中國省域農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)

田 云，林子娟

（中南財經(jīng)政法大學工商管理學院，湖北武漢430073）

為更好地應(yīng)對全球氣候變化，2018 年末聯(lián)合國政府間氣候變化專門委員會（IPCC）發(fā)布了《全球升溫1.5 ℃特別報告》，提出到2050年左右要實現(xiàn)全球溫室氣體的凈零排放，“碳中和”概念由此應(yīng)運而生。該報告的發(fā)布有力提升了各國對氣候變化的關(guān)注度，越來越多的國家就此明確和強化了自身減排目標。其中，以冰島、瑞典、挪威等為代表的北歐國家率先做出碳中和承諾，并將計劃完成時間依次定為2040、2045 和2050 年；而后芬蘭、新西蘭、英國、德國、法國、韓國、日本等國也相繼做出承諾，且多將完成期限定于2050 年。而作為世界最大的碳排放國，仍處在發(fā)展中階段的中國與發(fā)達國家相比顯然面臨著更大的減排壓力。在此境況下，積極參與全球氣候治理、加快推進低碳經(jīng)濟發(fā)展，將成為中國下一階段亟待解決的重大難題。盡管第二、第三產(chǎn)業(yè)是導(dǎo)致中國碳排放的主要源頭，但農(nóng)業(yè)生產(chǎn)部門所引致的溫室氣體排放也不容小覷，必須引起足夠重視?；诖耍恼聡L試探究中國各省份農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)度，以期為農(nóng)業(yè)碳減排政策的制定提供參考。

1 文獻綜述

目前，已有不少學者圍繞農(nóng)業(yè)碳排放問題展開探討，并形成了較為豐碩的研究成果。從大的切入視角看，相關(guān)研究主要匯聚于三個方面。

一是農(nóng)業(yè)碳排放測算及相關(guān)特征分析。首先是農(nóng)業(yè)碳源的確定。早期學者們主要著眼于農(nóng)田二氧化碳排放，認為耕作會導(dǎo)致土壤有機碳流失［1-2］；而后隨著研究的逐步深入，畜禽養(yǎng)殖與水稻種植［3］、化肥與農(nóng)藥［4］、能源消耗［5］、農(nóng)膜［6］等也被看作是重要碳源，并以此為基礎(chǔ)形成了較為全面的農(nóng)業(yè)碳排放測算指標體系，主要涉及農(nóng)用物資利用、水稻種植、畜禽養(yǎng)殖等三個不同維度。閔繼勝等［7］、Tian 等［8］、金書秦等［9］先后圍繞中國農(nóng)業(yè)碳排放進行了有效測度并分析其特征。綜合研究表明，新世紀以來中國農(nóng)業(yè)碳排放總量增長趨勢較為明顯，近幾年逐步趨于平穩(wěn)甚至略有下降，農(nóng)業(yè)碳排放強度則處于持續(xù)下降態(tài)勢；省域?qū)用?，無論總量、強度還是各自的演變軌跡均表現(xiàn)出了明顯的空間差異。

二是農(nóng)業(yè)碳排放與經(jīng)濟增長關(guān)系研究。其中，一些學者［8，10］探討了農(nóng)業(yè)碳排放與經(jīng)濟增長的因果關(guān)系，并進行EKC 檢驗以明晰拐點是否存在。結(jié)果表明，從短期看，經(jīng)濟發(fā)展是導(dǎo)致農(nóng)業(yè)碳排放持續(xù)增長的關(guān)鍵動因；但從長期看，二者之間存在拐點，即當經(jīng)濟發(fā)展到一定程度農(nóng)業(yè)碳排放將呈現(xiàn)下降趨勢。另一些學者［11-12］則將Tapio脫鉤模型引入到二者關(guān)系的探討中，并從國家或省域維度展開實證分析。研究揭示，中國農(nóng)業(yè)碳排放與經(jīng)濟增長的脫鉤類型大致經(jīng)歷了由“環(huán)?！钡健拔廴尽痹俚健碍h(huán)?！钡淖兓瘹v程。還有學者為了更好地探究二者之間的關(guān)系，在分析過程中引入了科技投入［13］、技術(shù)進步［14］、能源消耗［15］等其他關(guān)鍵變量。

三是農(nóng)業(yè)碳排放效率測度及減排潛力研究。高鳴等［16］、吳昊玥等［17］先后對中國農(nóng)業(yè)碳排放效率進行了測度?？傮w研究揭示，近年來整體效率水平雖有提升但區(qū)域差異明顯，省域間存在空間自相關(guān)且溢出效應(yīng)明顯；全國范圍內(nèi)不存在隨機性收斂，但東、中、西部卻表現(xiàn)出了不同特點。中部地區(qū)的農(nóng)業(yè)碳減排潛力規(guī)模最大，尤其是豫、皖、冀等?。?8］。具體到減排成本，各省份也表現(xiàn)出了極大差異，且決策者對于公平與效率的不同偏好會影響到各省份減排責任分攤機制的最終形成［19］。相關(guān)評估顯示，中國政府有能力實現(xiàn)承諾的預(yù)期減排目標，但具體到各省級行政區(qū)又表現(xiàn)出一定區(qū)別［20］。除了上述研究之外，還有大量學者圍繞農(nóng)業(yè)碳足跡［21-22］、農(nóng)業(yè)及農(nóng)產(chǎn)品貿(mào)易隱含碳排放［23-24］等領(lǐng)域展開了相關(guān)研究，并得出了一系列有價值的結(jié)論。

縱覽文獻可知，目前關(guān)于農(nóng)業(yè)碳排放的研究已趨于全面、系統(tǒng)，相關(guān)研究結(jié)論能夠為中國農(nóng)業(yè)碳減排政策的完善提供重要的參考依據(jù)。但同時，現(xiàn)有研究仍存在一定的局限性：一方面，關(guān)于農(nóng)業(yè)碳排放效率的測度，無論是測算方法的選擇還是投入產(chǎn)出指標的確定均存在一定欠缺；另一方面，農(nóng)業(yè)碳排放與經(jīng)濟增長關(guān)系的探討主要著眼于總量抑或強度視角，鮮有學者從農(nóng)業(yè)碳排放效率視角，圍繞其與農(nóng)業(yè)經(jīng)濟增長的協(xié)調(diào)性展開研究。事實上，近年來隨著節(jié)能減排理念逐步深入人心，傳統(tǒng)“高投入、高產(chǎn)出、高排放”的農(nóng)業(yè)生產(chǎn)模式已顯然不可取，而應(yīng)追求現(xiàn)代農(nóng)業(yè)發(fā)展與資源環(huán)境保護的協(xié)同共進。鑒于此，文章嘗試進行一定拓展：一是農(nóng)業(yè)碳排放效率測度力爭精準，投入指標選擇盡可能詳盡，非期望產(chǎn)出農(nóng)業(yè)碳排放的核算能更全面系統(tǒng)；二是嘗試將農(nóng)業(yè)碳排放效率與農(nóng)業(yè)經(jīng)濟增長納入同一框架，圍繞二者的耦合協(xié)調(diào)發(fā)展水平展開探討，明確現(xiàn)狀特征并分析空間自相關(guān)性。

2 研究方法

2.1 SBM?Undesirable模型

數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）從全要素角度出發(fā)，考慮多項投入和產(chǎn)出指標，利用線性規(guī)劃方法確定生產(chǎn)前沿面，以決策單元（Dicision Making Unit，DMU）偏離前沿面的程度對其效率進行衡量。傳統(tǒng)DEA 方法以CCR-DEA 和BCC-DEA 模型為代表，二者都是基于徑向和角度兩方面對決策單元的效率進行評價，要求在投入盡可能少的情況下產(chǎn)出盡量增多。顯然，任何產(chǎn)業(yè)在生產(chǎn)過程中除了有益產(chǎn)出之外，通常還伴隨著廢水、廢氣等無益產(chǎn)出，按照傳統(tǒng)DEA方法則會出現(xiàn)非期望產(chǎn)出隨著期望產(chǎn)出同步增加的問題，從而導(dǎo)致效率評價不夠準確。加之傳統(tǒng)DEA 方法并未考慮投入、產(chǎn)出松弛變量問題，進一步制約了效率測度的精準性?；诖耍琓one［25］在經(jīng)典DEA 模型的基礎(chǔ)上將松弛變量加入目標函數(shù)，提出了非徑向和非角度的SBM?DEA（Slack Based Model?DEA）模型，之后又改進為可包含非期望產(chǎn)出的SBM 模型，其現(xiàn)實應(yīng)用性大幅增強。該模型的基本原理為：假設(shè)生產(chǎn)系統(tǒng)中存在n個決策單元，且每個決策單元均有投入x∈Rm、期望產(chǎn)出ya∈Re、非期望產(chǎn)出yb∈Rf等三方面要素，則可定義矩陣如下：

矩陣中：R為實數(shù)向量集，m，e，f分別表示投入、期望產(chǎn)出和非期望產(chǎn)出的要素個數(shù)。則可定義生產(chǎn)可能集P如 下：P={(x，ya，yb)|x≥Xλ，ya≤Yaλ，yb≥Ybλ，λ≥0}。故包含非期望產(chǎn)出且規(guī)模報酬可變的SBM-Undesirable模型具體表示為：

式中：ρ*為研究目標的效率值，其數(shù)值范圍在0～1 之間，λ為非負權(quán)重向量，C-、Ca和Cb分別代表投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量，則分 別 表示 被評價的決策單元在某時段的投入產(chǎn)出值。對決策單元來說，當且僅當ρ*= 1且C-、Ca和Cb均為0的時候，該決策單元位于效率前沿面上，即有效；若ρ*＜1，則說明該決策單元處于無效狀態(tài)，需要通過減少投入或者增加產(chǎn)出的方式實施優(yōu)化調(diào)整以達到最優(yōu)效率。

2.2 耦合協(xié)調(diào)度模型

耦合度模型主要用來刻畫兩個或兩個以上系統(tǒng)或者要素之間相互關(guān)聯(lián)、彼此影響的程度。結(jié)合已有研究，構(gòu)建農(nóng)業(yè)碳排放系統(tǒng)和經(jīng)濟系統(tǒng)的耦合度模型：

式中：W表示兩系統(tǒng)間的耦合度；X1為農(nóng)業(yè)碳排放系統(tǒng)水平，在此通過農(nóng)業(yè)碳排放效率來衡量；X2則代表經(jīng)濟系統(tǒng)水平，以人均農(nóng)業(yè)增加值進行衡量，在具體計算時對其進行標準化處理。耦合度W的取值范圍在0～1 之間，其愈趨近于0，耦合度數(shù)值愈小，農(nóng)業(yè)碳排放效率與經(jīng)濟增長之間的相互作用程度就愈低；而W愈趨近于1，耦合度數(shù)值愈大，農(nóng)業(yè)碳排放效率與經(jīng)濟增長間的相互作用程度就愈高，此時兩者間達到“良性共振”的耦合狀態(tài)，即系統(tǒng)有序［26］。

耦合度模型也存在一定局限性，即其僅能對農(nóng)業(yè)碳排放效率與經(jīng)濟增長之間的相互作用程度進行分析，卻無法體現(xiàn)兩者間的協(xié)調(diào)發(fā)展狀況。譬如，當農(nóng)業(yè)碳排放效率和經(jīng)濟增長水平相當且數(shù)值均較低時，耦合度也會趨近于1，由此就無法客觀反映農(nóng)業(yè)低碳經(jīng)濟發(fā)展水平。與此相比，耦合協(xié)調(diào)度模型卻能對兩者間耦合協(xié)調(diào)發(fā)展狀況的好壞進行評價［27］。為了更好地分析中國省域農(nóng)業(yè)碳排放效率與經(jīng)濟增長間的耦合協(xié)調(diào)發(fā)展狀況，在構(gòu)建耦合度模型的基礎(chǔ)上引入耦合協(xié)調(diào)度模型，具體公式為：

式中：S為農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)度，T為兩者整體效益水平的綜合評價指數(shù)，α與β為待定系數(shù)且α+β= 1，主要反映兩系統(tǒng)各自對整體發(fā)展水平的貢獻程度?；谵r(nóng)業(yè)可持續(xù)發(fā)展理念以及政府近年來對農(nóng)業(yè)綠色、循環(huán)發(fā)展的高度重視，文章認為農(nóng)業(yè)碳排放效率與經(jīng)濟增長的重要程度一致，故將α與β的取值均定為0.5。耦合協(xié)調(diào)度取值范圍為［0，1］，其數(shù)值越大，則說明碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)發(fā)展狀況越好。為了更為清晰地展現(xiàn)各省份農(nóng)業(yè)碳排放效率與經(jīng)濟增長之間耦合協(xié)調(diào)發(fā)展水平的高低，參考現(xiàn)有文獻［28］，采用等間隔劃分法，將耦合協(xié)調(diào)度分為五個等級，并依據(jù)綜合評價指數(shù)進行分類（表1）。

2.3 空間自相關(guān)模型

2.3.1 全局空間自相關(guān)

全局莫蘭指數(shù)（Global Moran’I）是全局空間自相關(guān)分析使用最多的指標，通常用于檢驗研究對象的某屬性值在整體空間上是否存在集聚狀態(tài)。采用該指標對全國各省份農(nóng)業(yè)碳排放效率與經(jīng)濟增長耦合協(xié)調(diào)度的空間相關(guān)性進行檢驗，公式為：

表1 耦合協(xié)調(diào)度等級劃分

式中：GMI為全局莫蘭指數(shù)，Si、Sj表示各省份農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)度，n為省份數(shù)量，Wij則為空間權(quán)重矩陣，對各省份間的空間關(guān)系進行描述。采用Queen標準的二進制鄰接矩陣，即研究單元相鄰時取權(quán)重值為1，不相鄰則取權(quán)重值為0，海南作為與廣東相鄰來處理。全局莫蘭指數(shù)的取值范圍為［-1，1］，數(shù)值為正時表明各省份耦合協(xié)調(diào)度在整體上存在正相關(guān)，數(shù)值為負則表現(xiàn)為負相關(guān)，數(shù)值為0時表示不存在空間相關(guān)性。另外，利用統(tǒng)計值ZI對全局莫蘭指數(shù)進行檢驗，公式為：

其中：E[I]= 1/(1 -n)，V[I]=E[I2]-E[I]2。

2.3.2 局部空間自相關(guān)

全局莫蘭指數(shù)雖能反映研究區(qū)域?qū)傩灾档恼w關(guān)聯(lián)狀態(tài)，卻忽略了局部區(qū)域存在的異質(zhì)性特征，為此需進行必要的局部空間自相關(guān)分析。使用局部莫蘭指數(shù)（Local Moran’I）對局域內(nèi)屬性值的集聚或離散效應(yīng)進行度量，公式為：

各符號的含義與全局莫蘭指數(shù)相同，對于具體省份i，可在式（12）的基礎(chǔ)上進一步處理：

式中：LMIi為省份i的局域相關(guān)性系數(shù)，W′ij、Zi和Zj則分別表示將原矩陣和耦合協(xié)調(diào)度標準化處理后的數(shù)值。當LMIi和Zi值均大于0 時，表示該省份與周邊省份的協(xié)調(diào)發(fā)展水平均較高，即為高-高（H-H）集聚區(qū)；反之，則表明該省份與周邊省份協(xié)調(diào)發(fā)展水平均比較低，為低-低（L-L）集聚區(qū)。當LMIi大于0 而Zi值小于0 時，表示該省份協(xié)調(diào)發(fā)展水平高而周邊省份較低，即為高-低（H-L）集聚區(qū)；反之，則表明該省份協(xié)調(diào)發(fā)展水平低而周邊省份較高，為低-高（L-H）集聚區(qū)。

3 變量界定與數(shù)據(jù)處理

3.1 變量界定

3.1.1 農(nóng)業(yè)碳排放效率測度

在綜合相關(guān)研究［29］的基礎(chǔ)上，從資本、土地、勞動力、農(nóng)資等四個維度確定農(nóng)業(yè)碳排放效率測度的投入指標，而產(chǎn)出則包含期望產(chǎn)出與非期望產(chǎn)出，各自所對應(yīng)的具體指標見表2。

表2 農(nóng)業(yè)碳排放效率評價指標體系

（1）農(nóng)業(yè)投入變量

①資本投入。農(nóng)業(yè)資本投入以中國各省份農(nóng)業(yè)資本存量表示。鑒于該指標數(shù)據(jù)無法直接獲取，參照李谷成等［30］、董奮義等［31］所采用的永續(xù)盤存法（Perpetual Inven?tory Method，PIM）對不包含人力資本和土地資本的狹義物質(zhì)資本存量進行計算。估算公式為：

Kt=Kt-1(1 -μ) +Lt（14）

其中：Kt、Kt-1分別表示當期和上期的農(nóng)業(yè)固定資本存量，Lt為當期農(nóng)業(yè)固定資產(chǎn)投資，μ代表折舊率。對于當期固定資產(chǎn)投資Lt，使用農(nóng)業(yè)固定資本形成總額進行衡量，其中2000—2002年的相關(guān)數(shù)值源自《中國國內(nèi)生產(chǎn)總值核算歷史資料（1996—2002年）》，其余年份則以農(nóng)業(yè)固定資產(chǎn)投資額占全社會固定資產(chǎn)投資額的比重乘以全社會固定資本形成總額所得到的數(shù)值進行補齊。至于基期資本存量、折舊率μ以及投資價格指數(shù)的確定，主要參考李谷成等［31］的研究。

②土地投入?？紤]到復(fù)種指數(shù)的差異以及一些地區(qū)存在休耕現(xiàn)象的影響，采用農(nóng)作物總播種面積衡量，單位為103hm2。

③勞動力投入。參考吳賢榮等［32］的相關(guān)研究，勞動力投入用第一產(chǎn)業(yè)年末從業(yè)人員衡量，單位為104人。

④農(nóng)資投入。結(jié)合一般農(nóng)業(yè)生產(chǎn)現(xiàn)狀，從化肥、農(nóng)藥、農(nóng)膜、農(nóng)用機械四個方面來考察農(nóng)資投入。其中，化肥以各省份農(nóng)業(yè)生產(chǎn)過程中的實際施用折純量為準，單位為104t；農(nóng)藥、農(nóng)膜使用量以各地區(qū)當年農(nóng)業(yè)生產(chǎn)過程中的實際耗用量為準，單位分別為104t 和t；農(nóng)機投入則以當年農(nóng)業(yè)活動中農(nóng)用機械動力的額定功率之和為準，包括用于農(nóng)田基本建設(shè)、農(nóng)作物運輸、農(nóng)產(chǎn)品初加工等活動的一切設(shè)備，單位為104kW。

（2）農(nóng)業(yè)產(chǎn)出變量

①期望產(chǎn)出。參照一般研究，選用各省份農(nóng)林牧漁總產(chǎn)值作為期望產(chǎn)出的替代變量，單位為108元。

②非期望產(chǎn)出。各省份農(nóng)業(yè)碳排放量作為非期望產(chǎn)出的替代變量。鑒于目前無農(nóng)業(yè)碳排放量統(tǒng)計的現(xiàn)實境況，參照田云等［20］的研究，從農(nóng)用物資投入、水稻種植以及畜禽養(yǎng)殖等三個方面對農(nóng)業(yè)碳排放進行考察。公式為：

C=∑Ci=∑Ti×δi（15）

其中：C為農(nóng)業(yè)碳排放總量，Ci為各類碳源的碳排放量，Ti、δi分別表示各類碳源的具體數(shù)量及所對應(yīng)的碳排放系數(shù)。農(nóng)用物資投入涉及化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油等生產(chǎn)資料以及農(nóng)業(yè)灌溉等生產(chǎn)活動，水稻種植涵蓋早稻、中稻、晚稻等不同類別，畜禽養(yǎng)殖則包含牛、馬、驢、駱駝、羊、生豬、家禽等主要飼養(yǎng)品種。除二氧化碳測算外，還涉及甲烷與氧化亞氮排放，為了便于統(tǒng)一分析，參照IPCC第四次評估結(jié)果統(tǒng)一折算成標準碳，單位為104t。

3.1.2 農(nóng)業(yè)經(jīng)濟增長的確定

一般情況下，通過GDP 來衡量某一地區(qū)的經(jīng)濟發(fā)展水平雖簡單易行但也存在一定不足，即絕對數(shù)量的比較忽視了各省份在人口、資源稟賦等方面所存在的巨大體量差異，難以客觀反映地區(qū)真實的經(jīng)濟發(fā)展水準。相比較而言，選用人均相對指標更能反映實際情況。以人均農(nóng)業(yè)增加值作為衡量各省份農(nóng)業(yè)經(jīng)濟增長的替代指標，計算方法為：人均農(nóng)業(yè)增加值=農(nóng)業(yè)增加值/第一產(chǎn)業(yè)從業(yè)人口數(shù)量，單位為元/人。

3.2 數(shù)據(jù)來源及處理

農(nóng)業(yè)碳排放效率測度所涉及的基礎(chǔ)數(shù)據(jù)中，農(nóng)業(yè)固定資產(chǎn)投資額、全社會固定資產(chǎn)投資額、第一產(chǎn)業(yè)從業(yè)人員等均源自歷年《中國統(tǒng)計年鑒》，農(nóng)作物播種面積、化肥、農(nóng)藥、農(nóng)膜使用量、農(nóng)機投入數(shù)據(jù)以及農(nóng)業(yè)碳排放測算所需原始數(shù)據(jù)均源自歷年《中國農(nóng)村統(tǒng)計年鑒》及各省份年鑒，多數(shù)以當年實際數(shù)值為主，部分諸如畜禽飼養(yǎng)數(shù)量則需根據(jù)其生產(chǎn)周期的差異進行適當調(diào)整［7］。農(nóng)林牧漁總產(chǎn)值、農(nóng)業(yè)增加值也源自歷年《中國農(nóng)村統(tǒng)計年鑒》，為了消除價格波動影響，選擇以2000 年為基準年進行不變價處理。因數(shù)據(jù)可得性限制，研究未涉及香港、澳門、臺灣地區(qū)。

4 研究結(jié)果分析

4.1 農(nóng)業(yè)碳排放效率現(xiàn)狀特征分析

基于構(gòu)建的指標體系，利用Matlab 軟件并選用規(guī)模報酬可變假設(shè)下的SBM?Undesirable 模型對2000—2019年中國31 個省份農(nóng)業(yè)碳排放綜合效率（TE）、純技術(shù)效率（PTE）以及規(guī)模效率（SE）進行有效測度。鑒于數(shù)據(jù)的可得性，研究不包括港澳臺地區(qū)。受篇幅所限，文章僅列出2000年和2019年的測算結(jié)果（表3）。

表3 31省份農(nóng)業(yè)碳排放效率及分解

由表3 可知，2019 年北京、天津、吉林、廣東、海南、西藏6 省份農(nóng)業(yè)碳排放綜合效率值為1，屬于有效狀態(tài)，即效率值處于最佳前沿面；福建、遼寧、江蘇、安徽緊隨其后依次排在7～10位，但各自距離最佳前沿面已有明顯差距。與此對應(yīng)，山西綜合效率值最低，僅為0.257；內(nèi)蒙古、甘肅、新疆、寧夏則依次排在倒數(shù)2～5 位，各自效率值均在0.3 以下，明顯遠離最佳前沿面，存在較大提升空間。通過對綜合效率分解可知，除去處于有效狀態(tài)的6 省份，純技術(shù)效率和規(guī)模效率占主導(dǎo)地位的省份分別為13 個和12 個。其中，相當數(shù)量省份純技術(shù)效率處于最佳狀態(tài)可能歸功于近年經(jīng)營模式改進、產(chǎn)業(yè)布局優(yōu)化以及農(nóng)用物資利用趨于高效；而從深層次原因看，很大程度上還與《全國農(nóng)業(yè)現(xiàn)代化規(guī)劃（2016—2020年）》的實施有關(guān)。該規(guī)劃著重強調(diào)了建設(shè)高標準農(nóng)田、提高農(nóng)業(yè)技術(shù)裝備和科技轉(zhuǎn)化率的重要性，而這顯然有助于純技術(shù)效率的提升。相比較而言，雖有不少省份規(guī)模效率發(fā)揮了主要作用，但其效率值卻多在0.9 以下，可見農(nóng)業(yè)生產(chǎn)規(guī)模化經(jīng)營仍存在較大改善空間。與基期2000年相比，除廣東、海南、西藏3 省份因為一直處于有效狀態(tài)而未發(fā)生變化外，僅內(nèi)蒙古、上海、安徽、湖南、貴州、新疆6 省份有所下降，其中以上海降幅最大，其他各省份綜合效率值大多發(fā)生了明顯變化，且多數(shù)省份得到了顯著提升。

4.2 農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)度分析

結(jié)合公式（6）—公式（8），完成對31 個省份農(nóng)業(yè)碳排放效率與經(jīng)濟增長耦合協(xié)調(diào)度的測算，同時對各自耦合協(xié)調(diào)等級進行綜合評價。限于篇幅，僅列出2000 年和2019年的評價結(jié)果，見表4。

由表4 可知，2019 年海南耦合協(xié)調(diào)度最高為1.000，說明其農(nóng)業(yè)碳排放效率與經(jīng)濟增長已實現(xiàn)了絕對優(yōu)質(zhì)協(xié)調(diào)，二者同步高質(zhì)量提升；天津、吉林緊隨其后分列二三位，其耦合協(xié)調(diào)度也均超過了0.90；排在4～10 位的省份依次為福建、北京、廣東、江蘇、浙江、遼寧和黑龍江，耦合協(xié)調(diào)度介于0.70～0.90之間。與此對應(yīng)，山西耦合協(xié)調(diào)度最低，僅為0.435，而甘肅、寧夏、貴州、青海則排在倒數(shù)2～5位，耦合協(xié)調(diào)度均在0.60以下。相比2000年，除上海之外的其他30 個省份耦合協(xié)調(diào)度都有顯著提升，且均實現(xiàn)了層級跨越。其中，從絕對數(shù)值看，青海提升幅度最大，耦合協(xié)調(diào)度增加了83.65%；貴州、重慶緊隨其后，分別達到了76.79%和75.94%；內(nèi)蒙古提升幅度最小，僅為15.69%；北京、新疆則分別排在倒數(shù)第二、第三位，分別為24.96%和29.23%。從層級跨越來看，江蘇、浙江、河南、重慶實現(xiàn)了二級飛躍，其他各地則實現(xiàn)了一級跳躍。結(jié)合各省份耦合協(xié)調(diào)度等級劃分及綜合評價結(jié)果可知，截至2019 年，除海南實現(xiàn)同步發(fā)展外，還有7 省份達到了優(yōu)質(zhì)協(xié)調(diào)，且以經(jīng)濟滯后型為主；16 省份為良好協(xié)調(diào)，且效率滯后型占據(jù)多數(shù)；剩余7 省份則表現(xiàn)為中等協(xié)調(diào)，均為經(jīng)濟滯后型。從目前情形看，良好及以上協(xié)調(diào)類型的省份要占據(jù)絕大多數(shù)，整體狀況要遠好于2000 年；同時，兩個時間點同步發(fā)展無法形成的原因也存在一定區(qū)別：2000 年所有省份都歸結(jié)于農(nóng)業(yè)經(jīng)濟發(fā)展水平滯后，而2019 年已有超過10 個省份是源于農(nóng)業(yè)碳排放效率水平滯后。為了更為直觀地展示中國農(nóng)業(yè)碳排放效率與經(jīng)濟增長之間耦合協(xié)調(diào)發(fā)展的地區(qū)差異，列出2000、2004、2008、2012、2016 以及2019 年31 個省份的耦合協(xié)調(diào)度結(jié)果（表5）。

表4 31省份農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)度及綜合評價結(jié)果

由表5 可知，2000—2019 年，中國農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)發(fā)展水平整體上升趨勢明顯。其中，2000 年，絕大多數(shù)省份處于失調(diào)或者中等協(xié)調(diào)狀態(tài)，僅有少數(shù)省份表現(xiàn)出良好協(xié)調(diào)狀態(tài)；而到了2019年，不僅已無失調(diào)省份且多數(shù)地區(qū)達到了良好及以上協(xié)調(diào)等級。具體來看，2000年，山西、河南、重慶、貴州、云南、陜西、甘肅、青海、寧夏9 省份處于初級失調(diào)等級，北京、天津、吉林、上海、福建、廣東、海南7省份則處于良好協(xié)調(diào)等級，其余諸省份均為中等協(xié)調(diào)等級。從區(qū)域分布看，協(xié)調(diào)發(fā)展水平等級較低的省份大多位于中西部地區(qū)，經(jīng)濟條件相對落后，且受自然資源制約，農(nóng)業(yè)現(xiàn)代化、規(guī)?；l(fā)展不足，致使農(nóng)業(yè)碳排放效率與經(jīng)濟增長水平均比較低，兩者處于失調(diào)狀態(tài)。2004 年，不少省份的協(xié)調(diào)度等級得到改善，其中海南、北京最先升至優(yōu)質(zhì)協(xié)調(diào)等級，河南、重慶、陜西、寧夏等省份由初級失調(diào)升至中等協(xié)調(diào)等級，浙江、遼寧則由中等協(xié)調(diào)升至良好協(xié)調(diào)等級。綜合來看，中東部省份協(xié)調(diào)發(fā)展水平所處等級上升要更快一些。2008年，天津、上海由良好協(xié)調(diào)轉(zhuǎn)變?yōu)閮?yōu)質(zhì)協(xié)調(diào)，江蘇、西藏由中等協(xié)調(diào)轉(zhuǎn)變?yōu)榱己脜f(xié)調(diào)，青海、云南由初級失調(diào)轉(zhuǎn)變?yōu)橹械葏f(xié)調(diào)，余下諸省份基本維持原有狀態(tài)不變。2012年，各省份協(xié)調(diào)狀態(tài)相比4年之前多無顯著變化，僅吉林由良好協(xié)調(diào)升至優(yōu)質(zhì)協(xié)調(diào)，而上海甚至由優(yōu)質(zhì)協(xié)調(diào)降為良好協(xié)調(diào)，這可能與其農(nóng)業(yè)規(guī)?；?jīng)營程度不足、人均效益產(chǎn)出較低有關(guān)。至于該階段協(xié)調(diào)發(fā)展水平整體增速減緩的原因，可能與農(nóng)業(yè)機械化進程的加快有關(guān)。農(nóng)機具投入量的增加以及農(nóng)機專業(yè)合作組織的興起使得各地農(nóng)業(yè)機械化作業(yè)率顯著提升，但由于耕地細碎化、農(nóng)機作業(yè)成本高等問題，致使技術(shù)資源的投入存在冗余情況，導(dǎo)致產(chǎn)出效益不夠高而碳排放卻仍在增長。2016 年，江蘇由良好協(xié)調(diào)轉(zhuǎn)變?yōu)閮?yōu)質(zhì)協(xié)調(diào)，河北、黑龍江、安徽、江西、山東和重慶由中等協(xié)調(diào)升為良好協(xié)調(diào)，山西、貴州、甘肅3省份由初級協(xié)調(diào)轉(zhuǎn)變?yōu)橹械葏f(xié)調(diào)，其他各地則維持原有協(xié)調(diào)狀態(tài)不變。此時，所有省份都步入?yún)f(xié)調(diào)發(fā)展階段，不過仍以中等協(xié)調(diào)為主。2019 年，伴隨著以河南、湖北、湖南等為代表的多個省份耦合協(xié)調(diào)度等級的提升，全國僅剩山西、貴州、云南、陜西、甘肅、青海、寧夏7省份仍處于中等協(xié)調(diào)等級，而浙江、福建、廣東等省份則進一步升至優(yōu)質(zhì)協(xié)調(diào)狀態(tài)。該階段成效的取得主要源于政府對農(nóng)業(yè)綠色高質(zhì)量發(fā)展的愈發(fā)重視。黨的十九大報告以及歷年中央一號文件都反復(fù)強調(diào)中國農(nóng)業(yè)應(yīng)逐步由增產(chǎn)向提質(zhì)轉(zhuǎn)變。得益于相關(guān)配套政策的有力支持，近年來農(nóng)業(yè)生態(tài)化、特色化和品牌化建設(shè)程度不斷加深，從而促使農(nóng)業(yè)碳排放效率與經(jīng)濟增長同步提升，二者協(xié)調(diào)水平也隨之得到相應(yīng)提高。

4.3 耦合協(xié)調(diào)度的空間自相關(guān)分析

4.3.1 全局空間自相關(guān)分析

運用Stata 軟件計算2000—2019 年各省份農(nóng)業(yè)碳排放效率與經(jīng)濟增長耦合協(xié)調(diào)度的全局莫蘭指數(shù)并進行顯著性檢驗，相關(guān)結(jié)果見表6。

由表6 可知，在整個考察期內(nèi)，農(nóng)業(yè)碳排放效率與經(jīng)濟增長耦合協(xié)調(diào)度的全局莫蘭指數(shù)均大于0.3且都在1%水平下通過顯著性檢驗。由此揭示，中國省域農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)度在整體層面存在顯著的空間自相關(guān)特征，具體表現(xiàn)為某個高值省份周邊伴隨著一個或多個高值省份，而某個低值省份則通常與一個或多個低值省份相鄰。從莫蘭指數(shù)值的歷年變動情況看，2000—2014 年雖然升降反復(fù)但總體表現(xiàn)出波動上升態(tài)勢，集聚程度在經(jīng)歷下降之后通常又伴隨回升，并于2014年達到最大值0.380；而2015—2019 年雖同樣升降反復(fù)但波動下降趨勢較為明顯，表明該階段耦合協(xié)調(diào)度的空間集聚效應(yīng)有所減弱，省域間農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)差距呈現(xiàn)擴大趨勢。究其原因，可能與各地區(qū)現(xiàn)代農(nóng)業(yè)發(fā)展程度不一、發(fā)展速率各異有關(guān)：一方面受自然資源、經(jīng)濟水平等因素影響，部分省份農(nóng)業(yè)機械化、規(guī)模化程度更高，碳排放效率提升更快，產(chǎn)出效益更好；另一方面則源于政府近年對農(nóng)業(yè)綠色發(fā)展的愈發(fā)重視，部分省份對此響應(yīng)更為積極、執(zhí)行更加到位，從而促使碳排放量下降且產(chǎn)出效益顯著提升。

4.3.2 局部空間自相關(guān)分析

為了進一步明晰2000—2019 年31 個省份耦合協(xié)調(diào)度的空間關(guān)聯(lián)特征，選取2000、2007、2013 和2019 年等年份，對其耦合協(xié)調(diào)發(fā)展狀態(tài)的局部莫蘭散點圖進行繪制（受限于篇幅以及各省份在圖中較難辨識等原因，在此不呈現(xiàn)散點圖），結(jié)果見表7。

由表7可知，高-高集聚區(qū)在2000年和2007年所包含的地區(qū)完全一致，均為北京、天津、遼寧、吉林、上海、江蘇、浙江、福建、廣東、海南7 省3 市。從區(qū)域分布來看，主要位于中國東北以及東部、東南沿海地區(qū)。這些省份普遍農(nóng)業(yè)資源稟賦較好，比如東北地區(qū)地勢平坦、土壤肥沃，極利于玉米、水稻、大豆等糧食作物的種植；而東南沿海地區(qū)水熱條件俱佳，經(jīng)濟作物種植較為廣泛；同時多數(shù)地區(qū)經(jīng)濟發(fā)達，有助于農(nóng)業(yè)現(xiàn)代化、規(guī)?；l(fā)展，且能對周邊省份產(chǎn)生示范效應(yīng)。2013 年黑龍江由低-高集聚轉(zhuǎn)為高-高集聚，可能源于其與高-高集聚區(qū)省份毗鄰，所受到的輻射帶動作用較大。而到了2019 年，情形又發(fā)生了一定變化：上海由于近年整體協(xié)調(diào)發(fā)展水平不佳且下降趨勢明顯，逐步脫離了高-高集聚區(qū)；但同時江西加入，可能得益于周邊浙、閩、粵等地的積極帶動。

表5 2000—2019年31省份農(nóng)業(yè)碳排放效率與經(jīng)濟增長耦合協(xié)調(diào)發(fā)展的空間分布

低-低集聚區(qū)在2000 年包含山西、安徽、山東、河南、湖北、湖南、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏15省份。從地域分布看，集中于中、西部地區(qū)，或源于農(nóng)業(yè)資源稟賦不占優(yōu)勢，或歸結(jié)于種植結(jié)構(gòu)相對高碳，或因經(jīng)濟不夠發(fā)達、資金支持有限、科技水平相對滯后等制約，阻礙了農(nóng)業(yè)碳排放效率與農(nóng)業(yè)經(jīng)濟水平的提升，導(dǎo)致耦合協(xié)調(diào)發(fā)展水平偏低，同時對周邊省份的輻射與擴散效應(yīng)也較弱。2007 年，新疆由高-低集聚轉(zhuǎn)為低-低集聚，可能受禁牧、輪牧、休牧等制度的影響以及政府對牧區(qū)生態(tài)環(huán)境修復(fù)治理的逐步重視，農(nóng)業(yè)整體發(fā)展受到一定沖擊，導(dǎo)致協(xié)調(diào)發(fā)展速率相對于其他省份偏慢。2013 年，內(nèi)蒙古由高-低集聚轉(zhuǎn)為低-低集聚，安徽、山東則由低-低集聚轉(zhuǎn)為低-高集聚。其中，內(nèi)蒙古發(fā)生變化的原因與新疆基本類似。魯、皖雖然農(nóng)業(yè)經(jīng)濟持續(xù)發(fā)展，但其碳排放效率相對不高，因而與周邊省份相比耦合協(xié)調(diào)發(fā)展度增長較慢，即便與高水平省份相鄰，但受到的帶動作用較小，且在一定程度上承擔了領(lǐng)先地區(qū)的環(huán)境負外部效應(yīng)。2019 年與2013 年情形完全一致，在此不做過多贅述。

至于低-高和高-低集聚區(qū)，所含省份數(shù)量一直較少，均未超過4 個。具體而言，低-高集聚區(qū)僅河北一直居于其中，所毗鄰京津均處高-高集聚區(qū)，但由于京津農(nóng)業(yè)體量較小，難以對河北形成積極帶動作用；而高-低集聚區(qū)僅西藏一直位于其中，雖自身協(xié)調(diào)發(fā)展水平較高，但由于農(nóng)牧業(yè)的特殊屬性與體量限制，很難對周邊地區(qū)形成帶動效應(yīng)。至于其他省份的動態(tài)變化及成因，在剖析高-高、低-低集聚區(qū)時都已陳述，此處不再贅述。綜合來看，在整個考察期內(nèi)，處于低-低集聚區(qū)的省份不僅數(shù)量一直最多，且具體構(gòu)成也未發(fā)生太多變動，由此揭示中國省域農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)發(fā)展水平呈現(xiàn)出“弱者恒弱”的空間集聚局面，而這顯然不利于整體低碳農(nóng)業(yè)經(jīng)濟的發(fā)展。

5 結(jié)論與啟示

通過系統(tǒng)分析，得到以下主要結(jié)論。

2019 年，北京、天津、吉林等6 省份農(nóng)業(yè)碳排放綜合效率值為1，屬于有效狀態(tài)，即效率值處于最佳前沿面；相比較而言，山西綜合效率值最低，僅為0.257，內(nèi)蒙古、甘肅、新疆、寧夏則排在倒數(shù)2～5位，各自效率值均在0.3以下，存在較大提升空間。與基期2000 年相比，除廣東、海南、西藏3 省份因為一直處于有效狀態(tài)而未發(fā)生變化外，其他各地綜合效率值均發(fā)生了明顯變化，且多數(shù)地區(qū)得到了顯著提升，僅內(nèi)蒙古、上海、安徽、湖南、貴州、新疆6省份有所下降，其中以上海降幅最大。

表6 2000—2019年31省份耦合協(xié)調(diào)度的全局莫蘭指數(shù)

表7 主要年份31省份耦合協(xié)調(diào)發(fā)展水平的局部空間聚類情況

2019 年，海南耦合協(xié)調(diào)度最高，為1.00，說明農(nóng)業(yè)碳排放效率與經(jīng)濟增長已實現(xiàn)了絕對優(yōu)質(zhì)協(xié)調(diào)；與此對應(yīng)，山西耦合協(xié)調(diào)度最低，僅為0.435，而甘肅、寧夏、貴州、青海則排在倒數(shù)2～5 位。相比2000 年，除上海之外的其他30 個省份耦合協(xié)調(diào)度都有顯著提升，且均實現(xiàn)了層級跨越?？傮w來看，截至2019年，絕大多數(shù)省份的協(xié)調(diào)等級達到了良好及以上層次，其中海南實現(xiàn)同步發(fā)展，7 個省份達到了優(yōu)質(zhì)協(xié)調(diào)且以經(jīng)濟滯后型為主，16 個省份為良好協(xié)調(diào)且效率滯后型地區(qū)占據(jù)多數(shù)，余下7省份則表現(xiàn)為中等協(xié)調(diào)且均為經(jīng)濟滯后型。

在整個考察期內(nèi)，中國省域農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)度總體存在顯著的空間自相關(guān)特征，具體表現(xiàn)為某個高值省份周邊伴隨著一個或多個高值省份，而某個低值省份則通常與一個或多個低值省份相鄰。同時，局部莫蘭指數(shù)結(jié)果顯示，位于高-高和低-低集聚區(qū)的省份占據(jù)絕大部分，其中又以低-低集聚區(qū)的省份數(shù)量最多且其具體構(gòu)成在不同年份變化較小，由此使得中國省域農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)發(fā)展水平在一定程度上呈現(xiàn)出了“弱者恒弱”的空間集聚局面。

為了更好地推進農(nóng)業(yè)碳減排，助力中國“雙碳”戰(zhàn)略目標早日實現(xiàn)，可考慮從以下幾方面著手：一是提高農(nóng)資利用效率，推廣綠色生產(chǎn)技術(shù)。一方面，著力提高化肥、農(nóng)藥、農(nóng)膜等的利用效率，不斷推廣綠色、生態(tài)生產(chǎn)技術(shù)，如廣泛采用測土配方施肥技術(shù)、加強病蟲害生物防治、使用可降解農(nóng)膜等；另一方面，加快傳統(tǒng)農(nóng)用機械的創(chuàng)新升級速度，積極研發(fā)和推廣節(jié)能型農(nóng)用機械，以促進機械化作業(yè)的節(jié)能減排。二是深化農(nóng)業(yè)結(jié)構(gòu)調(diào)整，提升農(nóng)業(yè)生態(tài)效益。在保障糧食安全的前提下，推動種植業(yè)由增產(chǎn)向提質(zhì)方向轉(zhuǎn)變。同時，依據(jù)各地實際調(diào)整糧食作物、經(jīng)濟作物、飼料作物的種植比例，并建立健全耕作輪作制度，實施種養(yǎng)結(jié)合模式，使種養(yǎng)殖業(yè)之間形成糧草兼顧、優(yōu)勢互補的發(fā)展格局。除此之外，重視草原生態(tài)修復(fù)、推動畜禽養(yǎng)殖規(guī)模適度化發(fā)展，強化農(nóng)業(yè)向“低投入、低排放、高效益”方向轉(zhuǎn)變，實現(xiàn)生態(tài)效益的提升。三是強化科技創(chuàng)新驅(qū)動，建立區(qū)域合作機制。一方面，利用現(xiàn)代科技推動農(nóng)業(yè)機械化、智能化和數(shù)字化發(fā)展，通過加強農(nóng)業(yè)信息化管理、完善“互聯(lián)網(wǎng)+”農(nóng)業(yè)產(chǎn)業(yè)體系等手段促進農(nóng)業(yè)現(xiàn)代化、規(guī)模化進程，降低對傳統(tǒng)化石能源的依賴程度，重視清潔能源的開發(fā)與利用；另一方面，處于低-低集聚區(qū)的省份除了因地制宜發(fā)展優(yōu)勢產(chǎn)業(yè)外，要特別注重建立區(qū)域合作機制，通過產(chǎn)業(yè)對接、項目合作、技術(shù)交流等手段，積極吸取先進地區(qū)農(nóng)業(yè)產(chǎn)業(yè)化、規(guī)?；l(fā)展經(jīng)驗，促進自身農(nóng)業(yè)綠色、高質(zhì)量發(fā)展。