1997—2018 年中国农业碳排放的时空演进与脱钩效应——基于空间和分布动态法的实证研究

张丽琼，何婷婷

（安徽农业大学 经济管理学院,安徽 合肥 230036）

随着全球变暖以及资源环境压力的增加，碳排放问题成为全球共同面临的重大议题，而农业生产引起的农业碳排放作为碳排放的重要来源之一，受到越来越多的关注。党的十八大以来，中国两型社会建设和生态文明改革不断深入，作为世界最大的碳排放国家，中国明确提出在2030 年前碳达峰、2060 年前碳中和的目标，意味着中国经济增长与碳排放的深度脱钩，而农业作为国民经济的重要基础，对稳定经济发展以及实现碳减排总目标具有重大作用，也是农业经济可持续发展的核心所在，农业经济发展方式的转变将对全球气候改善产生重大影响。

目前，有关农业碳排放的研究已经取得了丰富的成果，国内外学者的研究主要集中在以下几个方面：（1）农业碳排放的测算。与工业碳源相比，农业碳源更加多元化，在测度各农业碳源碳排放的基础上，探究农业碳排放的时空演变规律，对于明确农业碳源以及结构特征具有重要意义，也是进一步展开研究的重要基础，Johnson 等据此对美国农业碳排放量进行了测算，结果表明农地利用活动是美国的第一大农业碳源[1]，Thamo等采用国民核算法等三种方法对澳大利亚的农业碳排放进行测算，研究显示不同方法估计的排放量存在很大差异[2]；国内学者对中国农业碳排放的测算分析表明，不同阶段以及不同地区的农业碳排放存在明显差异[3]，且这种差异也存在于种植业等行业[4]。（2）农业碳排放与经济增长的关系。Grossman 等最早实证研究了经济增长与环境污染两者的关系，提出了环境库兹涅茨曲线（EKC），并指出两者之间存在“倒U 型”关系[5]，国内学者的研究也验证了上述关系，且中国农业碳排放与经济增长存在明显的脱钩现象[6]。（3）农业碳排放的影响因素研究。学者们采用Kaya 公式、EKC 模型，STIRPAT 模型以及构建计量经济学模型等方法，对经济增长[7]、技术进步[8]、农业耕作方式[9]、城镇化[10]、环境规制[11]、生产效率[12]、产业结构[13]、劳动力规模[14]等因素对农业碳排放的影响进行了广泛的探讨，其中农业经济增长和农业技术进步是影响农业碳排放的重要因素已基本达成共识。（4）农业碳排放的绩效分析以及减排潜力的评估。Hoang 等采用了以营养为导向的农业环境全要素生产率指数，对1990—2003 年间30 个经合组织国家的农业碳排放绩效进行了实证研究[15]；高鸣等深入分析了中国农业碳排放绩效的动态变化和空间聚集与收敛等问题，结果表明中国农业碳排放绩效有了很大的提高，但区域间绩效发展状况不均衡[16]；吴贤荣等研究发现一个省区的农业碳减排潜力水平不仅受自身经济及产业状况的影响，还与其所处的环境及相邻省区的发展状况紧密相关[17]。

综上可知，上述文献的研究成果丰富了农业碳排放研究体系，为进一步探究农业碳排放问题提供了科学参考，但大部分研究主要是采用表征农业碳排放的单一指标，基于时间序列数据或截面数据的比较分析，从全国层面考察中国农业碳排放的时序特征和区域差异，较少探讨农业碳排放的空间分布格局及其动态分布演进机制，从而难以把握农业碳排放的空间分布特征及其差距的动态性和长期趋势。鉴于此，本文在测度1997—2018 年中国31 个省（市、区）农业碳排放量和农业碳排放强度的基础上，结合可视化的空间分析方法，探究中国农业碳排放的时序特征和空间分布特征，并利用kernel 密度估计法和马尔可夫链法，从分布形态和内部流动性两个角度，揭示中国农业碳排放分布的动态演进趋势，进一步利用脱钩理论考察农业碳排放与农业经济增长之间的关系，并归纳其不同阶段变化特征与空间差异，为准确把握中国农业碳排放现状并科学制定农业碳减排政策提供理论参考。

一、研究方法与数据来源

（一）碳排放量测算方法

考虑到目前相关统计部门缺少对农业碳排放数据的收录，文中在依据《IPCC 国家温室气体清单指南》以及借鉴已有研究成果的基础上[18-20]，从三个方面构建农业碳排放量的测度体系：一是农业生产物资投入所导致的碳排放，具体涉及化肥、农膜、农药、农用柴油等生产资料使用以及农业灌溉等生产活动引发的碳排放；二是水稻种植所引发的碳排放，主要指水稻生长中的CH4排放；三是牲畜养殖所引发的碳排放，主要包括牲畜肠道发酵和粪便管理过程中所排放的温室气体，牛、马、羊、驴、骡和骆驼等反刍动物是导致碳排放的主要品种。据此，本文构建的农业碳排放具体测算公式如下：

式（1）中，E为农业碳排放总量，Ei为各种农业碳源的碳排放量，Ti为各碳源的数量，δi为各碳源的碳排放系数，具体排放系数如表1、表2所示。

表1 农业碳排放碳源、系数及参考来源

表2 各类牲畜品种的碳排放系数 单位：kg/(头·年)

（二）分布动态法

Quah[21]提出的分布动态法被广泛应用于研究经济变量的动态演进过程，根据数据序列作为离散状态或连续状态设定差异，可分为核密度估计和马尔可夫链两种方法。核密度估计法能够刻画农业碳排放的总体分布形态及其随时间的变化，但无法反映各省份内部农业碳排放分布的动态变化以及长期演进趋向，而利用马尔可夫链法考察各省份农业碳排放动态演变的路径和概率，可以反映农业碳排放分布的内部流动性[22]。因此，本文运用上述两种方法探究中国农业碳排放的动态演进机制。

1.核密度估计法

核密度估计作为一种非参数方法，无须事先设定函数的具体形式，估计结果更为稳健，因此被广泛用于对随机变量的概率密度进行估计，其基本原理如下：

假设一组连续型随机变量在点x处的概率密度f(x)的估计式为：

其中，K(·)为核函数，n为 样本量，h为带宽。核函数以及带宽的选择是核密度估计的核心问题，本文选取Epanechnikov 核函数以及Silverman最佳带宽，估计农业碳排放的动态演进情况。

2.马尔科夫链法

本文通过构造马尔科夫链转移矩阵分析中国农业碳排放分布的内部动态特征。马尔科夫链研究的是一种时间和状态均为离散的随机过程[26]，在具体实现过程中，首先将各省区农业碳排放强度按照水平高低离散为K 个类型的马尔科夫链序列{X1,X2,X3,···},各省区的农业碳排放未来状态的条件概率分布与“过去状态无关”，仅与“现在状态”有关。设各省区t年份农业碳排放的状态概率向量为Pt，记Pt=(P1(t),P2(t),···,Pn(t))，若各省区的马尔科夫链有转移矩阵P=(Pij)，Pij=(nij/ni)，则有Pij=(nij/ni)，其中Pij代表i类型省区转移到j类型省区的转移概率，nij表示研究期内初始年份属于i类型的省区转移到j类型的数量之和，ni表示所有年份中属于i类型的省区的数量之和[27]。

（三）脱钩弹性测算方法

脱钩原指具有相互关系的多个物理量间的相互关系减小或不再存在。OECD 为了研究经济增长与环境污染之间的关系，最早提出了脱钩理论，并通过测算脱钩指数将脱钩区分为绝对脱钩和相对脱钩。之后，Tapio 在OECD 脱钩模型基础上，提出了弹性脱钩理论，反映CO2变化对于经济变化的敏感程度，该方法弥补了OECD 脱钩模型在基期选择困境以及误差较大等方面的不足[28]。本研究采用Tapio 模型考察中国农业碳排放与农业经济增长的脱钩关系，构建脱钩弹性模型如下：

其中，e表示脱钩弹性；C表示农业碳排放；AG表示农业总产值，以1997 年不变价格计算。依据弹性值不同，脱钩类型的具体等级划分标准与弹性值如表3 所示。

表3 脱钩状态的判断标准

（四）数据来源及处理

本文选取中国大陆31 个省(市、自治区) 为研究单元，研究时段为1997—2018 年。研究数据均源于各年《中国统计年鉴》《中国农村统计年鉴》《中国农业年鉴》和《中国畜牧业年鉴》。其中，化肥、农药、农膜、柴油、水稻种植面积、农业灌溉面积以当年实际情况为准；翻耕数据采用当年农作物实际播种面积替代；牛、马、驴、骡、猪、羊等牲畜由于饲养周期不同，其饲养量参考胡向东[23]等的方法进行调整。此外，为消除价格因素影响，以1997 年价格为基准，对历年农林牧副渔总产值数据进行修正。

二、结果与分析

（一）中国农业碳排放时序变化特征

根据碳排放测算公式，得出1997—2018 年中国农业碳排放情况（图1）。结果表明，2018 年中国农业碳排放总量为30 973.01 万t，较1997 年增加了4.56%，1997—2018 年间农业碳排放总量总体呈现波动上升趋势，年均增长0.21%，不同阶段变化特征存在一定差异，大致可以划分为三个阶段：第一阶段为1997—2003 年，碳排放总量变化较为平稳，总体略微下降，年均增速为-0.05%，该阶段农用物资投入增长变缓以及水稻种植面积的大幅下降是造成农业碳排放总量有所减少的主要原因；第二阶段为2004—2009 年，碳排放总量呈现明显的倒“v”型波动增长趋势，年均增长率介于-4.42%—5.75%之间，自2004 年中央连续颁布“一号文件”，一系列支农惠农政策相继出台促进了农业生产快速复苏，农用物资投入和水稻种植规模不断增加，引发农业碳排放总量快速增加，在2006 年达到峰值，之后猪、牛、羊等畜禽养殖规模大幅度减少，农业碳排放总量出现大幅下降；第三阶段是2010—2018 年，农业碳排放总体呈现缓慢增长趋势，年均增长0.48%，农用物资投入和水稻种植规模的略微增长带动了农业碳排放总量的整体增加。

图1 1997—2018 年中国农业碳排放量及年均环比增速

从构成比率来看，2018 年稻田、农地利用以及畜禽养殖碳排放量所占比率依次为39.74%、32.74%和27.52%，与1997 年相比，稻田碳排放所占比率下降3.98%，年均递减0.21%，但仍然是中国农业碳排放的第一来源，禽畜养殖以及农地利用碳排放量比率分别下降5.47%和上升9.45%，年均增速分别为-0.51%和2.02%。农地利用逐渐成为第二大农业碳排放来源，主要是因为农地利用中所有碳源的排放量比率均有不同程度上涨，其中占比16.35%的化肥作为最主要的碳源，上涨幅度最大，2018 年较1997 年上涨4.31%；禽畜养殖中仅猪和羊的碳排放比率分别增加2.84%和0.84%，2018 年碳排放占比分别达到9.47%和6%，其他碳源所占比率合计下降了10.01%，其中牛的碳排放占比下降幅度最大，较1997 年下降了7.99%。

通过计算碳排放强度发现（图2），与农业碳排放总量上升趋势不同，1997—2018 年中国农业碳排放强度不断下降，从1997 年的2 203.76 kg/万元GDP 下降至2018 年的960.66 kg/万元GDP，年均下降3.88%。从环比增速看，各时间段的变化程度有所差异，1997—2005 年呈现波动上升趋势，2005 年增速达到峰值后，2006—2009 年出现明显的增速下降，2010 年增速再次反弹后出现了2011—2016 年的增速平稳期，2017—2018 年增速下滑后又略有回升，总体来看，农业碳排放强度在绝大部分年份均表现出下降态势，少数年份虽有增长，但幅度不大。

图2 我国农业碳排放强度及年均环比增速

（二）农业碳排放区域格局分析

从农业碳排放总量来看（图3），2018 年湖南、黑龙江、江西、四川、安徽、湖北、河南、江苏、山东和广东的农业碳排放量位居前10 位，其农业碳排放总量均高于全国平均水平，占全国比重达到58.6%；位于后10 位的重庆、陕西、青海、山西、西藏、海南、宁夏、上海、天津和北京等省（市、区），其农业碳排放总量均值为272.49万t，远低于全国平均水平，仅占全国的8.8%。其中，位居第一位的湖南，农业碳排放总量高达2 494.505 万t，是最后一位北京的76.78 倍，可以看出，中国农业碳排放量的省区差异较大。与1997 年相比，2018 年除黑龙江替代广西进入前10位以及重庆替代甘肃进入后10 位外，其他18 个省（市、区）没有发生改变，仅排名有所变化；前10 位和后10 位农业碳排放占比分别下降1.17%和上升0.29%。浙江、广西、广东、福建和山东等15 个省区农业碳排放量有不同程度的下降，其中浙江降幅最大，达到49.17%；黑龙江、内蒙古、新疆、吉林和云南等16 个省区农业碳排放量有所上升，黑龙江上升幅度最大，增幅高达113.43%。总体来看，中国农业碳排放量的区域分布较为稳定，大部分地区的农业碳排放量水平与其农业生产规模存在较高的相关性，表明农业大省或粮食主产区高投入、高消耗、高排放的农业生产方式尚未发生根本性改变，是这些地区农业碳排放量较高的主要原因之一。

图3 1997 年和2018 年中国农业碳排放总量与碳排放强度

从碳排放强度来看（图3），2018 年位居前10 位的分别是西藏、青海、湖南、江西、内蒙古、黑龙江、安徽、宁夏、湖北和上海，平均碳排放强度为2 827.46 kg/万元GDP，较全国碳排放强度平均值高出1 401.41 kg/万元GDP；后10 位依次为河北、山东、海南、陕西、河南、天津、福建、广东、浙江和山西，平均碳排放强度为593.02 kg/万元GDP，比全国碳排放强度平均值低830.03 kg/万元GDP。其中，排名第一的西藏碳排放强度高达8 569.58 kg/万元GDP，比排名最后的河北高出8 095.35 kg/万元GDP。与1997 年相比，所有省区的农业碳排放强度在2018 年都有不同程度的下降，其中海南降幅最为明显，下降79.31%，黑龙江变化最小，降幅为21.22%。总体来看，中国农业碳排放强度表现出较强的空间异质性，呈现明显的东低西高特征，东部、中部和西部的平均碳排放强度依次为684.57 kg/万元GDP、1 541.59 kg/万元GDP 和2 020.96 kg/万元GDP，且中西部地区的农业碳排放强度均高于全国平均水平。

为进一步揭示中国农业碳排放的空间格局特征，考虑到各省（市）碳排放量差距较大，本文采用“自然间断点法”将原始数据分为5个等级，由低至高依次为低排放区、中低排放区、中等排放区、中高排放区与高排放区（图4），以确保类内差异最小[29]。从地理分布上看（图4f），整个考察期内，处于高和中高水平的碳排放地区呈现出集中连片的分布格局，主要位于四川盆地、云贵高原区、长江中下游地区、黄淮海平原区和华南地区，而青藏高原区、黄土高原区、北方干旱半干旱区以及东北平原区大部分地区处于中等或更低的农业碳排放水平，农业碳排放量总体上表现出东中部高、西部低的空间分布格局。从各省区农业碳排放量变化来看（图4a～d），高碳排区域有明显收缩，中高排放区呈现扩张态势，中等排放区的空间分布明显缩小，中低排放区由集中向分散演变，低排放区涉及空间明显增加且分散。总体来看，绝大部分省区的农业碳排放等级都在下降，仅有内蒙古、黑龙江等少数地区碳排放等级有所提高，使得整个考察期内高排放区在空间上有所缩小，低排放区、中低排放区有所增加。

图4 1997—2018 年中国农业碳排放量空间分布格局

碳排放强度与农业碳排放量的空间分布格局具有不一致性（图5）。考察期内，高强度区以及中高强度区分布较为稳定，主要集中在西藏、湖南、青海三省；中低强度区主要集中在四川盆地和云贵高原区，除重庆外其他省区均呈现出向中等强度区转变后的再次分化，这使得中等强度区数量经历了先增后减的变化；低强度区主要分布在黄淮海平原区、黄土高原区、北方干旱半干旱区以及华南区，空间上呈现出西部缩小再向东部延伸的态势。整体来看，处于较高水平农业碳排放强度的空间区域呈现出先扩张再缩小的变化趋势，目前中低和低排放强度地区连接成片，在空间布局上占据主导地位。

图5 1997—2018 年中国农业碳排放强度空间分布格局

（三）农业碳排放的动态演化特征

1.核密度估计

本文分别以农业碳排放总量和农业碳排放强度为指标，选取1997、2002、2007、2012 和2018年，采用核密度估计法得出上述年份的核密度分布图，据此分析中国农业碳排放的动态演进特征。如图6 所示，考察期内中国农业碳排放量的核密度分布曲线总体呈现略微右移趋势，峰值下降，波峰宽度有所增加，这意味着大部分省区农业碳排放量呈现出一定的增长态势，地区差距有所扩大；考察期内农业碳排放量分布整体呈现“双峰”向“单峰”的转变，1997、2001 和2007年以“双峰”分布为主，主峰位于碳排放总量较低区间，侧峰处于碳排放总量较高区间，表明除少数省区农业碳排放总量较高外，其余地区碳排放总量较低，农业碳排放总量分布呈现“两极分化”的态势，2012 年后侧峰逐渐消失，主要以“单峰”分布为主，两极分化现象逐渐消失；此外，核密度曲线均呈现右偏分布，且右偏程度略有减弱，意味着位于中国农业碳排放量均值以下的省份数量多于位于总量均值之上的省份数量，但随着时间推移，后者的省份数量略有增加。

从东、中、西部三大区域来看（图6B～D），东部地区的核密度曲线总体向左收缩，峰值变大，变化区间有所缩小，表明考察期内东部地区大部分省区的农业碳排放量呈现下降趋势，地区差异变小；从波峰来看，“双峰”分布逐渐向“单峰”分布的演变，1997 年“双峰”分布显著，表明东部地区内部农业碳排放量的两极分化十分明显，2002—2018 年右主峰逐渐减小，“单峰”格局逐渐显现，说明两极分化的现象逐渐减弱。中部地区的核密度曲线中心明显向右移动，峰值变小，波峰变化区间略微增大，说明考察期内中部地区大多数省区的农业碳排放量有所增长，地区差距略有扩大；波峰总体呈现出稳定的“单峰”分布，表明中部地区没有出现明显的极化现象。西部地区的核密度曲线中心没有发生明显位移，但峰值明显下降，宽度有所增大，表明该地区农业碳排放量虽然没有显著增长，但地区差异并没有缩小；波峰逐渐由“双峰”分布演变为“单峰”分布，说明西部地区农业碳排放量在考察期的前期出现了两极分化，但此现象随着时间推移逐渐消失。对比三大区域农业碳排放量的动态演进趋势可以发现，与中部地区相比，东部和西部地区的核密度曲线更偏向横轴左侧的低值区域，表明这两个区域的农业碳排放量总体上低于中部地区。

图6 全国范围及东、中、西部地区农业碳排放总量的核密度估计图

2.马尔科夫链分析

本文将农业碳排放量数值按照四分位数方法离散为低、中低、中等、中高和高碳排放区5 种类型，将样本期间划分为4 个阶段，分别构建各时间段以及整个样本期间的马尔科夫转移概率矩阵（表4）。

从表4 可以看出，整个样本期以及不同时间段内，马尔科夫转移矩阵中对角线上的概率值都显著高于非对角线上的概率值，各省区农业碳排放水平的变化主要向相邻类型转移，且转移概率很小，表明农业碳排放量的分布状态具有稳定性，处于不同碳排放水平的省区之间流动性较低，难以实现跨越式发展；另外，各省区农业碳排放水平存在一定的“俱乐部趋同”现象，从各时间段来看，期初农业碳排放量高，而随后时间仍保持高水平的概率至少为77.8%，随着时间推移，高排放省区依然保持原水平的概率逐渐增加，最高达到97.2%，向下转移的概率逐渐降低。期初碳排放水平低的省区在之后时间段内，仍保持低水平的概率最低为83.3%，最高达到100%，几乎不会向更高水平转移，而中等、中低和中高状态的省区保持原状态的转移概率也均在69.4%～97.2%之间，不同状态的省区之间相互转移的概率较小，介于3.3%～10.0%之间，表明省区间存在不同类型碳排放水平的俱乐部。

表4 农业碳排放量的马尔科夫转移概率矩阵及稳态分布

从稳态分布概率来看，与初始分布状态相比，低排放水平的省区所占比率增加，中低、中等、中高和高排放水平省区的比率均下降，低排放水平省区所占比率显著高于其他类型省区比率，表明未来一段时间中国农业碳排放量不会出现绝对趋同和“两极”分化的现象，碳排放分布呈现向低排放水平集中的趋势，农业碳排放水平表现出长期不断下降的良好态势。

（四）农业碳排放与经济增长脱钩效应分析

由表5 可知，整体上中国农业碳排放与农业经济发展基本处于弱脱钩和强脱钩状态，即农业碳排放增长速度小于农业经济的增长速度，甚至是农业经济保持上升而碳排放量反而下降的理想状态，但也表现出一定的周期性变化。1998—2002 年，农业碳排放呈现“增加—减少—增加”的变化，脱钩类型经历了由“弱脱钩”—“强脱钩”—“弱脱钩”的转变；2003—2008 年农业碳排放先增后减，使得脱钩状态呈现出由强转弱，又再次变强的波动过程；2010—2015 年农业碳排放与农业经济增长均表现出正向增长，且前者增速较低，两者呈现弱脱钩关系，2016 年后农业碳排放出现负向增长，与农业经济增长更多表现为强脱钩关系。

表5 1998—2018 年中国农业碳排放与农业经济发展间的脱钩关系

从地理分布上看（图7），1997—2018 年中国农业碳排放与经济增长脱钩类型在省区层面上存在差异，且在不同时段的脱钩空间格局有所不同。

图7 1997—2018 年不同阶段中国分省农业碳排放脱钩程度空间格局

1997—2002 年仅有天津、贵州、黑龙江和宁夏没有实现脱钩状态；上海、江苏等12 个省区处于最理想的强脱钩状态，主要分布在长江中下游地区、青藏高原区、华南地区等地区，占样本总量的38.71%，这些地区在实现农业经济增长的同时农业碳排放有所下降；北京、河北等15 个省区处于弱脱钩状态，占比高达48.39%，主要分布在黄土高原区、甘新区、西南区、黄淮海区以及东北区等，其农业经济增长与农业碳排放同时增加，但单位产出的碳排放有所减少。总体来看，该阶段中国农业经济增长没有造成农业碳排放的更快增长，农业经济发展的环境代价较小。

2003—2007 年，处于脱钩状态的省区数量有所下降，共25 个，占总数的80.65%，强脱钩的比例较上一时段没有变化，但空间分布更多转向了东部沿海地区，弱脱钩省区数量减少为13 个，但依然是该时期最主要的脱钩类型，负脱钩状态的空间范围明显增加，主要是由于西藏、内蒙古以及吉林等地区农业发展造成的碳排放增长过快。

2008—2012 年，脱钩状态的空间范围显著扩大，大部分区域处于弱脱钩状态，占比较上一时段增加了19.35%，强脱钩省区的空间分布由东部沿海地区向西部收缩，数量大幅度减少为7 个，陕甘地区由弱脱钩转变为增长连结状态，仅黑龙江的农业经济增长付出了更高的环境代价，处于负脱钩状态。

2013—2018 年，许多区域的脱钩状态都有所改善，除西藏、北京和上海处于衰退连结状态外，全国其他区域均实现了脱钩状态，且绝大部分省区处于强脱钩状态，占比达到70.97%。

整体来看，国内粗放型的农业发展方式不断转变，通过加快低碳农业、绿色农业、循环农业生产方式的建立，使得农业经济增长的资源环境代价进一步降低，大部分地区一直保持脱钩状态，农业经济增长与农业碳排放之间呈现出较为稳定的脱钩关系，各省区农业经济发展的环保型特征日益显著。

三、结论与讨论

本文在测度1997—2018 年中国31 个省（市、区）农业碳排放的基础上，从不同维度分析了中国农业碳排放的时空演变特征，采用Kernel 核密度估计法和马尔科夫链法考察了中国农业碳排放分布的动态演进规律，并基于脱钩理论进一步探究了中国农业碳排放与农业经济增长之间的关系，主要结论如下：

（1）1997—2018 年间中国农业碳排放总量总体呈现波动上升趋势，农业碳排放强度则不断下降，不同时间段内的变化趋势存在差异，稻田是中国农业碳排放的第一碳源，农地利用逐渐替代禽畜养殖成为第二大农业碳源。

（2）中国农业碳排放的区域差距较大，农业碳排放量和农业碳排放强度位居前10 位的省区在全国中的比重均远高于后10 位省区；从空间分布上看，农业碳排放量总体上表现出东中部高、西部低的空间分布格局，高排放省区空间分布缩小，较低排放区域增加；农业碳排放高强度区以及中高强度区分布较为稳定，较低和低排放强度地区连接成片，在空间布局上占据主导地位。

（3）从核密度估计结果来看，考察期内中国农业碳排放量均值以下的省份数量多于位于农业碳排放量均值之上的省份数量，大部分省区的农业碳排放量呈现出一定的增长态势，地区差距有所增加，但“两极分化”现象逐渐消失。马尔科夫链分析结果表明，中国农业碳排放量的分布状态具有较高的稳定性，处于不同农业碳排放水平的省区之间流动性较低，未来一段时间内各省区间农业碳排放水平存在的“俱乐部”现象，很难出现绝对趋同，但也不会出现“两极”分化，农业碳排放分布将向低排放水平集中，碳排放水平呈现出不断下降的良好态势。

（4）1997—2018 年间，中国农业碳排放与农业经济发展之间多处于弱脱钩和强脱钩状态。从地理分布上看，考察期内中国大部分省区一直保持弱脱钩或强脱钩的脱钩状态，且强脱钩状态的省区在空间布局上逐渐替代弱脱钩状态占据绝对主导地位。

本文针对中国农业碳排放的时空特征、动态演进规律及其与农业经济发展之间的脱钩关系进行探究，研究成果对客观把握中国农业碳排放发展趋势，丰富农业碳排放问题的研究具有一定的参考作用。而限于数据的可获得性等方面的原因，本研究仍存在一些不足，例如在农业碳排放的测算指标体系有待进一步优化、完善；对农业碳排放存在的空间差异以及空间分布格局的变化产生的内在原因缺乏深入探究。针对上述问题，笔者将在进一步研究中展开探讨。