我國農業生態效率時空格局差序化分析

林錦彬+劉飛翔+鄭金貴

摘要：農業生態效率是衡量一個地區農業生態化發展水平的重要定量化指標，是作為如何抵抗高危生態風險的決策方向之一。采用DEA數據包絡法對中國31個省、直轄市2005—2014年農業生態效率比較分析，并利用ESDA對中國農業生態效率進行全局和局部自相關分析，結果表明，我國農業生態效率南北差異明顯，保護發展區、適度發展區和優勢發展區依次逐區下降，同時三大發展區內農業生態效率也由南向北遞減，分布具有差序化特征。2005—2014年全局自相關Morans I值均為正，表明我國省域之間農業生態效率呈現正相關的空間集聚分布。其中，2005—2010年農業生態效率空間集聚程度略有縮小，2010—2014年較快恢復并加強。區域生態效率異質性主要表現為出現相對穩定熱點和冷點的差序變化，熱點區主要集中在青藏、西南、華南和長江中下游發展區；冷點區主要集中在東北、黃淮海、西北及長城沿線發展區。農業生態效率空間差異與技術變動、農資消耗強度等所引起的農業規模效益、技術效益變化密切相關，基于空間探索性數據分析方法研究我國區域農業生態效率空間的集聚性和異質性，為制定提高區域農業生態效率相關調控政策提供參考。

關鍵詞：農業生態效率；DEA模型；全局自相關；局部自相關；差序化

中圖分類號：F323.22文獻標志碼：A

文章編號：1002-1302（2017）04-0302-05

農業作為國民經濟發展中的基礎部分，改革開放以來得到長足發展，農業綜合生產能力邁上新臺階。但由于長期對農業的掠奪性經營，我國農業和農村生態環境問題日益凸出，嚴重制約農業的長遠發展。2012年，全國受污染耕地超過 1 000 萬hm2，占耕地總面積1/10以上，平均化肥施用量達400 kg/hm2以上；農藥年使用量已達12億kg以上，約50%左右將進入土壤與水體，污染農田面積達900萬hm2，其中多數集中在經濟較發達的地區。農業生產已成為我國嚴重的環境污染源。研究農業生產的生態效率，改善和降低農業生產對環境造成的負面影響，具有很強的經濟價值和社會意義。

1農業生態效率方法與體系構建

1.1生態效率的提出

德國學者Schaltegger等于1992年在世界可持續發展商業理事會（WBCSD）的報告上首次提出生態效率一詞。此后，生態效率開始被多國學者引入不同研究領域，例如生態效率被工業界定義為以消耗資源、產生污染最小、工業附加值最大為目標，采取一系列科技和管理的手段，達到該效率目標。1998年經濟發展合作組織（OECD）認為，符合人類可持續發展并且滿足當代人類需要的生態資源利用效率即為生態效率，這一定義得到當時學界和社會的普遍接受[1]。2000年，世界可持續發展工商業聯合會（WBCSD）指出，可以通過生態效率衡量人類對環境影響與地球承載力之間的關系，注重商品服務和附加值的最大化[2]。歐洲環境署（EEA）和國際金融組織環境投資部（EFG-IFC）也都主張投入與產出的最大化，即通過最有效率的生產方式達到投入最少而創造福利最大化，保證資源的可持續性。國際上比較認同的是WSCSD、瑞士的Ellipson咨詢公司、歐洲環境發展署（EEA）等推薦的定義：生態效率等于經濟增加值與環境影響的比值。Fussler將生態效率成功地引入了中國，經多年發展，國內生態效率的研究取得了積極的進展，在農業生態效率方面，初步形成一些認知體系和價值方法[3]。洪開榮等從系統論的視角，運用網絡DEA模型對我國30個省級地區2005—2013年的農業生態整體和子系統效率進行了測度，研究農業生態效率影響的關鍵因素[4]。程翠云等采用機會成本的經濟核算方法，對我國2003—2010年的農業生態效率進行總體評價，利用 Logistic 回歸分析，研究農業生態效率演變的驅動因素[5]。研究主要集中在影響因素及其時空分布特點及其規律，缺乏對空間單元相互間的依賴性和異質性進行分析。

1.2常用生態效率測算方法比較與選擇

盡管世界各國和國際組織對于生態效率的定義不同，但廣義上都可看作是產出投入比，消耗最小而產出最大[6]。因此，農業生態效率的本質是地區提供生態農產品的效率在經濟維度的體現。眾多研究認為，生態效率評價方法歸納起來可以分成3類：標桿學習（水平對比）、指標體系法模型法、經濟/環境單一比值法。選取哪種作為評價方法，很大程度上取決于評價的對象、目標。DEA不僅在多投入多產出數據處理上有優勢，同時在處理單元數據的比例尺度、數據的順序上擁有較大彈性。通過計算相對效率，比較系統內各DMU之間投入與產出是否有效，并且提供某個短板DMU需要增減的改善幅度，以達到整體效率狀態或者局部最優。基于目前生態效率在農業領域研究現狀以及系統設計的數據量考慮，DEA作為分析非參數法中分析面板數據有效單元的優勢方法，比較適合用于評價農業生態效率的一種方法[7]。本研究基于DEA模型對農業生態效率展開分析與評價。本方法模型本身存在著一些不足，如何正確科學評價還需要在其原理基礎上進行調整與完善。

1.3農業生態效率評價指標體系的構建

農業生態效率注重于農用資源投入與農業產出之間關系，追求在低污染或無污染的環境下提供生態農產品。結合目前我國農業生產的特殊性、效率的導向性以及數據的可得性，從環境、資源、經濟發展水平3個方面構建農業生態效率評價指標體系（表1），即將農業機械動力投入、農業從業人口數量、有效灌溉面積、農業用水量以及經過換算的農藥、化肥、農膜污染量作為資源投入指標，農業總產值作為模型的產出指標。

在指標數量選擇上需考慮到模型的信度和效度的問題，經驗法則認為，當樣本DMU的個數為投入項與產出項個數和的2倍以上時，DEA模型分析結果的可信度與解釋度最優。本研究選取DMU樣本數量為31個省級地區，投入項為7個，產出項1個，符合DEA模型在信度和效度方面的經驗法則；其次，在投入指標的選取時必須考慮到該指標對效率是否存在等幅夸張的影響，即當增加某一項資源或者污染投入量時，農業經濟產值的數量不得減少。筆者采用相關矩陣的方法，通過投入項與產出項單獨的相關系數，來檢驗所選取的投入與產出之間關系是否合理（表2）。

從整體描述性分析來看，省域之間農業發展水平存在差異。樣本中10年間農業總產值標準差為1 910.64萬元，樣本區域中農業總產值最小是西藏，山東省是樣本區域中農業總產值最大值地區，二者之比為65.89，從指標的標準差和最值之比的橫向比較，樣本各地區的農業發展資源消耗以及產生的污染水平存在一定的差異，但是差異不是很大。結果表明，僅用單個環境指標來測算生態效率具有極大的片面性，通過簡單加總的方式得到綜合環境指標的生態效率值是很困難的，而利用DEA模型來測算正好能夠解決這一問題[13]。

我國農業生態效率在區域上存在較大的差異（圖1），基本呈現3個發展水平趨勢，青藏保護發展區為第一層級；西南適度發展區、長江中下游優化發展區、華南優化發展區為第二層級；東北優化發展、西北及長城沿線優化發展區、黃淮海優化發展區為第三層級。青藏保護發展區和西南適度發展區的農業生態效率高于全國平均水平，其他地區的農業生態效率均低于全國均值，表明我國農業生態效率南北差異較為明顯，保護發展區、適度發展區和優勢發展區依次逐區下降，同時三大發展區內農業生態效率也由南向北遞減，分布具有差序化特征。主要由于各地區不同的地形、土壤等自然耕作條件、農業技術水平等在空間上存在較大差異以及國家關于區域開發政策，如糧食主產與非糧食主產區的差異導向，農業化學投入品、資源消耗等及其造成的污染越多，農業生態效率越低。青藏保護發展區總體農業生態效率水平較高，雖局部有退化，但總體呈波動上升趨勢，三江源頭和三江并流自然保護區大部分位于該發展區域，污染凈化能力強，同時農業以馬鈴薯、油菜、蔬菜等設施農業為主，規模、技術效率在研究年份期間基本達到有效。在第二層級中，除了華南優化發展區出現下降的趨勢外，西南適度發展區和長江中下游優化發展區呈現上升趨勢。其中長江中下游發展區的農業面源污染和耕地重金屬污染治理取得初步成效，在污染指標上逐年改善，大面積種植綠肥，科學使用農藥化肥，有效遏制農業生態效率下降的趨勢。華南優化發展區以紅壤為主，土壤改良難度系數較大，土壤肥力低，同時又面臨著周邊省份強大競爭壓力，化肥、農藥等呈現增量化施用趨勢，農業資源低效利用是其農業生態效率總體下降的主要原因。第三層級所有發展區在2005—2014年中變化趨勢不大，西北及其長江沿線適度發展區作為我國北部的生態屏障，以畜牧特色農業和穩農增收為農業發展策略，節水農業和農膜回收利用機制發展相對緩慢制約了其農業生態效率的提升速度。東北優化發展區和黃淮海優化發展區是我國糧食主產區，擔負著我國糧倉的重要地區，其資源消耗居高不下，整體農業生態效率的變化幅度較弱。

3.1農業生態效率全局空間自相關

3.3.1全局空間自相關測度

為進一步研究我國不同省級地區農業生態效率在空間上的分布狀況，對我國各個地區的農業生態效率值進行空間自相關分析。運算公式如下：

[JZ]I=∑（xi-x[TX-*5]）∑[DD（]nj=1[DD）]Wij（xi-x[TX-*5]）/∑[DD（]ni=1[DD）]（xi-x[TX-*5]）2∑[DD（]ni=1[DD）]∑[DD（]nj=1[DD）]Wij。

空間自相關反映了某位置上的數據與其他位置上的數據間的相互依賴程度。反映自相關程度的Morans I估計值范圍在-1到1之間，小于0表示負相關，等于0表示不相關，大于0表示正相關，越接近-1和1則表示相關性越強[14]。利用GeoDa軟件生成中國主要年份（2006、2008、2010、2012、2014年）農業生態效率全局空間自相關散點圖（圖2）。

3.1.2全局空間自相關分析

為分析不同年份我國農業生態效率的空間集聚變化，利用GeoDa軟件運算和繪制2006、2008、2010、2012、2014年主要年份的農業生態效率的空間自相關指數和散點圖，其Morans I估計值分別為0.259 0、0.212 2、0.225 9、0.271 7、0.280 1，5年的Z值在0.01水平上顯著，表明我國主要省份的農業生態效率在空間上呈現正相關性，也就是說我國農業生態效率之間空間分布并不是呈現完全隨機性，而是表現出具有相似性的空間聚集。其特征為農業生態效率高的省份與效率高的省份集聚，效率低的省份與效率低的省份集聚，分布具有差序化特征。2005—2014年，Morans I估計值呈現先下降后上升并且趨于穩定的發展態勢，其中2005—2010年期間空間差異即空間集聚程度趨于擴大而后略有縮小，2010—2014年空間差異即空間集聚程度有較大幅度上升，2012年后我國農業生態效率空間集聚變化程度開始趨于穩定。

3.2區域農業生態效率局部空間自相關

3.2.1農業生態效率Moran散點圖

Moran圖分為四象限，落入“高高集聚”和“低低集聚”象限表明具有空間均質性，象限內省份的農業生態效率空間正相關較強，呈現集聚分布格局（圖2）。落入“低高集聚”和“高低集聚”象限表明具有空間異質性，象限內省份的農業生態效率空間負相關較強，呈離散分布格局[15]。從2006、2008、2010、2012、2014年的農業生態效率Moran圖可以看出，主要年份各省份的高高集聚、低低集聚、高低集聚、低高集聚的空間結構都存在，并且各主要年份的高高和低低集聚省份數都多于高低和低高集聚的省份數，整體上，農業生態效率在區域內形成南部高值和北部低值區的局部集聚分布格局。高高集聚，指農業生態效率高值集中分布在某一區域內相互臨近的省份，主要分布在西北及長城沿線適度發展區和黃淮海適度發展區。低低集聚，指農業生態效率低值集中分布在某一區域內相互臨近的省份，主要分布在青藏保護發展區和西南適度發展區。低高集聚，指在區域內某一省份的農業生態效率值明顯低于周邊省份的農業生態效率值，主要分布在西北及長城沿線適度發展區。高低集聚，指的是在區域內某一省份的農業生態效率值明顯高于周邊省份的農業生態效率值，主要分布在西南適度發展區部分省份和華南優先發展區。

比較2006、2008、2010、2012、2014年各象限內省份的變化，可以發現青藏保護發展區、西北及長城適度發展區的農業生態效率格局未發生大的變化，西南適度發展區、黃淮海優先發展區、長江中下游優先發展區各自所轄的部分省份空間集聚總體保持穩定。從研究期間內主要年份的Moran圖可以看出，我國農業生態效率分布呈現差序化趨勢，局部熱點區域（高值）相對穩定，主要集中在青藏保護區、西南適度發展區、長江中下游優先發展區和華南優先發展區，其中西南區、青藏區交接的四川和華南區的海南穩定處于“熱點”區，近年來，采取的退牧還草工程、實施草畜平衡、草原生態補償機制的成效較大，規模報酬遞增是青藏保護區農業生態效率好轉并保持較高水平的直接原因；西南適度發展區通過修筑梯田，小流域治理上積累不少經驗，在防止水土流失、推進石漠化綜合治理方面取得較為明顯的效果，同時在種植上以特色農產品為主，實現生態效率和經濟效率相統一，技術效率為該區域農業生態效率的提升提供不斷動力。我國農業生態效率局部“冷點”區域（低值）分布也相對穩定，主要年份均集中在東北地區、西北及長江中下游地區、黃淮海地區。東北地區不僅是糧食主產區，同時也是重工業區，對農業產生的污染影響也較為廣泛；西北及長城沿線地區的甘肅、寧夏、新疆等受客觀的地理條件影響較大，很大程度造成整體農業生態效率徘徊在低值區域，而黃淮海地區的河北、河南、山東省處于未能跳出低值的瓶頸在于中低產田的治理。

3.2.2農業生態效率LISA顯著性分析

為反映不同效率的省份在各地區的分布特征，進行局域空間自相關分析，利用GeoDa軟件生成LISA地圖（圖3）。從主要年份的LISA圖可以看出，5個主要年份的農業生態效率的LISA局部水平擁有較大的相似性，四川省的農業生態效率高值顯著最高，說明全國范圍內，我國農業生態效率值分布呈現高低差異較為明顯的差序化特征。2006、2008年，低低集聚類型的省份居多，主要集中在黃淮海地區的河北、河南、安徽以及西北及長城沿線的山西、甘肅、新疆。生態效率低值省份不是隨機分布，在空間上趨于集聚，沿著黃河河道走向連片分布。2008年的黃淮海地區的江蘇低低集聚，2010年后西北及長城沿岸陜西的低低集聚消失，2010年后與陜西、寧夏、甘肅相鄰的內蒙古的高低集聚消失，說明陜西、寧夏、甘肅雖然處在低值區，但是與內蒙古、青海等的差距在縮小。2010年以前高高集聚主要分布在青藏保護發展區，2010年后高高集聚類型的省份居多，主要集中在西南適度發展區的四川、重慶；2012年后高高集聚有向東移動趨勢，湖北開始落入高高集聚；此外，之前一直處于高低集聚的海南島，2012年后高低集聚類型消失，說明西南地區的貴州、華南地區的廣東、廣西的農業生態效率在不斷提高，與海南省的差距不斷縮小。2012年后江蘇省出現高低集聚，2014年后高低集聚消失，說明與周圍省份相比，在這期間江蘇省農業生態效率經歷了加速上升而后放緩的過程。而山西省從2006年開始一直處于低值區，2014年出現低高集聚，說明山西省農業生態效率低水平未得到改善，與周圍省份差距有擴大趨勢。

4結論

中國農業生態效率空間特征南北差異明顯，保護發展區、適度發展區和優勢發展區依次逐區下降，同時三大發展區內農業生態效率也由南向北遞減，分布具有差序化特征。如在農業生態效率較高的西南適度發展區內省域之間效率差距較小， 而農業生態效率較低的東北優先發展區內各省域之間效

率差距較大。因此，除了應積極提升農業生態低效率區域的整體效率，內部均衡發展，同時應逐步縮小全國范圍內高低農業生態效率區域之間差距。

我國農業生態效率全國省域之間農業生態效率在空間上呈現正相關性，農業生態效率相似的地區在空間上集聚分布。農業生態效率熱點區相對較為穩定，主要分布在青藏保護區和西南適度發展區。農業生態效率的冷點區也相對穩定，主要分布在西北及長城沿線適度發展區和黃淮海優先發展區，農業生態效率水平的差異主要與區域農業技術生產水平、區域產業結構環境、農用資源消耗和化學投入品施用強度等引起的規模效率、技術效率變化密切相關。

我國農業生態效率時空差異分析表明，通過識別區域農業生態效率的主要制約因子，將作為落實生態理念在農業時空上的突破口。對于農業生態效率高的西南、華南等地區保持農業純技術效率達到最優單元的基礎上，提高農業投入品硬約束性標準，重視農業內源性污染問題，重點發展循環、集約型農業，穩定保持規模報酬遞增趨勢，提升農業生態規模效率；對于農業生態效率低的黃淮海、西北等地區重點依靠節水、土壤鹽堿化治理等資源保護、資源高效利用新技術，發展設施、高新技術農業，依靠技術變動和農業純技術效率，扭轉規模報酬遞減趨勢，驅動農業生態效率水平明顯改善。

參考文獻：

[1]OECD. Innovation and the environment[M]. Paris：OECD，2002：139.

[2]Schmidheiny S，Zorraqun F J L. Financing change：the financial community，eco-efficiency，and sustainable development[M]. Cambridge：MIT Press，1996.

[3]Fussler C. The development of industrial eco-efficiency[J]. Industry and Environment，1995，17（4）：71-74.

[4]洪開榮，陳誠，豐超，等. 農業生態效率的時空差異及影響因素[J]. 華南農業大學學報（社會科學版），2016，15（2）：31-35.

[5]程翠云，任景明，王如松. 我國農業生態效率的時空差異[J]. 生態學報，2014，34（1）：142-148.

[6]Kobayashi Y，Kobayashi H.A practical method for quantifying eco-efficiency using eco-design support tools[J]. Journal of Industrial Ecology，2005，9（4）：131-144.

[7]吳小慶，王遠，劉寧，等. 基于物質流分析的江蘇省區域生態效率評價[J]. 長江流域資源與環境，2009，18（10）：890-895.

[8]朱兆良. 農田中氮肥的損失與對策[J]. 土壤與環境，2000，9（1）：1-6.

[9]江孝綽，李瑞琴. 土壤及作物中農藥殘留量所揭示的問題[J]. 環境科學研究，1993（5）：6-10.

[10]嚴昌榮，梅旭榮，何文清. 農用地膜殘留污染的現狀與防治[J]. 農業工程學報，2006，22（11）：269-272.

[11]康曉慧. 綿陽茶園土壤農藥殘留現狀分析[J]. 中國植保導刊，2006，26（12）：38-40.

[12]成振華，劉淑萍，孫占潮，等. 天津市農用地膜殘留狀況調查及影響因素分析[J]. 農業環境與發展，2011，28（2）：90-94.

[13]尹科，王如松，周傳斌，等. 國內外生態效率核算方法及其應用研究述評[J]. 生態學報，2012，32（11）：3595-3605.

[14]王麗瓊. 基于超效率DEA-ESDA的中國生態效率時空格局分析[J]. 重慶師范大學學報（自然科學版），2015，32（5）：152-157.

[15]張子龍，鹿晨昱，陳興鵬，等. 隴東黃土高原農業生態效率的時空演變分析——以慶陽市為例[J]. 地理科學，2014，34（4）：472-478.