農業技術進步對云南省種植業碳排放的影響

收稿日期：2023-07-18

作者簡介：熊宇辰（1998—），女，吉林德惠人，在讀碩士，研究方向為低碳經濟分析。E-mail：xiongyc@foxmail.com。

熊宇辰.農業技術進步對云南省種植業碳排放的影響[J].南方農業，2023，17（16）：-238.

摘 要 技術進步是碳減排的重要途徑，農業技術進步為農業綠色低碳發展提供了內生動力。基于2011—2021年云南省16個市（州）的面板數據，測算云南省碳排放量，運用雙重固定效應模型實證考察農業技術進步是否有助于降低農業碳排放水平。研究發現，云南省農業碳排放量呈現先升后降的特征，2016年后云南省綠色農業政策的實施效果顯著；農業技術進步對農業具有碳減排效應，但當非清潔型技術進步時，可能會增加碳排放量。

關鍵詞 農業技術進步；農業碳排放；雙重固定效應；云南省

中圖分類號：F327 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2023.16.073

應對氣候變化已經成為當前全球可持續發展的重點，社會經濟的綠色、低碳發展已經成為世界各國的共識。當下，我國是全球最大的碳排放國，其中農業生產的碳排放占我國溫室氣體排放總量的17%。2015年，

我國種植業生產的碳排放量達到了9 671萬t，相比1997年上漲了51%。為應對日益嚴峻的全球氣候變化問題，我國在國際場合多次提出自主減排的承諾，包括在第75屆聯合國大會上宣布了“雙碳”目標。在農業方面，中共中央、國務院在2021年明確提出要“加快推進農業綠色發展，促進農業固碳增效”。降低農業領域的碳排放不僅關乎農業可持續發展，對于我國實現“雙碳”目標也具有重要意義。

當前，關于農業碳排放的研究主要集中在農業碳排放總量與效率、農業碳排放與經濟增長的關系和農業碳排放影響因素這3個方面，關于農業碳減排的研究較少。吉雪強運用中介效應模型研究發現，農地流轉不僅可以直接降低農業碳排放強度，還可以通過降低農業化學化水平間接降低農業碳排放強度[1]。張金鑫研究發現農業技術創新對農業碳排放具有顯著的負向影響[2]。

技術進步是碳減排的重要途徑，農業技術進步可以引起要素重置，改變傳統的農業生產方式，促進農業現代化發展。同時，農業技術進步會促使農業內部結構調整，促使高能耗部門向低能耗部門轉型，在農業總產出增加的同時減少碳排放總量。

云南省是農業大省，農業在整個國民經濟中占有極重要的地位，但隨著農業現代化進程的加速、農業投入結構的改變及化石能源投入的增加，農業生產活動過程中造成的碳排放損害日益凸顯。本文利用雙重固定效應模型對云南省16個市（州）2011—2021年的面板數據進行研究，為推動國家低碳試點建設工作和助力云南省實現“雙碳”目標提供參考。

1 模型建立與數據說明

1.1 變量選取

1.1.1 被解釋變量

將農業碳排放總量（ce）設定為被解釋變量。根據以往學者的研究，種植業中的主要碳源為化肥、農藥、農用薄膜、農用柴油、翻耕和農業灌溉6個方面。參考田云的計算方法，對種植業碳排放量進行測算，具體測算公式如（1）所示[3]。

（1）

式中，ce為農業碳排放總量，Ci為第i種碳源的農業碳排放量，Ti為第i種碳源的數量，δi為第i種碳源的碳排放系數。

1.1.2 解釋變量

以農業技術進步程度（tg）為解釋變量。從統計指標解釋角度出發，借鑒金陽等的研究，用農業機械總動力衡量農業技術進步程度，單位為×104 kW[4]。

1.1.3 控制變量

為減小遺漏變量所帶來的估計偏差，本文引入的控制變量如下：1）產業結構升級程度（is），用云南省各市（州）每年第二產業與第三產業生產總值之比與來表示；2）經濟發展水平（pgp），用各市（州）當年農林漁牧業生產總值與農村人口之比的自然對數表示；3）政府干預程度（lngov），用各地級市政府財政支出額與該地區生產總值之比表示；4）對外開放程度（lnopen），用各市（州）進出口總額與該地區生產總值之比的自然對數表示；5）人口規模（lnpopu），用各市（州）農村年末人口數的自然對數表示。

1.2 模型設定

為檢驗農業技術進步對農業碳排放的影響，本文通過對個體效應和時間效應進行檢驗發現固定效應模型和隨機效應模型均優于普通最小二乘（Ordinary Least Square，OLS）模型。接著，通過豪斯曼檢驗選取雙重固定效應模型。為避免模型估計因異方差而產生的偏差問題并減小樣本波動，本文對部分變量進行對數處理。面板模型設置如（2）所示。

（2）

式中，i為云南省市（州）項，t為年份項；ceit為i市（州）在t年份的農業碳排量；tgit為i市（州）在t年份的農業技術進步；isit為i市（州）在t年份的產業結構升級；pgpit為i市（州）在t年份的經濟規模；lngovit為i市（州）在t年份的政府干預程度；lnopenit為i市（州）在t年份的對外開放程度；lnpopuit為i市（州）在t年份的農村人口規模；μi和λt分別為個體效應、固定效應；εit為獨立同分布的隨機擾動項；α0為常數項，α1……α6均為相關系數。

1.3 數據來源

本文選取2011—2021年云南省16個市（州）的面板數據作為研究樣本，研究所涉及數據主要來自《云南省統計年鑒》、各市（州）的《統計年鑒》及地區國民經濟和社會發展統計公報，采取線性插補的方式補充少量缺失值。

2 實證分析

2.1 云南省種植業碳排放現狀

根據圖1可知，云南省2011年種植業碳排放量為24.62×108 t，2016年達到峰值29.91×108 t，2021年降到23.03×108 t，種植業碳排放量整體呈現先升后降的特征。在2016年之前，云南省種植業碳排放量整體呈現上升趨勢，可能是因為我國城鄉關系在2004年后發生轉向，經濟利益成為比環境保護優先級更高的目標，產業結構升級加大了農業碳排放量。在以經濟利益為目標的前提下，農業中主導產業生產效率明顯較高，出現主導產業為追求低成本、高產量的目標，持續加大農用物資投入量的情況，造成農業碳排放量的增加。2016年之后，種植業碳排放量逐年遞減，可能是因為云南省在“十三五”規劃中加強了對生態文明建設、環境污染治理和低碳經濟發展的重視。在此背景下，云南省不斷深入推進生物多樣性和森林生態系統應對氣候變化的協同示范，積極開展綠色低碳社會行動示范創建，采取增強農民環保意識、推廣綠色低碳生產方式、促進綠色低碳消費等措施，逐漸降低農業生產碳排放量。

2.2 雙重固定效應回歸

文章采用雙重固定效應模型進行回歸分析，表1報告了整體上農業技術進步對農業碳排放的影響效應。

表1為數字經濟對農業碳排放影響的基準回歸結果，未添加控制變量的模型（1）中，農業技術進步對于農業碳排放的回歸系數為-0.003，在5%的水平上顯著抑制農業碳排放，表明農業技術進步對于農業碳排放有顯著的負向效應。在添加控制變量后的模型（2）中，農業技術進步對農業碳排放量的作用方向與（1）的結果一致，初步表明農業技術進步可以抑制農業碳排放，但其碳減排效應較低。本文認為出現這種情況的主要原因是，云南省農業發展初期為追求農業生產效率的提高，大量使用化肥等要素的行為促使了非清潔型技術的進步，使得農業生產呈現“高產量、高能耗、高排放”的特征，排放了大量的二氧化碳[5]。隨著國家綠色農業政策的頒布實施，云南省積極促進綠色農業技術進步，推動畜禽糞污、秸稈等資源化利用和藻類能源化利用，實施化肥農藥減量化行動，促使農業技術進步碳減排效應逐漸增強。

2.3 穩定性檢驗

為確?；窘Y論的穩健和有效，本文分別采用替換被解釋變量[表1中模型（3）]和替換核心解釋變量[表1中模型（4）]的方法檢驗農業技術進步對農業碳排放影響的穩健性。

1）替換被解釋變量。前文將農業碳排量作為被解釋變量，本部分采用農業人均碳排放（cel）來替換被解釋變量進行穩健性檢驗?；貧w結果見表1的模型（3）。結果表明，農業技術進步對農業人均碳排量具有顯著的負向作用，證明前文回歸結果的穩健性。

2）更換核心變量。前文使用農用機械總動力的自然對數作為核心變量，本部分將農用機械總動力與農村人口數之比的自然對數作為核心解釋變量進行研究。回歸結果見表1的模型（4），結果表明，農業技術進步對農業碳排量具有顯著的負向作用，證明了前文回歸結果的穩健性。

3 結論與建議

通過上述實證分析，可以得出以下基本結論：1）云南省2011—2021年的農業碳排放量呈先升后降的特征，2016年后，云南省綠色農業政策的效果顯著；2）農業技術進步的碳減排效應取決于技術類型，當非清潔型技術進步時，可能會增加碳排放量。

鑒于此，本文認為要實現農業綠色低碳發展，需要采取以下措施。1）大力推動低碳化農業技術應用。積極推廣高效節能減排農機新技術，引導農民購買高效、綠色、節能的新型農業機械。同時，要加大低碳型化肥、農用薄膜等使用力度，推廣二氧化碳固碳施肥技術，促使農民生產行為低碳化。2）加大低碳科研投入力度，推動清潔型技術創新。政府應該增強對農業綠色技術創新活動的政策支持力度，通過財政手段提高低碳農業技術研發支出，調動研發人員積極性，助力清潔型農業關鍵技術攻關。

參考文獻：

[1] 吉雪強，劉慧敏，張躍松.中國農地流轉對農業碳排放強度的影響及作用機制研究[J].中國土地科學，2023，37（2）：51-61.

[2] 張金鑫，王紅玲.環境規制、農業技術創新與農業碳排放[J].湖北大學學報（哲學社會科學版），2020，47（4）：147-156.

[3] 田云，張俊飚.中國省級區域農業碳排放公平性研究[J].中國人口·資源與環境，2013，23（11）：

36-44.

[4] 金陽，滿桐彤.農業技術進步、農村人力資本投資與農業發展的關系研究：基于東北三省PVAR模型的實證分析[J].農業經濟與管理，2022（6）：38-45.

[5] 范東壽.農業技術進步、農業結構合理化與農業碳排放強度[J].統計與決策，2022，（38）（20）：154-158.

（責任編輯：張春雨）