尚杰, 李乾乾

(東北林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院,黑龍江 哈爾濱 150040)

長江經(jīng)濟(jì)帶橫跨中國東、中、西三大板塊,涵蓋上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、貴州和云南11個省、直轄市。2021年,長江經(jīng)濟(jì)帶地區(qū)生產(chǎn)總值487 012.83億元,占全國經(jīng)濟(jì)總量的42.6%。作為國家重大戰(zhàn)略發(fā)展區(qū)域,長江經(jīng)濟(jì)帶具有區(qū)域廣闊、人口眾多、經(jīng)濟(jì)量大、功能多元、綜合實力強(qiáng)的顯著特點(diǎn),在中國區(qū)域發(fā)展中具有舉足輕重的作用。而農(nóng)業(yè)是經(jīng)濟(jì)社會發(fā)展的基礎(chǔ)性產(chǎn)業(yè),具有經(jīng)濟(jì)、社會、文化、政治、生態(tài)等多功能性,促進(jìn)農(nóng)業(yè)綠色可持續(xù)發(fā)展,是推動長江經(jīng)濟(jì)帶高質(zhì)量發(fā)展的基本目標(biāo)之一。近年來,農(nóng)業(yè)經(jīng)濟(jì)快速增長的同時,農(nóng)業(yè)生產(chǎn)的碳排放量也快速增加,農(nóng)業(yè)溫室氣體排放量在全國溫室氣體排放總量中所占比例為17%,且以每年3%的速度快速增長[1]。長江經(jīng)濟(jì)帶擁有中國超46%的糧食主產(chǎn)區(qū),承擔(dān)著保障糧食安全的重要功能,在資本、技術(shù)、化肥原料等要素投入下,農(nóng)業(yè)經(jīng)濟(jì)規(guī)模也在進(jìn)一步擴(kuò)大,而農(nóng)業(yè)生產(chǎn)過程中的高排放也客觀存在。農(nóng)業(yè)兼具著自然再生產(chǎn)和經(jīng)濟(jì)再生產(chǎn)的耦合功能,是最易受氣候變化影響的產(chǎn)業(yè),農(nóng)業(yè)部門減排的重要性和正外部性也更高[2]。因此,關(guān)注長江經(jīng)濟(jì)帶農(nóng)業(yè)在碳排放約束下的生產(chǎn)效率,并將長江經(jīng)濟(jì)帶作為一個區(qū)域整體對其農(nóng)業(yè)生產(chǎn)率的時空演變及影響因素進(jìn)行探討分析,契合國家戰(zhàn)略布局和“雙碳”目標(biāo)的時代背景,對實現(xiàn)綠色生態(tài)經(jīng)濟(jì)帶建設(shè)、促進(jìn)長江經(jīng)濟(jì)帶高質(zhì)量發(fā)展、助力“雙碳”目標(biāo)實現(xiàn)具有重要的現(xiàn)實意義。

圍繞農(nóng)業(yè)碳排放和農(nóng)業(yè)生產(chǎn)效率,研究者們展開了多維度的研究。對相關(guān)研究進(jìn)行梳理后發(fā)現(xiàn),現(xiàn)有文獻(xiàn)主要集中在3個方面。1)單個要素對農(nóng)業(yè)碳排放效率影響研究。田云等[3]、雷振丹等[4]、廖柳文等[5]、謝會強(qiáng)等[6]從經(jīng)濟(jì)增長、技術(shù)進(jìn)步、耕地經(jīng)營規(guī)模、城鄉(xiāng)融合角度展開探討。2)關(guān)于農(nóng)業(yè)碳排放效率的測度及影響因素的研究。吳昊玥等[7]、田云等[8]、吳賢榮等[9]、王劼等[10]、張杰等[11]分別從全國、農(nóng)業(yè)部門、農(nóng)戶個體等角度對農(nóng)業(yè)碳排放效率進(jìn)行了測算,并深入探討其影響因素,并給出針對性建議。3)關(guān)于農(nóng)業(yè)碳排放效率的時空特征、空間關(guān)聯(lián)、演變規(guī)律的研究。王海飛[12]、王帥等[13]、田云等[14]、封永剛等[15]、尚杰等[16]從全國、市域、縣域?qū)用鎸r(nóng)業(yè)碳排放效率的時序變化、空間布局等進(jìn)行了研究?；趯ΜF(xiàn)有文獻(xiàn)的整理得出:1)現(xiàn)有的研究面主要集中于全國宏觀層面或者微觀縣市、農(nóng)戶個體層面的影響因素和時空分布研究,缺乏對中觀層面區(qū)域性的時空演變、空間關(guān)系和影響因素的研究;2)現(xiàn)有研究中,學(xué)者們大多用“農(nóng)業(yè)碳排放效率”來涵蓋農(nóng)業(yè)生產(chǎn)效率與農(nóng)業(yè)碳排放之間的關(guān)系,且對“農(nóng)業(yè)碳排放效率”的內(nèi)涵闡釋又各不相同,缺乏客觀性和科學(xué)性,甚至帶有鼓勵農(nóng)業(yè)碳排放的誤導(dǎo)傾向。因此,本研究著眼于長江經(jīng)濟(jì)帶區(qū)域的農(nóng)業(yè)碳排放,嘗試以碳排放約束條件下的農(nóng)業(yè)生產(chǎn)效率來重新定義農(nóng)業(yè)碳排放與農(nóng)業(yè)生產(chǎn)效率的關(guān)系。以非期望產(chǎn)出農(nóng)業(yè)碳排放量的多少代表碳排放約束的大小,農(nóng)業(yè)降碳減排就是減少碳約束,提升農(nóng)業(yè)生產(chǎn)效率。概括而言,碳排放約束下的農(nóng)業(yè)生產(chǎn)效率目標(biāo)是減少碳排放,降低碳約束,提高農(nóng)業(yè)生產(chǎn)效率。本研究借鑒已有研究方法[7,9,12,14,17-18],選取考慮非期望產(chǎn)出的Super-SBM模型,對長江經(jīng)濟(jì)帶沿線的11個省、直轄市2008—2021年碳排放約束下的農(nóng)業(yè)生產(chǎn)效率進(jìn)行測度和相關(guān)分析,旨在為促進(jìn)降碳減排,提高區(qū)域農(nóng)業(yè)生產(chǎn)率提供數(shù)據(jù)支撐,同時為推動長江經(jīng)濟(jì)帶綠色高質(zhì)量發(fā)展提供參考。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1 碳排放量估算模型 目前農(nóng)業(yè)碳排放測算研究中,不同學(xué)者采取的方法各不相同。根據(jù)胡勇浩等[19]的研究,排放系數(shù)法是最為常見的測算方法,且適用尺度廣、公式簡明、原理易懂。因此,本研究測算農(nóng)業(yè)碳排放量亦采用碳排放系數(shù)法。排放系數(shù)法測算流程是在構(gòu)建農(nóng)業(yè)碳排放測算指標(biāo)體系、確定主要碳源的基礎(chǔ)上,將農(nóng)業(yè)碳排放活動水平數(shù)據(jù)與碳排放系數(shù)進(jìn)行相乘,轉(zhuǎn)化為相應(yīng)的碳排放當(dāng)量。由于農(nóng)業(yè)碳排放來源廣泛多樣,不同學(xué)者選取的碳排放來源指標(biāo)不同,計算的結(jié)果存在較大差異性。本研究參考相關(guān)文獻(xiàn)[20-21]的研究,選取的農(nóng)業(yè)碳排放來源主要包括翻耕、灌溉、化肥、農(nóng)藥、農(nóng)膜、柴油6個方面,據(jù)此建立農(nóng)業(yè)碳排放計算公式:

E=∑Ei=∑Tiωi

(1)

式中:E表示農(nóng)業(yè)碳排放總量;i表示各種碳排放源的種類;Ti表示各種碳排放源的量;ωi表示各種碳排放源的碳排放系數(shù)。具體排放碳源及系數(shù)見表1。

表1 農(nóng)業(yè)碳排放源及碳排放系數(shù)

1.1.2 含非期望產(chǎn)出的超效率SBM模型 農(nóng)業(yè)生產(chǎn)除了能夠帶來經(jīng)濟(jì)上的期望產(chǎn)出,同時還有伴隨著環(huán)境負(fù)外部性的非期望產(chǎn)出。傳統(tǒng)DEA模型存在難以有效區(qū)分效率值同為1的多個決策單元的缺陷?？紤]非期望產(chǎn)出,且對碳約束條件下農(nóng)業(yè)生產(chǎn)效率進(jìn)行相對準(zhǔn)確的測度,本研究借鑒了TONE[23-24]在傳統(tǒng)SBM模型基礎(chǔ)上對效率值為1的決策單元進(jìn)行的改進(jìn)模型,使用包含非期望產(chǎn)出的超效率SBM模型。假設(shè)農(nóng)業(yè)生產(chǎn)過程碳排放有n個決策單元,每個決策單元都包含3個要素:投入、期望產(chǎn)出和非期望產(chǎn)出。投入要素、期望產(chǎn)出要素、非期望產(chǎn)出要素個數(shù)分別用m、q1、q2表示。本研究中,n表示長江經(jīng)濟(jì)帶11個省、直轄市,投入要素為勞動力、土地、農(nóng)業(yè)機(jī)械動力、灌溉、化肥、農(nóng)藥、農(nóng)膜,期望產(chǎn)出為農(nóng)業(yè)總產(chǎn)值,非期望產(chǎn)出為農(nóng)業(yè)碳排放量。測度碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率的非期望產(chǎn)出超效率模型如下:

(2)

1.1.3 Global-Malmquist-Luenberger(GML)指數(shù) CHUNG等[25]在Malmquist指數(shù)的基礎(chǔ)上,根據(jù)產(chǎn)出導(dǎo)向的方向距離函數(shù)推導(dǎo)出帶有非期望產(chǎn)出的M指數(shù),并命名為Malmquist-Luenberger(ML)指數(shù),用于研究包含非期望產(chǎn)出的效率變化率,衡量效率的動態(tài)變化。OH[26]在此基礎(chǔ)上構(gòu)建了Global-Malmquist-Luenberger(GML)指數(shù),全局參比的GML指數(shù)以所有研究時期的生產(chǎn)技術(shù)總集合為參照集,可以在解決多輸入、多輸出和生產(chǎn)帶來的非期望產(chǎn)出問題時,有效規(guī)避ML指數(shù)存在的不具備循環(huán)傳遞性和線性規(guī)劃無可行解等問題,具有跨期可比較的優(yōu)點(diǎn)。本研究考慮ML指數(shù)分解結(jié)果的可得性,采用全局參比的GML指數(shù),GML指數(shù)分解為技術(shù)效率指數(shù)(GEC)和技術(shù)進(jìn)步指數(shù)(GTC):

(3)

(4)

(5)

式中:xt、yt表示各省、直轄市在t時期的投入產(chǎn)出數(shù)值;Eg、Et表示全局前沿和前沿t期的效率值。

在非參數(shù)框架下、非期望產(chǎn)出超效率SBM效率測度模型基礎(chǔ)上,本研究參考余奕杉等[27]的研究,構(gòu)造一個非角度、非徑向的GML指數(shù)公式,用于測度長江經(jīng)濟(jì)帶各省、直轄市由t到t+1時期碳排放約束下農(nóng)業(yè)生產(chǎn)效率的動態(tài)變動:

(6)

1.1.4 莫蘭指數(shù) 根據(jù)“地理學(xué)第一定律”理論,任何事物都是緊密相連的,越鄰近的事物連接更緊密。本研究引入空間自相關(guān)分析方法對碳排放約束條件下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率的空間關(guān)聯(lián)性進(jìn)行檢驗分析?？臻g自相關(guān)分析主要用來檢驗鄰近要素變量間的區(qū)域關(guān)聯(lián)性和空間依賴性,衡量研究對象空間集聚程度和關(guān)聯(lián)度,常用莫蘭指數(shù)(Morans ’I)表示,包括全局自相關(guān)和局部自相關(guān)分析。全局自相關(guān)反映觀測變量在整個區(qū)域內(nèi)的空間集體關(guān)聯(lián)程度或集聚程度,局部自相關(guān)反映局部區(qū)域單元與鄰近空間單元的相關(guān)性。

全局莫蘭指數(shù)計算公式為:

(7)

局部莫蘭指數(shù)計算公式為:

(8)

1.1.5 Tobit 模型 在碳排放約束下正確評估長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率的基礎(chǔ)上,進(jìn)一步探討其影響因素,對于降碳減排,減少碳排放約束提高農(nóng)業(yè)生產(chǎn)效率具有重要的意義。以2008—2021年碳排放約束下長江經(jīng)濟(jì)帶各省、直轄市農(nóng)業(yè)生產(chǎn)效率為因變量,各影響因素為解釋變量構(gòu)建線性回歸方程。結(jié)合本研究研究實際,構(gòu)建以碳排放約束下的農(nóng)業(yè)生產(chǎn)效率為被解釋變量的Tobit模型,具體公式如下:

(9)

式中:C為碳約束下的農(nóng)業(yè)生產(chǎn)效率;i表示各省市;t表示年份,β0、β1、β2分別為各個解釋變量的回歸系數(shù);μ為隨機(jī)擾動項。

1.2 指標(biāo)選取與數(shù)據(jù)來源

1.2.1 指標(biāo)體系 本研究選取2008—2021年長江經(jīng)濟(jì)帶沿線11個省、直轄市作為DMU,借鑒吳昊玥等[7]的研究,構(gòu)建長江經(jīng)濟(jì)帶農(nóng)業(yè)投入產(chǎn)出三級指標(biāo)體系,如表2所示。其中,農(nóng)業(yè)從業(yè)人員的計算,考慮數(shù)據(jù)科學(xué)性和可得性,借鑒王寶義等[28]相關(guān)研究成果,利用第一產(chǎn)業(yè)從業(yè)人員乘以農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧漁總產(chǎn)值的比值得到。農(nóng)業(yè)碳排放量數(shù)據(jù)通過前文提到的碳排放系數(shù)法計算,僅考慮農(nóng)業(yè)生產(chǎn)本身產(chǎn)生的溫室氣體,包括翻耕、灌溉、化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機(jī)械產(chǎn)生的CO2排放,化肥和土壤引起的N2O排放。參考田成詩等[20]、閔繼勝等[21]的研究,秸稈等農(nóng)業(yè)廢棄物燃燒活動產(chǎn)生的CO2排放不在本研究農(nóng)業(yè)碳排放量的計算之內(nèi)。

表2 碳排放約束下農(nóng)業(yè)生產(chǎn)效率投入產(chǎn)出指標(biāo)體系

表4 碳排放約束下各時期長江經(jīng)濟(jì)帶農(nóng)業(yè)

1.2.2 數(shù)據(jù)來源 本研究選取2008—2021年長江經(jīng)濟(jì)帶11個省、直轄市14年間農(nóng)業(yè)生產(chǎn)過程中的投入產(chǎn)出要素組成面板數(shù)據(jù),均來源于2009—2021年《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》和各省市統(tǒng)計年鑒等資料,個別缺失數(shù)據(jù)均通過插值法填補(bǔ)。

2 結(jié)果與分析

2.1 碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率時序演變分析

2.1.1 基于Super-SBM模型的農(nóng)業(yè)生產(chǎn)效率靜態(tài)變化分析 根據(jù)上述農(nóng)業(yè)投入產(chǎn)出指標(biāo)體系,運(yùn)用Dearun V3.0軟件,選擇包含非期望產(chǎn)出的超效率SBM模型對2008—2021年碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率進(jìn)行測算,結(jié)果如表 3所示。在碳排放約束下,農(nóng)業(yè)生產(chǎn)效率越趨近于0,表明碳排放約束越大,農(nóng)業(yè)低碳發(fā)展之路任重道遠(yuǎn);農(nóng)業(yè)生產(chǎn)效率越趨近于1,表明碳排放約束越小,農(nóng)業(yè)低碳發(fā)展富有成效;農(nóng)業(yè)生產(chǎn)效率大于1,可看作碳排放約束為0,農(nóng)業(yè)生產(chǎn)過程低碳可持續(xù)。

為全面揭示碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率的時間演變特征,將長江經(jīng)濟(jì)帶沿線11個省、直轄市劃分為上、中、下游地區(qū),其中云南、貴州、四川、重慶為上游地區(qū),湖南、湖北、江西、安徽為中游地區(qū),浙江、江蘇、上海為下游地區(qū)。同時,為直觀反映長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率的時間變化趨勢,根據(jù)測算結(jié)果繪制圖 1、圖 2。

圖1 2008—2021年碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率

圖2 2008—2021年碳排放約束下長江經(jīng)濟(jì)帶區(qū)域農(nóng)業(yè)生產(chǎn)效率

從整體上來看,在碳排放約束條件下,2008—2021年長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率呈上升趨勢,部分年份有微小波動,但起伏平緩。2009年農(nóng)業(yè)生產(chǎn)效率最低,為0.305;2021年農(nóng)業(yè)生產(chǎn)效率最高,為0.968。2015年后長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率穩(wěn)步提升,2019—2021年增長態(tài)勢顯著,其中,2021年農(nóng)業(yè)生產(chǎn)效率值提升了0.275,趨近于有效率水平,表明2015年后長江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放約束逐漸減小,農(nóng)業(yè)降碳減排取得一定的成效。2008—2021年,長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率均值為0.467,其中,2008—2017年10個年份的農(nóng)業(yè)生產(chǎn)效率低于均值,2018—2021年4個年份的農(nóng)業(yè)生產(chǎn)效率高于均值。從區(qū)域?qū)用鎭砜?2008—2021年長江經(jīng)濟(jì)帶下游地區(qū)的農(nóng)業(yè)生產(chǎn)效率最高、上游次之、中游地區(qū)最低,分別為0.782、0.399、0.298,表明長江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放約束下游低于上游低于中游,中游地區(qū)的碳排放約束壓力大。2008—2021年,下游地區(qū)的農(nóng)業(yè)生產(chǎn)效率一直高于長江經(jīng)濟(jì)帶均值,中游地區(qū)農(nóng)業(yè)生產(chǎn)效率一直低于均值,2018年以前上游地區(qū)農(nóng)業(yè)生產(chǎn)效率低于均值,2018年以后逐步趨近于均值并反超,表明上游地區(qū)農(nóng)業(yè)生產(chǎn)的碳排放約束逐漸減小,農(nóng)業(yè)的低碳發(fā)展取得長足進(jìn)步。上、中、下游地區(qū)的農(nóng)業(yè)生產(chǎn)效率均在2021年達(dá)到峰值,此時碳排放約束最小,在雷達(dá)圖中形成明顯的凸點(diǎn)。2008—2021年下游地區(qū)的農(nóng)業(yè)生產(chǎn)效率在波動中上升,2009年農(nóng)業(yè)生產(chǎn)效率最低為0.655,碳排放約束壓力最大,2014年出現(xiàn)一個小波峰,2021年農(nóng)業(yè)生產(chǎn)效率最高,達(dá)到1.063 4,碳排放約束接近于0。2008—2018年,上游、中游地區(qū)的農(nóng)業(yè)生產(chǎn)效率呈現(xiàn)緩慢上升趨勢,表明農(nóng)業(yè)發(fā)展?jié)u趨低碳化;2019—2021年農(nóng)業(yè)效率顯著提升,增長趨勢強(qiáng)勢,并在2019年形成一個小拐點(diǎn),表明農(nóng)業(yè)低碳化取得新突破,碳排放約束進(jìn)一步減少。

2.1.2 基于GML指數(shù)模型的農(nóng)業(yè)生產(chǎn)效率動態(tài)變化分析 運(yùn)用Dearun V3.0軟件,基于超效率SBM模型Malmqusit指數(shù)-全局參比對2008—2021年長江經(jīng)濟(jì)帶碳排放約束下的農(nóng)業(yè)生產(chǎn)效率進(jìn)行動態(tài)指數(shù)計算,結(jié)果如表 4 所示。

從整體層面來看,長江經(jīng)濟(jì)帶2008—2021年農(nóng)業(yè)生產(chǎn)效率平均提高了12.1%,極大地降低了碳排放約束,技術(shù)效率變化和技術(shù)進(jìn)步變化分別提高了1.0%和11.6%,說明長江經(jīng)濟(jì)帶碳排放約束減小,農(nóng)業(yè)生產(chǎn)效率提升由技術(shù)效率提升和技術(shù)進(jìn)步雙輪驅(qū)動,其中技術(shù)進(jìn)步在長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率迅速增長中發(fā)揮了主力作用。2008—2009年長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率下降了0.89%,也是樣本期內(nèi)唯一下降的時段;2009—2011年、2017—2021年農(nóng)業(yè)生產(chǎn)效率保持10%以上的增長,2019—2020年、2020—2021年甚至達(dá)到20%以上的高速增長,其中2021—2021年農(nóng)業(yè)生產(chǎn)效率提升了44.2%;2010—2017年農(nóng)業(yè)生產(chǎn)效率保持著6%左右的平緩增長。2008—2012年、2014—2015年、2016—2017年、2020—2021年,技術(shù)效率對減少長江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放約束、提升農(nóng)業(yè)生產(chǎn)效率的貢獻(xiàn)呈負(fù)增長。2008—2021年技術(shù)進(jìn)步效率變動與農(nóng)業(yè)生產(chǎn)效率變動趨勢和幅度基本一致,呈現(xiàn)較為明顯的增長態(tài)勢,再次印證了技術(shù)進(jìn)步在長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率提升中的重要作用。

按照前述上中下游地區(qū)劃分,對各省、直轄市及各地區(qū)農(nóng)業(yè)生產(chǎn)效率GML指數(shù)及分解結(jié)果進(jìn)行整理,結(jié)果見表5。

表5 2008—2021年碳排放約束下長江經(jīng)濟(jì)帶各省、市農(nóng)業(yè)生產(chǎn)效率變動及分解

從區(qū)域?qū)用鎭砜?2008—2021年,長江經(jīng)濟(jì)帶各地區(qū)農(nóng)業(yè)生產(chǎn)效率均有不同程度提升,上游、中游地區(qū)農(nóng)業(yè)生產(chǎn)效率增長幅度較大,農(nóng)業(yè)碳排放約束的變化彈性也較大,平均增長率分別為15.7%、13.5%,下游地區(qū)農(nóng)業(yè)生產(chǎn)效率平均增長5.5%。農(nóng)業(yè)生產(chǎn)效率增長幅度與地區(qū)經(jīng)濟(jì)發(fā)達(dá)程度有一定相關(guān)性,相對而言,經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的農(nóng)業(yè)生產(chǎn)效率增長更強(qiáng)勁。上游地區(qū)技術(shù)效率提升了2.1%,技術(shù)進(jìn)步提升了14.1%,說明上游地區(qū)農(nóng)業(yè)生產(chǎn)碳排放約束減小、效率顯著提升的背后不僅有技術(shù)的巨大進(jìn)步,也有生產(chǎn)管理效率、農(nóng)業(yè)集約化程度的提高;中、下游地區(qū)的技術(shù)效率基本保持不變,主要依靠技術(shù)進(jìn)步的提升,其中中游地區(qū)技術(shù)進(jìn)步提高了14.4%,是長江經(jīng)濟(jì)帶技術(shù)進(jìn)步增長最快的地區(qū),下游地區(qū)技術(shù)進(jìn)步提升了4.5%。

2.2 碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率空間演變分析

2.2.1 農(nóng)業(yè)生產(chǎn)效率空間格局演變特征 為揭示碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率的空間分布特征,參考前人研究成果并結(jié)合本研究研究實際,將長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)率劃分為5個等級:效率優(yōu)秀(C≥1)、效率良好(0.6≤C<1)、效率中等(0.4≤C<0.6)效率較低(0.2≤C<0.4)效率低下(C<0.2)。本研究選取2008、2013、2018、2021年4個代表年份,借助ArcGIS10.8軟件繪制長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率圖(圖 3)。從圖3可以看出,2008年上海、浙江的農(nóng)業(yè)生產(chǎn)效率處于優(yōu)秀水平,碳排放約束可忽略不計。重慶市碳約束下的農(nóng)業(yè)生產(chǎn)率處于較低水平,其他各省市則處于低下水平,農(nóng)業(yè)生產(chǎn)受碳排放約束大。低效率省、市占比多,制約了長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率的提升,導(dǎo)致長江經(jīng)濟(jì)帶整體受碳排放約束影響大。相比2008年,2013年浙江效率水平有所下降,表現(xiàn)為良好水平,四川、云南、貴州、湖南、湖北、江西、江蘇7省的農(nóng)業(yè)生產(chǎn)效率提升到效率較低水平,雖然長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率整體仍處于低等級的狀態(tài),但已經(jīng)有了明顯的改善。2018年,上海、浙江、安徽的效率水平分別保持2013年的優(yōu)秀、良好、低下不變,江蘇、重慶、貴州的農(nóng)業(yè)生產(chǎn)效率狀態(tài)有所提高,進(jìn)入到效率中等水平,四川提升到效率良好水平,有6個省、直轄市的效率水平達(dá)到中等及以上,長江經(jīng)濟(jì)帶半數(shù)的農(nóng)業(yè)生產(chǎn)效率達(dá)到中等及以上水平。2021年,除安徽外,長江經(jīng)濟(jì)帶其他10省、直轄市均達(dá)到效率優(yōu)秀水平。分析2008—2013—2018—2021年空間演變圖,可以直觀看出各省、直轄市效率水平的提升具有同步相關(guān)性,空間上隨著時間推進(jìn),長江經(jīng)濟(jì)帶整體色度逐漸加深、效率優(yōu)秀水平的省、直轄市逐漸增加,說明在碳排放約束下長江經(jīng)濟(jì)帶整體農(nóng)業(yè)生產(chǎn)效率不斷提高,逐步實現(xiàn)著農(nóng)業(yè)的綠色低碳發(fā)展。

圖3 碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率空間分布格局(2008,2013,2018,2021)

2.2.2 基于莫蘭指數(shù)的空間相關(guān)性分析 運(yùn)用ArcGIS10.8軟件計算長江經(jīng)濟(jì)帶2008—2021年農(nóng)業(yè)生產(chǎn)效率的全局莫蘭指數(shù),結(jié)果見表 6。由表6可知,2008、2010—2015年,長江經(jīng)濟(jì)帶生產(chǎn)效率的莫蘭指數(shù)均為正值,且通過了10%的顯著性檢驗,綜合分析得出,以上年份長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率相似水平的省、直轄市在空間上具有集聚分布特征,各省、直轄市受周邊省市影響較大;2009、2016—2021年,長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率的空間集聚特征不顯著,呈現(xiàn)隨機(jī)分布的態(tài)勢,各省、直轄市與周邊省市間基本無相互影響關(guān)系?？傮w來看,長江經(jīng)濟(jì)帶地理鄰近區(qū)域的碳排放約束下農(nóng)業(yè)生產(chǎn)效率空間相關(guān)性具有時段差異。2015年前,長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率呈現(xiàn)較為明顯的空間正相關(guān),且相關(guān)性逐漸增強(qiáng),2015年長江經(jīng)濟(jì)帶地區(qū)間的正相關(guān)性最強(qiáng);2015年之后,長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率基本不具空間相關(guān)性。

表6 2008—2021年碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率的莫蘭指數(shù)分布Table 6 Moran’s I distribution of agricultural production efficiency in the Yangtze River Economic Belt from 2008 to 2021 under carbon emission constraints

為進(jìn)一步分析長江經(jīng)濟(jì)帶局部地區(qū)在鄰近空間上的聚集程度,選取4個代表年份對長江經(jīng)濟(jì)帶碳排放約束下的農(nóng)業(yè)生產(chǎn)效率進(jìn)行局部空間自相關(guān)分析,見圖4。綜合2008—2021年集聚圖看,長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率絕大多數(shù)省、直轄市屬于無顯著集聚特征的地域單元,說明長江經(jīng)濟(jì)帶大部分省、直轄市間的農(nóng)業(yè)經(jīng)濟(jì)集聚水平較低。具體來看,從2008到2013年,上海穩(wěn)定保持在H-H型區(qū)域內(nèi),說明上海的低碳農(nóng)業(yè)有較高的發(fā)展水平,走在長江經(jīng)濟(jì)帶前列,在區(qū)域內(nèi)具有一定的輻射效應(yīng)。2018到2021年,由于科技進(jìn)步和生產(chǎn)要素配置水平的提高,農(nóng)業(yè)生產(chǎn)效率提升,碳排放約束減小,湖北從L-L型區(qū)域變化為H-L型。

圖4 碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率集聚圖(2008,2013,2018,2021)

2.3 影響因素分析

基于長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)實際,結(jié)合相關(guān)研究,并考慮數(shù)據(jù)可得性,本研究選取農(nóng)村經(jīng)濟(jì)發(fā)展水平、耕地規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平、農(nóng)村用電量5個變量作為解釋變量。具體計算方法見表7。

表7 碳排放約束下農(nóng)業(yè)生產(chǎn)效率影響因素的變量說明Table 7 Variable description of influencing factors of agricultural production efficiency under the constraint of carbon emission

考慮輸出的系數(shù)結(jié)果,對以上5個解釋變量進(jìn)行對數(shù)化處理。Hausman檢驗表明對碳排放約束下農(nóng)業(yè)生產(chǎn)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。運(yùn)用Stata軟件進(jìn)行計算,回歸結(jié)果見表8。由此可知,在碳排放約束下,耕地規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平、農(nóng)村用電量均對長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率產(chǎn)生了顯著影響,農(nóng)村經(jīng)濟(jì)發(fā)展水平未通過顯著性檢驗。

表8 碳排放約束下農(nóng)業(yè)生產(chǎn)效率影響因素實證分析

具體而言,在碳排放約束下,耕地規(guī)模與農(nóng)業(yè)生產(chǎn)效率有著顯著的負(fù)相關(guān),即在其他條件不變的情況下,耕地規(guī)模越大農(nóng)業(yè)生產(chǎn)效率越低。耕地規(guī)模越大,農(nóng)作物播種面積增加,農(nóng)業(yè)生產(chǎn)過程中的農(nóng)用物資投入、灌溉等所引發(fā)的碳排放就越多,進(jìn)而客觀上降低農(nóng)業(yè)生產(chǎn)效率。產(chǎn)業(yè)結(jié)構(gòu)與農(nóng)業(yè)生產(chǎn)效率也呈現(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)比重越高,碳排放越高,越不利于農(nóng)業(yè)生產(chǎn)效率的提升。城鎮(zhèn)化水平對農(nóng)業(yè)生產(chǎn)效率有著顯著的正向影響,倘若其他條件不變,提升城鎮(zhèn)化水平能夠減少碳排放約束,促進(jìn)農(nóng)業(yè)生產(chǎn)效率的提升?？梢越忉尀?城鎮(zhèn)化的推進(jìn),農(nóng)業(yè)用地受到一定沖擊、種植業(yè)生產(chǎn)受到影響,大量農(nóng)村勞動力轉(zhuǎn)移,客觀上會減少農(nóng)業(yè)的碳排放量。測算結(jié)果表明,研究期內(nèi)城鎮(zhèn)化水平是影響碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率的主要因素,農(nóng)業(yè)生產(chǎn)效率每提升1個單位,有62.4%是由城鎮(zhèn)化水平促進(jìn)的。農(nóng)村用電量與碳約束下的農(nóng)業(yè)生產(chǎn)效率存在顯著的正相關(guān)關(guān)系,即如果其他條件保持不變,農(nóng)村用電量越大農(nóng)業(yè)生產(chǎn)效率越高。電能耗費(fèi)要低于能源使用產(chǎn)生的碳排放強(qiáng)度,在單位產(chǎn)出一定情況下,以電能代替化石能源消耗,將減少碳排放量,促進(jìn)農(nóng)業(yè)生產(chǎn)效率的提升,減少碳約束,促進(jìn)農(nóng)業(yè)降碳減排。

3 結(jié)論與建議

3.1 結(jié)論

本研究借鑒前人研究成果,構(gòu)建碳排放約束下的農(nóng)業(yè)生產(chǎn)效率投入產(chǎn)出指標(biāo)體系,測度長江經(jīng)濟(jì)帶碳排放約束下的農(nóng)業(yè)生產(chǎn)效率,并對其時空演變特征和影響因素進(jìn)行探究,研究表明:

1)2008—2021年,碳排放約束下長江經(jīng)濟(jì)帶11省、直轄市農(nóng)業(yè)生產(chǎn)效率整體上呈現(xiàn)上升趨勢,波動平緩,均值為0.467,區(qū)域上呈現(xiàn)“中游地區(qū)<上游地區(qū)<下游地區(qū)”的局面,表明中游地區(qū)的幾個傳統(tǒng)農(nóng)業(yè)大省的農(nóng)業(yè)生產(chǎn)方式有待改進(jìn),農(nóng)業(yè)生產(chǎn)效率受碳排放約束影響大,需要更加關(guān)注農(nóng)業(yè)碳排放,加快推動農(nóng)業(yè)綠色低碳化發(fā)展。2021年多數(shù)省市在規(guī)模報酬可變的前提下,農(nóng)業(yè)生產(chǎn)均達(dá)到超效率狀態(tài)?？v觀2008—2021年的農(nóng)業(yè)生產(chǎn)效率值,長江經(jīng)濟(jì)帶內(nèi)部各省市間的農(nóng)業(yè)生產(chǎn)效率存在較大差異,除上海和浙江外,其他省市農(nóng)業(yè)生產(chǎn)效率受碳排放約束大,存在較大提升空間。長江經(jīng)濟(jì)帶農(nóng)業(yè)碳減排工作仍需要持續(xù)關(guān)注,推進(jìn)農(nóng)業(yè)綠色高質(zhì)量發(fā)展之路任重而道遠(yuǎn)。

2)2008—2021年,長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率整體上提高了12.1%,平均增長幅度大,上游地區(qū)的平均增長率高于中下游地區(qū),農(nóng)業(yè)生產(chǎn)效率提升速度最快。碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率提高是技術(shù)效率提升和技術(shù)進(jìn)步雙重作用的結(jié)果,其中技術(shù)進(jìn)步是主要驅(qū)動因素。隨著農(nóng)業(yè)科技的迅速發(fā)展,農(nóng)業(yè)研發(fā)能力的增強(qiáng)、一些新的農(nóng)業(yè)科研成果的加快轉(zhuǎn)化,應(yīng)用于農(nóng)業(yè)生產(chǎn)中,極大地促進(jìn)了農(nóng)業(yè)的現(xiàn)代化、降低了農(nóng)業(yè)CO2的排放,是減少農(nóng)業(yè)碳排放約束,促進(jìn)長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率提升的主要原因?？傮w上,技術(shù)效率平均提高了1%,但部分年份、部分省市的技術(shù)效率均出現(xiàn)負(fù)增長,呈現(xiàn)下降趨勢。

3)2008—2021年,依據(jù)劃分的效率值優(yōu)秀等級,長江經(jīng)濟(jì)帶沿線省市基本逐步達(dá)到優(yōu)秀等級。研究期間,長江經(jīng)濟(jì)帶地理鄰近區(qū)域農(nóng)業(yè)碳約束下生產(chǎn)效率在2015年以前總體上呈現(xiàn)由弱到強(qiáng)的正向空間相關(guān);2015年后,長江經(jīng)濟(jì)帶沿線省市的空間相關(guān)性不強(qiáng),呈現(xiàn)隨機(jī)分布的態(tài)勢。研究期內(nèi),長江經(jīng)濟(jì)帶局部空間相關(guān)性也不顯著,上海、湖北的集聚性相對較強(qiáng)。

4)2008—2021年,長江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放約束的生產(chǎn)效率主要受耕地規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平、農(nóng)村用電量的影響。其中耕地規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)與農(nóng)業(yè)生產(chǎn)效率呈現(xiàn)顯著負(fù)相關(guān)關(guān)系,城鎮(zhèn)化水平、農(nóng)村用電量與農(nóng)業(yè)生產(chǎn)效率呈現(xiàn)正向相關(guān)。城鎮(zhèn)化水平對碳排放約束下的農(nóng)業(yè)生產(chǎn)效率影響尤為顯著,是研究期內(nèi)的主要影響因素。

本研究中,碳排放約束條件下長江經(jīng)濟(jì)帶11省、直轄市2021年的農(nóng)業(yè)生產(chǎn)效率值實現(xiàn)突破,有很多省市達(dá)優(yōu)秀狀態(tài),但這一特征是否有偶然因素在內(nèi),能否在今后年份繼續(xù)保持效率優(yōu)秀水平,受制于現(xiàn)有數(shù)據(jù)的限制,有待進(jìn)一步的考究和探討。此外,長江經(jīng)濟(jì)帶11個樣本單元在做空間相關(guān)分析時,可能因樣本數(shù)量的限制會在一定程度上影響空間分析的結(jié)果。

3.2 建議

根據(jù)以上研究結(jié)論,為進(jìn)一步促進(jìn)長江經(jīng)濟(jì)帶農(nóng)業(yè)低碳發(fā)展,助力“碳達(dá)峰碳中和”,提出以下建議:

1)加強(qiáng)區(qū)域有效合作,制定區(qū)域整體農(nóng)業(yè)降碳減排發(fā)展規(guī)劃。長江經(jīng)濟(jì)帶因各省市區(qū)域經(jīng)濟(jì)發(fā)展水平不同、承擔(dān)的社會功能不同,不同地區(qū)承擔(dān)的農(nóng)業(yè)生產(chǎn)責(zé)任也有所不同,因此應(yīng)客觀看待碳排放約束下不同省市農(nóng)業(yè)生產(chǎn)效率差異化特征,從優(yōu)化農(nóng)業(yè)空間一體化布局、共謀長江經(jīng)濟(jì)帶發(fā)展全局出發(fā),各省市根據(jù)自身資源稟賦和發(fā)展定位,學(xué)習(xí)借鑒先進(jìn)地區(qū)經(jīng)驗,制定既符合自身又契合區(qū)域整體的農(nóng)業(yè)低碳發(fā)展道路。

2)依托雙輪驅(qū)動減少碳約排放約束的同時,重視提升技術(shù)效率來改善農(nóng)業(yè)生產(chǎn)效率。碳排放約束下長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率提高是技術(shù)效率提升和技術(shù)進(jìn)步雙重作用的結(jié)果,其中技術(shù)進(jìn)步是主要驅(qū)動因素。下一步,長江經(jīng)濟(jì)帶要繼續(xù)發(fā)揮創(chuàng)新驅(qū)動作用,將低碳發(fā)展技術(shù)落實到農(nóng)業(yè)現(xiàn)代化建設(shè),更加關(guān)注技術(shù)效率的提升,改進(jìn)農(nóng)業(yè)生產(chǎn)管理方式,優(yōu)化要素配置水平,提高農(nóng)業(yè)從業(yè)人員的技能水平等,促進(jìn)農(nóng)業(yè)資源的集約化利用和農(nóng)業(yè)的綠色低碳發(fā)展,從而改善碳排放約束下的農(nóng)業(yè)生產(chǎn)效率。

3)發(fā)揮空間相關(guān)性,協(xié)同推進(jìn)農(nóng)業(yè)碳減排。部分空間相關(guān)性較強(qiáng)的省市,要充分發(fā)揮自身的集聚和輻射效應(yīng),加強(qiáng)省際交流合作,聯(lián)合探索農(nóng)業(yè)多元低碳發(fā)展格局,以點(diǎn)帶面降低長江經(jīng)濟(jì)帶區(qū)域農(nóng)業(yè)碳排放約束,改善農(nóng)業(yè)生產(chǎn)率,推進(jìn)農(nóng)業(yè)綠色低碳轉(zhuǎn)型。

4)充分重視影響碳排放約束下農(nóng)業(yè)生產(chǎn)效率的關(guān)鍵因素。耕地規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平和農(nóng)村用電量是碳排放約束下影響農(nóng)業(yè)生產(chǎn)效率的顯著因素,需要跟進(jìn)相關(guān)制度支持和政策保障。