中国农业面源污染的空间差异与影响因素分析

马军旗，乐章

（1.重庆工商大学公共管理学院，重庆 400067；2. 中南财经政法大学公共管理学院，湖北 武汉 430073）

农业面源污染治理是新时代美丽中国建设的内在要求，同时也是实施乡村生态振兴的关键举措。近年来中国在农村经济取得显著成就的同时，农业面源污染结构性、根源性、趋势性问题也日益凸显，农村经济发展和农业面源污染治理间的不平衡和不充分矛盾依旧突出[1]。农业面源污染不仅损害了居民生存环境和健康状况[2]，还严重破坏了水体、土壤的自然恢复，已成为制约农村经济可持续发展的重要因素[3]。在此背景下，乡村振兴战略规划和2021年中央一号文件均指出了要深入开展农药化肥减量行动，加强农膜污染治理，集中治理突出的农业面源污染问题。基于此，我们需要知道的是，当前中国农业面源污染的空间分布如何？又是呈现出什么样的集聚形态，与此同时，又有哪些因素会影响到农业面源污染的空间差异？上述问题的回答，对于我们理解农业面源污染空间具体形态，实施因地制宜和联防联控的治理策略，推进形成农业绿色可持续发展具有重要的现实意义。

农业面源污染是指在农业生产和农村生活过程中产生的污染物，通过地表径流或者土壤渗入的方式引起的有机物或者氮磷污染。主要包括化肥农药、畜禽养殖、农膜地膜、固体废弃物等污染形式[4]。有关农业面源污染的研究最早始于20世纪60年代中期美国，1972年美国《水污染防治法修正案》在制定水污染防治规划时提出要将点源污染和面源污染同时纳入规划中，农业面源污染成为学者研究地表水质和地下水质污染的重要对象[5]。当前，国内外学者从不同视角对农业面源污染进行分析，内容主要涉及农业面源污染的EKC假说检验[6]、影响因素[7-8]、产生机制与演进轨迹[9-10]、治理路径[11-14]，研究区域主要集中在省、市、某一流域或者某一库区[15-17]。近年来开始有学者从空间维度研究农业面源污染的动态演变和空间差异。譬如，虞慧怡等[18]采用单元调查法，选取农用化肥、农作物秸秆和畜禽排泄物作为总氮、总磷和化学需氧量的衡量指标，探讨了农业面源污染的空间分布特征和各污染指标对农业面源污染的贡献率。吴义根等[19]选取了1997—2013年中国省级面板数据，采用空间数据探索分析方法，研究发现农业面源污染严重的区域主要集中在粮食主产区和经济发达省份，面源污染在农业大省之间形成高污染集聚现象。

在已有农业面源污染影响因素研究中，诸多学者从农业经济规模[20]、农业产业集聚[21]、农业技术进步[22]、环境政策[23]等因素对农业面源污染差异进行了解释。农业经济规模越大，意味着将消耗更多的资源产生更多的农业面源污染。而农业结构调整通常是伴随着种植业比重的下降和附加值较高的养殖业比重上升，养殖业产生的污染主要是动物粪便和饲料流失的形式，单位产值下的种植业污染和养殖业污染具有较大的差异。技术进步对农业面源污染产生或正或负的影响，在经济发展水平较低的阶段时，技术进步对产出水平和能源需求增加，而在经济发展水平达到一定阶段后，高污染和低效率的产业技术将会被低污染高效率技术所取代，因此又降低了农业面源污染水平。除此以外，农村人口规模的扩大会给环境带来压力，人口规模的扩大往往伴随着与环境污染相关的消费和经济活动的增多。环境规制是政府层面开展的正式制度，政府通过制定一系列环境保护法律法规和经济激励等手段有利于激励农户产生环境友好型生产生活行为，最终达到农业面源污染减排效果。

总体而言，已有文献从不同视角对农业面源污染的空间分布和治理路径进行了讨论，但还存在以下不足：第一，在指标选取上，已有文献衡量农业面源污染主要选用了化肥施用量、畜禽养殖污染、农作物秸秆三类污染指标，较多的忽略了农药、农膜、地膜以及生活污水等指标。选取不同污染指标，往往会产生不同的分析结果，由于农业面源污染具有分散性、复杂性、隐蔽性以及不确定性特点，在分析时空演变时，需要进一步使用综合可测指标进行分析。第二，在分析方法上，由于区域内和区域间的环境污染状况具有关联性，对于农业面源污染的分析不能仅仅只考察单一区域要素，还要考察区域间的空间关联效应，已有文献使用传统面板数据对农业面源污染进行分析，缺少使用空间计量分析方法对农业面源污染的空间相关性进行研究。

鉴于此，本文的边际贡献主要体现在以下三个方面：第一，根据中国农业面源污染的现实情况，尽可能多的选取农业面源污染测度指标，采用单元调查法，构造农业面源污染的综合指数。第二，使用空间计量方法，分析农业面源污染的空间自相关性，通过构造地理邻接权重矩阵，考察了农业面源污染的空间溢出效应和影响因素。第三，使用了2003—2017年《中国农村统计年鉴》、《中国统计年鉴》和《中国环境统计年鉴》的数据，保证了研究结论的代表性和时效性。

1 研究方法

1.1 数据来源

本文使用的数据来自于2003—2017年《中国农村统计年鉴》、《中国环境统计年鉴》以及《中国统计年鉴》，共涉及31个省级行政区域，不包括港澳台地区。其中化肥施用量、农药施用量、粮食单位面积产出、清洁能源技术来自于《中国农村统计年鉴》。环境治理投资指标来自《中国环境统计年鉴》。城镇化水平、产业结构指标来自《中国统计年鉴》。地理距离权重矩阵中各地区地理中心位置坐标经GeoDa软件计算得到。对于部分指标的缺失值，采用均值进行插补，本文在正式回归前对所有变量进行了标准化处理。

1.2 研究方法

1.2.1 单元调查法 单元调查法首先分析非点源污染的主要来源，在此基础上通过识别单元产污强度影响参数，确定参数取值，计算得到单元产污强度，从而进行非点源污染评估。该方法保证了调查单元的全面性、典型性和代表性,同时还充分考虑调查统计数据的可获得性、可比性和显著性，在当前农业面源污染评估中被广泛应用。本文参考赖斯芸 等[24]、陈敏鹏等[25]的研究，采用单元调查法对农业面源污染排放量进行核算，将农业面源污染确定为化肥使用和农药使用2个污染单元，核算的主要污染物排放量为总氮（TN）、总磷（TP）排放量。农业面源污染排放总量的计算公式如下[25]：

式中：E为进入水体的农业面源污染排放总量，在本文中具体指农业面源污染氮排放量和农业磷排放量，SUi为单元污染物i的产生基数，具体为化肥使用量和农药使用量。ρi为i污染单元产污强度系数，SUi和ρi乘积是在不考虑资源利用与管理因素时i污染单元农业面源污染产生量，LCi为考虑各省份资源利用与管理因素后污染单元i的排放系数，其中SUi所需要的化肥使用、农药使用量数据来源于2003—2017年《中国农村统计年鉴》。ρi和LCi确定方法中，化肥使用量和农药使用量的单元所需系数参考了梁流涛[26]相关文献，最终确立农业面源污染产污强度系数和排放系数。

1.2.2 泰尔指数 为了准确反映各区域之间的农业面源污染差异程度，以及总体差异中有多大程度是由东、中、西三个地区间的差异所产生，本文采用泰尔指数分解方法对农业面源污染的区域差异进行分析，具体计算方式如下：

式中：T为泰尔指数，n表示样本省区数量。式（3）中TWR为东、中、西部地区三大地带内差异，式（4）中TBR为三大地带间差异，nd、nz、nx分别为东中西部省（区）数，Ti为i省（区）农业面源污染综合值与全国平均水平的比值。Td、Tz、Tx分别表示东、中、西部地区农业面源污染与全国平均水平的比值。东部地区省份包括：辽宁、河北、天津、北京、山东、江苏、上海、浙江、福建、广东、广西和海南；中部地区省份：黑龙江、吉林、内蒙古、山西、安徽、江西、河南、湖北和湖南；西部地区省份：陕西、甘肃、宁夏、青海、新疆、四川、重庆、云南、贵州和西藏。

1.2.3 空间自相关模型 本文使用莫兰指数从整体上刻画农业面源污染的空间分布与集聚情况，其公式表达如下：

1.2.4 空间计量模型 为进一步考察农业面源污染的影响因素，本文借鉴Anselin[27]相关研究设置了空间自回归模型（Spatial Autoregression，简记SAR）。用于分析农业面源污染的空间自相关及各解释变量对农业面源污染的影响，其表达式如下：

1）空间自回归模型。

式中：ρ为空间回归系数，反映了样本观测值之间的空间依赖作用，即邻近省域的观测值WPit对本省份内部环境污染观测值P的作用程度和方向。W为n×n的空间权重矩阵，WPit为空间滞后因变量，反映空间距离对省域农业面源污染的作用程度。Xit表示农业面源污染的影响因素。εit代表随机误差项。

2）空间误差模型。农业面源污染的空间依赖性还可以通过误差项来体现，由此本文设定空间误差模型（Spatial Errors Model，简记SEM），其表达式如下：

式中：参数λ为空间误差系数，测度了邻近省域的农业面源污染P对本省域农村环境污染的影响大小和方向。与SAR模型不同的是，空间误差模型的空间依赖作用存在于误差εit中，它表明了邻近省域误差项内部的变化对本省份农业面源污染的影响程度，μit为正态分布的随机误差向量。在上述空间计量模型估计中使用普通的OLS将导致估计结果的有偏或者无效，而使用极大似然估计方法在应用于SAR和SEM模型中能够较好克服以上问题[22]。因此，本文空间自回归模型和空间误差模型均采用极大似然估计方法。

1.3 变量选择

前文文献分析指出，农业面源污染可能存在显著的地区差异和空间自相关性。而在已有经济学视角下，在探讨经济增长与环境污染的关系时常使用因素分解的思路，即将对污染分解成几种不同的经济效应，然后探讨不同效应对环境污染的影响。经济增长对环境污染的影响也分解成三种效应,分别为经济规模效应、经济结构效应和技术进步效应。因此本文借鉴上述分析思路，选取上述三类指标来解释农业面源污染的空间差异。具体选取指标如下：

1）农村人均GDP。农村人均GDP使用农村总产值（包含当年农、林、牧、渔产值收入）与农村总人口之比得到。该指标反映了一个省份农村经济发展状况，农村环境污染与经济增长存在紧密的联系，诸多学者通过使用经典的环境库玆涅茨曲线验证了环境污染与经济增长之间的倒“U”或“N”形关系[24]。

2）粮食单位面积产出。粮食单位面积产出使用粮食总产量与粮食总种植面积来衡量。因为过于要求单产的提高，过量施用化肥农药等，粮食产出水平一方面可能会加剧农业面源污染。另一方面农业产出水平提高本身也具有正的外溢效应，提高了农业规模化和技术化水平的利用效率，从而减轻了农业面源污染。

3）城镇化水平。城镇化发展可能产生污染效应或减排效应。一方面，城镇化水平的提高，大量的二、三产业在城镇聚集，农村青壮年劳动力向城镇转移，留守老年人和妇女只能靠加大化肥农药的投入来保持农业产出，这加剧了农业面源污染的产生。另一方面，城镇化促进了农业规模发展，促进了农业科技进步，城镇化的快速发展带来的农业人口数量减少，将使得农业规模化和科技化成为可能，从而工业规模化经营带来的减排效应得以发挥。

4）清洁能源技术。本文使用农业废弃物沼气产出量来衡量。农村环境污染很大一部分集中在农业面源污染中，农业面源污染具有隐蔽性和难以观测以及源头过多的问题。农业废弃物沼气处理工程反映的是农村农业生产采用更为清洁的生产技术，与已有较高的劳动投入相比，清洁能源技术进步能够提高污染处理的能力，提高农业面源污染治理 效率。

5）产业结构。产业结构使用本省第二产业总产值与本省一、二、三产业总产值之比进行衡量。二产比重的提高，有利于调整农村产业结构升级，吸收农村劳动力进程务工就业，提高了农民整体收入水平，为农业绿色发展提供了基础与动力。

6）环境治理投资。环境治理投资使用本省环境治理投资总额（元）进行衡量，环境治理投资总额越高，表明地方政府对环境保护的力度越大。环境治理投资为农村面源污染治理提供了资金保障，对农业生态环境改善具有持续正向影响。本文选取的农业面源污染影响因素与描述统计见表1。

表1 变量定义与描述性统计Table 1 Variable definitions and descriptive statistics

2 农业面源污染的空间差异分析

2.1 农业面源污染的整体性差异分析

表2给出了泰尔指数分解结果，结果显示农业面源污染水平整体差异呈现逐步下降趋势，且呈现“下降-上升-下降”的波动趋势。泰尔指数由2003年的0.274下降至2017年的0.159，下降幅度达42.11%。中国农业面源污染的总体差异、地区间差异和地区内差异的最大值均出现在2003年，分别为0.274、0.164和0.110，之所以呈现该种特征是因为区域间差异对总体差异贡献起绝对作用，区域内差异相对于区域间差异显得较小。总体差异、地区间差异和地区内差异最小值出现在2013年，分别为0.137、0.069和0.068。产生上述整体差异的原因在于中国在2013年之后出台了一系列有关农业面源污染治理的相关政策文件，如2015年国务院印发了《水污染防治行动计划》，突出了农业面源污染防治内容和农村环境的综合整治，通过科学划定畜禽养殖禁养区，实行测土配方施肥，推广精准施肥技术和机具，降低了农业面源污染。

2.2 农业面源污染的区域间差异分析

农业面源污染区域性差异明显缩小，三大地区内差异呈现“下降-上升-下降”的趋势。表2显示，西部地区内差异高于中部地区内差异，而中部地区内差异又高于东部地区内差异，2003—2017年西部地区内差异均值最高为0.154，其次为中部地区环境污染的区域差异均值，均值为0.090，东部地区农业面源污染差异最小，均值为0.050。三大地区内农业面源污染差异均呈现出显著的下降趋势，2003—2017年间，西部和中部地区内差异下降幅度分别为52.36%和23.09%，东部地区内差异为2.2%，存在小微幅度上升。西部地区内差异最大值出现在2006年，中部地区内差异最大值出现在2003年，东部地区内差异变化幅度最小，其最大值出现在2017年。上述分析可以看出，东部地区面源污染强度最轻，中部地区次之，西部地区最弱。呈现上述空间分布特征的原因是，我国西部地区地广人稀，单位面积农业面源污染排放强度较小，对生态环境的压力也较为缓和。而对于中东部地区而言，畜禽养殖规模虽然较小，但种植业规模比重较大，且由于地区人口密度大，畜禽消费需求量较高，导致农业面源污染的排放强度较高。

表2 2003—2017年中国农业面源污染的空间差异Table 2 Regional differences in agricultural non-point source pollution in China from 2003 to 2017

2.3 农业面源污染的空间格局变化

2.3.1 农业面源污染空间自相关检验 为检验农业面源污染是否存在空间相关性，本文计算了2003—2017年不同年份农业面源污染的莫兰指数，如表3所示,可以看出2003—2017年农村环境污染的莫兰值均在1%的显著性水平上通过显著性检验，这表明我国农业面源污染存在明显的空间正相关性，即农业面源污染的空间分布呈现一定的空间集聚现象。2004年莫兰指数达到最高值0.450，2013年时达到最低值0.313，此后呈现出一定的上升态势，表明农村面源污染的空间集聚现象近年来呈现增强趋势。

表3 农业面源污染的莫兰指数Table 3 Moran index of agricultural non-point source pollution

2.3.2 农业面源污染的空间集聚特征 为进一步详细考察农业面源污染的空间集聚特征，本文使用GeoDa软件分析了农业面源污染的莫兰散点图。为便于比较与分析，我们将2003年和2017年各省份所在象限列于表4。表4中2003年和2017年大部分省份位于第一和第三象限。从动态角度看，尽管各个省份略有变化，但所选择的各个省份中，大部分省市均处于一、三象限中，2017年有9个省份位于第一象限，比2003年少2个，2017年有16个省份位于第三象限，比2003年多1个。整体而言，2003年和2017年农业面源污染的莫兰散点图位于一、三象限的省份分别占总省份的83.87%和80.64%。将农业面源污染空间相关性分成四个象限的空间关联模式（表4），第一象限(HH)表示高环境污染区域同时被高环境污染省份所包围；第二象限(LH)表示低环境污染的省份被高环境污染区域所包围；第三象限(LL)表示低环境污染省份被低环境污染省份所包围；第四象限(HL)表示高环境污染省份被低环境污染省份所包围。一三象限反映环境污染的空间正相关性，二四象限反映出空间集聚的负相关性。整体而言，上述分析表明我国农业面源污染存在显著的空间正相关性，农业面源污染的同质性溢出效应明显，即高排放的省份加剧邻近省区的农业面源污染排放，低排放的省区减缓邻近省份的农业面源污染排放

表4 中国农业面源污染莫兰指数的省份分布Table 4 Province distribution of the Moran index of agricultural non-point source pollution in China

3 中国农业面源污染影响因素分析

前文分析表明农业面源污染存在显著的空间集聚特征，因此在分析农业面源污染的影响因素时，本文进一步构造了地理邻接矩阵建立了空间自回归模型（SAR）和空间误差模型(SEM)，以得到经济效应、技术进步以及产业结构对农业面源污染的具体影响。在对空间面板模型进行回归之前，我们首先对固定效应和随机效应模型进行了豪斯曼检验，检验结果显示P值为0.003，强烈拒绝使用随机效应模型的原假设，即接受使用固定效应模型。表5为根据地理邻接权重矩阵建立的空间自回归模型和空间误差模型，SAR模型和SEM均加入了时间固定效应和地区固定效应。由表5可以看出，SAR模型中空间自回归系数ρ值为0.572，SEM模型空间误差回归系数λ值为0.668，且两种模型回归系数均在1%的水平上显著，表明我国农业面源污染确实存在显著的空间溢出效应，本省的农业面源污染受到邻近省份的影响，同时也对邻近省域农业面源污染产生影响。

表5中，农村人均GDP对农业面源污染没有产生显著的正向影响，且人均GDP的平方对农业面源污染影响的回归系数为正，但统计不显著，表明经济增长与农业面源污染的倒“U”形关系不存在。可能的解释是，中国农村的经济增长仍然处于以损害环境污染为代价的阶段。生产要素的投入中化肥、农药的投入较多，在发展经济的同时也带来了农业面源污染问题。粮食单位面积产出能够显著降低农业面源污染程度，这是因为粮食单位面积产出提高了农业资源利用率，通过机械化和技术水平的有效利用，减少了农业面源污染。SAR模型和SEM模型中城镇化水平均在1%显著性水平上降低了农业面源污染，这是因为城镇化水平促进了城市技术在农村地区的外溢作用，推动了农村地区的可持续发展与运用，同时城镇化水平的提高还促进了村民绿色生产意识，完善了农村排污治污的基础设施建设，因而减轻了农业面源污染。清洁能源技术推广能够显著减低农业面源污染，一种解释是，清洁能源技术提高了农业资源循环利用程度，显著降低了生活污水和畜禽养殖污染排放，促进了生态农业和环保农业发展。产业结构对农业面源污染产生了显著的负向影响，这表明第二产业比重的增加，提高了绿色生产化水平，改变了过去过度依靠化肥农药的粗放型农业生产模式，使得农村产业结构从污染密集型向清洁能源型转变。环境治理投资显著降低了农业面源污染水平，表明环境治理投资通过资金激励效应和生态补偿效应，提高了农村生态环境质量。

表5 农业面源污染影响因素分析结果Table 5 Analysis results of factors affecting agricultural non-point source pollution

4 结论与政策建议

4.1 结论

农业面源污染治理是推进农业农村现代化，实现农业绿色生产方式的重要举措。文章使用了2003—2017年《中国农村统计年鉴》、《中国统计年鉴》和《中国环境统计年鉴》的面板数据，以农业面源污染为研究对象，采用单元调查法和空间计量分析方法实证分析了中国农业面源污染的空间差异，并在此基础上，使用空间自回归模型和空间误差模型分析了农业面源污染的影响因素。研究结果表明：

1）整体而言，中国农业面源污染呈现出下降趋势，但空间差异明显。农业面源污染较严重的区域主要集中在东部地区，较轻的区域主要集中在西部地区和东北地区，表明中国农业面源污染强度由东中部地区向西北和东北地区递减。中国总体农业面源污染差异呈现缩小—扩大—缩小趋势。

2）中国农业面源污染存在显著的空间正相关性，同质溢出性效应明显。表明农业面源污染高排放的省域加剧邻近省份的农业面源污染排放，低排放的省域减缓邻近省份的农业面源污染排放。高农业面源污染集聚区域主要集中在东部沿海发达地区，低农业面源污染集聚区域主要集中在中国东北部和西部欠发达地区。

3）2003—2017年间，中国农业面源污染存在显著的空间依赖性，表明我国省域农业面源污染不仅受到邻近省域农业面源污染的影响，还会受到区域间产业结构以及经济发展水平的影响。影响因素分析表明，粮食单位面积产出、城镇化水平、清洁能源技术、产业结构优化、环境治理投资能显著降低农业面源污染。

4.2 政策建议

1）提高区域联防联控效应，开展政府间农业面源污染治理合作。文章分析表明，我国农业面源污染存在显著的空间集聚特征，各省份之间应该强化系统性治理、多部门联合、集成性示范和稳定性经费支持。积极推广区域综合治理的成功模式，打破农业、林业、水利、环保等部门分头行动、各自为战的旧有格局，科学制定污染防控项目实施方案，系统化设计、总体化运作、规模化实施、集成化示范、整体化推进。各地区之间不可坚持“谁污染、谁治理”的态度，尤其是在高污染集聚区，各省份在制定地方性环境保护政策时，既要重视因地制宜制定本区域环境治理方案，同时又要重视邻近省域之间的治理联系，坚持齐抓共管，实现共赢。

2）环境投资进一步向农业生产区倾斜，为农业面源污染治理提供坚实物质基础。一方面，要完善农业生态保护补偿制度，对实施化肥农药减量、土壤改造和使用绿色生产技术的农户要给予生态补贴激励。对乡镇企业环境保护行为给予资金支持，提高乡镇企业环境保护责任意识，促使其积极承担社会责任与减排责任。此外，要通过特许经营权制度规范引导社会资本参与农村面源污染治理，使资本和技术能够在农业农村中流动，一定程度上可以弥补农村农业面源污染治理资金短缺问题。

3）合理调整农村产业结构，推进农业产业结构转型升级。在当前及以后的农业面源污染治理中，农业生产行动应注重由增产向提质转变，因此要统筹调整种植业生产结构，积极推动农业生产结构的转型升级。在农业生产中，农业资源的要素配置要坚持市场为导向，积极建立健全现代农业生产相衔接的一系列服务配套体系。与此同时，要强化农村人力资本的投入，提高农民生产知识和绿色生产意识，积极倡导培养绿色生产的新型农民，为农业产业结构升级提供智力支持。

4）提升农业绿色科技支撑，创新农业绿色生产模式。大力开展农业生态修复技术、农药化肥减量化技术和替代技术、农业废弃物无害化处理等的研发与应用，确保农业面源污染防控和生态修复对科技成果的需求。推广先进的绿色生产技术和绿色生产项目，合理的调整农业研究和技术开发方向，加强农业科研成果的转化率，将先进的农业科研成果运用到农业绿色生产中去，注重发挥农业科技示范基地的带头作用，不断提升农业现代化和绿色生产水平。