孟慶雷，殷宇翔，王煜昊

我國(guó)農(nóng)業(yè)碳排放的時(shí)空演化、脫鉤效應(yīng)及績(jī)效評(píng)估

孟慶雷，殷宇翔，王煜昊

中南民族大學(xué)經(jīng)濟(jì)學(xué)院，武漢 430074

【目的】科學(xué)分析我國(guó)農(nóng)業(yè)碳排放的時(shí)序特征、空間格局、演變模式、脫鉤關(guān)系和績(jī)效評(píng)估等問(wèn)題，為助力我國(guó)實(shí)現(xiàn)“雙碳”目標(biāo)、加強(qiáng)建設(shè)農(nóng)業(yè)強(qiáng)國(guó)提供依據(jù)?！痉椒ā繕?gòu)建我國(guó)農(nóng)業(yè)碳排放和農(nóng)業(yè)碳排放績(jī)效評(píng)估的指標(biāo)體系，基于2007—2020年我國(guó)省域農(nóng)業(yè)碳排放的系統(tǒng)測(cè)度指數(shù)，采用核密度估計(jì)和標(biāo)準(zhǔn)化橢圓可視化分析農(nóng)業(yè)碳排放的區(qū)域分布特征和時(shí)空演化趨勢(shì)，選用Tapio模型考察農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長(zhǎng)之間的脫鉤關(guān)系，構(gòu)建非期望產(chǎn)出的超效率SBM模型報(bào)告我國(guó)和七大經(jīng)濟(jì)區(qū)的農(nóng)業(yè)碳排放績(jī)效及分解效率?！窘Y(jié)果】2007—2020年，我國(guó)農(nóng)業(yè)碳排放整體呈現(xiàn)先上升后下降的“倒U型”曲線，區(qū)位差異明顯，等級(jí)分布穩(wěn)定。東部地區(qū)減排效果最優(yōu)，中部地區(qū)出現(xiàn)“兩極化”分布，西部地區(qū)減排壓力較大?？臻g格局整體以東北-西南方向?yàn)橹鲗?dǎo)，并向東北和西北方向趨向分散化。我國(guó)農(nóng)業(yè)碳排放和農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間已保持在弱脫鉤水平并向強(qiáng)脫鉤水平突破，可劃分為平穩(wěn)期（2007—2016年）和突破期（2017—2020年）兩個(gè)階段。農(nóng)業(yè)碳排放績(jī)效呈現(xiàn)出“迅速上升-緩慢下降-平穩(wěn)改善”趨勢(shì)，其中大西北經(jīng)濟(jì)區(qū)和北部沿海經(jīng)濟(jì)區(qū)分別居于首位和末位，農(nóng)業(yè)生產(chǎn)技術(shù)變化（TC）相較于技術(shù)效率變化（EC）貢獻(xiàn)更為突出?！窘Y(jié)論】以2017年為拐點(diǎn)，我國(guó)農(nóng)業(yè)碳排放整體呈現(xiàn)下降趨勢(shì)，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展整體上逐漸擺脫對(duì)農(nóng)業(yè)碳排放的依賴。各區(qū)塊與各省份農(nóng)業(yè)基礎(chǔ)各異、減排目標(biāo)不同，需因地制宜合理規(guī)劃農(nóng)業(yè)比較優(yōu)勢(shì)產(chǎn)業(yè)的規(guī)模和內(nèi)部結(jié)構(gòu)，合理選擇區(qū)域內(nèi)產(chǎn)業(yè)的資源稟賦生產(chǎn)特征，同時(shí)重視技術(shù)迭代與更新在農(nóng)業(yè)經(jīng)濟(jì)發(fā)展與節(jié)能減排之中的推動(dòng)作用，兼顧地區(qū)生態(tài)效益與經(jīng)濟(jì)效益。

農(nóng)業(yè)碳排放；時(shí)空演化；脫鉤效應(yīng)；績(jī)效評(píng)估

0 引言

【研究意義】我國(guó)農(nóng)業(yè)經(jīng)濟(jì)近年來(lái)發(fā)展迅速，不斷加快從農(nóng)業(yè)大國(guó)向農(nóng)業(yè)強(qiáng)國(guó)邁進(jìn)的步伐。2021年，我國(guó)農(nóng)業(yè)及其相關(guān)產(chǎn)業(yè)增加值為18 400億元，對(duì)GDP貢獻(xiàn)率達(dá)到16.05%[1]，農(nóng)業(yè)科技進(jìn)步貢獻(xiàn)率為61.50%，相較于10年前提升12.84%[2]。在加強(qiáng)農(nóng)業(yè)強(qiáng)國(guó)建設(shè)、推進(jìn)農(nóng)業(yè)農(nóng)村現(xiàn)代化的進(jìn)程中面臨著許多風(fēng)險(xiǎn)挑戰(zhàn)。其中，全球性氣候變暖對(duì)于生態(tài)系統(tǒng)和環(huán)境安全的威脅愈演愈烈，農(nóng)業(yè)碳排放作為溫室氣體產(chǎn)生的重要來(lái)源引發(fā)廣泛關(guān)注，探索一條立足我國(guó)國(guó)情、符合我國(guó)實(shí)際的農(nóng)業(yè)低碳減排道路十分必要。農(nóng)業(yè)碳排放是指農(nóng)業(yè)生產(chǎn)過(guò)程中排放的溫室氣體，包括二氧化碳、甲烷、氧化亞氮等，占到全球溫室氣體排放量的1/5。2022年我國(guó)生態(tài)環(huán)境部等七部門(mén)聯(lián)合印發(fā)《減污降碳協(xié)同增效實(shí)施方案》，強(qiáng)調(diào)應(yīng)優(yōu)化環(huán)境治理，一體推進(jìn)重點(diǎn)行業(yè)大氣污染深度治理與節(jié)能降碳行動(dòng)[3]，在種植業(yè)、畜牧業(yè)、漁業(yè)、農(nóng)機(jī)等多個(gè)領(lǐng)域積極開(kāi)展節(jié)能減排活動(dòng)。由此，近年來(lái)我國(guó)為應(yīng)對(duì)氣候變化，積極落實(shí)強(qiáng)化“雙碳”自主貢獻(xiàn)目標(biāo)，在推進(jìn)社會(huì)經(jīng)濟(jì)綠色轉(zhuǎn)型中成果斐然。2021年，我國(guó)單位GDP二氧化碳排放強(qiáng)度相較于2005年下降了50.8%，其中農(nóng)業(yè)碳排放占比總量約為17%。但農(nóng)業(yè)生產(chǎn)規(guī)模擴(kuò)大的同時(shí)，不可避免地導(dǎo)致農(nóng)用能源強(qiáng)度增強(qiáng)、農(nóng)業(yè)公共投資提升、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)變化，農(nóng)業(yè)碳排放問(wèn)題依然面臨嚴(yán)峻挑戰(zhàn)?！丁笆奈濉蓖七M(jìn)農(nóng)業(yè)農(nóng)村現(xiàn)代化規(guī)劃》指出，要以綠色發(fā)展引領(lǐng)鄉(xiāng)村振興，推進(jìn)農(nóng)村生產(chǎn)生活方式綠色低碳轉(zhuǎn)型，實(shí)現(xiàn)資源利用更加高效、產(chǎn)地環(huán)境更加清潔、生態(tài)系統(tǒng)更加穩(wěn)定[4]，這對(duì)于解決農(nóng)業(yè)碳排放等環(huán)境污染問(wèn)題具有指導(dǎo)意義?！厩叭搜芯窟M(jìn)展】農(nóng)業(yè)碳排放是全球長(zhǎng)期普遍關(guān)注的焦點(diǎn)問(wèn)題。關(guān)于農(nóng)業(yè)碳排放的內(nèi)涵與測(cè)算，國(guó)外學(xué)者起步較早，WEST等[5]早期從農(nóng)用物資投入和農(nóng)業(yè)灌溉培育等方面構(gòu)建農(nóng)業(yè)碳排放的測(cè)算指標(biāo)體系。隨著我國(guó)積極參與全球性氣候治理，國(guó)內(nèi)學(xué)者近年來(lái)對(duì)農(nóng)業(yè)碳排放的研究頗有進(jìn)展。從“溫室氣體排放”[6]，到“農(nóng)業(yè)碳排放”的正式提出[7]，學(xué)者們聚焦于農(nóng)地利用[8]、畜禽養(yǎng)殖[9]、漁業(yè)生產(chǎn)[10]等方面進(jìn)行考察和測(cè)算，發(fā)現(xiàn)農(nóng)業(yè)碳排放量在我國(guó)呈現(xiàn)遞增趨勢(shì)，區(qū)域差異顯著，兩極分化明顯。此外，針對(duì)碳排放的不平等測(cè)量和各國(guó)減排政策的公平性問(wèn)題，國(guó)外學(xué)者引入了洛倫茲曲線和基尼系數(shù)[11]。同時(shí)，學(xué)者們也對(duì)農(nóng)業(yè)碳排放進(jìn)行了全面測(cè)算，田云等[12]認(rèn)為農(nóng)業(yè)碳排放應(yīng)以農(nóng)業(yè)物質(zhì)投入為切入點(diǎn)并選取對(duì)應(yīng)的碳排放系數(shù)來(lái)進(jìn)行測(cè)算，閔繼勝等[13]基于此又引入了種植業(yè)和畜牧業(yè)，并強(qiáng)調(diào)了不同地區(qū)的區(qū)域性差異，戴小文[14]則通過(guò)核算完全碳排放系數(shù)對(duì)我國(guó)農(nóng)業(yè)隱含碳排放進(jìn)行研究。隨著農(nóng)業(yè)碳排放測(cè)算方式不斷完善，其空間分布和動(dòng)態(tài)演進(jìn)引起廣泛關(guān)注，章勝勇等[15]運(yùn)用空間和非參數(shù)估計(jì)方法，發(fā)現(xiàn)我國(guó)農(nóng)業(yè)碳排放量呈現(xiàn)“中心-外圍”的分布形式，田云等[16]通過(guò)對(duì)我國(guó)農(nóng)業(yè)碳排放的再測(cè)算，發(fā)現(xiàn)其動(dòng)態(tài)演進(jìn)在糧食主產(chǎn)區(qū)、產(chǎn)銷平衡區(qū)和糧食主銷區(qū)表現(xiàn)出不同的特征。目前，伴隨著對(duì)“低碳農(nóng)業(yè)”關(guān)注度的提高，農(nóng)業(yè)碳排放績(jī)效也成為學(xué)術(shù)界關(guān)注的重點(diǎn)問(wèn)題。目前對(duì)農(nóng)業(yè)碳排放績(jī)效的測(cè)度指標(biāo)選取主要有兩種觀點(diǎn)，一種觀點(diǎn)基于單要素視角考慮將農(nóng)業(yè)碳排放核算量與其他單一要素比值作為衡量指標(biāo)，如農(nóng)業(yè)碳排放強(qiáng)度[17]、人均二氧化碳排放量等[18]；另一種觀點(diǎn)則基于全要素視角，將農(nóng)業(yè)生產(chǎn)活動(dòng)中的各種投入要素的協(xié)同作用及相互替代性綜合考慮來(lái)構(gòu)建衡量指標(biāo)[19]，如邵帥等[20]以勞動(dòng)力、能源消費(fèi)、資本投資等作為投入，以GDP等作為期望產(chǎn)出，碳排放量作為非期望產(chǎn)出，對(duì)我國(guó)碳排放績(jī)效進(jìn)行全要素評(píng)價(jià)。隨著研究的不斷深入，傳統(tǒng)的DEA模型難以滿足對(duì)非期望產(chǎn)出進(jìn)行考量、解決投入產(chǎn)出變量存有松弛性問(wèn)題等的需求，學(xué)者們引入DEA-Malmquist指數(shù)[21]、超效率slacks-based measure（SBM）模型[22]等來(lái)精確對(duì)碳排放績(jī)效的測(cè)算?！颈狙芯壳腥朦c(diǎn)】2007—2020年我國(guó)整體及省域的農(nóng)業(yè)碳排放呈現(xiàn)出怎樣的時(shí)空演化特征，農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長(zhǎng)的協(xié)調(diào)發(fā)展之間呈現(xiàn)出何種脫鉤關(guān)系，如何評(píng)估我國(guó)農(nóng)業(yè)碳排放的績(jī)效特征和發(fā)展趨勢(shì)？與關(guān)于我國(guó)農(nóng)業(yè)碳排放的已有研究相比，本文一是研究視角不僅局限于宏觀層面，而是拓展至全國(guó)三大區(qū)域和七大經(jīng)濟(jì)區(qū)的時(shí)空異質(zhì)性；二是除農(nóng)業(yè)碳排放的動(dòng)態(tài)演化特征外，進(jìn)一步探討農(nóng)業(yè)碳排放的脫鉤效應(yīng)和績(jī)效特征，豐富了研究?jī)?nèi)容；三是使用Kernel密度估計(jì)、Tapio模型、非期望產(chǎn)出的超效率的SBM模型等研究方法，力求全面立體地推廣農(nóng)業(yè)碳減排發(fā)展機(jī)制，滿足我國(guó)農(nóng)業(yè)經(jīng)濟(jì)可持續(xù)發(fā)展的需要?！緮M解決的關(guān)鍵問(wèn)題】本文聚焦于我國(guó)31個(gè)省市自治區(qū)，關(guān)注“雙碳”背景下我國(guó)綠色農(nóng)業(yè)發(fā)展現(xiàn)狀，從農(nóng)用物資、農(nóng)業(yè)灌溉、農(nóng)業(yè)種植、畜牧養(yǎng)殖和農(nóng)業(yè)能源消耗5個(gè)維度構(gòu)建農(nóng)業(yè)碳排放指標(biāo)體系，從投入、期望產(chǎn)出和非期望產(chǎn)出3個(gè)維度分析農(nóng)業(yè)碳排放績(jī)效評(píng)估體系，核算農(nóng)業(yè)碳排放、核密度指數(shù)、脫鉤彈性、農(nóng)業(yè)碳排放績(jī)效及其分解效率等關(guān)鍵數(shù)據(jù)要素，使用Matlab、Python、Geoda、Arcgis、Stata等軟件，探討2007—2020年我國(guó)整體和分區(qū)域農(nóng)業(yè)碳排放的時(shí)空特征、脫鉤效應(yīng)及績(jī)效特征，包括多維度評(píng)價(jià)其演化趨勢(shì)、對(duì)標(biāo)與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系、分解農(nóng)業(yè)碳排放效率源泉，力求為促進(jìn)我國(guó)農(nóng)業(yè)經(jīng)濟(jì)區(qū)域協(xié)調(diào)發(fā)展、實(shí)現(xiàn)綠色節(jié)能減排目標(biāo)、推動(dòng)農(nóng)業(yè)高質(zhì)量發(fā)展建設(shè)做出貢獻(xiàn)。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 研究方法

1.1.1 農(nóng)業(yè)碳排放的測(cè)度方法 農(nóng)業(yè)碳排放類別豐富，碳源多樣，測(cè)算相對(duì)復(fù)雜。本文參考田云等[12]、李波等[7]對(duì)于我國(guó)農(nóng)業(yè)碳排放的測(cè)算方法，聚集農(nóng)業(yè)生產(chǎn)消費(fèi)過(guò)程中直接產(chǎn)生的碳排放，構(gòu)建指標(biāo)體系，根據(jù)數(shù)據(jù)的可獲得性，為了保持樣本數(shù)據(jù)的相對(duì)完整性，核算2007—2020年我國(guó)省際農(nóng)業(yè)碳排放總量（表1）。具體類別包括：一是農(nóng)用物資帶來(lái)的碳排放，形成于化肥、農(nóng)藥、農(nóng)膜和農(nóng)業(yè)機(jī)械的生產(chǎn)和使用過(guò)程；二是農(nóng)業(yè)灌溉中水資源利用這一重要碳源；三是在農(nóng)業(yè)種植類別下，稻谷種植和復(fù)種導(dǎo)致的氧化亞氮等物質(zhì)排放；四是考察畜牧養(yǎng)殖中豬、羊、牛三大主要養(yǎng)殖牲畜引起的甲烷排放，并參考王方怡等[23]學(xué)者的方法根據(jù)豬、羊、牛年末存欄數(shù)和出欄數(shù)對(duì)牲畜數(shù)量進(jìn)行修正，對(duì)于當(dāng)年出欄率（出欄數(shù)/年末存欄數(shù)）大于1的牲畜，飼養(yǎng)量以當(dāng)年出欄數(shù)除以365，再乘以其生產(chǎn)周期來(lái)估算，而出欄率小于1的牲畜，則用年末存欄數(shù)來(lái)表示；五是農(nóng)業(yè)能源消耗，主要考慮煤炭、汽油、柴油和電力, 其他種類的能源對(duì)碳排放影響很小, 因此不納入本研究的碳排放總量的測(cè)算中。具體計(jì)算公式表示為：

式中，為農(nóng)業(yè)碳排放總量，c為各類具體碳源，θ為碳排放系數(shù)，為碳源數(shù)量。

1.1.2 農(nóng)業(yè)碳排放時(shí)空演化測(cè)度方法 從時(shí)空異質(zhì)性的動(dòng)態(tài)視角出發(fā)，探究我國(guó)省際農(nóng)業(yè)碳排放水平的演變過(guò)程，有助于及時(shí)了解時(shí)序變化趨勢(shì)，準(zhǔn)確把握區(qū)域分布特征，為實(shí)現(xiàn)“雙碳”目標(biāo)提供科學(xué)精準(zhǔn)的因地制宜方案。時(shí)間層面上，觀測(cè)我國(guó)農(nóng)業(yè)碳排放總量的整體變化趨勢(shì)，根據(jù)國(guó)家統(tǒng)計(jì)局對(duì)我國(guó)東部（北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南）、中部（山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南）和西部（內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆）地區(qū)三大板塊進(jìn)行省際劃分，計(jì)算2007—2020年三大區(qū)塊的農(nóng)業(yè)碳排放省域平均值，進(jìn)行橫向和縱向兩維比較分析，分別從全國(guó)整體層面和區(qū)塊層面識(shí)別碳排放總體數(shù)值的變化規(guī)律和相對(duì)差異。

表1 農(nóng)業(yè)碳排放指標(biāo)體系

出于更好識(shí)別各個(gè)區(qū)塊內(nèi)部以及全國(guó)各省份絕對(duì)差異的需要，進(jìn)一步使用Matlab軟件繪制全國(guó)及東、中、西部農(nóng)業(yè)碳排放三維Kernel密度圖，描繪農(nóng)業(yè)碳排放的分布形態(tài)、位置、峰值和延展性特征。Kernel密度估計(jì)通過(guò)對(duì)隨機(jī)變量的概率密度進(jìn)行估計(jì)，使用連續(xù)密度曲線刻畫(huà)隨機(jī)變量的動(dòng)態(tài)演變形態(tài)，假定隨機(jī)變量的密度函數(shù)為：

式中，為觀測(cè)值的個(gè)數(shù)，X表示觀測(cè)值，是平均值，(·)代表Kernel密度，是一種平滑轉(zhuǎn)換函數(shù)或加權(quán)函數(shù)，根據(jù)不同表達(dá)形式可分為高斯核、三角核、四次核和Epanechnikov核等多種類型。表示帶寬，其與樣本量的關(guān)系為：

本文選擇高斯核函數(shù)對(duì)農(nóng)業(yè)碳排放水平的分布進(jìn)行動(dòng)態(tài)估計(jì)：

出于詳細(xì)刻畫(huà)各省農(nóng)業(yè)碳排放空間格局上分布特征的需要，考慮到省域碳排放量差距較大，本文采用自然斷點(diǎn)法進(jìn)行等級(jí)劃分，識(shí)別分類間隔，對(duì)相似值進(jìn)行分組處理，將我國(guó)農(nóng)業(yè)碳排放水平由低至高依次分為低排放、中低排放、中等排放、中高排放、高排放5個(gè)等級(jí)，選取2007、2013和2020年3個(gè)年份，使用Geoda軟件繪制我國(guó)31個(gè)省市自治區(qū)農(nóng)業(yè)碳排放空間等級(jí)分布圖，分析其空間等級(jí)差異和演變規(guī)律，檢測(cè)“雙碳”理念的實(shí)際成效和區(qū)域障礙。并通過(guò)Arcgis軟件繪制農(nóng)業(yè)碳排放的標(biāo)準(zhǔn)差橢圓以及重心轉(zhuǎn)移軌跡圖，根據(jù)標(biāo)準(zhǔn)差橢圓的中心、長(zhǎng)軸、短軸、旋轉(zhuǎn)角、面積等特征值定量識(shí)別我國(guó)農(nóng)業(yè)碳排放的空間離散趨勢(shì)與變化方向。

1.1.3 農(nóng)業(yè)碳排放脫鉤效應(yīng)測(cè)度方法 經(jīng)濟(jì)合作與發(fā)展組織（以下簡(jiǎn)稱OECD）于2002年提出了脫鉤理論并被廣泛應(yīng)用于經(jīng)濟(jì)增長(zhǎng)與環(huán)境之間的關(guān)系研究中[27]。在目前的相關(guān)研究領(lǐng)域中，主要分為兩種脫鉤評(píng)價(jià)指標(biāo)。

（1）OECD脫鉤因子模型。當(dāng)經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染之間變化速度不同步，或是二者之間的關(guān)聯(lián)被阻斷，就稱其為脫鉤。OECD認(rèn)為脫鉤可分為絕對(duì)脫鉤和相對(duì)脫鉤，當(dāng)能源消耗增速為正且低于經(jīng)濟(jì)增長(zhǎng)速率時(shí)，稱為相對(duì)脫鉤；當(dāng)能源消耗增速為零或是負(fù)增長(zhǎng)，且處于經(jīng)濟(jì)增長(zhǎng)的情況下，此時(shí)形成了一種高效率的經(jīng)濟(jì)增長(zhǎng)模式[28]，稱為絕對(duì)脫鉤。測(cè)算公式如下：

式中，為脫鉤指數(shù)，為環(huán)境負(fù)荷指標(biāo)值，為經(jīng)濟(jì)驅(qū)動(dòng)力指標(biāo)。

采用OECD脫鉤模型，以報(bào)告期和基期數(shù)據(jù)來(lái)進(jìn)行測(cè)算，根據(jù)王崇梅[29]、李期等[30]關(guān)于能源消耗與經(jīng)濟(jì)增長(zhǎng)脫鉤分析中的脫鉤指數(shù)所描述的脫鉤條件，構(gòu)建如下脫鉤模型：

式中，D表示第年的脫鉤指數(shù)，C表示第年的農(nóng)業(yè)碳排放指數(shù)，AGRI表示第年的農(nóng)業(yè)總產(chǎn)值增長(zhǎng)指數(shù)。脫鉤指數(shù)的意義可理解為：當(dāng)≥1時(shí)，說(shuō)明農(nóng)業(yè)碳排放量增速與農(nóng)業(yè)經(jīng)濟(jì)增速同步，或快于經(jīng)濟(jì)增速，此時(shí)稱其沒(méi)有發(fā)生脫鉤，或成為絕對(duì)掛鉤；當(dāng)0＜＜1時(shí)，說(shuō)明農(nóng)業(yè)碳排放量增速慢于農(nóng)業(yè)經(jīng)濟(jì)增速，此時(shí)稱其為相對(duì)脫鉤；當(dāng)=0時(shí)，說(shuō)明農(nóng)業(yè)碳排放量不變，但仍可維持農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)，即在農(nóng)業(yè)經(jīng)濟(jì)持續(xù)增長(zhǎng)的情況下，農(nóng)業(yè)碳排放量不增加。

為了剔除農(nóng)業(yè)總產(chǎn)值與農(nóng)業(yè)碳排放的單位及數(shù)量級(jí)不同所帶來(lái)的影響，本文將農(nóng)業(yè)總產(chǎn)值與農(nóng)業(yè)碳排放數(shù)據(jù)采用無(wú)量綱化處量，來(lái)更好的分析我國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)之間的脫鉤關(guān)系。以2007年為基期，計(jì)算公式如下：

（2）Tapio模型。在OECD脫鉤模型的不斷發(fā)展下，為了解決其在基期選擇上面臨的難題，Tapio脫鉤模型隨之產(chǎn)生，成為當(dāng)前研究經(jīng)濟(jì)脫鉤關(guān)系最主要的方法。它引入“彈性”這一概念，使得變量之間的脫鉤關(guān)系得以動(dòng)態(tài)顯現(xiàn)。所謂脫鉤彈性，即為反映經(jīng)濟(jì)發(fā)展變化幅度對(duì)二氧化碳排放變化影響程度的比值，體現(xiàn)二氧化碳排放變動(dòng)對(duì)經(jīng)濟(jì)發(fā)展變化情況的敏感度[31]，測(cè)算公式如下：

式中，為脫鉤指數(shù)，為環(huán)境負(fù)荷指標(biāo)值，為經(jīng)濟(jì)驅(qū)動(dòng)力指標(biāo)。根據(jù)測(cè)算所得彈性值的差異，可細(xì)分為弱脫鉤、強(qiáng)脫鉤、弱負(fù)脫鉤、強(qiáng)負(fù)脫鉤、擴(kuò)張負(fù)脫鉤、擴(kuò)張連接、衰退脫鉤與衰退連接（表2）。

相比于OECD脫鉤模型，Tapio模型對(duì)于環(huán)境負(fù)荷和經(jīng)濟(jì)驅(qū)動(dòng)力的測(cè)算組合較為合理，且能夠反映碳排放對(duì)經(jīng)濟(jì)增長(zhǎng)敏感度的變動(dòng)[32]，根據(jù)徐玥等[33]學(xué)者的相關(guān)研究，構(gòu)建如下脫鉤模型：

式中，為脫鉤彈性，為農(nóng)業(yè)碳排放，為農(nóng)業(yè)總產(chǎn)值。

表2 Tapio 8個(gè)等級(jí)與彈性值劃分[34]

1.1.4 農(nóng)業(yè)碳排放績(jī)效評(píng)估的測(cè)度方法 農(nóng)業(yè)碳排放績(jī)效是衡量農(nóng)業(yè)生產(chǎn)效率和協(xié)調(diào)性的重要指標(biāo)，本文將農(nóng)業(yè)碳排放視作非期望產(chǎn)出，測(cè)算全局DEA的全要素生產(chǎn)率指數(shù)進(jìn)行評(píng)估。構(gòu)建農(nóng)業(yè)碳排放績(jī)效評(píng)估體系時(shí)，同時(shí)包括農(nóng)業(yè)生產(chǎn)消費(fèi)的投入和產(chǎn)出過(guò)程（表3）。一是投入指標(biāo)，主要包括勞動(dòng)力要素、資本要素和土地要素，分別采用第一產(chǎn)業(yè)就業(yè)人員數(shù)、第一產(chǎn)業(yè)固定資產(chǎn)投資額和農(nóng)作物總播種面積來(lái)衡量，此外還有其他要素，包括農(nóng)藥使用量、農(nóng)用薄膜使用量和農(nóng)業(yè)機(jī)械總動(dòng)力。二是期望產(chǎn)出指標(biāo)，選取農(nóng)業(yè)總產(chǎn)值衡量總產(chǎn)出情況，同時(shí)以2007年為基年，采用CPI（居民消費(fèi)價(jià)格指數(shù)），對(duì)農(nóng)業(yè)總產(chǎn)值作了不變價(jià)處理。三是非期望產(chǎn)出指標(biāo)，使用農(nóng)業(yè)碳排放評(píng)價(jià)農(nóng)業(yè)生產(chǎn)投入中的非期望消耗。

表3 農(nóng)業(yè)碳排放績(jī)效評(píng)估體系

本文借鑒SHESTALOVA[35]，程開(kāi)明等[36]關(guān)于數(shù)據(jù)包絡(luò)分析（簡(jiǎn)稱DEA）的全要素生產(chǎn)率指數(shù)測(cè)定的梳理，使用Malmquist-Luenberger生產(chǎn)率指數(shù)（簡(jiǎn)稱ML指數(shù)）。ML指數(shù)以1為分界線，該數(shù)值大于1說(shuō)明農(nóng)業(yè)碳排放績(jī)效上升，反之下降。具體而言，基于非期望產(chǎn)出的超效率SBM模型，構(gòu)建從年到+1年的方向性距離函數(shù)測(cè)度農(nóng)業(yè)碳排放績(jī)效（AMCPI），使用、、、分別表示資本要素、勞動(dòng)力要素、期望產(chǎn)出和非期望產(chǎn)出，測(cè)度公式如下：

根據(jù)上式分解結(jié)果，農(nóng)業(yè)碳排放績(jī)效（）包含農(nóng)業(yè)技術(shù)效率變化（）和農(nóng)業(yè)生產(chǎn)技術(shù)變化（），前者指在一定的技術(shù)水平下，協(xié)調(diào)整合農(nóng)業(yè)生產(chǎn)資源以實(shí)現(xiàn)經(jīng)濟(jì)效用最大化的能力，>1表明效率提升，反之減弱。后者則是農(nóng)業(yè)生產(chǎn)技術(shù)進(jìn)步帶來(lái)的產(chǎn)出增加和利潤(rùn)增加，>1表明農(nóng)業(yè)技術(shù)作用效果優(yōu)異，反之不佳。

1.2 數(shù)據(jù)來(lái)源

本文集中于2007—2020年我國(guó)省域農(nóng)業(yè)碳排放的時(shí)空演化、脫鉤效應(yīng)和績(jī)效評(píng)估，考察我國(guó)31個(gè)省、市、自治區(qū)的區(qū)域特征和差異。農(nóng)業(yè)碳排放數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)業(yè)年鑒》《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》等，同時(shí)充分參考了美國(guó)橡樹(shù)嶺國(guó)家實(shí)驗(yàn)室、南京農(nóng)業(yè)大學(xué)農(nóng)業(yè)資源與生態(tài)環(huán)境研究所、聯(lián)合國(guó)政府間氣候變化專門(mén)委員會(huì)等機(jī)構(gòu)和學(xué)者對(duì)于碳排放系數(shù)的界定。農(nóng)業(yè)碳排放績(jī)效評(píng)估體系的基礎(chǔ)數(shù)據(jù)則主要來(lái)源于中國(guó)農(nóng)業(yè)農(nóng)村部、國(guó)家林業(yè)局、水利部、中國(guó)氣象局、中國(guó)海關(guān)等官方網(wǎng)站。同時(shí)，文中使用我國(guó)省際行政區(qū)域劃分的shp地圖形式，來(lái)源于中華人民共和國(guó)自然資源部。

2 結(jié)果

2.1 我國(guó)農(nóng)業(yè)碳排放的時(shí)空演化

本文計(jì)算2007—2020年我國(guó)31個(gè)省、市、自治區(qū)農(nóng)業(yè)碳排放的測(cè)算結(jié)果，繪制如圖1所示的變化曲線。整體而言，我國(guó)農(nóng)業(yè)碳排放總量呈現(xiàn)為先上升后下降的“倒U型”曲線，契合低碳經(jīng)濟(jì)背景下環(huán)境庫(kù)茲涅茨曲線[37]。碳排放由增向減趨勢(shì)的拐點(diǎn)出現(xiàn)于2017年，2017年前，農(nóng)業(yè)碳排放增速已表現(xiàn)出放緩態(tài)勢(shì)，并于之后實(shí)現(xiàn)了碳排放的下降，至2020年時(shí)農(nóng)產(chǎn)品碳排放總量恢復(fù)至2013年前的水平。事實(shí)上，自2015年我國(guó)農(nóng)業(yè)大力推行“減肥減藥”政策以來(lái)，農(nóng)業(yè)發(fā)展方式開(kāi)始加速轉(zhuǎn)型。但不同省域產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、清潔能源開(kāi)發(fā)、發(fā)展方式轉(zhuǎn)變等節(jié)能減排措施的實(shí)施力度不同，省域之間農(nóng)業(yè)碳排放強(qiáng)度差異不斷擴(kuò)大[38]，需進(jìn)一步考察各區(qū)域之間的農(nóng)業(yè)碳排放差異和演變特征。

計(jì)算2007—2020年我國(guó)東部、中部和西部地區(qū)三大區(qū)塊的農(nóng)業(yè)碳排放總和，柱狀圖結(jié)果顯示三大區(qū)塊的差異性明顯。中部地區(qū)的省份數(shù)量較東部與西部少，但碳排放總量在觀測(cè)期內(nèi)始終保持最高，即使平均到各個(gè)省份，其碳排放均值也處于各年份的最高水平。整體上，三大區(qū)塊的農(nóng)業(yè)碳排放變化趨勢(shì)與全國(guó)相似，呈現(xiàn)為不同程度的先上升后下降的“倒U型”曲線，其中東部地區(qū)農(nóng)業(yè)碳排放下降趨勢(shì)更為明顯，2013年前碳排放總量高于西部地區(qū)，隨后年份與西部、中部地區(qū)的碳排放總量差距逐漸擴(kuò)大，減排控排效果顯著。

圖1 2007—2020年我國(guó)農(nóng)業(yè)碳排放總量及各區(qū)域農(nóng)業(yè)碳排放量均值

基于對(duì)我國(guó)農(nóng)業(yè)碳排放總體水平、變化規(guī)律、區(qū)塊差異、演變軌跡的分析，進(jìn)一步繪制全國(guó)和三大區(qū)塊層面的碳排放Kernel密度圖，描述各區(qū)塊農(nóng)業(yè)碳排放絕對(duì)差異變化的時(shí)變演進(jìn)過(guò)程。從全國(guó)層面來(lái)看（圖2），核密度曲線表現(xiàn)出整體左移的趨勢(shì)，表明農(nóng)業(yè)碳排放水平整體處在下行軌道；波峰的高度呈現(xiàn)出由高到低再升高的趨勢(shì)，表明各個(gè)省域相互之間的差異經(jīng)歷了由擴(kuò)大到縮小的過(guò)程。但不難發(fā)現(xiàn)區(qū)域差異依舊明顯，尤其從右拖尾的形態(tài)來(lái)看，仍然存在部分農(nóng)業(yè)碳排放水平較高的地區(qū)。

從東、中、西部三大區(qū)域來(lái)看（圖3），東部地區(qū)的核密度曲線總體向左收縮，峰值顯著變大，變化區(qū)間有所縮小，存在右拖尾現(xiàn)象，表明東部地區(qū)大部分省區(qū)的農(nóng)業(yè)碳排放量呈現(xiàn)明顯下降趨勢(shì)，區(qū)域內(nèi)各省份的農(nóng)業(yè)碳排放絕對(duì)差異逐漸減小，但仍存在部分省域的農(nóng)業(yè)碳排放水平顯著高于東部的其他城市，未跟上減排降碳的步調(diào)。中部地區(qū)主峰在向左緩慢偏移的過(guò)程中，高度逐漸下降，右側(cè)形成明顯側(cè)峰，“一主一次”的雙峰格局表明中部地區(qū)在整體農(nóng)業(yè)碳排放水平下降的過(guò)程中呈現(xiàn)兩極化的趨勢(shì)，各省域農(nóng)業(yè)碳排放之間的差異有增加的可能。西部地區(qū)主峰在整體右移后回到了向左偏移的軌跡，同時(shí)主峰由“尖峰”變?yōu)椤皩挿濉保r(nóng)業(yè)碳排放在由整體增大走向減弱趨勢(shì)的過(guò)程中，分布特征呈現(xiàn)出從集聚到分散的演化態(tài)勢(shì)，但相較于東部和中部，西部地區(qū)兩極化分布程度較低。

圖2 全國(guó)農(nóng)業(yè)碳排放總量的三維核密度估計(jì)圖

圖3 我國(guó)東、中、西部農(nóng)業(yè)碳排放總量的三維核密度估計(jì)圖

進(jìn)一步詳細(xì)識(shí)別各省份農(nóng)業(yè)碳排放的空間等級(jí)分布格局，使用Geoda軟件繪制2007、2013和2020年我國(guó)農(nóng)業(yè)碳排放省際空間等級(jí)分布圖（圖略）。整體而言，我國(guó)農(nóng)業(yè)碳排放空間等級(jí)分布格局較為穩(wěn)定。東部地區(qū)的河北省和山東省始終處于高排放水平，其他省份的碳排放水平都相對(duì)較低，這也可以解釋上文東部地區(qū)Kernel密度估計(jì)圖中出現(xiàn)的右長(zhǎng)尾現(xiàn)象，即河北省和山東省未緊跟東部地區(qū)其他省域減排的步伐。中部地區(qū)的河南省、安徽省和黑龍江省始終處于高排放水平，這也是中部地區(qū)整體農(nóng)業(yè)碳排放水平較高的主要來(lái)源，其他省份主要分布在中等排放等級(jí)，一定程度上不可避免地形成兩極化趨勢(shì)，這也是中部地區(qū)Kernel密度估計(jì)圖出現(xiàn)“一主一次”雙峰格局的緣由。西部地區(qū)整體碳排放分布較為分散，在低排放與中高排放之間零散分布。相較于2007年，2013年部分地區(qū)碳排放總量上升明顯，造成農(nóng)業(yè)碳排放等級(jí)的提升。2020年的空間等級(jí)分布與2013年相似，一方面反映為圖1所示的2020年全國(guó)農(nóng)業(yè)碳排放總量已降回至2013年以前水平，另一方面也證明了整體的空間等級(jí)分布格局較為穩(wěn)定。

通過(guò)Arcgis繪制標(biāo)準(zhǔn)差橢圓圖（圖略），得出對(duì)應(yīng)的參數(shù)分析表（表4），分析我國(guó)農(nóng)業(yè)碳排放空間演變的中心趨勢(shì)和方向趨勢(shì)，可以發(fā)現(xiàn)標(biāo)準(zhǔn)差橢圓重心始終落在河南省內(nèi)，長(zhǎng)軸標(biāo)準(zhǔn)差始終大于短軸標(biāo)準(zhǔn)差，在長(zhǎng)軸方向表現(xiàn)出向東北方向拉長(zhǎng)，在短軸方向表現(xiàn)出向西北方向延長(zhǎng)的特征，標(biāo)準(zhǔn)差橢圓的面積呈現(xiàn)逐漸擴(kuò)大的趨勢(shì)，方位角呈現(xiàn)逆時(shí)針旋轉(zhuǎn)，這些特征綜合反映出2007—2020年間我國(guó)農(nóng)業(yè)碳排放空間格局整體以東北-西南方向?yàn)橹鲗?dǎo)，并向東北和西北方向趨向分散化。

具體來(lái)看三大區(qū)塊各自的重心軌跡特征（圖4），東部地區(qū)農(nóng)業(yè)碳排放重心落在安徽省，重心軌跡變動(dòng)方向并不固定，在東部整體減排效果較好的情況下，各省份爭(zhēng)相實(shí)現(xiàn)了減排降碳的突破；中部地區(qū)的農(nóng)業(yè)碳排放重心始終落在山東省，并呈現(xiàn)出顯著向東北方向的遷移，其他中部省份減排成果越來(lái)越顯著的情況下，山東省作為減排重心也愈發(fā)凸顯出來(lái)；西部地區(qū)的重心則在四川省與甘肅省，且大體上呈現(xiàn)出向西北方向遷移，這也是整體上我國(guó)農(nóng)業(yè)碳排放標(biāo)準(zhǔn)差橢圓向西北地區(qū)遷移的動(dòng)力來(lái)源。

圖4 2007—2020年我國(guó)東、中、西部農(nóng)業(yè)碳排放重心轉(zhuǎn)移路徑

表4 2007—2020年我國(guó)農(nóng)業(yè)碳排放標(biāo)準(zhǔn)差橢圓相關(guān)參數(shù)

2.2 我國(guó)農(nóng)業(yè)碳排放脫鉤分析

本文基于兩種脫鉤評(píng)價(jià)指標(biāo)，分別對(duì)我國(guó)2007 —2020年農(nóng)業(yè)碳排放變化與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間的脫鉤類型進(jìn)行測(cè)算。其中，OECD脫鉤模型測(cè)算結(jié)果如表5所示，Tapio脫鉤模型測(cè)算結(jié)果如表6所示。

表5 2007—2020年我國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展間的脫鉤關(guān)系——基于OECD脫鉤評(píng)價(jià)指標(biāo)

以2007年為基準(zhǔn)年繪制我國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)脫鉤比率的跨年度變化趨勢(shì)圖（圖5），可以看到，從2007年到2016年脫鉤比率值呈現(xiàn)出下降的趨勢(shì)，在2017年脫鉤比率出現(xiàn)短暫的增長(zhǎng)態(tài)勢(shì)，且數(shù)值接近于2015年的水平，在此之后平穩(wěn)下降。

根據(jù)表6由Tapio脫鉤評(píng)價(jià)指標(biāo)測(cè)算出的結(jié)果可知，在2007—2020年期間，我國(guó)農(nóng)業(yè)碳排放變化與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展間的脫鉤類型以主要以弱脫鉤、強(qiáng)脫鉤為主，即保持農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)水平正向發(fā)展的情況下，我國(guó)農(nóng)業(yè)經(jīng)濟(jì)增速處于一個(gè)明顯高于其碳排放增速的水平。

具體而言，從2017年作為一個(gè)分界線，可分為兩個(gè)階段。第一階段（2007—2016年），該階段農(nóng)業(yè)碳排放量與農(nóng)業(yè)經(jīng)濟(jì)均保持上升趨勢(shì)，農(nóng)業(yè)碳排放增長(zhǎng)速率2009年達(dá)到第一個(gè)峰值后逐步下降，2016年跌

圖5 我國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)脫鉤比率趨勢(shì)圖

表6 2007—2020年我國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展間的脫鉤關(guān)系——基于Tapio脫鉤評(píng)價(jià)指標(biāo)

落至0.003的低值點(diǎn)。盡管農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)速率出現(xiàn)同樣平緩下降的趨勢(shì)，但同期仍遠(yuǎn)快于碳排放增長(zhǎng)速率，呈現(xiàn)出保持弱脫鉤的農(nóng)業(yè)碳排放脫鉤特征態(tài)勢(shì)。第二階段（2017—2020年），2017年我國(guó)農(nóng)業(yè)碳排放彈性出現(xiàn)強(qiáng)負(fù)脫鉤的特征，即在農(nóng)業(yè)碳排放增長(zhǎng)速率為正向時(shí)，農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)速率卻為負(fù)。此后3年，農(nóng)業(yè)碳排放量連年保持下降趨勢(shì)，與此同時(shí)，農(nóng)業(yè)經(jīng)濟(jì)穩(wěn)步增長(zhǎng)且增長(zhǎng)速率逐年加快，呈現(xiàn)出強(qiáng)脫鉤的農(nóng)業(yè)碳排放脫鉤特征態(tài)勢(shì)。

2.3 我國(guó)農(nóng)業(yè)碳排放的績(jī)效評(píng)估

觀察表7可知，整體而言，2007—2020年我國(guó)農(nóng)業(yè)碳排放績(jī)效呈現(xiàn)出整體上升卻存在波動(dòng)的趨勢(shì)，僅在2016年值小于1。其中，2009年農(nóng)業(yè)碳排放績(jī)效評(píng)估值最大，為1.176；2016年農(nóng)業(yè)碳排放績(jī)效最小，僅為0.997?？疾旆纸饨Y(jié)果可知，農(nóng)業(yè)生產(chǎn)技術(shù)變化（）是2007—2020年間促進(jìn)我國(guó)農(nóng)業(yè)碳排放績(jī)效改善的重要組成部分，僅在2008和2016年表現(xiàn)出農(nóng)業(yè)技術(shù)進(jìn)步效果不佳，2017年技術(shù)進(jìn)步的增長(zhǎng)速率達(dá)20.604%，之后更是幫助我國(guó)農(nóng)業(yè)碳排放績(jī)效從低谷期逐步恢復(fù)。技術(shù)效率變化（）這一分解要素有貢獻(xiàn)卻相對(duì)較弱，2013、2014年連續(xù)2年呈現(xiàn)技術(shù)效率削弱效應(yīng)，2014年EC數(shù)值僅為0.933，隨后雖有緩和卻并不穩(wěn)定。

表7 2007—2020年我國(guó)農(nóng)業(yè)碳排放績(jī)效評(píng)估及分解

值得注意的是，2009年后我國(guó)農(nóng)業(yè)碳排放績(jī)效變化速率連續(xù)下降，僅在2015年稍有緩和，直至2016年跌入14年來(lái)最低點(diǎn)，評(píng)估效率減弱明顯。深入考察此種現(xiàn)象，一是各地頻繁調(diào)整農(nóng)產(chǎn)品生產(chǎn)結(jié)構(gòu)，“米改豆”“旱改水”“糧改飼”等政策的實(shí)施，造成部分地區(qū)糧食出現(xiàn)供需矛盾，根據(jù)國(guó)家統(tǒng)計(jì)局公開(kāi)公布數(shù)據(jù)顯示，2016年我國(guó)糧食產(chǎn)量連續(xù)13年來(lái)首次出現(xiàn)同比下降。二是農(nóng)業(yè)規(guī)模不斷擴(kuò)張的同時(shí)，農(nóng)資價(jià)格上漲、農(nóng)業(yè)機(jī)械化道路曲折、農(nóng)村生產(chǎn)力積極性不高等因素推高了生產(chǎn)成本，限制了增收空間和品質(zhì)提升。三是農(nóng)業(yè)自然災(zāi)害頻發(fā)，如2012年北方洪澇災(zāi)害嚴(yán)重，2016年極端對(duì)流天氣頻發(fā)，根據(jù)國(guó)家糧食和物資儲(chǔ)備局的數(shù)據(jù)顯示，我國(guó)每年由于氣象災(zāi)害損失的糧食超過(guò)500億 kg，防災(zāi)減災(zāi)工作任重道遠(yuǎn)。

本文根據(jù)國(guó)務(wù)院發(fā)展研究院的劃分方法，進(jìn)一步將31個(gè)省、市、自治區(qū)細(xì)化為七大經(jīng)濟(jì)區(qū)，即北部沿海（北京、天津、河北、山東、遼寧），東部沿海（上海、江蘇、浙江），南部沿海（廣東、福建、海南），黃河中游（山西、陜西、河南、內(nèi)蒙古、吉林、黑龍江），長(zhǎng)江中游（湖北、湖南、江西、安徽），大西南（云南、貴州、四川、重慶、廣西），大西北（甘肅、青海、寧夏、西藏、新疆），探討各大經(jīng)濟(jì)區(qū)2007—2020年農(nóng)業(yè)碳排放績(jī)效評(píng)估的時(shí)空異質(zhì)性（表8）。總體而言，七大經(jīng)濟(jì)區(qū)農(nóng)業(yè)碳排放績(jī)效整體平均值大于1，大西北經(jīng)濟(jì)區(qū)和北部沿海分別居于首位（1.004）和末位（1.001），其余五個(gè)經(jīng)濟(jì)區(qū)效率水平相當(dāng)（1.001—1.002），區(qū)域差異不大，農(nóng)業(yè)資源配置水平較為合理。

具體而言，第一，大西北經(jīng)濟(jì)區(qū)均值遠(yuǎn)領(lǐng)先于其他經(jīng)濟(jì)區(qū)，其中2007、2008、2010、2012、2013和2014年的小于1，總體效果改善明顯但存在波動(dòng)。大西北經(jīng)濟(jì)區(qū)在七大經(jīng)濟(jì)區(qū)中面積最大，是我國(guó)重要的糧食產(chǎn)區(qū)和能源基地，服務(wù)于國(guó)家農(nóng)業(yè)重大戰(zhàn)略，發(fā)展節(jié)水型設(shè)施農(nóng)業(yè)、戈壁農(nóng)業(yè)、寒旱農(nóng)業(yè)等，政策幫扶措施一定程度加快了大西北經(jīng)濟(jì)區(qū)的農(nóng)業(yè)高質(zhì)量發(fā)展進(jìn)程。但大西北地區(qū)農(nóng)業(yè)基礎(chǔ)條件惡劣，水土資源不匹配、土地荒漠化、人力資源不充足等問(wèn)題依然存在，農(nóng)業(yè)的區(qū)域協(xié)調(diào)性和抗風(fēng)險(xiǎn)性并不穩(wěn)定，農(nóng)業(yè)碳排放績(jī)效波動(dòng)頻繁。

第二，東部沿海、南部沿海和北部沿海三大經(jīng)濟(jì)區(qū)均值大于1，卻未呈現(xiàn)出預(yù)期的高績(jī)效水平，北部沿海經(jīng)濟(jì)區(qū)績(jī)效水平位居于七大經(jīng)濟(jì)區(qū)內(nèi)居于末位。沿海地區(qū)資金充足，擁有領(lǐng)先的農(nóng)業(yè)技術(shù)水平和規(guī)模經(jīng)濟(jì)優(yōu)勢(shì)，理論上農(nóng)業(yè)碳排放績(jī)效會(huì)在各經(jīng)濟(jì)區(qū)中位于前列，實(shí)際情況卻與預(yù)測(cè)相悖。分析內(nèi)在原因，沿海經(jīng)濟(jì)區(qū)已經(jīng)形成完善的農(nóng)林牧漁全產(chǎn)業(yè)價(jià)值鏈，碳排放績(jī)效趨勢(shì)只能在現(xiàn)有基礎(chǔ)上節(jié)能減排，致力于向高端精尖農(nóng)業(yè)轉(zhuǎn)型升級(jí)，區(qū)域發(fā)展空間受限嚴(yán)重，較難取得邊際突破。

第三，黃河中游經(jīng)濟(jì)區(qū)均值居中，波動(dòng)顯著，長(zhǎng)期發(fā)展趨勢(shì)并不穩(wěn)定，2008—2009年度績(jī)效增長(zhǎng)率為12.731%。該經(jīng)濟(jì)區(qū)包含山西、河南、黑龍江等省，均是我國(guó)糧食生產(chǎn)大省，早期急于擴(kuò)大農(nóng)業(yè)規(guī)模，忽視了區(qū)域內(nèi)部環(huán)境與經(jīng)濟(jì)的協(xié)調(diào)發(fā)展，水體富營(yíng)養(yǎng)化、工業(yè)水污染等農(nóng)村環(huán)境污染問(wèn)題突出。一方面，相較于傳統(tǒng)農(nóng)業(yè)，生產(chǎn)方式發(fā)生轉(zhuǎn)變，現(xiàn)代農(nóng)業(yè)大量使用農(nóng)藥、化肥、化學(xué)藥劑等制品，另一方面，污染性農(nóng)業(yè)產(chǎn)業(yè)大量從經(jīng)濟(jì)較發(fā)達(dá)的沿海地區(qū)轉(zhuǎn)移至中部地區(qū)，同時(shí)，環(huán)保意識(shí)薄弱，農(nóng)業(yè)基礎(chǔ)設(shè)施落后，均是導(dǎo)致黃河中游經(jīng)濟(jì)區(qū)環(huán)境惡化，農(nóng)業(yè)碳排放績(jī)效難以大幅改善的深層次因素。

表8 2007—2020年我國(guó)七大經(jīng)濟(jì)區(qū)農(nóng)業(yè)碳排放績(jī)效動(dòng)態(tài)變化情況

3 討論

3.1 農(nóng)業(yè)碳排放時(shí)空演變特征

對(duì)我國(guó)農(nóng)業(yè)碳排放時(shí)空演變特征進(jìn)行研究發(fā)現(xiàn)，2007—2020年我國(guó)農(nóng)業(yè)碳排放總量整體上呈現(xiàn)出契合環(huán)境庫(kù)茲涅茲曲線的“倒U型”形狀，從2017年開(kāi)始進(jìn)入到“倒U型”曲線的下降階段，2020年其總量已降至2013年前水平，農(nóng)業(yè)減排降碳工作已取得一定的積極成效。值得關(guān)注的是，2016年底我國(guó)正式通過(guò)環(huán)境保護(hù)稅，并于2018年正式實(shí)施，實(shí)現(xiàn)了從“費(fèi)”到“稅”的轉(zhuǎn)變，通過(guò)征稅對(duì)治污減排和生態(tài)環(huán)境保護(hù)發(fā)揮了積極的引導(dǎo)作用[39]。環(huán)保稅征稅的強(qiáng)度與總體碳排放也恰好呈“倒U型”曲線[40]，隨著征管的強(qiáng)化與環(huán)保稅的精細(xì)化，碳減排效應(yīng)也倒逼農(nóng)產(chǎn)品商戶與企業(yè)進(jìn)行綠色化轉(zhuǎn)型，減少污染排放并主動(dòng)治污。各省份農(nóng)業(yè)碳排放的空間格局基本穩(wěn)定，然而由于不同區(qū)域的產(chǎn)業(yè)基礎(chǔ)和資源稟賦大不相同，實(shí)現(xiàn)“雙碳”的路徑選擇和難易程度存在較大差異。東部地區(qū)農(nóng)業(yè)碳排放效果最為顯著，當(dāng)前碳排放總量在三大區(qū)域中處于最低水平，作為農(nóng)業(yè)大省的山東省與河北省由于其自身農(nóng)業(yè)體量和發(fā)展定位，暫未跟上東部其他低排放地區(qū)減排降碳的步調(diào)；中部地區(qū)農(nóng)業(yè)碳排放總量最高，擁有高排放等級(jí)的省份最多，存在兩極化的分布結(jié)構(gòu)，應(yīng)作為未來(lái)農(nóng)業(yè)碳減排的重點(diǎn)區(qū)域；西部地區(qū)各省份間農(nóng)業(yè)碳排放分布分散，絕對(duì)差異大，作為碳減排的生態(tài)脆弱帶，西部地區(qū)對(duì)農(nóng)業(yè)具有高度依賴性，整體減排壓力較大。

經(jīng)過(guò)多年實(shí)踐，我國(guó)農(nóng)業(yè)生產(chǎn)已形成了各具特色的區(qū)域性農(nóng)業(yè)發(fā)展模式。因此，在優(yōu)化農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)時(shí)，需根據(jù)當(dāng)?shù)氐慕?jīng)濟(jì)基礎(chǔ)、資源稟賦、氣候條件和文化傳統(tǒng)做出合理規(guī)劃。充分釋放各個(gè)區(qū)域內(nèi)部和區(qū)域之間農(nóng)業(yè)領(lǐng)域知識(shí)、技術(shù)、人才、信息等創(chuàng)新要素活力，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)、合作共贏。農(nóng)業(yè)碳排放總量及其績(jī)效水平在區(qū)域之間會(huì)產(chǎn)生溢出效應(yīng)，不能僅持有“誰(shuí)污染，誰(shuí)治理”的理念，避免“污染一地，轉(zhuǎn)移一地”的惡性循環(huán)產(chǎn)生，也不可因某地具體實(shí)踐中農(nóng)業(yè)碳減排作用有限，減少農(nóng)業(yè)公共投資和區(qū)域幫扶。各個(gè)省際與區(qū)域板塊之間應(yīng)共享低碳技術(shù)，發(fā)揮相鄰區(qū)域間的政策示范效應(yīng)，在區(qū)域內(nèi)形成技術(shù)交流的良性互動(dòng)共同體，最終輻射到全國(guó)各地。

3.2 農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)脫鉤類型變動(dòng)

目前，關(guān)于脫鉤指標(biāo)的選取大多數(shù)采用兩種模型：OECD模型和Tapio模型。其中，更多學(xué)者采用加入彈性概念的Tapio模型來(lái)對(duì)我國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間脫鉤類型進(jìn)行研究。本文分別基于兩種模型對(duì)我國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的脫鉤類型進(jìn)行測(cè)算，其中基于OECD脫鉤評(píng)價(jià)指標(biāo)得出的脫鉤比率趨勢(shì)（圖5）可以發(fā)現(xiàn)2007—2020年整體呈現(xiàn)出下降的趨勢(shì)，在2014—2017年于0.5的水平上下浮動(dòng)，并于2018年開(kāi)始進(jìn)一步下降至2020年的0.396水平?；赥apio脫鉤評(píng)價(jià)指標(biāo)得出的2007—2020年脫鉤類型結(jié)果，可以發(fā)現(xiàn)我國(guó)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)在2007—2016年一直保持著弱脫鉤，在2017年變?yōu)閺?qiáng)負(fù)脫鉤后，于2018—2020年間達(dá)到了強(qiáng)脫鉤類型（表6）。

國(guó)務(wù)院于2016年發(fā)布了《全國(guó)農(nóng)業(yè)現(xiàn)代化規(guī)劃（2016—2020年）》[41]，指出我國(guó)農(nóng)產(chǎn)品部分領(lǐng)域出現(xiàn)較為明顯的供求結(jié)構(gòu)性失衡問(wèn)題，農(nóng)產(chǎn)品暴露出大而不強(qiáng)、多而不精等問(wèn)題。此種情況下，我國(guó)亟需抓住現(xiàn)有的農(nóng)業(yè)現(xiàn)代化有利條件，為農(nóng)業(yè)轉(zhuǎn)型升級(jí)注入新的驅(qū)動(dòng)力。然而，為了推進(jìn)農(nóng)業(yè)綠色發(fā)展，在建設(shè)初期可能會(huì)出現(xiàn)經(jīng)濟(jì)發(fā)展速度放緩甚至下降，農(nóng)民持續(xù)增收困難的情況，這會(huì)導(dǎo)致農(nóng)業(yè)從業(yè)者增大化肥等產(chǎn)品的投入以期提高收入，在農(nóng)業(yè)動(dòng)力轉(zhuǎn)型初期出現(xiàn)農(nóng)業(yè)碳排放上升的情況，這與2017年我國(guó)農(nóng)業(yè)碳排放同農(nóng)業(yè)經(jīng)濟(jì)發(fā)展間的脫鉤類型為強(qiáng)負(fù)脫鉤的結(jié)果是吻合的。為防止我國(guó)農(nóng)用地土壤污染進(jìn)一步惡化，推進(jìn)生態(tài)文明建設(shè)，2018年出臺(tái)了《中華人民共和國(guó)土壤污染防治法》[42]，明晰土壤污染追責(zé)制度，填補(bǔ)了我國(guó)在土壤污染防治法律的空白，在完善我國(guó)環(huán)境保護(hù)法律體系的同時(shí)，對(duì)農(nóng)業(yè)碳減排起到促進(jìn)作用，為農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展達(dá)到強(qiáng)脫鉤的成果貢獻(xiàn)了政策智慧。

3.3 農(nóng)業(yè)碳排放績(jī)效評(píng)估

2007—2020年我國(guó)農(nóng)業(yè)碳排放績(jī)效呈現(xiàn)出“迅速上升-緩慢下降-平穩(wěn)改善”趨勢(shì)，分析我國(guó)農(nóng)業(yè)碳排放績(jī)效和分解變動(dòng)改善的內(nèi)在原因可知，一方面，農(nóng)業(yè)生產(chǎn)技術(shù)進(jìn)步和技術(shù)效率提升是改善我國(guó)農(nóng)業(yè)碳排放績(jī)效的關(guān)鍵推動(dòng)力量。農(nóng)業(yè)資本量增加、勞動(dòng)力素質(zhì)提升、生態(tài)環(huán)境改善等固然是農(nóng)業(yè)碳排放績(jī)效得以進(jìn)步的重要保障，農(nóng)業(yè)技術(shù)進(jìn)步和效率提升更是全面推進(jìn)鄉(xiāng)村振興、實(shí)現(xiàn)農(nóng)業(yè)農(nóng)村現(xiàn)代化的支撐動(dòng)力。農(nóng)業(yè)技術(shù)涵蓋促進(jìn)農(nóng)業(yè)發(fā)展的新品類、新設(shè)備、新技術(shù)和新模式，諸如科學(xué)把握農(nóng)藥化肥比例、推廣節(jié)水灌溉技術(shù)、應(yīng)用無(wú)人機(jī)病蟲(chóng)害防治系統(tǒng)、構(gòu)建數(shù)字農(nóng)場(chǎng)智慧平臺(tái)等，對(duì)于實(shí)現(xiàn)農(nóng)業(yè)可持續(xù)綠色發(fā)展起到促進(jìn)作用。另一方面，在開(kāi)發(fā)利用農(nóng)業(yè)新技術(shù)新動(dòng)能的同時(shí)，也應(yīng)聚焦于技術(shù)效率的維護(hù)和提升，尤其是規(guī)模效率作用引致的技術(shù)效率變化。我國(guó)擁有擴(kuò)張迅速的農(nóng)產(chǎn)品需求市場(chǎng)，農(nóng)業(yè)科技創(chuàng)新是一個(gè)長(zhǎng)周期的上升過(guò)程，加速農(nóng)業(yè)技術(shù)整體效能盡快與世界先進(jìn)水平接軌迫在眉睫，以市場(chǎng)需求為導(dǎo)向，追蹤農(nóng)業(yè)底盤(pán)技術(shù)和核心領(lǐng)域，注重既有的規(guī)模效應(yīng)和技術(shù)效率的尤為重要。

4 結(jié)論

4.1 我國(guó)農(nóng)業(yè)碳排放的時(shí)空演化特征顯示，2007—2020年農(nóng)業(yè)碳排放整體呈現(xiàn)先上升后下降的“倒U型”曲線，區(qū)位差異明顯，等級(jí)分布穩(wěn)定。東部地區(qū)農(nóng)業(yè)碳減排效果最優(yōu)，區(qū)域差異最小；中部地區(qū)整體農(nóng)業(yè)碳排放水平等級(jí)較高省份最多，出現(xiàn)“兩極化”分布；西部地區(qū)碳排放分布較為分散，整體減排降碳?jí)毫^大。

4.2 我國(guó)農(nóng)業(yè)碳排放變化與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間的脫鉤分析顯示，我國(guó)農(nóng)業(yè)碳排放和農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間的脫鉤比率整體呈下降趨勢(shì)，且于2014—2017年在0.5的低水平波動(dòng)，并于2020年降低至0.396的水平。從整體來(lái)看，我國(guó)農(nóng)業(yè)碳排放和農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)之間已經(jīng)能夠保持在弱脫鉤水平，并向強(qiáng)脫鉤水平過(guò)渡，可劃分為維持在弱脫鉤水平的平穩(wěn)期（2007—2017年）和維持在強(qiáng)脫鉤水平的過(guò)渡期（2018—2020年）兩個(gè)階段。我國(guó)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展整體上開(kāi)始逐漸擺脫對(duì)農(nóng)業(yè)碳排放的依賴。

4.3 我國(guó)農(nóng)業(yè)碳排放績(jī)效評(píng)估及其分解結(jié)果顯示，2007—2020年我國(guó)農(nóng)業(yè)碳排放績(jī)效評(píng)估呈現(xiàn)出“迅速上升—緩慢下降—平穩(wěn)改善”趨勢(shì)，其中大西北經(jīng)濟(jì)區(qū)和北部沿海經(jīng)濟(jì)區(qū)分別居于首位和末位，農(nóng)業(yè)生產(chǎn)技術(shù)變化（）相較于技術(shù)效率變化（）的貢獻(xiàn)更為突出。

[1] 國(guó)家統(tǒng)計(jì)局. 2021年全國(guó)農(nóng)業(yè)及相關(guān)產(chǎn)業(yè)增加值占GDP比重為16.05%. (2022-12-30)[2023-05-10]. http://www.stats.gov.cn/xxgk/sjfb/ zxfb2020/202212/t20221230_1891328.html.

National Bureau of Statistics. In 2021, the added value of agriculture and related industries accounted for 16.05% of GDP. (2022-12-30) [2023-05-10]. http://www.stats.gov.cn/xxgk/sjfb/zxfb2020/202212/ t20221230_1891328.html. (in Chinese)

[2] 農(nóng)業(yè)科技進(jìn)步貢獻(xiàn)率10年提升7個(gè)百分點(diǎn)—— 科技興農(nóng)開(kāi)花結(jié)果. (2022-08-19)[2023-05-10]. http://www.kjs.moa.gov.cn/gzdt/202208/ t20220819_6407317.htm.

The contribution rate of agricultural scientific and technological progress has increased by 7 percentage points in 10 years-science and technology develop rapidly. (2022-08-19)[2023-05-10]. http://www.kjs. moa.gov.cn/gzdt/202208/ t20220819_6407317.htm. (in Chinese)

[3] 關(guān)于印發(fā)《減污降碳協(xié)同增效實(shí)施方案》的通知. (2022-06-10) [2023-05-10]. http://www.gov.cn/zhengce/zhengceku/2022-06/17/ content_5696364.htm.

Notice on the issuance of the implementation plan for pollution reduction and carbon reduction synergy. (2022-06-10)[2023-05-10]. http://www.gov.cn/zhengce/zhengceku/2022-06/17/content_5696364. htm. (in Chinese)

[4] 國(guó)務(wù)院關(guān)于印發(fā)“十四五”推進(jìn)農(nóng)業(yè)農(nóng)村現(xiàn)代化規(guī)劃的通知. (2021-11-12)[2023-05-09]. http://www.gov.cn/zhengce/content/2022- 02/11/content_5673082.htm.

Notice of the state council on the issuance of the 14th five-year plan for promoting agricultural and rural modernization. (2021-11-12) [2023-05-09]. http://www.gov.cn/zhengce/content/2022-02/11/content_ 5673082.htm. (in Chinese)

[5] WEST T O, MARLAND G. A synthesis of carbon sequestration, carbon emissions, and net carbon flux in agriculture: comparing tillage practices in the United States. Agriculture, Ecosystems & Environment, 2002, 91(1/2/3): 217-232.

[6] 董紅敏, 李玉娥, 陶秀萍, 彭小培, 李娜, 朱志平. 中國(guó)農(nóng)業(yè)源溫室氣體排放與減排技術(shù)對(duì)策. 農(nóng)業(yè)工程學(xué)報(bào), 2008, 24(10): 269-273.

DONG H M, LI Y E, TAO X P, PENG X P, LI N, ZHU Z P. China greenhouse gas emissions from agricultural activities and its mitigationstrategy. Transactions of the Chinese Society of Agricultural Engineering,2008, 24(10): 269-273. (in Chinese)

[7] 李波, 張俊飚, 李海鵬. 中國(guó)農(nóng)業(yè)碳排放時(shí)空特征及影響因素分解. 中國(guó)人口·資源與環(huán)境, 2011, 21(8): 80-86.

LI B, ZHANG J B, LI H P. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China. China Population, Resources and Environment, 2011, 21(8): 80-86. (in Chinese)

[8] 李俊杰. 民族地區(qū)農(nóng)地利用碳排放測(cè)算及影響因素研究. 中國(guó)人口·資源與環(huán)境, 2012, 22(9): 42-47.

LI J J. Research on characteristics and driving factors of agricultural land carbon emission in provinces of minorities in China. China Population, Resources and Environment, 2012, 22(9): 42-47. (in Chinese)

[9] 劉月仙, 劉娟, 吳文良. 北京地區(qū)畜禽溫室氣體排放的時(shí)空變化分析. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2013, 21(7): 891-897.

LIU Y X, LIU J, WU W L. Spatiotemporal dynamics of greenhouse gases emissions from livestock and poultry in Beijing area during 1978—2009. Chinese Journal of Eco-Agriculture, 2013, 21(7): 891-897. (in Chinese)

[10] 邵桂蘭, 孔海崢, 于謹(jǐn)凱, 李晨. 基于LMDI法的我國(guó)海洋漁業(yè)碳排放驅(qū)動(dòng)因素分解研究. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 2015(6): 119-128.

SHAO G L, KONG H Z, YU J K, LI C. Study on decomposition of driving factors of carbon emissions from marine fisheries in China based on LMDI method. Journal of Agrotechnical Economics, 2015(6): 119-128. (in Chinese)

[11] GROOT L. Carbon lorenz curves. Resource and Energy Economics, 2010, 32(1): 45-64.

[12] 田云, 張俊飚, 李波. 基于投入角度的農(nóng)業(yè)碳排放時(shí)空特征及因素分解研究: 以湖北省為例. 農(nóng)業(yè)現(xiàn)代化研究, 2011, 32(6): 752-755.

TIAN Y, ZHANG J B, LI B. Research on spatial-temporal characteristics and factor decomposition of agricultural carbon emission based on input angle—taking Hubei Province for example. Research of Agricultural Modernization, 2011, 32(6): 752-755. (in Chinese)

[13] 閔繼勝, 胡浩. 中國(guó)農(nóng)業(yè)生產(chǎn)溫室氣體排放量的測(cè)算. 中國(guó)人口·資源與環(huán)境, 2012, 22(7): 21-27.

MIN J S, HU H. Calculation of greenhouse gases emission from agricultural production in China. China Population, Resources and Environment, 2012, 22(7): 21-27. (in Chinese)

[14] 戴小文. 中國(guó)農(nóng)業(yè)隱含碳排放核算與分析: 兼與一般碳排放核算方法的對(duì)比. 財(cái)經(jīng)科學(xué), 2014(12): 127-136.

DAI X W. Calculation and analysis of embodied CO2emission in China’s agriculture department—a comparison with the general CO2emission calculate method. Finance & Economics, 2014(12): 127-136. (in Chinese)

[15] 章勝勇, 尹朝靜, 賀亞亞, 肖小勇. 中國(guó)農(nóng)業(yè)碳排放的空間分異與動(dòng)態(tài)演進(jìn): 基于空間和非參數(shù)估計(jì)方法的實(shí)證研究. 中國(guó)環(huán)境科學(xué), 2020, 40(3): 1356-1363.

ZHANG S Y, YIN C J, HE Y Y, XIAO X Y. Spatial differentiation and dynamic evolution of agricultural carbon emission in China— empirical research based on spatial and non-parametric estimation methods. China Environmental Science, 2020, 40(3): 1356-1363. (in Chinese)

[16] 田云, 尹忞昊. 中國(guó)農(nóng)業(yè)碳排放再測(cè)算：基本現(xiàn)狀、動(dòng)態(tài)演進(jìn)及空間溢出效應(yīng). 中國(guó)農(nóng)村經(jīng)濟(jì), 2022(3): 104-127.

TIAN Y, YIN M H. Re-evaluation of China’s agricultural carbon emissions: basic status, dynamic evolution and spatial spillover effects. Chinese Rural Economy, 2022(3): 104-127. (in Chinese)

[17] 陳勝濤, 張開(kāi)華, 張?jiān)牢? 農(nóng)業(yè)碳排放績(jī)效的測(cè)量與脫鉤效應(yīng). 統(tǒng)計(jì)與決策, 2021, 37(22): 85-88.

CHEN S T, ZHANG K H, ZHANG Y W. Measurement and decoupling effect of agricultural carbon emission performance. Statistics & Decision, 2021, 37(22): 85-88. (in Chinese)

[18] SUN J W. The decrease of CO2emission intensity is decarbonization at national and global levels. Energy Policy, 2005, 33(8): 975-978.

[19] RAMANATHAN R. Combining indicators of energy consumption and CO2emissions: a cross-country comparison. International Journal of Global Energy Issues, 2002, 17(3): 214.

[20] 邵帥, 范美婷, 楊莉莉. 經(jīng)濟(jì)結(jié)構(gòu)調(diào)整、綠色技術(shù)進(jìn)步與中國(guó)低碳轉(zhuǎn)型發(fā)展: 基于總體技術(shù)前沿和空間溢出效應(yīng)視角的經(jīng)驗(yàn)考察. 管理世界, 2022, 38(2): 46-69, 4.

SHAO S, FAN M T, YANG L L. Economic restructuring, green technical progress, and low-carbon transition development in China: an empirical investigation based on the overall technology frontier and spatial spillover effect. Journal of Management World, 2022, 38(2): 46-69, 4. (in Chinese)

[21] 朱洪革, 曹博, 趙文鋮. 中國(guó)農(nóng)業(yè)全要素碳排放績(jī)效時(shí)序演進(jìn)及空間收斂特征. 統(tǒng)計(jì)與決策, 2022, 38(9): 63-68.

ZHU H G, CAO B, ZHAO W C. Temporal evolution and spatial convergence characteristics of China’s agricultural total factor carbon emission performance. Statistics & Decision, 2022, 38(9): 63-68. (in Chinese)

[22] 周澤炯, 張葆俊, 江珂鑫, 朱家明. 綠色發(fā)展下的鄉(xiāng)村碳排放績(jī)效評(píng)價(jià)及隨機(jī)性收斂研究: 基于SE-SBM與面板單位根檢驗(yàn). 哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào), 2023, 39(1): 20-29.

ZHOU Z J, ZHANG B J, JIANG K X, ZHU J M. Evaluation of rural carbon emission performance under green development and stochastic convergence study—based on SE-SBM with panel unit root test. Natural Science Journal of Harbin Normal University, 2023, 39(1): 20-29. (in Chinese)

[23] 王方怡, 洪志猛, 康智明, 蘭思仁, 陳世品, 葉玉珍. 福建省農(nóng)業(yè)碳排放時(shí)空變化及其驅(qū)動(dòng)因素. 福建農(nóng)業(yè)學(xué)報(bào), 2019, 34(1): 124-134.

WANG F Y, HONG Z M, KANG Z M, LAN S R, CHEN S P, YE Y Z. Spatial-temporal variations and driving forces of agricultural carbon emissions in Fujian. Fujian Journal of Agricultural Sciences, 2019, 34(1): 124-134. (in Chinese)

[24] WANG M X, DAI A G, SHEN R X, HELMUTSCHITZ,HEINZRENNENBERG, WOLFGANGSEILER, WU H B. ch4emission from a Chinese rice paddy field. Acta Meteorologica Sinica, 1990, 4(3): 265-275.

[25] MATTHEWS E, FUNG I, LERNER J. Methane emission from rice cultivation: geographic and seasonal distribution of cultivated areas and emissions. Global Biogeochemical Cycles, 1991, 5(1): 3-24.

[26] CAO M. Methane emissions from China’s paddyland. Agriculture, Ecosystems & Environment, 1995, 55(2): 129-137.

[27] OECD. Indicators to Measure Decoupling of Environmental Pressures from Economic Growth. Paris: OECD, 2002.

[28] 徐衛(wèi)濤, 張俊飚, 李樹(shù)明, 孫笑男. 我國(guó)循環(huán)農(nóng)業(yè)中的化肥施用與糧食生產(chǎn)脫鉤研究. 農(nóng)業(yè)現(xiàn)代化研究, 2010, 31(2): 200-203.

XU W T, ZHANG J B, LI S M, SUN X N. Decoupling research on relationship between chemical fertilizer usage and grain production of recycling agriculture in China. Research of Agricultural Modernization, 2010, 31(2): 200-203. (in Chinese)

[29] 王崇梅. 中國(guó)經(jīng)濟(jì)增長(zhǎng)與能源消耗脫鉤分析. 中國(guó)人口·資源與環(huán)境, 2010, 20(3): 35-37.

WANG C M. Decoupling analysis of China economic growth and energy consumption. China Population, Resources and Environment, 2010, 20(3): 35-37. (in Chinese)

[30] 李期, 鄭明貴. 中國(guó)能源消耗與經(jīng)濟(jì)增長(zhǎng)關(guān)系研究: 基于1996—2017年數(shù)據(jù). 江西理工大學(xué)學(xué)報(bào), 2019, 40(4): 57-61.

LI Q, ZHENG M G. Study on the relationship between energy consumption and economic growth in china—based on the data from 1996 to 2017. Journal of Jiangxi University of Science and Technology, 2019, 40(4): 57-61. (in Chinese)

[31] 陳浩, 曾娟. 武漢市經(jīng)濟(jì)發(fā)展與能源消耗的脫鉤分析. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2011(6): 90-95.

CHEN H, ZENG J. Study on decoupling between economic development and energy consumption of Wuhan. Journal of Huazhong Agricultural University (Social Sciences Edition), 2011(6): 90-95. (in Chinese)

[32] 彭佳雯, 黃賢金, 鐘太洋, 趙雲(yún)泰. 中國(guó)經(jīng)濟(jì)增長(zhǎng)與能源碳排放的脫鉤研究. 資源科學(xué), 2011, 33(4): 626-633.

PENG J W, HUANG X J, ZHONG T Y, ZHAO Y T. Decoupling analysis of economic growth and energy carbon emissions in China. Resources Science, 2011, 33(4): 626-633. (in Chinese)

[33] 徐玥, 王輝, 韓秋鳳. 徐州市農(nóng)業(yè)碳排放時(shí)空特征與脫鉤效應(yīng). 水土保持通報(bào). https://doi.org/10.13961/j.cnki.stbctb.20230526.004.

XU Y, WANG H, HAN Q F. Temporal and spatial characteristics and decoupling effect of agricultural carbon emissions in Xuzhou City. Bulletin of Soil and Water Conservation. https://doi.org/10.13961/ j.cnki.stbctb.20230526.004. (in Chinese)

[34] 孫耀華, 李忠民. 中國(guó)各省區(qū)經(jīng)濟(jì)發(fā)展與碳排放脫鉤關(guān)系研究. 中國(guó)人口·資源與環(huán)境, 2011, 21(5): 87-92.

SUN Y H, LI Z M. Analysing on the decoupling relationship between carbon dioxide emissions and economic growth of each province in China. China Population, Resources and Environment, 2011, 21(5): 87-92. (in Chinese)

[35] SHESTALOVA V. Sequential malmquist indices of productivity growth: an application to OECD industrial activities. Journal of Productivity Analysis, 2003, 19(2): 211-226.

[36] 程開(kāi)明, 李泗娥. 全要素生產(chǎn)率指數(shù)：演變、比較及展望. 統(tǒng)計(jì)學(xué)報(bào), 2022, 3(1): 11-26.

CHENG K M, LI S E. Total factor productivity indices: evolution, comparison and prospect. Journal of Statistics, 2022, 3(1): 11-26. (in Chinese)

[37] GROSSMAN G M, KRUEGER A B. Economic growth and the environment. The Quarterly Journal of Economics, 1995, 110(2): 353-377.

[38] 伍國(guó)勇, 劉金丹, 楊麗莎. 中國(guó)農(nóng)業(yè)碳排放強(qiáng)度動(dòng)態(tài)演進(jìn)及碳補(bǔ)償潛力. 中國(guó)人口·資源與環(huán)境, 2021, 31(10): 69-78.

WU G Y, LIU J D, YANG L S. Dynamic evolution of China’s agricultural carbon emission intensity and carbon offset potential. China Population, Resources and Environment, 2021, 31(10): 69-78. (in Chinese)

[39] 陳海韻. 環(huán)?！百M(fèi)改稅”對(duì)環(huán)境保護(hù)效果的影響研究: 基于G省案例分析[D]. 廣州: 華南理工大學(xué), 2019.

CHEN H Y. Study on the effect of environmental protection “fee to tax”[D]. Guangzhou: South China University of Technology, 2019. (in Chinese)

[40] 薛鋼, 明海蓉, 劉彥龍. 環(huán)境保護(hù)稅減排治污的“倒U”效應(yīng): 基于區(qū)域征收強(qiáng)度的測(cè)算. 稅收經(jīng)濟(jì)研究, 2020, 25(3): 25-34.

XUE G, MING H R, LIU Y L. Inverted U-shaped effect of environmental protection tax on emission reduction and pollution control—based on measurement of the intensity of regional collection. Tax and Economic Research, 2020, 25(3): 25-34. (in Chinese)

[41] 國(guó)務(wù)院關(guān)于印發(fā)全國(guó)農(nóng)業(yè)現(xiàn)代化規(guī)劃（2016—2020年）的通知.(2016-10-20) [2023-05-02]. http://www.gov.cn/zhengce/content/ 2016-10/20/content_5122217.htm.

Notice of the state council on issuing the national agricultural modernization plan (2016-2020). (2016-10-20)[2023-05-02]. http:// www.gov.cn/zhengce/content/2016-10/20/content_5122217.htm. (in Chinese)

[42] 中華人民共和國(guó)土壤污染防治法. (2018-08-31)[2023-05-02] https://www.mee.gov.cn/ywgz/fgbz/fl/201809/t20180907_549845.shtml.

Law of the people's republic of China on the prevention and control of soil pollution. (2018-08-31)[2023-05-02]. https://www.mee.gov.cn/ ywgz/fgbz/fl/201809/t20180907_549845.shtml. (in Chinese)

Spatial-Temporal Evolution, Decoupling Effect and Performance Evaluation of China’s Agricultural Carbon Emissions

MENG QingLei, YIN YuXiang, WANG YuHao

School of Economics, South-Central Minzu University, Wuhan 430074

【Objective】The temporal characteristics, spatial pattern, evolution mode, decoupling relationship and performance evaluation of China’s agricultural carbon emissions were analyzed scientifically, so as to provide a basis for helping China achieve the goal of “carbon peaking and carbon neutrality” and strengthen the construction of an agricultural power.【Method】This study constructed an index system for assessing agricultural carbon emissions and agricultural carbon emission performance in China, and measured the systematic measurement index of agricultural carbon emissions in Chinese provinces from 2007 to 2020. The Kernel density estimation and standardized ellipsoidal visualization analysis were used to analyze the regional distribution characteristics and spatial-temporal evolution trends of agricultural carbon emissions, Tapio model was used to examine the decoupling relationship between examining agricultural carbon emissions and economic growth, and the super-efficient SBM model with non-expected output was constructed to report the agricultural carbon emission performance and decomposition efficiency of China and the seven economic regions.【Result】 From 2007 to 2020, the overall agricultural carbon emissions in China showed an “inverted U-shaped” curve of rising and then declining, with obvious regional differences and stable distribution of ranks. The eastern region had the best emission reduction effect, the central region had a “bipolar” distribution, and the western region had a higher pressure of emission reduction, with the overall spatial pattern dominated by the northeast-southwest direction, and tended to be decentralized to the northeast and northwest. China’s agricultural carbon emissions and agricultural economic development have been maintained at a weakly decoupled level and have made a breakthrough to a strongly decoupled level, which could be divided into two stages: a stable period (2007-2016) and a breakthrough period (2017-2020). The assessment of agricultural carbon emission performance showed a trend of “rapid rise - slow decline - steady improvement”, with the Great Northwest Economic Zone and the Northern Coastal Economic Zone in the first and last positions, respectively, and the contribution of technological change in agricultural production (TC) was more prominent than that of technical efficiency change (EC).【Conclusion】With 2017 as the inflection point, China’s agricultural carbon emissions as a whole showed a decreasing trend, and the agricultural economic development as a whole was gradually getting rid of the dependence on agricultural carbon emissions, with different agricultural bases and different emission reduction targets in each region and province. It was necessary to reasonably plan the scale and internal structure of agricultural comparative advantage industries according to local conditions, reasonably select the resource endowment production characteristics of industries in the region. At the same time, we should pay attention to technology iteration and updating in the agricultural economic development and energy conservation and emission reduction in the role of promoting, taking into account the regional ecological benefits and economic benefits.

carbon emissions from agriculture; space-time evolution; decoupling effect; performance evaluation

10.3864/j.issn.0578-1752.2023.20.010

2023-05-11；

2023-06-30

國(guó)家社會(huì)科學(xué)基金一般項(xiàng)目（20BMZ114）

孟慶雷，E-mail：277927606@qq.com。通信作者殷宇翔，E-mail：595387090@qq.com。通信作者王煜昊，E-mail：1316724365@qq.com

（責(zé)任編輯 李云霞）