山東省糧食安全、農業機械化與農業碳排放的關聯及發展建議

李偉娟，張朋程

（山東石油化工學院文法與經濟管理學院，山東 東營 257061）

受新型冠狀病毒肺炎疫情以及極端自然氣候等因素的影響，全球糧食的生產、流通和消費均受到不同程度的沖擊，糧食安全問題持續加劇，聯合國將糧食安全作為2030年可持續發展目標的核心內容。中國人口基數大，糧食安全問題一直被放在重要的戰略位置，2021年中國將糧食安全列為“強化國家經濟安全保障”。前農業農村部部長韓長賦提出糧食安全是中國農業綠色發展的底線，強調了糧食安全與綠色發展的協調關系［1］。汪成等［2］提出綠色發展是糧食安全保障的重點內容，目前提高糧食安全的重要途徑之一就是通過農業機械化的推廣來提高糧食的產量。張寬等［3］和周振等［4］分別提出提高農業機械化水平將有利于促進農業經濟增長和糧食產量的提高。但農業機械在推廣使用的同時也造成了農業碳排放的增加，并且在現階段是碳排放增加的主導因素［5］。因此協調好糧食安全與農業機械化和碳排放之間的關系至關重要。

現有文獻大多單獨開展農業機械化與糧食安全或農業機械化與碳排放之間的關系研究，但綜合考慮農業機械化、糧食安全和碳排放量三者之間的關系，確保實現糧食安全的同時盡可能地降低碳排放進而實現綠色發展的研究相對不足。山東省連續多年糧食產量在全國排名第3，是典型的農業大省，對國家糧食安全戰略和綠色發展戰略的實施均發揮重要作用。本研究以山東省為研究對象，探究農業機械化、糧食安全和農業碳排放三者之間的關系，并提出發展建議，以期為山東省糧食安全和農業綠色發展的精準施策提供參考。

1 山東省糧食安全、農業碳排放和農業機械化的現狀分析

1.1 山東省糧食安全現狀

人均糧食產量在一定程度上反映了一個地區的糧食供給安全情況［6］。本研究從人均糧食產量和山東省糧食產量占全國糧食產量比重分析山東省目前的糧食安全現狀，結果見表1。由于2016年和2017年的糧食產量銜接的是第三次農業普查的數據，與之前的數據不能對比，因此表1數據分析分為2個階段，即2006—2015年以及2016—2019年。

國際公認的糧食安全線是人均糧食產量達400 kg，由表1可見，山東省人均糧食產量2006—2015年均保持在400 kg以上，2016—2019年保持在500 kg以上，高于全國平均水平，表明山東省的糧食生產保持了良好的發展態勢。“十二五”期間，山東省糧食產量占全國比重低于8.00%，且山東省與全國平均水平的差距逐漸縮小，表明山東省當前的糧食安全水平雖然高于國家標準，但其優勢在縮小。“十三五”期間山東省頒發系列政策支持農業發展，糧食產量占全國總量比重高于8.00%，2019年達8.07%，說明國家及山東省的相關農業政策效果顯著，后期山東省有待保持并進一步提升其糧食安全系數，擔負起共同維護國家糧食安全的重任。

表1 山東省糧食產量情況（2006—2019年）

1.2 山東省農業碳排放量及單位糧食碳排放現狀

結合前期學者的相關分析，綜合了導致農業碳排放的主要來源分別為農用化肥、農藥、農用柴油、農用塑料薄膜、農作物播種面積和農業灌溉面積6類［7］。其中化肥、農藥和農膜等是由于農用物質投入引發的碳排放；農用機械帶來的碳排放主要是柴油的使用；播種主要是在翻耕時破壞了土壤表層而導致的有機碳流失；此外，農業灌溉消耗的電能也會引起碳排放的增加。表2是各類農業碳源的排放系數，將其與碳源排放量相乘，可匯總計算出農業碳排放總量［7］。

農業碳排放量的計算公式為：

式中，E表示農業碳排放量，萬t/年；Ei表示各類碳源的碳排放量（i=1，2，…，6）；Ti為各類碳排放源的數量，數據來源于《山東統計年鑒》（2007—2019年），萬t/年；δi表示各類碳排放源的碳排放系數，來源見表2。

表2 農業碳排放源、系數及參考來源［7］

根據公式（1）計算得到山東省農業碳排放量（2006—2019年），并計算單位糧食產量的碳排放情況，結果如圖1所示。

由圖1可見，整體來看，山東省農業碳排放情況得到很好的控制，呈下降趨勢，農業碳排放量由2006年的1 163萬t降至2019年的988萬t。但在2006—2007年農業碳排放量還處于增長狀態，農業機械化在規模化推廣初期重點在于提升糧食產量，忽視了碳排放造成的污染，主要是由于擴大農業機械使用規模會增加燃料及動力消耗，如加大對柴油的需求，從而導致碳排放總量增加。2011年，山東省人民政府印發了《關于促進農業機械化和農機工業又好又快發展的意見》（魯政發〔2011〕13號），自此開始農業碳排放量呈降低趨勢，2011年農業碳排放量為1 132萬t/年，之后逐漸降低，2019年降為988萬t/年。單位糧食產量碳排放量也呈下降趨勢，從2006年的0.284萬t/萬t逐步降至2019年的0.194萬t/萬t，表明山東省在節能減排方面取得了良好的成效。

圖1 2006—2019年山東省農業碳排放量和單位糧食產量碳排放量走勢

1.3 山東省農業機械化與單位糧食播種面積產量的發展現狀

衡量農業機械化的主要水平就是農業機械總動力。彭繼權等［8］運用量化模型分析提出農業機械化水平每提高1%，農戶主糧單產就提高1.219%。圖2是山東省農業機械總動力和單位糧食播種面積產量情況，由于2006年農業機械總動力均系新統計口徑，與歷史數據不能對比，本研究依然分2006—2015年和2016—2019年2個時間段進行分析。

由圖2可見，整體來看，山東省農業機械化和單位糧食播種面積產量均呈不同程度的提升。2006—2015年和2016—2019年農業機械總動力和單位糧食播種面積產量均呈增長的趨勢。2006—2015年，農業機械總動力從2006年的9 555萬kW增長到2015年的13 353萬kW，提升了39.7%，其中大中型拖拉機和小型拖拉機分別由2006年的25.16萬臺和158.81萬臺提升至2015年的53.52萬臺和190.93萬臺。單位糧食播種面積產量從2006年的5 848 kg/hm2增長到2015年的6 290 kg/hm2，增長了7.6%。2016—2019年，農業機械總動力增長了9.1%，單位糧食播種面積產量增長了3.0%。分時間段看，2016—2019年與2006—2015年相比，山東省單位糧食播種面積產量的增速高于農業機械總動力的增速，表明山東省的農業機械化在提升單位糧食播種面積產量方面發揮了很好的作用。為了進一步推廣農業機械的普及，山東省提出到2025年，全省主要農作物耕種收綜合機械化率達到92%，加大農機購置和綠色環保的補貼，為農業機械化的推廣指明了方向。

綜上分析，山東省糧食安全、農業碳排放和農業機械化發展呈以下特點：2006—2015年，糧食安全、農業碳排放和農業機械化分別為穩定增長、先增后減再增和穩定增長；2016—2019年，糧食安全、農業碳排放和農業機械化分別為穩定增長、持續降低和緩慢增長，三者呈一定關聯。為了厘清三者之間的定量關系，尋求兼顧糧食安全水平提升和農業的綠色發展，本研究將構建農業機械化、糧食安全與農業碳排放相互關系的聯立方程模型，探尋三者之間的相互作用關系，有針對性地提出發展建議。

2 聯立方程模型設計及數據來源

聯立方程模型由Haavelmo在1943年提出，用于探討經濟學變量之間的關系［9］。為建立農業機械化、糧食安全和農業碳排放之間的關系，擬建立三者之間的線性回歸聯立方程模型，線性回歸方程檢驗有最小二乘法、最小絕對值法和Huber Loss法，考慮到最小二乘法（OSL）具有最優解惟一、求解方便、很好的解析性質等優點，擬采用最小二乘法（OSL）進行檢驗。本研究針對農業機械化、糧食安全與農業碳排放關系的聯立方程具體模型形式如下［6］：

式中，AM表示農業機械化，選用單位糧食產量過程中使用的農業機械動力表示，kW/t；AS表示糧食安全，參考聯合國糧食及農業組織定義的人均糧食產量高于400 kg為標準，以人均糧食產量與400 kg的比值表示；E表示農業碳排放，以農業碳排放量表示，萬t/年；C表示截距；α、β表示各變量的待定系數；ε1i、ε2i、ε3i分別表示隨機變量。

模型檢驗選用擬合優度檢驗（R2）、回歸參數的顯著性檢驗（t檢驗）和回歸方程的顯著性檢驗（F檢驗）。其中，R2檢驗擬合優度越大，自變量對因變量的解釋程度越高，自變量引起的變動占總變動的百分比越高，R2（0～1）越接近1，線性關系越顯著；t檢驗中t值用來檢驗回歸參數的顯著性，當模型得到的t值大于5%顯著性水平下的t值時，原假設（某參數不能解釋因變量）發生的概率＜5%，屬于小概率事件，因此拒絕原假設，接受備擇假設，即模型參數通過顯著性檢驗，該參數可以解釋因變量；F檢驗中F值用來檢驗模型整體的顯著性，當模型得到的F值大于5%顯著性水平下的F值時，原假設（模型整體不呈現線性）發生的概率＜5%，屬于小概率事件，因此拒絕原假設，接受備擇假設，即模型整體通過顯著性檢驗，呈現線性。

為確保數據的準確性和指標的科學性，所涉及的數據均來源于《山東統計年鑒》（2007—2020年）。

3 農業機械化、糧食安全與農業碳排放關系實證分析

由于2016年之后糧食產量和農業機械總動力的統計口徑發生變化，此部分選擇2006—2015年的數據，運用Eviews 10.0計量軟件進行OSL估計，分析農業機械化、糧食安全與農業碳排放的關系，得到3個方程，結果見表3。

表3 模型OSL估計

方程1的R2=0.950 1，表明糧食安全和農業碳排放量能夠解釋農業機械化變化的95.01%，F檢驗P＜0.05，說明糧食安全和農業碳排放量作為自變量和農業機械化作為因變量建立的整體線性回歸方程有意義。糧食安全變量系數0.684 1的t檢驗P＜0.10，表明糧食安全在10%顯著水平下可以解釋農業機械化變化，即糧食安全水平每提高1%，農業機械化水平提高0.684 1%。農業碳排放量系數0.578 4的t檢驗P＜0.01，表明農業碳排放量在1%顯著水平下可以解釋農業機械化變化，即農業碳排放量水平每降低1%，農業機械化水平降低0.578 4%。結合線性回歸方程和變量的系數來看，提高糧食安全會提高農業機械化，對碳排放量的約束會影響農業機械化的推廣。

方程2的R2=0.981 9，表明農業機械化和農業碳排放量能夠解釋糧食安全變化的98.19%。F檢驗P＜0.05，說明農業機械化和農業碳排放量作為自變量和糧食安全作為因變量建立的整體線性回歸方程有意義。農業機械化變量系數0.596 1的t檢驗P＜0.10，表明農業機械化在10%顯著水平下可以解釋糧食安全的變化，即農業機械化水平每提高1%，糧食安全水平提高0.596 1%。農業碳排放量系數-0.606 3的t檢驗P＜0.01，表明農業碳排放量在1%顯著水平下可以解釋糧食安全變化，即農業碳排放量水平每降低1%，糧食安全水平提高0.606 3%。結合線性回歸方程和變量的系數來看，提高農業機械化會提高糧食安全，降低農業碳排放量會提高糧食安全。

方程3的R2=0.991 2，表明農業機械化和糧食安全能夠解釋農業碳排放量變化的99.12%，F檢驗P＜0.05，說明農業機械化和糧食安全作為自變量和農業碳排放量為因變量建立的線性回歸方程有意義。農業機械化變量系數1.227 6的t檢驗P＜0.01，表明農業機械化在1%顯著水平下可以解釋農業碳排放量，即農業機械化水平每提高1%，農業碳排放量提高1.227 6%。糧食安全變量系數-1.476 5的t檢驗P＜0.01，表明糧食安全在1%顯著水平下可以解釋農業碳排放量，即糧食安全水平每提高1%，農業碳排放水平降低1.476 5%。結合線性回歸方程和變量的系數來看，提高農業機械化會增加農業的碳排放量，提高糧食安全會抑制農業碳排放量。

方程1至方程3的OSL估計結果表明，農業機械化、糧食安全與農業碳排放之間的線性關系顯著，任意一項指標作為因變量被其他2項指標解釋的程度都在95%以上。三者之間的關聯主要體現在以下3個方面：一是農業機械化與糧食安全呈正相關，提高農業機械化將提高糧食安全水平；二是農業機械化與農業碳排放呈正相關，提高農業機械化一定程度上會提高農業碳排放；三是糧食安全與農業碳排放呈負相關，提高糧食安全需降低農業碳排放。因此，如何提升農業機械化和降低農業碳排放，是保障糧食安全和農業綠色發展的關鍵。

4 結論與建議

4.1 結論

提高糧食安全的主要途徑是提高農業機械化和降低碳排放，但農業機械化的推廣應用與農業碳排放之間呈正相關關系。糧食安全事關全球人民的生命安全，實施國家糧食安全戰略、提高農業機械化進而提升糧食生產率確保糧食產量是維護糧食安全的重要途徑。因此通過降低農業機械化以降低農業碳排放是不可行的，必須在保障糧食安全的前提下降低農業碳排放，這也符合國家提出的糧食安全是農業綠色發展底線的要求，因此在確保糧食產量的同時，如何最大化地提高農業機械化率、降低農業碳排放是關鍵。

《農業綠色發展技術導則（2018—2030年）》提出了科技在協調糧食安全和生態環境保護中的重要意義。針對農業機械設備使用中會增加對汽油、柴油的消耗，從而增加碳排放量的現象，提出從科技創新視角提高農業機械的現代化發展思路。針對糧食安全中對糧食產量的要求，結合數字化應用提高單位面積的糧食產量。因此，提高農業機械化率和單位面積的糧食產量是融合糧食安全、農業機械化和降低碳排放量三者之間發展的重點突破口，具體從科技創新和數字化應用方面予以突破。

4.2 建議

1）加強科技創新在農業機械化和新能源的應用，推廣低碳農機。由于農機作業是中國農用柴油的主要消耗方式之一，農業機械95%以上的配套動力是柴油機，這是主要碳源，所以低碳農機是降低農業碳排放的重要途徑，可以通過研發多類型農機和優化機械化生產方式實現［10］。山東省丘陵山區耕地面積為275.9萬hm2，占全省耕地面積的36.7%，由于面積小、坡度陡，常規農業機械不適應，因此需針對丘陵山區的種植結構多樣化，加大對多樣化農業機械的創新。針對坡度的等級不同，選擇大小適宜的機械。在作業模式上可以借鑒美國的復式作業模式，該模式可以同時開展多個作業項目，進而減少輔助作業時間，從而降低單位播種面積的燃油消耗，降低二氧化碳的排放。

2）強化數字農業，借助智能化優化農業生產方案，提高農機作業效率。2018年國務院頒發的《鄉村振興戰略規劃（2018—2022年）》明確指出要大力發展數字農業，提高農業精準化水平。數字農業可以將信息技術與農業生產的各個環節有效融合，將市場信息、各種生產參數信息以及勞動力等信息綜合考慮，推薦最佳種植方案，高效率地使用農業機械，以促進單位面積產量最優。山東省目前也正在努力探索物聯網技術在農業中的使用，通過智能化精準計算出施肥量和播種量，同時也能給出最佳的生產方案，最大化地降低單位糧食產量的碳排放。