粮食主产区农业绿色全要素生产率测度及其时空分异特征研究

○ 王永静 李佳璇

（石河子大学经济与管理学院，新疆 石河子 832000）

一、引言

粮食主产区作为重要的粮食生产基地，是我国粮食产量增长最主要的来源渠道，在确保国家粮食安全和保障农产品供需动态平衡方面具有举足轻重的战略地位。据统计，2019 年粮食主产区粮食产量高达5.24 亿吨，占我国粮食总产量的78%以上，同时聚集了全国大约60%的乡村人口，主产区的农业生产状况对于稳定粮食价格、促进农民增收和推动“三农”发展意义重大。近年来，粮食主产区粮食产量和农业经济快速增长，但是长期以要素高投入、资源高耗费驱动农业发展的粗放型生产模式，导致农业要素流失、生态环境恶化和资源紧缺问题愈发严重。一方面，农膜的大量残留、农药化肥的过度使用以及农村固体废弃物的不当处理，对水资源和耕地资源造成了巨大危害，农业水质污染和耕地质量下降问题将对农产品数量和质量安全构成威胁。另一方面，农业碳排放趋近达峰，农业投入品利用率低下，粮食增产后续乏力，粮食主产区农业生产方式转型升级迫在眉睫。2019年中央“一号文件”提出，强化创新驱动发展战略，推动农业绿色发展，推进农业由增产导向转向提质导向。《“十四五”全国农业绿色发展规划》进一步指出，加快农业全面绿色转型，持续改善农村生态环境。面对后疫情时代粮食产需“紧平衡”态势和资源环境压力，粮食主产区的农产品有效供给能力和农业可持续发展能力亟待提升。因此，测度农业绿色全要素生产率对于解决粮食主产区农业经济发展中的资源环境问题，推动区域农业绿色发展和高质量发展具有重要的理论和现实意义。

全要素生产率（TFP）作为判断经济增长质量的重要指标，最早由SOLOW[1]提出并进行测度，从经济学角度是指将总的经济增长除去劳动、资本、土地等传统要素投入对其增长贡献的剩余部分，即索洛余值称为TFP。而对于农业绿色全要素生产率的理解已在国内外学术界达成共识，将纳入农业生产过程中产生的环境污染和资源消耗的全要素生产率视为农业绿色全要素生产率（GTFP）。农业GTFP 能够综合衡量农业经济增长和资源环境约束，有效反映出真实的农业生产效率和农业经济发展水平。

目前关于农业GTFP测度的研究主要在研究视角、研究方法和指标选取三个方面有所差异。在研究视角的选择上，杨骞等[2]对全国30 个省份（除西藏外）的农业GTFP 进行测度，结果显示东部地区的农业GTFP 增长率最高，西部地区最低。吴传清和宋子逸[3]测算了长江经济带的农业GTFP水平及其影响因素，发现样本期间内其农业GTFP 整体有所提高，但略低于全国水平。杜红梅和戴劲[4]对洞庭湖区农业GTFP 增长的时空特征展开研究，得出该地区农业GTFP 增长不稳定的结论。研究方法上，少数学者运用参数估计法，通过构建随机前沿生产函数模型测度农业GTFP[5-6]，如王留鑫等[5]构建超对数随机前沿生产函数模型，发现我国农业GTFP 以平均每年4%的速度增长。与参数法相比，非参数估计法无须设定函数，适用于多投入多产出的生产情况，且不必满足规模报酬不变的前提条件，所以大多学者将DEA（数据包络分析法）和Malmquist 指数相结合，采用非参数估计法测度生产效率。也有部分学者结合SBM模型和Malmquist指数，对中国农业GTFP 进行测度，研究表明考虑环境因素的农业GTFP高于传统农业TFP[7-9]。进一步地，考虑到农业投入产出既有径向又有非径向的情况，部分学者选取投入产出双向求解的EBMGML 生产率指数模型考察我国农业GTFP 的动态演进，指出农业GTFP 地区间差距较大，并且呈现逐步扩大的趋势[10-11]。指标选取方面，主要是对于非期望产出指标的核定不尽相同。结合以往研究，主要以农业碳排放和农业面源污染物COD、TN、TP产生量作为“坏”的产出指标[12-16]。同时，也有学者将农业碳排放和农业面源污染同时纳为非期望产出进行农业GTFP 测度[17-19]。此外，孟祥海等[20]在充分考虑各省份农田面积不同、农作物秸秆还田、豆科作物固氮、畜禽粪便和农村人居生活污水排放等因素的基础上，提出了农地氮盈余强度作为非期望产出的计算公式。

综上，现有农业GTFP 文献在研究方法和指标选取上还未形成统一的理论体系，对研究对象进行空间特征识别和优化潜力分析的文章较少。鉴于此，本文综合考量农业碳排放量和农业面源污染综合指数，采用改进的EBM 模型—Malmquist Luenberger 生产率指数方法，测算2002-2019 年粮食主产区的动态农业GTFP 及其分解，从时序演化、区域差异、空间特征三个层面揭示农业GTFP 的时空分异特征，并通过投入产出的冗余率对其进行优化潜力分析，以期为粮食主产区农业绿色发展的提升路径和制度规划提供科学参考。

二、研究方法、指标选取及数据来源

（一）研究方法

1.改进的EBM 模型—Malmquist Luenberger 生产率指数法。

本文参考现有研究[19,21]，基于综合径向和非径向的EBM（Epsilon-based Measure）初始模型[22]，设置包含非期望产出、无导向和规模报酬可变的超效率改进EBM模型如下：

式（1）k个DMU 决策单元中，xi（ki=1,2,...,m）是m种投入要素，yr（kr=1,2,...,q）是q个期望产出，btk（t=1,2,...,p）是p个非期望产出；θ和φ是x和y的效率值分别是投入、期望产出和非期望产出的松弛变量；εx是包含径向变动比例和非径向松弛向量的关键参数分别是第i种投入、第r种期望产出、第t种非期望产出的权重，反映各指标的重要程度，本文引入熵权法确定权重

将改进的EBM 模型和Malmquist-Luenberger指数相结合，能够测算出农业长期生产过程中GTFP 的动态效率，ML 指数计算及其分解如下：

由于本文测度的是农业绿色全要素生产率，故将ML指数记为GML指数，GML指数又可以被分解为绿色技术效率变化指数（GEC）和绿色技术进步变化指数（GTC）两部分，若GML 指数大于1，表示农业GTFP 有所提高，反之则表示农业GTFP 有所降低；若GEC指数大于1，表示绿色技术效率改进，反之则表示绿色技术效率下降；若GTC 指数大于1，表示绿色技术进步，反之则表示绿色技术倒退。

2.探索性空间数据分析法（ESDA）

ESDA 是一种通过数据客观分析研究对象空间关联性和空间分布状况的研究方法，其中，全局性空间自相关分析（莫兰指数法）用于探索农业GTFP 在粮食主产区内的集聚现象，局部自相关分析（莫兰散点图）用于探索省域间农业GTFP 的关联程度。

（1）全局自相关。全局莫兰指数可以揭示研究变量在某一区域范围内的空间依赖性，莫兰指数计算公式如下：

其中，n为地区总数；Wij为空间权重矩阵，相邻地区为1，非相邻地区为0；Xi为第i省份的观测值；莫兰指数取值在[-1,1]之间，指数值大于0时，存在空间正相关；指数值小于0时，存在空间负相关；指数值趋近于0则表示不具有明显的空间相关性，研究变量呈随机分布。

（2）局部自相关。局部空间自相关可以反映局部空间单元间的关联性，显示出区域间的分布差异，局部莫兰指数计算公式如下：

局部莫兰指数大于0，表示各空间单元相似值聚集，局部莫兰指数小于0，表示各空间单元非相似值聚集。

（二）指标选取与数据来源

本文以粮食主产区13 个省份为决策单元，研究区间为2002—2019年，选取种植业为研究对象，将劳动力、土地、化肥、农药、农膜、灌溉、机械、能源作为投入指标，其中，劳动力投入（万人）以农业从业人数表示，用农业总产值与农林牧渔业总产值的比重，再乘以第一产业从业人数来表示；土地投入（千公顷）以农作物播种面积表示；化肥投入（万吨）以农用化肥施用折纯量表示；农药投入（万吨）以农药使用量表示；农膜投入（万吨）以农用塑料薄膜使用量表示；灌溉投入（千公顷）以有效灌溉面积表示；机械投入（万千瓦）以农业机械总动力表示；能源投入（万吨）以农用柴油使用量表示。

期望产出指标为农业总产值（亿元），为消除价格因素的影响，将农业总产值以2002 年为基期进行不变价调整。

非期望产出指标以农业碳排放量（万吨）和农业面源污染综合指数共同衡量。农业碳排放估算体系包含农用物资的碳排放、水稻种植CH4排放、土壤N2O排放和秸秆燃烧的碳排放四部分，以各类农业碳排放源数量乘以其碳排放系数加总求和得出。其中，农用物资、水稻CH4、土壤N2O、秸秆燃烧的碳排放系数分别参考李波等[23]、闵继胜和胡浩[24]、田云和张俊飚[25]、彭立群等[26]的研究。农业面源污染的核算包括化肥氮磷流失量、农膜无效利用量和农膜残留量。其中，化肥氮磷流失量核算参考赖斯芸等的研究[27]；农药无效利用量以农药无效利用率与农药使用量的乘积计算得出，而农药无效利用率可以通过农业农村部公布的农药有效利用率进行逆向运算得到；农膜残留量以农膜残留系数与农膜使用量的乘积计算得出，农膜残留系数参考自《第一次全国污染源普查——农田地膜残留系数手册》。由于农业面源污染指标较复杂，本文采用熵值法将各项指标综合为农业面源污染综合指数进行表征。

以上投入、产出指标所需数据来源于EPS数据库、《中国农村统计年鉴2003—2020》《中国农业统计年鉴2003—2020》《中国统计年鉴2003—2020》等官方权威数据。

三、实证结果与分析

（一）粮食主产区农业绿色全要素生产率的时序演化趋势

本文运用MaxDEA 软件，基于改进的EBM 模型—Malmquist Luenberger 生产率指数法测算出粮食主产区2002—2019年的动态农业绿色全要素生产率（GTFP）、农业绿色技术效率（GEC）和农业绿色技术进步（GTC）如图1 所示。由图1 可以看出，研究期内粮食主产区农业GTFP 总体呈“M”型波动，未能在一段较长时间内实现持续性增长。其中，2002—2005年，粮食主产区农业GTC远高于农业GEC；2005—2010年，粮食主产区农业GEC反超农业GTC，在技术效率的驱动下，农业GTFP 整体上有所提高；2010—2019 年，粮食主产区农业GTC基本与农业GTFP 保持步调一致，表明农业GTFP的增长源泉主要是农业绿色技术进步。

图1 2002-2019年粮食主产区农业绿色全要素生产率及其分解项时序演化

表1 显示了2002—2019 年粮食主产区农业GTFP、TFP变化指数及其分解指数，除2004—2005年、2005—2006年和2008—2009年外，将农业碳排放量和农业面源污染综合指数同时纳入测算体系的农业GTFP 均低于未考虑环境资源因素的传统TFP，农业环境规制力度有待进一步加强。长期以来，以环境污染和资源耗竭为代价的粗放型农业增长模式一直存在，不容忽视，符合实际情况的农业GTFP 更加接近真实的农业生产效率。整体来看，2002-2019 年我国粮食主产区农业GTFP 均值为1.006，虽然总体处于效率改善状态，但是农业GTFP增长幅度微弱，主要是由于早期农业GTFP降幅较大，很大程度上削弱了农业GTFP 的增长态势。另外，农业GTC 贡献度约为100%，进一步证实了粮食主产区农业GTFP 的增长主要是农业绿色技术进步单轮驱动的作用。

表1 2002-2019年粮食主产区农业GTFP、TFP变化指数及其分解指数

2002—2019 年粮食主产区农业GTFP 的动态变化大致可以分为以下四个时期：（1）下降期（2002—2005 年）。粮食主产区农业GTFP 初始值为1.043，处于效率改进的良好状态，但是2003—2004年和2004—2005年农业GTFP连续下降，2005年较2002 年减少5.56%，从指数分解情况来看，农业GTC由1.137降至0.994，说明农业绿色技术倒退是2002—2005 年农业GTFP 降低的主要原因。（2）波动增长期（2005—2011 年）。这段时期内农业GTFP 由0.992 增至1.034，整体有所提高，并呈“N”型不稳定增长，自2006 年1 月1 日农业税全面取消后，2005—2007 年农业GTFP 实现了7.46%的快速增长，而受2008 年金融危机、1 月大范围雪灾和6月南方大洪灾影响，2007—2008 年、2008—2009 年农业GTFP 分别下降5.39%、2.67%，2009—2011 年重新恢复上升态势。（3）平稳期（2011—2016 年）。该时期粮食主产区农业GTFP 指数由0.986 提高至1.000，平均增速为0.35%，变化幅度微弱，根据农业GEC 和GTC 指数的分解情况可以发现，2011—2016 年粮食主产区农业GTFP 的变动源于农业绿色技术效率和绿色技术进步的共同作用。（4）回升期（2016—2019 年）。由于农业受自然环境条件影响较大，2016 年中国暴雨洪涝、干旱、风雹等各类灾害频发，致使农业生产遭受重创，2016—2017 年粮食主产区农业GTFP 指数小于1，处于效率后退状态，“十三五”规划提出“绿色发展”，要求农业生产走高效、安全、资源节约和环境友好的农业现代化道路，在国家政策的支持和引领下，经过两年的持续增长，粮食主产区农业GTFP在2018—2019年再次回升为良好的效率提升状态。

（二）粮食主产区农业绿色全要素生产率的区域差异分析

2002—2019年粮食主产区13个省份和东北主产区、黄淮海主产区、长江流域主产区的年均GTFP变化指数及分解指数如表2 所示。在省域层面，2002—2019 年共有安徽、河北、河南、湖北、湖南、江苏、江西、辽宁、四川9 个省份农业GTFP 变化指数大于1，黑龙江、吉林、内蒙古、山东4个省份农业GTFP 变化指数小于1，大多数省份能够保持绿色集约的效率进步状态。其中，河北农业GTFP 位居第一，GTFP 变化指数为1.028，内蒙古排名最后，GTFP 变化指数为0.963，省域间的农业GTFP 差距较为明显。根据粮食主产区各省份GTFP、GEC、GTC 的指数情况将其分为以下三种类型：（1）农业绿色生产效率较高区（河北、湖南、江苏、四川、安徽），这些省份的农业GTFP常年有所改进，且波动幅度较小，其中，河北年均农业GTFP水平最高，由原始数据可以看出，河北种植业劳动力充足，农业机械和能源投入较大，在农业生产过程中较好地实现了农业经济增长和环境友好间的平衡；其次是湖南和江苏，农业GEC指数和GTC指数相差较小，两者一同驱动农业GTFP 增长。（2）农业绿色生产效率中等区（河南、江西、辽宁、湖北），其农业绿色生产改善程度相对较小，同时农业GTFP 变化指数在2004—2006年和2016—2018年大多小于1，这可能是由于早期农业生产体系还未成熟，农户的环境保护和资源节约意识比较薄弱，而2016 年起伴随我国经济步入新常态，农业绿色生产后续乏力，加上自然灾害频繁发生，最终形成了农业GTFP 小幅下降的态势。（3）农业绿色生产效率偏低区（山东、黑龙江、吉林、内蒙古），这些省份在2002—2019年的年均农业GTFP 指数小于1，粗放的农业生产方式导致其总体处于生产效率后退状态，其中内蒙古的农业绿色生产状况最差，在研究期内只有4年的农业GTFP变化指数大于1，通过查找原始数据发现，相对于内蒙古广阔的农作物播种面积，其农业人口数量较少，同时农业面源污染情况严重。

表2 2002—2019年粮食主产区各省份年均农业GTFP变化指数及分解指数

地区层面，参考姚凤阁等[28]和姚成胜等[29]的研究，将我国粮食主产区划分为东北主产区、黄淮海主产区和长江流域主产区三个地区，东北主产区包括黑龙江、吉林、辽宁、内蒙古4 省，黄淮海主产区包括河北、河南、山东3省，长江流域主产区包括安徽、湖北、湖南、江苏、江西、四川6 省。结果表明，农业绿色生产效果最好的是长江流域主产区，农业GTFP变化指数为1.015，安徽、湖南、江苏、江西、四川5 个省份的农业GTFP 大于各省平均水平，长江流域主产区农业经济发展和科学技术水平较高，领先于其他地区；黄淮海主产区次之，其农业GTFP指数为1.012，除山东农业绿色发展状况相对落后外，河北和河南的农业GTFP 指数均处于较高水平；最后是东北主产区，其GTFP指数为0.988，2002—2019 年间农业GTFP 整体呈下降趋势，黑龙江、吉林、内蒙古三省排名依次位居后3 位，东北主产区的农业绿色生产状况亟待改善。

（三）粮食主产区农业绿色全要素生产率的探索性空间特征分析

根据上述分析可以发现，2002-2019 年粮食主产区各省份农业GTFP 具有较大的区域差异。为进一步探索我国粮食主产区农业GTFP 的空间集聚特征，本文将2003 年、2008 年、2013 年、2019 年设为节点年份，通过STATA 软件计算出其全局莫兰指数分别为0.152、-0.239、-0.125、-0.033，结果发现，农业GTFP存在明显的空间相关性。除2003年莫兰指数为正，显示出空间正相关外，其他年份全局莫兰指数均为负，说明农业GTFP 长期呈现负的空间关联性，某省份农业GTFP 与其邻近省份GTFP 具有不同的变化趋势，即农业绿色生产高效率省份被低效率省份围绕，农业绿色生产低效率省份周边为高效率省份，并且农业GTFP 的莫兰指数绝对值逐年降低，空间相关性有所减弱，省域间农业GTFP差距逐渐缩小。

图2 至图5 展示了粮食主产区农业GTFP 在2003 年、2008 年、2013 年、2019 年的局部莫兰指数散点图，划分为四个象限的Moran散点图能够反映某省份与其邻近省份的空间关系，第一象限为“高—高”（HH）集聚型，第二象限为“低—高”（LH）集聚型，第三象限为“低—低”（LL）集聚型，第四象限为“高—低”（HL）集聚型。2003 年，山东、江苏、安徽、河南位于HH 型集聚区，内蒙古、河北、湖北位于LH 型集聚区，江西、湖南、四川位于LL 型集聚区，辽宁、吉林、黑龙江位于HL 型集聚区，受益于良好的农业自然条件，东北主产区和黄淮海主产区农业GTFP水平较高。2008年，粮食主产区各省份农业GTFP 的局部空间特征相较于2003 年发生较大变化，湖南、湖北晋升为HH型集聚区，河北晋升为HL 型集聚区，吉林、黑龙江降为LL 型集聚区。2013 年，安徽、湖南、河南保持HH 型集聚，具有稳定高效的农业GTFP 水平，而内蒙古一直位于LH型集聚区，农业GTFP 没有得到较为明显的提升。2019 年，粮食主产区13 个省份集中于HH、LH、HL三种类型的集聚区，农业GTFP 水平有所提高，整体呈现出南部高、北部低的空间集聚特征。可以看出，2002—2019 年粮食主产区各省份的空间集聚现象由强转弱，随着国家区域协调发展战略的深入实施，省域间不断加强农业生产互动和合作，积极推进优势互补、深度融合的局面，各地区农业GTFP逐渐趋向于均衡协调发展。

图2 2003年粮食主产区各省份农业GTFP局部莫兰散点图

图3 2008年粮食主产区各省份农业GTFP局部莫兰散点图

图4 2013年粮食主产区各省份农业GTFP局部莫兰散点图

图5 2019年粮食主产区各省份农业GTFP局部莫兰散点图

（四）粮食主产区农业绿色全要素生产率的优化潜力分析

为制定具有针对性的农业绿色发展规划，本文采用改进的EBM 模型测算出2019 年粮食主产区13 个省份农业投入、期望产出和非期望产出共11项指标的比例改进值和松弛改进值，对其优化潜力进行分析，用投入要素的比例改进值和松弛改进值之和，除以相对应的投入指标值，即为投入要素的冗余率，冗余率越高，代表投入要素效率损失程度越高，优化潜力也就越大；用期望产出的比例改进值和松弛改进值之和，除以期望产出的实际值，即为期望产出的不足率，产出不足率越高，其优化潜力越大；用非期望产出的比例改进值和松弛改进值之和，除以对应的非期望产出指标值，即为非期望产出的冗余率，非期望产出冗余量越大，其优化潜力越大。各省份农业投入要素、期望产出和非期望产出的优化潜力如表3所示。

从表3可以看出，粮食主产区各省份的农业投入要素、期望产出和非期望产出冗余率差异较大。安徽、黑龙江、四川在劳动力、土地、灌溉、机械和碳排放指标上具有广阔的改进空间，优化潜力处于35%～70%之间；河北、河南、江西则存在着化肥投入过度和劳动力、机械、能源冗余较多的问题，这些投入要素的优化潜力较大；湖北、湖南、内蒙古的农业生产冗余主要来源于农药过量使用和残留，其农药投入要素优化潜力均高于45%；吉林、辽宁、山东的劳动力和机械冗余以及农膜残留情况较为严重，优化潜力处于30%至65%之间；江苏的农业投入和产出指标冗余状况明显好于其他省份，各项生产要素分配合理，资源利用率较高，除农业总产值和碳排放产出外，其余指标冗余率均低于25%，优化潜力较小。

表3 2019年粮食主产区各省份农业投入要素、期望产出和非期望产出优化潜力 单位：%

总的来说，现阶段粮食主产区农业绿色投入和产出优化潜力最大的三项指标分别是劳动力投入、机械投入和碳排放量产出，冗余率依次为45.87%、43.37%、34.23%，这表明粮食主产区劳动力人口兼业化和老龄化问题较为突出，农业机械化水平有待提高，绿色集约的机械化生产方式能够在一定程度上减少对生态环境造成的破坏，同时仍需大力加强农业碳减排工作力度，倡导高能效、低能耗和低碳排放的农业可持续发展模式。其次是土地投入、化肥投入和灌溉投入，冗余率依次为33.74%、32.74%、30.30%，这些指标也具备一定的优化改进空间，要进一步增加农作物单产量，避免化肥施用过度，有效提高农用化肥利用率，并加快建成智能节水灌溉设施，大力推进农业的节水化。农药投入、农膜投入、能源投入、农业总产值产出和农业面源污染产出的冗余率均小于30%，已经形成了较为成熟的农药、农膜和能源利用体系，农业面源污染防治工作初步取得成效，优化潜力比较有限，应继续保持良好的投入要素利用和产出水平。

四、结论与建议

（一）研究结论

本文考虑到环境污染和资源约束因素，选取农业碳排放量和农业面源污染综合指数作为非期望产出，结合改进的EBM 模型和ML 指数方法，测度出2002—2019年粮食主产区13个省份的农业GTFP 变化指数及其分解指数，并采用探索性空间数据分析法（ESDA）考察了农业GTFP 的空间集聚特征，最后通过各项投入、产出指标的冗余率对其进行优化潜力分析，得出研究结论如下：（1）时序演化分析表明，2002—2019年粮食主产区农业GTFP 呈“M”型波动，共经历了下降期、波动增长期、平稳期和回升期四个时期，整体增长幅度微弱，研究期内农业GTFP 的驱动源泉主要是农业绿色技术进步。（2）区域差异分析表明，省域间农业GTFP 差异较大，其中河北省年均农业GTFP最高，内蒙古最低；地区层面，长江流域主产区的农业绿色生产效果最好，其次是黄淮海主产区，最后为东北主产区。（3）探索性空间集聚特征显示，粮食主产区农业GTFP长期呈现负的空间相关性，某省份农业GTFP 与其周边省份GTFP 具有不同的变化趋势，并且研究期内其空间集聚现象由强转弱，省域间差距逐渐缩小。（4）优化潜力分析说明，粮食主产区农业绿色投入和产出优化潜力最大的三项指标分别是劳动力投入、机械投入和碳排放量产出。

（二）对策建议

针对粮食主产区农业GTFP 测度反映出的问题，结合农业绿色发展和高质量发展战略需求，本文提出以下对策建议：

1.重点关注农业碳排放过量和面源污染问题，推行绿色的农业生产方式。一方面，重视农业生产对生态环境和资源造成的恶劣影响，积极落实碳达峰2030 和碳中和2060 战略目标，进一步加强农业碳排放环境规制，将实地调查与大数据统计相结合，形成覆盖全面、防控规范、治理严格的农业污染监管体系；另一方面，普及推广节能环保的农业机械化生产模式，加速建成节水灌溉型和绿色灌溉型基础设施，促进新时期农业生产方式转型升级，推进农业农村全面现代化进程。

2.确保粮食安全，着力提高农业绿色全要素生产率水平。面对2020年新型冠状病毒肺炎疫情对粮食生产和贸易造成的巨大冲击，要牢牢把握粮食安全主动权，稳步提高粮食生产能力，兼顾粮食产量、质量、结构和生态安全，优化调整农业产业结构，深化农业供给侧结构性改革。另外，农业绿色全要素生产率的增长离不开科技创新的力量，应大力培养农业高新技术尖端人才，完备农业产业技术体系建设，应用绿色技术提高水资源、化肥、农药、能源等的有效利用率，全面发展数字农业和智慧农业。

3.完善区域间合作互动机制，实现粮食主产区农业经济的协同向好发展。粮食主产区各省份劳动力、资本、土地、技术等要素禀赋差异较大，应因地制宜地制定农业绿色发展规划，合理配置和深度融合资源要素，打破省域间农业发展壁垒，使农业绿色生产高效率地区带动周边低效率地区。同时，完善农业合作互动机制设计，搭建农业科学技术交流和经验分享平台，进行优势互补，加快构建跨区域农业生产、产业融合和经营管理一体化的合作体系，从而推动粮食主产区农业经济均衡协调发展。