田 云，張姹娜

（中南財經政法大學工商管理學院，湖北 武漢 430073）

近年來，氣候變化和全球變暖已逐步成為人類社會所面臨的共同危機和挑戰(zhàn)，并由此受到了國際社會的廣泛關注和高度重視。伴隨著國內生態(tài)環(huán)境壓力不斷提升，在國際溫室氣體減排框架日趨完善的現實背景下，堅持綠色低碳發(fā)展已成為中國未來發(fā)展的必由之路。為了更好地履行《聯(lián)合國氣候變化框架公約》，中國陸續(xù)發(fā)布了《中國應對氣候變化國家方案》《國家適應氣候變化戰(zhàn)略》等一系列具有較強約束力的戰(zhàn)略規(guī)劃，以此積極應對全球氣候變化。2020 年9 月聯(lián)合國氣候峰會上，中國政府莊嚴承諾，將力爭于2030 年前實現碳達峰、2060 年前實現碳中和。“雙碳”目標實現的關鍵在于發(fā)展方式的低碳轉型，而在這過程中不僅二、三產業(yè)要積極履行節(jié)能減排責任，農業(yè)生產部門也應參與其中。事實上，作為國民經濟的重要基礎，農業(yè)雖能產生一定數量碳匯，但自身也是溫室氣體的重要排放源。據聯(lián)合國糧食及農業(yè)組織統(tǒng)計數據顯示，農業(yè)用地所產生的溫室氣體占到了全球人為溫室氣體排放總量的30%以上?？梢?，推進農業(yè)部門早日實現碳達峰、碳中和，不僅是落實鄉(xiāng)村振興戰(zhàn)略、加速農業(yè)現代化的重要舉措，更是全面應對氣候變化、推動經濟社會綠色轉型的重要途徑。而隨著當前農業(yè)現代化步伐的不斷加快，能源利用在農業(yè)生產中愈發(fā)扮演著重要角色，其消耗數量不斷增加，由此引發(fā)的碳排放量不容小覷?；诖?，該研究嘗試對中國農業(yè)能源碳減排成熟度進行評價并分析其動態(tài)演進特征，以期為農業(yè)能源碳減排政策的制定提供參考。

1 文獻綜述

近年來，越來越多的學者開始圍繞農業(yè)能源及其對應的碳排放問題展開研究。其中，一些學者圍繞農業(yè)能源利用效率及其影響因素展開了系統(tǒng)研究。如于偉詠等［1］、冉啟英等［2］分別利用DEA 方法和方向性距離函數對中國省域農業(yè)能源利用效率進行了測度，發(fā)現各省份農業(yè)能源利用效率差異明顯，總體呈現東高西低特征。為了彌補方向性距離函數無法處理農業(yè)生產過程中投入變量和產出變量同時存在徑向與非徑向特征這一不足，李海鵬等［3］運用 EBM 混合距離函數模型對中國農業(yè)能源利用效率進行了再測度，發(fā)現其整體呈現“先升-停滯-再升”三階段演變軌跡，其中人力資本水平和農民人均收入對農業(yè)能源利用效率具有正向促進作用。李建華等［4］、咼小明等［5］、戴紅軍等［6］則分別探究了農村經濟結構變化、農業(yè)機械化水平以及要素價格變動對農業(yè)能源效率的影響，發(fā)現三者均產生了顯著影響但各自作用方向并非完全一致。

與此同時，還有不少學者圍繞農業(yè)能源碳排放測算及其相關特征展開了大量研究。其中，戴小文等［7］在對農業(yè)能源碳排放進行測算的基礎上圍繞其影響因素展開了探討，發(fā)現農村生活水平、人口規(guī)模和城鎮(zhèn)化水平導致了農業(yè)能源碳排放的增長，而農業(yè)低碳技術則能對其起到抑制作用。史常亮等［8］借助Tapio脫鉤模型進一步研究發(fā)現，能源強度對碳排放脫鉤的影響正逐漸減弱，能源結構和產出規(guī)模所處情形完全相反，而人口規(guī)模對其影響較小且趨于穩(wěn)定。隨著研究的不斷深入，一些學者開始著眼于農業(yè)能源碳排放的區(qū)域差異比較，但所選用的研究方法卻各有不同，如胡劍波等［9］采用的是泰爾指數法，張恒碩等［10］則將基尼系數和核密度分析法進行了有機結合。綜合研究表明，中國農業(yè)能源碳排放表現出了較為明顯的區(qū)域差異，且非均衡程度正在不斷加深，區(qū)域總體差異主要由區(qū)域間差異引起。除此之外，也有學者針對農業(yè)能源碳減排問題展開了探究，如田云等［11］研究發(fā)現，技術進步在促進中國農業(yè)能源碳減排的同時還表現出明顯的空間溢出效應。

縱覽已有文獻可知，目前關于農業(yè)能源碳排放的研究更多地聚焦于基本測算、驅動機理剖析以及區(qū)域差異比較等方面，而較少對其整體減排狀況作出系統(tǒng)評價?，F實中，“成熟度”作為一類用于描述研究對象或事物完善程度的研究方法，自20 世紀80 年代開始就被廣泛運用到學術研究領域［12］，在早期主要應用于項目管理［13-14］、企業(yè)運營［15-16］等方向，而近些年隨著研究的不斷深入已逐步運用到了碳減排領域。其中，王文舉等［17］率先將成熟度應用到了碳減排研究中，并對其理念進行了一定拓展，認為成熟度不能僅局限于事物的發(fā)展程度，還應描述和度量事物的協(xié)調度與協(xié)調發(fā)展度，據此構建發(fā)展度、協(xié)調度和協(xié)調發(fā)展度指數，完成了對中國工業(yè)碳減排情況的綜合評價。結果顯示，得益于政府一系列積極政策的有效推動，中國工業(yè)碳減排三類指數均呈持續(xù)增長趨勢。在此之后，陳曉東等［18］、王怡［19］基于成熟度指數模型分別對內蒙古各地區(qū)節(jié)能減排成效和中國碳減排整體狀況進行了客觀評價。

總體而言，雖然成熟度理念已在碳減排特別是工業(yè)碳減排研究中得到了應用，但鮮有學者將其與農業(yè)能源碳減排結合到一起進行考察。而實際中，產業(yè)屬性的不同顯然會導致工、農業(yè)減排進度的不一致，工業(yè)層面的經驗也未必適用于農業(yè)生產部門。與此同時，明確各個省份農業(yè)能源碳減排所處階段（即減排成熟度）顯然有助于針對性策略的構建以及中國“雙碳”目標的早日實現。有鑒于此，該研究將嘗試彌補現有研究的不足，基于省級面板數據利用成熟度方法對中國農業(yè)能源碳減排情況進行綜合評價。具體而言，首先，該研究在提出農業(yè)能源碳減排成熟度指數概念的基礎上，運用鄧氏灰色關聯(lián)分析方法和距離協(xié)調度模型計算發(fā)展度、協(xié)調度和協(xié)調發(fā)展度等三個成熟度指數；其次，對省際農業(yè)能源碳減排相對成熟度及中國農業(yè)能源碳減排整體成熟度依次進行客觀評價；再次，以農業(yè)能源碳減排協(xié)調發(fā)展度為指標，對全國以及糧食主產區(qū)、主銷區(qū)和產銷平衡區(qū)的農業(yè)能源碳減排動態(tài)演進特征進行解析；最后，基于研究結論提出對策建議。

2 研究方法與數據來源

2.1 研究方法

2.1.1 Kaya恒等式與指標選取

Kaya恒等式是將碳排放視為人口增長、經濟增長、能源消費共同導致的結果，因其較為清晰地呈現了碳排放與其驅動因素間的內在關聯(lián)，故而得到廣泛運用。鑒于該研究主要探究農業(yè)能源碳排放與農業(yè)經濟增長的內在邏輯關系，故對Kaya恒等式進行轉化處理如下：

式（1）中：C為農業(yè)能源碳排放總量，V為農業(yè)總產值，E為農業(yè)能源消耗量為農業(yè)能源碳排放強度為農業(yè)產值能耗強度為農業(yè)能耗碳排放強度。通過恒等式可知，農業(yè)產值能耗強度與農業(yè)能耗碳排放強度通過共同作用，形成了農業(yè)能源碳排放強度。后續(xù)研究中，該研究以農業(yè)能源碳排放強度作為基礎指標，其數值大小可以客觀反映農業(yè)能源碳減排成效的好與壞，同時也以農業(yè)產值能耗強度和農業(yè)能耗碳排放強度作為基礎指標，二者共同驅動農業(yè)能源碳減排。通過對恒等式進行分析可知，上述三個基礎指標度量數值與農業(yè)能源碳減排水平均呈反向關系，數值越小，表明農業(yè)能源碳減排成效越好，反之則減排成效越差。

2.1.2 農業(yè)能源碳減排成熟度指數模型構建

關于碳減排成熟度模型的構建，王文舉等［17］認為其應由三個度量指標組成，即發(fā)展度、協(xié)調度和協(xié)調發(fā)展度。其中，“發(fā)展度”表示工業(yè)碳減排從較低水平層次到較高水平層次的實現程度，“協(xié)調度”表示工業(yè)碳減排內部各個子系統(tǒng)之間相互適應、配合和促進的融合程度，“協(xié)調發(fā)展度”表示工業(yè)碳減排發(fā)展水平與協(xié)調水平的和諧發(fā)展程度。為此，在科學借鑒工業(yè)碳減排成熟度指數模型的基礎上，充分考慮農業(yè)能源碳排放的現實特征，對農業(yè)能源碳減排成熟度進行界定，見表1。

表1 農業(yè)能源碳減排成熟度界定

具體計算方法如下。

（1）鄧氏灰色關聯(lián)分析方法。該方法根據序列曲線幾何形狀的相似程度來判斷關系的緊密程度，曲線越接近，對應序列間的關聯(lián)性就越強，反之則越弱。當參考序列是最優(yōu)發(fā)展水平的序列時，關聯(lián)系數越大，即意味著比較序列的發(fā)展情況與最優(yōu)發(fā)展水平更接近，其相對發(fā)展水平更高［20］。據此，該研究假定評價對象為m(m= 30)個省份，評價時期為n(n= 16)個年份，x為農業(yè)產值碳排放強度，則存在m個樣本序列xi={xi(1)，xi(2)，…，xi(n)}，參考序列為x0={x0(1)，x0(2)，…，x0(n)}，即x0代表農業(yè)產值碳排放強度最優(yōu)水平。第i省份在第k年的灰色關聯(lián)度系數ξi(k)的計算公式如下：

式（2）—式（5）中：Δmin為考察期各省份農業(yè)能源碳排放強度（比較序列）與該年各省份農業(yè)能源碳排放強度最小值（參考序列）絕對差的最小值；Δmax為考察期各省份農業(yè)能源碳排放強度（比較序列）與該年各省份農業(yè)能源碳排放強度最小值（參考序列）絕對差的最大值；Δik為第k年第i省份農業(yè)能源碳排放強度與該年各省份農業(yè)能源碳排放強度最小值的絕對差，即第k年第i省比較序列與參考序列之差的絕對值；ρ為分辨系數，借鑒一些學者［21-23］的常見做法，該研究同樣取值為0.5?；谝陨戏治隹芍蝘(k)即為第k年第i省份農業(yè)能源碳減排相對發(fā)展度指數，取值范圍介于0~1，其數值越大，代表第k年第i省的農業(yè)能源碳減排相對發(fā)展水平越高。

而后，結合各省份農業(yè)能源碳排放強度，通過算術平均可以得到第k年中國農業(yè)能源碳減排整體發(fā)展度指數Dk，其計算公式如下：

其中：Dk的取值介于0~1 之間，其數值越大，則表明第k年中國農業(yè)能源碳減排整體發(fā)展水平越高。

此外，假設y為農業(yè)產值能耗強度，z為農業(yè)能耗碳排放強度。依據前文分析可計算得到基于農業(yè)產值能耗強度的第k年第i省份農業(yè)能源碳減排相對發(fā)展度指數?i(k)和基于農業(yè)能耗碳排放強度的第k年第i省份農業(yè)能源碳減排相對發(fā)展度指數λi(k)，對?i(k)和λi(k)進行幾何平均，可計算得到第k年第i省份農業(yè)能源碳減排相對協(xié)調度指數δi(k)，其計算公式如下：

式（7）中：δi(k)的取值范圍介于0~1，其數值越大，表明第k年第i省份農業(yè)能源碳減排相對協(xié)調水平越高。

（2）距離協(xié)調度模型。該模型的實質是引入度量系統(tǒng)實際狀態(tài)與理想狀態(tài)距離的歐式距離和切比雪夫距離，通過兩者比率關系來反映系統(tǒng)的協(xié)調水平［24］。由于中國農業(yè)能源碳減排整體協(xié)調度考察的是省份間農業(yè)能源碳減排的協(xié)同水平，因此不能通過對各省份相對協(xié)調度指數進行簡單算術平均的方式計算獲得，但卻可利用距離協(xié)調度模型對其進行測度。據此，構建第k年各省份農業(yè)能源碳排放強度實際值與最優(yōu)值的歐式距離測度公式如下：

同時，構建第i省在整個考察期農業(yè)能源碳排放強度實際值與最優(yōu)值的切比雪夫距離測度公式：

基于式（8）、式（9），構建中國農業(yè)能源碳減排整體協(xié)調度指數測度公式：

其中：Ck取值同樣介于0~1，其數值越大則代表省份間農業(yè)能源碳減排趨同水平越高，即整體協(xié)調水平越高；反之，則表明省份間農業(yè)能源碳減排趨同水平越低，即整體協(xié)調水平越低。

（3）協(xié)調發(fā)展度指數計算方法?？紤]到發(fā)展度指數和協(xié)調度指數在對農業(yè)能源碳減排成熟度進行評價時都存在一定片面性，該研究將通過構建農業(yè)能源碳減排協(xié)調發(fā)展度指數完善這一不足。協(xié)調發(fā)展度指數基于發(fā)展度指數和協(xié)調度指數的幾何平均而求得，據此，構建第k年第i省農業(yè)能源碳減排相對協(xié)調發(fā)展度指數ηi(k)的計算公式：

式（11）中，ηi(k)的取值范圍介于0~1 之間，其數值越大，表明第k年第i省農業(yè)能源碳減排相對協(xié)調發(fā)展水平越高。

進一步，構建中國農業(yè)能源碳減排整體協(xié)調發(fā)展度指數Hk的計算公式：

式（12）中，Hk的取值范圍同樣介于0~1 之間，其數值越大，表明第k年中國農業(yè)能源碳減排整體協(xié)調發(fā)展水平越高。

需要特別說明的是，為了讓研究結果呈現得更為直觀且方便描述，該研究將對ξi(k)、δi(k)、ηi(k)、Dk、Ck、Hk等六個測度指數進行百分制處理。具體而言，參照陳佳貴等［25］的研究，可將各測度指數所代表的成熟度水平由低到高劃分為極低、較低、較高、極高等四個不同層次。其中，極低層次表示為Ⅰ，其指數值大于等于0 而小于等于35；較低層次表示為Ⅱ，其指數值大于35 而小于等于70；較高層次表示為Ⅲ，其指數值大于70 而小于等于85；極高層次表示為Ⅳ，其指數值大于85而小于等于100。

2.1.3 核密度分析方法

作為一類用于概率密度函數估計的非參數方法，核密度估計對函數的具體形式不作任何限定，僅著眼于數據本身，客觀上擺脫了傳統(tǒng)人為設置條件的不利影響，故而其應用范圍日益擴大。有鑒于此，該研究將運用核密度估計法對中國及其糧食主產區(qū)、主銷區(qū)、產銷平衡區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度的動態(tài)演進趨勢進行探究。核密度估計的函數表達式如下：

式（13）中：f(x)為中國及其糧食主產區(qū)、主銷區(qū)、產銷平衡區(qū)的密度函數，n為省份總數，i表示各省份，h為帶寬，-x為均值。由于帶寬的選擇會較大地影響核密度函數的精度和曲線的平滑程度，故該研究將在選擇合適帶寬的基礎上，采用高斯核函數展開核密度估計，其函數表達式如下：

2.2 數據來源與處理

農業(yè)總產值（即農林牧漁總產值）出自2006—2021年歷年的《中國統(tǒng)計年鑒》。為了消除價格波動的影響，實際分析中將基于2005年不變價對各省份農業(yè)總產值進行平減處理。其他與農業(yè)能源消耗量和農業(yè)能源碳排放測算有關的原始數據均源自2006—2021 年歷年的《中國能源統(tǒng)計年鑒》。該研究選取原煤、洗精煤、焦炭、汽油、柴油、天然氣、電力等12類與農林牧漁業(yè)發(fā)展相關的主要能源來測算農業(yè)能源消耗量和農業(yè)能源碳排放量。其中，農業(yè)能源消耗的等價替代變量是農林牧漁業(yè)能源終端消費量，通過終端能源消費實物量與各類能源折算標準煤系數相乘得到；農業(yè)能源碳排放量測算方法及其所需的相關碳排放系數可參照蔣金荷［26］、田云等［27］的相關研究，限于篇幅，在此不作贅述。

3 研究結果分析

3.1 中國省際農業(yè)能源碳減排相對成熟度分析

3.1.1 省際農業(yè)能源碳減排相對發(fā)展度分析

由表2 可知，2005 年河北、安徽、廣西、四川等4 省份農業(yè)能源碳減排相對發(fā)展度處于極高層次，其中廣西以較大優(yōu)勢居于榜首；農業(yè)能源碳減排相對發(fā)展度處于較高層次的省份包括江蘇、河南、廣東等7 地；與此同時，以北京、天津、山西等為代表的18個省份農業(yè)能源碳減排相對發(fā)展度處于較低層次；相對而言，僅有貴州一地處于極低層次。2010年農業(yè)能源碳減排相對發(fā)展度處于極高層次的省份增至6個，其中河北、廣西、四川維持原有狀態(tài)不變，安徽降至較高層次，江西、山東、河南則實現層次跨越，分別由較低層次或者較高層次轉變而來；農業(yè)能源碳減排相對發(fā)展度處于較高層次的省份增至10 個，在保持原有省份（河南除外）的基礎上，增加了遼寧、吉林、安徽、福建等4 ?。挥嘞?4 省份均處于較低層次。2015 年農業(yè)能源碳減排相對發(fā)展度處于極高層次的省份增至9個，相比2010 年僅河北降至較高層次而其他省份維持不變，同時安徽、福建、廣東和重慶均由較低層次或者較高層次轉變而來；農業(yè)能源碳減排相對發(fā)展度處于較高層次的省份仍為10 個，相比2010 年新增了河北、云南和甘肅，但原有的皖、閩、粵三地均實現了層次跨越；余下11 個省份均處于較低層次。2020年農業(yè)能源碳減排相對發(fā)展度處于極高層次的省份進一步增至15 個，相比2015 年增加了北京、河北、吉林、海南、陜西、寧夏等6 地；農業(yè)能源碳減排相對發(fā)展度處于較高層次的省份降至6 個，分別是遼寧、江蘇、湖北、云南、甘肅和青海；余下9 個省份均處于較低層次。總體而言，考察期內有16 個省份農業(yè)能源碳減排相對發(fā)展度實現了層次跨越，其中貴州由極低層次升至較低層次，遼寧、湖北等4地由較低層次升至較高層次，河南、廣東等5 地由較高層次升至極高層次；北京、吉林等6地則實現了兩級跨越，均由較低層次升至極高層次。余下14個省份均維持原有層次不變，其中僅廣西、四川一直處在極高層次。

表2 中國各省份農業(yè)能源碳減排相對發(fā)展度變化情況

3.1.2 省際農業(yè)能源碳減排相對協(xié)調度分析

由表3 可知，2005 年僅廣西、海南農業(yè)能源碳減排相對協(xié)調度處于極高層次，且以廣西指數值最高；農業(yè)能源碳減排相對協(xié)調度處于較高層次的省份包括遼寧、吉林、黑龍江、江蘇等13 地；余下15 個省份均處于較低層次。2010 年廣西維持原有狀態(tài)，四川實現層次跨越并取代海南成為了另一農業(yè)能源碳減排相對協(xié)調度極高省份；農業(yè)能源碳減排相對協(xié)調度處于較高層次的省份增至16個，在基本維持原有地區(qū)（不含四川）的基礎上，新增了上海、山東、湖北和海南；余下12 個省份均處于較低層次。2015年農業(yè)能源碳減排相對協(xié)調度處于極高層次的省份增至4個，安徽、江西屬于新增省份，且后者的指數值居于30 省份之首；農業(yè)能源碳減排相對協(xié)調度處于較高層次的省份降至14個，其中絕大多數地區(qū)維持原有狀態(tài)不變，黑龍江、上海降至較低層次，河北、重慶實現跨越式提升均由較低層次演變而來，皖、贛二地則已升至極高層次；余下12 個省份均處于較低層次。2020 年農業(yè)能源碳減排相對協(xié)調度處于極高層次的省份增至8 個，相比2015年新增了福建、河南、海南、重慶等4 地，江西仍舊排在第一；農業(yè)能源碳減排相對協(xié)調度處于較高層次的省份進一步降至12 個，相比2015 年新增了天津、云南二地，但原有的閩、豫、瓊、渝等均實現了向上的層次跨越；余下10個省份均處于較低層次?？傮w而言，考察期內有11 個省份農業(yè)能源碳減排相對協(xié)調度實現了層次跨越，其中天津、河北等5 地由較低層次提升至較高層次；安徽、福建等5地由較高層次提升至極高層次；而重慶則實現了兩級跨越，由較低層次提升至極高層次。有18 個省份維持原有狀態(tài)不變，其中僅廣西一直處在極高層次。相比而言，黑龍江成為了唯一層次下行的省份，由較高層次降至較低層次。

表3 中國各省份農業(yè)能源碳減排相對協(xié)調度變化情況

3.1.3 省際農業(yè)能源碳減排相對協(xié)調發(fā)展度分析

由表4可知，2005年安徽、廣西、四川等3省份農業(yè)能源碳減排相對協(xié)調發(fā)展度處于極高層次，且以廣西指數值最高；農業(yè)能源碳減排相對協(xié)調發(fā)展度處于較高層次的省份包含河北、遼寧、江蘇等9 地；余下18 個省份均處于較低層次，且以貴州居于最末。2010 年僅廣西、四川2省農業(yè)能源碳減排相對協(xié)調發(fā)展度處于極高層次，且廣西依舊代表省際最高水平；農業(yè)能源碳減排相對協(xié)調發(fā)展度居于較高層次的省份增至13 個省份，除了層次下行的安徽外，還新增了吉林、山東和福建，三地均由較低層次轉變而來；余下15 個省份均處于較低層次。2015 年農業(yè)能源碳減排相對協(xié)調發(fā)展度處于極高層次的省份增至5 個，安徽重回此列，同時新增福建、江西二地，且福建取代廣西成為碳減排相對協(xié)調發(fā)展度最高省份；農業(yè)能源碳減排相對協(xié)調發(fā)展度居于較高省份減至12 個，相比2010 年新增了重慶、寧夏二地，但原有的皖、閩、贛3 地均實現了向上的層次跨越；余下13個省份均處于較低層次，且內蒙古取代山西居于全國最末。2020年農業(yè)能源碳減排相對協(xié)調發(fā)展度極高省份進一步增至11 個，相比2015年新增河北、吉林、山東、河南、海南、重慶等6 地，廣西重回第一；農業(yè)能源碳減排相對協(xié)調發(fā)展度處于較高層次的省份降至10 個，相比2015 年新增了北京、湖北、云南、甘肅4 地，但原有的冀、吉、魯等6 地均實現了向上的層次跨越；余下9 個省份均處于較低層次?？傮w而言，考察期內有13個省份農業(yè)能源碳減排相對協(xié)調發(fā)展度實現了層次跨越，其中北京、湖北等5 地由較低層次提升至較高層次；河北、江西等4 地由較高層次提升為極高層次；吉林、福建等4地則實現了兩級跨越，均由較低層次提升為極高層次。余下17個省份均維持原有層次不變，其中僅廣西、四川一直處在極高層次。

表4 中國各省份農業(yè)能源碳減排相對協(xié)調發(fā)展度變化情況

3.2 中國農業(yè)能源碳減排整體成熟度分析

表5 呈現了2005—2020 年中國農業(yè)能源碳減排整體成熟度指數的變化情況。從中可以發(fā)現，2005 年以來中國農業(yè)能源碳減排整體成熟度雖表現出了一定年際波動但總體上升態(tài)勢較為明顯。其中，發(fā)展度指數由2005 年的65.90 增至2020 年的80.74，累計增加了22.52%；從其演變趨勢來看，總體呈現“上升-相對平穩(wěn)”的循環(huán)演變特征，2005—2007 年、2012—2014 年、2016—2018 年均表現出了持續(xù)上升趨勢，指數值分別由65.90、69.64 和73.92增至69.35、74.38 和80.16，累計增幅依次為5.24%、6.81%和8.44%。自2013年開始中國農業(yè)能源碳減排整體發(fā)展度步入到較高水平層次，并于2020年達到最高點。協(xié)調度指數雖然初始值極低但最終上升幅度較大，由2005 年的10.65 增至2020 年的54.78，累計增加了4.14倍，不過整個考察期仍始終處于極低或者較低水平階段。從其演變軌跡來看，總體表現出了“波動上升-持續(xù)下降-持續(xù)上升”的三階段變化特征。具體而言，2005—2014年為第一階段，指數值雖在2008 年、2012 年出現過短暫回落，但整體上升趨勢較為明顯；2014—2016年為第二階段，指數值連續(xù)兩年下降；2016—2020年為第三階段，雖然最后三年增速較緩但總體仍呈持續(xù)上升態(tài)勢。協(xié)調發(fā)展度指數同樣初始值極低且最終上升幅度較大，由2005 年的26.49 增至2020 年的66.50，累計增加了1.51 倍，不過整個考察期也完全處于極低或者較低水平階段。其演變軌跡與協(xié)調度指數完全一致，僅2008 年、2012 年、2015—2016年表現出一定回落，其他年份均呈明顯上升態(tài)勢，并于2020年達到最高值。綜合來看，考察期內中國農業(yè)能源碳減排整體發(fā)展度、整體協(xié)調度以及整體協(xié)調發(fā)展度雖都存在一定年際波動但總體上升趨勢明顯，減排態(tài)勢良好。

表5 2005—2020年中國農業(yè)能源碳減排整體成熟度指數變化情況

3.3 中國農業(yè)能源碳減排協(xié)調發(fā)展度的動態(tài)演進

功能定位的不同通常會導致農業(yè)發(fā)展模式存在區(qū)別，因而會影響到其能源碳排放現狀及減排戰(zhàn)略。有鑒于此，該研究除了對全國總體情況進行考察外，還將對糧食主產區(qū)、主銷區(qū)、產銷平衡區(qū)的農業(yè)能源碳減排協(xié)調發(fā)展度的動態(tài)演進情況分別展開探討，具體參照馬林靜等［28］的做法，按照國家統(tǒng)一劃分標準對30 個省份進行劃分。相關核密度分析結果如圖1所示。

圖1 全國及糧食主產區(qū)、主銷區(qū)、產銷平衡區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度的核密度分析結果

3.3.1 全國農業(yè)能源碳減排協(xié)調發(fā)展度的動態(tài)演進

圖1 （a）描繪了中國農業(yè)能源碳減排協(xié)調發(fā)展度在考察周期內的總體演進情況。綜合來看，核函數密度中心不斷向右偏移，峰值持續(xù)提升，雖一直呈現單峰狀態(tài)但雙峰趨勢已然顯現。首先，2010 年相比2005 年密度函數中心大幅右移，峰值略有提升，變化區(qū)間無太過明顯變化。由此揭示，該階段中國農業(yè)能源碳減排協(xié)調發(fā)展度整體水平提升明顯且省際差距基本維持原樣。其次，2015 年相比2010年密度函數中心繼續(xù)右移，峰值略有提升，雖依舊保持單峰格局但已顯現出雙峰趨勢，變化區(qū)間有所縮小。由此表明，該階段中國農業(yè)能源碳減排協(xié)調發(fā)展度整體水平繼續(xù)提升且省際差距略有縮小。再次，2020 年相比2015年密度函數中心持續(xù)右移，峰值大幅提升，曲線形態(tài)基本維持原樣，變化區(qū)間略有縮小。由此表明，該階段中國農業(yè)能源碳減排協(xié)調發(fā)展度整體水平繼續(xù)提升且省際差距有所減小。最后，與基期2005 年相比，2020 年的密度函數中心大幅右移，峰值明顯提升，雖一直維持單峰格局但已顯現出雙峰趨勢，變化區(qū)間縮小。由此揭示，考察期內中國農業(yè)能源碳減排協(xié)調發(fā)展度整體水平顯著提升且省際差距處于縮小狀態(tài)。究其原因，伴隨著中國整體農業(yè)現代化進程的不斷加快，各省份農業(yè)生產方式以及農機投入力度等越發(fā)趨于接近，從而客觀上縮小了能源碳減排協(xié)調發(fā)展度的省際差距。

3.3.2 糧食主產區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度的動態(tài)演進

圖1（b）呈現了糧食主產區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度的動態(tài)演進趨勢。綜合來看，密度函數中心整體向右偏移，峰值經歷了增減起伏且最終相比基期略有提升，變化區(qū)間同樣經歷了擴縮起伏且最終有所擴大。首先，2010 年相比2005 年密度函數中心大幅右移，峰值明顯提升，且由潛在雙峰完全過渡到單峰狀態(tài)，變化區(qū)間略有擴大。由此表明，該階段糧食主產區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平提升明顯但省際差距有所擴大，同時格局分化趨勢消失。其次，2015 年相比2010 年密度函數中心略微右移，峰值大幅下降，變化區(qū)間繼續(xù)擴大。由此揭示，該階段糧食主產區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平略有提升但省際差距進一步擴大。再次，2020 年相比2015年密度函數中心大幅右移，峰值明顯提升，變化區(qū)間有所縮小。由此表明，該階段糧食主產區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平顯著提升且省際差距略有縮小。最后，與基期2005 年相比，2020 年的密度函數中心大幅右移，峰值小幅提升，變化區(qū)間有所擴大。這表明，考察期內糧食主產區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平大幅提升但省際差距略有擴大?？赡艿慕忉屖?，雖然同為糧食主產省份，但所種植的主導作物品種（小麥、水稻或者玉米）不同使得各自對農業(yè)能源的依賴度存在差異，進而影響到其碳減排成熟度，并導致省際差距的擴大。

3.3.3 糧食主銷區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度的動態(tài)演進

圖1（c）呈現了糧食主銷區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度的動態(tài)演進趨勢。綜合來看，密度函數中心經歷了左右搖擺且最終右移，峰值經歷了增減起伏且最終低于基期，逐步由單峰狀態(tài)演變?yōu)椤耙恢饕淮巍钡碾p峰格局，變化區(qū)間明顯擴大。首先，2010 年相比2005 年密度函數中心小幅右移，峰值有所提升，且由單峰向潛在雙峰格局轉變，變化區(qū)間明顯縮小。由此表明，該階段糧食主銷區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平略有提升且省際差距呈現縮小態(tài)勢，同時表現出了兩極分化的趨勢。其次，2015 年相比2010 年密度函數中心略微左移，峰值大幅下降并顯現出較為明顯的“一主一次”雙峰格局，變化區(qū)間顯著擴大。由此揭示，該階段糧食主銷區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平略有下降且省際差距明顯擴大，同時兩極分化現象開始真正顯現。再次，2020 年相比2015 年密度函數中心明顯向右移動，主峰峰值小幅下降且雙峰格局趨勢減弱，變化區(qū)間基本維持不變。由此可見，該階段糧食主銷區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平明顯提升，省際差距幾無變化，兩極分化程度有所減弱。最后，與基期2005 年相比，2020 年密度函數中心明顯右移，峰值大幅下降，且由單峰演變?yōu)椴簧趺黠@的“一主一次”雙峰格局，變化區(qū)間明顯擴大。這說明，考察期內糧食主銷區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平處于提升態(tài)勢但省際差距逐漸擴大且呈現出兩極分化趨勢。究其原因，糧食主銷區(qū)所含省份雖不以糧食生產見長，但由于緯度差異較大致使各自農業(yè)產業(yè)結構也表現出了極大不同，進而會影響到對農業(yè)能源的需求，致使其碳減排協(xié)調發(fā)展度的省際差距拉大并表現出分化趨勢。

3.3.4 糧食產銷平衡區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度的動態(tài)演進

圖1（d）呈現了產銷平衡區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度的動態(tài)演進趨勢。綜合來看，密度函數中心持續(xù)右移，峰值經持續(xù)提升且最終明顯高于基期，變化區(qū)間大幅縮小。首先，2010 年相比2005 年密度函數中心明顯右移，峰值大幅提升，變化區(qū)間略微縮小。由此揭示，該階段產銷平衡區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平顯著提升且省際差距略有縮小。其次，2015 年相比2010 年密度函數中心持續(xù)大幅右移，峰值小幅提升，變化區(qū)間繼續(xù)縮小。由此表明，該階段產銷平衡區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平略有提升且省際差距持續(xù)縮小。再次，2020 年相比2015 年密度函數中心略微右移，峰值小幅增加，變化區(qū)間基本維持在原有范圍。由此可見，該階段產銷平衡區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平小幅提升同時省際差距并無太大變化。最后，與基期2005年相比，2020年密度函數中心顯著右移，峰值大幅提升，波峰越發(fā)陡峭且變化區(qū)間大幅縮小。這說明，考察期內產銷平衡區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平明顯提升，省際差距大幅縮小?？赡艿慕忉屖?，從地域分布來看，絕大多數產銷平衡區(qū)省份位于中國中西部地區(qū)，各地無論經濟發(fā)展水平還是農業(yè)資源稟賦都較為接近，使得農業(yè)生產方式及其對能源的依賴程度也逐步趨于一致，從而客觀上縮小了農業(yè)能源碳減排協(xié)調發(fā)展度的省際差距。

4 結論與啟示

該研究基于碳減排成熟度指數模型，利用鄧氏灰色關聯(lián)分析、距離協(xié)調度模型等方法對省際及全國農業(yè)能源碳減排情況進行了客觀評價，在此基礎上以協(xié)調發(fā)展度為指標探討了其動態(tài)演進趨勢，得出結論如下。

（1）絕大多數省份農業(yè)能源碳減排相對成熟度呈現上升趨勢。具體而言，考察期內無論農業(yè)能源碳減排相對發(fā)展度、相對協(xié)調度還是相對協(xié)調發(fā)展度的實際指數，均僅有個別省份略有下降，而絕大多數省份都表現出了明顯上升趨勢，且相當數量的省份實現了層次跨越。其中，有16 個省份農業(yè)能源碳減排相對發(fā)展度、11 個省份農業(yè)能源碳減排相對協(xié)調度以及13個省份農業(yè)能源碳減排相對協(xié)調發(fā)展度實現了一級甚至兩級的層次跨越；余下各地除黑龍江出現過一次層次下降外，其他省份均維持原有層次不變。

（2）中國農業(yè)能源碳減排整體成熟度雖存在一定年際波動但總體上升趨勢明顯。具體而言，考察期內農業(yè)能源碳減排整體發(fā)展度指數由65.90 增至80.74，累計增加了22.52%，總體呈現“上升-相對平穩(wěn)”的循環(huán)演變特征；農業(yè)能源碳減排整體協(xié)調度指數由10.65 增至54.78，累計增加了4.14 倍，總體表現出了“波動上升-持續(xù)下降-持續(xù)上升”的三階段變化特征；農業(yè)能源碳減排整體協(xié)調發(fā)展度指數由26.49 增至66.50，累計增加了1.51倍，其演變軌跡與協(xié)調度指數完全一致。

（3）全國以及糧食主產區(qū)、主銷區(qū)、產銷平衡區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度的動態(tài)演進趨勢表現出了一定差異。具體而言，考察期內中國農業(yè)能源碳減排協(xié)調發(fā)展度整體水平顯著提升且省際差距處于縮小狀態(tài)。從三類地區(qū)來看，糧食主產區(qū)和主銷區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度整體水平均處于提升態(tài)勢但省際差距有所擴大，且后者還呈現出了兩極分化趨勢；糧食產銷平衡區(qū)農業(yè)能源碳減排協(xié)調發(fā)展度同樣提升明顯但省際差距大幅縮小。

基于上述研究，得到以下政策啟示：①多措并舉推進省際農業(yè)能源碳減排相對發(fā)展度與相對協(xié)調度的同步提升。一方面，政府部門加強指導與宣傳，不斷強化新型能源開發(fā)與利用，并鼓勵能源消費逐步向清潔能源傾斜，切實降低農業(yè)能源碳排放強度；另一方面，建立健全相關制度保障，以此帶動農業(yè)低碳生產技術的研發(fā)與推廣，切實促進農業(yè)生產低碳轉型。②注重各地經驗總結，強化省際交流和合作。鑒于農業(yè)能源碳減排省際差距較大，各省份應在學習和吸收先進地區(qū)農業(yè)能源碳減排經驗的基礎上，結合自身資源稟賦特征，因地制宜探索新型減排路徑，以此提升農業(yè)能源碳減排成熟度水平。③完善農村基礎設施建設，提高農業(yè)社會化服務水平［29］。打造設備齊全、功能完備的農村基礎設施體系，提高農業(yè)綜合生產能力并降低農業(yè)生產能源消耗強度；農業(yè)社會化服務水平的提升有助于農用機械投入的資源整合，進而實現能源利用效率的提升；二者共同作用，將有力推進農業(yè)能源碳減排。