據，構建農業碳排放指標體系。以人均農業碳排放作為農業碳排放水平的衡量指標，以農業人均產值為農業經濟發展衡量指標，對福建省農業碳排放進行EKC檢驗。

2.2?指標說明

本文選取農業人均碳排放水平、農業人均經濟發展水平、農業產業結構、農業機械化水平和農業進出口貿易水平作為評價指標進一步分析福建省農業碳排放影響因素。首先驗證農業碳排放和農業經濟發展水平的倒“U”型的EKC曲線模型，并找出曲線的拐點;其次是，分析加入其他影響因素后的曲線變化情況，并找出拐點。對比兩次回歸結果，分析響影農業碳排放的因素。

（1）農業人均碳排放水平（PC）。選取農用物資碳排放、農作物種植碳排放和畜牧業碳排放這3個部分，構成農業碳排放總量測算體系;鄉村從業人員數和碳排放的測算數據均出自《福建統計年鑒—2020》，通過計算即得到2000-2019年福建農業人均碳排放水平時間序列。

農業人均碳排放水平=農業碳排放總量/鄉村從業人員總數（1）

（2）農業人均經濟發展水平（PGDP）。歷年農業（農林牧漁）總產值、鄉村從業人員數均來自《福建統計年鑒—2020》。經計算，即得到2000-2019年福建農業人均經濟發展水平時間序列。

農業人均經濟發展水平=農業總產值/鄉村從業人員總數（2）

（3）控制變量。農業產業結構（CY），即福建省當年的累計造林面積與農業種植面積的比值，表示了農業內部的產業結構中，林業面積的時序變化對農業碳排放的影響。農業機械化水平（TY），即單位耕地的機械動力，隨著現代化農業的發展，農業機械化占比越來越大，這也會影響農業碳排放的變化。農業進出口貿易水平（MY），即農產品的進出口貿易總額與農業總產值的比值，表示了區域的對外貿易的強度，福建省是“一帶一路”的核心區，隨著對外貿易規模的擴大，農產品的進出口也會影響到農業的生產，進而影響到農業碳排放水平。

3?模型構建

3.1?農業碳排放量估算模型

IPCC公布的測算方法，是目前最常用的碳排放測量方法，但由于農業能源消費的數據難以獲取和計算，本文沒有從能源消耗角度考察碳排放總量。本文借鑒何艷秋[20]的測算方法，從公認的農業有機碳排放的角度，構建福建省農業碳排放公式如下：

式中，C表示農業碳排放總量;Ci代表各類碳源的碳排放量;Ni表示各類碳源的量;αi表示各類碳源的碳排放系數。本文選取化肥、農藥、農膜、柴油的使用情況和農業灌溉和灌溉面積;畜牧養殖主要為牛、豬、羊3類進行測算。各類碳源的碳排放系數如表1所示。

3.2?環境庫茲捏茨模型

研究中經濟增長與環境污染的一般模型（環境庫茲捏茨模型）的形式如下：

式中，Y為環境污染指標;X為經濟增長指標;α為常量;βi為待定參數;Z為影響環境變化的其他控制變量;ε為誤差項。模型參數β1、β2有重要意義，具體關系類有[24]：（1）當β1≠0，β2=0時，環境狀況與經濟增長之間呈線形關系;

（2）當β1>0，β2<0時，環境狀況與經濟增長之間符合倒U型 EKC;

（3）當β1<0，β2>0時，環境狀況與經濟增長之間呈U型曲線關系;

3.3?農業碳排放與經濟增長關系EKC模型

本文選取福建省2000-2019年的時間序列數據構建福建省的農業碳排放量與農業經濟增長的EKC模型。將農業人均碳排放水平作為因變量，農業人均經濟發展水平作為自變量。運用Eviews 8.0對模型進行擬合回歸，建立人均碳排放量的EKC曲線的對數模型，并檢驗農業人均經濟發展水平與農業人均碳排放間是否存在EKC曲線。模型如下：

式中，PC代表農業人均碳排放，PGDP代表農業人均經濟發展水平，β0代表常數項系數，β1，β2代表回歸系數，ε代表隨機誤差項。

式中，CY代表農業產業結構，TY代表農業機械化水平，MY代表農業進出口貿易水平。

4?檢驗結果及拐點分析

4.1?福建省農業碳排放估算結果

本文選取2000-2019年福建省相關數據，數據來源于2001-2020年《福建統計年鑒》和2001-2020年《中國農村統計年鑒》。其中，化肥施用量（折純量）、農藥使用量用NY來表示（單位為萬t），農膜使用量（單位為萬t），農業灌溉面積、農業播種面積（單位為千hm2），農用柴油（單位為萬t），禽畜養殖量（單位為萬只），以此作為原始數據計算福建省農業碳排放量，福建省農業碳排放量估算結果如表2所示。

4.2?碳排放強度與經濟強度時序變化結果

農業人均碳排放由農業碳排放總量與鄉村從業人員總數相除而得，農業人均經濟發展水平由農業總產值與鄉村從業人員總數相除而得。由圖1可以看出，2000-2019年福建省的農業人均碳排放大致呈平緩下降的曲線，2000-2006年有緩慢上升的趨勢，2006年到達峰值，2006-2019年呈現下降的趨勢，并且下降速度較平緩，說明福建省近年來的農業發展正逐步向低碳農業方向發展，但發展較緩慢。這主要是農藥、化肥、柴油等農用物資使用量的減少和農地拋荒導致的種植物面積下降共同作用的結果;隨著科技的發展，福建省的農業機械化得到快速發展，在一定程度上可使農藥、化肥的使用效率更高。

根據圖2所示，2000-2019年間福建省的農業人均經濟發展水平呈現波動上升的趨勢，其中：2000-2009年上升速度較為緩慢，2009年后呈上升趨勢且上升速度更快，福建省農業經濟發展趨勢較好。農業科學技術的進步、農業機械化程度的提高、農產品產量的提高以及鄉村的基礎設施和貿易條件的完善是福建省農業經濟得到快速發展的重要原因。

4.3?模型檢驗結果

本文運用Eviews 8.0對模型（5）進行序列的單位根檢驗及擬合回歸，檢驗結果如下：

（1）對序列lnPC、lnPGDP、（lnPGDP）2及其一階差分序列進行單位根檢驗，檢驗結果如表3所示：自然對數序列lnPGDP、（lnPGDP）2都是非平穩的;lnPC、D（lnPGDP）和DlnPGDP、D（lnPGD）2是平穩的。所以lnPC、D（lnPGDP）～（1）、D（lnPGDP）2～（1）滿足協整檢驗的條件。同時Johansen協整檢驗表明，在5%的顯著水平下拒絕了變量之間不存在協整關系的原假設。因此可以對lnPCD，和lnPGDP、（lnPGDP）2進行回歸。并且控制變量的自然對數序列lnCY、lnTY和lnMY的檢驗結果也都是平穩的，故可對模型（6）進行作回歸。

（2）對人均碳排放與農業經濟發展水平進行擬合回歸。農業人均碳排放為“倒U型”模型的因變量，農業人均經濟發展水平為模型的自變量，其他為控制變量進行回歸分析，回歸結果表明：人均碳排放與農業經濟發展水平存在顯著的“倒U型”的庫茲涅茨曲線，其中調整后的R2值為0.8878，這表明模型的擬合程度較高。環境庫茲涅茨曲線模型的擬合方程為：

“倒U型”庫茲涅茨曲線的轉折點為：農業人均產值為1135.5萬元/人小于2019年的32770萬元/人，故福建省農業碳排放處于“倒U型”曲線的右端。加入控制變量的回歸方程為：

加入控制變量后的回歸模型符合倒“U”型的EKC曲線，曲線的拐點為：農業的人均產值為11883萬元/人，小于2019年的32770萬元/人，說明在此分析中，福建省的農業碳排放處于“倒U型”曲線的右端，處于下降階段。

綜上分析，在前期，農業經濟增長會導致農業碳排放的增加，因為農藥、化肥等農業物資的投入增加在一定程度上提高了農業產出，與此同時，農業污染也隨之增加。而碳排放水平的下降、農業結構調整及農業科技的發展有利于農業減排。現代農業技術的應用和現代化機械發展提高了碳效率。從回歸結果看，農業進出口貿易在一定程度上增加了農業碳排放，因為衡量產品的碳排放量不僅包含使用過程中的碳排放量，還應將原材料、半成品及產成品的運輸考慮在內，大量運輸可能是導致進口產品碳排放量增加的原因。

5?結論與建議

5.1?結論

本文在測算福建省農業碳排放的基礎上，基于農業碳排放的EKC模型，運用計量模型進行回歸，分析了福建省農業碳排放水平和農業經濟發展水平之間的關系，確定了福建省農業碳排放的拐點。其次是加入了控制變量后的模型，分析影響福建省農業碳排放的因素，基于檢驗結果，可以得出以下實證結論：

（1）2000-2019年間，福建省農業人均碳排放呈先上升再下降的趨勢，呈“倒U型”，而農業經濟強度呈波動上升趨勢。所以，福建省農業環境和農業經濟發展都處于一個較好的發展趨勢中。

（2）福建省農業碳排放與農業經濟增長關系符合環境庫茲捏茨模型，呈“倒U型”，福建省農業碳排放與經濟增長關系的“倒U型”環境庫茲涅茨曲線的轉折點為：1135.5萬元/人，小于2019年的32770元/人的人均產值，故福建農業碳排放正處于“倒U型”曲線的右端，處于下降趨勢，并且加入控制變量后的曲線的拐點延后。

5.2?建議

綜合本文的理論分析及實證的結果，要充分考慮到農業經濟發展、糧食安全和環境質量，正確處理好農業碳排放和農業經濟增長的關系，為福建省科學制定科學的低碳農業發展路徑出謀劃策。5.2.1?考慮經濟發展和環境質量?農業碳減排應以調整化肥結構和降低能源強度為重點，因此，應采取措施控制氮肥的施用，降低能源消耗。氮肥控制方面的應用，我們可以考慮土壤測試和配方施肥技術的推廣與應用為核心，繼續推動精準施肥、水和肥料緩釋肥料、集成和長期肥料，施用新型的綠色肥料和應用減排技術等。5.2.2?協調農業經濟增長和農業碳排放的發展?一方面，不僅要關注農業生產帶來的碳排放的過度增長，與此同時，福建省要繼續優化農業的經濟結構，將科學技術應用到農業產業發展中，保持農業經濟的穩定發展，追求農業高質量發展。另一方面，加強農民的環保意識和低碳意識，加快農村環境整治，補貼節能環保的農業機械，以及支持農村合作社的發展，把公共投資在一定程度上向農業高質量發展傾斜。最終謀求農業經濟增長和保護環境的協調發展，推動福建省農業經濟高質量發展。5.2.3?合理安排農業種植和畜牧養殖?良好的農業生態環境系統可以是一個巨大的碳匯系統，森林和植物的吸收和光合作用可以固定大量大氣中的二氧化碳，這其中包含碳排放、碳固定、碳吸收以及碳轉移這4個層面。福建省林業發達，可適當安排畜牧養殖場和與森林的結合，利用森林或灌木叢進行畜牧，農作物、畜牧業和森林的混合模式，被稱為混林農業。在培育木本植物的同時，可適當安排農作物種植、家用動物飼養和食用菌的培養等，并輔以相應的中間利用和加工體系，使之成為物質良性循環、能量合理流動、多級生產、穩定高效的相互促進的林農復合生態系統。農業是人類不可或缺的食物來源，隨著科學技術的發展，人類需要不斷發展農業，讓農民更加輕松，讓環境更加適宜。

參考文獻：

[1]綦遠超. 山東省農業碳排放效率評價及影響因素研究[D]. 山東：山東理工大學，2017.

[2]中華人民共和國應對氣候變化司.中華人民共和國氣候變化第二次國家信息通報[M].北京：中國經濟出版社，2013.

[3]魏下海，余玲錚.空間依賴、碳排放與經濟增長：重新解讀中國的EKC假說[J].探索，2011（1）：100-105.

[4]吳崇伯.中國低碳農業發展研究——以福建省為例[J]. 創新，2014，8（1）：25-28，33，126.

[5]邱雪萍.福建省低碳農業發展實證研究[D].福州：福建師范大學，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]李國志，李宗植. 中國農業能源消費碳排放因素分解實證分析——基于LMDI模型[J]. 農業技術經濟，2010（10）：66-72.

[11]冉光和，王建洪，王定祥. 我國現代農業生產的碳排放變動趨勢研究[J]. 農業經濟問題，2011，32（02）：32-38，110-111.

[12]田云，張俊飚，李波. 基于投入角度的農業碳排放時空特征及因素分解研究——以湖北省為例[J]. 農業現代化研究，2011，32（06）：752-755.

[13]黃祖輝，米松華. 農業碳足跡研究——以浙江省為例[J]. 農業經濟問題，2011，32（11）：40-47，111.

[14]田云，張俊飚，李波. 中國農業碳排放研究：測算、時空比較及脫鉤效應[J]. 資源科學，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，王濟民. 中國畜禽溫室氣體排放量估算[J]. 農業工程學報，2010，26（10）：247-252.

[17]歐洋婷. 福建省農業碳排放變化及影響因素分析[J]. 寧德師范學院學報（哲學社會科學版），2020（4）：57-61.

[18]王方怡，洪志猛，康智明，等. 福建省農業碳排放時空變化及其驅動因素[J]. 福建農業學報，2019，34（1）：124-134.

[19]戴小文，何艷秋，鐘秋波. 中國農業能源消耗碳排放變化驅動因素及其貢獻研究——基于Kaya恒等擴展與LMDI指數分解方法[J]. 中國生態農業學報，2015，23（11）：1445-1454.

[20]何艷秋，戴小文. 中國農業碳排放驅動因素的時空特征研究[J]. 資源科學，2016，38（9）：1780-1790.

[21]段華平，張悅，趙建波，等.中國農田生態系統的碳足跡分析[J]. 水土保持學報，2011，25（5）：203-208.

作者簡介：黃偉文（1995-），女，碩士，研究方向：能源經濟. E-mail：1791710496@qq.com