長江經濟帶農業生產效率和碳排放水平耦合協調發展研究

吳 越，沈艷陽，徐升艷，梁榮榮

（河海大學 商學院，江蘇 常州 213000）

0 引言

2020年6月8日，習近平總書記考察四川時指出：“保護好長江流域生態環境，是推動長江經濟帶高質量發展的前提，也是守護好中華文明搖籃的必然要求”。長江經濟帶覆蓋上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州，其2021年人口和GDP分別占全國的43%和46%。近年來，隨著社會、經濟的高速發展，全球變暖不斷加劇，我國已向世界作出“二氧化碳排放力爭于2030年前達到峰值，努力爭取在2060年前實現碳中和”的承諾。《“十四五”全國農業綠色發展規劃》中明確提出：“要加快農業全面綠色轉型，持續改善農村生態環境，發展綠色、低碳農業是推動生態文明建設的重要抓手”。目前，制約長江經濟帶高質量發展的關鍵問題是生態問題，修復生態環境是首要任務。

在使用DEA模型測算農業生產效率方面，Farrell［1］在1957年首次使用“非預設生產函數”（即原始的DEA模型）測算了英國的農業生產效率；Fried等［2］認為管理無效率、環境因素和統計噪聲會影響決策單元的生產效率，因此有必要剔除這些影響因素；郭軍華等［3］使用三階段DEA模型，剔除以上因素，測算了我國31個省（市）的農業生產效率，發現城市化和受教育程度的提高有利于提升農業生產效率；崔海洋等［4-7］使用三階段DEA模型測算了我國不同地區及長江經濟帶11省（市）的農業生產效率，發現環境因素對農業生產效率的影響很大，長江經濟帶的農業生產效率處于上升趨勢。

關于農業碳排放的測算方法，黃祖輝等［8］采用分層投入產出─生命周期評價法構建5個層級，對農業系統碳足跡進行了量化，并對農業碳排放量進行了核算；董紅敏等［9］根據OECD提供的反芻動物甲烷排放量計算方法，結合中國反芻動物能量供應的特點，初步估算了中國反芻動物的甲烷排放量；李國志等［10］從能源消費視角對1981─2007年中國農業二氧化碳排放量進行了測算，在此基礎上，利用LMDI模型對碳排放進行了因素分解，結果表明經濟增長是農業碳排放的最主要驅動因素。

關于農業經濟發展與碳排放關系的研究，顏廷武等［11］以農業碳排放強度和農業經濟強度為核心指標，對我國2013年的農業碳排放進行了EKC檢驗，結果表明我國農業碳排放強度與農業經濟強度之間存在“倒N型”EKC關系且存在雙拐點；王太祥等［12］采用Tapio脫鉤模型測算了西北干旱區“九五”至“十二五”期間農地利用碳排放與經濟增長的關系，結果表明農業碳排放與農業經濟增長的相互作用顯著，以弱脫鉤效應為主；李波［13］應用ECM模型進行研究，得出我國經濟增長與農業碳排放總強度之間存在協整關系。

綜上所述，在應用三階段DEA模型測算農業生產效率和農業部門的碳排放量方面已取得了一定的研究成果；雖然已有許多關于農業經濟增長與碳排放的研究，但是鮮有學者研究長江經濟帶農業生產效率和碳排放水平的耦合協調關系。鑒于此，本文在借鑒前人研究成果的基礎上，探究了長江經濟帶農業生產效率與碳排放水平的耦合協調關系和發展規律，并根據研究結論提出了相應的政策建議，以期為長江經濟帶農業減排政策的制定提供參考，促進長江經濟帶的生態修復和高質量發展。

1 數據來源與研究方法

1.1 數據來源

本文所用的數據均來源于《中國統計年鑒（2012─2021）》《中國農村統計年鑒（2012─2021）》《中國人口和就業年鑒（2012─2020）》，部分缺失的數據使用各省（市）統計年鑒（2012─2021）補全。

1.2 研究方法

1.2.1 農業生產效率的測算 參照郭軍華等［3］的測算方法，在傳統數據包絡分析方法(DEA)的基礎上，構建三階段DEA模型。在第二階段采用隨機前沿(SFA)回歸模型剔除環境與隨機因素的影響，根據調整后的投入要素與原始產出，應用傳統的DEA模型測算最終的農業生產效率。

參考崔海洋等［4,7］的研究，投入指標通常選用可直接投入的生產要素，產出指標通常選擇農林牧副漁總產值。在農業生產中，可直接控制的生產要素主要有土地、勞動力以及資本中的農業機械總動力和農村固定資產投資，而政策支持、教育水平、環境保護等外在因素也會影響農業投入產生的效果，進而影響農業生產效率。結合本研究的重點，為保證數據的一致性和準確性，本文共選取1個產出指標、4個投入指標、4個環境指標來測算長江經濟帶各省（市）的農業生產效率，各測算變量的具體信息如表1所示。

表1 農業生產效率的測算變量

1.2.2 農業碳排放強度的測算 參照李波［13］的研究，采用IPCC法，用表2中的碳排放系數計算各類碳源的碳排放量；再用各省（市）的碳排放量除以第一產業總產值（第一產業總產值以2011年為基期進行平減），得到各省（市）的碳排放強度。

表2 不同碳源的碳排放系數

1.2.3 耦合協調模型 耦合度是來源于物理學的概念，用來描述2個或2個以上系統或運動方式之間的相互作用程度；耦合協調度是衡量系統之間協調發展的程度。參照孫偉利等［15］的處理方法，本文把農業生產效率和碳排放水平分別作為一個子系統，共同構成一個復合系統。將農業生產效率和碳排放強度分別用式（1）和式（2）進行正、負向標準化處理，以消除量綱不同的影響；為了避免后續計算中出現數據無意義的情況，統一在標準化數據的基礎上加上0.0001。標準化后的碳排放強度即碳排放水平，碳排放強度越低，碳排放水平越高。計算公式為：

式（1）～式（2）中：aij表示第i年j地區的農業生產效率（或碳排放強度）原始值；minaij和maxaij分別表示第i年j地區的農業生產效率（或碳排放強度）的最小值和最大值；xij表示標準化后的農業生產效率（或碳排放強度）。

參照張路路等［16］的計算方法，應用式（3）計算農業生產效率和碳排放水平間的耦合度C，式中U1、U2分別代表農業生產效率與碳排放水平。再通過式（4）計算其綜合發展度T，式中α與β分別表示農業生產效率與碳排放水平的待定系數，α+β=1，本文認為農業生產效率與碳排放水平同等重要，因此令α=β=0.5。最后通過式（5）計算其耦合協調度D。

參考林樹高等［17］的研究，根據耦合協調度D將耦合協調程度劃分為10個類別，如表3所示。

表3 耦合協調程度的分類標準

1.2.4 耦合協調重心模型 為了探索長江經濟帶耦合協調度的相對變化，本文構建重心測算模型。耦合協調重心表示耦合協調度在該點的各個方向上處于相對均衡水平。耦合協調重心的位置變化代表著各省（市）的相對耦合協調水平的變化。參照盧俊宇等［18］的方法，耦合協調重心的測算公式為：

式（6）～式（7）中：LONGt和LATt分別表示t年耦合協調重心的經度與緯度；GMLtk表示t年k地區的耦合協調度；longk和latk分別表示k地區重心點的經度和緯度，其重心點用k地區的省會代表。

假設第m年的耦合協調重心坐標為(LONGm,LATm)，第n年的耦合協調重心坐標為(LONGn,LATn)，且m＜n,則從m年到n年耦合協調重心的遷徙距離D和方向θ的計算公式分別為：

式（8）～式（9）中：R為地理坐標轉化為實際距離的系數，根據高軍波等［19］的研究，R取值為111.111 km；θ表示移動方向的角度，以正東為基準0°，順時針為負，逆時針為正，-180°＜θ≤180°。

2 實證分析

2.1 農業生產效率

由于本研究的側重點并不僅僅是三階段DEA模型測算，因此，為了節省篇幅，第一階段的DEA結果在此不展示。

2.1.1 SFA回歸分析 為了有效剔除環境變量對農業生產效率的影響，先進行SFA回歸分析。使用第一階段DEA模型中投入要素的松弛變量作為被解釋變量，以外生環境變量（農林水支出、受教育年限、水土流失治理面積、城市化率）作為解釋變量，進行SFA回歸分析。如果回歸系數大于0，則說明增加環境變量的投入會提高農業投入變量的松弛變量，不利于提高農業生產效率；反之，如果回歸系數小于0，則說明增加環境變量的投入會降低農業投入變量的松弛變量，有利于提高農業生產效率。

SFA回歸分析結果如表4所示，除農林水支出對機械總動力松弛值和固定資產投資松弛值的回歸系數均為0，以及水土流失治理面積對播種面積松弛值的回歸系數為0.01656外，其余的回歸系數均通過了10%的顯著性檢驗，說明外部環境變量對農業生產效率有顯著的影響，因此要剔除環境變量和隨機因素的影響，調整原始的農業生產要素投入，這有利于測算真實的農業生產效率。

表4 第二階段SFA回歸分析結果

2.1.2 三階段DEA結果 從圖1可以看出，2011─2020年長江經濟帶的農業生產效率在空間分布上呈現自西南向東北，自內陸向沿海遞增的趨勢。但是位于西部的四川省農業生產效率較高，四川省與東部的江、浙、滬3省（市）同為第一梯隊，農業生產效率均值均接近1；位于東部的安徽省農業生產效率較低，處于第三梯隊，農業生產效率均值低于0.65；其余省（市）均處于第二梯隊。

圖1 2011─2020年長江經濟帶農業生產效率的空間分布

在2011─2020年期間，長江經濟帶的農業生產效率總體呈上升趨勢（圖2）。長江上、中、下游的農業生產效率均呈現先下降再上升的變化趨勢，均在2012年出現下降，隨后上升，其中上游的增速最大；中游次之，并在2017年有所下降；下游的增速最小，并在2020年略有下降。在2020年，上游的農業生產效率均值超過了中游和下游的均值。

圖2 2011─2020年長江經濟帶農業生產效率隨時間的變化

從表5可以看出，2011─2020年長江經濟帶的農業生產效率總體較高，10 a的均值為0.908，歷年的均值均在0.800以上。在2011─2020年期間，江、浙、滬的農業生產效率很高，均為1；安徽省歷年的農業生產效率均較低，均低于當年長江經濟帶的均值。除江、浙、滬外，其余8個省（市）的農業生產效率均呈現2012年先下降、2013─2020年再上升的變化趨勢。另外，在2020年，有7個省（市）的農業生產效率達到了1。

表5 2011─2020年長江經濟帶各省（市）的農業生產效率

2.2 農業碳排放強度

從圖3可以看出，2011─2020年長江經濟帶的碳排放強度在空間分布上呈自西南向東北遞減的變化特征，但是位于西部的四川省碳排放強度較低，位于東部的安徽省、江西省和上海市的碳排放強度較高。說明四川省不僅農業生產效率較高，對農業生產要素使用充分，而且注重綠色農業發展；而安徽省、江西省和上海市的碳排放水平不高，今后需要推進低碳農業發展。

圖3 2011─2020年長江經濟帶碳排放強度的空間分布

2011—2020年，長江經濟帶的碳排放強度總體呈現波動下降的變化趨勢。由圖4可見：在2011─2020年期間，長江上游的碳排放強度在不斷下降；長江中游和下游的碳排放強度總體上也呈下降趨勢，但在2013和2017年有一定程度的回升；上游的下降速度最快，其次是中游，下游的下降速度最慢，至2020年，長江經濟帶的碳排放強度表現為上游＜中游＜下游。

圖4 2011─2020年長江經濟帶碳排放強度隨時間的變化

由表6可知：2011—2020年，長江經濟帶各省（市）的農業碳排放強度均呈下降趨勢，碳排放強度的總體降幅為36.0%；在2011─2020年期間，貴州省、云南省、重慶市的碳排放強度降幅較大，分別達67.6%、52.2%和44.5%，至2020年貴州省變為碳排放強度中等的省份，但云南省和重慶市的碳排放強度仍然較高；江、浙、滬的碳排放強度降幅較小，其中上海市僅下降了2.6%，至2020年江蘇省和浙江省仍是碳排放強度較低的省份，上海市仍為碳排放強度中等的直轄市，但上海市的碳排放強度仍低于貴州省和云南省的；安徽省的碳排放強度降幅不大，是2020年碳排放強度最高的省份。

表6 2011─2020年長江經濟帶各省（市）的農業碳排放強度

2.3 農業生產效率與碳排放水平的耦合協調度

2.3.1 時空分布格局 從圖5可以看出：2011─2020年長江經濟帶農業生產效率與碳排放水平的耦合協調水平在空間分布上呈現自西南向東北遞減的趨勢；但是位于西部的四川省耦合協調水平較高，處于優質耦合協調水平；而位于東部的安徽省耦合協調水平較低，處于瀕臨失調衰退階段。究其原因，四川省的農業生產效率較高，農業碳排放強度較低，碳排放水平較高，因此其耦合協調水平較高；而安徽省則相反，該省的農業生產效率低，碳排放水平低，因此其耦合協調水平也低。說明農業生產效率與碳排放水平具有正相關性，兩者的提升具有同步性。

圖5 2011─2020年長江經濟帶耦合協調度的空間分布

2011─2020年長江經濟帶農業生產效率與碳排放水平的耦合協調度在時序變化上整體呈上升趨勢。由圖6可見，長江上游的耦合協調度呈現遞增特征，中、下游呈現先下降再上升的特征。在2011─2020年期間，長江上游的平均耦合協調度從0.53上升至0.97，從勉強協調發展水平提升到優質協調發展水平；長江中游的增速適中，由0.78上升至0.91，從中級協調發展水平提升到優質協調發展水平；長江下游在2011年的耦合協調水平已較高，達到了0.76，但其增速過慢，2020年的耦合協調度為0.80，處于良好協調發展水平。

圖6 2011─2020年長江經濟帶耦合協調度隨時間的變化

2011—2020年，各省（市）農業生產效率與碳排放水平的耦合協調度均有所提高，其中：貴州、云南省的耦合協調度提升速度最快，分別從極度失調衰退和瀕臨失調衰退水平提升到了優質協調水平；安徽省、湖南省、上海市、浙江省的耦合協調度的變化較小，2020年分別處于勉強協調發展、中級協調發展、良好協調發展和優質協調發展水平；江西省、重慶市、湖北省、四川省、江蘇省的耦合協調度有所提升，均提升了1～2個等級（圖7～圖10、表7）。

圖7 2011年長江經濟帶耦合協調度的空間分布

圖8 2014年長江經濟帶耦合協調度的空間分布

圖9 2017年長江經濟帶耦合協調度的空間分布

圖10 2020年長江經濟帶耦合協調度的空間分布

表7 2011─2020年長江經濟帶農業生產效率與碳排放水平的耦合協調度

2.3.2 耦合協調重心的遷徙趨勢 根據式（6）、式（7）計算出2011─2020年長江經濟帶農業生產效率與碳排放水平的耦合協調重心，并通過ArcGIS軟件繪制出耦合協調重心所在位置，根據時間次序依次連接，得到圖11。

圖11 2011─2020年長江經濟帶農業生產效率與碳排放水平耦合協調重心的遷徙

宏觀上，長江經濟帶農業生產效率與碳排放水平的耦合協調重心位于湖南與湖北省的交界處。耦合協調重心的總體遷徙方向是自東北向西南，自沿海向內陸，2013年向西北遷徙，其余年份均向西南遷徙。從表8可以看出，耦合協調重心一共遷徙了174.202 km，平均每年遷徙19.356 km，其中向西遷徙距離較大，向南遷徙距離較小。

表8 2011─2020年長江經濟帶耦合協調重心及其遷徙

微觀上，耦合協調重心從湖北嘉魚縣出發，途徑蒲圻縣、臨湘市、監利市、岳陽市和華容縣，最后到達華容縣與南縣的交界處。其中2012─2013年為第一階段，遷徙距離較長，分別遷徙了64.255和26.471 km，占到了總遷徙距離的1/2以上；2014─2020年為第二階段，遷徙距離較短，介于5～16 km之間。從遷徙方向來看，總體呈自東北向西南遷徙，說明長江經濟帶西南地區和上游地區的農業協調發展政策取得了顯著成效，其耦合協調水平逐漸追趕并超過下游。從遷徙距離來看，2011─2013年遷徙的2段距離最大，說明2012和2013年是上游追趕下游最快的2年，這與“十二五”規劃的出臺以及黨的十八大召開相契合。

3 結論與建議

3.1 結論

本研究結果表明：（1）長江經濟帶的農業生產效率總體較高，碳排放強度降低速度快，耦合協調水平高。農業生產效率、碳排放水平、耦合協調水平在空間上總體呈現自西南向東北，自內陸向沿海遞增的趨勢（除四川、安徽省外）；（2）長江經濟帶的農業生產效率在時序上總體呈現先下降再上升的特征，其中上游的上升速度最快，中游次之，下游的上升速度最慢；（3）長江經濟帶的農業碳排放強度在時序上總體呈現波動下降的特征，其中上游的下降速度最快，中游次之，下游的下降速度最慢；（4）長江經濟帶農業生產效率與碳排放水平的耦合協調度在時序上總體呈現先下降再上升的特征，其中上游的上升速度最快；（5）宏觀上，長江經濟帶農業生產效率與碳排放水平的耦合協調重心位于湖南與湖北省的交界處，自東北向西南，自沿海向內陸遷徙，一共遷徙了174.202 km，其中向西遷徙距離較大；微觀上，耦合協調重心從湖北嘉魚縣出發，途徑蒲圻縣、臨湘市、監利市、岳陽市和華容縣，最后到達華容縣與南縣的交界處。

3.2 政策建議

根據上述研究結論，提出以下政策建議。

3.2.1 優先發展長江經濟帶上游地區 從長遠的利益出發，修復長江生態環境的核心在其上游，上游是根本。2011─2020年，經過“十二五”與“十三五”期間的發展，長江經濟帶上游的農業生產效率、碳排放水平、耦合協調度均達到了一流水平，使得區域農業生產效率與碳排放水平的耦合協調重心向西南遷徙了較大的距離，說明長江上游的快速發展促進了長江經濟帶的整體發展和內部協調。因此，在制定長江經濟帶的區域發展戰略時，要把上游地區的發展放在首位，促進長江的生態環境從源頭開始改善。

3.2.2 因地制宜制定政策 一方面，長江經濟帶上游在自然環境、社會環境落后于下游的客觀條件下，2011年農業生產效率、碳排放水平、耦合協調度均落后于下游，但是通過制定適宜的發展戰略，發揮自身的區域優勢，不斷縮小了與下游的差距，在2017年實現了全方位的反超。另一方面，四川省作為正面例子，其各方面指標均處于第一梯隊，與下游的江、浙、滬不相上下；而安徽省作為反面例子，其各方面指標均與同處于下游的江、浙、滬存在較大差異，反而與上游的貴州、云南省相似，并且發展緩慢。因此，長江經濟帶各省（市）要充分考慮自身的資源稟賦、發展現狀以及周邊環境，制定適宜的政策，發揮自身的優勢，補齊自身的短板，實現農業生產效率與碳排放水平的同步提升，進而提高兩者間的耦合協調度。

3.2.3 堅定不移地推行政策 長江經濟帶上、中、下游的農業生產效率均呈現先下降再上升的趨勢，而其農業碳排放強度并不是連續下降的，其耦合協調水平除上游外，中、下游也呈現先下降再上升的趨勢。因此，在政策的執行中不要輕易中斷執行，而是要仔細分析原因，探究本質規律，合理調整政策，堅定不移地推行政策的執行，從而促進綠色農業的發展，實現既有綠水青山，又有金山銀山的目標。