英文题目：Drivers and reduction potential of carbon emissions from cultivated land use
中文译名：耕地利用碳排放驱动因素及减排潜力
发表时间：2024年
发表期刊：CATENA
第一作者：Jiayi Ma et al
第一单位：中国地质科学院、浙江大学
DOI：10.1016/j.catena.2024.108508
精选理由：本文研究了2000年至2020年中国耕地利用的碳排放及其强度，揭示了影响碳强度的主要驱动因素和机制。研究发现，水稻种植面积的比例对碳强度影响显著，江苏省在多种情景下展现出最高的减排潜力，表明其在实现碳中和目标中的重要角色。通过构建碳排放减量潜力指数，本文为区域低碳土地利用管理和政策制定提供了重要参考，强调了农业系统在实现碳达峰和碳中和目标中的关键作用。
耕地既是碳源又是碳汇，对碳循环有直接和间接的影响。中国作为农业大国，耕地的低碳可持续利用对实现碳中和目标至关重要。利用中国31个省（区、市）的数据，计算了2000 - 2020年中国耕地利用的碳排放量和强度。分析了碳强度的驱动因素和影响机理。最后，构建碳减排潜力指数，探讨不同偏好情景下耕地利用的碳减排潜力。中国耕地利用碳排放总量从2000年的20184.8万吨增加到2020年的22747.15万吨（增长12.7%）。碳排放强度在2003年达到最小值（0.79吨/公顷），在2017年达到最大值（1.01吨/公顷）。水田比例、复种指数、有效灌溉面积比例、农业化学化程度和农业机械总动力是影响耕地利用碳排放强度的主要驱动因子。贵州、青海和北京的耕地碳排放影子价格较高，分别为每吨3513、3354和2397万元，而江苏和上海等东南部地区的影子价格较低。此外，在公平与效率并重、公平优先和效率优先三种优先情景下，江苏省的减排潜力较高（分别为0.880、0.861和0.900），可以承担更多的减排责任。青海省的减排潜力最低，在公平与效率并重、公平优先和效率优先情景下分别为0.064、0.078和0.051。研究结果表明，农业系统有潜力通过实施新技术、新政策和新管理工具，帮助中国实现碳达峰和碳中和目标。因此，我们的研究结果为未来的政策制定和低碳土地利用管理提供了参考，更好地适应区域差异。
2000年至2020年的统计数据来源于《中国统计年鉴》、《中国农村统计年鉴》、《中国农业统计报告》、《中国水利统计年鉴》、《中国人口和就业统计年鉴》、《中国固定资产投资统计年鉴》。使用线性插值替换缺失数据。耕地数据来自2000年至2020年中国陆地卫星土地覆盖数据集，分辨率为30m。
选取中国31个省份作为研究区。
用于测算强度的方法主要有单位国内生产总值（GDP）计算法、单位面积计算法、人均列计算法等。当前研究中普遍采用的单位GDP碳排放量方法依赖于农业碳排放量占农业总产量的比例。
基于分类和回归决策树（CART），RF采用bagging集成学习算法和bootstrap重采样方法，从输入训练数据集中收集多个子训练数据集，依次训练多个决策树。
SBM是一种非径向、非参数和基于松弛变量的数据包络分析（DEA）模型。与传统模型不同，SBM模型考虑了输入变量和输出变量的松弛问题以及不期望的输出。
虽然实现碳分配和减排的现实路径在不同行业有所不同，但公平和效率是普遍遵循的两大原则。
本研究选择人均农业总产值作为经济发展的代理变量，并将其纳入耕地利用碳减排公平性指数的计算。选择碳排放强度作为耕地利用碳减排效率指数的指标之一。
碳排放指因能源消耗而释放至大气中的二氧化碳。在这项研究中，我们使用IPCC清单中的特定能源系数。对于建筑用地，使用区域能源消耗数据和相应系数。
本文研究了耕地资源利用过程中，包括耕作、灌溉、施肥、施药、收获、废弃物处理等过程中人类活动直接或间接造成的碳排放。
从本质上讲，耕地利用是农业生产经营者充分利用耕地资源以获得社会、经济和生态效益的过程。这一定义意味着耕地利用的碳排放与整个农业生产过程密切相关。
耕地利用方式直接或间接影响碳排放。复种反映了耕地使用的强度和频率。复种指数的增加导致单位耕地面积农用化学品和化石燃料的消耗增加，从而增加了碳排放。
土地要素以耕地面积为表征，反映了农业生产的基本空间载体;劳动力因素以农业雇员的数量为特征，这代表了农业生产过程中必要的人力投入;资本因素以化肥、农药、农用薄膜和机械的消耗为特征，与农业生产效率高度相关，是耕地利用碳排放的重要来源。第二，合意产出是指耕地利用所产生的经济效益，因此以农业总产值为特征。最后，不可预期产出代表了耕地利用过程中产生的负面环境效应，在本研究中以耕地利用的碳排放为特征。
研究分析了耕地利用碳排放强度的主要驱动因素，指出稻田面积比例、复种指数、有效灌溉面积比例、农业化学化程度和农业机械总动力是影响碳排放强度的关键因素。这些因素的变化直接影响了碳排放的强度和总量。
本研究开发了基于Bi-LSTM的深度学习模型，以六个影响因素准确模拟碳排放，模型预测精度达到最高值0.864，展示了该模型在捕捉时空动态方面的强大能力。
构建了碳排放减排潜力指数，研究了不同情景下耕地利用的减排潜力。结果显示，江苏省在三种偏好情景下的减排潜力最高（分别达到0.880、0.861和0.900），而青海省的减排潜力最低，体现了区域间的显著差异。
耕地既是碳源也是碳汇，对碳循环有直接和间接影响。中国在实现碳中和目标的过程中，必须重视耕地的低碳和可持续利用。
研究揭示了不同省份在碳排放减排潜力方面的差异，尤其是江苏省的高减排潜力使其在减排责任中扮演重要角色，而青海省则相对较低，提示政策制定应考虑地方特性。
研究结果为未来的低碳土地利用管理和政策发展提供了参考，强调通过新技术、政策和管理工具，农业系统有潜力帮助中国实现碳达峰与碳中和目标，尤其是在区域差异的基础上制定更有针对性的政策。
图2. 2000 - 2020年耕地利用碳排放及其年增长率。
图3. 2000 - 2020年耕地利用碳排放强度及其年增长率。
图4. 2000 - 2020年耕地利用强度与碳排放空间分布。由于缺乏数据，中国香港、澳门和台湾未被纳入分析。
图5. 司机的重要性排名。* 、**、* 分别表示10%、5%、1%水平的显著性。
图6. 碳排放强度驱动因素的单变量偏相关图。
图7. 碳排放驱动因素的二元偏相依图。
图8. 各省耕地利用碳排放影子价格。
图9. 分省耕地利用碳减排效率与公平性分类研究。
图10. 耕地利用碳减排效率与公平类别的空间分布。
图11. 与以往研究成果的比较。
表2. 全国耕地利用碳排放核算结果（104吨C）。
表3. 不同偏好情景下耕地利用碳减排潜力指数。
E N D
获取方式：关注我们的微信公众“地学韦丰吉司长”。后台回复关键字“31英文”，即可直接获取原文PDF。
温馨提示
声明：本推送文章来源于公开渠道，我们已注明相关信息来源，版权归原作者或出处所有。本推文仅用于学术交流和信息分享，无商业用途。如有侵权，请联系删除。
以上内容为韦丰小编个人论文阅读笔记，内容摘录自原文，中文翻译部分源自AI，如有翻译不准确或详细内容请查阅原始文献。感谢大家花时间阅读本文，小编水平有限，如有错误之处，敬请指正！
