中国省域农业碳排放效率与经济增长的耦合协调

田 云，林子娟

（中南财经政法大学工商管理学院，湖北武汉430073）

为更好地应对全球气候变化，2018 年末联合国政府间气候变化专门委员会（IPCC）发布了《全球升温1.5 ℃特别报告》，提出到2050年左右要实现全球温室气体的净零排放，“碳中和”概念由此应运而生。该报告的发布有力提升了各国对气候变化的关注度，越来越多的国家就此明确和强化了自身减排目标。其中，以冰岛、瑞典、挪威等为代表的北欧国家率先做出碳中和承诺，并将计划完成时间依次定为2040、2045 和2050 年；而后芬兰、新西兰、英国、德国、法国、韩国、日本等国也相继做出承诺，且多将完成期限定于2050 年。而作为世界最大的碳排放国，仍处在发展中阶段的中国与发达国家相比显然面临着更大的减排压力。在此境况下，积极参与全球气候治理、加快推进低碳经济发展，将成为中国下一阶段亟待解决的重大难题。尽管第二、第三产业是导致中国碳排放的主要源头，但农业生产部门所引致的温室气体排放也不容小觑，必须引起足够重视。基于此，文章尝试探究中国各省份农业碳排放效率与经济增长的耦合协调度，以期为农业碳减排政策的制定提供参考。

1 文献综述

目前，已有不少学者围绕农业碳排放问题展开探讨，并形成了较为丰硕的研究成果。从大的切入视角看，相关研究主要汇聚于三个方面。

一是农业碳排放测算及相关特征分析。首先是农业碳源的确定。早期学者们主要着眼于农田二氧化碳排放，认为耕作会导致土壤有机碳流失［1-2］；而后随着研究的逐步深入，畜禽养殖与水稻种植［3］、化肥与农药［4］、能源消耗［5］、农膜［6］等也被看作是重要碳源，并以此为基础形成了较为全面的农业碳排放测算指标体系，主要涉及农用物资利用、水稻种植、畜禽养殖等三个不同维度。闵继胜等［7］、Tian 等［8］、金书秦等［9］先后围绕中国农业碳排放进行了有效测度并分析其特征。综合研究表明，新世纪以来中国农业碳排放总量增长趋势较为明显，近几年逐步趋于平稳甚至略有下降，农业碳排放强度则处于持续下降态势；省域层面，无论总量、强度还是各自的演变轨迹均表现出了明显的空间差异。

二是农业碳排放与经济增长关系研究。其中，一些学者［8，10］探讨了农业碳排放与经济增长的因果关系，并进行EKC 检验以明晰拐点是否存在。结果表明，从短期看，经济发展是导致农业碳排放持续增长的关键动因；但从长期看，二者之间存在拐点，即当经济发展到一定程度农业碳排放将呈现下降趋势。另一些学者［11-12］则将Tapio脱钩模型引入到二者关系的探讨中，并从国家或省域维度展开实证分析。研究揭示，中国农业碳排放与经济增长的脱钩类型大致经历了由“环保”到“污染”再到“环保”的变化历程。还有学者为了更好地探究二者之间的关系，在分析过程中引入了科技投入［13］、技术进步［14］、能源消耗［15］等其他关键变量。

三是农业碳排放效率测度及减排潜力研究。高鸣等［16］、吴昊玥等［17］先后对中国农业碳排放效率进行了测度。总体研究揭示，近年来整体效率水平虽有提升但区域差异明显，省域间存在空间自相关且溢出效应明显；全国范围内不存在随机性收敛，但东、中、西部却表现出了不同特点。中部地区的农业碳减排潜力规模最大，尤其是豫、皖、冀等省［18］。具体到减排成本，各省份也表现出了极大差异，且决策者对于公平与效率的不同偏好会影响到各省份减排责任分摊机制的最终形成［19］。相关评估显示，中国政府有能力实现承诺的预期减排目标，但具体到各省级行政区又表现出一定区别［20］。除了上述研究之外，还有大量学者围绕农业碳足迹［21-22］、农业及农产品贸易隐含碳排放［23-24］等领域展开了相关研究，并得出了一系列有价值的结论。

纵览文献可知，目前关于农业碳排放的研究已趋于全面、系统，相关研究结论能够为中国农业碳减排政策的完善提供重要的参考依据。但同时，现有研究仍存在一定的局限性：一方面，关于农业碳排放效率的测度，无论是测算方法的选择还是投入产出指标的确定均存在一定欠缺；另一方面，农业碳排放与经济增长关系的探讨主要着眼于总量抑或强度视角，鲜有学者从农业碳排放效率视角，围绕其与农业经济增长的协调性展开研究。事实上，近年来随着节能减排理念逐步深入人心，传统“高投入、高产出、高排放”的农业生产模式已显然不可取，而应追求现代农业发展与资源环境保护的协同共进。鉴于此，文章尝试进行一定拓展：一是农业碳排放效率测度力争精准，投入指标选择尽可能详尽，非期望产出农业碳排放的核算能更全面系统；二是尝试将农业碳排放效率与农业经济增长纳入同一框架，围绕二者的耦合协调发展水平展开探讨，明确现状特征并分析空间自相关性。

2 研究方法

2.1 SBM‑Undesirable模型

数据包络分析（Data Envelopment Analysis，DEA）从全要素角度出发，考虑多项投入和产出指标，利用线性规划方法确定生产前沿面，以决策单元（Dicision Making Unit，DMU）偏离前沿面的程度对其效率进行衡量。传统DEA 方法以CCR-DEA 和BCC-DEA 模型为代表，二者都是基于径向和角度两方面对决策单元的效率进行评价，要求在投入尽可能少的情况下产出尽量增多。显然，任何产业在生产过程中除了有益产出之外，通常还伴随着废水、废气等无益产出，按照传统DEA方法则会出现非期望产出随着期望产出同步增加的问题，从而导致效率评价不够准确。加之传统DEA 方法并未考虑投入、产出松弛变量问题，进一步制约了效率测度的精准性。基于此，Tone［25］在经典DEA 模型的基础上将松弛变量加入目标函数，提出了非径向和非角度的SBM‑DEA（Slack Based Model‑DEA）模型，之后又改进为可包含非期望产出的SBM 模型，其现实应用性大幅增强。该模型的基本原理为：假设生产系统中存在n个决策单元，且每个决策单元均有投入x∈Rm、期望产出ya∈Re、非期望产出yb∈Rf等三方面要素，则可定义矩阵如下：

矩阵中：R为实数向量集，m，e，f分别表示投入、期望产出和非期望产出的要素个数。则可定义生产可能集P如 下：P={(x，ya，yb)|x≥Xλ，ya≤Yaλ，yb≥Ybλ，λ≥0}。故包含非期望产出且规模报酬可变的SBM-Undesirable模型具体表示为：

式中：ρ*为研究目标的效率值，其数值范围在0～1 之间，λ为非负权重向量，C-、Ca和Cb分别代表投入、期望产出和非期望产出的松弛变量，则分 别 表示 被评价的决策单元在某时段的投入产出值。对决策单元来说，当且仅当ρ*= 1且C-、Ca和Cb均为0的时候，该决策单元位于效率前沿面上，即有效；若ρ*＜1，则说明该决策单元处于无效状态，需要通过减少投入或者增加产出的方式实施优化调整以达到最优效率。

2.2 耦合协调度模型

耦合度模型主要用来刻画两个或两个以上系统或者要素之间相互关联、彼此影响的程度。结合已有研究，构建农业碳排放系统和经济系统的耦合度模型：

式中：W表示两系统间的耦合度；X1为农业碳排放系统水平，在此通过农业碳排放效率来衡量；X2则代表经济系统水平，以人均农业增加值进行衡量，在具体计算时对其进行标准化处理。耦合度W的取值范围在0～1 之间，其愈趋近于0，耦合度数值愈小，农业碳排放效率与经济增长之间的相互作用程度就愈低；而W愈趋近于1，耦合度数值愈大，农业碳排放效率与经济增长间的相互作用程度就愈高，此时两者间达到“良性共振”的耦合状态，即系统有序［26］。

耦合度模型也存在一定局限性，即其仅能对农业碳排放效率与经济增长之间的相互作用程度进行分析，却无法体现两者间的协调发展状况。譬如，当农业碳排放效率和经济增长水平相当且数值均较低时，耦合度也会趋近于1，由此就无法客观反映农业低碳经济发展水平。与此相比，耦合协调度模型却能对两者间耦合协调发展状况的好坏进行评价［27］。为了更好地分析中国省域农业碳排放效率与经济增长间的耦合协调发展状况，在构建耦合度模型的基础上引入耦合协调度模型，具体公式为：

式中：S为农业碳排放效率与经济增长的耦合协调度，T为两者整体效益水平的综合评价指数，α与β为待定系数且α+β= 1，主要反映两系统各自对整体发展水平的贡献程度。基于农业可持续发展理念以及政府近年来对农业绿色、循环发展的高度重视，文章认为农业碳排放效率与经济增长的重要程度一致，故将α与β的取值均定为0.5。耦合协调度取值范围为［0，1］，其数值越大，则说明碳排放效率与经济增长的耦合协调发展状况越好。为了更为清晰地展现各省份农业碳排放效率与经济增长之间耦合协调发展水平的高低，参考现有文献［28］，采用等间隔划分法，将耦合协调度分为五个等级，并依据综合评价指数进行分类（表1）。

2.3 空间自相关模型

2.3.1 全局空间自相关

全局莫兰指数（Global Moran’I）是全局空间自相关分析使用最多的指标，通常用于检验研究对象的某属性值在整体空间上是否存在集聚状态。采用该指标对全国各省份农业碳排放效率与经济增长耦合协调度的空间相关性进行检验，公式为：

表1 耦合协调度等级划分

式中：GMI为全局莫兰指数，Si、Sj表示各省份农业碳排放效率与经济增长的耦合协调度，n为省份数量，Wij则为空间权重矩阵，对各省份间的空间关系进行描述。采用Queen标准的二进制邻接矩阵，即研究单元相邻时取权重值为1，不相邻则取权重值为0，海南作为与广东相邻来处理。全局莫兰指数的取值范围为［-1，1］，数值为正时表明各省份耦合协调度在整体上存在正相关，数值为负则表现为负相关，数值为0时表示不存在空间相关性。另外，利用统计值ZI对全局莫兰指数进行检验，公式为：

其中：E[I]= 1/(1 -n)，V[I]=E[I2]-E[I]2。

2.3.2 局部空间自相关

全局莫兰指数虽能反映研究区域属性值的整体关联状态，却忽略了局部区域存在的异质性特征，为此需进行必要的局部空间自相关分析。使用局部莫兰指数（Local Moran’I）对局域内属性值的集聚或离散效应进行度量，公式为：

各符号的含义与全局莫兰指数相同，对于具体省份i，可在式（12）的基础上进一步处理：

式中：LMIi为省份i的局域相关性系数，W′ij、Zi和Zj则分别表示将原矩阵和耦合协调度标准化处理后的数值。当LMIi和Zi值均大于0 时，表示该省份与周边省份的协调发展水平均较高，即为高-高（H-H）集聚区；反之，则表明该省份与周边省份协调发展水平均比较低，为低-低（L-L）集聚区。当LMIi大于0 而Zi值小于0 时，表示该省份协调发展水平高而周边省份较低，即为高-低（H-L）集聚区；反之，则表明该省份协调发展水平低而周边省份较高，为低-高（L-H）集聚区。

3 变量界定与数据处理

3.1 变量界定

3.1.1 农业碳排放效率测度

在综合相关研究［29］的基础上，从资本、土地、劳动力、农资等四个维度确定农业碳排放效率测度的投入指标，而产出则包含期望产出与非期望产出，各自所对应的具体指标见表2。

表2 农业碳排放效率评价指标体系

（1）农业投入变量

①资本投入。农业资本投入以中国各省份农业资本存量表示。鉴于该指标数据无法直接获取，参照李谷成等［30］、董奋义等［31］所采用的永续盘存法（Perpetual Inven‑tory Method，PIM）对不包含人力资本和土地资本的狭义物质资本存量进行计算。估算公式为：

Kt=Kt-1(1 -μ) +Lt（14）

其中：Kt、Kt-1分别表示当期和上期的农业固定资本存量，Lt为当期农业固定资产投资，μ代表折旧率。对于当期固定资产投资Lt，使用农业固定资本形成总额进行衡量，其中2000—2002年的相关数值源自《中国国内生产总值核算历史资料（1996—2002年）》，其余年份则以农业固定资产投资额占全社会固定资产投资额的比重乘以全社会固定资本形成总额所得到的数值进行补齐。至于基期资本存量、折旧率μ以及投资价格指数的确定，主要参考李谷成等［31］的研究。

②土地投入。考虑到复种指数的差异以及一些地区存在休耕现象的影响，采用农作物总播种面积衡量，单位为103hm2。

③劳动力投入。参考吴贤荣等［32］的相关研究，劳动力投入用第一产业年末从业人员衡量，单位为104人。

④农资投入。结合一般农业生产现状，从化肥、农药、农膜、农用机械四个方面来考察农资投入。其中，化肥以各省份农业生产过程中的实际施用折纯量为准，单位为104t；农药、农膜使用量以各地区当年农业生产过程中的实际耗用量为准，单位分别为104t 和t；农机投入则以当年农业活动中农用机械动力的额定功率之和为准，包括用于农田基本建设、农作物运输、农产品初加工等活动的一切设备，单位为104kW。

（2）农业产出变量

①期望产出。参照一般研究，选用各省份农林牧渔总产值作为期望产出的替代变量，单位为108元。

②非期望产出。各省份农业碳排放量作为非期望产出的替代变量。鉴于目前无农业碳排放量统计的现实境况，参照田云等［20］的研究，从农用物资投入、水稻种植以及畜禽养殖等三个方面对农业碳排放进行考察。公式为：

C=∑Ci=∑Ti×δi（15）

其中：C为农业碳排放总量，Ci为各类碳源的碳排放量，Ti、δi分别表示各类碳源的具体数量及所对应的碳排放系数。农用物资投入涉及化肥、农药、农膜、农用柴油等生产资料以及农业灌溉等生产活动，水稻种植涵盖早稻、中稻、晚稻等不同类别，畜禽养殖则包含牛、马、驴、骆驼、羊、生猪、家禽等主要饲养品种。除二氧化碳测算外，还涉及甲烷与氧化亚氮排放，为了便于统一分析，参照IPCC第四次评估结果统一折算成标准碳，单位为104t。

3.1.2 农业经济增长的确定

一般情况下，通过GDP 来衡量某一地区的经济发展水平虽简单易行但也存在一定不足，即绝对数量的比较忽视了各省份在人口、资源禀赋等方面所存在的巨大体量差异，难以客观反映地区真实的经济发展水准。相比较而言，选用人均相对指标更能反映实际情况。以人均农业增加值作为衡量各省份农业经济增长的替代指标，计算方法为：人均农业增加值=农业增加值/第一产业从业人口数量，单位为元/人。

3.2 数据来源及处理

农业碳排放效率测度所涉及的基础数据中，农业固定资产投资额、全社会固定资产投资额、第一产业从业人员等均源自历年《中国统计年鉴》，农作物播种面积、化肥、农药、农膜使用量、农机投入数据以及农业碳排放测算所需原始数据均源自历年《中国农村统计年鉴》及各省份年鉴，多数以当年实际数值为主，部分诸如畜禽饲养数量则需根据其生产周期的差异进行适当调整［7］。农林牧渔总产值、农业增加值也源自历年《中国农村统计年鉴》，为了消除价格波动影响，选择以2000 年为基准年进行不变价处理。因数据可得性限制，研究未涉及香港、澳门、台湾地区。

4 研究结果分析

4.1 农业碳排放效率现状特征分析

基于构建的指标体系，利用Matlab 软件并选用规模报酬可变假设下的SBM‑Undesirable 模型对2000—2019年中国31 个省份农业碳排放综合效率（TE）、纯技术效率（PTE）以及规模效率（SE）进行有效测度。鉴于数据的可得性，研究不包括港澳台地区。受篇幅所限，文章仅列出2000年和2019年的测算结果（表3）。

表3 31省份农业碳排放效率及分解

由表3 可知，2019 年北京、天津、吉林、广东、海南、西藏6 省份农业碳排放综合效率值为1，属于有效状态，即效率值处于最佳前沿面；福建、辽宁、江苏、安徽紧随其后依次排在7～10位，但各自距离最佳前沿面已有明显差距。与此对应，山西综合效率值最低，仅为0.257；内蒙古、甘肃、新疆、宁夏则依次排在倒数2～5 位，各自效率值均在0.3 以下，明显远离最佳前沿面，存在较大提升空间。通过对综合效率分解可知，除去处于有效状态的6 省份，纯技术效率和规模效率占主导地位的省份分别为13 个和12 个。其中，相当数量省份纯技术效率处于最佳状态可能归功于近年经营模式改进、产业布局优化以及农用物资利用趋于高效；而从深层次原因看，很大程度上还与《全国农业现代化规划（2016—2020年）》的实施有关。该规划着重强调了建设高标准农田、提高农业技术装备和科技转化率的重要性，而这显然有助于纯技术效率的提升。相比较而言，虽有不少省份规模效率发挥了主要作用，但其效率值却多在0.9 以下，可见农业生产规模化经营仍存在较大改善空间。与基期2000年相比，除广东、海南、西藏3 省份因为一直处于有效状态而未发生变化外，仅内蒙古、上海、安徽、湖南、贵州、新疆6 省份有所下降，其中以上海降幅最大，其他各省份综合效率值大多发生了明显变化，且多数省份得到了显著提升。

4.2 农业碳排放效率与经济增长的耦合协调度分析

结合公式（6）—公式（8），完成对31 个省份农业碳排放效率与经济增长耦合协调度的测算，同时对各自耦合协调等级进行综合评价。限于篇幅，仅列出2000 年和2019年的评价结果，见表4。

由表4 可知，2019 年海南耦合协调度最高为1.000，说明其农业碳排放效率与经济增长已实现了绝对优质协调，二者同步高质量提升；天津、吉林紧随其后分列二三位，其耦合协调度也均超过了0.90；排在4～10 位的省份依次为福建、北京、广东、江苏、浙江、辽宁和黑龙江，耦合协调度介于0.70～0.90之间。与此对应，山西耦合协调度最低，仅为0.435，而甘肃、宁夏、贵州、青海则排在倒数2～5位，耦合协调度均在0.60以下。相比2000年，除上海之外的其他30 个省份耦合协调度都有显著提升，且均实现了层级跨越。其中，从绝对数值看，青海提升幅度最大，耦合协调度增加了83.65%；贵州、重庆紧随其后，分别达到了76.79%和75.94%；内蒙古提升幅度最小，仅为15.69%；北京、新疆则分别排在倒数第二、第三位，分别为24.96%和29.23%。从层级跨越来看，江苏、浙江、河南、重庆实现了二级飞跃，其他各地则实现了一级跳跃。结合各省份耦合协调度等级划分及综合评价结果可知，截至2019 年，除海南实现同步发展外，还有7 省份达到了优质协调，且以经济滞后型为主；16 省份为良好协调，且效率滞后型占据多数；剩余7 省份则表现为中等协调，均为经济滞后型。从目前情形看，良好及以上协调类型的省份要占据绝大多数，整体状况要远好于2000 年；同时，两个时间点同步发展无法形成的原因也存在一定区别：2000 年所有省份都归结于农业经济发展水平滞后，而2019 年已有超过10 个省份是源于农业碳排放效率水平滞后。为了更为直观地展示中国农业碳排放效率与经济增长之间耦合协调发展的地区差异，列出2000、2004、2008、2012、2016 以及2019 年31 个省份的耦合协调度结果（表5）。

表4 31省份农业碳排放效率与经济增长的耦合协调度及综合评价结果

由表5 可知，2000—2019 年，中国农业碳排放效率与经济增长的耦合协调发展水平整体上升趋势明显。其中，2000 年，绝大多数省份处于失调或者中等协调状态，仅有少数省份表现出良好协调状态；而到了2019年，不仅已无失调省份且多数地区达到了良好及以上协调等级。具体来看，2000年，山西、河南、重庆、贵州、云南、陕西、甘肃、青海、宁夏9 省份处于初级失调等级，北京、天津、吉林、上海、福建、广东、海南7省份则处于良好协调等级，其余诸省份均为中等协调等级。从区域分布看，协调发展水平等级较低的省份大多位于中西部地区，经济条件相对落后，且受自然资源制约，农业现代化、规模化发展不足，致使农业碳排放效率与经济增长水平均比较低，两者处于失调状态。2004 年，不少省份的协调度等级得到改善，其中海南、北京最先升至优质协调等级，河南、重庆、陕西、宁夏等省份由初级失调升至中等协调等级，浙江、辽宁则由中等协调升至良好协调等级。综合来看，中东部省份协调发展水平所处等级上升要更快一些。2008年，天津、上海由良好协调转变为优质协调，江苏、西藏由中等协调转变为良好协调，青海、云南由初级失调转变为中等协调，余下诸省份基本维持原有状态不变。2012年，各省份协调状态相比4年之前多无显著变化，仅吉林由良好协调升至优质协调，而上海甚至由优质协调降为良好协调，这可能与其农业规模化经营程度不足、人均效益产出较低有关。至于该阶段协调发展水平整体增速减缓的原因，可能与农业机械化进程的加快有关。农机具投入量的增加以及农机专业合作组织的兴起使得各地农业机械化作业率显著提升，但由于耕地细碎化、农机作业成本高等问题，致使技术资源的投入存在冗余情况，导致产出效益不够高而碳排放却仍在增长。2016 年，江苏由良好协调转变为优质协调，河北、黑龙江、安徽、江西、山东和重庆由中等协调升为良好协调，山西、贵州、甘肃3省份由初级协调转变为中等协调，其他各地则维持原有协调状态不变。此时，所有省份都步入协调发展阶段，不过仍以中等协调为主。2019 年，伴随着以河南、湖北、湖南等为代表的多个省份耦合协调度等级的提升，全国仅剩山西、贵州、云南、陕西、甘肃、青海、宁夏7省份仍处于中等协调等级，而浙江、福建、广东等省份则进一步升至优质协调状态。该阶段成效的取得主要源于政府对农业绿色高质量发展的愈发重视。党的十九大报告以及历年中央一号文件都反复强调中国农业应逐步由增产向提质转变。得益于相关配套政策的有力支持，近年来农业生态化、特色化和品牌化建设程度不断加深，从而促使农业碳排放效率与经济增长同步提升，二者协调水平也随之得到相应提高。

4.3 耦合协调度的空间自相关分析

4.3.1 全局空间自相关分析

运用Stata 软件计算2000—2019 年各省份农业碳排放效率与经济增长耦合协调度的全局莫兰指数并进行显著性检验，相关结果见表6。

由表6 可知，在整个考察期内，农业碳排放效率与经济增长耦合协调度的全局莫兰指数均大于0.3且都在1%水平下通过显著性检验。由此揭示，中国省域农业碳排放效率与经济增长的耦合协调度在整体层面存在显著的空间自相关特征，具体表现为某个高值省份周边伴随着一个或多个高值省份，而某个低值省份则通常与一个或多个低值省份相邻。从莫兰指数值的历年变动情况看，2000—2014 年虽然升降反复但总体表现出波动上升态势，集聚程度在经历下降之后通常又伴随回升，并于2014年达到最大值0.380；而2015—2019 年虽同样升降反复但波动下降趋势较为明显，表明该阶段耦合协调度的空间集聚效应有所减弱，省域间农业碳排放效率与经济增长的耦合协调差距呈现扩大趋势。究其原因，可能与各地区现代农业发展程度不一、发展速率各异有关：一方面受自然资源、经济水平等因素影响，部分省份农业机械化、规模化程度更高，碳排放效率提升更快，产出效益更好；另一方面则源于政府近年对农业绿色发展的愈发重视，部分省份对此响应更为积极、执行更加到位，从而促使碳排放量下降且产出效益显著提升。

4.3.2 局部空间自相关分析

为了进一步明晰2000—2019 年31 个省份耦合协调度的空间关联特征，选取2000、2007、2013 和2019 年等年份，对其耦合协调发展状态的局部莫兰散点图进行绘制（受限于篇幅以及各省份在图中较难辨识等原因，在此不呈现散点图），结果见表7。

由表7可知，高-高集聚区在2000年和2007年所包含的地区完全一致，均为北京、天津、辽宁、吉林、上海、江苏、浙江、福建、广东、海南7 省3 市。从区域分布来看，主要位于中国东北以及东部、东南沿海地区。这些省份普遍农业资源禀赋较好，比如东北地区地势平坦、土壤肥沃，极利于玉米、水稻、大豆等粮食作物的种植；而东南沿海地区水热条件俱佳，经济作物种植较为广泛；同时多数地区经济发达，有助于农业现代化、规模化发展，且能对周边省份产生示范效应。2013 年黑龙江由低-高集聚转为高-高集聚，可能源于其与高-高集聚区省份毗邻，所受到的辐射带动作用较大。而到了2019 年，情形又发生了一定变化：上海由于近年整体协调发展水平不佳且下降趋势明显，逐步脱离了高-高集聚区；但同时江西加入，可能得益于周边浙、闽、粤等地的积极带动。

表5 2000—2019年31省份农业碳排放效率与经济增长耦合协调发展的空间分布

低-低集聚区在2000 年包含山西、安徽、山东、河南、湖北、湖南、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏15省份。从地域分布看，集中于中、西部地区，或源于农业资源禀赋不占优势，或归结于种植结构相对高碳，或因经济不够发达、资金支持有限、科技水平相对滞后等制约，阻碍了农业碳排放效率与农业经济水平的提升，导致耦合协调发展水平偏低，同时对周边省份的辐射与扩散效应也较弱。2007 年，新疆由高-低集聚转为低-低集聚，可能受禁牧、轮牧、休牧等制度的影响以及政府对牧区生态环境修复治理的逐步重视，农业整体发展受到一定冲击，导致协调发展速率相对于其他省份偏慢。2013 年，内蒙古由高-低集聚转为低-低集聚，安徽、山东则由低-低集聚转为低-高集聚。其中，内蒙古发生变化的原因与新疆基本类似。鲁、皖虽然农业经济持续发展，但其碳排放效率相对不高，因而与周边省份相比耦合协调发展度增长较慢，即便与高水平省份相邻，但受到的带动作用较小，且在一定程度上承担了领先地区的环境负外部效应。2019 年与2013 年情形完全一致，在此不做过多赘述。

至于低-高和高-低集聚区，所含省份数量一直较少，均未超过4 个。具体而言，低-高集聚区仅河北一直居于其中，所毗邻京津均处高-高集聚区，但由于京津农业体量较小，难以对河北形成积极带动作用；而高-低集聚区仅西藏一直位于其中，虽自身协调发展水平较高，但由于农牧业的特殊属性与体量限制，很难对周边地区形成带动效应。至于其他省份的动态变化及成因，在剖析高-高、低-低集聚区时都已陈述，此处不再赘述。综合来看，在整个考察期内，处于低-低集聚区的省份不仅数量一直最多，且具体构成也未发生太多变动，由此揭示中国省域农业碳排放效率与经济增长的耦合协调发展水平呈现出“弱者恒弱”的空间集聚局面，而这显然不利于整体低碳农业经济的发展。

5 结论与启示

通过系统分析，得到以下主要结论。

2019 年，北京、天津、吉林等6 省份农业碳排放综合效率值为1，属于有效状态，即效率值处于最佳前沿面；相比较而言，山西综合效率值最低，仅为0.257，内蒙古、甘肃、新疆、宁夏则排在倒数2～5位，各自效率值均在0.3以下，存在较大提升空间。与基期2000 年相比，除广东、海南、西藏3 省份因为一直处于有效状态而未发生变化外，其他各地综合效率值均发生了明显变化，且多数地区得到了显著提升，仅内蒙古、上海、安徽、湖南、贵州、新疆6省份有所下降，其中以上海降幅最大。

表6 2000—2019年31省份耦合协调度的全局莫兰指数

表7 主要年份31省份耦合协调发展水平的局部空间聚类情况

2019 年，海南耦合协调度最高，为1.00，说明农业碳排放效率与经济增长已实现了绝对优质协调；与此对应，山西耦合协调度最低，仅为0.435，而甘肃、宁夏、贵州、青海则排在倒数2～5 位。相比2000 年，除上海之外的其他30 个省份耦合协调度都有显著提升，且均实现了层级跨越。总体来看，截至2019年，绝大多数省份的协调等级达到了良好及以上层次，其中海南实现同步发展，7 个省份达到了优质协调且以经济滞后型为主，16 个省份为良好协调且效率滞后型地区占据多数，余下7省份则表现为中等协调且均为经济滞后型。

在整个考察期内，中国省域农业碳排放效率与经济增长的耦合协调度总体存在显著的空间自相关特征，具体表现为某个高值省份周边伴随着一个或多个高值省份，而某个低值省份则通常与一个或多个低值省份相邻。同时，局部莫兰指数结果显示，位于高-高和低-低集聚区的省份占据绝大部分，其中又以低-低集聚区的省份数量最多且其具体构成在不同年份变化较小，由此使得中国省域农业碳排放效率与经济增长的耦合协调发展水平在一定程度上呈现出了“弱者恒弱”的空间集聚局面。

为了更好地推进农业碳减排，助力中国“双碳”战略目标早日实现，可考虑从以下几方面着手：一是提高农资利用效率，推广绿色生产技术。一方面，着力提高化肥、农药、农膜等的利用效率，不断推广绿色、生态生产技术，如广泛采用测土配方施肥技术、加强病虫害生物防治、使用可降解农膜等；另一方面，加快传统农用机械的创新升级速度，积极研发和推广节能型农用机械，以促进机械化作业的节能减排。二是深化农业结构调整，提升农业生态效益。在保障粮食安全的前提下，推动种植业由增产向提质方向转变。同时，依据各地实际调整粮食作物、经济作物、饲料作物的种植比例，并建立健全耕作轮作制度，实施种养结合模式，使种养殖业之间形成粮草兼顾、优势互补的发展格局。除此之外，重视草原生态修复、推动畜禽养殖规模适度化发展，强化农业向“低投入、低排放、高效益”方向转变，实现生态效益的提升。三是强化科技创新驱动，建立区域合作机制。一方面，利用现代科技推动农业机械化、智能化和数字化发展，通过加强农业信息化管理、完善“互联网+”农业产业体系等手段促进农业现代化、规模化进程，降低对传统化石能源的依赖程度，重视清洁能源的开发与利用；另一方面，处于低-低集聚区的省份除了因地制宜发展优势产业外，要特别注重建立区域合作机制，通过产业对接、项目合作、技术交流等手段，积极吸取先进地区农业产业化、规模化发展经验，促进自身农业绿色、高质量发展。