摘要：在數(shù)字經(jīng)濟(jì)時(shí)代，推動(dòng)全產(chǎn)業(yè)碳減排是應(yīng)對(duì)全球氣候變化風(fēng)險(xiǎn)的有效舉措，考察數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)農(nóng)業(yè)碳排放的影響對(duì)中國(guó)農(nóng)業(yè)實(shí)現(xiàn)碳中和具有前瞻性意義?；谥袊?guó)大陸31個(gè)?。▍^(qū)、市）1996—2020年的農(nóng)業(yè)生產(chǎn)面板數(shù)據(jù)，采用排放系數(shù)法測(cè)算農(nóng)業(yè)碳排放量，通過(guò)環(huán)境庫(kù)茲涅茨曲線繪制與EKC檢驗(yàn)來(lái)分析農(nóng)業(yè)碳排放達(dá)峰趨勢(shì)并作空間自相關(guān)性分析。利用熵值法測(cè)算各?。▍^(qū)、市）2011—2022年數(shù)字經(jīng)濟(jì)發(fā)展水平，采用空間計(jì)量模型、影響機(jī)制分析、異質(zhì)性檢驗(yàn)來(lái)研究數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)農(nóng)業(yè)碳排放的影響。中國(guó)農(nóng)業(yè)碳排放總體上于2014年實(shí)現(xiàn)達(dá)峰，全局Moran's I指數(shù)波動(dòng)上升，農(nóng)業(yè)碳排放強(qiáng)度變化表現(xiàn)出明顯局部地理空間聚集趨勢(shì)，數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)農(nóng)業(yè)碳排放強(qiáng)度具有平均意義上32.6%的抑制作用。提出發(fā)展生態(tài)農(nóng)業(yè)和提高農(nóng)村數(shù)字經(jīng)濟(jì)滲透率等政策建議。

關(guān)鍵詞：農(nóng)業(yè)碳排放；數(shù)字經(jīng)濟(jì)；環(huán)境庫(kù)茲涅茨曲線模型；空間杜賓模型

中圖分類號(hào)：F323；F49文獻(xiàn)標(biāo)志碼：A

0引言

隨著工業(yè)化的推進(jìn)，溫室氣體排放量與日俱增，全球氣候變暖。中國(guó)在聯(lián)合國(guó)氣候變化峰會(huì)上公布“碳達(dá)峰”目標(biāo)，即在2030年前逐步實(shí)現(xiàn)碳排放峰值，之后盡快使碳排放量下降。研究碳達(dá)峰的文獻(xiàn)從研究主題可分為2類：（1）歷史實(shí)際測(cè)算：胡婉玲等[1]研究發(fā)現(xiàn)全國(guó)、東、中、西部的農(nóng)業(yè)碳排放量分別在2015年、2005年、2015年和2016年達(dá)到峰值。鄭軍和劉婷[2]測(cè)算出全國(guó)種植業(yè)碳排放量在2015年達(dá)峰，劃分出達(dá)峰期、平臺(tái)期和下降期。曾賢剛等[3]計(jì)算出中國(guó)種植業(yè)和畜牧業(yè)將在2015年穩(wěn)定達(dá)峰。（2）未來(lái)前瞻預(yù)測(cè)：于貴瑞等[4]指出碳排放量將在2025年達(dá)峰。洪競(jìng)科等[5]測(cè)算出在參考情景下，中國(guó)碳排放將在2041年步入平臺(tái)期，考慮碳排放約束情景、供給側(cè)結(jié)構(gòu)性改革情景，中國(guó)將分別在2033年、2029年碳達(dá)峰。從研究方法可分為3類：（1）聚類分析：郭芳等[6]

運(yùn)用聚類分析方法將中國(guó)城市達(dá)峰趨勢(shì)分為低碳潛力型、低碳示范型、人口流失型、資源依賴型和傳統(tǒng)工業(yè)轉(zhuǎn)型期城市；（2）STIRPAT模型：冉錦成等[7]基于STIRPAT模型擬合新疆農(nóng)業(yè)碳排放峰值，得出基準(zhǔn)情景和低碳情景下峰值分別出現(xiàn)在2040年和2029年；（3）灰色預(yù)測(cè)模型：劉楊和劉鴻斌[8]建立灰色預(yù)測(cè)模型GM（1，1）對(duì)山東省2021—2045年的農(nóng)業(yè)碳排放量進(jìn)行預(yù)測(cè)，得出其在2020年后下降，在2030年前已達(dá)峰；（4）環(huán)境庫(kù)茲涅茨曲線模型檢驗(yàn)：顏廷武等[9]對(duì)中國(guó)農(nóng)業(yè)碳排放時(shí)間序列數(shù)據(jù)進(jìn)行EKC檢驗(yàn)，基于此研究拐點(diǎn)變動(dòng)。通過(guò)計(jì)算農(nóng)業(yè)碳排放量或情景預(yù)測(cè)得出碳達(dá)峰指標(biāo)的文獻(xiàn)屢見(jiàn)不鮮，故以科學(xué)評(píng)估碳達(dá)峰目標(biāo)完成進(jìn)度為目的，通過(guò)繪制環(huán)境庫(kù)茲涅茨（EKC）曲線來(lái)直觀觀測(cè)，采用EKC檢驗(yàn)方法的文獻(xiàn)多基于時(shí)間序列數(shù)據(jù)回歸，因此進(jìn)行基于面板回歸的EKC檢驗(yàn)，若EKC曲線為理想形狀即倒U型，且EKC檢驗(yàn)結(jié)果對(duì)應(yīng)倒U型曲線，則說(shuō)明碳達(dá)峰在農(nóng)業(yè)領(lǐng)域的子目標(biāo)已實(shí)現(xiàn)。

在雙碳目標(biāo)的驅(qū)動(dòng)下，考察數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)碳排放的關(guān)系可為科學(xué)減排降碳提供理論支撐?？v覽研究數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)碳排放關(guān)系的文獻(xiàn)，從研究結(jié)論看，劉震等[10]研究農(nóng)村數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放的區(qū)域異質(zhì)性和科學(xué)技術(shù)投入異質(zhì)性影響，得出碳減排效應(yīng)在東部、西部和高科學(xué)技術(shù)投入地區(qū)更加顯著；李鑫等[11]利用雙重固定效應(yīng)和中介效應(yīng)模型得出數(shù)字經(jīng)濟(jì)可以通過(guò)提高農(nóng)業(yè)技術(shù)創(chuàng)新水平和人力資本水平來(lái)抑制農(nóng)業(yè)碳排放。從數(shù)據(jù)來(lái)看，楊琳焱[12]運(yùn)用SBM-GML模型測(cè)算農(nóng)業(yè)碳排放效率，引入基于地理空間矩陣數(shù)據(jù)的空間杜賓模型驗(yàn)證數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放效率的作用；陳中偉和湯燦[13]以時(shí)空演變視角基于鄰接矩陣數(shù)據(jù)分析數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放的溢出效應(yīng)?？梢园l(fā)現(xiàn)，以往文獻(xiàn)多基于鄰接矩陣數(shù)據(jù)估計(jì)空間溢出效應(yīng)，故在創(chuàng)建鄰接矩陣之外又生成經(jīng)濟(jì)距離矩陣數(shù)據(jù)，以保證空間估計(jì)的穩(wěn)健性，如果數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)碳排放顯著負(fù)相關(guān)，則應(yīng)深化數(shù)字經(jīng)濟(jì)在農(nóng)業(yè)中的滲透。

1研究設(shè)計(jì)與數(shù)據(jù)來(lái)源

1.1 EKC曲線模型設(shè)定

環(huán)境庫(kù)茲涅茨曲線（EKC）理論形成以二次、三次多項(xiàng)式為主的多種回歸模型，二次多項(xiàng)式多對(duì)應(yīng)于倒U型EKC曲線，三次多項(xiàng)式涵蓋單調(diào)線性圖形、倒U型曲線、N型曲線和倒N型曲線。若三次函數(shù)曲線與實(shí)際數(shù)據(jù)有出入或未通過(guò)顯著性檢驗(yàn)，則舍棄三次項(xiàng)，檢驗(yàn)二次函數(shù)。以下簡(jiǎn)化版模型用以研究中國(guó)農(nóng)業(yè)碳排放強(qiáng)度與農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度間的關(guān)系：

lnPCO2it=β0+β1lnPGDPit+β2（lnPGDPit） +εit（1）

lnPCO2it=β0+β1lnPGDPit+β2（lnPGDPit）2+β（lnPGDP3） +ititε3

（2）

式中：PCO2it為第i?。▍^(qū)、市）第t年的農(nóng)業(yè)碳排放強(qiáng)度；PGDPit為第i?。▍^(qū)、市）第t年的農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度；εit為隨機(jī)誤差干擾項(xiàng)；β0為常數(shù)項(xiàng)；β1、β2、β3為待估參數(shù)，根據(jù)其符號(hào)判斷EKC曲線形態(tài)（表1）。

1.2空間計(jì)量模型設(shè)定

作為區(qū)域經(jīng)濟(jì)學(xué)的重點(diǎn)之一，空間依賴性是指地理物體之間相互關(guān)聯(lián)，在空間上接近的地理物體關(guān)聯(lián)程度較高。空間計(jì)量模型引入傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)忽略的空間因素，考慮數(shù)據(jù)非勻質(zhì)性，考察變量間的空間依賴性與交互效應(yīng)，空間計(jì)量模型將空間依賴性設(shè)置成以下3種形式。

空間滯后模型（SAR）含有被解釋變量的空間滯后項(xiàng)，當(dāng)空間依賴性具有關(guān)鍵作用而引致空間相關(guān)時(shí)使用：

空間誤差模型（SEM）加入空間誤差項(xiàng)的空間滯后項(xiàng)，當(dāng)誤差項(xiàng)在空間上相關(guān)時(shí)使用：

lnACEIit=α+β1DEit+β2lnFPIit+β3lnFEPEit

空間杜賓模型（SDM）同時(shí)加入被解釋變量和所有解釋變量的空間滯后項(xiàng)與空間誤差項(xiàng)，當(dāng)本地被解釋變量變化不僅受到本地解釋變量影響，還受鄰地解釋變量影響時(shí)使用：

式中：ACEI（農(nóng)業(yè)碳排放強(qiáng)度）為被解釋變量，DE（數(shù)字經(jīng)濟(jì)發(fā)展水平）為核心解釋變量，F(xiàn)PI（農(nóng)民人均收入）、FEPE（財(cái)政環(huán)境保護(hù)支出）、BY（處理農(nóng)業(yè)廢棄物沼氣工程的產(chǎn)氣總量）、RP（鄉(xiāng)村人口）為控制變量。

1.3農(nóng)業(yè)碳排放測(cè)算

研究從4個(gè)維度構(gòu)建中國(guó)農(nóng)業(yè)碳排放量測(cè)算指標(biāo)評(píng)價(jià)體系，一是農(nóng)業(yè)投入碳排放，涵蓋化肥（氮肥、磷肥、鉀肥和復(fù)合肥）、柴油與農(nóng)藥的碳排放量；二是電力灌溉碳排放；三是養(yǎng)殖業(yè)碳排放，涉及牛、豬和羊的碳排放，來(lái)自于腸道發(fā)酵產(chǎn)生的甲烷排放和排泄物引起的甲烷與氧化亞氮排放；四是農(nóng)作物碳排放，細(xì)分為稻谷、小麥、豆類、玉米、蔬菜和其他農(nóng)作物的碳排放。田云和尹忞昊[14]的碳排放系數(shù)法，將4個(gè)維度16類碳源的數(shù)量或面積分別與對(duì)應(yīng)的農(nóng)業(yè)碳排放系數(shù)（表2）相乘，再對(duì)乘積求和即可得到總體農(nóng)業(yè)碳排放量。

式中：C、C（c下標(biāo)c為碳源種類）分別表示農(nóng)業(yè)碳排放總量與各類具體碳源所引致的碳排放量，Tc、δc分別表示各類指標(biāo)的數(shù)量或面積及與之相應(yīng)的碳

排放系數(shù)。

農(nóng)業(yè)碳排放強(qiáng)度PCO（2ACEI）為農(nóng)業(yè)碳排放量與農(nóng)作物面積之比，農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度PGDP表示單位農(nóng)作物面積上的農(nóng)業(yè)產(chǎn)值。出于縮小數(shù)據(jù)以減少波動(dòng)的目的，對(duì)這兩個(gè)變量取對(duì)數(shù)，記為：lnPCO2it=ln（PCO2）；lnPGDPit=ln（PGDP）。

1.4數(shù)字經(jīng)濟(jì)測(cè)算

確定數(shù)字經(jīng)濟(jì)發(fā)展水平綜合指數(shù)需要選擇不同指標(biāo)并賦予權(quán)重，賦權(quán)法分為主觀賦權(quán)法和客觀賦權(quán)法，主觀賦權(quán)法主觀判斷指標(biāo)間相對(duì)重要程度并分別賦予相應(yīng)權(quán)重；客觀賦權(quán)法根據(jù)指標(biāo)原始信息賦權(quán)。為避免主觀賦權(quán)不準(zhǔn)確，采用客觀賦權(quán)法中的熵值法對(duì)數(shù)字普惠金融指數(shù)、農(nóng)村寬帶接入用戶、電信業(yè)務(wù)總量、光纜線路長(zhǎng)度4個(gè)指標(biāo)進(jìn)行測(cè)算，屬性均為正。作為互聯(lián)網(wǎng)發(fā)展指標(biāo)之一的農(nóng)村寬帶接入用戶越高，說(shuō)明互聯(lián)網(wǎng)用戶規(guī)模越大，網(wǎng)絡(luò)效應(yīng)的發(fā)揮使數(shù)字經(jīng)濟(jì)發(fā)展得越好。電信業(yè)務(wù)總量可以衡量信息化產(chǎn)出水平，電信業(yè)務(wù)總量越高，則信息化水平越高，對(duì)數(shù)字經(jīng)濟(jì)發(fā)展越有利。光纜線路長(zhǎng)度體現(xiàn)信息化基礎(chǔ)設(shè)施建設(shè)水平，光纜線路越長(zhǎng)，說(shuō)明信息化投入越高，則數(shù)字經(jīng)濟(jì)發(fā)展的保障性越強(qiáng)。

式（7）為指標(biāo)同度量化，式（8）為熵權(quán)測(cè)量，式（9）為信息效用價(jià)值計(jì)算，式（10）為各指標(biāo)權(quán)重測(cè)算[15]。

1.5空間自相關(guān)檢驗(yàn)

制作31個(gè)?。▍^(qū)、市）以農(nóng)業(yè)碳排放強(qiáng)度為代表的經(jīng)濟(jì)距離矩陣，測(cè)度2個(gè)區(qū)域在經(jīng)濟(jì)空間的距離，公式如下：

式中：W是權(quán)重矩陣，g、g分別代表1996ijij?2020年地區(qū)i、j農(nóng)業(yè)碳排放強(qiáng)度的平均值，gi、gj之間的差值越小，Wij越大，說(shuō)明地區(qū)在經(jīng)濟(jì)空間中越相近。

莫蘭指數(shù)被用于研究同一區(qū)域內(nèi)變量的數(shù)值之間是否具有相互關(guān)聯(lián)的潛力，公式為：

莫蘭指數(shù)

I的取值區(qū)間一般為（-1.0，1.0），當(dāng)I>0時(shí)，存在空間正相關(guān)性，莫蘭值越大，空間相關(guān)性越強(qiáng)；當(dāng)I<0時(shí)，空間呈負(fù)相關(guān)性，其數(shù)值越小，空間差異性越大；當(dāng)I=0時(shí)，不存在空間相關(guān)性。

1.6數(shù)據(jù)來(lái)源

基于數(shù)據(jù)與研究的相關(guān)性以及可得性，采集中國(guó)大陸31個(gè)?。▍^(qū)、市）1996—2020年的面板數(shù)據(jù)，涉及數(shù)字經(jīng)濟(jì)的影響效應(yīng)分析部分選用2011—2022年數(shù)據(jù)，所有數(shù)據(jù)取自《中國(guó)畜牧獸醫(yī)年鑒》《中國(guó)農(nóng)業(yè)統(tǒng)計(jì)資料》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)業(yè)年鑒》《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》等統(tǒng)計(jì)年鑒、國(guó)家統(tǒng)計(jì)局網(wǎng)站和北京大學(xué)數(shù)字金融研究中心，對(duì)個(gè)別缺失數(shù)據(jù)用插值法補(bǔ)齊。

2中國(guó)農(nóng)業(yè)碳排放時(shí)空演進(jìn)分析

2.1中國(guó)農(nóng)業(yè)碳排放時(shí)間序列分析

將31?。▍^(qū)、市）的農(nóng)業(yè)碳排放強(qiáng)度與農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度數(shù)據(jù)分別加總得到全國(guó)層面時(shí)間序列數(shù)據(jù)，樣本范圍為1996—2020年，分離出31個(gè)省（區(qū)、市）1996—2020年的時(shí)間序列數(shù)據(jù)并分別統(tǒng)計(jì)達(dá)峰時(shí)間（表3），繪制全國(guó)層面EKC曲線圖。

圖1說(shuō)明全國(guó)層面已于農(nóng)業(yè)總產(chǎn)值約為5.185 1×104億元時(shí)實(shí)現(xiàn)農(nóng)業(yè)碳達(dá)峰，對(duì)應(yīng)達(dá)峰時(shí)間為2014年。在農(nóng)業(yè)現(xiàn)代化的推進(jìn)過(guò)程中，化肥、柴油、農(nóng)藥、農(nóng)業(yè)機(jī)械、農(nóng)膜等農(nóng)用物資投入的增加在提升農(nóng)業(yè)產(chǎn)出的同時(shí)也帶來(lái)了農(nóng)業(yè)污染，但經(jīng)濟(jì)發(fā)展由粗放式向集約式轉(zhuǎn)變更是大勢(shì)所趨，農(nóng)業(yè)經(jīng)濟(jì)開(kāi)始依靠農(nóng)用物資質(zhì)量和利用率的提高，以及農(nóng)用物資的優(yōu)化組合，通過(guò)更新生產(chǎn)技術(shù)、提升農(nóng)民素質(zhì)和加強(qiáng)農(nóng)作物秸稈等廢棄物的循環(huán)利用等來(lái)促進(jìn)自身增長(zhǎng)。

2.2基于面板回歸的EKC檢驗(yàn)

2.2.1單位根檢驗(yàn)

表4報(bào)告自然對(duì)數(shù)序列l(wèi)nPCO2和lnPGDP、（ln?PGDP）2、（lnPGDP）3及其一階差分序列的單位根檢驗(yàn)結(jié)果，3個(gè)自然對(duì)數(shù)序列l(wèi)nPGDP、（lnPGDP）2、（lnP?GDP）3非平穩(wěn)，△lnPCO2和△lnPGDP、△（lnPGDP）2、△（lnPGDP）3這4個(gè)一階差分序列都平穩(wěn)，其中△（lnPGDP）3經(jīng)過(guò)二階滯后平穩(wěn)，故可以對(duì)△ln?PCO2～I(xiàn)（1）和△ lnPGDP～I(xiàn)（1）、△（lnPGDP）2～I(xiàn)（1）、△（lnPGDP）3～（I 1）進(jìn)行協(xié)整檢驗(yàn)。

2.2.2協(xié)整檢驗(yàn)與格蘭杰因果關(guān)系檢驗(yàn)

面板協(xié)整檢驗(yàn)結(jié)果見(jiàn)表5，3個(gè)檢驗(yàn)標(biāo)準(zhǔn)都在1%的顯著性水平下拒絕變量間不存在協(xié)整關(guān)系的原假設(shè)，故可對(duì)lnPCO2和lnPGDP、（lnPGDP）2、（lnP?GDP）3作面板回歸。表6為面板格蘭杰因果關(guān)系檢驗(yàn)結(jié)果，在1%的顯著性水平下拒絕“l(fā)nPGDP不是lnPCO2的格蘭杰原因”原假設(shè)與“l(fā)nPCO2不是lnPG?DP、（lnPGDP）2、（lnPGDP）3的格蘭杰原因”原假設(shè)，說(shuō)明lnPCO2同lnPGDP存在雙向格蘭杰因果關(guān)系，這將保證后續(xù)EKC檢驗(yàn)結(jié)果的準(zhǔn)確性。

2.2.3 EKC系數(shù)估計(jì)

經(jīng)過(guò)表7與實(shí)際數(shù)據(jù)的比對(duì)，選擇沒(méi)有三次方項(xiàng)的模型2[16]，回歸方程為：

lnPCO2=-0.042（lnPGDP）2+0.988lnPGDP+0.682

對(duì)稱軸為n=11.76，對(duì)應(yīng)的拐點(diǎn)臨界值PGDP為1.280 27×105。由β1>0，β2<0可知農(nóng)業(yè)碳排放強(qiáng)度與農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度間存在“倒U型”關(guān)系，與前文繪制的全國(guó)EKC曲線形狀一致。在農(nóng)業(yè)發(fā)展的前一階段，農(nóng)業(yè)勞動(dòng)力資本邊際報(bào)酬遞減，農(nóng)用物資投入的增加成為農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的主導(dǎo)力量，化肥、柴油、農(nóng)藥、農(nóng)機(jī)投入增多，農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度與農(nóng)業(yè)碳排放強(qiáng)度同向上升。隨著農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展，粗放型農(nóng)業(yè)發(fā)展模式逐漸暴露出環(huán)境污染的弊端，人們不得不研發(fā)應(yīng)用現(xiàn)代化農(nóng)業(yè)生產(chǎn)技術(shù)，如智能農(nóng)業(yè)機(jī)械、精準(zhǔn)播種技術(shù)，在提高農(nóng)業(yè)生產(chǎn)率的同時(shí)降低了農(nóng)業(yè)碳排放強(qiáng)度。

2.3空間自相關(guān)性分析

空間自相關(guān)性分析能定量刻畫農(nóng)業(yè)碳排放強(qiáng)度的空間依賴性和空間演化規(guī)律，是正確建立空間誤差、滯后、杜賓這3種計(jì)量模型的必要條件，分為全局和局部空間自相關(guān)性檢驗(yàn)，全局空間自相關(guān)性分析通過(guò)計(jì)算Moran′s I統(tǒng)計(jì)量來(lái)反映各?。▍^(qū)、市）農(nóng)業(yè)碳排放強(qiáng)度的總體空間關(guān)聯(lián)程度，局域空間自相關(guān)性檢驗(yàn)通過(guò)繪制跳躍年份的莫蘭散點(diǎn)圖來(lái)觀察空間對(duì)象的空間異質(zhì)性，反映各?。▍^(qū)、市）與其鄰近?。▍^(qū)、市）在農(nóng)業(yè)碳排放強(qiáng)度上的空間依賴程度。

2.3.1全局Moran′s I指數(shù)

表8報(bào)告了莫蘭指數(shù)I和p值，1996—2020年的莫蘭值均為正，且基本上均通過(guò)了10%的顯著性水平檢驗(yàn)，說(shuō)明31個(gè)?。▍^(qū)、市）農(nóng)業(yè)碳排放強(qiáng)度的空間正相關(guān)性大致明顯。Moran′s I指數(shù)呈升-降-升的波動(dòng)變化態(tài)勢(shì)，從1996年的0.138上升到2020年的0.457，即整體呈上升趨勢(shì)，說(shuō)明農(nóng)業(yè)碳排放強(qiáng)度的聚集程度曲折深化。

2.3.2局部莫蘭散點(diǎn)圖

圖2刻畫了1996年、2010年、2020年的農(nóng)業(yè)碳排放強(qiáng)度莫蘭散點(diǎn)圖，31個(gè)省（區(qū)、市）被劃分為4個(gè)象限，第1象限是高-高聚集區(qū)（H-H），表示該區(qū)域附近區(qū)域都具有較高的農(nóng)業(yè)碳排放強(qiáng)度；第2象限是低-高聚集區(qū)（L-H），表示該區(qū)域農(nóng)業(yè)碳排放強(qiáng)度較低，而附近區(qū)域的農(nóng)業(yè)碳排放強(qiáng)度較高；第3象限是低-低聚集區(qū)（L-L），表示該區(qū)域與附近區(qū)域均存在較低的農(nóng)業(yè)碳排放強(qiáng)度；第4象限是高-低聚集區(qū)（H-L），表示該區(qū)域農(nóng)業(yè)碳排放強(qiáng)度較高，而附近區(qū)域的農(nóng)業(yè)碳排放強(qiáng)度較低。由圖2可知，擬合曲線斜率為正，說(shuō)明農(nóng)業(yè)碳排放強(qiáng)度在空間上具有高-高聚集與低-低聚集特征，即存在空間正相關(guān)性。第1象限有上海、江蘇等多個(gè)以東部地區(qū)為主的省市，反映了高農(nóng)業(yè)碳排放強(qiáng)度集聚在東部的地理空間分布上具有依賴性；第2象限有內(nèi)蒙古、甘肅、湖北等多個(gè)以中西部地區(qū)為主的省市，反映了低農(nóng)業(yè)碳排放強(qiáng)度集聚在中西部的地理空間分布上具有依賴性，這可能是因?yàn)闁|部的農(nóng)業(yè)機(jī)械化水平、人口密度及農(nóng)產(chǎn)品需求量比中西部的更高，而東部的可播種土地比中西部的更破碎稀缺，從而東部的農(nóng)業(yè)碳排放量大于中西部，農(nóng)業(yè)播種面積小于中西部，導(dǎo)致東部的農(nóng)業(yè)碳排放強(qiáng)度普遍高于中西部。

3數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放的影響效應(yīng)分析

當(dāng)前數(shù)字經(jīng)濟(jì)正處于發(fā)展前期，新興數(shù)據(jù)要素與傳統(tǒng)農(nóng)業(yè)生產(chǎn)要素的交叉融合加速要素邊際報(bào)酬遞增，對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)發(fā)揮乘數(shù)效應(yīng)和倍增作用。數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響在打破地理空間限制的過(guò)程中外溢到鄰近地區(qū)，產(chǎn)生空間溢出效應(yīng)?？紤]到中國(guó)的區(qū)位差異性，對(duì)數(shù)字經(jīng)濟(jì)發(fā)展的農(nóng)業(yè)降碳效應(yīng)分別作東中西部地區(qū)單獨(dú)回歸分析。

3.1影響機(jī)制分析

表9顯示數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放強(qiáng)度的估計(jì)結(jié)果，估計(jì)系數(shù)為-0.326，且在5％水平上顯著，說(shuō)明數(shù)字經(jīng)濟(jì)（DE）與農(nóng)業(yè)碳排放強(qiáng)度（lnACEI）之間存在著顯著負(fù)相關(guān)關(guān)系，即數(shù)字經(jīng)濟(jì)的發(fā)展對(duì)農(nóng)業(yè)碳排放有顯著抑制作用，數(shù)字經(jīng)濟(jì)發(fā)展水平每提高1個(gè)單位，農(nóng)業(yè)碳排放強(qiáng)度將降低32.6%?？赡芙忉尀椋簲?shù)字基礎(chǔ)設(shè)施向農(nóng)村延伸有利于彌合農(nóng)村居民的數(shù)字鴻溝，農(nóng)戶在接觸互聯(lián)網(wǎng)的過(guò)程中了解運(yùn)用低碳農(nóng)業(yè)生產(chǎn)方式，注意廢棄物循環(huán)利用；數(shù)字技術(shù)通過(guò)實(shí)時(shí)跟蹤農(nóng)作物面積、化肥農(nóng)藥施用量、農(nóng)產(chǎn)品需求量等數(shù)據(jù)，精確測(cè)算出碳排放以便農(nóng)戶按需生產(chǎn)和減排控碳；綠色數(shù)字金融產(chǎn)品螞蟻森林依托數(shù)字平臺(tái)讓2億多用戶將碳減排付諸實(shí)踐，數(shù)字金融還打破了傳統(tǒng)金融對(duì)農(nóng)村地區(qū)的限制，有利于農(nóng)民增收和引進(jìn)低碳環(huán)保技術(shù)。為檢驗(yàn)數(shù)字經(jīng)濟(jì)發(fā)展水平影響農(nóng)業(yè)碳排放強(qiáng)度中存在的中介效應(yīng)，采用江艇[17]的檢驗(yàn)思路，摒棄中介變量對(duì)被解釋變量的影響估計(jì)，選用農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度作為中介變量引入模型。從回歸結(jié)果可以看出，農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度對(duì)數(shù)字經(jīng)濟(jì)的回歸系數(shù)顯著為正，即數(shù)字經(jīng)濟(jì)發(fā)展水平越好，農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度越高。數(shù)字經(jīng)濟(jì)通過(guò)數(shù)字技術(shù)促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展，大數(shù)據(jù)精準(zhǔn)匹配農(nóng)產(chǎn)品供需兩端，農(nóng)產(chǎn)品種植結(jié)構(gòu)優(yōu)化，信息不對(duì)稱地消除降低供需錯(cuò)配概率，農(nóng)業(yè)生產(chǎn)利潤(rùn)率提高。根據(jù)前文基于環(huán)境庫(kù)茲涅茨理論的EKC曲線分析，2011—2020年農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度與農(nóng)業(yè)碳排放強(qiáng)度大致呈反向變動(dòng)關(guān)系。因此數(shù)字經(jīng)濟(jì)發(fā)展可以通過(guò)提高農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平來(lái)降低農(nóng)業(yè)碳排放。

表10中基于鄰接矩陣和經(jīng)濟(jì)距離矩陣的結(jié)果基本一致，其中，數(shù)字經(jīng)濟(jì)發(fā)展水平的空間溢出效應(yīng)為-0.537，通過(guò)1%置信水平下的顯著性檢驗(yàn)，說(shuō)明數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放具有負(fù)向空間溢出效應(yīng)，即該地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平每提高1單位，相鄰地區(qū)農(nóng)業(yè)碳排放強(qiáng)度將降低53.7%?？赡艿慕忉尀椋恨r(nóng)業(yè)技術(shù)公司利用數(shù)字經(jīng)濟(jì)平臺(tái)公布招聘信息吸引人才，農(nóng)業(yè)技術(shù)研發(fā)者借助數(shù)字經(jīng)濟(jì)平臺(tái)對(duì)比相鄰區(qū)域的薪資待遇差異，人才跨區(qū)域流動(dòng)攜帶農(nóng)業(yè)技術(shù)移植與擴(kuò)散，相鄰區(qū)域農(nóng)業(yè)碳排放強(qiáng)度受到抑制。

3.3異質(zhì)性檢驗(yàn)

進(jìn)一步研究數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)碳排放強(qiáng)度的區(qū)域異質(zhì)性，利用固定效應(yīng)模型得出回歸結(jié)果見(jiàn)表11。在中西部地區(qū)，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放強(qiáng)度的估計(jì)系數(shù)都顯著為負(fù)，表明隨著數(shù)字經(jīng)濟(jì)的發(fā)展，中西部的農(nóng)業(yè)碳減排效果較好。中西部地區(qū)正處于農(nóng)業(yè)上升期，農(nóng)村電商等數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化在農(nóng)村的實(shí)現(xiàn)增加了農(nóng)民非農(nóng)就業(yè)，就業(yè)渠道的增加使農(nóng)民不必一味增加農(nóng)用物資投入，農(nóng)業(yè)碳排放強(qiáng)度下降。東部地區(qū)系數(shù)不顯著，可能是因?yàn)闁|部地區(qū)農(nóng)作物需求多、產(chǎn)量大，數(shù)字經(jīng)濟(jì)發(fā)展雖然較快，但被農(nóng)業(yè)碳排放量部分抵消了擴(kuò)散效應(yīng)。

4結(jié)論與建議

4.1結(jié)論

整理31?。▍^(qū)、市）1996—2020年農(nóng)業(yè)生產(chǎn)數(shù)據(jù)，采用熵值法測(cè)算了數(shù)字經(jīng)濟(jì)發(fā)展水平，構(gòu)建了農(nóng)業(yè)碳排放量評(píng)價(jià)指標(biāo)體系并測(cè)算出農(nóng)業(yè)碳排放強(qiáng)度，通過(guò)繪制環(huán)境庫(kù)茲涅茨（EKC）曲線和進(jìn)行EKC檢驗(yàn)來(lái)分析農(nóng)業(yè)碳排放達(dá)峰趨勢(shì)，在EKC檢驗(yàn)之前通過(guò)了面板單位根檢驗(yàn)、面板協(xié)整檢驗(yàn)、面板格蘭杰因果關(guān)系檢驗(yàn)，再通過(guò)中介效應(yīng)檢驗(yàn)、空間杜賓模型、異質(zhì)性分析來(lái)研究數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)農(nóng)業(yè)碳排放強(qiáng)度所產(chǎn)生的效應(yīng)。得到如下結(jié)論：①農(nóng)業(yè)碳排放的EKC曲線以倒U型特征為主，即在1996—2020年的時(shí)間跨度下，農(nóng)業(yè)碳排放強(qiáng)度先與農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度同向變動(dòng)，后反向變動(dòng)，說(shuō)明農(nóng)業(yè)生產(chǎn)領(lǐng)域已經(jīng)實(shí)現(xiàn)碳達(dá)峰；②由于數(shù)字經(jīng)濟(jì)起步較晚，出于數(shù)據(jù)可得性考慮將小時(shí)間跨度2011—2022年作為前一個(gè)大研究期的后半段，在此小研究期內(nèi)，全局Moran′s I指數(shù)波動(dòng)上升，各?。▍^(qū)、市）農(nóng)業(yè)碳排放量的變化表現(xiàn)出明顯的局部地理空間聚集趨勢(shì)；③數(shù)字經(jīng)濟(jì)發(fā)展對(duì)農(nóng)業(yè)碳排放強(qiáng)度有一定的抑制作用，數(shù)字經(jīng)濟(jì)通過(guò)提高農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度來(lái)發(fā)揮降碳作用，該地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平每提高1個(gè)單位會(huì)導(dǎo)致相鄰地區(qū)農(nóng)業(yè)碳排放強(qiáng)度降低53.7%，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳減排的促進(jìn)效應(yīng)在中西部較為顯著。前后文的聯(lián)系在于，中介變量農(nóng)業(yè)經(jīng)濟(jì)強(qiáng)度對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響可通過(guò)基于環(huán)境庫(kù)茲涅茨理論的EKC曲線分析來(lái)驗(yàn)證。

4.2建議

（1）發(fā)展生態(tài)農(nóng)業(yè)，鞏固農(nóng)業(yè)碳達(dá)峰成果。兼顧社會(huì)經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境保護(hù)，發(fā)展現(xiàn)代化生態(tài)農(nóng)業(yè)與設(shè)施農(nóng)業(yè)，擴(kuò)大有機(jī)肥和病蟲害生物防治技術(shù)應(yīng)用，控制農(nóng)業(yè)碳源；加強(qiáng)對(duì)農(nóng)村居民的環(huán)保宣傳與低碳技術(shù)使用培訓(xùn)，減少農(nóng)業(yè)廢棄物，提高資源利用效率和農(nóng)業(yè)全要素生產(chǎn)率；實(shí)行低碳經(jīng)濟(jì)行為獎(jiǎng)勵(lì)示范從而引導(dǎo)農(nóng)業(yè)碳排放強(qiáng)度繼續(xù)下降，促進(jìn)農(nóng)業(yè)綠色低碳轉(zhuǎn)型及人與自然和諧共生的可持續(xù)發(fā)展。

（2）提高農(nóng)村數(shù)字經(jīng)濟(jì)滲透率，推動(dòng)農(nóng)業(yè)數(shù)智化轉(zhuǎn)型。加強(qiáng)農(nóng)村人口互聯(lián)網(wǎng)銷售能力培訓(xùn)，改進(jìn)鄉(xiāng)村數(shù)字基礎(chǔ)設(shè)施；促進(jìn)無(wú)人機(jī)、大數(shù)據(jù)、物聯(lián)網(wǎng)等數(shù)字技術(shù)在農(nóng)業(yè)生產(chǎn)上的應(yīng)用，提高病蟲害的監(jiān)測(cè)、預(yù)防和治理的時(shí)效性進(jìn)而減少農(nóng)藥使用量；發(fā)揮數(shù)字普惠金融對(duì)農(nóng)業(yè)低碳生產(chǎn)方式的支持作用，讓農(nóng)民能享受到更加便利的數(shù)字金融服務(wù)，破除農(nóng)村金融的“長(zhǎng)尾”局面；因地制宜促進(jìn)農(nóng)業(yè)區(qū)域協(xié)同發(fā)展，提高農(nóng)村數(shù)字經(jīng)濟(jì)滲透率并依托大國(guó)規(guī)模效應(yīng)共享數(shù)b3aaf0ed1a7cbc6ffe8b65479d874ed0d8059a1743556f30e1875381e4b7331e字紅利。

參考文獻(xiàn)：

[1]胡婉玲，張金鑫，王紅玲.中國(guó)農(nóng)業(yè)碳排放特征及影響因素研究[J].統(tǒng)計(jì)與決策，2020，36（5）：56-62.

[2]鄭軍，劉婷.主要發(fā)達(dá)國(guó)家碳達(dá)峰碳中和的實(shí)踐經(jīng)驗(yàn)及對(duì)中國(guó)的啟示[J].中國(guó)環(huán)境管理，2023，15（4）：18-25+43.

[3]曾賢剛，余暢，孫雅琪.中國(guó)農(nóng)業(yè)農(nóng)村碳排放結(jié)構(gòu)與碳達(dá)峰分析[J].中國(guó)環(huán)境科學(xué)，2023，43（4）：1906-1918.

[4]于貴瑞，郝天象，朱劍興.中國(guó)碳達(dá)峰、碳中和行動(dòng)方略之探討[J].中國(guó)科學(xué)院院刊，2022，37（4）：423-434.

[5]洪競(jìng)科，李沅潮，蔡偉光.多情景視角下的中國(guó)碳達(dá)峰路徑模擬：基于RICE-LEAP模型[J].資源科學(xué)，2021，43（4）：639-651.

[6]郭芳，王燦，張?jiān)娀?中國(guó)城市碳達(dá)峰趨勢(shì)的聚類分析[J].中國(guó)環(huán)境管理，2021，13（1）：40-48.

[7]冉錦成，蘇洋，胡金鳳，等.新疆農(nóng)業(yè)碳排放時(shí)空特征、峰值預(yù)測(cè)及影響因素研究[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2017，38（8）：16-24.

[8]劉楊，劉鴻斌.山東省農(nóng)業(yè)碳排放特征、影響因素及達(dá)峰分析[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2022，30（4）：558-569.

[9]顏廷武，田云，張俊飚，等.中國(guó)農(nóng)業(yè)碳排放拐點(diǎn)變動(dòng)及時(shí)空分異研究[J].中國(guó)人口·資源與環(huán)境，2014，24（11）：1-8.

[10]劉震，張曉星，魏威崗.農(nóng)村數(shù)字經(jīng)濟(jì)發(fā)展對(duì)農(nóng)業(yè)碳排放的影響：基于29個(gè)省份的面板數(shù)據(jù)分析[J].江蘇大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023，25（3）：20-32+47.

[11]李鑫，張林，楊祝三，等.數(shù)字經(jīng)濟(jì)是否抑制了農(nóng)業(yè)碳排放：基于中國(guó)城市層面的經(jīng)驗(yàn)證據(jù)[J].西部金融，2023（3）：39-46.

[12]楊琳焱.數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放效率的影響及空間溢出效應(yīng)[J].生產(chǎn)力研究，2023（9）：65-69.

[13]陳中偉，湯燦.數(shù)字經(jīng)濟(jì)發(fā)展對(duì)農(nóng)業(yè)碳排放的影響及其時(shí)空效應(yīng)[J].科技管理研究，2023，43（12）：137-146.

[14]田云，尹忞昊.中國(guó)農(nóng)業(yè)碳排放再測(cè)算：基本現(xiàn)狀、動(dòng)態(tài)演進(jìn)及空間溢出效應(yīng)[J].中國(guó)農(nóng)村經(jīng)濟(jì)，2022（3）：104-127.

[15]王軍，朱杰，羅茜.中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展的水平及演變測(cè)度[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2021，38（7）：36-42.

[16]崔鑫生，韓萌，方志.動(dòng)態(tài)演進(jìn)的倒“U”型環(huán)境庫(kù)茲涅茨曲線[J].中國(guó)人口·資源與環(huán)境，2019，29（9）：74-82.

[17]江艇.因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2022（5）：100-120.

Research on the Promoting Effect of Digital Economy Development Level onAgricultural Carbon Reduction

REN Yi，LUO Lei

（School of Economics， Lanzhou University of Finance and Economics， Lanzhou Gansu 730101， China）

Abstract：In the era of digital economy， promoting industry-wide carbon emission reduction is an effective

measure to to cope with the risks of global climate change. Examining the impact of digital economy development onagricultural carbon emissions has forward-looking significance for achieving carbon neutrality in Chinese agricul?ture. Based on the agricultural production panel data of 31 provinces in Chinese Mainland from 1996 to 2020， theagricultural carbon emissions were measured by the emission coefficient method， and the peak trend of agriculturalcarbon emissions was analyzed through environmental Kuznets curve drawing and EKC test and spatial autocorrela?tion analysis. Using the entropy method to calculate the level of digital economy development in each province（au?tonomous region， municipality directly under the central government）from 2011 to 2022， using spatial econometricmodels， impact mechanism analysis， and heterogeneity tests to study the impact of digital economy development lev?el on agricultural carbon emissions. Overall， China′s agricultural carbon emissions reached their peak in 2014， withglobalMoran′s Iincreasing. The intensity of agricultural carbon emissions showed a clear trend of local geographicspatial clustering， and the level of digital economy development had an average inhibitory effect of 32.6% on agricul?tural carbon emission intensity. Propose policy recommendations on developing ecological agriculture and increas?ing the penetration rate of rural digital economy were put forward.

Key words：agricultural carbon emissions; digital economy; environmental Kuznets curve model;spatial durbinmodel