农产品贸易自由化对农业碳排放的影响及其机制

摘要：基于中国2004—2019年非线性面板数据实证检验农产品贸易自由化对中国农业碳排放的作用机理。结果表明，规模效应、技术效应和资本劳动比率引致的结构效应提高中国农业碳排放水平，出现反常的“正技术效应”。贸易引致的结构效应降低中国农业碳排放水平。农产品贸易自由化总体上使中国农业碳排放水平上升。中国是农产品贸易的逆差国，存在农业碳排放的倒“U”型环境库兹涅茨曲线。全国农业2017年基本实现“碳达峰”。

关键词：农产品贸易自由化；农业碳排放；农业“碳达峰”；环境库兹涅茨曲线

中图分类号：F326 文献标识码：A

文章编号：0439-8114（2024）09-0234-06

DOI：10.14088/j.cnki.issn0439-8114.2024.09.039 开放科学（资源服务）标识码（OSID）：

Effect of agricultural products trade liberalization on agricultural carbon emissions and its mechanism

KE Mei-gao，JI Guan-xin，ZHOU Hai-qiong

（School of Business， Huanggang Normal University， Huanggang 438000， Hubei， China）

Abstract：Based on the nonlinear panel data in China from 2004 to 2019， the mechanism of agricultural products trade liberalization on China’s agricultural carbon emissions was empirically tested. The results showed that the structural effect caused by the scale effect， technology effect and capital-labor ratio improved the level of agricultural carbon emissions in China， appearing abnormal “positive technique effect”. Trade-induced structural effects lowered the level of agricultural carbon emissions in China. On the whole， trade liberalization of agricultural products made the level of agricultural carbon emissions rising. China was a deficit country in agricultural products trade， and there was an inverted “U” shaped environmental Kuznets curve. China’s agriculture basically reached a “carbon peak” in 2017.

Key words： trade liberalization of agricultural products； agricultural carbon emissions； agricultural “carbon peak”； environmental Kuznets curve

2001年中国加入WTO后，中国农业对外开放度持续攀升，中国农业进出口额由2000年的268.5亿美元上升到2023年的3 330.3亿美元，增加近11.40倍。然而，在农产品贸易规模不断扩大的同时，农业碳排放也在逐步增强，其碳排放量约占碳排放总量的1/4，已成为第二大碳排放来源［1］。而在中国，农业农村产生的温室气体已占全国温室气体排放总量的15%［2］。因此，2024年农业农村部一号文件提出要加强农业面源污染防治，扩大整建制全要素全链条农业面源污染综合防治试点。由此可见，在经济全球化背景下探讨农产品贸易对农业碳排放的影响及其驱动机制具有重要的现实意义。

随着农业贸易自由化的深入，中国农业碳排放也在发生变化。从长期看，中国农业碳排放水平随着农产品贸易扩张是上升还是下降，农产品贸易对中国农业碳排放存在哪些影响，其影响机制及其表现怎样，这对于中国农产品贸易政策和环境政策的制定具有重要意义。另外，中国农业碳排放是否存在倒“U”型环境库兹涅茨曲线，中国农业碳排放已经“碳达峰”了吗，农产品贸易自由化怎样进一步推动农业“碳中和”，在当前中国着力实现农业“双碳”目标的过程中，这些问题亟待解答。

1 文献综述

1.1 农业隐含碳排放与农业碳排放测算及其影响因素

农业隐含碳排放包括农业部门能源消费直接产生的碳排放和中间投入品能源消耗间接产生的碳排放［3］。就农产品贸易而言，农业隐含碳来源于两方面：第一，农产品生产交换过程中直接消耗的能源［4］；第二，农业投入品的生产间接消耗的能源［5］。农业隐含碳既可能在城市与农村之间流动［6］，又可能跨国流动［7］。

基于农业隐含碳，农业碳排放核算内容分为四类：一是农业能源使用直接产生的碳排放［8］；二是农用物资投入间接产生的碳排放［9］；三是农业秸秆等废弃处理产生的碳排放［10］；四是水稻生产［11］、动物肠道发酵和粪便管理［12］等产生的碳排放。农业碳排放测算方法主要有排放系数法［13］、模型模拟法［14］和实地测量法［15］。

农业碳排放的影响因素包括农业生产效率［16］、农业产业结构［17］、地区产业结构［18］、城镇化水平［19］、地区经济发展水平［20］、农村劳动力［21］等。

1.2 农产品贸易自由化与农业碳排放

1.2.1 农产品贸易自由化影响农业碳排放的机制研究 传统的观点认为，贸易自由化环境效应包括规模效应、结构效应和技术效应［22-24］。就农业碳排放而言，上述环境三效应同样适合农产品贸易自由化。农产品贸易自由化环境三效应的具体涵义包括：规模效应是指农产品贸易自由化促使国内农业污染性投入要素发生改变，从而导致农业碳排放的变化［2］；结构效应是指农产品贸易自由化促使农业生产的污染品和非污染品的比例发生变化，从而导致农业碳排放的变化［25，26］；技术效应是指农产品贸易自由化促使农业新品种、新技术、先进生产管理方法等方面的革新，从而导致农业碳排放的变化［27］。除此之外，还有些学者提出了管制效应、收入效应和贸易条件效应［28，29］。

1.2.2 农产品贸易自由化影响农业碳排放的实证检验 一般来说，规模效应大于0，即规模效应增加农业碳排放［30，31］；技术效应小于0，即技术效应减少农业碳排放［25］；结构效应正负不确定，当一国进口农产品时，结构效应抑制农业碳排放，当一国出口农产品时，结构效应促进农业碳排放［32］。然而，也有些学者在实证研究中发现了“正技术效应”，即技术效应不是减少而是增加农业碳排放［33，34］。还有些学者发现农产品贸易与农业碳排放存在双向因果关系［35］。

尽管国内外学者对农产品贸易自由化与农业碳排放之间的关系进行了大量研究，但仍然存在一些有待进一步拓展的领域：①虽然部分学者在实证检验中发现了“正技术效应”存在的现象，但他们并未进行较为合理的理论解释。②已有文献还未曾把贸易自由化的驱动绩效从总驱动绩效中分离出来。③结构效应包括资本劳动比率引致的结构效应和贸易引致的结构效应，然而，在农产品贸易自由化环境效应的理论与实证研究中，很少有学者把二者分开。

本研究在以下三方面对现有研究可能具有一定推动作用：第一，本研究在实证研究中区分资本劳动比率引致的结构效应和贸易引致的结构效应，并对“正技术效应”进行分析。一般来说，技术效应趋向于降低污染排放。然而，当产业污染比较分散、公众关注度低时，技术效应会增加污染排放，从而出现反常的“正技术效应”。第二，本研究提出“贸易自由化驱动系数”的概念。规模效应、技术效应和资本劳动比率引致的结构效应是经济增长、技术进步、贸易扩张等多种因素共同作用的结果。以往研究没有把贸易自由化的驱动绩效与其他因素的驱动绩效分离。本研究通过“贸易自由化驱动系数”把二者区分开。第三，本研究运用回归系数对中国农业碳排放的环境库兹涅茨曲线（[EKC]）进行研究。

uvkNrqKn3nQthY+iepkw+g==

2 计量模型、变量选取与数据说明

2.1 计量模型

本研究构建以下计量模型。

[logco2=λ0+λ1ploughit+λ2（ploughit）2+λ3capitalit+λ4（capitalit）2+λ5lagiit+λ6（lagiit）2+λ7tradeit+λ8tradeit×lagriit+λ9trendit+εit] （1）

式中，[i]代表各省区；[t]是年份；[logco2]为农业人均碳排放的对数；[plough]是农业人均耕地面积；[capital]是农业人均资本；[lagi]为滞后人均GDP，为技术效应的替代变量；[trade]为农产品贸易强度；[lagri]为滞后相对人均GDP，是环境规制替代变量；[trend]为农产品价格指数，代表趋势变量；[ε]为随机扰动项；[λ0]至[λ9]为相应变量的回归系数。

2.2 变量选取与数据说明

2.2.1 被解释变量 本研究把农业二氧化碳排放与农村人口的比值的常用对数作为因变量。其中，农村人口数据来自《中国农村统计年鉴》，农业二氧化碳排放数据采用“排放系数法”进行测算，即通过农业碳排放源乘以碳排放系数进行核算，具体计量方法如下。

首先，鉴于数据的可获得性，基于农业隐含碳选取6种碳排放源：农膜、农药、化肥、农业灌溉、柴油、翻耕。各省区2004—2019年6种碳排放源使用量数据来源于历年《中国农村统计年鉴》。

其次，确定每种碳排放源的碳排放系数[μi]（第[i]种碳排放源的排放系数），其值确定如下：①根据南京农业大学[IREEA]，确定农膜碳排放系数[μ]为5.18 kg/kg；②根据美国国家实验室[ORNL]和[T.O.west]，确定农药碳排放系数[μ]为4.934 1 kg/kg、化肥碳排放系数[μ]为0.895 6 kg/kg；③根据[Dubey]测算，农业灌溉碳排放系数[μ]为25 kg/hm2；根据联合国[IPCC]的结果，柴油碳排放系数[μ]为0.592 7 kg/kg；④根据中国农业大学生物与技术学院，翻耕碳排放系数[μ]为312.6 kg/km2。

最后，采用下式分别核算各省区历年碳排放总量。

碳排放核算公式如下。

[Z=∑μi×Qi] （2）

式中，[Z]是碳排放总量；[Qi]是第[i]种碳排放源的使用量。

2.2.2 核心解释变量

1）规模变量（[plough]）。[plough]是人均耕地面积，即各省区耕地面积与该省区农村人口的比值。各省区耕地面积和农村人口的数据均来自历年《中国农村统计年鉴》。

2）结构变量（[capital]）。[capital]是农业人均资本，也即资本劳动比率，是各省区农业固定资本与该省区农村人口的比值。农业固定资本数据以2000年为基期，原有固定资产按照一定的折旧率转移到下一年度，某年农业固定资本等于上一年度的折旧资产加上该年新增的农业固定资产投资。各省区农村人口和农业新增固定资产投资数据均来源于《中国农村统计年鉴》。

3）技术变量（[lagi]）。借用 Antweiler等［24］的做法，使用滞后人均[GDP]作为技术效应的替代变量。数据来源于《中国统计年鉴》。

4）贸易强度（[trade]）。[trade]是农产品进出口总额与该省区农业[GDP]的比值，也即：[tradeit=（EXit+IMit）/GDPit]。其中，[EXit]和[IMit]分别是第[i]个省区第[t]年的农产品出口额和进口额，该数据根据各省区农产品实际进出口数量乘以当年的国际市场价格计算出来。农业[GDP]和农产品实际进出口数量的数据均来源于历年《中国农村统计年鉴》，主要农产品世界价格以及人民币汇率数据来源于《世界经济年鉴》。

2.2.3 其他解释变量

1）环境规制（[lagri]）。借用Hu等［36］的做法，使用滞后相对人均[GDP]作为环境规制的替代变量，即[lagriit=lagiit/lagmit]。其中，[lagiit]是第[i]个省区第[t]年滞后的[GDP]；[lagmit]是各省区第[t]年滞后[GDP]的平均值，相关原始数据来源于《中国统计年鉴》。

2）趋势变量（[trend]）。[trend]是农产品价格指数，本研究采用农产品生产者价格指数作为趋势变量，该价格指数以1978年为基期，1978年的农产品价格指数为100。农产品价格指数数据来源于《中国农产品价格调查年鉴》。

另外，为了剔除价格波动的影响，本研究以2000年为基期把所有以货币表示的变量都除以相应的价格指数。表1为主要变量统计性描述。

3 回归结果分析

3.1 基准回归结果

由表2可知，[Hausman]检验的[P]值为0.011 7，所以面板数据回归选用固定效应优于随机效应。基准回归结果如表2第（1）栏所示。

第一，规模效应。人均耕地面积（[plough]）一次方和二次方的回归系数分别为：λ1=0.090 4，λ2=

-0.006 7，而在样本均值处规模效应弹性（[Eplough]）为0.153 4，且均在1%水平上显著。这说明中国农业二氧化碳排放水平随着人均耕地面积的增加而上升。因此，规模效应大于0，即人均耕地面积的增加提高中国农业碳排放水平。

第二，资本劳动比率引致的结构效应。人均资本（[capital]）一次方和二次方的回归系数分别为：λ3=0.281 6，λ4=-0.080 3，而在样本均值处结构效应弹性（[Ecapital]）为0.341 9，且均在1%水平上显著。这说明中国农业碳排放随着农业资本劳动比率的增加而增加。因此，资本劳动比率引致的结构效应大于0，即农业人均资本的增加提高中国农业碳排放水平，且其影响较大。这是因为资本劳动比率上升改变中国农产品出口结构，增加重污染农产品的出口。

第三，技术效应。滞后一期人均GDP（[lagi]）一次方和二次方的回归系数分别为：λ5=0.036 5，λ6=

-0.003 4，而在样本均值处技术效应弹性（[Elagi]）为0.051 8，且均在1%水平上显著，这说明技术效应不是降低而是提高中国农业碳排放水平，出现了反常的“正技术效应”。主要原因可能是：相对于工业，农业经营比较分散，所以农业碳排放没有像工业碳排放那样受到人们的足够重视。当人们收入水平提高时，对环境质量的诉求主要是工业碳减排，而很少关注农业。政府顺应人们的呼声，制定更严格的有关工业生产的环境规制，却忽略农业环境规制，使得农业生产者降低碳减排技术更有利可图，从而农业碳减排技术水平下降。

然而，随着中国经济的持续发展，当工业碳排放得到有效控制后，人们也开始关注农业碳减排问题，使得农业碳排放也出现了拐点。因为回归系数λ5>0，λ6<0，这说明中国农业碳排放存在倒“U”型环境库兹涅茨曲线。基准回归的拐点为：[lagi*]=-λ5/2λ6=5.367 6。

由可获得的样本数据，以2000年为基期的历年人均GDP如表3所示。拐点：[lagi*]=5.367 6与2017年的人均GDP接近，因此，就全国整体而言，中国农业碳排放在2017年达到“碳达峰”，这与曾贤刚等［37］的研究结论一致。

第四，贸易引致的结构效应。本研究引入“平均值省区”的概念：各项经济指标都是全国平均值的省区。由于[lagri=1].000，所以，“平均值省区”贸易引致的结构效应的弹性为贸易强度弹性（[trade]）。

贸易强度（[trade]）的回归系数λ7=-0.078 3<0，贸易强度弹性（[Etrade]）为-0.015 2<0，且均在1%水平上显著。因此，就“平均值省区”而言，贸易引致的结构效应降低中国农业碳排放水平。由于农业生产都需要使用碳排放源，所以农产品在不同程度上都是污染品。由此可知，中国是农产品贸易的逆差国，这与《联合国粮农组织》的统计数据一致。贸易强度与环境规制的交互项（[trade×lagri]）的回归系数λ8=0.034 7>0，也在1%水平上显著，这意味着贸易强度与环境规制相互作用增加了农业碳排放，这与上面“正技术效应”的分析一致。

第五，趋势变量（[trend]）。趋势变量（[trend]）的回归系数λ9=0.000 5>0，且在1%水平上显著，这说明尽管农产品价格波动促进了中国农业碳排放，但影响不大。

3.2 稳健性检验与内生性分析

3.2.1 稳健性检验

1）替换变量。使用滞后二期的相对人均[GDP]和滞后二期人均[GDP]分别作为环境规制变量和技术变量的替代变量进行固定效应回归。表2第（2）栏为回归结果。与基准回归结果比较可知，回归系数符号相同，其值变化非常小，显著性也基本一致。由此可知，基准回归结果是稳健的。

2）变换计量方法。改用随机效应回归，表2第（3）栏为回归结果。与基准回归结果比较可知，回归系数符号相同，其值变化不大，除了规模变量外，其他变量回归系数的显著性也基本一致。由此可知，基准回归结果较为稳健。

3.2.2 内生性分析 内生性主要来自三方面：一是遗漏变量。土壤贫瘠的耕地，其化肥使用量更多；气候温和的区域农膜、农药、柴油等的需求量较少；靠近江河湖泊的耕地无需农业灌溉。因此，可能的遗漏变量包括环境气候、地理位置、要素禀赋等。二是测量误差。农业碳排放、农产品进出口额、农业[GDP]等的测量误差也可能导致基准回归结果的偏误。三是双向因果关系。农业碳排放与农产品进出口之间可能相互影响。

本研究使用[BP]检验和[White]检验，结果显示存在异方差。由于豪斯曼内生性检验对于异方差失效，所以本研究使用[Davidson-Mackinnon]内生性检验。结果表明，技术变量（[lagi]）和环境规制变量（[lagri]）均非外生变量。

因此，本研究用滞后二期相对人均[GDP]和滞后二期人均[GDP]分别作为环境规制和技术效应的工具变量，并进行[IV-2SLS]和[IV-GMM]回归。表2第（4）栏为[IV-2SLS]回归结果，第（5）栏为[IV-GMM]回归结果。与基准回归比较可知，回归系数符号相同，显著性也基本一致。另外，[Kleibergen-Paap rk Wald F]和[Kleibergen-Paap rk LM]统计量表明，不存在“工具变量弱识别和不可识别”的情况。因此，[IV-2SLS]和[IV-GMM]工具变量回归结果进一步支持本研究的结论。

4 农产品贸易自由化的环境效应评估

4.1 农产品贸易自由化驱动系数

本研究实证分析中规模效应、资本劳动比率引致的结构效应和技术效应的变化并非全部由贸易自由化引起。国内需求增加、资本积累、经济扩张、技术进步等都是重要的影响因素。为了把农产品贸易自由化对农业碳排放的驱动绩效从总驱动绩效中分离出来，本研究提出“农产品贸易自由化驱动系数[η]”的概念：它是指农产品贸易自由化对农业碳排放的贡献度，其值为农产品出口额与农业GDP的比值，即：

[η]=农产品出口总额/农业GDP （3）

本研究把中国各省区2004—2019年的农产品出口额和农业GDP输入到[stata]软件，求出中国“平均值省区”的[η]值为0.122 8。

4.2 环境效应评估

在农产品贸易自由化总环境效应中，只有贸易引致的结构效应是农产品贸易自由化单独作用的结果，其他3种环境效应都是农产品贸易自由化和其他驱动因素共同作用的结果。

由表2可知，规模效应弹性（[Eplough]）为0.153 4，资本劳动比率引致的结构效应弹性（[Ecapital]）为0.341 9，技术效应弹性（[Elagi]）为0.051 8，贸易强度弹性（[Etrade]）为-0.015 2。对于“平均值省区”来说，贸易强度弹性就是贸易引致的结构效应弹性。

由此可知，就“平均值省区”而言，农产品贸易自由化的总驱动弹性[Eliberalization]为：

[Eliberalization=（Eplough+Ecapital+Elagi）×η+Etrade] （4）

把相应的值代入式（4）得[Eliberalization]=0.052 0>0。这意味着，农产品贸易自由化总体上提高中国农业碳排放水平。

5 小结与建议

5.1 小结

本研究探讨了农产品贸易自由化对中国农业碳排放的影响机制，以及环境效应评估。研究发现，①规模效应大于0，即人均耕地面积的增加提高中国农业碳排放水平；资本劳动比率引致的结构效应大于0，即农业人均资本的增加提高中国农业碳排放水平，且其影响较大；技术效应大于0，出现了反常的“正技术效应”，即技术效应不是降低而是提高中国农业碳排放水平；“平均值省区”贸易引致的结构效应小于0，即贸易引致的结构效应总体上降低中国农业碳排放水平，这意味着中国是农产品贸易的逆差国，与《联合国粮农组织》的统计数据一致。②农产品贸易自由化总体上提高中国农业碳排放水平。③就农业碳排放而言，中国存在倒“U”型环境库兹涅茨曲线（EKC），且其拐点出现在2017年，这意味着中国农业在2017年“碳达峰”，与曾贤刚等［37］的研究结论一致。

5.2 建议

第一，制定农业碳减排环境政策，降低中国农业碳排放水平。本研究的实证分析表明，技术效应不是降低而是提高中国农业碳排放水平，出现了反常的“正技术效应”。主要原因在于：农业经营比较分散，其碳排放没有像工业那样引起人们足够重视。当人均收入水平提高时，人们对环境质量的诉求主要是工业碳减排，而很少关注农业。政府顺应人们的呼声，制定了更严格的有关工业生产的环境规制，却忽略了农业环境规制。然而，随着中国“双碳”目标的提出，中国农业“碳达峰”和“碳中和”也提到日程。因此，中央及地方各级政府要根据本地区的实际情况，切实制定有关农业碳减排的环境政策，并加大中央和地方各级政府对农业的扶持力度，确保农民增收的同时降低农业碳排放水平。

第二，调整农业固定资产投资政策，优化中国农产品出口结构。本研究的实证检验结果显示，资本劳动比率引致的结构效应弹性为0.341 9，是规模效应弹性与技术效应弹性之和（0.153 4+0.051 8=0.205 2）的1.666 2倍。这说明资本劳动比率引致的结构效应是中国农业碳排放的主要驱动因素。为此，中央政府要根据全国整体情况制定农业投资的总体方针政策。地方政府相关部门要下基层、真落实，切实做好调研工作，弄清本地区的农业资源情况，针对本地区的要素禀赋优势选择最优的农业投资方向。在此基础上地方各级政府根据本地区实际情况，在全国总体政策框架内调整本地区的农业投资政策，使农业固定资产投资更多流向碳排放水平低且具有比较优势的农产品生产，进一步优化中国农产品出口结构。

第三，持续强化农业生产的扶持政策，增强中国农产品出口竞争力。本研究的实证分析表明，“平均值省区”贸易引致的结构效应弹性[Etrade]=-0.015 2<0。也就是说，就全国整体而言，农产品进口大于出口，中国是农产品贸易的逆差国。这说明中国农产品在世界市场上的价格偏高，整体竞争力不强。因此，中央及地方各级政府要加大农业生产的扶持力度，继续强化向农业倾斜的扶持政策，提高农业机械化水平和规模生产能力。不断增强农产品质量的同时降低农产品生产成本，着力培育中国农产品出口竞争力。

参考文献：

［1］ 杨 晨，胡珮琪，刁贝娣，等.粮食主产区政策的环境绩效：基于农业碳排放视角［J］. 中国人口·资源与环境，2021，31（12）：35-44.

［2］ 陈宇斌，王 森，陆 杉.农产品贸易对农业碳排放的影响——兼议数字乡村发展的门槛效应［J］.华中农业大学学报（社会科学版），2022（6）：45-57.

［3］ 戴小文，漆雁斌，唐 宏.1990-2010年中国农业隐含碳排放及其驱动因素研究［J］.资源科学， 2015， 37（8）：1668-1676.

［4］ 欧阳小迅，戴育琴，瞿艳平.中国农产品出口贸易隐含碳排放变动特征及驱动因素分解［J］.财经论丛， 2016（5）：3-10.

［5］ 史俊晖，戴小文.我国省域农业隐含碳排放及其驱动因素时空动态分析［J］.中国农业资源与区划， 2020，41（8）：169-180.

［6］ 冯祎宇，刘 静，宋 蕊，等. 如何支付“欠农业的生态账”——基于农业隐含碳市场化补偿视角［J］.农业经济问题，2024（3）：20-35.

［7］ 张 梅，周佳璇.中国农产品出口贸易隐含碳排放测算及异质性分析——来自“一带一路”沿线国家（地区）的证据［J］.价格月刊，2024（4）：60-69.

［8］ 陈银娥，陈 薇.农业机械化、产业升级与农业碳排放关系研究——基于动态面板数据模型的经验分析［J］.农业技术经济， 2018（5）：122-133.

［9］ 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.

［10］ 田 云，张俊飚，尹朝静，等.中国农业碳排放分布动态与趋势演进——基于31个省（市、GOQSSzyZexdo6eAdNcnduw==区）2002-2011年的面板数据分析［J］.中国人口·资源与环境， 2014， 24（7）：91-98.

［11］ 蒋旭东，王 丹，杨 庆. 碳排放核算方法学［M］.北京：中国社会科学出版社，2021.

［12］ 周 艳，邓凯东，董利锋，等.反刍家畜肠道甲烷的产生与减排技术措施［J］.家畜生态学报， 2018， 39（4）：6-10，54.

［13］ 张颂心.中国农业碳排放量测算及影响因素分析——基于省级面板数据的研究［J］.湖北农业科学， 2021，60（1）：60-64，95.

［14］ 张鲜鲜，周 胜，孙会峰，等. DNDC模型在稻田生态系统中的研究进展及应用［J］.上海农业学报， 2019， 35（1）：109-117.

［15］ 胡永浩，张昆扬，胡南燕，等.中国农业碳排放测算研究综述［J］.中国生态农业学报（中英文）， 2023， 31（2）：163-176.

［16］ 胡婉玲，张金鑫，王红玲.中国农业碳排放特征及影响因素研究［J］.统计与决策， 2020，36（5）：56-62.

［17］ 宁 静，李亚洁，王 震，等.中国粮食主产省区农业碳排放特征及影响因素［J］.水土保持研究， 2024，31（1）：450-459.

［18］ 黄和平，李紫霞，黄 靛，等.“双碳”目标下江西省农业碳排放测算、影响因素分析与预测研究［J］.生态与农村环境学报，2024，40（2）：179-190.

［19］ 张乐勤，陈永卓.安徽省农业生产碳排放测算及驱动因子的典型相关分析［J］.现代农业科技，2024（1）：122-127，132.

［20］ 陆荣军，陈胜东.江西省农业碳排放变化特征及其驱动因素分析［J］.现代农业科技， 2023（12）：141-146，155.

［21］ 李东武，李 莉.“双碳”背景下的甘肃省农业碳排放驱动因素及脱钩效应［J］.安徽农学通报， 2023， 29（19）：171-178.

［22］ GROSSMAN G M，KRUEGER A B. Environmental impacts of a North American Free Trade Agreement［J］. Social science electronic publishing， 1991， 8（2）：223-250.

［23］ COPELAND B R，TAYLOR M S. North-south trade and the environment［J］. The quarterly journal of economics， 1994， 109（3）： 755-787.

［24］ ANTWEILER W，COPELAND B R，TAYLOR M S. Is free trade good for the environment？［J］. American economic review，2001，91（4）：877-908.

［25］ 张相文，黄 娟. 中国农业贸易自由化的环境效应分析［J］. 农业经济问题，2012，33（6）：85-89.

［26］ 青仕嘉，李 红. 农业生产及贸易对碳排放的影响及研究展望［J］. 农业展望，2023，19（7）：134-143.

［27］ 刘子飞. 中国农产品对外贸易环境效应的实证分析［J］. 经济问题探索，2014（12）：110-117.

［28］ 代金贵，祁春节. 农业贸易自由化对农业环境品质影响的实证分析及政策展望［J］. 农业展望，2008（11）：26-29.

［29］ 沈 蕾. 中国农业贸易自由化的环境效应浅析［J］. 湖北农业科学，2020，59（15）：159-162.

［30］ 陈 雯. 中国农业出口贸易与环境污染关系的实证研究［J］. 福建农林大学学报（哲学社会科学版），2012，15（5）：31-35.

［31］ 李祝平，李舒颖，黄再春. 我国农业对外贸易环境效应的实证研究［J］. 江淮论坛，2017（4）：25-29.

［32］ 王娟丽，马永喜，辛雅儒，等. 关税措施对农业能源使用和碳排放的影响——以中美贸易摩擦为例［J］. 生态经济，2024，40（2）：124-132.

［33］ 闵继胜，胡 浩. 农产品对外贸易对我国农业生产温室气体排放的影响研究［J］. 软科学，2013，27（8）：55-59.

［34］ 蔡慧梅. 农产品出口贸易对农业环境影响的实证分析——以中国东北地区为例［J］. 宁德师范学院学报（哲学社会科学版），2021（1）：47-52.

［35］ 马 进. 我国农产品贸易与农业环境的双向影响机制研究［J］. 山东社会科学，2017（8）：156-161.

［36］ HU B，MCKITRICK R. Decomposing the environmental effects of trade liberalization： The case of consumption-generated pollution［J］. Environmental & resource economics，2016，64（2）： 205-223.

［37］ 曾贤刚，余 畅，孙雅琪. 中国农业农村碳排放结构与碳达峰分析［J］. 中国环境科学，2023，43（4）：1906-1918.

收稿日期：2024-04-23

基金项目：湖北省教育厅哲学社会科学重点项目（22D114）

作者简介：柯美高（1974-），男，湖北黄石人，讲师，博士，主要从事农产品贸易与环境研究，（电话）13635830136（电子信箱）kemeigao@126.com；通信作者，纪关心（1983-），男，湖北黄梅人，讲师，硕士，主要从事农业低碳发展研究，（电话）15377133335（电子信箱）422137620@qq.com；周海琼（1981-），女，河南周口人，副教授，硕士，主要从事农业低碳发展研究，（电话）13607255904（电子信箱）340306120@qq.com。

柯美高，纪关心，周海琼. 农产品贸易自由化对农业碳排放的影响及其机制［J］. 湖北农业科学，2024，63（9）：234-239，246．