基于数据包络分析法的秸秆能源化利用的生态效率评价

郭小青 于晓娜 朱万斌 王洪亮*

(1.中国农业大学 农学院，北京 100193;2.国家能源非粮生物质原料研发中心，北京 100193)

在全球面临能源危机和环境危机的背景下，生物质能作为清洁可再生能源已经引起了世界各国的广泛关注。作物秸秆是我国生物质资源的主要组成部分，目前秸秆的综合利用方式主要是肥料化、饲料化、基料化、原料化和燃料化这5种利用方式[1]，而秸秆能源化利用被认为是缓解能源危机和环境危机的较好方式。秸秆的能源化利用主要有气化制备氢气、合成气和沼气等燃气，液化制备醇、醚和烃等液体燃料，制备固态成型燃料以及燃烧发电等方式，涉及物理、化学、生物及联合处理等多条技术路线[2-4]。目前，关于生态效率的研究多采用层次分析法和模糊评价分析法对秸秆某种单一能源化利用方式进行评价，如选取气候、技术和当地的能源状况为评价指标，对湖南省户用沼气的区域适宜性进行研究[5]。此研究方法涉及权重和隶属度的确定、专家打分和研究人员手动统计数据等主观因素，缺乏关于企业或者产业的实际数据，导致评价结果精准度不足[6]。此外，相关研究大多存在无具体调研或统计数据、实际衡量效果欠佳、各地可重复性较差等问题。在秸秆生态效率的定量评价中，最常用的方法为生命周期法。卜寿珍等[7]和陈歆[8]均对秸秆发电进行生态效率评价，2个研究针对同类评价内容及评价方法，却出现不同的评价体系和结果。生命周期法虽然更有针对性，可准确评价某一个工厂的效率情况，但难以表现秸秆能源化利用对全国生态效率的影响，存在广度不足的缺陷。因此，开发出一套标准且系统的针对秸秆能源化利用生态效率定量化评价体系很有必要。

数据包络分析方法(Data Envelopment Analysis, DEA)在国内外被广泛用来测定特定过程的效率，主要应用于经济、医疗、物流、农业以及生态等领域。该方法较为成熟，所得结果相较其他方法准确度高。DEA是由Charnes等[9]提出，是针对同类部门或单位(称为决策单元，Decision Making Unit, DMU)进行相对有效性的定量评定方法[10]。DEA依托强大的数学运算能力，通过保持决策单元DMU的投入或产出不变，借助数学和统计学分析确定DEA模型的有效生产前沿面，并将各DMU投影到DEA生产前沿面，通过比较决策单元偏离生产前沿面的距离来评判他们的相对有效性。DEA方法优点在于：无需确定各指标权重，避免掺杂人为主观因素；无需对数据进行标准化处理，且可直接用DEAP 2.1软件对数据进行测算，操作简单准确。然而，利用DEA对生物质利用进行评价，尤其是对作物秸秆能源化利用的生态效率评价的研究鲜有报道。本研究拟将数据包络分析方法引入秸秆能源化利用的生态效率评价，旨在借助DEA模型构建基于投入产出指标的秸秆能源化利用生态效率评价体系，以期为我国秸秆应用的评价提供一种新思路。

1 研究内容与数据处理

1.1 研究内容

本研究以全国31个省(市、自治区)作为决策单元，采用DEA-CCR模型对秸秆能源化利用的生态效率进行评价。CCR模型为投入主导型模型，建立在规模报酬不变的假设上，仅考虑通过增加投入来提高产出，规模大小不影响效率的高低，是DEA中常用的模型[11-13]。

1.2 投入和产出指标

秸秆制备沼气以及发电过程中涉及的投入内容包括主要原料(秸秆和畜禽粪便)、水资源、设备和资金等，产出主要包括电力、沼气以及污染物减排量[5-7,14]。在多数秸秆评价体系研究中，所用秸秆资源量多由农作物产量或农作物种植面积来表示[12,15]，本研究为保障研究更加精确，选用我国三大粮食作物的田间秸秆资源量来表示投入的秸秆资源。畜禽粪便量选用牛、羊、猪和兔4 种牲畜，并依据杜艳玲等[16]的计算方法进行实际测算。依据邓力华等[6]的研究，秸秆发电所用水由地表水和地下水2 部分构成，其中仅约1.14%为地表水，故本研究选用地下水资源量来代表秸秆发电过程中所消耗水资源量。原料运输中涉及机械消耗和柴油消耗借鉴已有评价体系[12,15,17]，选用农业机械总动力功率指标进行衡量。其他投入借用农村能源经费投入指标来表示。秸秆能源化利用有明显的污染物减排效益，主要研究CO2、SO2和烟尘的减排量[18]，即每利用1万t秸秆替代煤燃烧，将减少排放CO21.4万t、SO240 t和烟尘100 t[19]。产出内容中，沼气量参考已有指标体系[20]，选用《中国环境统计年鉴》[21]中的沼气池产气总量指标，秸秆发电量数据来自《中国能源统计年鉴》[22]。指标的设定在借鉴文献[5,12,15-17,19-20,23-25]的基础上进行部分改良，见表1。

1.3 数据的来源和处理

本研究基础数据来源于2012—2019年的《中国第三产业统计年鉴》[26]、《中国农业机械工业年鉴》[27]、《中国农村统计年鉴》[28]和《中国能源统计年鉴》[29]等。其中，作物田间秸秆资源量的测算中，基于全国三大作物产量数据及秸秆系数计算得到2011—2018年我国31个省(市、自治区)的田间秸秆资源量，秸秆系数取值借鉴王晓玉等[30]的研究成果，为明晰我国秸秆资源分布及可利用情况，将以年均田间秸秆资源量表示，见图1。畜禽粪便的日排泄系数借用了张建杰[31]的研究成果。从图1可看出，我国秸秆资源量丰富，尤其河南省、黑龙江省、山东省及江苏省等地较为突出。

表1 秸秆能源化利用的生态效率评价体系

图1 2011—2018年我国31个省市年均田间秸秆资源量分布

为便于比较我国各地区秸秆能源化利用的生态效率差异，本研究依据我国统计年鉴将全国31个省(市、自治区)按照东部、中部、西部和东北部进行分地区评价秸秆能源化利用现状。

选用CCR模型，投入指标数量为5，产出指标数量为3，遵循产出在前、投入在后的顺序将数据录入DEAP 2.1软件，可获2011—2018年我国31个省(市、自治区)秸秆能源化利用生态效率。

2 结果与分析

2.1 2011—2018年全国31个省(市、自治区)秸秆能源化利用的生态效率分析

由图2可知，江苏省、海南省和福建省等地的秸秆能源化利用的生态效率在2011—2018年累计值为8，始终位于有效生产前沿面，表明这3个省份秸秆资源的利用呈现资源消耗、能源产品产出和环境保护协调发展的状态。山东省、河北省和广东省的秸秆能源化生态效率均值为0.999，始终在1附近波动，表明这些省份的秸秆能源化利用对生态也产生了较好的影响。2011—2018年，上海市的秸秆能源化生态效率逐步提高，在2016—2018年，始终位于有效生产前沿面，表明该地区秸秆能源化利用对生态产生持续改善效果。北京市秸秆能源化利用生态效率始终处于最低状态，且2011—2018年，其生态效率持续走低，同其他省市生态效率的差距逐渐增大，2018年其生态效率值达0.220，为历年来生态效率最低值。天津市秸秆能源化生态效率略高于北京市，始终远离有效生产前沿面。表明这2个地区的秸秆能源化利用在促进当地生态效益发展方面仍存在较大提升空间。

图2 2011—2018年我国31个省市秸秆能源化利用生态效率

在中部地区，2011—2018年河南省秸秆能源化利用的生态效率值始终为1，表明该地区秸秆能源化利用产生了较好的生态效果。2013—2018年，江西省秸秆能源化利用的生态效率始终有效。在6省市中，山西省在2015及2018年的生态效率最低，均为0.984，揭示该地区秸秆能源化利用在提高生态效率方面有较大潜力，表明该地区需要重视秸秆能源化发展的生态问题，并从技术手段等方面加以改进。安徽省、湖北省和湖南省等地秸秆能源化生态效率始终较为稳定，介于0.990～0.999，可通过适当调节部分指标达到DEA有效状态。

在西部地区，2011年西藏自治区秸秆能源化利用的生态效率最低为0.780，说明当地的秸秆资源利用较不合理，其生态效率与本地区其他省(市、自治区)相对差距较大。2014年青海省秸秆能源化利用的生态效率最低为0.529，与本地区其他省(市、自治区)相比，其生态效率差距显著。广西壮族自治区和四川省的生态效率始终有效，本地区其他省(市、自治区)与其相比差距较小，均值位于0.929～0.999，较为稳定。

东北三省中，吉林省和黑龙江省两地的秸秆能源化生态效率为1.000，始终有效，辽宁省能源化生态效率年均值为0.992，表明东北三省的秸秆资源利用较为合理，这与东北地区秸秆资源丰富和重视秸秆产业的开发等因素息息相关，同时表明该地区秸秆资源的能源化利用呈现资源消耗、能源产品产出和环境保护协调发展的态势。

2.2 基于松弛变量频次的秸秆能源化利用的生态效率分析

由表2可看出，秸秆能源化利用生态效率投入指标松弛变量取值主要集中在畜禽粪便量、地下水资源量、农村能源经费投入及农业机械总动力功率4个指标上，而田间秸秆资源量的松弛变量频次极低，年均出现该指标松弛变量频次仅为1，表明全国秸秆能源化利用的情况较为统一。在松弛变量不为0的指标中，畜禽粪便量、水资源量、农村能源经费投入及农业机械总功率指标均促进秸秆能源化利用的生态效率低下，表明诸多资源未达到合理配置，致使其能源化利用生态效率低下。其中，农村能源经费投入指标松弛变量不为0的频率最高，年均出现频次占比高达45.97%，表明我国多个省份均存在农村能源经费投入不足且未被合理利用的现象，致使沼气池产气量和秸秆发电总量没有达到最高水平。

在产出指标中，松弛变量主要集中在秸秆沼气产量和发电量，污染物减排量的松弛变量大多为0，秸秆沼气产量与发电量指标的年均出现频次分别为9.75和6.50，表明沼气产量不足是导致部分省份秸秆能源化利用生态效率低下的主要原因。

表2 秸秆能源化利用生态效率DEA非有效省(市、自治区)松弛变量频次汇总

2.3 基于目标改进的秸秆能源化利用的生态效率分析

为提高秸秆能源化生态效率，以DEA有效的江苏省、福建省、海南省、河南省、广西壮族自治区、四川省、吉林省和黑龙江省等地为标准，根据最佳目标投入及产出值，通过适当调节，可提高地区的秸秆能源化生态效率。2011—2018年，因主要秸秆能源化生态效率DEA无效省份为北京市、天津市、上海市、浙江省、贵州省、西藏自治区、青海省、宁夏回族自治区和新疆维吾尔自治区等地，故选取这些区域作为研究对象。

由表3可知，2011—2018年，北京市的农村经费投入指标冗余量逐步提高，而其生态效率偏低，表明存在经费浪费等投入不合理的问题。西藏自治区和青海省经费资源利用相对较为充分，仅2015和2016年的投入相对较多，其冗余值较低。宁夏回族自治区和新疆维吾尔自治区投入冗余量较多，可能是因为当地秸秆能源化发展较为缓慢，致使出现投入经费冗余量较高的现象。

由表4可知，北京市、上海市、西藏自治区及青海省等地整体生态效率虽不高，但沼气产量不是其效率低下的原因，而浙江省、宁夏回族自治区和新疆维吾尔自治区等地沼气产量不足值较大，造成生态效率低下。2011—2014年，贵州省秸秆能源化利用的沼气产量指标不足值为0，与当地发展相契合，而2015、2016及2018年，其沼气产量不足量较高，促成当地能源化利用的生态效率为DEA无效状态。以2018年为例，天津市、贵州省、宁夏回族自治区和新疆维吾尔自治区可通过增加沼气产气量800、6 256、4 145和32 852万m3达到其秸秆能源化利用生态效率DEA有效的目的。

表3 2011—2018年秸秆能源化利用生态效率DEA无效地区农村能源经费投入冗余值

表4 2011—2018年秸秆能源化利用生态效率DEA无效地区沼气产量指标不足值

3 结 论

本研究利用数据包络分析方法，构建了秸秆能源化利用的生态效率评价指标体系，通过分析2011—2018年我国31个省(市、自治区)的秸秆能源化利用的生态效率，得出如下结论：

1)我国各省市秸秆能源化利用生态效率之间差异不大。江苏省、福建省、海南省、河南省、广西壮族自治区、四川省、吉林省和黑龙江省等地的秸秆能源化利用生态效率始终为1，秸秆能源化利用生态效率持续DEA有效地区占比25.80%，表明这些省(市、自治区)在秸秆能源化利用领域投入和产出相对合理。

2)我国秸秆能源化利用生态效率相对低下的地区有：北京市、天津市、上海市、浙江省、贵州省、西藏自治区、青海省、宁夏回族自治区和新疆维吾尔自治区。其中，造成东部地区秸秆能源化利用生态效率低下原因在于资源的不合理投入，存在大量投入冗余的问题。造成西部地区秸秆能源化利用生态效率相对低下的主要原因在于能源化利用的产品不足，这可能与当地秸秆利用技术水平有限有关。

3)在秸秆能源化利用生态效率评价体系中，影响实际效率低下的投入因素排序为：农村能源经费投入>水资源量>农村机械动力投入>畜禽粪便量>秸秆资源量，产出指标中，存在较多沼气产量相对不足的现象。针对部分省(市、自治区)秸秆能源化利用生态效率低下的情况，应合理减少资源和能源投入、增加生态效益产出，从根本上提升秸秆能源化利用生态效率，以期促进这些地区秸秆资源能源化利用的可持续。

4)可利用数据包络分析方法进行秸秆利用的效率评价，但在指标的选取上还需精进，可选择多种DEA方法的模型进行对比性研究。

综上，提出以下建议：

1)在重视秸秆能源化利用的同时，明确各地区秸秆能源化产业的实际发展水平和发展能力。投入合理的资源量，包括物力和财力等。

2)提升技术水平，部分省(市、自治区)秸秆能源化利用生态效率低下的根本原因在于生产效率低下，无法达到较高的资源利用率。可与高校合作，促进产学研一体化，改进秸秆加工技术和提升原料转化率，最终实现提高秸秆加工产品产量的目的。

3)政策的合理引导，在我国大力推进秸秆综合利用的大背景下，各省(市、自治区)纷纷出台补贴政策，推进秸秆产业的发展。各地区面对秸秆能源化利用的发展任务，应合理借鉴试点工程发展模式，针对秸秆能源化产业进行合理的补贴，避免出现因高度重视致使投入资金过多的现象。