黄河流域农业生态效率时空演变格局及驱动因素分析*

张海莹,王东波,马恒运

(河南农业大学 经济与管理学院,河南 郑州 450046)

黄河是我国第二大河,流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东九省(自治区),地貌类型复杂,生态系统多样,年径流量661亿立方米,现有各类自然保护区680余处(其中国家级自然保护区152处)[1],是我国重要的生物基因宝库、生态安全屏障区。同时,黄河流域生态环境脆弱,水土流失严重,水质总体差于全国平均水平,流域生态环境保护迫在眉睫。降低农业资源消耗与污染物排放,加强农业面源污染防治,实现农业高质量发展与生态环境保护协同耦合是黄河流域未来发展的必然趋势。

农业生态效率(Agricultural Eco-Efficiency,AEE)是生态效率在农业领域的具体应用,在保证一定农业产出的前提下,尽量减少农业资源投入与消耗,尽可能降低对生态环境的污染破坏[2],其基本内涵是以最少的农业资源投入和环境污染破坏,获得最多的农业产出[3]。目前关于农业生态效率评价研究集中于指标体系的构建[4-6]和数理模型分析[7,8],评价方法有随机前沿分析[9]、层次分析[10]和数据包络分析[11]等。研究对象涉及全国[12,13]、省域[14]以及农业发达地区[15,16]等,评价分析流域农业生态效率的文献并不多见[17]。基于2010—2019年黄河流域九省(自治区)农业投入产出面板数据,运用超效率SBM模型对黄河流域农业生态效率进行评价,并分析农业生态效率的驱动因素,旨在为黄河流域农业高质量发展和生态环境保护提供决策依据和数据支持。

一、数据来源、指标构建与研究方法

数据来源于2010—2019年《中国农村统计年鉴》和《中国统计年鉴》,部分地区数据不完整和缺失,采用插值法进行补齐。

(一)指标构建

农业投入资源有土地、劳动力、机械总动力、水资源、化肥、农膜和农药等。一般认为,广义农业包括种植业、林业、畜牧业和渔业,狭义农业仅指种植业。由于不同地区广义农业生产部门的投入产出指标差异较大[18],因此以狭义农业为研究对象。考虑到统计年鉴统计的是广义农业劳动力投入,为使农业生态效率整体不被低估,借鉴相关研究文献方法[19],用狭义农业占广义农业的产值与第一产业从业人员的比值计算狭义农业的劳动力资源投入。

产出分为期望产出和非期望产出。选用农业总产值表示期望产出。由于农业总产值是价值量指标,数值大小受当年价格、通货膨胀率等因素影响,因此将各年的农业总产值以2010年为基期进行平减。选用农业碳排放和农业面源污染表示非期望产出,其中农业碳排放包括农药、化肥、农膜以及灌溉的碳排放,农业面源污染主要指化肥中氮、磷流失和农药残留、农膜残余造成的污染。黄河流域农业生态效率评价指标体系见表1。

表1 黄河流域农业生态效率评价指标体系

基于指标的科学性、目的性和可获取性,参考已有研究[20-23],选取财政支农水平、机械化水平、农业规模化水平、农业生产能力、城镇化水平及农业市场化水平作为农业生态效率驱动因素指标,具体见表2。运用SPSS软件,发现全部指标的VIF值均小于4,说明不存在多重共线性问题。

(二)研究方法

1.超效率SBM模型

数据包络分析(DEA)作为一种非参数前沿方法,常被用来评估经济、环境和生态效率[24,25]。但是传统的DEA模型不能准确度量存在非期望产出时的效率值,不能对同处于生产前沿面的多个决策单元进行分析比较。2001年Tone提出的超效率SBM模型有效解决了以上问题[26],可以对存在非期望产出的决策单元进行评价和排序,在结果出现多个决策单元效率值同为1时可以进一步判断优劣,极大提升了效率测定和计量估计的精度[27,28]。

表2 黄河流域农业生态效率驱动因素指标体系

超效率SBM模型作为数据包络分析方法的重要拓展模型,其基本原理为:农业生态效率的决策单元数为n,每一决策单元有一个投入向量和一个产出向量,且产出向量由期望产出和非期望产出构成[29],具体公式为:

(1)

i=1,2,…,m;r=1,2,…,q;

j=1,2,…,n(j≠k)

2.随机效应Tobit模型

由于固定效应Tobit模型不能得到没有偏差的估计量[30-33],为避免结果产生误差,建立随机效应Tobit模型:

Eit=α0+α1PGDPit+α2FIit+α3MAit+

α4DIit+α5IRit+α6MEit+υi+εit

(2)

式(2)中,Eit表示第i省份t年的农业生态效率,i=1,2,…,9,t=2010,…,2019,α为解释变量待估参数,υ为个体误差,ε为随机误差项。

二、估计结果及分析

(一)农业碳排放时空演变特征

使用农药、农膜、农业灌溉和化肥的碳排放来估计农业碳排放,具体方法是将以上每项投入的使用量与相应的碳排放系数相乘,各项投入的碳排放系数分别为:农药4.934(kg/kg)、农膜5.180(kg/kg)、农业灌溉20.476(kg/km2)、化肥0.896(kg/kg)[12]。然后利用熵值法将各项投入的碳排放量综合为一项指数来表示农业碳排放总量。

根据碳排放指数的大小,将农业碳排放划分为三个等级:碳排放较低(0≤T<50 000)、碳排放一般(50 000≤T<100 000)、碳排放较高(T≥100 000)。2010年与2013年,碳排放量较高的是山东,碳排放量一般的是四川、甘肃以及河南,碳排量放较低的是青海、内蒙古、宁夏以及山西、陕西;2016年,碳排放量较高的是甘肃和山东,碳排放量一般的是内蒙古、四川和河南,碳排放量较低的是青海、山西和陕西;2019年,碳排放量较高的是山东,碳排放量一般的是甘肃、四川、内蒙古和河南,碳排放量较低的是青海、山西和陕西。总体上看,黄河流域碳排放量呈逐年增大趋势,下游省份碳排放量较高,中上游省份较低。

(二)农业面源污染时空演变特征

农业面源污染包括化肥中氮磷流失和农药残留、农膜残余造成的污染。计算方法是将以上每项投入的使用量与相应的流失(残留)系数相乘。参考已有文献[34],将化肥中氮和磷的流失系数分别确定为35%和20%,农药残留系数和农膜残留系数分别确定为50%和25%。然后采用熵值法将各项投入的流失(残留)量综合成一项指数来表示农业面源污染程度。

根据面源污染指数的大小,将面源污染划分为轻度污染(0≤T<16.1)、中度污染(16.1≤T<33.5)、重度污染(T≥33.5)三个等级。2010年与2013年,轻度污染的省份是青海、甘肃和宁夏、山西,中度污染的省份是四川、内蒙古和陕西,重度污染的省份是山东、河南;2016年和2019年,轻度污染的省份依然是青海、甘肃和宁夏、山西,中度污染的省份是四川、内蒙古、陕西和山东,重度污染的省份是河南。可见,黄河流域面源污染总体呈现上游污染较轻、中下游污染严重的特征,近年来山东由重度污染转化为中度污染,河南依然属于重度污染。

(三)农业生态效率时间变化特征

黄河流域九省份的农业生态效率时间变化情况见图1。黄河流域生态效率呈现波动上升趋势,均值为0.761;省际农业生态效率差异明显,且差异在逐渐缩小。陕西、四川、青海的农业生态效率值均大于1,农业生态效率较高;甘肃、山东的农业生态效率值在2014年前后均小于1,2014年之后大于1,农业生态效率在稳步提升;河南、山西、宁夏及内蒙古的农业生态效率值均小于1,农业生态效率较低,但也在逐年增长。

为了解农业生态效率损失的具体缘由,进一步计算黄河流域各省份投入产出指标的冗余率,根据冗余状况来调节相应投入指标,可以有效提升农业生态效率。黄河流域各省份投入产出指标的冗余状况见表3。总体来看,黄河流域农业生态效率损失源于投入冗余、非期望产出冗余所带来的投入非效率,且投入冗余所导致的投入非效率远高于非期望产出冗余所带来的非效率,投入冗余率较大的指标分别是农药(30%)、灌溉(28%)、机械(26%)、碳排放(26%)。分省份看,四川、青海、陕西三省投入冗余均为0,表明农业生态效率高,无需进行效率改进;甘肃、宁夏、内蒙古、山西、山东及河南均存在不同程度的效率损失,且效率损失来源具有差异性。

图1 黄河流域各省份农业生态效率时间变化

表3 黄河流域各省份农业生态效率投入产出指标的冗余率 %

(四)农业生态效率空间格局特征

根据农业生态效率值的大小,将农业生态效率划分为五个等级:效率优秀(P≥1)、效率良好(0.8≤P<1)、效率中等(0.6≤P<0.8)、效率较低(0.4≤P<0.6)和效率最低(P<0.4)。为直观观察时空变化特征,选取2010年、2013年、2016年、2019年四个时间点。2010年,农业生态效率优秀的是四川、青海和陕西,中等的是山东、甘肃、河南和宁夏,最低的是山西、内蒙古。2013年,农业生态效率优秀的是四川、青海、陕西和甘肃;中等的是山东、宁夏、河南和山西,最低的是内蒙古。2016年,农业生态效率优秀的是四川、青海、陕西、山东和甘肃,中等的是山西、河南、宁夏和内蒙古。2019年,农业生态效率优秀的是青海、四川、陕西、山东和甘肃,良好的是河南,中等的是山西、宁夏和内蒙古。总体来看,黄河流域农业生态效率随时间呈上升趋势,2016以后各省份农业生态效率都在中等以上,且效率优秀省份主要集中在上游地区。

为考察黄河流域农业生态效率空间自相关性,以GeoDa平台计算黄河流域九省份农业生态效率的全局Moran’s I指数,具体结果见表4。可以看出,黄河流域农业生态效率全局自相关莫兰指数在0.068～0.267范围内波动,且除2010年、2012年以外均通过了显著性检验,说明各省份农业生态效率具有全局空间正相关特征,黄河流域各省份农业生态效率存在空间集聚现象。

表4 黄河流域农业生态效率全局自相关Moran’s I指数

为进一步了解农业生态效率的空间集聚特征,以2013年和2019年为例绘制黄河流域九省份农业生态效率的局部莫兰散点图(见图2),其中第一象限是高—高(HH)集聚类型,表示高效率省份被高效率省份包围;第二象限是低—高(LH)集聚类型,表示低效率省份被高效率省份包围;第三象限是低—低(LL)集聚类型,表示低效率省份被低效率省份包围;第四象限是高—低(LL)集聚类型,表示高效率省份被低效率省份包围。第一、第三象限反映农业生态效率呈现空间正相关,第二、第四象限反映农业生态效率呈现空间负相关。根据散点图,将各省份农业生态效率所在的象限进行汇总,见表5。

图2 2013年和2019年黄河流域农业生态效率局部莫兰散点图

2013年和2019年,黄河流域九省份中位于一、三象限的省份分别占66.7%和55.6%,说明黄河流域农业生态效率局部空间集聚主要为HH集聚和LL集聚,具有空间正相关性,农业生态效率同质溢出效应明显。其中HH集聚区主要有四川、青海和甘肃,LL集聚区主要有河南、山西、山东和内蒙古,且近年来LL集聚的省份数量在逐渐减少。

(五)农业生态效率的驱动因素分析

运用Stata软件对黄河流域各省份的农业生态效率驱动因素进行分析,结果见表6。由表6可见,财政支农水平、农业规模化水平和农业生产能力对于农业生态效率有显著的促进作用,机械化水平、城镇化水平有显著的抑制作用。另外,农业市场化水平未通过显著性检验。

表6 黄河流域农业生态效率驱动因素分析结果

具体来看,第一,财政支农水平在0.05水平下显著。变量系数为正,表明财政支农水平对农业生态效率有促进作用。政府财政支农的力度越大,农户收入增加越多,农户农业生产积极性以及农产品质量安全意识进一步得到提升,从而对农业生态效率产生驱动促进作用。第二,农业机械化水平在0.05水平下显著。变量系数为负,表明农业机械化水平的提升对农业生态效率有抑制作用,农业机械化水平的提升有利于农业生产,但同时会产生大量的非期望产出如碳排放等。第三,农业规模化水平在0.05水平下显著。变量系数为正,表明农业规模化对农业生态效率有促进作用。大规模农业生产带来的规模经济,有利于提升农业生态效率。第四,农业生产能力在0.01水平下显著。变量系数为正,表明农业生产能力对农业生态效率有促进作用。地区农业生产能力越高,农户往往会更多采用高新技术,发展绿色生产,从而促进农业生态效率提升。第五,城镇化水平在0.1水平下显著。变量系数为负,表明城镇化水平提高对农业生态效率有抑制作用。这与城镇化促进农村高素质劳动力转移,农村剩余劳动力综合素质低有关,劳动生产率不高,抑制了农业生态效率的提升。

三、结论及建议

第一,黄河流域农业生态效率总体呈上升趋势,省际差异明显。2010—2019年,黄河流域农业生态效率均值为0.761,处于中上等水平;上游地区农业生态效率高,中下游地区农业生态效率较低,省际差异明显且差异在逐渐缩小。第二,投入和非期望产出冗余是黄河流域农业生态效率损失的主要原因,且投入冗余所导致的非效率远高于非期望产出冗余所带来的非效率。第三,农业生态效率呈现全局正相关性与局部集聚特征。黄河流域农业生态效率存在明显的空间相关特征,从全局性来看,除2010年、2012年和2013年以外,其余年份的农业生态效率均通过了显著性检验,黄河流域农业生态效率呈现空间正相关特征,局部空间集聚主要为高—高集聚和低—低空间集聚,且低—低集聚的省份数量在减少。第四,从影响因素来看,农业规模化水平、农业生产能力、财政支农水平对农业生态效率有显著的促进作用,机械化水平、城镇化水平对农业生态效率有显著的抑制作用。

据此,提出如下建议:第一,充分发挥科技对农业的作用。从投入冗余结果可以看出,农业生态效率较低的原因在于化肥农药的过量施用,土地利用程度不高,在今后的农业生产中应进一步重视绿色高新技术的应用,减少对化肥的依赖,多施用有机肥和绿肥,加强对绿色有机农产品以及科学技术的宣传普及。第二,因地制宜,协同提升。由于各省拥有的资源不同且经济发展程度不一,因此要因地制宜地制定农业发展战略。同时加强流域合作交流,促进农业生态效率在提升中协调、在协调中提升。第三,注重农业生态效率驱动因素的影响。发挥财政支农水平、农业规模化水平和农业生产能力对农业生态效率的促进作用,加大农业生产补贴力度,促进规模经营,发展绿色生产,减少机械化生产中非期望产出。在城镇化发展进程中,促进城乡融合发展,提高农业生产者技能,逐步提升农业生态效率。