论文快递｜焦士兴等：黄河流域农业碳排放效率与农业高质量发展的互动关系

黄河流域作为我国重要的生态屏障和经济地带，是推动高质量协调发展的关键区域，加强其生态保护和污染防治对于促进流域社会稳定、经济发展具有重要意义［1］。农业高质量发展是流域高质量发展的重要组成部分，农业碳排放与农业高质量发展之间具有密切联系。农业碳排放对于环境具有负面影响，是评价高质量发展的重要指标。因此，探讨农业碳排放效率与农业高质量发展的关系具有重要意义。

目前，农业碳排放效率和农业高质量发展的相关研究已取得丰富成果。在农业碳排放效率方面，郭四代等［2］采用包含非期望产出的SBM 模型，测算了西部地区的农业碳排放效率，认为其总体呈上升趋势且投入产出效率处于较优状态；吴贤荣等［3］分析了我国农业的碳排放效率指数，认为省域之间存在显著差异；沈艳阳等［4］综合运用Super－SBM 模型，测算了我国省域农业碳排放效率，认为其稳步提高且存在较大提升空间。在农业高质量发展方面，杨辉等［5］运用熵值法测算了我国三大粮食功能区发展水平，认为其均保持上升趋势但存在区域差异；马凤才等［6］采用熵权法计算了黑龙江省农业高质量发展水平，认为农业产业集聚存在明显的促进作用和区域异质性；王善高［7］运用半参数面板数据模型，分析了数字经济对我国农业高质量发展的影响，认为其存在时空异质性；高雪等［8］利用纵横向拉开档次法，分析了我国农业发展质量的时空变化情况，认为其呈现东高西低的态势。

综上所述，有关农业碳排放效率和农业高质量发展的研究大多只探讨农业碳排放效率或农业高质量发展的影响因素［3，8］，或者某一要素对农业碳排放效率或农业高质量发展的单向关系［4，7］，而较少探讨农业碳排放效率和农业高质量发展之间的互动关系，且研究区域较少涉及黄河流域。基于此，笔者运用包含非期望产出的超效率SBM 模型测算黄河流域农业碳排放效率，采用熵值法评价农业高质量发展状况，并基于VAR 模型，探讨农业碳排放效率与农业高质量发展的互动机制，以期为推动黄河流域生态保护和高质量发展提供参考。

农业碳排放效率是指既定投入要素情况下，用较低的碳排放获取较多的经济产出，反映碳排放约束条件下的农业生产率水平，其本质是纳入了碳排放的生产技术效率［9－10］。参考相关研究成果［2，11－12］，从农业投入和农业产出2 个维度，构建农业碳排放效率评价指标体系（见表1），其中：农业投入维度包括劳动力投入、土地投入、农资投入3 个一级指标，农业产出维度包括期望产出、非期望产出2 个一级指标。参考相关研究成果［13－14］，从绿色、经济、可持续发展、创新4 个维度构建农业高质量发展评价指标体系（见表2），其中：绿色维度包括环境友好、资源利用2 个一级指标，经济维度包括经济增长、产业结构2 个一级指标，可持续发展维度包括资源禀赋、风险承受2 个一级指标，创新维度包括创新基础、创新绩效2 个一级指标。

表１　黄河流域农业碳排放效率评价指标体系

 

表２　黄河流域农业高质量发展评价指标体系　

 

数据来源于2011—2023 年《中国统计年鉴》、黄河流域九省（区）统计年鉴、《中国农业统计年鉴》，缺失数据采用线性插值法和均值法弥补。

1.2.1 超效率SBM 模型

超效率SBM 模型由Tone［15］提出，用于解决存在非期望产出情况的效率分析问题［16－17］。

式中：ρ 为决策单元的效率值， 和 分别为投入指标n 在第k 和k′个生产单元第t 和t′年的值， 和分别为期望产出指标m 在第k 和k′个生产单元第t 和t′年的值，和 分别为非期望产出指标i 在第k 和k′个生产单元第t 和t′年的值，N、M、L 分别为投入、期望产出、非期望产出的指标数量，T 为年数，K 为决策单元个数，分别为投入、非期望产出的冗余， 为期望产出的不足，Ztk 为决策单元的权重。

1.2.2 熵值法

熵值法［5］能够客观揭示各指标对农业高质量发展的影响程度，并兼顾不同年份间指标的可比性。步骤如下。

1）计算第j 个指标的熵值：

其中

式中：ej 为第j 个指标的熵值，Pij 为第j 个指标第i 年占比，为第i 年第j 个指标归一化后的值， n 为年数。

2）计算第j 个指标的权重：

式中：Wj 为第j 个指标的权重，m 为指标个数。

3）计算农业高质量发展水平：

式中：Yi 为第i 年农业高质量发展水平。

1.2.3 VAR 模型

VAR（多元时间序列变量的向量自回归）模型将系统中各内生变量作为所有内生变量的滞后项来建立模型，用于估计变量的动态关系［18］。

式中：Yt ，Yt－1 ，…，Yt－p 为k 维向量，Xt 为d 维向量，p 为滞后阶数，A1，A2，…，Ap 和B 为k × k 和k × d 维系数矩阵，ut 为随机扰动项。

利用式（1）、式（2），计算黄河流域整体及各省（区）农业碳排放效率，结果见图1。黄河流域农业碳排放效率整体呈上升态势，年均增长率为6.33%。其中2010—2017 年增幅较小，年均增长率为4.99%，主要原因是投入的农用物资较多，如化肥施用量由2010年的1 980 万t 增加到2017 年的2 101 万t，农业碳排放量则由2 780万t 增加到2 948 万t，农业碳排放效率相对较低；2018—2022 年增幅较大，年均增长率为6.90%，主要原因是黄河流域九省（区）积极贯彻落实国家碳减排政策，优化要素投入与可再生能源替代［12］，减少了农用物资投入［19］，黄河流域化肥、农药施用量分别由2018 年的693 万、41 万t 减少至2022年的595 万、29 万t，农业碳排放量则由2018 年的2 842万t 减少至2022 年的2 565 万t。

图１　黄河流域及九省（区）农业碳排放效率

 

黄河流域农业碳排放效率区域差异较大。采用ArcGIS 10.5 自然间断点分级法，将农业碳排放效率划分为Ⅰ级［0.632，0.653］、Ⅱ级（0.653，0.885］、Ⅲ级（0.885，0.923］3 个等级。

Ⅰ级包括甘肃、山西两省，农业碳排放效率较低，全省均值分别为0.653、0.632。甘肃位于我国西北地区，经济发展相对落后，在农业发展过程中忽视了对环境的保护，导致面源污染比较严重，农业碳排放量较大［20］。山西省农业碳排放效率低下，归因于生产过程中存在要素投入过多、期望产出不足或者非期望产出过多，农业生产的效率较低［21］。

Ⅱ级包括山东、四川、河南、陕西、青海五省，农业碳排放效率处于中等水平，全省均值分别为0.885、0.871、0.845、0.880、0.859。山东、四川、河南均为我国农业大省，经济发展水平相对较高，但经济收益的增速低于农业生产所产生的碳排放量的增速，农业生产中产生的碳排放主要来源于农药化肥的施用［22］，2022年山东、四川、河南三省的农业碳排放量分别为577万、290 万、706 万t，三省合计占黄河流域九省（区）碳排放总量的61.3%。陕西是种植业大省，种植业比例较高，不利于农业碳排放效率的提升。青海受自然地理环境的影响，种植业规模较小，农业碳排放量也较小，2022 年农业碳排放量为12 万t。

Ⅲ级包括宁夏、内蒙古两个自治区，农业碳排放效率较高，全区均值分别为0.922、0.905。宁夏通过建立健全农业技术推广服务体系，加强农业基础设施和高标准农田建设，极大地推动了农业生产率的提升［23］。内蒙古重视农业生产，农业投入力度大，2022 年内蒙古第一产业产值占比为11.59%，位居黄河流域九省（区）的第二位；2022 年内蒙古农林水事务支出占财政支出的15%，位居黄河流域九省（区）的第二位。

运用式（3）～式（6），计算黄河流域及各省（区）农业高质量发展水平，结果见图2。由图2 可知，黄河流域农业高质量发展水平整体呈现波动上升态势，增长速度相对较快。2010—2022 年，高质量发展水平从0.147升至0.511，年均增长率为10.9%。其中，2010—2016 年年均增长率为15.9%，但发展水平仍较低，如2016 年仅为0.288，主要原因是农业发展仍处于“高能耗、低效率”阶段，农业生产投入较多，如2016 年农用柴油量达598 万t，但农业产值不高（18 300亿元），仅为2022 年的65.3%；农业生产效率低下，2016 年土地生产率为3.89 万元／hm2，仅为2022 年的62%，且对环境影响较大。2017—2022 年农业高质量发展水平增长速度减缓，年均增长率为10%，但发展水平相对较高，归因于我国实施了“由高速增长向高质量发展转变”重大发展战略，九省（区）更加重视高质量的发展，在推动农业经济可持续发展的同时保护了生态环境。

图２　黄河流域及九省（区）农业高质量发展水平

 

黄河流域农业高质量发展水平区域差异较大。采用ArcGIS 10.5 自然间断点分级法，将农业高质量发展水平划分为Ⅰ级［0.313，0.363］、Ⅱ级（0.363，0.438］、Ⅲ级（0.438，0.527］3 个等级。

Ⅰ级包括宁夏、内蒙古、山西、陕西四省（区），农业高质量发展水平较低，全省（区）均值分别为0.363、0.352、0.350、0.312。宁夏农业发展主要依靠黄河过境水，农业用水量占比超过85%［24］，在黄河流域九省（区）中用水效率最低（2022 年农业用水效率为7.996元／m3）。内蒙古农业多为分散经营，且复种指数较低（2022 年为75.69%）。山西传统种植业和畜牧业发展较慢且相对稳定，相应的加工业发展也较慢，农业产品附加值较低［25］。陕西农业规模化程度较低，2022 年农业规模化程度仅有0.64 hm2／人。总之，这四省（区）农业高质量发展水平较低的主要原因是资源利用效率和生产效率均较低。

Ⅱ级包括甘肃、青海两省，农业高质量发展处于中等水平，全省均值分别为0.439、0.409。甘肃、青海位于黄河上游，受自然条件影响，农业发展受到一定制约。甘肃通过转变农业发展方式、推动农业生产动力转化等措施［26－27］，有效推动了农业高质量发展。受西部大开发战略等影响，2018 年以来青海农业发展水平得到明显提高。

Ⅲ级包括河南、四川、山东三省，农业高质量发展水平较高，全省均值分别为0.527、0.525、0.521。河南、山东地形相对平坦，农业机械化水平较高。河南省不断完善农田基础设施，重视提升农产品质量和竞争力。山东是沿黄九省（区）中经济最发达的省份，耕地率位居全国第一，耕地数量、质量和生产条件具有得天独厚的优势［28］，有利于农业高质量发展。四川地域面积大，自然资源和劳动力资源丰富，农业高质量发展水平相对较高。

利用式（7），结合Eviews 10.0 软件，采用VAR 模型和单位根检验等方法［18］，探讨农业碳排放效率与农业高质量发展之间的互动关系。

2.3.1 平稳性检验及协整检验

Augmented Dickey－Fuller（ADF）检验是一种常用的单位根检验方法，专门用于时间序列数据平稳性检验，以避免存在伪回归现象。ADF 检验结果表明，5%显著性水平的农业碳排放效率与农业高质量发展两个变量均为一阶差分平稳（见表3）。在ADF 检验基础上，对变量进行协整检验，结果显示两个变量协整。

表３　ＡＤＦ 检验结果　

 

2.3.2 最优滞后阶数

在使用VAR 模型进行分析时，需要确定最优滞后阶数。以农业碳排放效率和农业高质量发展两个变量建立VAR 模型，结果显示其最优滞后阶数为1（见表4）。

表４　最优滞后阶数分析结果

 

2.3.3 格兰杰因果检验

在确定最优滞后阶数为1 阶后，对农业碳排放效率与农业高质量发展进行格兰杰因果检验。在5%显著性水平，当P＜0.05 时，拒绝原假设；当P＞0.05 时，则接受原假设。

格兰杰因果检验结果表明，5%显著性水平的农业碳排放效率是农业高质量发展的原因（见表5）。碳排放效率与高质量发展主要通过与生态环境的相互作用而彼此影响［29］。生态环境对农业高质量发展水平的影响较大，归因于绿色维度所占权重（0.34）较大。农业碳排放效率的提高对生态环境有积极影响，碳排放量随着碳排放效率提高而减少；农业污染物减少，可有效缓解农业生产所带来的环境压力，促进农业高质量发展。因此，提高黄河流域农业碳排放效率能够有效促进农业高质量发展。

表５　格兰杰因果检验结果　

 

格兰杰因果检验结果表明，5%显著性水平的农业高质量发展不是农业碳排放效率的原因（见表5）。 黄河流域农业发展存在生态环境脆弱、农业面源污染严重、水资源短缺等问题［30］，因此高质量发展受到阻碍，发展水平从2010 年的0.147 上升至2022 的0.511，发展水平相对较低，但农业碳排放效率（从0.519 上升到1.084）相对较高，表明黄河流域农业高质量发展对碳排放效率的提高影响不显著。

2.3.4 方差分解

方差分解是通过分析每一个结构冲击对内生变量变化的贡献度，进而评价不同结构冲击的重要性［31］。对农业碳排放效率与农业高质量发展水平进行方差分解，结果见表6。表6 表明：从第1 期到第10 期（指利用现有样本对未来进行预测的期数），农业碳排放效率对农业高质量发展的贡献率（大于20%）均大于农业高质量发展对农业碳排放效率的贡献率（小于20%），表明农业碳排放效率对农业高质量发展的影响较大，这与上文格兰杰因果检验的结果相吻合。

表６　方差分解结果　％

 

运用包含非期望产出的超效率SBM 模型和熵值法，分析了黄河流域2010—2022 年农业碳排放效率和农业高质量发展水平，采用Eviews 10.0 软件、VAR 模型和单位根检验等方法探讨了二者的互动关系。

1）黄河流域农业碳排放效率整体呈上升趋势，区域差异显著。 甘肃、山西处于较低水平，四川、山东、河南、陕西、青海五省处于中等水平，宁夏、内蒙古处于较高水平。 甘肃、山西应提高农业物资利用效率，发展绿色农业；四川、山东、河南、陕西、青海应发挥区域比较优势，发展特色产业；宁夏、内蒙古应加强科技创新、培育良种等，发展生态农业。

2）黄河流域农业高质量发展水平呈波动上升趋势，区域差异较大。 陕西、山西、宁夏、内蒙古四省（区）处于较低水平，青海、甘肃处于中等水平，河南、四川、山东三省处于较高水平。 陕西、山西、宁夏、内蒙古应推广蓄水保水技术等，发展高效旱作农业；青海、甘肃应实施退牧还草等，发展有机农业；河南、四川、山东应推进高标准农田建设等，发展智慧农业。

3）黄河流域农业碳排放效率的提高对农业高质量发展的促进作用较为明显，且农业碳排放效率对农业高质量发展的贡献率大于农业高质量发展对农业碳排放效率的贡献率。 黄河流域应推广低碳技术、提升固碳能力等，推进农业减排固碳，促进农业高质量发展。