耿亮，彭靈通，魏玻，安彧

（湖北工業(yè)大學(xué) 理學(xué)院，湖北 武漢 430068）

農(nóng)業(yè)是中國(guó)第一大基礎(chǔ)性產(chǎn)業(yè)，以占世界9%的耕地養(yǎng)活了占世界1/5 的人口[1]。改革開(kāi)放以來(lái)，中國(guó)城鎮(zhèn)化率已由1978 年的17.92%上升到2020 年的63.89%，城鎮(zhèn)化進(jìn)程中的人口流動(dòng)、能源消耗等因素將加大碳排放進(jìn)而影響綠色農(nóng)業(yè)的發(fā)展[2]?！秶?guó)家新型城鎮(zhèn)化規(guī)劃（2014—2020 年）》明確表明“城鎮(zhèn)化是解決三農(nóng)問(wèn)題的重要途徑”，揭示了新型城鎮(zhèn)化與農(nóng)業(yè)現(xiàn)代化發(fā)展的共生性特征[3]。黨的十九大報(bào)告指出，農(nóng)業(yè)現(xiàn)代化與城鎮(zhèn)化需同步發(fā)展。作為鄉(xiāng)村振興戰(zhàn)略重要目標(biāo)的農(nóng)業(yè)現(xiàn)代化，意味著在實(shí)現(xiàn)農(nóng)業(yè)強(qiáng)、農(nóng)民富的同時(shí)，還得重視綠色農(nóng)業(yè)的發(fā)展[4]。長(zhǎng)江經(jīng)濟(jì)帶是中國(guó)重要的農(nóng)業(yè)生產(chǎn)區(qū)，農(nóng)業(yè)增加值約占全國(guó)的40%，在全國(guó)農(nóng)業(yè)發(fā)展中具有重要地位[5]。伴隨著化肥、農(nóng)藥等農(nóng)用物資的大量使用，長(zhǎng)江經(jīng)濟(jì)帶生態(tài)環(huán)境受到嚴(yán)重影響，農(nóng)業(yè)可持續(xù)發(fā)展面臨巨大壓力。在長(zhǎng)江經(jīng)濟(jì)帶發(fā)展座談會(huì)上，習(xí)近平總書(shū)記指出長(zhǎng)江經(jīng)濟(jì)帶的發(fā)展不僅要正確把握生態(tài)環(huán)境保護(hù)和經(jīng)濟(jì)發(fā)展的關(guān)系，還要積極推動(dòng)新型城鎮(zhèn)化建設(shè)，實(shí)現(xiàn)區(qū)域協(xié)調(diào)發(fā)展[6]。因此，在“雙碳”背景下，研究城鎮(zhèn)化對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的影響及其耦合關(guān)系，對(duì)于適應(yīng)農(nóng)業(yè)現(xiàn)代化發(fā)展需求和城鎮(zhèn)化發(fā)展趨勢(shì)具有重要意義，對(duì)推動(dòng)城鎮(zhèn)化水平與區(qū)域農(nóng)業(yè)綠色發(fā)展具有一定的指導(dǎo)價(jià)值。

1 文獻(xiàn)綜述

關(guān)于城鎮(zhèn)化對(duì)碳排放的影響研究，大致可分為兩類(lèi)：一類(lèi)傾向于對(duì)城鎮(zhèn)化和碳排放的關(guān)系檢驗(yàn)。如RAFIQ等[7]認(rèn)為城鎮(zhèn)化與碳排放間不具備顯著相關(guān)性；張騰飛等[8]認(rèn)為倒“U”型曲線(xiàn)符合中國(guó)城鎮(zhèn)化水平與碳排放間的關(guān)系；范建雙等[9]通過(guò)引入城鎮(zhèn)化水平二次項(xiàng)，發(fā)現(xiàn)“U”型曲線(xiàn)顯著存在于城鎮(zhèn)化與碳排放二者關(guān)系間。另一類(lèi)傾向于相關(guān)因素在城鎮(zhèn)化過(guò)程中對(duì)碳排放的影響。如COLE 等[10]證實(shí)影響碳排放的重要因素包括城鎮(zhèn)化；LIDDLE[11]發(fā)現(xiàn)城鎮(zhèn)化對(duì)節(jié)約交通能源有所助益，進(jìn)而減少碳排放；林美順[12]認(rèn)為在城鎮(zhèn)化進(jìn)程中發(fā)展第三產(chǎn)業(yè)、降低能源強(qiáng)度等是減少碳排放的有效手段。

農(nóng)業(yè)碳排放方面，現(xiàn)有研究可分為兩類(lèi)：一類(lèi)聚焦于農(nóng)業(yè)碳排放的測(cè)算，主要從農(nóng)田利用[13]、農(nóng)藥使用[14]、農(nóng)機(jī)灌溉[15]等方面對(duì)農(nóng)業(yè)碳排放量進(jìn)行測(cè)算。另一類(lèi)聚焦于相關(guān)因素對(duì)農(nóng)業(yè)碳排放的影響，主要從經(jīng)濟(jì)發(fā)展水平[16]、經(jīng)濟(jì)增長(zhǎng)[17]、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)[18]等角度展開(kāi)。關(guān)于城鎮(zhèn)化對(duì)農(nóng)業(yè)碳排放的影響研究較少[19-20]，主要基于全國(guó)視角，圍繞人口城鎮(zhèn)化單一維度展開(kāi)，整體分析略顯不足。

鑒于此，基于2000—2020 年長(zhǎng)江經(jīng)濟(jì)帶面板數(shù)據(jù)，構(gòu)建城鎮(zhèn)化和農(nóng)業(yè)碳排放指標(biāo)體系，采用偏最小二乘法與耦合協(xié)調(diào)度模型對(duì)兩者的影響機(jī)制及其耦合協(xié)調(diào)關(guān)系進(jìn)行深入探究，為推進(jìn)區(qū)域城鎮(zhèn)化水平與農(nóng)業(yè)現(xiàn)代化、促進(jìn)農(nóng)業(yè)碳減排與高質(zhì)量發(fā)展提供一定參考。與以往研究相比，創(chuàng)新點(diǎn)在于：指標(biāo)上，綜合人口—經(jīng)濟(jì)—社會(huì)—空間—生態(tài)環(huán)境五大維度測(cè)算城鎮(zhèn)化水平，彌補(bǔ)單一維度的不足。思路上，將城鎮(zhèn)化引入農(nóng)業(yè)碳排放的影響因素，豐富了農(nóng)業(yè)碳排放影響因素的研究。對(duì)象上，在長(zhǎng)江經(jīng)濟(jì)帶戰(zhàn)略層面上進(jìn)行考察，是對(duì)農(nóng)業(yè)碳排放影響因素的分析擴(kuò)展，也是對(duì)現(xiàn)有研究的有益拓展。方法上，結(jié)合層次分析法和熵值法進(jìn)行主客觀綜合賦權(quán)，彌補(bǔ)單一賦權(quán)的局限性。

2 指標(biāo)構(gòu)建與研究方法

2.1 數(shù)據(jù)來(lái)源與處理

原始數(shù)據(jù)來(lái)自2001—2021 年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》以及長(zhǎng)江經(jīng)濟(jì)帶各省市歷年統(tǒng)計(jì)年鑒。針對(duì)部分無(wú)法直接獲取的統(tǒng)計(jì)數(shù)據(jù)，采用二次計(jì)算（人均、地均）處理得到；針對(duì)個(gè)別缺失數(shù)據(jù)，采用年均增長(zhǎng)率法進(jìn)行補(bǔ)充。

2.2 指標(biāo)體系構(gòu)建

2.2.1 城鎮(zhèn)化指標(biāo)體系構(gòu)建

參考相關(guān)文獻(xiàn)資料[21-23]，綜合人口、經(jīng)濟(jì)、社會(huì)、空間和生態(tài)環(huán)境五大維度考慮，共選取23 項(xiàng)指標(biāo)構(gòu)建城鎮(zhèn)化水平測(cè)度指標(biāo)體系（表1）。主觀賦權(quán)法過(guò)于依賴(lài)個(gè)體經(jīng)驗(yàn)，易受主觀因素的影響，客觀賦權(quán)法會(huì)在數(shù)據(jù)量較少時(shí)出現(xiàn)結(jié)果不準(zhǔn)確問(wèn)題[24-25]。因此，為提高指標(biāo)賦權(quán)的科學(xué)性，將AHP 和熵值法相結(jié)合進(jìn)行主客觀綜合賦權(quán)，避免了單一賦權(quán)法的局限性。

表1 城鎮(zhèn)化水平測(cè)度指標(biāo)體系

2.2.2 農(nóng)業(yè)碳排放指標(biāo)體系構(gòu)建

目前，關(guān)于農(nóng)業(yè)碳排放測(cè)度方法主要有IPCC 推薦的物料平衡法與碳轉(zhuǎn)化系數(shù)法等。其中，物料平衡法更適用于石油等能源消耗碳排放的測(cè)度，而農(nóng)業(yè)碳排放源主要包括化肥、農(nóng)藥、塑料薄膜等，多數(shù)學(xué)者采用碳轉(zhuǎn)化系數(shù)法進(jìn)行測(cè)度[26-28]。針對(duì)農(nóng)業(yè)種植業(yè)生產(chǎn)過(guò)程中引起的碳排放情況，采用碳轉(zhuǎn)化系數(shù)法測(cè)度，各類(lèi)碳源的碳轉(zhuǎn)化系數(shù)如表2 所示。

表2 農(nóng)業(yè)碳排放源的碳轉(zhuǎn)化系數(shù)

由于農(nóng)機(jī)生產(chǎn)碳排放較復(fù)雜，故其計(jì)算公式為：

式中：C8代表農(nóng)機(jī)生產(chǎn)碳排放量，C6代表折算后的農(nóng)作物總播種面積碳排放量，C7代表折算后的農(nóng)機(jī)總動(dòng)力碳排放量。故農(nóng)業(yè)碳排放總量計(jì)算公式為：

式中：C表示農(nóng)業(yè)碳排放總量，Cn表示各類(lèi)碳源的碳排放量。

參考相關(guān)研究成果[29-31]，從投入、產(chǎn)出、效益三大維度選取10 項(xiàng)指標(biāo)構(gòu)建農(nóng)業(yè)碳排放綜合指標(biāo)評(píng)價(jià)體系（表3）。

表3 農(nóng)業(yè)碳排放測(cè)度指標(biāo)體系

2.3 研究方法

2.3.1 層次分析法

層次分析法（AHP）是一種將與決策相關(guān)的元素分解成不同層次，并進(jìn)行定性和定量分析的決策方法。采用兩兩比較的方法建立判斷矩陣A=(aij)p×p，其中指標(biāo)i與指標(biāo)j的重要性之比為aij。

式（3）～（5）中：CI表示一致性指標(biāo)，λmax表示判斷矩陣的最大特征值，RI表示隨機(jī)一致性指標(biāo)，CR表示一致性比例，p表示判斷矩陣中的指標(biāo)個(gè)數(shù)，Cj表示第j項(xiàng)指標(biāo)的AHP 權(quán)重。

2.3.2 熵值法

熵值法根據(jù)各項(xiàng)指標(biāo)值的變異程度對(duì)系統(tǒng)整體的影響來(lái)確定指標(biāo)的權(quán)重。計(jì)算流程如下：

（1）選取指標(biāo)：假定年份數(shù)為y，地區(qū)數(shù)為d，指標(biāo)數(shù)為p，那么Xkij即為第k年期間i地區(qū)的第j項(xiàng)指標(biāo)值。本文中y=21，d=11，p=23。

（2）數(shù)據(jù)標(biāo)準(zhǔn)化：運(yùn)用極差法分別對(duì)負(fù)向、正向指標(biāo)分別進(jìn)行標(biāo)準(zhǔn)化處理，以實(shí)現(xiàn)指標(biāo)數(shù)據(jù)量綱的統(tǒng)一。計(jì)算公式為：

正向指標(biāo)：

式（6）、（7）中：Akij代表Xkij消除量綱影響后的標(biāo)準(zhǔn)化數(shù)值，minXkij代表第j項(xiàng)的最小值，maxXkij代表第j項(xiàng)的最大值。

（3）指標(biāo)權(quán)重計(jì)算：

式（8）～（11）中：Pkij表示第k年i地區(qū)的第j項(xiàng)指標(biāo)占該指標(biāo)的比重，Ej、Dj分別表示第j項(xiàng)指標(biāo)的熵值和差異程度，Wj表示第j項(xiàng)指標(biāo)的熵值法權(quán)重。

最后將AHP 和熵值法進(jìn)行結(jié)合，得到各指標(biāo)的綜合權(quán)重Kj。

2.3.3 偏最小二乘法

偏最小二乘法通過(guò)成分提取對(duì)變量包含的信息進(jìn)行重組，適用于解決變量多重共線(xiàn)性和樣本點(diǎn)數(shù)量不足等問(wèn)題[32-33]。該方法原理為：

在研究自變量和因變量之間的關(guān)系時(shí)，構(gòu)建數(shù)據(jù)矩陣X=(xij)np和Y=(yij)nq，其中包含了p個(gè)自變量x、q個(gè)因變量y和n個(gè)觀測(cè)樣本點(diǎn)，并分別提取第一主成分因子t1和u1，要求二者攜帶各自矩陣的變異信息和相關(guān)程度盡可能達(dá)到最大[34]。通過(guò)迭代回歸，在方程達(dá)到滿(mǎn)意精度時(shí)終止，否則繼續(xù)進(jìn)行第二主成分因子的提取，直至能顯著解釋變量變化。其中，變量投影重要性（VIP）是評(píng)估驅(qū)動(dòng)因子重要性的關(guān)鍵指標(biāo)。當(dāng)VIP值小于0.8時(shí)，表明自變量對(duì)因變量來(lái)說(shuō)是不重要因素；當(dāng)VIP值在0.8 和1.0 之間時(shí)，表明自變量對(duì)因變量來(lái)說(shuō)是重要因素；當(dāng)VIP值大于1.0 時(shí)，表明自變量對(duì)因變量來(lái)說(shuō)是極重要因素[35]。

2.3.4 耦合協(xié)調(diào)度模型

耦合度是指多個(gè)系統(tǒng)或要素之間互相影響的動(dòng)態(tài)關(guān)系，耦合協(xié)調(diào)度則是基于這種關(guān)系形成的，能夠更好地描述多個(gè)系統(tǒng)或要素之間的耦合協(xié)調(diào)發(fā)展水平。參考相關(guān)研究[36-37]，構(gòu)建城鎮(zhèn)化與農(nóng)業(yè)碳排放之間的耦合度模型，其數(shù)學(xué)表達(dá)如下：

式中：C代表耦合度，U代表城鎮(zhèn)化系統(tǒng)的綜合得分，E代表農(nóng)業(yè)碳排放系統(tǒng)的綜合得分。在式（13）基礎(chǔ)上形成的耦合協(xié)調(diào)度模型如下所示：

式中：D代表耦合協(xié)調(diào)度，T代表系統(tǒng)間的綜合評(píng)價(jià)指數(shù)，α、β代表待定系數(shù)。由于城鎮(zhèn)化與農(nóng)業(yè)碳排放相互影響、地位同等，故取α=β=0.5。

借鑒相關(guān)研究[38-39]，C、D的等級(jí)劃分標(biāo)準(zhǔn)如表4所示。

表4 耦合度與耦合協(xié)調(diào)度的等級(jí)劃分標(biāo)準(zhǔn)

3 結(jié)果與分析

3.1 長(zhǎng)江經(jīng)濟(jì)帶各省市城鎮(zhèn)化水平分析

3.1.1 各省市城鎮(zhèn)化時(shí)序演變分析

2000—2020 年，長(zhǎng)江經(jīng)濟(jì)帶各省市城鎮(zhèn)化水平呈現(xiàn)出波動(dòng)性增長(zhǎng)的態(tài)勢(shì)，并且各省市之間存在顯著差異（表5）。以2020 年為例，各省市城鎮(zhèn)化水平按照從高到低的順序排列如下：江蘇（97.32%）、安徽（95.94%）、四川（95.43%）、 浙江（95.14%）、 云南（93.77%）、 湖南（92.18%）、 江西（90.60%）、 貴州（89.85%）、 上海（88.68%）、湖北（88.51%）、重慶（84.95%）。其中，江蘇城鎮(zhèn)化進(jìn)程不斷加快，城鎮(zhèn)化水平穩(wěn)居前列，超過(guò)長(zhǎng)江經(jīng)濟(jì)帶平均水平5 個(gè)百分點(diǎn)，表明江蘇城鎮(zhèn)的人口空間承載力、經(jīng)濟(jì)社會(huì)發(fā)展?jié)摿?、生態(tài)環(huán)境承載力得到進(jìn)一步提升。而重慶位于西南邊陲，自然本底較差，一定程度上導(dǎo)致城鎮(zhèn)分布呈現(xiàn)西密東疏狀態(tài)。從重慶近年來(lái)發(fā)展趨勢(shì)看，其正逐漸進(jìn)入城鎮(zhèn)化穩(wěn)定發(fā)展階段，仍將有巨大的城鎮(zhèn)化發(fā)展?jié)摿Α?/p>

表5 長(zhǎng)江經(jīng)濟(jì)帶各省市城鎮(zhèn)化水平演變

3.1.2 各省市城鎮(zhèn)化各維度演變分析

總體上，2000—2020 年長(zhǎng)江經(jīng)濟(jì)帶各省市生態(tài)環(huán)境城鎮(zhèn)化占比逐漸降低，仍占據(jù)較高水平；社會(huì)與經(jīng)濟(jì)城鎮(zhèn)化占比呈現(xiàn)先降后升趨勢(shì)；人口與空間城鎮(zhèn)化占比先升后降，逐漸穩(wěn)定在18%左右（圖1），說(shuō)明各省市城鎮(zhèn)化發(fā)展已經(jīng)從單純關(guān)注城鎮(zhèn)人口空間占比的“量”轉(zhuǎn)向關(guān)注多維度方面的“質(zhì)”，實(shí)現(xiàn)綜合發(fā)展。根據(jù)城鎮(zhèn)化各維度占比數(shù)據(jù)分析可知，重慶主導(dǎo)類(lèi)型已經(jīng)從空間城鎮(zhèn)化轉(zhuǎn)變?yōu)樯鷳B(tài)環(huán)境城鎮(zhèn)化；云南、貴州、安徽、湖北、湖南主導(dǎo)類(lèi)型由人口城鎮(zhèn)化轉(zhuǎn)變?yōu)榻?jīng)濟(jì)和社會(huì)城鎮(zhèn)化并重發(fā)展；四川、上海、江蘇、浙江主導(dǎo)類(lèi)型由空間城鎮(zhèn)化轉(zhuǎn)變?yōu)榻?jīng)濟(jì)和社會(huì)城鎮(zhèn)化并重發(fā)展；江西主導(dǎo)類(lèi)型由人口城鎮(zhèn)化轉(zhuǎn)變?yōu)樯鷳B(tài)環(huán)境城鎮(zhèn)化。城鎮(zhèn)化主導(dǎo)類(lèi)型與其發(fā)展階段息息相關(guān)，各省市城鎮(zhèn)化主導(dǎo)類(lèi)型可根據(jù)發(fā)展順序劃分為：人口城鎮(zhèn)化→空間城鎮(zhèn)化→生態(tài)環(huán)境城鎮(zhèn)化→經(jīng)濟(jì)城鎮(zhèn)化→社會(huì)城鎮(zhèn)化。

圖1 長(zhǎng)江經(jīng)濟(jì)帶各省市城鎮(zhèn)化各維度占比變化

3.2 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放空間異質(zhì)性分析

采取每5 年為一個(gè)時(shí)間段，將整個(gè)觀測(cè)期劃分為2000—2004 年、2005—2009 年、2010—2014 年和2015—2020 年4 個(gè)階段。考慮到各省市碳排放量差異較大，采用自然斷點(diǎn)法進(jìn)行等級(jí)劃分，依次分為最高級(jí)、次高級(jí)、一般級(jí)、次低級(jí)和最低級(jí)五個(gè)等級(jí)，實(shí)現(xiàn)各類(lèi)別之間的差異最小化。同時(shí)借助ArcGIS 軟件生成的相關(guān)數(shù)據(jù)結(jié)果示于圖2。

圖2 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放空間分布

由圖2 可知，觀測(cè)期內(nèi)，農(nóng)業(yè)碳排放等級(jí)一直處在最高級(jí)的是安徽省，由于安徽是我國(guó)重要的糧食主產(chǎn)區(qū)之一，水稻種植面積廣泛，致使其農(nóng)業(yè)碳排放量較高；相反地，農(nóng)業(yè)碳排放等級(jí)一直處在最低級(jí)的是上海市，其排放量呈現(xiàn)下降趨勢(shì)，從2000—2004 年的112 080 萬(wàn)噸減少到2015—2020 年的87 548 萬(wàn)噸。一方面農(nóng)地資源相對(duì)緊張，農(nóng)業(yè)生產(chǎn)規(guī)模有限，導(dǎo)致上海農(nóng)業(yè)碳排放量明顯低于其他省市；另一方面，上海是我國(guó)的第一大城市，非農(nóng)產(chǎn)業(yè)的蓬勃發(fā)展迫使其必須轉(zhuǎn)向發(fā)展綠色低碳的現(xiàn)代都市化農(nóng)業(yè)，從而大幅減少了農(nóng)業(yè)碳排放量?？傮w上，2000—2004 年和2005—2009 年，各省市農(nóng)業(yè)碳排放量波動(dòng)變化，只有湖南的排放等級(jí)發(fā)生改變，由最高級(jí)下降為次高級(jí)。在2010—2014 年，除上海和浙江外，各省市農(nóng)業(yè)碳排放量相較于前一階段均呈現(xiàn)增加趨勢(shì)，其中，重慶和浙江的排放等級(jí)由次低級(jí)下降至最低級(jí)，江西由一般級(jí)下降至次低級(jí)，江蘇由最高級(jí)下降至次高級(jí)。而在2015—2020 年，多數(shù)省市農(nóng)業(yè)碳排放量均呈現(xiàn)增加趨勢(shì)，其中貴州由次低級(jí)升為一般級(jí)，云南由一般級(jí)升為次高級(jí)，湖南由次高級(jí)升為最高級(jí)，而重慶、浙江由最低級(jí)變回為次低級(jí)，江西由次低級(jí)變回為一般級(jí)，江蘇由次高級(jí)變回為最高級(jí)。

3.3 城鎮(zhèn)化對(duì)農(nóng)業(yè)碳排放的影響分析

3.3.1 偏最小二乘回歸分析

基于前文對(duì)長(zhǎng)江經(jīng)濟(jì)帶各省市城鎮(zhèn)化和農(nóng)業(yè)碳排放的定性分析，將23 項(xiàng)城鎮(zhèn)化指標(biāo)作為自變量x，將農(nóng)業(yè)碳排放量作為因變量y，構(gòu)建偏最小二乘回歸模型（PLS模型），進(jìn)一步定量分析城鎮(zhèn)化對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的影響，回歸結(jié)果如表6 所示。

表6 長(zhǎng)江經(jīng)濟(jì)帶各省市PLS模型回歸情況

由表6 可知，各省市PLS 模型提取的有效成分對(duì)自變量與因變量的解釋能力均較強(qiáng)，說(shuō)明模型擬合效果較好。從回歸方程來(lái)看，x2、x14、x22、x23的回歸系數(shù)主要為負(fù)值，說(shuō)明其具有抑制農(nóng)業(yè)碳排放的效果；其余指標(biāo)回歸系數(shù)主要為正值，說(shuō)明其具有促進(jìn)農(nóng)業(yè)碳排放的效果。當(dāng)城鎮(zhèn)化水平每提高1%，各省市農(nóng)業(yè)碳排放量相應(yīng)變化如下：重慶（+0.92%）、四川（+5.31%）、貴州（+22.51%）、云南（+11.27%）、江西（+7.7%）、湖北（+16.74%）、湖南（+12.50%）、上海（-3.23%）、江蘇（+15.13%）、浙江（-12.37%）和安徽（+10.36%）。

3.3.2 變量投影重要性分析

為了更深入地研究各因素對(duì)農(nóng)業(yè)碳排放的影響程度，運(yùn)用SIMCA-P 軟件進(jìn)行VIP值的計(jì)算，具體結(jié)果見(jiàn)圖3。各項(xiàng)因素對(duì)解釋農(nóng)業(yè)碳排放量的重要性程度存在顯著差異，例如，x3在重慶、上海和江蘇地區(qū)的VIP值小于0.8，因此可視為不重要因素，在四川和江西地區(qū)，VIP值位于0.8 至1 之間，可視為一般重要因素，而在貴州、云南、湖北、湖南、浙江和安徽地區(qū)，VIP值大于1，可視為極重要因素。綜合來(lái)看，二、三產(chǎn)業(yè)就業(yè)人員占總就業(yè)人員比重（x4）、人均國(guó)內(nèi)生產(chǎn)總值（x5）、城鎮(zhèn)居民人均可支配收入（x8）、衛(wèi)生技術(shù)人員（x9）、全社會(huì)固定資產(chǎn)投資總額（x11）、人均教育經(jīng)費(fèi)（x13）、萬(wàn)元GDP 能耗（x18）等因素在影響農(nóng)業(yè)碳排放量方面扮演著極其重要的角色，這表明城鎮(zhèn)化對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的影響主要體現(xiàn)在人口、社會(huì)、經(jīng)濟(jì)和生態(tài)環(huán)境城鎮(zhèn)化這四個(gè)維度。

圖3 長(zhǎng)江經(jīng)濟(jì)帶各省市變量投影重要性

3.4 城鎮(zhèn)化與農(nóng)業(yè)碳排放的耦合關(guān)系分析

3.4.1 各省市城鎮(zhèn)化與農(nóng)業(yè)碳排放的耦合度分析

長(zhǎng)江經(jīng)濟(jì)帶各省市呈現(xiàn)出較高的城鎮(zhèn)化和農(nóng)業(yè)碳排放之間的相互作用，在觀測(cè)期內(nèi)，這種相互作用的耦合度均高于0.6，并呈現(xiàn)出逐漸增強(qiáng)的趨勢(shì)（圖4）。耦合度主要處在磨合階段與高水平耦合階段，說(shuō)明二者間具有較強(qiáng)的相互作用關(guān)系，且程度在逐漸增強(qiáng)。20 年間重慶、江西、上海和浙江一直處在高水平耦合階段，耦合度分別由0.906 0、0.914 1、0.962 1 和0.959 3 增大到0.950 2、0.929 8、0.988 9 和0.984 2，其他各省市都經(jīng)歷了由磨合階段向高水平耦合階段的過(guò)渡。表明長(zhǎng)江經(jīng)濟(jì)帶城鎮(zhèn)化與農(nóng)業(yè)碳排放間存在較為良好的共振性，二者間差異較小，呈現(xiàn)出一種共振式的協(xié)調(diào)發(fā)展局面。

圖4 各省市城鎮(zhèn)化與農(nóng)業(yè)碳排放耦合協(xié)調(diào)情況

3.4.2 各省市城鎮(zhèn)化與農(nóng)業(yè)碳排放的耦合協(xié)調(diào)度分析

由圖4 可知，長(zhǎng)江經(jīng)濟(jì)帶城鎮(zhèn)化和農(nóng)業(yè)碳排放之間呈現(xiàn)出同步協(xié)調(diào)的發(fā)展?fàn)顟B(tài)，具體而言，二者的耦合協(xié)調(diào)度平均值從0.504 9 增大到0.800 1，從勉強(qiáng)協(xié)調(diào)發(fā)展為良好協(xié)調(diào)，表明城鎮(zhèn)化對(duì)農(nóng)業(yè)碳排放具有顯著的正反饋?zhàn)饔?。具體來(lái)看，各省市耦合協(xié)調(diào)度差異明顯，其中，四川、上海、浙江由勉強(qiáng)協(xié)調(diào)轉(zhuǎn)變?yōu)榱己脜f(xié)調(diào)；江蘇由勉強(qiáng)協(xié)調(diào)過(guò)渡為瀕臨失調(diào)，而后轉(zhuǎn)變?yōu)榱己脜f(xié)調(diào)，由0.512 3 增長(zhǎng)到0.809 8；湖北、湖南由勉強(qiáng)協(xié)調(diào)轉(zhuǎn)變?yōu)橹屑?jí)協(xié)調(diào)；重慶由輕度失調(diào)過(guò)渡到良好協(xié)調(diào)，而后轉(zhuǎn)變?yōu)橹屑?jí)協(xié)調(diào)，從0.396 8 增長(zhǎng)到0.784 5；江西、安徽由勉強(qiáng)協(xié)調(diào)過(guò)渡到良好協(xié)調(diào)，而后轉(zhuǎn)變?yōu)橹屑?jí)協(xié)調(diào)；貴州由勉強(qiáng)協(xié)調(diào)過(guò)渡到瀕臨失調(diào)，而后轉(zhuǎn)變?yōu)橹屑?jí)協(xié)調(diào)，從0.505 0 增長(zhǎng)到0.770 7；云南情況最為復(fù)雜，首先由勉強(qiáng)協(xié)調(diào)過(guò)渡到瀕臨失調(diào)，而后轉(zhuǎn)變?yōu)橹屑?jí)協(xié)調(diào)，繼而過(guò)渡到初級(jí)協(xié)調(diào)，最終又回到中級(jí)協(xié)調(diào)，其耦合協(xié)調(diào)度由0.537 7 增長(zhǎng)到0.774 9。

為進(jìn)一步分析各省市耦合協(xié)調(diào)度差異情況，基于2000 年、2005 年、2010 年、2015 年和2020 年等主要年份各省市耦合協(xié)調(diào)度結(jié)果，運(yùn)用ArcGIS 軟件采用自然斷點(diǎn)法來(lái)直觀地展示其差異情況，結(jié)果如圖5 所示。

圖5 城鎮(zhèn)化與農(nóng)業(yè)碳排放耦合協(xié)調(diào)度空間分布

由圖5 可知，長(zhǎng)江經(jīng)濟(jì)帶城鎮(zhèn)化與農(nóng)業(yè)碳排放耦合協(xié)調(diào)度水平實(shí)現(xiàn)整體失調(diào)到協(xié)調(diào)轉(zhuǎn)變。2000 年，僅重慶處于輕度失調(diào)階段，其他省市均處于瀕臨失調(diào)或勉強(qiáng)協(xié)調(diào)階段。2005 年，各省市均趨向于良性發(fā)展，耦合協(xié)調(diào)度水平所處階段均得到提升或保持不變，其中重慶由輕度失調(diào)轉(zhuǎn)變?yōu)槊銖?qiáng)協(xié)調(diào)階段；上海、浙江由瀕臨失調(diào)轉(zhuǎn)變?yōu)槌跫?jí)協(xié)調(diào)階段。2010 年，各省市仍趨于良性發(fā)展，除江西和上海外，各省市所處階段均有所提升。2015 年，僅云南處于初級(jí)協(xié)調(diào)階段，其他省市已轉(zhuǎn)變?yōu)橹屑?jí)協(xié)調(diào)或良好協(xié)調(diào)階段。2020 年，各省市均已達(dá)到協(xié)調(diào)階段，其中四川、上海、江蘇和浙江處于良好協(xié)調(diào)階段，其余省市均處于中級(jí)協(xié)調(diào)階段。

4 結(jié)論與討論

4.1 結(jié)論

在區(qū)域一體化視角下，科學(xué)構(gòu)建指標(biāo)體系，利用空間格局分析工具，對(duì)長(zhǎng)江經(jīng)濟(jì)帶2000—2020 年城鎮(zhèn)化與農(nóng)業(yè)碳排放情況進(jìn)行測(cè)度，采用偏最小二乘法與耦合協(xié)調(diào)度模型對(duì)二者的影響機(jī)制與耦合協(xié)調(diào)關(guān)系進(jìn)行研究。主要結(jié)論如下。

（1）各省市城鎮(zhèn)化水平整體呈波動(dòng)增長(zhǎng)趨勢(shì)，按發(fā)展階段順序可分為：人口城鎮(zhèn)化→空間城鎮(zhèn)化→生態(tài)環(huán)境城鎮(zhèn)化→經(jīng)濟(jì)城鎮(zhèn)化→社會(huì)城鎮(zhèn)化。

（2）農(nóng)業(yè)碳排放空間差異明顯。多數(shù)省市經(jīng)歷過(guò)等級(jí)演變，或由高至低，或由低至高，或低高往復(fù)；但安徽農(nóng)業(yè)碳排放一直處在最高級(jí)，上海一直處在最低級(jí)，且排放量呈下降趨勢(shì)。

（3）人口、社會(huì)、經(jīng)濟(jì)、生態(tài)環(huán)境城鎮(zhèn)化對(duì)上海和浙江農(nóng)業(yè)碳排放影響以抑制作用為主，對(duì)其他省市以促進(jìn)作用為主。其中，二、三產(chǎn)業(yè)就業(yè)人員占總就業(yè)人員比重、人均國(guó)內(nèi)生產(chǎn)總值、城鎮(zhèn)居民人均可支配收入、衛(wèi)生技術(shù)人員、全社會(huì)固定資產(chǎn)投資總額、人均教育經(jīng)費(fèi)、萬(wàn)元GDP 能耗是極重要的驅(qū)動(dòng)因素。

（4）城鎮(zhèn)化與農(nóng)業(yè)碳排放之間耦合度較高，呈增長(zhǎng)態(tài)勢(shì)；耦合協(xié)調(diào)度空間差異顯著，平均值從0.504 9 增大到0.800 1，由勉強(qiáng)協(xié)調(diào)轉(zhuǎn)變?yōu)榱己脜f(xié)調(diào)。截至2020 年，各省市均已達(dá)到協(xié)調(diào)階段，其中四川、上海、江蘇和浙江處于良好協(xié)調(diào)階段，其余各省市均處于中級(jí)協(xié)調(diào)階段。

4.2 討論

研究城鎮(zhèn)化對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的影響及其耦合關(guān)系，對(duì)推進(jìn)長(zhǎng)江經(jīng)濟(jì)帶城鎮(zhèn)化水平與農(nóng)業(yè)現(xiàn)代化，促進(jìn)區(qū)域農(nóng)業(yè)碳減排與高質(zhì)量發(fā)展提供重要的理論參考。長(zhǎng)江經(jīng)濟(jì)帶發(fā)展應(yīng)確保落實(shí)《國(guó)家新型城鎮(zhèn)化規(guī)劃（2014—2020 年）》，充分考慮區(qū)域異質(zhì)性，因地制宜制定政策，轉(zhuǎn)變高速低質(zhì)的發(fā)展特點(diǎn)，著力推動(dòng)城鎮(zhèn)化質(zhì)量與內(nèi)涵的提升。針對(duì)城鎮(zhèn)化水平較高的省市，如江蘇等，應(yīng)在其自身優(yōu)勢(shì)基礎(chǔ)上，加速推進(jìn)傳統(tǒng)粗放型發(fā)展模式的轉(zhuǎn)變，促進(jìn)多系統(tǒng)的協(xié)調(diào)發(fā)展。針對(duì)城鎮(zhèn)化水平較低的省市，如重慶等，應(yīng)加快建立健全的社會(huì)保障體系與城鎮(zhèn)公共服務(wù)，避免因盲目追求高速發(fā)展、快速趕超而引起的空洞化與無(wú)序化發(fā)展問(wèn)題。根據(jù)生態(tài)文明建設(shè)與有效解決“三農(nóng)”問(wèn)題的宗旨，首先，應(yīng)轉(zhuǎn)變農(nóng)戶(hù)的傳統(tǒng)觀念，增強(qiáng)綠色低碳生產(chǎn)意識(shí)；其次，完善政策惠農(nóng)與財(cái)政支農(nóng)體制機(jī)制，加大財(cái)政投入力度促進(jìn)農(nóng)業(yè)產(chǎn)業(yè)向集約化、綠色化及低碳化方向轉(zhuǎn)型。促使各省市農(nóng)業(yè)生產(chǎn)朝生態(tài)、綠色、有機(jī)的可持續(xù)發(fā)展道路邁進(jìn)，并以此來(lái)降低農(nóng)業(yè)碳排放，促進(jìn)城鎮(zhèn)化與農(nóng)業(yè)低碳生產(chǎn)協(xié)調(diào)發(fā)展。

由于統(tǒng)計(jì)數(shù)據(jù)獲取的局限性，多維度構(gòu)建城鎮(zhèn)化與農(nóng)業(yè)碳排放綜合評(píng)價(jià)指標(biāo)體系時(shí)數(shù)據(jù)的系統(tǒng)性有待進(jìn)一步完善。另外，依據(jù)陳勝濤等[40]的研究，農(nóng)業(yè)碳排放不僅限于種植業(yè)，還應(yīng)包括畜禽養(yǎng)殖業(yè)等，因此在農(nóng)業(yè)碳排放的測(cè)度方面應(yīng)進(jìn)一步細(xì)化，要考慮農(nóng)業(yè)整體產(chǎn)業(yè)的碳排放情況。未來(lái)研究可將城鎮(zhèn)化對(duì)農(nóng)業(yè)碳排放的影響機(jī)理進(jìn)一步豐富與完善，對(duì)二者耦合關(guān)系的區(qū)域異質(zhì)性進(jìn)行深入探討。