新疆塔里木河流域县域农业低碳生产率时空格局及影响效应研究
2023-07-25穆佳薇乔保荣余国新
穆佳薇,乔保荣,余国新
(新疆农业大学经济管理学院,新疆 乌鲁木齐 830052)
近年来,在农业资源面临刚性约束同时将环境纳入分析框架的农业低碳生产效率成为热点议题。既有研究主要聚焦在农业投入产出效率[5]、农业碳排放效率[6]和生态效率[7]等方面。该文认为农业低碳生产率是将农业碳排放作为隐含在能源与产品之间的要素投入以衡量单位农业污染引起的经济效益。有关农业低碳生产率的研究主要体现在4个方面:(1)农业碳源选择。早期学者们主要聚焦在农业CO2,指出农田耕作会造成土壤碳流失;随着研究内容的不断深化,水稻种植[8]、畜禽养殖[9]、农药使用量[10]等也成为重要的碳源,并形成了较为全面的农业低碳生产率测算指标体系。程琳琳等[11]基于单要素视角考察了经济效益和农业碳排放之间的关系,但体现的政策内涵较弱,割裂了农业“生产-生态-经济”之间的多重属性;黄景裕等[12]将经济效益视为期望产出,将农业碳排放作为环境产出,较为全面地反映了农业低碳生产率的变动。(2)农业低碳化发展的必要性。Smith 等[13]强调完善气体排放权交易能缓解农业碳排放量;Ajzen 等[14]认为在转变农业发展方式,理论上存在末端治理、连续性方法和断绝性方法3 种途径对低碳农业技术进行“解锁”以减少碳排放;Johnson 等[15]分析了农业GDP和农业碳排放量的关系,发现转变农业发展方式能实现碳减排。(3)农业低碳生产率测度。田云等[16]考察了碳约束下农业生产率的变动情况,1993年以来中国低碳农业生产率增速整体偏慢,增长源泉为农业前沿技术进步。钱丽等[17]探索了碳约束下的农业生产率,研究发现样本周期内,碳约束下的农业生产率有所上升但仍处于较低水平,制约其发展的关键因素是纯技术效率。随着农业低碳生产率测度的不断深化出现了适宜农业多投入产出的方法,尤以数据包络分析与随机前沿法为主,由于选择方法不同得到的结果也各异[18]。(4)影响变量选取。刘海英等[19]从宏观视角选取省际面板数据构建空间计量模型剖析绿色技术创新通过工业结构升级、循环农业发展和交通运输替代对碳生产率的影响路径;程琳琳等[20]利用空间杜宾模型探讨了不同尺度下城镇化水平对农业碳生产率的溢出效应和动态演进;张哲晰等[21-22]分别从产业集聚和农户专业化视角探析了对农业碳生产率的影响,并发现二者对农业碳生产率均具有显著的正向作用。
纵观已有研究成果发现:从研究对象看,现有研究重点讨论了工业和制造业的低碳生产率发展水平,探讨农业低碳生产率内生动力、溢出效应和空间异质性的文献较少。从研究尺度看,已有研究在干旱区塔里木河流域农业绿色发展的研究上关注较少,有学者在耕地效率和水质演变的生态效应方面进行研究,而直接关注塔里木河流域农业低碳生产率的文献较少,且囿于数据可得性,鲜有研究区考虑塔里木河流域县级层面。故在汲取前人研究成果的前提下,该文尝试从3个方面进行拓展:一是以农业碳排放和农业面源污染为环境产出的代理变量,借助非期望产出的超效率SBM模型对塔里木河流域县域农业低碳生产率进行测度,既能考察投入的经济效益,也能有效衡量投入引起的环境外部性,使农业低碳生产率的测算结果更加精准。二是介于农业空间的流动性,运用趋势面分析和空间自相关等探索农业低碳生产率的县域差距和空间关联性。三是基于空间杜宾模型和地理探测器从农户福利、社会经济和政府行为3 个维度选取变量考察农业低碳生产率的邻地效应和空间异质性,为干旱区协同农业低碳发展政策提供借鉴。
1 研究区概况
新疆塔里木河流域是中国最长的内陆河,地处新疆南部的塔里木盆地北缘,由和田河、叶尔羌河、阿克苏河和若干条支流汇集而成。行政位置涵盖了新疆南疆五地州即阿克苏地区、喀什地区、和田地区、克孜勒苏柯尔克孜自治州(简称克州)和巴音郭楞蒙古自治州(简称巴州)共计44个县市,由于阿拉尔市与图木舒克市为省直辖县级单位,因此不纳入研究范围。塔里木河流域行政区占地面积约为1.06×106km2,占新疆总面积的64%。塔里木河流域与5 个国家接壤,已成为中国进入中亚地区最为便捷的通道,对塔里木河流域县域发展外向型农业具有重要的战略意义。塔里木河流域土地光热资源丰富,日照时间长,昼夜温差大,独特的资源为塔里木河流域现代农业的发展提供了保障。但囿于地处干旱区,生态环境脆弱,加剧了塔里木河流域农业弱质性,同时农业发展仍在走一条高碳排放路径。故该文以塔里木河流域作为样本具有一定的代表性,也可为其他类似地区提供借鉴。
2 数据与方法
2.1 数据来源及预处理
农业低碳生产率的投入产出指标和影响因素源自2001—2021年《中国县域统计年鉴》《新疆统计年鉴》《阿克苏地区统计年鉴》《喀什地区统计年鉴》《和田地区统计年鉴》《克孜勒苏柯尔克孜自治州统计年鉴》《巴音郭楞蒙古自治州统计年鉴》并辅以各市县的统计公报等;环境产出中的农业碳排放系数采用IPCC发布的碳排放系数,将农业碳源的投入量和对应的碳排放系数相乘得到农业碳排放量。农业碳源包括农药、化肥、农膜、翻耕和灌溉,其中农药和化肥的数据源自《新疆农牧产品成本收益资料汇编》,计算方法参考李波等[23]的研究思路;农业污染排放参考崔叶辰等[24]的做法以熵值后的化肥氮磷流失量表征;部分缺失值采用插值法进行填补。
2.2 指标构建
2.2.1 因变量科学构建农业低碳生产率测度模型有助于正确评估新疆塔里木河流域县域农业绿色增长质效。为化解城市化进程中农业增长方式粗放和增长动力不足的困境,塔里木河流域县域农业发展模式迫切需要绿色转型,本质是农业发展方式和发展动力的转变,即以农业低碳生产率为内生动力的质量增长。结合塔里木河流域县域生态系统特征,依据指标普适性原则,最终从土地、劳动、资本3 个维度选取7 个变量为投入指标;将农业总产值作为效益产出的代理变量;将农业碳排放量和农业面源污染作为环境产出的代理变量,并构建县域农业低碳生产率指标体系(表1)。
表1 塔里木河流域农业低碳生产率指标体系及描述性统计Tab.1 Indicator system and descriptive statistics of agricultural low-carbon productivity in Tarim River Basin
2.2.2 自变量从农户福利、社会经济和政府行为3个维度选取了7个变量进行归类(表2),参考汪亚琴等[25]将人均生产规模和机械化使用强度利用Arc-GIS 10.8 软件中的等间距法进行划分;人口城镇化水平借鉴尹旭等[26]的做法以10%、30%、50%和70%作为间断点分为4 个类别;其余变量均依据自然断点法归类。
大学、科研机构与各类智库应该成为公共服务创新的主体,在较发达的创新区域,大学和研究机构的职能已逐渐从单纯地传播知识、研究、开发转向咨询和培训等方面。智库在中国的发展也很迅速,政府要发挥主导者的作用,带动大学、研究机构、智库等进行公共服务创新,为公共服务模式的创新提供足够智力支持。要引导它们将创新同国情与实践结合起来,研究提供最能为人民接受、最让人民受益的公共服务,本着一切为人民服务,一切利益为人民所有的目标而努力,真正形成“大社会、小政府”模式,推动中国不断向强国迈进。
表2 农业低碳生产率探测变量Tab.2 Agricultural low-carbon productivity detection variables
2.3 研究方法
2.3.1 超效率SBM模型2001 年,Tone[27]提出将环境产出纳入生产可能集的超效率SBM 模型。该模型设定新疆塔里木河流域县域农业低碳生产率是通过多重要素投入得到多重效益产出,在环境技术框架下构建,同时包含期望产出与环境产出的生产可能集。模型为:
2.3.2 空间计量模型为规避由于忽视区域间空间关联造成的估计偏误,引入空间计量以考察变量的影响路径。即:
式中:LCPit为i县t年的农业低碳生产率;xit为影响变量;γi、βi、αi为回归系数;W为42×42 阶邻接权重矩阵;vt为时间固定效应;τi为个体固定效应;μit为随机误差项。
2.3.3 地理探测器模型空间计量模型在分析时将空间因素纳入分析框架,但未考虑县域农业低碳生产率的空间异质性,而地理探测器能从异质性视域探讨影响变量的空间分异特征。因此,运用地理探测器识别县域农业低碳生产率时空变动的影响变量和交互作用(表3)。具体模型为:
表3 探测变量作用依据Tab.3 Basis for the role of detection variables
式中:q为解释力;m和f2为样本数量和方差;e为探测因子数;mi和fi2分别为i(i=1,2,…,n)的分层样本数量和方差;q值介于[0,1],表征变量对县域农业低碳生产率空间分异的解释力。
3 结果与分析
3.1 塔里木河流域农业低碳生产率时序演变
图1 显示了各指数的变动趋势,2000—2020 年塔里木河流域农业低碳生产率呈波动上升趋势,年均增长率为1.39%,意味着在考虑农业碳排放后农业低碳生产率明显低于农业总产值的增速,表明农业污染程度会对农业低碳生产率产生抑制作用。分时段来看,农业低碳生产率在2006、2014、2017年和2019 年呈负向增长趋势。其中最大降幅为23.36%,最小降幅为0.87%,由于农村老龄化现象显现,弱势劳动力在有效的耕地面积大量使用化学品以保证经济产出的预期目标,导致农业环境产出问题加剧。从分解指数看,纯技术变化、规模技术变化和规模效率变动指数均表现为交替波动下降的特征,年均降幅分别是0.73%、6.02%和7.99%;而纯技术效率变化以年均1.29%的速度增长。纯技术效率变化幅度高于其他指数的变化幅度,且塔里木河流域农业低碳效率和纯技术效率变化的变化趋于一致,说明纯技术效率变化是塔里木河流域农业低碳生产率提高的主要成因。
图1 2000—2020年塔里木河流域农业低碳生产率及ML分解指数变动比率Fig.1 Ratio of changes in agricultural low-carbon productivity and ML decomposition index in Tarim River Basin from 2000 to 2020
由图2 可以得出:塔里木河流域各地区2000—2020 年农业低碳生产率变动差异较为显著。塔里木河流域下游农业低碳生产率均值为0.7677,高于流域上中游但距离生产技术前沿面仍有23.23%的改善空间。在2010 年流域下游农业低碳生产率低于流域上游,自2010年开始流域下游规模效率变动和纯技术效率变化之间的矛盾加剧导致农业低碳生产率下降。流域上游在研究期间呈波动上升态势,由2000 年的0.4367 增到2020 年的0.7011,增幅近60.54%。其中规模效率变动的年均增长率为6.49%,成为前期中游农业低碳生产率提高的主要源泉,但在2016 年农业低碳生产率有所下降,这主要是由于纯技术效率变化的下降导致农业低碳生产率表现为下滑趋势。流域中游农业低碳生产率排名靠后但整体表现为波动上升趋势,农业低碳生产率均值为0.6461,年均增幅为0.16%,其中规模效率变动的年均增长率为1.01%,说明中游农业低碳生产率的提高得益于规模效率变动的影响。分区域看①上游(库尔勒市、轮台县、尉犁县、若羌县、且末县、焉耆回族自治县、和静县、和硕县、博湖县);中游(库车县、新和县、沙雅县、拜城县、温宿县、阿瓦提县、乌什县、柯坪县、和田市、和田县、墨玉县、皮山县、洛浦县、策勒县、于田县、民丰县);下游(喀什市、疏附县、疏勒县、英吉沙县、岳普湖县、伽师县、莎车县、泽普县、叶城县、麦盖提县、巴楚县、塔什库尔干塔吉克自治县、阿图什市、阿克陶县、乌恰县、阿合奇县)。,流域间形成“下游-上游-中游”凹形递减的分异格局,分化现象有所缓和。
图2 2000—2020年塔里木河流域农业低碳生产率Fig.2 Agricultural low-carbon productivity in Tarim River Basin from 2000 to 2020
由表4 可知,县域视角下塔里木河流域2000—2020 年农业低碳生产率中位居前五的是塔什库尔干塔吉克自治县(1.7783)、于田县(1.4609)、乌恰县(1.3924)、莎车县(1.3514)和伽师县(1.3242),其中乌恰县和于田县农业低碳生产率提高主要受纯技术效率变化作用;塔什库尔干塔吉克自治县、莎车县和伽师县农业低碳生产率的提高受规模效率变动影响。此外研究期间位居最后的县域多数受纯技术变化下降的影响。由纯技术效率变化可知除于田县和乌恰县外,乌什县(1.4090)受纯技术效率变化的影响也较高,年均增长率为13.65%,说明纯技术效率变化对该县市农业低碳生产率的贡献度较高;由规模效率变动可知除伽师县和莎车县外,阿克苏市(1.3160)的农业低碳生产率受规模效率变动的影响明显,年均增长率为63.31%;由纯技术变化可知温宿县(1.4487)、墨玉县(1.3214)和巴楚县(1.3043)的均值排名靠前,年均增长率分别为31.89%、19.30%和28.95%;由规模技术变化可知乌恰县(1.3892)、塔什库尔干塔吉克自治县(1.3735)和民丰县(1.2797)指数均值位居前列,年均增长率分别为12.87%、36.07%和21.46%,说明规模技术变化对以上县市农业低碳生产率的提振作用显著。
表4 2000—2020年塔里木河流域42个县市效率值及分解项Tab.4 Efficiency values and decomposition items for 42 counties and cities in Tarim River Basin from 2000 to 2020
3.2 塔里木河流域农业低碳生产率空间演化
3.2.1 县域农业低碳生产率空间分异特征分析依据农业低碳生产率的评估方法,运用2000—2020年县域投入产出数据,借助ArcGIS 10.8 软件,为避免分析冗余,选择2000、2010、2015年和2020年4个典型年份绘制效率图(图3)。借鉴Zhang 等[28]将农业低碳生产率由低到高划分为5 个等级:低效率(ρ0<0.3)、较低效率(0.3≤ρ0<0.6)、中等效率(0.6≤ρ0<0.9)、较高效率(0.9≤ρ0<1.0)和高效率(1.0≤ρ0)。
图3 2000—2020年塔里木河流域农业低碳生产率空间分异Fig.3 Spatial divergence of agricultural low-carbon productivity in Tarim River Basin from 2000 to 2020
由图3 可知,2000 年县域农业低碳生产率处于高效率区域包括于田县、阿克陶县、阿瓦提县等15个县市,中等和较高效率区域包括库尔勒市、轮台县等9个县市,其余18个县市均处于较低和最低效率状态;2010 年处于高效率地区包括温宿县、和田市等10个县市,处于较低效率和低效率县市较2000年有所减少,而处于中等和较高效率区域包括轮台县、若羌县等15 个县市,整体处于中等效率状态;2015 年高效率区域包含尉犁县、喀什市等15 个县市,处于较低和最低效率县市与2010年相比下降了13.33%;其余均处于中等效率状态;2020 年处于高效率县市数目和2000 年相比增长了26.67%,处于较低和最低效率县市数目和2000 年相比降幅为38.89%。
3.2.2 县域农业低碳生产率空间趋势分析为剖析县域农业低碳生产率空间变化趋势,运用ArcGIS 10.8软件以典型年份为例进行绘制(图4)。
图4 塔里木河流域县域农业低碳生产率空间变动趋势Fig.4 Spatial trends in agricultural low-carbon productivity in the counties of Tarim River Basin
由图4 可知,2000 年县域农业低碳生产率的空间投影呈“西高东低,南北低中部高”的空间特征且变化显著,说明该段时间县域农业低碳生产率差异较大,这与流域下游的克孜勒苏柯尔克孜自治州耕地资源难以有效利用有关;2010年空间投影在南北方向和东西方向变动有所缓和,说明随着流域上游对资源的可持续利用使东西方向的差距缓解,效率得到一定程度的改善;2015年和2010年相比变动明显,在东西方向上的变动与2015 年基本一致,在南北方向的变动较大,说明农业低碳生产率在南北方向的差异扩大;截至2020年县域农业低碳生产率在南北和东西方向上的变动趋势更加平滑。
3.3 空间溢出效应
3.3.1 空间自相关检验莫兰指数(Moran’sI)具有较强的稳定性且对偏离正态分布的情况不敏感。故运用Stata 16.0 软件对2000—2020 年县域农业低碳生产率的全局Moran’sI进行计算(表5)。结果表明塔里木河流域县域农业低碳生产率均在1%的水平上显著为正,性质相似的空间单元产生集聚,强烈拒绝“无空间相关性”的原假设,满足空间计量分析的前提假设。
表5 塔里木河流域县域农业低碳生产率Moran’s I值Tab.5 Moran’s I values of agricultural low-carbon productivity in the counties of Tarim River Basin
3.3.2 空间模型设定首先,豪斯曼检验结果表明模型在1%的水平上显著拒绝采用随机效应的原假设,且时间和空间的似然比检验表明模型均在1%的水平上显著,意味着该模型既存在时间效应又存在空间效应;其次,拉格朗日乘数检验和基于稳健的拉格朗日乘数检验表明空间误差模型和空间滞后模型均在1%的水平上显著拒绝原假设,意味着不能忽略变量对农业低碳生产率的空间作用;最后,似然比检验和沃尔德检验发现,空间杜宾模型在1%的显著性水平上拒绝简化为空间误差模型和空间滞后模型的原假设。综上所述,该文运用空间杜宾模型探索各变量对农业低碳生产率的空间效应(表6)。
表6 模型检验结果Tab.6 Model test results
3.3.3 空间回归结果表7 汇报了邻接权重矩阵下各变量对农业低碳生产率的空间影响。由表7 得出,农民收入水平在1%的水平上通过显著性检验,且系数显著为正,说明农民收入水平提高对县域农业低碳生产率具有正向作用,这源于农民收入水平的高低影响了农业生产要素投入力度,同时农民收入水平提高也有助于农民生产和销售绿色农产品,在满足消费者追求健康的高品质生活同时实现增收,有效提升了农业低碳生产率。经济发展水平在1%的水平上显著为正,说明经济发展水平对县域农业低碳生产率的提高具有正向作用;人均生产规模对县域农业低碳生产率的提振作用微弱;机械化使用强度对县域农业低碳生产率具有积极作用,说明机械化提高显著提高了劳动生产效率,释放出更多的劳动力以节约劳动成本,对增加经济期望产出具有明显成效;工业化水平对县域农业低碳生产率具有显著的负向作用,表明工业化水平的提高会抑制农业低碳生产率的增长,由于工业化发展吸纳了农村富余劳动力,导致农民在时间约束下密集使用化学投入以替代劳动力短缺,引起农业环境的外部性;人口城镇化水平对农业低碳生产率影响不显著;财政支农力度对农业低碳生产率在1%的水平上显著为负,由于过多价格干预造成农产品和要素市场价格波动及供需失衡,产生资源冗余,不利于农业低碳化发展。
表7 空间杜宾模型回归结果Tab.7 Regression results of spatial Durbin model
3.3.4 溢出效应分解为精准地呈现各变量对农业低碳生产率的影响,基于偏微分法对各指标进行无偏处理,将其分解为直接效应、溢出效应与总效应(表8)。可以看出,农民收入水平和机械化使用强度对农业低碳生产率具有显著的正向溢出效应,表明农民收入水平和机械化使用强度的提高对邻接县市农业低碳生产率具有正向作用;经济发展水平的直接效应在1%的水平上显著,说明县域经济发展水平对农业低碳生产率具有正向直接作用;工业化水平和财政支农力度的溢出效应为正,说明工业化水平和财政支农力度的提高对邻接地区具有正向溢出效应;人口城镇化水平在10%的显著性水平上显著为负,说明人口城镇化水平对农业低碳生产率具有显著的负向溢出效应;人均生产规模对农业低碳生产率的溢出效应不显著。
表8 效应分解结果Tab.8 Results of effect decomposition
3.3.5 稳健性检验为验证估计结果的稳健性,利用地理距离权重矩阵对模型进行再检验(表9)。结果表明各变量与邻接权重矩阵作用下的回归系数和作用方向趋于一致,证明估计结果是稳健的。
表9 基于地理距离权重矩阵的塔里木河流域县域农业低碳生产率影响变量效应分解Tab.9 Decomposition of effects of agricultural lowcarbon productivity impact variables in counties of Tarim River Basin based on geographical distance weight matrix
3.4 基于地理探测器的县域农业低碳生产率影响变量分析
3.4.1 探测变量分析由于农业低碳生产率具有显著的空间分层异质性,需借助地理探测器进一步分析。该文选取2000、2010、2015 年和2020 年共计4个典型年份的农业低碳生产率探测,具体包括农户福利、社会经济和政府行为3 个维度共计7 个探测变量,运用ArcGIS 10.8软件中的自然段点法和等间距法对变量进行离散化处理,并识别各变量对农业低碳生产率的影响程度(表10)。
表10 2000—2020年探测变量作用强度和排名Tab.10 Intensity and ranking of the role of detection variables from 2000 to 2020
由表10可知,各变量对农业低碳生产率的影响具有显著差异。横向看,2000年影响县域农业低碳生产率空间分异的主导变量为农民收入水平(0.158)、经济发展水平(0.130)和人口城镇化水平(0.115)。2020年除经济发展水平(0.187)和人口城镇化水平(0.187)保持主导地位外,财政支农力度(0.376)也成为影响县域农业低碳生产率时空分异的决定性变量;纵向看,农民收入水平和人均生产规模的q值由2000 年的0.158 和0.103 降到2020 年的0.130和0.049;而机械化使用强度、工业化水平和财政支农力度成为影响县域农业低碳生产率空间分异的潜在变量。
3.4.2 交互作用分析为考察变量间的交互作用对县域农业低碳生产率的影响度(表11),选取综合并列前五的农民收入水平(X1)、经济发展水平(X2)、人均生产规模(X3)、机械化使用强度(X4)和财政支农力度(X7)分析。
表11 塔里木河流域探测变量的交互作用Tab.11 Interaction of detection variables in Tarim River Basin
横向看,2000年X1∩X3、X2∩X3、X3∩X4和X3∩X7为双变量增强型,说明两种变量的交互作用高于其中任何一种变量的空间解释力,其余均为非线性增强型;2020 年X1∩X2、X2∩X7和X4∩X7为双变量增强型。而从纵向看,不同年份变量的强度存在波动性,其中X1∩X3和X3∩X4经历了由“2000 年双变量增强→2010 年单变量增强→2015 年双变量增强→2020 年单变量增强”的变化趋势。
4 结论与建议
4.1 结论
(1)从时序演变看,2000—2020 年塔里木河流域农业低碳生产率总体表现为波动递增的发展趋势,其中纯技术效率变化是塔里木河流域农业低碳生产率提高的主要成因。流域之间形成“下游-上游-中游”凹形递减的分异格局,流域间的分化现象有所缓和。
(2)从空间演变看,塔里木河流域县域农业低碳生产率具有显著的空间自相关性且在空间上呈现出集聚性。空间投影由“西高东低,南北低中部高”的空间特征逐步向“南北和东西平缓发展”的趋势转化。
(3)从空间杜宾模型回归看,农民收入水平和机械化使用强度对县域农业低碳生产率具有显著的正向溢出效应;经济发展水平对县域农业低碳生产率具有正向直接效应;人均生产规模和人口城镇化水平对县域农业低碳生产率具有显著的负向溢出效应;工业化水平和财政支农力度对农业低碳生产率具有显著的负向直接效应。从地理探测器模型看,塔里木河流域县域农业低碳生产率影响变量的交互类型总体表现为增强型,说明新疆塔里木河流域县域的农业低碳发展受多重变量作用日益显现。
4.2 建议
(1)由于塔里木河流域农业低碳生产率受纯技术效率变化的作用显著,塔里木河流域政府应在统筹全面发展层面上积极投入资金扶持农业技术研发和创新,促进流域农业通过技术进步实现农业低碳化发展。由于规模效率变动对农业低碳生产率的提振作用不显著,塔里木河流域应持续提高农业经济总量,优化并调整农业产业结构,提高农业生产规模效率,助力塔里木河流域乃至新疆农业实现内生性协调增长。
(2)由塔里木河流域呈现“下游-上游-中游”凹形递减的分异格局可知,上游地区应释放纯技术效率变化对农业低碳生产率的提振作用;中游地区应发挥规模效率变动对农业低碳生产率的正向影响;下游应在鼓励农业类企业通过创新驱动发展,并设计适宜的低碳发展政策为县域之间创造通道,以减少政策运行的阻力。
(3)塔里木河流域政府应制定差异化政策,加强县域之间资源要素和技术人才的交流协作,发挥各要素的空间溢出效应;由于空间分层异质性的存在相关部门也应重视经济要素对农业低碳生产率的影响;塔里木河流域县市应结合地方禀赋优势,形成具有塔里木河特色的农业产业体系。