2011-2020年中国大豆生产碳排放效率时空演变及影响因素

陈伟 洪静兰 李照令 王亚平 张天祚 耿涌

关键词：生命周期评价；大豆；碳排放效率；影响因素；超效率SBM；Tobit模型

全球变暖危及地球生态安全和人类可持续发展，已经成为全人类共同面临的严重威胁［1］。农业生产活动是碳排放的重要来源，世界粮食体系的碳排放约占全球人为碳排放的三分之一［2-3］。作为全球农业大国，中国农业碳排放总量由1961年的2.49亿t增长至2018年的8.7亿t［4］。若不采取有效的碳减排措施，2060年中国农业碳排放相对于2018年将增加60%以上［5］。在“双碳”目标背景下，农业面临更加严峻的碳减排压力。大豆是中国主要粮食作物之一，同时也是重要的油料作物以及优质蛋白的主要来源。随着人民生活水平的日益提高和养殖业的快速发展，对油脂和饲用蛋白的需求不断增加［6］。然而，中国大豆对外依存度高达85%，提高大豆自给率事关国家粮食安全。2021年农业农村部印发的《“十四五”全国种植业发展规划》的通知中提出“到2025年，力争大豆播种面积达到1.6亿亩左右，产量达到2300万t左右”［7］（1亩≈667m2）。然而，2011—2018年中国大豆生产单位产量碳排放和单位产值碳排放分别增长了18.33%和52.42%［8］；而且种植业生产过程中农业机械、农药、化肥等替代劳动力使用的增加，将进一步提高种植业碳排放强度。由此可见，加快推动大豆低碳生产行动责无旁贷。大豆碳减排要求在既定投入要素下保证大豆产值并减少碳排放。然而，中国地域发展不平衡，不同地区大豆种植的自然条件、生产方式、技术水平等具有较强的异质性，不同地区大豆生产碳排放及碳排放效率存在差異。因此，有必要基于不同地区要素禀赋结构的异质性，考察大豆生产碳排放及碳排放效率。本研究在客观核算中国大豆生产全生命周期碳排放量的基础上测度碳排放效率，探索宏观层面的影响因素并探寻优化路径，为推进大豆乃至农业低碳发展提供有益支持。

1文献综述

从现有文献来看，农业碳排放的研究成果较为丰富，涵盖农业碳排放测度、农业碳排放效率测算和农业碳排放效率影响因素探究等方面。①学者们从不同方面测算了农业碳排放。研究尺度上，金书秦等［4］和田云等［9］针对国家、吴贤荣等［10］针对省域、尚杰等［11］针对市域和李远玲等［12］针对县域的农业碳排放问题开展了大量研究。研究内容上，既有种植业［13］、畜牧业［14］和渔业［15］等产业碳排放研究，也有针对单一作物如水稻［16］、小麦［17］、玉米［17］、油菜籽［18］和大豆［19］等的研究。②农业碳排放效率作为衡量农业产出水平的指标受到广泛关注。吴贤荣等［10］运用DEA模型、陈阳等［20］运用超效率SBM模型对不同尺度农业和不同种类农作物［21-22］的碳排放效率进行测度，研究尺度涉及国家［23］、省域［24］和县域［25］等。③在测度碳排放效率的基础上对其影响因素展开探究。吴贤荣等［10］运用Tobit模型、尚莉媛等［26］运用空间杜宾模型，探讨自然、经济和社会等因素对农业碳排放效率的影响，评价指标涉及产业结构［24］、农业经济发展水平［10］、劳动力受教育程度［27］、农村用电量［24］和农作物受灾程度［23］等。除上述研究外，田云等［28］围绕农业碳排放效率与经济增长的耦合关系、田云等［29］围绕农业碳减排补偿机制和王辰璇等［30］围绕农业碳排放效率门槛效应等方面，对农业碳排放相关问题展开广泛探讨。

现有农业碳排放相关文献和实践研究成果较为丰富，对于理解大豆生产碳排放效率具有重要启发和借鉴意义。文献梳理表明：①不同地区的农业在自然条件、生产方式和技术水平等方面具有较强的异质性，且不同农作物在投入产出方面有较大差异。因此，需要立足具体的农作物构建区域异质性的作物生命周期清单，测度其碳排放量、碳排放效率及其影响因素。然而，目前全国尺度大豆生产碳排放研究相对较少，且鲜有关于大豆生产碳排放效率的系统研究。②农业碳排放效率研究中碳排放测算多基于碳排放系数法，所用碳源的碳排放系数来源多样，而碳源的碳排放系数受生产技术、管理水平等影响，具有明显的区域异质性。③目前尚没有关于大豆生产碳排放效率影响因素的研究。因此，本研究采用生命周期评价法客观测度2011—2020年全国及各主产区大豆生产全生命周期碳排放，继而采用兼顾期望产出和非期望产出的超效率SBM模型测度大豆生产碳排放效率，并探究其时空演化态势，而后利用Tobit模型探寻影响大豆碳排放效率变动的主要因素，并提出促进大豆生产低碳发展的对策建议。

2研究方法、变量选取与数据说明

2.1研究方法

2.1.1大豆生产碳排放测算方法

（1）研究功能单位与系统边界。国际标准化组织（ISO）于2013年发布ISO14067，将生命周期评价确定为产品碳足迹核算的技术方法［31-32］，确定功能单位和系统边界是开展生命周期评价的基础。农业生命周期评价研究通常以单位农产品产量为功能单位，多采取“摇篮到大门”的系统边界［33］。因此，本研究的功能单位为1t大豆产品，系统边界为“摇篮到大门”，即测算大豆从播种到收获全过程各项投入造成的直接和间接温室气体排放，具体包括：①生产及运输各项农资（化肥、种子和农药等）产生的间接碳排放。②柴油消耗过程的直接碳排放。

（2）清单分析。生命周期清单分析是对产品、工艺或活动整个生命周期阶段的能源等资源消耗和向环境的排放进行数据量化分析［34］。大豆种植数据收集分为两个部分：一是实景流程（即表层清单）数据收集，包括播种、灌溉、施肥等过程的资源投入，以及向环境中的排放（例如柴油消耗导致的直接碳排放）；二是背景流程（即背景清单）数据收集，即投入资源（电力、种子和化肥等）的生产数据。大豆生产碳排放相关生命周期表层清单见表1。

（3）碳排放计算。SimaPro软件由荷兰Leiden大学环境科学中心开发，是现阶段常用的生命周期影响评价软件，该软件集成了ReCiPe等多种生命周期评价方法。本研究选用SimaPro软件ReCiPe2016模型计算大豆生产全生命周期温室气体排放（以CO2为当量进行表征，本研究测算结果统一用碳排放表示）。

2.1.2基于非期望产出的超效率SBM模型

DEA是评价决策单元有效性的常用模型。传统DEA模型无法测度非期望产出对效率的影响，且忽视了对多个有效决策单元的对比［35］。因此，Tone对DEA模型进行改进，提出了基于非期望产出的非径向、非角度超效率DEA方法，即基于非期望产出的超效率SBM（Slacks?BasedMeasure，SBM）模型［36］。超效率SBM模型既能將松弛变量纳入考虑，又能克服传统SBM模型难以区分效率值大于1的问题，在碳排放效率测算方面得到广泛应用［1］。

2.1.3Tobit模型

在对大豆种植碳排放效率进行测算后，为进一步探究影响大豆碳排放效率变动的深层原因，有必要开展大豆种植碳排放效率影响因素分析。但由于超效率SBM模型测算出的农业碳排放效率值是受限因变量（以0为下限），而Tobit模型能够较好地规避最小二乘法导致的估计偏差［37］，因此该方法在碳排放效率影响因素探究中得到广泛使用。参考张展等［38］的研究，选择Tobit模型来解决这类受限因变量的问题。该模型已经被学界熟知，在农业碳排放效率影响因素分析中得到了较广泛应用［10，24，38］，为此对其公式不进行详细介绍。

2.2指标选取

2.2.1碳排放效率指标选取

本研究选取劳动、土地和资本三种投入要素，各指标的数据特征见表2。将大豆生产用工天数（农户家庭成员劳动时长和雇佣工人劳动时长之和）作为劳动投入指标；以大豆播种面积为土地投入指标；以大豆生产所需物质与服务费用为资本投入指标，包括与大豆种植相关的种子费、化肥费、农药费、租赁作业费、工具材料费和修理维护费等直接费用，以及保险费和管理费等间接费用，并将所需物质与服务费用调整为以2011年为基期的不变价。

本研究将产出要素指标分为期望产出和非期望产出两种指标。以大豆产值为期望产出，并将其调整为2011年的不变价格；将大豆种植碳排放作为非期望产出，并采用生命周期评价法评估大豆生产碳排放。

2.2.2影响因素指标选取

厘清碳排放效率影响因素是把握优化方向的重要前提。根据相关文献中对农业碳排放效率影响的研究经验启示，研究中重点关注种植结构、农户文化水平、机械化水平等与种植业生产相关的因素对碳排放效率的影响，选取以下变量探讨大豆种植碳排放效率的优化路径。

（1）作物种植结构。种植结构反映地区某类作物种植的比例，种植结构的变化会导致农业投入要素结构的变化，进而影响作物生产的碳排放效率［39］。参考张利国等［40］的研究，选用大豆播种面积占粮食总播种面积的比例表征作物种植结构，预计该指标与大豆生产碳排放效率呈正相关。

（2）农业产业结构。农业产业结构能够体现第一产业各生产部门在整个农业系统中所占比例。参考吴贤荣等［10］的研究，选择农业产值占农林牧渔总产值的比重来表示农业产业结构，预计该指标与大豆生产碳排放效率呈负相关。

（3）农业经济发展水平。农业经济发展水平是反映地区农业发展水平和农民生活水平的重要指标［24］。农业经济发展水平高的地区农用物资投入量相对较高，但同时农业现代化进程较快，有利于农业碳排放效率提升［24］。借鉴侯孟阳等［39］的研究，选用农村人均可支配收入作为农业经济发展水平的表征，预计该指标与大豆生产碳排放效率呈正相关。

（4）财政支农水平。财政支农水平反映地区财政支农的力度。财政支农增加农民收入，帮助提高农业生产过程中的物资投入，改进生产设备和生产方式，有利于大豆生产碳排放效率的提高。借鉴胡青江等［41］的研究，选择农林水支出占财政总支出的比重作为描述财政支农水平的指标，预计该指标与大豆生产碳排放效率呈正相关。

（5）农业机械化水平。一方面，农业机械利用会消耗柴油等物资，造成碳排放；另一方面，农业机械能够通过提升农业产出效率以减少农产品的碳排放，进而提高碳排放效率［42］。因难以预测农业机械化水平对大豆生产碳排放效率的作用方向，所以需进行实证检验。参考吴昊玥等［43］的研究，以地均农业机械动力对农业机械化水平进行表征。

（6）农村劳动力受教育程度。农村劳动力的受教育水平一方面影响劳动力对低碳农业的认识，另一方面影响劳动力对新型农业生产技术的运用，进而影响农业碳排放效率。但马大来［44］的研究结果表明，当劳动力以初、高中文化素质为主时，将对农业碳排放效率产生负向影响。该变量可能的作用方向难以确定，因此需进行实证检验。参考田云等［27］的研究，选用初中及以上文化程度劳动者占比对农村劳动力受教育程度进行表征。

（7）农业技术水平。在农业生产活动中，电力能够提供动力，替代部分柴油等能源。农业产业化经营模式的改变会导致农村用电量的增加［45］。农村用电量的增加意味着农村农用机械设备使用的增加和技术水平的进步［46］。参考吴妍［47］的研究，选择农村人均用电量这一指标探究农业技术水平对大豆碳排放效率的影响。农业现代化程度越高，农业产出水平也会越高，预计该指标与大豆生产碳排放效率呈正相关。

2.3研究区域与数据来源

鉴于数据可得性和连续性，本研究选取2011—2020年为研究年限，基于国家尺度以及中国10个大豆主产区（河北、山西、内蒙古、辽宁、吉林、黑龙江、安徽、山东、河南和陕西）开展大豆生产碳排放效率相关研究。2020年，10个主产区大豆总播种面积和产量分别占全国大豆播种面积和产量的80.82%和79.16%，具有良好的代表性。

研究所需的大豆生产各类碳排放源、大豆生产劳动投入、资本投入等数据来自《全国农产品成本收益资料汇编》［48］；碳排放测算所需的碳排放系数等数据来自基于过程的中国生命周期清单数据库［8］；大豆产量、大豆产值、农村人均可支配收入、大豆播种面积、粮食总播种面积、耕地面积、农业机械总动力、农业产值、农林牧渔业总产值和农村用电量数据来自《中国农村统计年鉴》［49］；农林水支出和财政总支出来自各省统计年鉴；农村居民消费价格指数来自国家统计局［50］；农村初中及以上文化程度劳动者数据来自《中国人口和就业统计年鉴》［51］。

3研究结果分析

3.1大豆生产碳排放时空演变分析

3.1.1中国大豆生产历年碳排放分析

本研究基于生命周期评价法，测度中国大豆生产全生命周期碳排放（表3）。结果表明，大豆生产碳排放总量由2011年的4.07×107t增至2020年的6.02×107t，年均增长率为4.43%；2011—2012年碳排放量稍有增加，年均增长率为0.20%；2013—2015年碳排放量逐年降低，年均递减率为4.49%；2016—2020年碳排放量呈上升态势，由4.60×107t增加到6.02×107t，年均增长率为6.96%。

生产1t大豆的碳排放由2011年的2.81t增至2020年的3.07t，提高了9.25%。2011—2013年中国大豆生产单位产量碳排放呈上升趋势；随后生产1t大豆产生的碳排放在2.99～3.55t间波动，其中2016年每吨大豆生产产生的碳排放达到最大值（3.55t）。罗燕等［52］研究指出每吨大豆生产碳排放为1.53～2.17t，Castanheira等［53］研究指出每吨大豆种植碳排放在0.1～17.8t间变化。数据比较表明，本研究结果在已有研究结果范围内。通过表3可知，每万元产值大豆碳排放由2011年的5.64t增至2020年的7.48t，年均增长率为3.20%。2011—2016年中国大豆生产单位产值碳排放总体呈上升趋势；2016—2020年呈波动下降趋势。其中，2017—2018年出现短暂上升，并于2018年达到最大值（10.17t/万元）。大豆生产的碳排放强度（单位面积碳排放量）由2011年的5.16t/hm2增至2020年的6.09t/hm2，年均增长率为1.85%。2011—2013年中国大豆生产碳排放强度呈上升趋势；随后在5.34～6.38t/hm2间波动。数据分析表明，2011—2020年中国大豆生产碳排放总体呈上升趋势，但中国大豆生产尚未实现碳达峰。

3.1.2大豆生产主产区碳排放时空演变分析

大豆生产主产区碳排放测度结果表明大豆生产碳排放时空差异明显，各主产区大豆生产碳排放总量（表4）、單位产值碳排放（表5）和碳排放强度（表6）均存在明显的差异。就碳排放总量来看，排在首位的黑龙江2020年大豆生产碳排放高达34.84百万t，占全国大豆生产碳排放的57.91%；位居第2的内蒙古2020年大豆生产碳排放为7.45百万t，占全国大豆生产碳排放的12.38%。黑龙江、内蒙古是中国大豆生产最主要的产区，大豆种植面积和产量高于其他地区，因此，碳排放量高。研究期内，除吉林和河北2020年大豆生产碳排放总量较2011年分别下降20.86%和5.37%外，其余各主产区大豆生产碳排放总量均呈增长趋势。这可能是由于吉林、河北粮食作物结构发生变化，大豆种植面积和产量减少［54-55］，导致其碳排放量减少；而山东、黑龙江和内蒙古等地在单产保持增长的同时种植面积也在扩大［56］，因此碳排放总量呈上升趋势。其中，山东2020年大豆生产碳排放总量较2011年增长了119.81%，黑龙江（94.97%）、内蒙古（52.69%）分列第二、三位。

碳排放总量与生产规模密切相关，而单位产值碳排放和碳排放强度更能客观反映区域碳排放水平。从表5可以看出，2020年黑龙江大豆每万元产值碳排放高达9.07t，内蒙古（8.99t）、陕西（8.63t）分列第二、三位。研究期内，单位产值大豆碳排放最高达到27.34t/万元（2016年，内蒙古），最低为1.77t/万元（2012年，安徽；2015年，河南）。吉林单位产值大豆碳排放2011年6.03t/万元，2020年5.41t/万元，下降幅度为10.27%，其余主产区单位产值大豆碳排放均呈上升趋势。其中，大豆产值最高的黑龙江，单位产值大豆碳排放由2011年的6.10t/万元增至2020年的9.07t/万元，增幅为48.58%；山西单位产值大豆碳排放由2011年的2.86t/万元增至2020年的8.25t/万元，增幅为187.84%，是增幅最大的地区；山东单位产值大豆碳排放由2011年的2.86t/万元增至2020年的4.90t/万元，增幅为71.30%；河南、陕西、辽宁、安徽、河北和内蒙古单位产值大豆碳排放增幅分别为93.84%、65.18%、56.56%、32.76%、15.68%和5.87%。

就碳排放强度而言，2020年河北大豆生产碳排放强度高达9.64t/hm2，辽宁（7.60t/hm2）、黑龙江（7.21t/hm2）分列第二、三位（表6）。研究期内，碳排放强度最高达到9.64t/hm2（2018年，2020年，河北），最低为1.49t/hm2（2015年，河南）。吉林大豆生产碳排放强度2011年6.68t/hm2，2020年5.02t/hm2，内蒙古大豆生产碳排放强度2011年7.09t/hm2，2020年6.20t/hm2，降幅分别为24.86%和12.63%，其余主产区大豆生产碳排放强度均呈上升趋势。产量最高的黑龙江，大豆生产碳排放强度2011年5.58t/hm2，2020年7.21t/hm2，提高了29.19%；山西大豆生产碳排放强度2011年2.96t/hm2，2020年7.17t/hm2，增幅为142.36%；山东大豆生产碳排放强度2011年3.42t/hm2，2020年6.22t/hm2，增幅为81.95%；河南大豆生产碳排放强度2011年2.03t/hm2，2020年3.61t/hm2，增幅为77.84%；安徽、河北和陕西大豆生产碳排放强度也均有增加，增幅分别为47.94%、43.90%和40.56%。

结合2011年和2020年大豆种植碳排放量、单位产值碳排放和碳排放强度差异，借助ArcGIS软件将各主产区碳排放情况划分为5种类型（表7），分别为“高高高”型，即大豆种植碳排放高、单位产值碳排放高、碳排放强度高的地区；“低高高”型，即大豆种植碳排放低、单位产值碳排放高、碳排放强度高的地区；“低低高”型，即大豆种植碳排放低、单位产值碳排放低、碳排放强度高的地区；“低高低”型，即大豆种植碳排放低、单位产值碳排放高、碳排放强度低的地区；“低低低”型，即大豆种植碳排放低、单位产值碳排放低、碳排放强度低的地区。

由表7可知，黑龙江属于“高高高”型地区，大豆种植碳排放总量高，单位产值碳排放和碳排放强度同样较高；内蒙古、辽宁、河北属于“低高高”型地区，大豆种植碳排放总量较低，但单位产值碳排放和碳排放强度较高；由于单位产值碳排放和碳排放强度较高，上述两类地区的大豆种植碳排放压力较大。安徽和河南属于“低低低”型地区，大豆种植碳排放总量低，单位产值碳排放和碳排放强度同样较低，这类地区大豆种植碳排放压力相对较小。吉林由2011年的“低高高”型地区转变为2020年的“低低低”型，单位产值碳排放和碳排放强度有所降低，大豆种植碳排放压力呈下降趋势。陕西由2011年的“低高低”型转变为2020年的“低高高”型；山东由2011年的“低低低”型转变为2020年的“低低高”型；山西由2011年的“低低低”型转变为2020年的“低高高”型；上述地区大豆种植碳排放压力呈上升趋势。

3.2大豆生产碳排放效率分析

3.2.1中国大豆生产碳排放效率分析

运用基于非期望产出的超效率SBM模型测算中国大豆生产碳排放效率，结果如图1所示。总体来看，2011—2020年中国大豆生产碳排放效率呈先降后升的演变趋势，平均值为0.78。其中，2020年大豆生产碳排放效率为1.00，较最小值0.55（2016年）提升了0.46，较最大值1.05（2012年）降低了0.05。2011—2012年，大豆生产碳排放效率由0.90上升至1.05。该阶段单位产值大豆的劳动投入下降了13.98%，同时土地投入和资本投入也分别下降11.44%和1.40%。2012—2016年，碳排放效率大幅下降。该阶段单位产值大豆生产所投入的劳动、土地和资本分别上升39.35%、62.93%和48.32%，大豆生产碳排放总量上升12.64%，而大豆产值呈显著的下降趋势。2016—2017年，大豆生產碳排放效率有所提高。该阶段大豆产值增幅为29.71%，高于大豆生产碳排放增幅（0.15%）。2017—2018年，大豆生产碳排放效率明显降低。该阶段生产单位产值大豆所投入的劳动、土地和资本分别提高5.69%、15.80%和14.74%，大豆生产碳排放量增加709.38万t，大豆生产的物资利用效率再度下降。2018—2020年，碳排放效率显著提高。该阶段大豆生产的劳动、土地和资本投入分别降低了21.31%、23.64%和27.43%，而大豆生产碳排放量仅增加了13.22%。

3.2.2大豆生产主产区的碳排放效率

大豆主产区碳排放效率测度结果表明，大豆生产碳排放效率空间差异明显（表8）。从多年均值来看，内蒙古大豆生产碳排放效率值最高（1.15），山西最低（0.50）；大豆产量最高的黑龙江碳排放效率为0.93。除吉林、山西碳排放效率年均变化率为负值外，其余地区大豆生产碳排放效率年均变化率均为正。其中，内蒙古、河北初始值较低但增速快，年均增长率为7.40%和3.68%，属于低位高速增长类型；河南和安徽碳排放效率初始值较高且增速较快，年均增长率分别为15.14%和8.12%，属于高位高速增长类型。此外，山西、陕西大豆生产历年碳排放效率与最优前沿面有较大差距，属于碳排放效率低值地区，其碳排放效率低的原因在于其“有效产出”能力不强，从而使其碳排放效率与前沿面距离较远，山西和陕西在大豆低碳种植方面具有较大的提升空间。

3.3大豆生产碳排放效率的影响因素

研究运用Tobit模型对大豆生产碳排放效率影响因素进行回归分析。在模型估计前，首先对变量进行多重共线性检验，结果显示，最大的方差膨胀因子（VIF）值为2.72，小于10，故不存在共线性问题。为避免变量非平稳可能导致的伪回归，对面板数据进行单位根检验，结果显示各变量均通过检验。由于固定效应的Tobit模型找不到个体异质性的充分统计量，从而无法进行条件最大似然估计［57］，因此本研究考虑随机效应Tobit模型和混合Tobit模型。在随机效应Tobit中，由于LR检验无法拒绝原假设，最终选择混合Tobit模型，得出结果见表9。

作物种植结构影响。大豆播种面积占比对大豆生产碳排放效率具有显著正向影响，但相关程度较弱。可能的原因是，相比玉米、小麦和水稻等粮食作物，大豆价格较高，致使大豆单位产值所产生的碳排放较其他粮食作物的单位产值碳排放低。因此，基于目前的种植技术和生产条件，提高大豆播种面积占粮食总播种面积的比重能够使大豆碳排放效率实现小幅提高。

农业产业结构影响。农业产值占农林牧渔总产值比重对大豆生产碳排放效率具有显著的负向影响，即农业产值占农林牧渔总产值比重越高，大豆生产碳排放效率越低。这可能是因为相较于第一产业的其他部门，农业生产活动中需要投入更多的农用物资，从而导致碳排放量较高，碳排放效率相应较低。

农业经济发展水平影响。农业经济发展水平对大豆生产碳排放效率呈负向影响，但未通过显著性检验。可能的原因是，农民收入的提升促使更多资本和能源投入到农业生产中，从而导致碳排放量增加，碳排放效率降低。但由于中国大豆的集约化生产方式还未成型，因此规模效应难以体现，所以该指标对大豆生产碳排放效率呈现不显著的负向影响。

财政支农水平影响。农林水支出占财政总支出的比重对大豆生产碳排放效率具有显著的正向影响。可能的原因是，政府通过财政支农政策加强对农业生产的支持，在一定程度上提升农业管理水平，从而提高大豆碳排放效率。但李勇［58］指出，由于惠农补贴存在对象错配、范围和额度有限等问题，导致财政支农对农业生产者的支持力度不够。因此，应加大财政补贴力度，并提升精准管理的保障能力，促进大豆低碳生产。

农业机械化水平影响。农业机械化水平对大豆生产碳排放效率具有显著正向影响，即农业机械发展水平越高，大豆生产碳排放效率越高。农用机械的使用虽然导致温室气体排放，但农业机械化生产能提高物资的利用效率和作物的产出效率，从而达到提高大豆生产碳排放效率的目的。

农村劳动力受教育程度影响。农村劳动力受教育程度对大豆生产碳排放效率具有显著的负向影响，该结果表明，初中及以上文化水平的农村劳动力占比越高，大豆生产碳排放效率反而越低。其成因可能是先进的农业生产技术一般需要大专及以上学历的高素质劳动力［27］。然而目前从事农业生产的劳动力以初、高中学历为主，相比较而言，该部分劳动力更倾向于选择“高投入、高产出”的农业生产模式［27］。因此，农村劳动力受教育程度对大豆生产碳排放效率未能产生正向影响。

农业技术水平。农村人均用电量对大豆生产碳排放效率具有显著的正向影响。这可能是由于电力农机代替部分柴油农机能够减少碳排放，同时在农业生产中，各类机械的使用能够提高生产效率，在一定程度上促进大豆生产碳排放效率的提高。

4结论与讨论

4.1结论

全球气候变暖背景下，农业部门减排与低碳生产是实现农业可持续发展的重要途径，也是中国实现碳中和目标的必要举措。中国正处于实现碳达峰目标的关键时期，各行业都应加快低碳发展。本研究基于生命周期评价法测度2011—2020年中国大豆生产全生命周期碳排放，采用含有非期望产出的超效率SBM模型测算2011—2020年中国大豆生产的碳排放效率，并对不同时期、不同地区的效率呈现结果进行分析，最后运用Tobit模型分析影响大豆生产碳排放效率的关键因素，主要结论如下。

（1）2011—2020年中国大豆生产碳排放总量整体呈上升趋势，年均增长率为4.43%。单位产值碳排放和碳排放强度年均增长率分别为3.20%和1.85%，亟待推进大豆低碳化生产。大豆主产区单位产值碳排放、碳排放强度以及碳排放总量均存在明显差异。如吉林单位产值大豆碳排放由2011年的6.03t/万元降低到2020年的5.41t/万元；而产值最高的黑龙江，单位产值大豆碳排放则由2011年的6.10t/万元增至2020年的9.07t/万元。此外，2017—2020年中国大豆生产碳排放持续增加，中国大豆生产尚未实现碳达峰。

（2）大豆生产碳排放效率测算结果表明，2011—2020年中国大豆生产碳排放效率呈先降后升的演变趋势，研究期内碳排放效率整体提高了0.10。大豆主产区大豆生产碳排放效率空间差异明显，山西和陕西大豆生产历年碳排放效率与最优前沿面有较大差距，具有较大的提升空间。

（3）运用Tobit模型对大豆生产碳排放效率影响因素进行分析发现，农业产业结构和农村劳动力受教育程度对大豆生产碳排放效率有显著负向影响；作物种植结构、财政支农水平、农业机械化水平和农业技术水平对大豆生产碳排放效率有顯著正向作用；农业经济发展水平对大豆生产碳排放效率作用不显著。

4.2 讨论与启示

（1）中国大豆生产的碳排放总量、单位产值碳排放和碳排放强度均呈上升趋势，且不同地区大豆生产碳排放特征存在较大差异。因此，因地制宜制定大豆碳减排政策对于实现农业领域碳达峰具有重要意义。各地区应根据当地的自然资源禀赋、技术和资本等区域优势，采用差异化的碳减排策略，促进地区大豆低碳生产。

（2）2011—2020年中国大豆生产碳排放效率波动上升，主产区大豆生产碳排放效率存在区域异质性。未来应加强地区间的合作与交流，注重发挥山东等大豆生产高效率地区对邻近主产区的辐射带动作用，积极引导河北等低效率地区借鉴高效率地区的先进经验。

（3）大豆生产涉及农资及能源等使用，不可避免导致温室气体的排放。研究结果表明，农业机械化水平与大豆生产碳排放效率呈显著正相关。这是由于实施农业机械化生产能够有效提高作物生产率和物资利用效率，减少大豆生产的碳排放，从而促进碳排放效率的提升。因此，应加快农业机械化进程，提高农资利用效率，促进大豆生产低碳化水平的提升。

（4）财政支农水平对大豆碳排放效率具有显著的正向影响，即财政支农的增加能够提高大豆生产碳排放效率。建议加大对大豆生产领域的精准补贴，并由各级政府部门做好预算指标的使用和工作衔接，确保财政支农能够真正惠及农民，更有力地保障大豆生产安全，提高农民抵御风险的能力，从而提高大豆生产的碳排放效率。

本研究分析了中国大豆生产的碳排放效率并探究其影响因素，对于大豆低碳生产政策制定具有一定参考价值。不足之处在于未能充分考虑各类碳排放源的碳排放因子在时间和空间上的差异，以上不足有待于今后的深化研究。