基于空間效應(yīng)視角的農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)與種植業(yè)面源污染排放的實(shí)證分析*

李 新, 尚 杰

(東北林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院 哈爾濱 150040)

現(xiàn)階段, 中國人口排名居世界首位, 數(shù)量超過14億人, 農(nóng)業(yè)生產(chǎn)環(huán)境是實(shí)現(xiàn)保障全國人民農(nóng)產(chǎn)品需求有效供給與食品安全的必要條件, 是中國農(nóng)業(yè)發(fā)展一直面臨的重要問題。農(nóng)業(yè)資源和環(huán)境要素質(zhì)量是保障農(nóng)業(yè)生產(chǎn)和發(fā)展的基本資源和條件。根據(jù)農(nóng)業(yè)農(nóng)村部公布的數(shù)據(jù), 2019年全國平均秸稈綜合利用率、農(nóng)用地膜回收率分別為84%、60%; 全國農(nóng)藥和化肥使用強(qiáng)度分別為9.0 kg?hm和373.5 kg?hm,其中化肥使用量超世界平均水平3.11倍。種植業(yè)面源污染排放已由原來的單一渠道污染向立體污染格局轉(zhuǎn)化, 農(nóng)業(yè)面源防治工作艱巨。改革開放以來,農(nóng)業(yè)經(jīng)濟(jì)為市場(chǎng)經(jīng)濟(jì)實(shí)現(xiàn)轉(zhuǎn)軌做出突出貢獻(xiàn), 2015年, 全國農(nóng)林牧漁業(yè)總產(chǎn)值首次突破10萬億元,2019年增長(zhǎng)至12.39萬億元, 而自然資源和農(nóng)業(yè)生態(tài)環(huán)境也為之產(chǎn)生污染等嚴(yán)重問題, 引起各界廣泛重視。黨的十九大報(bào)告提出“中國經(jīng)濟(jì)已由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段, 正處在轉(zhuǎn)變發(fā)展方式、優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)、轉(zhuǎn)換增長(zhǎng)動(dòng)力的攻關(guān)期; 強(qiáng)化土壤污染管控和修復(fù), 加強(qiáng)農(nóng)業(yè)面源污染防治, 開展農(nóng)村人居環(huán)境整治行動(dòng)”。2018年《中共中央國務(wù)院關(guān)于實(shí)施鄉(xiāng)村振興戰(zhàn)略的意見》提到“實(shí)施質(zhì)量興農(nóng)戰(zhàn)略; 加強(qiáng)農(nóng)村突出環(huán)境問題綜合治理”。2021年生態(tài)環(huán)境部、農(nóng)業(yè)農(nóng)村部印發(fā)《農(nóng)業(yè)面源污染治理與監(jiān)督指導(dǎo)實(shí)施方案(試行)》, 提出“到2025年, 重點(diǎn)區(qū)域農(nóng)業(yè)面源污染得到初步控制, 農(nóng)業(yè)生產(chǎn)布局進(jìn)一步優(yōu)化, 化肥農(nóng)藥減量化穩(wěn)步推進(jìn)”。多個(gè)綱領(lǐng)性文件均提出優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)和農(nóng)業(yè)面源污染防治的問題。中國作為發(fā)展中國家, 如何實(shí)現(xiàn)協(xié)調(diào)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)與農(nóng)業(yè)環(huán)境問題是實(shí)現(xiàn)我國經(jīng)濟(jì)由“粗放型”高速增長(zhǎng)轉(zhuǎn)向“集約型”高質(zhì)量發(fā)展的關(guān)鍵之一。

隨著農(nóng)業(yè)面源污染問題愈加引起各界關(guān)注, 眾多國內(nèi)外學(xué)者從不同視角對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)與農(nóng)業(yè)面源污染問題進(jìn)行深入研究。Grossman和Krueger1991年首次提出了環(huán)境庫茲涅茨曲線(EKC)假說,他們認(rèn)為經(jīng)濟(jì)增長(zhǎng)與污染排放呈現(xiàn)出先升后降的 “倒U”型曲線特征, 在經(jīng)濟(jì)發(fā)展到一定水平前, 經(jīng)濟(jì)的增長(zhǎng)必然伴隨環(huán)境污染的增加, 隨后環(huán)境污染會(huì)隨著經(jīng)濟(jì)的增長(zhǎng)而得到改善。隨后, 國內(nèi)外學(xué)者通過選取不同的農(nóng)業(yè)污染排放指標(biāo)進(jìn)行環(huán)境污染與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系驗(yàn)證, 檢驗(yàn)農(nóng)業(yè)面源污染與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)間是否存在“環(huán)境庫茲涅茨曲線”, 研究結(jié)果尚未達(dá)成統(tǒng)一認(rèn)識(shí)。近幾年, 部分學(xué)者將農(nóng)業(yè)環(huán)境的空間依存關(guān)系列為影響因素之一, 進(jìn)行經(jīng)濟(jì)增長(zhǎng)影響相關(guān)研究。吳義根等利用探索性空間數(shù)據(jù)分析方法討論了農(nóng)業(yè)面源污染的空間相關(guān)性, 結(jié)果表明農(nóng)業(yè)面源污染表現(xiàn)出明顯的空間相關(guān)性。沈能和王艷以農(nóng)藥投入作為農(nóng)業(yè)污染排放的主要指標(biāo), 采用空間面板模型考察中國農(nóng)業(yè)環(huán)境的EKC特征及空間效應(yīng), 發(fā)現(xiàn)EKC在中國能夠得到支持, 但是不同區(qū)域所處階段不同, 農(nóng)業(yè)污染排放呈現(xiàn)出空間集聚的特征。曹俐等以農(nóng)業(yè)面源污染為研究對(duì)象, 采用空間杜賓模型進(jìn)行EKC實(shí)證分析, 探究農(nóng)業(yè)面源污染的空間自相關(guān)情況及其與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系和影響因素。目前來看, 農(nóng)業(yè)面源污染與經(jīng)濟(jì)增長(zhǎng)相關(guān)研究已取得較多成果, 但運(yùn)用空間計(jì)量經(jīng)濟(jì)模型進(jìn)行農(nóng)業(yè)面源污染與經(jīng)濟(jì)增長(zhǎng)的研究較少, 且現(xiàn)有研究選取的農(nóng)業(yè)面源污染對(duì)象過于寬泛或比較單一, 缺少針對(duì)種植業(yè)面源污染直接相關(guān)的研究。農(nóng)業(yè)面源污染的環(huán)境治理工作具有非常重要的戰(zhàn)略意義。加快農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)依舊是現(xiàn)階段農(nóng)民致富和國家從農(nóng)業(yè)大國轉(zhuǎn)向農(nóng)業(yè)強(qiáng)國的必要手段, 因此, 解決農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)與農(nóng)業(yè)環(huán)境問題的矛盾是中國農(nóng)業(yè)發(fā)展面臨的必然問題?；诖? 本文選取2000—2019年全國31個(gè)省(市、自治區(qū))(不包括香港、澳門、臺(tái)灣)的面板數(shù)據(jù), 科學(xué)認(rèn)識(shí)中國省域單元間種植業(yè)面源污染內(nèi)在空間交互性的同時(shí), 結(jié)合空間緯度進(jìn)一步考察中國種植業(yè)面源污染與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系。以期從空間視角分析種植業(yè)面源污染的影響因素, 為開展種植業(yè)面源污染防治提供決策依據(jù), 實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)環(huán)境可持續(xù)利用, 促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)。

1 研究方法與模型構(gòu)建

1.1 研究方法

1.1.1 等標(biāo)污染負(fù)荷法

因污染物特征不盡相同, 對(duì)環(huán)境產(chǎn)生的效益影響無法統(tǒng)一衡量, 為了在統(tǒng)一尺度下量化和評(píng)價(jià)不同的種植業(yè)面源污染物, 本文采用等標(biāo)污染負(fù)荷法測(cè)度種植業(yè)對(duì)環(huán)境產(chǎn)生影響的污染物排放總量,即分別計(jì)算氨氮(NH-N)、化學(xué)需氧量(COD)、總氮(TN)、總磷(TP)單位時(shí)間排放的含該污染物的廢水等標(biāo)體積。種植業(yè)面源污染物等標(biāo)排放量計(jì)算過程如下：首先, 根據(jù)清單分析法確定種植業(yè)面源污染物的產(chǎn)污單元, 確定各地區(qū)農(nóng)用化肥NH-N、TN、TP的排放系數(shù), 確定秸稈的COD、TN、TP的排放系數(shù)。其次, 在計(jì)算出4類種植業(yè)面源污染物排放量的基礎(chǔ)上, 應(yīng)用等標(biāo)污染負(fù)荷法計(jì)算種植業(yè)面源污染物的等標(biāo)排放量。

某地區(qū)污染源i排放的污染物j的等標(biāo)污染負(fù)荷(P)為:

式中: P為某地區(qū)第i個(gè)污染源第j個(gè)污染物的等標(biāo)污染負(fù)荷(m?a), M為第i個(gè)污染源第j個(gè)污染物的排放量(kg), c為第j個(gè)污染物的評(píng)價(jià)標(biāo)準(zhǔn)(mg?L)。

某地區(qū)污染物j的等標(biāo)污染負(fù)荷(P)為:

式中: P為某地區(qū)第j個(gè)污染物的總等標(biāo)污染負(fù)荷(m?a), n為該地區(qū)污染源總數(shù)。

1.1.2 探索性空間數(shù)據(jù)分析

探索性空間數(shù)據(jù)分析(exploratory spatial data analysis, ESDA)是空間計(jì)量經(jīng)濟(jì)學(xué)的重要技術(shù)。應(yīng)用探索性空間數(shù)據(jù)分析進(jìn)行空間數(shù)據(jù)的空間關(guān)聯(lián)分析, 探究中國省域間種植業(yè)面源污染排放特征的區(qū)域結(jié)構(gòu)形態(tài)。應(yīng)用python編程實(shí)現(xiàn)省域種植業(yè)面源污染的空間數(shù)據(jù)的全局性空間自相關(guān)分析, 探索省域種植業(yè)面源污染的集聚變化特征。應(yīng)用全局莫蘭指數(shù)(Moran’s I)測(cè)度全國省域間種植業(yè)面源污染變量的空間集群相關(guān)情況, 全局莫蘭指數(shù)計(jì)算式如下:

對(duì)全局自相關(guān)莫蘭指數(shù)結(jié)果進(jìn)行Z值顯著性統(tǒng)計(jì)檢驗(yàn), 計(jì)算式如下:

式中: Var(I)為莫蘭指數(shù)的理論方差, E(I)為莫蘭指數(shù)的理論期望。如果Z(I)＞0且通過 Z值顯著性的統(tǒng)計(jì)檢驗(yàn), 則說明中國省域間種植業(yè)面源污染排放在空間分布上具有顯著的正相關(guān)性。

1.1.3 空間杜賓模型

空間杜賓模型(spatial Durbin model, SDM)是空間面板回歸中常用的空間計(jì)量模型, 其特點(diǎn)是同時(shí)兼顧考慮被解釋變量與解釋變量的空間滯后效應(yīng)與誤差效應(yīng), 是空間滯后模型(spatial lag model, SLM)和空間誤差模型(spatial error model, SEM)的更一般形式。其一般表達(dá)式為:

式中: Y、X分別為被解釋變量與解釋變量, β、θ表示待估系數(shù), W表示空間權(quán)重矩陣, ρ表示空間滯后系數(shù), ε表示獨(dú)立同分布的隨機(jī)誤差項(xiàng), λ為空間殘差項(xiàng)的系數(shù), μ為服從獨(dú)立同分布的隨機(jī)干擾項(xiàng)。本文將根據(jù)空間杜賓模型構(gòu)建種植業(yè)面源污染與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的空間計(jì)量模型, 以此探討在空間效應(yīng)影響下各驅(qū)動(dòng)因素的空間影響效果。

1.2 模型構(gòu)建、變量說明及數(shù)據(jù)處理

1.2.1 模型構(gòu)建

本文假設(shè)某個(gè)區(qū)域某些經(jīng)濟(jì)活動(dòng)不僅能對(duì)本區(qū)域產(chǎn)生預(yù)期影響, 同時(shí)因其空間依賴性和空間異質(zhì)性能夠?qū)χ苓呧徑訁^(qū)域產(chǎn)生一定影響?；诖? 構(gòu)建種植業(yè)面源污染等標(biāo)排放量與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的SDM, 具體計(jì)算式為:

式中: lnP為被解釋變量, P為種植業(yè)面源污染的單位等標(biāo)排 放 量; lnG、lnc、lne、lnm、lnu、lns、lnd、lna均為解釋變量, G為人均農(nóng)業(yè)生產(chǎn)總值, c為農(nóng)村人均消費(fèi)支出, e為有效灌溉率, m為農(nóng)業(yè)機(jī)械投入強(qiáng)度, u為農(nóng)藥使用強(qiáng)度, s為財(cái)政支農(nóng)水平,d為受災(zāi)比重, a為農(nóng)業(yè)比重, i為全國31個(gè)地區(qū)中第i個(gè)地區(qū), t為年份; W為以地理距離計(jì)算的空間權(quán)重矩陣; ε為隨機(jī)擾動(dòng)項(xiàng), 服從正態(tài)分布; ρ表示空間滯后系數(shù); β為解釋變量的回歸系數(shù); θ為解釋變量的空間滯后項(xiàng)的回歸系數(shù)。

1.2.2 SDM變量說明及數(shù)據(jù)處理

根據(jù)現(xiàn)有文獻(xiàn)的研究成果, 綜合考慮種植業(yè)面源污染特點(diǎn), 并結(jié)合數(shù)據(jù)的可獲得性, 本文SDM選取的變量如表1所示。本文選取2000—2019年全國31個(gè)省(市、自治區(qū)) (不包括香港、澳門、臺(tái)灣)的面板數(shù)據(jù)建立模型, 數(shù)據(jù)源自《中國統(tǒng)計(jì)年鑒》《中國農(nóng)村統(tǒng)計(jì)年鑒》《中國人口和就業(yè)統(tǒng)計(jì)年鑒》以及國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)網(wǎng)站。

表1 空間杜賓模型(SDM)的變量指標(biāo)選取Table 1 Variables selection of spatial Durbin model (SDM)

本文選擇種植業(yè)面源污染物的單位等標(biāo)排放量作為被解釋變量?？紤]到種植業(yè)面源污染源的排放特征, 且因?yàn)檗r(nóng)藥、地膜對(duì)主要污染物的排放貢獻(xiàn)率較低, 本文中種植業(yè)面源污染物選擇源自農(nóng)用化肥(氮肥、磷肥和復(fù)合肥)及農(nóng)田固體廢棄物(農(nóng)作物秸稈)兩類污染源, 排放主要產(chǎn)生氨氮(NH-N)、總氮(TN)、總磷(TP)、化學(xué)需氧量(COD) 4類污染物, 種植業(yè)面源污染清單如表2所示。

表2 種植業(yè)面源污染產(chǎn)污清單Table 2 List of non-point source pollution from planting industry

核心解釋變量: 選取人均農(nóng)業(yè)生產(chǎn)總值表征農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng), 表征農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平對(duì)種植業(yè)面源污染排放的影響, 對(duì)變量進(jìn)行消脹處理(消費(fèi)者物價(jià)指數(shù)2000=100)。

其他控制變量: 消費(fèi)能力選擇農(nóng)村人均消費(fèi)支出表示, 農(nóng)村人均消費(fèi)支出能力體現(xiàn)農(nóng)業(yè)生產(chǎn)中購買農(nóng)資產(chǎn)品的能力, 對(duì)變量進(jìn)行消脹處理(農(nóng)村居民價(jià)格消費(fèi)指數(shù)2000=100); 技術(shù)進(jìn)步選擇有效灌溉率表示, 有效灌溉率能夠體現(xiàn)各地區(qū)農(nóng)業(yè)技術(shù)水平和農(nóng)業(yè)生產(chǎn)水平, 直接影響農(nóng)作物對(duì)化肥的利用率, 不同農(nóng)業(yè)技術(shù)水平對(duì)種植業(yè)面源污染排放造成不同程度的影響; 農(nóng)業(yè)現(xiàn)代水平選擇農(nóng)業(yè)機(jī)械投入強(qiáng)度表示, 農(nóng)業(yè)機(jī)械投入強(qiáng)度是衡量農(nóng)業(yè)現(xiàn)代化發(fā)展水平的關(guān)鍵標(biāo)志, 農(nóng)業(yè)機(jī)械化水平的提高促進(jìn)農(nóng)業(yè)生產(chǎn)效率不斷提高, 但其對(duì)農(nóng)業(yè)生產(chǎn)環(huán)境的外部效應(yīng)無法直接判斷, 如引起化肥投入增加或降低農(nóng)田秸稈殘留量; 風(fēng)險(xiǎn)感知用農(nóng)藥使用強(qiáng)度表示, 由于農(nóng)戶風(fēng)險(xiǎn)偏好的差異性直接影響農(nóng)戶生產(chǎn)中農(nóng)藥使用量,此過程是影響農(nóng)作物產(chǎn)量的重要環(huán)節(jié)之一, 農(nóng)作物產(chǎn)量的變化將直接影響農(nóng)田固體廢棄物的排放量;財(cái)政支持選擇財(cái)政支農(nóng)水平表示, 表征財(cái)政投入對(duì)農(nóng)業(yè)生產(chǎn)環(huán)境治理的行政干預(yù)強(qiáng)度; 受災(zāi)情況用受災(zāi)面積與總播種面積之比表示, 不同的受災(zāi)情況可能影響化肥施用量, 加重種植業(yè)面源污染, 嚴(yán)重的可能導(dǎo)致農(nóng)作物無法生長(zhǎng)或農(nóng)作物產(chǎn)量大幅度降低,對(duì)農(nóng)田固體廢棄物污染排放造成不可預(yù)知的影響,因此, 受災(zāi)情況對(duì)種植業(yè)面源污染物排放影響無法直接預(yù)判; 產(chǎn)業(yè)結(jié)構(gòu)用農(nóng)業(yè)生產(chǎn)總值與國內(nèi)生產(chǎn)總值之比表示, 目前產(chǎn)業(yè)結(jié)構(gòu)處于轉(zhuǎn)型升級(jí)時(shí)期, 各地區(qū)產(chǎn)業(yè)結(jié)構(gòu)的不同可能帶來不同的結(jié)構(gòu)效應(yīng), 種植業(yè)發(fā)達(dá)地區(qū)的面源污染可能較重, 但也有利于實(shí)現(xiàn)面源污染的統(tǒng)籌治理。對(duì)所有變量進(jìn)行對(duì)數(shù)處理,以保證數(shù)據(jù)的平穩(wěn)性。

由于國家目前尚未制定種植業(yè)面源污染的相關(guān)排放標(biāo)準(zhǔn), 本文中COD、NH-N、TN、TP的閾濃度均采用《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》(GB3838—2002)中的Ⅴ類標(biāo)準(zhǔn), COD、NH-N、TN、TP所對(duì)應(yīng)的標(biāo)準(zhǔn)分別為40 mg?L、2.0 mg?L、2.0 mg?L、0.4 mg?L。根據(jù)調(diào)查市場(chǎng)農(nóng)用通用型復(fù)合肥銷售情況及閱讀相關(guān)文獻(xiàn), 本文將農(nóng)用復(fù)合肥中氮肥、磷肥、鉀肥的配比按照1∶1∶1進(jìn)行折算處理。文中秸稈產(chǎn)出系數(shù)(表3)、秸稈可收集系數(shù)及污染物排放系數(shù)(表4)均通過廣泛文獻(xiàn)調(diào)研和綜合比較所得?；逝盼巯禂?shù)重點(diǎn)參照生態(tài)環(huán)境部《排放源統(tǒng)計(jì)調(diào)查產(chǎn)排污核算方法和系數(shù)手冊(cè)》中的參數(shù)取值。計(jì)算各區(qū)域不同種植業(yè)面源污染物的排放量后, 根據(jù)等標(biāo)污染負(fù)荷法計(jì)算各區(qū)域單位等標(biāo)排放量。

表3 不同地區(qū)農(nóng)作物秸稈產(chǎn)出系數(shù)Table 3 Crops straw output coefficients in different regions of China kg?kg—1

表4 不同農(nóng)作物秸稈可收集系數(shù)及污染物排放系數(shù)Table 4 Collectable coefficients and pollutant emission coefficients of straws of different crops

2 實(shí)證分析

2.1 種植業(yè)面源污染空間相關(guān)性及空間計(jì)量模型選擇

2.1.1 種植業(yè)面源污染的空間相關(guān)性

運(yùn)用python編程對(duì)種植業(yè)面板數(shù)據(jù)進(jìn)行預(yù)處理,計(jì)算各地區(qū)種植業(yè)面源污染源的污染物排污量, 再根據(jù)計(jì)算式(1)、(2)得出考察地區(qū)種植業(yè)面源污染的等標(biāo)排放量。為了更準(zhǔn)確、直觀地判斷省域間種植業(yè)面源污染的空間相關(guān)性, 利用地理距離空間鄰接矩陣測(cè)算全國31個(gè)省(市、自治區(qū))2000— 2019年種植業(yè)面源污染等標(biāo)排放量的全局莫蘭指數(shù), 結(jié)果如表5所示。

從表5可以看出, 全國31個(gè)省(市、自治區(qū))2000—2019年種植業(yè)面源污染等標(biāo)排放量全局莫蘭指數(shù)均大于0, 2000—2017年P(guān)值均小于0.05, Z值均大于1.96, 2018年、2019年P(guān)值均小于0.05, Z值均大于1.65, 說明各地區(qū)種植業(yè)面源污染等標(biāo)排放量存在顯著正相關(guān)空間自相關(guān)性, 即各地區(qū)種植業(yè)面源污染排放并非孤立、隨機(jī)分布, 某地區(qū)污染排放量可以被相鄰地區(qū)的環(huán)境、經(jīng)濟(jì)等因素影響。莫蘭散點(diǎn)圖通過散點(diǎn)在4個(gè)象限的分布位置來識(shí)別某地區(qū)與其鄰近地區(qū)間的關(guān)系, 第1象限表現(xiàn)為“高-高”聚集(H-H)類型, 表示本地區(qū)為高值, 鄰近地區(qū)也為高值; 第2象限表現(xiàn)為“低-高”聚集(L-H)類型, 表示本地區(qū)為低值, 鄰近地區(qū)為高值; 第3象限表現(xiàn)為“低-低”聚集(L-L)類型, 表示本地區(qū)為低值, 鄰近地區(qū)為低值; 第4象限表現(xiàn)為“高-低”聚集(H-L)類型, 表示本地區(qū)為高值, 鄰近地區(qū)為低值。對(duì)比2000年、2019年種植業(yè)面源污染等標(biāo)排放量的莫蘭散點(diǎn)圖1可知,2019年31個(gè)省(市、自治區(qū))種植業(yè)面源污染排放空間互動(dòng)表現(xiàn)為以“H-H”和“L-L”兩種類型為主導(dǎo), “H-L”和“L-H”兩種類型為輔助的空間格局特征,2000年位于“H-H”和“L-L”兩種類型的地區(qū)數(shù)分別為7個(gè)和9個(gè), 2019年相應(yīng)類型地區(qū)數(shù)分別變?yōu)?個(gè)和11個(gè), 地區(qū)數(shù)量均增加, 說明有部分地區(qū)種植業(yè)面源污染排放量明顯增加或減少, 區(qū)域間空間聚集特征愈加明顯。20年間, “H-H”聚集基本保持穩(wěn)定, “L-L”聚集地區(qū)數(shù)量明顯增加, 由2019年結(jié)果可以看出聚集區(qū)域主要為種植業(yè)大省和經(jīng)濟(jì)發(fā)達(dá)地區(qū), 這些地區(qū)的農(nóng)業(yè)生產(chǎn)行為更容易產(chǎn)生空間溢出效應(yīng), “H-H”聚集地區(qū)的穩(wěn)定和“L-L”聚集地區(qū)的增長(zhǎng)與全國各地區(qū)不斷推出的政策和措施有著密切關(guān)系。因此, 種植業(yè)面源污染排放的空間交互特征需要引起足夠重視, 如何利用空間交互效應(yīng)有效實(shí)現(xiàn)種植業(yè)面源污染防治是種植業(yè)可持續(xù)發(fā)展需要面臨的重要議題。

表5 2000—2019年31個(gè)省(市、自治區(qū))種植業(yè)面源污染等標(biāo)排放量的全局莫蘭指數(shù)Table 5 Global Moran’s I of equivalent standard emissions of planting non-point source pollution in 31 provinces (cities, autonomous regions) of China from 2000 to 2019

圖1 2000年、2019年31個(gè)省(市、自治區(qū))種植業(yè)面源污染等標(biāo)排放量的莫蘭散點(diǎn)圖Fig.1 Moran scatter diagrams of equivalent standard emissions of planting non-point source pollution in 31 provinces (cities,autonomous regions) of China in 2000 and 2019

2.1.2 模型適用性檢驗(yàn)及模型選擇

為了能夠準(zhǔn)確選擇空間面板數(shù)據(jù)的適用模型,應(yīng)對(duì)所選擇的空間面板數(shù)據(jù)進(jìn)行模型適用性檢驗(yàn),進(jìn)而確定空間計(jì)量模型。首先, 在進(jìn)行空間計(jì)量模型分析前, 通過拉格朗日乘數(shù)檢驗(yàn)(Lagrange’s multiplier test, LM)判斷所選變量是否適用空間計(jì)量模型,若檢驗(yàn)通過則進(jìn)行下一步模型選擇工作; 若未通過LM檢驗(yàn), 則所選擇變量應(yīng)使用混合最小二乘回歸模型進(jìn)行后續(xù)分析。LM檢驗(yàn)結(jié)果如表6所示, LM檢驗(yàn)和穩(wěn)健LM檢驗(yàn)的P值均為0.000, 通過了顯著性檢驗(yàn), 表明本文空間面板數(shù)據(jù)存在明顯的空間相關(guān)性, 且同時(shí)存在空間誤差效應(yīng)和空間滯后效應(yīng), 可以引入空間計(jì)量模型進(jìn)行后續(xù)分析。其次, 通過豪斯曼(Hausman)檢驗(yàn)判斷空間面板數(shù)據(jù)選擇固定效應(yīng)模型或者隨機(jī)效應(yīng)模型, 若通過顯著性檢驗(yàn)則拒絕原假設(shè), 選擇采用固定效應(yīng)模型; 反之, 則采用隨機(jī)效應(yīng)模型。Hausman檢驗(yàn)結(jié)果如表6所示, 檢驗(yàn)P值為0.0006, 通過顯著性檢驗(yàn)拒絕原假設(shè), 采用固定效應(yīng)模型。最后, 確定選擇固定效應(yīng)模型后, 通過似然比檢驗(yàn)(likelihood ratio test, LR)和沃爾德(Wald)檢驗(yàn)進(jìn)行模型穩(wěn)健性檢驗(yàn), 若檢驗(yàn)結(jié)果均通過1%顯著性檢驗(yàn), 則表明所選擇固定效應(yīng)模型不會(huì)退化為空間誤差模型(SEM模型)和空間滯后模型(SLM模型)。LR檢驗(yàn)和Wald檢驗(yàn)結(jié)果如表6所示, 結(jié)果顯示LR檢驗(yàn)結(jié)果P值均為0.000, 通過1%顯著性檢驗(yàn);Wald檢驗(yàn)結(jié)果中SLM與SEM的P值均小于0.010,均通過1%顯著性檢驗(yàn)。因此, 本文選擇固定效應(yīng)下的空間杜賓模型進(jìn)行實(shí)證分析。

表6 種植業(yè)面源污染等標(biāo)排放量的模型適用性及模型選擇檢驗(yàn)結(jié)果Table 6 Model applicability and model selection test results of equal standard emission of planting non-point source pollution

2.2 種植業(yè)面源污染等標(biāo)排放量的影響因素

2.2.1 變量描述統(tǒng)計(jì)

根據(jù)所選取的指標(biāo)及相應(yīng)變量的計(jì)算式, 收集、整理2000—2019年全國31個(gè)省(市、自治區(qū))面板數(shù)據(jù), 除空間鄰接權(quán)重矩陣外對(duì)所有變量進(jìn)行描述性統(tǒng)計(jì), 面板數(shù)據(jù)的描述性統(tǒng)計(jì)如表7所示。

表7 2000—2019年31個(gè)省(市、自治區(qū))種植業(yè)面源污染等標(biāo)污染排放量的空間杜賓模型面板數(shù)據(jù)描述統(tǒng)計(jì)Table 7 Spatial Durbin model panel data descriptive statistics of standard pollution emission of planting non-point source pollution in 31 provinces (cities, autonomous regions) of China from 2000 to 2019

2.2.2 SDM模型回歸分析

運(yùn)用STATA 15.0軟件實(shí)現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)對(duì)種植業(yè)面源污染等標(biāo)排放量影響的空間計(jì)量模型實(shí)證分析, SDM模型在時(shí)間固定效應(yīng)、空間固定效應(yīng)和雙固定效應(yīng)下的回歸結(jié)果如表8所示。從檢驗(yàn)結(jié)果R可以看出, 時(shí)間固定效應(yīng)在解釋變量的顯著性及模型的擬合優(yōu)度方面均優(yōu)于空間固定效應(yīng)和雙固定效應(yīng)的回歸結(jié)果。從經(jīng)濟(jì)意義層面來看, 種植業(yè)面源污染等標(biāo)排放量受時(shí)間、政策等變化影響比受地理因素影響更為明顯, 故也認(rèn)為時(shí)間固定效應(yīng)更符合本文的研究假設(shè)。因此, 本文選擇時(shí)間固定效應(yīng)模型進(jìn)行實(shí)證研究。

表8結(jié)果中反映31個(gè)省(市、自治區(qū))種植業(yè)面源污染等標(biāo)排放量是否存在空間效應(yīng)的空間滯后項(xiàng)系數(shù)(rho)的值為—0.110, 且通過P＜5%的顯著性水平檢驗(yàn), 表明中國省域種植業(yè)面源污染排放量存在顯著的空間聚集效應(yīng), 種植業(yè)面源污染排放的空間溢出效應(yīng)顯著, 受鄰接地區(qū)的地理位置、生態(tài)環(huán)境、社會(huì)經(jīng)濟(jì)水平等鄰近效應(yīng)影響。lnG、lnc、lne、lnm、lnu、lns的估計(jì)系數(shù)均通過P＜1%的顯著性水平檢驗(yàn), 其中農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)(lnG)、技術(shù)進(jìn)步(lne)、財(cái)政支農(nóng)水平(lns)均與種植業(yè)面源污染排放量呈負(fù)相關(guān)關(guān)系, 消費(fèi)能力(lnc)、農(nóng)業(yè)現(xiàn)代化水平(lnm)、風(fēng)險(xiǎn)感知(lnu)均與種植業(yè)面源污染排放量呈正相關(guān)關(guān)系。在地區(qū)獨(dú)立范圍內(nèi), 農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)在拐點(diǎn)到達(dá)前通常伴隨農(nóng)業(yè)面源污染的加重, 本研究中結(jié)果為負(fù)可以說明農(nóng)業(yè)經(jīng)濟(jì)發(fā)展伴隨農(nóng)業(yè)環(huán)境的消耗已經(jīng)迎來拐點(diǎn), 農(nóng)業(yè)生產(chǎn)方式的不斷進(jìn)步推動(dòng)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的同時(shí), 有效控制種植業(yè)面源污染排放。環(huán)境友好型技術(shù)的使用以及政府對(duì)農(nóng)業(yè)財(cái)政的支持能夠助力減少本地區(qū)的種植業(yè)面源污染排放。近幾年惠農(nóng)政策推出, 提高了農(nóng)戶的消費(fèi)能力, 農(nóng)業(yè)現(xiàn)代化水平的提高為農(nóng)戶生產(chǎn)提供了更多選擇, 農(nóng)戶對(duì)風(fēng)險(xiǎn)感知的預(yù)判都將直接影響農(nóng)戶的消費(fèi)和生產(chǎn)行為,極可能造成種植業(yè)面源污染排放過量。W×lnG、W×lnc、W×lne、W×lnm、W×lnu、W×lna的估計(jì)系數(shù)均通過P＜10%的顯著性水平檢驗(yàn), 省域間空間影響效應(yīng)較明顯, 其中經(jīng)濟(jì)增長(zhǎng)(W×lnG)、技術(shù)進(jìn)步(W×lne)、風(fēng)險(xiǎn)感知(W×lnu)對(duì)鄰接地區(qū)的種植業(yè)面源污染排放量呈正向影響, 消費(fèi)能力(W×lnc)、農(nóng)業(yè)現(xiàn)代化水平(W×lnm)、產(chǎn)業(yè)結(jié)構(gòu)(W×lna)對(duì)鄰接地區(qū)種植業(yè)面源污染排放量呈負(fù)向影響。經(jīng)濟(jì)增長(zhǎng)水平的空間滯后項(xiàng)回歸系數(shù)為0.397, 且通過了P＜1%的顯著性水平檢驗(yàn), 說明本地區(qū)經(jīng)濟(jì)增長(zhǎng)水平與鄰接地區(qū)種植業(yè)面源污染排放量的增長(zhǎng)有正相關(guān)關(guān)系,正向空間溢出效應(yīng)明顯。經(jīng)濟(jì)增長(zhǎng)水平對(duì)鄰接地區(qū)影響方向與本地區(qū)內(nèi)影響方向相異, 說明省域農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)關(guān)系趨同增長(zhǎng), 鄰接地區(qū)間種植業(yè)生產(chǎn)可能存在競(jìng)爭(zhēng)關(guān)系, 進(jìn)而導(dǎo)致鄰接地區(qū)種植結(jié)構(gòu)調(diào)整加重種植業(yè)面源污染排放。

表8 2000—2019年31個(gè)省(市、自治區(qū))種植業(yè)面源污染等標(biāo)污染排放量的空間杜賓模型(SDM)回歸結(jié)果Table 8 Regression results of spatial Durbin model (SDM) for standard pollution emission of planting non-point source pollution in 31 provinces (cities, autonomous regions) of China from 2000 to 2019

2.2.3 SDM模型空間溢出效應(yīng)分解

為了更準(zhǔn)確地反映自變量對(duì)因變量的空間溢出效應(yīng), 應(yīng)用STATA 15.0軟件對(duì)SDM時(shí)間固定效應(yīng)模型的溢出效應(yīng)進(jìn)行分解, 將總效應(yīng)分解為直接效應(yīng)和間接效應(yīng), 效應(yīng)分解結(jié)果如表9所示。

表9中直接效應(yīng)中解釋變量系數(shù)與SDM模型時(shí)間固定效應(yīng)中解釋變量系數(shù)變化方向保持一致,表示一個(gè)地區(qū)的影響因素對(duì)種植業(yè)面源污染等標(biāo)排放量的影響程度。間接效應(yīng)是通過累計(jì)鄰接地區(qū)間空間溢出效應(yīng)的效果值, 表示本地區(qū)影響因素對(duì)鄰接地區(qū)種植業(yè)面源污染等標(biāo)排放量的影響。總效應(yīng)則反映一個(gè)地區(qū)種植業(yè)面源污染等標(biāo)排放量變化由自身驅(qū)動(dòng)因素和驅(qū)動(dòng)因素的空間互動(dòng)累積共同作用的影響效果。從直接效應(yīng)來看, 農(nóng)業(yè)經(jīng)濟(jì)水平(lnG)、技術(shù)進(jìn)步(lne)和財(cái)政支農(nóng)水平(lns)的提升都能夠改善本地區(qū)種植業(yè)面源污染排放, 消費(fèi)能力(lnc)、農(nóng)業(yè)現(xiàn)代化水平(lnm)和風(fēng)險(xiǎn)感知能力(lnu)的提高加重本地區(qū)種植業(yè)面源污染物排放。從間接效應(yīng)來看, 本地區(qū)的農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)(lnG)、消費(fèi)能力(lnc)、技術(shù)進(jìn)步(lne)、農(nóng)業(yè)現(xiàn)代化水平(lnm)、風(fēng)險(xiǎn)感知(lnu)、產(chǎn)業(yè)結(jié)構(gòu)(lna)均對(duì)鄰接地區(qū)種植業(yè)面源污染物排放具有明顯的空間溢出效應(yīng)。

表9 2000—2019年31個(gè)省(市、自治區(qū))種植業(yè)面源污染等標(biāo)污染排放量的空間杜賓模型(SDM)時(shí)間固定模型效應(yīng)分解Table 9 Effect decomposition of spatial Durbin model (SDM) time fixed model for standard pollution emission of planting nonpoint source pollution in 31 provinces (cities, autonomous regions) of China from 2000 to 2019

(1)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)(lnG)。農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)水平總效應(yīng)為0.222, 在P＜5%置信水平下顯著, 其分解的直接效應(yīng)和間接效應(yīng)分別為—0.175和0.397, 均在P＜1%置信水平下顯著。說明農(nóng)業(yè)經(jīng)濟(jì)水平對(duì)種植業(yè)面源污染物排放具有顯著的空間溢出效應(yīng), 且區(qū)域間的溢出效應(yīng)大于區(qū)域內(nèi)的直接效應(yīng)。雖然20年間農(nóng)業(yè)生產(chǎn)不斷發(fā)展, 相應(yīng)的制度不斷變遷, 但總體來看農(nóng)業(yè)經(jīng)濟(jì)水平增長(zhǎng)仍處于消耗農(nóng)業(yè)環(huán)境的階段。一方面, 受限于各地區(qū)耕地面積、質(zhì)量等因素, 為保障農(nóng)業(yè)經(jīng)濟(jì)水平增長(zhǎng)必然伴隨化肥等投入量的增加,農(nóng)作物總產(chǎn)量的增加也將加重農(nóng)田固體廢棄物排放,增加種植業(yè)面源污染擴(kuò)散風(fēng)險(xiǎn)。另一方面, 隨著環(huán)境友好型技術(shù)的研發(fā)和投入使用, 及各項(xiàng)面源污染治理舉措的實(shí)施, 能夠有效控制種植業(yè)面源污染, 但因其相應(yīng)成本較高, 降低種植業(yè)面源污染排放的效果大大降低。理論上, 種植業(yè)面源污染排放量能夠隨著農(nóng)業(yè)經(jīng)濟(jì)的增長(zhǎng)而得到緩解, 但因?yàn)楦鞯貐^(qū)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)變化對(duì)本地區(qū)及鄰接地區(qū)均具有顯著反向影響作用, 因此若有效減緩種植業(yè)面源污染物排放, 需要有效措施推動(dòng)各地區(qū)經(jīng)濟(jì)增長(zhǎng), 且減緩本地區(qū)對(duì)鄰接地區(qū)的輻射作用。

(2)消費(fèi)能力(lnc)。消費(fèi)能力對(duì)種植業(yè)面源污染排放的直接效應(yīng)是0.370, 通過P＜1%顯著性檢驗(yàn), 間接效應(yīng)是—0.238, 通過P＜5%顯著性檢驗(yàn)。消費(fèi)能力的提升能夠增加本地區(qū)的種植業(yè)面源污染排放量,但對(duì)鄰接地區(qū)呈現(xiàn)負(fù)向空間溢出效應(yīng)。造成此種結(jié)果的根本原因是隨著現(xiàn)代農(nóng)業(yè)的不斷發(fā)展, 農(nóng)村居民消費(fèi)能力的提升及伴隨的生產(chǎn)生活方式轉(zhuǎn)變, 農(nóng)資產(chǎn)品的使用量需求擴(kuò)大、新型助農(nóng)科技接受度提升, 必然引起本地區(qū)種植業(yè)面源污染源排放的增加。同時(shí), 消費(fèi)能力的提升可能推動(dòng)農(nóng)戶選擇環(huán)境友好型技術(shù), 其改變能夠?yàn)猷徑貐^(qū)起到示范作用, 對(duì)鄰接地區(qū)種植業(yè)面源污染排放帶來一定的抑制作用。

(3)技術(shù)進(jìn)步(lne)。技術(shù)進(jìn)步的總效應(yīng)為0.186,在P＜5%置信水平下顯著, 其分解的直接效應(yīng)和間接效應(yīng)分別為—0.128和0.314, 均在P＜1%置信水平下顯著, 可見技術(shù)水平進(jìn)步對(duì)本地區(qū)的種植業(yè)面源污染起到減緩作用, 但對(duì)鄰近地區(qū)具有加重種植業(yè)面源污染排放的作用, 且間接作用大于直接作用, 其結(jié)果必然加重種植業(yè)面源污染排放。注重技術(shù)進(jìn)步的兩面性, 繼續(xù)發(fā)揮技術(shù)進(jìn)步優(yōu)勢(shì), 尋找技術(shù)進(jìn)步對(duì)鄰近地區(qū)負(fù)效應(yīng)的根本原因, 促進(jìn)實(shí)現(xiàn)直接效應(yīng)與間接效應(yīng)間效果的逆轉(zhuǎn), 在推動(dòng)技術(shù)進(jìn)步的同時(shí), 助力減少種植業(yè)面源污染排放。

(4)農(nóng)業(yè)現(xiàn)代化水平(lnm)。農(nóng)業(yè)現(xiàn)代化水平總效應(yīng)、直接效應(yīng)、間接效應(yīng)均在P＜1%置信水平下顯著, 系數(shù)分別為—0.493、0.147和—0.639。農(nóng)業(yè)現(xiàn)代化水平的發(fā)展所帶來的間接效應(yīng)遠(yuǎn)大于對(duì)本地區(qū)的直接效應(yīng), 整體表現(xiàn)為對(duì)種植業(yè)面源污染排放有抑制作用。農(nóng)業(yè)現(xiàn)代化發(fā)展水平的不斷提高是各地區(qū)農(nóng)業(yè)發(fā)展的必然趨勢(shì), 在種植業(yè)發(fā)達(dá)地區(qū)或具有推進(jìn)農(nóng)業(yè)現(xiàn)代化發(fā)展的重點(diǎn)區(qū)域提高農(nóng)業(yè)現(xiàn)代化水平,會(huì)增加化肥等生產(chǎn)資料消耗的可能性, 這是實(shí)現(xiàn)種植業(yè)綠色發(fā)展的必然過程。同時(shí), 種植結(jié)構(gòu)相似、農(nóng)業(yè)現(xiàn)代化程度高的地區(qū)為鄰接地區(qū)樹立良好的示范性作用, 促進(jìn)在同一流域內(nèi)提高農(nóng)業(yè)資源有效利用, 實(shí)現(xiàn)省域間種植業(yè)生產(chǎn)良性競(jìng)爭(zhēng), 降低種植業(yè)面源污染排放。

(5)風(fēng)險(xiǎn)感知(lnu)。風(fēng)險(xiǎn)感知的總效應(yīng)、直接效應(yīng)、間接效應(yīng)均為正向影響, 且均通過P＜1%的顯著性檢驗(yàn)。由此可見, 各地區(qū)農(nóng)戶在感知到農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)的情況下, 會(huì)采取適當(dāng)增加化肥、農(nóng)藥等行為保障種植業(yè)生產(chǎn), 由此將引起種植業(yè)面源污染物排放增加。根據(jù)《2010年主要農(nóng)作物科學(xué)施肥指導(dǎo)意見》, 不同作物的肥料需求量不同, 同時(shí)各地區(qū)種植業(yè)結(jié)構(gòu)不同, 化肥需求量和作物產(chǎn)量都存在差異,種植業(yè)面源污染排放表現(xiàn)出非均衡和空間聚集且存在空間差異的現(xiàn)象。

(6)財(cái)政支持(lns)。財(cái)政支持中, 僅有直接效應(yīng)為負(fù)向影響, 通過P＜1%顯著性檢驗(yàn), 說明本地的財(cái)政支農(nóng)政策對(duì)本地種植業(yè)面源污染排放量有明顯負(fù)向影響, 正確的政策將有效降低種植業(yè)面源污染物排放, 本地區(qū)的支農(nóng)政策對(duì)鄰接地區(qū)沒有明顯影響,政策本身具有較強(qiáng)的針對(duì)性與適用性。間接效應(yīng)為正, 未通過顯著性結(jié)果檢驗(yàn), 說明本地區(qū)從財(cái)政層面約束種植業(yè)面源對(duì)鄰接地區(qū)無示范性, 空間溢出效應(yīng)不明顯。

(7)產(chǎn)業(yè)結(jié)構(gòu)(lna)。產(chǎn)業(yè)結(jié)構(gòu)中僅有間接效應(yīng)通過P＜5%的顯著性檢驗(yàn), 系數(shù)為負(fù)數(shù), 說明本地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)對(duì)鄰接地區(qū)有負(fù)向空間溢出效應(yīng), 本地區(qū)農(nóng)業(yè)在經(jīng)濟(jì)中比重越低, 鄰接地區(qū)種植業(yè)面源污染物排放越嚴(yán)重。本地區(qū)農(nóng)業(yè)比重較低說明本地區(qū)產(chǎn)業(yè)結(jié)構(gòu)中第二產(chǎn)業(yè)、第三產(chǎn)業(yè)占比較高, 極易吸引外地農(nóng)村勞動(dòng)人口發(fā)生勞動(dòng)力轉(zhuǎn)移, 而現(xiàn)階段土地資源緊缺、農(nóng)村剩余勞動(dòng)力流失是當(dāng)今種植業(yè)生產(chǎn)面對(duì)的重要問題, 在農(nóng)業(yè)技術(shù)落后的條件下極易通過增加化肥、農(nóng)藥等施用量維持農(nóng)業(yè)生產(chǎn), 造成其他地區(qū)種植業(yè)面源污染物排放增加。

3 討論與結(jié)論

3.1 討論

種植業(yè)面源污染是農(nóng)業(yè)面源污染的重要來源之一, 實(shí)現(xiàn)種植業(yè)面源污染有效防治是解決農(nóng)產(chǎn)品質(zhì)量安全這一現(xiàn)實(shí)需要的重要途徑之一, 是改善農(nóng)業(yè)生產(chǎn)環(huán)境、保障農(nóng)業(yè)資源可持續(xù)利用、促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的內(nèi)在要求。探析農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)與種植業(yè)面源污染關(guān)系是尋找實(shí)現(xiàn)農(nóng)業(yè)面源污染防治與促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的重要路徑, 探究種植業(yè)面源污染排放特征及農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)等因素對(duì)其的影響具有重要意義。本文探討了中國31個(gè)省(市、自治區(qū))的種植業(yè)面源污染等標(biāo)污染排放的空間相關(guān)性, 實(shí)證分析了農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)、消費(fèi)能力、技術(shù)進(jìn)步、農(nóng)業(yè)現(xiàn)代化水平、風(fēng)險(xiǎn)感知、財(cái)政支持、受災(zāi)情況和產(chǎn)業(yè)結(jié)構(gòu)8個(gè)影響因素對(duì)種植業(yè)面源污染等標(biāo)污染排放量的空間效應(yīng), 從而為地方政府探尋種植業(yè)面源污染防治與促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)平衡發(fā)展的政策措施提供理論依據(jù)。

研究結(jié)果表明中國種植業(yè)面源污染排放具有正向空間相關(guān)性, 這一結(jié)論與預(yù)期相符, 與吳義根等、薛蕾等研究結(jié)果中農(nóng)業(yè)面源污染的空間相關(guān)性方向一致, 再次驗(yàn)證中國農(nóng)業(yè)面源污染具有明顯的正向空間相關(guān)性。此外, 農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)、消費(fèi)能力、技術(shù)進(jìn)步、農(nóng)業(yè)現(xiàn)代化水平、風(fēng)險(xiǎn)感知、財(cái)政支持對(duì)種植業(yè)面源污染等標(biāo)污染排放量具有顯著的空間溢出效應(yīng), 這一結(jié)論與預(yù)期相符, 與曹俐等、吳義根等、欒健等的部分研究結(jié)果具有相似之處,說明種植業(yè)面源污染排放受鄰接地區(qū)的地理位置、生態(tài)環(huán)境、社會(huì)經(jīng)濟(jì)水平等空間溢出效應(yīng)影響, 若政府采取對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)、農(nóng)民消費(fèi)能力、農(nóng)業(yè)技術(shù)進(jìn)步等具有影響的措施能夠直接或間接地影響鄰接地區(qū)的種植業(yè)面源污染排放。研究結(jié)果再次證明,種植業(yè)面源污染不僅僅與耕地自身?xiàng)l件因素有關(guān),與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)變化、政策制度實(shí)施等也密切相關(guān)。

對(duì)比現(xiàn)有研究, 本文主要從以下兩個(gè)方面作出深化: 其一, 從研究對(duì)象來看, 現(xiàn)有關(guān)于種植業(yè)面源污染的深入研究較少, 本文選擇種植業(yè)面源污染為研究視角切入點(diǎn), 以化肥和農(nóng)田固體廢棄物為主要種植業(yè)面源污染源, 確定化學(xué)需氧量、總氮、總磷、氨氮為核算種植業(yè)面源污染等標(biāo)污染排放量的主要污染物, 以此提高實(shí)證分析中數(shù)據(jù)的準(zhǔn)確性, 數(shù)據(jù)選取的多樣性是對(duì)現(xiàn)有種植業(yè)面源污染研究的有效補(bǔ)充, 有助于提高對(duì)種植業(yè)面源污染防治問題的關(guān)注。其二, 從研究方法來看, 現(xiàn)階段從時(shí)空維度進(jìn)行種植業(yè)面源污染的相關(guān)研究較少, 與單一的時(shí)序面源污染分析相比, 從時(shí)間和空間兩個(gè)維度結(jié)合農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)等多個(gè)關(guān)鍵因素進(jìn)行實(shí)證分析能夠更加明晰外部因素對(duì)種植業(yè)面源污染的影響, 更加具有現(xiàn)實(shí)意義, 對(duì)具有針對(duì)性的對(duì)策建議的提出具有重要作用。以上兩點(diǎn)也是本文與現(xiàn)有研究結(jié)果具有一定差異性的主要原因。同時(shí), 本研究也具有一定的局限性。首先, 種植業(yè)面源污染成因復(fù)雜, 污染源及污染物種類繁多, 未在統(tǒng)計(jì)內(nèi)的污染排放量仍存在未知的影響作用。其次, 對(duì)種植業(yè)面源污染排放的空間溢出效應(yīng)具有影響的外部因素還可以繼續(xù)深入探索, 未來研究應(yīng)選取不同影響因素進(jìn)行深入分析, 使研究結(jié)果更加科學(xué)。

3.2 結(jié)論

本文基于2000—2019年全國31個(gè)省(市、自治區(qū)) (不包括香港、澳門、臺(tái)灣)種植業(yè)面源污染數(shù)據(jù), 采用等標(biāo)污染負(fù)荷法測(cè)度種植業(yè)面源污染物的排放情況, 運(yùn)用空間杜賓模型剖析農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)、消費(fèi)能力、技術(shù)進(jìn)步、農(nóng)業(yè)現(xiàn)代化水平、風(fēng)險(xiǎn)感知、財(cái)政支持、受災(zāi)情況及產(chǎn)業(yè)結(jié)構(gòu)對(duì)種植業(yè)面源污染物排放的空間效應(yīng), 并將影響因素的空間效應(yīng)分解為直接空間效應(yīng)和間接空間效應(yīng)。研究得出以下結(jié)論:

(1)中國種植業(yè)面源污染物的等標(biāo)污染排放量和全國種植業(yè)面源污染排放量的莫蘭指數(shù)結(jié)果顯示,20年間31個(gè)地區(qū)種植業(yè)面源污染排放量存在顯著正相關(guān)空間相關(guān)性, 全國呈現(xiàn)“高-高”和“低-低”空間聚集類型的地區(qū)數(shù)量趨勢(shì)處于上升態(tài)勢(shì), 聚集區(qū)域主要集中在經(jīng)濟(jì)發(fā)達(dá)地區(qū)和農(nóng)業(yè)大省。

(2)中國種植業(yè)面源污染排放量對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的空間溢出效應(yīng)顯著。某地區(qū)的經(jīng)濟(jì)增長(zhǎng)、技術(shù)進(jìn)步、農(nóng)業(yè)現(xiàn)代化水平、財(cái)政支農(nóng)水平、消費(fèi)能力、風(fēng)險(xiǎn)感知、產(chǎn)業(yè)結(jié)構(gòu)對(duì)本地區(qū)及鄰接地區(qū)均具有顯著性影響效應(yīng)。由此表明, 隨著經(jīng)濟(jì)水平的增長(zhǎng)可以緩解種植業(yè)面源污染排放量的增長(zhǎng), 應(yīng)根據(jù)省域間負(fù)向溢出效應(yīng)因地制宜制定政策, 保障“農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)、種植業(yè)面源污染減少”的同時(shí)實(shí)現(xiàn)。

(3)分解SDM時(shí)間固定效應(yīng)模型結(jié)果表明, 直接效應(yīng)中, 農(nóng)業(yè)經(jīng)濟(jì)水平、技術(shù)進(jìn)步和財(cái)政支農(nóng)水平對(duì)本地區(qū)種植業(yè)面源污染排放起促進(jìn)作用, 消費(fèi)能力、農(nóng)業(yè)現(xiàn)代化水平和風(fēng)險(xiǎn)感知能力對(duì)本地區(qū)種植業(yè)面源污染排放起抑制作用。間接效應(yīng)中, 農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)、消費(fèi)能力、技術(shù)進(jìn)步、農(nóng)業(yè)現(xiàn)代化水平、風(fēng)險(xiǎn)感知、產(chǎn)業(yè)結(jié)構(gòu)均對(duì)鄰接地區(qū)種植業(yè)面源污染物排放具有明顯的空間溢出效應(yīng)。直接效應(yīng)與間接效應(yīng)的影響作用不同, 應(yīng)重視效應(yīng)較大的影響因素在種植業(yè)面源污染物排放中的導(dǎo)向作用。

結(jié)合以上結(jié)論, 提出以下對(duì)策建議:

(1)促進(jìn)農(nóng)業(yè)生產(chǎn)與環(huán)境保護(hù)政策協(xié)同發(fā)展, 發(fā)揮經(jīng)濟(jì)增長(zhǎng)、技術(shù)進(jìn)步、財(cái)政支持對(duì)本地區(qū)種植業(yè)面源污染排放的抑制作用。可以提高政府對(duì)農(nóng)業(yè)的財(cái)政支持, 從農(nóng)業(yè)面源污染的產(chǎn)生、排放、遷移和治理等角度, 全方位學(xué)習(xí)江蘇太湖等農(nóng)業(yè)面源污染示范點(diǎn)的防治經(jīng)驗(yàn), 依據(jù)《全國農(nóng)業(yè)可持續(xù)發(fā)展規(guī)劃(2015—2030年)》《農(nóng)業(yè)環(huán)境突出問題治理總體規(guī)劃(2014—2018年)》, 制定自上而下完整的管理監(jiān)督體制, 保障在有效防治種植業(yè)面源污染的先導(dǎo)條件下促進(jìn)農(nóng)業(yè)生產(chǎn)與農(nóng)業(yè)經(jīng)濟(jì)穩(wěn)步增長(zhǎng)。

(2)積極利用省域間的空間交互作用, 根據(jù)顯著性影響因素, 驅(qū)動(dòng)利于種植業(yè)面源污染防治的影響因素發(fā)揮作用。例如發(fā)揮消費(fèi)能力、農(nóng)業(yè)現(xiàn)代化水平、產(chǎn)業(yè)結(jié)構(gòu)的負(fù)向空間溢出效應(yīng), 從微觀層面針對(duì)農(nóng)戶的行為制定激勵(lì)措施, 制定完整的農(nóng)業(yè)生產(chǎn)行為規(guī)范體制; 從宏觀層面調(diào)控本地區(qū)產(chǎn)業(yè)結(jié)構(gòu), 實(shí)現(xiàn)資源利用率提高, 實(shí)現(xiàn)種植業(yè)面源污染有效防治。

(3)加強(qiáng)農(nóng)村地區(qū)教育培訓(xùn)、種植業(yè)科學(xué)技術(shù)研發(fā)與推廣的力度。加強(qiáng)對(duì)農(nóng)村居民關(guān)于農(nóng)資產(chǎn)品特性、新型農(nóng)業(yè)技術(shù)等的教育培訓(xùn), 合理引導(dǎo)對(duì)于農(nóng)資產(chǎn)品的選擇和使用。重視種植業(yè)科學(xué)技術(shù)研發(fā)與新型技術(shù)推廣, 建立高效的環(huán)境友好型種植業(yè)技術(shù)與推廣體系, 為實(shí)現(xiàn)種植業(yè)面源污染防治提供“軟實(shí)力”支持。