【文献分享】农业碳排放减排及封存与粮食安全的耦合协调发展多驱动路径:基于动态fsQCA的配置分析

摘要

探索农业碳减排及封存（CERS）与粮食安全的耦合协调发展，对减缓气候变化和实现可持续发展具有重要意义，但相关研究尚显不足。本文基于2001—2021年中国31个省份面板数据，采用动态fsQCA方法，分析了农业CERS与粮食安全耦合协调发展的水平及驱动路径。结果表明：（1）耦合协调度（CCD）从2001年的0.443升至2021年的0.489，呈上升趋势；（2）存在三条驱动路径：技术驱动型、财政驱动型和城镇发展驱动型；（3）粮食播种面积和单位面积产量是核心基础变量，与技术或财政支出结合可增强协调发展，其中播种面积与单产呈互补关系，技术与财政支出呈替代关系；（4）时间上，技术驱动与财政驱动路径趋势一致；区域上，技术—财政协同路径在西部偏远地区占优，技术驱动型在西南山区，财政驱动型集中于北部，城镇发展驱动型位于经济发达地区。政策制定应因路径、因区域施策。

研究背景

全球范围内，环境保护与气候变化问题日益突出。农业兼具碳排放与碳汇功能，在保障粮食安全中扮演双重角色。2021年中国农业碳排放约7亿吨，占亚洲四分之一、全球13.6%；同时作物生长可吸收CO₂，是减缓气候变化的有效路径。2022年国家发布《农业农村减排固碳实施方案》，进一步明确了CERS的重要性。与此同时，快速城镇化、资源约束、气候变化及地缘冲突等因素使粮食安全形势更趋复杂。在推进CERS的同时，必须兼顾粮食安全。因此，探究二者协调发展的驱动机制，对维护社会稳定和推动农业可持续发展具有重要意义。

研究贡献

本文在理论上的主要贡献包括：（1）开创了CERS与粮食安全耦合协调的理论框架，丰富和拓展了现有理论关系的分析范围；（2）引入了定量方法来评估CERS与粮食安全两个系统之间的协调发展程度；（3）从组态视角采用前沿的动态fsQCA方法，探索多因素组合对耦合协调发展的驱动机制。

研究结果

1.CCD的时空特征分析

图3展示了农业CERS与粮食安全之间CCD的时空变化。从空间分布来看，农业CERS与粮食安全的耦合协调发展程度呈上升趋势，呈现出“北高南低”的特征。达到初级和中级协调的区域数量显著增加，包括山西、山东、河北、内蒙古、青海、吉林、甘肃、河南、天津、辽宁、宁夏、西藏、新疆、北京和黑龙江。失调区域包括海南、广东、福建、广西、浙江、湖南、江西、上海、湖北和重庆。这些区域主要位于南方地区。这是因为这些地区主要种植水稻，产生大量甲烷，导致CERS水平较低，从而造成农业CERS与粮食安全之间的失调。时间分析显示，31个省份中有21个的CCD呈上升趋势，平均CCD从2001年的0.443增加到2021年的0.489。山东、新疆、河北、辽宁、山西和黑龙江等省份改善显著。CCD的上升趋势表明中国农业CERS与粮食安全正朝着积极的方向发展，与粮食安全和双碳目标相一致。然而，大部分地区仍处于失调状态，凸显了制定合理政策和措施以促进二者耦合协调发展的重要性。

2.必要条件分析

必要条件分析的评估标准是0.9。一致性水平高于0.9表明该变量是结果的必要条件。在fsQCA面板数据分析中，组间或组内一致性调整距离大于0.1表明数据中存在数据结构。组间一致性调整距离越大，表明时间效应显著；组内一致性调整距离越大，表明个体异质性显著且可能存在个体间聚类。必要性结果如表4所示，其中粮食播种面积占比（PSA）、受灾面积（DA）、农业技术（TEC）、化肥使用量（FEU）、劳动力数量（LN）、农业财政支出（AE）和第一产业结构（PIO）的总体一致性均小于0.9，表明这些因素不是必要条件。此外，虽然低单位面积产量（UY）水平的总体一致性大于0.9，但其覆盖度小于0.5，表明这不是决定结果所必需的变量；尽管地区生产总值（GDP）和城镇化率（UR）的一致性大于0.9且覆盖度大于0.5，但XY散点图显示位于对角线以上的数据比例超过三分之一，因此也不是必要条件。对于一致性调整距离，大多数变量的组间和组内一致性调整距离均大于0.1，表明时间和个体效应显著，且耦合协调发展驱动路径中存在面板结构。因此，从组间、组内和总体三个维度捕捉效应至关重要。

3.组态分析

（1）总体结果

组态结果如表5所示。三种组态呈现了三条驱动高耦合协调发展水平的路径。总体一致性为0.925，三种组态的一致性分别为0.922、0.927和0.977，均大于0.9。这表明结果得到了很好的解释，可被视为实现高耦合协调发展水平的充分条件。组间一致性调整距离和组内一致性调整距离均大于0.1，表明组态变量存在显著的时间效应和个体效应。下面对三种组态结果、前因条件比较以及互补和替代关系进行具体分析。

组态1：PSA* ∼ DA*TEC* ∼ FEU* ∼ LN*UY*GDP* ∼ UR* ∼ PIO。在PSA与UY有保障的地区，即使化肥与劳动力投入较低，借助TEC补充仍可促进CCD提升。核心条件为PSA和UY，辅助条件为TEC和GDP。该路径覆盖34.3%的案例，其中1.6%为唯一解释。

组态2：PSA* ∼ DA* ∼ FEU* ∼ LN*UY*GDP* ∼ UR*AE* ∼ PIO。在PSA与UY有保障的地区，即使化肥与劳动力有限，通过AE亦可有效提升CCD。核心条件为PSA和UY，辅助条件为GDP和AE。覆盖38.1%的案例，其中5.4%为唯一解释。

组态3：PSA*DA* ∼ TEC*FEU* ∼ LN*UY*GDP*UR* ∼ AE* ∼ PIO。在城镇化与经济水平较高的地区，即便面临灾害、劳动力有限且PIO较低，维持PSA、UY及FEU仍可提升CCD。UR为核心条件，PSA、FEU、UY、GDP为辅助条件。覆盖10.6%的案例，其中3.1%为唯一解释。北京、天津为此类典型，其资源稀缺性倒逼高效利用与低碳转型。

横向比较各配置可进一步揭示推动农业CERS与粮食安全协调发展的前因条件。PSA与UY在三条路径中均为核心或基础条件，凸显二者作为生产基础的重要性，且呈互补关系。TEC与AE在不同组态中呈现替代效应——生产基础稳固时，二者均可作为有效补充，但若TEC已存在，AE作用减弱。FEU需与其他因素协同方能发挥作用，劳动力因素因机械化与规模化普及影响甚微，GDP仅作为辅助条件，独立作用有限。UR作用情景依赖，仅在组态3中作为核心条件。PIO与CCD关联不显著。组态1与组态2核心条件相同，仅在辅助变量（TEC vs. AE）上存在差异，反映二者可相互替代。组态3则适用于经济发达、但耕地资源紧张的地区，此类区域农业规模小，灾害冲击相对有限。

（2）组间结果

根据表5中的组间一致性结果，虽然不存在显著的时间效应，但通过绘制一致性水平图仍可看出三种组态的趋势。如图4所示，组态1和组态2的时间趋势高度相似，均在21世纪初迅速上升，随后开始波动，这与上述两种组态变量的相似性一致。组态3与组态1和组态2显著不同，它在2008年出现异常低的一致性，这可能与2008年金融危机有关。组态3是城镇发展驱动型配置，受剧烈经济波动影响，其驱动协调发展的因素也表现出异常波动。

（3）组内结果

从组内一致性调整距离看，组态1与组态2均大于0.1，表明其分布存在显著区域差异（表6）。组态1覆盖西藏、宁夏、天津、重庆、北京、云南、贵州，偏远地区因农业落后、山区因技术操作困难、发达地区因耕地稀缺且技术边际成本高，技术与其他投入的组合成为有效驱动路径。组态2包括西藏、宁夏、重庆、甘肃、北京、天津、辽宁、山西、吉林、黑龙江，财政支持是这些地区的主要驱动力，东北地区因机械化水平高、技术基础较好，需进一步财政投入推进协调发展。组态3分布于内蒙古、北京、天津，发达地区城镇化与经济水平高、农业占比小，内蒙古则地广人稀，城镇化进程提升了粮食生产效率与CERS水平。

为展示省份间的多重驱动路径，本文绘制了配置分布图（图5，C代表配置，“+”表示同时属于多条路径）。偏远地区（西藏、宁夏、重庆）可通过提升技术或增加财政支持来提升CCD；西南山区（云南、贵州）以技术驱动为主，需强化技术创新与应用；北方地区（甘肃、辽宁、山西、黑龙江、吉林）以财政支持为驱动力，应增加农业投入与补贴；发达地区（北京、天津）则可通过技术、财政与城镇化协同促进协调发展。

4.稳健性检验

为检验结果稳健性，通过调整阈值与锚点进行稳健性测试（表7）。将一致性阈值从0.8提高至0.85后，测试1结果与表5完全一致；将锚点调整为90%、50%、10%分位数后，测试2结果与表5的组态结构基本一致或呈子集关系。各项条件的一致性与覆盖度未发生明显变化，整体结论趋势不变，表明本文结果具有稳健性。

研究结论

本文运用动态fsQCA方法，从组态视角分析了农业CERS与粮食安全耦合协调发展的驱动路径，并探讨了配置的时间效应与区域异质性。CCD由2001年的0.443升至2021年的0.489，呈上升趋势。识别出三条主要驱动路径：技术驱动型、财政驱动型和城镇发展驱动型。PSA与UY作为核心基础变量，与技术或财政支持结合可有效提升CCD水平；二者呈互补关系，而技术与财政支出呈替代关系。城镇发展驱动路径倒逼资源高效利用与农业低碳转型，是发达地区提升CERS的有效途径。

前因变量比较显示，PSA和UY与CCD强相关，而TEC、AE、FEU、GDP、UR的作用因组合条件而异。时间上，前两条路径趋势一致，城镇发展驱动路径波动较大，尤以2008年金融危机期间为甚。区域异质性明显：技术-财政协同路径主导西部偏远地区，技术驱动型集中于西南山区，财政驱动型分布在北部，城镇发展驱动型则位于发达地区。不同变量组合对应的驱动路径类型，为差异化政策制定提供了参考依据。