中國農(nóng)業(yè)能源碳減排成熟度評價及其動態(tài)演進

田 云，張姹娜

（中南財經(jīng)政法大學工商管理學院，湖北 武漢 430073）

近年來，氣候變化和全球變暖已逐步成為人類社會所面臨的共同危機和挑戰(zhàn)，并由此受到了國際社會的廣泛關(guān)注和高度重視。伴隨著國內(nèi)生態(tài)環(huán)境壓力不斷提升，在國際溫室氣體減排框架日趨完善的現(xiàn)實背景下，堅持綠色低碳發(fā)展已成為中國未來發(fā)展的必由之路。為了更好地履行《聯(lián)合國氣候變化框架公約》，中國陸續(xù)發(fā)布了《中國應對氣候變化國家方案》《國家適應氣候變化戰(zhàn)略》等一系列具有較強約束力的戰(zhàn)略規(guī)劃，以此積極應對全球氣候變化。2020 年9 月聯(lián)合國氣候峰會上，中國政府莊嚴承諾，將力爭于2030 年前實現(xiàn)碳達峰、2060 年前實現(xiàn)碳中和?！半p碳”目標實現(xiàn)的關(guān)鍵在于發(fā)展方式的低碳轉(zhuǎn)型，而在這過程中不僅二、三產(chǎn)業(yè)要積極履行節(jié)能減排責任，農(nóng)業(yè)生產(chǎn)部門也應參與其中。事實上，作為國民經(jīng)濟的重要基礎，農(nóng)業(yè)雖能產(chǎn)生一定數(shù)量碳匯，但自身也是溫室氣體的重要排放源。據(jù)聯(lián)合國糧食及農(nóng)業(yè)組織統(tǒng)計數(shù)據(jù)顯示，農(nóng)業(yè)用地所產(chǎn)生的溫室氣體占到了全球人為溫室氣體排放總量的30%以上?？梢?，推進農(nóng)業(yè)部門早日實現(xiàn)碳達峰、碳中和，不僅是落實鄉(xiāng)村振興戰(zhàn)略、加速農(nóng)業(yè)現(xiàn)代化的重要舉措，更是全面應對氣候變化、推動經(jīng)濟社會綠色轉(zhuǎn)型的重要途徑。而隨著當前農(nóng)業(yè)現(xiàn)代化步伐的不斷加快，能源利用在農(nóng)業(yè)生產(chǎn)中愈發(fā)扮演著重要角色，其消耗數(shù)量不斷增加，由此引發(fā)的碳排放量不容小覷?；诖?，該研究嘗試對中國農(nóng)業(yè)能源碳減排成熟度進行評價并分析其動態(tài)演進特征，以期為農(nóng)業(yè)能源碳減排政策的制定提供參考。

1 文獻綜述

近年來，越來越多的學者開始圍繞農(nóng)業(yè)能源及其對應的碳排放問題展開研究。其中，一些學者圍繞農(nóng)業(yè)能源利用效率及其影響因素展開了系統(tǒng)研究。如于偉詠等［1］、冉啟英等［2］分別利用DEA 方法和方向性距離函數(shù)對中國省域農(nóng)業(yè)能源利用效率進行了測度，發(fā)現(xiàn)各省份農(nóng)業(yè)能源利用效率差異明顯，總體呈現(xiàn)東高西低特征。為了彌補方向性距離函數(shù)無法處理農(nóng)業(yè)生產(chǎn)過程中投入變量和產(chǎn)出變量同時存在徑向與非徑向特征這一不足，李海鵬等［3］運用 EBM 混合距離函數(shù)模型對中國農(nóng)業(yè)能源利用效率進行了再測度，發(fā)現(xiàn)其整體呈現(xiàn)“先升-停滯-再升”三階段演變軌跡，其中人力資本水平和農(nóng)民人均收入對農(nóng)業(yè)能源利用效率具有正向促進作用。李建華等［4］、咼小明等［5］、戴紅軍等［6］則分別探究了農(nóng)村經(jīng)濟結(jié)構(gòu)變化、農(nóng)業(yè)機械化水平以及要素價格變動對農(nóng)業(yè)能源效率的影響，發(fā)現(xiàn)三者均產(chǎn)生了顯著影響但各自作用方向并非完全一致。

與此同時，還有不少學者圍繞農(nóng)業(yè)能源碳排放測算及其相關(guān)特征展開了大量研究。其中，戴小文等［7］在對農(nóng)業(yè)能源碳排放進行測算的基礎上圍繞其影響因素展開了探討，發(fā)現(xiàn)農(nóng)村生活水平、人口規(guī)模和城鎮(zhèn)化水平導致了農(nóng)業(yè)能源碳排放的增長，而農(nóng)業(yè)低碳技術(shù)則能對其起到抑制作用。史常亮等［8］借助Tapio脫鉤模型進一步研究發(fā)現(xiàn)，能源強度對碳排放脫鉤的影響正逐漸減弱，能源結(jié)構(gòu)和產(chǎn)出規(guī)模所處情形完全相反，而人口規(guī)模對其影響較小且趨于穩(wěn)定。隨著研究的不斷深入，一些學者開始著眼于農(nóng)業(yè)能源碳排放的區(qū)域差異比較，但所選用的研究方法卻各有不同，如胡劍波等［9］采用的是泰爾指數(shù)法，張恒碩等［10］則將基尼系數(shù)和核密度分析法進行了有機結(jié)合。綜合研究表明，中國農(nóng)業(yè)能源碳排放表現(xiàn)出了較為明顯的區(qū)域差異，且非均衡程度正在不斷加深，區(qū)域總體差異主要由區(qū)域間差異引起。除此之外，也有學者針對農(nóng)業(yè)能源碳減排問題展開了探究，如田云等［11］研究發(fā)現(xiàn)，技術(shù)進步在促進中國農(nóng)業(yè)能源碳減排的同時還表現(xiàn)出明顯的空間溢出效應。

縱覽已有文獻可知，目前關(guān)于農(nóng)業(yè)能源碳排放的研究更多地聚焦于基本測算、驅(qū)動機理剖析以及區(qū)域差異比較等方面，而較少對其整體減排狀況作出系統(tǒng)評價?，F(xiàn)實中，“成熟度”作為一類用于描述研究對象或事物完善程度的研究方法，自20 世紀80 年代開始就被廣泛運用到學術(shù)研究領(lǐng)域［12］，在早期主要應用于項目管理［13-14］、企業(yè)運營［15-16］等方向，而近些年隨著研究的不斷深入已逐步運用到了碳減排領(lǐng)域。其中，王文舉等［17］率先將成熟度應用到了碳減排研究中，并對其理念進行了一定拓展，認為成熟度不能僅局限于事物的發(fā)展程度，還應描述和度量事物的協(xié)調(diào)度與協(xié)調(diào)發(fā)展度，據(jù)此構(gòu)建發(fā)展度、協(xié)調(diào)度和協(xié)調(diào)發(fā)展度指數(shù)，完成了對中國工業(yè)碳減排情況的綜合評價。結(jié)果顯示，得益于政府一系列積極政策的有效推動，中國工業(yè)碳減排三類指數(shù)均呈持續(xù)增長趨勢。在此之后，陳曉東等［18］、王怡［19］基于成熟度指數(shù)模型分別對內(nèi)蒙古各地區(qū)節(jié)能減排成效和中國碳減排整體狀況進行了客觀評價。

總體而言，雖然成熟度理念已在碳減排特別是工業(yè)碳減排研究中得到了應用，但鮮有學者將其與農(nóng)業(yè)能源碳減排結(jié)合到一起進行考察。而實際中，產(chǎn)業(yè)屬性的不同顯然會導致工、農(nóng)業(yè)減排進度的不一致，工業(yè)層面的經(jīng)驗也未必適用于農(nóng)業(yè)生產(chǎn)部門。與此同時，明確各個省份農(nóng)業(yè)能源碳減排所處階段（即減排成熟度）顯然有助于針對性策略的構(gòu)建以及中國“雙碳”目標的早日實現(xiàn)。有鑒于此，該研究將嘗試彌補現(xiàn)有研究的不足，基于省級面板數(shù)據(jù)利用成熟度方法對中國農(nóng)業(yè)能源碳減排情況進行綜合評價。具體而言，首先，該研究在提出農(nóng)業(yè)能源碳減排成熟度指數(shù)概念的基礎上，運用鄧氏灰色關(guān)聯(lián)分析方法和距離協(xié)調(diào)度模型計算發(fā)展度、協(xié)調(diào)度和協(xié)調(diào)發(fā)展度等三個成熟度指數(shù)；其次，對省際農(nóng)業(yè)能源碳減排相對成熟度及中國農(nóng)業(yè)能源碳減排整體成熟度依次進行客觀評價；再次，以農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度為指標，對全國以及糧食主產(chǎn)區(qū)、主銷區(qū)和產(chǎn)銷平衡區(qū)的農(nóng)業(yè)能源碳減排動態(tài)演進特征進行解析；最后，基于研究結(jié)論提出對策建議。

2 研究方法與數(shù)據(jù)來源

2.1 研究方法

2.1.1 Kaya恒等式與指標選取

Kaya恒等式是將碳排放視為人口增長、經(jīng)濟增長、能源消費共同導致的結(jié)果，因其較為清晰地呈現(xiàn)了碳排放與其驅(qū)動因素間的內(nèi)在關(guān)聯(lián)，故而得到廣泛運用。鑒于該研究主要探究農(nóng)業(yè)能源碳排放與農(nóng)業(yè)經(jīng)濟增長的內(nèi)在邏輯關(guān)系，故對Kaya恒等式進行轉(zhuǎn)化處理如下：

式（1）中：C為農(nóng)業(yè)能源碳排放總量，V為農(nóng)業(yè)總產(chǎn)值，E為農(nóng)業(yè)能源消耗量為農(nóng)業(yè)能源碳排放強度為農(nóng)業(yè)產(chǎn)值能耗強度為農(nóng)業(yè)能耗碳排放強度。通過恒等式可知，農(nóng)業(yè)產(chǎn)值能耗強度與農(nóng)業(yè)能耗碳排放強度通過共同作用，形成了農(nóng)業(yè)能源碳排放強度。后續(xù)研究中，該研究以農(nóng)業(yè)能源碳排放強度作為基礎指標，其數(shù)值大小可以客觀反映農(nóng)業(yè)能源碳減排成效的好與壞，同時也以農(nóng)業(yè)產(chǎn)值能耗強度和農(nóng)業(yè)能耗碳排放強度作為基礎指標，二者共同驅(qū)動農(nóng)業(yè)能源碳減排。通過對恒等式進行分析可知，上述三個基礎指標度量數(shù)值與農(nóng)業(yè)能源碳減排水平均呈反向關(guān)系，數(shù)值越小，表明農(nóng)業(yè)能源碳減排成效越好，反之則減排成效越差。

2.1.2 農(nóng)業(yè)能源碳減排成熟度指數(shù)模型構(gòu)建

關(guān)于碳減排成熟度模型的構(gòu)建，王文舉等［17］認為其應由三個度量指標組成，即發(fā)展度、協(xié)調(diào)度和協(xié)調(diào)發(fā)展度。其中，“發(fā)展度”表示工業(yè)碳減排從較低水平層次到較高水平層次的實現(xiàn)程度，“協(xié)調(diào)度”表示工業(yè)碳減排內(nèi)部各個子系統(tǒng)之間相互適應、配合和促進的融合程度，“協(xié)調(diào)發(fā)展度”表示工業(yè)碳減排發(fā)展水平與協(xié)調(diào)水平的和諧發(fā)展程度。為此，在科學借鑒工業(yè)碳減排成熟度指數(shù)模型的基礎上，充分考慮農(nóng)業(yè)能源碳排放的現(xiàn)實特征，對農(nóng)業(yè)能源碳減排成熟度進行界定，見表1。

表1 農(nóng)業(yè)能源碳減排成熟度界定

具體計算方法如下。

（1）鄧氏灰色關(guān)聯(lián)分析方法。該方法根據(jù)序列曲線幾何形狀的相似程度來判斷關(guān)系的緊密程度，曲線越接近，對應序列間的關(guān)聯(lián)性就越強，反之則越弱。當參考序列是最優(yōu)發(fā)展水平的序列時，關(guān)聯(lián)系數(shù)越大，即意味著比較序列的發(fā)展情況與最優(yōu)發(fā)展水平更接近，其相對發(fā)展水平更高［20］。據(jù)此，該研究假定評價對象為m(m= 30)個省份，評價時期為n(n= 16)個年份，x為農(nóng)業(yè)產(chǎn)值碳排放強度，則存在m個樣本序列xi={xi(1)，xi(2)，…，xi(n)}，參考序列為x0={x0(1)，x0(2)，…，x0(n)}，即x0代表農(nóng)業(yè)產(chǎn)值碳排放強度最優(yōu)水平。第i省份在第k年的灰色關(guān)聯(lián)度系數(shù)ξi(k)的計算公式如下：

式（2）—式（5）中：Δmin為考察期各省份農(nóng)業(yè)能源碳排放強度（比較序列）與該年各省份農(nóng)業(yè)能源碳排放強度最小值（參考序列）絕對差的最小值；Δmax為考察期各省份農(nóng)業(yè)能源碳排放強度（比較序列）與該年各省份農(nóng)業(yè)能源碳排放強度最小值（參考序列）絕對差的最大值；Δik為第k年第i省份農(nóng)業(yè)能源碳排放強度與該年各省份農(nóng)業(yè)能源碳排放強度最小值的絕對差，即第k年第i省比較序列與參考序列之差的絕對值；ρ為分辨系數(shù)，借鑒一些學者［21-23］的常見做法，該研究同樣取值為0.5?；谝陨戏治隹芍蝘(k)即為第k年第i省份農(nóng)業(yè)能源碳減排相對發(fā)展度指數(shù)，取值范圍介于0~1，其數(shù)值越大，代表第k年第i省的農(nóng)業(yè)能源碳減排相對發(fā)展水平越高。

而后，結(jié)合各省份農(nóng)業(yè)能源碳排放強度，通過算術(shù)平均可以得到第k年中國農(nóng)業(yè)能源碳減排整體發(fā)展度指數(shù)Dk，其計算公式如下：

其中：Dk的取值介于0~1 之間，其數(shù)值越大，則表明第k年中國農(nóng)業(yè)能源碳減排整體發(fā)展水平越高。

此外，假設y為農(nóng)業(yè)產(chǎn)值能耗強度，z為農(nóng)業(yè)能耗碳排放強度。依據(jù)前文分析可計算得到基于農(nóng)業(yè)產(chǎn)值能耗強度的第k年第i省份農(nóng)業(yè)能源碳減排相對發(fā)展度指數(shù)?i(k)和基于農(nóng)業(yè)能耗碳排放強度的第k年第i省份農(nóng)業(yè)能源碳減排相對發(fā)展度指數(shù)λi(k)，對?i(k)和λi(k)進行幾何平均，可計算得到第k年第i省份農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度指數(shù)δi(k)，其計算公式如下：

式（7）中：δi(k)的取值范圍介于0~1，其數(shù)值越大，表明第k年第i省份農(nóng)業(yè)能源碳減排相對協(xié)調(diào)水平越高。

（2）距離協(xié)調(diào)度模型。該模型的實質(zhì)是引入度量系統(tǒng)實際狀態(tài)與理想狀態(tài)距離的歐式距離和切比雪夫距離，通過兩者比率關(guān)系來反映系統(tǒng)的協(xié)調(diào)水平［24］。由于中國農(nóng)業(yè)能源碳減排整體協(xié)調(diào)度考察的是省份間農(nóng)業(yè)能源碳減排的協(xié)同水平，因此不能通過對各省份相對協(xié)調(diào)度指數(shù)進行簡單算術(shù)平均的方式計算獲得，但卻可利用距離協(xié)調(diào)度模型對其進行測度。據(jù)此，構(gòu)建第k年各省份農(nóng)業(yè)能源碳排放強度實際值與最優(yōu)值的歐式距離測度公式如下：

同時，構(gòu)建第i省在整個考察期農(nóng)業(yè)能源碳排放強度實際值與最優(yōu)值的切比雪夫距離測度公式：

基于式（8）、式（9），構(gòu)建中國農(nóng)業(yè)能源碳減排整體協(xié)調(diào)度指數(shù)測度公式：

其中：Ck取值同樣介于0~1，其數(shù)值越大則代表省份間農(nóng)業(yè)能源碳減排趨同水平越高，即整體協(xié)調(diào)水平越高；反之，則表明省份間農(nóng)業(yè)能源碳減排趨同水平越低，即整體協(xié)調(diào)水平越低。

（3）協(xié)調(diào)發(fā)展度指數(shù)計算方法。考慮到發(fā)展度指數(shù)和協(xié)調(diào)度指數(shù)在對農(nóng)業(yè)能源碳減排成熟度進行評價時都存在一定片面性，該研究將通過構(gòu)建農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度指數(shù)完善這一不足。協(xié)調(diào)發(fā)展度指數(shù)基于發(fā)展度指數(shù)和協(xié)調(diào)度指數(shù)的幾何平均而求得，據(jù)此，構(gòu)建第k年第i省農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度指數(shù)ηi(k)的計算公式：

式（11）中，ηi(k)的取值范圍介于0~1 之間，其數(shù)值越大，表明第k年第i省農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展水平越高。

進一步，構(gòu)建中國農(nóng)業(yè)能源碳減排整體協(xié)調(diào)發(fā)展度指數(shù)Hk的計算公式：

式（12）中，Hk的取值范圍同樣介于0~1 之間，其數(shù)值越大，表明第k年中國農(nóng)業(yè)能源碳減排整體協(xié)調(diào)發(fā)展水平越高。

需要特別說明的是，為了讓研究結(jié)果呈現(xiàn)得更為直觀且方便描述，該研究將對ξi(k)、δi(k)、ηi(k)、Dk、Ck、Hk等六個測度指數(shù)進行百分制處理。具體而言，參照陳佳貴等［25］的研究，可將各測度指數(shù)所代表的成熟度水平由低到高劃分為極低、較低、較高、極高等四個不同層次。其中，極低層次表示為Ⅰ，其指數(shù)值大于等于0 而小于等于35；較低層次表示為Ⅱ，其指數(shù)值大于35 而小于等于70；較高層次表示為Ⅲ，其指數(shù)值大于70 而小于等于85；極高層次表示為Ⅳ，其指數(shù)值大于85而小于等于100。

2.1.3 核密度分析方法

作為一類用于概率密度函數(shù)估計的非參數(shù)方法，核密度估計對函數(shù)的具體形式不作任何限定，僅著眼于數(shù)據(jù)本身，客觀上擺脫了傳統(tǒng)人為設置條件的不利影響，故而其應用范圍日益擴大。有鑒于此，該研究將運用核密度估計法對中國及其糧食主產(chǎn)區(qū)、主銷區(qū)、產(chǎn)銷平衡區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的動態(tài)演進趨勢進行探究。核密度估計的函數(shù)表達式如下：

式（13）中：f(x)為中國及其糧食主產(chǎn)區(qū)、主銷區(qū)、產(chǎn)銷平衡區(qū)的密度函數(shù)，n為省份總數(shù)，i表示各省份，h為帶寬，-x為均值。由于帶寬的選擇會較大地影響核密度函數(shù)的精度和曲線的平滑程度，故該研究將在選擇合適帶寬的基礎上，采用高斯核函數(shù)展開核密度估計，其函數(shù)表達式如下：

2.2 數(shù)據(jù)來源與處理

農(nóng)業(yè)總產(chǎn)值（即農(nóng)林牧漁總產(chǎn)值）出自2006—2021年歷年的《中國統(tǒng)計年鑒》。為了消除價格波動的影響，實際分析中將基于2005年不變價對各省份農(nóng)業(yè)總產(chǎn)值進行平減處理。其他與農(nóng)業(yè)能源消耗量和農(nóng)業(yè)能源碳排放測算有關(guān)的原始數(shù)據(jù)均源自2006—2021 年歷年的《中國能源統(tǒng)計年鑒》。該研究選取原煤、洗精煤、焦炭、汽油、柴油、天然氣、電力等12類與農(nóng)林牧漁業(yè)發(fā)展相關(guān)的主要能源來測算農(nóng)業(yè)能源消耗量和農(nóng)業(yè)能源碳排放量。其中，農(nóng)業(yè)能源消耗的等價替代變量是農(nóng)林牧漁業(yè)能源終端消費量，通過終端能源消費實物量與各類能源折算標準煤系數(shù)相乘得到；農(nóng)業(yè)能源碳排放量測算方法及其所需的相關(guān)碳排放系數(shù)可參照蔣金荷［26］、田云等［27］的相關(guān)研究，限于篇幅，在此不作贅述。

3 研究結(jié)果分析

3.1 中國省際農(nóng)業(yè)能源碳減排相對成熟度分析

3.1.1 省際農(nóng)業(yè)能源碳減排相對發(fā)展度分析

由表2 可知，2005 年河北、安徽、廣西、四川等4 省份農(nóng)業(yè)能源碳減排相對發(fā)展度處于極高層次，其中廣西以較大優(yōu)勢居于榜首；農(nóng)業(yè)能源碳減排相對發(fā)展度處于較高層次的省份包括江蘇、河南、廣東等7 地；與此同時，以北京、天津、山西等為代表的18個省份農(nóng)業(yè)能源碳減排相對發(fā)展度處于較低層次；相對而言，僅有貴州一地處于極低層次。2010年農(nóng)業(yè)能源碳減排相對發(fā)展度處于極高層次的省份增至6個，其中河北、廣西、四川維持原有狀態(tài)不變，安徽降至較高層次，江西、山東、河南則實現(xiàn)層次跨越，分別由較低層次或者較高層次轉(zhuǎn)變而來；農(nóng)業(yè)能源碳減排相對發(fā)展度處于較高層次的省份增至10 個，在保持原有省份（河南除外）的基礎上，增加了遼寧、吉林、安徽、福建等4 ??；余下14 省份均處于較低層次。2015 年農(nóng)業(yè)能源碳減排相對發(fā)展度處于極高層次的省份增至9個，相比2010 年僅河北降至較高層次而其他省份維持不變，同時安徽、福建、廣東和重慶均由較低層次或者較高層次轉(zhuǎn)變而來；農(nóng)業(yè)能源碳減排相對發(fā)展度處于較高層次的省份仍為10 個，相比2010 年新增了河北、云南和甘肅，但原有的皖、閩、粵三地均實現(xiàn)了層次跨越；余下11 個省份均處于較低層次。2020年農(nóng)業(yè)能源碳減排相對發(fā)展度處于極高層次的省份進一步增至15 個，相比2015 年增加了北京、河北、吉林、海南、陜西、寧夏等6 地；農(nóng)業(yè)能源碳減排相對發(fā)展度處于較高層次的省份降至6 個，分別是遼寧、江蘇、湖北、云南、甘肅和青海；余下9 個省份均處于較低層次。總體而言，考察期內(nèi)有16 個省份農(nóng)業(yè)能源碳減排相對發(fā)展度實現(xiàn)了層次跨越，其中貴州由極低層次升至較低層次，遼寧、湖北等4地由較低層次升至較高層次，河南、廣東等5 地由較高層次升至極高層次；北京、吉林等6地則實現(xiàn)了兩級跨越，均由較低層次升至極高層次。余下14個省份均維持原有層次不變，其中僅廣西、四川一直處在極高層次。

表2 中國各省份農(nóng)業(yè)能源碳減排相對發(fā)展度變化情況

3.1.2 省際農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度分析

由表3 可知，2005 年僅廣西、海南農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度處于極高層次，且以廣西指數(shù)值最高；農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度處于較高層次的省份包括遼寧、吉林、黑龍江、江蘇等13 地；余下15 個省份均處于較低層次。2010 年廣西維持原有狀態(tài)，四川實現(xiàn)層次跨越并取代海南成為了另一農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度極高省份；農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度處于較高層次的省份增至16個，在基本維持原有地區(qū)（不含四川）的基礎上，新增了上海、山東、湖北和海南；余下12 個省份均處于較低層次。2015年農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度處于極高層次的省份增至4個，安徽、江西屬于新增省份，且后者的指數(shù)值居于30 省份之首；農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度處于較高層次的省份降至14個，其中絕大多數(shù)地區(qū)維持原有狀態(tài)不變，黑龍江、上海降至較低層次，河北、重慶實現(xiàn)跨越式提升均由較低層次演變而來，皖、贛二地則已升至極高層次；余下12 個省份均處于較低層次。2020 年農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度處于極高層次的省份增至8 個，相比2015年新增了福建、河南、海南、重慶等4 地，江西仍舊排在第一；農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度處于較高層次的省份進一步降至12 個，相比2015 年新增了天津、云南二地，但原有的閩、豫、瓊、渝等均實現(xiàn)了向上的層次跨越；余下10個省份均處于較低層次?？傮w而言，考察期內(nèi)有11 個省份農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度實現(xiàn)了層次跨越，其中天津、河北等5 地由較低層次提升至較高層次；安徽、福建等5地由較高層次提升至極高層次；而重慶則實現(xiàn)了兩級跨越，由較低層次提升至極高層次。有18 個省份維持原有狀態(tài)不變，其中僅廣西一直處在極高層次。相比而言，黑龍江成為了唯一層次下行的省份，由較高層次降至較低層次。

表3 中國各省份農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度變化情況

3.1.3 省際農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度分析

由表4可知，2005年安徽、廣西、四川等3省份農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度處于極高層次，且以廣西指數(shù)值最高；農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度處于較高層次的省份包含河北、遼寧、江蘇等9 地；余下18 個省份均處于較低層次，且以貴州居于最末。2010 年僅廣西、四川2省農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度處于極高層次，且廣西依舊代表省際最高水平；農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度居于較高層次的省份增至13 個省份，除了層次下行的安徽外，還新增了吉林、山東和福建，三地均由較低層次轉(zhuǎn)變而來；余下15 個省份均處于較低層次。2015 年農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度處于極高層次的省份增至5 個，安徽重回此列，同時新增福建、江西二地，且福建取代廣西成為碳減排相對協(xié)調(diào)發(fā)展度最高省份；農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度居于較高省份減至12 個，相比2010 年新增了重慶、寧夏二地，但原有的皖、閩、贛3 地均實現(xiàn)了向上的層次跨越；余下13個省份均處于較低層次，且內(nèi)蒙古取代山西居于全國最末。2020年農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度極高省份進一步增至11 個，相比2015年新增河北、吉林、山東、河南、海南、重慶等6 地，廣西重回第一；農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度處于較高層次的省份降至10 個，相比2015 年新增了北京、湖北、云南、甘肅4 地，但原有的冀、吉、魯?shù)? 地均實現(xiàn)了向上的層次跨越；余下9 個省份均處于較低層次?？傮w而言，考察期內(nèi)有13個省份農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度實現(xiàn)了層次跨越，其中北京、湖北等5 地由較低層次提升至較高層次；河北、江西等4 地由較高層次提升為極高層次；吉林、福建等4地則實現(xiàn)了兩級跨越，均由較低層次提升為極高層次。余下17個省份均維持原有層次不變，其中僅廣西、四川一直處在極高層次。

表4 中國各省份農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度變化情況

3.2 中國農(nóng)業(yè)能源碳減排整體成熟度分析

表5 呈現(xiàn)了2005—2020 年中國農(nóng)業(yè)能源碳減排整體成熟度指數(shù)的變化情況。從中可以發(fā)現(xiàn)，2005 年以來中國農(nóng)業(yè)能源碳減排整體成熟度雖表現(xiàn)出了一定年際波動但總體上升態(tài)勢較為明顯。其中，發(fā)展度指數(shù)由2005 年的65.90 增至2020 年的80.74，累計增加了22.52%；從其演變趨勢來看，總體呈現(xiàn)“上升-相對平穩(wěn)”的循環(huán)演變特征，2005—2007 年、2012—2014 年、2016—2018 年均表現(xiàn)出了持續(xù)上升趨勢，指數(shù)值分別由65.90、69.64 和73.92增至69.35、74.38 和80.16，累計增幅依次為5.24%、6.81%和8.44%。自2013年開始中國農(nóng)業(yè)能源碳減排整體發(fā)展度步入到較高水平層次，并于2020年達到最高點。協(xié)調(diào)度指數(shù)雖然初始值極低但最終上升幅度較大，由2005 年的10.65 增至2020 年的54.78，累計增加了4.14倍，不過整個考察期仍始終處于極低或者較低水平階段。從其演變軌跡來看，總體表現(xiàn)出了“波動上升-持續(xù)下降-持續(xù)上升”的三階段變化特征。具體而言，2005—2014年為第一階段，指數(shù)值雖在2008 年、2012 年出現(xiàn)過短暫回落，但整體上升趨勢較為明顯；2014—2016年為第二階段，指數(shù)值連續(xù)兩年下降；2016—2020年為第三階段，雖然最后三年增速較緩但總體仍呈持續(xù)上升態(tài)勢。協(xié)調(diào)發(fā)展度指數(shù)同樣初始值極低且最終上升幅度較大，由2005 年的26.49 增至2020 年的66.50，累計增加了1.51 倍，不過整個考察期也完全處于極低或者較低水平階段。其演變軌跡與協(xié)調(diào)度指數(shù)完全一致，僅2008 年、2012 年、2015—2016年表現(xiàn)出一定回落，其他年份均呈明顯上升態(tài)勢，并于2020年達到最高值。綜合來看，考察期內(nèi)中國農(nóng)業(yè)能源碳減排整體發(fā)展度、整體協(xié)調(diào)度以及整體協(xié)調(diào)發(fā)展度雖都存在一定年際波動但總體上升趨勢明顯，減排態(tài)勢良好。

表5 2005—2020年中國農(nóng)業(yè)能源碳減排整體成熟度指數(shù)變化情況

3.3 中國農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的動態(tài)演進

功能定位的不同通常會導致農(nóng)業(yè)發(fā)展模式存在區(qū)別，因而會影響到其能源碳排放現(xiàn)狀及減排戰(zhàn)略。有鑒于此，該研究除了對全國總體情況進行考察外，還將對糧食主產(chǎn)區(qū)、主銷區(qū)、產(chǎn)銷平衡區(qū)的農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的動態(tài)演進情況分別展開探討，具體參照馬林靜等［28］的做法，按照國家統(tǒng)一劃分標準對30 個省份進行劃分。相關(guān)核密度分析結(jié)果如圖1所示。

圖1 全國及糧食主產(chǎn)區(qū)、主銷區(qū)、產(chǎn)銷平衡區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的核密度分析結(jié)果

3.3.1 全國農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的動態(tài)演進

圖1 （a）描繪了中國農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度在考察周期內(nèi)的總體演進情況。綜合來看，核函數(shù)密度中心不斷向右偏移，峰值持續(xù)提升，雖一直呈現(xiàn)單峰狀態(tài)但雙峰趨勢已然顯現(xiàn)。首先，2010 年相比2005 年密度函數(shù)中心大幅右移，峰值略有提升，變化區(qū)間無太過明顯變化。由此揭示，該階段中國農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平提升明顯且省際差距基本維持原樣。其次，2015 年相比2010年密度函數(shù)中心繼續(xù)右移，峰值略有提升，雖依舊保持單峰格局但已顯現(xiàn)出雙峰趨勢，變化區(qū)間有所縮小。由此表明，該階段中國農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平繼續(xù)提升且省際差距略有縮小。再次，2020 年相比2015年密度函數(shù)中心持續(xù)右移，峰值大幅提升，曲線形態(tài)基本維持原樣，變化區(qū)間略有縮小。由此表明，該階段中國農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平繼續(xù)提升且省際差距有所減小。最后，與基期2005 年相比，2020 年的密度函數(shù)中心大幅右移，峰值明顯提升，雖一直維持單峰格局但已顯現(xiàn)出雙峰趨勢，變化區(qū)間縮小。由此揭示，考察期內(nèi)中國農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平顯著提升且省際差距處于縮小狀態(tài)。究其原因，伴隨著中國整體農(nóng)業(yè)現(xiàn)代化進程的不斷加快，各省份農(nóng)業(yè)生產(chǎn)方式以及農(nóng)機投入力度等越發(fā)趨于接近，從而客觀上縮小了能源碳減排協(xié)調(diào)發(fā)展度的省際差距。

3.3.2 糧食主產(chǎn)區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的動態(tài)演進

圖1（b）呈現(xiàn)了糧食主產(chǎn)區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的動態(tài)演進趨勢。綜合來看，密度函數(shù)中心整體向右偏移，峰值經(jīng)歷了增減起伏且最終相比基期略有提升，變化區(qū)間同樣經(jīng)歷了擴縮起伏且最終有所擴大。首先，2010 年相比2005 年密度函數(shù)中心大幅右移，峰值明顯提升，且由潛在雙峰完全過渡到單峰狀態(tài)，變化區(qū)間略有擴大。由此表明，該階段糧食主產(chǎn)區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平提升明顯但省際差距有所擴大，同時格局分化趨勢消失。其次，2015 年相比2010 年密度函數(shù)中心略微右移，峰值大幅下降，變化區(qū)間繼續(xù)擴大。由此揭示，該階段糧食主產(chǎn)區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平略有提升但省際差距進一步擴大。再次，2020 年相比2015年密度函數(shù)中心大幅右移，峰值明顯提升，變化區(qū)間有所縮小。由此表明，該階段糧食主產(chǎn)區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平顯著提升且省際差距略有縮小。最后，與基期2005 年相比，2020 年的密度函數(shù)中心大幅右移，峰值小幅提升，變化區(qū)間有所擴大。這表明，考察期內(nèi)糧食主產(chǎn)區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平大幅提升但省際差距略有擴大。可能的解釋是，雖然同為糧食主產(chǎn)省份，但所種植的主導作物品種（小麥、水稻或者玉米）不同使得各自對農(nóng)業(yè)能源的依賴度存在差異，進而影響到其碳減排成熟度，并導致省際差距的擴大。

3.3.3 糧食主銷區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的動態(tài)演進

圖1（c）呈現(xiàn)了糧食主銷區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的動態(tài)演進趨勢。綜合來看，密度函數(shù)中心經(jīng)歷了左右搖擺且最終右移，峰值經(jīng)歷了增減起伏且最終低于基期，逐步由單峰狀態(tài)演變?yōu)椤耙恢饕淮巍钡碾p峰格局，變化區(qū)間明顯擴大。首先，2010 年相比2005 年密度函數(shù)中心小幅右移，峰值有所提升，且由單峰向潛在雙峰格局轉(zhuǎn)變，變化區(qū)間明顯縮小。由此表明，該階段糧食主銷區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平略有提升且省際差距呈現(xiàn)縮小態(tài)勢，同時表現(xiàn)出了兩極分化的趨勢。其次，2015 年相比2010 年密度函數(shù)中心略微左移，峰值大幅下降并顯現(xiàn)出較為明顯的“一主一次”雙峰格局，變化區(qū)間顯著擴大。由此揭示，該階段糧食主銷區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平略有下降且省際差距明顯擴大，同時兩極分化現(xiàn)象開始真正顯現(xiàn)。再次，2020 年相比2015 年密度函數(shù)中心明顯向右移動，主峰峰值小幅下降且雙峰格局趨勢減弱，變化區(qū)間基本維持不變。由此可見，該階段糧食主銷區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平明顯提升，省際差距幾無變化，兩極分化程度有所減弱。最后，與基期2005 年相比，2020 年密度函數(shù)中心明顯右移，峰值大幅下降，且由單峰演變?yōu)椴簧趺黠@的“一主一次”雙峰格局，變化區(qū)間明顯擴大。這說明，考察期內(nèi)糧食主銷區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平處于提升態(tài)勢但省際差距逐漸擴大且呈現(xiàn)出兩極分化趨勢。究其原因，糧食主銷區(qū)所含省份雖不以糧食生產(chǎn)見長，但由于緯度差異較大致使各自農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)也表現(xiàn)出了極大不同，進而會影響到對農(nóng)業(yè)能源的需求，致使其碳減排協(xié)調(diào)發(fā)展度的省際差距拉大并表現(xiàn)出分化趨勢。

3.3.4 糧食產(chǎn)銷平衡區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的動態(tài)演進

圖1（d）呈現(xiàn)了產(chǎn)銷平衡區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的動態(tài)演進趨勢。綜合來看，密度函數(shù)中心持續(xù)右移，峰值經(jīng)持續(xù)提升且最終明顯高于基期，變化區(qū)間大幅縮小。首先，2010 年相比2005 年密度函數(shù)中心明顯右移，峰值大幅提升，變化區(qū)間略微縮小。由此揭示，該階段產(chǎn)銷平衡區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平顯著提升且省際差距略有縮小。其次，2015 年相比2010 年密度函數(shù)中心持續(xù)大幅右移，峰值小幅提升，變化區(qū)間繼續(xù)縮小。由此表明，該階段產(chǎn)銷平衡區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平略有提升且省際差距持續(xù)縮小。再次，2020 年相比2015 年密度函數(shù)中心略微右移，峰值小幅增加，變化區(qū)間基本維持在原有范圍。由此可見，該階段產(chǎn)銷平衡區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平小幅提升同時省際差距并無太大變化。最后，與基期2005年相比，2020年密度函數(shù)中心顯著右移，峰值大幅提升，波峰越發(fā)陡峭且變化區(qū)間大幅縮小。這說明，考察期內(nèi)產(chǎn)銷平衡區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平明顯提升，省際差距大幅縮小?？赡艿慕忉屖?，從地域分布來看，絕大多數(shù)產(chǎn)銷平衡區(qū)省份位于中國中西部地區(qū)，各地無論經(jīng)濟發(fā)展水平還是農(nóng)業(yè)資源稟賦都較為接近，使得農(nóng)業(yè)生產(chǎn)方式及其對能源的依賴程度也逐步趨于一致，從而客觀上縮小了農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的省際差距。

4 結(jié)論與啟示

該研究基于碳減排成熟度指數(shù)模型，利用鄧氏灰色關(guān)聯(lián)分析、距離協(xié)調(diào)度模型等方法對省際及全國農(nóng)業(yè)能源碳減排情況進行了客觀評價，在此基礎上以協(xié)調(diào)發(fā)展度為指標探討了其動態(tài)演進趨勢，得出結(jié)論如下。

（1）絕大多數(shù)省份農(nóng)業(yè)能源碳減排相對成熟度呈現(xiàn)上升趨勢。具體而言，考察期內(nèi)無論農(nóng)業(yè)能源碳減排相對發(fā)展度、相對協(xié)調(diào)度還是相對協(xié)調(diào)發(fā)展度的實際指數(shù)，均僅有個別省份略有下降，而絕大多數(shù)省份都表現(xiàn)出了明顯上升趨勢，且相當數(shù)量的省份實現(xiàn)了層次跨越。其中，有16 個省份農(nóng)業(yè)能源碳減排相對發(fā)展度、11 個省份農(nóng)業(yè)能源碳減排相對協(xié)調(diào)度以及13個省份農(nóng)業(yè)能源碳減排相對協(xié)調(diào)發(fā)展度實現(xiàn)了一級甚至兩級的層次跨越；余下各地除黑龍江出現(xiàn)過一次層次下降外，其他省份均維持原有層次不變。

（2）中國農(nóng)業(yè)能源碳減排整體成熟度雖存在一定年際波動但總體上升趨勢明顯。具體而言，考察期內(nèi)農(nóng)業(yè)能源碳減排整體發(fā)展度指數(shù)由65.90 增至80.74，累計增加了22.52%，總體呈現(xiàn)“上升-相對平穩(wěn)”的循環(huán)演變特征；農(nóng)業(yè)能源碳減排整體協(xié)調(diào)度指數(shù)由10.65 增至54.78，累計增加了4.14 倍，總體表現(xiàn)出了“波動上升-持續(xù)下降-持續(xù)上升”的三階段變化特征；農(nóng)業(yè)能源碳減排整體協(xié)調(diào)發(fā)展度指數(shù)由26.49 增至66.50，累計增加了1.51倍，其演變軌跡與協(xié)調(diào)度指數(shù)完全一致。

（3）全國以及糧食主產(chǎn)區(qū)、主銷區(qū)、產(chǎn)銷平衡區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度的動態(tài)演進趨勢表現(xiàn)出了一定差異。具體而言，考察期內(nèi)中國農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平顯著提升且省際差距處于縮小狀態(tài)。從三類地區(qū)來看，糧食主產(chǎn)區(qū)和主銷區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度整體水平均處于提升態(tài)勢但省際差距有所擴大，且后者還呈現(xiàn)出了兩極分化趨勢；糧食產(chǎn)銷平衡區(qū)農(nóng)業(yè)能源碳減排協(xié)調(diào)發(fā)展度同樣提升明顯但省際差距大幅縮小。

基于上述研究，得到以下政策啟示：①多措并舉推進省際農(nóng)業(yè)能源碳減排相對發(fā)展度與相對協(xié)調(diào)度的同步提升。一方面，政府部門加強指導與宣傳，不斷強化新型能源開發(fā)與利用，并鼓勵能源消費逐步向清潔能源傾斜，切實降低農(nóng)業(yè)能源碳排放強度；另一方面，建立健全相關(guān)制度保障，以此帶動農(nóng)業(yè)低碳生產(chǎn)技術(shù)的研發(fā)與推廣，切實促進農(nóng)業(yè)生產(chǎn)低碳轉(zhuǎn)型。②注重各地經(jīng)驗總結(jié)，強化省際交流和合作。鑒于農(nóng)業(yè)能源碳減排省際差距較大，各省份應在學習和吸收先進地區(qū)農(nóng)業(yè)能源碳減排經(jīng)驗的基礎上，結(jié)合自身資源稟賦特征，因地制宜探索新型減排路徑，以此提升農(nóng)業(yè)能源碳減排成熟度水平。③完善農(nóng)村基礎設施建設，提高農(nóng)業(yè)社會化服務水平［29］。打造設備齊全、功能完備的農(nóng)村基礎設施體系，提高農(nóng)業(yè)綜合生產(chǎn)能力并降低農(nóng)業(yè)生產(chǎn)能源消耗強度；農(nóng)業(yè)社會化服務水平的提升有助于農(nóng)用機械投入的資源整合，進而實現(xiàn)能源利用效率的提升；二者共同作用，將有力推進農(nóng)業(yè)能源碳減排。