2025, Vol. 46
2. 西北农林科技大学经济管理学院，杨凌 712100
2. College of Economy and Management, Northwest A&F University, Yangling 712100, China
《“十四五”全国农业绿色发展规划》中指出，推进农业资源利用集约化、投入品减量化和废弃物资源化，构建绿色低碳循环发展的农业产业体系是农业发展观的一场深刻革命. 这表明发展要转绿，走农业绿色可持续发展道路已势在必行[1]. 据统计，2010~2021年，我国农业碳排放总量减少0.51%，农作物化肥使用量和农药使用量分别下降6.5%和29.5%[2]，但化肥施用强度依然超出国际公认225 kg·hm-2安全施肥上限[3]的44.6%. 显然，中国农业粗放式发展模式没有得到根本性扭转，资源环境利用对农业可持续发展的约束趋紧. 要想真正实现农业绿色转型升级，亟需植入现代化生产要素，将“绿色”作为农业发展的“推进器”，并非发展中所谈及的“兼顾”问题[4]. 秸秆还田作为低碳农业生产中的一项重要技术，既能提高土壤碳储量，又具有较强的碳减排潜力[5]，是推进农业绿色低碳发展的重要举措. 但秸秆焚烧、弃置堆放等不恰当的秸秆处置方式以及农户行为认知等，不仅对生态环境带来危害还容易造成资源浪费，阻碍农业碳减排进程，使秸秆还田技术推广与应用存在明显阻力. 因此，有必要探索秸秆还田技术应用与农业绿色低碳生产效率的互动协调机制和空间关联网络结构，揭示秸秆还田技术禀赋与农业绿色低碳耦合发展的区域差异，这对完善秸秆还田技术推广政策、提高秸秆资源化利用效率和助推农业绿色转型升级具有重要意义.
现有研究较多关注秸秆还田对土壤固碳、减排及作物产量的影响[6~17]，且集中于田间试验. 学者们对秸秆还田的固碳效应和减产效益已基本达成共识，但对于其减排效应仍存在分歧，部分学者认为秸秆还田容易诱发病虫害，增加农药和化肥投入[18]，进而增加农业碳排放[19~21]；另一部分学者认为秸秆还田具有较大的要素替代潜力[22，23]，可有效改善农业环境质量、提高有机碳含量和降低温室气体排放[24]，实现经济效益和环境效益的双赢局面. 近些年，部分学者逐渐基于宏观视角探讨秸秆还田的经济环境效益，肯定秸秆还田的固碳减排[25]和净碳汇[26，27]等的正向影响. 随着相关研究不断深入，秸秆还田对降低化肥面源污染[28]和提高全要素生产率[29]的贡献和阶段性特征被较好地总结. 显然，这有助于对中国农业低碳生产效率增长原因的探寻.
通过对已有研究成果的整理和归纳可以发现：①学者们通过田间试验对秸秆还田的经济环境效益展开了丰富的研究，但基于宏观视角的实证研究还相对较少，将秸秆还田技术应用与农业绿色低碳生产效率置于同一框架下是否协调考虑不充分；②基于宏观视角的现有文献中碳排放的核算仅考虑单维碳源. ③现有文献较少从时间与空间两个维度对二者协调关系的空间联动效应及驱动机制开展研究，缺乏结合实际情境下的症结分析和有实践价值的机制探讨. 在此背景下，本文试图回答两个问题：第一，秸秆还田技术应用与农业低碳生产效率耦合协调发展时空演变特征及空间网络是否具有关联性并呈现哪些差异？第二，秸秆还田技术应用与农业低碳生产效率耦合协调空间关联网络的驱动因素有何不同？本文通过揭示空间关联网络形成的原因，以期完善该领域研究.
1 材料与方法 1.1 秸秆还田与农业绿色低碳生产效率耦合协调的作用机制一方面，秸秆还田对农业绿色低碳生产效率具有支撑带动作用. 秸秆还田技术通过对化肥和劳动力的要素替代减少冗余，改变现有生产要素组合和农业生产函数，提高边际替代效率[30]，推动农业科技进步，提高经济和环境效益. 秸秆还田技术还能够通过改变土壤性能和结构，提高秸秆腐解效能，释放微量元素提高农作物产量. 秸秆的资源化利用能够避免焚烧对环境的污染，间接降低农业碳排放. 总之，秸秆还田作为一种绿色生产技术，通过技术嵌入和配套耕作新技术的更新换代，促进农业生产技术变革和提高生产要素利用效率，进而影响农业绿色低碳生产效率.
另一方面，农业绿色低碳生产效率对秸秆还田技术应用具有倒逼反馈作用. 第一，农户作为农业生产的主体[31]，利益最大化是农户绿色生产技术采纳权衡和适应下的“理性选择”过程[32]. 农业绿色低碳生产效率的提升，代表着农业生产利用过程中投入的各生产要素配置逐渐合理，农业单位面积产出效率提升，逐渐契合农户心理预期，提高技术采纳的自觉性；第二，农业绿色低碳生产效率的提升是由“量变”向“质变”转型升级的过程，意味着农业经营规模[33]、农业机械使用能力和技术创新水平的提升，引致对农业科技和社会化服务的内在需求，其技术扩散效应和示范效应得以充分释放，打破农户技术采纳的信息技术壁垒，提升农户绿色生产认知[34]，缩减技术采纳的学习成本和障碍，降低农户技术采纳的风险和门槛，提高秸秆还田诱致性变迁的可能[35]，并激发绿色技术采纳的能动性[36].
由此可见，秸秆还田技术应用是农业绿色低碳生产效率提升的动力引擎，而农业绿色低碳生产效率的提高也能为秸秆还田技术应用与采纳注入“活水”，秸秆还田与农业绿色低碳生产效率之间并非简单的因果关系，更多的是相互作用、相互支撑和共同发展的联动协同关系. 二者具体的耦合协调机制如图 1所示.
|
图 1 秸秆还田与农业绿色低碳生产效率耦合协调机制 Fig. 1 Mechanism of coupled coordination between straw return and agricultural green low-carbon production efficiency |
超效率SBM模型能够通过非期望投入弥补变量偏拥挤或偏松弛的缺陷，填补传统DEA和SBM模型的弊端，更加细致地考察并区分有效决策单元的效率差别，更贴近现实情况需要. 具体模型如下：
|
(1) |
|
(2) |
式中，ρ*为农业绿色低碳生产效率；xik和xij分别为决策单元实际的和估计需要的投入变量；yrk和yrj分别为决策单元实际的和估计需要的期望产出变量；btk和btj分别为决策单元实际的和估计需要的非期望产出变量；m、o1和o2分别为投入、期望和非期望产出指标个数；si-、sr+和stb-分别为投入、期望和非期望产出变量的松弛变量；λj为约束条件，当ρ*≥1时，决策单元有效；ρ* < 1时，决策单元无效.
1.2.2 耦合协调度模型耦合协调度模型能够较好地揭示各子系统在发展过程中的协同平衡程度，文中采用级差法标准化处理消除量纲和数量级的影响. 具体计算公式如下：
|
(3) |
|
(4) |
|
(5) |
式中，UEFF tn为农业绿色低碳生产效率值正向极值标准化的结果；yEFF tn为n省份的第t年农业绿色低碳生产效率均值；min yEFF t为农业绿色低碳生产效率第t年各省份最小值；max yEFF t为农业绿色低碳生产效率第t年各省份最大值；FIEtn为秸秆还田技术应用程度，由于该数据集范围本就处于0~1之间，故无需进行标准化；Ctn为耦合度；T为综合协调指数，T=αFIEtn+βUEFFtn，α+β=1，根据已有研究[37]，最终选择α和β分别为0.5；Dtn为耦合协调度，取值范围Dtn∈[0，1]，Dtn越接近1，系统间关系越协调，最终将秸秆还田技术应用与农业绿色低碳生产效率耦合协调发展水平分为5种类型，如表 1所示.
|
表 1 秸秆还田与农业绿色低碳生产效率耦合协调度等级评价标准 Table 1 Evaluation criteria table of the coupling coordination degree level between straw return and agricultural green low-carbon production efficiency |
1.2.3 修正的引力模型
修正的引力模型强调单个研究对象间距离关系对区域发展的贡献强度，且模型对数据时间长度需求相对较低. 因此，采用修正的引力模型测度耦合协调的空间关联强度和矩阵. 计算公式如下：
|
(6) |
式中，hij为省（市、自治区）i和j间的联系强度；P、GDP和g分别为年末常住人口数、GDP和人均GDP；ds ij为省（市、自治区）i和j间的距离（以省会距离表示）；rij为省（市、自治区）i和j间耦合协调贡献率；Di和Dj分别为省（市、自治区）i和j间的耦合协调度.
1.2.4 社会网络分析法社会网络分析法（social network analysis）是一种通过关系数据分析省份间社会事物相互作用力的科学分析方法. 采用Ucinet软件分析网络密度、网络关联度、网络等级度和网络效率描述网络整体特征，用度数中心度、中介中心度和接近中心度描述网络节点特征以及揭示空间网络节点核心-边缘地位（表 2）.
|
|
表 2 社会网络分析方法 Table 2 Social network analysis methods |
1.2.5 QAP分析
二次指派程序（quadratic assigment procedure，QAP）分析法是以矩阵数据手段为基础的一种随机化检验方法. 通过探究两个及多个矩阵中对应元素关系和矩阵间相关回归系数的非参数检验，规避多重共线性及虚假相关，使结果更为稳健，能够更好地研究关系网络的影响因素，构建的计量模型为：
|
(7) |
式中，Ω表示空间网络关系矩阵，Xm（m=1，2，…，n）表示影响因素矩阵.
1.3 指标选取与数据来源 1.3.1 指标选取秸秆还田技术应用程度：参考余志刚等[28]的方法，采用各省（市、自治区）机械化秸秆还田面积占农作物播种面积的比值来表示.
农业绿色低碳生产效率测算：本文参考赵丽平等[37]、田云等[38，39]、尹忞昊等[40]、闵继胜等[41]和李波等[42]的研究，构建农业碳排放效率测算投入产出指标体系（见表 3）. 具体选择劳动力投入、土地投入、农机投入、资本投入、农资投入和水资源投入等6类因子作为投入指标；确定农业总产值、粮食总产量和农业碳吸收量为期望产出，农业碳排放量和农业面源污染排放为非期望产出. 需要说明的是，本文探讨秸秆还田与农业绿色低碳生产效率耦合，因此以种植业作为农业碳排放量的核心.
|
|
表 3 农业绿色低碳生产效率测算投入产出指标体系 Table 3 Input-output indicator system for measuring green and low carbon production efficiency in agriculture |
1.3.2 数据来源
本文选取全国30个省（市、自治区，中国台湾省、港澳和西藏数据暂缺，下同），数据来源于2000~2021年《中国统计年鉴》《中国农村统计年鉴》《中国农业机械工业年鉴》、2001~2017年《中国固定资产投资统计年鉴》《中国国内生产总值核算历史资料》和国家统计局数据网站. 其中，历年农业总产值数据以2000年为基期进行平减处理，个别指标少数年份的缺失数据采用均值插补和线性插补等方法补齐.
2 结果与分析 2.1 中国农业绿色低碳生产效率的时序变化特征本文使用非期望产出超效率SBM模型来计算2000~2021年中国农业绿色低碳生产效率，表 4展示了2000年、2005年、2010年、2015年和2021年的效率值. 从整体均值变化情况看，2000~2021年，中国农业绿色低碳生产效率平均水平为88%，表明在对应技术水平与投入要素条件下还可有12%的农业碳减排空间和潜力，同时我国东、中和西部地区均值分别为97%、88%和80%，农业绿色低碳生产效率总体呈现出东部地区 > 中部地区 > 西部地区的发展态势.
|
|
表 4 2000~2021年中国30个省（市、自治区）农业绿色低碳生产效率/% Table 4 Green and low-carbon production efficiency of agriculture in 30 provinces in China from 2000 to 2021/% |
为进一步考察我国农业绿色低碳生产效率的区域间分布规律，对三大经济区的数据进行分组整理并分年度取均值. 为便于比较，研究以全国平均水平为参考（见图 2）. 结果显示，我国三大经济区农业绿色低碳生产效率的差异显著，东部地区均处于平均水平之上，中部地区在全国平均水平附近交替波动，西部地区始终位于全国平均水平以下. 产生这种结果的原因可能是，东部地区条件禀赋较优、农业现代化和农业科技应用程度较高、污染管控更严格，已率先基本实现农业农村现代化试点；中部地区虽积极推进绿色低碳技术的应用，力求获取更强的规模效应和绿色技术效益，但农业集约程度、科技创新潜力以及环境规制力度等仍然与东部地区存在一定的差距；西部地区则受制于农业资源禀赋差异、产业结构和产地环境治理的滞后性以及科学技术成果转化率低等因素. 值得注意的是，2017年后，一直居于低位的西部地区农业绿色低碳生产效率增速加快，2020年逐渐赶超中部地区，可能与2016年以来国家实施西部大开发战略，加强对西部地区的资金和环境的支持投入力度有关.
|
图 2 中国农业绿色低碳生产效率时序演变趋势 Fig. 2 Trends in the time-series evolution of green and low-carbon production efficiency of agriculture in China |
依据耦合协调度模型的测算结果得到了秸秆还田技术应用与农业绿色低碳生产效率耦合协调度均值的动态演进趋势，见图 3. 2000~2021年间，中国秸秆还田与农业绿色低碳生产效率的耦合协调均值处于0.43~0.64之间，协调程度随时间变化波动上升，涨幅达48.8%. 整体上，由研究前期的初级协调阶段逐渐过度至中级协调阶段，这说明秸秆还田技术应用与农业绿色低碳生产效率的相互促进、相互支撑作用逐渐增强. 这可能与农业政策的不断革新、社会服务体系的不断完善、农业发展水平和社会文化水平的不断提高有关，随着农业社会化服务水平的日渐提升，农户与农业技术之间的“鸿沟”逐渐缩小，农户接收绿色生产和科学施肥理念与信息的壁垒逐渐打破，绿色技术认知水平得到进一步提升，促进秸秆还田技术的采纳，减少大量露天焚烧对环境的污染，同时能够带动生产环节技术进步，推动秸秆还田技术对化学投入品的部分替代，优化施肥结构，实现化肥和农药减量. 除此之外，消费者绿色消费偏好的转变也会倒逼农户积极采纳秸秆还田技术，最终使得秸秆还田技术应用与农业绿色低碳生产效率耦合协调发展水平更上一个台阶.
|
图 3 2000~2021年中国秸秆还田与农业绿色低碳生产效率耦合协调度变化趋势 Fig. 3 Trend of coordination degree of coupling between straw return and agricultural green low-carbon production efficiency in China from 2000 to 2021 |
各省份耦合协调度类型划分情况如图 4所示. 可以发现，我国秸秆还田与农业绿色低碳生产效率耦合协调度差异化程度逐渐缩小.
|
该图基于自然资源部标准地图服务网站下载的审图号为GS（2023）2763号的标准地图制作底图无修改，下同 图 4 2000年、2010年和2021年中国秸秆还田与农业绿色低碳生产效率耦合协调类型 Fig. 4 Types of coupled coordination between straw return and agricultural green and low-carbon production efficiency in China in 2000, 2010, and 2021 |
从空间分布来看（图 4），2000年我国秸秆还田与农业绿色低碳生产效率处于初级协调的省（市）较多，有13个，如天津、河北、江苏、浙江、广东和海南等，多分布于我国东部地区；中级协调的省（市）有4个，如北京、吉林、黑龙江和上海等中东部地区；耦合等级处于濒临失调的省（市、自治区）有13个，多位于我国中西部地区. 2021年总体耦合协调度情况相较之前均有所好转，濒临失调和严重失调面积大幅缩小，协调区域逐步呈现“区块状”分布格局. 仅云南和甘肃处于严重失调状态；河北、辽宁、浙江、江西、山东、河南、广东、海南和新疆等由2000年的初级协调上升至2021年中级协调状态，江苏和天津上升至高级耦合协调状态；上海则由中级协调上升至高级耦合协调等级；总体上，我国秸秆还田与农业绿色低碳生产效率耦合协调度的空间聚集效应凸显，高耦合协调度的省（市、自治区）逐步向东部地区靠拢，西部地区的耦合协调度发展速度滞缓，整体表现出“东盛西衰”的发展格局.
2.3 中国秸秆还田与农业绿色低碳生产效率耦合协调空间关联强度时空特征基于修正的引力模型建立中国秸秆还田与农业绿色低碳生产效率耦合协调空间关联关系矩阵，利用ArcGIS 10.8软件绘制2000年和2021年中国秸秆还田与农业绿色低碳生产效率耦合协调空间关联强度图（图 5）. 由图 5可知：中国秸秆还田与农业绿色低碳生产效率耦合协调空间关联强度呈现出东密西疏，多流向和相互交织的中心-外围式复杂形态. 2021年耦合协调空间关联结构相较于2000年更为复杂，空间关联强度也不断增大. 并且随着生产要素在区域间的流动和扩散，二者耦合协调的空间联系不再限于相近省（市、自治区），非相邻省（市、自治区）间的空间联系强度逐渐加强. 这说明区域间资源禀赋和落后技术的制约逐渐被打破，绿色生产技术外溢性增强. 然而，耦合协调的主要网络流仍然以上海、北京、天津、浙江、广东和江苏等农业现代化水平较高的东部省（市）向外辐射为主. 这些省（市）绿色资源要素配置、政策支持力度、生产服务性组织的专业化和绿色化程度、绿色产业体系发展、绿色技术水平和绿色产品供给能力均较强，吸引其他区域进行农业技术应用合作的意愿更强，技术与生产空间联系势能也较强.
|
图 5 2000年和2021年中国秸秆还田与农业绿色低碳生产效率耦合协调空间关联强度 Fig. 5 Strength of spatial linkage of coupled coordination of straw return and agricultural green and low-carbon production efficiency in China in 2000 and 2021 |
中国秸秆还田与农业绿色低碳生产效率耦合协调的网络密度在2000~2021年间均较为稳定（表 5），总体呈小幅度微弱下降趋势，且网络密度均值仅为0.19，说明区域间耦合协调关联较为松散，地区间相互联系、依赖程度有较大的提升空间. 未来应进一步从强化技术融合与匹配、缩小信息鸿沟、提高要素配置效率和降低推广成本等方面入手，提升网络密度，实现“抱团式”发展. 本研究期关联度始终为1，说明在整个耦合协调发展链条中各区域空间关联性显著，网络通达性较强；网络等级度在2021年有明显提升，说明整体耦合协调内部等级制度依然较为严苛，较多节点被支配，网络结构趋向优化；网络效率由2000年的0.741 4增长至2021年的0.751 2，但数值依旧较低，说明节点之间的多重叠加表象逐渐削弱，空间网络结构的稳定性有待进一步提高.
|
|
表 5 中国秸秆还田与农业绿色低碳生产效率耦合协调空间关联的网络密度与关联性分析 Table 5 Network density and correlation analysis of spatial correlation of coupled coordination of straw return and agricultural green and low-carbon production efficiency in China |
2.4.2 中心性分析
利用Ucinet 6.0软件计算得到2021年中国30个省（市、自治区）秸秆还田与农业绿色低碳生产效率耦合协调空间关联网络个体结构特征指标（表 6）.
|
|
表 6 2021年中国秸秆还田与农业绿色低碳生产效率耦合协调空间关联网络结构中心性分析 Table 6 Centrality analysis of the structure of spatial correlation network for coupled coordination of straw return and agricultural green and low-carbon production efficiency in China in 2021 |
由表 6可知，2021年中国30个省（市、自治区）秸秆还田与农业绿色低碳生产效率耦合协调空间关联网络的点度中心度均值为8.67. 其中北京、上海、广东、江苏、天津和浙江等6个省（市）的点度中心度高于均值，说明这些省（市）处于空间网络的中心位置，与周边地区关联互动性较强，对整体网络的形成与稳定贡献颇丰. 这可能与区域优势和发展定位有关，这些地区位于东部经济发达地区，农业低碳技术先进和交通设施健全，对农业绿色生产技术研发投入力度较大，通过技术外溢和稀缺资源获取与其他地区联系更密切；与此同时，北京、上海、广东、江苏、天津、浙江和山东等省（市）的点入度要远远超过点出度，反映出其在网络之中获取了较多要素，处于净受益状态.
由表 6可知，2021年中国30个省（市、自治区）秸秆还田与农业绿色低碳生产效率空间关联网络的接近中心度均值为31.5. 其中接近中心度排在前5位的省（市）分别是上海（96.67）、江苏（69.05）、浙江（67.44）、北京（60.42）和安徽（55.77），说明这些省（市）与其他地区产生空间关联的概率更强，加快生产要素在农业市场主体间的合理配置，与周边地区有着较好的要素交流渠道.
由表 6可知，2021年中国30个省（市、自治区）秸秆还田与农业绿色低碳生产效率耦合协调空间关联网络的中介中心度均值为23.6. 其中广东、上海、江西、北京和天津等5个省（市）的中介中心度高于均值. 说明这些省（市）影响力较强，掌握要素流动方向，扮演“桥梁”和“中间人”的角色，对其他省（市、自治区）耦合协调空间网络产生制约和调节作用. 而甘肃、海南、黑龙江、湖北、辽宁、宁夏、青海、陕西、新疆和重庆等省（市、自治区）的中介中心度维持在较低水平，均低于1，说明以上省（市、自治区）影响力较低，受其他地区支配.
2.4.3 核心-边缘结构分析利用UCINET软件Cat-Egorical模块构建连续的核心-边缘模型，识别2000年、2010年和2021年3个时间节点我国稳定于核心区或边缘区的省（市、自治区）. 由表 7可知，该结构呈现出我国东部地区核心区范围明显大于中西部地区核心区范围的特征. 东部地区省（市）作为核心力量辐射周边地区的发展，中西部地区省（市、自治区）支柱力量薄弱，仍需加强农业资源要素配置效率、实现节本增效和促进秸秆还田技术推广与创新的融合，重视小农户的绿色生产技术需求，降低技术交易成本和学习门槛，以此提高技术作业溢出的“学习效应”和“涓滴效应”.
|
|
表 7 中国30个省（市、自治区）秸秆还田与农业绿色低碳生产效率耦合协调核心-边缘结构 Table 7 Core-edge structure of coordination of the coupling of straw return and agricultural green and low-carbon production efficiency in 30 provinces in China |
3 影响因素分析 3.1 变量选择
我国秸秆还田与农业绿色低碳生产效率耦合协调空间网络受到多种因素的影响（表 8）. 参考文献[48~51]，选取农业综合机械化水平、农业技术进步、经济发展水平、财政支农比例、产业结构水平、地理邻接、农业产业集聚和人力资本水平等8个指标，为消除量纲差异对结果的影响，对指标进行标准化后计算指标的绝对均值差值构建差异矩阵，具体变量测算方法如表 8所示.
|
|
表 8 耦合协调空间网络拟用影响因素指标 Table 8 Proposed indicators of influencing factors for the coupled coordination space network |
3.2 模型检验
基于以上分析，本文将2000年和2021年的秸秆还田与农业绿色低碳生产效率耦合协调空间网络矩阵作为被解释变量，表 8选取的影响因素指标作为解释变量，通过UCINET软件进行QAP分析. 通过Ucint软件设置10 000次随机置换后，大部分影响因素均在1%~5%的显著性水平上存在相关关系，故进一步采用QAP模型进行回归分析.
我国各省（市、自治区）内部影响耦合协调空间网络的回归结果如表 9所示. 农业技术进步的回归系数显著为正，说明省域间农业技术进步的“势能差”越大，空间关联性越强，可能的原因为：农业技术进步的空间差异性可加快农业绿色生产技术服务跨地域转移和专业化分工，同时资本和科技的集聚与扩散也有助于扩大省域间农业绿色低碳发展的合作规模，进而增强空间互动与联系. 经济发展水平的回归系数显著为正，说明省域间的耦合协调空间关联作用在经济发展水平差异下增强，可能原因为：经济发展水平的差异更有利于鼓励资源、劳动力和生产技术要素互联互通，从而推进空间关联形成. 农业产业集聚的回归系数显著为正，说明省域间农业产业集聚水平差异越大，越有利于空间关联网络的形成. 可能由于农业产业集聚的差异化水平有利于加强农业生产主体之间绿色生产和低碳技术的信息交流与共享，农业产业集聚水平较完善的地区可以通过“滴漏效应”增益于其他地区，促成省域间的紧密合作. 地理邻接会减少要素流动成本，从而促进核心省（市、自治区）辐射带动其周围边缘省（市、自治区）耦合协调；人力资本水平的回归系数由不显著逐渐显著为正，说明省域间农业科技创新人才培养和技术交流合作互补性增强，空间外溢效果显著. 农业综合机械化水平的回归系数由显著逐渐转为不显著，可能与当前农村高度依赖要素驱动经济增长现况下，过度增加机械化投入容易增加能源消耗和农业碳排放有关，对耦合协调空间网络形成的作用程度逐渐削减.
|
|
表 9 QAP回归结果1） Table 9 QAP regression results |
4 讨论
中国农业绿色低碳生产效率逐年波动上升，且东部地区 > 中部地区 > 西部地区的发展趋势显著. 这与崔许锋等[54]的研究趋势相似. 东部地区农业绿色低碳生产效率占绝对优势，与其经济发展程度关系密切，良好的经济基础可以有效支持生态农业发展和农业碳减排. 而中西部的部分地区农业发展方式相对粗放，资源利用效率较低，农业低碳生产发展还处于初步阶段，应该注意经济与农业生态的协调发展，推广清洁生产方式，实现农业低碳发展转型.
中国秸秆还田与农业绿色低碳生产效率的耦合协调程度随时间变化波动上升，这说明秸秆还田技术应用与农业绿色低碳生产效率的相互促进、相互支撑作用逐渐增强. 这与余志刚等[29]的部分研究趋势相似. 加快秸秆还田技术应用与推广能够以促进农作物秸秆资源化利用为“桥梁”，实现农业绿色发展. 因此，各地区应加强专业技术人员的技术指导和调动农民采纳技术的积极性和主动性；将秸秆还田科学技术应用的“深度”和“广度”作为工作的抓手，确保“操作流程”的规范性、完整性和回报性，以此提高对农业低碳生产效率的“贡献率”，使秸秆还田技术能够更好发挥其应有的生态环境效益，为地方农业低碳可持续发展的空间溢出提供重要条件保障.
中国秸秆还田与农业绿色低碳生产效率的耦合协调空间关联网络整体上联系较为松散，紧密度和稳定性有待提高，且地区间空间非均衡性显著. 缘于经济发展水平、基础设施建设、农业生产条件、科技水平、交通和地形等因素影响各区域发展仍存在较大差异. 应加大对西部地区的政策倾斜与资金投入，加大秸秆还田机械购置的补贴力度和配套机械的普及；鼓励北京、上海和广东等东部发达省（市）向西部边缘省（市、自治区）输送人才、技术和信息等要素支持，发挥辐射联动与涓滴效应，促进科学技术服务资源要素的互流互通；鼓励西部偏远地区主动增强与东部地区的农业低碳合作行动，创造更多技术交流和农业碳减排的联结通道，缩小区域发展差距，促进区域间等值化的“点-线-面”多尺度融合.
深入挖掘中国30个省（市、自治区）秸秆还田与农业绿色低碳生产效率耦合协调空间关联网络形成的驱动因素，能够增强绿色技术与生产环境空间联动效应，充分发挥各省资源配置优势，构建协调发展格局. 各地区要加快先进农业绿色低碳生产技术研发，优化农业资源配置；提高经济发展水平，促进生产要素间的合作、竞争和互惠关系流动；增强相邻区域间的辐射带动作用，减少地区间要素流动成本；同时要提升西部边缘地区的农业产业集聚和人力资本水平，增强弱势与优势地区间规模、技术和要素溢出幅度以及农业科技人才的交流与信息共享，协同促进秸秆还田技术应用与农业绿色低碳生产效率耦合协调度的提升.
5 结论（1）2000~2021年，中国农业绿色低碳生产效率区域差异性显著，总体呈现出东部地区 > 中部地区 > 西部地区的发展趋势.
（2）从时间分布上看，2000~2021年间，中国秸秆还田与农业绿色低碳生产效率的耦合协调度由初级协调阶段逐渐过渡至中级协调阶段，协调程度随时间变化波动上升.
（3）从空间分布上看，我国秸秆还田与农业绿色低碳生产效率耦合协调度的空间聚集效应凸显，高耦合协调度的省（市、自治区）逐步向东部地区靠拢，西部地区的耦合协调度蔓延速度滞缓，整体表现出“东盛西衰”的发展格局.
（4）中国省际秸秆还田与农业绿色低碳生产效率耦合协调空间联系强度呈现出东密西疏，多流向和相互交织的中心-外围式复杂形态. 2021年耦合协调空间联系结构相较于2000年更为复杂，空间关联强度逐渐增大.
（5）从网络结构特征看，耦合协调整体网络结构较不稳定，网络节点特征区域差异性显著. 北京、上海、广东、江苏、天津和浙江等6个省（市）在关联网络中处于相对中心位置；甘肃、海南、黑龙江、湖北、辽宁、宁夏、青海、陕西、新疆和重庆等省（市、自治区）处于被支配地位；北京、上海、广东、江苏、天津、浙江和山东等省（市）处于净受益状态. 我国东部地区核心区范围明显大于中西部地区核心区范围.
（6）农业技术进步、经济发展水平、地理邻接、农业产业集聚和人力资本水平的回归系数均显著为正，显著影响中国省际秸秆还田与农业绿色低碳生产效率耦合协调空间关联格局.
| [1] |
徐清华, 张广胜. 农业机械化对农业碳排放强度影响的空间溢出效应——基于282个城市面板数据的实证[J]. 中国人口·资源与环境, 2022, 32(4): 23-33. Xu Q H, Zhang G S. Spatial spillover effect of agricultural mechanization on agricultural carbon emission intensity: an empirical analysis of panel data from 282 cities[J]. China Population, Resources and Environment, 2022, 32(4): 23-33. |
| [2] | 国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社: 2001-2022. |
| [3] |
李洁艳, 张红丽. 农技推广对粮农耕地持续保护行为的影响——基于期望确认的中介效应[J]. 资源科学, 2024, 46(1): 160-174. Li J Y, Zhang H L. Impact of agricultural technology promotion on the sustainable protection of cultivated land by grain growers: mediation effect based on expectation confirmation[J]. Resources Science, 2024, 46(1): 160-174. |
| [4] |
朱竑, 陈晓亮, 尹铎. 从"绿水青山"到"金山银山": 欠发达地区乡村生态产品价值实现的阶段、路径与制度研究[J]. 管理世界, 2023, 39(8): 74-91. Zhu H, Chen X L, Yin D. Transforming "green water and green mountains" into "golden mountains and silver mountains": research on the stage, path and system of the value realization of rural ecological products in underdeveloped areas[J]. Journal of Management World, 2023, 39(8): 74-91. |
| [5] |
李园园, 薛彩霞, 柴朝卿, 等. 中国保护性耕作净碳汇的时空分异特征及其驱动力[J]. 中国人口·资源与环境, 2022, 32(10): 15-23. Li Y Y, Xue C X, Chai Z Q, et al. Spatio-temporal variation and driving forces of net carbon sink of conservation tillage in China[J]. China Population, Resources and Environment, 2022, 32(10): 15-23. |
| [6] |
黄巧义, 黄建凤, 黄旭, 等. 早稻秸秆还田和减钾对晚稻产量和土壤肥力的影响[J]. 环境科学, 2022, 43(10): 4706-4715. Huang Q Y, Huang J F, Huang X, et al. Effects of early rice straw returning with reducing potassium fertilizer on late rice yield and soil fertility[J]. Environmental Science, 2022, 43(10): 4706-4715. |
| [7] | He B, Li C, Yao L, et al. Effects of dynamic nitrogen application on rice yield and quality under straw returning conditions[J]. Environmental Research, 2024, 243. DOI:10.1016/J.ENVRES.2023.117857 |
| [8] | Li J, Li J Q, Ye X H, et al. High starch and hemicellulose labile C degradation functional genes increase soil CO2 emissions follow straw return[J]. Applied Soil Ecology, 2024, 198. DOI:10.1016/J.APSOIL.2024.105370 |
| [9] | Jiang C Q, Zu C L, Riaz M, et al. Influences of tobacco straw return with lime on microbial community structure of tobacco-planting soil and tobacco leaf quality[J]. Environmental Science and Pollution Research, 2024, 31(21): 30959-30971. |
| [10] | Huang T T, Wen S Y, Zhang M X, et al. Effect on greenhouse gas emissions (CH4 and N2O) of straw mulching or its incorporation in farmland ecosystems in China[J]. Sustainable Production and Consumption, 2024, 46: 223-232. |
| [11] | Wang X Y, Wang R, Zhao Z X, et al. Enhanced nitrogen fertilizer combined with straw incorporation can reduce global warming potential with higher carbon sequestration in a summer maize-winter wheat rotation system[J]. Agriculture, 2024, 365. DOI:10.1016/J.AGEE.2024.108913 |
| [12] |
郭伟, 李丹丹, 徐基胜, 等. 秸秆与有机无机肥配施对不同质地潮土土壤质量和小麦产量的影响[J]. 土壤学报, 2024, 61(5): 1360-1373. Guo W, Li D D, Xu J S, et al. Effects of application of straw and organic-inorganic fertilizers on soil quality and wheat yield in different texture fluvo-aquic soils[J]. Acta Pedologica Sinica, 2024, 61(5): 1360-1373. |
| [13] |
陈亚飞, 王辉, 牛彪, 等. 黄土高原春玉米氮肥生产力对不同耕作措施的响应: Meta分析[J]. 中国生态农业学报(中英文), 2024, 32(5): 755-765. Chen Y F, Wang H, Niu B, et al. Response of nitrogen fertilizer productivity of spring maize on the Loess Plateau to different tillage measures: a Meta-analysis[J]. Chinese Journal of Eco-Agriculture, 2024, 32(5): 755-765. |
| [14] | Guo L J, Zhang L, Liu L, et al. Effects of long-term no tillage and straw return on greenhouse gas emissions and crop yields from a rice-wheat system in central China[J]. Agriculture, 2021, 322. DOI:10.1016/J.AGEE.2021.107650 |
| [15] | Jin V L, Schmer M R, Stewart C E, et al. Long‐term no‐till and stover retention each decrease the global warming potential of irrigated continuous corn[J]. Global Change Biology, 2017, 23(7): 2848-2862. |
| [16] | Gómez-Muñoz B, Jensen L S, Munkholm L, et al. Long‐term effect of tillage and straw retention in conservation agriculture systems on soil carbon storage[J]. Soil Science Society of America Journal, 2021, 85(5): 1465-1478. |
| [17] | Wan X H, Xiao L J, Vadeboncoeur M A, et al. Response of mineral soil carbon storage to harvest residue retention depends on soil texture: a Meta-analysis[J]. Forest Ecology and Management, 2018, 408: 9-15. |
| [18] |
叶子壮, 王松燕, 陆潇, 等. 秸秆还田、覆膜和施氮对旱地麦田土壤质量的影响[J]. 环境科学, 2024, 45(4): 2292-2303. Ye Z Z, Wang S Y, Lu X, et al. Effects of straw retention, film mulching, and nitrogen input on soil quality in dryland wheat field[J]. Environmental Science, 2024, 45(4): 2292-2303. |
| [19] | Ma Y C, Liu D L, Schwenke G, et al. The global warming potential of straw-return can be reduced by application of straw-decomposing microbial inoculants and biochar in rice-wheat production systems[J]. Environmental Pollution, 2019, 252: 835-845. |
| [20] | Huang Y W, Ren W, Wang L X, et al. Greenhouse gas emissions and crop yield in no-tillage systems: a Meta-analysis[J]. Agriculture, 2018, 268: 144-153. |
| [21] | Feng J F, Chen C Q, Zhang Y, et al. Impacts of cropping practices on yield-scaled greenhouse gas emissions from rice fields in China: a Meta-analysis[J]. Agriculture, 2013, 164: 220-228. |
| [22] |
程启鹏, 王擎运, 罗来超, 等. 河南省小麦玉米秸秆资源测算与养分还田利用潜力分析[J]. 农业资源与环境学报, 2024, 41(4): 846-855. Cheng Q P, Wang Q Y, Luo L C, et al. Spatial distribution of wheat and maize straw resources and nutrient utilization potential under straw return in Henan province[J]. Journal of Agricultural Resources and Environment, 2024, 41(4): 846-855. |
| [23] |
宋佳杰, 徐郗阳, 白金泽, 等. 秸秆还田配施化肥对土壤养分及冬小麦产量的影响[J]. 环境科学, 2022, 43(9): 4839-4847. Song J J, Xu X Y, Bai J Z, et al. Effects of straw returning and fertilizer application on soil nutrients and winter wheat yield[J]. Environmental Science, 2022, 43(9): 4839-4847. |
| [24] |
温桂香, 姚金哲, 韩晴, 等. 河南省小麦玉米生产体系碳氮足迹时空变化特征及驱动因素分析[J]. 环境科学, 2025, 46(2): 1002-1015. Wen G X, Yao J Z, Han Q, et al. Spatial and temporal variation characteristics and driving factors of carbon and nitrogen footprint in wheat and maize production system in Henan Province[J]. Environmental Science, 2025, 46(2): 1002-1015. |
| [25] |
薛彩霞, 李园园, 胡超, 等. 中国保护性耕作净碳汇的时空格局[J]. 自然资源学报, 2022, 37(5): 1164-1182. Xue C X, Li Y Y, Hu C, et al. Study on spatio-temporal pattern of conservation tillage on net carbon sink in China[J]. Journal of Natural Resources, 2022, 37(5): 1164-1182. |
| [26] |
李园园, 薛彩霞, 柴朝卿, 等. 保护性耕作机械能否带动保护性耕作净碳汇的空间外溢?——基于农机跨区服务视角[J]. 中国生态农业学报(中英文), 2024, 32(2): 283-296. Li Y Y, Xue C X, Chai C Q, et al. Can conservation tillage machinery drive the spatial spillover of the net carbon sink of conservation tillage?——Based on the perspective of cross-zone service of agricultural machinery[J]. Chinese Journal of Eco-Agriculture, 2024, 32(2): 283-296. |
| [27] |
唐菁, 易露, 曾庆均. 长江经济带农业碳补偿率的时空演进特征及碳补偿潜力预测[J]. 环境科学, 2024, 45(11): 6378-6391. Tang J, Yi L, Zeng Q J. Spatial and temporal evolution characteristics of agricultural carbon offset rate and prediction of carbon offset potential in the Yangtze River Economic Belt[J]. Environmental Science, 2024, 45(11): 6378-6391. |
| [28] |
余志刚, 王笑田, 崔钊达, 等. 秸秆还田技术应用是否减少了化肥面源污染?[J]. 农业现代化研究, 2023, 44(5): 834-844. Yu Z G, Wang X T, Cui Z D, et al. Does the application of straw returning to field technology reduce fertilizer non-point source pollution?[J]. Research of Agricultural Modernization, 2023, 44(5): 834-844. |
| [29] |
余志刚, 孙子烨, 金鑫. 秸秆还田与农业绿色全要素生产率: 促进还是抑制?[J]. 干旱区资源与环境, 2023, 37(9): 36-45. Yu Z G, Sun Z Y, Jin X. Straw incorporation and agricultural green total factor productivity: promotion or inhibition?[J]. Journal of Arid Land Resources and Environment, 2023, 37(9): 36-45. |
| [30] |
展进涛, 徐钰娇. 环境规制、农业绿色生产率与粮食安全[J]. 中国人口·资源与环境, 2019, 29(3): 167-176. Zhan J T, Xu Y J. Environmental regulation, agricultural green TFP and grain security[J]. China Population, Resources and Environment, 2019, 29(3): 167-176. |
| [31] |
李芬妮, 张俊飚, 何可. 非正式制度、环境规制对农户绿色生产行为的影响——基于湖北1105份农户调查数据[J]. 资源科学, 2019, 41(7): 1227-1239. Li F N, Zhang J B, He K. Impact of informal institutions and environmental regulations on farmers' green production behavior: based on survey data of 1105 households in Hubei Province[J]. Resources Science, 2019, 41(7): 1227-1239. |
| [32] |
盖豪, 颜廷武, 张俊飚. 感知价值、政府规制与农户秸秆机械化持续还田行为——基于冀、皖、鄂三省1288份农户调查数据的实证分析[J]. 中国农村经济, 2020(8): 106-123. Gai H, Yan T W, Zhang J B. Perceived value, government regulations and farmers' behaviors of continued mechanized operation of straw returning to the field: an analysis based on survey data from 1288 farmers in three provinces of Hebei, Anhui and Hubei[J]. Chinese Rural Economy, 2020(8): 106-123. |
| [33] |
徐志刚, 张骏逸, 吕开宇. 经营规模、地权期限与跨期农业技术采用——以秸秆直接还田为例[J]. 中国农村经济, 2018(3): 61-74. Xu Z G, Zhang J Y, Lv K Y. The scale of operation, term of land ownership and the adoption of inter-temporal agricultural technology: an example of "straw return to soil directly"[J]. Chinese Rural Economy, 2018(3): 61-74. |
| [34] |
姚佳妤, 刘蕾, 范晓鑫, 等. 技术认知与推广对农户低碳农业技术采纳行为的影响研究[J]. 干旱区资源与环境, 2023, 37(12): 21-30. Yao J Y, Liu L, Fan X X, et al. Influence of technological cognition and promotion on farmers' adoption of low-carbon agricultural techniques[J]. Journal of Arid Land Resources and Environment, 2023, 37(12): 21-30. |
| [35] |
廖小静, 张骏逸, 宁可. 秸秆机械化还田技术强制性变迁的选择逻辑与干预效果差异[J]. 江西财经大学学报, 2023(3): 107-120. Liao X J, Zhang J Y, Ning K. The selection logic and intervention effect difference of compelled changes of mechanized straw returning technology[J]. Journal of Jiangxi University of Finance and Economics, 2023(3): 107-120. |
| [36] |
杨彩艳, 齐振宏, 黄炜虹, 等. 效益认知对农户绿色生产技术采纳行为的影响——基于不同生产环节的异质性分析[J]. 长江流域资源与环境, 2021, 30(2): 448-458. Yang C Y, Qi Z H, Huang W H, et al. Impact of benefit cognition on farmers' green production technology adoption behavior: based on the heterogeneity analysis of different production links[J]. Resources and Environment in the Yangtze Basin, 2021, 30(2): 448-458. |
| [37] |
赵丽平, 饶希, 丁士军. 乡村数字化可以促进农业碳减排吗?[J]. 华中农业大学学报(社会科学版), 2023(5): 42-52. Zhao L P, Rao X, Ding S J. Can rural digitization promote agricultural carbon reduction?[J]. Journal of Huazhong Agricultural University (Social Sciences Edition), 2023(5): 42-52. |
| [38] |
田云, 张俊飚. 中国省级区域农业碳排放公平性研究[J]. 中国人口·资源与环境, 2013, 23(11): 36-44. Tian Y, Zhang J B. Fairness research of agricultural carbon emissions between provincial regions in China[J]. China Population, Resources and Environment, 2013, 23(11): 36-44. |
| [39] |
田云, 林子娟. 中国省域农业碳排放效率与经济增长的耦合协调[J]. 中国人口·资源与环境, 2022, 32(4): 13-22. Tian Y, Lin Z J. Coupling coordination between agricultural carbon emission efficiency and economic growth at provincial level in China[J]. China Population, Resources and Environment, 2022, 32(4): 13-22. |
| [40] |
尹忞昊, 田云, 卢奕亨. 中国农业碳排放区域差异及其空间分异机理[J]. 改革, 2023(10): 130-145. Yin M H, Tian Y, Lu Y H. Regional differences and spatial divergence mechanisms of agricultural carbon emissions in China[J]. Reform, 2023(10): 130-145. |
| [41] |
闵继胜, 胡浩. 中国农业生产温室气体排放量的测算[J]. 中国人口·资源与环境, 2012, 22(7): 21-27. Min J S, Hu H. Calculation of greenhouse gases emission from agricultural production in China[J]. China Population, Resources and Environment, 2012, 22(7): 21-27. |
| [42] |
李波, 张俊飚, 李海鹏. 中国农业碳排放时空特征及影响因素分解[J]. 中国人口·资源与环境, 2011, 21(8): 80-86. Li B, Zhang J B, Li H P. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China[J]. China Population, Resources and Environment, 2011, 21(8): 80-86. |
| [43] |
刘蒙罢, 张安录, 文高辉. 长江中下游粮食主产区耕地利用生态效率区域差异与空间收敛[J]. 自然资源学报, 2022, 37(2): 477-493. Liu M B, Zhang A L, Wen G H. Regional differences and spatial convergence in the ecological efficiency of cultivated land use in the main grain producing areas in the Yangtze Region[J]. Journal of Natural Resources, 2022, 37(2): 477-493. |
| [44] |
吉雪强, 张跃松. 长江经济带种植业碳排放效率空间关联网络结构及动因[J]. 自然资源学报, 2023, 38(3): 675-693. Ji X Q, Zhang Y S. Spatial correlation network structure and motivation of carbon emission efficiency in planting industry in the Yangtze River Economic Belt[J]. Journal of Natural Resources, 2023, 38(3): 675-693. |
| [45] | 李谷成, 范丽霞, 冯中朝. 资本积累、制度变迁与农业增长——对1978~2011年中国农业增长与资本存量的实证估计[J]. 管理世界, 2014(5): 67-79, 92. |
| [46] |
董奋义, 李梦婷. 基于永续盘存法的中部六省农业资本存量核算[J]. 数学的实践与认识, 2020, 50(4): 269-278. Dong F Y, Li M T. Accounting of agricultural capital stock in the six central provinces based on perpetual inventory method[J]. Mathematics in Practice and Theory, 2020, 50(4): 269-278. |
| [47] |
姜松, 周洁, 邱爽. 适度规模经营是否能抑制农业面源污染——基于动态门槛面板模型的实证[J]. 农业技术经济, 2021(7): 33-48. Jiang S, Zhou J, Qiu S. Can appropriate scale operation restrain agricultural non-point source pollution?——Empirical study based on dynamic threshold panel model[J]. Journal of Agrotechnical Economics, 2021(7): 33-48. |
| [48] |
赵林, 曹乃刚, 韩增林, 等. 中国绿色经济效率空间关联网络演变特征及影响因素[J]. 资源科学, 2021, 43(10): 1933-1946. Zhao L, Cao N G, Han Z L, et al. Spatial correlation network and influencing factors of green economic efficiency in China[J]. Resources Science, 2021, 43(10): 1933-1946. |
| [49] |
冯颖, 侯孟阳, 姚顺波. 中国粮食生产空间关联网络的结构特征及其形成机制[J]. 地理学报, 2020, 75(11): 2380-2395. Feng Y, Hou M Y, Yao S B. Structural characteristics and formation mechanism of spatial correlation network of grain production in China[J]. Acta Geographica Sinica, 2020, 75(11): 2380-2395. |
| [50] |
刘传明, 马青山. 黄河流域高质量发展的空间关联网络及驱动因素[J]. 经济地理, 2020, 40(10): 91-99. Liu C M, Ma Q S. Spatial association network and driving factors of high quality development in the Yellow River Basin[J]. Economic Geography, 2020, 40(10): 91-99. |
| [51] |
钱昭英, 刘书杰. 黄河流域农业绿色低碳生产效率空间关联网络结构特征及驱动因素识别[J]. 干旱区资源与环境, 2024, 38(2): 27-38. Qian Z Y, Liu S J. On the characteristics and drivers of spatial correlation network of green low-carbon agricultural production efficiency in the Yellow River Basin[J]. Journal of Arid Land Resources and Environment, 2024, 38(2): 27-38. |
| [52] |
薛超, 史雪阳, 周宏. 农业机械化对种植业全要素生产率提升的影响路径研究[J]. 农业技术经济, 2020(10): 87-102. Xue C, Shi X Y, Zhou H. Influence path of agricultural mechanization on total factor productivity growth in planting industry[J]. Journal of Agrotechnical Economics, 2020(10): 87-102. |
| [53] |
杨秀玉, 乔翠霞. 农业产业集聚对农业碳生产率的空间溢出效应——基于财政分权的调节作用[J]. 中国人口·资源与环境, 2023, 33(2): 92-101. Yang X Y, Qiao C X. Spatial spillover effects of agricultural industry agglomeration on agricultural carbon productivity: based on the regulatory role of fiscal decentralization[J]. China Population, Resources and Environment, 2023, 33(2): 92-101. |
| [54] |
崔许锋, 王雨菲, 张光宏. 面向低碳发展的农业生态效率测度与时空演变分析——基于SBM-ESDA模型[J]. 农业经济问题, 2022(9): 47-61. Cui X F, Wang Y F, Zhang G H. Low-carbon oriented measurement and spatiotemporal evolution of agricultural eco-efficiency in China: based on SBM-ESDA model[J]. Issues in Agricultural Economy, 2022(9): 47-61. |