中国省域农业低碳效率评估与演变研究

2020-01-07严子怡吴伟光钱志权

福建农业科技 2020年10期

严子怡吴伟光钱志权

摘要：2019年中央1號文件提出绿色农业发展行动计划，作为绿色农业的重要方面，低碳农业的发展是必不可少的举措。如何准确测度农业低碳发展效率并分析演变规律对加快低碳农业发展具有重要意义。以农用物资、稻田、畜禽养殖、能源消耗四类作为碳源，从低碳视角下引入农业碳汇作为期望产出，基于共同前沿方法结合全局Malmquist模型测算中国30个省（区、市）2000-2016年农业低碳发展效率，将效率进一步分解，明确效率增长源泉及作用规律。结果表明：中国农业低碳发展效率整体上呈现显著上升趋势。分地区看，东部地区处于领先地位，西部地区保持稳定，中部地区迎头赶超。分省份看，北京农业低碳发展水平具有绝对优势，江西省最低。从增长源泉来看，农业低碳发展效率的改善主要取决于农业技术进步的增长，农业技术效率处于恶化状态。中国必须采取结合区域资源特点，打破省份地域限制加大农业生产交流等措施以提高农业低碳发展效率，促进低碳农业的实现。

关键词：共同前沿;农业碳汇;全局Malmquist指数;效率分解

中图分类号：X322 文献标志码：A 文章编号：0253-2301（2020）10-0049-08

DOI： 10.13651/j.cnki.fjnykj.2020.10.009

Abstract： The Central Document No.1 in 2019 has put forward the action plan for the development of green agriculture. As an important aspect of green agriculture， the development of low-carbon agriculture is an essential measure. How to accurately measure the efficiency of the low-carbon agricultural development and analyze the law of evolution is of great significance to accelerate the development of low-carbon agriculture. By taking the agricultural inputs， paddy fields， livestock and poultry breeding， and energy consumption as the carbon sources， the agricultural carbon sink was introduced as the desirable output from the perspective of low carbon. Then， based on the metafrontier method combined with the global Malmquist model， the low-carbon agricultural development efficiency of 30 provinces （districts， cities） in China from 2000 to 2016 was calculated， and the efficiency was further decomposed to identify the sources and rules of efficiency growth. The results showed that the overall efficiency of the low-carbon agricultural development in China showed a significant upward trend. By region， the eastern region has taken the leading position， the western region has remained stable， and the central region has been catching up. By province， the low-carbon agricultural development level in Beijing had absolute advantage， while Jiangxi Province had the lowest. From the perspective of growth sources， the improvement for the efficiency of low-carbon agricultural development mainly depended on the growth of agricultural technical progress， but the agricultural technical efficiency has been in a state of deterioration at present. Therefore， China should adopt the following measures such as combining the characteristics of regional resources， breaking the regional restrictions of provinces and increasing the exchanges of agricultural production， thus to improve the efficiency of low-carbon agricultural development and promote the realization of low-carbon agriculture.Key words： Metafrontier;Agricultural carbon sink;Global Malmquist index;Decomposition of the efficiency

农业是国民经济建设和发展的基础产业，自改革开放以来取得了巨大成就。据国家统计局显示，2019年中国农林牧渔总产值高达123967.9亿元，同比增长9.15%;粮食连年增产，2019年中国粮食总产量达66384万t，比2018年增长0.9%。然而，伴随着农业快速发展的同时也带来了一系列问题。中国农业生产方式粗放，化肥农药等过量施用、畜禽养殖粪污处置失当、农用地膜和农药包装回收不足、能源大量消耗等问题严重[1]，农业碳排放总量与日俱增，导致中国农业呈现出“高投入、高污染、高排放”的增长态势[2]。在中国，农业源排放的温室气体占全国温室气体排放的17%，农业排放的CH4和NO2分别占全国总排放的50%和92%[3]，且以每年5%速率增长[4]。由此看来，农业是重要的碳源，中国作为农业大国，如果不实行节能减排，只会加剧温室效应的进程。因此，农业低碳发展成为一个重要的研究课题。

农业低碳发展效率是指基于劳动、土地、灌溉、化学物资、农业动力等各项投入，纳入期望与非期望产出的农业低碳发展水平。在计算效率时，不考虑碳排放约束会高估农业效率[2，5]。从研究范围来看，学者们从微观、宏观层面均对农业生产效率进行了相关研究。微观层面是对农场和农户的农业生产效率研究，Lambert等[6]从农场资本结构角度对美国农场的生产技术效率进行了研究。宏观层面分为国家、地区、省域层面对农业生产效率进行测度。一些学者认为中国农业生产效率水平不高[7-9]。依据冉启英等[5]的测算结果，中国农业能源效率呈现先升后降的倒“U”型趋势。从地区层面来看，东部地区农业碳排放效率相对较高[8，10-11]。分省份来看，田云等[10，12]一致认为北京低碳农业发展水平最高，海南最低。从增长源泉来看，技术进步是农业生产效率增长的主要原因，技术效率在绝大部分年份出现了一定程度的恶化[2，5]。以上研究成果在一定程度上丰富了低碳农业发展效率评价的研究，为后续相关研究奠定了坚实基础，但仍存在一定的局限性：（1）虽有研究将农业碳排放与农业投入产出纳入到了同一分析框架中，但并未将高碳汇这一属性考虑在内，不能完全反映出低碳农业属性。（2）即使有些研究将碳汇考虑在内，也只考虑了种植业碳汇，并未将林业、牧业、园地碳汇考虑在内，不能全面地代表生态效益。（3）在投入产出指标的选取时，投入指标是大农业的指标，而在产出指标中只选取种植业，匹配度上存在误差。因此，本文围绕农用物资、稻田、畜禽养殖、能源消耗四大类碳源，种植业、森林、园地、牧草地四大类碳汇，采用共同前沿方法结合全局Malmquist指数模型测度农业低碳发展效率，充分考虑了不同地区存在资源禀赋异质性的事实，分析农业低碳发展效率之间的差异以及发展趋势，同时将效率进一步分解，明确农业低碳发展效率增长源泉及其作用规律，以期为制定优质农业发展的政策提供坚实理论依据。

1 数据来源与研究方法

1.1 数据来源

本文选取中国30个省份（西藏、港澳台除外）作为研究对象，研究2000-2016年各省的低碳农业发展效率。其中涉及价格指数的指标均折算成2000年不变价从而排除价格波动对指标产生影响。文中使用的数据来自于《中国统计年鉴》《中国农村统计年鉴》《中国农业统计资料》《中国能源统计年鉴》以及各省统计年鉴。

1.1.1 投入指标结合研究目的，以期达到研究结果，参考田云等[10]的研究成果，本文将选取劳动力、土地和水资源、化学物质、农业动力等作为农业生产生活的投入变量。

①劳动投入用人力资本增强型劳动表示，将未受过教育、小学毕业、初中毕业、高中毕业的受教育年限定为0、6、9、12年，由于从事第一产业的大学生及研究生所占份额很小，大专及以上毕业的受教育年限定为15.5年，人力资本增强型劳动为受教育年限与第一产业劳动人数的乘积;②土地用农林牧园面积的总和表示;③化肥、农药、农膜以实际用量为准;④机械动力用农业生产的农业机械总动力表示;⑤灌溉以实际有效灌溉面积为准;⑥役畜用参与农业生产活动的数量表示。

1.1.2 产出指标本文以2000年为基期的农林牧渔总产值代替经济产出，选择农业碳汇表示生态产出。将农业、林业、牧草地和园地碳汇作为期望产出纳入农业低碳发展情况的核算当中，全面反映农业的经济价值和生态价值。种植业碳汇估算方法参考王修兰[13]、韩召迎等[14]，包括水稻、小麦、玉米、豆类、油菜籽、花生、向日葵、棉花、薯类、甘蔗、甜菜、蔬菜、瓜类、烟草等14类农作物碳汇。森林碳汇量参考陈卫洪和王晓伟[15]方法计算生物、土壤、林下三部分碳汇。牧草地和园地碳汇均采用系数法，牧草地碳汇参考宋卓玛等[16]文献，园地碳汇根据王琦等[17]算法加以计算。

非期望产出从农用物资、稻田、畜禽养殖、能源消耗四部分对其进行考察。农用物资碳排放主要来自化肥、农药、农膜等农用物资投入直接或间接引发的碳排放，其排放系数出自美国橡树岭国家实验室（ORKL）[18]相关研究。稻田作为主要排放源之一，由于中国幅员辽阔，不同省份气候条件不同，导致各省份水稻CH4的排放率不一致。为了让结果更准确，本文将参照江长胜等[19]、闵继胜等[20]所测算的各地区早稻、晚稻以及中季稻CH4排放系數。畜禽养殖碳排放，以CH4和N2O为主，前者由肠道发酵和粪便共同导致，后者主要源于粪便，与此相关所有排放系数均来自IPCC。由于畜禽生命周期各异，本研究参考闵继胜等[20]方法对各畜禽年平均饲养量进行调节。能源消耗碳排放参考钱志权[21]纳入所有终端能源消费数量，按照公式折算出农业能源消耗碳排放量。

1.2 研究方法

1.2.1 共同前沿模型由于地理位置不同，中国各省域间存在差异，不同产业具有不同的生产前沿面，假定各省份产业结构一致的传统前沿会造成一定的误差，本文通过共同前沿方法来解决偏差问题。

其中，Mg表示从t时期到t+1期农业低碳发展效率的实际变化情况，进一步分解为技术效率变化（EC）和技术进步变化（TC）。当Mg>1时，表示农业低碳发展水平处于提高状态，相反则处于下降趋势。EC>1时，表示技术效率得到了一定的改善，反之則恶化;TC>1时，表示技术呈现进步态势，反之则不断退步。

2 结果与分析

2.1 低碳农业发展效率测算

根据数据包络分析软件MaxDEA 6.1计算得出中国农业低碳发展效率如图2所示。

整体而言，2000-2016年中国农业低碳发展效率整体上呈现较为明显的上升趋势，但2004年和2007年农业低碳发展效率与上年相比有小幅下降。

从发展阶段来看，农业低碳发展效率主要分为3个阶段。第一阶段为2005年之前，东部地区农业低碳发展水平好于中部和西部地区，这是由于东部地区经济较为发达，农业规模化、集约化发展和新技术的应用较为便利，农业技术水平提升较快。第二阶段处于2005-2008年，西部地区农业低碳发展效率保持稳定，而东部地区起伏较大，中部地区虽有起色但仍处于落后。原因在于西部地形地势多样，农田土壤结构良好，农产品种类丰富，农田河水灌溉和地下水井体系配套设施日益完善，为发展特色农业提供了丰富的水资源灌溉条件。西部得益于当地气候条件，一年有三季均能进行露地蔬菜生产。在此期间，中央连续颁布6个强化“三农”的一号文件，强农惠农相关政策带来的后发优势使得西部农业生产效果日益彰显。第三阶段为2008年之后，中部地区农业低碳发展效率迎头赶超东部和西部地区。中部地区是农业大省集聚地，为全国提供了70%以上的大宗农产品，农业现代化建设发展速度较快，传统的粮食作物和经济作物构成的二元结构向粮食、饲料和经济作物构成的三元结构转变，实现农牧业的相互促进，合理利用土地等农业资源。

2.2 省域间农业低碳发展效率省域比较

2000-2016年30个省（区、市）低碳农业生产率均值如表1所示。

由表1可知，北京农业低碳发展水平具有绝对优势，其低碳农业发展效率高达1.30;江西省最低，仅为0.68。为了更加清晰地展现省域间农业低碳发展效率差异，将30个省（区、市）划分为“高速”“快速”“中速”“慢速”以及“下降”5个类型。其中，“高速”为农业低碳发展效率优于其他省份的地区;“快速”指农业低碳发展效率介于1.15～1.3的地区;“中速”介于1～1.15;“慢速”介于0.85～1;“下降”是低于0.85的地区。其中，“高速组”仅包括北京，其农业低碳发展效率高于其他29个省（区、市）。究其原因，北京现代农业生产水平处于领先地位，能源和物资的利用效率较高;另一方面畜牧业占比较低，而畜牧业碳排放是农业碳排放当中很大一部分，这从客观上降低了农业碳排放强度。“快速组”包括天津、河北、山西、辽宁、黑龙江、浙江、湖北、四川、陕西等8省1市。天津作为直辖市，现代化农业进程较快，农用物资利用水平较高，地理位置条件较好，使得农业低碳发展速度较快。河北从传统农业大省向现代农业强省转变，规模化进程加快，蔬菜、畜牧两大特色产业发展迅猛，农业生产效益突出。山西省由于气候、土壤、地形发生的变化，构成了农作物品种的多样化，良种覆盖率高，农业基础地位牢固，生产基础条件较好。浙江农业生态系统的自然资源禀赋丰富，农业生产水平较高，产业化不断优化，科技水平增强，农业综合生产能力提高，拥有先进的农业现代化生产技术，有利于大气中碳的固定和吸收。黑龙江为中国粮食主产区，种植业比重较高，碳汇产出有所保障。“中速组”包括吉林、上海、江苏、安徽、山东、河南、广西、重庆、甘肃、宁夏、新疆等6省2市3区。上海、重庆作为中国经济发展的中心城市，其发展中心偏向于经济效益较高的其他行业，忽略了弱质的农业发展，经济迅速发展生产的碳排放在一定程度上降低了农业低碳发展效率水平。河南为中国粮食大省，种植业比重较高，但为了增产农用物资使用较多，加剧了农业碳排放，使得农业发展效率处于中游水平。山东作为传统农业大省，农地碳汇与园地碳汇量较大，但农用物资投入较大，畜牧业发展水平较高，导致农业碳排放量较大。江苏粮食产量高，稻田碳排放与农业碳汇均相对较高，农业低碳发展效果不显著。新疆农业生产先天条件较差，但环境资源丰富，碳汇量处于较高水平。“慢速组”包括内蒙古、福建、湖南、广东、海南、贵州、云南、青海等7省1区。内蒙古草地资源丰富，以畜牧业为主，牧草地碳汇和农业碳排放均处于较高水平，但种植业规模小减少了农业碳汇的产出，限制了低碳农业发展。贵州、云南地理位置较差，生态环境较为恶劣，农业产出较低。青海农业生产以畜牧业为主，农业碳排放处于较高水平，种植业规模较少又降低了碳汇产出，因此制约了各自的农业低碳发展。海南主要依靠农用物资的投入来增加农业产出，属于典型的高碳农业。“下降组”包括江西1省。江西种植结构以粮食作物为主，水稻种植面积较大，经济作物占比低，经济收益与生态效益均得不到保障，导致农业低碳发展效率较低。

2.3 农业低碳发展增长源泉整体比较

如表2所示，中国农业低碳发展效率的改善主要取决于农业技术进步。2000年以来，除去少数效率下降年份，农业低碳发展效率增长率呈现增长态势，2016年比2000年增长了21.5%，这一现象得益于全国农业保护政策的实行，取消农业税后农业低碳发展效率呈现前所未有的增长趋势。从碳排放约束下低碳农业发展效率的增长源泉来看，2005年、2006年效率的增长取决于农业技术效率的改善和农业前沿技术进步的双重作用，但主要取决于技术进步。其余年份效率的增长则完全依赖于农业技术进步的贡献，农业技术效率处于恶化状态。2004年虽然农业技术效率是上升的，但由于农业技术进步环境恶化，导致农业低碳发展效率有所下降。2007年低碳发展效率的下降主要取决于农业技术效率有所下滑。

2.4 省域间农业低碳发展增长源泉省域比较

如表3，从增长源泉来看，在21个农业低碳发展效率均值大于1的省份中，山西、安徽、湖北、重庆4省农业低碳发展效率的改善来源于农业技术效率和农业前沿技术的双重作用，山西、湖北、重庆的农业技术进步相比农业技术效率发挥了更为明显的作用，而安徽省的农业技术效率作用更大。北京、天津、上海、江苏、浙江、山东、河南、广西、四川、陕西、新疆等6省3市2区农业低碳发展效率的增长完全依赖于农业前沿技术的进步，农业技术效率保持不变。河北、辽宁、吉林、黑龙江、宁夏等4省1区虽农业技术效率出现降低，但得益于农业技术进步，其农业低碳发展效率均保持改善状态。农业低碳发展效率处于降低的9个省域中，湖南省由于农业技术效率低的影响，各投入产出要素未达到最优配置，存在较大改善空间，其农业前沿技术处于上升态势。内蒙古、福建、广东、海南、贵州、云南、青海等6省1区由于农业前沿技术的退步导致农业低碳发展效率处于较低水平，农业技术效率均保持不变。江西省受到农业技术效率和农业前沿技术进步的双重管制，导致其农业低碳发展效率处于降低状态。

总体来看，农业低碳发展效率处于上升状态的21个省域中，绝大多数省份依赖于农业前沿技术的进步，而非农业技术效率的提升。至于农业低碳发展效率处于恶化状态的9个省域，多数省份受到了农业前沿技术退化的制约，而受技术效率影响的省份相对较少。由此可见，在发展低碳农业方面，现阶段的农业前沿技术相较于农业技术效率改善发挥了更为明显的作用。因此，在今后的农业低碳发展进程中，不但要重视农业前沿技术的发展，还要合理运用技术，以提升其效率。

3 讨论与结论

本文将农业生产过程中的碳汇和碳排放纳入研究框架内，运用数据包络方法测算2000-2016年中国30个省（区、市）农业低碳发展效率。同时对其效率进行分解。结果表明：

（1）整体而言，中国农业低碳发展效率整体上呈现较为明显的上升趋势，少数年份有小幅下降。分地区来看，东部地区处于领先地位，西部地区保持稳定，中部地区迎头赶超。分省份看北京得益于农业现代化的发展和农林牧渔内部结构，农业低碳发展水平具有绝对优势，而江西省经济收益与生态效益均得不到保障，导致农业低碳发展效率最低。

（2）从农业低碳发展效率的增长源泉来看，2005年、2006年效率的增长取决于农业技术效率的改善和农业前沿技术进步的双重作用，但主要取决于技术进步，其余年份效率的增长则完全依赖于农业技术进步的贡献。农业低碳发展效率处于上升状态的21个省域中，绝大多数省份依赖于农业前沿技术的进步。农业低碳发展效率处于恶化状态的9个省域，多数省份受到了农业前沿技术退化的制约。

根据以上结论，本文提出以下具有针对性的政策建议：

（1）结合区域资源特点，实行差别发展政策。东部地区保持农业发展优势，向技术进步与技术效率双重作用省份看齐，实行集约式发展模式，提高农业低碳发展效率。中部地区提高物资与能源利用效率，提高技术效率水平。西部地区充分利用当地自然资源优势，加大农业技术引进与应用，提高农业技术水平。

（2）打破省份地域限制，加大农业生产交流。农业低碳发展落后的省份要向农业低碳发展领先的省份学习先进农业生产经验，将其他省份经验本土化，降低地区以及省份之间的差异，促进区域间农业协调可持续发展。

参考文献：

[1]饶静.中国农业面源污染现状、发生机制和对策研究[J].农业经济问题，2011，8（2）：81-87.

[2]张林，冉光和，蓝震森.碳排放约束与农业全要素生产率增长及分解[J].华南农业大学学报（社会科学版），2015，14（3）：22-32.

[3]李波，张俊彪，李海鹏.中国农业碳排放时空特征及影响因素分解[J].中国人口·资源与环境，2011，21（8）：80-86.

[4]田云，张俊飚，李波.中国农业碳排放研究：测算、时空比较及脱钩效应[J].资源科学，2012，34（11）：2097-2105.

[5]冉启英，王倍倍，周辉.碳排放约束下农业全要素能源效率增长及收敛分析-基于Malmquist-Luenberger指数分解[J].生态经济，2018，34（2）：47-53.

[6]LAMBERT D K，DAVID K L，BAYDA V V.The Impacts of Farm Financial Structure on Production Efficiency[J].Journal of Agricultural and Applied Economics，2005，37（1）：277-289.

[7]王惠，卞艺杰.农业生产效率、农业碳排放的动态演进与门槛特征[J].农业技术经济，2015（6）：36-47.

[8]董明涛.我国低碳农业发展效率的评价模型及其应用[J].资源开发与市场，2016，32（8）：944-948，1000.

[9]李博，張文忠，余建辉.碳排放约束下的中国农业生产效率地区差异分解与影响因素[J].经济地理，2016，36（9）：150-157.

[10]田云，张俊飚，陈池波.中国低碳农业发展的空间异质性及影响机理研究[J].中国地质大学学报（社会科学版），2016，16（4）：33-44，156.

[11]高鸣，宋洪远.中国农业碳排放绩效的空间收敛与分异——基于Malmquist-luenberger指数与空间计量的实证分析[J].经济地理，2015，35（4）：142-148，185.

[12]田云，张俊飚.中国低碳农业发展的动态演进及收敛性研究[J].干旱区资源与环境，2017，31（3）：1-7.

[13]王修兰.全球农作物对大气CO2及其倍增的吸收量估算[J].气象学报，1996（4）：466-473.

[14]韩召迎，孟亚利，徐娇，等.区域农田生态系统碳足迹时空差异分析——以江苏省为案例[J].农业环境科学学报，2012，31（5）：1034-1041.

[15]陈卫洪，王晓伟.西部地区森林碳汇供给可持续发展机制研究[J].林业经济，2019，41（3）：79-86.

[16]宋卓玛，李东，谢丹.青海省不同土地利用方式碳汇效益分析[J].青海环境，2016，26（4）：165-170，189.

[17]王琦，黎孔清，朱利群.南京都市农业农地利用碳排放测算及趋势预测[J].水土保持通报，2017，37（4）：288-294，302.

[18]智静，高吉喜.中国城乡居民食品消费碳排放对比分析[J].地理科学进展，2009，28（3）：429-434.