1、华中农业大学学报（社会科学版），（总166期）2023（4）Journal of Huazhong Agricultural University（Social Sciences Edition）粮食主产区政策对农业碳排放的影响贺青1,2，张俊飚2（1.湖北第二师范学院 经济与管理学院/乡村振兴研究中心，湖北 武汉 430205；2.华中农业大学 经济与管理学院，湖北 武汉 430070）摘 要 设立粮食主产区，这是国家实施的一项保障粮食安全的特殊战略。主产区作为中国粮食生产的重要基地，也是中国农业温室气体排放的主要区域，从新形势下的粮食安全来看，日益突出的生态安全问题逐渐成为制约我国农业可持
2、续发展的瓶颈。本文将2004年粮食主产区政策的实施作为一次自然实验，利用双重差分模型，实证检验粮食主产区政策对农业碳排放的影响效应，并探究粮食主产区的碳减排机制。经过研究发现：（1）从基准差分模型回归结果来看，粮食主产区政策对农业碳排放具有显著的“减排”效应，即粮食主产区基本实现了“增产且减排”的政策目标。（2）从单位面积农业碳排放回归结果来看，粮食主产区政策显著降低了主产区整体及三大流域的农业碳排放，其中对长江流域碳排放的削减效应最大。（3）从政策效应的机制分析结果来看，扩大土地经营规模是粮食主产区政策产生减排效应的重要机制。因此，应大力推进种植业和养殖业的规模化，发展适度规模经营，进一步优
3、化农业产业结构，增加低碳产业比重，从而实现“粮食增产”与“生态环境”协同发展的目标。关键词 粮食主产区；双重差分模型；政策效应；农业碳减排机制中图分类号：F224.9 文献标识码：A 文章编号：10083456（2023）04004709DOI编码：10.13300/ki.hnwkxb.2023.04.006气候变化，全球变暖正成为经济社会发展的重要议题。联合国政府间气候变化委员会（IPCC）预测，在未来100 年左右，全球平均温度将上升大约1.84摄氏度，温室气体排放是造成全球气候变暖的直接原因。农业生产活动过程中所产生的温室气体，已成为全球温室气体的重要组成部分1。IPCC研究发现，农业生
4、产排放的二氧化碳（CO2）、氧化亚氮（N2O）和甲烷（CH4）分别占人类活动所排放的温室气体总量的20%、70%和50%，农业仍然依赖消耗大量资源的方式发展2。粮食安全和农业绿色发展是我国乡村振兴的重要任务，二十大报告指出：全方位夯实粮食安全根基，确保中国人的饭碗牢牢端在自己手中。在保障粮食产量增长的同时，如何实现“双碳”目标，达成粮食安全与生态环境的双赢，是当前农业生产亟待回答的问题。国家统计局公布的数据显示，2022年我国粮食总产量达到13730.6亿斤，比2021年增产73.6亿斤。从2003年的8613.0亿斤到2022年13730.6亿斤，全国粮食产量已经实现了“十九年连增”，并且连
5、续8年超过了1.3万亿斤。粮食的丰产为应对多变的国际形势、保障国家粮食安全提供了坚实的基础。粮食主产区省份在粮食生产方面具有资源禀赋的比较优势，并且在地域上具有明显的产业聚集特点3。粮食主产区既是中国粮食的主要供应基地，也是中国农业温室气体排放的主要区域4。一方面，与非粮食主产区相比较，粮食主产区的农药、化肥、农业机械等生产要素的消耗数量、单位面积的农业碳排放量相对较高，由此带来的环境污染更加严重5。另一方面，粮食主产区由于产业聚集效应，能显著提升农业技术创新水平，而农业新技术的应用可能会降低农业碳排放，减少粮食主产区的收稿日期：20221116基金项目：国家社会科学基金重点项目“基于经济高质
6、量发展的农业自然资源高效利用研究”（20AZD091）；中国博士后基金项目“供给侧改革视角下农业产业链与科技创新链协同机制研究”（2018M632888）。（总166 期）华中农业大学学报（社会科学版）环境污染6。因此，在粮食安全的目标下，主产区的粮食产量连年增长是增加了农业碳排放还是减少了农业碳排放尚无定论。已有文献对农业碳排放和减排策略问题进行了大量研究，相关文献主要有3类。一类是关注农业碳排放的影响因素。有学者采用LMDI模型分解了中国农业碳排放的影响因素7，指出农业碳排放主要受到经济发展、生产效率、产业结构、劳动力等因素的影响，其中农业经济发展为农业碳排放的促进因素，生产效率、产业结构
7、和劳动力为农业碳排放的抑制因素。此外，农业技术89、农户低碳生产意愿10、产业聚集11、农产品贸易12、农地经营规模1314、农村劳动力转移15等也是农业碳排放减少的重要原因。二类是关于碳排放减排措施。有关CO2减排措施方面，研究指出通过植树造林、林业保护能增加碳汇16；通过改善土壤质量、保护耕地能提高碳的吸附潜力17，运用现代生物技术可以捕捉和储存CO218。有关非CO2减排措施方面，研究指出通过测土配方技术、农田综合管理等现代农业技术能够减少农药化肥等化学品的投入1920，通过规模化、标准化养殖技术能够减少牲畜养殖造成的碳排放21；农业生产补贴、市场监管、碳市场交易等方式也能有效降低农业碳
8、排放22。三类是评价粮食主产区政策效应。罗斯炫等发现主产区政策显著增加了粮食产量，并降低了农业面源污染23。李红莉等认为主产区的设立，在粮食增产的同时提高了农户的经营性收入24。田云等对主产区的公平性进行了考察，指出我国种植业呈高碳排放和低收益的特征，需要加大低碳技术的推广25。上述文献侧重研究农业碳排放影响因素和减排机制，也有关注粮食主产区政策与粮食安全的关系，较少有文献考察了粮食主产区政策对农业碳排放的影响。仅有的研究虽然验证了粮食主产区政策能带来化肥面源污染下降，但对面源污染关注范围过窄，不能对农业碳排放进行整体把握。从农业碳排放视角来看，仅仅关注化肥投入是远远不够的，需要考察全农业生产
9、过程中的碳排放。对于政策实施效果的评价，目前采用田间试验进行评估的较多，而运用计量模型实证分析政策效应的较少，缺乏对粮食主产区政策效果的科学评估。因此，本文运用双重差分模型，从时间维度检验粮食主产区政策实施前后对农业碳排放影响效应的变化，并引入土地经营规模这一重要因素，探析主产区政策对农业碳排放的“减排”机制。一、模型、变量与数据来源1.模型构建为避免一般模型估计的内生性问题，本文运用双重差分（Difference-in-Difference，DID）模型，比较政策颁布前后粮食主产区农业碳排放与非粮食主产区农业碳排放的差异。双重差分模型构建如下：lncarbonit=+(teamiperiod
10、t)+Xit+ui+t+it（1）式（1）中，被解释变量carbonit是省份i在第t年的农业碳排放量；teami反映该省份是否为粮食主产区的虚拟变量，该地区为主产区时数值为1，否则为0；periodt反映关于粮食主产区政策实施时点的虚拟变量，2004年政策实施之前数值为0，2004年及之后数值为1；Xit是影响农业碳排放的一些相关的控制变量；ui、t分别是地区和时间的固定效应；it代表随机误差项。交互乘积项teamiperiodt是本文关注的重点，该乘积项的估计系数反映粮食主产区政策实施后的影响程度。在式（1）的基础上，采用事件分析法进一步检验粮食主产区政策效应的平行趋势，并分析该政策随着时
11、间推移其影响效应的动态变化。将式（1）拓展如下：lncarbonit=+t=19982019t(teamidt)+Xit+ui+t+it（2）式（2）与式（1）不同之处是，式（2）中用具体年份的虚拟变量dt替代了政策实施时间点periodt的变量，交互项teamidt表示粮食主产区或非粮食主产区省份各年份政策是否实施的虚拟变量。t的估计值可以反映设立粮食主产区第t年，实验处理组与参照基准组之间农业碳排放的区别。如果进48第4 期贺青 等：粮食主产区政策对农业碳排放的影响一步将政策实施的时间点滞后处理，则乘积项估计系数t反映粮食主产区政策实施后影响效应的变化情况。2.变量选取（1）被解释变量。农
12、业碳排放（carbon，万吨），本文参照李波等7、田云等25的碳排放因子计算方法，对粮食主产区的农业碳排放和农业碳强度进行测度。按照农地利用、水稻种植、牲畜养殖、能源消耗四方面的碳源进行计算。用各碳源排放系数与碳源排放量的乘积，加总计算出农业碳排放总量，用农业碳排放总量除以农业生产总值得到农业碳强度。（2）核心解释变量。乘积交互项（teamiperiodt），2004年开始设立粮食主产区，teami表示是否为粮食主产区虚拟变量，periodt表示政策是否开始实施的虚拟变量。如果是取1，否则取0。（3）控制变量。农业劳动力（labor），选择从事第一产业的人员数来表示；农业经济增长（income
13、，元），农业经济增长最直观的表现就是农村居民人均收入的增长，它能客观衡量该区域农村的经济发展水平；城镇化（urban，%），城镇化水平提高，农业资源的消耗会逐渐减少，会在一定程度上减少农业碳排放。用各省城镇总人口数量除以总人口数量计算出城镇化率；产业结构(structure，%)，农业产业结构定义为种植业与畜牧业GDP与农业GDP的比值，农业GDP以农牧渔林业GDP来表示；农业机械化（machine，千瓦），采用农业机械总动力衡量农业机械化水平，农业机械化水平是农业现代化进程中对农业碳排放影响较大的一个因素；粮食产量（production，万吨），一年内农业生产者种植收获的全部粮食数量。3.数
14、据来源本文把2004年设立的13个粮食主产区作为实验处理组，18个非粮食主产区作为参考组，运用1998-2019年的面板数据，对主产区政策进行一次自然实验分析。研究思路为：利用双重差分法，分析实验处理组和参照组在政策干预前后（1998-2003年、2004-2019年）的变化趋势，估计粮食主产区政策对实验处理组农业碳排放的影响效应和作用机制。根据地理位置，把中国粮食主产区划分为三大区域：长江流域（江西、安徽、湖北、湖南、江苏、四川）、松花江流域（吉林、辽宁、黑龙江）和黄河流域（河北、山东、河南、内蒙古），进一步考察粮食主产区政策对三大区域农业碳排放的作用效应。相关数据来源于 中国统计年鉴 中国
15、农村统计年鉴 中国能源统计年鉴 及各省统计年鉴。将所有与货币有关的变量以1998年为基期进行消胀处理，并取对数以消除异方差所引致的影响，变量描述性统计见表1。二、结果分析1.基准模型估计结果分析运用双重差分法对式（1）进行估计，基准模型的回归结果见表2。为了探索粮食主产区政策对农业碳排放的影响，本文先将主产区总体农业碳排放作为被解释变量进行双重差分估计，回归结果见列（1）、（2），从交互乘积项teamperiod的回归系数可知，估计值系数为负，说明粮食主产区政策对主产区整体农业碳排放有削减效应。根据地理区域划分，粮食主产区被划分为三大区域：长江流域、松花江流域和黄河流域，进一步考察粮食主产区政
16、策对三大区域农业碳排放的影响效应。由列（3）、（5）、（7）可以看出，粮食主产区政策对松花江、黄河、长江三大流域农业碳排放都具有减少效应，且在1%水平上显著。三大流域对农业碳减排的影响效应大小排序为：松花江流域黄河流域长江流域。在模型中加入控制变量以后，估计结果见列（4）、（6）、（8），交互乘积项回归系数仍然为负，系数的绝对值降低。一般没有纳入表1主要变量统计描述结果N=682变 量carbonlaborincomemachinestructureurbanproduction最小值34.32971232910.3020.14029最大值1728.13773733195133530.7570.8967507平均数455.102011700426210.5300.4751756标准差328.601486547726150.0880.172146749（总166 期）华中农业大学学报（社会科学版）控制变量的估计结果会偏高，但粮食主产区政策对农业碳排放的负向作用依然显著。三大流域的估计结果表明，粮食主产区政策实施后，2004-2019年，松花江流域农业碳排放平均降低了2.6%，黄河流域平均
