陜西省生態環境對耕地利用生態效率的響應

王睿,員學鋒,楊悅,趙雨

(1.長安大學地球科學與資源學院,西安 710054;2.長安大學土地工程學院,西安 710064;3.陜西省土地整治重點實驗室,西安 710064)

生態環境是人類社會發展重要的自然基礎和主要的物質來源,在人類的生產生活中發揮著重要作用,同時,它也是人類生產生活廢棄物和人類活動作用的承擔者。21世紀以來,中國經濟快速發展,同時也出現了一系列環境問題,大氣污染、自然災害頻發等[1]。長此以往,生態環境問題會給人類的生產、生活帶來負向影響,尤其是強烈依賴生態環境的農業生產[2]。耕地作為農業生產活動中重要的生產要素之一,具有生產、生活和生態功能[3]。據第七次全國人口普查數據顯示,2020年底,我國有14億人口,龐大的人口基數疊加,消費不斷升級,糧食需求仍在不斷增長。面對全球農產品貿易的不確定性,二十大報告強調要“確保中國人的飯碗牢牢端在自己手中”。因此,在“人與自然和諧共生”發展目標下,探究生態環境對耕地利用生態效率的響應方式與程度,對促進生態環境和耕地利用協同發展、保障糧食安全、實現農業現代化發展具有重要意義[4]。

國外較少提及耕地利用生態效率,研究多集中于農業和農作物生產效率等方面[5-6]。近年來,國內對糧食安全和耕地利用的關注度提高,學者在耕地利用生態效率度量體系的構建[7]、耕地利用生態效率時空差異分析及影響因素等[8]方面進行了深入研究。在研究方法上,數據包絡分析(DEA)可以有效避免函數形式錯誤,逐漸成為耕地利用生態效率測算研究的主流模型。在評價指標體系上,目前主要由資源投入和農業產出兩部分組成,在“雙碳目標”背景下,學者開始將農業面源污染[9]、碳排放[10]作為非期望產出引入到指標體系中,但目前的研究很少考慮耕地利用過程中的碳匯。在對生態環境質量的研究中,徐涵秋[11]基于遙感數據構建遙感生態指數模型來評價生態環境質量,因其數據易獲取、主觀因素影響小而應用廣泛。在對不同地區進行研究時,學者對遙感生態指數有所改進[12]?，F有研究[13-14]主要集中在土地利用對生態環境的影響,在研究區內部生態環境對耕地利用生態效率的響應方式和程度方面研究分析較少?；诖?本文以陜西省為研究區域,以縣域為研究單元,將碳排放量作為非期望產出,農業生產過程中的碳匯作為生態期望產出引入耕地利用生態效率評價指標體系中,運用非期望產出的超效率SBM 模型等方法,探究生態環境對耕地利用生態效率的響應方式和程度,以期為陜西省耕地利用轉型升級和農業高質量發展提供方向指引和科學依據。

1 研究數據、指標選取與研究方法

1.1 研究區域與研究數據

陜西省位于31°42′—39°35′N,105°29′—111°15′E,年均溫為13.7℃,年均降水量680 mm,地勢南北高,中間低,秦嶺和黃土高原將陜西劃分為陜北黃土高原、關中平原和陜南秦巴山地三大自然區,造成省內自然地理環境的空間差異性明顯,耕地利用條件各不相同。在國家推進質量興農、黃河流域高質量發展大背景下,陜西省位于黃河中游,地處黃土高原區,是典型的氣候變化敏感區和生態環境脆弱區,農業發展的質量效益不高,有較大提升空間[15]。

研究選取2005年、2010年、2015年和2019年陜西省103個(區)縣作為研究對象(因西安市新城區、蓮湖區、碑林區和雁塔區內無耕地,未將其作為研究對象),耕地投入和產出數據主要來源于《中國縣域統計年鑒2005—2019 年》《陜西統計年鑒2005—2019年》以及陜西省各市的統計年鑒(2005 年、2010 年、2015年、2019年)。對于個別年份缺失數據采用線性趨勢值法、平均估值法等方法補齊。生態環境質量分析所需的遙感數據來源于Google Earth Engine(GEE),遙感生態指數具有季節性波動特點,因此選取2005 年、2010 年、2015 年和2019 年5—8 月的MODIS數據來計算遙感生態指數。

1.2 耕地利用生態效率指標選取

基于耕地利用生態效率的內涵[16],將耕地利用生態效率評價指標體系分為投入、期望產出和非期望產出3部分。參照已有研究成果[16],結合柯布道格拉斯生產函數,選取10項指標構建陜西省耕地利用生態效率評價指標體系(表1)。

表1 耕地利用生態效率指標Table 1 Ecological efficiency index of cultivated land use

1.3 研究方法

1.3.1 耕地利用碳匯量測算方法 耕地利用的碳匯主要來自農作物生長周期中光合作用形成的凈初級生產量。公式如下:

式中:C為農作物碳吸收總量;Ci為某種農作物的碳吸收總量;k為農作物種類數;ci為作物碳吸收率;Yi為作物的經濟產量(統計值);ri為作物經濟產品部分的含水量;HIi為作物經濟系數。農作物的相關參數主要參考王修蘭[17]和韓召迎等[18]相關研究成果(表2)。

表2 中國主要農作物經濟系數與碳吸收率Table 2 Economic coefficients and carbon absorption rates of major crops in China

1.3.2 耕地利用碳排放量測算方法 參考田云等[19]的相關研究,耕地利用碳排放源主要有農用物資碳排放、土壤N2O 排放、稻田CH4排放3個方面,計算公式如下:

式中:E為耕地利用碳排放總量;Ei為各類碳源碳排放量;Ti為各碳排放的量;δi為各碳排放的碳排放系數(表3)。

表3 主要碳源碳排放系數Table 3 Carbon emission coefficients of main carbon sources

為了方便分析,將N2O 和CH4置換成標準C,依據IPCC第4次評估報告(2007年),1 t N2O 相當于298 t CO2(81.272 7 t C),1 t CH4相當于25 t CO2(6.818 2 t C)。

1.3.3 非期望產出超效率SBM 模型 非期望產出超效率SBM 模型在考慮非期望產出的情況下,解決了SBM模型計算的效率值只能保持在(0,1]區間內的問題,可以進一步對評價單元進行分析,計算公式如下:

式中:ρ為每個單元的效率值;s1和s2分別為期望產出和非期望產出;sxi,syk和szl分別為投入、期望產出和非期望產出的松弛變量;x0,y0和z0分別為研究單元的投入、期望產出和非期望產出向量;xj,yj和zj則分別為投入、期望產出和非期望產出矩陣;λ為權重向量。

1.3.4 遙感生態指數構建 遙感生態指數(RSEI)是由綠度(NDVI)、濕度(WET)、干度(NDBSI)、熱度(LST)4個指標通過主成分分析提取第一主成分后得到[11],計算方法如下。

NDVI計算公式為:

式中:ρi為Landsat TM/OLI對應i波段的反射率。

WET 計算公式為:

式中:ρi為Landsat TM/OLI對應i波段的反射率。

NDBSI計算公式為:

式中:ρi為Landsat TM/OLI對應i波段的反射率。

LST 計算公式為:

式中:T為傳感器探測到的亮度溫度;λ為熱紅外波段的波長;ε為地表比輻射率,通過NDVI計算得到。

由于4個指標量綱不統一,所以對指標進行歸一化處理,公式如下:

式中:I為某指標的歸一化值;Ii為某指標值;Imin和Imax為某指標最小值和最大值。

經過歸一化處理后的4個指標通過主成分分析確定權重,得到初始的遙感生態指數RSEI0,計算公式如下:

式中:RSEI0為初始的遙感生態指數;PC1為第一主成分;f為對各指標進行歸一化處理。最后將RSEI0進行歸一化處理得到最終遙感生態指數RSEI。

1.3.5 地理加權回歸模型 地理加權回歸模型(GWR)的實質是在研究區域內每個點處建立局部回歸方程,GWR 既可以探索研究對象之間的相關關系,也可以反映研究對象的在研究區域內的空間變化[13]。模型公式為:

式中:yi為采樣點i的因變量值;β0為截距;(ui,vi)為采樣點的常數項;xik為采樣點i的第k個自變量;βk(ui,vi)為采樣點的第k個自變量的系數;εi為隨機誤差項。

2 結果與分析

2.1 耕地利用生態效率時空格局分析

借助非期望產出超效率SBM 模型,設定期望產出與非期望產出權重比為1∶1,測算得出2005年、2010年、2015年和2019 年陜西省耕地利用生態效率,以2005年自然斷點法的分類結果為依據,分為5個等級,即低效率區(0～0.50),較低效率區(0.50～0.86),中等效率區(0.86～1.22),較高效率區(1.22～1.53),高效率區(1.53～2.94)。

時間維度上,2005 年、2010 年、2015 年和2019年陜西省的耕地利用生態效率均值分別為0.92,0.89,0.91,0.86,效率值在0.9上下波動。在4個年份中,面積占比最高的等級均為中等效率,占比最低均為高效率,低效率、較低效率與中等效率的面積占比均在88%以上(表4)。在2005—2019年,較高效率與高效率的面積占比從8.9%增長到10.9%,占比雖然略有提高但仍較低,陜西省耕地利用尚處于中等效率發展水平,還有較大提升發展空間。

表4 陜西省2005-2019年耕地利用生態效率面積比重Table 4 Area proportion of cultivated land use eco-efficiency from 2005 to 2019 in Shaanxi Province

空間維度上,陜西省的耕地利用生態效率區域差異顯著,空間分布不均衡(圖1)。2005年高效率區集聚分布在陜南的寧陜縣和佛坪縣,低效率區較為集中分布在陜北東部的子洲縣、米脂縣和延川縣等地,呈現“南高北低”的分布特征。此后14年,陜北地區黃土丘陵溝壑區和毛烏素沙地的生態治理工程成效顯現,有效遏制水土流失,耕地利用的自然條件改善[29]。陜南地區由于耕地破碎,農業機械化發展受阻[15],導致效率低值區逐漸南移。2019年高效率區為鳳翔區、灞橋區和吳堡縣,分散分布在關中地區和陜北地區,低效率區有三大集中分布區,分別在陜北南部的延川縣和延長縣等地、關中北部的白水縣和澄城縣等地以及陜南南部漢濱區和白河縣等地。

圖1 2005-2019年陜西省耕地利用生態效率分布Fig.1 Distribution map of cultivated land use eco-efficiency in Shaanxi Province from 2005 to 2019

2.2 生態環境質量時空變化分析

陜西省遙感生態指數(RSEI)主成分分析結果表示第一主成分(PC1)中特征值貢獻率均較高(表5),因此以PC1構建陜西省遙感生態指數。根據已有研究[30],將RSEI按照相等間隔劃分為5個等級:低(0～0.2)、較低(0.2～0.4)、中等(0.4～0.6)、較高(0.6～0.8)、高(0.8～1)。

表5 遙感生態指數主成分分析結果Table 5 Principal component analysis results of remote sensing ecological index

時間尺度上看,陜西省2005—2019年生態環境質量總體上呈現不斷提高的趨勢。2005年、2010年、2015年和2019年陜西省RSEI均值分別為0.58,0.62,0.64,0.65,逐漸由中等水平提高至較高水平。在2005—2019年,低等級與較低等級的面積占比由28.9%降低至13.1%(表6),這說明陜西省實施的三北防護林等生態環境治理工程行之有效,低等級與較低等級區域主要分布在陜北黃土丘陵溝壑區和毛烏素沙地,東部黃土丘陵溝壑區主要實行“坡面退耕還林還草,溝道攔蓄整地,梁峁固土保水”的治理措施,西北部毛烏素沙地則以“沙地固沙還灌草,農區防風還林網”為主。

表6 陜西省2005-2019年遙感生態指數Table 6 Remote sensing ecological index of Shaanxi Province from 2005 to 2019

空間尺度上看,陜西省2005—2019 年RSEI總體上保持“南高北低”的分布格局(圖2)。陜西省內RSEI高等級區域主要分布在陜南地區以及陜北南部的黃陵縣等地,這些地區地處秦嶺山區、黃龍山景區和子午嶺森林公園,以森林覆蓋為主,綠度指數較高。低和較低等級區域主要分布陜北西北部的定邊縣等地,地處毛烏素沙地,濕度指數較低。將2005 年、2010年、2015年和2019年陜西省生態環境質量分布圖進行對比,得到RSEI變化情況(圖3)?？偟膩砜?陜西省RSEI變化分布格局在3個時段內有較大的變化,RSEI提高0.1～0.5主要分布在陜北地區的吳起縣等地,降低0.1～0.5主要分布在關中地區的三原縣等地。在2005—2010 年,RSEI變化以提高為主,少部分RSEI降低主要在關中地區的太白縣等地,以及陜南地區的平利縣等地;2010—2015年與上一個時段相比,RSEI降低地區面積有所增加,主要分布在關中地區的武功縣等地,以及陜北地區的米脂縣等地。2015—2019年RSEI變化分布較為集中,質量降低地區面積繼續擴大,集中分布在關中地區,陜南地區以及陜北南部的延長縣和宜川縣等地,質量提高地區集中分布在陜北地區的定邊縣等地。

圖2 陜西省2005-2019年RSEI等級Fig.2 RSEI level of Shaanxi Province from 2005 to 2019

圖3 陜西省2005-2019年RSEI變化Fig.3 Changes of RSEI in Shaanxi Province from 2005 to 2019

2.3 生態環境對耕地利用生態效率的響應

基于GeoDa 軟件測度2005—2010 年、2010—2015年和2015—2019年陜西省耕地利用生態效率和RSEI指數雙變量全局空間自相關Moran′sI指數,均通過了5%的顯著性檢驗,且Moran′sI均為正,表明兩者存在顯著的空間正相關(表7)。

表7 雙變量全局空間自相關Moran's I 指數Table 7 Bivariate global space autocorrelation Moran's I index

為了探究陜西省內部生態環境對耕地利用生態效率的響應方式和程度,選取2005—2010年、2010—2015年和2015—2019年耕地利用生態效率數據和RSEI數據,以RSEI變化值為因變量,以耕地利用生態效率變化值為解釋變量,利用ArcGIS 10.7 軟件GWR 工具計算回歸系數,相關參數與結果見表8。

表8 GWR 模型參數估計及檢驗結果Table 8 GWR model parameter estimation and test results

從時間變化來看,2005—2019年RSEI和耕地利用生態效率的關系模式并不穩定,在3個時段內變化較大。2005—2010年,回歸系數以負相關關系為主。2010—2015年與上一時段相比,正相關關系擴大,主要原因在于2012年黨的十八大將生態文明建設納入“五位一體”總體布局,陜西省政府大力推進農業污染減排工作,加快促進綠色農業發展,實現耕地利用和生態環境和諧發展,但耕地利用與生態環境保護協同發展模式尚不穩定還需進一步探索與鞏固。2015—2019年,回歸系數變為負向為主。

從空間分布來看,陜西省耕地利用生態效率與RSEI的回歸系數分布空間差異較大(圖4)。2005—2010年,耕地利用生態效率變化與RSEI變化的回歸系數總體表現為強負相關關系,強負相關關系主要分布在陜北北部的府谷縣、榆陽區、靖邊縣,關中南部的太白縣、周至縣和陜南地區的鎮巴縣等地,強正相關關系主要集中分布在關中地區的合陽縣、富平縣、臨潼區和金臺區。2010—2015年回歸系數總體表現為正相關關系,強正相關關系集聚在關中北部的永壽縣等地,較上一時段,這一時段負相關關系地區大幅減少且分布更為集中,主要分布在陜北地區的定邊縣和關中地區的岐山縣等地。2015—2019年總體為弱負相關關系,與2005—2010年相比負相關程度較輕,強負相關關系分散分布在陜北東南部的延長縣和關中北部的富平縣等地,強正相關關系分布在志丹縣和楊凌區。

圖4 GWR 模型回歸系數空間分布Fig.4 Spatial distribution of regression coefficients of GWR model

3 討論

陜西省耕地利用生態效率對生態環境質量的影響具有空間不均衡性。研究發現三大區域生態環境對耕地利用生態效率的響應程度與演變趨勢有所差異,主要原因在于三大區域的自然條件和社會經濟狀況不同。為實現不同區域農業高質量發展,提出以下幾點建議:(1)關中地區是陜西省重要的糧食主產區之一,同時也是城鎮化水平較高區域,人口相對密集,建設用地明顯增加[31],部分地區人地矛盾突出,生態系統超載,耕地利用生態效率對生態環境質量有明顯的負向影響。由于關中地區獨特的自然環境和良好的區位優勢,建議適度推進“農旅融合”模式,大力發展綠色農業和觀光農業。(2)陜北黃土高原地區生態環境質量低,由于實施三北防護林等生態修復工程,生態環境逐漸改善,耕地利用生態效率提高,發展潛力大,部分縣市實現耕地利用和生態環境協同發展。在“產學研用”模式下,可以推動農業產業科技發展,實現農業增產、農民增收、農業科技進步。在生態環境承載力下,可適度激發耕地利用潛力。(3)陜南地區地處秦嶺生態保護區,耕地面積少且破碎化程度較高,農業現代化發展進程緩慢,生態環境對耕地利用生態效率的響應方式不穩定。建議結合地形特點和良好生態資源優勢,發展菌類、茶類、中藥材等特色產業,持續探索“兩山”理論和“兩化”模式在陜南的推廣運用。

4 結論

(1)2005年、2010年、2015年和2019年陜西省耕地利用生態效率屬于中等效率水平,2019年陜西省低效率、較低效率和中等效率區域的面積比重為89.07%,較高效率和高效率區域僅占10.93%,全省耕地利用水平較低,農業現代化發展水平有較大發展空間。

(2)2005年、2010年、2015年和2019年陜西省RSEI均值分別為0.58,0.62,0.64,0.65,陜西省生態環境質量由中等水平提高至較高水平。省內RSEI高等級主要分布在陜南地區和陜北南部的黃龍山景區與子午嶺森林公園地區;陜北地區生態治理工程效果顯著,生態環境質量在不斷提高。

(3)全局莫蘭指數結果顯示陜西省RSEI和耕地利用生態效率存在顯著的空間正相關。地理加權回歸模型分析結果顯示,陜西省生態環境對耕地利用生態效率的響應模式并不穩定,區域差異和時間變化較大。

由于時間和數據所限,本文研究仍存在不足之處,在使用非期望產出超效率SBM 模型測算耕地利用生態效率中,默認期望產出和非期望產出的權重比為1∶1,未考慮區域和時代的差異性。如何選取期望產出指標,以及如何設置期望產出和非期望產出權重比還需要進一步探討。