熊飛雪 ,趙星磊 ,郭子毅 ,朱述斌,2**

(1.江西農(nóng)業(yè)大學(xué)經(jīng)濟管理學(xué)院 南昌 330045;2.江西農(nóng)業(yè)大學(xué)江西省農(nóng)村發(fā)展研究中心 南昌 330045)

氣候變化是人類面臨的共同挑戰(zhàn)[1]。工業(yè)化和城市化進程增加了全球?qū)δ茉吹男枨?導(dǎo)致全球長期面臨碳排放增加的壓力[2]。一方面,碳排放的增加會導(dǎo)致溫室效應(yīng),進而引發(fā)各種環(huán)境問題和自然災(zāi)害,對社會生產(chǎn)和人民生活造成嚴(yán)重威脅[3];另一方面,碳關(guān)稅的實施使得碳排放在國際貿(mào)易中逐漸成為一個重要的壁壘,尤其是歐美國家[4]。由此,世界各國都在努力實現(xiàn)碳達峰、碳中和,以解決經(jīng)濟增長與環(huán)境保護之間的矛盾[5]。根據(jù)《聯(lián)合國氣候變化框架公約》,全世界超過130 個國家和地區(qū)已經(jīng)提出了實現(xiàn)“零碳”或“碳中和”的氣候目標(biāo),占全球碳排放量一半以上的58 個國家承諾到2050 年實現(xiàn)碳的凈零排放。作為目前世界上最大的溫室氣體排放國,中國是全球應(yīng)對氣候變化的積極參與者與貢獻者。中國將加大努力,采取更有力的政策和措施,加強國家自主貢獻,爭取在2030 年之前實現(xiàn)碳達峰,在2060 年之前實現(xiàn)碳中和。

農(nóng)業(yè)是全球重要的溫室氣體排放源。2015 年全球糧食體系相關(guān)溫室氣體排放量達到180 億t,占人類活動排放總量的34%。其中,排在首位的是糧食生產(chǎn)階段產(chǎn)生的溫室氣體,占比約39% (約71 億t);其次是土地利用和土地利用變化導(dǎo)致的溫室氣體排放,占比約32% (約57 億t)[6]。推動農(nóng)業(yè)減排成為實現(xiàn)“碳達峰、碳中和”目標(biāo)和應(yīng)對氣候變化的重要抓手。

學(xué)術(shù)界圍繞農(nóng)業(yè)碳排放開展了豐富研究,主要可以分為以下兩類。第1 類是測算農(nóng)業(yè)碳排放總量、農(nóng)業(yè)碳排放強度、農(nóng)業(yè)碳排放效率和農(nóng)業(yè)碳補償率,分析空間關(guān)聯(lián)性、區(qū)域差異和趨勢預(yù)測。由于2015年“減肥減藥”行動的政策和糧食主產(chǎn)區(qū)政策,全國農(nóng)業(yè)碳排放在2015 年以后由上升轉(zhuǎn)為持續(xù)下降[7-8]。全國農(nóng)業(yè)非能源碳排放量占農(nóng)業(yè)碳排放總量的84%以上,土壤管理是農(nóng)業(yè)非能源碳排放的第一來源[9]。全國農(nóng)業(yè)碳排放效率均值為0.778[10],各省(市、自治區(qū))農(nóng)業(yè)碳排放效率提升較快,由2010 年的0.400 增長至2019 年的0.756,具有較大減排潛力[11]。全國農(nóng)業(yè)碳補償率表現(xiàn)出區(qū)域集聚態(tài)勢,且存在顯著正向溢出效應(yīng),區(qū)域農(nóng)業(yè)碳吸收能力呈互相促進的演進特征[12]。第2 類研究集中于分析農(nóng)業(yè)碳排放的影響因素,以尋求減排路徑。例如,農(nóng)業(yè)綠色生產(chǎn)技術(shù)[13]、農(nóng)地流轉(zhuǎn)[14]、農(nóng)業(yè)專業(yè)化[15]、農(nóng)村能源扶貧[16]、城鄉(xiāng)融合發(fā)展[17]、農(nóng)業(yè)經(jīng)濟增長和能源消費[18]等因素對降低農(nóng)業(yè)碳排放量或提高農(nóng)業(yè)碳排放效率均發(fā)揮著重要作用。此外,還有學(xué)者研究農(nóng)業(yè)相關(guān)政策對農(nóng)業(yè)碳減排的影響,例如農(nóng)業(yè)信貸補貼政策[19]、國家農(nóng)業(yè)可持續(xù)發(fā)展試驗示范區(qū)政策[20]、政策性農(nóng)業(yè)保險政策[21]等。

上述關(guān)于農(nóng)業(yè)碳排放的研究為我國農(nóng)業(yè)碳排放問題的解決提供了有力的學(xué)術(shù)支撐,也為本文農(nóng)業(yè)碳排放量的測度方法和研究體系等提供了參考。但是,現(xiàn)有農(nóng)業(yè)碳排放研究較少對高標(biāo)準(zhǔn)農(nóng)田建設(shè)這一政策所可能帶來的影響進行分析。農(nóng)田是碳源和碳匯的根本載體,高標(biāo)準(zhǔn)農(nóng)田建設(shè)為農(nóng)業(yè)低碳減排提供了重要契機。高標(biāo)準(zhǔn)農(nóng)田建設(shè)于2011 年“十二五規(guī)劃”正式啟動實施。統(tǒng)計數(shù)據(jù)顯示,截至目前,全國已累計建成10 億畝高標(biāo)準(zhǔn)農(nóng)田,這有助于穩(wěn)定保障超過1 萬億斤糧食的生產(chǎn)能力。2023 年中央一號文件提出,要逐步把永久基本農(nóng)田全部建成高標(biāo)準(zhǔn)農(nóng)田。一方面,高標(biāo)準(zhǔn)農(nóng)田建設(shè)提高了農(nóng)田質(zhì)量,同時增加了地塊規(guī)模,提高了農(nóng)業(yè)橫向和縱向分工水平,進而有助于促進農(nóng)業(yè)化肥減量[22]?；省⑥r(nóng)藥等農(nóng)業(yè)生產(chǎn)資料的減施減少了面源污染、降低了碳排放。另一方面,高標(biāo)準(zhǔn)農(nóng)田建設(shè)提高了農(nóng)機作業(yè)適宜程度,農(nóng)業(yè)機械能源消耗所帶來的碳排放可能成為農(nóng)業(yè)碳達峰的最大不確定因素[23]。與此同時,高標(biāo)準(zhǔn)農(nóng)田建設(shè)也存在政策設(shè)計與實際落實不匹配、不符合當(dāng)?shù)貙嶋H情況、建設(shè)不標(biāo)準(zhǔn)、造成土壤層破壞等問題[24]。因此,本文旨在回答以下兩個核心問題: 第一,高標(biāo)準(zhǔn)農(nóng)田建設(shè)是否對降低農(nóng)業(yè)碳排放有益? 第二,高標(biāo)準(zhǔn)農(nóng)田建設(shè)通過何種機制影響農(nóng)業(yè)碳排放? 本文通過對高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的準(zhǔn)自然實驗進行分析,利用2007-2017 年省級面板數(shù)據(jù)和連續(xù)型DID (Differences-in-differences approach)評估方法,探究該政策對農(nóng)業(yè)碳排放的差異性影響,分析其內(nèi)在機制,并對相關(guān)結(jié)果進行嚴(yán)格檢驗,為實現(xiàn)農(nóng)業(yè)低碳發(fā)展以及“碳達峰”和“碳中和”目標(biāo)提供理論支持。

1 理論分析與研究假說

農(nóng)村土地整治具有整合土地利用要素、重組土地利用結(jié)構(gòu)、優(yōu)化土地利用功能的作用,具有顯著的生態(tài)效應(yīng)[25]。從經(jīng)濟學(xué)角度來看,根據(jù)規(guī)模經(jīng)濟理論,在一定技術(shù)水平下,適度擴大農(nóng)業(yè)經(jīng)營規(guī)模可以優(yōu)化投入要素配置,從而降低生產(chǎn)成本或提高產(chǎn)量。高標(biāo)準(zhǔn)農(nóng)田建設(shè)包括了平整田塊、適當(dāng)歸并零碎田塊和優(yōu)化溝渠道路布局,有助于集中地塊,緩解耕地細碎化問題。雖然高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策沒有改變原有耕地面積大小,但卻改善了地塊經(jīng)營規(guī)模。農(nóng)業(yè)生產(chǎn)的適度規(guī)?；欣谝丶s利用,農(nóng)資投入減少意味著農(nóng)業(yè)碳排放減少。從生態(tài)學(xué)角度來看,農(nóng)地整治會影響到生態(tài)系統(tǒng)服務(wù)的權(quán)衡和協(xié)同關(guān)系,農(nóng)地整治后,作物生產(chǎn)能力與土壤保持能力的權(quán)衡強度將下降,土壤保持與碳儲量、作物生產(chǎn)能力與碳儲量的權(quán)衡強度將增加[26]。地形是土壤受到腐蝕的原因之一,坡度大的耕地侵蝕率較高。高標(biāo)準(zhǔn)農(nóng)田建設(shè)可以通過平整田塊降低土壤侵蝕,改善土壤生態(tài)系統(tǒng)服務(wù)能力[27],進而提升耕地系統(tǒng)碳匯能力。耕地的坡度、面積、平整度、灌溉系統(tǒng)長度等均與土壤水土保持服務(wù)功能密切相關(guān),因此農(nóng)地整治可以提高耕地的土壤保持服務(wù)功能[28]。高標(biāo)準(zhǔn)農(nóng)田建設(shè)有效改善了灌排條件,其中灌排指標(biāo)對提升耕地質(zhì)量等級的貢獻率達51.85%[29]。農(nóng)田灌溉屬于碳源之一,農(nóng)田灌排條件越好,農(nóng)業(yè)碳排放量越低。綜上所述提出如下假設(shè):

假設(shè)1: 高標(biāo)準(zhǔn)農(nóng)田建設(shè)對農(nóng)業(yè)碳排放具有負向影響。

那么高標(biāo)準(zhǔn)農(nóng)田建設(shè)是通過何種邏輯促進農(nóng)業(yè)碳排放減量的呢? 其一,高標(biāo)準(zhǔn)農(nóng)田建設(shè)通過降低農(nóng)業(yè)化學(xué)品投入強度減少農(nóng)業(yè)碳排放。高標(biāo)準(zhǔn)農(nóng)田建設(shè)集中了地塊空間,降低了耕地細碎化程度,提高了地塊規(guī)模,優(yōu)化了生產(chǎn)要素配置,有助于減少農(nóng)業(yè)化學(xué)品投入。地塊平整為機械深施化肥提供了機會,地塊集中有利于無人機噴灑農(nóng)藥,提高農(nóng)業(yè)化學(xué)品的利用效率,避免過量施用。高標(biāo)準(zhǔn)農(nóng)田建設(shè)優(yōu)化了農(nóng)田利用的空間布局,有利于形成集中連片的作物種植模式。農(nóng)業(yè)橫向分工水平的提高有利于農(nóng)業(yè)低碳技術(shù)的擴散,提高要素利用效率,降低農(nóng)業(yè)化學(xué)品投入強度。以農(nóng)業(yè)碳減排最大的貢獻者化肥為例,高標(biāo)準(zhǔn)農(nóng)田建設(shè)的化肥減量效應(yīng)非常顯著[22]。高標(biāo)準(zhǔn)農(nóng)田建設(shè)的耕地質(zhì)量提升項目改善了農(nóng)業(yè)生產(chǎn)條件,有助于降低農(nóng)用化學(xué)品的使用量。此外,高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策促進了土地流轉(zhuǎn)[30],而土地轉(zhuǎn)入擴大了經(jīng)營規(guī)模,有助于提高農(nóng)業(yè)化學(xué)品的利用效率,降低農(nóng)業(yè)化學(xué)品的投入強度[31]。其二,高標(biāo)準(zhǔn)農(nóng)田建設(shè)通過提升農(nóng)業(yè)社會化服務(wù)水平減少農(nóng)業(yè)碳排放。高標(biāo)準(zhǔn)農(nóng)田具有“地平整、田成方、路相通、渠相連”的特點,有助于農(nóng)業(yè)機械化,為農(nóng)業(yè)社會化服務(wù)提供了發(fā)展基礎(chǔ)。此外,地塊集中提高了經(jīng)營規(guī)模,為緩解勞動力約束,農(nóng)戶會選擇深化農(nóng)業(yè)縱向分工,即購買社會化服務(wù)。高標(biāo)準(zhǔn)農(nóng)田建設(shè)對于農(nóng)業(yè)產(chǎn)中服務(wù)和產(chǎn)后服務(wù)水平有顯著提升作用[32]。通過購買農(nóng)業(yè)社會化服務(wù)進行施肥、打藥、灌溉等作業(yè),可以使生產(chǎn)要素的使用更加規(guī)范化、精準(zhǔn)化和定量化,還可避免其在田間運輸中的損耗,有利于提高其利用效率。一旦農(nóng)戶參與縱向分工,農(nóng)業(yè)技術(shù)進步將不再為外生變量,農(nóng)戶采納低碳生產(chǎn)技術(shù)的主動性將提高。農(nóng)業(yè)社會化服務(wù)組織擁有先進適用的品種、技術(shù)、裝備等現(xiàn)代生產(chǎn)要素,能有效緩解農(nóng)戶采納低碳生產(chǎn)技術(shù)所面臨的高風(fēng)險和高成本問題,促進農(nóng)戶采納農(nóng)業(yè)低碳生產(chǎn)技術(shù)。農(nóng)業(yè)低碳生產(chǎn)技術(shù)的采納提高了全國和主要糧食產(chǎn)區(qū)的農(nóng)業(yè)碳排放效率,促進了農(nóng)業(yè)低碳發(fā)展[13]。故而,高標(biāo)準(zhǔn)農(nóng)田建設(shè)可以通過推動農(nóng)業(yè)社會化服務(wù)發(fā)展,提高農(nóng)業(yè)全要素生產(chǎn)率,從而起到減碳作用[33]。綜上所述提出如下假設(shè):

假設(shè)2: 高標(biāo)準(zhǔn)農(nóng)田建設(shè)通過降低農(nóng)業(yè)化學(xué)品投入強度來減少農(nóng)業(yè)碳排放,即農(nóng)業(yè)化學(xué)品投入強度在高標(biāo)準(zhǔn)農(nóng)田建設(shè)減少農(nóng)業(yè)碳排放過程中發(fā)揮中介效應(yīng)。

假設(shè)3: 高標(biāo)準(zhǔn)農(nóng)田建設(shè)通過提高農(nóng)業(yè)社會化服務(wù)水平減少農(nóng)業(yè)碳排放,即農(nóng)業(yè)社會化服務(wù)在高標(biāo)準(zhǔn)農(nóng)田建設(shè)減少農(nóng)業(yè)碳排放過程中發(fā)揮中介效應(yīng)。

2 變量選取與模型設(shè)定

2.1 數(shù)據(jù)來源

本文將高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的實施作為準(zhǔn)自然實驗,考慮到數(shù)據(jù)的可得性,選取2007-2017 年全國30 個省(自治區(qū)、直轄市) (除西藏和港澳臺)的面板數(shù)據(jù)來分析高標(biāo)準(zhǔn)農(nóng)田建設(shè)對農(nóng)業(yè)碳排放的影響。本文數(shù)據(jù)主要來自歷年《中國農(nóng)村統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國財政年鑒》《中國農(nóng)業(yè)機械工業(yè)年鑒》和《中國農(nóng)村經(jīng)營管理統(tǒng)計年報》。

2.2 變量選取與描述性統(tǒng)計

被解釋變量: 農(nóng)業(yè)碳排放(ACE)。本文以狹義的農(nóng)業(yè)(即種植業(yè))為研究對象,測算了其農(nóng)業(yè)碳排放。參考胡婉玲等[8]、顏光耀等[34]研究,認(rèn)為農(nóng)業(yè)碳源主要包括化肥、農(nóng)藥、農(nóng)用薄膜、農(nóng)用柴油、農(nóng)地翻耕和農(nóng)業(yè)灌溉這6 類,其碳排放系數(shù)分別為0.8956 kg?kg-1、4.9341 kg?kg-1、5.1800 kg?kg-1、0.5927 kg?kg-1、3.1260 kg?hm-2和25.0000 kg?hm-2。

核心解釋變量: 高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策。參考梁志會等[22]的研究,利用土地整治面積占比(HFCi)與高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策實施時點虛擬變量的交互項表征。土地整治面積占比為改造中低產(chǎn)田與高標(biāo)準(zhǔn)農(nóng)田面積占耕地總面積的百分比。高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策實施時點(t)為虛擬變量,由于高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策于2011 年開始規(guī)范實行,故當(dāng)t≥2011 時,取1,反之取0。

中介變量: 農(nóng)業(yè)化學(xué)品投入強度(ACII)和農(nóng)業(yè)社會化服務(wù)(ASS)。本文分別參考吉雪強等[14]和張志新等[33]研究,用化肥、農(nóng)藥、農(nóng)膜使用總量與農(nóng)作物播種面積的比值來衡量農(nóng)業(yè)化學(xué)品投入強度,用農(nóng)林牧漁服務(wù)業(yè)產(chǎn)值與農(nóng)作物播種面積的比值衡量農(nóng)業(yè)社會化服務(wù)。

控制變量: 本文選取的控制變量包括受災(zāi)程度、環(huán)境污染治理投資、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟發(fā)展水平、財政支農(nóng)力度、種植結(jié)構(gòu)、城鎮(zhèn)化率和土地經(jīng)營規(guī)模。各變量說明與描述性統(tǒng)計如表1 所示。

表1 高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放影響的相關(guān)變量說明與描述性統(tǒng)計Table 1 Definition and statistical description of relevant variables of high-standard farmland construction policy that have impacts on agricultural carbon emissions

2.3 模型構(gòu)建

2.3.1 連續(xù)型雙重差分法模型

2011 年高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策開始在全國范圍規(guī)范實施。由于各省(自治區(qū)、直轄市)的水土資源條件、農(nóng)業(yè)產(chǎn)業(yè)發(fā)展需求等不同,在實施高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策中,各省份的建設(shè)任務(wù)和進度差異較大,不同省份在同一時點上的土地整治面積占比存在差異。因此,為了估計高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放的影響,本文使用連續(xù)DID 模型。與一般DID 模型使用虛擬變量來區(qū)分實驗組和控制組不同,本文使用“土地整治面積占比”這個連續(xù)型變量來區(qū)分實驗組(土地整治面積占比高的樣本)和控制組(土地整治面積占比低的樣本)。連續(xù)型DID 模型不僅保留了DID 模型的基本性質(zhì),還能體現(xiàn)出數(shù)據(jù)變化的程度[22]。

為識別實施高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放的影響,本文構(gòu)建如下連續(xù)型DID 模型:

式中:i表示省份;t表示時期;ACEit表示省份i在t時期的農(nóng)業(yè)碳排放量,并取自然對數(shù);α為常數(shù)項;β為待估計參數(shù); HFCi為省份i的土地整治面積占比;為政策實施時點t的虛擬變量;γ為待估計參數(shù);Xit為控制變量;δi為省份固定效應(yīng);μt為年份固定效應(yīng),以捕捉不隨時間變化的個體間差異以及不隨個體變化但隨時間變化的遺漏變量問題;εit為隨機誤差項。式(1)控制了雙向固定效應(yīng),待估計參數(shù) β即為實施高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放的凈影響效應(yīng)。

2.3.2 中介效應(yīng)模型

本文利用兩階段法來驗證高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策影響農(nóng)業(yè)碳排放的內(nèi)在機制。第1 階段驗證高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)化學(xué)品投入強度和農(nóng)業(yè)社會化服務(wù)的影響。第2 階段驗證農(nóng)業(yè)化學(xué)品投入強度和農(nóng)業(yè)社會化服務(wù)對農(nóng)業(yè)碳排放的影響。本文機制驗證模型設(shè)定如下:

式中:Mit表示中介變量,包括農(nóng)業(yè)化學(xué)品投入強度和農(nóng)業(yè)社會化服務(wù);φ為待估計參數(shù);其余變量與系數(shù)設(shè)定與式(1)相同。

3 實證分析與檢驗

3.1 中國農(nóng)業(yè)碳排放量測度

圖1 展示了2007-2017 年全國農(nóng)業(yè)碳排放量的變化趨勢。農(nóng)業(yè)碳排放量總體呈現(xiàn)出先升后降的趨勢,由2007 年的7760 萬t 增加至2015 年的9131 萬t,隨后下降至2017 年8827 萬t。2015 年為我國農(nóng)業(yè)碳排放量變化的一個轉(zhuǎn)折點,可能是由于該年份我國啟動實施了化肥、農(nóng)藥使用量零增長行動,使得化肥等農(nóng)業(yè)化學(xué)物資的使用減少。分區(qū)結(jié)果來看(表2),2017 年我國河南、山東、河北、江蘇、安徽、新疆、湖北、黑龍江等省市的農(nóng)業(yè)碳排放量位居全國前列。2007-2017 年間,北京、上海、天津、河北、山東、江蘇、浙江、福建等省市的農(nóng)業(yè)碳減排速度較快。本文以2017 年家庭承包耕地流轉(zhuǎn)總面積占家庭承包經(jīng)營耕地面積的比重來衡量土地流轉(zhuǎn)水平,高于平均值的為土地流轉(zhuǎn)程度高的省份(北京、天津、遼寧、黑龍江、上海、江蘇、浙江、安徽、河南、湖北、湖南、廣東、重慶),低于平均值的為土地流轉(zhuǎn)程度低的省份(河北、山西、內(nèi)蒙古、吉林、福建、江西、山東、廣西、海南、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆)。2017 年,土地流轉(zhuǎn)程度高的省份農(nóng)業(yè)碳排放量均值為310 萬t,土地流轉(zhuǎn)程度低的省份農(nóng)業(yè)碳排放量均值為282萬t。從農(nóng)業(yè)功能區(qū)定位來看,2017 年糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放量均值為437 萬t,非糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放量均值為185 萬t。

圖1 2007—2017 年全國農(nóng)業(yè)碳排放量Fig.1 National agricultural carbon emissions from 2007 to 2017 in China

表2 2007-2017 年各地區(qū)農(nóng)業(yè)碳排放情況Table 2 Agricultural carbon emissions in each region from 2007 to 2017×104 t

3.2 高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放的基準(zhǔn)回歸分析

本文考察了高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放量的影響,結(jié)果見表3。模型1 和模型2 表示,不管是否控制其他可能影響農(nóng)業(yè)碳排放量的因素,核心解釋變量(即高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策)對農(nóng)業(yè)碳排放量的回歸系數(shù)分別在1%與5%的水平呈顯著負相關(guān),表明高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策具有降低農(nóng)業(yè)碳排放量的生態(tài)效應(yīng)。高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策通過提升農(nóng)田質(zhì)量和補齊農(nóng)業(yè)基礎(chǔ)設(shè)施短板,提高了農(nóng)業(yè)生產(chǎn)效率,促進了農(nóng)藥化肥減量和農(nóng)業(yè)綠色低碳發(fā)展。此外,財政支農(nóng)力度的回歸系數(shù)在1%的水平呈顯著正相關(guān),可能是由于財政支農(nóng)資金投入過于重視經(jīng)濟效益,忽視了生態(tài)效益,從而導(dǎo)致生態(tài)補貼力度不夠。2004 年以來,政府為了提高農(nóng)業(yè)產(chǎn)能,加大了農(nóng)機、化肥等農(nóng)資補貼,造成農(nóng)戶大量使用化肥等,這對于農(nóng)業(yè)碳排放也具有不利影響。

表3 高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放的基準(zhǔn)回歸結(jié)果Table 3 Baseline regression results of high-standard farmland construction policy on agricultural carbon emissions

為了確保本文結(jié)論的穩(wěn)健性,本文采取替換核心解釋變量和被解釋變量以及剔除其他政策干擾等3 種方法進行檢驗,結(jié)果如表4 所示。在替換核心解釋變量上,本文利用單位農(nóng)作物播種面積的農(nóng)業(yè)綜合開發(fā)投入(CADI)與政策實施時點虛擬變量T2011的交互項替換HFC×T2011進行回歸。模型3 結(jié)果表明,CADI×T2011依然在5%的水平上呈顯著負相關(guān),結(jié)果與基準(zhǔn)回歸結(jié)果一致。在替換被解釋變量上,本文利用農(nóng)業(yè)碳排放強度(ACEI)替換農(nóng)業(yè)碳排放量進行回歸,農(nóng)業(yè)碳排放強度用農(nóng)業(yè)碳排放量與農(nóng)業(yè)總產(chǎn)值的比值衡量。模型4 結(jié)果顯示,高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策在5%的水平上呈顯著的負相關(guān),結(jié)果與基準(zhǔn)回歸結(jié)果一致。在剔除其他政策干擾上,本文通過剔除2015 年及之后的樣本數(shù)據(jù)以消除化肥農(nóng)藥零增長政策的影響,通過納入土地流轉(zhuǎn)水平變量(Tra)以消除土地流轉(zhuǎn)政策的影響。模型5 和模型6 結(jié)果顯示,高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策分別在10%和1%的水平上呈顯著的負相關(guān),結(jié)果與基準(zhǔn)回歸結(jié)果一致,驗證了本文結(jié)論的穩(wěn)健性。

表4 高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放影響的穩(wěn)健性檢驗結(jié)果Table 4 Robustness test results of the impact of high-standard farmland construction policy on agricultural carbon emissions

3.3 平行趨勢檢驗與政策的動態(tài)影響

平行趨勢檢驗是使用雙重差分模型的重要前提,目的是驗證政策實施前控制組與實驗組并不存在顯著差異。在本文的模型中,平行趨勢假設(shè)以政策實施年份2011 年為基準(zhǔn)組,驗證在未實施高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策之前,實驗組省市與對照組省市的農(nóng)業(yè)碳排放情況保持一致的變化趨勢。圖2 直觀地顯示了95%的置信區(qū)間下高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的估計系數(shù)變化趨勢。從結(jié)果可以看出,高標(biāo)準(zhǔn)農(nóng)田政策實施前的估計系數(shù)在95%的置信區(qū)間內(nèi)幾乎都包含了0 值,估計系數(shù)在政策實施前無顯著差異。在政策實施后,估計系數(shù)的置信區(qū)間基本不包含0 值,說明估計系數(shù)在政策實施后存在顯著差異,滿足平行趨勢假設(shè)。

圖2 高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放的動態(tài)影響Fig.2 Dynamic impact of high-standard farmland construction policy on agricultural carbon emissions

從動態(tài)估計結(jié)果可以看出(表5),高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的估計系數(shù)在2013 年后開始變得顯著,即在高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策實施的第3 年才開始出現(xiàn)政策效應(yīng),這與張志新等[33]的研究結(jié)論一致。這表明高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放的抑制作用存在滯后效應(yīng)。這可能是由于高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策在實施初期存在綜合配套措施投入不足等問題,難以發(fā)揮出政策效應(yīng)。隨著政策的完善,建設(shè)資金增加、建設(shè)標(biāo)準(zhǔn)提高,政策效應(yīng)也逐漸顯現(xiàn)出來。從估計系數(shù)來看,2013 年開始,高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的減碳效應(yīng)在逐漸增強,且具有持久性。

表5 高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放的動態(tài)影響估計結(jié)果Table 5 Dynamic estimation results of the impact of highstandard farmland construction policy on agricultural carbon emissions

3.4 農(nóng)業(yè)碳減排機制檢驗

基于前文的理論分析,高標(biāo)準(zhǔn)農(nóng)田建設(shè)可能通過降低農(nóng)業(yè)化學(xué)品投入強度和提高農(nóng)業(yè)社會化服務(wù)來抑制農(nóng)業(yè)碳排放量,農(nóng)業(yè)碳減排機制檢驗如表6所示。模型7 和模型8 表明高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)化學(xué)品投入強度和農(nóng)業(yè)社會化服務(wù)分別具有顯著的負向影響和正向影響,即高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策會顯著降低農(nóng)業(yè)化學(xué)品投入強度和促進農(nóng)業(yè)社會化服務(wù)的發(fā)展。模型9 和10 表明農(nóng)業(yè)化學(xué)品投入強度和農(nóng)業(yè)社會化服務(wù)對農(nóng)業(yè)碳排放分別具有顯著的正向和負向影響,且高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的系數(shù)絕對值由模型2 的0.101 下降為模型9 的0.085 和模型10 的0.086。機制檢驗結(jié)果證實了高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策具有通過降低農(nóng)業(yè)化學(xué)品投入強度和提高農(nóng)業(yè)社會化服務(wù)水平抑制農(nóng)業(yè)碳排放的作用機制。因此,本研究假說H2 和H3 通過驗證。

表6 高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放影響的機制檢驗結(jié)果Table 6 Mechanism test results of the impact of high-standard farmland construction policy on agricultural carbon emissions

3.5 異質(zhì)性分析

1)不同土地流轉(zhuǎn)程度的比較(表7)。模型11 顯示,在土地流轉(zhuǎn)程度高的省份,高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策系數(shù)在1%的統(tǒng)計水平顯著,說明高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的實施有助于降低農(nóng)業(yè)碳排放,推動農(nóng)業(yè)低碳發(fā)展。這可能是由于高標(biāo)準(zhǔn)農(nóng)田建設(shè)可提高農(nóng)戶的農(nóng)業(yè)經(jīng)營效益、降低農(nóng)業(yè)經(jīng)營風(fēng)險、促進農(nóng)業(yè)技術(shù)普及,進而促進農(nóng)地流轉(zhuǎn)[35]。農(nóng)地流轉(zhuǎn)有助于形成規(guī)模經(jīng)營,規(guī)模經(jīng)營與綠色技術(shù)進步具有協(xié)同效應(yīng),因此農(nóng)地流轉(zhuǎn)有助于降低農(nóng)業(yè)碳排放[14]。

表7 高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放影響的異質(zhì)性回歸結(jié)果Table 7 Heterogeneity regression results of the impact of high-standard farmland construction policy on agricultural carbon emissions

2)不同農(nóng)業(yè)功能區(qū)定位的比較。模型13 和14顯示,在非糧食主產(chǎn)區(qū),高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放量的影響系數(shù)為負(P<0.1);在糧食主產(chǎn)區(qū),高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放量的負向影響并不顯著。在非糧食主產(chǎn)區(qū),高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的碳減排作用更大?？赡艿脑蚴?相較于糧食主產(chǎn)區(qū),非糧食主產(chǎn)區(qū)的農(nóng)地比較分散、生態(tài)環(huán)境質(zhì)量較差,后發(fā)優(yōu)勢更加明顯。在糧食主產(chǎn)區(qū),高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的減排效應(yīng)不顯著?？赡苁怯捎诩Z食主產(chǎn)區(qū)的糧食安全壓力更大,高標(biāo)準(zhǔn)農(nóng)田建設(shè)著重于提升產(chǎn)能,忽視了農(nóng)田生態(tài)環(huán)境的改善,未能充分發(fā)揮出支撐現(xiàn)代農(nóng)業(yè)低碳發(fā)展的作用。

4 主要結(jié)論與政策建議

4.1 結(jié)論與討論

近年來,氣候變化引起了全球的廣泛關(guān)注,減少碳排放量已成為全球共同的責(zé)任與挑戰(zhàn)。作為重要的碳排放源之一,農(nóng)業(yè)碳排放量的減少對于實現(xiàn)“碳中和、碳達峰”目標(biāo)具有重要意義。高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策是推動農(nóng)業(yè)可持續(xù)發(fā)展和減少碳排放量的重要手段,高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放量的影響研究可為政策制定者提供有力的科學(xué)依據(jù),對于豐富碳排放減少的實踐經(jīng)驗具有重要意義。本文基于中國30 個省份2007-2017年面板數(shù)據(jù),測算了各省農(nóng)業(yè)碳排放量,并利用連續(xù)DID 模型和中介效應(yīng)模型分析了高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放量的影響。本文主要得出以下5 個研究結(jié)論。第一,考察期間,我國農(nóng)業(yè)碳排放量呈先升后降的倒U 型,農(nóng)業(yè)碳排放量峰值出現(xiàn)在2015 年,這與胡婉玲等[8]的研究結(jié)果一致。第二,高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策具有顯著的抑制農(nóng)業(yè)碳排放的作用,平均而言可以降低10.1%的農(nóng)業(yè)碳排放量。在替換核心解釋變量和解釋變量以及消除相關(guān)政策的影響后,高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策仍具有顯著的農(nóng)業(yè)碳減排作用。這與陳宇斌等[36]的研究結(jié)論一致,證實了本文分析結(jié)果的可靠性,豐富了農(nóng)業(yè)碳排放影響因素的研究體系,為加強高標(biāo)準(zhǔn)農(nóng)田建設(shè)提供了環(huán)境效益相關(guān)的論據(jù)。第三,動態(tài)估計結(jié)果顯示,高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的減碳效應(yīng)具有滯后性,政策效應(yīng)于2013 年開始持續(xù)增強。第四,機制分析結(jié)果表明,農(nóng)業(yè)化學(xué)品投入強度和農(nóng)業(yè)社會化服務(wù)在高標(biāo)準(zhǔn)農(nóng)田建設(shè)降低農(nóng)業(yè)碳排放過程中發(fā)揮中介效應(yīng),即高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策主要通過降低農(nóng)業(yè)化學(xué)品投入強度和提高農(nóng)業(yè)社會化服務(wù)來抑制農(nóng)業(yè)碳排放。第五,異質(zhì)性分析表明,對于土地流轉(zhuǎn)程度高的省份,高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的農(nóng)業(yè)碳減排效應(yīng)非常顯著,而在土地流轉(zhuǎn)程度低的省份不顯著。高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策在非糧食主產(chǎn)區(qū)的碳減排效應(yīng)更顯著,而在糧食主產(chǎn)區(qū)不顯著。

與現(xiàn)有研究相比,本文從以下兩個方面進行了深化。其一,本研究基于規(guī)模經(jīng)濟理論和專業(yè)分工理論,從農(nóng)業(yè)化學(xué)品投入強度和農(nóng)業(yè)社會化服務(wù)兩個方面深入探討了高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策影響農(nóng)業(yè)碳排放的潛在機制。這有助于全面、深入地探討高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策是如何影響農(nóng)業(yè)碳排放的,以期豐富相關(guān)研究。其二,本文考慮到在土地流轉(zhuǎn)程度和農(nóng)業(yè)功能區(qū)定位不同的地區(qū),高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)碳排放的影響可能存在差異,進一步對不同土地流轉(zhuǎn)程度和農(nóng)業(yè)功能區(qū)定位下的政策效果進行異質(zhì)性分析。

4.2 建議

以上研究結(jié)論證實了高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的農(nóng)業(yè)碳減排效應(yīng)。因此,本文提出如下政策建議。第一,各級政府應(yīng)加強高標(biāo)準(zhǔn)農(nóng)田建設(shè),充分發(fā)揮其在碳減排方面的生態(tài)效應(yīng)?？梢酝ㄟ^引導(dǎo)金融社會資本投入、支持新型經(jīng)營主體參與、因地制宜推進多目標(biāo)協(xié)同建設(shè)、系統(tǒng)優(yōu)化建后管護等方式加強高標(biāo)準(zhǔn)農(nóng)田建設(shè),從而發(fā)揮該政策的碳減排作用。第二,各級政府應(yīng)高度關(guān)注農(nóng)業(yè)化學(xué)化和社會化服務(wù)在高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策減碳過程中的作用。通過秸稈還田、增施有機肥和綠肥、測土配方施肥、調(diào)酸控污等方式,修復(fù)污染性土壤、提高耕地地力,進而降低農(nóng)業(yè)生產(chǎn)過程中的化學(xué)化水平。通過土地整治、田間機耕路建設(shè)、完善灌溉與排水設(shè)施和農(nóng)田輸配電設(shè)施,推動農(nóng)業(yè)社會化服務(wù)。第三,各級政府應(yīng)因地制宜、分類施策,差異化實施高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策。高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的減碳效應(yīng)在不同土地流轉(zhuǎn)程度和農(nóng)業(yè)功能定位區(qū)下具有較大差異。對于土地流轉(zhuǎn)程度低的省份,應(yīng)加快推進農(nóng)地流轉(zhuǎn),強化高標(biāo)準(zhǔn)農(nóng)田建設(shè)對于農(nóng)業(yè)碳排放的抑制作用。糧食主產(chǎn)區(qū)應(yīng)調(diào)整農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、推廣綠色農(nóng)業(yè)生產(chǎn)技術(shù)和摒棄粗放型生產(chǎn)方式,平衡產(chǎn)能與資源環(huán)境承載力的關(guān)系,推動農(nóng)業(yè)綠色低碳發(fā)展。