碳排放約束條件下長江經濟帶農業生產效率研究

尚杰, 李乾乾

(東北林業大學經濟管理學院,黑龍江 哈爾濱 150040)

長江經濟帶橫跨中國東、中、西三大板塊,涵蓋上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、貴州和云南11個省、直轄市。2021年,長江經濟帶地區生產總值487 012.83億元,占全國經濟總量的42.6%。作為國家重大戰略發展區域,長江經濟帶具有區域廣闊、人口眾多、經濟量大、功能多元、綜合實力強的顯著特點,在中國區域發展中具有舉足輕重的作用。而農業是經濟社會發展的基礎性產業,具有經濟、社會、文化、政治、生態等多功能性,促進農業綠色可持續發展,是推動長江經濟帶高質量發展的基本目標之一。近年來,農業經濟快速增長的同時,農業生產的碳排放量也快速增加,農業溫室氣體排放量在全國溫室氣體排放總量中所占比例為17%,且以每年3%的速度快速增長[1]。長江經濟帶擁有中國超46%的糧食主產區,承擔著保障糧食安全的重要功能,在資本、技術、化肥原料等要素投入下,農業經濟規模也在進一步擴大,而農業生產過程中的高排放也客觀存在。農業兼具著自然再生產和經濟再生產的耦合功能,是最易受氣候變化影響的產業,農業部門減排的重要性和正外部性也更高[2]。因此,關注長江經濟帶農業在碳排放約束下的生產效率,并將長江經濟帶作為一個區域整體對其農業生產率的時空演變及影響因素進行探討分析,契合國家戰略布局和“雙碳”目標的時代背景,對實現綠色生態經濟帶建設、促進長江經濟帶高質量發展、助力“雙碳”目標實現具有重要的現實意義。

圍繞農業碳排放和農業生產效率,研究者們展開了多維度的研究。對相關研究進行梳理后發現,現有文獻主要集中在3個方面。1)單個要素對農業碳排放效率影響研究。田云等[3]、雷振丹等[4]、廖柳文等[5]、謝會強等[6]從經濟增長、技術進步、耕地經營規模、城鄉融合角度展開探討。2)關于農業碳排放效率的測度及影響因素的研究。吳昊玥等[7]、田云等[8]、吳賢榮等[9]、王劼等[10]、張杰等[11]分別從全國、農業部門、農戶個體等角度對農業碳排放效率進行了測算,并深入探討其影響因素,并給出針對性建議。3)關于農業碳排放效率的時空特征、空間關聯、演變規律的研究。王海飛[12]、王帥等[13]、田云等[14]、封永剛等[15]、尚杰等[16]從全國、市域、縣域層面對農業碳排放效率的時序變化、空間布局等進行了研究?；趯ΜF有文獻的整理得出:1)現有的研究面主要集中于全國宏觀層面或者微觀縣市、農戶個體層面的影響因素和時空分布研究,缺乏對中觀層面區域性的時空演變、空間關系和影響因素的研究;2)現有研究中,學者們大多用“農業碳排放效率”來涵蓋農業生產效率與農業碳排放之間的關系,且對“農業碳排放效率”的內涵闡釋又各不相同,缺乏客觀性和科學性,甚至帶有鼓勵農業碳排放的誤導傾向。因此,本研究著眼于長江經濟帶區域的農業碳排放,嘗試以碳排放約束條件下的農業生產效率來重新定義農業碳排放與農業生產效率的關系。以非期望產出農業碳排放量的多少代表碳排放約束的大小,農業降碳減排就是減少碳約束,提升農業生產效率。概括而言,碳排放約束下的農業生產效率目標是減少碳排放,降低碳約束,提高農業生產效率。本研究借鑒已有研究方法[7,9,12,14,17-18],選取考慮非期望產出的Super-SBM模型,對長江經濟帶沿線的11個省、直轄市2008—2021年碳排放約束下的農業生產效率進行測度和相關分析,旨在為促進降碳減排,提高區域農業生產率提供數據支撐,同時為推動長江經濟帶綠色高質量發展提供參考。

1 研究方法與數據來源

1.1 研究方法

1.1.1 碳排放量估算模型 目前農業碳排放測算研究中,不同學者采取的方法各不相同。根據胡勇浩等[19]的研究,排放系數法是最為常見的測算方法,且適用尺度廣、公式簡明、原理易懂。因此,本研究測算農業碳排放量亦采用碳排放系數法。排放系數法測算流程是在構建農業碳排放測算指標體系、確定主要碳源的基礎上,將農業碳排放活動水平數據與碳排放系數進行相乘,轉化為相應的碳排放當量。由于農業碳排放來源廣泛多樣,不同學者選取的碳排放來源指標不同,計算的結果存在較大差異性。本研究參考相關文獻[20-21]的研究,選取的農業碳排放來源主要包括翻耕、灌溉、化肥、農藥、農膜、柴油6個方面,據此建立農業碳排放計算公式:

E=∑Ei=∑Tiωi

(1)

式中:E表示農業碳排放總量;i表示各種碳排放源的種類;Ti表示各種碳排放源的量;ωi表示各種碳排放源的碳排放系數。具體排放碳源及系數見表1。

表1 農業碳排放源及碳排放系數

1.1.2 含非期望產出的超效率SBM模型 農業生產除了能夠帶來經濟上的期望產出,同時還有伴隨著環境負外部性的非期望產出。傳統DEA模型存在難以有效區分效率值同為1的多個決策單元的缺陷?？紤]非期望產出,且對碳約束條件下農業生產效率進行相對準確的測度,本研究借鑒了TONE[23-24]在傳統SBM模型基礎上對效率值為1的決策單元進行的改進模型,使用包含非期望產出的超效率SBM模型。假設農業生產過程碳排放有n個決策單元,每個決策單元都包含3個要素:投入、期望產出和非期望產出。投入要素、期望產出要素、非期望產出要素個數分別用m、q1、q2表示。本研究中,n表示長江經濟帶11個省、直轄市,投入要素為勞動力、土地、農業機械動力、灌溉、化肥、農藥、農膜,期望產出為農業總產值,非期望產出為農業碳排放量。測度碳排放約束下長江經濟帶農業生產效率的非期望產出超效率模型如下:

(2)

1.1.3 Global-Malmquist-Luenberger(GML)指數 CHUNG等[25]在Malmquist指數的基礎上,根據產出導向的方向距離函數推導出帶有非期望產出的M指數,并命名為Malmquist-Luenberger(ML)指數,用于研究包含非期望產出的效率變化率,衡量效率的動態變化。OH[26]在此基礎上構建了Global-Malmquist-Luenberger(GML)指數,全局參比的GML指數以所有研究時期的生產技術總集合為參照集,可以在解決多輸入、多輸出和生產帶來的非期望產出問題時,有效規避ML指數存在的不具備循環傳遞性和線性規劃無可行解等問題,具有跨期可比較的優點。本研究考慮ML指數分解結果的可得性,采用全局參比的GML指數,GML指數分解為技術效率指數(GEC)和技術進步指數(GTC):

(3)

(4)

(5)

式中:xt、yt表示各省、直轄市在t時期的投入產出數值;Eg、Et表示全局前沿和前沿t期的效率值。

在非參數框架下、非期望產出超效率SBM效率測度模型基礎上,本研究參考余奕杉等[27]的研究,構造一個非角度、非徑向的GML指數公式,用于測度長江經濟帶各省、直轄市由t到t+1時期碳排放約束下農業生產效率的動態變動:

(6)

1.1.4 莫蘭指數 根據“地理學第一定律”理論,任何事物都是緊密相連的,越鄰近的事物連接更緊密。本研究引入空間自相關分析方法對碳排放約束條件下長江經濟帶農業生產效率的空間關聯性進行檢驗分析?？臻g自相關分析主要用來檢驗鄰近要素變量間的區域關聯性和空間依賴性,衡量研究對象空間集聚程度和關聯度,常用莫蘭指數(Morans ’I)表示,包括全局自相關和局部自相關分析。全局自相關反映觀測變量在整個區域內的空間集體關聯程度或集聚程度,局部自相關反映局部區域單元與鄰近空間單元的相關性。

全局莫蘭指數計算公式為:

(7)

局部莫蘭指數計算公式為:

(8)

1.1.5 Tobit 模型 在碳排放約束下正確評估長江經濟帶農業生產效率的基礎上,進一步探討其影響因素,對于降碳減排,減少碳排放約束提高農業生產效率具有重要的意義。以2008—2021年碳排放約束下長江經濟帶各省、直轄市農業生產效率為因變量,各影響因素為解釋變量構建線性回歸方程。結合本研究研究實際,構建以碳排放約束下的農業生產效率為被解釋變量的Tobit模型,具體公式如下:

(9)

式中:C為碳約束下的農業生產效率;i表示各省市;t表示年份,β0、β1、β2分別為各個解釋變量的回歸系數;μ為隨機擾動項。

1.2 指標選取與數據來源

1.2.1 指標體系 本研究選取2008—2021年長江經濟帶沿線11個省、直轄市作為DMU,借鑒吳昊玥等[7]的研究,構建長江經濟帶農業投入產出三級指標體系,如表2所示。其中,農業從業人員的計算,考慮數據科學性和可得性,借鑒王寶義等[28]相關研究成果,利用第一產業從業人員乘以農業總產值占農林牧漁總產值的比值得到。農業碳排放量數據通過前文提到的碳排放系數法計算,僅考慮農業生產本身產生的溫室氣體,包括翻耕、灌溉、化肥、農藥、農膜、農業機械產生的CO2排放,化肥和土壤引起的N2O排放。參考田成詩等[20]、閔繼勝等[21]的研究,秸稈等農業廢棄物燃燒活動產生的CO2排放不在本研究農業碳排放量的計算之內。

表2 碳排放約束下農業生產效率投入產出指標體系

表4 碳排放約束下各時期長江經濟帶農業

1.2.2 數據來源 本研究選取2008—2021年長江經濟帶11個省、直轄市14年間農業生產過程中的投入產出要素組成面板數據,均來源于2009—2021年《中國統計年鑒》《中國農村統計年鑒》和各省市統計年鑒等資料,個別缺失數據均通過插值法填補。

2 結果與分析

2.1 碳排放約束下長江經濟帶農業生產效率時序演變分析

2.1.1 基于Super-SBM模型的農業生產效率靜態變化分析 根據上述農業投入產出指標體系,運用Dearun V3.0軟件,選擇包含非期望產出的超效率SBM模型對2008—2021年碳排放約束下長江經濟帶農業生產效率進行測算,結果如表 3所示。在碳排放約束下,農業生產效率越趨近于0,表明碳排放約束越大,農業低碳發展之路任重道遠;農業生產效率越趨近于1,表明碳排放約束越小,農業低碳發展富有成效;農業生產效率大于1,可看作碳排放約束為0,農業生產過程低碳可持續。

為全面揭示碳排放約束下長江經濟帶農業生產效率的時間演變特征,將長江經濟帶沿線11個省、直轄市劃分為上、中、下游地區,其中云南、貴州、四川、重慶為上游地區,湖南、湖北、江西、安徽為中游地區,浙江、江蘇、上海為下游地區。同時,為直觀反映長江經濟帶農業生產效率的時間變化趨勢,根據測算結果繪制圖 1、圖 2。

圖1 2008—2021年碳排放約束下長江經濟帶農業生產效率

圖2 2008—2021年碳排放約束下長江經濟帶區域農業生產效率

從整體上來看,在碳排放約束條件下,2008—2021年長江經濟帶農業生產效率呈上升趨勢,部分年份有微小波動,但起伏平緩。2009年農業生產效率最低,為0.305;2021年農業生產效率最高,為0.968。2015年后長江經濟帶農業生產效率穩步提升,2019—2021年增長態勢顯著,其中,2021年農業生產效率值提升了0.275,趨近于有效率水平,表明2015年后長江經濟帶農業碳排放約束逐漸減小,農業降碳減排取得一定的成效。2008—2021年,長江經濟帶農業生產效率均值為0.467,其中,2008—2017年10個年份的農業生產效率低于均值,2018—2021年4個年份的農業生產效率高于均值。從區域層面來看,2008—2021年長江經濟帶下游地區的農業生產效率最高、上游次之、中游地區最低,分別為0.782、0.399、0.298,表明長江經濟帶農業碳排放約束下游低于上游低于中游,中游地區的碳排放約束壓力大。2008—2021年,下游地區的農業生產效率一直高于長江經濟帶均值,中游地區農業生產效率一直低于均值,2018年以前上游地區農業生產效率低于均值,2018年以后逐步趨近于均值并反超,表明上游地區農業生產的碳排放約束逐漸減小,農業的低碳發展取得長足進步。上、中、下游地區的農業生產效率均在2021年達到峰值,此時碳排放約束最小,在雷達圖中形成明顯的凸點。2008—2021年下游地區的農業生產效率在波動中上升,2009年農業生產效率最低為0.655,碳排放約束壓力最大,2014年出現一個小波峰,2021年農業生產效率最高,達到1.063 4,碳排放約束接近于0。2008—2018年,上游、中游地區的農業生產效率呈現緩慢上升趨勢,表明農業發展漸趨低碳化;2019—2021年農業效率顯著提升,增長趨勢強勢,并在2019年形成一個小拐點,表明農業低碳化取得新突破,碳排放約束進一步減少。

2.1.2 基于GML指數模型的農業生產效率動態變化分析 運用Dearun V3.0軟件,基于超效率SBM模型Malmqusit指數-全局參比對2008—2021年長江經濟帶碳排放約束下的農業生產效率進行動態指數計算,結果如表 4 所示。

從整體層面來看,長江經濟帶2008—2021年農業生產效率平均提高了12.1%,極大地降低了碳排放約束,技術效率變化和技術進步變化分別提高了1.0%和11.6%,說明長江經濟帶碳排放約束減小,農業生產效率提升由技術效率提升和技術進步雙輪驅動,其中技術進步在長江經濟帶農業生產效率迅速增長中發揮了主力作用。2008—2009年長江經濟帶農業生產效率下降了0.89%,也是樣本期內唯一下降的時段;2009—2011年、2017—2021年農業生產效率保持10%以上的增長,2019—2020年、2020—2021年甚至達到20%以上的高速增長,其中2021—2021年農業生產效率提升了44.2%;2010—2017年農業生產效率保持著6%左右的平緩增長。2008—2012年、2014—2015年、2016—2017年、2020—2021年,技術效率對減少長江經濟帶農業碳排放約束、提升農業生產效率的貢獻呈負增長。2008—2021年技術進步效率變動與農業生產效率變動趨勢和幅度基本一致,呈現較為明顯的增長態勢,再次印證了技術進步在長江經濟帶農業生產效率提升中的重要作用。

按照前述上中下游地區劃分,對各省、直轄市及各地區農業生產效率GML指數及分解結果進行整理,結果見表5。

表5 2008—2021年碳排放約束下長江經濟帶各省、市農業生產效率變動及分解

從區域層面來看,2008—2021年,長江經濟帶各地區農業生產效率均有不同程度提升,上游、中游地區農業生產效率增長幅度較大,農業碳排放約束的變化彈性也較大,平均增長率分別為15.7%、13.5%,下游地區農業生產效率平均增長5.5%。農業生產效率增長幅度與地區經濟發達程度有一定相關性,相對而言,經濟欠發達地區的農業生產效率增長更強勁。上游地區技術效率提升了2.1%,技術進步提升了14.1%,說明上游地區農業生產碳排放約束減小、效率顯著提升的背后不僅有技術的巨大進步,也有生產管理效率、農業集約化程度的提高;中、下游地區的技術效率基本保持不變,主要依靠技術進步的提升,其中中游地區技術進步提高了14.4%,是長江經濟帶技術進步增長最快的地區,下游地區技術進步提升了4.5%。

2.2 碳排放約束下長江經濟帶農業生產效率空間演變分析

2.2.1 農業生產效率空間格局演變特征 為揭示碳排放約束下長江經濟帶農業生產效率的空間分布特征,參考前人研究成果并結合本研究研究實際,將長江經濟帶農業生產率劃分為5個等級:效率優秀(C≥1)、效率良好(0.6≤C<1)、效率中等(0.4≤C<0.6)效率較低(0.2≤C<0.4)效率低下(C<0.2)。本研究選取2008、2013、2018、2021年4個代表年份,借助ArcGIS10.8軟件繪制長江經濟帶農業生產效率圖(圖 3)。從圖3可以看出,2008年上海、浙江的農業生產效率處于優秀水平,碳排放約束可忽略不計。重慶市碳約束下的農業生產率處于較低水平,其他各省市則處于低下水平,農業生產受碳排放約束大。低效率省、市占比多,制約了長江經濟帶農業生產效率的提升,導致長江經濟帶整體受碳排放約束影響大。相比2008年,2013年浙江效率水平有所下降,表現為良好水平,四川、云南、貴州、湖南、湖北、江西、江蘇7省的農業生產效率提升到效率較低水平,雖然長江經濟帶農業生產效率整體仍處于低等級的狀態,但已經有了明顯的改善。2018年,上海、浙江、安徽的效率水平分別保持2013年的優秀、良好、低下不變,江蘇、重慶、貴州的農業生產效率狀態有所提高,進入到效率中等水平,四川提升到效率良好水平,有6個省、直轄市的效率水平達到中等及以上,長江經濟帶半數的農業生產效率達到中等及以上水平。2021年,除安徽外,長江經濟帶其他10省、直轄市均達到效率優秀水平。分析2008—2013—2018—2021年空間演變圖,可以直觀看出各省、直轄市效率水平的提升具有同步相關性,空間上隨著時間推進,長江經濟帶整體色度逐漸加深、效率優秀水平的省、直轄市逐漸增加,說明在碳排放約束下長江經濟帶整體農業生產效率不斷提高,逐步實現著農業的綠色低碳發展。

圖3 碳排放約束下長江經濟帶農業生產效率空間分布格局(2008,2013,2018,2021)

2.2.2 基于莫蘭指數的空間相關性分析 運用ArcGIS10.8軟件計算長江經濟帶2008—2021年農業生產效率的全局莫蘭指數,結果見表 6。由表6可知,2008、2010—2015年,長江經濟帶生產效率的莫蘭指數均為正值,且通過了10%的顯著性檢驗,綜合分析得出,以上年份長江經濟帶農業生產效率相似水平的省、直轄市在空間上具有集聚分布特征,各省、直轄市受周邊省市影響較大;2009、2016—2021年,長江經濟帶農業生產效率的空間集聚特征不顯著,呈現隨機分布的態勢,各省、直轄市與周邊省市間基本無相互影響關系?？傮w來看,長江經濟帶地理鄰近區域的碳排放約束下農業生產效率空間相關性具有時段差異。2015年前,長江經濟帶農業生產效率呈現較為明顯的空間正相關,且相關性逐漸增強,2015年長江經濟帶地區間的正相關性最強;2015年之后,長江經濟帶農業生產效率基本不具空間相關性。

表6 2008—2021年碳排放約束下長江經濟帶農業生產效率的莫蘭指數分布Table 6 Moran’s I distribution of agricultural production efficiency in the Yangtze River Economic Belt from 2008 to 2021 under carbon emission constraints

為進一步分析長江經濟帶局部地區在鄰近空間上的聚集程度,選取4個代表年份對長江經濟帶碳排放約束下的農業生產效率進行局部空間自相關分析,見圖4。綜合2008—2021年集聚圖看,長江經濟帶農業生產效率絕大多數省、直轄市屬于無顯著集聚特征的地域單元,說明長江經濟帶大部分省、直轄市間的農業經濟集聚水平較低。具體來看,從2008到2013年,上海穩定保持在H-H型區域內,說明上海的低碳農業有較高的發展水平,走在長江經濟帶前列,在區域內具有一定的輻射效應。2018到2021年,由于科技進步和生產要素配置水平的提高,農業生產效率提升,碳排放約束減小,湖北從L-L型區域變化為H-L型。

圖4 碳排放約束下長江經濟帶農業生產效率集聚圖(2008,2013,2018,2021)

2.3 影響因素分析

基于長江經濟帶農業生產實際,結合相關研究,并考慮數據可得性,本研究選取農村經濟發展水平、耕地規模、產業結構、城鎮化水平、農村用電量5個變量作為解釋變量。具體計算方法見表7。

表7 碳排放約束下農業生產效率影響因素的變量說明Table 7 Variable description of influencing factors of agricultural production efficiency under the constraint of carbon emission

考慮輸出的系數結果,對以上5個解釋變量進行對數化處理。Hausman檢驗表明對碳排放約束下農業生產效率的回歸分析應選擇固定效應的面板數據Tobit模型。運用Stata軟件進行計算,回歸結果見表8。由此可知,在碳排放約束下,耕地規模、產業結構、城鎮化水平、農村用電量均對長江經濟帶農業生產效率產生了顯著影響,農村經濟發展水平未通過顯著性檢驗。

表8 碳排放約束下農業生產效率影響因素實證分析

具體而言,在碳排放約束下,耕地規模與農業生產效率有著顯著的負相關,即在其他條件不變的情況下,耕地規模越大農業生產效率越低。耕地規模越大,農作物播種面積增加,農業生產過程中的農用物資投入、灌溉等所引發的碳排放就越多,進而客觀上降低農業生產效率。產業結構與農業生產效率也呈現顯著的負相關,即在其他條件不變的情況下,種植業比重越高,碳排放越高,越不利于農業生產效率的提升。城鎮化水平對農業生產效率有著顯著的正向影響,倘若其他條件不變,提升城鎮化水平能夠減少碳排放約束,促進農業生產效率的提升?？梢越忉尀?城鎮化的推進,農業用地受到一定沖擊、種植業生產受到影響,大量農村勞動力轉移,客觀上會減少農業的碳排放量。測算結果表明,研究期內城鎮化水平是影響碳排放約束下長江經濟帶農業生產效率的主要因素,農業生產效率每提升1個單位,有62.4%是由城鎮化水平促進的。農村用電量與碳約束下的農業生產效率存在顯著的正相關關系,即如果其他條件保持不變,農村用電量越大農業生產效率越高。電能耗費要低于能源使用產生的碳排放強度,在單位產出一定情況下,以電能代替化石能源消耗,將減少碳排放量,促進農業生產效率的提升,減少碳約束,促進農業降碳減排。

3 結論與建議

3.1 結論

本研究借鑒前人研究成果,構建碳排放約束下的農業生產效率投入產出指標體系,測度長江經濟帶碳排放約束下的農業生產效率,并對其時空演變特征和影響因素進行探究,研究表明:

1)2008—2021年,碳排放約束下長江經濟帶11省、直轄市農業生產效率整體上呈現上升趨勢,波動平緩,均值為0.467,區域上呈現“中游地區<上游地區<下游地區”的局面,表明中游地區的幾個傳統農業大省的農業生產方式有待改進,農業生產效率受碳排放約束影響大,需要更加關注農業碳排放,加快推動農業綠色低碳化發展。2021年多數省市在規模報酬可變的前提下,農業生產均達到超效率狀態?？v觀2008—2021年的農業生產效率值,長江經濟帶內部各省市間的農業生產效率存在較大差異,除上海和浙江外,其他省市農業生產效率受碳排放約束大,存在較大提升空間。長江經濟帶農業碳減排工作仍需要持續關注,推進農業綠色高質量發展之路任重而道遠。

2)2008—2021年,長江經濟帶農業生產效率整體上提高了12.1%,平均增長幅度大,上游地區的平均增長率高于中下游地區,農業生產效率提升速度最快。碳排放約束下長江經濟帶農業生產效率提高是技術效率提升和技術進步雙重作用的結果,其中技術進步是主要驅動因素。隨著農業科技的迅速發展,農業研發能力的增強、一些新的農業科研成果的加快轉化,應用于農業生產中,極大地促進了農業的現代化、降低了農業CO2的排放,是減少農業碳排放約束,促進長江經濟帶農業生產效率提升的主要原因?？傮w上,技術效率平均提高了1%,但部分年份、部分省市的技術效率均出現負增長,呈現下降趨勢。

3)2008—2021年,依據劃分的效率值優秀等級,長江經濟帶沿線省市基本逐步達到優秀等級。研究期間,長江經濟帶地理鄰近區域農業碳約束下生產效率在2015年以前總體上呈現由弱到強的正向空間相關;2015年后,長江經濟帶沿線省市的空間相關性不強,呈現隨機分布的態勢。研究期內,長江經濟帶局部空間相關性也不顯著,上海、湖北的集聚性相對較強。

4)2008—2021年,長江經濟帶農業碳排放約束的生產效率主要受耕地規模、產業結構、城鎮化水平、農村用電量的影響。其中耕地規模、產業結構與農業生產效率呈現顯著負相關關系,城鎮化水平、農村用電量與農業生產效率呈現正向相關。城鎮化水平對碳排放約束下的農業生產效率影響尤為顯著,是研究期內的主要影響因素。

本研究中,碳排放約束條件下長江經濟帶11省、直轄市2021年的農業生產效率值實現突破,有很多省市達優秀狀態,但這一特征是否有偶然因素在內,能否在今后年份繼續保持效率優秀水平,受制于現有數據的限制,有待進一步的考究和探討。此外,長江經濟帶11個樣本單元在做空間相關分析時,可能因樣本數量的限制會在一定程度上影響空間分析的結果。

3.2 建議

根據以上研究結論,為進一步促進長江經濟帶農業低碳發展,助力“碳達峰碳中和”,提出以下建議:

1)加強區域有效合作,制定區域整體農業降碳減排發展規劃。長江經濟帶因各省市區域經濟發展水平不同、承擔的社會功能不同,不同地區承擔的農業生產責任也有所不同,因此應客觀看待碳排放約束下不同省市農業生產效率差異化特征,從優化農業空間一體化布局、共謀長江經濟帶發展全局出發,各省市根據自身資源稟賦和發展定位,學習借鑒先進地區經驗,制定既符合自身又契合區域整體的農業低碳發展道路。

2)依托雙輪驅動減少碳約排放約束的同時,重視提升技術效率來改善農業生產效率。碳排放約束下長江經濟帶農業生產效率提高是技術效率提升和技術進步雙重作用的結果,其中技術進步是主要驅動因素。下一步,長江經濟帶要繼續發揮創新驅動作用,將低碳發展技術落實到農業現代化建設,更加關注技術效率的提升,改進農業生產管理方式,優化要素配置水平,提高農業從業人員的技能水平等,促進農業資源的集約化利用和農業的綠色低碳發展,從而改善碳排放約束下的農業生產效率。

3)發揮空間相關性,協同推進農業碳減排。部分空間相關性較強的省市,要充分發揮自身的集聚和輻射效應,加強省際交流合作,聯合探索農業多元低碳發展格局,以點帶面降低長江經濟帶區域農業碳排放約束,改善農業生產率,推進農業綠色低碳轉型。

4)充分重視影響碳排放約束下農業生產效率的關鍵因素。耕地規模、產業結構、城鎮化水平和農村用電量是碳排放約束下影響農業生產效率的顯著因素,需要跟進相關制度支持和政策保障。