西北地區城鄉融合對農業碳排放強度的影響研究

黃婧婧 王建平 陳超超

摘 要：基于2011—2021 年我國西北5 省的面板數據，采用SDM 模型和門檻模型，實證探究了城鄉融合對農業碳排放強度的影響機制。結果表明：城鄉融合水平提升對農業碳排放強度具有顯著的抑制作用，且表現出明顯的空間溢出特征；經濟增長在城鄉融合對農業碳排放強度的影響中具有單重門檻效應，即當經濟增長到一定階段后，城鄉融合對農業碳排放強度的抑制效果相對減弱；產業結構、農業發展、受災程度、農業機械化水平等因素也均對農業排放強度具有空間溢出效應且存在著不同程度的影響。根據以上結論，本文從加強西北地區城鄉融合區域協調性、制定針對性城鄉融合發展戰略、推動農業結構轉型升級等方面提出西北地區農業低碳發展的建議。

關鍵詞：城鄉融合；農業碳排放強度；西北地區：空間杜賓模型；門檻效應

中圖分類號：F323.22；X24 文獻標志碼：A 文章編號：2095-1329（2023）03-0112-07

農業低碳發展是實現鄉村振興和生態文明建設的必然要求，也是應對氣候變化的重要舉措之一，而降低農業碳排放強度是實現農業低碳發展和糧食安全的必然選擇。城鄉融合發展通過打破城鄉二元格局，加速資源要素雙向流動，提升要素配置效率，進而提高農業生產效率。在既定產出下，提高農業生產效率有助于減少農業生產過程中對農藥，化肥等碳源的依賴，減少農業生產活動中的碳排放，降低農業碳排放強度。西北地區幅員遼闊，是我國重要的畜牧養殖區和戰略資源儲備基地，也是農業溫室氣體的主要來源地之一，且由于該區域人員居住分散，城鄉融合水平顯著低于全國水平。在此背景下，研究西北地區城鄉發展對區域內及鄰近區域農業碳排放強度影響，對促進西北地區城鄉融合發展，提高農業生產效率和生態效益，推動生態文明建設，實現西北地區可持續發展和全國碳中和目標具有重要意義。

梳理文獻得知，學者主要從兩個方面對農業碳排放展開研究。一方面是對農業碳排放的測算研究。學者主要從投入產出角度、生產過程角度、碳匯角度和基于全生命周期法的碳足跡對農業碳排放進行測算[1-4]。由測算發現，中國農業碳排放強度處于下降趨勢，且區域差距逐漸擴大。二是在測度基礎上，分別從低碳農業發展路徑、經濟增長、農業碳足跡等方面探索與農業碳排放的關系[5-7]。國內外學者對于城鄉融合的研究較為豐富，主要集中于理論方面的研究，對于評價方法的研究較少。城鄉融合發展的理論與實踐是當前研究的熱點話題。較多學者從理論內涵、歷史演進的回顧、存在問題與實現路徑的分析等方面進行探討[8-11]。此外，也有學者構建評價指標體系對城鄉融合水平進行測度，發現中國城鄉融合水平呈上升趨勢，但區域差異較大。還有一些學者分析城鄉融合的影響因素，并認為經濟發展、收入差距、數字經濟等因素是城鄉融合重要的影響因素[12-15]。對于城鄉融合與農業碳排放關系的研究較少，鮮有學者從城鎮化等方面進行研究，且研究對象多是基于全國的省級數據。根據部分學者的研究結果，農業碳排放總量會隨著城鎮化的進程而下降，但對不同區域的影響作用存在一定差異[16-18]。還有學者從土地利用、技術進步和農業結構調整等方面研究與農業碳排放的關系，但對農業碳排放具體作用比較復雜，取決于不同因素的類型和范圍。

綜上所述，學者對于城鄉融合和農業碳排放的單一視角的研究較為豐富，但對城鄉融合與農業碳排放關系的研究相對較少，且尚未得出一致結論。研究對象也多是基于全國，針對西北地區的具體研究相對較少。鑒于此，本文基于西北地區2011—2021 年面板數據，從經濟融合，社會生活融合和資源與環境融合三個維度反映城鄉融合水平，采用空間杜賓模型與門檻模型深入分析城鄉融合對農業碳排放強度的影響，系統揭示西北地區城鄉融合對農業碳排放強度的影響機制，助力西北地區在低碳背景下制定城鄉融合發展規劃。

1 研究設計

1.1 研究區概況

西北地區是中國面積最大、人口密度最低、少數民族聚居最多的地區，也是中國貧困人口較多、生態環境脆弱、城市化水平低、城鄉發展不平衡的地區。西北地區的城鄉融合發展是國家戰略的重要內容，也是促進區域協調發展和生態文明建設的必然要求。有研究表明，西北地區農業碳排放主要源于種植業和畜牧業兩個子系統，且在1980—2020 年農業溫室氣體排放量呈現出波動增長趨勢，與該地區實現可持續發展和“兩碳”目標相背離[19]。西北地區城鄉融合對農業碳排放的影響是一個復雜的系統問題，涉及多個方面的因素，具有較強的可研究性。

1.2 模型設定

（1）探索性空間數據分析

在建立空間計量經濟學模型之前，需要對農業碳排放強度進行相關性檢驗。本文借鑒相關文獻[20] 的做法，采用全局自相關（Moran's I）對各省區之間的相關性進行測算，以衡量空間計量模型的合理性，計算公式如下：

式中：n 代表研究對象數量；xi 代表各個區域的觀測數據；x 為樣本的平均值；Wij 表示地理空間權重矩陣，該矩陣描述了地區間的空間聯系和相互作用。I 為莫蘭指數，I>0 表示空間正相關，I <0 表示空間負相關，I ＝ 0 則表示不存在空間相關性。

（2）空間杜賓模型

傳統回歸模型忽視空間異質性特征和變量之間的相互關系，結果往往不太理想。本文所采用的空間杜賓模型（SDM）是常用的空間計量方法，其既可以分析區域內被解釋變量和解釋變量之間的關系，還可以衡量其它相鄰區域的因變量和自變量的滯后效應對該區域的影響，進而可全方位的評估因變量對自變量的作用。故其可以用來研究城鄉融合與碳排放之間的關系，如式（2），簡化公式如式（3）：

1.3 變量測度及選取

（1）被解釋變量

農業碳排放強度（Q）。為降低西北地區的農業碳排放，首先需要對農業活動產生的碳排放進行精確評估。根據學者的相關研究，目前普遍采用生命周期法來測算農業碳排放，該方法考慮了農業生產全過程中各個環節碳的直接和間接排放，包括種植，施肥（飼養）及生長（動物腸道消化）等過程中產生的CO2、N2O 和CH4 等溫室氣體。按照國際公認的核算體系和方法，對農業和畜牧業的碳排放從以下4 個部分來衡量。（1）耕地土壤碳排放。指土地翻耕所產生的碳，主要為N2O，不同類型的作物單位碳排放系數有所差異；（2）農資投入碳排放：農業生產過程中由于使用化肥、農藥、農膜、柴油等產生的一定量的溫室氣體，而化肥為第一大碳源；（3）水稻種植碳排放。指稻田種植中直接排放的CH4 量，水稻的碳排放系數因區域環境的不同而相異，且由于單季稻栽培且生產周期不穩定，本文以中位數128天為生產周期作為核算標準[21-22]；（4）畜牧養殖碳排放。指我國一些常見的植食性動物在消化食物和排泄糞便時所產生的CH4、N2O 等氣體。借鑒謝會強等[23] 對農業碳排放的測算公式來測算相關數據：

式中：E 為溫室氣體碳排放總量；Ei 為引發碳排放的第i類源；Si，ei 分別為第i 類農業溫室氣體的種類及排放系數。為便于分析，將計算出來的溫室氣體排放量統一折算成CO2 當量。本文使用單位農業產值的碳排放量來衡量農業碳排放強度，計算公式如下。其中，NGDP 為農業總產值。

農業碳排放源及系數見表1。

（2）解釋變量

為綜合反映城鄉融合水平水平（Ur），需要考慮發展的全過程因素，綜合分析對比類指標，傳導動力類指標和現實狀態類指標來反映其水平。故本文借鑒相關文獻[25]，從經濟的融合（ei）、社會生活的融合（sli）以及資源與環境的融合（rei）3 個方面構建指標體系，并定性其性質，具體指標如表2。并借助熵值法確定相關指標權重，對城鄉綜合水平進行系統評價。

經濟發展水平是社會生產力的物質基礎，與城鄉融合和農業碳排放密切相關，故本文選取經濟增長（Cdp）為門檻變量進行分析。經濟增長用經濟增長速度來衡量，當一個地區Cdp 水平較低時，為提高人均收入，宏觀發展戰略會把城鄉經濟發展放在首位，這就會產生環境問題，此時農業經濟增長往往伴隨著高污染、高排放。

（3）控制變量

考慮到西北地區各省份之間經濟發展水平、人力資本及經濟結構之間存在顯著差異，本文參照已有的文獻，選擇產業結構（is）、農業發展水平（adl）、受災程度（dd），科技創新水平（til）和受災程度（dd）等5 個指標作為控制變量。其中，產業結構以地區三產增加值和二產增加值之比表示。農業發展水平（adl）用區域的農業生產總額除以區域農村總人數表示。受災程度（dd）以種植面積中受災的農作物面積所占比例表示。科技創新水平（til）用地區授權專利與地區總人口比值表示。農業機械化水平（aml）用地區農業機械動力與農村總人口比值表示。

1.4 數據來源

本研究所需要的化肥、農藥、地區GDP、城鎮和農村人口等數據主要來源于《中國統計年鑒》、《中國農村統計年鑒》和《中國環境統計年鑒》及西北5 省的統計年鑒。其中，化肥施用量用折純量來表達，借助線性插值法對缺失數據進行補充；GDP 則以2010 年為基準期進行平減。

2 結果與分析

2.1 農業碳排放強度與城鄉融合水平評價

如圖1（a-c），通過對歷年西北5 省區農業碳排放強度進行測算得知，2011—2021 年西北5 省區農業碳排放強度整體呈現不同程度的下降態勢。其中：青海省在整個研究期內農業碳排放強度均高于其他省區（最高達到1.1617），這主要是源于青海畜牧業發達，而較高的碳排放足跡決定了其碳排放強度的大小；寧夏、甘肅、陜西和新疆在研究期內的農業碳排放強度均呈緩慢下降態勢，而陜西則長期保持最低。從圖1 （d-f） 可知，在研究期內，西北5 省區整體的城鄉融合水平呈現不斷上升的態勢，特別是陜西的城鄉融合水平在研究期內一直保持較高水平，而甘肅省的城鄉融合水平則相對較低。這表明陜西在城鄉發展一體化方面取得了顯著的進展，城鄉之間的經濟、社會和環境聯系更加緊密。

2.2 實證分析

（1）空間自相關檢驗

從表3 得知，整個研究期內西北地區農業碳排放強度的Moran's I 的P 值均通過顯著性檢驗，說明農業碳排放強度的空間分布并非隨機，而是具有空間特征，且表現為正相關，這表明其具有較強的空間依賴特征，即其碳排放強度會受到相鄰省域碳排放強度的影響，因此可以做進一步分析。

（2）空間計量模型選擇

為選擇合適的空間計量模型，采用LM、LR 及Wald進一步檢驗，結果如表4 所示。空間誤差最大似然檢驗（LM-error）、空間滯后最大似然檢驗（LM-lag）、穩健性空間誤差最大似然檢驗（Robust-LM-error）和穩健性空間滯后最大似然檢驗（Robust-LM-lag）的結果均在1%的顯著性水平下表現顯著，說明城鄉融合對農業碳排放強度影響的模型選擇應同時考慮空間滯后項和空間誤差項，由于空間杜賓模型包含了這兩種效應，因此初步判定選擇空間杜賓模型。似然比（LikelihoodRatio， LR）檢驗和沃爾德（Wald）檢驗值均通過了1% 的顯著性水平檢驗，拒絕原假設，表明選擇SDM 模型是正確的。此外，本文構建了隨機效應、時空雙固定、時間固定和空間固定效應等四種效應下的SDM 模型，比較其擬合優度（Adj-R2）和對數似然估計值（Log-likelihood）（如表5）發現，時間固定效應模型整體表現最好，故選取時間固定效應下的SDM 模型。

（3）空間回歸分析

采用SDM 模型對城鄉融合對農業碳排放強度的空間效應作進一步分析得知：空間自相關回歸系數在1% 的水平下表現顯著，且存在負向影響關系，表明相鄰省域的農業碳排放強度對鄰近省份的農業碳排放強度產生了抑制效果，且具有顯著的空間依賴性。城鄉融合水平對核心解釋變量在1% 的顯著性水平下表現顯著，且存在負向影響（-0.331），表明城鄉融合水平越高，農業碳排放強度反而降低。測算發現，其空間滯后系數（Wur）在5%的顯著水平下呈正相關（1.652），表明城鄉融合發展的同時會降低鄰近省份城市的農業碳排放（表6）。經濟融合、社會生活融合、資源與環境融合對農業碳排放產生負向較顯著的影響。經濟融合可以促進農業生產效率，提高農產品附加值。社會生活融合可以增強農民的環保意識，提高農業廢棄物的利用效率，減少農業對土地、水等資源的過度開發。通過資源與環境的保護協調，實現農業生態系統結構合理和功能的優化，提高農業碳匯的能力，減少農業碳排放的程度。資源與環境融合可以優化農業生態系統的結構和功能，增加農業碳匯的潛力，降低農業碳排放的強度。從控制變量的顯著性來看，本地區農業碳排放強度受科技創新水平、產業結構、農業發展水平，受災程度和農業機械化水平等因素的顯著影響，其中農業發展水平和農業機械化水平對農業碳排放有促進作用，而產業結構、受災程度和科技創新水平則對農業碳排放產生抑制作用。

為深入探討其空間效應，對解釋變量的空間滯后項做偏微分，并從直接、間接和總效應三個維度分別進行分析，結果如表7。從直接效應來看，城鄉融合水平在5％的顯著水平下呈負相關（-0.7172），表明某省城鄉融合水平的提升對本省農業碳排放具有顯著的抑制效果。假設其他因素保持不變，城鄉融合水平每提高1 個單位，本省的農業碳排放強度降低0.717 個單位。從間接效應來看，城鄉融合水平在1% 的水平下顯著呈正相關，表明其具有顯著的空間溢出效應。在單一變量條件下，某省的數字城鄉融合水平每提高1%，鄰近省份的農業碳排放強度就會提高1.923%，表明數字城鄉融合水平對周邊省份具有顯著的“典范效應”，能夠有效抑制鄰近省份農業碳排放。經濟融合、社會生活融合、資源與環境融合的直接效應和間接效應均在10% 的顯著性水平下呈正相關，說明為了有效降低農業碳排放，應該加強城鄉各領域的融合發展。

控制變量中產業結構和農業發展水平的直接效應在5％的水平下顯著呈負相關，說明產業結構和農業發展水平抑制農業碳排放。這表明隨著產業結構和農業發展水平的提高，農業所產生的碳排放量呈現出逐漸減少趨勢。究其原因：一方面，產業結構決定了農業對能源、化肥、農藥等投入品的需求和消耗，從而影響農業生產中能源和非能源排放的水平。另一方面，農業發展水平反映了農業生產技術和管理水平，而其又影響農業生產效率和資源利用效率。受災程度對農業碳排放有一定的負向影響，顯著性較弱且對農業碳排放的影響較小。這是由于受災程度一方面只會影響農民對農業生產的投入選擇，而對農業碳排放影響較弱，另一方面，農業具有固碳功能，可以抵消部分農業碳排放，因此，自然災害不會導致農業碳排放的大幅波動。科技創新水平與農業機械化水平的直接和間接效應均表現顯著，且存在正向影響關系，這表明科技創新水平及農業機械化水平提升會導致該省及相鄰省份農業碳排放增加。

（4）門限效應分析

上文已經證明了城鄉融合水平能夠有效降低農業碳排放強度，但城鄉融合對農業碳排放強度的影響是多方面的，且這種影響會隨著城鄉融合水平的變化而呈現出非線性的特征。為更深入分析該影響，本文以經濟增長為門檻變量，基于面板門檻模型檢驗城鄉融合是否存在對農業碳排放強度的門檻效應。表8 結果表明，經濟增長僅通過了單一門檻檢驗，這表明以經濟增長作為門檻變量時，只存在單重門檻效應。表9 顯示了相應的門檻區間及回歸系數，當Cdp≤0.150，即經濟增長處于較低水平時，城鄉融合對農業碳排放強度表現出較強的抑制效應。當Cdp≥0.150，雖然仍表現為抑制效應，但有所緩和。

3 結論與建議

3.1 結論

主要結論如下：（1）西北地區整體農業碳排放強度均呈下降態勢，城鄉融合水平均呈上升態勢。其中，在研究區域內，陜西省呈現出農業碳排放強度低、城鄉融合水平高的特征，表明陜西在減少農業碳排放方面取得了顯著成效，并在促進城鄉融合發展方面取得了積極進展。（2）城鄉融合對農業碳排放強度的抑制作用表現出顯著的空間依賴特征和負向空間溢出效應。不僅本省城鄉融合對本省農業碳排放強度有直接的抑制作用，相鄰省份城鄉融合對本省農業碳排放強度也產生了顯著的抑制效應。其中，資源與環境的融合對農業碳排放的影響最顯著也最直接，所以城鄉融合需要在保護環境的前提下進行。（3）經濟增長水平在城鄉融合對農業碳排放強度的影響中存在單重門檻效應。當經濟增長水平低于門檻值時，城鄉融合水平的提升會加劇農業碳排放強度的下降，而當經濟增長水平較高時，城鄉融合水平的提升對農業碳排放強度的抑制作用則相對減弱。（4）農業碳排放強度同時也受到多種因素影響。研究所選取的控制變量對農業碳排放強度的作用及影響程度各不相同。

3.2 建議

加強區域間城鄉融合的空間協調和互動協作，促進不同區域間的合作交流和城鄉融合發展，降低總體農業碳排放強度。此外，還應該優化城鄉規劃和建設，完善城鄉空間布局和功能分區，提高城鄉基礎設施和公共服務的共享水平，加強城鄉資源要素的流動性和配置效率，實現經濟社會的可持續發展。

根據經濟發展的不同階段，制定有針對性的城鄉融合發展戰略，實現對農業碳排放強度的動態調節。在經濟發展水平較低的階段，應優先促進城鄉要素的流動和交換，實現農村勞動力向非農產業轉移，增加農業勞動效率；在經濟發展水平較高的階段，應優先促進城鄉要素的整合和協調，實現產業結構優化和升級，提高農業附加值。優化農業的產業布局，推動農業的生態化、循環化、低碳化的轉型。既要鼓勵和幫助農業生產者調整種養殖機構和方式，發展綠色、有機、生態農業，提升產品的質量和價值，從而增加經濟收入。又要大力培育和扶持新型農業經營主體發展，推動農業產業化、規模化、集約化和現代化發展，提高農業生產效率和資源利用效率。同時，還要強化對農業科技創新的支持，提高農業機械化水平，降低能源消耗和廢氣排放。

參考文獻（References）

[1] 程琳琳， 張俊飚， 田云， 等. 中國省域農業碳生產率的空間分異特征及依賴效應[J]. 資源科學，2016，38（2）：276-289.

CHENG L L， ZHANG J B， TIAN Y， et al， The spatial variationcharacteristics and dependency of agricultural carbon productivityin China[J]. Resources Science， 2016，38（2）：276-289.

[2] 王丹妮. 基于上海市土地利用方式變化下的土壤有機碳儲量核算研究[J]. 上海國土資源，2021，42（3）：1-6.

WANG D N. Soil organic carbon storage based on land use changein Shanghai[J]. Shanghai Land & Resources， 2021，42（3）：1-6.

[3] 翁翎燕， 李偉霄， 張梅， 等. 江蘇省農田生態系統凈碳匯時空演變特征[J]. 長江流域資源與環境，2022，31（7）：1584-1594.

WENG L Y， LI W X， ZHANG M， et al. Spatial and temporalevolution of net carbon sink of farmland ecosystems in JiangsuProvince[J]. Resources and Environment in the Yangtze Basin，2022，31（7）：1584-1594.

[4] 孔慶華. 土地整治視角下鄉村低碳更新研究[J]. 上海國土資源，2022，43（2）：40-45.

KONG Q H. Research on rural low carbon renewal from theperspective of land consolidation[J]. Shanghai Land & Resources，2022，43（2）：40-45.

[5] 田云， 尹忞昊. 中國農業碳排放再測算： 基本現狀、動態演進及空間溢出效應[J]. 中國農村經濟，2022（3）：104-127.

TIAN Y， YIN M H. Re-measurement of agricultural carbonemissions in China： basic status， dynamic evolution and spatialspillover effects[J]. Chinese Rural Economy， 2022（3）：104-127.

[6] 王心宇， 彭馨怡， 駱美婷， 等. 經濟新常態下創新驅動型現代低碳農業發展研究——以成都平原地區為例[J]. 中國農業資源與區劃，2020，41（4）：134-142.

WANG X Y， PENG X Y， LUO M T， et al. Research on thedevelopment of innovation-driven modern low-carbon agricultureunder the new economic normal： a case study of Chengdu plainarea[J]. Chinese Journal of Agricultural Resources and RegionalPlanning， 2020，41（4）：134-142.

[7] ZHANG L， PANG J X， CHEN X P， et al. Carbon emissions， energyconsumption and economic growth： Evidence from the agriculturalsector of Chinas main grain-producing areas[J]. Science of theTotal Environment， 2019，665（C）.

[8] CUI Y， KHAN S U， SAUER J， et al. Exploring the spatiotemporalheterogeneity and influencing factors of agricultural carbonfootprint and carbon footprint intensity： Embodying carbon sinkeffect[J]. The Science of the Total Environment， 2022，846.

[9] 王彩娟， 季順偉， 任麗燕. 長三角城市群能源碳排放空間關聯及其影響因素研究[J]. 上海國土資源，2022，43（3）：8-14.

WANG C J， JI S W， REN L Y. Spatial correlation and influencingfactors of energy carbon emissions in Yangtze River Delta urbanagglomeration[J]. Shanghai Land & Resources， 2022，43（3）：8-14.

[10] 趙偉佚， 潘瑋， 李裕瑞. 縣域內城鄉融合發展： 理論內涵與研究進展[J]. 地理研究，2023，42（6）：1445-1464.

ZHAO W Y， PAN W， LI Y R. Integrated urban-rural developmentin the county： theoretical connotation and research progress[J].Geographical Research， 2023，42（6）：1445-1464.

[11] 黃賢金. 中國土地制度改革40 年與城鄉融合的發展之路[J]. 上海國土資源，2018，39（2）：1-3.

HUANG X J. China's land system reform in 40 years and thedevelopment road of urban-rural integration[J]. Shanghai Land &Resources， 2018，39（2）：1-3.

[12] 葉菲菲. 鄉村振興背景下城鄉融合發展的困境與出路[J]. 農業經濟，2020（10）：94-95.

YE F F. The dilemma and way out of urban-rural integrationdevelopment in the context of rural revitalization[J]. AgriculturalEconomy， 2020（10）：94-95.

[13] 賀立龍， 劉丸源. 共同富裕與現代化視域下的鄉村振興、城鄉融合與區域協調發展研究[J]. 政治經濟學評論，2023，14（3）：89-105.

HE L L， LIU W Y. Study on rural revitalization， urban-ruralintegration and coordinated regional development in the contextof common prosperity and modernization[J]. China Review ofPolitical Economy， 2023，14（3）：89-105.

[14] 姚毓春， 張嘉實， 趙思桐. 數字經濟賦能城鄉融合發展的實現機理、現實困境和政策優化[J]. 經濟縱橫，2022（12）：50-58.

YAO Y C， ZHANG J S， ZHAO S T. The realization mechanism，practical dilemma and policy optimization of digital economyenabledurban-rural integration development[J]. Economic Journal，2022（12）：50-58.

[15] 胡西武， 蘇云清， 李毅. 青海省城鄉融合時空分異及影響因素研究——以城鄉收入差距為視角[J]. 青海民族大學學報（ 社會科學版），2020，46（4）：36-45.

HU X W， SU Y Q， LI Y. A study on the spatial and temporaldivergence of urban-rural integration in Qinghai Province and itsinfluencing factors： the urban-rural income gap as a perspective[J].Journal of Qinghai University for Nationalities （Social ScienceEdition）， 2020，46（4）：36-45.

[16] 王喬喬， 孫鵬舉， 李曉丹， 等. 蘭州市縣域城鄉融合發展水平測度研究[J]. 上海國土資源，2020，41（4）：23-28.

WANG Q Q， SUN P J， LI X D， et al. Research on the measurementof urban and rural integration development level in Lanzhou[J].Shanghai Land & Resources， 2020，41（4）：23-28.

[17] 武春桃. 城鎮化對中國農業碳排放的影響——省際數據的實證研究[J]. 經濟經緯，2015，32（1）：12-18.

WU C T. The impact of urbanization on agricultural carbonemissions in China： an empirical study of inter-provincial data[J].Economic Survey， 2015，32（1）：12-18]

[18] 鄭亦伶， 苑韶峰. 基于土地利用的碳排放時空分析[J]. 上海國土資源，2013，34（2）：33-36.

ZHENG Y L， YUAN S F. Spatial-temporal analysis of carbonemissions from land-use[J]. Shanghai Land & Resources，2013，34（2）：33-36.

[19] 范紫月， 齊曉波， 曾麟嵐， 等. 中國農業系統近40 年溫室氣體排放核算[J]. 生態學報，2022，42（23）：9470-9482.

FAN Z Y， QI X B， ZENG L L， et al. Accounting of greenhouse gasemissions in Chinas agricultural system in recent 40 years[J]. ActaEcologica Sinica， 2022，42（23）：9470-9482.

[20] 韓金雨， 曲建升， 徐麗， 等. 支農財政對農業碳排放強度的空間效應： 基于空間杜賓模型的實證分析[J]. 生態與農村環境學報，2021，37（11）：1404-1412.

HAN J Y， QU J S， XU L， et al.Spatial effects of agricultural financeon agricultural carbon emission intensity： an empirical analysisbased on the spatial Durbin model[J]. Journal of Ecology and RuralEnvironment， 2021，37（11）：1404-1412.

[21] 林志敏， 李洲. 再生稻田溫室氣體排放特征及碳足跡[J]. 應用生態學報，2022，33（5）：1340-1351.

LIN Z M， LI Z. Greenhouse gas emission characteristics and carbonfootprint of regenerated rice fields[J]. Chinese Journal of AppliedEcology， 2022，33（5）：1340-1351.

[22] 陳田， 潘竟虎. 2009-2019 年中國人為CH4 排放量的估算及時空格局[J]. 中國環境科學，2022，42（12）：5549-5560.

CHEN T， PAN J H. Estimation of anthropogenic CH4 emissions andspatial and temporal patterns in China from 2009 to 2019[J]. ChinaEnvironmental Science， 2022，42（12）：5549-5560.

[23] 謝會強， 吳曉迪. 城鄉融合對中國農業碳排放效率的影響及其機制[J]. 資源科學，2023，45（1）：48-61.

XIE H Q， WU X D.The impact of urban-rural integration onthe efficiency of agricultural carbon emissions in China and itsmechanism[J]. Resource Science， 2023，45（1）：48-61.

[24] 李波， 張俊飚. 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 B， ZHANG J B. Spatio-temporal characteristics and influencingfactor decomposition of agricultural carbon emission in China[J].China Population， Resources and Environment， 2011，21（8）：80-86.

[25] 楊一鳴， 王健. 中國城鄉實體要素流動對城鄉融合發展的影響機制研究[J]. 地理科學進展，2022，41（12）：2191-2202.

YANG Y M， WANG J. Study on the influence mechanismof physical factor flow between urban and rural areas on thedevelopment of urban-rural integration in China[J]. Progress inGeography， 2022，41（12）：2191-2202.