張軍偉，張錦華，吳方衛(wèi)

（上海財(cái)經(jīng)大學(xué) 財(cái)經(jīng)研究所，上海 200433）

0 引言

伴隨著城鎮(zhèn)化推進(jìn)，城鎮(zhèn)建設(shè)用地和農(nóng)村勞動(dòng)力城鄉(xiāng)轉(zhuǎn)移導(dǎo)致土地資源和勞動(dòng)力資源的稀缺性日益顯現(xiàn)。根據(jù)誘致性理論，為緩解這兩種生產(chǎn)要素的稀缺性，我國(guó)投入了化肥、農(nóng)藥、柴油、機(jī)械、灌溉等大量的物質(zhì)要素來彌補(bǔ)資源稟賦的不足，確保了國(guó)家糧食安全，同時(shí)也產(chǎn)生了大量的碳排放。

許多學(xué)者[1-4]從碳排放的角度研究了農(nóng)業(yè)生產(chǎn)要素的投入，對(duì)碳排放的規(guī)模和減排潛力做了測(cè)算，為深入研究農(nóng)業(yè)生產(chǎn)尤其是糧食生產(chǎn)中的碳排放問題提供了參考，但存在一個(gè)共同的局限是忽略了從空間維度考慮碳排放對(duì)農(nóng)業(yè)生產(chǎn)的影響。中國(guó)地域廣闊，農(nóng)業(yè)機(jī)械、灌溉設(shè)施、科技機(jī)構(gòu)的服務(wù)對(duì)象在不同地區(qū)間并不是相互獨(dú)立的，而是存在很強(qiáng)的區(qū)域關(guān)聯(lián)性[5]。因此，一個(gè)地區(qū)糧食生產(chǎn)可能不僅受本地區(qū)域內(nèi)的碳排放的影響，還可能會(huì)受到臨近區(qū)域的影響。如果將本地區(qū)與周圍地區(qū)看作互相獨(dú)立，就不能有效控制區(qū)域間的空間交互效應(yīng)，所得結(jié)果也可能是有偏的，進(jìn)而影響對(duì)現(xiàn)實(shí)情況的解釋。鑒于此，本文設(shè)置空間鄰接權(quán)重矩陣，利用空間面板隨機(jī)前沿的方法，在對(duì)糧食生產(chǎn)中碳排放進(jìn)行測(cè)算基礎(chǔ)上，實(shí)證分析了各種碳源對(duì)糧食生產(chǎn)的影響，最后探討了糧食生產(chǎn)中碳減排的可能路徑。相關(guān)結(jié)論可以為“新常態(tài)”下實(shí)現(xiàn)糧食安全和生態(tài)安全和諧發(fā)展提供智力支持，也可為相關(guān)部門決策提供參考和科學(xué)依據(jù)。

1 糧食生產(chǎn)碳排放的測(cè)算

1.1 測(cè)算方法

參考國(guó)內(nèi)外相關(guān)文獻(xiàn)，糧食生產(chǎn)過程中碳排放主要來源于兩個(gè)方面：一是化肥（原料主要是無煙煤）、農(nóng)藥、農(nóng)膜生產(chǎn)和使用過程中產(chǎn)生的碳排放；二是由于農(nóng)用機(jī)械所耗柴油、灌溉所耗電能間接耗費(fèi)化石燃料導(dǎo)致的碳排放。參考文獻(xiàn)[1]測(cè)算碳排放公式為:

其中E為糧食的碳排放總量，Ei為各種碳源的碳排放量；αi為各碳排放源的量，βi為各碳排放源的碳排放系數(shù)。

在碳排放系數(shù)的確定方面，各個(gè)機(jī)構(gòu)和學(xué)者的標(biāo)準(zhǔn)各不相同，其中影響較大的有政府間氣候變化專門委員會(huì)（IPCC）、美國(guó)橡樹嶺國(guó)家實(shí)驗(yàn)室（ORNL）、南京農(nóng)業(yè)大學(xué)農(nóng)業(yè)資源與生態(tài)環(huán)境研究所（IREEA）、國(guó)家科委氣候變化項(xiàng)目等[6]。參考各研究機(jī)構(gòu)和文獻(xiàn)[1,2]，本文采用農(nóng)業(yè)碳排放系數(shù)如表1所示。

表1 糧食生產(chǎn)過程中主要碳源排放系數(shù)

1.2 測(cè)算結(jié)果

從全國(guó)范圍看，糧食生產(chǎn)碳排放可以明顯的分為三個(gè)階段（見下頁(yè)圖1）:（1）1999—2005年，糧食碳排放量穩(wěn)定在4100萬(wàn)噸左右；（2）2005年以后國(guó)家采取了一系列的措施，實(shí)現(xiàn)了糧食生產(chǎn)的十三連增，碳排放總量逐年增加，其中2005—2009年碳排放增加速率較快；（3）2009年以后隨著國(guó)家對(duì)資源環(huán)境保護(hù)的重視，碳排放增加速率有所減緩。就不同糧食功能區(qū)而言，主產(chǎn)區(qū)和全國(guó)碳排放總量變化趨勢(shì)非常一致，且在三大功能區(qū)占主要部分，約占70%左右。平衡區(qū)碳排放總量緩慢增加，主銷區(qū)碳排放總量最少，且增長(zhǎng)最慢。

圖11999—2016年糧食生產(chǎn)中碳排放規(guī)模

2 模型構(gòu)建、變量選取和數(shù)據(jù)說明

2.1 模型構(gòu)建

經(jīng)典的隨機(jī)前沿模型是基于研究單元的相互獨(dú)立性。在技術(shù)擴(kuò)散作用下，空間交互效應(yīng)在經(jīng)濟(jì)單元之間互相傳播，各單元的經(jīng)濟(jì)存在廣泛的聯(lián)系，距離越近的單元聯(lián)系越大，相似性越明顯，因此研究單元之間相互獨(dú)立的假設(shè)與經(jīng)濟(jì)發(fā)展實(shí)際狀況明顯相悖。新經(jīng)濟(jì)地理學(xué)和空間經(jīng)濟(jì)學(xué)的研究發(fā)現(xiàn)，地理接近性是產(chǎn)生外部性和一系列相鄰效應(yīng)的關(guān)鍵因素，忽略空間效應(yīng)的隨機(jī)前沿模型很可能會(huì)導(dǎo)致模型的估計(jì)參數(shù)有偏[7]。在糧食生產(chǎn)過程，各省的糧食生產(chǎn)技術(shù)會(huì)在相鄰的省份或“鄰居的鄰居”之間傳播，因此糧食的隨機(jī)前沿生產(chǎn)函數(shù)應(yīng)該考慮空間的因素。本文創(chuàng)新之處在于將空間計(jì)量經(jīng)濟(jì)學(xué)的理論方法和隨機(jī)前沿理論方法融合在一起，考慮被解釋變量的空間滯后，將參數(shù)估計(jì)結(jié)果和經(jīng)典隨機(jī)前沿模型的結(jié)果進(jìn)行比較。

本文參考林佳顯（2013）[7]的模型，采用如下形式生產(chǎn)函數(shù)的空間自回歸隨機(jī)前沿模型：

其中，y=[y1，y2，...，y31]'，表示由31個(gè)省份糧食產(chǎn)量（取對(duì)數(shù)）組成的31×1維向量，X表示由31個(gè)省份糧食生產(chǎn)要素投入量（取對(duì)數(shù)）組成的31×10維向量，β為待估計(jì)的10×1維系數(shù)向量；u=[u1，u2，...，u31]'是31×1維的技術(shù)無效率項(xiàng)向量，代表31個(gè)省份糧食生產(chǎn)的技術(shù)無效率程度；v=[v1，v2，...，v31]'是31×1維的隨機(jī)誤差向量；W是空間權(quán)重矩陣，表示不同省份之間的空間相關(guān)性；Wy是空間滯后解釋變量，λ為待估空間自回歸系數(shù)。

對(duì)于空間權(quán)重矩陣W的定義，采用常用的距離相鄰方法，矩陣中相鄰省份對(duì)應(yīng)的元素設(shè)為1，非相鄰省份和對(duì)角線上的元素設(shè)為0。依據(jù)此定義，空間權(quán)重矩陣W是一個(gè)31×31階的0-1矩陣（標(biāo)準(zhǔn)化），矩陣元素表達(dá)式為：

具體地，本文采用如下空間自回歸隨機(jī)前沿生產(chǎn)函數(shù)：

其中，Yit表示第i個(gè)省份t年的糧食產(chǎn)量；x1it表示第i個(gè)省份t年的糧食播種面積；x2it表示第i個(gè)省份t年的農(nóng)村從業(yè)人口數(shù)量；x3it表示第i個(gè)省份t年的化肥投入量；x4it表示第i個(gè)省份t年的農(nóng)藥投入量；x5i表示第i個(gè)省份t年的農(nóng)膜投入量；x6i表示第i個(gè)省份t年的農(nóng)業(yè)機(jī)械投入量；x7it表示第i個(gè)省份t年的灌溉用水投入量；x8it表示第i個(gè)省份t年的成災(zāi)面積；x9it表示第i個(gè)省份的主要地形地貌；x10it表示第i個(gè)省份的科研人員投入數(shù)量；vit是噪音誤差項(xiàng)；uit是技術(shù)無效項(xiàng)。數(shù)據(jù)為1999—2016年31個(gè)省級(jí)面板數(shù)據(jù)。地形地貌會(huì)影響糧食的生產(chǎn)，參考各省份的主要地形地貌，在模型中采用虛擬變量的形式。

2.2 變量選取

根據(jù)空間面板隨機(jī)前沿生產(chǎn)函數(shù)的要求，一般使用各個(gè)變量的對(duì)數(shù)形式。

（1）被解釋變量采用各省份糧食生產(chǎn)量的對(duì)數(shù)。

（2）核心解釋變量為糧食生產(chǎn)過程中各投入生產(chǎn)要素的對(duì)數(shù)。在糧食生產(chǎn)過程中，化肥、農(nóng)藥、地膜、農(nóng)用機(jī)械（柴油）、灌溉等要素的投入會(huì)大幅度提高糧食產(chǎn)量。

（3）控制變量包括：①播種面積，一般情況下糧食的播種面積越大，糧食產(chǎn)量越高。②農(nóng)村從業(yè)勞動(dòng)力數(shù)量會(huì)影響糧食的生產(chǎn)。③受災(zāi)面積會(huì)使糧食減產(chǎn)或絕收，是影響產(chǎn)量的因素。④地形地貌，糧食生產(chǎn)會(huì)受地理環(huán)境的影響，地形地貌采用虛擬變量的形式：平原或盆地地區(qū)設(shè)為2，丘陵地區(qū)設(shè)為1，高原或山地設(shè)為0。⑤科技推廣人員，我國(guó)農(nóng)業(yè)科技成果的1/3沒有轉(zhuǎn)化為現(xiàn)實(shí)生產(chǎn)力，科技推廣人員會(huì)促進(jìn)科技成果在糧食生產(chǎn)過程中落地。

2.3 數(shù)據(jù)來源與描述性統(tǒng)計(jì)

本文采用1999—2016年《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》31個(gè)省（市、自治區(qū)）的數(shù)據(jù)。表2報(bào)告了變量描述性統(tǒng)計(jì)結(jié)果。

表2 變量描述性統(tǒng)計(jì)

3 模型檢驗(yàn)及計(jì)量結(jié)果

3.1 模型設(shè)定檢驗(yàn)

在確定使用空間計(jì)量方法之前，首先要考慮數(shù)據(jù)是否有空間依賴性。本文采用Moran's I指數(shù)檢驗(yàn)數(shù)據(jù)是否具有相關(guān)性,式（1）為Moran's I指數(shù)計(jì)算公式。如果高值與高值聚集在一起，低值與低值聚集在一起，稱為空間正相關(guān)，此時(shí)Moran's I指數(shù)大于0；如果高值與低值相鄰，稱為空間負(fù)相關(guān)，此時(shí)Moran's I指數(shù)小于0；如果高值與低值隨機(jī)分布稱為空間不相關(guān)，此時(shí)Moran's I指數(shù)接近0[8]。圖2報(bào)告了1999—2016年糧食Moran指數(shù)變化情況?？梢钥闯?，Moran's I指數(shù)值顯著為正，糧食產(chǎn)量具有明顯的空間依賴性。

圖21999—2016年糧食產(chǎn)量Moran's I指數(shù)

除了Moran's I指數(shù)描述全局的空間相關(guān)性，還可以通過繪制Moran散點(diǎn)圖以可視化的直觀圖描述局域空間相關(guān)性。Moran散點(diǎn)圖橫坐標(biāo)為z=xi-空間滯后因子，縱坐標(biāo)Wz表示對(duì)觀測(cè)值的空間加權(quán)計(jì)算。若散點(diǎn)圖中的點(diǎn)(z ，Wz)出現(xiàn)在坐標(biāo)圖中第一象限表示高值附近出現(xiàn)高值；出現(xiàn)在第二象限表示低值附近出現(xiàn)高值；出現(xiàn)在第三象限表示高值附近出現(xiàn)低值；出現(xiàn)在第四象限表示低值附近出現(xiàn)低值。坐標(biāo)點(diǎn)出現(xiàn)在第一、三象限表示具有明顯的空間相關(guān)性。由于篇幅所限，圖3報(bào)告了2016年的糧食產(chǎn)量Moran's I散點(diǎn)圖。圖中有22個(gè)省份出現(xiàn)在第一、三象限，說明糧食產(chǎn)量分布具有明顯的局域空間相關(guān)性。

3.2 計(jì)量結(jié)果

圖3 2016年糧食產(chǎn)量Moran's I散點(diǎn)圖

隨機(jī)前沿模型的結(jié)果在1%水平上顯著為正，說明采用隨機(jī)前沿模型是合適的。σu=0.3011且在1%的水平上高度顯著，顯示各省份糧食生產(chǎn)存在著高度顯著的技術(shù)無效性，這說明在糧食生產(chǎn)中，部分生產(chǎn)要素的投入是無效的，因此，我國(guó)可以在不增加甚至減少碳排放的情況下，通過提高技術(shù)效率來提高糧食產(chǎn)量。η取值0.008，在5%水平上顯著，由于，表明隨著時(shí)間的推移技術(shù)無效率項(xiàng)uit在變小，這也間接顯示了糧食生產(chǎn)過程中技術(shù)效率較之以前有了進(jìn)步。為0.8972大于0.5接近于1，這表明糧食產(chǎn)量偏離前沿面主要是由生產(chǎn)的無效率造成的，這也說明下一步糧食增產(chǎn)穩(wěn)產(chǎn)的路徑不是加大要素投入，而是提高要素的使用效率?？臻g自回歸系數(shù)λ=0.1301，且在1%的水平上顯著，說明糧食產(chǎn)量在各省份存在較大的空間依賴性，這也契合了國(guó)家建立連接成片的糧食主產(chǎn)區(qū)來發(fā)揮各空間之間的正向溢出效應(yīng)。而經(jīng)典的隨機(jī)前沿模型忽略了這種溢出效應(yīng)，這也是本文引入空間因素的重要原因。

表3 隨機(jī)前沿模型估計(jì)結(jié)果

通過表3可以看到，導(dǎo)致碳排放的生產(chǎn)要素化肥、農(nóng)藥、農(nóng)膜、機(jī)械、灌溉的系數(shù)均為正，其中化肥、農(nóng)藥的系數(shù)在1%的水平上顯著為正，農(nóng)業(yè)機(jī)械和灌溉在5%的水平上顯著為正，農(nóng)膜在10%的水平上顯著為正。上述五種投入要素中，化肥對(duì)糧食產(chǎn)能的影響最大為0.18，機(jī)械和灌溉次之，農(nóng)藥和農(nóng)膜相對(duì)較小。五種投入要素系數(shù)之和為0.25，五種要素投入減少1%會(huì)導(dǎo)致糧食產(chǎn)能降低0.25%（取對(duì)數(shù)以后）。

隨機(jī)前沿生產(chǎn)函數(shù)可以看作一定投入下的最大產(chǎn)出，根據(jù)對(duì)偶關(guān)系，也可以看作一定產(chǎn)出下的最少投入。進(jìn)一步計(jì)算可以得出，若要保持糧食產(chǎn)能不下降，即保持2016年糧食產(chǎn)量60709.9萬(wàn)噸，最低碳排放量為3944.1萬(wàn)噸，即最低碳排放量要至少為2016年碳排放總量的65.5%。這意味著在減少生產(chǎn)要素投入的34.5%的情況下，只要提高糧食生產(chǎn)的技術(shù)效率，減少生產(chǎn)要素的無效投入，仍然可以保持2016年的糧食產(chǎn)能。

4 碳減排路徑研究

對(duì)糧食生產(chǎn)過程中碳排放的研究，目的在于制定針對(duì)性較強(qiáng)的政策措施，降低碳排放的強(qiáng)度。根據(jù)上文分析，我國(guó)糧食生產(chǎn)中有較大的碳減排潛力，下面探討確保糧食安全情況下糧食生產(chǎn)要素投入的碳減排問題。

4.1 碳排放強(qiáng)度測(cè)算

首先計(jì)算我國(guó)31個(gè)省份的碳排放強(qiáng)度，表4報(bào)告了測(cè)算結(jié)果。

表4 我國(guó)31個(gè)省份糧食生產(chǎn)碳排放強(qiáng)度

2007年排放強(qiáng)度前5位的省份是海南、河北、浙江、天津、福建，其中4個(gè)來自主銷區(qū)，排名第一的海南省碳排放強(qiáng)度是全國(guó)平均的1.91倍，是排放強(qiáng)度最低的西藏的4.4倍。2016年排放強(qiáng)度前5位的省份是海南、浙江、北京、陜西、福建，其中4個(gè)來自主銷區(qū)，排名第一的海南省碳排放強(qiáng)度是全國(guó)平均的2倍，是排放強(qiáng)度最低的黑龍江的3.63倍。在所有年份，主銷區(qū)和平衡區(qū)碳排放強(qiáng)度較高，主產(chǎn)區(qū)和平衡區(qū)碳排放強(qiáng)度較低，且這種趨勢(shì)越來越明顯，說明碳排放強(qiáng)度具有較大的地區(qū)差距。這也提示在制定減排政策時(shí)不能忽略地域的異質(zhì)性。

4.2 碳減排路徑

有學(xué)者通過將國(guó)內(nèi)能效水平與國(guó)際先進(jìn)水平差距來衡量節(jié)能減排的潛力，但考慮到我國(guó)的經(jīng)濟(jì)發(fā)展水平、科技創(chuàng)新、相關(guān)的法律法規(guī)等現(xiàn)實(shí)國(guó)情，較短期內(nèi)很難追趕成發(fā)達(dá)國(guó)家先進(jìn)水平。

本文采用趨同理論來測(cè)算節(jié)能減排潛力。先采用絕對(duì)趨同法測(cè)算31個(gè)省份的糧食生產(chǎn)碳減排潛力（假設(shè)各省份排放強(qiáng)度向全國(guó)最低值收斂），再采用條件趨同法測(cè)算主產(chǎn)區(qū)、平衡區(qū)、主銷區(qū)碳減排潛力（各省份向各自功能區(qū)內(nèi)的最低值收斂）。

碳減排潛力測(cè)算：首先計(jì)算糧食生產(chǎn)過程中碳排放強(qiáng)度的最低省份并用表示，然后利用公式(i=1，2，...，31)計(jì)算各省市減排潛力。參考王臘芳等（2015）[9]關(guān)于減排潛力的分類標(biāo)準(zhǔn)得到表5。

（1）全國(guó)層面的糧食生產(chǎn)減排潛力

表5是全國(guó)絕對(duì)趨同的情況：各省份的碳排放強(qiáng)度向全國(guó)最低的西藏靠攏。

表5 2007—2016年31個(gè)省份糧食生產(chǎn)平均減排潛力

有25個(gè)省份處在中、高減排潛力區(qū)域，占了全國(guó)省份的80.65%，說明大部分地區(qū)糧食生產(chǎn)的碳排放強(qiáng)度比較高，存在很大減排空間，最高的是海南省為74.6%。有12個(gè)省份減排潛力超過50%，其中河北、山東來自主產(chǎn)區(qū)；山西、陜西、甘肅來自平衡區(qū)；其余7個(gè)全部來自主銷區(qū)（主銷區(qū)共7個(gè)省份）。減排潛力最低的除了作為標(biāo)準(zhǔn)的西藏外，還有4個(gè)省，分別是貴州、黑龍江、湖南、江西來自平衡區(qū)，其余均來自主產(chǎn)區(qū)。從三大功能區(qū)來看主銷區(qū)減排潛力最大，主銷區(qū)中減排潛力最小的上海其潛力達(dá)到56.77%。通過表5可以看出，由于碳減排潛力小于34.5%有10個(gè)省份，碳減排潛力大于34.5%有21個(gè)省份，占有2/3的比例，所占比例較大，因此全國(guó)絕對(duì)趨同下的碳減排對(duì)糧食安全會(huì)產(chǎn)生一定的影響。

（2）俱樂部趨同糧食生產(chǎn)減排潛力

表6是三大功能區(qū)俱樂部條件趨同的情況：各省份的碳排放強(qiáng)度會(huì)向本地區(qū)的最低水平靠攏，即主產(chǎn)區(qū)各省份向黑龍江靠攏，平衡區(qū)向西藏靠攏，主銷區(qū)向上?？繑n。

表6 2007—2016年糧食功能區(qū)生產(chǎn)減排潛力 (單位：%)

三大功能區(qū)糧食生產(chǎn)減排的潛力依然比較顯著，平衡區(qū)減排潛力最大，平均減排潛力為37.08%，不同于全國(guó)層面的絕對(duì)趨同情況下主銷區(qū)減排潛力最大；主產(chǎn)區(qū)平均減排潛力為23.34%，低于平衡區(qū)；主銷區(qū)減排潛力最小，均值只有18.75%。表6中的大多數(shù)減排數(shù)據(jù)小于表5中數(shù)據(jù)（平衡區(qū)相等），說明如果采用俱樂部趨同減排方式，大多數(shù)地區(qū)減排潛力將減少，減排幅度也將減少，減排壓力也隨之降低。俱樂部趨同情況下的碳減排由于只有平衡區(qū)的11個(gè)省份的減排潛力大于34.5%，其他20個(gè)?。ㄊ?、自治區(qū)）減排潛力均小于34.5%，因此俱樂部趨同下的碳減排不會(huì)影響糧食安全。

5 結(jié)論與啟示

本文基于糧食生產(chǎn)要素投入的視角，對(duì)我國(guó)31個(gè)省份糧食生產(chǎn)過程中的碳排放總量和強(qiáng)度進(jìn)行測(cè)算。在此基礎(chǔ)上，通過空間面板隨機(jī)前沿生產(chǎn)函數(shù)測(cè)算了各種碳源對(duì)糧食產(chǎn)能的影響，并進(jìn)一步測(cè)算了糧食生產(chǎn)過程中碳減排潛力，得出結(jié)論：（1）我國(guó)碳排放規(guī)模較大，各省份的碳排放強(qiáng)度具有較大異質(zhì)性。（2）在確保糧食安全的前提下，全國(guó)有34.5%的碳減排潛力。（3）從碳減排路徑看，全國(guó)絕對(duì)趨同下的碳減排對(duì)糧食安全會(huì)產(chǎn)生一定的影響；俱樂部趨同下的碳減排不會(huì)影響糧食安全。

當(dāng)前糧食生產(chǎn)中，生產(chǎn)要素使用效率偏低，存在大量無效投入，因此未來提高農(nóng)業(yè)技術(shù)效率是碳減排的關(guān)鍵。要強(qiáng)化科技創(chuàng)新和技術(shù)推廣，提高低碳農(nóng)業(yè)的科技引領(lǐng)和技術(shù)支撐力度，以提高資源利用效率來保護(hù)生態(tài)環(huán)境。積極發(fā)展節(jié)水灌溉、水土保持、旱作農(nóng)業(yè)技術(shù)；發(fā)展節(jié)能耕作技術(shù)、部分地區(qū)試驗(yàn)和推廣壟作免耕；實(shí)施測(cè)土配方施肥，精準(zhǔn)科學(xué)施肥、發(fā)展農(nóng)家肥、秸稈還田技術(shù)；充分利用生物防治和物理防治病蟲害技術(shù)，探索生產(chǎn)農(nóng)藥替代品。引進(jìn)低碳農(nóng)業(yè)的各種技術(shù)、知識(shí)和人才，通過科技創(chuàng)新和技術(shù)推廣，既保持糧食產(chǎn)能不下降又?jǐn)[脫對(duì)“石油農(nóng)業(yè)”的依賴，使現(xiàn)代農(nóng)業(yè)科技成為糧食生產(chǎn)過程中實(shí)現(xiàn)減少碳排放的重要支撐力。