生态价值视角下黄河流域农业生态效率时空演变及提升路径研究

陈申奥，景晓栋，陈 洁

（河海大学 商学院，江苏 南京 211100）

0 引言

粮食安全关乎我国民生的根本。中国以全球7%的耕地养活了全球约20%的人口，但在粮食持续增长的背后，我国农业发展正面临下行的巨大压力。据统计，农业碳排放已经成为仅次于能源碳排放的第二大碳排放重要来源［1］。近年来，在城镇化进程不断推进、生态环境不断恶化的现实条件下，高投入、高消费、低效率的传统粗放型土地经营模式已经无法适应当下环境，耕地资源紧缺、农业面源污染、要素资源消耗与生态效率低下等问题引发了社会系统性风险。如何优化土地资源配置，提高农业的全要素生产率，充分激发农业生态价值，已成为党和国家高度关注的重点问题。党的十八大以来，习近平总书记多次就建设农业强国发表重要论述，不断强调要坚持“全方位夯实粮食安全根基”和“坚持农业农村优先发展”等执政思路。2022年国务院在《中共中央国务院关于做好2023年全面推进乡村振兴工作的意见》中明确提出要抓好粮食和重要农产品稳产保供，坚决守牢粮食安全线，建设现代化农业强国。

黄河流域是我国重要的生态功能区，在生态环境、水资源供给和农业供给方面具有重要地位［2］。2020年，黄河流域农业总产值达到8167亿元，占全国农业总产值的36.2%。2021年《黄河流域生态保护和高质量发展规划纲要》中提出要进一步推动黄河流域农业生态治理和经济社会发展工作。然而，黄河流域农业发展长期面临水资源匮乏、农业结构单一、农业生产水平低以及水质污染严重等诸多顽瘴痼疾，严重制约了黄河流域农业的绿色可持续发展。在农业效率低下和环境污染严重双重受限的现实背景下，推动黄河流域农业生态效率的提升，对于保障我国粮食安全、提升生态环境质量具有重要意义。

近年来，农业生态效率作为科学衡量农业生产水平的重要指标，受到了国内外学者的广泛关注［3］。目前，关于农业生态效率的研究主要分为以下三个方面：（1）农业生态效率研究方法方面，目前国内外学者主要采用生态足迹法［4］、SFA模型法［5］和DEA模型法［6-9］进行效率测度。其中DEA模型法具有简便、客观以及无须事先估计生产函数等优点，因此在效率评价领域得到了广泛应用。传统的BCC、CCR模型存在忽视投入产出松弛变量的问题，改进后的SBM模型通过将非期望产出纳入指标体系，使得测算结果更加精准［10］。（2）在不同空间尺度方面，国内外学者主要从国家、地区和省市等角度对农业生态效率展开研究。Magrini［11］通过对1990—2019年欧洲40个国家的农业生态效率进行测度，发现阿尔巴尼亚、克罗地亚等7个国家在研究期内农业生态效率明显提高；陈阳等［12］利用超效率DEA-SBM模型和DEA-Malmquist指数法测算了中国的农业生态效率，得出农业生态效率总体发展趋势平缓，总体未达到有效水平的结论；Demiral等［13］对美国2018年50个州的生态效率进行了评估，研究发现二氧化碳排放量低的国家生态效率水平显著提高；赵吉［14］采用非期望产出SBM模型对2010—2019年四川省21个地市的农业生态效率值进行了测算，提出大力推广新型农机等环保型农业技术的建议。（3）在农业生态效率影响因素研究方面，目前主要集中在农业技术、财政支农资金和粮食产能等角度。李昕欣等［15］采用DEA-BCC和DEA-Malmquist模型对2010—2019年山东省各地级市的农业生态效率进行测度，研究发现农业技术进步是山东省农业生态效率提升的主要动力；杨昕蕾等［16］运用SBM模型和OLS模型分析黄河流域农业生态效率的影响因素，提出加大农业科技投入、改善农业生产方式等举措促进黄河流域农业生态效率提升；黄志斌等［17］通过系统动态广义矩估计模型，研究财政支农资金对农业生态效率的影响，得出政府应加大对农业生态建设的财政投入、优化财政支农资金结构等启示；刘鹏凌等［18］实证检验粮食产能对农业生态效率的影响，研究发现粮食种植结构正向调节了复种指数与农业生态效率之间的关系，负向强化了粮食产量对农业生态效率的影响。

综上，目前国内外学者对农业生态效率的研究成果较多，但现有研究主要将粮食产量、农业技术和财政支农资金作为农业生态效率的影响因素，忽视了耕地在农业生产活动中所提供的生态价值［19］。已有研究表明，农业具有碳源碳汇的双重属性，农业生态系统在为人类提供基本粮食的同时，还具有巨大的生态系统服务功能［20-22］。同时，现有成果在进行农业生态效率测度时一般只将化肥投入所产生的营养物污染纳入非期望产出，而忽略了农药和农膜等对生态环境的影响［23］。基于此，本文选取2011—2020年黄河流域9省份作为研究区域，采用生态价值评价法(ESV)测算耕地在种粮过程中产生的生态价值，运用超效率SBM模型及Malmquist指数，将农业生态价值和农业碳排放纳入农业生态效率评价体系，详细分析了2011—2020年黄河流域农业绿色全要素生产率及影响因素，并在此基础上为黄河流域的农业可持续发展提出了对策建议。

1 研究方法与数据来源

1.1 研究方法

1.1.1 生态价值评估方法 耕地具有净化和改善生态环境质量、缓解地表环境变化幅度、维持物质循环、固碳释氧、保障水资源等方面的作用。为研究黄河流域耕地所产生的生态价值，依据Costanza等［24］提出的当量因子法，结合谢高地等［25-27］修正的中国内陆耕地生态价值评价系数（其中气体调节为0.50，气候调节为0.89，水文调节为0.60，废物处理为1.64，保持土壤为1.46，维持生物多样性为0.71，提供美学景观为0.01）以及黄河流域不同省份农田生态系统生物量因子修正系数（表1），测算黄河流域9个省份的耕地在农业生产过程中产生的生态服务价值，该过程的计算公式为：

表1 黄河流域不同省份耕地生态系统生物量因子

式（1）中：ESV为粮食生产过程中产生的总生态价值，t为研究年份，i为废物处理、保持土壤、气候调节、维持生物多样性、水文调节、气体调节、提供美学景观等7类生态功能价值，A为各地区的粮食播种面积，P为基期粮食单产可比价格，CF为地区修正系数，EC为各项生态系统服务价值当量因子。

1.1.2 碳排放测算方法 耕地在粮食生产活动中表现为碳源，主要包括化肥施用、农药和农膜耗用、农业机械的使用、农业灌溉等导致的碳排放［28］。结合李波等［29］的方法对碳排放进行测算，估算公式为：

式（2）中：E为农业的碳排放总量，Ei为化肥、农药等农业碳排放源的碳排放量，Ti为各农业碳排放源的使用量，γi为各农业碳排放源的碳排放系数，各类农业碳排放源的碳排放系数见表2。

表2 农业碳排放源的碳排放系数 kg/kg

1.1.3 超效率SBM模型 农业生态效率是反映粮食生产水平的重要指标，现有农业生态效率研究大多仅考虑粮食产量或粮食产值等期望产出，而忽视了农业生态价值及农业碳排放等非期望产出对农业生态效率的影响。相较于BCC、CCR等传统的DEA模型，Tone等［30-31］提出的SBM-DEA模型将非期望产出和松弛变量也纳入了效率测算范围，从而使得测算出的效率值更加准确。因此，本研究借鉴已有学者［30］的研究成果，采用包含投入、期望产出及非期望产出3个向量的SBM模型进行农业生态效率的测度。

1.1.4 Malmquist-Luenberger指数(ML) ML指数又称全要素生产率指数，是一个可体现效率动态变化的指标。ML指数可以分解为技术效率指数(EC)和技术进步指数(TC)。其中ML为农业全要素生产率，表示各期农业生态效率的变化情况；EC为农业技术效率指数，表示各期的农业技术效率水平；TC为农业技术进步指数，表示各期的农业技术水平，详细公式可参考田明升等［31］对于模型构建和指数分解的指标体系。

1.2 指标体系构建和数据处理

参考已有的研究成果［33-36］，结合黄河流域农业生产的具体情况，本文选取劳动力、土地、机械动力、水资源和农业化肥等资源要素作为投入指标，选取农业生态价值和粮食总量作为期望产出，并将农业碳排放作为非期望产出指标，构建黄河流域农业生态效率评价指标体系（表3）。

表3 黄河流域农业生态效率评价指标体系

1.3 数据来源

基于数据的连续性和可得性，本文选取数据的时间跨度为2011—2020年，对涉及研究的数据进行了收集与整理。其中粮食作物播种面积、农业机械总动力、农业用水总量、农药及化肥使用量、农产品价格和粮食总量等数据来自《中国统计年鉴》《中国农村统计年鉴》《中国农产品价格调查年鉴》及各省（自治区）的统计年鉴。劳动力投入用农业从业人员数量来表示，由于暂未直接公布农业从业人员数据，本文借鉴高孟菲等［37］的做法，根据农业总产值占农林牧渔业总产值的比值等比例计算出农业从业人员数量。

2 实证分析

2.1 农业生态价值测算结果分析

本文将耕地在农业生产活动过程中产生的生态价值作为农业生态效率的期望产出之一，结合各省份的耕地禀赋和农业生产状况，使用生态价值评价法计算出各省的农业生态价值（图1）。

图1 2011—2020年黄河流域9省（自治区）农业生态价值的演变情况

由图1可知，黄河流域各省份农业生态价值排序为河南＞山东＞四川＞内蒙古＞陕西＞山西＞甘肃＞宁夏＞青海；从整个时序上看，河南、山东、四川、内蒙古和山西的农业生态价值增量较大，分别增加了2267.89亿、1749.71亿、454.75亿、453.46亿和160.38亿元，甘肃、青海和宁夏的农业生态价值维持稳定，而陕西的农业生态价值降幅较大，达到了228.76亿元；从空间上看，农业生态价值提升的省份主要集中在黄河流域的南部和东部地区，其中河南、山东和四川作为我国的产粮大省，得益于独一无二的地理环境和气候条件，成为了保障我国粮食安全的重要支撑。近年来，随着强农惠农政策和耕地保护制度的逐步完善及农业生产技术的创新升级，河南、山东和四川的种粮生态价值在研究期内得到了明显提升。而内蒙古和山西在由传统能源和重工业省份逐渐转型期间，其农业生态价值存在波动上升的趋势。甘肃、青海和宁夏由于降水稀少、气候干旱和耕地面积受限等原因，农业发展的速度缓慢，农业生态价值变化的幅度较小。陕西的农业发展受自然分割的基础条件制约，由于其土壤流失严重、少雨缺水、土地贫瘠、农业自然风险和技术风险大等原因，陕西的农业发展水平较低，农业生态价值出现了明显下降。总体而言，黄河流域农业生态价值在研究期内呈现上升趋势，2020年达到了21961.31亿元，其中河南和山东占总农业生态价值的比重最大，分别为40.03%和33.00%。

2.2 农业碳排放分析

由表4可知，2011—2015年黄河流域农业碳排放量呈现出上升趋势，并于2015年达到了峰值。2016年后，黄河流域农业碳排放量呈现明显的下降趋势，在2016—2020年期间共减少农业碳排放44.3万t，农业碳排放较高的现状得到了明显的改善。

表4 2011—2020年黄河流域农业碳排放量情况 万t

从黄河流域各省份农业碳排放量均值来看，省际农业碳排放的差异显著，主要的碳排放量集中在农业大省。河南和山东两省的碳排放占比超过了整个黄河流域的50%，分别为840.32万、732.03万t。其次是四川和内蒙古，农业碳排放分别为345.42万、304.00万t。陕西、甘肃、山西和宁夏的农业碳排放分别为287.26万、222.99万、162.80万和58.96万t。青海的农业碳排放量最少，仅为16.57万t，原因是青海的耕地面积有限，对于农业的投入远小于其他省份。

2.3 农业生态效率分析

运用MaxDEA软件对2011—2020年黄河流域9省（自治区）的农业生态效率进行实证分析，结果见表5。

表5 2011—2020年黄河流域9个省（自治区）的农业生态效率

由表5可知，2011—2015年黄河流域农业生态效率均值维持在0.9左右，处于较高水平，但增速较为缓慢。2016—2020年间呈现波动上升趋势，且2020年农业生态效率均值为1.148，表明自2016年起黄河流域不断重视农业与生态协调发展，从而推动了农业生态效率的持续提升。

从空间上看，省际之间农业生态效率呈现两极分化局面。内蒙古农业生态效率均值最高，2011—2020年其农业生态效率均值达到了1.426，且每年的农业生态效率值均大于1.2，大幅领先于其他省份。究其原因，内蒙古以畜牧业发展为主，人均耕地面积大，农业生产活动对于环境的影响较小。河南和山东位于黄河下游地区，平原地形广布，农作物播种面积大，加上近些年对生态环境保护的不断重视，因此农业生态效率也略高于中上游其他地区。陕西、甘肃、青海和宁夏的农业生态效率明显低于黄河流域内的其他省份。陕西位于黄土高原腹地，而其余省（自治区）也位于黄河流域上游地区，农业水资源短缺、耕地面积受限、气候条件恶劣和生态环境脆弱等因素均导致了其农业生态效率较低。综上所述，推动黄河流域农业一体化协调发展对于提升农业生态效率具有重大意义。

2.4 Malmquist-Luenberger指数分析

Malmquist-Luenberger指数代表了农业生态效率的动态变化值，可分解为技术效率指数和技术进步指数。黄河流域9省（自治区）的全要素生产率变化指数及其分解值具体见表6。

表6 2011—2020年黄河流域9省（自治区）ML指数及其分解

由表6可知，黄河流域ML指数的平均值为1.062，且研究期内9个省（自治区）的ML指数都大于1，由此可以看出黄河流域农业生态效率总体发展态势良好，但由于各省份农业基础、自然条件、农业技术水平发展状况不同，使得农业生态效率存在一定程度的差异。ML指数增长最为显著的地区为青海和河南，两者的EC指数和TC指数均大于1，表明这2个省份依靠技术效率和技术进步共同推动了农业生态效率的提升。此外，陕西、甘肃和宁夏的EC指数小于1，因此可以得出这3个省份的ML指数提升主要依靠的是技术进步，技术效率在一定程度上阻碍了农业生态效率的提升。四川的TC指数小于1，应当加强对农业生产技术的投入研究，利用技术进步来拉动农业生态效率提高。

为了更好地研究黄河流域的ML指数的时间变化特征，对2011—2020年黄河流域ML指数及其分解值（表7）进行分析。

表7 2011—2020年黄河流域ML指数及其分解

由表7可知，在2011—2020年，黄河流域ML指数、EC指数和TC指数均大于1，其中ML指数在2012—2015年间保持平稳状态，2015—2016年迎来小幅增长，2019—2020年增长速度最快，总体来看，ML指数存在较大波动。2011—2012年的技术进步指数虽然小于1，但ML指数还是处于增长状态，这是因为效率改进指数的增长作用抵消了技术不足的负面作用，也表明应该加大技术进步。尽管其他年份的EC指数和TC指数均大于1，但在2011—2015年期间这2个指数的拉动作用都处于较弱的状态，2015—2020年在2个指数共同推动下，ML指数得到了显著提高。

3 结论与建议

3.1 结论

本文通过采用超效率SBM-Malmquist指数模型对2011—2020年黄河流域9省农业生态效率进行时空特征分析，研究结果表明：

（1）黄河流域农业生态价值整体呈上升趋势，2020年达到21961.31亿元，其中河南和山东占总农业生态价值的比重最大，分别占到全流域总农业生态价值的40.03%和33.00%。

（2）黄河流域农业碳排放近年来得到明显改善，自2016年起，农业碳排放量呈现明显的下降趋势，在2016—2020年共减少农业碳排放44.3万t，农业碳排放省际的差异显著，河南和山东作为农业大省，处在碳排放量的前2位。

（3）黄河流域农业生态效率整体水平较高，呈现出波动上升趋势；农业生态效率的省际差异较大，内蒙古效率值最高，陕西、甘肃、青海和宁夏的效率值明显低于流域内的其他地区。

（4）黄河流域的全要素生产率指数均大于1，这说明农业生态效率整体呈现上升趋势；但陕西、甘肃和宁夏的效率改进指数以及四川的技术进步指数小于1，表明仍存在着技术转化效率不足、管理效率水平不高等问题。

3.2 建议

基于上述研究结论，本文提出如下对策建议：

（1）建设新型农业体系。重视耕地给黄河流域带来的生态价值，以维护黄河生态安全为目标，改善生态环境治理为核心，坚决贯彻实施《黄河保护法》，扎实推进防洪减灾、水资源保护、生态修复治理等重点任务落地落实。积极挖掘农业生态产品价值，重点发展农产品精深加工、乡村旅游和农村电商等新兴产业，全力推动产业融合发展，促进乡村产业全链条转型升级。

（2）促进农业绿色低碳发展。重视农业碳排放对环境带来的不利影响，研发推广作物吸收、利用率高的新型肥料产品，推广水肥一体化等高效施肥技术，提高肥料利用率。加快先进低碳节能农机装备研发，降低化石能源消耗和二氧化碳排放。因地制宜推广应用生物质能、太阳能和风能等绿色用能模式，增加农业清洁能源供应，推动黄河流域农业绿色低碳发展。

（3）推动农业现代化高质量发展。重视农业生产效率在农业发展过程中的积极作用，建设黄河流域现代农业示范区，实施高标准农田建设工程和耕地质量提升工程，优化作物水分灌溉管理，开展主要农作物生产的全程机械化示范。政策鼓励支持企业与农业新型经营主体进行合作，加大农业实用人才的培养力度，加强科技创新和品种选育，促进黄河流域高效率的现代化农业体系早日建成。