中圖分類(lèi)號(hào)：F323；X322 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-5553（2025）07-0335-11

Abstract：Low-carbon developmentofagricultureisesentialforChinatoachieveits“dualcarbon”goal，withtechnological progress inagriculture serving as a critical driving force.Using panel data from 3O provinces in China spanning from 2005 to 2023，thisstudy employeda spatial Durbinmodel toexamine thespatial spilover effectsandatenuation boundaries of agricultural technological progresson carbonemissions inagriculture.Italsoexplored theunderlying mechanismsandregionaldisparitiesintheseeffects.Thefindingsindicate thatprovincialagricultural carbon emission intensity in Chinaexhibitsclearspatial agglomeration patterns，characterizedby“high-high”and“l(fā)owlow”clusters.Technologicaladvancements inagriculturenotonlyreducelocalcarbonemision intensitybutalsocontributeto emissionreductionsinneighboring regionsthroughspatial splloverefects.Both frontieragriculturaltechnological innovationandoverall technicalefciencypositivelyimpactcarbonemisionreductioninlocalandadjacentareas，with frontierinnovationplaying thedominantrole.However，theefectof technological progressvariessignificantlyacross regions.Intheeasternprovinces，thedirectemision-reducingefectispronounced，butthespatialspillovereffectisrelatiely weak.Conversely，inthecentralandwesternregions，althoughanegativespatialcorrelationexists，theimpactofagricultural technologyonemisionreductionisnotstatisticallysignificant.ThespatialspilovereffectfollowedaninvertedU-shaped pattern with the increase of distance，which gradually increased within the range of 400km ，weakened significantly between 400and 700km ，and becamenegligiblebeyond 700km .These results highlight the need to strengthen research， development，andthewidespreadadoptionofagriculturaltechnologies，eliminatebarriers totechnologydifusion，optimize thespatial alocationof technologicalandresourceinputs，and implementregion-specificemissionreduction strategies to effectively promote low-carbon development across China's agricultural sector.

Keywords：agricultural technologicalprogress；agriculturalcarbonemisions；spatialspilovereffect；spatial attenuation boundary

0 引言

當(dāng)前，全球變暖已成為威脅人類(lèi)生存與發(fā)展的嚴(yán)峻挑戰(zhàn)之一，聯(lián)合國(guó)政府間氣候變化專(zhuān)門(mén)委員會(huì)曾警示，氣溫升高 1.5°C 將是關(guān)鍵節(jié)點(diǎn)[]。作為全球氣候治理的積極倡導(dǎo)者與踐行者，我國(guó)在2009年及2015年分階段提出自主減排承諾，并在2020年9月于第75屆聯(lián)合國(guó)大會(huì)上提出“雙碳”目標(biāo)，2024年的《政府工作報(bào)告》明確將“大力發(fā)展綠色低碳經(jīng)濟(jì)，積極穩(wěn)妥推進(jìn)碳達(dá)峰碳中和\"列為重點(diǎn)工作之一。盡管如此，2023年中國(guó)碳排放總量仍占全球三分之一，且年度增量達(dá) 5.65×10⁸t ，較2022年顯著上升，成為全球增長(zhǎng)最快的國(guó)家。農(nóng)業(yè)作為支撐人類(lèi)生存與發(fā)展的基礎(chǔ)性產(chǎn)業(yè)，其碳排放占比高達(dá)我國(guó)總量的 17%^[2] ，農(nóng)業(yè)減排潛力巨大且不容忽視。因此，探索農(nóng)業(yè)低碳轉(zhuǎn)型與綠色發(fā)展路徑，推動(dòng)農(nóng)業(yè)部門(mén)減排降碳，實(shí)現(xiàn)經(jīng)濟(jì)與環(huán)境協(xié)調(diào)發(fā)展，已成為政府亟待解決的關(guān)鍵議題。

技術(shù)進(jìn)步作為破解經(jīng)濟(jì)增長(zhǎng)碳減排約束的關(guān)鍵途徑[3]，是推動(dòng)經(jīng)濟(jì)社會(huì)綠色低碳發(fā)展、促進(jìn)生態(tài)文明建設(shè)的核心驅(qū)動(dòng)力[4]。技術(shù)進(jìn)步不僅從“碳源端\"著手削減碳排，還從“碳匯端”吸納部分碳排，“源頭防控”到“末端治理”的結(jié)合助力“雙碳”目標(biāo)的達(dá)成[4·5]。作為驅(qū)動(dòng)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的四大要素之一[6]，農(nóng)業(yè)技術(shù)進(jìn)步既包括狹義的機(jī)械、化學(xué)品、生物技術(shù)等“硬技術(shù)”進(jìn)步，還涵蓋了管理、經(jīng)營(yíng)技術(shù)等促使各種技術(shù)手段協(xié)調(diào)與優(yōu)化的“軟技術(shù)\"進(jìn)步，在農(nóng)業(yè)碳減排方面扮演著重要的角色。閆豪瑋8、祝偉9、胡婉玲10等指出，農(nóng)業(yè)技術(shù)進(jìn)步是抑制農(nóng)業(yè)碳排放的重要因素；陳佩[1]田云[12]等研究揭示，盡管農(nóng)業(yè)碳排放存在部分回彈現(xiàn)象，但技術(shù)進(jìn)步帶來(lái)的碳減排效果依然明顯；Zhang[13]、胡中應(yīng)[14]等指出農(nóng)業(yè)碳排放效率的提升受到技術(shù)效率的制約較低;魏瑋等[15]認(rèn)為農(nóng)業(yè)全要素技術(shù)進(jìn)步和能源增進(jìn)型技術(shù)進(jìn)步均能有效控制農(nóng)業(yè)碳排放；而資源回收與再利用技術(shù)是減緩農(nóng)業(yè)碳排放的關(guān)鍵手段[16]。此外，環(huán)境污染的外部性特征意味著環(huán)境問(wèn)題通常具有區(qū)域關(guān)聯(lián)效應(yīng)[17]。部分學(xué)者基于區(qū)域關(guān)聯(lián)角度研究發(fā)現(xiàn)，農(nóng)業(yè)排放總量、強(qiáng)度及效率存在顯著的空間相關(guān)性[18-20]，區(qū)域間的技術(shù)擴(kuò)散可以增強(qiáng)技術(shù)進(jìn)步的碳減排效果[21]。

綜上所述，學(xué)術(shù)界關(guān)于農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放影響的研究成果豐碩，為本文提供良好的理論參考，但仍存在可深入探討的空間。首先，現(xiàn)有文獻(xiàn)多聚焦于農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放的直接效應(yīng)，而較少探討其空間溢出效應(yīng)的潛在影響。其次，現(xiàn)有文獻(xiàn)在探討空間溢出效應(yīng)時(shí)，往往假定省域間技術(shù)溢出均勻，忽略了農(nóng)業(yè)經(jīng)濟(jì)環(huán)境差異及制度壁壘導(dǎo)致的溢出效應(yīng)衰減邊界。此外，多數(shù)研究局限于廣義或狹義的農(nóng)業(yè)技術(shù)進(jìn)步視角，鮮有將農(nóng)業(yè)綜合技術(shù)效率（“軟技術(shù)\"納入框架以分析其影響機(jī)制。

鑒于此，本文利用2005—2023年中國(guó)省域面板數(shù)據(jù)，建立空間杜賓模型及3種空間權(quán)重矩陣，深入探究農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放的空間溢出效應(yīng)、衰減邊界及區(qū)域差異。為進(jìn)一步探討其影響機(jī)制，將農(nóng)業(yè)技術(shù)進(jìn)步分解為農(nóng)業(yè)前沿技術(shù)進(jìn)步與農(nóng)業(yè)綜合技術(shù)效率，旨在為推進(jìn)我國(guó)農(nóng)業(yè)碳減排及探索綠色低碳發(fā)展路徑提供有力的政策支撐。

1理論分析與研究假說(shuō)

農(nóng)業(yè)技術(shù)進(jìn)步有廣義與狹義之分。廣義上，它指的是農(nóng)業(yè)產(chǎn)出增長(zhǎng)中無(wú)法由生產(chǎn)要素投入增長(zhǎng)解釋的部分[22]，這一范疇不僅包含農(nóng)業(yè)生產(chǎn)環(huán)節(jié)中自然科學(xué)技術(shù)進(jìn)步（狹義），還涵蓋農(nóng)業(yè)經(jīng)營(yíng)管理、服務(wù)技術(shù)進(jìn)步，即社會(huì)科學(xué)技術(shù)進(jìn)步[23]。本文研究的是廣義的農(nóng)業(yè)技術(shù)進(jìn)步。

內(nèi)生增長(zhǎng)理論認(rèn)為，技術(shù)進(jìn)步是提升自然資源利用效率、推動(dòng)資源可持續(xù)與循環(huán)再利用的關(guān)鍵驅(qū)動(dòng)力，能有效遏制生態(tài)退化和環(huán)境污染。理論上看，農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳減排的影響首要體現(xiàn)在減少化石燃料需求上，從而提高碳排放效率[24]。具體而言，農(nóng)業(yè)技術(shù)進(jìn)步推動(dòng)新型清潔能源的研發(fā)與應(yīng)用，逐步替代傳統(tǒng)化石能源，優(yōu)化農(nóng)業(yè)能源消費(fèi)結(jié)構(gòu)，進(jìn)而減少碳排放；同時(shí)，農(nóng)業(yè)技術(shù)進(jìn)步還能提高能源利用效率，減少單位產(chǎn)值的能耗，進(jìn)一步提高碳排放效率，實(shí)現(xiàn)碳減排。此外，農(nóng)業(yè)技術(shù)進(jìn)步促進(jìn)高效節(jié)能與清潔生產(chǎn)技術(shù)的應(yīng)用，取代高能耗、高碳排的傳統(tǒng)生產(chǎn)工藝，加速產(chǎn)業(yè)結(jié)構(gòu)的綠色轉(zhuǎn)型，有效降低區(qū)域碳排放[25]。綜上，提出假說(shuō)1：農(nóng)業(yè)技術(shù)進(jìn)步能夠有效降低農(nóng)業(yè)碳排放。

農(nóng)業(yè)技術(shù)進(jìn)步的碳減排效應(yīng)還體現(xiàn)在其區(qū)域間的溢出作用上[12，19]，這是一種相對(duì)\"省力\"且能促進(jìn)區(qū)域間良性互動(dòng)的減排策略。各地區(qū)通過(guò)分析鄰近地區(qū)農(nóng)業(yè)碳排放變化趨勢(shì)及原因，優(yōu)化自身的農(nóng)業(yè)生產(chǎn)方式。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平較高、技術(shù)較先進(jìn)的地區(qū)，憑借自身努力及外部援助，不斷深化對(duì)軟、硬技術(shù)（包括先進(jìn)技術(shù)、專(zhuān)業(yè)知識(shí)和管理經(jīng)驗(yàn)等）的學(xué)習(xí)與累積，不僅提升農(nóng)業(yè)生產(chǎn)效益，還達(dá)成減排目標(biāo)。該地區(qū)隨后成為鄰近地區(qū)學(xué)習(xí)的標(biāo)桿，憑借其強(qiáng)大的引領(lǐng)和輻射能力，將先進(jìn)技術(shù)向鄰近地區(qū)“輸送”，形成“涓滴效應(yīng)”[19]，促進(jìn)了農(nóng)業(yè)發(fā)達(dá)地區(qū)對(duì)欠發(fā)達(dá)地區(qū)的帶動(dòng)，以及向技術(shù)滯后地區(qū)的資源傾斜，共同推動(dòng)區(qū)域碳減排進(jìn)程。同時(shí)，鄰近地區(qū)在自然條件（如土壤、地形、氣候）和社會(huì)經(jīng)濟(jì)環(huán)境上的高度相似性，加之交通基礎(chǔ)設(shè)施（如鐵路、公路）的不斷完善，為農(nóng)業(yè)技術(shù)在區(qū)域間的空間溢出提供更加便捷的條件22]，有利于實(shí)現(xiàn)鄰近地區(qū)農(nóng)業(yè)碳排放的協(xié)同下降。綜上，提出假說(shuō)2：農(nóng)業(yè)技術(shù)進(jìn)步存在空間溢出效應(yīng)，有助于推動(dòng)鄰近地區(qū)的農(nóng)業(yè)碳減排。

進(jìn)一步而言，廣義的農(nóng)業(yè)技術(shù)進(jìn)步可分解為狹義上的農(nóng)業(yè)前沿技術(shù)進(jìn)步與農(nóng)業(yè)綜合技術(shù)效率。農(nóng)業(yè)前沿技術(shù)進(jìn)步體現(xiàn)了既定生產(chǎn)要素投人下生產(chǎn)可能性邊界的外移，它提高了農(nóng)業(yè)生產(chǎn)能力的上限[26]，主要源于農(nóng)業(yè)技術(shù)的創(chuàng)新與改良等；農(nóng)業(yè)綜合技術(shù)效率則反映農(nóng)業(yè)生產(chǎn)中實(shí)際產(chǎn)出與理論最大產(chǎn)出之間的差距，差距縮小意味著效率提升，其本質(zhì)是農(nóng)業(yè)生產(chǎn)過(guò)程中投入產(chǎn)出比例的優(yōu)化[26]，這涵蓋農(nóng)業(yè)管理效率與資源分配效率。種質(zhì)創(chuàng)新、農(nóng)業(yè)物聯(lián)網(wǎng)及精準(zhǔn)施肥等前沿技術(shù)的應(yīng)用，能夠精準(zhǔn)控制化肥、農(nóng)藥等含碳要素的投入，避免冗余，進(jìn)而推動(dòng)農(nóng)業(yè)碳減排。農(nóng)業(yè)生產(chǎn)要素如土地、資本及勞動(dòng)力的合理配置與高效利用，標(biāo)志著農(nóng)業(yè)綜合技術(shù)效率的提升，這促使化肥、農(nóng)藥及傳統(tǒng)能源利用效率大幅提高，從而有效減少碳排放。綜上，提出假說(shuō)3：農(nóng)業(yè)前沿技術(shù)進(jìn)步與農(nóng)業(yè)綜合技術(shù)效率均能抑制農(nóng)業(yè)碳排放的增加。

2模型構(gòu)建與變量選取

2.1 模型構(gòu)建

鑒于農(nóng)業(yè)技術(shù)進(jìn)步存在空間溢出效應(yīng)，普通面板模型不再適用，而空間計(jì)量模型是分析空間效應(yīng)的有效工具，因此，采用空間計(jì)量模型分析農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放的影響。常見(jiàn)的空間計(jì)量模型包括空間滯后模型（SLM）、空間誤差模型（SEM以及空間杜賓模型（SDM），構(gòu)建模型如式（1）所示。

式中： CI 一 被解釋變量，表示農(nóng)業(yè)碳排放強(qiáng)度；TFP 核心解釋變量，表示農(nóng)業(yè)技術(shù)進(jìn)步；URB 控制變量，表示城鎮(zhèn)化水平；AED 控制變量，表示農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平；OPEN 控制變量，表示對(duì)外開(kāi)放程度；IND 控制變量，表示產(chǎn)業(yè)經(jīng)濟(jì)結(jié)構(gòu)；APS 控制變量，表示農(nóng)業(yè)種植規(guī)模；AS 控制變量，表示農(nóng)業(yè)結(jié)構(gòu)；i- 被觀測(cè)對(duì)象；j 與被觀測(cè)對(duì)象有地理或經(jīng)濟(jì)關(guān)聯(lián)的區(qū)域；ξ_t 1 時(shí)間；ρ 3 空間自相關(guān)系數(shù)；β，δ ——待估參數(shù)；Wij 空間權(quán)重矩陣；E 擾動(dòng)項(xiàng)；μ 省份固定效應(yīng)；Y- 時(shí)間固定效應(yīng)。

在實(shí)證研究中，需進(jìn)行LM檢驗(yàn)、LR檢驗(yàn)及Wald檢驗(yàn)等以確定最合適的模型形式。

2.2 空間權(quán)重矩陣

參考相關(guān)文獻(xiàn)[4，22]，設(shè)置鄰接矩陣 （τυ₁ ）、地理距離矩陣 ）及地理經(jīng)濟(jì)嵌套矩陣 （w₃）3 種空間矩陣進(jìn)行分析，以增強(qiáng)實(shí)證結(jié)果的穩(wěn)健性。

2.2.1 鄰接矩陣

鄰接矩陣的計(jì)算規(guī)則：若兩省份地理位置相鄰，則賦值為1；反之，則賦值為0，即

2.2.2 地理距離矩陣

地理距離矩陣是基于各省省會(huì)城市直線(xiàn)距離平方的倒數(shù)進(jìn)行計(jì)算，其反映空間關(guān)聯(lián)的強(qiáng)度：省會(huì)城市間距離越近，則空間關(guān)聯(lián)性越強(qiáng)；距離越遠(yuǎn)，則關(guān)聯(lián)性越弱。該矩陣的具體形式如式（3）所示。

式中： d_ij （204號(hào) 省會(huì)城市 i 與省會(huì)城市 j 在地理上的直線(xiàn)距離。

2.2.3地理經(jīng)濟(jì)嵌套矩陣

地理經(jīng)濟(jì)嵌套矩陣是同時(shí)考慮地理距離和經(jīng)濟(jì)距離的嵌套矩陣，構(gòu)建加權(quán)形式的地理經(jīng)濟(jì)嵌套矩陣，即

w₃=（1-φ）w₂+φw_E

式中： w_E ———經(jīng)濟(jì)距離矩陣，其計(jì)算依據(jù)為省份間人均 GDP 之差的絕對(duì)值倒數(shù)；

兩個(gè)地區(qū)的人均 GDP ：φ 經(jīng)濟(jì)距離矩陣所占比重，介于 0～1 。

為全面考慮地理位置和經(jīng)濟(jì)水平的空間效應(yīng)，參考邵帥等4研究， φ 取0.5，即地理距離矩陣和經(jīng)濟(jì)距離矩陣比重各為 50% 。

2.3變量選取與數(shù)據(jù)來(lái)源

2.3.1 被解釋變量

鑒于各省農(nóng)業(yè)生產(chǎn)規(guī)模差異顯著，采用農(nóng)業(yè)碳排放總量衡量農(nóng)業(yè)碳排放水平存在廣泛爭(zhēng)議，其說(shuō)服力不足[2]，因此，選取農(nóng)業(yè)碳排放強(qiáng)度（CI）作為被解釋變量。農(nóng)業(yè)碳排放強(qiáng)度（CI為農(nóng)業(yè)碳排放總量與農(nóng)業(yè)總產(chǎn)出之比，以農(nóng)林牧漁業(yè)總產(chǎn)值表示農(nóng)業(yè)總產(chǎn)出。

采用排放系數(shù)法測(cè)算農(nóng)業(yè)碳排放總量（CE），選取的農(nóng)業(yè)碳排放源主要有4個(gè)方面：（1）農(nóng)業(yè)種植方面，水稻種植引發(fā)的稻田甲烷排放，基于水稻種植面積計(jì)算，水稻生長(zhǎng)周期取其中位值130天；土地翻耕所引發(fā)的氧化亞氮排放，基于農(nóng)作物總播種面積計(jì)算；灌溉耗費(fèi)電能引起的碳排放，基于農(nóng)業(yè)有效灌溉面積計(jì)算。（2）農(nóng)用物資方面，化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油的使用產(chǎn)生的碳排放，均基于實(shí)際使用量計(jì)算。（3）動(dòng)物養(yǎng)殖方面，主要是動(dòng)物腸道發(fā)酵與糞便分解引發(fā)的甲烷與氧化亞氮排放，選擇豬、牛、羊三大主要牲畜進(jìn)行測(cè)度。（4）秸稈焚燒所造成的碳排放，借鑒已有研究[28]，選取小麥、水稻、玉米、大豆、棉花及油菜籽作為秸稈焚燒的碳源。為便于分析，根據(jù)溫室效應(yīng)將甲烷、氧化亞氮轉(zhuǎn)換成二氧化碳當(dāng)量（依據(jù)IPCC第四次評(píng)估報(bào)告內(nèi)容，1t 甲烷相當(dāng)于 25t 二氧化碳，1t氧化亞氮相當(dāng)于310t 二氧化碳）。

農(nóng)業(yè)碳排放總量計(jì)算如式（6）所示。

式中： CE_it ——農(nóng)業(yè)碳排放總量；CE_kit —第 k 種碳源產(chǎn)生的碳排放總量；T_kit?δ_k —第 k 種碳源的量及其所對(duì)應(yīng)的碳排放系數(shù)，見(jiàn)表1。

表1各類(lèi)碳排放源及排放系數(shù)

Tab.1 Various carbon emission sources and emission coefficients

注：IABCAU：中國(guó)農(nóng)業(yè)大學(xué)農(nóng)學(xué)與生物技術(shù)學(xué)院；ORNL：美國(guó)橡樹(shù)嶺國(guó)家實(shí)驗(yàn)室；IREEA：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；IPCC：聯(lián)合國(guó)政府間氣候變化專(zhuān)門(mén)委員會(huì)。

2.3.2核心解釋變量

選取農(nóng)業(yè)技術(shù)進(jìn)步（TFP）作為核心解釋變量。鑒于考察的是廣義農(nóng)業(yè)技術(shù)進(jìn)步，參考相關(guān)文獻(xiàn)[31]，采用農(nóng)業(yè)全要素生產(chǎn)率作為其衡量指標(biāo)。利用DEA—Malmquist指數(shù)模型測(cè)算得出農(nóng)業(yè)全要素生產(chǎn)率，該指標(biāo)可分解為農(nóng)業(yè)前沿技術(shù)進(jìn)步（TEC）與農(nóng)業(yè)綜合技術(shù)效率（EFF）。盡管本文主要聚焦于農(nóng)業(yè)全要素生產(chǎn)率，但為深入剖析其對(duì)農(nóng)業(yè)碳排放的影響機(jī)制，亦保留了農(nóng)業(yè)前沿技術(shù)進(jìn)步與農(nóng)業(yè)綜合技術(shù)效率的測(cè)算結(jié)果。在使用DEA—Malmquist指數(shù)法時(shí)，需確定投入與產(chǎn)出指標(biāo)，選取農(nóng)林牧漁業(yè)總產(chǎn)值作為產(chǎn)出指標(biāo)，選取農(nóng)作物總播種面積作為土地投人指標(biāo)，農(nóng)林牧漁業(yè)從業(yè)人員數(shù)量作為勞動(dòng)投人指標(biāo)，選取農(nóng)業(yè)機(jī)械總動(dòng)力、有效灌溉面積、農(nóng)用化肥施用量及農(nóng)藥使用量作為資本投人指標(biāo)。

2.3.3 控制變量

控制變量：農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平（AED），以人均農(nóng)林牧漁業(yè)總產(chǎn)值表征；城鎮(zhèn)化水平（URB），以城鎮(zhèn)人口占總?cè)丝诘谋戎乇碚?；?duì)外開(kāi)放程度（OPEN），以進(jìn)出口總額占GDP的比重表征；產(chǎn)業(yè)經(jīng)濟(jì)結(jié)構(gòu)（IND），以第一產(chǎn)業(yè)增加值占GDP的比重表征；農(nóng)業(yè)種植規(guī)模（APS），以農(nóng)作物總播種面積與農(nóng)林牧漁業(yè)從業(yè)人員之比衡量；農(nóng)業(yè)結(jié)構(gòu)（AS），以種植業(yè)和畜牧業(yè)總產(chǎn)值占農(nóng)林牧漁業(yè)總產(chǎn)值的比重衡量。

2.3.4 數(shù)據(jù)來(lái)源

鑒于西藏與港澳臺(tái)地區(qū)的數(shù)據(jù)存在顯著缺失與不完整的情況，為確保研究結(jié)論的準(zhǔn)確性與可靠性，選取中國(guó)30個(gè)省份（不含西藏、港澳臺(tái)）2005—2023年的面板數(shù)據(jù)，數(shù)據(jù)來(lái)自《中國(guó)能源統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)業(yè)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》及各省份統(tǒng)計(jì)年鑒、國(guó)家統(tǒng)計(jì)局。此外，為消除異方差帶來(lái)的影響，對(duì)各變量取對(duì)數(shù)。各變量描述性統(tǒng)計(jì)如表2所示。

表2變量定義及描述性統(tǒng)計(jì) Tab.2Variable definition and descriptive statistics

注： z 表示標(biāo)準(zhǔn)化后的觀測(cè)值， Wz 表示空間滯后項(xiàng)。

3 實(shí)證結(jié)果分析

3.1 空間相關(guān)性分析

判斷是否采用空間計(jì)量模型的關(guān)鍵在于被解釋變量是否存在空間相關(guān)性。參考相關(guān)文獻(xiàn)[19]，采用Moran's I 指數(shù)對(duì)農(nóng)業(yè)碳排放強(qiáng)度的空間相關(guān)性的顯著性予以判斷。

1）全局莫蘭指數(shù)。全局莫蘭指數(shù)的計(jì)算如式（7） 所示。

式中： x_j —第 i 個(gè)空間單元的觀測(cè)值;

1 所有觀測(cè)值的平均值；

S² （204號(hào) 樣本方差。

全局莫蘭指數(shù)的取值區(qū)間為一1，1]，正值與負(fù)值分別表示空間正相關(guān)和空間負(fù)相關(guān)，取值為0意味著空間不相關(guān)?；谇拔?種空間權(quán)重矩陣，計(jì)算2005一2023年農(nóng)業(yè)碳排放強(qiáng)度的全局莫蘭指數(shù)，結(jié)果均顯著為正，見(jiàn)表3，這說(shuō)明中國(guó)省域間農(nóng)業(yè)碳排放強(qiáng)度存在顯著的空間相關(guān)性。

2）局部莫蘭指數(shù)。局部莫蘭指數(shù)通過(guò)莫蘭散點(diǎn)圖直觀顯示了空間集聚情況，該圖的4個(gè)象限依次代表高—高集聚、低—高集聚、低—低集聚和高—低集聚的空間分布特征。2005年與2023年三種空間權(quán)重矩陣下農(nóng)業(yè)碳排放強(qiáng)度的局部莫蘭散點(diǎn)圖顯示，多數(shù)省份的散點(diǎn)集中于第一、三象限，見(jiàn)圖1。2005年莫蘭散點(diǎn)圖的第一象限（H一H集聚）涵蓋了甘肅、青海、寧夏、新疆、吉林及黑龍江等地區(qū)，展現(xiàn)出農(nóng)業(yè)碳排放強(qiáng)度的高值集聚；而第三象限（L一L集聚）則主要包括北京、天津、河北、廣東、廣西及云南等地區(qū)，呈現(xiàn)出低值集聚。

2023年3種空間矩陣下的莫蘭散點(diǎn)圖分布特征與2005年基本一致。這揭示了我國(guó)省域農(nóng)業(yè)碳排放強(qiáng)度在空間上分布不均，存在明顯的空間集聚特征，即“高一高\(yùn)"集聚和“低—低\"集聚，進(jìn)一步印證了空間正相關(guān)性的存在。

3.2 空間面板回歸結(jié)果分析

1）空間計(jì)量模型的檢驗(yàn)及選擇。為確定空間計(jì)量模型的具體形式，需進(jìn)行Hausman檢驗(yàn)、LM檢驗(yàn)、Wald檢驗(yàn)及LR檢驗(yàn)，結(jié)果見(jiàn)表4?？梢钥闯觯琀ausman檢驗(yàn)結(jié)果在 1% 顯著性水平上拒絕了原假設(shè)，表明固定效應(yīng)模型為更優(yōu)選擇。LM與RobustLM檢驗(yàn)結(jié)果至少通過(guò)了 5% 的顯著性檢驗(yàn)，表明農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響具有不可忽視的空間效應(yīng)。LR與Wald檢驗(yàn)結(jié)果均在 1% 顯著性水平上拒絕了原假設(shè)，證實(shí)了空間杜賓模型無(wú)法簡(jiǎn)化為空間滯后或空間誤差模型。因此，采用固定效應(yīng)的空間杜賓模型。

2）空間回歸結(jié)果分析。在鄰接矩陣 （w₁） 、地理距離矩陣 （w₂ ）及地理經(jīng)濟(jì)嵌套矩陣 （w₃） 下，農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度影響的空間杜賓模型回歸結(jié)果見(jiàn)表5。結(jié)果顯示，無(wú)論是采用鄰接矩陣、地理距離矩陣還是地理經(jīng)濟(jì)嵌套矩陣，空間自相關(guān)系數(shù) ρ 、農(nóng)業(yè)技術(shù)進(jìn)步的直接效應(yīng)系數(shù)及其空間滯后項(xiàng)系數(shù) （Wx 均顯著?？臻g自相關(guān)系數(shù)顯著為正，表明農(nóng)業(yè)碳排放強(qiáng)度存在較強(qiáng)的空間正相關(guān)性，意味著某一地區(qū)農(nóng)業(yè)碳排放強(qiáng)度的增減會(huì)相應(yīng)地影響其鄰近地區(qū)的排放模式。農(nóng)業(yè)技術(shù)進(jìn)步的直接效應(yīng)系數(shù)顯著為負(fù)，表明其對(duì)本地農(nóng)業(yè)碳排放強(qiáng)度具有顯著的負(fù)向影響。農(nóng)業(yè)技術(shù)進(jìn)步的空間滯后項(xiàng)系數(shù)顯著為負(fù)，說(shuō)明某一地區(qū)農(nóng)業(yè)技術(shù)進(jìn)步能有效降低鄰近地區(qū)的農(nóng)業(yè)碳排放強(qiáng)度，反映了技術(shù)在“學(xué)習(xí)效應(yīng)\"與“涓滴效應(yīng)”下的跨區(qū)傳播。

表4模型檢驗(yàn)結(jié)果Tab.4 Model testresults

表5空間杜賓模型估計(jì)結(jié)果Tab.5Estimation results of spatial Durbin model

注：*** 、**和*分別表示 1%.5% 和 10% 的顯著水平，括號(hào)內(nèi)為t值。下同。

3）空間效應(yīng)分解。鑒于上述空間自相關(guān)系數(shù)顯著且不為0，空間杜賓模型中各估計(jì)系數(shù)無(wú)法直觀反映自變量對(duì)因變量的影響，故需借助偏微分方法計(jì)算各變量的直接效應(yīng)、間接效應(yīng)及總效應(yīng)[32]。直接效應(yīng)表示農(nóng)業(yè)技術(shù)進(jìn)步對(duì)本地農(nóng)業(yè)碳排放強(qiáng)度的作用；間接效應(yīng)則揭示了農(nóng)業(yè)技術(shù)進(jìn)步通過(guò)空間溢出機(jī)制作用于鄰近地區(qū)的農(nóng)業(yè)碳排放強(qiáng)度；總效應(yīng)則反映了上述兩種效應(yīng)的整體作用?？臻g效應(yīng)的具體分解結(jié)果見(jiàn)表6。

表6空間效應(yīng)分解結(jié)果Tab.6 Decomposition results of spatial effects

由表6可知，對(duì)于3種空間權(quán)重矩陣的回歸結(jié)果，核心解釋變量與控制變量的系數(shù)符號(hào)及顯著性高度一致，這證實(shí)了回歸結(jié)果的穩(wěn)健性較強(qiáng)。在3種空間權(quán)重矩陣下，農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的直接效應(yīng)分別為 -0.163，-0.165，-0.172， 且至少在 5% 的水平上顯著，表明農(nóng)業(yè)技術(shù)進(jìn)步能顯著降低本地農(nóng)業(yè)碳排放強(qiáng)度；而其間接效應(yīng)分別為 -0.496，-0.282，-0.304 ，至少通過(guò)了 5% 的顯著性檢驗(yàn)，表明農(nóng)業(yè)技術(shù)進(jìn)步對(duì)鄰近地區(qū)農(nóng)業(yè)碳排放強(qiáng)度有明顯的減緩作用，展現(xiàn)出正向的空間溢出效應(yīng)，且該間接效應(yīng)大于直接效應(yīng)。究其原因，一方面，農(nóng)業(yè)技術(shù)進(jìn)步推動(dòng)新型清潔能源與清潔生產(chǎn)技術(shù)的應(yīng)用，提高農(nóng)業(yè)生產(chǎn)過(guò)程中的碳排放效率，從而直接減少碳排放。另一方面，技術(shù)進(jìn)步伴隨著“學(xué)習(xí)效應(yīng)\"與“涓滴效應(yīng)”，中心地區(qū)憑借其強(qiáng)大的輻射能力向鄰近地區(qū)“輸送”先進(jìn)技術(shù)，而后者通過(guò)借鑒與學(xué)習(xí)提升其農(nóng)業(yè)技術(shù)水平，進(jìn)而推動(dòng)農(nóng)業(yè)碳減排，產(chǎn)生空間溢出效應(yīng)。因此，假說(shuō)1和假說(shuō)2得證。

控制變量中，城鎮(zhèn)化水平在地理距離矩陣和地理經(jīng)濟(jì)嵌套矩陣下對(duì)農(nóng)業(yè)碳排放強(qiáng)度的直接及間接效應(yīng)均顯著為負(fù)，說(shuō)明推進(jìn)城鎮(zhèn)化進(jìn)程有助于本地及鄰近地區(qū)的農(nóng)業(yè)碳減排。城鎮(zhèn)化提升了人們的綠色發(fā)展意識(shí)，促使農(nóng)民轉(zhuǎn)向清潔生產(chǎn)方式，并通過(guò)學(xué)習(xí)與示范效應(yīng)抑制鄰近地區(qū)的農(nóng)業(yè)碳排放。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平在3種空間權(quán)重矩陣下對(duì)農(nóng)業(yè)碳排放強(qiáng)度的直接效應(yīng)顯著為負(fù)，但間接效應(yīng)不顯著，表明其減排效果主要局限于本地。這可能與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展所帶來(lái)的新技術(shù)、新設(shè)備的引入，以及對(duì)農(nóng)業(yè)生產(chǎn)者的培訓(xùn)和教育有關(guān)，這些因素共同推動(dòng)了農(nóng)業(yè)碳減排。對(duì)外開(kāi)放程度在鄰接矩陣和地理經(jīng)濟(jì)嵌套矩陣下對(duì)農(nóng)業(yè)碳排放強(qiáng)度的直接及間接效應(yīng)均顯著為負(fù)，表明對(duì)外開(kāi)放有利于本地及鄰近地區(qū)的農(nóng)業(yè)碳減排。對(duì)外開(kāi)放加速了國(guó)際低碳農(nóng)業(yè)技術(shù)的引進(jìn)與應(yīng)用，這些高效低排技術(shù)直接降低了本地農(nóng)業(yè)碳排放，同時(shí)，技術(shù)溢出效應(yīng)推動(dòng)了鄰近地區(qū)低碳技術(shù)的普及，有效抑制了該區(qū)域的碳排放增長(zhǎng)。產(chǎn)業(yè)經(jīng)濟(jì)結(jié)構(gòu)在3種空間權(quán)重矩陣下的直接及間接效應(yīng)均顯著為正，說(shuō)明第一產(chǎn)業(yè)占比的增加會(huì)加劇本地及鄰近地區(qū)的農(nóng)業(yè)碳排放強(qiáng)度。這可能與高能耗農(nóng)業(yè)生產(chǎn)和低效資源管理的路徑依賴(lài)有關(guān)，鄰近地區(qū)可能受到本地農(nóng)業(yè)技術(shù)和管理方式的影響，導(dǎo)致碳排放增加。農(nóng)業(yè)種植規(guī)模的擴(kuò)大在3種空間權(quán)重矩陣下均顯著促進(jìn)了本地及鄰近地區(qū)的農(nóng)業(yè)碳排放強(qiáng)度，這可能與農(nóng)用物資消耗的增加密切相關(guān)，而鄰近地區(qū)為了提升農(nóng)業(yè)經(jīng)濟(jì)競(jìng)爭(zhēng)力，可能跟隨擴(kuò)展種植規(guī)模，從而導(dǎo)致碳排放增加。農(nóng)業(yè)結(jié)構(gòu)的直接效應(yīng)在3種空間權(quán)重矩陣下均顯著為正，間接效應(yīng)顯著為負(fù)，表明種植業(yè)與畜牧業(yè)產(chǎn)值占比的增加雖然提升了本地農(nóng)業(yè)碳排放強(qiáng)度，但卻能降低鄰近地區(qū)的碳排放?？赡苁且?yàn)榉N植業(yè)與畜牧業(yè)相比于林業(yè)和漁業(yè)，對(duì)農(nóng)用物資投入依賴(lài)更大，而本地糧食增產(chǎn)會(huì)緩解鄰近地區(qū)糧食生產(chǎn)壓力，進(jìn)而減少其農(nóng)業(yè)碳排放。

3.3 影響機(jī)制分析

為深人分析農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的作用機(jī)制，將農(nóng)業(yè)前沿技術(shù)進(jìn)步（TEC）與農(nóng)業(yè)綜合技術(shù)效率（EFF）作為核心解釋變量進(jìn)行實(shí)證分析，結(jié)果見(jiàn)表7。

表7農(nóng)業(yè)前沿技術(shù)進(jìn)步和農(nóng)業(yè)綜合技術(shù)效率對(duì)農(nóng)業(yè)碳排放強(qiáng)度影響的估計(jì)結(jié)果

在3種空間權(quán)重矩陣下，農(nóng)業(yè)前沿技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的直接效應(yīng)均在 1% 的水平上顯著為負(fù)，而其間接效應(yīng)也至少在 10% 的水平上顯著為負(fù)，表明農(nóng)業(yè)前沿技術(shù)進(jìn)步不僅有效降低本地農(nóng)業(yè)碳排放強(qiáng)度，還顯著抑制鄰近地區(qū)的碳排放增長(zhǎng)，且間接效應(yīng)大于直接效應(yīng)。相應(yīng)地，農(nóng)業(yè)綜合技術(shù)效率在3種空間權(quán)重矩陣下的直接效應(yīng)分別為 -0.128，-0.134 和一0.140，至少通過(guò) 10% 的顯著性檢驗(yàn)，間接效應(yīng)分別為—0.446、—0.325和—0.351，至少在 10% 的水平上顯著，顯示出類(lèi)似但稍弱的效應(yīng)模式，即同樣促進(jìn)本地減排并抑制鄰近地區(qū)排放增長(zhǎng)，且間接效應(yīng)大于直接效應(yīng)。綜合比較，農(nóng)業(yè)前沿技術(shù)進(jìn)步在直接、間接及總效應(yīng)上均超過(guò)農(nóng)業(yè)綜合技術(shù)效率，顯示出其在區(qū)域碳減排中的更大潛力。這一現(xiàn)象的潛在原因包括：農(nóng)業(yè)前沿技術(shù)進(jìn)步作為科技進(jìn)步的前沿代表和高效生產(chǎn)方式的基石，是推動(dòng)農(nóng)業(yè)技術(shù)進(jìn)步和實(shí)現(xiàn)碳減排的主要驅(qū)動(dòng)力，因此對(duì)本地農(nóng)業(yè)碳排放的直接影響更為顯著。對(duì)于鄰近地區(qū)而言，農(nóng)業(yè)前沿技術(shù)通過(guò)先進(jìn)的機(jī)械設(shè)備和新型生物化學(xué)技術(shù)的普及與應(yīng)用，展現(xiàn)出顯著的空間溢出效應(yīng)；相比之下，農(nóng)業(yè)綜合技術(shù)效率作為“軟技術(shù)”，其效果受限于特定地區(qū)的資源稟賦條件和經(jīng)營(yíng)管理水平，缺乏普遍適用性，故而對(duì)鄰近地區(qū)的碳減排影響相對(duì)較弱。因此，假說(shuō)3得證。

3.4 區(qū)域異質(zhì)性分析

為進(jìn)一步探究農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放影響的地域差異，將研究樣本劃分為東部、中部及西部三大區(qū)域分別進(jìn)行實(shí)證估計(jì)，回歸結(jié)果見(jiàn)表 8～ 表10。其中，東部區(qū)域包含北京、天津、河北、山東、江蘇、上海、浙江、福建、廣東、海南、廣西、遼寧；中部區(qū)域包含內(nèi)蒙古、吉林、黑龍江、河南、湖北、湖南、安徽、江西、山西；西部區(qū)域包含陜西、甘肅、青海、四川、貴州、云南、重慶、新疆、寧夏。

表8東部地區(qū)模型估計(jì)結(jié)果 Tab.8Model estimation results in the eastern region

表10西部地區(qū)模型估計(jì)結(jié)果

表9中部地區(qū)模型估計(jì)結(jié)果

由表 8～ 表10可知，農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響呈現(xiàn)出明顯的區(qū)域異質(zhì)性特征。具體而言，東部地區(qū)在鄰接矩陣與地理經(jīng)濟(jì)嵌套矩陣下的空間自相關(guān)系數(shù) ρ 均不顯著，僅在地理距離矩陣下勉強(qiáng)通過(guò) 10% 的顯著性檢驗(yàn)，且模型擬合度 R² 極低，表明該地區(qū)農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的空間溢出效應(yīng)微弱，甚至不存在。這可能歸因于東部地區(qū)農(nóng)業(yè)技術(shù)發(fā)展的高度均衡性，相鄰地區(qū)間技術(shù)差異較小，從而限制了空間溢出效應(yīng)。盡管如此，東部地區(qū)的直接效應(yīng)系數(shù)顯著為負(fù)，意味著農(nóng)業(yè)技術(shù)進(jìn)步能有效抑制農(nóng)業(yè)碳排放強(qiáng)度的增長(zhǎng)，這得益于該地區(qū)技術(shù)創(chuàng)新水平較高，農(nóng)業(yè)生產(chǎn)者能便捷獲取技術(shù)指導(dǎo)、培訓(xùn)及先進(jìn)設(shè)備，促進(jìn)新技術(shù)的采納與應(yīng)用，進(jìn)而降低碳排放強(qiáng)度。

相比之下，中部與西部地區(qū)在3種空間權(quán)重矩陣下的空間自相關(guān)系數(shù) ρ 均顯著為負(fù)，中部省份間資源與產(chǎn)業(yè)結(jié)構(gòu)的相似性引發(fā)資源競(jìng)爭(zhēng)“以鄰為壑”現(xiàn)象，以及西部地區(qū)內(nèi)部經(jīng)濟(jì)發(fā)展不均衡、產(chǎn)業(yè)結(jié)構(gòu)差異大等問(wèn)題，共同導(dǎo)致了空間負(fù)相關(guān)性。然而，在這兩大區(qū)域中，直接效應(yīng)系數(shù)與空間滯后項(xiàng)系數(shù)在3種空間權(quán)重矩陣下均不顯著，這可能受限于中部與西部地區(qū)較低的經(jīng)濟(jì)水平、資金技術(shù)匱乏及基礎(chǔ)設(shè)施滯后，制約了農(nóng)業(yè)技術(shù)進(jìn)步在推動(dòng)農(nóng)業(yè)碳減排方面的積極作用。

3.5空間衰減邊界分析

根據(jù)地理學(xué)第一定律，地區(qū)間的空間相關(guān)性會(huì)隨地理距離的增加而降低。為探究農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的空間溢出效應(yīng)是否遵循地理距離衰減規(guī)律，設(shè)定兩省份間地理距離區(qū)間為 [d_min，d_max] ，記 τ 為 的遞增距離，基于式（3）構(gòu)建空間距離權(quán)重矩陣如式（8）所示。

式中： d 一 距離閾值。

鑒于兩省份間地理距離約為100～3800 km[33]，設(shè)置初始距離閾值 d_min 為 100km ，且以 100km 為遞增單位?？紤]到地理距離矩陣下農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的空間回歸結(jié)果在空間距離大于 700km 時(shí)變得不顯著，因此僅聚焦于 100～800km ，計(jì)算不同閾值下農(nóng)業(yè)技術(shù)進(jìn)步的空間溢出效應(yīng)系數(shù)，并對(duì)結(jié)果進(jìn)行曲線(xiàn)擬合，見(jiàn)圖2。

L 200 400 600 800 空間距離/km

由圖2可知，隨著地理距離的增加，農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的空間溢出效應(yīng)總體呈現(xiàn)出“倒U形\"特征。這一現(xiàn)象源于農(nóng)業(yè)技術(shù)傳播依賴(lài)于信息共享、技術(shù)示范及人員流動(dòng)等要素，這些要素在短距離范圍內(nèi)更易實(shí)現(xiàn)，從而有效抑制鄰近地區(qū)的農(nóng)業(yè)碳排放強(qiáng)度。然而，隨著距離的增加，信息傳遞效率和頻率逐漸降低，技術(shù)擴(kuò)散難度增加，導(dǎo)致空間溢出效應(yīng)隨之減弱。

基于距離閾值與空間溢出系數(shù)絕對(duì)值的變動(dòng)，將空間衰減過(guò)程劃分為兩個(gè)階段。第一階段，當(dāng)距離閾值為 100～400km 時(shí)，地理鄰近性帶來(lái)的交通便利、信息交流的高效性以及文化習(xí)俗的相似性促進(jìn)了本地農(nóng)業(yè)技術(shù)的迅速傳播與采納。此階段，技術(shù)傳播密集，對(duì)鄰近地區(qū)農(nóng)業(yè)碳排放強(qiáng)度的抑制作用隨距離的遞增而增強(qiáng)，直至 400km 處達(dá)到峰值，形成技術(shù)溢出密集區(qū)。而在第二階段，當(dāng)距離閾值為 400～700km 時(shí)，地理障礙、文化差異及信息傳播成本的上升導(dǎo)致農(nóng)業(yè)技術(shù)傳播效率顯著下降，進(jìn)而減弱了對(duì)遠(yuǎn)距離地區(qū)農(nóng)業(yè)碳排放強(qiáng)度的抑制作用。雖然技術(shù)溢出效應(yīng)在這一階段仍然存在，但其影響力與顯著性已明顯減弱。

此外，從空間溢出效應(yīng)系數(shù)的顯著性來(lái)看，農(nóng)業(yè)技術(shù)進(jìn)步對(duì)鄰近地區(qū)農(nóng)業(yè)碳排放強(qiáng)度的空間溢出效應(yīng)存在明確的 700km 邊界。超出此范圍，技術(shù)溢出效果變得不再顯著，這主要?dú)w因于信息傳遞的衰減、技術(shù)采納成本的增加以及地區(qū)間經(jīng)濟(jì)、社會(huì)條件的顯著差異。因此， 700km 可被視為農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度空間溢出效應(yīng)的邊界閾值。

4 結(jié)論與建議

4.1結(jié)論

基于2005—2023年中國(guó)30省的面板數(shù)據(jù)，利用空間杜賓模型實(shí)證探究農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的空間溢出效應(yīng)、衰減邊界及區(qū)域差異。結(jié)果顯示：（1）中國(guó)省域農(nóng)業(yè)碳排放強(qiáng)度存在顯著的空間相關(guān)性與空間集聚特征，表現(xiàn)為“高—高”與“低一低\"集聚的空間分布模式。（2）農(nóng)業(yè)技術(shù)進(jìn)步不僅能顯著降低本地農(nóng)業(yè)碳排放強(qiáng)度，還對(duì)鄰近地區(qū)農(nóng)業(yè)碳排放強(qiáng)度有明顯的減緩作用，展現(xiàn)出正向且顯著的空間溢出效應(yīng)。（3）農(nóng)業(yè)前沿技術(shù)進(jìn)步與農(nóng)業(yè)綜合技術(shù)效率均有助于降低本地及鄰近地區(qū)農(nóng)業(yè)碳排放強(qiáng)度，但農(nóng)業(yè)前沿技術(shù)進(jìn)步起主導(dǎo)作用。（4農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響存在區(qū)域異質(zhì)性，東部地區(qū)直接減排效果顯著但空間溢出效應(yīng)微弱，而中部與西部地區(qū)雖呈現(xiàn)空間負(fù)相關(guān)性，但農(nóng)業(yè)技術(shù)進(jìn)步在推動(dòng)碳減排上作用不顯著。（5）農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的空間溢出效應(yīng)隨地理距離增加呈“倒U形”變化， 400km 范圍內(nèi)溢出效應(yīng)逐漸增強(qiáng)，在 400～700km 范圍內(nèi)顯著減弱，超出 700km 則不再顯著。

此外，本文已深入探討農(nóng)業(yè)前沿技術(shù)進(jìn)步與農(nóng)業(yè)綜合技術(shù)效率對(duì)農(nóng)業(yè)碳排放強(qiáng)度的空間溢出效應(yīng)，并測(cè)算技術(shù)溢出效應(yīng)的衰減邊界，從而增強(qiáng)研究結(jié)論的準(zhǔn)確性。然而，受限于數(shù)據(jù)可獲取性，本文的分析范疇僅限于我國(guó)省域?qū)用?。顯然，縣域?qū)用娴霓r(nóng)業(yè)碳排放研究能為省域?qū)用嫜芯刻峁┯幸嫜a(bǔ)充，二者結(jié)合將更全面地揭示我國(guó)農(nóng)業(yè)低碳轉(zhuǎn)型面臨的核心挑戰(zhàn)，提供一個(gè)更為深刻且全面的視角。因此，進(jìn)一步拓展至縣域?qū)用娴霓r(nóng)業(yè)碳排放研究是亟待深入的重要方向。

4.2 政策建議

1）強(qiáng)化農(nóng)業(yè)科技研發(fā)與推廣，促進(jìn)區(qū)域協(xié)同減排。加強(qiáng)對(duì)節(jié)能減排、精準(zhǔn)農(nóng)業(yè)等關(guān)鍵技術(shù)的財(cái)政支持與政策傾斜，促進(jìn)產(chǎn)學(xué)研深度融合，加速科技成果在“高一高\(yùn)"集聚區(qū)的轉(zhuǎn)化應(yīng)用。構(gòu)建多元化技術(shù)推廣體系，通過(guò)在線(xiàn)培訓(xùn)、技術(shù)指導(dǎo)等提升農(nóng)民技術(shù)應(yīng)用能力，縮小技術(shù)區(qū)域差異。建立農(nóng)業(yè)技術(shù)大數(shù)據(jù)共享平臺(tái)，整合創(chuàng)新資源，強(qiáng)化地理距離在 400km 內(nèi)技術(shù)交流，推動(dòng)區(qū)域協(xié)同減排，共同降低農(nóng)業(yè)碳排放強(qiáng)度。

2）消除技術(shù)擴(kuò)散障礙，加速前沿技術(shù)高質(zhì)量發(fā)展。構(gòu)建政府引導(dǎo)、企業(yè)引領(lǐng)、農(nóng)戶(hù)參與的協(xié)同減排體系，結(jié)合政策與市場(chǎng)機(jī)制打破地域壁壘，確保技術(shù)持續(xù)有效擴(kuò)散。對(duì)于地理距離在 700km 內(nèi)的技術(shù)溢出顯著區(qū)域，應(yīng)優(yōu)先推廣先進(jìn)農(nóng)機(jī)裝備、新型生物技術(shù)等前沿技術(shù)，實(shí)現(xiàn)增產(chǎn)減排雙贏。同時(shí)，探索數(shù)字化傳播方式，克服地理障礙，加速技術(shù)在地理距離在 700km 外的溢出效應(yīng)不顯著區(qū)域進(jìn)行傳播與應(yīng)用。

3）優(yōu)化技術(shù)布局與資源配置，提升綜合技術(shù)效率。根據(jù)技術(shù)溢出效應(yīng)的“倒U形\"特征，應(yīng)合理布局農(nóng)業(yè)技術(shù)研發(fā)與推廣中心，強(qiáng)化技術(shù)溢出密集區(qū)的交流與合作。在技術(shù)溢出密集區(qū)加強(qiáng)生產(chǎn)要素監(jiān)控，優(yōu)化資源配置，改進(jìn)生產(chǎn)管理模式。同時(shí)，針對(duì)技術(shù)溢出減弱區(qū)實(shí)施差異化策略，促進(jìn)區(qū)域間農(nóng)業(yè)碳排放均衡降低，提升農(nóng)業(yè)綜合技術(shù)效率。

4）實(shí)施差異化減排策略，推動(dòng)區(qū)域可持續(xù)發(fā)展。針對(duì)技術(shù)碳減排的區(qū)域異質(zhì)性，東部地區(qū)應(yīng)強(qiáng)化前沿技術(shù)創(chuàng)新與應(yīng)用，提升直接減排效果；中西部地區(qū)則需加強(qiáng)技術(shù)引進(jìn)與轉(zhuǎn)化，突破經(jīng)濟(jì)與技術(shù)瓶頸。結(jié)合區(qū)域特點(diǎn)，推廣生態(tài)農(nóng)業(yè)、循環(huán)農(nóng)業(yè)等低碳模式，推動(dòng)農(nóng)業(yè)向低碳、高效、可持續(xù)方向邁進(jìn)，實(shí)現(xiàn)經(jīng)濟(jì)、社會(huì)、生態(tài)效益的協(xié)調(diào)發(fā)展，為農(nóng)業(yè)可持續(xù)發(fā)展奠定堅(jiān)實(shí)基礎(chǔ)。

參考文獻(xiàn)

[1]IPCC.Special report on global warming of 1.5°C [R]. CambridgeUniversityPress，2018.

[2]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[J]．中國(guó)人口·資源與環(huán)境，2011，21（8）：80－86.LiBo，Zhang Junbiao，Li Haipeng.Research on spatial-temporal characteristics and affecting factors decompositionof agricultural carbon emission in China [J]. ChinaPopulation，Resources and Environment，2o11，21（8）：80-86.

[3］孫寧．如何實(shí)現(xiàn)碳減排約束下的經(jīng)濟(jì)增長(zhǎng)——技術(shù)進(jìn)步碳減排效應(yīng)的理論和實(shí)證分析[J]．中國(guó)軟科學(xué)，2010（S1）：123—132.

[4］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[J]．管理世界，2022，38（2）：46－69，4-10.

[5］劉海英，楊明，王殿武．綠色技術(shù)創(chuàng)新促進(jìn)碳生產(chǎn)率提高的作用機(jī)制一 —基于工業(yè)結(jié)構(gòu)升級(jí)、循環(huán)農(nóng)業(yè)發(fā)展和交通運(yùn)輸替代的中介效應(yīng)分析[J]．科技管理研究，2022，42（10）：194-201.Liu Haiying，YangMing， Wang Dianwu.Impactmechanism of green technology innovation on carbonproductivitypromotion： Basedon themediatingeffectanalysisofindustrial structure upgrading，circularagriculturedevelopmentand transportationsubstitution [J]. Science and Technology ManagementResearch，2022，42（10）：194-201.

[6］熊桉．農(nóng)業(yè)科技成果轉(zhuǎn)化：從外生向內(nèi)生轉(zhuǎn)變的機(jī)制與模式研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2019（11）：83-92.Xiong An. Transformation of agricultural scientific andtechnologicalachievements： Astudyonthemechanism and mode of transformation from exogeneity toendogeneity [J]. Journal of Agrotechnical Economics，2019（11）： 83-92.

[7］顧海英．農(nóng)業(yè)技術(shù)進(jìn)步的內(nèi)涵與作用探討[J]．農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，1994（4）：24-27.

[8］閆豪瑋，穆月英．糧食生產(chǎn)技術(shù)進(jìn)步對(duì)碳排放強(qiáng)度的影響及作用機(jī)制[J]．科技導(dǎo)報(bào)，2024，42（7）：66—75.Yan Haowei，Mu Yueying. On the impact of technologicalprogressingrainproductiononcarbonemissionintensity and its action mechanism [J]. Scienceamp;.Technology Review，2024，42（7）：66-75.

[9］祝偉，王瑞梅．技術(shù)進(jìn)步和經(jīng)營(yíng)規(guī)模對(duì)農(nóng)業(yè)碳排放的影響研究[J]．農(nóng)業(yè)經(jīng)濟(jì)，2023（2）：13—15.

[10］胡婉玲，張金鑫，王紅玲．中國(guó)農(nóng)業(yè)碳排放特征及影響因素研究[J]．統(tǒng)計(jì)與決策，2020，36（5）：56－62.

[11］陳佩．農(nóng)業(yè)碳排放回彈及機(jī)制分析——基于農(nóng)業(yè)技術(shù)進(jìn)步的視角[J].經(jīng)濟(jì)與管理，2024，38（5）：85-92.Chen Pei. Agricultural carbon emission rebound andmechanism analysis： Basedontheperspectiveofagricultural technologicalprogress[J]. Economyand Management，2024，38（5）：85-92.

[12］田云，尹昊．技術(shù)進(jìn)步促進(jìn)了農(nóng)業(yè)能源碳減排嗎？基于回彈效應(yīng)與空間溢出效應(yīng)的檢驗(yàn)[J].改革，2021（12）：45-58.

[13] ZhangH，Guo S，Qian Y，et al.Dynamic analysisof agricultural carbon emissions efficiency in Chineseprovinces along the Belt and Road[J]. PLoS One，2020，15（2）：e0228223.

[14]胡中應(yīng)．技術(shù)進(jìn)步，技術(shù)效率與中國(guó)農(nóng)業(yè)碳排放[J]．華東經(jīng)濟(jì)管理，2018，32（6）：100—105.

[15］魏瑋，文長(zhǎng)存，崔琦，等．農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源使用與碳排放的影響一 —基于GTAP—E模型分析[J]．農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2018（2）：30－40.Wei Wei，Wen Changcun，Cui Qi，et al. The impacts oftechnological advance on agricultural energy use andcarbon emission： An analysis based on GTAP—Emodel[J]. Journal of Agrotechnical Economics，2018（2）：30-40.

[16]Fan C，Wei T. Effectiveness of integrated low-carbontechnologies：Evidencefromapilotagriculturalexperiment in Shanghai [J]. International Journal ofClimate Change Strategies and Management， 2016，8（5）：758-776.

[17]張征宇，朱平芳．地方環(huán)境支出的實(shí)證研究[J]．經(jīng)濟(jì)研究，2010，45（5）：82-94.

[18］唐菁，易露．中國(guó)綠色農(nóng)業(yè)技術(shù)創(chuàng)新的碳減排效應(yīng)研究[J]．農(nóng)林經(jīng)濟(jì)管理學(xué)報(bào)，2024，23（6）：720－730.TangJing，Yi Lu.Emission-reduction effect of greenagricultural technology innovation in China [J]. Journal ofAgro-Forestry Economics and Management， 2024， 23（6）：720—730.

[19]何艷秋，成雪瑩，王芳．技術(shù)擴(kuò)散視角下農(nóng)業(yè)碳排放區(qū)域溢出效應(yīng)研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2022（4）：132—144.He Yanqiu， Cheng Xueying，Wang Fang. Study ontheregional spillover effect of agricultural carbon emissionbased on the perspective of agricultural technologydiffusion [J]. Journal of Agrotechnical Economics，2022（4）：132—144.

[20]田云，尹怒昊．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)[J]．中國(guó)農(nóng)村經(jīng)濟(jì)，2022（3）：104—127.Tian Yun， Yin Minhao. Re-evaluation of China'sagricultural carbon emissions： Basic status， dynamicevolution and spatial spillover effects [J]. Chinese RuralEconomy，2022（3）：104—127.

[21］張軍偉，張錦華，吳方衛(wèi)．我國(guó)糧食生產(chǎn)的碳排放及減排路徑分析[J]．統(tǒng)計(jì)與決策，2018，34（14）：168—172.

[22]黃大湖，丁士軍．農(nóng)業(yè)技術(shù)進(jìn)步、空間效應(yīng)與城鄉(xiāng)收入差距- -基于省級(jí)面板數(shù)據(jù)的分析[J]．中國(guó)農(nóng)業(yè)資源與區(qū)劃，2022，43（11）：239—248.Huang Dahu， Ding Shijun.Agricultural technologyprogress， spatial effect and urban-rural income gap： Basedon the analysis of provincial panel date [J]. ChineseJournal of Agricultural Resources and Regional Planning，2022，43（11）：239—248.農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2005（S1）： 70-75

[24]楊莉莎，朱俊鵬，賈智杰．中國(guó)碳減排實(shí)現(xiàn)的影響因素和當(dāng)前挑戰(zhàn)——基于技術(shù)進(jìn)步的視角[J]．經(jīng)濟(jì)研究，2019，54（11）：118—132.

[25]張穎，鄒國(guó)昊．綠色金融政策對(duì)碳排放的空間溢出效應(yīng)研究[J]．武漢大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2024，77（5）：60-72 ：Zhang Ying， Zou Guohao. Research on spatial spillovereffects of green finance policy on carbon emissions [J].Wuhan University Journal （Philosophy amp; Social Science），2024，77（5）： 60-72 ：

[26］王鏡淳，穆月英.空間溢出視角下農(nóng)業(yè)技術(shù)進(jìn)步對(duì)城鄉(xiāng)收入差距的影響研究一 一以河南省縣域?yàn)槔齕J]：農(nóng)業(yè)現(xiàn)代化研究，2022，43（6）：1017—1028.Wang Jingchun，Mu Yueying. The impact of agriculturaltechnology progress on urban-rural income gap from theperspective of spatial spillover： A case studyofcountiesinHenanProvince[J].ResearchofAgricultural Modernization，2022，43（6）：1017—1028.

[27]顏光耀，陳衛(wèi)洪，錢(qián)?；郏r(nóng)業(yè)技術(shù)效率對(duì)農(nóng)業(yè)碳排放的影響——基于空間溢出效應(yīng)與門(mén)檻效應(yīng)分析[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2023，31（2）：226—240.Yan Guangyao， Chen Weihong，Qian Haihui. Effectsof agricultural technical efficiency on agricultural carbonemission：based on spatial spillover effect and thresholdeffect analysis [J]. Chinese Journal of Eco-Agriculture，2023，31（2）：226-240.

[28] Huang X， Xu X， Wang Q， et al. Assessment ofagricultural carbon emissionsand theirspatiotemporalchanges in China，1997—2016 [J]. International Journal ofEnvironmental Research and Public Health，2019，16（17）：3105.

[29］吳賢榮，張俊飚，田云，等．中國(guó)省域農(nóng)業(yè)碳排放：測(cè)算、效率變動(dòng)及影響因素研究——基于DEA—Malmquist 指數(shù)分解方法與Tobit模型運(yùn)用[J]．資源科學(xué)，2014，36（1）：129-138.

[30]段華平，張悅，趙建波，等．中國(guó)農(nóng)田生態(tài)系統(tǒng)的碳足跡分析[J]．水土保持學(xué)報(bào)，2011，25（5）：203—208.Duan Huaping，Zhang Yue，Zhao Jianbo，et al. Carbonfootprint analysis offarmland ecosystem in China [J].Journal of Soil and Water Conservation，2oll，25（5）：203-208.

[31］楊義武，林萬(wàn)龍．農(nóng)業(yè)技術(shù)進(jìn)步的增收效應(yīng)——基于中國(guó)省級(jí)面板數(shù)據(jù)的檢驗(yàn)[J]．經(jīng)濟(jì)科學(xué)，2016（5）：45－57.Yang Yiwu，Lin Wanlong.The income-increasing effectof agricultural technology progress： A test based onChina's provincial panel data [J]. Economic Scince，2016（5）：45-57.

[32] LeSageJ，PaceRK. Introductionto spatialeconometrics [M]. New York：CRC Press，2009.

[33］郭興磊，張倩．金融集聚對(duì)綠色經(jīng)濟(jì)發(fā)展水平的空間溢出放應(yīng)分析「1]生太經(jīng)汶。2023．39（5）.103—110