西北地区城乡融合对农业碳排放强度的影响研究

黄婧婧 王建平 陈超超

摘 要：基于2011—2021 年我国西北5 省的面板数据，采用SDM 模型和门槛模型，实证探究了城乡融合对农业碳排放强度的影响机制。结果表明：城乡融合水平提升对农业碳排放强度具有显著的抑制作用，且表现出明显的空间溢出特征；经济增长在城乡融合对农业碳排放强度的影响中具有单重门槛效应，即当经济增长到一定阶段后，城乡融合对农业碳排放强度的抑制效果相对减弱；产业结构、农业发展、受灾程度、农业机械化水平等因素也均对农业排放强度具有空间溢出效应且存在着不同程度的影响。根据以上结论，本文从加强西北地区城乡融合区域协调性、制定针对性城乡融合发展战略、推动农业结构转型升级等方面提出西北地区农业低碳发展的建议。

关键词：城乡融合；农业碳排放强度；西北地区：空间杜宾模型；门槛效应

中图分类号：F323.22；X24 文献标志码：A 文章编号：2095-1329（2023）03-0112-07

农业低碳发展是实现乡村振兴和生态文明建设的必然要求，也是应对气候变化的重要举措之一，而降低农业碳排放强度是实现农业低碳发展和粮食安全的必然选择。城乡融合发展通过打破城乡二元格局，加速资源要素双向流动，提升要素配置效率，进而提高农业生产效率。在既定产出下，提高农业生产效率有助于减少农业生产过程中对农药，化肥等碳源的依赖，减少农业生产活动中的碳排放，降低农业碳排放强度。西北地区幅员辽阔，是我国重要的畜牧养殖区和战略资源储备基地，也是农业温室气体的主要来源地之一，且由于该区域人员居住分散，城乡融合水平显著低于全国水平。在此背景下，研究西北地区城乡发展对区域内及邻近区域农业碳排放强度影响，对促进西北地区城乡融合发展，提高农业生产效率和生态效益，推动生态文明建设，实现西北地区可持续发展和全国碳中和目标具有重要意义。

梳理文献得知，学者主要从两个方面对农业碳排放展开研究。一方面是对农业碳排放的测算研究。学者主要从投入产出角度、生产过程角度、碳汇角度和基于全生命周期法的碳足迹对农业碳排放进行测算[1-4]。由测算发现，中国农业碳排放强度处于下降趋势，且区域差距逐渐扩大。二是在测度基础上，分别从低碳农业发展路径、经济增长、农业碳足迹等方面探索与农业碳排放的关系[5-7]。国内外学者对于城乡融合的研究较为丰富，主要集中于理论方面的研究，对于评价方法的研究较少。城乡融合发展的理论与实践是当前研究的热点话题。较多学者从理论内涵、历史演进的回顾、存在问题与实现路径的分析等方面进行探讨[8-11]。此外，也有学者构建评价指标体系对城乡融合水平进行测度，发现中国城乡融合水平呈上升趋势，但区域差异较大。还有一些学者分析城乡融合的影响因素，并认为经济发展、收入差距、数字经济等因素是城乡融合重要的影响因素[12-15]。对于城乡融合与农业碳排放关系的研究较少，鲜有学者从城镇化等方面进行研究，且研究对象多是基于全国的省级数据。根据部分学者的研究结果，农业碳排放总量会随着城镇化的进程而下降，但对不同区域的影响作用存在一定差异[16-18]。还有学者从土地利用、技术进步和农业结构调整等方面研究与农业碳排放的关系，但对农业碳排放具体作用比较复杂，取决于不同因素的类型和范围。

综上所述，学者对于城乡融合和农业碳排放的单一视角的研究较为丰富，但对城乡融合与农业碳排放关系的研究相对较少，且尚未得出一致结论。研究对象也多是基于全国，针对西北地区的具体研究相对较少。鉴于此，本文基于西北地区2011—2021 年面板数据，从经济融合，社会生活融合和资源与环境融合三个维度反映城乡融合水平，采用空间杜宾模型与门槛模型深入分析城乡融合对农业碳排放强度的影响，系统揭示西北地区城乡融合对农业碳排放强度的影响机制，助力西北地区在低碳背景下制定城乡融合发展规划。

1 研究设计

1.1 研究区概况

西北地区是中国面积最大、人口密度最低、少数民族聚居最多的地区，也是中国贫困人口较多、生态环境脆弱、城市化水平低、城乡发展不平衡的地区。西北地区的城乡融合发展是国家战略的重要内容，也是促进区域协调发展和生态文明建设的必然要求。有研究表明，西北地区农业碳排放主要源于种植业和畜牧业两个子系统，且在1980—2020 年农业温室气体排放量呈现出波动增长趋势，与该地区实现可持续发展和“两碳”目标相背离[19]。西北地区城乡融合对农业碳排放的影响是一个复杂的系统问题，涉及多个方面的因素，具有较强的可研究性。

1.2 模型设定

（1）探索性空间数据分析

在建立空间计量经济学模型之前，需要对农业碳排放强度进行相关性检验。本文借鉴相关文献[20] 的做法，采用全局自相关（Moran's I）对各省区之间的相关性进行测算，以衡量空间计量模型的合理性，计算公式如下：

式中：n 代表研究对象数量；xi 代表各個区域的观测数据；x 为样本的平均值；Wij 表示地理空间权重矩阵，该矩阵描述了地区间的空间联系和相互作用。I 为莫兰指数，I>0 表示空间正相关，I <0 表示空间负相关，I ＝ 0 则表示不存在空间相关性。

（2）空间杜宾模型

传统回归模型忽视空间异质性特征和变量之间的相互关系，结果往往不太理想。本文所采用的空间杜宾模型（SDM）是常用的空间计量方法，其既可以分析区域内被解释变量和解释变量之间的关系，还可以衡量其它相邻区域的因变量和自变量的滞后效应对该区域的影响，进而可全方位的评估因变量对自变量的作用。故其可以用来研究城乡融合与碳排放之间的关系，如式（2），简化公式如式（3）：

1.3 变量测度及选取

（1）被解释变量

农业碳排放强度（Q）。为降低西北地区的农业碳排放，首先需要对农业活动产生的碳排放进行精确评估。根据学者的相关研究，目前普遍采用生命周期法来测算农业碳排放，该方法考虑了农业生产全过程中各个环节碳的直接和间接排放，包括种植，施肥（饲养）及生长（动物肠道消化）等过程中产生的CO2、N2O 和CH4 等温室气体。按照国际公认的核算体系和方法，对农业和畜牧业的碳排放从以下4 个部分来衡量。（1）耕地土壤碳排放。指土地翻耕所产生的碳，主要为N2O，不同类型的作物单位碳排放系数有所差异；（2）农资投入碳排放：农业生产过程中由于使用化肥、农药、农膜、柴油等产生的一定量的温室气体，而化肥为第一大碳源；（3）水稻种植碳排放。指稻田种植中直接排放的CH4 量，水稻的碳排放系数因区域环境的不同而相异，且由于单季稻栽培且生产周期不稳定，本文以中位数128天为生产周期作为核算标准[21-22]；（4）畜牧养殖碳排放。指我国一些常见的植食性动物在消化食物和排泄粪便时所产生的CH4、N2O 等气体。借鉴谢会强等[23] 对农业碳排放的测算公式来测算相关数据：

式中：E 为温室气体碳排放总量；Ei 为引发碳排放的第i类源；Si，ei 分别为第i 类农业温室气体的种类及排放系数。为便于分析，将计算出来的温室气体排放量统一折算成CO2 当量。本文使用单位农业产值的碳排放量来衡量农业碳排放强度，计算公式如下。其中，NGDP 为农业总产值。

农业碳排放源及系数见表1。

（2）解释变量

为综合反映城乡融合水平水平（Ur），需要考虑发展的全过程因素，综合分析对比类指标，传导动力类指标和现实状态类指标来反映其水平。故本文借鉴相关文献[25]，从经济的融合（ei）、社会生活的融合（sli）以及资源与环境的融合（rei）3 个方面构建指标体系，并定性其性质，具体指标如表2。并借助熵值法确定相关指标权重，对城乡综合水平进行系统评价。

经济发展水平是社会生产力的物质基础，与城乡融合和农业碳排放密切相关，故本文选取经济增长（Cdp）为门槛变量进行分析。经济增长用经济增长速度来衡量，当一个地区Cdp 水平较低时，为提高人均收入，宏观发展战略会把城乡经济发展放在首位，这就会产生环境问题，此时农业经济增长往往伴随着高污染、高排放。

（3）控制变量

考虑到西北地区各省份之间经济发展水平、人力资本及经济结构之间存在显著差异，本文参照已有的文献，选择产业结构（is）、农业发展水平（adl）、受灾程度（dd），科技创新水平（til）和受灾程度（dd）等5 个指标作为控制变量。其中，产业结构以地区三产增加值和二产增加值之比表示。农业发展水平（adl）用区域的农业生产总额除以区域农村总人数表示。受灾程度（dd）以种植面积中受灾的农作物面积所占比例表示。科技创新水平（til）用地区授权专利与地区总人口比值表示。农业机械化水平（aml）用地区农业机械动力与农村总人口比值表示。

1.4 数据来源

本研究所需要的化肥、农药、地区GDP、城镇和农村人口等数据主要来源于《中国统计年鉴》、《中国农村统计年鉴》和《中国环境统计年鉴》及西北5 省的统计年鉴。其中，化肥施用量用折纯量来表达，借助线性插值法对缺失数据进行补充；GDP 则以2010 年为基准期进行平减。

2 结果与分析

2.1 农业碳排放强度与城乡融合水平评价

如图1（a-c），通过对历年西北5 省区农业碳排放强度进行测算得知，2011—2021 年西北5 省区农业碳排放强度整体呈现不同程度的下降态势。其中：青海省在整个研究期内农业碳排放强度均高于其他省区（最高达到1.1617），这主要是源于青海畜牧业发达，而较高的碳排放足迹决定了其碳排放强度的大小；宁夏、甘肃、陕西和新疆在研究期内的农业碳排放强度均呈缓慢下降态势，而陕西则长期保持最低。从图1 （d-f） 可知，在研究期内，西北5 省区整体的城乡融合水平呈现不断上升的态势，特别是陕西的城乡融合水平在研究期内一直保持较高水平，而甘肃省的城乡融合水平则相对较低。这表明陕西在城乡发展一体化方面取得了显著的进展，城乡之间的经济、社会和环境联系更加紧密。

2.2 实证分析

（1）空间自相关检验

从表3 得知，整个研究期内西北地区农业碳排放强度的Moran's I 的P 值均通过显著性检验，说明农业碳排放强度的空间分布并非随机，而是具有空间特征，且表现为正相关，这表明其具有较强的空间依赖特征，即其碳排放强度会受到相邻省域碳排放强度的影响，因此可以做进一步分析。

（2）空間计量模型选择

为选择合适的空间计量模型，采用LM、LR 及Wald进一步检验，结果如表4 所示。空间误差最大似然检验（LM-error）、空间滞后最大似然检验（LM-lag）、稳健性空间误差最大似然检验（Robust-LM-error）和稳健性空间滞后最大似然检验（Robust-LM-lag）的结果均在1%的显著性水平下表现显著，说明城乡融合对农业碳排放强度影响的模型选择应同时考虑空间滞后项和空间误差项，由于空间杜宾模型包含了这两种效应，因此初步判定选择空间杜宾模型。似然比（LikelihoodRatio， LR）检验和沃尔德（Wald）检验值均通过了1% 的显著性水平检验，拒绝原假设，表明选择SDM 模型是正确的。此外，本文构建了随机效应、时空双固定、时间固定和空间固定效应等四种效应下的SDM 模型，比较其拟合优度（Adj-R2）和对数似然估计值（Log-likelihood）（如表5）发现，时间固定效应模型整体表现最好，故选取时间固定效应下的SDM 模型。

（3）空间回归分析

采用SDM 模型对城乡融合对农业碳排放强度的空间效应作进一步分析得知：空间自相关回归系数在1% 的水平下表现显著，且存在负向影响关系，表明相邻省域的农业碳排放强度对邻近省份的农业碳排放强度产生了抑制效果，且具有显著的空间依赖性。城乡融合水平对核心解释变量在1% 的显著性水平下表现显著，且存在负向影响（-0.331），表明城乡融合水平越高，农业碳排放强度反而降低。测算发现，其空间滞后系数（Wur）在5%的显著水平下呈正相关（1.652），表明城乡融合发展的同时会降低邻近省份城市的农业碳排放（表6）。经济融合、社会生活融合、资源与环境融合对农业碳排放产生负向较显著的影响。经济融合可以促进农业生产效率，提高农产品附加值。社会生活融合可以增强农民的环保意识，提高农业废弃物的利用效率，减少农业对土地、水等资源的过度开发。通过资源与环境的保护协调，实现农业生态系统结构合理和功能的优化，提高农业碳汇的能力，减少农业碳排放的程度。资源与环境融合可以优化农业生态系统的结构和功能，增加农业碳汇的潜力，降低农业碳排放的强度。从控制变量的显著性来看，本地区农业碳排放强度受科技创新水平、產业结构、农业发展水平，受灾程度和农业机械化水平等因素的显著影响，其中农业发展水平和农业机械化水平对农业碳排放有促进作用，而产业结构、受灾程度和科技创新水平则对农业碳排放产生抑制作用。

为深入探讨其空间效应，对解释变量的空间滞后项做偏微分，并从直接、间接和总效应三个维度分别进行分析，结果如表7。从直接效应来看，城乡融合水平在5％的显著水平下呈负相关（-0.7172），表明某省城乡融合水平的提升对本省农业碳排放具有显著的抑制效果。假设其他因素保持不变，城乡融合水平每提高1 个单位，本省的农业碳排放强度降低0.717 个单位。从间接效应来看，城乡融合水平在1% 的水平下显著呈正相关，表明其具有显著的空间溢出效应。在单一变量条件下，某省的数字城乡融合水平每提高1%，邻近省份的农业碳排放强度就会提高1.923%，表明数字城乡融合水平对周边省份具有显著的“典范效应”，能够有效抑制邻近省份农业碳排放。经济融合、社会生活融合、资源与环境融合的直接效应和间接效应均在10% 的显著性水平下呈正相关，说明为了有效降低农业碳排放，应该加强城乡各领域的融合发展。

控制变量中产业结构和农业发展水平的直接效应在5％的水平下显著呈负相关，说明产业结构和农业发展水平抑制农业碳排放。这表明随着产业结构和农业发展水平的提高，农业所产生的碳排放量呈现出逐渐减少趋势。究其原因：一方面，产业结构决定了农业对能源、化肥、农药等投入品的需求和消耗，从而影响农业生产中能源和非能源排放的水平。另一方面，农业发展水平反映了农业生产技术和管理水平，而其又影响农业生产效率和资源利用效率。受灾程度对农业碳排放有一定的负向影响，显著性较弱且对农业碳排放的影响较小。这是由于受灾程度一方面只会影响农民对农业生产的投入选择，而对农业碳排放影响较弱，另一方面，农业具有固碳功能，可以抵消部分农业碳排放，因此，自然灾害不会导致农业碳排放的大幅波动。科技创新水平与农业机械化水平的直接和间接效应均表现显著，且存在正向影响关系，这表明科技创新水平及农业机械化水平提升会导致该省及相邻省份农业碳排放增加。

（4）门限效应分析

上文已经证明了城乡融合水平能够有效降低农业碳排放强度，但城乡融合对农业碳排放强度的影响是多方面的，且这种影响会随着城乡融合水平的变化而呈现出非线性的特征。为更深入分析该影响，本文以经济增长为门槛变量，基于面板门槛模型检验城乡融合是否存在对农业碳排放强度的门槛效应。表8 结果表明，经济增长仅通过了单一门槛检验，这表明以经济增长作为门槛变量时，只存在单重门槛效应。表9 显示了相应的门槛区间及回归系数，当Cdp≤0.150，即经济增长处于较低水平时，城乡融合对农业碳排放强度表现出较强的抑制效应。当Cdp≥0.150，虽然仍表现为抑制效应，但有所缓和。

3 结论与建议

3.1 结论

主要结论如下：（1）西北地区整体农业碳排放强度均呈下降态势，城乡融合水平均呈上升态势。其中，在研究区域内，陕西省呈现出农业碳排放强度低、城乡融合水平高的特征，表明陕西在减少农业碳排放方面取得了显著成效，并在促进城乡融合发展方面取得了积极进展。（2）城乡融合对农业碳排放强度的抑制作用表现出显著的空间依赖特征和负向空间溢出效应。不仅本省城乡融合对本省农业碳排放强度有直接的抑制作用，相邻省份城乡融合对本省农业碳排放强度也产生了显著的抑制效应。其中，资源与环境的融合对农业碳排放的影响最显著也最直接，所以城乡融合需要在保护环境的前提下进行。（3）经济增长水平在城乡融合对农业碳排放强度的影响中存在单重门槛效应。当经济增长水平低于门槛值时，城乡融合水平的提升会加剧农业碳排放强度的下降，而当经济增长水平较高时，城乡融合水平的提升对农业碳排放强度的抑制作用则相对减弱。（4）农业碳排放强度同时也受到多种因素影响。研究所选取的控制变量对农业碳排放强度的作用及影响程度各不相同。

3.2 建议

加强区域间城乡融合的空间协调和互动协作，促进不同区域间的合作交流和城乡融合发展，降低总体农业碳排放强度。此外，还应该优化城乡规划和建设，完善城乡空间布局和功能分区，提高城乡基础设施和公共服务的共享水平，加强城乡资源要素的流动性和配置效率，实现经济社会的可持续发展。

根据经济发展的不同阶段，制定有针对性的城乡融合发展战略，实现对农业碳排放强度的动态调节。在经济发展水平较低的阶段，应优先促进城乡要素的流动和交换，实现农村劳动力向非农产业转移，增加农业劳动效率；在经济发展水平较高的阶段，应优先促进城乡要素的整合和协调，实现产业结构优化和升级，提高农业附加值。优化农业的产业布局，推动农业的生态化、循环化、低碳化的转型。既要鼓励和帮助农业生产者调整种养殖机构和方式，发展绿色、有机、生态农业，提升产品的质量和价值，从而增加经济收入。又要大力培育和扶持新型农业经营主体发展，推动农业产业化、规模化、集约化和现代化发展，提高农业生产效率和资源利用效率。同时，还要强化对农业科技创新的支持，提高农业机械化水平，降低能源消耗和废气排放。

参考文献（References）

[1] 程琳琳， 张俊飚， 田云， 等. 中国省域农业碳生产率的空间分异特征及依賴效应[J]. 资源科学，2016，38（2）：276-289.

CHENG L L， ZHANG J B， TIAN Y， et al， The spatial variationcharacteristics and dependency of agricultural carbon productivityin China[J]. Resources Science， 2016，38（2）：276-289.

[2] 王丹妮. 基于上海市土地利用方式变化下的土壤有机碳储量核算研究[J]. 上海国土资源，2021，42（3）：1-6.

WANG D N. Soil organic carbon storage based on land use changein Shanghai[J]. Shanghai Land & Resources， 2021，42（3）：1-6.

[3] 翁翎燕， 李伟霄， 张梅， 等. 江苏省农田生态系统净碳汇时空演变特征[J]. 长江流域资源与环境，2022，31（7）：1584-1594.

WENG L Y， LI W X， ZHANG M， et al. Spatial and temporalevolution of net carbon sink of farmland ecosystems in JiangsuProvince[J]. Resources and Environment in the Yangtze Basin，2022，31（7）：1584-1594.

[4] 孔庆华. 土地整治视角下乡村低碳更新研究[J]. 上海国土资源，2022，43（2）：40-45.

KONG Q H. Research on rural low carbon renewal from theperspective of land consolidation[J]. Shanghai Land & Resources，2022，43（2）：40-45.

[5] 田云， 尹忞昊. 中国农业碳排放再测算： 基本现状、动态演进及空间溢出效应[J]. 中国农村经济，2022（3）：104-127.

TIAN Y， YIN M H. Re-measurement of agricultural carbonemissions in China： basic status， dynamic evolution and spatialspillover effects[J]. Chinese Rural Economy， 2022（3）：104-127.

[6] 王心宇， 彭馨怡， 骆美婷， 等. 经济新常态下创新驱动型现代低碳农业发展研究——以成都平原地区为例[J]. 中国农业资源与区划，2020，41（4）：134-142.

WANG X Y， PENG X Y， LUO M T， et al. Research on thedevelopment of innovation-driven modern low-carbon agricultureunder the new economic normal： a case study of Chengdu plainarea[J]. Chinese Journal of Agricultural Resources and RegionalPlanning， 2020，41（4）：134-142.

[7] ZHANG L， PANG J X， CHEN X P， et al. Carbon emissions， energyconsumption and economic growth： Evidence from the agriculturalsector of Chinas main grain-producing areas[J]. Science of theTotal Environment， 2019，665（C）.

[8] CUI Y， KHAN S U， SAUER J， et al. Exploring the spatiotemporalheterogeneity and influencing factors of agricultural carbonfootprint and carbon footprint intensity： Embodying carbon sinkeffect[J]. The Science of the Total Environment， 2022，846.

[9] 王彩娟， 季顺伟， 任丽燕. 长三角城市群能源碳排放空间关联及其影响因素研究[J]. 上海国土资源，2022，43（3）：8-14.

WANG C J， JI S W， REN L Y. Spatial correlation and influencingfactors of energy carbon emissions in Yangtze River Delta urbanagglomeration[J]. Shanghai Land & Resources， 2022，43（3）：8-14.

[10] 赵伟佚， 潘玮， 李裕瑞. 县域内城乡融合发展： 理论内涵与研究进展[J]. 地理研究，2023，42（6）：1445-1464.

ZHAO W Y， PAN W， LI Y R. Integrated urban-rural developmentin the county： theoretical connotation and research progress[J].Geographical Research， 2023，42（6）：1445-1464.

[11] 黄贤金. 中国土地制度改革40 年与城乡融合的发展之路[J]. 上海国土资源，2018，39（2）：1-3.

HUANG X J. China's land system reform in 40 years and thedevelopment road of urban-rural integration[J]. Shanghai Land &Resources， 2018，39（2）：1-3.

[12] 叶菲菲. 乡村振兴背景下城乡融合发展的困境与出路[J]. 农业经济，2020（10）：94-95.

YE F F. The dilemma and way out of urban-rural integrationdevelopment in the context of rural revitalization[J]. AgriculturalEconomy， 2020（10）：94-95.

[13] 贺立龙， 刘丸源. 共同富裕与现代化视域下的乡村振兴、城乡融合与区域协调发展研究[J]. 政治经济学评论，2023，14（3）：89-105.

HE L L， LIU W Y. Study on rural revitalization， urban-ruralintegration and coordinated regional development in the contextof common prosperity and modernization[J]. China Review ofPolitical Economy， 2023，14（3）：89-105.

[14] 姚毓春， 张嘉实， 赵思桐. 数字经济赋能城乡融合发展的实现机理、现实困境和政策优化[J]. 经济纵横，2022（12）：50-58.

YAO Y C， ZHANG J S， ZHAO S T. The realization mechanism，practical dilemma and policy optimization of digital economyenabledurban-rural integration development[J]. Economic Journal，2022（12）：50-58.

[15] 胡西武， 蘇云清， 李毅. 青海省城乡融合时空分异及影响因素研究——以城乡收入差距为视角[J]. 青海民族大学学报（ 社会科学版），2020，46（4）：36-45.

HU X W， SU Y Q， LI Y. A study on the spatial and temporaldivergence of urban-rural integration in Qinghai Province and itsinfluencing factors： the urban-rural income gap as a perspective[J].Journal of Qinghai University for Nationalities （Social ScienceEdition）， 2020，46（4）：36-45.

[16] 王乔乔， 孙鹏举， 李晓丹， 等. 兰州市县域城乡融合发展水平测度研究[J]. 上海国土资源，2020，41（4）：23-28.

WANG Q Q， SUN P J， LI X D， et al. Research on the measurementof urban and rural integration development level in Lanzhou[J].Shanghai Land & Resources， 2020，41（4）：23-28.

[17] 武春桃. 城镇化对中国农业碳排放的影响——省际数据的实证研究[J]. 经济经纬，2015，32（1）：12-18.

WU C T. The impact of urbanization on agricultural carbonemissions in China： an empirical study of inter-provincial data[J].Economic Survey， 2015，32（1）：12-18]

[18] 郑亦伶， 苑韶峰. 基于土地利用的碳排放时空分析[J]. 上海国土资源，2013，34（2）：33-36.

ZHENG Y L， YUAN S F. Spatial-temporal analysis of carbonemissions from land-use[J]. Shanghai Land & Resources，2013，34（2）：33-36.

[19] 范紫月， 齐晓波， 曾麟岚， 等. 中国农业系统近40 年温室气体排放核算[J]. 生态学报，2022，42（23）：9470-9482.

FAN Z Y， QI X B， ZENG L L， et al. Accounting of greenhouse gasemissions in Chinas agricultural system in recent 40 years[J]. ActaEcologica Sinica， 2022，42（23）：9470-9482.

[20] 韩金雨， 曲建升， 徐丽， 等. 支农财政对农业碳排放强度的空间效应： 基于空间杜宾模型的实证分析[J]. 生态与农村环境学报，2021，37（11）：1404-1412.

HAN J Y， QU J S， XU L， et al.Spatial effects of agricultural financeon agricultural carbon emission intensity： an empirical analysisbased on the spatial Durbin model[J]. Journal of Ecology and RuralEnvironment， 2021，37（11）：1404-1412.

[21] 林志敏， 李洲. 再生稻田温室气体排放特征及碳足迹[J]. 应用生态学报，2022，33（5）：1340-1351.

LIN Z M， LI Z. Greenhouse gas emission characteristics and carbonfootprint of regenerated rice fields[J]. Chinese Journal of AppliedEcology， 2022，33（5）：1340-1351.

[22] 陈田， 潘竟虎. 2009-2019 年中国人为CH4 排放量的估算及时空格局[J]. 中國环境科学，2022，42（12）：5549-5560.

CHEN T， PAN J H. Estimation of anthropogenic CH4 emissions andspatial and temporal patterns in China from 2009 to 2019[J]. ChinaEnvironmental Science， 2022，42（12）：5549-5560.

[23] 谢会强， 吴晓迪. 城乡融合对中国农业碳排放效率的影响及其机制[J]. 资源科学，2023，45（1）：48-61.

XIE H Q， WU X D.The impact of urban-rural integration onthe efficiency of agricultural carbon emissions in China and itsmechanism[J]. Resource Science， 2023，45（1）：48-61.

[24] 李波， 张俊飚. 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. Spatio-temporal characteristics and influencingfactor decomposition of agricultural carbon emission in China[J].China Population， Resources and Environment， 2011，21（8）：80-86.

[25] 杨一鸣， 王健. 中国城乡实体要素流动对城乡融合发展的影响机制研究[J]. 地理科学进展，2022，41（12）：2191-2202.

YANG Y M， WANG J. Study on the influence mechanismof physical factor flow between urban and rural areas on thedevelopment of urban-rural integration in China[J]. Progress inGeography， 2022，41（12）：2191-2202.