農業碳排放回彈及機制分析

摘 要：新發展格局下，探究農業碳排放回彈效應及其影響機制對減排政策制定意義重大。利用1990—2020年中國29個省份的面板數據，采用非期望產出超效率SBM模型、GML指數分解、空間動態面板系統GMM模型，分析技術進步引致的碳排放回彈效應及其影響機制。研究發現：中國農業碳排放存在“部分回彈效應”，回彈效應均值約為0.88，表明技術進步帶來的減排作用，會被回彈效應部分抵消。時間維度上，大部分年份表現出“回火效應”，表明在這些年份，技術進步反而致使農業碳排放總量增加；空間維度上，東北地區的碳排放回彈效應最大，且存在“回火效應”，西部地區回彈效應最小。機制分析發現，農業技術進步確實導致了農業碳排放回彈效應。農業技術進步通過提升農業碳排放效率直接引致回彈效應，通過促進農地經營規模擴大間接加劇回彈效應。

關鍵詞：農業碳排放；技術進步；回彈效應

中圖分類號：F062.9;F323

文獻標識碼：A文章編號：1003-3890（2024）05-0085-08

一、引言與文獻綜述

實現“雙碳”目標不僅是踐行可持續發展目標的內在要求，也是中國作為負責任大國履行國際責任、推動構建人類命運共同體的責任擔當。

IPCC發布的《第六次評估報告綜合報告：氣候變化（2023）》顯示，中國作為全球最大的溫室氣體排放國，1990年二氧化碳排放量為21.73億噸，2020年上升到109.45億噸，占全球碳排放總量的34.22%。為積極應對碳排放加劇導致的氣候變暖問題，實現可持續發展，中國于1992年簽署了《聯合國氣候變化框架公約》，明確了中國作為負責任大國的擔當。于2015年確定了到2030年碳達峰的自主行動目標，于2020年承諾力爭2060年前實現碳中和。“雙碳”目標的實現需要各行業的共同努力。

2021年FAO報告顯示，人為溫室氣體排放總量中有31%（165億噸）源自全球農業糧食體系，比全球人口較少的1990年增加了17%。

受勞動力成本上升以及水土資源的約束，未來中國農業碳排放有進一步上升的趨勢，農業碳排放問題不容忽視。

為實現可持續發展目標，諸多學者致力于農業碳排放相關問題的研究。一方面，部分學者主要分析農業碳排放的測量及其時空特征[1-3]。研究者基于不同的分類方法，均得出農業碳排放隨時間不斷增加的結論。另一方面，部分學者分析了農業碳排放的影響因素。農業碳排放受諸多因素影響。其中，技術進步一直被認為是減少碳排放的有效途徑[4]。這是因為，技術進步能促進農業碳排放效率的提升，碳排放效率提升有利于促進碳減排[5]。但是，隨著中國的農業技術進步促進碳排放效率逐漸提高[5]，中國農業碳排放總量并未呈現預期減少的現象。中國農業碳排放由1990年51 337.70萬噸標準煤上升到2020年的63 631.86萬噸，上漲幅度約為23.95%①。為何碳排放效率的提高未能實現預期的碳排放減量？

回彈效應可能是導致農業碳效率與農業碳排放變化趨勢不一致的重要原因。回彈效應理論最早可以追溯到1865年的“杰文斯悖論”，煤炭使用效率的技術改進反而導致許多行業煤炭消費量增加。2000年Berkhout et al.[6]將回彈效應明確解釋為：技術進步在提高能效以降低單位生產成本的同時，引起產品價格下降，從而引致能源消費的增加，產生回彈效應。關于農業碳排放回彈效應，目前已有研究較少。田云等[7]在分析農業技術進步對碳排放的影響研究中得出，技術進步會引致碳排放回彈效應。黃曉慧等[8]以糧食主產區為例，測算了由技術進步引起的農業碳排放回彈效應。李海鵬等[9]分析了中國農業能源回彈效應的形成機制、時空演變及影響因素。但是，上述研究對于回彈效應的形成機制并未作出具體分析。農業技術進步是否會通過提高碳排放效率引致碳排放回彈效應？已有研究并未作出清晰回答。

鑒于此，本文基于技術進步視角，測算出中國農業碳排放回彈效應，分析其時空特征及形成機制。首先，利用1990—2020年29個省份的面板數據，運用非期望產出的超效率SBM模型及GML指數分解，測算中國農業碳排放的回彈效應。其次，考慮到空間效應，采用空間動態面板系統GMM模型，探究農業碳排放回彈效應的形成機制。本文的創新之處在于：研究方法上，在考慮松弛變量、多個決策單元效率值同為1（完全效率）、非期望產出的情況下，采用非期望產出的超效率SBM結合GML指數、空間動態面板系統GMM模型等；研究內容上，充分考慮技術進步引致的碳排放回彈效應及其形成機制。由于回彈效應的存在，技術進步對二氧化碳減排的效果比預期的要差。研究碳排放回彈效應，對政府減排政策的制定、實現可持續發展有所裨益。

二、理論分析

（一）直接機制

回彈效應作為一種解釋農業技術進步、農業碳排放效率與農業碳排放之間關系的有效理論，一直未得到充分重視。農業技術進步主要體現在農用機械的廣泛運用，化肥、農藥、農膜等農用物資的高效利用層面。因而與之相關的碳排放，主要源自農用柴油直接能源的消耗，化肥、農藥、農膜等間接能源消耗，以及農田灌溉、翻耕等所產生的碳排放[7]。技術進步體現在提升碳排放效率上，這一觀點在Brannlund et al.[10]的研究中已被證實。技術進步帶來的碳排放效率提高首先發生于產品的供給方，即生產者。當技術進步引致碳排放效率提高時，生產者的生產成本下降，一定范圍內生產者會提高產品供給量，進而引致產品價格下降，即碳源（如機械、化肥、農藥、農膜等）價格下降。當價格下降信號傳遞到消費者時，消費者將調整碳源和非碳源的消費數量（如以機械替代勞動）以實現效用最大化，導致碳源消耗增加，產生的碳排放量上升。因此，本文提出第一個研究假說。

H1：農業技術進步通過影響碳排放效率直接引致了農業碳排放回彈效應。

（二）間接機制

農業技術進步通過促進農地經營規模擴大，進而間接影響農業碳排回彈。一方面，技術進步發揮的資金條件、物質條件和人力資本有利于促進土地流轉[11]，促使農地經營規模擴大；另一方面，技術進步是經濟增長的主要驅動力，經濟增長對農地經營規模擴大具有強大拉動作用。經營規模擴大對碳排放的影響，主要體現在以下兩個方面：其一，規模化生產影響機械要素投入。隨著經營規模擴大，農戶會傾向投入農業機械替代勞動資本等要素進行生產。機械化水平的提高，導致石油燃料等能源消耗加劇，從而促使農業碳排放增加。其二，規模化生產影響種植結構。從理論上說，勞動投入和管理成本會隨著經營規模的擴大而上升，而非糧作物種植受帶動力上升的約束更大。因而農地經營規模擴大導致非糧作物種植比例下降，糧食作物種植比例相應上升。

比如，水稻種植過程中會產生大量甲烷（CH4）和氧化亞氮（N2O），從而導致更多的碳排放。因此，本文提出第二個研究假說。

H2：農業技術進步通過擴大農地經營規模，進而加劇了農業碳排放回彈效應。

三、實證策略與數據說明

（一）研究方法

1.回彈效應測算。本文根據Haas et al.[12]將碳排放回彈效應（R）表示為：

其中，R為碳排放回彈效應，PS、AS分別表示預期碳排放節約量、實際碳排放節約量，兩者之差表示技術進步帶來的實際碳排放增加量。由于預期碳排放節約量難以用實際數據進行估計，所以根據相關文獻提出替代性方法，將技術進步帶來的回彈效應改進為：

公式（2）中，Yi，t為i省t年農業生產總值，CIi，t為i省t年農業碳排放強度，則i省第t年農業二氧化碳排放量為Ci，t=CIi，t×Yi，t。σi，t為i省t年的技術進步水平，在農業技術進步推動下，t+1年的農業碳排放強度為CIi，t+1，Yi，t+1×（CIi，t+1-CIi，t）為技術進步帶來的農業碳排放變化量。此外，技術進步也會促進經濟增長，令σi，t+1為i省t+1年技術進步水平，利用非期望產出超效率SBM結合GML指數測得。技術進步帶來的經濟增長所產生的農業碳排放量為σi，t+1×（Yi，t+1-Yi，t）×CIi，t+1。

農業碳排放回彈效應大小含義為：當Rgt;1時，回彈效應表現為“回火效應”；表明碳排放效率提高，反而促使二氧化碳排放總量上升。當R=1時，回彈效應表現為完全的回彈效應；意味著碳排放效率的提高不會影響實際的二氧化碳排放量。當0lt;Rlt;1時，回彈效應表現為“部分回彈效應”；這種情況下，碳排放效率提高帶來的碳排放節約量，高于新增碳排放量。當R=0時，回彈效應表現為“零效應”；碳排放效率提升，碳排放量總體保持不變。當Rlt;0時，回彈效應表現為“過度儲存效應”；農業碳排放效率的提高不僅減少了二氧化碳的排放量，而且使碳排放的實際減少量超過了預期的減少量，即出現了二氧化碳的過度儲存，這種狀態有利于可持續發展。

2.農業技術進步測算。從技術進步的測算方法來看：一方面，大多數傳統DEA模型基于徑向（投入和產出放大或減少的比例一致）和角度（投入和產出）來測量效率，但傳統DEA在測算效率過程中，并未考慮投入和產出的松弛變量；另一方面，傳統DEA模型沒有考慮同時使期望產出增加、非期望產出減少的技術變化，因此傳統DEA度量的效率值是有偏的。基于此，Tone[13]于2003年提出非期望產出的超效率SBM模型，不僅彌補了SBM的部分不足，而且也能夠將非期望產出考慮到模型之內。基于上述分析，本文采用2003年Tone提出的方法測算技術進步水平。

其中，λ為權重向量，s-為投入變量、sg為期望產出、sb為非期望產出的松弛變量，目標函數ρ關于s-、sg、sb嚴格遞減。當s-=sg=sb=0，函數存在最優解。如果0≤ρ≤1，說明決策單元存在效率的損失。

公式（3）可用于計算各決策單元在一定技術條件下的效率水平。為識別技術進步水平，需對測得的效率進一步分解。本文采用GML指數進行分解，因為相較ML指數，GML指數能夠有效解決線性規劃無可行解問題。根據OH[14]的研究，GML指數公式為：

其中，DTG（xt，yt，bt）=maxβ|（yt+βyt，bt－βbt）∈PG（x）是全局方向性距離函數。

GML指數可以分解為技術進步（GTC，即為公式（2）中的σi，t）和技術效率（GEC），三者均大于0。當GTC大于1時，表示農業技術進步，反之技術退步。

3.空間動態面板系統GMM。由于碳排放回彈可能存在空間效應，因此采用空間計量分析，利用空間自回歸（SAR）模型，基本形式為：

Yn=λWnYn+Xnβ+εn（6）

其中，Yn為因變量，Xn為自變量，Wn為空間權重矩陣，εn為服從正態分布的隨機擾動項。

此外，地區碳排放回彈效應很有可能存在滯后效應。這是因為：一方面，農用柴油、灌溉和翻耕分別與機械保有量、灌溉設施、播種面積密切相關并且短時間不易改變，因此后一期必然受到前一期的影響；另一方面，化肥、農藥、農膜消費本身是具有較大“慣性”的經濟變量，如農戶在施肥時更多地依靠自己的傳統經驗和習慣，造成當期碳排放會受到上一期碳排放的影響。因此，考慮到回彈效應的滯后效應，引入動態面板模型的滯后項更為合理。而在動態面板中，普通組內估計（FE）和普通最小二乘法（OLS）無法得到一致估計，宜采用廣義矩估計方法（GMM），具體包括差分GMM和系統GMM。但是，差分GMM估計易受弱工具變量的影響，從而得到有偏估計。而系統GMM在差分GMM的基礎上，引入了水平方程并聯立差分回歸方程。

其中：α、β、χ和δ表示回歸系數，Ri，t、Ri，t-1分別表示當期和滯后一期農業碳排放回彈效應，W為空間權重矩陣，本文基于經濟距離構造空間權重矩陣。σi，t×CTEi，t、σi，t×Si，t分別表示技術進步與碳排放效率、技術進步與農地經營規模變量的交乘項。以此探究技術進步是否通過碳排放效率提升、農地經營規模擴大引致回彈效應。碳排放效率利用非期望產出的超效率SBM模型測得。農地經營規模用農作物播種面積表示。X表示其他控制變量，參考田云等[7]、Zhang et al.[15]研究，選取農業經濟水平（農業產值）、種植結構（糧食播種面積/農作物總播種面積）、勞動力人數（第一產業從業人數）、受災面積作為控制變量，εn為服從正態分布的隨機擾動項，所有價格變量均折算為1991年不變價格。

（二）數據說明

變量選取如下：農業碳排放數據基于本文作者測度而來，與農業相關的碳排放主要源自農用柴油的直接利用以及化肥、農藥、農膜等的生產、農田灌溉所間接耗費的能源。根據IPCC（2006）推薦指南中的方法并結合以往文獻[1]，將農業碳排放分為化肥、農藥、農膜、柴油、農業灌溉和翻耕6個方面，根據碳排放估算公式Ep=∑Tj×δj測算出農業碳排放，其中，Ep為農業的碳排放總量，Tj為各種碳源的數量，δj為各碳排放源的碳排放系數。碳排放系數及來源如表1所示。本文以1990—2020年中國29個省份相關數據（海南合并到廣東、重慶合并到四川，不包括港、澳、臺地區）為例，基于技術進步的視角，測算出中國農業碳排放的回彈效應。數據來源于《中國統計年鑒》、《中國農村統計年鑒》和國家統計局網站。

各變量的描述性統計結果如表2所示。期望產出取1990—2020年的農業生產總值并以1990年的不變價格折算。投入包含：第一產業從業人數（L）、農業機械總動力（M）、農作物總播種面積（S）、化肥和農藥的總投入即其他投入（K）。非期望產出為農業碳排放，根據表1測得。農業技術進步變量通過超效率SBM模型結合GML指數法計算獲取。

四、結果分析

（一）回彈效應的基本結果

本文利用Maxdea軟件測算出農業技術進步水平，基于回彈效應模型測算出中國及東部、中部、西部、東北部的農業碳排放回彈效應，具體結果如表3所示。

總的來看，中國農業碳排放回彈效應均值約為為0.88（0.879 8），中國農業碳排放存在“部分回彈效應”，表明技術進步帶來的碳排放削減量略微高于其所帶來的碳排放回彈量，技術進步帶來的碳減排被回彈效應部分抵消。此外，所有年份中有16個年份表現為“回火效應”，表明在這些年份碳排放效率的提高并沒有起到碳減排的效果。11個年份表現為“部分回彈效應”，3個年份表現為“過度儲存效應”，分別為1997年、2001年、2004年。對于“過度儲存效應”，可能是由于技術進步導致實際減排效果超過了預期減排效果，并未出現碳排放回彈效應。樣本期間，2000年的碳排放回彈效應最大，可能是因為2000年國家大力調整農業生產結構、加快推進國內農業技術進步、積極引進國外先進技術。雖然在政策的推動下，農業技術進步速率明顯加快，但是短期內部分高耗能技術也走向市場，高能耗技術的使用可能導致了農業碳排放的大幅回彈[7]。

分地區來看，東部、中部、西部、東北地區的碳排放回彈效應分別約為0.92（0.918 4）、0.99（0.992 3）、0.72（0.718 2）、1.13（1.131 3）。其中，東北地區的農業碳排放回彈效應最高且表現為“回火效應”，其他地區均存在“部分回彈效應”。這是因為，東北地區低碳技術、節能減排技術落后，導致東北地區以“高碳排放、高污染、高能耗”粗放型生產方式為主。而西部地區的碳排放回彈效應最低，可能是因為種植結構因素。糧食作物因其機械化程度較經濟作物高，加之水稻作為農業第一大碳排放源，導致糧食作物占比增加會加劇農業碳排放。相比其他三個地區，西部地區糧食作物播種面積占比僅為9.47%。此外，由于地理位置和地理環境，導致西部經濟較為落后、農業機械化水平較低，進而導致西部地區碳排放回彈效應最低。

（二）技術進步引致回彈效應的形成機制分析

對于面板數據而言，為避免使用非平穩數據進行分析而出現的“偽回歸”問題，需對各變量進行單位根檢驗。本文采用ADF單位根檢驗和PP單位根檢驗方法，結果顯示除農業勞動力是一階差分平穩外，其余變量在1%的水平上均為平穩序列。此外，采用莫蘭指數法對被解釋變量空間相關性進行檢驗（見表4），結果顯示1991—2020年農業碳排放回彈效應在大多數年份存在空間相關性。最后，LM檢驗結果顯示，空間誤差模型（SEM）與空間自回歸模型（SAR）的LM檢驗值分別為1.39和12.87，僅有SAR模型通過了檢驗，表明選用SAR模型是合適的。

表5顯示了中國農業碳排放回彈效應動態面板空間自回歸的系統GMM估計結果，其中，Sargan過度識別檢驗表明GMM模型不存在模型誤設問題，且工具變量不存在過度識別問題。

分析模型1的結果可知：回彈效應一階滯后項的系數為正，且在1%的水平上顯著，表明上一期回彈效應顯著增加了當期的回彈效應，說明農業碳排放回彈效應是一個連續、累積的動態調整過程。技術進步系數為正且在1%的水平上顯著，說明技術進步確實引致了農業碳排放回彈效應。其他變量中，農業經濟水平上升會導致農業碳排放回彈效應增加，這與農業資源環境與經濟發展的EKC驗證結果是一致的，目前中國仍處于拐點左側，經濟發展與碳排放是一體兩面。農村勞動力人數減少會加重農業碳排放回彈效應。這是因為非農就業使勞動力成本上升，為避免勞動力減少造成的減產問題，以農業機械和化肥替代勞動成為必然選擇。柴油等能源消耗和化肥、農藥等農用化學品使用增加導致碳排放增加。

分析模型2的結果可知：滯后一階碳排放的系數顯著為正。碳排放效率會促進碳排回彈，且在10%的水平上顯著，說明提高碳排放效率帶來的農業碳減排會被回彈效應抵消，該機制是技術進步引致回彈效應的主要機制。農地經營規模對農業碳排放回彈效應的影響在10%的水平上顯著為正，代表技術進步通過促進農地經營規模擴張，從而引致碳排放回彈效應增加。這是因為，農地經營規模變化誘發化學品投入強度和技術投入強度變化，繼而影響農業碳排放。此外，其他影響因素中，農業經濟水平在10%的水平上正向影響碳排放回彈效應，受災占比在1%的水平上正向影響碳排放回彈效應。

（三）穩健性檢驗

1.更換估計方法。考慮到機制檢驗的穩健性，進一步利用中介效應方法進行估計。表6估計結果顯示，實證結果與基準回歸結果一致，表明技術進步對農業碳排放回彈效應的影響，確實是通過碳排放效率、農地經營規模擴大實現的，機制分析得以表明，本文的實證結果是穩健的。

2.替換空間權重矩陣。考慮空間權重的影響，將模型1、2中的經濟距離矩陣替換為鄰近矩陣，進行穩健性檢驗。由表7可知，穩健性檢驗各變量作用方向與前文保持一致。核心解釋變量農業技術進步與前述結果幾乎無區別，其他變量在使用不同空間權重矩陣時系數差異也較為一致，表明模型結果是穩健的。

五、結論及啟示

本文基于技術進步視角，利用1990—2020年中國29個省份的省級面板數據，采用非期望產出的超效率SBM模型及GML指數分解，測算出中國農業碳排放回彈效應大小。進一步利用空間動態面板系統GMM模型探究農業碳排放回彈效應的影響機制。得出以下結論：技術進步確實導致了農業碳排放回彈效應，中國農業部門碳排放存在“部分回彈效應”，回彈效應均值約為0.88，表明技術進步帶來的減排效益部分被回彈效應抵消了；技術進步通過推動碳排放效率的提高，直接導致了農業碳排放回彈效應的增加；技術進步間接促使農地經營規模擴大，進而促使碳排放增加。

根據本文的研究結論，得到以下政策啟示：

1.政府部門在制定能效政策時應充分考慮回彈效應。農業政府部門在制定相關碳排放政策時，應充分考慮到技術進步在促進經濟發展與農業碳排放回彈的兩面性。對于出現“回火效應”的省份，采取措施降低回彈幅度，如革新或引進綠色低耗農業技術、建立完善的農業機械使用、施肥、灌溉等制度等。對于出現“部分回彈效應”的省份，在加快推進農業技術進步時，應避免高能耗技術的無度使用。

2.以低碳理念帶動農地經營綠色轉型。在當前農地經營規模化的趨勢下，一方面，厲行推進施肥、農機、噴藥、灌溉等多個生產環節的科學化和低碳化。加大水土保持等低碳綠色技術的研發與推廣，并加強與綠色科技配套設施的建設力度。另一方面，警惕農業規模經營出現的“要素擁堵”現象，降低單位農業產出的能源要素消耗，實現農地經營的低碳減排。

3.充分發揮綠色技術示范作用。建立健全省域間的合作共贏機制，充分發揮各個地區的資源與區位優勢。與此同時，積極彰顯新型經營主體（如龍頭企業、種糧大戶等）的示范帶頭作用，推動農業低碳轉型升級，實現農業生產“數量推動”轉向“質量推動”，帶動地區協同綠色發展。

注釋：

①這是本文作者的測算結果。

參考文獻：

[1]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.

[2]田云，張俊飚，李波.中國農業碳排放研究：測算、時空比較及脫鉤效應[J].資源科學，2012，34（11）：2097-2105.

[3]張廣勝，王珊珊.中國農業碳排放的結構、效率及其決定機制[J].農業經濟問題，2014，35（7）：18-26.

[4]魏瑋，文長存，崔琦，等.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[J].農業技術經濟，2018（2）：30-40.

[5]吳賢榮，張俊飚，朱燁.中國省域低碳農業績效評估及邊際減排成本分析[J].中國人口·資源與環境，2014，24（10）：57-63.

[6]BERKHOUT P H， MUSKENS G J C， VELTHUIJSEN J W. Defining therebound effect [J]. Energy policy， 2000， 28（6）： 425-432.

[7]田云，尹忞昊.技術進步促進了農業能源碳減排嗎？——基于回彈效應與空間溢出效應的檢驗[J].改革，2021（12）：45-58.

[8]黃曉慧，楊飛，陸遷.糧食主產區農業碳排放回彈效應研究[J].長江流域資源與環境，2022，31（12）：2780-2788.

[9]李海鵬，李卓，張俊飚.中國農業能源回彈效應的形成機制、時空演變及影響因素[J].中國人口·資源與環境，2022，32（10）：24-34.[ZK）]

[10]BRANNLUND R，GHALWASH T，NORDSTORM J.Increased energy efficiency and the rebound effect： effects on consumption and emissions [J].Energy economics，2007，29（1）：1-17.

[11]郭衛東，關建勛，薛建良.技術進步視角下的土地流轉研究[J].經濟問題，2014（7）：80-84.

[12]HAAS R， BIERMAYR P. Therebound effect for space heating empirical evidence from Austria [J]. Energy policy， 2000， 28（6-7）： 403-410.

[13]TONE K. Dealing withundesirable outputs in DEA： a slacks-based measure （SBM） approach [Z]. GRIPS research report series， 2003.

[14]OH D A. Globalmalmquist-lemberger productivity index [J]. Journal of productivity analysis， 2010， 34（3）：183-197.

[15]ZHANG Y J， ZHAO L， QIN C X. The direct and indirect CO2 rebound effect for private cars in China [J]. Energy policy， 2017， 100：149-161.

［16］West T O， Marland G. A synthesis of carbon sequestration，carbon emissions，and net carbon flux in agriculture：comparing tillage practices in the United States［J］.Agriculture ecosystems and environment， 2002， 91（1-3）：217-232.

Agricultural Carbon Emission Rebound and Mechanism Analysis：

Based on the Perspective of Agricultural Technological Progress

Abstract：

Under the new development pattern， exploring the rebound effect of agricultural carbon emissions and its influencing mechanism is of great significance to the formulation of emission reduction policies. Based on the panel data of 29 provinces in China from 1990 to 2020， this paper analyzes the rebound effect of carbon emissions caused by technological progress and its influencing mechanism by using the non-expected output super-efficiency SBM model， GML index decomposition， and spatial dynamic panel system GMM model. It is found that there is a \"partial rebound effect\" on agricultural carbon emissions in China， and the average rebound effect is 0.88， indicating that the emission reduction effect brought by technological progress will be partially offset by the rebound effect. In the time dimension， most years showed a \"fire effect\"， indicating that technological progress led to an increase in total agricultural carbon emissions. In terms of spatial dimension， the rebound effect of carbon emissions in northeast China is the largest， and there is a \"fire effect\"， while the rebound effect in Western China is the smallest. The mechanism analysis found that agricultural technological progress did lead to the rebound effect of agricultural carbon emissions. The rebound effect is directly caused by improving agricultural carbon emission efficiency， and indirectly aggravated by promoting the expansion of agricultural land management scale.

Keywords：

agricultural carbon emission; technological progress; rebound effect