中国碳排放相关论文

今天小编为大家推荐《中国碳排放相关论文(精选3篇)》，仅供参考，大家一起来看看吧。摘要准确、全面地核算区域电力相关碳排放（后文简称电力碳排放）是指导减排的前提。然而，现有研究忽视了贸易对区域电力碳排放的影响，导致“碳排放泄露”等问题，严重影响了电力碳减排政策的公平性和有效性。

第一篇：中国碳排放相关论文

基于库兹涅茨曲线的建设用地扩张与碳排放相关性研究

摘要：通过收集和处理1998—2013年重庆市城市发展新区的土地利用变更数据和能源消耗数据，进行重庆市城市发展新区16年间建设用地扩张与碳排放相关性研究，构建不同建设用地类型与碳排放强度之间的库兹涅茨曲线关系模型。结果表明：（1）重庆市城市发展新区建设用地总量逐年上升，城市用地和建制镇用地比例呈增长趋势，其他建设用地和农村居民点用地比例呈下降趋势；碳排放总量及碳排放强度呈波动增长趋势，近年来碳排放强度增长速度快于建设用地扩张速度。（2）重庆市城市发展新区建设用地扩张与碳排放强度之间呈倒U形曲线关系，曲线拐点位于建设用地总量比例为2.78%的临界处；城市用地和碳排放强度之间呈倒U形曲线关系，拐点位于0.474%的临界处；建制镇用地和碳排放强度之间呈倒U形曲线关系，拐点位于0.646%的临界处；农村居民点用地、其他建设用地与碳排放强度之间不存在明显的曲线关系。

关键词：重庆市城市发展新区；建设用地扩张；碳排放；库兹涅茨曲线；相关性

20世纪50年代，Kuznets用倒U形曲线描述经济增长与收入分配间的关系，提出库兹涅茨假说[1]。1995年Grossman等在探讨环境污染物与经济增长间的关系时，引入环境库兹涅茨曲线（EKC）[2]。Wagner认为人均收入和人均二氧化碳排放量呈同步增长关系，不存在转折点[3]。胡宗义等认为EKC的形状受研究样本的影响，工业化程度很高的国家呈倒U形曲线，有可能发展为N形曲线，不发达国家存在正向线性关系[4]。曹光辉等发现不同经济发展阶段、不同环境状况的地区，EKC并不一定会存在[5]。目前对碳排放的研究主要是对碳排放测算基准和碳足迹的研究。由于分析区域的差异性，数据收集、处理手段、分析重点的不同，库兹涅茨曲线会呈现不同形状。许广月等在环境库兹涅茨曲线理论的基础上，运用面板单位根和协整检验方法，研究了中国碳排放环境库兹涅茨曲线的存在性，研究结果认为中国的东、中部地区存在人均碳排放环境库兹涅茨曲线，但是西部地区尚缺乏实证性研究[6]。目前关于大都市碳排放的相关研究较多，主要集中于碳排放测算基准和碳足迹研究。重庆市城市发展新区的定位与整个重庆市未来经济社会发展密切相关，系统研究城市发展新区建设用地扩张与碳排放之间的密切关系，可为实现低碳经济下重庆市城市发展新区从“高碳”到“低碳”时代的跨越提供参考。

1研究区域概况

城市发展新区作为都市功能核心区和拓展区的有效辐射区域，是重庆大都市区的重要组成部分。城市发展新区共12个区县和2个开发区，包括涪陵区、长寿区、江津区、合川区、永川区、南川区、大足区、綦江区、铜梁县、潼南县、荣昌县、璧山县和万盛经济技术开发区、双桥经济技术开发区，是全市未来工业化和城镇化的主战场。

2数据与方法

2.1数据来源与处理

本研究中土地变更调查数据来源于重庆市土地利用变更调查数据（1998—2013年），能源消费数据和社会经济数据来源于重庆市统计年鉴（1998—2013年）。

2007年全国试行新的土地分类，数据处理过程中对新旧地类体系中的相关地类进行了归并，建设用地细分为城市用地、建制镇用地、农村居民点用地、其他建设用地4类，其他建设用地包括独立工矿、交通水利、风景名胜设施和特殊用地等土地利用类型。此外，1998—2013年城市发展新区区内的行政区划经多次调整和组合，在实际统计数据中发现存在缺失数据或数据错误的情况，为减小误差采取了2端取平均值代替缺失数据或错误数据，并对细小区域进行了适当的调整。

2.2研究方法

根据2006年《IPCC国家温室气体清单指南》[7]和相关研究成果[8-13]，城市发展新区碳排放核算按照能源活动、农业、林业及新区土地利用变化4个部分进行核算。能源消耗产生碳源效应，农业温室气体总排放量占全国排放量的17%左右，在碳问题上具有碳源和碳汇双重效应[14-15]。碳汇主要是林地、草地、水域、未利用地。林地碳汇功能最强，主要表现在直接固碳、能源的替代作用上[16]。根据相关研究并结合城市发展新区实际情况，碳排放系数为正值具有碳源效应，碳排放系数为负值则具有碳汇效应[10，17-18]。耕地、煤炭、石油、天然气为碳源，林地、草地、水域、未利用地为碳汇，具体系数参见表1。

碳排放测算公式：

式中：E为碳排放量；Ai为第i种土地利用方式所对应的土地面积；δi为第i种土地所对应的碳排放系数。

建设用地碳排放测算公式：

式中：P为建设用地碳排放量；Qi为第i种能源的消耗量；θi为第i种能源的碳排放系数。

碳排放强度指数测算公式：

式中：T为碳排放强度指数；C为研究区域的碳总排放量，其中C=E+P；S為研究区域的建设用地总面积。

库兹涅茨曲线模型：

式中：利用城市发展新区1998—2013年数据并参照EKC模型原理以及相关研究[19-20]，建立一次、二次、三次的库兹涅茨曲线模型。（4）式中：碳排放强度为T，待定参数为α、β1、β2、β3，建设用地面积占土地总面积的比例为L，随机误差干扰项为ε。反映建设用地及其构成与碳排放强度之间可能存在表2中的3种曲线关系，即线性、U形（或倒U形）、N形（或倒N形）曲线关系[21]。

3城市发展新区建设用地扩张特征与碳排放特征分析

3.1城市发展新区建设用地扩张特征分析

城市发展新区作为城镇化改革的主战场，随着“地票交易”的实行，增加了建设用地的指标，使建设用地指标在整个重庆市内异地交换和买卖成为可能。2013年城市发展新区建设用地总量2 572.95 km2，与1998年相比绝对增长量为5578 km2。建设用地总量迅速增长，表现在城市、建制镇、其他建设用地不断增加，农村居民点用地不断减少。2013年城市用地面积 203.79 km2，与1998年相比绝对增长量为 186.67 km2；建制镇用地面积 336.39 km2，与1998年相比绝对增长量为278.13 km2；农村居民点用地面积 1 514.91 km2，与1998年相比绝对增长量为36.49 km2，所占比例下降至 58.88%；其他建设用地面积517.85 km2，绝对增长量为 56.52 km2。这种变化符合快速城镇化地区建设用地的扩张模式，即农村居民点逐步转化为城镇及工矿、交通用地，并融入城镇的主体区域，城镇、工矿、交通等用地快速扩张。

3.2城市发展新区碳排放量特征分析

由以上公式，得到城市发展新区16年的碳排放强度。由图1可以看出，城市发展新区的碳排放总量和碳排放强度整体呈增长趋势，碳排放总量绝对增长量为1.36×107 t，碳排放强度绝对增长量为46.76 t/hm2。2001年出现拐点，碳排放总量为6.21×106 t，碳排放强度为29.83 t/hm2。2001年之前由于毁林开荒，林地面积大幅度减少，林地作为主要碳汇的功能减弱。2001年以后，随着国家植树造林、退耕还林政策的推广，林地面积逐渐增加，碳汇效应逐渐加强。但城市化进程加快，建设用地扩大，能源需求量与日俱增，导致碳排放量急剧增长。在实行“地票”过程中耕地占补平衡带来耕地面积增加，碳源作用加强。但林地面积增加所产生的碳吸收效应难以抵消建设用地面积和能源消耗增加带来的碳排放效应。

由图2可以看出，1998—2010年，碳排放强度的增加明显快于建设用地扩张速度；2010—2013年，建设用地扩张速度较碳排放强度的增长速度慢。说明城市发展新区在2010年之前土地利用效率处于较低水平，经济增长依托于能源的粗放式利用。随着科技提升、经济增长方式转变，积极实行节能减排政策，提高了能源利用效率，使碳排放总量和强度的增长速度减缓。

4城市发展新区建设用地扩张与碳排放强度的相关性

根据计算的建设用地扩张数据、图1、图2数据，将建设用地面积占土地总面积比例，4类二级用地占建设用地比例分别与碳排放强度进行相关性检验，得到建设用地总量比例及4类二级用地比例与碳排放强度的拟合图，拟合结果及曲线图分别见表3、图3。

4.1城市发展新区建设用地总量与碳排放强度的相关性

表3中的拟合结果说明，城市发展新区建设用地总量与碳排放强度之间存在明显的二次曲线关系，拟合效果较好，各回归系数均通过0.1水平上的显著性检验，回归模型：

图3模型显示，城市发展新区建设用地扩张与碳排放强度间呈倒U形曲线关系，拐点位于2.78%的临界处。当建设用地总量比例低于2.78%时，其扩张会导致碳排放强度增加，当高于2.78%的临界水平时，碳排放强度出现下降趋势。当前还未达到拐点位置，说明20世纪90年代开始，在城镇化初期阶段，土地和能源低效、粗放的经济增长方式使碳排放强度随建设用地扩张而不断增强。随着城市发展新区发展过程中打造装备制造业、机械加工业、轻纺食品业、“城郊休闲旅游”集群，该区的能源结构和土地利用方式将逐步走向集约化。随着土地资源集约节约利用政策的有效实施、产业技术更新、产业结构调整、生态环境的改善，建设用地扩张和碳排放的关系会进入质变阶段。

4.2城市发展新区二级地类与碳排放强度之间的相关性

根据表3的数据，对各二级用地所占比例与碳排放强度进行相关性研究，得出以下结果（图4）。

图4-a显示，城市用地比例与碳排放强度之间呈倒U形曲线关系，拐点位于0.474%的临界处。当城市用地比例小于0.474%时，其扩张会导致碳排放强度增加，当大于 0.474% 时，碳排放强度会出现下降趋势。目前城市发展新区城市用地已逐渐进入一个集约利用及精明增长阶段。

建制镇用地比例与碳排放强度之间的关系呈倒U形曲线，拐点位于0.646%临界处。当建制镇用地比例低于 0.646% 时，扩张导致碳排放强度加大，当高于0.646%临界水平时，碳排放强度会逐步减小。图4-b中，建制镇面积地不断扩大对碳排放产生正向的推动作用减弱，碳排放效应逐渐呈现出下降趋势。

农村居民点用地比例与碳排放强度之间无明显的曲线关系，各点随机分布。农村居民点作为一类较特殊的土地利用类型，和城镇、交通、工矿用地等相比较而言，基本上承载了生活的功能，所产生的碳排放量较小，并不作为主要碳源进行考虑。

[JP+1]其他建设用地比例与碳排放强度之间也无明显的曲线关系，点位分布无序且分散。由于其他建设用地是集生产、生活、交通为一体的各类用地综合的特殊土地利用类型，应作为碳源进行考虑，其扩张对碳排放强度的加强有正向推动作用。

综上所述，城市、建制镇用地比例与碳排放强度之间均存在倒U形曲线关系，随着科技的提升，对土地和能源的集约利用，它们用地面积的扩张导致对碳排放强度增强的正向作用逐渐减弱，碳排放效应逐步呈现下降趋势；农村居民点、其他建设用地比例与碳排放强度之间无明显的曲线关系。目前而言，农村居民点用地逐步减少，碳排放效应逐步减弱；其他建[CM（25]设用地对碳排放强度仍然具有较强的推动作用，随着对土地利用的集约程度加大，其他建设用地所承载的工业生产和经济增长所带来的碳排放强度有望进入逐渐下降阶段。2个二级地类组成的城市发展新区建设用地总量与碳排放強度之间呈倒U形曲线关系，但不同建设用地地类所占比例不同，且不同地类与碳排放强度之间的相互作用不同，其库茨涅兹拐点尚未到来。

5结论与讨论

5.1结论

通过对建设用地扩张与碳排放强度之间的相关性研究，可以得出以下2个方面的结论。

（1）重庆市城市发展新区建设用地扩张与碳排放强度之间呈倒U形曲线关系。城市发展新区建设用地扩张对碳排放强度还起到正向推动作用，随着建设用地面积比例增加至2.78%临界处时，碳排放强度会逐渐下降。当前，由于建设用地所承载的能源消耗巨大，产生的碳排放量远高于农作物生长产生的碳排放量，是最主要的碳源。而随着城镇化的推进，建设用地总量不断增加的同时导致林地、草地等面积减少，碳汇作用减弱，所以当前建设用地扩张所带来的仍是正向的推动作用。随着节能技术的发展，能源利用效率的提高，将会逐渐达到临界水平，碳排放效应将逐步减弱。（2）城市用地、建制镇用地与碳排放强度呈倒U形曲线关系，农村居民点、其他建设用地与碳排放强度之间不存在明显的曲线关系。城市、建制镇用地与碳排放强度呈倒U形曲线关系，已经达到拐点位置，其面积的增加带来碳排放效应逐步减弱；农村居民点用地不是主要碳源，但随着其利用类型逐步转化为城市、建制镇用地，将会对碳排放强度有潜在推动作用；其他建设用地与碳排放强度之间整体上是正向推动作用，但随着资源利用集约化，碳排放效应有望减弱。因此，城市发展新区在经济发展转型和构建低碳社会的任务要求下，不能消极等待碳排放库兹涅茨曲线拐点的到来， 必须对土地利用政策调控作出积极的响应，实现土地利用、经济、生态之间的协调发展。

5.2讨论

在基于库兹涅茨曲线对重庆市城市发展新区建设用地扩张与碳排放间的相关性研究中，重点在于探讨建设用地格局演变与碳排放之间的相互关系，从而为土地利用规划和资源环境政策制定提供全新的视角和思路。但是由于文章只选取了1998—2013年间的数据进行建设用地扩张碳排放效应的库兹涅茨曲线研究，未对土地利用类型结构差异性和空间布局差异性所造成的碳排放效应进行差别对比；因此，有必要再收集更长时间段的土地利用变更数据和能源消耗数据，以探讨建设用地扩张的碳排放效应，为气候变化背景下的土地利用规划提供参考。

参考文献：

[1]Kuznets S. Economic growth and income equality [J]. American Economic Review，1955，45（1）：1-28.

[2]Grossman G，Krueger A. Economic growth and the environment [J]. Quarterly Journal of Economics，1995，110（2）：353-337.

[3]Wagner M. The carbon Kuznets curve cloudy picture emitted by bad econometrics [J]. Resource and Energy Economics，2008，30（3）：388-408.

[4]胡宗义，刘亦文，唐李伟. 低碳经济背景下碳排放的库兹涅茨曲线研究[J]. 统计研究，2013，30（2）：73-79.

[5]曹光辉，汪锋，张宗益，等. 我国经济增长与环境污染关系研究[J]. 中国人口·资源与环境，2006，16（1）：25-29.

[6]许广月，宋德勇. 中国碳排放环境库兹涅茨曲线的实证研究——基于省域面板数据[J]. 国民经济，2010（5）：37-47.

[7]IPCC.2006 IPCC guidelines for national greenhouse gas inventories[R]. Prepared by the National Greenhouse Gas Inventories Programme. IGES，Japan，2006.

[8]Cai Z C，Kang G D，Tsuruta H，et al. Estimate of CH4 emissions from year-round flooded rice field during rice growing season in China [J]. Pedosphere，2005，15（1）：66-71.

[9]何勇. 中国气候、陆地生态系统碳循环研究[M]. 北京：气象出版社，2006.

[10]方精云，過兆迪，朴世龙，等. 1981—2000年中国陆地植被碳汇的估算[J]. 中国科学（D辑：地球科学），2007，37（6）：804-812.

[11]徐国泉，刘则渊，姜照华. 中国碳排放的因素分解模型及实证分析：1995—2004[J]. 中国人口·资源与环境，2006，16（6）：158-161.

[12]张秀梅，李升峰，黄贤金，等. 江苏省1996—2007年碳排放效应及时空格局分析[J]. 资源科学，2010，32（4）：768-775.

[13]李颖，黄贤金，甄峰. 江苏省区域不同土地利用方式的碳排放效应分析[J]. 农业工程学报，2008，24（增刊2）：102-107.

[14]陈源泉，高旺盛. 中国粮食主产区农田生态服务价值总体评价[J]. 中国农业资源与区划，2009，30（1）：33-39.

[15]张大东，张社梅，黄伟. 浙江省农业系统碳源、碳汇现状评估分析[J]. 中国农业资源与区划，2012，33（5）：12-19.

[16]刘凯，江世浩，朱文珏. 广东省森林碳汇量估算及其空间效应分析[J]. 中国农业资源与区划，2015，36（3）：120-126.

[17]苏雅丽，张艳芳. 陕西省土地利用变化的碳排放效益研究[J]. 水土保持学报，2011，25（1）：152-156.

[18]顾凯平，张坤，张丽霞. 森林碳汇计量方法的研究[J]. 南京林业大学学报（自然科学版），2008，32（5）：105-109.

[19]桂小丹，李慧明. 环境库兹涅茨曲线实证研究进展[J]. 中国人口·资源与环境，2010，20（3）：5-8.

[20]陈勇，冯永忠，杨改河. 农业非点源污染源的环境库兹涅茨曲线实证研究——基于陕西省农业投入和废弃物排放的研究[J]. 干旱地区农业研究，2010，28（3）：191-198.

[21]吴玉鸣. 广西生态足迹与能源消费的库兹涅茨曲线分析[J]. 中国人口·资源与环境，2010，20（11）：30-35.

作者：陈怡君 刘小波 于晓凤 周宝同

第二篇：区域电力相关碳排放核算框架的构建和应用

摘要 准确、全面地核算区域电力相关碳排放（后文简称电力碳排放）是指导减排的前提。然而，现有研究忽视了贸易对区域电力碳排放的影响，导致“碳排放泄露”等问题，严重影响了电力碳减排政策的公平性和有效性。鉴于此，本文综合运用IPCC清单编制法、网络法和多区域环境投入产出模型建立了涵盖生产侧、供给侧和消费侧的电力碳排放核算框架，并编制了2012年我国30个省区不同视角下的电力碳排放清单。结果表明：①地区在不同视角下的电力碳排放存在较大差异。以内蒙古为例，2012年其生产侧、供给侧、消费侧视角下电力碳排放分别为3.76亿t、2.39亿t和1.26亿t。②不同视角下各省电力碳排放的空间分布呈现不同的特征：火力发电比重高的北方省份（如内蒙古和山西）有较大的生产侧电力碳排放，制造业所占比重高的中部和东部省份（如河北和山东）有较大的供给侧电力碳排放，而经济发展水平高的东部沿海省份（如江苏和浙江）有较大的消费侧电力碳排放。③各省区之间存在大规模电力碳排放流动。2012年，我国通过输电网络和贸易网络发生的省际电力碳排放流动总量分别为4.60亿t和9.76亿t，分别占全国生产侧电力碳排放总量的13.1%和27.7%。通過输电网络和贸易网络的电力碳排放流动呈现出从中西部地区流向东部沿海地区的空间特征。本文建立的电力碳排放核算框架将生产侧、供给侧、消费侧视角有机地结合在一起，有利于增强对电力系统碳排放的认识，为合理划分区域间电力碳排放责任提供了基础。

关键词 电力碳排放;电力流动;网络法;多区域环境投入产出模型;多视角

文献标识码 A

我国是世界上最大的CO2排放国[1]。在众多经济部门中，发电部门CO2排放量最大[2-5]。2016年我国发电产生的CO2排放量为43.9亿t，约占我国总排放的45%[6-7]，几乎与美国同年度化石燃料燃烧产生的CO2排放总量相等[8]。因此，我国急需制定科学合理的电力碳减排政策，这对我国减排目标的实现至关重要。基于此，本文综合使用IPCC清单编制法、网络法和多区域环境投入产出模型建立了电力碳排放核算框架，并在此框架基础上核算了2012年我国30个省区生产侧、供给侧和消费侧的电力碳排放，最后从消费侧出发提出一些政策建议。

1  文献综述

碳排放清单是中央政府分配减排目标责任、制定减排政策的重要依据[9]。现有研究主要从两个方面来核算区域电力碳排放：生产侧电力碳排放（直接电力碳排放）和供给侧电力碳排放（间接电力碳排放）。生产侧电力碳排放是指地区在发电过程中直接产生的CO2排放量，而政府间气候变化专门委员会（IPCC）编制的温室气体核算方法是核算地区直接电力碳排放最重要和最常用的方法[9-11]。基于IPCC清单方法，马翠梅等人[12]核算了2010年我国各省发电产生的碳排放;Shan等人[7]建立了我国1997—2015年的直接排放清单，其中包括地区发电部门的直接碳排放;Qu等人[13]的研究也包含我国各省发电产生的直接碳排放。此外，一些数据库和机构，如中国排放账户和数据库（CEADs）[14]、国际能源署（IEA）[8]等也使用IPCC清单方法核算了地区直接电力碳排放。另一方面，由于电力供给和需求的空间错配，我国区域间存在通过输电网络发生的大规模直接电力流动[15-16]，同时，隐含于电力中的碳排放和其他污染物也通过输电网络发生流动[17]。在这种情况下，一个地区生产侧直接电力碳排放和供给侧间接电力碳排放可能存在较大差异。一些学者使用直接贸易调整法和网络法来模拟区域间直接电力碳排放流动，并计算地区供给侧电力碳排放。供给侧电力碳排放是指在区域间电力交易后地区电力供给中隐含的碳排放。直接贸易调整法相对简单，这种方法假设一个地区买入的电力完全用于当地消耗，而本地流出的电力中不包含买入的电力，因此不存在高阶电力流动[18-19]（即一个地区的电力通过中转地区流到另外一个地区）。网络法假设一个地区买入的电力首先与本地生产的电力混合，然后用于本地消费或者卖出。Qu等人[13]使用网络法计算了中国各省、亚欧大陆[20]、以及全球[21]的电力贸易中隐含的碳排放流动。Ji等人[22]以中国、亚欧大陆、北欧地区的电网系统为例，说明使用网络法与其他方法得到的排放强度存在较大的差异。由于考虑了流经中转地区的高阶电力流动，网络法有利于得到更加精确的间接电力碳排放[20]。

然而，现有研究多从单一视角（消费侧或供给侧）核算电力碳排放，并且忽视了区域间贸易对于地区电力碳排放的影响。与隐含能源[23-25]、虚拟水[26-28]、隐含碳[29-30]等类似，电力碳排放可以通过区域间的贸易网络发生流动。忽视区域贸易对地区电力碳排放的影响将会导致碳排放泄漏[31-33]，而基于地区消费侧的电力碳减排政策可以避免区域贸易造成的碳泄露问题。此外，地区消费侧电力碳排放可以反映消费者和贸易受益地区在减排中的责任，并为消费侧减排政策提供参考，有利于补充现有的以生产侧和供给侧为主的减排政策[13]。本文中消费侧电力碳排放包含地区用于满足当地最终需求和日常生活导致的电力碳排放。我国各省之间经济联系密切，跨区域的电力碳排放流动可能造成地区的间接电力碳排放和隐含电力碳排放相差较大。随着区域贸易规模的扩大，忽视通过区域贸易发生的间接电力碳排放流动将会严重削弱减排政策的有效性[34-35]。

本文首次建立了一个涵盖生产侧、供给侧、消费侧的多视角电力碳排放综合核算框架，系统测算并对比这三个视角下的区域电力碳排放量。如图1所示，本文建立的多视角电力碳排放核算框架将发电、直接用电、最终消费联系起来，完整地描述了电力碳排放的来源和最终去向，弥补了现有研究的不足，为准确量化和深入理解区域电力碳排放提供了理论基础。本文为政策制定者合理分配环境责任提供决策依据，并给出一些基于消费侧的减排建议。本文的另一个重要创新之处是在计算供给侧的间接电力碳排放强度时考虑电力进出口，而且将三峡水电站作为网络法中的一个节点单独列出，这有助于获取更加准确的电力碳排放强度。

2 研究方法与数据来源

2.1 生产侧直接电力碳排放核算方法

本文使用IPCC清单方法来计算地区的直接电力碳排放。一个地区使用m种燃料进行发电，则其产生的CO2排放量为：

eGi=∑mk=1efk×fci，k（1）

其中，ef k表示的是第k种燃料的CO2排放因子，fci，k表示的是i地区用于发电的第k种燃料消耗量。

2.2 供给侧间接电力碳排放核算方法

本文使用Qu等人提出的网络法来计算地区的供给侧电力碳排放。一个地区流入电力与生产电力之和应该等于该地区流出电力与消费电力之和。在包含n个地区的模型中，这个关系可以用等式（2）来表示：

xi=pi+∑nj=1Tj，i=ci+∑nj=1Ti，j（2）

其中xi表示地区i的总电力流动，pi表示i地区生产的电力，Ti，j表示地区i出口到地区j的电量，ci是地区i消費的电力。

定义对角矩阵 ：

=x10…00x2…000…xn（3）

已知n个地区间电力流动，我们可以得到电力流动矩阵T（n×n）（见图1）。

T=0T1，2…T1，nT2，10…T2，nTn，1Tn，2…0（4）

下面定义直接流出矩阵B：

B=-1T=0T1，2x1…T1，nx1T2，1x20…T2，nx2Tn，1xnTn，2xn…0

（5）

B矩阵中的元素B（i，j）表示的是地区i流向地区j的电力占i地区总电力流动的比重。

根据等式（2），可得到下面的等式：

x=p+xB

=p1，p2，…pn+

x1，x2，…xnB（6）

其中，x和p是 1×n的行向量，分别表示地区的总电力流动和发电量。

根据上式可得：

x=pI-B-1=pG（7）

其中，I是单位矩阵，G=[I-B]-1=I+B+B2+B3+…。矩阵G表示的是地区间总的电力流动（包含通过中转地区和不通过中转地区的流动），其元素G（i，j）表示的是i地区所发电力中流到j地区的电力比重。I表示供给本地区的电力，B表示不通过中转地区流动向其他地区的电力流动，B2表示通过一个中转地区的电力流动，B3表示通过两个中转地区的电力流动，更高阶项的含义依此类推。

然后，定义生产-消费矩阵，H：

H=G-1（8）

是地区电力消耗量构成的对角矩阵，其中对角线元素（i，j）（i=j）是i地区的电力消耗量。H矩阵将不同地区的发电和电力消费联系起来，其元素H（i，j）=Gij×cjxj表示的是i地区所发电力被j地区消费的比重。

下面将发电的CO2排放量和地区的耗电量联系起来：

EC=EGH（9）

其中，矩阵EC的元素EC（i，j）表示的是j地区消费的i地区的电力中隐含的CO2排放。矩阵EG的含义如下：

EG=eG10…00eG2…000…eGn（10）

根据上面的等式，我们可以计算出地区i的供给侧电力碳排放：

ECi=∑nj=1ECi，j（11）

同时还可以得到地区i供给侧电力的碳排放系数ef c ：

efc=ECiEC（12）

其中，EC=Pi+∑ni=1Tji-∑ni=1Tij，表示i地区总供给电力，等于i地发电量加流入电力减去流出电力。

2.3 消费侧隐含电力碳排放核算方法

由于本文主要关注国内电力碳排放流动，而且缺少关于进口的详细数据，所以我们在计算地区隐含电力碳排放时不考虑进口[36]。对于多区域投入产出表，存在下面的平衡关系：

yi，j=∑30p=1∑30t=1zi，jp，t+∑30s=1∑5n=1di，js，n+ei，j+oi，j（13）

其中，yi，j表示i地区j部门的总产出;表示i地区j部门向p地区t部门提供的中间产品;表示i地区j部门为满足s地区n类最终需求提供的产品;ei，j是i地区j部门产品的出口;oi，j是其他误差平衡项。

根据等式（13），我们可以得到下面的电力碳排放的平衡关系：

ci，j+∑30p=1∑30t=1εp，tzp，ti，j=εi，j∑30p=1∑30t=1zi，jp，t+εi，j∑30s=1∑5n=1di，js，n+

εi，jei，j+εi，joi，j=εi，jyi，j （14）

其中，ci，j是i地区j部门的间接电力碳排放，这个值可以通过i地区的直接电力消费碳排放强度与i地区j部门的直接电力消费量相乘得到;εi，j是i地区j部门的隐含电力碳排放强度，表示单位价值产品中的隐含的电力碳排放量。

将等式（14）转换为矩阵形式：

C+E×Z=E×Y（15）

其中，C是直接电力消费碳排放量矩阵，C=[C1，1…C1，30，…C30，30，];E是隐含电力碳排放强度矩阵，E=[ε1，1…ε1，30，…ε30，30，];Z是中间流动矩阵;Y是各地区各部门总产出组成的对角矩阵。

等式（15）可以转换成下面的形式：

E=C（Y-Z）-1（16）

地区i隐含电力碳排放就等于：

TEi=E×Di（17）

其中，TEi表示i地区隐含电力碳排放总量;Di表示i地区最终需求列向量。

此外，地区间的间接电力碳排放流动可以由以下方法得到：首先计算隐含电力碳排放强度矩阵RE30×900。调整后的2012年投入产出表包含30个省份，每个省份有30个部门，因此可以认为全国30个省份合作生产900种的产品。隐含电力碳排放矩阵E是一个1×900的行向量，其中元素εi，j是i地区j部门1单位产值所隐含的电力碳排放量。下面以1地区为例，定义地区1的电力碳排放强度行向量RE1：

RE1=C1（Y-Z）-1（18）

其中，RE1表示900种产品的单位价值所隐含的地区1的电力碳排放量; C1=[C1，1，C1，2…C1，30，0…0]。

同样的方法可以得到30个地区的REi。

2.4  数据来源

本文使用的多区域投入产出表是刘卫东等人[37]编制的《2012年中国31省区市区域间投入产出表》，为了与各部门电力消耗数据匹配，本文将投入产出表的42部门合并为30部门;我国各省份电力流动和进出口数据是根据《电力工业统计资料汇编2012》[38]整理得到;各省份的发电量和用电量数据来自《中国电力年鉴2013》[39];2012年各省发电燃料投入数据来自《2013年中国能源统计年鉴》[40];在选择燃料的排放系数时本文与Qu的研究保持一致，其中，原煤的碳排放系数来自Liu等人的研究[41]，其他燃料的排放系数来自世界资源研究所（WRI）[42];与中国存在直接电力贸易的国家或地区的发电碳排放系数和发电量数据来自国际能源署（IEA）[8]。由于数据所限，本文假设这些地区或国家只和中国发生国际电力贸易。

3  结果分析

3.1 生产侧直接电力碳排放分析

2012年，我国30个省份直接电力碳排放共计35.2亿tCO2。具有丰富煤炭资源的省份（如内蒙古和陕西）以及人口大省（如河南、河北、山东、广东等）通常有较大的直接电力碳排放。其中内蒙古的直接电力碳排放量最大（3.76亿t），其次是江苏（2.96亿t）和山东（2.93亿t）。而人口较少的省份（如青海、海南、重庆等）和水力发电占比高的省份（如四川、云南、湖北）通常有较小的直接电力碳排放量。

我国不同省份之间直接电力碳排放强度（生产单位电力产生的碳排放）存在较大差异。以火力发电为主的北方地区具有较高的直接电力碳排放强度，比如华北电网（北京、天津、河北、山西、山东）和东北电网（内蒙古、辽宁、吉林、黑龙江）。其中内蒙古的直接电力碳排放强度为1.18 kg CO2/kW·h，是直接电力碳排放强度最高的省份。而南方地区由于水力发电所占比重较高[39]，因此具有较低的直接电力碳排放强度，例如湖北、四川、云南等地区。

3.2 供给侧间接电力碳排放分析

3.2.1 基于输电网络的直接电力碳排放流动

我们使用网络法得到了2012年我国省际直接电力碳排放流动。2012年我国省际直接电力碳排放流动总量为4.6亿t，占全国直接电力碳排放的13.1%。如图2所示，直接电力碳排放流动的基本方向是从中西部地区流向东部省份。我国省际最大的三个电力碳排放流动都是从内蒙古流出，分别流入河北（0.5亿t）、北京（0.4亿t）、辽宁（0.4亿t）。直接电力碳排放流动的方向与我国煤炭资源的分布和地区的经济发展水平相关。可以看出主要的净流入省份普遍是经济规模大但煤炭资源短缺的省份，而净流出省份则主要是经济水平较低而煤炭资源比较丰富的地区。此外，在

直接电力碳排放流动中，临近省份的电力碳排放流动规模较大，这是因为直接电力或直接电力碳排放的流动依赖于输电线路等基础设施，而跨区域的输电线路投资规模巨大，建设难度高，而且长距离的电力传输会产生电力损耗[43]，这些因素限制了跨区域的直接电力流动。

3.2.2 我国各省供给侧间接电力碳排放量及特征分析

我国30个省份间接电力碳排放总量为35.1亿t CO2，间接电力碳排放最大的三个省份分别是山东（3.30亿t）、江苏（3.21亿t）和河北（2.80亿t）。与直接电力碳排放类似，间接电力碳排放强度仍然呈现北高南低的特征。

我国地区间大规模的直接电力碳排放流动使一些省份的直接与间接电力碳排放在排放量和排放强度上存在较大差异。北京、河北、辽宁、青海、内蒙古、山西、安徽、宁夏、贵州等省份的直接电力碳排放和间接电力碳排放之间差距较大（见图3）。另一方面，北京、上海、湖北、重庆、青海、广东等地区的直接和间接电力碳排放强度存在较大差异。例如，北京的间接电力碳排放强度比直接电力碳排放强度高60.3%。这是因为北京从山西和内蒙古买入了大量的电力，而这些卖出电力的省份生产的电力的碳排放强度较高。

3.3 消費侧隐含电力碳排放分析

3.3.1 基于贸易网络的间接电力碳排放流动

间接电力碳排放流动可以分为省际流动和隐含在出口中的电力碳排放两部分。2012年我国间接电力碳排放流动总量为16.1亿t，占全国直接电力排放量的45.7%，其中省际流动总量为9.76亿t，隐含在出口中的电力碳排放为6.34亿t。

图4展示了我国2012年省际间接电力碳排放净流动。与直接电力碳排放流动的空间特征不同，间接电力碳排放流动的基本方向是从北向南，而且相距很远的省份之间存在间接电力碳排放流动。间接电力碳排放流动中，净流入地区主要是经济发达地区（如北京、天津、上海、浙江、广东），和中西部直接电力碳排放强度低（或者说水电比重高）的地区（如湖北、湖南、广西、海南、重庆、四川、云南、青海），而中西部地区直接电力碳排放强度高的地区一般为净流出地区（如河北、山西、内蒙古、辽宁、河南、宁夏等）。间接电力碳排放流动的方向与当地的产业结构以及

当地的经济发展水平有关。经济发展水平高的地区有更高的消费水平，这些地区可以从外部省份买入更多的产品来满足当地的最终需求，因此经济发达省份更有可能是净流入省份，对于欠

发达地区则相反。

作为一个出口大国，我国出口的产品和服务中隐含了大量电力碳排放。2012年我国出口中隐含电力碳排放总量为6.34亿t。东部沿海省份是主要的电力碳排放出口地区，其中江苏、广东、浙江、山东是最大的四个电力碳排放出口地区，这四个地区的电力碳排放出口占全国的46.9%。

而最终需求可以进一步分为消费和投资两部分。

3.3.2 我国各省消费侧隐含电力碳排放量及特征分析

2012年全国消费侧隐含电力碳排放总量为29.1亿t CO2，占生产侧电力碳排放的82.7%。经济发展水平高和人口多的省份倾向于有较大的隐含电力碳排放量，例如河南、河北、山东、江苏、浙江、广东、安徽。为了进一步分析隐含电力碳排放的结构，本文将地区隐含电力碳排放分为两部分：第一，用于满足本地最终需求引致的电力碳排放，第二，满足本地非生产活动引致的电力碳排放（城乡居民生活用电引致的电力碳排放）。在2012年全国隐含电力碳排放量中，消费部分引致的电力碳排放占30.1%，投资占55.3%，日常生活用电占14.6%。

由于我国各省、直辖市之间的经济规模和人口规模存在较大的差距，我们分析了各省消费侧的人均电力碳排放的构成。从图5中可以看出以下四个特征：第一，各省消费侧的人均电力碳排放存在很大差异。2012年全国消费侧人均电力碳排放为2.16 t/人，其中人均排放量最高的宁夏（5.33 t/人）是人均排放量最低的四川（0.84 t/人）的6.4倍。第二，各省消费侧的人均排放具有北高南低的空间特征。南方省份的人均排放量普遍低于北方省份。第三，经济发达省份的消费侧人均排放量比较高，而欠发达地区偏低。第四，在各省消费侧的人均排放构成中，欠发达省份投资需求引致的电力碳排放比重较高，而发达省份消费需求所占比重高。

4 结 论

准确核算区域电力碳排放是制定合理减排政策的基础，而已有研究忽视了区域贸易对于地区电力碳排放的影响，地区消费侧电力碳排放核算存在空白。针对上述问题，本文使用IPCC清单方法、网络法和多区域环境投入产出分析法首次建立了包含生产侧、供给侧和消费侧电力碳排放的综合核算框架，并分析了通过输电网络和贸易网络发生的电力碳排放流动对于地区三个视角下的电力碳排放的影响，主要结论如下：

（1）我国各省直接电力碳排放量以及排放强度与当地的发电结构和经济规模相关。总体而言，北方省份的火力发电所占比重高，因此具有较大的直接电力碳排放量和较高的碳排放强度，例如河北、山西、内蒙古等省份。而南方省份有较高比重的水力发电，因此排放量和排放强度较低，例如湖北、四川、云南等。此外，由于经济规模大的省份发电量较大，因此经济大省倾向于有较大的直接电力碳排放，例如江苏、山东、广东。

（2）2012年我国消费侧电力碳排放占生产侧电力碳排放总量的82.7%，其中投资占全国消费侧电力碳排放的55.3%，消费和日常生活用电分别占30.1%和14.6%。此外，我国的出口中隐含了大量的电力碳排放，2012年我国出口中隐含电力碳排放总量为6.34亿t，占我国直接电力碳排放总量的18%。

（3）2012年我国省际直接和间接电力碳排放流动规模巨大，造成一些省份的生产侧、供给侧、消费侧电力碳排放相差较大。其中，内蒙古的供给侧电力碳排放量为生产侧电力碳排放量的63.56%，这是因为内蒙古是主要的直接电力净流出省份。北京的供给侧电力碳排放量是生产侧的4.82倍，这是因为北京从山西、内蒙古等地买入了大量具有高碳排放强度的电力。

（4）基于输电网络的直接电力碳排放流动和基于贸易网络的间接电力碳排放流动都倾向于从中西部地区流向东部省份。其中，间接电力碳排放流动规模较大，而且与直接电力碳排放流动相比，有更多地区之间发生了间接电力碳排放流动。

电力部门的碳减排是一个复杂的系统工程[44]，涉及发电地区、直接用电地区和隐含电力消费地区，需要多方面的环境政策相互配合才能达到减排目标。以往的减排政策主要是基于生产侧直接排放和供给侧间接排放，本文

的消费侧隐含电力碳排放核算可以作为政策制定者分配减排责任时的参考依据，用“谁消费谁负责”来补充目前“谁生产谁负责”的责任分配框架[10]，使我国各省之间减排责任的分配更合理。具体来说，北京、天津、上海、浙江、江苏、广东等在区域贸易中是电力碳排放净流入地区，这些地区应该承担更多的减排责任;而内蒙古、山东、河北、河南、贵州等在区域贸易中是电力碳排放净流出地区，应该避免这些地区的环境责任被高估。此外，应该注重从消费的角度来减少电力碳排放。根据对我国各省人均隐含电力碳排放的分析，具有较高收入水平的东部地区（例如北京、上海、广东等）用于消费的电力碳排放较多，因此这些地区应该积极推动居民绿色低碳消费理念和生活方式的形成。另一方面，收入水平较低的中西部地区用于满足投资需求的电力碳排放较多，因此这些地区可以通过减少重复低效的基础设施建设，来降低消费侧电力碳排放。作为出口大国，我国的电力碳排放中有很大一部分是由国外的消费需求引致的，因此要推动我国出口产品从能源、勞动力密集型转变为知识、技术密集型，通过提高我国在全球供应链中的地位来减少国内电力碳排放。值得注意的是，本文提出的基于消费的环境政策与基于生产和供给的环境政策不是替代关系，而是相互补充相互依赖的关系。这三种环境政策的配合使用将会推动电力部门全方位减排。

（编辑：于 杰）

参考文献

[1]LI H N， QIN Q D. Challenges for China’s carbon emissions peaking in 2030： a decomposition and decoupling analysis [J]. Journal of cleaner production， 2019， 207： 857-865.

[2]張小丽， 刘俊伶， 王克， 等. 中国电力部门中长期低碳发展路径研究 [J]. 中国人口·资源与环境， 2018， 28（4）： 68-77.

[3]WEI W， WANG X， ZHU H， et al. Carbon emissions of urban power grid in Jing-Jin-Ji region： characteristics and influential factors [J]. Journal of cleaner production， 2017， 168： 428-440.

[4]魏文栋， 郭艺， 谷岱南， 等. 中国电力行业生产结构低碳化转型研究 [J]. 环境经济研究， 2018 （3）： 6-18.

[5]ZHOU S， WEI W， CHEN L， et al. The impact of a coal-fired power plant shutdown campaign on heavy metals emissions in China [J]. Environmental science & technol， 2019（10）： 1-19.

[6]MA J， DU G， XIE B. CO2 emission changes of China’s power generation system： input-output subsystem analysis [J]. Energy policy， 2019， 124： 1-12.

[7]SHAN Y， GUAN D， ZHENG H， et al. China CO2 emission accounts 1997-2015 [J]. Scientific data， 2018， 5： 1-14.

[8]INTERNATIONAL ENERGY AGENCY. CO2 emissions from fuel combustion highlights[R]. 2018.

[9]刘竹， 关大博， 魏伟. 中国二氧化碳排放数据核算 [J]. 中国科学：地球科学， 2018， 48（7）： 878-887.

[10]李堃， 王奇. 基于文献计量方法的碳排放责任分配研究发展态势分析 [J]. 环境科学学报， 2019（7）： 1-23.

[11]WEI W， ZHANG P，YAO M，et al. Multi-scope electricity-related carbon emissions accounting： a case study of shanghai[J].Joural of clearev production， 2020，252：119789.

[12]马翠梅， 葛全胜. 中国省域电力部门CO2排放计算方法研究 [J]. 气候变化研究进展， 2014， 10（5）： 377-383.

[13]QU S， LIANG S， XU M. CO2 emissions embodied in interprovincial electricity transmissions in China [J]. Environmental science & technol， 2017， 51（18）： 893-902.

[14]GUAN D. China emission accounts and datasets： emission inventories by sectoral approach [DB/OL]. 2019. http：//www.ceads.net/data/inventory-by-sectoral-approach/

[15]馬丽， 张博. 中国省际电力流动空间格局及其演变特征 [J]. 自然资源学报， 2019（2）： 348-58.

[16]WEI W， WU X， LI J， et al. Ultra-high voltage network induced energy cost and carbon emissions [J]. Journal of cleaner production， 2018， 178： 276-292.

[17]叶敏华， 蔡闻佳， 王灿. 跨区电力传输对大气污染物和CO2的区域排放影响研究 [J]. 中国环境科学， 2013， 33（10）： 1869-1875.

[18]LINDNER S， LIU Z， GUAN D， et al. CO2 emissions from China’s power sector at the provincial level： consumption versus production perspectives [J]. Renewable and sustainable energy reviews， 2013， 19： 164-172.

[19]ZAFIRAKIS D， CHALVATZIS K J， BAIOCCHI G. Embodied CO2 emissions and cross-border electricity trade in Europe： rebalancing burden sharing with energy storage [J]. Applied energy， 2015， 143： 283-300.

[20]QU S， WANG H， LIANG S， et al. A quasi-input-output model to improve the estimation of emission factors for purchased electricity from interconnected grids [J]. Applied energy， 2017， 200： 249-259.

[21]QU S， LI Y， LIANG S， et al. Virtual CO2 emission flows in the global electricity trade network [J]. Environmental science & technology， 2018， 52（11）： 6666-6675.

[22]JI L， LIANG S， QU S， et al. Greenhouse gas emission factors of purchased electricity from interconnected grids[J]. Applied energy， 2016， 184： 751-758.

[23]ZHANG B， QIAO H， CHEN Z M， et al. Growth in embodied energy transfers via China’s domestic trade： evidence from multi-regional input-output analysis [J]. Applied energy， 2016， 184： 1093-1105.

[24]LIU B， WANG D， XU Y， et al. Embodied energy consumption of the construction industry and its international trade using multi-regional input-output analysis [J]. Energy and buildings， 2018， 173： 489-501.

[25]PEHL M， ARVESEN A， HUMPENODER F， et al. Understanding future emissions from low-carbon power systems by integration of life-cycle assessment and integrated energy modelling [J]. Nature energy， 2017， 2（12）： 939-945.

[26]LI Y， HAN M. Embodied water demands， transfers and imbalance of China’s mega-cities [J]. Journal of cleaner production， 2018， 172： 1336-1345.

[27]FENG K， HUBACEK K， PFISTER S， et al. Virtual scarce water in China [J]. Environmental science & technology， 2014， 48（14）： 7704-7713.

[28]CHINI C M， DJEHDIAN L A， LUBEGA W N， et al. Virtual water transfers of the US electric grid [J]. Nature energy， 2018， 3（12）： 1115-1123.

[29]LONG R， LI J， CHEN H， et al. Embodied carbon dioxide flow in international trade： a comparative analysis based on China and Japan [J]. Journal of environmental management， 2018， 209： 371-381.

[30]GUO J E， ZHANG Z， MENG L. China’s provincial CO2 emissions embodied in international and interprovincial trade [J]. Energy policy， 2012， 42： 486-497.

[31]LIU H， LIU W， FAN X， et al. Carbon emissions embodied in value added chains in China [J]. Journal of cleaner production， 2015， 103： 362-370.

[32]NAEGELE H， ZAKLAN A. Does the EU ETS cause carbon leakage in European manufacturing？ [J]. Journal of environmental economics and management， 2019， 93： 125-147.

[33]LI J S， CHEN G Q， LAI T M， et al. Embodied greenhouse gas emission by Macao [J]. Energy policy， 2013， 59： 819-833.

[34]黄蕊， 钟章奇， 孙翊， 等. 区域分部门贸易的隐含碳排放——以北京为例 [J]. 地理研究， 2015， 34（5）： 933-943.

[35]付坤， 齐绍洲. 中国省级电力碳排放责任核算方法及应用 [J]. 中国人口·资源与环境， 2014， 24（4）： 27-34.

[36]ZHANG B， QIAO H， CHEN B. Embodied energy uses by China’s four municipalities： a study based on multi-regional input-output model [J]. Ecological modelling， 2015， 318： 138-149.

[37]刘卫东. 2012年中国31省区市区域间投入产出表 [M]. 北京：中国统计出版社， 2018.

[38]中国电力企业联合会. 电力工业统计资料汇编2012 [G]. 2013.

[39]魏昭峰. 中国电力年鉴2013 [M]. 北京： 中国电力出版社， 2013.

[40]文兼武. 中国能源统计年鉴2013 [M]. 北京： 中国统计出版社， 2013.

[41]LIU Z， GUAN D， WEI W， et al. Reduced carbon emission

estimates from fossil fuel combustion and cement production in China [J]. Nature， 2015， 524（7565）： 335-338.

[42]World Resources Institute. GHG protocol tool for energy

consumption in China （Version 2.1） [R]. 2013.

[43]LIN B， WU W. Cost of long-distance electricity transmission in China [J]. Energy policy， 2017， 109： 132-140.

[44]方德斌， 王先甲， 吴敬芳. 考虑碳排放的发电侧多属性采购第二价格拍卖 [J]. 系统工程理论与实践， 2013， 33（8）： 1984-1992.

The framework of regional electricity-related carbon

emissions accounting and its application

WEI Wen-dong1 ZHANG Peng-fei2 LI Jia-shuo2

（1. School of International and Public Affairs， Shanghai Jiao Tong University， Shanghai 200030， China;

2. Institute of Blue and Green Development， Shandong University， Weihai Shandong 264209， China）

Key words electricity-related carbon emission; electricity flow; network method; environmentally-extended multi-regional input-output model; multi-perspectives

收稿日期：2019-05-30 修回日期：2019-12-13

作者简介：魏文栋，博士，副教授，主要研究方向为资源环境经济学、资源环境管理。E-mail： wendongwei@sjtu.edu.cn。

通信作者：李佳硕，博士，研究员，主要研究方向为资源环境经济与政策。E-mail： lijiashuo@sdu.edu.cn。

基金项目：上海市哲学社会科学规划课题“绿色发展背景下中国电力流动的空间结构和经济环境影响研究”（批准号：2018EGL003）。

作者：魏文栋 张鹏飞 李佳硕

第三篇：施肥量对福州茉莉园碳排放影响及其与土壤铁含量的相关性

摘 要：為阐明施肥量对福州茉莉园碳排放及其与土壤铁含量的影响，以福州帝封江茉莉园为研究对象，设置对照、减半、正常和倍增4个处理，对不同施肥量下碳排放以及铁含量进行了测定与分析。结果表明：对照、减半、正常、倍增样地CO2排放通量平均值依次为（430.88±142.06）、（473.08±52.18）、（435.23±61.21）和（478.75±118.64）mg·m-2· h-1，CH4排放通量平均值依次为（38.84±9.69 ）、（16.77±10.71）、（4.11±4.79）和（11.92±2.27）μg·m-2·h-1。与对照相比，CO2排放通量在减半、正常和倍增施肥处理分别增加了9.7%、1.01%和11.10%，CH4排放通量在减半、正常和倍增施肥处理下则分别减少了56.82%、89.41%、69.30%。总Fe含量平均值依次为（9.11±0.08）、（7.87±0.09）、（9.37±0.25）和（8.90±0.21）g·kg-1，Fe2+含量的平均值依次为（1.08±0.01）、（1.08±0.07）、（1.01±0.09）和（1.09±0.04）g·kg-1，Fe3+含量平均值依次为（8.04±0.08）、（6.80±0.15）、（8.37±0.19）和（7.82±0.22）g·kg-1。总Fe含量在减半和倍增处理下分别减少了13.61%和2.30%，而正常处理提高了2.85%；Fe2+含量在正常处理下减少了6.48%；Fe3+含量在正常处理下提高了4.10%，在减半和倍增处理则分别减少了15.42%与2.73%。由相关性分析得出对照、正常、倍增处理C排放与Fe3+、Fe含量呈极显著负相关关系（P<0.01），而减半处理呈显著负相关关系（P<0.05）。

关键词：施肥量；碳排放；铁动态；茉莉园

Effects of Fertilization on Carbon Emission and Iron Content in Soil at Jasmine Flower Garden in Fuzhou

LIU Xuyang1，2，CHEN Sicong3， CHEN Xiaoxuan 1，2， CHEN Youyang 1，2， JIN Qiang1，2， WANG Weiqi 1，2*

（1.Key Laboratory of Wet Subtropical Ecogeoological Process， Ministry of Education， Fuzhou， Fujian

350007， China 2.Institute of Geography， Fujian Normal University， Fuzhou， Fujian 350007， China；3. Agriculture Bureau of Fuzhou City， Fuzhou， Fujian 350026， China）

Key words：fertilization； carbon emission； iron dynamics； jasmine flower garden

全球變暖不仅改变全球水热分布，加剧区域气候变化，而且严重影响全球生态、区域经济政治发展和人类的生存环境[1]。CO2、CH4等温室气体排放的增加被认为是导致全球气候变暖的主要原因，对全球温室效应的贡献率达到80%左右[2]，只有有效减排温室气体才能控制气候变化[3]。

农田生态系统是温室气体排放的重要来源，农业生产的碳排放占相当大的比例[4]。目前关于农田土壤碳排放的研究包括生态系统碳排放与土壤呼吸[5]，并探讨了田间管理中外源物质施加对碳排放的影响[6]等。铁是植物生长发育必需的微量元素，同时铁又是土壤中敏感的氧化还原活性金属元素，在土壤物质循环过程中，铁循环具有独特的重要性，铁的氧化还原不仅影响土壤剖面铁的分布、迁移和扩散，而且对土壤发育、土壤生态系统多种元素的耦合循环等都有重要的影响[7]，特别是土壤中的铁和碳会在一系列的氧化还原过程中进行耦合[8]。然而对于不同施肥量对于碳排放与铁形态以及含量的影响尚鲜见报道，关于土壤铁形态对碳排放的作用研究尚显不足。因此，探究碳排放与铁形态的关系对于农田生态系统固碳减排具有重要意义。

福州茉莉花与茶文化系统于2014年4月29日被列入全球重要农业文化遗产[9]，作为福州河滨土地利用的主要方式，其在护岸促淤、调节气候、保障生物多样性等方面发挥着重要作用，但同时该系统也是温室气体排放的源。另一方面，由于茉莉花是茉莉花茶的主要原料，随着福州茉莉花茶产业的快速发展，对茉莉花需求量不断升高，为了提高茉莉花产量和延长花期，施肥量也进行了相应地增加。因此，开展施肥量对福州茉莉园碳排放与铁动态的影响研究，为合理施肥量选用提供科学依据，在促进福州茉莉花与茶文化系统全球重要农业文化遗产的功能提升与永续利用中具有重要的价值。

1 材料与方法

1.1 研究区概况

研究区域位于福建省福州市帝封江闽榕茶业有限公司茉莉种植园（119°20′7″E，25°59′10″N），属于亚热带季风性湿润气候，夏季高温多雨，冬季温暖潮湿，雨量充沛，年均降水量约为1 342.5 mm，全年约80%的降雨量集中于5～10月，全年无霜期为326 d[10]。试验样地的土壤质地以粉砂粒为主，占59%，砂砾和黏粒分别占25%和16%，土壤pH为4.4，盐度为0.15 ms·cm-1，土壤碳、氮、磷和钾含量分别为11.7、1.1、0.5和13.3 g·kg-1。观测期研究区的相对湿度为45.1%～84.2%，气温为17.3～35.8℃[11]。

选取双瓣茉莉为试验品种，2008年4月进行人工扦插种植（高10 cm）。茉莉生长阶段分为：枝叶生长期（4月初至5月初）、花蕾萌芽期（5月初至5月下旬）、盛花期（6月初至9月）[12]。正常条件下施肥管理为4月中旬进行第1次施肥，平均施肥量为130 kg·ha-1，第一茬茉莉花采摘结束后进行第2次施肥，平均施肥量为100 kg·ha-1，肥料类型为俄罗斯产复合肥，N∶P2O5 ∶K2O=16%∶16%∶16%[13]。

1.2 试验设计和样品采集

试验时间为2015年5月至2016年3月，30 d为一个采样周期。试验样地共3个样区，每个样区面积约20 m2，随机区组排列安装气体采样静态箱底座，整个试验期间静态箱底座固定在样点，共设置4个处理组，分别为对照（零施肥量）、减半施肥量、正常施肥量、倍增施肥量，每个处理3个重复。

气体采集：温室气体CO2、CH4均采用静态暗箱法采集。静态箱由顶箱和底座两部分组成，顶箱长宽高分别为30 cm×30 cm×1.0 m，顶部设有抽气孔，底座长宽高分别为30 cm×30 cm×30 cm，底座上沿设有凹槽，便于顶箱置于其上并加水密封，下部均匀打上圆孔，以便保持水肥养分流通。气体采集时将顶箱盖上，加水密封，立即抽取40 mL气体注入铝箔气样袋（大连德霖气体包装有限公司生产），并带回实验室。每次抽气时间在9：00～11：00，每隔15 min抽1次气，共抽取3次，抽气同时记录箱内温度，测定周期为30 d。

土样采集：按照对照、减半、正常、倍增施肥处理的顺序用采土器采集12个采样点耕层0～15 cm土壤，装入自封袋密封保存，带回实验室，挑去植物残体根系后，分成两份，一份自然风干后装入自封袋保存待用，一份放入4℃冰箱冷藏待用。

1.3 指标测定

气样测定：CO2和CH4均采用日本岛津公司生产的气相色谱仪测定 （Shimadzu GC2010 和 ShimadzuGC2014，Kyoto，Japan） [14]。环境因子测定：气温和湿度采用手持气象仪（Kestrel3500，USA）测定；土温和电导率（EC）采用便携式电导计（2265FS，USA）测定；土壤含水量（WC）用土壤水分测定仪（TDR300，Soil Moisture Meter）测定；土壤pH值采用水土质量比为2.5∶1，振荡30 min，静置后用便携式pH计（STARTER 300，美国）测定[15]；土壤中铁（Fe）和二价铁（Fe2+）的测定采用邻菲罗啉比色法，在紫外可见分光光度计测定，Fe3+=FeFe2+[15]。

1.4 数据处理

排放到大气环境中的CO2和CH4的通量可根据下列公式计算：

F=MV·dcdt·H·273273+T

式中，F为温室气体排放通量（mg·m-2·h-1）；M为CO2、CH4的摩尔质量（g·mol-1）；V为标准状态下的气体摩尔体积；dc/dt为CO2和CH4的浓度变化率；T为采样箱内温度（℃）。H为采样箱的箱高（m）。测量的浓度数据只有在线性回归系数R2>0.9才视为有效数据，并计算温室气体通量。

本试验原始数据均值及标准误差均用Excel 2016处理，各施肥处理下CO2、CH4排放通量、铁动态以及各环境因子均用Origin 8.5作图；各施肥处理下CO2和CH4排放通量与铁动态以及环境因子之间关系均采用SPSS 20.0软件中Pearson相关性分析方法进行分析。处理、时间及交互作用对土壤CO2和CH4排放通量的影响采用SPSS 20.0软件中Repeatedmeasure ANOVA方法进行分析。

2 结果与分析

2.1 不同施肥量对茉莉花园土壤CO2排放通量的影响

对照组、减半组、正常组和倍增组CO2通量变化范围为117.00～863.68、72.51～1353.53、85.73～927.01和99.92～967.13 mg·m-2·h-1（图1）。对照组CO2通量均值和变异系数分别为（430.88±142.06）mg·m-2·h-1、57.10%；减半组CO2通量均值和变异系数分别为（473.08±52.18）mg·m-2· h-1、19.10%；正常組CO2通量均值和变异系数分别为（435.23±61.21）mg·m-2· h-1、24.35%；倍增组CO2通量均值和变异系数分别为（478.75±118.64）mg·m-2· h-1、42.92%。从整体上看，CO2排放通量呈现先上升后降低的趋势，排放通量在7月份达最大值，随后 CO2排放通量逐渐降低，在1、2、3月份达到最小值，即夏季CO2排放通量最高，冬春季CO2排放通量最低（图1）。倍增施肥处理CO2排放通量在整个实验期间均高于对照，与对照相比排放通量增加11.10%。减半施肥CO2排放通量则增加了9.7%，正常施肥与对照相比差异不大，排放通量只增加了1.01%。CO2排放与施肥处理具有显著相关性（P<0.01）（表1）。

2.2 不同施肥量对茉莉花园土壤CH4排放通量的影响

对照组、减半组、正常组和倍增组CH4通量变化范围分别为-45.46～163.38、-100.28～224.66、-64.38～59.98和-37.39～55.83 μg·m-2·h-1（图2）。对照组CH4通量均值和变异系数分别为（38.84±9.69）μg·m-2·h-1、16.78%；减半组CH4通量均值和变异系数分别为（16.77±10.71）μg·m-2·h-1、18.56%；正常组CH4通量均值和变异系数分别为（4.11±4.79）μg·m-2·h-1、8.31%；倍增组CH4通量均值和变异系数分别为（11.92±2.27）μg·m-2·h-1、3.93%。从整体上看，不同施肥处理CH4排放通量均很低，且季节变化特征并不显著，但是减半和正常、倍增施肥处理CH4排放通量均较对照分别降低了56.82%、89.41%、69.30%。CH4排放与时间呈显著相关，与处理和时间的交互作用也呈显著相关（表1）。

2.3 施肥量对茉莉花园土壤不同铁形态和含量变化的影响

对照、减半、正常及倍增施肥处理（下同）土壤Fe2+含量的平均值分别为（1.08±0.01）、（1.08±0.07）、（1.01±0.09）和（1.09±0.04）g·kg-1（图3），与对照相比，正常施肥处理Fe2+含量减少了6.48%。Fe3+含量平均值分别为（8.04±0.08）、（6.80±0.15）、（8.37±0.19）和（7.82±0.22）g·kg-1，与对照相比，正常施肥处理土壤Fe3+含量提高了4.10%，减半和倍增施肥处理则分别减少了15.42%与2.73%。土壤总Fe含量平均值分别为（9.11±0.08）、（7.87±0.09）、（9.37±0.25）和（8.90±0.21）g·kg-1，减半和倍增施肥处理较对照分别减少了13.61%和2.30%，正常施肥处理土壤总Fe含量则提高了2.85%。

2.4 不同施肥处理碳排放与土壤铁形态的相关性分析

相关性分析显示（表2），对照、正常、倍增处理CO2排放与Fe3+和Fe含量呈极显著负相关（P<0.01），减半处理CO2排放与Fe3+和Fe含量呈显著负相关（P<0.05）。各施肥处理CH4排放与Fe3+和Fe含量均无明显相关，但由表可知各相关性系数为负值，表明Fe3+和Fe含量的增加对CH4排放具有抑制作用。对照、正常、倍增处理施肥处理C排放与Fe3+和Fe含量呈极显著负相关关系（P<0.01），减半处理C排放与Fe3+和Fe含量呈显著负相关（P<0.05）。2.5 不同施肥处理碳排放与土壤铁形态以及环境因素的相关性分析

相关性分析显示（表3），各施肥处理下CO2排放与土温均呈极显著正相关（P<0.01），在对照、倍增处理下CO2排放与电导率呈显著正相关（P<0.05），在对照、正常处理下CO2排放与含水率呈显著负相关（P<0.05），在减半情况下与pH呈极显著正相关（P<0.01）。总体上CO2排放与土温和电导率呈极显著正相关（P<0.01），与含水率呈显著负相关（P<0.05）。

在倍增处理下，CH4排放与土温呈显著正相关（P<0.05），在正常处理下CH4排放与含水率呈极显著负相关（P<0.01），在减半处理下CH4排放与pH呈显著正相关（P<0.05）。总体来说，CH4与电导率呈显著正相关。

各施肥处理下C排放与土温均呈极显著正相关（P<0.01），在对照、倍增处理下C排放与电导率呈显著正相关（P<0.05），在对照、正常处理下C排放与含水率呈显著负相关（P<0.05），在减半情况下与pH呈极显著正相关（P<0.01）。总体上C排放与土温和电导率呈极显著正相关（P<0.01），与含水率呈显著负相关（P<0.05）。

各施肥处理下Fe含量与土温均呈极显著负相关（P<0.01），在对照、正常、倍增处理下Fe含量与电导率呈显著负相关（P<0.05），在正常处理下与pH呈极显著正相关（P<0.01）。总体来说Fe含量与土温呈极显著负相关（P<0.01），与电导率呈显著负相关（P<0.05）。

对照样地Fe2+含量与pH呈极显著正相关（P<0.01），在正常施肥处理下Fe2+含量与pH呈显著负相关（P<0.05），总体来说Fe2+含量与含水率呈极显著正相关（P<0.01）。

各施肥处理下Fe3+含量与土温均呈极显著负相关（P<0.01），在对照和减半施肥处理下Fe3+含量与电导率呈显著负相关（P<0.05），在正常施肥处理下Fe3+含量与pH呈极显著正相关（P<0.01）。总体来说Fe3+含量与土温和电导率呈极显著负相关（P<0.01）。

3 讨论与结论

3.1 施肥量对碳排放的影响

从整体上来看，CO2排放通量在季节上表现为夏季（7月）排放量高，冬春季（1～3月份）排放量少，同时CO2排放量也随着茉莉的生长而升高，之前也有类似的研究结果[16]。主要是因为随着植物生长，茉莉生物量不断增加，相应的呼吸量也会增加，从而促进茉莉土壤CO2排放通量[17]。其次，7月是茉莉花的盛花期，茉莉是亚热带作物，对温度和光照十分敏感，7月份的充足水热条件促使茉莉旺盛的生长和开花，加剧植物的呼吸作用[12]。另外，不同处理 CO2排放通量均与土温呈显著正相關，可见温度是影响 CO2排放的主要气候因子[18]，主要是由于温度的升高，将提高植物自身的呼吸量；同时温度的升高还可提高土壤微生物的数量与活性，从而促进土壤微生物呼吸，植物体呼吸与土壤呼吸的同步升高[19]；同时，碳的矿化过程加速，使土壤有机碳的周转速度加快最终使得夏季土壤CO2排放通量不断增长[20]。在本研究中，与对照相比，减半及倍增施肥处理均一定程度上促进了茉莉园土壤平均CO2排放通量的提高，而正常施肥处理下CO2排放通量与对照相差无几，因此正常施肥可以最大限度降低CO2的排放。主要是因为施肥量的增加，一方面可以提高茉莉的代谢速率，促进其生长与生物量形成，从而使得相应的植物体呼吸量也将提高[21]；另一方面，施肥量增加后，使得碳与养分比值降低，较低的碳与养分比值，可以缓解微生物养分限制的现状，促进土壤微生物活性与数量的增加，从而相应的土壤呼吸量也逐渐增加[22]。

在本研究中CH4的排放通量在整个试验过程中均较低。这主要是因为，茉莉园为旱作农业[23]，长期处于干燥的好氧状态下，不利于厌氧环境的形成、产甲烷菌生长和CH4产生与排放，与此同时，在这种好氧土壤中，甲烷氧化菌得以快速生长与繁殖，从而提高了CH4氧化速率，使得最终CH4排放通量较低[13]。另外有研究表明Fe3+作为环境中的主要电子受体，可使产甲烷菌不能正常代谢生长，在土壤中加入Fe3+氧化物后，CH4的产生量可减少50%以上，因此土壤中存在的Fe3+与产甲烷菌竞争底物从而抑制CH4产生[24]。关于施肥量对于CH4排放的影响尚无确切的结论，有的研究表明，施肥可以促进CH4排放[25-26]、抑制CH4排放[27]和影响不显著。本研究中，施肥可抑制CH4排放，减半、正常、倍增施肥处理下的CH4排放通量均相对于对照有大幅度减少，特别是正常施肥处理下的CH4排放通量相对于对照减少了89.41%。表明施肥对茉莉园CH4排放具有明显抑制作用，并且说明CH4产生微生物对于养分的需求存在着一个最适施加量，过高或过低的施加量均不利于CH4的生成与排放。

3.2 不同施肥量对铁形态和含量的影响

本研究中，施肥量对于茉莉花园土壤的铁形态以及含量有明显的影响，这可能是因为施肥改变了土壤中的pH、Eh值、微生物数量与活性、有机质、含水量等环境因子所造成的，而这些变化都会影响铁的存在形态以及含量[28]。首先，铁化合物的溶解性受土壤pH影响，那么pH也就决定着铁还原反应的难易程度，土壤pH值低时，沉积铁的溶解度提高，易于还原；土壤pH值高时，铁的溶解度小，易于氧化[29]。本研究中正常施肥量处理有效提高了pH值，从而促进铁氧化，又因正常施肥处理下pH与Fe3+呈极显著正相关关系，所以Fe3+含量也增加。同时pH值还影响微生物群落的种类和数量，进而影响铁的氧化还原过程。其次，氧化还原电位Eh值也是影响铁循环的一个重要因素[28]。施肥后，植物生物量增加，特别是根系生长促进了土壤的通气性和氧气的释放量，从而提高土壤Eh值，土壤中的铁呈氧化状态，反之，Eh值较低，土壤呈还原状态。本研究中，施肥后促进茉莉花生长，土壤通气性良好，氧化还原电位较高，氧化作用明显，从而促进Fe2+向Fe3+氧化。微生物活动也是影响土壤铁形态的一个重要原因[30]。土壤中影响铁循环的主要微生物就是铁还原菌与亚铁氧化菌，铁还原菌能以胞外固态氧化铁为末端电子受体，通过氧化电子供体偶联 Fe3+还原，并从这一过程中贮存生命活动的能量，即铁呼吸[31]。施加肥料可以向土壤中补充养分来源，可以促进铁循环微生物的生长，继而影响Fe3+变化。有机质也是影响铁转化的重要因素，施肥促进茉莉花生长的同时，也促进了茉莉通过根系碳沉积和凋落物输入的方式增加外源碳源输入，提高土壤有机质含量，土壤有机质为铁氧化菌提供了碳源，其增加促进铁氧化菌的生长[32]，在中性微氧环境中，微氧型亚铁氧化菌能将亚铁氧化为三价铁，同时将无机碳同化为有机物，并获得生长所需能量[33]。其次，有机质为土壤提供了大量电子来源，并且是一种很好的络合剂，加剧了土壤有机质与铁的络合，铁铝结合物随之增多[28]。目前，从已有研究成果来看，相关研究侧重于施肥年限对土壤铁形态含量变化，而本研究中则从最适合的肥料施加量的角度，探讨施肥与茉莉花园土壤中的有效铁含量的关系，为今后茉莉园的肥料管理提供参考依据。

3.3 不同施肥量对土壤铁碳耦合关系的影响

研究表明，各施肥处理CO2以及总碳排放与Fe3+和总Fe含量呈极显著负相关，主要是因为在亚热带红壤中广泛存在络合态氧化铁铝，这种络合态氧化铁铝一般是由铁铝离子与大量有机质结合形成的[34]，其含量常与土壤有机质的含量呈正相关[35]，并在土壤有机矿质复合体的形成过程中起着极为重要的作用。因而影响土壤有机质的组成、性质及其在土壤中的转化[36]。这种铁铝氧化物土壤中具有专性吸附作用、胶结作用和易随环境变化而改变其表面性质等特征，会吸附土壤中的碳，具有固碳作用，进而降低土壤碳活性，从而不利于碳排放[37]。此外，有研究表明土壤中存在光合型亚铁氧化微生物，可以驱动 Fe2+氧化过程且耦合 CO2 固定[38]，这也是对铁碳关系的一种新的诠释。 本研究表明施肥量对茉莉园CO2、CH4排放的影响趋势并不一致，CO2和CH4排放对施肥量的响应有所差别，施肥促进了CO2排放，相对于减半和倍增来说，正常施肥CO2排放量最小，且最能抑制CH4排放； 正常施肥提高总Fe以及Fe3+含量，减少Fe2+含量；碳排放以CO2为主，各施肥处理CO2以及总碳排放与Fe3+和总Fe含量呈极显著负相关。总之CO2排放主要受气温、含水率、电导率、和土温的影响；CH4排放主要受大气湿度、含水率、电导率、pH的调节作用；Fe主要受pH、土温、电导率影响；Fe2+主要受pH、含水率影响；Fe3+主要受土温、电导率影响。

参考文献：

[1]LEO P R K M. IPCC 2014， Climate Change 2014： Synthesis Report. Contribution of Working Groups I， II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[J]. Journal of Romance Studies， 2015， 4（2）：85-88.

[2]SOLOMON S. IPCC （2007）： Climate Change The Physical Science Basis[C]∥AGU Fall Meeting. AGU Fall Meeting

[3]秦大河. IPCC 第五次评估报告第一工作组报告的亮点结论[J]. 气候变化研究进展， 2014， 10（1）： 1-6.

[4]PRASAD J， RAO C S， SRINIVAS K， et al.Effect of ten years of reduced tillage and recycling of organic matter on crop yields， soil organic carbon and its fractions in Alfisols of semi arid tropics of southern India[J]. Soil and Tillage Research， 2016， 156： 131-139.

[5]魏书精， 罗碧珍， 孙龙， 等.森林生态系统土壤呼吸时空异质性及影响因子研究进展[J]. 生态环境学报， 2013， （4）：689-704.

[6]殷文， 史倩倩， 郭瑶， 等. 秸秆还田、一膜两年用及间作对农田碳排放的短期效应[J]. 中国生态农业学报， 2016， 24（6）：716-724.

[7]李学恒. 土壤化学[M]. 北京： 高等教育出版社，2001.

[8]赵转军， 杨艳艳， 庞瑜，等. 铁碳共沉作用对土壤重金属的吸附性能研究进展[J]. 地球科学进展， 2017， 32（8）：867-874.

[9]任洪昌， 林贤彪， 王纯， 等. 地方认同视角下居民对农业文化遗产认知及保护态度——以福州茉莉花与茶文化系统为例[J]. 生态学报， 2015， 35（20）：6806-6813.

[10]张永勋， 闵庆文， 王维奇， 等.农户社会经济特征对农业种植意愿的影响--基于农业文化遗产保护目的的福州茉莉种植户研究[J]. 中国生态农业学报， 2016， 24（12）：1714-1721.

[11]汪旭明， 曾冬萍， 闵庆文，等. 福州茉莉花种植园土壤化学计量比及其对碳释放潜力的影响[J]. 中国水土保持科学， 2015， 13（1）： 118-126.

[12]WANG W， MIN Q， SARDANS J， et al.Organic cultivation of Jasmine and tea increases carbon sequestration by changing plant and soil stoichiometry[J]. Agronomy Journal， 2016， 108（4）：1636-1648.

[13]刘小慧， 严锦华， 杨文文， 等.秸秆及配施工农业废弃物对茉莉种植园碳排放的影响[J]. 环境科学学报， 2017， 37（4）：1555-1563.

[14]王妙莹， 许旭萍， 王维奇， 等.炉渣与生物炭施加对稻田温室气体排放及其相关微生物影响[J]. 环境科学学报， 2017， 37（3）：1046-1056.

[15]鲁如坤. 土壤化学农业分析方法[M]. 北京： 中国农业科技出版社. 2000.

[16]LIU Y， YANG M， WU Y， et al. Reducing CH4 and CO2 emissions from waterlogged paddy soil with biochar[J]. Journal of Soils & Sediments， 2011， 11（6）：930-939.

[17]KODAMA N， FERRIO J P， BRGGEMANN N， et al. Shortterm dynamics of the carbon isotope composition of CO2 emitted from a wheat agroecosystemphysiological and environmental controls[J]. Plant Biology 2011， 13（1）：115-125.

[18]李睿達， 张凯， 苏丹， 等. 施氮对桉树人工林生长季土壤温室气体通量的影响[J]. 生态学报， 2015， 35（18）：5931-5939.

[19]丁瑞霞， 王维钰， 张青. 两种轮作模式下秸秆还田对土壤呼吸及其温度敏感性的影响[J]. 中国生态农业学报， 2017， 25（8）：1106-1118.

[20]杨萌， 李永夫， 肖永恒， 等. 生物质炭输入对土壤有机碳库和CO2排放的影响研究进展[J]. 湖北农业科学， 2017， 56（2）： 205-210.

[21]贺美， 王立刚， 朱平，等. 长期定位施肥下黑土碳排放特征及其碳库组分与酶活性变化[J]. 生态学报， 2017， 37（19）：6379-6389.

[22]田善义， 王明伟， 成艳红，等. 化肥和有机肥长期施用对红壤酶活性的影响[J]. 生态学报， 2017， 37（15）：4963-4972.

[23]周瑾， 王昌全， 陈文宽， 等. 氮磷钾平衡施肥对茉莉花生长和产量的影响[J]. 四川农业大学学报， 2003， 21（2）：147-151.

[24]SIVAN O， SHUSTA S S， VALENTINE D L， et al. Methanogens rapidly transition from methane production to iron reduction[J]. Geobiology， 2016， 14（2）： 190-203.

[25]SHAO R， XU M， LI R， et al. Land use legacies and nitrogen fertilization affect methane emissions in the early years of rice field development[J]. Nutrient Cycling in Agroecosystems， 2017（10）：1-12.

[26]LINDAU C W， BOLLICH P K， DELAUNE R D， et al. Effect of urea fertilizer and environmental factors on CH4， emissions from a Louisiana， USA rice field[J]. Plant & Soil， 1991， 136（2）：195-203.

[27]DAS S， ADHYA T K， et al. Effect of combine application of organic manure and inorganic fertilizer on methane and nitrous oxide emissions from a tropical flooded soil planted to rice[J]. Geoderma， 2014， 213（1）：185-192.

[28]程伟丽. 茶树铁的分布特征及稻改茶对土壤铁碳耦合关系的影响[D]. 雅安：四川农业大学， 2012.

[29]吴超， 曲东， 刘浩. 初始pH值对碱性和酸性水稻土微生物铁还原过程的影响[J]. 生态学报， 2014， 34（4）：933-942.

[30]王图锦， 吉芳英， 何强，等. 三峡库区土壤铁异化还原及其对铁形态影响[J]. 重庆大学学报， 2011， 34（1）：100-104.

[31]HERNDON E， ALBASHAIREH A， SINGER D， et al. Influence of iron redox cycling on organomineral associations in Arctic tundra soil[J]. Geochimica Et Cosmochimica Acta， 2017， 207：210-231.

[32]马智慧， 王亚娥， 李杰. 铁氧化菌特性及其在环境污染治理中的应用[J]. 环境科学与管理， 2011， 36（11）：67-71.

[33]陈娅婷， 李芳柏， 李晓敏. 水稻土嗜中性微好氧亚铁氧化菌多样性及微生物成矿研究[J]. 生态环境学报， 2016， 25（4）：547-554.

[34]王磊， 应蓉蓉， 石佳奇， 等. 土壤矿物对有机质的吸附与固定机制研究进展[J]. 土壤学报， 2017， 54（4）：805-818.

[35]周萍， 宋國菡， 潘根兴， 等. 三种南方典型水稻土长期试验下有机碳积累机制研究Ⅱ.团聚体内有机碳的化学结合机制[J]. 土壤学报， 2009， 46（2）：263-273.

[36]郭杏妹， 吴宏海， 罗媚， 等. 红壤酸化过程中铁铝氧化物矿物形态变化及其环境意义[J]. 岩石矿物学杂志， 2007， 26（6）：515-521.

[37]衡利沙，王代长，蒋新，等.黄棕壤铁铝氧化物与土壤稳定性有机碳和氮的关系[J]. 环境科学，2010，31（11）：2748-2755.

[38]童辉， 刘承帅， 陈曼佳，等. 水稻土亚铁氧化耦合砷固定的微氧型铁氧化菌作用机制[C]∥中国矿物岩石地球化学学会学术年会，2017.

（责任编辑：黄爱萍）

作者：刘旭阳 陈思聪 陈晓旋 陈优阳 金强 王维奇