中国省域低碳农业绩效评估及边际减排成本分析

吴贤荣+张俊飚+朱烨+田云

摘要

本文在构建含有期望产出与非期望产出农业经济核算框架的基础上，利用方向距离函数估算了中国31个省（市、区）的低碳农业绩效水平，并引入碳排放影子价格对各省区的农业边际减排成本进行了分析。结果显示：①北京、天津、上海三地处于低碳农业绩效1区，距离函数值均为0，其余省区低碳农业绩效水平相对较低；②海南、福建、山东、辽宁、广东、北京、天津等省区三年平均农业碳排放影子价格处于前列，减排成本较高；而西藏、青海两地农业碳排放影子价格最低，农业减排成本较低；③全国农业碳排放平均影子价格呈逐年增大趋势，且农业碳排放影子价格与农业碳排放强度密切相关；④基于距离函数值、碳排放影子价格的数值差异，将中国31个省级行政区域划分为四类：内蒙古等4省1市1区属于“高绩效低成本”型地区；北京等8省2市属于“高绩效高成本”型地区；江西等5省3区属于“低绩效低成本”型地区；山西等5省1市1区属于“低绩效高成本”型地区。

关键词 低碳农业；农业碳排放；方向距离函数；影子价格

中图分类号 F205 文献标识码 A

文章编号 1002-2104（2014）10-0057-07 doi：10.3969/j.issn.1002-2104.2014.10.009

近年来，由温室气体浓度增加所导致的全球气候变暖引发了社会各部门的“低碳”热潮。发展低碳农业，在农业领域推行温室气体减排和适应气候变化的战略举措，成为实现农业可持续发展的一个重要路径。尽管农业较之其他产业部门减排的空间较小，但是其减排的意义和正外部效应远远大于其他产业部门。农业既是重要的碳排放源，也具备强大的碳汇功能，同时又是最易遭受气候变化影响的产业。中国作为农业大国，其农业碳排放问题更需引起人们的关注。有研究显示，中国农业碳排放约占全国碳排放总量的17%^[1]。改革开放以来，我国农业取得了良好的经济发展绩效，但高增长很大程度却是以高碳排为代价。在日益严峻的全球气候变迁大背景下，农业可持续发展和粮食安全将面临严峻挑战，研究和分析低碳农业发展绩效是科学制定低碳农业发展政策，实现农业经济增长与生态环境和谐共进的重要选择。

1 主要研究进展

从现有文献来看，农业碳排放的研究成果较多。不少学者从系统测算农业碳排放量^[2]、多方位分解农业碳排放影响因素^[3]及深度探索农业碳减排机制与政策^[4]等角度入手，在农业碳排放研究领域做出了极大贡献。在农业经济绩效评价方面，根据是否考虑环境因素分为传统的农业全要素生产率研究和环境因素规制下农业经济绩效研究两个阶段。前者的实质是农业经济效率问题，即农业资源（如资本、劳动力、土地）开发利用的效率。传统的农业效率测算仅考虑了农业生产要素的投入条件，而忽略了环境因素的约束，在当今大力提倡低碳农业的背景下，如果只追求农业经济增长而不考虑环境损失，将会扭曲农业发展绩效^[5]。基于此，一些学者开始尝试将传统农业效率研究转向环境因素规制下的农业经济绩效探索，试图把环境因素纳入到农业经济绩效的研究框架，并据此进行农业边际减排成本分析。杨俊^[6]考察氮、磷和化肥需氧量三种污染物规制下的农业全要素生产率；李谷成^[7]采用单元调查评估法对农业面源污染进行核算的基础上，对环境规制条件下省际农业全要素生产率增长进行实证分析；王奇^[8]将农业生产中的氮磷流失作为一种要素投入测算了中国农业绿色全要素生产率变化指数，并与传统的全要素生产率进行了比较分析；吴贤荣^[9]将农业碳排放纳入到农业经济绩效核算体系之中，对农业碳排放效率变动趋势进行了测度。

上述学者一定程度上丰富了农业经济绩效的研究成果，对帮助理解低碳农业绩效具有重要意义，并为我们拓展低碳农业的研究视角提供了全新思路。但也存在两点不足：①低碳农业绩效评价中环境因素的衡量标准混乱；②农业碳减排多停留定性分析层面，政策制定缺乏量化依据。对此，本文试图作出如下改进：①以农业碳排放为非期望产出来反映农业生产中的环境损失问题；②引入影子价格方法，测算农业碳排放影子价格，对农业边际减排成本进行定量分析。基于此，本文将环境因素纳入到经济生产体系，构建含有期望产出与非期望产出的农业经济核算框架，借助方向距离函数方法，对中国31个省（市、区）的低碳农业绩效水平做出评估，并利用碳排放影子价格对各省区的农业边际减排成本进行分析。

2 研究方法

2.1 方向距离函数

传统的经济生产系统包括要素投入和产出两部分，而现阶段如何将环境因素整合到经济核算体系的分析框架被学术界广泛关注。在传统农业生产中，投入包括资本、劳动力、土地等生产要素，产出是包括农林渔牧在内的农业生产总值。此外，还伴随着如废气、废水、废弃物等不利生态的农业面源污染产生。

现有文献对这类环境污染因素的处理方法较为一致的观点是利用环境生产技术^[10]，将

环境污染与传统农业生产纳入到一个核算框架，视环境污染为非期望产出，通过设定同等投

入条件来追求期望产出增加和非期望产出减少的最大可能。本文沿用该方法，设定农业碳排

放为非期望产出。

假定x=（x1，…，xN）∈RN+表示投入要素，y=（y1，…，yM）∈RM+表示生产的期望产出，c=（c1，…，cL）∈RL+为非期望产出，则环境生产技术的所有生产可能性集可表示为：

P（x）={（y，c）：x [WTBZ]can produce [WTBX]（y，c）}（1）

要衡量效率水平，意味着在既定投入要素的条件下，我们需要获得更多期望产出，并要求非期望产出越少越好。引入方向性距离函数（DDF）的思想，用λ值的大小来确定不增加投入要素的前提下追求期望产出的最大扩张比例或非期望产出的最大缩减比例。设产出增长方向向量[WTBX]g=（yy，-gc），基于产出角度的方向性距离函数可以表述为式（2）：

Dc（x，y，c；gy，-gc）

=[WTBZ]max[WTBX]{λ：（y+λgy，c-λgc）∈P（x）}

4 实证结果分析

运用Max DEA 5.0软件计算方向距离函数值，得到2011年中国31个省（市、区）的低碳农业绩效水平，并测算农业碳排放影子价格。

4.1 距离函数值与低碳农业绩效分析

各省区距离函数值计算结果见图1。北京、天津、上海三地距离函数值均为0，即这三地农业生产处于生产前沿面上，低碳农业放绩效水平较高；河北、内蒙古、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、海南、重庆、四川、陕西及青海等省区的距离函数值均在0-0.5之间，没有达到最佳绩效水平，有一定的减排空间；广西及地处西部的宁夏、甘肃、贵州、山西、新疆、西藏、云南等省区的距离函数值超过0.5，低碳农业绩效水平相对较低，存在较大的减排潜力。

若按距离函数值将中国各省低碳农业绩效水平划分为5个区域，分别用数字1-5表示，距离函数值等于0的省区为1区，为高绩效区，处于生产前沿面上；大于0而小于或等于1为2区；大于1而小于或等于3为3区；大于3而小于或等于5为4区；大于5为5区，1-5区绩效水平依次降低，具体划分结果如图2所示。可以看出，低碳农业绩效水平与地区经济发展水平可能存在一定的相关性。如1区的北京、天津、上海三地均位于东部沿海，为我国经济较发达的地区，而4区及5区的距离函数值比较大，说明低碳农业绩效水平较低，存在一定的减排潜力，它们大多位于西部的欠发达地区，这些地区经济发展水平和技术水平都比较低，因此可以通过学习和借鉴先进地区的经验，提高农业正向产出水平，减少农业碳排放量，达到低碳农业发展目的。

4.2 影子价格与边际减排成本分析

农业碳排放影子价格反映的是农业碳减排的难易程度，即在一定投入和生产技术条件下，各地区进行农业碳减排的经济成本。农业碳排放影子价格越高表明该地区农业碳减排成本越大；反之亦然。由图3可知，海南、福建、山东、辽宁、广东、北京、天津等省区三年平均农业碳排放影子价格处于前列，分别为2.509亿元/万t、2.447亿元/万t、2.402亿元/万t、2.396亿元/万t、2.381亿元/万t、2.376亿元/万t、2.369亿元/万t。这些省区均位于东部沿海地区，经济发展水平较高，所代表的生产技术相对于其它地区更先进，进行农业生产的低碳绩效也更高，它们要继续减少农业碳排放所要付出的经济代价也更大，若配以过高的农业碳减排任务必然会导致这些省区的农业经济产出大幅减少。

结合农业碳排放强度分析，如图4可以看出，各省区农业碳排放影子价格与农业碳排放强度可能存在一定的相关性。一般地，农业碳排放强度越低的省区，农业碳排放影子价格越高，农业减排成本也越大，即继续进行农业减排的难度更大。上述影子价格处于全国前列的海南、福建、山东、辽宁、广东、北京、天津等省区，农业碳排放强度均处于较低水平；而西藏、青海、宁夏、内蒙古、甘肃及贵州等省区农业碳排放强度较高，它们的农业碳排放影子价格则相对较低。尤其是西藏和青海，农业碳排放影子价格分别为0.087亿元/万t和0.399亿元/万t，不到1亿元/万t，农业减排成本较低，应当委以农业碳减排重任，且对农业经济影响不会太大。

从全国来看，总体减排成本随时间推移则略有增加。2009、2010及2011年全国农业碳排放平均影子价格分别为1.834亿元/万t、1.867亿元/万t和1.914亿元/万t，呈逐年增大趋势，大部分省区也具有这样的影子价格递增特征，表明全国总体农业碳减排的难度在不断加大。重视农业碳排放的约束，大力提倡低碳农业发展，切实落实政府制定的减排目标，实施减排任务的硬性规制将显得十分必要。

4.3 低碳农业绩效与边际减排成本聚类分析

基于距离函数值、农业碳排放影子价格的数值差异，将中国31个省级行政区域划分为四类：“高绩效低成本”型，即距离函数值、三年农业碳排放影子价格值均小于各省平均值，和“高绩效高成本”型、“低绩效低成本”型、“低绩效高成本”型，具体分类结果详见表2。

内蒙古、黑龙江、上海、安徽、湖北、湖南等4省1市1区属于“高绩效低成本”型地区。这些地区低碳农业绩效相对较高，且农业边际减排成本较低，在继续推动其农业发展的同时，应尽量多地分担国家减排任务。尤其是黑龙江、安徽、湖北、湖南4个农业大省，农业产业化程度普遍

较高，经济效益普遍较好，导致其低碳农业绩效水平较高；同时，这些地区林地覆盖面积甚广，植被光合作用引起的

碳汇能力强，借此进行农业减排相对容易，有能力承担更多的减排任务。

北京、天津、河北、辽宁、吉林、江苏、浙江、河南、广东、海南等8省2市属于“高绩效高成本”型地区。这些地区大多属于经济发达区，现代农业发展势头好，农业集约化程度较高，农业产业也较为发达。尤其是北京、天津二市，农业机械化程度高，生产技术比较先进，为了提高产出同等条件下农用物资投入较少，故农业碳排放总体水平较低。但要在这些地区进一步加强低碳农业发展，实行农业碳减排措施难度并不小，从各地农业碳排放影子价格来看，该10省市边际减少单位农业碳排放所对应的农业总产值减少幅度较大，即农业碳减排所要付出的成本偏高。

江西、贵州、云南、西藏、甘肃、青海、宁夏、新疆等5省3区属于“低绩效低成本”型地区。从区域分布来看，除江西外，主要集中于西部地区，一方面由于我国西部大多属于土质较差旱作区，水资源相对匮乏，大部分是中低产田，且畜牧业占据主导地位，另一方面农业生产方式较为粗放，生产能力较差，大量农用物资的投入使得农业碳排放水平较高。江西是农业大省之一，但由于水稻种植规模较 大，常年保持在全国前几位，而水稻生长发育过程中所产生的CH4气体排放较多，造成碳排放水平较高。因而这些地区低碳农业绩效水平不高，但它们的农业减排潜力巨大，且成本不高，应充分利用其地域广阔的优势大量进行植树造林，促进林业发展。

山西、福建、山东、广西、重庆、四川、陕西等5省1市1区属于“低绩效高成本”型地区。山西、陕西2省受制于黄土高原寒冷干燥的特殊气候，植被稀疏，水土流失严重，农业生产率偏低。

福建地处沿海地带，在夏秋农业收获季节多台风暴雨等自然灾害，造成大量减产；山东地处

华北平原同时临海，多低洼地和盐渍地，减产风险较大。这两地

在生产资料投入不变条件下，非期望产出不变，但期望产出降低，进而引致低碳农业绩效偏低，而治理成本偏高。广西、重庆、四川3地水稻种植比重较大，农业碳排放较多。以上地区农业减排难度较大，应充分调配其产业结构，在减排总目标下各产业间实行合理均衡分配。

算框架的基础上，利用方向距离函数估算了中国31个省（市、区）的低碳农业绩效水平，并利用碳排放影子价格对各省区的农业边际减排成本进行了分析测算，得出以下结论：

（1）北京、天津、上海三地处于高绩效区，距离函数值均为0，农业生产处于生产前沿面上，低碳农业放绩效水平较高；除此之外，其他省区低碳农业绩效水平相对较低，存在一定减排潜力；而山西、广西、贵州、云南、西藏、甘肃、宁夏和新疆处于低绩效区。

（2）海南、福建、山东、辽宁、广东、北京、天津等省区三年平均农业碳排放影子价格处于前列，减排成本较高；而西藏、青海两地农业碳排放影子价格最低，分别为0.087亿元/万t和0.399亿元/万t，农业减排成本较低。

（3）全国农业碳排放平均影子价格呈逐年增加趋势，意味着农业碳减排的难度在不断加大；且农业碳排放影子价格与农业碳排放强度密切相关，即农业碳排放强度越低的省区，则农业碳排放影子价格越高，边际减排成本越大，进行农业碳减排面临的困难更大。

（4）基于距离函数值、碳排放影子价格的数值差异，将中国31个省级行政区域划分为四类：内蒙古、黑龙江、上海、安徽、湖北、湖南等4省1市1区属于“高绩效低成本”型地区；北京、天津、河北、辽宁、吉林、江苏、浙江、河南、广东、海南等8省2市属于“高绩效高成本”型地区；江西、贵州、云南、西藏、甘肃、青海、宁夏、新疆等5省3区属于“低绩效低成本”型地区；山西、福建、山东、广西、重庆、四川、陕西等5省1市1区属于“低绩效高成本”型地区。

5.2 启示

上述研究有着以下启示：①过去单纯依赖农业碳排放总量、人均碳排放量或农业碳排放强度等指标来衡量各省农业碳排放水平、进行农业碳减排探索不尽科学，政府应该关注其主要目标，综合低碳农业绩效水平和边际减排成本，科学制定发展政策。若以农业经济发展为主要任务，则应适当减轻农业碳排放影子价格较高地区的减排任务；若以减排为主，则可以让农业碳排放影子价格较低的地区在农业碳排放领域承担更多的责任。如以西藏、青海为代表的“低绩效低成本”型地区，其农业碳排放距离函数值较大，而农业碳排放影子价格较低，说明该地区低碳农业绩效水平较低，农业边际减碳成本不高，应适度提高国家农业减碳分担的份额。②政策制定不能走向“一刀切”的极端，需结合各地实际情况，以农业经济发展与农业减排的综合效应为目标，进行灵活调配。如北京、天津、上海三地低碳农业绩效水平较高，在目前的生产技术水平下减排的潜力不大，但长远来看，各省区都需借助农业产业结构的合理调整，尽量减少农业碳排放，进而增大农业碳汇功能，达到对工业碳排放进行吸收、均衡的目的。

（编辑：徐天祥）

参考文献（References）

[1]董红敏，李玉娥，陶秀萍，等. 中国农业源温室气体排放与减排技术对策[J]. 农业工程学报，2008，24（10）：269-273. [Dong Hongmin，Li Yue，Tao Xiuping，et al. China Greenhouse Gas Emissions from Agricultural Activities and Its Mitigation Strategy [J]. Transactions of the Chinese Society of Agricultural Engineering，2008，24（10）：269-273.]

[2]贺亚亚，田云，张俊飚. 湖北省农业碳排放时空比较及驱动因素分析[ J]. 华中农业大学学报：社会科学版，2013，33（5）：79-85. [He Yaya，Tian Yun，Zhang Junbiao. Analysis on SpatialTemporal Difference and Driving Factors of Agricultural Carbon Emissions in Hubei Province [J]. Journal of Huazhong Agricultural University： Social Sciences Edition，2013，33（5）：79-85.]

[3]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 Bo，Zhang Junbiao，Li Haipeng. Research on Spatialtemporal Characteristics and Affecting Factors Decomposition of Aricultural Carbon Emission in China [J]. China Population，Resources and Environment，2011，21（8）：80-86.]

[4]Murray B C. Overview of Agricultural and Forestry GHG Offsets on the US Landscape [J]. Choices，2004，6（3）：14-18.

[5]Hailu A， Veeman T S. Environmentally Sensitive Productivity Analysis of the Canadian Pulp and Paper Industry，1959-1994：An Input Distance Function Approach [J]. Journal of Environmental Economics and Management，2000，40（3）：251-274.

[6]杨俊，陈怡. 基于环境因素的中国农业生产率增长研究[J]. 中国人口·资源与环境，2011，21（6）：153-157. [Yang Jun，Chen Yi. Empirical Study on Chinas Aricultural Production Growth Under the Binding of Environment [J]. China Population，Resources and Environment，2011，21（6）：153-157.]

[7]李谷成，陈宁陆，闵锐. 环境规制条件下中国农业全要素生产率增长与分解[J]. 中国人口·资源与环境，2011，21（11）：153-160. [Li Gucheng，Chen Ninglu，Min Rui. Growth and Sources of Agricultural Total Factor Productivity in China under Environmental Regulations [J]. China Population，Resources and Environment，2011，21（11）：153-160.]

[8]王奇，王会，陈海丹. 中国农业绿色全要素生产率变化研究：1992-2010年[J]. 经济评论，2012，33（5）：24-33. [Wang Qi，Wang Hui，Chen Haidan. A Study on Agricultural Green TFP in China：1992-2010 [J]. Economic Review，2012，5：24-33.]

[9]吴贤荣，张俊飚，田云，等. 中国省际农业碳排放：测算、效率变动及影响因素研究[J]. 资源科学，2014，36（1）：129-138. [Wu Xianrong， Zhang Junbiao， Tian Yun， et al.Research on Chinas Provincial Agricultural Carbon Emissions Performance Index and Its Influencing Factors [J]. Resource Science，2014，36（1）：129-138.]

[10]Fre R，Grosskopf S，Pasurka C A. Environmental Production Functions and Environmental Directional Distance Functions [J]. Energy，2007，32（7）：1055-1066.

[11]涂正革. 工业二氧化硫排放的影子价格：一个新的分析框架[J]. 经济学（季刊），2009，9（1）：259-282. [Tu Zhengge. The Shadow Price of Industrial SO2 Emission：A New Analytic Framework [J]. China Economic Quarterly，2009，9（1）：259-282.]

[12]田云，张俊飚. 中国农业生产净碳效应分异研究[J]. 自然资源学报，2013，28（8）：1298-1309. [Tian Yun，Zhang Junbiao. Regional Differentiation Research on Net Carbon Effect of Agricultural Production in China [J]. Journal of Natural Resources，2013，28（8）：1298-1309.]

[13]潘丹，应瑞瑶.资源环境约束下的中国农业全要素生产率增长研究[J].资源科学，2013，35（7）：1329-1338.[Pan Dan， Ying Ruiyao. Agricultural Total Factor Productivity Growth in China under the Binding of Resource and Environment [J]. Resource Science， 2013，35（7）：1329-1338.]

[14]韩海彬，赵丽芬.环境约束下中国农业全要素生产率增长及收敛分析[J].中国人口·资源与环境，2013，23（3）：70-76.[Han Haibin， Zhao Lifen. Growth and Convergence of Agricultural Total Factor Productivity in China under Environmental Regulations [J]. China Population， Resources and Environment， 2013，23（3）：70-76.]

[15]张俊飚，李波.对我国食用菌产业发展的现状与政策思考[J].华中农业大学学报：社会科学版，2012，32（5）：13-21.[Zhang Junbiao， Li Bo. How to Develop Chinas Edible Fungi Industry in a Healthy Way[J]. Journal of Huazhong Agricultural University： Social Science Edition， 2012，32（5）：13-21.]

Evaluation of Provincial Lowcarbon Agriculture Performance and

Estimation of Marginal Abatement Costs in China

WU Xianrong ZHANG Junbiao ZHU Ye TIAN Yun

（College of Economics & Management，Huazhong Agricultural University， Hubei Rural Development Research Center，

Wuhan Hubei 430070，China）

Abstract This article took into account both the expected outputs and unexpected outputs in the agricultural economic accounting system. The main objective is to estimate the lowcarbon agricultural performance and the agriculture marginal abatement cost of 31 provinces （autonomous regions and municipalities） of China. The Directional Distance Function was used to estimate the lowcarbon agricultural performance， and the theory of shadow price was brought in to analyze the agriculture marginal abatement cost. The results show that： ①Beijing， Tianjin and Shanghai belong to the first area of the lowcarbon agricultural performance， as all the values of the Distance Function were zero， but the other provinces were at a low level of performance. ②Hainan， Fujian， Shandong， Liaoning， Guangdong， Beijing， Tianjin etc have high shadow price of agricultural carbon emission； however， Tibet and Qinghais agricultural carbon emission shadow prices were low. ③The average shadow price of agricultural carbon emission shows a trend of increase year by year， and is closely related with carbon intensity of agriculture. ④Based on the difference in the coefficients of distance function value and shadow price， Chinas 31 provincial regions are divided into four categories. Five regions including Inner Mongolia belong to the “highperformance & lowcost” type. Beijing and other nine regions belong to the “highperformance & highcost” type. Eight regions including Jiangxi belong to the “lowperformance & lowcost” type. Seven regions including Shanxi belong to the “lowperformance & highcost” type.

Key words lowcarbon agriculture； agricultural carbon emission； directional distance function； shadow price

Evaluation of Provincial Lowcarbon Agriculture Performance and

Estimation of Marginal Abatement Costs in China

WU Xianrong ZHANG Junbiao ZHU Ye TIAN Yun

（College of Economics & Management，Huazhong Agricultural University， Hubei Rural Development Research Center，

Wuhan Hubei 430070，China）

Abstract This article took into account both the expected outputs and unexpected outputs in the agricultural economic accounting system. The main objective is to estimate the lowcarbon agricultural performance and the agriculture marginal abatement cost of 31 provinces （autonomous regions and municipalities） of China. The Directional Distance Function was used to estimate the lowcarbon agricultural performance， and the theory of shadow price was brought in to analyze the agriculture marginal abatement cost. The results show that： ①Beijing， Tianjin and Shanghai belong to the first area of the lowcarbon agricultural performance， as all the values of the Distance Function were zero， but the other provinces were at a low level of performance. ②Hainan， Fujian， Shandong， Liaoning， Guangdong， Beijing， Tianjin etc have high shadow price of agricultural carbon emission； however， Tibet and Qinghais agricultural carbon emission shadow prices were low. ③The average shadow price of agricultural carbon emission shows a trend of increase year by year， and is closely related with carbon intensity of agriculture. ④Based on the difference in the coefficients of distance function value and shadow price， Chinas 31 provincial regions are divided into four categories. Five regions including Inner Mongolia belong to the “highperformance & lowcost” type. Beijing and other nine regions belong to the “highperformance & highcost” type. Eight regions including Jiangxi belong to the “lowperformance & lowcost” type. Seven regions including Shanxi belong to the “lowperformance & highcost” type.

Key words lowcarbon agriculture； agricultural carbon emission； directional distance function； shadow price

Evaluation of Provincial Lowcarbon Agriculture Performance and

Estimation of Marginal Abatement Costs in China

WU Xianrong ZHANG Junbiao ZHU Ye TIAN Yun

（College of Economics & Management，Huazhong Agricultural University， Hubei Rural Development Research Center，

Wuhan Hubei 430070，China）

Abstract This article took into account both the expected outputs and unexpected outputs in the agricultural economic accounting system. The main objective is to estimate the lowcarbon agricultural performance and the agriculture marginal abatement cost of 31 provinces （autonomous regions and municipalities） of China. The Directional Distance Function was used to estimate the lowcarbon agricultural performance， and the theory of shadow price was brought in to analyze the agriculture marginal abatement cost. The results show that： ①Beijing， Tianjin and Shanghai belong to the first area of the lowcarbon agricultural performance， as all the values of the Distance Function were zero， but the other provinces were at a low level of performance. ②Hainan， Fujian， Shandong， Liaoning， Guangdong， Beijing， Tianjin etc have high shadow price of agricultural carbon emission； however， Tibet and Qinghais agricultural carbon emission shadow prices were low. ③The average shadow price of agricultural carbon emission shows a trend of increase year by year， and is closely related with carbon intensity of agriculture. ④Based on the difference in the coefficients of distance function value and shadow price， Chinas 31 provincial regions are divided into four categories. Five regions including Inner Mongolia belong to the “highperformance & lowcost” type. Beijing and other nine regions belong to the “highperformance & highcost” type. Eight regions including Jiangxi belong to the “lowperformance & lowcost” type. Seven regions including Shanxi belong to the “lowperformance & highcost” type.

Key words lowcarbon agriculture； agricultural carbon emission； directional distance function； shadow price