科技進步、綠色全要素生產(chǎn)率與農(nóng)業(yè)碳排放關系分析
——基于泛長三角26 個城市面板數(shù)據(jù)

張頌心，王 輝，徐如濃

（1.臺州職業(yè)技術學院，浙江臺州 318000；2.浙江工業(yè)大學經(jīng)濟管理學院，浙江臺州 310014；3.北京大學匯豐商學院，廣東深圳 100871；4.浙江越秀外國語學院，浙江紹興 312069）

1 研究背景

改革開放40 多年來，中國農(nóng)業(yè)生產(chǎn)總值以年均10.6%的速度穩(wěn)步增長，全國糧食總產(chǎn)量實現(xiàn)翻番，農(nóng)產(chǎn)品供給由長期短缺到基本平衡、再跨入豐年有余的歷史性發(fā)展新階段。但是，單方面成績驚喜卻難以掩蓋農(nóng)業(yè)產(chǎn)業(yè)化規(guī)模化發(fā)展所付出的環(huán)境代價：一直以來，為滿足農(nóng)產(chǎn)品市場需求，農(nóng)業(yè)生產(chǎn)、經(jīng)營和管理主體以生產(chǎn)效率為核心制定產(chǎn)業(yè)政策、選擇生產(chǎn)模式、決定管理方式，化肥、農(nóng)藥、農(nóng)機、農(nóng)膜等農(nóng)資產(chǎn)品長期超量使用，農(nóng)業(yè)源主要污染物如化學需氧量（COD）、氨氮含量指標（NH3-N）、總磷（TP）排放量分別占全國排放總量的30.42%、61%、40.22%，農(nóng)產(chǎn)品保供給與資源環(huán)境承載能力的矛盾愈發(fā)尖銳，農(nóng)業(yè)生產(chǎn)帶來的環(huán)境污染問題日益突出［1-2］。其中，農(nóng)業(yè)碳排放量作為全球氣候變暖的重要誘因，受到了世界各國的普遍關注。大量數(shù)據(jù)和研究表明，全球碳排放總量約為168.31 億t，中國占比居世界第一位，達到27%，其中30%左右來自農(nóng)業(yè)，相當于所有工業(yè)部門的總合［3］。因此，實現(xiàn)農(nóng)業(yè)低碳發(fā)展是中國經(jīng)濟綠色轉型發(fā)展的必經(jīng)之路，也是農(nóng)村增美、農(nóng)業(yè)增效十分重要的內(nèi)容。

發(fā)展低碳農(nóng)業(yè)，首先需要核算碳排放量，并深入分析不同要素資源的減排效應。科技進步作為低碳農(nóng)業(yè)發(fā)展的主要手段，能夠有效釋放農(nóng)業(yè)蟄伏發(fā)展?jié)撃埽龠M生產(chǎn)資源和生產(chǎn)方式深度融合，推動形成高生產(chǎn)效率、低能源消耗的農(nóng)業(yè)發(fā)展模式［4］。中國實施“十二五”規(guī)劃以來，全國農(nóng)業(yè)科技進步貢獻率達59.2%，全社會環(huán)保總投資比“十一五”期間增長了92.8%，環(huán)保產(chǎn)業(yè)年均增速26.9%［5］。2015 年，農(nóng)業(yè)部等8 部委制定了《全國農(nóng)業(yè)可持續(xù)發(fā)展規(guī)劃（2015—2030 年）》，要求全國2020 年農(nóng)業(yè)科技進步貢獻率超過60%，2030 年全國基本實現(xiàn)農(nóng)業(yè)廢棄物“零排放”。由此可見，中國政府對農(nóng)業(yè)科技投入和農(nóng)業(yè)環(huán)境污染治理的關注度正不斷增強。但農(nóng)業(yè)發(fā)展水平和碳排放強度卻出現(xiàn)“雙提升”，農(nóng)業(yè)綠色全要素生產(chǎn)率（GTFP）增速緩慢與農(nóng)業(yè)碳排放快速增長“兩并存”，農(nóng)業(yè)已經(jīng)成為全球第二大碳排放部門，溫室氣體排放量僅次于電力與熱電［6］。科技進步、農(nóng)業(yè)GTFP 與農(nóng)業(yè)碳排放三者的內(nèi)在關系究竟是什么？探究科技進步和農(nóng)業(yè)GTFP 如何發(fā)揮積極作用，對實現(xiàn)碳排放減量具有較大現(xiàn)實意義。

泛長三角作為全國商品糧重要產(chǎn)區(qū)，基本涵蓋了江淮地區(qū)、太湖平原兩大商品糧基地，是長江經(jīng)濟帶的重要組成部分。長江經(jīng)濟帶發(fā)展戰(zhàn)略是國家重點實施的“三大戰(zhàn)略”之一，以共抓大保護、不搞大開發(fā)為導向，以生態(tài)優(yōu)先、綠色發(fā)展為引領，依托長江黃金水道推動長江上中下游地區(qū)協(xié)調(diào)發(fā)展和沿江地區(qū)高質(zhì)量發(fā)展［7］。但是泛長三角地區(qū)的農(nóng)業(yè)依然以高碳模式為支撐實現(xiàn)高速發(fā)展，農(nóng)業(yè)碳排放量長期只增不減、排放強度持續(xù)提升。基于此，本研究以泛長三角4 省市26 個城市的面板數(shù)據(jù)為基礎，測算其2009—2018 年的農(nóng)業(yè)科技進步貢獻率、農(nóng)業(yè)GTFP 和碳排放量，并分析其農(nóng)業(yè)科技進步、農(nóng)業(yè)GTFP 與碳排放的關系，為減少碳排放提出參考建議。

2 文獻綜述

縱觀國內(nèi)外文獻資料，已有農(nóng)業(yè)碳排放研究集中在排放源確定、排放總量測算、影響因素分析和減量對策探討等4 個方面，比如陳勝濤等［8］對碳排放源進行研究，劉華軍等［9］、杜江等［10］探究了碳排放總量測算及變化規(guī)律，王珧等［11］、田云等［12］、仇偉［13］、張中秋等［14］對減排影響因素、機理和實現(xiàn)路徑進行探索，等等。

在影響因素研究中，很早就有學者試圖解釋科技進步與碳排放量關系，至目前成果已經(jīng)頗為豐富，然而研究結論卻大相徑庭。部分學者認為，科技進步對農(nóng)業(yè)碳排放影響十分顯著，在碳排放減量過程中占主導地位，一定程度上技術進步彌補了農(nóng)業(yè)結構和農(nóng)業(yè)投入的不合理，決定了碳排放量增速由快到慢再到減速的“拐點”［15-16］，而且隨著人力資本的提升，技術進步對農(nóng)業(yè)碳排放抑制效應會更加明顯［17］；同時，也有部分學者研究指出，技術進步對農(nóng)業(yè)碳排放量影響并不如想象那樣明顯，有時甚至成為農(nóng)業(yè)碳排放量增加的助推器［18］。此外，還有學者對特殊領域的科學技術與碳排放關系進行研究，比如對玉米栽培技術與碳排放進行研究，指出淺耕和免耕由于消耗的能源最少，從而有效降低碳排放總量［19］。研究結果迥異的主要原因在于科技進步與農(nóng)業(yè)碳排放都屬于時序數(shù)據(jù)，而學者在研究過程中對時間要素并未足夠重視，相關模型甚至無法體現(xiàn)時序變化差異。

在科技進步衡量指標選取方面，通常采取科學技術進步貢獻率，這也是中國農(nóng)業(yè)農(nóng)村部推薦使用的方法。農(nóng)業(yè)生產(chǎn)率作為農(nóng)業(yè)發(fā)展的核心問題，是發(fā)展中國家財富增加的關鍵，包括技術進步率和全要素生產(chǎn)率（TFP），并以TFP 為主［20-22］。傳統(tǒng)TFP 只注重農(nóng)藥、化肥等農(nóng)資投入正面效應，而忽略了對資源環(huán)境破壞和消耗，這使得對農(nóng)業(yè)生產(chǎn)率的評價不夠全面準確，容易導致政策制定、評估出現(xiàn)較大偏差，這一點有學者已經(jīng)做了研究［23］。為統(tǒng)籌考慮經(jīng)濟增長和資源環(huán)境代價，部分學者引入農(nóng)業(yè)GTFP 概念，將資源環(huán)境納入生產(chǎn)效率的測量過程，從而拓展學界農(nóng)業(yè)研究視閾，克服了C-D 函數(shù)從資源要素投入視角研究農(nóng)業(yè)增長弊端，開始關注農(nóng)業(yè)投入品導致的碳排放等負面作用［24-29］。研究普遍認為，農(nóng)業(yè)碳排放與農(nóng)業(yè)GTFP 在一定程度呈現(xiàn)負相關關系［30-31］。在農(nóng)業(yè)GTFP 測算方面，通過CNKI 檢索發(fā)現(xiàn)，應用最為普遍的方法是數(shù)據(jù)包絡分析（DEA）；此外，近年來很多學者開始把注意力轉向以方向距離函數(shù)等對農(nóng)業(yè)GTFP 測算和變化分析上，比如王奇等［32］對1992—2010 年中國農(nóng)業(yè)綠色全要素生產(chǎn)率變化進行研究。雖然采用DEA 模型測算農(nóng)業(yè) GTFP 成果頗多，但是有學者指出，使用方法并未統(tǒng)一，測量結果相差大，且無法包含非期望產(chǎn)出等缺點［33］；方向距離函數(shù)有效解決了非期望產(chǎn)出忽略的問題，卻運用徑向、角度DEA 模型，在無效率測量時未包含松弛變量，從而導致計算結果并不準確［34］。為克服這些問題，部分學者選擇非徑向和非角度DEA 模型測算GTFP 。

綜上所述，國內(nèi)外學者對農(nóng)業(yè)科技進步、農(nóng)業(yè)GTFP 和碳排放展開了多層次研討，為本研究奠定了良好理論基礎，但也存在不足：一方面絕大多數(shù)研究基于面板數(shù)據(jù)從全國角度進行研究比較，結合某一區(qū)域開展研究分析的不多；另一方面研究采用的是時序數(shù)據(jù)，忽視了時間因素對各個要素的影響，從而導致研究結論相差較大。另外，相關指標的測算方法也不夠精準。因此，本研究通過系數(shù)法和SBM-DDF 模型，重新測算了泛長三角2009—2018年碳排放量和農(nóng)業(yè)GTFP，并利用自回歸分析滯后模型（ARDL）從長期和短期兩個角度分析科技進步、農(nóng)業(yè)GTFP 與農(nóng)業(yè)碳排放的關系，并針對性地提出對策建議。

3 研究方法與數(shù)據(jù)

3.1 研究指標選取和測算

農(nóng)業(yè)科技進步的界定有廣義和狹義之分。狹義概念特指“硬技術”，即種子培育篩選、化肥農(nóng)藥施用、新型種養(yǎng)殖等能夠直接提高生產(chǎn)率的技術手段；廣義概念除“硬技術”外，還包括生產(chǎn)決策、經(jīng)營管理等“軟技術”［35］。當前，中國對農(nóng)業(yè)科技進步的測量主要基于廣義概念，采取農(nóng)業(yè)科技進步貢獻率進行評價，測算的影響因素既涵蓋自然科學，也包括政策法規(guī)、勞動因素、經(jīng)營管理等社會科學。對于農(nóng)業(yè)科技進步貢獻率的測算，農(nóng)業(yè)農(nóng)村部規(guī)定了基于索洛余值法與C-D 函數(shù)模型，采用統(tǒng)一方法測算科技對農(nóng)業(yè)總產(chǎn)值增長的貢獻值，詳見公式如下：

式（1）（2）（3）中：Tagriculture為地區(qū)農(nóng)業(yè)總產(chǎn)值；B為農(nóng)業(yè)生產(chǎn)要素投入，以農(nóng)業(yè)生產(chǎn)中間消耗進行測算；C為農(nóng)業(yè)生產(chǎn)勞動投入，以農(nóng)業(yè)從業(yè)人數(shù)進行計算；D為農(nóng)業(yè)土地資源投入，選取年末耕地面積進行測算；A為常數(shù)；為農(nóng)業(yè)科技進步貢獻率；變量t 為時間；α、β、λ分別為資金、耕地和勞動投入彈性，如若規(guī)模報酬恒定則α+β+λ=1。

根據(jù)農(nóng)業(yè)農(nóng)村部規(guī)定的測算方法，本研究中因耕地變化不大，農(nóng)業(yè)科技進步貢獻率測算的彈性系數(shù)采用固定彈性，全國產(chǎn)出彈性系數(shù)均是0.25，農(nóng)業(yè)生產(chǎn)要素彈性按式（3）予以調(diào)整。有關數(shù)據(jù)資料源于《中國農(nóng)村統(tǒng)計年鑒》以及有關省市統(tǒng)計年鑒。

農(nóng)業(yè)碳排放主要來自畜禽養(yǎng)殖、農(nóng)作物、土地利用類型變化等。根據(jù)政府間氣候變化專門委員會(IPCC)和世界氣象組織（WMO）統(tǒng)計，農(nóng)業(yè)碳排放量對全球碳排放總量的貢獻率超過30%［36］。本研究利用IPCC 構建的系數(shù)法測算研究碳排放量，測算方法見式（4）。其中，C和R分別為碳排放類型和碳排放量化，排放系數(shù)詳見表1。包括7種類型：化肥、農(nóng)藥、農(nóng)膜、土壤翻耕、農(nóng)業(yè)灌溉、農(nóng)業(yè)機械、畜禽養(yǎng)殖，測算根據(jù)式（4）變換而得，詳見式（5）。其中，柴油依據(jù)每年實際用量；土壤翻耕以實際種植面積為準；灌溉電量消耗間接碳排放量以有效灌溉面積衡量；畜禽養(yǎng)殖以年出欄量為準。

表1 農(nóng)業(yè)碳排放源及碳排放系數(shù)

農(nóng)業(yè)GTFP 增長率可以分解為不同的部分，即技術進步率、技術效率變化率等［40-41］。基于文獻研究，通常用方向距離函數(shù)、Luenbergercer 指數(shù)等對農(nóng)業(yè)GTFP增長率指數(shù)進行測算，本研究以Tone 等［42］和呂娜等［43］研究為基礎構建超效率SBM 模型，對泛長三角農(nóng)業(yè)GTFP 進行測算，詳見式（6）。SBM模型作為DEA 模型，屬于非徑向效率測量，能有效克服徑向選擇帶來的偏差。

同時，利用Malmquist 指數(shù)表示農(nóng)業(yè)GTFP 變動率，詳見式（7）至式（10）。其中，是全局方向性距離函數(shù)；本研究設g=(x,-y,z)表示實現(xiàn)農(nóng)業(yè)持續(xù)發(fā)展目標、期望產(chǎn)出最大化、投入非期望產(chǎn)出最小化。如果TFPgreen、TE 和TP 大于1，表示農(nóng)業(yè)GTFP 變動率進步，TFPgreen、TE 和TP 小于1 時，表示農(nóng)業(yè)GTFP 變動率衰退。

3.2 關系研究模型選取和說明

對農(nóng)業(yè)科技進步、農(nóng)業(yè)GTFP 與碳排放的關系，利用自回歸分析滯后模型（ARDL）進行定量研究，模型典型結構詳見式（11）。其中：Lags 是Yt滯后階數(shù)；是第i個自變量（Iv）的滯后階數(shù)，i,,n是滯后算子。ARDL 模型將時間滯后效應體現(xiàn)出來，可以測算自變和因變量長期與短期影響；同時，ARDL 模型不要求序列都是平穩(wěn)序列，也不要求全部是單整平穩(wěn)序列。

4 實證分析

4.1 農(nóng)業(yè)科技進步貢獻率評價

基于索洛余值法與C-D 函數(shù)模型，測算泛長三角4 省市26 個城市（以下簡稱“樣本地區(qū)”）農(nóng)業(yè)科技對農(nóng)業(yè)總產(chǎn)值增長貢獻值，結果詳見表2 至表4。可以發(fā)現(xiàn)，上海、江蘇、浙江、安徽的農(nóng)業(yè)科技進步貢獻率均值分別為68.5%、61.9%、60.4%、56.6%，總體而言，農(nóng)業(yè)科技對地區(qū)農(nóng)業(yè)發(fā)展的貢獻率較高，但是區(qū)域差別也十分明顯，最大差距達11.9%。具體而言，上海農(nóng)業(yè)科技進步貢獻率最大，是科技創(chuàng)新發(fā)展的最佳實踐者；江蘇除無錫、常州偏低之外，其他地區(qū)農(nóng)業(yè)科技進步貢獻率均超過60%，提前完成“十三五”規(guī)劃目標，農(nóng)業(yè)科技利用水平走在前列；浙江農(nóng)業(yè)科技進步貢獻率均超過國家平均水平，與江蘇水平相差不大；安徽作為傳統(tǒng)農(nóng)業(yè)大省，農(nóng)業(yè)科技進步貢獻率低于60%，一定程度反映安徽各市農(nóng)業(yè)粗放型發(fā)展模式比重較大，生產(chǎn)效率普遍不高，科技推動農(nóng)業(yè)綠色高效協(xié)同發(fā)展作用不明顯，需要進一步加大農(nóng)業(yè)科技投入，以科技進步增強區(qū)域農(nóng)業(yè)綠色發(fā)展水平。

表2 2009—2018 年上海和安徽各市年均農(nóng)業(yè)科技進步貢獻率

表3 2009—2018 年江蘇各市年均農(nóng)業(yè)科技進步貢獻率

表4 2009—2018 年浙江各市年均農(nóng)業(yè)科技進步貢獻率

4.2 農(nóng)業(yè)GTFP 評價

本研究測算泛長三角4 省市26 個城市2009—2018 年的農(nóng)業(yè)GTFP 指數(shù)，并分別計算其技術進步率和技術效率變化率指數(shù)；同時，為與傳統(tǒng)TFP 進行有效比較，對其傳統(tǒng)TFP 指數(shù)也進行測算，結果詳見表5。可見樣本地區(qū)在2009—2018 年間：

第一，農(nóng)業(yè)GTFP 整體上呈增長態(tài)勢，但是逐年增長率不斷下降。10 年間農(nóng)業(yè)GTFP 均值1.097，年均增長9.7%，這說明泛長三角農(nóng)業(yè)GTFP 還處于不斷發(fā)展階段，增長率比較高；但從縱向時間看，10 年間農(nóng)業(yè)GTFP 增速逐年下降，2017 年和2018年呈現(xiàn)負增長，最低達到-2.4%。

第二，農(nóng)業(yè)GTFP 主要源自技術進步率，技術效率波動更為頻繁。從技術進步率指數(shù)看，10 年間均值為1.092，年均增長9.2%，對農(nóng)業(yè)GTFP 增長貢獻率達94.85%，而技術效率變化率指數(shù)年均增長0.8%，對農(nóng)業(yè)GTFP 增長貢獻率僅為8.25%，這說明泛長三角農(nóng)業(yè)發(fā)展由主要靠資源投資拉動向技術投資拉動轉變，技術進步已經(jīng)成為泛長三角農(nóng)業(yè)綠色發(fā)展主要動力之一；從縱向時間看，10 年間技術效率呈現(xiàn)下降趨勢，與農(nóng)業(yè)GTFP 趨勢相一致。

表5 樣本地區(qū)農(nóng)業(yè)GTFP 指數(shù)及分解

4.3 農(nóng)業(yè)科技進步、農(nóng)業(yè)GTFP 與碳排放關系分析

基于本研究的全部變量均為時間序列，易帶來非平穩(wěn)問題，會導致標準差、均值等數(shù)據(jù)隨時間而改變，對數(shù)據(jù)進行回歸等分析則會發(fā)生偽回歸問題，直接導致研究結論無效，因此本研究采用最常用的單位根檢驗ADF 方法進行檢測。ADF 方法原假設“序列存在單位根”，當統(tǒng)計量小于臨界值時序列平穩(wěn)，反之則不平穩(wěn)。經(jīng)過檢驗，T 是零階平穩(wěn)，LNE 和LNP 均一階平穩(wěn)。如果農(nóng)業(yè)科技進步、農(nóng)業(yè)GTFP與碳排放量三者是否存在長期關系不明確，而直接進行線性回歸分析則會發(fā)生偽回歸事件，因此必須對ARDL 進行協(xié)整檢驗的邊界測試，確定三者間是否有長期關系。通過檢驗發(fā)現(xiàn)統(tǒng)計量F為16.57，明顯遠大于1%的臨界值5，所以此ARDL 模型穩(wěn)定均衡。同時，考慮到農(nóng)業(yè)科技進步、農(nóng)業(yè)GTFP 與碳排放量不完全屬于平穩(wěn)時序，不具有同階平穩(wěn)特征，無法直接進行回歸分析，但因其存在穩(wěn)定均衡關系，因此也可以對變量關系進行分析和判斷。本研究通過EViews10 和ARDL 檢驗法開展協(xié)調(diào)驗證，按照赤池信息量準則（AIC），篩選后得到長期ARDL（4，2，2）、短期為（4，0，1），詳見表6。

通過表6 可以判斷，長期視角下泛長三角農(nóng)業(yè)科技進步貢獻率、農(nóng)業(yè)GTFP 均對碳排放量具有抑制作用。其中，農(nóng)業(yè)科技進步對碳排放量有一定遏制作用，彈性系數(shù)是0.03，說明農(nóng)業(yè)科技進步貢獻率每增加1%則農(nóng)業(yè)碳排放量減少0.03%；同時，農(nóng)業(yè)GTFP 對碳排放量的長期彈性系數(shù)是1.24，說明農(nóng)業(yè)GTFP 每增加1%則其碳排放會減少0.24%。從短期視角而言，影響具有差異性：首先，碳排放當期量對其未來3 年內(nèi)有影響，會發(fā)生正向反饋調(diào)節(jié)，如碳排放當期量較高會導致未來2 年內(nèi)都偏高，但影響會逐步減弱；其次，農(nóng)業(yè)GTFP 對碳排放有抑制作用，然而并無法通過顯著性檢測，從而可以判定短期影響不顯著；最后，科技進步貢獻率對農(nóng)業(yè)碳排放的影響具有持續(xù)性，將對未來3 年內(nèi)產(chǎn)生影響，且第3 年影響更加顯著。因長期視角下時間序列對系數(shù)的影響具有變動特征，需要用遞歸殘差累計和與平方和的方法進行穩(wěn)定性檢測，結果得到統(tǒng)計量均處于給定邊界的內(nèi)部，因而可以認定該模型穩(wěn)定。

表6 樣本地區(qū)農(nóng)業(yè)科技進步、農(nóng)業(yè)GTFP 與碳排放關系的ARDL 模型檢驗

表6 （續(xù)）

5 結論與建議

5.1 結論分析

本研究選取泛長三角26 個城市2009—2018 年數(shù)據(jù)，利用系數(shù)法和SBM 模型等方法測算其農(nóng)業(yè)科技進步貢獻率、農(nóng)業(yè)GTFP 和碳排放量，并通過ARDL 模型分析三者之間的關系。結果表明：從長期視角而言：（1）農(nóng)業(yè)GTFP 對農(nóng)業(yè)綠色低碳轉型發(fā)展具有明顯的積極作用，其每增加1%則農(nóng)業(yè)碳排放會減少0.24%。無論宏觀還是微觀上，農(nóng)業(yè)生產(chǎn)經(jīng)營者都以高生產(chǎn)效率和高經(jīng)濟產(chǎn)出為目標而非環(huán)境保護，因而相對于投入大量資金購買環(huán)保設備、使用環(huán)保技術和建立環(huán)保設施，直接采取傳統(tǒng)粗放型生產(chǎn)方式更為樂意、更為便捷，生產(chǎn)投入成本也更低，但是對環(huán)境造成的壓力會更大，在國家有關碳約束政策下生產(chǎn)者會尋求兩者平衡發(fā)展，從而不斷提高農(nóng)業(yè)GTFP、減少碳排放，使得兩者呈現(xiàn)負相關關系。（2）科技進步在一定程度上對農(nóng)業(yè)碳排放具有抑制效應，農(nóng)業(yè)科技進步貢獻率每增加1%則農(nóng)業(yè)碳排放量減少0.03%，但未能通過顯著性檢測，說明效果不顯著。理論上，科技進步能夠改進農(nóng)業(yè)生產(chǎn)方式、提高農(nóng)業(yè)資源利用率，使化肥、農(nóng)藥等農(nóng)資產(chǎn)品使用量和農(nóng)業(yè)生產(chǎn)率同步實現(xiàn)“一降一增”，推動傳統(tǒng)粗放型生產(chǎn)模式轉型升級，從而減少農(nóng)業(yè)碳排放量，然而受諸多因素影響，比如農(nóng)業(yè)科技研發(fā)水平所處階段不同、技術研發(fā)與實際需求結合程度差異明顯、技術推廣應用水平參差不齊、技術應用的區(qū)域情況千差萬別、農(nóng)民文化素養(yǎng)區(qū)別較大等，從而導致新技術研發(fā)和實施過程受阻，技術效果難以有效發(fā)揮。

從短期視角看：（1）農(nóng)業(yè)碳排放當期量會對未來3 年排放強度產(chǎn)生影響。筆者認為主要原因是碳排放量與農(nóng)業(yè)生產(chǎn)活動高度相關，而農(nóng)業(yè)生產(chǎn)活動具有很強的延續(xù)性，很多經(jīng)驗會變成習慣性行為，短期難以改變；且通常會出現(xiàn)技術使用與技術市場“錯位”現(xiàn)象，即考慮成本因素，原農(nóng)業(yè)固定投入如機械等在短期無法及時更換，最新技術和設備無法有效推廣，同時考慮到風險，生產(chǎn)經(jīng)營管理者更樂于接受以前經(jīng)過驗證的技術和農(nóng)資，則當期環(huán)保新技術和新農(nóng)資產(chǎn)品難以體現(xiàn)在當期生產(chǎn)經(jīng)營中，無法同步對碳排放量產(chǎn)生影響，因而要通過期間宣傳引導、農(nóng)戶行為糾偏后，在第3 年才會逐步顯示出效果。（2）農(nóng)業(yè)科學技術發(fā)展呈現(xiàn)不同效果。農(nóng)業(yè)經(jīng)營主體對新技術需求主要依托于政府推廣力度，因在新技術出現(xiàn)的第一階段，在政府強有力的政策引導下其推廣和科學使用率高，對農(nóng)業(yè)碳排放的抑制作用更加明顯，而在下一個年度會略有反彈，但抑制作用依然顯著，通過了1%顯著性檢驗，說明科學技術對碳排放量影響因推廣等原因會延遲，需時間來逐步產(chǎn)生作用；而農(nóng)業(yè)GTFP 在短期能形成抑制效應，但是作用不顯著，通常農(nóng)業(yè)生產(chǎn)經(jīng)營者在收益可觀情況下才會投入更多資源學習新技術、采取綠色生產(chǎn)方式提高農(nóng)業(yè)GTFP。

5.2 對策建議

基于以上研究結論，提出如下對策建議：（1）泛長三角在2009—2018 年內(nèi)農(nóng)業(yè)碳排放呈現(xiàn)上升趨勢，化肥、農(nóng)藥等投入量逐步增長，說明其農(nóng)業(yè)高碳發(fā)展模式?jīng)]有得到根本扭轉。因此，首先應對農(nóng)藥、化肥等農(nóng)資產(chǎn)品使用量進行有效控制，大力發(fā)展有機農(nóng)業(yè)，借鑒國外精準農(nóng)業(yè)發(fā)展模式減少投入物的浪費和流失，提高機械化利用率；其次在能源使用上也應多利用綠色能源，減少化石燃料使用。（2）因農(nóng)業(yè)科學技術、農(nóng)業(yè)GTFP 和碳排放存在長期穩(wěn)定關系，因此政策制定不僅要注重短期效果，也要注重長期多元影響因素，統(tǒng)籌協(xié)調(diào)好農(nóng)業(yè)保供給和農(nóng)業(yè)碳排放減量雙重關系；同時，在政策制定的同時要強化實施，加強宣傳引導和監(jiān)督管控，健全農(nóng)藥、化肥、農(nóng)膜等使用回收再利用監(jiān)管機制和市場機制，構建完善的農(nóng)業(yè)環(huán)境監(jiān)督管理體系。另外，特別要總結經(jīng)驗教訓，建立長效常態(tài)機制，以制度建立成效構筑起農(nóng)業(yè)碳排放持續(xù)減少的制度保障。（3）科技水平對農(nóng)業(yè)碳排放抑制效果不明顯，因此在農(nóng)業(yè)科學技術方面應加大對低碳農(nóng)業(yè)的關注和投入力度，提高農(nóng)業(yè)技術推廣水平，盡最大努力減少最新環(huán)保農(nóng)業(yè)技術研發(fā)、推廣和使用過程出現(xiàn)的滯后性，特別要結合長三角地區(qū)自然狀況和農(nóng)業(yè)種植情況，加大有針對性的技術研發(fā)，提升農(nóng)藥、化肥減量與增效作用。（4）泛長三角科學技術水平和農(nóng)業(yè)綠色FTP 的區(qū)域差異明顯，應加強區(qū)域間統(tǒng)籌協(xié)調(diào)力度，強化信息技術共享機制，實施定向支援、扶持行動，確保區(qū)域間先進技術、管理經(jīng)驗第一時間“引進來、用起來、作用發(fā)揮好”，尤其要強化地區(qū)聯(lián)合技術攻關，整合科研、推廣力量，推動技術研發(fā)實現(xiàn)突破性進展。