《Cogent Food & Agriculture》：Unlocking low-carbon agriculture in China: spatiotemporal dynamics of carbon intensity and multi-configurational pathways for efficiency improvement
编辑推荐：
本文基于2013-2023年中国30个省份的面板数据，综合运用莫兰指数(Moran’s I)、达古姆基尼系数(Dagum Gini coefficient)、核密度估计(Kernel Density Estimation)与动态定性比较分析(dQCA)等方法，系统剖析了农业碳排放强度(ACEI)的时空格局、区域差异及其效率提升路径。研究发现，全国农业碳排放强度近十年下降近48%，但区域异质性显著，中部地区始终较高；空间集聚性增强，呈现“高-高”与“低-低”集群；并识别出城市化驱动、政策主导和人力资本主导三条提升农业碳效率(ACEE)的等效路径，为设计区域差异化、跨区域协同的减排策略提供了证据支持。
文章内容归纳总结
引言
在全球气候治理日益紧迫的背景下，作为全球碳排放体系的关键部门，农业扮演着“双重角色”：既是保障粮食安全和维持农村社会稳定的基石，也是温室气体排放的重要来源。中国作为农业大国和碳排放大国，在全球碳治理中占据着举足轻重的地位。然而，传统的基于农业碳排放总量(ACE)的研究难以揭示区域间资源利用效率、生产模式和技术吸收能力的结构性差异，从而限制了对区域低碳转型进程的解释力。相比之下，农业碳排放强度(ACEI)反映了单位农业产出的碳排放量，为揭示区域间效率差异提供了更有效的视角。现有研究多采用线性计量经济学范式，难以捕捉多因素互动、条件耦合及结构约束形成的复杂因果机制。为了克服这些局限，本研究引入了强调跨系统联系与协同治理的分析范式，旨在系统地审视农业碳排放强度的时空演变，并识别符合不同区域特征的治理路径。
研究文献综述
关于农业碳排放的研究已围绕碳排放核算、驱动机制和空间模式形成了较为系统的分析框架。在碳排放核算方面，主要采用政府间气候变化专门委员会(IPCC)的排放因子法，并辅以生命周期评估(LCA)和环境扩展的投入产出分析(EE-IOA)以提高核算精度。在空间特征研究方面，常用莫兰指数(Moran’s I)和收敛检验来刻画农业碳排放强度的时空模式，并运用达古姆基尼系数分解区域差异的来源。在驱动机制研究方面，STIRPAT模型、Kaya恒等式、对数平均迪氏指数(LMDI)分解以及空间计量模型被广泛用于识别技术、结构、数字化和制度等因素的影响。尽管取得了显著进展，但现有范式仍存在局限：难以捕捉多因素交互作用形成的配置逻辑，且政策建议往往过于笼统，无法支持区域差异化或跨区域协同治理。因此，有必要将配置导向的分析框架引入农业碳效率(ACEE)研究。
研究方法与数据来源
本研究采用2013-2023年中国30个省份的面板数据，构建了一个综合性的分析框架。首先，利用IPCC排放系数法估算农业碳排放，并构建农业碳排放强度(ACEI)指标。其次，运用莫兰指数分析空间自相关，达古姆基尼系数分解区域差异，核密度估计描述分布动态演变。最后，引入动态定性比较分析(DQCA)来识别在多因素交互作用下共同决定农业碳效率的关键条件配置和等效治理路径。DQCA基于集合论，能够检验多条件配置及其因果机制，并纳入时间维度，适用于揭示复杂系统的异质性和多路径特征。
实证结果与分析
1. 时空特征分析
2013年至2023年间，中国农业碳排放强度从约0.1753降至0.0903，降幅达48.48%，显示出农业碳效率的显著提升。然而，区域差异明显，中部地区的强度始终高于东部和西部。从空间分布来看，2013年多数省份处于高强度等级，到2023年，23个省份已进入低强度等级，表明“美丽乡村”等政策推动了农业生产的绿色转型。不过，以吉林省为代表的主要粮食产区进展相对滞后。
2. 空间集聚特征
全球莫兰指数从2013年的-0.0724小幅上升至2023年的0.0736，表明农业碳排放强度的空间相关性从轻度分散转向微弱的正相关。局部莫兰指数散点图显示，省份分布从以“低-高”和“高-低”类型为主，逐渐向“高-高”和“低-低”类型聚集。这反映了农业碳排放强度的空间结构从异质性弱化、同质性增强的趋势，空间依赖性得到加强。
3. 区域差异分析
2013年至2023年，中国各省份间农业碳排放强度的总体基尼系数从0.1054扩大到0.1932，区域不平等持续加剧。达古姆分解表明，超变密度(Gt)是总体差异的最大来源，表明省份间碳排放强度分布存在显著重叠，跨区域的极值差异是差距扩大的主要驱动力。区域内差异(Gw)和区域间差异(Gnb)也均有扩大。西部地区内部差异最大，东部地区内部差异相对较小且协调性更好。中部与西部地区之间的差异扩大最为显著，成为阻碍全国农业低碳转型协调推进的关键瓶颈。
4. 动态演化分析
核密度估计结果显示，全国农业碳排放强度分布从“高值分散”转向“低值集中”，主峰左移且更为尖锐，反映了碳排放效率的持续改善和收敛趋势。分区域看，东部地区分布高度集中，峰值始终位于低强度区间；中部地区呈现明显的双峰结构，内部转型存在分化；西部地区分布向中高值倾斜，峰值分散且右尾较长，绿色转型基础相对薄弱。
农业碳效率提升的配置路径分析
本研究通过动态定性比较分析(DQCA)，识别出提升农业碳效率(ACEE)的三类治理模式，共四条典型路径。
1. 城市化驱动模型 (H1)
在农业产业升级不足、环境规制相对较弱的条件下，高城市化水平可以作为提升农业碳效率的核心驱动力。该路径覆盖重庆、福建、广东等省份的部分年份。城市化通过加速农村劳动力转移、促进土地规模流转和现代化基础设施升级，推动农业生产集约化，并强化资本、技术和信息的高效流动，从而促进绿色农业技术的扩散。该路径的一致性为0.791，但覆盖率仅为0.172，表明其适用性主要局限于高度城市化地区。
2. 政策主导模型 (H2)
在农村经济发展水平低、农业产业结构不合理、监管机制不完善的条件下，政府干预是改善农业碳效率的驱动力。该路径主要覆盖四川、云南等西南地区省份。政府通过设立绿色发展基金、调整种植结构、推广节水灌溉等绿色技术，并建立碳监测评估框架，有效推动了低碳转型。该路径的一致性为0.685，覆盖率为0.121，显示出较强的年度波动性，反映了政策效果对执行强度和制度成熟度的敏感性。
3. 人力资本主导模型
该模型包含两条子路径，均以高水平的农村人力资本为核心条件。
- •
H3a (技术吸收导向型)：在环境规制较弱的条件下，高人力资本与高城市化水平、农业技术进步相结合，形成协同减排机制。该路径覆盖北京、江苏、上海等多个省份。通过职业教育提升农民绿色技术应用能力，城市化促进技术、资本和信息流动，技术进步直接提高资源配置效率，共同驱动减排。一致性为0.782，覆盖率为0.223。
- •
H3b (结构升级导向型)：在环境规制同样较弱的条件下，高人力资本与优化的农业产业结构形成关键协同。该路径覆盖广东、河北、河南、湖北、湖南、江苏、江西等众多省份。人力资本积累增强了生产者的决策能力，推动调整作物结构、发展规模化经营和低附加值作物，通过产业升级实现减排。该路径的一致性最高(0.860)，覆盖率也最大(0.379)，解释力和适用性最广。
组间一致性分析显示，H1路径相对稳定，H2路径早期波动较大后趋于稳定，H3a和H3b路径近年来呈现稳步上升趋势。组内一致性分析表明，除吉林省因产业结构单一、人力资本不足、城乡要素流动受限导致各路径解释力较弱外，其他多数省份对各模型的适配度较高。稳健性检验通过提高一致性和案例频数阈值，证实了核心路径及其因果结构的稳定性。
结论与讨论
本研究系统考察了中国农业碳排放强度的时空演变，并运用DQCA识别了提升农业碳效率的多重路径。主要结论包括：中国农业碳排放强度呈持续下降趋势，但区域差异显著，中部地区始终较高；空间上呈现从分散到集聚的演变，空间依赖性增强；区域间差异是总体差异的主要来源；识别出城市化驱动、政策主导和人力资本主导三类提升农业碳效率的典型模型。与现有研究相比，本研究将分析重心从排放规模转向排放强度，并整合空间诊断与配置路径分析，构建了“差异来源-配置路径”的解释框架，为制定差异化、组合式及跨区域协同的农业减排政策提供了更精准的理论依据。
基于研究发现，未来政策应着力于：强化城市化对农业绿色转型的结构性作用，完善城乡要素双向流动与协同配置机制；增强政府的制度支持与政策协调，提高财政投入精准性并建立跨区域协作机制；系统提升农村人力资本水平，加强农业主体对绿色技术的吸收应用能力；优化农业产业结构，强化农业生产体系的低碳化与高值化能力。
本研究亦存在一定局限，如碳排放核算未纳入水稻甲烷、畜禽粪便等关键源，校准方法对阈值选择敏感，且结论缺乏微观实践的外部验证。未来研究可通过开发区域化排放因子、改进校准与路径区分技术、开展实地调查进行三角验证等方式加以完善。
