面源污染、碳排放双重视角下中国耕地利用效率的时空分异

封永刚 +彭珏+++邓宗兵++王炬��

摘要 在中国耕地非农化日趋加剧，耕地抛荒、撂荒、低效粗放利用等现象愈演愈烈，耕地污染问题日益突出的背景下，提高耕地利用效率对于促进耕地可持续利用，实现耕地利用与资源环境协调发展具有重要的现实意义。本文采用单元调查评估法及碳排放系数公式对中国耕地利用过程中面源污染和碳排放的产出量进行评估，并使用非期望产出的窗式SBM 模型对1993-2013年中国耕地利用效率进行重新估算，进而对耕地利用效率的时空分异特征及改进途径进行分析。主要结论：从时间分异特征来看，中国耕地利用效率呈现出显著下降的变化趋势；种植业大省耕地利用低效率现象逐步增强；投入冗余对耕地利用效率的负作用最大且趋于增强；非期望产出冗余对耕地利用效率的负作用次之且趋于增强；面源污染和碳排放的过量产出与耕地利用效率提升的矛盾日益加剧。从空间分异特征来看，耕地利用高效率地区大幅减少，分布状态由“连片”分布向“点状”分布于东部和西部地区转换；低效率地区以中部地区为中心向东部和西部地区扩张；耕地利用效率呈现出严重的“两级分化”特征。从改进途径来看，中国耕地利用效率的改进潜力主要在减少耕地利用投入冗余和降低非期望产出两个方面。

关键词 耕地；利用效率；面源污染；碳排放；时空分异

中图分类号 F301 文献标识码 A

文章编号 1002-2104（2015）08-0018-08

doi：10.3969/j.issn.1002-2104.2015.08.003

改革开放以来，中国农业以高产良种为中心并配合以改进灌溉、施肥技术的生产方式，仅用占世界不到10%的耕地成功养活了世界20%以上的人口[1]，但这一成绩的取得也付出了巨大的资源和生态环境代价。2014年

全国土壤污染状况调查公报显示，中国耕地的土壤点位超标率高达19.4%，污水灌溉，化肥、农药、农膜等农业投入品的不合理使用和畜禽养殖是导致耕地土壤污染的主要原因。李波[2]的研究显示，2008年中国耕地利用的碳排放量高达7 843.08万 t，且温室气体的大量产生使我国耕地利用不稳定性和风险日益加大。此外，随着工业化和城镇化的推进，中国耕地非农化日益加剧，耕地抛荒、撂荒、粗放利用等现象愈演愈烈[3]。耕地资源是保障农业可持续发展、维护国家粮食安全的根本所在，而以上这些问题决定了中国耕地利用必须从依靠耕地面积扩大的“外延式”发展模式，向提高耕地利用效率、减少耕地污染、改善耕地质量的“内涵式”发展模式转变。那么，在面源污染、碳排放的双重视角下，中国耕地利用效率水平如何？耕地利用效率的时空格局如何演化？环境非期望产出的所造成的耕地利用效率损失程度有多大？耕地利用效率提升的改进方向和路径在哪里？回答以上问题对提高中国耕地利用效率，促进耕地可持续利用，实现耕地利用与资源环境协调发展具有重要的现实意义。

自Fonseca[4]、Gupta[5]等开展土地利用效率的评价研究以来，学者们对耕地利用效率进行了有益探索。然而中国的耕地利用效率的研究起步较晚且主要集中于效率的评估测算方面，谢高地等[6]、方先知等[7]早期研究较多采用单要素耕地利用效率评估指标进行测算。随后，为了弥补早期研究评估方法的不足，周晓林等[8]、叶浩等[9]引入DEA方法或随机前沿函数方法对中国耕地利用效率进行计算。但目前仅有梁流涛[10]在考虑面源污染的情况下对中国耕地利用效率进行评估。近期也有一些学者逐渐关注中国耕地利用效率的区域差异问题，如刘玉海等[11]，王良建等[12]的研究从国家或地区的空间尺度对中国耕地利用效率的区域差异特征进行分析，均发现东部地区的耕地利用效率高于中、西部地区。通过文献梳理可知，国内的现有研究仍有以下三点可供改进：一是将环境效率评估方法应用到对耕地利用效率评价的相关研究较少。二是对非期望产出指标的考察主要集中于面源污染类指标，缺乏对碳排放因素的考虑。三是在效率评估时仅考虑当期投入产出，忽略了前期耕地状态及利用活动对于当期的影响。鉴于此，本文拟使用1993-2013年中国大陆31个省（市、区）的面板数据，采用单元调查评估方法及碳排放系数公式对耕地面源污染、碳排放的产出量进行计算，并将它们带入到考虑非期望产出的窗式SBM模型对中国耕地利用效率进行估算，进而对耕地利用效率的时空分异特征及改进途径进行分析。

封永刚等：面源污染、碳排放双重视角下中国耕地利用效率的时空分异

中国人口·资源与环境 2015年 第8期

1 研究方法与数据来源

1.1 研究方法

1.1.1 非期望产出的SBM模型

SBM（Slack Based Measure）模型由Tone[13]提出，其优势在于同时从投入和产出两个角度对无效率情况进行测算，并能体现松弛改进部分的效率值。随后Cooper等[14]将非期望产出引入到SBM模型中，其计算原理是将期望产出和非期望产出共同纳入到生产可能集中。如某一决策单元使用N种投入x=（x1，…，xN）∈R+N，能够生产出M种期望产出y=（y1，…，yM）∈R+M和I种非期望产出b=（b1，…，bI）∈R+I。假设共有K个决策单元（k=1，…，K），建立非期望产出的SBM模型为：

minρ=1-1N∑Nn=1sxn/xn0

1+1M+I（∑Mm=1sym/ym0+∑Ii=1sbi/bi0）

s.t.∑Kk=1zkxkn+sxn=xn0，n=1，…，N；∑Kk=1zkykm-sym=ym0，m=1，…，M；

（1）

∑Kk=1zkbki+sbi=bi0，i=1，…，I；zk≥0；sxn≥0；sym≥0；sbi≥0；

式（1）为可变规模报酬（VRS）模型，其中（sxn，sym，sbi）代表投入冗余、期望产出不足和非期望产出冗余的松弛量，如加入∑Kk=1zk=1的约束，则式（1）变为规模报酬不变（CRS）模型。当ρ<1时，说明决策单元存无效率现象（即存在效率损失现象），为了解各决策单元耕地利用无效率的来源，本文参照Cooper等[14]的研究对耕地利用无效率值进行如下分解：