土地整治对农业碳排放的影响研究*-基于高标准农田建设政策的准自然实验

熊飞雪 ,赵星磊 ,郭子毅 ,朱述斌,2**

(1.江西农业大学经济管理学院 南昌 330045;2.江西农业大学江西省农村发展研究中心 南昌 330045)

气候变化是人类面临的共同挑战[1]。工业化和城市化进程增加了全球对能源的需求,导致全球长期面临碳排放增加的压力[2]。一方面,碳排放的增加会导致温室效应,进而引发各种环境问题和自然灾害,对社会生产和人民生活造成严重威胁[3];另一方面,碳关税的实施使得碳排放在国际贸易中逐渐成为一个重要的壁垒,尤其是欧美国家[4]。由此,世界各国都在努力实现碳达峰、碳中和,以解决经济增长与环境保护之间的矛盾[5]。根据《联合国气候变化框架公约》,全世界超过130 个国家和地区已经提出了实现“零碳”或“碳中和”的气候目标,占全球碳排放量一半以上的58 个国家承诺到2050 年实现碳的净零排放。作为目前世界上最大的温室气体排放国,中国是全球应对气候变化的积极参与者与贡献者。中国将加大努力,采取更有力的政策和措施,加强国家自主贡献,争取在2030 年之前实现碳达峰,在2060 年之前实现碳中和。

农业是全球重要的温室气体排放源。2015 年全球粮食体系相关温室气体排放量达到180 亿t,占人类活动排放总量的34%。其中,排在首位的是粮食生产阶段产生的温室气体,占比约39% (约71 亿t);其次是土地利用和土地利用变化导致的温室气体排放,占比约32% (约57 亿t)[6]。推动农业减排成为实现“碳达峰、碳中和”目标和应对气候变化的重要抓手。

学术界围绕农业碳排放开展了丰富研究,主要可以分为以下两类。第1 类是测算农业碳排放总量、农业碳排放强度、农业碳排放效率和农业碳补偿率,分析空间关联性、区域差异和趋势预测。由于2015年“减肥减药”行动的政策和粮食主产区政策,全国农业碳排放在2015 年以后由上升转为持续下降[7-8]。全国农业非能源碳排放量占农业碳排放总量的84%以上,土壤管理是农业非能源碳排放的第一来源[9]。全国农业碳排放效率均值为0.778[10],各省(市、自治区)农业碳排放效率提升较快,由2010 年的0.400 增长至2019 年的0.756,具有较大减排潜力[11]。全国农业碳补偿率表现出区域集聚态势,且存在显著正向溢出效应,区域农业碳吸收能力呈互相促进的演进特征[12]。第2 类研究集中于分析农业碳排放的影响因素,以寻求减排路径。例如,农业绿色生产技术[13]、农地流转[14]、农业专业化[15]、农村能源扶贫[16]、城乡融合发展[17]、农业经济增长和能源消费[18]等因素对降低农业碳排放量或提高农业碳排放效率均发挥着重要作用。此外,还有学者研究农业相关政策对农业碳减排的影响,例如农业信贷补贴政策[19]、国家农业可持续发展试验示范区政策[20]、政策性农业保险政策[21]等。

上述关于农业碳排放的研究为我国农业碳排放问题的解决提供了有力的学术支撑,也为本文农业碳排放量的测度方法和研究体系等提供了参考。但是,现有农业碳排放研究较少对高标准农田建设这一政策所可能带来的影响进行分析。农田是碳源和碳汇的根本载体,高标准农田建设为农业低碳减排提供了重要契机。高标准农田建设于2011 年“十二五规划”正式启动实施。统计数据显示,截至目前,全国已累计建成10 亿亩高标准农田,这有助于稳定保障超过1 万亿斤粮食的生产能力。2023 年中央一号文件提出,要逐步把永久基本农田全部建成高标准农田。一方面,高标准农田建设提高了农田质量,同时增加了地块规模,提高了农业横向和纵向分工水平,进而有助于促进农业化肥减量[22]。化肥、农药等农业生产资料的减施减少了面源污染、降低了碳排放。另一方面,高标准农田建设提高了农机作业适宜程度,农业机械能源消耗所带来的碳排放可能成为农业碳达峰的最大不确定因素[23]。与此同时,高标准农田建设也存在政策设计与实际落实不匹配、不符合当地实际情况、建设不标准、造成土壤层破坏等问题[24]。因此,本文旨在回答以下两个核心问题: 第一,高标准农田建设是否对降低农业碳排放有益? 第二,高标准农田建设通过何种机制影响农业碳排放? 本文通过对高标准农田建设政策的准自然实验进行分析,利用2007-2017 年省级面板数据和连续型DID (Differences-in-differences approach)评估方法,探究该政策对农业碳排放的差异性影响,分析其内在机制,并对相关结果进行严格检验,为实现农业低碳发展以及“碳达峰”和“碳中和”目标提供理论支持。

1 理论分析与研究假说

农村土地整治具有整合土地利用要素、重组土地利用结构、优化土地利用功能的作用,具有显著的生态效应[25]。从经济学角度来看,根据规模经济理论,在一定技术水平下,适度扩大农业经营规模可以优化投入要素配置,从而降低生产成本或提高产量。高标准农田建设包括了平整田块、适当归并零碎田块和优化沟渠道路布局,有助于集中地块,缓解耕地细碎化问题。虽然高标准农田建设政策没有改变原有耕地面积大小,但却改善了地块经营规模。农业生产的适度规模化有利于要素集约利用,农资投入减少意味着农业碳排放减少。从生态学角度来看,农地整治会影响到生态系统服务的权衡和协同关系,农地整治后,作物生产能力与土壤保持能力的权衡强度将下降,土壤保持与碳储量、作物生产能力与碳储量的权衡强度将增加[26]。地形是土壤受到腐蚀的原因之一,坡度大的耕地侵蚀率较高。高标准农田建设可以通过平整田块降低土壤侵蚀,改善土壤生态系统服务能力[27],进而提升耕地系统碳汇能力。耕地的坡度、面积、平整度、灌溉系统长度等均与土壤水土保持服务功能密切相关,因此农地整治可以提高耕地的土壤保持服务功能[28]。高标准农田建设有效改善了灌排条件,其中灌排指标对提升耕地质量等级的贡献率达51.85%[29]。农田灌溉属于碳源之一,农田灌排条件越好,农业碳排放量越低。综上所述提出如下假设:

假设1: 高标准农田建设对农业碳排放具有负向影响。

那么高标准农田建设是通过何种逻辑促进农业碳排放减量的呢? 其一,高标准农田建设通过降低农业化学品投入强度减少农业碳排放。高标准农田建设集中了地块空间,降低了耕地细碎化程度,提高了地块规模,优化了生产要素配置,有助于减少农业化学品投入。地块平整为机械深施化肥提供了机会,地块集中有利于无人机喷洒农药,提高农业化学品的利用效率,避免过量施用。高标准农田建设优化了农田利用的空间布局,有利于形成集中连片的作物种植模式。农业横向分工水平的提高有利于农业低碳技术的扩散,提高要素利用效率,降低农业化学品投入强度。以农业碳减排最大的贡献者化肥为例,高标准农田建设的化肥减量效应非常显著[22]。高标准农田建设的耕地质量提升项目改善了农业生产条件,有助于降低农用化学品的使用量。此外,高标准农田建设政策促进了土地流转[30],而土地转入扩大了经营规模,有助于提高农业化学品的利用效率,降低农业化学品的投入强度[31]。其二,高标准农田建设通过提升农业社会化服务水平减少农业碳排放。高标准农田具有“地平整、田成方、路相通、渠相连”的特点,有助于农业机械化,为农业社会化服务提供了发展基础。此外,地块集中提高了经营规模,为缓解劳动力约束,农户会选择深化农业纵向分工,即购买社会化服务。高标准农田建设对于农业产中服务和产后服务水平有显著提升作用[32]。通过购买农业社会化服务进行施肥、打药、灌溉等作业,可以使生产要素的使用更加规范化、精准化和定量化,还可避免其在田间运输中的损耗,有利于提高其利用效率。一旦农户参与纵向分工,农业技术进步将不再为外生变量,农户采纳低碳生产技术的主动性将提高。农业社会化服务组织拥有先进适用的品种、技术、装备等现代生产要素,能有效缓解农户采纳低碳生产技术所面临的高风险和高成本问题,促进农户采纳农业低碳生产技术。农业低碳生产技术的采纳提高了全国和主要粮食产区的农业碳排放效率,促进了农业低碳发展[13]。故而,高标准农田建设可以通过推动农业社会化服务发展,提高农业全要素生产率,从而起到减碳作用[33]。综上所述提出如下假设:

假设2: 高标准农田建设通过降低农业化学品投入强度来减少农业碳排放,即农业化学品投入强度在高标准农田建设减少农业碳排放过程中发挥中介效应。

假设3: 高标准农田建设通过提高农业社会化服务水平减少农业碳排放,即农业社会化服务在高标准农田建设减少农业碳排放过程中发挥中介效应。

2 变量选取与模型设定

2.1 数据来源

本文将高标准农田建设政策的实施作为准自然实验,考虑到数据的可得性,选取2007-2017 年全国30 个省(自治区、直辖市) (除西藏和港澳台)的面板数据来分析高标准农田建设对农业碳排放的影响。本文数据主要来自历年《中国农村统计年鉴》《中国统计年鉴》《中国财政年鉴》《中国农业机械工业年鉴》和《中国农村经营管理统计年报》。

2.2 变量选取与描述性统计

被解释变量: 农业碳排放(ACE)。本文以狭义的农业(即种植业)为研究对象,测算了其农业碳排放。参考胡婉玲等[8]、颜光耀等[34]研究,认为农业碳源主要包括化肥、农药、农用薄膜、农用柴油、农地翻耕和农业灌溉这6 类,其碳排放系数分别为0.8956 kg∙kg-1、4.9341 kg∙kg-1、5.1800 kg∙kg-1、0.5927 kg∙kg-1、3.1260 kg∙hm-2和25.0000 kg∙hm-2。

核心解释变量: 高标准农田建设政策。参考梁志会等[22]的研究,利用土地整治面积占比(HFCi)与高标准农田建设政策实施时点虚拟变量的交互项表征。土地整治面积占比为改造中低产田与高标准农田面积占耕地总面积的百分比。高标准农田建设政策实施时点(t)为虚拟变量,由于高标准农田建设政策于2011 年开始规范实行,故当t≥2011 时,取1,反之取0。

中介变量: 农业化学品投入强度(ACII)和农业社会化服务(ASS)。本文分别参考吉雪强等[14]和张志新等[33]研究,用化肥、农药、农膜使用总量与农作物播种面积的比值来衡量农业化学品投入强度,用农林牧渔服务业产值与农作物播种面积的比值衡量农业社会化服务。

控制变量: 本文选取的控制变量包括受灾程度、环境污染治理投资、农业产业结构、经济发展水平、财政支农力度、种植结构、城镇化率和土地经营规模。各变量说明与描述性统计如表1 所示。

表1 高标准农田建设政策对农业碳排放影响的相关变量说明与描述性统计Table 1 Definition and statistical description of relevant variables of high-standard farmland construction policy that have impacts on agricultural carbon emissions

2.3 模型构建

2.3.1 连续型双重差分法模型

2011 年高标准农田建设政策开始在全国范围规范实施。由于各省(自治区、直辖市)的水土资源条件、农业产业发展需求等不同,在实施高标准农田建设政策中,各省份的建设任务和进度差异较大,不同省份在同一时点上的土地整治面积占比存在差异。因此,为了估计高标准农田建设政策对农业碳排放的影响,本文使用连续DID 模型。与一般DID 模型使用虚拟变量来区分实验组和控制组不同,本文使用“土地整治面积占比”这个连续型变量来区分实验组(土地整治面积占比高的样本)和控制组(土地整治面积占比低的样本)。连续型DID 模型不仅保留了DID 模型的基本性质,还能体现出数据变化的程度[22]。

为识别实施高标准农田建设政策对农业碳排放的影响,本文构建如下连续型DID 模型:

式中:i表示省份;t表示时期;ACEit表示省份i在t时期的农业碳排放量,并取自然对数;α为常数项;β为待估计参数; HFCi为省份i的土地整治面积占比;为政策实施时点t的虚拟变量;γ为待估计参数;Xit为控制变量;δi为省份固定效应;µt为年份固定效应,以捕捉不随时间变化的个体间差异以及不随个体变化但随时间变化的遗漏变量问题;εit为随机误差项。式(1)控制了双向固定效应,待估计参数 β即为实施高标准农田建设政策对农业碳排放的净影响效应。

2.3.2 中介效应模型

本文利用两阶段法来验证高标准农田建设政策影响农业碳排放的内在机制。第1 阶段验证高标准农田建设政策对农业化学品投入强度和农业社会化服务的影响。第2 阶段验证农业化学品投入强度和农业社会化服务对农业碳排放的影响。本文机制验证模型设定如下:

式中:Mit表示中介变量,包括农业化学品投入强度和农业社会化服务;φ为待估计参数;其余变量与系数设定与式(1)相同。

3 实证分析与检验

3.1 中国农业碳排放量测度

图1 展示了2007-2017 年全国农业碳排放量的变化趋势。农业碳排放量总体呈现出先升后降的趋势,由2007 年的7760 万t 增加至2015 年的9131 万t,随后下降至2017 年8827 万t。2015 年为我国农业碳排放量变化的一个转折点,可能是由于该年份我国启动实施了化肥、农药使用量零增长行动,使得化肥等农业化学物资的使用减少。分区结果来看(表2),2017 年我国河南、山东、河北、江苏、安徽、新疆、湖北、黑龙江等省市的农业碳排放量位居全国前列。2007-2017 年间,北京、上海、天津、河北、山东、江苏、浙江、福建等省市的农业碳减排速度较快。本文以2017 年家庭承包耕地流转总面积占家庭承包经营耕地面积的比重来衡量土地流转水平,高于平均值的为土地流转程度高的省份(北京、天津、辽宁、黑龙江、上海、江苏、浙江、安徽、河南、湖北、湖南、广东、重庆),低于平均值的为土地流转程度低的省份(河北、山西、内蒙古、吉林、福建、江西、山东、广西、海南、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆)。2017 年,土地流转程度高的省份农业碳排放量均值为310 万t,土地流转程度低的省份农业碳排放量均值为282万t。从农业功能区定位来看,2017 年粮食主产区的农业碳排放量均值为437 万t,非粮食主产区的农业碳排放量均值为185 万t。

图1 2007—2017 年全国农业碳排放量Fig.1 National agricultural carbon emissions from 2007 to 2017 in China

表2 2007-2017 年各地区农业碳排放情况Table 2 Agricultural carbon emissions in each region from 2007 to 2017×104 t

3.2 高标准农田建设政策对农业碳排放的基准回归分析

本文考察了高标准农田建设政策对农业碳排放量的影响,结果见表3。模型1 和模型2 表示,不管是否控制其他可能影响农业碳排放量的因素,核心解释变量(即高标准农田建设政策)对农业碳排放量的回归系数分别在1%与5%的水平呈显著负相关,表明高标准农田建设政策具有降低农业碳排放量的生态效应。高标准农田建设政策通过提升农田质量和补齐农业基础设施短板,提高了农业生产效率,促进了农药化肥减量和农业绿色低碳发展。此外,财政支农力度的回归系数在1%的水平呈显著正相关,可能是由于财政支农资金投入过于重视经济效益,忽视了生态效益,从而导致生态补贴力度不够。2004 年以来,政府为了提高农业产能,加大了农机、化肥等农资补贴,造成农户大量使用化肥等,这对于农业碳排放也具有不利影响。

表3 高标准农田建设政策对农业碳排放的基准回归结果Table 3 Baseline regression results of high-standard farmland construction policy on agricultural carbon emissions

为了确保本文结论的稳健性,本文采取替换核心解释变量和被解释变量以及剔除其他政策干扰等3 种方法进行检验,结果如表4 所示。在替换核心解释变量上,本文利用单位农作物播种面积的农业综合开发投入(CADI)与政策实施时点虚拟变量T2011的交互项替换HFC×T2011进行回归。模型3 结果表明,CADI×T2011依然在5%的水平上呈显著负相关,结果与基准回归结果一致。在替换被解释变量上,本文利用农业碳排放强度(ACEI)替换农业碳排放量进行回归,农业碳排放强度用农业碳排放量与农业总产值的比值衡量。模型4 结果显示,高标准农田建设政策在5%的水平上呈显著的负相关,结果与基准回归结果一致。在剔除其他政策干扰上,本文通过剔除2015 年及之后的样本数据以消除化肥农药零增长政策的影响,通过纳入土地流转水平变量(Tra)以消除土地流转政策的影响。模型5 和模型6 结果显示,高标准农田建设政策分别在10%和1%的水平上呈显著的负相关,结果与基准回归结果一致,验证了本文结论的稳健性。

表4 高标准农田建设政策对农业碳排放影响的稳健性检验结果Table 4 Robustness test results of the impact of high-standard farmland construction policy on agricultural carbon emissions

3.3 平行趋势检验与政策的动态影响

平行趋势检验是使用双重差分模型的重要前提,目的是验证政策实施前控制组与实验组并不存在显著差异。在本文的模型中,平行趋势假设以政策实施年份2011 年为基准组,验证在未实施高标准农田建设政策之前,实验组省市与对照组省市的农业碳排放情况保持一致的变化趋势。图2 直观地显示了95%的置信区间下高标准农田建设政策的估计系数变化趋势。从结果可以看出,高标准农田政策实施前的估计系数在95%的置信区间内几乎都包含了0 值,估计系数在政策实施前无显著差异。在政策实施后,估计系数的置信区间基本不包含0 值,说明估计系数在政策实施后存在显著差异,满足平行趋势假设。

图2 高标准农田建设政策对农业碳排放的动态影响Fig.2 Dynamic impact of high-standard farmland construction policy on agricultural carbon emissions

从动态估计结果可以看出(表5),高标准农田建设政策的估计系数在2013 年后开始变得显著,即在高标准农田建设政策实施的第3 年才开始出现政策效应,这与张志新等[33]的研究结论一致。这表明高标准农田建设政策对农业碳排放的抑制作用存在滞后效应。这可能是由于高标准农田建设政策在实施初期存在综合配套措施投入不足等问题,难以发挥出政策效应。随着政策的完善,建设资金增加、建设标准提高,政策效应也逐渐显现出来。从估计系数来看,2013 年开始,高标准农田建设政策的减碳效应在逐渐增强,且具有持久性。

表5 高标准农田建设政策对农业碳排放的动态影响估计结果Table 5 Dynamic estimation results of the impact of highstandard farmland construction policy on agricultural carbon emissions

3.4 农业碳减排机制检验

基于前文的理论分析,高标准农田建设可能通过降低农业化学品投入强度和提高农业社会化服务来抑制农业碳排放量,农业碳减排机制检验如表6所示。模型7 和模型8 表明高标准农田建设政策对农业化学品投入强度和农业社会化服务分别具有显著的负向影响和正向影响,即高标准农田建设政策会显著降低农业化学品投入强度和促进农业社会化服务的发展。模型9 和10 表明农业化学品投入强度和农业社会化服务对农业碳排放分别具有显著的正向和负向影响,且高标准农田建设政策的系数绝对值由模型2 的0.101 下降为模型9 的0.085 和模型10 的0.086。机制检验结果证实了高标准农田建设政策具有通过降低农业化学品投入强度和提高农业社会化服务水平抑制农业碳排放的作用机制。因此,本研究假说H2 和H3 通过验证。

表6 高标准农田建设政策对农业碳排放影响的机制检验结果Table 6 Mechanism test results of the impact of high-standard farmland construction policy on agricultural carbon emissions

3.5 异质性分析

1)不同土地流转程度的比较(表7)。模型11 显示,在土地流转程度高的省份,高标准农田建设政策系数在1%的统计水平显著,说明高标准农田建设政策的实施有助于降低农业碳排放,推动农业低碳发展。这可能是由于高标准农田建设可提高农户的农业经营效益、降低农业经营风险、促进农业技术普及,进而促进农地流转[35]。农地流转有助于形成规模经营,规模经营与绿色技术进步具有协同效应,因此农地流转有助于降低农业碳排放[14]。

表7 高标准农田建设政策对农业碳排放影响的异质性回归结果Table 7 Heterogeneity regression results of the impact of high-standard farmland construction policy on agricultural carbon emissions

2)不同农业功能区定位的比较。模型13 和14显示,在非粮食主产区,高标准农田建设政策对农业碳排放量的影响系数为负(P<0.1);在粮食主产区,高标准农田建设政策对农业碳排放量的负向影响并不显著。在非粮食主产区,高标准农田建设政策的碳减排作用更大。可能的原因是,相较于粮食主产区,非粮食主产区的农地比较分散、生态环境质量较差,后发优势更加明显。在粮食主产区,高标准农田建设政策的减排效应不显著。可能是由于粮食主产区的粮食安全压力更大,高标准农田建设着重于提升产能,忽视了农田生态环境的改善,未能充分发挥出支撑现代农业低碳发展的作用。

4 主要结论与政策建议

4.1 结论与讨论

近年来,气候变化引起了全球的广泛关注,减少碳排放量已成为全球共同的责任与挑战。作为重要的碳排放源之一,农业碳排放量的减少对于实现“碳中和、碳达峰”目标具有重要意义。高标准农田建设政策是推动农业可持续发展和减少碳排放量的重要手段,高标准农田建设政策对农业碳排放量的影响研究可为政策制定者提供有力的科学依据,对于丰富碳排放减少的实践经验具有重要意义。本文基于中国30 个省份2007-2017年面板数据,测算了各省农业碳排放量,并利用连续DID 模型和中介效应模型分析了高标准农田建设政策对农业碳排放量的影响。本文主要得出以下5 个研究结论。第一,考察期间,我国农业碳排放量呈先升后降的倒U 型,农业碳排放量峰值出现在2015 年,这与胡婉玲等[8]的研究结果一致。第二,高标准农田建设政策具有显著的抑制农业碳排放的作用,平均而言可以降低10.1%的农业碳排放量。在替换核心解释变量和解释变量以及消除相关政策的影响后,高标准农田建设政策仍具有显著的农业碳减排作用。这与陈宇斌等[36]的研究结论一致,证实了本文分析结果的可靠性,丰富了农业碳排放影响因素的研究体系,为加强高标准农田建设提供了环境效益相关的论据。第三,动态估计结果显示,高标准农田建设政策的减碳效应具有滞后性,政策效应于2013 年开始持续增强。第四,机制分析结果表明,农业化学品投入强度和农业社会化服务在高标准农田建设降低农业碳排放过程中发挥中介效应,即高标准农田建设政策主要通过降低农业化学品投入强度和提高农业社会化服务来抑制农业碳排放。第五,异质性分析表明,对于土地流转程度高的省份,高标准农田建设政策的农业碳减排效应非常显著,而在土地流转程度低的省份不显著。高标准农田建设政策在非粮食主产区的碳减排效应更显著,而在粮食主产区不显著。

与现有研究相比,本文从以下两个方面进行了深化。其一,本研究基于规模经济理论和专业分工理论,从农业化学品投入强度和农业社会化服务两个方面深入探讨了高标准农田建设政策影响农业碳排放的潜在机制。这有助于全面、深入地探讨高标准农田建设政策是如何影响农业碳排放的,以期丰富相关研究。其二,本文考虑到在土地流转程度和农业功能区定位不同的地区,高标准农田建设政策对农业碳排放的影响可能存在差异,进一步对不同土地流转程度和农业功能区定位下的政策效果进行异质性分析。

4.2 建议

以上研究结论证实了高标准农田建设政策的农业碳减排效应。因此,本文提出如下政策建议。第一,各级政府应加强高标准农田建设,充分发挥其在碳减排方面的生态效应。可以通过引导金融社会资本投入、支持新型经营主体参与、因地制宜推进多目标协同建设、系统优化建后管护等方式加强高标准农田建设,从而发挥该政策的碳减排作用。第二,各级政府应高度关注农业化学化和社会化服务在高标准农田建设政策减碳过程中的作用。通过秸秆还田、增施有机肥和绿肥、测土配方施肥、调酸控污等方式,修复污染性土壤、提高耕地地力,进而降低农业生产过程中的化学化水平。通过土地整治、田间机耕路建设、完善灌溉与排水设施和农田输配电设施,推动农业社会化服务。第三,各级政府应因地制宜、分类施策,差异化实施高标准农田建设政策。高标准农田建设政策的减碳效应在不同土地流转程度和农业功能定位区下具有较大差异。对于土地流转程度低的省份,应加快推进农地流转,强化高标准农田建设对于农业碳排放的抑制作用。粮食主产区应调整农业产业结构、推广绿色农业生产技术和摒弃粗放型生产方式,平衡产能与资源环境承载力的关系,推动农业绿色低碳发展。