农业来源二氧化碳（CO₂）排放量（百万吨二氧化碳当量）

指标解释

World Bank official description / 世界银行官方说明

A measure of annual emissions of carbon dioxide (CO2), one of the six Kyoto greenhouse gases (GHG), from the agricultural sector. This includes emissions from livestock (IPCC 2006 codes 3.A.1 (enteric fermentation, 3.a.2 (manure management) and crops (IPCC 2006 codes 3.C.1 Emissions from biomass burning, 3.C.2 Liming, 3.C.3 Urea application, 3.C.4 Direct N2O Emissions from managed soils, 3.C.5 Indirect N2O Emissions from managed soils, 3.C.6 Indirect N2O Emissions from manure management, 3.C.7 Rice cultivations). The measure is standardized to carbon dioxide equivalent values using the Global Warming Potential (GWP) factors of IPCC's 5th Assessment Report (AR5).

可供参考的中文翻译：衡量农业部门年度二氧化碳排放量的指标。二氧化碳是《京都议定书》规定的六种温室气体之一。该指标包含来自畜牧业的排放（IPCC 2006代码：3.A.1肠内发酵、3.A.2粪便管理）和作物相关排放（IPCC 2006代码：3.C.1生物质燃烧排放、3.C.2石灰施用、3.C.3尿素施用、3.C.4来自管理土壤的直接N₂O排放、3.C.5来自管理土壤的间接N₂O排放、3.C.6来自粪便管理的间接N₂O排放、3.C.7水稻种植）。排放量采用IPCC第五次评估报告（AR5）的全球变暖潜能值（GWP）系数换算为二氧化碳当量。

数据口径与风险提示

本指标仅核算农业部门的CO₂排放，不包括甲烷（CH₄）、氧化亚氮（N₂O）等其他温室气体，需与EN.GHG.CH4.AG.MT.CE.AR5和EN.GHG.N2O.AG.MT.CE.AR5配合使用以全面评估农业温室气体排放
排放量采用AR5的GWP系数标准化，不同评估报告的GWP系数存在差异，与其他版本指标直接比较时需注意口径一致性
数据反映排放量绝对值，未考虑农业规模差异，评价排放效率需结合农业产值或耕地面积等标准化指标
部分年份存在数据缺失或估算，1970年以前和部分发展中国家数据覆盖可能不完整

中国趋势

趋势解读

中国农业来源CO₂排放从1970年的4.64百万吨增长至2024年的16.97百万吨，累计增长约2.66倍，最新值为历史峰值的54.5%。2002年达到历史最高点31.13百万吨后经历显著下降，2010年代整体呈下行趋势，2017年触及15.16百万吨的低点后逐步回升至近17百万吨水平。近期变化趋于平稳，2023至2024年间增长约0.69百万吨。该指标反映了中国农业结构转型和排放控制政策的阶段性效果，但具体驱动因素需结合种植结构、养殖规模和能源消耗等变量综合分析。

1970年排放量为4.64百万吨，2024年升至16.97百万吨，54年间累计增长约2.66倍
2002年录得历史最高值31.13百万吨，2017年降至阶段最低点15.16百万吨，峰谷差约15.97百万吨
近五年（2020-2024年）排放量在15.9至17.0百万吨区间窄幅波动
2024年数值约为2002年峰值的54.5%，显示长期下降趋势
农业排放受种植结构、养殖规模、施肥量等多因素影响，单一指标难以揭示具体驱动机制
数值下降可能反映生产规模收缩而非效率提升，需结合农业产值指标综合判断
不同气候条件导致的秸秆还田和稻田甲烷排放差异未被本指标直接捕捉

全球趋势

趋势解读

全球农业来源CO₂排放从1970年的50.08百万吨持续增长至2024年的143.47百万吨，累计增长约1.87倍。1990年代增速放缓，2000年代受生物燃料扩张和新兴市场农业发展推动再度攀升，2020年达到145.68百万吨的历史峰值后有所回落。最新数据显示全球农业排放仍处高位平台期，2021至2024年间在140至145百万吨区间波动。全球层面的持续增长可能反映了发展中国家农业扩张与发达国家排放相对稳定之间的结构性分化。

1970年排放量为50.08百万吨，2024年升至143.47百万吨，54年间累计增长约1.87倍
2020年录得历史最高值145.68百万吨，2024年回落至143.47百万吨
近四年（2021-2024年）排放量在140至145百万吨区间高位震荡
2024年数值约为1970年水平的2.86倍，整体呈长期上升趋势
全球数据为各国产出加总，掩盖了不同发展阶段国家间的结构性差异
发展中国家农业扩张与发达国家减排之间的此消彼长未被直接呈现
农业排放增长与全球人口增长、饮食结构变化存在关联，但因果方向需结合其他变量验证

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	农业指标的十年变化通常与种植结构、气候条件、灌溉、化肥和技术扩散有关，不宜把单一阶段变化直接解释为政策效果。
1970-1979	2.1x	1.5x	中国该阶段倍数（2.11倍）显著高于世界倍数（1.46倍），可能反映改革开放初期农业规模化扩张速度快于全球平均水平，但需注意中国基数较低导致的放大效应，以及该阶段数据估算方法与后期的差异。
1980-1989	1.5x	1.2x	中国倍数（1.53倍）仍高于世界倍数（1.23倍），中美增速差距收窄，可能意味着中国农业基数扩大后增速边际递减，或乡镇企业等非农产业分流了部分农业投资，需结合农业投资和产值数据验证。
1990-1999	1.4x	1.2x	中国倍数（1.43倍）高于世界倍数（1.17倍），增速差距进一步收窄至约0.26倍，但中国农业排放绝对增量仍较大，可能与农产品贸易结构中出口导向型种植业扩张有关，需结合农产品贸易数据验证。
2000-2009	1.0x	1.2x	中国倍数（1.02倍）低于世界倍数（1.17倍），首次出现中国增速低于全球的情况，分子（中国增量）相对分母（世界增量）增速放缓，可能反映中国农业进入结构调整期、养殖业粪污处理改善或种植结构向低排放方向转变，但不宜直接归因于单一政策。
2010-2019	0.8x	1.1x	中国的阶段变化率低于世界，可能意味着本国分母项相对分子项改善更快，或净进口依赖、国内供需结构与全球平均出现分化。该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。
2020-2029	1.0x	1.0x	中国倍数（1.04倍）与世界倍数（0.98倍）趋于接近且方向相反，中国小幅正增长而全球小幅负增长，该逆转可能反映后疫情时期中国农业恢复性增长与全球减排努力的分化，需持续观察是否有持续趋势。

2024 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	India 印度	IND	32.8
2	China 中国	CHN	17.0
3	Brazil 巴西	BRA	13.2
4	Russian Federation 俄罗斯	RUS	7.99
5	United States 美国	USA	6.84
6	Pakistan 巴基斯坦	PAK	5.14
7	Canada 加拿大	CAN	4.89
8	Indonesia 印度尼西亚	IDN	4.78
9	Australia 澳大利亚	AUS	2.79
10	Bangladesh 孟加拉国	BGD	2.55
11	Egypt, Arab Rep. 埃及	EGY	2.52
12	Mexico 墨西哥	MEX	2.44
13	Viet Nam 越南	VNM	2.17
14	Argentina 阿根廷	ARG	2.15
15	Turkiye 土耳其	TUR	2.12
16	France 法国	FRA	1.96
17	Thailand 泰国	THA	1.89
18	Uzbekistan 乌兹别克斯坦	UZB	1.77
19	Myanmar 缅甸	MMR	1.67
20	Iran, Islamic Rep. 伊朗	IRN	1.65
21	United Kingdom 英国	GBR	1.56
22	Poland 波兰	POL	1.33
23	South Africa 南非	ZAF	1.28
24	Malaysia 马来西亚	MYS	1.19
25	Philippines 菲律宾	PHL	1.18
26	Nigeria 尼日利亚	NGA	1.12
27	Spain 西班牙	ESP	1.02
28	Peru 秘鲁	PER	0.91
29	Turkmenistan 土库曼斯坦	TKM	0.84
30	Bulgaria 保加利亚	BGR	0.79
31	Ukraine 乌克兰	UKR	0.77
32	New Zealand 新西兰	NZL	0.69
33	Belarus 白俄罗斯	BLR	0.67
34	Japan 日本	JPN	0.63
35	Germany 德国	DEU	0.62
36	Uruguay 乌拉圭	URY	0.60
37	Romania 罗马尼亚	ROU	0.57
38	Italy 意大利	ITA	0.54
39	Ethiopia 埃塞俄比亚	ETH	0.50
40	Colombia 哥伦比亚	COL	0.47
41	Guatemala 危地马拉	GTM	0.39
42	Sri Lanka 斯里兰卡	LKA	0.34
43	Ecuador 厄瓜多尔	ECU	0.34
44	Sudan 苏丹	SDN	0.32
45	Morocco 摩洛哥	MAR	0.32
46	Chile 智利	CHL	0.29
47	Lithuania 立陶宛	LTU	0.29
48	Tanzania 坦桑尼亚	TZA	0.27
49	Zambia 赞比亚	ZMB	0.27
50	Dominican Republic 多米尼加共和国	DOM	0.24
51	Tunisia 突尼斯	TUN	0.22
52	Azerbaijan 阿塞拜疆	AZE	0.22
53	Latvia 拉脱维亚	LVA	0.20
54	Netherlands 荷兰	NLD	0.20
55	Kazakhstan 哈萨克斯坦	KAZ	0.20
56	Saudi Arabia 沙特阿拉伯	SAU	0.20
57	Czechia 捷克	CZE	0.17
58	Greece 希腊	GRC	0.17
59	El Salvador 萨尔瓦多	SLV	0.17
60	Kenya 肯尼亚	KEN	0.16
61	Ireland 爱尔兰	IRL	0.15
62	Mali 马里	MLI	0.14
63	Slovak Republic 斯洛伐克	SVK	0.14
64	Algeria 阿尔及利亚	DZA	0.14
65	Costa Rica 哥斯达黎加	CRI	0.13
66	Iraq 伊拉克	IRQ	0.12
67	Cameroon 喀麦隆	CMR	0.11
68	Hungary 匈牙利	HUN	0.10
69	Israel 以色列	ISR	0.09
70	Georgia 格鲁吉亚	GEO	0.09
71	Nepal 尼泊尔	NPL	0.09
72	Nicaragua 尼加拉瓜	NIC	0.08
73	Cote d'Ivoire 科特迪瓦	CIV	0.08
74	Moldova 摩尔多瓦	MDA	0.07
75	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	0.07
76	Estonia 爱沙尼亚	EST	0.06
77	Albania 阿尔巴尼亚	ALB	0.06
78	Senegal 塞内加尔	SEN	0.06
79	Denmark 丹麦	DNK	0.06
80	Korea, Rep. 韩国	KOR	0.06
81	Afghanistan 阿富汗	AFG	0.05
82	Tajikistan 塔吉克斯坦	TJK	0.05
83	Switzerland 瑞士	CHE	0.05
84	Syrian Arab Republic 叙利亚	SYR	0.04
85	Austria 奥地利	AUT	0.04
86	Armenia 亚美尼亚	ARM	0.04
87	Zimbabwe 津巴布韦	ZWE	0.04
88	Venezuela, RB 委内瑞拉	VEN	0.03
89	Paraguay 巴拉圭	PRY	0.03
90	Belgium 比利时	BEL	0.03
91	Jordan 约旦	JOR	0.02
92	Slovenia 斯洛文尼亚	SVN	0.02
93	North Macedonia 北马其顿	MKD	0.02
94	Croatia 克罗地亚	HRV	0.02
95	Lebanon 黎巴嫩	LBN	0.02
96	Korea, Dem. People's Rep. 朝鲜	PRK	0.02
97	Mauritius 毛里求斯	MUS	0.01
98	Cuba 古巴	CUB	0.01
99	Libya 利比亚	LBY	0.01
100	Bosnia and Herzegovina 波黑	BIH	0.01
101	Sweden 瑞典	SWE	0.01
102	Portugal 葡萄牙	PRT	0.01
103	Kuwait 科威特	KWT	0.00
104	Qatar 卡塔尔	QAT	0.00
105	Iceland 冰岛	ISL	0.00
106	Cyprus 塞浦路斯	CYP	0.00
107	Norway 挪威	NOR	0.00
108	Finland 芬兰	FIN	0.00

使用建议、常见误用与研究场景

数值较高通常意味着什么

农业部门的CO₂直接排放和间接排放（能源消耗相关）总量处于较高水平

数值较低通常意味着什么

农业部门的CO₂直接排放和间接排放总量处于较低水平

鍙ｅ緞闄愬埗

仅涵盖CO₂，不包括CH₄、N₂O等其他农业重要温室气体，全面评估需使用温室气体总排放指标
绝对值未标准化，无法直接比较不同规模农业体系的排放效率
不同农业类型（种植业、畜牧业、水稻种植）的排放特征差异被加总掩盖
数据基于IPCC方法学估算，各国数据质量和方法一致性存在差异

使用建议

分析长期趋势时结合人均排放或单位产值排放等标准化指标
评估农业减排进展时配合使用CH₄和N₂O分项指标
进行国际比较时注意农业结构和数据口径差异
结合农业产值、种植面积、肉类产量等变量进行因素分解
关注排放峰值年份及其与政策、市场的关联，而非仅看近期变化

常见错误用法

错误做法：直接用该指标判断一个国家气候政策好坏

正确做法：结合发展阶段、农业结构和政策工具综合评估

高排放可能反映农业规模大而非气候治理不力，低排放可能因农业萎缩而非减排有效

错误做法：将该指标与其他温室气体指标简单相加

正确做法：使用统一换算为CO₂当量的总排放指标

不同温室气体GWP系数不同，直接相加会重复计算或低估实际温室效应

错误做法：用该指标直接比较不同发展水平国家的农业环境绩效

正确做法：使用单位农产品或单位面积的排放强度指标

大国和小国的农业规模差异导致绝对值比较无意义

错误做法：将该指标的下降直接归因于特定政策

正确做法：结合其他农业经济指标验证因果机制

排放变化可能由市场价格、消费结构、天气等多因素驱动，单一政策解释过度简化

实际应用场景

农业温室气体排放的结构性分解：研究中国与全球农业CO₂排放分化的驱动因素被解释变量采用LMDI或Stirling指数分解方法，将排放变化分解为结构效应、效率效应和规模效应，结合农业产值、种植面积和畜产品产量验证各因素贡献度
发展中国家农业排放与经济增长的脱钩分析：评估中国农业排放是否实现相对或绝对脱钩解释变量/被解释变量计算农业排放与农业GDP的比值变化，结合环境 Kuznets 曲线假说检验拐点是否存在，注意农业内部结构分化
农业排放与贸易结构的关联研究：分析农产品贸易是否导致排放转移机制变量将农业CO₂排放与净出口量进行回归分析，控制农业规模因素后检验贸易依存度对排放的影响方向和程度
多气体视角下的农业温室气体排放效率比较：比较不同农业类型的温室气体排放效率对照/稳健性检验将CO₂排放与CH₄、N₂O分项指标的比值作为被解释变量，分析不同农业结构对气体构成的影响，用于验证总排放指标结论的稳健性