环境规制对农业绿色全要素生产率的影响

胡永浩，张昆扬，武拉平，史畅

（中国农业大学 经济管理学院，北京 100083）

保障粮食安全是治国理政的头等大事。改革开放以来，中国农业生产率快速提高，口粮绝对安全得到有力保障。而粮食产量的快速增加主要得益于农业生产要素的大量投入，国家统计局数据显示，2019 年中国粮食产量已达到6.6 亿吨，较1978 年增产117.82%，但在此期间化肥、农药的施用量分别增加493.96%和161.11%。此外，化肥农药利用率低下、农业水污染严重、农业温室气体排放量过高等问题也威胁着中国农业的发展。因此仅依靠增加生产要素投入来提高生产率的做法是不可持续的，如何在提高生产率的同时兼顾农业绿色生产从而实现农业绿色全要素生产率的提升成为当下的重要议题。

党的十九大报告指出中国经济已进入高质量发展阶段，《国家质量兴农战略规划（2018—2022 年）》的实施也标志着中国农业高质量发展进入新阶段。早在2015 年农业农村部就印发了《农业部关于打好农业面源污染防治攻坚战的实施意见》，提出化肥和农药零增长，为农业绿色发展指明了方向。自2015 年以来，中国化肥、农药使用量不断下降，但由于作物生长对化肥、农药投入具有较强依赖，且农药化肥使用减少造成的农产品收益下降也降低了农民进行绿色清洁生产的意愿。因此，当前中国农业距离实现绿色可持续发展目标还有不小的差距，而由政府主体介入实施环境规制是实现这一目标的重要手段之一。

农业绿色全要素生产率是同时考虑农业产出和污染排放后的农业投入产出效率，它可以更好地代表农业绿色发展水平。研究环境规制对农业绿色全要素生产率的影响，可以全面分析环境规制对于农业经济增长和绿色发展两方面产生的综合影响，有利于结合当下农业生产发展实际“对症下药”，对环境规制相关政策进行完善，从而提升农业的可持续发展能力。

1 文献综述

环境规制是指政府或其他公共机构通过法律法规、财政税收、环保宣传等政策工具对环境污染排放加以限制，对已被污染的环境进行治理，从而提升环境质量，推动经济绿色健康发展[1]。环境规制可以分为命令控制型、市场激励型与公众自愿型三种[2]。对环境规制强度的测度主要分为定性指标、简单定量指标和综合指数型指标。具体来看，定性指标是以环境规制发生强烈变化的时间为节点进行前后对比，例如环保法律实施的前后两年；简单定量指标既包括环保财政支出、环境污染治理投资等投入型指标，也包括污染物排放量等绩效型指标和环保政策数量为代表的其他简单指标；综合指数型指标是通过对基础指标进行组合而构建成的广义指数指标[3]。综合而言，目前学界对于环境规制的概念和分类已经有了较为清晰的界定，但对于环境规制强度衡量和效果评价还未形成统一的体系标准。

全要素生产率（total factor productivity，TFP）衡量的是除资本、劳动和土地等有形生产要素以外的技术进步、组织创新、资源配置和政策制度等要素对生产效率的影响。全要素生产率由索洛提出，他通过“索洛余值”测算了剔除投入生产要素以外的因素导致的经济增长率，并将其原因归结为技术进步和制度因素[4]。后来，全要素生产率测算主要分为参数分析法如前沿模型分析（stochastic frontier analysis，SFA）与非参数方法如数据包络分析（data envelopment analysis，DEA）两种[5]。传统农业全要素生产率测度时未考虑农业生产污染排放等环境成本。但随着环境污染问题日益突出，实现绿色可持续发展成为经济增长的内在要求，所以在绿色全要素生产率（green total factor productivity，GTFP）测算时，需要将经济增长、资源约束和环境因素纳入同一测算体系。在测度GTFP 时SFA 方法只能将环境污染作为负成本要素投入，但是实际中环境成本的价格信息很难进行衡量。而DEA 方法可以将环境污染作为非期望产出纳入核算，适用性更强，因此在对农业GTFP 测度时DEA方法更受学者们的青睐。此外，运用DEA 方法测算时，对于环境污染的测度方面选取的指标存在差异，但大多集中在单独使用碳排放量或者面源污染来代表环境污染产出[6-7]。

环境规制作为重要的政策手段，能够通过加强农民对绿色生产的认知、对农业废弃物资源化利用的感知，从而提升其绿色生产的参与意愿，推进农业绿色可持续发展已得到学者们的普遍认同[8-9]。但以目前已有研究来看，环境规制对GTFP 的作用为正向还是负向尚未达成一致结论。有研究指出环境规制推动了农业技术创新和资源环境改善，有助于农业GTFP 增长[10-11]；也有研究提出环境规制会导致生产成本增加，不利于农业GTFP 提升[12]。首先，环境规制对农业GTFP 的影响具有时效性，短期内环境规制有利于减少污染排放，促进GTFP 的增长，而长期来看，由于政策的滞后性导致减排成本的提升，不利于GTFP 的持续增长[13]；其次，环境规制对GTFP 的作用存在地域性差异，中国东部、中部和西部地区对于环境规制的敏感程度呈现依次递减的趋势[14]。此外，环境规制强度与GTFP 之间存在着显著的倒“U”型关系[15]。

现有文献中，学者们选取了不同的指标和方式来衡量环境规制、测算GFTP，从不同角度对环境规制与农业GFTP 增加之间的关系进行了研究，得出结论不尽相同。本文试图从以下方面对现有研究进行拓展：第一，将碳排放与面源污染作为非期望产出共同纳入中国农业GTFP 的核算；第二，运用DEA 中的DDF 方法与SBM方法分别测算GFTP，进行对比分析；第三，运用双向固定效应模型对环境规制强度与农业GTFP 之间的关系进行实证检验，以克服内生性。

2 作用机制

环境规制对全要素生产率的作用途径，主要分为遵循成本和创新补偿两个方面。以新古典主义为代表的传统理论认为，从静态角度来看，环境规制与GTFP 之间存在难以调和的矛盾，在外部条件保持不变的情况下，环境规制会导致生产者绿色生产成本和污染治理成本的提高，还会进一步挤占技术创新的资本，从而不利于GTFP 的增长，即“遵循成本”理论[16-17]。而PORTER（波特）等[18]认为，从动态角度来看，适度的环境规制除了会带来环境质量的改善外，还会倒逼生产者为降低成本、提升产品质量而加大技术创新力度，产生的“创新补偿”效应会超过“遵循成本”，从而达到经济发展与环境保护相协调的目标。

具体到农业而言，环境规制的“遵循成本”效应主要体现在导致生产成本提高和最终农产品产量减少两方面影响。首先，环境规制会导致农民的绿色生产成本和环境治理成本的增加，例如使用有机肥等绿色要素的投入成本和对生产废弃物的回收处理成本等；其次，环境规制会限制农民对化肥、农药等高污染要素的使用，会造成最终农产品产量与收益的下降。环境规制对农业的“创新补偿”主要体现在推动生产技术进步和提升产品附加值两个方面。环境规制会提高农民的绿色生产意识，促使农民采用绿色生产方式和技术，在降低污染排放、优化要素配置的同时提高农产品质量，从而提升农产品附加价值与最终收益。

综上所述，环境规制对于农业GTFP 的最终影响为正向还是负向取决于“创新补偿”与“遵循成本”效应之间的大小关系，若“创新补偿”大于“遵循成本”，环境规制会有助于GTFP 的增长；否则，环境规制则不利于GTFP的提升。环境规制对农业GTFP 的具体作用机制如图1所示。

图1 环境规制影响农业绿色全要素生产率的作用机制

3 农业全要素生产率的测度

3.1 研究方法

目前学界选取DEA 方法对GTFP 进行测量时，主要采用了DDF 和SBM 两种方法构建ML 或GML 生产率指数，由于两种方法各有优劣，本文将分别使用这两种方法进行农业GTFP 的测度，并对其测量结果进行对比分析。接下来将对两种测度方法进行简单介绍。

3.1.1 方向性距离函数（DDF）

传统Shephard 距离函数，将期望产出与非期望产出同等对待，假设好的产出与坏的产出同比例增加或减少，这显然不符合现实。而CHUNG[19]提出的方向距离函数模型（directional distance function，DDF）引入方向向量，可以实现增加好产出（good output；或期望产出desirable output）的同时减少坏产出（bad output；或非期望产出undesirable output），符合环境规制减少环境污染协同促进经济增长的目标。

首先，需要构造一个同时包含好产出与坏产出的生产可能集，即环境技术，进而将经济增长与环境污染纳入同一分析框架。假设在t个时期内，k个生产单位投入M种生产要素x，生产出M种好的产出y和I种坏的产出b，其投入产出向量为(xtk,ytk,btk)，相应的环境技术可以表示为：

其中，zkt为生产单位k在构造生产可能集时各自参与的权重，式（1）表示的是规模报酬不变的环境技术，当增加ztk的和为1 的约束时则表示规模报酬可变。

假设方向向量为g=(gy,-gb)，对应的方向性距离函数可以表述为：

其含义为在投入x既定和生产可能集P(x)范围内，沿着方向向量g，产出向量(y,b)所能改进的最大程度β。

假设方向向量为中性g=(y,-b)，即对期望产出与非期望产出同等重视，改进时好产出增加与坏产出减少比例相同。通过构造以下线性规划模型求解方向距离函数：

3.1.2 超效率SBM模型

径向DDF 方法进行测算时，需要假设好产出与坏产出同比例变化，这不符合现实；径向模型另一缺点是进行无效率测算时没有解决松弛变量问题，会造成最终效率的高估。为解决上述问题，TONE[20]提出一种新的SBM 模型（slack based measure，SBM）即至前沿最远距离模型，将松弛变量纳入效率值的测算。但一般的SBM 模型目标函数追求效率值最小化，即投入产出无效率值最大化，改进的投影点是前沿上距离被评价单元最远的点，这是SBM 模型的不合理之处，因为生产者通常希望通过最短路径到达生产前沿[21]。因此，TONE[22]又提出了超效率SBM 模型，所谓超效率模型是在构建生产可能集时将被评价单元剔除，这意味着被评价单元效率值是参考除自身以外的其它单元构成的生产前沿而得出的，所以有效的评价单元效率值往往会大于1；而超效率SBM 模型所改进的投影点，是生产可能集内距离前沿面最近的点，这恰好克服了一般SBM模型的缺点。

参考TONE 的研究，假设k个生产单位，投入n种生产要素x，生产出m种期望产出yg和i种非期望产出yb，纳入非期望产出的超效率SBM 模型可以表示为：

式中：λj表示各评价单元在构建生产参考集时的权重，s-n、sgm和sbi分别为投入、好产出与坏产出的松弛变量；代表投入无效率的平均水平，则代表的是产出无效率的平均水平；ρ表示被评价单元k的效率值。

3.1.3 Global Malmquist-Luenberger指数及其分解

DDF 方法和超效率SBM 模型测算的效率值属于一定技术水平下的静态分析，无法完全反映农业发展动态过程中GTFP 的变化。农业生产是一个长期连续过程，在此过程中生产技术本身也会发生变化。因此，当研究数据为面板数据时，对生产率变动情况进行研究的同时，还可以分析技术效率、技术进步各自对生产率变动所起的作用。

MALMQUIST[23]提出了Malmquist 全要素生产率指数来研究生产率变动情况。FÄRE 等[24]在此基础上，采用DEA 方法对Malmquist 指数进行了测算，并将其分解为技术效率变化（technical efficiency change，EC）与生产技术变化（technological change，TC）两部分。CHUNG[19]用方向性距离函数对含有非期望产出的Malmquist 指数重新进行了测算，并将其命名为Malmquist-Luenberger（ML）指数。但ML 指数在线性规划求解时存在无可行解的问题，且不具备可传递性即相邻时期指数不可相乘。因此，PASTOR 等[25]提出了全局参比Malmquist 指数（global malmquist，GM），GM指数在测算时用全部时期数据构建生产前沿面，效率变化仍采用各时期生产前沿进行计算，得出的各期效率值具有可比性；由于不同时期参考的是同一前沿面，计算得出的Malmquist 指数具有传递性，也解决了模型无可行解的问题。OH[26]将全局参比与ML 指数相结合，构造了包含非期望产出的global malmquist-luenberger（GML）指数。参考OH 的研究，本文将GML 指数定义为：

式中：GMLt, t+1、GECt, t+1和GTCt, t+1分别表示t期到t+1期农业绿色全要素生产率、绿色技术效率和绿色生产技术的变化情况，其值大于1（小于1）时，表示农业绿色全要素生产率增加（减少）、绿色技术效率改进（恶化）和绿色生产技术进步（退步）。

3.2 指标选取与数据来源

3.2.1 要素投入指标

本文选取土地、劳动力、化肥、农药、农膜、用水和机械作为投入指标。其中，选用农作物总播种面积（千公顷）来代表土地投入，选用农业从业人数（万人）=第一产业从业人数×（种植业总产值/农林牧渔业总产值）来代表劳动力投入，选用农用化肥施用折纯量（万吨）、农药使用量（万吨）、农用塑料薄膜使用量（吨）、有效灌溉面积（千公顷）、农业机械总动力（万千瓦）分别来代表化肥、农药、农膜、用水和机械投入。

3.2.2 期望产出指标

本文选取农业（狭义农业，即种植业）总产值作为期望产出，并以2007 年的价格水平为基期对农业总产值进行平减处理来剔除价格因素影响。

3.2.3 非期望产出指标

考虑到农业污染排放主要为温室气体、水污染和土壤污染排放，本文选用农业碳排放与面源污染排放作为非期望产出。参考李波等[27]的研究，碳排放主要来源于化肥、农药和农膜的生产和使用过程，农业机械生产燃烧的柴油，灌溉消耗的电力以及土壤翻耕导致的碳排放；具体的碳排放估算公式为：

式中：E为总农业碳排放量，Ei为不同碳源碳排放量，Ti为各碳源数量，δi为碳排放系数。

农业面源污染主要包括化肥、农药使用导致的水污染和农药、农膜残留导致的土壤污染。本文借鉴赖斯芸等[28]和梁流涛[29]的单元调查评估方法，结合第一次污染源全国普查系数手册对农业面源污染进行衡量。参考王宝义等[30]的研究，运用熵值法将水污染和土壤污染综合为农业面源污染综合指数。

本文选取的研究对象为2007—2019 年中国31 个省份（港澳台地区除外）的农业绿色全要素生产率。数据主要来源于《中国农村统计年鉴》《中国统计年鉴》及国家统计局与各地方统计年鉴。其中，2019 年辽宁与西藏的第一产业从业人数存在缺失，采用线性插值法进行补全。

3.3 结果分析

分别运用DDF 方法和SBM 方法测得GTFP 变化率，并将其分解为绿色技术效率变化率和绿色技术进步技术率；GTFP 衡量的是资源配置效率和生产技术水平的高低，考虑到两种测算方法各有优劣，为使结果更加合理，对两种方法结果平均得到最终农业GTFP 变化率，具体结果如表1 所示。

表1 2007—2019年中国农业绿色全要素生产率的变化及分解

2007—2019 年中国农业GTFP 呈现持续增长的趋势，年均增长率达到5.7%。具体来看，除2009—2010年GTFP 小幅降低外，其余年份皆有所增长，且增长率呈逐年攀升趋势，这说明近年来中国积极推动农业绿色发展，取得了一定成效，农业可持续发展水平显著提升。从GTFP 变化率的分解来看，GTFP 增长的主要来源是技术进步，年均增长率达到6.7%，这证明中国农业绿色生产技术有了长足的发展和进步；但技术效率平均来看有所下降，这说明中国农业生产仍存在要素过度投入问题，在资源配置与利用效率的提高方面还有较大空间。分区域来看，西南地区农业GTFP 增长最快，华北地区和中南地区农业GTFP 增长相对较慢。西南地区农业生产相对落后，在引进新技术后农业GTFP 实现了快速增长，由此可见，中国西南地区农业绿色发展潜力较大。从两种方法结果对比来看，超效率SBM 方法比DDF 方法测得的GTFP 更高，但最终得到的GTFP 增长的趋势与组间差异基本相同，结果较为可靠。

4 环境规制对农业绿色全要素生产率的影响

近年来，中国大力倡导绿色发展理念，通过各种政策工具进行环境规制，引导农业走向可持续发展，中国农业GTFP 也实现了持续增长。但由于环境规制同时存在着“遵循成本”和“创新补偿”效应，环境规制对中国农业GTFP 的最终影响还未可知，本文将运用双向固定效应模型进行实证研究。

4.1 模型设定

为解决遗漏变量问题，同时考虑到个体效应与时间效应，本文建立双向固定效应模型研究环境规制对农业GTFP 的影响，具体模型设定如下：

式中：被解释变量GTFPit表示第i个省份第t年的农业绿色全要素生产率，关键解释变量ERit表示第i个省份第t年的环境规制强度，Controlit表示一组控制变量，γt和μi分别表示时间固定效应和个体固定效应，εit为随机误差项。

4.2 变量说明与描述性统计

本文的被解释变量为农业GTFP。考虑到前文中DDF 方法和超效率SBM 方法测得的GML 指数为GTFP变化率，因此将相邻时期GML 指数相乘得到定基指数，来表示每年的农业GTFP，以此反映GTFP 的连续变化情况。此外，同上文得到的平均GML 指数类似，本部分也将两种方法的结果进行平均处理得到最终的GTFP。选取2007—2019 年的农业GTFP 作为研究对象，主要是因为2007 年以来中国农业绿色发展重视程度明显提升，2007 年中央一号文件中明确提出“提高农业可持续发展能力，减少农业面源污染”，且2006 年底开始实施的《中华人民共和国农产品质量安全法》、2008 年修订的《中华人民共和国水污染防治法》都标志着中国农业环境规制强度迈上了新台阶，中国农业也进入绿色可持续发展新阶段。

本文的解释变量为环境规制。环保财政支出作为激励型环境规制工具对减少污染排放、促进经济发展有重要作用[31]，环保财政支出通过绿色生产补贴等形式影响农民绿色生产的选择，所以本文选取农业环保财政支出作为环境规制的代理变量。考虑到数据的可得性，各省份农业环保财政支出用环保财政支出与农业产值占总产值比例的乘积来表示。

中国农业生产具有地域性，除受环保财政支出等环境规制政策影响外，还受各地自然条件、技术条件、社会发展情况等因素影响，因此本文选取受灾率、种植结构、生产规模、人力资本、区域经济发展水平、城镇化水平、对外开放水平和机械化水平作为控制变量，以减少遗漏变量产生的影响。受灾率用受灾面积与总作物播种面积之比表示，自然灾害会造成农业减产损失，进而对农业GTFP 产生负向影响。种植结构用粮食播种面积与总作物播种面积之比表示，经济作物种植可以增加农户收益，而粮食作物需要投入大量化肥、农药，造成了更多环境污染，进而影响农业GTFP。人力资本用劳动力平均受教育年限表示，具体方法是将受教育程度进行量化赋值后加权平均所得，一般而言，劳动力受教育水平越高，更有利于掌握生产技术，促进农业GTFP 增长。经济发展水平用地区人均国内生产总值表示，经济发展水平越高越有利于为农业提供高质量要素与服务，从而利于农业发展和GTFP 增长。城镇化水平用城镇人口占总人口之比表示，城镇化水平的提升促进了农村剩余劳动力向城市转移，提升了劳动和耕地的生产效率[32]。贸易开放水平用农产品进出口总额占农业生产总值比重表示，一方面，农产品贸易将国外先进生产技术引进到国内，利于农业GTFP 增长；另一方面，农产品出口增加导致国内生产投入与污染产出增加，农产品进口会与本国农产品形成竞争，产生负向溢出效应，不利于农业GTFP 增长[33]；机械化水平用单位机械密度表示，机械化使用能提升生产效率，但是机械使用会造成更多环境污染不利于农业GTFP 的增长。

本部分数据主要来源于《中国环境统计年鉴》《中国统计年鉴》《中国农村统计年鉴》和国家统计局，农产品进出口总额数据来源于《中国进出口月度统计报告》，劳动力受教育水平来源于中国人力资源和社会保障部。各变量描述性统计如表2 所示。

表2 变量描述性统计

4.3 实证分析

本文选取2007—2019 年全国31 个省份数据，根据前文中测算得出的DDF-GTFP 和SBM-GTFP 以及二者平均得到的GTFP，分别建立方程进行实证检验，回归结果如表3 所示，三个模型中各解释变量对GTFP 影响方向与显著性基本一致，回归结果较为稳健。此外，三个固定效应模型皆在1%水平下通过了豪斯曼检验，因此最终选用双向固定效应模型。

表3 环境规制对农业绿色全要素生产率的影响

具体来看，环境规制对中国农业GTFP 存在显著正向作用，符合“波特假说”内容，即环境规制带来的“创新补偿”效应要大于“成本遵循”效应，这证明“波特假说”在中国农业领域同样适用，环境规制优化投入资源配置、提升农产品质量、减少污染排放带来的收益，要大于农业绿色生产与污染治理带来的成本增加。这说明近年来中国以环保财政支出为代表的环境规制，有力推动了农业技术进步，减少了农业污染排放，改善了生态环境，明显提升了农业绿色可持续发展水平。此外，这也说明以环保财政支出为代表的激励型环境规制有助于激励农民进行绿色生产、减少污染排放从而利于农业绿色发展和生态环境改善。

从其他控制变量来看，受灾率对农业GTFP 产生显著负向影响，自然灾害给中国农业生产造成较大损失，同时也破坏了生态环境；区域经济发展水平对农业GTFP 产生了显著正向作用，二三产业快速的发展有助于反哺农业，为农业提供高质量生产要素与现代化服务，推动了农业GTFP 增长；城镇化水平对农业GTFP产生显著正向影响，城镇化水平提升利于农村过剩劳动力转移、提升了资源利用效率，促进了农业GTFP 增长；贸易开放水平对农业GTFP 影响显著为负，贸易开放对于国内农业造成了冲击，同时农产品出口规模扩大增加了化肥、农药等生产要素的投入和污染排放，对农业GTFP 产生不利影响；机械化对农业GTFP 影响为负，机械化可以提高农业生产效率，但农用机械耗用柴油会造成更高污染排放，不利于农业GTFP 的提升。

4.4 稳健性检验

考虑到环境规制与当期农业绿色生产可能存在互为因果的关系，即增强环境规制会减少污染排放，而农业污染排放过多则会倒逼政府加强环境规制。为解决这种内生性问题，本文选取前一期环境规制作为解释变量进行稳健性检验。为解决面板数据的异方差与自相关问题，本文选取Bootstrap 方法进行稳健性检验。稳健性检验所得结果如表4 所示，与上文所得结论一致：环境规制会显著促进农业GTFP 的增长；而其他控制变量的符号和显著性与上文结果也基本一致，证明结果具有稳健性。

表4 稳健性检验

5 结论与政策启示

本文基于中国2007—2019 年31 个省份面板数据，分别运用非导向DDF 与超效率SBM 结合GML 指数的方法，对包含面源污染与碳排放两项非期望产出的农业GTFP 进行了测算；在分析了环境规制对于农业GTFP作用机制的基础上，建立双向固定效应模型实证检验了环境规制对农业GTFP 的影响，得到以下结论：第一，2007—2019 年中国农业GTFP 呈现快速提高趋势，且GTFP 增长主要来源于农业技术进步，技术效率则普遍不高甚至出现持续恶化现象；第二，不同地区农业GTFP 存在差异，西南地区增长最快，而华北地区和中南地区增长相对较慢，其原因为西南地区农业生产技术相对落后，拥有后发优势；第三，环境规制对中国农业GTFP 增长有着显著促进作用，环境规制利于推动农业绿色生产技术进步，同时较少了农业污染排放，提升了中国农业绿色发展水平；第四，中国农业GTFP 还受其他因素影响，经济发展水平与城镇化水平的提高都有利于中国农业GTFP 增长，而自然灾害的发生、贸易开放造成的竞争和污染增加、高污染机械的使用则不利于中国农业GTFP 的增长。

根据上述结论，得到以下政策启示：第一，中国在稳步推进农业发展绿色转型时，不光要注重农业绿色技术的进步，还要重视农业技术效率的提升，优化资源配置的同时提高要素集约化利用水平，推动农业高质量发展；第二，加强地区间农业合作，将先进农业技术引进推广到技术落后的西部地区，实现区域联动发展；第三，合理运用环保财政支出等市场激励型工具，结合命令控制型政策类手段引导农业生产向绿色可持续发展转型，同时注重绿色生产环保宣传，提升农户环保意识与清洁生产意愿；第四，完善农业保险制度，提高其普及率，研发高抗性新品种，以削弱自然灾害造成的损失；第五，扩大绿色高质量农产品生产，增强国际竞争力，以应对贸易开放带来的挑战；第六，加强对环境友好型机械的研发与推广，加快对高消耗高排放农业机械的替代，实现提高农业生产效率同时减少污染排放。