中国农业数字化与绿色低碳发展耦合协调及障碍因子分析

引用本文

钟玉菲, 贾俊松, 刘艳. 中国农业数字化与绿色低碳发展耦合协调及障碍因子分析[J]. 环境科学, 2026, 47(6): 3677-3687.

ZHONG Yu-fei, JIA Jun-song, LIU Yan. Coupling and Coordination of Agricultural Digitalization and Green, Low-carbon Development in China and Obstacle Factors Analysis[J]. Environmental Science, 2026, 47(6): 3677-3687.

中国农业数字化与绿色低碳发展耦合协调及障碍因子分析

钟玉菲^1,2, 贾俊松^1,2, 刘艳^1,2

1. 江西师范大学地理与环境学院，南昌 330022;
2. 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室，南昌 330022

收稿日期: 2025-05-07; 修订日期: 2025-07-12

基金项目: 国家自然科学基金项目（72264016，71473113）；江西省哲学社会科学基金项目（21JL03）

作者简介: 钟玉菲（2000~），女，硕士研究生，主要研究方向为低碳农业，E-mail：zhongyufei024@163.com

通信作者: 贾俊松, E-mail：jiaaniu@126.com

摘要: 农业的数字化与绿色低碳发展是当前中国农业农村高质量发展和乡村振兴的两个重要方向，同时也是实现“双碳”目标的重要途径. 综合运用熵权法、耦合协调度模型、Dagum基尼系数、核密度估计和障碍度模型等，探究了2011~2022年中国31个省域农业数字化与绿色低碳发展耦合协调度的时空演变特征及障碍因子. 结果表明：①中国农业数字化水平平均增长速度为5.49%，粮食主销区发展水平最高；农业绿色低碳发展水平平均增长速度为1.83%，粮食主销区发展水平较高. ②农业数字化与绿色低碳发展的耦合协调度整体水平较低，但呈现逐年上升趋势，均值由2011年的0.312上升到2022年的0.427. 区域间发展差异是农业协调发展差异的主要原因，但差异化呈现出减小的趋势. ③农村用电量和区域邮电业务总量是农业数字化中障碍度最大的两个因子，在4个年份中障碍度均值分别为23.36%和21.11%. 节水灌溉率是农业绿色低碳发展中障碍度最大的因子，障碍度均值为29.23%. 因此，应加快农业数字基础设施建设，引进技术提高资源利用率，建立跨区域协同发展机制，促进农业协调发展.

关键词: 农业数字化绿色低碳发展耦合协调时空特征障碍因子

Coupling and Coordination of Agricultural Digitalization and Green, Low-carbon Development in China and Obstacle Factors Analysis

ZHONG Yu-fei^1,2 , JIA Jun-song^1,2 , LIU Yan^1,2

1. School of Geography and Environment, Jiangxi Normal University, Nanchang 330022, China;
2. Key Laboratory of Poyang Lake Wetland and Watershed Research, Ministry of Education, Jiangxi Normal University, Nanchang 330022, China

Abstract: The digitalization and green and low-carbon development of agriculture are two important directions for the high-quality development of China's agriculture and rural areas and rural revitalization, and they are also important ways to achieve the "dual carbon" goal. Based on the entropy weight method, the coupling coordination degree model, the Dagum Gini coefficient, the kernel density estimation, and the obstacle degree model, the spatiotemporal evolution characteristics and obstacle factors of the coupling coordination degree of agricultural digitalization and green and low-carbon development in 31 provinces of China from 2011 to 2022 were explored. The results show that: ① The average growth rate of China's agricultural digitalization level was 5.49%, and the development level of the main grain sales area was the highest. The average growth rate of green and low-carbon development level of agriculture was 1.83%, and the development level of the main grain sales areas was relatively high. ② The coupling and coordination degree of agricultural digitalization and green and low-carbon development was low, but it showed an upward trend year by year, with the average value increasing from 0.312 in 2011 to 0.427 in 2022. The development differences between regions were the main reasons for the differences in the coordinated development of agriculture, but the differences showed a decreasing trend. ③ Rural electricity consumption and regional post and telecommunications services were the two factors with the greatest obstacle degree in agricultural digitalization, and the average obstacle degree in the four years was 23.36% and 21.11%, respectively. The water-saving irrigation rate was the greatest obstacle factor in the green and low-carbon development of agriculture, and the average obstacle degree was 29.23%. Therefore, it is necessary to accelerate the construction of agricultural digital infrastructure, introduce technologies to improve resource utilization, establish a cross-regional coordinated development mechanism, and promote the coordinated development of agriculture.

Key words: agricultural digitalization green and low-carbon development coupling and coordination spatiotemporal characteristics obstacle factors

随着全球气候变化加剧及“双碳”（碳达峰、碳中和）目标的深入推进^[1，2]，作为温室气体来源之一的农业部门^[3，4]，其绿色低碳转型成为世界各国可持续发展的核心议题^[5，6]. 与此同时，数字经济的迅猛发展为当今全球农业现代化发展提供了新的技术路径^[7，8]. 在中国，农业数字化与绿色低碳发展的协同推进已被提升至国家战略高度，强调数字技术驱动绿色转型^[9]，如《“十四五”全国农业绿色发展规划》^[10]指出要推进农业绿色科技创新，打造绿色低碳农业产业链. 2024年农业农村部《关于大力发展智慧农业的指导意见》^[11]中指出智慧农业是发展现代农业的重要着力点，需要全面推进农业数字化、全方位提升智慧农业应用水平、加快农业全面绿色转型和促进资源利用高效集约. 这些政策导向均凸显了农业数字化与绿色低碳协调发展的重要性. 可见，农业的数字化与绿色低碳发展已成为农业转型的两个重要方向. 两者的相辅相成及协同发展不仅能提升经济效益和资源利用效率，也有助于可持续发展目标的实现^[12]，还有望成为数字中国和美丽中国战略的重要支撑.

关于农业数字化与绿色低碳发展的研究主要集中在以下3个方面：一是关于农业数字化与农业绿色化单一层面的研究，在理论层面学者们多围绕其发展内涵^[13，14]、发展路径^[15，16]和影响机制^[17~19]等方面展开. 后期量化分析也逐渐增加，如苏锦旗等^[20]基于数字基础设施、产业数字化和数字产业化测算了2011~2020年中国省级农业数字化发展水平并揭示了东中西部地区发展的区域差异；郭海红等^[21]从整体、经济圈和地市这3个层面分析了山东省农业绿色低碳转型水平的时空分异情况和影响因素. 二是探讨农业数字化与绿色低碳发展的关系^[22]，李旭辉等^[23]对2012~2021年中国农业数字化与绿色化的协同关系进行了研究，结果发现研究期内协调发展度稳步上升. 三是关于数字化对农业绿色发展的影响^[24~27]，如王利荣等^[28]探讨了数农融合对农业绿色发展的影响，结果发现其影响在不同地区具有差异性；蔡承智等^[29]探究了我国数字经济对农业绿色发展影响的空间溢出效应，结果表明数字经济对农业绿色发展的正“U”形影响和空间溢出效应显著. 这些研究为本文提供了可贵的参考，但仍有很大研究空间：①现有研究对于农业数字化与农业绿色低碳发展两个子系统之间耦合协调的区域差异及时空演化特征的研究还较为薄弱. ②既有文献中学者多基于国家、省域或单一区域层面展开分析，而从三大粮食功能区进行探讨的研究还较少. ③关于农业数字化与农业绿色低碳发展的障碍因子研究较为薄弱，可以进一步探讨.

基于此，本研究从全国和三大粮食功能区视角出发，探讨中国农业数字化与绿色低碳发展的耦合协调关系. 在运用熵权法对农业数字化及其绿色低碳发展水平进行测算的基础上，借助耦合协调度模型分析中国农业数字化与绿色低碳协调发展情况，并运用基尼系数和核密度估计分析耦合协调的区域差异和时空演变情况，再运用障碍度模型揭示影响其发展的障碍因子. 本研究结果可为政策制定者提供科学依据，并为实现中国农业高质量发展提供理论支持和实践指导.

1 材料与方法 1.1 指标体系构建 1.1.1 农业数字化水平评价指标构建

根据农业数字化研究内涵，参考相关资料与研究成果^[30~32]，遵循指标体系三大遴选依据，选取农业数字化基础、数字化发展环境和农业数字产业化这3个维度来构建农业数字化水平评价指标体系，如表 1所示.

表 1 农业数字化水平综合评价指标体系 Table 1 Comprehensive evaluation index system of agricultural digitalization level

数字基础是农业数字化的支撑，数字基础设施的建设水平反映了物联网在我国农村地区的发展程度. 选取互联网普及率、移动电话普及率、计算机拥有率和有线广播电视普及率作为农业数字化基础的度量指标.

数字化发展环境可以反映农业向现代化、数字化转型的趋势，因此，选取农业物联网信息技术投资力度、农业生产投资额和农村用电水平来衡量农业数字化发展环境.

农业数字产业化可以反映农村地区数字产业的成熟程度，对于推动农业现代化和实现农业高质量发展具有重要影响. 选取区域邮电业务总量、农村投递线路和农村邮政通信服务水平来衡量农业数字化发展过程中的农业数字产业化.

1.1.2 农业绿色低碳发展评价指标构建

农业绿色低碳发展既要注重绿色低碳，也要注重高效发展^[33]. 为实现经济发展与环境保护的协同效应，本研究从减污降碳和经济高效两个维度来构建农业绿色低碳发展评价指标体系^[34~36]，如表 2所示. 其中，减污降碳选取农用化肥施用强度、农药使用强度、农膜使用强度、农业COD排放强度、农业氨氮排放强度和森林覆盖率这6个二级指标. 经济高效选取劳动效率、粮食单位面积产量、耕地复种指数、农业机械化水平、节水灌溉率和第一产业增加值这6个二级指标.

表 2 农业绿色低碳发展水平综合评价指标体系 Table 2 Comprehensive evaluation index system of agricultural green and low-carbon development level

1.2 数据来源与处理

选取2011~2022年我国31个省域（中国台湾、香港和澳门资料暂缺）的面板数据，原始数据来源于各年的《中国统计年鉴》《中国农村统计年鉴》《中国环境统计年鉴》以及各省统计年鉴等. 为消除价格影响，对产值等数据均以2011年为基准年进行不变价处理. 为确保数据完整性，对于部分缺失数据采用插值法进行处理.

1.3 研究方法 1.3.1 熵权法

采用熵权法^[37，38]对构建的农业数字化和农业绿色低碳发展指标体系进行评价. 具体测算步骤如下.

（1）量纲标准化因指标体系中指标太多，且存在量纲不同、单位数量级差距太大等问题，因此在进行评价前，需要对指标数据进行无量纲化和标准化处理，公式如下.

正向指标：

y_{i j} = \frac{x_{i j} - m i n (x_{i j})}{m a x (x_{i j}) - m i n (x_{i j})}

(1)

负向指标：

y_{i j} = \frac{m a x (x_{i j}) - x_{i j}}{m a x (x_{i j}) - m i n (x_{i j})}

(2)

（2）计算指标权重

p_{i j} = \frac{y_{i j}}{\sum_{i = 1}^{n} y_{i j}}

(3)

e_{j} = - \frac{1}{l n n} \sum_{i = 1}^{m} p_{i j} l n p_{i j}

(4)

d_{j} = 1 - e_{j}

(5)

w_{j} = \frac{d_{j}}{\sum_{j = 1}^{n} d_{j}}

(6)

（3）计算各地区的综合得分

v_{i} = \sum_{j = 1}^{n} w_{j} \times y_{i j}

(7)

式中，i和j分别表示第i年和第j个指标；y_ij表示标准化后的值；x_ij表示第i年第j个评价指标的数值；min（x_ij）和max（x_ij）表示历年j指数中的最小值和最大值；p_ij表示各项指标在评价单元中的比例；e_j表示信息熵；d_j表示信息冗余度；w_j表示指标权重；v_i表示地区综合发展指数；m和n分别表示年份和样本数.

1.3.2 修正的耦合协调模型

传统的耦合度模型计算得到的耦合度C值区分度很小，降低了耦合度的解释效度. 因此，借鉴王淑佳等^[39]做法，使用修正后的耦合协调度模型. 假设两个字系统U₁和U₂，max（U_i）为U₂.

C = {[1 - (U_{2} - U_{1}) \times \frac{U_{1}}{U_{2}}]}^{1 / 2}

(8)

T = α U_{1} + β U_{2}

(9)

$ D=\sqrt{C \times T} $

(10)

式中，C表示耦合度；T表示综合评价指数；D表示耦合协调度，取值范围为[0, 1]，越大表明子系统之间协调状况越好. $α 和 β$ 表示子系统权重，本研究认为2个子系统同等重要，因此， $α = β = 0.5$ . 借鉴现有研究^[40，41]，采用均匀分布函数将耦合协调度分为10种类型.

1.3.3 Dagum基尼系数

本文使用Dagum基尼系数^[42，43]来分析中国农业数字化与绿色低碳发展耦合协调的差异，计算公式为：

G = \frac{\sum_{a = 1}^{k} \sum_{b = 1}^{k} \sum_{c = 1}^{n_{a}} \sum_{d = 1}^{n_{c}} |y_{a b} - y_{c d}|}{2 n^{2} \bar{y}}

(11)

式中， $y_{a b} (y_{c d}$ ）表示第a（c）个地区第b（d）省域的农业数字化与绿色低碳发展耦合协调度； $n_{a}$ 和 $n_{c}$ 表示a地区和c地区省域数量； $\bar{y}$ 表示耦合协调度均值.

第a个区域内基尼系数和贡献率：

G_{a a} = \frac{\sum_{b = 1}^{n_{a}} \sum_{d = 1}^{n_{c}} |y_{a b} - y_{c d}|}{2 n_{a}^{2} \bar{Y_{a}}}

(12)

G_{w} = \sum_{a = 1}^{k} G_{a a} p_{a} s_{a}

(13)

a、c区域间基尼系数和贡献率：

G_{a c} = \frac{\sum_{b = 1}^{n_{a}} \sum_{d = 1}^{n_{c}} |y_{a b} - y_{c d}|}{n_{a} n_{c} (\bar{Y_{a}} + \bar{Y_{c}})}

(14)

G_{n q} = \sum_{a = 2}^{k} \sum_{c = 1}^{a - 1} G_{a c} (p_{a} s_{c} + p_{c} s_{a}) H_{a c}

(15)

超变密度贡献率：

G_{p} = \sum_{a = 2}^{k} \sum_{c = 1}^{a - 1} G_{a c} (p_{a} s_{c} + p_{c} s_{a}) (1 - H_{a c})

(16)

式中，G_aa表示区域内基尼系数；G_w表示区域内基尼系数贡献率；G_ac表示区域间基尼系数；G_nq表示区域间基尼系数贡献率；G_p表示超变密度贡献率； $\bar{Y_{a}}$ 表示a地区耦合协调度均值； $p_{a} = \frac{n_{a}}{n}, s_{a} = \frac{n_{a} \bar{Y_{a}}}{n \bar{Y}}$ ；H_ac表示a和c区域间协调发展的相对影响， $H_{a c} = \frac{d_{a c} - p_{a c}}{d_{a c} + p_{a c}}$ ；d_ac表示a区域中省域协调水平发展大于c区域中的样本期望值；p_ac表示c区域中省域协调水平大于a区域中的样本期望值

1.3.4 Kernel估计方法

Kernel密度估计^[44，45]是一种用于估计随机变量概率密度并将随机变量的分布状态通过密度曲线的分布位置、形态、延展性和极化现象等特性表述出来的方法.

$ f(x)=\frac{1}{nh}\sum\limits_{i=1}^{n}{K}\left( \frac{{{x}_{i}}-\bar{x}}{h} \right) $

(17)

式中，n表示观测值的个数；K表示核函数，采用高斯核密度函数；h表示带宽， $x_{i}$ 表示变量实际观察值， $\bar{x}$ 表示变量均值.

1.3.5 障碍度模型

农业数字化与农业绿色低碳发展的耦合协调与两个子系统之间的要素关系密切，为更加有针对性地促进两个字系统协同发展，利用障碍度模型^[46，47]识别各因素及准则层的障碍程度.

D_{i j} = 1 - y_{i j}

(18)

H_{i j} = \frac{D_{i j} w_{j}}{\sum_{j = 1}^{n} (D_{i j} w_{j})} \times 100 %

(19)

O_{i j} = \sum H_{i j}

(20)

式中， $D_{i j}$ 表示指标偏离度； $H_{i j}$ 表示基础指标障碍度，值越大表示对农业数字化、农业绿色低碳发展影响越大； $y_{i j}$ 和 $w_{j}$ 与前文熵权法中含义一致； $O_{i j}$ 表示准则层障碍度.

2 结果与讨论 2.1 农业数字化与农业绿色低碳发展水平分析

基于表 1和表 2构建的综合评价指标体系，采用熵权法计算2011~2022年中国31个省域农业数字化和农业绿色低碳发展水平，结果如下.

由图 1和表 3可以看出，我国农业数字化水平整体有所上升，从2011年的0.102增长到2022年的0.194，年均增长速度为5.49%，提升速度较慢. 分地区来看，粮食主销区农业数字化水平最高，2011年为0.179，2020年达到峰值0.301，2021年有所下降，年均增长速度为2.55%. 粮食主产区发展水平略低于全国平均水平，年均增长速度为6.00%；产销平衡区发展水平较低，但增长速度较快，农业数字化水平从2011年的0.066增长到2022年的0.175，年均增长速度为8.48%，与粮食主销区之间的差距正在缩小. 全国及三大粮食功能区的农业数字化水平在2021年均有所下降，可能是受新冠疫情的影响，农业补贴减少、经营成本上升等因素导致，但到2022年农业数字化水平恢复上升趋势. 分省域来看，北京、天津和浙江的数字化发展程度较高，如2022年北京数字化水平达到0.346，天津达到0.323. 青海的农业数字化水平提升较大，从2011年的0.085提升到2022年的0.245，年均增长率为9.23%. 总体来看，我国农业数字化发展水平低，提升空间较大. 其中粮食主销区数字化程度相对较高，因其经济发展水平较高，因此可以较好地带动农业数字技术领域的升级，推动我国农业数字化的发展.

图 1 我国农业数字化和绿色低碳发展水平演化趋势 Fig. 1 Evolution trend of agricultural digitalization and green and low-carbon development in China

表 3 农业数字化与农业绿色低碳发展水平时空演化综合得分 Table 3 Comprehensive score of spatiotemporal evolution of agricultural digitalization and green and low-carbon development of agriculture

中国农业绿色低碳发展水平主要呈现上升的趋势，2011~2022年农业绿色低碳发展水平从0.274增长至0.341，年均增长速度为1.83%，增长速度缓慢. 从区域层面看，粮食主产区和粮食主销区的农业绿色低碳发展水平高，均高于全国平均水平. 2011~2015年粮食主产区略高于粮食主销区，2016~2022年粮食主销区发展水平超过粮食主产区. 其中粮食主产区从2011年的0.298增长至2022年的0.365，年均增长速度为1.71%，粮食主销区从0.282增长至2022年的0.375，年均增长速度为2.39%. 粮食主产区的规模化与集约化的生产模式便于推广机械化和精准农业，减少资源浪费和碳排放，且国家对于粮食主产区的低碳农业补贴与激励政策会优于其他地区；而粮食主销区多为我国经济发展领先的省域，对于农业绿色发展的财政投入比例较大，因而其农业绿色低碳发展水平相对较高. 产销平衡区的农业绿色低碳发展水平较低，但增长速度最快，由2011年的0.269增长到2022年的0.409，年均增长率为3.56%. 分省域来看，北京、浙江和山东等地的农业绿色低碳发展水平相对较高，如北京从2011年的0.292增长到2022年的0.446，浙江从0.379增长到0.435. 总体来看，我国农业绿色低碳发展趋势较好，但仍有较大提升空间，需要因地制宜推广低成本适用技术，进一步推动我国农业绿色低碳发展.

2.2 农业数字化与绿色低碳耦合协调发展分析 2.2.1 时序演化特征

基于农业数字化与绿色低碳发展水平测算结果，结合修正耦合协调度模型，对两系统的耦合协调度进行测算. 如图 2所示，2011~2022年中国农业数字化与绿色低碳耦合协调发展水平整体呈现逐步上升趋势，耦合协调度由0.312波动上升至0.427，年均增长速度为2.64%，整体逐步由失调向协调发展. 分地区来看，粮食主销区的协调发展水平较高，一直处于领先水平，2011年协调程度为0.390，2020年达到峰值0.504，2022年为0.472，年均增长速度为1.61%. 粮食主销区的数字技术水平较高，且以精品农业等高附加值的农业为主导，其数字化管理程度高，为农业绿色发展提供技术支持，因而粮食主销区的耦合协调发展水平较高. 粮食主产区的耦合协调度与全国平均水平十分接近，年均增长速度为2.60%. 产销平衡区协调水平较低，但其提升幅度较大，从2011年的0.269增长至2022年的0.409，年均增长速度为3.56%，与其他地区之间差距逐渐缩小，至2022年其耦合协调水平接近粮食主产区. 主要原因在于产销平衡区早年较依赖于传统粗放式农业生产模式，低碳技术普及率低，从2018年开始有较明显的提升，可能与我国实施乡村振兴战略规划，将产销平衡区列为特色农业转型升级重点区域并将数字化技术与绿色农业相结合有关. 在2021年全国及三大粮食功能区的耦合协调度均出现下降现象，可能是受新冠疫情冲击，数字农业与低碳农业发展受阻，2022年有所回升.

图 2 全国及三大区域耦合协调度时序演变趋势 Fig. 2 Temporal evolution trend of coupling coordination degree in China and the three major regions

2.2.2 空间演变特征

根据图 3可以看出，农业数字化与其绿色低碳发展的耦合协调度表现出明显的空间集聚特征. 从2011~2022年各省域的耦合协调发展水平表现出不同程度的上升. 发展速度东部地区较快，表现为东高西低的特征，但就全国层面而言，其协调发展程度均不高. 2011年仅北京处于勉强协调状态，天津和上海为濒临失调，其余省域的耦合协调度都处于轻度失调或中度失调状态. 2015年依旧只有北京处于勉强协调，濒临失调省域数量增加为6个，分别是天津、山东、江苏、上海、浙江和宁夏，中度失调的省域大部分都上升为轻度失调，只有甘肃、云南、贵州和重庆仍处于中度失调，其余省域均处于轻度失调状态. 与2011年相比，2019年全国整体的协调发展水平有较大幅度地提升，北京、江苏、浙江和广东这4个省域为勉强协调，河北、天津和山东等15个省域处于濒临失调状态，山西、吉林和辽宁等12个省域处于轻度失调状态. 到2022年处于勉强协调的省域有北京和天津，安徽、江西和新疆上升为濒临失调，但江苏、浙江和广东下降为濒临失调. 分省域来看，北京的耦合协调度较高，2011年就处于勉强协调状态，但增长较慢. 增长较明显的是贵州、广西和宁夏等，如贵州的耦合协调度从2011年的0.218增长为2022年的0.390，年均增长率为4.94%，耦合协调类型也从中度失调上升为轻度失调. 广西的耦合协调度从0.273增长至0.441，年均增长率为4.08%，宁夏从0.325增长至0.491，年均增长率为3.49%. 总的来说，我国农业数字化与农业绿色低碳发展的协调发展趋势较好，正逐步向协调发展.

基于自然资源部标准地图服务网站下载的审图号为GS（2024）0650号的标准地图制作，底图无修改图 3 农业数字化与绿色低碳发展耦合协调度空间格局 Fig. 3 Spatial pattern of coupling coordination degree between agricultural digitalization and green and low-carbon development

2.2.3 区域差异特征

由表 4可见，2011~2022年我国农业数字化与绿色低碳发展耦合协调度的基尼系数整体呈现波动下降的趋势，从2011年的0.107波动下降到2022年的0.058，且区域内与区域间的基尼系数也表现为下降趋势，区域内基尼系数从0.024下降到0.016，区域间基尼系数从0.075下降到0.027，表明我国农业数字化与绿色低碳协调发展的差异化正在减小. 从贡献率来看，区域间的贡献率明显高于区域内和超变密度的贡献率，表明区域间的差异是造成我国农业数字化与绿色低碳协调发展差异的主要原因，但区域间贡献率由2011年的70%下降到2022年的46.8%，表明区域间发展的差距减小. 因此，推进区域协同发展对于提升我国农业数字化与绿色低碳协调发展至关重要.

表 4 农业数字化与绿色低碳发展耦合协调度区域差异及贡献率 Table 4 Regional differences and contribution rates of coupling coordination between agricultural digitalization and green and low-carbon development

图 4（a）反映的是我国三大粮食功能区区域内的基尼系数变化. 粮食主销区的基尼系数较大，但整体从2011年的0.106波动下降至2022年的0.064，说明粮食主销区内部耦合协调的差异在减小. 粮食主产区的基尼系数总体也呈现波动下降趋势，说明粮食主产区内部耦合协调度差距在缩小. 产销平衡区的基尼系数呈现先增长后下降的趋势，其内部差异先扩大后缩小. 三大粮食功能区耦合协调度内部差异都呈现缩小态势. 图 4（b）反映的是我国三大粮食功能区区域间的基尼系数变化. 三大粮食功能区区域间的基尼系数都表现出波动下降趋势，说明区域间发展差异缩小，发展不均衡现象有所缓和. 粮食主销区与产销平衡区之间的基尼系数最大，年均降速为4.90%. 粮食主产区与粮食主销区之间的基尼系数年均降速为5.21%. 粮食主产区与产销平衡区之间的基尼系数年均降速为3.58%.

图 4 基尼系数时序变化 Fig. 4 Temporal variation of Gini coefficient

2.2.4 动态演进趋势

为进一步分析其动态演进过程，采用核密度估计法对各地区耦合协调度进行分析，如图 5所示. 全国层面2011~2022年核密度曲线主峰整体呈现右移的趋势，协调发展呈现向好趋势. 从波峰数量上看，多峰趋势逐渐明显，表明极化现象有加剧的趋势. 从分布形态来看，波峰峰值虽在2019年有下降现象，但2021年开始峰值升高，表明各省域农业数字化与绿色低碳发展的协调水平有所上升. 分地区来看，粮食主产区主峰位置表现为左移-右移，2012~2018年主峰位置左移，2019~2022年表现为右移，波峰数量由单峰向多峰转变，2022年峰值明显升高，表明粮食主产区协调发展水平整体上升，但极化现象有扩大的趋势. 粮食主销区主峰呈现左移-右移-左移的趋势，2011~2014年表现为左移，2016~2020年呈现右移趋势，2021~2022年呈现左移，波峰数量由单峰向多峰转变，主峰高度上升明显，水平宽度减小，表明粮食主销区在发展过程中协调度上升，但区域内极化现象加剧. 产销平衡区主峰位置表现出左移趋势，主峰高度有所下降，宽度变大，表明产销平衡区协调发展状况较差，且内部差异有扩大的趋势.

图 5 农业数字化与绿色低碳发展耦合协调核密度 Fig. 5 Coupling and coordinating kernel density of agricultural digitalization and green and low-carbon development

2.3 障碍因子分析

为探究推动农业数字化与农业绿色低碳发展耦合协调的途径，本文应用障碍度模型分别测算了2011~2022年两个子系统各指标的障碍度. 受篇幅所限，仅列出2011年、2015年、2019年和2022年的测算结果.

2.3.1 农业数字化障碍因子分析

选取因子障碍度前4的因子作为主控障碍因子，如表 5所示，X₇（农村用电水平）、X₈（区域邮电业务总量）、X₁（互联网普及率）和X₅（农业物联网信息技术投资力度）是主要的障碍因子，主要来自于数字化发展环境准则层，数字化发展环境的平均障碍度达45.87%. 2011年和2015年一样，X₇、X₈、X₅和X₁分别是排名前4的障碍因子. 2019年X₁的障碍度超过 $X_{5}$ 位于第三位，2022年的障碍因子情况与2019年保持一致. X₇和X₈在4个年份中都位于第一和第二的位置，障碍度均值分别为23.36%和21.11%，这两个指标对于农业数字化的障碍度大. 农村用电量可以反映农村数字基础设施（如物联网设备）的运行能力，间接反映农业数字化水平，区域邮电业务总量体现农村网络覆盖水平，是数字农业的基础前提. 因此，需要加强规划农村地区的数字基础设施建设，以促进农业数字化的发展.

表 5 农业数字化指标层障碍度/% Table 5 Obstacle level of agricultural digitalization indicators/%

2.3.2 农业绿色低碳发展障碍因子分析

影响农业绿色低碳发展的主控障碍因子主要是Y₁₁（节水灌溉率）、Y₁₂（第一产业增加值）、Y₁₀（农业机械化水平）、Y₇（劳动效率）和Y₆（森林覆盖率），主要来自经济高效准则层，其平均障碍度高达86.55%，说明我国农业的经济高效发展水平较低，影响了农业的绿色高质量发展（表 6）. 其中，Y₁₁的障碍作用最强，障碍度均值为29.23%，在4个年份中都位于第一，表明该因子对农业绿色低碳发展的障碍度较大. 节水灌溉可减少传统漫灌的水资源浪费，降低能耗，促进农业低碳发展，可见，应该加强各个地区的节水灌溉设施建设. Y₁₂、Y₁₀、Y₇和Y₆的障碍度均值分别为16.59%、15.64%、12.44%和10.04%. 因此，应加强对于各省域的第一产业增加值、农业机械化水平、劳动效率和森林覆盖率指标的监测，因地制宜采取措施推动经济高效发展，促进农业的绿色低碳高质量发展.

表 6 农业绿色低碳发展指标层障碍度/% Table 6 Degree of obstacle level of agricultural green and low-carbon development indicators/%

3 政策建议

（1）厘清农业数字化与农业绿色低碳发展过程中存在的问题，积极协调两者的协同发展. 要加快农业数字基础设施的建设，促进农业数字化发展. 鼓励开发低成本轻量化技术，减少前期投入并降低使用门槛，更好地满足小农户需求. 鼓励政府和企业加大对农业数字化与绿色低碳技术的投资，通过引入先进技术来提升农业资源的利用效率，推动农业绿色低碳发展. 同时，在追求经济发展的过程中更要注重农业生态环境的治理，注重资源环境承载力.

（2）各省域应根据实际发展情况，制定因地制宜的措施，促进农业协调发展. 如内蒙古、黑龙江等省域的农业种植条件较好，应结合自身情况引入低成本物联网设备，推广智能农机，提升其农业发展水平. 浙江、上海等省域经济发展较快，但农业资源不佳，可以通过科技产业打造垂直农场、都市农业等数字化低碳农业. 对于云南、贵州等发展相对落后的省域而言，可以因地制宜将特色农业与低碳品牌相结合，推动当地农业发展. 在推动农业发展的过程中，需要加快推动技术发展，提高农业资源利用效率，促进农业数字化与绿色低碳协同发展.

（3）注重区域间协同治理，建立跨区域协调机制. 对于发展较协调的地区，在巩固和发展现有水平的同时可以加大对其他地区的扶持力度，充分发挥中心省域对周边省域的辐射带动作用，将成功经验和先进技术推广到发展相对滞后的地区，打破“虹吸效应”. 对于发展相对滞后的省域，应积极主动向发展较协调地区学习，加强与其在经济、技术等方面的交流与合作，并根据区域气候特点选择适宜的数字农业技术和绿色低碳技术，针对地方特色发展特色农业来提高附加值. 同时根据整体空间关联特点，结合局部空间关联结构，打破地区行政壁垒，实现优势互补，推动区域间协同发展.

4 结论

（1）农业数字化与农业绿色低碳发展两个子系统的发展水平都呈现出上升趋势，粮食主销区的农业数字化水平最高，粮食主销区的农业绿色低碳发展水平高. 两个子系统之间的耦合协调度呈上升趋势，2011~2022年整体由0.312波动上升至0.427，我国整体协调发展水平仍处于失调状态，正逐步向协调发展靠拢，粮食主销区的协调发展水平较高，北京、浙江等地的耦合协调度较好，在空间上主要表现为东高西低，呈现较明显的空间集聚特征.

（2）我国农业数字化与绿色低碳协调发展存在较明显的空间差异，且区域间的差异是造成其发展差距的主要原因，但从其发展趋势和动态演变来看，农业协调发展区域之间的差异化均呈现出缩小的趋势，说明我国农业数字化与绿色低碳耦合协调正向好的趋势发展.

（3）从障碍度分析来看，在农业数字化方面，数字化发展环境准则层对耦合协调度的影响较大，具体为农村用电量和区域邮电业务总量的障碍度较大. 在农业绿色低碳发展中，经济高效准则层对耦合协调的影响较大，其中节水灌溉率、第一产业增加值和农业机械化水平的障碍度较大.

参考文献

[1]	赵荣钦, 黄贤金, 郧文聚, 等. 碳达峰碳中和目标下自然资源管理领域的关键问题[J]. 自然资源学报, 2022, 37(5): 1123-1136. Zhao R Q, Huang X J, Yun W J, et al. Key issues in natural resource management under carbon emission peak and carbon neutrality targets[J]. Journal of Natural Resources, 2022, 37(5): 1123-1136.
[2]	于贵瑞, 郝天象, 朱剑兴. 中国碳达峰、碳中和行动方略之探讨[J]. 中国科学院院刊, 2022, 37(4): 423-434. Yu G R, Hao T X, Zhu J X. Discussion on action strategies of China's carbon peak and carbon neutrality[J]. Bulletin of Chinese Academy of Sciences, 2022, 37(4): 423-434.
[3]	Liu D D, Zhu X Y, Wang Y F. China's agricultural green total factor productivity based on carbon emission: an analysis of evolution trend and influencing factors[J]. Journal of Cleaner Production, 2021, 278. DOI:10.1016/j.jclepro.2020.123692
[4]	臧振峰, 刘素华, 李永华. 2001~2021年河南省农业面源污染时空分布特征及来源分析[J]. 环境科学, 2026, 47(2): 1115-1124. Zang Z F, Liu S H, Li Y H. Spatial and temporal distribution characteristics and source analysis of agricultural non-point source pollution in Henan Province from 2001 to 2021[J]. Environmental Science, 2026, 47(2): 1115-1124.
[5]	邵帅, 范美婷, 杨莉莉. 经济结构调整、绿色技术进步与中国低碳转型发展——基于总体技术前沿和空间溢出效应视角的经验考察[J]. 管理世界, 2022, 38(2): 46-69. Shao S, Fan M T, Yang L L. Economic restructuring, green technical progress, and low-carbon transition development in China: an empirical investigation based on the overall technology frontier and spatial spillover effect[J]. Journal of Management World, 2022, 38(2): 46-69.
[6]	魏梦升, 颜廷武, 罗斯炫. 规模经营与技术进步对农业绿色低碳发展的影响——基于设立粮食主产区的准自然实验[J]. 中国农村经济, 2023(2): 41-65. Wei M S, Yan T W, Luo S X. The impacts of scale management and technological progress on green and low-carbon development of agriculture: a quasi-natural experiment based on the establishment of major grain-producing areas[J]. Chinese Rural Economy, 2023(2): 41-65.
[7]	刘颖, 徐少雄. 数字乡村发展赋能农业碳减排的空间效应与影响机制[J]. 环境科学, 2025, 46(10): 6198-6208. Liu Y, Xu S X. Spatial effects and influencing mechanisms of agricultural carbon emission reduction enabled by digital rural development[J]. Environmental Science, 2025, 46(10): 6198-6208.
[8]	张永恒, 胡娟, 许玮娴. 数字化驱动农业农村现代化发展的作用机制与实现路径[J]. 价格理论与实践, 2024(11): 100-104, 224. Zhang Y H, Hu J, Xu W X. The mechanism and realization path of digitalization in driving agricultural and rural modernization[J]. Price: Theory & Practice, 2024(11): 100-104, 224.
[9]	马桔红. 农业新质生产力、数字化转型与农民农村共同富裕[J]. 统计与决策, 2024, 40(23): 12-18. Ma J H. Agricultural new-quality productivity, digital transformation and common prosperity of farmers and rural areas[J]. Statistics & Decision, 2024, 40(23): 12-18.
[10]	农业农村部, 国家发展改革委, 科技部, 等. 农业农村部国家发展改革委科技部自然资源部生态环境部国家林草局关于印发《"十四五"全国农业绿色发展规划》的通知[EB/OL]. https://www.gov.cn/zhengce/zhengceku/2021-09/07/content_5635867.htm, 2021-08-23.
[11]	农业农村部. 农业农村部关于大力发展智慧农业的指导意见[EB/OL]. https://www.gov.cn/zhengce/zhengceku/202410/content_6983051.htm, 2024-10-23.
[12]	罗光强, 宋新宇. 新竞合关系下农业科技金融赋能农业可持续发展的机理与效应[J]. 科学管理研究, 2024, 42(6): 116-126. Luo G Q, Song X Y. The mechanisms and effects of agricultural science and technology finance enabling sustainable agricultural development under new competitive relationships[J]. Scientific Management Research, 2024, 42(6): 116-126.
[13]	彭傲天, 安鑫丽, 张良悦. 中国农业数字化转型发展的问题与出路[J]. 区域经济评论, 2023(4): 91-99. Peng A T, An X L, Zhang L Y. The problems and pathways of digital transformation of China's agriculture[J]. Regional Economic Review, 2023(4): 91-99.
[14]	尹昌斌, 李福夺, 王术, 等. 中国农业绿色发展的概念、内涵与原则[J]. 中国农业资源与区划, 2021, 42(1): 1-6. Yin C B, Li F D, Wang S, et al. The concept, connotation and principle of agricultural green development in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(1): 1-6.
[15]	刘元胜. 农业数字化转型的效能分析及应对策略[J]. 经济纵横, 2020(7): 106-113. Liu Y S. Research on the efficiency, problems and countermeasures of agricultural digital transformation in China[J]. Economic Review Journal, 2020(7): 106-113.
[16]	王学婷, 张俊飚. 双碳战略目标下农业绿色低碳发展的基本路径与制度构建[J]. 中国生态农业学报(中英文), 2022, 30(4): 516-526. Wang X T, Zhang J B. Basic path and system construction of agricultural green and low-carbon development with respect to the strategic target of carbon peak and carbon neutrality[J]. Chinese Journal of Eco-Agriculture, 2022, 30(4): 516-526.
[17]	殷浩栋, 霍鹏, 汪三贵. 农业农村数字化转型: 现实表征、影响机理与推进策略[J]. 改革, 2020(12): 48-56. Yin H D, Huo P, Wang S G. Agricultural and rural digital transformation: realistic representation, impact mechanism and promotion strategy[J]. Reform, 2020(12): 48-56.
[18]	薛媛, 李春华, 李静雯, 等. 中国农业碳排放时空特征及驱动因素分析[J]. 中国生态农业学报(中英文), 2024, 32(11): 1805-1817. Xue Y, Li C H, Li J W, et al. Analysis of spatial and temporal characteristics and drivers of agricultural carbon emissions in China[J]. Chinese Journal of Eco-Agriculture, 2024, 32(11): 1805-1817.
[19]	刘桉志, 杨树果. 中国农业绿色低碳发展的时空特征、区域差异及影响因素[J]. 农业资源与环境学报, 2025, 42(4): 1094-1104. Liu A Z, Yang S G. Spatial and temporal characteristics, regional differences and influencing factors of green and low-carbon agricultural development in China[J]. Journal of Agricultural Resources and Environment, 2025, 42(4): 1094-1104.
[20]	苏锦旗, 潘婷, 董长宏. 中国农业数字化发展及区域差异评价[J]. 西北农林科技大学学报(社会科学版), 2023, 23(4): 135-144. Su J Q, Pan T, Dong C H. Study on the development of agricultural digitalization and the evaluation of regional differences in China[J]. Journal of Northwest A & F University (Social Science Edition), 2023, 23(4): 135-144.
[21]	郭海红, 盖凌云. 山东省农业绿色低碳转型评价及驱动因素分析[J]. 中国生态农业学报(中英文), 2024, 32(2): 240-251. Guo H H, Gai L Y. Evaluation and driving factor analysis of agricultural green and low-carbon transformation in Shandong Province[J]. Chinese Journal of Eco-Agriculture, 2024, 32(2): 240-251.
[22]	Mondejar M E, Avtar R, Diaz H L B, et al. Digitalization to achieve sustainable development goals: steps towards a Smart Green Planet[J]. Science of the Total Environment, 2021, 794. DOI:10.1016/j.scitotenv.2021.148539
[23]	李旭辉, 陈梦伟, 朱启贵. 中国农业数字化绿色化协同发展的时空格局及收敛性分析[J]. 中国软科学, 2024(8): 110-121. Li X H, Chen M W, Zhu Q G. Spatio-temporal characteristics and convergence analysis of the coordinated development of agricultural digitalization and greening in China[J]. China Soft Science, 2024(8): 110-121.
[24]	李金昌, 连港慧, 徐蔼婷. "双碳"愿景下企业绿色转型的破局之道——数字化驱动绿色化的实证研究[J]. 数量经济技术经济研究, 2023, 40(9): 27-49. Li J C, Lian G H, Xu A T. Study on the path of enterprise green transformation under the carbon peaking and carbon neutrality goals: an empirical study on digitalization driving greenization[J]. Journal of Quantitative & Technological Economics, 2023, 40(9): 27-49.
[25]	樊轶侠, 徐昊. 中国数字经济发展能带来经济绿色化吗?——来自我国省际面板数据的经验证据[J]. 经济问题探索, 2021(9): 15-29. Fan Y X, Xu H. Can the development of China's digital economy achieve economic greening?——empirical evidence from China's inter-provincial panel data[J]. Inquiry Into Economic Issues, 2021(9): 15-29.
[26]	白婉婷, 陈建成, 侯建, 等. 数字化转型对农业碳生产率的影响研究[J]. 中国农业资源与区划, 2024, 45(11): 43-56. Bai W T, Chen J C, Hou J, et al. The impact of digital transformation on agricultural carbon productivity[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2024, 45(11): 43-56.
[27]	黄和平, 周桂明, 李国民. 产业数字化对绿色全要素生产率的影响机制研究——兼议环境规制的门槛效应[J]. 中国环境科学, 2025, 45(3): 1713-1730. Huang H P, Zhou G M, Li G M. Research on the impact mechanism of industrial digitalization on green total factor productivity: The threshold effect of environmental regulation[J]. China Environmental Science, 2025, 45(3): 1713-1730.
[28]	王利荣, 杨婷. 数农融合能促进农业绿色发展吗?——基于农业绿色全要素生产率的视角[J]. 农业资源与环境学报, 2025, 42(6): 1687-1700. Wang L R, Yang T. Can the integration of digital agriculture promote the green development of agriculture? Perspectives based on green total factor productivity in agriculture[J]. Journal of Agricultural Resources and Environment, 2025, 42(6): 1687-1700.
[29]	蔡承智, 张林. 数字经济对我国农业绿色发展影响的空间溢出效应——基于静态空间杜宾模型和动态空间杜宾模型的分析[J]. 生态经济, 2024, 40(6): 108-116. Cai C Z, Zhang L. The spatial spillover effect of digital economy on agricultural green development in China: analysis based on the static and dynamic spatial Durbin model[J]. Ecological Economy, 2024, 40(6): 108-116.
[30]	于丽艳, 史晨宇, 杨鑫, 等. 乡村数字化对中国农业韧性的影响机制——基于耦合协调度和中介效应模型的实证[J]. 中国农业大学学报, 2023, 28(7): 308-320. Yu L Y, Shi C Y, Yang X, et al. Impact mechanism of rural digitization on China's agricultural resilience: an empirical study based on the coupling coordination degree and mediating effect models[J]. Journal of China Agricultural University, 2023, 28(7): 308-320.
[31]	Wang D, Chen C C, Zhu N T, et al. Impact of agricultural digitalization on carbon emission intensity of planting industry: evidence from China[J]. Heliyon, 2024, 10(10). DOI:10.1016/j.heliyon.2024.e31215
[32]	金绍荣, 任赞杰. 乡村数字化对农业绿色全要素生产率的影响[J]. 改革, 2022(12): 102-118. Jin S R, Ren Z J. The impact of rural digitalization on agricultural green total factor productivity[J]. Reform, 2022(12): 102-118.
[33]	吴昊玥, 陈锐, 何艳秋, 等. 中国农业减污降碳协同效应量化及时空特征: 基于减排绩效视角[J]. 环境科学, 2025, 46(11): 6828-6838. Wu H Y, Chen R, He Y Q, et al. Estimation and spatiotemporal characteristics of the co-abatement effect of pollution and carbon emissions of agriculture in China: based on the emission mitigation performance[J]. Environmental Science, 2025, 46(11): 6828-6838.
[34]	Wang L, Li N, Xie Q. Dynamic evolution and obstacle factor analysis of green development in China's agriculture and rural areas based on entropy-based TOPSIS model[J]. Heliyon, 2024, 10(5). DOI:10.1016/j.heliyon.2024.e27248
[35]	刘桉志, 杨树果. 乡村数字化对农业绿色低碳发展的影响——基于耦合协调度和中介效应模型的实证[J]. 农业资源与环境学报, 2024, 41(5): 1211-1219. Liu A Z, Yang S G. Impact of rural digitization on agricultural green and low-carbon development: empirical evidence based on coupled coordination degree and mediation effect models[J]. Journal of Agricultural Resources and Environment, 2024, 41(5): 1211-1219.
[36]	王恒, 方兰. 中国农业数字化与绿色化时空耦合协调关系及驱动力分析[J]. 长江流域资源与环境, 2023, 32(4): 868-882. Wang H, Fang L. Analysis of the spatio-temporal coupling and coordination relationship and the driving forces of the digitalization and greening of Chinese agriculture[J]. Resources and Environment in the Yangtze Basin, 2023, 32(4): 868-882.
[37]	王凌青, 王雪平, 方华军, 等. 青藏高原典型区域资源环境与社会经济耦合分析[J]. 环境科学学报, 2021, 41(6): 2510-2518. Wang L Q, Wang X P, Fang H J, et al. Coupling relationship between resource environment and social economy development in typical regions of Qinghai-Tibet Plateau[J]. Acta Scientiae Circumstantiae, 2021, 41(6): 2510-2518.
[38]	孙涵, 聂飞飞, 胡雪原. 基于熵权TOPSIS法的中国区域能源安全评价及差异分析[J]. 资源科学, 2018, 40(3): 477-485. Sun H, Nie F F, Hu X Y. Evaluation and difference analysis of regional energy security in China based on entropy-weight TOPSIS modeling[J]. Resources Science, 2018, 40(3): 477-485.
[39]	王淑佳, 孔伟, 任亮, 等. 国内耦合协调度模型的误区及修正[J]. 自然资源学报, 2021, 36(3): 793-810. Wang S J, Kong W, Ren L, et al. Research on misuses and modification of coupling coordination degree model in China[J]. Journal of Natural Resources, 2021, 36(3): 793-810.
[40]	何志远, 杨振凯, 丁志伟, 等. 2010—2020年中国市域城镇化与生态环境协调状态的空间分异及影响因素[J]. 生态学报, 2024, 44(12): 5040-5058. He Z Y, Yang Z K, Ding Z W, et al. Spatial differentiation and influencing factors of the coupling coordination degree of urbanization and eco-environment in China at city-level from 2010 to 2020[J]. Acta Ecologica Sinica, 2024, 44(12): 5040-5058.
[41]	李敏杰, 陈毅辉, 吴桐雨. "双碳"背景下数字经济与绿色物流耦合协调发展的时空特征及组态路径[J]. 环境科学, 2025, 46(7): 4159-4174. Li M J, Chen Y H, Wu T Y. Spatiotemporal characteristics and configuration paths of the coupling coordinated development between digital economy and green logistics under the background of "Dual Carbon"[J]. Environmental Science, 2025, 46(7): 4159-4174.
[42]	Dagum C. Decomposition and interpretation of Gini and the generalized entropy inequality measures[J]. Statistica, 1997, 57(3): 295-308.
[43]	陈景华, 陈姚, 陈敏敏. 中国经济高质量发展水平、区域差异及分布动态演进[J]. 数量经济技术经济研究, 2020, 37(12): 108-126. Chen J H, Chen Y, Chen M M. China's high-quality economic development level, regional differences and dynamic evolution of distribution[J]. The Journal of Quantitative & Technical Economics, 2020, 37(12): 108-126.
[44]	王耕, 李素娟, 马奇飞. 中国生态文明建设效率空间均衡性及格局演变特征[J]. 地理学报, 2018, 73(11): 2198-2209. Wang G, Li S J, Ma Q F. Spatial equilibrium and pattern evolution of ecological civilization construction efficiency in China[J]. Acta Geographica Sinica, 2018, 73(11): 2198-2209.
[45]	郭海红, 刘新民. 中国农业绿色全要素生产率的时空分异及收敛性[J]. 数量经济技术经济研究, 2021, 38(10): 65-84. Guo H H, Liu X M. Spatial and temporal differentiation and convergence of China's agricultural green total factor productivity[J]. The Journal of Quantitative & Technical Economics, 2021, 38(10): 65-84.
[46]	杨千龙, 陈慧媛, 文琦. 黄河上游地区市域数字经济与绿色发展耦合协调度及提升路径[J]. 经济地理, 2024, 44(5): 22-32. Yang Q L, Chen H Y, Wen Q. Coupling coordination degree between digital economy and green development and its promotion path in the upper reaches of the Yellow River at the prefecture level[J]. Economic Geography, 2024, 44(5): 22-32.
[47]	余清项, 贾俊松, 黄汉志, 等. 新型城镇化与城镇居民生活能耗低碳化耦合协同的时空特征及障碍因子[J]. 环境科学, 2025, 46(4): 2078-2088. Yu Q X, Jia J S, Huang H Z, et al. Spatio-temporal characteristics and obstacle factors of the coupling synergy between new-type urbanization and low-carbonization of the living energy consumption of urban residents[J]. Environmental Science, 2025, 46(4): 2078-2088.


环境科学 2026, Vol. 47 Issue (6): 3677-3687	PDF