中國省域低碳農業績效評估及邊際減排成本分析

吳賢榮+張俊飚+朱燁+田云

摘要

本文在構建含有期望產出與非期望產出農業經濟核算框架的基礎上，利用方向距離函數估算了中國31個省（市、區）的低碳農業績效水平，并引入碳排放影子價格對各省區的農業邊際減排成本進行了分析。結果顯示：①北京、天津、上海三地處于低碳農業績效1區，距離函數值均為0，其余省區低碳農業績效水平相對較低；②海南、福建、山東、遼寧、廣東、北京、天津等省區三年平均農業碳排放影子價格處于前列，減排成本較高；而西藏、青海兩地農業碳排放影子價格最低，農業減排成本較低；③全國農業碳排放平均影子價格呈逐年增大趨勢，且農業碳排放影子價格與農業碳排放強度密切相關；④基于距離函數值、碳排放影子價格的數值差異，將中國31個省級行政區域劃分為四類：內蒙古等4省1市1區屬于“高績效低成本”型地區；北京等8省2市屬于“高績效高成本”型地區；江西等5省3區屬于“低績效低成本”型地區；山西等5省1市1區屬于“低績效高成本”型地區。

關鍵詞 低碳農業；農業碳排放；方向距離函數；影子價格

中圖分類號 F205 文獻標識碼 A

文章編號 1002-2104（2014）10-0057-07 doi：10.3969/j.issn.1002-2104.2014.10.009

近年來，由溫室氣體濃度增加所導致的全球氣候變暖引發了社會各部門的“低碳”熱潮。發展低碳農業，在農業領域推行溫室氣體減排和適應氣候變化的戰略舉措，成為實現農業可持續發展的一個重要路徑。盡管農業較之其他產業部門減排的空間較小，但是其減排的意義和正外部效應遠遠大于其他產業部門。農業既是重要的碳排放源，也具備強大的碳匯功能，同時又是最易遭受氣候變化影響的產業。中國作為農業大國，其農業碳排放問題更需引起人們的關注。有研究顯示，中國農業碳排放約占全國碳排放總量的17%^[1]。改革開放以來，我國農業取得了良好的經濟發展績效，但高增長很大程度卻是以高碳排為代價。在日益嚴峻的全球氣候變遷大背景下，農業可持續發展和糧食安全將面臨嚴峻挑戰，研究和分析低碳農業發展績效是科學制定低碳農業發展政策，實現農業經濟增長與生態環境和諧共進的重要選擇。

1 主要研究進展

從現有文獻來看，農業碳排放的研究成果較多。不少學者從系統測算農業碳排放量^[2]、多方位分解農業碳排放影響因素^[3]及深度探索農業碳減排機制與政策^[4]等角度入手，在農業碳排放研究領域做出了極大貢獻。在農業經濟績效評價方面，根據是否考慮環境因素分為傳統的農業全要素生產率研究和環境因素規制下農業經濟績效研究兩個階段。前者的實質是農業經濟效率問題，即農業資源（如資本、勞動力、土地）開發利用的效率。傳統的農業效率測算僅考慮了農業生產要素的投入條件，而忽略了環境因素的約束，在當今大力提倡低碳農業的背景下，如果只追求農業經濟增長而不考慮環境損失，將會扭曲農業發展績效^[5]。基于此，一些學者開始嘗試將傳統農業效率研究轉向環境因素規制下的農業經濟績效探索，試圖把環境因素納入到農業經濟績效的研究框架，并據此進行農業邊際減排成本分析。楊俊^[6]考察氮、磷和化肥需氧量三種污染物規制下的農業全要素生產率；李谷成^[7]采用單元調查評估法對農業面源污染進行核算的基礎上，對環境規制條件下省際農業全要素生產率增長進行實證分析；王奇^[8]將農業生產中的氮磷流失作為一種要素投入測算了中國農業綠色全要素生產率變化指數，并與傳統的全要素生產率進行了比較分析；吳賢榮^[9]將農業碳排放納入到農業經濟績效核算體系之中，對農業碳排放效率變動趨勢進行了測度。

上述學者一定程度上豐富了農業經濟績效的研究成果，對幫助理解低碳農業績效具有重要意義，并為我們拓展低碳農業的研究視角提供了全新思路。但也存在兩點不足：①低碳農業績效評價中環境因素的衡量標準混亂；②農業碳減排多停留定性分析層面，政策制定缺乏量化依據。對此，本文試圖作出如下改進：①以農業碳排放為非期望產出來反映農業生產中的環境損失問題；②引入影子價格方法，測算農業碳排放影子價格，對農業邊際減排成本進行定量分析。基于此，本文將環境因素納入到經濟生產體系，構建含有期望產出與非期望產出的農業經濟核算框架，借助方向距離函數方法，對中國31個省（市、區）的低碳農業績效水平做出評估，并利用碳排放影子價格對各省區的農業邊際減排成本進行分析。

2 研究方法

2.1 方向距離函數

傳統的經濟生產系統包括要素投入和產出兩部分，而現階段如何將環境因素整合到經濟核算體系的分析框架被學術界廣泛關注。在傳統農業生產中，投入包括資本、勞動力、土地等生產要素，產出是包括農林漁牧在內的農業生產總值。此外，還伴隨著如廢氣、廢水、廢棄物等不利生態的農業面源污染產生。

現有文獻對這類環境污染因素的處理方法較為一致的觀點是利用環境生產技術^[10]，將

環境污染與傳統農業生產納入到一個核算框架，視環境污染為非期望產出，通過設定同等投

入條件來追求期望產出增加和非期望產出減少的最大可能。本文沿用該方法，設定農業碳排

放為非期望產出。

假定x=（x1，…，xN）∈RN+表示投入要素，y=（y1，…，yM）∈RM+表示生產的期望產出，c=（c1，…，cL）∈RL+為非期望產出，則環境生產技術的所有生產可能性集可表示為：

P（x）={（y，c）：x [WTBZ]can produce [WTBX]（y，c）}（1）

要衡量效率水平，意味著在既定投入要素的條件下，我們需要獲得更多期望產出，并要求非期望產出越少越好。引入方向性距離函數（DDF）的思想，用λ值的大小來確定不增加投入要素的前提下追求期望產出的最大擴張比例或非期望產出的最大縮減比例。設產出增長方向向量[WTBX]g=（yy，-gc），基于產出角度的方向性距離函數可以表述為式（2）：

Dc（x，y，c；gy，-gc）

=[WTBZ]max[WTBX]{λ：（y+λgy，c-λgc）∈P（x）}

4 實證結果分析

運用Max DEA 5.0軟件計算方向距離函數值，得到2011年中國31個省（市、區）的低碳農業績效水平，并測算農業碳排放影子價格。

4.1 距離函數值與低碳農業績效分析

各省區距離函數值計算結果見圖1。北京、天津、上海三地距離函數值均為0，即這三地農業生產處于生產前沿面上，低碳農業放績效水平較高；河北、內蒙古、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、海南、重慶、四川、陜西及青海等省區的距離函數值均在0-0.5之間，沒有達到最佳績效水平，有一定的減排空間；廣西及地處西部的寧夏、甘肅、貴州、山西、新疆、西藏、云南等省區的距離函數值超過0.5，低碳農業績效水平相對較低，存在較大的減排潛力。

若按距離函數值將中國各省低碳農業績效水平劃分為5個區域，分別用數字1-5表示，距離函數值等于0的省區為1區，為高績效區，處于生產前沿面上；大于0而小于或等于1為2區；大于1而小于或等于3為3區；大于3而小于或等于5為4區；大于5為5區，1-5區績效水平依次降低，具體劃分結果如圖2所示。可以看出，低碳農業績效水平與地區經濟發展水平可能存在一定的相關性。如1區的北京、天津、上海三地均位于東部沿海，為我國經濟較發達的地區，而4區及5區的距離函數值比較大，說明低碳農業績效水平較低，存在一定的減排潛力，它們大多位于西部的欠發達地區，這些地區經濟發展水平和技術水平都比較低，因此可以通過學習和借鑒先進地區的經驗，提高農業正向產出水平，減少農業碳排放量，達到低碳農業發展目的。

4.2 影子價格與邊際減排成本分析

農業碳排放影子價格反映的是農業碳減排的難易程度，即在一定投入和生產技術條件下，各地區進行農業碳減排的經濟成本。農業碳排放影子價格越高表明該地區農業碳減排成本越大；反之亦然。由圖3可知，海南、福建、山東、遼寧、廣東、北京、天津等省區三年平均農業碳排放影子價格處于前列，分別為2.509億元/萬t、2.447億元/萬t、2.402億元/萬t、2.396億元/萬t、2.381億元/萬t、2.376億元/萬t、2.369億元/萬t。這些省區均位于東部沿海地區，經濟發展水平較高，所代表的生產技術相對于其它地區更先進，進行農業生產的低碳績效也更高，它們要繼續減少農業碳排放所要付出的經濟代價也更大，若配以過高的農業碳減排任務必然會導致這些省區的農業經濟產出大幅減少。

結合農業碳排放強度分析，如圖4可以看出，各省區農業碳排放影子價格與農業碳排放強度可能存在一定的相關性。一般地，農業碳排放強度越低的省區，農業碳排放影子價格越高，農業減排成本也越大，即繼續進行農業減排的難度更大。上述影子價格處于全國前列的海南、福建、山東、遼寧、廣東、北京、天津等省區，農業碳排放強度均處于較低水平；而西藏、青海、寧夏、內蒙古、甘肅及貴州等省區農業碳排放強度較高，它們的農業碳排放影子價格則相對較低。尤其是西藏和青海，農業碳排放影子價格分別為0.087億元/萬t和0.399億元/萬t，不到1億元/萬t，農業減排成本較低，應當委以農業碳減排重任，且對農業經濟影響不會太大。

從全國來看，總體減排成本隨時間推移則略有增加。2009、2010及2011年全國農業碳排放平均影子價格分別為1.834億元/萬t、1.867億元/萬t和1.914億元/萬t，呈逐年增大趨勢，大部分省區也具有這樣的影子價格遞增特征，表明全國總體農業碳減排的難度在不斷加大。重視農業碳排放的約束，大力提倡低碳農業發展，切實落實政府制定的減排目標，實施減排任務的硬性規制將顯得十分必要。

4.3 低碳農業績效與邊際減排成本聚類分析

基于距離函數值、農業碳排放影子價格的數值差異，將中國31個省級行政區域劃分為四類：“高績效低成本”型，即距離函數值、三年農業碳排放影子價格值均小于各省平均值，和“高績效高成本”型、“低績效低成本”型、“低績效高成本”型，具體分類結果詳見表2。

內蒙古、黑龍江、上海、安徽、湖北、湖南等4省1市1區屬于“高績效低成本”型地區。這些地區低碳農業績效相對較高，且農業邊際減排成本較低，在繼續推動其農業發展的同時，應盡量多地分擔國家減排任務。尤其是黑龍江、安徽、湖北、湖南4個農業大省，農業產業化程度普遍

較高，經濟效益普遍較好，導致其低碳農業績效水平較高；同時，這些地區林地覆蓋面積甚廣，植被光合作用引起的

碳匯能力強，借此進行農業減排相對容易，有能力承擔更多的減排任務。

北京、天津、河北、遼寧、吉林、江蘇、浙江、河南、廣東、海南等8省2市屬于“高績效高成本”型地區。這些地區大多屬于經濟發達區，現代農業發展勢頭好，農業集約化程度較高，農業產業也較為發達。尤其是北京、天津二市，農業機械化程度高，生產技術比較先進，為了提高產出同等條件下農用物資投入較少，故農業碳排放總體水平較低。但要在這些地區進一步加強低碳農業發展，實行農業碳減排措施難度并不小，從各地農業碳排放影子價格來看，該10省市邊際減少單位農業碳排放所對應的農業總產值減少幅度較大，即農業碳減排所要付出的成本偏高。

江西、貴州、云南、西藏、甘肅、青海、寧夏、新疆等5省3區屬于“低績效低成本”型地區。從區域分布來看，除江西外，主要集中于西部地區，一方面由于我國西部大多屬于土質較差旱作區，水資源相對匱乏，大部分是中低產田，且畜牧業占據主導地位，另一方面農業生產方式較為粗放，生產能力較差，大量農用物資的投入使得農業碳排放水平較高。江西是農業大省之一，但由于水稻種植規模較 大，常年保持在全國前幾位，而水稻生長發育過程中所產生的CH4氣體排放較多，造成碳排放水平較高。因而這些地區低碳農業績效水平不高，但它們的農業減排潛力巨大，且成本不高，應充分利用其地域廣闊的優勢大量進行植樹造林，促進林業發展。

山西、福建、山東、廣西、重慶、四川、陜西等5省1市1區屬于“低績效高成本”型地區。山西、陜西2省受制于黃土高原寒冷干燥的特殊氣候，植被稀疏，水土流失嚴重，農業生產率偏低。

福建地處沿海地帶，在夏秋農業收獲季節多臺風暴雨等自然災害，造成大量減產；山東地處

華北平原同時臨海，多低洼地和鹽漬地，減產風險較大。這兩地

在生產資料投入不變條件下，非期望產出不變，但期望產出降低，進而引致低碳農業績效偏低，而治理成本偏高。廣西、重慶、四川3地水稻種植比重較大，農業碳排放較多。以上地區農業減排難度較大，應充分調配其產業結構，在減排總目標下各產業間實行合理均衡分配。

算框架的基礎上，利用方向距離函數估算了中國31個省（市、區）的低碳農業績效水平，并利用碳排放影子價格對各省區的農業邊際減排成本進行了分析測算，得出以下結論：

（1）北京、天津、上海三地處于高績效區，距離函數值均為0，農業生產處于生產前沿面上，低碳農業放績效水平較高；除此之外，其他省區低碳農業績效水平相對較低，存在一定減排潛力；而山西、廣西、貴州、云南、西藏、甘肅、寧夏和新疆處于低績效區。

（2）海南、福建、山東、遼寧、廣東、北京、天津等省區三年平均農業碳排放影子價格處于前列，減排成本較高；而西藏、青海兩地農業碳排放影子價格最低，分別為0.087億元/萬t和0.399億元/萬t，農業減排成本較低。

（3）全國農業碳排放平均影子價格呈逐年增加趨勢，意味著農業碳減排的難度在不斷加大；且農業碳排放影子價格與農業碳排放強度密切相關，即農業碳排放強度越低的省區，則農業碳排放影子價格越高，邊際減排成本越大，進行農業碳減排面臨的困難更大。

（4）基于距離函數值、碳排放影子價格的數值差異，將中國31個省級行政區域劃分為四類：內蒙古、黑龍江、上海、安徽、湖北、湖南等4省1市1區屬于“高績效低成本”型地區；北京、天津、河北、遼寧、吉林、江蘇、浙江、河南、廣東、海南等8省2市屬于“高績效高成本”型地區；江西、貴州、云南、西藏、甘肅、青海、寧夏、新疆等5省3區屬于“低績效低成本”型地區；山西、福建、山東、廣西、重慶、四川、陜西等5省1市1區屬于“低績效高成本”型地區。

5.2 啟示

上述研究有著以下啟示：①過去單純依賴農業碳排放總量、人均碳排放量或農業碳排放強度等指標來衡量各省農業碳排放水平、進行農業碳減排探索不盡科學，政府應該關注其主要目標，綜合低碳農業績效水平和邊際減排成本，科學制定發展政策。若以農業經濟發展為主要任務，則應適當減輕農業碳排放影子價格較高地區的減排任務；若以減排為主，則可以讓農業碳排放影子價格較低的地區在農業碳排放領域承擔更多的責任。如以西藏、青海為代表的“低績效低成本”型地區，其農業碳排放距離函數值較大，而農業碳排放影子價格較低，說明該地區低碳農業績效水平較低，農業邊際減碳成本不高，應適度提高國家農業減碳分擔的份額。②政策制定不能走向“一刀切”的極端，需結合各地實際情況，以農業經濟發展與農業減排的綜合效應為目標，進行靈活調配。如北京、天津、上海三地低碳農業績效水平較高，在目前的生產技術水平下減排的潛力不大，但長遠來看，各省區都需借助農業產業結構的合理調整，盡量減少農業碳排放，進而增大農業碳匯功能，達到對工業碳排放進行吸收、均衡的目的。

（編輯：徐天祥）

參考文獻（References）

[1]董紅敏，李玉娥，陶秀萍，等. 中國農業源溫室氣體排放與減排技術對策[J]. 農業工程學報，2008，24（10）：269-273. [Dong Hongmin，Li Yue，Tao Xiuping，et al. China Greenhouse Gas Emissions from Agricultural Activities and Its Mitigation Strategy [J]. Transactions of the Chinese Society of Agricultural Engineering，2008，24（10）：269-273.]

[2]賀亞亞，田云，張俊飚. 湖北省農業碳排放時空比較及驅動因素分析[ J]. 華中農業大學學報：社會科學版，2013，33（5）：79-85. [He Yaya，Tian Yun，Zhang Junbiao. Analysis on SpatialTemporal Difference and Driving Factors of Agricultural Carbon Emissions in Hubei Province [J]. Journal of Huazhong Agricultural University： Social Sciences Edition，2013，33（5）：79-85.]

[3]李波，張俊飚，李海鵬. 中國農業碳排放時空特征及影響因素分解[J]. 中國人口·資源與環境，2011，21（8）：80-86. [Li Bo，Zhang Junbiao，Li Haipeng. Research on Spatialtemporal Characteristics and Affecting Factors Decomposition of Aricultural Carbon Emission in China [J]. China Population，Resources and Environment，2011，21（8）：80-86.]

[4]Murray B C. Overview of Agricultural and Forestry GHG Offsets on the US Landscape [J]. Choices，2004，6（3）：14-18.

[5]Hailu A， Veeman T S. Environmentally Sensitive Productivity Analysis of the Canadian Pulp and Paper Industry，1959-1994：An Input Distance Function Approach [J]. Journal of Environmental Economics and Management，2000，40（3）：251-274.

[6]楊俊，陳怡. 基于環境因素的中國農業生產率增長研究[J]. 中國人口·資源與環境，2011，21（6）：153-157. [Yang Jun，Chen Yi. Empirical Study on Chinas Aricultural Production Growth Under the Binding of Environment [J]. China Population，Resources and Environment，2011，21（6）：153-157.]

[7]李谷成，陳寧陸，閔銳. 環境規制條件下中國農業全要素生產率增長與分解[J]. 中國人口·資源與環境，2011，21（11）：153-160. [Li Gucheng，Chen Ninglu，Min Rui. Growth and Sources of Agricultural Total Factor Productivity in China under Environmental Regulations [J]. China Population，Resources and Environment，2011，21（11）：153-160.]

[8]王奇，王會，陳海丹. 中國農業綠色全要素生產率變化研究：1992-2010年[J]. 經濟評論，2012，33（5）：24-33. [Wang Qi，Wang Hui，Chen Haidan. A Study on Agricultural Green TFP in China：1992-2010 [J]. Economic Review，2012，5：24-33.]

[9]吳賢榮，張俊飚，田云，等. 中國省際農業碳排放：測算、效率變動及影響因素研究[J]. 資源科學，2014，36（1）：129-138. [Wu Xianrong， Zhang Junbiao， Tian Yun， et al.Research on Chinas Provincial Agricultural Carbon Emissions Performance Index and Its Influencing Factors [J]. Resource Science，2014，36（1）：129-138.]

[10]Fre R，Grosskopf S，Pasurka C A. Environmental Production Functions and Environmental Directional Distance Functions [J]. Energy，2007，32（7）：1055-1066.

[11]涂正革. 工業二氧化硫排放的影子價格：一個新的分析框架[J]. 經濟學（季刊），2009，9（1）：259-282. [Tu Zhengge. The Shadow Price of Industrial SO2 Emission：A New Analytic Framework [J]. China Economic Quarterly，2009，9（1）：259-282.]

[12]田云，張俊飚. 中國農業生產凈碳效應分異研究[J]. 自然資源學報，2013，28（8）：1298-1309. [Tian Yun，Zhang Junbiao. Regional Differentiation Research on Net Carbon Effect of Agricultural Production in China [J]. Journal of Natural Resources，2013，28（8）：1298-1309.]

[13]潘丹，應瑞瑤.資源環境約束下的中國農業全要素生產率增長研究[J].資源科學，2013，35（7）：1329-1338.[Pan Dan， Ying Ruiyao. Agricultural Total Factor Productivity Growth in China under the Binding of Resource and Environment [J]. Resource Science， 2013，35（7）：1329-1338.]

[14]韓海彬，趙麗芬.環境約束下中國農業全要素生產率增長及收斂分析[J].中國人口·資源與環境，2013，23（3）：70-76.[Han Haibin， Zhao Lifen. Growth and Convergence of Agricultural Total Factor Productivity in China under Environmental Regulations [J]. China Population， Resources and Environment， 2013，23（3）：70-76.]

[15]張俊飚，李波.對我國食用菌產業發展的現狀與政策思考[J].華中農業大學學報：社會科學版，2012，32（5）：13-21.[Zhang Junbiao， Li Bo. How to Develop Chinas Edible Fungi Industry in a Healthy Way[J]. Journal of Huazhong Agricultural University： Social Science Edition， 2012，32（5）：13-21.]

Evaluation of Provincial Lowcarbon Agriculture Performance and

Estimation of Marginal Abatement Costs in China

WU Xianrong ZHANG Junbiao ZHU Ye TIAN Yun

（College of Economics & Management，Huazhong Agricultural University， Hubei Rural Development Research Center，

Wuhan Hubei 430070，China）

Abstract This article took into account both the expected outputs and unexpected outputs in the agricultural economic accounting system. The main objective is to estimate the lowcarbon agricultural performance and the agriculture marginal abatement cost of 31 provinces （autonomous regions and municipalities） of China. The Directional Distance Function was used to estimate the lowcarbon agricultural performance， and the theory of shadow price was brought in to analyze the agriculture marginal abatement cost. The results show that： ①Beijing， Tianjin and Shanghai belong to the first area of the lowcarbon agricultural performance， as all the values of the Distance Function were zero， but the other provinces were at a low level of performance. ②Hainan， Fujian， Shandong， Liaoning， Guangdong， Beijing， Tianjin etc have high shadow price of agricultural carbon emission； however， Tibet and Qinghais agricultural carbon emission shadow prices were low. ③The average shadow price of agricultural carbon emission shows a trend of increase year by year， and is closely related with carbon intensity of agriculture. ④Based on the difference in the coefficients of distance function value and shadow price， Chinas 31 provincial regions are divided into four categories. Five regions including Inner Mongolia belong to the “highperformance & lowcost” type. Beijing and other nine regions belong to the “highperformance & highcost” type. Eight regions including Jiangxi belong to the “lowperformance & lowcost” type. Seven regions including Shanxi belong to the “lowperformance & highcost” type.

Key words lowcarbon agriculture； agricultural carbon emission； directional distance function； shadow price

Evaluation of Provincial Lowcarbon Agriculture Performance and

Estimation of Marginal Abatement Costs in China

WU Xianrong ZHANG Junbiao ZHU Ye TIAN Yun

（College of Economics & Management，Huazhong Agricultural University， Hubei Rural Development Research Center，

Wuhan Hubei 430070，China）

Abstract This article took into account both the expected outputs and unexpected outputs in the agricultural economic accounting system. The main objective is to estimate the lowcarbon agricultural performance and the agriculture marginal abatement cost of 31 provinces （autonomous regions and municipalities） of China. The Directional Distance Function was used to estimate the lowcarbon agricultural performance， and the theory of shadow price was brought in to analyze the agriculture marginal abatement cost. The results show that： ①Beijing， Tianjin and Shanghai belong to the first area of the lowcarbon agricultural performance， as all the values of the Distance Function were zero， but the other provinces were at a low level of performance. ②Hainan， Fujian， Shandong， Liaoning， Guangdong， Beijing， Tianjin etc have high shadow price of agricultural carbon emission； however， Tibet and Qinghais agricultural carbon emission shadow prices were low. ③The average shadow price of agricultural carbon emission shows a trend of increase year by year， and is closely related with carbon intensity of agriculture. ④Based on the difference in the coefficients of distance function value and shadow price， Chinas 31 provincial regions are divided into four categories. Five regions including Inner Mongolia belong to the “highperformance & lowcost” type. Beijing and other nine regions belong to the “highperformance & highcost” type. Eight regions including Jiangxi belong to the “lowperformance & lowcost” type. Seven regions including Shanxi belong to the “lowperformance & highcost” type.

Key words lowcarbon agriculture； agricultural carbon emission； directional distance function； shadow price

Evaluation of Provincial Lowcarbon Agriculture Performance and

Estimation of Marginal Abatement Costs in China

WU Xianrong ZHANG Junbiao ZHU Ye TIAN Yun

（College of Economics & Management，Huazhong Agricultural University， Hubei Rural Development Research Center，

Wuhan Hubei 430070，China）

Abstract This article took into account both the expected outputs and unexpected outputs in the agricultural economic accounting system. The main objective is to estimate the lowcarbon agricultural performance and the agriculture marginal abatement cost of 31 provinces （autonomous regions and municipalities） of China. The Directional Distance Function was used to estimate the lowcarbon agricultural performance， and the theory of shadow price was brought in to analyze the agriculture marginal abatement cost. The results show that： ①Beijing， Tianjin and Shanghai belong to the first area of the lowcarbon agricultural performance， as all the values of the Distance Function were zero， but the other provinces were at a low level of performance. ②Hainan， Fujian， Shandong， Liaoning， Guangdong， Beijing， Tianjin etc have high shadow price of agricultural carbon emission； however， Tibet and Qinghais agricultural carbon emission shadow prices were low. ③The average shadow price of agricultural carbon emission shows a trend of increase year by year， and is closely related with carbon intensity of agriculture. ④Based on the difference in the coefficients of distance function value and shadow price， Chinas 31 provincial regions are divided into four categories. Five regions including Inner Mongolia belong to the “highperformance & lowcost” type. Beijing and other nine regions belong to the “highperformance & highcost” type. Eight regions including Jiangxi belong to the “lowperformance & lowcost” type. Seven regions including Shanxi belong to the “lowperformance & highcost” type.

Key words lowcarbon agriculture； agricultural carbon emission； directional distance function； shadow price