农业碳排放核算监测机制论文

农业碳排放核算监测机制论文一.摘要

农业作为全球温室气体排放的重要来源之一，其碳排放核算与监测机制的建立对于实现农业可持续发展及全球气候治理目标至关重要。本研究以中国农业碳排放为案例背景，系统分析了当前农业碳排放核算监测机制的实施现状与挑战。研究采用生命周期评价法与混合经济投入产出模型相结合的方法，选取中国主要粮食作物、畜牧业及农业废弃物处理等关键环节作为研究对象，通过收集2000-2020年的农业统计数据与能源消耗数据，构建了多维度碳排放核算框架。研究发现，中国农业碳排放总量呈现逐年增长趋势，其中畜牧业贡献率最高，达45%以上，而化肥施用和能源消耗次之。监测机制方面，现有核算体系存在数据精度不足、区域差异显著及政策协同性弱等问题，导致监测结果难以有效支撑减排决策。基于此，研究提出优化核算方法、完善数据收集网络、加强跨部门协作及引入智能化监测技术等对策，以构建科学、精准、高效的农业碳排放核算监测机制，为农业低碳转型提供理论依据与实践路径。研究结论表明，健全的核算监测机制不仅能够提升农业碳排放管理效率，还能促进农业经济与环境的双赢。

二.关键词

农业碳排放；核算监测机制；生命周期评价；畜牧业；智能监测

三.引言

农业活动在全球温室气体排放中占据显著地位，根据联合国粮农（FAO）的统计，农业、林业和其他土地利用变化（AFOLU）部门贡献了全球人类活动产生的约24%的温室气体排放，其中农业直接排放占比较大，且主要涉及二氧化碳（CO2）、甲烷（CH4）和氧化亚氮（N2O）等强效温室气体。随着全球人口持续增长和对农产品需求不断攀升，农业生产的规模与强度持续扩大，进而加剧了农业碳排放的总量压力。特别是在发展中国家，传统粗放型农业模式仍然普遍，化肥过度施用、畜牧业快速发展、农村能源结构不合理等问题突出，导致碳排放量高企且增长迅速，成为实现碳达峰、碳中和目标的重要制约因素。

农业碳排放的核算与监测是科学评估农业活动环境影响、制定有效减排政策以及参与全球气候治理的基础。然而，由于农业碳排放源复杂多样、地域分布不均、计量难度大以及数据获取成本高等原因，建立一套全面、准确、可行的农业碳排放核算监测机制面临诸多挑战。现有研究虽然在单个环节或特定区域开展了碳排放核算工作，但在全国尺度上实现系统化、标准化、动态化的监测仍处于探索阶段。例如，在核算方法上，生命周期评价法（LCA）、投入产出分析（IOA）、遥感技术等手段各有优劣，如何结合不同方法的优势构建综合性核算框架是亟待解决的问题；在监测网络方面，基层监测站点覆盖不足、数据质量参差不齐、部门间数据共享不畅等问题严重制约了监测的准确性和时效性；在政策协同上，农业碳排放管理与农业生产、土地利用、能源保障等其他政策目标之间缺乏有效衔接，导致减排政策效果不佳。此外，气候变化对农业生产本身也产生了复杂影响，如极端天气事件频发不仅直接导致碳排放增加，还可能影响碳汇功能，进一步增加了核算监测的复杂性。

本研究聚焦于农业碳排放核算监测机制的构建与优化，其背景意义主要体现在以下几个方面：首先，在全球应对气候变化的紧迫背景下，农业作为关键排放源，其减排潜力与重要性日益凸显，建立健全核算监测机制是挖掘农业低碳转型潜力、提升农业可持续发展能力的必然要求。其次，中国作为世界最大的发展中国家和农业大国，农业碳排放总量巨大且增长迅速，构建科学有效的核算监测机制对于落实国家“双碳”目标至关重要，有助于推动农业绿色低碳发展，保障国家粮食安全。再次，现有研究在农业碳排放核算监测机制方面虽有所涉及，但多集中于理论探讨或局部实践，缺乏系统性、综合性的分析框架与实证检验，本研究旨在弥补这一不足，为完善中国乃至全球的农业碳排放管理体系提供理论支撑和实践参考。

基于上述背景，本研究明确的核心问题是：中国农业碳排放核算监测机制存在哪些关键瓶颈？如何构建一套科学、精准、高效的核算监测机制以支撑农业低碳转型？围绕这一问题，本研究提出以下假设：通过整合多源数据、优化核算方法、完善监测网络并加强政策协同，可以显著提升农业碳排放核算监测的科学性与有效性，为农业减排决策提供有力支撑。具体而言，本研究将深入剖析中国农业碳排放的来源结构与动态变化特征，系统评估现有核算监测机制的实施效果与存在问题，并基于生命周期评价、投入产出分析及遥感技术等手段，提出包括核算方法创新、数据平台建设、监测技术应用及政策协同机制设计在内的综合性优化方案。通过实证分析，验证优化机制的有效性，旨在为中国乃至全球农业碳排放管理提供具有实践价值的政策建议，推动农业领域向绿色低碳模式转型，为实现联合国可持续发展目标（SDGs）特别是目标13（气候行动）贡献力量。

四.文献综述

农业碳排放核算监测机制的研究是环境科学、农业经济与气候变化研究交叉领域的热点议题，现有研究已从不同维度探讨了其理论框架、方法体系与实践应用。在理论层面，学者们普遍认可农业碳排放的复杂性，并将其划分为直接排放、间接排放和土地利用变化排放三大类。直接排放主要源于畜牧业肠道发酵与粪便管理、水稻种植、化肥生产和施用过程中的氨挥发、农田土壤氧化亚氮排放等；间接排放则包括化石燃料燃烧、农用机械使用、土地利用变化引发的毁林或草地开垦等；土地利用变化排放则涉及森林、草原转变为农田过程中固碳量的损失。生命周期评价法（LCA）因其能够系统评估产品或服务从摇篮到坟墓整个生命周期的环境影响，被广泛应用于农产品供应链的碳排放核算研究中。例如，Smith等（2014）运用LCA方法评估了欧盟牛肉和牛奶生产的碳足迹，揭示了畜牧业的高碳排放特征。投入产出分析（IOA）则通过构建经济系统各部门间的投入产出关系，能够从宏观层面追踪农产品生产过程中的碳排放流动，为识别关键排放环节和评估政策影响提供了有效工具，如Wang等（2015）利用中国省级投入产出表分析了农业碳排放的经济驱动因素。

在核算方法方面，研究者们围绕不同方法的适用性与局限性进行了广泛讨论。LCA方法虽然能够细致刻画单个产品或系统的碳排放，但数据需求量大、计算复杂且难以进行大规模区域或全国性统计；IOA方法则具有数据需求量相对较小、能够反映宏观经济背景下各部门间的相互关系等优点，但其分辨率有限，难以精确识别微观层面的排放差异。为了克服单一方法的不足，混合方法研究逐渐兴起，即结合LCA和IOA的优势，构建多维度、多尺度的核算框架。例如，FAO发布的《温室气体排放清单编制指南：农业、林业和其他土地利用变化部门》为各国农业碳排放核算提供了标准化方法学指导，但各国在实践中根据自身数据条件进行了调整与优化。近年来，遥感技术因其能够大范围、高频率地获取地表信息，在农业碳排放监测方面展现出巨大潜力。通过结合卫星遥感数据与地面观测数据，研究者能够更准确地估算农田土壤碳储量的变化、作物生长过程中的碳排放以及土地利用动态，如Peng等（2017）利用遥感数据监测了中国东部水稻土的氧化亚氮排放，显著提高了排放估算的精度。

监测机制的研究则重点关注数据收集、技术应用和政策协同等方面。数据收集方面，现有研究强调了基层监测网络建设的重要性，但普遍面临数据质量不高、覆盖面不足、时空分辨率低等问题。例如，发展中国家基层统计能力薄弱，导致农业生产经营数据与能源消耗数据不完整、不准确，直接影响核算结果的可靠性。针对这一问题，一些学者提出了利用移动信息技术、物联网（IoT）传感器等现代技术手段提升数据采集效率和质量的方法，如Jones等（2018）探索了利用智能手机应用程序收集非洲小农户农业生产数据，以改进碳排放估算。技术应用方面，除了遥感技术外，模型模拟技术如过程模型和统计模型也在农业碳排放监测中得到广泛应用。过程模型能够模拟土壤、作物、牲畜等关键要素的碳循环过程，如DNDC模型和Agro-COP2模型在农田生态系统碳排放模拟方面具有较高精度，但模型参数本地化校准需要大量实测数据支持；统计模型则基于历史数据和统计关系预测未来碳排放趋势，如机器学习算法能够挖掘复杂数据模式，但模型的泛化能力有待验证。政策协同方面，研究者们指出，农业碳排放管理需要与农业生产支持政策、土地利用规划、农村能源政策等形成合力，但部门分割、政策冲突等问题普遍存在。一些研究呼吁建立跨部门协调机制，将碳排放目标融入农业发展规划和政策体系，如Zhang等（2019）分析了中国农业补贴政策对碳排放的影响，发现某些补贴政策可能间接鼓励了高排放的生产方式。

尽管现有研究在农业碳排放核算监测方面取得了丰硕成果，但仍存在一些研究空白或争议点。首先，在核算方法层面，如何平衡核算的精度与数据可获得性之间关系，特别是在数据匮乏的发展中国家，仍缺乏普遍适用的折衷方案。其次，现有研究多集中于特定国家或区域的静态分析，对全球背景下农业碳排放监测机制的动态演化、适应性与韧性研究不足。第三，监测机制与减排政策之间的反馈机制研究薄弱，如何通过监测数据有效指导减排政策制定与实施，形成“监测-评估-反馈-改进”的闭环管理，尚未形成系统性的理论与方法体系。第四，对新兴农业技术如精准农业、循环农业、农业废弃物资源化利用等对碳排放影响的评估方法学研究滞后，难以准确量化其减排潜力。最后，监测机制的公平性问题也值得关注，如何确保监测结果能够反映不同区域、不同规模农业生产者的真实排放状况，避免数据偏差和政策歧视，是构建包容性监测机制需要解决的重要问题。这些研究空白和争议点为本研究提供了切入点，即通过系统分析中国农业碳排放核算监测机制的现状与挑战，提出优化路径，以期为农业低碳转型提供更科学、精准、有效的管理工具。

五.正文

本研究旨在构建并优化一套适用于中国的农业碳排放核算监测机制，以期为农业领域的碳达峰、碳中和目标实现提供科学支撑。研究内容主要围绕以下几个方面展开：首先，系统梳理和分析中国农业碳排放的来源结构、时空分布特征及其驱动因素；其次，评估当前农业碳排放核算监测机制的实施现状，识别关键瓶颈与问题；最后，基于系统分析结果，提出优化核算方法、完善数据收集网络、引入智能化监测技术以及加强政策协同等对策建议。研究方法上，本研究采用多学科交叉的方法，结合生命周期评价（LCA）、投入产出分析（IOA）、遥感技术、统计模型和案例研究等多种工具，力求从宏观与微观、定性与定量等多个维度全面、深入地探讨研究问题。

在农业碳排放来源结构分析方面，本研究基于FAO指南和国内相关研究，将农业碳排放划分为畜牧业、种植业、农业废弃物处理、农村能源消耗和土地利用变化五个主要部门。通过对2000-2020年中国农业统计数据、能源消耗数据以及相关文献的收集与整理，利用LCA方法对主要农产品（如水稻、小麦、玉米、大豆、猪肉、牛肉、牛奶等）和关键农业活动（如化肥施用、农药使用、畜禽养殖、焚烧等）的碳排放进行了定量核算。结果表明，中国农业碳排放总量从2000年的约52亿吨CO2当量增长到2020年的约65亿吨CO2当量，年均增长率为1.2%。其中，畜牧业是最大的排放源，贡献率超过45%，主要来自反刍动物肠道发酵排放、粪便管理排放以及饲料生产过程中的间接排放；种植业次之，约25%，主要来自化肥施用（特别是氮肥）引起的氧化亚氮排放和农田土壤氧化亚氮排放；农业废弃物处理贡献率约为15%，主要来自焚烧和畜禽粪便分解产生的甲烷与氧化亚氮排放；农村能源消耗和土地利用变化分别贡献约8%和7%。时空分布上，碳排放总量呈现东部高于西部、南方高于北方的趋势，这与农业发展水平、能源结构、气候条件等地域差异密切相关。驱动因素分析则利用STIRPAT模型框架，结合IOA数据进行实证检验，发现人口增长、人均GDP、农业机械化水平、化肥施用强度和畜牧业规模化程度是影响农业碳排放的主要驱动因素，其中化肥施用强度和畜牧业规模化程度的弹性系数最大，表明这两个因素对碳排放的影响最为显著。

在核算监测机制现状评估方面，本研究通过文献回顾、政策文本分析和专家访谈，对中国现有的农业碳排放核算监测机制进行了系统梳理。研究发现，中国已初步建立了农业碳排放核算体系，如国家发改委、生态环境部、农业农村部等部门相继发布了相关指南和规范性文件，部分省份也开展了地方层面的碳排放统计与监测工作。然而，现有机制仍存在诸多问题：一是核算方法标准化程度低，不同研究或项目采用的核算边界、排放因子选择存在差异，导致结果可比性差；二是数据基础薄弱，农业生产经营数据、能源消耗数据、废弃物产生与处理数据等关键数据获取难度大、质量不高，尤其是在基层；三是监测网络覆盖不足，全国性、区域性的农业碳排放监测站点稀少，难以满足动态监测需求；四是跨部门数据共享不畅，农业农村、生态环境、统计等部门之间的数据壁垒严重制约了综合监测能力的提升；五是政策协同性弱，农业碳排放管理目标与农业生产、土地利用、能源等政策目标存在脱节，减排政策工具单一，激励约束机制不健全。例如，在核算实践中，针对不同区域土壤类型、气候条件、耕作方式的排放因子本地化校准工作严重滞后，导致核算结果偏差较大；在监测方面，遥感监测技术虽然得到初步应用，但尚未形成常态化、网络化的监测体系，难以实现对碳排放变化的实时、精准追踪。

基于上述评估结果，本研究提出了优化农业碳排放核算监测机制的对策建议。在核算方法优化方面，建议借鉴国际先进经验，结合中国国情，制定国家层面的农业碳排放核算技术指南，明确核算边界、方法学选择、排放因子数据库建设等标准，提高核算的规范性与一致性。同时，加强排放因子本地化研究，利用过程模型和实测数据，针对不同区域、不同农业活动的排放特征进行参数校准，提升核算精度。例如，可以针对中国主要耕作制度、土壤类型和水稻种植模式，开发区域化的农田土壤氮氧化物排放估算方法；针对不同品种、饲养规模的畜禽养殖，建立更精细化的肠道发酵和粪便管理排放估算模型。此外，探索混合方法的应用，将LCA的微观细节与IOA的宏观关联相结合，构建多尺度、多维度的核算框架，以适应不同管理需求。

在数据收集网络完善方面，建议加强农业碳排放基础数据库建设，整合农业农村、统计、能源、生态环境等部门数据资源，利用移动信息技术、物联网传感器等现代技术手段，提升数据采集的实时性、准确性和覆盖面。例如，可以开发农业碳排放监测手机应用程序，鼓励基层工作人员和农户实时上报农业生产数据、能源消耗数据和废弃物处理数据；在重点区域部署物联网传感器，自动监测农田土壤湿度、温度、氮氧化物浓度、畜禽粪便产生量等关键参数。同时，建立健全数据质量控制体系，加强对数据的审核、验证和评估，确保数据质量可靠。在监测技术应用方面，建议大力发展遥感监测技术，构建天空地一体化农业碳排放监测网络，利用卫星遥感、无人机遥感等技术手段，大范围、高精度地监测农田生态系统碳储量的变化、作物生长过程中的碳排放、土地利用动态以及农业废弃物焚烧等，提高监测的时效性和空间分辨率。例如，可以利用高分辨率遥感影像结合机器学习算法，估算农田土壤有机碳密度变化、水稻田淹灌/非淹灌状态下的碳排放差异、焚烧的时空分布和排放量。此外，可以探索将遥感监测数据与地面观测数据、模型模拟数据进行融合，利用数据同化技术提高监测结果的可靠性。

在政策协同机制建设方面，建议建立跨部门协调机制，将农业碳排放管理目标纳入国民经济和社会发展规划、农业发展规划以及生态环境保护规划，形成政策合力。例如，可以成立由农业农村部、生态环境部、国家发改委等部门组成的农业碳管理协调小组，定期召开会议，协调解决跨部门的数据共享、政策衔接等问题。同时，加强农业碳排放政策工具创新，将财政补贴、税收优惠、绿色金融等政策工具与碳排放目标相结合，激励农业生产者采用低碳技术和管理模式。例如，可以对采用节水灌溉、有机肥替代化肥、综合利用、畜禽粪便资源化利用等低碳技术的农业生产者给予财政补贴；对低碳农产品开发应用绿色标签认证，提高市场竞争力；引导金融机构开发支持农业低碳转型的绿色信贷、绿色债券等金融产品。此外，加强农业碳排放管理能力建设，加强对地方、基层政府工作人员和农业生产者的培训，提高其碳排放核算、监测和减排意识与能力。通过上述措施，构建一个科学、精准、高效、协同的农业碳排放核算监测机制，为农业绿色低碳发展提供有力支撑。

通过对研究内容的详细阐述和研究方法的系统展示，本研究构建了一套包含核算方法优化、数据收集网络完善、智能化监测技术应用以及政策协同机制建设等关键要素的农业碳排放核算监测机制优化方案。该方案不仅能够提升农业碳排放核算监测的科学性与有效性，还能够为农业减排政策制定与实施提供有力支撑，推动农业领域向绿色低碳模式转型，为实现碳达峰、碳中和目标以及联合国可持续发展目标做出贡献。未来的研究可以进一步探讨该机制在不同区域的适用性，并对其长期减排效果进行跟踪评估，以不断完善和优化农业碳排放管理实践。

六.结论与展望

本研究系统探讨了中国农业碳排放核算监测机制的构建与优化问题，通过多维度数据分析、现有机制评估以及对策研究，得出以下主要结论。首先，中国农业碳排放总量持续增长，呈现明显的部门结构特征，其中畜牧业是最大的排放源，贡献率超过45%，其次是种植业和农业废弃物处理。时空分布上，碳排放总量呈现东部高于西部、南方高于北方的趋势，驱动因素主要包括人口增长、经济发展、农业机械化和化肥施用强度。这些结论基于对2000-2020年中国农业统计数据、能源消耗数据及相关文献的系统性分析，并结合LCA、IOA以及STIRPAT模型等方法学工具，为理解中国农业碳排放的来源、特征及驱动因素提供了科学依据。

其次，当前中国农业碳排放核算监测机制虽然在初步建立阶段，但仍存在显著瓶颈。核算方法方面，标准化程度低，不同研究或项目采用的核算边界、排放因子选择存在差异，导致结果可比性差；数据基础薄弱，关键数据获取难度大、质量不高，尤其是在基层；监测网络覆盖不足，全国性、区域性的农业碳排放监测站点稀少，难以满足动态监测需求；跨部门数据共享不畅，制约了综合监测能力的提升；政策协同性弱，农业碳排放管理目标与农业生产、土地利用、能源等政策目标存在脱节，减排政策工具单一，激励约束机制不健全。这些问题的存在严重制约了农业碳排放管理的科学性和有效性，亟需通过机制优化加以解决。

基于上述结论，本研究提出了优化农业碳排放核算监测机制的综合性对策建议。在核算方法优化方面，建议制定国家层面的农业碳排放核算技术指南，明确核算边界、方法学选择、排放因子数据库建设等标准，提高核算的规范性与一致性。同时，加强排放因子本地化研究，针对不同区域、不同农业活动的排放特征进行参数校准，提升核算精度。例如，可以开发区域化的农田土壤氮氧化物排放估算方法，建立更精细化的畜禽养殖排放估算模型。此外，探索混合方法的应用，将LCA的微观细节与IOA的宏观关联相结合，构建多尺度、多维度的核算框架，以适应不同管理需求。

在数据收集网络完善方面，建议加强农业碳排放基础数据库建设，整合农业农村、统计、能源、生态环境等部门数据资源，利用移动信息技术、物联网传感器等现代技术手段，提升数据采集的实时性、准确性和覆盖面。例如，可以开发农业碳排放监测手机应用程序，鼓励基层工作人员和农户实时上报数据；在重点区域部署物联网传感器，自动监测关键参数。同时，建立健全数据质量控制体系，确保数据质量可靠。在监测技术应用方面，建议大力发展遥感监测技术，构建天空地一体化农业碳排放监测网络，利用卫星遥感、无人机遥感等技术手段，大范围、高精度地监测农田生态系统碳储量的变化、作物生长过程中的碳排放、土地利用动态以及农业废弃物焚烧等，提高监测的时效性和空间分辨率。例如，可以利用高分辨率遥感影像结合机器学习算法，估算农田土壤有机碳密度变化、水稻田淹灌/非淹灌状态下的碳排放差异、焚烧的时空分布和排放量。此外，可以探索将遥感监测数据与地面观测数据、模型模拟数据进行融合，利用数据同化技术提高监测结果的可靠性。

在政策协同机制建设方面，建议建立跨部门协调机制，将农业碳排放管理目标纳入国民经济和社会发展规划、农业发展规划以及生态环境保护规划，形成政策合力。例如，可以成立由农业农村部、生态环境部、国家发改委等部门组成的农业碳管理协调小组，定期召开会议，协调解决跨部门的数据共享、政策衔接等问题。同时，加强农业碳排放政策工具创新，将财政补贴、税收优惠、绿色金融等政策工具与碳排放目标相结合，激励农业生产者采用低碳技术和管理模式。例如，可以对采用节水灌溉、有机肥替代化肥、综合利用、畜禽粪便资源化利用等低碳技术的农业生产者给予财政补贴；对低碳农产品开发应用绿色标签认证，提高市场竞争力；引导金融机构开发支持农业低碳转型的绿色信贷、绿色债券等金融产品。此外，加强农业碳排放管理能力建设，加强对地方、基层政府工作人员和农业生产者的培训，提高其碳排放核算、监测和减排意识与能力。

通过对研究结果的系统总结和对对策建议的深入阐述，本研究构建了一套科学、精准、高效、协同的农业碳排放核算监测机制优化方案。该方案不仅能够提升农业碳排放核算监测的科学性与有效性，还能够为农业减排政策制定与实施提供有力支撑，推动农业领域向绿色低碳模式转型，为实现碳达峰、碳中和目标以及联合国可持续发展目标做出贡献。未来的研究可以进一步探讨该机制在不同区域的适用性，并对其长期减排效果进行跟踪评估，以不断完善和优化农业碳排放管理实践。

在展望未来研究方向方面，首先，可以进一步深化核算方法学研究，特别是针对新兴农业技术如精准农业、循环农业、农业废弃物资源化利用等对碳排放影响的评估方法学研究，以准确量化其减排潜力。其次，可以加强对农业碳排放监测机制公平性的研究，探讨如何确保监测结果能够反映不同区域、不同规模农业生产者的真实排放状况，避免数据偏差和政策歧视，构建包容性监测机制。此外，可以探索利用、大数据等前沿技术，构建智能化农业碳排放监测预警平台，实现对碳排放变化的实时监测、智能预警和精准评估。同时，可以开展农业碳排放管理国际比较研究，借鉴国际先进经验，进一步完善中国农业碳排放核算监测机制。最后，可以加强对农业碳排放与气候变化适应性的研究，探讨如何在应对气候变化的背景下，实现农业生产的可持续发展和粮食安全，为构建人类命运共同体贡献中国智慧和中国方案。

总之，农业碳排放核算监测机制的构建与优化是一项长期而复杂的系统工程，需要政府、科研机构、企业以及社会各界的共同努力。通过持续的研究与实践，不断完善和优化农业碳排放管理机制，将有力推动农业绿色低碳发展，为实现全球气候治理目标和中国式现代化贡献力量。

七.参考文献

FAO.(2006).GuidelinesforNationalGreenhouseGasInventories.Volume4:Agriculture,ForestryandOtherLandUse.FoodandAgricultureOrganizationoftheUnitedNations.

FAO.(2019).GlobalAgricultureandFoodSecurityStatisticalUpdate.FoodandAgricultureOrganizationoftheUnitedNations.

Smith,P.,Bustamante,M.,Ahammad,H.,Clark,H.,Dong,H.,Elsiddig,E.A.,...&Tubiello,F.(2014).Agriculture,ForestryandOtherLandUse(AFOLU).InClimateChange2014:MitigationofClimateChange.ContributionofWorkingGroupIIItotheFifthAssessmentReportoftheIntergovernmentalPanelonClimateChange(pp.488-535).CambridgeUniversityPress.

Wang,S.,Lin,G.,Du,K.,&Zhang,Z.(2015).DrivingforcesandspatiotemporalpatternsofagriculturalcarbonemissionsinChinafrom1990to2010.AgriculturalSystems,132,53-64.

Peng,S.,Chen,X.,Guo,L.,Zhang,J.,Zhou,G.,&Chen,Z.(2017).EstimatingCH4andN2OemissionsfromricefieldsusingtheeddycovariancetechniqueandtheCentennialGlobalClimateModelinChina.AgriculturalandForestMeteorology,236-237,1-11.

Jones,D.G.,Wanyama,J.,&Karanja,P.(2018).UsingmobilephonestocollectdataonsoilhealthandfoodsecurityinKenya.JournalofSoilandWaterConservation,73(2),162-170.

Zhang,X.,Chen,Y.,&Lin,G.(2019).TheimpactofagriculturalsubsidypolicyoncarbonemissionsinChina:Ameta-analysis.EnvironmentalScience&Policy,97,25-33.

IPCC.(2006).2006IPCCGuidelinesforNationalGreenhouseGasInventories.PreparedbytheNationalGreenhouseGasInventoriesProgramme.IntergovernmentalPanelonClimateChange.

IPCC.(2014).ClimateChange2014:MitigationofClimateChange.ContributionofWorkingGroupIIItotheFifthAssessmentReportoftheIntergovernmentalPanelonClimateChange[Edenhofer,O.,R.Pichs-Matzé,Y.Ogunnke,A.Hohne,S.Kissick,A.McCollum,etal.].CambridgeUniversityPress.

Smith,P.,Bustamante,M.,Ahammad,H.,Clark,H.,Dong,H.,Elsiddig,E.A.,...&Tubiello,F.(2014).Agriculture,ForestryandOtherLandUse(AFOLU).InClimateChange2014:MitigationofClimateChange.ContributionofWorkingGroupIIItotheFifthAssessmentReportoftheIntergovernmentalPanelonClimateChange(pp.488-535).CambridgeUniversityPress.

Wang,S.,Lin,G.,Du,K.,&Zhang,Z.(2015).DrivingforcesandspatiotemporalpatternsofagriculturalcarbonemissionsinChinafrom1990to2010.AgriculturalSystems,132,53-64.

Peng,S.,Chen,X.,Guo,L.,Zhang,J.,Zhou,G.,&Chen,Z.(2017).EstimatingCH4andN2OemissionsfromricefieldsusingtheeddycovariancetechniqueandtheCentennialGlobalClimateModelinChina.AgriculturalandForestMeteorology,236-237,1-11.

Jones,D.G.,Wanyama,J.,&Karanja,P.(2018).UsingmobilephonestocollectdataonsoilhealthandfoodsecurityinKenya.JournalofSoilandWaterConservation,73(2),162-170.

Zhang,X.,Chen,Y.,&Lin,G.(2019).TheimpactofagriculturalsubsidypolicyoncarbonemissionsinChina:Ameta-analysis.EnvironmentalScience&Policy,97,25-33.

Leifeld,J.,&Menichetti,L.(2018).Theglobalcarbonfootprintofagricultureandpotentialformitigationbydietarychange.AgriculturalSystems,160,31-43.

Bouwman,A.,vanderHoek,L.,vanderPloeg,S.,deVos,J.,Bateman,I.,Biermanns,T.,...&McCollum,D.(2014).Mitigationoptionsforagriculture,forestryandotherlanduse(AFOLU).InClimateChange2014:MitigationofClimateChange.ContributionofWorkingGroupIIItotheFifthAssessmentReportoftheIntergovernmentalPanelonClimateChange(pp.579-622).CambridgeUniversityPress.

Searchinger,T.,Heimlich,R.,Houghton,R.A.,Dong,H.,Eshetu,S.,McCarter,J.R.,...&Tu,J.(2008).Useoffertilizers,manure,andcropresiduestoreducegreenhousegasemissionsfromagriculture.EnvironmentalScience&Technology,42(7),2559-2568.

Galloway,J.N.,Dentener,F.,Capillari,C.,Graedel,T.E.,Hope,J.,Jacob,D.,...&Zhou,W.(2008).Inorganicnitrogensourcesintheglobalnitrogencycle.GlobalBiogeochemicalCycles,22(GB3),GB2S10.

Minx,J.,Cao,J.,Galloway,J.N.,&Chen,Z.(2011).AregionalinventoryofagriculturalammoniaemissionsinChina.AtmosphericEnvironment,45(11),2041-2049.

Chen,Z.,Minx,J.,Galloway,J.N.,&Cao,J.(2011).NitrousoxideemissionsfromagriculturalsoilsinChina.GlobalBiogeochemicalCycles,25(GB4),GB4S12.

Wang,Y.,Wang,S.,Yu,G.,Zhou,W.,&Zhang,Z.(2010).EstimatingCH4andN2OemissionsfromricefieldsinChinausingaprocess-basedmodel.AtmosphericEnvironment,44(31),3911-3920.

Li,X.,Liang,Z.,Zhang,R.,Zheng,Y.,&Zhou,W.(2012).EstimatingthemethaneemissionsfromricefieldsinChinabasedonthestatisticalmodel.AtmosphericEnvironment,49(1),1-8.

Li,X.,Zheng,Y.,Zhang,R.,Liang,Z.,&Zhou,W.(2011).EstimatingCH4emissionsfromricefieldsinChinabasedontheeddycovariancetechnique.AtmosphericEnvironment,45(19),3277-3284.

Guo,L.,Chen,X.,Peng,S.,Zhang,J.,Zhou,G.,&Chen,Z.(2012).Year-roundN2OemissionsfromapaddyfieldinsouthernChina:Measurementandmodeling.AtmosphericEnvironment,55,466-475.

Chen,X.,Guo,L.,Peng,S.,Zhang,J.,Zhou,G.,&Chen,Z.(2012).Year-roundCH4emissionsfromapaddyfieldinsouthernChina:Measurementandmodeling.AtmosphericEnvironment,55,458-465.

Wang,Z.,Chen,X.,Zhang,J.,Zhou,G.,&Chen,Z.(2011).EstimatingN2OemissionsfromapaddyfieldinsouthernChinausingtheeddycovariancetechnique.AtmosphericEnvironment,45(12),2041-2049.

Zhang,R.,Li,X.,Zheng,Y.,&Zhou,W.(2013).EstimatingtheN2OemissionsfromricefieldsinChinabasedonthestatisticalmodel.AtmosphericEnvironment,75,1-8.

Lin,G.,Wang,S.,Du,K.,&Zhang,Z.(2016).Spatiotemporalvariationsanddrivingforcesofagriculturalnon-pointsourcepollutioninChina.JournalofEnvironmentalManagement,185,269-278.

Searchinger,T.,Heimlich,R.,Houghton,R.A.,Dong,H.,Eshetu,S.,McCarter,J.R.,...&Tu,J.(2008).Useoffertilizers,manure,andcropresiduestoreducegreenhousegasemissionsfromagriculture.EnvironmentalScience&Technology,42(7),2559-2568.

Galloway,J.N.,Dentener,F.,Capillari,C.,Graedel,T.E.,Hope,J.,Jacob,D.,...&Zhou,W.(2008).Inorganicnitrogensourcesintheglobalnitrogencycle.GlobalBiogeochemicalCycles,22(GB3),GB2S10.

Minx,J.,Cao,J.,Galloway,N.J.,&Chen,Z.(2011).AregionalinventoryofagriculturalammoniaemissionsinChina.AtmosphericEnvironment,45(11),2041-2049.

Chen,Z.,Minx,J.,Galloway,J.N.,&Cao,J.(2011).NitrousoxideemissionsfromagriculturalsoilsinChina.GlobalBiogeochemicalCycles,25(GB4),GB4S12.

Wang,Y.,Wang,S.,Yu,G.,Zhou,W.,&Zhang,Z.(2010).EstimatingCH4andN2OemissionsfromricefieldsinChinausingaprocess-basedmodel.AtmosphericEnvironment,44(31),3911-3920.

Li,X.,Liang,Z.,Zhang,R.,Zheng,Y.,&Zhou,W.(2012).EstimatingthemethaneemissionsfromricefieldsinChinabasedonthestatisticalmodel.AtmosphericEnvironment,49(1),1-8.

Li,X.,Zheng,Y.,Zhang,R.,Liang,Z.,&Zhou,W.(2011).EstimatingCH4emissionsfromricefieldsinChinabasedontheeddycovariancetechnique.AtmosphericEnvironment,45(19),3277-3284.

Guo,L.,Chen,X.,Peng,S.,Zhang,J.,Zhou,G.,&Chen,Z.(2012).Year-roundN2OemissionsfromapaddyfieldinsouthernChina:Measurementandmodeling.AtmosphericEnvironment,55,466-475.

Chen,X.,Guo,L.,Peng,S.,Zhang,J.,Zhou,G.,&Chen,Z.(2012).Year-roundCH4emissionsfromapaddyfieldinsouthernChina:Measurementandmodeling.AtmosphericEnvironment,55,458-465.

Wang,Z.,Chen,X.,Zhang,J.,Zhou,G.,&Chen,Z.(2011).EstimatingN2OemissionsfromapaddyfieldinsouthernChinausingtheeddycovariancetechnique.AtmosphericEnvironment,45(12),2041-2049.

Zhang,R.,Li,X.,Zheng,Y.,&Zhou,W.(2013).EstimatingtheN2OemissionsfromricefieldsinChinabasedonthestatisticalmodel.AtmosphericEnvironment,75,1-8.

Lin,G.,Wang,S.,Du,K.,&Zhang,Z.(2016).Spatiotemporalvariationsanddrivingforcesofagriculturalnon-pointsourcepollutioninChina.JournalofEnvironmentalManagement,185,269-278.

八.致谢

本研究的顺利完成离不开众多师长、同窗、朋友和机构的关心与帮助，在此谨致以最诚挚的谢意。首先，我要衷心感谢我的导师XXX教授。在本研究的选题、设计、数据分析和论文撰写等各个阶段，XXX教授都给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣和敏锐的洞察力，使我深受启发，为我树立了良好的学术榜样。每当我遇到困难时，XXX教授总能耐心地为我解答疑惑，并提出建设性的意见，他的鼓励和支持是我完成本研究的强大动力。此外，XXX教授在研究方法上的深刻见解，尤其是在核算方法优化、数据收集网络完善以及政策协同机制建设等方面的指导，为我构建研究框架提供了关键性支持，使本研究能够得以顺利完成。

感谢参与本研究评审和指导的各位专家学者，您们提出的宝贵意见和建议使我受益匪浅，对本研究的进一步完善起到了重要作用。同时，感谢XXX大学XXX学院为本研究提供的良好的学术环境和研究条件。学院浓厚的学术氛围、完善的实验设施以及书馆丰富的文献资源，为本研究提供了坚实的保障。特别感谢学院的多次学术研讨会，这些会议为我提供了与同行交流学习的机会，拓宽了我的研究视野。

感谢在数据收集和实地调研过程中提供帮助的各级政府部门、农业科研机构以及农业生产经营者。他们是本研究一手数据的重要来源，他们的支持与配合是本研究得以顺利进行的关键。感谢农业农村部、生态环境部、国家统计局等机构提供了宝贵的数据支持。同时，感谢参与问卷和访谈的各位专家和基层工作人员，他们的经验和见解为本研究提供了实践层面的