基于系統(tǒng)動力學的綠色農(nóng)業(yè)對生態(tài)系統(tǒng)的影響研究

王昊+仇蕾

摘 要：傳統(tǒng)農(nóng)業(yè)生產(chǎn)過程中對能源的不合理使用以及大量廢棄物的排放加劇了農(nóng)村生態(tài)環(huán)境的惡化。通過建立系統(tǒng)動力學模型來分析研究綠色農(nóng)業(yè)的未來發(fā)展趨勢，以此來分析解決相關環(huán)境問題。該模型的主要作用是在江蘇省農(nóng)村相關數(shù)據(jù)的基礎上，分析不同政策對綠色農(nóng)業(yè)的影響。通過對比三種不同的政策組合的模擬結果，找出最適宜當?shù)貙嶋H情況的政策，并給出相應的建議。

關鍵詞：綠色農(nóng)業(yè)；系統(tǒng)動力學；政策模擬

中圖分類號： F127 文獻標志碼：A 文章編號：1673-291X（2017）12-0012-07

引言

盡管作為主要產(chǎn)業(yè)，農(nóng)業(yè)在中國一直扮演著重要的角色，但高速發(fā)展的農(nóng)業(yè)經(jīng)濟與日益惡化的生態(tài)環(huán)境之間的矛盾正威脅著我國長遠發(fā)展。因此，采取措施緩和這種矛盾勢在必行。

近年來，綠色農(nóng)業(yè)這個概念不斷進入公眾視線，愈來愈多的人已經(jīng)意識到綠色農(nóng)業(yè)在改善生態(tài)環(huán)境和公眾健康方面的重要意義。在我國，綠色農(nóng)業(yè)這個概念是20世紀90年代提出，當時是指利用先進的技術、設備和經(jīng)驗來改善農(nóng)業(yè)生產(chǎn)與生態(tài)環(huán)境之間的關系[1]。鑒于此概念的廣泛性與復雜性，本文將建立相關指標分析未來數(shù)十年中綠色農(nóng)業(yè)發(fā)展水平。

顯然，用于分析的相關指標受到不同復雜且動態(tài)的因素影響，并且該指標將在一定程度上隨相關政策因子變化而改變。因此，使用系統(tǒng)動力學建立相關模型分析生態(tài)環(huán)境與綠色農(nóng)業(yè)之間的關系是十分適合的。

一、研究方法

（一）系統(tǒng)動力學的起源與概念

系統(tǒng)動力學理論是Forrester教授于1958年在麻省理工學院提出。起初，該理論是用于研究諸如生產(chǎn)與雇員狀態(tài)之間的波動以及股票市場的不穩(wěn)定性這類問題的工具[2～3]。1968年，F(xiàn)orrester教授在其著作《系統(tǒng)的原則》一書中闡釋了動力學行為的基本原則以及系統(tǒng)結構的相關概念[4]。該書中所討論的相關原則如今被廣泛且普遍地應用于系統(tǒng)預測與政策制定方面。

系統(tǒng)動力學是系統(tǒng)科學和管理科學的一條重要分支。它將計算機仿真技術與系統(tǒng)科學理論相結合，主要研究系統(tǒng)行為與反饋的結構[5]。通過建立系統(tǒng)動力學模型，人們不僅可以繪制出反映復雜變量之間關系的圖像，還可以預測關鍵變量在不同假設條件下的未來趨勢[6～8]。此外，系統(tǒng)動力學對數(shù)據(jù)的準確性要求偏低，使得人們可以利用有限的資源在不同變量之間建立復雜、動態(tài)且非線性的關系[9～10]。

（二）系統(tǒng)動力學應用現(xiàn)狀

在系統(tǒng)動力學理論被提出后的數(shù)年間，其被廣泛應用于多個領域。Forrester教授的學生Meadows教授提出了一個重要結論：如果像人口、污染、工業(yè)化、農(nóng)作物產(chǎn)量以及資源消耗這些因素按照當時的趨勢不受控制地增長下去，那么增長的極限就將在一百年內發(fā)生[11]。這個觀點的提出背景就是羅馬俱樂部的建立，該非政府組織主要召集科研人員使用系統(tǒng)動力學解決人口過剩和資源枯竭等問題。

如今，系統(tǒng)動力學已經(jīng)成為一個方便的數(shù)理仿真工具，應用于環(huán)境工程、商業(yè)管理、政策評估等領域中。Geum和Lee通過將技術路線圖與系統(tǒng)動力學方法結合，找到了一種分析比較三種汽車產(chǎn)業(yè)分紅的方法[12]。Zawadzki將系統(tǒng)動力學應用到IT工程管理，并通過系統(tǒng)動力學仿真找到了有關IT管理的一個最佳方案[13]。通過將系統(tǒng)動力學與蒙特卡羅方法相結合，Jeon與Shin提出了一個新的長期技術評估方法用于評估可再生能源技術[14]。此外，其他領域如人口管理和可持續(xù)發(fā)展的研究者也成功地將系統(tǒng)動力學模型與生態(tài)系統(tǒng)評估相結合[15～16]。

（三）研究范圍

本文主要研究對象是江蘇省農(nóng)村的生態(tài)環(huán)境與綠色農(nóng)業(yè)。江蘇省作為經(jīng)濟強省，其綠色農(nóng)業(yè)的發(fā)展水平在全國處于領先地位，其農(nóng)業(yè)產(chǎn)值僅次于山東省與河南省。研究的時間跨度為2010—2050年。

二、建模與測試

（一）SD模型設計

GAE-SD的完整形式（如圖1所示）。原始數(shù)據(jù)來源于《中國環(huán)境年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國農(nóng)業(yè)年鑒》和中國農(nóng)業(yè)統(tǒng)計資料。

（二）模型測試

軟件Vensim本身提供了非常方便的檢驗模型的工具。點擊菜單項“檢驗模型”和“單位檢驗”，屏幕上顯示“模型無問題”和“單位無問題”的信息，這表明該模型通過的軟件檢驗。

總之，GAE-SD模型是完全可以用于分析當前政策背景下綠色農(nóng)業(yè)生態(tài)系統(tǒng)的影響程度以及預測不同政策背景下的未來趨勢。

三、模擬與討論

上述測試已證明GAE-SD模型可以用于模擬當前和未來的綠色農(nóng)業(yè)指數(shù)以及其他變量的趨勢。首先，基于當前政策的趨勢將被模擬并用于分析當前綠色農(nóng)業(yè)水平。其次，幾個政策方案將會被分別模擬以找出改善綠色農(nóng)業(yè)現(xiàn)狀的理想模式。

（一）基于當前政策的模擬

圖2b曲線1在2012年劇烈上升后就保持輕微的波動，直到2044年后才開始增長。由于這條曲線始終處于原點之上，圖2a所代表的綠色農(nóng)業(yè)指數(shù)才能維持穩(wěn)定的增長。這說明了在當前政策的影響下，綠色農(nóng)業(yè)的發(fā)展水平將隨之時間而上升。

圖2c中唯一的曲線表示了綠色農(nóng)業(yè)對當?shù)剞r(nóng)業(yè)產(chǎn)出的貢獻程度。這條曲線之所以幾乎沒有上升，是因為綠色農(nóng)業(yè)指數(shù)的增速沒有當?shù)剞r(nóng)業(yè)產(chǎn)出的增速快。這意味著在當?shù)剞r(nóng)業(yè)經(jīng)濟中，綠色農(nóng)業(yè)的地位并不足以高到引起政府投入的重視程度。

簡而言之，當前綠色農(nóng)業(yè)的相關政策會取得一定程度的效果，但是當?shù)卣矐搶G色農(nóng)業(yè)中不成熟的部分有足夠的重視。

（二）基于不同政策方案的模擬

三個模塊的政策變量將會被分別調整，其他兩個模塊的變量保持不變。在模擬開始前，為了方便，8個政策變量將被重新命名為政策變量1—8。原始的政策變量和新的政策變量人（如下表所示）。

方案1將代表清潔能源模塊的政策變量3—5從0.02、0.02、0.02調整至0.05、0.05、0.05。相關變量的模擬趨勢（如圖3a所示）。從圖中可以看出，代表清潔能源模塊的三個變量在方案1作用下明顯比原始方案增長的要快。特別是曲線2遠遠高于曲線1，其代表的清潔能源發(fā)電量幾乎是原始方案下的3倍，即使是之前表現(xiàn)不佳的秸稈固化量也有了明顯的增加。

方案2將代表污染管制模塊的政策變量6—8從0.03、0.03、0.03調整至0.06、0.06、0.06。圖3b顯示，在方案2作用下，2010-2046年間，化肥使用量發(fā)生了明顯的減少，表現(xiàn)在圖像上就是曲線1遠遠低于曲線2，并且在2046年后接近底部。這種明顯的減少，意味著綠色農(nóng)業(yè)將更加依賴有機肥而非對生態(tài)環(huán)境會造成危害的化肥。由于農(nóng)藥使用量和COD本身就處于低水平，所以曲線3、4和曲線5、6這兩組曲線間并沒有多少明顯的差別。

宏觀政策變量1和變量2從0.01、0.01調整至0.03、0.03。同預期一樣，圖3c的曲線1、3明顯高于曲線2、4，這表明在耕地保護和教育上的小小投資就可以收獲客觀的效益。

新政策方案使得綠色農(nóng)業(yè)指數(shù)占每單位農(nóng)業(yè)產(chǎn)出的數(shù)值要好于原始方案，具體狀況（見圖3c）。值得注意的是，代表方案2的曲線2在2030年后開始下降，原因是方案2使得綠色農(nóng)業(yè)指數(shù)的增速不如原始方案下的增速，以至于當?shù)剞r(nóng)業(yè)產(chǎn)出的增速高于綠色農(nóng)業(yè)指數(shù)的增速。2034年后，代表方案1的曲線1有了一個明顯的上升趨勢，這也說明了方案1對于長期而言，是個最佳方案。

參考文獻：

[1] 王德勝.綠色農(nóng)業(yè)的發(fā)展現(xiàn)狀與未來展望[J].中國農(nóng)業(yè)資源與區(qū)劃，2016，（2）：226-230.

[2] Forrester J.W.Industrial Dynamics：A Major Breakthrough for Decision Makers[J].Harvard Business Review，1958，（4）.

[3] Forrester J.W.Industrial Dynamics[J].Journal of the Operational Research Society，1997，（10）：1037-1041.

[4] Forrester J.W.Principles of systems[J].1990.

[5] 鐘永光，賈曉菁，錢穎.系統(tǒng)動力學.第2版[M].北京：科學出版社，2013.

[6] 王其藩.系統(tǒng)動力學：修訂版[M].上海：上海財經(jīng)大學出版社，2009.

[7] Chunyang H.E.，Shi P.，Chen J.，et al.Developing land use scenario dynamics model by the integration of system dynamics model and cellular automata model[J].中國科學：地球科學，2005，（11）：1979-1989.

[8] Teng J.，Wang P.，Wu X，et al.Decision-making tools for evaluation the impact on the eco-footprint and eco-environmental quality of green building development policy[J].Sustainable Cities & Society，2016，（23）：50-58.

[9] 陳雪萍.基于系統(tǒng)動力學的雅安市土地綜合承載力的可持續(xù)研究[D].成都：四川師范大學，2013.

[10] 徐曉燕.太原循環(huán)經(jīng)濟的系統(tǒng)動力學分析[D].太原：山西財經(jīng)大學，2014.

[11] Meadows D.H.，et al.The limits to growth：a report for the club of Romes project on the predicament of mankind[J].New York：U-niverse Books，1972.

[12] Geum Y.，Lee S.，Park Y.Combining technology roadmap and system dynamics simulation to support scenario-planning：A case of car-sharing service[J].Computers & Industrial Engineering，2014，（1）：37-49.

[13] Zawadzki T.Applying system dynamics modeling to IT project management[C]// Methods and Models in Automation and Robotics.2009：152-157.

[14] Jeon C.，Shin J.Long-term renewable energy technology valuation using system dynamics and Monte Carlo simulation：Photovoltaic technology case[J].Energy，2014，（4）：447-457.

[15] Vafa-Arani H.，Jahani S.，Dashti H.，et al.A system dynamics modeling for urban air pollution：A case study of Tehran，Iran[J].Trans-portation Research Part D Transport & Environment，2014，（31）：21-36.

[16] Nabavi E.，Daniell K.A.，Najafi H.Boundary matters：the potential of system dynamics to support sustainability？[J].Journal of Cleaner Production，2017，（140）：312-323.

[責任編輯 劉嬌嬌]