湖北省农业碳排放的时空特征及经济关联性

2020-01-14李波杜建国刘雪琪

中国农业科学 2019年23期

李波，杜建国，刘雪琪

湖北省农业碳排放的时空特征及经济关联性

李波1,2，杜建国1，刘雪琪1

（1中南民族大学经济学院，武汉 430074；2湖北全面小康建设研究院，武汉 430074）

【】湖北省是农业大省，农业生产的碳排放在总碳排放中占据较大的比重，碳排放所带来的温室效应和农业生产导致的面源污染等环境问题不容忽视。基于此，通过分析农业经济增长和农业碳排放之间的协整关系，并对其进行误差修正，为湖北省未来的碳减排工作的开展提供重要的理论依据和参考。基于6个主要方面碳源，测算了1993－2017年湖北省农业生产活动所导致的碳排放量，并分析农业碳排放的时空特征。进一步通过Kernel密度估计发现，湖北省各地市州农业碳排放的地区差距。最后，综合运用协整理论及误差修正模型，实证湖北省农业经济增长与碳排放之间的关系。湖北省农业碳排放总量和强度均呈现先升后降的趋势，年均增长率分别为2.32%、2.21%，从总体来看环比增速呈现下降的趋势。农药、农膜、化肥、农用柴油、翻耕和农业灌溉等所产生碳排放年均递增率分别为2.23%、2.44%、2.40%、3.32%、0.44%和2.32%；通过Kernel密度估计发现，在此样本考察期间内湖北省各地市州农业碳排放的地区差距有明显的扩大。湖北省农业碳排放与农业经济增长存在协整关系的有：农业碳排放总强度，农药、农膜、农用柴油和灌溉等4类碳源导致的碳排放强度，且当湖北省人均农业总产值每增加1%时，农药、农膜、农用柴油和农业灌溉等4类碳源的碳排放强度分别增加了0.58%、0.59%、0.25%和0.15%，农业碳排放总强度便增加0.19%。湖北省农业经济发展、生产条件和地区发展战略不同，而导致地区间的农业碳排放差距越来越明显。农业经济增长与农业碳排放存在长期稳定关系，这表明湖北省还处于传统耕作模式向绿色低碳耕作模式转型的关键期，并且这种发展模式已存在较长时间。

农业经济增长；农业碳排放；Kernel密度估计；协整；湖北省

0 引言

【研究意义】如今，随着湖北省农业生产大量使用农药、化肥和农膜等农用物资，再加上农业生产逐渐机械化，使用了大量的柴油，严重影响着湖北省的生态环境，且给湖北省农业的可持续发展带来巨大的压力。农业碳排放和农业经济发展之间存在着辩证统一的关系：一方面，随着大量使用农业机械，农业柴油的使用量急剧增加，从而产生了大量的碳排放；另一方面，随着农业碳减排技术的快速发展和普及，促进了农业的碳减排。湖北省是农业大省，农业生产的碳排放在总的碳排放中占据了较大的比重，碳排放所带来的温室效应和农业生产导致的面源污染等环境问题不容忽视。基于此，通过分析农业碳排放的经济关联性，这对湖北省将来的碳减排工作的开展，提供了重要的理论依据和参考。【前人研究进展】近些年来，对碳排放影响经济增长的研究越来越多，国内采用以下几种方法进行研究：对碳排放与经济发展进行EKC检验，得出碳排放强度与人均GDP的EKC曲线具有倒“U”形状[1-3]；构建Cobb-Douglas生产函数模型，并将能源作为新的变量引入，通过建立向量自回归模型，发现经济增长与能源消耗之间存在的关系[4-6]；测算了湖北省农业碳排放并采用LMDI模型进行因素分解，结果显示经济因素则推动了农业碳排放的快速上升，这表明经济与农业碳排放存在一定的关系[6-9]；运用EKC模型对农业经济增长与农业碳排放之间的关系进行分析，并利用Kaya方法对因素进行分解，发现农业碳排放最主要的驱动因素是经济增长，并且碳排放与农业经济增长之间存在非均衡的“N”型曲线关系[10-12]。而国外对经济增长与碳排放之间关系的研究有：COLE[13]、ALEXANDRA[14]和SOONAE[15]等发现碳排放量和收入分配之间符合库兹涅茨曲线。ACIL[16]和RUBEN等[17]对各个国家的农业碳排放进行了测算，发现各个国家的农业生产方式不同，从而对经济的影响也不同。COONDOO等[18]从格兰杰因果关系的角度分析了人均收入之间和碳排放量的关系，研究结果表明不同国家的人均收入和碳排放量之间存在不同的因果关系。【本研究切入点】目前，农业经济发展进入新常态，但农业减排形势依旧严峻。农业经济增长与农业碳排放之间存在着十分密切的关系，既不能只顾发展农业经济而破坏生态环境，也不能一味的强调保护环境，为了减排而放弃了农业经济发展。所以要协调经济增长与农业碳排放之间的关系，才能保证社会经济环境的可持续发展。从现有的文献来看，我国对农业碳排放的大部分研究都是运用全国的数据进行分析，研究范围较大，缺少针对性，并且仅仅局限于简单的时间序列数据分析。【拟解决的关键问题】本文主要以湖北省的农业碳排放为主要的研究对象，在分析湖北省碳排放时空特征的基础上，通过Kernel密度估计模型分析农业碳排放的时空演进趋势，再运用协整理论与误差修正模型，对湖北省经济增长与农业碳排放的关联性进行了实证分析，揭示农业碳排放与经济增长的内在效应机理，为湖北省农业减排的政策制定提供参考依据，对于加快湖北省农业转型升级和促进农业高质量发展具有一定的指导意义。

1 研究方法与数据来源

1.1 农业碳排放量的测算方法

一般来说，农业碳排放是指农业（本文指种植业）生产中所直接或者间接产生的温室气体的排放[19]。JOHNSON[20]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，其结果表明农业活动产生的碳排放量约相当于2.25亿t当量CO2。通过参考和归纳相关文献，本文将农业碳排放的碳源分为以下6个方面，分别包括源自于农药、化肥、农膜、农用柴油等农用物资的大量使用；翻耕等引发的有机碳流失；农业灌溉所消耗的电能。根据上述种类，可以列出农业碳排放的估计公式如下：

= ∑E= ∑T×δ（1）

式中，表示农业碳排放总量，E表示各类农业碳源的碳排放量，T表示各农业碳源的消耗量，δ表示各农业碳源的碳排放系数，具体见表1。

表1 农业碳排放系数及来源

1.2 协整理论与误差修正模型（ECM模型）

变量之间有着长期的稳定关系，即它们之间是协整的[23]。由于在长期中经济变量之间可能存在一种稳定关系，但在短时间内这一种长期稳定关系也许会被打破。在1987年ENGLE和GRANGER针对这类问题提出了Ganger表述定理，利用协整分析变量之间所存在协整关系（即长期稳定关系），并且用这种协整关系构建出误差修正项，将短期波动和误差修正项相联系，对短期失衡部分做出修正，为非平稳序列的建模提供了一个新途径[24]。

在误差修正模型中，协整关系可以表示为如下模型：

y=α+1y-1+0x+β1x1+μ（2）

式中，和均为同阶单整序列，并且和存在协整关系，可以将公式（2）改写，得到公式（3）：

Δy=0Δx-(1-1)(y-1-0-1x1)+μ（3）

式中，0=(1-1)，1=(0+1)/(1-1)，则公式（3）称为一阶误差修正模型。其中0代表影响参数；反馈效果表示为（11）；0和1是长期反映系数[25]。误差修正模型反映了变量的长期均衡对短期波动的影响。

本文用计量检验及建模均由EVIEWS 8.0系统软件完成，采用EG两步法（即恩格尔-格兰杰检验）对时间序列进行协整检验。数据方面，本文选取碳排放强度数据（即单位面积农业碳排放），其中包括总碳排放强度以及化肥、农药、农膜、农用柴油、翻耕以及农业灌溉等的碳排放强度；研究湖北省农业经济增长与农业碳排放之间的关系，也就是研究农业生产的公平与效率之间关系[26-28]。基于此，分析中将采用能反映湖北省农业经济发展水平的人均农业总产值指标。

其中，表示湖北省人均农业总产值，表示碳排放强度，表示化肥，表示农膜，表示农药表示翻耕，表示农业灌溉，表示农用柴油，表示时间序列。为了更好的反映数据之间的关系，提高模型精度，增加可靠性，对碳排放量和人均农业总产值分别取对数，记为：

ln=ln(r)

ln=ln(qd)

ln=ln(hf)

ln=ln(nm)

ln=ln(ny)

ln=ln(cy)

ln=ln(fg)

ln=ln(gg)

为了防止“伪回归”现象出现，运用ADF检验对时间序列进行平稳性检验，它是对以下3个模型分别顺序进行t检验：

式中，为截距项，且为常数，βt为时间趋势项，ε独立同分布，且服从正态分布，Δy为因变量的滞后差分项，其中为滞后阶数。公式（4）代表均不含截距项和时间趋势0，公式（5）代表不含时间趋势项0但含截距项，公式（6）表示含截距项和时间趋势项0。

1.3 Kernel密度估计

用来估计概率密度函数的非参数方法被称为核密度估计，此方法利用一个移动的核函数在每个数据点上，然后将核密度函数的作用效果叠加起来，形成平滑的峰值函数来拟合观察值，避免了由模型的设定造成观察值和实际值之间的偏误，对真实的概率分布曲线进行估计[29-31]。设随机变量的密度函数为()，点的概率密度函数为：

本文设为碳排放量，代表观测对象的个数，K(·)代表核函数（积分为1且均值为0）。代表带宽，是反映核密度估计曲线的平滑程度的，越大，核密度估计曲线越平坦，越小，核密度估计曲线越陡峭。所以带宽的选择应该满足以下公式：

（8）

核函数是一种平滑函数，Kernel 密度函数有多种形式，主要分为三角核函数、四次核函数、Epanechnikov核函数、Gaussian核函数等类型[32]。本文为了更好地分析中国的农地利用净碳排放的分布动态演变趋势，采用Gaussian核函数模型如下：

1.4 数据来源与整理

本文所使用的化肥、农药、农膜、柴油、农业总产值、有效灌溉面积、农作物面积和总人口数据来自1994—2018年《湖北统计年鉴》、《中国农村统计年鉴》和湖北省土地利用变更调查数据。化肥、农药、农膜和农用柴油均以湖北省实际使用量为准，农业灌溉面积数据采用有效灌溉面积数据，翻耕面积数据采用湖北省农作物的总面积。农业总产值以2005年为不变价，计算的实际农业总产值，再折算湖北省人均农业总产值。

1.5 研究思路

研究将分为3个步骤：（1）数据准备；（2）模型估计，分为时间差异分析、空间差异分析和经济关联性分析；（3）结果。具体如图1所示。

2 结果

2.1 湖北省农业碳排放特征分析

根据上面给出的碳排放测算公式，测算1993—2017年湖北省农业碳排放量。结果表明湖北省农业碳排放量从1993年的236.48万t增长到2017年的419.73万t，年平均递增2.21%。总体上，1993—2012年湖北省碳排放总量为波动上升，2012年湖北省农业碳排放总量达到，最大值470.75万t，2012—2017年为缓慢下降阶段。其中，化肥、农药、农膜、柴油、翻耕和农业灌溉的年平均递增分别为2.23%、2.44%、2.40%、3.32%、0.44%和2.32%。（图2）。

总体来说，从1993到2017年碳排放总量是呈上升后下降趋势，在1993—1997年急速上升，但在1998—2001年由于湖北省遇到了百年一遇的特大洪灾，全省农业受到极大的冲击，有小幅度的下降但后面增速又有所回升，到了2012年以后为平稳下降。从碳排放强度来看，总体上是呈升-降的趋势，特别是在2009年后碳排放强度大幅下降，正因为2009年我国“十二五”规划提出：五年期间全国碳排放强度下降17%。由此可以看出湖北省也越来越重视绿色发展，大力推行绿色生产方式，不断加大农业环境治理力度，增强农业绿色发展能力，碳排放总量和强度增速有所放缓，但还需进一步出台并落实更为有效的农业减排措施。

由图2可知，1993—2012年化肥、农药、农膜、农用柴油、翻耕和农业灌溉等6类碳源所产生的碳排放量在都呈现逐渐上升的趋势，其中柴油的涨幅较为剧烈，主要的原因是农业的机械化，大量使用机械来进行农业活动，从而导致柴油的使用量不断上升；化肥对农业碳排放的贡献最大，占了总的碳排放的一半多，这说明大量使用化学制品虽然提高了产量但是会加大碳排放，因此要优化对化学制品的使用，提高利用效率，不断推进清洁生产，有机肥替代化肥，有序推进湖北省农业绿色发展实验示范区建设。2012年后6类碳源所产生的碳排放量均呈现不同程度的下降趋势，一方面，说明湖北省不断提高农业生产的质量和效率，重视农资的合理利用，在一定程度上抑制了碳排放的增长；另一方面，反映出湖北省正在逐步重视农业低碳化、生态化发展，尤其是化肥农药零增长行动取得了阶段性成果。从农业碳排放总量的环比增速来看，湖北省农业碳排放环比增速和碳排放的强度自2012年呈现下降的趋势，从1993年的697.02×104t·hm-2的碳排放强度上升到2012年的1 388.61×104t·hm-2（最大值），随后出现较为缓慢的下降，碳排放强度虽有下降，但碳排放强度的年增长率仍然为2.21%。这表明湖北省低碳农业存在广阔的发展空间，尤其是在低碳农业生产方式方面拥有巨大的发展潜力。

图1 研究框架图

图2 1993—2017年湖北省农业碳排放量

2.2 湖北省农业碳排放的演进趋势分析

本文基于2005—2017年湖北省17个地（市，州）农业碳排放的面板数据对湖北省农业碳排放的时空演进趋势进行分析，系统地考察湖北省农业碳排放的地区差距和动态分布演进。图3为湖北省各地市州的碳排放总量在2008、2011、2014和2017年的Kernel密度曲线。

图3 湖北省农业碳排放趋势

由图3可知，从具体来看，对比2008年，2011年的Kernel密度函数峰值明显下降，波峰变宽，分布曲线的右尾有明显向外延伸并且有所抬升，这说明在考察期内湖北省的农业碳排放的地区差距有明显的扩大；对比2011年，2014年的密度函数峰值有明显上升的趋势，分布曲线的左尾有微弱的向里移动，分布曲线的右尾呈现下降趋势，变化区间基本上没有发生变化，这表明在此考察期间内湖北省的农业碳排放的地区差距有变小的趋势，但并不显著；与2014年相比，2017年的分布曲线明显右移，且峰值下降，波峰明显变宽，分布曲线右尾抬升，表明此期内湖北省的农业碳排放的地区差距有明显的扩大。

从整体来看，Kernel密度函数的峰值先出现“降-升-降”趋势，整体上波峰是变平缓的，密度函数变化区间由宽变窄，分布曲线左尾向右移，右尾呈现明显向外延伸的趋势，整体上分布曲线逐渐向右移动，这表明在此样本考察期间内湖北省各地市州农业碳排放的地区差距有明显的扩大。总的上来说，湖北省地区之间农业碳排放的差距虽有波动，但湖北省农业碳排放的地区差距总体趋势是在不断扩大的。这可能一是因为鄂东、鄂中、鄂西地形不同影响了农业的发展，鄂东和鄂西以山地和丘陵为主，而鄂中位于江汉平原地区适宜发展农业，所以农业较为发达，农业碳排放也就相对较多；二是因为鄂东、鄂中和鄂西农业经济发展程度不一致，鄂中和鄂东农业经济较为发达，农业技术较鄂西先进，导致农业碳排放水平差距不断加大；三是为因地制宜的发展，湖北省在2008年提出建设“鄂西生态文明旅游圈”，大力发展旅游业，而鄂东和鄂中是武汉城市圈的核心地区，大力发展经济，这样使得湖北省各地市州农业碳排放的地区差距越来越大。

2.3 湖北省农业碳排放与经济发展的协整关系检验

首先对各变量进行单根检验，检验变量之间的平稳性，若平稳则进行协整回归，进一步对变量之间的协整关系进行检验，即对回归方程的残差进行单根检验，若残差序列的非平稳的，则变量之间不存在协整关系；若残差序列是平稳的，则说明方程的因变量和自变量之间存在协整关系，即长期稳定关系。然后对存在协整关系的变量进行误差修正，即将协整回归中的误差项看做均衡误差，通过对短期非均衡状态进行调整，提高模型的可靠性。

通过采用EG两步检验法，分别对湖北省人均农业总产值、碳排放强度、化肥、农膜、农药、翻耕、农业灌溉以及农业柴油等时间序列进行单位根检验，检验平稳性的结果如表2所示。

ln、ln、ln原序列是稳定序列，ln、ln、ln和ln经过一阶差分后达到平稳，为一阶单整序列，ln为二阶单整序列。为了验证各碳排放指标强度可能存在的协整关系，按长期趋势方程：lny=+lnr+ɛ对各碳排放指标强度进行对数线性回归，回归的结果如表3。

表2 变量的ADF单位根检验

D表示一阶差分。（C,T,K）中C表示在ADF检验中是否含有截距项，T表示是否含时间趋势项，L为最优滞后阶数

DDenotes the first-order difference. C in (C, T, K) indicates whether the intercept term is included in the ADF unit root test, T indicates whether the time trend term is included, and L is the optimal lag order

表3 农业碳排放强度对经济增长的对数线性回归结果

然后在对农业碳排放强度对经济增长的对数线性回归得出的残差进行ADF单位根检验，即得到表4。

由表4可以看出，在10%的检验水平下，化肥和翻耕的残差序列是不平稳的，即化肥、翻耕和人均农业总产值之间不存在协整关系，后面便不考虑相关序列。根据Granger协整定理，可以得出湖北省农业经济增长与总碳排放强度、农药碳排放强度、农膜碳排放强度、农用柴油碳排放强度和农业灌溉碳排放强度之间存在协整关系，得到的协整向量分别为（4.044588，0.400699）、（1.280000，0.367696）、（0.613811，0.372047）、（-1.592469，0.660435）、（-0.180667，0.225756）。因为变量之间具有协整关系这说明变量之间存在一种长期稳定的关系，鉴于此基本可以推断出湖北省还处于传统耕作模式向绿色低碳耕作模式转变的关键期，并且这种发展模式已存在较长时间，这与湖北省农业发展的历史情况基本相符合。

表4 残差序列的ADF单位根检验结果

建立相应的误差修正项ECM如下。

碳排放强度-经济增长ECM项：

(ln)=lnqd-4.044588-0.400699lnr

农药使用碳排放强度-经济增长ECM项：

(ln)=lnny-1.280000-0.367696lnr

农膜使用碳排放强度-经济增长ECM项：

(ln)=lnnm-0.613811-0.372047lnr

柴油使用碳排放强度-经济增长ECM项：

(ln)=lncy+1.592469-0.660435lnr

灌溉的碳排放强度-经济增长ECM项：

(ln)=lngg+0.180667-0.225756lnr

遵循动态经济计量学的“一般到特殊”的建模思想，先设定农业经济增长和农业碳排放强度（设滞后阶数为2）的自回归分布滞后模型如下：

lny=α0+α1lny1+α2lny2+α3lnr+α4lnr1+α5lnr-2+ɛ

逐次剔除不显著的变量，得到：

ln=1.468503+0.434191lnqd1+0.409156lnqd2+0.194127lnr-0.241570lnr2

2=0.966856=2.113440=131.2700=0.000

ln=2.275572+0.307667lnny+0.578338lnr-0.507051lnr

2=0.526166=1.095332=7.032819=0.002262

ln=1.680944+0.588740lnr

2=0.730201=1.629285=62.24868=0.000

ln=-0.582728+0.619506lncy1+0.251008lnr

2=0.981865=1.518428=568.4820=0.000

ln=-0.377167+0.458452lngg1+0.159081lnr

2=0.776455=1.769775=40.94384=0.000

对湖北省农业经济发展与农业碳排放强度进行误差修正，修正结果如下：假如湖北省人均农业总产值每增加1%，农药碳排放强度、农膜碳排放强度、农用柴油碳排放强度以及农业灌溉碳排放强度分别增加0.58%、0.59%、0.25%和0.15%，农业碳排放总强度增加0.19%。

3 讨论

大多数研究中国农业碳排放的关联性，研究相对较为抽象和笼统，不具有针对性，而不同地区的农业碳减排现状不一样，减排潜力也有所不同，本文针对湖北省农业碳排放的时空特征，根据湖北省实际情况，从化肥、农药、农用薄膜、柴油、翻耕和农业灌溉6大碳源来测算湖北省农业碳排放，构建农业碳排放指标衡量体系，从整体上定量把握了湖北省低碳农业发展现状，并且结合湖北省低碳农业发展的现实，进一步分析湖北省农业碳排放总量、强度及6类碳源碳排放变化的原因。

对现有的有关农业碳排放的经济关联性研究进行补充，目前研究多使用的数据主要局限于时间序列数据或截面数据，本文使用面板数据利用Kernel密度估计对农业碳排放进行动态分布与趋势演变，不仅限于静态分析，而是采用多角度动态分析。

运用协整理论与误差修正模型，对湖北省经济增长与农业碳排放的关联性进行了实证分析，定量揭示湖北省农业碳排放及与经济增长关系，深入剖析湖北省农业碳排放存在的问题和对策，研究具有较强针对性，对于推进湖北省农业供给侧结构性改革，加快实施农业转型升级和高质量发展具有一定的实践指导意义。

研究也具有一定的局限性，虽然探索了湖北省农业碳排放与经济的关联性，但并没有深入研究如何合理的平衡湖北省农业经济发展和农业碳减排之间的关系，后续研究需要对上述问题进行深入的探讨。

4 结论

4.1 近些年，湖北省农业碳排放总量、强度和6类碳源碳排放均出现不同程度的下降趋势，这说明湖北省逐步重视农业低碳化、生态化发展，并取得阶段性成果。

4.2 湖北省各地市州农业碳排放的地区差距有明显的扩大，可能因为农业经济发展、生产条件和地区发展战略不同而导致地区间农业碳排放差距越来越明显。

4.3 湖北省农业经济增长与农业碳排放总强度，与农药、农膜、农用柴油和农业灌溉的碳排放强度之间存在长期稳定关系。湖北省人均农业总产值每增加1%，农药、农膜、农用柴油和农业灌溉的碳排放强度分别增加0.37%、0.59%、0.25%和0.09%，农业碳排放总强度增加0.19%。

[1] 李波, 张俊飚, 李海鹏. 中国农业碳排放时空特征及影响因素分解研究. 中国人口·资源与环境, 2011, 21(8): 80-86.

LI B, ZHANG J B, LI H P. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China., 2011, 21(8): 80-86. (in Chinese)

[2] 张滨, 吕洁华. 温室气体排放的环境库兹涅茨曲线检验与减排路径的冲击动态——基于黑龙江省统计核算数据. 气候变化研究进展, 2019, 15(1): 84-94.

ZHANG B, LÜ J H. EKC inspection and dynamic impact of emissions reduction paths for greenhouse gas emissions-based on statistical data in Heilongjiang province., 2019, 15(1): 84-94. (in Chinese)

[3] 丁宝根, 杨树旺. 抚州市碳排放的EKC检验及驱动因素分析. 资源与产业, DOI: 10.13776/j.cnki.resourcesindustries.20190110.013.

DING B G, YANG S W. EKC test and driver analysis of carbon emission in Fuzhou., DOI: 10.13776/j.cnki. resourcesindustries.20190110.013. (in Chinese)

[4] 赵丽霞, 魏巍贤. 能源与经济增长模型研究. 预测, 1998, 6(6): 32-34.

ZHAO L X, WEI W X. Energy and economic growth model research., 1998, 6(6): 32-34. (in Chinese)

[5] 雷达, 陈志华, 邓建强. 能源化工循环经济中类Cobb-Douglas生产函数简化及资源优化分配. 系统工程理论与实践, 2014, 34(3): 683-690.

LEI D, CHEN Z H, DENG J Q. Simplification of quasi-Cobb- Douglas production function and the optimization of resources distribution for circular economy., 2014, 34(3): 683-690. (in Chinese)

[6] 田云, 张俊飚, 李波. 中国农业低碳竞争力区域差异与影响因素研究. 干旱区资源与环境, 2013, 27(6): 1-6.

TIAN Y, ZHANG J B LI B. Research on regional difference and affecting factor on competitiveness of agricultural low-carbon in China., 2013, 27(6): 1-6. (in Chinese)

[7] 张明志. 经济增长与产业结构变动的碳排放效应研究[D]. 济南: 山东大学, 2017.

ZHANG M Z. A research on carbon emission effect of economic growth and the changes of industrial structure[D]. Jinan: Shandong University, 2017. (in Chinese)

[8] 李波, 刘雪琪, 梅倩, 王昆. 湖北省农地利用方式变化的碳效应特征与空间差异. 中国人口·资源与环境, 2018, 28(10): 62-70.

LI B, LIU X Q, MEI Q, WANG K. Study on carbon effects and spatial differences based on changes of agricultural land use in Hubei Province., 2018, 28(10): 62-70. (in Chinese)

[9] 何炫蕾, 陈兴鹏, 庞家幸. 基于LMDI的兰州市农业碳排放现状及影响因素分析. 中国农业大学学报, 2018, 23(7): 150-158.

HE X L, CHEN X P, PANG J X. Analysis on the status and influencing factors of agricultural carbon emissions in Lanzhou based on LMDI., 2018, 23(7): 150-158. (in Chinese)

[10] 李国志, 李宗植, 周明. 碳排放与农业经济增长关系实证分析. 农业经济与管理, 2011, 4(8): 34-39.

LI G Z, LI Z Z, ZHOU M. Empirical analysis on relationship between carbon emissions and agricultural economic growth., 2011, 4(8): 34-39. (in Chinese)

[11] 赵杨, 严良政, 窦应瑛. 基于Kaya模型的大连市农业CO2排放影响因素分解研究. 环境科学导刊, 2016, 35(2): 21-26.

ZHAO Y, YAN L Z, DOU Y Y. Study on resolution of factors influencing agricultural CO2emission of Dalian based on Kaya model., 2016, 35(2): 21-26. (in Chinese)

[12] 赵先超, 宋丽美.湖南省农地利用碳排放与农业经济关系研究. 生态与农村环境学报, 2018, 34(11): 976-981.

ZHAO X C, SONG L M. Carbon emission from agricultural land use and its relationship with agricultural economy in Hunan Province., 2018, 34(11): 976-981. (in Chinese)

[13] COLE M A. Development, trade, and the environment: how robust is the Environmental Kunzets Cuvre., 2003(8): 557-580.

[14] ALEXANDRA L. Corruption and the environmental Kuznets Curve: Empirical evidence for sulfur., 2010, 69(11): 2191-2201.

[15] SOONAE P, YOUNGMI L. Regional model of EKC for air pollution: Evidence from the Republic of Korea., 2011, 39(10): 5840-5849.

[16] ACIL T P L. Agriculture and GHG mitigation policy: Options in addition to the CPRS. South Wales: Industry & Investment NSW, 2009.

[17] RUBEN N L, ANDREW J P, ROBERT N S. Land-use change and carbon sinks: Econometric estimation of the carbon sequestration supply function., 2005, 51(2): 135-152.

[18] COONDOO D, DINDA S. Causality between income and emission: a country group-specific econometric analysis., 2002, 40: 351-367.

[19] 李波, 张俊飚, 徐卫涛. 我国循环农业发展时空差异及制约因素分析. 华中农业大学学报(社会科学版), 2010(4): 21-26.

LI B, ZHANG J B, XU W T. Analysis on spatial and temporal differences and constraints of circular agriculture development in China., 2010(4): 21-26. (in Chinese)

[20] JOHNSON J M F. Agricultural opportunities to mitigate greenhouse gas emissions., 2007, 150: 107-124.

[21] 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., 2002, 91: 217-232.

[22] DUBEY A, LAL R. Carbon footprint and sustainability of agricultural production systems in Punjab, India and Ohio, USA., 2009, 23: 332-350.

[23] 李晋. 基于误差修正模型的河南省新型城镇化与经济增长关系研究. 河南大学学报(社会科学版), 2016, 56(6): 29-33.

LI J. Error correction based research on the relationship between new urbanization and economic growth in Henan province., 2016, 56(6): 29-33. (in Chinese)

[24] 王巧英, 刘耘沁, 刘海媛. 中国固定资产投资与经济增长的关系——基于协整与误差修正模型的动态分析. 内蒙古统计, 2016(5): 12-16.

WANG Q Y, LIU G Q, LIU H Y. The relationship between China's fixed asset investment and economic growth-based on the dynamic analysis of co-integration and error correction models., 2016(5): 12-16. (in Chinese)

[25] 李中才, 王广成, 娄美珍. 中国生态足迹与经济增长的协整、误差修正模型及预测. 系统工程, 2007, 25(8): 63-67.

LI Z C, WANG G C, LOU M Z. A co-integration analysis and an error-correction model for ecological footprint and economy growth in China., 2007, 25(8): 63-67. (in Chinese)

[26] 吴贤荣, 张俊飚, 田云. 中国省域农业碳排放: 测算、效率变动及影响因素研究——基于DEA-Malmquist 指数分解方法与Tobit模型运用. 资源科学, 2014, 36(1): 129-138.

WU X R, ZHANG J B, TIAN Y. Provincial agricultural carbon emissions in China: calculation, performance change and influencing factors., 2014, 36(1): 129-138. (in Chinese)

[27] 张秀梅, 李升峰, 黄贤金. 江苏省1996 年至2007年碳排放效应及时空格局分析. 资源科学, 2010, 12(4): 768-775.

ZHANG X M, LI S F, HUANG X J. Effects of carbon emissions and their spatio-temporal patterns in Jiangsu Province from 1996 to 2007., 2010, 12(4): 768-775. (in Chinese)

[28] 徐国泉. 中国碳排放的因素分解模型及实证分析: 1995-2004. 中国人口·资源与环境, 2006(6): 158-161.

XU G Q. Decomposition model and empirical study of carbon emissions for China: 1995-2004., 2006(6): 158-161. (in Chinese)

[29] 田云, 张俊彪, 尹朝静, 吴贤荣. 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. 中国人口·资源与环境, 2014(7): 91-98.

TIAN Y, ZHANG J B, YIN Z J, WU X R. Distributional dynamics and trend evolution of China's agricultural carbon emissions-an analysis on panel data of 31 provinces from 2002 to 2011., 2014(7): 91-98. (in Chinese)

[30] 李波, 刘雪琪, 梅倩, 王昆.湖北省农地利用方式变化的碳效应特征与空间差异. 中国人口·资源与环境, 2018, 28(10): 62-70.

LI B, LIU X Q, MEI Q, WANG K. Study on carbon effects and spatial differences based on changes of agricultural land use in Hubei Province., 2018, 28(10): 62-70. (in Chinese)

[31] 吴贤荣, 张俊飚, 程文能. 中国种植业低碳生产效率及碳减排成本研究. 环境经济研究, 2017, 2(1): 57-69.

WU X R, ZHANG J B, CHENG W N. The efficiency and reduction cost of carbon emission in China's planting industry., 2017, 2(1): 57-69. (in Chinese)

[32] 张振龙, 孙慧, 苏洋. 中国西北干旱地区农牧业生态系统碳排放的空间分布与趋势演进. 生态学报, 2017, 37(16): 1-10.

ZHANG Z L, SUN H, SU Y. The spatial distribution and evolution trends of agricultural and animal husbandry carbon emissions in the northwest arid region of China., 2017, 37(16): 1-10. (in Chinese)

Spatial-Temporal Characteristics and Economic Relevance of Agricultural Carbon Emissions in Hubei Province

LI Bo1,2, DU JianGuo1, LIU XueQi1

(1School of Economics, South-Central University for Nationalities, Wuhan 430074;2Hubei Moderately Prosperous Society in all respects Construction Research Institute, Wuhan 430074)

【】Hubei Province is a large agricultural province, and the carbon emissions from agricultural production account for a large proportion of the total carbon emissions. Environmental problems such as greenhouse effect caused by carbon emission and non-point source pollution caused by agricultural production cannot be ignored. In this study, the co-integration relationship between agricultural economic growth and agricultural carbon emissions was analyzed, and the error correction was carried out, which provided an important theoretical basis and reference for the development of carbon emission reduction in Hubei Province. 【】Based on six kinds of main carbon sources from the agricultural inputting and production, the agricultural carbon emission load from 1993 to 2017 was calculated, and then the temporal and spatial characteristics of agricultural carbon emission in Hubei Province were analyzed. Furtherly, Kernel density estimation demonstrated that the regional gap of agricultural carbon emissions in Hubei province. Finally, the integrated use of co-order error correction model was discussed as an evidence of Hubei Province's agricultural economic growth and agricultural carbon emissions. 【】The total amount and intensity of agricultural carbon emissions in Hubei Province showed a trend of rising first and then later. The average annual growth rate of agriculture carbon emissions was 2.32%, while the average annual growth rate of intensity was 2.21%. The chain growth of which was general in the stage of decline. Fertilizers, pesticides, agricultural film, agricultural diesel, real tillage and agricultural irrigation as a result of carbon emissions, average annual increase rate was 2.23%, 2.44%, 2.40%, 3.32%, 0.44%, and 2.32%, respectively. Kernel density estimation demonstrated that the regional gap of agricultural carbon emissions in Hubei Province was widening. The integrated use of co-order error correction model was discussed as an evidence of Hubei Province's agricultural economic growth and agricultural carbon emissions. The results showed that: for every 1% increase in per capita agricultural output value, the total carbon intensity of pesticides, agricultural film, agricultural diesel, agricultural irrigation and other carbon sources of carbon emission intensity increased by 0.58%, 0.59%, 0.25% and 0.15%, respectively, and the total agricultural carbon intensity increased by 0.19%.【】Different agricultural economic development, production conditions and regional development strategies in Hubei Province led to more and more obvious agricultural carbon emission gap between regions. There was a long-term stable relationship between agricultural economic growth and agricultural carbon emission in Hubei Province, which indicated that Hubei Province was also in a critical period of transition from traditional farming mode to green and low-carbon farming mode, and this development mode had existed for a long time.

economic growth; agricultural carbon emissions; Kernel density estimation; cointegration; Hubei province