“雙碳”目標下黃河流域農業生態效率的動態演進與收斂特征

何妮 姚聰莉 張暢

摘 要：“雙碳”目標下推進黃河流域農業生態效率提升，是推動實施黃河流域生態保護和高質量發展戰略的重要途徑。在農業減排固碳的發展要求下，以落實農業“雙碳”目標為著力點，運用超效率SBM模型、Dagum基尼系數和收斂檢驗方法，測度2006-2021年黃河流域農業生態效率的時序演進、空間差異和收斂特征。結果表明：黃河流域農業生態效率整體呈波動上升趨勢，但整體農業生態效率水平偏低，形成了“下游領跑、中游追趕、上游落后”的空間格局;黃河流域內農業生態效率差異逐漸擴大，差異主要源自超變密度，區域內差異由低到高依次為上游、下游和中游;黃河流域整體及上、中、下游的農業生態效率不存在σ收斂現象，但都存在顯著的β絕對收斂和β條件收斂，種植業產值、機械化水平、農業產業集聚度、產業結構高級化水平等因素對β條件收斂的影響具有異質性。

關鍵詞：農業生態效率;黃河流域;碳達峰;碳中和;動態演進;收斂特征

中圖分類號：F061.5 文獻標志碼：A 文章編號：1009-9107（2024）03-0149-12? DOI：10.13968/j.cnki.1009-9107.2024.03.16

引 言

黨的二十大報告中提出“實現碳達峰碳中和是一場廣泛而深刻的經濟社會系統性變革”，要“推進生態優先、節約集約、綠色低碳發展”，進而實現“積極穩妥推進碳達峰碳中和”［1］。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》中提出“提升城鄉建設、農業生產、基礎設施適應氣候變化能力”，并將“單位國內生產總值能源消耗和二氧化碳排放分別降低13.5％、18％”列為“十四五”時期經濟社會發展主要目標［2］。低碳發展是當前人類社會可持續發展的重要議題，農業生產直接或間接導致大量溫室氣體排放［3］，農業碳排放是我國碳排放的重要構成，農業生態效率是影響碳減排目標實現的重要因素［4］。黃河流域是我國重要的生態屏障和經濟地帶［5］，黃河流域農業高質量發展對于保障國家糧食安全和生態安全具有重要意義［6］。在碳達峰、碳中和這個“雙碳”目標下推進黃河流域農業生態效率提升，是推動實施黃河流域生態保護和高質量發展戰略的重要途徑。

目前，黃河流域仍面臨著較為嚴峻的生態環境形勢［7］，區域植被破壞和水土流失等生態問題依舊突出［8］。由于黃河流域上中下游自然條件和農業資源分布的巨大差異［9］，其農業發展需要直面農業資源的剛性約束，導致黃河流域農業發展存在水資源短缺、資源環境高負載、土地利用變化差異明顯［10］等難題，面臨著流域內農業面源污染［11］、碳排放量持續走高［12］、土壤退化［13］等問題。這些因素均導致黃河流域農業生態效率的空間分布存在一定的差異性。農業生態效率是生態效率在農業領域的引申和拓展［14］，反映了農業在資源利用效率、環境保護、生態安全以及經濟社會發展等方面的表現。粗放型的傳統農業生產方式會導致農業生態系統的結構失衡和功能退化［15］。因此，農業生態效率是指農業生產系統在適應生態環境承載力的前提下［16］，采用合理的生產方式、技術和管理措施，在實現農業生產目標的同時減小對環境資源的消耗和污染［17］，提高資源利用效率并維護生態環境質量和穩定性。農業生態效率既要強調農業生產效率與環境效益的統一［18］，也要充分考慮農業生產對環境的負面影響如碳排放和地表污染等［19］。學者們對農業生態效率的測度方法、空間差異和收斂性等方面進行了一定的研究。農業生態效率的測度方法方面，主要包括隨機前沿分析（SFA）方法［20］、數據包絡分析（DEA）方法［21-23］、兩階段網絡 EBM 模型［24］、三階段超效率DEA模型［25］、SBM模型［26］等。由于農業生產過程中的農業面源污染［27-28］、農業碳排放［14，29］等非期望產出不可避免地對農業生態效率有著一定影響，包含非期望產出的超效率SBM模型被應用于農業生態效率的測度中［30-31］。在農業生態效率的空間差異研究方面，Dagum基尼系數分析方法可以克服傳統基尼系數和泰爾指數的局限，有效揭示空間差異的具體來源，已有研究將Dagum基尼系數運用在經濟高質量發展及區域差異［32］、能源環境效率［33］、中國農業生態效率的省際差異［14］、黃河流域農業水土資源時空匹配特征［34］等方面。隨著農業生態效率的重要性日益凸顯，學者們研究了省域耕地生態效率的收斂性［35］、黃河流域農業用水效率的動態演進與收斂性［36］，以及空間視角下中國農業生態效率的收斂性與分異特征［18］。例如王寶義等分析了中國農業生態效率的σ收斂特征，發現全國及東部、中部、西部地區農業生態效率差異呈現一定的發散趨勢［14］。

綜上所述，學者們關于農業生態效率的研究具有視角多元化、方法多樣化、多學科交叉融合的特點，這些都為進一步研究“雙碳”目標下黃河流域農業生態效率奠定了重要基礎，但仍存在進一步探索的空間。一是目前關于黃河流域農業生態效率的研究大都以省域為研究對象，鮮有研究從地區內部發掘農業生態效率的差異特征。二是以農業面源污染作為非期望產出指標的研究居多，鮮有學者將農業碳排放納入黃河流域農業生態效率的評價體系中。三是針對黃河流域農業生態效率收斂性分析的研究較少，并且沒有充分考慮內生性和外生性兩方面因素對農業生態效率的影響。鑒于此，本文測算黃河流域86個樣本地市（州、盟）2006-2021年的農業生態效率，采用Dagum基尼系數揭示黃河流域農業生態效率的區域差異及發展趨勢，運用收斂檢驗方法分析其收斂特征，考察各個影響因素對其收斂特征的影響，以期為“雙碳”目標下提升黃河流域農業生態效率、縮小流域內農業生態效率差距，進而實現更高水平收斂的實踐提供實證性研究結論支持。

一、研究設計

（一）研究方法

1.超效率SBM模型。傳統的DEA模型分析結果會出現多個決策單元（DMU）被評價為有效的情況。而包含非期望產出的SBM模型具有非徑向、非角度的特征，考慮了松弛變量問題，可以解決多個有效決策單元的排序問題［37］。超效率SBM模型在傳統DEA模型基礎上引入了超效率值的概念，超效率值大于1表示該決策單元相對于其他決策單元具有更高的效率水平［38］。含有非期望產出的超效率SBM模型如下：

min ρ=1m∑mi=1（x/xik）1r1+r2∑r1s=1yd/ydsk+∑r2q=1yu/yuq ks.t. x≥∑nj=1，≠kxijλj i=1，…，myd≤∑nj=1ydsjλj s=1，…，r1

yu=∑nj=1yuqjλj q=1，…，r2λj＞0 j=1，…，nx≥xk i=1，…，myd≤ydk s=1，…，r1yu≥yuk q=1，…，r2（1）

式（1）中，ρ為農業生態效率值，假設有n個DMU，每個 DMU由期望產出r1和非期望產出r2構成，其中x、yd和yu是相應的投入矩陣、期望產出矩陣和非期望產出矩陣中的元素。當農業生態效率值ρ≥１時，代表決策單元相對有效;當農業生態效率值ρ＜１時，代表決策單元相對無效，即存在效率損失。

2.Dagum基尼系數。Dagum基尼系數是對傳統基尼系數和泰爾指數的一種改進，其優點包括識別指標間的非線性關系，在計算過程中的誤差更小，且當樣本數量增加時度量結果將更接近實際值，具有較好的規范性和解釋性等。Dagum基尼系數可以分解為區域內差距貢獻、區域間差距貢獻以及超變密度的貢獻，其中超變密度的貢獻代表由于交叉項存在而對總體差距產生影響的貢獻。因此，本文采用Dagum基尼系數刻畫黃河流域農業生態發展不平衡現狀并探討農業生態效率差異來源。具體計算過程可參見Dagum［39］、王寶義［14］、高蕓［34］等人的研究。

3.收斂分析方法。新古典經濟學中的收斂理論可以用于研究黃河流域農業生態效率是否存在收斂，即各區域的農業生態效率差距是否隨著時間的推移而縮小。本文從σ收斂和β收斂兩個層面檢驗黃河流域農業生態效率的收斂性。

σ收斂衡量黃河流域各區域農業生態效率差距隨時間變化而縮小的趨勢。本文采用變異系數衡量σ收斂，計算公式為：

σj=∑Nji（Qij－Qij）2/NjQij（2）

式（2）中，j表示黃河流域上、中、下游地區（j=1，2，3），i表示上、中、下游三個地區內的城市數量（i=1，2，3，…），Nj表示第j個地區內城市個數，Qij表示為 j地區i城市的農業生態效率值，Qij為j地區內i城市的農業生態效率均值。隨著時間的推移，如果σj值逐步變小表明該地區內具有σ收斂，區域內各城市的農業生態效率離散程度逐漸降低，其農業生態效率差異逐步縮小，反之則不存在σ收斂。

β收斂包括β絕對收斂和β條件收斂，其中β絕對收斂是為了比較區域之間的“追趕效應”，計算公式如下：

ln（Ｑi，t+1/Qit）=α+βln Qit+μi+ηt+εit（3）

式（3）左側為采用對數差分計算農業生態效率的年增長率，i表示區域內城市數量，t表示時間，Qi，t+1表示i區域在t+1時期的農業生態效率，Qit表示i區域在t時期的農業生態效率，μi為地區固定效應，ηt為時間固定效應，α、β、ε分別為常數項、收斂系數和隨機誤差項。如果β值小于0且通過顯著性水平檢驗，表明黃河流域農業生態效率發展存在β收斂，反之則不存在β收斂。

β條件收斂是為了分析各個影響因素對區域間的追趕效應的作用效果，計算公式如下：

lnQi，t+1Qit=α+βln Qit+λ∑nj=1ln Cjit+μi+ηt+εit（4）

式（4）中n為控制變量個數，C為控制變量，j為第j個控制變量，λ為控制變量待估參數，其他參數含義同上。如果β值小于0且通過顯著性水平檢驗，表示該樣本區域內農業生態效率發展處于收斂狀態，反之則處于發散狀態。

（二）變量確定

1.核心變量：農業生態效率。提升農業生態效率的目的是以盡可能低的農業資源投入和環境成本，獲得盡可能高的農業經濟效益并實現生態保護，是農業經濟、資源利用和環境保護三者協調共贏關系的綜合體現。本文構建了面向“雙碳”目標的黃河流域農業生態效率的評價指標體系，以土地投入［31］、勞動投入［18］、機械投入［24］、用水投入［25］、化肥投入［40］等為黃河流域農業生態資源投入指標，以農業總產值［4］為期望產出指標，以農業碳排放［14，29］為非期望產出（見表1）。農業碳排放測算方法參考李波［41］、王寶義［14］的計算方法。

2.控制變量。農業生態效率受到自然條件、農業發展狀況、經濟環境等多種因素的影響，例如產業結構、生產技術和管理等會影響農業生態效率［42］，提升農業機械水平［43］、農業市場化程度［44］、農業教育培訓［45］等是有效提高農業綜合效益的重要手段。如表1所示，參考已有研究，并考慮數據的可獲得性，選擇以下控制變量作為黃河流域農業生態效率的影響因素：種植業產出，反映種植業總產值對農業生態效率的影響;農業機械化水平，反映農業技術進步對農業生態效率的影響;農業產業集聚度，反映農業空間集群對農業生態效率的影響;產業結構高級化，反映第二、三產業發展程度對農業生態效率的影響。

（三）數據來源

黃河呈“幾”字形流經青、川、甘、寧、蒙、陜、晉、豫、魯 9 省（自治區）。在既有研究中，由于政府并未給出具體的城市名單，不同的研究選取城市的口徑差異較大［46-49］。考慮到四川省現已劃入長江經濟帶，而內蒙古的蒙東的呼倫貝爾市、興安盟、通遼市、赤峰市屬于東北地區［48-49］，在研究中予以剔除。依據中共中央、國務院印發的《黃河流域生態保護和高質量發展規劃綱要》，并結合黃河流域委員會對黃河流域范圍的界定，本文選取黃河流域的86個樣本地市（州、盟）的面板數據作為研究對象。以河口鎮、桃花峪作為黃河流域上、中、下游之間的分界點，將黃河流域分為上、中、下游三個地區開展研究，每個地區中分別包括 30個、26個和 30個地市（州、盟）。原始數據主要源于《中國城市統計年鑒》和各省（區）統計年鑒，個別缺失數據采用指數平滑法進行補充，數據時間跨度為2006-2021年。

二、黃河流域農業生態效率測算及結果分析

圖1表明黃河流域農業生態效率呈現波動上升的發展態勢，由2006年的0.195 2上升至2021年0.694 2。其中，2006-2010年黃河流域農業生態效率呈小幅波動，2011年之后呈現穩定上升的趨勢。2011年中共中央、國務院印發《關于加快推進農業科技創新持續增強農產品供給保障能力的若干意見》中提出“構建適應高產、優質、高效、生態、安全農業發展要求的技術體系”，“十三五”規劃中提出“大力發展生態友好型農業”，目標是“走產出高效、產品安全、資源節約、環境友好的農業現代化道路”，黨的十九大強調“構建現代農業產業體系、生產體系、經營體系”，2021年出臺《黃河流域生態保護和高質量發展規劃綱要》。以上文件、政策及精神明確了我國農業發展的戰略定位、目標方向、價值立場和方法路徑，為黃河流域農業生態效率提升注入“強心劑”。同時應注意到，雖然2006-2021年黃河流域農業生態效率呈波動上升態勢，但其農業生態效率值整體偏低。可能是由于黃河流域地勢高低不平、旱澇災害頻發、土壤肥力和水資源分布不均等，再加上土地資源利用率偏低、生產技術相對落后、農業產業結構不夠合理等原因，這些因素都對黃河流域農業生產和生態環境形成制約，導致其農業生態效率整體較低。另外，黃河流域農業生態效率形成了“下游領跑、中游追趕、下游落后”的空間格局。在大多數年份，上游的農業生態效率低于流域平均水平，仍有較大的提升空間，中游和流域平均水平變動趨勢一致，下游明顯高于流域平均水平。

圖2展示了2006年、2011年、2016年、2021年黃河流域各地市（州、盟）農業生態效率值。2006年黃河流域各地市的農業生態效率大都處于較低水平，2011年、2016年出現了較為明顯的分化，中游、下游地區的農業生態效率明顯高于上游地區。2021年這種分化趨勢進一步加劇，農業生態效率較高的西安、咸陽、寶雞、運城、三門峽、威海、煙臺、淄博、日照等市大多數位于黃河流域中下游地區，而農業生態效率較低的吳忠、石嘴山、西寧等市大都位于黃河流域上游地區。這可能是因為，黃河流域上游地區生態環境相對脆弱、植被較為稀疏、土壤肥力較低，并且上游地區農業生產以家庭經營為主，這種分散式的農業經營方式在一定程度上限制了農業產值增加，從而使得農業生態效率低下。相比之下，黃河流域中游地區在面臨水資源緊張、土壤侵蝕嚴重等情況下，采用了保護性耕作、無土栽培、滴灌等先進技術，應用了現代化的農業生產設備，提高了農業資源的利用率。同時，通過植樹造林、水土保持等方式加大水資源保護和治理力度，從而改善了生態環境，實現了農業低碳化發展和生態效率提升。黃河流域下游地區是中國農業發展的重要基地之一，通過逐步調整種植業結構、推廣優質高產的作物品種提高了農業產值，利用豐富的棚室資源種植溫室蔬菜、瓜果、花卉等高附加值農產品，推廣新型農機具和先進農業技術，提高了農業生產效率。并且通過農民專業合作社、家庭農場等農業生產主體的緊密合作，實現農產品的產業化、規模化、標準化生產，在提高農業總產值的同時減少碳排放，其農業生態效率明顯高于中游地區和上游地區。

三、黃河流域農業生態效率區域差異分析

上述分析表明，黃河流域農業生態效率呈現明顯的空間非均衡性，并且其空間非均衡特征隨時間推移而發生動態演變，其中上游地區的農業生態效率總體低于中游、下游地區。本文采用Dagum基尼系數方法揭示黃河流域內農業生態效率的差異來源及各自貢獻度。

（一）黃河流域農業生態效率總體空間差異

如表2所示，黃河流域農業生態效率的總體差異從2006年的0.184 1上升至2021年的0.233 8，存在明顯發散現象，說明樣本期內黃河流域農業生態效率的差異在逐漸擴大，沒有呈現均衡化趨勢。黃河流域農業生態效率總體基尼系數波動經歷了“上升-下降-上升”的演變過程。2006-2007年呈現小幅上升，年均值從0.184 1上升到0.192 4，2008年呈現收斂態勢直至2010年達到最低點0.172 9，之后呈波動上升趨勢。農業生態效率差異的來源方面，黃河流域農業生態效率的區域內、區域間和超變密度的年均貢獻率分別為32.43％、19.98％和47.59％，說明超變密度是黃河流域農業生態效率產生差異的主要來源。進一步從時間維度分析，區域間差異貢獻率變動趨勢大致分為“下降-上升-下降-上升”四個階段。區域內差異貢獻率波動較小，超變密度的變動趨勢與區域間差異貢獻率變動趨勢完全相反，形成反方向變動、此消彼長的狀態。超變密度用于辨別區域間復雜的交叉重疊現象，2006-2009年黃河流域農業生態效率超變密度小幅下降，可能是由于黃河流域農業生態效率較高的城市其自身的農業生態效率增速變緩，并產生涓滴效應、溢出效應帶動周邊區域農業生態效率不斷提升。2010-2020年超變密度呈波動上升趨勢，說明個別城市農業生態效率明顯高于其他城市，存在極化現象，呈現“領頭羊”效應。2020-2021年超變密度又出現了明顯降低，說明區域內農業生態效率分化現象減少。

（二）黃河流域農業生態效率區域間差異和區域內差異

從區域間差異看，如表3所示，黃河流域上游和中游地區、上游和下游地區、中游和下游地區的區域間差異均值分布為0.189 2、0.183 2和0.203 2。黃河流域地域遼闊，自然地理條件復雜多樣，其氣候、地形、土壤等自然條件的差異導致了農業生產的生態效率在區域間存在明顯的差異。隨著農業生產方式、農業政策導向、社會經濟發展水平、農業科技推廣應用、教育與培訓水平等因素的變化，黃河流域農業生態效率的區域間差異呈現明顯的擴大趨勢。其中，下游地區的資源稟賦、種植結構、技術進步等要素明顯優于其他地區，下游地區通過不斷引進和應用先進的農業生產技術和設備，如高效節水灌溉技術、無人機播種技術等，實現種植業、養殖業、農產品加工等多個領域相互配合，提高了農業生態效率。

從區域內差異看，如表3所示，2006-2021年黃河流域上游、中游和下游地區的農業生態效率的區域內差異均呈擴大趨勢，表明其農業生態效率的不平衡程度在不斷加劇。其中，黃河流域上游地區農業生態效率區域內差異最小，均值為0.168 8，下游、中游地區農業生態效率區域內差異相對較高，均值分別為0.176 4和0.198 4。原因可能在于，黃河流域上游地區如玉樹、武威、臨夏、固原、阿拉善等市大多位于青藏高原、黃土高原及內蒙古高原，這些地區具有較為特殊的氣候條件、地形特征和土壤狀況，對其農業生產產生了顯著的影響，形成了高寒牧區、溫帶農牧區、干旱農業區等農業類型。這些特殊條件限制了上游地區農業生產的規模。同時由于上游地區農業生產技術水平相對落后，農業生態效率普遍較低，區域內部農業生態效率差異較小。與之相反，黃河流域下游地區水資源相對豐富，土壤肥力較高，土地利用類型更加多樣，為農業生產提供了良好的基礎條件。黃河流域下游地區農業生產方式多樣，既包括傳統的糧食作物種植，也包括現代農業生產方式如設施農業、生態農業等。黃河流域中游地區的氣候特點為溫帶大陸性氣候，具有夏季炎熱多雨、冬季寒冷干燥的特點，土壤類型復雜多樣，包括黃綿土、黃壤、黃棱土、石漠化土等，水資源相對較為豐富但分布不均，易發生旱澇災害。黃河流域中游地區農業生產模式包括糧食作物種植、經濟作物種植、園藝作物種植等。不同的農業生產模式對農業生態具有不同影響，例如糧食作物種植對土壤肥力的消耗較大，經濟作物種植對農業資源的利用效率較高等，加之農民收入水平、農村基礎設施建設、農村公共服務水平等農村社會經濟狀況存在明顯差異，這些因素導致了黃河流域下游、中游地區的農業生態效率區域內差異較為明顯。

四、黃河流域農業生態效率的收斂特征分析

由以上分析可以發現，黃河流域農業生態效率存在較為明顯的差異性，需要進一步考慮這種差異是否具有收斂特征，以及它們之間的差距能否趨于平衡。為了準確把握黃河流域農業生態效率差異的變動趨勢，本文從σ收斂和β收斂兩個層面進行分析。

（一）σ收斂檢驗

為了研究黃河流域農業生態效率的變化趨勢，本文使用變異系數作為測算指標。如圖3所示，隨著時間的推移，黃河流域農業生態效率的變異系數并沒有呈現出顯著的縮小趨勢，而是在波動中呈現出差異逐漸擴大的趨勢，最終由2006年的0.330 1上升至2021年的0.503 2。這說明黃河流域農業生態效率的區域差異沒有實現顯著的σ收斂。同時也對黃河流域上、中、下游地區的變異系數進行了計算，結果同樣表明，黃河流域上、中、下游的農業生態效率的變異系數走勢與整體情況類似，其差異也沒有隨著時間的推移而顯著縮小，即并不存在σ收斂現象。

（二）β收斂檢驗

1.β絕對收斂。表4顯示了黃河流域農業生態效率的β絕對收斂檢驗結果。黃河流域整體及上、中、下游地區的農業生態效率β絕對收斂系數均小于0，且通過了顯著性檢驗，說明不同區域的農業生態效率發展均存在顯著的β絕對收斂。這表明在不考慮種植業產值、農業產業集聚、產業結構等因素的情況下，黃河流域農業生態效率趨向收斂于相同穩態，即農業生態效率水平較低的區域對農業生態效率水平較高的區域具有追趕趨勢。從收斂速度來看，各區域農業生態效率發展的收斂速度存在差異，黃河流域整體及上、中、下游地區的收斂速度分別為0.274、0.398、0.219、0.189，上游地區收斂速度最快，中游地區次之，下游地區收斂速度最慢，說明上游地區的農業生態效率的追趕趨勢最為明顯。

2.β條件收斂。在氣候地理條件、社會經濟發展、農業技術、農業資源投入等各種因素的相互影響、相互制約下，黃河流域農業生態效率的收斂結果會存在異質性。因此，需要對黃河流域農業生態效率進行β條件收斂檢驗，探討各個影響因素對其農業生態效率的影響。

如表5所示，在加入種植業產值、機械化水平、農業產業集聚程度、產業結構高級化水平等影響因素后，黃河流域整體的農業生態效率的β條件收斂系數小于0，且通過了顯著性檢驗，表明存在β條件收斂。從控制變量的回歸結果來看，農業產業集聚程度的回歸系數顯著為正。農業產業集聚程度是衡量一個地區某個產業發展程度、集中程度和專業化程度的重要指標，對農業生態效率的影響表現在資源配置、技術創新與傳播、產業鏈協同和農業政策支持等方面。通過提高黃河流域農業產業集聚程度，可以提高其農業生態效率，實現農業的低碳發展和可持續發展。

從各個影響因素對黃河流域上、中、下游地區農業生態效率的影響來看，各地區條件β收斂系數均小于0，且通過了顯著性檢驗。上、中、下游地區的條件β速度與絕對β收斂速度相比存在差異，其條件β收斂速度分別為0.417、0.176、0.200，呈現出上游最快、下游次之、中游最慢的發展態勢。從各個控制變量的回歸結果來看，黃河流域上、中、下游地區各個控制變量的顯著性和系數均存在異質性。上游地區的種植業產值、農業產業集聚程度的影響顯著為正，中游地區的機械化水平和產業結構高級化水平的影響顯著為正，下游地區的產業結構高級化水平的影響顯著為正。黃河流域上、中、下游地區處于不同的農業發展階段，種植業產值、農業產業集聚程度對黃河流域上游地區的農業生態效率有顯著的正向影響。種植業產值高通常意味著較高的生產效率和較低的生產成本，隨著農業技術的不斷革新，黃河流域上游地區的農業生產模式也在不斷優化，現代化農業技術如節水灌溉、精準施肥等在上游地區得到推廣，降低了資源消耗、減少了碳排放量。同時，農業產業集聚程度越高越容易實現優勢互補、資源共享等，進而提高農業生態效率。機械化水平和產業結構高級化水平對黃河流域中游地區的農業生態效率具有顯著正向影響。農業機械化不僅能提高播種、耕種、收割等環節的生產速度，而且可以通過在生產過程中注重節能減排降低能源消耗、減少化肥和農藥使用。隨著產業結構不斷優化升級，黃河流域中游地區農業生產方式逐漸向功能性、多樣性和可持續性轉變，通過優化農業生產過程、加強農產品質量檢測和監管等手段，提高農產品質量和安全性。同時，農業機械化和產業結構高級化帶來的精細化農業管理，通過運用現代信息化技術如大數據、物聯網、遙感等，實現對農作物生長環境、肥料、灌溉等進行精確管理，從而提高農業資源利用效率，減少碳排放量，降低環境污染。產業結構高級化水平對黃河流域下游地區的農業生態效率具有顯著正向影響。黃河流域下游地區產業結構主要表現為資源優勢明顯、農業特色鮮明、工業發展迅速、外向型經濟發達等特點，其灌溉設施、耕作方法、農作物品種改良等方面的發展為農業產量的提高奠定了基礎。產業結構高級化的地區往往有更加科學合理的資源配置，能夠保證土地、水、資金、人力等生產要素的充分利用，為農業生產提供優質的農資供應、加工和銷售通道等，實現產業間的融合與協同，形成有利于農業生產的產業鏈。黃河流域下游地區的產業結構高級化能夠為農業生產提供知識密集型的勞動力、先進技術和管理方法，使農業生產更加注重綠色環保、減少農業污染和碳排放，從而提高其農業生態效率。

五、對策建議

1.深化農業結構調整，降低農業碳排放量。黃河流域農業生態效率仍存在一定的提升空間，需要進一步優化農業生產結構，逐步實現低碳農業技術的應用和循環農業的發展。根據黃河流域的土壤、氣候和水資源條件調整農作物種植結構，推廣高產、耐旱、抗病的優質品種，發展林果業、中草藥種植等多樣化的農業產業，減少對水資源的依賴和化肥、農藥的使用，從而降低碳排放。積極應用推廣節水灌溉技術、保護性耕作、利用有機肥料替代化肥等低碳農業技術，提高農業資源利用效率。發展溫室、大棚等現代設施農業，通過精確控制溫度、濕度和光照等生產條件，提高農作物產量，降低單位產量的碳排放強度。發展多功能農田、生態農業等綠色種植模式，加強農業廢棄物的回收利用，鼓勵農民利用秸稈、畜禽糞便等農業廢棄物進行有機肥料制作，替代部分化肥的使用，保護農田生物多樣性并提高農業生態效益。加強農田水土保持，提高農田土壤的有機質含量，發展農田林網、植被保護和恢復等生態工程，提高農田生態系統的碳匯功能。

2.加強區域交流合作，推動農業低碳化生態化產業化發展。黃河流域各地的農業生態效率的差異有逐漸擴大趨勢，需要加強黃河流域各地區之間的協同合作和交流，分享農業生態低碳發展的經驗和成功案例。發揮政府在低碳農業發展中的重要作用，支持農業低碳技術創新、推廣和應用，鼓勵農業廢棄物資源化利用，建立黃河流域農業生態低碳發展的評價體系和監測體系，為農業交流合作創造良好環境。鼓勵和支持農民采用低碳農業生產方式，提高農業生態補貼、技術推廣和培訓等方面的投入，引導農業生產向低碳化方向發展。加大對農業生態低碳技術的研究與創新，重點關注節水灌溉、精細化農業、生物質能源利用、碳匯林業等技術領域，實現低碳農業、生態農業、循環農業技術的創新與應用，加強上、中、下游地區農業交流與合作，共享農業科研成果，提高農業生產效率。整合黃河流域農業資源，利用上、中、下游地區的區域間資源優勢，發展低碳農業種植、養殖、加工、物流、銷售等產業，形成具有競爭力的農業生態低碳產業鏈，構建區域協同發展機制，引導農業生產向環保、高效、資源節約型模式轉型。積極組織農業產業博覽會、產品展銷會等活動，為農產品流通創造條件，促進農民增收、農業增效、生態環境改善。

3.探索不同地區農業發展重點，實現農業生態效率的高水平收斂。在推進黃河流域農業生態均衡化發展的過程中，要注重其農業生態效率的收斂趨勢及影響因素。農業生態效率較高的地區要發揮其“領頭羊”的帶動作用，農業生態效率較低的地區則應積極借鑒農業生態效率較高地區的先進經驗，爭取實現農業生態效率的高水平收斂。具體而言，黃河流域上游地區具有獨特的生態環境和氣候條件，保護和合理利用水資源、生態保護和修復均至關重要，需要發展適宜的農業產業，如青藏高原地區發展特色高原農業、黃土高原地區發展山地果園等。實施嚴格的生態保護措施，加強自然保護區、濕地、水源地等生態敏感區域的保護，保護生態環境，維護生物多樣性。有針對性地調整優化種植結構，選擇抗旱、抗病、高產、優質的作物品種，通過改良耕作方法和采用高效節水的灌溉技術，提高種植業生產的穩定性和畝產量。統籌安排基礎設施建設、環境保護、土地利用等，鼓勵農民通過合作組織實現生產要素共享，降低生產成本，提高產值，通過完善產業規劃和布局加強農業生產組織化程度，提高農業產業集聚度。黃河流域中游地區具有豐富的農業資源，同時也面臨資源利用效率較低、生態環境壓力大等問題。通過研究開發節能、低排、高效的農業機械設備和智能化灌溉系統改進耕作方式，推廣種養結合、種植養殖廢棄物資源化利用等農業循環發展模式，實現農業生產過程中資源的循環利用，降低農業生產過程中的能源消耗和碳排放。同時，特色農業可以提高農業產值、資源利用效率并降低碳排放，結合黃河中游地區土壤、氣候、水資源等自然條件，積極發掘和培育具有地域特色的農業產業，如山西的蘋果產業、陜西的紅棗產業、河南的小麥產業等。黃河流域下游地區要積極發展設施農業，減少能源消耗和排放，加強農業科研機構與企業的合作，促進節水、節肥、低碳農業生產等科技研究與推廣應用。通過支持農業龍頭企業發展、加強農業產業鏈建設等措施，帶動農業產業鏈的延伸和升級，實現農業產業鏈上下游的協同發展，提高農業產業鏈的附加值。

參考文獻：

［1］ 習近平.高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗：在中國共產黨第二十次全國代表大會上的報告［N］.人民日報，2022-10-26（01）.

［2］ 中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要［M］.北京：人民出版社，2021：10-22.

［3］ 王寶義，張衛國.中國農業生態效率測度及時空差異研究［J］.中國人口·資源與環境，2016，26（06）：11-19.

［4］ 崔許鋒，王雨菲，張光宏.面向低碳發展的農業生態效率測度與時空演變分析——基于SBM-ESDA模型［J］.農業經濟問題，2022（09）：47-61.

［5］ 習近平.在黃河流域生態保護和高質量發展座談會上的講話［J］.求是，2019（20）：4-11.

［6］ 方琳娜，尹昌斌，方正，等.黃河流域農業高質量發展推進路徑［J］.中國農業資源與區劃，2021，42（12）：16-22.

［7］ 陳明華，岳海珺，郝云飛，等.黃河流域生態效率的空間差異、動態演進及驅動因素［J］.數量經濟技術經濟研究，2021，38（09）：25-44.

［8］ 張文慧，呂曉，史洋洋，等.黃河流域土地利用轉型圖譜特征［J］.中國土地科學，2020，34（08）：80-88.

［9］ 劉靜，梅旭榮，連煜陽，等.黃河流域農業高質量發展中水土資源優化配置研究［J］.中國農業資源與區劃，2022，43（06）：1-14.

［10］ 張佰發，苗長虹.黃河流域土地利用時空格局演變及驅動力［J］.資源科學，2020，42（03）：460-473.

［11］ 陶園，徐靜，任賀靖，等.黃河流域農業面源污染時空變化及因素分析［J］.農業工程學報，2021，37（04）：257-264.

［12］ 馬遠，劉真真.黃河流域土地利用碳排放的時空演變及影響因素研究［J］.生態經濟，2021，37（07）：35-43.

［13］ 崔之珍，李二玲，劉晨光.黃河流域綠色農業專業村的時空演變及機制［J］.經濟地理， 2021，41（12）：158-166.

［14］ 王寶義，張衛國.中國農業生態效率的省際差異和影響因素：基于1996—2015年31個省份的面板數據分析［J］.中國農村經濟，2018（01）：46-62.

［15］ MAIA R，SILVA C，COSTA E.Eco-efficiency Assessment in the Agricultural Sector：The Monte Novo Irrigation Perimeter，Portugal［J］.Journal of Cleaner Production，2016，138：217-228.

［16］ 潘丹，應瑞瑤.中國農業生態效率評價方法與實證——基于非期望產出的SBM模型分析［J］.生態學報，2013，33（12）：3837-3845.

［17］ 鄭德鳳，郝帥，孫才志.基于DEA-ESDA的農業生態效率評價及時空分異研究［J］.地理科學，2018，38（03）：419-427.

［18］ 侯孟陽，姚順波.空間視角下中國農業生態效率的收斂性與分異特征［J］.中國人口·資源與環境，2019，29（04）：116-126.

［19］ WALBEER B.Economic Growth and Greenhouse Gases in Europe：A Non-radial Multi-sector Nonparametric Production-frontier Analysis［J］.Energy Economics，2018，74：51-62.

［20］ OREA L，WALL A.A Parametric Approach to Estimating Eco-Efficiency［J］.Journal of Agricultural Economics，2017，68（03）：901-907.

［21］ 洪開榮，陳誠，豐超，等.農業生態效率的時空差異及影響因素［J］.華南農業大學學報（社會科學版），2016，15（02）：31-41.

［22］ COLUCCIA B，VALENTE D，FUSCO G，et al.Assessing Agricultural Eco-efficiency in Italian Regions［J］.Ecological Indicators，2020，116：1-12.

［23］ RICHTEROVA E，RICHTER M，SOJKOVA M.Regional Eco-efficiency of the Agricultural Sector in V4 Regions，Its Dynamics in Time and Decomposition on the Technological and Pure Technical Eco-efficiency Change［J］.Equilibrium Quarterly Journal of Economics and Economic Policy，2021，16（03）：553-576.

［24］ 陳菁泉，信猛，馬曉君，等.中國農業生態效率測度與驅動因素［J］.中國環境科學，2020，40（07）：3216-3227.

［25］ 吉雪強，尚杰.基于三階段SBM模型的中國農業生態效率研究［J］.中國農業資源與區劃，2021，42（07）：210-217.

［26］ 魯慶堯，張旭青，孟祥海.我國糧食種植生態效率的空間相關性及影響因素研究［J］.經濟問題，2021（08）：82-88.

［27］ 李谷成. 中國農業的綠色生產率革命： 1978-2008年［J］.經濟學（季刊）， 2014，13（02）：537-558.

［28］ SERIO F，MIGLIETTA P，LAMASTRA L，et al.Groundwater Nitrate Contamination and Agricultural Land Use：A Grey Water Footprint Perspective in Southern Apulia Region （Italy）［J］.Science of the Total Environment，2018，645：1425-1431.

［29］ 姜智強，劉伊霖，曾智，等.財政環保支出對農業生態效率的影響研究——來自長江經濟帶發展戰略的經驗證據［J］.經濟問題，2022（06）：113-122.

［30］ 王圣云，林玉娟.中國區域農業生態效率空間演化及其驅動因素——水足跡與灰水足跡視角［J］.地理科學，2021，41（02）：290-301.

［31］ 張展，廖小平，李春華，等.湖南省縣域農業生態效率的時空特征及其影響因素［J］.經濟地理，2022，42（02）：181-189.

［32］ 陳景華，陳姚，陳敏敏.中國經濟高質量發展水平、區域差異及分布動態演進［J］.數量經濟技術經濟研究，2020，37（12）：108-126.

［33］ CHEN Y P，FU B J，ZHAO Y，et al.Sustainable Development in The Yellow River Basin：Issues and Strategies［J］.Journal of Cleaner Production，2020，263：1-12.

［34］ 高蕓，齊學斌，李平，等.黃河流域農業水土資源時空匹配特征分析［J］.灌溉排水學報，2021，40（06）：113-118.

［35］ 王建鵬，尹士，馬立軍，等.基于非期望產出的河北省耕地生態效率時空演變及收斂性分析［J］.水土保持研究，2022，29（06）：81-89.

［36］ 盧瑋楠，劉霽瑤，趙敏娟.黃河流域農業用水效率的動態演進與收斂性［J］.西北農林科技大學學報（社會科學版），2022，22（04）：123-134.

［37］ TONE K.A Slacks-based Measure of Efficiency in Data Envelopment Analysis［J］.European Journal of Operational Research，2001，130：498-509.

［38］ TONE K.A Slacks-based Measure of Super-Efficiency in Data Envelopment Analysis ［J］.European Journal of Operational Research，2002，143：32-41.

［39］ DAGUM C.A New Approach to the Decomposition of the Gini Income Inequality Ratio［J］.Empirical Economics，1997，22（04）：515-531.

［40］ 張利國，譚笑，肖晴川，等.基于氣候資源投入的中國農業生態效率測度與區域差異［J］.經濟地理，2023，43（04）：154-163.

［41］ 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（08）：80-86.

［42］ ZOU L L，LIU Y N，WANG Y S，et al.Assessment and Analysis of Agricultural Non-point Source Pollution Loads in China：1978-2017［J］.Journal of Environmental Management，2020，263：1-10.

［43］ 鄭麗楠，洪名勇.中國農業生態效率的時空特征及驅動因素［J］.江西財經大學學報，2019（05）：46-56.

［44］ 鄭云，黃杰.中國農業生態效率空間關聯網絡特征及其驅動因素研究［J］.經濟經緯，2021，38（06）：32-41.

［45］ MAIA R，SILVA E，COSTA E.Eco-efficiency Assessment in the Agricultural Sector：The Monte Novo Irrigation Perimeter， Portugal［J］.Journal of Cleaner Production，2016，138：217-228.

［46］ 李小建，文玉釗，李元征，等.黃河流域高質量發展：人地協調與空間協調［J］.經濟地理，2020，40（04）：1-10.

［47］ 張卓群，王菡，單菁菁.黃河流域城市人與自然耦合協調狀況及影響因素［J］.城市問題，2022（12）：19-29.

［48］ 王格芳，李夢程.黃河流域水資源與區域發展時空耦合研究［J］.干旱區資源與環境，2023，37（02）：8-15.

［49］ 劉巖，程鈺，王亞平.黃河流域生產性服務業集聚對城市綠色全要素生產率的影響效應與空間溢出［J］.地理研究，2023，42（04）：917-935.

Dynamic Evolution and Convergence Characteristics of Agricultural Ecological Efficiency in the Yellow River Basin Under the “Dual Carbon” Goal

HE Ni1，2，YAO Congli1*，ZHANG Chang1

（1.School of Public Administration，Northwest University，Xian 710127;2.Editorial Department of School Journal，Party School of Shaanxi Provincial Committee of C.P.C （Shaanxi Academy of Governance），Xian 710061，China）

Abstract：The “dual carbon” goal has outlined the direction and established the roadmap for the ecological development of agriculture in China for a period of time in the future. Promoting the ecological efficiency of agriculture in the Yellow River basin under the “dual carbon” goal is an important way to promote the implementation of the ecological protection and high-quality development strategy of the Yellow River basin.In the context of agricultural emission reduction and carbon sequestration，focusing on the implementation of the agricultural “dual carbon” goal，using the super efficiency SBM model，Dagum Gini coefficient，and convergence test method，the temporal evolution，spatial differences，and convergence characteristics of the agricultural ecological efficiency in the Yellow River basin from 2006 to 2021 are measured.The results show that the overall agricultural ecological efficiency in the Yellow River basin shows a fluctuating upward trend，but the overall agricultural ecological efficiency level is relatively low，forming a spatial pattern of “downstream leading，middle stream catching up，and upstream lagging behind”;the differences in agricultural ecological efficiency within the Yellow River basin gradually widen，mainly due to the super variable density，and the regional differences are successively low to high in the upstream，downstream，and middle stream.There is no σ convergence phenomenon in the overall agricultural ecological efficiency of the Yellow River basin and its upper， middle， and lower reaches，but there is significant β absolute convergence and β conditional convergence， and the effects of factors such as crop value，mechanization level，agricultural industry agglomeration degree，and industrial structure upgrading level on β conditional convergence have heterogeneity.

Keywords：agricultural ecological efficiency;the Yellow River basin;carbon peak;carbon neutrality;dynamic evolution;convergence characteristics

（責任編輯：張潔）

基金項目：國家社會科學基金教育學一般項目（BIA210155）;教育部高等教育司首批新文科研究與改革實踐項目（2021040013）;中共陜西省委黨校（陜西行政學院）2022年校（院）校級課題（2022XJYJ32）

作者簡介：何妮，女，西北大學公共管理學院博士研究生，主要研究方向為農業資源與環境經濟、農業生態效率評價。

*通信作者