農業綠色技術進步對碳排放影響研究

發布時間：2022-10-03 10:46

摘要 I

ABSTRACT IV

第一章導論 1

1.1研究背景 1

1.2研究目的與意義 3

1.2.1研究目的 3

1.2.2研究意義 4

1.3國內外研究動態 5

1.3.1 農業綠色技術進步的相關研究 5

1.3.2 農業碳排放的研究 11

1.3.3農業綠色技術進步對碳排放的影響研究 15

1.3.4 國內外研究述評 18

1.4研究思路、技術路線和研究內容 19

1.4.1 研究思路 19

1.4.2 技術路線 20

1.4.3 研究內容 22

1.5研究方法和數據來源 23

1.5.1 研究方法 23

1.5.2 數據來源 24

1.6可能的創新之處 24

第二章相關概念和理論分析 26

2.1 相關概念界定 26

2.1.1農業綠色技術 26

2.1.2 農業綠色技術進步 27

2.1.3農業碳排放 28

2.2理論基礎 28

2.2.1 農業綠色技術進步理論 28

2.2.2低碳農業理論 33

2.3農業綠色技術進步對碳排放影響的理論分析 35

2.3.1農業綠色技術進步對碳排放影響的理論分析 35

2.3.2農業綠色技術進步對碳排放影響的數理推導 36

2.4綠色技術進步對碳排放影響內在邏輯分析框架圖 39

2.5本章小結 40

第三章農業綠色技術進步的測度及時空演進 41

3.1 問題的提出 41

3.2模型構建、變量選擇與數據說明 41

3.2.1 模型構建 41

3.2.2 變量選擇與數據說明 43

3.3農業綠色技術進步的測算與時空演進 45

3.3.1 農業綠色技術進步的時間動態演進 45

3.3.2 農業綠色技術進步的空間演進特征 50

3.4農業綠色技術進步的空間溢出效應 53

3.4.1 模型檢驗 53

3.4.2 空間溢出效應結果分析 54

3.5本章小結 58

第四章農業碳排放的測度及時空演進 60

4.0 問題的提出 60

4.1模型構建、變量選擇與數據說明 60

4.1.1 模型構建 60

4.1.2變量選擇與數據說明 62

4.2農業碳排放的測算與時空動態演進 63

4.2.1 農業碳排放總量的時空動態演進 63

4.2.2 農業碳排放強度的時空動態演進 66

4.3農業碳排放強度的收斂性分析 72

4.3.1 絕對收斂性分析 72

4.3.2 條件收斂性分析 74

4.4本章小結 77

第五章農業綠色技術進步對碳排放的影響路徑 79

5.1問題的提出 79

5.2模型構建、變量選擇與數據說明 79

5.2.1 模型構建 79

5.2.2 變量選擇與數據說明 81

5.3農業綠色技術進步對碳排放影響的基礎回歸分析 82

5.3.1全國層面的GMM估計結果分析 82

5.3.2三大經濟分區的GMM估計結果分析 84

5.3.3兩大糧食分區的GMM估計結果分析 85

5.4農業綠色技術進步對碳排放的作用機制分析 86

5.4.1農業綠色技術進步對碳排放的傳導機制 86

5.4.2農業綠色技術進步對碳排放的直接作用及區域異質性分析. . . . . . . . . 89

5.4.3農業要素投入結構的中介作用及區域異質性分析 92

5.4.4農業要素投入效率的中介作用及區域異質性分析 93

5.4.5農業要素投入結構與效率聯動的中介作用及區域異質性分析. . . . . . . 95

5.5本章小結 100

第六章農業綠色技術進步的碳減排效應 102

6.1問題的提出 102

6.2模型構建、變量選擇與數據說明 102

6.2.1 模型構建 102

6.2.2變量選擇與數據說明 104

6.3模型檢驗結果 105

6. 4農業綠色技術進步碳減排效應的時空演進 106

6.4.1農業綠色技術進步碳減排效應的時間演進 106

6.4.2農業綠色技術進步碳減排效應的空間演進 109

6.5農業綠色技術進步碳減排效應的影響因素分析 113

6.6 本章小結 118

第七章農業綠色技術進步對碳排放影響的未來情景模擬 119

7.1問題的提出 119

7.2模型構建、參數與情景設置 119

7.2.1 模型構建 119

7.2.2模型仿真環境及參數設置 121

7.2.3 情景設置 121

7.3農業碳排放強度的情景模擬結果分析 122

7.3.1全國層面的農業碳排放強度模擬分析與情景實證結果 122

7.3.2三大經濟分區層面的農業碳排放強度情景模擬結果分析 124

7.3.3兩大糧食分區層面的農業碳排放強度情景模擬結果分析 128

7.4本章小結 130

第八章結論、政策建議與未來展望 131

8.1研究結論 131

8.1.1農業綠色技術進步整體提升，且存在空間關聯性 131

8.1.2農業碳排放強度呈不斷下降趨勢，存在空間聚集但不存在收斂性.. 132 8.1.3不同類型農業綠色技術進步對碳排放的作用路徑效果不一 132

8.1.4農業綠色技術進步的碳減排效應存在時空異質性 133

8.1.5農業碳排放強度預測值均在下降，可完成碳強度減排目標 133

8.1.6各影響因素在農業綠色技術進步對碳排放強度作用中存在顯著差異 134

8.2政策建議 134

8.2.1重視農業綠色技術進步的空間關聯性，優化綠色技術成長經濟環境 134 8.2.2重視農業碳排放的區域差異，制定科學合理的區域減排政策 135

8.2.3 系統識別農業綠色技術進步的不同類型，分類型提升技術減排效果 137 8.2.4適度進行環境規制，促進農業綠色轉型 138

8.2.5以環保為切入點，建立長效的財政支農投入機制 139

8.3不足與展望 140

參考文獻 141

附錄 158

致謝 163

個人簡歷 164

III

第一章導論

1.1 研究背景

（1）全球氣候持續變暖的形勢下，中國作為碳排放大國，在達成全球減排目標中扮演著重要角色。作為碳排放巨大的載體，農業碳排放占總碳排放的 17%，進行農業碳減排顯得尤為重要。

聯合國政府間氣候變化專門委員會（IPCC）發表的全球氣候變化評估報告指出，近一百年來，因CO2逐年增加使得地球表面氣溫上升了約0.78°C,并指出未來一個世紀內地球表面平均氣溫將會增加1.0-3.5C,海平面也將因此升高50cm。NASA觀測數據也顯示得出，當前全球溫室氣體濃度較19世紀升高了 1.2C,過去170年CO2濃度上升 47%，這種極速變化使得枯竭的資源環境，退化的生物群落，下降的地下水位，日益減少的河道、湖泊等，陸地和海洋生態系統無法有效平衡，進而造成物種大滅絕、農業作物產量降低、人類健康問題等種種危害。這些研究不得不讓人思考，高碳化下極速的變化將因二氧化碳等溫室氣體產生的氣候變化嚴重影響著生態環境和人類社會的可持續發展，如何實現碳減排已成為國際社會和學界關注的主題。

農業生產是全人類基本的經濟活動之一。中國作為農業大國，農業源溫室氣體排放約占全國溫室氣體排放總量的 17%（宋博等， 2016；陳儒等， 2017）。據估計，因農業的擾動，全球每年由土壤釋放到大氣中的碳排放量約為0.8x1012 kg-4.6x1012 kg,其中,農業源排放的CO2、CH4和N2O的量分別占人為溫室氣體排放總量的21%-25%、 57%和 65%-80%（王昀， 2008）。數據顯示，中國的化肥用量遠高于世界平均水平（每畝 8 公斤），是美國的 2.6 倍，歐盟的 2.5 倍，化肥施用量已接近世界的 1/3。李波等（2011）和田云等， 2011 測算2008年中國化肥的碳排放量達到了 4 692萬噸/年，年增速為 3.45%，占農業物資投入環節碳排放總量的 60%左右，該環節碳排放產生的主要來源之一。其中，氮肥的投入分別占到排放總量的17.94％農業生產投入成為碳排放效應擴大的主要誘因（陳儒等， 2017）。從農藥用量來看， 2015年中國農藥用量已達178.3 萬噸，平均單位耕種面積農藥用量高出世界平均水平的3-5倍，且平均利用率僅為36.6%，遠低于世界平均水平。田云等（2010）計算得出 2008年中國農藥的碳排放量已經達到 824.98萬噸，占農用投資總排放的10.5%，年增長率為4.65%。田云等（2010）也測算出 2008 年中國農膜碳排放量為 1 039.63 萬噸，占農用投資總排放的 13.25%，年增長率為 7.2%（田云等， 2010）。這些都會帶來氣候與環境破壞。

在全球氣候持續變暖的形勢下，中國作為農業碳排放大國，在達成全球減排目標中扮演著重要角色。 2021 年習近平總書記在《生物多樣性公約》第十五次締約方領導

人大會提出要把“碳達峰、碳中和”納入生態文明建設的整體布局，在 2030年前實現碳達峰，2060 年碳中和的目標，以應對氣候變化帶來的影響，這表明了了中國堅定不移走綠色低碳道路的決心。農業作為碳排放最大的產生載體，農業二氧化碳減排尤為重要。尋找一條兼顧不斷增長的農業生產資料需求的農業綠色低碳轉型之路，實現碳達峰、碳中和承諾的目標是巨大挑戰。特別是，習近平總書記在 2022年十三屆全國人大五次會議內蒙古代表團的審議也說過，“雙碳”目標是從全國來看的，要按照全國布局來統籌考慮。

（2）農業技術進步為實現碳減排創造了新的契機。特別是，農業綠色技術進步對碳排放影響的研究，對農業向綠色、低碳轉型來說，是一項有意義的工作。

《增長的極限》曾說到“通過技術創新可避免生態極限危害，技術進步在經濟增長與資源環境協調發展中具有重要作用”。其他學者們研究也表明，碳排放變化的主要驅動因素都由技術進步（Mizobuchi等，2008； Ang等，2009； Okushima和Tamura, 2010；魏巍賢和楊芳， 2010；魏楚等， 2010；王鋒等， 2013；李凱杰等， 2012；楊莉莎等， 2019）。技術進步為實現碳減排創造了新的契機。然而，并不是所有的技術進步都具有積極的環境效應。特別是，《增長的極限》一書也指出，技術進步并不一定總能帶來環境質量的提高（德內拉等， 2006）。

在農業領域內，學界主要集中于農業技術進步對碳排放的影響的研究上，因研究區域、時間跨度以及衡量尺度選取不同，導致研究結果存在也顯著差異。學者們（魏瑋等， 2018）認為農業技術進步主要通過減少能源產品的使用和使用更多的低成本能源兩個渠道影響農業碳排放。其中，部分學者認為農業技術進步對碳排放強度具有抑制作用，主要通過規模效率減排（周晶等， 2018）。生豬養殖中，技術進步和養殖規模化可削減近一半的碳排放增長量（胡中應等， 2018）。而部分學者（張永強等， 2019；楊鈞， 2013）認為，農業技術進步增加了農業碳排放總量，但可以降低農業碳排放強度。即，技術進步對碳排放強度的影響結果并不一致。

導致這一分歧的關鍵原因是，并非所有的技術進步都是清潔的和環保的。然而，大多數研究并未對污染型技術和綠色技術進行細致的區分（謝榮輝， 2021）。農業技術進步和農業綠色技術進步對碳排放的影響效果可能也會不一樣。因此，僅僅寬泛地考察技術進步的碳排放效應而不區分技術進步的方向，可能無法為中國實現經濟發展與環境保護的“雙贏”提供科學、有效的引導，甚至可能會誤導政策制定者而做出錯誤的政策判斷。農業綠色技術進步作為偏向于節能的和環保的技術，其內涵是指與正在使用的綠色技術或管理方式相比，能顯著提高了農業資源效率或環境績效的一系列新產品、生產過程或工藝、管理方式、制度設計的進步與創新（楊福霞等， 2016）。重點關注農業綠色技術進步，將農業綠色技術進步與其他技術進步剝離，判定農業綠色技術進步的動態演進。在此基礎上從理論和實證兩個方面著重考察了農業綠色技術進步與碳排

放的作用機理、減排效應，探析農業綠色技術進步動態演進對碳排放的影響及效應，對農業向綠色、低碳發展來說，是一項有意義的工作。

（3）農業綠色技術進步可能會帶來一定的碳減排效應，而不同情景下農業綠色技術進步及其不同類型的碳減排的差異如何，如何選擇最優的路徑方案并提出相應的對策建議，對實現碳減排有重要意義。

農業綠色技術進步可能將產生顯著的碳減排效應，但技術進步由污染型向綠色的轉變并不會自然發生，這就需要外生的引導和激勵。研究農業綠色技術進步對碳排放的影響及其效應，并考察外生的引導和激勵的作用下的最優的碳減排路徑極具意義。特別是，農業綠色技術進步與碳排放的作用機理與能源、經濟以及環境等多種因素存在著多重關系，在充分考慮經濟社會未來需求的情況下準確模擬這種復雜關系。在此基礎上，探尋農業綠色技術進步會對中國環境帶來怎樣的影響，探究不同情景下不同時空和類型農業綠色技術進步碳減排的路徑差異，開展未來二氧化碳排放趨勢分析，才能提出科學合理的碳減排建議。這對加快中國農業發展向綠色轉型、實現農業碳減排、碳達峰具有重要意義。

基于上述研究背景，本文構建了農業綠色技術進步影響碳排放強度的理論分析框架，實證檢驗了農業綠色技術進步及其不同類型對碳排的影響機理及其影響效應，并從復雜的非線性角度，運用情景分析和BP網絡神經模型對農業綠色技術進步及其不同類型碳排放強度變化進行情景模擬與預測分析，期望對提升農業綠色技術進步，加快中國農業發展方式綠色轉型、實現農業碳減排具有重要的理論價值和現實意義。

1.2 研究目的與意義

1.2.1研究目的

堅持綠色創新發展，推動濟轉型是實現中國生態文明建設和碳減排目標的主要思路。為了盡早實現碳達峰目標，我們需要在農業綠色技術進步的動力機制下，最大程度挖掘農業碳減排潛力。農業綠色技術進步會給碳排放強度帶來什么改變，如何更好地發揮農業綠色技術進步的作用去推動碳減排，都是亟需回答的重要現實與學術問題。因此，本文的研究目的是，在時空和類型異質性視角下，以農業綠色技術進步對碳排放影響的理論分析與影響機理為基礎，檢驗農業綠色技術進步對碳排放強度的影響機理，測度各地區農業綠色技術進步的碳減排效應差異，模擬農業綠色技術進步不同情景下碳排放差距，從而為農業碳減排提供理論指導與政策依據。在總體目標的基礎上，本文設定了以下具體目標：

（1）構建種植業層面的碳產品測度的分析框架，明確了農業碳計量需考慮的因素，測度了農業碳排放，并探究其時空分異、收斂性及其影響因素；

（ 2）從農業綠色技術進步和農業綠色技術概念入手探討，并準確把握農業綠色技

術進步及其不同類型的時空格局和影響因素。探索和驗證 2000-2019 年以來中國農業綠色技術進步及其不同類型的時間變化趨勢，掌握中國地區間農業綠色技術進步及其不同類型的水平發生空間變化動態。把握農業綠色技術進步及其不同類型的時空格局和影響因素，以便各地區政策設計者能夠采取因地制宜的農業綠色技術進步及其不同類型策略。

（ 3）構建農業綠色技術進步與碳排放強度的理論框架，實證檢驗農業綠色技術進步及其不同類型對碳排放的影響及其機理。從替代效應和規模報酬效應視角，對農業綠色技術進步對碳排放強度的影響進行數理演繹和傳導機制的理論分析。在此基礎上，從類型和時空異質性角度下，對農業綠色技術進對碳排放強度的作用路徑進行實證檢驗，分析不同路徑存在的差異？提出促進不同路徑農業綠色技術進步實現低碳排放的策略。

（ 4）構建農業綠色技術進步及其不同類型對碳排放強度的效應模型，探析農業綠色技術進步及其不同類型的碳減排效應的演化趨勢及空間形成機理。

（ 5）運用情景分析和預測模型模擬分析農業綠色技術進步對碳排放強度的影響。基于此，設計切實可行的農業碳管理政策及保障性措施。

1.2.2研究意義

在農業碳減排的路徑研究中，綠色技術進步起到關鍵作用，其對環境氣候治理以和經濟增長等有積極作用。農業綠色技術進步與碳排放存在何種關系、農業綠色技術進步會形成何種差異性的碳減排效果等均缺少實證支撐。因此，從時空和類型異質性的角度出發，研究農業綠色技術進步減少碳排放的影響機理、效應具有一定的理論和現實意義。

1.2.2.1 理論意義

（ 1）本研究基于農業綠色技術進步研究成果，將農業綠色技術進步和綠色技術進行概念界定，并探討兩者關系，而概念界定也充實了現有農業綠色技術進步理論。

（ 2）其次，揭示農業綠色技術進步與碳排放之間的理論關系，并在此基礎上闡明農業綠色技術進步與碳排放的內在邏輯關系，為農業綠色技術進步碳減排提供理論與方法支持，也有利于豐富現有的環境治理理論。

1.2.2.2 現實意義

（ 1）目前中國生態發展面臨的重要課題，關系到每個人生活質量，也離不開技術進步的推動。論證農業綠色技術進步和碳排放的時空變化，可以探討農業綠色技術進步下碳排放將發生怎樣的變化，并為不同時空特征下農業綠色技術進步提供出更加穩妥、完善的政策措施。

（ 2）與此同時，情景模擬分析不同情景下農業綠色技術進步的碳減排差距，并為

評估不同環境政策的效果提供了一個可行的分析框架，也為中國未來一段時期內節能減排政策的合理制定提供理論指引和決策依據。

1.3 國內外研究動態

1.3.1農業綠色技術進步的相關研究

1.3.1.1綠色技術進步的相關研究

技術進步可以分為生產技術進步和綠色技術進步，前者可以提高生產效率，提高產出質量，但不能節能環保（Cao B等，2017）。即，綠色技術進步作為一種特定方向上的技術進步。從作用效果看，包括所有有利于資源節約和環境保護的技術或管理方式的創新或改進（楊福霞， 2016）。同時，據不完全統計，與綠色技術進步相關的包括綠色技術進步、綠色技術、綠色技術創新和環境技術創新。本節對這些進行詳細闡述。

1.綠色技術進步

現有大量研究都論述了綠色技術進步，綠色技術進步是偏向于節能減排和清潔生產的技術進步（鄢哲明等， 2016）。何小鋼（2015）等認為，偏向能源節約和清潔生產的技術創新則為綠色偏向型技術創新。楊福霞（2016）將綠色技術進步定義為：與正在使用的技術或管理方式相比，在其整個生命周期內，顯著提高了某組織單位（開發或使用它）資源效率或（和）環境績效的一系列新產品、生產過程或工藝、管理方式、制度設計的創新或推廣使用。姚小劍等（2018）認為綠色技術進步生產過程中往往會通過 “治污技術進步效應”和“創新補償效應”兩種途徑控制污染排放，并且能直接帶來資源和能源節約，避免、減輕或消除環境污染，提高生產效率。劉英基等（2019）認為綠色技術進步主要通過推進技術向生產前沿面靠近、提升技術應用效率和促進產業結構優化等途徑驅動制造業國際競爭力提升。徐紅等（2020）認為技術創新對環境質量的影響更多取決于農業綠色技術進步方向，只有當綠色技術占比逐漸提升方能最終轉變技術進步方向，實現環境質量改善，但現有研發投入卻忽略了綠色技術進步的影響。李風琦（2021）等認為綠色技術進步是治理污染難題的重要手段和環境政策的一個重要部分，并認為其能源提高使用效率且解決環境污染問題。弓媛媛等（2021）認為綠色技術進步是通過開發或者改良技術、工藝、系統和產品等以實現環境污染降低和環境績效改進，體現了傳統技術進步的綠色化程度。孔繁彬等（2021）認為環境規制具有綠色技術進步導向功能，并通過污染預防技術和污染處理技術的協同進步減少污染產生量、增加污染處理量。 Song ML 等（2022）認為企業的綠色技術進步影響生產成本，進而影響全要素生產率，并且企業的綠色技術進步影響產出效率，進而影響企業的生產力。

2.綠色技術

綠色技術是隨著環境污染問題產生而興起的概念，其是旨在節約資源、減少環境污染的一系列生產技術、工藝、管理手段等的總稱。Kemp和Soete （1992）較早地提

出了技術綠色化的問題，洞察了技術-經濟-生態聯系，討論了技術變革的外部性問題和制度適應的必要性，并討論了經濟增長與技術變革特定軌跡之間的關系，認為達到環境到達一定承載極限能力后的綠色技術比如取代某些技術。后來， Braun 等(1994)在此基礎上最早提出了綠色技術的概念，認為該技術是能夠減少環境污染、節約能源和自然資源的一系列生產設備、設計等。此外，他們還發現除了對技術的規制外，其他各種規制政策，如市場調節等都影響著綠色技術的發展。楊發明( 1998)將其定義為節能和減排技術，并從環境問題的復雜性出發，認為綠色技術涉及到技術的開發和選擇環境的改進。萬倫來等( 2004)認為“綠色”技術應該有三層包括即節約、重新利用以及循環功能。OECD (2009)將綠色技術定義為能夠減少對環境的影響的任何一項技術、工藝或產業組織形式，并且認為漸進式改進是不夠的，現有的和突破性的技術必須更加創新地應用，以實現綠色增長。 Krass 等(2013)分析了碳稅對創新和綠色減排技術的影響，企業對增稅的反應可能是非單調的。最初的增稅可能會促使轉向更環保的技術，但進一步的增稅可能會促使反向轉換。Allan等(2014)認為綠色技術必須要減少環境的負外部性，市場的工具的靈活性可以對綠色技術傳播產生有益影響。 Hojnik 和 Ruzzier(2015)認為綠色技術包含降低對環境的負向影響和提高對資源的利用效率兩個重要特征，并且提出企業生態創新的驅動因素和未來研究方向。國家知識產權局也指出，綠色技術是減少污染排放量、降低資源消耗和改善生態環境的技術體系(姚小劍等， 2018)。張永林(2021)認為綠色技術是指能減少環境污染、降低資源消耗和改善生態的技術體系。謝榮輝(2021)將綠色技術定義為所有能夠直接或間接地有益于資源節約和環境保護的生產技術。

3.環境技術創新

國內外學者較多的討論了環境技術創新。其中， Shrivastava( 1995)認為環境技術創新作為一種競爭力和競爭優勢的工具的概念，其是使人類活動能最大限度地減少經濟生產和生態影響的生產設備、方式、設計以及運輸器械工具等°Kemp和Arundel(1998) 認為有助于改善環境治理、資源節約的技術或者產品就是環境技術創新。呂永龍等

(2000)認為環境技術的創新是一個分步驟逐步實現的過程，是能節約或保護能源的設備、方法、設計等等。沈斌等(2004)把環境技術創新看作基于可持續發展的技術創新的演進，任何一個實現節約資源、改善環境質量等的環節都是環境技術創新的范疇。陳宇科等(2020)認為綠色技術創新主要在于提高資源的利用率，同時減少環境污染與廢物的排放，降低單位產出的資源和能源消耗。沈小波等(2010)認為環境技術創新是污染治理技術和預防技術上的創新，具有不確定性和雙重外部性。孫冰等(2021)基于有助于資源能源節約、污染排放減少和生態環境保護的專利申請數，研究了環境規制工具與環境友好型農業綠色技術進步創新。李楠博等(2021)從政策環境、經濟環境、社會環境和創新環境 4個維度構建綠色技術創新成熟度評價指標體系。

4.綠色技術創新

部分學者也提出一個與環境技術創新類似的概念，即綠色技術創新。呂燕等(1994) 最早引入綠色技術創新概念，并認為綠色技術創新包括綠色工藝、產和能源的開發三個方面。此后，楊發明(1998)也認為綠色技術創新包含末端治理技術創新、綠色工藝創新和綠色產品創新。許慶瑞(1999)從產品生命周期的視角定義綠色技術創新，即短期使得外部成本最小化的技術，長期使得總成本最低的技術。鐘暉等(2000)將綠色技術創新分為綠色產品創新和綠色工藝創新。袁凌等( 2000)綠色技術創新包括清潔生產技術創新和開發技術創新兩個層次。劉慧( 2004)認為綠色技術創新以可持續發展為指導，將綠色創新思想融入工藝和產品創新的生產過程。Chen等(2006)認為綠色技術創新包括綠色產品和工藝的技術革新和環境管理相關創新等。張俊(2014)等區分了綠色技術創新和綠色偏向型技術創新的概念，認為綠色偏向型技術創新是囊括綠色技術創新的全部要義，且在創新方向的有偏性、創新速度的內生性、綠色產品邊際產出的擴張性、微觀主體創新的強動力性等方面進行了拓展。楊發庭(2014)認為綠色技術創新是指無污染、低能耗、可循環、清潔化，促進人與自然核心的綠色技術快速發展，而開展的各種更有價值的創造性活動。李旭等(2015)將綠色技術創新分為資源節約型和環境友好型綠色技術進步創新等。張永林(2021)認為綠色技術創新是把以實現環境保護為目標的管理層面和技術層面的創新。卞晨等(2021)認為綠色技術創新以實現降低消耗、減少污染、改善生態的可持續發展為目標。許林等(2021)認為綠色技術創新是指符合可持續發展的一種技術創新。武云亮等(2021)通過綠色產品創新與綠色工藝創新兩個變量來反映綠色技術創新，再基于改進后的熵值法合成綠色技術創新綜合指數。

整體來看這些術語，無論是哪個組織出于什么目的提出的，基本上都是以改善環境績效為目的或能帶來顯著環境績效改善效果的創新活動。(楊福霞， 2016)。在具體論述時都包含相關技術的推廣使用，從作用過程上來，內涵均與綠色技術進步的內容一致。

1.3.1.2農業綠色技術進步及其相關術語的研究

綠色化的實踐過程就是，農業綠色技術進步相關概念不斷涌現的過程。在農業綠色技術進步的研究上，相關學者將資源節約、環境保護和農業增長納入統一分析框架，從社會成本的視角測算綠色全要素生產率，進而探析農業綠色技術進步。有學者基于環境因素的農業技術進步率指數和技術效率變化指數研究發現，在環境約束下，我國各地區農業技術進步是遞增的，而東、西、中部依次遞減(楊俊等， 2011；梁俊等， 2015；崔曉等， 2014)，東北地區表現為技術衰退(王德鑫等， 2016)，非環境技術進步由東向西降低(楊俊等， 2011)。李谷成等(2010)研究了環境約束下的農業綠色生產率，發現 1978—1984 年、 1985—1991 年、 1992—1996 年、 1997—2001 年和 2002—2008 年的前沿技術進步分別為綠色生產率貢獻了 10.23%、 2.9%、 5.03%、 8.29%、 5.01%。以上

研究大多基于全要素生產率或技術效率分析農業綠色技術進步、環境約束下農業技術進步的空間關系，但缺少深層次分析中國農業綠色技術進步的時空動態演變趨勢。黃曉鳳等(2019)實證檢驗了中國2001—2015農業綠色偏向型技術創新的出口貿易效應。閆桂權等(2019)以考慮非合意產出的農業廣義水資源綠色全要素生產率推導出水污染治理技術進步水平。紀建悅等(2019)得出中國海水養殖業的農業綠色技術進步水平總體呈現上升趨勢。Ren W等(2021)研究發現綠色技術進步的要素偏向是：勞動力養殖面積〉資金,并且綠色技術進步對養殖生產力的促進作用逐漸減弱。He PP等(2021) 研究發現農業綠色生產技術在中國提高低碳效率中的作用：必要但無效。此外，也有學者探討了農業綠色技術進步的影響因素，紀建悅等(2019)研究發現，技術推廣(基礎設施、學歷、資金投入)、養殖規模和外貿依存度是海水養殖業農業綠色技術進步重要影響因素。 Ren W 等(2021)也發現中國海水養殖綠色技術進步偏差與要素稟賦不匹配的原因是要素價格扭曲和技術推廣不足。李靜等(2020)研究發現，城市化水平和化肥施用量的增加則會阻礙農業技術進步的綠色產出偏向程度提升，而農村居民收入、農業人力資本、城鄉收入、農業政策支持力度等均有助于其發展。

其次，學界還從不同的研究視角對農業綠色技術創新、農業環境技術創新、農業環境創新、農業綠色創新、農業可持續創新和農業生態創新等相關研究。 Fischer 和 Heutel (2013)等研究了不同類型的政策在綠色技術創新影響一個國家的農業結構演變中如何發揮作用。 Razmi (2013)等也研究了農業綠色技術創新如何影響農業碳排放和農業經濟增長等問題。陸建明(2015)則研究了農業綠色技術創新與生態環境的相關性等問題。譚政(2016)認為綠色“硬技術”對綠色發展貢獻充分，但是忽視了綠色“軟技術”的作用發揮，并對分析其影響機制。姚延婷等(2016)引入資源與環境因素，測度環境友好農業技術創新對經濟增長的貢獻度。此外，劉華楠等(2003)論述了農業綠色科技創新的內涵與特征，并分析其重要性與可行性和戰略思想與總體目標。李曉燕等(2020) 基于綠色創新價值鏈視角研究了綠色創新價值鏈對農業生態產品市場競爭力的影響。易加斌等(2021)基于創新生態系統理論，研究了農業數字化轉型：驅動因素、戰略框架與實施路徑。耿佩等( 2020)通過借鑒創新生態系統理論，從技術需求方、技術供給方以及制度環境 3個方面分析了鄉村生態創新技術地方植入的一般性障礙與路徑。 1.3.1.3 農業綠色技術進步的分類

目前綠色技術進步研究主要集中在工業領域。學者們在綠色技術進步進行相關概念界定時，還對其所涉及的技術進行分類。如Arundel和Kemp等(2011)將環境技術創新分為六類：清潔產品、清潔生產過程、污染控制技術、循環利用、廢物處理技術以及凈化技術。杜江等(2021)將綠色技術進步分為，漸進性和突破性綠色技術進步。 Demirel 和 Kesidou( 2011)將環境技術創新分為管道污染控制技術、集成清潔生產技術和環境研發三種。Gans(2011)考察了三類更廣意義的環境技術創新分類：污染物削

減技術類、化石資源節約技術類和化石資源替代技術類。何小鋼（2015）等認為，偏向能源節約和清潔生產的技術創新則為綠色偏向型技術創新。 Zhou X 等（2020）確定三種偏向能源和環境的技術進步，即節能技術進步、減少污染技術進步和支持技術進步

（新能源技術進步）。Song ML等（2013 ）基于Malmquist-Luenberger對大型熱電企業農業綠色技術進步進行了研究，得出電系統農業綠色技術進步的衡量比較復雜，既包含節能減排的技術進步，又需要綜合評價，并第一次通過松弛的SBM將節能技術和減排技術進行測算。同時，在2017年進行了改進，建立了一個超高效的先進SBM模型來測試EBP的有效性（Song ML等，2017）。Song ML和 Wang SH等（2019）根據 Acemoglu （2012）等人的說法定義也將農業綠色技術進步分為節能和減排兩類，并研究了參與全球價值鏈與綠色技術進的關系。Yang GL等（2020）將環境有關的技術進步

（EBTP）拆分為減排和節能型技術進步，并通過2000-2017年APEC經濟體空間面板數據集研究了化石能源（FE）和清潔能源（CE）消耗量在二氧化碳（CO2中的作用）通過與環境有關的技術進步（EBTP）進行減排。楊發明（1998）也將綠色技術定義為節能和減排技術。周晶淼等（2018）認為綠色技術創新包括治理生產和消費過程環境污染的技術創新，還有環境污染的事前預防技術創新。最后，還包括提高要素利用效率等的生產技術創新。隨著人們對環境問題的關注日益增加，最近的理論經濟學研究正在考慮反映生活質量的環境因素。然而，盡管生產中的技術進步需要增加產量，但因環境而異的技術進步仍需要減少能耗和不良產量（Wang SH和Song ML, 2014年）。因此，以環境為導向的技術進步不僅旨在節省能源，而且旨在減少排放。

在農業上，綠色農業技術種類繁多，按生產過程可分為產前、產中和產后綠色農業技術。按事物形態可分為物化型綠色農業技術和軟技術。農業部印發的“《農業綠色發展技術導則（2018-2030 年）》的通知”將其分為高效優質多抗新品種技術、環保高效肥料、農業藥物與生物制劑技術、節能低耗智能化農業裝備技術等20大類，過于繁多。杜艷艷等（2012）將農業綠色技術分為、無公害技術、應對氣候變化的技術、農藥化肥替代化技術、節能環保農業技術和資源循環利用的技術。而李旭等（2015）則將綠色技術創新分為資源節約型農業綠色技術進步創新、環境友好型農業綠色技術進步創新等。此外，綠色技術具有“現代”“節量”和“少污染”等特征（吳雪蓮等， 2017），包括資源節約技術和環境友好型農業綠色技術進步等。

1.3.1.4 農業綠色技術進步的測度

由于技術進步是一種無形的變量，難以直接進行測度。因此，關于農業綠色技術進步的測度研究一直是該領域內的重點難題。特別是，技術進步可能發生在任何兩個輸入因素之間的任一方向。其中，環境偏向型技術進步與生產偏向型技術進步不同，后者要求產出增加，而前者要求能源消耗和不良產出隨著技術進步而減少（Song ML， 2014）。因此，面向環境的技術進步包括與節能減排相關的技術進步。目前，農

業綠色技術進步的測度方法特別多。

第一種是基于科學出版物數據或專利數據的指標替代法。 Doranova 等(2010)利用科學出版物數據來研究環境技術，并得出使用本地技術以及本地和外國技術的組合，而不是外國技術。李多(2016)基于世界知識產權組織“國際專利分類綠色清單”，并在國家知識產權局網站統計 1985-2014 年中國清潔技術發明專利數量作為環境技術進步的替代指標。王道平等(2018)利用環境技術專利數量來代表低碳技術創新水平。 Wang B等(2018)申請了能源技術專利來衡量技術進步并驗證其對中國碳排放的積極影響。彭永濤等(2018)用 EPO 和 USPTO 在 2013 年聯合發布的 CPC-Y02 分類體系來代表低碳技術專利，并分析了低碳技術創新的差異化特性。Wang S等(2019)還應用了專利數據來衡量技術進步并分析其對中國經濟不同部門碳排放的異質影響。但是， Liu Y 等(2020)認為當地區專利用于評估綠色技術創新能力時，會產生偏差，因為專利數量可能反映了綠色技術創新的直接影響。技術進步不僅包括技術變化，例如原始創新，發明，專利等，而且還包括效率變化(Cheng Z等，2017)。此外，也有研究者說，綠色專利只是綠色技術進步非側面反映，并非實際綠色技術進步

第二種是用全要素生產率反映。馮陽等(2016)將碳排放作為生產要素去測度低碳技術進步，并證實其對碳減排的積極影響。孫欣等(2016)采用碳排放為非期望產出的全要素生產率去反映低碳技術進步，發現低碳技術進步能夠降低碳排放強度。潘婷 (2019)以碳排放作為非期望產出測算的全要素生產率衡量指代低碳技術進步。李谷成等(2011)、沈能等(2013)、鄭義等(2014)的研究，將資源節約、環境保護和農業增長納入統一分析框架，測算綠色全要素生產率去分析了綠色技術進步。 Feng G 和 Serletis A(2014)將環境污染排放作為非期望產出納入生產率的核算框架當中，測算得到綠色全要素生產率以衡量農業綠色技術進步。徐紅等(2020)選取綠色全要素生產率指代農業綠色技術進步，并用農業綠色全要素生產率與農業全要素生產率的比值計量綠色技術進步的方向。但是關于“考慮能源投入和污染排放因素的全要素生產率”的研究結果并沒有反映偏向技術進步的真正內涵(Song ML等，2016)。閆桂權等(2019) 將資源節約、環境保護和農業增長納入統一分析框架，從社會成本的視角測算綠色全要素生產率，進而探析農業綠色技術進步。閆桂權等(2020)借助綠色全要素生產率，進一步分解出綠色投入偏向型技術進步指數。然而，綠色全要素生產率這種測度方法意味著假定不存在技術無效，是缺乏準確度的(丁姍姍， 2017)。

其次,最普遍的一種測度法是將全要素生產率進行拆分(Malmquist-Luenberger(ML) 測算綠色技術進步。一種普遍用于衡量農業綠色技術進步的采用非參數的 DEA- Malmquist指數方法(Song ML等，2018)進行測度，不需要設定函數模型也不需要考慮數據的量綱。景維民和張璐(2014)最早在國內使用全局Malmquist-Luenberger生產率指數測算農業綠色技術進步指數。紀建悅等(2019)運用 EBM-GML 測算了我國海

水養殖業綠色技術進步。孫欣等（2016）利用EBM-GML模型對低碳技術進步進行定量測算，采用數據包絡分析方法測度有低碳約束的全要素生產率，以此來反映低碳技術進步，發現低碳技術進步能夠降低碳排放強度。許冬蘭等（2018）采用動態 EBM-ML 指數測度中國工業行業的低碳全要素生產率，并將其分解為純技術進步和規模效率變動。王兵等（2015）在常規DEA模型，測算出不同碳排放控制下的低碳技術進步指數，發現低碳技術進步越強。它不需要預設的生產函數，揭示環境系統中隱藏或被忽視的關系（Liu J等，2010）,定量分析無效決策單元的低效率（Lv W等，2013）

此外，lovell （2003）利用 Malmquist 指數分解出 MATECH、OBTECH 和 IBTECH 指數。然而，這種方法只是根據生產前沿的旋轉和徑向偏轉來定性地評估有偏差的技術變化的方向。此外，它僅限于測量兩種類型的輸入因素，而GTP的特點是輸入和輸出不同。整體來說，現有文獻還缺乏成熟、全面的衡量方法。最后， Werf（2008）、Song ML等（2018）、Yang GL等（2020）的方法放寬了 AGTP的約束，基于松弛的測量方法來模擬生產前沿的偏轉過程，度量節能和減排綠色技術進步，并最終衡量了農業綠色技術進步（AGTP）。

1.3.2 農業碳排放的研究

1.3.2.1 農業生產活動中碳排放效應

農業生產具有碳排放和碳匯的雙重效應，其中“碳”指的是溫室氣體（甲烷、二氧化碳等）折算的標準碳，并不單指代二氧化碳。IPCC國家溫室氣體清單指南第四卷界定了農業碳效應主要源于農地、林地、草地上的生產活動，以及土壤呼吸、牲畜的腸道發酵和糞便管理，其中所涉及的主要農業生產活動包括翻耕、灌溉、施肥、施藥、農膜使用、農用機械使用、秸稈處理、牲畜的腸道發酵與糞便排放等（陳儒等， 2017；Paustian K 等， 2006）。基于此，本文將具有針對性的對這幾項農業活動展開碳效應分析。

1.種植業生產活動中碳效應分析

（1）耕作環節的碳效應

田云等（2011）通過構建相應測算指標計算出 2008年我國農地利用產生的碳排總量達到 7 843.08 萬噸，因翻耕而產生的碳排放量逐年上升，且已經達到了 48.85 萬噸/ 年，年增速率為0.38%。其中，耕作方式、種植模式和能源消耗等都表現出碳排放效應。首先，就耕作方式而言，耕作活動通過影響土壤層結構從而產生碳排放效應，翻耕會破壞土壤結構，影響土壤水穩性團粒結構的形成與穩定性，從而使得土壤極易受到侵蝕（王勇等，2012）,導致土壤碳暴露（Song MW等，2008）,加快了土壤有機碳的分解，相關研究表明每翻耕1 km?土地會產生312.6 kg的碳排放量（田云等，2011）,相對于免耕方式約增加27%?29%的甲烷排放（曹湊貴等，2011）。其次，在種植模式上，輪

作和連作生產方式均有利于增加土壤固碳效果，但連作比輪作模式的土壤固碳效果要弱（李小涵等， 2010）。最后，耕作過程中農用機械使用的化石能源會產生大量的碳排放（Paustian K 等, 2006），其中每消耗1 kg柴油產生的碳排量為0.592 7 kg碳（Solomon S 等， 2007），翻耕次數越多，碳排放效應越強。

（2）灌溉環節的碳效應灌溉環節主要表現出碳排放效應，中國由灌溉引起的碳排放量在 2008 年已經達到

119.75 萬噸/年，年增速率為 1.22%（田云等， 2011）。灌溉主要通過改變土壤結構進而影響土壤溫室氣體產生和排放，特別是充分灌溉會增加土壤二氧化碳和一氧化二氮碳排放（宋利娜等， 2013），其中灌溉方式、灌溉頻率、灌溉量、灌溉時間、灌溉能源消耗等都均會影響碳排放效應。首先，就灌溉方式而言，由于土壤的硝化與反硝化作用，使得漫灌比其他灌溉方式更易增加化肥消耗，進而產生更多的一氧化二氮排放（Sun W T等，2008）。其次，就灌溉頻率而言，相關學者在苗木土壤呼吸實驗中得出，一定的灌溉量范圍內，土壤呼吸與灌溉頻率呈正相關，灌溉頻率越高，土壤的呼吸作用越強，碳排放量越多（Ouma G等，2007； Morugan-Coronado A等，2011）。最后，灌溉量和灌溉時間對碳排放效應也有一定影響，長期淹灌稻田甲烷和一氧化二氮排放量相對于間歇灌溉方式分別會增加 68%和 59%（曹湊貴等， 2011）。此外，在能源消耗方面，灌溉耗電產生的碳排放量占農業生產資料碳排放總量 59%以上，其中漫灌耗電碳排放密度為1 350 kg?hm-2，比滴灌方式高200 kg?hm-2 （牛海生等，2014），尤其灌溉頻率越高，耗能越多，碳排放量就越大。

（3）施肥環節的碳效應施肥是影響土壤團聚體中有機碳組分的重要因素（花可可等， 2014），有機碳是衡

量土壤碳固定（含量）的重要指標，施肥通過影響土壤有機質含量從而產生碳排放效應，據測算 2008 年我國化肥的碳排放量達到了 4 692 萬噸/年，年增速率為 3.45%（田云等， 2011），占農業物資投入環節碳排放總量的 60%左右，該環節碳排放產生的主要來源之一（李波等， 2011）。施肥方式、施肥種類、施肥量以及施肥耗能等都是直接或間接性產生碳排放的主要因素，就施肥方式而言，淺施肥比深施肥的碳排放量高（Schutz H 等， 1989）；就施肥種類而言，不同肥料碳排放系數也不一樣，每千克氮肥、磷肥、鉀肥的施用分別會排放3.932 kg、0.636 kg、0.180 kg的標準碳，施用糞肥每公頃排放 1913.1kg二氧化碳（鄧明君等，2016；陳舜等2015；周貝貝等，2016）；就施肥量而言，

過量施肥會減弱作物和土壤的固碳效果，合理配比施肥其碳匯效果最優（田慎重等， 2010）；在能源消耗方面，施肥機械耗能和人工投入等也會產生碳排放效應，其中人工投入每日排放0.25kg碳（陳琳等，2011）,而施肥耗能系數與耕作、灌溉近似。

（4）施藥環節的碳效應

據國家統計局數據顯示， 2011 年的中國農藥生產量已經達到了 265 萬噸（王茂華等， 2012），施藥量、施藥方式、能源消耗等都是影響碳排放效應的重要因素，美國橡樹嶺國家實驗室測算出每千克化學農藥會排放4.934 1 kg的標準碳，田云等（2011）、李波等（2011）據此計算得出 2008年我國農藥的碳排放量已經達到824.98萬噸，占農用投資總排放的10.5%，年增長率為4.65%。總的來說施藥環節主要表現出碳排放效應，且采用生物防控技術可以減少農藥施用量，從而減少碳排放量（米松華， 2012）。

（5）農膜使用環節碳效應農膜使用后會分解產生一定的溫室氣體排放，但是若與其他技術結合使用將呈現

固碳效果，產生碳源、碳匯雙重效應。 Ireea 等測算出每使用 1 kg 農膜會排放 5.180 kg 的標準碳，田云等（2011）據此測算出 2008年我國農膜碳排放量為1 039.63萬噸，占農用投資總排放的 13.25%，年增長率為 7.2%（田云等， 2011）。然而，若將農膜與免耕技術結合，即“一膜兩年用”，將比翻耕覆新膜的傳統處理方式每公頃減少6 321 kg 的碳排量（殷文等， 2012）。此外，學者在膜下滴灌實驗中發現，因地膜阻擋了土壤與大氣的通氣性，使得土壤二氧化碳濃度上升10.4%?94.5%，甲烷濃度降低5.1%?47.4%

（陶麗佳等， 2012）。

（6）秸稈處理環節的碳效應秸稈的碳排放效應主要來源于秸稈燃燒、秸稈還田等方面，李飛躍等計算得出若

將中國全部糧食作物秸稈露天焚燒約產生4 770萬噸碳排放量（李飛躍等， 2013），并伴隨大量的其它污染物質釋放量。在秸稈還田上，逯非等研究得出秸稈還田會增加土壤甲烷源效應，其源效應是一氧化二氮直接排放的 3.5 倍（逯非等， 2010），秸稈覆蓋土壤后還會分解釋放出一部分二氧化碳（Bavin T K等，2009）,覆蓋量越多二氧化碳排放量越大（Lenka N K等，2013）,但相比秸稈不還田而言，還田的凈碳匯效果要更好

（李新華等， 2015）。所以，無論秸稈是否還田都會產生碳排放效應，因此必須要重視秸稈處理方式的選擇。

2 養殖業生產活動中碳效應分析

( 1 )畜禽腸道發酵的碳效應

畜禽養殖碳排放效應主要源于動物的腸道發酵，產生碳排放的原理是由于反芻動物瘤胃內會產生甲烷菌并合成甲烷排出體外(孫凱佳等， 2015)，2008 年美國農業碳排放中腸道發酵產生的排放量占其總排放量的三分之一(Johnson M F 等, 2007)，趙一廣等也發現反芻動物腸道發酵產生的甲烷占排放總量的 30%左右，且甲烷的溫室效應是二氧化碳的 25 倍(趙一廣等 2011)，所以畜禽養殖中抑制腸道發酵是減少碳排放的關鍵途徑。

(2)畜禽糞便處理的碳效應

畜禽糞便處理也是碳排放效應主要影響源，王方浩等( 2006)測算出 2003 年我國畜禽共產生 31.90 億噸糞便，劉月仙等(2013)測算出北京市牲畜糞便排放甲烷和一氧化二氮的平均值分別為 20 萬噸、 30 萬噸二氧化碳當量，王川等(2013)則測出 2008 年中國畜禽糞便一氧化二氮的總排放量已經達到了 57.2 萬噸。因此，畜禽糞便產生的碳排放效應已對全球溫室氣體變化產生了重要影響。

1.3.2.2 農業碳排放的時空特征

前文詳細展示了農業碳排放的來源于特征，但具體到特定視角或特定區域，田云等(2014)發現省域農業碳排放具有空間非均衡性，高值區主要分布農業大省，低值區主要分布在大都市和西部欠發達省區。何艷秋等(2016)從時空緯度分析了不同主導因素的農業碳排放的階段性特征和區域差異巨大。李波等(2011)研究發現1993 年以來我國農業碳排放分為“快速增長-緩慢增長-增速反彈回升-增速明顯放緩”四個階段，并通過 Kaya 恒等式變形分解發現效率因素、結構因素、勞動力規模因素具有抑制作用。后來又發現農業碳排放的增長速率不斷下降、但增速放緩，且東、中、西部間差距均呈下降趨勢(李波， 2011)。劉華軍等(2013)研究也得出中國農業碳排放總量上升、差距不斷縮小，區域間的分化是差距的原因。李秋萍等(2015)研究發現中國農業碳排放具有空間依賴性和空間異質性。鄧明君等(2016)發現不同省份不同作物的碳排放量差距極大，一些上升一些下降。張振龍等(2017)發現省際間農田土壤和農用物資的碳排放量差距拉大，牲畜養殖的碳排放的差距則不斷縮小。黃銳等(2021)研究發現山東省農業碳排放量分為“持續下降型”、“先上升后下降型”、“波動下降型”三類，呈現明顯的空間非均衡性，表現為先下降后反彈的特征。戴小文等(2020)發現2007—2016 年種植業碳排放總量呈“快速上升-緩慢上升-略微下降”3 個階段。尚杰等(2021)研究發現農業碳排放效率呈現空間關聯網絡特征，各省間存在較大差距。鄭陽陽等(2021) 研究發現農業生產效率對碳排放效應存在空間溢出與門檻特征。

在未來研究趨勢下，夏四友等(2020)研究發現， 1997-2016 年農業碳排放強度逐

步下降，空間集聚程度逐步縮小，各地區農業碳排放強度具有明顯的分形特征，未來的農業碳排放強度將呈現出繼續下降的演化態勢。劉楊等(2022)發現2000-2020年農業碳排放總量呈先上升后波動下降趨勢，而農業碳排放強度呈逐年降低趨勢，并預測山東的農業碳排放總量在2030年前已達到峰值。此外，在碳減排效應的研究上，已有的研究大多數采用普通面板回歸、庫茲涅茲曲線等方法評估技術進步的二氧化碳排放，所得到結果是一種較為模糊的總體評價。而利用指標分解技術(包括 IPAT、 STIRPAT、 Kaya 及 LMDI 等進行二氧化碳排放影響因素分解，利用數學優化方法構建系統模型

(MARKAL—MACRO 模型、GTAP、CGE、蒙特卡洛、LEAP、IESOCEM、IPAC)進行實證，這些研究或能刻畫出某個行業技術進步碳減排的演變軌跡，或能估算整個生態系統的碳減排效應，但無法有效評估各省農業綠色技術進步的碳減排效應，更無法有效針對省際差異給出相應的意見，存在一定的缺陷。

1.3.3農業綠色技術進步對碳排放的影響研究

1.3.3.1 農業綠色技術進步對碳排放研究

關于綠色技術進步對碳排放的研究主要集中在工業領域。綠色技術進步對工業綠色生產率增長和低碳經濟發展有正向影響，且顯著大于綠色技術效率的作用(吳英姿等，2013)，且基于綠色增長的技術進步的碳減排績效大于節能降耗績效(錢娟等，2017)。其既可以降低二氧化碳減排的經濟成本，也可以產生“學習效應” Gerlagh R等,2002 )。邵帥等(2022)全面考察了反映經濟結構調整和綠色技術進步的多維因素對碳排放績效的直接效應和間接效應。劉自敏等(2022)判斷了產出有偏的綠色技術進步偏向，并進一步檢驗了碳交易試點政策對于城市產出有偏技術進步及綠色技術進步偏向是否具有促進作用。鄢哲明等(2016)在Aacemoglu (2012)等學者偏向性技術進步成果下，探討了綠色技術進步對工業產業結構低碳化的影響及其機理。

農業技術進步對碳排放的影響是學界研究的熱點。然而，因研究區域、時間跨度以及衡量尺度選取不同導致研究結果存在顯著差異，技術進步對碳排放的影響存在雙面性。一方面，部分學者認為技術進步對農業碳排放強度具有抑制作用。魏瑋等(2020) 學者們認為農業技術進步主要通過減少能源產品的使用和使用更多的低成本能源兩個渠道降低農業碳排放。周晶等(2018)通過對生豬養殖研究發現，技術進步和養殖規模化可削減近一半的碳排放增長量。胡中應(2018)認為，農業技術進步對碳排放強度具有抑制作用，并且技術效率通過規模效率減排。另一方面，張永強等(2019)研究發現農業技術進步增加農業碳排放總量，但降低農業碳排放強度。楊鈞等(2013)認為農業技術進步提升農業生產效率，但出現回彈效應出現生產資料投入的提升，可能出現更多碳排放。謝亞燕等(2021)利用面板門檻回歸模型檢驗新疆農業技術進步對碳排放的非線性關系。以城市化水平為閾值時，兩者具有雙重閾值效應，并且兩者呈倒"U"關系。以經濟發展水平為閾值變量時，技術進步對農業碳排放具有不明晰抑制效果。馮奇緣

等（2021）實證檢驗了農業經濟增長、技術進步與農業碳排放總量之間的關系。李成龍等（ 2020）檢驗了不同影響路徑下農業技術進步對碳排放強度，發現農業技術進步并不總是有利于農業碳減排。盡管研究領域不同，但是以上研究仍為農業綠色技術進步的深入探討提供了重要的分析思路。此外，這些研究多以大尺度區域為研究對象，難以衡量綠色技術進步碳減排效應的空間特征與均衡性。因此，進一步探討農業綠色技術進步碳減排效應的時空異質性十分必要。

此外，國內外學者對不同類型技術進步的碳減排效應研究逐步深入。從技術外生到技術內生，從廣義技術進步到具體類型的技術進步，這表明學者們也逐漸意識到不同類型的技術進步對碳減排的影響是存在差異的，不同類型的技術進步對碳排放的作用效果不一。王班班等（2014， 2015， 2017）研究發現技術進步偏向方向不同對能耗強度影響具有差異性。張文彬等（2015）實證發現廣義技術進步和能源利用技術進步增加碳排放，而環境和資本體現式技術降低碳排放，區域存在顯著異質性。何小鋼等（2012）實證驗證了偏向型技術進步在中國工業節能減排方面的積極作用，但也證明存在區域分異的特征，不同地區技術進步對二氧化碳排放的影響存在較大差異。

最后，關于技術進步碳減排效應的影響因素研究，多數學者認為支農財政、農村人力資本、農業產業結構、能源稟賦和農業經濟水平等是影響技術碳排放的主要因素。其中，支農財政與技術進步偏向的交互項對農田利用碳排放強度的影響存在區域差異（吳偉偉等， 2019）。農業人力資本的提升也有助于農業技術進步對碳排放積極作用（楊鈞等， 2013），地方西部地區的農村人力資本和農業產業結構抑制農業技術進步碳增排作用（張永強等， 2019）。人力資本和農業經濟發展水平的增加，讓農業技術進步與碳排放效率之間分別為“倒U”和“正U”型關系（雷振丹等，2020）。此外，農戶會根據自身的技術水平、成本收益以及市場的發展狀況來決定是否改進技術（王浩等， 2012）。以上研究都表現出農戶或農業企業積極地適應外部政策或環境，并逐漸在農業生產中采用生產技術，從而降低了碳排放。

1.3.3.2 農業綠色技術對碳排放影響研究

農業綠色技術對碳排放影響是學界研究的熱點。目前關于綠色技術對碳排放的研究主要集中在自然科學領域。農業生產過程中的碳效應主要來源于耕作、灌溉、施肥、施藥、農膜使用、農業機械使用、秸稈處理、畜禽養殖、畜禽糞便處理和林草地保護十個農業生產環節。其中，在耕作環節上，淺旋耕在0-15 cm 土層中的總有機碳含量和總氮含量比常規耕作方法分別高 14.2%、 14.1%（Chen H， 2009），所以淺耕有助于實現固碳減排效果。間套作上，玉米與黑麥草間套作種植模式除草劑的損失比傳統耕作方式低 49%（Gaynor J D， 2010），間接性的減少了農藥施用產生的碳排放，實現碳減排效果。在灌溉環節上，灌溉主要通過改變土壤結構進而影響土壤溫室氣體產生和排放，特別是充分灌溉會增加土壤二氧化碳和一氧化二氮碳排放（宋利娜， 2013），其中灌溉方

式、灌溉頻率、灌溉量、灌溉時間、灌溉能源消耗等都均會影響碳排放效應。首先，就灌溉方式而言，由于土壤的硝化與反硝化作用，使得漫灌比其他灌溉方式更易增加化肥消耗，進而產生更多的一氧化二氮排放（Sun W T, 2008）。其次，就灌溉頻率而言，相關學者在苗木土壤呼吸實驗中得出，一定的灌溉量范圍內，土壤呼吸與灌溉頻率呈正相關，灌溉頻率越高，土壤的呼吸作用越強，碳排放量越多（Morug^n-Coronado A, 2011）。在施肥環節，施肥是影響土壤團聚體中有機碳組分的重要因素，有機碳是衡量土壤碳固定（含量）的重要指標，施肥通過影響土壤有機質含量從而產生碳排放效應（花可可等， 2014）。據測算 2008年中國化肥的碳排放量達到了4 692萬噸/年，年增速率為 3.45%（田云等， 2011），占農業物資投入環節碳排放總量的 60%左右，該環節碳排放產生的主要來源之一（李波等， 2011）。施肥方式、施肥種類、施肥量以及施肥耗能等都是直接或間接性產生碳排放的主要因素，就施肥方式而言，淺施肥比深施肥的碳排放量高（SchUtz H, 1989）；就施肥種類而言，不同肥料碳排放系數也不一樣，每千克氮肥、磷肥、鉀肥的施用分別會排放3.932 kg、0.636 kg、0.180 kg的標準碳，施用糞肥每公頃排放1913.1 kg二氧化碳（鄧明君等，2016；陳舜等，2015,；周貝貝等, 2016）；就施肥量而言，過量施肥會減弱作物和土壤的固碳效果，合理配比施肥其碳匯效果最優（田慎重等， 2010）；在能源消耗方面，施肥機械耗能和人工投入等也會產生碳排放效應，其中人工投入每日排放0.25 kg碳（陳琳等，2011）,而施肥耗能系數與耕作、灌溉近似。測土配方施肥技術對于減少中國農業生產區化肥施用量及溫室氣體減排具有重要作用（高春雨和高懋芳， 2016）。米松華（2013）通過案例研究，重點對不同技術組合碳減排效果進行比較分析，得出不同組合技術的減排量。Lal （2004）總結美國二十世紀八九十年代以來關于農業活動溫室氣體排放量的研究，發現化肥和農藥等高能耗的化工產品是農業生產活動中最重要的間接溫室氣體源。在施藥環節，據國家統計局數據顯示，2011 年的中國農藥生產量已經達到了265萬噸（王芝華等，2012），施藥量、施藥方式、能源消耗等都是影響碳排放效應的重要因素，美國橡樹嶺國家實驗室測算出每千克化學農藥會排放4.934 1 kg的標準碳，田云等（2010）、李波等（2011）據此計算得出 2008 年中國農藥的碳排放量已經達到 824.98 萬噸，占農用投資總排放的 10.5%，年增長率為 4.65%。總的來說施藥環節主要表現出碳排放效應，且采用生物防控技術可以減少農藥施用量，從而減少碳排放量。在農膜使用環節，農膜使用后會分解產生一定的溫室氣體排放，但是若與其他技術結合使用將呈現固碳效果，產生碳源、碳匯雙重效應dreea等測算出每使用1 kg農膜會排放5.180 kg的標準碳，田云等（2013）據此測算出 2008年中國農膜碳排放量為1 039.63萬噸，占農用投資總排放的13.25%，年增長率為 7.2%（田云等， 2010）然而，若將農膜與免耕技術結合，即“一膜兩年用”，將比翻耕覆新膜的傳統處理方式每公頃減少6 321 kg的碳排量（殷文等，2016）。此外，學者在膜下滴灌實驗中發現，因地膜阻擋了土壤與大氣的通氣性，使得土壤二氧化碳

濃度上升 10.4%-94.5%，甲烷濃度降低5.1%-47.4%（陶麗佳等， 2012）。在秸稈處理環節，秸稈的碳排放效應主要來源于秸稈燃燒、秸稈還田等方面，李飛躍等（2013）計算得出若將中國全部糧食作物秸稈露天焚燒約產生 4770萬噸碳排放量，并伴隨大量的其它污染物質釋放量。在秸稈還田上，逯非等（2010）研究得出秸稈還田會增加土壤甲烷源效應，其源效應是一氧化二氮直接排放的 3.5 倍，秸稈覆蓋土壤后還會分解釋放出一部分二氧化碳（Bavin T K, 2009）,覆蓋量越多二氧化碳排放量越大（Lenka N K , 2013），但相比秸稈不還田而言，還田的凈碳匯效果要更好（李新華等， 2015）。所以，無論秸稈是否還田都會產生碳排放效應，因此必須要重視秸稈處理方式的選擇。Cole

（1997）等人基于減排潛力與技術的關系，粗略估計了全球農業溫室氣體排放的減排潛力，并從農民的角度研究了采用減排技術的意愿。郭等（2018）的研究，闡明農業溫室氣體排放的主要來源是化肥（77-95%），通過采用先進的耕作技術，溫室氣體排放可減少約 13-35%。

1.3.4 國內外研究述評本研究分別將農業綠色技術進步、農業碳排放和農業綠色技術進步對碳排放的影響等進行梳理和總結。整體來看，主要包括以下幾方面：一是相關學者關于農業技術進步對碳排放的研究，為本文進行農業綠色技術進步與碳排放關系的深入探討提供了重要的分析思路。二是農業綠色技術進步對碳排放的作用機制較為復雜，不同類型農業綠色技術進步的影響機制和效應不同，學界鮮有其影響碳排放作用路徑的研究。在全面梳理已有文獻的基礎上，對農業綠色技術進步對碳排放進行深入探討不僅能夠明確農業綠色技術進步與碳排放的概念內涵，也能完善農業綠色技術進步對碳排放作用機制，同時亦是對現存文獻資料的有益補充。此外，農業綠色技術進步對碳排放的相關研究在分析角度和解決方法上仍具有一定的研究空間，具體來看：

第一，在農業綠色技術進步內涵和分類方面，目前農業綠色技術進步理論尚不成熟，現有文獻主要是通過將資源與環境因素納入農業綠色技術進步研究的分析框架中，但農業綠色技術進步對碳排放的內涵豐富且涉及因素較多，對于農業綠色技術進步的分類研究仍需加強。

第二，在農業綠色技術進步與碳排放的作用機制和效應上。（1）基于技術進步廣義概念，對綠色技術進步領域的研究起步較晚，多集中于定性研究。或者，多依據技術進步或者偏向性技術進步分析當前碳排放問題，忽略了農業綠色技術進步來分析碳排放問題。不僅缺乏農業綠色技術進步的碳減排效應的理論支撐，也缺乏農業綠色技術進步對節能減排的貢獻的實證支撐。特別是，由于農業綠色技術進步及其類型的衡量并不存在統一的指標，指代變量選擇的差異性和考察期間的不同，不同類型農業綠色技術進步對碳排放是否存在影響以及影響效應如何，仍然存在一定的分歧。（2）其次，

單一視角已不能反映農業綠色技術進步對碳排放影響的全貌，而鮮有異質性農業綠色技術進步對碳排放的影響研究。“一刀切”的碳減排技術政策容易降低農業綠色技術進步的碳減排效應，甚至會增加農業碳排放。同時，現有關于農業綠色技術進步對碳排放兩者關系的研究大多以全局模型為主，缺少時空層面的研究，忽視了空間位置重要性和非平穩性。(4)現有文獻都證明了綠色農業生產技術可以產生相應的碳減排效應，但這些文獻大多都是試驗田數據，在一個整體的環境中其所帶來的碳減排效應尚未可知。

第三，在碳減排效應的研究方法上，現有研究多用普通面板回歸、庫茲涅茲曲線等較為模糊的總體評價方法評估，而利用指標分解技術(包括IPAT、STIRPAT、Kaya及 LMDI 等進行二氧化碳排放影響因素分解，利用數學優化方法構建系統模型 (MARKAL—MACRO 模型、GTAP、CGE、蒙特卡洛、LEAP、IESOCEM、IPAC)進行實證，這些研究或能刻畫出某個行業技術進步碳減排的演變軌跡，或能估算整個生態系統的碳減排效應，但無法有效評估各省農業綠色技術進步的碳減排效應，更無法有效針對省際差異給出相應的意見，存在一定的缺陷。

第四，不同學者從不同角度切入分析了農業綠色技術進步對碳排放的影響，而對不同情景下農業綠色技術進步對碳排放的差距分析相對較少，有待進一步補充研究。

因此，本文將以農業綠色技術進步對碳排放的影響機理及效應為研究對象進行進一步分析，在理論方面，深入分析農業綠色技術進步對碳排放的影響機制，并測度農業綠色技術進步影響農業碳排放強度的效應，在此基礎上，基于不同情景模擬農業綠色技術進步對農業碳排放強度的影響。在實證方面：(1)拓展農業綠色技術進步內涵，并在作用目標的基礎上對其進行分類，在資源環境約束的基礎上對農業綠色技術進步進行測度和分析，并選擇指標對其不同類型進行分析；(2)從異質性出發，探討農業綠色技術進步對碳排放的影響機理時，從時空和類型角度分析農業綠色技術進步對碳排放的影響效應；(3)在情景視角下分析農業綠色技術進步對碳排放強度的影響，并運用 BP 網絡神經模型等方法進行預測，以此豐富農業綠色技術進步對碳排放的研究。

1.4 研究思路、技術路線和研究內容

1.4.1研究思路

本文遵循“影響機理—影響效應—情景模擬”的研究思路，基于農業綠色技術進步和低碳農業發展等理論，從全球氣候變暖的農業碳排放問題和農業綠色技術進步是碳排放變動的關鍵性因素的現實背景出發，提出本文擬解決的現實問題——農業綠色技術進步是否可以減少碳排放？通過何種途徑對碳排放產生影響？農業綠色技術進步的其減排效果如何？目前，單一視角已不能反映農業綠色技術進步碳減排的全貌。因此，有必要從時間和空間的維度深入探討和分析不同類型農業綠色技術進步碳減排的路徑

差異和效應，及不同情景下農業綠色技術進步碳減排的差異，并據此提出科學合理的碳減排建議。

因此，本文通過界定農業碳排放和農業綠色技術進步的內涵，并利用經濟學的相關理論，從替代效應和規模報酬效應闡述農業綠色技術進步對碳排放的影響，構建了農業綠色技術進步對碳排放強度的影響理論分析框架。在此基礎上，深入探討了時間和空間維度下農業綠色技術進步及其不同類型對碳排放強度的影響機理、碳減排效應。最后，對農業綠色技術進步不同情景下的碳排放強度預測值進行比較、路徑選擇和對策分析。期望為農業綠色技術進步以及農業可持續發展提供需要進一步完善和研究的方向。

1.4.2技術路線

技術路線圖如圖 1-1 所示。

圖 1-1 技術路線圖

Fig. 1-1 Technology road map

1.4.3研究內容

農業綠色技術進步對碳排放的影響機理及效應是本文研究的主要內容。首先，本文在農業綠色技術進步和農業碳排放分別進行測度與分析的基礎上，論證了農業綠色技術進步及其不同類型對碳排放強度的影響，并深入研究了農業綠色技術進步及其不同類型對碳排放強度的影響作用路徑差異。然后，測度了各影響因素下農業綠色技術進步及其不同類型的碳減排效應。最后，基于不同情景，模擬分析農業綠色技術進步及其不同類型的碳排放強度差距，并提出了相應對策。具體內容如下：

(1)基于農業綠色技術進步對碳排放強度的理論分析框架首先，本文對農業綠色技術進步、農業碳排放的相關研究進行梳理和總結。其次，

從替代效應和規模報酬效應角度闡述農業綠色技術進步對碳排放強度的影響的理論分析框架。

(2)農業綠色技術進步的測度及時空演進本文從時間和空間維度對農業綠色技術進步及其不同類型的動態演變特性進行探

討，實證檢驗其存在的時空分異特征。同時，借助空間杜賓模型分析各影響因素對農業綠色技術進步及其不同類型的空間溢出效應。

(3)農業碳排放的測度及時空演進本文參考相關學者構建的農業碳計量體系，進行了農業碳排放量和碳排放強度的

測度。在此基礎上，從時空異質性角度考慮，分時間和區域從不同層面對農業碳排放總量和強度進行時空變化分析，對農業碳排放強度的變動及其收斂性進行評價。

(4)農業綠色技術進步對碳排放強度的影響機理在構建的理論分析框架的基礎上進一步實證檢驗。首先，借助于面板回歸分析模

型，檢驗農業綠色技術進步及其不同類型對碳排放強度的總體影響和區域影響。其次，利用中介回歸效應模型，對農業綠色技術進步及其不同類型對碳排放的作用路徑進行實證檢驗，研究農業綠色技術進步通過農業要素投入結構(ES)、農業要素投入效率 (EE)和農業要素投入結構(ES)與農業要素投入效率(EE)聯動三種作用路徑下對碳排放強度的影響。

(5)農業綠色技術進步的碳排放強度的碳減排效應

農業綠色技術進步的碳減排效應研究的核心問題為如何測度農業綠色技術進步的碳減排效應，即采用何種方法測算出農業綠色技術進步碳減排實際值。本章構建了考慮影響因素的農業綠色技術進步碳減排模型，并利用該模型分別測算了農業綠色技術進步及其不同類型的碳減排效應，并對其時空分異特征和影響因素進行研究。

(6)農業綠色技術進步對碳排放強度的情景模擬與預測

基于前文構建的農業綠色技術進步對碳排放及其減排的作用路徑機制和碳減排效應測算模型結果，進一步模擬預測 2020-2030 年農業綠色技術進步對中國農業碳排放

的影響。本章總計設定三大類情景，主要包括：低情景、基準情景和高情景，主要考察農業綠色技術進步水平變動，對中國發展低碳排放的影響。在此基礎上，提出農業碳減排的最優選擇路徑和對策。

1.5 研究方法和數據來源

1.5.1研究方法

本文采用文獻分析法、概念分析法、理論分析法以及實證分析法等研究方法。具體如下：（1）文獻資料法，主要是通過查閱文獻，了解國內外關于農業技術進步、農業綠色技術進步、農業綠色技術以及農業碳排放等相關研究成果，進而了解研究內容的國內外最新動態與研究進展，找到了本文的創新之處和切入點。（2）運用概念分析法，界定農業綠色技術進步的內涵和外延，并分析農業綠色技術進步與碳排放之間的關系，為本文研究的進一步開展提供了理論準備；（3）運用理論分析法，從理論層面探究農業綠色技術進步與碳排放的作用機理、解讀農業綠色技術進步與碳排放的理論框架進行以及探討碳排放關注的主要問題，并揭示其內在邏輯；（4）運用實證分析法，對中國農業綠色技術進步與碳排放二者關系進行實證研究。本文主要采用了空間計量分析等工具，將資源經濟學、空間計量經濟學、管理學、地理學等相關學科進行學科交叉，應用于本文的研究。

實證分析主要運用了 EBM-GML、探索性空間數據分析模型（ESDA）、碳計量模型、收斂模型、動態面板GMM、鏈式多重中介效應模型、空間杜賓模型（SDM）、核密度模型（KDE）、異質性隨機前沿模型、ARCGIS可視化方法、情景分析法（Scenario Analysis）以及BP神經網絡模型等方法。基于農業綠色技術進步對碳排放強度的理論分析框架，從時空和類型異質性角度，驗證農業綠色技術進步和碳排放的關系與二者作用路徑，評估農業綠色技術進步碳減排效應，并據此模擬不同情景農業綠色技術進步碳減排效應的差異，進行了農業綠色技術進步與碳排放的設計及比較，提出農業碳減排的相應對策，以期實現中國農業環境持續改善的新局面。本文在了解相關軟件功能的基礎之上，借助的技術軟件為Matlab 2016a、stata 15.0、Eviews 6.0、Geo Da 2.0和 Arcgis 10.2 等，具體的研究方法和內容概括如下：

（1）測算中國農業碳排放的水平。本文運用碳計量模型測算了中國各地區農業碳排放的水平，并運用 ARCGIS 可視化方法分析了農業碳排放的時空發展水平。最后，還采用收斂模型（o收斂、絕對0收斂檢驗、條件0收斂）方法分析了農業碳排放的收斂狀態并識別了主要影響因素，為農業綠色技術進步與碳排放的實證研究做了鋪墊。

（2）測算中國農業綠色技術進步的水平。本文采用EBM-GML模型測度農業綠色技術進步指數，采用替代指標法測度不同類型農業綠色技術進步指數，并運用 Kernel 核密度估計和探索性空間數據分析模型（ESDA）分析了農業綠色技術進步及其不同類

型的時空發展水平。最后，運用空間杜賓模型識別分析了農業綠色技術進步及其不同類型的空間溢出效應及影響因素，這也為農業綠色技術進步與碳排放的實證研究做了鋪墊。

(3)中國農業綠色技術進步與碳排放的影響機理。本文運用動態面板GMM模型探討了農業綠色技術進步及其不同類型對碳排放的影響。其次，從替代效應和規模報酬效應入手，借助于鏈式多重中介效應模型，分別檢驗了不同區域和類型的農業綠色技術進步對農業碳排放強度的作用路徑。

(4)評估中國農業綠色技術進步碳減排效應。本文利用異質性隨機前沿模型評估各影響因素控制下的農業綠色技術進步碳減排效應，并采用 ARCGIS 可視化方法分析了其時空發展水平

(5)模擬預測不同情景中國農業綠色技術進步下碳排放強度的演化趨勢。本文利用情景法設置了 2020年至 2030年農業綠色農業綠色技術進步對碳排放強度情景，并考察了農業綠色技術進步水平變動對中國碳排放強度的影響。最后，利用BP網絡神經模型對各情景變動下農業綠色技術進步對碳排放強度的影響進行仿真預測。

1.5.2數據來源

本文以狹義農業——種植業為研究對象，以中國大陸 30 個省(自治區、直轄市) (不含港澳臺和西藏)為研究區域，時間跨度為 2000-2019 年。相關數據均來源于《中國農村統計年鑒》、《中國農業機械工業年鑒》、《中國農業統計年鑒》、《中國統計年鑒》和中國國家統計局(https://data.stats.gov.cn/index.htm )。

1.6 可能的創新之處

根據研究內容與研究結論，本文主要在內容、方法和視角三大方面進行了創新：內容創新： (1)以往較少有關于農業綠色技術進步的研究。本文區分了技術進步方向，彌補了農業綠色技術進步領域的研究空白，研究了農業綠色技術進步對碳排放的影響，解決了現有研究中現有研究多以技術進步對碳排放的影響研究為主的問題。同時，本文還將農業綠色技術進步劃分為資源節約型農業綠色技術進步和環境友好型農業綠色技術進步兩種類型，探討其對碳排放的影響。(2)本文通過情景分析和BP網絡神經模型構建農業綠色技術進步影響碳排放的仿真模型，對不同情景下農業綠色技術進步對碳排放強度的影響進行仿真模擬，創新性觀察了不同情景下農業綠色技術進步的農業碳排放強度變化趨勢，為農業綠色技術進步相關決策與碳排放相關政策制定提供依據。

方法創新：(1)本文采用EBM-GML模型衡量農業綠色技術進步的指數。現有模型中，EBM模型是包含徑向和非徑向特點的混合距離函數，該方法能同時解決DEA中

規模報酬不變的假設與現實經濟現象相背離和 SBM 模型會損失效率前沿投影值的原始比例信息等問題。(2)已有關于碳減排效應的研究成果，大多數采用的是普通回歸或者DID等的方法，所得到的結果是一種較為模糊的總體評價，無法估算整個系統的減排效應，也不能有效地評估綠色技術碳減排效應的時空異質性。本文采用納入影響因素的異質性隨機前沿模型，采用一步法測度了各影響因素下農業綠色技術進步其不同類型對碳排放的減排效應。

視角創新：(1)類型異質性視角。鮮有研究鮮有對綠色技術類型進行分析，這容易導致政策的偏差。本文將農業綠色技術劃分為資源節約型農業綠色技術進步和環境友好型農業綠色技術進步兩種類型，并將不同類型農業綠色技術進步對碳排放影響的研究貫穿機理、效應和模擬預測中，豐富和深化了綠色技術進步對碳排放的影響研究的內容。(2)時空視角。以往對農業技術進步對碳排放的影響研究探討較少考慮時間和空間趨勢的影響，導致實際應用中在模型設定方面存在一定程度的偏差，繼而不利于農業碳減排，使政策制定存在滯后性。本文在測度結果的基礎上，從不同的時間和空間維度探討了農業綠色技術進步對碳排放影響的機理、效應和模擬預測中，從不同的時空視角對其進行全面評價，極大的豐富了農業綠色技術進步碳減排的的研究內容，也有利于區域政策制定。

第二章相關概念和理論分析

2.1 相關概念界定

為了更好地了解農業綠色技術進步對碳排放的影響，有必要首先對本論文涉及到的主要概念（農業綠色技術、農業綠色技術進步、農業碳排放）做一個明確的界定。

2.1.1 農業綠色技術

技術包括狹義和廣義兩種內涵。狹義的農業技術是指農業生產中的技能和技巧以及以知識為基礎的物化產品，又被稱為硬技術（傅新紅， 2004）。廣義的農業技術是指農業生產中人類認識和改造自然所積累的一切技能、經驗和知識的總和，包括先進的技能和技巧、以知識為基礎的物化產品、先進農業管理方法和理念、新型農業經營主體的培養、各種農業經營制度的創新、技術服務的完善等，又被稱為經濟管理技術或軟技術（羅慧， 2022）。

（1）農業綠色技術的內涵和定義

由于環境治理成為日益關注的重點，農業技術的內涵被進一步拓展。參考相關研究，本文將狹義的農業綠色技術定義為：一切直接或間接地有益于資源節約和環境保護的農業生產中的技能和技巧等，包括一系列減少環境污染、改善生態環境的農業技術。比如，節水灌溉，土地質量保護和改善，化肥和農藥減量增效和廢物資源化利用等農業技術。廣義的農業綠色技術的概念定義為：綠色農業技術是指一切直接或間接地有益于資源節約和環境保護的一系列技藝、先進農業管理技能、經驗和理念、創新的制度、完善的技術服務等。

（2）農業綠色技術的分類及其定義

在研究綠色技術的同時，國內外學者們還對綠色技術的分類成為研究的重點。根據綠色農業技術具有“現代”“節量”和“少污染”等特征（吳雪蓮， 2017），以及聯合國糧農組織認定的農業綠色技術具有節約資源、保護環境、技術上適、經濟與社會上可行五大主要特征。因此，從綠色技術有益于資源節約和環境保護的作用目標特征出發，并參考相關研究成果，本文將農業綠色技術歸納為資源節約型農業綠色技術和環境友好型農業綠色技術兩大類，如表 2-1 所示。當然，因資源節約與環境友好的形式、狀態和過程緊密相關，兩類技術之間并未有明確的界限。兩類綠色技術的具體定義及如下：資源節約型農業綠色技術：“資源節約”是指在社會發展過程中，可以提升資源績效，實現自然、社會、經濟和科技等物質資源的節約使用和優化配置（李旭等， 2015）。資源節約型農業綠色技術是指以提高農用資源利用效率為目標，減少農用資源消耗的新的或改進的產品、生產工藝、技術等，包括農用資源效率提高技術及可再生資源替代技術兩種。具體方式是：減少化肥、農藥等生物化學要素的生產資料投入建立資源高效

利用的耕作模式；增加生物質肥、循環電的利用比例，推進節本增效、有機肥代替化肥、節水農業和標準化生產等，探索最優的投入產出效益模式等。如，節水灌溉技術、測土配方技術等。

環境友好型農業綠色技術：“環境友好”則指在社會發展過程中，有利于環境績效提升的一切社會環境保護的產品、技術和工藝，以及生產模式、生活模式和消費模式等（李旭等， 2015）。該類技術主要以達到降低消耗、制止浪費的環境績效目的，而在農業生產中所開發或使用的新產品、生產過程和技術等。主要包括：農業治污技術和綠色生產過程或工藝。如，免耕技術、農業廢棄物循環與回收技術、重金屬污染控制與治理技術、農產品低碳減污加工貯運技術等。

表 2-1 農業綠色技術分類

Table 2-1 Classification of Agricultural Green Technology

技術分類舉例

農用資源效率提高技術節水灌溉技術

根系交替灌溉技術

資源節約型農業農膜循環利用

綠色技術秸稈資源化利用技術節能高效機械式耕作技術

測土配方施肥技術

農用資源替代技術秸稈飼料化技術

生物農藥使用技術

農業治污技術面源污染治理技術

環境友好型農業農藥包裝廢棄物回收技術

綠色技術農膜回收技術

綠色生產過程和工藝免耕技術

病蟲害物理防治技術

生物農藥使用技術

2.1.2 農業綠色技術進步

（1）農業綠色技術進步的內涵和定義

綠色化實踐不僅是一個技術進步作用逐漸凸顯的過程，也是農業綠色技術進步的相關概念不斷涌現的過程。然而，關于綠色技術進步的定義，無論由哪個機構出于何種目的而提出，其本質基本都是以改善環境績效為導向或能夠帶來顯著環境績效改善效果的創新活動（楊福霞， 2016）。參考相關研究，本文將廣義農業綠色技術進步的定義為：與正在使用的農業技術或管理方式相比，在其整個生命周期內，提高了使用主體資源效率或（和）環境績效的一系列農業新產品、農業生產過程或工藝、農業管理方式、農業制度設計的創新推廣與采用。在數學上，農業綠色技術進步的定義是使技術前沿向前移動或前沿技術普及化的一系列農業產品、農業生產技術、農業管理方式、農業制度設計的創新或采用。根據以上定義，可將農業綠色技術進步的內涵限定為以下 5 個

27 方面：（1）出現環境友好型綠色技術進步和資源節約型綠色技術為代表的新的綠色技術；（2）以綠色專利等為代表的相關成果不斷涌現；（3）出現了與之相關的新型產品和材料；（4）市場主體采用這類技術的積極性提高；（5）技術開發和應用帶來的環境效益明顯。

因此，綠色技術與綠色技術進步的關系是：綠色技術是綠色技術進步的重要載體，是綠色技術進步的特定領域，能在小范圍內更好的反映綠色技術進步。綠色技術被有效采用并發生作用才有綠色技術進步。加之，綠色技術包括將環境友好型綠色技術進步和資源節約型綠色技術兩種類型的采用。因此，綠色技術進步可以分為環境友好型綠色技術進步和資源節約型綠色技術進步。

2.1.3農業碳排放

（1）農業碳排放

農業碳排放主要包括農業碳排放總量和農業碳排放強度（CI）。其中，農業碳排放總量指主要包括農業活動引起的碳排放總量（田云等，2012）。農業碳排放強度（CI）指農業的碳排放強度，農業碳排放強度（碳強度）的定義是單位農業生產總值的二氧化碳排放量，能更好的的反映經濟與碳排放的關系。

（ 2）農業碳減排農業碳減排包括碳排放總量減排和碳排放強度減排。其中，農業碳排放總量減排定義為當期的農業碳排放總量與前一期農業碳排放總量的差值。農業碳排放強度減排定義為當期的農業碳排放強度與前一期農業碳排放強度的差值。本文的農業碳減排指農業的碳排放強度碳減排（CE）。此外，農業碳排放強度減排值（CE）是農業碳排放強度（CI）的年份差距，本文第六章采用農業碳排放強度減排值差距作為因變量，是為更好的衡量碳排放強度的下降的效率，更好的衡量農業碳減排的效應。

2.2 理論基礎

2.2.1 農業綠色技術進步理論

2.2.1.1 技術進步的理論淵源農業技術進步主要來源于技術進步，最早可以追溯到熊彼特（1942）在《資本主義、社會主義與民主》闡述的創新理論。目前，關于農業技術進步的研究已有較豐富的理論與實證研究基礎，研究內容主要包括農業技術進步概念、農業技術進步的相關理論。

1.農業技術進步的概念

技術是改造世界的手段，與生產力的提高相關（楊福霞， 2016）。因此，農業技術進步的最終目的是要解決農業發展問題°Schmookler J等（1966）和Mansfield E等（1981）認為技術進步是指在較少的投入下有更多產出，它包括研發新品種、改良舊工藝、改進

組織與管理方式、推行新政策新措施、改進農業資源配置條件等多種途徑(張晨， 2017)。技術進步一般包括狹義和廣義兩種。其中，狹義的農業技術進步一般指自然科學上的農業硬技術，主要指農業生產技藝、技能等。廣義技術進步除包括狹義的內容外，還囊括農業管理、決策與智力水平等內容。從技術的開發使用過程來看，和熊彼特的技術創新理論所涉內容吻合，但與熊彼特的創新內容著重關注創新程不同，該含義更多聚焦于此技術進步對整個經濟體福利提升與否。同時，需要特別指出，在實際中，技術創新和技術擴散的邊界很難確定，部分學者通常會用技術創新來描述技術進步的整個過程 (Stoneman， 1983；楊福霞， 2016)。

2.技術進步的相關理論

(1)外生技術進步理論

新古典經濟增長理論指出技術進步可以促進經濟增長，尤其是長期穩定的增長。 20世紀40年代，“哈羅德一多馬模型”將技術進步則當做經濟系統的外生變量oSolow (1957)驗證了技術進步在經濟增長中的重要性，初步形成了著名的新古典增長理論。此后，Solow對哈羅德一多馬模型進行了修正，并提出了索洛模型。該模型假設，技術進步為外生性的，并且外生的技術進步是影響經濟增長的重要因素。然而整體來說，新古典經濟增長理論存在很大的爭議，因為它僅僅說明了技術進步的作用，而對技術進步本身沒有深入探索，也沒有給出合理的解釋。

(2)內生性技術進步理論

內生技術進步理論認為技術進步具有內生性和變動性，是對‘索洛余值'更為細致的探索和解釋，應該是從源頭上探討影響技術進步的因素。最早將技術進步定義為內生的學者是Arrow (I960),他認為內生變量技術進步具有很強的外部性，其他經濟組織或制造商可以通過模仿或學習獲得技術進步。Romer (1986)在其《報酬遞增與長期增長》一書中提出，技術的本質是在一種經濟生產活動中把投入要素轉化為產出的‘知識'。由于知識積累是外生的、非他性的，在經濟中，如果一個企業由于知識積累而獲得技術進步，那么其他企業就會模仿或學習這種技術進步。由于技術進步具有規模報酬遞增的特征，這種特征可以使一個國家或一個經濟組織保持長期穩定均衡的增長。 Lucas (1988)在模型中加入了技術進步，建立了內生經濟增長模型。他的理論超越了過分強調物質資本對經濟增長的理論，認識到了人力資本的作用及其外生影響。因此， Lucas 把促進經濟增長的因素分為物質資本和人力資本。在具體的實證研究上， Acikgoz 和 Mert ( 2014 )關注經濟增長的源泉，并分析了韓國、新加坡的結果，證明技術進步是快速增長的根本來源。Silva等(2017)表明，技術創新對國際業務中公司的經濟表現有積極影響。Shin等(2019)申明適當的技術和基層創新對經濟的貢獻。Chege和Wang (2020)對肯尼亞204家小企業的調查表明，技術創新對環境友好型企業產生積極影響。

（3）誘致性農業技術進步理論

關于農業技術進步的誘致論，主要包括市場需求誘致性和要素稀缺誘致性技術進步理論。其中， Griliches（1957）、 Schmookler 等（1966）最早提出了市場需求誘導型技術進步理論，即以市場需求為導向，市場需要技術進步偏向哪個要素，技術進步的發展方向就是那個特定要素。Hicks （1932）提出，賓斯旺格（1974、1978）、速水佑次郎和拉坦（1985）等又提出了要素稀缺誘致性技術進步理論。主要內容是，相對要素價格的變化可以誘發要素的替代，產生要素節約，即某一要素相對于其他要素的價格上漲導致該要素相對于其他要素使用量減少的技術進步。除此以外，杜曉君（1994）和徐桂鵬（2012）還提出了“政策誘致型農業技術進步，認為農業技術進步的綜合效應取決于政府創造的政策和制度環境。同時，他還驗證得出政策誘導效應能夠縮短技術進步時間，在短時間內完成技術替代。最后，郭劍雄（2004）提出了“勞動改進型技術進步”和 “土地改進型技術進步”的概念，以有別于勞動節約型和土地節約型技術進步。

（ 4）技術進步偏向性理論

本世紀初，技術進步理論有了新的進展。新古典經濟理論往往假定技術進步是中性的。然而，在多數情況下，技術進步可能偏向于其中一種生產要素（Hicks等，1932； Kennedy， 1964； Drandakis， 1966）。Acemoglu （2002、2011）等在這些研究基礎上，將技術偏向性理論進一步擴展至環境領域，提出了環境偏向性技術進步理論（Acemoglu 等，2012； Acemoglu 等，2014； Acemoglu 等，2016）。Schipper 和 Grubb （2000）、 Yushchenko 和 Patel（ 2016）與 Bataille 和 Melton（ 2017）以不同的經濟實體為例，證明了能源效率的提高有助于經濟增長。Guo P等（2016）還表明，能源技術創新可以促進中國從煤炭經濟轉型。此外，還有對清潔技術創新的廣泛研究。Marcon A等（2017）證實，巴西跨國公司在其組織創新活動中最常處理“環境可持續創新導向學習”變量，以平衡商業利益與環境可持續增長。Song M等（2017）審查了證據以確認提高環境效率可以可持續地促進經濟發展。Khan和Ulucak（2020）關于巴西、俄羅斯、印度和中國（金磚四國）的研究證實，環境相關技術對綠色增長做出了積極貢獻。

2.2.1.2 農業綠色技術進步的基本思想

1 從農業技術進步到農業綠色技術進步

本質上，農業的發展離不開農業的技術進步。傳統意義上的農業技術進步對于農業生態環境的影響存在生態環境保護和環境破壞兩種可能性。然而，大家判斷農業技術進步的標準是市場獲得的經濟利益。因此，傳統農業技術進步更傾向于農業經濟發展，技術水平的提高是以農業生態環境質量的下降為代價的（姚延婷等， 2018）。然而，解決農業經濟價值、農業生態價值和農業社會價值之間的內在矛盾，必須要求將“綠色發展理念”融入農業技術進步中，實現從傳統農業技術進步到農業綠色技術進步的轉型。

綠色技術進步是降低生產成本、提高全要素生產率的基礎。原有技術進步下，由于清潔和非清潔材料的不當使用、組織結構運行效率低下、不必要的支出擴大等問題，會導致環境成本和生產成本增加。然而，通過綠色創新等活動，綠色技術進步可以幫助農業避免和降低環境成本。此外，考慮產出效率，綠色技術進步除了降低生產成本外，還可以提高生產效率，提高全要素生產率（TFP）。通過綠色創新等活動、提高產品質量水平，降低劣質產品的產出率，可以提高農業的產出效率。相比之下，綠色產品創新意味著產品在滿足市場需求的同時更加環保。綠色技術進步可以提高農業的學習能力，通過農業創新，發展先進的生產技術和管理經驗，提高全要素生產率。綠色技術進步是綠色可持續發展的關鍵，它減少了環境污染，降低生產成本、提高全要素生產率，實現了環境保護與農業競爭力的協調。

2 農業技術進步與農業綠色技術進步的區別

農業綠色技術進步是能夠得到顯著改善農業生態環境績效的技術進步。在促進農業經濟增長上，其與農業技術進步相比，農業綠色技術進步強調應對農業自然資源環境、氣候變化、資源稀缺等挑戰。具體在驅動因素、知識供給源和側重點不同存在區別（姚延婷， 2018），具體如表 2-1 所示：

第一，驅動因素不同。綠色技術的復雜性和特殊性以及綠色市場的低成熟度導致農業綠色技術進步活動的成本更高、市場風險更高、投資回報周期更長（Hottenrott和 Peters 等，2012； Corradini 等，2014），從而造成強大的財務約束（Feng Suling 等，2022）。市場誘致性理論認為，市場需求是農業技術進步的主要驅動因素。但是，在市場需求的驅動下，農業生產經營的生產利用方式可能多以對生態環境和環境資源的掠奪式開發和利用為主，忽略了農業資源和農業自然生態環境的持續發展，過分強調經濟利益的發展。新技術的市場需求是農業綠色技術進步的重要出發點，但環境的公共性問題，其市場驅動力較弱，所以環境規制成為了農業綠色技術進步的重要驅動因素（戴鴻軼等， 2009）。在此基礎上，基于環境保護的經濟型、行政型政策的環境規制，通過各種方式讓農業經營主體意識到農業綠色技術進步是經濟利好且環境保護的，這也間接有利于農業綠色技術進步的提高和綠色農業技術的應用。與傳統農業技術創新相比，由于正的溢出效應和負的環境效應的內部化，環境規制會引致農業經營主體的創新活動，并導致“雙贏”的結果。政府通過解決現實和潛在的環境問題而制定的規范性文件或者治理費用，財政支出、補貼、稅費和基礎設施建設投資等，是綠色農業政策實施的重要手段，其在綠色技術進程中起到重要的調節、促進和引導作用（胡川等， 2018；展進濤等，

2019）。

第二，知識供給源。傳統創新理論認為，創新的動力來自市場拉動、技術推動、政府啟動等。結合這些理論，一些研究人員從技術創新的角度進行了實證研究。借助外部知識供給，特別是流行的管理知識，降低了管理創新的不確定性，培養了管理者的創新

意愿。外部提供的知識是變革的催化劑，促使管理者重新考慮他們的公司開展業務的方式（Naveh等，2006）o結合環境問題，研究綠色管理創新的動力來源，發現效率需求并不是企業進行管理創新的原因，創新知識的供給直接促進了企業的管理創新。在農業上，農業技術進步易帶來農業資源枯竭、生態環境的污染破壞等問題，而農業綠色技術進步將綠色理念、綠色新知識引入到農業技術進步中，致力于農業優化配置和污染減排。同時，推進農業經濟效益、社會效益、生態效益協同發展，保證農民生產、生態和生活的可持續發展（姚延婷， 2018）。

第三，側重點。與傳統農業技術進步的良種技術、農藥化肥等以增加農民收入和產量為目標相比，農業綠色技術進步是兼顧經濟與生態的技術進步，是集成環境價值和資源節約因素的農業綠色技術進步對技術進步"范式"的轉變（姚延婷， 2018）。例如，提高現有資源利用率的有機肥代替化肥、推進節水農業、推進標準化生產等技術體系，控制農業環境污染的農業藥物與生物制劑、耕地質量提升與保育技術、農業廢棄物循環利用技術、農業面源污染治理技術、重金屬污染控制與治理技術、農產品低碳減污加工貯運技術、種養加一體化循環技術模式等，是一個可持續的發展體系。

表 2-2 技術進步和農業綠色技術進步

Table 2-2 Technological progress and green technological progress

技術進步農業綠色技術進步

目標經濟效應經濟效應、生態效應、社會效應

成本約束僅考慮經濟成本考慮經濟成本和資源環境成本

驅動因素市場需求市場需求和環境規制

知識供給源現代工業科技突破和融合現代工業科技

側重點傳統農業技術傳統農業技術和可持續農業技術

注：姚延婷（2018）等學者研究成果。

3 農業綠色技術進步的特征

（ 1 ）涵蓋內容的廣泛性（或綜合性）。

首先，技術進步包括新產品、生產過程、工藝等看得見的“硬”技術和新的管理方式、組織形式、制度設計、體制建立等“軟”技術（姚延婷， 2018）。其次，新穎性，只要單位或者組織第一次使用該技術或管理方式，就定義其屬于該農業綠色技術進步的范疇，并不針對市場或全球范圍內首次出現。當然，其可以是新開發的，也可以是從引進的，只要對于使用者是“新穎的”即可。最后，有利于實現資源節約或環境績效改善。只要技術整個周期看可以節約資源和改善資源環境，就屬于農業綠色技術進步。如果一個產品在設計或原材料需要消耗過多資源，但是在后期也節約了很多材料，整體節約了資源或改善了環境也屬于農業綠色技術進步。

（2）強調技術進步的資源效率提升或者環境績效改善效果。

首先，從作用目的來看，農業綠色技術進步并不局限于那些專門以資源節約或環境績效改善為目的的創新活動，也包括那些為其他目的的創新活動而偶然或附帶產生資源節約或環境改善效果的“無心插柳”的創新行為。當然，對于一些以資源節約或環境改善為目的的農業綠色技術進步并未能夠如愿產生相應的效果，它仍然不屬于該農業綠色技術進步的范疇。當然，這樣為如何判定資源效率提升和環境績效改善提出更高要求，其評判方法一定要科學，而評判系統空間邊界及時間邊界務必要明確。

(3)最終實現經濟增長、資源效率提升和環境質量改善“三重”收益。

與中國當前及今后相當長一段時期內保持經濟增長、資源節約和環境改善三者協調發展的最終目標一致，本書將農業綠色技術進步的最終目標定義為提高了使用主體資源效率或(和)環境績效的一系列農業新產品、農業生產過程或工藝、農業管理方式、農業制度設計的創新推廣與采用。在實際經濟中表現為多種形式：在配置資源過多或資源不足下，重新分配資源，減少不良產出。同時，在減少廢物產生、能源消耗、資源使用和污染，這可能會顯著促進以降低成本，從而提高環境績效。推進農業經濟效益和生態效益協同發展，在資源效率提升和環境績效改善。

(4)農業綠色技術進步的時滯性和空間異質性。

技術進步從最初的技術發明到應用推廣和采納需要經歷一個時間過程。而農業綠色技術進步同時兼顧環境友好和資源節約因素，其技術發明到應用推廣和采納時對自然環境的依賴性強，并且受到各區域的自然資源條件限制，從而使各區域很難保證農業綠色技術進步具有同樣的時效性。所以整體來說，農業綠色技術進步是一整套相互關聯的技術體系，決定了其研發、擴散和應用是一項復雜的系統工程，不可能短時期內快速完成，具有時間滯后性。此外，農業綠色技術進步具有空間區域異質性，經濟發展上，通常認為一個區域的經濟增長能有效地促進創新活動，加強區域信息交流才能促進綠色發展(王建華等， 2019)。

2.2.2 低碳農業理論

1.低碳農業的理論

低碳農業是針對減少碳排放而建立的一種全新農業發展模式，衍生于低碳經濟，主要指在農業生態系統中農業生產過程中，農作物通過光合作用等固定大氣中的碳從而發揮碳匯功能，通過使用大量化肥、機械等農業生產資料，排放出大量溫室氣體的生態性農業(王昀， 2008)。在此基礎上，羅吉文等(2010)學者又提出低碳農業是通過溫室氣體減排、固定技術，提高農業生產的碳匯能力，實現農業生產節能、減排的農業發展模式，具有低排放、低耗能、高效益和高效率特征。駱旭添(2011)也認為低碳農業是在農業生態系統中，通過高效率技術利用等方式節能減排以實現農業生產低碳化，最終達到改善環境目的的可持續發展農業。由上述低碳農業理念可知，低碳農業的關

鍵詞包括農業生態環境系統、高效率、減排、固碳、碳排放、碳匯。基于此本文構建了

低碳農業發展理論的邏輯關系圖（鄧悅等， 2021），詳見圖 2-1：

圖 2-1 低碳農業發展理論的邏輯關系圖

Figure 2-1 Logic diagram of low-carbon agricultural development theory

農業耕作中消耗大量的農藥、化肥等生產資料形成了碳排放，而作物又通過光合作用相應的碳匯，這構成低碳農業衡量指標基礎。因此，碳排放（生產）、碳匯構成低碳農業發展理論邏輯關系圖最內核的一層。而隨著低碳農業的發展，碳減排也成為農業生產的重要的方向，碳減排實質是減少碳排放，也構成了低碳農業發展理論邏輯關系圖最內核的一層。而效率提升作為低碳農業發展的關鍵環節，農民通過效率提高方式等進行農業減排、增匯等，其效果不僅作用于碳減排，還通過品種改良等方式促進增匯作用，因此，效率構成了低碳農業發展理論的邏輯關系圖的第二層。與此同時，低碳農業的發展與降雨、水資源、土地資源等農業生態環境系統緊密相連，且低碳農業的目標是保護生態環境，改善環境質量，農業環境系統就構成低碳農業發展理論的邏輯關系圖的第三層。三層系統相輔相成，缺一不可，共同構成了低碳農業發展的邏輯關系圖。

2.低碳農業的內涵與實踐

農業生產具有碳排放和碳匯的雙重效應，其中“碳”指的是溫室氣體（甲烷、二氧化碳等）折算的標準碳，并不單指代二氧化碳。IPCC國家溫室氣體清單指南第四卷界定了農業碳效應主要源于農地、林地、草地上的生產活動，以及土壤呼吸、牲畜的腸道發酵和糞便管理，其中所涉及的主要農業生產活動包括翻耕、灌溉、施肥、施藥、農膜使用、農用機械使用、秸稈處理、牲畜的腸道發酵與糞便排放、林草地的生態保護（陳儒等，2017； Paustian K 等，2006）。

低碳農業發展已逐漸成為農業領域應對氣候變化的主要措施，其中低碳農業技術是低碳農業生產模式的核心驅動力。目前學者對于低碳農業技術體系構建的相關研究較少，并未形成一套完整的低碳農業技術體系。有學者研究發現，種植業中農地耕作、灌溉、施肥、施藥、秸稈處理和畜禽養殖中動物的腸道發酵、糞便管理均直接或間接表

34 現出碳排放效應，農膜與其他技術結合使用將呈現碳源、碳匯雙重效應，天然/人工林草地主要呈現出碳匯效應。同時，對現有的低碳農業技術進行梳理，并具有針對性的篩選出各個生產環節具體的低碳農業技術，構建了低碳耕作技術體系、低碳灌溉技術體系、低碳施肥技術體系、低碳施藥技術體系、農膜低碳使用技術體系、秸稈資源化利用技術體系、畜禽低碳養殖技術體系、畜禽糞便低碳處理技術體系、林草地保護技術體系等九個方面的低碳農業技術體系，預期將實現固碳減排效果（鄧悅等， 2021）。總的來說，低碳農業技術體系的構建給農業生產各個環節的低碳發展提供了重要參考，對農業領域內應對氣候變化及生態環境保護具有重要意義。

2.3 農業綠色技術進步對碳排放影響的理論分析

2.3.1農業綠色技術進步對碳排放影響的理論分析

農業綠色技術進步通過農業要素投入結構替代、農業要素投入效率提升引起碳強度變化，而這種變化可以解釋為農業綠色技術進步的替代效應和規模報酬效應兩方面的作用引起的碳強度變化。

（1）農業綠色技術進步通過農業要素結構替代效應影響碳排放強度

農業要素結構替代效應，反映了 “替代效應”。農業綠色技術進步的替代效應是指在產量不變的情況下，由綠色技術進步所引起的清潔與非清潔要素投入的相對量的變動。一般情況下，存在不同比例的非清潔生產要素（E）及清潔生產要素（M）組合可以達到同一既定產出量。在維持一定產出量水平下，清潔（M）和非清潔（E）的生產要素是可以替代的。學界一般用邊際技術替代率來衡量非清潔（E）以及清潔生產要素（M）投入間的替代關系。即，在維持產出量不變的情況下，增加一單位清潔生產要素（M）投入量時所減少的非清潔投入量（E）,以MRTS表示清潔生產要素對非清潔要素的邊際替代率（姚西龍， 2012；王班班等， 2014），則：

MRTS = AE / AM （2-1）

△E和AM分別為非清潔要素投入量的變化量和清潔要素投入量的變化量，在一定技術水平下，當清潔生產要素投入量增加，其所能代替的非清潔要素投入量是遞減的。

（2）農業綠色技術進步通過要素投入效率要素投入效率降低碳排放強度

農業要素效率提升路徑，也被稱為農業非清潔要素投入效率提升，其反映了“規模報酬效應”。在經濟學中，規模報酬是在假定其他條件不變的情況下，生產過程中按不同或相同比例投入各種要素所引起的產出量的變動。農業綠色技術進步的規模報酬效應對碳強度變動的積極影響是指技術水平的提高能夠增加單位清潔要素投入的產出量，使得單位產出所需的要素投入量減少，從而實現單位產出碳排放量的下降。在一定的技術進步水平下，隨著生產規模的擴大，開始往往會出現規模報酬遞增的階段，農業碳強度也不斷降低。然后，出現規模報酬不變的情況，清潔要素投入強度保持不變，非清

潔要素投入強度的變動對碳強度變動的影響為 0。如果廠商繼續擴大再生產，那么就會出現報酬遞減的情況，非清潔要素投入強度會下降，那么將不利于碳強度的降低(姚西龍， 2012；王班班等， 2014；鄢哲明等， 2016；周喜君， 2018；錢娟， 2017)。假設如下生產函數：

Q * 才 =f “E, ^M^ (2-2)

該函數為n次齊次函數，當要素投入均變為原來的2倍時，產量變為原來的卩倍。如果2 f 1 ,規模報酬遞增；如果2 p 1,規模報酬遞減；如果2=1 ,規模報酬不變。當考慮到技術進步時，農業綠色技術進步可以帶來規模報酬遞增，即 f {AXE, A2M)f f(2E, 2M)= Q * 2。這意味著農業綠色技術進步可以實現既定產量下投入更少的非清潔要素。所以農業綠色技術進步通過農業非清潔要素投入效率可以降低碳排放強度。

(3)農業綠色技術進步通過農業要素結構替代效應影響非清潔要素投入效率降低碳排放強度

有研究表明農業要素投入結構和農業非清潔要素投入效率優化之間也存在緊密聯動，替代效應影響規模報酬效應。通過同比例地提高清潔要素的邊際生產率或不同比例地改變要素的投入和使用效率，并且會通過改變清潔與非清潔生產要素的投入比例來影響要素投入和總產出(Lin B等，2014),從而影響碳排放強度。

(4)農業綠色技術進步對碳排放影響的減排效應

農業綠色技術進步，作為一種具備準外部性的生產行動，具有碳減排的效應，將會為整個社會發展帶來生態效應。然而，綠色技術的碳減排效應在不同地區通常不會以相同的速度進行(Du等，2019)。了解人類活動，探究農業綠色技術進步的碳減排效應，準確掌握把握地區碳減排效應的空間關系及其演變規律及空間關聯特性，并針對不同地區、不同群體以及不同發展階段下可持續發展的需求與適應能力的差異，指導各地區根據自身碳減排效應特點制定針對性政策。此外，探尋農業綠色技術進步會對中國環境帶來怎樣的影響，探究未來不同情景下農業綠色技術進步碳減排的路徑差異，采取何種措施才能推動其實現持續進步，進而更好地推動中國農業碳減排進程？不同類型農業綠色技術進步的演化特征會對未來的農業碳排放趨勢產生什么影響？研究這些問題，對加快中國農業發展向綠色轉型、實現農業碳達峰具有重要意義。

2.3.2農業綠色技術進步對碳排放影響的數理推導

上節從規模報酬和替代效應層面分析了農業綠色技術進步對碳排放強度的影響，為進一步驗證農業綠色技術進步對碳排放強度的理論機理，本文將從數理模型層面對該影響關系進行推導。本文基于 CES 生產函數，并借鑒了王班班(2014)、鄢哲明等 (2016)、周喜君(2018)和錢娟(2017)等學者們關于偏向性技術進步對碳排放分析

的研究成果，概要地展示了農業綠色技術進步對碳排放強度影響的數理過程。

1.經濟環境

（1）最終產品生產。假定經濟中存在唯一的最終產品，其生產使用非清潔投入品和清潔投入品，且兩種投入品具有競爭性關系。最終產品生產函數采用如下的 CES 生產函數形式：

丄

Y = [a（YE}p + aYMp]> （2-3）

式（2-3）中，E表示非清潔投入品部門，M表示清潔投入品部門，血表示非清潔投入品在最終生產中的相對重要程度，可以在一定程度上反映非清潔結構，滿足血> 0， a2 > 0， a1 + a2=1o p為替代參數，p < 1且p不等于0。

A 表示農業綠色技術進步，考慮到農業綠色技術進步不僅會影響到投入品的使用效率，還會影響投入品在最終生產中的相對重要程度，故設有如下關系：

"i = T]A （2-4）

式（2-4）中，〃表示技術影響程度。農業綠色技術進步會導致非清潔投入品的相對使用量減少，根據邊際報酬遞減規律，非清潔投入品的相對重要程度會有所增加，且由于技術影響會有一定折損，故設0 p “ p 1。

（2）投入品生產假定投入品部門生產的平均成本均為C，非清潔投入品與清潔投入品的價格分別為PE和PM。

2.經濟均衡

給定一個完全不存在干預政策（或稱為放任自由）的經濟環境，同時假定最終產品價格為 1 。

（ 1）最終產品在完全競爭市場中，求解最終產品廠商的利潤最大化問題，可得非清潔投入品與清潔投入品的反需求函數：

1-p

Pe =（"APYEp + "APYmP）p - "APpYEp-- （厶5）

1-P

Pm =（"APYeP + "APYmP）P -"APPYmP-1

（2）投入品生產假定投入品市場為壟斷競爭市場，求解投入品廠商的利潤最大化問題，可得式（2-

6）：

= pA .乞（2-6）

Ym AP-pAP "1

3.農業綠色技術進步對碳排放強度的影響

( 1)碳排放強度定義

是單位農業生產總值的二氧化碳排放量，其包括生產總值和CO2排放量兩個因素。其定義是如下：

CI =理 (2-7)

式(2-5)中，d為碳排放因子。 (2)農業綠色技術進步對碳排放強度的影響機理

①直接影響在放任自由均衡下，結合公式(2-6)和(2-7)可得碳排放強度的影響因素：

—丄 1 Ap -丄

CI = d p(1±-A) (2-8)

A 1 1-App

式(2-8)中，展示了農業綠色技術進步對碳排放強度的直接影響，即技術水平A 越高，給定其余量不變，碳排放強度越低。

推論1：農業綠色技術進步通過直接效應促進碳排放強度的下降。

②間接影響

農業綠色技術進步通過替代效應對碳排放強度(CI)產生間接影響。式(2-4)表明，農業綠色技術進步會正向促進非清潔投入品在最終生產中的相對重要程度。式(2- 8)則表明農業要素投入結構對碳排放強度存在直接影響。將兩式結合，可以發現：當農業綠色技術進步時，由技術進步導致的要素投入結構改變，將促進碳排放強度的降低。

推論2：農業綠色技術進步可以通過替代效應，即通過提高非清潔投入品在最終生產中的相對重要程度來改變農業要素結構，從而實現碳排放強度的下降。

③進一步考慮到規模效應的影響

a.農業非清潔要素投入效率的定義是農業非清潔要素投入消費總量與總產值比值。其定義式如下：

I = Y (2-9)

公式(2-9)中，I值越小，表明單位產出所需要的非清潔要素投入量越少，意味著非清潔要素投入效率越高。

b.農業非清潔要素投入效率對碳排放強度的影響。結合公式(2-7)和(2-9)可得到農業非清潔要素投入效率對碳排放強度的影響關

系：

CI = dI （ 2-10）

公式（2-10）表明， I 值下降，即非清潔要素投入效率的提升會抑制碳排放強度，此即規模效應對CI的影響。

結合（2-3）和（2-9）可得到非清潔要素投入效率的影響因素：

-丄 —丄］I AP丄

I = A-1" P（l-p） p（）p （2-11）

1 1-APp

公式（2-11）表明農業綠色技術進步對非清潔要素投入效率值具有直接影響。至此可得推論3。

推論3：農業綠色技術進步可以通過規模效應，即通過非清潔要素投入效率提升實現碳排放強度的下降。

此外，考慮到公式（2-4）非清潔要素投入結構與農業綠色技術進步的正向關系，可以發現：農業綠色技術進步對非清潔要素投入效率還存在間接影響，即技術進步會改變要素投入結構，通過提高農業非清潔要素在最終生產中的相對重要程度來改進非清潔要素投入效率，從而抑制碳排放強度。據此，可以歸納出推論 4。

推論 4：農業綠色技術進步可以通過替代效應與規模報酬效應的聯動作用實現碳排放強度的下降。

2.4 綠色技術進步對碳排放影響內在邏輯分析框架圖

通過上一小節的分析可知，農業綠色技術進步對農業碳強度的變動是復雜的。探求綠色技術進步對農業碳強度的影響需要弄清四個方面的問題，即綠色技術進步對農業碳強度的影響及機理、綠色技術進步對農業碳強度的效應、不同綠色技術進步技術情景下碳強度比較。

第一個層面的問題是綠色技術進步定義如何？如何測度？其時空演化特征如何？影響因素如何？同時，碳排放及其強度的概念是什么？如何測度？其時空演化特征如何？影響因素如何？

第二個層面的問題是農業綠色技術進步對碳強度的影響機理。綠色技術進步主要通過替代效應和規模報酬效應影響碳強度，這一部分的理論與數理推導分析在上一節中已進行闡述。此外，不同類型農業綠色技術進步對碳排放作用路徑的差距如何也值得研究。

第三個層面的問題是農業綠色技術進步對碳強度減排的效應。本文通過模型，明確測定了各影響因素下綠色技術進步的碳減排效應時空演化格局。特別是，兩種類型的農業綠色技術進步對碳排放造成效應時空異質性。

第四個層面的問題是農業綠色技術進步對碳強度碳強度的減排路徑。在不同的綠色技術水平時空演進背景下，不同類型綠色技術進步的演化特征會對未來的農業碳排

放趨勢產生什么影響？采取何種措施才能推動其實現持續進步，進而更好地推動中國

農業碳減排進程？

層面三農業綠色技術進步及不同類型對碳排放的效應

層面四

農業綠色技術進步及

不同類型對碳排放的

情景模擬

圖 2-2 農業綠色技術進步對碳排放影響的邏輯框架

Figure 2-2 Logical framework of this thesis

2.5 本章小結

本章首先闡述了農業碳排放、農業綠色技術進步的內涵，界定了本文的研究范圍。其次，分析了農業綠色技術進步對碳排放作用的方式，構建了農業綠色技術進步對碳排放影響測度的理論基礎，構建了基于農業綠色技術進步的碳減排路徑選擇的理論基礎。

第三章農業綠色技術進步的測度及時空演進

3.1問題的提出

2017 年中共中央辦公廳、國務院辦公廳發布的《關于創新體制機制推進農業綠色發展的意見》明確指出：“推進農業綠色發展，是貫徹新發展理念、推進農業供給側結構性改革的必然要求，是加快農業現代化、促進農業可持續發展的重大舉措”。 2014年的中央“1 號文件”特別強調，中國需建立農業綠色發展的長效機制，加大農業生態保護力度，使過度開發的資源得以休養生息，以此促進綠色農業發展。其中，借助新知識、新技術以降低環境污染，通過農業綠色技術進步，提高資源利用效率，促進節能減排，是綠色農業發展的重要手段(金書秦等， 2020)。中國農業部印發了《農業綠色發展技術導則(2018-2030 年)》的通知，十分明確地提出了包括“高效優質多抗新品種技術”、 “環保高效肥料、農業藥物與生物制劑技術”、“節能低耗智能化農業裝備技術”等在內的農業綠色技術的 20大類內容。各地政府也大力推廣節水旱作農業技術，提升糧食水分生產力；大力推廣科學施肥技術，有效提高化肥利用率；大力推廣農作物綜合栽培技術，促進糧食高產穩產優質。因此，農業綠色技術進步引起了學者們的廣泛關注。

普遍觀點認為，農業綠色技術進步是現代農業發展的關鍵支持因素，但是這些綠色技術的變化趨勢如何，農業綠色技術進步是否經過時間得到了增強？與此同時，隨著綠色技術的創新、推廣和采用必然使得中國地區間農業綠色技術進步的水平發生動態變化。光探討綠色技術進步而不細致區分，是無法完全了解綠色技術進步的。探討類型異質性角度下，不同類型綠色技術進步存在什么不同十分必要(Deng Yue等,2022)。最后，中國幅員遼闊，地區間農業生產要素稟賦差異明顯，農業綠色技術進步的影響因素也可能存在時空差異(Cheng ZH 等, 2020)。只有清楚把握農業綠色技術進步的現狀特征，掌握農業綠色技術進步的作用機制，才能更準確地利用農業綠色技術進步，更徹底地發揮農業綠色技術進步的驅動價值(張傳慧， 2020)。顯然，對這些問題的調查將有助于為決策者提出明確而具體的建議。這都需要。與此同時，綠色農業技術進步通過農業技術的創新、推廣和采用而逐步影響農業碳排放。

3.2模型構建、變量選擇與數據說明

3.2.1模型構建

(1)Epsilon-Based Measure — Globalmalquist-Luenberger(EBM-GML)

目前，農業綠色技術進步的測度方法特別多。具體包括：第一種是指標替代法，比如專利，但有人認為專利不一定能夠帶來實際的技術進步，只是一種側面反映。第二種是利用 Malmquist 指數分解 MATECH、OBTECH 和 IBTECH 指數(lovell, 2003)。第

三種是利用全要素生產率(TFP)綜合反映農業綠色技術進步指數。最后，一種普遍用于衡量農業綠色技術進步的采用非參數的DEA或SBM-Malmquist指數方法(Song ML 等， 2018)進行測度，不需要設定函數模型也不需要考慮數據的量綱。然而，在綠色全要素生產率測度方面一般以徑向測度為基礎的數據包絡分析方法(DEA)模型為代表和以非徑向測度為基礎的SBM模型兩種(Tone等，2001),但DEA模型中關于規模報酬不變的假設與現實經濟現象相背離，而SBM模型會損失效率前沿投影值的原始比例信息，并且當最優松弛度取0和正值時會使結果產生顯著差別(Tone等，2001)。其次，這兩個模型將非期望產出納入效率測度分析，不能同時處理徑向和非徑向的問題 (紀建悅等，2019)。為有效解決這些問題，本文參考Tone等(2000)構建了包含徑向和非徑向特點的混合距離函數EBM模型，其表達式如下：

St 加-0Xo+s = 0, s； > 0

式中J、Y、s；分別為投入、產出、權重系數和投入松弛向量；/為各省農業綠

色全要素生產率值；0是/中的徑向成分，乞是一個關鍵參數，取值為［0, 1］。

同時，為進一步分解得到農業綠色技術進步率，本文借鑒Oh (2010)和紀建悅等 (2019)的研究，在計算得出綠色全要素生產率的基礎上引入GML指數分解法得到農業綠色技術進步指數，其公式如下：

EG-t+1(xt+1, yt+1, b+1)

EGt(xt, yt ,bt)

EG,(xt+1, yt+1, bt+1) EG, t+1(xt+1,yt+1, bt+1) / Et+1(xt+1, yt+1, bt+1) (3-2)

EGtx,yt, b) EGtx,yt, b) / Et(xt,yt, bt)

=GMLECtt+1 x GMLTCt*1

(2)Kernel 核密度估計方法

因非參數估計的 Kernel 密度估計方法對模型的依賴性較弱，具有一定的穩健性，成為研究不均衡分布的常用方法(畢斗斗等， 2015)。本文即借助此方法對中國農業綠色技術進步的動態分布特征進行分析，其具體公式為：

N V 一 V

F(x) = — Y K( ——) (3-3)

Nwi=1 w

式(4-3)中，F(x)表示農業綠色技術進步的密度函數，x為均值，N表示觀測值

的個數，卩為獨立同分布的觀測值，w為窗寬，w越大，農業綠色技術進步的密度函數曲線就越光滑，精確度就越低，所以選擇較小的窗寬。

本文選擇高斯核密度函數對中國農業綠色技術進步的分布動態進行估計，其函數表達式如(3-4)所示。此外，通過圖形分布的位置、形態和延展性三個方面對比來考察核密度分布的變化。

(3)空間自相關

全局自相關PMoran's/)和局部自相關分析(AnselinLocal Moran's/)是廣泛用于研究空間相關性的分析方法。本文采用兩種方法驗證中國農業綠色技術進步的空間相關性，其具體公式為：

工遼 jWj(Xi - x)

n(X- x) -

I = j W(X. — x)

i 2 ij i

其中，公式(3-5)為全局空間自相關Moran's I， n為區域總數，W..為空間權重, Xi和X .分別是省域i和j的屬性，x為屬性均值。公式(3-6)為局部空間自相關Moran's I。SX2為觀測值方差，其表達式為St2=^ jW/Xj - x) / n。

(4)空間杜賓模型

空間計量的主流研究方法有空間滯后模型(SAR)、空間誤差模型(SEM)和空間杜賓模型(SDM)三種。相較于空間滯后模型(SAR)和空間誤差模型(SEM)兩種模型，空間杜賓模型(SDM)考慮了因變量和自變量的空間相關性，具備空間自相關和空間交互效應，在內生性問題上可以得到不被放大偏誤的估計值(LESAGE J 等, 2009)。

因此，本文采用此模型考察各自變量對農業綠色技術進步的影響及空間溢出效應，模型設定如下：

Y = 6+0 旳 + /3X + WXy + s (3-7)

其中，Y為因變量，B為鄰近省份的溢出效應，X為自變量，B和7為待估參數, W 為權重。本文選取了空間鄰接權重矩陣作為空間權重矩陣。

3.2.2 變量選擇與數據說明

(1)農業綠色技術進步測度模型的變量選擇與數據說明農業生產涉及的要素投入主要包括勞動力、土地、資本。本節農業綠色技術進步測

度模型所用數據中，勞動力投入選擇種植業從業人員數，土地投入選擇農作物總播種

43 面積，產出數據包括期望產出種植業實際增加值和非期望產出農業面源污染指數。其中，勞動力投入是按照當年農林牧漁的就業人數乘以當年種植業總產值與當年農林牧漁總產值比值得出的種植業從業人員。資本投入參考楊冕和楊福霞等（2019）研究，主要通過農業資本存量乘以種植業總產值占農林牧副漁總產值比重估算而得，而農業資本存量采用永續盤存法計算得出（李谷成等， 2014； Zhang Yao 等， 2021）。土地投入選用農作物總播種面積來度量。種植業實際增加值進行平減處理。農業面源污染指數主要參考梁流濤（2010）、葛繼紅等（2011）等研究，選取農田面源污染作為非期望衡量指標。

（2）不同類型農業綠色技術進步的變量選擇與數據說明

綠色技術被有效采用并發生作用才有綠色技術進步。本文參考替代指標法（He BB 和 Zhang JB 等， 2021；李成龍和周宏， 2020），分別選取選取節水灌溉技術采用率和免耕技術采用率分別作為資源節約型農業綠色技術進步和環境友好型農業綠色技術進步的替代指標。指標的具體內容是，節水灌溉面積與作物總播種面積之比和免耕面積與作物總播種面積之比。不同類型農業綠色技術進步指標選取原則如下：

“資源節約”是指物質資源的節約使用和優化配置，包括自然資源、社會資源、經濟資源和科技資源等（李旭等， 2015）。主要是以提高農用資源利用效率，減少農用資源消耗的新的或改進的產品、生產工藝、技術等為主。節水灌溉技術具有是節水、省工、可改變種植結構、實現水肥一體化建設的優點，能明顯實現資源節約效果，是資源節約型類技術的典型代表。“環境友好”則指在社會發展過程中，人們采取有利于社會環境保護的產品、技術和工藝，以及生產模式、生活模式和消費模式等，從而盡量減少對環境的負面影響（李旭等， 2015）。免耕技術具有提高土壤耕性、增加土壤有機質含量、增加土壤含水量和水分有效性、減少土壤風蝕、水蝕和節省能源、節省機械、節省時間等優點（陳軍勝等， 2005；王俊華等， 2013），可提高農業生產的環境績效，是環境友好型的典型代表技術（鄧正華， 2013）。

（3）空間溢出效應的變量選擇與數據說明

為探索農業綠色技術進步空間溢出效應，本文選取的相應指標具體如下：（1）城鎮化水平（City）。本文以城鎮人口與總人口比值表征城鎮化水平，比值越高，城鎮化水平越高（戴小文，2015）。（2）農民可支配收入（PIC）。農民可支配收入是農民經濟的重要體現，農戶都是建立在經濟理性和成本收益比較分析基礎上來選擇生產方向、生產規模以及生產方式等，其在一定程度上影響農業綠色技術進步。可支配收入仍以2000 年的農村消費指數為基期進行平減處理（潘丹，2012）。（3）農業技術人員（TEAN）是農業科技質量的重要體現，本文選用公有經濟企事業單位農業技術人員作為農業科技質量的重要指標（張傳慧，2021）。（4）財政支農政策（FIN）,該指標數據由各省份用于農業的各項財政支出與財政總支出的比值來表示（周鵬飛等， 2019）。（5）行政型環

境規制（CER）是指政府為解決現實和潛在的環境問題而制定的規范性文件，財政支出、補貼、稅費和基礎設施建設投資等，是綠色農業政策實施的重要手段，其在綠色技術進步的進程中起到重要的調節、促進和引導作用（胡川等， 2018）。因此，本文以各省級當年施行的環境規制政策數量衡量命令型環境規制（展進濤等， 2019）。（6）經濟型環境規制（EPR），指政府為解決現實和潛在的環境問題而增加的治理費用，以鼓勵、調節和引導環境向好方向發展。本文借鑒展進濤等（2019）的研究，采用單位種植業總產值財政環境保護支出來衡量。此外，為更好的減少模型的誤差項和消除數據的非平穩性，本文對數值型數據均進行對數處理，比值型數據使用原始值。在模型中對部分數據標準化或縮尾處理。另外，缺失數據，本文進行插值法處理。描述性統計結果具體如下：

表 3-1 描述性統計分析

Table 3-1 Descriptive statistical analysis

平均值標準差最小值最大值

AGTP 1.037 0.156 0.602 1.951

AEGTP 0.224 0.237 0.014 2.394

ACGTP 0.065 0.112 0.000 0.639

TEAN 25041.390 12569.280 5680.000 49667.000

FIN 0.103 0.044 0.013 0.184

CER 31.233 50.862 0.000 235.000

EPR 6.354 3.598 0.904 17.804

PIC 3641.290 1984.272 1374.160 9299.849

3.3農業綠色技術進步的測算與時空演進

3.3.1農業綠色技術進步的時間動態演進

為直觀了解中國農業綠色技術進步動態演進特征，本文以 2000、2006、2012及2019 年作為考察年份，繪制農業綠色技術進步其不同類型的 Kernel 核密度和時空指數圖分別對農業綠色技術進步（AGTP）和資源節約型農業綠色技術進步（AEGTP）、環境友好型農業綠色技術進步（ACGTP）的時間動態演變趨勢進行分析。具體如圖4-1、4-2、 4-3 所示。

全國糧食主產區非糧食主產區

東部中部 ■ 西部

圖3-1中國農業綠色技術進步（AGTP）的核密度估計與分布指數圖

Figure 3-1 Kernel density estimation of AGTP

圖 3-1 可以看出，中國 30 個省（市、自治區）2000-2019 年農業綠色技術進步（ AGTP ）的動態演進具有以下特征：（1）從核密度圖的位置分布來看，核密度圖中全國總體分布曲線的中心整體顯著向右又略向左移動，說明研究期內中國農業綠色技術進步

（AGTP）整體呈上升狀態。這與展進濤等（2019）的研究相似。同時，指數圖也顯示出，除 2000、2013、2015 和 2019 年處于綠色技術退步外，其余地區均是綠色技術進步狀態。在《關于做好 2011 年糧食質量安全重點工作的通知》等糧食安全保障政策的實施和國家強調建立農業綠色發展的長效機制， 2018 年發布《農業綠色發展技術導則

（2018-2030年）》等雙重政策下，綠色技術進步頂住了在生產環境的壓力與糧食生產

46 安全的雙重壓力。此外，通過指數分布圖可以看出，農業綠色技術進步（AGTP）整體上升不明顯，這與2017-2019年綠色技術進步（AGTP）略有波動有關。可能的原因是，中國目前的農業綠色技術政策，雖然以資源的合理配置、高效和循環利用、有效保護和替代為主，而現有的農用資源節約技術無法跟上糧食安全生產政策，所以為保障糧食安全生產等政策，使得可能需要使用更多的資源消耗，所以呈現農業綠色技術進步（AGTP）上升不顯著狀態。

（2）從分布形態來看，波峰由2000年的雙峰變為2019年的單峰，且主峰的寬度呈“寬峰-尖峰-寬峰”的轉變特征。其中， 2000-2006 年以多峰為主，峰度逐年上升，且峰型由“寬峰”向“尖峰”轉變，密度分布曲線水平跨度縮小。這說明農業綠色技術進步（AGTP）集中程度上升，地區差異縮小。2006-2019年由多峰向單峰發展，峰度逐年下降，且峰型由“尖峰”向“寬峰”轉變，密度分布曲線水平跨度變寬。這意味著各地區農業綠色技術進步水平差異逐漸拉大。同時，指數分布圖也可以看出，糧食技術進步的區域差異呈“縮小-增長”的狀態。可能是，部分省份技術水平逐漸“落伍”導致整體的技術水平集中程度下降，地區差異擴大。以上分析也說明，中國農業綠色技術進步（AGTP ）水平存在區域發展不均衡現象。

0 0.5 1 1.5 2 2.5

全國糧食主產區非糧食主產區

東部中部 ■ 西部

圖 3-2 資源節約型農業綠色技術進步（ AEGTP ）的核密度估計與分布指數圖

Figure 3-2 Kernel density estimation of AEGTP

圖 3-2 可以看出，中國 30 個省（市、自治區）2000-2019 年資源節約型農業綠色技術進步（AEGTP）的動態演進具有以下特征：（1）從位置分布來看，全國總體分布曲線的中心經歷分布曲線整體“右移”的變動趨勢，說明該階段中國資源節約型農業綠色技術進步（AEGTP）呈上升的狀態。分布指數圖也驗證了該結論。（2）從分布形態來看，波峰由2000 年的多峰變為2019 年的單峰，且主峰的寬度呈“尖峰-寬峰”的轉變特征。其中， 2000-2006 年以多峰為主，峰度逐年下降，且峰型由“尖峰”向“寬峰” 轉變，密度分布曲線水平跨度縮小，說明資源節約型農業綠色技術進步（AEGTP）集中程度上升，地區差異擴大。 2012-2019 年由雙峰向單峰發展，峰度逐年下降，且峰型由微弱的“尖峰”向“寬峰”轉變，密度分布曲線水平跨度變寬。與農業綠色技術進步（AGTP） —樣，各地區資源節約型農業綠色技術進步（AEGTP）水平的差異逐漸拉大。

全國糧食主產區一X—非糧食主產區

東部中部 ■ 西部

圖3-3環境友好型農業綠色技術進步（ACGTP）的核密度估計與分布指數圖

Figure 4-3 Kernel density estimation of ACGTP

由圖 3-3 可知，中國 30 個省（市、自治區）2000-2019 年環境友好型農業綠色技術進步（ACGTP）的動態演進具有以下特征：（1）整體來看，核密度圖集中度過高，但從位置分布來看，全國總體分布曲線的中心基本向右移動。這也說明研究期內環境友好型農業綠色技術進步（ACGTP）也呈增加趨勢。從分布指數圖可知，2000-2008年的環境友好型農業綠色技術進步增長較快， 2008 年后增長較慢。（2）從分布形態來看，主峰的寬度呈“極端尖峰-寬峰”的轉變特征，密度分布曲線水平跨度變寬。這意味著，各地區環境友好型農業綠色技術進步（ACGTP）水平差異逐漸拉大。

綜合圖3-1、圖3-2、圖3-3，可以看出農業綠色技術進步（AGTP）和資源節約型

49 農業綠色技術進步（AEGTP）、環境友好型農業綠色技術進步（ACGTP）的位置分布、峰型和峰度基本略有差異，但相似度高。此外，從農業綠色技術進步（AGTP）和資源節約型農業綠色技術進步（AEGTP）、環境友好型農業綠色技術進步（ACGTP）的時間動態演變趨勢來看，各地存在區域發展不均衡現象，區域差距拉大

3.3.2農業綠色技術進步的空間演進特征

為分析農業綠色技術進步的空間相關性，本文測度了全局Moran's I指數檢驗中國農業綠色技術進步（AGTP）和資源節約型農業綠色技術進步（AEGTP）、環境友好型農業綠色技術進步（ACGTP）在空間上的相關性及其演進特征，結果如表4-2所示。全局Moran's I統計值在5%或1%的置信區間下部分顯著且均大于0說明中國各省農業綠色技術進步、資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）存在空間正相關性，具有空間聚集性特征。然而，由于全部Moran's I容易出現正負相關區域的相互抵消問題，導致存在空間不相關性的結果，因此需要對局部空間自相關進一步驗證。

表3-2 2000—2019年中國農業綠色技術進步的全局Moran's I統計值

Table 3-2 Global Moran's I statistics of China's agricultural green technology progress from 2000-2019

年份 AGTP AEGTP ACGTP

Moran's I Z值 Moran's I Z值 Moran's I Z值

2000 0.063 0.941 0.186*** 2.599 0.125*** 2.284

2001 0.174* 2.298 0.246*** 2.904 0.217*** 3.173

2002 -0.047 -0.115 0.235*** 2.956 0.332*** 3.862

2003 0.116 1.394 0.227*** 2.986 0.288*** 3.263

2004 -0.069 -0.311 0.243*** 3.069 0.447*** 4.771

2005 0.169* 1.866 0.250*** 3.110 0.393*** 4.533

2006 -0.035 -0.002 0.262*** 3.219 0.384*** 4.523

2007 0.114 1.521 0.257*** 3.045 0.417*** 4.757

2008 0.029 0.656 0.287*** 3.192 0.22*** 2.995

2009 0.012 0.464 0.294*** 3.209 0.262*** 3.107

2010 -0.049 -0.146 0.299*** 3.254 0.284*** 3.29

2011 0.211** 2.337 0.299*** 3.253 0.365*** 4.376

2012 -0.039 -0.047 0.295*** 3.232 0.314*** 3.533

2013 -0.11 -0.723 0.279*** 3.049 0.28*** 3.105

2014 -0.175 -1.414 0.269*** 3.021 0.346*** 3.888

2015 -0.076 -0.392 0.267*** 3.106 0.433*** 4.670

2016 0.039 0.679 0.256*** 3.177 0.234*** 2.548

2017 0.245*** 2.068 0.217*** 3.023 0.107 1.595

2018 -0.008 0.268 0.190*** 3.034 0.285*** 2.964

2019 0.081 1.052 0.164*** 2.980 -0.01 0.549

注：***、**和*分別表示在1%、5%和10%的水平顯著；

本文采用Open Geoda測度了局部Moran's I指數檢驗中國農業綠色技術進步

（AGTP）和資源節約型農業綠色技術進步（AEGTP）、環境友好型農業綠色技術進步（ACGTP）在空間上的相關性及其演進特征，并采用ARCGIS繪制了 2000年和2019年中國農業綠色技術進步集聚圖，將集聚程度分為高-高、高-低、低-高和低-低 4 個類型。結果如圖 4-4 所示。從 2000 年和 2019 年的中國農業綠色技術進步指數的局部自相關LISA集聚圖（圖3-4）可以看出，中國30個省（自治區、直轄市）的農業綠色技術進步（AGTP）和資源節約型農業綠色技術進步（AEGTP）、環境友好型農業綠色技術進步（ACGTP）在空間上表現出明顯的非均衡性。

農業綠色技術進步（AGTP）的聚集特征極為明顯，大部分省份與位置相鄰或經濟發展水平接近的省份具有相似的集聚特征，存在馬太效應。從 2000 年可以看出，東北、華東、華中和云南等地區表現為高-高聚集，說明這些地區農業綠色技術進步處于高水平且與周邊地區綠色技術的發展聯系緊密，輻射帶動能力強。西北地區主要表現為低- 低聚集。即，該區域內農業綠色技術進步水平整體較低。可能的原因是，西北地區粗放式的農業生產方式導致區域農業綠色技術進步集聚。華北、浙江、貴州等地主要表現為低-高聚集，即該區域出現農業綠色技術進步高低錯落發展狀態，與周邊農業技術發展聯系緊密度較低。從2019 年可以看出，高-高聚集轉移到華北、華東和云貴地區附近，說明了經濟對農業綠色技術進步（AGTP）具有重要影響，研究社會經濟等影響因素所帶來的農業綠色技術進步（AGTP）水平改變具有一定的必要性。低-高聚集主要在西北和西南地區。即，該區域內農業綠色技術進步整體較低，而周邊農業綠色技術進步水平較高，要加強周邊地區對本區域內的交流。東北地區和東部沿海地區由2000 年的高高地區轉變為高低地區。即，東北地區和東部沿海地區自身屬于高綠色技術進步聚集區，但是周邊過低，形成了這樣的分布。此外，華中地區變為低-低聚集區。這說明該階段農業綠色技術進步水平相較于 2000 年有所下降，農業綠色技術進步水平的低-低聚集特征明顯。除此以外，其相鄰省份的農業綠色技術進步發展水平也較低。可能是，農業生產方式的選擇、農業先進技術的推廣與應用、農業生產技術效率的改進以及農業資源利用方式均與農村居民收入水平密切相關（潘丹等， 2013）。當農村居民的經濟收入水平低，為追求高產出和高收入收入，對農業中土地和水等自然資源消耗和農藥、化肥等生產投入要素的需求將會增加，這容易忽視資源環境的保護而導致資源的不合理利用和農業環境的破壞，進而抑制著農業綠色技術進步率上升。因此，在農業經濟發展方式較為粗放的低收入區，要加強農業經濟效益和資源環境效益的協調發展。

資源節約型農業綠色技術進步（AEGTP）的聚集特征也較為明顯，2000年與2019 年的聚集特征差異較小。從 2000 年可以看出，高-高聚集地區呈鏈條式分布，主要集中在東部沿海。主要原因是，該地的技術優勢可以為農業綠色技術進步提供良好的技術支撐。低-低聚集主要集中在南方地區。可能的原因是，南方地區處于濕潤、半濕潤地區，特別是秦嶺淮河以南地區內自然植被多為森林，農田以水田為主；渭河平原等半

濕潤區，區內有黃河灌溉區等。面臨的農業水資源發展生態環境壓力和資源短缺困境的壓力較小，資源節約型農業綠色技術進步（AEGTP）總體水平就比較低。2019年資源節約型農業綠色技術進步（AEGTP）的高-高聚集區也基本在東部沿海地區，呈鏈條式分布。低-低聚集區與2000 年的分布一致，但河南、安徽、江西等靠近沿海地區高-高聚集區域的地帶依然是屬于低-低地區。這也說明了東部沿海地區的農業綠色技術進步對低-低聚集區的帶動作用較小，特別是沒有形成完全競爭的農業經濟體系以及缺乏足夠的科技支撐。其次，東北地區由 2000 年的高高地區轉為高低聚集區，高-低聚集區依然屬于資源節約型農業綠色技術進步（AEGTP）高-低聚集區，但受到周邊影響。西北地區則由2000 年的低-低聚集區轉變為2019 年的高-低聚集區，受到周邊影響較大。

環境友好型農業綠色技術進步（ACGTP）的聚集特征也較為明顯。2000年的聚集特征相較于 2019 年差距較大。從2000 年可以看出，高-高聚集地區主要集中在江蘇、北京和天津等華東地區。高-低聚集區主要集中在西北地區和南方地區。低-低聚集區主要集中在西北和南方地區。低-高地區則集中在華北、華東和東北地區。這些地區具備優越資源環境。然而，因追求高農業產出，環境友好型農業綠色發展較慢。從2019 年可以看出，高-高地區擴散到華中、閩、渝地區。低-低聚集區則轉移到西北和西南地區。低高地區則由華北、華東和東北地區轉變為華東、華北地區。高-低聚集區轉移到西北地區、東北、西南和華南地區。政府在制定有關農業綠色發展的政策時，可以根據不同省市的地理位置特點進行分類處理，重點加強“低－低”聚集區的發展，嚴格把控“低－高”聚集區和“高－低”聚集區，繼續推進“高－高”聚集區的發展，讓各地區綠色農業發展不斷滲透，提高中國資源節約型農業綠色技術進步（AEGTP）水平。

整體來看，農業綠色技術進步（AGTP）和資源節約型農業綠色技術進步（AEGTP）、環境友好型農業綠色技術進步（ACGTP）的時空發展格局有一定差異。國家政策扶持導向上的農業綠色技術進步整體維度一樣，但不同類型農業綠色技術進步的聚集度也存在差異。各地要根據地區資源稟賦的條件，取長補短、因地制宜，運用科技與技術等手段發展綠色農業，縮小地區間和地區內農業綠色技術進步水平的差距。例如：定期進行農業的培訓和教育，從根本上幫助農民使用現代農業綠色技術。

3.4農業綠色技術進步的空間溢出效應

3.4.1模型檢驗

由于農業綠色技術進步具有顯著的空間自相關性，本文使用空間計量模型進行估計。在測量和分析模型之前，我們應該判斷空間計量模型的合理性。本文采用拉格朗日

乘數檢驗（LM檢驗）、似然比檢驗（LR檢驗）和瓦爾德檢驗（Wald檢驗）測試發現， LM檢驗值和穩健的LM檢驗值均顯著為正，表明應采用空間杜賓模型（SDM）。同時，似然比檢驗（LR檢驗）和瓦爾德檢驗（Wald檢驗）的結果也表明，相鄰矩陣下的空間滯后模型（SAR）和空間誤差模型（SEM）也均在1%的顯著性水平上拒絕了原假設，空間杜賓模型（SDM）應該是最佳選擇。各檢驗值具體結果見表3-3。

表 3-3 LM、 LR 和 Wald 測試結果

Table 3-3. LM、 LR and Wald test results

model index AGTP

value AEGTP

value ACGTP

value

LM 100.0821*** 991.1759*** 29.4485***

SAR Robust LM 51.7177*** 2046.5514*** 4.3247**

LR 100.3886*** 2060.3792*** 30.6545***

Wald 18.8969*** 96.9256*** 154.7637***

LM 129.2540*** 1286.2527*** 884.1358***

SEM Robust LM 114.2762*** 8540.9430*** 4228.0710***

LR 130.5410*** 8548.6394*** 4231.5970***

Wald 28.2240*** 529.5495*** 121.4721***

注： ***、**和*分別表示在1%、5%和10%的水平顯著

3.4.2 空間溢出效應結果分析

本文根據 Hausman 檢驗下“隨機效應與固定效應”的假設檢測，并依據 Hausman 假設結果決定采用隨機效應或固定效應下的空間杜賓模型，具體采用的模型見表 3-4。同時，因在時間固定、空間固定和雙固定下的空間固定效應的估計結果最優，故本文的固定效應模型采用的是空間固定的空間杜賓模型。最后，為更好進行分析，本文還運用 SDM 模型的偏微分法，將相鄰空間權重矩陣下的總效應分解為直接效應和間接效應，結果見表 3-4。

整體來看，城鎮化水平（City）、農業技術人員（TEAN）、財政支農政策（FIN）對本地和周邊地區的農業綠色技術進步及其不同類型均為提升作用。行政型環境規制（CER）和經濟型環境規制（EPR）對本地和周邊地區的農業綠色技術進步及其不同類型均為抑制作用。農民可支配收入（PIC）對本地綠色技術進步或其不同類型具有抑制作用，但是對周邊地區綠色技術進步或其不同類型具有提升作用。其中：

（1）城鎮化水平（City）對本地農業綠色技術進步其不同類型的影響具有抑制作用，但對周邊地區農業綠色技術進步其不同類型的影響具有提升作用，對農業綠色技術進步其不同類型總效應也為正。即，城鎮化水平的上升會提高農業綠色技術進步（AGTP）。只是需要注意，其對本地抑制作用的特殊性。可能的解釋是，對本地而言，城鎮化進程的加快，讓本地農業人才、資金、技術等因轉業而流失，或者土地城鎮化降

低農業技術使用，不利于本地綠色技術的進步。對外地而言，城鎮化進程的加快，市場化程度的提高，迫使農業生產向現代農業轉型，帶動區域農業基礎設施的完善，促進人才、資金、技術等要素資本向農業集聚，有助于綠色技術的進步。與此同時，城鎮化水平的提高也會加快綠色技術向周邊傳播和應用的速度，它為周邊農業綠色技術的進步提供了低成本的環境，進而再一步促進農業綠色技術創新水平的整體提升。最后，分類型看，城鎮化水平（City）僅對環境友好型農業綠色技術進步（ACGTP）的提升作用顯著。這說明進行不同類型農業綠色技術進步的空間溢出效應驗證是正確的。這也說明了不同類型農業綠色技術進步具有特殊性，值得進一步去探討不同類型農業綠色技術進步與碳排放的機理與效應。

（2）農民可支配收入（PIC）對農業綠色技術進步（AGTP）的直接效應、間接效應和總效應均不顯著，但系數均為正。雖然不顯著，但是系數方向與預期基本一致。主要是農民可支配收入（PIC）一般被認為是農業經濟發展水平的重要體現。在經濟發展上，通常認為一個區域的經濟增長能有效地促進創新活動，為創新提供物質基礎，創造良好的創新環境，加強信息交流，有利于技術、知識、人才的積累，同時有助于增強創新意識以及強化創新動力（王建華， 2019）。因此，我們要關注具有市場應用價值的綠色生產技術研發和推廣，成為農業提升盈利能力的核心驅動力（黃磊等， 2019）。然而，農民可支配收入（PIC）對不同類型農業綠色技術進步的作用不一，其對本地資源節約型農業綠色技術進步（AEGTP）具有顯著的抑制作用，但是對周邊地區資源節約型農業綠色技術進步（AEGTP）具有顯著的提升作用。可能的原因是，收入越高的農戶或農業企業往往更容易實現農業機械化、現代化、集約化。然而，資源節約型農業綠色技術進步的推廣、采用等需要一定的沉沒成本，這對本地農業生產主體是負擔，也“遵循成本”效應定律，但是對周邊地區具有輻射帶動作用，符合存在“趕超”效應原理。

（3）農業技術人員（TEAN）對農業綠色技術進步其不同類型的影響為正，但基本不顯著。出現這種現象的主要原因可能是，受教育程度較高的技術者提高了農業生產方式，會提高產出效率。然而，現階段各地區農業技術人員的人力資本水平與經濟發展要求不能完全相匹配（趙領娣等， 2014）。比如，經濟增長方式還沒有完成向集約型的完全轉變，仍然表現出較強的粗放型特征，此外，分類型看，農業技術人員僅對資源節約型農業綠色技術進步（AEGTP）顯著。可能的原因是，資源節約型農業綠色技術進步（AEGTP）擁有高質量技術性質，不同的資源節約型農業綠色技術進步（AEGTP）模式、常見的維修養護技術、先進的機器使用都需要一定的技術人員指導，所以顯著。

（4）財政支農政策（FIN）是經濟能力的體現，其能夠為綠色技術進步的發展提供相關配套設施、人力資源和產業基礎、科技基礎，進而影響綠色技術。此外，經濟較好的地區工作機會較多，基礎設施較健全，監督體系較完善，形成資本與勞動力的集聚效應，增強了本地區的創新水平（王赫等，2020）。然而，在表4-3中財政支農政策（FIN）

對本地綠色技術進步的影響為抑制作用。可能的原因是，對于綠色環境而言，農業財政政策會改變農業投入品和農產品的相對價格，影響農戶生產行為，從而對資源環境產生不同影響。例如，農業價格補貼就是對農產品購銷環節及農用生產資料進行補貼，如化肥、農膜、農藥補貼等。這種補貼在一定程度促進了農業生產和供給，卻容易污染土壤、水等自然資源，甚至危及農產品安全。因此，化肥和農藥的補貼政策可能會使得農戶增加化學要素的投入數量，相對而言降低了對環境的污染，不利于本地農業綠色技術進步。此外，農業補貼不以財政撥入等直接方式補貼，而是通過購銷環節的流通渠道間接進行，中間企業是主要受益群體，農民沒有直接收益，這也明顯有悖于財政支農綠色化目標精準化和“綠箱”政策基本要求，無法促進農業綠色發展。最后，財政支農政策（FIN）無法顯著支持資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）。可能原因是，農業具有基礎性和弱質性，財政支農資金作為農業保護和支持手段，但是存在節水灌溉技術和綠色環境友好型農業綠色技術進步

（ACGTP）發展上財政支農嚴重不足的問題。另一方面，農業價格政策改善了農業貿易條件，降低了農戶銷售的風險，提高了農戶生產的積極性，良種補貼和農機購置補貼有利于農業機械化進程推進及先進農機的使用和推廣，但也不是綠色生態的支持。

（5）經濟型環境規制（EPR）對本地區的農業綠色技術進步具有顯著的負向影響。這與“引致創新假說”結果基本不一致，但“遵循成本”效應。可能的原因是，本文選取污染治理費作為經濟型環境政策，而污染治理費僅對已經產生的污染進行治理，并沒有對綠色技術的進步與創新產生支持作用。反而，因為污染治理費用的投入加大，導致農戶或農業企業產生“財政依賴”。即，反正產生污染有資金來治理，綠色技術是否進步都沒關系，甚至會因此造成更多的污染。經濟型環境政策對周邊地區則具有顯著提升作用。這與“遵循成本”效應基本一致。

（6）行政型環境規制（CER）對本地區農業綠色技術進步的效應具有正向影響，但不顯著。可能的原因是，農業綠色技術進步不僅度量了農業生產過程中的技術發展，還要考慮農業污染排放的問題，只有合理的行政型環境規制政策和能實現利潤最大化的動機才能使得技術進步偏向綠色。另一方面是，目前國內行政型環境政策的弱勢性無法有效的促進農業綠色技術的進步。農業發展主要以基礎農產品生產和供給為主導，生產方式較為傳統，各種命令性政策在農業向綠色發展的過程的影響有限。特別是，部分地區害怕行政型環境規制過度，使得整體農業經濟運行收到沖擊，為了規避環境政策對經濟的不利影響甚至會出現執法不嚴的現象。其次，行政型環境規制（CER）對鄰近地區農業綠色技術進步的間接效應顯著為負。可能的原因是，本地行政型環境規制程度越高，周邊鄰近地區可能出現效仿行為。最后，針對行政型環境規制（CER）對資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）的影響均與綠色技術進步不一致，但均不顯著。這可能是目前關于資源節約型農業綠色

技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）的政策較少。這也說明目前的推廣擴散機制、技術的區域適宜性布局與規劃、技術推廣的配套政策等方面研究不足也限制了推廣與應用。因此，以環境政策督導為契機實現農業技術進步偏向綠色生產，以達到經濟與環境協調發展是未來研究的重要一環。

（7）此外，從類型角度看，各影響因素對農業綠色技術進步（AGTP）的影響系數更高，但對不同類型農業綠色技術進步的影響顯著性更強。其中，城鎮化水平（City）、農民可支配收入（PIC）、農業技術人員（TEAN）、財政支農政策（FIN）和行政型環境規制（CER）對資源節約型農業綠色技術進步（AEGTP）或環境友好型農業綠色技術進步（ACGTP）分別顯著，但是對綠色技術進步整體并不顯著。這說明進行不同類型農業綠色技術進步的空間溢出效應驗證是正確的，也說明不同類型農業綠色技術進步具有特殊性，值得探討不同類型農業綠色技術進步對碳排放的機理與效應是否具有差異。最后，各影響因素對資源節約型農業綠色技術進步（AEGTP）比環境友好型農業綠色技術進步（ACGTP）的空間溢出效應更顯著。

表 3-4 全樣本 SDM 模型及其直接效應與間接效應 Table 3-4 SDM model and its direct and indirect effects

直接

效應 AGTP

間接

效應總

效應直接

效應 AEGTP 間接效應總

效應直接

效應 ACGTP 間接效應總

效應

City -0.055 0.058 0.003 -0.045 0.243 0.198 -0.135 0.419* 0.284**

(0.047) (0.145) (0.143) (0.235) (0.215) (0.123) (0.145) (0.216) (0.126)

PIC 0.008 0.007 0.015 -0.200* 0.277* 0.077 0.156 -0.086 0.070

(0.016) (0.035) (0.037) (0.113) (0.143) (0.050) (0.099) (0.086) (0.060)

TEAN -0.001 0.038 0.037 -0.042 0.216** 0.174 0.043 -0.038 0.005

(0.007) (0.028) (0.033) (0.049) (0.090) (0.109) (0.031) (0.083) (0.102)

FIN -0.063 1.355*** 1.292*** 0.191 -0.629 -0.439 0.177 -0.581 -0.404

(0.202) (0.323) (0.272) (0.299) (0.554) (0.336) (0.606) (1.239) (0.693)

CER -0.001 0.001 -0.001 0.001 -0.002* -0.002* 0.000 -0.001* -0.001

(0.001) (0.001) (0.001) (0.001) (0.001) (0.001) (0.001) (0.001) (0.001)

EPR 0.001 -0.048*** -0.047*** -0.028 0.075 0.047 -0.045 0.0382 -0.007

(0.005) (0.015) (0.015) (0.035) (0.048) (0.030) (0.028) (0.039) (0.020)

rho 0.601*** 0.293*** 0.096*

(0.037) (0.056) (0.049)

lgt_theta 15.550*** -0.088

(0.243) (0.670)

sigma2 0.009*** 0.005 0.030

(0.002) (0.004) (0.025)

常數項 0.212 -0.520

(0.197) (1.264)

觀察項 600 600 600 600 600 600 600 600 600

R2 0.145 0.145 0.145 0.007 0.007 0.007 0.091 0.091 0.091

Number 30 30 30 30 30 30 30 30 30

模型 FE RE FE

注：（1）括號內為誤差項；（2）***、**和*分別表示在1%、5%和10%的水平顯著。

3.5 本章小結

隨著綠色發展理念的深入，對農業綠色技術進步進行測度動態監測已受到普遍關注，而分析其時空動態演進特征和影響因素是有效制定綠色發展政策和實現環境保護措施的關鍵。本文以狹義農業—種植業為研究對象，利用 EBM-GML 測度農業綠色技術進步指數，據此分析了中國 30 個省（自治區、直轄市）2000-2019 年農業綠色技術進步及其不同類型的時空動態演進特征，并從直接效應、間接效應和總效應三個方面探討其空間溢出效應。主要結論和啟示如下：

（1）從時空視角看，時間維度上的中國農業綠色技術進步及其不同類型整體呈上升狀態，集中程度呈下降，地區差異先縮小后拉大的發展趨勢。空間維度上，全局層面的農業綠色技術進步及其不同類型的空間自相關檢驗結果呈顯著的正相關，各地區區域發展不均衡現象明顯。農業綠色技術進步及其不同類型的高-高聚集區主要集中在華北、華東，低-低聚集區主要集中在西北和西南地區。

（2）從類型角度看，農業綠色技術進步及其不同類型的時空發展格局有一定差異。農業綠色技術進步（AGTP）聚集顯著性水平高，聚集區域較為集中。農業綠色技術進步的高-高聚集區主要在華北、華東和華南等地，低-低聚集區主要在西北和西南等地。資源節約型農業綠色技術進步的高-高聚集地區主要集中在東部沿海，低-低聚集區主要集中在南方地區。環境友好型農業綠色技術進步的高-高聚集地區主要集中在華東地區，低-低聚集區則在西北和西南地區。

（3）從農業綠色技術進步的空間溢出效應來看，城鎮化水平（City）、農業技術人員（TEAN）、財政支農政策（FIN）對本地和周邊地區的農業綠色技術進步及其不同類型的影響均為提升作用。行政型環境規制（CER）和經濟型環境規制（EPR）對本地和周邊地區的農業綠色技術進步及其不同類型均為抑制作用。農民可支配收入（PIC）對本地綠色技術進步或其不同類型具有抑制作用，但是對周邊地區綠色技術進步或其不同類型具有提升作用。從類型角度看，各影響因素對農業綠色技術進步（AGTP）的影響系數值更高，但對其不同類型農業綠色技術進步的影響顯著性更強。這說明進行不同類型農業綠色技術進步的空間溢出效應驗證是正確的，也說明不同類型農業綠色技術進步具有特殊性，值得探討不同類型農業綠色技術進步對碳排放的機理與效應是否

具有差異。同時，各影響因素對資源節約型農業綠色技術進步（AEGTP）比環境友好型農業綠色技術進步（ACGTP）的空間溢出效應更顯著。

第四章農業碳排放的測度及時空演進

4.0 問題的提出

有相關的科學研究發現，因碳排放逐年增加使得地球表面氣溫上升，也導致了冰川融化、海平面上升、熱帶疾病等問題。這些問題不得不讓人思考，生活在地球上幾百萬年的人類正面臨著前所未有的生存環境壓力，枯竭的資源環境，退化的生物群落，下降的地下水位，日益減少的河道、湖泊等，無法使得地球生態環境得到有效平衡，高碳化下的環境日益惡化。因二氧化碳等溫室氣體產生的氣候變化嚴重影響著生態環境和人類社會的可持續發展，如何實現碳減排已成為國際社會和學界關注的主題（鄧悅， 2017；Deng Yue 等，2021）。習近平總書記在 2020 年 12 月舉辦的氣候峰會上宣布到 2030 年中國單位生產總值二氧化碳排放將比2005 年下降65%以上，并在《生物多樣性公約》第十五次締約方大會領導人峰會上承諾力爭2030 年前實現碳達峰、2060 年前實現碳中和的目標。同時，習近平總書記在 2022年十三屆全國人大五次會議內蒙古代表團的審議說，‘雙碳'目標是從全國來看的，要按照全國布局來統籌考慮。

農業二氧化碳排放占中國二氧化碳排放總量的17%左右（黃杰等，2021），農業肩負著重要的減排責任。特別是，中國作為一個農業生產大國，農業碳排放量和碳排放占比也在不斷增加（Ertugrul, 2016）,農業碳排放局勢十分嚴重（田云和張俊飆，2014）。中國農業生產碳排放量是多少？如何科學合理地測度農業碳排放？農業碳排放是否具有區域差異和明顯的階段性特征。各地區農業碳排放水平是否會隨著時間的推移而出現收斂性?受哪些因素的影響？對以上問題的回答是制定差異化農業碳減排政策的重要前提。特別是，中國地域廣闊、氣候與土壤類型多樣、區域經濟發展水平、農業生產技術等方面存在較大差距從而導致農業碳生產率呈現出明顯的空間非均衡特征。現有關于農業碳排放的的研究大多局限于某一省（區），以大尺度區域為研究對象難以衡量農業碳排放影響因素的空間特征與不均衡性，且缺乏全國層面對農業低碳發展水平的深度探討。其次，影響因素的研究以全局模型為主，忽視了空間位置重要性和非平穩性。科學測度和識別分析中國農業碳排放的時空分布特征及其斂散性，對于客觀認識中國農業碳排放水平，對提高農業生產效率和保護農業生態環境具有重要意義。

4.1模型構建、變量選擇與數據說明

4.1.1模型構建

1.農業碳排放的測度

本文主要以狹義農業（種植業）為研究對象，參考陳儒等（2017）、鄧悅等（2021）關于農業碳排放測算的研究，選擇的是IPCC （政府間氣候變化專門委員會）提出的排放因子法進行碳排放估算。即種植業不同碳源的使用量與其對應的排放因子相乘得到不同碳源的碳排放量，然后將不同碳排放的碳排放量累加，得到種植業總的碳排放量。其主要包括化肥、農藥、農膜、柴油、農藥灌溉和翻耕這六類能源類碳源。其測算公式如（ 4-1）所示：

Cf =Z pd （4-1）

其中，公式（4-1）中，Cf農作物o的碳排放量，T為碳排放源的使用量，d為碳排放因子。其中，碳排放因子系數值具體參考田云等（2013）、陳儒等（2017）和鄧悅等（2021）研究成果，各碳源碳排放因子如表 4-1 所示。

表 4-1 種植業碳排放主要碳源碳排放系數

Table 4-1 Agricultural carbon emission coefficient

碳源碳排放系數參考來源

化肥 0.8956 C/kg 美國橡樹嶺國家實驗室

農藥 4.9341 C/kg 美國橡樹嶺國家實驗室

農膜 5.18 C/kg 南京農大農業資源與生態環境研究所

柴油 0.5927 C/kg IPCC

翻耕 312.6 C/km2 陳阜等

灌溉 266.48 C/hm2 段華平等

注：借鑒田云等（2013）、陳儒等（2017）和鄧悅等（2021）等學者研究成果

2.農業碳排放強度的測度

該強度采用種植業碳排放總量與平減處理的種植業實際總產值（TO）的比值表示。即：

CI = Cf。/ TO （4-2）

3.絕對收斂分析方法

（1）檢驗g收斂

目前用于檢驗g收斂的方法主要是分布估計法中的標準差和變異系數（劉興凱等， 2010；楊正林等， 2008；崔瑜等， 2021），模型如下：

V = S/CI. （4-3）

TV CI. - C.]

S 一— （4-4）

V n

其中，V表示變異系數，"表示地區個數，S表示標準差，C|.代表i地區的農業碳排放強度，C.代表所有省份農業碳排放強度的平均值。

（2）絕對卩收斂檢驗

借鑒彭國華（2005）和崔瑜等（2021）的絕對#收斂檢驗方法，本文將農業碳排放強度的絕對#收斂模型設定為：

（lnCIjt+T - lnCI.）/ T = a + ftlnCI^ + （4-5）

其中，T為研究時間跨度，lnCItt表示i省份初始年份農業碳排放強度，（lnCIitT - lnCI,t）/ T表示i省份在T時期內農業碳排放強度的年均增長率。如果/ <0且在統計意義上顯著，表示農業碳排放強度存在絕對#收斂，反之則不存在。

4.條件收斂分析方法

本文借鑒王寶義等（2018）、崔瑜等（2021）的方法，文章在農業碳排放強度（CI）絕對B收斂模型中引入城鎮化水平（City）、農民可支配收入（PIC）、農業技術人員（TEAN）、農業價格政策（PP）、財政支農政策（FIN）、經濟型環境規制（EPR）、行政型環境規制（CER）、勞動力水平（labor）、農業要素投入結構（ES）、農業要素投入效率（EE）、農業產業結構（PS）等控制變量，得到條件0收斂模型（3-6）式，并采用面板數據固定效應方法檢驗效率是否存在條件0收斂。

Yit = ao + PlnCIi,t-i + aiXit + sit （4-6）

其中，Yit為i省第t—1時期到t時期農業碳排放強度的增長率，CIit-1為i省第t—1 時期的農村綠色化發展效率，Xit為i省在第t時期的控制變量，sit為隨機誤差項。

4.1.2 變量選擇與數據說明

為探索農業碳排放收斂性影響因素，本文選取的具體相應指標如下：（1）城鎮化水平（City）。本文以城鎮人口與總人口比值表征城鎮化水平，比值越高，城鎮化水平越高（戴小文等，2015）。（2）農民可支配收入（PIC）。本文將環比農村居民消費價格指數調整為以 2000年為基期的定基指數，并對可支配收入進行平減（潘丹， 2012）。（3）農業技術人員（TEAN）是農業科技質量的重要體現，本文選用公有經濟企事業單位農業技術人員作為農業科技質量的重要指標（張傳慧，2020）。（4）農業價格政策（PP），采用的是農產品生產價格指數與農業生產資料價格指數之比。因2003 年之前農產品生產價格指數缺失，本文參考采用張傳慧（2020）的研究采用農產品收購價格指數替代。

（5）財政支農政策（FIN）。該指標數據由各省份用于農業的各項財政支出與財政總支出的比值來表示（周鵬飛等，2019）。（6）經濟型環境規制（EPR）。本文借鑒展進濤等（2019）的研究，采用平減處理的單位農業總產值財政環境保護支出來衡量。（7）行政型環境規制（CER）。本文以各省級當年施行的環境規制政策數量衡量命令型環境規制（展進濤等，2019）。（8）農業要素投入結構（ES）。本文選取當年農業能源消費總量與總能源消費比例來衡量（Xu X等，2021），比值越大，表示農業在農業非清潔要素

投入中的比重越高，反之，則說明農業非清潔要素投入比重越低。（9）農業要素投入效率（EE）。本文選取農林牧漁能源消費總量與平減處理的實際總產值來衡量（李建華等，2011），比值越大，農業要素投入效率越低，反之，農業要素投入效率越高。（ 10）農業產業結構（PS）本文選取糧食播種面積與作物總播種面積之比來衡量。具體描述性統計如表 4-2。此外，為更好的減少模型的誤差項和消除數據的非平穩性，本文對數值型數據均進行對數處理，其余比值型數據均使用原始值。

表 4-2 描述性統計分析

Table 4-2 Descriptive statistical analysis

平均值標準差最小值最大值

CO 222.59 165.46 7.77 777.28

CI 264.529 103.442 55.109 626.468

City 0.397 0.125 0.141 0.668

TEAN 25041.390 12569.280 5680.000 49667.000

FIN 0.103 0.044 0.013 0.184

CER 31.233 50.862 0.000 235.000

PIC 3641.290 1984.272 1374.160 9299.849

EPR 6.354 3.598 0.904 17.804

PS 0.636 0.106 0.357 0.839

ES 0.029 0.021 0.004 0.087

EE 3.668 2.041 0.979 8.536

PP 1.022 0.065 0.879 1.315

PGDP 1.241 1.000 0.171 4.824

4.2農業碳排放的測算與時空動態演進

4.2.1農業碳排放總量的時空動態演進

1.中國農業碳排放量的時序演變趨勢

圖 4-1 描述了 2000-2019 年中國農業碳排放量的變動情況。整體來看，2000-2015 年中國農業碳排放總量呈現明顯的波動上升趨勢，即由2000年的5226.45xl07Kg C波動增至 2015 年的 7626.98x107Kg C，年均增長 2.55%。2015-2019 年則從 7626.98x107Kg C下降到6731.20x107Kg C,年均下降率為3.08%。具體來看，中國農業碳排放總量整體呈現“波動上升-緩慢下降”的階段性特征，分為波動上升期（2000-20015 年）和緩慢下降期（2016-2019年）。其中， 2015 年為樣本研究期內農業碳排放量的最高點，這與程琳琳（2018）等學者的研究結果基本一致。此外，就當前農業碳排放量變化趨勢看，其在未來幾年內可能仍將處于持續下降的狀態。

從中、東、西部三大經濟分區角度看，東、中、西部的農業碳排放總量發展趨勢各有不同。具體表現為：東部地區的農業碳排放總量居中，且其碳排放總量水平低于全國平均水平，并且在2010年達到了農業碳排放總量的最高點，此后持續下降。碳減排水

63 平處于領先水平。主要原因是東部地區自然資源環境優越、經濟的發展好，也具備最好的科技、資本、基礎設施等，為解決農業高投入、高消耗的問題提供了有利支撐。中部地區的農業碳排放總量最高，且在 2006 年超過了其他地區。中部地區的自然環境優越，但經濟發展程度較低，區域內科技發展、農業基礎設施等綠色低碳農業發展條件較低。同時，中部地區的農業生產規模較高。河南、吉林、黑龍江等糧食主產區省份均在中部地區，其種植業各類生產遠高于全國其他地區。此外，西部地區的農業碳排放總量遠低于全國平均水平，但是其碳排放最高值在2015 年。這主要是西部地區自然環境較為惡劣、經濟發展水平較低，高碳排放的農業生產活動也增長較快，所以西部碳排放總量的最高值出現滯后性。從糧食和非糧食主產區兩大糧食分區角度看，糧食主產區和非糧食主產區的農業碳排放總量發展趨勢也各有不同，13 個糧食主產區農業碳排放量占總碳排放量的 65%以上，且糧食主產區的碳排放總量顯著高于全國平均和非糧食主產區。糧食主產區農業對化肥、農藥等要素投入的需求超過非糧食主產區和全國平均水平，所以農業碳排放量整體大。糧食主產區農業生產仍然面臨“增產”和“增綠”的雙重壓力。這也表明農業大省或糧食主產區高投入、高消耗、高排放的農業生產方式尚未發生根本性改變。此外，糧食主產區和非糧食主產區在 2015 年左右均出現了一波碳排放總量峰值。在向全國雙碳目標邁進過程中，各地做出了巨大努力。

整體上看，東中西部三大區域和糧食兩大分區的區域差異，也進一步驗證了中國農業碳排放存在顯著的空間集聚性和相關性。本文認為，三大區域層面二氧化碳排放的變化趨勢與經濟增長方式等密切相關，兩大糧食分區則與農業生產活動有關。比如，東部地區增長快的是經濟總量增長的結果，西部地區增長慢則與自然環境和粗放的經濟增長方式有關，糧食主產區則與種植業規模有關，中部地區則與經濟增長和糧食種植活動均有關系。因此，進一步分析不同經濟水平和農業生產活動下的農業碳排放發展趨勢才能更好說明農業碳排放的準確性。此外，從農業碳排放總量而言，2015 年的全國、中西部地區、兩大糧食分區和 2010 年的東部地區均出現了農業的碳排放峰值，這與現有的研究成果基本一致（章勝勇等，2020；吳昊玥等，2021）。然而，2015 年的碳排放總量峰值下降并不能代表在2030年前農業行業內的碳排放總量不會再上升和農業已經實現了碳達峰，這仍需進一步驗證。因此，進行農業碳排放的預測十分必要。

全國糧食主產區非糧食主產區

東部一•一中部一•一西部

圖 4-1 2000-2019 年中國農業碳排放總量的變動趨勢

Figure 4-1 Trend of China's total agricultural carbon emissions from 2000 - 2019

2.農業碳排放總量的區域差異特征

圖 3-2 展現了中國東、中、西三大地區農業碳排放總量的泰爾指數變動趨勢。2000- 2019 年中國農業碳排放總量的區域差異整體呈上升趨勢，全國的泰爾指數從 0.50 升至 0.52，波動幅度較小。通過泰爾指數分解發現，（1）地帶內和地帶間差異的演變與總體差異演變高度一致，其差異均呈平穩狀態。然而，地帶間差異遠大于地帶內差異，地帶間對總體差異的平均貢獻率高達 63.31%，地帶內差異對總體差異的貢獻率僅為 36.69%，地帶間差異是形成區域差距的主要原因。（2）地帶間差異主要由東中部與西部相差造成的。西部地帶和中東部地帶之間差距較大，中東部之間幾乎沒有差距。（3）值得注意的是，西部地區的內部差異最小但差異在上升，東部居中但差異在下降，中部地區最大但差異也在上升。因此，中、東、西部區域間整體呈“異質化”的狀態。

神襯袒材襯神材斥護神襯襯少榭襯杪晶神神

全國東部中部西部••…•••…地帶內一•一地帶間

圖 4-2 2000-2019 東中西部地區農業碳排放的泰爾指數趨勢分布

Figure4-2 Theil index trend distribution of agricultural carbon emission intensity from 2000 — 2019

圖 4-3 展示了中國糧食主產區和非糧食主產區兩大地區農業碳排放總量的泰爾指數變動趨勢。通過泰爾指數發現：（1）地帶內和地帶間差異的演變與總體差異演變高度一致，均呈平穩發展態勢。（2）糧食主產區差異略有縮小，而非糧食主產區的差異略有增長。這說明糧食主產區的碳排放總量在區域內縮小，而非糧食主產區的區域差距在擴大。（3）地帶間差異也遠大于地帶內差異，地帶間對總體差異的平均貢獻率高達 83.60% ，顯著高于中、東、西部三大地區的區域差距。地帶間差異主要由糧食主產區的原因造成。

1.1

0.55

圖4-3 2000-2019糧食分區農業碳排放的泰爾指數趨勢分布

Figure 4-3 Theil index trend distribution of agricultural carbon emission intensity from 2000 一 2019

4.2.2農業碳排放強度的時空動態演進

1.農業碳排放強度動態變化的總體分析

為分析農業碳排放強度的動態變化趨勢，又因篇幅限制，本文僅給出 2000、2006、 2012 及 2019 年的農業碳排放強度指數（表 4-2）。（1）從時間維度來看，2019 年的農業碳排放強度較 2000 年均顯著下降。其中，2012 年的農業碳排放強度較 2006 年各省份下降值最大。但 2019年較 2012年農業碳排放強度減少的幅度并不明顯。（2）從空間維度來看，僅吉林的 2019 年農業碳排放強度較 2012 年有所上升。寧夏、湖北、陜西、青海和廣西五省的農業碳排放強度下降最快，為農業碳減排起到了示范和帶動的作用。內蒙古、吉林、新疆、海南和北京五省的農業碳排放強度下降最慢。究其原因是，地區間存在發展不平衡問題，人才、資金等生產要素的流動成為促進區域優勢和平衡人口規模與資源異質性的重要途徑。特別是，中國農業市場是由被分割的局部構成，而各個地區農業的差異是由不同農戶行為模式構成（文琦，2009），這導致各地區碳排放強度差距顯著。我們需要加強各個地區間產業、就業方式、消費結構等的交流與互動，打破區域間以及城鄉隔離關系的界限（國家發改委宏觀經濟研究院課題組，2004），加快后發地區學習先發地區先進減排生產技術，才能逐步縮小地區間碳減排的差距。（3）此外，中國農業碳排放強度的全國層面、三大區域分區和兩大糧食主產區平均值，分別比 2005 年降低了 49.07%、51.56%、41.77%、55.21%、44.66%和 52.91%。這個數字基本表明農業可以提前達到以 2005年為基準年在 2030年下降 60-65%的承諾，基本扭轉了二氧化碳排放快速增長的局面，也充分肯定了農業碳減排政策的積極作用。在未來，各地應因地制宜地積極探索綠色低碳農業生產的模式，加強農業碳減排技術的引進，增加政策環境的適宜性，從而全面達成農業碳減排目標。

表4-2部分年份中國農業碳排放強度值單位：kg/萬元

Table 4-2 China's agricultural carbon emission intensity values in partial years

年份 2000 2006 2012 2019 年份 2000 2006 2012 2019

東部均值 346.50 305.04 205.06 157.09 河南 375.09 334.03 273.13 219.28

北京 259.08 207.76 143.31 124.91 湖北 495.89 403.87 247.30 172.07

天津 320.22 335.02 245.13 138.21 湖南 348.87 292.21 167.45 153.05

河北 462.23 459.54 237.42 219.72 廣西 448.52 331.50 236.35 151.16

上海 340.44 227.17 162.96 177.67 吉林 400.72 335.54 307.85 437.90

江蘇 359.03 321.19 189.45 151.31 黑龍江 419.50 327.08 216.81 143.69

浙江 396.52 368.22 248.04 190.01 西部均值 374.60 316.04 21 &63 145.80

福建 392.63 326.06 192.93 138.06 重慶 331.73 321.80 182.43 120.26

廣東 298.22 237.37 185.17 125.95 四川 306.81 272.32 147.63 94.82

山東 419.42 315.60 219.08 165.01 貴州 255.19 262.16 170.26 55.11

海南 252.91 286.28 236.89 133.67 云南 340.02 334.94 262.49 131.40

遼寧 310.81 271.16 195.29 163.46 陜西 479.89 327.02 261.13 168.09

中部均值 403.61 356.39 252.54 214.75 甘肅 309.68 278.91 220.96 162.02

山西 464.51 458.71 242.32 222.25 青海 443.62 323.68 188.22 111.76

內蒙古 295.67 327.61 279.31 264.83 寧夏 619.11 474.49 316.56 256.76

安徽 431.89 421.68 295.35 235.20 新疆 285.30 249.04 217.95 212.01

355.42 331.66 259.54 148.02 全國均值 373.96 325.45 224.96 172.92

2.農業碳排放強度時序演變趨勢

從圖 4-4 可以看出，農業碳排放強度在中國的發展變化經歷了平穩下降、急速下降、波動下降、急速下降四個階段。其中：

（1）2000—2003 年是平穩下降階段。在這一階段中國農業碳排放強度在起伏間呈現總體下降趨勢。這一時期，國家的各種農業新政策和舉措接連發布，加之農業技術等不斷提升，使勞作的積極性增強，促進了農業生產方式轉型，較大地提高了農業生產力水平，這應該是農業碳排放強度下降的重要推動力。

（2）2004—2013年是急速下降階段。2013年相較于 2004年的農業碳排放相差很大。這一階段經濟發展與資源環境矛盾的日漸凸顯，特別是高投入式生產帶來的農業污染等問題，農村綠色發展不容樂觀。政府通過綠色環境政策與制度設計，對地區農業綠色發展進行宏觀布局，在推動綠色農業發展和農業綠色技術進步中發揮著重要引導作用。各級政府根據地區農業發展基礎與需求，出臺一系列有助于地區農業綠色發展的指導意見。同時，在資金、法規、平臺等方面給予較多的綠色政策支持，增加了農業綠色發展政策的有效供給，降低了農業綠色發展的隱性和顯性成本，提升了農業綠色發展的盈利空間，提升農業節能、減排、降耗的積極性和主動性（黃磊等，2019）。與此同時，我們還支持開發新技術，投入綠色肥料，提高化肥利用率，促進農業碳排放績效的提升，降低了農業碳排放強度。

（3）2014—2017 年為波動下降階段，該時期農業碳排放強度略有波動，但年際間變化不大且 2017 相比于 2014 的農業碳排放強度有所上升。這一時期，農業成本增加，由于農戶負擔過重，農業增速明顯放緩，化肥投入增加，糧食產量減少，“三農問題” 進一步凸顯等問題，均影響了農業碳排放下降。

（4）2017—2019年為急速下降階段，2019相比于 2017的農業碳排放強度有所下降。這一時期，農業成本增加，由于農戶負擔過重，農業增速明顯放緩，化肥投入增加，糧食產量減少，“三農問題”進一步凸顯等問題，均影響了農業碳排放績效的提高（黃杰等，2021）。農業發展到今天，面臨著嚴峻的市場競爭壓力。受經濟和社會發展水平所限，關注具有市場應用價值的綠色生產技術研發和推廣，提升農業盈利能力（黃磊等，2019），我們需要在經濟發展上，為農業碳減排提供物質基礎，減少農業生產成本，創造良好的創新環境，加強信息交流，有利于技術、知識、人才的積累（王建華等， 2019）。在社會發展中，為農業碳減排創造較充分環境規制環境，為農業綠色高質量發展提供重要保障（徐輝等，2020），這樣才能更好實現農業碳減排。

全國糧食主產區非糧食主產區

東部中部 ■ 西部

圖 4-4 2000-2019 年農業碳排放強度趨勢圖

Figure 4-4 Trend chart of agricultural carbon emission intensity from 2000 - 2019

4.2.2.3 農業碳排放強度空間差異特征資源稟賦、經濟發展水平等方面的差異，導致各省的農業碳排放強度水平存在一定的差異。為了更加直觀地反映農業碳排放強度的空間梯度效應，本文借助ArcGIS軟件繪制了 2000、2006、2012 及 2019 年中國農業碳排放強度的空間分布圖，并采用自然段點法將農業碳排放強度分為五類，具體如圖 4-5 所示。

圖 4-5 農業碳排放強度空間差異

Figure 4-5 Spatial difference of agricultural carbon emission intensity

可以看出，（1）2000 年農業碳排放強度分布較不均勻，華北地區是高碳排放強度

主要聚集地區，華中、華東地區是較高碳排放強度的聚集地區。可能的原因是，通常認

為一個區域的農業與其經濟發展程度顯著相關，經濟增長能有效地促進創新活動。農

業的高產量與經濟效益最大化是主要追求的目標，華北、華中和華東地區在一定程度

上忽視了生態環境的保護，盲目投工投肥，出現農業碳排放強度高于其他地區的現象。

（2）2006 年農業碳排放強度分布較為均勻。華北地區的農業碳排放強度依然顯著高于其他地區，但碳排放強度存在明顯下降趨勢。農業生產效率的提高是碳排強度下降的主要原因。（3）2012 年，吉林、寧夏和安徽的碳排放強度分布極端化明顯，華中成為高碳強度地區，盲目追求經濟收益可能是碳排放強度分布極端化的主要原因。（4）2019 年，碳排放強度分布均又趨于平緩。這一時期，市場經濟的發展，環境問題凸顯，加快了對綠色化肥、農藥和綠色生產技術等成果的推廣，增強了生態環境的保護意識。然而，2019 年的中部地區的碳排放強度仍然較高。原因可能在于為實現農業的綠色低碳可持續發展，農業低碳轉型發展戰略的實施迫在眉睫，為此中國開啟了化肥減量提效、

農藥減量控害的“減肥減藥”行動，這顯著降低了農業生產過程碳排放總量，助推了中國碳生產率的快速提升（黃杰等， 2021）。然而，中部地區多屬于糧食主產區，且較之東部經濟欠發達，其綠色生態環境保護的后勁存在明顯不足的問題。整體來看，整個研究期內農業高排放的區域在空間上有所縮小，農業低排放的區域、中低排放的區域有所增加，且中、東、西部區域間呈“異質化”的狀態（張麗瓊等， 2021）。

圖 4-6 展現了東、中、西三大地區農業碳排放強度的泰爾指數變動趨勢。 2000-2019 年中國農業碳排放強度的區域差異整體呈下降趨勢，全國的泰爾指數從 0.67 降至0.61，波動幅度較小。通過泰爾指數分解發現，（1）地帶間差異遠大于地帶內差異，地帶間對總體差異的平均貢獻率高達 72.13%，地帶內差異對總體差異的貢獻率僅為 27.87%，地帶間差異也是形成區域差距的主要原因。地帶內差異在上升，而地帶間差異呈下降趨勢。（2）區域間差異排序為：東部＞中部＞西部，東部和中部地區的區域內差異在上升，地帶間差異主要由東、中部地區造成。因此，如何減少東、中部地區農業碳排放強度差異才是關鍵。

爐5襯護材襯神神神襯神聲襯襯神襯杪忒少神神

~^~全國東部 T^ 中部西部•…••…地帶內 T— 地帶間

圖4-6 2000-2019東中西部地區農業碳排放強度的泰爾指數趨勢分布

Figure 4-6 Theil index trend distribution of agricultural carbon emission intensity from 2000-2019

圖 4-7 展現了中國糧食主產區和非糧食主產區兩大地區農業碳排放強度的泰爾指數變動趨勢。通過泰爾指數分解發現，區域差異在時間上并沒有降低的趨勢。值得注意的是，糧食主產區和非糧食主產區的碳排放強度甚至在2017 年后呈上升趨勢。這說明 2017 年后的碳排放強度區域差異在擴大，需要重點解決，地帶間差異主要由糧食主產區的原因造成，其余發展趨勢均與前文碳排放量的泰爾指數發展趨勢一致。

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

—全國糧食主產區非糧食主產區

地帶內 “…•…“地帶間

圖4-7 2000-2019糧食分區的農業碳排放強度泰爾指數趨勢分布

Figure 4-7 Theil index trend distribution of agricultural carbon emission intensity from 2000 - 2019

4.3 農業碳排放強度的收斂性分析

4.3.1 絕對收斂性分析

為檢驗各省農業碳排放強度的趨同或發散情況，本文基于農業碳排放強度測算結果，沿用前文的方法，分別進行O收斂和絕對P收斂檢驗，在引入各控制變量后進行條件B收斂檢驗。

1. 0收斂分析

G收斂檢驗是針對存量水平的描述，可以反映農業碳排放強度的趨同或發散情況的動態過程（楊秀玉，2016）。因此，在g系數、基尼系數、標準差、變異系數等收斂性檢驗方法中，本文選用g系數來檢驗收斂性。如圖4-8所示。

圖4-8 200-2019年中國農業碳排放強度g系數變化情況

Figure 4-8 Changes of g coefficient of China's agricultural carbon emission intensity from 2000-2019

從檢驗結果來看，2000—2019 年中國農業碳排放強度隨時間推移呈現顯著的先下降后上升的波動趨勢，G趨同中CV值沒有減小，反而有增大的趨勢。即，農業碳排放強度地區間的絕對差距在縮小后逐步擴大，這基本與楊秀玉等（2016）的研究結果一致。其中， 2000-2012 年屬于碳排放強度縮小的第一個階段。差距縮小可能基于兩方面原因，一是高碳排放強度地區向低碳排放強度地區靠攏，二是低碳排放強度地區向高碳排放強度地區靠攏。在 2013-2019 年屬于農業碳排放強度擴大的階段，此階段差距逐漸擴大主要是區域間差距所致，且主要源于中部地區與其他區域間、糧食主產區和非糧食主產區的差距擴大。當然也有學者認為，這種差距擴大的趨勢并非一定意味著中國各地區農業碳排放強度是絕對擴大的（崔瑜等， 2020），為明確碳排放強度差距縮小和擴大的深層次原因，有必要進一步對農業碳排放強度進行絕對P收斂分析。

2.絕對p收斂分析

絕對P收斂目的在于判斷研究期內高農業碳排放地區是否存在向低農業碳排放地區聚攏，判斷農業碳排放是否存在“追趕效應”。如果存在“追趕效應”，就意味著未來的農業碳排放形勢在向好的趨勢發展。

表4-3的檢驗結果顯示，全國層面的基期農業碳排放強度的回歸系數P值大于0，說明不存在絕對P收斂，也說明了農業碳強度水平不會自動趨近到各自的穩態水平。因此，探討和分析各類因素對碳排放強度的影響并進行政策干預是必不可少的，即有必要進行條件P收斂檢驗。同時，三大區域、兩大糧食分區的基期農業碳排放強度的回歸系數0均顯著為正，表明各地區不存在“追趕效應”，即高碳排放強度地區對低碳排放強度地區不存在靠攏的趨勢。可能的原因是，各省在資源稟賦、經濟發展、產業結構以及技術水平等方面存在差異。此外，“綠箱政策”效應也具有一定的滯后性。因此，尚未表現出高碳排放強度地區對低碳排放強度地區趨近的“追趕效應”，這也進一步說明政策的執行需要具有連續性和持續性。

表4-3中國農業碳排放絕對B收斂檢驗結果

Table 4-3 Absolute B convergence test results of China's agricultural carbon emission intensity

項目全國東部中部西部糧食主產區非糧食主產區

p 1.007*** 0.991*** 0.986*** 1.038*** 0.987*** 1.021***

(0.012) (0.019) (0.023) (0.020) (0.018) (0.015)

常數項 -0.084 0.006 0.043 -0.262** 0.034 -0.163*

(0.066) (0.103) (0.130) (0.110) (0.102) (0.086)

觀察數 570 209 190 171 247 323

Number 30 11 10 9 13 17

R2 0.932 0.935 0.913 0.944 0.928 0.935

調整的 R2 0.928 0.931 0.908 0.941 0.924 0.931

F值 7377 2829 1868 2715 2994 4384

模型 FE FE FE FE FE FE

注：（1）括號內為誤差項；（2）***、**和*分別表示在1%、5%和10%的水平顯著。

4.3.2 條件收斂性分析

1•條件p收斂分析

條件p收斂目的在于判斷各地區農業碳排放強度是否趨近于各自的穩態水平（郭四代等， 2018），并探討各影響因素在其中的作用。本文分別對全國、三大經濟分區、兩大糧食分區的農業碳強度進行條件P收斂檢驗。此外，在經過Hausman檢驗后，所有模型均應采用固定效應模型。

由表4-4可知，研究期內農業碳排放強度不存在條件p收斂，即各省份不存在各自的穩態水平，亦不存在向該穩態水平收斂的趨勢，說明各地區內部農業碳排放強度也存在較大的差異，既沒有出現高碳排放強度地區對低碳排放強度地區的“追趕效應”，也沒有出現所謂“高者愈高、低者愈低”的“馬太效應”，這與前文的結果基本一致。各地的地理位置、經濟環境、受教育水平和城鎮化水平等等是地區差距的主要因素（李善同等， 2019）。加之，新政策覆蓋面的擴大和政策執行效果的顯現都需要一定的時間。因此，從現有研究看，各地區要實現真正意義上的協調、平衡發展以呈現出“追趕效應” 或條件收斂趨勢還有較長的一段路要走。各地必須要積極踐行十八屆五中全會提出的 “創新、協調、綠色、開放、共享”五大發展理念，促進全國統籌經濟發展與資源環境的協調性以縮小差距。

2.條件p收斂的影響因素分析

就影響因素而言，三大經濟分區、兩大糧食分區和全國層面的區別不大。全國和各地區的城鎮化水平（City）、農業價格政策（PP）、財政支農政策（FIN）、行政型環境規制（CER）、農業要素投入效率（EE）均顯著降低農業碳排放強度。然而，農民可支配收入（PIC）在東部顯著阻礙而在中部顯著增加農業碳排放強度。此外，基期農業碳排放強度（L.CI）均在1%的水平上顯著，系數顯著為正說明基期農業碳排放強度會促進滯后一期農業碳排放強度的提升，碳排放強度具有一定的滯后性。

（1）全國和各地區的城鎮化水平（City）對碳排放強度提升具有顯著的抑制作用，

且中部和糧食主產區的城鎮化水平對碳排放的抑制性水平顯著高于全國和其他地區。城鎮化進程中，勞動力、耕地等持續性外流，農業需要用更少勞動力、耕地去滿足城市更多的糧食需求，迫使農業生產向以化學化、機械化等為代表的現代農業轉型，有利于農業專業化和集聚經濟的發展（鄧悅， 2021）。同時，城鎮化意味著大量農村人口向城市轉移，得到較好的受教育機會，積累了人力資本，為經濟增長提供了更多清潔的生產技術，從而減少污染排放（張騰飛等， 2016）。這些也能更好的解釋，中部和糧食主產區的城鎮化水平對碳排放強度提升的抑制性水平更高。

（2）農民可支配收入（PIC）對碳排放強度提升的影響系數有正有負，存在區域異質性。其中，在東部和非糧食主產區的農民可支配收入顯著阻礙碳排放強度。然而，在中部和糧食主產區則顯著增加農業碳排放強度。農戶都是建立在經濟理性和成本收益比較分析的基礎上進行生產方向、生產規模以及生產方式等選擇的主體。農民可支配收入指農戶經過初次分配與再分配后獲得的收入，包括農業收入與非農收入，即農戶可支配收入既是農業經濟發展水平的反映，也是整體經濟的反映（鄧悅等， 2021）。農民可支配收入是農民經濟水平的重要體現，其在一定程度上影響農業農民的生產，進而影響農業碳排放。在農業經濟條件較好、技術水平較高的東部地區，城鄉消費者更注重對綠色產品的品質要求和對綠色環境的精神需求，更愿意去尋求地區綠色低碳循環發展的新方式。加之，在“綠色發展”理念下政策的推導，地方政府不斷豐富市場型政策工具，用市場機制引導農戶完成綠色轉型。中部和糧食主產區的經濟發展水平一般比較低，農民可支配收入較少，難以進行農業生產投資行為（鄧悅等， 2021），更難以進行新型綠色技術的改進。同時，為增加農業產量以增加農業可支配收入，其更容易增加化肥、農藥等使用量來增加產量。總體來說，經濟發展水平對農業碳排放的影響存在顯著的異質性，在進行政策優化過程中需要特別注意。

（3）全國和各地區的農業價格政策（PP）均能抑制碳排放強度上升，東西部和非糧食主產區的抑制作用更明顯。主要原因是，當前的中國農業市場交易受到農業價格政策影響。當農業價格提高，農戶生產的積極性提高，促進了農業機械化進程推進及先進農機的使用和推廣，進而促進農業經濟和環境協調發展（張傳慧， 2020），有利于農業碳減排。此外，農資綜合補貼對農業投入品—農藥、化肥、農膜的補貼會導致農戶生產成本下降和投入要素使用比例發生改變，從而造成農產品市場價格扭曲，以及浪費和不合理利用特定補貼投入品。因此，農業價格政策一定要控制在合理的范圍內。

（4）財政支農政策（FIN）具有抑制碳排放強度提升的作用。然而，僅全國、西部和非糧食主產區的抑制作用顯著。主要原因是：一方面，支農政策帶來的生產成本降低、新技術推廣和生產知識普及等一系列農業保護支持手段促進了農業生產者生產積極性提高，整體上促進了碳排放總量增長。與此同時，這也會增加農業生產總值，其對碳排放強度的影響是不一定的。另一方面，農業財政政策是調控農業的重要經濟手段。

支農財政歷來就是中國支持和發展的主要手段和政策工具，其對農民具有增收和減貧效應（高玉強等， 2020），對農業整體發展水平具有提升作用（趙璐等， 2011），對農業生產效率或農業技術效率具有效果（李曉嘉等， 2012）。農業經濟條件、技術效率水平對農業碳排放具有顯著的抑制作用，相對而言降低了碳排放的污染。

（5）經濟型環境規制（EPR）均顯著抑制全國及各地區農業碳排放強度的提升。其中，中部和糧食主產區的經濟型環境規制政策的抑制性效果更強。經濟型環境規制措施將會減少農業生產的綠色成本，也愿意采用新的技術來提高農業生產的清潔性以達到減少環境污染，符合政府環境規制要求的目的，對農業碳排放強度具有顯著的抑制作用。更有甚者，使農業生產主體擴大生產研發。中部和非糧食主產區作為經濟較差但種植規模較大的地區，其更需要一部分的經濟支持，去進行技術效率提升，以便減少化肥、農藥等生產要素的消耗，提升農業規模效應，進而降低碳排放。

（6）行政型環境規制（CER）顯著抑制農業碳排放強度的提升。在行政型環境規制水平較高的地區，各種懲罰措施的壓力以及激勵措施的吸引，農戶減少農業污染排放的意愿會更強烈。部分農業生產主體不得不擴大生產的資金進行研發，研發新的技術來提高農業生產的清潔性以達到減少政府要求的環境污染要求。其次，行政型環境規制下的高環境治理成本迫使農戶使用更先進的綠色生產技術，農業企業研發新的綠色技術及產品，從而抑制農業碳排放強度上升。最后，行政型環境規制可以進行農業生產要素的價格調整，優化生產資料消費的結構，減少化肥、農藥的使用從而降低碳排放。

（7）農業要素投入結構（ES）對農業碳排放強度的抑制性作用最強。種植業非清潔要素投入比重越高，碳排放越低，這與預期基本一致。然而，東部地區的農業要素投入結構（ES）對農業碳排放強度的抑制作用不顯著。可能的原因是，東部地區的農業非清潔要素投入已經達到較低的水平所以不顯著。

（8）農業要素投入效率（EE）對農業碳排放強度的抑制性作用也顯著。農業非清潔要素投入效率要素投入效率水平反映的是在一定時期內創造的產出與其相適應的非清潔要素投入量的比值。粗放式、低效率的非清潔要素投入消耗所產生的碳排放壓力較大（鄧悅等， 2021），因此非清潔要素投入效率要素投入效率的提升必然成為降低二氧化碳排放水平的主要手段，這基本與預期一致。

（9）僅東部地區的農業產業結構（PS）顯著降低農業碳排放強度。其他地區農業產業結構（PS）的碳減排效應不顯著。可能的原因是，東部地區作為經濟發展較好、技術水平的區域，更容易會形成產業聚集效應和規模效應等，出現規模報酬遞減，會降低碳排放。其他地區可能存在種植業占比較大，農業產業結構不合理的問題，比如，種植業生產要素的過度投入而生產效率的下降的問題，農業內部結構比重轉向種植業會進一步降低生產效率，不利于碳排放。加之，種植業自身的的“高碳-低效益”特征較之

其他“低碳-高效益”特征的農業行業不存在一定的碳減排優勢(田云等， 2020)。

表4-4中國農業碳排放條件p收斂檢驗結果

Table 4-4 Test results of B convergence of China's agricultural carbon emission intensity conditions

全國東部中部西部糧食主產區非糧食主產區

L.CI 0.761*** 0.687*** 0.682*** 0.647*** 0.644*** 0.722***

(0.027) (0.047) (0.048) (0.059) (0.040) (0.039)

City -0.343*** -0.269*** -0.939*** -0.382** -1.104*** -0.232***

(0.062) (0.077) (0.169) (0.182) (0.146) (0.071)

PIC -0.015 -0.099** 0.120*** -0.014 0.128*** -0.089***

(0.021) (0.039) (0.036) (0.047) (0.031) (0.030)

TEAN 0.012 0.025 0.030 0.011 0.050 -0.009

(0.026) (0.047) (0.042) (0.063) (0.039) (0.036)

PP -0.340*** -0.346*** -0.340*** -0.373*** -0.302*** -0.407***

(0.056) (0.112) (0.092) (0.089) (0.081) (0.075)

FIN -0.384** 0.118 -0.128 -0.991*** -0.046 -0.531***

(0.154) (0.302) (0.273) (0.269) (0.229) (0.200)

EPR -0.036*** -0.033*** -0.091*** -0.081** -0.118*** -0.020**

(0.008) (0.011) (0.024) (0.031) (0.019) (0.010)

CER -0.009** 0.003 -0.020*** -0.025*** -0.016*** -0.010*

(0.004) (0.007) (0.007) (0.009) (0.005) (0.006)

ES -2.105*** 0.005 -4.081*** -4.519*** -4.864*** -3.196***

(0.595) (1.241) (1.183) (1.091) (0.981) (0.856)

EE -0.026*** -0.012 -0.034*** -0.035*** -0.039*** -0.030***

(0.005) (0.009) (0.010) (0.009) (0.007) (0.006)

PS -0.007 -0.173* -0.105 0.346 0.170 -0.072

(0.069) (0.093) (0.205) (0.240) (0.174) (0.087)

常數項 2.071*** 2.981*** 1.809*** 2.783*** 1.629*** 3.175***

(0.382) (0.709) (0.590) (0.833) (0.506) (0.570)

Number 30 11 10 9 13 17

R2 0.950 0.955 0.946 0.965 0.956 0.955

調整的 R2 0.946 0.950 0.939 0.960 0.951 0.950

F值 868.200 350.000 251.700 345.500 406.100 540.800

模型 FE FE FE FE FE FE

注：(1)括號內為誤差項；(2)***、**和*分別表示在1%、5%和10%的水平顯著。

4.4 本章小結

本章以狹義農業——種植業為研究對象，采用碳計量模型對中國各省份的農業碳排放強度進行了測算，并對農業碳排放強度的時空效應及其收斂性進行了全面分析，結論如下：

(1)從時間角度看， 2000-2019 年中國農業碳排放總量呈波動上升趨勢，不同時間內呈“波動上升-緩慢下降”的變化趨勢，并且在 2015年前后的全國、中西部地區、兩大糧食區和 2010年的東部地區出現了一波農業的碳排放峰值。農業碳排放強度呈不斷下降趨勢，不同時間段內的變化趨勢呈“平穩下降、急速下降、波動下降”的狀態。在全國層面、東中西部的三大區域分區和糧食、非糧食兩大糧食分區的 2019年中國農業碳排放強度平均值，分別比2005年降低了49.07%、51.56%、41.77%、55.21%、44.66% 和 52.91%。這充分肯定了農業碳減排政策的積極作用。

(2)從空間角度看，三大經濟分區中的東、中、西部的農業碳排放總量發展趨勢各有不同，中部地區的農業碳排放最高且在2008年超過了全國平均水平，東部和西部地區的農業碳排放總量水平一直低于全國平均水平。在兩大糧食分區中，糧食主產區的碳排放水平均高于全國平均水平，面臨巨大的“增產”和“降碳”壓力。農業碳排放的區域差距較大，華北地區是高碳排放主要聚集地區，華南地區是較高碳排放的聚集地區，并且區域間碳排放呈“異質化”的狀態。需要特別注意的是，吉林的農業碳排放強度一直在上升。

(3)從收斂角度看， 2000-2019 年農業碳排放強度的絕對差距在縮小后逐步擴大，且不存在G收斂、絕對P收斂和條件P收斂，即農業碳排放強度不存在差異縮小，反而呈區域差異擴大的趨勢。各地區要實現真正意義上的協調、平衡發展以呈現出“追趕效應”或條件收斂趨勢還有較長的一段路要走。最后，本文認為三大經濟分區層面二氧化碳排放的變化趨勢與地區發展階段及經濟增長方式等密切相關，兩大糧食分區則與農業生產活動有關。其中，東部地區增長快的原因是經濟總量增長的結果，西部地區則與粗放的經濟增長方式有關，糧食主產區則與其種植生產結構有關，中部地區則與經濟增長方式和農業生產活動有關。

(4)從空間收斂性的影響因素來看，基期農業碳排放強度顯著促進滯后期內農業碳排放強度的提升。全國及各地區的城鎮化水平(City)、農民可支配收入(PIC)、農業價格政策(PP)、財政支農政策(FIN)、行政型環境規制(CER)、農業要素投入效率(EE)農業生產結構(ES)均顯著抑制農業碳排放強度的上升。財政支農政策(FIN) 和行政型環境規制(CER)則顯著增加農業碳排放總量。然而，農民可支配收入(PIC) 在東部和非糧食主產區顯著阻礙但在中部和糧食主產區地區顯著增加農業碳排放強度。

第五章農業綠色技術進步對碳排放的影響路徑

5.1問題的提出

溫室氣體排放嚴重威脅全球生態環境及經濟社會的可持續發展，已經成為關系世界各國利益的全球性問題。中國碳排放強度從2010年的132.8萬噸/億美元下降到2017 年的75.4萬噸/億美元，但仍是世界平均水平的1.8倍（World Bank，2017； Yang GL 等，2019）。籍此背景，中國政府“十三五”規劃提出，將堅持綠色發展，著力改善生態環境轉向有計劃地開發自然資源并盡力減少“三廢”排放的綠色發展方式。并承諾 2030年的單位GDP碳排放比2005年降低60%-65%,力爭于2030年前達到峰值，努力爭取2060年前實現碳中和。農業作為碳排放的重要組成部分，其碳排放占總碳排放量的17% （Kirschbaum M等，1996）。因此，在資源環境日益趨緊的背景下，探究農業綠色技術進步對碳排放的影響及作用機理，對引領中國農業經濟增長方式的徹底轉變, 實現高質量、綠色發展具有重要意義。

現有研究盡管深入研究了技術進步對碳排放或碳排放強度的影響，但很少有研究分析農業綠色技術進步對碳排放強度的影響。其次，鮮有研究從異質性視角分析綠色技術進步對碳排放或碳排放強度的影響，特別是不同類型農業綠色技術進步對碳排放或碳排放強度影響的差異。因此，本章提出如下問題：農業綠色技術進步對碳排放的影響關系，其通過何種途徑對農業碳排放產生作用？從類型和時空異質性角度上看，不同類型和地區視角下的農業綠色技術進步對碳排放強度的作用路徑存在什么不同？兩種類型的對碳排放作用路徑的差距？促進不同地區農業綠色技術進步實現低碳排放的戰略是什么？顯然，對這些問題的研究將有助于為決策者提出明確而具體的建議，這是本章研究的動機。因此，本章將通過研究農業綠色技術進步及其不同類型與碳排放強度的關系，深入研究不同類型農業綠色技術進步對碳排放強度的影響機理。

5.2模型構建、變量選擇與數據說明

5.2.1模型構建

（1）動態面板GMM模型

為考察農業綠色技術進步對農業碳排放強度的影響，本文設置農業結構（PS）、農業價格政策（PP）、經濟型環境規制（EPR）和行政型環境規制（CER）等五個控制變量，建立基礎性計量模型：

CI 二 “j + pjAG + 0X + 8（5-1）

公式中，i為省份；t為年份；AG分別可以代表農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）；

CI為農業碳排放強度；才為控制變量。

此外，從上一章可以看到農業碳排放強度滯后期對研究期內農業碳排放強度有一定的影響，本文在公式(5-1)基礎上引入農業碳排放強度的一階滯后項，構建動態面板模型進行分析。

CI =再 + PjAG + + O^X + £辻 (5-2)

公式中，i為省份；t為年份；AG分別可以代表農業綠色技術進步(AGTP)、資源節約型農業綠色技術進步(AEGTP)和環境友好型農業綠色技術進步(ACGTP)； CI為農業碳排放強度；X為控制變量。

(2)中介效應模型

為檢驗農業要素投入結構(ES)和農業要素投入效率(EE)分別在綠色技術進步與碳排放強度中的中介作用，本文借鑒Baron和Kenny等(1986)的研究方法。首先，根據 AGTP 分析并介紹碳排放強度影響的機理及其鏈式多重中介模型，本文設定如下基本計量模型，用于檢驗 AGTP、 AEGTP 和 ACGTP 對碳排放強度的影響：

CI =他 +^AG + T]X + ^ + b + £ (5-3)

其中，CI為被解釋變量，AG為核心解釋變量，分別可表示農業綠色技術進步 (AGTP)和資源節約型農業綠色技術進步(AEGTP)、環境友好型農業綠色技術進步 (ACGTP)，X為控制變量，包含了獨立于AG對CI產生影響的若干變量。人表示不可觀測的地區變量個體固定效應；b為不可觀測的時間變量固定效應，£it為隨機擾動項。

根據已有研究，AG可能通過農業要素投入結構(ES)和農業要素投入效率(EE) 影響CO2排放強度。為檢驗農業要素投入效率(EE)、農業要素投入結構(ES)和農業要素投入效率(EE)與農業要素投入結構(ES)聯動在農業綠色技術進步對碳排放強度影響過程中的中介作用，本文借助鏈式多重中介效應模型(吳學花等， 2021)，模型設定如下：

ES =硏 +(j^AG + + jj, ' + b ' + £ 辻 (5-4)

EE = P+ PAG + a2 ES + s2 X'+ J ' + b，' + £，' (5-5)

CI =札 + ©AG + QqES + QgEE + £X + j + b + £辻 (5-6)

其中，農業要素投入結構(ES)、農業要素投入效率(EE)和農業要素投入效率(EE) 與農業要素投入結構(ES)聯動為中介變量。AG分別可代表農業綠色技術進步(AGTP) 和資源節約型農業綠色技術進步(AEGTP)、環境友好型農業綠色技術進步(ACGTP)。式(5-4) - (5-6)列出了 AGTP通過農業要素投入結構(ES)和農業要素投入效率(EE) 的中介變量影響CO2回歸方程。X、X'和X''為控制變量，包含了獨立于AGTP對碳排放強度產生影響的若干變量。J、和j ''表示不可觀測的地區變量和個體固定效應；b、b'和b，'為不可觀測的時間變量固定效應。

5.2.2 變量選擇與數據說明

（1）被解釋變量。

碳排放強度（CI）：采用碳計量模型測算出的種植業碳排放量與種植業生產總值, 用來衡量各省種植業碳排放強度（田云等， 2010）。

（2）解釋變量。

農業綠色技術進步（AGTP）主要采用EBM-GML模型進行測度，具體測算模型見第四章。同時，本文選取綠色節水灌溉技術采用率和免耕技術采用率分別作為資源節約型農業綠色技術進步（ACGTP）和環境友好型農業綠色技術進步（ACGTP）的替代指標。具體原因與內容見第四章。

（3）中介變量。

農業要素投入結構（ES）反映的是農業生產過程中清潔和非清潔要素投入消耗情況，不同的農業要素投入結構對碳排放強度的影響存在差異。在前文數理演繹和傳導機制中，要素投入結構主要是通過非清潔要素投入量和清潔要素投入量的比重來表示。本文限于農業數據的可獲取性，選取種植業能源消費總量與農業總能源消費比例來衡量（Xu X等，2021）。比值越大，說明種植業的非清潔要素投入在農業要素投入消費中的比重越高。反之，則說明種植業非清潔要素投入在農業消費的比重越低。

農業要素投入效率（EE）反映的農業非清潔要素投入總量的單位占比，提高農業生產中的非清潔要素投入利用效率是當前和今后較長時期內踐行綠色低碳農業發展理念的重要方式。本文選取農林牧漁能源消費總量與農業總產值的比值來衡量（李建華等， 2011）。比值越大，非清潔要素投入效率要素投入效率越高。反之，農業非清潔要素投入效率要素投入效率越低。因此，提高農業非清潔要素投入產出效率刻不容緩。

（4）其他控制變量。

在多重共線性檢驗的基礎上，本文設定的控制變量包括城鎮化水平（city）、農業技術人員（TEAN）、農業價格政策（PP）、財政支農政策（FIN）、經濟型環境規制（EPR）、行政型環境規制（CER）和勞動力水平（labor）。除農業技術人員（TEAN）采用的是公有經濟企事業單位農業技術人員數量作為衡量指標，其余各變量均與第三、四章取值一致。各控制變量概念和取值與三、四章一致，本節不再闡述。描述性統計結果具體如表 5-1。此外，為更好地減少模型的誤差項和消除數據的非平穩性，本文對數值型數據均進行對數處理，比值型數據均使用原始值。在模型中對部分數據進行標準化或縮尾處理。

表 5-1 描述性統計分析

Table 5-1 Descriptive statistical analysis

平均值標準差最小值最大值

AGTP 1.037 0.156 0.602 1.951

AEGTP 0.224 0.237 0.014 2.394

ACGTP 0.065 0.112 0.000 0.639

CI 264.529 103.442 55.109 626.468

ES 0.029 0.021 0.004 0.087

EE 3.668 2.041 0.979 8.536

TEAN 25041.390 12569.280 5680.000 49667.000

CER 31.233 50.862 0.000 235.000

EPR 6.354 3.598 0.904 17.804

PS 0.636 0.106 0.357 0.839

PP 1.022 0.065 0.879 1.315

5.3農業綠色技術進步對碳排放影響的基礎回歸分析

5.3.1全國層面的GMM估計結果分析

考慮到農業碳排放強度（CI）存在一定的滯后期，本文選擇系統GMM模型對其進行分析，具體估計結果如表5-2示。模型（1）-（3）分別代表農業綠色技術進步（AGTP）和資源節約型農業綠色技術進步（AEGTP）、環境友好型農業綠色技術進步（ACGTP）的GMM估計結果。由表5-2結果可知，AR （1）和AR （2）表明存在一階自相關，但不存在二階自相關，Sargan檢驗結果顯示無法拒絕“所有工具變量均有效”的原假設，這表明本文的工具變量設置是合理的。表 5-1 中三組回歸模型估計下的農業碳排放強度（CI）滯后項系數分別為0.972、0.939、0.949,且在1%的水平上顯著。這充分說明，全樣本下的農業碳排放強度（CI）存在明顯的滯后效應，說明考慮動態面板模型來研究中國農業碳排放強度（CI）問題是有必要的，也說明考慮時間趨勢下農業綠色技術進步對碳排放強度的影響十分必要。

全樣本動態面板模型GMM估計下，農業綠色技術進步（AGTP）和資源節約型農業綠色技術進步（AEGTP）、環境友好型農業綠色技術進步（ACGTP）對農業碳排放強度有顯著的負向影響，即農業綠色技術進步（AGTP）和資源節約型農業綠色技術進步（AEGTP）、環境友好型農業綠色技術進步（ACGTP）均具有減排效果。其中，環境友好型農業綠色技術進步（ACGTP）對碳排放的減排效果比資源節約型農業綠色技術進步（AEGTP）明顯。這說明中國農業生產具有科學生產意識和綠色環保觀念，這對農業碳排放強度具有顯著的抑制作用。在農業上，我們需要加強對節約農業資源的鼓勵，促使資源的合理分配才是綠色技術實現農業碳減排的關鍵。

表 5-2 全樣本動態面板模型 GMM 估計結果

Table 5-2 GMM estimation results of full sample dynamic panel model

變量 (1)

全樣本 (2)

全樣本 (3)

全樣本

L.CI 0.972*** 0.939*** 0.949***

(0.011) (0.018) (0.011)

AGTP -0.168***

(0.026)

AEGTP -0.019***

(0.005)

ACGTP -0.079*

(0.042)

PP -0.317*** -0.362*** -0.062***

(0.040) (0.023) (0.006)

EPR -0.044*** -0.056*** -0.170***

(0.006) (0.007) (0.029)

CER -0.0004*** -0.0003*** -0.0008***

(0.000) (0.000) (0.0002)

PS 0.067 -0.011 -0.010

(0.151) (0.160) (0.057)

Constant 0.635*** 0.754*** -0.0815***

(0.145) (0.198) (0.0152)

Observations 570 570 570

Number 30 30 30

AR(1) 0.000 0.000 0.000 |

AR(2) 0.378 0.365 0.381

Sargan 1.000 1.000 1.000

注：(1)括號內為誤差項；(2)***、**和*分別表示在 1%、5%和 10%的水平顯著。

從控制變量看，農業價格政策(PP)對農業碳排放強度提升具有顯著的抑制作用。中國農業貿易條件深受農業價格政策影響，主要表現在農產品價格支持政策和目標價格政策改革引起貿易條件發生變化。糧食最低收購價和臨時收儲政策的實行降低了農戶出售農產品的風險，提高了農戶的生產積極性，農產品產量大幅增加。同時，農業補貼政策及其改進也對農業技術進步產生復雜的影響。例如，良種補貼和農機購置補貼有利于農業機械化進程的推進以及先進農機的使用和推廣，進而促進農業產出技術進步。然而，農資綜合補貼對農業投入品—農藥、化肥、農膜的補貼會導致農戶生產成本下降和投入要素使用比例發生改變，從而造成農產品市場價格扭曲，以及浪費和不合理利用特定補貼投入品，不利于農業經濟和環境協調發展。此外，經濟型環境規制 (EPR)、行政型環境規制(CER)對農業碳排放強度的提升也具有抑制作用，具有碳減排效應。這說明經濟型環境規制(EPR)和行政型環境規制(CER)政策是碳減排較為有效的政策工具。一方面，行政型環境規制政策通過強制性方式直接作用于被規制

對象，作用于農業生產技術、農業生產效率、生產結構等多個方面，從而直接影響地區的農業碳排放；另一方面，經濟型環境規制可以通過補貼等手段促進農業技術創新，改善農業管理效率等方式間接影響碳排放。經濟型環境規制（EPR）和行政型環境規制（CER）均對碳強度顯著為負，說明了環境規制政策碳減排的有效性。

5.3.2三大經濟分區的GMM估計結果分析

表5-3的十五組回歸模型估計顯示農業碳排放強度（CI）滯后項系數部分顯著。這與全樣本一樣，也充分說明農業碳排放強度（CI）在部分地區存在明顯的滯后效應，通過動態面板模型來研究中國分地區下的農業碳排放強度（CI）問題十分必要。分地區的滯后項中，中部和西部地區不完全顯著。這說明部分地區中，當期和滯后一期的農業綠色技術進步并不必然降低農業碳排放強度。此外，與前文一樣，AR （1）、AR （2）和 Sargan檢驗值表明模型結果是合理的。

三大經濟分區動態面板模型 GMM 模型估計下，各地區綠色技術進步及不同類型的對碳排放強度的抑制性作用均與全國層面的模型結果一致，其區域的抑制作用排序是：東部〉中部〉西部。分類型看，環境友好型農業綠色技術進步（ACGTP）對碳排放強度的抑制性作用均比資源節約型農業綠色技術進步（AEGTP）明顯。其中，中部地區資源節約型農業綠色技術進步（AEGTP ）和環境友好型農業綠色技術進步（ACGTP ）對農業碳排放強度均不顯著。可能的原因是，農業綠色技術進步指數對農業碳排放呈 EKC曲線的倒U形影響，目前中部地區排放高，污染大，農業綠色技術進步對碳減排的影響處于最低水平。或者是，農業綠色技術進步指數在中部內保持不變，其進步水平變化在趨向于下降，所以碳減排水平不顯著。東部地區的資源節約型農業綠色技術進步（AEGTP）和西部地區的環境友好型農業綠色技術進步（ACGTP）對農業碳排放強度的負向影響在 10%的水平上均顯著。東部的資源節約型農業綠色技術進步對碳排放強度顯著而環境友好型農業綠色技術進步不顯著。可能的原因是，為支持農業發展、推動農村可持續發展，東部一直重視資源節約型農業綠色技術進步在農業生產中的重要作用，其生產效率已經達到一定的高度。與此同時，東部也鼓勵發展糧食生產、發展農業機械化、發展農田水利建設、農業科技等政策。與之相反的是，西部的環境友好型農業綠色技術進步的碳減排效應發展較好，而資源節約型農業綠色技術進步對碳減排的影響仍然不顯著。可能是，西部是國家限制開發區，資源環境承載能力弱，確是關系全國生態安全的重要區域。國家因地制宜，大力發展資源環境可承載的特色產業，加強了西部地區生態修復和環境保護，使之逐步成為了全國或區域性的重要生態功能區。因此，西部地區的環境友好型綠色技術進步發展較好，這也說明了國家在西部進行環境友好型建設的成果顯著。

中部和西部的農業價格政策（PP）對碳排放強度的抑制作用不如東部地區。可能的原因是，糧食最低收購價和臨時收儲政策的實行降低了東部地區農戶出售農產品的風險，提高了農戶的生產積極性和效率，進而降低了農業碳排放。此外，西部地區的行政型環境規制（CER）在農業綠色技術進步對碳排放強度顯著。這也驗證了前文西部的環境友好型農業綠色技術進步碳減排效顯著的主要原因是國家進行西部限制性開發的結論。

表 5-3 三大經濟分區動態面板模型 GMM 估計結果

Table 5-3 GMM estimation results of regional dynamic panel model

(1)

CI (2)

東部

CI (3)

CI (4)

CI (5)

中部

CI (6)

CI (7)

CI (8)

西部

CI (9)

L.CI 0.614*** 0.593*** 0.794*** 1.038*** 1.042 0.803*** 0.191 -0.362 0.843***

(0.222) (0.214) (0.253) (0.119) (0.210) (0.255) (0.413) (0.607) (0.160)

AGTP -0.582** -0.551** -0.214**

(0.260) (0.218) (0.101)

AEGTP -0.285* -3.560 -37.65

(0.146) (2.499) (28.90)

ACGTP -0.006 -0.004 -0.121*

(0.005) (0.013) (0.072)

PP -0.391* -0.372* -0.402* -0.325*** -0.027 -0.017 -0.0624 -4.951 -0.811***

(0.214) (0.210) (0.208) (0.120) (0.022) (0.016) (0.341) (3.353) (0.248)

EPR -0.126* -0.0642 -0.012 -0.0287 -1.201 -0.093 -0.169 1.074 0.260

(0.0762) (0.0554) (0.051) (0.081) (0.914) (0.093) (0.212) (1.820) (0.203)

CER 0.0002 -8.72e-05 -0.0002 0.0006 -0.001 -0.028 -0.001*** -0.005** -6.14e-05

(0.0004) (0.0002) (0.0002) (0.001) (0.002) (0.107) (0.0004) (0.002) (0.0003)

PS -0.0219 -0.392 -0.224 -0.662 0.201 0.051 5.340* -18.91 8.063

(0.0588) (0.428) (1.070) (0.692) (0.619) (0.172) (2.836) (18.80) (5.055)

常數項 2.600* 4.193*** 1.604 0.613 2.428** 1.062 1.656* 22.910 1.213*

(1.401) (1.462) (1.701) (0.757) (0.957) (1.475) (0.990) (18.290) (0.674)

觀察項 209 209 209 190 190 190 171 171 171

Number 11 11 11 10 10 10 9 9 9

AR(1) 0.022 0.098 0.031 0.029 0.013 0.027 0.094 0.000 0.016

AR(2) 0.943 0.708 0.770 0.350 0.570 0.643 0.836 0.878 0.703

Sargan 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

注：（1）括號內為誤差項；（2）***、**和*分別表示在 1%、5%和 10%的水平顯著

5.3.3兩大糧食分區的GMM估計結果分析

在兩大糧食分區中，糧食主產區的農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）對農業碳排放強度均完全顯著。這說明了增產和增綠雙重壓力下，糧食主產區的資源節約和環境友好型農業綠色技術進步得到長效發展。在非糧食主產區中，農業綠色技術進步（AGTP）和資源節約型農業綠色技術進步（AEGTP）對農業碳排放強度均顯著，而環境友好型農業綠色技術進步（ACGTP）對農業碳排放強度均顯著卻不顯著。可能的原因是，東部沿海地區農用土地有限，華北地區水土要素組合欠佳（郭鴻鵬， 2011）。環境友好型農業綠色技術進步的發展較不足，資源節約型農業綠色技術進步發展更好。

在控制變量中，糧食和非糧食主產區的農業價格政策(PP)對農業碳排放強度的影響顯著為負。與預期不一樣的是，非糧食主產區的農業價格政策(PP)對農業碳排放強度的影響系數顯著大于糧食主產區。這與第三章的結論基本一致。原因是，當前的中國農業市場交易受到農業價格政策影響，當農業價格提高，非糧食主產區的農戶生產的積極性比糧食主產區中以種植業為主的農戶的生產積極性更高，可以促進農業機械化進程推進及先進農機的使用和推廣，進而促進農業經濟和環境協調發展(張傳慧，

2020)。

表 5-4 兩大糧食分區動態面板模型 GMM 估計結果

Table 5-3 GMM estimation results of regional dynamic panel model

(1) (2) 糧食主產區

CI (3)

CI (4)

非

CI (5) 糧食主產區

CI (6)

L.CI 0.909*** 0.509*** 0.608*** 0.932*** 0.867*** 0.995***

(0.099) (0.186) (0.173) (0.0642) (0.091) (0.0312)

AGTP -0.203** -0.186*

(0.085) (0.105)

AEGTP -0.545* -0.104*

(0.284) (0.058)

ACGTP -1.361* -0.044

(0.737) (0.056)

PP - -0.539 -0.310 -1.442*** -0.398*** -0.422***

0.258***

(0.093) (0.328) (0.437) (0.253) (0.101) (0.083)

EPR -0.074 -0.340*** -0.262*** -0.089** -0.079*** -0.033**

(0.069) (0.093) (0.071) (0.044) (0.026) (0.013)

CER -0.001* -0.003** -0.001 -0.001** -0.0002 0.0002

(0.0003) (0.001) (0.001) (0.0004) (0.0002) (0.0002)

PS -0.232 -1.218 0.122 2.134 -0.179 -0.313

(0.527) (1.858) (2.091) (1.746) (0.193) (0.443)

常數項 1.279 0.893 0.799 0.344 1.272*** 0.622**

(0.968) (1.599) (1.841) (0.980) (0.489) (0.301)

觀察項 247 247 247 323 323 323

Number 13 13 13 17 17 17

AR(1) 0.007 0.071 0.030 0.031 0.002 0.001

AR(2) 0.563 0.740 0.312 0.724 0.527 0.700

Sargan 1.000 1.000 1.000 1.000 1.000 1.000

注：(1)括號內為誤差項；(2)***、**和*分別表示在1%、5%和10%的水平顯著。

5.4農業綠色技術進步對碳排放的作用機制分析

5.4.1農業綠色技術進步對碳排放的傳導機制

學術界已經達成共識，要素投入結構變化和非清潔要素投入效率提升是影響碳排放強度的最關鍵因素（Ma B等，2017； Huang J等，2020）。根據現有技術進步和碳排放強度文獻的不同研究目的，可以大致分為：一是側重于結構性的變化；二是強調效率的提高。加之，結構性的變化也會影響效率的變化。其具體傳導機制和影響途徑主要有三種：

（1）傳導機制一：農業綠色技術進步一農業要素投入結構一農業碳排放強度

農業要素投入結構路徑，反映了 “替代效應”具體來看，技術進步作用于非清潔和清潔要素投入時會產生不同的要素使用特征，一是通過同比例改變非清潔和清潔要素、投入的邊際生產率，從而使清潔和非清潔要素投入同比例變化，引起對非清潔要素的節約，促進節能減排；二是通過改變非清潔要素與其他清潔要素投入之間的邊際生產率，從而改變清潔和非清潔要素投入的相對使用量，產生節約非清潔要素投入特征，達到節能減排的效應。

Hogan （1979）首先提出了能源等非清潔要素與新能源等清潔要素之間的替代。許多研究人員在此基礎上分析了非清潔和清潔要素因素之間的替代結構對碳排放強度的影響，這些主要都是內部的替代（Bloch等，2015）。后來，有學者（Arnberg和Bjorner， 2007； Kim和Heo, 2013）引入外部要素，開發了更多關于能源非清潔要素投入和資本等清潔要素投入影響之間替代的研究對碳排放強度的影響。但是整體來說，技術進步能夠促使清潔技術的成本降低（Taheri A等，2002），通過改變農用生產資料中的要素投入比例，增加清潔要素（生物農藥、太陽能）的使用比例，改變要素投入結構，進而降低碳排放強度。根據上述分析提出本文第一個假設。

假設1：農業綠色技術進步通過農業要素投入結構路徑影響碳排放強度。

（2）傳導機制二：農業綠色技術進步T農業要素投入效率T農業碳排放強度

農業要素投入效率，也被稱為農業非清潔要素投入效率提升路徑，其反映了 “規模報酬效應”技術進步對非清潔要素投入效率的影響有兩個方面：中性技術進步和偏向性技術進步。前者是同比例地提高非清潔要素的邊際生產率（Zhang Z.等，2003； Zhao X.等，2010），后者是不同比例地改變清潔與非清潔要素的投入和使用效率。對于有偏差的技術進步，如果技術進步使清潔要素的邊際產出比非清潔要素投入增加得更快，則認為技術進步偏向清潔要素（樊茂清等，2010；王班班和齊紹洲，2014）。有分析認為偏向性技術對要素投入效率有影響，其主要通過降低單位產出的非清潔要素使用量, 從而提升非清潔要素投入效率，進而有效減少碳排放強度（Acemoglu，2012；王班班， 2014）。

農業綠色技術進步作為偏向性技術進步的一部分，已被公認為非清潔要素投入效率增長的核心驅動力（Aghion和Howitt，1992； Goraczkowska，2020），其顯著影響農業碳排放強度。趙文琦（2020）從產業空間模型通過分析中國能源產業及其相關產業的

因子配置效率的變化，技術通過非清潔要素投入效率顯著降低碳排放，并且西部的技術與要素效率存在差異不匹配的顯著性大于東中部，進而發現工業的碳強度也存在巨大差異。Sun L.Y等（2017）從自然資源利用的角度，進一步驗證了農業綠色技術進步提高了自然資源的利用率，降低了企業的生產成本，提高了生態效率和碳效率。 Saudi 等（2019）通過使用自回歸分布式滯后邊界測試方法得出，技術創新有助于提高印度尼西亞的非清潔要素投入效率，降低非清潔要素投入消耗和碳排放強度。根據上述分析提出本文第二個假設。

假設 2：農業綠色技術進步通過農業非清潔要素投入效率要素投入效率提升路徑降低碳排放強度。

（3）傳導機制三：農業綠色技術進步T農業要素投入結構T農業要素投入效率T農業碳排放強度

有研究表明農業要素投入結構和農業非清潔要素投入效率要素投入效率優化之間也存在緊密聯動。技術進步可以通過同比例地提高要素的邊際生產率或不同比例地改變要素的投入，并且會通過改變清潔與非清潔生產要素的投入比例來影響要素投入和總產出效率（Li等，2013； Lin B.等，2014； Fan等，2016；）。要素投入結構因國家、地區和時間而異，在考慮碳強度的決定因素時不可忽略不同的要素投入有不同的利用效率（Huang等，2017； Li等，2013）。從低效的非清潔要素投入到高效的清潔要素投入的轉變，減少相同耗能活動所需的非清潔要素投入，從而降低碳強度（Han和Wu， 2018）。隨著經濟的發展，出現了從傳統生物質要素到傳統商品要素再到新型商品要素的要素投入轉型的總體格局（Han H 等, 2018）。低效的非清潔的比例越高，將產生的碳強度越低。一般來說，農業綠色技術進步可能促使新非清潔要素投入在清潔要素投入結構的占比增大，使得具有相同當量的不同要素投入種類帶來更高的經濟產出，從而提升非清潔要素投入效率要素投入效率，對碳強度產生抑制效應。因此，本文關注的重點之三是農業綠色技術進步通過要素投入結構引發非清潔要素投入效率要素投入效率結構優化的鏈式中介效應對碳排放產生作用，并綜合以上分析提出本文第三個假設。

假設 3：農業綠色技術進步通過要素投入結構引發非清潔要素投入效率要素投入效率優化的鏈式中介效應對碳排放強度的提升產生抑制作用。

綜合上述分析，農業綠色技術進步可通過農業要素投入結構（ES）、和農業要素投入效率（EE）以及農業要素投入結構（ES）聯動農業要素投入效率（EE）三種途徑來共同促進經濟增長，具體如圖 5-1 所示。

圖 5-1 農業綠色技術進步對碳排放強度影響的傳導路徑 Fig. 5-1 path of the influence of green technological progress on carbon emission intensity

5.4.2農業綠色技術進步對碳排放的直接作用及區域異質性分析

根據公式 5-3，本文分別對農業綠色技術進步其不同類型對碳排放強度的中介效應進行計算。因文章篇幅原因，同時為更好呈現對農業綠色技術進步對碳排放強度的直接效果，本文直接展示結果在表 5-5（其中，全樣本模型具體結果見表 5-4，分地區模型具體結果見附錄表 1-5）。

表 5-5 全國層面的中介效應回歸結果

Table 5-5 Regression results of intermediary effect at all areas

(1)

CI (2)

ES (3)

EE (4)

CI (1)

CI (2)

ES (3)

EE (4)

CI (1)

CI (2)

ES (3)

EE (4)

AGTP -0.396*** -0.669*** 0.321* -0.304***

(0.115) (0.210) (0.186) (0.113)

AEGTP -0.079*** -0.250*** -0.291*** -0.093***

(0.016) (0.029) (0.026) (0.019)

ACGTP -0.325*** -0.649*** -0.448*** -0.297***

(0.072) (0.131) (0.118) (0.072)

ES -0.286*** 0.090*** -0.426*** 0.037 -0.321*** 0.073***

(0.036) (0.023) (0.034) (0.025) (0.036) (0.023)

EE -0.063** -0.125*** -0.084***

(0.025) (0.027) (0.025)

控制變量已控制已控制已控制已控制已控制已控制已控制已控制已控制已控制已控制已控制

常數項 5.587*** -2.993*** -0.546** 5.876*** 5.058*** -4.048*** -1.123*** 5.284*** 5.175*** -3.687*** -0.324* 5.518***

(0.142) (0.261) (0.253) (0.154) (0.0761) (0.134) (0.179) (0.122) (0.0730) (0.133) (0.177) (0.108)

觀察項 600 600 600 600 600 600 600 600 600 600 600 600

R2 0.064 0.017 0.113 0.110 0.082 0.114 0.268 0.136 0.077 0.040 0.129 0.125

注：(1)括號內為誤差項；(2) ***、 **和*分別表示在 1%、 5%和 10%的水平顯著。

（1）綠色技術進步的直接效應實證結果與分析

全國層面的農業綠色技術進步（AGTP）的系數為-0.396，反映了農業綠色技術進步（AGTP）對碳排放強度的直接效應，表明農業綠色技術進步（AGTP）每增加一個百分點，將使碳排放強度直接降低0.396個單位。農業綠色技術進步（AGTP）本身碳排放強度的直接減排作用仍十分明顯。此外，直接效應還可以通過表 5-5 模型（1）中農業綠色技術進步（AGTP）的系數（-0.396），該值與表5-5模型（4）中的-0.304存在差異，差異主要是由擾動項及控制變量選擇誤差導致（吳學花等， 2021）。

各地區的農業綠色技術進步（AGTP）對碳排放強度的直接效應存在較大差異。本文分別對東、中、西部和糧食主產區、非糧食主產區的直接效應分別進行研究，結果發現東、中、西部和糧食主產區、非糧食主產區農業綠色技術進步（AGTP）的回歸系數分別為-0.674、-0.518、-0.327 和-0.457、-0.344。除東部地區外，各地區的的直接效應均顯著。農業綠色技術進步（AGTP）對農業碳排放強度直接效應的區域排序為，東部〉中部＞西部，糧食主產區＞非糧食主產區。其中，對于東中部的直接效應大于西部地區這一結果。可能的原因是，農業綠色技術進步活動的前提是投入資本，推廣和使用新技術必然要進行固定資產投資。也就是說，綠色技術的使用依托于資本品（趙軍等， 2020）。東中部地區是全國經濟發展水平較高的地區，其資本水平遠高于西部地區，資本對農業綠色技術進步的滲透更強，碳減排效應就更強。提高利用經濟發展水平是中國農業綠色技術進步碳減排的重要手段。對于糧食主產區的直接效應大于非糧食主產區這一結果。可能的原因是，糧食主產區作為糧食生產的主產區，各農業主體進行綠色技術創新和應用各種新技術的意愿更加強烈，可以直接減少農業物資的消耗，增加了農業碳排放的力度。

（2）不同類型農業綠色技術進步的直接效應實證結果與分析

全國的資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）對碳排放強度的直接效應回歸系數分別為-0.079和-0.325,且在統計上均顯著。環境友好型農業綠色技術進步（ACGTP）的直接效應顯著大于資源節約型農業綠色技術進步（AEGTP）。可能的原因是，資源節約型農業綠色技術進步是以提高農用資源利用效率、減少農用資源消耗為目的的新的或改進的產品、生產工藝、技術。然而，環境友好型農業綠色技術進步（ACGTP）則是以進行減少污染量、制止浪費等手段以達到環境保護為主的新的或改進的產品、生產工藝、技術，并且在某種程度上還可以無意識的實現資源節約的目的，其更容易接近于“技術前沿”，所以直接效應就更高。

東、中、西部和糧食、非糧食主產區的資源節約型農業綠色技術進步（AEGTP）對碳排放強度的直接效應回歸系數分別為-0.115、 -0.056、 -0.102 和-0.123、 -0.047，除中部地區外，其余地區在統計上均顯著。同時，資源節約型農業綠色技術進步（AEGTP）直接效應的區域排序為，東部＞西部，糧食主產區＞非糧食主產區，中部不顯著。東部

地區農業經濟水平較高，具有較高的“綠色激勵”。在較高的經濟激勵下，各農業主體進行資源節約技術創新和應用新技術的意愿更加強烈，由此提升了農業生產效率，減少了農業物資的消耗，遏制了農業碳排放的增加的力度。西部地區資源節約型農業綠色技術進步碳減排的直接效應比中部地區顯著的原因可能是，西部地區的經濟和自然資源稟賦條件較差，果蔬、茶葉等經濟作物種植較少，存在農地投入產出激勵不足的問題。同時，作物多以小麥、玉米等資源消耗較少的糧食作物為主，存在靠天吃飯、土地撂荒等問題。這節約了資源，形成了資源節約型農業綠色技術進步的直接效應較強的現象。

東、中、西部和糧食、非糧食主產區的環境友好型農業綠色技術進步（ACGTP）

對碳排放強度的直接效應回歸系數分別為-0.694、 -0.540、 -0.108 和-0.255、 -0.328。環境友好型農業綠色技術進步（ACGTP）的區域排序為：東部〉中部〉西部。糧食主產區的直接效應不顯著。國家為確保糧食生產區和生態保護區，對不同的區域進行了糧食保護區和生態保護區。現行的糧食支持政策尚不能穩固中國農業生產基礎（郭天寶等，

2021）。如何保護糧食保護區更有助于穩固中國商品糧基地建設，進一步保障中國糧食質量數量“雙安全”是糧食主產區的第一要務。

最后，與全樣本一樣，東、中、西部和和糧食、非糧食主產區的環境友好型農業綠色技術進步（ACGTP）的均大于資源節約型農業綠色技術進步（AEGTP）。這證明了環境友好型農業綠色技術進步（ACGTP）較之資源節約型農業綠色技術進步（AEGTP）的減排效果明顯。在未來，我們應該發展大力資源節約型的綠色技術，但也不要忽視對環境友好型農業綠色技術進步的支持。

5.4.3農業要素投入結構的中介作用及區域異質性分析

根據公式 5-5 和 5-6，本文分別對農業綠色技術進步其不同類型對碳排放強度的通過農業要素投入結構的中介效應進行計算。因文章篇幅原因，同時為更好呈現效果，本文直接展示結果在表 5-6（其中，全樣本模型具體結果見表 5-5，分地區模型具體結果見附錄表 1-5）

（1）綠色技術進步中介效應的實證結果與分析

全國層面的農業綠色技術進步（AGTP）經由農業要素投入結構（ES）的中介效應為-0.060[表5-3中模型（3）農業綠色技術進步（AGTP）的系數（-0.669）與模型（4）中農業要素效率提升效應（EE）的系數（0.090）的乘積。本節后續綠色技術進步經由農業要素投入結構（ES）中介路徑對碳排放強度產生影響的計算步驟與此相同

92]，且在1%的水平上顯著。這意味著，農業綠色技術進步（AGTP）通過優化農業要素投入結構（ES）對碳排放強度產生負向影響，農業綠色技術進步（AGTP）每增加 1%，通過該途徑會促使碳排放強度減少 0.060 單位。

分地區看，東、中、西部地區的農業綠色技術進步（AGTP）經由農業要素投入結構（ES）的中介效應分別為-0.296（-0.892x0.343）、0.077（-0.574x-0.134）、0.147（-0.550x- 0.267）o同時，糧食主產區和非糧食主產區的農業綠色技術進步（AGTP）經由農業要素投入結構（ES）的路徑中，僅非糧食主產區的中介效應顯著為負。需要注意的是，僅中部地區的農業綠色技術進步（AGTP）對農業要素投入結構（ES）顯著為正。可能的原因有兩個：一方面是，邊際報酬遞減規律呈先增后減發展趨勢。種植業具有“高要素投入”特征，中部地區種植業占比高，是農業要素消耗的主要地區。當前中部地區處于非清潔投入要素量占比較高的階段，短期內會出現非清潔要素投入結構要素的增加，出現邊際報酬遞增狀態，對碳排放具有正向效應。但是農業綠色技術進步通過要素投入結構路徑必然會實現碳排放強度降低。長期來看，綠色技術進步會出現要素投入清潔化調整，從而降低地區的碳排放強度，實現污染物減排。第二方面是，回彈效應。農業農戶和企業進行農業綠色技術進步（AGTP）和環境友好型農業綠色技術進步

（ACGTP）創新實現了清潔要素替代非清潔要素后，彌補了農業生產的高成本并調整農業產業結構，但技術進步和結構調整也會促進經濟的快速增長，從而對能源產生新的需求，部分地抵消了所節約的能源（李強等， 2014），產生了回彈效應。加之，中部地區作為種植業主要區域，其更容易出現碳排放的回彈效應。

（2）不同類型農業綠色技術進步

全國層面的資源節約型農業綠色技術進步（AEGTP）通過農業要素投入結構（ES）的中介效應不顯著。東部、中部和西部地區的資源節約型農業綠色技術進步（AEGTP）經由農業要素投入結構（ES）的中介效應分別顯著為負，顯著為正以及不顯著。糧食主產區和非糧食主產區下資源節約型農業綠色技術進步（AEGTP）的通過農業要素投入結構（ES）的中介效應不顯著和顯著，非糧食主產區的中介效應顯著性更強。全國層面的環境友好型農業綠色技術進步（ACGTP）通過農業要素投入結構（ES）的中介效應顯著為負，東部、中部和西部地區下環境友好型農業綠色技術進步（ACGTP）通過農業要素投入結構（ES）的中介效應也分別顯著為負，顯著為正以及不顯著。

可以看出，農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）通過農業要素投入結構（ES）路徑的中介效應基本一致。這充分說明了各個地區不同類型農業綠色技術進步通過農業要素投入結構（ES）路徑的機理是一致的。

5.4.4農業要素投入效率的中介作用及區域異質性分析

根據公式 5-4 和 5-6，本文分別對農業綠色技術進步其不同類型對碳排放強度的通過農業要素投入效率的中介效應進行計算。因文章篇幅原因，同時為更好呈現效果，本文直接展示結果在表 5-6（其中，全樣本模型具體結果見表 5-5，分地區模型具體結果見附錄表 1-5）

（1）綠色技術進步中介效應的實證結果與分析

全國層面下的農業綠色技術進步（AGTP）經由農業要素投入效率（EE）的中介效應為-0.020[表5-4中的模型（2）農業綠色技術進步（AGTP）的系數（0.321）與模型（4）中農業要素效率提升效應（EE）的系數（-0.063）的乘積，本節后續綠色技術進步經由農業要素效率提升效應（EE）中介路徑對碳排放強度產生影響的計算步驟與此相同

94],且該效應在10%的水平上顯著。這意味著農業綠色技術進步（AGTP）通過農業要素投入效率（EE）這一途徑對碳排放強度產生了負向影響。即，農業綠色技術進步（AGTP）每提升一個百分點，通過農業要素投入效率的途徑會實現0.020個百分點的碳減排。綠色技術進步對農業要素投入效率有影響，其主要通過降低單位產出的要素使用量，從而影響要素投入效率要素投入效率，進而有效減少碳排放強度（王班班， 2014；Acemoglu， 2012），這與預期基本一致。

分區域來看，東部、中部和西部地區農業綠色技術進步（AGTP）經由農業非清潔要素投入效率要素投入效率（EE）的中介效應分別為-0.002 （0.76X-0.003）、0.030 （- 0.198X-0.149）和-0.137 （0.244x-0.563）。糧食主產區和非糧食主產區的農業綠色技術進步（AGTP）經由農業要素投入效率（EE）的中介效應分別為-0.009 （0.047x-0.190）和 -0.011 （0.280X-0.039）。從中介效應看，東、西部地區和糧食主產區、非糧食主產區的綠色技術進步經由非清潔要素投入效率要素投入效率對碳排放強度的影響具有抑制作用，中部地區具有提升作用，具有特殊性。然而，以上結果在統計上均不顯著。對于上述結果，可能是農業綠色技術進步水平整體雖然提升，但是不顯著。特別是，以市場為基礎的資源配置效率較高的東部地區，不斷的綠色技術投入研發費用，其農業生產加工技術較為成熟，農業綠色技術進步的效率已經達到一定的水平，所以農業綠色技術進步對要素投入效率要素投入效率的提升影響已經處于一定的高水平，所以存在不顯著的可能性。與此同時，西部地區，技術的投入研發費用較少，農業綠色生產技術也不成熟，要素投入效率要素投入效率有待進一步提高。而中部地區的效率顯著提升碳排放強度。可能是規模報酬遞減規律呈先增后減發展趨勢。中部地區當前處于非清潔投入要素量占比較高的階段，短期內還會出現非清潔要素投入結構的增加，對碳排放具有正向效應。然后盡快實現綠色技術進步下的要素投入清潔化調整，從而降低地區的碳排放強度，實現污染物減排是未來發展的關鍵。

（2）不同類型農業綠色技術進步

全國層面的資源節約型農業綠色技術進步（AEGTP）通過農業要素投入效率（EE）的中介效應為0.036 （-0.291x-0.125），顯著為正。分地區看，東中西部地區的資源節約型農業綠色技術進步（AEGTP）經由農業要素投入效率（EE）的中介效應均不顯著。導致東西部地區不顯著是因為農業綠色技術進步對農業要素投入效率（EE）的效應不顯著。中部地區則是直接效應不顯著，所以也不顯著。即資源節約型農業綠色技術進步經由農業要素投入效率（EE）的中介效應均不顯著。這與資源節約型農業綠色技術進步（AEGTP）的回彈效應高于其他類型的綠色技術進步相關。其節約型農業綠色技術進步（AEGTP）所導致的回彈效應中，很可能“擴張能源消費、降低能源效率”的作用等于“降低能源消費、提升能源效率”的影響（趙楠等， 2013），導致其不顯著。西部地區這是非發達地區，生產加工不成熟，所以對農業非清潔要素投入效率要素投入效率不顯著。

全國層面的環境友好型農業綠色技術進步（ACGTP ）通過農業要素投入效率（EE）中介效應也顯著為正。東部和中部地區環境友好型農業綠色技術進步（ACGTP）通過農業要素投入效率（EE）所驗證出的是中介效應也是正向的。可能的原因是，技術進步通過提高要素的邊際生產率或者不同比例地改變要素的投入和使用效率，提高能源效率.然而，東部和中部地區的農業綠色技術進步的提升效果不明顯，所以農業能源效率不顯著。僅西部地區的環境友好型農業綠色技術進步（ACGTP）經由農業要素投入效率（EE ）顯著為負。這說明在資源環境承載能力較弱并作為國家限制開發區的西部地區，在農業生態環境治理的成效顯著。與此同時，非糧食主產區對環境友好型農業綠色技術進步（ACGTP）經由農業要素投入效率（EE）的中介效應顯著為正。可能的解釋是，非糧食主產區的經濟作物比例高于糧食種植比例，農產品品種結構不合理，優質農產品比例不合理，而蔬菜等經濟作物的消耗，也增加了要素投入的消耗（孫媛媛， 2014）。

此外，資源節約型農業綠色技術進步（AEGTP）通過農業能源效率的系數小于環境友好型農業綠色技術進步（ACGTP）的水平。可能的原因是，資源節約型農業綠色技術進步是以提高農用資源利用效率，減少農用資源消耗的新的或改進的產品、生產工藝、技術等，而環境友好型農業綠色技術進步（ACGTP）則是以減少污染量、制止浪費作為主要目的，其包含了部分的資源節約型農業綠色技術進步。因此，環境友好型農業綠色技術進步（ACGTP）更容易接近于“技術前沿”對能源效率的水平就更高。

5.4.5農業要素投入結構與效率聯動的中介作用及區域異質性分析

根據公式 5-3、 5-4 和 5-6，本文分別對農業綠色技術進步其不同類型對碳排放強度的通過農業要素投入結構和農業非清潔要素投入效率要素投入效率的中介效應進行計算。因文章篇幅原因，同時為更好呈現效果，本文直接展示結果在表 5-6（其中，全樣本模型具體結果見表 5-5，分地區模型具體結果見附錄表 1-5）

（1）綠色技術進步中介

全樣本下農業綠色技術進步（AGTP）經由農業要素投入結構（ES）、農業要素投入效率（EE）的鏈式中介效應為-0.001 （-0.669x-0.286x-0.063）,且在5%的水平上顯著，意味著農業綠色技術進步（AGTP）通過農業要素投入結構（ES）與農業要素投入效率

(EE)聯動優化的途徑對碳排放強度產生抑制作用。農業綠色技術進步(AGTP)通過該鏈式中介抑制碳排放強度。這與預期和數理分析結果基本一致。

分區域看，東部和西部地區的農業綠色技術進步(AGTP)經由農業要素投入結構 (ES)和農業要素投入效率(EE)的聯動路徑上的中介效應均不顯著。中部地區的農業綠色技術進步(AGTP)經由農業要素投入結構(ES)和農業要素投入效率(EE)的聯動路徑上的中介效應為-0.091 (-0.574x-1.065x-0.149)，在1%的統計上顯著。糧食主產區的農業綠色技術進步(AGTP)在農業要素投入結構(ES)和農業要素投入效率(EE) 的聯動路徑上的中介效應為-0.071 (-0.714x-0.523x-0.190)，且在5%的統計上顯著。這與預期和數理分析結果基本一致。

(2)不同類型農業綠色技術進步的實證結果與分析

全國層面資源節約型農業綠色技術進步(AEGTP)通過農業要素投入效率(EE) 與農業要素投入結構(ES)聯動的中介效應系數為-0.013 (-0.250x-0.426x-0.125)，且在 1%上顯著。東部和西部地區的資源節約型農業綠色技術進步(AEGTP)經由農業要素投入結構(ES)和農業要素投入效率(EE)的聯動路徑上的中介效應分別為-0.001 (- 0.261x-0.026x-0.073)和-0.025 (-0.085x-0.511x-0.570)，在統計上均不顯著。中部地區的資源節約型農業綠色技術進步(AEGTP)農業要素投入結構(ES)和農業要素投入效率(EE)的聯動路徑上的中介效應為-0.065 (-0.215x-1.286x-0.235)，且在1%的統計上顯著。可能的原因與前文一致，資源節約型農業綠色技術進步(AEGTP)提升了種植業非清潔要素的投入后，農戶和企業進行技術創新以彌補高成本和調整農業產業結構，但技術進步和結構調整也會促進經濟的快速增長，從而對能源產生新的需求，部分地抵消了所節約的能源(李強等， 2014)，所以不顯著。糧食主產區和非糧食主產區的資源節約型農業綠色技術進步(AEGTP)經由農業要素投入結構(ES)和農業要素投入效率(EE)的聯動路徑上的中介效應分別為-0.045 (-0.335x-0.593x-0.228)和-0.006 (-0.201x-0.345x-0.084)。糧食主產區顯著大于非糧食主產區。可能的原因與前文一樣，非糧食主產區經濟作物比例高于糧食種植比例，資源的需求更大。環境友好型農業綠色技術進步(ACGTP)與資源節約型農業綠色技術進步(AEGTP)通過農業要素投入效率(EE)與農業要素投入結構(ES)聯動的中介效應顯著效果基本一致。東西部均不顯著，中部和糧食非糧食地區顯著。

綜合來看，全國和分區域的中介效應異質性明顯(如表 5-6 所示)。農業綠色技術進步及其不同類型對碳排放強度的直接影響顯著為負，中介效應不完全顯著且影響系數有正有負，直接效應均大于中介效應。( 1)從直接效應上，農業綠色技術進步( AGTP) 的直接效應區域排名是：東部＞中部＞西部，糧食主產區＞非糧食主產區。資源節約型農業綠色技術進步(AEGTP)的區域排名是：東部〉西部，糧食主產區〉非糧食主產區，中部不顯著。環境友好型農業綠色技術進步(ACGTP)的區域排名是東部〉中部〉西部，非

糧食主產區＞糧食主產區。可以得出，農業綠色技術進步及其不同類型對碳排放的直接效應的區域排序是：東部＞中部＞西部，糧食主產區＞非糧食主產區。農業綠色技術進步及其不同類型的直接效應均顯著大于中介效應。（2）從中介變量的路徑中介變量的路徑顯著性效果排序為：農業要素投入結構（ES）路徑〉農業要素投入效率（EE）路徑〉農業要素投入效率（EE）與農業要素投入結構（ES）聯動路徑。中國農業碳排放強度降低主要是農業要素投入結構提高，農業要素投入效率變化對降低農業碳強度的影響有限。同時，農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）通過農業要素投入效率（EE）和農業要素投入結構（ES）路徑的中介效應系數顯著，但因地區差異而有正有負。（3）從總效應上看，環境友好型農業綠色技術進步（ACGTP）＞資源節約型農業綠色技術進步（AEGTP）。環境友好型農業綠色技術進步比資源節約型農業綠色技術進步對碳排放強度的中介效應更顯著。不同類型農業綠色技術進步在機理上存在差異，農業綠色技術進步及其不同類型通過農業要素投入結構（EE）路徑的機理基本一致。然而，因地區原因，農業綠色技術進步及其不同類型通過農業要素投入結構（ES）路徑和農業要素投入效率（EE）與農業要素投入結構（ES）聯動路徑的效應有正有負。

表5-6綠色技術進步對碳排放強度的全樣本及分區域中介效應分析

Table 5-6 Analysis of the mediating effects of AGTP, ACGTP and AEGTP on carbon emission intensity by whole sample and sub-region

變量區域直接效應 ES 特定路徑的中介效應

EE ESxEE

全樣本 -0.396*** -0.060*** -0.020* -0.001**

-0.669***x0.090*** 0.321*x-0.063** -0.669***x-0.286***x-0.063**

東部 -0.674 -0.296

-0.892**x0.343*** -0.003

0.763**x-0.004 0.001

-0.892**x0.155**x-0.004

中部 -0.518*** 0.077*

-0.574***x-0.134* 0.030

-0.198x-0.149*** -0.091***

-0.574***x-1.065***x-0.149***

AGTP 西部 -0.327* 0.147

-0.550x-0.267*** -0.137

0.244x-0.563*** -0.157

-0.550x-0.506***x-0.563***

糧食 -0.457*** -0.170 -0.009 -0.071***

主產區 -0.714***x0.024 0.047x-0.190*** -0.714***x-0.523***x-0.190***

非糧食 -0.344** -0.052** -0.011 -0.006

主產區 -0.651**x0.079*** 0.280x-0.039 -0.651**x-0.232***x-0.039

全樣本 -0.079*** -0.010

-0.250***x0.037 0.036***

-0.291***x-0.125*** -0.013***

-0.250***x-0.426***x-0.125***

東部 -0.115*** -0.094*** 0.022 -0.001

-0.261***x0.141*** -0.308***x-0.073 -0.261***x-0.026x-0.073

中部 -0.056 0.059

-0.215***x-0.276*** 0.097

-0.414***x-0.235*** -0.065

-0.215***x-1.286***x-0.235***

AEGTP 西部 -0.102** 0.022

-0.085x-0.260*** -0.027

0.005x-0.570*** -0.025

-0.085x-0.511***x-0.570***

糧食 0.017 0.026*** -0.045***

主產區 -0.123*** -0.335***x-0.052 -0.115***x-0.228*** -0.335***x-0.593***x-0.228***

非糧食主產區 -0.047** -0.011*

-0.201***x0.055* 0.029**

-0.343***x-0.084** -0.006**

-0.201***x-0.345***x-0.084**

全樣本 -0.325*** -0.048***

-0.649***x0.073*** 0.037***

-0.448***x-0.084*** -0.017***

-0.649***x-0.321***x-0.084***

ACGTP 東部 0.694***- -0.126**

-0.444***x1.208** -0.143**

-0.285**x0.500*** -0.022*

-0.444***x0.103*x0.500***

中部 -0.540* 0.111 0.043 -0.145***

-0.925***x-0.120 -0.295x-0.147*** -0.925***x-1.064***x-0.147***

西部 -0.108*** 0.368

-1.421x-0.259*** -0.911***

1.678***x-0.543*** -0.383

-1.421x-0.497***x-0.543***

糧食 -0.06 -0.051 -0.061

主產區 -0.255 -1.512***x0.039 0.266x-0.192*** -1.512***x-0.509***x-0.192***

非糧食 -0.328*** -0.030** 0.036** -0.010**

主產區 -0.529***x0.058** -0.526***x-0.069** -0.529***x-0.270***x-0.069**

注：***、**和*分別表示在 1%、5%和 10%的水平顯著；

5.5 本章小結

針對農業綠色技術進步是否會減少碳排放強度，以及通過何種路徑作用于碳排放強度，本章構造了動態面板模型GMM,分析農業綠色技術進步對碳排放強度的影響。然后，利用中介效應模型，對農業綠色技術進步對碳排放強度的作用路徑進行實證檢驗，并區分了中、東、西部三大地區和糧食主產區、非糧食主產區。主要得出如下結論：

（1）全樣本動態面板模型GMM估計下，農業綠色技術進步及其不同類型均有效抑制了碳排放強度上升。同時，碳排放強度（CI）存在明顯的時間滯后效應。分地區角度看，農業綠色技術進步各地區的區域排序是：東部＞中部＞西部，糧食主產區＞非糧食主產區。在三大經濟分區中，僅東部的資源節約型農業綠色技術進步（AEGTP）和西部的環境友好型農業綠色技術進步（ACGTP）對碳排放強度的影響均顯著為負。中部地區的不同類型農業綠色技術進步對碳排放強度均不顯著。在兩大糧食分區中，糧食主產區的農業綠色技術進步及其不同類型對農業碳排放強度均完全顯著。從類型角度看，動態面板模型GMM下的環境友好型農業綠色技術進步（ACGTP）對碳排放負向效果顯著高于資源節約型農業綠色技術進步（AEGTP）。

（2）從作用機理看，全國和分地區的農業綠色技術進步及其不同類型對碳排放強度的直接效應為負但不完全顯著，不同類型的中介效應不完全顯著且影響系數有正有負，中介路徑顯著性效果排序為：農業要素投入結構（ES）路徑〉農業要素投入效率（EE）路徑〉農業要素投入結構（ES）與農業要素投入效率（EE）聯動路徑，且直接效應均大于中介效應。中國農業碳排放強度降低主要是要素投入結構性變化，要素投入效率要素投入效率提高對降低農業能源強度的影響有限。不同類型農業綠色技術進步通過農業要素投入結構（ES）路徑的機理是一致的，而不同類型農業綠色技術進步通過農業要素投入效率（EE）路徑的機理是不一致的。

分地區角度看，直接效應下，各地區農業綠色技術進步及其不同類型對碳排放影響的直接效應不完全顯著，區域排序是：東部＞中部＞西部，糧食主產區＞非糧食主產區。其中，中部的資源節約型農業綠色技術進步（AEGTP）和糧食主產區的環境友好型農業綠色技術進步（ACGTP）的直接效應不顯著。中介接效應角度下，中介效應不完全顯著，并且東部地區農業綠色技術進步及其不同類型通過農業要素投入效率（EE）對碳排放強度的抑制作用顯著高于中西部。中部的農業綠色技術進步及其不同類型通過農業要素投入效率（EE）與農業要素投入結構（ES）聯動路徑對碳排放強度的抑制效果高于東西部。非糧食主產區通過農業要素投入效率（EE）和農業要素投入結構（ES）對碳排放強度的抑制作用比糧食主產區更顯著。

分類型角度看，環境友好型農業綠色技術進步（ACGTP）的直接效應、中介效應和總效應均顯著大于資源節約型農業綠色技術進步（AEGTP）。農業綠色技術進步及其

100 不同類型通過農業要素投入結構（EE）路徑顯著為負，而農業綠色技術進步及其不同類型通過農業要素投入結構（ES）路徑和農業要素投入效率（EE）與農業要素投入結構（ES）聯動路徑的效應有正有負。這與地區資源稟賦等差異有關。

101

第六章農業綠色技術進步的碳減排效應

6.1 問題的提出

農業作為中國經濟增長的基礎和重要支柱，而農業活動產生的CO2排放貢獻了 50% 的CH4、70%的N2O和28.5%的CO2 (Zhang X.等,2019)。作為減少消費和減排的根本措施，綠色導向的技術進步是促進綠色農業發展的關鍵選擇，以積極應對碳減排計劃(Cordo ba 等，2014； Rebolledo-Leiva 等，2017； Yan 等，2019)。通過農業綠色技術進步提高資源利用效率是農業低碳發展的重要手段。然而，綠色技術的研究、開發和傳播在不同地區通常不會以相同的速度進行(Du等，2019)。農業綠色技術進步的實際影響可能取決于特定的社會或經濟環境( Bonds 和 Downey， 2012)。因此，了解人類活動，探究農業綠色技術進步的碳減排效應，準確掌握地區碳減排效應的空間關系及其演變規律及空間關聯特性，并針對不同地區、不同群體以及不同發展階段下可持續發展的需求與適應能力的差異，指導各地區根據自身碳減排效應特點制定針對性政策。這對于堅持綠色發展，進而實現中國既定的碳減排目標，從而實現“綠水青山就是金銀山”的愿景，具有重要的理論和實踐意義。

目前，關于綠色技術進步的碳減排效應的文獻在以下幾方面仍有待深化：首先，關于農業綠色技術進步與農業碳減排的研究較少，農業綠色技術進步對農業碳減排的影響及其時空異質性仍缺乏文獻支撐。其次，農業綠色技術進步的碳減排效應與各影響因素并未納入統一框架，識別農業綠色技術進步的碳減排效應的影響因素具有現實和理論價值。最后，已有的研究方法不能有效評估各省份農業綠色技術進步的碳減排效應。

針對以上局限性，本章將采用異質性隨機前沿模型，建立考慮影響因素異質性和地區差異的碳減排模型和測算指標，以測度和分析中國各個地區農業綠色技術進步的碳減排效應。此外，文章還將分析城鎮化水平、行政型環境規制和經濟型環境規制等因素對農業綠色技術進步碳減排效應的影響，以望對中國低碳經濟發展提供理論參考和實證支撐。

6.2模型構建、變量選擇與數據說明

6.2.1 模型構建

1.異質性隨機前沿模型

( 1)最優碳減排效率

異質性隨機前沿模型是既可以分析外生變量對技術無效率均值的影響效應，還可以分析外生變量對技術無效率方差的影響效應的模型(王麗霞等， 2017)。為更好的測

102

定在外生變量影響下農業綠色技術進步的碳減排效應，文章參考異質性隨機前沿模型構建了農業綠色技術進步下的最優碳減排效率函數（）:

ACE* 二瓜+ 0AG + v.t （6-1）

其中，ACE表示最優農業碳減排效率，AG可代表農業綠色技術進步（AGTP）和資源節約型農業綠色技術進步（AEGTP）、環境友好型農業綠色技術進步（ACGTP）, #代表農業綠色技術進步的調整系數，Vit表示來自外生變量的沖擊。

（ 2）實際碳減排效率

農業碳減排效率也會受到外生變量的影響，無法達到農業綠色技術進步的碳排放強度的最優減排效率，因此實際碳減排效率（ACE）可以表示為：

ACC = + PAG-F_t + vit （6-2）

其中，Ft表隨機因素未能實現的不利影響。一般假設Ft=〃it > °，具有單邊分布的特征。當Ft="it時，農業綠色技術進步下的實際碳減排效率（ACE）與最優碳減

排效率函數（'CE ）之間存在以下關系：

ACE=ACE*-“it + vit=P° + 0iAG-“it + vit （6-3）

（3）農業綠色技術進步碳減排效率的影響因素及其阻礙力和不確定性。

考慮到數據及各地區農業綠色技術進步的差異，文章對式（6-3）做出如下設定：

ACE=X 'it + % 和％ = ^it - "it （6-4）

其中，X't= （1, Te,Di,Dt） ' Di和Dt為分別是反映個體效應和時間效應的虛擬變量；％由叫t和"it兩部分組成。其中，Vit表示隨機干擾項，假設其服從正態分布

且相互獨立，即％?i.i.d.N （0, 0”）； "it表示無效率項，即農業內部結構等影響因素未能實現最優化而對農業綠色技術進步碳減排效率造成的不利影響。模型假定 "it f °，具有單邊分布的特點，假設其服從非負的截斷型半正態分布，即％?N+（叫,0；）。

在此基礎上，參考王麗霞等（2017）對異質性的設定，將"it的異質性設定如下：可辻=exp （b + z .tS）和比=exp （b + z，ty）（6-5）

式（6-5）中b°和b表示常數項，而城鎮化水平（City）、農民可支配收入（PIC）、農業技術人員（TEAN）、農業價格政策（PP）、經濟型環境規制（EPR）、行政型環境規制（CER）、農業要素投入結構（ES）、農業要素投入效率（EE）等外生變量對農業綠色技術進步碳減排效率的阻礙力（wit ）及其不確定性（6t2 ）的影響在這一步就可以得到具體的驗證。

基于前文，農業綠色技術進步的碳減排水平都包含隨機干擾項（片），而隨機干擾項是外部影響因素所引致的，而將隨機干擾項（片）剔除可以達到農業綠色技術進步的農業減排的最優下降邊界（人0）,而除去隨機干擾項后農業綠色技術進步的碳減排的實際值為XJ3-",將農業綠色技術進步的碳減排水平的實際值與最優值相比，就可以得到農業綠色技術進步農業減排效率（ACE* ），定義如下：

103

△岔=1_E expOj"—仏）=1 _。乂戸（Q ©6）

exp （X 0） 1

顯然，農業綠色技術進步農業碳減排水平的實際值（）只介于0和1之間。當\CE趨近于1時，說明農業產業結構、農業經濟發展水平、勞動力水平、城鎮化率、行政型環境規制和經濟型環境規制等影響因素對農業綠色技術進步碳減排效率的阻礙作用達到了最大化。反之，如果\CE趨近于0,則說明城鎮化水平（City）、農民可支配收入（PIC）、農業技術人員（TEAN）、農業價格政策（PP）、經濟型環境規制（EPR）、行政型環境規制（CER）、農業要素投入結構（ES）、農業要素投入效率（EE）等影響因素對農業碳排放強度減排效率的阻礙作用達到了最小化。

6.2.2 變量選擇與數據說明

本文所測度的農業碳總量減排值是根據農業碳強度減排效率計算得到的，而農業碳強度減排效率建立在異質性隨機前沿模型基礎上。在該模型中，碳強度減排值是主要的被解釋變量，農業綠色技術進步是引起碳減排的主要解釋變量。同時，借助以往研究（楊莉莎等，2019；李志國等，2010；張傳慧，2020； Deng Yue等，2021）以及充分考慮數據的可獲取性，納入城鎮化水平（City）、農民可支配收入（PIC）、農業技術人員（TEAN）、農業價格政策（PP）、經濟型環境規制（EPR）、行政型環境規制（CER）、農業要素投入結構（ES）、農業要素投入效率（EE）等指標作為影響因素變量。

（ 1 ）被解釋變量

在綠色技術進步中，選取的是農業碳排放強度減排值（CE、為被解釋變量，其計算方法為當期農業碳排放強度與前一期農業碳排放強度的差值，當該差值為正值即為當期的農業碳排放強度上升，碳減排水平降低；當該差值為負值即為當期的農業碳排放強度下降，碳減排水平增加。因此，綠色技術進步碳減排模型（表 6-3 中模型（1） - （3））中采用農業碳排放強度減排值差距作為被解釋變量，可以更好的衡量碳排放強度下降的效率，更好的衡量農業碳減排的效應。此外，因資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）中的碳減排指數過低（均低于 0.1）。為更好的進行時空演進分析，在表6-3中的模型（4） -（9）中，本文采用碳排放強度作為被解釋變量。具體解釋如下：以碳排放強度作為被解釋變量，代表的是農業綠色技術進步對碳排放強度的影響效應，影響效應值越大，碳減排或增排值越大。當影響系數顯著為負時，模型得到的影響效率代表減排效應；當影響系數顯著為正時，模型得到的影響效率代表增排效應。而通過前文第四、五章的系數為負，可以說明是減排的。這就說明，該指標與農業碳減排值是同一口徑的，可以代表農業碳減排效應。

（ 2）解釋變量

農業綠色技術進步（AGTP）主要采用EBM-GML模型進行測度，具體測算模型見

104

第四章。同時，本文選取綠色節水灌溉技術采用率和免耕技術采用率分別作為資源節約型農業綠色技術進步（ACGTP）和環境友好型農業綠色技術進步（ACGTP）的替代指標。具體內容見第四章。

（3）影響因素變量

在多重共線性檢驗的基礎上，本文選擇的影響因素主要包括城鎮化水平（City）、農民可支配收入（PIC）、農業技術人員（TEAN）、農業價格政策（PP）、經濟型環境規制（EPR）、行政型環境規制（CER）、農業要素投入結構（ES）、農業要素投入效率（EE）等變量。各變量的概念與取值和前文三四五章一致。此外，為更好地減少模型的誤差項和消除數據的非平穩性，本文對數值型數據均進行對數處理，其余百分比數據均使用原始值。具體描述性統計結果如下：

表 6-1 描述性統計分析

Table 6-1 Descriptive statistical analysis

平均值標準差最小值最大值

AGTP 1.037 0.156 0.602 1.951

AEGTP 0.224 0.237 0.014 2.394

ACGTP 0.065 0.112 0.000 0.639

CI 264.529 103.442 55.109 626.468

CE -10.617 24.090 -84.293 100.775

city 0.397 0.125 0.141 0.668

PGDP 1.241 1.000 0.171 4.824

PIC 3641.290 1984.272 1374.160 9299.849

TEAN 25041.390 12569.280 5680.000 49667.000

PP 1.022 0.065 0.879 1.315

EPR 6.354 3.598 0.904 17.804

CER 31.233 50.862 0.000 235.000

ES 0.029 0.021 0.004 0.087

EE 3.668 2.041 0.979 8.536

PS 0.636 0.106 0.357 0.839

6.3 模型檢驗結果

本文將農業綠色技術進步碳減排效應定義為農業綠色技術進步的碳減排效率，主要通過異質性隨機前沿模型進行測算。

根據前文研究，城鎮化水平（City）、農民可支配收入（PIC）、農業技術人員（TEAN）、農業價格政策（PP）、經濟型環境規制（EPR）、行政型環境規制（CER）、農業要素投入結構（ES）、農業要素投入效率（EE）等指標作為控制變量放在農業綠色技術進步對碳排放強度的影響中是顯著的，因此這些政策是影響農業綠色技術進步碳減排的重要因素。同時，農業綠色技術進步的“雙重外部性”特征造成對其研發的有效投資嚴重不足，并通過市場機制表現為“雙重市場失效”（錢娟， 2018）。單純通過市場機制去推動

105

農業綠色技術創新、推廣和擴散是不夠的，需政府制定相關的政策推動其創新、推廣和擴散。因此，對農業綠色技術進步的影響因素值得深入研究。

表 6-3 列示了多種模型設定下農業綠色技術進步及其不同類型下碳減排效應的各影響因素的估計結果。其中，模型(1) — (3)表示農業綠色技術進步(AGTP)碳減排效應的各影響因素的估計結果。其中，模型(1)表示未施加任何約束。模型(2)表示城鎮化水平(City)等因素對農業綠色技術進步的碳減排效應沒有影響，即無效率期望值為 0。模型(3)是不加入任何控制外生變量，即不存在無效率部分。以此類推，第(4) — (6)列表示的資源節約型農業綠色技術進步(AEGTP)對碳排放強度的各影響因素的估計結果，第(7) — (9)列表示的環境友好型農業綠色技術進步(ACGTP) 對碳排放強度的各影響因素的估計結果，其約束條件分別與模型(1)—(3)同等一致。從表6-3結果可以看出，農業綠色技術進步(AEGTP)、資源節約型農業綠色技術進步 (AEGTP)和環境友好型農業綠色技術進步(ACGTP)設定的3個模型中，LR1和LR2 的檢驗結果表明模型(1)要優于模型(2)和模型(3)其他 2 個模型。因此，表 6-3 中各模型(1)均通過了檢驗，并分別被選擇為農業綠色技術進步(AGTP)、資源節約型農業綠色技術進步(AEGTP)和環境友好型農業綠色技術進步(ACGTP)對碳排放強度估計的基礎模型。

從表6-3的所有模型結果可以看出，農業綠色技術進步(AGTP)、資源節約型農業綠色技術進步(AEGTP)和環境友好型農業綠色技術進步(ACGTP)的碳排放顯著為負。即隨著農業綠色技術進步水平的增加，碳排放就會減少。這說明了綠色技術進步減排的穩健性。分類型看，環境友好型農業綠色技術進步(ACGTP)比資源節約型農業綠色技術進步(AEGTP)顯著性更強，這與前文結果基本一致。

6.4農業綠色技術進步碳減排效應的時空演進

6.4.1農業綠色技術進步碳減排效應的時間演進

根據式(6-6)，本文測算得到了農業綠色技術進步(AGTP)和資源節約型農業綠色技術進步(AEGTP)、環境友好型農業綠色技術進步(ACGTP)的碳減排效應。同時，考慮到中國三大經濟區域和兩大糧食分區等在經濟發展和資源稟賦等問題上的可能差異，本文分區域對三者進行了統計分析，具體見圖6-1、6-2和 6-3。

106

全樣本糧食主產區非糧食主產區

東部一♦—中部一•一西部

圖6-1農業綠色技術進步（AGTP）的碳減排效應

Figure 6-1 Carbon emission reduction efficiency of AGTP

全樣本糧食主產區非糧食主產區

——東部一•一中部一•一西部

圖6-2資源節約型農業綠色技術進步(AEGTP)的碳減排效應

Figure 6-2 Carbon emission reduction efficiency of AEGTP

107

0.5

0.4

0.3

0.2

0.1 ■ I I i i i i i i i i i i i i i i i i i

糧食主產區非糧食主產區

—■•—中部 • 西部

圖6-3環境友好型農業綠色技術進步(ACGTP)的碳減排效應

Figure 6-3 Carbon emission reduction efficiency of ACGTP

分時間來看，2000—2019年間，農業綠色技術進步（AGTP）的碳減排效應指數基本在 0.40—0.9 之間，且基本呈逐年增加狀態。這表明中國的農業綠色技術進步是有效的。各地區農業綠色技術進步的碳減排效應的增長變動趨勢基本一致，并以 2004 年、 2007 和 2010 年為節點，農業綠色技術進步的碳減排效應呈現“慢-快-慢”階段性的變動趨勢。其中，2000—2003年以前農業綠色技術進步（AGTP）的碳減排效應增長緩慢。可能的原因是， 2000—2003 年屬于單純的農業經濟擴張時期，農藥和農膜過度使用以及不合理的廢棄物處理方式，使得農地碳排放污染有所改觀，但效果不顯著。 2004—2009 年的農業綠色技術進步對種植業碳排放強度的趨勢關系的效率指數變化則直接性，高速上升趨勢。可能的原因是，農業綠色技術進步不斷提升優化，該時期屬于經濟發展且與城鄉融合加速推進階段，一方面，農村富余勞動力進入城市，加之農業科學研究的增加，提高了農業生產效率，驅動了農業經濟快速發展，但市場的驅動力不足，農戶愿意采納綠色技術主要是為實現自給自足，總體表現為農業綠色技術進步的提高。與此同時， 2004—2009 年外部市場需求增加，中國農業科研者不斷研發和推廣節約型和環境友好型的農業技術。例如，減少農業廢棄物生成、增加農村清潔能源和可再生能源、增加農業廢棄物資源化利用、注重水土保持等農業技術等。 2010—2018 年農業綠色技術進步增長緩慢，主要是由于農業資本深化問題凸顯，導致農業綠色投資效率下降和要素配置扭曲，抑制了綠色技術進一步的提升，進而不利于綠色技術進步的碳減排。

108

分類型看，環境友好型農業綠色技術進步（ACGTP）比資源節約型農業綠色技術進步（AEGTP）的碳減排效應更高。不同類型農業綠色技術進步的發展趨勢基本一致，均在2000—2004年保持平穩，并在2005年急速下降后保持平穩狀態，并在2015年后呈上升趨勢，呈“保持穩定—急速下降—穩步上升”的狀態。此外，除中部和糧食主產區外，資源節約型農業綠色技術進步和環境友好型農業綠色技術進步（ACGTP）的碳減排效應并未逐年增加。雖然碳減排并未增加，但效應指數大于 0，這說明依然是減排的，可能是受到資源節約型農業綠色技術進步政策的制定與實施中的信息不對稱和外部環境因素的干擾所導致的（王麗霞等， 2017）。最后，環境友好型農業綠色技術進步（ACGTP）對碳的影響效應值略高于資源節約型農業綠色技術進步（AEGTP）,這與第四章結論一致。

6.4.2農業綠色技術進步碳減排效應的空間演進

與此同時，為展現中國農業綠色技術進步的碳減排效應的空間差異，本文按照平均分段，選取2000、2006、2012 和 2019年對農業綠色技術進步進行了圖像化展示，具體如圖6-4、6-5、6-6所示，并且結合圖6-2、6-3和6-4。可知：

分區域看，農業綠色技術進步（AGTP）的碳減排效應區域排序為：東部〉中部〉西部，糧食主產區〉非糧食主產區。分類型看，資源節約型農業綠色技術進步（AEGTP）的碳減排效應區域排序為：中部＞東部＞西部，糧食主產區＞非糧食主產區。環境友好型農業綠色技術進步（ACGTP）的碳減排效應區域排序為：東部〉中部〉西部，糧食主產區＞非糧食主產區。從時間趨勢看，兩大糧食分區的碳減排趨勢一致，而東中西部地區兩類型綠色技術進步時間趨勢存在顯著不一致。其中，在2000—2004年的東部地區顯著大于中西部， 2004—2008年西部地區略高于東中部地區， 2008—2019年則是中部地區略高于東西部地區。農業綠色技術進步（AGTP）與環境友好型農業綠色技術進步的區域碳減排效應基本一致，只存在一定的區域和時間差異。農業綠色技術進步（AGTP）與資源節約型農業綠色技術進步的區域碳減排效應存在顯著的區域。其中：

第一，西部地區的農業綠色技術進步及其不同類型的碳減排效應最小。近年來，西部地區農業發展尚處于由高投入、高消耗和高污染的發展模式向綠色發展模式轉型的關鍵時期，農業粗放式經營仍未改變，技術進步在農業碳減排上并未發揮其應有優勢，加之環境承受力較弱，所以西部地區的碳強度減排值阻力較大，碳強度減排值低于全國水平。其次，目前的技術應用主要為增加農業生產和供給為目的，提升農業生產效率，并未和環境保護和碳減排直接掛鉤。技術進步很快，但對促進農業碳減排的作用并不大。未來要積極在農業生產中推行以減少碳排放和環境保護為目的的農業綠色技術，繼續推進農業生產結構向綠色發展的原則，從而減少碳排放。

第二，中部地區的農業綠色技術進步（AGTP、和環境友好型農業綠色技術進步

109

(ACGTP)居中。這主要是，中部地區農業作為種植業的主要區域，其生產依賴農業生產資料的消耗，高投入、高消耗、高污染的粗放型農業生產方式，對環境造成巨大壓力，其碳減排優化空間大于東西部地區。然而，近些年來，在國家制定的綠色農業發展戰略的指引下，中部地區引導農民減少農業對于化肥農藥的依賴，并對農業生產種植給予科學指導，發展生物質能產業，農業綠色技術進步也得到了極大的提升，中部地區的綠色農業升級取得了顯著的效果，促使綠色發展與農業生態環境質量之間的關系更加協調。此外，中部地區的資源節約型農業綠色技術進步的碳減排效應最高，可能的原因是，中部地區為糧食主產區的主要區域，其農資生產消耗顯著高于其他地區，減少農資消耗的意愿最強，對科學技術的重視程度也顯著增加，加之，中部地區的農業經濟條件也較好，從而促進了當地的綠色技術創新發展，進而影響了碳排放。此外，該結構與前文的結果中部地區資源節約型農業綠色技術進步對碳排放的影響效應不顯著的結果有出入，主要是本模型的優勢是可以得出中國30 個省的二十年的碳減排效應，可以檢驗其時空演進趨勢。查看模型數據原始結果， 2008 年前中部地區的碳減排效應低于東部， 2008 年后才高于中東部。這樣得出中部資源節約型農業綠色技術進步的碳減排效應大于東部地區也符合常理。

圖6-4農業綠色技術進步(AGTP)的碳減排效應的空間格局

110

圖6-5資源節約型農業綠色技術進步（AEGTP）的碳減排效應的空間格局

Figure 6-5 Spatial pattern of carbon emission reduction efficiency of AEGTP

從糧食和非糧食兩大分區和類型看，糧食主產區的碳減排效應顯著高于非糧食主

產區。可能的原因是：一方面，由規模報酬規律可知，在糧食規模聚集的地區，一定區

域耕地面積內集聚的技術、勞動力、資本等生產要素會使得規模報酬遞增，增加糧食主

111

產區的碳減排效應。另一方面，在技術水平保持穩定的條件下，農戶作為理性的經濟人，其會基于資源環境的稀缺度進行理性選擇，當農戶收入水平提高至一定階段時，自然而然地會加強對綠色糧食及種植環境的關注度，環保意識的增強會致使農戶自覺減少化肥農藥等化學品的投入，轉而利用農家肥等清潔肥料，從而促進區域農業碳減排效應的提升。從類型角度看，糧食和非糧食兩大分區的環境友好型農業綠色技術進步

(ACGTP)的碳減排效應均比資源節約型農業綠色技術進步(AEGTP)高，這與前文的研究基本一致。

此外， 2000—2009 年有幾個省份的農業綠色技術進步碳減排效應為 0，可能的原因是該時期屬于經濟發展與城鄉融合加速推進階段，引致綠色技術效率下降和要素配置扭曲，農業綠色化技術退步嚴重。同時，因本章模型設置農業綠色技術進步碳減排效應必須大于等于 0，這是模型的一大劣勢。本文無法排除綠色技術退步下的碳增排效果的可能性，但是綠色技術進步下的碳減排效應整體上處于上升趨勢，就足以證明國家綠色農業政策的成效顯著。

112

6.5農業綠色技術進步碳減排效應的影響因素分析

農業綠色技術進步的碳減排還會受各因素影響。表 6-3 展示了農業綠色技術進步其不同類型碳減排的影響因素。整體來看，不同類型農業綠色技術進步的減排效應是確定的，而各影響因素對農業綠色技術進步其不同類型的碳減排效應作用不一。其中：城鎮化水平（City）、農業價格政策（PP）會增加農業綠色技術進步其不同類型的碳減排效應阻礙力。農民可支配收入（PIC）、行政型環境規制（CER）會減少農業綠色技術進步其不同類型的碳減排效應阻礙力。農業技術人員（TEAN）和經濟型環境規制（EPR）對的農業綠色技術進步其不同類型的碳減排效應阻礙力因技術類別偏向略有差異。

（1）城鎮化水平（City、對農業綠色技術進步及其不同類型的均值系數為正，方差系數顯著為負。即，城鎮化水平（City）會增加農業綠色技術進步及其不同類型的阻礙力，而城鎮化水平的提高會減少農業綠色技術進步及其不同類型的碳減排阻礙力的不確定性。可能的解釋是，一方面，雖然在一定程度上城鎮化水平的提高可以帶動區域農業基礎設施的完善，促進人才、資金、技術等要素資本向農業集聚，有利于綠色技術進步，但可能難以超過向化學化、機械化轉型的技術發展。特別是，城鎮化水平的加快會促使農業需要用更少勞動力、耕地去滿足城市更多的糧食需求，迫使農業生產向以化學化、機械化等為代表的現代農業轉型（戴小文， 2015），不利于農業低碳發展；另一方面，城鎮化水平的提高會加快綠色技術向周邊傳播和應用的速度，它為周邊農業綠色技術的進步提供了低成本的環境，進而再一步促進農業綠色技術創新水平的整體提升，所以有利于降低碳減排的不確定性。

（2）農民可支配收入（PIC）。農民可支配收入（PIC）削弱了農業綠色技術進步及其不同類型的阻礙力，具有碳減排作用。其本質原因在于農戶收入水平的提高改變了農戶對生活追求的偏好，從而影響了農戶在農業生產過程中的投入行為（劉蒙罷等， 2021）。具體的原因可能是：一方面，農業經濟發展水平越高，原有農業技術先進，生產率越高更有利于農業低碳發展模式形成（徐輝等， 2020），從而推動區域農業綠色、生態、可持續發展。也有學者認為，農業經濟發展水平越高的地區，其農業組織化、市場化程度較高，有助于綠色技術的創新、傳播和應用，從而達到綠色技術的碳減排效應

（龐麗， 2014）。另一方面，農業經濟的增長會改變市場需求，進而改變農產品的消費形式、消費結構等，從而出現農戶生產技術的新需求，在傳統農業技術創新“突破”與 “融合”的基礎上，去提升農業生產要素的邊際效率，促進綠色技術的提高（姚延婷， 2014），進而促進碳排放。最后，綠色農業科技進步是農業綠色經濟增長的主要推動力（呂娜等， 2019），農業增長由依靠資源投入轉向依靠科技進步，進一步又推動力綠色技術的進步，進而促進碳減排。

（3 ）農業技術人員（TEAN）。農業技術人員（TEAN）對農業綠色技術進步（AGTP ）

113

的碳減排效果具有促進作用，這與預期基本一致。即各類農業政策除了要求農業技術人員保證國家糧食安全外，也會對農業技術人員以提出生態污染治理、生態恢復建設等建議。在此基礎上，農業技術人員會以農業經濟的生態化為抓手，采用農機設備研發、創新種質資源方向、培育作物良種等方式使農業逐步向低能、低排、高效率轉型。這些實現都要落實到農業生產行為的綠色化上，這會帶動農業生產過程的綠色化，最終降低農業碳排放。然而，可能各農業技術人員的人力資本水平與經濟發展要求還不能完全相匹配，所以不顯著。與此同時，農業技術人員（TEAN、對資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）的碳排放具有顯著的提升作用，出現這種現象的主要原因可能有兩個：一是擁有受教育程度較高的技術者提高了農業生產方式，提高產出效率，但會帶來回彈效應，產生更多的要素生產投入和碳排放；二是現階段中國農業經濟增長方式仍表現出較強的粗放型特征，集約型尚未完成。各地區農業技術人員的人力資本水平不能完全相匹配經濟發展要求水平，相應的綠色技術進步碳排放強度也會出現增長（趙領娣等， 2014）。特別是，勞動力要素變得相對低廉，而價格的扭曲破壞了將勞動力資源配置給農業綠色技術進步農戶或農業企業的市場化原則，加之傳統的生產方式風險較低，因此農戶或農業企業嚴重依賴生產技術和設備，利用低技能勞動力進行粗放式生產。這就形成了勞動力等有形要素投入的粗放式發展模式的路徑依賴，存在低端鎖定效應，進而阻礙農業綠色技術發展（徐輝等， 2020 ）。

（4）農業價格政策（PP）增加了農業綠色技術進步及其不同類型的阻礙力。即農業價格政策（PP）對農業綠色技術進步的碳效應顯著為負，可能與第三章一樣，具體原因如下：當前的中國農業市場交易受到農業價格政策影響。當農業價格提高，農戶生產的積極性提高，可以促進農業機械化進程的推進及先進農機的使用和推廣，進而促進農業經濟和環境協調發展（張傳慧， 2020），有利于農業碳減排。此外，農資綜合補貼對農業投入品—農藥、化肥、農膜的補貼會導致農戶生產成本下降和投入要素使用比例發生改變，從而造成農產品市場價格扭曲，以及浪費和不合理利用特定補貼投入品。因此，農業價格政策一定要控制在合理的范圍內

（5）經濟型環境規制對綠色技術進步（AGTP）的均值和方差系數分別為0.114和 -0.364。即經濟型環境規制的增加會增加綠色技術進步碳減排效應阻礙力，但是也會減少綠色技術進步碳減排效應的不確定性，這與鄢哲明等（2019）的研究結果綠色技術進步對產業結構低碳化的積極影響可能被政府的經濟干預所抵消基本一致。這也證明了前文所說的，要采用適當的經濟型環境規制政策才能促使農戶或者農業企業增加研發投入和技術創新，最終提高生產效率，減低碳排放，減少波動。與此同時，經濟型環境規制（EPR）對資源節約型農業綠色技術進步和環境友好型農業綠色技術進步的均值和方差系數分別為顯著為負和正。即經濟型環境規制（EPR）對兩類型農業綠色技術進步

114

的碳效應顯著為負，但會增加兩類型農業綠色技術進步的碳減排的波動性。這只能說明，不同類別綠色技術進步的減排效應是確定的，但是各影響因素對不同類型農業綠色技術進步的碳減排效應作用不一。在進行政策時，應該考慮到小的技術類別的特殊性。

(6)行政型環境規制政策(CER)的提升會降低農業綠色技術進步的碳減排效應的阻礙力，有利于農業碳減排。與此同時，行政型環境規制政策(CER)的提升會增加農業綠色技術進步的碳減排效應的不確定性。即行政型環境規制政策(CER)的提升并沒有抑制農業綠色技術進步碳減排水平的波動，反而增加了農業綠色技術進步碳減排水平的波動幅度。可能的解釋是，行政型環境規制對農業綠色技術進步的影響隨著綠色管制規模的變化而變化，綠色管制有助于推動農業綠色技術進步，但是當綠色管制水平達到一定程度，進一步的管制反而不利于綠色技術維系在較高水平，不利于農業綠色技術進步的碳減排。這說明我國農業綠色技術的快速發展對碳減排的作用越來越明顯。另一方面，農業綠色技術進步中的碳減排推進空間仍然較大，還沒有達到穩定狀態或瓶頸期。

115

表6-3農業綠色技術進步其不同類型全樣本下的模型估計及檢驗結果

Table 6-3 Model estimation and test results

(1) (2) (3) (4) (5) (6) (7) (8) (9)

模型1 模型2 模型3 模型1 模型2 模型3 模型1 模型2 模型3

CE CE CE CI CI CI CI CI CI

frontier

AGTP -0.680* -0.832** -0.665*

(-1.81) (-2.16) (-1.65)

AEGTP -0.364** -0.917*** -0.579**

(-2.44) (-6.87) (-2.49)

ACGTP -0.587*** 0.658* 0.701**

(-2.59) (1.88) (2.05)

cons 0.739* 0.969** 1.006** 0.298 -0.772*** 0.0206 0.331 -1.137*** -1.199***

(1.82) (2.31) (2.29) (1.49) (-5.62) (0.11) (1.60) (-6.58) (-8.27)

阻礙力

City 0.073 0.475*** 2.700***

(0.16) (6.38) (6.34)

PIC -0.096 -0.154** -0.242**

(-0.24) (-2.10) (-2.02)

TEAN -0.253 0.105** 0.138**

(-0.61) (2.27) (2.32)

PP 0.681*** 0.0354 0.748

(2.58) (1.06) (1.43)

EPR 0.114 -0.117** -0.109**

(0.31) (-2.33) (-2.52)

CER -1.134 -0.055* -0.034

(-1.63) (-1.94) (-1.62)

ES -0.060 0.186*** 0.278***

(-0.22) (5.35) (5.33)

EE -0.366 0.071 0.058

(-0.98) (1.57) (0.88)

cons -1.941 1.370*** 1.267

(-1.13) (8.56) (1.14)

不確定性

City -0.674** -0.606* -0.380* -2.893*** -1.396 0.335 -17.03*** 36.02*** 38.14***

(-2.04) (-1.90) (-1.65) (-4.98) (-1.21) (1.50) (-4.99) (3.18) (3.41)

PIC -0.384

(-1.30) -0.551*

(-1.89) -0.452**

(-2.08) 1.732***

(3.81) 2.121**

(2.16) -0.00186

(-0.01) ***

(3.90) -2.381

(-1.61) ***

(-2.95)

TEAN -0.0284 -0.253 -0.174 -0.541 -0.638 -0.0949 -0.648 0.634 0.227

(-0.10) (-1.06) (-1.04) (-1.64) (-0.83) (-0.64) (-1.52) (0.88) (0.41)

PP 0.229 0.542*** 0.398*** -0.269 -0.140 0.0903 -4.144 12.77* 8.781

(1.63) (3.56) (3.43) (-1.52) (-0.39) (0.91) (-1.49) (1.74) (1.33)

EPR -0.364 -0.157 -0.146 2.504*** 0.863 0.0932 2.248*** -0.0771 0.313

(-1.57) (-0.69) (-0.85) (5.70) (0.84) (0.67) (5.83) (-0.12) (0.59)

CER 0.890*** 0.366** 0.222** 0.709*** 2.754*** 0.0566 0.555*** 0.0902 0.0813

(4.83) (2.52) (2.25) (3.50) (4.44) (0.64) (3.70) (0.40) (0.36)

ES -0.205 -0.284* -0.146 -1.898*** -0.178 0.149 -3.057*** 2.931** 2.750**

(-1.04) (-1.74) (-1.18) (-5.45) (-0.20) (1.44) (-5.66) (2.46) (2.44)

EE -0.0561 -0.292* -0.161 -1.390*** 2.936*** 0.179 -2.443*** 2.337** 2.018

(-0.30) (-1.73) (-1.28) (-4.27) (3.64) (1.42) (-4.51) (2.00) (1.61)

cons -0.766*** -0.712*** -0.895*** -1.728*** -0.959*** -1.709*** *** -0.925*** -0.921***

(-9.04) (-7.74) (-10.08) (-17.01) (-15.08) (-14.18) (-17.44) (-14.60) (-14.76)

N 566 566 566 566 566 566 566 566 566

ll -682.1 -696.2 -705.5 -490.8 -542.8 -576.8 -490.4 -553.0 -553.3

chi2 138.3 129.7 131.8 194.2 633.7 283.6 193.1 394.3 442.0

p 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

LR1 46.759 18.657 - 172.041 67.950 - 125.798 0.700 -

P 0.000 0.000 - 0.000 0.000 - 0.000 0.000 -

LR2 - 28.102 46.759 - 104.091 172.041 - 125.097 125.798

P - 0.001 0.000 - 0.000 0.000 - 0.000 0.000

注：（1）括號內的數值是t統計值；（2） ***、**和*分別表示在1%、5%和10%的水平顯著；（3） LR1和LR2分別為相應模型針對模型3和模型1

進行似然比檢驗得到的卡方值，可以看出模型1是最優模型；

6.6 本章小結

本章主要對農業綠色技術進步的碳減排效應進行了研究。首先，在農業綠色技術進步的基礎上，本文構建了農業綠色技術進步及其不同類型的碳減排模型，測度了各個省份的農業綠色技術進步及其不同類型的碳減排效應，并進行時空動態演進分析和影響因素分析。研究結果表明：

（1）從時空角度看，分時間看，農業綠色技術進步的碳減排效應指數在 0.40—0.90 之間，且基本呈逐年增加狀態。各地區農業綠色技術進步（AGTP）碳減排效應的增長變動趨勢基本一致，并且以2004 年、2007和2010 年為節點，農業綠色技術進步的碳減排效應呈現出“慢-快-慢”階段性的變動趨勢。分地區看，各地區農業綠色技術進步（AGTP）碳減排效應的區域排序為：東部〉中部〉西部，糧食主產區〉非糧食主產區。

（2）分類型看，環境友好型農業綠色技術進步（ACGTP）比資源節約型農業綠色技術進步（AEGTP）對碳的減排效應更高。同時，不同類型農業綠色技術進步的碳減排效應呈“保持穩定—急速下降—穩步上升”的整體上升狀態。分區域下的不同類型農業綠色技術進步碳減排效應發展趨勢基本一致，且與農業綠色技術進步（AGTP）的碳減排效應差異明顯。其中，資源節約型農業綠色技術進步（AEGTP）的碳減排效應區域排序為：中部＞東部＞西部，糧食主產區＞非糧食主產區。環境友好型農業綠色技術進步（ACGTP）的碳減排效應區域排序為：東部〉中部〉西部，糧食主產區＞非糧食主產區。其次，三大經濟分區下不同類型農業綠色技術進步的區域有差異，前期東部的不同農業綠色技術進步碳減排效應最高，后期中部的不同農業綠色技術進步碳減排效應最高。兩大糧食分區的農業綠色技術進步的碳減排趨勢一致。

（3）在中國農業綠色技術進步及其不同類型碳減排效應測度的影響因素中，農業綠色技術進步其不同類型的減排效應作用是確定的，而各影響因素對農業綠色技術進步其不同類型的碳減排效應作用不確定。其中，城鎮化水平（Cityl農業價格政策（PP）會增加農業綠色技術進步其不同類型的碳減排效應阻礙力。農民可支配收入（PIC）、行政型環境規制（CER）會減少農業綠色技術進步其不同類型的碳減排效應阻礙力。農業技術人員（TEAN）和經濟型環境規制（EPR）對的農業綠色技術進步其不同類型的碳減排效應阻礙力因技術類別偏向略有差異。

118

第七章農業綠色技術進步對碳排放影響的未來情景模擬

7.1 問題的提出

農業綠色技術進步可能將產生顯著的碳減排效應，但技術進步由污染型向綠色的轉變并不會自然發生，就需要外生的引導和激勵。研究農業綠色技術進步及其不同類型對碳排放的影響及其效應，并考察外生的引導和激勵的作用下的最優的碳減排路徑極具意義。特別是，農業綠色技術進步與碳排放的作用機理與其他環境等多種因素存在顯著關系，在充分考慮經濟社會未來需求的情況下準確模擬這種復雜關系。在此基礎上，探尋農業綠色技術進步會對中國環境帶來怎樣的影響，探究不同情景下農業綠色技術進步碳減排的路徑差異，開展未來二氧化碳排放趨勢分析。在農業綠色技術進步技術（包括資源節約型農業綠色技術進步和環境友好型農業綠色技術進步）的時空演進背景下，采取何種措施才能推動其實現持續進步，進而更好地推動中國農業碳減排進程？不同類型農業綠色技術進步的演化特征會對未來的農業碳排放趨勢產生什么影響？解決好這些問題，對加快中國農業發展向綠色轉型、實現農業碳達峰具有重要意義。

為此，本章將利用BP神經網絡模型，結合情景分析方法設定了三種模擬情景（基準情景、高速發展情景和低速發展情景）動態模擬了農業綠色技術進步不同情景下中國未來二氧化碳排放趨勢，對2000-2030 年全國層面、東、中、西部、糧食、非糧食主產區的碳排放強度進行了預測做出預測、分析和判斷，期望為科學制定減排技術政策提供決策依據。

7.2模型構建、參數與情景設置

7.2.1模型構建

（1）模型原理

人工神經元是一個非線性單元，其利用人工神經元可以形成不同拓撲結構的網絡，是對生物神經網絡的模擬。BP神經網絡方法是最常用、最成熟的一種人工神經網絡方法（董聰等， 2018），它是一種誤差反向傳播算法訓練的多層前饋網絡，被認為最適用于模擬輸入和輸出關系（范秋芳， 2007），有助于補充現有理論分析和輔助決策過程。 Hornik和Stinchcombe （1990）證明人工神經網絡能任意逼近一大類函數，并揭示數據樣本中蘊含的非線性關系。BP神經網絡方法包括了輸入層、隱藏層（也叫中間層，可以有好幾層）和輸出層三部分。各層之間的聯系由權重體現，學習過程由前向計算和反向傳播組成。首先，學習樣本進入前向計算過程，從輸入層經過隱藏層到輸出層輸出學習結果（Shu Y等，2018）。如果輸出不符合要求則進入反向傳播過程。通過前向計算

119

和反向傳播對學習樣本進行反復訓練，直到誤差信號學習結果令人滿意(Zheng, P等, 2010)。模型的基本原理如圖 7-1 所示。

Figure 7-1 Three-layer BP neural network

(2)模型公式

設有n個輸入層神經元，m個輸出層神經元，p個隱層神經元，神經網絡訓練預測

過程主要分為兩部分(董聰， 2018)，具體如以下公式所示。隱層神經元的輸出可以由公式(7-1)計算：

xi = f (工 w’Xj+wJ1), i = 1, 2, • • p (7-1)

7=1

式中：xi1表示隱含層神經元輸出；£ wJx.+xO0代表對n個輸入層神經元進行加

j=1

權求和；w.0為輸入層神經元j對隱含層神經元i影響程度的權系數，wO為隱層神經

元i的閾值；f是一個具有無記憶性的非線性激勵函數，用以改變神經元的輸出。

同理，輸出層神經元的輸出yk通過公式(7-2)可以計算：

yk = f(£ w7klxJ1+XkO0) ,k =

.=1 ( 7-2)

另外，將輸出層神經元的誤差函數定義為：

E = 1 EX -yk) ( 7-3)

式中： d為目標值。

通過逐層反傳誤差計算前面各層每個節點的誤差值，并用如下的加權修正量公式

進行修正： △ wj = r)Sj mym-Y ( 7-4)

120

式中：wj表示權系數；y/T表示輸出層神經元輸出；可為學習率，3；為誤差信號。

為了克服輸入、輸出數據物理意義與量綱不同產生的問題。首先對輸入、輸出數據進行歸一化預處理，使其在［-1,1］區間內，常用一下公式：

I - I . ,、

P = 2 x i_氓-1 （7-5）

1 I - I .

max min

式中：P表示數據標準化得到的結果；I代表輸入或輸出數據；Im丸和Iain分別代表輸入或輸出數據中的最大值和最小值。

7.2.2模型仿真環境及參數設置

本文利用 MATLAB 軟件，采用 BP 神經網絡模型對預測模型進行訓練。主要是隨機選取 2000-2019年的數據作為訓練樣本，并選取5 年數據作為驗證樣本，預測了 2020- 2030年11年份的農業碳排放強度的變化值。雖然BP算法具有依據可靠、推導嚴謹、精度較高、通用性較好等優點，但也存在收斂速度慢、容易陷入局部極小值、隱層數和隱層節點數難確定等缺點（董聰， 2018）。因此，本模型中采用選取梯度下降法和高斯 -牛頓算法相結合的Levenberg-Marquardt （L-M）這一改進算法，以“tansig"作為隱藏層神經元的激活函數、‘purelin'作為輸出層神經元的激活函數、“trainlm"作為訓練函數。設學習率為1%（本文分別設置了 0.1%、 0.3%、 0.5%、 1%、 3%、 05%、 10%、 30% 和50%, 1%時驗證集均方根誤差最小），訓練周期1000次，目標誤差為1 X 10-5，最小性能梯度為1e-6。同時，通過迭代調參，自適應選取最優隱元（最優隱元的選取原則是驗證集均方根誤差最小）對應的預測結果作為最后的結果。

7.2.3情景設置

情景分析方法是環境經濟領域研究中的常用方法之一，被廣泛運用于溫室氣體及二氧化碳減排問題的研究中（閆文琪， 2014； Liu J 等， 2016）。該方法主要是通過假設手段生成未來情境，并分析其對目標產生影響（李琳， 2016）。因此，本文采用該方法并結合BP神經網絡模型對未來不同農業綠色技術進步水平下，農業碳排放強度進行了預測。依據前文可知檢驗可知城鎮化水平（City）、農業人均總產值（PGDP）,農民可支配收入（PIC）、農業技術人員（TEAN）、農業價格政策（PP）、財政支農政策（FIN）、經濟型環境規制（EPR）、行政型環境規制（CER）、勞動力水平（labor）、農業要素投入結構（ES）、農業要素投入效率（EE）、農業產業結構（PS）均會影響碳排放強度有影響。因此，我們也將這些變量加入了模型中。其中，城鎮化水平最高達到了 60.8%，財政支農比重最高達到12.12%,農業要素投入結構（ES）最高達到20.98%均未達到實際值的上限，符合預測要求。

研究設定了兩大類情景，一類是基準情景，即模型的各變量以年均增長率為基準。

121

一類是農業綠色技術進步及其不同類型水平變動情景，以農業綠色技術進步水平最高變動率提高作為高速發展情景，以農業綠色技術進步水平最低變動率降低作為低速發展情景。各控制變量的設置均以年均增長率為基準。具體情景數據如下：

表 7-1 農業綠色技術進步及其不同類型水平變動情景下各因素變化區間設置

Table 7-1 Setting of change intervals of various factors under the situation of agricultural green

technology progress and different types of level changes

指標地區高速發展情景基準情景低速發展情景

AGTP 全國 30.21% 1.14% -10.86%

東部 23.30% 0.92% -6.23%

中部 10.95% 0.24% -0.50%

西部 61.97% 2.48% -23.18%

糧食主產區 10.64% 1.07% 0.21%

非糧食主產區 45.72% 1.86% -17.23%

AEGTP 全國 4.34% 4.29% -7.40%

東部 5.28% 4.63% -6.43%

中部 2.43% 3.88% -10.15%

西部 3.77% 3.76% -7.49%

糧食主產區 4.24% 2.81% -7.17%

非糧食主產區 4.96% 4.31% -7.50%

ACGTP 全國 15.47% 12.97% -9.83%

東部 12.35% 10.77% -1.19%

中部 28.45% 22.26% -14.42%

西部 35.35% 16.61% -27.35%

糧食主產區 20.19% 18.29% -7.45%

非糧食主產區 1&61% 11.35% -12.01%

7.3農業碳排放強度的情景模擬結果分析

7.3.1全國層面的農業碳排放強度模擬分析與情景實證結果

a b c

圖 7-1 農業綠色技術進步及其不同類型對碳排放強度的預測結果

Figure 7-1 Agricultural green technology progress and different types of prediction results of carbon

emission intensity

122

圖 7-2 預測的訓練、檢驗、測試及全樣本回歸曲線

Figure 7-2 Predictive training, inspection, testing and full sample regression curve

圖7-2中a、b和c訓練、檢驗、測試及全樣本回歸曲線圖分別是圖7-1中a、b和 c農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）對碳排放強度的預測結果的各樣本仿真輸出與實際期望輸出二者的擬合結果。可以看出，農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）對碳排放強度的訓練樣本的仿真輸出與期望輸出的相關系數分別達到了 0.99773、 0.99690和0.99999，檢驗樣本的仿真輸出和期望輸出的相關系數分別達到了 0.98799、 0.99207和0.99980，測試樣本的仿真輸出和期望輸出的相關系數分別達到了 0.99581、 0.85056和0.99989。擬合效果一致性非常好，這說明本模型可以進行農業碳排放模型的預測[分地區模型的系數查看步驟與全樣本系數查看步驟相同，后文不在贅述。

123]。

圖7-1中，2030年農業綠色技術進步（AGTP、水平變動下農業碳排放強度值為 108Kg/億元C,與2020年和2000年農業碳排放強度值157Kg/億元C和373Kg/億元C 相比可知,約下降31.21%和71.05%左右。2030年資源節約型農業綠色技術進步（AEGTP）水平變動下農業碳排放強度值為113Kg/億元C,與2020年和2000年農業碳排放強度值157Kg/億元C和373Kg/億元C相比可知，約下降28.03%和69.71%左右。2030年環境友好型農業綠色技術進步（ACGTP）水平變動下農業碳排放強度值為110Kg/億元C, 與2020年和2000年的農業碳排放強度值172Kg/億元C和373Kg/億元C相比可知，分別約下降 29.94%和 71.05%左右。

整體來看，各種農業綠色技術進步情景下的碳排放強度均在下降，說明農業綠色技術進步情景下的碳排放強度下降趨勢不可逆轉。該研究結論與章勝勇等（2020）研究結果基本一致。其次，到 2030 年三種情景下，高情景和基準情景也可超額實現“2030 年二氧化碳排放強度比 2005 年降低 60-65%”的目標。環境友好型農業綠色技術進步（ACGTP）比資源節約型農業綠色技術進步（AEGTP）的碳強度減排效應高。為了有效實現農業碳減排，在今后的發展過程中，仍需要大力推廣資源節約型農業綠色技術進步的應用，降低農業生產中的能耗水平，引導農業生產方式向綠色消費，低碳消費轉型。與此同時，資源節約型農業綠色技術進步（AEGTP）呈急速下降后，緩慢下降，在2025年最終維持在115Kg/億元C之間，而環境友好型農業綠色技術進步（ACGTP）則一直緩慢下降的狀態。這說明2025 年后如何通過政策機制設計、技術推動等各方面綜合推動環境友好型農業綠色技術進步的進步，是實現碳減排的重點。此外，促進各減排技術的研發、推廣和應用，提高農業生產的科技含量，顯得尤為必要。

7.3.2三大經濟分區層面的農業碳排放強度情景模擬結果分析

圖7-4中a、b和c訓練、檢驗、測試及東部回歸曲線圖分別是圖7-3中a、b和c 農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）對碳排放強度的預測結果的各樣本仿真輸出與實際期望輸出二者擬合結果。圖 7-6中 a、 b 和 c 訓練、檢驗、測試及中部回歸曲線圖分別是圖 7-5中a、b和c農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）對碳排放強度的預測結果的各樣本仿真輸出與實際期望輸出二者擬合結果。圖 7-8中 a、 b 和 c 訓練、檢驗、測試及西部回歸曲線圖分別是圖 7-7 中 a、 b 和 c 農業綠色技術進步及其不同類型對碳排放強度的預測結果的仿真輸出與實際期望輸出二者的擬合結果良好。本模型可以進行三大經濟分區農業碳排放模型的預測。

（1）東部地區農業綠色技術進步及其不同類型水平變動情景下對碳排放的模擬分析與預測

a b c

圖 7-3 東部地區農業綠色技術進步及其不同類型對碳排放強度的預測結果

Figure 7-3 Agricultural green technology progress and different types of prediction results of carbon emission intensity

124

2030年農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）水平變動下農業碳排放強度值分別為100Kg/ 億元C、103Kg/億元C和98Kg/億元C。這與2020年農業碳排放強度值157Kg/億元C 相比可知，分別約下降36.31%、 34.40%和37.58%左右。這與 2000年農業碳排放強度值346Kg/億元C相比可知，分別約下降71.10%、70.23%和71.68%左右。與全國一樣，東部各農業綠色技術進步情景下的碳排放強度也都在下降，較之全國層面的碳減排效應更顯著。資源節約型農業綠色技術進步（AEGTP）的碳強度減排效應一直平緩下降的狀態。環境友好型農業綠色技術進步（ACGTP）呈急速下降后，緩慢下降，并在2027 年維持在95Kg/億元C左右，在2027年后維持穩定狀態后。低情景下資源節約型農業綠色技術進步（AEGTP）的減排效果較之環境友好型農業綠色技術進步（ACGTP）凸顯。

（2）中部地區農業綠色技術進步及其不同類型水平變動情景下對碳排放的模擬分析與

a b c

圖 7-6 預測的訓練、檢驗、測試及中部地區回歸曲線

Figure 7-6 Predictive training, inspection, testing and regression curve

2030年農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和

環境友好型農業綠色技術進步（ACGTP）水平變動下農業碳排放強度值分別為145Kg/ 億元C、150Kg/億元C和145Kg/億元C。這與2020年農業碳排放強度值215Kg/億元 C 相比可知，分別約下降 32.56%、 30.23%和 32.56%左右。這與 2000 年農業碳排放強度值403Kg/億元C相比可知，分別約下降64.02%、62.78%和64.02%左右。整體來看，中部地區各種情景下的碳排放強度均在下降且各種情景下差距小于東部地區。與東部一樣，中部的資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）的碳強度減排效應急速后，2024年分別在150Kg/億元C和145Kg/億元

C 維持穩定。這說明，單純的農業綠色技術進步不是減排的唯一條件，要突破技術碳鎖定和資源與環境的瓶頸約束，必須從其他政策方面進行規制，比如增加農戶的環保意

識，增加國家監督、市場限入等政策手段才是治污減排的重要手段。

3）西部地區農業綠色技術進步及其不同類型水平變動情景下對碳排放的模擬分析與

預測

a b c

圖 7-7 西部地區農業綠色技術進步及其不同類型對碳排放強度的預測結果

Figure 7-7 Agricultural green technology progress and different types of prediction results of carbon

emission intensity

126

a b c

圖 7-8 預測的訓練、檢驗、測試及西部地區回歸曲線

Figure 7-8 Predictive training, inspection, testing and regression curve

2030年農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和環境友好型農業綠色技術進步（ACGTP）水平變動下農業碳排放強度值分別為80Kg/ 億元C、81Kg/億元C和81Kg/億元C。這與2020年農業碳排放強度值146Kg/億元C 相比可知，分別約下降45.21%、 44.52%和44.52%左右。這與 2020年農業碳排放強度值403Kg/億元C相比可知，分別約下降81.15%、79.90%和79.90%左右。整體來看，西部地區的農業碳排放強度一直較低且各種情景下的碳排放強度均在下降。西部的農業綠色技術進步（AGTP、的碳強度減排效應最高，且在急速下降后在2024年緩慢下降。與此同時，西部地區環境友好型農業綠色技術進步（ACGTP）下的碳排放強度呈勻速下降狀態，各情景下碳排放強度差距較大。加大研發資金投入和相關人才引進力度，不斷轉化為研發成果，促進污染物減排型和資源節約型農業綠色技術進步是碳排放的重要環節。

最后，在東、中、西部三大經濟分區中，各地區的各種情景下的碳排放強度均在下降。分地區看，未來各地區的碳排放強度下降排序為：西部＞東部＞中部。這與第五章中，可能有兩個方面的原因：一是西部地區綠色技術的“趕超效應”將在未來明顯。二是蔬菜等經濟作物種植結構較少，農業要素消耗較之中部較少，所以碳排放強度下降將會最快。分類型看，環境友好型農業綠色技術進步（ACGTP）比資源節約型農業綠色技術進步（AEGTP）的碳強度減排效應高。同時，農業綠色技術進步其不同類型下碳排放強度均先呈急速下降后，在緩慢下降。其中，環境友好型農業綠色技術進步（ACGTP）下的碳排放強度在2024年維持穩定狀態，而資源節約型農業綠色技術進步（AEGTP ）下的碳強度2026年維持穩定。

127

7.3.3兩大糧食分區層面的農業碳排放強度情景模擬結果分析

圖7-10中a、b和c訓練、檢驗、測試及全樣本回歸曲線圖分別是圖7-9中a、b和 c 農業綠色技術進步及其不同類型對碳排放強度的預測結果的各樣本仿真輸出與實際期望輸出二者擬合結果。圖7-12中a、b和c訓練、檢驗、測試及全樣本回歸曲線圖分別是圖7-11中a、b和c農業綠色技術進步及其不同類型對碳排放強度的預測結果的各樣本仿真輸出與實際期望輸出二者擬合結果。結果顯示兩者的擬合一致性良好，本模型適用于兩大糧食分區農業碳排放模型的預測。

（1）糧食主產區農業綠色技術進步及其不同類型水平變動情景下對碳排放的模擬分析與預測

a b c

圖 7-9 糧食主產區農業綠色技術進步及其不同類型對碳排放強度的預測結果

Figure 7-9 Agricultural green technology progress and different types of prediction results of carbon

圖 7-10 預測的訓練、檢驗、測試及糧食主產區回歸曲線

Figure 7-10 Predictive training, inspection, testing and regression curve

2030年農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和

環境友好型農業綠色技術進步（ACGTP）水平變動下農業碳排放強度值分別為130Kg/ 億元C、145Kg/億元C和132Kg/億元C。這與2020年農業碳排放強度值202Kg/億元 C 相比可知，分別約下降 35.64%、 28.22%和 34.65%左右。這與 2000 年農業碳排放強

128

度值386Kg/億元C相比可知，分別約下降66.32%、62.44%和65.80%左右。整體來看，糧食主產區的農業碳排放強度均在下降，且下降率大于 60%。其余均與三大經濟分區基本一致。在糧食主產區，我們需要加大研發資金投入和相關人才引進力度，不斷轉化為研發成果，促進污染物減排型和資源節約型農業綠色技術進步是碳排放的重要環節。

（2）非糧食主產區農業綠色技術進步及其不同類型水平變動情景下對碳排放的模擬分析與預測

a b c

圖 7-11 非糧食主產區農業綠色技術進步及其不同類型對碳排放強度的預測結果

Figure 7-11 Agricultural green technology progress and different types of prediction results of carbon

圖 7-12 預測的訓練、檢驗、測試及非糧食主產區回歸曲線

Figure 7-12 Predictive training, inspection, testing and regression curve

2030年農業綠色技術進步（AGTP）、資源節約型農業綠色技術進步（AEGTP）和

環境友好型農業綠色技術進步（ACGTP）水平變動下農業碳排放強度值分別為95Kg/ 億元C、101Kg/億元C和100Kg/億元C。這與2020年農業碳排放強度值150Kg/億元 C 相比可知，分別約下降 36.67%、 32.67%和 33.33%左右。這與 2000 年農業碳排放強度值364Kg/億元C相比可知，分別約下降73.90%、72.25%和72.53%左右。整體來看，

非糧食主產區的農業碳排放強度下降率顯著高于糧食主產區的。其中，其余均與三大經濟分區基本一致。

129

7.4 本章小結

本章將利用 BP 神經網絡模型，結合情景分析方法設定了三種模擬情景（基準情景、高速發展情景和低速發展情景）動態模擬了不同情景下農業綠色技術進步及其不同類型的未來碳排放強度趨勢，對2000-2030年全國層面、三大經濟分區和兩大糧食分區的農業碳排放強度進行了預測做出預測、分析和判斷。研究得出以下結論：

（1）不同農業綠色技術進步水平情景下的農業碳排放強度均在下降，各種情景下的碳排放強度均在下降且差距不大。特別是，農業綠色技術進步低速發展情景下碳排放強度基本都處于下降的狀態，這說明了碳排放強度下降的趨勢不可逆。同時，到 2030 年，高情景和基準情景均可超額實現“2030 年二氧化碳排放強度比 2005 年降低 60- 65%”的目標。

（2）從時空角度看，全國及各地區各種情景下的碳排放強度均在下降且差距不大。未來各地區的碳排放強度下降排序為：西部＞東部＞中部，糧食主產區＞非糧食主產區。全國及各地區的農業綠色技術進步及其不同類型的碳排放強度呈“急速下降—緩慢下降”狀態。

（3）從類型角度看，環境友好型農業綠色技術進步（ACGTP）比資源節約型農業綠色技術進步（AEGTP）的碳強度下降值高。同時，在綠色技術存在類型偏向的情況下，環境友好型農業綠色技術進步（ACGTP）下的碳排放強度在2024年基本處于緩慢下降狀態，而資源節約型農業綠色技術進步（AEGTP）下的碳強度在2026年基本處于緩慢下降狀態。

130

第八章結論、政策建議與未來展望

8.1 研究結論

以農業綠色技術進步理論、低碳農業理論、可持續發展理論等為基礎，并結合國內外己有研究成果，本文對農業碳排放和農業綠色技術進步及其不同類型的概念內涵與實現邏輯進行了界定和分析，構建了農業綠色技術進步對碳排放強度影響的理論分析框架，分析了農業綠色技術進步對碳排放的影響及其機制，進而從理論層面落實到實踐層面，對中國農業綠色技術進步和農業碳排放進行測度及影響因素探討，基于測度分析結果實證檢驗了農業綠色技術進步及其不同類型對農業碳排放影響的直接和中介效應，進一步分析了其碳減排的效應。最后，采用BP神經網絡方法仿真模擬預測不同情景下農業綠色技術進步及其不同類型水平對碳排放的動態變化，進一步預判了中國區域農業碳排放強度的在農業綠色技術進步背景下受到的影響。通過以上理論和實證分析，本文得到如下主要結論：

8.1.1農業綠色技術進步整體提升，且存在空間關聯性

(1)從時空視角看，時間維度上的中國農業綠色技術進步及其不同類型整體呈上升狀態，集中程度呈下降，地區差異呈拉大的發展趨勢。空間維度上，全局層面的農業綠色技術進步及其不同類型的空間自相關檢驗結果呈顯著的正相關，高-高聚集區主要集中在華北、華東，低-低聚集區主要集中在西北和西南地區。

(2)從類型角度看，農業綠色技術進步及其不同類型的時空發展格局有一定差異。農業綠色技術進步(AGTP)聚集顯著性水平更高，聚集區域較為集中，其高-高聚集區主要在華北、華東和華南等地，低-低聚集區主要在西北和西南等地。資源節約型農業綠色技術進步的高-高聚集地區主要在東部沿海，低-低聚集區主要在南方地區。環境友好型農業綠色技術進步的高-高聚集地區主要在華東地區，低-低聚集區則在西北和西南地區。

(3)從農業綠色技術進步的空間溢出效應來看，城鎮化水平(City)、農業技術人員(TEAN)、財政支農政策(FIN)對本地和周邊地區的農業綠色技術進步及其不同類型均為正向顯著。行政型環境規制(CER)和經濟型環境規制(EPR)對本地和周邊地區的農業綠色技術進步及其不同類型均為負向顯著。農民可支配收入(PIC)對本地綠色技術進步或其不同類型具有抑制作用，但是對周邊地區綠色技術進步或其不同類型具有提升作用。從類型角度看，各影響因素對農業綠色技術進步(AGTP)的影響系數更高，但對不同類型農業綠色技術進步的影響顯著性更強。同時，各影響因素對環境友

131

好型農業綠色技術進步（ACGTP）比資源節約型農業綠色技術進步（AEGTP）的影響顯著。

8.1.2農業碳排放強度呈不斷下降趨勢，存在空間聚集但不存在收斂性

（1）從時間角度看， 2000-2019 年中國農業碳排放總量呈波動上升趨勢，不同時間內呈“波動上升-緩慢下降”的變化趨勢，并且在 2015 年前后的全國、中西部地區、兩大糧食分區和 2010年的東部地區出現了一波農業的碳排放峰值。農業碳排放強度呈不斷下降趨勢，不同時間段內的變化趨勢呈“平穩下降-急速下降-波動下降”的狀態。在全國層面、東中西部的三大區域分區和糧食、非糧食兩大糧食分區的 2019年中國農業碳排放強度平均值，分別比 2005 年降低了49.07%、 51.56%、 41.77%、 55.21%、 44.66% 和 52.91%。這充分肯定了農業碳減排政策的積極作用。

（2）從空間角度看，三大經濟分區和兩大糧食分區的農業碳排放發展趨勢各有不同。其中，中部地區的農業碳排放最高，東部和西部地區的農業碳排放水平低于全國平均水平，糧食主產區的碳排放高于全國平均水平。農業碳排放強度的區域差距較大，華北地區是高碳排放強度主要聚集地區，華南地區是較高碳排放強度的聚集地區，并且碳排放區域間呈“異質化”的狀態。

（3）從收斂角度看， 2000-2019年農業碳排放強度的絕對差距在縮小后逐步擴大，且不存在g收斂、絕對P收斂和條件P收斂，即農業碳排放強度不存在差異縮小，反而呈區域差異擴大的趨勢。各地區要實現真正意義上的協調、平衡發展以呈現出“追趕效應”或條件收斂趨勢還有較長的一段路要走。最后，本文認為三大經濟分區層面二氧化碳排放的變化趨勢與地區發展階段及經濟增長方式等密切相關，兩大糧食分區則與農業生產活動有關。

8.1.3不同類型農業綠色技術進步對碳排放的作用路徑效果不一

（1）從作用機理看，全國和分地區的農業綠色技術進步及其不同類型對碳排放強度的直接效應為負但不完全顯著，中介效應不完全顯著且影響系數有正有負，中介路徑顯著性效果排序為：農業要素投入結構（ES）路徑〉農業要素投入效率（EE）路徑〉農業要素投入效率（EE）與農業要素投入結構（ES）聯動路徑，且直接效應均大于中介效應。中國農業碳排放強度降低主要是要素投入結構性變化，要素投入效率要素投入效率提高對降低農業能源強度的影響有限。

（2）從區域角度看，直接效應角度下，各地區農業綠色技術進步及其不同類型對碳排放影響的直接效應不完全顯著，且區域排序是：東部＞中部＞西部，糧食主產區＞非糧食主產區。中介效應角度下，農業綠色技術進步及其不同類型中介效應不完全顯著，東部地區的中介效應顯著高于中西部，非糧食主產區的中介效應比糧食主產區更顯著。

（3）從類型角度看，環境友好型農業綠色技術進步（ACGTP）的直接效應、中介

132

效應和總效應均顯著大于資源節約型農業綠色技術進步（AEGTP）。農業綠色技術進步及其不同類型通過農業要素投入結構（EE）路徑顯著為負，而通過農業要素投入結構（ES）路徑和農業要素投入效率（EE）與農業要素投入結構（ES）聯動路徑的效應有正有負。這與地區資源稟賦等差異有關。

8.1.4農業綠色技術進步的碳減排效應存在時空異質性

（1）從時空角度看，分時間看，農業綠色技術進步的碳減排效應指數在 0.40—0.90 之間，且基本呈逐年增加狀態。各地區農業綠色技術進步（AGTP）碳減排效應的增長變動趨勢基本一致，并且以2004 年、 2007和 2010 年為節點，農業綠色技術進步的碳減排效應呈現出“慢-快-慢”階段性的變動趨勢。分地區看，各地區農業綠色技術進步（AGTP）的碳減排效應區域排序為：東部〉中部〉西部，糧食主產區〉非糧食主產區。

（2）分類型看，環境友好型農業綠色技術進步（ACGTP）比資源節約型農業綠色技術進步（AEGTP）對碳的減排效應更高。同時，不同類型農業綠色技術進步的碳減排效應呈“保持穩定—急速下降—穩步上升”的整體上升狀態。分區域下的不同類型農業綠色技術進步碳減排效應發展趨勢基本一致，且與農業綠色技術進步（AGTP）的碳減排效應差異明顯。其中，資源節約型農業綠色技術進步（AEGTP）的碳減排效應區域排序為：中部＞東部＞西部，糧食主產區＞非糧食主產區。環境友好型農業綠色技術進步（ACGTP）的碳減排效應區域排序為：東部〉中部〉西部，糧食主產區＞非糧食主產區。其次，三大經濟分區下不同類型農業綠色技術進步的區域有差異，前期東部的農業綠色技術的碳減排效應最高，后期中部的農業綠色技術碳減排效應最高。兩大糧食分區的不同類型農業綠色技術進步的碳減排趨勢基本一致。

8.1.5農業碳排放強度預測值均在下降，可完成碳強度減排目標

（1）不同農業綠色技術進步水平情景下的農業碳排放強度均在下降，各種情景下的碳排放強度均在下降且差距不大。特別是，農業綠色技術進步低速發展情景下碳排放強度基本都處于下降的狀態，這說明了碳排放強度下降的趨勢不可逆。同時，到2030 年，高情景和基準情景均可超額實現“2030 年二氧化碳排放強度比 2005 年降低 60- 65%”的目標。

（2）從時空角度看，從時空來看，全國及各地區各種情景下的碳排放強度均在下降且差距不大。未來各地區的碳排放強度下降排序為：西部＞東部＞中部，糧食主產區＞非糧食主產區。全國及各地區的農業綠色技術進步及其不同類型的碳排放強度呈“急速下降—緩慢下降”狀態。

（3）從類型角度看，環境友好型農業綠色技術進步（ACGTP）比資源節約型農業綠色技術進步（AEGTP）的碳強度下降值高。同時，在綠色技術進步存在類型偏向的

133

情況下，環境友好型農業綠色技術進步（ACGTP）下的碳排放強度在2024年處于緩慢下降狀態，而資源節約型農業綠色技術進步（AEGTP）下的碳強度在2026年基本處于緩慢下降狀態。

8.1.6各影響因素在農業綠色技術進步對碳排放強度作用中存在顯著差異

（1）從農業碳排放強度的空間收斂性影響因素來看，基期農業碳排放強度顯著促進滯后期內農業碳排放強度的提升。全國層面的城鎮化水平（City）、農民可支配收入

（PIC）、農業價格政策（PP）、財政支農政策（FIN）、行政型環境規制（CER）、農業要素投入效率（EE）農業生產結構（ES）均顯著抑制農業碳排放強度的上升。財政支農政策（FIN）和行政型環境規制（CER）則顯著增加農業碳排放總量。但農民可支配收入（PIC）在東部和非糧食主產區顯著阻礙但在中部和糧食主產區地區顯著增加農業碳排放強度。

（2）從農業綠色技術進步及其不同類型的空間溢出效應來看，城鎮化水平（City）、農業技術人員（TEAN）、財政支農政策（FIN）對本地和周邊地區的農業綠色技術進步及其不同類型的影響均為正向顯著。行政型環境規制（CER、和經濟型環境規制（EPR）對本地和周邊地區的農業綠色技術進步及其不同類型均為負向顯著。農民可支配收入

（PIC）對本地綠色技術進步或其不同類型具有抑制作用，但是對周邊地區綠色技術進步或其不同類型具有提升作用。從類型角度看，各影響因素對資源節約型農業綠色技術進步（AEGTP、比環境友好型農業綠色技術進步（ACGTP）的空間溢出效應更顯著。

（3）從農業綠色技術進步及其不同類型的碳減排效應中各影響因素可知，農業綠色技術進步其不同類型的減排效應是確定的，但各影響因素對農業綠色技術進步其不同類型的碳減排效應作用不確定。其中，城鎮化水平（City）、農業價格政策（PP）會增加農業綠色技術進步其不同類型的碳減排效應阻礙力。農民可支配收入（PIC）、行政型環境規制（CER）會減少農業綠色技術進步其不同類型的碳減排效應阻礙力。農業技術人員（TEAN）和經濟型環境規制（EPR、對農業綠色技術進步其不同類型的碳減排效應阻礙力因技術類別偏向略有差異。

8.2 政策建議

基于上述研究結論，本文針對類型和時空異質性下農業碳排放的問題分別提出如下幾點對策建議，以期為中國農業碳減排提供依據支持與參考。

8.2.1重視農業綠色技術進步的空間關聯性，優化綠色技術成長經濟環境

各地的農業綠色技術及不同類型存在空間關聯性。同時，由于目前中國地區間綠色技術發展不平衡，各地區的經濟結構、要素稟賦等異質性，農業綠色技術發展就存在

134

地區間的差異。因此，政策設計要減少“一刀切”。

政府在制定有關農業綠色發展的政策時，需要依據不同區域的特點進行分類處理。

重點加強“低－低”聚集區的發展，嚴格把控“低－高”聚集區和“高－低”聚集區，

持續推進“高－高”聚集區的發展，并加強各地區農業綠色發展的聯系，從而推動中國農業綠色技術的進步。從前文可知，農業綠色技術進步的聚集特征極為明顯，大部分省份與位置相鄰或經濟發展水平接近省份表現出相似的集聚特征。高-高聚集區主要集中在華北、華東地區，低-低聚集區主要集中在西北和西南地區。影響農村居民收入水平高低的因素包括：先進農業生產技術的選擇、推廣應用和農業資源的利用效率等。經濟發達的華北、華東具有較強的經濟實力，各類政策對其影響有限并且以經濟水平為契機實現生產方式向綠色生產轉型。相反，經濟欠發達的西北和西南地區，技術水平較低，生產方式較為傳統，綠色生產方式會縮小其經濟規模，使得這些地區整體農業經濟運行收到沖擊。

因此，一方面，各地區應依據自身經濟基礎評價其綠色發展的承受力，根據自身實際情況制定相應的環境保護政策。另一方面，環境保護和綠色生產技術開發應加強地區間交流合作。在經濟基礎較好的地區，可以實施較為嚴格的環保政策;在經濟實力較弱、技術水平較低的地區，可以根據自身的承受能力，實施較為寬松的環保政策。通過加強環保政策差異較大地區之間農業綠色技術進步的空間關聯，以間接促進欠發達地區綠色的進步，推動技術研發方向由污染型向綠色型轉變，進而實現農業綠色技術的進步。

最后，在發展綠色技術，實現技術進步向由污染向綠色轉變的同時，我們也應看到，以綠色技術替代污染技術會對經濟增長暫時產生不利影響。比如，前文得出農村居民可支配收入對本地綠色技術進步或其不同類型具有抑制作用，但是對周邊地區綠色技術進步或其不同類型具有提升作用。加強保護本地農戶綠色技術創新、推廣和應用的權益，縮短其研發、應用推廣地區的周期，并繼續推進周邊地區獲益是一個重要的問題。同時，我們應該客觀地看待農業綠色技術進步對經濟增長的負面影響，不能片面地否定農業綠色技術進步的影響。我們要看到綠色技術生產能力追趕乃至超越污染技術是注定會實現的。綠色生產與經濟增長之間存在協調發展的可能。大力推動技術進步方向由污染技術向綠色技術轉變，從長遠來看有利于我國經濟的健康成長。

8.2.2重視農業碳排放的區域差異，制定科學合理的區域減排政策

農業碳排放的區域間差異是影響區域總差異的首要因素。鑒于各區域經濟社會發展水平、資源環境條件以及碳排放水平和減排效率水平差異，可根據不同區域、不同時期的實際情況制定相應的減排規劃、路線圖。農業的創新發展戰略應與區域特點發展相結合，合理布局農業碳減排發展戰略，形成梯度競爭、相互融合的策略，以減少區域

135

間差異。一是要在碳減排效應指數最高的東部地區繼續加強研發技術的改進和研發能力的提升。地方政府要依靠自身良好的農業產業創新基礎、先進的科技水平和充裕的資金支持來吸引集聚高端技術、人才。同時，通過制定科技獎勵政策，提高創新技術的利用程度，并調整規模布局，促使農業良性發展。然后，東部也要為其他經濟發展區域綠色農業的創新發展提供經驗與技術，起到“示范引領”作用。二是要在碳減排效應較高的西部地區，注意資源消耗多，農業技術簡單落后，經濟效益較低，農業投入產出率不高等問題。加大農業綠色技術創新投資，加強農業綠色技術研發，加快農業發展綠色升級。同時，西部在發展過程中要注意生態環境破壞問題嚴重的問題，堅決抵制走“先發展后治理”的老路。三是要在農業碳排放強度最高的中部和糧食主產地區積極探索農業的創新發展規律，結合區域自身種植業集中的力量，發展規模產業，增加規模效應，降低生產的邊際成本。不要通過簡單地降低農業生產規模、投入生產要素等方式進行碳減排。通過主動吸收其他經濟發達區域的成功經驗，加強與東部以及非糧食主產區的溝通交流，改變傳統農業發展模式。

農業碳排放區域內依然存在顯著差異。中東部地區的內部差異比西部地區高，糧食主產區比非糧食主產區的內部差異大。第一，中部地區的吉林、河南、湖南、黑龍江等地是主要的糧食主產區，是以高碳排放的種植業為主要的農業產業結構的省份，具有保障國家糧食安全的功能。而山西、內蒙古等地資源稟賦較差，種植業結構單一。中部地區各省份存在顯著差異。吉林、內蒙古、黑龍江的排放強度最高，農業生產的環境代價較大，如何降低農業投入的碳排放是這些省需要重點考慮的問題。特別是，吉林的碳排強度逐年上升，這與其他省份的發展趨勢相背離。吉林省應該向繼續堅定實施“化肥零增長”和“農藥零增長”的方案，促進農業向綠色和高質量發展。此外，分地理區域看，華南地區的經濟發展水平高，而華中地區自然資源環境壓力大、生態環境資源相對匱乏。在保障糧食安全生產的功能下，華南地區應增加對農業綠色技術進步的創新激勵政策，華中地區應該增加對生態環境的資本投入。第二，東部地區的碳排放量雖然遠不及中部糧食主產區的碳排放量，但是區域內部的異質性也比較高。東部應加強內部合作，建立信息交流平臺，加強溝通協調，發揮區位內的經濟、技術、人才等資源優勢。第三，西部地區的內部差異系數一直最低，說明西部內部區域內差異不大。西部地區的碳減排政策應該是是維持目前的穩定性。在資源遼闊的背景下，不同地區的自然環境、經濟發展水平、農業路徑依賴均存在差異，所以在研究碳減排政策時我們避免區域內綠色發展政策和措施同質化的問題。

最后，針對農業碳減排和農業綠色技術進步的的區域差異，各區域要因地制宜形成有差別的農業綠色發展政策。不僅要建立農業政策的區域協同治理體系，促進區域農業碳減排監管的一體化與規范化，提升區域農業種植對綠色農業發展政策響應度。還要建立基于區域能源—環境—經濟系統的農業碳排放的動態變化監控體系，并基于

136 農業碳排放關鍵因素，設定農業內部結構、農業經濟發展水平、城鎮化水平、行政型環境規制和經濟型環境規制等因素的不同等級標準，綜合考慮各個區域碳排放影響因素的變動情況，建立降低碳排放的能力矩陣，制定更加具有指導性的農業碳減排方案。

8.2.3系統識別農業綠色技術進步的不同類型，分類型提升技術減排效果

技術進步是引領未來農業發展的重要驅動因素，綠色技術進步是綠色低碳農業發展的重要保障。系統識別不同類型的農業綠色技術進步，理清綠色技術的碳減排效應發展與演變特征，并依據不同地區和時間趨勢選擇合適的技術，對推動綠色技術創新發展和農業碳減排具有重要意義。其中：

資源節約型農業綠色技術進步對碳排放的影響顯著為負，是協調經濟增長與資源環境矛盾的有效載體，也是促進中國經濟增長、資源節約和環境保護協調發展的有效途徑之一。農業生產采取資源節約型農業綠色技術進步生產方式，能提高農業技術效率、實現農業規模效率和改善農業生態環境，并實現綠色農產品生產的實質性發展。從區域視角看，中部和糧食主產區資源節約型農業綠色技術進步的碳減排效應最高。在中部和糧食主產區，作為高種植業生產結構區域，借助循環農業模式，減少各個生產環節的碳排放是重點。首先，在技術自身層面，對秸稈等集中處理，處理秸稈還田；對各地區土地進行測量，因地施肥，減少化肥的過量；選育抗病的優良農作物品種或采取生物防治的方式，減少農藥的使用，提高農業資源效率。在政策層面，實施農業補貼政策鼓勵農業生產者采用資源節約、清潔生產技術，對于農業良種、先進種植節能技術設備等的引進給予優惠或補貼。政府需從完善科研平臺，在政策和引導等方面加大對資源節約偏向型技術的供給，加大對資源節約型偏向型技術的研發補貼和激勵政策支持，推廣資源節約型生產模式。其次，從時間視角看，在 2026年后，資源節約型農業綠色技術進步的碳減排效應可能會進入“瓶頸期”。2026 年后，我們應從其他政策角度進行調整，以便發揮資源節約型農業綠色技術進步的減排作用。比如，完善環境保護法律法規，優化國家農業價格指導政策，強化農業生產基礎設施建設等，降低農業生產成本，從而實現農業碳減排。

環境友好型農業綠色技術進步的減排效應最強。目前國內的各類農藥、化肥等生產要素引起的土壤污染、水污染等問題較為突出。這不僅會降低耕地的肥力，削弱耕地生態系統休閑娛樂、生物多樣性保護等多項非生產性功能，還會嚴重威脅到水體安全和人類健康，造成顯著的負外部效應。因此，發展污染類環境治理技術是保障區域生態安全、實現農業綠色發展的必經之路。然而，污染治理的公共品屬性，單純依靠農業各生產主體自主進行會出現激勵不足、治理效率低下等問題。因此，我們需要提高相關責任主體的環保意識與治污能力，引導其主動采納環保型農業生產行為等。例如，重視宣傳教育，增強農民及其他利益相關者的生態環保意識，加強對農民的專業技術培訓，拓

137

展農膜、農藥瓶回收途徑，農業藥物與生物制劑、耕地質量提升與保育技術、農業廢棄物循環利用技術、農業面源污染治理技術、重金屬污染控制與治理技術、農產品低碳減污加工貯運技術、種養加一體化循環技術等技術體系的發展。采用綠色科技在對已破壞的生態環境進行修復的基礎上，提高現有農業生產的科學技術水平，改善生產工藝，并研發農業廢棄物循環利用技術，實現“資源——農產品——再生資源”的循環農業發展目標。建立和完善農業生產發展中的環境規制制度，具體規定農業生產過程中的碳排放要求，超標接受相應的處罰和教育，達標則給予一定獎勵，提高企業和農業生產者對農業先進技術的重視程度和接納意愿。開通污染治理生態補償投訴中心、舉報熱線等社會監督渠道。尤其是，在2026年后，環境友好型農業綠色技術進步的碳減排效應可能會進入“瓶頸期”。我們應從其他政策角度進行調整，以便發揮環境友好型農業綠色技術進步的減排作用。

最后，各影響因素對環境友好型農業綠色技術進步比資源節約型農業綠色技術進步的碳減排效果更顯著。政府應加強對環境友好型農業綠色技術進步的政策支持與區域交流與合作，并密切關注資源節約型農業綠色技術進步的相關政策、措施及技術。擴大積極溢出的“輻射”空間范圍和強度，通過交流合作，實現碳減排的均衡、整體推進。此外，農業減排相對工業碳減排帶來的經濟效益和政績效益顯然較低。這可能會造成政府在政策重心和科技研發上投入不足的問題，導致在農業生產技術革新上往往滯后于其他產業。甚至可能，推廣不適合本地區的綠色生產技術。因此，我們要在一定的基礎上進行綠色技術的碳補償。針對不同地區農業減碳壓力和效率的差異，可以考慮建立區域之間的碳排放量交易機制，通過調配不同地區碳排放配額和補償機制設計，實現各區域農業碳排放的均衡發展。其次，政府相關部門應該增加對農業減碳排的專業人才儲備，避免造成了政策制定缺乏科學性和可操作性，大多流于形式的問題。

8.2.4適度進行環境規制，促進農業綠色轉型

經濟型環境規制對不同類型農業綠色技術進步的碳減排效應阻礙力略有差異。我們需要經濟型環境規制對農業綠色技術進步的影響由阻礙變為促進作用。其次，針對行政型環境規制對減少農業綠色技術進步其不同類型的碳減排效應阻礙力不確定性問題，需要提高行政型環境規制政策對傳統要素消耗型農業技術向農業綠色技術進步轉型的影響力。最大限度的實行經濟型環境規制和行政型環境規制等政策的匹配組合，實現農業綠色技術進步的最優化配置。

通過環境規制調節農戶感知利益，促進各農業生產主體實現農業綠色技術進步。首先，在農業綠色技術創新和推廣上，通過價格補貼、技術補貼和行政補貼等經濟型環境規制手段，降低農業綠色技術等投入要素成本，加快農業綠色技術的研發和創新，推廣農業綠色技術，提高效率。通過給予適當的經濟獎勵等手段，降低農業生產主體研發

138

成本、農業綠色技術采用門檻，提高農業生產利潤預期，促進農業綠色技術的使用。其次，加強有關農業綠色技術的宣傳和引導，并制定合理的約束機制，加強對農業綠色技術的行政型環境規制政策的引導。比如，制定合理的環境執行標準、監管措施和懲罰機制。在綠色農業示范區進行監督，對技術推廣和采用等不達標的農業生產主體罰款。對于非綠色示范區的農戶，禁止獲取農業綠色技術經濟獎勵的農戶在同一生產周期內進行不合理的技術操作。最后，加大環境規制政策的宣傳及普及力度，要讓環境規制政策深入民心。當前大部分農戶的文化水平相對較低，農戶獲取信息、更新自我認知的深度和廣度較為不足，而農戶在環境規制上認知的缺乏會影響其對環境治理的態度，進而影響其參與治理的積極性。還可以通過在農村開展形式多樣的宣傳活動，提高環境規制政策的知曉率。

此外，空間異質性下的農業綠色技術進步及其不同類型農業綠色技術進步為環境規制的制定與施行也提供了新的思路。首先，因地制宜是國家環境規制政策得以落實的關鍵。各級政府也要警惕盲目制定規制政策，要根據本省的自身的特征與行為，設計方案，以免造成反效果。另外，對政策執行者素質欠佳，加之激勵不足導致的態度不積極使得政策間缺乏協調和配套的創造性，導致機械性執行也要加以規制，動態修正地方政府的行為策略，助推中國省級層面的農業綠色技術進步高。同時，我們要關注環境規制下的農業綠色技術進步的空間溢出效應，更好發揮發達地區的帶頭作用。對于實施環境規制政策良好的地區，可以發揮正向的空間溢出效應，提高相鄰地區的綠色技術水平，強化區域之間綠色技術共享，促進區域內低綠色技術水平的共同提升。

8.2.5以環保為切入點，建立長效的財政支農投入機制

經濟類影響因素是影響綠色技術進步碳減排效果的最重要一環。建立更加完善的綠色生產的財政支持政策，通過研發補貼，支持具有前瞻性的節能環保技術。增加在農業環保發展上財政支農存在的嚴重不足，增加財政支農在環保上宏觀調節的導向性。

一方面，財政對農業的支持不僅是資金投入，更是政策的引導及外部環境的建設。農業財政支農政策要以生態環境改善和提升農業生產雙盈利相結合。農業財政支農政策預算要科學規劃，要遵循以生態經濟平衡的原則，以實現自然和經濟協調配合，人與自然和諧發展為目的。要采取有力措施堅決執行，讓財政支農政策能夠真正起到綠色導向的作用。主要是支持農業生態工程建設和傳統農業的綠色轉型，積極發展生態農業。

另一方面，提高財政農業環保支出地位，加大財政對發展綠色技術和綠色農業的支持。農業財政支出主要包括：農林水利氣象等部門事業費、農業基礎設施建設、農業三項科技費用及農村項目發展補貼等內容。其中，專門用于農業環保的投入并沒有說明，需要單獨安排相應的農業環保支出列入經常性預算。有研究表明，現有農業支農已

139 不能適應綠色農業發展的需要。政府需要直接投資來解決農業經濟的外部性，促進農村生態環境向綠色發展。例如，每年增加的財政收入中有一部分投入農業環境保護預算資金并保持一定比例的增長，具體可以用在農業污染防治、環境監測、自然生態保護和農業環境保護管理等方面。

最后，調整農業財政投入結構。大力支持農業基礎設施建設，為發展綠色農業奠定堅實基礎。加大生態農業技術的支持力度，轉變農業增長方式。建立信息保障體系，為財政投入機制提供決策依據。充分運用“綠箱”政策，轉變農業補貼方式。

8.3 不足與展望

本文為農業綠色技術進步對碳排放強度影響關技術進步與減排之間的有機關系研究是一個復雜的課題，具有重要的理論與實際意義。但是，本文的研究仍然存在以下一些不足之處，具體如下：

（1）未來研究注重尋找更貼切的指標進行測度。首先，因數據限制，也為規避共同指標的問題，本文參考已有學者研究，僅選取農業面源污染指標作為綠色技術進步非期望產出，存在低估非期望產出的問題，這是本文的研究不足。其次，本文以狹義農業——種植業為研究對象，部分種植業數據難以獲得。本文參考相關學者（田云，2015；李谷成，2008）的研究，以種植業總產值占農業總產值的比重作為系數進行對應的核算。在未來的研究中，希望能找到更好的指標進行測度，以提升研究成果的科學性和有效性。

（2）關于二氧化碳排放的核算問題。農業碳排放是一個復雜的過程，各地區水土資源等差異大，碳排放存在吸收和排放的區域差異。本文按照平均的系數，采用統一指標系數計算難免產生偏差。未來在微觀層面上，對區域碳排放系數進一步補充，有一定的必要性。

（3）本文主要從宏觀的角度去考慮機理的分析，但實際上綠色技術進步對碳排放的影響更多是微觀層面上行為的改變等。限于數據等原因，本文沒有進行微觀機制的研究，未來值得進一步探討。

140

參考文獻

畢斗斗, 方遠平, 謝蔓, 唐瑤, 林彰平. 2015. 我國省域服務業創新水平的時空演變及其動力機制— —基于空間計量模型的實證研究. 經濟地理, 35(10): 139-148.

卞晨, 初釗鵬, 孫正林. 2021. 環境規制促進企業綠色技術創新的政策仿真研究. 工業技術經濟, 40(7): 12-22.

曹湊貴, 李成芳, 展茗, 汪金平. 2011. 稻田管理措施對土壤碳排放的影響. 中國農業科學, (1): 93-98. 曹壯, 余康. 2020. 農業結構調整對農業全要素生產率增長的影響效應. 浙江農林大學學報 37(02), 357-365.

查良玉, 吳潔, 仇忠啟, 段華平, 曹偉召. 2013. 秸稈機械集中溝埋還田對農田凈碳排放的影響. 水土保持學報, (3): 229-236.

陳軍勝, 苑麗娟. 2005. 免耕技術研究進展. 中國農學通報, 21(5): 184-190.

陳琳, 閆明, 潘根興. 2011. 南京地區大棚蔬菜生產的碳足跡調查分析 . 農業環境科學學報, (9): 1791-1796.

陳儒, 鄧悅, 姜志德. 2017. 農業生產項目的綜合碳效應分析與核算研究. 華中農業大學學報(社會科學版), (3): 23-34.

陳舜, 逯非, 王效科. 2015. 中國氮磷鉀肥制造溫室氣體排放系數的估算. 生態學報, (19): 6371-6383. 陳宇科, 劉藍天, 董景榮. 2021. 環境規制工具、區域差異與企業綠色技術創新——基于系統 GMM 和動態門檻的中國省級數據分析. 科研管理,9: 1903.

崔曉, 張屹山. 2014. 中國農業環境效率與環境全要素生產率分析. 中國農村經濟, (8): 4-16.

崔瑜, 劉文新, 蔡瑜, 朱俊, 趙敏娟. 2021. 中國農村綠色化發展效率收斂了嗎——基于 1997— 2017 年的實證分析. 農業技術經濟, (02): 72-87.

戴鴻軼, 柳卸林. 2009. 對環境創新的一些評論. 科學學研究, 27(11): 1602-1610.

戴小文, 漆雁斌, 唐宏. 2015. 1990-2010 年中國農業隱含碳排放及其驅動因素研究. 資源科學, (8): 1668-1676.

德內拉•梅多斯，喬根•蘭德斯，丹尼斯•梅多斯著，李濤，王志勇譯.2006.增長的極限.北京：機械工業出版社,

鄧明君, 鄧俊杰, 劉佳宇. 2016. 中國糧食作物化肥施用的碳排放時空演變與減排潛力. 資源科學, (3)： 534-544.

鄧悅, 陳儒, 徐嬋娟, 姜志德. 2017. 低碳農業技術梳理與體系構建. 生態經濟, 33(8)： 8.

鄧悅, 崔瑜, 盧瑋楠, 趙敏娟. 2021. 市域尺度下中國農業低碳發展水平空間異質性及影響因素—— 來自種植業的檢驗. 長江流域資源與環境, 30(01)： 147-159.

鄧悅. 2017. 標準化視角下村域低碳農業發展規劃研究［碩士學位論文］. 西北農林科技大學.

鄧正華. 2013. 環境友好型農業技術擴散中農戶行為研究［博士學位論文］. 華中農業大學.

丁姍姍. 2017. 中國區域農業綠色技術進步態勢及影響因素分析［碩士學位論文］. 安徽財經大學.

董聰，董秀成，蔣慶哲，劉貴賢.2018.《巴黎協定》背景下中國碳排放情景預測--基于BP神經網絡模型. 生態經濟, 34(2)： 18-23.

杜江, 韓科振, 吳瑞兵. 2021. 國際研發資本技術溢出對農業綠色技術進步的影響. 統計與決策, (8)： 128-132.

杜曉君. 1994. 政策與農業技術進步. 農業經濟, (3)： 26-28.

杜艷艷, 趙蘊華. 2012. 韓國的綠色農業技術發展計劃. 世界農業, (11)： 45-47.

141

樊茂清, 任若恩, 陳高才. 2010. 技術變化、要素替代和貿易對能源強度影響的實證研究. 經濟學 (季刊), (01): 237-258.

范秋芳.2007.基于BP神經網絡的中國石油安全預警研究.運籌與管理,(5): 100-105.

馮奇緣, 蘇洋. 2021. 我國農業經濟增長、農業技術進步與農業碳排放的關系研究. 內蒙古科技與經濟, (3), 38-40.

馮陽, 路正南. 2016. 碳資源視角下低碳技術進步的測度及影響因素分析. 科技管理研究, 24: 236241.

傅新紅. 2004. 農業品種技術創新中的政府與市場. 農業技術經濟, (6): 35-39.

高玉強, 宋群. 2020. 中國省域財政支農支出的減貧效率研究. 中南林業科技大學學報: 社會科學版, 14(1): 59-65.

葛繼紅, 周曙東. 2011. 農業面源污染的經濟影響因素分析——基于1978--2009年的江蘇省數據. 中國農村經濟, (5): 72-81.

耿佩, 陳雯, 楊槿, 楊柳青. 2020. 鄉村生態創新技術地方植入的障礙與路徑——以陳莊自然農法技術為例. 資源科學, 42(07): 1298-1310.

弓媛媛, 劉章生. 2021. 金融結構與農業綠色技術進步: 理論模型、影響效應及作用機制. 經濟經緯, (5): 151-160.

郭鴻鵬. 2011. 東北糧食主產區"兩型"農業生產體系構建研究. 環境保護, (001): 33-35. 郭劍雄. 2004. 農業技術進步類型的一個擴展及其意義. 農業經濟問題, (3): 25-27.

郭四代，錢昱冰，趙銳.2018.西部地區農業碳排放效率及收斂性分析——基于SBM-Undesirable模型. 農村經濟, (11): 80-87.

郭天寶, 張煜奇. 2021. 我國農業“兩區”利益補償與糧食安全耦合機制研究. 經濟視角, (4): 26-33.

國家發改委宏觀經濟研究院課題組. 2004. 中國加速轉型期的若干發展問題研究(總報告). 經濟研究參考, (16): 2-48.

何小鋼, 王自力. 2015. 能源偏向型技術進步與綠色增長轉型. 中國工業經濟, (2): 50-62.

胡川, 韋院英, 胡威. 2018. 農業政策、技術創新與農業碳排放的關系研究. 農業經濟問題 (09): 6675.

胡中應. 2018. 技術進步、技術效率與中國農業碳排放. 華東經濟管理, (6): 100-105.

花可可, 朱波, 楊小林, 王小國. 2014. 長期施肥對紫色土旱坡地團聚體與有機碳組分的影響. 農業機械學報, (10): 167-174.

黃堅雄, 陳源泉, 劉武仁, 鄭洪兵, 隋鵬. 2011. 不同保護性耕作模式對農田的溫室氣體凈排放的影響. 中國農業科學, 44(14): 2935-2942.

黃杰, 孫自敏. 2021. 中國種植業碳生產率的區域差異及分布動態演進. 農業技術經濟, (9): 188-206. 黃敬前. 2013. 中國財政農業科技投入與農業科技進步動態仿真研究［博士學位論文］. 福建農林大學.

黃磊，吳傳清.2019.長江經濟帶城市工業綠色發展效率及其空間驅動機制研究.中國人口•資源與環境, 29(008): 40-49.

黃銳，周玉璽，周霞. 2021. 山東省農業碳排放強度的時空特征與趨勢演進. 山東農業大學學報: 社會科學版， 23(2): 57-63.

黃曉鳳，楊彥. 2019. 農業綠色偏向型技術創新的出口貿易效應. 財經科學， 379(10): 112-124.

紀建悅，李藝菲. 2019. 中國海水養殖業農業綠色技術進步測度及其影響因素研究. 中國海洋大學學報: 社會科學版， 166(02): 51-56.

金書秦，牛坤玉，韓冬梅. 2020. 農業綠色發展路徑及其“十四五”取向. 改革， (02)， 30-39. 景維民，張璐. 2014. 環境管制，對外開放與中國工業的農業綠色技術進步. 經濟研究， 49(9): 14.

142

孔繁彬, 原毅軍. 2021. 環境規制, 環境研發與農業綠色技術進步. (2019-2)： 98-105.

雷振丹, 陳子真, 李萬明. 2020. 農業技術進步對農業碳排放效率的非線性實證. 統計與決策. (5)： 67-71.

李波，張俊飚，李海鵬.2011.中國農業碳排放時空特征及影響因素分解.中國人口•資源與環境,(8): 80-86.

李成龍, 周宏. 2020. 農業技術進步與碳排放強度關系——不同影響路徑下的實證分析. 中國農業大學學報, (11): 162-171.

李多. 2016. 環境技術進步方向的內生化機理和政策激勵效應檢驗［博士學位論文］. 吉林大學.

李飛躍, 汪建飛. 2013. 中國糧食作物秸稈焚燒排碳量及轉化生物炭固碳量的估算. 農業工程學報, (14): 1-7.

李風琦, 龔娟. 2021. 農業綠色技術進步緩解霧霾污染了嗎？. 湘潭大學學報(哲學社會科學版), (1): 82-92.

李谷成, 范麗霞, 馮中朝. 2014. 資本積累, 制度變遷與農業增長——對 1978~2011 年中國農業增長與資本存量的實證估計. 管理世界, (5): 67-79.

李谷成, 范麗霞. 2011. 資源, 環境與農業發展的協調性——基于環境規制的省級農業環境效率排名. 數量經濟技術經濟研究, 28(10): 21-36.

李谷成, 馮中朝. 2010. 中國農業全要素生產率增長: 技術推進抑或效率驅動——一項基于隨機前沿生產函數的行業比較研究. 農業技術經濟, (5): 4-14.

李國志, 李宗植. 2010. 人口、經濟和技術對二氧化碳排放的影響分析——基于動態面板模型. 人口研究, (3): 32-39.

李建華, 景永平. 2011. 農村經濟結構變化對農業能源效率的影響. 農業經濟問題, (11): 93-99.

李靜, 張傳慧. 2020. 中國農業技術進步的綠色產出偏向及影響因素研究. 西部論壇, 30(03), 3650+105.

李凱杰, 曲如曉. 2012. 技術進步對碳排放的影響——基于省際動態面板的經驗研究. 北京師范大學學報: 社會科學版, (5): 129-139.

李琳. 2016. 林業資源枯竭型城市低碳發展機理與模式研究［博士學位論文］. 東北林業大學.

李茂柏, 曹黎明, 程燦, 張建明, 呂衛光. 2010. 水稻節水灌溉技術對甲烷排放影響的研究進展. 作物雜志, (6): 98-102.

李楠博, 孫弘遠. 2021. 基于云模型的企業綠色技術創新環境成熟度評價. 科技進步與對策, (11): 18.

李強, 魏巍, 徐康寧. 2014. 技術進步和結構調整對能源消費回彈效應的估算. 中國人口資源與環境, (24): 64-67.

李秋萍, 李長建, 肖小勇, 武紅. 2015. 中國農業碳排放的空間效應研究. 干旱區資源與環境, (4): 3035.

李善同, 許召元. 2009. 促進區域協調發展需要注重省內差距的變化. 宏觀經濟研究, (2): 8-15,59.

李小涵, 王朝輝, 郝明德, 李生秀. 2010. 黃土高原旱地不同種植模式土壤碳特征評價. 農業工程學報, (S2): 325-330.

李曉嘉. 2012. 財政支農支出與農業經濟增長方式的關系研究——基于省際面板數據的實證分析. 經濟問題, (1): 68-72.

李曉燕、王彬彬、黃一粟. 2020. 基于綠色創新價值鏈視角的農業生態產品價值實現路徑研究. 農村經濟, (10): 54-61.

李新華, 朱振林, 董紅云, 楊麗萍, 郭洪海. 2015. 秸稈不同還田模式對玉米田溫室氣體排放和碳固

143

定的影響. 農業環境科學學報， (11): 2228-2235.

李旭. 2015. 綠色創新相關研究的梳理與展望. 研究與發展管理， 27(2): 1-11.

梁俊，龍少波. 2015. 農業綠色全要素生產率增長及其影響因素. 華南農業大學學報: 社會科學版，

(3): 1-12.

梁流濤.2010.農業面源污染形成機制：理論與實證.中國人口•資源與環境,20(04): 74-80.

劉華軍，鮑振，楊騫. 2013. 中國農業碳排放的地區差距及其分布動態演進——基于 Dagum 基尼系數分解與非參數估計方法的實證研究. 農業技術經濟， (3): 72-81.

劉華楠，鄒珊剛. 2003. 中國西部綠色農業科技創新論析. 中國科技論壇， (1): 27-30.

劉慧，陳光. 2004. 企業綠色技術創新: 一種科學發展觀. 科學學與科學技術管理， 25(8): 82-85.

劉蒙罷，張安錄，文高輝. 2021. 長江中下游糧食主產區耕地利用生態效率時空格局與演變趨勢. 中國土地科學， (2): 50-60.

劉興凱，張誠. 2010. 中國服務業全要素生產率增長及其收斂分析. 數量經濟技術經濟研究， 27(3): 55-67+95.

劉英基. 2019. 制造業國際競爭力提升的農業綠色技術進步驅動效應——基于中國制造業行業面板數據的實證分析. 河南師范大學學報: 哲學社會科學版， 46(5): 7.

劉月仙，劉娟，吳文良. 2013. 北京地區畜禽溫室氣體排放的時空變化分析. 中國生態農業學報， (7): 891-897.

劉自敏，黃敏，申顥. 2022. 中國碳交易試點政策與綠色技術進步偏向--基于城市層面數據的考察. 產業經濟評論， (1): 201-219.

陸建明. 2015. 環境技術改善的不利環境效應: 另一種“綠色悖論”. 經濟學動態， (11): 68-78.

陸旸. 2012. 從開放宏觀的視角看環境污染問題: 一個綜述. 經濟研究， 47(2): 146-158

逯非，王效科，韓冰，歐陽志云; 鄭華. 2010. 稻田秸稈還田: 土壤固碳與甲烷增排. 應用生態學報，

(1): 99-108.

羅吉文. 2010. 低碳農業發展模式探析. 生態經濟， 12 (1): 142-144.

羅小鋒，袁青. 2017. 新型城鎮化與農業技術進步的時空耦合關系. 華南農業大學學報 (社會科學版)， 16(02)， 19-27.

駱旭添. 2011. 低碳農業發展理論與模式研究［博士學位論文］. 福建農林大學.

呂娜，朱立志. 2019. 農業環境技術效率與綠色全要素生產率增長研究. 農業技術經濟， (4): 95-103. 呂燕，王偉強. 1994. 綠色技術創新研究. 科學管理研究， (04): 41-43.

呂永龍，許健，胥樹凡. 2000. 環境技術創新的影響因素與應對策略. 環境工程學報， 1(005): 91-98. 米松華，黃祖輝，朱奇彪. 農戶低碳減排技術采納行為研究. 浙江農業學報， 2014(3): 797-804 米松華，黃祖輝. 2012. 源溫室氣體減排技術和管理措施適用性篩選. 中國農業科學， (21): 4517-4527.

牛海生，李大平，張娜，郝維維，徐文修. 2014. 不同灌溉方式冬小麥農田生態系統碳平衡研究. 生態環境學報， (5): 749-755.

潘丹，應瑞瑤. 2013. "兩型農業"發展評價及其影響因素分析. 中國人口. 資源與環境， (06): 39-46.

潘根興，張阿鳳，鄒建文. 2010. 廢棄物生物黑炭轉化還田作為低碳農業途徑的探討. 生態與農村環境學報， (4): 394-400.

潘婷. 2019. 技術進步對碳排放強度的影響研究［碩士學位論文］. 華南理工大學.

龐麗. 2014. 農業碳排放的區域差異與影響因素分析. 干旱區資源與環境， (12): 1-7.

彭國華. 2005. 地區收入差距、全要素生產率及其收斂分析. 經濟研究， (9) : 19-29

彭永濤，李丫丫，盧娜.2018.低碳技術創新特征一一基于CPC-Y02專利數據.技術經濟,37(07): 41-

144

錢娟，李金葉.2018.技術進步是否有效促進了節能降耗與CO2減排?.科學學研究,36(1): 49-59. 錢娟,李金葉. 2017. 不同類型技術進步的節能減排績效及其動態變化.技術經濟, (36):63-71.

屈超，陳甜.2016. 2030年碳排放強度減排潛力測算.濟南：中國人口•資源與環境,(7) : 62-69.

邵帥, 范美婷, 楊莉莉. 2022. 結構調整, 綠色技術進步與中國低碳轉型發展——基于總體技術前沿和空間溢出效應視角的經驗考察. 管理世界, 38(2): 46-69.

沈斌, 馮勤. 2004. 可持續發展的環境技術創新及其政策機制. 科學學與科學技術管理, 25(8): 4.

沈能，王艷.2016.農業增長與污染排放的EKC曲線檢驗：以農藥投入為例.數理統計與管理,35(4): 614-622.

沈小波, 曹芳萍. 2010. 創新的特征與環境技術創新政策——新古典和演化方法的比較. 廈門大學學報: 哲學社會科學版, (5): 29-36

宋博, 穆月英, 侯玲玲. 2016. 專業化對農業低碳化的影響研究——來自北京市蔬菜種植戶的證據. 自然資源學報, (3): 9: 468-476.

宋利娜, 張玉銘, 胡春勝, 張喜英, 董文旭. 2013. 平原高產農區冬小麥農田土壤溫室氣體排放及其綜合溫室效應. 中國生態農業學報, (3): 297-307.

速水佑次郎，弗農•立坦.2000農業發展的國際分析.北京：中國社會科學岀版社.

孫冰, 徐楊, 康敏. 2021. 規制工具與環境友好型農業綠色技術進步創新: 知識產權保護的雙門檻效應. 科技進步與對策, (11): 1-8.

孫凱佳, 朱建營, 梅洋, 李若璽, 高騰云. 2015. 降低反芻動物胃腸道甲烷排放的措施. 動物營養學報, (10): 2994-3005.

孫欣, 沈永昌, 陶然. 2016. 低碳技術進步測度及對碳排放強度影響效應研究［. 江淮論壇, (06): 6471

孫媛媛. 2014. 主產區城鎮化進程中面臨的問題及其應對策略. 經濟視角, (1): 58-62.

譚政，王學義.2016.全要素生產率省際空間學習效應實證.中國人口•資源與環境,26(10): &

陶麗佳，王鳳新，顧小小.2012.滴灌對土壤CO2與CH4濃度的影響.中國生態農業學報，(3): 330- 336.

田慎重，寧堂原，王瑜，李洪杰，仲惟磊. 2010. 耕作方式和秸稈還田對麥田土壤有機碳含量的影響. 應用生態學報， (2): 373-378.

田云，陳池波. 2019. 碳減排成效評估、后進地區識別與路徑優化. 經濟管理， (6): 1-7.

田云，李波，張俊飚. 2011. 農地利用碳排放的階段特征及因素分解研究. 中國地質大學學報(社會科學版)， (1): 59-63.

田云，張俊飚. 2013. 農業生產凈碳效應分異研究. 自然資源學報， (8): 1298-1309.

萬倫來，黃志斌. 2004. 綠色技術創新: 推動我國經濟可持續發展的有效途徑. 生態經濟， (6): 29-31. 王班班，齊紹洲. 2014. 有偏技術進步，要素替代與中國工業能源強度. 經濟研究， (02): 115-127. 王班班，齊紹洲. 2014. 有偏技術進步，要素替代與中國工業能源強度. (2): 115-127.

王班班，齊紹洲.2015.中國工業技術進步的偏向是否節約能源.中國人口•資源與環境,25(7): 24-31. 王班班. 2017. 環境政策與技術創新研究述評. 經濟評論， (4): 131-48.

王班班. 2014. 有偏技術進步對中國工業碳強度的影響研究［博士學位論文］. 武漢大學.

王寶義，張衛國.2016.中國農業生態效率測度及時空差異研究.中國人口 •資源與環境，026(006): 11-19.

王寶義，張衛國. 2018. 中國農業生態效率的省際差異和影響因素——基于 1996—2015 年 31 個省份的面板數據分析. 中國農村經濟， (1): 46-62.

王兵，杜敏哲. 2015. 低碳技術下邊際減排成本與工業經濟的雙贏. 南方經濟， (02): 17-36

145

王川，高偉，周豐，營娜.2013.中國縣域畜禽糞便20排放清單.應用生態學報,(10): 2983-2992. 王道平，杜克銳，焉日哲明. 2018. 低碳技術創新有效抑制了碳排放嗎?一一基于 PSTR 模型的實證分析. 南京財經大學學報， (06): 1-14

王德鑫，黃珂，鄭炎成，李谷成. 2016. 中國規模生豬養殖效率測度及其區域差異性研究——基于 DEA-Malmquist 指數方法. 浙江農業學報， 28(07)， 1262-1269.

王方浩，馬文奇，竇爭霞，馬林，劉小利. 2006. 中國畜禽糞便產生量估算及環境效應. 中國環境科學， (5): 614-617.

王鋒，馮根福. 2011. 中國經濟低碳發展的影響因素及其對碳減排的作用. 中國經濟問題， (3): 62-69.

王浩，劉芳. 2012. 農戶對不同屬性技術的需求及其影響因素分析——基于廣東省油茶種植業的實證分析. 中國農村觀察， (1): 55-66.

王赫，吳朝陽. 2020. 經濟差距對創新溢出與技術交流的影響——基于經濟距離矩陣的空間計量研究. 經濟問題， (9): 78-84.

王建華，楊惠雯. 2019. 技術創新異質性點格局及其影響因素研究. 科學學研究， (12): 2274-2283. 王麗霞，陳新國，姚西龍，李曉瑜，張晨濤. 2017. 中國工業企業對環境規制政策的響應度研究. 中國軟科學， (10): 143-152.

王茂華，唐茂芝. 2012. 國內外農藥使用與殘留控制體系. 食品科學技術學報， (3): 19-21.

王奇，趙欣. 2019. 基于改進等比例分配方法的中國各省二氧化碳減排目標分配. 呼和浩特: 干旱區資源與環境， (1) : 1-8.

王文普，陳斌. 2013. 環境政策對綠色技術創新的影響研究——來自省級環境專利的證據. 經濟經緯， 000(005): 13-18.

王勇，姬強，劉帥，王旭東. 2012. 耕作措施對土壤水穩性團聚體及有機碳分布的影響. 農業環境科學學報， (7): 1365-1373.

王躍生. 1999. 家庭責任制、農戶行為與農業中的環境生態問題. 北京大學學報(哲學社會科學版)，. 36(3): 43-50.

王云霞，韓彪. 2018. 技術進步偏向、要素稟賦與物流業綠色全要素生產率. 北京工商大學學報(社會科學版)， (2): 51-61.

王昀. 2008. 低碳農業經濟略論. 中國農業信息， (8): 12-15.

魏楚，夏棟.2010.中國人均CO2排放分解：一個跨國比較.管理評論,22(8): 114-121.

魏巍賢，楊芳. 2010. 技術進步對中國二氧化碳排放的影響. 統計研究， 27(7): 36-44.

魏瑋，文長存，崔琦，解偉. 2018. 農業技術進步對農業能源使用與碳排放的影響——基于 GTAP-E 模型分析. 農業技術經濟， (2): 30-40.

魏一鳴，劉蘭翠，范英. 2008. 中國能源報告: 碳排放研究. 北京: 科學出版社.

文琦.2009.中國農村轉型發展研究的進展與趨勢.中國人口•資源與環境,19(001): 20-24.

吳昊玥，何宇，黃瀚蛟，陳文寬.2021.中國種植業碳補償率測算及空間收斂性.中國人口•資源與環境， 31(6): 113-123.

吳偉偉. 2019. 支農財政、技術進步偏向的農田利用碳排放效應研究. 中國土地科學， (3): 79-86. 吳賢榮，張俊飚，程琳琳，田云. 2015. 中國省域農業碳減排潛力及其空間關聯特征—基于空間權重矩陣的空間Durbin模型.濟南：中國人口•資源與環境，⑹：53-61.

吳學花，劉亞麗，田洪剛，魯婧頡. 2021. 環境規制驅動經濟增長的路徑——一個鏈式多重中介模型的檢驗. 濟南大學學報(社會科學版)， 1(31): 118-135.

吳雪蓮，張俊飚，豐軍輝.2017.農戶綠色農業技術認知影響因素及其層級結構分解一基于Probit- ISM模型.華中農業大學學報：社會科學版,(5): 36-45.

146

吳雪蓮. 2016. 農戶綠色農業技術采納行為及政策激勵研究——以湖北水稻生產為例［博士學位論文］. 華中農業大學.

吳英姿，聞岳春.綠色生產率及其對工業低碳發展的影響研究J］.管理科學,2013(1):112-120.

武云亮，錢嘉兢，張廷海. 2021. 環境規制，綠色技術創新與中國經濟高質量發展——基于中介效應及調節效應的實證檢驗. 成都大學學報: 社會科學版， (3): 30-42.

夏四友，趙媛，許昕，文琦，崔盼盼. 2020. 近20年來中國農業碳排放強度區域差異、時空格局及動態演化. 長江流域資源與環境， 29(3): 596-608.

肖周燕.2013.人口素質，經濟增長與CO2排放關聯分析.干旱區資源與環境,(10): 25-31.

謝榮輝. 2021. 農業綠色技術進步、正外部性與中國環境污染治理. 管理評論， (6): 111-121.

謝亞燕，蘇洋，李鳳，舒芹，盧珊. 2022. 技術進步對新疆農業碳排放的門檻效應檢驗. 浙江農業科學， 63(1): 158-165.

徐桂鵬，鄭傳芳. 2012. 政策誘致下的農業技術進步原理及貢獻率測定. 經濟問題， (10): 81-84.

徐紅，趙金偉. 2020. 研發投入的農業綠色技術進步效應——基于城市層面技術進步方向的視角. 中國人口 •資源與環境,030(002): 121-128.

徐輝，師諾，武玲玲，張大偉. 2020. 黃河流域高質量發展水平測度及其時空演變. 資源科學， 42(1): 115-126.

許冬蘭，張敏. 2018. 中國工業低碳全要素生產率的測算及分解——基于動態 EBM-MI 指數模型. 青島科技大學學報(社會科學版)， (04): 19-24.

許林，林思宜，錢淑芳. 2021. 環境信息披露，綠色技術創新對融資約束的緩釋效應. 證券市場導報， (9): 23-33.

許平，孫玉華.2014.非期望產岀的DEA效率評價.經濟數學,31(01): 90-93

許慶瑞，王毅. 1999. 綠色技術創新新探: 生命周期觀. 科學管理研究， (01): 3-6.

鄢哲明，鄧曉蘭，陳寶東. 2016. 農業綠色技術進步對中國產業結構低碳化的影響. 經濟社會體制比較， (4): 15.

閆桂權，何玉成，張曉恒，陳國庭. 2020. 中國規模生豬養殖的農業綠色技術進步偏向. 中國生態農業學報(中英文),28(11): 1811-1822.

閆桂權，何玉成，張曉恒. 2019. 農業綠色技術進步，農業經濟增長與污染空間溢岀——來自中國農業水資源利用的證據. 長江流域資源與環境， 28(12): 15.

閆文琪. 2014. CDM 項目大氣污染物減排的協同效應研究［博士學位論文］. 南開大學.

楊發明，許慶瑞. 1998. 企業綠色技術創新研究. 中國軟科學， (3): 47-51.

楊發庭. 2014. 綠色技術創新的制度研究［博士學位論文］. 中共中央黨校.

楊福霞，鄭凡，楊冕. 2019. 中國種植業勞動生產率區域差異的動態演進及驅動機制. 資源科學，

41(8): 1563-1575.

楊福霞. 2016. 環境政策與農業綠色技術進步. 人民岀版社.

楊鈞. 2013. 農業技術進步對農業碳排放的影響——中國省級數據的檢驗. 軟科學， (10): 120-124.

楊俊，陳怡. 2011. 基于環境因素的中國農業生產率增長研究. 中國人口資源與環境，6: 153-157. 楊莉莎，朱俊鵬，賈智杰. 2019. 中國碳減排實現的影響因素和當前挑戰——基于技術進步的視角.

經濟研究， 54(11): 118-132.

楊秀玉. 2016. 中國農業碳排放的地區差異與收斂性分析. 湖北農業科學， (04): 260-266.

楊穎.2012.四川省低碳經濟發展效率評價.中國人口•資源與環境,22(06): 52-56

楊正林，方齊云. 2008. 能源生產率差異與收斂: 基于省際面板數據的實證分析. 數量經濟技術經濟研究， (9): 17-30.

147

姚小劍，何珊，楊光磊. 2018. 強度維度下的環境規制對農業綠色技術進步的影響. (6): 78-82. 姚延婷，陳萬明，李曉寧. 2014. 環境友好農業技術創新與農業經濟增長關系研究. (8): 122-130.

姚延婷，陳萬明. 2016. 環境友好農業技術創新對經濟增長的貢獻研究. 財經問題研究， (9): 123-128. 姚延婷. 環境友好農業技術創新及其對農業經濟增長的影響研究［博士學位論文］. 南京航空航天大學.

姚西龍. 2012. 技術創新對工業碳強度的影響測度及減排路徑研究［博士學位論文］. 哈爾濱工業大學. 葉初升，馬玉婷. 2020. 人力資本及其與技術進步的適配性何以影響了農業種植結構?. 中國農村經濟， (04): 34-55.

易加斌，李霄，楊小平，焦晉鵬. 2021. 創新生態系統理論視角下的農業數字化轉型: 驅動因素、戰略框架與實施路徑. 農業經濟問題， (7): 101-116.

殷賀，王為東，王露，江紅莉. 2020. 低碳技術進步如何抑制碳排放? ——來自中國的經驗證據. 管理現代化， 40(5): 90-94.

殷文，史倩倩，郭瑤，馮福學，趙財. 2016. 秸稈還田、一膜兩年用及間作對農田碳排放的短期效應. 中國生態農業學報， (6): 716-724.

余康，章立，郭萍. 2012. 1989-2009中國總量農業全要素生產率研究綜述. 浙江農林大學學報， 29(1): 111-118.

袁凌，申穎濤，姜太平. 2000. 論綠色技術創新. 科技進步與對策， 17(9): 2.

袁慶明. 2003. 技術創新的制度結構分析. 經濟管理出版社. 約瑟夫•熊彼特.2009.資本主義、社會主義與民主.商務印書館.

展進濤，徐鈺嬌.2019.環境規制、農業綠色生產率與糧食安全.中國人口•資源與環境,29(03), 167- 176.

張俊，鐘春平. 2014. 偏向型技術進步理論: 研究進展及爭議. 經濟評論， (5): 148-160. 張晨. 2018. 上海農業技術進步的發生機制和演進路徑研究［博士學位論文］. 上海海洋大學.

張傳慧. 2022. 基于水污染排放的農業綠色偏向型技術進步研究［碩士學位論文］. 合肥工業大學. 張寬，鄧鑫，沈倩嶺，漆雁斌. 2017. 農業技術進步、農村勞動力轉移與農民收入——基于農業勞動生產率的分組PVAR模型分析.農業技術經濟,000(006): 28-41.

張麗瓊，何婷婷. 2021. 1997—2018年中國農業碳排放的時空演進與脫鉤效應. 云南農業大學學報 (社會科學)， 16(1): 78-90.

張騰飛，楊俊，盛鵬飛.2016.城鎮化對中國碳排放的影響及作用渠道.中國人口•資源與環境,26(2): 47-57.

張文彬，李國平. 2015. 異質性技術進步的碳減排效應分析. 科學學與科學技術管理， 36(9): 54-61.

張永強，田媛，王珧，王榮，彭有幸. 2019. 農村人力資本、農業技術進步與農業碳排放. 科技管理研究， (14): 266-274.

章勝勇，尹朝靜，賀亞亞，肖小勇. 2020. 中國農業碳排放的空間分異與動態演進——基于空間和非參數估計方法的實證研究. 中國環境科學， (3): 1356-1363.

趙軍，劉春艷，李琛. 2020. 金融發展對碳排放的影響: "促進效應"還是"抑制效應"? ——基于技術進步異質性的中介效應模型. 新疆大學學報: 哲學. 人文社會科學版， 48(04): 1-10.

趙領娣，賈斌，胡明照. 2014. 基于空間計量的中國省域人力資本與碳排放密度實證研究. 人口與發展， 20(004): 2-10.

趙璐，呂杰. 2011. 財政支農結構對農業總產值影響的實證分析. 統計與決策， (8): 117-120.

趙楠，賈麗靜，張軍橋. 2013. 技術進步對中國能源利用效率影響機制研究. 統計研究， 30(04): 63-69. 趙文琦，胡健，趙守國. 2021. 中國能源產業的要素配置效率與產業高級化. 數量經濟技術經濟研究，

148

(12): 146-162.

趙一廣，刁其玉，鄧凱東，劉潔，姜成鋼. 2011. 反芻動物甲烷排放的測定及調控技術研究進展. 動物營養學報， (5): 726-734.

鄭陽陽，羅建利. 2021. 農業生產效率的碳排放效應: 空間溢岀與門檻特征. 北京航空航天大學學報: 社會科學版， 34(1): 96-105.

鄭義，趙曉霞. 2014. 環境技術效率、污染治理與環境績效——基于1998—2012年中國省級面板數據的分析. 中國管理科學， S1: 785-791.

鐘暉，王建鋒. 2000. 建立綠色技術創新機制. 生態經濟， (3): 41-44.

周貝貝，王一明，林先貴. 2016. 不同處理方式的糞肥對水稻生長和溫室氣體排放的影響. 應用與環境生物學報， (3): 430-436.

周鵬飛，謝黎，王亞飛. 2019. 我國農業全要素生產率的變動軌跡及驅動因素分析——基于 DEA— Malmquist指數法與兩步系統GMM模型的實證考察.蘭州學刊,17 (12): 170-186.

周晶，青平，顏廷武. 2018. 技術進步、生產方式轉型與中國生豬養殖溫室氣體減排. 華中農業大學學報(社會科學版)， (4): 44-51.

周晶淼. 2019. 環境規制對綠色增長的影響機理研究［博士學位論文］. 大連理工大學.

周喜君，郭淑芬.2018.中國二氧化碳減排過程中的技術偏向研究［J］.北京：科研管理,(5) : 29-37. 朱筱婧，李曉明，張雪. 2010. 低碳農業背景下提高肥料利用率的技術途徑. 江蘇農業科學， (4): 15

17.

諸大建. 可持續發展呼喚循環經濟. 科技導報， 1998(9): 5.

莊月芹. 2008. 中國農作物秸稈機械化還田技術的應用與展望. 安徽農業科學， (5): 15749-15750.

Acemoglu D， Aghion P， Bursztyn L， Hemous D. 2012. The environment and directed technical change..

American Economic Review， 102-131+166.

Acemoglu D. 2002. Directed Technical Change. Review of Economic Studies， 69(4): 781-810.

Acemoglu D. 2007. Equilibrium Bias of Technology. Econometrica， 75(5): 1371-1410.

Acemoglu D. 2003. Labor- and Capital- Augmenting Technical Change. Journal of European Economic

Association， 1(1): 1-37.

Acemoglu D. 2003. Patterns of Skill Premia. Review of Economic Studies， 70(2): 199-230.

Acemoglu， D.， Aghion， P.， Bursztyn， L.， & Hemous， D. 2012. The environment and directed technical change. American Economic Review, 102, 131-166.

Acikgoz S， Mert M. 2014. Sources of Growth Revisited: The Importance of the Nature of Technological Progress. Social Science Electronic Publishing. (17): 31-62.

Ahmad S. 1966. On the Theory of Induced Innovation. The Economic Journal, 76: 344-357.

Allan C., Jaffe A. B., Sin I., 2014. Diffusion of green technology: a survey, 1-33.

Arrow K J, Karlin S, Suppes P. 1960. Mathematical methods in the social sciences, 1959: proceedings of the first Stanford Symposium. Stanford University Press.

Asel Doranova, Ionara Costa, Geert Duysters. 2010. Knowledge base determinants of technology sourcing in clean development mechanism projects. Energy Policy, 38(10): 5550-5559.

B. A. Linquist, M. A. Adviento-Borbe, C. M. Pittelkow, C. van Kessel, K. J. van Groenigen. 2012. Fertilizer management practices and greenhouse gas emissions from rice systems: a quantitative review and analysis. Field Crops Research, (135): 10-21.

Baron R M, Kenny D A. 1986. The moderator-mediator variable distinction in social psychological research:

Conceptual, strategic, and statistical considerations. in Journal of Personality and Social Psychology,

149

(51): 1173 －1182.

Bataille C ， Melton N. 2017. Energy efficiency and economic growth: A retrospective CGE analysis for Canada from 2002 to 2012. Energy Economics， 64(may): 118-130.

Bavin T K， Griffis T J， Baker J M， et al. 2009. Impact of reduced tillage and cover cropping on the greenhouse gas budget of a maize/soybean rotation ecosystem. Agriculture Ecosystems & Environment， 134(3): 234-242.

Binswanger H. P. 1974. A Microeconomic Approach to Induced Innovation. The Economic Journal， 84: 940-958.

Binswanger， Hand P. Vernon W. 1978. Ruttan， Induced Innovation: Technology， Institutions and Development. Baltimore， John Hopkins University Press.

Bo Wang， et al. ， 2018. Heterogeneity evaluation of China's provincial energy technology based on large- scale technical text data mining， Journal of Cleaner Production， (202): 946-958

Braun E. ， Wield D. 1994. Regulation as a Means for the Social Control of Technology. Technology Analysis & Strategic Management， 6 (3) : 78- 99.

Bridge G， Bouzarovski S， Bradshaw M， Eyre N. 2013. Geographies of energy transition: Space， place and the low-carbon economy. Energy Policy， 53: 331-340.

Cao B， Wang S. 2017. 0pening up， international trade， and green technology progress. Journal of Cleaner Production， 142(2): 1002-1012.

Chege S M， Wang D. 2019. The influence of technology innovation on SME performance through environmental sustainability practices in Kenya. Technology in Society， 60: 101210.

Chen X M ， Liu J. 2006. Present Research and Progress of the Green Reactive Technology. Journal of Huaibei Coal Industry Teachers College (Natural Science Edition).

Cheng Z ， Li L ， Liu J. 2017. Industrial structure， technical progress and carbon intensity in China's provinces. Renewable & Sustainable Energy Reviews， 81: 2935-2946.

Cheng ZH， Liu J， Li LS， et al. 2020. Research on meta-frontier total-factor energy efficiency and its spatial convergence in Chinese provinces. Energy Economics， 86: 104702.

Cordo ba ， Misael， Miranda， et al. 2017. Catalytic Performance of Co304 on Different Activated Carbon Supports in the Benzyl Alcohol 0xidation. Catalysts，7(12): 384.

Corradini M ， Costantini V ， Mancinelli S ， et al. 2014. Unveiling the dynamic relation between R&D and emission abatement. Ecology Economy， 102 (6) : 42-59.

Demirel P ， Kesidou E. 2011. Stimulating different types of eco-innovation in the UK: Government policies and firm motivations. Ecological Economics， 70(8): 1546-1557.

Deng Yue， Apurbo Sarkar， Cui Yu， Lu Qian， Zhao Minjuan， Jiban Chandro Das. Ecological compensation of grain trade within urban， rural areas and provinces in China: a prospect of a carbon transfer mechanism. Environment， Development and Sustainability，2021，2.24.Doi.org/10.1007/ s10668-021- 01376-2.

Deng Yue， Apurbo Sarkar， Cui Yu， Lu Qian， Zhao Minjuan. The evolution of factors influencing green technological progress in terms of carbon reduction: A spatial-temporal tactic within agriculture industries of China. Frontiers in Energy Research， 2021，11，25. Doi: 10.3389/fenrg.2021.661719.

Deng Yue， Cui Yu， Sufyan Ullah Khan， Zhao Minjuan，Lu Qian. Spatio-temporal dynamic and spatial spillover effect of agricultural green technological progress in China. Environmental Science and Pollution Research. 2022.

150

E. Naveh, O. Meilich, A. Marcus. 2006. The effects of administrative innovation implementation on performance: an organizational learning approach. Strat. Organ, 4 (3): 275-302.

E. V. D. Werf. 2008. Production function for climate policy modeling: an empirical analysis. Energy Econ, 30 (6) : 2964-2979

Feng G. , Serletis A.. 2014. Undesirable Outputs and a Primal Divisia Productivity Index Based on the Directional Output Distance Function. Journal of Econometrics, 183(1): 135-146.

Feng Suling, Zhang Rong, Li Guoxiang. 2022. Environmental decentralization, digital finance and green technology innovation. Structural Change and Economic Dynamics, (61): 70-83.

Fischer, Cand G. Heutel. 2013. Environmental macroeconomics: Environmental policy, business cycles, and directed technical change. Annual Review of Resource Economics, (5): 1256-1279.

Foster R N. 1985. Timing technological transitions. Technology In Society, 7(2-3): 127-141.

Funahashi K. 1989. On the approximate realization of continuous mappings by neural networks. Neural Networks, 2(3): 183-192.

Gans J S. 2011. Innovation and Climate Change Policy. Ssrn Electronic Journal.

Geels F W. 2014. Regime Resistance against Low-Carbon Transitions: Introducing Politics and Power into the Multi-Level Perspective. Theory, Culture & Society, 31(5): 21-40.

Gerlagh R. 2007. Measuring the value of induced technological change. Energy Policy, 35(11): 5287-5297.

Gomi K, Shimada K, Matsuoka Y. 2010. A low-carbon scenario creation method for a local-scale economy and its application in Kyoto city. Energy Policy, 38(9): 4783-4796.

Griliches, Z. Hvbrid Cirn. 1957. An Exploration in the Economics of Technological Change. Ecinometrica, 25: 501-522.

Guo P , Wang T , D Li, et al. 2016. How energy technology innovation affects transition of coal resourcebased economy in China. Energy Policy, 92(5): 1-6.

Hailu A. , Veeman T. S.. Environmentally Sensitive Productivity Analysis of the Canadian Pulp and

Han H. , Wu S. 2018. Rural residential energy transition and energy consumption intensity in China. Energy Econ. , 74: 523-534.

Hans P. Binswanger. 1974. A microeconomic approach to induced innovation. Eeconomic Journal, (84): 940- 958.

He PP, Zhang JB , Li W. 2021. The role of agricultural green production technologies in improving low- carbon efficiency in China: Necessary but not effective. Journal of Environmental Management, 293: 112837.

Hicks, John R. 1932. The theory of wages. London: Macmillan, 124- 125.

Hojnik J. , Ruzzier M. 2015. What Drives Eco-innovation? A Review of an Emerging Literatur Environmental Innovation ＆ Societal Transitions, 19: 31-41

Hornik K, Stinchcombe M, White H. 1990. Universal approximation of an unknown mapping and its derivatives using multilayer feedforward networks. Neural Networks, 3(5): 551-560.

Hottenrott, H., Peters, B.. 2012. Innovative capability and financing constraints for innovation: more money, more innovation?. Review of Economics and Statistics, 94(4): 1126-1142.

Huang J. , Lai Y. Hu, H.. 2020. The effect of technological factors and structural change on China's energy intensity: evidence from dynamic panel models. China Econ. Rev. , 64, 101518

Huang J. , X. Chen. 2020. Domestic R&D activities, technology absorption ability, and energy intensity in China. Energy Policy, 138, 111184

151

Huang J. ， Yu S. 2016. Effects of investment on energy intensity: evidence from China Chinese J. Popul. Resour. Environ. ， 14: 197-207

J. Goraczkowska. 2020. Enterprise innovation in technology incubators and university business incubators in the context of Polish industry. 0econ. Copernic. ， 11(4): 799-817.

J. Zou， Y. Huang， X. Zheng， Y. Wang. 2007. Quantifying direct N20 emissions in paddy fields during rice growing season in China: dependence on water regime. Atmos. Environ. ， 41 (37): 80308042.

J. M. F. Johnson， A. J. Franzluebbers， S. L. Weyers， D. C. Reicosky. 2007. Agricultural opportunities to

mitigate greenhouse gas emissions. Environ. Pollut. ， 150 (1): 107-124.

Jianhua Yin， Wang S ， Gong L. 2018. The effects of factor market distortion and technical innovation on China's electricity consumption. Journal of Cleaner Production.

Johnson M F， Franzluebbers A J， Weyers S L， et al. 2007. Agricultural opportunities to mitigate greenhouse gas emissions. Environmental Pollution， 150(1): 107-24.

Jorgensen. D. 1961. The Development of a Dual Economy. Economic Journal， 71(282): 309-344.

K. Cheng， G. Pan， P. Smith， T. Luo， L. Li， J. Zheng， X. Zhang， X. Han， M. Yan. 2011. Carbon footprint of

China's crop production: an estimation using agro-statistics data over 1993-2007. Agric. Ecosyst. Environ. ， 142: 231-237.

K. Lovell. 2003. The decomposition of Malmquist productivity indexes. J. Prod. Anal. ， 20: 437-458

K. Rennings. 2000. Redefining innovation—eco-innovation research and the contribution from ecological economics. Ecol. Econ. ， 32(2): 319-332.

Kamien， M. I. and Schwartz N. L. 1968. 0ptimal "Induced" Technical Change. Econometrica， 36(1): 1-17. Kanerva M ， Arundel A ， Kemp R ， et al. 2011. Using qualitative models to identify indicators for policy. Kemp R. ， Arundel A.1998. Survey indicators for environmental innovation， IDEA Paper Series.

Kemp R. ， Soete L. 1992. The greening of technological progress: an evolutionary perspective， Futures， 24， 437-457.

Khan D ， Ulucak R. 2020. How do environmental technologies affect green growth? Evidence from BRICS economies. Science of The Total Environment， 712: 136504.

Kinzig A P， Kammen D M. 1998. National trajectories of carbon emissions: analysis of proposals to foster the transition to low-carbon economies. Global Environmental Change， 8(3): 183-208.

Kirschbaum M ， Fischlin A. 1996. Climate change impacts on forests， Climate change 1995-impacts， adaptations and mitigation of climate change: scientific-technical analysis.

Krass D ， Nedorezov T ， 0vchinnikov A. 2013. Environmental Taxes and the Choice of Green Technology. Production and operations management， 22(5): 1035-1055.

Lenka N K， Lal R. 2013. Soil aggregation and greenhouse gas flux after 15 years of wheat straw and fertilizer management in a no-till system. Soil & Tillage Research， 126: 78-89.

LESAGE J. PACE R K. 2009. Introduction to Spatial Econometrics. CRC Press， Taylor and Francis Group， New York.

Li K. ， Lin B. 2014. The nonlinear impacts of industrial structure on China's energy intensity Energy， 69: 258-265.

Lin B. ， Du K. 2013. Technology gap and China's regional energy efficiency: a parametric metafrontier approach. Energy Econ， 40: 529-536，

Liu J ， Liu H ， Yao X L ， et al. 2016. Evaluating the sustainability impact of consolidation policy in China's

152

coal mining industry: a data envelopment analysis. Journal of Cleaner Production, 112: 2969-2976.

Liu Y, Zhu, Li E Y , et al. 2020. Environmental regulation, green technological innovation, and ecoefficiency: The case of Yangtze river economic belt in China. Technological Forecasting and Social Change, 155: 119993.

Liu, W. B. , Meng, W. , Li, X. X. , Zhang, D. Q. . 2010. DEA models with undesirable inputs and outputs. Annals of Operations Research. 173 (1): 177-194.

Lucas R. 1988. On the mechanics of economic development. Journal of Monetary Economics, 22.

Lv, W. , Zhou, Z. , Huang, H. , 2013. The measurement of undesirable output based-on DEA in E&E: models development and empirical analysis. Math. Comput. Model. 907-912

M. Li, J. Wang, P. Zhao, K. Chen, L. Wu. 2020. Factors affecting the willingness of agricultural green production from the perspective of farmers' perceptions. Science of the Total Environment , 2020. 140289

M. Saudi, O. Sinaga, D. Roespinoedji, E. Ghani. 2019. The impact of technological innovation on energy intensity: evidence from Indonesia. Int J Energy Econ Pol, 9 (3): 11-17.

Ma B. , Yu Y. Industrial structure, energy-saving regulations and energy intensity: evidence from Chinese cities. J. Clean. Prod. , 141 (2017): 1539-1547

Mansfield E , Schwartz M , Wagner S. Imitation Costs and Patents: An Empirical Study. The Economic Journal, 1981, 91(364): 907-918.

Marcon A , Medeiros J , Ribeiro J. 2017. Innovation and environmentally sustainable economy: Identifying the best practices developed by multinationals in Brazil. Journal of Cleaner Production, 160: 83-97.

Mitchener K. J, Mclean I. W. 2003. The productivity of U. S. states science 1880. Journal of Economic Growth, 8: 73-114.

Morugan-Coronado A, Garcia-Orenes F, Mataix-Solera J, et al. 2011. Short-term effects of treated wastewater irrigation on Mediterranean calcareous soil. Soil & Tillage Research, 112(1): 18-26.

OECD. 2009. Sustainable Manufacturing and Eco-innovation: Towards a Green Economy. Policy Brief Working Paper.

Oh D H. 2010. A global malmquist-luenberger productivity index. Journal of Productivity Analysis, 34(3): 183-197.

Ouma G. 2007. Effect of different container sizes and irrigation frequency on the morphological and physiological characteristics of mango (mangifera indica) rootstock seedlings. International Journal of Botany, 3(3): 260-268.

P. Aghion, P. 1992. Howitt. A model of growth through creative destruction. Econometrica, 60 (2): 323-351.

P. K. Adom, F. Amuakwa-Mensah. 2016. What drives the energy saving role of FDI and industrialization in East Africa? Renew. Sust. Energ. Rev. , 65: 925-942.

Hailu A , Veeman T S . 2000. Environmentally Sensitive Productivity Analysis of the Canadian Pulp and Paper Industry, 1959-1994: An Input Distance Function Approach. Journal of Environmental Economics & Management, 40(3):251-274.

Paustian K, Ravindranath N H, Van Amstel A. 2006. Revised IPCC guidelines for national greenhouse gas inventories. Plan Agropecuario, 24(4): 48-56.

Popp, D. 2004. ENTICE: Endogenous technological change in the DICE model of global warming. Journal of Environmental Economics and Management, 48, 742-768.

R. Lal. 2004. Carbon emission from farm operations. Environment International, 30 (7): 981-990.

153

Razmi， A. 2013. Environmental macroeconomics: Simple stylized frameworks for short-run analysis.

Rebolledo-Leiva R ， Angulo-Meza L ， Iriarte A ， et al. 2017. Joint carbon footprint assessment and data envelopment analysis for the reduction of greenhouse gas emissions in agriculture production. Science of the Total Environment， s1:36-46.

Ren W ， Zeng Q. Is the green technological progress bias of mariculture suitable for its factor endowment? ——Empirical results from 10 coastal provinces and cities in China. Marine Policy， 2021， 124: 104338.

Rennings K ， Zwick T. 2003. Employment Impacts of Cleaner Production. Employment impacts of cleaner production. 171-193.

Rennings K. 2000. Redefining innovation-eco-innovation research and contribution form economics. Ecological Economics， 32(2): 319-332.

Romer， Paul M. ， 1986. Increasing Returns and Long-Run Growth. Journal of Political Economy， 94， 1002103710.

Schipper L ， Grubb M. 2000. 0n the Rebound? Feedback Between Energy Intensities and Energy Uses in IEA Countries. Energy Policy， 28(6-7): 367-388.

Schmookler J. 1966. Invention and economic growth. Harvard University Press.

Schmookler， Jacob. 1966. Invention and economic growth. Cambridge MA: Harvard University Press，.

Schutz H, Holzapfel-Pschorn A, Conrad R, et al. 1989. A 3-year continuous record on the influence of daytime， season， and fertilizer treatment on methane emission rates from an Italian rice paddy. Journal of Geophysical Research， 941: 16405-16416.

Shin H ， J Hwang， Kim H. 2019. Appropriate technology for grassroots innovation in developing countries for sustainable development: The case of Laos. Journal of Cleaner Production， 232: 1167-1175.

Shrivastava P. ， 1995. Environmental technologies and competitive advantage"， Strategic Management Journal， 16， 183-200.

Shu Y ， Xu G H. 2018. Multi-level Dynamic Fuzzy Evaluation and BP Neural Network Method for Performance Evaluation of Chinese Private Enterprises. Wireless Personal Communications， 102， 2715-2726.

Silva G M ， Styles C ， Lages L F. 2016. Breakthrough innovation in international business: The impact of tech-innovation and market-innovation on performance. International Business Review， 26(2): 391404.

Skea J. 1995. Environmental Technology: Principles of Environmental and Resource economics， in Folmer， H. and Cheltenham， B. G. (Eds )， A Gide for Students and Decision-makers (Second Edition)， Edward Elgar.

Solomon S， Qin D， Manning M， et al. IPCC， 2007: Summary for policymakers. Cambridge: Cambridge University Press.

Solow, Robert m. 1957. Technical change and aggregate production function, Review of economics and statistics. 39.

Song M ， Peng J ， Wang J ， et al. 2018. Environmental efficiency and economic growth of China: A Ray slack-based model analysis. European Journal of 0perational Research， S0377221717303041.

Song ML ， Peng L ， Shang Y ， et al. 2022. Green technology progress and total factor productivity of resource-based enterprises: A perspective of technical compensation of environmental regulation， 121276.

Song ML ， Wang S. 2017. Participation in global value chain and green technology progress: evidence from big data of Chinese enterprises. Environmental Science and Pollution Research， 24(2): 1648-1661.

154

Song ML , Zheng W , Wang S. 2017. Measuring green technology progress in large-scale thermoelectric enterprises based on Malmquist-Luenberger life cycle assessment. Resources Conservation & Recycling, 122: 261-269.

Song ML, Wang S. 2017. Measuring Environment-Biased Technological Progress Considering Energy Saving and Emission Reduction. Process Safety and Environmental Protection, S0957582017302975.

Song MW, Li A Z, Cai L Q. 2008. Effects of different tillage methods on soil organic carbon pool. Journal of Agro-Environment Science, 27(2): 622-626.

Stoneman. 1983. The economic analysis of technological change. Oxford university press.

Sun L. Y. , Miao C. L. , Yang L. 2017. Ecological-economic efficiency evaluation of green technology innovation in strategic emerging industries based on entropy weighted TOPSIS method. Ecol. Indic. , 73: 554-558.

Sun W T, Lou C R, Wang C X, et al. 2008. Effects of irrigation techniques on N distribution of different N- fertilizer in soil and tomato plants in greenhouse. Chinese Journal of Soil Science, (4): 770-774.

T. O. West, G. Marland, O. R. N. L. Ornl. 2002. A synthesis of carbon sequestration, carbon emissions, and net carbon flux in agriculture: comparing tillage practices in the United States Agric. Ecosystems Environment, 91(1):217-232.

Taheri, Abbas A , Stevenson R. , et al. 2002. Energy Price, Environmental Policy, and Technological Bias. Energy Journal.

Tone K. 2001. A slack-based measure of efficiency in data envelopment analysis. European Journal of Operational Research, 130: 498-509.

Tushman M, Anderson P. 1986. Technological discontinuities and organizational environments. Administrative Science Quarterly, 31(3): 439-465.

Van Heerde H J, Mela C F, Manchanda P. 2004. The dynamic effect of innovation on market structure. Journal if Marketing Research, 41(2): 166-183.

Vernon W Ruttan. 1982. Agricultural Research Policy. Minneapolis: University of M innesota.

W. Liu, G. Zhang, X. Wang, F. Lu, Z.. 2018. Carbon footprint of main crop production in China: magnitude, spatial-temporal pattern and attribution. Sci. Total Environ. , 645:1296-1308.

Wang D. , Han B. 2016. The impact of ICT investment on energy intensity across different regions of China. Renew. Sustain. Energy, 8, 055901.

Wang, S. H. , & Song, M. L. 2014. Review of hidden carbon emissions, trade, and labor income share in China, 2001-2011. Energy Policy, 74:395-405.

World Bank, 2017. World Bank Open Data..

Yang GL , Zha D , Zhang C, et al. 2020. Does environment-biased technological progress reduce CO2 emissions in APEC economies? Evidence from fossil and clean energy consumption. Environmental Science and Pollution Research, 27, 20984-20999.

Yushchenko A , Patel M K. 2016. Contributing to a green energy economy? A macroeconomic analysis of an energy efficiency program operated by a Swiss utility. Applied Energy, 179: 1304-1320.

Zhang Yao, Liu Wenxin, Sufyan Ullah Khan, Brent Swallow, Zhou Chaohui, Zhao Minjuan.2022 An insight into the drag effect of water, land, and energy on economic growth across space and time: the application of improved Solow growth model. Environmental Science and Pollution Research: 1-14.

Zhang Z. , 2003, Why Did the Energy Intensity Fall in Ghina's Industual Sector in the 1990s? The Relative Importance of Structural Change and Intensity Change, Energy Economies, 25:625--638

155

Zhao X. ， C. Ma， and D. Hong， 2010， Why Did China's Energy Intensity Increase During 1998-2006: Decomposition and Policy Analysis， Energy Policy， (38)， 1379-1388.

Zheng， P. ， Li J. Q. 2010. A method of supply chain performance evaluation based on BP neural network. Operations and Management， 19(2)， 26-32.

Zhou X ， Xia M ， Zhang T， et al. 2020. Energy- and Environment-Biased Technological Progress Induced by Different Types of Environmental Regulations in China. Sustainability， 12:1-26.

【本文地址：http://www.bzhlmm.com//jingjilei/nongyejingji/4295.html】

上一篇：農業現代化進程中的農村金融支持研究 ――以山東省為例

下一篇：數字經濟視角下四川柑橘產業高質量發展研究

相關標簽:

最熱期刊