糧食主產區政策的環境績效:基于農業碳排放視角

楊晨 胡珮琪 刁貝娣 成金華 崔恒瑜

摘要：農業是全球碳排放的第二大來源。在保證糧食安全的基礎上，如何有效控制農業碳排放，成為中國政府關注的焦點。糧食主產區政策作為保障國家糧食安全的核心政策之一，在實現糧食產量長期穩定增長的同時，評估檢驗其對農業碳排放的影響具有較強的實踐意義。基于2000—2019年中國31個省份的面板數據，構建雙重差分（DID）模型判斷和分析糧食主產區政策對農業碳排放的影響。進一步利用中介效應模型分析檢驗主產區政策實現碳減排的機制。結果顯示：①糧食主產區政策的實施，能夠有效地減少農業碳排放總量，降低農業碳排放密度和強度，其作用效果分別為10.74%、10.35%和15.27%。②從長時間尺度看，主產區政策對糧食碳排放總量、密度和強度的削減作用隨時間不斷增強，并在2016年達到頂峰。③具體而言，主產區政策主要對生產過程中由化肥投入、農藥施用、農膜使用以及機械燃油所產生的碳排放具有顯著的負向影響，減碳效果分別為9.9%、11.27%、42.26%、8.41%。④糧食種植比重的增加是糧食主產區政策減碳的有效機制之一，實現了主產區種植結構的調整和規模效應，使農業碳排放總量減少了3.25%，農業碳排放密度降低了3.14%。因此，在保障糧食安全的前提下，為提高糧食生產的環境效率，一方面要繼續堅持糧食主產區政策，另一方面也需有針對性地開展相關工作。短期內，主要鼓勵農業經營者合理擴大糧食生產規模，提高化學投入品、機械等要素的生產效率;長期內，需繼續普及推廣綠色生產技術，降低糧食生產對化學投入品等的依賴，逐步向低碳的生產模式轉變。關鍵詞糧食主產區;農業碳排放;雙重差分

中圖分類號F205文獻標志碼A文章編號1002-2104（2021）12-0035-10DOI：10.12062/cpre.20210804

糧食主產區政策是保障國家糧食安全和實現糧食產量長期穩定增長的關鍵[-2]。幾十年的農業現代化發展，使得中國農業生產的高碳特征十分突岀，對化學品投入和能源等相關生產要素的依賴性逐漸增強[3-5]。統計數據顯示，農業部門已經成為全球碳排放的第二大重要來源血，占全球總量的1/4[7]，其中，中國農業碳排放總量占全球的12.54%。2020年第七十五屆聯合國大會上，中國政府表示將力爭在2030年實現碳達峰，并在2060年實現碳中和。如何有效地控制農業部門的碳排放逐漸成為各方關注的重點。2021年“十四五”規劃明確提出既要“以糧食生產功能區和重要農產品生產保護區為重點，建設國家糧食安全產業帶”，也要實施“以碳強度控制為主、碳總量控制為輔的制度”，推動農業生產向更加低碳、綠色、可持續的方向發展。因此，除保障糧食產量穩定增長外，判斷和評估糧食主產區政策對農業碳排放的影響具有重要的現實意義。該研究以2004年初劃分糧食主產區的政策為準自然實驗，基于2000—2019年31個省份的面板數據，使用雙重差分模型評估糧食主產區政策是否對農業碳排放產生影響，并進行一系列的穩健性檢驗，最后分析其作用機制。

1文獻綜述與機制分析

1.1文獻綜述

盡管農業是碳排放的重要部門之一，但中國尚未有官方渠道統計和公布農業生產的碳排放量，因此，許多學者運用不同的方法對中國各省份的農業碳排放量進行測度和計算，并構建不同的模型對其排放績效等進行研究。李波等”參考已有研究和報告公布的碳排放系數，基于化肥、農藥、農膜、柴油、翻耕和農業灌溉等農業生產中的6個碳源，對中國1993—2008年的農業碳排放量進行了測算。田云等「9將農業碳源類型擴展到農地利用、稻田、牲畜腸道發酵和糞便管理等四個方面共16類，測算了1995年至2010年中國各省份的農業碳排放量。吳賢榮等['0]則是在測算碳排放的基礎之上，構建了DEA-Malmquist效率指數，對中國各省份的農業碳排放效率變動趨勢進行了測度和分析。田成詩等[11]除測算省際農業碳排放量外，通過構造農業碳排放的衍生指標，采用TOPSIS法對省際的農業低碳化水平進行了評價。已有研究普遍采用現有研究或權威報告中公布的各類碳源系數與農業碳源總量相乘獲得農業碳排放總量，為碳排放量測算提供了重要的參考。

除農業碳排放的測算外，關于農業碳排放影響因素的研究[12-14]也十分豐富，種植規模、農業技術進步、土地利用方式、經濟增長、城鎮化水平、人力資本等都被認為是影響農業碳排放的重要因素。劉瓊等心利用2000一2016年的省級面板數據研究發現，農地經營規模與農業碳排放之間呈現“U”型關系，經營規模的擴大會提高農戶對要素科學配比的敏感性，但過度擴大會降低農戶的化肥減量投入傾向，進而影響農業碳排放。農業技術進步對農業碳排放的影響則具備一定的隨機性，主要因為它既包含了以提高農業勞動生產率為目標的技術，也包含了以降低環境污染為目標的綠色技術[9'I2]。對于土地利用方式而言，除草地、林地變耕地會增加農業碳排放外[16-17]，陳儒等"的研究發現，草本經濟作物與糧食作物相比需要更多農資和農業能源的投入，糧食作物則比木本經濟作物需要更多的投入，因此所產生的農業碳排放按照從大到小依次排序為草本經濟作物>糧食作物〉木本經濟作物。李波等"I和高標等1201的研究則證實，農業碳排放與經濟增長之間符合環境庫茲涅茨曲線模型。

在糧食產量連年下降的背景下，國家財政部于2003年12月發布《關于改革和完善農業綜合開發若干政策措施的意見》（以下簡稱《意見》），將黑龍江等13個省份劃定為糧食主產區。明確提岀，要重視糧食主產區的農業基礎設施建設，完善當地的農產品生產條件，扶持和發展產業化的龍頭企業和農民專業合作社，并加大財政資金的投入力度。在政策的支持和鼓勵下，主產區的糧食產量實現“十二連增”。但是，產量增加所產生的環境問題也受到不少學者的關注。一方面，部分學者從不同的角度針對糧食主產區內的環境績效進行評估。特別地，考慮糧食主產區的農業規模較大、碳排放總量較高[21]，一些學者專注于對糧食主產區的綠色生產效率s、耕地可持續發展能力[23]以及農業碳排放進行測算和評估[24-25]。另一方面，也有部分學者研究討論了糧食主產區政策的環境效應。趙麗平等[26]發現在城鎮化加速期，糧食主產區生產與環境的協調度要優于糧食平衡區;羅斯炫等[27]發現劃分主產區后，13個糧食主產區省份的化肥面源污染強度將會下降。

研究學者圍繞農業碳排放和糧食主產區政策分別做了豐富的討論，但是對糧食主產區劃分與農業碳排放間關系的研究尚有不足。首先，關于農業碳排放測算的研究，已有學者發現糧食主產省份的農業碳排放普遍較高，是中國農業碳排放的重要來源之一，但并未深究糧食主產區政策在其中發揮的作用。其次，也鮮有研究將糧食主產區政策作為農業碳排放的影響因素進行討論，反而更多地關注技術采納、種植結構、土地利用方式等生產因素。最后，對糧食主產區政策環境績效的評價，已有研究主要關注農藥、化肥施用量的變化及其所直接構成的環境指標。綜上所述，已有研究對糧食主產區政策與農業碳排放關系的討論仍然有較強的局限性。

1.2機制分析

由碳排放的測算可知，農業生產過程中的碳排放主要來自化肥投入、農藥施用、灌溉用電、機械柴油、土壤耕作等。在追求自給自足和糧食安全的戰略目標下，中國糧食生產的集約化程度較高[28]，導致生產的高碳化問題更加嚴重。已有研究已證明，糧食生產大省較其他地區，農業碳排放問題普遍更加嚴重。但是，糧食主產區政策的實施對農業碳排放的影響仍需要進行理論分析。尤其，糧食主產區的劃定和配套政策的實施會激勵相關地區農業經營者糧食生產的積極性，增加糧食生產的比重⑵，進而影響農業碳排放。

糧食主產區政策不僅會促進主產區省份的“趨糧化”，也會進一步對當地的農業碳排放產生影響。一方面，糧食主產區政策會使農業經營者更傾向于種植糧食作物，進而影響其化學品投入水平。一般情況下，糧食主產省份多地勢平坦，適宜種植糧食作物或草本經濟作物。但是，相較于草本經濟作物，糧食作物對于農業化學品投入的依賴性往往更弱3雙。因此，更多地種植糧食作物會降低主產區農業經營者化肥、農藥等的投入水平，從源頭減少農業碳排放量130-31]。另一方面，種植業的“趨糧化”也有助于實現生產的規模化和集中化管理[27]，進而改善原本粗放、高碳的生產模式。具體而言，糧食生產規模的擴大能夠增強生產管理的科學性[32]，實現農藥、化肥施用的規模效應[27'33]，提高農業機械的利用效率，促進節水技術的普及和灌溉效率的提升財，保障土地和土壤的科學治理[35]，進而降低農用化學品的投入，減少機械柴油和灌溉用電的消耗，以及土壤中有機碳的流失，最終減少了農業碳排放量。糧食主產區政策所導致的“趨糧化”，會對農業化學品投入和生產模式造成影響，進而推動農業碳減排的實現。

2研究設計與數據來源

2.1研究設計

2.1.1雙重差分模型

運用雙重差分（Difference-in-Difference）的方法評估糧食主產區政策對農業碳排放的影響。具體而言，將糧食主產區的劃分作為一項“準自然試驗”，利用非糧食主產區省份構造出反事實，在處理組和對照組、劃分前和劃分后進行兩次差分，得到的結果即糧食主產區政策的影響效果。糧食主產區的劃分以促進糧食產量穩定增長、保障國家糧食安全為根本目標，有較強的政策性和壓力[28]，因此具有構建雙重差分模型的基礎。并且，糧食主產區的劃分帶來的，是專門面向主產區實施的、以提高糧食產量和保障糧食安全為基礎的一系列政策，因此，無需再對相關政策進行剝離5。

為了分析糧食主產區政策對農業碳排放的影響，構建了雙重差分模型（1），為控制不可觀測因素對結果產生的影響，控制了各地區固定效應8，和時間固定效應T?ei是誤差項，具體如下：

lnCEit=/3-treat，xpost+yxXit+8，+Tt+e，（1）

被解釋變量：CE*表示第i個地區在t年的農業碳排放總量。具體測算方法參考了文獻[8]、[36]、[37]的研究結果，將農業生產過程中的碳源分為化肥投入、農藥施用、農膜使用、機械燃油、灌溉用電以及土壤耕作，并沿襲其研究思路構造碳排放的估算公式：

CE=YCEI=YTJx門（2）

其中：CE為農業碳排放總量，CE，為各類碳源碳排放量，T，為各類碳源的絕對量，b，為各類碳源的碳排放因子。農地利用過程中各類碳源的碳排放因子參考文獻[8]和[9]的研究，分別設置為0.8956kg/kg、4.9341kg/kg、5.18kg/kg、0.5927kg/kg、312.6kg/km2、25kg/hm2。

為更好地反映農業碳排放的效率，進一步參考文獻[38]和[39]的研究，將被解釋變量替換為農業碳排放密度CED*和農業碳排放強度CEIt進行分析，其中，農業碳排放密度為單位播種面積的碳排放量，農業碳排放強度為萬元農業GDP的碳排放量。另外，為減少數據異常波動和方便彈性系數解釋，對所有被解釋變量取對數進行回歸。

核心解釋變量：treat，xpost，表示第i個地區在t年是否實施了糧食主產區政策，其中treat：和post.均為虛擬變量。一方面，參考《意見》對糧食主產區的劃分，treat：表示是否為13個糧食主產區省份（包括黑龍江、吉林、遼寧、內蒙古、河北、河南、山東、江蘇、安徽、四川、湖南、湖北以及江西），若是則為1（即處理組），否則為0（即對照組）。另一方面，考慮糧食主產區政策是2003年12月份提出，2004年才正式開始實施，因此，post.表示是否在2004年之后，2004年及以后則為1（即處理后），2003年及以前則為0（即處理前）。

控制變量：X*表示一系列的控制變量。參考已有研究選取各地區經濟社會發展指標和農業相關指標，包括人口、地區人均GDP、第二產業占比、第三產業占比，以及財政支持力度、農作物耕種規模和農民收入水平，具體的變量含義見表1。

2.1.2事件研究

雙重差分模型回歸結果成立的前提是糧食主產區的劃分應具有統計意義上的隨機性。雖然，各個省份的地理條件、自然稟賦、糧食產量等是糧食主產區劃分的重要依據，但在政策實施前，主產區與非主產區的農業碳排放變化趨勢一致，即可以保證回歸結果的有效性。因此，基于文獻[40]和[41]的方法，利用事件研究法（EventStudy）進行動態趨勢的分解和分析。一方面，檢驗主產區和非主產區在政策出臺之前是否存在平行趨勢;另一方面，直觀地反映糧食主產區政策對農業碳排放的動態效果。具體模型如下：

式（1）中的treat;xpost，被替換為treat，xtime;。其中：time;是虛擬變量，為具體的年份，表示時間是否為第k年，若是等于1，否則為0。例如，time2°'°在t為2010年取值1，在t為其他年份時取值0。需要說明的是，由于需要將糧食主產區政策的前一年（2003年）作為基期，因此，回歸中treat：xtime;003被剔除。

2.1.3中介效應模型

糧食主產區政策減少農業碳排放的作用機制是：主產區政策激勵了農業經營者更多地種植糧食作物，實現主產區種植結構的調整和規模效應財42]，降低農業碳排放。參考[43]的研究，結合式（1）構造三段式中介效應模型對該機制進行檢驗：

其中皿為糧食種植比重，表示糧食作物播種面積占農作物播種面積的比率，也是機制中的中介變量。中介效應檢驗的思路為：首先，基于省級面板數據得到式（4）的估計結果，分析糧食主產區政策對糧食種植比重的影響;其次，將中介變量糧食種植比重加入式（1）中，得到新的估計方程式（5），分析中介變量的估計系數。

2.2數據來源和描述性分析

采用2000—2019年中國31個省級行政單位的面板數據進行分析檢驗。由于港澳臺的數據缺失，為了保證數據的連續性將其剔除。數據來自歷年的《中國統計年鑒》《中國農村統計年鑒》《中國農業年鑒》以及各省份統計年鑒等。具體的變量定義和描述性統計分析見表1。

3實證結果與分析

3.1基準回歸

首先，運用雙重差分模型評估糧食主產區政策對農業碳排放的影響效果，基準回歸結果見表2。由表2可知，糧食主產區政策的系數均為負向顯著，說明糧食主產區政策可以顯著地降低農業碳排放總量、碳排放密度以及強度。具體而言，糧食主產區政策的實施對農業碳排放總量和農業碳排放密度的影響效果相似，分別減少了10.74%和10.35%，對農業碳排放強度的影響最強，下降了15.27%。出現該結果的原因可能是：糧食主產區政策的種糧激勵主要作用于主產區的種植結構，對當地整體農業生產規模的影響較為有限，即主產區政策無法顯著地促進當地總播種面積的增加。因此，對農業碳排放總量和農業碳排放密度的影響效果相似。但是政策影響下種植結構的變化會影響農業總產值，一般情況下，糧食作物較草本經濟作物的單位產值更低，使主產區政策不僅降低了農業碳排放總量，相比較而言也降低了農業生產總值，進而使農業碳排放強度的變化更大。整體而言，表2的結果初步地驗證了，劃分糧食主產區有助于控制和減少主產區省份的農業碳排放。

3.2內生性處理與穩健性檢驗

3.2.1平行趨勢檢驗與動態分析

已知糧食主產區省份的農業碳排放量與非主產區省份具有一定的差異913如，為解決可能產生的內生性問題，運用事件研究法判斷是否滿足雙重差分模型的前提假設，并進行長時間序列的動態分析，估計結果如圖1所示。圖1a、1b、1c分別為糧食主產區政策對農業碳排放總量、碳排放密度和強度的長期動態影響。其中，實點為62000—02002和62004—82019的估計系數，虛線表示95%的置信區間。首先，圖1a、1b、1c中的02000—02002均沒有拒絕零假設，意味著，盡管糧食主產省份的農業碳排放量普遍較高，但在主產區政策開展之前主產區和非主產區農業碳排放的變化趨勢并無顯著差異，因此，滿足雙重差分的平行趨勢假定。其次，圖1a、1b中大部分02004—02019的系數為負數并拒絕零假設且隨時間呈現下降的趨勢，表明糧食主產區政策對農業碳排放總量和農業碳排放密度的削減效果不斷增強，并在2016年達到頂峰。而圖1c中02004—02019的系數則全部為負數且拒絕零假設，整體上具有隨時間而下降的趨勢，其中，2011年至2016年主產區政策對碳排放強度的削減效果最強。

3.2.2穩健性檢驗：分樣本回歸

為保障基準回歸結果的穩健性，基于分樣本回歸進行穩健性檢驗。已有研究"顯示，沿海省份和內陸省份的農業發展水平、農業生產結構與農業勞動力規模等具有一定的差異。并且，兩個地區經濟發展結構的不同會影響農業技術，包括低碳技術的采納，進而對農業碳排放效率產生影響血。因此，將31個省份劃分為沿海省份和內陸省份進行分樣本回歸，其中沿海省份包括天津市、河北省、遼寧省、山東省、江蘇省、上海市、浙江省、福建省、廣東省和廣西壯族自治區，剩余地區劃為內陸省份。對于該分類與主產區分類具有相似性的部分，在回歸過程中通過控制個體固定效應的方式予以解決。

分樣本雙重差分的回歸結果見表3，其中：1）列一（3）列為沿海地區的回歸結果，4）列一（6）列為內陸地區的回歸結果。整體而言，糧食主產區政策對沿海省份和內陸省份的碳排放均有顯著的負向影響，說明基準回歸的結果是穩健的。對比來看可以發現，主產區政策對于內陸省份的農業碳排放總量、農業碳排放密度和農業碳排放強度的作用效果更強且顯著性更高，分別為10.28%，9.89%和14.57%。但是，對于沿海地區碳排放總量、密度和強度的作用效果僅為6.15%，5.87%和7.38%。可能是因為，沿海地區整體的經濟發展水平更高，糧食主產區政策對農業經營者糧食種植的激勵效果較內陸地區更弱。但是，在國家保障糧食安全的發展戰略下，為保證產量，沿海地區的主產區在糧食生產的過程中會更加依賴于農藥、化肥、機械等生產要素的投入，從而導致碳減排的效果不及內陸地區。

3.2.3安慰劑檢驗：隨機推斷

基準回歸中，農業碳排放總量、密度以及強度三個指標的顯著性可能來自某些不可觀測的偶然因素，因此，通過隨機推斷（RandomizationInference）[41，441排除該可能性。具體過程為，在全國31個省份內隨機生成虛擬的13個糧食主產區省份，按照式（1）的設定進行回歸，得到核心估計系數B的t統計量，利用蒙特卡洛模擬將上述操作重復1000次，得到回歸系數0的t統計量的分布。安慰劑檢驗的結果如圖2a、2b、2c所示，圖中的豎線為基準回歸中得到的真實的t統計量。將分布結果進行擬合發現，對農業碳排放總量、密度和強度虛擬回歸得到的t統計量基本呈現以0為中心的正態分布，而基準回歸得到的真實的t統計量則顯著不為0，說明基準回歸的結果不是由不可觀測的偶然因素驅動的，糧食主產區政策確實減少了相關地區的農業碳排放。

3.3主產區政策對不同農業碳排放的影響

進一步，參照式（1）運用雙重差分模型檢驗分析主產區政策對六類不同農業碳源的減碳效果，回歸結果見表4。糧食主產區政策對生產過程中由化肥投入、農藥施用、農膜使用以及機械燃油所產生的碳排放具有顯著的負向影響，減碳效果分別為9.9%、11.27%、42.26%、8.41%。然而，主產區政策對灌溉用電和土壤耕作產生的碳排放不存在顯著的負向作用。可能的原因是：首先，對于灌溉而言，主產區政策既促進了農業經營者放棄原本漫灌的生產方式，采納噴灌、滴灌等節水灌溉技術，同時，也促進主產區原本靠天吃飯、不灌溉的經營者安裝灌溉設施，進而導致主產區政策對灌溉用電造成的碳排放無法產生顯著的影響。其次，對于土壤耕作而言，主要是由于主產區政策不會對經營者相關的生產行為產生顯著的影響。具體而言，經營者更傾向于通過輪作或間作的形式達到保護耕地地力的目的，而非休耕。休耕所需周期較長，且短期內極大地影響經營者收入，因此主產區政策并不足以對此產生激勵。最后，主產區政策對農膜使用所產生的碳排放的影響效果最強，可能是因為果蔬等經濟作物對于生長環境的要求往往較高，較糧食作物對農膜的消耗也更多[45-46]。因此，在主產區政策對總體農業生產規模影響不顯著，而對糧食種植規模影響顯著的情況下，能夠更大程度地減少農膜使用所產生的碳排放。

3.4機制檢驗

采用三段式中介效應模型分析檢驗“趨糧化”的中介機制是否成立，并運用Sobel檢驗和Bootstrap法進行穩健性檢驗，回歸結果見表5。

糧食主產區政策對糧食種植比重的回歸結果說明，其確實有利于提升主產區省份農業經營者糧食生產的積極性，整體上提高糧食作物種植的比重。表5（2）列、（3）列的回歸結果顯示，糧食種植比重對農業碳排放總量和農業碳排放密度具有顯著的負向影響，說明主產區農業生產的“趨糧化”是其降低農業碳排放總量和密度的有效中介機制。其中，“趨糧化”降低農業碳排放總量和農業碳排放密度的中介效果分別為3.25%和3.14%。并且，Sobel檢驗和Bootstrap檢驗均顯著，說明該中介機制較為穩健。但是，表5（4）列的回歸結果顯示，趨糧化會對農業碳排放強度產生正向的影響，且在10%的水平上顯著。這說明糧食比重的提升并不是主產區政策減弱農業碳排放強度的中介機制。之所以呈現這樣的結果，可能與趨糧化帶來的農業總產值的變化有關。盡管種植更多的糧食有助于減少碳源的絕對量，但相較于草本經濟作物，糧食作物的單位產值較小。在主產區政策對當地整體農業生產規模影響有限的情況下，主產區省份的“趨糧化”會不利于農業總產值的增加，進而可能會增加農業碳排放強度。

4結論與政策啟示

4.1結論

糧食主產區作為促進糧食產量增加和保障國家糧食安全的重點之一，討論其對于農業碳排放的影響具有十分重要的意義。基于省級面板數據和雙重差分模型，從動態的視角評估了糧食主產區政策對農業碳排放的影響效果，得出如下結論。

第一，糧食主產區政策顯著地減少了13個主產省份農業碳排放的總量、密度和強度。具體而言，從2004年劃分主產區至2019年，這一政策平均地導致農業碳排放總量降低了10.74%、農業碳排放密度降低了10.35%、農業碳排放強度降低了15.27%。

第二，從長期趨勢來看，糧食主產區政策對農業碳排放總量、農業碳排放密度和強度的削減作用隨時間推移不斷增加。其中，對總量和密度的影響在2016年達到頂峰，對強度的影響則在2011年至2016年期間最強。

第三，糧食主產區政策對于由化肥投入、農藥施用、農膜使用以及機械燃油所產生的碳排放具有顯著的負向影響，減碳效果分別為9.9%，11.27%、42.26%、8.41%。

第四，農業生產的“趨糧化”是糧食主產區政策影響農業碳排放總量和密度的中介機制，其產生的間接影響效果為3.25%和3.14%。但是，“趨糧化”并不是影響農業碳排放強度的中介機制。

4.2政策啟示

基于上述分析，總結出如下政策啟示。

第一，堅持糧食主產區政策，促進糧食適度規模經營。長期來看，主產區政策依然是保障國家糧食安全和促進糧食生產的關鍵，因此，應繼續堅持實施糧食主產區政策，并以其為基礎，鼓勵當地的農業經營者適度規模經營，通過促進主產省份種植結構的“趨糧化”，實現農業生產要素的規模效應，提高生產效率，從而有效地控制農業碳排放。

第二，優化產業結構，促進農業現代化、品牌化、有機化發展。保障國家糧食安全是農業生產的重要前提，基于農業現代化發展，積極開展品種培育，推廣集成化、機械化、信息化的生產技術，全面提高糧食產量。同時，依托“三品一標”建立地區農產品的品牌優勢，以品牌倒逼農業經營者標準化和有機化生產，提高糧食產品的附加價值，優化當地農業產業結構，進而達到農業碳減排的效果。并且，積極倡導清潔環保的農業生產方式，減少化肥、農藥、農膜等的使用，實現農業生產中的綠色可持續發展。另外，可積極促進內陸地區糧食主產區的發展，增加其糧食產量，緩解沿海經濟發達地區糧食供給的壓力，實現不同區域發展優勢的最大化。

第三，政策支持為基礎，市場化推廣為前提，引導和推動農業向低碳生產轉型。由糧食主產區長時間序列分析的結果可知，016年起其碳減排的效果開始減弱。因此，從長期發展的角度出發，低碳技術的采納是實現農業碳減排最有效的方式。通過政策引導，在當地建立低碳農業生產體系，一方面積極展開科技創新與研發，另一方面通過補貼、保險等方式幫助低碳的農業生產技術快速進入市場，鼓勵農業經營者主動采取低碳的生產技術，推進循環農業和生態農業的發展。

參考文獻

[1]姚成勝，李政通，易行.中國糧食產量變化的驅動效應及其空間分異研究[J].中國人口·資源與環境，2016，26（9）：72-81.

[2]杜銳，毛學峰.基于合成控制法的糧食主產區政策效果評估[J].中國軟科學，2017（6）：31-38.

[3]冉光和，王建洪，王定祥.我國現代農業生產的碳排放變動趨勢研究[J].農業經濟問題，2011，32（2）：32-38，110.

[4]楊鈞.農業技術進步對農業碳排放的影響：中國省級數據的檢驗[J].軟科學，2013，27（10）：116-120.

[5]黃祖輝，米松華.農業碳足跡研究：以浙江省為例[J].農業經濟問題，2011，32（11）：40-47，111.

[6]IntergovernmentalPanelonClimateChange.IPCCguidelinesforna?tionalgreenhousegasinventories[R].2006.

[7]IntergovernmentalPanelonClimateChange.Climatechange2014：mitigationandclimatechange[R].2014.

[8]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[J].中國人口·資源與環境，2011，21（8）：80-86.

[9]田云，張俊飚，李波.中國農業碳排放研究：測算、時空比較及脫鉤效應[J].資源科學，2012，34（11）：2097-2105.

[10]吳賢榮，張俊飚，田云，等.中國省域農業碳排放：測算、效率變動及影響因素研究[J].資源科學，2014，36（1）：129-138.

[11]田成詩，陳雨.中國省際農業碳排放測算及低碳化水平評價：基于衍生指標與TOPSIS法的運用[J].自然資源學報，2021，36（2）：395-410.

[12]李國志，李宗植.中國二氧化碳排放的區域差異和影響因素研究[J].中國人口·資源與環境，2010，20（5）：22-27.

[13]何艷秋，王珊珊.中國農業碳排放的結構、效率及其決定機制

[J].農業經濟問題，2014，35（7）：18-26，110.

[14]何艷秋，戴小文.中國農業碳排放驅動因素的時空特征研究

[J].資源科學，2016，38（9）：1780-1790.

[15]劉瓊，肖海峰.農地經營規模與財政支農政策對農業碳排放的影響[J].資源科學，2020，42（6）：1063-1073.

[16]李穎，黃賢金，甄峰.江蘇省區域不同土地利用方式的碳排放效應分析[J].農業工程學報，2008，24（S2）：102-107.

[17]馬曉哲，王錚.土地利用變化對區域碳源匯的影響研究進展[J].生態學報，2015，35（17）：5898-5907.

[18]陳儒，鄧悅，姜志德.農業生產項目的綜合碳效應分析與核算研究：基于陜西安塞的農戶調查數據[J].華中農業大學學報（社會科學版），2017（3）：23-34，150.

[19]李波，張俊飚，李海鵬.中國農業碳排放與經濟發展的實證研究[J].干旱區資源與環境，2011，25（12）：8-13.

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

[21]田云，吳海濤.產業結構視角下的中國糧食主產區農業碳排放公平性研究[J].農業技術經濟，2020（1）：45-55.

[22]趙會杰，于法穩.基于嫡值法的糧食主產區農業綠色發展水平評價[J].改革，2019（11）：136-146.

[23]趙宏波，馬延吉.東北糧食主產區耕地生態安全的時空格局及障礙因子：以吉林省為例[J].應用生態學報，2014，25（2）：515-524.

[24]何慧爽，付幫杰.我國糧食主產區農業碳排放測度與減排壓力研究[J].生態經濟，2019，35（11）：99-104.

[25]田云，張俊飚，李波.中國糧食主產區農業碳排強度估算及其分析[J].地理科學進展，2012，31（11）：1546-1551.

[26]趙麗平，王雅鵬，何可.我國糧食生產的環境技術效率測度[J].華南農業大學學報（社會科學版），2016，15（3）：28-37.

[27]羅斯炫，何可，張俊飚.增產加劇污染：基于糧食主產區政策的經驗研究[J].中國農村經濟，2020（1）：108-131.

[28]毛學峰，孔祥智.重塑中國糧食安全觀[J].南京農業大學學報（社會科學版），2019，19（1）：142-150，168.

[29]陳儒，姜志德，趙凱.低碳視角下農業生態補償的激勵有效性[J].西北農林科技大學學報（社會科學版），2018，18（5）：146-154.

[30]QINA，HUANGG，CHAIQ，etal.Grainyieldandsoilrespirato?ryresponsetointercroppingsystemsonaridlandJ].Fieldcropsresearch，2013，144（6）：1-10.

[31]CHAIQ，QINA，GANY，etal.Higheryieldandlowercarbonemissionbyintercroppingmaizewithrape，pea，andwheatinaridirrigationareas[J].Agronomyforsustainabledevelopment，2014，34（2）：535-543.

[32]史磊剛，陳阜，孔凡磊，等.華北平原冬小麥-夏玉米種植模式碳足跡研究[J].中國人口·資源與環境，2011，21（9）：93-98.

[33]諸培新，蘇敏，顏杰.轉入農地經營規模及穩定性對農戶化肥投入的影響：以江蘇四縣（市）水稻生產為例[J].南京農業大學學報（社會科學版），2017，17（4）：85-94，158.

[34]許慶，田士超，徐志剛，等.農地制度、土地細碎化與農民收入不平等[J].經濟研究，2008（2）：83-92，105.

[35]謝文寶，陳彤，劉國勇.鄉村振興背景下農戶耕地質量保護技術采納差異分析[J].改革，2018（11）：117-129.

[36]宋德勇，盧忠寶.中國碳排放影響因素分解及其周期性波動研究[J].中國人口·資源與環境，2009，19（3）：18-24.

[37]張秀梅，李升峰，黃賢金，等.江蘇省1996年至2007年碳排放效應及時空格局分析[J].資源科學，2010，32（4）：768-775.

[38]CHENGK，PANG，SMITHP，etal.CarbonfootprintofChina'scropproduction：anestimationusingagro-statisticsdataover1993?2007[J].Agricultureecosystemsandenvironment，2011，142（3）：231-237.

[39]鄧明君，鄧俊杰，劉佳宇.中國糧食作物化肥施用的碳排放時空演變與減排潛力[J].資源科學，2016，38（3）：534-544.

[40]LIP，LUY，WANGJ.Doesflatteninggovernmentimproveeco?nomicperformance：evidencefromChinaJ].Journalofdevelop?menteconomics，2016，123：18-37.

[41]BECKT，LEVINER，LEVKOVA.Bigbadbanks：thewinnersandlosersfrombankderegulationintheUnitedStates[j].Thejournaloffinance，2010，65（5）：1637—1667.

[42]許慶，尹榮梁，章輝.規模經濟、規模報酬與農業適度規模經營：基于我國糧食生產的實證研究[J].經濟研究，2011，46（3）：59—71，94.

[43]BARONRM，KENNYDA.Themoderator-mediatorvariabledis?tinctioninsocialpsychologicalresearch：conceptual，strategic，andstatisticalconsiderations[J].Journalofpersonalityandsocialpsychology，1986，51（6）：1173—1182.

[44]CANTONID，CHENYY，YANGDY，etal.CurriculumandIde?ology[J].Journalofpoliticaleconomy，2016，125（2）：338—392.

[45]鄧衡山，徐志剛，黃季焜，等.組織化潛在利潤對農民專業合作組織形成發展的影響[J].經濟學（季刊），2011，10（4）：1515—1532.

[46]王輝，董元華，安瓊，等.高度集約化利用下蔬菜地土壤養分累積狀況：以南京市南郊為例[J].土壤，2006（1）：61—65.

Environmental performance evaluation of policies in main grain producing areas：

from the perspective of agricultural carbon emissions

YANG Chen1，HU Peiqi2，DIAO Beidi3，CHENG Jinhua4，CUI Hengyu1 （1.School of Agricultural Economics and Rural Development， Renmin University of China， Beijing 100872， China; 2.School of Environment and Natural Resources， Renmin University of China， Beijing 100872， China; 3.School of Econom-ics and Management， China University of Mining and Technology， Xuzhou Jiangsu 221000， China; 4.School of Economics

and Management， China University of Geosciences （Wuhan）， Wuhan Hubei 430074， China）

Abstract Agriculture is the second most important source of global carbon emissions.The way to increase food production and at thesame time effectively control carbon emissions in the agricultural sector has gradually become the focus of the Chinese government.Themain grain producing area policy is one of the core policies for national food security.It is necessary and practical to discuss whether itcan reduce agricultural carbon emissions while achieving long-term stable growth of food production.Based on Chinas provincial paneldata from 2000 to 2019， this study adopted the difference-in-differences （DID） model to evaluate whether the policy could affect the ag-ricultural carbon emissions in the main grain producing areas.Furthermore， a mediating effect analysis was conducted to test the mecha-nism of how the main grain producing area policy achieved carbon emission reduction.The results showed that： ① The implementationof the main grain producing area policy could effectively reduce the total amount of agricultural carbon emissions and reduce their den-sity and intensity.And the results were 10.74%， 10.35% and 15.72%， respectively.② From a long-term trend， the reduction effect ofthe main production area policy on the total agricultural carbon emissions， density and intensity was increasing over time， and reachedits peak in 2016.③ Specifically， the policy decreased carbon emissions from fertilizer， pesticide， agricultural film and agricultural ma-chinery.Their carbon reduction effects were 9.9%， 11.27%， 42.26% and 8.41%， respectively.④ The implementation of the main grainproduction area policy was mainly through increasing the proportion of grain production to change the agricultural structure of these ar-eas and to achieve the scale effect of fertilizers， pesticides， machinery， irrigation， etc.， thereby reducing the total and density of agricul-tural carbon emissions by 3.25% and 3.14%， respectively.Thus， in order to effectively control the carbon emissions of the agriculturalsector and maintain food production， the main grain producing areas policy should be implemented continually.Several targeted activi-ties are also needed.In the short run， governments need to reasonably expand the scale and increase the production efficiency of chemi-cal inputs， machinery and other elements.In the long run， it is necessary to continue to promote green production technologies， reducethe dependence on chemical and other inputs， and gradually shift to a low-carbon production model.

Key words main grain producing areas; agricultural carbon emission; difference-in-differences