中国居民食物消费碳排放时空演变趋势及其驱动机制分析

doi:10.18306/dlkxjz.2020.01.009

地理科学进展 ›› 2020, Vol. 39 ›› Issue (1): 91-99.doi: 10.18306/dlkxjz.2020.01.009

中国居民食物消费碳排放时空演变趋势及其驱动机制分析

曹志宏¹, 郝晋珉², 邢红萍¹

1. 郑州轻工业学院经济与管理学院,郑州425000
2. 中国农业大学资源与环境学院,北京 100193

收稿日期:2019-01-17 修回日期:2019-06-01 出版日期:2020-01-28 发布日期:2020-03-28
作者简介:曹志宏(1980— ),女,河南遂平人,副教授,主要研究方向为资源管理和农村经济。E-mail: caozhihongczh@163.com
基金资助:
国家自然科学基金联合基金项目(U1504707);河南省高校科技创新人才支持计划(人文社科类)项目(2017-cx-028);河南省高等学校青年骨干教师培养计划项目(2017GGJS098);河南省高等学校哲学社会科学优秀学者资助项目(2019-YXXZ-19)

Spatial-temporal change of Chinese resident food consumption carbon emissions and its driving mechanism

CAO Zhihong¹, HAO Jinmin², XING Hongping¹

1. School of Economics and Management, Zhengzhou University of Light Industry, Zhengzhou 425000, China
2. College of Land Resource Management, China Agricultural University, Beijing 100193, China

Received:2019-01-17 Revised:2019-06-01 Online:2020-01-28 Published:2020-03-28
Supported by:
Joint Funds of the National Natural Science Foundation of China(U1504707);Program for Science and Technology Innovation Talents in Higher Education of Henan Province (Humanities and Social Science)(2017-cx-028);Program for Training Young Key Excellent Teachers in Higher Education of Henan Province(2017GGJS098);Program for Philosophy and Social Sciences Excellent Scholars in Higher Education of Henan Province(2019-YXXZ-19)

摘要/Abstract

摘要：

食物生产是影响温室效应气体排放的重要方面,由于食物类型不同其碳排强度存在较大的差异,因此当前中国居民食物消费快速演替必然会对生态碳环境产生重要影响。论文利用洛伦兹曲线和基尼系数,研究1997—2016年中国城乡居民食物消费在生产过程中碳排放时空演变及其主要驱动因子。主要结论如下：① 在数量上,中国居民食物消费碳排放总量和人均量整体都呈现逐渐的增长刚性,但仍属于低碳消费模式;② 在结构上,各类型食物碳排放演变呈现显著的分异态势,整体上动物性食物碳排放增长速度快于植物性食物碳排放减少速度;③ 在城乡差异上,城镇和乡村居民食物消费碳排放在数量、结构和趋势上表现出显著的城乡二元属性,但近年城乡差异表现出减缓趋势;④ 在空间上,各地食物消费碳排放呈现较显著的民族性、地域性、集聚性和中心“塌陷”的特征,碳排放密度高值主要分布在直辖市和沿海经济相对发达地区;⑤ 在驱动力上,结构演替是全国居民食物消费碳排放总量整体变化的主要驱动因素,而人口数量是各地地域空间差异分布的主要驱动因子。

关键词: 居民食物消费, 碳排放, 演变趋势, 空间集聚, 驱动分析, 中国

Abstract:

Food production is an important aspect affecting greenhouse gas emissions. As carbon emission intensity coefficient values of different food types vary greatly, the improvement in economic development levels and living standards and the resulting rapid change of resident food consumption in China have important impacts on the ecological environment and carbon emissions in the country. This study examined the trend of change of urban and rural resident food consumptions in China from 1997 to 2016, and analyzed its spatial-temporal agglomeration characteristics and driving factors with the Lorentz curve and Gini coefficient. The main conclusions are as follows: The total quantity and per capita share of Chinese resident diet carbon emissions were increasing gradually, but they still belong to the low-carbon consumption category globally. Structurally the various kinds of resident diet carbon emissions in China showed different trends of change, and animal food carbon emission increment rate was faster than plant food reduction rate. Residents' diet carbon emissions showed a significant urban-rural division in quantity, structure, and trend, but the gap is narrowing in recent years. Per capita emissions showed significant differences among the ethnic groups and regions, and the high value regions of food consumption carbon emission density were mainly distributed in the municipalities and economically developed coastal areas. Structural optimization was the main direct driving factor of the national food consumption carbon emission change in China, while population was the main factor of regional differentiation.

Key words: resident food consumption, carbon emissions, evolution trend, spatial-temporal features, driving factor analysis, China

曹志宏, 郝晋珉, 邢红萍. 中国居民食物消费碳排放时空演变趋势及其驱动机制分析[J]. 地理科学进展, 2020, 39(1): 91-99.

CAO Zhihong, HAO Jinmin, XING Hongping. Spatial-temporal change of Chinese resident food consumption carbon emissions and its driving mechanism[J]. PROGRESS IN GEOGRAPHY, 2020, 39(1): 91-99.

图/表 6

表1

表2

图1

图2

表3

图3

参考文献 23

[1]	Steinfeld H, Gerber P, Wassenaar T , et al. Livestocks Long Shadow[M]. Rome: FAO, 2006.
[2]	Goodland R . Lifting livestock's long shadow[J]. Nature Climate Change, 2013,3(1):2.
[3]	Goodland R, Anhang J . Livestock and climate change[J]. World watch, 2009,22(6):10-19.
[4]	De Jonge V N, Schucke U, Baird D . Effects of spatial scale, species aggregation and balancing on carbon flows and ecological network analysis indicators of food webs[J]. Marine Ecology Progress Series, 2019,613:15-47.
[5]	田云, 张俊飚 . 中国农业碳排放、低碳农业生产率及其协调性研究[J]. 中国农业大学学报, 2017,22(5):208-218.
	[ Tian Yun, Zhang Junbiao . Agricultural carbon emission, low carbon productivity and their coordinated relation in China. Journal of China Agricultural University, 2017,22(5):208-218. ]
[6]	王莉, 曲建升, 刘莉娜 , 等. 1995—2011年我国城乡居民家庭碳排放的分析与比较[J]. 干旱区资源与环境, 2015,29(5):6-11.
	[ Wang Li, Qu Jiansheng, Liu Lina , et al. Analysis and comparison of carbon emissions from urban and rural residents in China from 1995 to 2011. Journal of Arid Land Resources and Environment, 2015,29(5):6-11. ]
[7]	姚成胜, 钱双双, 李政通 , 等. 中国省际畜牧业碳排放测度及时空演化机制[J]. 资源科学, 2017,39(4):698-712.
	[ Yao Chengsheng, Qian Shuangshuang, Li Zhengtong , et al. Provincial animal husbandry carbon emissions in China and temporal-spatial evolution mechanism. Resources Science, 2017,39(4):698-712. ]
[8]	Weber C L, Scott Matthews H . Food-miles and the relative climate impacts of food choices in the United States[J]. Environmental Science & Technology, 2008,42(10):3508-3513.
[9]	Tilman D, Clark M . Global diets link environmental sustain ability and human health[J]. Nature, 2014,515:518-522.
[10]	Tom M S, Fischbeck P S, Hendrickson C T . Blue water footprint, and greenhouse gas emissions for current food consumption patterns and dietary recommendations in the US[J]. Environment Systems & Decisions, 2016,36(1):92-103.
[11]	Ritchie H, Reay D S, Higgins P . The impact of global dietary guidelines on climate change[J]. Global Environmental Change, 2018,49:46-55.
[12]	安玉发, 彭科, 包娟 . 居民食品消费碳排放测算及其因素分解研究[J]. 农业技术经济, 2014(3):74-82.
	[ An Yufa, Peng Ke, Bao Juan . Study on estimation of carbon emission from food consumption and its factor decomposition. Journal of Agrotechnical Economics, 2014(3):74-82. ]
[13]	吴燕, 王效科, 逯非 . 北京市居民食物消费碳足迹[J]. 生态学报, 2012,32(5):1570-1577.
	[ Wu Yan, Wang Xiaoke, Lu Fei . Carbon footprint of food consumption in residents food consumption of Beijing. Acta Ecologica Sinica, 2012,32(5):1570-1577. ]
[14]	智静, 高吉喜 . 中国城乡居民食品消费碳排放对比分析[J]. 地理科学进展, 2009,28(3):429-434.
	[ Zhi Jing, Gao Jixi . Comparative analysis of food consumption carbon consumption in urban and rural residents of China. Progress in Geography, 2009,28(3):429-434. ]
[15]	曾静静, 张志强, 曲建升 , 等. 家庭碳排放计算方法分析评价[J]. 地理科学进展, 2012,31(10):1341-1352.
	[ Zeng Jingjing, Zhang Zhiqiang, Qu Jiansheng , et al. Analysis and evaluation of methods for household carbon emissions calculation. Progress in Geography, 2012,31(10):1341-1352. ]
[16]	蓝盛芳, 钦佩, 陆宏芳 . 生态经济系统能值分析 [M]. 北京: 化学工业出版社, 2002: 35-41.
	[ Lan Shengfang, Qin Pei, Lu Hongfang. Emergy analysis of ecological-economic system. Beijing, China: Chemical Industry Press, 2002: 35-41. ]
[17]	吴雪萍, 赵果庆 . 中国空间基尼系数: 测算、改进与趋势[J]. 统计与决策, 2017(3):5-9.
	[ Wu Xueping, Zhao Guoqing . Spatial Gini coefficient: Calculation, improvement and trend in China. Statistics and Decision, 2017(3):5-9. ]
[18]	辛良杰, 王佳月, 王立新 . 基于居民膳食结构演变的中国粮食需求量研究[J]. 资源科学, 2015,37(1):1347-1356.
	[ Xin Liangjie, Wang Jiayue, Wang Lixin . Study on China's grain demand based on the evolution of residents' dietary structure. Resources Science, 2015,37(1):1347-1356. ]
[19]	Rask K J, Rask N . Economic development and food production-consumption balance: A growing global challenge[J]. Food Policy, 2011,36(2):186-196.
[20]	张其富, 钟坚, 黄小兵 . 我国区域经济不均衡的长期演变及政策探析[J]. 江西社会科学, 2018,38(9):56-65.
	[ Zhang Qifu, Zhong Jian, Huang Xiaobing . Long-term evolution and policy analysis of regional economy disequilibrium development in China. Jiangxi Social Sciences, 2018,38(9):56-65. ]
[21]	Heller M C, Keoleian G A . Greenhouse gas emission estimates of US dietary choices and food loss[J]. Journal of Industrial Ecology, 2015,19(3):391-401.
[22]	王露露 . 报告显示中国碳排放量或已见顶将提前兑现气候承诺[EB/OL]. .
	[ Wang Lulu. The report shows that China's carbon emission maybe have peaked and climate promise would be cashed in advance. ]
[23]	尹钰莹, 郝晋珉, 牛灵安 , 等. 河北省曲周县农田生态系统碳循环及碳效率研究[J]. 资源科学, 2016,38(5):918-928.
	[ Yin Yuying, Hao Jinmin, Niu Ling'an , et al. Carbon cycle and carbon efficiency of farmland ecosystems in Quzhou Hebei Province. Resources Science, 2016,38(5):918-928. ]

食物	植物性食物						动物性食物
食物	粮食	植物油	蔬菜	瓜果	食糖		猪肉	牛肉	羊肉	禽肉	蛋类	水产品	奶类
系数	0.27	1.48	0.40	0.07	0.08		7.64	12.04	18.86	1.71	0.78	1.94	0.36

食物		1998年	2000年	2002年	2004年	2006年	2008年	2010年	2012年	2014年	2016年
植物性食物	粮食	57.31	55.98	52.15	48.41	45.40	41.38	42.01	38.83	38.20	35.98
	植物油	8.82	10.22	10.85	10.29	10.93	12.44	11.52	12.95	14.46	14.75
	蔬菜	42.88	42.36	43.54	43.45	41.39	42.25	39.83	37.60	37.60	38.72
	瓜果	1.88	1.95	2.01	1.99	2.22	2.13	2.18	2.39	2.53	2.88
	糖	0.13	0.12	0.14	0.11	0.11	0.10	0.10	0.10	0.11	0.11
	小计	111.03	110.63	108.69	104.25	100.04	98.30	95.64	91.87	92.90	92.44
动物性食物	猪肉	99.64	109.34	122.16	119.08	131.19	117.77	131.15	134.19	152.89	149.83
	牛肉	13.23	12.52	12.99	14.92	17.56	16.39	18.83	22.09	18.06	21.67
	羊肉	16.62	16.37	16.07	19.74	20.91	17.81	19.33	20.28	18.86	28.29
	禽肉	5.08	6.19	7.23	6.21	7.63	8.66	9.55	10.29	13.66	15.54
	蛋类	4.37	5.06	4.96	4.95	5.21	5.55	5.29	5.82	6.67	7.52
	水产品	10.49	12.22	14.21	14.20	15.46	15.11	18.31	18.93	20.90	22.06
	奶类	1.14	1.85	3.00	3.91	4.23	3.83	3.76	4.18	4.54	4.32
	小计	150.56	163.55	180.61	183.02	202.19	185.12	206.23	215.78	235.58	249.24
人均碳排放总计		261.59	274.17	289.30	287.26	302.23	283.42	301.87	307.65	328.48	341.68

地区	人均食物碳排放/(kg CO₂-eq)			总量/ (万t CO₂-eq)	地区	人均食物碳排放/(kg CO₂-eq)			总量/ (万t CO₂-eq)
地区	植物性	动物性	合计	总量/ (万t CO₂-eq)	地区	植物性	动物性	合计	总量/ (万t CO₂-eq)
山西	81.72	125.68	207.40	762	辽宁	106.17	248.15	354.33	1552
陕西	86.17	124.81	210.98	802	浙江	93.03	272.25	365.28	2033
河南	83.31	148.23	231.54	2201	湖南	97.67	273.38	371.05	2524
河北	90.25	169.05	259.30	1931	青海	73.59	303.40	376.98	223
甘肃	90.97	181.11	272.08	709	天津	104.21	274.79	379.00	589
山东	88.20	184.17	272.36	2696	上海	86.43	295.23	381.65	923
吉林	95.49	182.59	278.08	763	广西	86.83	296.54	383.37	1847
黑龙江	98.59	188.15	286.74	1091	福建	85.74	311.58	397.32	1532
宁夏	86.78	221.21	307.99	207	海南	74.94	323.88	398.82	365
安徽	92.91	226.06	318.97	1968	广东	87.19	343.48	430.67	4705
北京	82.27	245.69	327.96	712	四川	114.69	327.08	441.77	3637
江西	105.28	227.15	332.43	1522	重庆	117.35	336.74	454.09	1377
云南	86.40	254.26	340.66	1620	新疆	114.11	363.49	477.60	1136
贵州	84.35	259.77	344.12	1219	内蒙古	96.50	385.32	481.82	1212
江苏	94.95	251.80	346.75	2770	西藏	104.84	508.83	613.67	201
湖北	102.78	246.56	349.34	2050	全国	93.65	246.27	339.92	46864

中国居民食物消费碳排放时空演变趋势及其驱动机制分析

Spatial-temporal change of Chinese resident food consumption carbon emissions and its driving mechanism

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 23

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	汤礼莎, 龙花楼, 周贵鹏, 戈大专, 杨嘉艺. 中国农业地理学研究进程与展望[J]. 地理科学进展, 2023, 42(9): 1853-1868.
[2]	郑伯铭, 严小燕, 刘宏芳, 陈静, 刘安乐, 祁新华. 中国城市旅游舒适性的空间分异、障碍瞄准及影响因素[J]. 地理科学进展, 2023, 42(7): 1311-1326.
[3]	王正, 周侃, 樊杰, 赵浩. 市—县尺度能源消费碳排放核算方法研究进展[J]. 地理科学进展, 2023, 42(7): 1406-1419.
[4]	汪坤, 童昕, 郭杰, 张虹鸥. 电子废弃物地理学国际研究进展——兼论中国废弃物治理制度演化[J]. 地理科学进展, 2023, 42(7): 1420-1430.
[5]	龙冬平, 徐铭恩, 柳林. 中国销售类假药犯罪的时空演化特征及地域类型研究[J]. 地理科学进展, 2023, 42(5): 944-959.
[6]	张学珍, 贺清雯, 黄季夏. 基于Meta分析的1985—2018年中国森林虫害的时空特征及其影响因素[J]. 地理科学进展, 2023, 42(5): 960-970.
[7]	罗婉璐, 王武林, 林珍, 周伟健. 中国城乡融合时空演化及驱动因素[J]. 地理科学进展, 2023, 42(4): 629-643.
[8]	匡爱平, 汪明峰, 张英浩. 数字化重塑全球—地方互动的研究进展与展望[J]. 地理科学进展, 2023, 42(2): 380-391.
[9]	彭宝玉, 张博, 孙威. 国内普惠金融研究的热点演化与展望——基于金融地理学的视角[J]. 地理科学进展, 2023, 42(2): 406-416.
[10]	张佩, 王姣娥, 肖凡. 中国新基建发展的时空演变及驱动因素[J]. 地理科学进展, 2023, 42(2): 209-220.
[11]	陈力原, 朱文泉, 效存德, 王世金, 吴通华, 赵涔良, 郭红翔. 北极气候与环境变化对第三产业影响的研究进展及展望[J]. 地理科学进展, 2023, 42(11): 2213-2230.
[12]	彭秋志, 黄培依, 陈笛, 朱丹. 2000—2020年中国人口数量在地形梯度上的分布与变化特征[J]. 地理科学进展, 2023, 42(10): 2019-2032.
[13]	龚勤林, 邹冬寒, 周沂, 朱晟君. 高级别景区对旅游发展的影响及其空间效应研究[J]. 地理科学进展, 2022, 41(8): 1364-1377.
[14]	孙平军. 城市收缩：内涵·中国化·研究框架[J]. 地理科学进展, 2022, 41(8): 1478-1491.
[15]	马诗萍, 刘倩倩, 张文忠. 空间视角下的能源—经济—环境关系研究进展与展望[J]. 地理科学进展, 2022, 41(8): 1530-1541.