“双碳”目标下湖南省农业绿色全要素生产率分析

摘 要：【目的】农业碳排放在碳排放总量中所占比例很高。通过绿色农业生产减少农业碳排放，实现“双碳”目标，是不可忽视的重要领域，也是绿色农业发展的必然要求。作为农业大省，湖南省通过计算农业绿色全要素生产率及其核心影响因素，准确识别其障碍因素，为提高农业绿色全要素生产率、促进农业绿色发展、实现“双碳”目标提供理论依据和决策参考。【方法】运用SBM-DDF指数模型测算湖南农业绿色全要素生产率及碳排放量，采用2012—2022年湖南各市州数据进行测算，从时空间分布角度分析其特征；再建立固定效应模型，选取生产技术创新投资强度、绿色高新技术采用强度、区域一二三融合发展水平、对影响农业绿色全要素生产率的核心因素，包括化肥和农药施用强度、经济增长水平等进行回归研究。【结果】研究发现，在“双碳”目标下，湖南省农业年均绿色全要素生产力呈时间序列振荡状态，区域空间分布不均，农业生产技术创新投资强度、绿色高新技术采用强度、经济增长水平、化肥与农药施用强度、一、二、三产业区域一体化强度与农业绿色全要素生产率强相关；2012—2022年，湖南省农业绿色全要素生产率逐年提高，绿色高新技术进步是主要驱动力，但增速呈下降趋势。【结论】湖南省绿色技术改造应用主要技术实施率低；农业绿色技术创新能力不强；绿色生产技术创新和改进的投资强度相对较低；区域一二三融合发展的举措与降低农业碳排放量的举措效率不高。

关键词：碳排放；绿色全要素生产率（GTFP）；SBM-DDF模型；Malmquist-Luenberger指数

中图分类号：S727.9 文献标志码：A 文章编号：1673-923X（2024）07-0184-09

基金项目：湖南省教育厅项目（23C0729、23C0728）；湖南省社科成果评审委员会一般项目（XSP24YBZ051）；广东省教育厅项目（2023WTSCX086）；韶关市社科规划项目（G2023007）；韶关学院博士科研项目（9900064601/139）；湖南省社科成果评审委员会重大项目（XSP22ZDA003）；湖南省社科基金智库专项重点项目（21ZWB01）。

Analysis of green total factor productivity of agriculture in Hunan province under the “dual carbon” goal

LIU Hongfeng1，2，3， LIU Huiliang1，4

（1. Hunan Automotive Engineering Vocational University， Zhuzhou 412001， Hunan， China； 2. Hunan Information University， Changsha 410151， Hunan， China； 3. Shaoguan College， Shaoguan 512000， Guangdong， China； 4. Central South University of Forestry Technology， Changsha 410004， Hunan， China）

Abstract：【Objective】Agricultural carbon emissions account for a high proportion of total carbon emissions. Reducing agricultural carbon emissions through green agricultural production and achieving the “dual carbon” goal is an important area that cannot be ignored， and it is also an inevitable requirement for the development of green agriculture. As a major agricultural province， Hunan province accurately identifies its obstacles by calculating the agricultural green total factor productivity and its core influencing factors， providing theoretical basis and decision-making reference for improving agricultural green total factor productivity， promoting agricultural green development， and achieving the “dual carbon” goal.【Method】The SBM-DDF index model was used to calculate the green total factor productivity and carbon emissions of agriculture in Hunan. Data from various cities and prefectures in Hunan from 2012 to 2022 were used for calculation， and their characteristics were analyzed from the perspective of temporal and spatial distribution； Establish a fixed effects model again， select the intensity of investment in production technology innovation， the intensity of adoption of green hightech， the level of regional integration of primary， secondary， and tertiary development， and conduct regression research on the core factors affecting agricultural green total factor productivity， including the intensity of fertilizer and pesticide application， and the level of economic growth.【Result】The study found that under the “dual carbon” target， the annual green total factor productivity of agriculture in Hunan province showed a time series oscillation state， with uneven regional spatial distribution. The intensity of agricultural production technology innovation investment， the adoption of green high-tech， economic growth level， the intensity of fertilizer and pesticide application， and the intensity of regional integration of the first， second， and third industries were strongly correlated with agricultural green total factor productivity； From 2012 to 2022， the green total factor productivity of agriculture in Hunan province had been increasing year by year， with the progress of green high-tech being the main driving force， but the growth rate had shown a downward trend.【Conclusion】The implementation rate of the main technologies for green technology transformation and application in Hunan province is low； The innovation ability of agricultural green technology is not strong； The investment intensity of green production technology innovation and improvement is relatively low； The measures for the integration of regional development and the reduction of agricultural carbon emissions are not efficient.

Keywords： carbon emissions； green total factor productivity （GTFP）； SBM-DDF model； Malmquist-Luenberger index

2020年9月，我国明确提出“双碳”目标，力争2030年前实现碳达峰，2060年前实现碳中和。农业生产活动是除化石能源燃烧排放以外的温室气体的第二大排放源[1-2]，因此，研究农业绿色全要素生产率具有很强的现实意义。

关于农业绿色全要素生产率的研究对象，学术界普遍认为环境污染是农业绿色经济发展过程中的非期望产出[3]。因此，农业绿色全要素生产率要通过降低单位产量的氮素、杀虫剂、总氮磷流失作为主要的非期望产出来测度[4-5]，重点围绕化肥、农药、农膜等化学物质来测算[6]，影响农业绿色全要素生产率的核心因子分析一直被学者重点关注，石慧等[7]、贾淼等[8]在研究中将环境污染作为农业绿色生产的要素投入与传统农业生产进行比较分析从而得出影响农业绿色全要素生产率的核心因子；梁俊等[9]、刘惠良等[10]研究中将一定农业污染程度下农业绿色全要素生产率的提高幅度进行了研究测算；陈芳等[11]则重点研究了农产品国际贸易水平对农业绿色全要素生产率的影响程度。余航等[12]、肖琴等[13]、陈婷婷[14]分别针对我国2004—2015年水稻生产的全要素生产率；我国人均农业产出增加和工业化进程中对农业全要素生产率等进行了研究。关于绿色全要素生产率测算指标体系的构建研究，Fare等[15]，Rezek等[16]认为环境友好型生产技术变革的关键在于测算技术效率。关于农业绿色全要素生产率的测算方法，Charnes等[17]提出的数据包络分析（DEA）和Caves等[18]提出的Malmquist指数成为绿色全要素生产率的测算基础模型，衍生出Banker等[19]、Coelli等[20]的CCR、BCC等径向距离函数和Chung等[21]的方向性距离函数；Tone[22]在基础上提出了非径向距离函数的SBM模型解决了投入产出等比例和松弛改进问题；前沿面方法的农业TFP测算考虑了技术无效率，以实际投入产出与前沿面的距离表示无效率水平[23]。因而，数据包络分析法被应用广泛于前沿面的研究[24]。

综上所述，农业非点源污染和农业绿色全要素生产率中的碳排放是意料之外的产物，径向DEA模型的计算方法在短期观测波动下的结果存在不确定性。因此，本文通过采用克服基于松弛改进的非径向、非角度SBM方向距离函数，测度湖南省农业绿色全要素生产率，识别其核心影响因素，探索“双碳”目标与农业绿色全要素生产率之间的内在逻辑关系，提高农业绿色全要素生产率。

1 研究内容与方法

1.1 研究模型

对于传统的径向DEA无效率单元格（DMU）体现松弛改进的部分，Tone[25]通过在目标函数中引入投入和产出的松弛量，以基于松弛改进的非径向非角度SBM模型进行解决。本研究借鉴李谷成[26]构建的SBM-DDF模型。

Malmquist-Luenberger指数模型考虑了非期望产出的生产率变化指数，按照成刚[27]的几何平均值相关理论进行测算；将ML指数分解为技术效率变化、技术进步变化，分别用EFFCH、TECH表示，即：ML=EFFCH×TECH。进一步将技术效率变化（EFFCH）分解为技术规模效率变化（SEEC）和纯技术效率变化（PEC），则ML指数变成了3部分，当ML>1时，效率提高；反之，效率降低；当ML=1时，保持不变。参考梁俊等[9]构建的固定效应模型（FE）进行湖南省农业绿色全要素生产率影响因素的回归分析。

1.2 指标选取及数据来源

1）投入测算指标。本研究采用2012—2022年湖南省14个市（州）农业投入产出的面板数据，估算湖南省农业绿色全要素生产率。文中所指的农业包括种植业、畜牧业和渔业，在确定研究对象和研究范围的基础上，通过文献关键词遴选出测算指标如表1所示。在测算农业绿色主要素生产率（AGTFP）时处理环境污染物指标时将环境污染作为非期望产出，而产出指标包括期望产出和非期望产出，前者为农业总产值，后者为碳排放量。

2）产出指标。农业污染测算借鉴赖斯芸等[28]的单元调查法，非期望产出（万t）为农业生产活动中产生的各种面源污染，指标集如表2～3所示。

3）数据来源。农业产污影响因子不同，强度亦有所差异，综合现有文献资料来计算化肥、畜禽养殖、水产养殖物、农作物、农药及农膜的产污强度。研究中关于碳排放量测算参考文献[29-32]的相关研究成果进行（表4）。

4）数据描述性统计。湖南省2012—2022年间，农业面源产污要素产量、农作物总播种面积、有效灌溉面积、第一产业从业人数、机械总动力、农用塑料薄膜施用量、化肥施用量等无论是投入指标、期望产出与非期望产出的指标都有大幅增加；各地区之间发展不平衡现象突出，导致最大值与最小值之间差异大；第三，各地碳排放量（C）也随着投入和期望产出的增加而增加，具体数值如表5所示。

5）影响因素的指标选取和数据来源。根据绿色农业全要素生产率测算指标和文献分析来遴选出影响湖南省绿色农业全要素生产率的核心因素见表6。数据来源于《湖南省统计年鉴》《湖南省农村统计年鉴》等资料。

6）影响因素的变量描述性统计。AGTFP是以年为基期的环比指数，参考李谷成[26]学者的分析方法，结果如表5所示。

2 结果与分析

2.1 湖南省农业绿色全要素生产率研究结果与分析

1）演变趋势分析。如表6所示，湖南省2012—2022年AGTFP变动率均值为1.120，除2016—2017年外，历年的变动平均值均大于1，并呈增长态势。2015—2016年湖南AGTFP均值小于1，AGTFP出现下降。同时，湖南省AGTFP指数的变化从2012年的1.174下降到2015年的0.989，然后，又上升到2020年的1.138，又下降到2022年的1.101，呈现振荡状波动。

湖南省AGTFP的TECH和技术效率（EFFCH）指数均大于1，TECH指数变化均值为1.108，大于EFFCH指数变化均值1.006。历年TECH指数变化多大于1，而EFFCH指数变化多小于1，技术进步带来了效率提升，而技术本身效率提高贡献较小。PEC指数变化均值为0.906，SEEC变化均值为1.109，表明当前农业绿色要素的投入产出处于规模递增阶段。

2）区域差异分析。湖南省各市（州）的AGTFP指数如表8所示，2012—2022年间，除张家界均值为0.990小于1以外，其余各市均值均大于1，表明湖南省各地AGTFP 保持较好增长态势，其中岳阳、长沙、常德、衡阳4市表现突出，均值分别为1.187、1.179、1.173、1.165，AGTFP指数增长幅度下降明显。同样，除湘西、益阳、娄底缓慢逐步上升外，其他各地都处于振荡与下降的趋势。因此，生产效率仍然有较大的提升空间，农业增长主要还是依赖于投入增加。

3）地区特征。益阳与湘西都具有优良的农业自然资源优势，并且工业污染对农业绿色生产的影响较小，因此，呈现稳步的提升趋势，但是由于两地经济总体较弱，投入相对欠缺，所以增长速率较缓；常德、衡阳、株洲、郴州、怀化5市受环境规制变化影响，在农业投入增大的情况下，农业产业结构和农业生产条件都没有得到优化升级，致使农业绿色全要素生产率出现停滞不前和较快倒退的趋势；岳阳市农业绿色生产率位列湖南省第一，也是湖南省农业主产区，地处洞庭湖平原，农业绿色生产自然资源条件较好，受国家生态示范区建设的影响，环境规制严格，绿色技术创新与生态环境治理的资金投入充足，虽然农业绿色生产率同样为振荡性小幅下降，但是该区域农业绿色全要素生产率一直处于较高水平。

4）空间特征。2011—2022年湖南省的年均农业绿色全要素生产率（AGTFP）为1.134、绿色技术效率（EFFCH）为1.006、绿色技术进步（TECH）为1.108。3项指标中，只有绿色技术进步呈上升趋势，农业绿色全要素生产率与绿色技术效率都呈现下降。说明湖南省在农业绿色技术创新能力提升，农业绿色生产能力增强的情况下并没有提升生产效率。第二从时序演变分析。2011—2022年，依靠绿色前沿技术进步驱动和生态环境治理的制度优势效应影响，湖南农业绿色全要素生产率虽然在2011—2015年间为递降趋势，但是2015年后下降趋势得到了有效遏制，自2016—2022年呈现出稳步上升的良好局面，原因是自党的十八大以来，绿色发展逐步成为全社会共识。2016—2022年的研究期间，因强化绿色发展理念，推动绿色技术进步，农业绿色管理水平与治理能力提升，导致农业绿色全要素生产率回升。第三从空间异质分析。湖南省农业绿色全要素综合生产率的空间分布不均衡。岳阳、长沙、常德、衡阳、株洲、郴州出现了先扬后抑的特征，后续拉动之势将逐步明显。永州、邵阳、湘西、张家界农业绿色全要素率虽然不高，但是增长趋势明显，这些地区绿色农业的基础较为薄弱、投入力度远不如前面几个地区。

2.2 湖南省农业绿色全要素生产率驱动要素的实证结果

数据分析显示，湖南省农业绿色全要素生产率的驱动要素中：农业生产机械化程度、农业化肥投入量和农村劳动力人力资本水平对农业绿色全要素生产率有显著的正向影响；农业农村生态环境破坏造成的水土流失治理水平不高、高新技术产业增加值对农业产值的抑制有显著负向影响；然而，农业机械化程度的提高对丘陵山区农业的绿色全要素生产率没有显著影响；土壤肥力导致的农业生产能力下降对丘陵山区农业绿色全要素生产率的正向影响不显著；农业市场机制的不完善对农业绿色全要素生产率的负面影响不显著。农业技术供需不匹配、农村基础设施薄弱、资金不足，影响了农业的绿色全要素生产率。

其他驱动要素中：第二产业和第三产业的发展水平具有不显著的积极影响。一方面，快速的城市化加速了农村一二三产业的融合。然而，第二和第三产业的快速发展导致了优质劳动力的外流，抑制了农业的绿色全要素生产率。在农业生产社会化服务体系不健全的背景下，农村三产融合机制弱化了农业绿色全要素生产率。对技术改造投资和对外开放水平没有显著的负面影响，可能是由于技术改造投资的外部环境不利；对外开放水平提高，短期内国内农产品市场受到较大影响，影响了农业绿色全要素生产率。

3 结论与建议

3.1 研究结论

1）湖南农业绿色全要素生产率呈现振荡变化

湖南省农业绿色全要素生产率在前沿绿色技术进步的推动下，2012—2012年呈现先降后升的发展趋势。然而，前沿绿色技术的倒退和绿色技术效率的丧失等问题也不容忽视，影响着农业绿色全要素生产率的提高。

2）湖南省农业绿色全要素生产率空间差异显著

湖南省是典型的洞庭湖平原地区与湘西北丘陵地区所共同组成的地形地貌。研究表明，在洞庭湖平原地区农业绿色全要素生产率呈显著“W”形波动，而在湘西北地区丘陵地带，自然生态环境良好、以农业为主的丘陵山区，研究期内年均农业全要素绿色生产力呈逐步缓慢上升趋势，没有显著的振荡状况，但是，农业绿色全要素生产率明显低于洞庭湖平原地区和经济较发达的湘东、湘中地区；同时，研究发现经济区位优势较好的地区农业绿色全要素生产率较高，充分体现了绿色发展与经济的相互支撑。

3）影响湖南农业绿色全要素生产率的主要因素

影响湖南省农业绿色全要素生产率的主要因素是：农业机械化程度、农业化肥投入和农村人力资本水平，对农业绿色全要素生产率有显著的正向促进作用；水土流失治理水平和高新技术产业增加值具有显著的正向促进作用；技术改造投资对第二产业和第三产业发展水平没有显著的正向促进作用；对外开放水平的负面影响微乎其微。根据上述研究结论，本文研究者将从湖南省农业绿色与经济发展的耦合协调度，对驱动要素的权衡进行纵深研究。

3.2 对策建议

1）提高绿色农业生产主要技术实施率

在“双碳”目标约束下，科技创新降碳减排，提高农业绿色全要素生关键是要加大农业技术创新投入，鼓励科研院所、龙头企业、专业合作社等创新主体联合发展，激活各创新主体创新活力。在长株潭、洞庭湖流域等地区加快建设湖南省现代农业产业园区和农产品加工园区，提高农业农村互联网应用率和智能化水平。提高农业技术的实施率和利用效率，加快解决农业科技成果转化的“最后一公里”问题，发挥农业生产主要技术的可持续效益。

2）促进农业减量增效来降低碳排放量

在“双碳”目标约束下，重点是降低单位产量的碳排放，有效促进化肥和农药使用负增长。优化农业生产要素配置，实施精准施肥一体化技术，提高肥料利用效率，降低单位产值投入。重点研究和使用高效低毒农药，降低单位产值农药投入量。逐步淘汰高排放农业机械的使用。加大绿色低碳农业技术人才培养和培训力度，全面提升绿色低碳技术的应用水平。

3）完善和统筹城乡生态资源协调发展

以“双碳”目标为引领，科学践行“绿水青山就是金山银山”的生态文明和生态经济理念。加强水源保护和湿地保护，提高生态系统稳定性。统筹城乡一体化环保基础设施建设，统筹构建并提高一二三融合过程中产业市场议价能力；逐步将农业碳排放、农业碳金融纳入整体性的碳排放交易、碳金融市场。在全省范围内遴选条件较好、优势明显的低碳绿色农业示范区进行经验总结与推广，形成示范与带动效应，并加强与国际、国内先进的绿色农业地区在人才、技术、产业、市场等方面进行交流与合作，缩小差距，形成湖南绿色农业发展的优势与特色。

参考文献：

[1] 牛君，耿欣钊.“双碳”目标下我国碳权交易研究现状和展望[J].中南林业科技大学学报（社会科学版），2023，17（6）：18-32. NIU J， GENG X Z. Current status and prospects of carbon rights trading research in China under the Dual Carbon Goal[J]. Journal of Central South University of Forestry Technology （Social Sciences），2023，17（6）：18-32.

[2] 吕剑平，乔宇佳.甘肃省农业碳排放时空演变及影响因素研究[J].中南林业科技大学学报（社会科学版），2023，17（5）： 52-64. LYU J P， QIAO Y J. Study on the spatio temporal evolution and influencing factors of agricultural carbon emissions in Gansu province[J]. Journal of Central South University of Forestry Technology （Social Sciences），2023，17（5）：52-64.

[3] CHUNG Y H， F？RE R， GROSSKOPF S. Productivity and undesirable outputs： A directional distance function approach[J]. Journal of Environmental Management，1997，51（3）：229-240.

[4] REZEKJ P， RICHARD K P. Environmentally adjusted agricultural productivity in the great plains[J]. Journal of Agricultural and Resource Economics，2004，29（2）：346-369.

[5] 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（5）：24-33. WANG Q， WANG H， CHEN H D. Study on the change of agricultural green total factor productivity in China 1992-2010[J]. Economic Review，2012（5）：24-33.

[6] 陈舜，逯非，王效科.中国氮磷钾肥制造温室气体排放系数的估算[J].生态学报，2015，35（19）：6371-6383. CHEN S， LU F， WANG X K. Estimation of greenhouse gas emission coefficient from NPK fertilizer production in China[J]. Acta Ecologica Sinica，2015，35（19）：6371-6383.

[7] 石慧，孟令杰.中国省际间农业全要素生产率差距影响因素分析[J].南京农业大学学报（社会科学版），2007，7（2）： 28-34，56. SHI H， MENG L J. Analysis on influencing factors of interprovincial agricultural total factor productivity gap in China[J]. Journal of Nanjing Agricultural University （Social Sciences Edition），2007，7（2）：28-34，56.

[8] 贾淼，刘清娟.河南省农业绿色发展绩效研究—基于DEA非参数效率模型[J].粮食科技与经济，2019，44（6）：126-129. JIA M， LIU Q J. Research on agricultural green development performance in Henan province： based on DEA nonparametric efficiency model[J]. Grain Science Technology and Economy， 2019，44（6）：126-129.

[9] 梁俊，龙少波.农业绿色全要素生产率增长及其影响因素[J].华南农业大学学报（社会科学版），2015，14（3）：1-12. LIANG J， LONG S B. Agricultural green total factor productivity growth and its affecting factors[J]. Journal of South China Agricultural University （Social Science Edition），2015，14（3）：1-12.

[10] 刘惠良，肖华茂，刘红峰.基于绿色发展的乡村振兴水平测度及其驱动因素[J].中南林业科技大学学报，2023，43（8）： 202-210. LIU H L， XIAO H M， LIU H F. Measurement of rural revitalization level and its driving factors based on green development[J]. Journal of Central South University of Forestry Technology，2023，43（8）：202-210.

[11] 陈芳，杨梅君.农产品国际贸易对中国农业绿色全要素生产率的影响[J].华南农业大学学报（社会科学版），2021，20（5）： 94-104. CHEN F， YANG M J. Effects of international trade in agricultural products on green total factor productivity in China[J]. Journal of South China Agricultural University （Social Science Edition）， 2021，20（5）：94-104.

[12] 余航，马旭，李泽华，等.基于生产率视角的中国水稻生产方式发展绩效评价[J].广东农业科学，2018，45（11）：159-166. YU H， MA X， LI Z H， et al. Evaluation of development performance of rice production mode in China based on productivity perspective[J]. Guangdong Agricultural Sciences，2018，45（11）： 159-166.

[13] 肖琴，周振亚，罗其友.长江经济带农业绿色生产效率及其时空分异特征研究[J].中国农业资源与区划，2020，41（10）： 119-128. XIAO Q， ZHOU Z Y， LUO Q Y. Research on the efficiency and spatio temporal differentiation characteristics of agricultural green production in the Yangtze River Economic Belt[J]. Chinese Journal of Agricultural Resources and Regional Planning，2020，41（10）：119-128.

[14] 陈婷婷.资源环境约束下我国西部地区农业全要素生产率增长及其影响因素[J].贵州农业科学，2015，43（7）：216-220，226. CHEN T T. The growth of agricultural total factor productivity and its influencing factors in western China under resource and environmental constraints[J]. Guizhou Agricultural Sciences， 2015，43（7）：216-220，226.

[15] F？RE R， GROSSKOPF S， NORRIS M， et al. Productivity growth technical progress， and efficiency change in industrialized countries[J]. The America Economic Review，1994（84）：66-83.

[16] REZEK J P， PERRIN R K. Environmentally adjusted agricultural productivity in the great plains[J]. Jonurnal of Agricultural Resource Economics，2004，29：346.

[17] CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research，1978，2（6）：429-444.

[18] CAVES D W， CHRISTENSEN L R， DIEWERT W E. The economic theory of index numbers and the measurement of input， output， and productivity[J]. Econometrica，1982，50（6）：1399-1414.

[19] BANKER R D， CHARNES A， COOPER W W. Some models for estimating technical and scale in efficiencies in data envelopment analysis[J]. Management Science，1984，30（9）：1078-1092.

[20] COELLI T J， RAO D S， DONNELL C J， et al. Introduction to efficiency and productivity analysis [M]. 2nd ed. NewYork： Springer，2005.

[21] CHUNG Y H， F？RE R， GROSSKOPF S. Productivity and undesirable outputs： a directional distance fuction approach[J]. Journal of Environment Management，1997（51）：229-240.

[22] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research， 2001，130（3）：498-509.

[23] 史常亮，张益.中国农业全要素生产率增长收敛吗？—基于空间视角的分析[J].内蒙古社会科学，2021，42（1）：137-146. SHI C L， ZHANG Y. Does China’s agricultural total factor productivity growth converge？ Analysis based on spatial perspective[J]. Inner Mongolia Social Sciences，2021，42（1）：137-146.

[24] 葛鹏飞，王颂吉，黄秀路.中国农业绿色全要素生产率测算[J].中国人口·资源与环境，2018，28（5）：66-74. GE P F， WANG S J， HUANG X L. Measurement for China’s agricultural green TFP[J]. China Population， Resources and Environment，2018，28（5）：66-74.

[25] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research， 2001（130）：498-509.

[26] 李谷成.中国农业的绿色生产率革命：1978—2008年[J].经济学（季刊），2014，13（1）：537-558. LI G C. The green productivity revolution of agriculture in Chinese from 1978 to 2008[J]. Economics （Quarterly），2014，13（1）：537-558.

[27] 成刚.数据包络分析方法与MaxDEA软件[M].北京：知识产权出版社，2014：271-275. CHENG G. Data envelopment analysis method and MaxDEA software[M]. Bejing： Intellectual Property Publishing House， 2014：271-275.

[28] 赖斯芸，杜鹏飞，陈吉宁.基于单元分析的非点源污染调查评估方法[J].清华大学学报（自然科学版），2004，44（9）：1184-1187. LAI S Y， DU P F， CHEN J N. Evaluation of non-point source pollution based on unit analysis[J]. Journal of Tsinghua University （Science and Technology），2004，44（9）：1184-1187.

[29] 李波，杜建国，刘雪琪.湖北省农业碳排放的时空特征及经济关联性[J].中国农业科学，2019，52（23）：4309-4319. LI B， DU J G， LIU X Q. Temporal and spatial characteristics and economic correlation of agricultural carbon emissions in Hubei province[J]. Scientia Agricultura Sinica，2019，52（23）：4309-4319.

[30] 段华平，张悦，赵建波，等.中国农田生态系统的碳足迹分析[J].水土保持学报，2011，25（5）：203-208. DUAN H P， ZHANG Y， ZHAO J B， et al. Carbon footprint analysis of farmland ecosystem in China[J]. Journal of Soil and Water Conservation，2011，25（5）：203-208.

[31] 谭日辉，刘慧敏.中国农业绿色全要素生产率空间关联网络特征演化及影响因素[J].中国生态农业学报，2022，30（12）： 2011-2022. TAN R H， LIU H M. Characteristic evolution and influencing factors of the spatial correlation network of agricultural green total factor productivity in China[J]. Chinese Journal of Eco-Agriculture， 2022，30（12）：2011-2022.

[32] 姚凤民，徐皓南，郭欣仪，等.碳排放约束下的农业绿色全要素生产率研究—基于广东省面板数据的实证分析[J].广东农业科学，2022，49（3）：163-172. YAO F M， XU H N， GUO X Y， et al. Research on agricultural green total factor productivity under carbon emission constraints： empirical analysis based on panel data in Guangdong province[J]. Guangdong Agricultural Science，2022，49（3）：163-172.

[本文编校：吴 毅]