福建农业低碳发展的动态演进及区域空间差异

朱松平,叶婉琼

(三明学院 经济与管理学院,福建 三明 365004)

习近平总书记在第七十五届联合国大会上宣布,中国力争于 2030年前二氧化碳排放达到峰值,努力争取 2060年前实现碳中和目标。“十四五”时期是碳达峰的关键期、窗口期,国务院相继发布重要文件,把降低碳排放量作为重要的战略目标,推进我国经济社会实现全面绿色低碳发展。国家重视农业发展,将“三农”问题列为当前工作的首要任务。党的二十大报告也提出,要全面推进乡村振兴,坚持农业农村优先发展,加快建设农业强国。

低碳农业是一种在农业生产过程中,通过采取各类措施来减少碳排放并降低碳足迹的农业模式,致力于减少农业活动中温室气体的排放,倡导农业生产中可再生能源的利用,强调农业碳汇功能的发挥,维护农业生态系统的多样性。低碳农业追求经济、社会和环境的可持续发展,可以帮助农业部门适应气候变化并减少对环境的不利影响,对于实现可持续农业发展目标有促进作用,可以提高农产品质量和可持续供应,同时增进农民经济福祉和社会可持续发展。

福建地处东南沿海,以丘陵地貌为主,地形复杂、地理特征突出,具有山海优势,且气候温和、降水充足,适宜发展农业。福建农业产值从2002年的1 125.29亿元增长到2021年的5 200.97亿元,农业经济进步显著,但仍存在生产方式粗放、耕地资源稀缺、农田基础设施薄弱、地区间发展差异大等突出问题,在农业基础建设、农业产业结构优化等方面存在很大的提升空间。对福建地区的农业低碳发展趋势进行探析具有显著意义:有关福建地区低碳农业范畴的实证研究较少,通过实证对福建低碳农业进行分析可以弥补这一方面的不足;另外,能够为地方政府制定农业发展策略提供方向,推进各地区资源科学配置,助力农业产业结构升级,进而助推福建农业高质量发展。

一、文献综述

我国在农业生产中广泛而大量使用石化产品[1]71-74,农业碳排放量占国内排放总量的17%左右,助推农业减排固碳,是实现我国碳达峰、碳中和的重要举措[2]1-10。发展低碳农业是我国发展低碳经济的必然要求,有助于缓解农业发展的资源环境压力、实现农业可持续发展、提升我国农业竞争力[3],现代农业的发展增加了温室气体等废弃物排放,低碳农业要求现代化农业装备结合低碳排放理念提高技术标准,在农业现代化进程中发展低碳农业,协助解决我国农民增收、农业增长、农村稳定的“三农”问题[1]1-10。

农业碳排放水平关乎低碳农业发展走向,Arun等[4]1-15、卢奕亨等[5]1-14、王树芬等[6]1-18、曾大林等[7]30-35研究表明农业发展水平与农业碳排放呈“倒U型”关系,因此对农业碳排放水平进行测度有其必要性。学术界针对影响农业碳排放的因素进行了大量研究,并取得了丰富的成果。国外学者对农业碳排放水平的探讨主要从农业发展和经济政策两方面展开。一是农业发展层面,Lehtonen等[8]1-13、Anuga等[9]1-18研究认为农业碳排放影响因素主要集中在土地利用方面。而Sharma等[10]1-20认为农林复合系统能增加陆地生态系统的碳固存并减少碳排放。二是经济政策层面,Leandro和Laerte[11]606-673认为信贷状况、政府决策会影响农业低碳排放。相比之下,国内学者针对农业碳排放水平影响因素的研究更细化,主要从经济和政治等大环境因素、产业类型因素和农业生产资料因素(如化肥、农膜、秸秆等)方面展开探讨。卢奕亨等[5]1-14、常青等[12]367-377、韦沁等[13]318-325、曹俊文和曹玲娟[14]66-68等学者认为农业碳排放水平受经济和社会两个层面影响,经济层面包括农业产业结构、生产效率等因素,政治层面则包括农业财政补贴等因素,这些因素对农业碳排放的影响既有正向也有负向。根据产业进行划分,畜牧业和种植业被认为是农业碳排放的重要源头。王树芬等[6]1-18、朱舰伟等[15]20-28、高标等[16]13-18认为畜牧业平均碳排放量稍高于种植业。从农业生产资料角度来看,以曹俊文和曹玲娟[14]66-68为代表的大部分学者认为化肥对农业碳排放的贡献程度较高,曾大林等[7]30-35指出农膜也是农业碳排放的主要源头之一,朱舰伟等[15]20-28认为秸秆焚烧也是农业碳排放的重要组成部分。

农业低碳效率是一个重要的评价指标,它可以用来衡量农业生产对资源与环境的影响,能够反映区域农业低碳发展水平。大多数学者通过借助数据包络法和超效率SBM等模型测算低碳效率。为了解决效率值在时间上的连续性和可比性,相关模型逐渐拓展为Malmquist-Luenberger(ML)指数、Global-Malmquist Luenberger(GML)指数、SSBM-ESDA模型、SBM-Undesirable扩展模型等。潘丹和应瑞瑶[17]3837-3845、安增龙和梁佳禾[18]193-196利用非径向非角度 SBM模型测度了农业生态效率,并提出改善农业生态效率的建议;田云和张俊飚[19]1-7、詹礼辉等[20]60-63、曹俊文和曾康[21]115-119运用DEA-Malmquist模型测算了农业碳排放效率,并对区域农业生态率的空间分布进行检验,认为农业技术进步是低碳农业发展的增长源泉。李波和胡豹[22]1004-1008、徐峰等[23]70-78学者以超效率SBM模型为基础,利用GML指数研究了生态效率的时空变化特征;王海飞[24]175-183借助超效率SSBM模型,结合探索性空间数据分析(ESDA)方法,对农业效率水平、空间格局及其演变趋势进行了实证分析;王宝义和张卫国[25]11-19采用SBM-Undesirable扩展模型,测算了农业生态效率,并将效率值进行了分解。

在前人研究成果的基础上,本文从指标设置、研究角度和方法选取等方面,改进了福建低碳农业研究中的一些不足。第一,在产出中引入碳汇和碳排放指标,构建低碳效率指标评价体系,选择超效率SBM模型对福建9地市2002—2021年的农业低碳效率进行估算,较为全面、客观地衡量了福建低碳农业发展水平;第二,运用 GML 指数模型从时间维度对福建农业低碳发展演进特征进行描述,探究其变化规律;第三,从空间维度上对各地区间低碳农业发展水平的差异进行探讨,借助ArcMap软件绘制低碳区域空间差异分布图,从而更加直观地展现了农业低碳发展水平的地区差异。

二、研究方法

(一)超效率SBM模型

本文通过测度农业生态效率来反映低碳农业发展水平,借助Tone[26]32-41提出的含非期望产出的超效率SBM模型对2002—2021年福建地区9地市的农业低碳效率进行测算。与传统DEA模型相比较,超效率 SBM模型是一种非角度、非径向的 DEA模型,在评估效率时,将松弛变量纳入目标函数中,对投入产出松弛问题及其引起的效率测量偏差进行了限制。本文构建的包含非期望产出的SBM模型具体如下:

其中,ρ表示被评价的DMU的效率值,包含了非期望产出的效率值,当且仅当s-=s+=sb-=0时,ρ=1;l和n表示期望产生和非期望产出的数量,s-表示投入的松弛数量;s+表示非期望产出的松弛变量,sb-表示非期望产出过剩,yr和bk是每个决策单元中的期望产出和非期望产出,λ表示DMU的线性组合系数。

(二)GML指数模型

Pastor和Lovell[27]266-271在 Malmquist指数基础上构建了GML指数模型,解决了方向距离函数无可行解的问题,将第t期的GML指数定义为:

这里,GMLt,t+1(at,bt,ct,at+1,bt+1,ct+1)表示相邻两期决策单元的低碳效率比值,ECt,t+1表示技术效率变化,TCt,t+1表示技术进步。当GMLt,t+1、ECt,t+1、TCt,t+1均大于1时,则第t+1期的低碳效率、技术效率和技术进步得到提升;当GMLt,t+1、ECt,t+1均小于1时,则第t+1期的低碳效率、技术效率、技术进步发生退步。

三、指标选取及数据来源

(一)指标选取

1．农业碳汇指标

当前,林地、草地碳汇的测算尚未形成统一标准,结果相差较大,且这两者的碳汇功能相对平稳,而种植业的碳汇相对活跃,研究其碳汇更具参考价值[28]1-82。同时,考虑数据的易获得性,本研究中的碳汇计算只考虑农作物生长周期的碳汇总量,不考虑同样具有碳汇功能的林地以及草地。农业碳汇是指农作物光合作用形成的净初级生产量[29]1298-1309,计算式表示为:

其中:C是农作物碳吸收总量;Ci表示某种农作物的碳吸收量;k表示农作物种类数,ci为作物通过光合作用合成单位有机质所需吸收的碳;Yi表示作物的经济产量;r表示作物经济产品部分的含水量;HIi表示农作物经济系数,福建主要农作物经济系数和碳吸收率如表1所示。

表1 福建主要农作物经济系数与碳吸收率

2．农业碳排放指标

结合福建地区9地市的具体情况,从农业生产物资投入、水稻种植、畜禽养殖等3个方面对农业碳排放量进行全面测度。参照田云和张俊飚[29]1298-1309的研究,构建如下农业碳排放测算公式:

式(4)中,E表示农业生产碳排放总量,Ei为各类碳源碳排放量,Ti为各碳排放源(农业生产投入碳排放和畜禽养殖)的量,δi为各碳排放源(农业生产投入碳排放和畜禽养殖)的碳排放系数。其中,水稻种植碳排放参考李苒[30]77-82的研究,测算公式如下:

式(5)中CH(4-水稻)为稻田CH4排放量,EF水稻为稻田单位面积CH4季节排放量,A水稻为福建各地市的水稻年播种面积。

(1)农业生产投入碳排放

借鉴李孝忠等[31]33-42关于农业碳排放源的选取方法,本文选取的农业生产投入碳源指标主要包括化肥、农药、农用塑料薄膜、农用柴油、农村用电、农业机械、土地翻耕、农田灌溉,因福建9地市农田灌溉相关数据缺失较多,故本文不考虑农田灌溉活动所产生的碳排放。具体指标系数如表2所示:

表2 农业生产投入碳排放系数

(2)水稻种植碳排放

参照李苒[30]77-82的计算结果,根据我国水稻(早稻、中稻和晚稻)单位面积甲烷(CH4)季节排放量平均值计算福建9地市稻田CH4排放量,具体系数如表3所示:

表3 水稻种植碳排放系数

(3)畜禽养殖碳排放

福建地区畜禽养殖的碳排放主要来源于猪、牛、羊、家禽等主要畜禽的养殖活动,其肠道发酵、粪便发酵过程中产生大量CH4,粪便排泄导致二氧化氮(N2O)排放,参照尚杰等[32]354-364的研究,以各地市畜禽养殖情况为主,估算出畜禽养殖活动所产生的碳排放量,本文畜禽养殖碳排放系数如表4所示:

表4 畜禽养殖碳排放系数

3.农业低碳效率评价指标

本文选取农业投入指标主要包括:一是人力资本投入。选取各地市年末乡村从业人员作为人力资本投入替代指标,单位为人。二是土地资源投入。选择各地市农作物播种面积为土地资源替代指标,单位为公顷。三是农用机械投入。以各地市每年的农业机械总动力为准,单位为万千瓦。四是农业生产物资投入。以各地市化肥施用量(折纯量)、农药使用量、农用塑料薄膜使用量为准,单位均为吨。

农业产出指标包含期望产出与非期望产出两种。其中,期望产出指标包括农业经济产出和农业生态产出,非期望产出为碳排放[19]1-7。用各地市的广义农业总产值即农林牧渔业总产值代表农业经济产出,单位是万元。在此基础上,选取了以吨为单位的农业碳汇作为农业生态产出。以农业生产活动中所产生的碳排放量衡量非期望产出,单位为吨。构建指标体系如表5所示:

表5 低碳农业低碳效率评价指标

(二)数据来源

选取2002—2021年福建省9地市为研究对象,数据来源于各地市统计局、各地市相关年份统计年鉴、统计公报以及《福建统计年鉴》《中国区域经济统计年鉴》《中国城市统计年鉴》等,少量缺失数据用插值法和移动平均法进行补齐。

四、实证结果分析

(一)农业碳汇的测算结果与分析

从图1可以看出,2002—2021年福建农业碳汇总量呈现下降趋势。2002—2007年碳汇总量出现小波动,其中2003—2005年呈小幅度上升,而后开始急剧下降;与2005年相比,2006年的碳汇总量下降明显,降幅达到10.6%。2008—2016年的碳汇总量呈平稳下降趋势,总体降幅为16.9%。2017—2021年的碳汇总量波动较小,稳定在485万吨～495万吨之间。这反映出福建农业碳汇功能不仅没有随着农业经济的发展得到充分的发挥,反而有所下降。

2002—2021年福建各地市之间碳汇总量差异明显,大多数地市碳汇总量波动下降后趋于平稳,碳汇总量从大到小排序依次是南平市、三明市、龙岩市、漳州市、福州市、泉州市、宁德市、莆田市以及厦门市。南平市以105.8万吨的碳汇总量位居第一,厦门市碳汇总量为7.4万吨,位居第九,见表6。

表6 2002—2021年福建地区各地市碳汇总量及均值 单位:万吨

(二)农业碳排放的测算结果与分析

如图2所示,福建地区农业总碳排放量在整体上呈现增加态势,2002—2007年农业碳排放总量呈先上升后下降的趋势,且存在明显的阶段性;2007—2016年碳排放总量持续上升,升幅达到44.3%,2017—2021年的碳排放总量呈现缓慢上升趋势,增速较慢,增幅为9.1%。

从图3碳排放源上看,农业生产投入产生的碳排放总体呈上升趋势,畜禽养殖碳排放为波动上升,水稻种植所产生的碳排放占比极低且趋于稳定。农业碳排放主要来源于农业生产投入和畜禽养殖碳排放,二者碳排放占比存在一定的波动,2007—2021年畜禽养殖碳排放占比最高,2007—2021年农业碳排放结构发生变化,农业生产投入碳排放占比反超畜禽养殖碳排放,其原因可能是福建在农业的生产中加大了投入,碳排放也有所增加。

从表7区域空间差异角度看农业碳排放,福建省各地市农业碳排放在时间上的变动并不大,但地区间存在明显差异。厦门市的农业碳排放总量在波动中呈下降趋势,而福州市、莆田市、泉州市、漳州市、龙岩市、南平市、三明市、宁德市的农业碳排放总量在波动中出现了增加。2002—2021年间各地区平均碳排放量从小到大的排名为厦门市、莆田市、三明市、宁德市、漳州市、龙岩市、南平市、福州市、泉州市,其中排在第一位的泉州市农业平均碳排放量约为391.8万吨,相当于厦门市平均碳排放的10倍,空间差异明显。这主要与厦门市的产业结构有关,厦门市地域空间较小,农业并非厦门市主导产业,经济总量占比低,故而农业碳排放也较少。

表7 2002—2021年福建地区各地市碳排放总量及均值 单位:万吨

(三)农业低碳效率的动态演进——GML指数分析

GML指数测算结果如表8所示,2002—2021年福建整体GML指数均值为1.002,表明农业低碳效率呈现上升趋势,中间出现波动,增长幅度为36.6%,但年均增长率仅有1.8%,增长速度略显缓慢;从GML的分解指数EC和TC的均值来看,技术效率指数EC的均值为1.007,2002—2021年间增长幅度为34.2%,年均增长率为1.7%,增速缓慢;技术进步指数TC均值为0.995,小于1,呈现退步态势,2002—2021年间增长幅度为1.7%,与技术效率指数的差异明显,仅等于技术效率的年增长率。这表明福建农业低碳效率主要依赖于技术效率的提升,同时也说明,福建农业技术进步还有很大的提升空间,在推进农业可持续发展的过程中,不仅要注重提高技术效率,更要促进农业技术水平的进步。

表8 GML指数及其分解值

续表8

从时间序列的演变来分析,2002—2007年的起伏波动较大、农业低碳效率变化明显,2004年的GML指数达到峰值1.079,谷值则为2006年的0.722,技术效率指数和技术进步指数均小于1,两者的同步恶化导致了农业低碳效率的大幅滑坡;2008—2016年,GML指数态势平稳,农业生产效率变化波动较小,稳定在1附近,但整体表现为退步趋势,仅2009、2011年的GML指数大于1;2017—2021年表现为波动上升,其GML指数均大于1,其中2017年增速最快,增速为17.1%,其增长得益于农业生产的技术进步。

图4为福建农业GML指数及其分解图,可以看到福建农业GML指数围绕1上下波动。具体为,2003—2015年的GML指数的变动趋势与TC技术进步指数大致相同,而EC技术效率指数的波动较为平稳,这表明农业技术进步指数对农业低碳效率的影响较大,起到了决定性作用,而技术进步对农业低碳效率的带动作用有限。2016年开始,农业技术进步指数开始波动上升,而农业技术效率指数反向波动,由于福建农业GML指数的增长依靠农业技术进步所提供的支持,其GML指数仍有上升趋势。由此可见,农业低碳效率在技术效率不断波动的情况下可以平稳甚至有所增加,农业技术的进步对于农业低碳效率增长的效应足以缓冲技术效率波动所带来的农业低碳效率下降。

(四)区域空间差异比较

福建各地市农业GML指数如表9所示,根据区位特征将福建划分为闽东、闽南、闽西、闽北4个区域,其中,将莆田纳入闽东地区。分区域来看,2002—2021年闽东、闽南、闽西、闽北的农业GML指数平均值均大于1,农业低碳效率整体上呈现上升的趋势,这与前文的测算结果保持一致。各区域的GML指数起伏波动明显,闽西地区的波动幅度最大,最高值达到1.354,最低值仅有0.591,两者相差一倍多。各区域GML指数平均水平排序为闽东>闽北>闽西>闽南。

通过均值进行比较,各地市GML指数的排序大致为:福州市>漳州市>龙岩市>南平市>莆田市>三明市>厦门市>宁德市>泉州市。观察GML指数的变动趋势,各地市GML指数变动幅度有明显差别,福州市波动幅度最大,最大值高达2.222,最小值仅有0.923;起伏较小的是厦门市,最大值为1.342,最小值则是0.855,这表明各个地市之间的农业低碳效率存在显著差异。福州市、莆田市、厦门市、漳州市、龙岩市、三明市和南平市的GML指数平均值均大于1,说明这7个地市农业低碳发展呈现进步的态势,其中福州市的GML指数均值最大,达到1.082;而泉州市和宁德市GML指数小于1,分别为0.970和0.992,说明农业低碳发展水平在下降,与农业低碳效率进步的地市差异较大。

表9 福建各地市农业GML指数

2002—2021年福建农业低碳效率测算结果如表10所示。福建农业低碳效率区域之间差异大,发展不平衡。从均值来看,厦门市以0.985的农业低碳效率排名第一,而泉州市的农业低碳效率仅有0.573,排名第九。厦门市在农业生产中注重碳减排,农业碳排放较少,因此农业低碳效率也较高。

表10 福建地区农业低碳效率

福建农业低碳效率区域空间差异明显,采用等间距法将低碳效率值划分为低效率型(0.4～0.6)、中效率型(0.6～0.8)、高效率型(0.8～1.0)、超效率型(1.0 以上)[24]。利用ArcMap软件生成福建农业低碳效率空间分布图,比较 2002年、2006年、2011年、2016年和2021年5个节点各地区的农业低碳效率,结果如图5所示。

观察各个空间分布图可以发现,闽西、闽北地区的农业低碳发展水平高于闽东、闽南地区,农业低碳效率一直处于中、高效率型,且地区间相对稳定、差异较小。闽东地区农业低碳效率总体上高于闽南地区但低于闽西、闽北地区,处于中间水平,3地市之间低碳农业发展水平存有差异,波动明显。闽南地区内部低碳农业发展不平衡,相较于厦门市,漳州市、泉州市低碳农业发展相对落后。闽东、闽南地区主要以第二、第三产业为主,因而低碳农业水平与其他地区存在一定差距。

2003年福建低碳农业发展水平存在明显差异,三明市、莆田处在领先地位,其次是泉州市和厦门市,其余5地市均为中效率型,呈现“中间高、两头低”。从区域层面来看,闽北地区的农业低碳效率低于闽东、闽南、闽西地区。与2003年相比,2007年福建整体低碳农业发展水平略有下滑,闽南地区的农业低碳效率优于其他地区,各地市除厦门市为高效率型外,其余地区均为中、低效率型,莆田市农业低碳效率由原本的超效率型变为低效率型,低碳农业发展水平严重下降,原因是当地在农作物播种面积减少的同时,农业生产中化肥、农药等的投入使用有所增加,碳排放也随之大幅增加。2012年纵观各地区可以发现,闽西、闽北的低碳农业发展水平相当,仍为中效率型,闽南地区的低碳农业发展被泉州市、漳州市农业低碳效率的下降所制约,因而产生退步现象;闽东地区低碳农业发展虽然得到改善,但依旧和其他地区存在差距。2017年福建农业低碳发展水平有所上升,4区域农业低碳发展水平大致排名为闽北>闽西>闽南>闽东。2021年,闽西、闽北地区均为超效率型,总体而言高于闽东、闽南地区,但宁德市与泉州市的农业低碳发展水平低于其他地市,尤其是泉州仍处于低效率型。

五、结论与建议

本文基于福建2002—2021年的地市面板数据,构建了评价农业低碳效率的指标体系,估量整体碳排放总量和碳汇总量的变动趋势,利用非径向超效率SBM与GML指标模型,研究了不同决策单元的低碳农业生产效率,结论如下:

第一,福建各地区间的碳汇总量和碳排放量差异明显,整体在农业碳汇下降后趋于平稳,农业总碳排放量整体呈上升态势,二者的增长呈反比。随着福建农业经济的发展,农作物的碳汇总量不增反减,这说明当前福建碳汇功能的发挥存在很大的提升空间。第二,福建农业低碳效率总体呈现上升趋势,这主要依赖于技术效率的提升,但实际上,对农业低碳效率起关键性作用的是农业技术进步指数,相比之下技术进步对于农业低碳效率带动作用较小。第三,福建低碳农业发展水平存在明显的区域空间差异,闽西、闽北地区的低碳农业发展整体水平明显高于沿海的闽东、闽南地区,这与福建地区的产业结构有关,闽南地区主要以第二、第三产业为主,因而低碳农业水平与其他地区存在一定差距。闽南地区低碳农业发展不平衡、不稳定,3个地市之间低碳农业发展差异明显,厦门低碳农业水平较领先于漳州、泉州,而泉州的生态农业效率长期处于低效率型,其农业发展模式亟需调整。

基于上述结论,本文提出以下建议。首先,需要鼓励发展生态农业,降低生产性碳投入。福建农业生产离不开农用物资的投入,农业经济增长的同时也伴随着大量的碳排放,农业碳排放主要来源于化肥、农药、农用塑料薄膜、柴油、农村用电、农业机械动力、土地翻耕等农业生产投入和畜禽养殖,而水稻种植所产生的碳排放占比极低。其次,需要加强农业技术创新,促进农业科学发展。目前,农业技术进步在福建省农业低碳效率中的贡献度较低,发展和推广低碳农业技术,能够带来农业低碳效率的较大提升。将农业生产需求与技术应用相结合,也能让农业发展更环保、更科学。最后,不同地市需因地制宜制定农业发展政策,借鉴先进地区发展模式的同时,合理调整产业结构,推动第二、第三产业反哺农业,从而缩小农业低碳效率的区域空间差异。