期刊佳文 | 中国省际农作物生产碳公平及其驱动因素

随着我国“双碳”战略的推进，农业已成为我国温室气体排放仅次于能源行业的第二大来源，持续推动农业碳减排对国家“双碳”目标的实现有着举足轻重的作用[1]。农作物生产作为农业的重要组成部分，同时具备碳源与碳汇的双重特性[2]，降碳增汇是促成碳中和、碳达峰的基本盘[3]。从该角度，农作物生产碳减排对于减轻环境负担、推动绿色生产和提高作物品质尤为关键，也是实现“双碳”目标的重要手段。然而，我国省域存在资源禀赋差异与经济发展不均衡的现象，使得按照统一标准分配碳排放责任难以保证各地区在承担责任和享受发展利益上的公平，也使得各地区农作物生产对碳生态的贡献存在差异，在缺乏碳生态补偿的情况下，这可能导致地区减排增汇动力不足[4]。因此，从碳公平视角出发探讨各地区农作物生产碳排放议题，有助于精准实施减排固碳政策和缩小地区间农作物生产碳排放差异。

现有的研究在农作物生产碳排放量的测算方面，主要从投入产出角度对农作物生产碳排放量进行核算，包含化肥、农药、农膜、翻耕、灌溉和柴油这6种排放因子在内的核算体系[5-7]；或在6项传统排放因子的基础之上，考虑到稻田甲烷排放和土壤作物固氮，对农作物生产的碳排放量进行评估[8]；也有部分研究基于生命周期分析角度将秸秆焚烧纳入农作物生产的碳排放核算体系，采用秸秆产量及秸秆露天焚烧比例等因子相结合的方式计算秸秆焚烧碳排放量[9-10]，但随着我国秸秆禁烧力度的加大，影响秸秆露天焚烧比例的因素发生较大变化，依靠前人调查的焚烧比例计算碳排放量存在较大误差，限制了长时间序列的秸秆露天焚烧碳排放研究。此外，在获取和测算农作物生产碳排放量的基础上，开始有学者关注地区间农作物生产碳公平问题。现有关于碳公平的研究主要是在国家层次上采用收入分配领域的指标来测度人均碳排放空间分配的不公平特点，包括Atkinson指数[11]、Theil指数[12]和碳基尼系数等[13-14]，也有研究通过生态承载力和经济贡献力两方面构建农业碳生态承载系数，用以评估我国各省级行政区在农作物生产中碳排放公平性的问题[4，15]。上述研究对农作物生产碳公平问题的探讨更多地着眼于全国层面的时序演变规律分析或者省级行政区的空间比较与区域关联性探析[16]，而鲜有学者将一些拥有共性的地区组合进行区域层面的农作物生产碳公平异质性分析。另外，既有的文献大多止步对于各地区农作物生产碳公平的差异性分析，亦或是仅分析单一因素对于碳公平的影响[17]，而较少从社会、经济、生态等因素对于碳公平的影响进行全面考察。

综上所述，既有研究对于农作物生产碳排放量的测算和农作物生产碳公平的研究均较为丰富，但对于农作物生产碳排放量测算的精确度存在缺失，对于农作物生产碳公平的区域层面的异质性分析也较为不足，同时未对其驱动因素进行深度挖掘。因此，本文基于农用物资、水稻种植、土壤管理和秸秆焚烧4方面排放源头核算省域2006-2021年农作物生产碳排放量；通过结合各地区的农作物供需状况，将不同省份的农作物生产碳公平进行组合分析，进而探究区域异质性对于碳公平的影响；通过分析经济发展、人口规模、居民生活、科技进步和自然环境5个维度，建立衡量农作物生产碳公平的的指标体系，采用XGBoost模型从全国尺度、分时段和分区域3个方面精准识别省域农作物生产碳公平的关键驱动因素，旨在为农作物生产减排增汇和缩小地区间农作物生产碳排放差异提供科学参考。

本研究采用生命周期评价方法[10]，对各类农作物从投入到产出的全过程进行碳排放量的测算。劳动力、资本和物质资料在初始阶段投入后，通过采取翻耕、灌溉及其他技术手段进行农作物的种植管理，施用的物质资料如磷肥、钾肥、复合肥和农药，以及采用翻耕和灌溉等操作技术，均会直接导致CO₂排放。然而，氮肥的使用与其他物质资料不同，其残留物主要释放出氮氧化物(N₂O)，对土壤环境造成损害。在农作物生长发育阶段，水稻也会产生CH₄。最终阶段获得产出，还需处理农作物残留的秸秆焚烧问题。因此，在已有研究基础上[18-19]并结合污染物类别将上述过程归纳为农用物资、稻田种植、土壤管理(氮肥施用)和秸秆焚烧4个方面，产生的温室气体主要包括CO₂、CH₄和N₂O，考虑到不同种类的温室气体，为了方便计算和分析，本文将CH₄和N₂O按照其全球增温潜势进行折算[20]，之后统一折算成标准碳，以便进行后续的分析和比较。综上，农作物生产碳源所产生的碳排放测算过程如下。

第1类排放源是农用物资。涵盖化肥、农药、农膜、柴油、灌溉用电，计算公式如式(1)。

第2类排放源是稻田种植。我国地域辽阔，各个地区的气候、水文等要素各有不同，因此各地水稻生长周期内的CH₄排放率也存在差异，计算公式见式(2)。

第3类排放源是土壤管理。在进行旱地生态系统的N₂O排放测算时，需要分别考虑土壤本底N₂O排放和肥料N₂O排放[24]，考虑到在农用物资部分已经计算化肥的碳排放量，因此在农田氮氧化物排放量的测算中，仅需要考虑土壤本底N₂O排放的部分，具体公式见式(3)。

第4类排放源是秸秆焚烧。所采用的方法是融合火点辐射功率(FRP)，数据来源于MODIS、VIIRS以及Himawari-8监测产品的信息，通过整合这3种卫星产品中的火点信息，能够增强对露天焚烧秸秆的监控范围，并补充单一MODIS产品可能遗漏的火点信息，从而更准确地动态监测秸秆露天焚烧的排放情况。在此过程中，首先，排除置信度较低的卫星火点数据。其次，处理土地利用数据的农田空间布局和秸秆露天焚烧的区域界定来提取和分类相关火点。接着，将这些火点在2km×2km的空间尺度和1h的时间尺度进行匹配。最后，当相同网格和相同小时有来自不同卫星的火点数据时，根据“VIIRSFRP>MODISFRP>Himawari-8FRP”的优先级进行逐个网格的FRP数据融合，详细融合方法如公式(4)所示。

依据2006-2021年多源卫星观测到的火点数据，参照Xu等[25]的研究，通过分析生物质燃烧的周期性及FRP的变化趋势来拟合FRP的变化曲线。该研究以秸秆露天焚烧产生的辐射能量(FRE)作为活动强度的指标，并将融合后的火点FRP数据进行积分处理，具体计算公式见式(5)。

本研究构建基于长时间序列自下而上的秸秆露天焚烧排放清单，并建立秸秆露天焚烧碳排放量与火点FRE之间的统计联系，通过结合融合火点FRE和区域化的秸秆露天焚烧碳排放系数实现碳排放量的估算，具体方法见公式(6)。

本文结合农作物生产碳排放特征，将农作物生产碳汇作为参考因子，构建农作物生产碳公平系数。该系数的提出旨在确保各地区农作物生产中的碳排放量与碳汇量之间保持一定的比例。如果某个地区农作物生产碳排放占全国的比例高于其碳汇所占比例，表明该地区的农作物生产过程中存在负外部性，即占用其他地区的碳排放空间，增加其他地区在节能减排和碳汇方面的负担。相反，若某个地区农作物生产碳排放占全国的比例低于其碳汇所占比例，表明该地区具有较高的生态承载力，在某种程度上减轻其他地区农作物生产过程中的碳排放，对降低大气中温室气体的浓度贡献显著。为了直观展示各省(市、区)在农作物生产中的碳生态容量贡献是否公平，构建农作物生产碳公平系数即农作物生产碳排放生态承载系数如下:

本文将采取如下测算方程估算全国农作物生产的碳汇情况:

变量筛选。本文初步选取的解释变量较多，且不同变量对农作物生产碳公平的影响不同，需筛选和分析解释变量以提高结果准确性。计算相关性时常用Pearson相关系数，但当两变量存在非线性关系时无法识别[31]。考虑到各解释变量与碳公平的复杂非线性关系，Pearson相关系数并非最佳度量方式。因此，本文使用Spearman秩相关系数来度量解释变量与碳公平之间的关系以及解释变量之间的相关性。Spearman秩相关系数的计算公式如下:

为消除多重共线性的影响，本文采用方差膨胀因子(VIF)对解释变量进行筛选，回归后得到拟合优度R²_i。x_j与其他自变量的线性关系越强，R²_i越大，方差膨胀因子VIF_j越大[32]。一般来说，VIF值大于10，说明存在严重的多重共线性，VIF值为5-10时，说明存在多重共线性[33]。因此，本文将阈值设为5，选取与被解释变量VIF值大于5的解释变量，从模型中剔除该变量，不能作为驱动因素之一。计算公式如下:

模型选择。本文基于极限梯度提升(XGBoost)算法进行模型构建。XGBoost算法是一种决策树集成算法，可用于解决分类和回归问题，擅于捕捉变量之间复杂的交互作用及非线性关系，并可通过正则化防止模型过拟合[34-35]，其出众的效率和良好的预测准确度引起广泛关注。在表格类型的数据处理方面，其表现可以超过大多数深度神经网络框架和传统机器学习算法[36]。XGBoost的整体目标函数如下式所示:

农作物生产碳公平系数，在“双碳”背景下，每个省(区、市)农作物生产过程中碳排放需与其生态承载力(农作物碳汇)相对等，用农作物生产碳生态承载系数来表示。

解释变量X_i包含16个指标。参考相关研究[37-39]，将农作物生产碳公平的驱动因素归纳为经济发展、人口规模、居民生活、科技进步和自然环境5个层面。其中，经济发展反映对农作物生产碳公平的外部影响，而其他几个层面则代表要素投入的内部影响。

经济发展。地区经济发展水平，以人均地区生产总值衡量；农业经济发展水平，以农业总产值与农村地区总人口的比值衡量；产业结构，以农业生产总值占GDP比重反映农业的贡献度；政府财政投入，以农林水事务支出与地方一般公共预算支出的比值表示。

人口规模。农业劳动力，以第一产业从业人数反映人力资源投入量；城镇化率，以城镇人口占总人口比重表示城镇化水平。

居民生活。农村居民收入水平，以农村居民人均可支配收入表示；农村居民消费水平，以农村居民人均消费支出衡量；城乡收入差距，以城镇居民人均可支配收入与农村居民人均可支配收入的比值衡量。

科技进步。农业机械化水平，以农业机械总动力与农作物播种面积比值测度农业机械化程度；个体技术水平，以农村劳动力平均受教育年限表示；科技创新水平，以国际专利分类表A01类中包括农作物生产相关的发明专利和实用新型专利的申请总量来衡量科技创新水平。

自然环境。农业生产结构，以粮食播种面积占农作物总播种面积比重表示；粮食单产，以粮食总产量与粮食播种面积比值表示；农田灌溉条件，以农田有效灌溉面积衡量；农业受灾率，以农业受灾面积占农作物总播种面积比重反映农业风险水平。

为保持数据统计口径的一致，尽可能减少数据缺失值及增强数据连贯性，本文研究区域剔除中国的香港、澳门和台湾地区，最终确定的研究区域为中国31个省、市、自治区，数据的时间范围为2006-2021年。本研究秸秆焚烧碳排放测算使用的MODIS和VIIRS火点数据来源于NASAFIRMS系统，Himawari-8火点数据来源于日本气象局(JMA)在JAXA的P-Tree数据服务网站，研究所需的其他数据均来自于《中国统计年鉴》《中国农村统计年鉴》《中国农村统计资料》《中国科技统计年鉴》以及《中国人口和就业统计年鉴》。

2006-2021年间，中国农作物生产碳公平系数由1.025下降至0.944，减少7.902%，年均下降率为0.545%，说明中国农作物生产碳公平程度整体趋于降低(表6)。从阶段性演进来看，以2019年为分界点，碳公平系数大体呈“下降-微升”的波动，增长率分别为-8.780%和0.963%。究其原因:第一阶段，为了鼓励农作物生产，政府取消农业税并实施农作物种植补贴政策，这些措施提高土地价格并增加地租[40]，以此引导农户调整其种植和投资决策，激发农民对农作物生产的积极性，而由此导致农作物生产所需的农用物资的成本上升，政府通过粮食价格上涨等方式以维持农作物生产的积极性[41]。已有研究显示，每亩补贴增加1%可使粮食产量上升0.056%[42]。从中国连年丰收的粮食生产状况来看，粮食产量的增加主要依赖于农用物资的投入，这也引起粮食生产碳排放量的增加，进而使得碳公平系数降低。第二阶段，在经历农作物生产高投入、高产出和高污染后，“十三五”时期中国高度重视农业绿色发展，特别是通过土地流转促成的适度规模化经营，有效提升农用物资质量与使用效率，农作物的集约化生产水平也得到显著提高，使得碳公平系数上升。

从粮食生产三大功能区来看，由表6可知，2006-2021年农作物生产碳排放公平性程度呈“粮食主产区>产销平衡区>粮食主销区”的顺序排列。从静态的视角来看，得益于粮食主产区和产销平衡区农作物系统所具备的相对优越的碳汇能力，2006年与2021年粮食主产区、产销平衡区的碳公平系数均大于1，表明粮食主产区、产销平衡区农作物生产过程中产生的碳排放在全国所占比例要低于其碳汇所占比例，尚未占用其他区域的农作物生产碳排放空间，具有较强的公平性；而粮食主销区由于农业体量较小，且农作物生产较依赖于能源与农用物资的高投入，2006年与2021的碳公平系数均小于1，公平性较弱。从动态的角度来看，粮食主产区的碳公平系数由2006年的1.080升至2021年的1.103，公平性有所提升；产销平衡区、粮食主销区的碳公平系数分别由1.202、0.643下降至1.004、0.555，公平性呈缩减态势。

为了更直观地观察省域空间演化特征，结合中国省级行政区划矢量图，利用ArcGIS对农作物生产碳公平的空间分布进行绘制(图1)。选取2006年(“十一五”初)、2011年(“十二五”初)、2016年(“十三五”初)、2021年(“十四五”初)4个时点分别对各省碳公平的空间分布进行考察。整体来看，不同时间节点中国农作物生产碳公平程度呈由西北向东南递减的趋势。具体来看，从图1(a)可知，2006年农作物生产碳排放处于公平状态的有18省(区、市)，其中粮食主产区8个，粮食主销区1个，产销平衡区9个；图1(b)中，2011年有15省(区、市)，其中粮食主产区8个，粮食主销区1个，产销平衡区6个；图1(c)中，2016年有12个省(区、市)，其中粮食主产区8个，产销平衡区4个；图1(d)中，2021年有15个省(区、市)，其中粮食主产区8个，粮食主销区1个，产销平衡区6个。从集聚效应看，中国农作物生产碳公平整体呈L-L(低−低)型和H-H(高−高)型集聚，L-L型地区大部分为粮食主销区，H-H型地区大部分为粮食主产区.对比2006年与2021年可以看出，高值聚集与低值聚集的省(区、市)在小幅度减少，H-L(高-低)聚集与L-H(低-高)聚集的省(区、市)在小范围增加。

本文根据中国农作物生产的阶段性和区域性特征，从纵向和横向两个维度对农作物生产碳公平的驱动因素进行探讨。纵向上以中国的“五年”发展计划为参照标准；横向上以粮食生产三大功能区为划分标准，该划分考虑到各区域的资源禀赋及其形成的比较优势，有利于深入挖掘区域农作物生产碳公平的驱动力。

为定量分析16个解释变量与农作物生产碳公平的关系，本文基于数据集，计算16个解释变量与农作物生产碳公平之间的相关性系数，并结合显著性检验对解释变量进行筛选，相关性系数及显著性如图2所示。

由图2第1列可知，初步选取的解释变量中有15个变量通过显著性检验，说明与被解释变量具有强相关性。其中农业生产结构(APS)与农作物生产碳公平的相关性最高，说明该因素对农作物生产碳公平的影响最为显著，究其原因，在新发展理念和战略下，涉农行业把粮食安全放在首位，并兼顾环境保护，这为粮食安全和“双碳”目标双赢提供坚实的政策基础[43]。有1个变量未通过显著性检验，为个体技术水平(IT)，说明与被解释变量相关性不强，可能的原因是，与农业生产结构(APS)等因素不同，该因素更多地是反映解释变量自身的基本特征，与农作物生产碳公平之间的关系比较复杂，可能并不能直接反映碳公平。因此，该因素与碳公平的相关性可能会相对较弱。

为了减少解释变量之间多重共线性带来的影响，需要计算解释变量之间的相关性。当VIF值大于5时，说明该解释变量具有共线性。通过VIF检验，地区经济发展水平(RED)、农业经济发展水平(AED)、产业结构(IS)、城镇化率(UR)、农村居民收入水平(RRI)、农村居民消费水平(RRC)VIF值都大于5，表明这些解释变量存在共线性问题，不利于模型的训练。因此本文最终选定政府财政投入(GFI)、农业劳动力(AI)、城乡收入差距(URIG)、农业机械化水平(AM)、科技创新水平(TI)、农业生产结构(APS)、粮食单产(GYPH)、农田灌溉条件(FI)、农业受灾率(ADR)这9个解释变量作为模型的输入变量，农作物生产碳公平系数(CPCF)作为模型的输出变量。

本文将数据集按照80%作为训练集和20%作为测试集进行划分，对训练集构建不同的预测模型并在测试集上进行预测，通过比较预测结果与实际结果之间的偏差来评价模型的性能，以识别出最佳模型。为了评价回归算法的效果，本研究采用4种统计指标来衡量模型拟合结果的准确性:均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分误差(MAPE)以及拟合优度(R²)。模型评估结果如表7所示。

比较4种模型的结果，XGboost模型的效果相比于其他3个模型较好，训练集和测试集R²较高，RMSE、MAE和MAPE较低；随机森林模型的效果也在可接受的范围；支持向量机模型和神经网络模型在训练集和测试集上表现未达到预期水平。综上，XGboost模型效果较好，适用性较强，基于此，本研究采用该模型，并利用SHAP和偏依赖方法对农作物生产碳公平的驱动因素进行可解释性分析。

9个解释变量重要性程度用SHAP值如图3表示，解释变量从上到下的顺序表示其对农作物生产碳公平的重要程度排名，排序依次为农业生产结构、农田灌溉条件、农业劳动力、城乡收入差距、粮食单产、农业机械化水平、科技创新水平、政府财政投入和农业受灾率。为分析选取的驱动因素对农作物生产碳公平的作用方式，本文通过偏依赖图展现农作物生产碳公平与其关键驱动因素之间的依赖关系，如图4所示。可以看出，农作物生产碳公平与大部分驱动因素之间存在着明显的非线性关系。

(1)农业生产结构。农业生产结构对农作物生产碳公平的影响呈先下降后上升的非线性趋势[图4(a)]。可以解释为替代效应和规模效应两方面的作用引起的碳排放变化[44]。替代效应表明，农作物的种植面积扩大，通常伴随着农业生产资料如化肥、农药和农膜等使用量的上升，再加上农业废弃物的增加，这些因素共同作用下会导致农作物生产过程中碳排放量上升，从而降低碳公平。但随着农作物生产规模的进一步扩大，规模效应开始显现，“趋粮化”的规模种植结构会促使碳排放量减少，究其原因，粮食作物对农药、化肥和农膜等农资的需求量相较经济作物来说更少，因此，粮食种植占比的提高会促使化学农资消耗量的减少，进一步促使碳排放量降低，使得公平性上升。

(2)农田灌溉条件。随着农田灌溉条件的改进，农作物生产碳公平系数经历“升高-稳定-再升高”的变化过程[图4(b)]。碳公平系数在有效灌溉面积大约为3000-4000khm²时趋于平稳，然而，当有效灌溉面积小于3000khm²或超过4000khm²时，农田灌溉条件对碳公平的影响则有所增强。已有研究表明，不同灌溉模式下水资源消耗和农田碳效应之间存在显著相关性，其中微喷灌、滴灌与传统的泛灌相比，具有更低的能耗和碳排放优势[45]。该结果表明，通过改善灌溉条件，可以有效提升碳公平。

(3)农业劳动力。农业劳动力对农作物生产碳公平呈先下降后上升的非线性影响效应[图4(c)]。前期，在人口密集的地区，较大的农业劳动力规模可能会导致过度开垦土地以维持生计，从而引起森林砍伐和土地退化，导致碳储存能力的下降和温室气体的释放，使得碳公平降低。后期，土地流转机制日臻完善，各类生产主体通过“小田并大田”等形式不断优化土地资源配置，同时增加的农业劳动力通过有机农业、农林复合系统等可持续的农业实践来提高土地利用效率和生态系统服务，进而促使生产资源配置效率提高并有效推进种植结构调整，为推动农业规模经营、助力农作物生产现代化创造有利条件，从而提高碳公平[46]。

(4)城乡收入差距。城乡收入差距对农作物生产碳公平呈波动的正向影响[图4(d)]。从社会维度来看，假设环境质量为一种奢侈品，其需求量会随着人们物质生活水平的提升而增加。基于这一假设，随着收入的增长，边际污染倾向将呈现递减趋势，即在追求效用最大化的前提下，低收入群体新增一单位收入所产生的环境污染会比高收入群体更多。这表明，如果将收入重新分配给高收入群体，在其他因素保持不变的情况下，可以减少环境污染。由于边际污染倾向递减的特性，高收入群体更可能采用环保产品替代污染较重的产品，从而减轻对环境的压力[47]。同样的逻辑也适用于分析城乡之间的收入差距对碳排放的影响，在收入的边际污染倾向递减的前提下，如果城乡收入差距持续扩大，碳排放也会相应降低，进而提高碳公平。

(5)粮食单产。随着粮食单产提升，农作物生产碳公平系数呈现“下降-上升”的非线性变化趋势[图4(e)]。已有研究表明，近年来，粮食主产区的粮食单产对于碳排放的贡献度呈现出减缓趋势，相反，非粮食主产区的粮食单产对碳排放的贡献度却逐渐上升[48]，两者对碳排放贡献度的差别导致碳公平系数呈现非线性变化。这一现象的原因在于，我国各地区在农作物生产技术水平、生产要素投入和自然环境条件上存在显著差异，粮食主产区资源节约型和质量效益型农业技术进步减少化肥和农药的使用、规模化农作物经营提高资源的利用效率，再加上其本身有利的光热水资源条件，共同推动粮食主产区农作物生产过程中实现“减碳增产”的目标。相比之下，非粮食主产区由于城镇化进程中耕地的减少和农村劳动力向非农产业的转移，农作物生产面临边缘化，单产的提升主要依赖化石燃料产品的投入，导致非粮食主产区农作物生产碳排放效率降低，进而降低碳公平[49]。

(6)农业机械化水平。农业机械化水平对农作物生产碳公平的影响呈“抑制-促进-抑制”的非线性趋势[图4(f)]。从短期来看，提高农业机械化水平并不能增加农业生产效率。这是因为农业机械化会导致资源的更大损耗，具体来说，过度的农业机械化可能会造成化肥、农药以及农用柴油的过度使用和环境污染，进而增加碳排放和降低碳公平[50]。然而，从长期来看，农业机械化的规模化运用对提高碳公平是有益的。规模化的农业机械化有利于解决耕地碎片化的问题，进而提高土地资源的使用效率；有利于推进农业生产结构的调整与优化，减轻生态损害和环境污染，进而在农作物生产中降低机械化作业的碳排放强度[51]。需要指出的是，当农业机械化达到一定水平后，碳公平会有所降低，这主要是由于支农技术的资金短缺使得技术推广面临困难，以及农业补贴政策混乱降低政策的有效性[52]。

(7)科技创新水平。科技创新水平对农作物生产碳公平呈波动的负向影响趋势[图4(g)]。原因在于，一方面，在农业科技创新水平不足的情况下，创新往往更倾向于发展农业机械技术、化肥和农药等能够直接提升生产效率的技术，而对环保型技术的关注较少，这导致机械设备的能源消耗以及化肥和农药等化学物质的使用引发严重的环境污染[53]。另一方面，在农作物生产技术总量固定的情况下，技术在发达地区的集中占用，在一定程度上挤压欠发达地区技术的引进和应用，阻碍地区间技术的扩散并助长“搭便车”行为，这使得农业科技创新在推动农业绿色发展和提高碳公平中的作用并不显著[54]。

(8)政府财政投入。政府财政投入对农作物生产碳公平呈先抑制后促进的非线性影响趋势[图4(h)]。原因归结于，政府财政对农业的支持在一定程度上补偿了长期存在的工农业剪刀差，财政支持以农业补贴的形式为农民在使用农业机械和化肥等生产要素时提供“碳足迹优惠”。在农村老龄化、空心化以及兼业化趋势日益加剧的情况下，出于对收入的考量，农民往往倾向于牺牲低碳环保意识，因此，为了提升生产效率并防止产量下降，农民更倾向于采用“要素挤兑”的生产方式，大量依赖农业机械和农用化学品。农民群体“用脚投票”导致农作物生产碳排放提高，公平性降低[55]。然而，作为宏观调控手段的财政支农措施，随着投入强度的不断增大，通过激励政策重新配置生产资源和投入要素，引导农业种植结构向更优方向转型，在提高农作物生产效率的同时减少碳排放，进而促进碳公平的提升。

(9)农业受灾率。随着农业受灾率的提升，农作物生产碳公平系数呈现先上升后下降的非线性变动趋势[图4(i)]。本地区农作物生产遭遇干旱、大风、沙尘暴和低温冻害等自然灾害时，其农业基础设施发生毁坏，同时农户出于规避风险的行为，短时间内会减少生产规模，使得农作物生产碳排放下降，一定程度增加碳公平[56]。但随着生产规模降低会导致农产品供给不足，进而刺激邻近地区扩大农作物种植规模，从而提高邻近地区的农业碳排放强度，使得碳公平下降。

为深入分析关键驱动因素的演进规律，分别构建2006-2010年(“十一五”)、2011-2015年(“十二五”)、2016-2021年(“十三五”、“十四五”)3个时间段的分样本进行重要性分析。表8结果表明，在不同时期，农业生产结构及农田灌溉条件的重要性较为突出且排名相对稳定，表明这些因素在保护农业生态环境和推动农业向绿色低碳方向发展方面扮演着关键角色，对提升农作物生产碳公平有着积极影响，且不会因政策变动而产生较大波动。与此同时，农业受灾率的重要性始终排在较后的位置，表明该因素对农作物生产碳公平的影响相对较弱。

“十一五”期间，农业生产结构是影响碳公平的最重要因素，农田灌溉条件、城乡收入差距、粮食单产等因素的重要性也位居前列，表明该时期农作物生产实现碳公平的关键在于高生产效率和规模化作业。需要指出的是，持续追求高单产和扩大经营规模可能会引起环境退化和资源过度消耗等负面影响，因此，在实现农作物生产高效化的同时，亦应兼顾生态保护和资源可持续利用，确保农业发展与环境保护相协调。

“十二五”期间，农业生产结构仍然是影响碳公平的最关键因素，然而农田灌溉条件、城乡收入差距等因素的排名出现一定程度的下滑，粮食单产、农业劳动力等因素在碳公平的影响力正逐步提升。随着农村地区剩余劳动力的逐渐转移，新型农业经营实体、职业农民开始涌现，农村地区的人力资本结构正持续得到优化。具有较高素质的农业工作者拥有更加精湛的生产管理技术，能够有效减缓因物质生产资本不断投入而引起的边际收益递减现象，有助于避免粗放式农作物生产方式对资源和环境造成过度消耗，进而促使生产资源配置效率提高并有效推进种植结构调整，从而在一定程度上提升地区碳公平。

“十三五”、“十四五”期间，农业生产结构、农田灌溉条件、粮食单产因素继续排名靠前，而农业劳动力等因素的排名则有所下降，政府财政投入等因素的重要性逐渐攀升。该阶段政府通过宏观调控和政策激励，比如高标准农田建设，出现降低农作物生产碳排放的“趋粮化”趋势。为了保障粮食安全，通过种植高产耐病品种、采纳农业节能减排技术以及采用农业现代技术如卫星监测、物联网和大数据分析等，在减少资源消耗的同时提高产量，从而降低单位产出的碳排放，使碳公平得到提高。

在粮食主产区中，农业生产结构是影响区域碳公平的最重要因素，农业劳动力、农田灌溉条件、农业机械化水平等因素的重要性也排名靠前。这说明，通过扩大粮食主产区的农作物种植规模所产生的规模经济效应，有助于同时达到“增产”与“减排”的目的。农作物的种植连片化和规模化，不仅助力实现粮食增产的目标，也在农作物生产过程中有效降低碳排放。同时粮食主产区的农业生产技术、生产要素和生产设施都处于区域内共享的状态，为大规模推广环保生产技术如农业节水技术提供良好的外部环境，进而达到降低单位耕地农业碳排放以提高碳公平的目的[57]。

在粮食主销区中，农业生产结构、农业劳动力、城乡收入差距、农业机械化水平是影响碳公平的关键因素。粮食主销区包括北京、上海等经济发达的地区，由于其农作物生产的耕地较少，且人口密度高对于粮食的需求也高，农户为缓解耕地要素投入减少对粮食生产的制约，会对拥有的土地、劳动、资本等生产要素进行再配置，更加关注农业技术改善[58]。通过技术交易平台，粮食主销区的农业技术被快速投入使用，有效推动设施农业实现规模化经营、科学化管理、高效化能源利用，在提升整体粮食生产效率的同时减少碳排放，提高碳公平。

在产销平衡区中，农业生产结构、农业机械化水平、政府财政投入、科技创新水平等因素排名靠前，说明产销平衡区更加侧重于机械以及技术投入的改善。相关研究表明，推进农业机械化和先进技术应用不仅可以改善农作物生产的资源配置，解决土地和劳动力配置不合理所造成的增碳效应[59]；还能促进地区农机技术服务市场的扩散效应，使得周边地区的农户能够以更低的成本享受农机服务、获取农业信息与学习种植新技术。跨地区的农机技术服务市场的拓展有助于在地区内及地区间合理分配低碳资源[60]，从而减少区域的碳排放强度，农机资源和技术的集中则进一步增强空间碳公平的效果。

（1）鉴于全国农作物生产碳公平系数呈下降趋势，且各区域碳公平走向不尽相同，需在贯彻“双碳”理念的基础上采取因地制宜的提高农作物生产碳公平的政策，避免“一刀切”的做法。对于粮食主产区，在粮食安全战略下，要将适度规模经营作为农作物生产的重要环节，同时改良农作物品种，推广种植低碳作物；对于粮食主销区，针对“人力资本效应”在农作物生产减碳中的重要作用，要重视培育普通中小农户的绿色生产理念，促使中小农户掌握低碳增效的新技术、新方法；对于产销平衡区，可探索农业机械化清洁生产以及数字化农业建设新模式，以新质生产力引领农作物生产低碳发展。

（2）针对农作物生产碳公平集聚效应下降，各地区应立足于公平性协同发展原则，加强地区间减碳增汇合作交流。通过建立要素市场流动机制，促进农业生产要素和生产资料的跨区流动，优化资源的配置效率。各地区在保障自身产业转型升级与产业结构调整态势向好的同时，密切关注邻近地区减碳增汇政策、措施及技术，将正向溢出效应的“辐射”空间范围扩大、程度加深，以使各地区都能充分发挥自身的资源禀赋优势，协同实现减碳增汇。

（3）将优化农业生产结构、提升农田灌溉条件、提高粮食单产作为提高农作物生产碳公平的重点措施。设定不同绿色低碳的种植规划，对粮食作物与经济作物进行差异化引导，以各地方科技小院为助力，指导不同类型农户合理设计种植规划，引导种植规划更加合理与低碳；根据不同地区的降水量和土壤状况，采取科学合理的灌溉方法，增强灌溉设施建设和推广节水灌溉技术，以提升灌溉用水的效率；加强高标准农田建设，重点开展适宜套间作品种、低碳高产品种的选育与推广，促进粮食单产和碳减排协同发展。这些措施的综合应用将更好地促进农作物生产减排增汇和缩小地区间碳排放差异，助力早日达成“双碳”目标。

（1）2006-2021年间，中国农作物生产碳公平系数由1.025下降至0.944，减少7.902%，年均下降率为0.545%，从阶段性演进来看，以2019年为分界点，农作物生产碳公平系数大体呈“下降-微升”的波动，增长率分别为-8.780%和0.963%。

（2）时序特征方面，2006-2021年农作物生产碳公平程度呈“粮食主产区>产销平衡区>粮食主销区”的排序，从静态来看，粮食主产区、产销平衡区2006年与2021年的碳公平系数均大于1，粮食主销区均小于1；从动态来看，粮食主产区的碳公平系数由1.080升至1.103，产销平衡区、粮食主销区分别由1.202、0.643下降至1.004、0.555。空间分布方面，农作物生产碳公平程度总体呈由西北向东南递减的趋势，存在L-L型和H-H型集聚效应，其中L-L型地区大部分为粮食主销区，H-H型地区大部分为粮食主产区，并出现高值聚集与低值聚集减弱的趋势。

（3）影响农作物生产碳公平的关键因素排序依次为农业生产结构、农田灌溉条件、农业劳动力、城乡收入差距、粮食单产、农业机械化水平、科技创新水平、政府财政投入、农业受灾率。除农田灌溉条件、城乡收入差距、科技创新水平因素外，其他因素对碳公平的影响表现出复杂的非线性特征。从时间效应来看，农业生产结构是影响碳公平的最重要因素，农田灌溉条件、粮食单产因素的重要性始终排名靠前；从区域效应来看，农业生产结构因素排名靠前，其他因素的重要性存在一定的差异。