|
| 长江中游粮食主产区农作物生产碳公平时空演变与驱动因素研究 |
| Spatiotemporal evolution and driving factors of carbon equity in crop production in the main grain producing areas of the middle reaches of the Yangtze River |
| 投稿时间：2025-03-05 修订日期：2025-04-29 |
| DOI： |
| 中文关键词: 农作物生产 碳公平 驱动因素 XGBoost模型 长江中游粮食主产区 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 96 |
| 全文下载次数: 0 |
| 中文摘要: |
| 【目的】为识别粮食主产区农作物生产碳公平时空特征及驱动因素，【方法】本研究基于碳源-碳汇测度2008—2023年长江中游粮食主产区农作物生产碳公平系数，运用XGboost机器学习模型识别碳公平的关键驱动因素。【结果】结果表明：(1)2008-2023年，长江中游粮食主产区的碳公平系数总体大于1，但存在一定波动，碳公平水平增长率峰值分别为1.351%、-0.665%；(2)各省份碳公平水平差异显著，江西省最高，湖南省次之，湖北省最低；(3)碳公平性在空间上呈现显著异质性，高值区连续分布，低值区点状分散，部分地市长期处于低值状态；(4) 气温是影响研究区碳公平性的核心变量，其次是城镇化水平与农业劳动力投入。【结论】研究表明，通过制定区域差异化政策支持策略、优化城镇化与农业绿色转型协同推进以及建立健全碳公平监测与评估体系，全面提升区域碳公平水平，推动农业可持续发展与低碳转型。 |
| 英文摘要: |
| 事实上，粮食主产区是农业生产的核心空间，是农作物碳源汇频繁交换的重要区域。为此，本文以长江中游粮食主产区为对象，从碳公平出发，融合机器学习技术，打造多维度、动态的农作物生产碳公平评估与优化框架。在此基础上，建立农作物生产碳公平性指标评估体系，依据区域碳排放与碳汇的比例关系，提出体现空间异质性的农业生产碳收支公平量化方法。并采用XGBoost模型，以实现对碳公平驱动因素的精确识别，引入SHAP值解析技术，揭示关键驱动因素对碳公平影响的边际效应及其阈值特征，从而突破传统机器学习模型局限。鉴于此，本文通过测算农作物生产碳公平性系数，揭示其时空分异特征及演变，识别影响碳公平的关键因素和解析其非线性关系，以期为粮食主产区农业碳减排政策提供指导。 |
| HTML
View Fulltext
查看/发表评论 下载PDF阅读器 |
| 关闭 |
