“雙碳”目標(biāo)下我國農(nóng)林業(yè)碳排放效率的時空演變及影響因素分析

摘要：為實(shí)現(xiàn)農(nóng)林業(yè)的碳減排目標(biāo)，需要減少傳統(tǒng)農(nóng)業(yè)和林業(yè)的資源投入，提高生產(chǎn)效率和碳匯能力。計算農(nóng)林業(yè)碳排放效率并分析其關(guān)鍵影響因素，是實(shí)現(xiàn)“雙碳”目標(biāo)的關(guān)鍵步驟。文章基于低碳經(jīng)濟(jì)理論，運(yùn)用超效率模型和空間杜賓模型，測算了2000—2021年中國31個省份的農(nóng)林業(yè)碳排放效率，并研究了其時空變化及影響因素。研究發(fā)現(xiàn)：（1）2000—2021年間我國31個省份的農(nóng)林業(yè)碳排放效率平均值為0.70，農(nóng)林業(yè)碳排放效率年均增長率為9.80%。（2）農(nóng)林業(yè)研發(fā)創(chuàng)新對本地農(nóng)林業(yè)碳排放效率具有顯著的抑制作用，并對周邊地區(qū)產(chǎn)生顯著的溢出效應(yīng)。（3）提升農(nóng)林業(yè)碳匯能力對提高農(nóng)林業(yè)的碳排放效率具有顯著正向影響。此外，林業(yè)總產(chǎn)值和城鎮(zhèn)化率的增加均對本地農(nóng)林業(yè)碳排放效率產(chǎn)生顯著正向影響。增加林業(yè)用地面積和農(nóng)村勞動力對周邊地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著虹吸效應(yīng)，城鎮(zhèn)化率對周邊地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著溢出效應(yīng)。本文的學(xué)術(shù)創(chuàng)新主要體現(xiàn)在2個方面：（1）引入農(nóng)林業(yè)研發(fā)創(chuàng)新這一重要投入要素，探討其對農(nóng)林業(yè)碳排放效率的影響。（2）創(chuàng)新性地使用植物新品種權(quán)申請量來衡量農(nóng)林業(yè)研發(fā)創(chuàng)新。政策啟示：建立有效的農(nóng)林業(yè)碳排放與碳匯監(jiān)測報告體系并鼓勵農(nóng)林業(yè)創(chuàng)新研發(fā)；增強(qiáng)農(nóng)業(yè)和林業(yè)的碳匯能力；將農(nóng)業(yè)碳匯和林業(yè)碳匯全面納入中國碳排放權(quán)交易市場。

關(guān)鍵詞：“雙碳”目標(biāo)；農(nóng)林業(yè)碳排放效率；農(nóng)林業(yè)研發(fā)創(chuàng)新；農(nóng)林業(yè)碳匯；空間杜賓模型

中圖分類號：X322； F323文獻(xiàn)標(biāo)識碼：A文章編號：1673-338X（2024）8-059-25

基金項(xiàng)目：國家社會科學(xué)基金重大項(xiàng)目“十四五時期中國有效防范滯脹路徑研究”（21ZD081），國家社會科學(xué)基金重大項(xiàng)目“建設(shè)人才強(qiáng)國背景下激發(fā)科技人才創(chuàng)新活力研究”（21ZDA014），江蘇省科研創(chuàng)新計劃項(xiàng)目“我國農(nóng)業(yè)碳排放效率測算與時空分異特征研究”（163060345）。

Analysis of spatiotemporal evolution and influencing factors of the carbon emission efficiency of China’s agroforestry industry under dual carbon target

ZHANG Lingrui1， LIU Hui2， DENG Lan3， LI Qun4

（1. Faculty of Arts， University of Waterloo， Canada， Waterloo N2L 3G1； 2. School of Economics and Management， Nanjing Forestry University， Nanjing 210037； 3. Business School， University of Chinese Academy of Social Sciences， Beijing 100102； 4. Xi Jinping Economic Thought Research Center， University of Chinese Academy of Social Sciences， Beijing 102445）

Abstract：In order to achieve the carbon emission reduction objectives in agroforestry industry， it is imperative to decrease conventional resource inputs within these sectors， enhance production efficiency， and bolster carbon sequestration capabilities. The computation of carbon emission efficiency of agroforestry industry， along with the analysis of its crucial influencing factors， represent essential strides toward fulfilling dual carbon target. Grounded in the low-carbon economy theory， this paper employed the super-efficiency model and spatial Durbin model to evaluate the carbon emission efficiency of agroforestry industry across 31 provinces in China from 2000 to 2021. The research delved into the spatiotemporal fluctuations and influential elements within this realm. The research revealed that：（1）The mean carbon emission efficiency of agroforestry industry in the 31 provinces in China from 2000 to 2021 stood at 0.70， with an average yearly growth rate of 9.80%.（2）Innovations within agroforestry industry significantly restrained local carbon emission efficiency and prompted noteworthy cascading impacts on neighboring regions.（3）Augmenting the carbon sequestration capacity of agroforestry industry distinctly propelled the enhancement of their carbon emission efficiency. Furthermore， amplifications in the total value of forestry output and urbanization rates markedly bolstered the local carbon emission efficiency of agroforestry industry. The expansion of forestry land area and rural labor exerted substantial vacuum effects on the carbon emission efficiency of the agroforestry industry within surrounding areas， while urbanization rates yielded notable spill-over effects on the carbon emission efficiency of these sectors in neighboring regions. The scholarly contribution of this study lay in the introduction of innovation in agroforestry industry as a pivotal input factor and the examination of its impact on the carbon emission efficiency in these sectors， as well as the innovative use of the quantity of new plant variety patents applications as a metric to gauge the level of innovation in agroforestry industry. The policy implications encompassed establishing a robust monitoring and reporting framework for carbon emissions and sequestration in agroforestry industry， promoting innovation and RD endeavors within these sectors， fortifying their carbon sequestration capabilities， and comprehensively integrating agricultural and forestry carbon sequestration into China’s carbon emissions trading marketplace.

Keywords：dual carbon target；carbon emission efficiency of agroforestry；RD innovation in agroforestry；carbon sequestration in agroforestry；spatial Durbin model

1引言

2020年9月22日，中國國家主席習(xí)近平在第七十五屆聯(lián)合國大會一般性辯論上發(fā)表重要講話，向全世界莊嚴(yán)承諾：“中國將提高國家自主貢獻(xiàn)力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030年前達(dá)到峰值，努力爭取2060年前實(shí)現(xiàn)碳中和”。中國的“雙碳”目標(biāo)對于引領(lǐng)全球氣候治理，促進(jìn)中國高質(zhì)量、綠色經(jīng)濟(jì)發(fā)展具有重要戰(zhàn)略意義（Liu et al.， 2024）。根據(jù)聯(lián)合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change， IPCC）的評估報告，全球農(nóng)林業(yè)部門的碳排放量占據(jù)了全球總碳排放量的大約三分之一（Jhariya et al.， 2024；Raj et al.， 2024）。其中，畜牧業(yè)所貢獻(xiàn)的碳排放量大約占了全球總排放量的15%（Pardo et al.， 2023；薛佳敏等，2024）。這些排放主要來自農(nóng)林業(yè)生產(chǎn)、加工、流通等環(huán)節(jié)，以及農(nóng)作物種植和畜牧飼養(yǎng)等生產(chǎn)經(jīng)營活動。但是，農(nóng)作物、森林草原又可以通過光合作用吸收和儲存大氣中二氧化碳（CO2），農(nóng)業(yè)碳匯、林業(yè)碳匯是農(nóng)業(yè)、林業(yè)生態(tài)功能的再挖掘、再利用、再發(fā)揮。建立健全農(nóng)業(yè)農(nóng)村綠色發(fā)展政策體系，是實(shí)現(xiàn)“雙碳”目標(biāo)的重要保證。

現(xiàn)有林業(yè)碳匯相關(guān)研究大多只關(guān)注林業(yè)部門內(nèi)部，忽視了農(nóng)林生態(tài)系統(tǒng)內(nèi)各個部門之間的相互作用（沈月琴等，2015）。對于農(nóng)林業(yè)碳匯提高碳排放效率的研究尚顯不足。林業(yè)碳匯作為減排的有效手段之一，對如期實(shí)現(xiàn)“雙碳”目標(biāo)具有重大意義（全陽等，2023）。截至2022年，我國森林面積增加至2.31億hm2，森林蓄積量增加至194.93億m3（顧仲陽等，2022）。森林覆蓋率雖然已提高至24.02%，但是與世界平均水平的30%尚有差距，表明我國林業(yè)增匯仍有巨大的潛力。森林是陸地生態(tài)系統(tǒng)中最大的碳庫，在“雙碳”目標(biāo)的實(shí)現(xiàn)過程中存在著巨大的生態(tài)效益，森林的碳匯功能也對全球的碳循環(huán)有著深刻的影響（孔蕊等，2020；趙寧等，2021）。

農(nóng)林業(yè)碳排放效率涉及有效的資源管理，涵蓋土地、水和能源的高效利用，以實(shí)現(xiàn)農(nóng)產(chǎn)品和林產(chǎn)品的生產(chǎn)。提升資源利用效率對于減少溫室氣體排放至關(guān)重要，其中包括通過農(nóng)林業(yè)研發(fā)創(chuàng)新改進(jìn)灌溉系統(tǒng)、優(yōu)化肥料使用以及減少農(nóng)用機(jī)械的能源消耗等方法。這些措施的目標(biāo)是提高農(nóng)林業(yè)碳排放效率，從而減少主要溫室氣體（二氧化碳、甲烷和氧化亞氮）的排放。改良農(nóng)林業(yè)實(shí)踐可以增加土壤的碳儲存能力，進(jìn)而有助于減少碳排放量。通過采用覆蓋作物、減少耕作、增加有機(jī)質(zhì)輸入等方法，可以提升土壤健康狀況，促進(jìn)碳的長期儲存，同時降低氮?dú)夂图淄榈呐欧?。此外，提高農(nóng)林業(yè)碳排放效率也有助于確保農(nóng)林業(yè)的可持續(xù)性。這不僅有助于減少氣候變化的影響，還有助于維持農(nóng)林業(yè)系統(tǒng)的長期生產(chǎn)力，從而滿足全球人口不斷增長的食物需求。

本文以農(nóng)村資源流動為視角，以農(nóng)林業(yè)研發(fā)創(chuàng)新對農(nóng)林業(yè)碳排放效率的影響為切入點(diǎn)，將農(nóng)林業(yè)研發(fā)創(chuàng)新視為一項(xiàng)投入要素，探討其對農(nóng)林業(yè)碳排放效率的影響。然后，采用超效率模型和空間杜賓模型等研究方法，深入研究中國農(nóng)林業(yè)碳排放效率的時空演變特征，著重關(guān)注時空變化的核心特征，并探討影響這些變化的關(guān)鍵因素。通過引入空間計量經(jīng)濟(jì)模型，不僅可以考察農(nóng)林業(yè)研發(fā)創(chuàng)新在本地的直接效應(yīng)，還將揭示其對周邊地區(qū)碳排放效率的溢出效應(yīng)，豐富了農(nóng)林業(yè)碳排放效率的影響機(jī)制研究。

本文的邊際貢獻(xiàn)主要體現(xiàn)在四個方面。第一，在理論層面，以低碳經(jīng)濟(jì)理論為基礎(chǔ)，引入農(nóng)林業(yè)研發(fā)創(chuàng)新這個重要的投入要素，系統(tǒng)探討其對我國農(nóng)林業(yè)碳排放效率的影響，為低碳農(nóng)業(yè)和林業(yè)領(lǐng)域的理論研究提供了新的視角，揭示了技術(shù)創(chuàng)新在推動碳減排和提升效率方面的雙重作用。第二，在方法層面，區(qū)別于過去文獻(xiàn)對于農(nóng)業(yè)技術(shù)創(chuàng)新的間接估算，創(chuàng)新性地使用了植物新品種權(quán)申請量作為農(nóng)林業(yè)研發(fā)創(chuàng)新的代理變量，直接反映農(nóng)林業(yè)技術(shù)進(jìn)步的水平。同時，采用基于松弛的超效率模型對2000—2021年中國31個省份的農(nóng)林業(yè)碳排放效率進(jìn)行了全面測算。這種方法不僅考慮了各省份的效率差異，還能夠有效刻畫不同地區(qū)間的碳排放效率水平，并進(jìn)一步結(jié)合空間杜賓模型，從農(nóng)林業(yè)研發(fā)創(chuàng)新、林業(yè)總產(chǎn)值和城鎮(zhèn)化率等多個維度分析我國農(nóng)林業(yè)碳排放效率的時空演變及其影響因素。通過引入空間計量經(jīng)濟(jì)模型，不僅考察農(nóng)林業(yè)研發(fā)創(chuàng)新在本地的直接效應(yīng)，還揭示其對周邊地區(qū)碳排放效率的溢出效應(yīng)，進(jìn)一步豐富了農(nóng)林業(yè)碳排放效率的影響機(jī)制研究。第三，在研究結(jié)論層面，系統(tǒng)估算2000—2021年全國31個省份的農(nóng)林業(yè)碳排放效率及其年均增長率，詳細(xì)分析農(nóng)林業(yè)研發(fā)創(chuàng)新對本地碳排放效率的抑制效應(yīng)和對周邊地區(qū)的正向溢出效應(yīng)。此外，還探討了農(nóng)林業(yè)碳匯、林業(yè)總產(chǎn)值和城鎮(zhèn)化率等其他因素對碳排放效率的影響，揭示不同變量在碳減排過程中的作用機(jī)制。第四，在視角層面，從農(nóng)村資源流動的機(jī)制出發(fā)，對中國農(nóng)林業(yè)系統(tǒng)碳排放效率的時空演變提供了經(jīng)濟(jì)學(xué)解釋，并提出相應(yīng)的政策優(yōu)化路徑。這一視角的應(yīng)用，不僅為理解農(nóng)林業(yè)碳排放效率提供了新的分析框架，還為推動可持續(xù)農(nóng)業(yè)發(fā)展和實(shí)現(xiàn)碳中和目標(biāo)提供了重要的政策建議和理論支持。通過上述多個層面的分析和探索，本文對現(xiàn)有研究的理論與實(shí)證方面均做出了重要貢獻(xiàn)，具有較強(qiáng)的學(xué)術(shù)價值和實(shí)踐意義。

2文獻(xiàn)回顧與述評

雖然學(xué)界對于農(nóng)林業(yè)碳排放效率影響因素的研究尚未形成明確的共識，但是學(xué)者們已經(jīng)對農(nóng)業(yè)碳排放效率的影響因素做了大量的研究。農(nóng)業(yè)碳排放效率被認(rèn)為是衡量農(nóng)業(yè)產(chǎn)出碳排放的有效指標(biāo)（He et al.， 2021）；譚濤等（2023）采用基于松弛測量的超效率模型的方法，測度海南省農(nóng)業(yè)碳排放效率，并通過耦合協(xié)調(diào)度和地理探測器研究其農(nóng)業(yè)領(lǐng)域的碳排放效率與經(jīng)濟(jì)增長耦合協(xié)調(diào)時空變化特征及驅(qū)動因素；趙爽等（2023）認(rèn)為科技創(chuàng)新效率通過農(nóng)業(yè)產(chǎn)業(yè)集聚和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級對農(nóng)業(yè)碳排放效率具有正向促進(jìn)作用；謝會強(qiáng)等（2023）認(rèn)為城鄉(xiāng)融合發(fā)展是影響農(nóng)業(yè)碳排放效率的關(guān)鍵因素；楊青林等（2023）提出提高農(nóng)業(yè)碳排放效率是確保糧食安全的主要動力。

有些學(xué)者則從經(jīng)濟(jì)發(fā)展的視角出發(fā)，探究農(nóng)林業(yè)碳排放效率與經(jīng)濟(jì)增長的關(guān)系。田云等（2022）強(qiáng)調(diào)農(nóng)業(yè)碳排放效率與經(jīng)濟(jì)增長之間的絕對協(xié)調(diào)；楊琳焱等（2023）發(fā)現(xiàn)，農(nóng)業(yè)產(chǎn)業(yè)集聚對農(nóng)業(yè)碳排放效率具有顯著的正向促進(jìn)作用，并呈現(xiàn)出明顯的空間溢出效應(yīng)；尚杰等（2022）認(rèn)為，交通運(yùn)輸水平、第一產(chǎn)業(yè)產(chǎn)值、居民人均收入以及信息化水平在中國農(nóng)業(yè)碳排放效率的空間關(guān)聯(lián)網(wǎng)絡(luò)特征中發(fā)揮促進(jìn)作用；吳昊玥等（2021）發(fā)現(xiàn)，城鎮(zhèn)化率對農(nóng)業(yè)碳排放效率有正向影響，而農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、投資強(qiáng)度、財政支農(nóng)力度以及受災(zāi)程度則產(chǎn)生負(fù)向影響；韓金雨等（2021）發(fā)現(xiàn)，財政支農(nóng)、經(jīng)濟(jì)結(jié)構(gòu)、城鎮(zhèn)化水平、城鄉(xiāng)差距、農(nóng)業(yè)發(fā)展水平、農(nóng)業(yè)機(jī)械化水平和耕地占用率等因素均不同程度地影響農(nóng)業(yè)排放強(qiáng)度。

此外，另一些學(xué)者從農(nóng)林業(yè)生產(chǎn)要素出發(fā)，探究農(nóng)林業(yè)碳排放效率的影響因素。劉華軍等（2020）發(fā)現(xiàn)，過多的農(nóng)機(jī)動力、播種面積投入以及過量的農(nóng)業(yè)碳排放是農(nóng)業(yè)生態(tài)低效率的重要原因；Wang等（2022）、Banerjee等（2023）認(rèn)為，農(nóng)村勞動力對農(nóng)林業(yè)技術(shù)水平的接受和應(yīng)用對碳排放效率至關(guān)重要?，F(xiàn)代農(nóng)林業(yè)技術(shù)的培訓(xùn)有助于提高農(nóng)林業(yè)生產(chǎn)效率、減少資源浪費(fèi)，并降低碳排放。提高農(nóng)林業(yè)碳排放效率并減輕農(nóng)林業(yè)投入對環(huán)境造成的破壞是提高生態(tài)效益的關(guān)鍵因素。因此，為了提高農(nóng)林業(yè)碳排放效率，許多國家已制定農(nóng)林業(yè)技術(shù)創(chuàng)新政策或支持計劃，旨在通過開發(fā)新品種促進(jìn)生產(chǎn)（Araya， 2020；Martey et al.， 2020）。雷振丹等（2020）發(fā)現(xiàn)，農(nóng)業(yè)技術(shù)進(jìn)步與農(nóng)業(yè)碳排放效率之間存在非線性關(guān)系；鄭陽陽等（2021）發(fā)現(xiàn)，農(nóng)業(yè)生產(chǎn)效應(yīng)對農(nóng)業(yè)碳排放呈倒“U”型特征。

林業(yè)用地面積是影響林業(yè)碳匯的主要因素，降低建設(shè)用地并增加林業(yè)用地面積可以有效調(diào)節(jié)該地區(qū)的碳排放效應(yīng)（李彥旻等，2022）。通過對研究區(qū)邊界范圍內(nèi)木材產(chǎn)量進(jìn)行調(diào)減控制，間接引起研究區(qū)邊界外用材林造林面積的增加，從而產(chǎn)生了額外的碳排放（何韻等，2022；陳科屹等，2023）。2011—2020年我國肥料行業(yè)碳減排成效顯著，化肥產(chǎn)量和施用量呈先增后降態(tài)勢，化肥減量成為當(dāng)前農(nóng)業(yè)碳減排的最大貢獻(xiàn)者（李華等，2023）。農(nóng)村地區(qū)人口對種植業(yè)碳減排為正效應(yīng)（蔡景麗等，2023）。城鎮(zhèn)化推動了農(nóng)村勞動力向城市流動，促進(jìn)了農(nóng)業(yè)生產(chǎn)的集約化、規(guī)模化，規(guī)模化農(nóng)業(yè)意味著能源消耗的增加，間接帶來農(nóng)業(yè)碳排放增長（周一凡等，2022）。

綜上所述，盡管學(xué)者們分別從超效率的研究方法、經(jīng)濟(jì)增長的視角以及生產(chǎn)要素等方面對農(nóng)林業(yè)碳排放效率進(jìn)行了深入的研究，然而以往學(xué)者傾向于將農(nóng)業(yè)和林業(yè)的碳排放或碳匯范疇分開考慮，在研究中人為地將它們割裂開來，并未充分展現(xiàn)農(nóng)林業(yè)作為一個整體生態(tài)系統(tǒng)的真實(shí)情況。同時，以往學(xué)者的研究在考慮農(nóng)林業(yè)生產(chǎn)資源流動的視角對農(nóng)林業(yè)碳排放效率的時空演變方面存在疏漏，比如如何提升農(nóng)林業(yè)碳排放效率的方法和途徑，如何將科技創(chuàng)新和農(nóng)林業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級與農(nóng)林業(yè)碳排放效率的提高相融合等，這些都是亟待解決的關(guān)鍵問題。

本文以農(nóng)村資源流動為視角，以農(nóng)林業(yè)研發(fā)創(chuàng)新對農(nóng)林業(yè)碳排放效率的影響為切入點(diǎn)，將農(nóng)林業(yè)研發(fā)創(chuàng)新視為一項(xiàng)投入要素，探討其對農(nóng)林業(yè)碳排放效率的影響。本文研究目標(biāo)在于進(jìn)一步提高農(nóng)村資源流動和環(huán)境容忍度，同時提高農(nóng)民的生態(tài)福祉水平，這有助于將“綠水青山就是金山銀山”理念轉(zhuǎn)化為實(shí)際行動，推動我國農(nóng)林業(yè)的整體碳排放效率水平提升，促進(jìn)我國生態(tài)文明建設(shè)和“雙碳”目標(biāo)的實(shí)現(xiàn)。

3理論分析框架與研究方法

為系統(tǒng)分析并計算農(nóng)林業(yè)碳排放效率及關(guān)鍵影響因素，本文基于低碳經(jīng)濟(jì)理論，使用非期望產(chǎn)出的超效率模型和空間杜賓模型測算并分析2000—2021年中國31個省份的農(nóng)林業(yè)碳排放效率及關(guān)鍵影響因素。從農(nóng)林業(yè)生產(chǎn)要素、農(nóng)林業(yè)研發(fā)創(chuàng)新、城鎮(zhèn)化和農(nóng)村經(jīng)濟(jì)環(huán)境等多個方面進(jìn)行定性分析與探討。

3.1理論分析框架

金茨格（Kinzig）和卡門（Kammen）于1998年首次提出“低碳經(jīng)濟(jì)”的概念，自此“低碳經(jīng)濟(jì)學(xué)”成為世界經(jīng)濟(jì)學(xué)領(lǐng)域備受關(guān)注的新生概念。英國《能源問題白皮書》對“低碳經(jīng)濟(jì)”的解讀是：在減少環(huán)境污染和資源消耗的基礎(chǔ)上創(chuàng)造更多物質(zhì)產(chǎn)品和持續(xù)發(fā)展的機(jī)會。它是以低碳技術(shù)應(yīng)用和新能源開發(fā)為標(biāo)志的一種新型經(jīng)濟(jì)發(fā)展模式。Rubens（2016）進(jìn)一步闡述，低碳經(jīng)濟(jì)指通過有效的政策設(shè)計和制度創(chuàng)新，在市場機(jī)制框架內(nèi)促進(jìn)低碳技術(shù)、清潔能源和可再生能源技術(shù)的研發(fā)和應(yīng)用，以實(shí)現(xiàn)“低污染、低消耗、低排放”的生產(chǎn)和消費(fèi)方式，進(jìn)而實(shí)現(xiàn)人類社會“高效能、高效率、高效益”的經(jīng)濟(jì)發(fā)展新模式。由于環(huán)境資源的特殊性和整體性，一般調(diào)整市場失靈的經(jīng)濟(jì)政策和措施難以發(fā)揮作用。Rubens認(rèn)為，“低碳經(jīng)濟(jì)”的基礎(chǔ)是市場機(jī)制，而制度創(chuàng)新和政策推動是有效促進(jìn)溫室氣體減排和再生能源發(fā)展的途徑。低碳經(jīng)濟(jì)理論從分析經(jīng)濟(jì)增長與環(huán)境污染的關(guān)系入手，將市場機(jī)制引入環(huán)境治理領(lǐng)域，通過環(huán)境資源資本化、外部成本內(nèi)部化、貿(mào)易經(jīng)濟(jì)全球化等市場手段，促進(jìn)低碳技術(shù)和新能源的研發(fā)應(yīng)用、推動全球范圍內(nèi)減排機(jī)制的形成，對發(fā)達(dá)國家低碳經(jīng)濟(jì)實(shí)踐起到了積極作用（董靜等，2018）。

將低碳經(jīng)濟(jì)理論應(yīng)用于農(nóng)林業(yè)碳排放效率的分析中可以發(fā)現(xiàn)，農(nóng)林業(yè)研發(fā)創(chuàng)新、經(jīng)濟(jì)發(fā)展與碳排放效率之間存在密切的關(guān)系。首先，農(nóng)林業(yè)研發(fā)創(chuàng)新能夠推動技術(shù)進(jìn)步，引入更加環(huán)保、高效的生產(chǎn)方法，可以減少碳排放。例如，通過應(yīng)用精確農(nóng)業(yè)技術(shù)、精細(xì)管理森林資源、推廣可再生能源等，農(nóng)林業(yè)可以提高生產(chǎn)效率，并降低對碳排放的依賴。其次，農(nóng)林業(yè)的經(jīng)濟(jì)發(fā)展水平也對碳排放效率產(chǎn)生影響。隨著經(jīng)濟(jì)的發(fā)展，農(nóng)林業(yè)部門有能力投入更多資源和資金來改善生產(chǎn)過程中的碳排放效率。例如，在現(xiàn)代化的設(shè)施和技術(shù)支持下，農(nóng)林業(yè)能夠?qū)嵤└行У霓r(nóng)田排水系統(tǒng)、旋耕耕作和農(nóng)業(yè)廢棄物處理等措施，從而減少碳排放。農(nóng)林業(yè)的研發(fā)創(chuàng)新能夠提供更環(huán)保和更高效的技術(shù)，促進(jìn)碳排放的減少。

從農(nóng)村資源流動的視角看，農(nóng)林業(yè)研發(fā)創(chuàng)新對農(nóng)林業(yè)的基本要素（勞動生產(chǎn)方式和勞動者）產(chǎn)生影響，從而促進(jìn)農(nóng)林業(yè)的碳排放效率（Cheng et al.， 2022；Li et al.， 2022）。本省的農(nóng)林業(yè)研發(fā)創(chuàng)新具有更大潛力，能夠帶來更高效的生產(chǎn)方式，以減少資源浪費(fèi)并提高農(nóng)林業(yè)的碳排放效率，同時會促進(jìn)本省農(nóng)林業(yè)市場的發(fā)展。當(dāng)然，由于研發(fā)創(chuàng)新溢出效應(yīng)的影響，本省的農(nóng)林業(yè)研發(fā)創(chuàng)新也會促進(jìn)相鄰省份的農(nóng)林業(yè)研發(fā)創(chuàng)新水平。但是，由于虹吸效應(yīng)的存在，本省農(nóng)林業(yè)市場的快速發(fā)展必然會加快鄰省的勞動力、技術(shù)等生產(chǎn)要素的流轉(zhuǎn)。

農(nóng)業(yè)科技創(chuàng)新通常被視為促進(jìn)農(nóng)業(yè)轉(zhuǎn)型和提高生態(tài)效率的重要方式（吳磊等，2022）。然而，有研究顯示，農(nóng)業(yè)科技創(chuàng)新對生態(tài)效率的影響在不同地區(qū)之間存在明顯差異（王辰璇等，2021）。具體來看，顏光耀等（2023）發(fā)現(xiàn)，農(nóng)業(yè)碳排放強(qiáng)度存在正向空間溢出效應(yīng)，表明一個地區(qū)的碳排放增加可能會影響到相鄰地區(qū)的碳排放狀況。此外，農(nóng)業(yè)技術(shù)效率與碳排放強(qiáng)度之間存在的負(fù)向空間溢出效應(yīng)表明，提高技術(shù)效率能夠有效減少碳排放強(qiáng)度。劉云強(qiáng)等（2022）提到，綠色技術(shù)創(chuàng)新具有一定的擴(kuò)散效應(yīng)，意味著這種新技術(shù)不僅能夠在原區(qū)域內(nèi)發(fā)揮作用，還能通過合作和共享影響周圍地區(qū)。在農(nóng)林業(yè)研發(fā)創(chuàng)新的背景下，諸如新植物專利的開發(fā)等實(shí)踐通常會有效降低單位面積產(chǎn)出的碳排放。然而，研發(fā)創(chuàng)新的實(shí)施往往涉及資源的高度集中與技術(shù)的大量投入，可能在短期內(nèi)會導(dǎo)致碳排放的增加。因此，可以推測，在同一地理區(qū)域內(nèi)，碳排放效率與農(nóng)林業(yè)研發(fā)創(chuàng)新之間可能存在負(fù)相關(guān)關(guān)系。另外，研發(fā)創(chuàng)新帶來的新技術(shù)和專利往往具有顯著的空間溢出效應(yīng)，從而使這些創(chuàng)新的積極影響可向周邊地區(qū)延伸。在這種情況下，周邊地區(qū)吸收新技術(shù)帶來的經(jīng)濟(jì)效益和環(huán)境效益，可能會顯著提高其碳排放效率，從而規(guī)避研發(fā)創(chuàng)新過程中可能產(chǎn)生的沉沒成本。因此，周邊地區(qū)的碳排放效率可能與農(nóng)林業(yè)研發(fā)創(chuàng)新呈現(xiàn)正相關(guān)關(guān)系。

綜上所述，農(nóng)林業(yè)研發(fā)創(chuàng)新的影響機(jī)制體現(xiàn)出復(fù)雜的雙向互動特征。雖然局部區(qū)域的研發(fā)活動可能在短期內(nèi)導(dǎo)致碳排放上升，但其長期效益則體現(xiàn)在通過技術(shù)進(jìn)步提高生產(chǎn)效率，從而降低單位產(chǎn)出的碳排放。此外，周邊地區(qū)獲得的正向溢出效應(yīng)進(jìn)一步加強(qiáng)了這種正相關(guān)關(guān)系。對這一現(xiàn)象的深入探討，對于理解農(nóng)林業(yè)的可持續(xù)發(fā)展及政策制定具有重要意義，并能為實(shí)現(xiàn)碳中和目標(biāo)提供可靠的科學(xué)依據(jù)。基于以上分析，提出假設(shè)H1。

H1：本省農(nóng)林業(yè)研發(fā)創(chuàng)新對本地區(qū)的農(nóng)林業(yè)碳排放效率有抑制作用，并對周邊地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著溢出效應(yīng)。

減少農(nóng)業(yè)碳排放，提高農(nóng)業(yè)碳匯能力，是我國實(shí)現(xiàn)“雙碳”目標(biāo)的重要舉措。田云等（2024）以國家《農(nóng)業(yè)農(nóng)村減排固碳實(shí)施方案》所重點(diǎn)倡導(dǎo)的化肥減量增效、農(nóng)機(jī)綠色節(jié)能、稻田甲烷減排、農(nóng)田碳匯提升等模式為例，探討了農(nóng)業(yè)減排固碳的潛力。Fu等（2023）指出，影響農(nóng)林業(yè)碳排放效率的關(guān)鍵因素包括農(nóng)田土壤的碳匯能力、城鎮(zhèn)化水平、種植結(jié)構(gòu)等。碳捕獲和儲存技術(shù)具有改善土壤管理的潛力，可提高土壤碳含量并增強(qiáng)碳吸收能力（Schmidt et al.， 2019；Rosa et al.， 2021）。因此，提出假設(shè)H2。

H2：提升農(nóng)業(yè)碳匯能力對增加本地的農(nóng)林業(yè)碳排放效率具有顯著的促進(jìn)作用。

碳減排需要從減少碳源和增加碳匯兩個方面同時推進(jìn)（魯豐先等，2013）。碳匯量可能存在不確定性問題，林業(yè)碳匯同時具有“源”和“匯”的特殊性，例如由于存在火災(zāi)、自然災(zāi)害等潛在風(fēng)險，碳匯量存在不確定性和可逆轉(zhuǎn)性，屬于非持久性減排（劉海燕等，2023）。提升林業(yè)碳匯可以有效降低碳排放（鄒曉明等，2022）。林業(yè)碳匯相對于工業(yè)減排具有顯著的成本優(yōu)勢，因此可以對農(nóng)林業(yè)碳排放的減少具有較好的可實(shí)踐性（張娟等，2021）。不同土地利用類型對碳排放效率產(chǎn)生各自獨(dú)特的影響，包括農(nóng)田、森林、濕地和城市地區(qū)，這些土地類型擁有不同的碳循環(huán)特性。通過保護(hù)和恢復(fù)那些具備豐富碳儲存潛力的生態(tài)系統(tǒng)，如森林和濕地，有助于降低碳排放水平。因此，提出假設(shè)H3。

H3：提升林業(yè)碳匯能力對增加本地的農(nóng)林業(yè)碳排放效率具有顯著的促進(jìn)作用。

3.2研究方法

本文的研究方法主要采用非期望產(chǎn)出的超效率模型和空間杜賓模型，分別測算并分析全國31個省份的農(nóng)林業(yè)碳排放效率及其影響因素。

3.2.1非期望產(chǎn)出的超效率模型

在農(nóng)業(yè)生產(chǎn)過程中投入一定勞動、耕地、機(jī)械等生產(chǎn)要素后，將獲得期望產(chǎn)出（如農(nóng)業(yè)產(chǎn)值），同時伴隨非期望產(chǎn)出（如農(nóng)業(yè)碳排放）的產(chǎn)生?，F(xiàn)有農(nóng)業(yè)碳排放效率的測算方法多為DEA類模型或Malmquist指數(shù)，這些研究方法缺少跨期可比性和空間可比性。在前述理論框架的基礎(chǔ)上，借鑒吳昊鑰等（2021）的研究，本文構(gòu)建考慮非期望產(chǎn)出的農(nóng)林業(yè)碳排放效率模型，不僅能使投入或產(chǎn)出松弛量按照不同比例進(jìn)行縮減或擴(kuò)張，還將環(huán)境約束作為非期望產(chǎn)出納入效率測度模型中，能夠分解測算出碳排放的效率值。此外，將空間計量模型引入效率影響因素分析中，將可能存在的空間效應(yīng)納入研究框架，使計量結(jié)果更加符合客觀實(shí)際。具體步驟如下：首先，建立一個包括農(nóng)林業(yè)科技創(chuàng)新、生產(chǎn)要素投入、農(nóng)業(yè)和林業(yè)碳匯以及總產(chǎn)值作為期望產(chǎn)出，農(nóng)業(yè)和林業(yè)碳排放總量作為非期望產(chǎn)出的農(nóng)林業(yè)生態(tài)系統(tǒng)的生產(chǎn)集合（Ф）；其次，利用非期望產(chǎn)出的超效率模型計算農(nóng)林業(yè)碳排放的實(shí)際產(chǎn)出與理論產(chǎn)出之間的距離，即農(nóng)林業(yè)碳排放的松弛量；最后，基于前兩步的計算結(jié)果，分別計算每一個省份的農(nóng)林業(yè)碳排放效率。

4數(shù)據(jù)來源與變量選取

本文所使用的數(shù)據(jù)全部來源于官方公開發(fā)布的歷年統(tǒng)計年鑒，以下將詳細(xì)介紹具體的數(shù)據(jù)來源和指標(biāo)選取的過程。

4.1數(shù)據(jù)來源

本文選擇2000—2021年中國31個省份的農(nóng)林業(yè)（包括種植業(yè)、畜牧養(yǎng)殖業(yè)和林業(yè)）樣本數(shù)據(jù)，數(shù)據(jù)來源于歷年的《中國科技統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》，以及國家統(tǒng)計局、國家林業(yè)和草原局官網(wǎng)公開發(fā)布的數(shù)據(jù)。因?yàn)橄愀邸拈T、臺灣地區(qū)數(shù)據(jù)缺失嚴(yán)重，所以沒有納入本次研究范圍。數(shù)據(jù)的缺失值采用Arima預(yù)測方法填充，農(nóng)林業(yè)碳排放效率的計算過程使用Matlab 2022b軟件運(yùn)行完成，空間杜賓模型使用Stata 16軟件運(yùn)行完成。

4.2變量選取

本文首先通過從上而下的方法，遵循國家發(fā)展規(guī)劃和綠色發(fā)展理念，結(jié)合政策文件對農(nóng)林業(yè)綠色低碳轉(zhuǎn)型進(jìn)行審視。然后以自下而上的方式，在考慮農(nóng)林業(yè)綠色低碳發(fā)展的基礎(chǔ)上，參考相關(guān)文獻(xiàn)并考量數(shù)據(jù)可獲取性，剔除相關(guān)性不高的指標(biāo)，最終確定包含10個一級指標(biāo)和12個二級指標(biāo)的農(nóng)林業(yè)碳排放效率指標(biāo)體系。

4.2.1被解釋變量

本文被解釋變量為農(nóng)林業(yè)碳排放效率（ln ACEE）。參考Zhou等（2012）的研究，將農(nóng)林業(yè)碳排放效率（ln ACEE）定義為在規(guī)模報酬不變和既定農(nóng)林業(yè)投入要素條件下，農(nóng)林業(yè)（包括種植業(yè)、畜牧養(yǎng)殖業(yè)和林業(yè)）生產(chǎn)過程中實(shí)際產(chǎn)生的碳排放量與最低可能的碳排放量之比。低碳排放效率表示實(shí)際碳排放量較高，意味著在維持當(dāng)前的投入和技術(shù)水平的情況下，存在不必要的碳排放。這表明可能農(nóng)林業(yè)生產(chǎn)尚未充分考慮到產(chǎn)出與環(huán)境保護(hù)之間的平衡，以有效減少碳排放。農(nóng)林業(yè)碳排放效率數(shù)據(jù)通過非期望產(chǎn)出的超效率模型計算得出。

參考田云等（2024）和吳昊玥等（2021）的研究，針對農(nóng)林業(yè)生產(chǎn)系統(tǒng)中的投入、期望產(chǎn)出和非期望產(chǎn)出，投入方面綜合考慮了土地、勞動力、資本和技術(shù)等四類基本生產(chǎn)要素，并將農(nóng)林業(yè)科技創(chuàng)新、生態(tài)保護(hù)列為投入要素。期望產(chǎn)出方面涵蓋了經(jīng)濟(jì)產(chǎn)出（包括農(nóng)業(yè)總產(chǎn)值和林業(yè)總產(chǎn)值）和生態(tài)產(chǎn)出（包括農(nóng)業(yè)碳匯總量和林業(yè)碳匯總量），而非期望產(chǎn)出則是指環(huán)境代價（農(nóng)林業(yè)碳排放總量，包括農(nóng)業(yè)碳排放總量和畜牧業(yè)碳排放總量）?；谶@一設(shè)定，建立了投入產(chǎn)出指標(biāo)體系，旨在評估農(nóng)林業(yè)碳排放效率。本文構(gòu)建農(nóng)林業(yè)碳排放效率投入產(chǎn)出計算指標(biāo)體系，如表1所示。

4.2.2解釋變量

本文的核心解釋變量為農(nóng)林業(yè)研發(fā)創(chuàng)新，選取中國植物新品種權(quán)申請量（件）作為農(nóng)林業(yè)研發(fā)創(chuàng)新的指標(biāo)。農(nóng)林業(yè)研發(fā)創(chuàng)新的研究數(shù)據(jù)來源于歷年的《中國科技統(tǒng)計年鑒》。2020年頒布了《中華人民共和國民法典》，將植物新品種權(quán)納入知識產(chǎn)權(quán)范疇。中國植物新品種權(quán)的申請和授權(quán)數(shù)量逐年增加，位居國際植物新品種保護(hù)聯(lián)盟（International Union for the Protection of New Varieties of Plants， UPOV）公約成員國的前列（劉振偉，2021）。僅在2021年，中國農(nóng)林業(yè)植物新品種權(quán)申請數(shù)量為9721件，授權(quán)3218件（關(guān)曉靜，2022）。

參考田云等（2013）和吳昊玥等（2021）的研究，本文選取農(nóng)業(yè)碳匯和林業(yè)碳匯作為解釋變量，以探究提高農(nóng)業(yè)和林業(yè)的碳匯能力對農(nóng)林生態(tài)系統(tǒng)碳排放效率的影響。農(nóng)業(yè)碳匯量（ln ACS）主要考慮各類農(nóng)作物通過光合作用吸收并固定的碳。農(nóng)業(yè)生產(chǎn)過程中的碳匯只考慮主要農(nóng)作物生長全生命周期中的碳吸收。所謂農(nóng)作物碳吸收，是指作物光合作用形成的凈初級生產(chǎn)量，即生物產(chǎn)量。農(nóng)業(yè)碳匯的計算過程如式（6）所示。

式（6）中，ACS表示某一地區(qū)（省、自治區(qū)、直轄市）農(nóng)業(yè)碳匯的總量；ACSi表示某一地區(qū)（省、直轄市或自治區(qū)）第i種農(nóng)作物的年碳吸收量；k表示農(nóng)作物的種類數(shù)；CYi表示某一地區(qū)（省、直轄市、自治區(qū)）第i種農(nóng)作物的年經(jīng)濟(jì)產(chǎn)量；si表示第i種農(nóng)作物通過光合作用合成單位有機(jī)質(zhì)所需要吸收的碳；wi表示第i種農(nóng)作物經(jīng)濟(jì)產(chǎn)品部分的含水量；ei表示第i種農(nóng)作物的經(jīng)濟(jì)系數(shù)。

相對于傳統(tǒng)的技術(shù)減排方法，進(jìn)行林業(yè)碳匯項(xiàng)目經(jīng)營以促進(jìn)林業(yè)增匯，能夠使碳減排成本降低達(dá)40%（曹先磊等，2023）。我國整體森林碳匯量不斷增加，不同地區(qū)的森林碳匯量存在顯著差異（付偉等，2023）。森林碳匯對降低大氣中溫室氣體濃度、減緩全球氣候變暖具有十分重要的作用（姜霞等，2016）。作為減排的有效手段之一，林業(yè)碳匯對于如期實(shí)現(xiàn)“雙碳”目標(biāo)具有重要意義（全陽等，2023）。森林碳儲量的測算方法涵蓋多種途徑，包括生物量法、蓄積量法、蓄積量擴(kuò)展法、生物量清單法、渦旋相關(guān)法、渦度協(xié)方差法以及馳豫渦旋積累法等（伍楠林，2011；王兵等，2021；張穎等，2022）。具體而言，森林蓄積量擴(kuò)展法是基于自然科學(xué)研究的基礎(chǔ)上，結(jié)合特定年份的森林面積和單位面積的森林蓄積量指標(biāo)來評估森林碳儲量的一種方法。通過采用差值法，可以計算得到一定時間段內(nèi)森林碳匯的增量，這是目前應(yīng)用最廣泛的森林碳匯測定方法。本文采用該方法來評估森林碳儲量和林業(yè)增匯潛力，具體計算過程如式（7）至式（9）所示。

式（7）、式（8）、式（9）中，ΔCF（t2- t1）表示在時間段（t2- t1）內(nèi)的林業(yè)碳增量，其中i代表第i個省份的林業(yè)增匯量。本文主要關(guān)注我國不同省份在2000—2021年期間的林業(yè)增匯量。CFti表示第t年第i個省份的森林碳儲量，包括地上生物量、地下生物量、枯死木、枯落物、林地土壤以及林產(chǎn)品等六個碳庫。參考伍楠林（2011）和王兵等（2021）的研究，本文主要關(guān)注地上和地下生物量以及林地土壤這三個碳庫。Sti表示第t年第i個省份的森林面積，Cti表示第t年第i個省份的森林碳密度，α表示林下植物碳轉(zhuǎn)換系數(shù)，β表示林地碳轉(zhuǎn)換系數(shù)，Vti表示第t年第i個省份單位面積的森林蓄積量，δ表示生物量擴(kuò)大系數(shù)，ρ表示容積密度，R表示含碳率。

4.2.3控制變量

參考沈月琴等（2015）、何韻等（2022）和陳科屹等（2023）的研究，本文選取林業(yè)總產(chǎn)值、林業(yè)用地面積、木材產(chǎn)量、農(nóng)用化肥施用量、農(nóng)林牧漁業(yè)從業(yè)人員和城鎮(zhèn)化率等作為控制變量，進(jìn)一步探究農(nóng)林業(yè)生態(tài)系統(tǒng)碳排放效率的可能影響因素。當(dāng)碳價格為300元/t時，碳匯補(bǔ)貼和碳稅的實(shí)施使當(dāng)期林業(yè)產(chǎn)出減少0.02%，林產(chǎn)品價格下降20.87%，林業(yè)總產(chǎn)值投入減少0.45%（沈月琴等，2015）。

城鎮(zhèn)化率（ln UR）是一個表示城鎮(zhèn)化程度的指標(biāo)，選取各省份總?cè)丝谥谐擎?zhèn)居民人口的占比。這一指標(biāo)可以用來反映不同地區(qū)的城鎮(zhèn)化水平，從而為進(jìn)一步研究城鄉(xiāng)發(fā)展差異提供了有用的信息。

數(shù)據(jù)描述性統(tǒng)計如表2所示。

5實(shí)證分析

首先，本文使用Matlab 2022b軟件對我國農(nóng)林業(yè)碳排放效率進(jìn)行測算，整體表現(xiàn)為先下降后上升的趨勢，如圖1和圖2所示；其次，使用Stata 16軟件測算莫蘭指數(shù)，結(jié)果表明我國農(nóng)林業(yè)碳排放效率存在空間自相關(guān)性；最后，使用空間杜賓模型實(shí)證分析我國農(nóng)林業(yè)碳排放效率的空間影響因素。

5.1農(nóng)林業(yè)碳排放效率的測算結(jié)果

圖1顯示，2000—2021年中國31個省份農(nóng)林業(yè)碳排放效率平均水平約為0.70，在一定程度上表明，在現(xiàn)有的技術(shù)水平和投入要素的條件下仍然可以減少30%的碳排放量。內(nèi)蒙古、黑龍江、廣東、海南、云南、西藏等省份的農(nóng)林業(yè)碳排放效率明顯高于全國平均水平。本文認(rèn)為這些地區(qū)農(nóng)林業(yè)碳排放效率明顯高于全國平均水平的原因可能與其氣候和林業(yè)資源相關(guān)。首先，這些地區(qū)具有較好的氣候條件，例如內(nèi)蒙古的草原氣候、黑龍江的寒溫帶氣候條件和云南的亞熱帶山地氣候等，這些氣候條件有利于農(nóng)林業(yè)生產(chǎn)，使得作物和森林生長更加旺盛，減少了資源耗費(fèi)和產(chǎn)生碳排放的可能性。同時，這些地區(qū)擁有豐富的林業(yè)資源。林業(yè)是一種重要的碳匯儲存庫，通過吸收和儲存大量的二氧化碳，有助于減少碳排放。內(nèi)蒙古和黑龍江的森林資源較為豐富，這些森林在吸收二氧化碳的同時也提供了豐富的木材資源，可以減少對非可再生能源的依賴，降低碳排放。此外，近年來國家對這些地區(qū)農(nóng)業(yè)和林業(yè)生產(chǎn)方式的科學(xué)管理也可能是農(nóng)林業(yè)碳排放效率高的原因之一?？茖W(xué)的管理方法可以最大程度地提高作物和森林的產(chǎn)量，并減少資源浪費(fèi)，從而減少了碳排放的可能性。

我國農(nóng)林業(yè)碳排放效率的年均增長率約為9.80%。大多數(shù)省份的農(nóng)林業(yè)碳排放效率年均增長速度都在均線附近。北京、天津、上海、海南等地區(qū)的農(nóng)林業(yè)碳排放效率年均增長率明顯高于全國水平。本文認(rèn)為可能的原因是北京、天津、上海等地區(qū)可能在現(xiàn)代農(nóng)林業(yè)科技創(chuàng)新技術(shù)方面投入了大量資源，包括高效的農(nóng)林業(yè)機(jī)械、精確的灌溉系統(tǒng)、先進(jìn)的育種和種植技術(shù)等。這些技術(shù)的采用有助于提升農(nóng)林業(yè)生產(chǎn)效率，減少資源浪費(fèi)和碳排放。另外，這些地區(qū)擁有豐富的科研資源和創(chuàng)新能力，有助于開發(fā)新的農(nóng)林業(yè)技術(shù)和方法，提高碳排放效率。

由圖1和圖2可知，2000—2021年我國農(nóng)林業(yè)碳排放效率整體呈現(xiàn)出先下降后波動上升的趨勢。內(nèi)蒙古、黑龍江、廣東、海南、云南、西藏等省份的農(nóng)林業(yè)碳排放效率明顯高于全國平均水平。首先，這些地區(qū)擁有豐富的林業(yè)資源，森林覆蓋率高、森林面積大以及更多的林木資源等優(yōu)勢提供了更多的碳吸收和固碳能力，因此農(nóng)林業(yè)碳排放效率相對較高；其次，這些地區(qū)的氣候和土壤條件可能更適合林木生長，較好的氣候和土壤條件有利于植被的生長，從而提高了農(nóng)林業(yè)的生產(chǎn)效率和碳固定能力。這可能是導(dǎo)致這些地區(qū)農(nóng)林業(yè)碳排放效率明顯高于全國平均水平的原因。

5.2空間杜賓模型結(jié)果分析

首先，本文使用Stata 16軟件對中國2000—2021年的農(nóng)林業(yè)碳排放效率進(jìn)行莫蘭指數(shù)測算，驗(yàn)證其是否存在空間自相關(guān)性；其次，使用空間杜賓模型進(jìn)行Wald-lag、Wald-err、LR-lag、LR-err以及豪斯曼檢驗(yàn)；最后，進(jìn)行空間杜賓模型的估計。

5.2.1農(nóng)林業(yè)碳排放效率全局莫蘭指數(shù)測算結(jié)果

對2000—2021年中國農(nóng)林業(yè)碳排放效率的全局莫蘭指數(shù)測算，以驗(yàn)證我國農(nóng)林業(yè)碳排放效率是否存在空間自相關(guān)性，測算結(jié)果如表3所示。

從絕對值的角度來看，我國在大多數(shù)年份的農(nóng)林業(yè)碳排放效率全局莫蘭指數(shù)均在1%的顯著性水平上顯著，并且通過了Z檢驗(yàn)，其絕對值基本上穩(wěn)定在0.01～0.20之間，可見我國農(nóng)林業(yè)碳排放效率的空間自相關(guān)性非常顯著。從總體趨勢來看，我國的農(nóng)林業(yè)碳排放效率全局莫蘭指數(shù)呈現(xiàn)出一個“M”型的發(fā)展軌跡，即先上升后下降，然后再次上升，最后再次下降。這表明隨著時間推移，空間集聚效應(yīng)呈現(xiàn)出一個“M”型波動的趨勢，而最近幾年的空間自相關(guān)程度逐漸減弱。兩次峰值分別出現(xiàn)在2001年和2019年，分別是0.16和0.09。本文認(rèn)為原因可能是在農(nóng)林業(yè)領(lǐng)域，技術(shù)和最佳實(shí)踐可能會通過模仿效應(yīng)在空間上傳播。一開始，某些地區(qū)可能率先采用高效的農(nóng)林業(yè)技術(shù)和管理實(shí)踐，導(dǎo)致空間集聚效應(yīng)的上升。隨著時間的推移，鄰近地區(qū)可能會模仿這些成功實(shí)踐，導(dǎo)致集聚效應(yīng)的下降。然而，隨著更多地區(qū)逐漸采納這些實(shí)踐，集聚效應(yīng)可能再次上升。此外，政府政策也可能會在一定程度上對農(nóng)林業(yè)碳排放效率產(chǎn)生影響。一些地區(qū)可能會受益于政府在可持續(xù)農(nóng)林業(yè)實(shí)踐、資源管理和技術(shù)改進(jìn)方面的支持，政策的變化和資源投入水平的波動可能導(dǎo)致空間集聚效應(yīng)的變化。

5.2.2檢驗(yàn)

基于經(jīng)濟(jì)距離權(quán)重矩陣（W）對殘差進(jìn)行空間相關(guān)性的LM檢驗(yàn)和穩(wěn)健LR檢驗(yàn)，LM Error與LM Lag統(tǒng)計量分別為22.67和15.99，且均在1%的顯著性水平上顯著。由于拒絕了原假設(shè)，即不存在空間滯后效應(yīng)和空間誤差效應(yīng)，因此首要考慮采用空間杜賓模型進(jìn)行估計。為確保估計結(jié)果的穩(wěn)健性，本文同時根據(jù)經(jīng)濟(jì)距離權(quán)重矩陣（W）構(gòu)建了8個不同的空間杜賓模型進(jìn)行估計，以進(jìn)行對照分析?？臻g杜賓模型的檢驗(yàn)結(jié)果如表4所示，解釋變量系數(shù)的符號、大小和顯著性在8個不同的空間杜賓模型中的估計結(jié)果表現(xiàn)相對一致，說明結(jié)果具有較強(qiáng)的穩(wěn)健性。Wald-lag、Wald-err、LR-lag以及LR-err檢驗(yàn)均拒絕了空間杜賓模型轉(zhuǎn)化成空間誤差模型或者空間自回歸模型的可能性，表明8個模型的結(jié)果具有較強(qiáng)的穩(wěn)健性，且空間杜賓模型是最合適的模型。

在空間杜賓模型的檢驗(yàn)結(jié)果中，空間自回歸系數(shù)ρ的均值為-0.77，而且在1%的顯著性水平上通過了Z檢驗(yàn)，說明農(nóng)林業(yè)碳排放效率存在虹吸效應(yīng)。豪斯曼檢驗(yàn)結(jié)果表明：由于原假設(shè)是接受隨機(jī)效應(yīng)，當(dāng)p值等于0.00時，拒絕了原假設(shè)，因此本文認(rèn)為應(yīng)該選擇雙向固定效應(yīng)模型。

5.2.3空間杜賓模型的結(jié)果

空間杜賓模型的檢驗(yàn)結(jié)果說明本地區(qū)的農(nóng)林業(yè)碳排放效率有著顯著的虹吸效應(yīng)，即當(dāng)本地區(qū)的農(nóng)林業(yè)碳排放效率呈上升趨勢的時候，周邊地區(qū)的農(nóng)林業(yè)碳排放效率會呈現(xiàn)下降的趨勢。

空間杜賓模型的結(jié)果如表5所示。從主回歸結(jié)果看，農(nóng)林業(yè)研發(fā)創(chuàng)新（ln RD）對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的負(fù)向影響，并且在1%的顯著性水平上顯著。本文認(rèn)為可能的原因是本地的研發(fā)創(chuàng)新可能會產(chǎn)生冗余的碳排放，同時產(chǎn)生了沉沒成本，因此會產(chǎn)生顯著的負(fù)向影響。加入空間經(jīng)濟(jì)權(quán)重之后，農(nóng)林業(yè)研發(fā)創(chuàng)新（ln RD）對周圍地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的溢出效應(yīng)，并且在1%的顯著性水平上顯著。這表明研發(fā)創(chuàng)新不僅對本地區(qū)有影響，也會向周邊地區(qū)產(chǎn)生溢出效益，驗(yàn)證了假設(shè)H1。本文認(rèn)為原因可能是農(nóng)林業(yè)研發(fā)創(chuàng)新在農(nóng)林業(yè)領(lǐng)域的應(yīng)用為提高周圍地區(qū)的生產(chǎn)效率提供了新的技術(shù)工具和方法。新技術(shù)的應(yīng)用在一定程度上改善了農(nóng)林業(yè)生產(chǎn)過程，使農(nóng)林產(chǎn)品的生產(chǎn)變得更加高效，導(dǎo)致資源利用效率的提高，減少了碳排放的強(qiáng)度。其次，研發(fā)創(chuàng)新在農(nóng)林業(yè)領(lǐng)域的推廣和應(yīng)用帶來了技術(shù)溢出。這意味著新技術(shù)在一定程度上不僅僅影響了本地區(qū)的農(nóng)林業(yè)部門，也對周圍地區(qū)產(chǎn)生了積極的外部性影響。新技術(shù)的應(yīng)用為周圍地區(qū)的農(nóng)林業(yè)部門提供了學(xué)習(xí)和借鑒的機(jī)會，從而促進(jìn)了其生產(chǎn)效率的提升和碳排放的減少。

提升農(nóng)業(yè)碳匯能力（ln ACS）對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的正向影響，并且在1%的顯著性水平上顯著。這表明農(nóng)業(yè)碳匯總量的增加有助于提高本地農(nóng)林業(yè)的碳排放效率，驗(yàn)證了假設(shè)H2。首先，農(nóng)業(yè)碳匯是指通過農(nóng)林業(yè)活動將二氧化碳從大氣中吸收并儲存在土壤和植物中的過程。當(dāng)農(nóng)林業(yè)系統(tǒng)增加碳匯總量時，也就意味著更多的二氧化碳被吸收并儲存起來，減少了大氣中的溫室氣體濃度。其次，在本地區(qū)提升農(nóng)業(yè)碳匯能力顯著提高了農(nóng)林業(yè)的碳排放效率。這可能是由于提升農(nóng)業(yè)碳匯能力可以顯著提高農(nóng)作物生長與植物光合作用，從而減少了碳排放。這對于應(yīng)對氣候變化和減少溫室氣體排放具有重要意義，并且為農(nóng)林業(yè)系統(tǒng)的可持續(xù)發(fā)展提供正向的經(jīng)濟(jì)效益和環(huán)境效益。

提升林業(yè)碳匯能力（ln FCS）對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的正向影響，并且在1%的顯著性水平上顯著。這表明林業(yè)碳匯總量的增加有助于提升本地農(nóng)林業(yè)的碳排放效率，驗(yàn)證了假設(shè)H3。本文認(rèn)為原因可能是當(dāng)提升林業(yè)碳匯能力時意味著有更多的二氧化碳被吸收，并在樹木和土壤中儲存起來，減少了大氣中的溫室氣體濃度。其次，提升林業(yè)碳匯能力可以間接改善土壤質(zhì)量和水源管理能力，為林木生長提供了更適宜的環(huán)境條件，更有利于促進(jìn)碳的吸收和儲存。此外，這一結(jié)果也為制定林業(yè)管理政策和實(shí)施有效的林業(yè)保護(hù)措施提供了科學(xué)依據(jù)。

林業(yè)用地面積（ln FLA）對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的負(fù)向影響，并且在1%的顯著性水平上顯著，表明林業(yè)用地面積的增加可能會抑制本地農(nóng)林業(yè)的碳排放效率。在加入空間權(quán)重矩陣之后，林業(yè)用地面積（ln FLA）對周邊地區(qū)產(chǎn)生顯著的虹吸效應(yīng)，并且p值在1%的顯著性水平上顯著。本文認(rèn)為可能原因是增加林業(yè)用地面積會導(dǎo)致農(nóng)林業(yè)部門的擴(kuò)張和生產(chǎn)活動的增加，從而導(dǎo)致了碳排放的增加。

增加農(nóng)村勞動力對周邊地區(qū)的農(nóng)林業(yè)碳排放效率具有顯著的虹吸效應(yīng)，并且p值在1%的顯著性水平上顯著。農(nóng)村勞動力在一個地區(qū)的增加對周邊地區(qū)的農(nóng)村勞動力水平產(chǎn)生了較強(qiáng)的虹吸效應(yīng)。農(nóng)村勞動力要素在農(nóng)村資源要素市場之間流動會產(chǎn)生聚集效應(yīng)，即人們傾向于流動到農(nóng)林業(yè)碳排放效率較高的地區(qū)去從事農(nóng)林業(yè)經(jīng)濟(jì)活動。

增加林業(yè)總產(chǎn)值（ln TFP）對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的正向影響，并且在1%的顯著性水平上顯著，說明當(dāng)林業(yè)總產(chǎn)值增加時，農(nóng)林業(yè)系統(tǒng)能夠更有效地減少碳排放。本文認(rèn)為可能是因?yàn)樵黾恿謽I(yè)總產(chǎn)值意味著更多的資源和投資用于林業(yè)發(fā)展，包括森林管理和保護(hù)、種植更多的林木來增加碳匯能力，以及使用更環(huán)保的農(nóng)林業(yè)技術(shù)和實(shí)踐來減少碳排放。林業(yè)總產(chǎn)值（ln TFP）對周邊地區(qū)的農(nóng)林業(yè)碳排放效率具有顯著的虹吸效應(yīng)，并且p值在1%的顯著性水平上顯著。這意味著當(dāng)林業(yè)總產(chǎn)值增加時，會吸引周邊地區(qū)的農(nóng)林業(yè)要素資源流入本地。本文認(rèn)為這可能是因?yàn)榱謽I(yè)資源及產(chǎn)業(yè)鏈的特點(diǎn)，使得周邊地區(qū)受益于本地區(qū)的林業(yè)發(fā)展。從農(nóng)村資源流動的視角看，本地區(qū)的林業(yè)發(fā)展創(chuàng)造了就業(yè)機(jī)會，吸引了農(nóng)村勞動力流動，帶動了消費(fèi)和經(jīng)濟(jì)活動的增長，從而對周邊地區(qū)產(chǎn)生了經(jīng)濟(jì)上的正面影響。這種虹吸效應(yīng)可能會進(jìn)一步推動周邊地區(qū)的林業(yè)發(fā)展，形成一個良性循環(huán)。

城鎮(zhèn)化率（ln UR）對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的正向影響，并且在5%的顯著性水平上顯著。說明當(dāng)城鎮(zhèn)化率提高時，本地農(nóng)林業(yè)系統(tǒng)能夠提高其碳排放的效率。這可能是由于城鎮(zhèn)化過程中帶來的經(jīng)濟(jì)發(fā)展和社會變化，導(dǎo)致資源配置和管理更加有效，以及采用更環(huán)保的農(nóng)林業(yè)技術(shù)和實(shí)踐的增加。城市化通常與經(jīng)濟(jì)發(fā)展、技術(shù)創(chuàng)新和資本密集型農(nóng)林業(yè)特征相關(guān)聯(lián)，這些因素有助于提高農(nóng)林業(yè)碳排放效率。此外，城鎮(zhèn)化率（ln UR）對周邊地區(qū)具有顯著的溢出效應(yīng)，并且p值在5%的顯著性水平上顯著。溢出效應(yīng)意味著城鎮(zhèn)化的增加會促使周邊地區(qū)的農(nóng)林業(yè)部門受到積極的影響。本文認(rèn)為這可能是由于城市化帶來的經(jīng)濟(jì)增長和消費(fèi)需求的增加，為周邊地區(qū)提供了更多市場機(jī)會。同時，城市化還促進(jìn)了資源和技術(shù)的跨地區(qū)流動，可以促進(jìn)周邊地區(qū)的農(nóng)林業(yè)發(fā)展，幫助其提高碳排放的效率。

木材產(chǎn)量（ln WP）對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的負(fù)向影響，并且在1%的顯著性水平上顯著。本文認(rèn)為可能是因?yàn)檩^高的木材產(chǎn)量可能導(dǎo)致農(nóng)林業(yè)在資源利用上更加密集，意味著更多的資源消耗和浪費(fèi)。例如，農(nóng)林業(yè)生產(chǎn)過程中可能使用更多的化肥、農(nóng)藥等化學(xué)物質(zhì)，這些化學(xué)物質(zhì)有時會產(chǎn)生排放物。因此，高木材產(chǎn)量可能導(dǎo)致碳排放效率降低。另外，木材產(chǎn)業(yè)結(jié)構(gòu)缺乏多樣性也可能是碳排放效率降低的原因之一。

農(nóng)用化肥（ln FER）對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的負(fù)向影響，并且在1%的顯著性水平上顯著。農(nóng)用化肥中的氮、磷、鉀等元素在農(nóng)作物生長過程中被吸收，然后一部分被農(nóng)作物利用，但也會有一部分轉(zhuǎn)化為氣體釋放出來，例如氮?dú)?、一氧化碳等溫室氣體。這樣的釋放會增加農(nóng)林業(yè)的碳排放量，導(dǎo)致碳排放效率降低。同時，農(nóng)用化肥的使用可能導(dǎo)致土壤中的碳循環(huán)受到影響?；手械幕瘜W(xué)物質(zhì)可能改變土壤微生物活性，降低土壤有機(jī)質(zhì)的分解速率，進(jìn)而導(dǎo)致土壤中有機(jī)碳無法有效轉(zhuǎn)化為二氧化碳，從而影響農(nóng)林業(yè)碳排放效率。

5.3空間影響效應(yīng)

為探討解釋變量空間影響效應(yīng)的整體影響，本文將其分解為直接影響和間接影響，以更加全面地分析其對農(nóng)林業(yè)碳排放效率的作用機(jī)制。在對影響因素進(jìn)行梳理后，可以明確農(nóng)林業(yè)研發(fā)創(chuàng)新及其他相關(guān)指標(biāo)在碳排放效率提升中的重要作用。

5.3.1直接效應(yīng)

空間影響效應(yīng)的結(jié)果如表6所示。本地的農(nóng)林業(yè)研發(fā)創(chuàng)新對本地的農(nóng)林業(yè)碳排放效率具有顯著的抑制作用，并且p值均在1%的顯著性水平上顯著。本文認(rèn)為，這種現(xiàn)象可能源于農(nóng)林業(yè)研發(fā)創(chuàng)新的初期階段，在新農(nóng)林業(yè)植物品種從實(shí)驗(yàn)室走向農(nóng)田應(yīng)用時，面臨著推廣和應(yīng)用的難題，其中包括農(nóng)民對這些新品種的接受度可能較低。另一種可能的情況是，由于多種環(huán)境因素，這些新農(nóng)作物品種在實(shí)際生產(chǎn)中可能面臨著產(chǎn)量或銷售問題，從而導(dǎo)致農(nóng)民不愿意種植這些新品種。此外，本地農(nóng)林業(yè)植物新品種的研發(fā)創(chuàng)新過程也可能導(dǎo)致本地農(nóng)林業(yè)碳排放量的增加，進(jìn)而直接影響了本地農(nóng)林業(yè)碳排放效率的提高。

提升農(nóng)業(yè)碳匯能力對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的正向影響，并且p值均在1%的顯著性水平上顯著。農(nóng)業(yè)碳匯提供了一種有效的碳吸收和儲存機(jī)制。農(nóng)業(yè)地區(qū)通常有大量的農(nóng)田和林地，可以通過作物生長和樹木生長吸收大量的二氧化碳并將其儲存起來。農(nóng)業(yè)碳匯的存在可能促進(jìn)了農(nóng)林業(yè)生態(tài)系統(tǒng)中生物質(zhì)的累積，減少了該地區(qū)的碳排放。另外，農(nóng)業(yè)碳匯與農(nóng)業(yè)管理和實(shí)踐改進(jìn)相關(guān)，農(nóng)業(yè)碳匯的實(shí)施可能要求農(nóng)業(yè)社區(qū)采取更可持續(xù)的耕作和農(nóng)業(yè)管理做法，例如合理施肥、水資源管理和土壤保護(hù)措施。這些改進(jìn)措施可以減少農(nóng)業(yè)活動中的溫室氣體排放，并提高農(nóng)林業(yè)碳排放的效率。

提升林業(yè)碳匯能力對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的正向影響，并且p值均在1%的顯著性水平上顯著。林業(yè)碳匯可以幫助吸收和固定大量的二氧化碳，減少農(nóng)林業(yè)活動導(dǎo)致的碳排放。森林生態(tài)系統(tǒng)具有較高的生物多樣性和碳儲存能力，能夠持續(xù)地吸收并儲存二氧化碳。因此，擁有較多森林資源的地區(qū)往往能夠有效提高農(nóng)林業(yè)系統(tǒng)的碳排放效率。同時，林業(yè)碳匯不僅可以減少碳排放，還能提供其他生態(tài)系統(tǒng)服務(wù)，如水源涵養(yǎng)、土壤保持、生物多樣性維護(hù)等。這些服務(wù)可以改善生態(tài)環(huán)境，減輕農(nóng)林業(yè)對生態(tài)系統(tǒng)的負(fù)面影響，進(jìn)而提高農(nóng)林業(yè)碳排放的效率。

林業(yè)用地面積（ln FLA）對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的負(fù)向影響，并且p值均在1%的顯著性水平上顯著。較大的林業(yè)用地面積可能會存在林業(yè)經(jīng)營管理不善的問題。例如，林地可能面臨森林病蟲害、不合理采伐、森林火災(zāi)等問題，這些因素可能導(dǎo)致林木生長不良，并使碳吸收和保持減少，從而降低農(nóng)林業(yè)的碳排放效率。

林業(yè)總產(chǎn)值（ln TFP）對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的正向影響，并且p值均在1%的顯著性水平上顯著。隨著林業(yè)總產(chǎn)值的增加，林業(yè)部門可以獲得更多的投入資源和技術(shù)，從而提高了碳排放效率。同時，林業(yè)總產(chǎn)值的增加反映了對資源（如土地、水、肥料）的更有效利用。有效利用資源可以減少因浪費(fèi)和損失引起的排放，并提高碳排放效率。

木材產(chǎn)量（ln WP）對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的負(fù)向影響，并且p值均在1%的顯著性水平上顯著。本文認(rèn)為木材產(chǎn)量可以被視為衡量本地區(qū)農(nóng)林業(yè)活動水平的指標(biāo)。木材的生產(chǎn)通常需要伐木、運(yùn)輸、加工等過程，這些過程往往涉及能源消耗，并且可能會導(dǎo)致部分木材無法有效利用，從而產(chǎn)生碳排放。另外，本地區(qū)可能存在資源利用不當(dāng)、技術(shù)水平低下及管理不善等問題，導(dǎo)致農(nóng)林業(yè)生產(chǎn)過程中能源的低效利用和碳排放的增加。此外，本地區(qū)可能缺乏先進(jìn)的治理機(jī)制和政策措施來促進(jìn)農(nóng)林業(yè)的可持續(xù)發(fā)展和低碳化轉(zhuǎn)型，從而導(dǎo)致碳排放效率低下。

農(nóng)用化肥（ln FER）對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的負(fù)向影響，并且p值均在1%的顯著性水平上顯著。首先，化肥的使用可能導(dǎo)致土壤中氮、磷等養(yǎng)分的過剩。過量的養(yǎng)分會增加作物對養(yǎng)分的吸收，而吸收不完全的養(yǎng)分可能會被轉(zhuǎn)化為揮發(fā)性氣體，如一氧化氮和氧化亞氮，從而增加溫室氣體的排放。其次，化肥的過度使用也可能導(dǎo)致土壤酸化。酸性土壤會降低土壤中的有機(jī)質(zhì)分解速率，從而減少土壤固碳能力，并增加溫室氣體的釋放。再次，化肥過度使用還可能破壞土壤生物多樣性。土壤中的微生物和其他生物參與碳的循環(huán)和固定過程，但過量的化肥使用會對這些生物產(chǎn)生負(fù)面影響，降低它們的活動水平，限制了碳固定的能力。最后，農(nóng)用化肥的生產(chǎn)和使用會消耗大量的能源，包括化肥生產(chǎn)的能源和農(nóng)業(yè)機(jī)械的使用。這些能源的使用會導(dǎo)致溫室氣體的排放，進(jìn)一步加劇碳排放效率的下降。

5.3.2間接效應(yīng)

由表6可以看出，本地的農(nóng)林業(yè)研發(fā)創(chuàng)新（ln RD）對周邊地區(qū)的農(nóng)林業(yè)碳排放效率具有顯著的溢出效應(yīng)，并且p值在1%的顯著性水平上顯著。本文認(rèn)為原因可能是隨著農(nóng)林業(yè)研發(fā)創(chuàng)新的逐步推廣和應(yīng)用，這些農(nóng)林業(yè)植物新品種會逐漸外溢到周圍的省份，這些新型農(nóng)作物可能在增加碳匯和減少農(nóng)林業(yè)碳排放方面發(fā)揮了積極作用，并有效地促進(jìn)了周邊地區(qū)的農(nóng)林業(yè)碳排放效率的提高。這表明農(nóng)林業(yè)研發(fā)創(chuàng)新對于周邊地區(qū)的農(nóng)林業(yè)碳排放效率具有顯著的外溢效應(yīng)，進(jìn)一步驗(yàn)證了假設(shè)H1。

本地的林業(yè)用地面積（ln FLA）對周邊地區(qū)的農(nóng)林業(yè)碳排放效率具有顯著的虹吸效應(yīng)，并且p值在1%的顯著性水平上顯著。本文認(rèn)為可能的原因是林業(yè)用地的過度擴(kuò)張可能導(dǎo)致土壤侵蝕和土地退化，從而降低了土壤的肥力和生產(chǎn)力。這將對周圍地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生負(fù)面影響，因?yàn)橥恋刭|(zhì)量降低會導(dǎo)致更多的資源和勞動力用于維護(hù)土地，而不是提高農(nóng)產(chǎn)品產(chǎn)量。另外，新增的農(nóng)林業(yè)用地需要水資源、肥料和農(nóng)林業(yè)機(jī)械等資源如果受到限制，可能需要從周圍地區(qū)調(diào)配，導(dǎo)致資源短缺，從而影響其他地區(qū)的農(nóng)林業(yè)碳排放效率。因此，本地的林業(yè)用地面積的增加對周邊地區(qū)的農(nóng)林業(yè)碳排放效率具有顯著的虹吸效應(yīng)。

本地的勞動力（ln L）對周邊地區(qū)的農(nóng)林業(yè)碳排放效率具有顯著的虹吸效應(yīng)，并且p值在1%的顯著性水平上顯著。本文認(rèn)為可能的原因是農(nóng)村勞動力的增加可能導(dǎo)致本地區(qū)對農(nóng)林業(yè)資源（如農(nóng)業(yè)資本、水資源、肥料等）的更高需求。這種資源競爭可能導(dǎo)致農(nóng)林業(yè)資源的有限供應(yīng)被分配給本地區(qū)，減少了其他省份的資源可用性，從而降低了其他省份的農(nóng)林業(yè)碳排放效率。因此，本地的勞動力增加會對周邊地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的虹吸效應(yīng)。

本地的林業(yè)總產(chǎn)值（ln TFP）對周邊地區(qū)的農(nóng)林業(yè)碳排放效率具有顯著的虹吸效應(yīng)，并且p值在1%的顯著性水平上顯著。首先，林業(yè)總產(chǎn)值的提升可能會帶動周邊地區(qū)的農(nóng)林業(yè)發(fā)展。林業(yè)是一個重要的經(jīng)濟(jì)產(chǎn)業(yè)，其增長可能會促進(jìn)相關(guān)產(chǎn)業(yè)鏈的發(fā)展，如木材加工業(yè)、造紙業(yè)等。這些產(chǎn)業(yè)的發(fā)展可能需要大量的農(nóng)林業(yè)資源和能源供應(yīng)，從而帶動本地農(nóng)林業(yè)經(jīng)濟(jì)的發(fā)展，產(chǎn)生較強(qiáng)的虹吸效應(yīng)。

本地的城鎮(zhèn)化率（ln UR）對周邊地區(qū)的農(nóng)林業(yè)碳排放效率具有顯著的溢出效應(yīng)，并且p值在5%的顯著性水平上顯著。城鎮(zhèn)化是一個城市人口向城市集聚的過程，通常伴隨著農(nóng)村勞動力向非農(nóng)產(chǎn)業(yè)轉(zhuǎn)移。這種城鎮(zhèn)化的過程可能導(dǎo)致周邊地區(qū)的農(nóng)作物產(chǎn)量減少，農(nóng)業(yè)用地面積減少，從而減少了相關(guān)的農(nóng)林業(yè)碳排放。因此，本地的城鎮(zhèn)化率對周邊地區(qū)的農(nóng)林業(yè)碳排放效率會產(chǎn)生溢出效應(yīng)。

6研究結(jié)論、討論與政策啟示

通過分析中國農(nóng)林業(yè)碳排放效率在時空上的變化及其影響因素，得出影響農(nóng)林業(yè)碳排放效率的關(guān)鍵因素包括農(nóng)林業(yè)研發(fā)創(chuàng)新、農(nóng)林業(yè)碳匯、林業(yè)總產(chǎn)值和城鎮(zhèn)化率等，并討論主要結(jié)論，提出政策啟示。

6.1研究結(jié)論

本文以低碳經(jīng)濟(jì)理論為基礎(chǔ)，采用非期望產(chǎn)出的超效率模型對2000—2021年中國31個省份的農(nóng)林業(yè)碳排放效率進(jìn)行測算，并運(yùn)用空間杜賓模型分析中國農(nóng)林業(yè)碳排放效率在時空上的變化及其影響因素，最后得出3點(diǎn)結(jié)論。

（1）2000—2021年中國31個省份的農(nóng)林業(yè)碳排放效率平均值為0.70，表明在當(dāng)前技術(shù)水平和投入要素條件下，存在減少30%農(nóng)林業(yè)碳排放的可能性。內(nèi)蒙古、黑龍江、廣東、海南、云南、西藏等省份的農(nóng)林業(yè)碳排放效率明顯高于全國平均水平，大多數(shù)省份的農(nóng)林業(yè)碳排放效率年均增長速度都在均線附近。我國農(nóng)林業(yè)碳排放效率年均增長率為9.80%，其中北京、天津、上海、海南等省份農(nóng)林業(yè)碳排放效率年均增長率高于全國農(nóng)林業(yè)碳排放效率年均增長率。

（2）農(nóng)林業(yè)研發(fā)創(chuàng)新對本地的農(nóng)林業(yè)碳排放效率具有顯著的抑制作用，加入空間權(quán)重矩陣后，農(nóng)林業(yè)研發(fā)創(chuàng)新對周邊地區(qū)的農(nóng)林業(yè)碳排放效率具有顯著的溢出效應(yīng)。農(nóng)林業(yè)碳排放效率對周邊地區(qū)具有顯著的虹吸效應(yīng)，說明當(dāng)本地區(qū)的農(nóng)林業(yè)碳排放效率呈上升趨勢的時候，周邊地區(qū)的農(nóng)林業(yè)碳排放效率會呈現(xiàn)下降的趨勢。

（3）農(nóng)林業(yè)碳匯、林業(yè)總產(chǎn)值和城鎮(zhèn)化率的增加均對本地區(qū)的農(nóng)林業(yè)碳排放效率產(chǎn)生顯著的正向影響。林業(yè)用地面積、木材產(chǎn)量和農(nóng)林業(yè)化肥使用量的增加均會抑制本地農(nóng)林業(yè)的碳排放效率。增加林業(yè)用地面積和農(nóng)村勞動力對周邊地區(qū)的農(nóng)林業(yè)碳排放效率具有顯著的虹吸效應(yīng)，城鎮(zhèn)化率對周邊地區(qū)的農(nóng)林業(yè)碳排放效率具有顯著的溢出效應(yīng)。

6.2討論

基于以上三方面的研究結(jié)論，本文從4個方面對這些發(fā)現(xiàn)進(jìn)行深入討論。

（1）2000—2021年中國31個省份農(nóng)林業(yè)碳排放效率平均值為0.70，這一結(jié)果表明，在當(dāng)前技術(shù)水平和投入要素條件下，存在潛在的將農(nóng)林業(yè)碳排放量減少30%的可能性，與吳昊玥等（2021）指出中國農(nóng)業(yè)碳排放效率平均相近、具有較大的減排潛力的結(jié)論相似。然而，本文認(rèn)為其研究忽視了林業(yè)碳匯對農(nóng)林業(yè)碳排放效率的影響，中國東西部地區(qū)經(jīng)濟(jì)發(fā)展差異顯著，各省份的農(nóng)林業(yè)研發(fā)創(chuàng)新水平存在顯著差異。特別是在西部地區(qū)，農(nóng)林業(yè)創(chuàng)新資源相對匱乏，農(nóng)林業(yè)研發(fā)創(chuàng)新的知識分享和技術(shù)傳播仍面臨挑戰(zhàn)。盡管西部地區(qū)擁有豐富的森林、濕地、草地等生態(tài)資源，為碳匯的集聚和提高碳排放效率提供了基礎(chǔ)支持，但甘肅、西藏、寧夏、新疆等地區(qū)的農(nóng)林業(yè)碳排放效率仍低于全國平均水平。如果這些地方政府能夠有效利用森林、濕地等生態(tài)系統(tǒng)的碳匯潛力，則可能對提升當(dāng)?shù)剞r(nóng)林業(yè)碳排放效率產(chǎn)生積極影響。

（2）我國農(nóng)林業(yè)碳排放效率的年均增長率為9.80%，與吳昊玥等（2021）的研究結(jié)果基本接近，呈現(xiàn)緩慢上升趨勢。然而，劉莉等（2023）則指出農(nóng)業(yè)碳排放效率的年均增長率為18%，不同的原因可能是其僅以農(nóng)業(yè)總產(chǎn)值作為期望產(chǎn)出的度量標(biāo)準(zhǔn)。因此，需要更全面地考慮農(nóng)業(yè)和林業(yè)的碳匯貢獻(xiàn)，以更準(zhǔn)確地評估農(nóng)林業(yè)碳排放效率的年均增長率。

（3）本地農(nóng)林業(yè)領(lǐng)域的研發(fā)創(chuàng)新對農(nóng)林業(yè)碳排放效率具有負(fù)向影響，但對鄰近地區(qū)的農(nóng)林業(yè)碳排放效率卻具有顯著的溢出效應(yīng)。該觀點(diǎn)與雷振丹等（2020）的研究結(jié)論存在一定分歧，他們認(rèn)為農(nóng)林業(yè)技術(shù)進(jìn)步與農(nóng)林業(yè)碳排放效率之間存在一種倒“U”型關(guān)系，即技術(shù)進(jìn)步可能在一定程度上提高碳排放效率，但在一定階段后可能產(chǎn)生反效果。然而，本文認(rèn)為中國農(nóng)林業(yè)研發(fā)創(chuàng)新相對于發(fā)達(dá)國家仍處于較初級的發(fā)展階段，因此仍存在大量未開發(fā)的潛力?？紤]到中國作為“小農(nóng)大國”的特殊背景，持續(xù)增加對農(nóng)林業(yè)研發(fā)創(chuàng)新的資金投入和政策支持仍然十分重要。農(nóng)林業(yè)研發(fā)創(chuàng)新與農(nóng)林業(yè)碳排放效率之間的關(guān)系可能呈現(xiàn)一種倒“U”型非線性模式，這一潛在關(guān)聯(lián)是當(dāng)前研究領(lǐng)域的空白，需要在未來的研究中進(jìn)行深入探討。對農(nóng)林業(yè)研發(fā)創(chuàng)新與農(nóng)林業(yè)碳排放效率之間的非線性關(guān)系進(jìn)行更詳盡的探究對于提升我國農(nóng)林業(yè)碳排放效率、有效利用農(nóng)村自然資源，以及促進(jìn)鄉(xiāng)村綠色發(fā)展具有至關(guān)重要的意義。農(nóng)林業(yè)用地的擴(kuò)大在當(dāng)?shù)赜兄诖龠M(jìn)農(nóng)林業(yè)碳排放效率，然而，它也在周邊地區(qū)引發(fā)顯著的虹吸效應(yīng)。這一觀點(diǎn)與Fu等（2023）的觀點(diǎn)基本一致，即農(nóng)林業(yè)用地作為農(nóng)林業(yè)生產(chǎn)的基本要素，在實(shí)現(xiàn)碳中和方面具有至關(guān)重要的地位，是農(nóng)村經(jīng)濟(jì)轉(zhuǎn)型和綠色發(fā)展的核心組成部分。

（4）張哲等（2023）認(rèn)為提高森林碳匯是我國實(shí)現(xiàn)“雙碳”目標(biāo)的重要舉措，這與本文的觀點(diǎn)基本一致。本文認(rèn)為只有不斷增加森林面積，才能不斷提高農(nóng)林業(yè)的碳排放效率，進(jìn)而實(shí)現(xiàn)我國的“雙碳”目標(biāo)。森林碳儲量在全國范圍內(nèi)呈現(xiàn)遞增趨勢，然而其空間分布卻存在顯著差異（Wang et al.， 2022）。東北、西北和西南地區(qū)的森林碳儲量遠(yuǎn)高于東部和中部地區(qū)，這種差異性與各地區(qū)的森林資源天賦、地理位置特征以及社會發(fā)展水平和模式息息相關(guān)。事實(shí)上，區(qū)域之間的差異是導(dǎo)致中國森林碳匯區(qū)域性異質(zhì)性的主要因素（Zhang et al.， 2016）。就森林資源天賦而言，不均勻分布是一個顯著特征，吉林擁有全國最高的森林碳儲量密度，其次是西藏、云南和黑龍江。吉林和黑龍江位于東北國有林區(qū)，這些地區(qū)涵蓋了傳統(tǒng)的東北針葉林和針闊混交林，擁有較為優(yōu)質(zhì)的森林資源，覆蓋面積廣闊，森林蓄積量大，因此這些地區(qū)的農(nóng)林業(yè)碳排放效率明顯高于全國平均水平。

6.3政策啟示

實(shí)現(xiàn)“雙碳”目標(biāo)對于我國應(yīng)對氣候變化、保護(hù)自然資源以及實(shí)現(xiàn)可持續(xù)發(fā)展具有重要戰(zhàn)略意義。在此背景下秉持低碳經(jīng)濟(jì)理念被認(rèn)為是未來鄉(xiāng)村振興綠色發(fā)展的關(guān)鍵途徑。這涉及到將生態(tài)保護(hù)與經(jīng)濟(jì)增長融合，并確立具有制度性和可持續(xù)性的模式，最終形塑嶄新的鄉(xiāng)村綠色發(fā)展典范。因此，本文從農(nóng)林業(yè)研發(fā)創(chuàng)新、政府監(jiān)管、農(nóng)林業(yè)碳匯等方面提出3點(diǎn)政策啟示。

（1）政府應(yīng)建立有效的農(nóng)林業(yè)碳排放與碳匯監(jiān)測報告體系，促進(jìn)研發(fā)創(chuàng)新中的知識共享與技術(shù)傳播，確保新興農(nóng)林業(yè)實(shí)踐和技術(shù)得到更廣泛的有效應(yīng)用。首先，從碳排放角度看，政府應(yīng)關(guān)注位于農(nóng)林業(yè)創(chuàng)新前沿的“領(lǐng)頭羊”地區(qū)，結(jié)合當(dāng)?shù)貏?chuàng)新成果，制定適宜的碳排放效率評價機(jī)制，從而消除這些地區(qū)在創(chuàng)新初期因碳排放效率降低所可能面臨的顧慮。同時，應(yīng)實(shí)施農(nóng)林業(yè)培訓(xùn)計劃、建立農(nóng)村合作社及信息中心，以幫助周邊地區(qū)有效運(yùn)用新技術(shù)，提升碳排放效率。其次，從碳匯的視角出發(fā)，各地政府應(yīng)加強(qiáng)政策協(xié)調(diào)及區(qū)域合作，以應(yīng)對農(nóng)林業(yè)研發(fā)創(chuàng)新中的邊界效應(yīng)。必要時可設(shè)立區(qū)域合作機(jī)構(gòu)，確保資源和信息的高效流動。綜上所述，這種綜合性策略不僅可以有效提高碳排放效率，還能夠推動農(nóng)林業(yè)的可持續(xù)發(fā)展。通過政策協(xié)調(diào)與技術(shù)支持，政府及相關(guān)機(jī)構(gòu)能夠共同應(yīng)對農(nóng)林業(yè)面臨的挑戰(zhàn)，實(shí)現(xiàn)低碳經(jīng)濟(jì)轉(zhuǎn)型，并為未來發(fā)展奠定堅實(shí)基礎(chǔ)。

（2）將農(nóng)業(yè)碳匯和林業(yè)碳匯全面納入中國碳排放權(quán)交易市場，以提高碳匯價格，使其與歐盟碳匯價格相當(dāng)，激勵更多的溫室氣體減排行為。地方政府應(yīng)當(dāng)鼓勵市級層面先行先試，開發(fā)鄉(xiāng)村林草碳匯項(xiàng)目，完善林農(nóng)和牧民小規(guī)模林草資源的價值實(shí)現(xiàn)機(jī)制。此外，探索生態(tài)修復(fù)和國土綠化等碳匯產(chǎn)品，將有助于豐富碳市場的產(chǎn)品類型。國家核證自愿碳減排量（China Certified Emission Reduction， CCER）作為減排信用的一種形式，可用于控排企業(yè)履約時清繳抵消實(shí)際碳排放量。目前，中國已審定公示多個CCER項(xiàng)目，涵蓋了可再生能源、農(nóng)業(yè)碳匯和碳匯造林等領(lǐng)域。將農(nóng)業(yè)碳匯和林業(yè)碳匯全面納入中國的碳排放權(quán)交易市場，有助于促進(jìn)溫室氣體減排，支持碳達(dá)峰與碳中和的戰(zhàn)略目標(biāo)。

（3）提高農(nóng)業(yè)和林業(yè)的碳匯能力。通過增加森林覆蓋率、擴(kuò)大林地面積，以及推廣綠色種植和經(jīng)營管理方式，促進(jìn)碳匯的積累和保存，從而減少碳排放。采取科學(xué)合理的林業(yè)用地規(guī)劃和管理措施，提高土地利用效率和農(nóng)林業(yè)產(chǎn)出的質(zhì)量和數(shù)量，以減少碳排放。同時，減少農(nóng)林業(yè)化肥的使用量，探索替代資源和生產(chǎn)方式，降低氮肥和磷肥對土壤和環(huán)境的負(fù)面影響。加強(qiáng)農(nóng)林業(yè)人員培訓(xùn)和技術(shù)支持，提高從業(yè)人員的素質(zhì)和專業(yè)能力，以促進(jìn)農(nóng)林業(yè)的可持續(xù)發(fā)展和碳排放效率的提升。在推動農(nóng)林業(yè)發(fā)展的同時，注重合理規(guī)劃和發(fā)展城市和鄉(xiāng)村經(jīng)濟(jì)，減少農(nóng)村勞動力流失，穩(wěn)定農(nóng)村人口，從而減少農(nóng)村的農(nóng)林業(yè)碳排放。同時，要注重城鄉(xiāng)一體化發(fā)展，提高城鎮(zhèn)化率，優(yōu)化資源配置，降低農(nóng)林業(yè)碳排放的溢出效應(yīng)。

參考文獻(xiàn)

蔡景麗，顧佳艷，陳敏，等. 2000-2020年中國種植業(yè)碳排放驅(qū)動因素及預(yù)測分析[J].環(huán)境科學(xué)與技術(shù)， 2023， 46（2）：159-167.

曹先磊，任云鶴，許騫騫，等.“雙碳”背景下林業(yè)碳匯項(xiàng)目經(jīng)營不確定性對投資者投資門檻的影響——以4省份林業(yè)碳匯項(xiàng)目為例[J].中國農(nóng)業(yè)大學(xué)學(xué)報， 2023， 28（12）：177-193.

陳科屹，林田苗，王建軍，等.天保工程20年對黑龍江大興安嶺國有林區(qū)森林碳庫的影響[J].生態(tài)環(huán)境學(xué)報， 2023， 32（6）：1016-1025.

董靜，黃衛(wèi)平.西方低碳經(jīng)濟(jì)理論的考察與反思——基于馬克思生態(tài)思想視角[J].當(dāng)代經(jīng)濟(jì)研究， 2018（2）：37-45， 97.

付偉，李龍，羅明燦等.省域視角下中國森林碳匯空間外溢效應(yīng)與影響因素[J].生態(tài)學(xué)報， 2023， 43（10）：4074-4085.

顧仲陽，劉溫馨.美麗中國不斷鋪展嶄新畫卷[N].人民日報， 2022-11-13（01）.

關(guān)曉靜.中國科技統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社， 2022.

韓金雨，曲建升，徐麗，等.支農(nóng)財政對農(nóng)業(yè)碳排放強(qiáng)度的空間效應(yīng)：基于空間杜賓模型的實(shí)證分析[J].生態(tài)與農(nóng)村環(huán)境學(xué)報， 2021， 37（11）：1404-1412.

何韻，費(fèi)梓萱，葉新建，等.天保工程碳匯價值評估及對“碳中和”的意義研究[J].公共管理學(xué)報， 2022， 19（2）：154-163， 176.

姜霞，黃祖輝.經(jīng)濟(jì)新常態(tài)下中國林業(yè)碳匯潛力分析[J].中國農(nóng)村經(jīng)濟(jì)， 2016（11）：57-67.

孔蕊，張增信，張鳳英，等.長江流域森林碳儲量的時空變化及其驅(qū)動因素分析[J].水土保持研究， 2020， 27（4）：60-66.

雷振丹，陳子真，李萬明.農(nóng)業(yè)技術(shù)進(jìn)步對農(nóng)業(yè)碳排放效率的非線性實(shí)證[J].統(tǒng)計與決策， 2020， 36（5）：67-71.

李華，李秀英，王磊，等.“雙碳”目標(biāo)下肥料行業(yè)發(fā)展對策——基于2011—2020年碳減排與存在問題的分析[J].中國生態(tài)農(nóng)業(yè)學(xué)報（中英文）， 2023， 31（2）：206-213.

李彥旻，沈育生，王世航.基于土地利用變化的安徽省陸地碳排放時空特征及效應(yīng)[J].水土保持學(xué)報， 2022， 36（1）：182-188.

劉海燕，鄭爽，孫藝珈，等.基于塞罕壩CCER項(xiàng)目視角的林業(yè)碳匯市場發(fā)展問題及對策[J].氣候變化研究進(jìn)展， 2023， 19（3）：381.

劉華軍，石印.中國農(nóng)業(yè)生態(tài)效率的空間分異與提升潛力[J].廣東財經(jīng)大學(xué)學(xué)報， 2020， 35（6）：51-64.

劉華軍，孫淑惠，李超.環(huán)境約束下中國化肥利用效率的空間差異及分布動態(tài)演進(jìn)[J].農(nóng)業(yè)經(jīng)濟(jì)問題， 2019， 476（8）：65-75.

劉莉，陳卓.農(nóng)業(yè)碳排放效率與綠色金融發(fā)展水平的耦合協(xié)調(diào)分析[J].阜陽師范大學(xué)學(xué)報（自然科學(xué)版）， 2023， 40（2）：87-98.

劉云強(qiáng)，邵小彧，劉莎，等.空間視角下綠色技術(shù)創(chuàng)新動力解構(gòu)：政策推進(jìn)與市場拉動[J].科技進(jìn)步與對策， 2022， 39（13）：54-64.

劉振偉.努力提高種業(yè)知識產(chǎn)權(quán)保護(hù)法治化水平[EB/OL].中國人大網(wǎng)， （2021-12-28）[2023-09-19]. http：//www.npc.gov.cn/c2/ c30834/202112/t20211228_315660. html.

魯豐先，張艷，秦耀辰，等.中國省級區(qū)域碳源匯空間格局研究[J].地理科學(xué)進(jìn)展， 2013， 32（12）：9.

全良，張敏，趙鳳.中國工業(yè)綠色全要素生產(chǎn)率及其影響因素研究——基于全局SBM方向性距離函數(shù)及SYS-GMM模型[J].生態(tài)經(jīng)濟(jì)， 2019， 35（4）：39-46.

全陽，溫艷萍，崔希洙.數(shù)字經(jīng)濟(jì)對林業(yè)碳匯增量影響及路徑研究——基于有調(diào)節(jié)的中介效應(yīng)模型[J].林業(yè)經(jīng)濟(jì)， 2023， 45（9）： 23-38.

尚杰，吉雪強(qiáng)，石銳，等.中國農(nóng)業(yè)碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)及驅(qū)動因素研究[J].中國生態(tài)農(nóng)業(yè)學(xué)報（中英文）， 2022， 30（4）：543？557.

沈月琴，曾程，王成軍，等.碳匯補(bǔ)貼和碳稅政策對林業(yè)經(jīng)濟(jì)的影響研究——基于CGE的分析[J].自然資源學(xué)報， 2015， 30（4）： 560-568.

譚濤，楊青，任家衛(wèi).“兩山”理論背景下海南省農(nóng)業(yè)碳排放效率與農(nóng)業(yè)經(jīng)濟(jì)增長耦合協(xié)調(diào)研究[J].中國農(nóng)業(yè)資源與區(qū)劃， 2024， 45（7）：28-38.

田云，蔡艷蓉.“雙碳”目標(biāo)下的農(nóng)業(yè)碳問題研究進(jìn)展及未來展望[J].華中農(nóng)業(yè)大學(xué)學(xué)報， 2024， 43（3）：75-88.

田云，林子娟.中國省域農(nóng)業(yè)碳排放效率與經(jīng)濟(jì)增長的耦合協(xié)調(diào)[J].中國人口·資源與環(huán)境， 2022， 32（4）：13-22.

田云，張俊飚.中國農(nóng)業(yè)生產(chǎn)凈碳效應(yīng)分異研究[J].自然資源學(xué)報， 2013， 28（8）：1298-1309.

王兵，牛香，宋慶豐.基于全口徑碳匯監(jiān)測的中國森林碳中和能力分析[J].環(huán)境保護(hù)， 2021， 49（16）：5.

王辰璇，姚佐文.農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率的空間效應(yīng)分析[J].中國生態(tài)農(nóng)業(yè)學(xué)報（中英文）， 2021， 29（11）：1952-1963.

吳昊玥，黃瀚蛟，何宇，等.中國農(nóng)業(yè)碳排放效率測度、空間溢出與影響因素[J].中國生態(tài)農(nóng)業(yè)學(xué)報（中英文）， 2021， 29（10）： 1762-1773.

吳磊，杜靜，朱晨高.農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)生態(tài)效率影響研究[J].生產(chǎn)力研究， 2022（12）：74-80.

伍楠林.黑龍江省發(fā)展森林碳匯貿(mào)易實(shí)證研究[J].國際貿(mào)易問題， 2011（7）：116-123.

謝會強(qiáng)，吳曉迪.城鄉(xiāng)融合對中國農(nóng)業(yè)碳排放效率的影響及其機(jī)制[J].資源科學(xué)， 2023， 45（1）：48-61.

許騫騫，曹先磊，孫婷，等.中國森林碳匯潛力與增匯成本評估——基于Meta分析方法[J].自然資源學(xué)報， 2022， 37（12）：3217-3233.

薛佳敏，徐明崗，張建杰.食物系統(tǒng)碳足跡研究進(jìn)展[J].中國生態(tài)農(nóng)業(yè)學(xué)報（中英文）， 2024， 32（2）：196-205.

顏光耀，陳衛(wèi)洪，錢海慧.農(nóng)業(yè)技術(shù)效率對農(nóng)業(yè)碳排放的影響——基于空間溢出效應(yīng)與門檻效應(yīng)分析[J].中國生態(tài)農(nóng)業(yè)學(xué)報（中英文）， 2023， 31（2）：226-240.

楊琳焱，謝會強(qiáng).農(nóng)業(yè)產(chǎn)業(yè)集聚對農(nóng)業(yè)碳排放效率的影響及其空間溢出效應(yīng)[J].作物研究， 2023， 37（4）：400-404， 421.

楊青林，趙榮欽，趙濤，等.縣域尺度農(nóng)業(yè)碳排放效率與糧食安全的關(guān)系[J].中國農(nóng)業(yè)資源與區(qū)劃， 2023， 44（2）：156-169.

張娟，陳欽.森林碳匯經(jīng)濟(jì)價值評估研究——以福建省為例[J].西南大學(xué)學(xué)報（自然科學(xué)版）， 2021， 43（5）：121-128.

張穎，李曉格，溫亞利.碳達(dá)峰碳中和背景下中國森林碳匯潛力分析研究[J].北京林業(yè)大學(xué)學(xué)報， 2022， 44（1）：10.

張哲，張煜星.世界主要碳排放國家碳達(dá)峰和碳匯能力研究[J].林業(yè)資源管理， 2023（2）：1-9.

趙寧，周蕾，莊杰，等.中國陸地生態(tài)系統(tǒng)碳源/匯整合分析[J].生態(tài)學(xué)報， 2021， 41（19）：7648-7658.

趙爽，趙丹丹.科技創(chuàng)新效率對農(nóng)業(yè)碳排放效率的影響與作用機(jī)制[J].生態(tài)經(jīng)濟(jì)， 2023， 39（9）：114-121.

鄭陽陽，羅建利.農(nóng)業(yè)生產(chǎn)效率的碳排放效應(yīng)：空間溢出與門檻特征[J].北京航空航天大學(xué)學(xué)報（社會科學(xué)版）， 2021， 34（1）： 96-105.

周一凡，李彬，張潤清.縣域尺度下河北省農(nóng)業(yè)碳排放時空演變與影響因素研究[J].中國生態(tài)農(nóng)業(yè)學(xué)報（中英文）， 2022， 30（4）：570-581.

鄒曉明，王國兵，葛之葳，等.林業(yè)碳匯提升的主要原理和途徑[J].南京林業(yè)大學(xué)學(xué)報（自然科學(xué)版）， 2022， 46（6）：167-176.

Araya G. Impact of Ethiopia’s productive safety net program on manure use by rural households：Evidence from Tigrai， Northern Ethiopia [J]. Agricultural Economics， 2020， 51（5）：725-742.

Banerjee K， Ghose A. Investigating the Role of Air Quality and the Nexus between Female Health Status and Their Labor Force Participation Rate： Evidence From Rural India [M] //Chakraborty C， Pal D. Gender Inequality and Its Implications on Education and Health： A Global Perspective. Leeds： Emerald Publishing Limited， 2023.

Cheng S， Meng L， Xing L. Energy technological innovation and carbon emissions mitigation： evidence from China [J]. Kybernetes. 2022， 51（3）：982-1008.

Fu J， Ding R， Zhu Y， et al. Analysis of the spatial-temporal evolution of Green and low carbon utilization efficiency of agricultural land in China and its influencing factors under the goal of carbon neutralization [J]. Environmental Research， 2023， 237（1）：116881.

Fukuyama H， Weber W L. A directional slacks-based measure of technical inefficiency [J]. Socio-Economic Planning Sciences， 2009， 43（4）：274-287.

He P， Zhang J， Li W. The role of agricultural green production technologies in improving low-carbon efficiency in China：Necessary but not effective [J]. Journal of Environmental Management， 2021， 293：112837.

Jhariya M， Meena R， BanerjeeA， et al. Agroforestry for carbon and ecosystem management：an overview [M] // Raj A， Jhariya M， Banerjee A， et al. Agroforestry for Carbon and Ecosystem Management. Cambridge： Academic Press， 2024.

Li Y， Zhang Y， PanA， et al. Carbon emission reduction effects of industrial robot applications： Heterogeneity characteristics and influencing mechanisms [J]. Technology in Society， 2022， 70：102034.

Liu H， Pang S， Sun M， et al. How can small and medium-sized cities differentiate their carbon peaks？ [J]. Ecological Indicators， 2024， 158：111231.

Martey E， Etwire P， Kuwornu J. Economic impacts of smallholder farmers’ adoption of drought-tolerant maize varieties [J]. Land Use Policy， 2020， 94：104524.

Pardo G， Casas R， del Prado A， et al. Carbon footprint of transhumant sheep farms：accounting for natural baseline emissions in Mediterranean systems [J/OL]. The International Journal of Life CycleAssessment， 2023[2023-02-14]. https：//doi.org/10.1007/s11367-023-02135-3.

Raj A， Jhariya M， Banerjee A， et al. Agroforestry to mitigate the climate change [M]//Raj A， Jhariya M， Banerjee A， et al. Agroforestry for Carbon and Ecosystem Management. Cambridge： Academic Press， 2024.

Rosa L， Sanchez D L， Realmonte G， et al. The water footprint of carbon capture and storage technologies [J]. Renewable and Sustainable Energy Reviews， 2021， 138：110511.

Rubens G. What is a sustainable policy？ A case for the Energiewende [M] //Heffron R， Little G. Delivering Energy Law and Policy in the EU and the US： A Reader. Edinburgh： Edinburgh University Press， 2016.

Schmidt H， Anca‐Couce A， Hagemann N， et al. Pyrogenic carbon capture and storage [J]. Gcb Bioenergy， 2019， 11（4）：573-591.

Wang H. Study on the Impact of Female Labor Force Participation on Carbon Emissions based on the Fixed Effect Model and FGLS Estimation [C]//Bhau G， Shvets Y， Mallick H. 2022 International Conference on mathematical statistics and economic analysis （MSEA 2022）. Amsterdam： Atlantis Press， 2022.

Wang J， Feng L， Palmer P， et al. Large Chinese land carbon sink estimated from atmospheric carbon dioxide data [J]. Nature， 2020， 586（7831）：720-723.

Wang J， Shi K， Hu M. Measurement of Forest Carbon Sink Efficiency and Its Influencing Factors： Empirical Evidence from China[J]. Forests， 2022， 13（11）：1909.

Zhang Y， Peng C， Li W， et al. Multiple afforestation programs accelerate the greenness in the ’Three North’ region of China from 1982 to 2013 [J]. Ecological Indicators， 2016， 61：404-412.

Zhou P， Ang B W， Wang H. Energy and CO2emission performance in electricity generation： a non-radial directional distance func‐tion approach [J]. European Journal of Operational Research， 2012， 221（3）：625-635.

（責(zé)任編輯韓杏容）