粮食主产区政策的环境绩效:基于农业碳排放视角

杨晨 胡珮琪 刁贝娣 成金华 崔恒瑜

摘要：农业是全球碳排放的第二大来源。在保证粮食安全的基礎上，如何有效控制农业碳排放，成为中国政府关注的焦点。粮食主产区政策作为保障国家粮食安全的核心政策之一，在实现粮食产量长期稳定增长的同时，评估检验其对农业碳排放的影响具有较强的实践意义。基于2000—2019年中国31个省份的面板数据，构建双重差分（DID）模型判断和分析粮食主产区政策对农业碳排放的影响。进一步利用中介效应模型分析检验主产区政策实现碳减排的机制。结果显示：①粮食主产区政策的实施，能够有效地减少农业碳排放总量，降低农业碳排放密度和强度，其作用效果分别为10.74%、10.35%和15.27%。②从长时间尺度看，主产区政策对粮食碳排放总量、密度和强度的削减作用随时间不断增强，并在2016年达到顶峰。③具体而言，主产区政策主要对生产过程中由化肥投入、农药施用、农膜使用以及机械燃油所产生的碳排放具有显著的负向影响，减碳效果分别为9.9%、11.27%、42.26%、8.41%。④粮食种植比重的增加是粮食主产区政策减碳的有效机制之一，实现了主产区种植结构的调整和规模效应，使农业碳排放总量减少了3.25%，农业碳排放密度降低了3.14%。因此，在保障粮食安全的前提下，为提高粮食生产的环境效率，一方面要继续坚持粮食主产区政策，另一方面也需有针对性地开展相关工作。短期内，主要鼓励农业经营者合理扩大粮食生产规模，提高化学投入品、机械等要素的生产效率;长期内，需继续普及推广绿色生产技术，降低粮食生产对化学投入品等的依赖，逐步向低碳的生产模式转变。关键词粮食主产区;农业碳排放;双重差分

中图分类号F205文献标志码A文章编号1002-2104（2021）12-0035-10DOI：10.12062/cpre.20210804

粮食主产区政策是保障国家粮食安全和实现粮食产量长期稳定增长的关键[-2]。几十年的农业现代化发展，使得中国农业生产的高碳特征十分突岀，对化学品投入和能源等相关生产要素的依赖性逐渐增强[3-5]。统计数据显示，农业部门已经成为全球碳排放的第二大重要来源血，占全球总量的1/4[7]，其中，中国农业碳排放总量占全球的12.54%。2020年第七十五届联合国大会上，中国政府表示将力争在2030年实现碳达峰，并在2060年实现碳中和。如何有效地控制农业部门的碳排放逐渐成为各方关注的重点。2021年“十四五”规划明确提出既要“以粮食生产功能区和重要农产品生产保护区为重点，建设国家粮食安全产业带”，也要实施“以碳强度控制为主、碳总量控制为辅的制度”，推动农业生产向更加低碳、绿色、可持续的方向发展。因此，除保障粮食产量稳定增长外，判断和评估粮食主产区政策对农业碳排放的影响具有重要的现实意义。该研究以2004年初划分粮食主产区的政策为准自然实验，基于2000—2019年31个省份的面板数据，使用双重差分模型评估粮食主产区政策是否对农业碳排放产生影响，并进行一系列的稳健性检验，最后分析其作用机制。

1文献综述与机制分析

1.1文献综述

尽管农业是碳排放的重要部门之一，但中国尚未有官方渠道统计和公布农业生产的碳排放量，因此，许多学者运用不同的方法对中国各省份的农业碳排放量进行测度和计算，并构建不同的模型对其排放绩效等进行研究。李波等”参考已有研究和报告公布的碳排放系数，基于化肥、农药、农膜、柴油、翻耕和农业灌溉等农业生产中的6个碳源，对中国1993—2008年的农业碳排放量进行了测算。田云等「9将农业碳源类型扩展到农地利用、稻田、牲畜肠道发酵和粪便管理等四个方面共16类，测算了1995年至2010年中国各省份的农业碳排放量。吴贤荣等['0]则是在测算碳排放的基础之上，构建了DEA-Malmquist效率指数，对中国各省份的农业碳排放效率变动趋势进行了测度和分析。田成诗等[11]除测算省际农业碳排放量外，通过构造农业碳排放的衍生指标，采用TOPSIS法对省际的农业低碳化水平进行了评价。已有研究普遍采用现有研究或权威报告中公布的各类碳源系数与农业碳源总量相乘获得农业碳排放总量，为碳排放量测算提供了重要的参考。

除农业碳排放的测算外，关于农业碳排放影响因素的研究[12-14]也十分丰富，种植规模、农业技术进步、土地利用方式、经济增长、城镇化水平、人力资本等都被认为是影响农业碳排放的重要因素。刘琼等心利用2000一2016年的省级面板数据研究发现，农地经营规模与农业碳排放之间呈现“U”型关系，经营规模的扩大会提高农户对要素科学配比的敏感性，但过度扩大会降低农户的化肥减量投入倾向，进而影响农业碳排放。农业技术进步对农业碳排放的影响则具备一定的随机性，主要因为它既包含了以提高农业劳动生产率为目标的技术，也包含了以降低环境污染为目标的绿色技术[9'I2]。对于土地利用方式而言，除草地、林地变耕地会增加农业碳排放外[16-17]，陈儒等"的研究发现，草本经济作物与粮食作物相比需要更多农资和农业能源的投入，粮食作物则比木本经济作物需要更多的投入，因此所产生的农业碳排放按照从大到小依次排序为草本经济作物>粮食作物〉木本经济作物。李波等"I和高标等1201的研究则证实，农业碳排放与经济增长之间符合环境库兹涅茨曲线模型。

在粮食产量连年下降的背景下，国家财政部于2003年12月发布《关于改革和完善农业综合开发若干政策措施的意见》（以下简称《意见》），将黑龙江等13个省份划定为粮食主产区。明确提岀，要重视粮食主产区的农业基础设施建设，完善当地的农产品生产条件，扶持和发展产业化的龙头企业和农民专业合作社，并加大财政资金的投入力度。在政策的支持和鼓励下，主产区的粮食产量实现“十二连增”。但是，产量增加所产生的环境问题也受到不少学者的关注。一方面，部分学者从不同的角度针对粮食主产区内的环境绩效进行评估。特别地，考虑粮食主产区的农业规模较大、碳排放总量较高[21]，一些学者专注于对粮食主产区的绿色生产效率s、耕地可持续发展能力[23]以及农业碳排放进行测算和评估[24-25]。另一方面，也有部分学者研究讨论了粮食主产区政策的环境效应。赵丽平等[26]发现在城镇化加速期，粮食主产区生产与环境的协调度要优于粮食平衡区;罗斯炫等[27]发现划分主产区后，13个粮食主产区省份的化肥面源污染强度将会下降。

研究学者围绕农业碳排放和粮食主产区政策分别做了丰富的討论，但是对粮食主产区划分与农业碳排放间关系的研究尚有不足。首先，关于农业碳排放测算的研究，已有学者发现粮食主产省份的农业碳排放普遍较高，是中国农业碳排放的重要来源之一，但并未深究粮食主产区政策在其中发挥的作用。其次，也鲜有研究将粮食主产区政策作为农业碳排放的影响因素进行讨论，反而更多地关注技术采纳、种植结构、土地利用方式等生产因素。最后，对粮食主产区政策环境绩效的评价，已有研究主要关注农药、化肥施用量的变化及其所直接构成的环境指标。综上所述，已有研究对粮食主产区政策与农业碳排放关系的讨论仍然有较强的局限性。

1.2机制分析

由碳排放的测算可知，农业生产过程中的碳排放主要来自化肥投入、农药施用、灌溉用电、机械柴油、土壤耕作等。在追求自给自足和粮食安全的战略目标下，中国粮食生产的集约化程度较高[28]，导致生产的高碳化问题更加严重。已有研究已证明，粮食生产大省较其他地区，农业碳排放问题普遍更加严重。但是，粮食主产区政策的实施对农业碳排放的影响仍需要进行理论分析。尤其，粮食主产区的划定和配套政策的实施会激励相关地区农业经营者粮食生产的积极性，增加粮食生产的比重⑵，进而影响农业碳排放。

粮食主产区政策不仅会促进主产区省份的“趋粮化”，也会进一步对当地的农业碳排放产生影响。一方面，粮食主产区政策会使农业经营者更倾向于种植粮食作物，进而影响其化学品投入水平。一般情况下，粮食主产省份多地势平坦，适宜种植粮食作物或草本经济作物。但是，相较于草本经济作物，粮食作物对于农业化学品投入的依赖性往往更弱3双。因此，更多地种植粮食作物会降低主产区农业经营者化肥、农药等的投入水平，从源头减少农业碳排放量130-31]。另一方面，种植业的“趋粮化”也有助于实现生产的规模化和集中化管理[27]，进而改善原本粗放、高碳的生产模式。具体而言，粮食生产规模的扩大能够增强生产管理的科学性[32]，实现农药、化肥施用的规模效应[27'33]，提高农业机械的利用效率，促进节水技术的普及和灌溉效率的提升財，保障土地和土壤的科学治理[35]，进而降低农用化学品的投入，减少机械柴油和灌溉用电的消耗，以及土壤中有机碳的流失，最终减少了农业碳排放量。粮食主产区政策所导致的“趋粮化”，会对农业化学品投入和生产模式造成影响，进而推动农业碳减排的实现。

2研究设计与数据来源

2.1研究设计

2.1.1双重差分模型

运用双重差分（Difference-in-Difference）的方法评估粮食主产区政策对农业碳排放的影响。具体而言，将粮食主产区的划分作为一项“准自然试验”，利用非粮食主产区省份构造出反事实，在处理组和对照组、划分前和划分后进行两次差分，得到的结果即粮食主产区政策的影响效果。粮食主产区的划分以促进粮食产量稳定增长、保障国家粮食安全为根本目标，有较强的政策性和压力[28]，因此具有构建双重差分模型的基础。并且，粮食主产区的划分带来的，是专门面向主产区实施的、以提高粮食产量和保障粮食安全为基础的一系列政策，因此，无需再对相关政策进行剥离5。

为了分析粮食主产区政策对农业碳排放的影响，构建了双重差分模型（1），为控制不可观测因素对结果产生的影响，控制了各地区固定效应8，和时间固定效应T?ei是误差项，具体如下：

lnCEit=/3-treat，xpost+yxXit+8，+Tt+e，（1）

被解释变量：CE*表示第i个地区在t年的农业碳排放总量。具体测算方法参考了文献[8]、[36]、[37]的研究结果，将农业生产过程中的碳源分为化肥投入、农药施用、农膜使用、机械燃油、灌溉用电以及土壤耕作，并沿袭其研究思路构造碳排放的估算公式：

CE=YCEI=YTJx门（2）

其中：CE为农业碳排放总量，CE，为各类碳源碳排放量，T，为各类碳源的绝对量，b，为各类碳源的碳排放因子。农地利用过程中各类碳源的碳排放因子参考文献[8]和[9]的研究，分别设置为0.8956kg/kg、4.9341kg/kg、5.18kg/kg、0.5927kg/kg、312.6kg/km2、25kg/hm2。

为更好地反映农业碳排放的效率，进一步参考文献[38]和[39]的研究，将被解释变量替换为农业碳排放密度CED*和农业碳排放强度CEIt进行分析，其中，农业碳排放密度为单位播种面积的碳排放量，农业碳排放强度为万元农业GDP的碳排放量。另外，为减少数据异常波动和方便弹性系数解释，对所有被解释变量取对数进行回归。

核心解释变量：treat，xpost，表示第i个地区在t年是否实施了粮食主产区政策，其中treat：和post.均为虚拟变量。一方面，参考《意见》对粮食主产区的划分，treat：表示是否为13个粮食主产区省份（包括黑龙江、吉林、辽宁、内蒙古、河北、河南、山东、江苏、安徽、四川、湖南、湖北以及江西），若是则为1（即处理组），否则为0（即对照组）。另一方面，考虑粮食主产区政策是2003年12月份提出，2004年才正式开始实施，因此，post.表示是否在2004年之后，2004年及以后则为1（即处理后），2003年及以前则为0（即处理前）。

控制变量：X*表示一系列的控制变量。参考已有研究选取各地区经济社会发展指标和农业相关指标，包括人口、地区人均GDP、第二产业占比、第三产业占比，以及财政支持力度、农作物耕种规模和农民收入水平，具体的变量含义见表1。

2.1.2事件研究

双重差分模型回归结果成立的前提是粮食主产区的划分应具有统计意义上的随机性。虽然，各个省份的地理条件、自然禀赋、粮食产量等是粮食主产区划分的重要依据，但在政策实施前，主产区与非主产区的农业碳排放变化趋势一致，即可以保证回归结果的有效性。因此，基于文献[40]和[41]的方法，利用事件研究法（EventStudy）进行动态趋势的分解和分析。一方面，检验主产区和非主产区在政策出台之前是否存在平行趋势;另一方面，直观地反映粮食主产区政策对农业碳排放的动态效果。具体模型如下：

式（1）中的treat;xpost，被替换为treat，xtime;。其中：time;是虚拟变量，为具体的年份，表示时间是否为第k年，若是等于1，否则为0。例如，time2°'°在t为2010年取值1，在t为其他年份时取值0。需要说明的是，由于需要将粮食主产区政策的前一年（2003年）作为基期，因此，回归中treat：xtime;003被剔除。

2.1.3中介效应模型

粮食主产区政策减少农业碳排放的作用机制是：主产区政策激励了农业经营者更多地种植粮食作物，实现主产区种植结构的调整和规模效应財42]，降低农业碳排放。参考[43]的研究，结合式（1）构造三段式中介效应模型对该机制进行检验：

其中皿为粮食种植比重，表示粮食作物播种面积占农作物播种面积的比率，也是机制中的中介变量。中介效应检验的思路为：首先，基于省级面板数据得到式（4）的估计结果，分析粮食主产区政策对粮食种植比重的影响;其次，将中介变量粮食种植比重加入式（1）中，得到新的估计方程式（5），分析中介变量的估计系数。

2.2数据来源和描述性分析

采用2000—2019年中国31个省级行政单位的面板数据进行分析检验。由于港澳台的数据缺失，为了保证数据的连续性将其剔除。数据来自历年的《中国统计年鉴》《中国农村统计年鉴》《中国农业年鉴》以及各省份统计年鉴等。具体的变量定义和描述性统计分析见表1。

3实证结果与分析

3.1基准回归

首先，运用双重差分模型评估粮食主产区政策对农业碳排放的影响效果，基准回归结果见表2。由表2可知，粮食主产区政策的系数均为负向显著，说明粮食主产区政策可以显著地降低农业碳排放总量、碳排放密度以及强度。具体而言，粮食主产区政策的实施对农业碳排放总量和农业碳排放密度的影响效果相似，分别减少了10.74%和10.35%，对农业碳排放强度的影响最强，下降了15.27%。出现该结果的原因可能是：粮食主产区政策的种粮激励主要作用于主产区的种植结构，对当地整体农业生产规模的影响较为有限，即主产区政策无法显著地促进当地总播种面积的增加。因此，对农业碳排放总量和农业碳排放密度的影响效果相似。但是政策影响下种植结构的变化会影响农业总产值，一般情况下，粮食作物较草本经济作物的单位产值更低，使主产区政策不仅降低了农业碳排放总量，相比较而言也降低了农业生产总值，进而使农业碳排放强度的变化更大。整体而言，表2的结果初步地验证了，划分粮食主产区有助于控制和减少主产区省份的农业碳排放。

3.2内生性处理与稳健性检验

3.2.1平行趋势检验与动态分析

已知粮食主产区省份的农业碳排放量与非主产区省份具有一定的差异913如，为解决可能产生的内生性问题，运用事件研究法判断是否满足双重差分模型的前提假设，并进行长时间序列的动态分析，估计结果如图1所示。图1a、1b、1c分别为粮食主产区政策对农业碳排放总量、碳排放密度和强度的长期动态影响。其中，实点为62000—02002和62004—82019的估计系数，虚线表示95%的置信区间。首先，图1a、1b、1c中的02000—02002均没有拒绝零假设，意味着，尽管粮食主产省份的农业碳排放量普遍较高，但在主产区政策开展之前主产区和非主产区农业碳排放的变化趋势并无显著差异，因此，满足双重差分的平行趋势假定。其次，图1a、1b中大部分02004—02019的系数为负数并拒绝零假设且随时间呈现下降的趋势，表明粮食主产区政策对农业碳排放总量和农业碳排放密度的削减效果不断增强，并在2016年达到顶峰。而图1c中02004—02019的系数则全部为负数且拒绝零假设，整体上具有随时间而下降的趋势，其中，2011年至2016年主产区政策对碳排放强度的削减效果最强。

3.2.2稳健性检验：分样本回归

为保障基准回归结果的稳健性，基于分样本回归进行稳健性检验。已有研究"显示，沿海省份和内陆省份的农业发展水平、农业生产结构与农业劳动力规模等具有一定的差异。并且，两个地区经济发展结构的不同會影响农业技术，包括低碳技术的采纳，进而对农业碳排放效率产生影响血。因此，将31个省份划分为沿海省份和内陆省份进行分样本回归，其中沿海省份包括天津市、河北省、辽宁省、山东省、江苏省、上海市、浙江省、福建省、广东省和广西壮族自治区，剩余地区划为内陆省份。对于该分类与主产区分类具有相似性的部分，在回归过程中通过控制个体固定效应的方式予以解决。

分样本双重差分的回归结果见表3，其中：1）列一（3）列为沿海地区的回归结果，4）列一（6）列为内陆地区的回归结果。整体而言，粮食主产区政策对沿海省份和内陆省份的碳排放均有显著的负向影响，说明基准回归的结果是稳健的。对比来看可以发现，主产区政策对于内陆省份的农业碳排放总量、农业碳排放密度和农业碳排放强度的作用效果更强且显著性更高，分别为10.28%，9.89%和14.57%。但是，对于沿海地区碳排放总量、密度和强度的作用效果仅为6.15%，5.87%和7.38%。可能是因为，沿海地区整体的经济发展水平更高，粮食主产区政策对农业经营者粮食种植的激励效果较内陆地区更弱。但是，在国家保障粮食安全的发展战略下，为保证产量，沿海地区的主产区在粮食生产的过程中会更加依赖于农药、化肥、机械等生产要素的投入，从而导致碳减排的效果不及内陆地区。

3.2.3安慰剂检验：随机推断

基准回归中，农业碳排放总量、密度以及强度三个指标的显著性可能来自某些不可观测的偶然因素，因此，通过随机推断（RandomizationInference）[41，441排除该可能性。具体过程为，在全国31个省份内随机生成虚拟的13个粮食主产区省份，按照式（1）的设定进行回归，得到核心估计系数B的t统计量，利用蒙特卡洛模拟将上述操作重复1000次，得到回归系数0的t统计量的分布。安慰剂检验的结果如图2a、2b、2c所示，图中的竖线为基准回归中得到的真实的t统计量。将分布结果进行拟合发现，对农业碳排放总量、密度和强度虚拟回归得到的t统计量基本呈现以0为中心的正态分布，而基准回归得到的真实的t统计量则显著不为0，说明基准回归的结果不是由不可观测的偶然因素驱动的，粮食主产区政策确实减少了相关地区的农业碳排放。

3.3主产区政策对不同农业碳排放的影响

进一步，参照式（1）运用双重差分模型检验分析主产区政策对六类不同农业碳源的减碳效果，回归结果见表4。粮食主产区政策对生产过程中由化肥投入、农药施用、农膜使用以及机械燃油所产生的碳排放具有显著的负向影响，减碳效果分别为9.9%、11.27%、42.26%、8.41%。然而，主产区政策对灌溉用电和土壤耕作产生的碳排放不存在显著的负向作用。可能的原因是：首先，对于灌溉而言，主产区政策既促进了农业经营者放弃原本漫灌的生产方式，采纳喷灌、滴灌等节水灌溉技术，同时，也促进主产区原本靠天吃饭、不灌溉的经营者安装灌溉设施，进而导致主产区政策对灌溉用电造成的碳排放无法产生显著的影响。其次，对于土壤耕作而言，主要是由于主产区政策不会对经营者相关的生产行为产生显著的影响。具体而言，经营者更倾向于通过轮作或间作的形式达到保护耕地地力的目的，而非休耕。休耕所需周期较长，且短期内极大地影响经营者收入，因此主产区政策并不足以对此产生激励。最后，主产区政策对农膜使用所产生的碳排放的影响效果最强，可能是因为果蔬等经济作物对于生长环境的要求往往较高，较粮食作物对农膜的消耗也更多[45-46]。因此，在主产区政策对总体农业生产规模影响不显著，而对粮食种植规模影响显著的情况下，能够更大程度地减少农膜使用所产生的碳排放。

3.4机制检验

采用三段式中介效应模型分析检验“趋粮化”的中介机制是否成立，并运用Sobel检验和Bootstrap法进行稳健性检验，回归结果见表5。

粮食主产区政策对粮食种植比重的回归结果说明，其确实有利于提升主产区省份农业经营者粮食生产的积极性，整体上提高粮食作物种植的比重。表5（2）列、（3）列的回归结果显示，粮食种植比重对农业碳排放总量和农业碳排放密度具有显著的负向影响，说明主产区农业生产的“趋粮化”是其降低农业碳排放总量和密度的有效中介机制。其中，“趋粮化”降低农业碳排放总量和农业碳排放密度的中介效果分别为3.25%和3.14%。并且，Sobel检验和Bootstrap检验均显著，说明该中介机制较为稳健。但是，表5（4）列的回归结果显示，趋粮化会对农业碳排放强度产生正向的影响，且在10%的水平上显著。这说明粮食比重的提升并不是主产区政策减弱农业碳排放强度的中介机制。之所以呈现这样的结果，可能与趋粮化带来的农业总产值的变化有关。尽管种植更多的粮食有助于减少碳源的绝对量，但相较于草本经济作物，粮食作物的单位产值较小。在主产区政策对当地整体农业生产规模影响有限的情况下，主产区省份的“趋粮化”会不利于农业总产值的增加，进而可能会增加农业碳排放强度。

4结论与政策启示

4.1结论

粮食主产区作为促进粮食产量增加和保障国家粮食安全的重点之一，讨论其对于农业碳排放的影响具有十分重要的意义。基于省级面板数据和双重差分模型，从动态的视角评估了粮食主产区政策对农业碳排放的影响效果，得出如下结论。

第一，粮食主产区政策显著地减少了13个主产省份农业碳排放的总量、密度和强度。具体而言，从2004年划分主产区至2019年，这一政策平均地导致农业碳排放总量降低了10.74%、农业碳排放密度降低了10.35%、农业碳排放强度降低了15.27%。

第二，从长期趋势来看，粮食主产区政策对农业碳排放总量、农业碳排放密度和强度的削减作用随时间推移不断增加。其中，对总量和密度的影响在2016年达到顶峰，对强度的影响则在2011年至2016年期间最强。

第三，粮食主产区政策对于由化肥投入、农药施用、农膜使用以及机械燃油所产生的碳排放具有显著的负向影响，减碳效果分别为9.9%，11.27%、42.26%、8.41%。

第四，农业生产的“趋粮化”是粮食主产区政策影响农业碳排放总量和密度的中介机制，其产生的间接影响效果为3.25%和3.14%。但是，“趋粮化”并不是影响农业碳排放强度的中介机制。

4.2政策启示

基于上述分析，总结出如下政策启示。

第一，坚持粮食主产区政策，促进粮食适度规模经营。长期来看，主产区政策依然是保障国家粮食安全和促进粮食生产的关键，因此，应继续坚持实施粮食主产区政策，并以其为基础，鼓励当地的农业经营者适度规模经营，通过促进主产省份种植结构的“趋粮化”，实现农业生产要素的规模效应，提高生产效率，从而有效地控制农业碳排放。

第二，优化产业结构，促进农业现代化、品牌化、有机化发展。保障国家粮食安全是农业生产的重要前提，基于农业现代化发展，积极开展品种培育，推广集成化、机械化、信息化的生产技术，全面提高粮食产量。同时，依托“三品一标”建立地区农产品的品牌优势，以品牌倒逼农业经营者标准化和有机化生產，提高粮食产品的附加价值，优化当地农业产业结构，进而达到农业碳减排的效果。并且，积极倡导清洁环保的农业生产方式，减少化肥、农药、农膜等的使用，实现农业生产中的绿色可持续发展。另外，可积极促进内陆地区粮食主产区的发展，增加其粮食产量，缓解沿海经济发达地区粮食供给的压力，实现不同区域发展优势的最大化。

第三，政策支持为基础，市场化推广为前提，引导和推动农业向低碳生产转型。由粮食主产区长时间序列分析的结果可知，016年起其碳减排的效果开始减弱。因此，从长期发展的角度出发，低碳技术的采纳是实现农业碳减排最有效的方式。通过政策引导，在当地建立低碳农业生产体系，一方面积极展开科技创新与研发，另一方面通过补贴、保险等方式帮助低碳的农业生产技术快速进入市场，鼓励农业经营者主动采取低碳的生产技术，推进循环农业和生态农业的发展。

参考文献

[1]姚成胜，李政通，易行.中国粮食产量变化的驱动效应及其空间分异研究[J].中国人口·资源与环境，2016，26（9）：72-81.

[2]杜锐，毛学峰.基于合成控制法的粮食主产区政策效果评估[J].中国软科学，2017（6）：31-38.

[3]冉光和，王建洪，王定祥.我国现代农业生产的碳排放变动趋势研究[J].农业经济问题，2011，32（2）：32-38，110.

[4]杨钧.农业技术进步对农业碳排放的影响：中国省级数据的检验[J].软科学，2013，27（10）：116-120.

[5]黄祖辉，米松华.农业碳足迹研究：以浙江省为例[J].农业经济问题，2011，32（11）：40-47，111.

[6]IntergovernmentalPanelonClimateChange.IPCCguidelinesforna?tionalgreenhousegasinventories[R].2006.

[7]IntergovernmentalPanelonClimateChange.Climatechange2014：mitigationandclimatechange[R].2014.

[8]李波，张俊飚，李海鹏.中国农业碳排放时空特征及影响因素分解[J].中国人口·资源与环境，2011，21（8）：80-86.

[9]田云，张俊飚，李波.中国农业碳排放研究：测算、时空比较及脱钩效应[J].资源科学，2012，34（11）：2097-2105.

[10]吴贤荣，张俊飚，田云，等.中国省域农业碳排放：测算、效率变动及影响因素研究[J].资源科学，2014，36（1）：129-138.

[11]田成诗，陈雨.中国省际农业碳排放测算及低碳化水平评价：基于衍生指标与TOPSIS法的运用[J].自然资源学报，2021，36（2）：395-410.

[12]李国志，李宗植.中国二氧化碳排放的区域差异和影响因素研究[J].中国人口·资源与环境，2010，20（5）：22-27.

[13]何艳秋，王珊珊.中国农业碳排放的结构、效率及其决定机制

[J].农业经济问题，2014，35（7）：18-26，110.

[14]何艳秋，戴小文.中国农业碳排放驱动因素的时空特征研究

[J].资源科学，2016，38（9）：1780-1790.

[15]刘琼，肖海峰.农地经营规模与财政支农政策对农业碳排放的影响[J].资源科学，2020，42（6）：1063-1073.

[16]李颖，黄贤金，甄峰.江苏省区域不同土地利用方式的碳排放效应分析[J].农业工程学报，2008，24（S2）：102-107.

[17]马晓哲，王铮.土地利用变化对区域碳源汇的影响研究进展[J].生态学报，2015，35（17）：5898-5907.

[18]陈儒，邓悦，姜志德.农业生产项目的综合碳效应分析与核算研究：基于陕西安塞的农户调查数据[J].华中农业大学学报（社会科学版），2017（3）：23-34，150.

[19]李波，张俊飚，李海鹏.中国农业碳排放与经济发展的实证研究[J].干旱区资源与环境，2011，25（12）：8-13.

[20]高标，房骄，卢晓玲，等.区域农业碳排放与经济增长演进关系及其减排潜力研究[J].干旱区资源与环境，2017，31（1）：13-18.

[21]田云，吴海涛.产业结构视角下的中国粮食主产区农业碳排放公平性研究[J].农业技术经济，2020（1）：45-55.

[22]赵会杰，于法稳.基于嫡值法的粮食主产区农业绿色发展水平评价[J].改革，2019（11）：136-146.

[23]赵宏波，马延吉.东北粮食主产区耕地生态安全的时空格局及障碍因子：以吉林省为例[J].应用生态学报，2014，25（2）：515-524.

[24]何慧爽，付帮杰.我国粮食主产区农业碳排放测度与减排压力研究[J].生态经济，2019，35（11）：99-104.

[25]田云，张俊飚，李波.中国粮食主产区农业碳排强度估算及其分析[J].地理科学进展，2012，31（11）：1546-1551.

[26]赵丽平，王雅鹏，何可.我国粮食生产的环境技术效率测度[J].华南农业大学学报（社会科学版），2016，15（3）：28-37.

[27]罗斯炫，何可，张俊飚.增产加剧污染：基于粮食主产区政策的经验研究[J].中国农村经济，2020（1）：108-131.

[28]毛学峰，孔祥智.重塑中国粮食安全观[J].南京农业大学学报（社会科学版），2019，19（1）：142-150，168.

[29]陈儒，姜志德，赵凱.低碳视角下农业生态补偿的激励有效性[J].西北农林科技大学学报（社会科学版），2018，18（5）：146-154.

[30]QINA，HUANGG，CHAIQ，etal.Grainyieldandsoilrespirato?ryresponsetointercroppingsystemsonaridlandJ].Fieldcropsresearch，2013，144（6）：1-10.

[31]CHAIQ，QINA，GANY，etal.Higheryieldandlowercarbonemissionbyintercroppingmaizewithrape，pea，andwheatinaridirrigationareas[J].Agronomyforsustainabledevelopment，2014，34（2）：535-543.

[32]史磊刚，陈阜，孔凡磊，等.华北平原冬小麦-夏玉米种植模式碳足迹研究[J].中国人口·资源与环境，2011，21（9）：93-98.

[33]諸培新，苏敏，颜杰.转入农地经营规模及稳定性对农户化肥投入的影响：以江苏四县（市）水稻生产为例[J].南京农业大学学报（社会科学版），2017，17（4）：85-94，158.

[34]许庆，田士超，徐志刚，等.农地制度、土地细碎化与农民收入不平等[J].经济研究，2008（2）：83-92，105.

[35]谢文宝，陈彤，刘国勇.乡村振兴背景下农户耕地质量保护技术采纳差异分析[J].改革，2018（11）：117-129.

[36]宋德勇，卢忠宝.中国碳排放影响因素分解及其周期性波动研究[J].中国人口·资源与环境，2009，19（3）：18-24.

[37]张秀梅，李升峰，黄贤金，等.江苏省1996年至2007年碳排放效应及时空格局分析[J].资源科学，2010，32（4）：768-775.

[38]CHENGK，PANG，SMITHP，etal.CarbonfootprintofChina'scropproduction：anestimationusingagro-statisticsdataover1993?2007[J].Agricultureecosystemsandenvironment，2011，142（3）：231-237.

[39]邓明君，邓俊杰，刘佳宇.中国粮食作物化肥施用的碳排放时空演变与减排潜力[J].资源科学，2016，38（3）：534-544.

[40]LIP，LUY，WANGJ.Doesflatteninggovernmentimproveeco?nomicperformance：evidencefromChinaJ].Journalofdevelop?menteconomics，2016，123：18-37.

[41]BECKT，LEVINER，LEVKOVA.Bigbadbanks：thewinnersandlosersfrombankderegulationintheUnitedStates[j].Thejournaloffinance，2010，65（5）：1637—1667.

[42]许庆，尹荣梁，章辉.规模经济、规模报酬与农业适度规模经营：基于我国粮食生产的实证研究[J].经济研究，2011，46（3）：59—71，94.

[43]BARONRM，KENNYDA.Themoderator-mediatorvariabledis?tinctioninsocialpsychologicalresearch：conceptual，strategic，andstatisticalconsiderations[J].Journalofpersonalityandsocialpsychology，1986，51（6）：1173—1182.

[44]CANTONID，CHENYY，YANGDY，etal.CurriculumandIde?ology[J].Journalofpoliticaleconomy，2016，125（2）：338—392.

[45]邓衡山，徐志刚，黄季焜，等.组织化潜在利润对农民专业合作组织形成发展的影响[J].经济学（季刊），2011，10（4）：1515—1532.

[46]王辉，董元华，安琼，等.高度集约化利用下蔬菜地土壤养分累积状况：以南京市南郊为例[J].土壤，2006（1）：61—65.

Environmental performance evaluation of policies in main grain producing areas：

from the perspective of agricultural carbon emissions

YANG Chen1，HU Peiqi2，DIAO Beidi3，CHENG Jinhua4，CUI Hengyu1 （1.School of Agricultural Economics and Rural Development， Renmin University of China， Beijing 100872， China; 2.School of Environment and Natural Resources， Renmin University of China， Beijing 100872， China; 3.School of Econom-ics and Management， China University of Mining and Technology， Xuzhou Jiangsu 221000， China; 4.School of Economics

and Management， China University of Geosciences （Wuhan）， Wuhan Hubei 430074， China）

Abstract Agriculture is the second most important source of global carbon emissions.The way to increase food production and at thesame time effectively control carbon emissions in the agricultural sector has gradually become the focus of the Chinese government.Themain grain producing area policy is one of the core policies for national food security.It is necessary and practical to discuss whether itcan reduce agricultural carbon emissions while achieving long-term stable growth of food production.Based on Chinas provincial paneldata from 2000 to 2019， this study adopted the difference-in-differences （DID） model to evaluate whether the policy could affect the ag-ricultural carbon emissions in the main grain producing areas.Furthermore， a mediating effect analysis was conducted to test the mecha-nism of how the main grain producing area policy achieved carbon emission reduction.The results showed that： ① The implementationof the main grain producing area policy could effectively reduce the total amount of agricultural carbon emissions and reduce their den-sity and intensity.And the results were 10.74%， 10.35% and 15.72%， respectively.② From a long-term trend， the reduction effect ofthe main production area policy on the total agricultural carbon emissions， density and intensity was increasing over time， and reachedits peak in 2016.③ Specifically， the policy decreased carbon emissions from fertilizer， pesticide， agricultural film and agricultural ma-chinery.Their carbon reduction effects were 9.9%， 11.27%， 42.26% and 8.41%， respectively.④ The implementation of the main grainproduction area policy was mainly through increasing the proportion of grain production to change the agricultural structure of these ar-eas and to achieve the scale effect of fertilizers， pesticides， machinery， irrigation， etc.， thereby reducing the total and density of agricul-tural carbon emissions by 3.25% and 3.14%， respectively.Thus， in order to effectively control the carbon emissions of the agriculturalsector and maintain food production， the main grain producing areas policy should be implemented continually.Several targeted activi-ties are also needed.In the short run， governments need to reasonably expand the scale and increase the production efficiency of chemi-cal inputs， machinery and other elements.In the long run， it is necessary to continue to promote green production technologies， reducethe dependence on chemical and other inputs， and gradually shift to a low-carbon production model.

Key words main grain producing areas; agricultural carbon emission; difference-in-differences