下载:
-
城市生态系统碳收支的测算是全球碳循环研究中的重要问题，也是正在完成的一项挑战，同时，低碳建设也已成为世界热点问题之一[1]。通过构建数学模型测算不同区域碳收支的研究结果表明：碳源远大于碳汇，且呈现增长趋势[2]。现有城市区域碳收支研究结果认为：工业与交通是碳排放最大的2个部门[3-4]；城市绿地具有一定碳汇能力[5-6]，且碳汇强度表现为山体林＞行道树＞公园[7]。目前，针对城市生态系统碳收支的测算研究主要为省、市及以上尺度，社区等小尺度研究相对较少，而生物量法、涡度相关法以及遥感反演法在小尺度碳汇研究上均有一定局限。如何测算并动态反映社区尺度碳收支情况是需要进一步突破的问题。系统动力学（system dynamics）认为系统是由单元、单元的运动和信息组成，能定性与定量地分析研究系统，以“结构—功能”模拟为突出特点，从系统的微观结构入手建模，构造系统的基本结构，进而模拟与分析系统的动态行为[8]。本研究以浙江农林大学东湖校区为研究对象，以系统动力学VensimPLE软件为技术平台，提出校园碳收支计算的方法并反映其碳收支变化的特征，为“零碳”和“低碳”社区的建设评价提供了量化工具，又为未来校园以及居住区等的低碳建设提供参考。
-
模型以浙江农林大学东湖校区为系统边界，覆盖时间为2012年，时间步长以月为单位。研究对象坐落于浙江省临安市，校舍建筑面积近60万m2，在校师生约为27 000人。研究对象具有校园与植物园两重属性，是一座集教学、科研、生物多样性保护等功能于一体的现代化生态校园。校园碳收支系统主要包括校园范围内各项人类活动产生的碳排放及自然生态系统的碳收支等2个方面。
人类活动子系统以学校的作息规律造成的人员数量变动为基础，具体包括4个模块：人类呼吸模块主要考虑校园内在校师生日常呼吸产生的碳排放；交通模块主要考虑进入校园的车辆行驶所产生的碳排放；生活办公耗能模块主要考虑学生住宿及教学办公消耗电力产生的碳排放；锅炉能耗模块主要考虑学校食堂化石燃料燃烧产生的碳排放。
自然生态系统以校园内植被、土壤的碳收支活动为基础，具体包括3个模块：植被光合碳吸收估算模块，包含校园内所有植被光合作用净固碳量；植被呼吸碳排放估算模块，包含植被呼吸作用所排碳量；土壤呼吸碳排放估算模块，包含所有土壤呼吸作用所排碳量。
-
人类作为城市生态系统内最重要的活动对象，其自身的呼吸作用作为城市生态系统自然垂直碳输出的一部分，以二氧化碳（CO2）的形式将碳排入大气[9]。通过人均呼吸碳排放量与人口总量共同计算人类呼吸碳排放量的方法已被广泛使用[2, 9-10]：Cp=∫(Cpmon)dt; Cpmon=Cp0×P×t。其中：Cp为人类呼吸碳排量（t）；Cpmon为月呼吸碳排量（t）；P为在校总人数；t为时长（月平均天数）；Cp0为人均呼吸碳排量每天（t·d-1）。交通系统的碳排放与交通量、交通类型、行驶里程数都密切相关。本研究采用何华等[11]对居住区交通碳排放量的测算方法：Ctra=∫(Ctra-m)dt；Ctra-m=Tra×Ct0×t×ntra×Dtra。其中：Ctra为交通碳排量（t）；Ctra-m为月交通碳排量（t）；Tra为汽车总数；t为时长（月平均天数）；Cto为单位里程（1 km）汽车平均碳排量（kg·km-1）；ntra为汽车日均通行校园的次数；Dtra为汽车次均校园内行驶千米数（km）。生活办公能耗主要以电力为主。模型利用电力碳排放系数与用电总量共同计算生活办公模块的碳排放：Clife=∫C(life-m)dt; Clife-m=Elife×Ielc; Elife=Estu+Esta。其中：Clife为生活办公碳排量（t）；Clife-m为月生活办公碳排量（t）；Elife为耗电量（kW·h）；Ielc为电碳排放系数[t·（kW·h）-1]；Estu为生活区耗电量（kW·h）；Esta为教学办公区耗电量（kW·h）。食堂锅炉采用化石燃料燃烧与电力相组合的能源消耗方式，具体为：Cfood=∫(Cfood-m)dt; Cfood-m=ΣEi×Ii。其中：Cfood为锅炉燃烧碳排量（t）；Cfood-m为月锅炉燃烧碳排放量（t）；Ei为锅炉燃烧各类能耗量；Ii为各类能源碳排放系数。校园内人类活动系统碳排放总量为：Chuman=Cp+Ctra+Clife+Cfood。其中：Chuman为人类活动系统碳排总量。
-
自然生态系统主要指研究范围内植被及土壤共同组成的绿地系统。本研究建立了逐时植物呼吸碳排放方程、逐时土壤呼吸碳排放方程和逐时植物光合碳吸收方程。植物光合碳吸收测算。物种差异、光强、温度和湿度是影响植物光合作用的主要因素，其中光强、温度和湿度均表现为最适情况下促进光合[12-14]，过高或过低均抑制光合[15-17]。植物光合碳吸收量具体计算方式如下：Pij=a×Pari2+b×Par+c； ${C_P} = \sum\limits_i^n {\left( {{P_{ij}} \times {A_{ij}}} \right)} $ 。其中：Pij为第j种植被类型第i时的光合速率（μmol·m-2·s-1）；Pari为第i时的光合有效辐射（μmol·m-2·s-1）；a, b, c为系数项。Aij为第j种植被类型第i时的叶面积（m2）；Cp为植被光合碳吸收总量（t）。叶面积是指该种植物的所有叶片的单面叶面积之和。假设常绿植物全年总叶面积不变，估算方法参考居住区绿地碳汇能力评价中叶面积指数的计算方法[1, 18]。植物呼吸碳排放测算：Rik=ak∫ebktikdt[19-20]； ${C_v} = \sum\limits_i^n {\left( {{R_{ij}} \times {A_{ij}}} \right)} $ 。其中Rij为第j种植被类型第i时的呼吸速率（μmol·m-2·s-1）；ti为第i时的温度（℃）；a，b为系数项；Aij为第j种植被类型第i时的叶面积（m2）；Cv为植被光合碳吸收总量（t）。土壤呼吸碳排放测算。土壤呼吸一般表现为土壤向大气净释放二氧化碳[21]。物种差异[22]、温度[23-24]是影响土壤呼吸速率的主要因素。具体计算方式如下：RSik=akebktik[25]； ${C_S} = \sum\limits_i^m {\left( {{R_{{\rm{Sik}}}} \times {A_{{\rm{Sik}}}}} \right)} $ 。其中RSik为第j种植被类型第k时的呼吸速率（μmol·m-2·s-1）；ti为第i时的温度（℃）；a，b为系数项；ASik为第k种植被类型第i时的叶面积（m2）；CS为土壤碳排放总量（t）。
-
人类活动系统中，在校人口总数、车辆通行数量与行驶里数、生活办公用电量、锅炉能源消耗量均由学校相关部门提供。人数调节系数取值0.2。人均呼吸碳排放量为900 g·人-1·d-1[26]。车辆单位里程碳排放量为0.06 kg·km-1[11, 27]。在生活办公与锅炉燃烧模块中，电力与柴油碳排放因子分别为7.72×104 t·（kW·h）-1与0.862 6 t·t-1（二氧化碳/标准煤）[28]。
-
①观测数据。选取校园林地与草地的主流植物种类，以及不同疏密程度与不同环境的绿地，利用Li COR-6400与Li COR-8100分别观测植物光合速率、植物夜间呼吸速率与土壤呼吸速率。同时，记录Li COR-6400与Li COR-8100所测得的温度、湿度与光照强度数据。②校园不同土地利用类型的面积。各种植被类型的面积通过航拍遥感影像分类获得。影像空间分辨率为1 m，选择非监督分类方法ISOData进行分类（图 1），获取林地、草地、水体、建筑用地4种土地利用类型的面积数据（表 1）。③植被叶面积指数。根据乔木与草地的叶面积计算公式，通过校园植被调查数据获取乔木的株数、年龄、冠幅及草地的高度，来计算植被的总叶面积。乔木和草地的叶面积指数平均值分别采用3.41与2.46 [18]。
图 1 浙江农林大学校园航拍遥感影像与影像分类结果
Figure 1. Aerial remote sensing image and classification results
表 1 浙江农林大学校园土地覆盖分类结果
Table 1. Land cover classification results
土地覆盖类型 面积/m2 百分比/% 林地 154 755.0 12.70 草地 471 856.0 38.72 水域 52 107.8 4.28 建筑用地 539 769.0 44.30 合计 1218 487.8 -
校园碳收支估算模型详细流图见图 2。人类活动系统中，人均用电量、汽车通行量等作为辅助常数变量输入模型，模型按照核算公式运行后可直接计算得到人类活动系统碳排放结果。自然生态系统碳收支的计算相对复杂。在运行模型前，需要在整理观测数据的基础上，取所有植物种类(林地与草地分开)和土壤同一时刻光合作用速率、土壤呼吸速率的均值来分别代表校园区域植被光合速率与土壤呼吸速率。利用SPSS统计软件，选取温度、湿度、光合有效辐射（由光照强度数据转换所得[29]）等环境因素数据与各类速率数据拟合。拟合结果（表 2）通过统计学检验后作为计算公式输入模型，温度、湿度等环境因素数据作为辅助变量输入模型，光合与土壤呼吸速率为模型运行后输出的中间结果，自然生态系统碳吸收量为最终输出结果，进行自然生态系统碳收支的核算。
图 2 校园碳收支系统动力学模型详细流图
Figure 2. The stock-flow diagram of campus carbon budget
表 2 自然生态系统参数拟合结果
Table 2. Parameterized equations in natural ecosystem
内容 公式 精度R2 林地植物光合速率 P-wood=∫11(-0.000 036×Par2 +0.023 0×Par+2.16)dt 0.809 草地植物光合速率 P-wood=∫11(-0.000 056×Par2 +0.001 6×Par+8.46)dt 0.759 林地植物呼吸速率 VR-wood=∫11 (0.42Swe0.051×f(T, h, PAR, σ) dt 0.937 草地植物呼吸速率 VR-grass=∫11 (1.99Sge0.041×f(T, h, PAR, σ) dt 0.951 林地土壤呼吸速率 SR-wood=∫11 (0.87Swe0.055×f(T, h, PAR, σ) dt 0.958 草地土壤呼吸速率 SR-grass=∫11 (1.52Sge0.06×f(T, h, PAR, σ) dt 0.958 说明：T为温度，PAR为光合有效辐射，σ为二氧化碳浓度，t为时常，Sw为林地面积，Sg为草地面积。 -
①校园人类活动系统2012年碳排放总量约为5 555.48 t（图 3）。2，7，8月随着在校人数减少出现骤减现象。在正常工作日，4-6月与10-12月碳排放量均呈现上升趋势。这可能是因为夏天与冬天校园内空调等电器电力消耗增多。②校园人类活动系统中生活办公能耗产生的碳排放量最大（3 312.49 t·a-1）；其次为人类呼吸排放（1 797.81 t·a-1）；锅炉燃烧与交通产生的碳排放量较小，分别为371.80 t·a-1与73.35 t·a-1（表 3）。另外，正常工作时段与寒暑假时段校园碳排放的构成成分的贡献度有轻微差别。在寒暑假时段，人类呼吸碳排放贡献度较正常工作时段下降较多，而交通碳排放与锅炉燃烧碳排放的贡献度较正常工作时段有所上升。这是由于寒暑假时段在校人数骤减程度大于交通与锅炉燃烧碳排放下降程度造成。③校园人均碳排放量约为24 kg·人-1·月-1（图 4），其在8月达到最大（31 kg·人-1·月-1，4月最小（21 kg·人-1·月-1）。与碳排放量月变化特征相反，人均碳排放量在寒暑假时段（2，7，8月）较高。4-6月和10-12月期间，人均碳排放量有缓慢上升趋势。
图 3 人类活动系统碳排放总量及组成成分
Figure 3. Carbon emission and composition of human activity system
表 3 碳排放组成成分贡献度
Table 3. Contribution of each kind of carbon emission's composition
时间阶段 Cp /% Cfood /% Ctra /% Clife /% 工作日 32.67 6.48 1.13 59.72 寒暑假 26.00 11.92 5.81 56.27 
图 4 人类活动系统人均碳排放量
Figure 4. Per capital carbon emission in human activity system
-
自然生态系统碳收支由林地、草地2种植被类型决定，林地与草地碳收支中各种作用季节变化特征见图 5和图 6。①校园自然生态系统林地碳吸收年累计量达到-258.14 t·a-1，草地碳吸收年累计量为-1 149.82 t·a-1。林地与草地碳吸收量在季节变化上均呈现出双峰特征，春、秋两季较高，林地最高达到-31.82 t·月-1，草地最高达到-168.21 t·月-1。林地与草地碳吸收量均在1月降至最低，分别为0.87 t·月-1与49.32 t·月-1，成为微弱的碳源。校园内林地与草地的光合作用在季节变化上与碳吸收量季节变化特征一致，呈现双峰，且均在春、秋两季表现出较强的光合作用。夏季由于高温环境，光合作用产生“午休”现象，林地与草地光合作用均有所下降。冬季受低温、低光照的环境影响，林地与草地的光合作用均在1月达到全年最低。校园内植物呼吸与土壤呼吸作用在季节变化上呈现单峰特征，夏季7月出现顶峰。受冬季低温、积雪等影响，校园内植物呼吸与土壤呼吸碳排量均在1月达到全年最小值。②校园自然生态系统总碳汇年累计量为-1 407.96 t·a-1，呈现双峰（图 7），4月和10月碳汇量达到2个峰值，分别为-200.02 t·月-1与-190.71 t·月-1；1月和7月碳汇量最低，处于波谷，分别为50.18 t·月-1与9.16 t·月-1。陈云飞等[30]对临安太湖源雷竹Phyllostachys violascens林的二氧化碳通量季节变化进行了研究，表明雷竹生态系统净生态系统交换量（NEE）呈现双峰特征，冬季1月为最大排放源，春、夏、秋季为碳汇，但夏季相对较弱。这与校园自然生态系统固碳特征一致。李霞等[6]针对北京海淀公园二氧化碳通量进行了研究，认为其二氧化碳通量季节变化呈现单峰特征，3-10月为碳汇，11月-翌年2月为碳源，于8-9月碳吸收量达到峰值。这可能与南北气候差异有关，临安夏季7-8月酷暑高温，二氧化碳通量于10:00左右达到峰值后下降[30]。而北京海淀公园夏季二氧化碳通量于12:00左右达到峰值[6]。在碳汇构成成分上，草地碳汇量高于林地碳汇量，这可能由两方面原因造成：一是草地月均光合、呼吸速率均比林地大（图 8和图 9）；二是校园内草地面积是林地面积的3.5倍（表 1）。③单位绿化面积碳吸收量月平均值为-187 g·m-2，最小值出现在1月，为80 g·m-2；最大值出现在4月，为-319 g·m-2。
图 5 校园草地碳收支季节变化
Figure 5. Seasonal changes of carbon budget of grassland in campus
图 6 校园林地碳收支季节变化
Figure 6. Seasonal changes of carbon budget of woodland in campus
图 7 校园自然生态系统碳汇季节变化特征
Figure 7. Monthly carbon budget of natural ecosystem in campus
图 8 植物光合速率季节变化
Figure 8. Monthly average plant photosynthetic rate of natural ecosystem in campus
图 9 植物与土壤呼吸速率季节变化
Figure 9. Monthly average vergetable and soil respiration rate of natural ecosystem in campus
-
由于人类活动密集，浙江农林大学东湖校区全年表现为碳源，年累计碳排放量为4 147.48 t·a-1。植被的碳吸收量相对校园人类活动所造成的碳排放量较小，不能弥补其排碳量，碳平衡主要受到校园活动人口及燃料燃烧的影响形成与人类活动系统碳排放特征季节性变化。在2月和8月，校园碳排放强度较弱；1月，碳排放强度最强，碳排放量达到649.04 t·月-1（图 10）。
图 10 校园碳收支季节变化
Figure 10. Monthly carbon budget of whole campus
-
如果要建设低碳校园，则需要提出低碳校园的标准。这个标准实质上就是校园碳源与碳汇的基准，它是对校园碳排放与碳吸收的量化。由于研究对象为已建成使用的校园，不考虑建筑碳源，在明确校园规模与人均生命活动碳排放基准的前提下，低碳校园建设的影响因素主要为绿地碳汇、人均生活用能与交通用能[1]。
基于上述影响因素，假设低碳校园情景的指标取值如下：①校园绿地率提升至60%，单位绿化面积碳汇能力提升20%；②人均生活用能碳排放量削减20%，日均交通碳排放削减20%。在系统动力学模型中，任何相关变量的变化都会带来整个系统相应变化，为低碳校园政策效果评估提供了直观工具。按照上述指标取值调整模型中的校园绿化面积、人均生活用能、交通通行量、平均交通碳排放量等变量后运行模型，得到低碳校园情境下碳收支情况如表 4。
表 4 低碳情景与原状态碳收支结果比较
Table 4. Comparation between low-carbon scenario and original state
状态 基础数据 计算结果 绿地率/% 单位绿化面积碳汇/（g·m-2） 人均生活用能碳排放/（g·人-1 ·d-1） 日均交通碳排放/（kg·d-1） 绿地碳汇/（t·a-1） 生活用能碳排放（包括锅炉）/（t·a-1） 交通碳排放/（t·a-1） 碳收支/（t·a-1） 人均碳排放量/（g·人-1 ·d-1） 原状态 49 187 535.69 203.8 -1 408 5 555.48 73.35 4 147.48 439.27 低碳情景 60 224 428.55 163.0 -2 066 3 138.95 58.68 2 929.44 310.27 在低碳校园情境下，校园碳排放量下降至2 929.44 t·a-1，比原状态减少了29%以上。这说明校园的低碳建设仍有余地，但建设空间已有局限。这可能是由于东湖校区人口密集、现状植被覆盖率相对较高、植被体系已相对成熟等原因造成的。
-
浙江农林大学东湖校区全年碳收支表现为碳源，年累计碳排放约为4 147.48 t·a-1，其中，人类活动系统产生碳排放约为5 555.45 t·a-1，自然生态系统碳吸收量约为-1 407.96 t·a-1。校园全年碳收支季节变化规律与人类活动子系统变化规律相似：寒暑假骤减，冬、夏季排放量较春、秋季高的特征。校园整体碳收支最大值出现在1月，为649.04 t·月-1；最小值出现在2月和8月，约为22.00 t·月-1。在校园人类活动子系统中，生活办公耗能是最主要的碳排放来源，贡献率达到55%以上。人均碳排放量平均为24 kg·人-1·月-1。在自然生态子系统中，林地年碳汇量为258.14 t·a-1，草地年碳汇量为1 149.82 t·a-1。碳汇呈现双峰的季节变化特征：春、秋两季较高，冬季达到最低。在4月达到-200.02 t·月-1，7月降低至9.16 t·月-1。单位绿化面积碳吸收量月平均值为-187.00 g·m-2。在完成校园碳收支测算的基础上，模拟低碳校园情景，从绿地碳汇能力、人均生活用能与交通用能3个方面控制校园碳收支，达到比原始状态削减29%以上碳排放量的结果。
本研究虽利用Vensim模型得到浙江农林大学东湖校区全年碳收支的动态结果，但未能很好地反映碳汇系统与碳源系统间相互作用与反馈机制，未能研究确定碳汇能力最大化的植物配置模式。今后有必要进一步进行该方面的研究。另外，本研究虽给出了低碳校园建设与评价基准的参考，但未深入考究该标准的操作可行性和区域的适应性，这是今后低碳城市建设有待研究和解决的问题。
System dynamics modeling for carbon budget at a university campus
-
摘要: 以系统动力学VensimPLE软件为技术平台, 结合Li COR-6400与Li COR-8100观测数据, 以浙江农林大学东湖校区为研究对象, 建立校园碳收支测算模型, 对校园中人类活动系统碳排放与自然生态系统碳收支分别进行了测算, 并提出低碳建设参考路径。模型测算结果表明:校园全年整体表现为碳源, 年碳排放量为4 147.48 t·a-1, 平均单位面积碳排放量为3.24 t·m-2·a-1; 人类活动碳排放量5 555.45 t·a-1, 人均碳排放强度为24.0 kg·人-1·月-1, 其中, 生活办公用电排碳量最大。自然生态系统年固碳量1 407.96 t·a-1, 季节变化呈现双峰特征, 春秋两季较高, 冬季最低。单位绿化面积碳吸收量为187.0 g·m-2·月-1。同时, 低碳校园情景模拟中通过绿地碳汇、人均用能与交通用能等因素的共同控制, 可比原始状态再实现29%的碳排放削减, 说明校园低碳建设仍有一定发展空间。Abstract: To model the carbon budget trend at Zhejiang A & F University over 2012 and to measure the carbon budget on a campus-level scale, a system dynamics model was developed using Vensim.The parametric data of the model was based on the observed data from Li-COR 6400 and Li-COR 8100. Results showed that the carbon emission for 2012 was 4 147.48 t·a-1 and per square meter discharge of 3.24 t·m-2·a-1 on average, meaning the campus was a carbon source to the atmosphere. Carbon emissions from human activities was 5 555.45 t·month-1, and per person discharge of 0.024 t·month-1 on average. Emissions from electricity consumption were the largest among all kinds of human activities. The carbon sink for plants reached 1 407.96 t·a-1 which meant per square meter of green space fixed an average of 187 g·month-1 of C. The seasonal change of C sequestration showed bimodal characteristics, appearing higher in spring and autumn, but lowest in winter. Compared to original conditions, by simultaneously controlling the carbon sink for green space (increased to 224 g·m-2), the per capita energy consumption (decreased to 428.55 g·d-1), and the transport energy consumption(decreased to 163 kg·d-1); the low-carbon scenario achieved a 29% reduction in carbon emissions.
-
Key words:
- ecology /
- carbon budget /
- system dynamics /
- Vensim /
- model /
- campus
-
南方集体林区以丘陵为主的地形特征决定了林业生产过程中客观上存在着机械替代率低的问题。由于大量农村劳动力进入城市非农就业，林业经营主体需要通过雇佣劳动力以解决劳动力不足的问题[1]；日趋扩大的规模化经营对雇佣劳动力的依赖程度急剧增大，委托代理关系也应运而生。委托代理关系下的营林生产过程往往存在着信息不对称和“道德风险”等问题，导致雇主对劳动过程的监督不到位[2]；而相对粗放的林业生产中，雇主无法准确观测劳动力的投入程度，雇工生产效率较低[3]。因此，在南方集体林区不断推进林业规模化经营的背景下，开展雇工劳动质量对农户营林技术效率的影响研究具有重要的理论和现实意义。国内外学者关于雇佣劳动对农林业生产影响的研究主要集中在农业领域。一种观点认为雇佣劳动对农业生产效率产生了负面影响。雇佣劳动存在“道德风险”，雇佣劳动力的边际产出小于自有劳动力的边际产出，要保证劳动质量必须要付出大量的监督成本。有研究发现：存在雇工行为的家庭农业经营雇主，需要花费10%的劳动力时间来监督雇工，对劳动力在其他用途上的配置产生挤出效应。还有研究表明：团队组织内部监督不完备与激励不足，将会降低生产效率[4]。另一观点则认为雇佣劳动对农业生产效率有正向影响。张五常[5]认为分成制、定租制和混合制等委托-代理机制[3]是有效的。相比之下，目前针对林业雇工研究较少，从雇工视角探讨南方集体林区农户营林生产效率影响因素的研究还未见报道。本研究基于浙江省的实地调研数据，采用计量模型测算样本农户的营林技术效率，分析雇工劳动质量对农户营林技术效率的影响，以期为林业规模化经营中存在的雇工劳动问题提供决策依据。
1. 雇工劳动质量对农户营林技术效率影响的理论机制分析
1.1 研究假说
根据委托-代理理论[3]，存在于雇佣劳动中“道德风险”会导致雇佣劳动力的边际产出小于自有劳动力的边际产出；而相对粗放的林业生产管理会增加劳动力的监督难度，加重林业雇佣劳动中的机会主义行为。即营林生产过程中雇佣劳动会在一定程度上影响技术效率的提高。同时，雇工投入水平的差异对农户营林技术效率的影响也是不同的。雇工投入越多，则家庭自有劳动力越少，劳动监督难度越大，雇工劳动力的道德风险也越大，从而导致劳动生产质量下降，林业生产效率会因此受到影响（落入到生产可能性曲线内部）。就家庭自有劳动力与雇工关系而言，拥有剩余索取权的家庭自有劳动力更多地参与到营林生产中，则边际产出会随之升高，劳动质量会得到更大程度的保证，雇佣劳动对林业生产效率的负面影响程度也相对减弱。因此，可提出以下研究假说：农户营林生产过程中的雇佣劳动会对营林生产造成负面影响，且雇工劳动质量不同，雇佣劳动对农户营林技术效率的影响程度也不同。
1.2 理论模型
技术效率（technical efficiency, TE）是目前测度生产单位效率水平最常见的指标之一，一般用生产单位的实际产出与其理论上所能实现的最大潜在产出的比值来表示，本研究选用技术效率来衡量样本经营农户营林生产效率水平。用Yi表示第i个农户的林业产出，则随机前沿生产函数（stochastic frontier approach，SFA）可表示为：Yi＝f（Xi，β）exp（Vi-Ui）。其中：f（Xi，β）代表生产前沿面，Xi为生产要素的投入，本研究指资本、土地和劳动力的投入；（Vi-Ui）为混合误差，其中Vi表示随机误差，包含测度误差及不可控因素；Ui为技术效率损失，表示农户i的技术非效率项，服从独立的截断正态分布N（mi，δu2），其中mi为数学期望，δu2为方差。
技术无效率函数（mi）可设定为：$ {m_i} = {\delta _0} + \sum\limits_j {{\delta _j}{Z_{ji}} + {\mu _i}} $。其中：i表示第i位样本农户，Zji表示影响技术效率的各外生变量，δj为待估参数，反映各外生变量对技术效率的影响程度，μi为纯随机误差项。
在此基础上求解出技术效率水平：Ti＝E（Yi∣Ui，Xij）/E（Yi∣Ui＝0，Xij）＝exp（-Ui），从而求解出平均技术效率：$ T = \frac{1}{n}\sum\limits_{i = 1}^n {{T_i}} $。其中：n为农户数量，本研究采用最大似然估计法来估计前沿生产函数的参数。
2. 数据来源、实证模型与变量选择
2.1 数据来源
本研究以浙江省南方集体林区为案例点，充分考虑地理位置、自然资源和社会经济发展差异，按农民人均可支配收入分层抽样选取浙江省建德市、开化县2个县（市）作为样本县（市）。2地农民人均可支配收入为23 998和15 736元，存在明显差异，反映出浙江省不同地区经济发展的差异性；森林覆盖率为76.2%和80.9%，均超出浙江省的平均水平，林业代表性较好。采取随机抽样法，在2个样本县（市）随机选取6个乡（镇），其中开化3个乡（镇），建德3个乡（镇）。为保证问卷的质量与信息的真实性，调查采取“一对一”的访谈模式。共得到农户有效样本245户，其中有雇工参与的农户151户，无雇工参与的农户94户。
杉木Cunninghamia lanceolata是样本地区分布最广的树种之一，也是当地农户最主要的林业收入来源之一；因此，本研究以杉木为案例树种进行调研。调查内容包括农户家庭基本情况、林地基本情况、1个营林周期内最大地块上杉木的生产投入和产出情况等。样本分布见表 1。
表 1 农户有效样本分布情况Table 1. Specific distribution of effective sample of farmers县（市） 乡（镇） 村 合计/户 比例/% 开化 华埠 许家源 20 8.2 联丰 20 8.2 池淮 芹源 20 8.2 玉坑 20 8.2 芹阳 泉坑 21 8.6 小桥头 20 8.2 建德 李家 沙墩头 8 3.3 长林 23 9.4 石鼓 9 3.7 龙桥 1 0.4 新桥 2 0.8 李家 2 0.8 建德 大同 上马 1 0.4 小溪源 24 9.8 永平 1 0.4 竹林 1 0.4 竹源 13 5.3 航头 大店口 21 8.6 东村 14 5.7 溪沿 1 0.4 罗源 1 0.4 曹源 2 0.8 总计 245 100.0 2.2 实证模型与变量选择
在测算林业技术效率之前，需要先确定前沿函数的具体形式，常见的前沿函数形式有C—D生产函数和超越对数生产函数。相对于前者，后者不仅形式灵活、易估计、包容性强，而且允许要素间替代弹性可变，没有对技术变化附加任何限制条件，因此近似性更好。考虑到南方集体林区农户拥有林地地块数量普遍较多，而农户林业生产中最重视且存更大雇佣劳动可能性的一般是最大地块，因此，本研究采用农户最大地块1个经营周期内的营林投入产出变量来构建生产函数。超越对数生产函数公式如下：lnYi＝β0+β1lnKi+β2lnLi+β3lnMi+β4（lnKi）2+β5（lnLi）2+β6（lnMi）2+β7lnKilnLi+β8lnMilnMi+β9lnKilnMi+Vi-Ui。其中：Y表示最大地块1个经营周期内的林业产出（主伐量）（m3）；K表示农户在最大地块的1个经营周期内所投入的费用（元）；L表示农户在最大地块的1个经营周期内所投入的劳动投工数量（工）；M表示最大地块面积（hm2）；β0~β9为待估参数。
通过对超越对数生产函数求导可以分别计算出各投入要素的产出弹性。资本投入要素的产出弹性为：η1＝β1+2β4lnK+β7lnL+β9lnM。劳动力投入要素的产出弹性为：η2＝β2+2β5lnL+β7lnK+β8lnM。土地投入要素的产出弹性为：η3＝β3+2β6lnM+β8lnL+β9lnK。农户技术无效率函数表示为：$ {m_i} = {\delta _0} + \sum\limits_{j = 1}^{j = 5} {{\delta _j}{h_j} + \sum\limits_{j = 6}^{j = 16} {{\delta _j}{Z_{ji}} + {\mu _i}} } $。其中hj为关键变量，代表雇工劳动质量，表示农户最大地块1个经营周期内雇佣劳动力的投工质量情况，Zj为控制变量。
为全面测度营林雇工劳动质量问题，本研究构建了雇工年龄比例、雇工性别比例、雇工投工所占比例、受过技术培训的雇工所占比例等具体指标[6]作为关键变量。具体如下。①雇工年龄比例：40岁以下雇工所占比例（h1）、60岁以上雇工所占比例（h2）；②雇工性别比例：男雇工所占比例（h3）；③雇工投工所占比例：总投工中雇工所占比例（h4）；④受过技术培训的雇工所占比例（h5）。
一般研究将影响技术效率的地块特征、农业生产特征、户主特征等外生因素作为控制变量。①地块特征主要包括地块的地理位置（最大地块离家距离）、农户家庭山林总面积、农户家庭林地总块数、最大地块立地质量。地块离家距离越近，越便于林农对林地进行管理，所以，预期最大地块离家距离会对农户营林技术效率产生负向影响。农户家庭山林总面积越大、林地总块数越多意味着农户管理林地的难度也越大，平均到每个地块的管理时间就会越少，因此，预期其会对农户营林技术效率产生负向影响[7]。土地细碎不利于先进机械设备和技术的推广，控制病虫害难度加大，难以实现规模经营[8]，虽然也有研究表明耕地面积与生产率之间的反向关系[9]，但有些研究却表明此种关系并不显著[10]，因此预期其总效应不明确。地块的立地质量对效率的影响是显而易见的，肥沃的土壤相对于贫瘠的土壤更能提高农户的生产效率[11]，因此预期其会对农户营林技术效率会产生正向影响。②农业生产特征包括家庭务农人数、家庭总收入以及农户是否为补贴户。家庭务农人数会直接影响到劳动力要素的投入，因此预期其会对农户营林技术效率产生正向影响。农户家庭总收入的增加会加大农户的林业投资[12]，预期会对农户营林技术效率产生正向影响。农户若为补贴户，林业补贴的增加也会增加农户对林业的资本投入，因此假设其会对农户营林技术效率产生正向影响。③户主特征。包括户主年龄、户主的受教育年限、户主健康状况、户主是否担任过村干部。户主年龄对其技术效率的影响方向取决于该农户是更富有经验还是更守旧[13]；户主受教育年限越长，越能有效利用先进的农业生产技术[14]，因此，假设其会对农户营林技术效率产生正向影响。户主健康状况对农户营林技术效率的影响也是显而易见的：户主健康状况越好，越有利于家庭营林生产劳动和决策，因此假设其会对技术效率产生正向影响。干部身份一方面会带来收入效应，即干部获得先进生产技术和农业生产信息的渠道更多，这会对农户营林技术效率产生正效应；另一方面，干部身份同样存在替代效应，即干部用于家庭经营的时间更少，从事家庭经营的机会成本也较高，这会对农户营林技术效率产生负效应[15]。因此其具体影响尚不可知。具体控制变量如下：Z6表示农户是否为补贴户（0代表否，1代表是）；Z7表示户主是否为村干部（0代表否，1代表是）；Z8为农户家庭务农人数（人）；Z9为户主年龄（岁）；Z10为户主受教育年限（年）；Z11为户主健康状况（1代表好，2代表中，3代表差）；Z12表示农户家庭总收入（元）；Z13为农户家庭山林总面积（hm2）；Z14表示农户经营的山林总块数（块）；Z15表示农户经营山林中最大地块的立地质量（1代表好，2代表中，3代表差）；Z16表示最大地块离家的距离（km）。
3. 结果与分析
3.1 描述性统计分析
由表 2可知：样本农户最大地块整个营林周期内单位面积的平均产出为108.62 m3·hm-2，农户最大地块整个营林周期内单位面积的平均资本投入为8 214.47元·hm-2，单位面积平均劳动力投入为375.23工·hm-2，平均林地投入为2.02 hm2。
表 2 随机前沿生产函数模型变量的描述性统计Table 2. Descriptive statistics of variables in Stochastic Frontier Approach's model统计值变量 最大地块总产出/（m3·hm-2） 最大地块资本投入/（元·hm-2） 最大地块面积/hm2 最大地块劳动力投入/（工·hm-2） 平均值 108.62 8 214.47 2.02 375.23 标准差 94.70 5 187.26 1.14 278.28 技术效率损失模型中（表 3），户主的平均年龄为57.24岁，平均受教育年限为7.20 a，可以看出该地区的劳动力质量较差。88.00%的立地质量为中等及以上，最大地块离家距离平均为1.97 km，表明样本地区的立地质量和交通条件对林业经营相对有利。样本农户家庭户均地块为3.41块，表明样本地区林地细碎化问题并不严重。农户的家庭总收入均值为95 501.74元，说明样本地区当地的经济条件利于林业发展。所有样本农户中仅有27.00%的农户为补贴户，说明国家的林补政策还未真正地惠及该地区。
表 3 技术效率损失模型变量的描述性统计Table 3. Descriptive statistics of variables in the loss of technical efficiency's model变量类型 具体变量 平均值 标准差 最小值 最大值 雇工劳动质量 40岁以下雇工所占比例 0.45 0.24 0.10 1.00 60岁以上雇工所占比例 0.49 0.17 0.01 1.00 男雇工所占比例 0.85 0.16 0.20 1.00 总投工中雇工所占比例 0.72 0.25 0.05 1.00 雇佣的工人中受过技术培训的工人所占比例 0.78 0.42 0.10 1.00 户主特征 户主年龄（岁） 57.24 9.38 27 86 户主教育年限 7.20 3.52 0 16 户主是否为村干部（0代表否，1代表是） 0.33 0.46 0 1 户主健康状况：好 0.84 0.36 0 1 户主健康状况：差 0.12 0.22 0 1 农业生产特征 家庭务农人数（人） 1.18 1.05 0 5 家庭总收入（元） 95 501.74 104 235.30 520 724 652 是否为补贴户（0代表否，1代表是） 0.27 0.44 0 1 地块特征 家庭总地块数 3.41 2.87 0 20 最大地块质量：好 0.54 0.49 0 1 最大地块质量：差 0.12 0.31 0 1 最大地块离家距离（km） 1.97 2.03 0.02 15 山林总面积 3.52 8.26 0.03 96.67 说明：“户主健康状况”参照组为“中”，“最大地块质量”参照组为“中” 为消除因自变量之间多重共线性导致的模型估计结果偏差，在模型估计前对雇工质量各指标进行相关性检验。结果发现（表 4）：雇工质量各指标之间不存在多重共线性问题，各指标可以作为自变量放入模型进行估计。
表 4 雇工质量各指标系数相关矩阵Table 4. Relevance matrix of index coefficients of employee quality40岁以下雇工所占比例 60岁以上雇工所占比例 男雇工所占比例 总投工中雇工所占比例 雇佣的工人中受过技术培训的工人所占比例 40岁以下雇工所占比例 1.00 60岁以上雇工所占比例 0.18 1.00 男雇工所占比例 0.24 0.15 1.00 总投工中雇工所占比例 0.01 0.00 0.33 1.00 雇佣的工人中受过技术培训的工人所占比例 0.24 0.02 0.10 0.23 1.00 3.2 实证结果分析
利用广义似然比（LR）检验可降低对SFA模型的依赖，避免函数形式的误设，从而从设定的待估计模型中筛选出最能拟合样本数据的模型。LR公式可表示为：RL＝-2[lnL（H0）-lnL（H1）] ~χ2（k）。其中：L（H0）和L（H1）分别是零假设H0和备择假设H1下的似然函数值，表示受约束条件的自由度。将LR统计量与临界值进行比较，当LR统计量值大于临界值时拒绝原假设，否则，接受原假设。给出的2个零假设为：（1）规模户和非规模户的前沿面并没有显著的差异，即模型不需要添加是否为规模户的虚拟变量。（2）外生变量对技术效率无任何影响，即模型不需要添加外生变量影响因素。LR验证结果如表 5所示。相对于基准模型，假设1在1%显著性水平上没有被拒绝，而假设2在1%显著性水平上拒绝原假设；说明原假设1对应的模型较好地拟合了样本数据，可作为本研究测度技术效率的主要模型。
表 5 假设检验结果Table 5. Hypothesis test results零假设 LR统计量 自由度 χ2 0.01临界值 结论 H0：不应该设置规模户虚拟变量 0.001 9 20.97 接受 H0：外生变量对技术效率无影响 126.310 14 28.49 拒绝 3.2.1 随机前沿生产函数模型估计结果分析
表 6为随机前沿生产函数模型的估计结果。将表 6的回归系数代入上文生产投入要素产出弹性计算公式中可得到各投入要素的产出弹性。计算得：土地投入要素的产出弹性为2.25，说明样本地区林业生产对土地投入的依赖程度较高，即林业生产中最为稀缺的生产要素是土地，增加土地投入可以大幅度地提高林业产出。资本（-0.09）和劳动力（-0.23）投入要素的产出弹性均为负值，说明目前样本地区林业存在过度投入资本和劳动力的情况，单纯依靠增加林业劳动力和林业资本投入并不会带来林业产出的增加，相反还可能导致林业产出减少。
表 6 随机前沿生产函数模型估计结果Table 6. Estimated results of Stochastic Frontier Approach's model变量 系数 变量 系数 最大地块资本投入 0.589***（0.091） 劳动力投入的平方项 -0.029*（0.016） 最大地块面积（土地投入） 0.746***（0.240） 资本投入×土地投入 0.160**（0.068） 最大地块劳动力投入 0.017（0.125） 土地投入×劳动力投入 0.108*（0.063） 资本投入的平方项 0.051***（0.010） 资本投入×劳动力投入 -0.014（0.035） 土地投入的平方项 -0.410***（0.137） 常数项 -0.368（0.259） 说明：*，**，***分别表示通过10%，5%，1%水平下的显著性检。括号内数值为回归标准误 3.2.2 技术效率损失模型估计结果分析
在245份有效样本农户中，家庭最大地块1个营林周期内有雇佣劳动力的农户有151户，占总体样本的61.63%。总体农户平均技术效率值为0.57，有雇工农户平均技术效率值为0.59，无雇工农户的平均技术效率值为0.76。由表 7可知：如果消除技术效率的损失，总体样本农户的平均技术效率还有43.00%的提升空间。由描述性统计结果可粗略看出无雇工农户的平均技术效率高于有雇工农户的平均技术效率，但雇佣劳动对农户技术效率的具体影响有待进一步计量分析。由样本农户雇工情况对农户营林技术效率损失影响的估计结果（表 8）可知：在控制其他变量不变的情况下，雇工会对农户营林技术效率造成负面影响（P＜0.10）。雇工劳动质量指标中，总投工中雇工所占比例对农户的营林技术效率具有负向影响（P＜0.05）；原因可能是家庭自有劳动力和雇佣劳动力劳动质量存在异质性，雇主对劳动过程的监督很难到位，由此造成总投工中雇工所占比例越高，农户营林技术效率越低。户主年龄对农户的营林技术效率具有正向的影响（P＜0.10）；原因可能是随着户主年龄增大，其营林生产经验越丰富，对家庭营林生产越有利。户主良好的身体状况对农户营林生产技术效率具有正向影响（P＜0.05）；作为家庭最主要的林业劳动力和决策者，户主身体健康程度对林业生产至关重要。家庭总收入对农户营林生产技术效率具有正向影响（P＜0.05）；原因在于农户家庭总收入的增加会减少农户家庭林业生产的资金约束，农户林业投资概率会增大。山林总面积和家庭总地块数都对农户的营林技术效率具有负向影响（P＜0.10）；农户家庭山林总面积越大、家庭总地块数越多，农户管理林地的难度也越大，平均到每个地块的管理时间就会越少，农户无法对林地进行精细化地管理，影响了技术效率的提高。好的地块质量对农户营林生产技术效率具有负向影响（P＜0.10）；这与预期的影响方向相反，可能的原因是：农户会对质量较好的地块相对投入更少的肥料和劳动力等生产要素，因此使立地质量较优的地块产出情况反而不如立地质量较差的地块。
表 7 样本农户营林技术效率总体情况Table 7. Overall situation of technical efficiency of sample farmers in forestry management描述性统计农户类型 平均值 标准差 最小值 最大值 全部农户 0.57 0.20 0.12 0.92 有雇工农户 0.59 0.25 0.06 0.98 无雇工农户 0.76 0.12 0.24 0.92 表 8 雇工情况及雇工劳动质量对农户营林技术效率损失的影响估计结果Table 8. Estimation of the impact of employment and labor quality of employees on technical efficiency of farmers' forestry management变量类型 具体变量 系数 具体变量 系数 雇工情况 是否雇工（0代表否，1代表是） 0.373*（0.212） 40岁以下雇工所占比例 1.139（0.814） 及雇工劳 60岁以上雇工所占比例 -0.474（0.509） 动质量 男雇工所占比例 0.662（0.511） 总投工中雇工所占比例 1.205**（0.538） 雇佣的工人中受过技术培训的工人所占比例 -2.115（1.328） 户主特征 户主年龄（岁） -0.011（0.009） 户主年龄（岁） -0.027*（0.016） 户主教育年限 -0.008（0.022） 户主教育年限 0.052（0.044） 户主是否为村干部（0代表否，1代表是） 0.182（0.160） 户主是否为村干部（0代表否，1代表是） 0.181（0.245） 户主健康状况：好 -0.498**（0.242） 户主健康状况：好 -1.130**（0.489） 户主健康状况：差 -0.180（0.324） 户主健康状况：差 -0.132（0.883） 农业生产 家庭务农人数（人） 0.035（0.078） 家庭务农人数（人） 0.084（0.106） 特征 家庭总收入（元） -0.000**（0.000） 家庭总收入（元） -0.000**（0.000） 是否为补贴户（0代表否，1代表是） 0.333**（0.165） 是否为补贴户（0代表否，1代表是） 0.317（0.259） 地块特征 家庭总地块数 0.035（0.026） 家庭总地块数 0.090*（0.049） 最大地块质量：好 0.221（0.155） 最大地块质量：好 0.640*（0.359） 最大地块质量：差 -0.117（0.241） 最大地块质量：差 0.196（0.460） 最大地块离家距离（km） -0.040（0.037） 最大地块离家距离（km） -0.052（0.061） 山林总面积 -0.005（0.022） 山林总面积 0.042*（0.022） 常数项 1.643***（0.623） 常数项 0.303（1.099） σ2 0.318***（0.070） σ2 0.801***（0.268） γ 0.876***（0.073） γ 0.995***（0.003） 说明：“户主健康状况”参照组为“中”，“最大地块质量”参照组为“中”；*，**，***分别表示通过10%，5%，1%水平下的显著性检验。括号内数值为回归标准误 4. 结论及建议
4.1 结论
本研究发现：样本农户的营林技术效率的平均值为0.57，表明样本农户在当前技术水平下平均56.60%的产出可以通过现有的生产要素组合来获得，样本农户的营林技术效率还有43.40%的提升空间。农户营林生产过程中的雇佣劳动确实会对营林生产造成负面影响，雇工劳动质量不同，对提高农户营林技术效率的影响程度不同；营林生产总投工中雇工所占比例越大，对提高农户营林技术效率的负面影响程度越大。
4.2 建议
建立有效的劳动监督和管理机制。雇佣劳动力在劳动过程中缺乏有效的劳动监督，雇工劳动质量低下，是营林生产技术效率下降的主要原因。因此，农户应根据雇工实际情况建立有效劳动监督机制，在劳动生产可计量的环节尝试使用绩效工资，并根据劳动成果给予一定的激励措施，减少雇工过程中“搭便车”行为的发生，从而提高雇工劳动的质量。在目前林业规模经营日趋普遍的情况下，传统的生产经营和管理方式越来越难以适应，迫切需要建立高效的林业生产管理机制。革新传统林业管理理念，启用具有现代管理才能的人才管理林业经营；在林业生产的各个环节，制定科学合理的管理细则和林业生产流程。
推进适度规模经营，加大林业科技服务投入。解决各林业经营主体营林生产过程中的雇工劳动质量问题的关键是解决农村劳动力不足的问题。因此，推广林业机械化生产、开拓新型经营方式、积极推进林业适度规模经营均能在很大程度上解决上述问题。在地形条件较平缓的地区的林业规模经营户中可以依靠推进农业机械化替代劳动力，解决雇佣劳动所带来的劳动质量问题。同时，在机械替代较为困难的地区，可以尝试开拓林业服务外包、农户之间合作经营和托管经营等新型林业经营方式，促使劳动力要素配置更加专业化，也可以缓解由于雇佣劳动力所带来的劳动质量问题。对规模经营中出现的雇工劳动问题，需要进一步研究以寻找雇工劳动最优的比例，从劳动力层面对农户适度规模经营提出要求。
-
图 1 浙江农林大学校园航拍遥感影像与影像分类结果
Figure 1 Aerial remote sensing image and classification results
图 3 人类活动系统碳排放总量及组成成分
Figure 3 Carbon emission and composition of human activity system
图 8 植物光合速率季节变化
Figure 8 Monthly average plant photosynthetic rate of natural ecosystem in campus
图 9 植物与土壤呼吸速率季节变化
Figure 9 Monthly average vergetable and soil respiration rate of natural ecosystem in campus
表 1 浙江农林大学校园土地覆盖分类结果
Table 1. Land cover classification results
土地覆盖类型 面积/m2 百分比/% 林地 154 755.0 12.70 草地 471 856.0 38.72 水域 52 107.8 4.28 建筑用地 539 769.0 44.30 合计 1218 487.8 
下载: 导出CSV
表 2 自然生态系统参数拟合结果
Table 2. Parameterized equations in natural ecosystem
内容 公式 精度R2 林地植物光合速率 P-wood=∫11(-0.000 036×Par2 +0.023 0×Par+2.16)dt 0.809 草地植物光合速率 P-wood=∫11(-0.000 056×Par2 +0.001 6×Par+8.46)dt 0.759 林地植物呼吸速率 VR-wood=∫11 (0.42Swe0.051×f(T, h, PAR, σ) dt 0.937 草地植物呼吸速率 VR-grass=∫11 (1.99Sge0.041×f(T, h, PAR, σ) dt 0.951 林地土壤呼吸速率 SR-wood=∫11 (0.87Swe0.055×f(T, h, PAR, σ) dt 0.958 草地土壤呼吸速率 SR-grass=∫11 (1.52Sge0.06×f(T, h, PAR, σ) dt 0.958 说明：T为温度，PAR为光合有效辐射，σ为二氧化碳浓度，t为时常，Sw为林地面积，Sg为草地面积。
下载: 导出CSV
表 3 碳排放组成成分贡献度
Table 3. Contribution of each kind of carbon emission's composition
时间阶段 Cp /% Cfood /% Ctra /% Clife /% 工作日 32.67 6.48 1.13 59.72 寒暑假 26.00 11.92 5.81 56.27
下载: 导出CSV
表 4 低碳情景与原状态碳收支结果比较
Table 4. Comparation between low-carbon scenario and original state
状态 基础数据 计算结果 绿地率/% 单位绿化面积碳汇/（g·m-2） 人均生活用能碳排放/（g·人-1 ·d-1） 日均交通碳排放/（kg·d-1） 绿地碳汇/（t·a-1） 生活用能碳排放（包括锅炉）/（t·a-1） 交通碳排放/（t·a-1） 碳收支/（t·a-1） 人均碳排放量/（g·人-1 ·d-1） 原状态 49 187 535.69 203.8 -1 408 5 555.48 73.35 4 147.48 439.27 低碳情景 60 224 428.55 163.0 -2 066 3 138.95 58.68 2 929.44 310.27
下载: 导出CSV
-
[1] 何华.华南居住区绿地碳汇作用研究及其在全生命周期碳收支评价中的应用[D]:重庆:重庆大学, 2010. HE Hua. Research on Green Space Carbon Sink of Residential Area in South China and its Application in Carbon Budget of Residential Area for Whole Life Circle[D]. Chongqing:Chongqing University, 2010. [2] 马巾英, 尹锴, 吝涛.城市复合生态系统碳氧平衡分析[J].环境科学学报, 2011, 31(8):1808-1816. MA Jinying, YI Kai, LIN Tao. Analysis of the carbon and oxygen balance of acomplex urban ecosystem:a case study in the coastal city of Xiamen[J]. Acta Sci Circumst, 2011, 31(8):1808-1816. [3] FENG Yueyi, CHEN Shaoqing, ZHANG Lixiao. System dynamics modeling for urban energy consumption and CO2 emis-sions:a case study of Beijing, China[J]. Ecol Model, 2012, 252(1):44-52. [4] 周志.基于系统动力学的广东省低碳经济发展路径选择[D].广州:华南理工大学, 2011. ZHOU Zhi. The Choosing of Low-carbon Economy Development Path of Guangdong Province Based by System Dynamics Theory[D]. Guangzhou:South China University of Technology, 2011. [5] ZHAO Min, KONG Zhenghong, ESCOBEDO F J, et al. Impacts of urban forests on offsetting carbon emissions from industrial energy use in Hangzhou, China[J]. J Environ Manage, 2010, 91(4):807-813. [6] 李霞, 孙睿, 李远, 等.北京海淀公园绿地二氧化碳通量[J].生态学报, 2010, 30(24):6715-6725. LI Xia, SUN Rui, LI Yuan, et al. Carbon dioxide fluxes on green space in Haidian Park, Beijing[J]. Acta Ecol Sin, 2010, 30(24):6715-6725. [7] 吴飞, 吴泽民, 吴文友.马鞍山市城市森林碳储量及分布格局研究[J].安徽农业大学学报, 2012, 39(4):519-526. WU Fei, WU Zemin, WU Wenyou. Appraisal of carbon storage in urban forest patches and its distribution pattern in Maanshan city[J]. J Anhui Agric Univ, 2012, 39(4):519-526. [8] 王其藩.系统动力学[M].北京:清华大学出版社, 1994. [9] 赵荣钦, 黄贤金.城市系统碳循环:特征, 机理与理论框架[J].生态学报, 2013, 33(2):358-366. ZHAO Rongqin, HUANG Xianjin. Carboncycle of urbansystem:characteristics, mechanism and theoretical framework[J]. Acta Ecol Sin, 2013, 33(2):358-366. [10] 李雪玉, 姚林如, 杨锐琦, 等.城市碳循环清单及相关对策研究:以南昌市为例[J].全国商情·理论研究, 2012(20):12-14. LI Xueyu, YAO Linru, YANG Ruiqi, et al. Research on urban carbon cycle list and relevant countermeasures[J]. Business Inf Theor Res, 2012(20):12-14. [11] 何华, 龙天渝, 鄢涛, 等.居住区使用阶段碳收支研究[J].煤气与热力, 2010, 30(4):40-44. HE Hua, LONG Tianyu, YAN Tao, et al. Research on carbon budget during usestage of residential areas[J]. Gas & Heat, 2010, 30(4):40-43. [12] 蒋运生, 柴胜丰, 唐辉, 等.光照强度对广西地不容光合特性和生长的影响[J].广西植物, 2009, 29(6):792-796. JIANG Yunsheng, CHAI Shengfeng, TANG Hui, et al. Effect of different light intensities on photosynthetic characteristics and growth of Steohania kwangsiensis[J]. Guihaia, 2009, 29(6):792-796. [13] 张光飞, 翟书华, 苏文华, 等.光照和温度对鸟巢蕨光合速率的影响研究[J].昆明学院学报, 2008, 30(4):62-63. ZHANG Guangfei, ZHAI Shuhua, SU Wenhua, et al. Effects of light intensity and air temperature on the photosynthesis of Neottopters nidus[J]. J Kunming Univ, 2008, 30(4):62-63. [14] 陈柯, 王小德.常春油麻藤、中华常春藤和扶芳藤的光合特性比较分析[J].安徽农业大学学报, 2008, 35(2):196-199. CHEN Ke, WANG Xiaode. Comparative analysis on photosynthetic characteristics and shade tolerance between Mucuna sempervirens, Hedera nepalensis var. sinensi and Euonymus fortunei[J]. J Anhui Agric Univ, 2008, 35(2):196-199. [15] 王红兵, 王励勉, 秦俊, 等.上海地区九种木兰科植物光合特性的研究[J].北方园艺, 2008(8):54. WANG Hongbing, WANG Limian, QIN Jun, et al. Research on photosynthesis characteristic of nine species of Magnoliaceae plants in Shanghai[J]. Northern Hortic, 2008(8):54. [16] 穆大刚, 付翔, 许华林. 5种红树植物光合产量模型研究[J].安徽农业科学, 2008, 36(35):1535-1535. MU Dagang, FU Xiang, XU Hualin. Study on phtotsynthetic yield model for five Mangrove species[J]. J Anhui Agric Sci, 2008, 36(35):1535-1535. [17] 陈磊, 潘青华, 金洪.温湿度对紫叶黄栌光合特性变化的影响[J].中国农学通报, 2008, 24(6):124-128. CHEN Lei, PAN Qinghua, JIN Hong. Research on influence of relative humidity and air temperature on photosynthetic characteristics of Cotinus coggygria prupureus[J]. Chin Agric Sci Bull, 2008, 24(6):124-128. [18] 郭新想.居住区绿化植物固碳能力评价方法研究[D].重庆:重庆大学, 2010. GUO Xinxiang. Study on Green Plants CO2-fixing Capacity Evaluation Methods in Residential Area[D]. Chongqing:Chongqing University, 2010. [19] 陈志银.红麻光合、呼吸强度与气象因子关系的研究[J].中国农业气象, 1990, 11(4):29-32. CHEN Zhiyin. Research on the relationship between photosynthesis, respiration intensity of Kenaf and meteorological factors[J]. Chin J Agrometeorol, 1990, 11(4):29-32. [20] 王淼, 刘亚琴, 郝占庆, 等.长白山阔叶红松林生态系统的呼吸速率[J]. 2006, 17(10):1789-1795. WANG Miao, LIU Yaqin, HAO Zhanqing, et al. Respiration rate of broad leaved Korean pine fo rest ecosystem in Changbai Mountains[J]. Chin J Appl Ecol, 2006, 17(10):1789-1795. [21] 崔骁勇, 陈佐忠, 陈四清.草地土壤呼吸研究进展[J].生态学报, 2001, 21(2):315-325. CUI Xiaoyong, CHEN Zuozhong, CHEN Siqing. Progress in research on soil respiration of grasslands[J]. Acta Ecol Sin, 2001, 21(2):315-325. [22] 杜丽君.红壤几种典型利用方式CO2的排放规律及其影响因素[D].武汉:华中农业大学, 2006. DU Lijun. CO2 Emission Rule and its Influencing Factors of Red Soil in Different Use Types[D]. Wuhan:Huazhong Agricultural University, 2006. [23] 刘绍辉, 方精云, 清田信.北京山地温带森林的土壤呼吸[J].植物生态学报, 1998, 22(2):119-126. LIU Shaohui, FANG Jingyun, QING Tianxin. Soil respritation of mountainous temperate forests in Beijing, China[J]. Acta Phytoecol Sin, 1998, 22(2):119-126. [24] 张宪权.东北地区落叶松人工林土壤呼吸的时空异质性研究[D].上海:华东师范大学, 2005. ZHANG Xianquan. Larch Plantation's Spatial and Temporal Heterogeneity of Soil Respiration in Northeast China[D]. Shanghai:East China Normal University, 2005. [25] KUCERA C L, KIRKHAM D R. Soil respiration studies in tallgrass prairie in Missouri[J]. Ecology, 1971, 52(5):912-915. [26] 宋永昌, 由文辉, 王祥荣.城市生态学[M].上海:华东师范大学出版社, 2000. [27] 李志鹏.基于系统动力学的城市交通能源消耗与碳排放预测[D].天津:天津大学, 2012. LI Zhipeng. The Forecast of the Energy Consumption and Carbon Emission of Urban Traffic Based on System Dynamics-An Empirical Analysis on Tianjin[D]. Tianjin:Tianjin University, 2012. [28] DHAKAL S. Urban energy use and carbon emissions from cities in China and policy implications[J]. Energ Polic, 2009, 37(11):4208-4219. [29] 毛军需.太阳辐射度与光照度换算浅析[J].河南农业科学, 1995(1):11-12. MAO Junxu. The analysis of the conversion between solar radiation and light inensity[J]. J Henan Agric Sci, 1995(1):11-12. [30] 陈云飞, 江洪, 周国模, 等.人工高效经营雷竹林CO2通量估算及季节变化特征[J].生态学报, 2012, 33(11):3434-3444. CHEN Yunfei, JIANG Hong, ZHOU Guomo, et al. Estimation of CO2 fluxes and its seasonal variations from the effective management lei bamboo (Phyllostachys violascens)[J]. Acta Ecol Sin, 2012, 33(11):3434-3444. 期刊类型引用(4)
1. 朱臻，薛家依，宁可. 规模化经营背景下劳动监督对营林质量的影响研究：来自南方集体林区三省规模户的实证数据. 农林经济管理学报. 2021(01): 78-91 . 
百度学术2. 高润，刘洁. 林业经济实现可持续发展的重要性分析. 林产工业. 2021(04): 99-101 . 百度学术3. 肖琦，洪英. 新形势下林业科技对林业发展的重要性分析. 林产工业. 2021(05): 69-71+76 . 百度学术4. 修丕师，张晓梅. 重点国有林区职工林下经济创业潜力及支持路径研究. 林业经济问题. 2020(06): 626-633 . 百度学术其他类型引用(8)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2014.06.005
点击查看大图
计量
- 文章访问数: 4436
- HTML全文浏览量: 621
- PDF下载量: 483
- 被引次数: 12
