遼寧省農業碳排放的時空特征及公平性分析

摘 要：在對遼寧省14個地級市2012—2021年農業碳排放量測算的基礎上分析其時空特征，基于農業碳排放的生態承載力系數與經濟貢獻系數對碳排放公平性進行評價，最后利用地理探測器分析影響農業碳排放強度的主要因素。結果表明：①遼寧省農業碳排放量呈緩慢增長的趨勢，遼西北部地區為高碳排放區，中部地區為低碳排放區，碳排放量的地區差異在擴大。②根據公平性矩陣分類，大連市與本溪市為生態承載力系數低而經濟貢獻系數高的“低-高”型，葫蘆島市為“低-低”型，遼陽市由“高-高”型轉變為“高-低”型，沈陽市、撫順市、營口市以及盤錦市由“低-高”型轉變為“高-高”型。③遼寧省農業碳排放強度主要受到農業產業結構和農業生產效率的影響，農業產業結構是影響農業碳排放強度的決定性因素，除農業從業人口外各因素對農業碳排放強度起正向驅動作用。

關鍵詞：農業碳排放；時空特征；公平性評價；地理探測器；遼寧省

中圖分類號：X38 文獻標志碼：A 文章編號：1673-9655（2024）04-00-08

0 引言

氣候變遷已經上升為全球普遍關注的議題，同時也成為了人類所要應對的最大全球性環境問題。大氣中的CO2、N2O、CH4等溫室氣體濃度的增加，是導致全球氣候變暖的關鍵因素[1]。農業是造成溫室氣體排放的途徑之一，降低農業碳排放是發展綠色農業與實現“雙碳”目標的基本路徑。遼寧省的農業以糧食種植為主，主要生產小麥、玉米、大豆等糧食作物，其中小麥產量位居全國前列，但在農業生產過程中存在過度依賴機械，農業基礎設施滯后等現象，使區域農業發展與農業減排之間出現了不協調現象，農業的低碳發展面臨巨大挑戰。

國內外學者們從多個視角對農業碳排放問題進行了探討，焦點落在農業碳排放的測算、農業碳排放的時間和空間特性、影響農業碳排放的因素、農業碳排放趨勢預測、農業碳達峰分析、農業碳排放公平性分析、農業碳減排潛力以及碳補償潛力等多個方面。關于農業碳排放量的測算主要分為兩類：一類是從農業的單個產業進行具體測算[1-4]，另一類是對農業整體的碳排放量進行測算[5]。在測算農業碳排放量的時候，普遍把農作物和農用物資作為種植業的主要碳源，把豬、牛、羊及家禽的腸道發酵和糞便管理作為畜牧業的碳源。

在農業碳排放的時空特征方面，主要研究國家層面和重點區域的碳排放時空演化[6-7]，主要使用馬爾科夫轉移規則矩陣，以及貢獻系數矩陣，探索農業生態效率和農業碳排放公平性[8-9]，對碳排放的時空特征進行分析。關于農業碳排放的驅動因子，國內外研究主要使用Tobit模型、LMDI模型、環境庫茲涅茨曲線（EKC）、地理探測器等方法[10-15]。遼寧省的農業經濟結構和地理特征復雜多變，地理探測器能夠處理這種復雜性，提供更為精確的分析結果。

基于各地區碳排放量的差異，研究碳排放公平性是確保順利實現減排目標的關鍵基礎，部分學者對此進行了深入探討[16]。如鄭立群采用公平與效率的權衡模型，對中國各個省份和地區能源碳排放減少責任分配進行了深入研究[17]。然而，現有的碳排放公平性研究主要集中在能源領域，忽視了農業領域的碳排放公平性。遼寧省氣候地形多樣，對農業提供機遇，但也需要科學管理碳排放和生態承載力的關系。農業經濟以糧食和經濟作物為主，畜牧業貢獻也較大。利用農業碳排放經濟貢獻系數，可衡量農業碳排放量，并結合經濟產值分析碳排放的經濟效益，為提高農業生產效率和實現經濟與環境雙贏目標提供策略。本文在測算遼寧省14個地級市農業的碳排放量基礎上分析農業碳排放的時空特征，利用農業碳排放公平性的模型從生態承載力和農業經濟貢獻率兩個角度來分析農業碳排放的公平性和差異性，采用地理探測器技術探究可能影響農業碳排放強度的各種因素，旨在為遼寧省制定差異化的區域農業碳排放政策和碳減排指標提供科學的依據。

1 研究區概況

遼寧省位于中國東北地區的最南端，其地理坐標東經118°53′～125°46′、北緯38°43′～43°26′，陸地面積為14.8萬km2。地形特點北部地勢較高，南部地勢較低，而山地和丘陵則從東到西分布，中部平原逐漸下沉，雨水和高溫同季出現。遼寧省針對某些地區實施了生態循環農業、養殖廢棄物的再利用、標準化的清潔生產和特色種植產業資源的循環管理。根據各種作物和生產模式的特點，制定了多種生態農業策略，實現農業和副業資源的多元化利用，從而達到節約能源和減少排放的目標。在此基礎上發展出具有區域優勢的種植業、加工業以及旅游業，為當地經濟的可持續發展提供保障。2021年，遼寧省的農業總產值達到了2222.54億元，其中畜牧業的總產值為1683.94億元。

糧食作物主要包括水稻、玉米和小麥，經濟作物主要有大豆、花生和棉花等，畜牧業以豬、牛、羊的養殖為主導。

2 研究方法

2.1 農業碳排放量測算指標

農業主要分為動物的飼養和植物的種植培養兩方面，且有狹義和廣義之分。狹義的農業主要是指種植業，廣義的農業則包括種植業、林業、畜牧業、漁業四部分。由于農業碳排放的主要來源為農作物的生產活動和畜牧養殖，因此本文所要研究的農業是在狹義的農業的基礎上增加了畜牧業，即種植業和畜牧業。

（1）種植業碳排放。種植業碳排放主要包括農地使用過程中產生的碳排放以及水稻種植導致的甲烷排放量。在農地的使用過程中產生的碳排放主要可以分為三個主要類別：一是化肥、農藥、農膜、柴油等農業必需品的消耗導致的碳排放；二是由農業灌溉活動引發的碳排放總量；三是種植業碳排放還涉及到農田翻耕行為導致有機碳損失的情況。鑒于數據的可獲得性，農地利用碳排放量主要計算了化肥消耗導致的碳排放與灌溉活動引發的碳排放，具體測算公式如下[18-19]：

式中：E1—農地利用的碳排放量；ui—第i類活動數據，包括各地區的化肥使用量，柴油使用量，農作物實際播種面積，有效灌溉面積[20]；ri—第i類活動的排放因子，化肥的碳排放因子為0.89 kg/kg[21]，

灌溉碳排放因子為266.48 kg/hm2[22]。

式中：E2—水稻種植碳排放量（104 t）；s—水稻種植面積（103 hm2）；h—水稻種植碳排放因子，參考何艷秋等[23]的研究，取h=9.24 g（C）/m2。

種植業的凈碳排放量為種植業碳排放量與碳吸收量之差。農業碳吸收量指農作物生長發育的全過程中的碳吸收，利用系數法測算農業碳吸收量，其公式如下[24]：

式中：E3—主要農作物碳吸收量（104 t）；Ai和Yi—各類農作物碳吸收率（%）及產量（104 t）；Wi和Ci—各類農作物含水率（%）及經濟系數，各參數取值如表1所示。

（2）畜禽養殖碳排放。畜牧業中碳排放的主要來源是反芻動物在腸道發酵和糞便處理過程中釋放的溫室氣體。研究主要關注了豬、牛和羊的碳排放情況，具體測算公式如下[26]：

式中：E4—畜禽養殖碳排放量（104 t）；k—全球升溫潛能值，其中kCH4=21，kN2O =310；fi—各類畜禽年均飼養量（104頭）；ai和bi—各類畜禽CH4排放系數，豬、牛、羊的腸道發酵CH4排放系數分別為1 kg/頭、47 kg/頭、5kg/頭，豬、牛、羊的糞便管理CH4排放系數分別為4 kg/頭、1 kg/頭、0.16 kg/頭[27]。

2.2 農業碳排放公平性評價模型

農業碳排放的公平性是對一個地區農業生態容量和地區農業經濟貢獻的綜合分析評價。單純的碳排放量分析不足以判斷農業碳排放的公平性，還需要考慮不同地區所具有的不同生態條件和社會經濟發展水平，從生態承載能力和經濟貢獻能力兩方面基于公平性矩陣進行碳排放公平性評價。

（1）農業碳排放生態承載系數主要評價遼寧省農業碳生態容量的貢獻是否公平，計算公式如下[28]：

式中： P—農業碳排放生態承載系數；Ti和Ei—各市農業碳吸收量（104 t）和碳排放量（104 t）；T和E—全省農業碳吸收量（104 t）和碳排放量（104 t）。Pgt;1意味著某城市農業生態容量較高，能對其他城市產生正外部性效應，P＜1意味著某城市農業碳生態容量較低，會對附近地區的生態環境造成不利影響。

（2）農業碳排放經濟貢獻系數主要評估各地級市在農業碳排放的經濟貢獻是否公平，能夠衡量各地區的農業碳生產能力，計算公式如下[28]：

式中：M—農業碳排放經濟貢獻系數；Gi和Ei—各市農業生產總值（108元）和碳排放量（104 t）；G和E—全省農業生產總值（108元）和碳排放量（104 t）。若Mgt;1，表示該城市的農業經濟貢獻率超過了其農業碳排放貢獻率，表明該市的農業生產效率較高，并對其他城市有所貢獻。相反，M＜1表示該城市的農業經濟貢獻率低于其農業碳排放貢獻率，意味著該市區的農業經濟貢獻較小，碳排放量較高，從而損害了其他城市的利益。

基于農業碳排放生態承載系數與經濟貢獻系數，根據公平性矩陣將遼寧省的14個地級市的農業碳排放公平性進行分類，其中，Pgt;1且Mgt;1的被歸為“高-高”型，Pgt;1且M＜1的被分類為“高-低”模式；P＜1的且Mgt;1呈現為“低-高”的形態；P＜1且M＜1的被分類為“低-低”類型。

2.3 地理探測器

地理探測器可用于研究空間的分異性和成因，它在資源環境和區域經濟等多個研究領域得到了廣泛應用。因子探測模塊的核心職責是評定各種元素是否是導致因變量在空間分布上出現不均衡的主要原因，并深入研究這些元素對因變量造成的具體影響。在地理探測器的模型中，交互探測部分能夠研究各種因子之間的相互作用如何影響因變量。具體測算公式如下[15，29]：

式中：q—各因素對農業凈碳排放的解釋力，其取值區間為[0，1]。q值越接近1，表示這個因素對農業的凈碳排放產生的影響更為顯著；n—研究區域樣本量， n=14；σ2—樣本方差。

2.4 數據來源

化肥和其他農業資源的使用，農作物的種植面積，農田水利的灌溉面積，主要農作物的產出，豬、牛、羊等家畜的年末存欄量，各地農業的總產值，農業從業人員的數量以及農業產業結構等方面的社會經濟原始數據來源據于《遼寧省統計年鑒（2011—2022）》。

3 結果與分析

3.1 遼寧省農業碳排放量的時空特征

總體來看，遼寧省農業碳排放量在2012—2021年呈現上升的趨勢。具體來看，朝陽市農業碳排放量最高，為67346.45萬t；鐵嶺市位于第二，為62040.20萬t；沈陽市位于第3位，其農業碳排放量為57310.37萬t。而本溪市農業碳排放量最少，為6935.21萬t。相較2012年，部分地級市農業碳排放量有下降趨勢。盤錦市的農業碳排放下降率最高，為50.6%；營口市次之，為40.8%；錦州市、丹東市、鞍山市位列其后，其下降率分別為38.9%、35.5%、33.2%。表明遼寧省農業的高碳排放區主要分布在遼西北地區，低值區域主要集中在中部地帶；且農業碳排放下降率較大的區域也主要集中于中部地區，中部地區是未來發展綠色農業的關鍵地區。

種植業農業碳排放結構未有明顯改變，灌溉導致的碳排放量在種植業農業排放量中占比最大，為76.4%，其次是水稻種植的碳排放量，占比為22.9%，由化肥使用造成的碳排放量的占比最小，占比僅為0.5%。具體來看，只有灌溉導致的碳排放量在不斷增長，其增長率為19.9%。究其原因，2015年開始國家提倡化肥使用量零增長行動，2020年遼寧省部分地區一季稻播種受到影響，導致水稻種植面積減小。

遼寧省畜牧業的碳排放量年際變化不大，但豬和牛的碳排放量呈波動上升趨勢，對遼寧省畜牧業農業碳具有較大影響。2012年豬、牛、羊的碳排放量分別為3.27×109 t、3.05×108 t、1.0×108 t；2021年豬、牛、羊的碳排放量分別為3.54×109 t、3.32×108 t、1.18×108 t，其中羊的碳排放量增長率最大為34.6%，豬和牛的碳排放量呈波動上升趨勢。究其原因，2011—2018年，豬肉、仔豬和活豬零售市場價整體波動變化，2019年由于非洲豬瘟影響，價格迅速上漲，2020年整體價格居高不下，為滿足市場需要和盈利需求，豬的年均飼養量有所增多，近幾年，由于國家對環境進行了更為嚴格的整治，并強調了規模化養殖的重要性，全省的豬存欄量因此呈現出波動性上升的趨勢。

3.2 遼寧省農業碳排放公平性的區域差異

各個地區的農業碳排放生態承載系數主要在0.4～1.0，東部和北部的農業碳排放生態承載系數相對較高，而南部則相對較低。2012—2021年，遼寧省的生態承載系數顯著上升，其中盤錦市增長最高，增長率為93.8%；丹東市次之，為83.2%。撫順市、遼陽市、丹東市和盤錦市農業碳排放生態承載系數平均值一直都超過了1.0，說明這些地區的碳吸收貢獻率相當高，農業生態系統具有很高的承載力，有效地降低了其他地區的農業碳排放的負擔。

各個地區的經濟貢獻系數主要在0.3～1.5，在所有城市中，盤錦市、葫蘆島市、營口市和大連市的增長率最為顯著，分別為57.9%、22.5%、20.4%和17.4%，意味著這些區域的經濟和能源使用效率都有所提高。撫順市的生態承載力顯著下降，與2012年相比，其系數減少了30.7%。說明遼寧省經濟貢獻系數呈現出東南高、西北低的分布特點。

沈陽市、撫順市、營口市以及盤錦市由生態承載系數低、經濟貢獻系數高的“低-高”型轉變為生態承載系數與經濟貢獻系數均高“高-高”型。表明在某種程度上這幾個城市分攤了其他地區的農業碳排放，經濟效率系數相對較高，對全國農業經濟的貢獻明顯超過了對農業碳排放的貢獻，使得農業生產在生態環境上的效益更為顯著。遼陽市從“高-高”型轉變為“高-低”型，這與其種植業規模逐年增大有關。從生態的視角出發，應最大限度地利用其碳吸收潛力。然而，由于受自身經濟增長水平和農業現代化程度等多種因素的限制，農業的產出效率年復一年下降。在推動低碳農業的過程中，應當確保其與經濟增長同步進行。

大連市與本溪市始終被分為“低-高”的區域。兩地的人均耕地資源不足和土地利用效率不高，導致該區域農業發展水平落后于全國平均水平，生態承載能力相對較低，但這兩個地區的農業產業化水平普遍偏高，經濟回報也相對較好，它們對全省農業經濟的貢獻都超過了它們對農業碳排放的貢獻。葫蘆島市一直都被分類為“低-低”的類型。生態承載能力普遍偏向較低水平，畜牧業占據主導地位，導致碳排放大量增加，種植業規模較小，農業對碳的吸收能力有限，導致生態承載系數數值偏低，經濟貢獻系數也相對偏低。

從宏觀角度觀察，生態承載系數Pgt;1的城市數量從2012年的1個增加到2021年的8個，充分展示了遼寧省生態承載力的逐步提升，以及逐步緩解其他省份因過量碳排放導致的生態環境壓力；然而，遼寧省的經濟貢獻系數呈現出波動性，主要是由于遼寧省自身經濟發展水平和農業現代化水平等多重因素的制約，使得農業生產效率相對偏低，未能實現大規模的提升。

3.3 影響因素分析

根據現有研究成果，農業碳排放受到多種因素的影響。選擇農業從業人口、農業生產效率、農業產業結構、農民家庭人均純收入、農業經濟水平和財政教育支出這6個關鍵指標進行分析。農業生產效率可以定義為農業的碳排放與種植業及畜牧業的總產值的比值，農業產業結構是種植業與畜牧業的總產值與農林牧漁總產值的比值[30]，農業經濟水平是農業總產值與從事農業活動的人口數量之間的比值。

通過對這些影響因素進行主成分因子分析得到各因子得分并計算出綜合得分，從表4可以看出，農業生產效率和農業產業結構對遼寧省農業碳排放的空間分布顯著影響，并通過顯著性檢驗。其中，農業生產效率和農業產業結構是主要因素，但農民家庭的人均純收入和農業從業人口這兩個變量解釋力相對較弱。

各種因素之間的交互效應都超過了單一因素對遼寧省農業碳排放空間分布的影響。財政教育支出（X6）與其他五個因素存在較大的交叉和互值，4期的交互探測平均數值為0.829，表明該因素對遼寧省農業碳排放強度起到了顯著的控制作用。此外，研究期內農業碳排放量呈波動上升趨勢，說明經濟增長在一定程度上抑制了溫室氣體排放。2015年農民家庭人均純收入（X4）與財政教育支出（X6）之間的交互數值高達1.00，表明這兩個因素對農業碳排放強度起到了主導作用。在此基礎上提出了以“減量化”為主線、優化產業結構、強化政策扶持等對策建議。綜合考慮，遼寧省的農業碳排放強度上的差異是多種因素共同影響的產物。因此，從多個角度深入研究農業減排的執行策略，對于提高農業的質量、效益和實現可持續發展至關重要。

4 結論與對策

4.1 結論

（1）遼寧省農業碳排放量在2012—2021年呈現上升的趨勢，增長率為9.05%，其區域差異比較明顯，農業碳排放呈現西北低、中部高的分布特征。遼寧省的農業凈碳排放量呈現出波動性增長，除化肥外的5種碳源的碳排放量均呈現出不同程度增長，豬的腸道發酵和糞便管理是遼寧省農業碳排放的主要碳源。

（2）遼寧省的生態承載系數呈現東北高、南部低的特征，經濟貢獻系數為東南高、西北低。遼寧省農業碳排放存在一定的不公平性，各地級市之間的生態承載力與經濟貢獻能力發展不均衡，西南地區尤為明顯。

（3）農業產業結構是影響農業碳排放強度的主要因素，農民家庭人均純收入和農業從業人口對于農業碳排放強度影響較弱。農民家庭人均純收入與財政教育支出之間的交互作用對農業碳排放強度上起到了主導作用。

4.2 對策

（1）減少碳排放源頭。提升化肥、農藥的使用效率，推廣低碳或無碳的有機肥料和生物肥料，減少化學品對農業生產的依賴，并對化肥的使用實施嚴格的管控措施。優化畜牧業結構，發展循環農業和生態農業，減少牲畜養殖的數量，提高其腸道發酵效率，采用科學的糞便管理方法減少甲烷排放。

（2）加強跨地區間的合作與協調，促進資源的優化配置和共享，減少區域間的差距。鼓勵技術和知識的交流與共享，幫助較低生態承載力地區提升其農業碳排放管理能力。支持西南地區的農業碳排放減少項目，通過政策和資金支持，推廣低碳農業技術、建設農業廢棄物處理設施、改善農田管理和提升農民的環境意識，促進該地區農業的可持續發展。

（3）鼓勵發展低碳農業產業。通過政策引導和經濟激勵，鼓勵農民和農業企業轉向低碳農業產業。例如，支持農產品加工業的發展，促進農產品的附加值提升，減少運輸和儲存過程中的碳排放；推動農旅融合，開發農業生態旅游、農家樂等業態，提高農業的多元化發展，減少農業碳排放。

（4）優化農業產業結構，鼓勵發展低碳農業產業，通過政策引導和經濟激勵，鼓勵農民和農業企業轉向低碳農業產業。例如農產品加工和農業旅游融合等，減少碳排放。提供農業技術培訓和支持，加強對農民的農業技術培訓，幫助他們掌握科學的農業生產技術，減少農業碳排放。加強農業碳排放監測和評估，建立完善的數據統計和監測體系，為決策提供科學依據。

參考文獻：

[1] 董紅敏，李玉娥，陶秀萍，等. 中國農業源溫室氣體排放與減排技術對策[J]. 農業工程學報，2008（10）：269-273.

[2] 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.

[3] ISMAEL M，SROUJI F，BOUTABBA M A. Agricultural technologies and carbon emissions：evidence from Jordanian economy[J].Environmental Science and Pollution Research，2018，25（11）：10867-10877.

[4] Regina K， Alakukku L. Greenhouse gas fluxes in varying soils types under conventional and no-tillage practices[J]. Soil and Tillage Research， 2010， 109（2）：144-152.

[5] 李波，張俊飚，李海鵬.中國農業碳排放時空特征及影響因素分解[J]. 中國人口·資源與環境，2011，21（8）：80-86.

[6] 甘天琦，劉銘明，周宗鈺.中國農業碳排放的空間關聯特征與減排政策選擇[J]. 四川農業大學學報，2023，41（1）：166-174.

[7] 伍國勇，劉金丹，陳瑩. 中國農業碳排放強度空間特征及溢出效應分析[J]. 環境科學與技術，2021，44（11）：211-219.

[8] 郭鳳玉，孟靜怡，徐磊，等. 冀北山區農業生態效率時空演變特征及預測分析[J]. 中國農機化學報，2021，42（10）：146-156.

[9] 盧俊宇，黃賢金，戴靚，等. 基于時空尺度的中國省級區域能源消費碳排放公平性分析[J]. 自然資源學報，2012，27（12）：2006-2017.

[10] 吳賢榮，張俊飚，田云，等. 中國省域農業碳排放：測算、效率變動及影響因素研究——基于DEA-Malmquist指數分解方法與Tobit模型運用[J]. 資源科學，2014，36（1）：129-138.

[11] 龐麗. 我國農業碳排放的區域差異與影響因素分析[J]. 干旱區資源與環境，2014，28（12）：1-7.

[12] 楊紅娟，李明云，劉紅琴. 農業碳排放特征及影響因素分析——以云南為例[J]. 生態經濟，2015，31（10）：76-78.

[13] Nelson， Richard G et al. “Energy use and carbon dioxide emissions from cropland production in the United States， 1990-2004”[J]. Journal of environmental quality vol，2009，38（2）： 418-25.

[14] Balsalobre-Lorente D，DrihaOM，Bekun FV， et al. Do agricultural activities induce carbon emissions？ The BRICS experience[J]. Environ Sci Pollut Res Int，2019，26 （24）：25218-25234.

[15] 王勁峰，徐成東. 地理探測器：原理與展望[J]. 地理學報，2017，72（1）：116-134.

[16] 田云，張俊飚. 中國省級區域農業碳排放公平性研究[J]. 中國人口·資源與環境，2013，23（11）：36-44.

[17] 鄭立群. 中國各省區碳減排責任分攤——基于公平與效率權衡模型的研究[J]. 干旱區資源與環境，2013，27（5）：1-6.

[18] 王慧敏，朱玉林，王錦錦.湖南省農業碳排放與農業經濟增長的脫鉤效應研究[J].綠色科技，2021，23（22）：262-267.

[19] 伍國勇，孫小鈞，于福波，等.中國種植業碳生產率空間關聯格局及影響因素分析[J].中國人口·資源與環境，2020，30（5）：46-57.

[20] 陳煒，殷田園，李紅兵.1997—2015年中國種植業碳排放時空特征及與農業發展的關系[J].干旱區資源與環境，2019，33（2）：37-44.

[21] 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.

[22] 丁寶根，趙玉，鄧俊紅.中國種植業碳排放的測度、脫鉤特征及驅動因素研究[J].中國農業資源與區劃，2022，43（5）：1-11.

[23] 何艷秋，陳柔，吳昊玥，等.中國農業碳排放空間格局及影響因素動態研究 [J].中國生態農業學報，2018，26（9）：1269-1282.

[24] 伍國勇，劉金丹，楊麗莎.中國農業碳排放強度動態演進及碳補償潛力 [J].中國人口·資源與環境，2021，31（10）：69-78.

[25] 閔繼勝，胡浩.中國農業生產溫室氣體排放量的測算[J].中國人口·資源與環境，2012，22（7）：21-27.

[26] 吳強，張園園，張明月.中國畜牧業碳排放的量化評估、時空特征及動態演化：2001—2020[J].干旱區資源與環境，2022，36（6）：65-71.

[27] 唐洪松，蘇洋，馬惠蘭，等. 新疆畜牧業碳排放格局與公平性研究[J]. 干旱區地理，2017，40（6）：1338-1345.

[28] 羅紅，羅懷良，李朝艷，等.瀘州市農業碳收支時空變化及公平性評價[J].生態與農村環境學報，2019，35（4）：409-418.

[29] 高超.基于地理探測器的河北省糧食產量影響因素研究[J].東北農業科學，2020，45（3）：103-107.

[30] 李波，張俊飚，李海鵬. 中國農業碳排放與經濟發展的實證研究[J]. 干旱區資源與環境，2011，25（12）：8-13.