基于交叉DEA的長江經濟帶農用地利用碳排放效率及影響因素研究

李伊涵 李春華 楊承楷

（中南林業科技大學，湖南長沙 410004）

我國是一個農業大國，農業是國家發展的基礎，農用地作為農業生產的基礎資源，其利用效率可以反映國家農業發展水平和土地資源配置情況。現階段，相關工作者對農用地利用效率的研究十分廣泛。從投入和產出角度的研究方法上來說，農用地利用效率評估可以采用數據包絡分析（DEA）和隨機前沿函數（CFA），例如陳秉譜等[1]基于 DEA 和 Malmquist指數評估了甘肅省10年間農業土地利用效率；方 方等[2]基于隨機前沿函數研究了鄉村就業非農化對京津冀地區耕地利用效率影響。從要素來看，研究者從單要素或全要素兩方面研究農業土地利用效率，例如譚榮等[3]從農用地邊際收益這一要素角度探討了農用地利用效率；趙茜宇等[4]從土地、勞動力、資本和技術的全要素角度分析了我國縣域農用地利用效率。從上述研究可以看出，影響農用地利用效率的因素很多，從不同影響因素來探討農用地利用效率對優化農業資源配置、提高糧食生產力和推動農業發展有重要意義。

碳排放作為導致全球氣候變化的重要因素，隨著全球極端天氣的增多，逐漸成為學術界探討的熱點問題[5]。農業是我國的第一產業。有研究顯示，我國農業生產所產生的溫室氣體占全國溫室氣體排放總量的17%[6]，這表明農業活動是碳排放的重要來源之一。有研究表明，人類生產生活在產生溫室氣體排放的同時也改變著土地利用方式[7]。因此，碳排放可以通過影響農用地資源配置來間接影響農用地利用效率。目前，也有研究者從碳排放角度考慮農業土地利用效率，例如黃和平等[8]從碳排放和面源污染角度研究了江西省農用地生態效率；游和遠等[9]從碳排放角度評估了湖南省農地集約利用效率。根據我國“十四五”規劃提出的綠色低碳發展理念，人類在進行生產活動時應該考慮到碳排放問題，因而在評估農用地利用效率時，碳排放應當作為一種影響生態環境的負向產物納入評價體系中。

長江經濟帶作為擁有豐富農業資源的經濟帶，在我國農業發展格局中占有重要位置。因此，本研究選取長江經濟帶11個省（市）作為研究區域，將農用地面積作為投入、碳排放量作為非期望產出來探討區域農用地利用碳排放效率。此外，因為農用地碳排放效率還受到社會經濟和自然因素兩方面的間接影響，所以本研究還利用Tobit回歸模型分析其他農用地利用碳排放效率影響因素的顯著作用，可以為提升區域農用地利用碳排放效率提供更具有針對性的數據參考。

1 數據來源與研究方法

1.1 數據來源

本研究在計算農業土地利用碳排放效率時，選取了2013—2017年長江經濟帶耕地、林地、牧草地、園地和養殖水面等5類農用地面積作為投入變量，以地區第一產業增加值作為期望產出、農業能源碳排放量作為非期望產出。其中，土地利用數據和經濟數據來源于《中國統計年鑒2018》[10]，部分缺失數據通過預測函數補齊。碳排放數據由農業活動中能源消耗量乘以能源排放系數得出，排放系數和能源數據分別來源于2006 IPCC Guidelines for National Greenhouse Gas Inventories[11]和《中國能源統計年鑒2018》[12]。此外，本研究從自然和社會經濟因素兩方面探討影響農用地利用碳排放效率的因素，選取的6類指標包括平均氣溫、耕地面積、農村用電量、農村機械總動力、農業財政投入以及農村居民人均收入。這些數據來源于中國宏觀經濟數據庫、中國環境數據庫、《中國水利統計年鑒2018》[13]以及《中國農村統計年鑒 2018》[14]。

1.2 理想決策單元的交叉效率模型

數據包絡分析是Charnes和Cooper[15]于1978年提出的一種以多個投入和多個產出為基礎來評價各個決策單元相對效率的方法。但是，傳統的DEA模型通常有多個并列的最優解，這使得決策者難以選出最佳投入產出模式的決策單元。為了有效解決這一問題，國內外研究者提出了不同的方法，例如Sexton等[16]和Doyle等[17]提出了仁慈型和激進型的交叉效率評價法。這2種方法在針對相同投入產出時，決策單元的排序不同，雖然避免了DEA有效值不唯一的情況，但是也無法使決策者選出最佳投入產出模式的決策單元。在土地規劃問題中，決策者通常只需要一種最優的資源配置模式。因此，本研究選用了蘇航[18]提出的理想決策單元交叉效率模型，模型公式如下：

式中，minθh，d表示投入導向下的土地利用碳排放效率，μrd與ωid分別為產出和投入的權重，E*dd為決策單元的相對效率，yrh、yrj與 xid、xij分別為決策單元的產出變量和投入變量[18]。

由于理想決策單元交叉效率模型中所有的產出均以期望產出為基礎，而本研究中的碳排放屬于非期望產出，所以還需要對碳排放數據進行進一步處理。研究者們已經提出了多種方法處理非期望產出，例如Hailu等[19]把非期望產出乘以-1，再將它作為投入變量；Tone[20]提出了SBM模型，可以從投入、產出角度對非期望值進行測算。根據本研究的實際情況，首先，碳排放量理論上不可能作為投入指標影響農用地利用效率；其次，SBM模型最優解不唯一，無法區分出最優的農用地資源配置情況。因此，本研究將碳排放量取倒數，再作為產出變量在理想決策單元交叉效率模型中進行測算。

1.3 Tobit回歸分析

本研究選用的理想決策單元交叉效率模型只是一個效率評價模型，并且在投入、產出的指標選取上，它只對農用地結構是否高效進行評估。但是，影響農用地利用效率的因素除了土地資源配置以外，還有其他因素。因此，為了對農用地結構優化提出更具針對性的參考意見，有必要結合其他可能影響農用地利用碳排放效率的因素再進行探討。由于DEA模型的計算結果均大于0，在研究效率影響因素時，如果選用一般的偏最小二乘法可能會導致結果無效，所以本研究在參考前人研究的基礎上，選擇Tobit回歸模型進行影響因素分析[21-23]。模型如下：

式中，yi表示因變量，xi表示解釋變量，β表示回歸系數。

本研究在此基礎上構建了農用地利用碳排放效率為因變量的Tobit模型，模型如下：

式中，yi表示農用地利用碳排放效率，t為年份，β0為常數項，β1、β2、…、βn為各解釋變量回歸系數，εi為隨機擾動項。

2 結果與分析

2.1 農用地利用碳排放效率

本研究選取了長江經濟帶各區域2013—2017年的相關數據進行農用地利用碳排放效率計算，結果如表1和圖1所示。總體上看，2013—2017年間，長江經濟帶農用地碳排放平均效率呈逐年上升趨勢。從圖1可以看出，這5年間長江經濟帶農用地利用碳排放平均效率最高的是上海市、最低的是貴州省。上海市2013年農用地利用碳排放效率是11個地區中最高的，效率值為0.847 3，此后逐年下降至2016年的0.741 1，在2017年又略微上升。此外，重慶市的農用地利用效率也是先下降再升高。江蘇省、安徽省、江西省和湖南省的農用地利用碳排放效率在這5年間呈先上升后下降的趨勢。浙江省和湖北省在這5年間農用地利用效率呈逐年上升趨勢。四川省農用地利用碳排放效率在這5年間從0.543 2逐年下降至0.432 6。云南省的農用地利用碳排放效率則呈現出波動變化狀態，但在2017年成為長江經濟帶11個區域中最高，效率值為0.857 8。

表1 2013—2017年長江經濟帶各區域農用地利用碳排放效率值

2.2 碳排放對農用地利用效率的影響

為了評估碳排放對農用地利用效率的影響，本研究選取了長江經濟帶各區域2017年的相關數據，評估不考慮碳排放情況下的農用地利用效率。從圖2可以看出，在不考慮碳排放的情況下，長江經濟帶農用地利用平均效率基本有所上升，除上海市外，所有區域決策單元效率值均高于考慮碳排放時的效率值。這表明未將碳排放作為測度指標時，農用地利用效率可能會被高估。碳排放作為影響氣候環境的重要因素，間接影響人類對土地資源的利用形式，決策者在制定政策時若不考慮此因素，其結果可能不如預期。

2.3 農用地利用碳排放效率影響因素

本研究利用Tobit回歸模型對長江經濟帶農用地利用碳排放效率影響因素進行分析，結果如表2所示。可以看出，年均氣溫在10%的水平上通過了顯著性檢驗，并且與農用地利用碳排放效率成負相關關系。由此表明，氣溫越高，效率值越低。在考慮碳排放作為環境負向指標時，碳排放量越大，農用地利用效率將越低，并且溫室氣體的排放會導致氣溫升高。同時，耕地面積通過5%水平的顯著性檢驗，并且與農用地利用碳排放效率成負相關關系，即區域耕地面積越大，效率值越低。由于農業碳排放的主要來源是種植業，耕地面積越大，則表明種植業越發達，會增加碳排放量，從而降低農用地利用效率。農村居民人均收入在1%的水平上通過顯著性檢驗，并且與農用地利用效率成正相關關系。農村居民人均收入在一定程度上代表農村經濟發展水平，農村經濟發展水平越高，農民對農業資本的投入將越大，客觀上可以改善農業生產模式，也有利于農業生產中生態環境的改善。其他因素如農村用電量、農業機械總動力和農業財政投入在回歸分析中不顯著，表明這3個因素對長江經濟帶農用地利用碳排放效率未產生明顯影響。

表2 農用地利用碳排放效率影響因素分析結果

3 結論與討論

3.1 結論

從理想決策單元模型的結果可以看出，當碳排放作為非期望產出變量時，在2013—2017年間，上海、湖南、四川以及貴州等4個省（市）農用地利用碳排放效率總體呈下降趨勢，其余省（市）總體呈現上升趨勢，但上升幅度較小。5年期間，長江經濟帶各區域的農用地利用效率均未達到DEA完全有效，這表明長江經濟帶農用地結構有較大的優化空間。

當碳排放不作為考量因素時，長江經濟帶農用地利用效率普遍有所上升，表明在農用地利用過程中產生碳排放會對土地利用效率有一定程度的負面影響。當不考慮碳排放的影響時，長江經濟帶農用地利用效率會被高估。農業生產過程中的溫室氣體排放會間接影響土地利用方式，如果決策者不考慮碳排放因素，最終的農用地資源配置結果可能會不如預期[24-26]。

通過Tobit回歸分析結果可以看出，年均氣溫和耕地面積與長江經濟帶農用地利用碳排放效率成負向顯著相關，農村居民人均收入則與區域農用地利用碳排放效率成正向顯著相關，而農村用電量、農業財政投入和農業機械總動力對區域農用地利用碳排放效率不產生顯著影響。

3.2 討論

本文以長江經濟帶作為研究對象，評估了區域內11個省（市）農用地利用碳排放效率，可以為區域農業低碳生產提供決策依據。本研究選用的理想決策單元交叉效率模型只是一個計算效率的模型，并且其評價模式為決策單元間的相互評價，可以選出被評價決策單元中相對較優的一個，但不能給出具體的優化策略，因而它更適用于宏觀政策分析。由于《全國土地利用總體規劃綱要（2006—2020年）》中指出耕地保有量屬于約束指標等情況，表明部分農用地不可能大面積變動，所以不能完全從農用地結構和土地資源配置角度進行效率優化。可以將土地資源配置問題與社會經濟因素共同考慮，例如在政策范圍內最大程度優化農用地結構后，再提高農業生產中的資本投入，改善農業生產模式，從生產技術方面來提高農業生產量和降低農業生產過程中的碳排放量，從而更大程度上提升農用地利用碳排放效率。同時，部分農用地如林地和園地對碳排放有吸收效應，因而在進行農用地利用低碳優化時還可以從凈碳排放角度考慮。