《Cogent Food & Agriculture》：Unlocking low-carbon agriculture in China: spatiotemporal dynamics of carbon intensity and multi-configurational pathways for efficiency improvement
編輯推薦：
本文基于2013-2023年中國30個省份的面板數據，綜合運用莫蘭指數(Moran’s I)、達古姆基尼系數(Dagum Gini coefficient)、核密度估計(Kernel Density Estimation)與動態定性比較分析(dQCA)等方法，系統剖析了農業碳排放強度(ACEI)的時空格局、區域差異及其效率提升路徑。研究發現，全國農業碳排放強度近十年下降近48%，但區域異質性顯著，中部地區始終較高；空間集聚性增強，呈現“高-高”與“低-低”集群；并識別出城市化驅動、政策主導和人力資本主導三條提升農業碳效率(ACEE)的等效路徑，為設計區域差異化、跨區域協同的減排策略提供了證據支持。
文章內容歸納總結
引言
在全球氣候治理日益緊迫的背景下，作為全球碳排放體系的關鍵部門，農業扮演著“雙重角色”：既是保障糧食安全和維持農村社會穩定的基石，也是溫室氣體排放的重要來源。中國作為農業大國和碳排放大國，在全球碳治理中占據著舉足輕重的地位。然而，傳統的基于農業碳排放總量(ACE)的研究難以揭示區域間資源利用效率、生產模式和技術吸收能力的結構性差異，從而限制了對區域低碳轉型進程的解釋力。相比之下，農業碳排放強度(ACEI)反映了單位農業產出的碳排放量，為揭示區域間效率差異提供了更有效的視角。現有研究多采用線性計量經濟學范式，難以捕捉多因素互動、條件耦合及結構約束形成的復雜因果機制。為了克服這些局限，本研究引入了強調跨系統聯系與協同治理的分析范式，旨在系統地審視農業碳排放強度的時空演變，并識別符合不同區域特征的治理路徑。
研究文獻綜述
關于農業碳排放的研究已圍繞碳排放核算、驅動機制和空間模式形成了較為系統的分析框架。在碳排放核算方面，主要采用政府間氣候變化專門委員會(IPCC)的排放因子法，并輔以生命周期評估(LCA)和環境擴展的投入產出分析(EE-IOA)以提高核算精度。在空間特征研究方面，常用莫蘭指數(Moran’s I)和收斂檢驗來刻畫農業碳排放強度的時空模式，并運用達古姆基尼系數分解區域差異的來源。在驅動機制研究方面，STIRPAT模型、Kaya恒等式、對數平均迪氏指數(LMDI)分解以及空間計量模型被廣泛用于識別技術、結構、數字化和制度等因素的影響。盡管取得了顯著進展，但現有范式仍存在局限：難以捕捉多因素交互作用形成的配置邏輯，且政策建議往往過于籠統，無法支持區域差異化或跨區域協同治理。因此，有必要將配置導向的分析框架引入農業碳效率(ACEE)研究。
研究方法與數據來源
本研究采用2013-2023年中國30個省份的面板數據，構建了一個綜合性的分析框架。首先，利用IPCC排放系數法估算農業碳排放，并構建農業碳排放強度(ACEI)指標。其次，運用莫蘭指數分析空間自相關，達古姆基尼系數分解區域差異，核密度估計描述分布動態演變。最后，引入動態定性比較分析(DQCA)來識別在多因素交互作用下共同決定農業碳效率的關鍵條件配置和等效治理路徑。DQCA基于集合論，能夠檢驗多條件配置及其因果機制，并納入時間維度，適用于揭示復雜系統的異質性和多路徑特征。
實證結果與分析
1. 時空特征分析
2013年至2023年間，中國農業碳排放強度從約0.1753降至0.0903，降幅達48.48%，顯示出農業碳效率的顯著提升。然而，區域差異明顯，中部地區的強度始終高于東部和西部。從空間分布來看，2013年多數省份處于高強度等級，到2023年，23個省份已進入低強度等級，表明“美麗鄉村”等政策推動了農業生產的綠色轉型。不過，以吉林省為代表的主要糧食產區進展相對滯后。
2. 空間集聚特征
全球莫蘭指數從2013年的-0.0724小幅上升至2023年的0.0736，表明農業碳排放強度的空間相關性從輕度分散轉向微弱的正相關。局部莫蘭指數散點圖顯示，省份分布從以“低-高”和“高-低”類型為主，逐漸向“高-高”和“低-低”類型聚集。這反映了農業碳排放強度的空間結構從異質性弱化、同質性增強的趨勢，空間依賴性得到加強。
3. 區域差異分析
2013年至2023年，中國各省份間農業碳排放強度的總體基尼系數從0.1054擴大到0.1932，區域不平等持續加劇。達古姆分解表明，超變密度(Gt)是總體差異的最大來源，表明省份間碳排放強度分布存在顯著重疊，跨區域的極值差異是差距擴大的主要驅動力。區域內差異(Gw)和區域間差異(Gnb)也均有擴大。西部地區內部差異最大，東部地區內部差異相對較小且協調性更好。中部與西部地區之間的差異擴大最為顯著，成為阻礙全國農業低碳轉型協調推進的關鍵瓶頸。
4. 動態演化分析
核密度估計結果顯示，全國農業碳排放強度分布從“高值分散”轉向“低值集中”，主峰左移且更為尖銳，反映了碳排放效率的持續改善和收斂趨勢。分區域看，東部地區分布高度集中，峰值始終位于低強度區間；中部地區呈現明顯的雙峰結構，內部轉型存在分化；西部地區分布向中高值傾斜，峰值分散且右尾較長，綠色轉型基礎相對薄弱。
農業碳效率提升的配置路徑分析
本研究通過動態定性比較分析(DQCA)，識別出提升農業碳效率(ACEE)的三類治理模式，共四條典型路徑。
1. 城市化驅動模型 (H1)
在農業產業升級不足、環境規制相對較弱的條件下，高城市化水平可以作為提升農業碳效率的核心驅動力。該路徑覆蓋重慶、福建、廣東等省份的部分年份。城市化通過加速農村勞動力轉移、促進土地規模流轉和現代化基礎設施升級，推動農業生產集約化，并強化資本、技術和信息的高效流動，從而促進綠色農業技術的擴散。該路徑的一致性為0.791，但覆蓋率僅為0.172，表明其適用性主要局限于高度城市化地區。
2. 政策主導模型 (H2)
在農村經濟發展水平低、農業產業結構不合理、監管機制不完善的條件下，政府干預是改善農業碳效率的驅動力。該路徑主要覆蓋四川、云南等西南地區省份。政府通過設立綠色發展基金、調整種植結構、推廣節水灌溉等綠色技術，并建立碳監測評估框架，有效推動了低碳轉型。該路徑的一致性為0.685，覆蓋率為0.121，顯示出較強的年度波動性，反映了政策效果對執行強度和制度成熟度的敏感性。
3. 人力資本主導模型
該模型包含兩條子路徑，均以高水平的農村人力資本為核心條件。
- •
H3a (技術吸收導向型)：在環境規制較弱的條件下，高人力資本與高城市化水平、農業技術進步相結合，形成協同減排機制。該路徑覆蓋北京、江蘇、上海等多個省份。通過職業教育提升農民綠色技術應用能力，城市化促進技術、資本和信息流動，技術進步直接提高資源配置效率，共同驅動減排。一致性為0.782，覆蓋率為0.223。
- •
H3b (結構升級導向型)：在環境規制同樣較弱的條件下，高人力資本與優化的農業產業結構形成關鍵協同。該路徑覆蓋廣東、河北、河南、湖北、湖南、江蘇、江西等眾多省份。人力資本積累增強了生產者的決策能力，推動調整作物結構、發展規模化經營和低附加值作物，通過產業升級實現減排。該路徑的一致性最高(0.860)，覆蓋率也最大(0.379)，解釋力和適用性最廣。
組間一致性分析顯示，H1路徑相對穩定，H2路徑早期波動較大后趨于穩定，H3a和H3b路徑近年來呈現穩步上升趨勢。組內一致性分析表明，除吉林省因產業結構單一、人力資本不足、城鄉要素流動受限導致各路徑解釋力較弱外，其他多數省份對各模型的適配度較高。穩健性檢驗通過提高一致性和案例頻數閾值，證實了核心路徑及其因果結構的穩定性。
結論與討論
本研究系統考察了中國農業碳排放強度的時空演變，并運用DQCA識別了提升農業碳效率的多重路徑。主要結論包括：中國農業碳排放強度呈持續下降趨勢，但區域差異顯著，中部地區始終較高；空間上呈現從分散到集聚的演變，空間依賴性增強；區域間差異是總體差異的主要來源；識別出城市化驅動、政策主導和人力資本主導三類提升農業碳效率的典型模型。與現有研究相比，本研究將分析重心從排放規模轉向排放強度，并整合空間診斷與配置路徑分析，構建了“差異來源-配置路徑”的解釋框架，為制定差異化、組合式及跨區域協同的農業減排政策提供了更精準的理論依據。
基于研究發現，未來政策應著力于：強化城市化對農業綠色轉型的結構性作用，完善城鄉要素雙向流動與協同配置機制；增強政府的制度支持與政策協調，提高財政投入精準性并建立跨區域協作機制；系統提升農村人力資本水平，加強農業主體對綠色技術的吸收應用能力；優化農業產業結構，強化農業生產體系的低碳化與高值化能力。
本研究亦存在一定局限，如碳排放核算未納入水稻甲烷、畜禽糞便等關鍵源，校準方法對閾值選擇敏感，且結論缺乏微觀實踐的外部驗證。未來研究可通過開發區域化排放因子、改進校準與路徑區分技術、開展實地調查進行三角驗證等方式加以完善。
