基于产能理论的耕地资源资产经济价值核算路径探讨——以江西省为例

钟骁勇，李洪义，郭冬艳

（1.江西财经大学财税与公共管理学院，江西 南昌330013；2.中国自然资源经济研究院，北京 101149；3.江西财经大学旅游与城市管理学院，江西 南昌 330013）

1 引言

自然资源资产核算是推动自然资源保护和生态文明建设的基础性工作。2015年，中共中央、国务院印发《生态文明体制改革总体方案》，明确提出先行构建土地资源、森林资源和水资源资产核算方法[1]。2019年4月，中办、国办印发《关于统筹推进自然资源资产产权制度改革的指导意见》，提出“研究建立自然资源资产核算评价制度”，并进一步指出要“完善自然资源资产分等定级价格评估制度和资产审核制度”[2]。耕地资源作为自然资源资产的重要组成部分，其数量和质量的长期稳定，对于维护国家粮食安全、保护自然生态环境和统筹城乡发展有着其他资源无法替代的作用。中国政府实行了世界上最为严格的耕地保护制度，但以牺牲耕地为代价谋求经济发展的行为仍未彻底扭转。直接原因是耕地农用的比较效益低下，根本原因在于耕地资源价值没有充分显化[3-4]。受传统经济学和以GDP为核心的价值观影响，现行耕地资源价值核算过度倚重市场价值法，忽视了耕地自然属性对价值形成的基础性作用，导致开发利用效率较低的优质耕地和后备耕地资源的价值被严重低估，耕地流失趋势难以控制[5-7]。

耕地产能理论起源于土地生产潜力研究，是土壤肥力及耕地质量评价的重要内容之一。LIEBIG将土地生产潜力定义为作物种子里和土壤中潜伏的一种力量，凭借这种力量获得作物产量[8]。竺可桢等学者依据太阳辐射量建立了光合潜力的评价方法[9]，之后1978年FAO开展了农业生态区的耕地生产潜力研究，建立了光温水土生产潜力评价模型，中国农用地分等工作以AEZ模型为框架，通过逐级修正的方式核算耕地生产能力[10]，2008年原中国农业部为了加强耕地土壤质量保护，建立了由立地条件和自然属性构成的耕地地力评价法，侧重于评价土壤性质对生产能力的作用。随着生态环境日益恶化、土壤污染问题逐渐显现，国内外学者在耕地生产能力研究中更加重视土壤健康的比重，研究建立了评价框架和多维指标体系[11-14]。总体上看，耕地产能融合了区域气候条件、作物生长能力和土壤健康状况等要素，是某一地域固定时期内，基于一定经济、社会、技术条件形成的耕地综合生产能力。还有学者进一步将耕地产能分为理论产能、可实现产能和现实产能[15-16]，并基于农用地分等成果或耕地质量年度更新成果进行了测算，建立了耕地质量与耕地产能之间的联系[17-19]。但当前耕地质量和产能评价主要服务于高标准农田建设和土地整治功能分区[13，20]，其结果侧重于反映人为开发利用对耕地质量和产能提升的作用程度，鲜有学者以自然产能为基础开展耕地资源经济价值核算研究。

耕地资源资产经济价值是指以土地资源的养育功能持久发挥为基础，经农业生产所获得的经济产出效益[21-22]，经过多年研究探索，形成了市场比较法、数学模型法和收益还原法等经典评估方法[23-26]，其中收益还原法应用最为广泛。计算耕地年纯收益与贴现率之商是应用收益还原法核算耕地资源经济价值的基本思路，如何评定耕地年收益是其研究重点和难点问题。目前，大多数学者从国民经济核算角度出发，利用当年耕地农作物产量乘以农产品价格获取耕地年收益[27-28]。但是由于产量（现实产能）不确定性程度高，影响因素较为复杂，不仅受劳动力投入程度和社会政策影响，还受自然灾害、疫情等不可抗力因素影响较大[29]，仅以产量作为资源价值核算的数据依据，难以充分体现出耕地资源自然属性对其价值形成的基础性作用，也难以保障其核算结果的客观性和稳定性。鉴于此，本文以耕地产能核算为基础，基于收益还原法模型，在耕地纯收益核算过程中以耕地潜在生产能力（耕地产能）替代农作物产量，旨在探索“产能—价值”核算路径的可行性。

2 数据与方法

2.1 研究区概况及数据来源

2.1.1 研究区概况

江西省位于中国东南部，地势四周高、中间低，呈现出向鄱阳湖倾斜的走势，地貌以山地、丘陵为主，属于亚热带季风性湿润气候，是中国粮食主产区和长江以南地区连续多年的粮食调出省。耕地资源较为丰富，其中耕作土壤以水稻土最为典型，面积约3 000万亩左右，占江西耕地的80%，广泛分布在山地、丘陵、谷地以及河湖平原。

2.1.2 数据获取及处理

本文数据包括气象数据、土地利用数据、土壤属性数据、地形数据以及调查统计数据等。其中，年均温和年降水量等气象数据通过资源环境科学数据中心（http://www.resdc.cn/）网站下载2018年度数据；考虑到评价对象范围大小和结果精度要求，在2018年中国土地利用遥感监测数据（http://www.resdc.cn/）中提取江西省耕地面积，借助ArcGIS的“Create Fishnet”工具生成固定网格（250 m×250 m）作为耕地资源经济价值核算的基本单元；土壤属性数据来源于江西省农业测土配方项目，并运用随机森林算法对16 582个土壤样点进行预测制图；地形数据包括地貌类型数据和DEM数据，地貌类型数据通过资源环境科学数据中心（http://www.resdc.cn/）网站下载，DEM数据通过国家地球系统科学数据中心（http://www.geodata.cn/）网站下载，并运用ArcGIS 10.2软件提取出坡度数据；质地、耕作层条件、灌溉保证率和排水条件等数据来源于2018年江西省耕地质量等级更新数据库；江西省耕地主要农产品生产成本和单价数据，均来源于《全国农产品收益资料汇编（2019年）》。

2.2 核算路径及研究方法

由于农用地分等的气候（光温）生产潜力值并未逐年更新，直接以现有耕地等别分值为基础核算产能开展耕地经济价值核算研究并不适宜。因此，本文借鉴《农用地质量分等规程》（G/BT 28407—2012）中农用地自然等的评价思路，构建以气候生产潜力、耕地质量评价为核心的耕地产能核算体系，并以产能核算结果为基础改进收益还原法模型核算耕地资源资产经济价值。具体思路如下：（1）基于年均温和年降水量数据，采用Thornthwaite Mernoriae模型计算出江西省气候生产潜力；（2）选取对耕地质量有显著影响的因素因子，构建耕地质量评价指标体系并采取指数和法计算不同等级耕地质量指数；（3）以气候生产潜力为基础，经过耕地质量指数修正得到耕地产能；（4）收集整理相应年度农产品价格及生产开发成本资料，与耕地产能相乘计算出耕地资源总收益和总成本；（5）将耕地总收益减去总成本得出年纯收益（地租），并按无限年期除以土地还原率得出耕地资源资产经济价值单价，并按地市行政单元汇总得出价值总价； （6）通过与以往研究成果比较，得到相应研究结论。技术路线如图1。

2.2.1 Thornthwaite Mernoriae模型

本文中的气候生产潜力采用Thornthwaite Mernoriae模型计算，即LIETH根据世界各地作物产量与年平均气温、年平均降雨量提出的用实际蒸散量来估算作物产量[30]。具体公式如下：

式（1）—式（2）中：Yt是基于年平均气温计算的生产潜力，t/km2；Yp是根据年平均降雨量计算出的生产潜力，t/km2；t是年平均气温；p是年平均降雨；采用Yt和Yp中最小值作为计算点的气候生产潜力（CPP）。

2.2.2 指数和法

本文中的耕地质量指数通过指数和法计算，具体步骤如下：

（1）构建指标体系。参考《农用地质量分等规程》（GB/T 28407 — 2012）、《耕地质量等级》（GB/T 33469—2016）以及《耕地地力评价技术规程》（DB11/T 1083—2014）标准，选择有代表性、易监测、可操作性和经济性特点的指标，同时参照耕地质量评价体系文献[20]，结合江西省耕地资源利用状况构建评价指标体系，如表1。①立地条件。立地条件是指影响耕地资源形成的空间特征，考虑到对耕地生产能力的影响作用，主要选择坡度、地貌类型两个指标。其中，坡度通过高程 （DEM）提取；地貌类型通过国家地球系统科学数据中心下载提取。 ②土壤条件。土壤条件作为耕地资源的自然本底质量，是耕地生产能力大小的决定性因素。主要考虑以土壤肥力为主的自然本底条件，包括质地、耕作层厚度、有机质、pH值、有效磷、速效钾和全氮等指标。其中，质地和耕作层厚度数据通过江西省耕地质量等级更新数据库提取；有机质、pH值、有效磷、速效钾和全氮等数据以实地采样数据为基础，运用随机森林法进行预测获取[31-35]。③耕作条件。耕作条件直接影响着农业生产的经济性与便捷性，是耕地生产能力实现程度的重要外部条件，主要选择灌溉保证率、排水条件两个指标，均从耕地质量更新成果中提取。

表1 江西省耕地质量评价指标体系Tab.1 Evaluation index system of cultivated land quality in Jiangxi Province

（2）评价步骤。①标准化处理。由于现实环境中各个单项指标的数据度量标准不同，不能直接比较分析，只有所有指标在同一量纲后才能进行评价。本文评价指标分为定量型和概念型两种类型，为实现标准化统一计算，本文在参考现行标准规范和有关研究的基础上，采取直接赋值法确定适合江西省的耕地质量评价指标分级标准及等级分数（表2）。②层次分析法确定指标权重。按照《耕地质量等级》（GB/T 33469—2016）有关层次分析法的规定，确定耕地质量评价指标权重值（表3）。③确定质量指数分值。运用指数和模型计算耕地质量综合分值，并采取总分频率曲线法划分耕地质量等级。

表2 江西省耕地质量评价指标分级表Tab.2 Grades of cultivated land quality evaluation index in Jiangxi Province

表3 江西省耕地质量评价指标权重表Tab.3 Weights of cultivated land quality evaluation index in Jiangxi Province

式（3）中：LQI为耕地质量综合指数；Fi为第i个指标的隶属度；Ci为第i个指标的权重。

（3）耕地质量等级划分标准。根据上述评价结果，应用ArcGIS10.2的自然断点法，结合江西省耕地质量保护实际情况，将江西省耕地质量分为5个等级。

2.2.3 逐级修正法

区域尺度上，作物生产力主要取决于光、热、水、土资源的空间格局，气候生产潜力（光温水生产力）是在农业生产条件得到充分保障，其他环境因素均处于最适状态时，在当地实际光、热、水气候资源条件下，农作物所能达到的最高产量[30]。实际上，一方面，相同自然地理背景下的耕地所得到的光、温、水条件大致相同；另一方面，耕地立地条件、土壤条件以及耕作条件也不同程度上制约了农作物生产力。因此，本文采用迈阿密模型模拟出江西省气候生产潜力，并根据耕地质量指数进行逐级修正得到耕地产能。

式（4）中：LPP是耕地产能；CPP是气候生产潜力；LQI是耕地质量综合指数。

2.2.4 收益还原法

基于可持续发展理论，耕地资源只要经过合理开发利用和保护，可以源源不断为人们提供赖以生存的农产品，为农民持续带来经济收益。因此，本文采用无限年期的收益还原法估算耕地资源资产经济价值[38]。

表4 江西省耕地质量综合指数表Tab.4 Comprehensive index of cultivated land quality in Jiangxi Province

式（5）中：V为耕地资源经济价值；a为耕地产能；b为农产品市场价格；c为农产品生产成本；r为土地还原率①参考朱道林的研究成果，将土地还原率定为5%。。

3 结果分析与讨论

3.1 气候生产潜力、耕地质量及产能结果分析

通过上述分析得到，2018年江西省气候生产潜力为13.56～22.20 t/hm2；2018年江西省耕地质量等别共划分为5等，由高到低的面积依次为784 553.78 hm2、1 014 417.10 hm2、1 202 934.78 hm2、894 736.56 hm2和407 438.96 hm2；2018年江西省耕地产能为4.56～19.82 t/hm2。总体上看，耕地产能空间分布格局与气候生产潜力、耕地质量等别类似，呈现出高值区集中在鄱阳湖平原及流域地带，向四周逐渐下降的趋势（图2、图3和图4）。

图2 2018年江西省气候生产潜力图Fig.2 Climatic potential productivity in Jiangxi Province in 2018

图3 2018年江西省耕地质量等别图Fig.3 Grades of cultivated land quality in Jiangxi Province in 2018

图4 2018年江西省耕地产能分布图Fig.4 Distribution of cultivated land productivity in Jiangxi Province in 2018

3.2 耕地资源资产经济价值空间分布及核算结果

为了直观显示江西省耕地资源资产经济价值的空间分布情况，在ArcGIS 10.2中通过自然断点法分别对2018年江西省耕地资源资产单位经济价值进行5级分类。从图5中可以直观地看出，整体上2018年江西省耕地资源资产单位经济价值呈现出由中部鄱阳湖流域向周边逐步递减的趋势，其中高值区分布区域范围较小，值域范围在186 347.22～229 936.33元/hm2之间，主要分布在南昌、鹰潭、上饶、景德镇、宜春、抚州、新余、吉安8个地市；次高值区值域范围在170 260.81～186 347.21元/hm2之间，主要分布在中部和北部一带，南部零星分布，包括南昌、鹰潭、九江、宜春、景德镇、抚州、鹰潭、上饶、吉安和赣州10个地市；中等值区和次低值区分布区域较为广泛，值域范围分别在154 797.43～170 260.80元/hm2和136 821.16～154 797.42元/hm2之间，江西省全部地市均有分布；低值区集中分布于西北部地区，值域范围在0～136 821.15元/hm2之间，包括九江、宜春和萍乡3个地市。

图5 2018年耕地资源资产单位经济价值分布图Fig.5 Distribution of unit economic value of cultivated land resource assets in 2018

核算结果显示，2018年江西省耕地资源资产经济价值总量为7 084.04亿元，其中：总量在1 000亿元以上的地市有上饶、吉安和赣州3个市；总量在300亿元～1 000亿元之间的地市有南昌、抚州、宜春和九江4个市；总量在300亿元以下的地市有鹰潭、景德镇、新余、萍乡4个市。江西省耕地资源资产经济价值单价为164 684.99元/hm2，其中：经济价值单价位于前三位的地市分别是鹰潭（179 050.38元/hm2）、景德镇（176 982.80元/hm2）和南昌（169 233.81元/hm2），位于后三位的分别是宜春（159 045.79元/hm2）、九江（158 255.17元/hm2）和萍乡（154 793.44元/hm2）（表5）。

表5 耕地资源资产经济价值核算账户表Tab.5 The economic value of cultivated land resource assets accounting

3.3 结果讨论

为了进一步分析和验证本文核算结果的科学性和合理性，笔者在中国知网上以“耕地价值核算”为主题一共检索出76篇文章，其中涉及耕地资源经济价值核算，并具有代表性的理论方法主要有三种，分别是产能虚拟土理论[39]、农产品产值法[40]和基于流转租金的收益还原法（表6）。

表6 不同核算方法的江西省耕地经济价值结果比较Tab.6 Comparison of results of cultivated land economic value in Jiangxi Province with different accounting methods

根据本文核算结果显示，江西省耕地资源经济价值单价为16.46万元/hm2，与上述三种核算方法结果相比位于中间水平，与朱道林基于流转租金的传统收益还原法结果差距不大（单价为14.21万元/hm2[26]），但与产能虚拟土理论和农产品产值法的核算结果有一定的差距，主要有两方面原因：一是不同核算方法的原理不同，比如农产品产值法是直接用当年耕地上播种的农作物产量乘以当期市场价格来衡量耕地资源经济价值，反映的更多是资源市场价值，而本文在价值核算过程中充分考虑了耕地质量、产能差异对价值的影响机理，综合考虑了农作物的市场价格和生产成本，并借鉴农用地估价理论的收益还原法模型进行价值核算，体现的更多是耕地资源资产的本底价值，在一定程度上可以规避不同年份农产品产量波动过大造成耕地价值低估的问题。产能虚拟土理论实质上仍是采用收益还原法模型进行核算，但其耕地纯收益指标是指地均农村居民的农业收入，实际上农业收入构成较为宽泛，不仅有农作物种植收入，还包括畜牧养殖收入和其他农业收入，因此运用该方法核算的经济价值结果较高；二是统计年期和耕地实物量数据来源不同，本文的价值核算年期（2018年）与朱道林基于流转租金的传统收益还原法的年期（2016年）较为接近，但与产能虚拟土和农产品产值法的核算年期存在一定的差距。此外，本文耕地资源实物量数据来源于遥感数据，与以上三种方法数据来源也有一定的差异，有可能对核算结果产生一定影响。

4 结论与展望

4.1 结论

（1）本文核算结果显示，2018年江西省耕地资源资产经济价值总量为7 084.04亿元，单价为164 684.99元/hm2。整体空间分布呈现出中部鄱阳湖流域向周边逐步递减的趋势，与耕地质量和产能核算结果的空间分布趋势大体相同，高值区集中在鄱阳湖平原地区，符合江西省耕地资源开发利用实际，这也表明基于产能理论开展耕地资源资产经济价值核算思路具有一定的实践可行性。

（2）本文以耕地产能为基础改进收益还原法模型核算耕地资源资产经济价值，与朱道林基于耕地流转租金数据的传统收益还原法的核算结果差异并不大，且与不同核算方法相比较结果位于中间水平，这也侧面说明以产能为基础开展耕地经济价值核算的思路具有一定的理论参考价值。

4.2 展望

由于本文中的耕地资源资产经济价值核算路径是基于耕地自然本底条件开展的，气象、地形、土壤等耕地自然属性和灌溉保证率、排水条件等技术因素是产能核算的重点和基础，其产能内涵与农用地分等的自然等类似，经济价值核算结果更多体现的是基于耕地自然产能的理论价值。但是，对于耕地健康状况、社会经济因素考虑不足，产能核算方法不完全适用于现行耕地质量评价和高标准农田建设，还有待进一步深化研究。此外，由于大尺度最新年份的遥感数据和土壤化学污染数据获取难度大，因此本文的时间尺度只选择2018年度，研究结论更多的是验证“产能—价值”核算路径的理论可行性，下一步应扩大耕地资源自然属性数据的收集力度，进一步提高耕地资源资产经济价值的核算精度。