新能源行业分析报告精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的新能源行业分析报告主题范文，仅供参考，欢迎阅读并收藏。

第1篇：新能源行业分析报告范文

【关键词】电力行业；财务危机；风险成因；防范措施

目前，世界经济正处于后金融危机时代，各国经济处于缓和、动荡并存的状态。电力行业是我国工业企业中的主要的能源供应行业，研究我国电力业的财务风险管理问题，可以很好地丰富相关的财务风险管理理论体系。同时还可以改善电力业的财务管理模式。

一、电力行业发展状况及问题

电力行业是由发电、输电、变电、配电和用电等环节组成的电力生产与消费系统，电力行业是中国重要的基础能源行业，是国民经济持续快速健康发展的重要前提条件。电力是生活生产中必不可少的一种特殊产品，有一定的自然垄断型。同时，是国家支持发展的基础能源行业。同时电力行业投资巨大，回收折旧时间长；具有资金沉淀性；电力设备专用性强难以改变用途，变现力差。

（一）电力行业发展状况

中国的电力行业建设发展迅速，新能源特别是例如风力、核电等发展快速电力行业在2001-2007年发展比较迅速，这得益于我国的国家国家经济的平稳发展。但是次债危机爆发后，我国国民经济发展减速，同时发电量增长速度也明显减速。根据国家统计局国研网行业研究部公布的“2003-2011年电力生产业、电力供应业累计产品销售收入同比增长率变化趋势”图来看，2008，2009电力行业累计产品增速明显降低；年电力供应业累计产品销售收入增速在10%-20%。我国电力行业处于成长期向成熟期阶段迈进。

（二）电力行业存在的问题

1.电力行业对煤炭行业和高耗能产业的依赖程度高

电源结构不合理，煤电是主要的电力供应，核电、新能源开发利用较慢，水电资源的有限和风能太阳能的开发规模较小。对上游燃料煤炭行业的依赖来看，煤炭火电发电量占总发电量的80%以上短期内无法改变。

2.近年来火电企业盈利状况堪忧

由于煤炭价格上涨，火电企业利润下滑，主营业务亏损较严重。华能、大唐、华电、国电和中电投五大发电集团，2010年亏损137亿。2011年前7个月亏损180.9亿。但是在经济复苏的大背景下，电力行业也在电量消耗需求增加，电价提高和燃料成本得到控制的有利条件下，盈利状况逐步改善。

3.能源分布结构性失衡

我国煤炭资源分布不均衡，西部存量丰富，但是开发力度不够；煤电联运进展速度慢。问题更多的表现为结构性矛盾，虽煤炭供需矛盾得到缓解，但是受运力制约、电网负荷峰谷等因素影响，局部地区、部分时段的紧张仍然存在。

4.高投入、高耗能，效率低

科技含低，资源浪费严重；高投人、高消耗、高排放、低效率和污染严重的问题突出。我国目前的自主提供的高端电力设备较少，主要是中档产品。高性能的高端产品主要依靠进口，占国内市场的60%-70%。

5.电力行业投入不足

国家对电力投入不足，特别是在节能减排上不能持续加大投资。电力的税收负担较大，而且企业的管理和技术的革新跟不上经济发展。需要国家大力投入，才能促进电力行业发展。

二、我国电力业财务困境预警指标体系构建

本文在建立的财务风险预测中，使用了具有较好解释能力的主要财务指标来分别反映企业的盈利、营运、偿债力和发展能力。为了保证本文数据的正确性和客观性，选取了中国证监会界定的电力行业在沪市和深市上市的A股公司作为研究对象。具体数据是选取了64家该行业的2011年年报相关数据作为研究对象。剔除了数据不全的三家该行业上市公司，最终确定了61家电力业的上市公司。本文采取SPSS17.0的因子分析法对数据进行实证分析。

因为个行业的特点不同，一般不同的行业选取的主要财务指标也不尽相同。因此针对此行业的特点选取以下财务指标，如表1。

三、因子分析法主要原理

首先利用SPSS17.0统计分析软件对所收集的61家的电力业上市公司的2011财务数据进行因子分析。将以上的11个财务指标降维因子分析：

（一）检验样本财务指标的相关性

为了减少偶然因素的影响，利用SPSS17.0对样本的财务指标进行KMO及Bartlwtt球形检验。将11个主要财务指标输入SPSS17.0统计分析软件，通过降维因子分析，计算出各变量之间的相关系数矩阵及KMO和Barrlett球形检验值，如表2所示。

由表2结算结果可以看出KMO统计量为0.633>0.5，Barrlett球形检验值（近似卡方）为516.714，数值较大。一般认为KMO大于0.5为尚可接受，可以用因子分析。同时，变量之间显著性水平为0.000

其显著性概率为属于高度显著，均表明比较适合因子分析。

（二）计算公因子方差

公因子方差反映了原始变量对公因子的依赖程度。根据运算结果可知，“提取”表示共同度的取值，共同度取值范围为[0-1]。取值越高，说明提取的公因子对原始变量的解释效果越好。根据运算结果可知，共同度在0.9以上的为3个，共同度在0.8以上的为3个，其余均在0.5以上。可以表明，提取的公因子对原始变量的解释效果不错。

（三）根据方差解释表，提取公共因子

根据得出的解释总方差表中的特征值和累计方差率提取能够很好解释变量的公共因子。如表3所示，采取主成分分析法，该表有初试特征值、提取提取平方和载入、旋转平方和载入三列，每列下面又有特征根、方差贡献率和累计方差贡献率。第一个因子特征值最大为3.671，解释了所有变量总方差的33.37%。特征值大于1的特征根有四个；并且其解释的方差累计和已经达到78.061%。

因此提取前四个公共因子就可以很好的解释其他变量，原有信息可以大部分包含在其中，因子分析结果合理。

“提取平方和载入”和“初试特征值”的前三列取值一样，说明前四个公共因子可以解释总方差为78.061%。“旋转平方和载入”一栏表示公共因子在经过旋转后的结果，和未经旋转相比，每个因子的贡献值都发生了变化。旋转后能更好的解释公共因子的含义，但累计方差贡献率没有改变，不影响原来的共同度水平。

（四）根据旋转前后的因子载荷矩阵，对公共因子进行解释

如表4所示，因子载荷是变量和公共因子的相关系数，载荷绝对值越大，因子与其关系越密切。第1个因子可以有较高的载荷值的是：流动比率、速动比率、现金比率和资产负债率。这四个财务指标主要反映企业的偿债能力，因此第一个因子可以认为是偿债能力因子。第二个因子中，载荷绝对值最大的三个变量是资产报酬率、净资产收益率和营业毛利率。这三个财务指标反映的时企业盈利能力，因此，第二个因子可以命名为企业盈利能力。第三个因子中载荷绝对值较高的有应收账款周转率和总资产周转率。第三个因子主要解释了这两个变量，因此第三个因子可以作为营运能力因子。第四个因子上载荷比较高的是营业收入增长率和总资产增长率。这两个指标反映了企业的发展能力，第四个因子可以解释为发展能力。

对整个企业综合方面的评分公式，根据表3中的“旋转平方和载入”下的“方差贡献率”来确定四个因子的各自权重。最后综合评分公式：ZF=29.253%*F1+22.08%*F2+14.731%*F3+11.996%*F4

（六）根据因子的综合得分进行评价

根据SPSS17.0计算出的综合得分，在61家电力行业上市公司中，4家ST（可认为是财务状况不正常）公司的综合得分和排名的结果，如表5：

四、结论及对策

根据以上的分析可以得出，建立健全电力行业的财务预警制度是一项系统的工程，需要综合考虑该行业的特点和所处的宏观和行业环境。一个完善的财务预警机制可以及时的反映出财务困境的情况，并可以及时采取相应的对策。

（一）合理利用企业的预警体制来应对电力行业存在的风险问题

首先，针对电力行业所处的后金融危机时代的情况，通过可靠的行业研究报告来综合分析，找出企业自身存在的财务风险点。其次，电力企业应该建立自己的财务预警机构，能够自己独立开展工作但不能干涉企业的正常业务。最后，电力行业自身的自然垄断的特点，要求企业要时刻关注国家的政策和法规的变化，并及时调整自己的发展策略以减少危机的发生。

（二）综合利用财务风险控制工具

电力企业在面对财务或者行业困境时，可以根据自身企业的不同特点和对待风险的态度不同，选择不同的风险应对措施，一般来风险控制工具有：风险分散、风险回避、风险转移、风险降低、风险自留等。首先，电力企业可以通过企业之间的相互合作，多种联营多种投资实现风险分散。其次，面对不可完全避免的风险，企业可以选择回避风险即适度保持电力企业的收益不受影响，又要很好的控制和预防风险。再次，电力企业可以转移财务风险，通过财务性转移，比如保险转移，签订保险合同转移风险。此外，电力企业须按照谨慎性原则，建立相关的准备金制度，例如在内部建立偿债基金、财务风险基金等，增强财务风险的抵抗力。

（三）提高财务危机意识，建立长短期相结合的财务预警系统

应对电力行业财务危机，首先，电力企业要提高其员工财务危机预警意识，电力企业要建立一支得才兼备的人才队伍，提高其风险意识，可以有效的降低企业的财务风险。其次，短期来看，企业能否正常的经营下去；关键看是否有足额的现金用于各种支付，这也是“现金为王”的重要体现。因此需要电力企业建立短期财务预警系统，重点管理和预测企业的现金流量。此外，企业应建立长期财务预警系统。并且可以采用滚动的预测模式，将长短期财务预警机制集合起来应对企业财务危机。

（四）电力行业在后金融危机时代需抓住机遇，避免财务危机

本文前已述及，在后金融危机下，我国经济增速放缓；但是随着世界经济的复苏，电力需求量增加，燃料成本得到控制，电力行业发展迎来机遇。国家对电力行业的节能减排的政策力度加大，电力行业要加快开发新能源，提高发电技术。同时电力行业也关注非费发电领域的开发，对金融和资本领域的投资也得到了五大电力集团的关注。电力行业需要国家资本的进一步投资，也需要电力企业扩宽融资领域。

这样，可以从资本上切实控制财务风险。

参考文献

[1]刘鸿毅.基于行业特征的房地产企业资金管理[J].经济论坛，2009，13：101-103.

[2]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1999（4）：31-38.

第2篇：新能源行业分析报告范文

关键词：富营养化；农业种植系统；磷；物质流分析；湖泊流域

中图分类号：X323 文献标志码：A 文章编号：1672-1098（2014）03-0016-05

磷是农作物生长所需要的重要元素，而农田地表径流及排水中磷素的流失加剧了附近水体的富营养化进程与程度。农业种植系统磷流分析作为理解磷养分在农田系统中循环周转的有效手段，反映了磷养分利用效率、磷素向环境迁移数量以及磷素管理的优劣等磷素与环境问题，近年来成为评价磷养分投入是否合理、农业可否持续发展、环境效益是否最佳的一个重要指标。国内外对农业生态系统中氮流的研究较多[1-5]， 而对磷的研究较少。因此建立一个农业种植系统磷流模型，对农业种植系统的整体结构优化、生态效率提升以及周边水体环境改善具有重要作用。

物质流分析是一种刻画和理解特定物质（通常为元素、化学化合物或一类物质等）在由一定的时间和空间组成的特定系统内流动状况的分析工具[6-7]。作为产业生态学领域内的一种重要分析工具，它遵循物质守恒定律，通过量化某一物质或某一类物质流入、流出特定系统和在该系统内部的流动和贮存状况，从而建立该系统内经济与环境之间的定量关系。本研究通过物质流分析方法建立农业种植系统磷流分析模型，并以巢湖流域为例运用模型对巢湖流域农业种植系统中的农药、肥料、作物、秸秆等含磷物质进行了磷元素流量分析，识别出巢湖流域农业种植系统中磷流的结构特征以及对水体环境影响的负荷，为控制农业面源污染、水体富营养化治理提供依据。

1 研究方法

1.1 框架构建

考虑到目前经济和环境统计数据稀缺的条件下，开发动态的磷物质流循环模型具有较大难度，本研究提出建立静态的农田磷物质流流分析模型。建立静态农业种植系统磷流分析模型的基本原理是物质衡算即：“输入=输出+积累”。从长期来看，农业种植系统中的积累部分即作物生长和土壤养分吸收以及土壤径流之间是达到一种平衡的，这样农业种植系统中的物质流才得以平衡和继续，为此假设农田磷流系统处于一种稳定状态，则农田系统中的物质衡算公式就可以简化为：“输入=输出”。

模型建立首先应根据研究对象农业种植系统的经济属性、环境属性以及研究目的，概化和定义磷流系统边界与结构框架。而农业种植系统是人类为了满足生存需要，依靠土地资源，以作物生长为中心，通过播种、施肥等活动促进农作物的生长繁殖来获得产品物质而形成的半自然人工生态系统，即是由农作物及其周围环境构成的物质转化和能量流动系统[8]。其中农田输入主要包括种子播种、化肥和农药施用、人类和畜禽粪便作肥、秸秆还田，输出主要包括农产品生产、秸秆产出和农田排水，不涉及由于风蚀、水蚀、底泥释放等自然因素引起的物质流过程，分析框架见图1。在输入项以及农产品和秸秆输出项可以计算的前提下，通过物质守恒原则，可以得出输出项中的农田排水量，进而为识别农业种植系统中排水的磷含量以及对水体的污染提供依据。

农田系统中磷的输入包括种子、化肥、农药、人类粪便、畜禽粪便和还田秸秆，磷的输出包括农产品、秸秆和排水。在计算中，将各输入输出的量折算为磷的数量。计算公式如下：

1） 种子。种子主要包括粮食作物（指稻谷、小麦、玉米、谷子、高粱等谷物，大豆等豆类作物，薯类作物）、油料作物（指花生、油菜籽、芝麻等）和棉花等，其中蔬菜瓜果、麻类、糖料、烟叶、药材、茶叶等作物一方面种子用量很少而且含磷量较低，故在此忽略不计。种子含磷量计算公式为

4） 粪便。粪便主要包括农村居民粪便和畜禽粪便，根据农村粪便还田情况，假设农村居民和畜禽的粪便全部还田作肥。另外需要说明的是，本研究中畜禽主要考虑猪、牛、羊和家禽四类，其中家禽主要是鸡、鸭、鹅，而由于马、驴、骡、兔等其他动物的养殖数量远小于上述四类，其磷排泄总量占总量也非常小，因此模型中对此不予考虑。粪便含磷量计算公式为

5） 农作物。农作物中的麻类、糖料、烟叶、药材、茶叶等作物一方面产量一般较少而且含磷量比较低，故在此忽略不计，主要计算粮食作物、油料作物、棉花和蔬菜瓜果的含磷量，计算公式为

式中：Pc为农作物含磷量，Cci （i=1，2，3，4）分别为粮食作物、油料作物、棉花和蔬菜瓜果的产量，pci （i=1，2，3，4）分别为粮食作物、油料作物、棉花和蔬菜瓜果的含磷率。

6） 秸秆。作为农业种植系统的输出部分，农作物收获后产生的秸秆还有一部分焚烧或弃置还田，从而又成为系统一部分输入，因为秸秆部分不仅要计算出农作物秸秆产生量，还要计算出秸秆还田量，秸秆产生量可以通过作物产量乘以其草谷比（即作物产量与其秸秆比例）求得，而秸秆还田量可以通过秸秆量乘以秸秆还田率求得。注意，农产品中的蔬菜瓜果与糖类的秸秆忽略不计。为此，作为系统输出部分的秸秆含磷量为

式中：Pt为秸秆含磷量，rti （i=1，2，3）分别为粮食作物、油料作物和棉花的草谷比，pti （i=1，2，3）分别为粮食作物、油料作物和棉花的秸秆的含磷率。

根据湖泊流域农业种植系统磷流分析框架，结合公式（6）得作为系统输入部分的秸秆含磷量为

1.3 数据来源

各类农作物种植面积和产量，农药、化肥用量，禽畜生产及农村人口等基础数据来自《2007年安徽农村经济统计年鉴》和《2007年安徽省统计年鉴》，基准年为2006年，计算公式中的其他参数来源见表1，最后计算结果按每亩磷含量进行比较。

2. 目前国内生产农药的厂家约2000家，其中原药生产企业300多家，年生产能力万吨以上的品种主要有乐果、对硫磷、辛硫磷、水胺硫磷等（其中磷含量分别5.9%、5.4%、5.2%、4.7%），所以取有机磷农药的平均磷含量为5%。在我国的农药产品中，杀虫剂占农药总产量的70%，在杀虫剂中有机磷产量占70%，本文认为研究区域不同农药的使用比例与全国不同农药的生产比例基本相同，故取有机磷农药占全部农药施用量的50%，即农药含磷以2.5%计。

3. 畜禽粪便的日排泄量与品种、体重、生理状态、饲料组成和饲喂方式等均相关，我国目前尚没有相应的国家标准，根据相关文献，再结合实际取折中值确定各种畜禽新鲜粪便的排泄系数。

2 区域概况

巢湖位于安徽省中部，是我国著名的五大淡水湖之一。巢湖流域总面积1.35万 km2，流域涵盖合肥、肥西、舒城、肥东、居巢、含山、和县、庐江、无为等九个县（市）。巢湖流域是安徽省人口最密集的地区之一，其人口965.89万，共253.22万户。其中合肥市是安徽省政治、经济、文化的中心。巢湖流域农业经济水平较高，是安徽省粮食、水禽和鱼类等主要产地之一，农业种植作物主要有水稻、油菜、棉花、小麦、大豆、薯类、花生、蔬菜等。巢湖目前是我国水体富营养化程度最严重湖泊之一，2006年巢湖12个环湖河流监测断面中，1个水质为Ⅲ类，5个为Ⅳ类，6个为劣Ⅴ类。近年来非点源入湖污染负荷贡献率已超过70%[9]，农田是农业面源污染物的重要来源，其中农田排水中的磷流失起主要作用。

3 结果与讨论

3.1 系统磷输入

巢湖流域农田输入主要包括作物种子播种、化肥和农药施用、人类和畜禽粪便作肥和秸秆还田，根据农业种植系统模型及参数计算，得2006年巢湖流域农田系统磷输入总量为48.77 kg/亩，其中畜禽粪便还田对系统磷输入贡献最大，占系统磷输入总量的74.68%。其次为化肥，其含磷量占磷输入总量的15.07%。结合流域农业种植磷流分析模型知，畜禽粪便还田和化肥施用亦是导致农田对水体磷排放主要原因。巢湖流域农业种植系统各含磷输入项分配情况如图2所示。

3.2 农田系统磷输出

巢湖流域农田系统输出主要包括农作物生产、秸秆产出和农田排水，其中农作物生产和秸秆产出根据农业种植系统模型及参数计算得巢湖流域农田系统磷输出，而农田排水通过“输入=输出”平衡计算得出。总结前面所得数据，得到2006年巢湖流域农业种植系统对水体排磷总量为20.84 kg/亩，结合前面计算知，巢湖流域农业种植系统中的农产品和秸秆两项磷输出量分别为16.0 kg/亩和4.84 kg/亩，则该系统排水含磷量为27.93 kg/亩。

3.3 分析与建议

2006年巢湖流域农业种植系统对水体磷贡献为20.84 kg/亩。从系统磷流结构上看，农田磷输入部分中的畜禽粪便磷输入最大，约36.42 kg/亩，占74.68%；其次为化肥磷输入，约7.35 kg/亩，占15.07%。根据调研发现，巢湖流域内尤其肥西县畜禽规模养殖企业较多，畜禽排便量较大，而养殖企业的废物处理设施落后，企业人员的污染治理意识也淡薄，粪便除了大部分还田作肥外，还有相当一部分直接排入水体，对水体贡献明显；另外，近年来巢湖流域过快的人口增长及城市化、交通道路设施建设的加快导致人均土地资源占有量快速下降，人地矛盾突出。为缓解人口增长与粮食需求之间的矛盾，提高耕地作物产量，于是被迫提高复种指数，大量施用化肥农药，甚至有的地方毁林开荒。同时，由于农田耕作方式传统落后且缺乏有效的管理措施，化肥利用率很低，且大部分随地表径流流入水体，产生较大水体负荷。而在系统磷输入中，种子和农药磷输入最小，分别为0.2 kg/亩和0.16 kg/亩，占磷输入总量的0.41%和0.33%，主要是由于种子施用量较少且其含磷率本身都较低，另外目前国家对有机磷农药的比例及其含磷率都有严格限制，因此导致种子和农药的磷含量对系统磷输入贡献最小。

针对以上结果分析，为提高巢湖流域农业种植磷资源利用效率，并减少对水体的磷污染，本研究提出：

1） 强化规模养殖管理，控制畜禽养殖业的发展速度，实施生态养殖。政府应控制畜禽养殖发展速度，并为养殖企业提供资金和技术支持，加强对规模养殖的环境管理。湖泊周围划定畜禽禁养区，禁养区内严禁新建畜禽养殖场，已建的畜禽养殖场要限期搬迁或关闭。企业应加强废物处理设施建设，对员工开展环境保护教育培训，实现规模养殖畜禽粪便集中处理，制定惩罚措施杜绝畜禽粪便未经处理直接排放进入沟渠、河道和湖体。同时，规模化畜禽养殖场要抓紧治污改造，加强综合利用，确保实现达标排放。另外，建设一批规模化畜禽养殖场污染治理示范工程，如开发对畜禽粪便资源化综合利用，如生产沼气、水产饲料等。

2） 突出农业面源治理，减少流域化肥的施用量，发展生态农业。当地部门应开展生态农业示范，推广高效有机肥的使用，优化肥料结构并降低磷肥施用量；当地政府和农技人员应引导农民进行高效施肥，加大农业施肥的科技投入，积极改善磷肥施用技术，采用先进的节水灌溉技术，确保因时、因地、因作物需求平衡施肥，提高灌溉用水以及磷肥的利用效率，从而减少化肥的施用量，减少农业种植过程的磷污染。科学进行土地利用区划，采取适宜的土地利用方式，如将不宜植稻区改为旱作，减少土壤含磷养分流失。

3） 控制水土流失，减少因水土流失进入地表水体的磷量。提高植被的覆盖率，退耕还林，合理安排好农、林、牧、副业用地；在山地丘陵区，应根据水土流失的形式，开挖截流沟，截断地表径流，减缓地表径流的冲刷力等。

另外，也要注意对对城镇及农村居民加强环境保护和绿色消费等观念普及，鼓励绿色消费，树立资源节约和环境保护意识，保持居住环境卫生；同时，加快城乡环境基础设施建设，提高城乡垃圾收集、清运和处理能力，实现城市垃圾基本全部无害化处置等。

当然论文中还存在一些不足，如模型输入输出计算中的很多参数没有相应的国家标准，是根据相关文献结合实际情况综合所得，尚需进一步研究确认，但由于取值误差不大，不会对本研究造成影响；农业种植系统磷物质流是一个能量流动的过程，而且没有考虑自然因素引起的物质流动，对区域物质流活动的环境影响无法给出较为明确的判断标准，因此对种植系统磷流的输入输出平衡还需作进一步研究；目前国家层面的物质流核算方法已较为完善，而流域层面物质流分析研究不多，仍未形成较为统一的方法，因此，如何构建完整的流域物质流核算体系应该是今后流域物质流研究的一个重要领域。

4 结论

1） 根据“输入=输出”的物质守恒原理，构建了农业种植系统磷流静态分析模型，包括磷流分析框架的构建及主要磷流核算方法的确定。其中系统含磷输入项主要包括种子播种、化肥和农药施用、人类和畜禽粪便作肥、秸秆还田等，系统含磷输出项主要包括农产品生产、秸秆产出和农田排水等。

2） 依据模型对2006年巢湖流域农业种植系统磷流进行了刻画分析，计算得巢湖流域农田排水磷强度为20.84 kg/亩。其中畜禽粪便及化肥施用对流域水环境磷负荷贡献最大，分别占总磷输入的74.68%和15.07%，畜禽粪便处理效率低及化肥大量施用是造成该农田对水体磷贡献的主要原因。

3） 基于减少巢湖流域农业种植对水体磷负荷提出对策建议。如控制畜禽养殖规模，加强畜禽养殖废物处理水平，对畜禽粪便资源化综合利用，提高化肥施用效率，采取适宜的土地利用方式，控制水土流失，提高农村废物处理设施和水平，引导居民绿色消费等。

参考文献：

[1] SHINDO J， OKAMOTO K， KAWASHIMA H， KONOHIRA E. Nitrogen flow associated with food production and consumption and its effect on water quality in Japan from 1961 to 2005[J]. Soil Science and Plant Nutrition， 2009， 55： 532-545.

[2] MATSUMOTO N，PAISANCHAROEN K， ANDO S.Eff-

ects of changes in agricultural activities on the nitrogen cycle in Khon Kaen Province，Thailand between 1990-1992 and 2000-2002[J].Nutrient Cycling in Agroecosystems，2010，86：79-103.

[3] LIU X J， ZHANG Y， HAN W X， et al. Enhanced nitrogen deposition over China [J]. Nature， 2013， 494（7 438）： 459-62.

[4] JU X T， XING G X， Chen X P et al. Reducing environmental risk by improving N management in intensive Chinese agricultural systems [J]. PNAS， 2009， 106（9）：3 041-3 046.

[5] 王激清， 马文奇. 中国农业种植系统氮素平衡模型的建立及其应用[J]. 农业工程学报， 2007， 23（8）： 210-214.

[6] 王艳红， 陈金湘. 农业种植系统中磷循环及其模拟模型的研究现状 [J]. 作物研究， 2007， 21（5）： 775-778.

（上接第20页）

[7]UDO DE HAES H， VAN DER VOET E， KLEIJN R. Substance Flow Analysis （SFA）， an analytical tool for integrated chain management. in regional and national material flow accounting： from paradigm to practice of sustainability， Proceedings of the ConAccount Workshop [M]. 1997. Leiden， Netherlands： Wuppertal： Wuppertal Institute：8-100.

[8]VAN DER VOET E， et al. Substance flow though economy and environment of a region [J]. Environmental Science and Pollution Research， 1995， 2： 89-96.

[9]夏伦旺. 农业种植系统的概念、组成和特性 [J]. 生物学通报， 2000， 35（3）： 18.

[10]党啸. 巢湖流域水环境问题的观察与思考 [J]. 环境保护， 1998， （9）： 38-40.

[11]阎恩松. 基于物质流分析的密云水库上游流域磷循环研究 [D]. 北京： 首都师范大学， 2008.

[12]许俊香. 中国-农田-畜牧-营养-环境-体系磷素循环与平衡 [D]. 河北： 河北农业大学， 2005.

[13]刘正礼. 我国农药行业综述 [J]. 河北化工， 2007， 30（1）： 1-3.

[14]刘毅. 中国磷流与水体富营养化控制政策研究 [D]. 北京： 清华大学， 2004.

[15]全国农业技术推广服务中心. 中国有机肥料养分志 [M]， 北京： 中国农业出版社， 1991.

[16]鲁如坤， 刘鸿翔， 闻大中， 等. 我国典型地区农业生态系统养分循环和平衡研究I.农田养分支出参数 [J]. 土壤通报， 1996， 27（4）： 145-151.

[17]王方浩， 马文奇， 窦争霞， 等. 中国畜禽粪便产生量估算及环境效应 [J]. 中国环境科学， 2006， 26（5）： 614-617.

[18]崔明， 赵立欣， 田宜水， 等. 中国主要农作物秸秆资源能源化利用分析评价 [J]. 农业工程学报， 2008， 24（12）： 291-295.

[19]孙育峰， 丰成学， 李友权. 我国农作物秸秆资源及其利用与开发 [J]. 调研世界， 2009， （7）： 37-39.

[20]中经网数据有限公司. 中国新能源行业分析报告 [R]. 中国经济信息网， 2003.