農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放強度影響的空間溢出效應(yīng)
——基于282個城市面板數(shù)據(jù)的實證

徐清華，張廣勝

（1. 沈陽農(nóng)業(yè)大學(xué)經(jīng)濟管理學(xué)院，遼寧沈陽100866；2. 遼寧大學(xué)商學(xué)院，遼寧沈陽110136）

溫室效應(yīng)帶來的極端天氣給農(nóng)業(yè)生產(chǎn)造成的經(jīng)濟損失逐年增加，農(nóng)業(yè)碳減排越來越得到政策制定者和學(xué)者關(guān)注。2016年《“十三五”控制溫室氣體排放工作方案》首次將農(nóng)業(yè)碳減排目標(biāo)提到重要位置，《“十四五”全國農(nóng)業(yè)綠色發(fā)展規(guī)劃》重申了挖掘農(nóng)田碳匯等減排固碳潛力，為落實碳達峰、碳中和的重大戰(zhàn)略決策指明了方向，2021年頒布實施的《2030年前碳達峰行動方案》則進一步推進了農(nóng)業(yè)領(lǐng)域碳達峰行動。在農(nóng)業(yè)碳減排政策引領(lǐng)下，全國農(nóng)業(yè)減碳工作取得巨大成效。從總量上看，農(nóng)業(yè)碳排放總量從2014年8 190 萬t下降到2019年的7 467 萬t，扭轉(zhuǎn)了農(nóng)業(yè)碳排放總量長期增長趨勢；從強度上看，全國農(nóng)業(yè)碳排放強度從2005 年的361.61 kg/萬元下降到2019 年140.91 kg/萬元，下降幅度為61.03%，提前完成了2020年農(nóng)業(yè)碳減排目標(biāo)。然而受農(nóng)業(yè)生產(chǎn)能效較低、農(nóng)用化學(xué)品過度投入、土地細碎化等因素制約，農(nóng)業(yè)碳排放水平控制效果仍顯不佳［1］，農(nóng)業(yè)生產(chǎn)仍然面臨較大的減碳壓力，高產(chǎn)量追求導(dǎo)致的高能耗和高污染等問題得不到根本扭轉(zhuǎn)，地區(qū)農(nóng)業(yè)發(fā)展不均衡嚴(yán)重制約了中國低碳農(nóng)業(yè)高質(zhì)量發(fā)展。作為一種勞動力替代要素，農(nóng)業(yè)機械化有助于解除農(nóng)村勞動力與農(nóng)業(yè)生產(chǎn)的緊密關(guān)系，尤其在農(nóng)用機械大范圍應(yīng)用與普及的背景下，跨區(qū)域農(nóng)機服務(wù)網(wǎng)絡(luò)促進了區(qū)域內(nèi)和區(qū)域間農(nóng)機資源合理調(diào)配［2］，但鮮有文獻探討農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放強度的影響。農(nóng)業(yè)技術(shù)進步并不總是有利于農(nóng)業(yè)碳減排，以農(nóng)業(yè)機械化水平為代表的機械型技術(shù)進步反而提高了農(nóng)業(yè)碳排放總量［3］。在農(nóng)業(yè)機械化水平提升的背景下該結(jié)論與農(nóng)業(yè)碳排放總量下降的事實相違背，究其原因，很可能是忽略了農(nóng)業(yè)碳排放的空間集聚與分異情況對計量結(jié)果帶來的不利影響［4］，近來研究表明區(qū)域農(nóng)業(yè)碳排放水平呈現(xiàn)“中心-外圍”的空間分布狀態(tài)，具有從“中心”區(qū)域向“外圍”擴散的溢出態(tài)勢［5］?；?999—2019 年282 個城市的面板數(shù)據(jù)，采用空間杜賓模型研究農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放強度的影響，以期為推進農(nóng)業(yè)領(lǐng)域碳達峰行動提供新思路。

1 文獻綜述與理論機制

1.1 文獻綜述

現(xiàn)有討論農(nóng)業(yè)碳排放影響因素的文獻較為豐富，從農(nóng)地經(jīng)營規(guī)模、碳減排政策、技術(shù)進步、城鎮(zhèn)化等方面對農(nóng)業(yè)碳排放地區(qū)差異的影響因素進行了諸多探索。農(nóng)地經(jīng)營規(guī)模擴大誘發(fā)了農(nóng)用化學(xué)品投入強度和生產(chǎn)技術(shù)變化，從驅(qū)動源泉來看碳減排效率提升主要依賴于前沿技術(shù)進步而非技術(shù)效率改善，前沿技術(shù)進步在推進各地農(nóng)業(yè)碳減排效率提升方面發(fā)揮了積極作用，出臺“獎補”與“規(guī)制”并行的政策手段是促進低碳農(nóng)業(yè)發(fā)展的長久之計［6-7］。除此以外，城鎮(zhèn)化也被認(rèn)為是影響農(nóng)業(yè)碳排放的重要因素，對農(nóng)業(yè)碳排放總量的影響持續(xù)時間更長、沖擊效果更明顯［8］。

已有研究為深入理解地區(qū)農(nóng)業(yè)碳排放地區(qū)差異提供了有益參考，多聚焦于技術(shù)進步、農(nóng)業(yè)政策等方面，較少從農(nóng)業(yè)機械化角度對地區(qū)農(nóng)業(yè)碳排放強度差異進行成因分析，并且對農(nóng)業(yè)機械化在農(nóng)業(yè)碳減排中的作用卻有著不同看法。技術(shù)論支持者認(rèn)為農(nóng)業(yè)機械化作為一種先進生產(chǎn)力，有助于提高農(nóng)業(yè)經(jīng)營的及時性、質(zhì)量和效率，提高農(nóng)業(yè)生產(chǎn)力和盈利能力，進而降低地區(qū)農(nóng)業(yè)碳排放量［9］。替代論者卻認(rèn)為農(nóng)業(yè)機械化是一種要素替代，作為勞動力節(jié)省型技術(shù)進步，隨著勞動力價格上漲農(nóng)機要素對勞動力要素的替代作用越來越明顯［10］。農(nóng)機要素替代勞動力要素的生產(chǎn)變革將帶來高能耗和環(huán)境污染問題，降低了農(nóng)戶使用有機肥等低碳要素投入，但解釋不了近年來在農(nóng)業(yè)機械化水平提高的背景下農(nóng)業(yè)碳排放強度下降的現(xiàn)象，進而農(nóng)業(yè)機械化的技術(shù)論越來越受到學(xué)者重視［11］。

通過梳理文獻，已有研究存在以下不足之處。其一，研究農(nóng)業(yè)機械化對地區(qū)農(nóng)業(yè)碳排放強度影響的實證分析相對較少，與該研究相似的文獻只有一篇［1］，但它只關(guān)注于農(nóng)業(yè)機械化與農(nóng)業(yè)碳排放總量之間關(guān)系，沒有聚焦農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放強度的影響，對于評估地區(qū)碳減排效果意義不大，且沒有考慮農(nóng)業(yè)碳排放水平的空間集聚給計量結(jié)果造成的不利影響。其二，地區(qū)農(nóng)機資源集聚、農(nóng)業(yè)政策、農(nóng)業(yè)發(fā)展?fàn)顩r差異較大［12］，多數(shù)研究未對樣本異質(zhì)性帶來的影響做進一步分析。其三，農(nóng)業(yè)機械化如何對地區(qū)農(nóng)業(yè)碳排放強度產(chǎn)生影響，鮮有文獻從空間溢出視角分析農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放的影響機制，對農(nóng)業(yè)機械化空間減碳機制的實證分析就更加缺乏。因此，該研究從空間溢出視角探討農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放強度的影響，將農(nóng)村勞動力轉(zhuǎn)移和農(nóng)業(yè)種植結(jié)構(gòu)調(diào)整納入分析框架，為進一步農(nóng)業(yè)機械化發(fā)展提供理論指導(dǎo)。

1.2 理論機制

從農(nóng)業(yè)生產(chǎn)現(xiàn)狀來看中國農(nóng)業(yè)規(guī)?；a(chǎn)已達一定程度，農(nóng)業(yè)機械化使得土地細碎化對農(nóng)業(yè)規(guī)模化生產(chǎn)的抑制作用有所緩解，播種收獲等環(huán)節(jié)農(nóng)機覆蓋率逐年提升，對勞動力要素的替代作用也在不斷強化，農(nóng)業(yè)機械化帶來的農(nóng)業(yè)規(guī)?；?jīng)營已經(jīng)取得一定成就［13］。新型經(jīng)營組織出現(xiàn)使得農(nóng)業(yè)生產(chǎn)規(guī)模越來越大，特別是種糧大戶和合作社對土地規(guī)?；鞯木薮蟠龠M作用日益明顯。雖然農(nóng)業(yè)生產(chǎn)方式從人力畜力向農(nóng)機轉(zhuǎn)變會增加農(nóng)業(yè)生產(chǎn)碳排放水平，但這一過程中碳排放持續(xù)時間較短和碳排放總量可控，農(nóng)業(yè)機械化帶來的農(nóng)業(yè)規(guī)模化生產(chǎn)的減碳效應(yīng)則可以抵消農(nóng)機作業(yè)直接帶來的增碳效應(yīng)。通過農(nóng)機購置補貼和建立私營部門經(jīng)營的農(nóng)機服務(wù)有助于提高農(nóng)機服務(wù)可及性、減少干旱帶來的農(nóng)業(yè)風(fēng)險和提高農(nóng)作物產(chǎn)量，隨著農(nóng)業(yè)機械化外在條件改變，農(nóng)機跨區(qū)域流動作業(yè)越來越展現(xiàn)出強大的生產(chǎn)力，進而影響地區(qū)農(nóng)業(yè)碳排放水平。

一方面，農(nóng)業(yè)機械化有助于優(yōu)化農(nóng)業(yè)生產(chǎn)要素配置，消除農(nóng)業(yè)土地要素和勞動力要素配置扭曲帶來的增碳效應(yīng)，降低地區(qū)農(nóng)業(yè)碳排放強度。農(nóng)業(yè)機械化促進了小農(nóng)戶退出農(nóng)業(yè)生產(chǎn)［14］，通過培育新型農(nóng)業(yè)經(jīng)營主體釋放農(nóng)業(yè)生產(chǎn)規(guī)?；臏p碳效應(yīng)［15］，同時還抑制了農(nóng)戶單一追求產(chǎn)量造成的過度施藥施肥行為，使得保護性農(nóng)業(yè)耕作措施在更大范圍得到應(yīng)用［16］。按照核心-邊緣理論，農(nóng)業(yè)機械化對鄰近地區(qū)農(nóng)機服務(wù)市場的影響具有溢出效應(yīng)，鄰近地區(qū)農(nóng)戶能夠以較低成本獲取農(nóng)機服務(wù)、種植技術(shù)和農(nóng)機信息，跨區(qū)域農(nóng)機服務(wù)市場發(fā)展有助于實現(xiàn)區(qū)域內(nèi)和區(qū)域間低碳資源的合理調(diào)配［2］，降低地區(qū)農(nóng)業(yè)碳排放強度，農(nóng)機資源集聚則進一步強化了農(nóng)業(yè)機械化的空間減碳效應(yīng)。然而隨著農(nóng)村勞動力轉(zhuǎn)移程度提高，農(nóng)機要素對勞動力要素的替代作用逐步增強，在土地細碎化和土地產(chǎn)權(quán)不明晰的前提下要素替代作用增強反而抑制了農(nóng)機要素跨區(qū)域流動性，扭曲了區(qū)域農(nóng)業(yè)生產(chǎn)要素配置，對農(nóng)業(yè)機械化的空間減碳效應(yīng)產(chǎn)生不利影響［17］。

另一方面，農(nóng)業(yè)機械化有助于合理優(yōu)化農(nóng)業(yè)種植結(jié)構(gòu)，通過擴大糧食作物種植面積降低農(nóng)業(yè)碳排放強度。相對于經(jīng)濟作物，糧食作物具有“一家兩制”和作物生產(chǎn)碳排放量相對較低等特點［18］，“口糧”安全抑制了糧食種植戶過度施藥施肥等高碳排放行為，糧食作物對經(jīng)濟作物的種植替代降低了地區(qū)農(nóng)業(yè)碳排放強度［19］。農(nóng)業(yè)機械化的種植結(jié)構(gòu)“趨糧化”效應(yīng)抑制了地區(qū)經(jīng)濟作物種植規(guī)模擴大，促進了油料作物、淀粉根類作物等進口，將農(nóng)業(yè)碳排放轉(zhuǎn)移到其他國家［20］，這種農(nóng)業(yè)種植結(jié)構(gòu)調(diào)整的碳減排效應(yīng)降低了進口國農(nóng)業(yè)碳排放水平。農(nóng)業(yè)機械化對農(nóng)業(yè)種植結(jié)構(gòu)的影響存在正向溢出效應(yīng)［12］，農(nóng)機跨區(qū)域作業(yè)提升了鄰近地區(qū)糧食作物種植比例，進而降低了其農(nóng)業(yè)碳排放強度。但隨著糧食作物種植面積擴大，適用于糧食生產(chǎn)的農(nóng)機資產(chǎn)專用性提高了農(nóng)機跨區(qū)域作業(yè)的交易成本，阻礙了農(nóng)機跨區(qū)域作業(yè)服務(wù)市場形成，弱化了農(nóng)業(yè)機械化的空間減碳效應(yīng)?；诖?，提出假設(shè)1。

假設(shè)1：農(nóng)業(yè)機械化能夠降低地區(qū)農(nóng)業(yè)碳排放強度，并且對農(nóng)業(yè)碳排放強度的影響存在顯著的負(fù)向空間溢出效應(yīng)。

糧食主產(chǎn)區(qū)農(nóng)業(yè)政策對耕地用途變更限制相對嚴(yán)格，用于糧食作物種植的耕地面積更大，農(nóng)機要素集聚對農(nóng)業(yè)碳減排的正向影響也更加明顯。農(nóng)機要素集聚通過投入品共享、勞動力蓄水池以及知識溢出降低了地區(qū)農(nóng)機跨區(qū)域作業(yè)的作業(yè)成本［21］，農(nóng)戶吸收能力越強，農(nóng)機資源集聚的空間減碳效應(yīng)就越好。相對于非糧食主產(chǎn)區(qū)，農(nóng)機資源集聚使得糧食主產(chǎn)區(qū)農(nóng)業(yè)機械化的“趨糧化”效應(yīng)更加明顯，對鄰近地區(qū)農(nóng)業(yè)碳排放強度的抑制作用也更大［22］。在糧食主產(chǎn)區(qū)，糧食作物種植面積較大，農(nóng)業(yè)生產(chǎn)規(guī)?；?yīng)初顯，農(nóng)機資產(chǎn)專用性提升了農(nóng)機要素的跨區(qū)域流動性，農(nóng)業(yè)機械化的空間減碳效應(yīng)也更加明顯。此外，相對于非糧食主產(chǎn)區(qū)，糧食主產(chǎn)區(qū)農(nóng)機補貼水平相對較高，促使農(nóng)戶更愿意購買大型農(nóng)用機械，農(nóng)機單位作業(yè)面積的直接碳排放量將顯著下降?；诖?，提出假設(shè)2。

假設(shè)2：相對于非糧食主產(chǎn)區(qū)，糧食主產(chǎn)區(qū)糧食產(chǎn)業(yè)集聚程度、耕地保護力度、農(nóng)機補貼力度更大，農(nóng)業(yè)機械化的空間減碳效應(yīng)也更強。

2 數(shù)據(jù)來源、模型設(shè)定與變量選擇

2.1 數(shù)據(jù)來源

城市數(shù)據(jù)主要來自《中國城市統(tǒng)計年鑒》（2000—2020 年），省際數(shù)據(jù)來自《中國統(tǒng)計年鑒》（2000—2020年）、《中國農(nóng)村統(tǒng)計年鑒》（2000—2020 年），城市農(nóng)業(yè)相關(guān)數(shù)據(jù)來自EPS 的中國區(qū)域經(jīng)濟數(shù)據(jù)庫中的城市數(shù)據(jù)。穩(wěn)健性檢驗中城市碳排放數(shù)據(jù)來自中國碳核算數(shù)據(jù)庫，各城市數(shù)據(jù)通過城市名稱和年份進行匹配合并，城市數(shù)據(jù)與省際數(shù)據(jù)通過省份與城市的行政編碼隸屬關(guān)系進行匹配合并，部分城市層面指標(biāo)值通過城市數(shù)據(jù)與省際數(shù)據(jù)測算給出。刪除指標(biāo)值缺失較多的樣本，少量缺失值選擇線性插值法填充，共得到全國282 個城市1999—2019年的面板數(shù)據(jù)（未包括港澳臺地區(qū)）。

2.2 模型設(shè)定

在測度單位農(nóng)業(yè)GDP 碳排放量基礎(chǔ)上，城市相鄰區(qū)域的空間共性大于間隔較遠的區(qū)域，農(nóng)業(yè)碳排放強度表現(xiàn)出較強的空間集聚特性［5］，在計量模型中加入空間權(quán)重矩陣修正經(jīng)典回歸模型，模型設(shè)定如下：

LCQit=ρ×W×LCQit+λ1LNMit+βXit+λ2×W×LNMit+ηWXit+κi+νt+ζit，ζit=ρ×W×LCQjt+τit

LCQ為農(nóng)業(yè)碳排放強度，LNM為農(nóng)業(yè)機械化變量，X為控制變量。計量方程式中τ為服從標(biāo)準(zhǔn)正態(tài)分布的殘差項，模型中包含空間固定效應(yīng)ki和時間固定效應(yīng)vt，下標(biāo)i表示第i個城市，下標(biāo)j表示第j個城市，下標(biāo)t表示第t年，ρ為空間相關(guān)系數(shù)，W為空間權(quán)重矩陣，λ1、λ2、β、η為計量方程式待估參數(shù)。將農(nóng)業(yè)機械化與地區(qū)農(nóng)業(yè)碳排放強度的估計結(jié)果分解為直接效應(yīng)、間接效應(yīng)和總效應(yīng)，依次為fij(W)，其中間接效應(yīng)為空間溢出效應(yīng)。

2.3 變量選擇

2.3.1 被解釋變量

農(nóng)業(yè)碳排放強度LCQ。碳排放強度指標(biāo)測度方法主要有單位GDP 碳排放量法、單位面積碳排放量法和人均碳排放量法，選擇單位GDP 碳排放量法作為農(nóng)業(yè)碳排放強度的測度方法，農(nóng)業(yè)碳排放強度采用農(nóng)業(yè)碳排放總量與農(nóng)業(yè)總產(chǎn)值的比值表示。由于缺少城市范圍內(nèi)農(nóng)藥使用量、農(nóng)用塑料薄膜使用量、農(nóng)用柴油使用量等數(shù)據(jù)，采用省域單位耕地面積農(nóng)藥使用量、農(nóng)用塑料薄膜使用量、農(nóng)用柴油使用量與城市年末實有耕地面積分別測算城市農(nóng)藥使用量、農(nóng)用塑料薄膜使用量、農(nóng)用柴油使用量，參考劉亦文等［23］的研究，化肥施用折純量、農(nóng)藥使用量、農(nóng)用塑料薄膜使用量、農(nóng)用柴油使用量、農(nóng)作物總播種面積以及有效灌溉面積等碳排放系數(shù)分別為0.895 6 kg/kg、4.934 1 kg/kg、5.180 0 kg/kg、0.592 7 kg/kg、312.60 kg/km2、25 kg/hm2，城市農(nóng)業(yè)碳排放總量等于化肥施用折純量、農(nóng)藥使用量、農(nóng)用塑料薄膜使用量、農(nóng)用柴油使用量、農(nóng)作物總播種面積以及有效灌溉面積分別與排放系數(shù)的乘積之和?？紤]到缺少城市農(nóng)業(yè)總產(chǎn)值數(shù)據(jù)（屬于農(nóng)林牧漁范圍內(nèi)的農(nóng)業(yè)，即種植業(yè)），農(nóng)業(yè)總產(chǎn)值采用城市農(nóng)林牧漁總產(chǎn)值與省域農(nóng)業(yè)總產(chǎn)值所占農(nóng)林牧漁總產(chǎn)值的比重之積表示。

2.3.2 核心解釋變量

農(nóng)業(yè)機械化LNM。采用農(nóng)用機械總動力衡量農(nóng)業(yè)機械化變量，從時間上看，1999年城市平均農(nóng)業(yè)機械化總動力為167.99 萬kW，2019 年城市平均農(nóng)業(yè)機械化總動力為321.93 萬kW，年均增速為4.58%，1999—2019 年農(nóng)業(yè)機械化水平總體呈上升趨勢。2015—2016年農(nóng)業(yè)機械化水平出現(xiàn)下降，農(nóng)機購置補貼中農(nóng)業(yè)生產(chǎn)關(guān)鍵環(huán)節(jié)所需機具范圍由2014年175個品目壓縮到目前的137個品目，農(nóng)機購置補貼范圍縮小成為2015年農(nóng)業(yè)機械化水平下降的主要原因。

2.3.3 控制變量

為了消除其他因素對計量結(jié)果產(chǎn)生的不利影響，在計量模型中加入基礎(chǔ)設(shè)施質(zhì)量、耕地規(guī)模、灌溉狀況、工業(yè)發(fā)展、對外開放、土地城鎮(zhèn)化等變量。在控制變量方面，基礎(chǔ)設(shè)施質(zhì)量變量（RAD）采用等級公路里程測度，取對數(shù)值；耕地規(guī)模變量（LAS）采用人均耕地面積測度，人均耕地面積加1 后取對數(shù)值；灌溉狀況變量（IRR）采用有效灌溉面積與農(nóng)作物總播種面積的比值測度；工業(yè)發(fā)展變量（IND）采用規(guī)模以上工業(yè)總產(chǎn)值與地區(qū)生產(chǎn)總值的比值測度；對外開放變量（TRA）采用貨物進出口總額與地區(qū)生產(chǎn)總值的比值測度，貨物進出口總額等于歷年美元統(tǒng)計的貨物進出口總額與匯率之積；土地城鎮(zhèn)化變量（URB）采用標(biāo)準(zhǔn)化后的城鎮(zhèn)建成區(qū)面積測度，等于全市行政區(qū)域建成區(qū)土地面積與全市行政區(qū)域土地面積的比值，取對數(shù)值。各變量采用winsorize 方法對1%的極端值進行處理，變量定義與描述性統(tǒng)計分析見表1。

3 結(jié)果與分析

3.1 農(nóng)業(yè)碳排放強度測度結(jié)果

3.1.1 地區(qū)農(nóng)業(yè)碳排放水平的變動趨勢

從總體上看，2019 年全國整體農(nóng)業(yè)碳排放水平指標(biāo)值為140.91 kg/萬元，依據(jù)統(tǒng)計數(shù)據(jù)，2019 年全國碳排放強度為991.66 kg/萬元，表明農(nóng)業(yè)產(chǎn)業(yè)碳排放狀況優(yōu)于全國總體水平。圖1為歷年農(nóng)業(yè)碳排放強度變化趨勢圖，從時間上看，1999年農(nóng)業(yè)碳排放強度平均值為436.97 kg/萬元，2019 年農(nóng)業(yè)碳排放強度平均值為159.21 kg/萬元，農(nóng)業(yè)碳排放水平下降了63.57%，農(nóng)業(yè)產(chǎn)業(yè)已提前完成了2020年單位GDP碳排放量下降40%～45%的碳減排目標(biāo)。其中，1999—2003年農(nóng)業(yè)碳排放強度下降相對緩慢，農(nóng)業(yè)稅減免和農(nóng)業(yè)合作社發(fā)展推動了農(nóng)業(yè)規(guī)模化生產(chǎn)，導(dǎo)致2003—2011年農(nóng)業(yè)碳排放強度加速下降。2011—2019年農(nóng)業(yè)碳排放強度下降逐漸趨緩，2016年《全國農(nóng)業(yè)現(xiàn)代化規(guī)劃（2016—2020年）》提出發(fā)展高效綠色農(nóng)業(yè)，隨后農(nóng)業(yè)碳排放強度再次加速下降。

參照國家糧食局規(guī)定將遼寧、河北、山東、吉林、內(nèi)蒙古、江西、湖南、四川、河南、湖北、江蘇、安徽、黑龍江等13個省份劃分為糧食主產(chǎn)區(qū)，其他省份劃分為非糧食主產(chǎn)區(qū)。從糧食產(chǎn)區(qū)比較結(jié)果來看，1999—2009 年糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放強度高于非糧食主產(chǎn)區(qū)，2010—2019 年則低于非糧食主產(chǎn)區(qū)，2009年國家頒布并實施了《全國新增1 000億斤糧食生產(chǎn)能力規(guī)劃（2009—2020）》（1斤為500 g），糧食主產(chǎn)區(qū)糧食生產(chǎn)功能的政策效應(yīng)對低碳綠色農(nóng)業(yè)發(fā)展產(chǎn)生積極影響。

3.1.2 地區(qū)農(nóng)業(yè)碳排放水平空間分布特點

按照31 個省份對樣本進行分組，通過比較2005 年與2019 年各省級行政區(qū)農(nóng)業(yè)碳排放強度，分析地區(qū)農(nóng)業(yè)碳減排狀況，統(tǒng)計結(jié)果見表2。從區(qū)域分布來看，2005 年全國農(nóng)業(yè)碳排放水平較高的城市主要分布在青海、寧夏、山西、陜西、山東、河北等地區(qū)，2019年全國農(nóng)業(yè)碳排放水平較高的城市主要分布在吉林、甘肅、福建、重慶、山西、寧夏、浙江、安徽等地區(qū)，分布特點為非糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放強度高于糧食主產(chǎn)區(qū)，更多財政資金和農(nóng)業(yè)綠色技術(shù)投入使得糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放強度相對較低。

2005—2019年農(nóng)業(yè)碳排放強度下降幅度較多的地區(qū)主要有青海、貴州、四川、陜西、湖北、天津、云南、江西、黑龍江、江蘇、海南等，基準(zhǔn)年份設(shè)定為2005 年，沒有完成2020 年農(nóng)業(yè)碳減排目標(biāo)的地區(qū)有新疆、吉林、甘肅、重慶和福建等，呈現(xiàn)出北方地區(qū)農(nóng)業(yè)碳排放強度下降幅度低于南方地區(qū)，糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放強度下降幅度高于非糧食主產(chǎn)區(qū)。2019 年糧食主產(chǎn)區(qū)有92.22%的城市農(nóng)業(yè)產(chǎn)業(yè)已提前完成了2020 年單位GDP 碳排放量下降40%～45%的碳減排目標(biāo)，非糧食主產(chǎn)區(qū)只有74.78%的城市農(nóng)業(yè)產(chǎn)業(yè)提前完成了2020 年碳減排目標(biāo)，糧食主產(chǎn)區(qū)農(nóng)業(yè)碳減排任務(wù)完成情況優(yōu)于非糧食主產(chǎn)區(qū)。

表1 主要變量說明與描述性統(tǒng)計分析

3.1.3 莫蘭空間相關(guān)性檢驗

運用全局空間自相關(guān)莫蘭指數(shù)對各指標(biāo)空間自相關(guān)性進行檢驗，探究各城市與鄰近城市農(nóng)業(yè)碳排放強度的空間關(guān)聯(lián)程度，公式如下：

式中：n為空間位置的數(shù)量，w為空間權(quán)重矩陣，ri、rj分別為i城市和j城市農(nóng)業(yè)碳排放強度與農(nóng)業(yè)機械化及其控制變量回歸后的殘差項，rˉ為殘差項平均值，S為標(biāo)準(zhǔn)方差。農(nóng)業(yè)機械化與農(nóng)業(yè)碳排放強度的空間相關(guān)性和空間依賴性診斷結(jié)果見表3，結(jié)果顯示：1999—2019年Moran’sI指標(biāo)值均在0.29 左右變動，莫蘭指數(shù)在1%統(tǒng)計水平上統(tǒng)計顯著，說明農(nóng)業(yè)機械化與農(nóng)業(yè)碳排放強度之間存在顯著的空間相關(guān)性。

圖1 1999—2019年地區(qū)農(nóng)業(yè)碳排放強度變化趨勢圖

表2 2005年與2019年各省份農(nóng)業(yè)碳排放強度的對比

3.2 農(nóng)業(yè)機械化對地區(qū)農(nóng)業(yè)碳排放強度影響的檢驗結(jié)果

3.2.1 農(nóng)業(yè)機械化的基準(zhǔn)回歸結(jié)果

空間杜賓模型的回歸結(jié)果見表4，模型（1）到模型（8）中農(nóng)業(yè)碳排放強度的空間相關(guān)系數(shù)ρ都在1%統(tǒng)計水平上顯著，說明農(nóng)業(yè)機械化與地區(qū)農(nóng)業(yè)碳排放強度存在明顯的空間關(guān)聯(lián)效應(yīng)。表4模型（1）為采用空間距離權(quán)重矩陣的計量結(jié)果，結(jié)果顯示農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放強度的直接效應(yīng)在1%統(tǒng)計水平上顯著為負(fù)，農(nóng)業(yè)機械化顯著降低了本地農(nóng)業(yè)碳排放強度，具有明顯的直接減碳效應(yīng)。農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放強度的空間溢出效應(yīng)在1%統(tǒng)計水平上顯著為負(fù)，農(nóng)業(yè)機械化水平提高1 個百分點，鄰近地區(qū)農(nóng)業(yè)碳排放強度下降1.737個百分點，農(nóng)業(yè)機械化存在顯著的空間減碳效應(yīng)，假設(shè)1得證?？紤]到農(nóng)業(yè)機械化的空間溢出效應(yīng)后，農(nóng)業(yè)機械化的減碳效應(yīng)將更大?？臻g溢出效應(yīng)產(chǎn)生的原因主要有兩點：其一，農(nóng)機跨區(qū)域作業(yè)有助于克服土地細碎化和土地產(chǎn)權(quán)不明晰等不利條件實現(xiàn)農(nóng)業(yè)生產(chǎn)規(guī)?；l(fā)展，進而通過跨區(qū)域要素替代效應(yīng)抑制農(nóng)業(yè)勞動力投入不足帶來的農(nóng)用化學(xué)品過量施用行為，進而降低鄰近地區(qū)單位耕地面積高碳排放要素投入水平［2，15］，但農(nóng)機要素對勞動力要素的替代作用提升反而在一定程度上抑制了農(nóng)機跨區(qū)域流動，弱化了農(nóng)業(yè)機械化的空間減碳效應(yīng)。其二，農(nóng)業(yè)機械化存在“趨糧化”效應(yīng)和正向溢出效應(yīng)，農(nóng)機跨區(qū)域作業(yè)有助于優(yōu)化農(nóng)業(yè)種植結(jié)構(gòu)，通過擴大糧食作物種植面積降低鄰近地區(qū)農(nóng)業(yè)碳排放強度［12］。

3.2.2 控制變量的計量結(jié)果

以表4模型（1）的計量結(jié)果進行說明，在控制變量中，基礎(chǔ)設(shè)施質(zhì)量對農(nóng)業(yè)碳排放強度的直接效應(yīng)在10%統(tǒng)計水平上不顯著，對農(nóng)業(yè)碳排放強度的空間溢出效應(yīng)和總效應(yīng)在1%統(tǒng)計水平上顯著為負(fù)。基礎(chǔ)設(shè)施質(zhì)量改善并沒有直接對本地農(nóng)業(yè)碳排放強度產(chǎn)生明顯影響，但流通基礎(chǔ)設(shè)施質(zhì)量改善會顯著降低沿線城市碳排放強度［25］，基礎(chǔ)設(shè)施質(zhì)量的減碳效應(yīng)在農(nóng)業(yè)產(chǎn)業(yè)被證實。

耕地規(guī)模對農(nóng)業(yè)碳排放強度的直接效應(yīng)在1%統(tǒng)計水平上顯著為正，耕地規(guī)模提高1 個百分點，本地農(nóng)業(yè)碳排放強度上升0.476個百分點，在沒有達到規(guī)?；N植面積時，依靠化肥農(nóng)藥等農(nóng)用化學(xué)品投入的傳統(tǒng)耕作方式將提高地區(qū)農(nóng)業(yè)碳排放強度，但考慮到耕地規(guī)模擴大帶來要素利用效率提升的影響后，耕地規(guī)模將顯著降低區(qū)域農(nóng)業(yè)碳排放強度。

灌溉狀況對農(nóng)業(yè)碳排放強度的直接效應(yīng)在5%統(tǒng)計水平上顯著為負(fù)，灌溉狀況提高1 個百分點，本地農(nóng)業(yè)碳排放強度下降0.085個百分點，灌溉條件改善能夠提高單位土地面積農(nóng)作物產(chǎn)量，在同等碳排放水平下，單位耕地面積產(chǎn)值越高的地區(qū)農(nóng)業(yè)碳排放強度相對較低。灌溉狀況對農(nóng)業(yè)碳排放強度的空間溢出效應(yīng)和總效應(yīng)在1%統(tǒng)計水平上顯著為負(fù)，由于灌溉工程具有跨區(qū)域的特點，本地灌溉條件改善為鄰近地區(qū)灌溉基礎(chǔ)設(shè)施質(zhì)量提升創(chuàng)造了條件，水資源可及性提升能顯著擴大糧食作物種植規(guī)模，進而降低了區(qū)域農(nóng)業(yè)碳排放強度［26］。

工業(yè)發(fā)展對農(nóng)業(yè)碳排放強度的直接效應(yīng)在1%統(tǒng)計水平上顯著為正，對農(nóng)業(yè)碳排放強度的空間溢出效應(yīng)和總效應(yīng)在10%統(tǒng)計水平上不顯著。工業(yè)發(fā)展為農(nóng)業(yè)現(xiàn)代化發(fā)展奠定了基礎(chǔ)，通過農(nóng)用化學(xué)品等高碳要素投入增加了地區(qū)農(nóng)業(yè)碳排放強度，但工業(yè)發(fā)展的產(chǎn)業(yè)集聚效應(yīng)對區(qū)域農(nóng)村勞動力要素和土地要素產(chǎn)生“虹吸”效應(yīng)［27］，農(nóng)業(yè)生產(chǎn)要素再配置效應(yīng)抵消了工業(yè)發(fā)展對農(nóng)業(yè)減碳的不利影響。

對外開放對農(nóng)業(yè)碳排放強度的直接效應(yīng)在10%統(tǒng)計水平上不顯著，對農(nóng)業(yè)碳排放強度的空間溢出效應(yīng)和總效應(yīng)在1%統(tǒng)計水平上顯著為負(fù)，地區(qū)對外開放水平越高，出口對農(nóng)產(chǎn)品的高標(biāo)準(zhǔn)和綠色技術(shù)引進對地區(qū)農(nóng)業(yè)形成綠色發(fā)展高地的促進作用越大，低碳農(nóng)業(yè)的“涓滴效應(yīng)”和綠色技術(shù)擴散提高了地區(qū)低碳農(nóng)業(yè)產(chǎn)業(yè)規(guī)模，進而通過產(chǎn)業(yè)集聚的空間溢出實現(xiàn)空間減碳效應(yīng)。

表3 空間自相關(guān)檢驗結(jié)果

表4 空間杜賓模型的估計結(jié)果

續(xù)表4 空間杜賓模型的估計結(jié)果

土地城鎮(zhèn)化對農(nóng)業(yè)碳排放強度的直接效應(yīng)在1%統(tǒng)計水平上顯著為負(fù)，對農(nóng)業(yè)碳排放強度的空間溢出效應(yīng)和總效應(yīng)在1%統(tǒng)計水平上顯著為正。土地城鎮(zhèn)化通過對地區(qū)農(nóng)業(yè)生產(chǎn)要素再配置糾正了土地資源和勞動力資源錯配，具有明顯的直接減碳效應(yīng)。但區(qū)域土地城鎮(zhèn)化不均衡發(fā)展帶來的農(nóng)業(yè)生產(chǎn)要素資源錯配不利于地區(qū)綠色資源應(yīng)用和土地集約化利用，增加了區(qū)域農(nóng)業(yè)碳排放強度［8］。

3.3 農(nóng)業(yè)機械化對不同地區(qū)農(nóng)業(yè)碳排放強度的影響差異

地區(qū)耕地保護力度、要素稟賦和農(nóng)業(yè)經(jīng)濟發(fā)展?fàn)顩r等差異較大，按糧食主產(chǎn)區(qū)和非糧食主產(chǎn)區(qū)進行分組回歸，表4模型（2）結(jié)果顯示，農(nóng)業(yè)機械化對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放強度的空間溢出效應(yīng)在1%統(tǒng)計水平上顯著為負(fù)，農(nóng)業(yè)機械化水平提高1個百分點，鄰近糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放強度下降1.616 個百分點。表4 模型（3）結(jié)果顯示，農(nóng)業(yè)機械化對非糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放強度的空間溢出效應(yīng)在1%統(tǒng)計水平上顯著為負(fù)，農(nóng)業(yè)機械化水平提高1個百分點，鄰近非糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放強度下降0.599個百分點。相對于非糧食主產(chǎn)區(qū)，糧食主產(chǎn)區(qū)農(nóng)業(yè)機械化的空間減碳效應(yīng)更大，假設(shè)2得證。農(nóng)業(yè)經(jīng)濟迅速發(fā)展同時伴隨著農(nóng)業(yè)高碳要素過度投入、農(nóng)業(yè)污染加劇等一系列問題，隨著低碳農(nóng)業(yè)發(fā)展水平提高，地區(qū)農(nóng)業(yè)碳排放強度才逐漸趨于下降［27］。糧食主產(chǎn)區(qū)糧食產(chǎn)業(yè)集聚程度、耕地保護力度、農(nóng)機補貼力度更大，糧食作物種植比較優(yōu)勢使得農(nóng)業(yè)機械化的空間減碳效應(yīng)大于非糧食主產(chǎn)區(qū)。

3.4 穩(wěn)健性檢驗

空間距離權(quán)重矩陣很可能忽略了地區(qū)相鄰對農(nóng)業(yè)碳排放強度的影響，表4 模型（4）為采用空間鄰接權(quán)重矩陣替代空間距離權(quán)重矩陣的計量結(jié)果，農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放強度的直接效應(yīng)、空間溢出效應(yīng)和總效應(yīng)在1%統(tǒng)計水平上顯著為負(fù)。更換空間權(quán)重矩陣后，原結(jié)論仍然成立。

農(nóng)用機械總動力衡量農(nóng)業(yè)機械化可能存在測度誤差，從資本要素角度選擇地區(qū)農(nóng)業(yè)機械原值指標(biāo)測度農(nóng)業(yè)機械化變量可能更加準(zhǔn)確，地區(qū)農(nóng)業(yè)機械原值采用地區(qū)戶均人數(shù)、鄉(xiāng)村戶數(shù)和農(nóng)村居民家庭人均擁有農(nóng)業(yè)機械原值的乘積表示。表4 模型（5）結(jié)果顯示，農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放強度的空間溢出效應(yīng)在1%統(tǒng)計水平上顯著為負(fù)，替換農(nóng)業(yè)機械化測度方法后，農(nóng)業(yè)機械化的空間減碳效應(yīng)仍然存在。

農(nóng)業(yè)碳排放總量采用化肥施用折純量、農(nóng)藥使用量、農(nóng)用塑料薄膜使用量、農(nóng)用柴油使用量、農(nóng)作物總播種面積以及有效灌溉面積估算而來，可能會存在低估情況。采用單位GDP 碳排放量作為農(nóng)業(yè)碳排放強度的替代指標(biāo)，城市碳排放總量數(shù)據(jù)來自中國碳核算數(shù)據(jù)庫。中國碳核算數(shù)據(jù)庫只公布了1997—2017 年碳排放數(shù)據(jù)，通過城市名稱和年份匹配成功281 個城市1999—2017 年的面板數(shù)據(jù)，農(nóng)業(yè)碳排放強度采用城市碳排放總量與城市地區(qū)生產(chǎn)總值的比值表示，計量結(jié)果見表4 模型（6）。結(jié)果顯示，農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放強度的直接效應(yīng)、空間溢出效應(yīng)和總效應(yīng)在1%統(tǒng)計水平上顯著為負(fù)，更換農(nóng)業(yè)碳排放強度變量的衡量方法后，再次驗證了前文主要結(jié)論的穩(wěn)健性。

3.5 進一步分析

農(nóng)業(yè)機械化很可能通過提升要素替代水平、調(diào)整農(nóng)業(yè)種植結(jié)構(gòu)等途徑來實現(xiàn)空間減碳效應(yīng)，為了驗證以上影響機制，在空間杜賓模型中加入調(diào)節(jié)變量與農(nóng)業(yè)機械化變量的交互項，采用調(diào)節(jié)效應(yīng)模型驗證農(nóng)業(yè)機械化對地區(qū)農(nóng)業(yè)碳排放強度的空間溢出機制。

在農(nóng)村勞動力轉(zhuǎn)移方面，農(nóng)村勞動力轉(zhuǎn)移變量采用鄉(xiāng)村非農(nóng)產(chǎn)業(yè)從業(yè)人員數(shù)占鄉(xiāng)村從業(yè)人員數(shù)的比值表示，鄉(xiāng)村非農(nóng)產(chǎn)業(yè)從業(yè)人員數(shù)為鄉(xiāng)村從業(yè)人員數(shù)與第一產(chǎn)業(yè)從業(yè)人員數(shù)之差，鄉(xiāng)村從業(yè)人口數(shù)據(jù)由鄉(xiāng)村戶數(shù)與戶均鄉(xiāng)村從業(yè)人員數(shù)之積給出，戶均鄉(xiāng)村從業(yè)人口采用省域鄉(xiāng)村從業(yè)人員數(shù)與鄉(xiāng)村總戶數(shù)的比值表示，加入交互項的計量結(jié)果見表4 模型（7）。結(jié)果顯示，農(nóng)業(yè)機械化與農(nóng)村勞動力轉(zhuǎn)移交互項的空間溢出系數(shù)為16.754，在1%統(tǒng)計水平上顯著，說明在農(nóng)村勞動力轉(zhuǎn)移程度較低的地區(qū)，農(nóng)業(yè)機械化的空間減碳效應(yīng)更大，農(nóng)村勞動力轉(zhuǎn)移在農(nóng)業(yè)機械化與農(nóng)業(yè)碳排放強度之間表現(xiàn)出正向調(diào)節(jié)作用。受限于土地產(chǎn)權(quán)不穩(wěn)定和土地細碎化等條件，在勞動力轉(zhuǎn)移較低的地區(qū)農(nóng)業(yè)機械化通過跨區(qū)域農(nóng)機作業(yè)服務(wù)實現(xiàn)農(nóng)作物規(guī)?；N植［2］，進而降低了鄰近地區(qū)農(nóng)業(yè)碳排放強度，但較高要素替代水平抑制了農(nóng)機跨區(qū)域流動性，農(nóng)村勞動力轉(zhuǎn)移弱化了農(nóng)業(yè)機械化的空間減碳效應(yīng)。

在農(nóng)業(yè)種植結(jié)構(gòu)方面，采用糧食作物種植比例衡量農(nóng)業(yè)種植結(jié)構(gòu)，等于糧食作物播種面積與農(nóng)作物總播種面積的比值，表4 模型（8）為加入糧食作物種植比例與農(nóng)業(yè)機械化交互項的計量結(jié)果。結(jié)果顯示，農(nóng)業(yè)機械化與糧食作物種植比例交互項的空間溢出系數(shù)為10.240，在1%統(tǒng)計水平上顯著，說明在糧食作物種植比例低的地區(qū)，農(nóng)業(yè)機械化的空間減碳效應(yīng)更大，農(nóng)業(yè)種植結(jié)構(gòu)在農(nóng)業(yè)機械化與農(nóng)業(yè)碳排放強度之間表現(xiàn)出正向調(diào)節(jié)作用。由于農(nóng)業(yè)機械化具有“趨糧化”特征［16］，在地區(qū)糧食作物種植比例低的地區(qū)農(nóng)業(yè)機械化對農(nóng)業(yè)種植結(jié)構(gòu)“趨糧化”的促進作用更大，同時糧食作物種植比例較低提升了農(nóng)機要素跨區(qū)域流動性，農(nóng)業(yè)機械化的空間減碳效應(yīng)也更明顯。

4 結(jié)論與建議

全球碳排放水平持續(xù)提升增加了地區(qū)農(nóng)業(yè)生態(tài)系統(tǒng)脆弱性，研究農(nóng)業(yè)機械化與農(nóng)業(yè)碳排放強度之間關(guān)系對于農(nóng)業(yè)低碳可持續(xù)發(fā)展具有重要理論意義和實踐意義。基于全國282個城市的面板數(shù)據(jù)，采用空間杜賓模型分析農(nóng)業(yè)機械化對地區(qū)農(nóng)業(yè)碳排放強度的影響。研究發(fā)現(xiàn)，1999—2019 年農(nóng)業(yè)碳排放強度總體呈現(xiàn)下降的變動趨勢，分階段來看，1999—2003年地區(qū)農(nóng)業(yè)碳排放強度下降相對緩慢，2003—2011年地區(qū)農(nóng)業(yè)碳排放強度下降加速，2011—2019 年地區(qū)農(nóng)業(yè)碳排放強度下降速度又逐漸趨緩。從區(qū)域分布上看，1999—2009 年糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放強度明顯高于非糧食主產(chǎn)區(qū)，2010—2019 年后則低于非糧食主產(chǎn)區(qū)。2019 年糧食主產(chǎn)區(qū)有92.22%的城市農(nóng)業(yè)產(chǎn)業(yè)已提前完成了2020 年單位GDP 碳排放量下降40%～45%的碳減排目標(biāo)，非糧食主產(chǎn)區(qū)則只有74.78%的城市農(nóng)業(yè)產(chǎn)業(yè)提前完成了2020 年碳減排目標(biāo)，全國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳減排任務(wù)完成情況優(yōu)于非糧食主產(chǎn)區(qū)。農(nóng)業(yè)機械化不僅能夠降低本地農(nóng)業(yè)碳排放強度，還存在顯著的空間減碳效應(yīng)，本地區(qū)農(nóng)業(yè)機械化水平越高，鄰近地區(qū)農(nóng)業(yè)碳排放強度越低，在替換空間權(quán)重矩陣、變更解釋變量測度方法、變更被解釋變量測度方法后，該結(jié)論仍然穩(wěn)健。相比于非糧食主產(chǎn)區(qū)，糧食主產(chǎn)區(qū)農(nóng)業(yè)機械化的空間減碳效應(yīng)更大。在影響機制方面，農(nóng)業(yè)機械化通過提升要素跨區(qū)域替代水平、促進農(nóng)業(yè)種植結(jié)構(gòu)“趨糧化”等途徑降低了鄰近地區(qū)農(nóng)業(yè)碳排放強度，而農(nóng)村勞動力轉(zhuǎn)移和農(nóng)業(yè)種植結(jié)構(gòu)調(diào)整則弱化了農(nóng)業(yè)機械化的空間減碳效應(yīng)。

基于此，提出如下政策建議。第一，應(yīng)積極出臺農(nóng)機跨區(qū)域作業(yè)補貼政策鼓勵農(nóng)機跨區(qū)域作業(yè)，解決區(qū)域農(nóng)機服務(wù)市場失靈問題，促進區(qū)域農(nóng)業(yè)機械化協(xié)調(diào)發(fā)展。信息不對稱使得跨區(qū)域農(nóng)機服務(wù)市場交易成本較高，通過補貼政策能夠降低區(qū)域農(nóng)機服務(wù)交易價格，有利于農(nóng)業(yè)機械化的空間減碳效應(yīng)產(chǎn)生。第二，應(yīng)積極利用補貼政策發(fā)展更加節(jié)能環(huán)保的農(nóng)機產(chǎn)品，降低農(nóng)機自身碳排放水平。采用柴油作為動力的傳統(tǒng)農(nóng)業(yè)機械生產(chǎn)方式碳排放水平較高，通過農(nóng)業(yè)政策扶持新能源農(nóng)機產(chǎn)品創(chuàng)新，降低農(nóng)業(yè)生產(chǎn)過程中的碳排放水平，走低碳農(nóng)業(yè)機械化發(fā)展道路。第三，應(yīng)加強非糧食主產(chǎn)區(qū)耕地保護力度，嚴(yán)控非糧食主產(chǎn)區(qū)耕地用途變更。非糧食主產(chǎn)區(qū)耕地防控政策較弱，農(nóng)業(yè)機械化對非糧食主產(chǎn)區(qū)的空間減碳效應(yīng)相對較小，通過嚴(yán)控非糧食主產(chǎn)區(qū)農(nóng)業(yè)種植結(jié)構(gòu)非糧化提升糧食作物種植比例，能夠改善地區(qū)農(nóng)業(yè)機械化的空間減碳效果。第四，土地細碎化降低了農(nóng)業(yè)生產(chǎn)對跨區(qū)域農(nóng)機服務(wù)的需求，應(yīng)繼續(xù)扶持新型農(nóng)村經(jīng)營主體以擴大農(nóng)業(yè)生產(chǎn)規(guī)模，為進一步農(nóng)業(yè)機械化創(chuàng)造條件，助推低碳農(nóng)業(yè)高質(zhì)量發(fā)展。