湖北省農業碳排放效率時空差異及影響因素

田云，王夢晨

湖北省農業碳排放效率時空差異及影響因素

田云，王夢晨

（中南財經政法大學工商管理學院，武漢 430073）

【】傳統農業大省湖北省對化肥、農藥等農用物資的依賴度過高，客觀上導致其農業生產相對高碳。本研究目的在于厘清其農業碳排放效率及影響因素，為湖北省農業低碳生產的切實推進提供參考依據與政策啟示。利用DEA-Malmquist分解法對湖北省農業碳排放效率進行有效測度并分析其時空差異特征；在此基礎上運用Tobit模型探究影響其碳排放效率變化的關鍵因素。2011年以來湖北省農業碳排放效率雖年際間存在一定波動，但總體處于增長態勢，年平均增速為2.9%；從驅動源泉來看其提升主要依賴于前沿技術進步而非技術效率改善，進一步對技術效率分解可知，純技術效率惡化趨勢較為明顯而規模效率得到了輕微改善。湖北省各市（州）農業碳排放效率差異明顯，其中以武漢最高，達到了1.584，而荊門最低，僅為0.803；結合數值差異可將15個地區劃分為高速增長、低速增長以及下降等3個不同組別；前沿技術進步在推進各地區農業碳排放效率提升上發揮了更為明顯的作用，而技術效率改善所起作用相對較小，分解技術效率可知，純技術效率與規模效率的作用方向因地而異，但后者作用力度要略大于前者。農村經濟發展水平、城鎮化水平、農村用電量均對湖北省農業碳排放效率產生了顯著的正向影響，即在其他條件維持不變的前提下，農民人均純收入越高、或者城鎮化水平越高、或者農村用電量越大，農業碳排放效率越高；而農業產業結構所處情形正好相反，具體表現為，種植業產值比重越高越不利于農業碳排放效率的提升。湖北省農業碳排放效率總體處于上升態勢，但伴隨著年際波動各市（州）碳排放效率存在較大差異，無論是湖北省還是各市（州）其農業碳排放效率的提升都更多地依賴于前沿技術進步而非技術效率的改善，這也要求我們在推進湖北農業低碳生產過程中不僅要注重新技術的研發，更需強化對各類技術的合理運用。考慮到農村經濟發展、城鎮化水平、農村用電量以及農業產業結構均對農業碳排放效率產生了顯著影響的現實境況，實踐中可以通過繁榮農村經濟發展、提升城鎮化水平、保障農村用電需求、優化農業產業結構、完善法制建設與制度保障等手段來切實確保農業碳排放效率得到提高。

農業碳排放；碳排放效率；時空差異；影響因素；湖北省

0 引言

【研究意義】近年來，氣候變化問題已引起了世界各國以及社會各界的廣泛關注，并成為了眾多學者探討的焦點。其中，聯合國政府間氣候變化專門委員會（IPCC）發布的第四次評估報告顯示，在未來100年內全球地表溫度有可能提升1.8—4.0℃，為此抑制全球氣候變暖已顯得刻不容緩。雖然引起氣溫上升的原因是多方面的，但人類活動所導致的碳排放在其中扮演極為重要的角色。誠然工業和服務業是產生碳排放的主要源泉，但快速發展的農業所起的助推作用也不容忽視。而作為我國傳統農業大省，湖北雖為我國提供了大量的商品糧、棉、油、肉以及水產品，但由于自身對化肥、農藥等農用物資的依賴程度過高，客觀上也導致了其農業生產相對高碳。為了更好地踐行綠色發展戰略，加快推進湖北農業低碳發展已迫在眉睫，而厘清其農業碳排放現狀及效率特征是實現這一目標的重要前提。【前人研究進展】越來越多的學者開始圍繞農業碳排放問題展開探究，并涉及到了方方面面。其中，早期主要偏重于農業碳排放測算、時空特征分析以及驅動因素探究。李波等[1]、閔繼勝等[2]、TIAN等[3]的綜合研究表明，自20世紀90年代以來，我國農業碳排放量總體處于增長態勢而且地區差異明顯，農業經濟發展是導致其數量變化的關鍵性因素。而后，隨著研究的逐步深入，學者們開始聚焦于農業碳排放的效率測度與影響因素探討，且多立足于國家視角[4-6]。研究發現，雖然中國農業碳排放效率總體有較大提高，但區域間存在明顯的非均衡性，其變化主要受產業集聚、城鎮化水平等因素影響。除此之外，還有不少學者圍繞農業碳排放與經濟發展的互動關系[7-8]、氣候變化與低碳農業生產關系[9]、農業碳減排潛力評估與減排成本測度[10-12]、農業低碳技術與生產行為[13-15]等問題展開深度剖析。與此同時，雖然也有不少學者圍繞湖北農業碳排放問題展開探究，但主要聚焦于農業碳排放現狀測度與驅動因素分解[16]、農業產業化與農村碳排放關系[17]、技術進步與生豬養殖溫室氣體排放[18]、農業碳排放與農業經濟的相互關聯[19]等幾個領域，而較少涉及其他方面。【本研究切入點】從現有文獻來看，農業碳排放效率及其影響因素的研究主要集中于國家層面，多以31個省區作為考察對象，而鮮有學者圍繞湖北省及各市（州）農業碳效率問題展開深度探討。所謂農業碳排放效率，即指碳排放約束下的農業生產率水平，在此將農業碳排放作為了非期望產出。【擬解決的關鍵問題】本文將以湖北省作為研究對象，首先利用DEA-Malmquist分解法完成對其農業碳排放效率的測度并分析其時空差異特征；而后運用Tobit模型探究影響其碳排放效率變化的關鍵因素。相關研究結論的獲取能夠為湖北農業低碳生產的切實推進提供必要的參考依據與政策啟示。

1 研究方法

1.1 DEA-Malmquist指數分解法與變量選取

本文所要探討的農業碳排放效率屬于傳統農業生產率的特殊表現形式，唯一的區別在于產出指標還兼顧了非期望產出。由于存在非期望產出，使得Shephard距離函數無法完成對碳排放生產率的準確測度。為此，實際分析中將構造基于SBM方向距離函數的Malmquist-Luenberger生產率指數對湖北省農業碳排放效率進行測度。具體分析中，將基于跨期動態概念，參照Malmquist指數幾何平均值思路，構建從到1基于乘除結構和相鄰參比的SBM方向性距離函數的全要素生產率指數[21]，并定義為碳排放生產效率（）指數：

=×（4）

式中，代表第期到1期農業碳排放效率的變化率，若>1時，表明農業碳排放效率有所增長；反之，則下降。進一步，可分解為技術效率（）和前沿技術進步（），其中表示第期到1期技術效率的變化率，>1則揭示技術效率提高，反之則下降；表示第期到1期的技術水平變化，>1表明技術有所進步，反之即為惡化。需要說明的是，技術效率可以進一步分解為純技術效率（）和規模效率（）。

選擇合適的投入與產出變量對于農業碳排放效率測度至關重要，為了確保變量選擇的科學性，在此對已有相關研究進行回顧與梳理。其中，關于投入變量的選擇，農業勞動力、農業機械總動力、耕地面積與役畜投入得到了較多學者[20-21]的認可；而關于產出指標的確定，農業總產值一般被當作期望產出，而農業面源污染、農業碳排放等則通常作為非期望產出[22-24]。本文將在參照已有研究成果的基礎上，結合數據的可獲取性，選取農業投入產出變量具體如下：

農業投入變量包含農業勞動力、土地、農業機械動力、灌溉以及役畜投入等5個方面。其中，農業勞動力反映了人力資本層面的投入，具體將以湖北省各市（州）第一產業年末從業人數作為其衡量標準，單位為萬人；土地是農業生產活動得以開展的物質基礎，具體以各市（州）年末耕地面積作為衡量指標，單位為khm2；農業機械的廣泛使用是促進農業生產力提升的重要手段，故在此也將其作為投入指標，具體以各市（州）歷年農業機械總動力作為衡量依據，單位為萬kW；隨著農田水利等基礎設施建設的日趨完善，灌溉在農作物種植過程中扮演著越發重要角色，因此我們不能忽視灌溉投入對農業生產的影響，在此以各市（州）歷年有效灌溉面積作為衡量灌溉投入的具體指標，單位為khm2；除此之外，役畜雖然在農業生產中所起作用越來越小，但也不可忽視其存在，仍有必要將其作為投入指標之一，具體以牛（非肉牛、奶牛）、馬、驢、騾等的數量作為替代變量，單位為萬頭。農業產出指標包含兩個方面，即期望產出農業總產值，以各市（州）歷年農業總產值作為衡量標準，單位為億元，以及非期望產出農業碳排放量，以各市（州）歷年實際農業碳排放數量為準，單位為萬t。

1.2 Tobit模型

在厘清湖北省及各市（州）農業碳排放效率之后，為了確保對策建議的針對性，有必要圍繞其影響因素展開探討。具體而言，以歷年各地區農業碳排放效率值為因變量，各影響因素為解釋變量構建線性回歸方程，而后通過自變量系數判斷各影響因素對效率值的作用方向及程度。由于DEA方法測算出的效率值一般大于0，直接運用普通最小二乘法實施回歸可能會導致參數估計值出現偏向0的情形，為此本文將借鑒一些學者[21,25]的已有做法，運用因變量受限制的Tobit模型展開實證分析。其模型基本形式如下：

e~(0,2),=1,2,3,K,……

式（5）中，e為受限因變量，x為解釋變量，為回歸系數。在此基礎上，結合本文研究目的，可構建以農業碳排放效率（）為被解釋變量的Tobit模型如下：

式（6）中的為農業碳排放效率值，表示各市（州），表示年份，0為常數項，1、2、β分別為各個解釋變量的回歸系數，為隨機擾動項。

1.3 數據來源及處理

耕地面積、第一產業從業人員、役畜數量、農用機械總動力、有效灌溉面積、農業總產值等投入產出指標的原始數據出自《湖北統計年鑒》《湖北農村統計年鑒》以及各市（州）年鑒。同時，考慮到以實價計算的農林牧業總產值不能進行縱向對比，實際分析中將基于2010年不變價對各市（州）歷年農業總產值進行調整。至于各市（州）農業碳排放量，由于目前官方尚無統計，且已有研究成果也較少涉及，為此本文將對其進行有效測度。縱覽現有文獻可知，一般從農用物資投入、水稻種植以及畜禽養殖等3個維度完成對農業碳排放的測算[26-27]，本文也將參照這一做法；但受限于數據的可獲取性，在具體指標的選擇上有所區別。其中，農用物資投入包含化肥、農藥、農膜以及農用柴油，并以各自實際使用量為準；水稻則結合其生長周期的不同分為早稻、中稻和晚稻，均以實際播種面積為準；畜禽養殖主要涉及豬、牛、羊等三大主要牲畜，且考慮到各自飼養周期存在差異，在此參照胡向東等[28]的計算方法對其年均飼養量進行調整。具體測算方法及各自所對應的碳排放系數出自IPCC以及閔繼勝等[2]、TIAN等[3]的相關研究，限于篇幅，在此不做過多介紹。另外，鑒于各類基礎數據缺失較為嚴重，鄂州與神農架均不在本次研究的考察范圍之內。各市（州）農業投入、產出變量的一般描述性分析如表1所示。

表1 農業投入、產出指標的一般描述性統計結果

2 結果

2.1 湖北省農業碳排放效率時序比較

基于前文所構建公式，利用MAX-DEA軟件測度湖北省農業碳排放效率如表2所示。從中不難發現，2011年以來湖北省農業碳排放效率雖年際間存在一定波動但總體處于增長態勢，年均增速為2.9%。從驅動源泉來看，農業碳排放綜合效率的提升主要依賴于前沿技術進步，其年均貢獻率達到了3.6%；農業技術效率則處于惡化狀態，年均遞減0.3%，進一步分解可知，純技術效率惡化趨勢較為明顯，年均遞減1.1%，而規模效率得到了輕微改善，年均遞增0.7%。

具體到各個年份，2013年、2014年和2015年的農業碳排放綜合效率值高于1.0，表明在這3年中湖北省農業低碳發展態勢較好；而其他各年綜合效率值均在1.0以下，揭示其農業低碳生產面臨一定挑戰。其中，以2015年綜合生產率指數最高，為1.320，表明該年湖北農業碳排放效率較2014年提升了32.0%；與此對應2016年的綜合效率值最低，僅為0.822，即較2015年降低了17.8%。進一步剖析歷年農業碳排放效率的增長源泉可知，綜合效率值高于1.0的3個年份中，2013和2014年碳排放效率的提升完全歸功于前沿技術的進步，此時農業技術效率甚至處于下降態勢，但所導致的損失要明顯小于技術進步帶來的貢獻；2015年則得益于前沿技術進步與農業技術效率提升的雙重貢獻，且后者所發揮作用要略大于前者。綜合效率值低于1.0的4個年份中，2011年、2012年和2017年碳排放效率的下降完全歸結于農業技術效率的惡化，前沿技術雖處于進步狀態但卻無法彌補技術效率惡化所帶來的巨大損失；2016年情形正好相反，其綜合效率的下降完全源于前沿技術的大幅衰退，此時農業技術效率雖得到一定提升但卻難以抵消技術退化所導致的損失。對各年農業技術效率進行分解可知，純技術效率與規模效率的作用方向因年而異，作用力度各年情形雖也不盡相同但后者要略大于前者。

表2 湖北省農業碳排放效率變化情況

2.2 湖北省農業碳排放效率區域比較

接下來，測算湖北省15個市（州）農業碳排放效率如表3所示。從中不難發現，有 8個地區農業碳排放綜合效率均值高于1.0，且以武漢最高，達到了1.584；與此對應，其他7個地區綜合效率均值低于1.0，且以荊門最低，僅為0.803。結合農業碳排放效率數值差異可將15個市（州）劃分為3個組別，即高速增長、低速增長以及下降組。其中，“高速組”包含武漢、宜昌、孝感、隨州等4地，其農業碳排放綜合效率均在1.10以上。獨特的產業結構特點是促使各地效率較高的關鍵動因，比如武漢經濟作物種植比重較高客觀提升了其經濟產出水平，各地畜牧業占比相對較小或者水稻種植規模偏低也在一定程度上減少了碳排放量。“低速組”包含襄陽、黃岡、仙桃、天門等4地，其農業碳排放綜合效率均在1.05以下。黃岡雖為農業大市，但受制于平原面積較少，致使其農業附加值相對較低；襄陽農業產出水平總體尚可，但過高的農用物資投入導致其碳排放量居高不下；仙桃、天門均為省直管縣級市，總體處于高排放、高產出狀態。“下降組”包含黃石、十堰、荊門、荊州、咸寧、恩施、潛江等6市1州，其農業碳排放綜合效率均在1.0以下。其中十堰、恩施以山區地形為主，農業產出水平較低且碳排放處于較高水平，由此導致碳排放效率較低；余下4地主要坐落于平原地區，農作物以水稻種植為主，經濟價值較為一般卻引發了較高的碳排放量，客觀上導致各自碳排放效率較低。

從各市（州）農業碳排放效率的增長源泉來看，8個綜合效率值高于1.0的地區中，武漢和孝感碳排放效率的提升源于前沿技術進步與農業技術效率改善的雙重貢獻，且前者作用更為明顯；其他6地農業碳排放效率的改善完全依賴于前沿技術進步，其農業碳排放效率或處于不變狀態（宜昌、襄陽、隨州）、或呈現惡化狀態（黃岡、仙桃、天門）。對上述各地技術效率進行分解可知，純技術效率以不變和惡化狀態為主而規模效率三類情形（即改善、不變、惡化）分布較為均衡。7個綜合效率值低于1.0的地區中，黃石、咸寧、恩施、潛江等4地的碳排放效率下降主要歸結于農業技術效率的大幅惡化，各自前沿技術雖處于進步狀態但其幅度有限，無法避免技術效率惡化所帶來的效率損失；十堰、荊門、荊州等3地則完全源于前沿技術的退化，各自農業技術效率處于不變或者改進狀態。分解7地農業技術效率可知，除荊州之外，其他各地區純技術效率與規模效率要么同時維持不變、要么均為惡化狀態。總體而言，前沿技術進步在推進各地區農業碳排放效率提升上發揮了更為明顯的作用，而技術效率改善所起作用相對較小；對技術效率進行分解可知，純技術效率與規模效率的作用方向因地而異，但后者作用力度要略大于前者。

表3 各市（州）農業碳排放效率及其增長源泉比較

各市（州）農業碳排放效率取其2011—2017年的均值

The agricultural carbon emission efficiency of each city and prefectures takes its average value from 2011 to 2017

2.3 湖北省農業碳排放效率影響因素分析

2.3.1 變量確定 分析農業碳排放效率影響因素的關鍵在于變量的確定，其中被解釋變量即為農業碳排放效率值，而解釋變量則需在參考已有研究成果的基礎上科學選擇。近年來，有不少學者圍繞這一選題展開研究，不過各自在解釋變量的選擇上卻略有差異。縱覽文獻可知，產業結構、經濟水平、城鎮化水平、自然災害等變量得到了廣泛認同[29-31]；除此之外，還涉及到農村用電量[22]、種植規模[32]等變量。基于湖北農業生產的現狀特征，并考慮到數據的可獲取性，本文擬選取農村經濟發展水平、耕地規模、農業產業結構、城鎮化水平與農村用電量等5個變量作為潛在的解釋變量，并提出如下研究假設。

農村經濟發展水平。經濟發展水平一定程度上決定農業發展高度、反映農民日常生活水準，因此它是呈現農業農村發展水平的重要指標。一般而言，經濟水平越高的地區，農業生產會傾向于資本密集型而非勞動力密集型，農用物資投入量相對較高，客觀上會導致溫室氣體排放絕對數量的增加；但同時，農資投入的增加會有助于農業現代化步伐的加快，進而使得農業產出水平得到提升。因此，農村經濟發展水平能否促進農業碳排放效率提升將取決于碳增量與農業產出水平各自的作用力大小。在此，以農民人均純收入作為農村經濟發展的替代指標，單位為元，該變量作用方向難以確定，亟待實證檢驗。

耕地規模。耕地規模能較為客觀地反映種植業發展態勢，規模增加，農作物播種面積就有可能擴大，反之則可能減少。湖北素有“魚米之鄉”美譽，且江漢平原是我國重要的商品糧生產基地并以水稻種植為主，而耕地規模變化一般會對水稻生產產生直接影響。眾所周知，除了一般農用物資投入所引發的碳排放外，水稻在其生長過程中還會產生大量甲烷，由此導致其碳排放量處于較高水平，進而對農業碳排放效率產生影響。在此，我們以實際耕地面積作為衡量耕地規模的指標，單位為khm2，并假定耕地規模越大農業碳排放效率越低。

農業產業結構。農業由種植業、林業、畜牧業和漁業等四大產業部門構成，由于各自產業特征存在差異，其碳排放水平必然會有所區別，為此產業結構變化在一定程度上可能也會對農業碳排放效率產生影響。結合湖北農業碳排放特征可知，由于農用物資投入量較大且糧食作物生產以水稻為主，導致種植業是碳排放的主要源頭；且與其他產業相比，種植業單位產值所引發的碳排放量明顯更高。為此，我們不能忽視農業產業結構對碳排放效率的影響，在此以種植業產值所占農業總產值比重作為衡量指標，并假定其比重越高農業碳排放性效率越低。

城鎮化水平。近年來，隨著社會經濟水平的不斷提升，我國城市化進程明顯加快，一定程度上也對農業生產部門產生了影響。一方面，城鎮化水平的提升意味著二、三產業的不斷發展，而制造業、服務業水平的不斷進步會反作用于農業生產，促進其機械化、現代化步伐的快速推進，由此也會導致農用能源使用量的增加，進而加劇溫室氣體排放；但另一方面，城鎮化水平的提升必然會導致城市規模的擴大，在這過程中農業用地會受到一定沖擊，種植業生產由此受到影響，客觀上也會導致碳排放量的減少。為此，有必要將城鎮化水平（即城鎮人口占總人口的比重）作為解釋變量之一，其作用方向目前較難確定，亟待實證檢驗。

農村用電量。農業農村發展離不開電力的有力支持，如農業灌溉活動在很大程度上就會對電能產生依賴；另外，隨著農業現代化步伐的加快，電能也正逐步取代以柴油為代表的農用能源，成為農業生產的重要動力支撐。事實上，雖然電能（尤其是火電）在產生過程中也會導致溫室氣體排放，但其作用強度可能略低于農用能源的大量使用。考慮到目前有關各地農業用電的統計資料較為缺乏，本文選擇農村用電量近似替代，單位為kW·h。之所以如此考慮，是基于當前各個農村家庭的生活用電已趨于穩定而農村用電量的變化主要歸結于農業生產活動這一現實情況。在此假定農村用電量越大農業碳排放效率越高。

2.3.2 實證分析 Hausman檢驗表明對農業碳排放效率的回歸分析應選擇固定效應的面板數據Tobit模型。在此，利用Stata軟件進行估算，回歸結果如表4所示。由此可知，農村經濟發展水平、農業產業結構、城鎮化水平、農村用電量均對農業碳排放性效率產生了顯著影響，僅有耕地規模未通過顯著性檢驗。

表4 農業碳排放效率影響因素的實證分析結果

*、**、***分別表示在10%、5%、1%的水平下顯著*,**,***denote statistical significance at 10%, 5%, and 1%, respectively

具體而言，農村經濟發展水平對農業碳排放效率具有顯著的正向影響，即在其他條件保持不變的情況下，農民人均純收入越高，農業碳排放效率越高。可能的解釋是，農民收入的提高意味著更多資本投入到農業生產中，由此利于其生產方式改革，加之歷年“中央一號”文件均鼓勵先進農業生產技術的使用，客觀上也有助于農業生產率水平的提升，進而使得農業碳排放效率也得到一定改善。農業產業結構與農業碳排放效率呈現顯著的負相關，即在其他條件不變的情況下，種植業產值比重越高越不利于農業碳排放效率的提升。測算結果表明，種植業是各市（州）農業碳排放的主要源頭，占比多在80%以上；在既定產出規模約束下，種植業比重的提升顯然會導致碳排放量的邊際遞增，進而導致碳排放效率下降。城鎮化水平對農業碳排放效率具有顯著的正向影響，即倘若其他條件不變，提升城鎮化水平能促進農業碳排放效率的改善。通常而言，城鎮化進程的加快必然意味著建設用地的增加，一定程度上會導致農業用地規模的縮減，進而對種植業產生較大影響，客觀上也會促使農業碳排放量的減少與碳排放效率的提升。農村用電量與農業碳排放效率呈現顯著的正相關關系，即如果其他條件維持不變，農村用電量越大農業碳排放效率越高。雖然電能耗費也會導致碳排放的產生，但其作用強度要低于能源使用，在單位產出一定時，若以電能取代能源（主要為柴油）消耗，將會極大減少碳排放量，進而促使農業碳排放效率的提升。

3 討論

本文以湖北省作為研究對象，圍繞其農業碳排放效率及影響因素展開探討，這是對現有湖北農業碳排放問題研究體系的有力補充，在一定程度上彌補了現有研究的不足，同時也能為湖北農業低碳生產提供必要的參考依據。研究結果主要揭示兩點：一是湖北省農業碳排放效率時空差異明顯，其提升主要依賴于前沿技術進步；二是農村經濟發展水平、城鎮化水平、農村用電量以及農業產業結構是導致湖北碳排放效率變化的關鍵性因素。這也要求我們在推進湖北農業低碳生產過程中不僅要注重新技術的研發，更需要強化對各類技術的合理運用，以保障技術效率得到提升。同時，還可通過以下舉措切實推進湖北省農業低碳生產：一是加大對農業農村的有效支持，進一步促進農村經濟繁榮發展；二是制定農業低碳發展戰略規劃，積極優化農業產業結構；三是各地加快城市化進程，著力實現城鄉一體化發展；四是逐步完善農業低碳生產相關立法，強化制度支持與政策保障。

與已有研究成果[20,24,31]相比，本文所呈現出來的見解同中有異：從共同點來看，農業碳排放效率總體處于波動上升態勢且各地區水平差異明顯；農村經濟發展水平越高、或者種植業占比越低，越有利于農業碳排放效率的提升。從差異因素來看，農業開放度變量在不少研究中得到運用且通過了顯著性檢驗，但本文卻未曾涉及，原因在于其他研究多立足于省域層面進行考察，而本文僅著眼于市級維度，相關數據較為缺乏；城鎮化水平在不少研究中并未通過顯著性檢驗，而于本文卻表現出了正向作用，這主要是由于城鎮化測度方法的不同以及各地實際情況的差異所致。

當然，本研究也存在一定欠缺，主要表現在：第一，由于市級層面的數據極難獲取，所采用的是廣義農業指標，而農業碳排放測算主要考察的是種植業和畜牧業，漁業和林業涉及較少，由此可能導致農業投入指標與農業碳排放之間存在不匹配問題，進而使得農業碳排放效率指數分解結果存在一定偏差。第二，本文測度農業碳排放效率涉及年限較短，不利于其長期演變軌跡的深度剖析；由于現有年鑒難以搜集到湖北省各市（州）2010年之前的相關原始數據，我們只能通過縮短考察周期來保證研究的順利開展。而在今后，亟需拓展數據來源渠道以確保分析結果更加客觀合理。

4 結論

4.1 湖北省農業碳排放效率總體處于上升態勢但伴隨著年際波動，各市（州）碳排放效率存在較大差異，無論是湖北省還是各市（州）其農業碳排放效率的提升都更多地依賴于前沿技術進步而非技術效率的改善，這也要求我們在推進湖北農業低碳生產過程中不僅要注重新技術的研發，更需強化對各類技術的合理運用。

4.2 考慮到農村經濟發展、城鎮化水平、農村用電量以及農業產業結構均對農業碳排放效率產生了顯著影響的現實境況，實踐中我們可以通過繁榮農村經濟發展、提升城鎮化水平、保障農村用電需求、優化農業產業結構、完善法制建設與制度保障等手段來切實確保農業碳排放效率得到提高。

[1] 李波, 張俊飚, 李海鵬. 中國農業碳排放時空特征及影響因素分解. 中國人口·資源與環境, 2011, 21(8): 80-86.

LI B, ZHANG J B, LI H P. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China., 2011, 21(8): 80-86. (in Chinese)

[2] 閔繼勝, 胡浩. 中國農業生產溫室氣體排放量的測算. 中國人口·資源與環境, 2012, 22(7): 21-27.

MIN J S, HU H. Calculation of greenhouse gases emission from agricultural production in China., 2012, 22(7): 21-27. (in Chinese)

[3] TIAN Y, ZHANG J B, HE Y Y. Research on spatial-temporal driving factor of agricultural carbon emissions in China., 2014(6): 1393-1403.

[4] 高鳴, 宋洪遠. 中國農業碳排放績效的空間收斂與分異——基于Malmquist-luenberger指數與空間計量的實證分析. 經濟地理, 2015, 35(4): 142-148, 185.

GAO M, SONG H Y. Dynamic changes and spatial agglomeration analysis of the Chinese agricultural carbon emissions performance., 2015, 35(4):142-148, 185. (in Chinese)

[5] 程琳琳, 張俊飚, 何可. 農業產業集聚對碳效率的影響研究: 機理、空間效應與分群差異. 中國農業大學學報, 2018, 23(9): 218-230.

CHENG L L, ZHANG J B, HE K. Different spatial impacts of agricultural industrial agglomerations on carbon efficiency: Mechanism, spatial effects and groups differences., 2018, 23(9): 218-230. (in Chinese)

[6] 程琳琳, 張俊飚, 何可. 空間視角下城鎮化對農業碳生產率的直接作用與間接溢出效應研究. 中國農業資源與區劃, 2019, 40(11): 48-56.

CHENG L L, ZHANG J B, HE K. The direct influence and indirect spillover effect of urbanization on agricultural carbon productivity based on the perspective of space., 2019, 40(11): 48-56. (in Chinese)

[7] 高標, 房驕, 盧曉玲, 李玉波. 區域農業碳排放與經濟增長演進關系及其減排潛力研究. 干旱區資源與環境, 2017, 31(1): 13-18.

GAO B, FANG J, LU X L, LI Y B. Evolution relationship between agricultural carbon emissions and economic growth and its reduction potential., 2017, 31(1): 13-18. (in Chinese)

[8] 陳柔, 何艷秋, 朱思宇, 徐杰. 我國農業碳排放雙重性及其與經濟發展的協調性研究. 軟科學, 2020, 34(1): 132-138.

CHEN R, HE Y Q, ZHU S Y, XU J. Duality of agricultural carbon emissions and coordination with economic development in China., 2020, 34(1): 132-138. (in Chinese)

[9] BAI Y P, DENG X Z, JIANG S J, ZHAO Z, MIAO Y. Relationship between climate change and low-carbon agricultural production: A case study in Hebei Province,, 2019, 105(10): 438-447.

[10] 王小彬, 武雪萍, 趙全勝, 鄧祥征, 蔡典雄. 中國農業土地利用管理對土壤固碳減排潛力的影響. 中國農業科學, 2011, 44(11): 2284-2293.

WANG X B, WU X P, ZHAO Q S, DENG X Z, CAI D X. Effects of cropland-use management on potentials of soil sequestration and carbon emission mitigation in China., 2011, 44(11): 2284-2293.(in Chinese)

[11] 冉錦成, 馬惠蘭, 蘇洋. 西北五省農業碳排放測算及碳減排潛力研究. 江西農業大學學報, 2017, 39(3): 623-632.

RAN J C, MA H L, SU Y. A study on agricultural carbon emission and carbon emission reduction potential in five provinces in Northwest China., 2017, 39(3): 623-632. (in Chinese)

[12] WU X R, ZHANG J B, YOU L Z. Marginal abatement cost of agricultural carbon emissions in China:1993-2015., 2018, 10(4): 558-571.

[13] ZORNOZA R, ROSALES R M, ACOSTA J A, ROSA J M, ARCENEGUI V, FAZ A, ALEJANDRO P P. Efficient irrigation management can contribute to reduce soil CO2emissions in agriculture., 2016, 263(2): 70-77.

[14] JOHN L F, PAUL, SIMON J S, STEPHAN M H. Agricultural residue gasification for low-cost, low-carbon decentralized power: An empirical case study in Cambodia., 2016, 177(9): 612-624.

[15] LIU Y, JORGE R M, ZHANG L, ZHANG J B, SWISHER M E. Technical training and rice farmers' adoption of low-carbon management practices: The case of soil testing and formulated fertilization technologies in Hubei, China., 2019, 226(10): 454-462.

[16] 賀亞亞, 田云, 張俊飚. 湖北省農業碳排放時空比較及驅動因素分析. 華中農業大學學報(社會科學版), 2013(5): 79-85.

HE Y Y, TIAN Y, ZHANG J B. Analysis on spatial-temporal difference and driving factors of agricultural carbon emissions in Hubei province., 2013(5): 79-85. (in Chinese)

[17] 肖娥芳, 程靜. 湖北省城鄉一體化進程中農業產業化與農村碳排放關系實證研究. 農業經濟, 2013(5): 40-42.

XIAO E F, CHENG J. Empirical study on the relationship between agricultural industrialization and rural carbon emissions in the process of urban-rural integration in Hubei province., 2013(5): 40-42. (in Chinese)

[18] 周晶, 青平, 顏廷武. 技術進步、生產方式轉型與中國生豬養殖溫室氣體減排. 華中農業大學學報(社會科學版), 2018(4): 38-45, 167.

ZHOU J, QING P, YAN T W. Technology progress, production intensification and greenhouse gas emission reduction in China’s pig breeding., 2018(4): 38-45, 167. (in Chinese)

[19] 李波, 杜建國, 劉雪琪. 湖北省農業碳排放的時空特征及經濟關聯性. 中國農業科學, 2019, 52(23): 4309-4319.

LI B, DU J G, LIU X Q. Spatial-temporal characteristics and economic relevance of agricultural carbon emissions in Hubei province., 2019, 52(23): 4309-4319. (in Chinese)

[20] 田云, 張俊飚, 陳池波. 中國低碳農業發展的空間異質性及影響機理研究. 中國地質大學學報(社會科學版), 2016, 16(4): 33-44, 156.

TIAN Y, ZHANG J B, CHEN C B. Research on the regional differences and influencing mechanism of low-carbon agricultural development in China., 2016, 16(4): 33-44, 156. (in Chinese)

[21] 錢麗, 肖仁橋, 陳忠衛. 碳排放約束下中國省際農業生產效率及其影響因素研究. 經濟理論與經濟管理, 2013(9): 100-112.

QIAN L, XIAO R Q, CHEN Z W. Research on China's provincial agricultural production efficiency and its influencing factors under carbon emission constraints., 2013(9): 100-112. (in Chinese)

[22] 陳新華, 王厚俊. 基于生態效率評價視角的廣東省農業生產效率研究. 農業技術經濟, 2016(4): 94-104.

CHEN X H, WANG H J. Research on the efficiency of agricultural input and output in Guangdong province—Based on the perspective of ecological efficiency evaluation., 2016(4): 94-104. (in Chinese)

[23] 郭四代, 錢昱冰, 趙銳. 西部地區農業碳排放效率及收斂性分析——基于SBM-Undesirable模型. 農村經濟, 2018(11): 80-87.

GUO S D, QIAN Y B, ZHAO R. Analysis of agricultural carbon emission efficiency and convergence in Western China —— Based on SBM-Undesirable model., 2018(11): 80-87. (in Chinese)

[24] 王海飛. 基于SSBM-ESDA模型的安徽省縣域農業效率時空演變. 經濟地理, 2020, 40(4): 175-183, 222.

WANG H F. Temporal and spatial analysis of county agricultural efficiency in Anhui province based on SSBM-ESDA model., 2020, 40(4): 175-183, 222. (in Chinese)

[25] 張曉雷, 馬丁, 王天日. 黑龍江省畜牧業碳排放效率及影響因素研究. 黑龍江畜牧獸醫, 2020(4): 7-12, 147.

ZHANG X L, MA D, WANG T R. Study on carbon emission efficiency and influencing factors of animal husbandry in Heilongjiang province., 2020(4): 7-12, 147. (in Chinese)

[26] 董紅敏, 李玉娥, 陶秀萍, 彭小培, 李娜, 朱志平. 中國農業源溫室氣體排放與減排技術對策. 農業工程學報, 2008(10): 269-273.

DONG H M, LI Y E, TAO X P, PENG X P, LI N, ZHU Z P. China greenhouse gas emissions from agricultural activities and its mitigationstrategy., 2008(10): 269-273. (in Chinese)

[27] 田云, 張銀嶺. 中國農業碳減排成效評估、目標重構與路徑優化研究. 干旱區資源與環境, 2019, 33(12): 1-7.

TIAN Y, ZHANG Y L. Research on effectiveness evaluation, target reconstruction and path optimization of agricultural carbon emission reduction in China., 2019, 33(12): 1-7. (in Chinese)

[28] 胡向東, 王濟民. 中國畜禽溫室氣體排放量估算. 農業工程學報, 2010, 26(10): 247-252.

HU X D, WANG J M. Estimation of livestock greenhouse gases discharge in China., 2010, 26(10): 247-252. (in Chinese)

[29] 劉其濤. 中國農業碳排放效率的區域差異——基于Malmquist- Luenberger指數的實證分析. 江蘇農業科學, 2015, 43(9): 497-501.

LIU Q T. Regional difference of China’s agricultural carbon emissions efficiency—Based on empirical analysis of Malmquist-Luenberger index.2015, 43(9): 497-501. (in Chinese)

[30] 張俊飚, 程琳琳, 何可. 中國農業低碳經濟效率的時空差異及影響因素研究——基于“碳投入”視角. 環境經濟研究, 2017, 2(2): 36-51.

ZHANG J B, CHENG L L, HE K. The difference of China’s agricultural low-carbon economic efficiency in spatial and temporal and its influencing factors: A perspective of carbon input., 2017, 2(2): 36-51. (in Chinese)

[31] 吳賢榮, 張俊飚, 田云, 李鵬. 中國省域農業碳排放:測算、效率變動及影響因素研究——基于DEA-Malmquist指數分解方法與Tobit模型運用. 資源科學, 2014, 36(1): 129-138.

WU X R, ZHANG J B, TIAN Y, LI P. Provincial agricultural carbon emissions in China: Calculation, performance change and influencing factors., 2014, 36(1): 129-138. (in Chinese)

[32] 馬大來. 中國農業能源碳排放效率的空間異質性及其影響因素——基于空間面板數據模型的實證研究. 資源開發與市場, 2018, 34(12): 1693-1700, 1765.

MA D L. Spatial heterogeneity and influencing factors of agricultural energy carbon emission efficiency in China—An empirical research of spatial panel data model., 2018, 34(12): 1693-1700, 1765. (in Chinese)

Research on Spatial and Temporal Difference of Agricultural Carbon Emission Efficiency and Its Influencing Factors in Hubei Province

TIAN Yun, WANG MengChen

(School of Business Administration, Zhongnan University of Economics and Law, Wuhan 430073)

【】As a traditional agricultural province, Hubei Province has a heavy dependence on agricultural inputs such as chemical fertilizers and pesticides, which has objectively led to its relatively high carbon emissions in the agricultural production. Clarifying its agricultural carbon emission efficiency and influencing factors could provide necessary references and policy implications for the practical promotion of agricultural low-carbon production in Hubei Province. 【】The DEA-Malmquist decomposition method was employed to effectively measure the agricultural carbon emission efficiency of Hubei Province, and its temporal and spatial characteristics were analyzed. On this basis, Tobit model was adopted to explore the key factors affecting the change of its carbon emission efficiency. 【】Since 2011, the agricultural carbon emission efficiency of Hubei has been overall increasing but with certain interannual fluctuations, and the average annual growth rate was 2.9%. From the perspective of driving sources, its enhancement mainly depended on the progress of frontier technology rather than technical efficiency improvement. Further decomposition of technical efficiency showed that the pure technical efficiency had an obvious trend of deterioration, while the scale efficiency has been slightly improved. There were apparent differences in agricultural carbon emission efficiency among cities and prefectures in Hubei Province, among which Wuhan had the highest of 1.584 while Jingmen has the lowest of 0.803. Among to numerical differences, 15 regions could be divided into three different groups: high-speed growth, low-speed growth and decline. Frontier technological progress played a more obvious role in promoting the agricultural carbon emission efficiency for all regions, while the improvement of technical efficiency played a relatively small role. By decomposing the technical efficiency, it could be found that the influencing direction of pure technical efficiency and scale efficiency varied by regions, but the latter had a slightly greater effect than the former. Rural economic development level, urbanization level and rural electricity consumption had a significant and positive impact on agricultural carbon emission efficiency of Hubei Province, that is, under the premise that other conditions remained unchanged, the higher farmers’ net income per capita, the higher the urbanization level, or the greater the rural electricity consumption, the higher the agricultural carbon emission efficiency. However, the situation of agricultural industrial structure was exactly the opposite. Specifically, the higher proportion of the output value of planting industry was not conducive to the improvement of agricultural carbon emission efficiency. 【】The agricultural carbon emission efficiency in Hubei Province was generally on the rise but with interannual fluctuations, and there were great differences among cities and prefectures. Whether it was Hubei Province or cities and prefectures, the enhancement of agricultural carbon emission efficiency depended more on frontier technological progress than technical efficiency improvement, which also required us not only to pay attention to the research and development of new technologies but to strengthen the rational use of various technologies in the process of promoting agricultural low-carbon production in Hubei Province. Considering the realistic situation that rural economic development, urbanization level, rural electricity consumption and agricultural industrial structure all had a significant impact on agricultural carbon emission efficiency, in practice, the enhancement of agricultural carbon emission efficiency could be effectively ensured by means of prospering rural economic development, improving urbanization level, ensuring rural electricity demand, optimizing agricultural industrial structure, improving the legal system construction and institutional support, etc.

agricultural carbon emissions; carbon emission efficiency; temporal and spatial differences; influencing factors; Hubei Province

10.3864/j.issn.0578-1752.2020.24.009

2020-05-04；

2020-07-21

國家自然科學基金（71903197）、中南財經政法大學中央高校基本科研業務費專項資金資助項目（2722020JCT020）

田云，Tel：13554101207；E-mail：tianyun1986@163.com

（責任編輯 李云霞）