“双碳”目标下新疆粮食绿色全要素生产率的时空分异及驱动因素分析

2024-01-14马文江白妙琴阿迪力艾合买提张德平杨忠娜

干旱区地理(汉文版) 2023年12期

马文江，白妙琴，阿迪力·艾合买提，张德平，杨忠娜,2

（1.塔里木大学经济与管理学院，新疆阿拉尔843300；2.华中农业大学经济管理学院，湖北武汉430070）

由碳排放所导致的全球气候变化对粮食安全、农业绿色转型以及经济社会可持续发展造成了严重的威胁，已然成为世界上所有国家将面对的共同挑战［1］。而提高粮食绿色全要素生产率（GTFP）是实现粮食产业可持续发展的重要路径之一［2］。改革开放以来，中国农业经济取得了举世瞩目的成就，实现了用全球7%的耕地养活了占全球22%的人口。然而在农业经济快速增长的过程中，中国农业面临着资源过度消耗、面源污染严重和生态环境日趋恶化等诸多问题的严峻考验。同样，2000—2021年，新疆农用化肥使用量从79.16×104t 增长到240.69×104t，年均增长率高达9.3%，过度施肥导致的环境污染和减排能力不足等问题日益突出［3］。在资源和环境双重限制的情况下，如何寻找一条绿色的、高效的粮食增产途径，从而保证新疆粮食可持续安全，是新疆当前亟待解决的问题［4］。

目前，学术界对农业GTFP的测算、动态演进和影响因素等方面进行了大量研究［5-6］。大致分为以下3个方面：（1）GTFP测算方法。目前，国内外对GTFP的研究主要分为2种类型，一种是以随机前沿生产函数（SFA）为代表的参数化估计法［7］，另一种则是以数据包络分析法（DEA）为代表的非参数化估计法［8］。李翔等［9］采用随机前沿分析法对华东6个省份的农业全要素生产率（TFP）进行了实证研究，认为在我国东部地区增加农业科技创新等投资能够有效地提升TFP 的总体效率。范丽霞［10］利用SBM-ML指数法计算了中国1978—2012年各省市的粮食TFP，结果表明中国粮食TFP 增长呈较明显的空间非均衡性特征；高铭等［11］将EBM-GML 综合指数应用于河南省小规模农户调查资料中，对小麦的TFP进行测算；代瑞熙等［12］利用非面源污染、碳排放等非均衡性指标，采用SBM-ML模型对我国15个省市2004—2019年的小麦TFP进行了测度。（2）GTFP时空分异动态演变的刻画。研究方法主要有Dagum基尼系数、核密度估计和空间Markov 链等计量方法，潘丹等［13］利用核密度估计、Markov 链方法等方法，研究了区域之间的农业GTFP增长差异，并指出区域之间的农业GTFP 增长趋势将会继续扩大；李欠男等［14］利用2000—2017 年中国330 个地级城市的面板数据，采用Dagum 基尼系数、核密度估计和空间Markov 链方法揭示区域差异及动态演变路径。（3）GTFP 的影响因素研究。对农业GTFP 影响因素的相关研究中，大多数学者认同的影响因素有：农业受灾率、农作物播种面积、机械化水平、生产劳动力、灌溉设施水平、经济发展水平、产业结构、城镇化水平和环境规制等［15-16］。何悦等［17］在实证研究中发现，我国粮食产业的科技效率与人口城市化进程之间存在着“倒U 型”效应；尹朝静［18］研究发现农业科研投入能够显著促进农业TFP 的提高，而农业人力资本对农业TFP 的促进作用并不显著；傅玮韡等［19］认为通过生产聚集可以从供给端提升生产聚集的质量与效率，是实现种植业可持续发展的重要途径。

综上所述，目前学术界关于农业GTFP 的研究已经取得了比较丰硕的成果，与已有研究相比，本文的边际学术贡献为：第一，本研究应用于粮食生产领域，采用超效率SBM模型并结合GML指数对新疆14 个地州市的粮食GTFP 进行测度，提高粮食GTFP 测算的精确度；第二，利用核密度估计法和Dagum 基尼系数测度及分解方法，实证考察新疆粮食GTFP时空动态演变规律；第三，运用时空双向固定模型，并考虑区域差异性，分别对新疆全疆、北疆、东疆和南疆粮食GTFP的驱动因素进行分析，为新疆粮食实现绿色高效生产提供理论支撑。

1 数据与方法

1.1 研究区概况

新疆（34°22′～49°10′N，73°40′～96°23′E）地处中国西北内陆，现有14 个地州，按地理位置可划分为北疆、东疆和南疆（图1），北疆包括乌鲁木齐市、克拉玛依市、昌吉回族自治州（昌吉州）、伊犁哈萨克自治州直属县市（伊犁州直）、塔城地区、阿勒泰地区和博尔塔拉蒙古自治州（博州）；东疆包括吐鲁番市和哈密市；南疆包括巴音郭楞蒙古自治州（巴州）、阿克苏地区、克孜勒苏柯尔克孜自治州（克州）、喀什地区与和田地区。2020 年新疆粮食种植面积223.02×104hm2，粮食产量1583.4×104t，较2019年增产9.6%。化肥施用量、农用柴油使用量、地膜覆盖面积分别高达248.23×104t、85.22×104t、355.34×104hm2，当前全疆仍面临化肥农药使用超标、农业资源过度开发及技术不足等问题［20］。以往研究粮食安全问题和粮食GTFP 更多侧重于粮食主产地区，2022年《新疆维吾尔自治区粮食安全保障条例》的实施，进一步显现新疆粮食安全问题的重要性。当前新疆粮食GTFP的测算与驱动要素研究相对不足，因此，本文通过甄别新疆粮食GTFP 的驱动因素，对于推动新疆各地区粮食生产绿色化转型具有现实意义［21］。

图1 新疆三大区域地理划分Fig.1 Geographical division of the three main regions of Xinjiang

图2 新疆14个地州的粮食GTFP、GEC、GTC空间差异Fig.2 Spatial differences of grain GTFP,GEC and GTC in 14 prefectures of Xinjiang

1.2 指标选取与数据来源

本文以新疆14个地州市为决策单元，研究时段为2000—2020 年，选取粮食产量为产出指标，将劳动力、土地、化肥、灌溉、机械作为投入指标［22-23］，其中劳动力投入（104人）以粮食生产从业人数表示，用农业总产值与农林牧渔业总产值的比重乘以粮食种植面积与农作物种植总面积的比重，再乘以第一产业从业人数来表示；土地投入（103hm2）以粮食播种面积表示；化肥投入（104t）以农用化肥施用折纯量乘以粮食种植面积与农作物种植总面积的比重来表示；灌溉投入（103hm2）以有效灌溉面积乘以粮食种植面积与农作物种植总面积的比重来表示；机械投入（104kW）以农业机械总动力乘以粮食种植面积与农作物种植总面积的比重来表示；非期望产出指标为粮食生产碳排放量（104t）；期望产出指标为粮食总产量（104t）［24］。以上投入产出指标及驱动因素指标所需数据来源于EPS 数据库和《新疆统计年鉴》（2001—2021年）等官方权威数据。少量缺失值采用均值替代法与线性插值法进行补全，另对个别异常值进行了处理。

1.3 研究方法

1.3.1 粮食GTFP的测算本文采用SBM-GML指数模型测算粮食GTFP。Tone［25］提出的超效率SBM 模型可以解决“松弛”和“生产率评估”2个问题。具体的模型设定如下：

式中：minρ为目标效率值；n、s1和s2分别为投入指标、期望产出和非期望产出的个数；m为被评价单元数量；xik、yrk和qlk分别为第k个被评价单元的第i个投入指标、第r个期望产出指标和第l个非期望产出指标；、和qˉ分别为投入、期望产出与非期望产出的松弛量；xij、yrj和qlj分别为第j个被评价单元的投入、期望产出和非期望产出；λj为第j个被评价单元的权系数；xk、yk和qk分别为第k个被评价单元的最优投入、期望产出和非期望产出。但超效率SBM模型测算的粮食GTFP仅对单一特定时间节点的效率值进行评估，与ML 指数结合可计算出动态粮食GTFP，但是传统的ML指数不包含非预期产出［26］，因此，本文采用Oh［27］提出的包含非预期产出的GML指数找寻新疆粮食GTFP变化的动态特征，分解为绿色技术效率变化指数（GEC）和绿色技术进步指数（GTC），GML指数［27］的计算公式为：

式中：GMLt,t+1、GECt,t+1和GTCt,t+1分别为t到t+1时期的粮食绿色全要素生产率指数、绿色技术效率变化指数和绿色技术进步指数；xt、yt和bt与xt+1、yt+1和bt+1分别为在t期与t+1 期的投入、期望产出和非期望产出；Dg(xt,yt,bt)和Dg(xt+1,yt+1,bt+1)分别为在t期和t+1期全局方向性距离函数；Dt(xt,yt,bt)和Dt+1(xt+1,yt+1,bt+1)分别为在t期和t+1 期的生产技术集；如果GMLt,t+1、GECt,t+1、GTCt,t+1均大于1，说明粮食绿色全要素生产率、绿色技术效率、绿色技术进步处于优化阶段；反之说明处于恶化状态，等于1则表示不变。

1.3.2 粮食生产碳排放计算已有研究多将农业土地利用的碳排放归结为人类在农业土地利用中所产生的直接和间接碳排放。通过对现有文献的分析［28-29］和数据的可获得性，本文将新疆各地区在粮食生产过程中的碳排放主要总结为以下4 个方面：（1）化肥生产和使用产生的碳排放；（2）农用柴油的燃烧产生的碳排放；（3）粮地翻耕破坏土壤产生的碳排放；（4）粮食灌溉过程中电能利用间接耗费化石燃料所产生的碳排放。综上，粮食生产碳排放的计算公式为：

式中：E为粮食生产中的碳排放总量（kg C）；Ei为i类碳源的排放量（kg C）；Ti为i类碳排放源的量（kg C）；δ为各碳排放源的碳排放系数（kg C·kg-1）。本文归纳出粮食生产中碳排放系数（表1）。

表1 粮食生产碳排放系数及参考来源Tab.1 Carbon emission factors and reference sources of grain production

1.3.3 核密度估计法本文采用非参数核密度估计分析新疆粮食GTFP 的分布动态［32］。假设粮食GTFP的密度函数为：

式中：N为观测值数目；h为带宽；Ui为第i年的粮食GTFP 增长指数；u为均值；为高斯核函数。

1.3.4 Dagum基尼系数分解法Dagum 基尼系数分解相较于传统的基尼系数及泰尔指数更为准确地辨析地区差距的来源问题。因此，本文选用Dagum基尼系数分解法对新疆整体、北疆、东疆和南疆粮食GTFP的区域差异进行分析［33］，具体计算公式为：

式中：G为总基尼系数；k、n分别为区域个数、区域内地州市数量；u为新疆粮食GTFP 总体发展水平；j、h分别为不同区域；nj、nh分别为j、h区域内地州市数量；yji、yhr分别为j、h区域的第i、r地州市的粮食GTFP 发展水平；、分别为j、h区域内的粮食GTFP发展水平均值；Gjj为区域j内基尼系数；Gjh为区域j和区域h间基尼系数；Dagum基尼系数可分解为区域内差异（Gw)、区域间差异(Gnb)和超变密度(Gt)，满足G=Gw+Gnb+Gt；pj、ph分别为j、h区域内地州市数量占区域内地州市总数量的比重；sj、sh分别为j、h区域内地州市数量和j、h区域内的粮食GTFP发展水平均值的乘积与区域内地州市总数量和区域内粮食GTFP发展水平总均值的乘积的比值；Djh为j和h区域间粮食GTFP发展水平的互相影响；djh、pjh分别为j和h区域中满足yjh-yji＞0 以及yji-yjh＞0 的样本总和的数学期望；Fj、Fh分别为j、h区域内累积密度分布函数。

2 结果与分析

2.1 新疆粮食GTFP时序差异分析

应用2000—2020 年新疆14 个地州市投入产出数据，采用Matlab软件并基于SBM-GML指数法测算并分解各年度14 个地州市粮食GTFP 指数，并对时间变化进行分析（表2）。从2000—2020 年来看，新疆粮食GTFP 的平均增长率为0.7%，表明粮食生产的综合生产能力有了很大的提升。从增长来源来看，新疆粮食GTFP 的增长在很大程度上是通过提高粮食GEC来实现，且粮食GEC指数年均增长1%，而粮食GTC指数则呈现负增长，年均增长为-0.4%，说明2000—2020年新疆粮食GTFP增长呈现出技术恶化，而技术效率增强的格局，这是“单驱”型增长的典型特征［34］，其主要原因在于新疆粮食作物种植规模大，新技术在粮食作物上得到广泛应用，农业科技转化率高，但受制于农业财政资金投入相对不足，制约了粮食作物的科技水平的提升。

表2 2000—2020年新疆粮食绿色全要素生产率（GTFP）指数及其分解Tab.2 Grain green total factor productivity index and its decomposition in Xinjiang during 2000—2020

2.2 新疆粮食GTFP空间差异分析

为了更好地反映新疆粮食GTFP水平的空间格局，本文采用GIS技术将2000—2020年14个地州市的粮食GTFP、GEC 和GTC 的均值进行了刻画（图2）。新疆粮食GTFP整体呈现出“北高南低”的分布特征。新疆粮食GTFP 较高的地区主要分布在北疆，尤其是克拉玛依市、博州和阿勒泰地区。新疆粮食GTFP较低的城市主要分布在南疆，包括克州、巴州和阿克苏等地区，这些地区的经济发展水平及基础设施落后等因素在一定程度上制约了新疆粮食绿色发展。而新疆粮食GEC 分布较为均衡。其中，乌鲁木齐市的粮食GEC水平最高。可能的原因在于乌市粮食种植范围小、粮农接收新信息的水平高，在一定程度上促进了新技术的推广。而新疆粮食GTC 分布不均衡，呈现出“北高南低”的分布特征。全疆视角下2000—2020年北疆阿勒泰地区、克拉玛依市、塔城地区、博州、昌吉州和伊犁州直的粮食GTC的均值均呈现较高发展态势；东疆哈密市和吐鲁番市的粮食GTC处于中等发展水平；而南疆内部的粮食GTC水平两极分化较为严重，其中仅喀什地区粮食GTC呈现上升水平，可能的原因在于喀什地区作为中国内陆第一个经济特区，政府重视对农业财政科技投入，一定程度上促进了粮食生产科技水平。

2.3 新疆粮食GTFP时间动态演变

为了进一步分析新疆粮食GTFP的动态演变规律，绘制其核密度估计图（图3）。分别以2001、2006、2011、2019 年为参照，该4 a 时间序列的核密度图可粗略揭示新疆14个地州市的粮食GTFP演化趋势。从位置来看，新疆粮食GTFP 水平的核密度分布曲线呈现出先左移后右移的趋势。2011 年核密度分布曲线的位置最靠左，说明2011年新疆各地区粮食GTFP 处于较低的水平。与2011 年相比，2019年核密度分布曲线大幅度右移，波峰对应的可持续发展水平明显增大，说明2011—2019年新疆各地区粮食GTFP水平有明显提升。造成这一现象的主要原因是：在2011—2019年期间，2016年中央“一号文件”明确提出了“农业绿色发展”；2019年的“一号文件”中明确提出，要坚持以创新驱动为核心的发展理念，坚持“以质量为主导”的理念［35］。从形态来看，2001年和2011年核密度分布曲线均为单峰形状，2006年呈双峰现状，而2019年呈多锋形状，表明新疆粮食GTFP水平呈现出先收敛再两极分化的现象。从峰度来看，核密度分布曲线波峰出现了“先降后升再降”的变化趋势，与2001年相比，2006年核密度分布曲线峰度下降，表明新疆各地区粮食GTFP水平差异变大；2011年核密度曲线主峰值明显变大，波峰宽度变小，表明新疆粮食GTFP的地区差异减小；2019 年波峰高度较2011 年再一次降低，表明新疆粮食GTFP水平的区域差异有增大趋势。其中2001 年的区域差异最小，结果与图4（总体基尼系数）所示的总差别相吻合。

图3 2001、2006、2011年和2019年新疆粮食GTFP的时间动态演变规律Fig.3 Temporal dynamics evolution of grain GTFP of Xinjiang in 2001,2006,2011 and 2019

图4 总体及区域内分异程度Fig.4 Degree of overall and intra-regional heterogeneity

2.4 新疆粮食GTFP的空间分异程度

运用Dagum基尼系数分解法，对2001—2020年全疆和北疆、东疆与南疆3个区域的粮食GTFP的总体基尼系数、区域内基尼系数、区域间基尼系数及其贡献率进行了测度。

全疆和3 个区域在2001—2020 年的粮食GTFP基尼系数的变化趋势如图4所示，新疆粮食GTFP基尼系数由0.047 增加到0.137，年平均增长幅度为9.6%，基尼系数在2016年达到了最大值（0.158），研究结果显示新疆粮食GTFP的空间分异在整体上表现为增加的趋势。从3个区域之间的空间分异度而言，南疆的基尼系数平均为0.091，其差异性最大；东疆的基尼系数的平均分异度为0.062；北疆的基尼系数的最小分异度是0.057。在变化趋势上，北疆、东疆和南疆基尼系数总体表现出显著的先升后降再升的总体趋势，其中南疆基尼系数的变化幅度最大，而北疆基尼系数的变化幅度最小。上述研究表明，新疆粮食GTFP仍具有显著的空间分化特征，北疆和东疆区域内分异程度均呈现波动上升态势，而全疆层面和南疆分异程度却表现出明显扩大趋势。

新疆粮食GTFP在2001—2020年各区域之间的基尼系数变化趋势如图5 所示，北疆和南疆之间的基尼系数平均为0.114、东疆与南疆之间的基尼系数平均为0.104、北疆和东疆之间的基尼系数平均为0.078，其中北疆和东疆分异度最小。从变化趋势上来看，2001—2014年大部分地区的空间分异程度保持了稳定，而2014—2020年各个区域的空间分异程度表现为先增再减又增的趋势。北疆与南疆之间的基尼系数增长最快，平均增长速度为21.8%；东、南疆之间和北、东疆之间的基尼系数也呈显著上升趋势，年均增长率分别为21.2%和13.9%。

图5 区域间分异程度Fig.5 Degree of inter-regional heterogeneity

2001—2020年新疆粮食GTFP的基尼系数各分解项对总体基尼系数的贡献率变动趋势如图6 所示，从贡献率的大小看，区域内差异对总体空间分异程度的贡献率最大，平均贡献率为35.2%，其次为超变密度和区域间差异，平均贡献率分别为34.5%和30.3%。从贡献率的变动趋势来看，2001—2020年区域内差异呈现“下降”趋势；超变密度呈现“先增后降”态势；区域间密度呈“上升”变化。以上结果表明，区域内差异是新疆粮食GTFP 空间分异的主要来源，其次是超变密度，区域间的分异程度对新疆粮食GTFP空间分异的贡献率最小。

图6 空间分异来源的贡献率Fig.6 Contribution of sources of spatial differentiation

2.5 新疆粮食GTFP驱动因素分析

考虑农业生产具有地域性特点，不同研究区域对其影响因素指标选取也略为不同，对已有研究农业GTFP影响因素进行归纳和总结后［36-37］，兼顾数据可得性，本文选取当地经济发展水平、城镇化水平、农业机械化水平、粮食种植结构、第二三产业发展水平和农村用电量6个变量作为影响新疆各地区粮食GTFP的解释变量。

（1）当地经济发展水平：该指标用人均地区生产总值来表示，是衡量一个地区经济发展水平的常用指标，既体现了一个地区的总体生产能力和居民的平均生活水平，又反映了一个地区的资源禀赋和资源利用效率［38］。一般来说，当地经济发展水平越高，表明该地区的经济实力越强，其农业生产投入水平也更高。经济发达的地区，通常有更多的资金和人力投入到农业生产中，能够引进和应用更先进的农业生产设施，如大型农机、无人植保机、新型灌溉设备等［39］。这些设施能够有效提升农业生产的效率和质量，节约和优化农业生产要素的使用，如土地、水、肥料、农药等，从而对粮食GTFP 产生正面影响［40］。

（2）城镇化水平：该指标用各地州城镇人口与总人口之比来表示，是衡量一个地区城镇化发展程度的重要指标，反映了农业人口向非农业人口转移的程度，体现了农业劳动力的供给和质量，以及农业与非农业部门之间的联系和协调［41］。适度的城镇化可以促进农村劳动力的转移，提高农业劳动生产率，但过快或过慢的城镇化都可能对粮食GTFP产生负面影响［42］。

（3）农业机械化水平：该指标使用各地州单位农作物播种面积的农用机械总动力表示［43］，反映了农业生产中使用机械设备的程度，并影响了农业生产的效率和质量，以及对能源和环境的依赖程度。农业机械化可以降低人工成本，提高土地利用强度和作物单产，但也可能增加能源消耗和排放［44］。

（4）粮食种植结构：该指标用各地州粮食种植面积占农作物总播种面积的比重来衡量，反映了一个地区粮食生产的稳定性和合理性［45］。粮食种植结构越合理，表明该地区的农业生产结构和粮食生产方式更适应当地的自然条件和市场需求，农业生产效益越高，农业环境压力越低，有利于提高粮食GTFP［46］。

（5）第二三产业发展水平：该指标用各地州的第二三产业增加值占其国内生产总值比重表示。这个指标反映了一个地区的非农产业发展水平和结构优化程度［47］。第二三产业发展水平越高，说明该地区的非农产业越发达，非农就业机会越多，非农收入来源也越多，对农业生产形成了有效的需求拉动和供给带动，促进了农业生产结构的优化和效率的提高，从而有利于提高粮食GTFP，但第二三产业的发展会对农业生产要素的流出产生一定的虹吸效应，这对粮食GTFP的提升会有一定不利影响［48］。

（6）农村用电量：该指标用各地州的农村用电量来表示，在一定程度上反映出一个地区的农村能源消费水平和能源供给状况［49］。通常，农村用电量越高，表明该地区的农村能源消费需求越大，不利于粮食GTFP的提高［50］。

选择2000—2020 年新疆14 个地州市的面板数据，并对其进行对数转换，构建如下模型：

式中：GTFPit为粮食绿色全要素生产率（因变量）；PGDPit、URBit、MACHit、CPSit、STit、ELEit分别为当地经济发展水平、城镇化水平、农业机械化水平、粮食种植结构、第二三产业发展水平、农村用电量6个自变量；i为地区变量；j为时间变量；α为常数项；β1、β2、β3、β4、β5、β6为待估系数；μit为时空固定效应。本文采用时空双向固定效应模型，分别对全疆、北疆、东疆和南疆进行回归，其回归结果如表3所示。

表3 实证回归结果Tab.3 Empirical regression results

（1）当地经济发展水平与粮食GTFP 之间呈现负相关关系，系数为-0.063，说明区域经济发展水平越高，不利于粮食生产中的农业GTFP 的提高。从区域差异上看，在北疆，当地经济发展水平与粮食GTFP 之间存在着显著的正相关关系，这说明北疆农村居民的高净收入对农民的生活质量有了一定的改善，更加注重农业生产投入，有利于粮食GTFP的提升。

（2）城镇化水平对粮食GTFP 呈现显著的负向影响，系数为-0.133。究其原因，可能是随着城市化程度的加深，农村地区人才的外流速度加快，从而制约了粮食GTFP 的提高。从区域差异上看，南疆各地区的城镇化程度对粮食GTFP具有显著的正效应，对东疆则具有明显的负效应，对北疆则没有显著的促进作用，说明新疆各地州的发展存在着一定的不均衡性。

（3）农业机械化水平对粮食GTFP影响为正，系数0.015。说明推进机械化程度的提升，可以有效提升粮食GTFP。从区域差异上看，农业机械化水平对南北疆粮食GTFP 的影响显著为负，对东疆粮食GTFP 的影响显著为正，说明在推进粮食机械化时，应根据当地实际情况采取相应的环保技术措施。

（4）粮食种植结构变动与粮食GTFP 之间呈显著的正相关关系，系数为0.123。这表明，当粮食播种面积在农作物总播种面积所占的比重越大时，粮食GTFP 将越高。从区域差异上看，粮食种植结构变动对南疆粮食GTFP 提高效果最为显著，而对东疆影响并不显著。这表明粮食种植结构还需进一步优化，应在不同地域探讨其优化途径，以提升粮食绿色生产力。

（5）第二三产业发展水平对粮食GTFP 有负向影响，系数为-0.073。各地州的第二三产业发展的“虹吸”造成了粮食生产要素的大量流失，第二、三产业对农业的“反哺”作用不明显。从区域差异上看，就南疆而言，第二三产业发展水平与粮食GTFP呈正相关，其科技进步的溢出效应则有利于粮食生产率的提升。

（6）农村用电量对粮食GTFP 呈现显著负向影响，系数为-0.048。这表明，随着农村电力消费水平的提高，粮食GTFP 的提高受到了制约。从区域差异上看，农村电力消费对各地区的粮食GTFP 的作用存在差别，其对北疆和南疆2个区域的作用为负，而对东疆的作用为正。

3 讨论

本文基于全局非期望超效率SBM 模型结合GML指数对新疆14个地州市2000—2020年的粮食GTFP 进行测算。研究结果显示新疆粮食GTFP 在2000—2020年整体处于优化趋势，与叶锋等［51］对中国农业GTFP测算研究结果一致。潘丹等［13］和李欠男等［14］采用Dagum 基尼系数、核密度估计和空间Markov链方法同时认为区域之间的农业GTFP增长趋势将会继续扩大，这一研究结果也与本文的新疆粮食GTFP 的增长存在区域异质性，且时间上地区差距大致呈现先缩小后增大的演进过程，空间上差异主要来源于区域内差异的结论一致。但上述文献只对驱动因子予以定性描述，并未实现定量化评估。本文运用固定效应模型甄别出影响新疆粮食GTFP 的驱动因素。叶锋等［51］将中国粮食主产区作为整体研究对象，分析了政策补贴对粮食GTFP 变化，研究区域与新疆的粮食生产条件具有本质区别，安博文等［52］认为GEC是抑制新疆农业全要素生产率提高的主要原因，这与本文的研究存在差异性；范丽霞［10］使用微观数据分析了种粮农户小麦全要素生产率变化，并未对其绿色生产技术进行分析。本文从碳排放约束视角详尽分析了新疆各地州粮食GTFP 时空分异特征和演变规律，并进一步定量分析其驱动因素，分析结果更加细致、客观和详细，能够为新疆粮食安全绿色发展提供更为详尽的科学参考数据。与此同时，本文仅讨论了新疆粮食GTFP 时空差异及其驱动因子，对空间溢出效应的探讨不足，未来需进一步探讨，并且本文在数据收集和处理过程中，无法直接获得完整的衡量新疆各地州市粮食生产碳排放指标的数据，其计量结果与实际情况可能存在一定的偏差。