農(nóng)業(yè)碳補(bǔ)償率的空間格局及其驅(qū)動(dòng)因素

摘要 減排是基礎(chǔ)，增匯是保障，農(nóng)業(yè)領(lǐng)域減排增匯是實(shí)現(xiàn)碳中和目標(biāo)的潛力所在。為探索農(nóng)業(yè)碳中和的有效路徑，該研究基于2011—2021年長(zhǎng)江經(jīng)濟(jì)帶108個(gè)地級(jí)及以上城市的面板數(shù)據(jù)，測(cè)度農(nóng)業(yè)碳補(bǔ)償率，運(yùn)用點(diǎn)度中心度、隸屬度模型和Moran's I 分析其空間分布、空間輻射和空間集聚格局；進(jìn)一步結(jié)合收斂模型和空間計(jì)量模型分析其空間收斂特征；并運(yùn)用空間計(jì)量模型識(shí)別農(nóng)業(yè)碳補(bǔ)償率的驅(qū)動(dòng)因素及溢出效應(yīng)。研究發(fā)現(xiàn)：①長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率上升趨勢(shì)明顯，但總碳匯仍不足以覆蓋碳排放，且上、下游領(lǐng)先，中游落后；②中心城市自東向西演化趨勢(shì)明顯，分布格局演變?yōu)槌啥家粯O，蘇州、長(zhǎng)沙、武漢等八核心，杭州、岳陽(yáng)等多點(diǎn)聯(lián)動(dòng)的“一極八核，多點(diǎn)帶動(dòng)”格局，上、中、下游“分區(qū)域，多核心”的趨勢(shì)越加明朗；③空間集聚特征明顯，且整體呈現(xiàn)協(xié)同演進(jìn)的格局，上游城市協(xié)同互動(dòng)減排增匯的趨勢(shì)更加顯著；④農(nóng)業(yè)內(nèi)部結(jié)構(gòu)和綠色技術(shù)創(chuàng)新能力對(duì)碳補(bǔ)償率的促進(jìn)作用不僅來(lái)自直接效應(yīng)，還有部分來(lái)自反饋效應(yīng)，且鄰近城市的農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、綠色技術(shù)創(chuàng)新能力和農(nóng)業(yè)勞動(dòng)力規(guī)模均有利于本地區(qū)碳補(bǔ)償率的提升。基于該研究結(jié)論，建議創(chuàng)立農(nóng)業(yè)碳中和示范區(qū)，領(lǐng)先城市與追隨城市、邊緣城市“強(qiáng)弱扶持”，加大區(qū)域間協(xié)同互動(dòng)減排增匯力度，以“小區(qū)域”帶動(dòng)“大區(qū)域”實(shí)現(xiàn)農(nóng)業(yè)碳中和。

關(guān)鍵詞 農(nóng)業(yè)碳補(bǔ)償率；空間輻射；空間集聚；收斂特征；驅(qū)動(dòng)因素

中圖分類號(hào) F323 文獻(xiàn)標(biāo)志碼 A 文章編號(hào) 1002-2104（2024）09-0076-17 DOI：10. 12062/cpre. 20240319

氣候變化問(wèn)題已成為威脅全人類生存和可持續(xù)發(fā)展的全球性問(wèn)題，中國(guó)一直積極參與全球氣候治理，并于2020年9月提出“雙碳”目標(biāo)。2023年，在全國(guó)生態(tài)日主場(chǎng)活動(dòng)生態(tài)文明重要成果發(fā)布會(huì)上，國(guó)家發(fā)展改革委發(fā)布碳達(dá)峰碳中和重大宣示三周年重要成果，2020年中國(guó)CO2 排放強(qiáng)度相比2005年下降48. 4%，超額完成第一階段國(guó)家自主貢獻(xiàn)承諾，在此基礎(chǔ)上，“十四五”前兩年，碳排放強(qiáng)度進(jìn)一步下降4. 6%，降碳成效顯著。雖如此，根據(jù)國(guó)際能源署（IEA）發(fā)布的《2022年二氧化碳排放報(bào)告》，2022年中國(guó)碳排放總量超過(guò)114億t，仍然是世界第一大碳排放國(guó)，減排降碳形勢(shì)嚴(yán)峻。中國(guó)農(nóng)業(yè)活動(dòng)產(chǎn)生的碳排放量約占總排放量的17%［1］，是不容忽視的碳排放源［2］。不同于工業(yè)的是，農(nóng)業(yè)由于其特殊的產(chǎn)業(yè)特性，具有“碳源”和“碳匯”雙重屬性［3］，而“碳源”和“碳匯”又是實(shí)現(xiàn)碳中和目標(biāo)的著力點(diǎn)［4］。可見(jiàn)，農(nóng)業(yè)領(lǐng)域減排固碳是實(shí)現(xiàn)“雙碳”目標(biāo)的重要組成部分和潛力所在。

長(zhǎng)江經(jīng)濟(jì)帶是中國(guó)生態(tài)文明建設(shè)的先行示范區(qū)，包含湖南、湖北、安徽、江西等農(nóng)業(yè)大省，在全國(guó)9個(gè)商品糧基地中占6席，是重要的農(nóng)產(chǎn)品生產(chǎn)基地。同時(shí)，該區(qū)域農(nóng)業(yè)經(jīng)營(yíng)方式仍以粗放的資源消耗型為主，農(nóng)業(yè)用地細(xì)碎化、物資利用低效、土壤退化和污染問(wèn)題仍然突出。2019年長(zhǎng)江經(jīng)濟(jì)帶11省份農(nóng)業(yè)碳排放量達(dá)到45 479萬(wàn)t，占全國(guó)農(nóng)業(yè)碳排放量的48. 35%［2］，而2001—2018年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)平均碳補(bǔ)償潛力僅高于30%［5］。因此，面對(duì)農(nóng)業(yè)生產(chǎn)規(guī)模更大、物資和能源消耗更多、碳排放量居高、碳補(bǔ)償提升空間較大等現(xiàn)實(shí)情況，長(zhǎng)江經(jīng)濟(jì)帶在農(nóng)業(yè)減碳增匯上面臨著更大壓力和更大的難度。

1 文獻(xiàn)綜述

就現(xiàn)有文獻(xiàn)來(lái)看，農(nóng)業(yè)碳補(bǔ)償?shù)南嚓P(guān)研究主要從兩種不同角度出發(fā)：一是從農(nóng)業(yè)生態(tài)補(bǔ)償?shù)慕嵌龋治鲛r(nóng)業(yè)碳匯功能的生態(tài)補(bǔ)償價(jià)值量化［6-7］、土地利用的碳補(bǔ)償價(jià)值核算等［8］，但尚未形成很全面成熟的方案［9］。二是從農(nóng)業(yè)碳匯和碳排放的數(shù)量關(guān)系角度研究農(nóng)業(yè)碳補(bǔ)償率，由于農(nóng)業(yè)自身具備碳吸收能力，因此能夠抵消、補(bǔ)償產(chǎn)生的碳排放［10］，常利用農(nóng)業(yè)碳匯量與排放量的比值衡量農(nóng)業(yè)碳補(bǔ)償程度，比值大于1表明農(nóng)業(yè)碳匯能夠完全抵消碳排放，碳匯能力強(qiáng)［11］。相關(guān)研究成果主要集中于農(nóng)業(yè)碳補(bǔ)償率的測(cè)算［9］、演化格局［12-13］、影響因素［11］、收斂特征［14］，研究發(fā)現(xiàn)中國(guó)農(nóng)業(yè)碳排放凈效應(yīng)表現(xiàn)為碳源（碳補(bǔ)償率低于1），但西部地區(qū)平均碳補(bǔ)償率為1. 117，呈碳匯效應(yīng)，且農(nóng)業(yè)碳補(bǔ)償率的區(qū)域集聚態(tài)勢(shì)明顯，省份之間具有正向的空間關(guān)聯(lián)性和溢出效應(yīng)。在上述研究中，農(nóng)業(yè)碳補(bǔ)償內(nèi)涵的核心在于揭示農(nóng)業(yè)自身的凈碳水平，能更直觀說(shuō)明農(nóng)業(yè)碳中和能力，與之相似的概念有農(nóng)業(yè)碳中和［15］、農(nóng)業(yè)凈碳效應(yīng)［16-17］、農(nóng)業(yè)凈碳匯［12，18］等。

與長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放相關(guān)的研究主要集中在省際層面農(nóng)業(yè)碳排放的測(cè)算［19］、驅(qū)動(dòng)因素［20］、空間特征［21］分析等方面，更多學(xué)者將農(nóng)業(yè)碳排放作為非期望產(chǎn)出，研究長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率［22-23］、農(nóng)業(yè)生態(tài)效率［24］、農(nóng)業(yè)綠色效率［25-26］等，或者聚焦于種植業(yè)和耕地，測(cè)算種植業(yè)的碳排放效率［1］和耕地利用效率［27］。目前，單獨(dú)研究長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳匯的文獻(xiàn)較少，少量研究將農(nóng)業(yè)碳排放和碳匯聯(lián)系起來(lái)，以農(nóng)業(yè)碳匯作為期望產(chǎn)出，農(nóng)業(yè)碳排放作為非期望產(chǎn)出，再結(jié)合土地、勞動(dòng)力等投入要素，測(cè)算長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省份的農(nóng)業(yè)綠色全要素生產(chǎn)率［28］。

與已有文獻(xiàn)相比，本研究的邊際貢獻(xiàn)體現(xiàn)在3個(gè)方面：①在研究尺度上，相關(guān)研究較少下沉至地級(jí)市尺度，個(gè)別學(xué)者如徐清華等［29］雖測(cè)度了中國(guó)282個(gè)地級(jí)市的碳排放量，但只包含化肥、農(nóng)藥、農(nóng)膜、柴油、灌溉產(chǎn)生的碳排放，并不包含畜禽養(yǎng)殖、水稻種植等產(chǎn)生的碳排放，導(dǎo)致農(nóng)業(yè)碳排放量被大大低估。而本研究將研究尺度下沉至長(zhǎng)江經(jīng)濟(jì)帶108個(gè)地級(jí)及以上城市，使得農(nóng)業(yè)碳排放、碳匯核算更為準(zhǔn)確。②在研究視角上，由于中國(guó)農(nóng)業(yè)碳補(bǔ)償率具有顯著的空間效應(yīng)和區(qū)域異質(zhì)性，因此本研究從空間網(wǎng)絡(luò)視角出發(fā)，對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率的空間分布格局、輻射格局進(jìn)行分析，彌補(bǔ)了當(dāng)前研究主要集中于全國(guó)農(nóng)業(yè)碳補(bǔ)償率的空間集聚格局而缺乏空間網(wǎng)絡(luò)視角下空間格局研究的空白。③在研究?jī)?nèi)容上，僅分析空間集聚格局，無(wú)法判斷長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率是否同時(shí)具備了協(xié)同演進(jìn)、穩(wěn)態(tài)收斂的特征，難以把握其農(nóng)業(yè)碳中和進(jìn)程，因此本研究進(jìn)一步分析其空間收斂特征，以全方面明晰長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率的空間格局。

鑒于此，本研究根植于碳中和目標(biāo)，測(cè)算長(zhǎng)江經(jīng)濟(jì)帶108個(gè)地級(jí)及以上城市2011—2021年的農(nóng)業(yè)碳補(bǔ)償率；運(yùn)用點(diǎn)度中心度和隸屬度模型分析其空間分布格局和輻射格局；采用全局和局部Moran's I 分析其空間集聚特征；結(jié)合收斂模型和空間計(jì)量模型分析其空間收斂特征及區(qū)域異質(zhì)性；運(yùn)用空間計(jì)量模型識(shí)別農(nóng)業(yè)碳補(bǔ)償率的驅(qū)動(dòng)因素及溢出效應(yīng)，以總結(jié)出實(shí)現(xiàn)區(qū)域農(nóng)業(yè)碳中和目標(biāo)的有效路徑，為長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率的協(xié)同發(fā)展提供決策參考。

2 特征事實(shí)與理論分析

2. 1 特征事實(shí)

長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率的現(xiàn)狀如圖1所示。

從圖1（a）可以看出，觀測(cè)期內(nèi)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放量始終高于碳匯量，2021年碳排放量為30 392萬(wàn)t，碳匯為24 425萬(wàn)t，碳補(bǔ)償率0. 804，低于農(nóng)業(yè)碳中和水平。從時(shí)間趨勢(shì)看，碳排放量下降趨勢(shì)明顯，碳匯量有所提升，可見(jiàn)具備實(shí)現(xiàn)農(nóng)業(yè)碳中和的潛力。從農(nóng)業(yè)碳排放的結(jié)構(gòu)來(lái)看，水稻種植產(chǎn)生的碳排放量不僅高于畜禽養(yǎng)殖，也遠(yuǎn)高于農(nóng)用物資投入和農(nóng)業(yè)能源利用。

從圖1（b）農(nóng)業(yè)碳補(bǔ)償率的年均值來(lái)看，長(zhǎng)江經(jīng)濟(jì)帶及上、中、下游地區(qū)農(nóng)業(yè)碳補(bǔ)償率上升趨勢(shì)明顯，長(zhǎng)江經(jīng)濟(jì)帶從2011 年的0. 780 上升至2021 年的0. 882，年均增長(zhǎng)率1. 239%，但農(nóng)業(yè)碳補(bǔ)償率總體偏低，始終低于1，表現(xiàn)為碳源。從區(qū)域差異來(lái)看，長(zhǎng)江中游地區(qū)最低，低于長(zhǎng)江經(jīng)濟(jì)帶平均水平，保持在0. 5～0. 6，這是因?yàn)樵摰貐^(qū)包含湖北、湖南、江西農(nóng)業(yè)大省，減排增匯難度大。2017年是長(zhǎng)江上游地區(qū)趕超下游地區(qū)的拐點(diǎn)，之后便處于領(lǐng)先地位，且與下游的差距在逐年拉大。圖中虛線為“農(nóng)業(yè)碳中和線”，2018年長(zhǎng)江上游地區(qū)才跨過(guò)該線，成為碳匯地區(qū)，長(zhǎng)江下游地區(qū)至2019 年才跨過(guò)該線。值得注意的是，2019—2021年農(nóng)業(yè)碳補(bǔ)償率出現(xiàn)下降趨勢(shì)，可能與疫情相關(guān)。

綜上，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)減碳增匯取得顯著成效，但碳匯仍不足以覆蓋碳排放，尤其應(yīng)在水稻種植減碳和畜禽養(yǎng)殖減碳上著力，農(nóng)業(yè)碳中和任重道遠(yuǎn)。同時(shí)，區(qū)域之間差異明顯，領(lǐng)先地區(qū)需要充分發(fā)揮輻射帶動(dòng)作用，帶動(dòng)落后地區(qū)農(nóng)業(yè)碳補(bǔ)償率的提升，實(shí)現(xiàn)區(qū)域協(xié)同發(fā)展。

2. 2 理論分析

多位學(xué)者從理論與實(shí)證上證實(shí)了中國(guó)碳排放存在明顯空間關(guān)聯(lián)和溢出效應(yīng)，各省份聯(lián)系日益緊密，并且已超越單純地理學(xué)意義上的“近鄰”關(guān)系，呈現(xiàn)日趨復(fù)雜化和穩(wěn)定化的空間網(wǎng)絡(luò)格局［30-32］。因此，各地區(qū)不僅需要考慮自身的碳排放情況，還需要發(fā)揮各自的比較優(yōu)勢(shì)，區(qū)域之間協(xié)同行動(dòng)，才能實(shí)現(xiàn)碳中和目標(biāo)。碳中和目標(biāo)下長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率空間協(xié)同演進(jìn)的理論框架如圖2所示。

由圖2可以看出，領(lǐng)先城市農(nóng)業(yè)碳補(bǔ)償率對(duì)追隨城市、邊緣城市的輻射帶動(dòng)作用，主要來(lái)自政策聯(lián)動(dòng)效應(yīng)、農(nóng)業(yè)技術(shù)的外溢效應(yīng)和農(nóng)業(yè)生產(chǎn)要素的流動(dòng)配置效應(yīng)。首先，領(lǐng)先城市探索農(nóng)業(yè)綠色低碳發(fā)展實(shí)踐措施的基礎(chǔ)實(shí)力強(qiáng)勁，政策措施發(fā)揮效果可能性高，再憑借其強(qiáng)大的影響力和輻射力，通過(guò)政策的示范、引領(lǐng)效應(yīng)，帶動(dòng)周邊農(nóng)業(yè)資源稟賦相仿的城市開(kāi)展低碳農(nóng)業(yè)政策實(shí)踐。領(lǐng)先城市與追隨城市、邊緣城市之間加強(qiáng)政策協(xié)調(diào)，建立上下聯(lián)動(dòng)的綠色低碳農(nóng)業(yè)推進(jìn)機(jī)制，發(fā)揮政策合力實(shí)現(xiàn)小區(qū)域農(nóng)業(yè)的綠色低碳發(fā)展。其次，農(nóng)業(yè)碳減排措施的有效實(shí)施最終要依靠關(guān)鍵低碳技術(shù)的突破與創(chuàng)新［33］，通過(guò)技術(shù)的外溢效應(yīng)推動(dòng)區(qū)域協(xié)同減排［34］。以小農(nóng)戶為主體的分散化經(jīng)營(yíng)是現(xiàn)階段乃至未來(lái)很長(zhǎng)一段時(shí)間中國(guó)農(nóng)業(yè)的主要經(jīng)營(yíng)方式，這就決定了小農(nóng)戶在應(yīng)用減排固碳技術(shù)過(guò)程中，生產(chǎn)成本將大幅增加，經(jīng)濟(jì)效益無(wú)法保障，因此目前小農(nóng)戶對(duì)農(nóng)業(yè)減排固碳技術(shù)的接受度并不高，技術(shù)推廣難度大。農(nóng)業(yè)碳補(bǔ)償率領(lǐng)先的城市具備較高的農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平和技術(shù)創(chuàng)新能力，通過(guò)集聚效應(yīng)吸引周邊技術(shù)人才、資金聚集，開(kāi)展農(nóng)業(yè)減排固碳技術(shù)創(chuàng)新活動(dòng)，又通過(guò)擴(kuò)散效應(yīng)和技術(shù)外溢效應(yīng)，以低成本提升周邊城市技術(shù)水平。農(nóng)業(yè)技術(shù)溢出渠道主要是技術(shù)勢(shì)差［34］，根據(jù)技術(shù)轉(zhuǎn)移的梯度規(guī)律理論，農(nóng)業(yè)技術(shù)在領(lǐng)先城市、追隨城市、邊緣城市之間梯度轉(zhuǎn)移，進(jìn)而產(chǎn)生減排固碳行為關(guān)聯(lián)，發(fā)揮技術(shù)外溢效應(yīng)。最后，土地、勞動(dòng)力、資本等農(nóng)業(yè)生產(chǎn)要素在城市內(nèi)部、城市之間高效配置強(qiáng)化了政策、技術(shù)的輻射帶動(dòng)作用。政策的聯(lián)動(dòng)效應(yīng)和技術(shù)的外溢效應(yīng)，最終都會(huì)作用到具體生產(chǎn)要素的投入和生產(chǎn)效率上，各城市減少或增加耕地面積、農(nóng)業(yè)勞動(dòng)力、農(nóng)業(yè)資本投入等要素會(huì)間接影響著農(nóng)業(yè)碳排放與碳匯，城市之間要素的流動(dòng)配置更是強(qiáng)化了區(qū)域內(nèi)農(nóng)業(yè)碳補(bǔ)償率協(xié)同演進(jìn)格局。

農(nóng)業(yè)碳中和不僅是指某個(gè)城市、某個(gè)省份農(nóng)業(yè)的凈零排放，也是指大區(qū)域內(nèi)的農(nóng)業(yè)總碳匯能夠抵消、補(bǔ)償碳排放。從特征事實(shí)來(lái)看，中國(guó)不同區(qū)域農(nóng)業(yè)碳排放、碳匯現(xiàn)狀差異較大，這種差異難以在短時(shí)間內(nèi)通過(guò)區(qū)域內(nèi)部調(diào)整來(lái)彌補(bǔ)，更需要全域的宏觀統(tǒng)籌。大區(qū)域如何統(tǒng)籌，主要瞄準(zhǔn)小區(qū)域的農(nóng)業(yè)資源稟賦差異，以及碳排放、碳匯差異大小和來(lái)源，建立跨區(qū)域的合作機(jī)構(gòu)、產(chǎn)業(yè)聯(lián)盟，協(xié)同制定不同區(qū)域農(nóng)業(yè)減排增匯目標(biāo)，最終以大區(qū)域統(tǒng)籌小區(qū)域，小區(qū)域聯(lián)動(dòng)大區(qū)域，實(shí)現(xiàn)全域農(nóng)業(yè)凈零排放目標(biāo)。

3 研究方法與數(shù)據(jù)來(lái)源

3. 1 研究方法

3. 1. 1 農(nóng)業(yè)碳補(bǔ)償率測(cè)算

農(nóng)業(yè)碳補(bǔ)償率即為農(nóng)業(yè)碳匯量與碳排放量的比值，用于衡量農(nóng)業(yè)自身凈碳水平。農(nóng)業(yè)碳排放量和碳匯量的核算見(jiàn)表1。其中，農(nóng)業(yè)碳排放量核算參考徐清華等［29］、田云等［2］的研究成果，采用IPCC 系數(shù)法，從農(nóng)業(yè)能源利用、農(nóng)用物資投入、水稻種植、畜禽養(yǎng)殖4個(gè)方面展開(kāi)測(cè)算［35-36］。農(nóng)業(yè)碳匯量核算參考伍國(guó)勇等［13］、楊果等［37］的研究，主要考慮農(nóng)作物在生命周期中通過(guò)光合作用從大氣中吸收并固定CO2形成的有機(jī)碳量。由于林業(yè)和漁業(yè)碳排放量較少，不具備統(tǒng)一數(shù)據(jù)來(lái)源或統(tǒng)計(jì)口徑，未納入整體農(nóng)業(yè)碳排放研究體系中［38］；CH4、N2O的CO2轉(zhuǎn)換系數(shù)分別為25、298［2］。

3. 1. 2 修正的引力模型與點(diǎn)度中心度

中心度指數(shù)是社會(huì)網(wǎng)絡(luò)分析法中用來(lái)衡量各區(qū)域在網(wǎng)絡(luò)中的地位和作用的指標(biāo)［39-41］。其中，點(diǎn)度中心度可以根據(jù)網(wǎng)絡(luò)中的連接數(shù)來(lái)衡量各城市在長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償網(wǎng)絡(luò)中處于中心位置的程度，點(diǎn)度中心度越高，說(shuō)明該城市在空間關(guān)聯(lián)網(wǎng)絡(luò)中與其他城市之間的聯(lián)系越緊密，該城市也更加處于網(wǎng)絡(luò)的中心地位［32］。關(guān)系的確定是網(wǎng)絡(luò)分析的關(guān)鍵，而引力模型是分析空間關(guān)系最經(jīng)典、最常用的模型，被廣泛應(yīng)用于網(wǎng)絡(luò)空間結(jié)構(gòu)分析中［42-43］。因此，將引力模型引入到農(nóng)業(yè)碳補(bǔ)償率的空間格局研究中，并根據(jù)模型的具體使用環(huán)境，對(duì)引力模型中的參數(shù)進(jìn)行改進(jìn)，采用農(nóng)林牧漁業(yè)總產(chǎn)值代替GDP指標(biāo)，采用第一產(chǎn)業(yè)就業(yè)人數(shù)代替年末總?cè)丝跀?shù)［32，44-45］。考慮到經(jīng)濟(jì)距離和地理距離對(duì)農(nóng)業(yè)碳補(bǔ)償率空間關(guān)聯(lián)的影響，城市之間的“距離”利用城市之間的地理距離（Dij）除以人均GDP的差值（gi - gj）表征。修正后的引力模型如式（1）所示：

kij = Ci/Ci + Cj（1）

式中：rij代表城市i 與城市j 的農(nóng)業(yè)碳補(bǔ)償引力；kij表示城市i 在城市i、j 之間農(nóng)業(yè)碳補(bǔ)償聯(lián)系中的貢獻(xiàn)率；Pi、Pj為城市i 和城市j 的第一產(chǎn)業(yè)就業(yè)人數(shù)；Gi、Gj為城市i 和城市j 的農(nóng)林牧漁業(yè)總產(chǎn)值；Ci、Cj為城市i 和城市j 的農(nóng)業(yè)碳補(bǔ)償率；Dij為城市i、j 間的地理距離，gi、gj為城市i 和城市j的人均GDP。

得到城市之間農(nóng)業(yè)碳補(bǔ)償引力后，再代入到點(diǎn)度中心度模型測(cè)算出中心度指數(shù)，作為衡量城市農(nóng)業(yè)碳補(bǔ)償率層級(jí)的主要指標(biāo)，點(diǎn)度中心度模型如式（2）所示：

式中：CDi表示城市i 的農(nóng)業(yè)碳補(bǔ)償中心度。

3. 1. 3 隸屬度模型

經(jīng)濟(jì)聯(lián)系隸屬度通常用來(lái)表示兩城市間經(jīng)濟(jì)聯(lián)系量占一城市對(duì)外經(jīng)濟(jì)聯(lián)系總量的大小，能夠反映城市的空間經(jīng)濟(jì)聯(lián)系和輻射力、吸引力［46］。中國(guó)農(nóng)業(yè)碳補(bǔ)償率也具有顯著的空間關(guān)聯(lián)［5，11］，因此將隸屬度模型引入到農(nóng)業(yè)碳補(bǔ)償領(lǐng)域，探討長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率的空間聯(lián)系，以及各中心城市對(duì)外主要輻射方向和強(qiáng)度，隸屬度模型如式（3）：

根據(jù)中心度指數(shù)結(jié)果，確定中心城市i，再利用該模型測(cè)算其他城市j 對(duì)中心城市i 的農(nóng)業(yè)碳補(bǔ)償率隸屬度Fij（即中心城市i 對(duì)城市j 的貢獻(xiàn)度），F(xiàn)ij值越大，表明城市i與城市j 的聯(lián)系在中心城市i 的對(duì)外聯(lián)系中的比例越大，i對(duì)j 的輻射力越強(qiáng)。

3. 1. 4 絕對(duì)β 收斂模型

收斂性分析能夠檢驗(yàn)城市間農(nóng)業(yè)碳補(bǔ)償率差距是在擴(kuò)大還是在縮小，即呈發(fā)散還是收斂特征。結(jié)合空間計(jì)量模型，可以分析區(qū)域內(nèi)農(nóng)業(yè)碳補(bǔ)償率是否會(huì)向某一穩(wěn)態(tài)水平收斂，即是否具備協(xié)同演進(jìn)的特征。隨著“雙碳”目標(biāo)的穩(wěn)步推進(jìn)，長(zhǎng)期來(lái)看中國(guó)農(nóng)業(yè)碳補(bǔ)償率整體上升且長(zhǎng)期空間收斂的趨勢(shì)已經(jīng)顯現(xiàn)［35］，因此有必要將空間效應(yīng)納入傳統(tǒng)收斂模型中。傳統(tǒng)面板和空間面板絕對(duì)β收斂模型見(jiàn)式（4）—式（7），空間計(jì)量模型包括空間滯后模型（SAR）、空間誤差模型（SEM）、空間杜賓模型（SDM）：

式中：Ci，t + 1、Ci，t 表示城市i 在t+1、t 時(shí)期農(nóng)業(yè)碳補(bǔ)償率，β 表示Ci，t 的估計(jì)系數(shù)，? 和ρ 分別表示Ci，t 和Ci，t + 1 Ci，t的空間自相關(guān)系數(shù)，λ 表空間誤差項(xiàng)系數(shù)，Wij表空間權(quán)重矩陣，ui 表示個(gè)體效應(yīng)，θt 表示時(shí)間效應(yīng)，εit 表示隨機(jī)干擾項(xiàng)，α、β 為待估系數(shù)。

3. 2 數(shù)據(jù)來(lái)源與處理

囿于數(shù)據(jù)的可得性和完整性，本研究的考察對(duì)象包括長(zhǎng)江經(jīng)濟(jì)帶沿線11個(gè)省份的地級(jí)及以上城市，包含2個(gè)直轄市和106個(gè)地級(jí)市，共108個(gè)城市（由于行政體制的變化，剔除畢節(jié)、巢湖、銅仁3個(gè)城市的樣本［47］），考察時(shí)間為2011—2021年。數(shù)據(jù)主要來(lái)自歷年各城市統(tǒng)計(jì)年鑒及統(tǒng)計(jì)公報(bào)，部分來(lái)自國(guó)家統(tǒng)計(jì)局等。部分城市缺失農(nóng)用塑料薄膜使用量、農(nóng)用柴油使用量、農(nóng)藥使用量數(shù)據(jù)，參考徐清華等［29］的研究，采用省域單位有效灌溉面積農(nóng)用塑料薄膜使用量、農(nóng)用柴油使用量、農(nóng)藥使用量與城市有效灌溉面積分別測(cè)算，其余缺失數(shù)據(jù)采用線性插值法補(bǔ)齊。

4 空間格局分析

4. 1 空間分布格局

根據(jù)式（1）和式（2），在測(cè)度出城市農(nóng)業(yè)碳補(bǔ)償率的基礎(chǔ)上，采用修正的引力模型計(jì)算城市之間的作用力，進(jìn)而得到城市農(nóng)業(yè)碳補(bǔ)償率點(diǎn)度中心度指數(shù)。結(jié)果表明，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率中心度區(qū)間為［0. 083，239. 390］。為了考察其具體發(fā)展階段，并進(jìn)行橫向和縱向比較，本研究以2021年為基準(zhǔn)，采用自然間斷點(diǎn)分級(jí)法，將長(zhǎng)江經(jīng)濟(jì)帶108個(gè)城市劃分為高農(nóng)業(yè)碳補(bǔ)償中心度、較高農(nóng)業(yè)碳補(bǔ)償中心度、一般農(nóng)業(yè)碳補(bǔ)償中心度、較低農(nóng)業(yè)碳補(bǔ)償中心度和低農(nóng)業(yè)碳補(bǔ)償中心度5個(gè)等級(jí)（表2），并以此為依據(jù)，將2011年、2016年和2021年的分級(jí)進(jìn)行可視化（圖3），來(lái)考察長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率在空間上的分布格局及演變特征。

城市中心度等級(jí)越高，表示該城市在空間網(wǎng)絡(luò)中的中心地位越高，農(nóng)業(yè)碳減排和固碳能力越強(qiáng)，對(duì)其他城市的碳補(bǔ)償輻射范圍也越廣。由表2可知，2021年仍處于低和較低農(nóng)業(yè)碳補(bǔ)償中心度的城市達(dá)到90 個(gè)，占83. 33%，而位于較高和高農(nóng)業(yè)碳補(bǔ)償中心度的城市僅8個(gè)，占7. 41%。整體來(lái)看，2021年長(zhǎng)江經(jīng)濟(jì)帶大多城市與周邊城市的聯(lián)系較弱，城市之間低碳農(nóng)業(yè)技術(shù)、人才、資金等要素的流動(dòng)性不強(qiáng)，農(nóng)業(yè)碳補(bǔ)償率的輻射帶動(dòng)作用發(fā)揮效果不足；上、中、下游地區(qū)分別有2～4個(gè)中心城市，表明農(nóng)業(yè)碳補(bǔ)償率區(qū)域分異特征明顯，這成為后面分區(qū)域討論其輻射格局的事實(shí)依據(jù)。

由圖3可以看出，農(nóng)業(yè)碳補(bǔ)償率中心度呈現(xiàn)明顯的區(qū)域分異格局，總體來(lái)看下游地區(qū)中心度高于中游、上游地區(qū)，梯度特征明顯，表明下游地區(qū)城市網(wǎng)絡(luò)結(jié)構(gòu)更為緊密，對(duì)其他城市的影響力和輻射力也更強(qiáng)。

從時(shí)間演變來(lái)看，2011年除蘇州以外的其他城市的農(nóng)業(yè)碳補(bǔ)償率中心度均低于41. 287，屬于低、較低中心度城市；2016年長(zhǎng)沙、武漢、南京、蘇州超過(guò)74. 821，成長(zhǎng)為較高中心度城市，成都、無(wú)錫、南通、宿州也超過(guò)41. 287，進(jìn)入一般中心度城市；2021年成都達(dá)到239. 389，躍升為高中心度城市。由此可見(jiàn)，長(zhǎng)江經(jīng)濟(jì)帶各城市的農(nóng)業(yè)碳補(bǔ)償率中心度持續(xù)上升，空間網(wǎng)絡(luò)結(jié)構(gòu)在逐年優(yōu)化，城市間的聯(lián)系愈發(fā)緊密，且隨著時(shí)間推移，農(nóng)業(yè)碳補(bǔ)償率中心城市自東向西演化的趨勢(shì)明顯，城市在農(nóng)業(yè)減碳增匯過(guò)程中扮演的角色發(fā)生轉(zhuǎn)變。

從空間分布來(lái)看，2011年農(nóng)業(yè)碳補(bǔ)償率形成了由蘇州引領(lǐng)，無(wú)錫、長(zhǎng)沙、成都三核心帶動(dòng)的“一極三核”的層級(jí)結(jié)構(gòu)，此時(shí)分屬長(zhǎng)江下、中、上游的無(wú)錫、長(zhǎng)沙、成都分別為各自區(qū)域的核心城市，影響著周邊城市；2021年演變?yōu)槌啥家粯O，蘇州、長(zhǎng)沙、武漢等八核心，杭州、岳陽(yáng)等多點(diǎn)的“一極八核，多點(diǎn)帶動(dòng)”的格局，此時(shí)成都成為長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率中心城市，南京、無(wú)錫、蘇州、宿州為長(zhǎng)江下游地區(qū)的核心城市，長(zhǎng)沙、武漢為中游地區(qū)核心城市，眉山為上游核心城市，上、中、下游“分區(qū)域，多核心”的趨勢(shì)越加明朗。表明長(zhǎng)江經(jīng)濟(jì)帶逐漸形成了以成都為中心，上、中、下游多核心的分布格局。

4. 2 空間輻射格局

由空間分布格局可看出，農(nóng)業(yè)碳補(bǔ)償率中心城市與非中心城市的中心度差距很大，具有明顯區(qū)域分異特征，因此根據(jù)式（3）分區(qū)域計(jì)算隸屬度，以分析中心城市對(duì)非中心城市的輻射強(qiáng)度和方向，更深入揭示其空間格局（圖4）。

如圖4所示，2011—2016年中心城市為蘇州，總體來(lái)看蘇州對(duì)其他城市的輻射力有所提升，其中南通最高，由2011 年的17. 98% 上升至2016 年的18. 49%，鹽城由7. 35%提升到7. 80%；部分城市有所下降，如對(duì)嘉興的輻射力由16. 02%下降至14. 28%，降幅最大。從地域分異來(lái)看，2011—2016年蘇州對(duì)長(zhǎng)江下游地區(qū)城市的輻射力度較大，表現(xiàn)為南通>嘉興>鹽城>泰州>湖州>紹興>臺(tái)州>金華>其他城市，對(duì)浙江和江蘇的輻射大于上海和安徽，輻射方向主要指向江蘇東北部和浙江北部。可能的原因在于：農(nóng)業(yè)碳匯量和碳排放量與地理環(huán)境、農(nóng)業(yè)種植結(jié)構(gòu)、種植規(guī)模等相關(guān)，上海經(jīng)濟(jì)發(fā)達(dá)，農(nóng)業(yè)在三產(chǎn)中占比低，且農(nóng)作物播種面積、農(nóng)業(yè)總產(chǎn)值下降明顯，因此相比于其他城市，上海與蘇州在農(nóng)業(yè)上的聯(lián)系較弱，導(dǎo)致蘇州對(duì)上海的輻射力低，且呈下降趨勢(shì)。除滁州和宣城外，蘇州對(duì)安徽其他城市的輻射力均小于1%，這是因?yàn)榘不詹糠殖鞘修r(nóng)業(yè)碳補(bǔ)償率雖高，但與周邊城市的聯(lián)動(dòng)不足，導(dǎo)致其中心度不高，中心城市對(duì)它的輻射力也較低。

2017—2021年成都超越蘇州成為中心城市，表明成都對(duì)周邊城市的帶動(dòng)作用逐漸超過(guò)蘇州。從圖4可以看出，2021年成都對(duì)長(zhǎng)江上游地區(qū)的城市輻射力度較大，對(duì)四川和云南的貢獻(xiàn)整體高于重慶和貴州，表現(xiàn)為眉山>樂(lè)山>昭通>德陽(yáng)>宜賓>資陽(yáng)>曲靖>自貢>綿陽(yáng)>其他城市，表明成都農(nóng)業(yè)碳補(bǔ)償率主要輻射方向?yàn)樗拇喜亢驮颇媳辈俊?/p>

長(zhǎng)江上、中、下游2011、2016、2021年農(nóng)業(yè)碳補(bǔ)償率隸屬度如圖5所示，長(zhǎng)江上游地區(qū)的成都始終為中心城市，2011—2021年成都對(duì)四川和云南的輻射力整體高于重慶和貴州，表現(xiàn)為眉山>樂(lè)山>昭通>德陽(yáng)>宜賓>資陽(yáng)>曲靖>自貢>綿陽(yáng)>其他城市，且對(duì)昭通的輻射力增長(zhǎng)最多，由2011年的5. 79%增長(zhǎng)至6. 87%，但對(duì)云南其他城市的輻射力度略有減小，表明四川與云南農(nóng)業(yè)碳匯合作目前還不足，但潛力巨大。

長(zhǎng)江中游地區(qū)2011年和2016年的中心城市為長(zhǎng)沙，對(duì)周邊城市的輻射呈放射狀，表現(xiàn)為岳陽(yáng)>衡陽(yáng)>荊州>湘潭>株洲>郴州>益陽(yáng)>孝感>其他城市，對(duì)湖南和湖北的輻射力大于江西。對(duì)多數(shù)城市輻射力有所提升，如衡陽(yáng)從11. 28% 升至11. 87%，但對(duì)鄰接城市岳陽(yáng)的輻射力由30. 16%降為29. 26%，湘潭由6. 14%降至5. 64%，可見(jiàn)該區(qū)域以長(zhǎng)沙為中心的輻射范圍在擴(kuò)寬，輻射力更為均衡。2021年武漢成長(zhǎng)為中心城市，對(duì)周邊城市的輻射大小表現(xiàn)為咸寧>孝感>黃岡>鄂州>黃石>隨州>宜春>岳陽(yáng)>荊州>其他城市，可見(jiàn)武漢的農(nóng)業(yè)碳補(bǔ)償率主要與省內(nèi)距離較近城市，尤其與武漢都市圈內(nèi)的鄂州、黃石、孝感等城市保持強(qiáng)聯(lián)系，對(duì)其他城市的輻射作用較弱。

長(zhǎng)江下游地區(qū)2011年和2016年中心城市為蘇州，輻射力度和方向與上文分析一致，不再贅述。2021年南京成長(zhǎng)為中心城市，對(duì)周邊城市的輻射大小表現(xiàn)為宣城>淮安>滁州>宿遷>馬鞍山>連云港>蕪湖>鹽城>其他城市，對(duì)安徽的輻射力大于江蘇、浙江和上海，輻射方向主要為安徽東部和江蘇北部。這一變化表明，隨著時(shí)間推移，安徽不斷加強(qiáng)與江蘇農(nóng)業(yè)碳減排增匯的聯(lián)動(dòng)，改變了落后的局面。

4. 3 空間集聚格局

4. 3. 1 全局空間關(guān)聯(lián)分析

空間輻射格局結(jié)果表明，農(nóng)業(yè)碳補(bǔ)償中心城市對(duì)其他城市存在輻射帶動(dòng)作用，并且這種作用存在明顯的區(qū)域分異特征，那么中心城市的輻射作用是否帶動(dòng)農(nóng)業(yè)碳補(bǔ)償率集聚發(fā)展呢？這是本研究要解決的關(guān)鍵問(wèn)題之一。已有文獻(xiàn)也表明中國(guó)農(nóng)業(yè)碳補(bǔ)償率空間集聚態(tài)勢(shì)明顯［11］，因此構(gòu)建了鄰接空間權(quán)重矩陣（W1）和反距離空間權(quán)重矩陣（W2），借助Moran's I 考察長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率的空間集聚格局。全局Moran's I 報(bào)告結(jié)果見(jiàn)表3，Moran's I 均顯著為正且在增大，表明農(nóng)業(yè)碳補(bǔ)償率具備顯著的空間集聚性與依賴性，空間分布朝著集聚化方向發(fā)展，空間集聚程度增強(qiáng)。

4. 3. 2 局部空間關(guān)聯(lián)分析

全局Moran's I 指數(shù)無(wú)法刻畫(huà)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率空間集聚的具體區(qū)域特征，需要在判斷具有全局空間關(guān)聯(lián)的基礎(chǔ)上，進(jìn)一步計(jì)算出局部空間關(guān)聯(lián)指數(shù)，明確不同城市的集聚特征。局部Moran's I 散點(diǎn)圖可描述局部農(nóng)業(yè)碳補(bǔ)償率的空間集聚特征，如圖6（a）、圖6（b）、圖6（c），分別為基于鄰接權(quán)重矩陣的2011、2016、2021 年的局部Moran's I 散點(diǎn)圖，圖6（d）、圖6（e）、圖6（f）分別為基于反距離權(quán)重矩陣的2011、2016、2021年的局部Moran's I 散點(diǎn)圖。落在第一、三象限表示農(nóng)業(yè)碳補(bǔ)償率較高、較低的城市聚集在一起，落在第二、四象限表示農(nóng)業(yè)碳補(bǔ)償率呈低-高、高-低集聚態(tài)勢(shì)。

由圖6可見(jiàn)，更多城市的農(nóng)業(yè)碳補(bǔ)償率集聚在一、三象限，處于第一象限表示本地城市對(duì)地理鄰近城市的農(nóng)業(yè)碳補(bǔ)償有正向外溢效應(yīng)。與之相反，處于第三象限表示低農(nóng)業(yè)碳補(bǔ)償率的城市被同樣農(nóng)業(yè)碳補(bǔ)償率較低的其他城市所包圍，區(qū)域內(nèi)農(nóng)業(yè)碳補(bǔ)償率的協(xié)同提升受到阻礙。還有部分城市隨機(jī)分布在第二象限和第四象限，第二象限表現(xiàn)為低碳補(bǔ)償率城市被較高城市包圍，第四象限與之相反。

根據(jù)局部Moran's I 散點(diǎn)圖結(jié)果，總結(jié)出反距離權(quán)重矩陣下農(nóng)業(yè)碳補(bǔ)償率的LISA集聚分布類型（表4）。比較可知：①農(nóng)業(yè)碳補(bǔ)償率呈高-高集聚態(tài)勢(shì)的城市多分布于長(zhǎng)江下游的江蘇、安徽兩省和上游的重慶、四川、云南3個(gè)省份，這些城市的農(nóng)業(yè)碳補(bǔ)償率多大于1，農(nóng)業(yè)碳匯能力強(qiáng)于碳排放。②呈低-低集聚態(tài)勢(shì)的城市最多，多分布在長(zhǎng)江下游的上海、浙江和中游的江西、湖北、湖南，農(nóng)業(yè)碳補(bǔ)償率多小于1，農(nóng)業(yè)碳匯效應(yīng)弱于碳排放效應(yīng)，表明這5個(gè)省份的農(nóng)業(yè)碳補(bǔ)償率“低-低”集聚趨勢(shì)明顯，區(qū)域內(nèi)農(nóng)業(yè)碳中和進(jìn)程緩慢。③從時(shí)間演變來(lái)看，長(zhǎng)江經(jīng)濟(jì)帶城市的集聚情況發(fā)生了變化，屬于高-高集聚類型的城市有所增加，且多位于長(zhǎng)江上游地區(qū)，表明觀測(cè)期內(nèi)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率正向空間集聚格局更加顯著，長(zhǎng)江上游地區(qū)為“高-高”集聚中心。

4. 4 空間收斂特征

由上文可知，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率空間集聚特征明顯，但該集聚趨勢(shì)尚不能判斷長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)碳補(bǔ)償率是否存在協(xié)同演進(jìn)的格局，未來(lái)能否實(shí)現(xiàn)區(qū)域性農(nóng)業(yè)碳中和也尚未可知，因此式（4）—式（7）結(jié)合絕對(duì)β 收斂方法和空間計(jì)量模型，研究其空間收斂特征，分析城市間農(nóng)業(yè)碳補(bǔ)償率的增長(zhǎng)速度是否趨同，即較低補(bǔ)償率城市對(duì)較高城市是否存在“追趕效應(yīng)”。為保證結(jié)果的穩(wěn)健性，本研究分別基于鄰接權(quán)重矩陣和反距離空間權(quán)重矩陣進(jìn)行檢驗(yàn)，檢驗(yàn)過(guò)程遵循Elhorst［48］、梁紅艷［49］的思路，依次從LM檢驗(yàn)、模型選擇、Hausman檢驗(yàn)（均選擇固定效應(yīng)）、Wald和LR模型簡(jiǎn)化檢驗(yàn)，確定了長(zhǎng)江經(jīng)濟(jì)帶和三大區(qū)域適用的模型。

表5報(bào)告的結(jié)果顯示：第一，長(zhǎng)江經(jīng)濟(jì)帶及上、中、下游三大區(qū)域的收斂系數(shù)β 在1%的置信水平下均顯著為負(fù)，存在絕對(duì)β 收斂趨勢(shì)，表明從長(zhǎng)期來(lái)看，在不考慮其他因素的影響時(shí)，長(zhǎng)江經(jīng)濟(jì)帶及上、中、下游三大區(qū)域農(nóng)業(yè)碳補(bǔ)償率較低的城市會(huì)向區(qū)域內(nèi)最高值靠攏，最終向各自的穩(wěn)態(tài)水平收斂。第二，長(zhǎng)江經(jīng)濟(jì)帶及上、中、下游三大區(qū)域的空間收斂特征各異。其中，長(zhǎng)江經(jīng)濟(jì)帶適用時(shí)空雙重固定效應(yīng)SDM模型，且空間自相關(guān)系數(shù)ρ 顯著為正，表明長(zhǎng)江經(jīng)濟(jì)帶整體已經(jīng)出現(xiàn)協(xié)同演進(jìn)的特征，城市之間農(nóng)業(yè)碳補(bǔ)償率會(huì)受到鄰近城市的正向空間溢出，農(nóng)業(yè)碳中和趨勢(shì)明顯。長(zhǎng)江上游地區(qū)在不同矩陣下結(jié)果有所差異，但總體呈現(xiàn)空間收斂特征，空間誤差系數(shù)λ 和空間自相關(guān)系數(shù)ρ 均顯著為正，表明該區(qū)域的農(nóng)業(yè)碳補(bǔ)償率存在正向空間溢出，這與LISA集聚分布結(jié)果保持一致。長(zhǎng)江中游地區(qū)在不同矩陣下均適用SEM模型，且λ 顯著為正，表明該區(qū)域農(nóng)業(yè)碳補(bǔ)償率不存在空間溢出，較高碳補(bǔ)償率城市對(duì)地理鄰近城市的帶動(dòng)作用不明顯，可能的原因在于該區(qū)域包含江西、湖北、湖南3個(gè)農(nóng)業(yè)大省的36個(gè)城市，農(nóng)業(yè)生產(chǎn)規(guī)模較大，物資消耗高，歷年農(nóng)業(yè)碳匯量均小于碳排放量，導(dǎo)致農(nóng)業(yè)碳匯的溢出效應(yīng)不明顯。長(zhǎng)江下游地區(qū)在鄰接權(quán)重矩陣下適用SAR模型，ρ 顯著為正，具備正向空間溢出；但在反距離權(quán)重矩陣下ρ 值為負(fù)，且不顯著，不存在空間效應(yīng)。這一結(jié)果表明下游地區(qū)除相鄰城市外，距離稍遠(yuǎn)一點(diǎn)的城市間不具備空間溢出效應(yīng)，甚至可能會(huì)出現(xiàn)競(jìng)爭(zhēng)格局。

5 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率的驅(qū)動(dòng)因素

5. 1 驅(qū)動(dòng)因素及變量選取

農(nóng)業(yè)碳補(bǔ)償率的空間格局來(lái)自多種因素的共同作用。吳昊玥等［11］指出，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展、農(nóng)林牧漁部門(mén)比例優(yōu)化與造林力度均對(duì)本省農(nóng)業(yè)碳補(bǔ)償率具有正向影響，并且鄰近省份農(nóng)業(yè)經(jīng)濟(jì)發(fā)展與部門(mén)比例優(yōu)化均有利于本省農(nóng)業(yè)碳補(bǔ)償率的提高。許多學(xué)者也從凈碳匯角度探討其空間格局，如李波等［18］發(fā)現(xiàn)，中國(guó)農(nóng)業(yè)凈碳匯具有顯著的空間正相關(guān)，且農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、工業(yè)化程度、教育水平和科技發(fā)展水平對(duì)相鄰省份的農(nóng)業(yè)凈碳匯效率表現(xiàn)出顯著的正向溢出效應(yīng)，而城鎮(zhèn)化水平和經(jīng)濟(jì)發(fā)展水平呈現(xiàn)負(fù)向的溢出效應(yīng)。綜合已有研究，本研究從農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)勞動(dòng)力規(guī)模、農(nóng)業(yè)技術(shù)進(jìn)步、農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、種植業(yè)結(jié)構(gòu)優(yōu)化指數(shù)、化肥施用強(qiáng)度、綠色技術(shù)創(chuàng)新能力考察長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率的驅(qū)動(dòng)因素。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)（str）是衡量城市農(nóng)業(yè)發(fā)展水平的基礎(chǔ)指標(biāo)，是影響城市農(nóng)業(yè)碳補(bǔ)償率中心度、輻射能力的關(guān)鍵變量，用農(nóng)林牧漁業(yè)總產(chǎn)值占地區(qū)生產(chǎn)總值的比例衡量［2］；農(nóng)業(yè)勞動(dòng)力數(shù)量表現(xiàn)了農(nóng)業(yè)發(fā)展中的勞動(dòng)力投入情況，是影響農(nóng)業(yè)碳排放量的重要因素［50］，用第一產(chǎn)業(yè)從業(yè)人員占比衡量農(nóng)業(yè)勞動(dòng)力規(guī)模（lar）；農(nóng)業(yè)技術(shù)進(jìn)步（tec）在農(nóng)業(yè)碳減排過(guò)程中發(fā)揮著重要作用［51-52］，用農(nóng)用機(jī)械動(dòng)力與有效灌溉面積的比值衡量［53］；種植業(yè)與畜牧業(yè)是農(nóng)業(yè)碳排放的主要來(lái)源，農(nóng)業(yè)生產(chǎn)中種植業(yè)與畜牧業(yè)規(guī)模直接影響碳排放量，用農(nóng)業(yè)與牧業(yè)的產(chǎn)值之和，再除以農(nóng)林牧漁業(yè)總產(chǎn)值來(lái)表征農(nóng)業(yè)內(nèi)部結(jié)構(gòu)（ine）［53］；糧食作物播種和經(jīng)濟(jì)作物播種產(chǎn)生的碳排放量有所不同，直接引起碳總量的變化［11］，用糧食作物播種面積與經(jīng)濟(jì)作物播種面積的比值表征種植業(yè)結(jié)構(gòu)優(yōu)化指數(shù)（pla）；化肥施用量反映了農(nóng)業(yè)生產(chǎn)中化肥的投入情況，用單位農(nóng)作物播種面積的化肥施用折純量來(lái)表征化肥施用強(qiáng)度（fer）；綠色技術(shù)創(chuàng)新對(duì)碳排放的影響具有顯著的空間傳導(dǎo)效應(yīng)［54-55］，衡量綠色技術(shù)創(chuàng)新活動(dòng)的指標(biāo)主要包括綠色專利申請(qǐng)量、綠色專利授權(quán)量等［56-57］，本研究用綠色發(fā)明占地區(qū)年度申請(qǐng)發(fā)明總數(shù)的比值來(lái)表征綠色技術(shù)創(chuàng)新能力（gre）。對(duì)農(nóng)業(yè)技術(shù)進(jìn)步（tec）和種植業(yè)結(jié)構(gòu)優(yōu)化指數(shù)（pla）進(jìn)行對(duì)數(shù)化處理。為了避免變量間存在影響研究結(jié)果的嚴(yán)重多重共線性， 本研究使用VIF 檢驗(yàn)發(fā)現(xiàn)變量的方差膨脹因子最大值為2. 04，可忽略多重共線性問(wèn)題。變量的描述性統(tǒng)計(jì)結(jié)果見(jiàn)表6。

5. 2 農(nóng)業(yè)碳補(bǔ)償率的驅(qū)動(dòng)因素及其空間效應(yīng)

5. 2. 1 各因素影響農(nóng)業(yè)碳補(bǔ)償率的結(jié)果分析

全局空間自相關(guān)檢驗(yàn)結(jié)果表明長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率具備顯著正向空間相關(guān)性，因此為進(jìn)一步探索長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率空間格局形成的驅(qū)動(dòng)因素，本研究運(yùn)用空間計(jì)量模型，將2011—2021年長(zhǎng)江經(jīng)濟(jì)帶108個(gè)城市農(nóng)業(yè)碳補(bǔ)償率作為因變量，基于鄰接權(quán)重矩陣（W1）分析農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)等7個(gè)變量對(duì)農(nóng)業(yè)碳補(bǔ)償率的影響方向和大小，以探索出提升農(nóng)業(yè)碳補(bǔ)償率，實(shí)現(xiàn)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳中和的有效路徑。根據(jù)LM檢驗(yàn)、Wald和LR檢驗(yàn)、Hausman檢驗(yàn)結(jié)果，時(shí)空雙重固定效應(yīng)的空間杜賓模型（Durbin）為最優(yōu)估計(jì)模型，為了結(jié)果的穩(wěn)健性，本研究還列出了空間滯后模型（SAR）和空間誤差模型（SEM）的估計(jì)結(jié)果，見(jiàn)表7。

第一，在不同估計(jì)模型下，str、ine、ln pla、gre 和ln tec的估計(jì)系數(shù)符號(hào)和顯著性始終保持穩(wěn)健。其中，str 的估計(jì)系數(shù)在1%的水平上顯著為負(fù)，表明農(nóng)業(yè)在社會(huì)經(jīng)濟(jì)中占比越高會(huì)抑制碳補(bǔ)償率的提升，這是因?yàn)殚L(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率、技術(shù)水平較低，農(nóng)業(yè)生產(chǎn)者多是依靠農(nóng)業(yè)能源和農(nóng)用物資的投入，或者擴(kuò)大生產(chǎn)規(guī)模來(lái)實(shí)現(xiàn)更高的農(nóng)業(yè)產(chǎn)出，導(dǎo)致碳排放增長(zhǎng)快于碳匯增長(zhǎng)，碳補(bǔ)償率降低。ine、ln pla、gre 的估計(jì)系數(shù)均顯著為正，表明長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)和畜牧業(yè)規(guī)模增加的碳匯效應(yīng)大于碳排放，農(nóng)業(yè)碳匯主要來(lái)自糧食作物，城市綠色技術(shù)創(chuàng)新能力具有顯著的減碳增匯效應(yīng)。

第二，lar、fer 估計(jì)系數(shù)的符號(hào)和顯著性在不同模型下有所差異。其中，lar 估計(jì)系數(shù)雖總體為正，但并不顯著，表明農(nóng)業(yè)勞動(dòng)力投入的減碳增匯效應(yīng)尚未產(chǎn)生，這與長(zhǎng)江經(jīng)濟(jì)帶小農(nóng)生產(chǎn)模式和農(nóng)業(yè)勞動(dòng)力素質(zhì)普遍不高有關(guān)；fer 在SDM和SAR模型中顯著為負(fù)，表明現(xiàn)階段長(zhǎng)江經(jīng)濟(jì)帶化肥的生產(chǎn)效率仍然較低，增匯效應(yīng)弱于增碳效應(yīng)。

第三，以單位有效灌溉面積消耗的農(nóng)業(yè)機(jī)械總動(dòng)力表征的農(nóng)業(yè)技術(shù)進(jìn)步（ln tec）估計(jì)系數(shù)為負(fù)且不顯著，這與李成龍等［58］的結(jié)論一致，主要是因?yàn)橄噍^傳統(tǒng)化石能源，低碳清潔能源如生物質(zhì)能、風(fēng)能等在農(nóng)業(yè)領(lǐng)域的應(yīng)用存在供應(yīng)不穩(wěn)定、投入使用成本高、普及度不高等問(wèn)題，再加上農(nóng)業(yè)機(jī)械使用效率不高，導(dǎo)致長(zhǎng)江經(jīng)濟(jì)帶現(xiàn)階段的農(nóng)機(jī)動(dòng)力消耗減排效果不佳。

5. 2. 2 各因素對(duì)農(nóng)業(yè)碳補(bǔ)償率的空間溢出效應(yīng)

為了更準(zhǔn)確地揭示各因素影響農(nóng)業(yè)碳補(bǔ)償率的作用機(jī)理和影響程度，本研究進(jìn)一步對(duì)表7的SDM估計(jì)結(jié)果進(jìn)行無(wú)偏處理，將其分解為直接效應(yīng)、間接效應(yīng)和總效應(yīng)。其中，直接效應(yīng)既包括各因素對(duì)本地農(nóng)業(yè)碳補(bǔ)償率的影響，也包含本地受到的反饋效應(yīng)［2，4］，間接效應(yīng)即為空間溢出效應(yīng)，本研究指鄰近地區(qū)各因素對(duì)本地農(nóng)業(yè)碳補(bǔ)償率的影響。

表8報(bào)告了鄰接權(quán)重矩陣下，各因素對(duì)農(nóng)業(yè)碳補(bǔ)償率的直接效應(yīng)和間接效應(yīng)。具體來(lái)看，ine 和gre 的直接效應(yīng)值分別為0. 369和0. 241，相比于無(wú)偏處理前的0. 283和0. 197，分別提高了0. 086和0. 044，表明本地農(nóng)業(yè)、畜牧業(yè)規(guī)模擴(kuò)大和綠色技術(shù)創(chuàng)新能力提升在對(duì)鄰近城市產(chǎn)生影響后，由于反饋效應(yīng)自身還可以實(shí)現(xiàn)更多的減碳增匯，提升碳補(bǔ)償率。與之相反，ln pla 的直接效應(yīng)較無(wú)偏處理前降低了0. 011，這是由于該因素的間接效應(yīng)顯著為負(fù)，抵消了部分直接效應(yīng)，表明鄰近城市糧食作物播種面積的增加會(huì)降低本地的農(nóng)業(yè)碳補(bǔ)償率；str 和fer 的直接效應(yīng)均顯著為負(fù)，分別為-0. 656和-0. 141，相比于無(wú)偏處理前的-0. 568和-0. 096，分別降低了0. 088和0. 045，并且這兩個(gè)因素的間接，也顯著為負(fù)，這表明本地農(nóng)業(yè)在三產(chǎn)中占比提高和化肥投入增加，在降低鄰近城市農(nóng)業(yè)碳補(bǔ)償率的同時(shí)，由于反饋效應(yīng)和負(fù)向空間溢出效應(yīng)，還會(huì)導(dǎo)致本地碳補(bǔ)償率進(jìn)一步降低；lar 的直接效應(yīng)不明顯，但空間溢出效應(yīng)顯著為正，表明鄰近城市增加農(nóng)業(yè)勞動(dòng)力投入能夠顯著提升本地農(nóng)業(yè)碳補(bǔ)償率；ln tec 的結(jié)果與之相反，它的直接效應(yīng)對(duì)農(nóng)業(yè)碳補(bǔ)償率產(chǎn)生了一定負(fù)向影響，但無(wú)空間溢出效應(yīng)。

5. 3 穩(wěn)健性檢驗(yàn)

空間權(quán)重矩陣對(duì)空間模型回歸結(jié)果影響較大，因此使用反距離權(quán)重矩陣（W2）進(jìn)行穩(wěn)健性檢驗(yàn)，該權(quán)重矩陣為各城市之間地理距離的平方的倒數(shù)，是空間模型中使用廣泛的空間矩陣。基于W2的空間杜賓模型回歸結(jié)果及效應(yīng)分解情況見(jiàn)表9和表10。在該空間矩陣下，SDM模型仍為最優(yōu)選擇，且各變量的系數(shù)大小、顯著性基本保持一致，表明該估計(jì)結(jié)果穩(wěn)健。

繼續(xù)進(jìn)行效應(yīng)分解發(fā)現(xiàn)，兩種空間矩陣下，變量的直接效應(yīng)全部保持一致，間接效應(yīng)中僅種植業(yè)結(jié)構(gòu)優(yōu)化指數(shù)（ln pla）和綠色技術(shù)創(chuàng)新能力（gre）的溢出效應(yīng)由顯著變?yōu)椴伙@著，表明鄰近城市種植業(yè)結(jié)構(gòu)優(yōu)化和綠色技術(shù)創(chuàng)新能力對(duì)本地農(nóng)業(yè)碳補(bǔ)償率的溢出效應(yīng)，僅在地理相鄰的城市之間產(chǎn)生。

6 結(jié)論與啟示

本研究基于2011—2021年長(zhǎng)江經(jīng)濟(jì)帶108個(gè)地級(jí)及以上城市的面板數(shù)據(jù)，測(cè)度農(nóng)業(yè)碳補(bǔ)償率，運(yùn)用點(diǎn)度中心度、隸屬度模型和Moran's I 分析其空間分布、空間輻射和空間集聚格局，進(jìn)一步結(jié)合收斂模型和空間計(jì)量模型分析其空間收斂特征，并運(yùn)用空間計(jì)量模型識(shí)別農(nóng)業(yè)碳補(bǔ)償率的驅(qū)動(dòng)因素及溢出效應(yīng)，得到主要結(jié)論如下。

第一，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率上升趨勢(shì)明顯，農(nóng)業(yè)減碳增匯取得顯著成效，但碳匯仍不足以覆蓋碳排放，水稻種植和畜禽養(yǎng)殖是最大的碳源；長(zhǎng)江上游和下游地區(qū)分別于2018和2019年超過(guò)1，成為碳匯功能區(qū)，長(zhǎng)江中游地區(qū)始終低于長(zhǎng)江經(jīng)濟(jì)帶平均水平，形成了“上、下游領(lǐng)先，中游落后”的局面，區(qū)域差異明顯。

第二，從空間分布格局來(lái)看，長(zhǎng)江經(jīng)濟(jì)帶各城市之間的聯(lián)系持續(xù)增強(qiáng)，空間網(wǎng)絡(luò)結(jié)構(gòu)逐年優(yōu)化，且中心城市自東向西演化的趨勢(shì)明顯。2011年長(zhǎng)江經(jīng)濟(jì)帶形成了由蘇州引領(lǐng)，無(wú)錫、長(zhǎng)沙、成都三核心帶動(dòng)的“一極三核”的層級(jí)結(jié)構(gòu)，2021年演變?yōu)槌啥家粯O，蘇州、長(zhǎng)沙、武漢等八核心，浙江、岳陽(yáng)等多點(diǎn)的“一極八核，多點(diǎn)帶動(dòng)”格局，上中下游“分區(qū)域，多核心”的區(qū)域分異特征愈加清晰。

第三，從空間輻射格局來(lái)看，農(nóng)業(yè)碳補(bǔ)償率中心城市的輻射帶動(dòng)作用呈現(xiàn)區(qū)域分異特征，且總體輻射力度有所增強(qiáng)。成都始終是長(zhǎng)江上游地區(qū)中心城市，主要輻射方向?yàn)樗拇喜亢驮颇媳辈砍鞘校婚L(zhǎng)江中游地區(qū)武漢逐漸替代長(zhǎng)沙成長(zhǎng)為中心城市，主要與武漢都市圈內(nèi)城市保持強(qiáng)聯(lián)系，對(duì)其他城市的輻射作用較弱；長(zhǎng)江下游地區(qū)南京替代蘇州成為中心城市，輻射方向主要為安徽東部和江蘇北部。

第四，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率空間集聚特征明顯。高-高集聚城市多分布于長(zhǎng)江上游的重慶、四川、云南3個(gè)省份和下游的江蘇、安徽兩省，且上游高-高集聚城市有所增加。呈低-低集聚態(tài)勢(shì)的城市最多，多分布在長(zhǎng)江下游的上海、浙江和中游的江西、湖北、湖南。

第五，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率呈現(xiàn)區(qū)域協(xié)同演進(jìn)的格局，較低補(bǔ)償率城市對(duì)較高城市存在“追趕效應(yīng)”，向各自的穩(wěn)態(tài)水平收斂，未來(lái)有望實(shí)現(xiàn)區(qū)域性農(nóng)業(yè)碳中和。分區(qū)域看，僅中游地區(qū)高農(nóng)業(yè)碳補(bǔ)償率城市對(duì)鄰近城市的溢出作用尚未顯現(xiàn)，上游和下游地區(qū)城市互動(dòng)減排增匯的格局更加明顯。

第六，農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、種植業(yè)結(jié)構(gòu)優(yōu)化指數(shù)、綠色技術(shù)創(chuàng)新能力均有利于碳補(bǔ)償率提升，農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)和化肥施用強(qiáng)度與之相反。從直接效應(yīng)來(lái)看，農(nóng)業(yè)內(nèi)部結(jié)構(gòu)和綠色技術(shù)創(chuàng)新能力對(duì)碳補(bǔ)償率的促進(jìn)作用不僅來(lái)自直接效應(yīng)，還有部分來(lái)自反饋效應(yīng)。從溢出效應(yīng)來(lái)看，鄰近城市的農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、綠色技術(shù)創(chuàng)新能力和農(nóng)業(yè)勞動(dòng)力規(guī)模均有利于本地區(qū)碳補(bǔ)償率的提升。

基于以上研究結(jié)論，本研究就加快長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳中和進(jìn)程提出如下政策啟示。

第一，長(zhǎng)江經(jīng)濟(jì)帶中游城市應(yīng)在加大自身農(nóng)業(yè)減排增匯力度的同時(shí)，更加注重與上、下游城市的合作互動(dòng)，發(fā)揮高碳補(bǔ)償率地區(qū)低碳策略、技術(shù)創(chuàng)新的溢出作用。

第二，清晰自身在農(nóng)業(yè)碳中和進(jìn)程中的角色定位，領(lǐng)先型城市主動(dòng)作為，聯(lián)合周邊城市建立農(nóng)業(yè)綠色發(fā)展聯(lián)盟，聚集科技資源，加快農(nóng)業(yè)減排固碳關(guān)鍵技術(shù)研發(fā)和應(yīng)用。追隨型城市積極增強(qiáng)與領(lǐng)先型的技術(shù)、人才、政策聯(lián)系，“強(qiáng)弱扶持”，實(shí)現(xiàn)協(xié)同發(fā)展。

第三，以“小區(qū)域”帶動(dòng)“大區(qū)域”農(nóng)業(yè)碳中和。長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償率“分區(qū)域，多核心”的格局顯著，上、中、下游地區(qū)農(nóng)業(yè)碳補(bǔ)償率和現(xiàn)實(shí)情況各異，應(yīng)構(gòu)建區(qū)域錯(cuò)位發(fā)展格局，因地制宜，在“大區(qū)域農(nóng)業(yè)碳中和”目標(biāo)下合理制定“小區(qū)域農(nóng)業(yè)碳中和”目標(biāo)和任務(wù)。

第四，圍繞江蘇、安徽、重慶、四川、云南的農(nóng)業(yè)碳補(bǔ)償率“高-高”聚集城市，創(chuàng)立農(nóng)業(yè)碳中和示范區(qū)，充分挖掘碳匯潛力，增強(qiáng)碳匯輻射能力，將集聚效應(yīng)擴(kuò)散至周邊“高-低”集聚城市；而對(duì)于上海、浙江、江西、湖北、湖南的“低-低”聚集城市，應(yīng)將工作重點(diǎn)放在如何有效降碳上，實(shí)施稻田甲烷減排、化肥提效減量、畜禽養(yǎng)殖低碳減排、農(nóng)機(jī)綠色節(jié)能行動(dòng)等。

第五，合理調(diào)整農(nóng)業(yè)、畜牧業(yè)結(jié)構(gòu)，推廣種養(yǎng)結(jié)合模式，發(fā)展種養(yǎng)循環(huán)農(nóng)業(yè)；優(yōu)化糧食作物和經(jīng)濟(jì)作物種植規(guī)模，在保障重要農(nóng)產(chǎn)品供給和糧食安全的基礎(chǔ)上，增加高碳匯量和低碳排放量作物的種植面積；積極學(xué)習(xí)、研發(fā)和應(yīng)用綠色低碳農(nóng)業(yè)技術(shù)，并向周邊城市推廣，發(fā)揮技術(shù)溢出作用；推廣測(cè)土配方施肥、水肥一體化等技術(shù)，提升化肥施用效率，減少化肥用量。

參考文獻(xiàn)

［1］ 吉雪強(qiáng)，張躍松. 長(zhǎng)江經(jīng)濟(jì)帶種植業(yè)碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)及動(dòng)因［J］. 自然資源學(xué)報(bào)，2023，38（3）：675-693.

［2］ 田云，尹忞昊. 中國(guó)農(nóng)業(yè)碳排放再測(cè)算：基本現(xiàn)狀、動(dòng)態(tài)演進(jìn)及空間溢出效應(yīng)［J］. 中國(guó)農(nóng)村經(jīng)濟(jì)，2022（3）：104-127.

［3］ 羅懷良. 國(guó)內(nèi)農(nóng)業(yè)碳源/匯效應(yīng)研究：視角、進(jìn)展與改進(jìn)［J］. 生態(tài)學(xué)報(bào)，2022，42（9）：3832-3841.

［4］ 杜之利，蘇彤，葛佳敏，等. 碳中和背景下的森林碳匯及其空間溢出效應(yīng)［J］. 經(jīng)濟(jì)研究，2021，56（12）：187-202.

［5］ 伍國(guó)勇，劉金丹，楊麗莎. 中國(guó)農(nóng)業(yè)碳排放強(qiáng)度動(dòng)態(tài)演進(jìn)及碳補(bǔ)償潛力［J］. 中國(guó)人口·資源與環(huán)境，2021，31（10）：69-78.

［6］ 李穎，葛顏祥，劉愛(ài)華，等. 基于糧食作物碳匯功能的農(nóng)業(yè)生態(tài)補(bǔ)償機(jī)制研究［J］. 農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2014，35（10）：33-40.

［7］ 陳儒，姜志德. 中國(guó)省域低碳農(nóng)業(yè)橫向空間生態(tài)補(bǔ)償研究［J］.中國(guó)人口·資源與環(huán)境，2018，28（4）：87-97.

［8］ 周嘉，王鈺萱，劉學(xué)榮，等. 基于土地利用變化的中國(guó)省域碳排放時(shí)空差異及碳補(bǔ)償研究［J］. 地理科學(xué)，2019，39（12）：1955-1961.

［9］ 曹俊文，陶強(qiáng)強(qiáng). 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳補(bǔ)償修正測(cè)算及分析［J］.農(nóng)業(yè)資源與環(huán)境學(xué)報(bào)，2021（4）：693-698.

［10］ 李翠菊. 我國(guó)狹義農(nóng)業(yè)碳源碳匯實(shí)證分析［D］. 北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，2012.

［11］ 吳昊玥，何艷秋，陳文寬，等. 中國(guó)農(nóng)業(yè)碳補(bǔ)償率空間效應(yīng)及影響因素研究：基于空間Durbin 模型［J］. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2020（3）：110-123.

［12］ 陳羅燁，薛領(lǐng)，雪燕. 中國(guó)農(nóng)業(yè)凈碳匯時(shí)空演化特征分析［J］.自然資源學(xué)報(bào)，2016，31（4）：596-607.

［13］ 伍國(guó)勇，陳瑩，孫小鈞. 中國(guó)種植業(yè)碳補(bǔ)償率區(qū)域差異、動(dòng)態(tài)演進(jìn)及收斂性分析［J］. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2021，29（10）：1774-1785.

［14］ 吳昊玥，何宇，黃瀚蛟，等. 中國(guó)種植業(yè)碳補(bǔ)償率測(cè)算及空間收斂性［J］. 中國(guó)人口·資源與環(huán)境，2021，31（6）：113-123.

［15］ 李銅山，王艷蕊. 基于熵權(quán)TOPSIS模型的區(qū)域農(nóng)業(yè)碳中和能力評(píng)價(jià)研究［J］. 區(qū)域經(jīng)濟(jì)評(píng)論，2022（3）：92-98.

［16］ 曹執(zhí)令，黃飛，伍賽君. 中國(guó)農(nóng)業(yè)生產(chǎn)碳匯效應(yīng)與生產(chǎn)績(jī)效的時(shí)空特征［J］. 經(jīng)濟(jì)地理，2022，42（9）：166-175.

［17］ 田云，張俊飚. 中國(guó)省級(jí)區(qū)域農(nóng)業(yè)碳排放公平性研究［J］. 中國(guó)人口·資源與環(huán)境，2013，23（11）：36-44.

［18］ 李波，王春妤，張俊飚. 中國(guó)農(nóng)業(yè)凈碳匯效率動(dòng)態(tài)演進(jìn)與空間溢出效應(yīng)［J］. 中國(guó)人口·資源與環(huán)境，2019，29（12）：68-76.

［19］ 耿亮，彭靈通，魏玻，等. 城鎮(zhèn)化對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的影響及其耦合關(guān)系研究［J］. 生態(tài)經(jīng)濟(jì)，2024，40（3）：128-138.

［20］ 田云，蔡艷蓉. 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放EKC檢驗(yàn)及其驅(qū)動(dòng)因素分析［J］. 長(zhǎng)江流域資源與環(huán)境，2023，32（11）：2403-2417.

［21］ 曹俊文，謝雨欣. 長(zhǎng)江經(jīng)濟(jì)帶種植業(yè)碳源/匯空間特征及公平性研究［J］. 生態(tài)經(jīng)濟(jì)，2023，39（9）：108-113.

［22］ 常甜甜，邢宇，張明如，等. 我國(guó)農(nóng)業(yè)生產(chǎn)效率測(cè)算及其影響因素研究：基于長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)面板數(shù)據(jù)的分析［J］. 價(jià)格理論與實(shí)踐，2022（5）：197-200.

［23］ 尚杰，李乾乾. 碳排放約束條件下長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率研究［J］. 河南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2023，57（6）：1062-1074.

［24］ 馬艷. 基于兩階段Super?NSBM模型的農(nóng)業(yè)生態(tài)效率及影響因素研究：以長(zhǎng)江經(jīng)濟(jì)帶為例［J］. 長(zhǎng)江流域資源與環(huán)境，2023，32（4）：883-894.

［25］ 吳傳清，宋子逸. 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)綠色全要素生產(chǎn)率測(cè)度及影響因素研究［J］. 科技進(jìn)步與對(duì)策，2018，35（17）：35-41.

［26］ 陸杉，熊嬌. 基于GWR的長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)綠色效率時(shí)空分異及影響因素研究［J］. 地理科學(xué)，2023，43（2）：337-348.

［27］ 吳冉，劉艷，孔涵，等. 長(zhǎng)江經(jīng)濟(jì)帶耕地利用效率與生態(tài)系統(tǒng)服務(wù)耦合關(guān)系研究［J］. 長(zhǎng)江流域資源與環(huán)境，2024，33（2）：300-309.

［28］ 曹玲娟. 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)綠色全要素生產(chǎn)率測(cè)度與區(qū)域異質(zhì)性分析［J］. 生態(tài)經(jīng)濟(jì)，2024，40（1）：95-102.

［29］ 徐清華，張廣勝. 農(nóng)業(yè)機(jī)械化對(duì)農(nóng)業(yè)碳排放強(qiáng)度影響的空間溢出效應(yīng)：基于282個(gè)城市面板數(shù)據(jù)的實(shí)證［J］. 中國(guó)人口·資源與環(huán)境，2022，32（4）：23-33.

［30］ 劉佳駿，史丹，汪川. 中國(guó)碳排放空間相關(guān)與空間溢出效應(yīng)研究［J］. 自然資源學(xué)報(bào)，2015，30（8）：1289-1303.

［31］ 方大春，王琳琳. 我國(guó)碳排放空間關(guān)聯(lián)的網(wǎng)絡(luò)特征及其影響因素研究［J］. 長(zhǎng)江流域資源與環(huán)境，2023，32（3）：571-581.

［32］ 劉華軍，劉傳明，孫亞男. 中國(guó)能源消費(fèi)的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征及其效應(yīng)研究［J］. 中國(guó)工業(yè)經(jīng)濟(jì)，2015（5）：83-95.

［33］ 趙敏娟，石銳，姚柳楊. 中國(guó)農(nóng)業(yè)碳中和目標(biāo)分析與實(shí)現(xiàn)路徑［J］. 農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2022，43（9）：24-34.

［34］ 何艷秋，陳柔，朱思宇，等. 策略互動(dòng)和技術(shù)溢出視角下的農(nóng)業(yè)碳減排區(qū)域關(guān)聯(lián)［J］. 中國(guó)人口·資源與環(huán)境，2021，31（6）：102-112.

［35］ 唐菁，曾慶均，劉浩. 中國(guó)農(nóng)業(yè)碳補(bǔ)償率的動(dòng)態(tài)演進(jìn)、區(qū)域差異及空間收斂性研究［J］. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2024（1）：54-74.

［36］ 閔繼勝，胡浩. 中國(guó)農(nóng)業(yè)生產(chǎn)溫室氣體排放量的測(cè)算［J］. 中國(guó)人口·資源與環(huán)境，2012，22（7）：21-27.

［37］ 楊果，陳瑤. 中國(guó)農(nóng)業(yè)源碳匯估算及其與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的耦合分析［J］. 中國(guó)人口·資源與環(huán)境，2016，26（12）：171-176.

［38］ 曾賢剛，余暢，孫雅琪. 中國(guó)農(nóng)業(yè)農(nóng)村碳排放結(jié)構(gòu)與碳達(dá)峰分析［J］. 中國(guó)環(huán)境科學(xué)，2023，43（4）：1906-1918.

［39］ FREEMAN L C，ROEDER D，MULHOLLAND R R.Centrality insocial networks：II. experimental results［J］. Social networks，1980，2（2）：119-141.

［40］ WASSERMAN S，F(xiàn)AUST K. Social network analysis：methods andapplications［M］. New York：Cambridge University Press，1994.

［41］ 李敬，陳澍，萬(wàn)廣華，等. 中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)的空間關(guān)聯(lián)及其解釋：基于網(wǎng)絡(luò)分析方法［J］. 經(jīng)濟(jì)研究，2014，49（11）：4-16.

［42］ 彭芳梅. 粵港澳大灣區(qū)及周邊城市經(jīng)濟(jì)空間聯(lián)系與空間結(jié)構(gòu)：基于改進(jìn)引力模型與社會(huì)網(wǎng)絡(luò)分析的實(shí)證分析［J］. 經(jīng)濟(jì)地理，2017，37（12）：57-64.

［43］ 楊揚(yáng)，張秋月，徐新楊. 航空運(yùn)輸網(wǎng)絡(luò)空間結(jié)構(gòu)優(yōu)化研究：基于改進(jìn)引力模型對(duì)云南省機(jī)場(chǎng)運(yùn)輸水平的測(cè)算［J］. 價(jià)格理論與實(shí)踐，2023（11）：133-137.

［44］ 孫久文，羅標(biāo)強(qiáng). 基于修正引力模型的京津冀城市經(jīng)濟(jì)聯(lián)系研究［J］. 經(jīng)濟(jì)問(wèn)題探索，2016（8）：71-75.

［45］ 葉胥，龍燕妮，毛中根. 多層級(jí)消費(fèi)城市的空間格局及驅(qū)動(dòng)因素：以長(zhǎng)三角地區(qū)41個(gè)城市為例［J］. 經(jīng)濟(jì)地理，2022，42（5）：75-85.

［46］ 江璐璐，師謙友. 安徽省空間經(jīng)濟(jì)聯(lián)系及省會(huì)經(jīng)濟(jì)輻射力分析［J］. 地域研究與開(kāi)發(fā)，2013，32（6）：39-43.

［47］ 黃慶華，時(shí)培豪，胡江峰. 產(chǎn)業(yè)集聚與經(jīng)濟(jì)高質(zhì)量發(fā)展：長(zhǎng)江經(jīng)濟(jì)帶107個(gè)地級(jí)市例證［J］. 改革，2020（1）：87-99.

［48］ ELHORST J P. Matlab software for spatial panels［J］. Internationalregional science review，2014，37（3）：389-405.

［49］ 梁紅艷. 中國(guó)城市群生產(chǎn)性服務(wù)業(yè)分布動(dòng)態(tài)、差異分解與收斂性［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2018，35（12）：40-60.

［50］ 王興，馬守田，濮超，等. 西南地區(qū)農(nóng)業(yè)碳排放趨勢(shì)及影響因素研究［J］. 中國(guó)人口·資源與環(huán)境，2017，27（增刊）：231-234.

［51］ 何艷秋，成雪瑩，王芳. 技術(shù)擴(kuò)散視角下農(nóng)業(yè)碳排放區(qū)域溢出效應(yīng)研究［J］. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2022（4）：132-144.

［52］ 魏夢(mèng)升，顏廷武，羅斯炫. 規(guī)模經(jīng)營(yíng)與技術(shù)進(jìn)步對(duì)農(nóng)業(yè)綠色低碳發(fā)展的影響：基于設(shè)立糧食主產(chǎn)區(qū)的準(zhǔn)自然實(shí)驗(yàn)［J］. 中國(guó)農(nóng)村經(jīng)濟(jì)，2023（2）：41-65.

［53］ 甘天琦，劉銘明，周宗鈺. 中國(guó)農(nóng)業(yè)碳排放的空間關(guān)聯(lián)特征與減排政策選擇［J］. 四川農(nóng)業(yè)大學(xué)學(xué)報(bào)，2023，41（1）：166-174.

［54］ 徐建中，佟秉鈞，王曼曼. 空間視角下綠色技術(shù)創(chuàng)新對(duì)CO2排放的影響研究［J］. 科學(xué)學(xué)研究，2022，40（11）：2102-2112.

［55］ 程丹亞，曾剛. 長(zhǎng)三角區(qū)域綠色技術(shù)創(chuàng)新對(duì)工業(yè)二氧化碳排放影響的空間效應(yīng)研究［J］. 長(zhǎng)江流域資源與環(huán)境，2023，32（6）：1152-1164.

［56］ 劉云強(qiáng)，權(quán)泉，朱佳玲，等. 綠色技術(shù)創(chuàng)新、產(chǎn)業(yè)集聚與生態(tài)效率：以長(zhǎng)江經(jīng)濟(jì)帶城市群為例［J］. 長(zhǎng)江流域資源與環(huán)境，2018，27（11）：2395-2406.

［57］ 王璇，張俊飚，賴曉敏. 環(huán)境治理對(duì)農(nóng)業(yè)綠色技術(shù)創(chuàng)新的影響：基于門(mén)檻回歸的實(shí)證研究［J］. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2023，28（2）：279-292.

［58］ 李成龍，周宏. 農(nóng)業(yè)技術(shù)進(jìn)步與碳排放強(qiáng)度關(guān)系：不同影響路徑下的實(shí)證分析［J］. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2020，25（11）：162-171.

（責(zé)任編輯：王愛(ài)萍）

關(guān)鍵詞 農(nóng)業(yè)碳補(bǔ)償率；空間輻射；空間集聚；收斂特征；驅(qū)動(dòng)因素中圖分類號(hào) F323 文獻(xiàn)標(biāo)志碼 A 文章編號(hào) 1002-2104（2024）09-0076-17 DOI：10. 12062/cpre. 20240319