我國沿海地區(qū)海洋漁業(yè)碳排放時空分異研究
——基于省際數(shù)據(jù)的ESDA分析

邵桂蘭，侯涵涵，李 晨

(中國海洋大學經(jīng)濟學院，山東青島 266100)

一、引 言

節(jié)能減排對緩解全球氣候變暖、應對環(huán)境污染問題以及發(fā)展可持續(xù)經(jīng)濟有著重大意義，發(fā)展低碳經(jīng)濟已經(jīng)成為經(jīng)濟發(fā)展的必然選擇。在哥本哈根全球氣候大會上中國承諾延緩二氧化碳的排放，《國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要》提出我國要實現(xiàn)總體碳排放量峰值的中長期低碳化發(fā)展目標，在環(huán)境污染防治等指標方面取得良好效果①。海洋漁業(yè)碳排放是農(nóng)業(yè)碳排放的重要組成部分，《全國漁業(yè)發(fā)展第十三個五年規(guī)劃》中明確提出了要縮減調(diào)控海洋捕撈業(yè)、轉(zhuǎn)型升級水產(chǎn)品養(yǎng)殖業(yè)等一系列促進漁業(yè)經(jīng)濟低碳化發(fā)展的目標。

因此，我國學術界對碳排放的研究越來越多，主要集中在碳排放的影響因素以及能源效率相關方面。邵桂蘭等[1]運用LMDI方法對我國海洋漁業(yè)人均碳排放驅(qū)動因素進行分解分析，發(fā)現(xiàn)能源強度是負向驅(qū)動因素，產(chǎn)業(yè)規(guī)模是正向驅(qū)動因素；焦文獻等[2]利用STIRPAT模型進行嶺回歸函數(shù)擬合，探討了碳足跡與經(jīng)濟增長二者的定量關系，研究結果表明人口和人均GDP是驅(qū)動碳足跡增長的主要因素，并證明了碳排放庫茲涅茨曲線的存在性；張彬等[3]將我國碳排放的驅(qū)動因素分為人均國民生產(chǎn)總值、單位國民生產(chǎn)總值和人口三大因素，借助Kaya模型對影響中國碳排放的三大因素進行分析，以此三項因素指標作為模糊聚類指標進行測度，按照碳排放驅(qū)動因素將中國劃分為4大區(qū)域；杜強等[4]對IPAT模型進行擴展，引入科技進步變量因子，預測和分析2010-2050年中國碳排放量的趨勢及特征，結果表明中國碳排放量將以平均每年2.89%的速度持續(xù)增加，在2030年達到頂峰后下降。國外對于ESDA技術的運用較為廣泛和深入，Cristina等[5]借助ESDA研究城市發(fā)展和土地利用結構之間的關系，得出城市發(fā)展和城市建筑覆蓋率之間存在一種反向關系；Jae等[6]運用ESDA技術，通過就業(yè)密度函數(shù)的估計，得出不同產(chǎn)業(yè)的就業(yè)空間分布不同。國內(nèi)將ESDA技術運用到碳排放領域的研究非常少見，胡艷興等[7]根據(jù)碳排放量劃分標準將中國各省份劃分為不同類型的碳排放區(qū)予以研究，結果表明近16年間我國碳排放量重心呈現(xiàn)出逐步向西遷移的態(tài)勢；劉曉婷等[8]對新疆能源碳排放空間結構時空演變特征進行了研究，發(fā)現(xiàn)新疆能源碳排放重心為東南—東北—東北方向的變動趨勢。

以上可以看出，國內(nèi)學者對于影響碳排放的驅(qū)動因素做了較為完整和系統(tǒng)的研究，對能源強度、產(chǎn)業(yè)規(guī)模、經(jīng)濟增長等影響因素做了分解論證，可以有效地揭示各個因素與碳排放之間的關系。并有學者對近年來我國碳排放量重心軌跡的空間變動趨勢做了研究，且對未來幾十年我國碳排放量的增長速度做出了預測，為我國減少碳排放闡明了區(qū)域重心和時間節(jié)點。

對碳排放的現(xiàn)有研究主要集中在碳排放的影響因素與能源效率相關方面[9-15]以及碳排放與行業(yè)增長關系及其驅(qū)動因素[16-19]，這些研究往往掩蓋了各區(qū)域的空間差異，并且忽視了地理位置對碳排放影響因素間相互作用的重要性。大力發(fā)展海洋經(jīng)濟已成為國家級戰(zhàn)略，海洋漁業(yè)作為海洋經(jīng)濟的重要產(chǎn)業(yè)之一，其碳排放的相關研究尚處在初級階段，并且未見利用ESDA技術對海洋漁業(yè)碳排放生產(chǎn)效率空間關聯(lián)結構的研究?；诖?，本文使用地理信息科學中新興的ESDA技術測度我國省際海洋漁業(yè)碳排放生產(chǎn)效率空間關聯(lián)性，分析不同時期和發(fā)展階段我國省際海洋漁業(yè)碳排放生產(chǎn)效率的空間異質(zhì)性和空間關聯(lián)性，揭示我國省際海洋漁業(yè)碳排放生產(chǎn)效率的空間關聯(lián)特征、內(nèi)在規(guī)律性及動態(tài)演變過程。

二、我國省際海洋漁業(yè)碳排放時空分異的研究方法

ESDA方法通過對數(shù)據(jù)和區(qū)域進行描述性統(tǒng)計分析來衡量區(qū)域某種屬性的空間異質(zhì)性和空間依賴性，其優(yōu)點在于建立空間權重矩陣，考慮空間地理位置相互作用對區(qū)域經(jīng)濟發(fā)展的影響。本文采用ESDA研究方法，以考慮我國不同省際相互作用對其海洋漁業(yè)碳排放的影響。

(一)我國沿海11個省的主體區(qū)域碳排放量計算方法

海洋漁業(yè)碳排放是指海洋漁業(yè)生產(chǎn)過程中所產(chǎn)生的二氧化碳排放。如圖1所示。海洋漁業(yè)碳排放分為狹義和廣義，狹義的海洋漁業(yè)碳排放指海洋漁業(yè)生產(chǎn)造成的直接和間接碳排放，而廣義的海洋漁業(yè)碳排放指直接和間接碳排放量扣除漁業(yè)碳匯固碳量后的凈碳排放①出于以下兩點考慮，未將海洋休閑漁業(yè)納入研究：1.目前我國海洋休閑漁業(yè)尚處于初級階段、產(chǎn)業(yè)規(guī)模較小，2014年休閑漁業(yè)(海水、淡水)產(chǎn)值僅約為文中所選海洋漁業(yè)代表產(chǎn)業(yè)產(chǎn)值總和的5%；考慮到海洋休閑漁業(yè)作為服務業(yè)、其生產(chǎn)方式相對清潔低碳，因此有理由推斷，目前我國海洋休閑漁業(yè)碳排放量在海洋漁業(yè)總碳排放量中所占比重很小。2.測算海洋休閑漁業(yè)碳排放量所必需的基本數(shù)據(jù)，如海洋休閑漁業(yè)產(chǎn)值、年接納游客人數(shù)、船只數(shù)量與功率等，目前均無可靠的統(tǒng)計來源，因此無法對海洋休閑漁業(yè)碳排放進行測算乃至估算。，本文所研究的碳排放為廣義概念。

圖1 海洋漁業(yè)碳排放過程分解框架

(二)探索性空間數(shù)據(jù)分析模型構建

ESDA技術方法的核心內(nèi)容就是對一個變量空間關聯(lián)性的測度，即空間自相關檢驗是研究空間地理位置中的研究對象的集聚程度，揭露了某個因子在不同空間區(qū)位上的關聯(lián)性。衡量空間關聯(lián)性的主要指標包括全局自相關檢驗系數(shù)和局部自相關檢驗系數(shù)，其中用于度量目標區(qū)域整體上是否存在某種經(jīng)濟活動或現(xiàn)象集聚的為全局相關性指標，普遍采用統(tǒng)計量Global Moran's I表示，但該指標只能說明整體是否存在集聚性，并不能給出哪些區(qū)域為集聚區(qū)。局部自相關指標是用于測度某一特定空間區(qū)位的研究對象的空間集聚類型，通常采用統(tǒng)計量Local Moran's I表示，是空間研究對象或要素在局部區(qū)位的關聯(lián)類型。ESDA技術通過測度全局空間自相關系數(shù)和分析比較不同子系統(tǒng)的局部空間自相關系數(shù)就可以得出目標區(qū)位的經(jīng)濟活動空間分布集聚程度和經(jīng)濟空間結構關聯(lián)性特征。

全局空間自相關——全局空間自相關檢驗了研究對象在整個空間區(qū)域內(nèi)相關性的總體特征，根據(jù)Moran's I指數(shù)檢驗其是否顯著相關。

局部空間自相關——雖然全局空間自相關檢驗可以反映研究對象在目標區(qū)域整體上的關聯(lián)特征，但卻無法得到空間內(nèi)局部地區(qū)的關聯(lián)方式，需要借助局部空間自相關檢驗研究對象在局部空間單元的集聚程度差異。借助GeoDA軟件計算空間聯(lián)系局域指標LISA，形成LISA集聚圖。

1.全局空間自相關檢驗

Moran's I指數(shù)用某一特定區(qū)域研究對象屬性值作為評價指標，以揭示目標空間單元間的差異度或集聚度。Ord和Cliff兩位學者在此研究理論的基礎上擴展出全局自相關性分析，以更好的用于研究區(qū)域經(jīng)濟的差異化發(fā)展。公式為：

式中：n為研究樣本數(shù)；S2為方差；xi和xj則分別代表某個社會現(xiàn)象的屬性值或某項經(jīng)濟活動在空間區(qū)位單元i和j上的觀測值；x-是研究對象觀測值的期望值或平均值；wij為設立的空間權重矩陣，反映了各空間區(qū)域之間的聯(lián)系程度。

設立符合實際的空間權重矩陣w對于空間自相關檢驗是相當重要的，通常選擇一個二元權重矩陣wn×n來展示n個目標空間單元間的鄰近程度。在對ESDA技術的實際操作中，按照特定的規(guī)則將二元空間權重矩陣標準化處理。通常有兩種規(guī)則標準化二元空間權重矩陣：(1)距離規(guī)則(Arc Distance contiguity)：提前設定好一個空間距離的最大值d，如果目標區(qū)域間的空間距離小于設定的距離最大值，就認為目標區(qū)域為距離上的鄰接關系，二元空間權重矩陣{wn×n}的觀測值為1，如果空間距離大于給定的最大臨界距離，則視為非鄰接關系，二元空間權重矩陣{wn×n}的觀測值為0；(2)鄰接規(guī)則(Rook contiguity)：該規(guī)則規(guī)定相互接壤的目標區(qū)域間為空間上的鄰接關系，二元空間權重矩陣{wn×n}的觀測值為1，否則視為非鄰接關系，二元空間權重矩陣{wn×n}的觀測值為 0。

根據(jù)上述ESDA方法計算出的Moran's I指數(shù)的取值大小應在-1到1之間，空間單元某一研究對象屬性值越相似——集聚在一起呈現(xiàn)出低值與低值相鄰或高值與高值相鄰的時候，Moran's I指數(shù)值越接近于1；當空間單元屬性值差異較為顯著的時候，Moran's I指數(shù)值則會向-1靠攏。如果得出Moran's I指數(shù)值接近于0，則表明不存在全局空間自相關，或者說空間單元關聯(lián)性不顯著。

2.局部空間自相關檢驗

上述全局Moran's I統(tǒng)計量反映了我國沿海11個省的主體區(qū)域海洋漁業(yè)碳排放生產(chǎn)效率空間自相關的整體情況，但無法反映單個空間區(qū)位的情況，也不能揭示其內(nèi)部空間關聯(lián)的特征。當ESDA全局差異穩(wěn)定不存在顯著關聯(lián)的同時，局部差異的變化可能被掩蓋。局部空間自相關檢驗則可以合適的補充全局自相關檢驗所造成的空間關聯(lián)性遺漏，本文采用顯著性水平LISA(local indicators of spatial association)聚類圖表示局部關聯(lián)特征。一般采用Local Moran's I統(tǒng)計量來測度局部空間自相關程度，其計算公式如下：

式中：n為研究樣本數(shù)；zi和zj則分別代表目標省份i及與其存在鄰近關系省份j的碳排放生產(chǎn)效率的標準化值，表示各省碳生產(chǎn)效率與其均值的偏離程度；wij同樣為二元空間權重矩陣，反映了各空間區(qū)域之間的聯(lián)系程度，局部自相關檢驗的二元空間權重矩陣的定義與全局自相關相同。

ESDA技術的優(yōu)點在于Local Moran's I指數(shù)的作用不僅可以用于度量局部區(qū)域海洋漁業(yè)碳排放相關性(正、負)，更重要的是Local Moran's I指數(shù)可以多層次的展示局部區(qū)域之間的空間關聯(lián)類型。Local Moran's I指數(shù)值需要通過兩步計算得出，首先要求出目標省份海洋漁業(yè)碳排放生產(chǎn)效率的標準化值，然后計算其鄰接省份偏差的加權平均數(shù)。因為這兩個數(shù)值的結果都可為正值、零或負值，所以Moran's I指數(shù)計算結果對應的海洋漁業(yè)碳排放配比組合共有四種形式(正-負，正-正，負-正，負-負)的可能，與之相對應的四種海洋漁業(yè)碳排放空間關聯(lián)模式如下：

(1)目標省份與其周邊區(qū)域海洋漁業(yè)碳排放生產(chǎn)效率均高于整體水平，集聚效應顯著。可以認為鄰近省份與目標省份海洋漁業(yè)碳排放生產(chǎn)效率存在明顯的一致性，設定為高值擴散區(qū)，也可以稱為高值集聚區(qū)，記作HH。

(2)周邊省份海洋漁業(yè)碳排放生產(chǎn)效率低于整體平均水平，唯獨目標省份海洋漁業(yè)碳排放生產(chǎn)效率高于平均值，目標省份與周邊省份存在顯著反向關系，極化效應顯著，定義為碳排放的“極化區(qū)”，記作HL。

(3)目標省份與其相鄰省份海洋漁業(yè)碳排放生產(chǎn)效率均低于平均水平，目標區(qū)域與其周邊鄰近區(qū)域在空間上形成一個碳生產(chǎn)效率低值聚集區(qū)，記作LL。

(4)中心區(qū)域海洋漁業(yè)碳排放生產(chǎn)效率低于均值，而其周邊區(qū)域海洋漁業(yè)碳生產(chǎn)效率高于整個區(qū)域的均值，在中心區(qū)域形成海洋漁業(yè)碳生產(chǎn)效率的塌陷區(qū)，記作LH。

三、我國省際海洋漁業(yè)碳排放時空分異的實證研究

基于ESDA模型，分階段研究2004-2014年我國沿海11個省的主體區(qū)域海洋漁業(yè)碳生產(chǎn)效率的空間關聯(lián)特征。

(一)數(shù)據(jù)來源說明

本文所需的主要數(shù)據(jù)分為兩類：一是GeoDa軟件所需的數(shù)字化格式圖片，將我國沿海11個省份的主體區(qū)域圖形數(shù)字化處理①基于數(shù)據(jù)的可獲得性和研究的現(xiàn)實意義，選取我國沿海11個省份的主體區(qū)域作為研究對象。；二是海洋漁業(yè)經(jīng)濟相關數(shù)據(jù)來源于2004-2014年《中國漁業(yè)年鑒》。碳排放系數(shù)方面，根據(jù)《IPCC國家溫室氣體清單指南》碳排放計算缺省值，取柴油碳排放因子為0.592 1公斤/公斤標準煤，電力碳排放因子為0.680公斤/公斤標準煤②根據(jù)《中國能源統(tǒng)計年鑒》能源折標準煤系數(shù)，1公斤柴油可折算為1.4571公斤標準煤，1千瓦時電力可折算為0.1229公斤標準煤，1kg標準煤＝2.493kg二氧化碳。。能耗轉(zhuǎn)化系數(shù)方面，根據(jù)《國內(nèi)機動漁船油價補助用油量測算參考標準》，確定海洋漁船油耗轉(zhuǎn)化系數(shù)；參考徐皓等[20]對我國海洋漁業(yè)能源消耗的測算過程，確定我國海水養(yǎng)殖業(yè)和海水產(chǎn)品加工業(yè)不同生產(chǎn)方式和環(huán)節(jié)的能耗轉(zhuǎn)化系數(shù)。碳匯轉(zhuǎn)化系數(shù)方面，根據(jù)張繼紅等[21]對2002年貝類養(yǎng)殖碳匯能力的測度，估算貝類碳匯轉(zhuǎn)化系數(shù)約為0.0888噸/噸；根據(jù)宋金明等[22]對2000-2005年我國近海大型經(jīng)濟藻類固碳能力的測度，估算藻類碳匯轉(zhuǎn)化系數(shù)約為0.3413噸/噸，經(jīng)計算得到2004-2014年我國海洋漁業(yè)碳排放總量(見表1)。

表1 2004-2014年我國沿海11個省的主體區(qū)域海洋漁業(yè)碳排放量(萬噸)

結果表明：我國海洋漁業(yè)碳排放總量總體呈現(xiàn)上升趨勢，僅在2006-2007年、2007-2008年出現(xiàn)小幅回落，說明從總體上看我國海洋漁業(yè)經(jīng)濟活動造成的環(huán)境污染壓力逐年增大。

表2 2004-2014年我國沿海11個省的主體區(qū)域海洋漁業(yè)單位產(chǎn)值碳排放量(噸/萬元)

(二)我國海洋漁業(yè)碳排放時空分異實證結果

以表2整理得到的各省海洋漁業(yè)碳排放生產(chǎn)效率作為二次數(shù)據(jù)利用Open GeoDa進行ESDA的實證檢驗。

1.全局空間自相關檢驗結果

從圖2可以看出，整個研究期間，Global Moran's I值全部為負且總體呈上升趨勢，數(shù)值接近-1。表明近年來隨著我國對海洋資源開發(fā)以及海洋經(jīng)濟發(fā)展投資力度的加大，我國沿海地區(qū)海洋漁業(yè)碳排放生產(chǎn)效率的整體相關性不斷加強，單元間的差異性在逐步擴大，在空間上分布較為分散，區(qū)域分異較為明顯，而且隨著時間的推移和我國海洋戰(zhàn)略的深入實施這種分散趨勢還在不斷加強。

圖2 2004-2014年間我國沿海11個省的主體區(qū)域海洋漁業(yè)碳排放生產(chǎn)效率Moran's I值

2.局部空間自相關檢驗結果

選取2010、2012以及2014年作為近幾年發(fā)展趨勢的代表，根據(jù)計算得到的我國沿海11個省的主體區(qū)域海洋漁業(yè)碳排放生產(chǎn)效率值作為二次數(shù)據(jù)利用Open GeoDa軟件進行ESDA的實證檢驗，以LISA集聚圖和顯著性水平圖的形式更直觀地展現(xiàn)出我國海洋漁業(yè)碳生產(chǎn)效率的區(qū)域關聯(lián)模式。

由圖3看出，在2010年以前我國沿海11個省份的主體區(qū)域海洋漁業(yè)碳排放并沒有呈現(xiàn)出任何集聚模式，表明這一階段我國沿海省份海洋漁業(yè)發(fā)展水平及低碳化水平無明顯差異，一定程度上反映出我國沿海地區(qū)并沒有形成海洋漁業(yè)發(fā)展的增長極點。

圖3 2010年我國沿海11個省的主體區(qū)域海洋漁業(yè)碳排放集聚性水平LISA圖

圖4 2013年我國沿海11個省的主體區(qū)域海洋漁業(yè)碳排放LISA集聚性水平圖

圖5 2013年我國沿海11個省的主體區(qū)域海洋漁業(yè)碳排放顯著性水平圖

由圖4及圖5我們可以看出，近幾年隨著我國沿海地區(qū)間海洋漁業(yè)發(fā)展呈現(xiàn)出不同程度的增長，我國沿海地區(qū)11個省的主體區(qū)域海洋漁業(yè)碳排放空間關聯(lián)模式有了明顯變化，在LISA集聚性水平圖中南方海域出現(xiàn)了以福建為中心的H-H高高集聚區(qū)，且通過了LISA顯著性水平圖中p＝0.05的檢驗。目標省份與其周邊區(qū)域海洋漁業(yè)碳排放均高于整體水平，集聚效應顯著，可以認為鄰近省份與目標省份海洋漁業(yè)碳排放存在明顯的一致性。這一現(xiàn)象可以歸結為該地區(qū)海洋漁業(yè)經(jīng)濟發(fā)展規(guī)模的擴大以及發(fā)展質(zhì)量的相對滯后，海洋漁業(yè)低碳化發(fā)展水平較低，該地區(qū)內(nèi)各省整體碳排放高，具有很強的輻射和帶動效應，聯(lián)系較強，海洋漁業(yè)經(jīng)濟發(fā)展對環(huán)境造成的壓力較大。

圖6 2014年我國沿海11個省的主體區(qū)域海洋漁業(yè)碳排放LISA集聚性水平圖

圖7 2014年我國沿海11個省的主體區(qū)域海洋漁業(yè)碳排放顯著性水平圖

圖6及圖7顯示2014年我國沿海11個省的主體區(qū)域的海洋漁業(yè)碳排放區(qū)域關聯(lián)模式較2013年相比又發(fā)生顯著變化，在以福建為中心的南方海域產(chǎn)生H-H高高集聚區(qū)的同時，在以山東省為中心的北方海域呈現(xiàn)出了海洋漁業(yè)碳排放的極化效應，產(chǎn)生了H-L高低極化區(qū)。山東省周邊省份海洋漁業(yè)碳排放低于整體平均水平，唯獨山東省海洋漁業(yè)碳排放高于平均值，目標省份與周邊省份海洋漁業(yè)碳排放存在顯著反向關系，極化效應顯著，形成海洋漁業(yè)碳排放的“極化區(qū)”。這一現(xiàn)象可以歸結為隨著山東半島藍色經(jīng)濟區(qū)的建立，山東省的海洋漁業(yè)經(jīng)濟發(fā)展逐步優(yōu)于周邊地區(qū)，但海洋漁業(yè)經(jīng)濟發(fā)展方式以及產(chǎn)業(yè)結構尚需完善，以更好的促進海洋漁業(yè)經(jīng)濟低碳化發(fā)展，減少海洋漁業(yè)碳排放。

四、結論與政策建議

利用省際面板數(shù)據(jù)測算2004-2014年我國沿海11個省的主體區(qū)域海洋漁業(yè)碳排放生產(chǎn)效率，作為海洋漁業(yè)低碳化發(fā)展的衡量指標，借助探索性時空分析(ESDA)的研究方法，分階段研究我國沿海11個省的主體區(qū)域海洋漁業(yè)碳排放的空間關聯(lián)特征、各省份海洋漁業(yè)碳排放層次及所屬的區(qū)域發(fā)展類型。得出兩點主要結論：一是山東省周邊省份碳排放低于整體平均水平，唯獨目標省份碳排放高于平均值，目標省份與周邊省份碳排放存在顯著反向關系，極化效應明顯，形成碳排放的“極化區(qū)”；二是福建省與其周邊區(qū)域碳排放均高于整體水平，集聚效應顯著，鄰近省份與目標省份碳排放存在明顯的同步性，形成碳排放的“高值集聚區(qū)”。

研究提出的對策為：一是山東半島藍色經(jīng)濟區(qū)的建設要嚴格遵循海陸統(tǒng)籌、集中集約用海、海洋開發(fā)與保護同時并舉和綜合配套改革的原則，科學開發(fā)利用海洋資源，推進海洋生態(tài)文明建設，建設海洋經(jīng)濟發(fā)達、海洋產(chǎn)業(yè)結構優(yōu)化、人與自然和諧的藍色經(jīng)濟區(qū)；二是福建、浙江、廣東三個省份要大力開發(fā)種養(yǎng)結合稻田養(yǎng)殖、池塘工程化循環(huán)水養(yǎng)殖、工廠化循環(huán)水養(yǎng)殖、外海深水抗風浪網(wǎng)箱養(yǎng)殖和海洋牧場立體養(yǎng)殖等低碳高效健康的養(yǎng)殖方式。調(diào)減控制捕撈業(yè)，優(yōu)化捕撈空間布局，加大捕撈漁民減船轉(zhuǎn)產(chǎn)力度，減少海洋捕撈漁船數(shù)量和功率總量，優(yōu)化海洋捕撈作業(yè)結構，逐步減少對生態(tài)環(huán)境和海洋漁業(yè)資源破壞性嚴重的漁船作業(yè)方式。積極培育水族觀賞、漁事體驗、垂釣、科普教育等多種休閑業(yè)態(tài)，促進海洋漁業(yè)低碳化發(fā)展。

[1]邵桂蘭，孔海崢，于謹凱，等.基于LMDI法的我國海洋漁業(yè)碳排放驅(qū)動因素分解研究[J].農(nóng)業(yè)技術經(jīng)濟，2015(6)：119-128.

[2]焦文獻，陳興鵬，賈卓.甘肅省能源消費碳足跡變化及影響因素分析[J].資源科學，2012(3)：559-565.

[3]張彬，姚娜，劉學敏.基于模糊聚類的中國分省碳排放初步研究[J].中國人口.資源與環(huán)境，2011(1)：53-56.

[4]杜強，陳喬，陸寧.基于改進IPAT模型的中國未來碳排放預測[J].環(huán)境科學學報，2012，(9)：2294-2302.

[5]LINCARU C， ATANASIU D， CIU?CAV， et al.Peri-urban Areas and Land Use Structure in Romania at LAU2 Level： An Exploratory Spatial Data Analysis[J].Procedia Environmental Sciences， 2016(32)： 24-30.

[6]KIM J I， YEO C H， KWON J H.Spatial Change in Urban Employment Distribution in Seoul Metropolitan City： Clustering，Dispersion and General Dispersion[J].International Journal of Urban Sciences， 2014， 18(3)： 21-23.

[7]胡艷興，潘竟虎，王怡睿.基于ESDA-GWR的1997—2012年中國省域能源消費碳排放時空演變特征[J].環(huán)境科學學報，2015(6)：18-19.

[8]劉曉婷，陳聞君.基于ESDA-GIS的新疆能源碳排放空間差異動態(tài)演化分析[J].干旱區(qū)地理，2016(3)：678-685.

[9]ANG B W，LIU N.Negative-value Problems of Logarithmic Mean Divisia Index Decomposition Approach[J].Energy Policy，2007(35)：39-42.

[10]BOLTON C T， STOLL H M.Late Miocene Threshold Response of Marine Algae to Carbon Dioxide Limitation[J].Nature， 2013，500(7464)：558.

[11]CHMURA G L.What Do We Need to Assess the Sustainability of the Tidal Salt Marsh Carbon Sink[J].Ocean＆Coastal Management，2013(10)：25-31.

[12]SCHUENHOFF A， SHPIGEL M， LUPATSCH I， et al.A Semi-recirculating， Integrated System for the Culture of Fish and Seaweed[J].Aquaculture， 2003，221(1-4)： 167-181.

[13]陳橋驛，楊寧生.水產(chǎn)養(yǎng)殖碳排放量計算模型的研究[J].中國漁業(yè)經(jīng)濟，2013(5)：63-67.

[14]紀建悅，王萍萍.我國海水養(yǎng)殖藻類碳匯能力及影響因素研究[J].中國海洋大學學報(社會科學版)，2014(4)：17-20.

[15]權偉，應苗苗，康華靖，等.中國近海海藻養(yǎng)殖及碳匯強度估算[J].水產(chǎn)學報，2014(4)：509-514.

[16]李晨，遲萍，邵桂蘭.我國遠洋漁業(yè)碳排放與行業(yè)經(jīng)濟增長的響應關系研究——基于脫鉤理論與LMDI分解的實證分析[J].科技管理研究，2016(6)：233-237+244.

[17]岳冬冬，王魯民，方海，等.基于碳平衡的中國海洋漁業(yè)產(chǎn)業(yè)發(fā)展對策探析[J].中國農(nóng)業(yè)科技導報，2016(4)：1-8.

[18]王逸清.IPCC排放因子法在漁業(yè)碳排放減排評價中的應用[J].現(xiàn)代農(nóng)業(yè)科技，2015(20)：165-166+182.

[19]陳安全.中國循環(huán)經(jīng)濟運行效率的評估與空間差異性研究——基于DEA-ESDA的探索性分析[J].生態(tài)經(jīng)濟，2015(12)：39-43.

[20]徐皓，劉晃，張建華，等.我國漁業(yè)能源消耗測算[J].中國水產(chǎn)，2007(11)：75-76.

[21]張繼紅，方建光，唐啟升.中國淺海貝藻養(yǎng)殖對海洋碳循環(huán)的貢獻[J].地球科學進展，2005(30)：359-365.

[22]宋金明，李學剛，袁華茂，等.中國近海生物固碳強度與潛力[J].生態(tài)學報，2008(2)：551-558.