廣西農(nóng)業(yè)碳排放時空特征及經(jīng)濟(jì)關(guān)聯(lián)性研究
——基于投入視角

曠愛萍，胡 超

（廣西師范大學(xué) 馬克思主義學(xué)院，廣西 桂林541006）

當(dāng)前，世界經(jīng)濟(jì)發(fā)展正處于高碳經(jīng)濟(jì)時代，溫室氣體排放所導(dǎo)致的全球變暖效應(yīng)日趨嚴(yán)重，發(fā)展低碳經(jīng)濟(jì)、節(jié)能減排成為各國共識［1，2］。農(nóng)業(yè)是控制碳排放領(lǐng)域的重要組成部分，其排放量介于電熱生產(chǎn)和尾氣之間［3］。我國化肥、農(nóng)藥、農(nóng)膜等的使用量隨著農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展而快速增加，農(nóng)業(yè)溫室氣體排放也不斷加?。?，5］。據(jù)統(tǒng)計，我國農(nóng)業(yè)碳排放量以每年5%的速度持續(xù)上漲，約占全國CO2總排放量的17%，其影響力不容忽視［6］。傳統(tǒng)粗放型的高碳農(nóng)業(yè)給我國農(nóng)村生態(tài)環(huán)境帶來了巨大的壓力，阻礙了農(nóng)業(yè)高質(zhì)量發(fā)展，也影響到鄉(xiāng)村振興戰(zhàn)略的實施和美麗中國的建設(shè)，因此農(nóng)業(yè)發(fā)展低碳化、綠色化、循環(huán)化迫在眉睫［7］。

關(guān)于我國農(nóng)業(yè)碳排放相關(guān)的研究，國內(nèi)學(xué)者主要從以下3個方面展開。一是農(nóng)業(yè)碳排放影響因素及分布規(guī)律研究。在科學(xué)測算我國農(nóng)業(yè)碳排放量的基礎(chǔ)上，田成詩、陳雨［8］認(rèn)為我國農(nóng)業(yè)碳排放總量呈先降后升的“V”型變化特征，農(nóng)業(yè)低碳化水平整體不高；崔鵬飛、朱先奇與李瑋［9］，胡婉玲、張金鑫與王紅玲［10］先后運(yùn)用LMDI模型分解了農(nóng)業(yè)碳排放影響因素，發(fā)現(xiàn)我國農(nóng)業(yè)碳排放量增長主要受農(nóng)業(yè)經(jīng)濟(jì)水平提升的驅(qū)動；吳義根與馮開文［11］采用探索性空間數(shù)據(jù)分析方法研究了我國農(nóng)業(yè)碳排放的空間關(guān)聯(lián)效應(yīng)，發(fā)現(xiàn)我國農(nóng)業(yè)碳排放空間自相關(guān)性較強(qiáng)，集聚區(qū)域?qū)哟畏置?；章勝勇、尹朝靜與賀亞亞等［12］結(jié)合空間和非參數(shù)估計方法考察了我國農(nóng)業(yè)碳排放的空間分異及其動態(tài)演進(jìn)特征，研究表明我國農(nóng)業(yè)碳排放省際間差距逐年縮小，碳排放強(qiáng)度呈“西高東低”的階梯狀分布。二是農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長關(guān)系研究。陳柔、何艷秋與朱思宇等［13］從投入視角探討了我國農(nóng)業(yè)碳排放雙重性及其與經(jīng)濟(jì)發(fā)展的協(xié)調(diào)性，認(rèn)為我國農(nóng)業(yè)經(jīng)濟(jì)發(fā)展以常規(guī)型為主；田偉與謝丹［14］通過對我國人均農(nóng)業(yè)碳排放量與人均國民生產(chǎn)總值進(jìn)行EKC檢驗，發(fā)現(xiàn)農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長之間符合環(huán)境庫茲涅茨曲線假說；廖衛(wèi)東與劉淼［15］研究表明我國西部地區(qū)農(nóng)業(yè)碳排放與農(nóng)村居民收入呈正“U”形關(guān)系，而與第三產(chǎn)業(yè)占比呈倒“U”形關(guān)系；張小平與王龍飛［16］發(fā)現(xiàn)甘肅省農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長關(guān)系以強(qiáng)弱脫鉤狀態(tài)為主。三是農(nóng)業(yè)碳排放績效與減排潛力研究。高鳴與宋洪遠(yuǎn)［17］研究發(fā)現(xiàn)，我國農(nóng)業(yè)碳排放總體績效快速增長，且存在空間自相關(guān)關(guān)系與“俱樂部”收斂效應(yīng)；田云與張銀嶺［18］認(rèn)為我國農(nóng)業(yè)生產(chǎn)部門有能力完成政府所承諾的預(yù)期碳減排目標(biāo)；趙子健、李廣瑜與顧海英［19］研究表明，采取肥料管理措施可有效減排，保護(hù)性耕作會促進(jìn)甲烷排放；徐磊、董捷與張俊峰［20］認(rèn)為，產(chǎn)業(yè)就業(yè)政策、農(nóng)業(yè)投資和農(nóng)業(yè)結(jié)構(gòu)政策共同調(diào)節(jié)方案能夠有效提高碳排放效率。

綜覽文獻(xiàn)可知，農(nóng)業(yè)碳排放的實證研究和理論探討都較為豐富，研究的內(nèi)容和視角在逐步擴(kuò)展，這對于了解我國農(nóng)業(yè)碳排放現(xiàn)狀及基本特征，逐步完善農(nóng)業(yè)碳減排策略具有重要的現(xiàn)實意義。但同時也應(yīng)看到，這些學(xué)者大多基于國家視角探究省際層面碳排放時序演變規(guī)律，研究范圍較大，缺乏省級層面的相關(guān)研究。

廣西是我國西部地區(qū)典型的傳統(tǒng)農(nóng)業(yè)大?。?1］，由于長期的高強(qiáng)度生產(chǎn)，農(nóng)業(yè)發(fā)展面臨資源短缺和生態(tài)環(huán)境脆弱并存的雙重難題［22，23］，但關(guān)于其農(nóng)業(yè)碳排放相關(guān)研究成果較少，特別是針對農(nóng)業(yè)碳排放的經(jīng)濟(jì)關(guān)聯(lián)性研究鮮見?；诖耍疚囊詮V西農(nóng)業(yè)碳排放為研究對象，在測算和分析農(nóng)業(yè)碳排放時空特征的基礎(chǔ)上，通過全局空間自相關(guān)方法探究農(nóng)業(yè)碳排放總量與強(qiáng)度的空間集聚特征，運(yùn)用協(xié)整理論與誤差修正模型分析經(jīng)濟(jì)增長與農(nóng)業(yè)碳排放的關(guān)聯(lián)性，以期為廣西制定農(nóng)業(yè)碳減排政策，加快農(nóng)業(yè)轉(zhuǎn)型升級，促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展提供參考建議。

1 研究方法與數(shù)據(jù)來源

1.1 農(nóng)業(yè)碳排放量測算方法

農(nóng)業(yè)碳排放是指農(nóng)業(yè)生產(chǎn)過程中消耗化肥、農(nóng)藥、農(nóng)膜等物質(zhì)和農(nóng)地翻耕、灌溉等環(huán)節(jié)所導(dǎo)致的直接或間接溫室氣體排放，測算方法主要有實際測量法、系統(tǒng)仿真法和IPCC碳排放系數(shù)法［24］3種。本文擬從投入角度出發(fā)，結(jié)合廣西農(nóng)業(yè)發(fā)展實際情況，選擇化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機(jī)械總動力、灌溉、翻耕等6類碳源，采用IPCC碳排放系數(shù)法測算農(nóng)業(yè)碳排放量。各種碳源碳排放總量等于其消耗的數(shù)量乘以對應(yīng)的碳排放系數(shù)（表1），計算公式為［25］：

式中，E為農(nóng)業(yè)碳排放總量；Ei為碳源碳排放量；Ti為碳源實際消耗量；δi為碳源對應(yīng)碳排放系數(shù)。

表1 農(nóng)業(yè)碳排放系數(shù)及其來源

1.2 空間自相關(guān)分析方法

空間自相關(guān)分析即分析區(qū)域內(nèi)部同一價值變量的空間關(guān)聯(lián)特征，分為全局空間自相關(guān)和局部空間自相關(guān)兩種方法［28］。全局空間自相關(guān)方法通過計算空間自相關(guān)指數(shù)，分析空間不同觀察對象之間同一變量的關(guān)聯(lián)特征和差異程度［29］。計算公式為：

式中，xi和xj分別為廣西各地級市農(nóng)業(yè)碳排放總量（強(qiáng)度）；n為觀測單元數(shù)量，即廣西14個地級市；wij為采用Rook鄰接的空間權(quán)重矩陣，當(dāng)區(qū)域i與區(qū)域j存在共同的邊，wij＝1；反之，wij＝0。全局Moran′sI指數(shù)取值范圍為［－1，1］，其值若位于［－1，0），表示區(qū)域農(nóng)業(yè)碳排放總量（強(qiáng)度）存在正向集聚特征；反之，則存在負(fù)向集聚特征。其值若為0，則表示相鄰單元不存在空間關(guān)系。

局部空間自相關(guān)能夠探索觀測值在空間上的聚集位置等空間信息，從而全面反映區(qū)域空間差異的變化趨勢［30］。計算公式為：

局部Moran′s I指數(shù)為正值時，表示局域存在高—高（H—H）或低—低（L—L）的空間集聚區(qū)；為負(fù)值時，則表示局域存在高—低（H—L）或低—高（L—H）的空間集聚區(qū)。局部Moran′s I指數(shù)值絕對值越大，表示空間集聚程度越高。

1.3 協(xié)整理論與誤差修正模型（ECM模型）

協(xié)整的變量之間存在著一個長期穩(wěn)定的比例關(guān)系［31］。在誤差修正模型中，序列之間存在協(xié)整關(guān)系，通過把變量的水平值和差分值結(jié)合在一起，從而將短期波動和長期趨勢相聯(lián)系，并對失衡部分做出修正，其關(guān)系可以表示成自回歸分布滯后模型［32］。一階自回歸分布滯后模型表示如下：

式中，k0＝β0／（1－β1），k1＝（β2＋β3）／（1－β1），α＝β1－1＜0，稱為調(diào)整系數(shù)，表示在t－1期yt－1關(guān)于k0＋k1xt－1之間的偏差速度。k0與k1度量了yt和xt的長期均衡關(guān)系。誤差修正模型削弱了原模型的多重共線性，增強(qiáng)了模型擾動項的序列相關(guān)性。

本文采用EG兩步法（恩格爾—格蘭夫檢驗）對廣西農(nóng)業(yè)碳排放強(qiáng)度、化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機(jī)械總動力、灌溉、翻耕和人均農(nóng)業(yè)GDP時間序列作協(xié)整檢驗。為更好反映農(nóng)業(yè)碳排放強(qiáng)度及各類碳源與經(jīng)濟(jì)增長關(guān)系，提高模型精度，對碳排放各相關(guān)指標(biāo)分別取對數(shù)，記為：

式中，r為廣西人均農(nóng)業(yè)總產(chǎn)值，qd、hf、ny、nm、nj、gg、fg分別為廣西農(nóng)業(yè)碳排放強(qiáng)度、化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機(jī)械總動力、有效灌溉面積、農(nóng)作物播種面積。為避免“偽回歸”現(xiàn)象，分別對不含截距項和時間趨勢、只含截距項，含截距項和時間趨勢項等3種回歸方程進(jìn)行ADF檢驗。

1.4 數(shù)據(jù)來源與處理

2005—2018年廣西農(nóng)用化肥投入、農(nóng)藥投入、農(nóng)膜使用、農(nóng)業(yè)機(jī)械動力消耗、農(nóng)業(yè)灌溉、農(nóng)地灌溉、農(nóng)林牧漁業(yè)總產(chǎn)值與農(nóng)業(yè)勞動力規(guī)模的數(shù)據(jù)均來自歷年《廣西壯族自治區(qū)統(tǒng)計年鑒》及各地級市的統(tǒng)計公報。其中，化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機(jī)械總動力以當(dāng)年實際情況為準(zhǔn)，灌溉數(shù)據(jù)用有效灌溉面積表示，翻耕數(shù)據(jù)用當(dāng)年農(nóng)作物實際播種面積代替。農(nóng)業(yè)總產(chǎn)值以2005年為基期，采用GDP可比價，剔除價格影響因素。

2 結(jié)果及分析

2.1 廣西農(nóng)業(yè)碳排放特征分析

農(nóng)業(yè)碳排放時序特征：根據(jù)IPCC碳排放系數(shù)法，本文測算和分析了2005—2018年廣西農(nóng)業(yè)碳排放總量和強(qiáng)度（圖1）。2018年廣西農(nóng)業(yè)碳排放量為322.67萬t，較基期2005年（257.88萬t）增加了25.12%，年均遞增了1.74%。其中，化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機(jī)械總動力、農(nóng)業(yè)灌溉和翻耕所引起的碳排放量依次年均遞增了1.84%、2.09%、5.87%、5.28%、－0.21%、－0.47%。總體來說，2005—2018年廣西農(nóng)業(yè)碳排放量變化可劃分為上升、下降兩個階段：2005—2016年為波動上升階段，碳排放總量穩(wěn)步上升，于2016年碳排放總量達(dá)到峰值，增速為2.62%；2016—2018年為緩慢下降階段，碳排放總量由342.57萬t下降至322.67萬t，年均遞減3.00%。與碳排放總量變化相似，農(nóng)業(yè)碳排放強(qiáng)度也呈先升后降的趨勢，尤其是2016年后農(nóng)業(yè)碳排放強(qiáng)度大幅度下降。

圖1 2005—2018年廣西農(nóng)業(yè)碳排放總量及強(qiáng)度

從圖1可見，2005—2016年化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機(jī)械總動力、灌溉和翻耕等6類碳源所引起的碳排放量逐年上升，其中農(nóng)業(yè)機(jī)械總動力和農(nóng)膜的漲幅較為劇烈。主要原因是：廣西農(nóng)業(yè)處于現(xiàn)代化起步階段，逐步使用機(jī)械替代人工，運(yùn)用溫室大棚等現(xiàn)代農(nóng)業(yè)技術(shù)進(jìn)行生產(chǎn)活動，農(nóng)業(yè)機(jī)械消耗和農(nóng)膜施用帶來碳排放量不斷上升?；适┯靡l(fā)的碳排放量占農(nóng)業(yè)碳排放總量一半以上，說明大量使用化肥雖然提高了農(nóng)作物產(chǎn)量，但也加大了農(nóng)業(yè)碳排放。因此，要嚴(yán)格控制化肥施用量，不斷提高化肥利用效率，以有機(jī)肥替代化肥，推廣清潔生產(chǎn)技術(shù)，有序推進(jìn)廣西農(nóng)業(yè)綠色發(fā)展。2016年后，各類碳源所產(chǎn)生的碳排放量出現(xiàn)不同程度下降，一方面是由于廣西不斷提高農(nóng)業(yè)生產(chǎn)的質(zhì)量和效率，重視農(nóng)業(yè)生產(chǎn)要素的合理利用，加大農(nóng)業(yè)環(huán)境治理力度，從而在一定程度上抑制了碳排放增速；另一方面，反映出廣西農(nóng)業(yè)低碳綠色循環(huán)發(fā)展成效顯著，尤其是化肥、農(nóng)藥零增長行動達(dá)到了預(yù)期效果［33］。

農(nóng)業(yè)碳排放空間特征：在測算2010年、2015年、2018年廣西14個地級市的農(nóng)業(yè)碳排放總量基礎(chǔ)上，采用自然間斷點(diǎn)法將其實際數(shù)值分為3個等級（表2、圖2）。廣西農(nóng)業(yè)碳排放量空間集聚特征明顯，高碳排放區(qū)集中分布在桂南和桂北，主要是因為這些地區(qū)農(nóng)作物播種面積普遍較大，種植規(guī)模的擴(kuò)張伴隨著農(nóng)藥、化肥等生產(chǎn)要素投入的增加，進(jìn)而導(dǎo)致桂南和桂北區(qū)域農(nóng)業(yè)碳排放總量高于其他地區(qū)。

廣西農(nóng)業(yè)碳排放總量區(qū)域差異明顯，2018年桂林農(nóng)業(yè)碳排放量高達(dá)74.54萬t，位居14個地級市的榜首，南寧、崇左緊隨其后，農(nóng)業(yè)碳排放總量分別為56.90萬t、33.34萬t，3個地區(qū)農(nóng)業(yè)碳排放量總計占廣西農(nóng)業(yè)碳排放總量的45.36%。防城港農(nóng)業(yè)碳排放量最少，僅為6.75萬t，不及桂林碳排放總量的十分之一，北海、賀州位列倒數(shù)第二、三位，農(nóng)業(yè)碳排放分別為8.13萬t、4.16萬t，3個地區(qū)碳排放總量之和僅占廣西農(nóng)業(yè)碳排放總量的6.70%。從農(nóng)業(yè)碳排放增速來看，桂林碳排放量增速最快，2010年碳排放總量為31.20萬t，2018年達(dá)到74.54萬t，年均增長11.50%，為14個地級市碳排放總量增速之首；崇左碳排放總量增速僅次于桂林，年均增長1.75%，排在第二。北海和欽州碳排放量有所下降，北海碳排放量由2010年的8.28萬t下降到2018年的8.13萬t，欽州碳排放量由2010年的27.48萬t下降到2018年的25.64萬t，究其原因，與兩個地區(qū)地理位置臨海，大力發(fā)展外向型經(jīng)濟(jì)密切相關(guān)。

從農(nóng)業(yè)碳排放強(qiáng)度來看，碳排放強(qiáng)度排在前三位的地區(qū)依次是桂林、來賓、欽州，單位耕地面積引發(fā)的碳排放量分別達(dá)到1073.72kg、749.61kg和706.86kg。梧州、百色、賀州位居后三位，單位耕地面積引發(fā)的碳排放量分別達(dá)到392.08kg、398.76kg、400.68kg。桂林、梧州碳排放強(qiáng)度相差2.74倍，可見廣西各地區(qū)的碳排放水平相差很大。

表2 主要年份廣西各市農(nóng)業(yè)碳排放情況

圖2 廣西農(nóng)業(yè)碳排放量空間格局演變

2.2 廣西農(nóng)業(yè)碳排放的空間自相關(guān)分析

本文運(yùn)用Geoda1.14統(tǒng)計軟件對廣西14個地級市的農(nóng)業(yè)碳排放量與強(qiáng)度進(jìn)行了全局自相關(guān)分析，并繪制了全局Moran′s I指數(shù)散點(diǎn)圖（圖3）。2005—2018年廣西農(nóng)業(yè)碳排放總量的全局Moran′s I指數(shù)除極少數(shù)年份外均為正值，位于－0.13—0.05之間，平均值為0.01，表明廣西農(nóng)業(yè)碳排放總量具有空間正相關(guān)性的特征。農(nóng)業(yè)碳排放總量全局Moran′s I指數(shù)呈現(xiàn)較為明顯的先升后降趨勢，大致上可劃分為兩個階段，即持續(xù)上升期（2005—2013年）和緩慢下降期（2015—2018年）。前一階段農(nóng)業(yè)碳排放總量的空間自相關(guān)性不斷增強(qiáng)，后一階段整體有所減弱。2014年，廣西農(nóng)業(yè)遭受自然災(zāi)害、市場波動的雙重沖擊，農(nóng)作物受災(zāi)面積達(dá)1907.58×103hm2，糖料蔗種植面積減幅7%，不同地區(qū)影響程度不同，從而導(dǎo)致農(nóng)業(yè)碳排放總量存在空間異質(zhì)性。農(nóng)業(yè)碳排放強(qiáng)度的全局Moran′s I指數(shù)整體上高于碳排放總量，說明碳排放強(qiáng)度的空間集聚程度整體上高于碳排放總量。

圖3 2005—2018年廣西農(nóng)業(yè)碳排放總量與碳排放強(qiáng)度全局空間自相關(guān)系數(shù)

為了進(jìn)一步分析廣西各地區(qū)農(nóng)業(yè)碳排放總量與強(qiáng)度的空間集聚態(tài)勢，本文選取2010年、2015年和2018年作為樣本年，按照各地區(qū)與其周圍相鄰地域的空間關(guān)系，將廣西14個地級市劃分為4種類型類區(qū)域（表3）。

表3 主要年份地理鄰近下廣西農(nóng)業(yè)碳排放總量與強(qiáng)度空間集聚類型

廣西農(nóng)業(yè)碳排放總量分布格局較為穩(wěn)定，位于“高—高區(qū)域（H—H）”的城市主要分布在南寧四周的崇左、來賓、貴港等城市，這些地方地勢平坦、人口數(shù)量和耕地面積在廣西名列前茅，碳排放總量較大；屬于“低—低區(qū)域”（L—L）的多屬于桂東南和桂西南地區(qū)，地形復(fù)雜，境內(nèi)多山，耕地面積缺乏，碳排放總量較少；處于“低—高聚集區(qū)（L—H）”的城市主要有防城港和柳州，柳州地區(qū)工業(yè)發(fā)達(dá)，防城港交通運(yùn)輸暢通，兩地碳排放總量較少；位于“高—低聚集區(qū)（H—L）”的主要是桂林和南寧，這兩個地區(qū)農(nóng)業(yè)經(jīng)濟(jì)較為發(fā)達(dá)，但周邊區(qū)域輻射帶動作用較弱，綠色高端發(fā)展不顯著，有較大提升空間。在3個年份中，10個城市的集聚類型沒有發(fā)生變化，說明廣西大部分城市維持原有的空間格局。崇左、來賓、貴港始終屬于“高—高區(qū)域”，2015年柳州變?yōu)榈汀呔奂瘏^(qū)，2018年賀州變?yōu)榈汀呔奂瘏^(qū)，“低—高聚集區(qū)”城市比重由7.14%上升到21.42%，“低—低集聚區(qū)”城市數(shù)量未發(fā)生變化，占城市總數(shù)的14.29%。與農(nóng)業(yè)碳排放總量相比，廣西各市農(nóng)業(yè)碳排放強(qiáng)度的集聚態(tài)勢逐漸增強(qiáng)，同質(zhì)城市比重由2010年的50.00%下降至2018年的42.86%，“高—高區(qū)域”城市數(shù)量從2010年的4個增加到2018年的5個，“低—低區(qū)域”城市數(shù)量由3個變?yōu)?個。

2.3 廣西農(nóng)業(yè)碳排放與經(jīng)濟(jì)發(fā)展的協(xié)整關(guān)系檢驗

為了避免非平穩(wěn)時間序列數(shù)據(jù)可能產(chǎn)生的“偽回歸問題”，本文分別對廣西人均農(nóng)業(yè)總產(chǎn)值、碳排放強(qiáng)度、化肥、農(nóng)膜、農(nóng)藥、農(nóng)業(yè)機(jī)械總動力翻耕、農(nóng)業(yè)灌溉進(jìn)行了ADF單位根檢驗（表4）。檢驗結(jié)果顯示：lnr、lnqd、lnhf、lnnm、lnfg原序列是穩(wěn)定序列，lnny、lnqg經(jīng)過一階差分后達(dá)到平穩(wěn)，為一階單整序列，lnnj為二階單整序列。雖然原時間序列不具有平穩(wěn)時間序列的統(tǒng)計特征，但是自變量和因變量之間可能存在協(xié)整關(guān)系，這使它們之間具有長期均衡關(guān)系。按照長期趨勢方程lnyt＝α＋βlnrt＋εt，對各碳排放指標(biāo)與人均農(nóng)業(yè)總產(chǎn)值進(jìn)行對數(shù)線性回歸（表5）。

表4 變量的ADF單位根檢驗

表5 各碳排放指標(biāo)對經(jīng)濟(jì)增長的對數(shù)線性回歸結(jié)果

接著采用EngleGranger檢驗法農(nóng)業(yè)碳排放各指標(biāo)對經(jīng)濟(jì)增長的對數(shù)線性回歸得到的殘差進(jìn)行ADF單位根檢驗，判斷變量之間是否存在協(xié)整關(guān)系，檢驗結(jié)果見表6。

表6 殘差序列的ADF單位根檢驗結(jié)果

從表6可見，在5%的檢驗水平下，農(nóng)藥、化肥和翻耕的殘差序列是不平穩(wěn)的，即農(nóng)藥、化肥、翻耕和人均農(nóng)業(yè)總產(chǎn)值之間不存在著協(xié)整關(guān)系，因此后面將不考慮它們的相關(guān)序列。根據(jù)Granger協(xié)整定理，廣西農(nóng)業(yè)經(jīng)濟(jì)增長與碳排放強(qiáng)度、農(nóng)膜、灌溉、和農(nóng)業(yè)機(jī)械總動力之間存在著協(xié)整關(guān)系，協(xié)整向量分別為（4.591407，0.188344）、（4.104101，0.697104）、（6.977903，0.041770）、（2.528737，0.621439）。將協(xié)整回歸中的誤差項視為均衡誤差，進(jìn)而建立相應(yīng)的誤差修正模型（ECM）。

碳排放強(qiáng)度—經(jīng)濟(jì)增長 ECM 模型：ecm（ln qd）＝ln qdt＋4.591407＋0.188344ln rt；

農(nóng)膜施用量—經(jīng)濟(jì)增長 ECM 模型：ecm（ln nm）＝ln nmt＋4.104101＋0.697104ln rt；

灌溉面積—經(jīng)濟(jì)增長ECM模型：ecm（ln gg）＝ln ggt＋6.977903＋0.041770ln rt；

農(nóng)業(yè)機(jī)械總動力—經(jīng)濟(jì)增長ECM模型：ecm（ln nj）＝ln njt＋2.528737＋0.621439ln rt

遵循動態(tài)經(jīng)濟(jì)計量學(xué)的“一般到特殊”的建模思想，進(jìn)一步得到農(nóng)業(yè)經(jīng)濟(jì)增長和農(nóng)業(yè)碳排放各指標(biāo)之間（設(shè)滯后階數(shù)為2）的自回歸分布滯后模型：

根據(jù)廣西農(nóng)業(yè)經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)碳排放各指標(biāo)誤差修正結(jié)果，如果人均農(nóng)業(yè)總產(chǎn)值每增加1%，農(nóng)膜施用量、灌溉面積、農(nóng)業(yè)機(jī)械總動力將分別增加0.24%、－0.04%、0.22%，農(nóng)業(yè)碳排放總強(qiáng)度增加0.05%。鑒于具有協(xié)整關(guān)系的兩個變量之間存在著長期穩(wěn)定關(guān)系，因此可以推斷出廣西農(nóng)業(yè)仍以高投入、高排放、高消耗等傳統(tǒng)發(fā)展模式為主，處于傳統(tǒng)耕作模式向綠色低碳耕作模式轉(zhuǎn)變的關(guān)鍵期。

3 結(jié)論與建議

主要結(jié)論：①2018年廣西農(nóng)業(yè)碳排放量為322.67萬t，較基期2005年（257.88萬t）增加了25.12%，年均遞增1.74%。分階段來看，呈現(xiàn)較為明顯的“上升—下降”兩階段變化特征；分區(qū)域來看，高碳排放區(qū)集中分布在桂南區(qū)域和桂北區(qū)域。②2005—2018年廣西農(nóng)業(yè)碳排放總量的全局Moran′s I指數(shù)除極少數(shù)年份外均為正值，空間集聚特征明顯，但空間聚集效果呈現(xiàn)“先升后降”的變化趨勢。局部空間自相關(guān)分析表明，廣西農(nóng)業(yè)碳排放總量存在4類集聚區(qū)域，“高—高”空間集聚區(qū)主要集中在崇左、來賓、貴港，“低—低”集聚區(qū)域集中在百色、河池等地。廣西各地級市農(nóng)業(yè)碳排放的地區(qū)差距明顯縮小，可能因為是差異化地區(qū)發(fā)展戰(zhàn)略導(dǎo)致地區(qū)間農(nóng)業(yè)碳排放差距越來越小。③廣西農(nóng)業(yè)經(jīng)濟(jì)增長與農(nóng)業(yè)碳排放強(qiáng)度、農(nóng)膜、灌溉、和農(nóng)業(yè)機(jī)械總動力之間存在長期穩(wěn)定關(guān)系。根據(jù)誤差修正模型，廣西人均農(nóng)業(yè)總產(chǎn)值每增加1%，農(nóng)膜施用量、灌溉面積、農(nóng)業(yè)機(jī)械總動力將分別增加0.24%、－0.04%、0.22%，農(nóng)業(yè)碳排放總強(qiáng)度增加0.05%。

建議：①提高農(nóng)資利用效率，降低單位產(chǎn)出能耗。首要任務(wù)是要加強(qiáng)施肥管理，強(qiáng)化耕地保護(hù)。一方面，采用測土配方肥、水肥一體化、有機(jī)肥替代化肥、秸稈肥料化、綠肥種植、機(jī)械化施肥等方式提高作物化肥吸收率；另一方面，通過改良土壤、推廣良種良法、提高復(fù)種指數(shù)、加大耕作道路、開展農(nóng)田水利基礎(chǔ)設(shè)施建設(shè)等方式，建設(shè)高產(chǎn)穩(wěn)產(chǎn)標(biāo)準(zhǔn)農(nóng)田。②因地施策，科學(xué)規(guī)劃農(nóng)業(yè)碳減排工作。農(nóng)業(yè)低碳排放區(qū)要繼續(xù)優(yōu)化農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)，大力發(fā)展農(nóng)業(yè)產(chǎn)值較高的休閑農(nóng)業(yè)、生態(tài)農(nóng)業(yè)和都市農(nóng)業(yè)等；高碳排放區(qū)要科學(xué)規(guī)劃農(nóng)業(yè)產(chǎn)業(yè)布局，適當(dāng)減少農(nóng)藥、化肥和農(nóng)膜等農(nóng)用物資的使用量。③協(xié)調(diào)經(jīng)濟(jì)增長與農(nóng)業(yè)碳排放關(guān)系，轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式。在確保糧食安全的前提下，需進(jìn)一步優(yōu)化種植業(yè)與林業(yè)、畜牧業(yè)和漁業(yè)的產(chǎn)業(yè)結(jié)構(gòu)，實現(xiàn)農(nóng)林牧副漁業(yè)協(xié)調(diào)發(fā)展。④加大宣傳教育，樹立農(nóng)業(yè)低碳發(fā)展意識。在生產(chǎn)者一端，充分發(fā)揮政府的引導(dǎo)作用，打造農(nóng)業(yè)低碳區(qū)示范點(diǎn)和現(xiàn)代種植業(yè)低碳示范戶，以點(diǎn)帶面引導(dǎo)農(nóng)戶效仿；在消費(fèi)一端，建立從消費(fèi)者端倒逼低碳農(nóng)業(yè)生產(chǎn)源頭的創(chuàng)新型低碳發(fā)展機(jī)制，進(jìn)而影響農(nóng)產(chǎn)品的產(chǎn)銷結(jié)構(gòu)。

本文從化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機(jī)械總動力、灌溉和翻耕等6個方面碳源測算和分析了廣西農(nóng)業(yè)碳排放的時序變化規(guī)律，通過全局空間自相關(guān)方法探究了農(nóng)業(yè)碳排放空間集聚特征，運(yùn)用協(xié)整理論與誤差修正模型揭示了農(nóng)業(yè)經(jīng)濟(jì)增長與農(nóng)業(yè)碳排放關(guān)系，從而整體上把握廣西低碳農(nóng)業(yè)發(fā)展現(xiàn)狀，這對于廣西加快實施農(nóng)業(yè)轉(zhuǎn)型升級和農(nóng)業(yè)高質(zhì)量發(fā)展具有實踐指導(dǎo)意義。需要說明的是，雖然探索了廣西農(nóng)業(yè)碳排放與經(jīng)濟(jì)的關(guān)聯(lián)性，但是由于市級層面數(shù)據(jù)不易獲取、處理過程復(fù)雜，存在難以克服的問題，導(dǎo)致本文沒有深入研究如何更合理地平衡廣西農(nóng)業(yè)經(jīng)濟(jì)發(fā)展和農(nóng)業(yè)碳減排之間的關(guān)系，后續(xù)研究需綜合多學(xué)科的研究方法和思路對上述問題進(jìn)行探討。