碳排放視角下的農業生態效率研究

劉 凡,周書靈

宿州學院商學院,安徽宿州,234000

1 相關研究與問題提出

為應對日益嚴峻的氣候變暖問題,世界各國積極推進農業低碳轉型[1]。然而,隨著耕地、水等農業生產資源不斷減少,人口增長和糧食供應、農業經濟發展和生態環境保護之間的矛盾日益突出[2]。2020年9月,黨中央提出推進“雙碳”目標,為農業的低碳轉型提出了更高要求[3];2022年7月,農業農村部等機構發布了《農業農村減排固碳實施方案》,以促進農業綠色低碳發展[4];2022年10月,黨的二十大報告指出,加快建設農業強國[5];2022年12月,中央農村工作會議提出“發展生態低碳農業”[6]。在此背景下,如何實現農業經濟與農業生態環境的協調發展成為重要的研究問題。因此,如何提升農業資源利用效率,減少農業生產造成的環境污染,以更少的資源消耗創造更高的農業生態效益,對促進農業可持續發展具有重要意義。

農業生態效率是在“生態效率”的基礎上衍生而來的,追求最小的資源投入和最小的環境污染產生最大的期望產出[7],是對農業生產過程中經濟和生態綜合績效的反映[8]。當前學術界關于農業生態效率的研究主要集中在以下3個方面:

農業生態效率評價指標研究。基于農業生產的評價標準,農業投入指標多包括:土地、化肥農藥、勞動力、農業用水、機械和能源投入等[9];農業產出指標則包括期望產出和非期望產出指標。期望產出指標指能代表農業向好發展的指標,如糧食產量、農業產值、農業增加值、農業碳匯等[10],非期望產出則指農業生產伴隨的環境污染,主要包括農業碳排放量和農業面源污染等指標[11]。農業碳排放測算,Chen等[12]基于農業生產的主要碳排放源,應用聯合國政府間氣候變化專門委員會(IPCC)等機構發布的最新碳排放系數,應用有序加權聚合算子等方法測算區域農業碳排放量。顏光耀等[13]和黃曉慧等[14]還指出,近年來中國農業碳排放總量與強度有下降趨勢,而農業技術進步能夠降低農業碳排放強度。關于農業面源污染的研究,鄭盛華等[15]和張英男等[16]指出,由于過量施肥、農藥和使用農膜等引起的農業面源污染是農村水污染的主要原因之一,也是阻礙農業綠色發展的主要因素之一。為降低農業面源污染,吳海霞等[17]和張育福等[18]提出,應加強農業補貼頂層設計、加強跨區域聯動防控、控制化肥施用量等建議。

農業生態效率評價研究。學者們主要從低碳、生態足跡等視角[19],運用生命周期法[20]、能值分析法[21]和數據包絡分析(DEA)[22]等方法,從國家、區域、省域、市域等層面對農業的生態效率進行科學評價[23]。其中,考慮到松弛變量的數據包絡分析 (SBM),有效解決了投入產出的松弛現象和排序的并列問題,已逐漸成為測定農業生態效率的主流模型[24]。在國家層面,徐維祥等[25]采用SBM模型測算出中國農業生態效率呈現上升趨勢;在區域層面,梁耀文等[26]運用SBM-Undesirable模型測算出環渤海地區的農業生態效率整體較低但呈上升態勢,于婷等[27]運用SBM-undesirable模型測算出中國13個糧食主產區的農業生態環境效率整體呈波動上升態勢;在省域層面,陳菁泉等[28]構建了“環境投入—環境治理”兩階段模型,測度出省際間農業生態效率存在東西高、中部塌陷的局面;在市域層面,張熒楠等[29]和張展等[30]運用SBM模型測算出山東省17個地級市中濟南、煙臺的農業生態效率處于有效狀態,并進一步指出農藥投入等是其他地市農業生態效率無效的主要制約因素。

農業生態效率優化研究。在時空演變方面,鄭云等[31]運用社會網絡法測算出中國農業生態效率的空間關聯具有網格化特征;汪亞琴等[32]指出,中國農業生態效率呈現出東西部地區較高、中部地區較低的空間分布格局;而農業資源錯配、財政環保支出、城鎮化、農業研發投入、農業資源稟賦、農村勞動力轉移等是農業生態效率重要影響因素[33]。此外,學者根據農業生態效率測度結果,提出了系列優化措施,包括:加強農業技術推廣、提升農業企業管理人員素質、優化農業生產投入結構、強化數字普惠金融、提升區域合作水平和加強二、三產業帶動等[34]。

綜合梳理相關文獻發現:第一,農業生態效率涉及多項投入和產出,如何準確測度農業生態效率是精準提升農業資源利用效率、減少環境污染的迫切需求;第二,在農業生態效率評價指標的選取上,現有研究較少考慮農業能源消耗等指標,而受氣候、能源市場的影響,全球能源碳排放量增速較快,農業生產也應考慮到能源消耗量;第三,現有研究鮮有根據區域農業相對生態效率現狀深入分析效率損失的內在原因。鑒于此,本文借鑒了崔許鋒等[8]、曹俊文等[10]的研究思路,提出了一種碳排放視角下農業生態效率評價方法,評價農業生態效率的時空分布特征,根據冗余度分析其生態效率損失原因,并提出針對性的優化措施。

2 模型和方法

2.1 研究區域

中國是《聯合國氣候變化框架公約》首批締約國,中國積極促進生態系統適應全球氣候變化。此外,中國是世界上棉花、水稻總產量最高的國家,其中水稻產量占全球總量的31%[35]。2019年《中國的糧食安全》白皮書顯示:中國人口占世界的近1/5,糧食產量約占世界的1/4。但中國農業發展也面臨環境污染、生態破壞等問題,如人均耕地面積少、水土流失嚴重、過度施用農藥化肥造成了土壤污染、減排壓力巨大。在協同推進農業經濟穩定增長、糧食安全供給、低碳循環發展方面,仍面臨嚴峻挑戰。

2.2 研究框架

該研究是為促進農業經濟與生態環境的協調發展,從碳排放視角評價并提升農業生態效率。然而,農業生產系統是個多元復合系統,農業生產系統的投入和產出數據多源且量綱不統一,提出的優化建議需要結合地方農業發展實際條件。因此,為了應對該挑戰,該研究提出了一個數據驅動的農業生態效率評價及優化方法。數據采集是采集農業生產要素投入數據、糧食產出和總產值數據、農業環境污染數據等,并據此構建農業生態效率評價指標體系;數據處理是根據農業生產主要碳排放源,測算農業碳排放量、碳排放強度和農業面源污染量;數據模型是構建農業生態效率測度模型;數據分析是分析生態效率損失的內在原因,提出農業生態效率提升對策。

2.3 數據來源與研究方法

農業生態效率綜合反映了農業經濟增長、糧食安全和資源節約、低碳轉型之間的統籌發展關系,考慮農業生態系統特點,參考陳陽等[36]、陳新華等[37]相關研究,根據數據可得性、可操作性原則,以農林牧副漁業為研究對象,選取了土地、勞動、機械等作為農業投入指標,對比Liu等[38]的研究,增加能源消耗投入指標;用農業總產值和糧食產量作為期望產出指標;用農業碳排放、面源污染指標作為非期望產出,具體如表1。上述數據來自國家統計局,并經計算出2010—2019年中國31個省(市、自治區)農業生態效率評價面板數據。勞動力投入,參考田偉等[39]對農業勞動力的計算思路,以農林牧漁業城鎮單位就業人員表征。翻耕數據以當年中國農作物實際播種面積為準,農業灌溉以當年中國實際灌溉面積為準。

表1 農業生態效率投入產出指標體系

2.4 數據處理

2.4.1 農業碳排放計算

參考李波等[40]研究,農業的碳排放主要包括化肥、農藥、農膜、農用柴油、農業灌溉、翻耕流失6類碳排放源。可構建農業碳排放計算模型如下:

E=∑Ei=∑Ti×δi

(1)

其中,E為農業的碳排放總量,Ei為各農業碳源的碳排放量,Ti為各農業碳排放源的量,δi為各農業碳排放源的碳排放系數。

參考張志高等[41]研究,農業6類碳排放源相應的排放系數分別為0.895 6 kg/kg、4.934 1 kg/kg、5.18 kg/kg、0.592 7 kg/kg、20.476 kg/km2、3.126 kg/km2。根據農業碳排放總量,可計算得出農業碳排放強度,計算公式如下:

(2)

其中,Eij表示i省市j年度的農業碳排放量,Aij表示i省市j年度的農林牧漁業總產值。

2.4.2 農業面源污染計算

農業面源污染由多個單元構成,包括化肥流失量、農藥流失量和農膜殘留量。參考袁培等[24]研究,選取化肥流失、農藥流失和農膜殘留系數分別為:0.65、0.5、0.103;參考徐承紅等[42]的研究,通過熵值法合并測算農業面源污染指數,用以表征農業面源污染狀況;參考陸杉等[43]學者的研究,構建農業面源污染計算模型如下:

P=∑Mij×ρij×γij

(3)

其中,P代表第i省市的第j種污染的總產污量,Mij、ρij、γij分別表示i省市第j種污染的使用量、產污系數和流失系數。

2.5 模型構建

Tone[44]提出的SBM模型,既可以科學處理非期望產出,又可拓展為超效率模型,進一步區分有效決策單元,已被普遍應用于低碳約束下的農業生態效率研究[45]。將各省市農業生態系統作為決策單元,超效率SBM采用線性規劃模型進行構建:

(4)

其中,AEE為農業生態效率評價值;x、yg、yb分別代表農業要素投入、農業期望產出、農業非期望產出指標的數值。m為農業要素投入數量,s1為農業期望產出數量;s2為農業非期望產出數量。

(5)

(6)

λj≥0;i=1,2,…,m;j=1,2,…,n;

(7)

j≠0,s=1,2,…,s1;q=1,2,…s2

(8)

其中,n為各省市數量,即決策單元數量;每個決策單元由m項農業要素投入、s1項農業期望產出、s2項農業非期望產出構成;λ表示所對應的農業投入或產出元素的權重。

3 結 果

3.1 中國農業碳排放量、碳排放強度

根據式(1)—(2)對2010—2019年中國省域農業碳排放總量和碳排放強度進行核算,結果見表2。2010—2019年間,中國31省(市、自治區)農業碳排放總量相差較大,其中居于前10位的省(市、自治區)依次為:河南、山東、河北、江蘇、安徽、湖北、黑龍江、新疆、湖南、四川,除了新疆,其他9個地區都是中國糧食主產區,上述10個省份的農業碳排放總量累計占到了全國農業碳排放總量的57.11%。而同樣作為糧食主產區的江西省,農業碳排放總量相對較低(2 164.22萬噸)。山西、重慶、貴州、海南、寧夏、天津、上海、北京、青海、西藏10個省(市、自治區)的農業碳排放總量排靠后,這10個省(市、自治區)的農業碳排放量累計之和僅占全國農業碳排放總量的7.74%。

表2 中國農業碳排放總量 萬噸

從整體看(圖1),2010—2019年中國農業碳排放總量在2015年前呈現上升趨勢,2015年后呈現下降趨勢,2019年中國農業碳排放總量為8.112千萬噸,相比2010年減少了2.81%。而農業碳排放強度呈大幅度下降趨勢,2019年中國農業碳排放強度均值為0.128萬噸/萬億元,較2010年下降了45.5%。這充分表明中國農業碳減排成效顯著。

圖1 2010—2019年中國農業碳排放總量和碳排放強度均值

3.2 中國農業面源污染指數水平

根據式(3)對2010—2019年中國省域農業面源污染量進行核算,運用熵權法合并成農業面源污染指數,結果如圖2所示。

圖2 2010—2019年中國31省(市、自治區)農業面源污指數水平

由圖2可知,中國31省(市、自治區)農業面源污染綜合指數水平在2010—2015年呈上升趨勢,在2015—2019年呈下降趨勢。主要原因在于,自2015年中國實施農業供給側結構性改革以來,中國原農業部提出“一控兩減三基本”要求,中國開始加強控制農業用水的總量,減少化肥、農藥的施用總量,對畜禽污染處理問題、地膜回收問題、秸稈焚燒的問題采取措施,并陸續出臺了系列生態保護、節能減排的相關政策,農業生產方式不斷優化,更加注重科學施用農藥、農膜和化肥,農業面源污染不斷減輕。

3.3 描述分析結果

基于變量Y3與Y4的計算結果,表3列出了各變量的描述性統計。除指標X2外,各指標的均值都大于標準差,基本服從正態分布;農林牧漁業從業人數(X2)均值小于標準差,說明各省市農林牧漁業從業人數的地區差異較大。

表3 農業生態效率投入產出變量描述性統計 N=310

3.4 中國農業生態效率測算結果

在核算農業碳排放、農業面源污染的基礎上,根據式(4)—(8),運用超效率SBM模型,對2010—2019年中國省域農業生態效率進行核算。為展示農業生態效率的空間分布特征和變動過程,選取2010年、2013年、2016年和2019年中國農業生態效率值,運用ArcGIS 10.2軟件,根據自然間斷點法分級描繪出中國農業生態效率的空間分布。結果發現,2010—2019年間,中國農業生態效率高效率區域呈現由西部地區向中部、東北部地區轉移的趨勢,這與崔許鋒等[8]、徐維祥等[25]學者的研究結果相似。2010年,新疆、西藏、陜西、河南、吉林等省市自治區農業生態效率相對較高。2013年,農業生態效率省際差異顯著,山西、天津、云南、甘肅、安徽五省(市、自治區)的農業生態效率值低于1,其余省份均高于1,其中四川、山東、黑龍江等省份的農業生態效率較高。2016年,多數省份的農業生態效率有所下降,只有山西、天津、云南、甘肅、廣西、青海、新疆、河北8個省(市、自治區)的效率值低于1,農業生態效率低效率區域向中國西部地區偏移。2019年,多數省市農業生態效率有所提升,且山西、天津、云南、甘肅、河北5省(市)已達到農業投入產出相對有效狀態,表明隨著中國發展綠色農業相關政策的實施,農業生態效率水平得到了有效提升。2019年,只有廣西、甘肅、新疆3個省(市、自治區)的農業生態效率都低于1,其農業生產投入產出比處于相對無效狀態,這些地區農業生態環境較為脆弱,農業生態效率提升受限于資源稟賦和地理環境。

為此進一步對2019年我國廣西、甘肅、新疆地區農業生態效率無效單元的農業投入及產出冗余進行分析,見表4。相對于農業生態效率相對無效的決策單元來說,其投入的松弛變量為負數,表示改進方向為減少投入。相對于有效產出而言,如農用塑料薄膜使用量(X7),甘肅省存在約111 301.007 3噸的冗余、新疆存在約204 812.905 1噸的冗余;相對于有效投入而言,甘肅省的農業期望產出(Y2)應增加約154.097 5億元。

表4 2019年農業生態效率無效地區投入產出冗余值

4 結論與相關討論

4.1 結 論

在核算2010—2019年中國31個省(市、自治區)農業碳排放、農業面源污染的基礎上,應用超效率SBM模型對31省(市、自治區)農業生態效率進行測算,并對效率空間分布進行分析,研究發現,2010—2019年間,中國31省(市、自治區)農業碳排放總量、碳排放強度、農業面源污染綜合指數水平都呈現下降趨勢,這與顏光耀等[13]的研究結果相似;然而,各年份農業生態效率損失的主要原因不是期望產出不足,而是各投入要素冗余、非期望產出較高,這與劉華軍等[46]的研究結果相似。因此,中國農業生態效率提升的重點是精益化生產和低碳化發展。

4.2 相關討論

據此,提出如下提升建議:(1)加強農業生產投入要素精益管理,提高農業生產資源利用效率。加速在河南、山東、河北、江蘇、安徽、湖北、黑龍江、新疆、湖南、四川等省市自治區推廣低碳高效的耕種、施肥、施藥、灌溉技術,持續降低對農藥、化肥等要素的投入,促進農業低碳化發展。(2)持續降低農業污染排放總量,降低農業生產對環境的破壞。重點降低中國糧食主產區的農業碳排放量,重點加強如湖南、河北、四川等省市的農業面源污染的觀測、評估和治理,強化化肥、農藥科學使用,探索農膜回收區域補償機制。(3)分省制定差異化的農業生態效率提升路徑。廣西壯族自治區農業勞動力投入(X2)、機械投入(X3)、農業碳排放(Y3)等方面改善潛力巨大;甘肅省土地(X1)、農膜(X7)、農業總產值(Y2)等方面是有待改善的重點領域;新疆的農業用水(X4)、農膜(X7)、灌溉(X8)和農業碳排放(Y3)等冗余較高,提高水資源利用效率、發展節水型農業技術、降低農業碳排放是該地區農業生態效率改善的重要途徑。

與其他相似文獻相比[47],本文得到以下管理啟示:一是應對氣候變化、控制碳排放,是全球面臨的共同問題。二是隨著數字農業的發展,大數據、人工智能等在農業生產經營管理中的應用范圍不斷擴大,農業大數據資源體系的不斷完善,運用數據驅動的方法有助于實施農業的精準化生產、精細化作業[48]、智能化管理。

全球氣候變暖趨勢明顯加快的背景下,促進農業生產和環境保護的協調發展是世界各國面臨的嚴峻挑戰。本文從生態效率角度提供了一個數據驅動的農業低碳轉型升級路徑。本研究的理論貢獻和實踐意義如下。理論貢獻:一是將農業能源消耗、糧食產量等指標納入生態效率評價指標體系,豐富了農業生態效率指標體系。二是提出“可測度、可評價、可優化”的數據驅動方法,為提升農業資源利用效率、促進農業生態化發展提供了方法支持。三是通過分析農業生態效率相對無效區域的投入產出冗余值,分析農業生態效率損失的內在原因,為區域農業降碳減污提供理論基礎。實踐意義:為農業的低碳綠色發展提供了可行路徑,為地方政府制定區域差異化的農業生態效率提升政策提供依據,為農業生態效率領域研究者拓展思路。然而,數據驅動的方法高度依賴大量數據,在未來的研究中將積極探索知識和數據協同驅動農業生態效率的路徑。