留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

中国农业碳排放效率空间关联网络结构及驱动因素研究

尚杰 吉雪强 石锐 朱美荣

尚杰, 吉雪强, 石锐, 朱美荣. 中国农业碳排放效率空间关联网络结构及驱动因素研究[J]. 中国生态农业学报 (中英文), 2022, 30(4): 543−557 doi: 10.12357/cjea.20210607
引用本文: 尚杰, 吉雪强, 石锐, 朱美荣. 中国农业碳排放效率空间关联网络结构及驱动因素研究[J]. 中国生态农业学报 (中英文), 2022, 30(4): 543−557 doi: 10.12357/cjea.20210607
SHANG J, JI X Q, SHI R, ZHU M R. Structure and driving factors of spatial correlation network of agricultural carbon emission efficiency in China[J]. Chinese Journal of Eco-Agriculture, 2022, 30(4): 543−557 doi: 10.12357/cjea.20210607
Citation: SHANG J, JI X Q, SHI R, ZHU M R. Structure and driving factors of spatial correlation network of agricultural carbon emission efficiency in China[J]. Chinese Journal of Eco-Agriculture, 2022, 30(4): 543−557 doi: 10.12357/cjea.20210607

中国农业碳排放效率空间关联网络结构及驱动因素研究

doi: 10.12357/cjea.20210607
基金项目: 国家社会科学基金后期资助项目(20FGLB059)资助
详细信息
    作者简介:

    尚杰, 研究方向为生态农业经济研究。E-mail: shangjie2005@126.com

    通讯作者:

    朱美荣, 研究方向为生态农业、农业循环经济。E-mail: heuzhumeirong@163.com

  • 中图分类号: F323.7

Structure and driving factors of spatial correlation network of agricultural carbon emission efficiency in China

Funds: The study was supported by the National Social Science Foundation of China (20FGLB059).
More Information
  • 摘要: 农业碳排放效率研究对于农业碳达峰、碳中和目标的实现具有重要意义, 现有研究缺乏基于关系数据和网络视角进行的农业碳排放效率研究, 制约了区域农业协同减排活动的开展。本研究基于关系数据和网络视角, 以2010—2019年中国大陆31个省(市、自治区)农业碳排放效率为研究对象, 以非期望产出的SBM模型测度其农业碳排放效率, 利用修改的引力模型构建农业碳排放效率空间关联网络引力矩阵, 应用社会网络分析法就空间关联网络的结构特征进行分析, 最后通过QAP模型就其驱动因素进行探索。研究表明: 1)在研究期间, 中国31省(市、自治区)农业碳排放效率提升较快, 由0.400增长至0.756, 增长88.8%, 但仍有一定改进空间, 且各省(市、自治区)间存在较大差距; 此外, 其空间效应在全国范围呈现空间关联网络特征。2)在研究期间内, 中国31省(市、自治区)农业碳排放效率空间关联网络的网络关联性增强, 网络内部森严的等级关系逐渐松散, 网络结构的稳定性得到较大提升; 且该空间关联网络形成了多个网络中心, 对空间关联网络的形成发挥了重要作用, 并对各省(市、自治区)农业碳排放效率产生影响和控制; 东部沿海地区是该空间关联网络空间溢出的主要目的地。3)交通运输水平差异和第一产业产值差异有利于推动空间关联网络的形成; 相似的居民人均收入和信息化水平以及相近的空间距离能够促进空间关联网络形成。为此, 中国农业碳排放效率具有空间关联网络特征, 相关政策措施应当考虑其空间关联网络结构及动因。
  • 图  1  2010—2019年中国31个省(市、自治区)农业碳排放效率空间网络拓扑图

    A: 安徽; B: 北京; C: 福建; D: 重庆; E: 甘肃; F: 广东; G: 广西; H: 贵州; I: 海南; J: 河北; K: 河南; L: 黑龙江; M: 湖北; N: 湖南; O: 吉林; P: 江苏; Q: 江西; R: 辽宁; S: 内蒙古; T: 宁夏; U: 青海; V: 山东; W: 山西; X: 陕西; Y: 上海; Z: 四川; β: 天津; α: 西藏; λ: 新疆; γ: 云南; θ: 浙江。A: Anhui; B: Beijing; C: Fujian; D: Chongqing; E: Gansu; F: Guangdong; G: Guangxi; H: Guizhou; I: Hainan; J: Hebei; K: Henan; L: Heilongjiang; M: Hubei; N: Hunan; O: Jilin; P: Jiangsu; Q: Jiangxi; R: Liaoning; S: Inner Mongolia; T: Ningxia; U: Qinghai; V: Shandong; W: Shanxi; X: Shaanxi: Y: Shanghai; Z: Sichuan; β: Tianjin; α: Tibet; λ: Xinjiang; γ: Yunnan; θ: Zhejiang.

    Figure  1.  Topologies of agricultural carbon emission efficiency in 31 provinces (cities, autonomous regions) of China from 2010 to 2019

    表  1  农业碳排放效率投入-产出指标体系

    Table  1.   Input-output indexes system of agricultural carbon emission efficiency

    一级指标 First indicator二级指标 Secondary indicator变量及说明 Variable and instruction
    投入指标
    Input index
    农业劳动力 Labour force 农业从业人员
    Number of employees in agriculture (×104person)
    土地 Land 农作物总播种面积
    Planting area of crops (hm2)
    化肥 Chemical fertilizer 化肥施用量
    Fertilizers consumption (×104 t)
    农药 Pesticide 农药使用量
    Pesticides usage (t)
    农膜 Agricultural film 农膜使用量
    Agricultural film consumption (t)
    农业机械动力
    Agricultural machinery power
    农业机械总动力
    Total power of agricultural machinery (×104 kW)
    灌溉 Irrigation 有效灌溉面积
    Effective irrigation area (hm2)
    期望产出指标
    Desirable output index
    农业总产值
    Total output value of agriculture
    农业总产值 (以2010年为基期)
    Total agricultural output value (based at 2010)
    非期望产出指标
    Undesirable output index
    农业碳排放量
    Agricultural carbon emissions
    农业碳排放
    Agricultural carbon emissions (t)
    下载: 导出CSV

    表  2  块模型中农业碳排放效率板块属性分类

    Table  2.   Classification of agricultural carbon emission efficiency plate attributes in the block model

    位置内部的关系比例
    Proportion of relationships within the location
    位置接收到的关系比例
    Proportion of relationships received by this position
    $ \approx 0 $$ > 0 $
    $ \geqslant \left( {{g_k} - 1} \right)/\left( {g - 1} \right) $ 双向溢出板块 Two-way overflow plate 净受益板块 Net benefit plate
    $ < \left( {{g_k} - 1} \right)/\left( {g - 1} \right) $ 净溢出板块 Net overflow plate 经纪人板块 Broker plate
      gk表示板块内的成员数量, g表示整个网络关系中成员数量。gk is the mumbers number within the block. g is the mumbers number within the network relationship.
    下载: 导出CSV

    表  3  2010—2019年中国31个省(市、自治区)农业碳排放效率

    Table  3.   Agricultural carbon emission efficiency in 31 provinces (cities, autonomous regions) of China from 2010−2019

    地区 Area 2010201120122013201420152016201720182019
    安徽 Anhui 0.250 0.264 0.284 0.289 0.307 0.324 0.340 0.366 0.380 0.402
    北京 Beijing 0.591 0.639 0.630 0.712 0.722 0.885 1.000 1.000 0.777 0.822
    福建 Fujian 0.522 0.548 0.573 0.579 0.604 0.643 0.721 0.822 0.903 1.000
    重庆 Chongqing 0.395 0.424 0.459 0.498 0.527 0.568 0.629 0.674 0.705 0.797
    甘肃 Gansu 0.285 0.290 0.306 0.312 0.321 0.337 0.390 0.465 0.536 0.655
    广东 Guangdong 0.516 0.545 0.562 0.587 0.616 0.639 0.696 0.766 0.898 1.000
    广西 Guangxi 0.359 0.392 0.430 0.447 0.475 0.503 0.525 0.571 0.639 0.723
    贵州 Guizhou 0.200 0.163 0.215 0.318 0.353 0.388 0.462 0.523 0.648 1.000
    海南 Hainan 0.586 0.589 0.602 0.628 0.647 0.677 0.745 0.787 1.000 1.000
    河北 Hebei 0.416 0.439 0.453 0.470 0.486 0.507 0.552 0.614 0.703 0.776
    河南 Henan 0.378 0.407 0.424 0.449 0.465 0.501 0.553 0.607 0.664 0.753
    黑龙江 Heilongjiang 0.315 0.319 0.315 0.321 0.338 0.359 0.370 0.381 0.404 0.465
    湖北 Hubei 0.378 0.409 0.430 0.456 0.477 0.515 0.573 0.638 0.714 1.000
    湖南 Hunan 0.386 0.420 0.413 0.416 0.436 0.468 0.498 0.534 0.578 0.653
    吉林 Jilin 0.329 0.338 0.342 0.371 0.379 0.386 0.419 0.460 0.489 0.556
    江苏 Jiangsu 0.454 0.479 0.502 0.526 0.551 0.583 0.596 0.630 0.655 0.700
    江西 Jiangxi 0.252 0.264 0.266 0.302 0.312 0.325 0.349 0.375 0.414 0.462
    辽宁 Liaoning 0.400 0.454 0.471 0.519 0.522 0.597 0.569 0.608 0.636 0.717
    内蒙古 Inner Mongolia 0.291 0.317 0.316 0.336 0.329 0.338 0.349 0.351 0.377 0.395
    宁夏 Ningxia 0.309 0.324 0.353 0.367 0.398 0.422 0.467 0.508 0.556 0.591
    青海 Qinghai 0.391 0.408 0.442 0.529 0.591 0.543 0.616 0.680 0.758 1.000
    山东 Shandong 0.401 0.425 0.440 0.475 0.505 0.543 0.598 0.667 0.743 0.822
    山西 Shanxi 0.277 0.302 0.319 0.331 0.346 0.352 0.396 0.461 0.486 0.517
    陕西 Shaanxi 0.458 0.515 0.541 0.586 0.643 0.697 0.771 0.823 0.865 1.000
    上海 Shanghai 1.000 1.000 1.000 0.878 1.000 0.747 0.642 0.743 1.000 1.000
    四川 Sichuan 0.468 0.503 0.532 0.559 0.586 0.607 0.715 0.764 0.863 1.000
    天津 Tianjin 0.415 0.453 0.466 0.510 0.542 0.602 0.680 0.826 0.910 1.000
    西藏 Tibet 0.155 0.159 0.029 0.171 0.188 0.192 0.191 0.129 0.146 0.170
    新疆 Xinjiang 0.576 0.592 0.603 0.592 0.535 0.604 0.650 0.746 0.872 1.000
    云南 Yunnan 0.180 0.195 1.000 0.217 0.233 0.261 0.287 0.326 0.382 0.455
    浙江 Zhejiang 0.483 0.500 0.497 0.506 0.535 0.564 0.654 0.745 0.846 1.000
    均值 Mean 0.400 0.422 0.459 0.460 0.483 0.506 0.549 0.600 0.663 0.756
    下载: 导出CSV

    表  4  2010—2019年中国31个省(市、自治区)农业碳排放效率空间关联网络整体特征指标

    Table  4.   Overall characteristic indexes of spatial correlation network in 31 provinces (cities, autonomous regions) of China from 2010−2019

    年份
    Year
    网络关系数
    Number of network relationships
    网络密度
    Network density
    网络关联度
    Network correlation
    网络等级度
    Network rank
    网络效率
    Network efficiency
    20101210.13010.4580.837
    20111280.13810.5010.825
    20121610.17310.5060.766
    20131820.19610.1250.743
    20141720.18510.4250.745
    20152030.21810.1810.708
    20162290.24610.3770.651
    20172130.22910.2340.685
    20182210.23810.1810.690
    20192110.22710.2930.692
    下载: 导出CSV

    表  5  中国31个省(市、自治区)农业碳排放效率空间关联网络结构中心性分析

    Table  5.   Structural central analysis of the spatial correlation network of agricultural carbon emission efficiency in 31 provinces (cities, autonomous regions) of China

    地区
    Area
    点度中心度
    Point center degree
    接近中心度
    Closeness center degree
    中介中心度
    Intermediation center degree
    点出数
    Point-out number
    点入数
    Point-in number
    中心度
    Center degree
    排序
    Order
    中心度
    Center degree
    排序
    Order
    中心度
    Center degree
    排序
    Order
    安徽 Anhui 4 6 23.333 25 25.210 13 0.338 25
    北京 Beijing 1 12 40.000 9 62.500 2 0.013 28
    福建 Fujian 13 11 53.333 4 26.087 10 12.534 3
    重庆 Chongqing 8 5 33.333 12 25.210 13 0.841 18
    甘肃 Gansu 7 9 43.333 8 26.549 9 4.641 8
    广东 Guangdong 8 3 26.667 19 21.898 24 0.435 22
    广西 Guangxi 8 3 26.667 19 21.898 24 0.435 22
    贵州 Guizhou 11 16 63.333 3 29.126 3 14.366 1
    海南 Hainan 6 7 26.667 19 24.590 16 4.161 9
    河北 Hebei 2 2 10.000 31 22.727 22 0.000 31
    河南 Henan 8 1 26.667 19 18.987 28 0.442 21
    黑龙江 Heilongjiang 8 1 26.667 19 3.444 30 0.013 28
    湖北 Hubei 9 7 36.667 11 25.424 12 2.513 15
    湖南 Hunan 7 2 23.333 25 24.000 17 0.031 27
    吉林 Jilin 9 2 30.000 16 3.448 29 0.886 17
    江苏 Jiangsu 5 13 46.667 7 27.778 7 3.434 11
    江西 Jiangxi 6 4 20.000 28 23.438 19 0.796 19
    辽宁 Liaoning 4 1 13.333 30 3.444 30 0.013 28
    内蒙古 Inner Mongolia 7 1 23.333 25 22.388 23 2.832 13
    宁夏 Ningxia 5 5 30.000 16 23.256 20 0.399 24
    青海 Qinghai 5 8 33.333 12 26.786 8 2.935 12
    山东 Shandong 8 3 26.667 19 22.901 21 6.272 6
    山西 Shanxi 5 12 46.667 6 28.037 6 13.336 2
    陕西 Shaanxi 8 7 40.000 9 25.641 11 4.061 10
    上海 Shanghai 7 18 66.667 2 29.126 3 8.631 5
    四川 Sichuan 9 3 30.000 16 25.210 13 2.805 14
    天津 Tianjin 1 26 86.667 1 88.235 1 0.720 20
    西藏 Tibet 6 1 20.000 28 19.481 27 0.153 26
    新疆 Xinjiang 10 5 33.333 12 23.622 18 8.941 4
    云南 Yunnan 10 2 33.333 12 21.127 26 1.437 16
    浙江 Zhejiang 6 15 53.333 4 28.302 5 4.921 7
    均值 Mean 6.806 6.806 35.269 25.802 3.333
    下载: 导出CSV

    表  6  中国31个省(市、自治区)农业碳排放效率空间关联板块划分

    Table  6.   Division of spatial correlation plates of agricultural carbon emission efficiency in 31 provinces (cities, autonomous regions) of China

    板块
    Plate
    地区
    Area
    接收关系数
    Number of received relationships
    发出关系数
    Number of issued relationships
    期望内部
    关系比例
    Expected
    internal
    relationship
    ratio (%)
    实际内部
    关系比例
    Actual
    internal
    relationship
    ratio (%)
    板块内
    Inside the
    plate
    板块外
    Outside the
    plate
    板块内
    Inside the
    plate
    板块外
    Outside the
    plate
    第1板块
    First plate
    安徽、江西、广东、重庆、云南、广西、贵州、
    河南、湖南
    Anhui, Jiangxi, Guangdong, Chongqing, Yunnan,
    Guangxi, Guizhou, Henan, Hunan
    11 34 11 68 26.667 13.924
    第2板块
    Second plate
    陕西、西藏、甘肃、山西、青海、宁夏
    Shaanxi, Tibet, Gansu, Shanxi, Qinghai, Ningxia
    5 37 5 31 16.667 13.889
    第3板块
    Third plate
    上海、福建、天津、北京、海南、湖北、江苏、
    浙江
    Shanghai, Fujian, Tianjin, Beijing, Hainan, Hubei,
    Jiangsu, Zhejiang
    16 93 16 32 23.333 33.333
    第4板块
    Fourth plate
    辽宁、内蒙古、黑龙江、山东、新疆、吉林、
    河北
    Liaoning, Inner Mongolia, Heilongjiang, Shandong,
    Xinjiang, Jilin, Hebei
    5 10 5 43 20.000 10.417
    下载: 导出CSV

    表  7  中国31个省(市、自治区)农业碳排放效率空间关联板块的密度矩阵和像矩阵

    Table  7.   Density matrix and image matrix of the spatial correlation plate of agricultural carbon emission efficiency in 31 provinces (cities, autonomous regions) of China

    板块 Plate密度矩阵 Density matrix像矩阵 Like matrix
    第1板块
    First plate
    第2板块
    Second plate
    第3板块
    Third plate
    第4板块
    Fourth plate
    第1板块
    First plate
    第2板块
    Second plate
    第3板块
    Third plate
    第4板块
    Fourth plate
    第1板块
    First plate
    0.122 0.033 0.788 0.043 0.000 0.000 1.000 0.000
    第2板块
    Second plate
    0.000 0.167 0.200 0.167 0.000 0.000 1.000 0.000
    第3板块
    Third plate
    0.287 0.188 0.286 0.000 1.000 0.000 1.000 0.000
    第4板块
    Fourth plate
    0.157 0.619 0.107 0.119 0.000 1.000 0.000 0.000
    下载: 导出CSV

    表  8  中国31个省(市、自治区)农业碳排放效率空间关联网络矩阵相关性分析

    Table  8.   Correlation analysis of the spatial correlation network of agricultural carbon emission efficiency in 31 provinces (cities, autonomous regions) of China

    GLKJSZBXPC
    GL1.000***
    K–0.0601.000***
    J0.120*0.416**1.000***
    S–0.220**0.448**0.0811.000***
    Z0.130*0.514***0.413**–0.0041.000***
    B0.146**–0.438***–0.197–0.510***0.1071.000***
    X0.0640.462***0.540***0.0500.709***0.1031.000***
    P0.129***0.5400.670***0.026**0.700*–0.0670.796**1.000***
    C0.222*–0.019***–0.117***0.073–0.047***–0.010–0.068***–0.073**1.000***
      GL: 中国31省(市、自治区)农业碳排放效率空间关联网络矩阵; K: 科技水平差异矩阵; J: 交通运输水平差异矩阵; S: 居民收入差异矩阵; Z: 第一产业产值差异矩阵; B: 第一产业比重差异矩阵; X: 信息化水平差异矩阵; P: 地区人口差异矩阵; C: 空间邻接矩阵。GL: spatial correlation network matrix of agricultural carbon emission efficiency in 31 provinces (cities and autonomous regions) of China; K: science and technology level difference matrix;
    J: transport-level difference matrix; S: resident income difference matrix; Z: difference matrix of the output value of the first industry; B: the proportion difference matrix of the first industry; X: information-level difference matrix; P: regional population difference matrix; C: spatial neighbor matrix. ***: P<0.01; **: P<0.05; *: P<0.1.
    下载: 导出CSV

    表  9  中国31个省(市、自治区)农业碳排放效率空间关联网络矩阵回归分析

    Table  9.   Regression analysis of spatial correlation network matrix of agricultural carbon emission efficiency in 31 provinces (cities, autonomous regions) of China

    非标准化系数
    Non-standardized coefficient
    标准化系数
    Standardization coefficient
    显著性
    Significance
    大比例
    Proportion as large
    小比例
    Proportion as small
    Intercept0.2000.000
    K–0.065–0.0730.2470.7540.247
    J0.1300.1560.0430.0430.958
    S–0.163–0.1790.0260.9740.026
    Z0.1130.1330.0980.0980.903
    B0.0580.0680.2280.2280.773
    X–0.141–0.1650.0750.9260.075
    P0.1100.1300.1590.1590.842
    C0.3030.2570.0000.0001.000
      GL: 中国31个省(市、自治区)农业碳排放效率空间关联网络矩阵; K: 科技水平差异矩阵; J: 交通运输水平差异矩阵; S: 居民收入差异矩阵; Z: 第一产业产值差异矩阵; B: 第一产业比重差异矩阵; X: 信息化水平差异矩阵; P: 地区人口差异矩阵; C: 空间邻接矩阵。GL: spatial correlation network matrix of agricultural carbon emission efficiency in 31 provinces (cities and autonomous regions) of China; K: science and technology level difference matrix;
    J: transport-level difference matrix; S: resident income difference matrix; Z: difference matrix of the output value of the first industry; B: the proportion difference matrix of the first industry; X: information-level difference matrix; P: regional population difference matrix; C: spatial neighbor matrix.
    下载: 导出CSV
  • [1] 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

    HUANG Z H, MI S H. Agricultural sector carbon footprint accounting: a case of Zhejiang, China[J]. Issues in Agricultural Economy, 2011, 32(11): 40−47, 111
    [2] 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(6): 752−755 doi: 10.3969/j.issn.1000-0275.2011.06.025

    TIAN Y, ZHANG J B, LI B. Research on spatial-temporal characteristics and factor decomposition of agricultural carbon emission based on input angle — taking Hubei Province for example[J]. Research of Agricultural Modernization, 2011, 32(6): 752−755 doi: 10.3969/j.issn.1000-0275.2011.06.025
    [3] 林而达. 气候变化与农业可持续发展[M]. 北京: 北京出版社, 2001

    LIN E D. Climate Change and Sustainable Development of Agriculture[M]. Beijing: Beijing Publishing House Group, 2001
    [4] 田云, 王梦晨. 湖北省农业碳排放效率时空差异及影响因素[J]. 中国农业科学, 2020, 53(24): 5063−5072 doi: 10.3864/j.issn.0578-1752.2020.24.009

    TIAN Y, WANG M C. Research on spatial and temporal difference of agricultural carbon emission efficiency and its influencing factors in Hubei Province[J]. Scientia Agricultura Sinica, 2020, 53(24): 5063−5072 doi: 10.3864/j.issn.0578-1752.2020.24.009
    [5] 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[J]. 中国人口·资源与环境, 2011, 21(8): 80−86 doi: 10.3969/j.issn.1002-2104.2011.08.013

    LI B, ZHANG J B, LI H P. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China[J]. China Population, Resources and Environment, 2011, 21(8): 80−86 doi: 10.3969/j.issn.1002-2104.2011.08.013
    [6] 田云, 张俊飚. 中国省级区域农业碳排放公平性研究[J]. 中国人口·资源与环境, 2013, 23(11): 36−44 doi: 10.3969/j.issn.1002-2104.2013.11.006

    TIAN Y, ZHANG J B. Fairness research of agricultural carbon emissions between provincial regions in China[J]. China Population, Resources and Environment, 2013, 23(11): 36−44 doi: 10.3969/j.issn.1002-2104.2013.11.006
    [7] 吴昊玥, 黄瀚蛟, 何宇, 等. 中国农业碳排放效率测度、空间溢出与影响因素[J]. 中国生态农业学报(中英文), 2021, 29(10): 1762−1773

    WU H Y, HUANG H J, HE Y, et al. Measurement, spatial spillover and influencing factors of agricultural carbon emissions efficiency in China[J]. Chinese Journal of Eco-Agriculture, 2021, 29(10): 1762−1773
    [8] ZHOU P, ANG B W, HAN J Y. Total factor carbon emission performance: a Malmquist index analysis[J]. Energy Economics, 2010, 32(1): 194−201 doi: 10.1016/j.eneco.2009.10.003
    [9] 王群伟, 周鹏, 周德群. 我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J]. 中国工业经济, 2010(1): 45−54

    WANG Q W, ZHOU P, ZHOU D Q. Research on dynamic carbon dioxide emissions performance, regional disparity and affecting factors in China[J]. China Industrial Economics, 2010(1): 45−54
    [10] 吴贤荣, 张俊飚, 田云, 等. 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[J]. 资源科学, 2014, 36(1): 129−138

    WU X R, ZHANG J B, TIAN Y, et al. Provincial agricultural carbon emissions in China: calculation, performance change and influencing factors[J]. Resources Science, 2014, 36(1): 129−138
    [11] LIN B Q, FEI R L. Regional differences of CO2 emissions performance in China’s agricultural sector: a Malmquist index approach[J]. European Journal of Agronomy, 2015, 70: 33−40 doi: 10.1016/j.eja.2015.06.009
    [12] 吴昊玥, 何艳秋, 陈柔. 中国农业碳排放绩效评价及随机性收敛研究−基于SBM-undesirable模型与面板单位根检验[J]. 中国生态农业学报, 2017, 25(9): 1381−1391

    WU H Y, HE Y Q, CHEN R. Assessment of agricultural carbon emission performance and stochastic convergence in China using SBM-Undesirable model and panel unit root test[J]. Chinese Journal of Eco-Agriculture, 2017, 25(9): 1381−1391
    [13] 雷振丹, 陈子真, 李万明. 农业技术进步对农业碳排放效率的非线性实证[J]. 统计与决策, 2020, 36(5): 67−71

    LEI Z D, CHEN Z Z, LI W M. Nonlinear demonstration of agricultural technological progress on agricultural carbon emission efficiency[J]. Statistics & Decision, 2020, 36(5): 67−71
    [14] 张广胜, 王珊珊. 中国农业碳排放的结构、效率及其决定机制[J]. 农业经济问题, 2014, 35(7): 18−26, 110

    ZHANG G S, WANG S S. China’s agricultural carbon emission: structure, efficiency and its determinants[J]. Issues in Agricultural Economy, 2014, 35(7): 18−26, 110
    [15] 王劼, 朱朝枝. 农业部门碳排放效率的国际比较及影响因素研究−基于32个国家1995—2011年的数据研究[J]. 生态经济, 2018, 34(7): 25−32

    WANG J, ZHU C Z. International comparison and influencing factors of carbon emission efficiency in the agricultural sector: Based on data studies from 32 countries from 1995−2011[J]. Ecological Economy, 2018, 34(7): 25−32
    [16] 高鸣, 宋洪远. 中国农业碳排放绩效的空间收敛与分异−基于Malmquist-luenberger指数与空间计量的实证分析[J]. 经济地理, 2015, 35(4): 142−148, 185

    GAO M, SONG H Y. Dynamic changes and spatial agglomeration analysis of the Chinese agricultural carbon emissions performance[J]. Economic Geography, 2015, 35(4): 142−148, 185
    [17] 马大来. 中国农业能源碳排放效率的空间异质性及其影响因素−基于空间面板数据模型的实证研究[J]. 资源开发与市场, 2018, 34(12): 1693−1700+1765

    MA D L. Spatial heterogeneity and influencing factors of agricultural energy carbon emission efficiency in China—An empirical research of spatial panel data model[J]. Resource Development & Market, 2018, 34(12): 1693−1700+1765
    [18] 李波, 王春妤, 张俊飚. 中国农业净碳汇效率动态演进与空间溢出效应[J]. 中国人口·资源与环境, 2019, 29(12): 68−76

    LI B, WANG C Y, ZHANG J B. Dynamic evolution and spatial spillover of China’s agricultural net carbon sink[J]. China Population, Resources and Environment, 2019, 29(12): 68−76
    [19] 伍国勇, 孙小钧, 于福波, 等. 中国种植业碳生产率空间关联格局及影响因素分析[J]. 中国人口·资源与环境, 2020, 30(5): 46−57

    WU G Y, SUN X J, YU F B, et al. Spatial correlation pattern and influencing factors of China’s crop production carbon productivity[J]. China Population, Resources and Environment, 2020, 30(5): 46−57
    [20] 蔡海亚, 徐盈之, 赵永亮. 产业协同集聚的空间关联及溢出效应[J]. 统计与决策, 2021, 37(10): 111−115

    CAI H Y, XU Y Z, ZHAO Y L. Spatial association and spillover effect of industrial collaborative agglomeration[J]. Statistics & Decision, 2021, 37(10): 111−115
    [21] 黄杰. 中国互联网金融发展的空间关联研究[J]. 统计与决策, 2021, 37(12): 127−130

    HUANG J. Research on spatial correlation of China’s Internet finance development[J]. Statistics & Decision, 2021, 37(12): 127−130
    [22] 张必忠, 傅新红, 张莎莎. 农村消费的空间关联网络特征分析[J]. 农村经济, 2021(4): 55−62

    ZHANG B Z, FU X H, ZHANG S S. Analysis on the characteristics of the spatial correlation network of rural consumption[J]. Rural Economy, 2021(4): 55−62
    [23] 马歆, 高煜昕, 李俊朋. 中国碳排放结构信息熵空间网络关联及影响因素研究[J]. 软科学, 2021, 35(7): 25−30, 37

    MA X, GAO Y X, LI J P. Research on spatial network correlation and influencing factors of information entropy of carbon emission structure of China[J]. Soft Science, 2021, 35(7): 25−30, 37
    [24] 李爱, 王雅楠, 李梦, 等. 碳排放的空间关联网络结构特征与影响因素研究: 以中国三大城市群为例[J]. 环境科学与技术, 2021, 44(6): 186−193

    LI A, WANG Y N, LI M, et al. Study on the structural characteristics and influencing factors of spatial correlation network of carbon emissions: a casestudy of three major urban agglomerations in China[J]. Environmental Science & Technology, 2021, 44(6): 186−193
    [25] 何艳秋, 陈柔, 朱思宇, 等. 中国农业碳排放空间网络结构及区域协同减排[J]. 江苏农业学报, 2020, 36(5): 1218−1228 doi: 10.3969/j.issn.1000-4440.2020.05.020

    HE Y Q, CHEN R, ZHU S Y, et al. Spatial network structure of agricultural carbon emission in China and regional collaborative emission reduction[J]. Jiangsu Journal of Agricultural Sciences, 2020, 36(5): 1218−1228 doi: 10.3969/j.issn.1000-4440.2020.05.020
    [26] 刘华军, 刘传明, 孙亚男. 中国能源消费的空间关联网络结构特征及其效应研究[J]. 中国工业经济, 2015(5): 83−95

    LIU H J, LIU C M, SUN Y N. Characteristics of spatial associated network structure and its effect of energy consumption in China[J]. China Industrial Economics, 2015(5): 83−95
    [27] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3): 498−509 doi: 10.1016/S0377-2217(99)00407-5
    [28] 王宝义, 张卫国. 中国农业生态效率的省际差异和影响因素−基于1996—2015年31个省份的面板数据分析[J]. 中国农村经济, 2018(1): 46−62

    WANG B Y, ZHANG W G. Cross-provincial differences in determinants of agricultural eco-efficiency in China: an analysis based on panel data from 31 provinces in 1996–2015[J]. Chinese Rural Economy, 2018(1): 46−62
    [29] 尚杰, 杨果, 于法稳. 中国农业温室气体排放量测算及影响因素研究[J]. 中国生态农业学报, 2015, 23(3): 354−364

    SHANG J, YANG G, YU F W. Agricultural greenhouse gases emissions and influencing factors in China[J]. Chinese Journal of Eco-Agriculture, 2015, 23(3): 354−364
    [30] 闵继胜, 胡浩. 中国农业生产温室气体排放量的测算[J]. 中国人口·资源与环境, 2012, 22(7): 21−27 doi: 10.3969/j.issn.1002-2104.2012.07.004

    MIN J S, HU H. Calculation of greenhouse gases emission from agricultural production in China[J]. China Population, Resources and Environment, 2012, 22(7): 21−27 doi: 10.3969/j.issn.1002-2104.2012.07.004
    [31] 田成诗, 陈雨. 中国省际农业碳排放测算及低碳化水平评价−基于衍生指标与TOPSIS法的运用[J]. 自然资源学报, 2021, 36(2): 395−410 doi: 10.31497/zrzyxb.20210210

    TIAN C S, CHEN Y. China’s provincial agricultural carbon emissions measurement and low carbonization level evaluation: Based on the application of derivative indicators and TOPSIS[J]. Journal of Natural Resources, 2021, 36(2): 395−410 doi: 10.31497/zrzyxb.20210210
    [32] 程慧, 徐琼, 赵梦亚. 中国旅游生态效率的空间关联网络结构及其影响因素研究[J]. 生态科学, 2020, 39(5): 169−178

    CHENG H, XU Q, ZHAO M Y. Research on spatial correlation network structure of China’s tourism eco-efficiency and its influencing factors[J]. Ecological Science, 2020, 39(5): 169−178
    [33] 安勇, 赵丽霞. 土地财政竞争的空间网络结构及其机理[J]. 中国土地科学, 2020, 34(7): 97−105

    AN Y, ZHAO L X. Spatial network structure of land finance competition and its mechanism[J]. China Land Science, 2020, 34(7): 97−105
    [34] 刘军. 整体网分析——UCINET软件实用指南(第2版)[M]. 上海: 格致出版社, 2014

    LIU J. Practical Guide to Overall Network Analysis: UCINET Software (Version 2)[M]. Shanghai: Gezhi Press House, 2014
    [35] ALHAJJ R, ROKNE J. Encyclopedia of Social Network Analysis and Mining[M]. New York: Springer Publishing Company, 2014: 203−216
  • 加载中
图(1) / 表(9)
计量
  • 文章访问数:  1451
  • HTML全文浏览量:  90
  • PDF下载量:  120
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-09-06
  • 录用日期:  2021-10-29
  • 网络出版日期:  2021-11-30
  • 刊出日期:  2022-04-11

目录

    /

    返回文章
    返回