山東省種植業碳排放因素分解及脫鉤效應研究

摘要：種植業是農業碳排放重要來源之一，為降低種植業碳排放量，更好地推進種植業綠色低碳發展，須明確其碳排放現狀，分析其影響因素。基于山東省2006—2021年種植業數據，運用IPCC排放系數法測算其碳排放總量，使用LMDI模型分解其影響因素，并結合Tapio脫鉤理論探究種植業碳排放與農業經濟發展間的脫鉤關系。結果表明：研究期間山東省種植業碳排放量呈“M”型變化趨勢，農業物資投入碳排放占比超50%，集中于化肥、農膜使用產生；種植業碳排放與農業經濟發展間存在強脫鉤、弱脫鉤、弱負脫鉤3種脫鉤類型，以強脫鉤和弱脫鉤為主，種植業發展模式良好；各因素中，種植業生產效率、農業生產結構、產業結構、糧食生產技術水平以及農村人口規模對種植業碳排放呈抑制作用，人均生活水平、人均農作物播種面積、種植結構呈促進作用，其中提升種植業生產效率、穩定人均生活水平更利于種植業碳減排。

關鍵詞：山東省；種植業；碳排放；LMDI因素分解；脫鉤效應

中圖分類號：S23； X321" " " 文獻標識碼：A" " " 文章編號：2095?5553 （2025） 04?0320?08

Research on decomposition of carbon emission factors and decoupling effect of cultivation in Shandong Province

Guo Meijie Liu Botao Guo Zixuan Qu Ruiting Qiao Lin Wang Tipeng

（1. College of New Energy， North China Electric Power University， Beijing， 102206， China；

2. State Grid Liaoning Information and Communication Company， Shenyang， 110006， China）

Abstract： Plantation industry is one of the important sources of agricultural carbon emissions. In order to reduce the carbon emissions of plantation industry and promote the green and low?carbon development of the plantation industry， it is necessary to clarify the current status of its carbon emissions and analyze its influencing factors. Based on the basic data of cultivation industry in Shandong Province from 2006 to 2021， this paper calculated the total carbon emissions by using IPCC emission factor method， decomposed the influencing factors by using LMDI model， and studied the decoupling relationship between carbon emissions from cultivation industry and the agricultural economic development by combining with Tapio decoupling theory. The results showed that the carbon emissions from the plantation industry in Shandong Province showed an M?shaped trend during the study period， of which agricultural inputs accounted for more than 50% of the carbon emissions， focusing on the use of chemical fertilizers and agricultural films. There were three types of decoupling between carbon emissions from plantation industry and agricultural economic development such as strong decoupling， weak decoupling and weak negative decoupling， with strong decoupling and weak decoupling being the main ones. Among the factors， planting production efficiency， agricultural production structure， industrial structure， planting production technology level and rural population size inhibited planting carbon emissions， while per capita living standard， per capita area of crops sown and planting structure promoted， among them， improving planting production efficiency and stabilizing per capita living standard were more conducive to planting carbon emission reduction. The article hopes to provide a certain theoretical direction for the development of agriculture in Shandong Province through the analysis of plantation factors and the study of decoupling effect.

Keywords： Shandong Province； plantation； carbon emissions； LMDI factor decomposition； decoupling effect

0 引言

IPCC（聯合國政府間氣候變化專門委員會）第六次評估報告指出“人類活動導致的溫室氣體排放是造成氣候變暖的主要驅動因素”[1]。在2020年聯合國大會上，習近平總書記表示中國將于2030年前實現碳達峰，2060年前實現碳中和[2]。據統計，農業活動所產生碳排放是全球溫室氣體排放的第二大來源，貢獻率約為14%[3]。我國是傳統農業大國，農業碳排放約占溫室氣體總碳排放量的17%，其中種植業部分占比超50%，對實現農業低碳發展影響較大[4]。“十四五”規劃明確提出增強農業領域減排固碳要求，控制農業碳排放水平。為使我國更好落實減排承諾，實現農業現代化、低碳化、綠色資源化發展具有重要意義。

目前，發展低碳農業是各學者關注的焦點。農業碳排放源主要來自農業物資投入、農作物種植、畜牧養殖以及廢棄物處理等方面[5]，其中農業物資投入和農作物種植約占農業碳排放總量的52%[6]，從種植業角度來看，化肥、農藥、農膜等農業物資投入造成大量農業碳排放[7]。在農業碳排放測算方面，不少學者采用較為完善的IPCC排放系數法計算農業碳排放量[8]，保證測算結果的穩定性。農業碳排放測算結果能用于分析農業碳排放現狀，并根據現狀特征進行因素分解[9]、達峰預測[10]、碳減排潛力剖析[11]、經濟發展脫鉤效應[12]等研究。

山東省作為我國農業大省，是農作物生產核心區之一，其農業總產值、農產品加工業值等常年居全國首位[13]。隨著農業現代化水平進一步提高，化肥、農藥等農業物資投入不斷增加，農業碳減排任務日益艱巨。因此，掌握農業碳排放現狀，探明山東省種植業碳排放量的主要來源，制定有效的種植業減排措施，對種植業碳達峰、促進山東省農業綠色低碳轉型具有重要意義。本文以2006—2021年山東省種植業為研究對象，通過IPCC排放系數法合理測算種植業碳排放量，基于現狀特征分析種植業碳排放影響因素，采用Tapio脫鉤理論模型解析種植業碳排放與農業經濟發展間的變化關系，為山東省實現農業減排目標提供理論依據。

1 研究方法

1.1 山東省種植業碳排放測算

目前，有關農業碳排放尚無統一測算方法，國內外研究學者多從化石燃料碳排放核算和農田利用碳排放核算兩種測算角度核算農業碳排放量，其中農田利用碳排放核算充分考慮到能源消耗產生的直接碳排放和中間產品消耗產生的間接碳排放，計算結果相對準確[14]。由此從農田利用碳排放核算角度出發，并基于IPCC碳排放系數法來計算2006—2021年山東省種植業碳排放量。計算方法如式（1）所示。

1.2 LMDI因素分解

1989年Kaya教授首次提出Kaya恒等式，并將其作為研究碳排放影響因素分解方法[18]。Kaya恒等式通過數學方法建立人類社會活動產生碳排放與經濟、政策、人口等因素的聯系[19]，LMDI（對數平均迪氏分解）模型是在Kaya擴展式的基礎上，利用對數平均法對影響因素進行綜合分析，因其因素可逆和殘差項為0的優點被廣泛應用。利用LMDI因素分解方法對2006—2021年山東省種植業碳排放因素分解，根據Kaya恒等式基本形式，并參考已有研究[16， 20]，模型如式（2）所示。

1.3 Tapio脫鉤理論

碳排放脫鉤彈性指數為一定時間內基期和當前碳排放的變化率與GDP變化率的比值。基于Tapio脫鉤模型理論[21]，構建山東省種植業碳排放量與農業經濟發展間的脫鉤彈性計算如式（13）所示。

1.4 數據來源及處理

基于數據的最大可獲得性，選擇2006—2021年山東省各年份數據為研究樣本，其中化肥、農藥、農膜、農用柴油等農業物資消耗數據來自于2007—2022年《山東統計年鑒》與國家統計局分省年度數據。所獲數據農業物資投入部分化肥、農藥、農膜以及農用柴油均為當年用量，灌溉面積為有效灌溉面積；農田土壤利用部分為各農作物當年實際播種面積。

2 結果與分析

2.1 山東省種植業碳排放分析

從碳排放總量來看，由圖1所示，2006—2021年山東省種植業碳排放量變化形勢總體呈“M”型，呈現先上升后波動下降的趨勢，分別在2007年和2015年達到碳排放量的兩個峰值，為16 308.3 kt和16 038.1 kt。2021年碳排放量為最低值，為14 545.8 kt。碳排放量變化趨勢與農業發展政策息息相關。2005年我國提出積極建立農民合作經濟組織發展的信貸、財稅和登記制度，強化農田水利、耕地生態建設，加大對種糧農民的補貼力度，增加農機具購置補貼[22]。2006年我國全面取消傳統農業稅，大大提高了農民種植積極性，但同時期農民綠色生態保護意識相對落后，導致農業物資收入和農田土壤利用方面碳排放量有所上升。2007年后，隨著農業政策發展與完善，我國將農業發展重點轉向現代農業，并積極轉變農業經濟發展方式，碳排放總量有所下降。“十二五”時期全國現代農業發展規劃中提出“完善現代農業產業體系，大力發展現代農作物種植和新品種轉化應用，穩定增加小麥、玉米等農作物播種面積，并加強先進農業機械研發推廣”，此時碳排放總量呈上升趨勢。同時期國家“鼓勵使用生物農藥、回收再利用農膜，推進農業節能減排”[23]，在政策指引下，農業物資投入方面化肥、農藥、農膜、農用柴油的碳排放量所占比重分別降低0.57%、0.34%、0.54%、0.72%，農業生態環境治理取得一定成效，由此，山東省種植業碳排放總量雖然增加但增速較為緩慢。2014年，中央提出“發展生態友好型農業”，后推進化肥和農藥使用量零增長行動，同步調整完善農業“三項補貼”政策，鼓勵引導農民減少農藥化肥使用量，控制農業面源污染，自2015年起碳排放總量逐年下降。

從碳排放強度來看，2006—2021年山東省種植業碳排放強度基本呈逐年下降趨勢，由0.395 6 t/萬元下降至0.126 8 t/萬元，整體下降67.94%，年均下降幅度為4.53%。碳排放強度為碳排放量與經濟總產值的比值，在研究區間，山東省農業產值上升的同時種植業碳排放總量有所下降，山東省種植業呈現低碳發展狀態，可持續協調發展成效顯著，農業發展方式向高質量綠色發展方向轉變。

具體來看，2006—2021年山東省種植業碳排放結構以農業物資投入碳排放為主，平均占比為55.25%，農田土壤利用碳排放平均占比為44.75%。農業物資投入碳排放中排名前3位的分別是農用化肥、農膜使用和灌溉，所占比重均值分別約為25.21%、9.80%、8.34%，是農業物資投入碳排放的主要碳源。目前，隨著山東省農業政策對化肥和農膜使用量的控制，它們所產生碳排放量比重降低。農田土壤利用碳排放主要來源于冬小麥、玉米和蔬菜。其中，蔬菜產生碳排放量占比較為穩定，平均變化幅度為-0.07%；冬小麥和玉米產生碳排放量比重均增加，與2006年相比，2021年其數值分別增加1.48%、4.40%，說明山東省遵循嚴格保護永久基本農田建設方針政策，注重糧食生產功能區建設和管護，有效落實農業大省責任擔當。

2.2 LMDI因素分解分析

由表3可知，2006—2021年山東省種植業碳排放量累計減少1 511.3 kt。總體來看，種植業生產效率、農業生產結構、產業結構、人均糧食播種面積、農村總人口規模各因素對種植業碳排放呈負向影響，說明提高種植業生產效率能夠有效減少種植業碳排放。具體來看，提升種植業生產效率是最主要的減排影響因素，與研究初期相比累計實現碳減排16 192.6 kt，若其他因素保持不變，可實現年均碳減排1 079.5 kt。“十二五”期間，國家持續調動《全國新增1 000億斤糧食生產能力規劃（2009—2020年）》所確定的各糧食生產核心區的生產積極性，做好糧食生產基礎安全保障，同步推廣防災減災增產關鍵技術，大大提高農業生產效率，推動了農業經濟發展。農業生產結構、產業結構、人均糧食播種面積以及農村人口規模對山東省種植業碳減排起到一定作用，在其他因素保持不變的情況下，分別產生年均113.6 kt、464.8 kt、95.9 kt、328.7 kt碳減排。研究期內，山東省種植業生產總值在農業生產總值所占比重、農業總產值在省總產值所占比重分別下降5.56%、7.60%，說明山東省在大力提高資源配置、優化農業產業結構調整等方面取得一定成效，而農業產業結構優化可促進碳減排。農村人口規模變化一定程度上反映城鎮化進程與農業生產技術水平的變化，農村人口減少表明農業生產在農機和農業技術的幫助下需要相比之前更少的勞動力[24]，再加上綠色生態發展理念的不斷滲透，農村勞動力整體素質水平上升，促進了農業碳減排。糧食生產技術水平在2016年前對種植業碳排放起負向作用，2016年后起正向作用，這可能是“十三五”規劃要求加強農業科技攻關，大力推進農業機械化水平并推廣主要糧食作物機播和機收，農用柴油等農資需求量增加，促進農業碳排放。

人均生活水平、種植結構、人均農作物播種面積各因素對種植業碳排放呈正向影響。具體來看，提升人均生活水平是研究期間山東省種植業碳排放增加的最主要影響因素，其累計產生21 955.5 kt碳排放量，說明未來一段時期內，經濟發展仍將主要影響山東省種植業碳排放。人均農作物播種面積和種植結構與研究初期相比，分別累計增加碳排放量5 234.1 kt、2 536.0 kt，年均增加碳排放量328.7 kt、95.9 kt。研究期間，人均農作物播種面積和糧食種植面積占農作物播種面積比重均有所增加，表現出山東省農業生產仍舊存在結構性矛盾，產值增加主要依靠生產要素投入，種植業生產技術水平還需提高，農業碳減排工作任重道遠。

2.3 Tapio脫鉤彈性分析

由表4可知，山東省種植業碳排放量在2008—2010年、2016—2021年為負增長，在2006—2007、2011—2015年為正增長，農業GDP增長率除2016年外均為正值。山東省種植業碳排放與農業經濟發展間存在弱脫鉤、強脫鉤、弱負脫鉤3種特征類型，其中以弱脫鉤和強脫鉤為主。2006—2007年，在農稅減免補貼等政策加持下，農民生產積極性大大提高，農業物資投入增加，農業生產總值增加，但人們節能減碳意識薄弱，種植業碳排放量有所上升。2008—2015年整體發展狀態良好，在種植業碳排放量降低的情況下農業經濟產值可持續增長，且“十二五”規劃期間雖然種植業碳排放量上升但增加緩慢，碳排放增加幅度小于經濟增長的幅度。十七大以來，國家倡導發展可持續低碳農業，人們逐漸采用循環生態農業等發展模式，推動種植業高質量發展。2016—2017年省內出現低溫、冷凍、洪澇、干旱等極端天氣，極大影響農業經濟發展。總體上山東省種植業碳排放與農業經濟發展之間呈現較顯著脫鉤狀態，實施綠色種植更能促進農業經濟穩步增長。

根據表5各因素與農業經濟發展之間的脫鉤彈性指數結果，人均生活水平因素與農業經濟之間脫鉤彈性指數為正值且數值范圍在0.8～1.0，多表現為增長連結與擴張負脫鉤，脫鉤程度最低；種植結構和人均農作物播種面積在研究期內脫鉤彈性指數均值均為正值，但[εΔTP均值較大]，脫鉤彈性多表現為弱脫鉤，脫鉤程度較低。種植業生產效率的脫鉤指數值基本為負值，2019—2020年[εΔE]值最低為-2.104 1，與農業經濟之間呈現強脫鉤狀態，脫鉤程度最高；產業結構和農村人口規模對農業經濟脫鉤彈性均表現為強脫鉤，但[εΔIS]和[εΔPR]的均值均大于[εΔE]，故脫鉤程度較高；農業生產結構和種植業生產技術水平的脫鉤彈性指數值總體呈現趨于0的變化，脫鉤程度高。

3 結論與建議

3.1 結論

通過IPCC碳排放系數法測算2006—2021年山東省種植業碳排放總量，利用LMDI因素分解方法探究各因素對種植業碳排放的影響方向和大小，并依據Tapio模型理論分析種植業碳排放、各影響因素與農業經濟發展的脫鉤關系。

1） 研究期間山東省種植業碳排放呈“M”型變動趨勢，種植業碳排放強度逐年下降。農業物資投入產生碳排放占比超50%，其中化肥、農膜使用和農業灌溉是農業物資投入碳排放的主要碳源，灌溉所產生碳排放量持續增長；農田土壤利用中冬小麥和玉米種植產生的碳排放為主要碳源。

2） 山東省種植業碳排放與農業經濟間存在強脫鉤、弱脫鉤、弱負脫鉤3種脫鉤類型，以強脫鉤和弱脫鉤為主，其中2008—2015年種植業碳排放得到控制，農業經濟持續增長，山東省呈現良好的農業模式，脫鉤狀態逐漸趨于理想型。

3） 種植業生產效率、農業生產結構、產業結構、糧食生產技術水平和農村人口規模等因素對種植業碳排放有抑制作用，提升種植業生產效率更能促進種植業碳減排；人均生活水平、種植結構以及人均農作物播種面積等因素呈現促進作用。

3.2 建議

1） 降低農業物資投入碳排放。繼續開展化肥減量化行動，加快有機肥替代；推行農作物病蟲害防治減少農藥使用，同步推進高毒農藥淘汰；推進農機電動化轉型，使用氫燃料電池為動力的農機，提高能源利用率，減少農業物資投入產生碳排放。

2） 強化農業科技支撐，提升種植業生產效率和種植業生產技術水平。重點推進土壤修復、土壤質量改造、新型綠色農機具等關鍵技術研發和推廣應用，提高種植技術來增加糧食等農作物生產力和固碳能力；綜合運用智能化發展平臺，完善農情數字化監測體系，促進碳減排。

3） 優化農業生產結構，調整內部產業結構。在穩定小麥等口糧生產量的同時提升玉米等農作物綜合生產能力；發展區域優勢種植業，如壽光蔬菜、棲霞蘋果等；充分發揮海洋資源優勢，積極發展碳匯漁業，實現農業全方面最優發展。

4） 完善農種政策和補貼機制，提升農村勞動力素質水平。城鎮化進程加快導致農村有效勞動力減少，因此，更需要穩定和強化耕地保護補貼、農機購置補貼等，加大種植支持獎勵力度，發展現代農業產業園，加強現代技術人才的培育，保障現代農業低碳發展。

參 考 文 獻

[ 1 ] Gutiérrez J M， Iones R G， Narisma G T， et al. Climate change 2021： The physical science basis [J]. Chemistry International， 2021， 43（4）： 22-23.

[ 2 ] Geng J， Zhou D， Bai J， et al. Quantification of the carbon emission of urban residential buildings： The case of the Greater Bay Area cities in China [J]. Environmental Impact Assessment Review， 2022， （7）： 95.

[ 3 ] 伍國勇， 孫小鈞， 于福波， 等.中國種植業碳生產率空間關聯格局及影響因素分析[J]. 中國人口 ? 資源與環境， 2020， 30（5） ： 46-57.

Wu Guoyong， Sun Xiaojun， Yu Fubo， et al. Spatial correlation pattern and influencing factors of China's crop production carbon productivity [J]. China population， Resources and Environment， 2020， 30（5）： 46-57.

[ 4 ] 楊濱鍵.山東省種植業低碳績效評價與減排政策研究[D]. 哈爾濱： 東北林業大學， 2020.

Yang Binjian. Study on low carbon performance evaluation and emission reduction policy of Shandong planting industry [D]. Harbin： Northeast Forestry University， 2020.

[ 5 ] Johnson M F， Franzluebbers A J， Weyers S L， et al. Agricultural opportunities to mitigate greenhouse gas emissions [J]. Environmental Pollution， 2007， 150： 107-124.

[ 6 ] 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 Yun， Yin Minhao. Re?evaluation of China's agricultural carbon emissions： Basic status， dynamic evolution and spatial spillover effects [J]. Chinese Rural Economy， 2022（3）： 104-127.

[ 7 ] 李波. 經濟增長與農業碳排放關系的實證研究 [J]. 生態環境學報， 2012， 21（2）： 220-224.

Li Bo. Empirical study on relationship between economic growth and agricultural carbon emissions [J]. Ecology and Environmental Sciences， 2012， 21（2）： 220-224.

[ 8 ] 王長波， 張力小， 栗廣省.中國農村能源消費的碳排放核算[J]. 農業工程學報， 2011， 27（S1）： 6-11.

Wang Changbo， Zhang Lixiao， Li Guangsheng. Carbon emission accounting from rural energy consumption in China [J]. Transactions of the Chinese Society of Agricultural Engineering， 2011， 27（S1）： 6-11.

[ 9 ] 吳昊玥， 黃瀚蛟， 何宇， 等.中國農業碳排放效率測度、空間溢出與影響因素[J]. 中國生態農業學報（中英文）， 2021， 29（10）： 1762-1773.

Wu Haoyue， Huang Hanjiao， He Yu， et al. Measurement， spatial spillover and influencing factors of agricultural carbon emissions efficiency in China [J]. Chinese Journal of Eco?Agriculture， 2021， 29（10）： 1762?1773.

[10] 范振浩， 邢巍巍， 卜元卿， 等.江蘇省種植業碳排放的測算及達峰分析[J]. 水土保持學報， 2023， 37（5）： 78-85.

Fan Zhenhao， Xing Weiwei， Bu Yuanqing， et al. Calculatin and peak analysis of carbon emissions from agricultural planting in Jiangsu Province [J]. Journal of Soil and Water Consevation， 2023， 37（5）： 78-85.

[11] 尹巖， 郗鳳明， 邴龍飛， 等.我國設施農業碳排放核算及碳減排路徑[J]. 應用生態學報， 2021， 32（11）： 3856-3864.

Yin Yan， Xi Fengming， Bing Longfei， et al. Accounting and reduction path of carbon emission from facility agriculture in China [J]. Chinese Journal of Applied Ecology， 2021， 32（11）： 3856-3864.

[12] 蔣添誠， 胡純， 王巧稚， 等.湖北省農業碳排放時空特征及脫鉤研究[J]. 環境污染與防治， 2021， 43（11）： 1476-1480.

[13] 劉楊， 代雪靜， 楊曉鈺， 等. 2000—2020年山東省種植業碳排放量及碳匯量時空差異分析[J]. 四川環境， 2023， 42（5）： 317-326.

Liu Yang， Dai Xuejing， Yang Xiaoyu， et al. Spatial and temporal characteristics of carbon emission and carbon sink of planting industry in Shandong Province from 2000 to 2020 [J]. Sichuan Environment， 2023， 42（5）： 317-326.

[14] 崔朋飛， 朱先奇， 李瑋.中國農業碳排放的動態演進與影響因素分析[J]. 世界農業， 2018（4）： 127-134.

[15] 米麗娟. 云南省農業碳排放驅動因素與脫鉤效應研究[J]. 智慧農業導刊， 2023， 3（17）： 45-48.

Mi Lijuan. Research on driving factors and decoupling effects of agricultural carbon emission in Yunnan Province[J]. Journal of Intelligent Agriculture， 2023， 3（17）： 45-48.

[16] 劉楊， 劉鴻斌.山東省農業碳排放特征、影響因素及達峰分析[J]. 中國生態農業學報（中英文）， 2022， 30（4）： 558-569.

Liu Yang， Liu Hongbin. Characteristics， influence factors， and prediction of agricultural carbon emissions in Shandong Province [J]. Chinese Journal of Eco?Agriculture， 2022， 30（4）： 558?569.

[17] Talley， Trigg. Call for expert reviewers to the U.S. government review of the working group I contribution to the fifth assessment report of the intergovernmental panel on climate change （IPCC）， climate change 2013： The physical science basis [J]. State Department Documents / FIND， 2012， 77（187）： 59238-59239.

[18] Ang B W. The LMDI approach to decomposition analysis： A practical guide [J]. Energy Policy， 2005， 33（7）： 867-871.

[19] 胡婉玲， 張金鑫， 王紅玲. 中國農業碳排放特征及影響因素研究[J]. 統計與決策， 2020， 36（5）： 56-62.

Hu Wanling， Zhang Jinxing， Wang Hongling. Characteristics and influencing factors of agricultural carbon emission in China [J]. Statistics amp; Decision， 2020，36（5）： 56?62.

[20] 曠愛萍， 謝凱承.大西南綜合經濟區農業碳排放特征及影響因素——基于LMDI分解和面板回歸[J]. 桂林航天工業學院學報， 2023， 28（3）： 414-426.

[21] 劉書暢， 葉艷妹， 林耀奔.基于脫鉤理論與LMDI模型的農村居民點演化特征及驅動因素分解[J]. 農業工程學報， 2019， 35（12）： 272-280.

Liu Shuchang， Ye Yanmei， Lin Yaoben. Evolution characteristics and decomposition of driving factors on rural residential land based on decoupling theory and LMDI model [J]. Transactions of the Chinese Society of Agricultural Engineering， 2019， 35（12）： 272-280.

[22] 王先鋒.改革開放以來中國共產黨的惠農政策研究[D]. 濟南： 山東師范大學， 2012.

[23] 《中華人民共和國國民經濟和社會發展第十二個五年規劃綱要》[J]. 民主， 2011 （7）： 37.

[24] 何梓瑜.農村人口流動對農業產業化發展的影響分析——以貴州省為例[J]. 糧食科技與經濟， 2020， 45（6）： 48-51.