中国农业生产碳汇效应与生产绩效的时空特征VIP专享VIP免费

下载本文档

阅读 929
格式 pdf
大小 2.03 MB
约10页
2023-04-26
收藏
点赞(0)
海报
举报

随着温室气体排放量的增加，全球温室效应加

剧，进而引发气候变化和一系列生态环境问题。

IPCC第五次评估报告指出，人类活动产生的温室气

体排放是全球变暖的主要原因。中国作为世界人

中国农业生产碳汇效应与生产绩效的时空特征

曹执令，黄飞※，伍赛君

（湖南工学院商学院，中国湖南衡阳 421002）

摘要：将

农业碳汇与碳排放分别视为期望与非期望产出引入到农业生产绩效分析框架，以2007—2020年31

个省（自治区、直辖市）面板数据为样本，运用碳计量等模型评估农业生产碳汇效应与农业生产绩效，并揭示其时空

特征。研究结果表明：①我国净碳汇量均为正值，农业生态效应较好。②我国农业生产效率呈先减后增的波动变化

趋势，总体虽逐渐改善，但增幅不明显，发展形势不容乐观；农业技术进步不断创新，增长效应良好；农业技术效率增

长稳定，追赶效应强劲；内蒙古、广西的技术进步指数偏低，负向抵消了技术效率改进带来的追赶效应；其余地区是

由技术进步引起的增长效应和技术效率引起的追赶效应共同促进。③农业生产空间联结格局稳定，但受距离衰减

规律约束，东北与经济发达地区空间联系较强，而中西部地区联系出现脱节现象，上海、江苏和浙江成为增长极。④

大量省域处于低效率—低福利区域，面临着满足人们基本发展需求与碳排放局限的双重挑战。

关键词：低碳农业；农业碳汇；超效率 SBM；绩效评估

中图分类号：F727 文献标志码：A文章编号：1000 - 8462（2022）09 - 0166 - 10

DOI：10.15957/j.cnki.jjdl.2022.09.019

Carbon Sink Measurement and Spatio-temporal Evolution of

Agriculture Production in China

CAO Zhilin，HUANG Fei，WU Saijun

（Business School，Hunan Institute of Technology，Hengyang 421002，Hunan，China）

Abstract: Agriculture is not only an important source of greenhouse gas emissions,but also a huge carbon sink system.

Based on the joint production theory,this paper introduces agricultural carbon sink and carbon emission as expected and

unexpected output respectively into the agricultural economic analysis framework,and uses the panel data of 31 provinces

in China from 2007 to 2020 to measure the carbon sinks and evaluate the spatio-temporal of agricultural production by

the means of the super efficiency SBM,Malmquist-Luenberger(ML)index,Spatial Gravity model. The results show that: 1)

China's net carbon sinks are all positive,and the agricultural ecological effect is good. 2)The production performance of

agriculture in China shows a fluctuating trend which is decrease at the early stage and then increase. Although it is getting

better,the growth rate is not obvious and the development form is not optimistic.China's agricultural technology progress

has been innovating continuously,and the growth effect is good. The agricultural technology efficiency growth is stable

and the catch-up effect is strong. The low technological progress index represented by Inner Mongolia and Guangxi

offsets the catch-up effect brought by the improvement of technical efficiency. In other regions,the growth effect caused

by technological progress and the catch-up effect caused by technical efficiency jointly promote. 3) The spatial

connection pattern of agricultural production is stable, but restricted by the law of distance attenuation, the spatial

connection between northeastern China and economically developed areas is strong,while the connection between central

and western regions is out of touch. Shanghai, Jiangsu and Zhejiang become new growth poles. 4) A large number of

provinces are in low efficiency and low welfare areas,facing the dual challenges of meeting people's basic development

needs and carbon emission limitations.

Keywords: low-carbon agricultural; agricultural carbon sink; super efficiency SBM; efficiency evaluation

收稿时间：2022 - 02 - 23；修回时间：2022 - 06 - 29

基金项目：湖南省哲学社会科学基金项目（15YBA119、19JD21）；湖南教育厅科学研究重点项目（18A421、20A138）

作者简介：曹执令（1972—），男，湖南衡阳人，博士，教授，研究方向为应用经济。E-mail：15639936@qq.com

※通讯作者：黄飞（1980—），男，湖南衡阳人，博士，副教授，研究方向为应用经济。E-mail：hfhong12345@163.com

第42卷第 9期

2022年9月

经济地理

ECONOMIC GEOGRAPHY

Vol.42，No.9

Sep.，2022

口最多的国家和第二大经济体，应对全球气候变化

挑战具有担当精神，中国政府积极承担节能减排的

国际义务。例如，2009 年11 月，中国政府正式承

诺，2020 年将人均 GDP 碳排放量比 2005 年降低

40%~45%，到 2030 年实现 60%~65% 的减排目标。

党的十九大正式确立了“绿色发展”作为未来几十

年指导国家发展的思想之一。第二产业是碳排放

最主要的贡献者

［1］

①，因此我国绿色发展的政策关

注和学术讨论大多集中在制造业。然而，农业的快

速发展加速了全球气候变化，农业直接贡献了全球

温室气体排放量的 10%~12%

［2］

。IPCC 第五次评估

报告显示，农业生产已经成为全球温室气体第二大

排放源

［3］

。还有研究表明，中国农业生产中的温室

气体排放约占总排放量的 17%

［4］

。因此，发展低碳

农业是实现我国碳减排目标的关键举措。

从Maston 的“生态集约型农业”到 Cassman 的

“生态与经济的平衡”，再到王昀的“低耗能、低污

染、低排放”，注入“高效率、高碳汇”特征

［5］

，农业内

涵逐渐被赋予了“两高三低”。“循环农业”“生态农

业”“绿色农业”，都体现了“节能环保”思想

［6］

。近

年来，大量学者围绕农业碳排放与经济产出的关

系

［7］

、低碳农业适应指标及形式

［8］

、农业减排措施与

途径

［9-10］

、低碳农业发展水平与绿色发展

［11-14］

等方

面开展研究，这对于低碳、可持续发展和气候适应

性农业非常重要。生产绩效的评价方法有多种，从

输入和输出的角度来看，通常包括参数随机前沿分

析（SFA）和非参数数据包络分析（DEA）。使用 SFA

模型时，如果生产函数形式假设不当将会导致错误

的结论，而 DEA 模型可以避免不恰当的生产函数形

式。但由于 DEA 模型忽略了随机噪声，测算结果存

在多个有效 DMU（评价结果均为 1），还忽视了非期

望产出，这易导致绩效评价偏差

［15-19］

，于是，改进

DEA 模型的 DEA-Malmquist、SBM、SBM-DDF 等方

法应用于农业生产绩效的测度与评估

［20-23］

，高鸣等

使用 Malmquist-Luenberger（ML）指数模型分析了农

业碳排放绩效的动态变化

［24］

，陈儒等将农业碳汇、

碳排放分别视为农业期望产出与非期望产出以评

价我国城市低碳农业绩效

［25］

。

现有研究方法与成果为农业生产绩效研究提

供了参考和借鉴，但也存在不足。农业生产绩效研

究框架中引入产生温室效应的碳排放并视为产出

是合理的，但产出中忽视具有缓解温室效应的碳汇

是不可取的，同时，现有研究也忽略了其空间扩散

效应及社会福利效应分析。鉴于此，本文首先借鉴

以往文献，将农业碳汇作为期望产出，农业碳排放

视为非期望产出，引入联合生产的研究框架分析农

业生产绩效；其次引入 ML 指数和空间引力模型揭

示农业生产绩效的时空演变特征；然后基于资源环

境和社会福利视角关注农业生产绩效的福利效应。

这对于科学制定农业发展政策，实现农业经济增

长、提高居民福利与生态环境的可持续发展，具有

一定参考意义。

1模型构建

1.1 农业联合生产性质

联合生产是指在既定条件下生产过程中投入

要素产生不同形式的产出，比如类型、数量等，具有

多样性，但一般分为经济产出和非经济产出。联合

的性质与强度取决于多种因素，如产品特性、产量、

环境条件以及制度。任何生产过程都是联合生产，

因为活动过程必须服从能量守恒定律和熵定律的

约束，生产过程意味着熵值增加，且高熵值的原料

只有和低熵值的能源共同投入时方能实现生产过

程，而产出则必然包括低熵值的期望产品和高熵值

的非期望产品两大部分

［19］

。农业生产过程属于严

格的联合生产，也包含两类联合产品：一类是低熵

值的期望产品

—

—农产品或碳汇，另一类是高熵值

的非期望产品

—

—农业废弃物（含碳排放）

［25］

。

1.2 农业碳汇计量模型

农业碳汇是指一定时期内（通常是一年），区域

农业生产活动中农作物通过光合作用同化空气中

的碳，释放氧气，并减去作物呼吸作用产生的碳排

放量。采用 IPCC 推荐的系数测算方法

［25］

，确定农

作物为农业主要碳汇来源，碳排放来自机械与机械

外两种因素，构建农业净碳汇测度模型如下：

E=Em+Ek=Em+∑

Ti·ei（1）

Em=Am·B+Wm·C（2）

Ccrop =∑

Ccrop -i=∑

ci·Yi·

 

1 - riHi（3）

Cn=Ccrop -E（4）

式中：E表示农业碳排放总量；

Ek表示农业生产要

素碳排放总量；i表示农业生产要素类型（化肥用

量、农药用量、地膜用量、灌溉面积等）；

Ti表示农业

生产要素的使用量；

ei表示碳排放系数

［25］

；

Em表示

①本文在计算农作物的固碳时仅考虑常见的 12 种主要农作物：稻谷、小麦、玉米、棉花、蔬菜、薯类、花生、油菜籽、烟叶、甘蔗、高粱、豆类

和瓜果类，而未考虑西藏、青海、内蒙古等地草原面积。

第9期曹执令，黄飞，伍赛君：中国农业生产碳汇效应与生产绩效的时空特征 167

农用机械的碳排放量；

Am表示农作物种植面积；

表示机械总动力；转换系数 B与C分别表示

16.47kg/hm2和0.18 kg/kW；

Ccrop 表示农作物碳汇总

量；i表示农作物类型；ci表示碳吸收率；Yi表示产

量；ri表示含水量；Hi表示经济系数

［25］

；Cn表示净碳

汇量（kg）。

1.3 农业生产效率计量模型

农业生产效率测度模型（超效率 SBM 模型）。

超效率 SBM 模型是同时考虑非期望产出和松弛变

量的非径向距离 DEA 模型。假设评价过程中有 I

个决策单元（DMU），每个决策单元有 m个投入指标

和n个产出，

(xi,yi)表示第 i个决策单元投入产出向

量，有(xi,yi) ∈ ( X,Y)，则超效率 SBM模型为：

p*= min 1 - m-1∑

k= 1

mS-

kxik

1 - n-1∑

r= 1

nS+

ryir

s.t.













xi=Xλ +s-

yi=Yλ -s+

λ≥ 0 ; i= 1,2,⋯,I

s-≥ 0 ; s+≥ 0

（5）

式中：

p*为DMU 的效率值，且有 p*> 0；松弛变量 S-

为第 k个投入要素的冗余量；松弛变量 S+

r为第 r个

产出不足量；

λ为调整矩阵；

Xλ 和Yλ 分别表示生产

前沿上的投入与产出量。效率值 p*是关于 S-

k、

S+

r的

单调递减，当且仅当 S+

r=S-

k= 0时，

p*≥ 1，表明决策

单元完全有效（即位于效率前沿），因为不存在投入

冗余和产出不足现象，否则决策单元非完全有效。

1.4 Malmquist-Luenberger（ML）指数

ML 指数能更充分地揭示农业生产效率在时间

序列上的动态演变趋势。一方面，ML 指数是基于

方向性距离函数，可以实现在增加期望产出的同时

减少非期望产出，弥补传统 Malmquist 指数无法衡

量非期望产出对绩效影响的缺陷；另一方面，ML 指

数不仅能清晰地反映出决策单元绩效随时间变化

趋势，从而揭示其绩效改善状况，还能将生产绩效

进一步分解为技术效率和技术进步，便于绩效变动

原因分析与追踪。农业生产绩效 ML指数模型为：

MLi(t,t+ 1) = 

















i(xt+ 1,yt+ 1 )

i(xt,yt)·Dt+ 1

i(xt+ 1,yt+ 1 )

Dt+ 1

i(xt,yt)

1 2

=Dt+ 1

i(xt+ 1,yt+ 1 )

i(xt,yt)·

















i(xt+ 1,yt+ 1 ) × Dt

i(xt,yt)

Dt+ 1

i(xt+ 1,yt+ 1 ) × Dt+ 1

i(xt,yt)

1 2

=ECi(t,t+ 1)·TCi(t,t+ 1)

（6）

式中：

MLi(t,t+ 1)，

ECi(t,t+ 1)，

TCi(t,t+ 1) 分别表

示从 t→t+ 1 农业生产绩效 ML 指数、技术效率指

数与技术进步指数；Dt

i与Dt+ 1

i为参考距离函数。

ML 指数效应可以看成是由技术效率 EC 和技术进

步TC 的共同合成，若 ML (t,t+ 1) > 1，则表示农业

生产绩效有所改善；若 ML (t,t+ 1) < 1，则表示农业

生产绩效并未改善。

1.5 空间引力模型

空间引力模型既能清晰地测度中心区域对其

周边区域的扩散效应，也能准确地显示周边区域对

中心地带辐射效应的摄取能力，已成为新经济地理

学核心方法

［26］

。因此，本文引入空间引力模型量化

农业生产绩效的空间联系，以衡量某地区农业生产

对其他地区的扩散效应以及周边区域对中心地带

辐射效应的摄取能力，进而揭示农业生产绩效空间

演变特征。空间引力模型为：

Rij =Kgi·gj

（7）

式中：

gi、

gj分别表示 i、j地区的农业生产绩效；

dij 为

两地区空间距离；b为联系强度衰减因子，一般取值

为2；K为引力常数；

Rij 表示地区 i与地区 j之间的农

业生产绩效空间联系强度，

Rij 值越大，表征空间联

系越紧密。i地区的空间联系势能值（

）为：

Ri=∑

i= 1

nRij （8）

式中：

Ri为i地区农业生产绩效的空间吸引与扩散

能力，其值越大意味着 i地区农业发展绩效辐射能

力就越大，区域中的地位越突出。

表1农业生产绩效的指标体系

［1］

Tab.1 Index system of agricultural production performance

类别

投入指标

产出指标

对象

农业固定资产投资

农业化肥施用量

农业机械总动力

有效灌溉面积

农业劳动力

农业土地投入

农业总产值

农业碳汇量

农业碳排放量

符号

IAF

FTD

AMP

EIA

ALF

ALI

AGO

ACS

ACE

数据来源

指标数据来源于《中国统计年鉴》（2007—2021 年）、《中国农村统计年鉴》（2007—2021

年）、各城市统计年鉴、国民经济与社会发展统计公报，机械总动力等能源消耗依据《中

国能源统计年鉴 2018》核算，农业劳动力由第一产业年末从业人数进行衡量，土地投入

用农作物播种面积、年末实有果园面积与造林面积加总所得

农业碳排放量、农业碳汇量根据公式（1）~（4）计算所得

168 经济地理第42卷

/10

下载本文档

文本预览下载提示常见问题

随着温室气体排放量的增加，全球温室效应加剧，进而引发气候变化和一系列生态环境问题。IPCC第五次评估报告指出，人类活动产生的温室气体排放是全球变暖的主要原因。中国作为世界人中国农业生产碳汇效应与生产绩效的时空特征曹执令，黄飞※，伍赛君（湖南工学院商学院，中国湖南衡阳421002）摘要：将农业碳汇与碳排放分别视为期望与非期望产出引入到农业生产绩效分析框架，以2007—2020年31个省（自治区、直辖市）面板数据为样本，运用碳计量等模型评估农业生产碳汇效应与农业生产绩效，并揭示其时空特征。研究结果表明：①我国净碳汇量均为正值，农业生态效应较好。②我国农业生产效率呈先减后增的波动变化趋势，总体虽逐渐改善，但增幅不明显，发展形势不容乐观；农业技术进步不断创新，增长效应良好；农业技术效率增长稳定，追赶效应强劲；内蒙古、广西的技术进步指数偏低，负向抵消了技术效率改进带来的追赶效应；其余地区是由技术进步引起的增长效应和技术效率引起的追赶效应共同促进。③农业生产空间联结格局稳定，但受距离衰减规律约束，东北与经济发达地区空间联系较强，而中西部地区联系出现脱节现象，上海、江苏和浙江成为增长极。④大量省域处于低效率—低福利区域，面临着满足人们基本发展需求与碳排放局限的双重挑战。关键词：低碳农业；农业碳汇；超效率SBM；绩效评估中图分类号：F727文献标志码：A文章编号：1000-8462（2022）09-0166-10DOI：10.15957/j.cnki.jjdl.2022.09.019CarbonSinkMeasurementandSpatio-temporalEvolutionofAgricultureProductioninChinaCAOZhilin，HUANGFei，WUSaijun（BusinessSchool，HunanInstituteofTechnology，Hengyang421002，Hunan，China）Abstract:Agricultureisnotonlyanimportantsourceofgreenhousegasemissions,butalsoahugecarbonsinksystem.Basedonthejointproductiontheory,thispaperintroducesagriculturalcarbonsinkandcarbonemissionasexpectedandunexpectedoutputrespectivelyintotheagriculturaleconomicanalysisframework,andusesthepaneldataof31provincesinChinafrom2007to2020tomeasurethecarbonsinksandevaluatethespatio-temporalofagriculturalproductionbythemeansofthesuperefficiencySBM,Malmquist-Luenberger(ML)index,SpatialGravitymodel.Theresultsshowthat:1)China'snetcarbonsinksareallpositive,andtheagriculturalecologicaleffectisgood.2)TheproductionperformanceofagricultureinChinashowsafluctuatingtrendwhichisdecreaseattheearlystageandthenincrease.Althoughitisgettingbetter,thegrowthrateisnotobviousandthedevelopmentformisnotoptimistic.China'sagriculturaltechnologyprogresshasbeeninnovatingcontinuously,andthegrowtheffectisgood.Theagriculturaltechnologyefficiencygrowthisstableandthecatch-upeffectisstrong.ThelowtechnologicalprogressindexrepresentedbyInnerMongoliaandGuangxioffsetsthecatch-upeffectbroughtbytheimprovementoftechnicalefficiency.Inotherregions,thegrowtheffectcausedbytechnologicalprogressandthecatch-upeffectcausedbytechnicalefficiencyjointlypromote.3)Thespatialconnectionpatternofagriculturalproductionisstable,butrestrictedbythelawofdistanceattenuation,thespatialconnectionbetweennortheasternChinaandeconomicallydevelopedareasisstrong,whiletheconnectionbetweencentralandwesternregionsisoutoftouch.Shanghai,JiangsuandZhejiangbecomenewgrowthpoles.4)Alargenumberofprovincesareinlowefficiencyandlowwelfareareas,facingthedualchallengesofmeetingpeople'sbasicdevelopmentneedsandcarbonemissionlimitations.Keywords:low-carbonagricultural;agriculturalcarbonsink;superefficiencySBM;efficiencyevaluation收稿时间：2022-02-23；修回时间：2022-06-29基金项目：湖南省哲学社会科学基金项目（15YBA119、19JD21）；湖南教育厅科学研究重点项目（18A421、20A138）作者简介：曹执令（1972—），男，湖南衡阳人，博士，教授，研究方向为应用经济。E-mail：15639936@qq.com※通讯作者：黄飞（1980—），男，湖南衡阳人，博士，副教授，研究方向为应用经济。E-mail：hfhong12345@163.com第42卷第9期2022年9月经济地理ECONOMICGEOGRAPHYVol.42，No.9Sep.，2022口最多的国家和第二大经济体，应对全球气候变化挑战具有担当精神，中国政府积极承担节能减排的国际义务。例如，2009年11月，中国政府正式承诺，2020年将人均GDP碳排放量比2005年降低40%~45%，到2030年实现60%~65%的减排目标。党的十九大正式确立了“绿色发展”作为未来几十年指导国家发展的思想之一。第二产业是碳排放最主要的贡献者［1］①，因此我国绿色发展的政策关注和学术讨论大多集中在制造业。然而，农业的快速发展加速了全球气候变化，农业直接贡献了全球温室气体排放量的10%~12%［2］。IPCC第五次评估报告显示，农业生产已经成为全球温室气体第二大排放源［3］。还有研究表明，中国农业生产中的温室气体排放约占总排放量的17%［4］。因此，发展低碳农业是实现我国碳减排目标的关键举措。从Maston的“生态集约型农业”到Cassman的“生态与经济的平衡”，再到王昀的“低耗能、低污染、低排放”，注入“高效率、高碳汇”特征［5］，农业内涵逐渐被赋予了“两高三低”。“循环农业”“生态农业”“绿色农业”，都体现了“节能环保”思想［6］。近年来，大量学者围绕农业碳排放与经济产出的关系［7］、低碳农业适应指标及形式［8］、农业减排措施与途径［9-10］、低碳农业发展水平与绿色发展［11-14］等方面开展研究，这对于低碳、可持续发展和气候适应性农业非常重要。生产绩效的评价方法有多种，从输入和输出的角度来看，通常包括参数随机前沿分析（SFA）和非参数数据包络分析（DEA）。使用SFA模型时，如果生产函数形式假设不当将会导致错误的结论，而DEA模型可以避免不恰当的生产函数形式。但由于DEA模型忽略了随机噪声，测算结果存在多个有效DMU（评价结果均为1），还忽视了非期望产出，这易导致绩效评价偏差［15-19］，于是，改进DEA模型的DEA-Malmquist、SBM、SBM-DDF等方法应用于农业生产绩效的测度与评估［20-23］，高鸣等使用Malmquist-Luenberger（ML）指数模型分析了农业碳排放绩效的动态变化［24］，陈儒等将农业碳汇、碳排放分别视为农业期望产出与非期望产出以评价我国城市低碳农业绩效［25］。现有研究方法与成果为农业生产绩效研究提供了参考和借鉴，但也存在不足。农业生产绩效研究框架中引入产生温室效应的碳排放并视为产出是合理的，但产出中忽视具有缓解温室效应的碳汇是不可取的，同时，现有研究也忽略了其空间扩散效应及社会福利效应分析。鉴于此，本文首先借鉴以往文献，将农业碳汇作为期望产出，农业碳排放视为非期望产出，引入联合生产的研究框架分析农业生产绩效；其次引入ML指数和空间引力模型揭示农业生产绩效的时空演变特征；然后基于资源环境和社会福利视角关注农业生产绩效的福利效应。这对于科学制定农业发展政策，实现农业经济增长、提高居民福利与生态环境的可持续发展，具有一定参考意义。1模型构建1.1农业联合生产性质联合生产是指在既定条件下生产过程中投入要素产生不同形式的产出，比如类型、数量等，具有多样性，但一般分为经济产出和非经济产出。联合的性质与强度取决于多种因素，如产品特性、产量、环境条件以及制度。任何生产过程都是联合生产，因为活动过程必须服从能量守恒定律和熵定律的约束，生产过程意味着熵值增加，且高熵值的原料只有和低熵值的能源共同投入时方能实现生产过程，而产出则必然包括低熵值的期望产品和高熵值的非期望产品两大部分［19］。农业生产过程属于严格的联合生产，也包含两类联合产品：一类是低熵值的期望产品——农产品或碳汇，另一类是高熵值的非期望产品——农业废弃物（含碳排放）［25］。1.2农业碳汇计量模型农业碳汇是指一定时期内（通常是一年），区域农业生产活动中农作物通过光合作用同化空气中的碳，释放氧气，并减去作物呼吸作用产生的碳排放量。采用IPCC推荐的系数测算方法［25］，确定农作物为农业主要碳汇来源，碳排放来自机械与机械外两种因素，构建农业净碳汇测度模型如下：E=Em+Ek=Em+∑Ti·ei（1）Em=Am·B+Wm·C（2）Ccrop=∑Ccrop-i=∑ci·Yi·()1-riHi（3）Cn=Ccrop-E（4）式中：E表示农业碳排放总量；Ek表示农业生产要素碳排放总量；i表示农业生产要素类型（化肥用量、农药用量、地膜用量、灌溉面积等）；Ti表示农业生产要素的使用量；ei表示碳排放系数［25］；Em表示①本文在计算农作物的固碳时仅考虑常见的12种主要农作物：稻谷、小麦、玉米、棉花、蔬菜、薯类、花生、油菜籽、烟叶、甘蔗、高粱、豆类和瓜果类，而未考虑西藏、青海、内蒙古等地草原面积。第9期曹执令，黄飞，伍赛君：中国农业生产碳汇效应与生产绩效的时空特征167农用机械的碳排放量；Am表示农作物种植面积；Wm表示机械总动力；转换系数B与C分别表示16.47kg/hm2和0.18kg/kW；Ccrop表示农作物碳汇总量；i表示农作物类型；ci表示碳吸收率；Yi表示产量；ri表示含水量；Hi表示经济系数［25］；Cn表示净碳汇量（kg）。1.3农业生产效率计量模型农业生产效率测度模型（超效率SBM模型）。超效率SBM模型是同时考虑非期望产出和松弛变量的非径向距离DEA模型。假设评价过程中有I个决策单元（DMU），每个决策单元有m个投入指标和n个产出，(xi,yi)表示第i个决策单元投入产出向量，有(xi,yi)∈(X,Y)，则超效率SBM模型为：p=min1-m-1∑k=1mS-kxik1-n-1∑r=1nS+ryirs.t.■■■ïïïïïïïïxi=Xλ+s-yi=Yλ-s+λ≥0;i=1,2,⋯,Is-≥0;s+≥0（5）式中：p为DMU的效率值，且有p>0；松弛变量S-k为第k个投入要素的冗余量；松弛变量S+r为第r个产出不足量；λ为调整矩阵；Xλ和Yλ分别表示生产前沿上的投入与产出量。效率值p是关于S-k、S+r的单调递减，当且仅当S+r=S-k=0时，p≥1，表明决策单元完全有效（即位于效率前沿），因为不存在投入冗余和产出不足现象，否则决策单元非完全有效。1.4Malmquist-Luenberger（ML）指数ML指数能更充分地揭示农业生产效率在时间序列上的动态演变趋势。一方面，ML指数是基于方向性距离函数，可以实现在增加期望产出的同时减少非期望产出，弥补传统Malmquist指数无法衡量非期望产出对绩效影响的缺陷；另一方面，ML指数不仅能清晰地反映出决策单元绩效随时间变化趋势，从而揭示其绩效改善状况，还能将生产绩效进一步分解为技术效率和技术进步，便于绩效变动原因分析与追踪。农业生产绩效ML指数模型为：MLi(t,t+1)=■■êêêê■■úúúúDti(xt+1,yt+1)Dti(xt,yt)·Dt+1i(xt+1,yt+1)Dt+1i(xt,yt)12=Dt+1i(xt+1,yt+1)Dti(xt,yt)·■■êêêê■■úúúúDti(xt+1,yt+1)×Dti(xt,yt)Dt+1i(xt+1,yt+1)×Dt+1i(xt,yt)12=ECi(t,t+1)·TCi(t,t+1)（6）式中：MLi(t,t+1)，ECi(t,t+1)，TCi(t,t+1)分别表示从t→t+1农业生产绩效ML指数、技术效率指数与技术进步指数；Dti与Dt+1i为参考距离函数。ML指数效应可以看成是由技术效率EC和技术进步TC的共同合成，若ML(t,t+1)>1，则表示农业生产绩效有所改善；若ML(t,t+1)<1，则表示农业生产绩效并未改善。1.5空间引力模型空间引力模型既能清晰地测度中心区域对其周边区域的扩散效应，也能准确地显示周边区域对中心地带辐射效应的摄取能力，已成为新经济地理学核心方法［26］。因此，本文引入空间引力模型量化农业生产绩效的空间联系，以衡量某地区农业生产对其他地区的扩散效应以及周边区域对中心地带辐射效应的摄取能力，进而揭示农业生产绩效空间演变特征。空间引力模型为：Rij=Kgi·gjdbij（7）式中：gi、gj分别表示i、j地区的农业生产绩效；dij为两地区空间距离；b为联系强度衰减因子，一般取值为2；K为引力常数；Rij表示地区i与地区j之间的农业生产绩效空间联系强度，Rij值越大，表征空间联系越紧密。i地区的空间联系势能值（Ri）为：Ri=∑i=1nRij（8）式中：Ri为i地区农业生产绩效的空间吸引与扩散能力，其值越大意味着i地区农业发展绩效辐射能力就越大，区域中的地位越突出。表1农业生产绩效的指标体系［1］Tab.1Indexsystemofagriculturalproductionperformance类别投入指标产出指标对象农业固定资产投资农业化肥施用量农业机械总动力有效灌溉面积农业劳动力农业土地投入农业总产值农业碳汇量农业碳排放量符号IAFFTDAMPEIAALFALIAGOACSACE数据来源指标数据来源于《中国统计年鉴》（2007—2021年）、《中国农村统计年鉴》（2007—2021年）、各城市统计年鉴、国民经济与社会发展统计公报，机械总动力等能源消耗依据《中国能源统计年鉴2018》核算，农业劳动力由第一产业年末从业人数进行衡量，土地投入用农作物播种面积、年末实有果园面积与造林面积加总所得农业碳排放量、农业碳汇量根据公式（1）~（4）计算所得168经济地理第42卷第9期曹执令，黄飞，伍赛君：中国农业生产碳汇效应与生产绩效的时空特征1691.6指标与数据根据整体性、可比性、科学性与动态性等指标体系构建原则，结合包含非期望产出的多种投入与产出的要求，构建以农业固定资产投资额（IAF）、农业化肥施用量（FTD）、农业机械总动力（AMP）、农业有效灌溉面积（EIA）、农业劳动力（ALF）与农业土地投入（ALI）6个指标作为农业生产投入指标，而以农业总产值（AGO）和农业碳汇量（ACS）作为农业生产期望产出指标，农业碳排放量（ACE）作为农业生产非期望产出指标的农业生产绩效指标体系（表1）。以我国31省（自治区、直辖市）作为研究对象（港澳台除外），2007—2020年面板数据为样本，运用MaxDEAULtra软件测度农业生产绩效并揭示其时空格局演变。2农业生产绩效的实证结果分析2.1农业生产的碳汇效应农业生产不仅包括农业GDP和农业碳汇为代表的期望产出，同时还产生以碳排放为代表的非期望产出。农业净碳汇量等于农业碳汇量减去碳排放量，反映农业生态效应的核心指标，根据公式（1）~（4），测算农业净碳汇量（表2，图1）。表2显示我国农业生产的净碳汇量都大于0，实现了碳汇盈余，意味着农业发展的生态效益较好。河南、广西、山东、河北、黑龙江、吉林等省区的农业生产净碳汇绝对量较大，生态效应较好，而宁夏、福建、天津、海南、青海、上海、北京、西藏等省区农业生态效应则相对较弱。我国净碳汇量均值由2007年的1681.1万t增长到2020年的2382.6万t，增长了约40%，且呈逐年递增趋势（图1）。然而，区域间净碳汇量增长不均，中部地区明显高于东部与西部，这与中部地区作为全国农业主产地，其有效灌溉面积大、农作物种植产量大有直接关联。2.2农业生产的绩效评估22..22..11农业生产效率的测度农业生产效率的测度表2全国农业生产净碳汇量(万t)Tab.2NetcarbonsequestrationofagriculturalproductioninChina(TenthousandTons)地区北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南重庆四川贵州云南西藏陕西甘肃青海宁夏新疆平均2007104.0169.23231.2897.61513.31609.62205.62956.394.52860.1621.22794.5417.21530.64655.95769.42217.82271.11493.54518.3274.0780.32615.3942.01750.736.5972.3573.3121.3245.11871.11681.12008125.9169.63320.5965.21754.91682.92584.03703.399.12922.5668.62947.3441.61585.54846.55859.92267.82394.51457.04733.7327.3837.72795.6977.12026.135.41025.6641.9113.7260.71935.31790.52009125.6175.63274.3861.91660.31433.92209.73778.3106.42973.0677.23005.8449.31639.14874.15820.62359.02543.61541.34470.4310.0834.32818.61001.72048.133.91048.8668.2115.7274.92001.41778.52010115.2180.03320.7992.01801.11622.42506.44340.5103.42996.5657.32977.0446.11605.24817.55832.82352.12543.41572.04253.8265.7859.42861.4942.81953.833.91065.3718.9114.0287.02008.11811.22011121.2187.83437.91074.22000.71901.42853.34839.5107.93072.6666.13028.1457.11698.94950.35884.32427.82655.31664.84341.0272.3846.22923.9704.62186.135.11089.3740.1113.4289.22215.91896.32012113.3184.43619.31156.52158.21976.32937.74969.9107.23163.0652.33162.7450.31730.15041.36000.92511.12702.01729.54642.8299.9861.72950.7950.72326.735.71116.2867.4119.6308.52494.51978.7201394.9192.43696.41180.72385.32122.13201.75212.099.33233.5614.33143.1457.71769.45045.16070.52574.92644.51700.44795.5305.5873.43019.8907.12419.033.4973.3878.6112.6303.52569.62020.3201461.6190.13704.81196.22411.71609.13151.15447.097.23295.8623.23298.1458.71782.05150.36103.72629.22699.91762.74749.4303.9876.83024.7996.62415.632.51069.7903.268.5315.12607.22033.4201559.0192.73688.01128.52473.41834.13236.35538.796.33306.0670.53324.2552.81731.85081.66583.62653.32807.11726.64552.2227.5891.33090.21025.12348.530.01114.9921.165.3317.02645.42061.7201648.5191.83757.71247.42865.32204.93756.16102.082.73257.8596.83149.8352.71749.95641.06717.32605.42644.11560.04322.5181.9876.93380.01143.72298.131.61189.8838.398.1307.32746.02127.3201736.7210.43834.11169.82757.12116.33746.06508.282.63359.5492.53694.3303.11868.85739.46865.12771.42745.91022.84306.4142.3851.93248.6974.62175.532.61044.2886.4105.6303.93059.12143.7201833.5215.13900.91204.82934.32195.53966.37056.581.63414.3482.63804.4297.02063.55863.86987.12834.52800.2993.14289.7134.7859.73321.7989.22227.932.31054.5927.7106.4310.73215.92212.8201930.2221.33986.21243.93122.02287.74194.57620.380.83486.0472.83931.5291.32296.76014.07147.02913.22864.3969.04282.2126.4868.93404.41007.72276.332.11067.5971.9108.1318.43399.82291.5202026.9228.24089.61296.03342.22415.34483.28234.279.63567.1461.84071.8284.92577.46185.07339.92998.32925.9942.54291.6117.8879.03495.31027.62322.732.21080.81018.4110.3326.13608.32382.6年份净碳汇量均值(万t)1000■1500■2000■2500■3000■3500■4000■4500■20072008200920102011201220132014201520162017201820192020东中西全国图1农业生产的净碳汇量均值Fig.1Averagevalueofnetcarbonsequestrationinagriculturalproduction经济效益与生态效益双赢才是实现农业持续有效高质量健康发展的关键。农业生产的经济效益，即既定农业生产投入，非期望产出（农业碳排放量）越低，期望产出（农业碳汇量和农业GDP）越大。本文采用超效率SBM模型，以2007—2020年面板数据为样本，测度我国31个省（自治区、直辖市）农业生产效率，结果见表3。表3显示了我国农业生产效率相对有效（效率＞1）的决策单元（DMU）数量在2007年有9个，但在2010年仅有2个，之后相对有效决策单元数量有所增加，到2017年时达到19个；农业生产效率均值呈先降后升波动上升趋势，分别在2010年（0.593）和2015年（0.714）达到低点，在2013年（0.737）和2020年（0.869）出现高点，这表明自2010年后我国农业生产效率不断增加，农业发展态势持续向好，农业低碳意识逐渐增强。同时还发现地区间存在显著的时空差异，最大值为1.309（上海，2017年），最小值仅为0.278（甘肃，2009年），相差近4倍；北京、上表3全国农业生产效率Tab.3PerformanceofagriculturalproductioninChina地区北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南重庆四川贵州云南西藏陕西甘肃青海宁夏新疆东部中部西部全国20071.0020.4830.4580.3251.0270.5931.0040.5190.9251.0460.5090.4800.5400.5590.8191.0660.5670.5961.0461.0580.8660.4390.6700.4780.4821.0870.3630.3001.0210.3030.7480.7530.6830.6320.69020081.0060.4480.4360.3470.3800.6151.0090.5741.0231.0060.5710.4690.5630.5200.8950.9550.5630.6251.0201.0281.0690.4430.6500.4560.4851.0070.3710.3090.8570.3291.0090.7870.6050.6310.67920090.6260.4380.4160.2870.3430.6001.2920.5301.0110.8050.5400.4590.5350.4481.0080.8200.5000.5040.7000.8770.7550.3940.5380.4110.4370.8490.3300.2780.6410.3410.6970.6760.5760.5270.59420100.6430.4600.4630.3040.3780.6650.6090.6821.0130.7520.6340.4810.5550.4700.9350.8640.5330.4920.6610.8710.8560.3990.5850.4180.4331.0010.3520.2950.6100.3910.5750.6940.5350.5390.59320110.7540.4840.4880.3340.4310.7440.6530.7511.0350.8631.0010.4970.6570.5451.0131.0020.5620.5590.7421.0001.0270.4290.7390.3640.5681.0030.3910.3100.6880.3680.6790.8010.5930.5940.66720120.8340.4910.5030.3400.4550.8090.7040.7601.0080.9330.7030.4710.6980.5440.9771.0030.5680.5660.7801.0270.9650.4510.8010.4750.5781.0070.4100.3240.7450.3650.7820.7910.6010.6330.68020131.0160.5350.5510.3350.4881.0341.0180.8241.0041.0280.7420.4560.7261.1951.0011.0140.5950.5350.8181.0051.0430.4730.8220.5240.5600.6410.4290.3170.7640.3591.0020.8630.7180.6270.73720141.0240.5400.5330.3370.4760.8670.9161.0211.0170.9590.7550.4580.7430.6791.0120.9170.6210.5341.0111.0141.0180.4861.0010.5790.5450.6160.4630.3070.5970.3651.0030.8620.6620.6340.72320151.0110.5670.5060.3180.4811.0030.8710.8921.0401.0251.0020.4540.7870.6701.0081.0080.6380.5400.8720.9800.9240.5131.0020.7170.5170.5710.4650.3070.4270.3690.6490.8860.6520.5920.71420161.0130.5980.5460.3640.5141.0081.0151.0040.9011.0051.0030.4671.0150.7721.0081.0060.6950.5651.0261.0081.0320.5901.0171.0200.5340.7210.5180.3250.8670.3920.6400.9230.7110.6940.78020171.1320.6730.5650.3890.4881.0191.0051.0481.3091.0201.0390.5271.0311.0021.0201.0110.7630.5861.0131.0121.0140.6021.0131.0440.5351.0160.4980.3711.0400.3951.0060.9850.7580.7760.84520181.0250.7320.6460.4280.5410.9531.0011.0021.0401.0251.0120.6540.9871.0021.0081.0070.8480.6770.9720.9820.9740.6931.0010.9670.6470.9710.5950.4770.9470.4790.9590.9430.7960.7930.84720191.0150.7120.6760.4240.5541.0011.0150.9521.0611.1051.0130.6511.0050.9721.0101.0050.8650.6751.0061.0021.0020.7101.0121.0010.6540.9810.6180.4950.8870.4920.870.9640.7900.7930.85320201.0210.7230.6650.4390.5681.0111.0051.0131.1091.1201.0290.6571.0111.0011.0101.0120.8830.7161.0111.0141.0110.7151.0131.0240.6751.0060.6280.5110.9400.5150.8860.9750.8100.8120.869170经济地理第42卷第9期曹执令，黄飞，伍赛君：中国农业生产碳汇效应与生产绩效的时空特征171海、江苏、浙江、辽宁等东部地区效率值大多大于1.0，而宁夏、甘肃、山西、陕西等西部地区效率值却大多小于0.5，离相对有效还有较大差距，这说明空间地域、资源禀赋等因素影响农业生产效率，从而制约着低碳农业发展。区域视角显示我国农业生产效率呈现“东部最高，中部次之，西部最低”的发展态势。东部高效率得益于地区的农业技术水平发展快以及与其他产业良好结合，更注重减少碳排放，例如生态农业与生态旅游业的结合。作为粮食主产区的中部地区，对我国农业经济增长贡献重大，农业生产效率并不理想，农业发展付出了较大资源消耗和环境代价。而农业发展与资源、环境处于失衡状态，经济发展滞后、资源配置不合理、农业生产结构单一是大多数西部地区农业发展所面临的问题。22..22..22农业生产效率的动态演变趋势农业生产效率的动态演变趋势采用ML指数模型分析我国农业生产效率的动态演变趋势。如图2所示，除2008和2009年外，农业生产效率的ML指数都高于1，呈先降后升的波动上升趋势。2008年爆发了全球金融危机，导致全球宏观经济下行，农业也未能幸免，使其效率下降；政府为拉动经济增长制定了诸多政策，其中不乏促进农业经济增长方面的，这很容易导致人们初期更注重产出而忽视环境保护和资源节约，同时，由于农业节能减排的相关政策实施的滞后性，使得2009年ML指数最低。这表明受到气候环境、经济运行及政策实施等诸多因素影响的农业环境容易导致农业生产效率的不稳定变化。085■090■年份095■100■105■110■115■2008200920102011201220132014201520162017201820192020ML指数EC技术效率指数TC技术进步指数农业生产绩效图2全国农业生产绩效的动态演变趋势Fig.2DynamicevolutiontrendofagriculturalproductionperformanceinChina为响应节能减排的号召，落实控制温室气体排放行动目标，我国通过产业结构调整、农药化肥合理使用、“一带一路”倡议推行等措施，提出农业经济高质量发展，推动农业绿色转型，提高农业发展水平，促进低碳农业发展，促使我国农业生产绩效得到一定程度的提升，即农业生产通过较低农业投入，实现较高的农业期望产出和较低的非期望碳排放。但值得注意的是，农业生产效率虽有所改善，但长期以来的粗放发展模式导致其增幅不明显，发展形势不容乐观。我国农业技术进步的TC指数也呈波动变化状态，几乎与ML指数保持同步，说明农业技术进步不断创新获得了良好的增长效应，且已成为我国农业增长的主要驱动力。农业技术效率的EC指数均大于1，波动幅度相对较小，且与ML指数变化趋势正好相反，说明农业技术效率增长较为稳定，追赶效应较强劲，进而不断缩小我国农业生产效率地区间的差距。因此我国不仅要注重农业技术创新进步，因为其持续释放增长效应，同时也要注重技术效率，因为技术进步的带动作用，能不断地释放追赶效应，从而促使追赶效应趋强。图3显示了我国农业生产效率的动态演变差异显著（即地域分布格局），主要分为两种类型：第一类是农业生产效率进步型，即农业生产效率均值大于1，整体呈上升趋势，源于技术进步和技术效率双重贡献，是全国农业生产最优前沿面引领者，除内蒙古与广西外，所有省份都属于进步型，表明其农业发展是由技术进步带来的增长效应和技术效率带来的追赶效应双重推动实现的。这与在全国推行绿色发展等因素紧密相连。河北、西藏等地TC＜1而EC＞1，表明农业技术效率释放的追赶效应是其农业绩效提高的主要驱动力，而技术进步指数偏低却负向抵消了技术效率改进带来的追赶效应，以至于人们为了追求绩效的快速增长而过度依赖技术效率进步，忽略技术创新，这不利于农业长期可持续发展。山西、上海、安徽等地TC＞1而EC＜1，表明农业技术进步带来的增长效应为主要驱动力，技术效率在技术进步的挤压下，呈现缓慢增长态势，追赶效应反而不显著。其余省区TC＞1且EC＞1，表明技术进步释放的增长效应和技术效率释放的追赶效应共同驱动我国农业生产绩效提升。第二类是农业生产效率衰退型，即农业生产效率均值小于1，总体呈下降趋势，以内蒙古、广西为主要代表。由于技术进步缓慢而带来的技术效率改善不佳的现状，同前沿省份存在明显差距，主要原因是这些省区处于农业发展的转型时期，更注重农业生产的技术效率，但囿于发展理念、技术支持、社会经济等因素导致农业创新能力较低、信息化程度低等问题。22..22..33农业生产效率的空间演变趋势农业生产效率的空间演变趋势根据引力模型计算得到2007、2017和2020年的我国各省域农业生产绩效的联系总量（表4），数值越大表示该地区农业发展对其他地区的扩散效应以及其他地区对该地区辐射效应的摄取能力也越大。2007年农业生产绩效空间联系总量占比高于4%的有8个省份，分别为北京、内蒙古、上海、江苏、山东、河南、广东、广西，占比分别是5.814%、4.626%、4.841%、6.380%、4.825%、5.958%、4.189%、4.165%，在全国占比为40.798%，其中北京、江苏、河南占比高于5.814%，扩散效应较强，是我国农业核心增长极。2017年农业生产绩效空间联系总量占比高于4%的有7个省份，分别为北京、上海、江苏、浙江、山东、河南、江西，占比分别是5.232%、5.861%、5.343%、5.287%、4.612%、4.729%、4.575%。7个省份农业绩效空间联系在全国占比为35.639%，其中上海、江苏、浙江农业绩效空间联系强度（向外扩散能力）居于全国前三，是农业发展的核心增长极。对比2007年，内蒙古、广东、广西农业生产效率的空间联系强度下降较快，其中内蒙古由4.626%下降到1.799%。值得关注的是，浙江农业生产效率的空间联系强度占比由2007年的3.177%上升到2017年的5.287%。2020年农业绩效空间联系总量占比高于4%的有8个省份，分别为北京、上海、江苏、浙江、山东、河南、江西、湖北，占比分别是4.621%、4.809%、5.607%、4.912%、4.494%、4.530%、4.479%、4.164%。8个省份农业绩效空间联系在全国占比为37.616%，其中上海、江苏、浙江农业绩效势能居于全国前三，仍是农业发展的核心增长极，它们作为低碳试点省份，不仅自身发展的经济、环境条件优越，而且还能得到低碳农业发展政策的大力支持，比如上海以降低农业能耗、减少农业碳排放为目标出台了一系列低碳农业相关政策，大大促进了低碳农业发展。表4从全局而非局部出发，展示各省区农业生产对其他省区的扩散效应以及其他省区对该省区农业生产辐射效应的摄取能力，图4将从局部视角分析各省区农业生产与其他省区扩散效应。图4中的数值与颜色是相对应的，数值越大，其颜色就越深，表示两个省区的空间联系程度就越强。如图4b所示，浙江与上海的空间联系强度为1（数值经过标准化处理），颜色非常深，表明上海对浙江的农业发展的扩散效应非常大。由图4可知，首先，相邻地区农业生产效率的空间联系强度普遍高于非相邻地区，即两地农业生产效率的扩散能力与摄取能力强弱与距离呈反比关系，受距离衰减定律制约。其次，经济发展相对优越的京津冀地区、长江三角洲地区、珠江三角洲地区农业生产效率扩散能力较强（颜色较深），而经济发展相对落后中部地区以及西部地区农业生产空间联系强度较弱（颜色较浅），呈脱节状态。由此可见，农业生产效率的空间联系与经济发展状况密切关联，较强联系省域区位优越、交通便利、资源丰富，而较弱联系的省份大多在中西部地区，这在一定程度上反映出物质流、人才流、信息流等生产要素跨区域自由流动受到了限制，因此需要打破行政区域壁垒，也进一步说明实现政府推动的区域农业085■090■095■100■105■110■115■120■125■130■135■北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南重庆四川贵州云南西藏陕西甘肃青海宁夏新疆MLECTC省域名称农业生产绩效动态演化趋势图3各省域农业生产绩效的动态演化趋势Fig.3Dynamicevolutiontrendofprovincialagriculturalproductionperformance172经济地理第42卷第9期曹执令，黄飞，伍赛君：中国农业生产碳汇效应与生产绩效的时空特征173协同发展、共赢发展的重要性。2.3农业生产的福利效应农业的可持续发展不仅需要高期望产出与低非期望产出，还需要较高的人类发展水平，进而为农村居民提供高福利生活。本文以农业生产效率0.9和人类发展指数（HDI）0.8为分界点［27］（人类发展指数来源于2020年联合国发展署（UNDP）发布的《中国人类发展报告》），将31个省（自治区、直辖市）划分为“高绩效—高福利（H-H）”“低绩效—高福利（L-H）”“低绩效—低福利（L-L）”和“高绩效—低福利（H-L）”四种类型（图5）。“高绩效—高福利（H-H）”即农业生产效率和人类发展水平均较高。北京和上海不仅位于东部经济发达地区，且已列入可持续发展城市，说明较好地实现了农业生态与社会经济协调发展。“低效率—高福利（L-H）”即农业生产效率较低而人类发展水平较高，注重人类发展水平而忽视了农业发展，其较高的福利水平是通过较大的生态投入所获得，故天津仍需提高农业技术层面的创新，改变农业发展的制度和人们生态农业发展意识。“高绩效—低福利（H-L）”即农业生产效率较高而人类发展水平较低，说明较好地实现了农业发展但忽视了与社会经济发展的转化作用，吉林、山东、海南、河南、广西五省区还需加快实施农业产业转型，加大对医疗、教育等方面的投入以促进社会福利的共同发展。“低效率—低福利（L-L）”，即农业生产绩效与人类发展水平都较低，未能较好地实现农业生产的高001020304050607080910010360160530202501018025009010060080490370100801101007005008005004008007004016006005100170070200901100400901300400500200403018005003005004003002003001001003003001006002002036017001802500500800200801200400500200403028005004005004003002004002001003004002008003002016007018002100300400100500700200300100201302003002003003002001003001000200400100600200105302025021001201800701401900700800500802703401008011010070060100500401009006022012007020090050030120046012009010040040020030120110030030050040030010030010010030020010050010020250110080040180460049013015006006004005016015006005008007005003005003002006003002009002004010040020010070120490005006002002001001006006002001003002002000100002001000400010180090080050140090130050079063023017017022025016012016012009005007005004006005002009002003025013012007019010150060790049077018027034043028018020160110070100700500800700301300400400900400400200700400600206304900150110130110140100801007005002003002001003002000500100101005005003008004006002023077015000701401502301801009007005003004003002003003001006001001006002002001005002004001017018011007001400701008009017009008002004003002003002000500010080040040020080030050010170270130140140010170260250180120080040060050030040030010060010020490303013027012016006022034011015007010052013009011010070050070040030060070030120040040370180280203401101500602504301402301017052002701801801601101014009006010180060210080060100500500301003006002016028010180080260130270025015011007006007005003005005002008002002008003004002008003005001012018008010090250090180250023017011007008008004005005002008002002011005005003011005008003016020100901701801101801502300480430090110130090090050030110020040100400400301004007002012016007007009012010160110170480053012015024017012005003013003004007003003002007003005002009011005005008008007011007011043053000600801008008003001008001003005002002001006001003000500700200300200400501006007009012006002301200600600500201001002008003004003010030050010070100300400400600701400700801101500802300120101200700602100400400500100200100500100300050070020030030050040090050080130240101201200100600300100700100200400100100040010020004005001002002003003006003004009017008006010100080020010070010020080030030020100300600200600800300300300400601005005009012008006012006008000300401900301007003004004009002003001005007002003002003007018005005005005003005007003002003000301003001004001002001006001002000200300010001003006002002003003001002006001001004003003500400201600600800602200500900400901300500600500601202100800801101300801021007007019010350014010060020030020120010020002004001001000100400800200200200300100100400100100300300401400010050020020010070020040010030040010010010020040060020020040040030020040020020100100201001000102030405060708091000850270120150210150120150140110070080103702100800500600500500400800700200400600300900500408500160060060120080070100900700400400602901300500200300300200200400400100200300100500200202701600140070070050040080080060030040050240170050020030020020020040030010020040010050020010120060140005003002002004004003002002003010120030010010010010010030020001003001004002001015006007005000500400300400400300100200300800700200100200100100100300200010020010050030020210120070030050043024012009008004006006014009005003004003003002004004001002003001005002003015008005002004043005401007007003005005010070040020030030030020040040010020020010040010030120070040020030240540008006006002004005009006003002003003003002004003001002002001004001003015010080040040120100800581019025025021018016009012009008005008009003004005002007002003014009008004004009007006058005304401802502202101900901007006005007008002003005002006002003011007006003003008007006105300190260270150150160090110070070040070080020030040010060020020070040030020010040030020190440190008015011012014005005003003002004004001001002000300100100800400400200200600500402501802600800270090101201017009010040070090030030030010050010020100600500300300600500502502502701502700120160350230170110100700901200300400500200700200303702902401008014010090210220150110090120033012006007006005004008007002004006002008004003021013017012007009007006018021015012010160330018008008007006007011010030040130040100500400800500500300200500400301601901601401203501201800170100800600600801002003006001006002002005002002001001003002002009009009005010230060080170011008006005006010020020030010040010010060030030010020040030030120101100501701700700801011002302600600901600500400300100500100200500300200100100300300300900700700300901100600700800802300320080110270090050030010060010030050020020010010030030030080060070030101005006006006026032000500801400500400200100500100200400200200100100200200200500500400200400700400700600500600800500260210050040050020070010020080040040030030040040040080070070040070090080110080060090110080260023009009009006017004005007004003002002004004003009008008004009012007010101016027014021023001400700600300900200300200100100001001001003002002001003003002003002002005009005005009014000400100040001004002002001001002002002004003003001003004004004003002004005004004009007004000200200900100600600300400300200300200200500500400200300500601300600300300300200500900600100200030070030010030010010010010010010010020020010001002002004001001001001001002006003000200300230040010090050050040050050040040070060060030050070080100600400500600500701700900400900702300100700500200200200300200100100200200200100100200400500200100100100100100400200010030040100010040020010010020030030030030030020010020030030040020010020030020020050030010060010010070010a.2007年b.2020年图4农业生产绩效的空间联系强度Fig.4Spatiallinkageintensityofagriculturalproductionperformance表4农业生产效率的空间联系势能值Tab.4Spatialconnectionintensityofagriculturalproductionperformance地区北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南重庆四川贵州云南西藏陕西甘肃青海宁夏新疆2007势能260.201153.122135.43191.122207.021109.887158.50380.723216.662285.505142.183150.972102.362142.263215.927266.618151.498142.502187.464186.385138.64695.552127.95197.57177.351105.74384.14566.975170.27861.70862.974占比（%）5.8143.4223.0262.0364.6262.4553.5421.8044.8416.3803.1773.3742.2873.1794.8255.9583.3853.1844.1894.1653.0982.1352.8592.1801.7282.3631.8801.4973.8051.3791.4072017势能356.392250.372195.222125.703122.557225.787218.148191.239399.278363.957360.198203.921244.691314.216322.156311.647253.436179.655228.454224.684194.113166.444236.693253.144107.673121.709138.13697.048211.55893.453100.659占比（%）5.2323.6752.8661.8451.7993.3143.2022.8075.8615.3435.2872.9943.5924.6124.7294.5753.7202.6373.3543.2982.8492.4433.4743.7161.5801.7872.0281.4253.1051.3721.4782020势能339.058270.244237.038148.995148.193228.680220.897188.807352.838411.337360.373262.804247.181329.731332.341328.622305.506227.164235.643232.691199.727205.171251.816259.106141.778125.251182.105136.964206.999127.24492.245占比（%）4.6213.6843.2312.0312.0203.1173.0112.5744.8095.6074.9123.5823.3694.4944.5304.4794.1643.0963.2123.1722.7222.7973.4323.5321.9321.7072.4821.8672.8211.7341.257效发展，也忽视了结合社会经济效益对地区的经济发展进行整体调整。全国共有17个省区为此类型且基本上是中西部省域，表明其还未形成自觉的生态环保意识，也未充分具备发展循环经济的良好基础，因此农业生产效率与人们的福利增强都有很大的提升空间。尤其是甘肃、山西、宁夏，资源消耗、生态经济转化效率极低的问题较为严重。特别的，浙江、辽宁、江苏位于福利分界线上，实现了生态、经济、福利三者之间的协调发展，生态效率相对较好的江苏如何增加社会福利，而辽宁与浙江在增加社会福利的同时如何进一步提升农业绩效，是下一步发展生态农业的改进方向。由图5可知，虽然上海与北京农业生产绩效与人类发展水平都较高，但全国大部分省域处于低效率—低福利区域，面临着满足人们基本发展需求与碳排放局限的双重挑战。提高环保意识以提升农业生产绩效水平，加大社会资源的投入以增加社会福利是破解之策，这不仅需要技术更新，更需要制度和理念上的重大变革，否则无法跟上农业高质量发展的步伐。3结论与启示本文基于联合生产性质，将农业碳汇与碳排放分别视为期望与非期望产出引入到农业生产经济学分析框架中，以2007—2020年31个省（自治区、直辖市）面板数据为样本，首先运用碳汇计量模型测度农业生产碳汇效应，再采用超效率SBM、ML指数、空间引力与人类发展指数等评估农业生产绩效，并揭示其时空特征，得出如下结论：①农业碳汇效应显示全国净碳汇量均为正值，实现了碳汇量盈余，农业生态效应较好。②农业生产效率呈先减后增的波动变化趋势，但长期以来的粗放型发展模式使其增幅不明显，发展形势不容乐观。③农业生产效率ML指数与TC指数保持同步，呈先降后升的波动上升趋势；而EC指数均大于1，波动幅度较小，与ML指数变化趋势相反，表明我国农业生产技术进步不断创新，增长效应良好，农业生产技术效率增长稳定，追赶效应强劲。农业生产绩效地域分布格局呈发展进步型和衰退型两种，以内蒙古、广西为后者主要代表，技术进步指数偏低负向抵消了技术效率改进带来的追赶效应，其余地区由技术进步引起的增长效应和技术效率引起的追赶效应共同促进。④农业生产效率空间联结格局变化较为稳定，但受距离衰减规律约束，东北与经济发达地区空间联系较强，而中西部地区联系出现脱节现象；上海、江苏、浙江因自身发展的经济与环境条件优越成为增长极。⑤大多数省份处于农业生态低效率与人类发展低福利区域内［“低绩效—低福利（L-L）］，面临着满足人们基本发展需求与碳排放局限的双重挑战，而增强环保意识以提升农业绩效，加大社会资源的投入以增加社会福利可能是破解之策。根据研究结论得到如下促进农业生产发展的启示：①加强农业低碳创新和技术革新。支持绿色技术创新，推进清洁生产，发展环保产业，推进重点行业和重要领域绿色化改造。为适应发展绿色低碳农业的需要，应继续研究化肥、农药、塑料薄膜生产和使用等低碳农业科技新技术，加强创新、节能、0908黑龙江福建青海西藏吉林江西湖北湖南安徽河北内蒙古重庆甘肃陕西宁夏山西云南贵州新疆四川江苏广东辽宁浙江上海北京天津山东海南河南广西低效率?低福利■■■■■■(LL)高效率?低福利■■■■■■(HL)低效率?高福利■■■■■(LH)高效率?高福利■■■■■■(HH)图5农业生产绩效的社会福利效应空间分布Fig.5Spatialdistributionofsocialwelfareeffectofagriculturalproductionperformance174经济地理第42卷第9期曹执令，黄飞，伍赛君：中国农业生产碳汇效应与生产绩效的时空特征175高效农业技术的研发和推广运用，依托低碳农业绩效测评机制，以配方施肥、微喷灌溉、户用沼气等低碳技术为低碳农业发展提供技术支持，将农作物秸秆、养殖畜禽的粪便等农业废弃物进行资源再利用，作为可再生资源和农业新能源，推动能源清洁低碳安全高效利用。②加强农业低碳资源的合理配置。农业结构和生产投入不同，导致低碳农业效率的客观差距。要对各个农业投入要素进行合理分配，避免造成冗余。中央与地方各级政府需根据当地农业发展实际情况，充分考虑区域农业结构与农业碳排放分布的关系，灵活调整区域农业结构和农业生产过程，避免“一刀切”。对于低碳农业发展水平高的地区，应当鼓励其继续发挥示范带头作用，并积极与其他地区分享经验；而对于低碳农业发展水平低的地区，应给予相应的政策和技术支持，从而有效促进低碳农业发展。参考文献：［1］WangZ，DengX，BaiY，etal.Landusestructureandemissionintensityatregionalscale：AcasestudyatthemiddlereachoftheHeiheRiverBasin［J］.AppliedEnergy，2016(183)：1581-1593.［2］NayakD，SaetnanE，ChengK，etal.ManagementopportunitiestomitigategreenhousegasemissionsfromChineseagriculture［J］.Agriculture，EcosystemsandEnvironment，2015(209)：108-124.［3］IntergovernmentalPanelonClimateChange.ClimateChange2013：MitigationofClimateChangeContributionofWorkingGroupⅢtotheFourthAssessmentReportoftheIntergovern‐mentalPanelonClimateChange［R］.Cambridge，UK：Cam‐bridgeUniversityPress，2013.［4］LiX.Overviewofstudiesonlow-carbonagriculture［J］.Jour‐nalofAgriculturalScienceandTechnology，2011(22)：11-13.［5］严若婷，周歆霖，马征程，等.低碳农业：发展历程、目标冲突与产业链解决路径［J］.西南金融，2022(3)：81-92.［6］谢志祥，秦耀辰，沈威，等.中国低碳经济发展绩效评价及影响因素［J］.经济地理，2017，37(3)：1-9.［7］XiongC，YangD，HuoJ.Therelationshipbetweenagriculturalcarbonemissionsandagriculturaleconomicgrowthandpolicyrecommendationsofalow-carbonagricultureeconomy［J］.JournalofEnvironmentalSciences，2016(25)：2187-2195.［8］WangZ，ZhangJ，ZhangL.Reducingthecarbonfootprintperunitofeconomicbenefitisanewmethodtoaccomplishlow-carbonagriculture［J］.TheScienceofFoodandAgriculture，2019(99)：4889-4897.［9］WangW，GuoL，LiY，Greenhousegasintensityofthreemaincropsandimplicationsforlow-carbonagricultureinChina［J］.ClimaticChange，2015(128)：57-70.［10］LiQ，ChenL，JosephS.Biocharcompoundfertilizerasanop‐tiontoreachhighproductivitybutlowcarbonintensityinriceagricultureofChina［J］.CarbonManagement，2014(52)：145-154.［11］李劼，徐晋涛.我国农业低碳技术的减排潜力分析［J］.农业经济问题，2022(3)：117-135.［12］王学婷，张俊飚.双碳战略目标下农业绿色低碳发展的基本路径与制度构建［J］.中国生态农业学报(中英文)，2022，30(4)：516-526［13］吴贤荣，张俊飚，朱烨，等.中国省域低碳农业绩效评估及边际减排成本分析［J］.中国人口·资源与环境，2014，24(10)：57-63.［14］ChenJ.Evaluationonthedevelopmentleveloflowcarbonag‐ricultureinChina［J］.Ekoloji，2019(28)：1529-1537.［15］BaiY，DengX，JiangS，etal.Relationshipbetweenclimatechangeandlow-carbonagriculturalproduction：AcasestudyinHebeiProvince，China［J］.EcologicalIndicators，2019(105)：438-447.［16］雷辉，刘俏云.基于四阶段DEA模型的绿色低碳企业融资效率研究［J］.财经理论与实践，2020，41(3)：72-78.［17］黄建欢，许和连.中国区域生态效率的时空演变和提升机制［J］.湖南大学学报：社会科学版，2016，30(1)：60-70.［18］董明涛.我国低碳农业发展效率的评价模型及其应用［J］.资源开发与市场，2016，32(8)：944-948，1000.［19］陈儒，姜志德.中国低碳农业发展绩效与政策评价［J］.华南农业大学学报：社会科学版，2017，16(5)：28-40.［20］王少剑，高爽，黄永源，等.基于超效率SBM模型的中国城市碳排放绩效时空演变格局及预测［J］.地理学报，2020，75(6)：1316-1330.［21］葛鹏飞，王颂吉，黄秀路.中国农业绿色全要素生产率测算［J］.中国人口·资源与环境，2018，28(5)：66-74.［22］田伟，杨璐嘉，姜静.低碳视角下中国农业环境效率的测算与分析——基于非期望产出的SBM模型［J］.中国农村观察，2014(5)：59-71，95.［23］田云，张俊飚.中国低碳农业发展的动态演进及收敛性研究［J］.干旱区资源与环境，2017，31(3)：1-7.［24］高鸣，宋洪远.中国农业碳排放绩效的空间收敛与分异——基于Malmquist-luenberger指数与空间计量的实证分析［J］.经济地理，2015，35(4)：142-148，185.［25］陈儒，姜志德.中国省域低碳农业横向空间生态补偿研究［J］.中国人口·资源与环境，2018，28(4)：87-97.［26］路小静，时朋飞，邓志伟，等.长江经济带旅游业绿色生产率测算与时空演变分析［J］.中国人口·资源与环境，2019，29(7)：19-30.［27］龙亮军.基于两阶段Super-NSBM模型的城市生态福利绩效评价研究［J］.中国人口·资源与环境，2019，29(7)：1-10.

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用，不得用于其他商业用途（如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利）。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容

碳中和的最新文档