田云，王夢晨

湖北省農(nóng)業(yè)碳排放效率時(shí)空差異及影響因素

田云，王夢晨

（中南財(cái)經(jīng)政法大學(xué)工商管理學(xué)院，武漢 430073）

【】傳統(tǒng)農(nóng)業(yè)大省湖北省對(duì)化肥、農(nóng)藥等農(nóng)用物資的依賴度過高，客觀上導(dǎo)致其農(nóng)業(yè)生產(chǎn)相對(duì)高碳。本研究目的在于厘清其農(nóng)業(yè)碳排放效率及影響因素，為湖北省農(nóng)業(yè)低碳生產(chǎn)的切實(shí)推進(jìn)提供參考依據(jù)與政策啟示。利用DEA-Malmquist分解法對(duì)湖北省農(nóng)業(yè)碳排放效率進(jìn)行有效測度并分析其時(shí)空差異特征；在此基礎(chǔ)上運(yùn)用Tobit模型探究影響其碳排放效率變化的關(guān)鍵因素。2011年以來湖北省農(nóng)業(yè)碳排放效率雖年際間存在一定波動(dòng)，但總體處于增長態(tài)勢，年平均增速為2.9%；從驅(qū)動(dòng)源泉來看其提升主要依賴于前沿技術(shù)進(jìn)步而非技術(shù)效率改善，進(jìn)一步對(duì)技術(shù)效率分解可知，純技術(shù)效率惡化趨勢較為明顯而規(guī)模效率得到了輕微改善。湖北省各市（州）農(nóng)業(yè)碳排放效率差異明顯，其中以武漢最高，達(dá)到了1.584，而荊門最低，僅為0.803；結(jié)合數(shù)值差異可將15個(gè)地區(qū)劃分為高速增長、低速增長以及下降等3個(gè)不同組別；前沿技術(shù)進(jìn)步在推進(jìn)各地區(qū)農(nóng)業(yè)碳排放效率提升上發(fā)揮了更為明顯的作用，而技術(shù)效率改善所起作用相對(duì)較小，分解技術(shù)效率可知，純技術(shù)效率與規(guī)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(nóng)村經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化水平、農(nóng)村用電量均對(duì)湖北省農(nóng)業(yè)碳排放效率產(chǎn)生了顯著的正向影響，即在其他條件維持不變的前提下，農(nóng)民人均純收入越高、或者城鎮(zhèn)化水平越高、或者農(nóng)村用電量越大，農(nóng)業(yè)碳排放效率越高；而農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)所處情形正好相反，具體表現(xiàn)為，種植業(yè)產(chǎn)值比重越高越不利于農(nóng)業(yè)碳排放效率的提升。湖北省農(nóng)業(yè)碳排放效率總體處于上升態(tài)勢，但伴隨著年際波動(dòng)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(nóng)業(yè)碳排放效率的提升都更多地依賴于前沿技術(shù)進(jìn)步而非技術(shù)效率的改善，這也要求我們?cè)谕七M(jìn)湖北農(nóng)業(yè)低碳生產(chǎn)過程中不僅要注重新技術(shù)的研發(fā)，更需強(qiáng)化對(duì)各類技術(shù)的合理運(yùn)用?？紤]到農(nóng)村經(jīng)濟(jì)發(fā)展、城鎮(zhèn)化水平、農(nóng)村用電量以及農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)均對(duì)農(nóng)業(yè)碳排放效率產(chǎn)生了顯著影響的現(xiàn)實(shí)境況，實(shí)踐中可以通過繁榮農(nóng)村經(jīng)濟(jì)發(fā)展、提升城鎮(zhèn)化水平、保障農(nóng)村用電需求、優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、完善法制建設(shè)與制度保障等手段來切實(shí)確保農(nóng)業(yè)碳排放效率得到提高。

農(nóng)業(yè)碳排放；碳排放效率；時(shí)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(huì)各界的廣泛關(guān)注，并成為了眾多學(xué)者探討的焦點(diǎn)。其中，聯(lián)合國政府間氣候變化專門委員會(huì)（IPCC）發(fā)布的第四次評(píng)估報(bào)告顯示，在未來100年內(nèi)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(dòng)所導(dǎo)致的碳排放在其中扮演極為重要的角色。誠然工業(yè)和服務(wù)業(yè)是產(chǎn)生碳排放的主要源泉，但快速發(fā)展的農(nóng)業(yè)所起的助推作用也不容忽視。而作為我國傳統(tǒng)農(nóng)業(yè)大省，湖北雖為我國提供了大量的商品糧、棉、油、肉以及水產(chǎn)品，但由于自身對(duì)化肥、農(nóng)藥等農(nóng)用物資的依賴程度過高，客觀上也導(dǎo)致了其農(nóng)業(yè)生產(chǎn)相對(duì)高碳。為了更好地踐行綠色發(fā)展戰(zhàn)略，加快推進(jìn)湖北農(nóng)業(yè)低碳發(fā)展已迫在眉睫，而厘清其農(nóng)業(yè)碳排放現(xiàn)狀及效率特征是實(shí)現(xiàn)這一目標(biāo)的重要前提?！厩叭搜芯窟M(jìn)展】越來越多的學(xué)者開始圍繞農(nóng)業(yè)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(nóng)業(yè)碳排放測算、時(shí)空特征分析以及驅(qū)動(dòng)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(jì)90年代以來，我國農(nóng)業(yè)碳排放量總體處于增長態(tài)勢而且地區(qū)差異明顯，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展是導(dǎo)致其數(shù)量變化的關(guān)鍵性因素。而后，隨著研究的逐步深入，學(xué)者們開始聚焦于農(nóng)業(yè)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(fā)現(xiàn)，雖然中國農(nóng)業(yè)碳排放效率總體有較大提高，但區(qū)域間存在明顯的非均衡性，其變化主要受產(chǎn)業(yè)集聚、城鎮(zhèn)化水平等因素影響。除此之外，還有不少學(xué)者圍繞農(nóng)業(yè)碳排放與經(jīng)濟(jì)發(fā)展的互動(dòng)關(guān)系[7-8]、氣候變化與低碳農(nóng)業(yè)生產(chǎn)關(guān)系[9]、農(nóng)業(yè)碳減排潛力評(píng)估與減排成本測度[10-12]、農(nóng)業(yè)低碳技術(shù)與生產(chǎn)行為[13-15]等問題展開深度剖析。與此同時(shí)，雖然也有不少學(xué)者圍繞湖北農(nóng)業(yè)碳排放問題展開探究，但主要聚焦于農(nóng)業(yè)碳排放現(xiàn)狀測度與驅(qū)動(dòng)因素分解[16]、農(nóng)業(yè)產(chǎn)業(yè)化與農(nóng)村碳排放關(guān)系[17]、技術(shù)進(jìn)步與生豬養(yǎng)殖溫室氣體排放[18]、農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟(jì)的相互關(guān)聯(lián)[19]等幾個(gè)領(lǐng)域，而較少涉及其他方面。【本研究切入點(diǎn)】從現(xiàn)有文獻(xiàn)來看，農(nóng)業(yè)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(gè)省區(qū)作為考察對(duì)象，而鮮有學(xué)者圍繞湖北省及各市（州）農(nóng)業(yè)碳效率問題展開深度探討。所謂農(nóng)業(yè)碳排放效率，即指碳排放約束下的農(nóng)業(yè)生產(chǎn)率水平，在此將農(nóng)業(yè)碳排放作為了非期望產(chǎn)出?！緮M解決的關(guān)鍵問題】本文將以湖北省作為研究對(duì)象，首先利用DEA-Malmquist分解法完成對(duì)其農(nóng)業(yè)碳排放效率的測度并分析其時(shí)空差異特征；而后運(yùn)用Tobit模型探究影響其碳排放效率變化的關(guān)鍵因素。相關(guān)研究結(jié)論的獲取能夠?yàn)楹鞭r(nóng)業(yè)低碳生產(chǎn)的切實(shí)推進(jìn)提供必要的參考依據(jù)與政策啟示。

1 研究方法

1.1 DEA-Malmquist指數(shù)分解法與變量選取

本文所要探討的農(nóng)業(yè)碳排放效率屬于傳統(tǒng)農(nóng)業(yè)生產(chǎn)率的特殊表現(xiàn)形式，唯一的區(qū)別在于產(chǎn)出指標(biāo)還兼顧了非期望產(chǎn)出。由于存在非期望產(chǎn)出，使得Shephard距離函數(shù)無法完成對(duì)碳排放生產(chǎn)率的準(zhǔn)確測度。為此，實(shí)際分析中將構(gòu)造基于SBM方向距離函數(shù)的Malmquist-Luenberger生產(chǎn)率指數(shù)對(duì)湖北省農(nóng)業(yè)碳排放效率進(jìn)行測度。具體分析中，將基于跨期動(dòng)態(tài)概念，參照Malmquist指數(shù)幾何平均值思路，構(gòu)建從到1基于乘除結(jié)構(gòu)和相鄰參比的SBM方向性距離函數(shù)的全要素生產(chǎn)率指數(shù)[21]，并定義為碳排放生產(chǎn)效率（）指數(shù)：

=×（4）

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

選擇合適的投入與產(chǎn)出變量對(duì)于農(nóng)業(yè)碳排放效率測度至關(guān)重要，為了確保變量選擇的科學(xué)性，在此對(duì)已有相關(guān)研究進(jìn)行回顧與梳理。其中，關(guān)于投入變量的選擇，農(nóng)業(yè)勞動(dòng)力、農(nóng)業(yè)機(jī)械總動(dòng)力、耕地面積與役畜投入得到了較多學(xué)者[20-21]的認(rèn)可；而關(guān)于產(chǎn)出指標(biāo)的確定，農(nóng)業(yè)總產(chǎn)值一般被當(dāng)作期望產(chǎn)出，而農(nóng)業(yè)面源污染、農(nóng)業(yè)碳排放等則通常作為非期望產(chǎn)出[22-24]。本文將在參照已有研究成果的基礎(chǔ)上，結(jié)合數(shù)據(jù)的可獲取性，選取農(nóng)業(yè)投入產(chǎn)出變量具體如下：

農(nóng)業(yè)投入變量包含農(nóng)業(yè)勞動(dòng)力、土地、農(nóng)業(yè)機(jī)械動(dòng)力、灌溉以及役畜投入等5個(gè)方面。其中，農(nóng)業(yè)勞動(dòng)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(chǎn)業(yè)年末從業(yè)人數(shù)作為其衡量標(biāo)準(zhǔn)，單位為萬人；土地是農(nóng)業(yè)生產(chǎn)活動(dòng)得以開展的物質(zhì)基礎(chǔ)，具體以各市（州）年末耕地面積作為衡量指標(biāo)，單位為khm2；農(nóng)業(yè)機(jī)械的廣泛使用是促進(jìn)農(nóng)業(yè)生產(chǎn)力提升的重要手段，故在此也將其作為投入指標(biāo)，具體以各市（州）歷年農(nóng)業(yè)機(jī)械總動(dòng)力作為衡量依據(jù)，單位為萬kW；隨著農(nóng)田水利等基礎(chǔ)設(shè)施建設(shè)的日趨完善，灌溉在農(nóng)作物種植過程中扮演著越發(fā)重要角色，因此我們不能忽視灌溉投入對(duì)農(nóng)業(yè)生產(chǎn)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(biāo)，單位為khm2；除此之外，役畜雖然在農(nóng)業(yè)生產(chǎn)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(biāo)之一，具體以牛（非肉牛、奶牛）、馬、驢、騾等的數(shù)量作為替代變量，單位為萬頭。農(nóng)業(yè)產(chǎn)出指標(biāo)包含兩個(gè)方面，即期望產(chǎn)出農(nóng)業(yè)總產(chǎn)值，以各市（州）歷年農(nóng)業(yè)總產(chǎn)值作為衡量標(biāo)準(zhǔn)，單位為億元，以及非期望產(chǎn)出農(nóng)業(yè)碳排放量，以各市（州）歷年實(shí)際農(nóng)業(yè)碳排放數(shù)量為準(zhǔn)，單位為萬t。

1.2 Tobit模型

在厘清湖北省及各市（州）農(nóng)業(yè)碳排放效率之后，為了確保對(duì)策建議的針對(duì)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(qū)農(nóng)業(yè)碳排放效率值為因變量，各影響因素為解釋變量構(gòu)建線性回歸方程，而后通過自變量系數(shù)判斷各影響因素對(duì)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(yùn)用普通最小二乘法實(shí)施回歸可能會(huì)導(dǎo)致參數(shù)估計(jì)值出現(xiàn)偏向0的情形，為此本文將借鑒一些學(xué)者[21,25]的已有做法，運(yùn)用因變量受限制的Tobit模型展開實(shí)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(shù)。在此基礎(chǔ)上，結(jié)合本文研究目的，可構(gòu)建以農(nóng)業(yè)碳排放效率（）為被解釋變量的Tobit模型如下：

式（6）中的為農(nóng)業(yè)碳排放效率值，表示各市（州），表示年份，0為常數(shù)項(xiàng)，1、2、β分別為各個(gè)解釋變量的回歸系數(shù)，為隨機(jī)擾動(dòng)項(xiàng)。

1.3 數(shù)據(jù)來源及處理

耕地面積、第一產(chǎn)業(yè)從業(yè)人員、役畜數(shù)量、農(nóng)用機(jī)械總動(dòng)力、有效灌溉面積、農(nóng)業(yè)總產(chǎn)值等投入產(chǎn)出指標(biāo)的原始數(shù)據(jù)出自《湖北統(tǒng)計(jì)年鑒》《湖北農(nóng)村統(tǒng)計(jì)年鑒》以及各市（州）年鑒。同時(shí)，考慮到以實(shí)價(jià)計(jì)算的農(nóng)林牧業(yè)總產(chǎn)值不能進(jìn)行縱向?qū)Ρ?，?shí)際分析中將基于2010年不變價(jià)對(duì)各市（州）歷年農(nóng)業(yè)總產(chǎn)值進(jìn)行調(diào)整。至于各市（州）農(nóng)業(yè)碳排放量，由于目前官方尚無統(tǒng)計(jì)，且已有研究成果也較少涉及，為此本文將對(duì)其進(jìn)行有效測度。縱覽現(xiàn)有文獻(xiàn)可知，一般從農(nóng)用物資投入、水稻種植以及畜禽養(yǎng)殖等3個(gè)維度完成對(duì)農(nóng)業(yè)碳排放的測算[26-27]，本文也將參照這一做法；但受限于數(shù)據(jù)的可獲取性，在具體指標(biāo)的選擇上有所區(qū)別。其中，農(nóng)用物資投入包含化肥、農(nóng)藥、農(nóng)膜以及農(nóng)用柴油，并以各自實(shí)際使用量為準(zhǔn)；水稻則結(jié)合其生長周期的不同分為早稻、中稻和晚稻，均以實(shí)際播種面積為準(zhǔn)；畜禽養(yǎng)殖主要涉及豬、牛、羊等三大主要牲畜，且考慮到各自飼養(yǎng)周期存在差異，在此參照胡向東等[28]的計(jì)算方法對(duì)其年均飼養(yǎng)量進(jìn)行調(diào)整。具體測算方法及各自所對(duì)應(yīng)的碳排放系數(shù)出自IPCC以及閔繼勝等[2]、TIAN等[3]的相關(guān)研究，限于篇幅，在此不做過多介紹。另外，鑒于各類基礎(chǔ)數(shù)據(jù)缺失較為嚴(yán)重，鄂州與神農(nóng)架均不在本次研究的考察范圍之內(nèi)。各市（州）農(nóng)業(yè)投入、產(chǎn)出變量的一般描述性分析如表1所示。

表1 農(nóng)業(yè)投入、產(chǎn)出指標(biāo)的一般描述性統(tǒng)計(jì)結(jié)果

2 結(jié)果

2.1 湖北省農(nóng)業(yè)碳排放效率時(shí)序比較

基于前文所構(gòu)建公式，利用MAX-DEA軟件測度湖北省農(nóng)業(yè)碳排放效率如表2所示。從中不難發(fā)現(xiàn)，2011年以來湖北省農(nóng)業(yè)碳排放效率雖年際間存在一定波動(dòng)但總體處于增長態(tài)勢，年均增速為2.9%。從驅(qū)動(dòng)源泉來看，農(nóng)業(yè)碳排放綜合效率的提升主要依賴于前沿技術(shù)進(jìn)步，其年均貢獻(xiàn)率達(dá)到了3.6%；農(nóng)業(yè)技術(shù)效率則處于惡化狀態(tài)，年均遞減0.3%，進(jìn)一步分解可知，純技術(shù)效率惡化趨勢較為明顯，年均遞減1.1%，而規(guī)模效率得到了輕微改善，年均遞增0.7%。

具體到各個(gè)年份，2013年、2014年和2015年的農(nóng)業(yè)碳排放綜合效率值高于1.0，表明在這3年中湖北省農(nóng)業(yè)低碳發(fā)展態(tài)勢較好；而其他各年綜合效率值均在1.0以下，揭示其農(nóng)業(yè)低碳生產(chǎn)面臨一定挑戰(zhàn)。其中，以2015年綜合生產(chǎn)率指數(shù)最高，為1.320，表明該年湖北農(nóng)業(yè)碳排放效率較2014年提升了32.0%；與此對(duì)應(yīng)2016年的綜合效率值最低，僅為0.822，即較2015年降低了17.8%。進(jìn)一步剖析歷年農(nóng)業(yè)碳排放效率的增長源泉可知，綜合效率值高于1.0的3個(gè)年份中，2013和2014年碳排放效率的提升完全歸功于前沿技術(shù)的進(jìn)步，此時(shí)農(nóng)業(yè)技術(shù)效率甚至處于下降態(tài)勢，但所導(dǎo)致的損失要明顯小于技術(shù)進(jìn)步帶來的貢獻(xiàn)；2015年則得益于前沿技術(shù)進(jìn)步與農(nóng)業(yè)技術(shù)效率提升的雙重貢獻(xiàn)，且后者所發(fā)揮作用要略大于前者。綜合效率值低于1.0的4個(gè)年份中，2011年、2012年和2017年碳排放效率的下降完全歸結(jié)于農(nóng)業(yè)技術(shù)效率的惡化，前沿技術(shù)雖處于進(jìn)步狀態(tài)但卻無法彌補(bǔ)技術(shù)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(shù)的大幅衰退，此時(shí)農(nóng)業(yè)技術(shù)效率雖得到一定提升但卻難以抵消技術(shù)退化所導(dǎo)致的損失。對(duì)各年農(nóng)業(yè)技術(shù)效率進(jìn)行分解可知，純技術(shù)效率與規(guī)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(nóng)業(yè)碳排放效率變化情況

2.2 湖北省農(nóng)業(yè)碳排放效率區(qū)域比較

接下來，測算湖北省15個(gè)市（州）農(nóng)業(yè)碳排放效率如表3所示。從中不難發(fā)現(xiàn)，有 8個(gè)地區(qū)農(nóng)業(yè)碳排放綜合效率均值高于1.0，且以武漢最高，達(dá)到了1.584；與此對(duì)應(yīng)，其他7個(gè)地區(qū)綜合效率均值低于1.0，且以荊門最低，僅為0.803。結(jié)合農(nóng)業(yè)碳排放效率數(shù)值差異可將15個(gè)市（州）劃分為3個(gè)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(nóng)業(yè)碳排放綜合效率均在1.10以上。獨(dú)特的產(chǎn)業(yè)結(jié)構(gòu)特點(diǎn)是促使各地效率較高的關(guān)鍵動(dòng)因，比如武漢經(jīng)濟(jì)作物種植比重較高客觀提升了其經(jīng)濟(jì)產(chǎn)出水平，各地畜牧業(yè)占比相對(duì)較小或者水稻種植規(guī)模偏低也在一定程度上減少了碳排放量?！暗退俳M”包含襄陽、黃岡、仙桃、天門等4地，其農(nóng)業(yè)碳排放綜合效率均在1.05以下。黃岡雖為農(nóng)業(yè)大市，但受制于平原面積較少，致使其農(nóng)業(yè)附加值相對(duì)較低；襄陽農(nóng)業(yè)產(chǎn)出水平總體尚可，但過高的農(nóng)用物資投入導(dǎo)致其碳排放量居高不下；仙桃、天門均為省直管縣級(jí)市，總體處于高排放、高產(chǎn)出狀態(tài)?！跋陆到M”包含黃石、十堰、荊門、荊州、咸寧、恩施、潛江等6市1州，其農(nóng)業(yè)碳排放綜合效率均在1.0以下。其中十堰、恩施以山區(qū)地形為主，農(nóng)業(yè)產(chǎn)出水平較低且碳排放處于較高水平，由此導(dǎo)致碳排放效率較低；余下4地主要坐落于平原地區(qū)，農(nóng)作物以水稻種植為主，經(jīng)濟(jì)價(jià)值較為一般卻引發(fā)了較高的碳排放量，客觀上導(dǎo)致各自碳排放效率較低。

從各市（州）農(nóng)業(yè)碳排放效率的增長源泉來看，8個(gè)綜合效率值高于1.0的地區(qū)中，武漢和孝感碳排放效率的提升源于前沿技術(shù)進(jìn)步與農(nóng)業(yè)技術(shù)效率改善的雙重貢獻(xiàn)，且前者作用更為明顯；其他6地農(nóng)業(yè)碳排放效率的改善完全依賴于前沿技術(shù)進(jìn)步，其農(nóng)業(yè)碳排放效率或處于不變狀態(tài)（宜昌、襄陽、隨州）、或呈現(xiàn)惡化狀態(tài)（黃岡、仙桃、天門）。對(duì)上述各地技術(shù)效率進(jìn)行分解可知，純技術(shù)效率以不變和惡化狀態(tài)為主而規(guī)模效率三類情形（即改善、不變、惡化）分布較為均衡。7個(gè)綜合效率值低于1.0的地區(qū)中，黃石、咸寧、恩施、潛江等4地的碳排放效率下降主要?dú)w結(jié)于農(nóng)業(yè)技術(shù)效率的大幅惡化，各自前沿技術(shù)雖處于進(jìn)步狀態(tài)但其幅度有限，無法避免技術(shù)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(shù)的退化，各自農(nóng)業(yè)技術(shù)效率處于不變或者改進(jìn)狀態(tài)。分解7地農(nóng)業(yè)技術(shù)效率可知，除荊州之外，其他各地區(qū)純技術(shù)效率與規(guī)模效率要么同時(shí)維持不變、要么均為惡化狀態(tài)?？傮w而言，前沿技術(shù)進(jìn)步在推進(jìn)各地區(qū)農(nóng)業(yè)碳排放效率提升上發(fā)揮了更為明顯的作用，而技術(shù)效率改善所起作用相對(duì)較??；對(duì)技術(shù)效率進(jìn)行分解可知，純技術(shù)效率與規(guī)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(nóng)業(yè)碳排放效率及其增長源泉比較

各市（州）農(nóng)業(yè)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(nóng)業(yè)碳排放效率影響因素分析

2.3.1 變量確定 分析農(nóng)業(yè)碳排放效率影響因素的關(guān)鍵在于變量的確定，其中被解釋變量即為農(nóng)業(yè)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(chǔ)上科學(xué)選擇。近年來，有不少學(xué)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?？v覽文獻(xiàn)可知，產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)水平、城鎮(zhèn)化水平、自然災(zāi)害等變量得到了廣泛認(rèn)同[29-31]；除此之外，還涉及到農(nóng)村用電量[22]、種植規(guī)模[32]等變量?；诤鞭r(nóng)業(yè)生產(chǎn)的現(xiàn)狀特征，并考慮到數(shù)據(jù)的可獲取性，本文擬選取農(nóng)村經(jīng)濟(jì)發(fā)展水平、耕地規(guī)模、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平與農(nóng)村用電量等5個(gè)變量作為潛在的解釋變量，并提出如下研究假設(shè)。

農(nóng)村經(jīng)濟(jì)發(fā)展水平。經(jīng)濟(jì)發(fā)展水平一定程度上決定農(nóng)業(yè)發(fā)展高度、反映農(nóng)民日常生活水準(zhǔn)，因此它是呈現(xiàn)農(nóng)業(yè)農(nóng)村發(fā)展水平的重要指標(biāo)。一般而言，經(jīng)濟(jì)水平越高的地區(qū)，農(nóng)業(yè)生產(chǎn)會(huì)傾向于資本密集型而非勞動(dòng)力密集型，農(nóng)用物資投入量相對(duì)較高，客觀上會(huì)導(dǎo)致溫室氣體排放絕對(duì)數(shù)量的增加；但同時(shí)，農(nóng)資投入的增加會(huì)有助于農(nóng)業(yè)現(xiàn)代化步伐的加快，進(jìn)而使得農(nóng)業(yè)產(chǎn)出水平得到提升。因此，農(nóng)村經(jīng)濟(jì)發(fā)展水平能否促進(jìn)農(nóng)業(yè)碳排放效率提升將取決于碳增量與農(nóng)業(yè)產(chǎn)出水平各自的作用力大小。在此，以農(nóng)民人均純收入作為農(nóng)村經(jīng)濟(jì)發(fā)展的替代指標(biāo)，單位為元，該變量作用方向難以確定，亟待實(shí)證檢驗(yàn)。

耕地規(guī)模。耕地規(guī)模能較為客觀地反映種植業(yè)發(fā)展態(tài)勢，規(guī)模增加，農(nóng)作物播種面積就有可能擴(kuò)大，反之則可能減少。湖北素有“魚米之鄉(xiāng)”美譽(yù)，且江漢平原是我國重要的商品糧生產(chǎn)基地并以水稻種植為主，而耕地規(guī)模變化一般會(huì)對(duì)水稻生產(chǎn)產(chǎn)生直接影響。眾所周知，除了一般農(nóng)用物資投入所引發(fā)的碳排放外，水稻在其生長過程中還會(huì)產(chǎn)生大量甲烷，由此導(dǎo)致其碳排放量處于較高水平，進(jìn)而對(duì)農(nóng)業(yè)碳排放效率產(chǎn)生影響。在此，我們以實(shí)際耕地面積作為衡量耕地規(guī)模的指標(biāo)，單位為khm2，并假定耕地規(guī)模越大農(nóng)業(yè)碳排放效率越低。

農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)。農(nóng)業(yè)由種植業(yè)、林業(yè)、畜牧業(yè)和漁業(yè)等四大產(chǎn)業(yè)部門構(gòu)成，由于各自產(chǎn)業(yè)特征存在差異，其碳排放水平必然會(huì)有所區(qū)別，為此產(chǎn)業(yè)結(jié)構(gòu)變化在一定程度上可能也會(huì)對(duì)農(nóng)業(yè)碳排放效率產(chǎn)生影響。結(jié)合湖北農(nóng)業(yè)碳排放特征可知，由于農(nóng)用物資投入量較大且糧食作物生產(chǎn)以水稻為主，導(dǎo)致種植業(yè)是碳排放的主要源頭；且與其他產(chǎn)業(yè)相比，種植業(yè)單位產(chǎn)值所引發(fā)的碳排放量明顯更高。為此，我們不能忽視農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳排放效率的影響，在此以種植業(yè)產(chǎn)值所占農(nóng)業(yè)總產(chǎn)值比重作為衡量指標(biāo)，并假定其比重越高農(nóng)業(yè)碳排放性效率越低。

城鎮(zhèn)化水平。近年來，隨著社會(huì)經(jīng)濟(jì)水平的不斷提升，我國城市化進(jìn)程明顯加快，一定程度上也對(duì)農(nóng)業(yè)生產(chǎn)部門產(chǎn)生了影響。一方面，城鎮(zhèn)化水平的提升意味著二、三產(chǎn)業(yè)的不斷發(fā)展，而制造業(yè)、服務(wù)業(yè)水平的不斷進(jìn)步會(huì)反作用于農(nóng)業(yè)生產(chǎn)，促進(jìn)其機(jī)械化、現(xiàn)代化步伐的快速推進(jìn)，由此也會(huì)導(dǎo)致農(nóng)用能源使用量的增加，進(jìn)而加劇溫室氣體排放；但另一方面，城鎮(zhèn)化水平的提升必然會(huì)導(dǎo)致城市規(guī)模的擴(kuò)大，在這過程中農(nóng)業(yè)用地會(huì)受到一定沖擊，種植業(yè)生產(chǎn)由此受到影響，客觀上也會(huì)導(dǎo)致碳排放量的減少。為此，有必要將城鎮(zhèn)化水平（即城鎮(zhèn)人口占總?cè)丝诘谋戎兀┳鳛榻忉屪兞恐?，其作用方向目前較難確定，亟待實(shí)證檢驗(yàn)。

農(nóng)村用電量。農(nóng)業(yè)農(nóng)村發(fā)展離不開電力的有力支持，如農(nóng)業(yè)灌溉活動(dòng)在很大程度上就會(huì)對(duì)電能產(chǎn)生依賴；另外，隨著農(nóng)業(yè)現(xiàn)代化步伐的加快，電能也正逐步取代以柴油為代表的農(nóng)用能源，成為農(nóng)業(yè)生產(chǎn)的重要?jiǎng)恿χ?。事?shí)上，雖然電能（尤其是火電）在產(chǎn)生過程中也會(huì)導(dǎo)致溫室氣體排放，但其作用強(qiáng)度可能略低于農(nóng)用能源的大量使用。考慮到目前有關(guān)各地農(nóng)業(yè)用電的統(tǒng)計(jì)資料較為缺乏，本文選擇農(nóng)村用電量近似替代，單位為kW·h。之所以如此考慮，是基于當(dāng)前各個(gè)農(nóng)村家庭的生活用電已趨于穩(wěn)定而農(nóng)村用電量的變化主要?dú)w結(jié)于農(nóng)業(yè)生產(chǎn)活動(dòng)這一現(xiàn)實(shí)情況。在此假定農(nóng)村用電量越大農(nóng)業(yè)碳排放效率越高。

2.3.2 實(shí)證分析 Hausman檢驗(yàn)表明對(duì)農(nóng)業(yè)碳排放效率的回歸分析應(yīng)選擇固定效應(yīng)的面板數(shù)據(jù)Tobit模型。在此，利用Stata軟件進(jìn)行估算，回歸結(jié)果如表4所示。由此可知，農(nóng)村經(jīng)濟(jì)發(fā)展水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平、農(nóng)村用電量均對(duì)農(nóng)業(yè)碳排放性效率產(chǎn)生了顯著影響，僅有耕地規(guī)模未通過顯著性檢驗(yàn)。

表4 農(nóng)業(yè)碳排放效率影響因素的實(shí)證分析結(jié)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(nóng)村經(jīng)濟(jì)發(fā)展水平對(duì)農(nóng)業(yè)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(nóng)民人均純收入越高，農(nóng)業(yè)碳排放效率越高。可能的解釋是，農(nóng)民收入的提高意味著更多資本投入到農(nóng)業(yè)生產(chǎn)中，由此利于其生產(chǎn)方式改革，加之歷年“中央一號(hào)”文件均鼓勵(lì)先進(jìn)農(nóng)業(yè)生產(chǎn)技術(shù)的使用，客觀上也有助于農(nóng)業(yè)生產(chǎn)率水平的提升，進(jìn)而使得農(nóng)業(yè)碳排放效率也得到一定改善。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)與農(nóng)業(yè)碳排放效率呈現(xiàn)顯著的負(fù)相關(guān)，即在其他條件不變的情況下，種植業(yè)產(chǎn)值比重越高越不利于農(nóng)業(yè)碳排放效率的提升。測算結(jié)果表明，種植業(yè)是各市（州）農(nóng)業(yè)碳排放的主要源頭，占比多在80%以上；在既定產(chǎn)出規(guī)模約束下，種植業(yè)比重的提升顯然會(huì)導(dǎo)致碳排放量的邊際遞增，進(jìn)而導(dǎo)致碳排放效率下降。城鎮(zhèn)化水平對(duì)農(nóng)業(yè)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(zhèn)化水平能促進(jìn)農(nóng)業(yè)碳排放效率的改善。通常而言，城鎮(zhèn)化進(jìn)程的加快必然意味著建設(shè)用地的增加，一定程度上會(huì)導(dǎo)致農(nóng)業(yè)用地規(guī)模的縮減，進(jìn)而對(duì)種植業(yè)產(chǎn)生較大影響，客觀上也會(huì)促使農(nóng)業(yè)碳排放量的減少與碳排放效率的提升。農(nóng)村用電量與農(nóng)業(yè)碳排放效率呈現(xiàn)顯著的正相關(guān)關(guān)系，即如果其他條件維持不變，農(nóng)村用電量越大農(nóng)業(yè)碳排放效率越高。雖然電能耗費(fèi)也會(huì)導(dǎo)致碳排放的產(chǎn)生，但其作用強(qiáng)度要低于能源使用，在單位產(chǎn)出一定時(shí)，若以電能取代能源（主要為柴油）消耗，將會(huì)極大減少碳排放量，進(jìn)而促使農(nóng)業(yè)碳排放效率的提升。

3 討論

本文以湖北省作為研究對(duì)象，圍繞其農(nóng)業(yè)碳排放效率及影響因素展開探討，這是對(duì)現(xiàn)有湖北農(nóng)業(yè)碳排放問題研究體系的有力補(bǔ)充，在一定程度上彌補(bǔ)了現(xiàn)有研究的不足，同時(shí)也能為湖北農(nóng)業(yè)低碳生產(chǎn)提供必要的參考依據(jù)。研究結(jié)果主要揭示兩點(diǎn)：一是湖北省農(nóng)業(yè)碳排放效率時(shí)空差異明顯，其提升主要依賴于前沿技術(shù)進(jìn)步；二是農(nóng)村經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化水平、農(nóng)村用電量以及農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)是導(dǎo)致湖北碳排放效率變化的關(guān)鍵性因素。這也要求我們?cè)谕七M(jìn)湖北農(nóng)業(yè)低碳生產(chǎn)過程中不僅要注重新技術(shù)的研發(fā)，更需要強(qiáng)化對(duì)各類技術(shù)的合理運(yùn)用，以保障技術(shù)效率得到提升。同時(shí)，還可通過以下舉措切實(shí)推進(jìn)湖北省農(nóng)業(yè)低碳生產(chǎn)：一是加大對(duì)農(nóng)業(yè)農(nóng)村的有效支持，進(jìn)一步促進(jìn)農(nóng)村經(jīng)濟(jì)繁榮發(fā)展；二是制定農(nóng)業(yè)低碳發(fā)展戰(zhàn)略規(guī)劃，積極優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)；三是各地加快城市化進(jìn)程，著力實(shí)現(xiàn)城鄉(xiāng)一體化發(fā)展；四是逐步完善農(nóng)業(yè)低碳生產(chǎn)相關(guān)立法，強(qiáng)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(xiàn)出來的見解同中有異：從共同點(diǎn)來看，農(nóng)業(yè)碳排放效率總體處于波動(dòng)上升態(tài)勢且各地區(qū)水平差異明顯；農(nóng)村經(jīng)濟(jì)發(fā)展水平越高、或者種植業(yè)占比越低，越有利于農(nóng)業(yè)碳排放效率的提升。從差異因素來看，農(nóng)業(yè)開放度變量在不少研究中得到運(yùn)用且通過了顯著性檢驗(yàn)，但本文卻未曾涉及，原因在于其他研究多立足于省域?qū)用孢M(jìn)行考察，而本文僅著眼于市級(jí)維度，相關(guān)數(shù)據(jù)較為缺乏；城鎮(zhèn)化水平在不少研究中并未通過顯著性檢驗(yàn)，而于本文卻表現(xiàn)出了正向作用，這主要是由于城鎮(zhèn)化測度方法的不同以及各地實(shí)際情況的差異所致。

當(dāng)然，本研究也存在一定欠缺，主要表現(xiàn)在：第一，由于市級(jí)層面的數(shù)據(jù)極難獲取，所采用的是廣義農(nóng)業(yè)指標(biāo)，而農(nóng)業(yè)碳排放測算主要考察的是種植業(yè)和畜牧業(yè)，漁業(yè)和林業(yè)涉及較少，由此可能導(dǎo)致農(nóng)業(yè)投入指標(biāo)與農(nóng)業(yè)碳排放之間存在不匹配問題，進(jìn)而使得農(nóng)業(yè)碳排放效率指數(shù)分解結(jié)果存在一定偏差。第二，本文測度農(nóng)業(yè)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(xiàn)有年鑒難以搜集到湖北省各市（州）2010年之前的相關(guān)原始數(shù)據(jù)，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(shù)據(jù)來源渠道以確保分析結(jié)果更加客觀合理。

4 結(jié)論

4.1 湖北省農(nóng)業(yè)碳排放效率總體處于上升態(tài)勢但伴隨著年際波動(dòng)，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(nóng)業(yè)碳排放效率的提升都更多地依賴于前沿技術(shù)進(jìn)步而非技術(shù)效率的改善，這也要求我們?cè)谕七M(jìn)湖北農(nóng)業(yè)低碳生產(chǎn)過程中不僅要注重新技術(shù)的研發(fā)，更需強(qiáng)化對(duì)各類技術(shù)的合理運(yùn)用。

4.2 考慮到農(nóng)村經(jīng)濟(jì)發(fā)展、城鎮(zhèn)化水平、農(nóng)村用電量以及農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)均對(duì)農(nóng)業(yè)碳排放效率產(chǎn)生了顯著影響的現(xiàn)實(shí)境況，實(shí)踐中我們可以通過繁榮農(nóng)村經(jīng)濟(jì)發(fā)展、提升城鎮(zhèn)化水平、保障農(nóng)村用電需求、優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、完善法制建設(shè)與制度保障等手段來切實(shí)確保農(nóng)業(yè)碳排放效率得到提高。

[1] 李波, 張俊飚, 李海鵬. 中國農(nóng)業(yè)碳排放時(shí)空特征及影響因素分解. 中國人口·資源與環(huán)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(nóng)業(yè)生產(chǎn)溫室氣體排放量的測算. 中國人口·資源與環(huán)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(yuǎn). 中國農(nóng)業(yè)碳排放績效的空間收斂與分異——基于Malmquist-luenberger指數(shù)與空間計(jì)量的實(shí)證分析. 經(jīng)濟(jì)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(nóng)業(yè)產(chǎn)業(yè)集聚對(duì)碳效率的影響研究: 機(jī)理、空間效應(yīng)與分群差異. 中國農(nóng)業(yè)大學(xué)學(xué)報(bào), 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(zhèn)化對(duì)農(nóng)業(yè)碳生產(chǎn)率的直接作用與間接溢出效應(yīng)研究. 中國農(nóng)業(yè)資源與區(qū)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(biāo), 房驕, 盧曉玲, 李玉波. 區(qū)域農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長演進(jìn)關(guān)系及其減排潛力研究. 干旱區(qū)資源與環(huán)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(nóng)業(yè)碳排放雙重性及其與經(jīng)濟(jì)發(fā)展的協(xié)調(diào)性研究. 軟科學(xué), 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(nóng)業(yè)土地利用管理對(duì)土壤固碳減排潛力的影響. 中國農(nóng)業(yè)科學(xué), 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(nóng)業(yè)碳排放測算及碳減排潛力研究. 江西農(nóng)業(yè)大學(xué)學(xué)報(bào), 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(nóng)業(yè)碳排放時(shí)空比較及驅(qū)動(dòng)因素分析. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)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(xiāng)一體化進(jìn)程中農(nóng)業(yè)產(chǎn)業(yè)化與農(nóng)村碳排放關(guān)系實(shí)證研究. 農(nóng)業(yè)經(jīng)濟(jì), 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(shù)進(jìn)步、生產(chǎn)方式轉(zhuǎn)型與中國生豬養(yǎng)殖溫室氣體減排. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)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(nóng)業(yè)碳排放的時(shí)空特征及經(jīng)濟(jì)關(guān)聯(lián)性. 中國農(nóng)業(yè)科學(xué), 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(nóng)業(yè)發(fā)展的空間異質(zhì)性及影響機(jī)理研究. 中國地質(zhì)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)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(wèi). 碳排放約束下中國省際農(nóng)業(yè)生產(chǎn)效率及其影響因素研究. 經(jīng)濟(jì)理論與經(jīng)濟(jì)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(tài)效率評(píng)價(jià)視角的廣東省農(nóng)業(yè)生產(chǎn)效率研究. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 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(qū)農(nóng)業(yè)碳排放效率及收斂性分析——基于SBM-Undesirable模型. 農(nóng)村經(jīng)濟(jì), 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(nóng)業(yè)效率時(shí)空演變. 經(jīng)濟(jì)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(yè)碳排放效率及影響因素研究. 黑龍江畜牧獸醫(yī), 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(nóng)業(yè)源溫室氣體排放與減排技術(shù)對(duì)策. 農(nóng)業(yè)工程學(xué)報(bào), 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(nóng)業(yè)碳減排成效評(píng)估、目標(biāo)重構(gòu)與路徑優(yōu)化研究. 干旱區(qū)資源與環(huán)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(jì)民. 中國畜禽溫室氣體排放量估算. 農(nóng)業(yè)工程學(xué)報(bào), 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(nóng)業(yè)碳排放效率的區(qū)域差異——基于Malmquist- Luenberger指數(shù)的實(shí)證分析. 江蘇農(nóng)業(yè)科學(xué), 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(nóng)業(yè)低碳經(jīng)濟(jì)效率的時(shí)空差異及影響因素研究——基于“碳投入”視角. 環(huán)境經(jīng)濟(jì)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(nóng)業(yè)碳排放:測算、效率變動(dòng)及影響因素研究——基于DEA-Malmquist指數(shù)分解方法與Tobit模型運(yùn)用. 資源科學(xué), 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(nóng)業(yè)能源碳排放效率的空間異質(zhì)性及其影響因素——基于空間面板數(shù)據(jù)模型的實(shí)證研究. 資源開發(fā)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(xué)基金（71903197）、中南財(cái)經(jīng)政法大學(xué)中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目（2722020JCT020）

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

（責(zé)任編輯 李云霞）