Based on the panel data of China's three grain functional areas from 2011 to 2020, a quantitative index system of agricultural science and technology innovation was constructed, and then the level of agricultural science and technology innovation and carbon emission level of grain production were calculated. A dynamic panel model was used to test the inhibition effect and influence path of agricultural science and technology innovation on carbon emission of grain production. The results found that from 2011 to 2020, the level of agricultural science and technology innovation in the three grain functional areas showed an increasing trend, the carbon emissions of grain production decreased, and the inter-group heterogeneity was obvious. Agricultural scientific and technological innovation had a significant inhibitory effect on the carbon emission of grain production, and this effect was more significant in the main grain marketing areas. The technology effect and the human capital effect played an important role in the process of carbon reduction in agricultural science and technology innovation. It was recommended to accelerate the pace of agricultural science and technology innovation, continue to achieve carbon reduction in grain production through agricultural science and technology innovation, pay attention to the improvement of production efficiency, resource utilization efficiency and human capital level, and formulate corresponding policies for carbon reduction according to the heterogeneity of the three grain functional areas to realize the green upgrading and transformation of grain industry.
HAN Dong
,
ZHONG Yu
. Research on the impact of agricultural science and technology innovation on carbon emission of grain production: A case study of China's three grain functional areas[J]. Science & Technology Review, 2023
, 41(16)
: 32
-42
.
DOI: 10.3981/j.issn.1000-7857.2023.16.003
[1] Han H, Zhang X. Static and dynamic cultivated land use efficiency in China: A minimum distance to strong efficient frontier approach[J]. Journal of Cleaner Production, 2020, 246: 119002.
[2] 侯孟阳, 姚顺波 . 异质性条件下化肥面源污染排放的EKC再检验——基于面板门槛模型的分组[J]. 农业技术经济, 2019(4): 104-118.
[3] 张雪靓, 孔祥斌 . 黄淮海平原地下水危机下的耕地资源可持续利用[J]. 中国土地科学, 2014, 28(5): 90-96.
[4] 生秀东. 粮食主产区耕地质量下降的经济分析及提升策略[J]. 中州学刊, 2021(12): 32-39.
[5] 田红宇, 关洪浪 . 数字经济对粮食生产碳排放的影响研究——来自长江经济带 108 个地级市的经验证据[J/OL]. [2023-02-05]. 中国农业资源与区划. http://kns.cnki.net/kcms/detail/11.3513.S.20220818.1050.012.html.
[6] 联合国粮农组织.联合国2021年粮食系统峰会报告[EB/OL]. (2019-11-08) [2023-02-22]. https://www. un. org/zh/food-systems-summit.
[7] 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.
[8] 田云, 吴海涛 . 产业结构视角下的中国粮食主产区农业碳排放公平性研究[J]. 农业技术经济, 2020(1): 45-55.
[9] 夏四友, 赵媛, 许昕, 等. 1997—2016年中国农业碳排放率的时空动态与驱动因素[J]. 生态学报, 2019, 39(21): 7854-7865.
[10] 贺青, 张俊飚 . 粮食主产区农业碳排放的动态演进及驱动因素研究[J]. 生态经济, 2023, 39(6): 123-128, 162.
[11] 张灿强, 王莉, 华春林, 等 . 中国主要粮食生产的化肥削减潜力及其碳减排效应[J]. 资源科学, 2016, 38(4): 790-797.
[12] 张扬, 李涵, 赵正豪. 中国粮食作物种植变化对省际农业碳排放量的影响研究[J/OL]. [2023-02-05]. 中国农业资源与区划. http://kns.cnki.net/kcms/detail/11.3513.S.20220831.1438.012.html.
[13] 黄晓慧, 杨飞, 陆迁. 粮食主产区农业碳排放回弹效应研究[J]. 长江流域资源与环境, 2022, 31(12): 2780-2788.
[14] 邓明君, 邓俊杰, 刘佳宇. 中国粮食作物化肥施用的碳排放时空演变与减排潜力[J]. 资源科学, 2016, 38(3): 534-544.
[15] 张军伟, 张锦华, 吴方卫. 我国粮食生产的碳排放及减排路径分析[J]. 统计与决策, 2018, 34(14): 168-172.
[16] 谢永浩, 刘争 . 中国省域种植业碳汇量、碳排放量的时空分异及公平性研究[J]. 世界农业, 2022(2): 100-109.
[17] 张颂心, 王辉, 徐如浓 . 科技进步、绿色全要素生产率与农业碳排放关系分析——基于泛长三角 26 个城市面板数据[J]. 科技管理研究, 2021, 41(2): 211-218.
[18] Greening L A, Greene D L, Difiglio C. Energy efficiency and consumption-the rebound effect a survey[J]. Energy Policy, 2000, 28(6-7): 389-401.
[19] 田云, 尹忞昊 . 技术进步促进了农业能源碳减排吗？——基于回弹效应与空间溢出效应的检验[J]. 改革, 2021(12): 45-58.
[20] 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.
[21] 胡中应 . 技术进步、技术效率与中国农业碳排放[J]. 华东经济管理, 2018, 32(6): 100-105.
[22] 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.
[23] Goldfarb A, Tucker C. Digital economics[J]. Journal of Economic Literature, 2019, 57(1): 3-43.
[24] 黄祖辉, 傅琳琳 . 建设农业强国: 内涵、关键与路径[J]. 求索, 2023(1): 132-141.
[25] 农业农村部政策与改革司 . 2020年中国农村政策与改革统计年报[M]. 北京: 中国农业出版社, 农村读物出版社, 2021: 3-4.
[26] 李洪文, 黎东升 . 农业科技创新能力评价研究——以湖北省为例[J]. 农业技术经济, 2013(10): 114-119.
[27] 华坚, 潘雪晴 . 农业科技创新对粮食产业高质量发展的影响——基于30个省份面板数据分析[J]. 华东经济管理, 2022, 36(7): 55-64.
[28] 杨玉敬 . 数字经济与乡村振兴耦合协调发展水平研究[J]. 技术经济与管理研究, 2022(7): 14-19.
[29] 李波, 张俊飚, 李海鹏. 中国农业碳排放时空特征及影响因素分解[J]. 中国人口·资源与环境, 2011, 21(8): 80-86.
[30] 温忠麟 . 张雷, 侯杰泰, 等 . 中介效应检验程序及其应用[J]. 心理学报, 2004(5): 614-620.
[31] 李谷成, 郭伦, 高雪. 劳动力成本上升对我国农产品国际竞争力的影响[J]. 湖南农业大学学报(社会科学版), 2018, 19(5): 1-10.
[32] 邓悦, 吴忠邦, 罗连发 . 农业机械化促进了农民增收吗?——基于农村人力资本调节效应的分析[J]. 南京农业大学学报(社会科学版), 2023, 23(1): 169-180.
[33] 中共中央 国务院. 关于促进农民增加收入若干政策的意见[EB/OL]. (2003-12-31) [2023-02-22]. http://www.gov.cn/gongbao/content/2004/content_63144.htm.
[34] 中国农业部 .小麦、玉米、水稻三大粮食作物区域大配方与施肥建议[EB/OL]. (2013-07-19) [2023-02-22]. http://www.zzys.moa.gov.cn/tzgg/201307/t20130729_6310551.htm.
[35] 周稳海, 赵桂玲, 尹成远. 农业保险对农业生产影响效应的实证研究——基于河北省面板数据和动态差分GMM模型[J]. 保险研究, 2015(5): 60-68.
[36] Arellano M, Bond S. Some tests of specification for panel data：Monte carlo evidence and an application to employment equations[J]. Review of Economic Studies, 1991, 58(2): 277-297.
