秦雨新，李樹超

（青島農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，山東 青島 266109）

氣候變化是工業(yè)革命以來人類不可持續(xù)發(fā)展模式的產(chǎn)物，農(nóng)業(yè)土壤是溫室氣體的重要排放源，因此，不應(yīng)忽略農(nóng)業(yè)生產(chǎn)活動(dòng)對(duì)氣候變化帶來的影響。在中國溫室氣體凈排放總量中，農(nóng)業(yè)溫室氣體排放總量約占全國排放總量的17%；在甲烷和氧化亞氮等氣體排放中，農(nóng)業(yè)排放總量分別為50%和92%［1］。學(xué)者研究認(rèn)為以二氧化碳、甲烷、氧化亞氮等為代表的溫室氣體大量排放是全球氣候變暖的重要誘因［2］。就中國提出的碳達(dá)峰碳中和目標(biāo)而言，關(guān)鍵在于減排增匯，其中減排是基礎(chǔ)，而理清碳排放的現(xiàn)狀及特點(diǎn)顯然有助于科學(xué)減排策略的提出。一直以來工業(yè)碳源消耗是主要調(diào)控對(duì)象，但農(nóng)業(yè)碳源也不容忽視，中國是世界上最大的農(nóng)業(yè)生產(chǎn)國之一，農(nóng)業(yè)是中國國民經(jīng)濟(jì)發(fā)展的基礎(chǔ)，農(nóng)業(yè)碳排放量約占全國碳排放總量的13%。習(xí)近平總書記指出，“十四五”時(shí)期，中國生態(tài)文明建設(shè)進(jìn)入了以降碳為重點(diǎn)戰(zhàn)略方向、推動(dòng)減污降碳協(xié)同增效、促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展全面綠色轉(zhuǎn)型、實(shí)現(xiàn)生態(tài)環(huán)境質(zhì)量改善由量變到質(zhì)變的關(guān)鍵時(shí)期［3］?；诖?，本研究從空間效應(yīng)視角研究農(nóng)業(yè)種植業(yè)碳排放強(qiáng)度與農(nóng)業(yè)經(jīng)濟(jì)增長之間的關(guān)系，以期為區(qū)域協(xié)調(diào)推進(jìn)農(nóng)業(yè)減排工作提供參考，進(jìn)而助力實(shí)現(xiàn)農(nóng)業(yè)“雙碳”目標(biāo)。

國外學(xué)者對(duì)農(nóng)業(yè)碳排放的研究主要集中在農(nóng)業(yè)碳源的測算、經(jīng)濟(jì)發(fā)展和農(nóng)業(yè)碳排放的關(guān)系以及農(nóng)業(yè)減排的政策三方面。Johnson等［4］指出農(nóng)業(yè)是3 種主要溫室氣體的來源，農(nóng)業(yè)碳排放源主要是農(nóng)林廢棄物、農(nóng)用資源利用、水稻種植、動(dòng)物腸道發(fā)酵、畜禽糞便以及秸稈燃燒等。隨著農(nóng)業(yè)污染問題日益加重，學(xué)者們對(duì)經(jīng)濟(jì)發(fā)展和農(nóng)業(yè)碳排放之間關(guān)系展開研究，大多以庫茲涅茲曲線為基礎(chǔ)。Grossman等［5］最早在研究中指出經(jīng)濟(jì)增長與污染排放的“倒U”形關(guān)系，即隨著經(jīng)濟(jì)的發(fā)展，必然會(huì)帶來一定程度的環(huán)境污染，但經(jīng)濟(jì)發(fā)展到一定水平后即到達(dá)拐點(diǎn)后，污染排放會(huì)隨著經(jīng)濟(jì)的增長而降低。對(duì)于經(jīng)濟(jì)增長和能源消費(fèi)之間的關(guān)系，Kraft等［6］最先提出美國的經(jīng)濟(jì)增長與能源消費(fèi)間有因果關(guān)系。隨后，Hossein等［7］、Bozoklu等［8］又分別證明了OPEC 等國家、組織的經(jīng)濟(jì)增長與能源消費(fèi)之間互相影響。Uri［9］從美國農(nóng)業(yè)碳減排的實(shí)踐經(jīng)驗(yàn)中得出結(jié)論，認(rèn)為實(shí)施保育措施能提高土壤固碳能力，并提出農(nóng)業(yè)操作變革技術(shù)。Hoffert等［10］認(rèn)為要解決CO2帶來的氣候變化問題，就要從源頭上減少能源的使用，因此提出了使用清潔能源和新型能源的建議。

國內(nèi)學(xué)者對(duì)農(nóng)業(yè)環(huán)境的空間依存度和農(nóng)業(yè)碳排放進(jìn)行相關(guān)性研究。馬軍旗等［11］利用單元調(diào)查法和空間計(jì)量法證實(shí)中國農(nóng)業(yè)面源污染呈現(xiàn)明顯的空間正相關(guān)性，并且農(nóng)業(yè)面源污染的地區(qū)間差異是總體差異的主要來源。魯慶堯等［12］通過構(gòu)造農(nóng)業(yè)生產(chǎn)的經(jīng)濟(jì)環(huán)境指數(shù)實(shí)證了中國省域經(jīng)濟(jì)環(huán)境指數(shù)具有較強(qiáng)的空間依賴性和正的空間溢出效應(yīng)。吳義根等［13］利用探索性空間數(shù)據(jù)分析方法對(duì)地區(qū)間農(nóng)業(yè)環(huán)境污染展開研究，結(jié)果表明農(nóng)業(yè)面源污染表現(xiàn)出明顯的空間相關(guān)性。涂爽等［14］研究結(jié)果顯示農(nóng)業(yè)經(jīng)濟(jì)增長產(chǎn)出規(guī)模的擴(kuò)大，與農(nóng)業(yè)環(huán)境污染呈倒“U”形關(guān)系，且拐點(diǎn)的出現(xiàn)因污染物要素投入指標(biāo)的選取而異。

綜上所述，國外學(xué)者較早對(duì)能源消耗和經(jīng)濟(jì)之間的關(guān)系展開研究，但前期側(cè)重于工業(yè)能源消耗。由于各種因素的不確定性，國外學(xué)者對(duì)農(nóng)業(yè)碳排放的測算方法也是多種多樣，國外對(duì)農(nóng)業(yè)碳排放方面的研究起步較早，研究結(jié)果日益完善；國內(nèi)對(duì)該方面的研究雖然起步較晚，但關(guān)于農(nóng)業(yè)碳排放的研究已趨于全面、系統(tǒng)，能夠?yàn)橹袊紲p排工作提供重要的參考依據(jù)，但同時(shí)，現(xiàn)有的研究存在一定的局限性，大多研究集中于環(huán)境污染空間相關(guān)度等問題，農(nóng)業(yè)污染指標(biāo)與地區(qū)經(jīng)濟(jì)相結(jié)合的研究較少，并不能從實(shí)際角度采取有針對(duì)性的措施來減少農(nóng)業(yè)碳排放。本研究在國內(nèi)外學(xué)者已有的理論和方法上繼續(xù)探究農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長之間的關(guān)系，以推動(dòng)農(nóng)業(yè)經(jīng)濟(jì)綠色低碳發(fā)展。

1 農(nóng)業(yè)經(jīng)濟(jì)增長對(duì)農(nóng)業(yè)碳排放影響的理論機(jī)制

經(jīng)濟(jì)活動(dòng)通過規(guī)模效應(yīng)、結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)對(duì)環(huán)境產(chǎn)生影響［15］。首先，污染物的排放量與經(jīng)濟(jì)規(guī)模呈正相關(guān)，即隨著經(jīng)濟(jì)總量的擴(kuò)大，經(jīng)濟(jì)發(fā)展需要更多的資源投入，消耗更多的能源，從而產(chǎn)生更多的污染排放物；而隨著經(jīng)濟(jì)總量規(guī)模的縮減，污染物排放量也會(huì)隨之減少。其次，產(chǎn)業(yè)的升級(jí)和集聚反映了一個(gè)國家或地區(qū)經(jīng)濟(jì)發(fā)展模式的轉(zhuǎn)變，這對(duì)環(huán)境有重要影響。經(jīng)濟(jì)發(fā)展水平更高時(shí)，產(chǎn)業(yè)會(huì)向經(jīng)濟(jì)發(fā)展地區(qū)靠攏并優(yōu)化升級(jí)，以資源密集型為主的第二產(chǎn)業(yè)所占比重會(huì)逐漸減少，以服務(wù)業(yè)為主的第三產(chǎn)業(yè)比重會(huì)上升。因此，通過優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，合理產(chǎn)業(yè)集聚，促進(jìn)產(chǎn)業(yè)低碳發(fā)展。最后，技術(shù)進(jìn)步使生產(chǎn)效率得到改善，資源的利用效率得到提高，這將降低單位國內(nèi)生產(chǎn)總值的能源消耗，并減少污染物排放。

在農(nóng)業(yè)發(fā)展過程中，農(nóng)業(yè)經(jīng)濟(jì)規(guī)模對(duì)農(nóng)業(yè)碳排放具有雙重影響，一方面，在污染系數(shù)和產(chǎn)品組合不變的情況下，農(nóng)業(yè)經(jīng)濟(jì)規(guī)模的擴(kuò)大需要更多的生產(chǎn)要素投入，這將導(dǎo)致農(nóng)業(yè)碳排放量的增加，對(duì)環(huán)境產(chǎn)生負(fù)向效應(yīng)；另一方面，隨著經(jīng)濟(jì)規(guī)模的增長和收入的增加，居民的偏好會(huì)由低檔品向高檔品消費(fèi)。在農(nóng)產(chǎn)品選擇上，人們更偏向購買生產(chǎn)標(biāo)準(zhǔn)更高的綠色農(nóng)產(chǎn)品，因此，收入提高在一定程度上有助于建立更嚴(yán)格的生產(chǎn)體系，進(jìn)而降低單位產(chǎn)出農(nóng)業(yè)碳排放強(qiáng)度［16］。

2 變量選擇、數(shù)據(jù)來源與研究方法

2.1 變量選擇

2.1.1 被解釋變量 選取農(nóng)業(yè)碳排放強(qiáng)度（AEI）作為被解釋變量，數(shù)據(jù)由式（1）、式（2）計(jì)算所得。

參考伍國勇等［17］的研究，農(nóng)業(yè)碳排放源指標(biāo)選取有化肥、農(nóng)藥、農(nóng)用柴油、農(nóng)用塑料薄膜、農(nóng)作物播種面積和農(nóng)業(yè)灌溉面積。目前較為廣泛使用的農(nóng)業(yè)碳排放計(jì)算方法為碳轉(zhuǎn)化系數(shù)法，是依據(jù)其碳源進(jìn)行估算的一種方法［18］。農(nóng)業(yè)碳排放計(jì)算公式如下。

式中，E為農(nóng)業(yè)碳排放總量；Ei為相應(yīng)i類碳排放量；Ti為對(duì)應(yīng)i類碳源消耗量；H為碳排放系數(shù)，化肥、農(nóng)藥、農(nóng)用柴油、農(nóng)用塑料薄膜的排放系數(shù)分別為0.895 6、4.934 2、5.180 0、0.592 7 kg/kg，農(nóng)作物播種面積和農(nóng)業(yè)灌溉面積的排放系數(shù)分別為312.600、20.476 kg/hm2［19］。多數(shù)學(xué)者使用單位農(nóng)業(yè)產(chǎn)值的碳排放量來衡量農(nóng)業(yè)碳排放強(qiáng)度，計(jì)算公式如下。

式中，AEI為農(nóng)業(yè)碳排放強(qiáng)度；E為農(nóng)業(yè)碳排放總量；AGDP為農(nóng)業(yè)生產(chǎn)總值。

2.1.2 核心解釋變量 本研究核心解釋變量為經(jīng)濟(jì)增長（EGDP），選取農(nóng)業(yè)人均生產(chǎn)總值表示農(nóng)業(yè)經(jīng)濟(jì)增長的指標(biāo)，更能代表農(nóng)村經(jīng)濟(jì)的發(fā)展水平，以農(nóng)業(yè)生產(chǎn)總值與年末人口數(shù)的比值來表示對(duì)變量進(jìn)行消脹處理。

2.1.3 控制變量 消費(fèi)能力（CONS）采用農(nóng)村人均消費(fèi)支出來衡量；技術(shù)進(jìn)步（ADV）采用有效灌溉面積與總播種面積的比值表示；農(nóng)業(yè)現(xiàn)代化水平（TECH）采用農(nóng)業(yè)機(jī)械總動(dòng)力與總播種面積比值表示；財(cái)政支持（ECO）采用農(nóng)林水事務(wù)支出與農(nóng)業(yè)生產(chǎn)總值比值表示；受災(zāi)情況（DISA）和產(chǎn)業(yè)結(jié)構(gòu)（IND）分別用受災(zāi)比重、第一產(chǎn)業(yè)所占比重來衡量。各變量描述性統(tǒng)計(jì)情況如表1 所示，各變量的統(tǒng)計(jì)量均為434。

由表1 可知，中國各地區(qū)農(nóng)業(yè)碳排放強(qiáng)度存在較大差異，最高為297.704 50 kg（C）/萬元，最低為29.121 68 kg（C）/萬元。農(nóng)業(yè)人均消費(fèi)支出最高為20 303.060 元/人，最低為1 124.598 元/人，整體呈上升趨勢，區(qū)域間差異明顯。

表1 農(nóng)業(yè)經(jīng)濟(jì)增長與農(nóng)業(yè)碳排放強(qiáng)度變量描述性統(tǒng)計(jì)

2.2 數(shù)據(jù)來源

本研究選取的被解釋變量中，農(nóng)業(yè)碳排放強(qiáng)度通過統(tǒng)計(jì)年鑒宏觀數(shù)據(jù)由式（1）、式（2）計(jì)算得到，核心解釋變量與控制變量選取2007—2020 年中國31個(gè)省（市、自治州）的宏觀數(shù)據(jù)進(jìn)行研究，數(shù)據(jù)均來源于《中國統(tǒng)計(jì)年鑒》《中國農(nóng)村統(tǒng)計(jì)年鑒》以及各?。ㄊ?、自治區(qū)）統(tǒng)計(jì)年鑒。

2.3 模型構(gòu)建

2.3.1 構(gòu)建空間權(quán)重矩陣 地理距離權(quán)重矩陣將地理距離平方倒數(shù)作為兩省之間的地理權(quán)重，該矩陣可以更好地體現(xiàn)出在地理空間上不鄰接兩省之間的要素流動(dòng)和相互作用［20］。

地理距離空間矩陣具體設(shè)定如式（3）所示。Wij表示區(qū)域i和區(qū)域j地理距離矩陣，d為通過經(jīng)緯度計(jì)算的省份間距離。

2.3.2 空間相關(guān)性檢驗(yàn) 采用全局Moran’s I指數(shù)模型，對(duì)農(nóng)業(yè)碳排放強(qiáng)度和人均農(nóng)業(yè)生產(chǎn)總值進(jìn)行全局自相關(guān)檢驗(yàn)，計(jì)算公式如下。

局部空間自相關(guān)檢驗(yàn)常用LISA 聚集圖表示，其表示區(qū)域單元在區(qū)域內(nèi)的聚集或離散情況［21］。LISA 聚集圖計(jì)算依據(jù)局部Moran’s I指數(shù)表示，其計(jì)算公式如下。

式中，Ii為i地區(qū)的局部莫蘭指數(shù)；xi和xj分別為變量在i、j地區(qū)的數(shù)值；xˉ為變量x在n個(gè)地區(qū)觀測值的平均值；Wij為空間權(quán)重矩陣。

2.3.3 空間面板計(jì)量模型 構(gòu)建空間杜賓模型（SDM），為充分考慮空間因素的影響，構(gòu)建空間計(jì)量模型，實(shí)證分析農(nóng)村經(jīng)濟(jì)發(fā)展對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響。具體模型如下。

式中，Y為農(nóng)業(yè)碳排放強(qiáng)度；X為所有的解釋變量；β為空間滯后項(xiàng)系數(shù)；θ為回歸系數(shù)；W為地理距離空間權(quán)重矩陣；ρ為農(nóng)業(yè)碳排放強(qiáng)度的滯后系數(shù)；ε為隨機(jī)擾動(dòng)項(xiàng)。當(dāng)ρ≠0、θ＝0且λ＝0時(shí)，符合空間自回歸模型（SAR）；當(dāng)ρ＝0、θ＝0且λ≠0時(shí)，符合空間誤差模型（SEM）；當(dāng)ρ≠0、θ≠0且λ＝0時(shí)，符合空間杜賓模型。隨后，根據(jù)檢驗(yàn)及顯著性結(jié)果來確定具體模型。

3 實(shí)證分析

3.1 空間相關(guān)性檢驗(yàn)

3.1.1 全局空間相關(guān)性 運(yùn)用全局莫蘭指數(shù)分別對(duì)農(nóng)業(yè)碳排放強(qiáng)度和農(nóng)業(yè)人均生產(chǎn)總值（GDP）進(jìn)行空間自相關(guān)檢驗(yàn)，使用空間計(jì)量方法的前提是變量必須存在空間自相關(guān)。2007—2020 年農(nóng)業(yè)碳排放強(qiáng)度與農(nóng)業(yè)人均GDP 空間相關(guān)性結(jié)果如表2 所示，莫蘭指數(shù)雖有波動(dòng)，但均為正值，從檢驗(yàn)的P來看，各年份均通過顯著性水平為10%的統(tǒng)計(jì)檢驗(yàn)，且農(nóng)業(yè)碳排放強(qiáng)度在2009、2012、2017、2018年P(guān)小于0.05；農(nóng)業(yè)人 均GDP 在2012、2013、2014、2015、2016、2018、2019、2020年P(guān)均小于0.05?？傮w而言，中國農(nóng)業(yè)碳排放強(qiáng)度和農(nóng)業(yè)人均生產(chǎn)總值的Moran’s I指數(shù)具有顯著性，可以拒絕“無空間自相關(guān)”的原假設(shè)。雖然研究期間內(nèi)的Moran’s I指數(shù)上下波動(dòng)，但2020 年與2007年Moran’s I指數(shù)相比，總體呈上升趨勢，說明相鄰省份之間的農(nóng)業(yè)碳排放強(qiáng)度和農(nóng)業(yè)人均GDP 在空間分布上不是處于完全隨機(jī)的狀態(tài)，而是存在集聚現(xiàn)象，且空間相關(guān)性不斷增強(qiáng)。

表2 2007—2020 年農(nóng)業(yè)碳排放強(qiáng)度和農(nóng)業(yè)人均GDP全局莫蘭指數(shù)

3.1.2 局部空間相關(guān)性 繪制農(nóng)業(yè)碳排放強(qiáng)度和農(nóng)業(yè)人均GDP 的局部莫蘭指數(shù)，本研究僅匯報(bào)2007年和2020 年的結(jié)果，其中數(shù)字1—31 代表中國31 個(gè)省級(jí)區(qū)域。

莫蘭散點(diǎn)圖的4 個(gè)象限分別對(duì)應(yīng)區(qū)域單元與其相鄰象限之間4 種類型的空間局部聯(lián)系形式。第一象限代表高觀測值被同是高值包圍的區(qū)域，為HH，即高-高集聚類型；第二象限代表低觀測值被鄰近高觀測值包圍的空間單元，為L-H，即低-高集聚類型；第三象限代表低觀測值被同是低觀測值包圍的區(qū)域，為L-L，即低-低集聚類型；第四象限代表高值的空間單元格被低值空間單元格包圍，為H-L，即高-低集聚類型。對(duì)比2007 年與2020 年農(nóng)業(yè)碳排放強(qiáng)度莫蘭指數(shù)散點(diǎn)圖（圖1）可知，中國農(nóng)業(yè)碳排放強(qiáng)度和農(nóng)業(yè)人均GDP 主要以H-H 和L-L 兩種類型主導(dǎo)，2007 年位于第一、第三象限的區(qū)域數(shù)量分別為6 和10，合計(jì)占樣本總量的51.61%；2020 年位于第一、第三象限的區(qū)域數(shù)量分別為8 和11，合計(jì)占樣本總量的61.29%，農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)性有所增強(qiáng)。對(duì)比2007 年與2020 年農(nóng)業(yè)人均生產(chǎn)總值莫蘭指數(shù)散點(diǎn)圖（圖2）可知，2007 年農(nóng)業(yè)人均生產(chǎn)總值位于第一、第三象限的區(qū)域數(shù)量分別為10 和9，占樣本總量的61.29%；2020 年有13 個(gè)區(qū)域位于第一象限，有8 個(gè)區(qū)域位于第三象限，占樣本總量的67.74%，呈一定的集聚效應(yīng)，且落入第一象限的數(shù)量增加。

圖1 2007 年和2020 年農(nóng)業(yè)碳排放強(qiáng)度局部莫蘭指數(shù)散點(diǎn)圖

圖2 2007 年和2020 年農(nóng)業(yè)人均消費(fèi)支出局部莫蘭指數(shù)散點(diǎn)圖

3.2 農(nóng)業(yè)經(jīng)濟(jì)增長與農(nóng)業(yè)碳排放強(qiáng)度空間相關(guān)性分析

3.2.1 模型適用性檢驗(yàn)及模型分析 對(duì)模型進(jìn)行適用性檢驗(yàn)，檢驗(yàn)結(jié)果如表3 所示。首先，LM 檢驗(yàn)的4個(gè)統(tǒng)計(jì)量均通過5%水平的顯著性檢驗(yàn)，應(yīng)選擇帶空間效應(yīng)的面板模型。其次，Hausman 檢驗(yàn)結(jié)果P通過顯著性檢驗(yàn)，表明應(yīng)采取固定效應(yīng)的模型。最后確定模型的空間或時(shí)間效應(yīng)，通過LR 檢驗(yàn)和沃爾德（Wald）檢驗(yàn)，結(jié)果顯示LR 檢驗(yàn)結(jié)果P通過1%水平的顯著性檢驗(yàn)；沃爾德檢驗(yàn)結(jié)果顯示，空間滯后模型和空間誤差模型的P均通過1%顯著性檢驗(yàn)，說明模型不能被簡化為SEM 和SLM。因此，本研究選擇固定效應(yīng)下的SDM 模型。

表3 空間計(jì)量模型選擇性檢驗(yàn)

3.2.2 空間計(jì)量模型回歸分析 運(yùn)用STATA 15.0軟件實(shí)現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)增長對(duì)農(nóng)業(yè)碳排放強(qiáng)度影響的空間計(jì)量分析。SDM 模型的回歸結(jié)果如表4 所示。

表4 空間杜賓模型實(shí)證結(jié)果

從SDM 模型分解結(jié)果來看，農(nóng)業(yè)碳排放強(qiáng)度受相鄰地區(qū)的地理位置、生態(tài)環(huán)境、社會(huì)經(jīng)濟(jì)水平等影響。對(duì)各變量取自然對(duì)數(shù)，經(jīng)濟(jì)增長、技術(shù)進(jìn)步、農(nóng)業(yè)現(xiàn)代化水平、財(cái)政支持和產(chǎn)業(yè)結(jié)構(gòu)估計(jì)系數(shù)均通過5%的顯著性檢驗(yàn)，其中消費(fèi)能力、農(nóng)業(yè)經(jīng)濟(jì)增長、技術(shù)進(jìn)步與農(nóng)業(yè)碳排放強(qiáng)度呈負(fù)相關(guān)，農(nóng)業(yè)現(xiàn)代化水平、財(cái)政支持、受災(zāi)情況和產(chǎn)業(yè)結(jié)構(gòu)均與農(nóng)業(yè)碳排放強(qiáng)度呈正相關(guān)。

農(nóng)業(yè)生產(chǎn)方式的不斷進(jìn)步推動(dòng)農(nóng)業(yè)經(jīng)濟(jì)增長的同時(shí)，還可以有效降低農(nóng)業(yè)碳排放強(qiáng)度。綠色技術(shù)的使用能有效減少當(dāng)?shù)氐霓r(nóng)業(yè)碳排放量。隨著惠農(nóng)政策的推出，以及農(nóng)業(yè)現(xiàn)代化水平的提高，為農(nóng)戶的農(nóng)業(yè)生產(chǎn)提供了更多選擇。一是在惠農(nóng)政策的指導(dǎo)下，農(nóng)戶更傾向于購買環(huán)境友好型的農(nóng)用物資；二是隨著現(xiàn)代化水平的提高和普及，農(nóng)戶購買資源節(jié)約型農(nóng)業(yè)生產(chǎn)工具時(shí)有更多的選擇。但是受災(zāi)情況和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整都有可能會(huì)提高農(nóng)業(yè)碳排放強(qiáng)度，當(dāng)農(nóng)戶受自然災(zāi)害影響時(shí)，會(huì)投入更多的農(nóng)用物資（如化肥、農(nóng)藥等）來提高農(nóng)作物的產(chǎn)量。農(nóng)業(yè)產(chǎn)業(yè)所占比重越大，表明該地區(qū)從事第一產(chǎn)業(yè)的人數(shù)就越多，大量的農(nóng)用物資投入不可避免地會(huì)產(chǎn)生更多的碳排放，即受災(zāi)情況和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)在一定程度上促進(jìn)了農(nóng)業(yè)碳排放。

3.2.3 本地效應(yīng)與空間溢出效應(yīng)分解 由表5 可以看出，經(jīng)濟(jì)增長、消費(fèi)能力、技術(shù)進(jìn)步、財(cái)政支持和產(chǎn)業(yè)結(jié)構(gòu)的直接效應(yīng)均通過10%水平的顯著性檢驗(yàn)，且經(jīng)濟(jì)增長、消費(fèi)能力和技術(shù)進(jìn)步對(duì)該地區(qū)農(nóng)業(yè)碳排放強(qiáng)度影響顯著為負(fù)。在間接效應(yīng)下，經(jīng)濟(jì)增長、消費(fèi)能力和產(chǎn)業(yè)結(jié)構(gòu)均通過5%水平的顯著性檢驗(yàn)。發(fā)展當(dāng)?shù)氐慕?jīng)濟(jì)會(huì)一定程度上增加地區(qū)外的農(nóng)業(yè)碳排放，即相鄰地區(qū)經(jīng)濟(jì)增長對(duì)農(nóng)業(yè)碳排放強(qiáng)度有一定的溢出效應(yīng)。從總效應(yīng)結(jié)果來看，經(jīng)濟(jì)增長區(qū)域內(nèi)的直接效應(yīng)大于區(qū)域間的間接效應(yīng)，總體對(duì)農(nóng)業(yè)碳排放有一定的抑制作用。消費(fèi)能力分解結(jié)果顯示，消費(fèi)能力提高會(huì)對(duì)區(qū)域間農(nóng)業(yè)碳排放強(qiáng)度起負(fù)向作用，即抑制相鄰地區(qū)的農(nóng)業(yè)碳排放量，提高消費(fèi)能力可以鼓勵(lì)農(nóng)民選擇更為環(huán)保的生產(chǎn)手段，在鄰近地區(qū)發(fā)揮示范作用，從而遏制鄰近地區(qū)農(nóng)業(yè)污染排放。產(chǎn)業(yè)結(jié)構(gòu)的間接效應(yīng)結(jié)果顯示，當(dāng)?shù)禺a(chǎn)業(yè)結(jié)構(gòu)中農(nóng)業(yè)所占比重越高，對(duì)鄰近地區(qū)農(nóng)業(yè)碳排放強(qiáng)度負(fù)向影響就越大。但總效應(yīng)結(jié)果顯示，農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)促進(jìn)農(nóng)業(yè)碳排放，可能的原因是第一產(chǎn)業(yè)所占比重越高，農(nóng)用物資投入就越高，農(nóng)業(yè)生產(chǎn)過程中不可避免地排放出更多溫室氣體。

表5 農(nóng)業(yè)經(jīng)濟(jì)增長對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響分解效應(yīng)

4 小結(jié)與政策建議

4.1 小結(jié)

1）空間相關(guān)性檢驗(yàn)。農(nóng)業(yè)碳排放強(qiáng)度和人均農(nóng)業(yè)生產(chǎn)總值表征的經(jīng)濟(jì)增長指標(biāo)呈H-H 集聚和LL 集聚。全局莫蘭指數(shù)結(jié)果顯示，各省份間空間自相關(guān)程度不斷增強(qiáng)，且農(nóng)業(yè)碳排放強(qiáng)度和經(jīng)濟(jì)增長指標(biāo)在2007—2020 年呈現(xiàn)“高-高”和“低-低”空間集聚類型的省份數(shù)量明顯增加，以東部地區(qū)和經(jīng)濟(jì)發(fā)達(dá)地區(qū)為主導(dǎo)，表現(xiàn)出兩極分化，且各地區(qū)經(jīng)濟(jì)活動(dòng)存在外部性（溢出效應(yīng)）。

2）農(nóng)業(yè)機(jī)械投入強(qiáng)度表征農(nóng)業(yè)現(xiàn)代化水平與農(nóng)業(yè)碳排放強(qiáng)度呈正相關(guān)，農(nóng)用機(jī)械柴油使用量的增加促進(jìn)了農(nóng)業(yè)碳排放。此外，中國農(nóng)業(yè)機(jī)械的大部分活動(dòng)集中在播種和收獲階段，其他階段還無法大規(guī)模使用農(nóng)業(yè)機(jī)械，即無法較為顯著地提高農(nóng)用資源的利用效率。某地區(qū)農(nóng)業(yè)生產(chǎn)總值/國內(nèi)生產(chǎn)總值表征農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)與農(nóng)業(yè)碳排放強(qiáng)度也呈正相關(guān)，農(nóng)業(yè)生產(chǎn)總值所占比重高的地區(qū)需要更多的化肥、農(nóng)藥和塑料薄膜的投入，這些都是農(nóng)用資源投入中碳排放的主要來源。因而種植業(yè)所占比重越高，對(duì)農(nóng)業(yè)生產(chǎn)環(huán)境污染水平越高。

3）分解空間杜賓模型結(jié)果顯示，直接效應(yīng)中經(jīng)濟(jì)增長、消費(fèi)能力和技術(shù)進(jìn)步有利于減少當(dāng)?shù)剞r(nóng)業(yè)碳排放強(qiáng)度，農(nóng)業(yè)現(xiàn)代化水平、財(cái)政支持、受災(zāi)情況和產(chǎn)業(yè)結(jié)構(gòu)可以促進(jìn)當(dāng)?shù)剞r(nóng)業(yè)碳排放，即加劇了區(qū)域內(nèi)的環(huán)境污染。各效應(yīng)中，不同影響指標(biāo)對(duì)農(nóng)業(yè)碳排放強(qiáng)度促進(jìn)方向并不一致，應(yīng)該注意分解效應(yīng)中影響效果更顯著的一方。

4.2 政策建議

1）加強(qiáng)區(qū)域交流，統(tǒng)籌區(qū)域協(xié)調(diào)發(fā)展。鄰近經(jīng)濟(jì)發(fā)達(dá)地區(qū)發(fā)揮好示范作用，農(nóng)業(yè)經(jīng)濟(jì)的增長與農(nóng)業(yè)碳排放強(qiáng)度的空間莫蘭指數(shù)檢驗(yàn)結(jié)果顯示，二者均存在空間溢出效應(yīng)，增強(qiáng)農(nóng)業(yè)技術(shù)空間溢出效應(yīng)，帶動(dòng)全國整體減排，加大農(nóng)業(yè)科研投入力度，加快農(nóng)業(yè)技術(shù)轉(zhuǎn)化效率，引導(dǎo)農(nóng)業(yè)資源的優(yōu)化配置，防止壟斷市場產(chǎn)生，防范技術(shù)進(jìn)步可能帶來的兩極分化。

2）加大農(nóng)業(yè)科技投資。推動(dòng)農(nóng)業(yè)可降解塑料在農(nóng)業(yè)公司、小農(nóng)戶中的使用，減少塑料等對(duì)土壤的污染；加大研發(fā)農(nóng)業(yè)機(jī)械使用新能源的投入力度，增加農(nóng)業(yè)機(jī)械設(shè)備在農(nóng)業(yè)生產(chǎn)過程中的使用環(huán)節(jié)，提高化肥、農(nóng)藥等農(nóng)用資源的使用效率，從源頭上減少農(nóng)業(yè)碳源的排放。

3）利用空間相互作用，例如省域之間的商品、人口、勞動(dòng)力、資金技術(shù)等相互傳輸?shù)倪^程，其對(duì)區(qū)域間經(jīng)濟(jì)建設(shè)有很大的影響。一方面能加強(qiáng)區(qū)域間的聯(lián)系，獲取更多的發(fā)展空間；另一方面在降低農(nóng)業(yè)的碳強(qiáng)度方面發(fā)揮重要作用，對(duì)小農(nóng)戶的農(nóng)業(yè)生產(chǎn)行為產(chǎn)生足夠的影響，建立激勵(lì)機(jī)制推動(dòng)農(nóng)業(yè)綠色生產(chǎn)行為。