農業技術進步對農業碳排放的影響研究

中圖分類號：F323；X322 文獻標識碼：A 文章編號：2095-5553（2025）07-0335-11

Abstract：Low-carbon developmentofagricultureisesentialforChinatoachieveits“dualcarbon”goal，withtechnological progress inagriculture serving as a critical driving force.Using panel data from 3O provinces in China spanning from 2005 to 2023，thisstudy employeda spatial Durbinmodel toexamine thespatial spilover effectsandatenuation boundaries of agricultural technological progresson carbonemissions inagriculture.Italsoexplored theunderlying mechanismsandregionaldisparitiesintheseeffects.Thefindingsindicate thatprovincialagricultural carbon emission intensity in Chinaexhibitsclearspatial agglomeration patterns，characterizedby“high-high”and“lowlow”clusters.Technologicaladvancements inagriculturenotonlyreducelocalcarbonemision intensitybutalsocontributeto emissionreductionsinneighboring regionsthroughspatial splloverefects.Both frontieragriculturaltechnological innovationandoverall technicalefciencypositivelyimpactcarbonemisionreductioninlocalandadjacentareas，with frontierinnovationplaying thedominantrole.However，theefectof technological progressvariessignificantlyacross regions.Intheeasternprovinces，thedirectemision-reducingefectispronounced，butthespatialspillovereffectisrelatiely weak.Conversely，inthecentralandwesternregions，althoughanegativespatialcorrelationexists，theimpactofagricultural technologyonemisionreductionisnotstatisticallysignificant.ThespatialspilovereffectfollowedaninvertedU-shaped pattern with the increase of distance，which gradually increased within the range of 400km ，weakened significantly between 400and 700km ，and becamenegligiblebeyond 700km .These results highlight the need to strengthen research， development，andthewidespreadadoptionofagriculturaltechnologies，eliminatebarriers totechnologydifusion，optimize thespatial alocationof technologicalandresourceinputs，and implementregion-specificemissionreduction strategies to effectively promote low-carbon development across China's agricultural sector.

Keywords：agricultural technologicalprogress；agriculturalcarbonemisions；spatialspilovereffect；spatial attenuation boundary

0 引言

當前，全球變暖已成為威脅人類生存與發展的嚴峻挑戰之一，聯合國政府間氣候變化專門委員會曾警示，氣溫升高 1.5°C 將是關鍵節點[]。作為全球氣候治理的積極倡導者與踐行者，我國在2009年及2015年分階段提出自主減排承諾，并在2020年9月于第75屆聯合國大會上提出“雙碳”目標，2024年的《政府工作報告》明確將“大力發展綠色低碳經濟，積極穩妥推進碳達峰碳中和\"列為重點工作之一。盡管如此，2023年中國碳排放總量仍占全球三分之一，且年度增量達 5.65×10⁸t ，較2022年顯著上升，成為全球增長最快的國家。農業作為支撐人類生存與發展的基礎性產業，其碳排放占比高達我國總量的 17%^[2] ，農業減排潛力巨大且不容忽視。因此，探索農業低碳轉型與綠色發展路徑，推動農業部門減排降碳，實現經濟與環境協調發展，已成為政府亟待解決的關鍵議題。

技術進步作為破解經濟增長碳減排約束的關鍵途徑[3]，是推動經濟社會綠色低碳發展、促進生態文明建設的核心驅動力[4]。技術進步不僅從“碳源端\"著手削減碳排，還從“碳匯端”吸納部分碳排，“源頭防控”到“末端治理”的結合助力“雙碳”目標的達成[4·5]。作為驅動農業經濟增長的四大要素之一[6]，農業技術進步既包括狹義的機械、化學品、生物技術等“硬技術”進步，還涵蓋了管理、經營技術等促使各種技術手段協調與優化的“軟技術\"進步，在農業碳減排方面扮演著重要的角色。閆豪瑋8、祝偉9、胡婉玲10等指出，農業技術進步是抑制農業碳排放的重要因素；陳佩[1]田云[12]等研究揭示，盡管農業碳排放存在部分回彈現象，但技術進步帶來的碳減排效果依然明顯；Zhang[13]、胡中應[14]等指出農業碳排放效率的提升受到技術效率的制約較低;魏瑋等[15]認為農業全要素技術進步和能源增進型技術進步均能有效控制農業碳排放；而資源回收與再利用技術是減緩農業碳排放的關鍵手段[16]。此外，環境污染的外部性特征意味著環境問題通常具有區域關聯效應[17]。部分學者基于區域關聯角度研究發現，農業排放總量、強度及效率存在顯著的空間相關性[18-20]，區域間的技術擴散可以增強技術進步的碳減排效果[21]。

綜上所述，學術界關于農業技術進步對農業碳排放影響的研究成果豐碩，為本文提供良好的理論參考，但仍存在可深入探討的空間。首先，現有文獻多聚焦于農業技術進步對農業碳排放的直接效應，而較少探討其空間溢出效應的潛在影響。其次，現有文獻在探討空間溢出效應時，往往假定省域間技術溢出均勻，忽略了農業經濟環境差異及制度壁壘導致的溢出效應衰減邊界。此外，多數研究局限于廣義或狹義的農業技術進步視角，鮮有將農業綜合技術效率（“軟技術\"納入框架以分析其影響機制。

鑒于此，本文利用2005—2023年中國省域面板數據，建立空間杜賓模型及3種空間權重矩陣，深入探究農業技術進步對農業碳排放的空間溢出效應、衰減邊界及區域差異。為進一步探討其影響機制，將農業技術進步分解為農業前沿技術進步與農業綜合技術效率，旨在為推進我國農業碳減排及探索綠色低碳發展路徑提供有力的政策支撐。

1理論分析與研究假說

農業技術進步有廣義與狹義之分。廣義上，它指的是農業產出增長中無法由生產要素投入增長解釋的部分[22]，這一范疇不僅包含農業生產環節中自然科學技術進步（狹義），還涵蓋農業經營管理、服務技術進步，即社會科學技術進步[23]。本文研究的是廣義的農業技術進步。

內生增長理論認為，技術進步是提升自然資源利用效率、推動資源可持續與循環再利用的關鍵驅動力，能有效遏制生態退化和環境污染。理論上看，農業技術進步對農業碳減排的影響首要體現在減少化石燃料需求上，從而提高碳排放效率[24]。具體而言，農業技術進步推動新型清潔能源的研發與應用，逐步替代傳統化石能源，優化農業能源消費結構，進而減少碳排放；同時，農業技術進步還能提高能源利用效率，減少單位產值的能耗，進一步提高碳排放效率，實現碳減排。此外，農業技術進步促進高效節能與清潔生產技術的應用，取代高能耗、高碳排的傳統生產工藝，加速產業結構的綠色轉型，有效降低區域碳排放[25]。綜上，提出假說1：農業技術進步能夠有效降低農業碳排放。

農業技術進步的碳減排效應還體現在其區域間的溢出作用上[12，19]，這是一種相對\"省力\"且能促進區域間良性互動的減排策略。各地區通過分析鄰近地區農業碳排放變化趨勢及原因，優化自身的農業生產方式。農業經濟發展水平較高、技術較先進的地區，憑借自身努力及外部援助，不斷深化對軟、硬技術（包括先進技術、專業知識和管理經驗等）的學習與累積，不僅提升農業生產效益，還達成減排目標。該地區隨后成為鄰近地區學習的標桿，憑借其強大的引領和輻射能力，將先進技術向鄰近地區“輸送”，形成“涓滴效應”[19]，促進了農業發達地區對欠發達地區的帶動，以及向技術滯后地區的資源傾斜，共同推動區域碳減排進程。同時，鄰近地區在自然條件（如土壤、地形、氣候）和社會經濟環境上的高度相似性，加之交通基礎設施（如鐵路、公路）的不斷完善，為農業技術在區域間的空間溢出提供更加便捷的條件22]，有利于實現鄰近地區農業碳排放的協同下降。綜上，提出假說2：農業技術進步存在空間溢出效應，有助于推動鄰近地區的農業碳減排。

進一步而言，廣義的農業技術進步可分解為狹義上的農業前沿技術進步與農業綜合技術效率。農業前沿技術進步體現了既定生產要素投人下生產可能性邊界的外移，它提高了農業生產能力的上限[26]，主要源于農業技術的創新與改良等；農業綜合技術效率則反映農業生產中實際產出與理論最大產出之間的差距，差距縮小意味著效率提升，其本質是農業生產過程中投入產出比例的優化[26]，這涵蓋農業管理效率與資源分配效率。種質創新、農業物聯網及精準施肥等前沿技術的應用，能夠精準控制化肥、農藥等含碳要素的投入，避免冗余，進而推動農業碳減排。農業生產要素如土地、資本及勞動力的合理配置與高效利用，標志著農業綜合技術效率的提升，這促使化肥、農藥及傳統能源利用效率大幅提高，從而有效減少碳排放。綜上，提出假說3：農業前沿技術進步與農業綜合技術效率均能抑制農業碳排放的增加。

2模型構建與變量選取

2.1 模型構建

鑒于農業技術進步存在空間溢出效應，普通面板模型不再適用，而空間計量模型是分析空間效應的有效工具，因此，采用空間計量模型分析農業技術進步對農業碳排放的影響。常見的空間計量模型包括空間滯后模型（SLM）、空間誤差模型（SEM以及空間杜賓模型（SDM），構建模型如式（1）所示。

式中： CI 一 被解釋變量，表示農業碳排放強度；TFP 核心解釋變量，表示農業技術進步；URB 控制變量，表示城鎮化水平；AED 控制變量，表示農業經濟發展水平；OPEN 控制變量，表示對外開放程度；IND 控制變量，表示產業經濟結構；APS 控制變量，表示農業種植規模；AS 控制變量，表示農業結構；i- 被觀測對象；j 與被觀測對象有地理或經濟關聯的區域；ξ_t 1 時間；ρ 3 空間自相關系數；β，δ ——待估參數；Wij 空間權重矩陣；E 擾動項；μ 省份固定效應；Y- 時間固定效應。

在實證研究中，需進行LM檢驗、LR檢驗及Wald檢驗等以確定最合適的模型形式。

2.2 空間權重矩陣

參考相關文獻[4，22]，設置鄰接矩陣 （τυ₁ ）、地理距離矩陣 ）及地理經濟嵌套矩陣 （w₃）3 種空間矩陣進行分析，以增強實證結果的穩健性。

2.2.1 鄰接矩陣

鄰接矩陣的計算規則：若兩省份地理位置相鄰，則賦值為1；反之，則賦值為0，即

2.2.2 地理距離矩陣

地理距離矩陣是基于各省省會城市直線距離平方的倒數進行計算，其反映空間關聯的強度：省會城市間距離越近，則空間關聯性越強；距離越遠，則關聯性越弱。該矩陣的具體形式如式（3）所示。

式中： d_ij （204號 省會城市 i 與省會城市 j 在地理上的直線距離。

2.2.3地理經濟嵌套矩陣

地理經濟嵌套矩陣是同時考慮地理距離和經濟距離的嵌套矩陣，構建加權形式的地理經濟嵌套矩陣，即

w₃=（1-φ）w₂+φw_E

式中： w_E ———經濟距離矩陣，其計算依據為省份間人均 GDP 之差的絕對值倒數；

兩個地區的人均 GDP ：φ 經濟距離矩陣所占比重，介于 0～1 。

為全面考慮地理位置和經濟水平的空間效應，參考邵帥等4研究， φ 取0.5，即地理距離矩陣和經濟距離矩陣比重各為 50% 。

2.3變量選取與數據來源

2.3.1 被解釋變量

鑒于各省農業生產規模差異顯著，采用農業碳排放總量衡量農業碳排放水平存在廣泛爭議，其說服力不足[2]，因此，選取農業碳排放強度（CI）作為被解釋變量。農業碳排放強度（CI為農業碳排放總量與農業總產出之比，以農林牧漁業總產值表示農業總產出。

采用排放系數法測算農業碳排放總量（CE），選取的農業碳排放源主要有4個方面：（1）農業種植方面，水稻種植引發的稻田甲烷排放，基于水稻種植面積計算，水稻生長周期取其中位值130天；土地翻耕所引發的氧化亞氮排放，基于農作物總播種面積計算；灌溉耗費電能引起的碳排放，基于農業有效灌溉面積計算。（2）農用物資方面，化肥、農藥、農膜、農用柴油的使用產生的碳排放，均基于實際使用量計算。（3）動物養殖方面，主要是動物腸道發酵與糞便分解引發的甲烷與氧化亞氮排放，選擇豬、牛、羊三大主要牲畜進行測度。（4）秸稈焚燒所造成的碳排放，借鑒已有研究[28]，選取小麥、水稻、玉米、大豆、棉花及油菜籽作為秸稈焚燒的碳源。為便于分析，根據溫室效應將甲烷、氧化亞氮轉換成二氧化碳當量（依據IPCC第四次評估報告內容，1t 甲烷相當于 25t 二氧化碳，1t氧化亞氮相當于310t 二氧化碳）。

農業碳排放總量計算如式（6）所示。

式中： CE_it ——農業碳排放總量；CE_kit —第 k 種碳源產生的碳排放總量；T_kit?δ_k —第 k 種碳源的量及其所對應的碳排放系數，見表1。

表1各類碳排放源及排放系數

Tab.1 Various carbon emission sources and emission coefficients

注：IABCAU：中國農業大學農學與生物技術學院；ORNL：美國橡樹嶺國家實驗室；IREEA：南京農業大學農業資源與生態環境研究所；IPCC：聯合國政府間氣候變化專門委員會。

2.3.2核心解釋變量

選取農業技術進步（TFP）作為核心解釋變量。鑒于考察的是廣義農業技術進步，參考相關文獻[31]，采用農業全要素生產率作為其衡量指標。利用DEA—Malmquist指數模型測算得出農業全要素生產率，該指標可分解為農業前沿技術進步（TEC）與農業綜合技術效率（EFF）。盡管本文主要聚焦于農業全要素生產率，但為深入剖析其對農業碳排放的影響機制，亦保留了農業前沿技術進步與農業綜合技術效率的測算結果。在使用DEA—Malmquist指數法時，需確定投入與產出指標，選取農林牧漁業總產值作為產出指標，選取農作物總播種面積作為土地投人指標，農林牧漁業從業人員數量作為勞動投人指標，選取農業機械總動力、有效灌溉面積、農用化肥施用量及農藥使用量作為資本投人指標。

2.3.3 控制變量

控制變量：農業經濟發展水平（AED），以人均農林牧漁業總產值表征；城鎮化水平（URB），以城鎮人口占總人口的比重表征；對外開放程度（OPEN），以進出口總額占GDP的比重表征；產業經濟結構（IND），以第一產業增加值占GDP的比重表征；農業種植規模（APS），以農作物總播種面積與農林牧漁業從業人員之比衡量；農業結構（AS），以種植業和畜牧業總產值占農林牧漁業總產值的比重衡量。

2.3.4 數據來源

鑒于西藏與港澳臺地區的數據存在顯著缺失與不完整的情況，為確保研究結論的準確性與可靠性，選取中國30個省份（不含西藏、港澳臺）2005—2023年的面板數據，數據來自《中國能源統計年鑒》《中國統計年鑒》《中國農業年鑒》《中國農村統計年鑒》及各省份統計年鑒、國家統計局。此外，為消除異方差帶來的影響，對各變量取對數。各變量描述性統計如表2所示。

表2變量定義及描述性統計 Tab.2Variable definition and descriptive statistics

注： z 表示標準化后的觀測值， Wz 表示空間滯后項。

3 實證結果分析

3.1 空間相關性分析

判斷是否采用空間計量模型的關鍵在于被解釋變量是否存在空間相關性。參考相關文獻[19]，采用Moran's I 指數對農業碳排放強度的空間相關性的顯著性予以判斷。

1）全局莫蘭指數。全局莫蘭指數的計算如式（7） 所示。

式中： x_j —第 i 個空間單元的觀測值;

1 所有觀測值的平均值；

S² （204號 樣本方差。

全局莫蘭指數的取值區間為一1，1]，正值與負值分別表示空間正相關和空間負相關，取值為0意味著空間不相關。基于前文3種空間權重矩陣，計算2005一2023年農業碳排放強度的全局莫蘭指數，結果均顯著為正，見表3，這說明中國省域間農業碳排放強度存在顯著的空間相關性。

2）局部莫蘭指數。局部莫蘭指數通過莫蘭散點圖直觀顯示了空間集聚情況，該圖的4個象限依次代表高—高集聚、低—高集聚、低—低集聚和高—低集聚的空間分布特征。2005年與2023年三種空間權重矩陣下農業碳排放強度的局部莫蘭散點圖顯示，多數省份的散點集中于第一、三象限，見圖1。2005年莫蘭散點圖的第一象限（H一H集聚）涵蓋了甘肅、青海、寧夏、新疆、吉林及黑龍江等地區，展現出農業碳排放強度的高值集聚；而第三象限（L一L集聚）則主要包括北京、天津、河北、廣東、廣西及云南等地區，呈現出低值集聚。

2023年3種空間矩陣下的莫蘭散點圖分布特征與2005年基本一致。這揭示了我國省域農業碳排放強度在空間上分布不均，存在明顯的空間集聚特征，即“高一高\"集聚和“低—低\"集聚，進一步印證了空間正相關性的存在。

3.2 空間面板回歸結果分析

1）空間計量模型的檢驗及選擇。為確定空間計量模型的具體形式，需進行Hausman檢驗、LM檢驗、Wald檢驗及LR檢驗，結果見表4。可以看出，Hausman檢驗結果在 1% 顯著性水平上拒絕了原假設，表明固定效應模型為更優選擇。LM與RobustLM檢驗結果至少通過了 5% 的顯著性檢驗，表明農業技術進步對農業碳排放強度的影響具有不可忽視的空間效應。LR與Wald檢驗結果均在 1% 顯著性水平上拒絕了原假設，證實了空間杜賓模型無法簡化為空間滯后或空間誤差模型。因此，采用固定效應的空間杜賓模型。

2）空間回歸結果分析。在鄰接矩陣 （w₁） 、地理距離矩陣 （w₂ ）及地理經濟嵌套矩陣 （w₃） 下，農業技術進步對農業碳排放強度影響的空間杜賓模型回歸結果見表5。結果顯示，無論是采用鄰接矩陣、地理距離矩陣還是地理經濟嵌套矩陣，空間自相關系數 ρ 、農業技術進步的直接效應系數及其空間滯后項系數 （Wx 均顯著。空間自相關系數顯著為正，表明農業碳排放強度存在較強的空間正相關性，意味著某一地區農業碳排放強度的增減會相應地影響其鄰近地區的排放模式。農業技術進步的直接效應系數顯著為負，表明其對本地農業碳排放強度具有顯著的負向影響。農業技術進步的空間滯后項系數顯著為負，說明某一地區農業技術進步能有效降低鄰近地區的農業碳排放強度，反映了技術在“學習效應\"與“涓滴效應”下的跨區傳播。

表4模型檢驗結果Tab.4 Model testresults

表5空間杜賓模型估計結果Tab.5Estimation results of spatial Durbin model

注：*** 、**和*分別表示 1%.5% 和 10% 的顯著水平，括號內為t值。下同。

3）空間效應分解。鑒于上述空間自相關系數顯著且不為0，空間杜賓模型中各估計系數無法直觀反映自變量對因變量的影響，故需借助偏微分方法計算各變量的直接效應、間接效應及總效應[32]。直接效應表示農業技術進步對本地農業碳排放強度的作用；間接效應則揭示了農業技術進步通過空間溢出機制作用于鄰近地區的農業碳排放強度；總效應則反映了上述兩種效應的整體作用。空間效應的具體分解結果見表6。

表6空間效應分解結果Tab.6 Decomposition results of spatial effects

由表6可知，對于3種空間權重矩陣的回歸結果，核心解釋變量與控制變量的系數符號及顯著性高度一致，這證實了回歸結果的穩健性較強。在3種空間權重矩陣下，農業技術進步對農業碳排放強度的直接效應分別為 -0.163，-0.165，-0.172， 且至少在 5% 的水平上顯著，表明農業技術進步能顯著降低本地農業碳排放強度；而其間接效應分別為 -0.496，-0.282，-0.304 ，至少通過了 5% 的顯著性檢驗，表明農業技術進步對鄰近地區農業碳排放強度有明顯的減緩作用，展現出正向的空間溢出效應，且該間接效應大于直接效應。究其原因，一方面，農業技術進步推動新型清潔能源與清潔生產技術的應用，提高農業生產過程中的碳排放效率，從而直接減少碳排放。另一方面，技術進步伴隨著“學習效應\"與“涓滴效應”，中心地區憑借其強大的輻射能力向鄰近地區“輸送”先進技術，而后者通過借鑒與學習提升其農業技術水平，進而推動農業碳減排，產生空間溢出效應。因此，假說1和假說2得證。

控制變量中，城鎮化水平在地理距離矩陣和地理經濟嵌套矩陣下對農業碳排放強度的直接及間接效應均顯著為負，說明推進城鎮化進程有助于本地及鄰近地區的農業碳減排。城鎮化提升了人們的綠色發展意識，促使農民轉向清潔生產方式，并通過學習與示范效應抑制鄰近地區的農業碳排放。農業經濟發展水平在3種空間權重矩陣下對農業碳排放強度的直接效應顯著為負，但間接效應不顯著，表明其減排效果主要局限于本地。這可能與農業經濟發展所帶來的新技術、新設備的引入，以及對農業生產者的培訓和教育有關，這些因素共同推動了農業碳減排。對外開放程度在鄰接矩陣和地理經濟嵌套矩陣下對農業碳排放強度的直接及間接效應均顯著為負，表明對外開放有利于本地及鄰近地區的農業碳減排。對外開放加速了國際低碳農業技術的引進與應用，這些高效低排技術直接降低了本地農業碳排放，同時，技術溢出效應推動了鄰近地區低碳技術的普及，有效抑制了該區域的碳排放增長。產業經濟結構在3種空間權重矩陣下的直接及間接效應均顯著為正，說明第一產業占比的增加會加劇本地及鄰近地區的農業碳排放強度。這可能與高能耗農業生產和低效資源管理的路徑依賴有關，鄰近地區可能受到本地農業技術和管理方式的影響，導致碳排放增加。農業種植規模的擴大在3種空間權重矩陣下均顯著促進了本地及鄰近地區的農業碳排放強度，這可能與農用物資消耗的增加密切相關，而鄰近地區為了提升農業經濟競爭力，可能跟隨擴展種植規模，從而導致碳排放增加。農業結構的直接效應在3種空間權重矩陣下均顯著為正，間接效應顯著為負，表明種植業與畜牧業產值占比的增加雖然提升了本地農業碳排放強度，但卻能降低鄰近地區的碳排放。可能是因為種植業與畜牧業相比于林業和漁業，對農用物資投入依賴更大，而本地糧食增產會緩解鄰近地區糧食生產壓力，進而減少其農業碳排放。

3.3 影響機制分析

為深人分析農業技術進步對農業碳排放強度的作用機制，將農業前沿技術進步（TEC）與農業綜合技術效率（EFF）作為核心解釋變量進行實證分析，結果見表7。

表7農業前沿技術進步和農業綜合技術效率對農業碳排放強度影響的估計結果

在3種空間權重矩陣下，農業前沿技術進步對農業碳排放強度的直接效應均在 1% 的水平上顯著為負，而其間接效應也至少在 10% 的水平上顯著為負，表明農業前沿技術進步不僅有效降低本地農業碳排放強度，還顯著抑制鄰近地區的碳排放增長，且間接效應大于直接效應。相應地，農業綜合技術效率在3種空間權重矩陣下的直接效應分別為 -0.128，-0.134 和一0.140，至少通過 10% 的顯著性檢驗，間接效應分別為—0.446、—0.325和—0.351，至少在 10% 的水平上顯著，顯示出類似但稍弱的效應模式，即同樣促進本地減排并抑制鄰近地區排放增長，且間接效應大于直接效應。綜合比較，農業前沿技術進步在直接、間接及總效應上均超過農業綜合技術效率，顯示出其在區域碳減排中的更大潛力。這一現象的潛在原因包括：農業前沿技術進步作為科技進步的前沿代表和高效生產方式的基石，是推動農業技術進步和實現碳減排的主要驅動力，因此對本地農業碳排放的直接影響更為顯著。對于鄰近地區而言，農業前沿技術通過先進的機械設備和新型生物化學技術的普及與應用，展現出顯著的空間溢出效應；相比之下，農業綜合技術效率作為“軟技術”，其效果受限于特定地區的資源稟賦條件和經營管理水平，缺乏普遍適用性，故而對鄰近地區的碳減排影響相對較弱。因此，假說3得證。

3.4 區域異質性分析

為進一步探究農業技術進步對農業碳排放影響的地域差異，將研究樣本劃分為東部、中部及西部三大區域分別進行實證估計，回歸結果見表 8～ 表10。其中，東部區域包含北京、天津、河北、山東、江蘇、上海、浙江、福建、廣東、海南、廣西、遼寧；中部區域包含內蒙古、吉林、黑龍江、河南、湖北、湖南、安徽、江西、山西；西部區域包含陜西、甘肅、青海、四川、貴州、云南、重慶、新疆、寧夏。

表8東部地區模型估計結果 Tab.8Model estimation results in the eastern region

表10西部地區模型估計結果

表9中部地區模型估計結果

由表 8～ 表10可知，農業技術進步對農業碳排放強度的影響呈現出明顯的區域異質性特征。具體而言，東部地區在鄰接矩陣與地理經濟嵌套矩陣下的空間自相關系數 ρ 均不顯著，僅在地理距離矩陣下勉強通過 10% 的顯著性檢驗，且模型擬合度 R² 極低，表明該地區農業技術進步對農業碳排放強度的空間溢出效應微弱，甚至不存在。這可能歸因于東部地區農業技術發展的高度均衡性，相鄰地區間技術差異較小，從而限制了空間溢出效應。盡管如此，東部地區的直接效應系數顯著為負，意味著農業技術進步能有效抑制農業碳排放強度的增長，這得益于該地區技術創新水平較高，農業生產者能便捷獲取技術指導、培訓及先進設備，促進新技術的采納與應用，進而降低碳排放強度。

相比之下，中部與西部地區在3種空間權重矩陣下的空間自相關系數 ρ 均顯著為負，中部省份間資源與產業結構的相似性引發資源競爭“以鄰為壑”現象，以及西部地區內部經濟發展不均衡、產業結構差異大等問題，共同導致了空間負相關性。然而，在這兩大區域中，直接效應系數與空間滯后項系數在3種空間權重矩陣下均不顯著，這可能受限于中部與西部地區較低的經濟水平、資金技術匱乏及基礎設施滯后，制約了農業技術進步在推動農業碳減排方面的積極作用。

3.5空間衰減邊界分析

根據地理學第一定律，地區間的空間相關性會隨地理距離的增加而降低。為探究農業技術進步對農業碳排放強度的空間溢出效應是否遵循地理距離衰減規律，設定兩省份間地理距離區間為 [d_min，d_max] ，記 τ 為 的遞增距離，基于式（3）構建空間距離權重矩陣如式（8）所示。

式中： d 一 距離閾值。

鑒于兩省份間地理距離約為100～3800 km[33]，設置初始距離閾值 d_min 為 100km ，且以 100km 為遞增單位。考慮到地理距離矩陣下農業技術進步對農業碳排放強度的空間回歸結果在空間距離大于 700km 時變得不顯著，因此僅聚焦于 100～800km ，計算不同閾值下農業技術進步的空間溢出效應系數，并對結果進行曲線擬合，見圖2。

L 200 400 600 800 空間距離/km

由圖2可知，隨著地理距離的增加，農業技術進步對農業碳排放強度的空間溢出效應總體呈現出“倒U形\"特征。這一現象源于農業技術傳播依賴于信息共享、技術示范及人員流動等要素，這些要素在短距離范圍內更易實現，從而有效抑制鄰近地區的農業碳排放強度。然而，隨著距離的增加，信息傳遞效率和頻率逐漸降低，技術擴散難度增加，導致空間溢出效應隨之減弱。

基于距離閾值與空間溢出系數絕對值的變動，將空間衰減過程劃分為兩個階段。第一階段，當距離閾值為 100～400km 時，地理鄰近性帶來的交通便利、信息交流的高效性以及文化習俗的相似性促進了本地農業技術的迅速傳播與采納。此階段，技術傳播密集，對鄰近地區農業碳排放強度的抑制作用隨距離的遞增而增強，直至 400km 處達到峰值，形成技術溢出密集區。而在第二階段，當距離閾值為 400～700km 時，地理障礙、文化差異及信息傳播成本的上升導致農業技術傳播效率顯著下降，進而減弱了對遠距離地區農業碳排放強度的抑制作用。雖然技術溢出效應在這一階段仍然存在，但其影響力與顯著性已明顯減弱。

此外，從空間溢出效應系數的顯著性來看，農業技術進步對鄰近地區農業碳排放強度的空間溢出效應存在明確的 700km 邊界。超出此范圍，技術溢出效果變得不再顯著，這主要歸因于信息傳遞的衰減、技術采納成本的增加以及地區間經濟、社會條件的顯著差異。因此， 700km 可被視為農業技術進步對農業碳排放強度空間溢出效應的邊界閾值。

4 結論與建議

4.1結論

基于2005—2023年中國30省的面板數據，利用空間杜賓模型實證探究農業技術進步對農業碳排放強度的空間溢出效應、衰減邊界及區域差異。結果顯示：（1）中國省域農業碳排放強度存在顯著的空間相關性與空間集聚特征，表現為“高—高”與“低一低\"集聚的空間分布模式。（2）農業技術進步不僅能顯著降低本地農業碳排放強度，還對鄰近地區農業碳排放強度有明顯的減緩作用，展現出正向且顯著的空間溢出效應。（3）農業前沿技術進步與農業綜合技術效率均有助于降低本地及鄰近地區農業碳排放強度，但農業前沿技術進步起主導作用。（4農業技術進步對農業碳排放強度的影響存在區域異質性，東部地區直接減排效果顯著但空間溢出效應微弱，而中部與西部地區雖呈現空間負相關性，但農業技術進步在推動碳減排上作用不顯著。（5）農業技術進步對農業碳排放強度的空間溢出效應隨地理距離增加呈“倒U形”變化， 400km 范圍內溢出效應逐漸增強，在 400～700km 范圍內顯著減弱，超出 700km 則不再顯著。

此外，本文已深入探討農業前沿技術進步與農業綜合技術效率對農業碳排放強度的空間溢出效應，并測算技術溢出效應的衰減邊界，從而增強研究結論的準確性。然而，受限于數據可獲取性，本文的分析范疇僅限于我國省域層面。顯然，縣域層面的農業碳排放研究能為省域層面研究提供有益補充，二者結合將更全面地揭示我國農業低碳轉型面臨的核心挑戰，提供一個更為深刻且全面的視角。因此，進一步拓展至縣域層面的農業碳排放研究是亟待深入的重要方向。

4.2 政策建議

1）強化農業科技研發與推廣，促進區域協同減排。加強對節能減排、精準農業等關鍵技術的財政支持與政策傾斜，促進產學研深度融合，加速科技成果在“高一高\"集聚區的轉化應用。構建多元化技術推廣體系，通過在線培訓、技術指導等提升農民技術應用能力，縮小技術區域差異。建立農業技術大數據共享平臺，整合創新資源，強化地理距離在 400km 內技術交流，推動區域協同減排，共同降低農業碳排放強度。

2）消除技術擴散障礙，加速前沿技術高質量發展。構建政府引導、企業引領、農戶參與的協同減排體系，結合政策與市場機制打破地域壁壘，確保技術持續有效擴散。對于地理距離在 700km 內的技術溢出顯著區域，應優先推廣先進農機裝備、新型生物技術等前沿技術，實現增產減排雙贏。同時，探索數字化傳播方式，克服地理障礙，加速技術在地理距離在 700km 外的溢出效應不顯著區域進行傳播與應用。

3）優化技術布局與資源配置，提升綜合技術效率。根據技術溢出效應的“倒U形\"特征，應合理布局農業技術研發與推廣中心，強化技術溢出密集區的交流與合作。在技術溢出密集區加強生產要素監控，優化資源配置，改進生產管理模式。同時，針對技術溢出減弱區實施差異化策略，促進區域間農業碳排放均衡降低，提升農業綜合技術效率。

4）實施差異化減排策略，推動區域可持續發展。針對技術碳減排的區域異質性，東部地區應強化前沿技術創新與應用，提升直接減排效果；中西部地區則需加強技術引進與轉化，突破經濟與技術瓶頸。結合區域特點，推廣生態農業、循環農業等低碳模式，推動農業向低碳、高效、可持續方向邁進，實現經濟、社會、生態效益的協調發展，為農業可持續發展奠定堅實基礎。

參考文獻

[1]IPCC.Special report on global warming of 1.5°C [R]. CambridgeUniversityPress，2018.

[2]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.LiBo，Zhang Junbiao，Li Haipeng.Research on spatial-temporal characteristics and affecting factors decompositionof agricultural carbon emission in China [J]. ChinaPopulation，Resources and Environment，2o11，21（8）：80-86.

[3］孫寧．如何實現碳減排約束下的經濟增長——技術進步碳減排效應的理論和實證分析[J]．中國軟科學，2010（S1）：123—132.

[4］邵帥，范美婷，楊莉莉．經濟結構調整、綠色技術進步與中國低碳轉型發展——基于總體技術前沿和空間溢出效應視角的經驗考察[J]．管理世界，2022，38（2）：46－69，4-10.

[5］劉海英，楊明，王殿武．綠色技術創新促進碳生產率提高的作用機制一 —基于工業結構升級、循環農業發展和交通運輸替代的中介效應分析[J]．科技管理研究，2022，42（10）：194-201.Liu Haiying，YangMing， Wang Dianwu.Impactmechanism of green technology innovation on carbonproductivitypromotion： Basedon themediatingeffectanalysisofindustrial structure upgrading，circularagriculturedevelopmentand transportationsubstitution [J]. Science and Technology ManagementResearch，2022，42（10）：194-201.

[6］熊桉．農業科技成果轉化：從外生向內生轉變的機制與模式研究[J].農業技術經濟，2019（11）：83-92.Xiong An. Transformation of agricultural scientific andtechnologicalachievements： Astudyonthemechanism and mode of transformation from exogeneity toendogeneity [J]. Journal of Agrotechnical Economics，2019（11）： 83-92.

[7］顧海英．農業技術進步的內涵與作用探討[J]．農業技術經濟，1994（4）：24-27.

[8］閆豪瑋，穆月英．糧食生產技術進步對碳排放強度的影響及作用機制[J]．科技導報，2024，42（7）：66—75.Yan Haowei，Mu Yueying. On the impact of technologicalprogressingrainproductiononcarbonemissionintensity and its action mechanism [J]. Scienceamp;.Technology Review，2024，42（7）：66-75.

[9］祝偉，王瑞梅．技術進步和經營規模對農業碳排放的影響研究[J]．農業經濟，2023（2）：13—15.

[10］胡婉玲，張金鑫，王紅玲．中國農業碳排放特征及影響因素研究[J]．統計與決策，2020，36（5）：56－62.

[11］陳佩．農業碳排放回彈及機制分析——基于農業技術進步的視角[J].經濟與管理，2024，38（5）：85-92.Chen Pei. Agricultural carbon emission rebound andmechanism analysis： Basedontheperspectiveofagricultural technologicalprogress[J]. Economyand Management，2024，38（5）：85-92.

[12］田云，尹昊．技術進步促進了農業能源碳減排嗎？基于回彈效應與空間溢出效應的檢驗[J].改革，2021（12）：45-58.

[13] ZhangH，Guo S，Qian Y，et al.Dynamic analysisof agricultural carbon emissions efficiency in Chineseprovinces along the Belt and Road[J]. PLoS One，2020，15（2）：e0228223.

[14]胡中應．技術進步，技術效率與中國農業碳排放[J]．華東經濟管理，2018，32（6）：100—105.

[15］魏瑋，文長存，崔琦，等．農業技術進步對農業能源使用與碳排放的影響一 —基于GTAP—E模型分析[J]．農業技術經濟，2018（2）：30－40.Wei Wei，Wen Changcun，Cui Qi，et al. The impacts oftechnological advance on agricultural energy use andcarbon emission： An analysis based on GTAP—Emodel[J]. Journal of Agrotechnical Economics，2018（2）：30-40.

[16]Fan C，Wei T. Effectiveness of integrated low-carbontechnologies：Evidencefromapilotagriculturalexperiment in Shanghai [J]. International Journal ofClimate Change Strategies and Management， 2016，8（5）：758-776.

[17]張征宇，朱平芳．地方環境支出的實證研究[J]．經濟研究，2010，45（5）：82-94.

[18］唐菁，易露．中國綠色農業技術創新的碳減排效應研究[J]．農林經濟管理學報，2024，23（6）：720－730.TangJing，Yi Lu.Emission-reduction effect of greenagricultural technology innovation in China [J]. Journal ofAgro-Forestry Economics and Management， 2024， 23（6）：720—730.

[19]何艷秋，成雪瑩，王芳．技術擴散視角下農業碳排放區域溢出效應研究[J].農業技術經濟，2022（4）：132—144.He Yanqiu， Cheng Xueying，Wang Fang. Study ontheregional spillover effect of agricultural carbon emissionbased on the perspective of agricultural technologydiffusion [J]. Journal of Agrotechnical Economics，2022（4）：132—144.

[20]田云，尹怒昊．中國農業碳排放再測算：基本現狀、動態演進及空間溢出效應[J]．中國農村經濟，2022（3）：104—127.Tian Yun， Yin Minhao. Re-evaluation of China'sagricultural carbon emissions： Basic status， dynamicevolution and spatial spillover effects [J]. Chinese RuralEconomy，2022（3）：104—127.

[21］張軍偉，張錦華，吳方衛．我國糧食生產的碳排放及減排路徑分析[J]．統計與決策，2018，34（14）：168—172.

[22]黃大湖，丁士軍．農業技術進步、空間效應與城鄉收入差距- -基于省級面板數據的分析[J]．中國農業資源與區劃，2022，43（11）：239—248.Huang Dahu， Ding Shijun.Agricultural technologyprogress， spatial effect and urban-rural income gap： Basedon the analysis of provincial panel date [J]. ChineseJournal of Agricultural Resources and Regional Planning，2022，43（11）：239—248.農業經濟問題，2005（S1）： 70-75

[24]楊莉莎，朱俊鵬，賈智杰．中國碳減排實現的影響因素和當前挑戰——基于技術進步的視角[J]．經濟研究，2019，54（11）：118—132.

[25]張穎，鄒國昊．綠色金融政策對碳排放的空間溢出效應研究[J]．武漢大學學報（哲學社會科學版），2024，77（5）：60-72 ：Zhang Ying， Zou Guohao. Research on spatial spillovereffects of green finance policy on carbon emissions [J].Wuhan University Journal （Philosophy amp; Social Science），2024，77（5）： 60-72 ：

[26］王鏡淳，穆月英.空間溢出視角下農業技術進步對城鄉收入差距的影響研究一 一以河南省縣域為例[J]：農業現代化研究，2022，43（6）：1017—1028.Wang Jingchun，Mu Yueying. The impact of agriculturaltechnology progress on urban-rural income gap from theperspective of spatial spillover： A case studyofcountiesinHenanProvince[J].ResearchofAgricultural Modernization，2022，43（6）：1017—1028.

[27]顏光耀，陳衛洪，錢海慧．農業技術效率對農業碳排放的影響——基于空間溢出效應與門檻效應分析[J].中國生態農業學報（中英文），2023，31（2）：226—240.Yan Guangyao， Chen Weihong，Qian Haihui. Effectsof agricultural technical efficiency on agricultural carbonemission：based on spatial spillover effect and thresholdeffect analysis [J]. Chinese Journal of Eco-Agriculture，2023，31（2）：226-240.

[28] Huang X， Xu X， Wang Q， et al. Assessment ofagricultural carbon emissionsand theirspatiotemporalchanges in China，1997—2016 [J]. International Journal ofEnvironmental Research and Public Health，2019，16（17）：3105.

[29］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——基于DEA—Malmquist 指數分解方法與Tobit模型運用[J]．資源科學，2014，36（1）：129-138.

[30]段華平，張悅，趙建波，等．中國農田生態系統的碳足跡分析[J]．水土保持學報，2011，25（5）：203—208.Duan Huaping，Zhang Yue，Zhao Jianbo，et al. Carbonfootprint analysis offarmland ecosystem in China [J].Journal of Soil and Water Conservation，2oll，25（5）：203-208.

[31］楊義武，林萬龍．農業技術進步的增收效應——基于中國省級面板數據的檢驗[J]．經濟科學，2016（5）：45－57.Yang Yiwu，Lin Wanlong.The income-increasing effectof agricultural technology progress： A test based onChina's provincial panel data [J]. Economic Scince，2016（5）：45-57.

[32] LeSageJ，PaceRK. Introductionto spatialeconometrics [M]. New York：CRC Press，2009.

[33］郭興磊，張倩．金融集聚對綠色經濟發展水平的空間溢出放應分析「1]生太經汶。2023．39（5）.103—110