2011-2020年中國大豆生產碳排放效率時空演變及影響因素

陳偉 洪靜蘭 李照令 王亞平 張天祚 耿涌

關鍵詞：生命周期評價；大豆；碳排放效率；影響因素；超效率SBM；Tobit模型

全球變暖危及地球生態安全和人類可持續發展，已經成為全人類共同面臨的嚴重威脅［1］。農業生產活動是碳排放的重要來源，世界糧食體系的碳排放約占全球人為碳排放的三分之一［2-3］。作為全球農業大國，中國農業碳排放總量由1961年的2.49億t增長至2018年的8.7億t［4］。若不采取有效的碳減排措施，2060年中國農業碳排放相對于2018年將增加60%以上［5］。在“雙碳”目標背景下，農業面臨更加嚴峻的碳減排壓力。大豆是中國主要糧食作物之一，同時也是重要的油料作物以及優質蛋白的主要來源。隨著人民生活水平的日益提高和養殖業的快速發展，對油脂和飼用蛋白的需求不斷增加［6］。然而，中國大豆對外依存度高達85%，提高大豆自給率事關國家糧食安全。2021年農業農村部印發的《“十四五”全國種植業發展規劃》的通知中提出“到2025年，力爭大豆播種面積達到1.6億畝左右，產量達到2300萬t左右”［7］（1畝≈667m2）。然而，2011—2018年中國大豆生產單位產量碳排放和單位產值碳排放分別增長了18.33%和52.42%［8］；而且種植業生產過程中農業機械、農藥、化肥等替代勞動力使用的增加，將進一步提高種植業碳排放強度。由此可見，加快推動大豆低碳生產行動責無旁貸。大豆碳減排要求在既定投入要素下保證大豆產值并減少碳排放。然而，中國地域發展不平衡，不同地區大豆種植的自然條件、生產方式、技術水平等具有較強的異質性，不同地區大豆生產碳排放及碳排放效率存在差異。因此，有必要基于不同地區要素稟賦結構的異質性，考察大豆生產碳排放及碳排放效率。本研究在客觀核算中國大豆生產全生命周期碳排放量的基礎上測度碳排放效率，探索宏觀層面的影響因素并探尋優化路徑，為推進大豆乃至農業低碳發展提供有益支持。

1文獻綜述

從現有文獻來看，農業碳排放的研究成果較為豐富，涵蓋農業碳排放測度、農業碳排放效率測算和農業碳排放效率影響因素探究等方面。①學者們從不同方面測算了農業碳排放。研究尺度上，金書秦等［4］和田云等［9］針對國家、吳賢榮等［10］針對省域、尚杰等［11］針對市域和李遠玲等［12］針對縣域的農業碳排放問題開展了大量研究。研究內容上，既有種植業［13］、畜牧業［14］和漁業［15］等產業碳排放研究，也有針對單一作物如水稻［16］、小麥［17］、玉米［17］、油菜籽［18］和大豆［19］等的研究。②農業碳排放效率作為衡量農業產出水平的指標受到廣泛關注。吳賢榮等［10］運用DEA模型、陳陽等［20］運用超效率SBM模型對不同尺度農業和不同種類農作物［21-22］的碳排放效率進行測度，研究尺度涉及國家［23］、省域［24］和縣域［25］等。③在測度碳排放效率的基礎上對其影響因素展開探究。吳賢榮等［10］運用Tobit模型、尚莉媛等［26］運用空間杜賓模型，探討自然、經濟和社會等因素對農業碳排放效率的影響，評價指標涉及產業結構［24］、農業經濟發展水平［10］、勞動力受教育程度［27］、農村用電量［24］和農作物受災程度［23］等。除上述研究外，田云等［28］圍繞農業碳排放效率與經濟增長的耦合關系、田云等［29］圍繞農業碳減排補償機制和王辰璇等［30］圍繞農業碳排放效率門檻效應等方面，對農業碳排放相關問題展開廣泛探討。

現有農業碳排放相關文獻和實踐研究成果較為豐富，對于理解大豆生產碳排放效率具有重要啟發和借鑒意義。文獻梳理表明：①不同地區的農業在自然條件、生產方式和技術水平等方面具有較強的異質性，且不同農作物在投入產出方面有較大差異。因此，需要立足具體的農作物構建區域異質性的作物生命周期清單，測度其碳排放量、碳排放效率及其影響因素。然而，目前全國尺度大豆生產碳排放研究相對較少，且鮮有關于大豆生產碳排放效率的系統研究。②農業碳排放效率研究中碳排放測算多基于碳排放系數法，所用碳源的碳排放系數來源多樣，而碳源的碳排放系數受生產技術、管理水平等影響，具有明顯的區域異質性。③目前尚沒有關于大豆生產碳排放效率影響因素的研究。因此，本研究采用生命周期評價法客觀測度2011—2020年全國及各主產區大豆生產全生命周期碳排放，繼而采用兼顧期望產出和非期望產出的超效率SBM模型測度大豆生產碳排放效率，并探究其時空演化態勢，而后利用Tobit模型探尋影響大豆碳排放效率變動的主要因素，并提出促進大豆生產低碳發展的對策建議。

2研究方法、變量選取與數據說明

2.1研究方法

2.1.1大豆生產碳排放測算方法

（1）研究功能單位與系統邊界。國際標準化組織（ISO）于2013年發布ISO14067，將生命周期評價確定為產品碳足跡核算的技術方法［31-32］，確定功能單位和系統邊界是開展生命周期評價的基礎。農業生命周期評價研究通常以單位農產品產量為功能單位，多采取“搖籃到大門”的系統邊界［33］。因此，本研究的功能單位為1t大豆產品，系統邊界為“搖籃到大門”，即測算大豆從播種到收獲全過程各項投入造成的直接和間接溫室氣體排放，具體包括：①生產及運輸各項農資（化肥、種子和農藥等）產生的間接碳排放。②柴油消耗過程的直接碳排放。

（2）清單分析。生命周期清單分析是對產品、工藝或活動整個生命周期階段的能源等資源消耗和向環境的排放進行數據量化分析［34］。大豆種植數據收集分為兩個部分：一是實景流程（即表層清單）數據收集，包括播種、灌溉、施肥等過程的資源投入，以及向環境中的排放（例如柴油消耗導致的直接碳排放）；二是背景流程（即背景清單）數據收集，即投入資源（電力、種子和化肥等）的生產數據。大豆生產碳排放相關生命周期表層清單見表1。

（3）碳排放計算。SimaPro軟件由荷蘭Leiden大學環境科學中心開發，是現階段常用的生命周期影響評價軟件，該軟件集成了ReCiPe等多種生命周期評價方法。本研究選用SimaPro軟件ReCiPe2016模型計算大豆生產全生命周期溫室氣體排放（以CO2為當量進行表征，本研究測算結果統一用碳排放表示）。

2.1.2基于非期望產出的超效率SBM模型

DEA是評價決策單元有效性的常用模型。傳統DEA模型無法測度非期望產出對效率的影響，且忽視了對多個有效決策單元的對比［35］。因此，Tone對DEA模型進行改進，提出了基于非期望產出的非徑向、非角度超效率DEA方法，即基于非期望產出的超效率SBM（Slacks?BasedMeasure，SBM）模型［36］。超效率SBM模型既能將松弛變量納入考慮，又能克服傳統SBM模型難以區分效率值大于1的問題，在碳排放效率測算方面得到廣泛應用［1］。

2.1.3Tobit模型

在對大豆種植碳排放效率進行測算后，為進一步探究影響大豆碳排放效率變動的深層原因，有必要開展大豆種植碳排放效率影響因素分析。但由于超效率SBM模型測算出的農業碳排放效率值是受限因變量（以0為下限），而Tobit模型能夠較好地規避最小二乘法導致的估計偏差［37］，因此該方法在碳排放效率影響因素探究中得到廣泛使用。參考張展等［38］的研究，選擇Tobit模型來解決這類受限因變量的問題。該模型已經被學界熟知，在農業碳排放效率影響因素分析中得到了較廣泛應用［10，24，38］，為此對其公式不進行詳細介紹。

2.2指標選取

2.2.1碳排放效率指標選取

本研究選取勞動、土地和資本三種投入要素，各指標的數據特征見表2。將大豆生產用工天數（農戶家庭成員勞動時長和雇傭工人勞動時長之和）作為勞動投入指標；以大豆播種面積為土地投入指標；以大豆生產所需物質與服務費用為資本投入指標，包括與大豆種植相關的種子費、化肥費、農藥費、租賃作業費、工具材料費和修理維護費等直接費用，以及保險費和管理費等間接費用，并將所需物質與服務費用調整為以2011年為基期的不變價。

本研究將產出要素指標分為期望產出和非期望產出兩種指標。以大豆產值為期望產出，并將其調整為2011年的不變價格；將大豆種植碳排放作為非期望產出，并采用生命周期評價法評估大豆生產碳排放。

2.2.2影響因素指標選取

厘清碳排放效率影響因素是把握優化方向的重要前提。根據相關文獻中對農業碳排放效率影響的研究經驗啟示，研究中重點關注種植結構、農戶文化水平、機械化水平等與種植業生產相關的因素對碳排放效率的影響，選取以下變量探討大豆種植碳排放效率的優化路徑。

（1）作物種植結構。種植結構反映地區某類作物種植的比例，種植結構的變化會導致農業投入要素結構的變化，進而影響作物生產的碳排放效率［39］。參考張利國等［40］的研究，選用大豆播種面積占糧食總播種面積的比例表征作物種植結構，預計該指標與大豆生產碳排放效率呈正相關。

（2）農業產業結構。農業產業結構能夠體現第一產業各生產部門在整個農業系統中所占比例。參考吳賢榮等［10］的研究，選擇農業產值占農林牧漁總產值的比重來表示農業產業結構，預計該指標與大豆生產碳排放效率呈負相關。

（3）農業經濟發展水平。農業經濟發展水平是反映地區農業發展水平和農民生活水平的重要指標［24］。農業經濟發展水平高的地區農用物資投入量相對較高，但同時農業現代化進程較快，有利于農業碳排放效率提升［24］。借鑒侯孟陽等［39］的研究，選用農村人均可支配收入作為農業經濟發展水平的表征，預計該指標與大豆生產碳排放效率呈正相關。

（4）財政支農水平。財政支農水平反映地區財政支農的力度。財政支農增加農民收入，幫助提高農業生產過程中的物資投入，改進生產設備和生產方式，有利于大豆生產碳排放效率的提高。借鑒胡青江等［41］的研究，選擇農林水支出占財政總支出的比重作為描述財政支農水平的指標，預計該指標與大豆生產碳排放效率呈正相關。

（5）農業機械化水平。一方面，農業機械利用會消耗柴油等物資，造成碳排放；另一方面，農業機械能夠通過提升農業產出效率以減少農產品的碳排放，進而提高碳排放效率［42］。因難以預測農業機械化水平對大豆生產碳排放效率的作用方向，所以需進行實證檢驗。參考吳昊玥等［43］的研究，以地均農業機械動力對農業機械化水平進行表征。

（6）農村勞動力受教育程度。農村勞動力的受教育水平一方面影響勞動力對低碳農業的認識，另一方面影響勞動力對新型農業生產技術的運用，進而影響農業碳排放效率。但馬大來［44］的研究結果表明，當勞動力以初、高中文化素質為主時，將對農業碳排放效率產生負向影響。該變量可能的作用方向難以確定，因此需進行實證檢驗。參考田云等［27］的研究，選用初中及以上文化程度勞動者占比對農村勞動力受教育程度進行表征。

（7）農業技術水平。在農業生產活動中，電力能夠提供動力，替代部分柴油等能源。農業產業化經營模式的改變會導致農村用電量的增加［45］。農村用電量的增加意味著農村農用機械設備使用的增加和技術水平的進步［46］。參考吳妍［47］的研究，選擇農村人均用電量這一指標探究農業技術水平對大豆碳排放效率的影響。農業現代化程度越高，農業產出水平也會越高，預計該指標與大豆生產碳排放效率呈正相關。

2.3研究區域與數據來源

鑒于數據可得性和連續性，本研究選取2011—2020年為研究年限，基于國家尺度以及中國10個大豆主產區（河北、山西、內蒙古、遼寧、吉林、黑龍江、安徽、山東、河南和陜西）開展大豆生產碳排放效率相關研究。2020年，10個主產區大豆總播種面積和產量分別占全國大豆播種面積和產量的80.82%和79.16%，具有良好的代表性。

研究所需的大豆生產各類碳排放源、大豆生產勞動投入、資本投入等數據來自《全國農產品成本收益資料匯編》［48］；碳排放測算所需的碳排放系數等數據來自基于過程的中國生命周期清單數據庫［8］；大豆產量、大豆產值、農村人均可支配收入、大豆播種面積、糧食總播種面積、耕地面積、農業機械總動力、農業產值、農林牧漁業總產值和農村用電量數據來自《中國農村統計年鑒》［49］；農林水支出和財政總支出來自各省統計年鑒；農村居民消費價格指數來自國家統計局［50］；農村初中及以上文化程度勞動者數據來自《中國人口和就業統計年鑒》［51］。

3研究結果分析

3.1大豆生產碳排放時空演變分析

3.1.1中國大豆生產歷年碳排放分析

本研究基于生命周期評價法，測度中國大豆生產全生命周期碳排放（表3）。結果表明，大豆生產碳排放總量由2011年的4.07×107t增至2020年的6.02×107t，年均增長率為4.43%；2011—2012年碳排放量稍有增加，年均增長率為0.20%；2013—2015年碳排放量逐年降低，年均遞減率為4.49%；2016—2020年碳排放量呈上升態勢，由4.60×107t增加到6.02×107t，年均增長率為6.96%。

生產1t大豆的碳排放由2011年的2.81t增至2020年的3.07t，提高了9.25%。2011—2013年中國大豆生產單位產量碳排放呈上升趨勢；隨后生產1t大豆產生的碳排放在2.99～3.55t間波動，其中2016年每噸大豆生產產生的碳排放達到最大值（3.55t）。羅燕等［52］研究指出每噸大豆生產碳排放為1.53～2.17t，Castanheira等［53］研究指出每噸大豆種植碳排放在0.1～17.8t間變化。數據比較表明，本研究結果在已有研究結果范圍內。通過表3可知，每萬元產值大豆碳排放由2011年的5.64t增至2020年的7.48t，年均增長率為3.20%。2011—2016年中國大豆生產單位產值碳排放總體呈上升趨勢；2016—2020年呈波動下降趨勢。其中，2017—2018年出現短暫上升，并于2018年達到最大值（10.17t/萬元）。大豆生產的碳排放強度（單位面積碳排放量）由2011年的5.16t/hm2增至2020年的6.09t/hm2，年均增長率為1.85%。2011—2013年中國大豆生產碳排放強度呈上升趨勢；隨后在5.34～6.38t/hm2間波動。數據分析表明，2011—2020年中國大豆生產碳排放總體呈上升趨勢，但中國大豆生產尚未實現碳達峰。

3.1.2大豆生產主產區碳排放時空演變分析

大豆生產主產區碳排放測度結果表明大豆生產碳排放時空差異明顯，各主產區大豆生產碳排放總量（表4）、單位產值碳排放（表5）和碳排放強度（表6）均存在明顯的差異。就碳排放總量來看，排在首位的黑龍江2020年大豆生產碳排放高達34.84百萬t，占全國大豆生產碳排放的57.91%；位居第2的內蒙古2020年大豆生產碳排放為7.45百萬t，占全國大豆生產碳排放的12.38%。黑龍江、內蒙古是中國大豆生產最主要的產區，大豆種植面積和產量高于其他地區，因此，碳排放量高。研究期內，除吉林和河北2020年大豆生產碳排放總量較2011年分別下降20.86%和5.37%外，其余各主產區大豆生產碳排放總量均呈增長趨勢。這可能是由于吉林、河北糧食作物結構發生變化，大豆種植面積和產量減少［54-55］，導致其碳排放量減少；而山東、黑龍江和內蒙古等地在單產保持增長的同時種植面積也在擴大［56］，因此碳排放總量呈上升趨勢。其中，山東2020年大豆生產碳排放總量較2011年增長了119.81%，黑龍江（94.97%）、內蒙古（52.69%）分列第二、三位。

碳排放總量與生產規模密切相關，而單位產值碳排放和碳排放強度更能客觀反映區域碳排放水平。從表5可以看出，2020年黑龍江大豆每萬元產值碳排放高達9.07t，內蒙古（8.99t）、陜西（8.63t）分列第二、三位。研究期內，單位產值大豆碳排放最高達到27.34t/萬元（2016年，內蒙古），最低為1.77t/萬元（2012年，安徽；2015年，河南）。吉林單位產值大豆碳排放2011年6.03t/萬元，2020年5.41t/萬元，下降幅度為10.27%，其余主產區單位產值大豆碳排放均呈上升趨勢。其中，大豆產值最高的黑龍江，單位產值大豆碳排放由2011年的6.10t/萬元增至2020年的9.07t/萬元，增幅為48.58%；山西單位產值大豆碳排放由2011年的2.86t/萬元增至2020年的8.25t/萬元，增幅為187.84%，是增幅最大的地區；山東單位產值大豆碳排放由2011年的2.86t/萬元增至2020年的4.90t/萬元，增幅為71.30%；河南、陜西、遼寧、安徽、河北和內蒙古單位產值大豆碳排放增幅分別為93.84%、65.18%、56.56%、32.76%、15.68%和5.87%。

就碳排放強度而言，2020年河北大豆生產碳排放強度高達9.64t/hm2，遼寧（7.60t/hm2）、黑龍江（7.21t/hm2）分列第二、三位（表6）。研究期內，碳排放強度最高達到9.64t/hm2（2018年，2020年，河北），最低為1.49t/hm2（2015年，河南）。吉林大豆生產碳排放強度2011年6.68t/hm2，2020年5.02t/hm2，內蒙古大豆生產碳排放強度2011年7.09t/hm2，2020年6.20t/hm2，降幅分別為24.86%和12.63%，其余主產區大豆生產碳排放強度均呈上升趨勢。產量最高的黑龍江，大豆生產碳排放強度2011年5.58t/hm2，2020年7.21t/hm2，提高了29.19%；山西大豆生產碳排放強度2011年2.96t/hm2，2020年7.17t/hm2，增幅為142.36%；山東大豆生產碳排放強度2011年3.42t/hm2，2020年6.22t/hm2，增幅為81.95%；河南大豆生產碳排放強度2011年2.03t/hm2，2020年3.61t/hm2，增幅為77.84%；安徽、河北和陜西大豆生產碳排放強度也均有增加，增幅分別為47.94%、43.90%和40.56%。

結合2011年和2020年大豆種植碳排放量、單位產值碳排放和碳排放強度差異，借助ArcGIS軟件將各主產區碳排放情況劃分為5種類型（表7），分別為“高高高”型，即大豆種植碳排放高、單位產值碳排放高、碳排放強度高的地區；“低高高”型，即大豆種植碳排放低、單位產值碳排放高、碳排放強度高的地區；“低低高”型，即大豆種植碳排放低、單位產值碳排放低、碳排放強度高的地區；“低高低”型，即大豆種植碳排放低、單位產值碳排放高、碳排放強度低的地區；“低低低”型，即大豆種植碳排放低、單位產值碳排放低、碳排放強度低的地區。

由表7可知，黑龍江屬于“高高高”型地區，大豆種植碳排放總量高，單位產值碳排放和碳排放強度同樣較高；內蒙古、遼寧、河北屬于“低高高”型地區，大豆種植碳排放總量較低，但單位產值碳排放和碳排放強度較高；由于單位產值碳排放和碳排放強度較高，上述兩類地區的大豆種植碳排放壓力較大。安徽和河南屬于“低低低”型地區，大豆種植碳排放總量低，單位產值碳排放和碳排放強度同樣較低，這類地區大豆種植碳排放壓力相對較小。吉林由2011年的“低高高”型地區轉變為2020年的“低低低”型，單位產值碳排放和碳排放強度有所降低，大豆種植碳排放壓力呈下降趨勢。陜西由2011年的“低高低”型轉變為2020年的“低高高”型；山東由2011年的“低低低”型轉變為2020年的“低低高”型；山西由2011年的“低低低”型轉變為2020年的“低高高”型；上述地區大豆種植碳排放壓力呈上升趨勢。

3.2大豆生產碳排放效率分析

3.2.1中國大豆生產碳排放效率分析

運用基于非期望產出的超效率SBM模型測算中國大豆生產碳排放效率，結果如圖1所示?？傮w來看，2011—2020年中國大豆生產碳排放效率呈先降后升的演變趨勢，平均值為0.78。其中，2020年大豆生產碳排放效率為1.00，較最小值0.55（2016年）提升了0.46，較最大值1.05（2012年）降低了0.05。2011—2012年，大豆生產碳排放效率由0.90上升至1.05。該階段單位產值大豆的勞動投入下降了13.98%，同時土地投入和資本投入也分別下降11.44%和1.40%。2012—2016年，碳排放效率大幅下降。該階段單位產值大豆生產所投入的勞動、土地和資本分別上升39.35%、62.93%和48.32%，大豆生產碳排放總量上升12.64%，而大豆產值呈顯著的下降趨勢。2016—2017年，大豆生產碳排放效率有所提高。該階段大豆產值增幅為29.71%，高于大豆生產碳排放增幅（0.15%）。2017—2018年，大豆生產碳排放效率明顯降低。該階段生產單位產值大豆所投入的勞動、土地和資本分別提高5.69%、15.80%和14.74%，大豆生產碳排放量增加709.38萬t，大豆生產的物資利用效率再度下降。2018—2020年，碳排放效率顯著提高。該階段大豆生產的勞動、土地和資本投入分別降低了21.31%、23.64%和27.43%，而大豆生產碳排放量僅增加了13.22%。

3.2.2大豆生產主產區的碳排放效率

大豆主產區碳排放效率測度結果表明，大豆生產碳排放效率空間差異明顯（表8）。從多年均值來看，內蒙古大豆生產碳排放效率值最高（1.15），山西最低（0.50）；大豆產量最高的黑龍江碳排放效率為0.93。除吉林、山西碳排放效率年均變化率為負值外，其余地區大豆生產碳排放效率年均變化率均為正。其中，內蒙古、河北初始值較低但增速快，年均增長率為7.40%和3.68%，屬于低位高速增長類型；河南和安徽碳排放效率初始值較高且增速較快，年均增長率分別為15.14%和8.12%，屬于高位高速增長類型。此外，山西、陜西大豆生產歷年碳排放效率與最優前沿面有較大差距，屬于碳排放效率低值地區，其碳排放效率低的原因在于其“有效產出”能力不強，從而使其碳排放效率與前沿面距離較遠，山西和陜西在大豆低碳種植方面具有較大的提升空間。

3.3大豆生產碳排放效率的影響因素

研究運用Tobit模型對大豆生產碳排放效率影響因素進行回歸分析。在模型估計前，首先對變量進行多重共線性檢驗，結果顯示，最大的方差膨脹因子（VIF）值為2.72，小于10，故不存在共線性問題。為避免變量非平穩可能導致的偽回歸，對面板數據進行單位根檢驗，結果顯示各變量均通過檢驗。由于固定效應的Tobit模型找不到個體異質性的充分統計量，從而無法進行條件最大似然估計［57］，因此本研究考慮隨機效應Tobit模型和混合Tobit模型。在隨機效應Tobit中，由于LR檢驗無法拒絕原假設，最終選擇混合Tobit模型，得出結果見表9。

作物種植結構影響。大豆播種面積占比對大豆生產碳排放效率具有顯著正向影響，但相關程度較弱?？赡艿脑蚴?，相比玉米、小麥和水稻等糧食作物，大豆價格較高，致使大豆單位產值所產生的碳排放較其他糧食作物的單位產值碳排放低。因此，基于目前的種植技術和生產條件，提高大豆播種面積占糧食總播種面積的比重能夠使大豆碳排放效率實現小幅提高。

農業產業結構影響。農業產值占農林牧漁總產值比重對大豆生產碳排放效率具有顯著的負向影響，即農業產值占農林牧漁總產值比重越高，大豆生產碳排放效率越低。這可能是因為相較于第一產業的其他部門，農業生產活動中需要投入更多的農用物資，從而導致碳排放量較高，碳排放效率相應較低。

農業經濟發展水平影響。農業經濟發展水平對大豆生產碳排放效率呈負向影響，但未通過顯著性檢驗?？赡艿脑蚴?，農民收入的提升促使更多資本和能源投入到農業生產中，從而導致碳排放量增加，碳排放效率降低。但由于中國大豆的集約化生產方式還未成型，因此規模效應難以體現，所以該指標對大豆生產碳排放效率呈現不顯著的負向影響。

財政支農水平影響。農林水支出占財政總支出的比重對大豆生產碳排放效率具有顯著的正向影響?？赡艿脑蚴?，政府通過財政支農政策加強對農業生產的支持，在一定程度上提升農業管理水平，從而提高大豆碳排放效率。但李勇［58］指出，由于惠農補貼存在對象錯配、范圍和額度有限等問題，導致財政支農對農業生產者的支持力度不夠。因此，應加大財政補貼力度，并提升精準管理的保障能力，促進大豆低碳生產。

農業機械化水平影響。農業機械化水平對大豆生產碳排放效率具有顯著正向影響，即農業機械發展水平越高，大豆生產碳排放效率越高。農用機械的使用雖然導致溫室氣體排放，但農業機械化生產能提高物資的利用效率和作物的產出效率，從而達到提高大豆生產碳排放效率的目的。

農村勞動力受教育程度影響。農村勞動力受教育程度對大豆生產碳排放效率具有顯著的負向影響，該結果表明，初中及以上文化水平的農村勞動力占比越高，大豆生產碳排放效率反而越低。其成因可能是先進的農業生產技術一般需要大專及以上學歷的高素質勞動力［27］。然而目前從事農業生產的勞動力以初、高中學歷為主，相比較而言，該部分勞動力更傾向于選擇“高投入、高產出”的農業生產模式［27］。因此，農村勞動力受教育程度對大豆生產碳排放效率未能產生正向影響。

農業技術水平。農村人均用電量對大豆生產碳排放效率具有顯著的正向影響。這可能是由于電力農機代替部分柴油農機能夠減少碳排放，同時在農業生產中，各類機械的使用能夠提高生產效率，在一定程度上促進大豆生產碳排放效率的提高。

4結論與討論

4.1結論

全球氣候變暖背景下，農業部門減排與低碳生產是實現農業可持續發展的重要途徑，也是中國實現碳中和目標的必要舉措。中國正處于實現碳達峰目標的關鍵時期，各行業都應加快低碳發展。本研究基于生命周期評價法測度2011—2020年中國大豆生產全生命周期碳排放，采用含有非期望產出的超效率SBM模型測算2011—2020年中國大豆生產的碳排放效率，并對不同時期、不同地區的效率呈現結果進行分析，最后運用Tobit模型分析影響大豆生產碳排放效率的關鍵因素，主要結論如下。

（1）2011—2020年中國大豆生產碳排放總量整體呈上升趨勢，年均增長率為4.43%。單位產值碳排放和碳排放強度年均增長率分別為3.20%和1.85%，亟待推進大豆低碳化生產。大豆主產區單位產值碳排放、碳排放強度以及碳排放總量均存在明顯差異。如吉林單位產值大豆碳排放由2011年的6.03t/萬元降低到2020年的5.41t/萬元；而產值最高的黑龍江，單位產值大豆碳排放則由2011年的6.10t/萬元增至2020年的9.07t/萬元。此外，2017—2020年中國大豆生產碳排放持續增加，中國大豆生產尚未實現碳達峰。

（2）大豆生產碳排放效率測算結果表明，2011—2020年中國大豆生產碳排放效率呈先降后升的演變趨勢，研究期內碳排放效率整體提高了0.10。大豆主產區大豆生產碳排放效率空間差異明顯，山西和陜西大豆生產歷年碳排放效率與最優前沿面有較大差距，具有較大的提升空間。

（3）運用Tobit模型對大豆生產碳排放效率影響因素進行分析發現，農業產業結構和農村勞動力受教育程度對大豆生產碳排放效率有顯著負向影響；作物種植結構、財政支農水平、農業機械化水平和農業技術水平對大豆生產碳排放效率有顯著正向作用；農業經濟發展水平對大豆生產碳排放效率作用不顯著。

4.2 討論與啟示

（1）中國大豆生產的碳排放總量、單位產值碳排放和碳排放強度均呈上升趨勢，且不同地區大豆生產碳排放特征存在較大差異。因此，因地制宜制定大豆碳減排政策對于實現農業領域碳達峰具有重要意義。各地區應根據當地的自然資源稟賦、技術和資本等區域優勢，采用差異化的碳減排策略，促進地區大豆低碳生產。

（2）2011—2020年中國大豆生產碳排放效率波動上升，主產區大豆生產碳排放效率存在區域異質性。未來應加強地區間的合作與交流，注重發揮山東等大豆生產高效率地區對鄰近主產區的輻射帶動作用，積極引導河北等低效率地區借鑒高效率地區的先進經驗。

（3）大豆生產涉及農資及能源等使用，不可避免導致溫室氣體的排放。研究結果表明，農業機械化水平與大豆生產碳排放效率呈顯著正相關。這是由于實施農業機械化生產能夠有效提高作物生產率和物資利用效率，減少大豆生產的碳排放，從而促進碳排放效率的提升。因此，應加快農業機械化進程，提高農資利用效率，促進大豆生產低碳化水平的提升。

（4）財政支農水平對大豆碳排放效率具有顯著的正向影響，即財政支農的增加能夠提高大豆生產碳排放效率。建議加大對大豆生產領域的精準補貼，并由各級政府部門做好預算指標的使用和工作銜接，確保財政支農能夠真正惠及農民，更有力地保障大豆生產安全，提高農民抵御風險的能力，從而提高大豆生產的碳排放效率。

本研究分析了中國大豆生產的碳排放效率并探究其影響因素，對于大豆低碳生產政策制定具有一定參考價值。不足之處在于未能充分考慮各類碳排放源的碳排放因子在時間和空間上的差異，以上不足有待于今后的深化研究。