“雙碳”目標下農業生態效率測度及影響因素分析

郭利京, 王仟瀅, 趙瑾

(1.安徽財經大學 經濟學院,安徽 蚌埠 233030;2.安徽科技學院 管理學院,安徽 蚌埠 233030)

作為國民經濟基礎產業,農業在促進我國經濟發展中發揮著至關重要的作用。近些年,雖然我國農業經濟快速發展,農業綜合生產能力不斷提高,但是農業機械化、化學化導致的碳排放量劇增問題日益嚴重,致使農業已經成為第二大碳排放源,占我國碳排放總量的17%[1]。2020年9月22日,習近平總書記在第七十五屆聯合國大會一般性辯論上提出了“雙碳”目標,具體包括在2030年前努力實現二氧化碳排放達到峰值,2060年前力爭實現碳中和;2021年,“雙碳”目標首次寫入中國政府工作報告,作為碳排放和固碳的重要行業,農業發展被提到了前所未有的高度;2022年中共中央、國務院印發《關于做好2022年全面推進鄉村振興重點工作的意見》指出要推進農業農村綠色發展,促進減碳增匯型農業發展。因此,在“雙碳”目標背景下,全面考察農業生態效率發展規律及影響因素,以期彌補農業生態效率短板,助力“雙碳”目標早日實現。

一、文獻回顧

1990年,Schaltegger和Sturm[2]提出了“生態效率”概念,1992年,Schmidheiny[3]在《改變航向:一個關于發展與環境的全球商業觀點》中系統闡釋了生態效率,生態效率應遵循“在提供有價格競爭優勢的產品和服務,滿足人們需求和提高人們生活質量的前提下,使生命周期內的資源消耗和生態環境影響降至地球可承受范圍內,從而實現人與環境協調發展”的原則。作為在農業中的具體應用,目前學者關于農業生態效率的研究主要包括以下四方面。首先,農業生態效率概念和內容界定。目前農業生態效率尚無明確定義,學者[4-5]針對不同研究層次指出,農業生態效率概念和內容的界定存在一定差異,主要內容涵蓋農業要素投入、農業產出及農業生態環境影響三部分,達到在資源節約、環境保護和農產品質量保證的前提下,農業最大產出目標。在“雙碳”目標背景下,筆者認為農業生態效率應遵循“節源、高效、減排和低污”的原則。其次,農業生態效率指標體系構建。主要從土地、勞動、化肥、機械等維度選擇投入指標,王寶義和張衛國(2016)[6]以農業經濟效益為期望產出,以化肥、農藥和農膜等化學要素殘留量為非期望產出;洪名勇和鄧麗楠(2020)[7]加入農業生產碳排放量作為非期望產出,廖佳佳等(2021)[8]加入生態系統服務價值量作為期望產出,農業生態效率指標體系構建日益完善。再次,農業生態效率評價,主要運用生命周期評價法[9]、生態足跡分析法[10]、數據包絡分析法[11]、隨機前沿法[12]等方法分析農業生態效率。最后,農業生態效率影響因素分析,主要探究財政支農等政策支持,工業化[13]、研發投入[14]等宏觀環境,農業受災率、人均農業增加值、規?；?、人力資本[15]等農業發展三方面對農業生態效率的影響。

綜上所述,目前已有文獻對農業生態效率產出指標的研究主要針對農業面源污染、農業生產碳排放等因素,但忽略了農業生產過程中的固碳作用,對農業生態效率的測度不全面,且分析農業生態效率影響因素時,忽略了環境規制的作用。鑒于此,本文引入農業碳匯效應,基于2010—2019年31個省市面板數據,測度觀測期內各地區農業生態效率,考察農業生態效率時空演變規律,并探究其影響因素。

二、指標體系構建

農業廣義上是農、林、牧、漁業的統稱,狹義上是種植業,后者對農業生態環境的影響最深遠,因此,本文選用狹義農業(種植業)作為研究對象。農業生態效率是反映環境保護、資源節約和經濟增長三者均衡關系的指標。結合中國農業發展情況和數據可獲得性等原則,本文從農業資源、農業經濟和農業環境三個方面構建農業生態效率測度指標體系。

在投入方面,農業資源投入包括農業生產過程中人力、物力投入,具體從土地投入、勞動力投入、機械化投入以及化學要素投入四方面反映。鑒于各地區每年的復種比率不同,農業土地投入用農作物總播種面積表征;勞動力投入用農業就業人員數表征,由于目前缺乏農業從業人員數據,利用種植業產值占第一產業總產值比重作為從事種植業人數的比例,估算農業就業人數;農業機械化投入除了農機投入,農機所需燃料也是重要的要素投入,因此農業機械化投入用農用柴油使用量和農業機械總動力2個變量表征。農業化學要素投入包括農膜、農藥和化肥,因此用農膜使用量、農藥使用量、化肥施用量3個變量表征農業化學要素投入。

在產出方面,農業生產過程不僅能產生經濟效益,而且農作物通過光合作用吸收了部分二氧化碳,對生態環境了產生了積極影響,因此從農業經濟效益和農業生態效益2個維度構建期望產出。農業經濟效益用農業總產值表征,農業生態效益用農業碳匯量表征。鑒于目前缺乏農業碳匯統計數據,根據韓召迎等人[17]測算的主要農作物碳吸收率,將主要農作物固碳量作為農業碳匯量,估算農業碳匯量(1)小麥碳吸收率為0.485t·hm-2,稻谷碳吸收率為0.414t·hm-2,玉米碳吸收率為0.471t·hm-2,薯類碳吸收率為0.423t·hm-2,其余農作物碳吸收率為0.450t·hm-2。。在農業生產過程中,除了產生有益作用,也會對環境造成不利影響,尤其是在面源污染和農業生產碳排放兩方面表現明顯,因此從農業污染、農業碳排放2個維度構建非期望產出。

為避免運用DEA進行數據分析時,投入—產出變量過多影響測算結果準確性以及主觀因素對指標權重的影響,本文利用熵權法將農膜、農藥和化肥殘留量(2)農膜、農藥和化肥殘留率分別為0.1,0.5,0.65。等多項污染指標綜合為農業面源污染綜合指數[18]用以表征農業面源污染以減少非期望產出指標數量,確保測算結果準確性;由于目前暫無農業碳排放統計數據,根據李波等人[19]測度的農業生產主要碳排放源的碳排放系數(3)化肥碳排放系數為0.8956kg·kg-1,農藥碳排放系數為4.9341kg·kg-1,農膜碳排放系數為5.18kg·kg-1,柴油碳排放系數為0.5927kg·kg-1,翻耕碳排放系數為312.6kg·km-2,農業灌溉碳排放系數為20.476kg·hm-2。估算農業生產碳排放量,用以表征農業碳排放量,具體指標如表1所示。

表1 農業生態效率測度指標體系

三、研究方法

(一)超效率SBM

超效率SBM模型是Tone等[20]在2001年提出的一種非角度、非徑向DEA模型。與傳統DEA模型相比,超效率將松弛變量引入目標函數,可直接測度與最佳生產前沿相比較的無效率量,同時彌補了傳統DEA模型無法區分多個有效單元格的缺陷,更加科學有效。因此,本文選用超效率SBM模型測度農業生態效率。

假設有p個決策單元,每個決策單元有q種投入、s1種產出、s2種非期望產出,超效率SBM模型表達式如式(1)所示:

(1)

其中,ρ表示農業生態效率值,當ρ≥1決策單元有效,否則存在一定損失;x+、ye、zb分別表示投入值、期望產出值、非期望產出值;S+、Se、Sb分別表示投入松弛變量、期望產出松弛變量、非期望產出松弛變量;λ表示權重向量。

(二)面板Tobit模型

農業生態效率值屬于歸并數據,采用面板Tobit回歸分析農業生態效率影響因素更加科學有效。此外,由于無法得到一致、無偏的估計量,在此選用隨機效應Tobit面板模型,如式(2)所示:

南京普通高校開展定向運動常用的方式有1.社團或者俱樂部；2.體育課教學；3.某場活動組織。據問卷調查，參與“2018年江蘇省定向錦標賽暨江蘇定向邀請賽”中南京普通高校都具有定向運動社團或者俱樂部。這些高校的學生參與社團或者俱樂部開展活動的頻率基本集中在一周2-3次和4-5次(如表1)，其中，南京普通高校學生參與定向運動社團或者俱樂部開展定向運動的頻率為每周2-3次的占34.4%，每周4-5次的占47.2%，每周6-7次的占21%，每周0-1次的占1.6%。

(2)

四、實證與分析

(一)數據來源與處理

2009年起,碳排放問題逐漸受到各級政府重視,碳排放強度被列入中國各地政府績效考核指標[21]。因此,本文應用2010—2019年全國31個省市面板數據,數據來源于2011—2020年《中國統計年鑒》、《中國農村統計年鑒》、各省市統計年鑒以及EPS數據平臺,其中部分數據由原始數據加工得到,缺失值利用臨近點線性趨勢估計法進行填補。

(二)結果分析

基于上述研究方法,借助MaxDea軟件測算2010—2019年全國31個省市農業生態效率。依據國家統計局提出的《東西中部和東北地區劃分方法》,將我國31個省市劃分為四大區域(4)依據國家統計局公布的《東西中部和東北地區劃分方法》,我國劃分為東部、中部、西部和東北四大地區,如下所示:東部地區:北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南;東北地區:遼寧、吉林、黑龍江;中部地區:山西、安徽、江西、河南、湖北、湖南;西部地區:內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆。,分別測算全國和四大區域農業生態效率均值。為綜合時間因素,本文借鑒“厚古薄今”思想,依據卿青平和王瑛研究成果[22],確定在時間度為0.3的條件下,運用最小方差法的非線性規劃求出時間權重,將31個省市和四大區域各年份農業生態效率值進行二次加權,得到各省市和地區農業生態效率綜合值,如表2所示。

從全國層面來看,雖然農業生態效率在2011—2012年、2016—2017年間出現一定幅度下滑,但2010—2019年農業生態效率總體呈現平穩上升態勢;自2013年起,農業生態效率開始出現大幅度上升,2016年以來農業生態效率的綜合效率值一直處于0.892以上,2019年農業生態效率值為1.028,達到了農業生態效率有效狀態,表明農業生態效率整體上處于不斷上升趨勢,我國生態農業建設取得了一定的進展。這與黨的十八大以后大力推進生態文明建設,各地采取積極措施發展生態農業息息相關。此外,2016年起,各地根據糧食品種供需矛盾,主動調整種植結構,因地制宜發展農業經濟作物,糧食總播種面積開始下降,農業碳匯量也隨之下降;但隨著綠色農業不斷發展,農作物種植更加科學,農業碳排放呈現逐年降低趨勢。綜合考慮農業碳匯量和碳排放量,自2016年起,我國農業凈碳排放量(碳排放量減去碳匯量,簡稱凈碳排放量)呈現逐年下降趨勢,農業生態效率不斷提高。

從區域層面來看,2010—2019年東部、東北、中部和西部地區農業生態綜合效率值分別是0.9262、0.9730、0.8834和0.8953,東北和東部地區的農業生態效率明顯高于中部和西部地區,我國農業生態效率總體呈現東北地區最高、東部次之、西部較低、中部最低的空間分布格局。從各地區變動情況來看,雖然部分年份農業生態效率出現下降,但各地區2010—2019年農業生態效率總體呈現上升態勢,除中部地區外,其余地區在2019年均達到了農業生態有效狀態。具體來說,東北地區憑借良好的農業資源稟賦,且持續推進綠色農業發展和農業現代化改革等措施,其農業生態效率在觀測期內增長了16.69%,年均增長幅1.85%,農業生態效率一直處于全國較高水平,尤其在2013—2018年,穩居全國第一。此外,在觀測期內,東北地區農業碳匯量最高,且農業凈碳排放量最低。其次是東部地區,其農業生態效率在觀測期內增長了29.01%,年均增長幅高達到3.22%,發展勢頭最猛,且東部地區擁有雄厚的經濟基礎,全國領先的科學技術。加上人們生活需求的變化,低碳、生態環保理念深入人心,這為生態農業建設提供了良好的基礎,東部地區低碳生態農業建設發展勢頭良好,凈碳排放量也呈現逐年遞減趨勢。雖然西部地區農業生產環境較為惡劣,農業發展受限,農業碳匯量相對其他地區較低,且2015年以前農業生態效率一直處于負增長,但隨著農業綠色生產和環境保護工作不斷深入,西部地區農業生態效率在觀測期間增長了15.05%,年均增長幅度為1.67%,農業凈碳排放量較低,生態農業發展較為平穩。中部地區農業生態效率在2010—2019年期間增長了26.30%,年均增長速度為2.92%,是4個地區中增長幅度和增長速度較高的地區,其中,2010—2015年增長速率較慢,自2016年起,農業生態效率增長幅度增大,具有較大發展潛力。此外,中部地區碳匯量僅次于東北地區,但農業碳排量和農業凈碳排放量卻是4個地區中最高的,農業生態建設和低碳農業建設有待進一步加強。

表2 2010—2019年中國31個省市農業生態效率

從省際層面看,2010年僅有7個省市農業生態效率處于有效狀態,僅占總數的22.58%;而2019年25個省市農業生態效率達到了有效狀態,占總數的80.64%,是2010年農業生態效率為有效狀態的省市數量的3.5倍,大部分省市農業凈碳排放量呈現逐年下降趨勢,尤其是2016年以后表現更為顯著,說明我國農業生態建設效果顯著。根據各省市農業生態綜合效率值,將31個省市分為3類,每類分為兩個梯隊。具體來說,吉林、黑龍江、江蘇、山東、天津、上海、北京、河南、陜西、寧夏、青海、貴州、四川和西藏屬于高效第一梯隊(0.95以上);遼寧、福建、河北、江西和山西屬于高效第二梯隊(0.9～0.95);海南、廣東、安徽、內蒙古和重慶屬于中效第一梯隊(0.85～0.9);浙江和湖南屬于中效第二梯隊(0.8～0.85);湖北、廣西、云南和新疆屬于低效第一梯隊(0.75～0.8);甘肅屬于低效第二梯隊(0.7～0.75)。處于高效水平的省市地區分布均勻,且黑龍江、吉林、山東和河南等農業大省農業生態綜合效率處于高效狀態;中效省市主要集中在東部、中部和西部地區,其中安徽等部分農業大省農業生態效率處于中效水平。低效省市主要集中在西部地區,且該區域內部農業生態效率兩極分化嚴重,如表3所示。

表3 31個省市農業生態綜合效率分布情況

(三)影響因素分析

1.影響因素指標體系構建

通過上述分析并借鑒以往學者研究成果[16,23],本文從政策支持、宏觀環境和農業發展3個維度,確定財政支農程度、農業環境規制、科技支持力度、工業化程度、農業自然環境、農業資源稟賦、農業機械密度、農業人力資本和農業生產能力9個指標分析農業生態效率影響因素,具體指標如表4所示。

表4 農業生態效率影響因素指標體系

2.實證結果分析

由于目前尚無針對狹義農業的財政支出和農業污染治理投資統計,借鑒以往學者[24]研究經驗,本文將農業產值占地方生產總值比重作為農業財政支出和農業污染治理投資占各自點量的比重,從而獲得農業財政支出和農業污染治理投資。此外,目前暫無農業技術人員統計數據,因此利用公有經濟企事業單位專業技術人員中農業技術人員的比重衡量農業人力資本。運用Stata軟件求解面板Tobit模型,如表5所示。

表5 農業生態效率影響因素

由表5可知,除科技支持力度通過了5%水平顯著性檢驗,其余均通過了1%水平顯著性檢驗;且LR檢驗的p值為0.000,強烈拒絕原假設“H0:σu=0”,即存在個體效應,選擇隨機效應面板Tobit模型分析農業生態效率影響因素更為恰當,各項指標對農業生態的影響具體如下。

政策支持方面,財政支農程度對農業生態效率有著負向影響。當前財政支農著重于農業生產要素類補貼,如:化肥、農藥、農機等要素的財政補貼[12]。該類要素投入不斷增加,導致石油農業的快速發展,進而產生大量碳排放,農業生態破壞更加嚴重,從而抑制了農業生態效率提高;農業環境規制對農業生態效率具有正向效應。政府加大農業環境規制,提高了農業生產環境治理,同時增強了人們環保意識,一定程度上降低了農業碳排放和面源污染,提高了農業生態效率。

宏觀環境方面,科技支持力度對農業生態效率有著正向影響。政府增加科技支持力度,為農業生產技術研發和創新提供了大量資金支持,促進農業生產技術現代化,推動傳統農業綠色轉型。工業化程度對農業生態效率有著負向影響。工業為農業發展提供了要素、技術等重要資源。但伴隨著工業發展,石油農業發展程度越來越高,農業產量雖然有所提升,但生產過程中伴隨著大量碳排放,對生態產生不利影響,抑制了農業生態效率提高。

農業發展方面,農業生產環境對農業生態效率有著負向影響。農業是與自然環境結合最為緊密的產業,氣候變化仍然是農業生產的重要影響因素,如果當地氣候惡劣,農業期望產出就會降低,農業生態效率自然下降;農業資源稟賦對農業生態效率起正向作用,在其他條件不變的情況下,耕地資源投入增加,農業總產量隨之提高。此外,耕地資源增加有利于促進農業集約化、規?；母?減少資源浪費和碳排放,提高了農業生態效率。農業機械密度對農業生態效率有著負向影響,雖然農業機械化程度提高能夠增進勞動力生產效率,但農業機械化程度的提高,化石能源使用量隨之提高,意味著農業生產碳排放量增加,農業生態效率提高受阻;農業人力資本對農業生態效率有著正向影響,低素質農業生產者的農業經營方式多以粗放式、低效率為主,而高素質農業生產者接受了農業技術培訓,了解生態農業的重要性,同時能夠掌握低碳科學農業生產技術,保證在農業產值提高的同時減少碳排放等非期望產出,進而促進農業生態效率的提高;農業生產能力對農業生態效率起正向影響,農業產值是農業生產能力的直接體現,作為農業生態效率的期望產出之一,農業產值增加直接促進農業生態效率提升。此外,農業產值增加促進農民增收,進而提高生產要素投入,這為農業生態效率提高提供良好的基礎。

表6 模型穩健性檢驗結果

3.穩健性檢驗

為保證上述結果的可靠性,將農業資源稟賦變量從農作物總播種面積更換為當地耕地面積占全國耕地面積的比重,結果發現各項指標對農業生態效率的影響依舊顯著,表明本文研究結果具有穩健性。

五、結論與建議

(一)結論

第一,農業生態效率時空演變結果表明,2010—2019年中國農業生態效率總體呈現平穩上升態勢,空間上呈現東北地區農業生態效率最高、東部次之、西部較低、中部最低的分布格局。

第二,農業生態效率影響因素分析表明,財政支農程度、工業化程度、農業自然環境、農業機械密度對農業生態效率產生負向影響;農業環境規制、科技支持力度、農業資源稟賦、農業人力資本和農業生產能力對農業生態效率產生正向影響。

(二)建議

1.合理投入農業要素資源

目前我國農業仍是以石油農業為主,支農補貼主要以化肥、農藥為主,導致化學要素投入過剩,造成碳排放量高、生態環境損害。因此,應合理安排農業生產要素投入,具體措施包括:降低化學要素使用量,提高農膜回收率,增加農業環保要素投入等,同時提高農業碳匯能力,降低農業生產凈碳排放量。另外,應進一步強化環境規制力度,推動生態農業建設。

2.加大農業科技研發和推廣力度

運用綜合信息技術、農作物生產改良技術等增加農業產出;運用農業農村減排固碳十大技術模式[25],減少農業凈碳排放量;加大節水灌溉、生物技術、農業廢棄物回收利用等技術應用節約農業要素投入,促進農業生態效率提高。

3.提高農業勞動力素質

應通過定期開展農業技能培訓,加強現代農業技術學習與交流,培育一批有文化、懂技術、善經營、會管理的高素質農業生產人才,提高農業勞動力質量,促進農業綠色高質量發展。