中國農(nóng)業(yè)碳排放區(qū)域差異及其空間分異機理

尹忞昊 田 云 盧奕亨

近年來，全球溫室氣體排放量持續(xù)攀升，極端高溫屢創(chuàng)歷史紀(jì)錄，人類生存環(huán)境與生物多樣性面臨巨大威脅。在如此不利境況下，國際社會共謀應(yīng)對之策，相繼出臺了《聯(lián)合國氣候變化框架公約》《京都協(xié)議書》《巴黎協(xié)定》等一系列具有法律約束力的框架協(xié)議。即便如此，全球加速變暖趨勢并未停止抑或減緩。據(jù)聯(lián)合國環(huán)境規(guī)劃署發(fā)布的《2022年排放差距報告：正在關(guān)閉的機會之窗》顯示，欲將全球升溫控制在1.5℃以下，10 年內(nèi)必須減少45%的溫室氣體排放。世界各國紛紛提出減緩和適應(yīng)氣候變化的自主貢獻(xiàn)目標(biāo)。中國也展現(xiàn)了負(fù)責(zé)任大國的作為和擔(dān)當(dāng)，早在2020 年9 月第七十五屆聯(lián)合國大會一般性辯論上就已提出“雙碳”目標(biāo)，2022 年10 月黨的二十大報告進(jìn)一步明確，要積極穩(wěn)妥推進(jìn)碳達(dá)峰碳中和，堅持先立后破，有計劃分步驟實施碳達(dá)峰行動。在這一行動過程中，具有極大減排增匯空間的農(nóng)業(yè)也將發(fā)揮重要作用。農(nóng)業(yè)農(nóng)村部、國家發(fā)展和改革委員會印發(fā)的《農(nóng)業(yè)農(nóng)村減排固碳實施方案》強調(diào)，以節(jié)約資源和保護(hù)環(huán)境的方式進(jìn)行農(nóng)業(yè)生產(chǎn)，形成節(jié)能低碳的空間格局。為此，亟須切實加快農(nóng)業(yè)生產(chǎn)低碳轉(zhuǎn)型步伐，探索有利于協(xié)同減排的空間分布格局。

目前，關(guān)于涉農(nóng)領(lǐng)域碳排放的研究主要集中于農(nóng)業(yè)生產(chǎn)層面，且早期主要聚焦于農(nóng)業(yè)碳排放測算指標(biāo)體系的構(gòu)建與精準(zhǔn)測度，具體涉及農(nóng)用物資投入［1-2］、農(nóng)業(yè)能源利用［3-4］、農(nóng)地利用［5-6］、畜禽養(yǎng)殖［7-8］、漁業(yè)生產(chǎn)［9-10］等單一視角，或者涵蓋上述一切并包含水稻種植的全面視角［11-13］。 綜合研究表明，近年來中國農(nóng)業(yè)碳排放總量雖存在一定波動，但總體上升態(tài)勢較為明顯，同時各省級行政區(qū)無論碳排放總量、強度還是結(jié)構(gòu)均存在較大差異。在此基礎(chǔ)上，一些學(xué)者圍繞農(nóng)業(yè)碳排放的驅(qū)動機理、績效水平及減排潛力展開探究，結(jié)果顯示，經(jīng)濟增長是導(dǎo)致農(nóng)業(yè)碳排放增加的關(guān)鍵動因［14］，而技術(shù)進(jìn)步則對其形成了一定的抑制作用［15］；總體績效水平雖有提升但省際差異明顯，省域間存在空間自相關(guān)且溢出效應(yīng)明顯［16-17］；雖然省際減排成本差異較大［18］，但國家層面以及絕大多數(shù)省份有能力實現(xiàn)政府所承諾的預(yù)期減排目標(biāo)［19］。

綜合來看，目前有關(guān)農(nóng)業(yè)碳排放的研究已相對全面、系統(tǒng)，涵蓋現(xiàn)狀把握、典型特征剖析、影響機理探討等方面，為后續(xù)農(nóng)業(yè)碳減排政策的完善提供了有力依據(jù)。但是，隨著研究的不斷深入，厘清中國農(nóng)業(yè)碳排放區(qū)域差異、探討區(qū)域差異演變趨勢以及分析其空間分異內(nèi)在機理已成為亟待關(guān)注的問題。有鑒于此，本文對中國30 個省（區(qū)、市）農(nóng)業(yè)碳排放量進(jìn)行精準(zhǔn)測算，利用泰爾指數(shù)、馬爾科夫矩陣考察其區(qū)域差異與動態(tài)演進(jìn)趨勢，借助地理探測器方法探究其空間分異的內(nèi)在機理，并基于研究結(jié)論提出相應(yīng)對策。

一、研究方法與數(shù)據(jù)來源

（一）研究方法

1.泰爾指數(shù)

泰爾指數(shù)用來測量國家間收入差距，目前已成為研究各區(qū)域差異的常用方法。根據(jù)泰爾指數(shù)的構(gòu)造原理，其可以被分解為區(qū)域內(nèi)差異和區(qū)域間差異兩部分。本文以各省份農(nóng)業(yè)碳排放量作為反映農(nóng)業(yè)碳排放水平的指標(biāo)，并選用各省份第一產(chǎn)業(yè)從業(yè)人員數(shù)量和農(nóng)業(yè)增加值為權(quán)重指標(biāo)，將中國農(nóng)業(yè)碳排放水平分為總體差異、區(qū)域內(nèi)（糧食主產(chǎn)區(qū)、主銷區(qū)和產(chǎn)銷平衡區(qū)內(nèi)部）差異和區(qū)域間（糧食主產(chǎn)區(qū)、主銷區(qū)和產(chǎn)銷平衡區(qū)之間）差異進(jìn)行研究，相關(guān)公式如下：

式中：T、Tw、Tb分別表示衡量中國農(nóng)業(yè)碳排放水平區(qū)域差異的總泰爾指數(shù)、區(qū)域內(nèi)泰爾指數(shù)與區(qū)域間泰爾指數(shù)；AC、S分別代表農(nóng)業(yè)碳排放量、農(nóng)業(yè)增加值/第一產(chǎn)業(yè)從業(yè)人員數(shù)量；M、N分別表示區(qū)域總數(shù)量和省份總數(shù)量；j、i分別表示j區(qū)域和i省份。

為進(jìn)一步分析三類區(qū)域農(nóng)業(yè)碳排放差異對中國總差異的影響，將泰爾指數(shù)引入?yún)^(qū)域間和區(qū)域內(nèi)差異貢獻(xiàn)率分析中，計算公式如下：

式中：Iw表示區(qū)域內(nèi)差異對總差異的貢獻(xiàn)率，Ib代表區(qū)域間差異對總差異的貢獻(xiàn)率，Ij為j區(qū)域內(nèi)部差異對總差異的貢獻(xiàn)率。區(qū)域貢獻(xiàn)率的大小可以客觀反映其對總體差異的影響和重要程度。

2.馬爾科夫鏈

既有研究通常將馬爾科夫鏈（Markov Chain）作為預(yù)測模型［20］，該模型通過構(gòu)建狀態(tài)轉(zhuǎn)移矩陣來描述研究對象隨時間變化從一種狀態(tài)轉(zhuǎn)移到另一種狀態(tài)的概率分布，從而有效刻畫其動態(tài)演進(jìn)趨勢［21］。具體而言，首先將研究對象的連續(xù)屬性值作離散化處理并劃分為k種類型，而后計算每種類型在考察期內(nèi)的轉(zhuǎn)移概率并構(gòu)造狀態(tài)轉(zhuǎn)移矩陣M。據(jù)此，假設(shè)各省份農(nóng)業(yè)碳排放由t年Qi狀態(tài)轉(zhuǎn)移為t+1 年Qj狀態(tài)的概率為Pij，計算公式如下：

式（8）中，Nij表示考察期內(nèi)農(nóng)業(yè)碳排放由i狀態(tài)轉(zhuǎn)變到j(luò)狀態(tài)的省份數(shù)量；Ni表示考察期內(nèi)農(nóng)業(yè)碳排放處于i狀態(tài)的省份數(shù)量。

3.地理探測器

地理探測器是一種能夠探測空間分異機理的前沿統(tǒng)計學(xué)方法［22］，主要用于厘清導(dǎo)致空間分異現(xiàn)象的主導(dǎo)驅(qū)動因素及各因素間相互作用的大小。目前，該方法已在地理學(xué)、環(huán)境科學(xué)、區(qū)域規(guī)劃、公共衛(wèi)生等多個領(lǐng)域得到廣泛運用，其原理為，當(dāng)被解釋變量與影響因子的空間分異特征呈現(xiàn)顯著一致性時，則可認(rèn)為二者的空間分布具有統(tǒng)計關(guān)聯(lián)性，進(jìn)而即可探討變量的空間分異機理。在此，本文借助該方法構(gòu)造中國農(nóng)業(yè)碳排放空間分異機理識別模型，其公式如下：

式中，i為影響因子和被觀察對象的分層數(shù)；Ni和N分別為i層和全區(qū)域的樣本量；和σ2分別表示i層和全區(qū)域的方差；SSW、SST分別為層內(nèi)方差之和、全區(qū)域總方差；q為各驅(qū)動因子的影響力，q值越大，則表明該因子為主導(dǎo)驅(qū)動因子的概率越大。

而在運用地理探測器方法之前，需對各驅(qū)動因子實施K-means聚類處理［23］。其中，K代表類簇個數(shù)，means表示類簇內(nèi)數(shù)據(jù)對象的均值，該方法以各個觀察對象與均值間的距離作為度量相似性的標(biāo)準(zhǔn)，距離越小則表明各個觀察對象的相似性越高，越可能處于同一類簇。具體方法如下：

式中，D表示觀察對象的屬性個數(shù)，xi、xj表示各驅(qū)動因子。在這一計算過程中，類簇中心需隨每次迭代而不斷更新，其更新方式如下：

式中，K表示類簇個數(shù)，Center代表各類簇中心。當(dāng)兩次迭代結(jié)果之差小于某一閾值時，則終止迭代，并以此為最終聚類結(jié)果。

與此同時，為了更好地探討兩種驅(qū)動因子共同產(chǎn)生影響時的作用類型，可借助地理探測器方法測算2 個單因子交互項的q值，然后與其各自作為驅(qū)動因子時的q值進(jìn)行比較，并根據(jù)其數(shù)值大小劃分為雙因子增強、非線性增強、獨立交互作用、非線性減弱、單因子非線性增強等五種不同類型。具體劃分標(biāo)準(zhǔn)如表1（下頁）所示。

表1 驅(qū)動因子交互作用類型及判定依據(jù)

在運用上述方法展開系統(tǒng)分析之前，首先需在參考已有研究成果的基礎(chǔ)上，對本文所要考察的農(nóng)業(yè)碳排放予以界定，然后充分考慮現(xiàn)實依據(jù)以及相關(guān)文獻(xiàn)闡述，基于自然、經(jīng)濟、社會三個層面科學(xué)確定農(nóng)業(yè)碳排放的12 類驅(qū)動因子。

本文綜合多位學(xué)者研究成果［16，24-26］，并在充分參考《省級溫室氣體清單編制指南》的基礎(chǔ)上，對中國農(nóng)業(yè)碳排放量進(jìn)行系統(tǒng)考察。一是農(nóng)業(yè)能源消耗所導(dǎo)致的碳排放，即農(nóng)業(yè)生產(chǎn)過程中所耗費的原煤、洗精煤、其他洗煤、型煤、焦炭、汽油、柴油、燃料油、液化石油氣、天然氣、熱力、電力等12 種能源產(chǎn)生的溫室氣體排放量之和，相關(guān)的碳排放系數(shù)及其對應(yīng)的計算方法參考蔣金荷［27］、田云和陳池波［28］的研究。二是農(nóng)用物資投入所產(chǎn)生的碳排放，主要考察化肥、農(nóng)藥和農(nóng)膜在各自產(chǎn)品形成以及后續(xù)利用過程中所導(dǎo)致的溫室氣體排放，對應(yīng)碳排放系數(shù)參考田云和張俊飚［24］的研究。三是水稻種植碳排放，特指在水稻生長發(fā)育過程中稻田所產(chǎn)生的甲烷排放，鑒于存在早稻、中稻與晚稻的區(qū)別且不同省份水熱條件差異較大，實際測算中借鑒王明星等［29］、閔繼勝和胡浩［11］所使用的兼顧周期與省份雙重差異的碳排放系數(shù)。四是畜禽養(yǎng)殖所引發(fā)的碳排放，具體涉及甲烷與氧化亞氮排放，結(jié)合中國畜牧業(yè)發(fā)展?fàn)顩r，重點考察牛、馬、驢、騾、駱駝、羊、生豬、家禽等畜禽品種，相關(guān)碳排放系數(shù)均出自IPCC。據(jù)此，構(gòu)建農(nóng)業(yè)碳排放測算公式如下：

式中：AC表示農(nóng)業(yè)碳排放總量，Ec表示各類碳源的具體數(shù)量；δc為各類碳源所對應(yīng)的碳排放系數(shù)。

由于農(nóng)業(yè)碳排放的產(chǎn)生源于農(nóng)用物資投入、能源消耗、水稻種植、畜禽養(yǎng)殖等多個方面，其增減變化顯然會受到自然、經(jīng)濟、社會等層面因素的影響。就自然層面而言，天災(zāi)、地形等自然因素作為農(nóng)業(yè)生產(chǎn)的外部環(huán)境和先決條件，會以直接或間接形式影響農(nóng)業(yè)生產(chǎn)規(guī)模及其產(chǎn)出、農(nóng)業(yè)技術(shù)應(yīng)用與擴散，進(jìn)而影響農(nóng)業(yè)溫室氣體的排放量［30-31］，故而在此將地形起伏度與農(nóng)業(yè)受災(zāi)程度作為驅(qū)動因子展開考察。就經(jīng)濟層面而言，經(jīng)濟發(fā)展與環(huán)境保護(hù)之間既相互依存又相互制約，因而有必要全面考察經(jīng)濟層面各因素之于農(nóng)業(yè)碳排放的驅(qū)動力。既有研究發(fā)現(xiàn)，經(jīng)濟增長為農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和產(chǎn)業(yè)集聚創(chuàng)造了有利環(huán)境，政府財政實力為農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)提供了強有力的支撐，進(jìn)而影響農(nóng)業(yè)碳排放的增減［13，32-33］。據(jù)此，選擇農(nóng)業(yè)經(jīng)濟發(fā)展水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)財政支持力度、農(nóng)業(yè)產(chǎn)業(yè)集聚、農(nóng)業(yè)公共投資等因素來反映經(jīng)濟層面對農(nóng)業(yè)碳排放的驅(qū)動作用。就社會層面而言，隨著農(nóng)業(yè)現(xiàn)代化水平的不斷提升與城鎮(zhèn)化進(jìn)程的穩(wěn)步推進(jìn)，農(nóng)村勞動力有序轉(zhuǎn)移、農(nóng)業(yè)集約化生產(chǎn)日益成為主要發(fā)展趨勢，外加政策引導(dǎo)下的環(huán)境規(guī)制水平提升，促使農(nóng)業(yè)生產(chǎn)、綜合管理方式等在一定程度上發(fā)生轉(zhuǎn)變，進(jìn)而影響了農(nóng)業(yè)碳排放的增減。基于此，社會層面重點考察農(nóng)業(yè)機械化水平、城鎮(zhèn)化率、農(nóng)村人力資本、環(huán)境規(guī)制水平、耕地集約利用程度五個因素。總體而言，本文圍繞自然、經(jīng)濟、社會三個層面的12 個驅(qū)動因子構(gòu)建指標(biāo)體系，進(jìn)而考察各自對農(nóng)業(yè)碳排放的作用機理。驅(qū)動因子構(gòu)成與衡量方式如表2（下頁）所示。

表2 農(nóng)業(yè)碳排放驅(qū)動因子指標(biāo)體系

（二）數(shù)據(jù)來源與處理

測算農(nóng)業(yè)碳排放所需的各類能源消費數(shù)據(jù)均出自歷年的《中國能源統(tǒng)計年鑒》且均以當(dāng)年實際值為準(zhǔn)，其他原始數(shù)據(jù)則主要源自歷年的《中國農(nóng)村統(tǒng)計年鑒》，其中化肥、農(nóng)藥、農(nóng)膜投入量與水稻播種面積均以當(dāng)年實際數(shù)據(jù)為準(zhǔn)；而畜禽養(yǎng)殖數(shù)量的核算并非如此，需參照閔繼勝和胡浩［11］所提供的方法，結(jié)合各自年末存欄量與飼養(yǎng)周期差別計算其年均飼養(yǎng)量。除此之外，農(nóng)業(yè)增加值、農(nóng)業(yè)財政支出、財政總支出、城鎮(zhèn)人口、總?cè)丝谂c地區(qū)生產(chǎn)總值源自歷年的《中國統(tǒng)計年鑒》，第一產(chǎn)業(yè)從業(yè)人員數(shù)、農(nóng)作物受災(zāi)面積、農(nóng)作物播種面積、種植業(yè)總產(chǎn)值、畜牧業(yè)總產(chǎn)值、農(nóng)林牧漁總產(chǎn)值、農(nóng)業(yè)機械總動力的原始數(shù)據(jù)主要源自歷年的《中國農(nóng)村統(tǒng)計年鑒》，農(nóng)村平均受教育年限的原始數(shù)據(jù)來自《中國人口和就業(yè)統(tǒng)計年鑒》，各地區(qū)污染治理項目投資額數(shù)據(jù)源自《中國環(huán)境統(tǒng)計年鑒》，地形起伏度所需原始數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心。需要說明的是，為了消除價格波動的影響，所有經(jīng)濟類指標(biāo)均選擇以2005 年為基期對歷年數(shù)據(jù)進(jìn)行修正。限于相關(guān)數(shù)據(jù)缺失較為嚴(yán)重，西藏、港澳臺地區(qū)不在本次研究的考察之列。

二、中國農(nóng)業(yè)碳排放時序比較、區(qū)域差異與動態(tài)演進(jìn)

（一）中國農(nóng)業(yè)碳排放時序比較分析

表3（下頁）為2005—2020 年中國農(nóng)業(yè)碳排放總量及變化率，限于篇幅，表中僅列出2005年和2020 年的相關(guān)結(jié)果。由表3 可知，2020 年中國農(nóng)業(yè)碳排放總量為93 885.28 萬噸，較2005年減少7.04%。進(jìn)一步將全國30 個省（區(qū)、市）2020 年農(nóng)業(yè)碳排放量按照5 000 萬噸以上、3 000～5 000 萬噸、1 000～3 000 萬噸、1 000 萬噸以下依次劃分為高排放、中高排放、中排放、低排放四個組別。其中，江蘇、安徽、湖北、湖南、河南、江西、四川等7 個省份處于高排放組，共計40 475.12 萬噸，占全國農(nóng)業(yè)碳排放總量的43.11%，其中，以湖南居首，高達(dá)7 444.97 萬噸。河北、內(nèi)蒙古、山東、黑龍江、廣東、廣西、云南、新疆等8個省份處于中高排放組，共計32 119.74 萬噸，占全國農(nóng)業(yè)碳排放總量的34.21%。山西、浙江、遼寧、吉林、福建、重慶、貴州、陜西、甘肅、青海等10 個省份處于中排放組，共計19 194.21 萬噸，占全國農(nóng)業(yè)碳排放總量的20.44%。低排放組包含北京、天津、上海、海南、寧夏等5 個省份，共計2 096.21萬噸，僅占全國農(nóng)業(yè)碳排放總量的2.23%。相較于2005 年，有18 個省份農(nóng)業(yè)碳排放量處于下降態(tài)勢且以北京降幅最大，高達(dá)75.84%；山東、上海、河北、福建緊隨其后，分列第2—5 位，各自降幅均在25.00%以上；其余12 個省份仍處于增長態(tài)勢且以黑龍江增幅最大，高達(dá)44.45%；寧夏緊隨其后，增幅也達(dá)到了38.21%；新疆、內(nèi)蒙古、甘肅分列第3—5 位，各自增幅均在15.00%以上。值得一提的是，高排放組除河南表現(xiàn)為明顯下降態(tài)勢外，其余6 個省份均變化不大，而同屬糧食主產(chǎn)區(qū)的安徽、湖北、湖南、江西農(nóng)業(yè)碳排放量仍處于持續(xù)增長態(tài)勢。

表3 中國30 個省（區(qū)、市）的農(nóng)業(yè)碳排放量比較（單位：萬噸）

在此，基于糧食主產(chǎn)區(qū)、主銷區(qū)、產(chǎn)銷平衡區(qū)對農(nóng)業(yè)碳排放展開進(jìn)一步探討。三類區(qū)域的具體劃分在參考已有文獻(xiàn)［36］的基礎(chǔ)上按照國家統(tǒng)一標(biāo)準(zhǔn)來確定①糧食主產(chǎn)區(qū)包括河北、內(nèi)蒙古、遼寧、吉林、黑龍江、江蘇、安徽、江西、山東、河南、湖北、湖南、四川等13 個省份；糧食主銷區(qū)包括北京、天津、上海、浙江、福建、廣東、海南等7 個省份；糧食產(chǎn)銷平衡區(qū)包括山西、廣西、重慶、貴州、云南、陜西、甘肅、青海、寧夏、新疆等10 個省份。。

糧食主產(chǎn)區(qū)、主銷區(qū)與產(chǎn)銷平衡區(qū)2005—2020 年的農(nóng)業(yè)碳排放量如表4（下頁）所示。從中不難發(fā)現(xiàn)：第一，糧食主產(chǎn)區(qū)碳排放量遠(yuǎn)高于另外兩類地區(qū)，且?guī)缀跽剂巳珖r(nóng)業(yè)碳排放總量的2/3。2020 年糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量為61 494.20 萬噸，較2005 年降低了6.33%。從變化趨勢來看，經(jīng)歷了“先升后降”的增減反復(fù)：2005—2006 年為第一階段，總體呈現(xiàn)小幅上升趨勢，農(nóng)業(yè)碳排放量略有增加；2006—2008 年為第二階段，總體處于驟降趨勢，農(nóng)業(yè)碳排放量大幅減少；2008—2015 為第三階段，農(nóng)業(yè)碳排放處于持續(xù)上升態(tài)勢，并于2015 年達(dá)到了歷史峰值68 592.08 萬噸；2015—2017 年為第四階段，農(nóng)業(yè)碳排放量經(jīng)歷了小幅下降而后又回彈的演變趨勢；2017—2020 年為第五階段，農(nóng)業(yè)碳排放量持續(xù)下降，并于2020 年達(dá)到歷史最低值61 494.20萬噸。第二，糧食主銷區(qū)農(nóng)業(yè)碳排放量在三類區(qū)域中居于最低水平。2020 年糧食主銷區(qū)農(nóng)業(yè)碳排放量為9 286.86 萬噸，較2005 年下降了23.41%。從變化趨勢來看，雖存在一定年際起伏，但總體下降趨勢較為明顯，除2009—2012 年等個別年份外，其他各年均處于持續(xù)下降態(tài)勢。第三，糧食產(chǎn)銷平衡區(qū)農(nóng)業(yè)碳排放量總體相對平穩(wěn)。 2020年糧食產(chǎn)銷平衡區(qū)農(nóng)業(yè)碳排放量為23 104.21 萬噸，較2005 年減少0.49%。從變化趨勢來看，考察期內(nèi)農(nóng)業(yè)碳排放量主要圍繞在23 000 萬噸附近，波動幅度不超過2 000 萬噸。總體而言，考察期內(nèi)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量整體處于波動下降態(tài)勢，主銷區(qū)表現(xiàn)為持續(xù)下降趨勢，產(chǎn)銷平衡區(qū)則呈現(xiàn)相對穩(wěn)定狀態(tài)。

表4 糧食主產(chǎn)區(qū)、主銷區(qū)與產(chǎn)銷平衡區(qū)的農(nóng)業(yè)碳排放量比較（單位：萬噸）

（二）中國農(nóng)業(yè)碳排放區(qū)域差異演變特征分析

在厘清全國30 個省份、糧食主產(chǎn)區(qū)、糧食主銷區(qū)以及糧食產(chǎn)銷平衡區(qū)農(nóng)業(yè)碳排放量時序演變特征之后，接下來進(jìn)一步探討全國及各區(qū)域農(nóng)業(yè)碳排放量的非均衡性。在此，利用泰爾指數(shù)分別揭示農(nóng)業(yè)增加值與第一產(chǎn)業(yè)從業(yè)人員兩類權(quán)重下中國農(nóng)業(yè)碳排放區(qū)域差異的演變特征。

1.兩種權(quán)重下中國農(nóng)業(yè)碳排放總泰爾指數(shù)分析

基于公式（1）—（4），運用2005—2020 年全國及30 個省份農(nóng)業(yè)增加值、第一產(chǎn)業(yè)從業(yè)人員數(shù)量、農(nóng)業(yè)碳排放量，分別計算出以農(nóng)業(yè)增加值和第一產(chǎn)業(yè)從業(yè)人員數(shù)為權(quán)重的泰爾指數(shù)T（G）和T（P），二者分別反映了經(jīng)濟發(fā)展水平、勞動力規(guī)模對農(nóng)業(yè)碳排放量的匹配程度以及差異的影響程度。相關(guān)結(jié)果如表5（下頁）所示。其中，以第一產(chǎn)業(yè)從業(yè)人員數(shù)為權(quán)重計算得來的歷年指數(shù)值高于以農(nóng)業(yè)增加值為權(quán)重所得到的結(jié)果，由此揭示，中國各省份農(nóng)業(yè)碳排放量差異受農(nóng)業(yè)勞動力規(guī)模的影響要大于經(jīng)濟發(fā)展水平的影響，碳排放量變化與農(nóng)業(yè)經(jīng)濟發(fā)展水平波動更具相似性、匹配度更高。從變化趨勢來看，T（G）在2005 年最低（0.037），雖經(jīng)歷了幾次波動但仍呈上升態(tài)勢，最終在2020 年升至0.079，其中2019 年達(dá)到峰值0.081；T（P）在2005 年初始值為0.051，變動與前者相似，2006 年降至最低值0.050，于2020年升至峰值0.090。總體而言，中國農(nóng)業(yè)碳排放量省際差異受勞動力規(guī)模差異影響較大，經(jīng)濟發(fā)展水平與勞動力規(guī)模的差異均使得不同省份農(nóng)業(yè)碳排放量差距逐漸擴大，且其趨勢逐漸增強。究其原因，一方面，2005 年中央“一號文件”《中共中央 國務(wù)院關(guān)于進(jìn)一步加強農(nóng)村工作提高農(nóng)業(yè)綜合生產(chǎn)能力若干政策的意見》將調(diào)整農(nóng)業(yè)和農(nóng)村經(jīng)濟結(jié)構(gòu)、努力實現(xiàn)農(nóng)民持續(xù)增收、促進(jìn)農(nóng)村經(jīng)濟社會全面發(fā)展列為重點工作，并取得顯著成效，故而經(jīng)濟發(fā)展水平對農(nóng)業(yè)碳排放量差異程度的影響趨于穩(wěn)定。但伴隨新型城鎮(zhèn)化的推進(jìn)，經(jīng)濟增長較快地區(qū)通過發(fā)揮土地集約利用、產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型等作用，加速淘汰落后產(chǎn)能，優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)與能源消費結(jié)構(gòu)，促進(jìn)農(nóng)業(yè)碳排放量減少，進(jìn)而經(jīng)濟發(fā)展水平對農(nóng)業(yè)碳排放量的影響逐年上升并擴大差距。另一方面，2006 年中央“一號文件”取消了各種針對務(wù)工農(nóng)民流動和進(jìn)城就業(yè)的歧視性規(guī)定和不合理限制，并出臺了一系列惠農(nóng)、支農(nóng)政策，鼓勵農(nóng)村勞動力轉(zhuǎn)移，同時對仍留在農(nóng)村的勞動力進(jìn)行教育培育，提高其技能和素質(zhì)，培育其低碳農(nóng)業(yè)發(fā)展意識，因而農(nóng)業(yè)碳排放量開始受勞動力規(guī)模的影響，差距也隨之拉開。2018 年印發(fā)的《中共中央 國務(wù)院關(guān)于實施鄉(xiāng)村振興戰(zhàn)略的意見》提出了鄉(xiāng)村振興發(fā)展的各階段目標(biāo)以及2020 年前取得階段性進(jìn)展的要求，政府制定大量優(yōu)惠政策，吸引資本下鄉(xiāng)，出現(xiàn)農(nóng)村勞動力回流現(xiàn)象，致使中國農(nóng)業(yè)碳排放量省際差異受勞動力規(guī)模影響較經(jīng)濟發(fā)展水平更大。

表5 2005—2020 年全國及糧食主產(chǎn)區(qū)、主銷區(qū)、產(chǎn)銷平衡區(qū)農(nóng)業(yè)碳排放泰爾指數(shù)

2.兩種權(quán)重下中國農(nóng)業(yè)碳排放三類地區(qū)泰爾指數(shù)分析

由表5 可知，糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放泰爾指數(shù)與全國總體情況明顯趨同，其以農(nóng)業(yè)增加值為權(quán)重計算得來的歷年指數(shù)值低于以第一產(chǎn)業(yè)從業(yè)人員數(shù)為權(quán)重計算所得結(jié)果，表明相較于農(nóng)業(yè)經(jīng)濟發(fā)展水平，勞動力規(guī)模對農(nóng)業(yè)碳排放量差異的影響程度更大。具體而言，T（G）由2005 年的0.023 波動上升至2020 年的0.059，增幅高達(dá)156.52%；T（P）也從2005 年的0.034 上升至2020 年的0.085，增幅高達(dá)150%。從變化趨勢來看，T（G）先后經(jīng)歷了三次“先升后降”變化，并最終呈現(xiàn)為下降態(tài)勢；而T（P）則與之相反，先后經(jīng)歷三次“先降后升”的變化，并最終表現(xiàn)為上升態(tài)勢。從中易知，觀察期內(nèi)兩類權(quán)重影響下各糧食主產(chǎn)省份農(nóng)業(yè)碳排放量差異程度均明顯擴大，勞動力規(guī)模對其碳排放量省際差距的影響仍在增強，但經(jīng)濟發(fā)展水平的影響與之相反，出現(xiàn)逐漸減弱的良好趨勢。可能的解釋是，伴隨著經(jīng)濟的發(fā)展，部分地區(qū)迎來環(huán)境庫茲涅茨曲線的拐點，而受限于糧價持續(xù)低迷的不利情形，糧食主產(chǎn)區(qū)增產(chǎn)難增收，部分低碳意識薄弱的農(nóng)村勞動力為追逐紅利采取不利于環(huán)境的農(nóng)業(yè)生產(chǎn)行為，進(jìn)而成為擴大碳排放量省際差異的主要原因。

從糧食主銷區(qū)農(nóng)業(yè)碳排放泰爾指數(shù)來看，以第一產(chǎn)業(yè)從業(yè)人員為權(quán)重計算所得數(shù)值要遠(yuǎn)高于以農(nóng)業(yè)增加值為權(quán)重的計算結(jié)果，表明勞動力規(guī)模對農(nóng)業(yè)碳排放量差異的影響程度大于農(nóng)業(yè)經(jīng)濟發(fā)展水平。具體來看，T（G）整體呈現(xiàn)“先降后升再降”的變化態(tài)勢，其數(shù)值由2005 年的0.008 升至2020 年的0.017，增幅高達(dá)112.50%，并于2017 年達(dá)到峰值0.020；而T（P）的情形與之不同，經(jīng)歷了數(shù)次先升后降的波動之后，最終表現(xiàn)為上升態(tài)勢，由2005 年的0.023 升至2020 年的峰值0.049，增幅達(dá)113.04%。總體而言，農(nóng)業(yè)增加值和第一產(chǎn)業(yè)從業(yè)人員數(shù)量對糧食主銷區(qū)農(nóng)業(yè)碳排放量省際差距的影響程度差異顯著，其中前者對其差異影響力較小且正在減弱；而后者使得不同省份農(nóng)業(yè)碳排放量差距不斷擴大且影響力仍在增強。可能的解釋是，糧食主銷區(qū)經(jīng)濟相對發(fā)達(dá)，農(nóng)村勞動力低碳技術(shù)采納意愿較強，但由于自身內(nèi)部勞動力轉(zhuǎn)移程度不同，省際勞動力受教育水平與規(guī)模大小依舊存在差異，先進(jìn)機械設(shè)備與勞動力之間的替代率也不盡相同，因而在農(nóng)業(yè)生產(chǎn)活動中，農(nóng)業(yè)能源利用率、能源消費結(jié)構(gòu)以及農(nóng)業(yè)低碳生產(chǎn)技術(shù)推廣效果并不相同，導(dǎo)致勞動力規(guī)模對糧食主銷區(qū)的農(nóng)業(yè)碳排放量差距的影響逐漸擴大。

從糧食產(chǎn)銷平衡區(qū)農(nóng)業(yè)碳排放泰爾指數(shù)來看，以農(nóng)業(yè)增加值為權(quán)重所計算得到的數(shù)值與以第一產(chǎn)業(yè)從業(yè)人員為權(quán)重計算的結(jié)果不斷趨近，前者雖長期略低于后者，但最終形成了反超之勢，可見此類區(qū)域中各省份之間碳排放量的差異程度過去受勞動力規(guī)模影響較大，而后受經(jīng)濟發(fā)展水平影響更大。其中，T（G）由2005 年的0.040 升至2020 年的0.085，漲幅高達(dá)112.50%，在考察期內(nèi)經(jīng)歷了先升后降的小幅波動后，最終呈現(xiàn)高速上升趨勢；而T（P）的演變軌跡則與之不同，整體呈現(xiàn)波動下降態(tài)勢，由2005 年的0.085 降至2020 年的0.080，最低值為2013 年的0.069，峰值出現(xiàn)在2019 年（0.091）。總體而言，經(jīng)濟發(fā)展水平對產(chǎn)銷平衡區(qū)農(nóng)業(yè)碳排放量省際差距的影響正不斷擴大，且已超越勞動力規(guī)模對其的影響，而后者影響程度變化不大。究其原因，產(chǎn)銷平衡區(qū)省份主要分布在我國西部地區(qū)，人口密度低，其農(nóng)業(yè)生產(chǎn)活動機械化水平不斷提升，因而該區(qū)域農(nóng)業(yè)碳排放量差異受勞動力規(guī)模影響變化不大，但由于區(qū)域間經(jīng)濟發(fā)展水平不同，機械化程度不同，其能源消耗產(chǎn)生的農(nóng)業(yè)碳排放增長量也不盡相同，故而農(nóng)業(yè)碳排放量省際差距受經(jīng)濟發(fā)展水平影響正逐漸擴大。

3.兩種權(quán)重下中國農(nóng)業(yè)碳排放的貢獻(xiàn)率對比分析

基于公式（5）—（7）計算出區(qū)域間差異、區(qū)域內(nèi)差異以及三類區(qū)域內(nèi)部差異對總差異的貢獻(xiàn)程度，相關(guān)結(jié)果如表6（下頁）所示。

表6 2005—2020 年中國農(nóng)業(yè)碳排放貢獻(xiàn)率（%）

由表6 可知，中國農(nóng)業(yè)碳排放的總體區(qū)域差異主要由區(qū)域內(nèi)差異引起。2005—2020 年，兩類權(quán)重下所有年份區(qū)域內(nèi)差異的貢獻(xiàn)率均明顯高于區(qū)域間差異，且勞動力規(guī)模對區(qū)域內(nèi)差異的貢獻(xiàn)率影響作用更大，比重始終高于85%。究其原因，需從三類區(qū)域的內(nèi)部差異探尋，通過比較可知，當(dāng)以農(nóng)業(yè)增加值為權(quán)重條件時，各類區(qū)域內(nèi)部差異對總體差異的貢獻(xiàn)程度相差較大，具體排序為“糧食主產(chǎn)區(qū)＞糧食產(chǎn)銷平衡區(qū)＞糧食主銷區(qū)”；但當(dāng)以第一產(chǎn)業(yè)從業(yè)人員數(shù)為權(quán)重條件時，各類區(qū)域內(nèi)部差異對總體差異的貢獻(xiàn)率則有所起伏，具體表現(xiàn)為，早年間“糧食產(chǎn)銷平衡區(qū)＞糧食主產(chǎn)區(qū)＞糧食主銷區(qū)”，而后糧食主產(chǎn)區(qū)反超產(chǎn)銷平衡區(qū)且差距逐漸擴大，最終呈現(xiàn)“糧食主產(chǎn)區(qū)＞糧食產(chǎn)銷平衡區(qū)＞糧食主銷區(qū)”的現(xiàn)象。三類區(qū)域各自內(nèi)部省份分布較為分散，資源稟賦與自然條件各異，相互之間經(jīng)濟社會發(fā)展?fàn)顩r也存在一定差距，由此導(dǎo)致生產(chǎn)中的低碳技術(shù)采納程度以及勞動力的低碳意識狀況均不盡相同。

其中，糧食主產(chǎn)區(qū)的糧食產(chǎn)量約占全國的75%，內(nèi)部又可細(xì)分為長江中下游地區(qū)、黃淮海地區(qū)以及東北地區(qū)。 無論所處何區(qū)域，其農(nóng)業(yè)從業(yè)人員的“增產(chǎn)”意識都要大于“低碳”意識，為追求高產(chǎn)增效，農(nóng)用物資與能源投入通常高于其他區(qū)域；但因其所處區(qū)域的功能定位不同，其內(nèi)部省份間經(jīng)濟發(fā)展水平存在較大差異，致使農(nóng)業(yè)投入產(chǎn)出效率不一、低碳技術(shù)推廣力度以及農(nóng)戶采納程度不同，進(jìn)而導(dǎo)致糧食主產(chǎn)區(qū)內(nèi)部農(nóng)業(yè)碳排放量差異較大。糧食產(chǎn)銷平衡區(qū)所含各省份地形地貌普遍較為復(fù)雜，山區(qū)、高原、盆地較多，農(nóng)地資源相對分散，如以云南、貴州為代表的西南諸省份山地居多，農(nóng)業(yè)機械化與規(guī)模化生產(chǎn)較難實現(xiàn)，投入產(chǎn)出效率不高，農(nóng)戶經(jīng)濟效益低下，機會成本較高成為制約低碳生產(chǎn)技術(shù)推廣的主要障礙；而青海、寧夏等省份以畜牧業(yè)為主，農(nóng)業(yè)生產(chǎn)能源消耗均較少，其碳排放主要源自畜禽養(yǎng)殖與農(nóng)用物資投入，因而在勞動力規(guī)模影響下各省份之間農(nóng)業(yè)碳排放量存在一定差異。糧食主銷區(qū)所含各省份經(jīng)濟相對發(fā)達(dá)，且自身既非種植大省也非養(yǎng)殖強省，農(nóng)業(yè)生產(chǎn)活動相對較少，但由于民眾整體素質(zhì)相對較高，對低碳生產(chǎn)技術(shù)采納意愿較強，日常生活也傾向于選擇清潔能源，各省份情形類似使得區(qū)域內(nèi)部農(nóng)業(yè)碳排放量差異程度不大。

區(qū)域間差異方面，當(dāng)以農(nóng)業(yè)增加值為權(quán)重時，其差異貢獻(xiàn)率遠(yuǎn)高于以第一產(chǎn)業(yè)從業(yè)人員為權(quán)重時的情形，該結(jié)果的產(chǎn)生可能與三類地區(qū)的農(nóng)業(yè)經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)等因素緊密相關(guān)。其中，糧食主產(chǎn)區(qū)在區(qū)位、氣候、土壤、技術(shù)等諸多方面都具備種糧優(yōu)勢，糧食的高種植比例與高產(chǎn)量成為該類區(qū)域的一大特點，它們在滿足自身糧食需求的同時，還為糧食主銷區(qū)承擔(dān)了大量的商品糧供給。在此境況下，糧食主產(chǎn)區(qū)面臨糧食生產(chǎn)與流通的雙重壓力，農(nóng)用物資與農(nóng)業(yè)能源的投入量均居高不下，同時多數(shù)省份種養(yǎng)殖業(yè)發(fā)展較為平衡且不少省份水稻種植規(guī)模較大，上述因素的存在使得糧食主產(chǎn)區(qū)所含省份的碳排放水平趨于相近，但由于糧食作物的經(jīng)濟回報率略低，一定程度上導(dǎo)致糧食主產(chǎn)區(qū)相較于糧食主銷區(qū)和產(chǎn)銷平衡區(qū)其農(nóng)業(yè)碳排放量存在較大差異。同樣，糧食主銷區(qū)與產(chǎn)銷平衡區(qū)的功能定位與產(chǎn)業(yè)結(jié)構(gòu)的“內(nèi)部趨同、外部差異”也對各自農(nóng)業(yè)碳排放量水平產(chǎn)生了顯著影響。

（三）中國農(nóng)業(yè)碳排放的動態(tài)演進(jìn)特征

接下來，本文利用馬爾科夫鏈探討中國農(nóng)業(yè)碳排放量隨時間變化而發(fā)生轉(zhuǎn)移的概率，以此揭示農(nóng)業(yè)碳排放的動態(tài)演進(jìn)特征。參照既有研究［37］，基于量級差異本文將各省份農(nóng)業(yè)碳排放劃分為四種類型：第一類為低排放，即碳排放量低于全國均值的50%；第二類為中排放，即碳排放量位于全國均值的50%至75%之間；第三類為中高排放，即碳排放量位于全國均值的75%至100%之間；第四類為高排放，即碳排放量位于全國均值的100%至150%之間。基于此，以滯后一期為條件計算得到馬爾科夫轉(zhuǎn)移矩陣結(jié)果（見表7）。

表7 2005—2020 年中國農(nóng)業(yè)碳排放不同類別的馬爾科夫概率轉(zhuǎn)移矩陣

由表7 可知：第一，矩陣主對角線上的數(shù)值均大于非對角線上的結(jié)果，由大到小依次為98.21%、96.33%、93.55%和93.33%。由此表明，中國農(nóng)業(yè)碳排放量具有極強的年際穩(wěn)定性，由此導(dǎo)致未來有可能陷入資源依賴與路徑鎖定的困境。與此同時，Ⅰ類與Ⅳ類概率最高，表明30 個省份的農(nóng)業(yè)碳排放量正趨于兩極分化，存在“俱樂部收斂”現(xiàn)象，未來有可能出現(xiàn)馬太效應(yīng)。第二，主對角線相鄰兩側(cè)中，可比較的類別為Ⅰ-Ⅱ與Ⅲ-Ⅱ、Ⅱ-Ⅲ與Ⅳ-Ⅲ。其中，右側(cè)概率值分別為3.23%、3.81%，均高于左側(cè)的3.22%、2.86%，表明處于中排放與中高排放類的省份農(nóng)業(yè)碳排放量均存在增高風(fēng)險。第三，非對角線且與主對角線不相鄰的數(shù)值均為0。由此揭示，類別轉(zhuǎn)移均發(fā)生在相鄰區(qū)間，且增減幅度較小，各省份農(nóng)業(yè)碳排放量激增或驟減的現(xiàn)象幾乎不會發(fā)生，可見中國農(nóng)業(yè)碳減排工作需持續(xù)、漸進(jìn)地展開。

三、中國農(nóng)業(yè)碳排放空間分異機理分析

由前文分析可知，中國農(nóng)業(yè)碳排放存在明顯的區(qū)域差異，且這一差異仍處于持續(xù)擴大態(tài)勢。為此，亟須厘清引致農(nóng)業(yè)碳排放空間差異的內(nèi)在機理，以抑制其繼續(xù)擴大。有鑒于此，接下來本文首先將對各驅(qū)動因子進(jìn)行K-means聚類處理，然后利用地理探測器方法發(fā)掘中國農(nóng)業(yè)碳排放驅(qū)動因子，并探索這些驅(qū)動因子間的交互作用，進(jìn)而揭示不同功能定位區(qū)域的主要驅(qū)動因子。

（一）主要驅(qū)動因子識別

中國農(nóng)業(yè)碳排放各驅(qū)動因子的識別結(jié)果如表8（下頁）所示。通過p值結(jié)果可以看出，自然、經(jīng)濟、社會三個層面的驅(qū)動因子均在5%或者1%水平下通過顯著性檢驗，表明各自對農(nóng)業(yè)碳排放量的影響系數(shù)具有較強的解釋力度。 根據(jù)q值排名可進(jìn)一步識別主要驅(qū)動因子與次要驅(qū)動因子，其中，排名前5 的為主要驅(qū)動因子，余下則為次要驅(qū)動因子。具體而言，主要驅(qū)動因子依次為農(nóng)業(yè)機械化水平（q值為0.74）、地形起伏度（q值為0.57）、農(nóng)業(yè)產(chǎn)業(yè)集聚（q值為0.49）、農(nóng)業(yè)公共投資（q值為0.32）、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)（q值為0.30）；次要驅(qū)動因子依次為城鎮(zhèn)化率（q值為0.27）、農(nóng)業(yè)經(jīng)濟發(fā)展水平（q值為0.21）、農(nóng)村人力資本（q值為0.17）、農(nóng)業(yè)財政支持力度（q值為0.10）、農(nóng)業(yè)受災(zāi)程度（q值為0.09）、耕地集約利用程度（q值為0.08）以及環(huán)境規(guī)制水平（q值為0.05）。可能的解釋是，在當(dāng)前推進(jìn)農(nóng)業(yè)現(xiàn)代化的進(jìn)程中，生產(chǎn)效率的提升更為依賴機械化水平的提升，但農(nóng)業(yè)機械化發(fā)展又直接或間接地影響到能源消耗量與要素投入結(jié)構(gòu)，進(jìn)而對農(nóng)業(yè)碳排放量產(chǎn)生較大影響。與此同時，各省份經(jīng)濟發(fā)展水平與農(nóng)業(yè)發(fā)展程度存在較大差異，致使農(nóng)業(yè)機械化水平不盡相同，客觀上加劇了農(nóng)業(yè)碳排放差異，由此也使得農(nóng)業(yè)機械化水平成為農(nóng)業(yè)碳排放量空間分異的第一驅(qū)動因子。除此之外，省域間地形起伏、農(nóng)業(yè)產(chǎn)業(yè)集聚規(guī)模、農(nóng)業(yè)公共投資力度、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的不同，使得各自農(nóng)業(yè)生產(chǎn)規(guī)模、生產(chǎn)方式、經(jīng)營模式等均不盡相同，并且農(nóng)業(yè)生產(chǎn)技術(shù)與資源配置也較難如一。具體而言，資源稟賦較好的省份通過采取低碳生產(chǎn)模式，一定程度上可以抑制或減少農(nóng)業(yè)碳排放量；而資源稟賦較為落后的省份則需通過各類能源、化肥、農(nóng)藥、農(nóng)膜的大量投入來提升農(nóng)業(yè)經(jīng)濟效益，從而客觀上加劇了農(nóng)業(yè)碳排放，如此“一減一增”則導(dǎo)致了省域間差距的進(jìn)一步擴大。

表8 農(nóng)業(yè)碳排放驅(qū)動因子探測結(jié)果

（二）驅(qū)動因子交互作用分析

在完成農(nóng)業(yè)碳排放各驅(qū)動因子的準(zhǔn)備識別之后，接下來則需探析各驅(qū)動因素間的交互作用，其相關(guān)結(jié)果如表9（下頁）所示。從中不難發(fā)現(xiàn)，對角線上的數(shù)值均小于其所在行或者列上的結(jié)果，即任意兩個驅(qū)動因子交互后的作用力要大于二者各自對農(nóng)業(yè)碳排放產(chǎn)生的影響，具體類型表現(xiàn)為雙因子增強、獨立交互作用和非線性增強。其中，有16 個交互項表現(xiàn)為雙因子增強，1 個交互項表現(xiàn)為獨立交互作用，余下49 個則皆為非線性增強。從各自作用力來看，農(nóng)業(yè)機械化水平與地形起伏度的交互項q值最大為0.98；農(nóng)業(yè)機械化水平與農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、地形起伏度與農(nóng)業(yè)產(chǎn)業(yè)集聚的交互項q值緊隨其后，均為0.95；農(nóng)業(yè)機械化水平與農(nóng)業(yè)經(jīng)濟發(fā)展水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)與農(nóng)業(yè)經(jīng)濟發(fā)展水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)與農(nóng)業(yè)產(chǎn)業(yè)集聚的q值僅為0.91；除此之外，農(nóng)業(yè)公共投資與農(nóng)業(yè)機械化水平、地形起伏度、農(nóng)業(yè)產(chǎn)業(yè)集聚的交互作用也處于較高水平，其數(shù)值分別為0.84、0.83、0.79。由此，進(jìn)一步驗證了農(nóng)業(yè)機械化水平、地形起伏度、農(nóng)業(yè)產(chǎn)業(yè)集聚、農(nóng)業(yè)公共投資、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)是影響農(nóng)業(yè)碳排放空間分異的主導(dǎo)因子，且各自間存在明顯的交互增強關(guān)系。

表9 中國農(nóng)業(yè)碳排放驅(qū)動因子交互探測值

（三）驅(qū)動因子的區(qū)域差異性分析

中國農(nóng)業(yè)碳排放的區(qū)域差異仍處于持續(xù)擴大態(tài)勢，為此有必要對各區(qū)域內(nèi)部驅(qū)動因子的作用力度差異進(jìn)行探索，為后續(xù)制定差異化政策提供相關(guān)依據(jù)，其結(jié)果如表10（下頁）所示。其中，引起糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放區(qū)域差異的主導(dǎo)因子為地形起伏度，其q值高達(dá)0.93，明顯高于其他因子；農(nóng)業(yè)機械化水平與農(nóng)業(yè)產(chǎn)業(yè)集聚緊隨其后，其q值分別為0.63 和0.59。導(dǎo)致糧食主銷區(qū)農(nóng)業(yè)碳排放區(qū)域差異的主導(dǎo)因子是農(nóng)業(yè)機械化水平，其q值高達(dá)0.89；農(nóng)業(yè)產(chǎn)業(yè)集聚、地形起伏度緊隨其后，其q值分別為0.83、0.80。致使糧食產(chǎn)銷平衡區(qū)農(nóng)業(yè)碳排放區(qū)域差異的主導(dǎo)因子亦為農(nóng)業(yè)機械化水平，其q值為0.67；農(nóng)業(yè)產(chǎn)業(yè)集聚、城鎮(zhèn)化率緊隨其后，其q值分別為0.62、0.57。這是因為，糧食主產(chǎn)區(qū)雖以平原地形為主，但同時也伴有較多丘陵，如山東丘陵、遼東丘陵、豫中丘陵等，地理條件的不同致使其內(nèi)部的農(nóng)業(yè)生產(chǎn)方式、種植結(jié)構(gòu)存在差異，作物格局與農(nóng)業(yè)能源利用情況也有所區(qū)分。比如，平原地區(qū)農(nóng)作物種植面積較大且便于機械化作業(yè)，使得能源消耗量處于較高水平；而丘陵地區(qū)更多地依賴農(nóng)資投入，機械化水平不高，農(nóng)業(yè)碳排放也因而受地形影響較大。相較于糧食主產(chǎn)區(qū)，糧食主銷區(qū)與產(chǎn)銷平衡區(qū)或因部分省份經(jīng)濟較為發(fā)達(dá)而機械普及率較高或因部分省份較為落后農(nóng)機運用不夠高效，客觀上都對各自碳排放產(chǎn)生了顯著影響，故而機械化水平成為上述兩類區(qū)域農(nóng)業(yè)碳排放的主導(dǎo)因子。

表10 糧食主產(chǎn)區(qū)、主銷區(qū)、產(chǎn)銷平衡區(qū)農(nóng)業(yè)碳排放驅(qū)動因子探測結(jié)果

四、結(jié)論與政策建議

本文在科學(xué)測算中國農(nóng)業(yè)碳排放量的基礎(chǔ)上系統(tǒng)把握其現(xiàn)狀特征，而后圍繞區(qū)域差異特點、動態(tài)演進(jìn)趨勢以及空間分異機理展開深度探討，得到以下主要結(jié)論：第一，中國農(nóng)業(yè)碳排放總量、絕大多數(shù)省份以及各區(qū)域農(nóng)業(yè)碳排放量均呈現(xiàn)下降態(tài)勢。2020 年中國農(nóng)業(yè)碳排放總量為93 885.28 萬噸，較2005 年減少7.04%。 整個考察期內(nèi)，有18 個省份農(nóng)業(yè)碳排放量處于下降態(tài)勢且以北京降幅最大，高達(dá)75.84%，余下12 個省份則仍處于增長態(tài)勢且以黑龍江增幅最大，為44.45%；糧食主產(chǎn)區(qū)、主銷區(qū)以及產(chǎn)銷平衡區(qū)農(nóng)業(yè)碳排放量均處于下降趨勢，分別較2005 年下降6.33%、23.41%和0.49%。第二，中國各省份以及糧食主產(chǎn)區(qū)、主銷區(qū)、產(chǎn)銷平衡區(qū)農(nóng)業(yè)碳排放量差異的成因較為相似，省際層面可能出現(xiàn)馬太效應(yīng)。其中，國家層面、糧食主產(chǎn)區(qū)、主銷區(qū)受勞動力規(guī)模的影響從長期來看要大于經(jīng)濟發(fā)展水平的影響，碳排放量變化與經(jīng)濟發(fā)展水平波動更具相似性，匹配度更高；而糧食產(chǎn)銷平衡區(qū)雖與之相似，但近幾年受經(jīng)濟發(fā)展水平的影響更大。從總體貢獻(xiàn)率來看，區(qū)域內(nèi)差異相較于區(qū)域間差異發(fā)揮了更為重要的作用。具體到省際層面，目前已出現(xiàn)“俱樂部收斂”現(xiàn)象，處于中排放類與中高排放類的省份均存在農(nóng)業(yè)碳排放量增高的風(fēng)險，雖然幅度有限但未來仍有可能出現(xiàn)馬太效應(yīng)。第三，農(nóng)業(yè)機械化水平、地形起伏度、農(nóng)業(yè)產(chǎn)業(yè)集聚、農(nóng)業(yè)公共投資、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)是影響農(nóng)業(yè)碳排放空間分異的主導(dǎo)因子，且這些主導(dǎo)因子之間存在明顯的交互增強關(guān)系。具體而言，中國農(nóng)業(yè)碳排放空間分異的主要驅(qū)動因子依次為農(nóng)業(yè)機械化水平、地形起伏度、農(nóng)業(yè)產(chǎn)業(yè)集聚、農(nóng)業(yè)公共投資、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，余下為次要驅(qū)動因子，且任意兩個驅(qū)動因子交互后其作用力均大于二者各自對農(nóng)業(yè)碳排放產(chǎn)生的影響。具體到三類地區(qū)，糧食主產(chǎn)區(qū)的主導(dǎo)因子為地形起伏度，而糧食主銷區(qū)與產(chǎn)銷平衡區(qū)則受農(nóng)業(yè)機械化水平影響最大。

為了更好地促進(jìn)農(nóng)業(yè)碳減排并早日達(dá)成“雙碳”目標(biāo)，相關(guān)部門有必要予以政策支持，具體可從以下方面著手：一是精準(zhǔn)評估各省份農(nóng)業(yè)碳減排進(jìn)展，科學(xué)擬訂未來農(nóng)業(yè)碳減排計劃。各省份應(yīng)結(jié)合自身經(jīng)濟社會發(fā)展水平與農(nóng)業(yè)碳排放量狀況對農(nóng)業(yè)碳減排成效進(jìn)行準(zhǔn)確評估，并以此評估結(jié)果為基礎(chǔ)，科學(xué)擬訂未來減排計劃，明晰階段減排任務(wù)，在此過程中應(yīng)予以糧食主產(chǎn)省份更多的政策支持。二是立足區(qū)域地理條件與整體功能定位，因地制宜推廣先進(jìn)適用的低碳節(jié)能農(nóng)機設(shè)備。為了確保糧食主產(chǎn)省份穩(wěn)產(chǎn)保供，針對不同地勢應(yīng)予以差異化政策支持，階梯式推進(jìn)傳統(tǒng)農(nóng)機設(shè)備智能化、綠色化轉(zhuǎn)型升級。其中，平原地區(qū)著重推廣綠色節(jié)能的大型機械設(shè)備，大力扶持農(nóng)機合作社發(fā)展，有效提高農(nóng)機服務(wù)組織裝備水平；而對于丘陵地區(qū)，限于小型機具匱乏且研發(fā)積極性不高，需給予一定“碳空間”，分階段展開綠色低碳設(shè)備推廣工作，實踐中應(yīng)加大對丘陵地區(qū)農(nóng)機化扶持力度，切實轉(zhuǎn)變傳統(tǒng)思想觀念，推進(jìn)機藝融合，提升農(nóng)企自主研發(fā)低碳節(jié)能裝備的積極性，逐步實現(xiàn)碳減排。Reform