农业碳补偿率的空间格局及其驱动因素

摘要 减排是基础，增汇是保障，农业领域减排增汇是实现碳中和目标的潜力所在。为探索农业碳中和的有效路径，该研究基于2011—2021年长江经济带108个地级及以上城市的面板数据，测度农业碳补偿率，运用点度中心度、隶属度模型和Moran's I 分析其空间分布、空间辐射和空间集聚格局；进一步结合收敛模型和空间计量模型分析其空间收敛特征；并运用空间计量模型识别农业碳补偿率的驱动因素及溢出效应。研究发现：①长江经济带农业碳补偿率上升趋势明显，但总碳汇仍不足以覆盖碳排放，且上、下游领先，中游落后；②中心城市自东向西演化趋势明显，分布格局演变为成都一极，苏州、长沙、武汉等八核心，杭州、岳阳等多点联动的“一极八核，多点带动”格局，上、中、下游“分区域，多核心”的趋势越加明朗；③空间集聚特征明显，且整体呈现协同演进的格局，上游城市协同互动减排增汇的趋势更加显著；④农业内部结构和绿色技术创新能力对碳补偿率的促进作用不仅来自直接效应，还有部分来自反馈效应，且邻近城市的农业内部结构、绿色技术创新能力和农业劳动力规模均有利于本地区碳补偿率的提升。基于该研究结论，建议创立农业碳中和示范区，领先城市与追随城市、边缘城市“强弱扶持”，加大区域间协同互动减排增汇力度，以“小区域”带动“大区域”实现农业碳中和。

关键词 农业碳补偿率；空间辐射；空间集聚；收敛特征；驱动因素

中图分类号 F323 文献标志码 A 文章编号 1002-2104（2024）09-0076-17 DOI：10. 12062/cpre. 20240319

气候变化问题已成为威胁全人类生存和可持续发展的全球性问题，中国一直积极参与全球气候治理，并于2020年9月提出“双碳”目标。2023年，在全国生态日主场活动生态文明重要成果发布会上，国家发展改革委发布碳达峰碳中和重大宣示三周年重要成果，2020年中国CO2 排放强度相比2005年下降48. 4%，超额完成第一阶段国家自主贡献承诺，在此基础上，“十四五”前两年，碳排放强度进一步下降4. 6%，降碳成效显著。虽如此，根据国际能源署（IEA）发布的《2022年二氧化碳排放报告》，2022年中国碳排放总量超过114亿t，仍然是世界第一大碳排放国，减排降碳形势严峻。中国农业活动产生的碳排放量约占总排放量的17%［1］，是不容忽视的碳排放源［2］。不同于工业的是，农业由于其特殊的产业特性，具有“碳源”和“碳汇”双重属性［3］，而“碳源”和“碳汇”又是实现碳中和目标的着力点［4］。可见，农业领域减排固碳是实现“双碳”目标的重要组成部分和潜力所在。

长江经济带是中国生态文明建设的先行示范区，包含湖南、湖北、安徽、江西等农业大省，在全国9个商品粮基地中占6席，是重要的农产品生产基地。同时，该区域农业经营方式仍以粗放的资源消耗型为主，农业用地细碎化、物资利用低效、土壤退化和污染问题仍然突出。2019年长江经济带11省份农业碳排放量达到45 479万t，占全国农业碳排放量的48. 35%［2］，而2001—2018年长江经济带农业平均碳补偿潜力仅高于30%［5］。因此，面对农业生产规模更大、物资和能源消耗更多、碳排放量居高、碳补偿提升空间较大等现实情况，长江经济带在农业减碳增汇上面临着更大压力和更大的难度。

1 文献综述

就现有文献来看，农业碳补偿的相关研究主要从两种不同角度出发：一是从农业生态补偿的角度，分析农业碳汇功能的生态补偿价值量化［6-7］、土地利用的碳补偿价值核算等［8］，但尚未形成很全面成熟的方案［9］。二是从农业碳汇和碳排放的数量关系角度研究农业碳补偿率，由于农业自身具备碳吸收能力，因此能够抵消、补偿产生的碳排放［10］，常利用农业碳汇量与排放量的比值衡量农业碳补偿程度，比值大于1表明农业碳汇能够完全抵消碳排放，碳汇能力强［11］。相关研究成果主要集中于农业碳补偿率的测算［9］、演化格局［12-13］、影响因素［11］、收敛特征［14］，研究发现中国农业碳排放净效应表现为碳源（碳补偿率低于1），但西部地区平均碳补偿率为1. 117，呈碳汇效应，且农业碳补偿率的区域集聚态势明显，省份之间具有正向的空间关联性和溢出效应。在上述研究中，农业碳补偿内涵的核心在于揭示农业自身的净碳水平，能更直观说明农业碳中和能力，与之相似的概念有农业碳中和［15］、农业净碳效应［16-17］、农业净碳汇［12，18］等。

与长江经济带农业碳排放相关的研究主要集中在省际层面农业碳排放的测算［19］、驱动因素［20］、空间特征［21］分析等方面，更多学者将农业碳排放作为非期望产出，研究长江经济带农业生产效率［22-23］、农业生态效率［24］、农业绿色效率［25-26］等，或者聚焦于种植业和耕地，测算种植业的碳排放效率［1］和耕地利用效率［27］。目前，单独研究长江经济带农业碳汇的文献较少，少量研究将农业碳排放和碳汇联系起来，以农业碳汇作为期望产出，农业碳排放作为非期望产出，再结合土地、劳动力等投入要素，测算长江经济带11个省份的农业绿色全要素生产率［28］。

与已有文献相比，本研究的边际贡献体现在3个方面：①在研究尺度上，相关研究较少下沉至地级市尺度，个别学者如徐清华等［29］虽测度了中国282个地级市的碳排放量，但只包含化肥、农药、农膜、柴油、灌溉产生的碳排放，并不包含畜禽养殖、水稻种植等产生的碳排放，导致农业碳排放量被大大低估。而本研究将研究尺度下沉至长江经济带108个地级及以上城市，使得农业碳排放、碳汇核算更为准确。②在研究视角上，由于中国农业碳补偿率具有显著的空间效应和区域异质性，因此本研究从空间网络视角出发，对长江经济带农业碳补偿率的空间分布格局、辐射格局进行分析，弥补了当前研究主要集中于全国农业碳补偿率的空间集聚格局而缺乏空间网络视角下空间格局研究的空白。③在研究内容上，仅分析空间集聚格局，无法判断长江经济带农业碳补偿率是否同时具备了协同演进、稳态收敛的特征，难以把握其农业碳中和进程，因此本研究进一步分析其空间收敛特征，以全方面明晰长江经济带农业碳补偿率的空间格局。

鉴于此，本研究根植于碳中和目标，测算长江经济带108个地级及以上城市2011—2021年的农业碳补偿率；运用点度中心度和隶属度模型分析其空间分布格局和辐射格局；采用全局和局部Moran's I 分析其空间集聚特征；结合收敛模型和空间计量模型分析其空间收敛特征及区域异质性；运用空间计量模型识别农业碳补偿率的驱动因素及溢出效应，以总结出实现区域农业碳中和目标的有效路径，为长江经济带农业碳补偿率的协同发展提供决策参考。

2 特征事实与理论分析

2. 1 特征事实

长江经济带农业碳补偿率的现状如图1所示。

从图1（a）可以看出，观测期内长江经济带农业碳排放量始终高于碳汇量，2021年碳排放量为30 392万t，碳汇为24 425万t，碳补偿率0. 804，低于农业碳中和水平。从时间趋势看，碳排放量下降趋势明显，碳汇量有所提升，可见具备实现农业碳中和的潜力。从农业碳排放的结构来看，水稻种植产生的碳排放量不仅高于畜禽养殖，也远高于农用物资投入和农业能源利用。

从图1（b）农业碳补偿率的年均值来看，长江经济带及上、中、下游地区农业碳补偿率上升趋势明显，长江经济带从2011 年的0. 780 上升至2021 年的0. 882，年均增长率1. 239%，但农业碳补偿率总体偏低，始终低于1，表现为碳源。从区域差异来看，长江中游地区最低，低于长江经济带平均水平，保持在0. 5～0. 6，这是因为该地区包含湖北、湖南、江西农业大省，减排增汇难度大。2017年是长江上游地区赶超下游地区的拐点，之后便处于领先地位，且与下游的差距在逐年拉大。图中虚线为“农业碳中和线”，2018年长江上游地区才跨过该线，成为碳汇地区，长江下游地区至2019 年才跨过该线。值得注意的是，2019—2021年农业碳补偿率出现下降趋势，可能与疫情相关。

综上，长江经济带农业减碳增汇取得显著成效，但碳汇仍不足以覆盖碳排放，尤其应在水稻种植减碳和畜禽养殖减碳上着力，农业碳中和任重道远。同时，区域之间差异明显，领先地区需要充分发挥辐射带动作用，带动落后地区农业碳补偿率的提升，实现区域协同发展。

2. 2 理论分析

多位学者从理论与实证上证实了中国碳排放存在明显空间关联和溢出效应，各省份联系日益紧密，并且已超越单纯地理学意义上的“近邻”关系，呈现日趋复杂化和稳定化的空间网络格局［30-32］。因此，各地区不仅需要考虑自身的碳排放情况，还需要发挥各自的比较优势，区域之间协同行动，才能实现碳中和目标。碳中和目标下长江经济带农业碳补偿率空间协同演进的理论框架如图2所示。

由图2可以看出，领先城市农业碳补偿率对追随城市、边缘城市的辐射带动作用，主要来自政策联动效应、农业技术的外溢效应和农业生产要素的流动配置效应。首先，领先城市探索农业绿色低碳发展实践措施的基础实力强劲，政策措施发挥效果可能性高，再凭借其强大的影响力和辐射力，通过政策的示范、引领效应，带动周边农业资源禀赋相仿的城市开展低碳农业政策实践。领先城市与追随城市、边缘城市之间加强政策协调，建立上下联动的绿色低碳农业推进机制，发挥政策合力实现小区域农业的绿色低碳发展。其次，农业碳减排措施的有效实施最终要依靠关键低碳技术的突破与创新［33］，通过技术的外溢效应推动区域协同减排［34］。以小农户为主体的分散化经营是现阶段乃至未来很长一段时间中国农业的主要经营方式，这就决定了小农户在应用减排固碳技术过程中，生产成本将大幅增加，经济效益无法保障，因此目前小农户对农业减排固碳技术的接受度并不高，技术推广难度大。农业碳补偿率领先的城市具备较高的农业经济发展水平和技术创新能力，通过集聚效应吸引周边技术人才、资金聚集，开展农业减排固碳技术创新活动，又通过扩散效应和技术外溢效应，以低成本提升周边城市技术水平。农业技术溢出渠道主要是技术势差［34］，根据技术转移的梯度规律理论，农业技术在领先城市、追随城市、边缘城市之间梯度转移，进而产生减排固碳行为关联，发挥技术外溢效应。最后，土地、劳动力、资本等农业生产要素在城市内部、城市之间高效配置强化了政策、技术的辐射带动作用。政策的联动效应和技术的外溢效应，最终都会作用到具体生产要素的投入和生产效率上，各城市减少或增加耕地面积、农业劳动力、农业资本投入等要素会间接影响着农业碳排放与碳汇，城市之间要素的流动配置更是强化了区域内农业碳补偿率协同演进格局。

农业碳中和不仅是指某个城市、某个省份农业的净零排放，也是指大区域内的农业总碳汇能够抵消、补偿碳排放。从特征事实来看，中国不同区域农业碳排放、碳汇现状差异较大，这种差异难以在短时间内通过区域内部调整来弥补，更需要全域的宏观统筹。大区域如何统筹，主要瞄准小区域的农业资源禀赋差异，以及碳排放、碳汇差异大小和来源，建立跨区域的合作机构、产业联盟，协同制定不同区域农业减排增汇目标，最终以大区域统筹小区域，小区域联动大区域，实现全域农业净零排放目标。

3 研究方法与数据来源

3. 1 研究方法

3. 1. 1 农业碳补偿率测算

农业碳补偿率即为农业碳汇量与碳排放量的比值，用于衡量农业自身净碳水平。农业碳排放量和碳汇量的核算见表1。其中，农业碳排放量核算参考徐清华等［29］、田云等［2］的研究成果，采用IPCC 系数法，从农业能源利用、农用物资投入、水稻种植、畜禽养殖4个方面展开测算［35-36］。农业碳汇量核算参考伍国勇等［13］、杨果等［37］的研究，主要考虑农作物在生命周期中通过光合作用从大气中吸收并固定CO2形成的有机碳量。由于林业和渔业碳排放量较少，不具备统一数据来源或统计口径，未纳入整体农业碳排放研究体系中［38］；CH4、N2O的CO2转换系数分别为25、298［2］。

3. 1. 2 修正的引力模型与点度中心度

中心度指数是社会网络分析法中用来衡量各区域在网络中的地位和作用的指标［39-41］。其中，点度中心度可以根据网络中的连接数来衡量各城市在长江经济带农业碳补偿网络中处于中心位置的程度，点度中心度越高，说明该城市在空间关联网络中与其他城市之间的联系越紧密，该城市也更加处于网络的中心地位［32］。关系的确定是网络分析的关键，而引力模型是分析空间关系最经典、最常用的模型，被广泛应用于网络空间结构分析中［42-43］。因此，将引力模型引入到农业碳补偿率的空间格局研究中，并根据模型的具体使用环境，对引力模型中的参数进行改进，采用农林牧渔业总产值代替GDP指标，采用第一产业就业人数代替年末总人口数［32，44-45］。考虑到经济距离和地理距离对农业碳补偿率空间关联的影响，城市之间的“距离”利用城市之间的地理距离（Dij）除以人均GDP的差值（gi - gj）表征。修正后的引力模型如式（1）所示：

kij = Ci/Ci + Cj（1）

式中：rij代表城市i 与城市j 的农业碳补偿引力；kij表示城市i 在城市i、j 之间农业碳补偿联系中的贡献率；Pi、Pj为城市i 和城市j 的第一产业就业人数；Gi、Gj为城市i 和城市j 的农林牧渔业总产值；Ci、Cj为城市i 和城市j 的农业碳补偿率；Dij为城市i、j 间的地理距离，gi、gj为城市i 和城市j的人均GDP。

得到城市之间农业碳补偿引力后，再代入到点度中心度模型测算出中心度指数，作为衡量城市农业碳补偿率层级的主要指标，点度中心度模型如式（2）所示：

式中：CDi表示城市i 的农业碳补偿中心度。

3. 1. 3 隶属度模型

经济联系隶属度通常用来表示两城市间经济联系量占一城市对外经济联系总量的大小，能够反映城市的空间经济联系和辐射力、吸引力［46］。中国农业碳补偿率也具有显著的空间关联［5，11］，因此将隶属度模型引入到农业碳补偿领域，探讨长江经济带农业碳补偿率的空间联系，以及各中心城市对外主要辐射方向和强度，隶属度模型如式（3）：

根据中心度指数结果，确定中心城市i，再利用该模型测算其他城市j 对中心城市i 的农业碳补偿率隶属度Fij（即中心城市i 对城市j 的贡献度），Fij值越大，表明城市i与城市j 的联系在中心城市i 的对外联系中的比例越大，i对j 的辐射力越强。

3. 1. 4 绝对β 收敛模型

收敛性分析能够检验城市间农业碳补偿率差距是在扩大还是在缩小，即呈发散还是收敛特征。结合空间计量模型，可以分析区域内农业碳补偿率是否会向某一稳态水平收敛，即是否具备协同演进的特征。随着“双碳”目标的稳步推进，长期来看中国农业碳补偿率整体上升且长期空间收敛的趋势已经显现［35］，因此有必要将空间效应纳入传统收敛模型中。传统面板和空间面板绝对β收敛模型见式（4）—式（7），空间计量模型包括空间滞后模型（SAR）、空间误差模型（SEM）、空间杜宾模型（SDM）：

式中：Ci，t + 1、Ci，t 表示城市i 在t+1、t 时期农业碳补偿率，β 表示Ci，t 的估计系数，ϑ 和ρ 分别表示Ci，t 和Ci，t + 1 Ci，t的空间自相关系数，λ 表空间误差项系数，Wij表空间权重矩阵，ui 表示个体效应，θt 表示时间效应，εit 表示随机干扰项，α、β 为待估系数。

3. 2 数据来源与处理

囿于数据的可得性和完整性，本研究的考察对象包括长江经济带沿线11个省份的地级及以上城市，包含2个直辖市和106个地级市，共108个城市（由于行政体制的变化，剔除毕节、巢湖、铜仁3个城市的样本［47］），考察时间为2011—2021年。数据主要来自历年各城市统计年鉴及统计公报，部分来自国家统计局等。部分城市缺失农用塑料薄膜使用量、农用柴油使用量、农药使用量数据，参考徐清华等［29］的研究，采用省域单位有效灌溉面积农用塑料薄膜使用量、农用柴油使用量、农药使用量与城市有效灌溉面积分别测算，其余缺失数据采用线性插值法补齐。

4 空间格局分析

4. 1 空间分布格局

根据式（1）和式（2），在测度出城市农业碳补偿率的基础上，采用修正的引力模型计算城市之间的作用力，进而得到城市农业碳补偿率点度中心度指数。结果表明，长江经济带农业碳补偿率中心度区间为［0. 083，239. 390］。为了考察其具体发展阶段，并进行横向和纵向比较，本研究以2021年为基准，采用自然间断点分级法，将长江经济带108个城市划分为高农业碳补偿中心度、较高农业碳补偿中心度、一般农业碳补偿中心度、较低农业碳补偿中心度和低农业碳补偿中心度5个等级（表2），并以此为依据，将2011年、2016年和2021年的分级进行可视化（图3），来考察长江经济带农业碳补偿率在空间上的分布格局及演变特征。

城市中心度等级越高，表示该城市在空间网络中的中心地位越高，农业碳减排和固碳能力越强，对其他城市的碳补偿辐射范围也越广。由表2可知，2021年仍处于低和较低农业碳补偿中心度的城市达到90 个，占83. 33%，而位于较高和高农业碳补偿中心度的城市仅8个，占7. 41%。整体来看，2021年长江经济带大多城市与周边城市的联系较弱，城市之间低碳农业技术、人才、资金等要素的流动性不强，农业碳补偿率的辐射带动作用发挥效果不足；上、中、下游地区分别有2～4个中心城市，表明农业碳补偿率区域分异特征明显，这成为后面分区域讨论其辐射格局的事实依据。

由图3可以看出，农业碳补偿率中心度呈现明显的区域分异格局，总体来看下游地区中心度高于中游、上游地区，梯度特征明显，表明下游地区城市网络结构更为紧密，对其他城市的影响力和辐射力也更强。

从时间演变来看，2011年除苏州以外的其他城市的农业碳补偿率中心度均低于41. 287，属于低、较低中心度城市；2016年长沙、武汉、南京、苏州超过74. 821，成长为较高中心度城市，成都、无锡、南通、宿州也超过41. 287，进入一般中心度城市；2021年成都达到239. 389，跃升为高中心度城市。由此可见，长江经济带各城市的农业碳补偿率中心度持续上升，空间网络结构在逐年优化，城市间的联系愈发紧密，且随着时间推移，农业碳补偿率中心城市自东向西演化的趋势明显，城市在农业减碳增汇过程中扮演的角色发生转变。

从空间分布来看，2011年农业碳补偿率形成了由苏州引领，无锡、长沙、成都三核心带动的“一极三核”的层级结构，此时分属长江下、中、上游的无锡、长沙、成都分别为各自区域的核心城市，影响着周边城市；2021年演变为成都一极，苏州、长沙、武汉等八核心，杭州、岳阳等多点的“一极八核，多点带动”的格局，此时成都成为长江经济带农业碳补偿率中心城市，南京、无锡、苏州、宿州为长江下游地区的核心城市，长沙、武汉为中游地区核心城市，眉山为上游核心城市，上、中、下游“分区域，多核心”的趋势越加明朗。表明长江经济带逐渐形成了以成都为中心，上、中、下游多核心的分布格局。

4. 2 空间辐射格局

由空间分布格局可看出，农业碳补偿率中心城市与非中心城市的中心度差距很大，具有明显区域分异特征，因此根据式（3）分区域计算隶属度，以分析中心城市对非中心城市的辐射强度和方向，更深入揭示其空间格局（图4）。

如图4所示，2011—2016年中心城市为苏州，总体来看苏州对其他城市的辐射力有所提升，其中南通最高，由2011 年的17. 98% 上升至2016 年的18. 49%，盐城由7. 35%提升到7. 80%；部分城市有所下降，如对嘉兴的辐射力由16. 02%下降至14. 28%，降幅最大。从地域分异来看，2011—2016年苏州对长江下游地区城市的辐射力度较大，表现为南通>嘉兴>盐城>泰州>湖州>绍兴>台州>金华>其他城市，对浙江和江苏的辐射大于上海和安徽，辐射方向主要指向江苏东北部和浙江北部。可能的原因在于：农业碳汇量和碳排放量与地理环境、农业种植结构、种植规模等相关，上海经济发达，农业在三产中占比低，且农作物播种面积、农业总产值下降明显，因此相比于其他城市，上海与苏州在农业上的联系较弱，导致苏州对上海的辐射力低，且呈下降趋势。除滁州和宣城外，苏州对安徽其他城市的辐射力均小于1%，这是因为安徽部分城市农业碳补偿率虽高，但与周边城市的联动不足，导致其中心度不高，中心城市对它的辐射力也较低。

2017—2021年成都超越苏州成为中心城市，表明成都对周边城市的带动作用逐渐超过苏州。从图4可以看出，2021年成都对长江上游地区的城市辐射力度较大，对四川和云南的贡献整体高于重庆和贵州，表现为眉山>乐山>昭通>德阳>宜宾>资阳>曲靖>自贡>绵阳>其他城市，表明成都农业碳补偿率主要辐射方向为四川南部和云南北部。

长江上、中、下游2011、2016、2021年农业碳补偿率隶属度如图5所示，长江上游地区的成都始终为中心城市，2011—2021年成都对四川和云南的辐射力整体高于重庆和贵州，表现为眉山>乐山>昭通>德阳>宜宾>资阳>曲靖>自贡>绵阳>其他城市，且对昭通的辐射力增长最多，由2011年的5. 79%增长至6. 87%，但对云南其他城市的辐射力度略有减小，表明四川与云南农业碳汇合作目前还不足，但潜力巨大。

长江中游地区2011年和2016年的中心城市为长沙，对周边城市的辐射呈放射状，表现为岳阳>衡阳>荆州>湘潭>株洲>郴州>益阳>孝感>其他城市，对湖南和湖北的辐射力大于江西。对多数城市辐射力有所提升，如衡阳从11. 28% 升至11. 87%，但对邻接城市岳阳的辐射力由30. 16%降为29. 26%，湘潭由6. 14%降至5. 64%，可见该区域以长沙为中心的辐射范围在扩宽，辐射力更为均衡。2021年武汉成长为中心城市，对周边城市的辐射大小表现为咸宁>孝感>黄冈>鄂州>黄石>随州>宜春>岳阳>荆州>其他城市，可见武汉的农业碳补偿率主要与省内距离较近城市，尤其与武汉都市圈内的鄂州、黄石、孝感等城市保持强联系，对其他城市的辐射作用较弱。

长江下游地区2011年和2016年中心城市为苏州，辐射力度和方向与上文分析一致，不再赘述。2021年南京成长为中心城市，对周边城市的辐射大小表现为宣城>淮安>滁州>宿迁>马鞍山>连云港>芜湖>盐城>其他城市，对安徽的辐射力大于江苏、浙江和上海，辐射方向主要为安徽东部和江苏北部。这一变化表明，随着时间推移，安徽不断加强与江苏农业碳减排增汇的联动，改变了落后的局面。

4. 3 空间集聚格局

4. 3. 1 全局空间关联分析

空间辐射格局结果表明，农业碳补偿中心城市对其他城市存在辐射带动作用，并且这种作用存在明显的区域分异特征，那么中心城市的辐射作用是否带动农业碳补偿率集聚发展呢？这是本研究要解决的关键问题之一。已有文献也表明中国农业碳补偿率空间集聚态势明显［11］，因此构建了邻接空间权重矩阵（W1）和反距离空间权重矩阵（W2），借助Moran's I 考察长江经济带农业碳补偿率的空间集聚格局。全局Moran's I 报告结果见表3，Moran's I 均显著为正且在增大，表明农业碳补偿率具备显著的空间集聚性与依赖性，空间分布朝着集聚化方向发展，空间集聚程度增强。

4. 3. 2 局部空间关联分析

全局Moran's I 指数无法刻画长江经济带农业碳补偿率空间集聚的具体区域特征，需要在判断具有全局空间关联的基础上，进一步计算出局部空间关联指数，明确不同城市的集聚特征。局部Moran's I 散点图可描述局部农业碳补偿率的空间集聚特征，如图6（a）、图6（b）、图6（c），分别为基于邻接权重矩阵的2011、2016、2021 年的局部Moran's I 散点图，图6（d）、图6（e）、图6（f）分别为基于反距离权重矩阵的2011、2016、2021年的局部Moran's I 散点图。落在第一、三象限表示农业碳补偿率较高、较低的城市聚集在一起，落在第二、四象限表示农业碳补偿率呈低-高、高-低集聚态势。

由图6可见，更多城市的农业碳补偿率集聚在一、三象限，处于第一象限表示本地城市对地理邻近城市的农业碳补偿有正向外溢效应。与之相反，处于第三象限表示低农业碳补偿率的城市被同样农业碳补偿率较低的其他城市所包围，区域内农业碳补偿率的协同提升受到阻碍。还有部分城市随机分布在第二象限和第四象限，第二象限表现为低碳补偿率城市被较高城市包围，第四象限与之相反。

根据局部Moran's I 散点图结果，总结出反距离权重矩阵下农业碳补偿率的LISA集聚分布类型（表4）。比较可知：①农业碳补偿率呈高-高集聚态势的城市多分布于长江下游的江苏、安徽两省和上游的重庆、四川、云南3个省份，这些城市的农业碳补偿率多大于1，农业碳汇能力强于碳排放。②呈低-低集聚态势的城市最多，多分布在长江下游的上海、浙江和中游的江西、湖北、湖南，农业碳补偿率多小于1，农业碳汇效应弱于碳排放效应，表明这5个省份的农业碳补偿率“低-低”集聚趋势明显，区域内农业碳中和进程缓慢。③从时间演变来看，长江经济带城市的集聚情况发生了变化，属于高-高集聚类型的城市有所增加，且多位于长江上游地区，表明观测期内长江经济带农业碳补偿率正向空间集聚格局更加显著，长江上游地区为“高-高”集聚中心。

4. 4 空间收敛特征

由上文可知，长江经济带农业碳补偿率空间集聚特征明显，但该集聚趋势尚不能判断长江经济带的农业碳补偿率是否存在协同演进的格局，未来能否实现区域性农业碳中和也尚未可知，因此式（4）—式（7）结合绝对β 收敛方法和空间计量模型，研究其空间收敛特征，分析城市间农业碳补偿率的增长速度是否趋同，即较低补偿率城市对较高城市是否存在“追赶效应”。为保证结果的稳健性，本研究分别基于邻接权重矩阵和反距离空间权重矩阵进行检验，检验过程遵循Elhorst［48］、梁红艳［49］的思路，依次从LM检验、模型选择、Hausman检验（均选择固定效应）、Wald和LR模型简化检验，确定了长江经济带和三大区域适用的模型。

表5报告的结果显示：第一，长江经济带及上、中、下游三大区域的收敛系数β 在1%的置信水平下均显著为负，存在绝对β 收敛趋势，表明从长期来看，在不考虑其他因素的影响时，长江经济带及上、中、下游三大区域农业碳补偿率较低的城市会向区域内最高值靠拢，最终向各自的稳态水平收敛。第二，长江经济带及上、中、下游三大区域的空间收敛特征各异。其中，长江经济带适用时空双重固定效应SDM模型，且空间自相关系数ρ 显著为正，表明长江经济带整体已经出现协同演进的特征，城市之间农业碳补偿率会受到邻近城市的正向空间溢出，农业碳中和趋势明显。长江上游地区在不同矩阵下结果有所差异，但总体呈现空间收敛特征，空间误差系数λ 和空间自相关系数ρ 均显著为正，表明该区域的农业碳补偿率存在正向空间溢出，这与LISA集聚分布结果保持一致。长江中游地区在不同矩阵下均适用SEM模型，且λ 显著为正，表明该区域农业碳补偿率不存在空间溢出，较高碳补偿率城市对地理邻近城市的带动作用不明显，可能的原因在于该区域包含江西、湖北、湖南3个农业大省的36个城市，农业生产规模较大，物资消耗高，历年农业碳汇量均小于碳排放量，导致农业碳汇的溢出效应不明显。长江下游地区在邻接权重矩阵下适用SAR模型，ρ 显著为正，具备正向空间溢出；但在反距离权重矩阵下ρ 值为负，且不显著，不存在空间效应。这一结果表明下游地区除相邻城市外，距离稍远一点的城市间不具备空间溢出效应，甚至可能会出现竞争格局。

5 长江经济带农业碳补偿率的驱动因素

5. 1 驱动因素及变量选取

农业碳补偿率的空间格局来自多种因素的共同作用。吴昊玥等［11］指出，农业经济发展、农林牧渔部门比例优化与造林力度均对本省农业碳补偿率具有正向影响，并且邻近省份农业经济发展与部门比例优化均有利于本省农业碳补偿率的提高。许多学者也从净碳汇角度探讨其空间格局，如李波等［18］发现，中国农业净碳汇具有显著的空间正相关，且农业内部结构、工业化程度、教育水平和科技发展水平对相邻省份的农业净碳汇效率表现出显著的正向溢出效应，而城镇化水平和经济发展水平呈现负向的溢出效应。综合已有研究，本研究从农业产业结构、农业劳动力规模、农业技术进步、农业内部结构、种植业结构优化指数、化肥施用强度、绿色技术创新能力考察长江经济带农业碳补偿率的驱动因素。农业产业结构（str）是衡量城市农业发展水平的基础指标，是影响城市农业碳补偿率中心度、辐射能力的关键变量，用农林牧渔业总产值占地区生产总值的比例衡量［2］；农业劳动力数量表现了农业发展中的劳动力投入情况，是影响农业碳排放量的重要因素［50］，用第一产业从业人员占比衡量农业劳动力规模（lar）；农业技术进步（tec）在农业碳减排过程中发挥着重要作用［51-52］，用农用机械动力与有效灌溉面积的比值衡量［53］；种植业与畜牧业是农业碳排放的主要来源，农业生产中种植业与畜牧业规模直接影响碳排放量，用农业与牧业的产值之和，再除以农林牧渔业总产值来表征农业内部结构（ine）［53］；粮食作物播种和经济作物播种产生的碳排放量有所不同，直接引起碳总量的变化［11］，用粮食作物播种面积与经济作物播种面积的比值表征种植业结构优化指数（pla）；化肥施用量反映了农业生产中化肥的投入情况，用单位农作物播种面积的化肥施用折纯量来表征化肥施用强度（fer）；绿色技术创新对碳排放的影响具有显著的空间传导效应［54-55］，衡量绿色技术创新活动的指标主要包括绿色专利申请量、绿色专利授权量等［56-57］，本研究用绿色发明占地区年度申请发明总数的比值来表征绿色技术创新能力（gre）。对农业技术进步（tec）和种植业结构优化指数（pla）进行对数化处理。为了避免变量间存在影响研究结果的严重多重共线性， 本研究使用VIF 检验发现变量的方差膨胀因子最大值为2. 04，可忽略多重共线性问题。变量的描述性统计结果见表6。

5. 2 农业碳补偿率的驱动因素及其空间效应

5. 2. 1 各因素影响农业碳补偿率的结果分析

全局空间自相关检验结果表明长江经济带农业碳补偿率具备显著正向空间相关性，因此为进一步探索长江经济带农业碳补偿率空间格局形成的驱动因素，本研究运用空间计量模型，将2011—2021年长江经济带108个城市农业碳补偿率作为因变量，基于邻接权重矩阵（W1）分析农业产业结构等7个变量对农业碳补偿率的影响方向和大小，以探索出提升农业碳补偿率，实现长江经济带农业碳中和的有效路径。根据LM检验、Wald和LR检验、Hausman检验结果，时空双重固定效应的空间杜宾模型（Durbin）为最优估计模型，为了结果的稳健性，本研究还列出了空间滞后模型（SAR）和空间误差模型（SEM）的估计结果，见表7。

第一，在不同估计模型下，str、ine、ln pla、gre 和ln tec的估计系数符号和显著性始终保持稳健。其中，str 的估计系数在1%的水平上显著为负，表明农业在社会经济中占比越高会抑制碳补偿率的提升，这是因为长江经济带农业生产效率、技术水平较低，农业生产者多是依靠农业能源和农用物资的投入，或者扩大生产规模来实现更高的农业产出，导致碳排放增长快于碳汇增长，碳补偿率降低。ine、ln pla、gre 的估计系数均显著为正，表明长江经济带农业和畜牧业规模增加的碳汇效应大于碳排放，农业碳汇主要来自粮食作物，城市绿色技术创新能力具有显著的减碳增汇效应。

第二，lar、fer 估计系数的符号和显著性在不同模型下有所差异。其中，lar 估计系数虽总体为正，但并不显著，表明农业劳动力投入的减碳增汇效应尚未产生，这与长江经济带小农生产模式和农业劳动力素质普遍不高有关；fer 在SDM和SAR模型中显著为负，表明现阶段长江经济带化肥的生产效率仍然较低，增汇效应弱于增碳效应。

第三，以单位有效灌溉面积消耗的农业机械总动力表征的农业技术进步（ln tec）估计系数为负且不显著，这与李成龙等［58］的结论一致，主要是因为相较传统化石能源，低碳清洁能源如生物质能、风能等在农业领域的应用存在供应不稳定、投入使用成本高、普及度不高等问题，再加上农业机械使用效率不高，导致长江经济带现阶段的农机动力消耗减排效果不佳。

5. 2. 2 各因素对农业碳补偿率的空间溢出效应

为了更准确地揭示各因素影响农业碳补偿率的作用机理和影响程度，本研究进一步对表7的SDM估计结果进行无偏处理，将其分解为直接效应、间接效应和总效应。其中，直接效应既包括各因素对本地农业碳补偿率的影响，也包含本地受到的反馈效应［2，4］，间接效应即为空间溢出效应，本研究指邻近地区各因素对本地农业碳补偿率的影响。

表8报告了邻接权重矩阵下，各因素对农业碳补偿率的直接效应和间接效应。具体来看，ine 和gre 的直接效应值分别为0. 369和0. 241，相比于无偏处理前的0. 283和0. 197，分别提高了0. 086和0. 044，表明本地农业、畜牧业规模扩大和绿色技术创新能力提升在对邻近城市产生影响后，由于反馈效应自身还可以实现更多的减碳增汇，提升碳补偿率。与之相反，ln pla 的直接效应较无偏处理前降低了0. 011，这是由于该因素的间接效应显著为负，抵消了部分直接效应，表明邻近城市粮食作物播种面积的增加会降低本地的农业碳补偿率；str 和fer 的直接效应均显著为负，分别为-0. 656和-0. 141，相比于无偏处理前的-0. 568和-0. 096，分别降低了0. 088和0. 045，并且这两个因素的间接，也显著为负，这表明本地农业在三产中占比提高和化肥投入增加，在降低邻近城市农业碳补偿率的同时，由于反馈效应和负向空间溢出效应，还会导致本地碳补偿率进一步降低；lar 的直接效应不明显，但空间溢出效应显著为正，表明邻近城市增加农业劳动力投入能够显著提升本地农业碳补偿率；ln tec 的结果与之相反，它的直接效应对农业碳补偿率产生了一定负向影响，但无空间溢出效应。

5. 3 稳健性检验

空间权重矩阵对空间模型回归结果影响较大，因此使用反距离权重矩阵（W2）进行稳健性检验，该权重矩阵为各城市之间地理距离的平方的倒数，是空间模型中使用广泛的空间矩阵。基于W2的空间杜宾模型回归结果及效应分解情况见表9和表10。在该空间矩阵下，SDM模型仍为最优选择，且各变量的系数大小、显著性基本保持一致，表明该估计结果稳健。

继续进行效应分解发现，两种空间矩阵下，变量的直接效应全部保持一致，间接效应中仅种植业结构优化指数（ln pla）和绿色技术创新能力（gre）的溢出效应由显著变为不显著，表明邻近城市种植业结构优化和绿色技术创新能力对本地农业碳补偿率的溢出效应，仅在地理相邻的城市之间产生。

6 结论与启示

本研究基于2011—2021年长江经济带108个地级及以上城市的面板数据，测度农业碳补偿率，运用点度中心度、隶属度模型和Moran's I 分析其空间分布、空间辐射和空间集聚格局，进一步结合收敛模型和空间计量模型分析其空间收敛特征，并运用空间计量模型识别农业碳补偿率的驱动因素及溢出效应，得到主要结论如下。

第一，长江经济带农业碳补偿率上升趋势明显，农业减碳增汇取得显著成效，但碳汇仍不足以覆盖碳排放，水稻种植和畜禽养殖是最大的碳源；长江上游和下游地区分别于2018和2019年超过1，成为碳汇功能区，长江中游地区始终低于长江经济带平均水平，形成了“上、下游领先，中游落后”的局面，区域差异明显。

第二，从空间分布格局来看，长江经济带各城市之间的联系持续增强，空间网络结构逐年优化，且中心城市自东向西演化的趋势明显。2011年长江经济带形成了由苏州引领，无锡、长沙、成都三核心带动的“一极三核”的层级结构，2021年演变为成都一极，苏州、长沙、武汉等八核心，浙江、岳阳等多点的“一极八核，多点带动”格局，上中下游“分区域，多核心”的区域分异特征愈加清晰。

第三，从空间辐射格局来看，农业碳补偿率中心城市的辐射带动作用呈现区域分异特征，且总体辐射力度有所增强。成都始终是长江上游地区中心城市，主要辐射方向为四川南部和云南北部城市；长江中游地区武汉逐渐替代长沙成长为中心城市，主要与武汉都市圈内城市保持强联系，对其他城市的辐射作用较弱；长江下游地区南京替代苏州成为中心城市，辐射方向主要为安徽东部和江苏北部。

第四，长江经济带农业碳补偿率空间集聚特征明显。高-高集聚城市多分布于长江上游的重庆、四川、云南3个省份和下游的江苏、安徽两省，且上游高-高集聚城市有所增加。呈低-低集聚态势的城市最多，多分布在长江下游的上海、浙江和中游的江西、湖北、湖南。

第五，长江经济带农业碳补偿率呈现区域协同演进的格局，较低补偿率城市对较高城市存在“追赶效应”，向各自的稳态水平收敛，未来有望实现区域性农业碳中和。分区域看，仅中游地区高农业碳补偿率城市对邻近城市的溢出作用尚未显现，上游和下游地区城市互动减排增汇的格局更加明显。

第六，农业内部结构、种植业结构优化指数、绿色技术创新能力均有利于碳补偿率提升，农业产业结构和化肥施用强度与之相反。从直接效应来看，农业内部结构和绿色技术创新能力对碳补偿率的促进作用不仅来自直接效应，还有部分来自反馈效应。从溢出效应来看，邻近城市的农业内部结构、绿色技术创新能力和农业劳动力规模均有利于本地区碳补偿率的提升。

基于以上研究结论，本研究就加快长江经济带农业碳中和进程提出如下政策启示。

第一，长江经济带中游城市应在加大自身农业减排增汇力度的同时，更加注重与上、下游城市的合作互动，发挥高碳补偿率地区低碳策略、技术创新的溢出作用。

第二，清晰自身在农业碳中和进程中的角色定位，领先型城市主动作为，联合周边城市建立农业绿色发展联盟，聚集科技资源，加快农业减排固碳关键技术研发和应用。追随型城市积极增强与领先型的技术、人才、政策联系，“强弱扶持”，实现协同发展。

第三，以“小区域”带动“大区域”农业碳中和。长江经济带农业碳补偿率“分区域，多核心”的格局显著，上、中、下游地区农业碳补偿率和现实情况各异，应构建区域错位发展格局，因地制宜，在“大区域农业碳中和”目标下合理制定“小区域农业碳中和”目标和任务。

第四，围绕江苏、安徽、重庆、四川、云南的农业碳补偿率“高-高”聚集城市，创立农业碳中和示范区，充分挖掘碳汇潜力，增强碳汇辐射能力，将集聚效应扩散至周边“高-低”集聚城市；而对于上海、浙江、江西、湖北、湖南的“低-低”聚集城市，应将工作重点放在如何有效降碳上，实施稻田甲烷减排、化肥提效减量、畜禽养殖低碳减排、农机绿色节能行动等。

第五，合理调整农业、畜牧业结构，推广种养结合模式，发展种养循环农业；优化粮食作物和经济作物种植规模，在保障重要农产品供给和粮食安全的基础上，增加高碳汇量和低碳排放量作物的种植面积；积极学习、研发和应用绿色低碳农业技术，并向周边城市推广，发挥技术溢出作用；推广测土配方施肥、水肥一体化等技术，提升化肥施用效率，减少化肥用量。

参考文献

［1］ 吉雪强，张跃松. 长江经济带种植业碳排放效率空间关联网络结构及动因［J］. 自然资源学报，2023，38（3）：675-693.

［2］ 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.

［3］ 罗怀良. 国内农业碳源/汇效应研究：视角、进展与改进［J］. 生态学报，2022，42（9）：3832-3841.

［4］ 杜之利，苏彤，葛佳敏，等. 碳中和背景下的森林碳汇及其空间溢出效应［J］. 经济研究，2021，56（12）：187-202.

［5］ 伍国勇，刘金丹，杨丽莎. 中国农业碳排放强度动态演进及碳补偿潜力［J］. 中国人口·资源与环境，2021，31（10）：69-78.

［6］ 李颖，葛颜祥，刘爱华，等. 基于粮食作物碳汇功能的农业生态补偿机制研究［J］. 农业经济问题，2014，35（10）：33-40.

［7］ 陈儒，姜志德. 中国省域低碳农业横向空间生态补偿研究［J］.中国人口·资源与环境，2018，28（4）：87-97.

［8］ 周嘉，王钰萱，刘学荣，等. 基于土地利用变化的中国省域碳排放时空差异及碳补偿研究［J］. 地理科学，2019，39（12）：1955-1961.

［9］ 曹俊文，陶强强. 长江经济带农业碳补偿修正测算及分析［J］.农业资源与环境学报，2021（4）：693-698.

［10］ 李翠菊. 我国狭义农业碳源碳汇实证分析［D］. 北京：首都经济贸易大学，2012.

［11］ 吴昊玥，何艳秋，陈文宽，等. 中国农业碳补偿率空间效应及影响因素研究：基于空间Durbin 模型［J］. 农业技术经济，2020（3）：110-123.

［12］ 陈罗烨，薛领，雪燕. 中国农业净碳汇时空演化特征分析［J］.自然资源学报，2016，31（4）：596-607.

［13］ 伍国勇，陈莹，孙小钧. 中国种植业碳补偿率区域差异、动态演进及收敛性分析［J］. 中国生态农业学报（中英文），2021，29（10）：1774-1785.

［14］ 吴昊玥，何宇，黄瀚蛟，等. 中国种植业碳补偿率测算及空间收敛性［J］. 中国人口·资源与环境，2021，31（6）：113-123.

［15］ 李铜山，王艳蕊. 基于熵权TOPSIS模型的区域农业碳中和能力评价研究［J］. 区域经济评论，2022（3）：92-98.

［16］ 曹执令，黄飞，伍赛君. 中国农业生产碳汇效应与生产绩效的时空特征［J］. 经济地理，2022，42（9）：166-175.

［17］ 田云，张俊飚. 中国省级区域农业碳排放公平性研究［J］. 中国人口·资源与环境，2013，23（11）：36-44.

［18］ 李波，王春妤，张俊飚. 中国农业净碳汇效率动态演进与空间溢出效应［J］. 中国人口·资源与环境，2019，29（12）：68-76.

［19］ 耿亮，彭灵通，魏玻，等. 城镇化对长江经济带农业碳排放的影响及其耦合关系研究［J］. 生态经济，2024，40（3）：128-138.

［20］ 田云，蔡艳蓉. 长江经济带农业碳排放EKC检验及其驱动因素分析［J］. 长江流域资源与环境，2023，32（11）：2403-2417.

［21］ 曹俊文，谢雨欣. 长江经济带种植业碳源/汇空间特征及公平性研究［J］. 生态经济，2023，39（9）：108-113.

［22］ 常甜甜，邢宇，张明如，等. 我国农业生产效率测算及其影响因素研究：基于长江经济带农业生产面板数据的分析［J］. 价格理论与实践，2022（5）：197-200.

［23］ 尚杰，李乾乾. 碳排放约束条件下长江经济带农业生产效率研究［J］. 河南农业大学学报，2023，57（6）：1062-1074.

［24］ 马艳. 基于两阶段Super‑NSBM模型的农业生态效率及影响因素研究：以长江经济带为例［J］. 长江流域资源与环境，2023，32（4）：883-894.

［25］ 吴传清，宋子逸. 长江经济带农业绿色全要素生产率测度及影响因素研究［J］. 科技进步与对策，2018，35（17）：35-41.

［26］ 陆杉，熊娇. 基于GWR的长江经济带农业绿色效率时空分异及影响因素研究［J］. 地理科学，2023，43（2）：337-348.

［27］ 吴冉，刘艳，孔涵，等. 长江经济带耕地利用效率与生态系统服务耦合关系研究［J］. 长江流域资源与环境，2024，33（2）：300-309.

［28］ 曹玲娟. 长江经济带农业绿色全要素生产率测度与区域异质性分析［J］. 生态经济，2024，40（1）：95-102.

［29］ 徐清华，张广胜. 农业机械化对农业碳排放强度影响的空间溢出效应：基于282个城市面板数据的实证［J］. 中国人口·资源与环境，2022，32（4）：23-33.

［30］ 刘佳骏，史丹，汪川. 中国碳排放空间相关与空间溢出效应研究［J］. 自然资源学报，2015，30（8）：1289-1303.

［31］ 方大春，王琳琳. 我国碳排放空间关联的网络特征及其影响因素研究［J］. 长江流域资源与环境，2023，32（3）：571-581.

［32］ 刘华军，刘传明，孙亚男. 中国能源消费的空间关联网络结构特征及其效应研究［J］. 中国工业经济，2015（5）：83-95.

［33］ 赵敏娟，石锐，姚柳杨. 中国农业碳中和目标分析与实现路径［J］. 农业经济问题，2022，43（9）：24-34.

［34］ 何艳秋，陈柔，朱思宇，等. 策略互动和技术溢出视角下的农业碳减排区域关联［J］. 中国人口·资源与环境，2021，31（6）：102-112.

［35］ 唐菁，曾庆均，刘浩. 中国农业碳补偿率的动态演进、区域差异及空间收敛性研究［J］. 农业技术经济，2024（1）：54-74.

［36］ 闵继胜，胡浩. 中国农业生产温室气体排放量的测算［J］. 中国人口·资源与环境，2012，22（7）：21-27.

［37］ 杨果，陈瑶. 中国农业源碳汇估算及其与农业经济发展的耦合分析［J］. 中国人口·资源与环境，2016，26（12）：171-176.

［38］ 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.

［39］ FREEMAN L C，ROEDER D，MULHOLLAND R R.Centrality insocial networks：II. experimental results［J］. Social networks，1980，2（2）：119-141.

［40］ WASSERMAN S，FAUST K. Social network analysis：methods andapplications［M］. New York：Cambridge University Press，1994.

［41］ 李敬，陈澍，万广华，等. 中国区域经济增长的空间关联及其解释：基于网络分析方法［J］. 经济研究，2014，49（11）：4-16.

［42］ 彭芳梅. 粤港澳大湾区及周边城市经济空间联系与空间结构：基于改进引力模型与社会网络分析的实证分析［J］. 经济地理，2017，37（12）：57-64.

［43］ 杨扬，张秋月，徐新杨. 航空运输网络空间结构优化研究：基于改进引力模型对云南省机场运输水平的测算［J］. 价格理论与实践，2023（11）：133-137.

［44］ 孙久文，罗标强. 基于修正引力模型的京津冀城市经济联系研究［J］. 经济问题探索，2016（8）：71-75.

［45］ 叶胥，龙燕妮，毛中根. 多层级消费城市的空间格局及驱动因素：以长三角地区41个城市为例［J］. 经济地理，2022，42（5）：75-85.

［46］ 江璐璐，师谦友. 安徽省空间经济联系及省会经济辐射力分析［J］. 地域研究与开发，2013，32（6）：39-43.

［47］ 黄庆华，时培豪，胡江峰. 产业集聚与经济高质量发展：长江经济带107个地级市例证［J］. 改革，2020（1）：87-99.

［48］ ELHORST J P. Matlab software for spatial panels［J］. Internationalregional science review，2014，37（3）：389-405.

［49］ 梁红艳. 中国城市群生产性服务业分布动态、差异分解与收敛性［J］. 数量经济技术经济研究，2018，35（12）：40-60.

［50］ 王兴，马守田，濮超，等. 西南地区农业碳排放趋势及影响因素研究［J］. 中国人口·资源与环境，2017，27（增刊）：231-234.

［51］ 何艳秋，成雪莹，王芳. 技术扩散视角下农业碳排放区域溢出效应研究［J］. 农业技术经济，2022（4）：132-144.

［52］ 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.

［53］ 甘天琦，刘铭明，周宗钰. 中国农业碳排放的空间关联特征与减排政策选择［J］. 四川农业大学学报，2023，41（1）：166-174.

［54］ 徐建中，佟秉钧，王曼曼. 空间视角下绿色技术创新对CO2排放的影响研究［J］. 科学学研究，2022，40（11）：2102-2112.

［55］ 程丹亚，曾刚. 长三角区域绿色技术创新对工业二氧化碳排放影响的空间效应研究［J］. 长江流域资源与环境，2023，32（6）：1152-1164.

［56］ 刘云强，权泉，朱佳玲，等. 绿色技术创新、产业集聚与生态效率：以长江经济带城市群为例［J］. 长江流域资源与环境，2018，27（11）：2395-2406.

［57］ 王璇，张俊飚，赖晓敏. 环境治理对农业绿色技术创新的影响：基于门槛回归的实证研究［J］. 中国农业大学学报，2023，28（2）：279-292.

［58］ 李成龙，周宏. 农业技术进步与碳排放强度关系：不同影响路径下的实证分析［J］. 中国农业大学学报，2020，25（11）：162-171.

（责任编辑：王爱萍）

关键词 农业碳补偿率；空间辐射；空间集聚；收敛特征；驱动因素中图分类号 F323 文献标志码 A 文章编号 1002-2104（2024）09-0076-17 DOI：10. 12062/cpre. 20240319