基于交叉DEA的长江经济带农用地利用碳排放效率及影响因素研究

李伊涵 李春华 杨承楷

（中南林业科技大学，湖南长沙 410004）

我国是一个农业大国，农业是国家发展的基础，农用地作为农业生产的基础资源，其利用效率可以反映国家农业发展水平和土地资源配置情况。现阶段，相关工作者对农用地利用效率的研究十分广泛。从投入和产出角度的研究方法上来说，农用地利用效率评估可以采用数据包络分析（DEA）和随机前沿函数（CFA），例如陈秉谱等[1]基于 DEA 和 Malmquist指数评估了甘肃省10年间农业土地利用效率；方 方等[2]基于随机前沿函数研究了乡村就业非农化对京津冀地区耕地利用效率影响。从要素来看，研究者从单要素或全要素两方面研究农业土地利用效率，例如谭荣等[3]从农用地边际收益这一要素角度探讨了农用地利用效率；赵茜宇等[4]从土地、劳动力、资本和技术的全要素角度分析了我国县域农用地利用效率。从上述研究可以看出，影响农用地利用效率的因素很多，从不同影响因素来探讨农用地利用效率对优化农业资源配置、提高粮食生产力和推动农业发展有重要意义。

碳排放作为导致全球气候变化的重要因素，随着全球极端天气的增多，逐渐成为学术界探讨的热点问题[5]。农业是我国的第一产业。有研究显示，我国农业生产所产生的温室气体占全国温室气体排放总量的17%[6]，这表明农业活动是碳排放的重要来源之一。有研究表明，人类生产生活在产生温室气体排放的同时也改变着土地利用方式[7]。因此，碳排放可以通过影响农用地资源配置来间接影响农用地利用效率。目前，也有研究者从碳排放角度考虑农业土地利用效率，例如黄和平等[8]从碳排放和面源污染角度研究了江西省农用地生态效率；游和远等[9]从碳排放角度评估了湖南省农地集约利用效率。根据我国“十四五”规划提出的绿色低碳发展理念，人类在进行生产活动时应该考虑到碳排放问题，因而在评估农用地利用效率时，碳排放应当作为一种影响生态环境的负向产物纳入评价体系中。

长江经济带作为拥有丰富农业资源的经济带，在我国农业发展格局中占有重要位置。因此，本研究选取长江经济带11个省（市）作为研究区域，将农用地面积作为投入、碳排放量作为非期望产出来探讨区域农用地利用碳排放效率。此外，因为农用地碳排放效率还受到社会经济和自然因素两方面的间接影响，所以本研究还利用Tobit回归模型分析其他农用地利用碳排放效率影响因素的显著作用，可以为提升区域农用地利用碳排放效率提供更具有针对性的数据参考。

1 数据来源与研究方法

1.1 数据来源

本研究在计算农业土地利用碳排放效率时，选取了2013—2017年长江经济带耕地、林地、牧草地、园地和养殖水面等5类农用地面积作为投入变量，以地区第一产业增加值作为期望产出、农业能源碳排放量作为非期望产出。其中，土地利用数据和经济数据来源于《中国统计年鉴2018》[10]，部分缺失数据通过预测函数补齐。碳排放数据由农业活动中能源消耗量乘以能源排放系数得出，排放系数和能源数据分别来源于2006 IPCC Guidelines for National Greenhouse Gas Inventories[11]和《中国能源统计年鉴2018》[12]。此外，本研究从自然和社会经济因素两方面探讨影响农用地利用碳排放效率的因素，选取的6类指标包括平均气温、耕地面积、农村用电量、农村机械总动力、农业财政投入以及农村居民人均收入。这些数据来源于中国宏观经济数据库、中国环境数据库、《中国水利统计年鉴2018》[13]以及《中国农村统计年鉴 2018》[14]。

1.2 理想决策单元的交叉效率模型

数据包络分析是Charnes和Cooper[15]于1978年提出的一种以多个投入和多个产出为基础来评价各个决策单元相对效率的方法。但是，传统的DEA模型通常有多个并列的最优解，这使得决策者难以选出最佳投入产出模式的决策单元。为了有效解决这一问题，国内外研究者提出了不同的方法，例如Sexton等[16]和Doyle等[17]提出了仁慈型和激进型的交叉效率评价法。这2种方法在针对相同投入产出时，决策单元的排序不同，虽然避免了DEA有效值不唯一的情况，但是也无法使决策者选出最佳投入产出模式的决策单元。在土地规划问题中，决策者通常只需要一种最优的资源配置模式。因此，本研究选用了苏航[18]提出的理想决策单元交叉效率模型，模型公式如下：

式中，minθh，d表示投入导向下的土地利用碳排放效率，μrd与ωid分别为产出和投入的权重，E*dd为决策单元的相对效率，yrh、yrj与 xid、xij分别为决策单元的产出变量和投入变量[18]。

由于理想决策单元交叉效率模型中所有的产出均以期望产出为基础，而本研究中的碳排放属于非期望产出，所以还需要对碳排放数据进行进一步处理。研究者们已经提出了多种方法处理非期望产出，例如Hailu等[19]把非期望产出乘以-1，再将它作为投入变量；Tone[20]提出了SBM模型，可以从投入、产出角度对非期望值进行测算。根据本研究的实际情况，首先，碳排放量理论上不可能作为投入指标影响农用地利用效率；其次，SBM模型最优解不唯一，无法区分出最优的农用地资源配置情况。因此，本研究将碳排放量取倒数，再作为产出变量在理想决策单元交叉效率模型中进行测算。

1.3 Tobit回归分析

本研究选用的理想决策单元交叉效率模型只是一个效率评价模型，并且在投入、产出的指标选取上，它只对农用地结构是否高效进行评估。但是，影响农用地利用效率的因素除了土地资源配置以外，还有其他因素。因此，为了对农用地结构优化提出更具针对性的参考意见，有必要结合其他可能影响农用地利用碳排放效率的因素再进行探讨。由于DEA模型的计算结果均大于0，在研究效率影响因素时，如果选用一般的偏最小二乘法可能会导致结果无效，所以本研究在参考前人研究的基础上，选择Tobit回归模型进行影响因素分析[21-23]。模型如下：

式中，yi表示因变量，xi表示解释变量，β表示回归系数。

本研究在此基础上构建了农用地利用碳排放效率为因变量的Tobit模型，模型如下：

式中，yi表示农用地利用碳排放效率，t为年份，β0为常数项，β1、β2、…、βn为各解释变量回归系数，εi为随机扰动项。

2 结果与分析

2.1 农用地利用碳排放效率

本研究选取了长江经济带各区域2013—2017年的相关数据进行农用地利用碳排放效率计算，结果如表1和图1所示。总体上看，2013—2017年间，长江经济带农用地碳排放平均效率呈逐年上升趋势。从图1可以看出，这5年间长江经济带农用地利用碳排放平均效率最高的是上海市、最低的是贵州省。上海市2013年农用地利用碳排放效率是11个地区中最高的，效率值为0.847 3，此后逐年下降至2016年的0.741 1，在2017年又略微上升。此外，重庆市的农用地利用效率也是先下降再升高。江苏省、安徽省、江西省和湖南省的农用地利用碳排放效率在这5年间呈先上升后下降的趋势。浙江省和湖北省在这5年间农用地利用效率呈逐年上升趋势。四川省农用地利用碳排放效率在这5年间从0.543 2逐年下降至0.432 6。云南省的农用地利用碳排放效率则呈现出波动变化状态，但在2017年成为长江经济带11个区域中最高，效率值为0.857 8。

表1 2013—2017年长江经济带各区域农用地利用碳排放效率值

2.2 碳排放对农用地利用效率的影响

为了评估碳排放对农用地利用效率的影响，本研究选取了长江经济带各区域2017年的相关数据，评估不考虑碳排放情况下的农用地利用效率。从图2可以看出，在不考虑碳排放的情况下，长江经济带农用地利用平均效率基本有所上升，除上海市外，所有区域决策单元效率值均高于考虑碳排放时的效率值。这表明未将碳排放作为测度指标时，农用地利用效率可能会被高估。碳排放作为影响气候环境的重要因素，间接影响人类对土地资源的利用形式，决策者在制定政策时若不考虑此因素，其结果可能不如预期。

2.3 农用地利用碳排放效率影响因素

本研究利用Tobit回归模型对长江经济带农用地利用碳排放效率影响因素进行分析，结果如表2所示。可以看出，年均气温在10%的水平上通过了显著性检验，并且与农用地利用碳排放效率成负相关关系。由此表明，气温越高，效率值越低。在考虑碳排放作为环境负向指标时，碳排放量越大，农用地利用效率将越低，并且温室气体的排放会导致气温升高。同时，耕地面积通过5%水平的显著性检验，并且与农用地利用碳排放效率成负相关关系，即区域耕地面积越大，效率值越低。由于农业碳排放的主要来源是种植业，耕地面积越大，则表明种植业越发达，会增加碳排放量，从而降低农用地利用效率。农村居民人均收入在1%的水平上通过显著性检验，并且与农用地利用效率成正相关关系。农村居民人均收入在一定程度上代表农村经济发展水平，农村经济发展水平越高，农民对农业资本的投入将越大，客观上可以改善农业生产模式，也有利于农业生产中生态环境的改善。其他因素如农村用电量、农业机械总动力和农业财政投入在回归分析中不显著，表明这3个因素对长江经济带农用地利用碳排放效率未产生明显影响。

表2 农用地利用碳排放效率影响因素分析结果

3 结论与讨论

3.1 结论

从理想决策单元模型的结果可以看出，当碳排放作为非期望产出变量时，在2013—2017年间，上海、湖南、四川以及贵州等4个省（市）农用地利用碳排放效率总体呈下降趋势，其余省（市）总体呈现上升趋势，但上升幅度较小。5年期间，长江经济带各区域的农用地利用效率均未达到DEA完全有效，这表明长江经济带农用地结构有较大的优化空间。

当碳排放不作为考量因素时，长江经济带农用地利用效率普遍有所上升，表明在农用地利用过程中产生碳排放会对土地利用效率有一定程度的负面影响。当不考虑碳排放的影响时，长江经济带农用地利用效率会被高估。农业生产过程中的温室气体排放会间接影响土地利用方式，如果决策者不考虑碳排放因素，最终的农用地资源配置结果可能会不如预期[24-26]。

通过Tobit回归分析结果可以看出，年均气温和耕地面积与长江经济带农用地利用碳排放效率成负向显著相关，农村居民人均收入则与区域农用地利用碳排放效率成正向显著相关，而农村用电量、农业财政投入和农业机械总动力对区域农用地利用碳排放效率不产生显著影响。

3.2 讨论

本文以长江经济带作为研究对象，评估了区域内11个省（市）农用地利用碳排放效率，可以为区域农业低碳生产提供决策依据。本研究选用的理想决策单元交叉效率模型只是一个计算效率的模型，并且其评价模式为决策单元间的相互评价，可以选出被评价决策单元中相对较优的一个，但不能给出具体的优化策略，因而它更适用于宏观政策分析。由于《全国土地利用总体规划纲要（2006—2020年）》中指出耕地保有量属于约束指标等情况，表明部分农用地不可能大面积变动，所以不能完全从农用地结构和土地资源配置角度进行效率优化。可以将土地资源配置问题与社会经济因素共同考虑，例如在政策范围内最大程度优化农用地结构后，再提高农业生产中的资本投入，改善农业生产模式，从生产技术方面来提高农业生产量和降低农业生产过程中的碳排放量，从而更大程度上提升农用地利用碳排放效率。同时，部分农用地如林地和园地对碳排放有吸收效应，因而在进行农用地利用低碳优化时还可以从净碳排放角度考虑。