黃婧婧 王建平 陳超超

摘 要：基于2011—2021 年我國西北5 省的面板數(shù)據(jù)，采用SDM 模型和門檻模型，實(shí)證探究了城鄉(xiāng)融合對農(nóng)業(yè)碳排放強(qiáng)度的影響機(jī)制。結(jié)果表明：城鄉(xiāng)融合水平提升對農(nóng)業(yè)碳排放強(qiáng)度具有顯著的抑制作用，且表現(xiàn)出明顯的空間溢出特征；經(jīng)濟(jì)增長在城鄉(xiāng)融合對農(nóng)業(yè)碳排放強(qiáng)度的影響中具有單重門檻效應(yīng)，即當(dāng)經(jīng)濟(jì)增長到一定階段后，城鄉(xiāng)融合對農(nóng)業(yè)碳排放強(qiáng)度的抑制效果相對減弱；產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)發(fā)展、受災(zāi)程度、農(nóng)業(yè)機(jī)械化水平等因素也均對農(nóng)業(yè)排放強(qiáng)度具有空間溢出效應(yīng)且存在著不同程度的影響。根據(jù)以上結(jié)論，本文從加強(qiáng)西北地區(qū)城鄉(xiāng)融合區(qū)域協(xié)調(diào)性、制定針對性城鄉(xiāng)融合發(fā)展戰(zhàn)略、推動農(nóng)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級等方面提出西北地區(qū)農(nóng)業(yè)低碳發(fā)展的建議。

關(guān)鍵詞：城鄉(xiāng)融合；農(nóng)業(yè)碳排放強(qiáng)度；西北地區(qū)：空間杜賓模型；門檻效應(yīng)

中圖分類號：F323.22；X24 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-1329（2023）03-0112-07

農(nóng)業(yè)低碳發(fā)展是實(shí)現(xiàn)鄉(xiāng)村振興和生態(tài)文明建設(shè)的必然要求，也是應(yīng)對氣候變化的重要舉措之一，而降低農(nóng)業(yè)碳排放強(qiáng)度是實(shí)現(xiàn)農(nóng)業(yè)低碳發(fā)展和糧食安全的必然選擇。城鄉(xiāng)融合發(fā)展通過打破城鄉(xiāng)二元格局，加速資源要素雙向流動，提升要素配置效率，進(jìn)而提高農(nóng)業(yè)生產(chǎn)效率。在既定產(chǎn)出下，提高農(nóng)業(yè)生產(chǎn)效率有助于減少農(nóng)業(yè)生產(chǎn)過程中對農(nóng)藥，化肥等碳源的依賴，減少農(nóng)業(yè)生產(chǎn)活動中的碳排放，降低農(nóng)業(yè)碳排放強(qiáng)度。西北地區(qū)幅員遼闊，是我國重要的畜牧養(yǎng)殖區(qū)和戰(zhàn)略資源儲備基地，也是農(nóng)業(yè)溫室氣體的主要來源地之一，且由于該區(qū)域人員居住分散，城鄉(xiāng)融合水平顯著低于全國水平。在此背景下，研究西北地區(qū)城鄉(xiāng)發(fā)展對區(qū)域內(nèi)及鄰近區(qū)域農(nóng)業(yè)碳排放強(qiáng)度影響，對促進(jìn)西北地區(qū)城鄉(xiāng)融合發(fā)展，提高農(nóng)業(yè)生產(chǎn)效率和生態(tài)效益，推動生態(tài)文明建設(shè)，實(shí)現(xiàn)西北地區(qū)可持續(xù)發(fā)展和全國碳中和目標(biāo)具有重要意義。

梳理文獻(xiàn)得知，學(xué)者主要從兩個方面對農(nóng)業(yè)碳排放展開研究。一方面是對農(nóng)業(yè)碳排放的測算研究。學(xué)者主要從投入產(chǎn)出角度、生產(chǎn)過程角度、碳匯角度和基于全生命周期法的碳足跡對農(nóng)業(yè)碳排放進(jìn)行測算[1-4]。由測算發(fā)現(xiàn)，中國農(nóng)業(yè)碳排放強(qiáng)度處于下降趨勢，且區(qū)域差距逐漸擴(kuò)大。二是在測度基礎(chǔ)上，分別從低碳農(nóng)業(yè)發(fā)展路徑、經(jīng)濟(jì)增長、農(nóng)業(yè)碳足跡等方面探索與農(nóng)業(yè)碳排放的關(guān)系[5-7]。國內(nèi)外學(xué)者對于城鄉(xiāng)融合的研究較為豐富，主要集中于理論方面的研究，對于評價(jià)方法的研究較少。城鄉(xiāng)融合發(fā)展的理論與實(shí)踐是當(dāng)前研究的熱點(diǎn)話題。較多學(xué)者從理論內(nèi)涵、歷史演進(jìn)的回顧、存在問題與實(shí)現(xiàn)路徑的分析等方面進(jìn)行探討[8-11]。此外，也有學(xué)者構(gòu)建評價(jià)指標(biāo)體系對城鄉(xiāng)融合水平進(jìn)行測度，發(fā)現(xiàn)中國城鄉(xiāng)融合水平呈上升趨勢，但區(qū)域差異較大。還有一些學(xué)者分析城鄉(xiāng)融合的影響因素，并認(rèn)為經(jīng)濟(jì)發(fā)展、收入差距、數(shù)字經(jīng)濟(jì)等因素是城鄉(xiāng)融合重要的影響因素[12-15]。對于城鄉(xiāng)融合與農(nóng)業(yè)碳排放關(guān)系的研究較少，鮮有學(xué)者從城鎮(zhèn)化等方面進(jìn)行研究，且研究對象多是基于全國的省級數(shù)據(jù)。根據(jù)部分學(xué)者的研究結(jié)果，農(nóng)業(yè)碳排放總量會隨著城鎮(zhèn)化的進(jìn)程而下降，但對不同區(qū)域的影響作用存在一定差異[16-18]。還有學(xué)者從土地利用、技術(shù)進(jìn)步和農(nóng)業(yè)結(jié)構(gòu)調(diào)整等方面研究與農(nóng)業(yè)碳排放的關(guān)系，但對農(nóng)業(yè)碳排放具體作用比較復(fù)雜，取決于不同因素的類型和范圍。

綜上所述，學(xué)者對于城鄉(xiāng)融合和農(nóng)業(yè)碳排放的單一視角的研究較為豐富，但對城鄉(xiāng)融合與農(nóng)業(yè)碳排放關(guān)系的研究相對較少，且尚未得出一致結(jié)論。研究對象也多是基于全國，針對西北地區(qū)的具體研究相對較少。鑒于此，本文基于西北地區(qū)2011—2021 年面板數(shù)據(jù)，從經(jīng)濟(jì)融合，社會生活融合和資源與環(huán)境融合三個維度反映城鄉(xiāng)融合水平，采用空間杜賓模型與門檻模型深入分析城鄉(xiāng)融合對農(nóng)業(yè)碳排放強(qiáng)度的影響，系統(tǒng)揭示西北地區(qū)城鄉(xiāng)融合對農(nóng)業(yè)碳排放強(qiáng)度的影響機(jī)制，助力西北地區(qū)在低碳背景下制定城鄉(xiāng)融合發(fā)展規(guī)劃。

1 研究設(shè)計(jì)

1.1 研究區(qū)概況

西北地區(qū)是中國面積最大、人口密度最低、少數(shù)民族聚居最多的地區(qū)，也是中國貧困人口較多、生態(tài)環(huán)境脆弱、城市化水平低、城鄉(xiāng)發(fā)展不平衡的地區(qū)。西北地區(qū)的城鄉(xiāng)融合發(fā)展是國家戰(zhàn)略的重要內(nèi)容，也是促進(jìn)區(qū)域協(xié)調(diào)發(fā)展和生態(tài)文明建設(shè)的必然要求。有研究表明，西北地區(qū)農(nóng)業(yè)碳排放主要源于種植業(yè)和畜牧業(yè)兩個子系統(tǒng)，且在1980—2020 年農(nóng)業(yè)溫室氣體排放量呈現(xiàn)出波動增長趨勢，與該地區(qū)實(shí)現(xiàn)可持續(xù)發(fā)展和“兩碳”目標(biāo)相背離[19]。西北地區(qū)城鄉(xiāng)融合對農(nóng)業(yè)碳排放的影響是一個復(fù)雜的系統(tǒng)問題，涉及多個方面的因素，具有較強(qiáng)的可研究性。

1.2 模型設(shè)定

（1）探索性空間數(shù)據(jù)分析

在建立空間計(jì)量經(jīng)濟(jì)學(xué)模型之前，需要對農(nóng)業(yè)碳排放強(qiáng)度進(jìn)行相關(guān)性檢驗(yàn)。本文借鑒相關(guān)文獻(xiàn)[20] 的做法，采用全局自相關(guān)（Moran's I）對各省區(qū)之間的相關(guān)性進(jìn)行測算，以衡量空間計(jì)量模型的合理性，計(jì)算公式如下：

式中：n 代表研究對象數(shù)量；xi 代表各個區(qū)域的觀測數(shù)據(jù)；x 為樣本的平均值；Wij 表示地理空間權(quán)重矩陣，該矩陣描述了地區(qū)間的空間聯(lián)系和相互作用。I 為莫蘭指數(shù)，I>0 表示空間正相關(guān)，I <0 表示空間負(fù)相關(guān)，I ＝ 0 則表示不存在空間相關(guān)性。

（2）空間杜賓模型

傳統(tǒng)回歸模型忽視空間異質(zhì)性特征和變量之間的相互關(guān)系，結(jié)果往往不太理想。本文所采用的空間杜賓模型（SDM）是常用的空間計(jì)量方法，其既可以分析區(qū)域內(nèi)被解釋變量和解釋變量之間的關(guān)系，還可以衡量其它相鄰區(qū)域的因變量和自變量的滯后效應(yīng)對該區(qū)域的影響，進(jìn)而可全方位的評估因變量對自變量的作用。故其可以用來研究城鄉(xiāng)融合與碳排放之間的關(guān)系，如式（2），簡化公式如式（3）：

1.3 變量測度及選取

（1）被解釋變量

農(nóng)業(yè)碳排放強(qiáng)度（Q）。為降低西北地區(qū)的農(nóng)業(yè)碳排放，首先需要對農(nóng)業(yè)活動產(chǎn)生的碳排放進(jìn)行精確評估。根據(jù)學(xué)者的相關(guān)研究，目前普遍采用生命周期法來測算農(nóng)業(yè)碳排放，該方法考慮了農(nóng)業(yè)生產(chǎn)全過程中各個環(huán)節(jié)碳的直接和間接排放，包括種植，施肥（飼養(yǎng)）及生長（動物腸道消化）等過程中產(chǎn)生的CO2、N2O 和CH4 等溫室氣體。按照國際公認(rèn)的核算體系和方法，對農(nóng)業(yè)和畜牧業(yè)的碳排放從以下4 個部分來衡量。（1）耕地土壤碳排放。指土地翻耕所產(chǎn)生的碳，主要為N2O，不同類型的作物單位碳排放系數(shù)有所差異；（2）農(nóng)資投入碳排放：農(nóng)業(yè)生產(chǎn)過程中由于使用化肥、農(nóng)藥、農(nóng)膜、柴油等產(chǎn)生的一定量的溫室氣體，而化肥為第一大碳源；（3）水稻種植碳排放。指稻田種植中直接排放的CH4 量，水稻的碳排放系數(shù)因區(qū)域環(huán)境的不同而相異，且由于單季稻栽培且生產(chǎn)周期不穩(wěn)定，本文以中位數(shù)128天為生產(chǎn)周期作為核算標(biāo)準(zhǔn)[21-22]；（4）畜牧養(yǎng)殖碳排放。指我國一些常見的植食性動物在消化食物和排泄糞便時所產(chǎn)生的CH4、N2O 等氣體。借鑒謝會強(qiáng)等[23] 對農(nóng)業(yè)碳排放的測算公式來測算相關(guān)數(shù)據(jù)：

式中：E 為溫室氣體碳排放總量；Ei 為引發(fā)碳排放的第i類源；Si，ei 分別為第i 類農(nóng)業(yè)溫室氣體的種類及排放系數(shù)。為便于分析，將計(jì)算出來的溫室氣體排放量統(tǒng)一折算成CO2 當(dāng)量。本文使用單位農(nóng)業(yè)產(chǎn)值的碳排放量來衡量農(nóng)業(yè)碳排放強(qiáng)度，計(jì)算公式如下。其中，NGDP 為農(nóng)業(yè)總產(chǎn)值。

農(nóng)業(yè)碳排放源及系數(shù)見表1。

（2）解釋變量

為綜合反映城鄉(xiāng)融合水平水平（Ur），需要考慮發(fā)展的全過程因素，綜合分析對比類指標(biāo)，傳導(dǎo)動力類指標(biāo)和現(xiàn)實(shí)狀態(tài)類指標(biāo)來反映其水平。故本文借鑒相關(guān)文獻(xiàn)[25]，從經(jīng)濟(jì)的融合（ei）、社會生活的融合（sli）以及資源與環(huán)境的融合（rei）3 個方面構(gòu)建指標(biāo)體系，并定性其性質(zhì)，具體指標(biāo)如表2。并借助熵值法確定相關(guān)指標(biāo)權(quán)重，對城鄉(xiāng)綜合水平進(jìn)行系統(tǒng)評價(jià)。

經(jīng)濟(jì)發(fā)展水平是社會生產(chǎn)力的物質(zhì)基礎(chǔ)，與城鄉(xiāng)融合和農(nóng)業(yè)碳排放密切相關(guān)，故本文選取經(jīng)濟(jì)增長（Cdp）為門檻變量進(jìn)行分析。經(jīng)濟(jì)增長用經(jīng)濟(jì)增長速度來衡量，當(dāng)一個地區(qū)Cdp 水平較低時，為提高人均收入，宏觀發(fā)展戰(zhàn)略會把城鄉(xiāng)經(jīng)濟(jì)發(fā)展放在首位，這就會產(chǎn)生環(huán)境問題，此時農(nóng)業(yè)經(jīng)濟(jì)增長往往伴隨著高污染、高排放。

（3）控制變量

考慮到西北地區(qū)各省份之間經(jīng)濟(jì)發(fā)展水平、人力資本及經(jīng)濟(jì)結(jié)構(gòu)之間存在顯著差異，本文參照已有的文獻(xiàn)，選擇產(chǎn)業(yè)結(jié)構(gòu)（is）、農(nóng)業(yè)發(fā)展水平（adl）、受災(zāi)程度（dd），科技創(chuàng)新水平（til）和受災(zāi)程度（dd）等5 個指標(biāo)作為控制變量。其中，產(chǎn)業(yè)結(jié)構(gòu)以地區(qū)三產(chǎn)增加值和二產(chǎn)增加值之比表示。農(nóng)業(yè)發(fā)展水平（adl）用區(qū)域的農(nóng)業(yè)生產(chǎn)總額除以區(qū)域農(nóng)村總?cè)藬?shù)表示。受災(zāi)程度（dd）以種植面積中受災(zāi)的農(nóng)作物面積所占比例表示?？萍紕?chuàng)新水平（til）用地區(qū)授權(quán)專利與地區(qū)總?cè)丝诒戎当硎?。農(nóng)業(yè)機(jī)械化水平（aml）用地區(qū)農(nóng)業(yè)機(jī)械動力與農(nóng)村總?cè)丝诒戎当硎尽?/p>

1.4 數(shù)據(jù)來源

本研究所需要的化肥、農(nóng)藥、地區(qū)GDP、城鎮(zhèn)和農(nóng)村人口等數(shù)據(jù)主要來源于《中國統(tǒng)計(jì)年鑒》、《中國農(nóng)村統(tǒng)計(jì)年鑒》和《中國環(huán)境統(tǒng)計(jì)年鑒》及西北5 省的統(tǒng)計(jì)年鑒。其中，化肥施用量用折純量來表達(dá)，借助線性插值法對缺失數(shù)據(jù)進(jìn)行補(bǔ)充；GDP 則以2010 年為基準(zhǔn)期進(jìn)行平減。

2 結(jié)果與分析

2.1 農(nóng)業(yè)碳排放強(qiáng)度與城鄉(xiāng)融合水平評價(jià)

如圖1（a-c），通過對歷年西北5 省區(qū)農(nóng)業(yè)碳排放強(qiáng)度進(jìn)行測算得知，2011—2021 年西北5 省區(qū)農(nóng)業(yè)碳排放強(qiáng)度整體呈現(xiàn)不同程度的下降態(tài)勢。其中：青海省在整個研究期內(nèi)農(nóng)業(yè)碳排放強(qiáng)度均高于其他省區(qū)（最高達(dá)到1.1617），這主要是源于青海畜牧業(yè)發(fā)達(dá)，而較高的碳排放足跡決定了其碳排放強(qiáng)度的大?。粚幭?、甘肅、陜西和新疆在研究期內(nèi)的農(nóng)業(yè)碳排放強(qiáng)度均呈緩慢下降態(tài)勢，而陜西則長期保持最低。從圖1 （d-f） 可知，在研究期內(nèi)，西北5 省區(qū)整體的城鄉(xiāng)融合水平呈現(xiàn)不斷上升的態(tài)勢，特別是陜西的城鄉(xiāng)融合水平在研究期內(nèi)一直保持較高水平，而甘肅省的城鄉(xiāng)融合水平則相對較低。這表明陜西在城鄉(xiāng)發(fā)展一體化方面取得了顯著的進(jìn)展，城鄉(xiāng)之間的經(jīng)濟(jì)、社會和環(huán)境聯(lián)系更加緊密。

2.2 實(shí)證分析

（1）空間自相關(guān)檢驗(yàn)

從表3 得知，整個研究期內(nèi)西北地區(qū)農(nóng)業(yè)碳排放強(qiáng)度的Moran's I 的P 值均通過顯著性檢驗(yàn)，說明農(nóng)業(yè)碳排放強(qiáng)度的空間分布并非隨機(jī)，而是具有空間特征，且表現(xiàn)為正相關(guān)，這表明其具有較強(qiáng)的空間依賴特征，即其碳排放強(qiáng)度會受到相鄰省域碳排放強(qiáng)度的影響，因此可以做進(jìn)一步分析。

（2）空間計(jì)量模型選擇

為選擇合適的空間計(jì)量模型，采用LM、LR 及Wald進(jìn)一步檢驗(yàn)，結(jié)果如表4 所示?？臻g誤差最大似然檢驗(yàn)（LM-error）、空間滯后最大似然檢驗(yàn)（LM-lag）、穩(wěn)健性空間誤差最大似然檢驗(yàn)（Robust-LM-error）和穩(wěn)健性空間滯后最大似然檢驗(yàn)（Robust-LM-lag）的結(jié)果均在1%的顯著性水平下表現(xiàn)顯著，說明城鄉(xiāng)融合對農(nóng)業(yè)碳排放強(qiáng)度影響的模型選擇應(yīng)同時考慮空間滯后項(xiàng)和空間誤差項(xiàng)，由于空間杜賓模型包含了這兩種效應(yīng)，因此初步判定選擇空間杜賓模型。似然比（LikelihoodRatio， LR）檢驗(yàn)和沃爾德（Wald）檢驗(yàn)值均通過了1% 的顯著性水平檢驗(yàn)，拒絕原假設(shè)，表明選擇SDM 模型是正確的。此外，本文構(gòu)建了隨機(jī)效應(yīng)、時空雙固定、時間固定和空間固定效應(yīng)等四種效應(yīng)下的SDM 模型，比較其擬合優(yōu)度（Adj-R2）和對數(shù)似然估計(jì)值（Log-likelihood）（如表5）發(fā)現(xiàn)，時間固定效應(yīng)模型整體表現(xiàn)最好，故選取時間固定效應(yīng)下的SDM 模型。

（3）空間回歸分析

采用SDM 模型對城鄉(xiāng)融合對農(nóng)業(yè)碳排放強(qiáng)度的空間效應(yīng)作進(jìn)一步分析得知：空間自相關(guān)回歸系數(shù)在1% 的水平下表現(xiàn)顯著，且存在負(fù)向影響關(guān)系，表明相鄰省域的農(nóng)業(yè)碳排放強(qiáng)度對鄰近省份的農(nóng)業(yè)碳排放強(qiáng)度產(chǎn)生了抑制效果，且具有顯著的空間依賴性。城鄉(xiāng)融合水平對核心解釋變量在1% 的顯著性水平下表現(xiàn)顯著，且存在負(fù)向影響（-0.331），表明城鄉(xiāng)融合水平越高，農(nóng)業(yè)碳排放強(qiáng)度反而降低。測算發(fā)現(xiàn)，其空間滯后系數(shù)（Wur）在5%的顯著水平下呈正相關(guān)（1.652），表明城鄉(xiāng)融合發(fā)展的同時會降低鄰近省份城市的農(nóng)業(yè)碳排放（表6）。經(jīng)濟(jì)融合、社會生活融合、資源與環(huán)境融合對農(nóng)業(yè)碳排放產(chǎn)生負(fù)向較顯著的影響。經(jīng)濟(jì)融合可以促進(jìn)農(nóng)業(yè)生產(chǎn)效率，提高農(nóng)產(chǎn)品附加值。社會生活融合可以增強(qiáng)農(nóng)民的環(huán)保意識，提高農(nóng)業(yè)廢棄物的利用效率，減少農(nóng)業(yè)對土地、水等資源的過度開發(fā)。通過資源與環(huán)境的保護(hù)協(xié)調(diào)，實(shí)現(xiàn)農(nóng)業(yè)生態(tài)系統(tǒng)結(jié)構(gòu)合理和功能的優(yōu)化，提高農(nóng)業(yè)碳匯的能力，減少農(nóng)業(yè)碳排放的程度。資源與環(huán)境融合可以優(yōu)化農(nóng)業(yè)生態(tài)系統(tǒng)的結(jié)構(gòu)和功能，增加農(nóng)業(yè)碳匯的潛力，降低農(nóng)業(yè)碳排放的強(qiáng)度。從控制變量的顯著性來看，本地區(qū)農(nóng)業(yè)碳排放強(qiáng)度受科技創(chuàng)新水平、產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)發(fā)展水平，受災(zāi)程度和農(nóng)業(yè)機(jī)械化水平等因素的顯著影響，其中農(nóng)業(yè)發(fā)展水平和農(nóng)業(yè)機(jī)械化水平對農(nóng)業(yè)碳排放有促進(jìn)作用，而產(chǎn)業(yè)結(jié)構(gòu)、受災(zāi)程度和科技創(chuàng)新水平則對農(nóng)業(yè)碳排放產(chǎn)生抑制作用。

為深入探討其空間效應(yīng)，對解釋變量的空間滯后項(xiàng)做偏微分，并從直接、間接和總效應(yīng)三個維度分別進(jìn)行分析，結(jié)果如表7。從直接效應(yīng)來看，城鄉(xiāng)融合水平在5％的顯著水平下呈負(fù)相關(guān)（-0.7172），表明某省城鄉(xiāng)融合水平的提升對本省農(nóng)業(yè)碳排放具有顯著的抑制效果。假設(shè)其他因素保持不變，城鄉(xiāng)融合水平每提高1 個單位，本省的農(nóng)業(yè)碳排放強(qiáng)度降低0.717 個單位。從間接效應(yīng)來看，城鄉(xiāng)融合水平在1% 的水平下顯著呈正相關(guān)，表明其具有顯著的空間溢出效應(yīng)。在單一變量條件下，某省的數(shù)字城鄉(xiāng)融合水平每提高1%，鄰近省份的農(nóng)業(yè)碳排放強(qiáng)度就會提高1.923%，表明數(shù)字城鄉(xiāng)融合水平對周邊省份具有顯著的“典范效應(yīng)”，能夠有效抑制鄰近省份農(nóng)業(yè)碳排放。經(jīng)濟(jì)融合、社會生活融合、資源與環(huán)境融合的直接效應(yīng)和間接效應(yīng)均在10% 的顯著性水平下呈正相關(guān)，說明為了有效降低農(nóng)業(yè)碳排放，應(yīng)該加強(qiáng)城鄉(xiāng)各領(lǐng)域的融合發(fā)展。

控制變量中產(chǎn)業(yè)結(jié)構(gòu)和農(nóng)業(yè)發(fā)展水平的直接效應(yīng)在5％的水平下顯著呈負(fù)相關(guān)，說明產(chǎn)業(yè)結(jié)構(gòu)和農(nóng)業(yè)發(fā)展水平抑制農(nóng)業(yè)碳排放。這表明隨著產(chǎn)業(yè)結(jié)構(gòu)和農(nóng)業(yè)發(fā)展水平的提高，農(nóng)業(yè)所產(chǎn)生的碳排放量呈現(xiàn)出逐漸減少趨勢。究其原因：一方面，產(chǎn)業(yè)結(jié)構(gòu)決定了農(nóng)業(yè)對能源、化肥、農(nóng)藥等投入品的需求和消耗，從而影響農(nóng)業(yè)生產(chǎn)中能源和非能源排放的水平。另一方面，農(nóng)業(yè)發(fā)展水平反映了農(nóng)業(yè)生產(chǎn)技術(shù)和管理水平，而其又影響農(nóng)業(yè)生產(chǎn)效率和資源利用效率。受災(zāi)程度對農(nóng)業(yè)碳排放有一定的負(fù)向影響，顯著性較弱且對農(nóng)業(yè)碳排放的影響較小。這是由于受災(zāi)程度一方面只會影響農(nóng)民對農(nóng)業(yè)生產(chǎn)的投入選擇，而對農(nóng)業(yè)碳排放影響較弱，另一方面，農(nóng)業(yè)具有固碳功能，可以抵消部分農(nóng)業(yè)碳排放，因此，自然災(zāi)害不會導(dǎo)致農(nóng)業(yè)碳排放的大幅波動?？萍紕?chuàng)新水平與農(nóng)業(yè)機(jī)械化水平的直接和間接效應(yīng)均表現(xiàn)顯著，且存在正向影響關(guān)系，這表明科技創(chuàng)新水平及農(nóng)業(yè)機(jī)械化水平提升會導(dǎo)致該省及相鄰省份農(nóng)業(yè)碳排放增加。

（4）門限效應(yīng)分析

上文已經(jīng)證明了城鄉(xiāng)融合水平能夠有效降低農(nóng)業(yè)碳排放強(qiáng)度，但城鄉(xiāng)融合對農(nóng)業(yè)碳排放強(qiáng)度的影響是多方面的，且這種影響會隨著城鄉(xiāng)融合水平的變化而呈現(xiàn)出非線性的特征。為更深入分析該影響，本文以經(jīng)濟(jì)增長為門檻變量，基于面板門檻模型檢驗(yàn)城鄉(xiāng)融合是否存在對農(nóng)業(yè)碳排放強(qiáng)度的門檻效應(yīng)。表8 結(jié)果表明，經(jīng)濟(jì)增長僅通過了單一門檻檢驗(yàn)，這表明以經(jīng)濟(jì)增長作為門檻變量時，只存在單重門檻效應(yīng)。表9 顯示了相應(yīng)的門檻區(qū)間及回歸系數(shù)，當(dāng)Cdp≤0.150，即經(jīng)濟(jì)增長處于較低水平時，城鄉(xiāng)融合對農(nóng)業(yè)碳排放強(qiáng)度表現(xiàn)出較強(qiáng)的抑制效應(yīng)。當(dāng)Cdp≥0.150，雖然仍表現(xiàn)為抑制效應(yīng)，但有所緩和。

3 結(jié)論與建議

3.1 結(jié)論

主要結(jié)論如下：（1）西北地區(qū)整體農(nóng)業(yè)碳排放強(qiáng)度均呈下降態(tài)勢，城鄉(xiāng)融合水平均呈上升態(tài)勢。其中，在研究區(qū)域內(nèi)，陜西省呈現(xiàn)出農(nóng)業(yè)碳排放強(qiáng)度低、城鄉(xiāng)融合水平高的特征，表明陜西在減少農(nóng)業(yè)碳排放方面取得了顯著成效，并在促進(jìn)城鄉(xiāng)融合發(fā)展方面取得了積極進(jìn)展。（2）城鄉(xiāng)融合對農(nóng)業(yè)碳排放強(qiáng)度的抑制作用表現(xiàn)出顯著的空間依賴特征和負(fù)向空間溢出效應(yīng)。不僅本省城鄉(xiāng)融合對本省農(nóng)業(yè)碳排放強(qiáng)度有直接的抑制作用，相鄰省份城鄉(xiāng)融合對本省農(nóng)業(yè)碳排放強(qiáng)度也產(chǎn)生了顯著的抑制效應(yīng)。其中，資源與環(huán)境的融合對農(nóng)業(yè)碳排放的影響最顯著也最直接，所以城鄉(xiāng)融合需要在保護(hù)環(huán)境的前提下進(jìn)行。（3）經(jīng)濟(jì)增長水平在城鄉(xiāng)融合對農(nóng)業(yè)碳排放強(qiáng)度的影響中存在單重門檻效應(yīng)。當(dāng)經(jīng)濟(jì)增長水平低于門檻值時，城鄉(xiāng)融合水平的提升會加劇農(nóng)業(yè)碳排放強(qiáng)度的下降，而當(dāng)經(jīng)濟(jì)增長水平較高時，城鄉(xiāng)融合水平的提升對農(nóng)業(yè)碳排放強(qiáng)度的抑制作用則相對減弱。（4）農(nóng)業(yè)碳排放強(qiáng)度同時也受到多種因素影響。研究所選取的控制變量對農(nóng)業(yè)碳排放強(qiáng)度的作用及影響程度各不相同。

3.2 建議

加強(qiáng)區(qū)域間城鄉(xiāng)融合的空間協(xié)調(diào)和互動協(xié)作，促進(jìn)不同區(qū)域間的合作交流和城鄉(xiāng)融合發(fā)展，降低總體農(nóng)業(yè)碳排放強(qiáng)度。此外，還應(yīng)該優(yōu)化城鄉(xiāng)規(guī)劃和建設(shè)，完善城鄉(xiāng)空間布局和功能分區(qū)，提高城鄉(xiāng)基礎(chǔ)設(shè)施和公共服務(wù)的共享水平，加強(qiáng)城鄉(xiāng)資源要素的流動性和配置效率，實(shí)現(xiàn)經(jīng)濟(jì)社會的可持續(xù)發(fā)展。

根據(jù)經(jīng)濟(jì)發(fā)展的不同階段，制定有針對性的城鄉(xiāng)融合發(fā)展戰(zhàn)略，實(shí)現(xiàn)對農(nóng)業(yè)碳排放強(qiáng)度的動態(tài)調(diào)節(jié)。在經(jīng)濟(jì)發(fā)展水平較低的階段，應(yīng)優(yōu)先促進(jìn)城鄉(xiāng)要素的流動和交換，實(shí)現(xiàn)農(nóng)村勞動力向非農(nóng)產(chǎn)業(yè)轉(zhuǎn)移，增加農(nóng)業(yè)勞動效率；在經(jīng)濟(jì)發(fā)展水平較高的階段，應(yīng)優(yōu)先促進(jìn)城鄉(xiāng)要素的整合和協(xié)調(diào)，實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和升級，提高農(nóng)業(yè)附加值。優(yōu)化農(nóng)業(yè)的產(chǎn)業(yè)布局，推動農(nóng)業(yè)的生態(tài)化、循環(huán)化、低碳化的轉(zhuǎn)型。既要鼓勵和幫助農(nóng)業(yè)生產(chǎn)者調(diào)整種養(yǎng)殖機(jī)構(gòu)和方式，發(fā)展綠色、有機(jī)、生態(tài)農(nóng)業(yè)，提升產(chǎn)品的質(zhì)量和價(jià)值，從而增加經(jīng)濟(jì)收入。又要大力培育和扶持新型農(nóng)業(yè)經(jīng)營主體發(fā)展，推動農(nóng)業(yè)產(chǎn)業(yè)化、規(guī)?；?、集約化和現(xiàn)代化發(fā)展，提高農(nóng)業(yè)生產(chǎn)效率和資源利用效率。同時，還要強(qiáng)化對農(nóng)業(yè)科技創(chuàng)新的支持，提高農(nóng)業(yè)機(jī)械化水平，降低能源消耗和廢氣排放。

參考文獻(xiàn)（References）

[1] 程琳琳， 張俊飚， 田云， 等. 中國省域農(nóng)業(yè)碳生產(chǎn)率的空間分異特征及依賴效應(yīng)[J]. 資源科學(xué)，2016，38（2）：276-289.

CHENG L L， ZHANG J B， TIAN Y， et al， The spatial variationcharacteristics and dependency of agricultural carbon productivityin China[J]. Resources Science， 2016，38（2）：276-289.

[2] 王丹妮. 基于上海市土地利用方式變化下的土壤有機(jī)碳儲量核算研究[J]. 上海國土資源，2021，42（3）：1-6.

WANG D N. Soil organic carbon storage based on land use changein Shanghai[J]. Shanghai Land & Resources， 2021，42（3）：1-6.

[3] 翁翎燕， 李偉霄， 張梅， 等. 江蘇省農(nóng)田生態(tài)系統(tǒng)凈碳匯時空演變特征[J]. 長江流域資源與環(huán)境，2022，31（7）：1584-1594.

WENG L Y， LI W X， ZHANG M， et al. Spatial and temporalevolution of net carbon sink of farmland ecosystems in JiangsuProvince[J]. Resources and Environment in the Yangtze Basin，2022，31（7）：1584-1594.

[4] 孔慶華. 土地整治視角下鄉(xiāng)村低碳更新研究[J]. 上海國土資源，2022，43（2）：40-45.

KONG Q H. Research on rural low carbon renewal from theperspective of land consolidation[J]. Shanghai Land & Resources，2022，43（2）：40-45.

[5] 田云， 尹忞昊. 中國農(nóng)業(yè)碳排放再測算： 基本現(xiàn)狀、動態(tài)演進(jìn)及空間溢出效應(yīng)[J]. 中國農(nóng)村經(jīng)濟(jì)，2022（3）：104-127.

TIAN Y， YIN M H. Re-measurement of agricultural carbonemissions in China： basic status， dynamic evolution and spatialspillover effects[J]. Chinese Rural Economy， 2022（3）：104-127.

[6] 王心宇， 彭馨怡， 駱美婷， 等. 經(jīng)濟(jì)新常態(tài)下創(chuàng)新驅(qū)動型現(xiàn)代低碳農(nóng)業(yè)發(fā)展研究——以成都平原地區(qū)為例[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2020，41（4）：134-142.

WANG X Y， PENG X Y， LUO M T， et al. Research on thedevelopment of innovation-driven modern low-carbon agricultureunder the new economic normal： a case study of Chengdu plainarea[J]. Chinese Journal of Agricultural Resources and RegionalPlanning， 2020，41（4）：134-142.

[7] ZHANG L， PANG J X， CHEN X P， et al. Carbon emissions， energyconsumption and economic growth： Evidence from the agriculturalsector of Chinas main grain-producing areas[J]. Science of theTotal Environment， 2019，665（C）.

[8] CUI Y， KHAN S U， SAUER J， et al. Exploring the spatiotemporalheterogeneity and influencing factors of agricultural carbonfootprint and carbon footprint intensity： Embodying carbon sinkeffect[J]. The Science of the Total Environment， 2022，846.

[9] 王彩娟， 季順偉， 任麗燕. 長三角城市群能源碳排放空間關(guān)聯(lián)及其影響因素研究[J]. 上海國土資源，2022，43（3）：8-14.

WANG C J， JI S W， REN L Y. Spatial correlation and influencingfactors of energy carbon emissions in Yangtze River Delta urbanagglomeration[J]. Shanghai Land & Resources， 2022，43（3）：8-14.

[10] 趙偉佚， 潘瑋， 李裕瑞. 縣域內(nèi)城鄉(xiāng)融合發(fā)展： 理論內(nèi)涵與研究進(jìn)展[J]. 地理研究，2023，42（6）：1445-1464.

ZHAO W Y， PAN W， LI Y R. Integrated urban-rural developmentin the county： theoretical connotation and research progress[J].Geographical Research， 2023，42（6）：1445-1464.

[11] 黃賢金. 中國土地制度改革40 年與城鄉(xiāng)融合的發(fā)展之路[J]. 上海國土資源，2018，39（2）：1-3.

HUANG X J. China's land system reform in 40 years and thedevelopment road of urban-rural integration[J]. Shanghai Land &Resources， 2018，39（2）：1-3.

[12] 葉菲菲. 鄉(xiāng)村振興背景下城鄉(xiāng)融合發(fā)展的困境與出路[J]. 農(nóng)業(yè)經(jīng)濟(jì)，2020（10）：94-95.

YE F F. The dilemma and way out of urban-rural integrationdevelopment in the context of rural revitalization[J]. AgriculturalEconomy， 2020（10）：94-95.

[13] 賀立龍， 劉丸源. 共同富裕與現(xiàn)代化視域下的鄉(xiāng)村振興、城鄉(xiāng)融合與區(qū)域協(xié)調(diào)發(fā)展研究[J]. 政治經(jīng)濟(jì)學(xué)評論，2023，14（3）：89-105.

HE L L， LIU W Y. Study on rural revitalization， urban-ruralintegration and coordinated regional development in the contextof common prosperity and modernization[J]. China Review ofPolitical Economy， 2023，14（3）：89-105.

[14] 姚毓春， 張嘉實(shí)， 趙思桐. 數(shù)字經(jīng)濟(jì)賦能城鄉(xiāng)融合發(fā)展的實(shí)現(xiàn)機(jī)理、現(xiàn)實(shí)困境和政策優(yōu)化[J]. 經(jīng)濟(jì)縱橫，2022（12）：50-58.

YAO Y C， ZHANG J S， ZHAO S T. The realization mechanism，practical dilemma and policy optimization of digital economyenabledurban-rural integration development[J]. Economic Journal，2022（12）：50-58.

[15] 胡西武， 蘇云清， 李毅. 青海省城鄉(xiāng)融合時空分異及影響因素研究——以城鄉(xiāng)收入差距為視角[J]. 青海民族大學(xué)學(xué)報(bào)（ 社會科學(xué)版），2020，46（4）：36-45.

HU X W， SU Y Q， LI Y. A study on the spatial and temporaldivergence of urban-rural integration in Qinghai Province and itsinfluencing factors： the urban-rural income gap as a perspective[J].Journal of Qinghai University for Nationalities （Social ScienceEdition）， 2020，46（4）：36-45.

[16] 王喬喬， 孫鵬舉， 李曉丹， 等. 蘭州市縣域城鄉(xiāng)融合發(fā)展水平測度研究[J]. 上海國土資源，2020，41（4）：23-28.

WANG Q Q， SUN P J， LI X D， et al. Research on the measurementof urban and rural integration development level in Lanzhou[J].Shanghai Land & Resources， 2020，41（4）：23-28.

[17] 武春桃. 城鎮(zhèn)化對中國農(nóng)業(yè)碳排放的影響——省際數(shù)據(jù)的實(shí)證研究[J]. 經(jīng)濟(jì)經(jīng)緯，2015，32（1）：12-18.

WU C T. The impact of urbanization on agricultural carbonemissions in China： an empirical study of inter-provincial data[J].Economic Survey， 2015，32（1）：12-18]

[18] 鄭亦伶， 苑韶峰. 基于土地利用的碳排放時空分析[J]. 上海國土資源，2013，34（2）：33-36.

ZHENG Y L， YUAN S F. Spatial-temporal analysis of carbonemissions from land-use[J]. Shanghai Land & Resources，2013，34（2）：33-36.

[19] 范紫月， 齊曉波， 曾麟嵐， 等. 中國農(nóng)業(yè)系統(tǒng)近40 年溫室氣體排放核算[J]. 生態(tài)學(xué)報(bào)，2022，42（23）：9470-9482.

FAN Z Y， QI X B， ZENG L L， et al. Accounting of greenhouse gasemissions in Chinas agricultural system in recent 40 years[J]. ActaEcologica Sinica， 2022，42（23）：9470-9482.

[20] 韓金雨， 曲建升， 徐麗， 等. 支農(nóng)財(cái)政對農(nóng)業(yè)碳排放強(qiáng)度的空間效應(yīng)： 基于空間杜賓模型的實(shí)證分析[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2021，37（11）：1404-1412.

HAN J Y， QU J S， XU L， et al.Spatial effects of agricultural financeon agricultural carbon emission intensity： an empirical analysisbased on the spatial Durbin model[J]. Journal of Ecology and RuralEnvironment， 2021，37（11）：1404-1412.

[21] 林志敏， 李洲. 再生稻田溫室氣體排放特征及碳足跡[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2022，33（5）：1340-1351.

LIN Z M， LI Z. Greenhouse gas emission characteristics and carbonfootprint of regenerated rice fields[J]. Chinese Journal of AppliedEcology， 2022，33（5）：1340-1351.

[22] 陳田， 潘竟虎. 2009-2019 年中國人為CH4 排放量的估算及時空格局[J]. 中國環(huán)境科學(xué)，2022，42（12）：5549-5560.

CHEN T， PAN J H. Estimation of anthropogenic CH4 emissions andspatial and temporal patterns in China from 2009 to 2019[J]. ChinaEnvironmental Science， 2022，42（12）：5549-5560.

[23] 謝會強(qiáng)， 吳曉迪. 城鄉(xiāng)融合對中國農(nóng)業(yè)碳排放效率的影響及其機(jī)制[J]. 資源科學(xué)，2023，45（1）：48-61.

XIE H Q， WU X D.The impact of urban-rural integration onthe efficiency of agricultural carbon emissions in China and itsmechanism[J]. Resource Science， 2023，45（1）：48-61.

[24] 李波， 張俊飚. 中國農(nóng)業(yè)碳排放時空特征及影響因素分解[J].中國人口·資源與環(huán)境，2011，21（8）：80-86.

LI B， ZHANG J B. Spatio-temporal characteristics and influencingfactor decomposition of agricultural carbon emission in China[J].China Population， Resources and Environment， 2011，21（8）：80-86.

[25] 楊一鳴， 王健. 中國城鄉(xiāng)實(shí)體要素流動對城鄉(xiāng)融合發(fā)展的影響機(jī)制研究[J]. 地理科學(xué)進(jìn)展，2022，41（12）：2191-2202.

YANG Y M， WANG J. Study on the influence mechanismof physical factor flow between urban and rural areas on thedevelopment of urban-rural integration in China[J]. Progress inGeography， 2022，41（12）：2191-2202.