吳賢榮+張俊飚+朱燁+田云

摘要

本文在構(gòu)建含有期望產(chǎn)出與非期望產(chǎn)出農(nóng)業(yè)經(jīng)濟(jì)核算框架的基礎(chǔ)上，利用方向距離函數(shù)估算了中國31個?。ㄊ?、區(qū)）的低碳農(nóng)業(yè)績效水平，并引入碳排放影子價格對各省區(qū)的農(nóng)業(yè)邊際減排成本進(jìn)行了分析。結(jié)果顯示：①北京、天津、上海三地處于低碳農(nóng)業(yè)績效1區(qū)，距離函數(shù)值均為0，其余省區(qū)低碳農(nóng)業(yè)績效水平相對較低；②海南、福建、山東、遼寧、廣東、北京、天津等省區(qū)三年平均農(nóng)業(yè)碳排放影子價格處于前列，減排成本較高；而西藏、青海兩地農(nóng)業(yè)碳排放影子價格最低，農(nóng)業(yè)減排成本較低；③全國農(nóng)業(yè)碳排放平均影子價格呈逐年增大趨勢，且農(nóng)業(yè)碳排放影子價格與農(nóng)業(yè)碳排放強(qiáng)度密切相關(guān)；④基于距離函數(shù)值、碳排放影子價格的數(shù)值差異，將中國31個省級行政區(qū)域劃分為四類：內(nèi)蒙古等4省1市1區(qū)屬于“高績效低成本”型地區(qū)；北京等8省2市屬于“高績效高成本”型地區(qū)；江西等5省3區(qū)屬于“低績效低成本”型地區(qū)；山西等5省1市1區(qū)屬于“低績效高成本”型地區(qū)。

關(guān)鍵詞 低碳農(nóng)業(yè)；農(nóng)業(yè)碳排放；方向距離函數(shù)；影子價格

中圖分類號 F205 文獻(xiàn)標(biāo)識碼 A

文章編號 1002-2104（2014）10-0057-07 doi：10.3969/j.issn.1002-2104.2014.10.009

近年來，由溫室氣體濃度增加所導(dǎo)致的全球氣候變暖引發(fā)了社會各部門的“低碳”熱潮。發(fā)展低碳農(nóng)業(yè)，在農(nóng)業(yè)領(lǐng)域推行溫室氣體減排和適應(yīng)氣候變化的戰(zhàn)略舉措，成為實現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展的一個重要路徑。盡管農(nóng)業(yè)較之其他產(chǎn)業(yè)部門減排的空間較小，但是其減排的意義和正外部效應(yīng)遠(yuǎn)遠(yuǎn)大于其他產(chǎn)業(yè)部門。農(nóng)業(yè)既是重要的碳排放源，也具備強(qiáng)大的碳匯功能，同時又是最易遭受氣候變化影響的產(chǎn)業(yè)。中國作為農(nóng)業(yè)大國，其農(nóng)業(yè)碳排放問題更需引起人們的關(guān)注。有研究顯示，中國農(nóng)業(yè)碳排放約占全國碳排放總量的17%^[1]。改革開放以來，我國農(nóng)業(yè)取得了良好的經(jīng)濟(jì)發(fā)展績效，但高增長很大程度卻是以高碳排為代價。在日益嚴(yán)峻的全球氣候變遷大背景下，農(nóng)業(yè)可持續(xù)發(fā)展和糧食安全將面臨嚴(yán)峻挑戰(zhàn)，研究和分析低碳農(nóng)業(yè)發(fā)展績效是科學(xué)制定低碳農(nóng)業(yè)發(fā)展政策，實現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)增長與生態(tài)環(huán)境和諧共進(jìn)的重要選擇。

1 主要研究進(jìn)展

從現(xiàn)有文獻(xiàn)來看，農(nóng)業(yè)碳排放的研究成果較多。不少學(xué)者從系統(tǒng)測算農(nóng)業(yè)碳排放量^[2]、多方位分解農(nóng)業(yè)碳排放影響因素^[3]及深度探索農(nóng)業(yè)碳減排機(jī)制與政策^[4]等角度入手，在農(nóng)業(yè)碳排放研究領(lǐng)域做出了極大貢獻(xiàn)。在農(nóng)業(yè)經(jīng)濟(jì)績效評價方面，根據(jù)是否考慮環(huán)境因素分為傳統(tǒng)的農(nóng)業(yè)全要素生產(chǎn)率研究和環(huán)境因素規(guī)制下農(nóng)業(yè)經(jīng)濟(jì)績效研究兩個階段。前者的實質(zhì)是農(nóng)業(yè)經(jīng)濟(jì)效率問題，即農(nóng)業(yè)資源（如資本、勞動力、土地）開發(fā)利用的效率。傳統(tǒng)的農(nóng)業(yè)效率測算僅考慮了農(nóng)業(yè)生產(chǎn)要素的投入條件，而忽略了環(huán)境因素的約束，在當(dāng)今大力提倡低碳農(nóng)業(yè)的背景下，如果只追求農(nóng)業(yè)經(jīng)濟(jì)增長而不考慮環(huán)境損失，將會扭曲農(nóng)業(yè)發(fā)展績效^[5]?；诖耍恍W(xué)者開始嘗試將傳統(tǒng)農(nóng)業(yè)效率研究轉(zhuǎn)向環(huán)境因素規(guī)制下的農(nóng)業(yè)經(jīng)濟(jì)績效探索，試圖把環(huán)境因素納入到農(nóng)業(yè)經(jīng)濟(jì)績效的研究框架，并據(jù)此進(jìn)行農(nóng)業(yè)邊際減排成本分析。楊俊^[6]考察氮、磷和化肥需氧量三種污染物規(guī)制下的農(nóng)業(yè)全要素生產(chǎn)率；李谷成^[7]采用單元調(diào)查評估法對農(nóng)業(yè)面源污染進(jìn)行核算的基礎(chǔ)上，對環(huán)境規(guī)制條件下省際農(nóng)業(yè)全要素生產(chǎn)率增長進(jìn)行實證分析；王奇^[8]將農(nóng)業(yè)生產(chǎn)中的氮磷流失作為一種要素投入測算了中國農(nóng)業(yè)綠色全要素生產(chǎn)率變化指數(shù)，并與傳統(tǒng)的全要素生產(chǎn)率進(jìn)行了比較分析；吳賢榮^[9]將農(nóng)業(yè)碳排放納入到農(nóng)業(yè)經(jīng)濟(jì)績效核算體系之中，對農(nóng)業(yè)碳排放效率變動趨勢進(jìn)行了測度。

上述學(xué)者一定程度上豐富了農(nóng)業(yè)經(jīng)濟(jì)績效的研究成果，對幫助理解低碳農(nóng)業(yè)績效具有重要意義，并為我們拓展低碳農(nóng)業(yè)的研究視角提供了全新思路。但也存在兩點不足：①低碳農(nóng)業(yè)績效評價中環(huán)境因素的衡量標(biāo)準(zhǔn)混亂；②農(nóng)業(yè)碳減排多停留定性分析層面，政策制定缺乏量化依據(jù)。對此，本文試圖作出如下改進(jìn)：①以農(nóng)業(yè)碳排放為非期望產(chǎn)出來反映農(nóng)業(yè)生產(chǎn)中的環(huán)境損失問題；②引入影子價格方法，測算農(nóng)業(yè)碳排放影子價格，對農(nóng)業(yè)邊際減排成本進(jìn)行定量分析。基于此，本文將環(huán)境因素納入到經(jīng)濟(jì)生產(chǎn)體系，構(gòu)建含有期望產(chǎn)出與非期望產(chǎn)出的農(nóng)業(yè)經(jīng)濟(jì)核算框架，借助方向距離函數(shù)方法，對中國31個?。ㄊ小^(qū)）的低碳農(nóng)業(yè)績效水平做出評估，并利用碳排放影子價格對各省區(qū)的農(nóng)業(yè)邊際減排成本進(jìn)行分析。

2 研究方法

2.1 方向距離函數(shù)

傳統(tǒng)的經(jīng)濟(jì)生產(chǎn)系統(tǒng)包括要素投入和產(chǎn)出兩部分，而現(xiàn)階段如何將環(huán)境因素整合到經(jīng)濟(jì)核算體系的分析框架被學(xué)術(shù)界廣泛關(guān)注。在傳統(tǒng)農(nóng)業(yè)生產(chǎn)中，投入包括資本、勞動力、土地等生產(chǎn)要素，產(chǎn)出是包括農(nóng)林漁牧在內(nèi)的農(nóng)業(yè)生產(chǎn)總值。此外，還伴隨著如廢氣、廢水、廢棄物等不利生態(tài)的農(nóng)業(yè)面源污染產(chǎn)生。

現(xiàn)有文獻(xiàn)對這類環(huán)境污染因素的處理方法較為一致的觀點是利用環(huán)境生產(chǎn)技術(shù)^[10]，將

環(huán)境污染與傳統(tǒng)農(nóng)業(yè)生產(chǎn)納入到一個核算框架，視環(huán)境污染為非期望產(chǎn)出，通過設(shè)定同等投

入條件來追求期望產(chǎn)出增加和非期望產(chǎn)出減少的最大可能。本文沿用該方法，設(shè)定農(nóng)業(yè)碳排

放為非期望產(chǎn)出。

假定x=（x1，…，xN）∈RN+表示投入要素，y=（y1，…，yM）∈RM+表示生產(chǎn)的期望產(chǎn)出，c=（c1，…，cL）∈RL+為非期望產(chǎn)出，則環(huán)境生產(chǎn)技術(shù)的所有生產(chǎn)可能性集可表示為：

P（x）={（y，c）：x [WTBZ]can produce [WTBX]（y，c）}（1）

要衡量效率水平，意味著在既定投入要素的條件下，我們需要獲得更多期望產(chǎn)出，并要求非期望產(chǎn)出越少越好。引入方向性距離函數(shù)（DDF）的思想，用λ值的大小來確定不增加投入要素的前提下追求期望產(chǎn)出的最大擴(kuò)張比例或非期望產(chǎn)出的最大縮減比例。設(shè)產(chǎn)出增長方向向量[WTBX]g=（yy，-gc），基于產(chǎn)出角度的方向性距離函數(shù)可以表述為式（2）：

Dc（x，y，c；gy，-gc）

=[WTBZ]max[WTBX]{λ：（y+λgy，c-λgc）∈P（x）}

4 實證結(jié)果分析

運用Max DEA 5.0軟件計算方向距離函數(shù)值，得到2011年中國31個?。ㄊ?、區(qū)）的低碳農(nóng)業(yè)績效水平，并測算農(nóng)業(yè)碳排放影子價格。

4.1 距離函數(shù)值與低碳農(nóng)業(yè)績效分析

各省區(qū)距離函數(shù)值計算結(jié)果見圖1。北京、天津、上海三地距離函數(shù)值均為0，即這三地農(nóng)業(yè)生產(chǎn)處于生產(chǎn)前沿面上，低碳農(nóng)業(yè)放績效水平較高；河北、內(nèi)蒙古、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、海南、重慶、四川、陜西及青海等省區(qū)的距離函數(shù)值均在0-0.5之間，沒有達(dá)到最佳績效水平，有一定的減排空間；廣西及地處西部的寧夏、甘肅、貴州、山西、新疆、西藏、云南等省區(qū)的距離函數(shù)值超過0.5，低碳農(nóng)業(yè)績效水平相對較低，存在較大的減排潛力。

若按距離函數(shù)值將中國各省低碳農(nóng)業(yè)績效水平劃分為5個區(qū)域，分別用數(shù)字1-5表示，距離函數(shù)值等于0的省區(qū)為1區(qū)，為高績效區(qū)，處于生產(chǎn)前沿面上；大于0而小于或等于1為2區(qū)；大于1而小于或等于3為3區(qū)；大于3而小于或等于5為4區(qū)；大于5為5區(qū)，1-5區(qū)績效水平依次降低，具體劃分結(jié)果如圖2所示?？梢钥闯?，低碳農(nóng)業(yè)績效水平與地區(qū)經(jīng)濟(jì)發(fā)展水平可能存在一定的相關(guān)性。如1區(qū)的北京、天津、上海三地均位于東部沿海，為我國經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)，而4區(qū)及5區(qū)的距離函數(shù)值比較大，說明低碳農(nóng)業(yè)績效水平較低，存在一定的減排潛力，它們大多位于西部的欠發(fā)達(dá)地區(qū)，這些地區(qū)經(jīng)濟(jì)發(fā)展水平和技術(shù)水平都比較低，因此可以通過學(xué)習(xí)和借鑒先進(jìn)地區(qū)的經(jīng)驗，提高農(nóng)業(yè)正向產(chǎn)出水平，減少農(nóng)業(yè)碳排放量，達(dá)到低碳農(nóng)業(yè)發(fā)展目的。

4.2 影子價格與邊際減排成本分析

農(nóng)業(yè)碳排放影子價格反映的是農(nóng)業(yè)碳減排的難易程度，即在一定投入和生產(chǎn)技術(shù)條件下，各地區(qū)進(jìn)行農(nóng)業(yè)碳減排的經(jīng)濟(jì)成本。農(nóng)業(yè)碳排放影子價格越高表明該地區(qū)農(nóng)業(yè)碳減排成本越大；反之亦然。由圖3可知，海南、福建、山東、遼寧、廣東、北京、天津等省區(qū)三年平均農(nóng)業(yè)碳排放影子價格處于前列，分別為2.509億元/萬t、2.447億元/萬t、2.402億元/萬t、2.396億元/萬t、2.381億元/萬t、2.376億元/萬t、2.369億元/萬t。這些省區(qū)均位于東部沿海地區(qū)，經(jīng)濟(jì)發(fā)展水平較高，所代表的生產(chǎn)技術(shù)相對于其它地區(qū)更先進(jìn)，進(jìn)行農(nóng)業(yè)生產(chǎn)的低碳績效也更高，它們要繼續(xù)減少農(nóng)業(yè)碳排放所要付出的經(jīng)濟(jì)代價也更大，若配以過高的農(nóng)業(yè)碳減排任務(wù)必然會導(dǎo)致這些省區(qū)的農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)出大幅減少。

結(jié)合農(nóng)業(yè)碳排放強(qiáng)度分析，如圖4可以看出，各省區(qū)農(nóng)業(yè)碳排放影子價格與農(nóng)業(yè)碳排放強(qiáng)度可能存在一定的相關(guān)性。一般地，農(nóng)業(yè)碳排放強(qiáng)度越低的省區(qū)，農(nóng)業(yè)碳排放影子價格越高，農(nóng)業(yè)減排成本也越大，即繼續(xù)進(jìn)行農(nóng)業(yè)減排的難度更大。上述影子價格處于全國前列的海南、福建、山東、遼寧、廣東、北京、天津等省區(qū)，農(nóng)業(yè)碳排放強(qiáng)度均處于較低水平；而西藏、青海、寧夏、內(nèi)蒙古、甘肅及貴州等省區(qū)農(nóng)業(yè)碳排放強(qiáng)度較高，它們的農(nóng)業(yè)碳排放影子價格則相對較低。尤其是西藏和青海，農(nóng)業(yè)碳排放影子價格分別為0.087億元/萬t和0.399億元/萬t，不到1億元/萬t，農(nóng)業(yè)減排成本較低，應(yīng)當(dāng)委以農(nóng)業(yè)碳減排重任，且對農(nóng)業(yè)經(jīng)濟(jì)影響不會太大。

從全國來看，總體減排成本隨時間推移則略有增加。2009、2010及2011年全國農(nóng)業(yè)碳排放平均影子價格分別為1.834億元/萬t、1.867億元/萬t和1.914億元/萬t，呈逐年增大趨勢，大部分省區(qū)也具有這樣的影子價格遞增特征，表明全國總體農(nóng)業(yè)碳減排的難度在不斷加大。重視農(nóng)業(yè)碳排放的約束，大力提倡低碳農(nóng)業(yè)發(fā)展，切實落實政府制定的減排目標(biāo)，實施減排任務(wù)的硬性規(guī)制將顯得十分必要。

4.3 低碳農(nóng)業(yè)績效與邊際減排成本聚類分析

基于距離函數(shù)值、農(nóng)業(yè)碳排放影子價格的數(shù)值差異，將中國31個省級行政區(qū)域劃分為四類：“高績效低成本”型，即距離函數(shù)值、三年農(nóng)業(yè)碳排放影子價格值均小于各省平均值，和“高績效高成本”型、“低績效低成本”型、“低績效高成本”型，具體分類結(jié)果詳見表2。

內(nèi)蒙古、黑龍江、上海、安徽、湖北、湖南等4省1市1區(qū)屬于“高績效低成本”型地區(qū)。這些地區(qū)低碳農(nóng)業(yè)績效相對較高，且農(nóng)業(yè)邊際減排成本較低，在繼續(xù)推動其農(nóng)業(yè)發(fā)展的同時，應(yīng)盡量多地分擔(dān)國家減排任務(wù)。尤其是黑龍江、安徽、湖北、湖南4個農(nóng)業(yè)大省，農(nóng)業(yè)產(chǎn)業(yè)化程度普遍

較高，經(jīng)濟(jì)效益普遍較好，導(dǎo)致其低碳農(nóng)業(yè)績效水平較高；同時，這些地區(qū)林地覆蓋面積甚廣，植被光合作用引起的

碳匯能力強(qiáng)，借此進(jìn)行農(nóng)業(yè)減排相對容易，有能力承擔(dān)更多的減排任務(wù)。

北京、天津、河北、遼寧、吉林、江蘇、浙江、河南、廣東、海南等8省2市屬于“高績效高成本”型地區(qū)。這些地區(qū)大多屬于經(jīng)濟(jì)發(fā)達(dá)區(qū)，現(xiàn)代農(nóng)業(yè)發(fā)展勢頭好，農(nóng)業(yè)集約化程度較高，農(nóng)業(yè)產(chǎn)業(yè)也較為發(fā)達(dá)。尤其是北京、天津二市，農(nóng)業(yè)機(jī)械化程度高，生產(chǎn)技術(shù)比較先進(jìn)，為了提高產(chǎn)出同等條件下農(nóng)用物資投入較少，故農(nóng)業(yè)碳排放總體水平較低。但要在這些地區(qū)進(jìn)一步加強(qiáng)低碳農(nóng)業(yè)發(fā)展，實行農(nóng)業(yè)碳減排措施難度并不小，從各地農(nóng)業(yè)碳排放影子價格來看，該10省市邊際減少單位農(nóng)業(yè)碳排放所對應(yīng)的農(nóng)業(yè)總產(chǎn)值減少幅度較大，即農(nóng)業(yè)碳減排所要付出的成本偏高。

江西、貴州、云南、西藏、甘肅、青海、寧夏、新疆等5省3區(qū)屬于“低績效低成本”型地區(qū)。從區(qū)域分布來看，除江西外，主要集中于西部地區(qū)，一方面由于我國西部大多屬于土質(zhì)較差旱作區(qū)，水資源相對匱乏，大部分是中低產(chǎn)田，且畜牧業(yè)占據(jù)主導(dǎo)地位，另一方面農(nóng)業(yè)生產(chǎn)方式較為粗放，生產(chǎn)能力較差，大量農(nóng)用物資的投入使得農(nóng)業(yè)碳排放水平較高。江西是農(nóng)業(yè)大省之一，但由于水稻種植規(guī)模較 大，常年保持在全國前幾位，而水稻生長發(fā)育過程中所產(chǎn)生的CH4氣體排放較多，造成碳排放水平較高。因而這些地區(qū)低碳農(nóng)業(yè)績效水平不高，但它們的農(nóng)業(yè)減排潛力巨大，且成本不高，應(yīng)充分利用其地域廣闊的優(yōu)勢大量進(jìn)行植樹造林，促進(jìn)林業(yè)發(fā)展。

山西、福建、山東、廣西、重慶、四川、陜西等5省1市1區(qū)屬于“低績效高成本”型地區(qū)。山西、陜西2省受制于黃土高原寒冷干燥的特殊氣候，植被稀疏，水土流失嚴(yán)重，農(nóng)業(yè)生產(chǎn)率偏低。

福建地處沿海地帶，在夏秋農(nóng)業(yè)收獲季節(jié)多臺風(fēng)暴雨等自然災(zāi)害，造成大量減產(chǎn)；山東地處

華北平原同時臨海，多低洼地和鹽漬地，減產(chǎn)風(fēng)險較大。這兩地

在生產(chǎn)資料投入不變條件下，非期望產(chǎn)出不變，但期望產(chǎn)出降低，進(jìn)而引致低碳農(nóng)業(yè)績效偏低，而治理成本偏高。廣西、重慶、四川3地水稻種植比重較大，農(nóng)業(yè)碳排放較多。以上地區(qū)農(nóng)業(yè)減排難度較大，應(yīng)充分調(diào)配其產(chǎn)業(yè)結(jié)構(gòu)，在減排總目標(biāo)下各產(chǎn)業(yè)間實行合理均衡分配。

算框架的基礎(chǔ)上，利用方向距離函數(shù)估算了中國31個?。ㄊ小^(qū)）的低碳農(nóng)業(yè)績效水平，并利用碳排放影子價格對各省區(qū)的農(nóng)業(yè)邊際減排成本進(jìn)行了分析測算，得出以下結(jié)論：

（1）北京、天津、上海三地處于高績效區(qū)，距離函數(shù)值均為0，農(nóng)業(yè)生產(chǎn)處于生產(chǎn)前沿面上，低碳農(nóng)業(yè)放績效水平較高；除此之外，其他省區(qū)低碳農(nóng)業(yè)績效水平相對較低，存在一定減排潛力；而山西、廣西、貴州、云南、西藏、甘肅、寧夏和新疆處于低績效區(qū)。

（2）海南、福建、山東、遼寧、廣東、北京、天津等省區(qū)三年平均農(nóng)業(yè)碳排放影子價格處于前列，減排成本較高；而西藏、青海兩地農(nóng)業(yè)碳排放影子價格最低，分別為0.087億元/萬t和0.399億元/萬t，農(nóng)業(yè)減排成本較低。

（3）全國農(nóng)業(yè)碳排放平均影子價格呈逐年增加趨勢，意味著農(nóng)業(yè)碳減排的難度在不斷加大；且農(nóng)業(yè)碳排放影子價格與農(nóng)業(yè)碳排放強(qiáng)度密切相關(guān)，即農(nóng)業(yè)碳排放強(qiáng)度越低的省區(qū)，則農(nóng)業(yè)碳排放影子價格越高，邊際減排成本越大，進(jìn)行農(nóng)業(yè)碳減排面臨的困難更大。

（4）基于距離函數(shù)值、碳排放影子價格的數(shù)值差異，將中國31個省級行政區(qū)域劃分為四類：內(nèi)蒙古、黑龍江、上海、安徽、湖北、湖南等4省1市1區(qū)屬于“高績效低成本”型地區(qū)；北京、天津、河北、遼寧、吉林、江蘇、浙江、河南、廣東、海南等8省2市屬于“高績效高成本”型地區(qū)；江西、貴州、云南、西藏、甘肅、青海、寧夏、新疆等5省3區(qū)屬于“低績效低成本”型地區(qū)；山西、福建、山東、廣西、重慶、四川、陜西等5省1市1區(qū)屬于“低績效高成本”型地區(qū)。

5.2 啟示

上述研究有著以下啟示：①過去單純依賴農(nóng)業(yè)碳排放總量、人均碳排放量或農(nóng)業(yè)碳排放強(qiáng)度等指標(biāo)來衡量各省農(nóng)業(yè)碳排放水平、進(jìn)行農(nóng)業(yè)碳減排探索不盡科學(xué)，政府應(yīng)該關(guān)注其主要目標(biāo)，綜合低碳農(nóng)業(yè)績效水平和邊際減排成本，科學(xué)制定發(fā)展政策。若以農(nóng)業(yè)經(jīng)濟(jì)發(fā)展為主要任務(wù)，則應(yīng)適當(dāng)減輕農(nóng)業(yè)碳排放影子價格較高地區(qū)的減排任務(wù)；若以減排為主，則可以讓農(nóng)業(yè)碳排放影子價格較低的地區(qū)在農(nóng)業(yè)碳排放領(lǐng)域承擔(dān)更多的責(zé)任。如以西藏、青海為代表的“低績效低成本”型地區(qū)，其農(nóng)業(yè)碳排放距離函數(shù)值較大，而農(nóng)業(yè)碳排放影子價格較低，說明該地區(qū)低碳農(nóng)業(yè)績效水平較低，農(nóng)業(yè)邊際減碳成本不高，應(yīng)適度提高國家農(nóng)業(yè)減碳分擔(dān)的份額。②政策制定不能走向“一刀切”的極端，需結(jié)合各地實際情況，以農(nóng)業(yè)經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)減排的綜合效應(yīng)為目標(biāo)，進(jìn)行靈活調(diào)配。如北京、天津、上海三地低碳農(nóng)業(yè)績效水平較高，在目前的生產(chǎn)技術(shù)水平下減排的潛力不大，但長遠(yuǎn)來看，各省區(qū)都需借助農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的合理調(diào)整，盡量減少農(nóng)業(yè)碳排放，進(jìn)而增大農(nóng)業(yè)碳匯功能，達(dá)到對工業(yè)碳排放進(jìn)行吸收、均衡的目的。

（編輯：徐天祥）

參考文獻(xiàn)（References）

[1]董紅敏，李玉娥，陶秀萍，等. 中國農(nóng)業(yè)源溫室氣體排放與減排技術(shù)對策[J]. 農(nóng)業(yè)工程學(xué)報，2008，24（10）：269-273. [Dong Hongmin，Li Yue，Tao Xiuping，et al. China Greenhouse Gas Emissions from Agricultural Activities and Its Mitigation Strategy [J]. Transactions of the Chinese Society of Agricultural Engineering，2008，24（10）：269-273.]

[2]賀亞亞，田云，張俊飚. 湖北省農(nóng)業(yè)碳排放時空比較及驅(qū)動因素分析[ J]. 華中農(nóng)業(yè)大學(xué)學(xué)報：社會科學(xué)版，2013，33（5）：79-85. [He Yaya，Tian Yun，Zhang Junbiao. Analysis on SpatialTemporal Difference and Driving Factors of Agricultural Carbon Emissions in Hubei Province [J]. Journal of Huazhong Agricultural University： Social Sciences Edition，2013，33（5）：79-85.]

[3]李波，張俊飚，李海鵬. 中國農(nóng)業(yè)碳排放時空特征及影響因素分解[J]. 中國人口·資源與環(huán)境，2011，21（8）：80-86. [Li Bo，Zhang Junbiao，Li Haipeng. Research on Spatialtemporal Characteristics and Affecting Factors Decomposition of Aricultural Carbon Emission in China [J]. China Population，Resources and Environment，2011，21（8）：80-86.]

[4]Murray B C. Overview of Agricultural and Forestry GHG Offsets on the US Landscape [J]. Choices，2004，6（3）：14-18.

[5]Hailu A， Veeman T S. Environmentally Sensitive Productivity Analysis of the Canadian Pulp and Paper Industry，1959-1994：An Input Distance Function Approach [J]. Journal of Environmental Economics and Management，2000，40（3）：251-274.

[6]楊俊，陳怡. 基于環(huán)境因素的中國農(nóng)業(yè)生產(chǎn)率增長研究[J]. 中國人口·資源與環(huán)境，2011，21（6）：153-157. [Yang Jun，Chen Yi. Empirical Study on Chinas Aricultural Production Growth Under the Binding of Environment [J]. China Population，Resources and Environment，2011，21（6）：153-157.]

[7]李谷成，陳寧陸，閔銳. 環(huán)境規(guī)制條件下中國農(nóng)業(yè)全要素生產(chǎn)率增長與分解[J]. 中國人口·資源與環(huán)境，2011，21（11）：153-160. [Li Gucheng，Chen Ninglu，Min Rui. Growth and Sources of Agricultural Total Factor Productivity in China under Environmental Regulations [J]. China Population，Resources and Environment，2011，21（11）：153-160.]

[8]王奇，王會，陳海丹. 中國農(nóng)業(yè)綠色全要素生產(chǎn)率變化研究：1992-2010年[J]. 經(jīng)濟(jì)評論，2012，33（5）：24-33. [Wang Qi，Wang Hui，Chen Haidan. A Study on Agricultural Green TFP in China：1992-2010 [J]. Economic Review，2012，5：24-33.]

[9]吳賢榮，張俊飚，田云，等. 中國省際農(nóng)業(yè)碳排放：測算、效率變動及影響因素研究[J]. 資源科學(xué)，2014，36（1）：129-138. [Wu Xianrong， Zhang Junbiao， Tian Yun， et al.Research on Chinas Provincial Agricultural Carbon Emissions Performance Index and Its Influencing Factors [J]. Resource Science，2014，36（1）：129-138.]

[10]Fre R，Grosskopf S，Pasurka C A. Environmental Production Functions and Environmental Directional Distance Functions [J]. Energy，2007，32（7）：1055-1066.

[11]涂正革. 工業(yè)二氧化硫排放的影子價格：一個新的分析框架[J]. 經(jīng)濟(jì)學(xué)（季刊），2009，9（1）：259-282. [Tu Zhengge. The Shadow Price of Industrial SO2 Emission：A New Analytic Framework [J]. China Economic Quarterly，2009，9（1）：259-282.]

[12]田云，張俊飚. 中國農(nóng)業(yè)生產(chǎn)凈碳效應(yīng)分異研究[J]. 自然資源學(xué)報，2013，28（8）：1298-1309. [Tian Yun，Zhang Junbiao. Regional Differentiation Research on Net Carbon Effect of Agricultural Production in China [J]. Journal of Natural Resources，2013，28（8）：1298-1309.]

[13]潘丹，應(yīng)瑞瑤.資源環(huán)境約束下的中國農(nóng)業(yè)全要素生產(chǎn)率增長研究[J].資源科學(xué)，2013，35（7）：1329-1338.[Pan Dan， Ying Ruiyao. Agricultural Total Factor Productivity Growth in China under the Binding of Resource and Environment [J]. Resource Science， 2013，35（7）：1329-1338.]

[14]韓海彬，趙麗芬.環(huán)境約束下中國農(nóng)業(yè)全要素生產(chǎn)率增長及收斂分析[J].中國人口·資源與環(huán)境，2013，23（3）：70-76.[Han Haibin， Zhao Lifen. Growth and Convergence of Agricultural Total Factor Productivity in China under Environmental Regulations [J]. China Population， Resources and Environment， 2013，23（3）：70-76.]

[15]張俊飚，李波.對我國食用菌產(chǎn)業(yè)發(fā)展的現(xiàn)狀與政策思考[J].華中農(nóng)業(yè)大學(xué)學(xué)報：社會科學(xué)版，2012，32（5）：13-21.[Zhang Junbiao， Li Bo. How to Develop Chinas Edible Fungi Industry in a Healthy Way[J]. Journal of Huazhong Agricultural University： Social Science Edition， 2012，32（5）：13-21.]

Evaluation of Provincial Lowcarbon Agriculture Performance and

Estimation of Marginal Abatement Costs in China

WU Xianrong ZHANG Junbiao ZHU Ye TIAN Yun

（College of Economics & Management，Huazhong Agricultural University， Hubei Rural Development Research Center，

Wuhan Hubei 430070，China）

Abstract This article took into account both the expected outputs and unexpected outputs in the agricultural economic accounting system. The main objective is to estimate the lowcarbon agricultural performance and the agriculture marginal abatement cost of 31 provinces （autonomous regions and municipalities） of China. The Directional Distance Function was used to estimate the lowcarbon agricultural performance， and the theory of shadow price was brought in to analyze the agriculture marginal abatement cost. The results show that： ①Beijing， Tianjin and Shanghai belong to the first area of the lowcarbon agricultural performance， as all the values of the Distance Function were zero， but the other provinces were at a low level of performance. ②Hainan， Fujian， Shandong， Liaoning， Guangdong， Beijing， Tianjin etc have high shadow price of agricultural carbon emission； however， Tibet and Qinghais agricultural carbon emission shadow prices were low. ③The average shadow price of agricultural carbon emission shows a trend of increase year by year， and is closely related with carbon intensity of agriculture. ④Based on the difference in the coefficients of distance function value and shadow price， Chinas 31 provincial regions are divided into four categories. Five regions including Inner Mongolia belong to the “highperformance & lowcost” type. Beijing and other nine regions belong to the “highperformance & highcost” type. Eight regions including Jiangxi belong to the “l(fā)owperformance & lowcost” type. Seven regions including Shanxi belong to the “l(fā)owperformance & highcost” type.

Key words lowcarbon agriculture； agricultural carbon emission； directional distance function； shadow price

Evaluation of Provincial Lowcarbon Agriculture Performance and

Estimation of Marginal Abatement Costs in China

WU Xianrong ZHANG Junbiao ZHU Ye TIAN Yun

（College of Economics & Management，Huazhong Agricultural University， Hubei Rural Development Research Center，

Wuhan Hubei 430070，China）

Abstract This article took into account both the expected outputs and unexpected outputs in the agricultural economic accounting system. The main objective is to estimate the lowcarbon agricultural performance and the agriculture marginal abatement cost of 31 provinces （autonomous regions and municipalities） of China. The Directional Distance Function was used to estimate the lowcarbon agricultural performance， and the theory of shadow price was brought in to analyze the agriculture marginal abatement cost. The results show that： ①Beijing， Tianjin and Shanghai belong to the first area of the lowcarbon agricultural performance， as all the values of the Distance Function were zero， but the other provinces were at a low level of performance. ②Hainan， Fujian， Shandong， Liaoning， Guangdong， Beijing， Tianjin etc have high shadow price of agricultural carbon emission； however， Tibet and Qinghais agricultural carbon emission shadow prices were low. ③The average shadow price of agricultural carbon emission shows a trend of increase year by year， and is closely related with carbon intensity of agriculture. ④Based on the difference in the coefficients of distance function value and shadow price， Chinas 31 provincial regions are divided into four categories. Five regions including Inner Mongolia belong to the “highperformance & lowcost” type. Beijing and other nine regions belong to the “highperformance & highcost” type. Eight regions including Jiangxi belong to the “l(fā)owperformance & lowcost” type. Seven regions including Shanxi belong to the “l(fā)owperformance & highcost” type.

Key words lowcarbon agriculture； agricultural carbon emission； directional distance function； shadow price

Evaluation of Provincial Lowcarbon Agriculture Performance and

Estimation of Marginal Abatement Costs in China

WU Xianrong ZHANG Junbiao ZHU Ye TIAN Yun

（College of Economics & Management，Huazhong Agricultural University， Hubei Rural Development Research Center，

Wuhan Hubei 430070，China）

Abstract This article took into account both the expected outputs and unexpected outputs in the agricultural economic accounting system. The main objective is to estimate the lowcarbon agricultural performance and the agriculture marginal abatement cost of 31 provinces （autonomous regions and municipalities） of China. The Directional Distance Function was used to estimate the lowcarbon agricultural performance， and the theory of shadow price was brought in to analyze the agriculture marginal abatement cost. The results show that： ①Beijing， Tianjin and Shanghai belong to the first area of the lowcarbon agricultural performance， as all the values of the Distance Function were zero， but the other provinces were at a low level of performance. ②Hainan， Fujian， Shandong， Liaoning， Guangdong， Beijing， Tianjin etc have high shadow price of agricultural carbon emission； however， Tibet and Qinghais agricultural carbon emission shadow prices were low. ③The average shadow price of agricultural carbon emission shows a trend of increase year by year， and is closely related with carbon intensity of agriculture. ④Based on the difference in the coefficients of distance function value and shadow price， Chinas 31 provincial regions are divided into four categories. Five regions including Inner Mongolia belong to the “highperformance & lowcost” type. Beijing and other nine regions belong to the “highperformance & highcost” type. Eight regions including Jiangxi belong to the “l(fā)owperformance & lowcost” type. Seven regions including Shanxi belong to the “l(fā)owperformance & highcost” type.

Key words lowcarbon agriculture； agricultural carbon emission； directional distance function； shadow price