徐锌耀

摘 要 推动农业碳减排是实现双碳目标的重要途径。为精准评估长江经济带农业碳减排成效，实现农业绿色发展目标，基于2011—2020年省域面板数据，结合基于松弛值测算的模型（Slack Based Measure， SBM）和GML（Global Malmquist-Luenberger）指数测度探讨了长江经济带农业碳生产率的区域差异，并采用普通最小二乘法（Ordinary Least Square，OLS）对其影响因素进行实证分析。研究结果表明：长江经济带农业碳生产率呈上升趋势，但低于全国均值；农业经济发展水平、农业低碳创新水平和农业产业结构正向影响农业碳生产率，劳动力规模、城镇化水平和自然灾害则呈现抑制效应。

关键词 农业碳生产率；可持续发展；区域差异；长江经济带

中图分类号：F327 文献标志码：A DOI：10.19415/j.cnki.1673-890x.2023.24.017

我国是农业生产大国，农业碳排放常居世界首位。早在2007年，我国就把“改变土地利用方式和调控农业生产方式减少农业源温室气体排放”列为减排的重点任务之一。党的二十大以来，习近平总书记多次强调双碳目标，要求贯彻落实农业生态文明与绿色发展理念，形成高质量发展格局，推动农业生产以绿色化、低碳化为显著特征的绿色转型。然而，农业机械、化肥、农药及农膜的大规模使用导致农业碳排放问题无法得到有效改善。为此，提高单位碳排放约束下的农业生产效率成为政府及理论界广泛关注的现实问题。

1 长江经济带农业碳生产率评价分析

1.1 指标选取与数据来源

农业高质量发展应以绿色发展为要义，实现经济效益与环境效益的统一。将实际的农业总产值（农林牧渔业总产值）作为期望产出，并参考许清涛等、龚锐等的研究，选取农业碳排放量表征非期望产出，即用农业生产过程中生产要素投入量的碳排放系数进行计算[1-2]。计算公式为

（1）

式中：E为农业碳排放；Ei为第i个碳源的碳排放量；δi为第i个碳源的碳排放系数，为固定值，分别为化肥0.895 6 kg·kg-1、农药4.934 1 kg·kg-1、农膜5.18 kg·kg-1、柴油0.592 7 kg·kg-1、翻耕312.6 kg·hm-2及灌溉266.48 kg·hm-2；Ti为第i类农业碳源使用量。

投入指标方面，借鉴熊翅新等、吴亚玲等的研究，选取农作物播种面积、农业从业人员数、机械总动力、化肥使用量、农业用水量等指标，构建农业碳生产率测算指标体系[3-4]。具体指标情况如表1所示。

数据来源方面，期望产出与非期望产出指标来自《中国统计年鉴》，投入指标来自《中国农业统计年鉴》，缺失数据通过查找国家统计局和省级统计年鉴

补全。

1.2 研究方法及测算过程

为在全国层面上探究长江经济带农业碳生产率，根据投入产出指标数据，使用MAXDEA 7.0软件测度全国31个省（自治区、直辖市）2011—2020年农业碳生产率指数。采用常用的数据包络分析法（Data Envelopment Analysis，DEA），結合基于松弛值测算的模型（Slack Based Measure，SBM）对我国各省（自治区、直辖市）农业碳生产率进行测算。假设考察样本中有K（K=1，2，...，k）个决策单元，每个决策单元需要投入M个要素，分别得到N种期望产出和I种非期望投入，参考吴传清等的研究，考虑非期望产出的SBM模型计算公式为[5]

（2）

式中：Sx、Sy、Su分别为松弛变量（衡量投入过剩）、期望产出松弛变量（衡量期望产出不足）、非期望产出松弛变量（衡量非期望产出不足）；λk为各决策单元的权重；xmk为k个决策单元的第m个投入要素变量；ynk为k个决策单元第n种期望产出变量；uik为k个决策单元的第i种非期望产出变量；R+M、R+N、R+I则分别为投入、期望产出和非期望产出集。等式右侧的分子分母分别为决策单元实际投入、产出到生产前沿面的平均距离，即投入无效率程度和产出无效率程度。目标函数ρ*∈[0，1]，当ρ=1时，表明各决策单元完全有效；当0≤ρ＜1时，即Sx、Sy、Su至少有一个不为0，则表明决策单元存在损失，在投入产出要素配置方面还有优化空间。

为确定最优前沿面，避免生产前沿向内偏移的可能性，运用全局可能性生产集对当期和以往所有时期的数据进行分析，并结合Malmquist-Luenberger指数构造全局ML指数（Global Malmquist-Luenberger，GML），其表达式为

（3）

式中：PACt，t+1为在t期的技术条件下，从t到t+1期的GML测算得出的农业碳生产率；DG为全局前沿投入产出的效率值，其他同上。

1.3 测度结果分析

根据DEA软件测算出的结果，分别得出长江经济带与全国、长江经济带上中下游地区之间的农业碳生产率平均水平，如表2和表3所示（测算出的农业碳生产率值以1为基准，超出部分即为增长率）。对长江经济带上游、中游和下游地区划分如下：四川省、云南省、贵州省、重庆市为上游地区；湖北省、湖南省、江西省为中游地区；安徽省、浙江省、江苏省、上海市为下游地区。

由表2可知，长江经济带各省（市）农业碳生产率年均增长率为6.5%，比全国低0.9个百分点。原因在于与全国相比，长江经济带人口、社会、经济、资源、环境等系统的可持续能力差异较大，整体水平不高。这主要表现为年际间农业优质资源减少，使得农业绿色发展受到阻碍；农药化肥使用量居高不下，导致农业面源污染严重，对农业生产造成极大影响；长江沿线畜禽和水产养殖等规模大，化学需氧量、总氮、总磷等排放量较高，致使水源富营养化。由此可见，农业高质量绿色发展，需要以农业绿色低碳技术为驱动力，提升生产效率并强化资源管理，向规模化、精细化和集约化转型。

由表3可知，长江经济带上游和中游的农业碳生产率增长率超过经济带整体区域均值，且两者差异较小，说明近年来源头治理的生态保护有一定成效，中上游城市在政策强压和自身生态保护意识觉醒的情况下，农业生产在保护环境的同时节约了资源，使得碳排放强度有所降低，实现了农业经济发展与环境保护的双赢，并且上游与中游地区多丘陵山地地形，生态承载力优于其他地区，且具有源头的灌溉优势。下游地区虽然也呈现增长态势，但速度却低于区域均值。一个合理的解释是，下游地区作为发达地区，人口众多，碳排放量明显高于上游和中游地區；城镇化挤压了农业用地，导致农业碳生产率表现较差。从农业可持续发展水平来看，长江经济带各省（市）发展存在不平衡，且这种现象将长期存在。

2 长江经济带农业碳生产率影响因素实证分析

2.1 指标选取与模型设定

农业碳生产率的测算主要衡量碳排放约束下农业生产过程中的投入与产出情况，并没有将现实中影响其效率的因素纳入考虑范围，如制约农业生产和降低农业碳排放的经济基础和制度因素。因此，重点归纳总结已有文献形成的重要结论，如经济发展水平、农业生产结构和影响农业生产效率的多种因素（见表4），并从中找出其逻辑关系的共通之处。

可以发现，已有研究本质上是从规模、技术和结构效应3个方面进行分析。基于此，从规模因素、技术因素和结构因素入手，构建长江经济带农业碳生产率的影响因素指标，如表5所示。

基于上述分析，为考察长江经济带农业碳生产率的影响因素，构建如下多元回归模型，具体公式为

PAC=β0+β1X1+β2X2+···+β6X6+ε （4）

式中：PAC为农业碳生产率值；β0为回归方程中的截距项；β1～β6为各影响因素的系数；X1～X6对应表5中的影响因素；ε为残差项。

2.2 实证结果与分析

为消除异常值影响，对变量进行1%缩尾处理。同时，为修正标准差，采用稳健标准误估计。运用Stata软件进行回归分析，回归结果如表6所示。

结果显示，F=7.250，回归方程在1%水平上显著。T值检验中，农业经济发展水平（X1）、农业低碳创新水平（X4）显著正向影响农业碳生产率，农业产业结构（X5）的参数估计并不具备统计显著性，意味着农业生产力的发展与创新水平的提高有助于提升长江经济带单位碳排放约束下农业生产效率；劳动力规模（X2）、城镇化水平（X6）分别在1%和10%的水平上抑制长江经济带农业碳生产率，自然灾害情况（X3）的负向影响并不显著，可能是因为农业集约化转型过程中，依靠人员要素投入而提高产出的生产模式已不再适用，城镇化占用了大量农业生产和经营用地，加之近年来防洪固堤工作的开展，自然灾害对农业生产的影响减少。农业碳生产率的提高主要依靠规模效应与技术效应驱动，结构效应的影响并不明显。

3 结论与建议

研究以全国31个省（自治区、直辖市）2011—2020年农业生产投入产出数据为样本，基于SBM-GML模型，运用数据包络分析（Data Envelopment Analysis，DEA）探讨了长江经济带省域农业碳生产率的测度评价与影响因素，研究结果如下。1）测度评价方面，2011—2020年长江经济带农业碳生产率呈上升趋势，但低于全国均值；区域差异方面，上游地区增长态势最好，中游地区其次，下游地区也有所增长但未达到区域平均水平。2）影响因素方面，规模效应和技术效应对长江经济带农业碳生产率的驱动作用明显，结构效应并未发挥其功能。具体而言，农业经济发展水平、农业低碳创新水平与生产结构有助于提高农业碳生产率，劳动力规模、城镇化水平和自然灾害情况总体抑制农业碳生产率的提升。

为有效降低农业碳排放强度和提升农业生产效率，针对以上研究结论，提出提高长江经济带农业碳生产率的政策建议。1）落实农业支持政策，提高农业经济发展水平。长江经济带坐拥广袤的耕地与丰富的水源，农业资源优势突出，政府应加大对农业生产的支持力度，大力提倡农业生产绿色低碳转型。2）重视农业生产领域的技术创新。鼓励有机肥和绿肥的研发创新，推广环保型农业生产要素的应用；加大校企联合力度，开展“产学研”协同培养，重点围绕生态修复、节能减排、提质增效开展技术研发，大力支持创新活动，并做好创新成果的保护和转化工作。3）调整优化农业产业结构。摒弃依靠人员要素投入的粗放式发展方式，完善耕地流转制度，推动农业生产资源集约化利用，大力发展农业机械化与规模化，实现农业高

质量发展。

参考文献：

[1] 许清涛，李玉波，杨淑杰.吉林省农业现代化进程中碳排放测算与分解[J].中国农机化学报，2018，39（7）：103-109.

[2] 龚锐，谢黎，王亚飞.农业高质量发展与新型城镇化的互动机理及实证检验[J].改革，2020（7）：145-159.

[3] 熊翅新，欧阳梨花，蔡桂云，等.江西省农业全要素生产率的提升路径研究：基于fsQCA方法的分析[J].农林经济管理学报，2023，22（4）：

497-506.

[4] 吴亚玲，杨汝岱，吴比，等.中国农业全要素生产率演进与要素错配：基于2003—2020年农村固定观察点数据的分析[J].中国农村经济，2022（12）：35-53.

[5] 吴传清，宋子逸.长江经济带农业绿色全要素生产率测度及影响因素研究[J].科技进步与对策，2018，35（17）：35-41.

[6] 胡婉玲，张金鑫，王红玲.中国农业碳排放特征及影响因素研究[J].统计与决策，2020，36（5）：56-62.

[7] 孟军，范婷婷.黑龙江省农业碳排放动态变化影响因素分析[J].生态经济，2020，36（12）：34-39.

[8] 高标，房骄，李玉波.基于STIRPAT模型的区域农业碳排放影响因素分析[J].环境科学与技术，2016，39（10）：190-197.

[9] 刘丽辉，徐军.基于扩展的STIRPAT模型的广东农业碳排放影响因素分析[J].科技管理研究，2016，36（6）：250-255.

[10] 李博，张文忠，余建辉.碳排放约束下的中国农业生产效率地区差异分解与影响因素[J].经济地理，2016，36（9）：150-157.

（责任编辑：刘宁宁）