Professional Documents
Culture Documents
基于公平与效率双重视角的中国农业碳减排潜力分析 吴贤荣+
基于公平与效率双重视角的中国农业碳减排潜力分析 吴贤荣+
基于公平与效率双重视角的中国农业碳减排潜力分析 吴贤荣+
7
2015 年 7 月 JOURNAL OF NATURAL RESOURCES Jul., 2015
基于公平与效率双重视角的中国农业
碳减排潜力分析
吴贤荣 1,2,张俊飚 1,2*,田 云 3,薛龙飞 1,2
(1. 华中农业大学 经济管理学院,武汉 430070;2. 湖北农村发展研究中心,武汉 430070;
3. 中南财经政法大学 工商管理学院,武汉 430073)
摘要:科学估算减排潜力是实施减排责任分摊的基础。论文将环境因素纳入到经济生产体
系,构建含有期望产出与非期望产出的农业经济核算框架,借助方向距离函数方法,对 2000—
2011 年中国 31 个省(市、区)的农业碳边际减排成本进行估算。在此基础上,利用人均农业碳排
放、人均农业生产总值、农业碳排放强度与农业碳排放影子价格 4 个指标,构建农业碳减排潜力
指数,基于公平与效率双重视角,对各省区农业碳减排潜力水平进行评估与分析。结果显示:
① 农业减排成本地区差异较大。其中,海南、福建、山东、辽宁、广东、北京、天津等省区减排成
本较高,其年均农业碳排放影子价格居于全国前列,最高值达 2.542×108 元/104 t;而西藏、青海两
地农业碳排放影子价格最低,分别为 0.105×108 元/104 t 和 0.542×108 元/104 t,农业减排成本较
低。② 基于农业碳减排的公平性与效率性差异,将中国大陆 31 个省级行政区域划分为四大
类:西藏等 1 省 2 区属于“高效较公平”型地区;甘肃 1 省 1 区属于“高效欠公平”型地区;辽宁等 8
省 2 区属于“低效较公平”型地区;北京等 12 省 4 市属于“低效欠公平”型地区。③ 西藏、海南、
青海、内蒙古四地农业碳减排潜力指数在三种情景下均排名前四,北京、黑龙江、山西三地均排
名最后。④ 决策者对于公平原则与效率原则的不同偏好会导致各省区减排责任分摊机制不同。
关 键 词:低碳农业;农业碳排放;减排潜力;边际减排成本;
方向距离函数
中图分类号:F223;X511 文献标志码:A 文章编号:1000-3037(2015)07-1172-11
DOI:10.11849/zrzyxb.2015.07.010
全球气候变暖日趋严峻,碳排放量逐年增加是导致全球气候变化的重要因素。工业
是最主要的碳排放源,而快速发展的农业也是引发气候变化不可忽略的因素之一。农业
产业的特殊性使之既是重要的碳排放源,同时也具有较强的碳汇功能,而自然再生产与
经济再生产的耦合亦决定了农业是最易遭受气候变化影响的产业部门[1]。这种三重特点的
同时具备引发了各界对农业碳排放问题的研究与关注。尽管农业较之其他产业部门减排
空间较小,但其减排意义和正外部效应却远大于其他产业部门。中国作为农业大国,其
农业碳排放问题更是成为了学术界讨论的热点之一。有研究显示,中国农业碳排放约占
收稿日期:2014-05-16;修订日期:2014-08-13。
基金项目:国家自然科学基金“气候框架公约下农业碳排放的增长机理及减排政策研究”(71273105);国家自然
科学基金重点项目“现代农业科技发展创新体系研究”(71333006);国家自然科学基金面上项目“作物秸秆资源化利
用的减碳潜力与生态环境效应:以水稻为例”(41371520);华中农业大学创新团队培育项目“农业资源与环境经济问
题研究”(2013PY042);国家社会科学基金青年项目“碳交易视角下我国低碳农业发展的推进机制与政策创新研
究”(14CJY031)。
第一作者简介:吴贤荣 (1987- ),女,博士生,研究方向为资源与环境经济、低碳经济。E-mail: bewaily@163.com
*通信作者简介:张俊飚 (1962- ),男,博士,教授,博导,主要研究方向为农业经济理论与政策、资源与环
境经济。
7期 吴贤荣 等:基于公平与效率双重视角的中国农业碳减排潜力分析 1173
全国碳排放总量的 17%[2]。改革开放以来,中国农业经济虽然保持着良好的发展态势,但
农业面源污染和农业生产环境质量日渐严峻的状况亦成为不容分辩的客观现实,在一定
程度上,我国农业的高增长是以高碳排放为代价的。要积极应对气候变迁,保障粮食安
全与农业可持续发展,研究中国农业碳排放问题具有重要的现实意义,因而分析中国农
业碳减排潜力并探寻一条适合我国国情的碳减排道路显得十分重要。
随着全社会的广泛关注,农业碳排放也成为学术界的一大研究热点。已有学者在系
统测算农业碳排放总量[3-4]的基础上,通过多方位分解农业碳排放制约因素,探索农业碳
减排机制与政策[5-6],为农业碳排放的研究奠定了一定基础。科学探索农业碳减排机制之
前需清晰界定区域间农业碳排放水平并进行碳减排潜力地区差异评估。早在 1997 年,
Cole 等[7]对全球农业温室气体减排潜力进行了粗略估算,但该研究由于缺乏基期土地利用
和农业温室气体排放量的数据,所得结果中农业温室气体减排潜力存在诸多不确定性。
一些国外学者尝试将经济学中的影子价格原理应用到对经济生产过程中的环境污染
治理成本分析上[8-9],并结合方向距离函数与污染物影子价格方法研究不同地区间减排成
本差异[10],国内颇具代表性的有陈诗一、涂正革两位学者[11-12]。上述研究一定程度上丰富
了农业碳减排的研究思路,为后续相关研究奠定了坚实基础,但随着探索的不断深入,
其局限性也逐渐凸显:① 利用影子价格研究减排成本的方法多停留于宏观层面或局限于
工业视角,却忽略了农业部门的巨大减排潜力;② 研究视角单一,碳减排潜力评估既考
虑效率又兼顾公平性的成果不多;③ 借助环境生产技术研究农业产出效率时,往往存在
环境因素衡量标准混乱的现象。总体而言,当前农业碳减排研究视角有待拓展,研究方
法有待优化。
1 研究方法
1.1 方向距离函数
根据环境生产技术的思想[13],用 P(x) 来定义环境生产技术,假定投入要素 x、期望产
出 y、非期望产出 c,则环境生产技术的所有生产可能性集可表示为:
P(x) = {(y,c):x can produce(y,c)} (1)
若定义产出增长方向向量 g =(g y , -g c) ,则方向距离函数追求在不增加投入要素的前
提下实现期望产出的最大扩张可能和非期望产出的最大缩减可能,表述如:
{
D c (x,y,c; g y , -g c) = max λ:(y + λg y ,c - λg c) ∈ P(x)} (2)
如图 1 所示,横坐标 c 表示非期望产
出,纵坐标 y 为期望产出,曲线 ONPQ 为生
产前沿面,前沿面上所有点的集合即为生
产 可 能 集 P(x) 。 若 M 点 为 观 测 到 的 样 本
点,沿着既定方向向量 g 的路径,非期望产
出缩减的同时扩大期望产出,从而到达产
出 前 沿 面 的 N 点 上 。 其 中
λ = D c (x,y,c; g y , -g c) 即为无效点 M 同前沿面
图 1 方向距离函数图示
比较所能扩张的最大比例。 Fig. 1 Graph of direction distance function
1174 自 然 资 源 学 报 30 卷
1.2 农业碳排放影子价格
影子价格可以用于衡量碳排放对期望产出的效应,定义为在某一特定产出条件下,
单位碳排放变化所导致的农业总产值变化量[14],从而将农业总产值变化的量与农业碳排
放变化的量联系起来。若用 ry、rc 分别表示期望产出的价格与非期望产出的价格且满足:
ìr y =(r y ,r y ,……,r y ) ∈ R+M
í
1 2 M
(3)
îr c =(r c ,r c ,……,r c ) ∈ R+
L
1 2 L
则基于方向距离函数的收益函数为:
{ }
R(x,r y ,r c) = max y,c r y y - r c c:D c (x,y,c; g) ≥ 0 (4)
设定收益最大化条件下可得到:
∂D(x,y,c;g y , -g c) ∂c
r c = -r y × (5)
∂D(x,y,c;g y , -g c) ∂y
假定期望产出的交易价格等于其影子
价格,则通过式 (5) 计算而得的非期望产
出价格即为农业碳排放影子价格,它表示
减少单位碳排放所对应的农业总产值减少
量,也就是宏观经济意义上的边际减排成本。
1.3 农业碳减排潜力指数
对公平指数与效率指数分别赋权,可
图 2 基于公平与效率双视角的农业碳减排潜力指数 以构建同时考虑公平原则与效率原则的农
Fig. 2 Agricultural carbon emission abatement capacity
业碳减排潜力指数 ACACI[15],组成结构参见
index from double perspectives
图 2。农业碳减排潜力指数公式表示为:
ACACI i,t = ω × Equity i,t +(1 - ω) × Efficiency i,t (6)
其中:i 表示省份,t 表示时期,ω为权重值,反映的是决策者在公平原则与效率原则之间
的决策偏好,取值范围为[0,1]。按照权重选择不同,设定三种情景,在情景一下,两
个指标的权重相等,表示决策者对减排公平性与效率性没有特殊的偏好;情景二为公平
优先原则,表示决策者认为减排责任划分应更多地考虑省域公平性;类似地,情景三表
示效率优先原则。 Equity = ω × PC +(1 - ω) × PP 是农业碳减排公平指数,由等权重的人均
农业碳排放量 PC 和人均农业总产值 PP 共同决定,通常代表排放平等主义、支付能力等
公平准则; Efficiency = ω × CI +(1 - ω) × r c 是农业碳减排效率指数,包括农业碳排放强度 CI
和农业碳排放影子价格 rc 两个指标,并赋予同等重要性。农业碳排放影子价格作逆转换
处理,所有指标代入运算前均通过公式 (7) 进行标准化转换,得到映射在区间[0,1]中
的标准化值 z*:
z - min z
z i∗ = i (7)
max z - min z
其中:i 表示省份,z 表示人均农业碳排放量、人均农业总产值、农业碳排放强度和农业
碳排放影子价格 4 个指标。
2 数据处理
3 实证结果分析
3.1 农业边际减排成本分析
各省区农业边际减排成本如表 3 所示。农业碳排放影子价格反映的是农业碳减排的
难易程度,即在一定投入和生产技术条件下,各地区实施农业碳减排的经济成本。农业
碳排放影子价格越高表明该地区农业碳减排成本越大;反之亦然。从表 3 可以看出,海
南、福建、山东、辽宁、广东、北京、天津等省区 2000—2011 年年均农业碳排放影子价
格居于前列,分别为 2.542×108 元/104 t、2.477×108 元/104 t、2.431×108 元/104 t、2.428×108
元/104 t、2.409×108 元/104 t、2.394×108 元/104 t、2.403×108 元/104 t。这些地区农业碳减排
成本较高,意味着其减排难度较大。从区域分布来看,均位于东部沿海地区,经济发展
水平较高,所代表的生产技术相对于其他地区更为先进,投入要素相同条件下,农业生
产产出绩效更高,减少单位碳排放所对应的农业总产值减少量更大,即实施农业碳减排
所要牺牲的经济代价更大。西藏、青海、宁夏、内蒙古、甘肃及贵州等省区农业碳排放
影子价格则相对较低。尤其是西藏和青海,农业碳排放影子价格分别仅为 0.105×108 元/
104 t 和 0.542×108 元/104 t,均不到 1×108 元/104 t,农业减排成本较低,然而人均农业碳排
放量及农业碳排放强度都位于全国前列。这两地均地处我国西部气候恶劣的高海拔区,
受低温时间长、降水量少、自然灾害频发等不利影响,加上人口稀少的原因,该地人均
农业碳排放量及农业碳排放强度两个指标值均较高;而农业生产环境不佳,农业经济发
展相对落后,从而要缩减农业碳排放所要付出的经济代价也相对较小。
3.2 农业减排效率与公平性差异区域分类
基于农业碳减排的公平性与效率性差异,将中国大陆 31 个省级行政区域划分为 4
表3 公平与效率视角下各指标平均值
Table 3 Average values of each index from equity and efficiency perspectives
类:“高效较公平”型,即效率指数
值、公平指数值均大于各省平均
值;“高效欠公平”型,即效率指数
值大于各省平均值,而公平指数值
小 于 各 省 平 均 值 ;“ 低 效 较 公 平 ”
型,即效率指数值小于各省平均
值,而公平指数值大于各省平均
值;“低效欠公平”型,即效率指数
值、公平指数值均小于各省平均
值。具体分类结果详见图 3,图中横
坐标表示效率指数的变化,纵坐标
表示公平指数的变化。 图 3 基于农业减排效率与公平性差异区域分类结果
Fig. 3 Category result based on equity index and efficiency index
西藏、青海、内蒙古等 1 省 2 区
属于“高效较公平”型地区。这些
地区无论从公平还是从效率视角,农业碳减排放潜力都相对较高,主要是受人均农业碳
排放和农业碳排放强度两个指标较高所驱动。一方面,这三地人均农业碳排放量较高,
分别高达 3.409×104 t/104 人、2.062×104 t/104 人、1.718×104 t/104 人,主要源于该三地农业
均以畜牧业为主,牲畜养殖过程中会产生大量碳排放,包括动物肠道发酵所引起的 CH4
排放以及粪便管理系统中所导致的 CH4 和 N2O 排放。另一方面,由于农业发展水平相对
落后,单位农业总产值的农业碳排量偏高,三地的农业碳排放强度分别为 6.835×104 t/108
元、2.684×104 t/108 元、1.383×104 t/108 元。较高的农业碳减排公平指数与效率指数使得上
述地区农业碳减排空间较大,其减排重点在于控制农业碳排放总量。
甘肃、宁夏等 1 省 1 区属于“高效欠公平”型地区。从区域分布来看,这两地均处我
国西部欠发达地区,农业碳减排公平指数低于全国平均水平,主要受人均农业总产值偏
低所拖累。而两地农业碳减排效率指数较高,一方面由于其农业碳排放影子价格较低,
减少单位农业碳排放所对应的农业总产值减少幅度不大,即农业碳减排所要付出的成本
不高;另一方面源于这两地大多属于土质较差的旱作区,土地使用效率有限,且农业生产
方式较为粗放,生产能力较差,致使两地农业碳排放强度均高于全国平均水平。
辽宁、吉林、江苏、福建、江西、湖北、湖南、广西、海南、新疆等 8 省 2 区属于
“低效较公平”型地区。这些地区农业碳减排效率指数偏低,主要是受农业碳排放影子价
格较高所影响,意味着其减排难度较大,即减排效率较低。其中吉林、江苏、江西、湖
北、湖南均为农业生产大省,政府部门注重农业机械化设备及先进生产技术等引进,农
业集约化程度较高,在同等农用物资投入条件下,农业正向产出水平较高,也意味着这
些地方进行农业碳减排的支付能力较高。而福建、广西、海南、新疆、辽宁等地多以盛
产各类水果或食用菌等经济作物著称,经济收益好,投入要素不变的条件下减少农业碳
排放所要付出的经济成本较高。以上原因导致这 10 个地区出现在“低效较公平”区。
北京、天津、河北、山西、上海、浙江、黑龙江、安徽、山东、河南、广东、重
庆、四川、陕西、贵州、云南等 12 省 4 市属于“低效欠公平”型地区。上述地区均具有
较低的农业碳减排效率指数及公平指数,但成因有所区别:河北、黑龙江、浙江、安
1178 自 然 资 源 学 报 30 卷
徽、山东、河南、四川等省区均为农业大省,农业生产能力较高,人均农业总产值指标
对农业碳减排公平指数影响不大,但受到人均农业碳排放指标拉低作用明显,且农业碳
排放影子价格普遍较高,导致农业碳减排效率指数偏低。山西、重庆、陕西、贵州、云
南地处西北或西南山区,受地理环境限制,农业经济产出相比其他东部发达地区或农业
生产大省存在较大差距,人均农业总产值普遍较低,同时农业碳排放强度不高,从而出
现两个指数值均低于全国平均水平的现象。北京、天津、上海、广东四地均为经济发达
区,现代农业发展势头好,农业产业化程度普遍较高,经济效益普遍较好,因此各个地
区在全国的农业经济贡献效益地位远高于其农业碳排放负担,而减排效率指数则较低。
尤其北京、天津、上海三市,农业
表 4 农业碳减排潜力指数值 不仅具生产功能,而是生态功能、
Table 4 Agricultural carbon emission abatement capacity index value 生活功能与生产功能三位一体,农
情景一 情景二 情景三 业经济在当地国民经济总值中的比
公平与效率同等 公平优先原则 效率优先原则 重偏低,人均农业碳排放与人均农
地区
原则 (ω=1/2) (ω=2/3) (ω=1/3)
业总产值两个指标共同作用导致其
ACACI 排名 ACACI 排名 ACACI 排名
农业碳减排公平指数低于全国平均
北京 0.052 1 29 0.066 0 29 0.038 3 30
天津 0.106 5 24 0.138 8 22 0.074 3 26
水平。
河北 0.091 2 26 0.117 6 25 0.064 9 27 3.3 农业碳减排潜力指数结果
山西 0.032 0 31 0.028 6 31 0.035 3 31 农业碳减排潜力指数同时考虑
内蒙古 0.277 7 4 0.342 0 4 0.213 3 4 公平因素与效率因素。若分别设定
辽宁 0.206 9 7 0.273 2 5 0.140 7 10
公平与效率等权重 (ω=1/2)、公平
吉林 0.210 7 6 0.272 2 6 0.149 2 7
优先 (ω=2/3)、效率优先 (ω=1/3)
黑龙江 0.047 6 30 0.046 6 30 0.048 6 29
上海 0.113 5 21 0.132 9 24 0.094 2 18 三种情景,计算出各省年平均农业
江苏 0.187 4 11 0.240 1 8 0.134 8 11 碳减排潜力指数如表 4 和图 4 所示。
浙江 0.127 0 18 0.165 4 18 0.088 6 22 在情景一下,视公平与效率同
安徽 0.145 8 15 0.174 9 15 0.116 7 14 等原则,农业碳减排潜力指数排名
福建 0.166 8 13 0.220 8 12 0.112 7 15
前 十 的 是 西 藏 (0.776 3)、 海 南
江西 0.214 5 5 0.261 3 7 0.167 8 5
山东 0.112 4 22 0.147 3 20 0.077 6 25
(0.383 5)、青海 (0.322 5)、内蒙古
河南 0.110 6 23 0.140 6 21 0.080 6 24 (0.277 7)、 江 西 (0.214 5)、 吉 林
湖北 0.189 7 9 0.236 2 9 0.143 3 9 (0.210 7)、 辽 宁 (0.206 9)、 湖 南
湖南 0.194 3 8 0.234 7 10 0.153 8 6 (0.194 3)、 湖 北 (0.189 7)、 新 疆
广东 0.133 0 16 0.174 1 16 0.091 8 21
(0.188 4)。 其 中 西 藏 、 海 南 、 青
广西 0.167 9 12 0.210 0 13 0.125 8 13
海、内蒙古四地排名前四,同时,
海南 0.383 5 2 0.511 3 2 0.255 7 3
重庆 0.129 1 17 0.166 3 17 0.092 0 20 这四地分别在公平优先原则 (四地
四川 0.125 1 19 0.152 9 19 0.097 4 17 指 数 值 依 次 为 0.701 7、 0.511 3、
贵州 0.084 6 27 0.087 8 27 0.081 5 23 0.346 3、0.342 0) 或效率优先原则
云南 0.115 1 20 0.136 7 23 0.093 4 19 ( 四 地 指 数 值 依 次 为 0.850 9、
西藏 0.776 3 1 0.701 7 1 0.850 9 1
0.255 7、0.298 6、0.213 3) 下排名
陕西 0.065 8 28 0.080 5 28 0.051 1 28
甘肃 0.103 6 25 0.108 5 26 0.098 7 16
均为全国前四,说明它们减碳能力
青海 0.322 5 3 0.346 3 3 0.298 6 2 相对其他省区较强。其中西藏、青
宁夏 0.152 8 14 0.174 9 14 0.130 7 12 海两地农业碳排放水平高,而边际
新疆 0.188 4 10 0.229 6 11 0.147 2 8 减排成本较低,而海南、内蒙古两
7期 吴贤荣 等:基于公平与效率双重视角的中国农业碳减排潜力分析 1179
图4 各省区农业碳减排潜力指数柱状图
Fig. 4 Agricultural carbon emission abatement capacity index of each province
地支付能力相对较高,它们在农业减碳领域具有一定优势,能够承担国家更多的减排责
任。其中海南省在前文区域分类中,属于“低效较公平”型地区,根据农业碳减排潜力
指数计算结果来看,公平与效率同等原则及公平优先原则下排名均为第二,而当效率优
先时,则全国排名退居第三,说明其较高的农业碳减排潜力主要源于公平指数的驱动。
在公平与效率同等原则下农业碳减排潜力指数排名后十位的是山西 (0.032 0)、黑龙
江 (0.047 6)、北京 (0.052 1)、陕西 (0.065 8)、贵州 (0.084 6)、河北 (0.091 2)、甘
肃 (0.103 6)、天津 (0.106 5)、河南 (0.110 6)、山东 (0.112 4)。其中北京、黑龙江、
山西三地在三种情景下,农业碳减排潜力排名均在最后,农业碳减排潜力指数值均低于
0.1,说明在农业领域的减碳能力相对较弱。尤其是北京,人均农业碳排放及农业碳排放
强度水平均不高,农业碳排放影子价格居高不下,源于其较高的农业边际减排成本,农
业碳减排潜力指数偏低,三种情景下分别为 0.052 1、0.066 0、0.038 3,应适当调整其减
排责任分摊体系,使其在碳排放约束框架下合理制定相关产业发展目标。
决策者对于公平原则与效率原则偏好的不同会在较大程度上影响减排责任分摊结
果,多数省份在三种情景下农业碳减排潜力指数排名差别较大,从而造成减排责任分摊
机制的不同。如按本文的赋值情况,若按公平优先原则,天津、河北、辽宁、江苏、福
建、山东、河南七地的农业碳减排潜力指数排名比公平与效率等权重原则下靠前,名次
分别从 24、26、7、11、13、22、23 上升到 22、25、5、8、12、20、21,意味着若按公
平优先原则,则这七地应承担更多的农业减碳责任;而按效率优先原则,黑龙江、上
海、安徽、湖南、四川、贵州、云南、甘肃、青海、宁夏、新疆等地的农业碳减排潜力
指数排名比公平与效率等权重原则下靠前,名次分别从 30、21、15、8、19、27、20、
25、3、14、10 上升到 29、18、14、6、17、23、19、16、2、12、8,意味着这些地区当
决策者是效率偏好者时有能力承担更多的农业减碳责任。在衡量减排潜力进行减排责任
分摊时,如果提高某项指标的权重,对于该项指标值较大的省份来说,减排任务也会相
应提高。
4 结论与讨论
4.1 主要结论
结合前文研究结果,本文可得出以下主要结论:
1180 自 然 资 源 学 报 30 卷
易机制,尝试建立省际农业碳减排责任分摊机制,摒弃以往只考虑工业碳排放的做法,
将农业碳排放也纳入进来,并综合考虑其减排公平性与效率性,对各地区初始碳排放权
进行重新界定与分配。
当然,纵使明确了减排责任分摊机制的建立应充分考虑公平原则和效率原则,但在
保障低碳农业发展的前提下,各地区初始碳排放权的界定与分配是进行碳排放权交易的一
大难点。不同的决策偏好选择下,责任分摊机制会发生变化,但变化多少难以确定,限
于数据的可得性及笔者自身水平的不足,本文仅仅是以各指标指数化形式对于减排责任
的省区差异进行简单界定,不能给出量化分摊标准。这将是今后进一步深入研究的方向。
参考文献(References):
[1] 吴贤荣, 张俊飚, 朱烨, 等. 中国省域低碳农业绩效评估及边际减排成本分析 [J]. 中国人口·资源与环境, 2014, 24
(9): 79-84. [WU Xian-rong, ZHANG Jun-biao, ZHU Ye, et al. Evaluation of provincial low-carbon agriculture perfor-
mance and estimation of marginal abatement costs in China. China Population, Resources and Environment, 2014, 24
(9): 79-84. ]
[2] 董红敏, 李玉娥, 陶秀萍, 等. 中国农业源温室气体排放与减排技术对策 [J]. 农业工程学报, 2008, 24(10): 269-273.
[DONG Hong-min, LI Yu-e, TAO Xiu-ping, et al. China greenhouse gas emissions from agricultural activities and its
mitigation strategy. Transactions of the CSAE, 2008, 24(10): 269-273. ]
[3] 田云, 张俊飚. 碳排放与经济增长互动关系的实证研究——以武汉市为例 [J]. 华中农业大学学报: 社会科学版,
2013, 33(1): 118- 121. [TIAN Yun, ZHANG Jun- biao. Empirical study on interactive relationship between economic
growth and carbon emissions. Journal of Huazhong Agricultural University: Social Science Edition, 2013, 33(1): 118-121. ]
[4] 贺亚亚, 田云, 张俊飚. 湖北省农业碳排放时空比较及驱动因素分析 [J]. 华中农业大学学报: 社会科学版, 2013, 33
(5): 79-85. [HE Ya-ya, TIAN Yun, ZHANG Jun-biao. Analysis on spatial-temporal difference and driving factors of agri-
cultural carbon emissions in Hubei Province. Journal of Huazhong Agricultural University: Social Science Edition,
2013, 33(5): 79-85. ]
[5] Murray B C. Overview of agricultural and forestry GHG offsets on the US landscape [J]. Choices, 2004, 6(3): 14-18.
[6] Mccarl B A, Schneider U A. US agriculture’s role in a greenhouse gas emission mitigation world: An economic perspec-
tive [J]. Review of Agricultural Economics, 2000, 22(1): 134-159.
[7] Cole C V, Duxbury J. Global estimates of potential mitigation of greenhouse gas emissions by agriculture [J]. Nutrient
Cycling in Agroecosystems, 1997, 49(1): 221-228.
[8] Färe R, Grosskopf S, Knox Lovell C A, et al. Derivation of shadow prices for undesirable outputs: A distance function
approach [J]. The Review of Economics and Statistics, 1993, 75(2): 374-380.
[9] Nguyen V H, Shashi K, Virginia M. Shadow prices of environmental outputs and production efficiency of household-lev-
el paper recycling units in Vietnam [J]. Ecological Economics, 2008, 65(1): 98-110.
[10] Ghorbani M, Motallebi M. The study on shadow price of greenhouse gases emission in Iran: Case of dairy farms [J]. Re-
search Journal of Environmental Sciences, 2009, 3(4): 466-475.
[11] 陈诗一. 工业二氧化碳的影子价格: 参数化和非参数化方法 [J]. 世界经济, 2010, 33(8): 93-111. [CHEN Shi-yi. Shad-
ow price of industrial carbon dioxide: Parametric and nonparametric methods. The Journal of World Economy, 2010, 33
(8): 93-111. ]
[12] 涂正革. 工业二氧化硫排放的影子价格: 一个新的分析框架 [J]. 经济学: 季刊, 2009, 9(1): 259-282. [TU Zheng-ge.
The shadow price of industrial SO2 emission: A new analytic framework. China Economic Quarterly, 2009, 9(1): 259-282. ]
[13] Färe R, Grosskopf S, Pasurka C A. Environmental production functions and environmental directional distance func-
tions [J]. Energy, 2007, 32(7): 1055-1066.
[14] Färe R, Grosskopf S. Shadow Pricing of Good and Bad Commodities [J]. American Journal of Agricultural Economics,
1999, 80(3): 584-590.
[15] Wei C, Ni J L, Du L M. Regional allocation of carbon dioxide abatement in China [J]. China Economic Review, 2012, 23
(3): 552-565.
[16] 田云, 张俊飚. 中国农业生产净碳效应分异研究 [J]. 自然资源学报, 2013, 28(8): 1298-1309. [TIAN Yun, ZHANG
1182 自 然 资 源 学 报 30 卷
Jun-biao. Regional differentiation research on net carbon effect of agricultural production in China. Journal of Natural
Resources, 2013, 28(8): 1298-1309. ]
[17] 吴贤荣, 张俊飚, 田云, 等. 中国省际农业碳排放: 测算、效率变动及影响因素研究 [J]. 资源科学, 2014, 36(1): 129-
138. [WU Xian-rong, ZHANG Jun-biao, TIAN Yun, et al. Research on Chinas provincial agricultural carbon emissions
performance index and its influencing factors. Resources Science, 2014, 36(1): 129-138. ]
Abstract: Scientific estimate of abatement capacity is the basis of the implementation of liabili-
ty-sharing of carbon reduction. This article took into account both the expected outputs and un-
expected outputs in the agricultural economic accounting system. The Directional Distance
Function was used, and the main objective is to estimate the agriculture marginal abatement
cost of 31 provinces (autonomous regions and municipalities) of China from 2000 to 2011. Fur-
ther, from the perspective of both equity and efficiency, per capita agricultural carbon emission,
per capita gross agricultural production, agricultural carbon intensity and agricultural carbon
shadow price are brought into the construction of the index of agricultural carbon emission
abatement capacity. The results show that: 1) there are large regional differences in the agricul-
tural marginal abatement cost. Hainan, Fujian, Shandong, Liaoning, Guangdong, Beijing, Tian-
jin, etc, have high shadow price of agricultural carbon emission, which means that their abate-
ment cost is high; however, Tibet and Qinghai’s agricultural carbon emission shadow prices
are low. 2) Based on the differences of equity and efficiency, the 31 provinces are divided into
four categories. Tibet and other two regions belong to the“high- efficiency & high- equity”
type. Gansu and Ningxia belong to the“high-efficiency & low-equity”type. Ten regions includ-
ing Liaoning belong to the“low-efficiency & high-equity”type. Beijing and other fifteen re-
gions belong to the“low-efficiency & high-equity”type. 3) Tibet, Hainan, Qinghai and Inner
Mongolia are the top four regions of agricultural carbon emission abatement capacity in the
whole country, while Beijing, Heilongjiang and Shanxi are listed as the bottom three. 4) Differ-
ent preference on equity or efficiency leads to different regional mechanism of liability-sharing
of carbon reduction.
Key words: low-carbon agriculture; agricultural carbon emission; abatement capacity; margin-
al abatement cost; direction distance function