我國糧食主產區糧食生產生態效率評價研究*

李雪，顧莉麗，李瑞

(吉林農業大學經濟管理學院，長春市，130118)

0 引言

作為農業大國，我國始終將“三農”問題放在重要位置，在國家政策支持下，我國農業經濟水平不斷提高，糧食生產現代化發展也得以穩步前進。多年來糧食生產效率雖大幅提高，但糧食生產的生態環境變化卻未得到應有的重視。2019年我國糧食總產量達到663 840 kt，單產達5 720 kg/hm2，穩居世界前列。2019年我國農業化肥投入量為54 040 kt，施用強度為325.7 kg/hm2，相較近10年的農業化肥施用量和施用強度已有所降低，但仍是歐盟的2.3倍，美國的2.4倍，遠超世界平均水平；2019年我國農藥投入量為1 390 kt，施用強度為8.4 kg/hm2，同化肥投入一樣，雖與我國往年相比有所下降，但仍是世界平均水平的2倍。2015年國家農業部印發了兩個指導性文件——《到2020年農藥使用量零增長行動方案》和《到2020年化肥使用量零增長行動方案》，2015年之后我國農藥化肥的使用量確是有所下降，但相較于國際水平仍屬過量使用。我國作為產糧大國，在提高糧食產量的同時也應考慮生態環境問題對糧食安全和糧食作物可持續種植的影響，協調經濟、資源與環境之間的關系。糧食生產生態效率是兼顧糧食產量和生態環境的綜合效率，因此，研究我國糧食生產生態效率的現狀、成因及其影響因素，對于發展綠色可持續的糧食生產具有重要意義。

1 文獻綜述

1.1 關于農業生態效率的研究

生態效率是衡量經濟、社會、環境和資源之間協調發展的重要指標，最早由德國學者Schaltegger和Sturm[1]于1990年提出，2007年，我國學者周震峰[2]發表了“關于開展農業生態效率研究的思考”一文，之后國內越來越多的學者開始從多角度對農業生態效率進行研究，并取得豐碩的研究成果。吳小慶等[3]以盆栽水稻試驗為例，運用超效率DEA模型對4種水稻的生態效率進行評價，結果表明不同品種水稻的生態效率與其氮肥利用效率具有一定正相關性。潘丹等[4]使用非期望產出SBM模型測算了中國30個省(市、自治區)1998—2009年的農業生態效率，認為中國農業生態效率的整體水平仍較低，主要是由過度消耗資源和排放大量污染物所導致。洪開榮等[5]利用DEA模型測算了我國30個省(市、自治區)2005—2013年農業生態系統的整體效率和各個子系統的效率，并對各效率值的變化趨勢做收斂性檢驗，從而找出農業生態效率的主要影響因素，并對農業生態效率的提升路徑進行了深入探索。王寶義等[6]以我國31個省(市、自治區)為研究對象，使用DEA模型對31個省(市、自治區)1996—2015年的面板數據進行測算，得出各省(市、自治區)的農業生態效率并分析其省際差異，進而用Tobit模型找出我國農業生態效率的主要影響因素。劉華軍等[7]對中國30個省(市、自治區)2001—2015年的農業生態效率做實證研究，認為可以通過避免農機動力浪費、推進土地輪作休耕、加強農業碳排放管控等方式，協同提升區域農業生態效率。柏振忠等[8]采用SBM模型和Tobit模型對民族地區1999—2017年的面板數據進行測算，得出民族地區農業生態效率，進而探討了影響民族地區農業生態效率的因素。

1.2 關于糧食生產生態效率的研究

在農業生態效率的研究取得了豐富的研究成果后，近幾年開始有學者將目光聚焦到糧食生產上來，開始對糧食生產生態效率進行研究。管美佳[9]以我國31個省(市、自治區)2000—2015年的面板數據，建立基于水足跡的糧食生產函數，運用SFA模型測算各省(市、自治區)的糧食生產生態效率及藍水、綠水和灰水效率并分析其影響因素。魯慶堯[10]運用SBM模型測算了1990—2015年我國31個省(市、自治區)的糧食種植生態效率，并對其動態演進進行分析。陳寶珍等[11]運用SBM-DEA模型對我國31個省(市、自治區)2006—2015年的糧食生產生態效率進行測算并提出改善路徑。魯慶堯等[12]運用SBM模型對我國2000—2018年的糧食生產生態效率進行測算和分析，并進行了PS收斂檢驗。匡遠配等[13]基于2005—2018年26個省份的面板數據，結合水足跡理論和SFA模型對各省份樣本期的糧食生產生態效率進行測算，進而探究了農地流轉對糧食生產生態效率的影響。魯慶堯等[14]測算了2000—2019年省級糧食種植生態效率，在考慮區域間空間效應的基礎上研究其影響因素。

1.3 研究評述

通過梳理已有文獻可以發現，我國關于農業生態效率的研究多以整個農業部門為研究對象，針對糧食生產生態效率的研究較少，且關于糧食生產生態效率研究的研究范圍多為全國31個省(市、自治區)，鮮少以13個糧食主產區的糧食生產生態效率為研究對象。國家糧食局2019年的統計數據顯示，我國約79%的糧食產自13個糧食主產區，在此現實背景下，選擇糧食主產區作為研究對象，運用SBM-DEA模型，考慮面源污染和碳排放兩方面的非期望產出，對我國13個糧食主產區的糧食生產生態效率進行測算并對結果進行橫向比較，進一步分析糧食生產生態效率的影響因素，能更好地反映我國糧食生產生態效率的現狀，從而為確保我國糧食生產增效、生態環境改善提供參考依據。

2 指標選取、模型構建與數據來源

傳統的糧食生產效率反映的是糧食生產對所投入資源的利用程度，而糧食生產生態效率不僅能反映糧食生產過程中對資源的利用程度，還能夠反映糧食生產對農業生態環境的影響程度。不同于工業生產，糧食生產存在一定的隨機性，從整體角度來看，可以認為糧食生產是各種投入要素綜合作用的結果。在實際的糧食生產過程中，資源要素的投入與糧食的產出不存在線性關系，例如隨著化肥使用量的增加，其對糧食增產的正向作用逐漸減弱，如果化肥過量使用導致土壤結構被破壞，那么化肥的使用還有可能對糧食增產產生負向作用。所以在測算糧食生產生態效率時，需要運用適當的數學模型來盡可能準確地反映糧食生產過程中，要素投入、糧食產出以及環境非期望產出的關系。

2.1 指標選取

糧食生產生態效率的測算兼顧了糧食生產過程中所產生的資源消耗、經濟效益及生態損耗，通過借鑒糧食生產生態效率[15]和農業生態效率[6， 16]方面已有研究，在生態經濟理論、生態農業理論和可持續發展理論等生態效率相關理論的指導下，綜合考慮糧食生產過程中的資源消耗、經濟效益及生態損耗，最終選取以下指標作為本研究中糧食生產生態效率的投入、期望產出和非期望產出指標，構建指標體系(表1)。

表1 糧食主產區糧食生產生態效率測算指標體系

所選取的投入指標中僅糧食作物播種面積在現有數據中可直接獲得，糧食生產所投入的勞動力、有效灌溉面積、化肥、農藥、農膜、機械總動力和柴油都無法直接獲取數據，其中勞動力僅能獲取第一產業勞動力數據，其他6個指標僅能獲取整個農業的數據(這里的農業是指狹義的農業，也就是種植業)，因此該研究將借助農業產值占農林牧副漁產值的比值和糧食作物播種面積占農作物總播種面積的比值進行折算。產出指標中僅期望產出(糧食產出)的指標數據可直接獲取，非期望產出中面源污染的指標污染排放量和碳排放的指標碳排放量均無法直接獲取數據，需要通過計算獲得。

糧食生產過程中的面源污染主要包括化肥流失、農藥污染和農膜殘留，所以

污染排放量=化肥流失量+農藥污染量+

農膜殘留量

=化肥投入量×化肥流失率+

農藥投入量×農藥污染率+

農膜投入量×農膜殘留率

其中化肥流失率、農藥污染率和農膜殘留率參照吳小慶等[17]和賴斯蕓等[18]的研究，分別設置為65%、50%、10%。

農業碳排放分為直接碳排放和間接碳排放，直接碳排放是指由農用機械消耗燃油和使用化肥、農藥、農膜所產生的碳排放，間接碳排放是指由糧食生產過程中所使用的電能轉化和農用品運輸所產生的碳排放。所涉及的糧食生產過程中的碳排放指的是直接碳排放，主要來自化肥、農藥、農膜、農用柴油和農業灌溉，對碳排放量的處理方式參照車麗娟[19]的方法，碳排放量T=∑Ti=∑Ei×δi,其中Ti表示來自第i種碳排放源的碳排放量，Ei表示第i種碳排放源的使用量，δi表示第i種碳排放源的碳排放系數(表2)。

表2 碳排放系數

2.2 模型構建

使用SBM-DEA模型測算我國13個糧食主產區的糧食生產生態效率，該模型由Tone Kaoru[15]于2001年提出。與傳統DEA模型相比，非徑向、非角度的SBM模型結果中包含了無效率測量的松弛變量，而且SBM模型同時從投入和產出兩個角度進行測算，基本原理如下。

s.tXλ+s-=x0

s-≥0,sg≥0,su≥0,λ≥0

s-——投入松弛矩陣；

sg——期望產出松弛矩陣；

su——非期望產出松弛矩陣。

SBM模型的評價結果中包括綜合技術效率(TE)、純技術效率(PTE)和規模效率(SE)，其中規模效率通過SE=TE/PTE得到。綜合技術效率是對決策單元在資源利用與配置等多方面水平的綜合評價，生態效率值就等同于綜合技術效率值，當值為1時，說明決策單元處于生產前沿面，即生產是有效的；純技術效率是對當前科技和組織管理水平的評價，當值為1時，說明投入要素在當前技術條件下是有效的。規模效率是對決策單元生產規模有效水平的評價，當值為1時，說明決策單元處于最優規模狀態。

2.3 數據來源

樣本數據為2010—2019年的面板數據，所涉及的變量數據均來自2011—2020年的《中國統計年鑒》《中國農村統計年鑒》及13個糧食主產區的地方統計年鑒。其中農作物總播種面積、糧食作物播種面積、有效灌溉面積、農業機械總動力和糧食產量來源于《中國統計年鑒》，柴油投入量、化肥投入量、農藥投入量和農膜投入量來源于《中國農村統計年鑒》，勞動力人員數量來源于各省(區)的統計年鑒。

3 糧食主產區糧食生產生態效率整體情況分析

以我國13個糧食主產區為研究對象，選取2010—2019年13個糧食主產區的面板數據，使用MaxDEA8 Ultra軟件中的SBM-Undesirable模型測算13個糧食主產區在樣本期內的生態效率，同時使用該軟件中的DEA-BCC模型測算13個糧食主產區樣本期內不考慮非期望產出的生產效率。

對比考慮非期望產出的糧食生產生態效率與不考慮非期望產出的糧食生產效率(圖1)，2010年我國13個糧食主產區的生態效率均值為0.64、生產效率均值為0.86；到2019年生態效率均值上升至0.80、生產效率均值上升至0.94；樣本期2010—2019年期間，生態效率的整體均值為0.709、生產效率的整體均值為0.899。可以看出，將糧食實際生產過程中產生的面源污染和碳排放等非期望產出納入到評價體系中測算出的生態效率明顯低于不考慮非期望產出的糧食生產效率，綜合考慮經濟效益和環境效益的生態效率更能反映現實生產狀況。因此，主要對基于非期望產出的SBM-Undesirable模型測算的糧食生產生態效率進行分析。

圖1 2010—2019年13個糧食主產區的糧食生產效率均值和生態效率均值

從圖1可以看出，2010—2019年13個糧食主產區的糧食生產生態效率和生產效率總體均呈上升趨勢，其中生態效率呈波動上升趨勢，生產效率呈穩定上升趨勢。根據2010—2019年13個糧食主產區的糧食生產生態效率的變化趨勢，分成3個階段進行分析。第一階段(2010—2012年)，此階段生態效率呈波動上升趨勢，生態效率均值先從2010年的0.64上升至2011年的0.70，后下降到2012年的0.67，與2010年比，2012年增加了4.69%；生產效率均值從2010年的0.86上升至2012年的0.89，增加了3.49%。本階段國家對于農業發展的政策支持不斷加大，包括加強農業生態環境污染治理、統籌城鄉發展、發展“兩型”農業等。這些支持政策有力地推動了糧食生產生態效率的提高，所以本階段生態效率的漲幅高于生產效率的漲幅，但政策實施的有利效果在實施初期還不穩定，因此生態效率呈波動上升趨勢。第二階段(2013—2016年)，此階段生態效率呈平穩上升趨勢，生態效率均值從2013年的0.72上升至2016年的0.75，增加了4.17%；生產效率均值從2013年的0.90上升至2016年的0.92，增加了2.22%。本階段國家中央一號文件多次提到資源環境協調發展的現代化農業，制定并推行了控制農藥和化肥使用的指導性方案，推動了我國糧食主產區糧食生產生態效率水平的提高，但農藥和化肥使用的嚴格管控導致部分主產區的糧食產量有所下降，因此本階段糧食生產的生態效率和生產效率的漲幅均較低；第三階段(2017—2019年)，此階段糧食生產的生態效率呈大幅度上升趨勢，生態效率均值從2017年的0.70上升至2019年的0.80，增加了14.29%；生產效率均值從2017年的0.89上升至2019年的0.94，增加了5.62%。本階段2017年生態效率均值低于2016年是由于部分地區在控制農藥和化肥的使用后沒能提高對農藥和化肥的利用率導致糧食產量下降，為了提高糧食產量這些地區增加了農藥或者化肥的使用(并未違背國家印發的關于控制農藥和化肥使用的指導性文件，文件中要求單位防治面積農藥使用量控制在近3年平均水平以下到2020年爭取實現農藥使用量零增長，化肥使用量年增長率控制在1%以內到2020年爭取實現化肥使用量零增長)；本階段后期生態效率上升并創新高，主要是因為各糧食主產區提高了農藥化肥利用率，在保證糧食產量的情況下減少了農藥和化肥的使用，同時在國家各種有利政策的推動下，使得各糧食主產區的糧食生產生態效率整體得到改善，生態效率達到有效的省份從2010年的2個增加到2019年的7個。

4 糧食主產區糧食生產生態效率省際差異性分析

SBM-Undesirable模型測算的結果包含糧食生產的生態效率、純技術效率、規模效率，樣本期內13個糧食主產區的糧食生產生態效率見表3，樣本期內13個糧食主產區糧食生產生態效率、純技術效率、規模效率均值對比見圖2。

表3 2010—2019年13個糧食主產區的糧食生產生態效率

圖2 2010—2019年13個糧食主產區糧食生產生態效率、純技術效率、規模效率均值

由表3可以看出，13個糧食主產區的糧食生產生態效率存在較為明顯的空間差異，各主產區在不同年份的糧食生產生態效率均有所不同。根據研究結果將13個糧食主產區按照其2010—2019年糧食生產生態效率均值劃分成3個效率組：高效率組(0.9以上)、中效率組(0.6～0.9)和低效率組(0.6以下)。高效率組包括：吉林省、黑龍江省、江西省、湖南省、四川省；中效率組包括：內蒙古自治區、河南省、湖北省；低效率組包括河北省、遼寧省、江蘇省、安徽省、山東省。3個效率組的糧食生產生態效率均值分別為0.946、0.673、0.492。

高效率組中5個糧食主產區的糧食生產生態效率在樣本期內均有多個年份達到有效(強有效——松弛變量均為0，通過測算結果得知本結果中達到有效的決策單元均為強有效)，且2019年均達到有效，其他年份雖未達到有效，但都處在較高效率水平，同時這5個糧食主產區的純技術效率和規模效率也都處于較高水平，說明相對于其他糧食主產區，這5個省份在保證糧食產量的同時，兼顧了糧食生產過程中生態環境的協調。在中效率組中，內蒙古自治區的糧食生產生態效率一直處于穩步上升的趨勢，并在2016年和2019年達到有效，這說明自從國家實施西部大開發戰略以來出臺的一系列發展生態農業的支持政策頗具成效；河南省的糧食生產生態效率在2010—2018年期間一直處于緩慢增長態勢，在2019年突然有了大幅增長并達到有效，對比2018和2019年各糧食主產區的投入產出指標數據可以看出，2019年河南省除化肥和勞動力兩項投入指標較高、其他投入指標均有所降低，這是其糧食生產生態效率陡然升高的主要原因，但從圖2可以看出，河南省的純技術效率和規模效率水平都不高，雖然在2019年各效率值均達到有效，但不排除其他因素對結果的影響，河南省在發展生態農業方面仍需加大其支持力度；湖北省的糧食生產生態效率在樣本期內一直呈穩定小幅增長趨勢，同河南省相似，其純技術效率和規模效率水平都不高，均有較大改善潛力。

低效率組中，遼寧省的純技術效率水平較高，但規模效率水平較低，說明遼寧省的糧食生產生態效率水平不高主要是由于其生產資料配比規模無效導致的；河北省、江蘇省、安徽省和山東省的規模效率都處于較高水平，純技術效率較低，說明這4個糧食主產區的糧食生產生態效率水平不高主要是由于其技術運用水平不高導致的，說明其在技術運用方面的水平遠低于其他糧食主產區。

由表3可知，高效率省份主要分布在北部和南部地區，低效率組主要分布在中部地區。其原因可能在于，北部高效率省份有松花江流經，南部高效率省份近長江流域，自然資源稟賦較中部地區優渥，中部地區雖有黃河流經，但是滿足不了中部地區粗放的生產方式。

5 糧食主產區糧食生產生態效率損失分析

SBM-DEA的測算結果中包含各糧食主產區全部投入和產出指標的松弛變量。其中，投入和非期望產出的松弛變量用負數表示，期望產出的松弛變量用正數表示。根據松弛變量可以計算出各糧食主產區的投入和非期望產出的冗余率以及期望產出的不足率，某一指標的冗余率或不足率等于松弛變量的絕對值比上該指標的初始值，計算結果如表4所示。

表4 2010—2019年13個糧食主產區糧食生產投入和產出的冗余率或不足率

根據表4可知，2010—2019年13個糧食主產區糧食生產投入指標的冗余率均值為20.08%，非期望產出指標的冗余率均值為25.12%，期望產出指標的不足率均為0%，說明投入冗余和非期望產出冗余是導致我國糧食主產區糧食生產生態效率整體水平不高的主要原因。各主產區在提高糧食生產生態效率時可根據本地區的實際情況減少投入冗余和非期望產出，通常降低投入冗余會直接或間接地減少面源污染和碳排放等非期望產出。但是減少投入也可能會導致期望產出相應減少，所以不能簡單地“哪里冗余減哪里”，應當因地制宜、有所側重。這里可以借鑒Kuo等[20]的思路，如果多數地區需要通過增加或減少某些指標來提高農業環境效率，那么這些指標對于提高農業發展總體效率相對來說更為重要，也可以為未來發展和改進政策的制定提供參考。結合本研究，該思路可以理解為，某一地區在某一指標的冗余率較高，且在該指標上冗余的地區較多，則說明這一指標是提高該地區糧食生產生態效率的重點。

高效率組中的5個省份(吉林省、黑龍江省、江西省、湖南省和四川省)在投入和非期望產出方面的冗余率都較低，其中吉林省、黑龍江省、湖南省和四川省在勞動力方面的冗余率相對于在其他指標的冗余率而言最高，江西省在機械動力方面的冗余率相對于在其他指標的冗余率而言最高，說明若要提高糧食生產生態效率，吉林省、黑龍江省、湖南省和四川省可優先考慮優化勞動力投入，江西省可優先考慮優化機械動力方面的投入。中、低效率組中8個省份的兩個非期望產出指標均存在較大冗余，且這8個省份均有多個不同投入指標的冗余率較高，其中在勞動力、機械動力、化肥、農藥和農膜方面冗余的省份較多且冗余率較高，說明若要提高糧食生產生態效率，這些省份可以優先考慮降低非期望產出，優化勞動力和機械動力投入，提高化肥、農藥和農膜的利用率，從而減少在這些指標方面的投入。

6 結論與政策建議

6.1 結論

采用SBM-DEA模型對我國13個糧食主產區的糧食生產生態效率進行測算，并對結果進行整體情況分析、省際差異性分析和效率損失分析，得出以下結論。

1) 2010—2019年13個糧食主產區的糧食生產效率均值從0.86穩定上升至0.94，樣本期內整體均值為0.899；糧食生產生態效率從0.64波動上升至0.80，樣本期內整體均值為0.709。可以看出，考慮非期望產出的糧食生產生態效率值整體明顯低于不考慮非期望產出的糧食生產效率值。糧食主產區糧食生產生態效率整體偏低，主要是由于部分地區沒有實現高效綠色發展，生態效率水平較低，且低效率地區與高效率地區差距較大，各糧食主產區生態效率不均衡。

2) 根據研究結果將13個糧食主產區按照其2010—2019年糧食生產生態效率均值劃分成高效率組、中效率組和低效率組，3個效率組的效率均值分別為0.946、0.673.0.492，且高效率省份主要分布在北部和南部地區，低效率省份主要分布在中部地區。相對于其他糧食主產區，高效率組的純技術效率和規模效率水平都較高，樣本期內整體均值分別達到0.970和0.978。中、低效率組的純技術效率和規模效率水平至少有1個較低，其中，中效率組樣本期內純技術效率和規模效率的整體均值分別為0.853和0.797，低效率組樣本期內純技術效率和規模效率的整體均值分別為0.584和0.882。總體來看，多數糧食主產區在糧食生產過程中的資源利用效率水平不高。

3) 投入冗余和非期望產出冗余是導致我國糧食主產區糧食生產生態效率整體水平不高的主要原因。高效率組中的5個省份在投入和非期望產出方面的冗余率都較低，其中所有投入指標冗余率整體均值為3.15%，2個非期望產出指標的冗余率整體均值為3.89%；中、低效率組中8個省份的2個非期望產出指標均存在較大冗余，2個非期望產出指標的冗余率整體均值為38.38%，且這8個省份均有多個不同投入指標的冗余率較高，所有投入指標冗余率整體均值為30.65%，其中在勞動力、機械動力、化肥、農藥和農膜方面冗余的省份較多且冗余率較高。

6.2 政策建議

1) 推動各糧食主產區綠色、均衡、高效發展。綠色是指在生產過程中盡可能做到無害、無污染，因此政府要大力提倡使用綠色有機肥，在治理病蟲害時鼓勵使用物理技術，減少農藥投入；均衡是指同步各糧食主產區的糧食生產生態效率，鼓勵高效率地區的優質資源和技術向低效率地區轉移，同時注重低效率地區的環境問題；高效是指依靠科技進步提高糧食主產區糧食生產的綜合效率，增加科學技術研究投入，提高科學技術水平，不僅能提高糧食生產綜合效率，還能幫助降低糧食生產成本，提高我國糧食在國際市場中的競爭力，從而增加農民收入。

2) 提高資源利用效率，降低面源污染和碳排放。總的來看，當前我國糧食主產區的糧食生產生態效率水平不高，主要就是因為資源的過度消耗和糧食生產過程中產生的面源污染和碳排放。糧食生產勞動力冗余率較高的地區可以采取適當措施促進勞動力合理分布，鼓勵農村過剩勞動力轉移就業；對于水資源有冗余的地區，為了提高水資源的利用效率，應當大力發展并推廣節水的灌溉方式；糧食生產對農藥、化肥、農膜等化學資源的使用雖然已經逐步減少，但仍遠超國際水平，國家仍然需要對這方面進行嚴格管控；機械動力和柴油投入冗余率較高的地區應當注重農業的有機發展，推動農業機械技術與現代生物技術同步發展；通過減少農藥化肥農膜的使用并結合測土配方等技術合理施肥用藥，降低糧食生產的面源污染；通過采用低碳農機代替高碳農機等手段降低碳排放。

3) 農業補貼政策兼顧經濟和環境雙重效益。政府在農業方面的政策目標應當從產量導向逐步轉向質量導向，不僅關注農業生產的經濟效益，也要關注農業生產的環境效益，可以推出和環境保護相關的農業補貼政策，比如，對于有效防治或減輕農業污染的生產者給予獎勵性補貼。在這種補貼政策的激勵下，糧食生產者就會合理投入各種生產資料，而不是為了增產不惜損害生態環境，糧食生產生態效率也會得到提高。