陆,农业水田温室气体排放资料库建立及模式研发
国立云林科技大学环安系 洪肇嘉,廖光裕,李瑞峰摘要
温室效应为保持地球温度及生态系的重要机制,然近年来的研究显示人类过度使用石化燃料及过度开发土地,造成温室效应的加剧及气候变迁的恶果.
本研究整理,搜集及分析国内水稻田温室气体排放因子及排放数据,利用统计相关性及多变量分析个别因子与排放系数之关联性及排放系数与各影响因子间之关系式或相关系数.以主成分分析判别影响温室气体排放因子之主成分,缩减可能影响温室气体之排放因子.再以区别分析进行水稻田甲烷排放分析其与生长周期之关联性.最后以倒传递类神经模拟的方法,推估及预测温室气体在气候变迁不同情景的影响,并且以STELLAR软体建构水稻田甲烷排放之动态模式,作为规划及采行政策或措施的参考及运用.
本研究研究成果发现温度及降雨量对於水稻田甲烷排放均有显著之相关性,主成分分析水稻田一期及二期稻作显示,北部及中部相近,南部地区则有差异,其主因可能为地理及气候影响.区别分析水稻田甲烷排放系数可明显依水稻生长期分类为插秧期,生长期,成熟收割期等三期.倒传递类神经模拟预测结果,当温度上升1℃时甲烷全年排放增加率为7％,若气候变迁导致气温1℃及雨量上升10％会导致水稻田甲烷产出增加为14.4％.近年来,一期及二期稻作甲烷排放於近年来有明显下降的趋势.本研究使用相关性分析,多变量,主成分及区别等统计分析,倒传递类神经模拟及系统动态学模式分析结果,均显示温度及雨量上升对水稻田甲烷产出有重要的影响,对水稻田收获影响则国内尚无研究,仍待发展.
关键字:温室气体,农业水田,统计分析,动态模式
一,前言
目前全球关切的大气成分改变问题包括:大气中二氧化碳,臭氧,甲烷,氟氯碳化物,氧化亚氮及一氧化碳等微量气体之急速增加而引发温室效应;由人类活动排放至空气中的硫氧化物,氮氧化物所造成的酸雨现象;氟氯碳化物大量使用因而造成臭氧层的严重破坏以及悬浮微粒对大气辐射场之影响等等.这些温室气体挡住了原本应散发到太空中的长波辐射及热量,增强地球原来的温室效应,导致了全球平均温度的上升,全球温暖化现象更加严重.
国际社会於1992年世界高峰会签订联合国气候变化纲要公约 (United Nations Framework Convention on Climate Change) 希望将大气中的CO2及其他温室气体的浓度抑制在一个不致於危及气候系统的水平,同时使生态体系得有足够时间自然调整适应气候变迁,确保粮食生产不受到威胁,并促使经济发展转变为永续性发展型态,该公约并於1994年3月21日正式生效,签署公约国家已达166国 (含欧联).除此之外,1997年於日本京都举行第三次会员国大会中达成管制议定的「京都议定书」 (Kyoto Protocol) 订定工业国家管制标准,并将管制所有国家的温室气体排放.
二,研究方法
本研究主要收集数据分别为1998年至1999年北部地区甲烷排放量之研究数据,中部地区则选取王银波等於1991-1992年於台中大雅水田之研究数据,南部地区选取1998-1999年黄山内,刘瑞美等於台南农业改良场嘉义鹿草分场之甲烷排放数据,气象资料选取气象局台北测站,台中梧栖测站,嘉义气象站之监测资料.
(一) 统计分析
本研究所使用之统计分析方法包括有相关性,多变量,主成分及区别分析,并进行资料的整理及数据的标准化,找出影响温室气体排放之主要因子,并且利用主成份分析,希望缩减影响温室气体排放因子之数量,以3-4种主成份代表所有影响温室气体排放系数的因子,本部分研究分别叙述如下,研究流程如图一所示:
图一,研究方法流程图
1. 回归分析:本研究利用过去研究实验数据,分别以实验之控制因子及气候资料,进行线性回归分析,以求得排放系数与各相关因子间之相关系数.
2. 多变量分析:所谓多变量分析或称分析统计法,可用来同时分析两个或两个以上变数的观察资料这些资料可能是观察来自一个或来自几个母体的个体而得到的行为样本.多变量分析将这些依变数视为彼此有关的融合体,同时加以考虑,而不将他们视为彼此无关,可以分离出来单独分析的变数.
3. 主成分分析:主要是利用统计分析,将许多复杂的变异因子缩减成几个具有代表性的因子.以找出造成影响温室气体排放的主因.常用的有主成分分析,因子分析等方法.
4. 区别分析:利用SSPS (Statistical Package for the Social Science) 统计套装软体进行区别分析,首先必须将预侧变数之观察值标准化,本研究除了运用线性映射法将资料最大值定义为1,最小值为0,其余值介於0-1之间外,更考虑各变数样本间的差异性.在因子的显著性 (Significance) 检定方面,若各变数显著性水准达p0.005,则考虑予以排除不用,但为求区别函数的正确率,则可考虑采用.区别分析可以用来进行资料分组正确性的判别,本研究使用区别分析之目的在於判断水稻田甲烷排放系数是否与其生长周期有关.
(二) 情景预测
未来50年,由於温室效应气体的释放将使地球每十年上升0.3℃,台北市因处於盆地,人口及交通密度高,预期未来100年温度将上升5℃,台湾地区每百年温度将增加4℃,吴明进等预期至2050年温度将上升1-2℃.因此本部分研究将以倒传递类神经模式进行温室气体排放量之模拟及学习,再以气温每上升及下降1 ℃及2 ℃,降雨量增加或减少10％及20％时为系统变数,进行模拟学习及预测,以推估未来10-20年气候因素对温室气体产出的影响.
(三) 模式建立
目前国内尚没有利用系统动力学做为温室气体减量资讯汇整的相关研究,本研究拟利用系统动力学整合温室气体排放量的推估及减量推估资讯,进行台湾地区农牧部门温室气体动态模型的建立,包括部门间的排放机制,影响因子,排放因子及减量政策,作为建构系统模式的参考依据.
系统动力学是利用排放部门间彼此的因果关系式而建立出来,同时考量每一个部门的影响因子,依据各部门间的因果关系式,建立回馈控制机制,以了解整个温室气体排放部门的相互影响关系,并可依此估算温室气体排放总量以及经过减量对策施行后之温室气体贡献量,本研究仅针对农业水田部分之数据进行模式建构.
三,结果与讨论
根据第二章研究方法之内容,将本研究之结果与讨论如下:
(一) 相关性分析
一期稻作相关分析中,南部水稻田之排放系数与气温有关,多变量分析主要因子为土温及灌水pH值;在二期稻作相关分析上,则以气温为主要影响因子,於此符合IPCC研究气温的变异,为影响水稻田甲烷的主要因素,若以气候区分析,则发现北部,中部及南部地区之各一期及二期结果均相符.在多变量分析方面,北部地区一,二期稻作为主要因子为灌水pH;中部地区一,二期为气温,水温;南部地区一,二期为气温;此外,北部地区一,二期间无明显相关性,中南部地区均以土温有关,如表一所示.
表一,水稻田一,二期稻作相关性分析及多变量分析之比较表
地区
分析类别
北部
一期
相关性分析
日射量(0.864)>土壤pH (0.716) >水温 (0.322)
多变量分析
湿度 (0.826)>灌水pH (0.708) >土温 (0.694)
北部
二期
相关性分析
日射量 (0.922)>雨量 (0.84) >土壤pH(0.748)
多变量分析
土壤pH (0.908)>灌水pH (0.891)>日射量 (0.857)
中部
一期
相关性分析
气温(0.583)>水温(0.516) >湿度 (0.425)
多变量分析
灌水pH (0.972)>水温 (0.816)>湿度 (0.684)
中部
二期
相关性分析
土温(0.939)>气温 (0.45)>水温 (0.427)
多变量分析
湿度(0.793)>日射量 (0.722)>土温 (0.714)
南部
一期
相关性分析
气温(0.896)>土温 (0.753)>雨量 (0.205)
多变量分析
日射量(0.971)>水温 (0.957)>气温 (0.936)
南部
二期
相关性分析
气温(0.711)>全日平均气温(0.469)>日射量 (0.36)
多变量分析
湿度(0.658)>雨量 (0.56)>土温 (0.554)
(二) 主成份分析结果
输入的样本数为1998-1999年北,中,南部研究数据为样本,影响甲烷排放系数的八个因子为变数,运用SPSS统计软体进行主成分分析,采用凯莎之主张将特徵大於1的成分予以保留.
主成分分析结果发现在水稻田一期及二期稻作主成分分析上,北部及中部相近,南部地区与上数地区略有差异,其可能原因为地理因素及气候区分部不同所影响,而二期稻作比一期稻作之差异小,可能与一二期之不同气候型态有关,各地区水稻田甲烷排放主成分分析陡坡图如图二,图三所示.
图二,各地区水稻田一期甲烷排放主成分分析陡坡图
图三,各地区水稻田二期甲烷排放主成分分析陡坡图
(三) 农牧及掩埋场部门温室气体排放因子区别分析
本部分研究选取北部地区选择影响水稻田甲烷之主要因子,包括雨量,湿度,气温,水温,土温,全日日射量,灌水pH,土壤pH等八大因素分别依不同年度,不同日,不同气象条件及不同土壤,水质条件之水稻田甲烷进行区别分析,并将甲烷排放系数依水稻生长期分类为插秧期,生长期,成熟收割期等三期,北部地区一期稻作68.1%,二期稻作74.7%,中部地区一期稻作74.4%,二期稻作93.2%,南部地区一期稻作59.7%,二期稻作71.9％的原始观察值可正确分类,其结果显示水稻田甲烷排放系数,确实与水稻田之生长周期有关,北部地区一期,二期稻作典型判别函数图如图四及图五所示.北部地区一期稻作插秧期Fisher's线性区别函数=1.219959*【雨量】+67.13946*【气温】+18.89735*【日照】+13.49877*【湿度】-3.06969*【水温】+5.266004*【土温】-7.75711*【水中pH】+16.78677*【土壤pH】-36.256,生长期之Fisher's线性区别函数=1.310057*【雨量】+66.58807*【气温】+30.03042*【日照】+13.4280*【湿度】-3.06969*【水温】+5.266004*【土温】-2.52675*水中PH+14.87048*土之PH-36.950,成熟收割期之Fisher's线性区别函数=2.084079*【雨量】+59.751526*【气温】+52.88976*【日照】+12.78487*【湿度】-1.5819*【水温】+3.983885*【土壤pH】-2.12558*【水中pH】+12.33317*【土壤pH】-37.6757.
图四,北部地区一期稻作典型判别函数图
图五,北部地区二期稻作典型判别函数图
(四) 倒传递类神经模拟预测
经类神经模拟结果,当温度上升1℃时甲烷全年排放增加5,278.23公吨,全年增加率为7.11％,温度上升2℃时,全年甲烷排放增加10,731.31公吨,全年增加率为14.47％,雨量增加10%时,全年甲烷增加2,278.12公吨,全年增加率为4.17％,雨量增加20％时,全年甲烷增加13,478.78公吨,甲烷年增率为24.66％如表二.Yagi及王等人研究影响甲烷排放之气候因子主要为温度之高低与降雨量之多寡,气温上升会增加土壤中甲烷生成菌之活性,雨量增加则会提高土壤地下水位而阻碍其通气性而利於甲烷之生成结果.若以温度每上升10℃细菌活动加倍之正比来看,本研究预测因温度增量略低 (7.11％),然加上雨量之变化则为增量.台湾地区水稻田一期作为1-7月,平均气温约为21.3℃,平均雨量约为157公厘,二期作为5-12月平均气温约为24.5℃,平均雨量约为161公厘,一期与二期稻作间温度相差约3℃,雨量约差4公厘,然二期稻作平均甲烷排放量约为一期稻作之两倍,类神经模拟结果明显低估,并且证明除了气温及雨量外,尚有其他因子影响水稻田甲烷之排放如图六,图七所示.
图六,温度上升 1℃,雨量增加 10%与温度上升 2℃,雨量增加 20%时水稻田一期稻作之甲烷排放
图七,温度下降 1℃,雨量减少 10%与温度下降 2 ℃,雨量减少 20%时水稻田一期稻作之甲烷排放
表二,温度及雨量变化时,甲烷年增排放量及年增排放率
增加排放量 (ton)
全年甲烷
增率 (％)
温度上升1℃
5278.23
7.11
温度上升2℃
10731.31
14.47
温度下降1℃
-5383.93
-7.26
温度下降2℃
-16894.03
-22.77
雨量增加10%
2278.12
4.17
雨量增加20%
13478.78
24.66
雨量减少10%
-14250.11
-26.07
雨量减少20%
-16243.27
-29.71
温度上升1℃
雨量增加10%
6711.55
11.08
温度上升1℃
雨量增加10%
14080.18
23.24
温度下降1℃
雨量减少10%
-193.66
-0.32
温度下降1℃
雨量减少10%
-5117.85
-8.4590
(五) 系统动态学模式推估农业水田甲烷排放结果
欲建立一个完整的动态模型,必须先界定研究范围,界定研究范围之后,根据所欲发展的动态模式,搜寻所必须的相关资料,兹以水稻田甲烷产出为例,首先必须寻找相关资料,包括水稻种植品种,一期稻作,二期稻作种植面积,灌溉水的温度,灌溉水pH值,灌溉水温度,肥料使用量,土壤类别,大气温度,雨量,日照及气候因素等因子对温室气体产出量的关系式,然大部分的研究均未有确认的相关关系式,故本研究尝试以统计分析,多变量分析,区别分析,主成分分析,类神经推估等方法,进行相关关系式的建立,彼此相互间影响关系式建立之后,则必须绘出因果回馈控制图,如图八所示,最后建立模式,并再模式上加入控制阀,将可推估某因子上升或下降时对温室气体总产量所造成之影响,如图九所示,该部分对於气候变迁因素影响时温室气体产出的情景描述及温室气体减量对策建议或减量政策实行时,实具有重要之意义.
经系统动态学模式推估结果,一期及二期稻作甲烷排放於近年来有明显下降的趋势,此与台湾地区目前农业水田种植面积大幅下降有关,经动态模式推估结果於2001年的一期稻作水稻田甲烷排放量约为13,214公吨,温度上升1℃时,动态模式推估结果为15,857公吨,甲烷排放量约增加20％,二期稻作期稻作水稻田甲烷排放量约为21,414公吨,温度上升1℃时,动态模式推估结果为36,867公吨,甲烷排放量约增加60％,无论类神经模拟或动态学模式推估,均明显得知温度上升时,水稻田甲烷排放量均会随之升高,如图十,图十一,图十二,表三,表四所示.本研究之类神经模拟推估及动态学模式推估之甲烷排放量均较使用IPCC之排放系数及计算公式所得出之台湾地区甲烷排放量为低.
图八,因果回馈控制图
图九,水田部门甲烷产出动态模型
图十, 系统动态模式模拟温度上升1℃时水稻田甲烷排放推估
表三, 一期稻作甲烷排放系统动态模式推估值与其他推估值比较表
杨等排放推估
动态模式推估
温度上升1℃动态模式推估
温度上升1℃类神经推估果
IPCC估算
1990
12066
12,147.00
14,576
12628
43662
1991
11239
13,227.00
17,417
11762
40526
1992
10498
13,241.00
15,889
10987
37328
1993
10400
14,117.00
16,940
10884
37741
1994
9736
14,148.00
14,536
10189
34941
1995
8062
14,717.00
17,660
8437
30330
1996
9129
14,148.00
15,857
9554
32577
1997
9871
12,347.00
14,816
10331
35999
1998
9779
13,227.00
13,610
10234
35894
1999
9559
13,114.00
15,737
10004
35127
2000
9417
12,141.00
14,569
9856
34759
2001
—
13,214.00
15,857
—
—
注:—代表尚未进行估算
图十一,一期稻作甲烷排放系统动态模式推估值与其他推估值比较图
表四, 二期稻作甲烷排放系统动态模式推估值与其他推估值比较表
杨等排放推估
动态模式推估
温度上升1℃动态模式推估
温度上升1℃类神经推估果
IPCC估算
1990
25007
25,147.00
43,251.37
25590
105568
1991
23515
22,341.00
38,453.11
24063
99341
1992
21852
23,148.00
39,833.08
22361
92138
1993
20780
24,148.00
46,669.66
21264
90059
1994
19604
25,133.00
43,227.43
20061
84449
1995
17398
28,146.00
48,379.66
17803
72727
1996
18841
22,342.00
39,945.94
19280
80753
1997
18773
22,147.00
38,121.37
19210
83371
1998
17947
21,342.00
36,744.82
18365
81530
1999
17813
20,147.00
34,701.37
18228
80670
2000
16261
23,212.00
39,942.52
16640
74873
2001
—
21,414.00
36,867.94
—
—
注:—代表尚未进行估算
图十二,二期稻作甲烷排放系统动态模式推估值与其他推估值比较图
四,结论与建议
本研究分析水稻田温室气体排放系数与影响因子之关系,本研究分为统计分析及资料预测两大部分,统计分析方面为使用回归分析,多变量分析,主成分分析等分析方法,求出主要的因子及主要相关系数,最后求出相关系数及主要因子之关系式,并进行动态模式的建立,以预测温室气体的产生量,资料预测则使用类神经模式进行模拟,学习及预测,辅以区别分析预测,最后以区动态模式预测结果进行分析比较,并以其预测结果.研究之结论与建议汇整如下:
1. 就水稻田而言,经相关性分析,多变量统计分析及区别分析结果显示温度及降雨量对於水稻田甲烷排放有显著之相关性,温度及降雨量为台湾地区水稻田甲烷产出之重要影响因子,水稻田之甲烷排放减量对策需考虑这些因子.
2. 以主成分分析缩减影响台湾地区水稻田甲烷排放因子时发现,一期稻作大部分均无法以主成份分析法进行影响因子之减缩,然而二期排放时均可以以2-3个主成份进行影响因子减缩.主成分分析结果发现在水稻田一期及二期稻作主成分分析上,北部及中部相近,南部地区与上数地区略有差异,其可能原因为地理因素及气候区分部不同所影响,而二期稻作比一期稻作之差异小,可能与一二期之不同气候型态有关.
3. 区别分析结果由分年及综合区别分析中,可得知较具区别能力的因子主要为气温,雨量及湿度;将甲烷排放系数依水稻生长期分类为插秧期,生长期,成熟收割期等三期,北部地区一期稻作68.1%,二期稻作74.7%,中部地区一期稻作74.4%,二期稻作93.2%,南部地区一期稻作59.7%,二期稻作71.9％的原始观察值可正确分类,其结果显示水稻田甲烷排放系数,确实与水稻田之生长周期有关.
4. 倒传递类神经模拟预测结果,当温度上升1℃时甲烷全年排放增加5278公吨,全年增加率为7％,温度上升2℃时,全年甲烷排放增加10,731公吨,全年增加率为14.4％,雨量增加10%时,全年甲烷增加2,278公吨,全年增加率为4.2％,雨量增加20％时,全年甲烷增加13,478公吨,甲烷年增率为24.6％.若以温度每上升10℃细菌活动加倍之正比来看,本研究预测因温度增量略低 (7.11％),然加上雨量之变化则为增量.台湾地区水稻田一期与二期稻作间温度相差约3℃,雨量约差4公厘,然二期稻作平均甲烷排放量约为一期稻作之两倍,类神经模拟结果明显低估,资料分析显示气温及雨量外,尚有其他因子影响水稻田甲烷之排放.
5. 系统动态学模式推估结果,一期及二期稻作甲烷排放於近年来有明显下降的趋势,台湾地区近年农业水田种植面积大幅下降有关,经动态模式推估结果於2001年的一期稻作水稻田甲烷排放量约为13,214公吨,若温度上升1℃时,模式推估甲烷排放量为15,857公吨,约增加20％,二期稻作期稻作水稻田甲烷排放量约为21,414公吨,温度上升1℃时,动态模式推估结果为36,867公吨,甲烷排放量约增加60％,无论类神经模拟或动态学模式推估,均明显得知温度上升时,水稻田甲烷排放量均会随之升高,尤其是二期稻作.
6. 无论统计分析,倒传递类神经模拟及系统动态学模式分析结果,均显示温度上升对於甲烷气体产出有重要的影响,由於二期稻作平均温度高於一期稻作,故二期稻作甲烷产量明显大於一期稻作,因此,在配合土壤肥力或灌溉水源不足时需休耕或停止耕作时,应考虑以二期稻作为首要考虑对象.
本研究建议未来相关研究之方向为
1. 历年研究并未针对稻米收获量与温室气体排放关系列入,应加以深入探讨以了解温度及雨量变化对於稻米收获量及温室气体产出的影响.
2. 旱田种植种类繁多,历年来的研究均对单一作物进行研究,尚无法引用国内的实验数据进行本土性之旱田温室气体排放估算.
3. 类神经网路是一种良好之预测模式,本研究仅使用其倒传递类神经网路分析预测,然尚有模糊推论,适应性模糊推论神经模式等预测方式,由於本研究具有时间特性,故亦可利用时间序列等分析预测方法进行温室气体排放之预测.
4. STELLAR所建构之动态模式为一良好之温室气体排放量估算工具,然由於国内目前对农牧部门影响温室气体排放之影响因子基础研究及实验数据不足,无法建立正确的以系统动态学模式,因此,建议未来应可先行建构温室气体动态模式之模型,再依据模型中所欠缺的排放系数或影响因子进行本土化之基础研究,才正确的估算台湾地区温室气体排放量及影响.
参考文献
庄秉洁,廖文彬,刘大江,1992:温室效应减缓计画-1990台湾地区温室效应气体之调查;行政院环保署委托研究,EPA-81-f102-09-09.
杨盛行等,温室气体通量测定及减量对策Ⅲ,2001年,国立台湾大学全球变迁中心.
杨盛行等,温室气体通量测定及减量对策Ⅱ,2001年,国立台湾大学全球变迁中心.
杨盛行等,温室气体通量测定及减量对策Ⅰ,1999年,国立台湾大学全球变迁中心.
杨盛行等,气候变迁与农业生产,1995,中国农业化学会.
柳中明,洪肇嘉,杨盛行,江善鑫,邱昌泰,许志义,刘康克,1996年气候变化纲要公约之国家通讯,行政院环境保护署.
行政院环境保护署八十七年科技研究发展专案计画(1998),「国际环保资讯—永续发展指标建立之研究」.
陶在朴(1999),「系统动态学」,台北,五楠出版社.
中央大学环境工程研究所 (2001),「环境系统动力学理论与应用研习会」.
叶欣诚,朱云鹏等(2001),「台湾地区空气污染之环境经济动态模型分析」,第十四届环境规划与管理研讨会.
朱云鹏,叶欣诚,陈嘉尚(2001),「永续台湾的愿景与策略研究:永续台湾2011系统动态模型—绿色国民所得观点,以废弃物管理为例--」,永续台湾简讯第3-3期.
刘阿荣(1999),「台湾之永续发展—国家与社会的观点」,中央大学社会文化学报,第八期,p47-75.
蒋本基(2001),「永续台湾2011计画:环境涵容能力推估与应用」,永续发展简讯第3-3期.
经济部工业局,1993:中华民国八十一年工业发展年报;1993.7.
经济部能源委员会,1997:中华民国八十五年台湾能源平衡表;1997.3.
中鼎工程股份有限公司,1993:研定各县市空气品质改善/维护计画;行政院环境保护署.
杨任徵等,1995:台湾地区人为温室气体统计 (Ⅰ)—能源部门;经济部能源委员会委托计划,工业技术研究院能源与资源研究所,台北.
吕世宗,柳中明,杨盛行,1998:台湾地区大气环境变迁 (三),国立台湾大学全球变迁中心;国立台湾大学农业化学系.
柳中明等,1996:温室气体排放减量政策之整体观;国立台湾大学全球变迁中心.
中鼎公司,1995:83led01.dbf,Cl85-tt.dbf,RD4-C (各排放源网格档);中鼎顾问公司.
阳任徵等,1995:气候公约COP1会后分析,对我影响与因应;经济部能源委员会委托计画.
杨盛行,1997:气候变迁对农业生产的之冲击与适应;台湾地区大气环境变迁之研究研讨会论文集.
洪肇嘉等,1998:利用地理资讯系统进行台湾地区温室气体排放分布之研究;第十五届空气污染控制技术研讨会论文专辑,中央
Subak, S., Rakin, P., and Von Hippel, D., 1993:National Greenhouse Environmental Change: The Remedy for Global Warming and Greenhouse Gas Accounts; Current Anthropogenic Sources and Sinks, Climate Change 25:15-58, 1993.
IPCC, Climate Change 2001 : Mitigation, IPCC Third Assessment Report , Cambridge University Press , UK (2001).
IPCC, Climate Change 2001 : Impacts Adaptation and Vulnerability, IPCC Third Assessment Report , Cambridge University Press , UK (2001).
Taiwan Environmental Protection Administration of Executive Yuan, http://www.epa.gov.tw, March 2002 (2002).
IPCC, OECD, IEA, 1994: IPCC Guidelines for National Greenhouse Gas Inventories; Volume 1, 2, and 3, November, 1994.
The Steering Committee TAIWAN 2000 Study, TAIWAN 2000: BALANCING ECONOMIC GROWTH AND ENVIRONMENTAL PROTECTION, p. 537-687 . (1989).
D. L. Meadows, D.H. Meadows, J. Randers, and W. Behrens, The Limist to Growth, Universe Book, New York (1972).
D. H. Meadows, D.L. Meadows, and J. Randers, Beyond the limits, Chelsea Green Publishing Company (1992).
Chu, Y-P, Green Accounting: SEEA and ENRAP Compared, Working Paper (1999).
L. D. Michael and J. W. James, Dynamic Modeling of Environmental System, p. 158-173. Springer-Verlag New York (2000).
A. Ford, Modeling the environment: an introduction to system dynamics modeling of environmental systems, Island Press (1999).
Lester R. Brown, Michael Renner, Brian Halweil , Vital Signs 2000 , worldwatch institute, USA(20.00).
相关性分析
判断资料是否具有周期性因素
削减主要影响因子
温室效应
情景界定
主成分分析
建立温室气体动态模式
找出主要因子之相关性
类神经模式
模拟预测
区别分析
多变量分析
情景预测
统计分析
研究资料收集
进行
排放量推估
水稻田甲烷排放
化学肥料
畜产废弃物堆肥
肥料添加
温度
日射量
雨量
气候因子
种植期别
生长期程
水稻品种
稻草残体处理方式
稻米产量
稻田种植面积
土地利用面积比率
水分管理