農業(yè)生態(tài)系統(tǒng)服務價值評價及其驅動因素:基于動態(tài)調節(jié)當量的實證考察

張 俊 汪 輝 馮越珺

(安徽財經大學,安徽 蚌埠 233030)

一、引言

農業(yè)生態(tài)系統(tǒng)作為自然生態(tài)系統(tǒng)的主體,不僅為保障國家糧食安全和重要農產品有效供給提供了有力支撐,而且在改善生態(tài)環(huán)境、保護生物多樣性、維持生態(tài)系統(tǒng)平衡、固碳釋氧以及文化傳承等方面也發(fā)揮著重要作用。伴隨我國經濟社會進入新發(fā)展階段,加強農業(yè)生態(tài)系統(tǒng)保護已上升為國家的頂層設計?！吨泄仓醒?國務院關于完整準確全面貫徹新發(fā)展理念做好碳達峰碳中和工作的意見》以及《“十四五”全國農業(yè)綠色發(fā)展規(guī)劃》(農規(guī)發(fā)〔2021〕8號)要求統(tǒng)籌推進山水林田湖草沙系統(tǒng)治理,保護修復農業(yè)生態(tài)系統(tǒng),增強生態(tài)系統(tǒng)服務供給能力和碳匯能力。然而,現階段我國農業(yè)生態(tài)環(huán)境保護仍然面臨一些困難和挑戰(zhàn),工業(yè)化和城鎮(zhèn)化發(fā)展不斷擠占農業(yè)生態(tài)系統(tǒng)空間,農業(yè)生態(tài)系統(tǒng)退化形勢較為嚴峻,農業(yè)生態(tài)服務供給以及生態(tài)安全保障能力不高,難以滿足人們日益增長的優(yōu)美生態(tài)環(huán)境需要。因此,如何提高農業(yè)生態(tài)系統(tǒng)服務供給能力,構建山水林田湖草沙生命共同體成為當前決策層和學術界迫切需要解決的重大問題。

作為衡量農業(yè)生態(tài)系統(tǒng)服務供給能力的重要指標,農業(yè)生態(tài)系統(tǒng)服務價值評估是農業(yè)生態(tài)保護、生態(tài)產品開發(fā)、碳生態(tài)補償以及生態(tài)安全決策的重要依據和基礎。然而,由于農業(yè)生態(tài)系統(tǒng)的結構復雜性和功能多樣性,目前尚未形成一致的評估理論和方法體系,從而限制了對農業(yè)生態(tài)系統(tǒng)服務功能及其價值的客觀認知?；诖?本文構建動態(tài)當量調節(jié)因子模型評估我國省際農業(yè)生態(tài)系統(tǒng)服務價值,考察農業(yè)生態(tài)系統(tǒng)服務價值的時空變化,同時采用時空地理加權回歸模型揭示其驅動因素的時空異質性。這不僅有助于正確認識我國農業(yè)生態(tài)系統(tǒng)服務價值的現狀特征,也可為農業(yè)生態(tài)服務價值提升、農業(yè)生態(tài)補償、農業(yè)減排固碳增匯以及鄉(xiāng)村生態(tài)振興等多重目標提供理論支撐和政策參考。

二、文獻綜述

農業(yè)生態(tài)系統(tǒng)服務事關人類福祉與社會發(fā)展,如何增強農業(yè)生態(tài)系統(tǒng)服務供給的可持續(xù)性是當前農業(yè)生態(tài)經濟領域的研究熱點?，F有相關研究主要聚焦于以下兩方面:

一是農業(yè)生態(tài)系統(tǒng)服務價值評估。農業(yè)生態(tài)系統(tǒng)服務是人類從農業(yè)生態(tài)系統(tǒng)中直接或間接獲得的產品和服務,既包括直接使用價值,又包括間接價值、選擇價值和存在價值。目前識別評估農業(yè)生態(tài)系統(tǒng)服務價值仍然存在較大困難(Constanza et al.,1997;謝高地 等,2015)。從現有評估模型來看,主要包括基于市場理論的功能價值模型和基于單位面積價值的當量因子模型。功能價值模型指采用實際市場法、替代市場法和虛擬市場法評估生態(tài)系統(tǒng)單項服務功能的經濟價值,如劉洪秀等(2023)對黑龍江農田生態(tài)系統(tǒng)所提供的糧食供應、碳固定、水文調節(jié)、土壤保持4類服務價值的評估,但功能價值模型對各項服務的經濟價值缺乏統(tǒng)一的評價標準,參數設置和指標選取較為主觀,其僅僅適用于小尺度生態(tài)系統(tǒng)服務價值評估(李學鋒 等,2019)。相比之下,當量因子模型以基礎當量表和標準當量為基礎,通過價值當量與生態(tài)系統(tǒng)面積相乘得到生態(tài)系統(tǒng)服務價值,參數設置較少,各項服務的評價方法一致,評估效率更高,在全國、區(qū)域等大尺度生態(tài)系統(tǒng)服務價值評估中具有明顯優(yōu)勢(謝高地 等,2015;張俊 等,2019),已成為目前農業(yè)生態(tài)系統(tǒng)服務價值評估的主流模型。

然而,當量因子模型在基礎當量和標準當量構建中僅僅是一種靜態(tài)評估,評估結果難以反映農業(yè)生態(tài)系統(tǒng)服務價值的時空變化。從基礎當量因子表的構建來看,Constanza et al.(1997)在假定生態(tài)系統(tǒng)公益價值供給曲線為一條垂線的基礎上,最先構建了全球尺度的當量因子表,并估算了單位面積生態(tài)服務價值當量(基礎當量系數)。在Costanza et al.(1997)研究的基礎上,謝高地等(2003,2008,2015)將生態(tài)系統(tǒng)服務劃分為4大類11項,構建了2002年、2007年和2010年中國生態(tài)系統(tǒng)單位面積基礎當量表,為農業(yè)生態(tài)系統(tǒng)服務價值評估提供了理論依據。借鑒謝高地等(2003,2008,2015)構建的當量因子表,葉延瓊等(2011)發(fā)現廣東省農業(yè)生態(tài)系統(tǒng)服務價值呈現下降趨勢,王磊等(2015)、鄭克強等(2019)、張俊等(2019)分別評估了北京市、糧食主產區(qū)以及我國31個省份的農業(yè)生態(tài)系統(tǒng)服務價值。從標準當量的核算來看,Costanza et al.(1997)把標準當量定義為每年單位面積農地的經濟價值,但現有研究主要以某一年度單位面積農地糧食生產的凈收益來表示,其本質是靜態(tài)標準當量評估。例如,劉桂林等(2014)、鄭克強等(2019)、李學鋒等(2019)采用單位面積農田全年糧食產量市場價值的1/7作為凈收益。部分文獻以單位面積全國農田糧食生產的年度凈利潤或者平均利潤來核算(謝高地 等,2015;張俊 等,2019),而王磊等(2015)、楊文杰等(2019)則直接以研究區(qū)域糧食產量與糧食價格的乘積來衡量1個標準當量的經濟價值。

考慮到靜態(tài)當量評估模型的局限性,少數研究嘗試從動態(tài)當量的角度評估生態(tài)系統(tǒng)服務價值。例如,Shi et al.(2012)采用植被歸一化指數(NDVI)構建動態(tài)當量調節(jié)因子,謝高地等(2015)、王若思等(2022)以植被凈初級生產力(NPP)、降水和土壤保持因子為基礎,修正基礎當量系數。王磊等(2015)、楊文杰等(2019)采用社會發(fā)展階段系數對標準當量進行修正,以反映生態(tài)系統(tǒng)服務價值的時空差異。

二是農業(yè)生態(tài)系統(tǒng)服務價值的驅動因素。Santos et al.(2019)發(fā)現氣候變化對生態(tài)系統(tǒng)服務具有負向影響。Shipley et al.(2020)認為生態(tài)服務利益相關者以及環(huán)境治理是生態(tài)系統(tǒng)服務價值的重要驅動因素,通過界定生態(tài)產權(李敏 等,2021)、實施生態(tài)補償(Bachev,2021)以及開發(fā)農業(yè)生態(tài)資產(鐘文晶 等,2022)等措施,促進了生態(tài)受益地區(qū)與保護地區(qū)利益共享,提升了生態(tài)系統(tǒng)服務價值。王若思等(2022)利用地理探測器模型考察了樂山市生態(tài)系統(tǒng)服務價值的影響因素,發(fā)現社會經濟因子的影響日益突出。葉延瓊等(2011)發(fā)現經濟發(fā)展和城鎮(zhèn)化對廣東省農業(yè)生態(tài)系統(tǒng)服務價值具有負向影響。

現有研究為農業(yè)生態(tài)系統(tǒng)服務價值評估及驅動因素探尋奠定了重要基礎,但仍存在兩方面不足:一是農業(yè)生態(tài)系統(tǒng)服務價值評估的文獻多使用靜態(tài)當量因子模型,對農業(yè)生態(tài)系統(tǒng)質量以及生物量的時空差異缺乏考慮,鮮有文獻構建動態(tài)當量調節(jié)因子模型評估農業(yè)生態(tài)服務功能的時空變化,從而限制了農業(yè)生態(tài)系統(tǒng)服務價值評估的政策應用。二是現有文獻多聚焦于氣候變化、環(huán)境治理、生態(tài)補償、社會經濟等單一因素對生態(tài)系統(tǒng)服務價值的影響,從復合維度實證考察農業(yè)生態(tài)系統(tǒng)服務價值的驅動因素的文獻較為稀缺。與現有研究相比,本文的邊際貢獻主要體現在:第一,科學測算動態(tài)標準當量,利用NPP時空調節(jié)因子、降水調節(jié)因子、土壤保持調節(jié)因子、生物多樣性調節(jié)因子以及文化服務調節(jié)因子構建地區(qū)層面動態(tài)當量調節(jié)因子模型,評估我國農業(yè)生態(tài)系統(tǒng)服務價值,借助標準差橢圓實證考察農業(yè)生態(tài)系統(tǒng)的分布動態(tài)及演進趨勢。第二,在STIRPAT模型的基礎上,將農業(yè)生態(tài)系統(tǒng)服務價值的驅動因素納入“社會-經濟-自然”的統(tǒng)一分析框架,并利用時空地理加權模型揭示其驅動因素的時空異質性,從而為制定差別化的農業(yè)生態(tài)保護政策提供經驗證據。

三、研究設計

(一)農業(yè)生態(tài)系統(tǒng)構成及其服務功能

從農業(yè)生態(tài)系統(tǒng)的構成來看,部分研究以農田為核心(謝高地 等,2013;鄭克強 等,2019),但多數研究以農林牧漁為核心(葉延瓊 等,2011;王磊 等,2015;張俊 等,2019;Jiang et al.,2021)。本文認為農業(yè)生態(tài)系統(tǒng)以農林牧漁為核心更能體現農業(yè)蘊含的生態(tài)價值,其是由耕地、林地、草地以及水域構成的復雜的多功能生態(tài)系統(tǒng)。借鑒Constanza et al.(1997)、謝高地等(2015)的研究,本文把農業(yè)生態(tài)系統(tǒng)服務功能劃分為供給服務、調節(jié)服務、支持服務與文化服務4類,并進一步細分為食物生產、原材料生產、水資源供給、氣體調節(jié)、氣候調節(jié)、凈化環(huán)境、水文調節(jié)、土壤保持、維持養(yǎng)分循環(huán)、維持生物多樣性和提供美學景觀11種。

(二)動態(tài)當量調節(jié)因子評估模型

為評估不同年份省域農業(yè)生態(tài)系統(tǒng)服務價值,在謝高地等(2015)、張俊等(2019)研究的基礎上,構建動態(tài)當量因子評估模型,表達式如下:

AESVit=∑Et×Ajit×Wnit×Dnj

(1)

其中:AESVit為i省t年的農業(yè)生態(tài)系統(tǒng)服務價值,Et為全國(1)本文的“全國”不包含港澳臺地區(qū)。層面的動態(tài)標準當量,Ajit為i省t年第j類農業(yè)生態(tài)系統(tǒng)面積,Wnit為i省t年第n種生態(tài)服務動態(tài)當量調節(jié)因子,Dnj為j類農業(yè)生態(tài)系統(tǒng)提供的第n種生態(tài)服務的基礎當量系數。

就標準當量而言,其目的在于衡量當年生態(tài)系統(tǒng)潛在服務價值的相對貢獻率,現有研究主要采用兩種方式核算1個標準當量:一是以單位面積(1hm2)農田糧食生產的年度凈利潤或者五年平均凈利潤(謝高地 等,2015;張俊 等,2019)來核算,但可能存在糧食生產年度凈利潤為零甚至為負的情況。例如,2000—2019年全國糧食生產成本逐年上升,糧食生產的凈利潤不斷下降,其中2016—2018年三種主糧生產的凈利潤連續(xù)為負。因此,這一核算方式存在不足(楊文杰 等,2019)。二是以單位面積(1hm2)農田糧食產量市場價值的1/7作為1個標準當量,系數選擇1/7是綜合考慮種糧投入后糧食生產的平均收益率,這一方法為當前大多數文獻所采用?；诖?本文借鑒謝高地等(2003)、劉桂林等(2014)、鄭克強等(2019)、李學鋒等(2019)的研究,以全國每年單位面積糧食主產品與副產品市場價值的1/7作為動態(tài)標準當量,表達式如下:

(2)

其中:Et為t年的1個標準當量因子價值量(元/hm2),k為糧食作物種類,mtk為t年第k種糧食作物的播種面積(hm2);ptk為t年第k種糧食作物平均價格(元/kg),qtk為t年第k種糧食作物產量(kg/hm2),rtk表示t年第k種糧食作物副產品價值(元/hm2);Mt為t年糧食作物的總播種面積(hm2)。選擇水稻、小麥、玉米三大主糧的經濟價值來核算動態(tài)標準當量。

上述動態(tài)標準當量僅僅考慮了不同年度全國糧食作物的經濟價值差異,但無論是全國層面抑或地區(qū)層面,與農業(yè)生態(tài)系統(tǒng)服務密切相關的外部環(huán)境狀態(tài)是不斷變化的,因而農業(yè)生態(tài)服務功能及其價值量也在不斷變化。例如,2000—2019年,全國植被凈初級生產力(NPP)從4235上升到4926(0.1g*C/m),增長了16%;耕地復種指數從1.2上升到1.29,增長了8%;水土流失治理面積、植被面積、自然保護區(qū)面積以及國家級自然保護區(qū)面積分別增長68.9%、22.2%、51%、10.8%。此外,人均GDP也從7942元增加到45558元(以2000年為基期),增長了474%(2)由于降水量的變動主要源于自然因素,本文不考慮其累計增長率。。在式(1)的基礎上,構建地區(qū)層面動態(tài)當量調節(jié)因子模型,表達式如下:

(3)

其中,Wnit為地區(qū)層面的動態(tài)當量調節(jié)因子,gt1、gt2、gt3、gt4分別表示全國層面NPP、水土流失治理面積、植被面積(包括自然保護區(qū)面積和國家級自然保護區(qū)面積)以及人均GDP的累積增長率,Nit、Jit、Tit、Sit、Cit分別表示NPP時空調節(jié)因子、降水調節(jié)因子、土壤保持調節(jié)因子、生物多樣性調節(jié)因子以及文化服務調節(jié)因子。借鑒相關研究(謝高地 等,2015;張俊 等,2019;楊文杰 等,2019),Wn1表示農業(yè)生態(tài)系統(tǒng)提供的食物生產、原材料生產、氣體調節(jié)、氣候調節(jié)、凈化環(huán)境以及維持養(yǎng)分循環(huán)服務的基礎當量,Wn2表示水資源供給以及水文調節(jié)服務的基礎當量,Wn3表示土壤保持服務的基礎當量,Wn4表示生物多樣性服務的基礎當量,Wn5表示美學景觀服務的基礎當量。此外,考慮耕地利用對其提供的食物、原材料和水資源供給服務的影響,一般來說,耕地利用程度越高,則食物和原材料供給越多,同時所消耗的水資源也越大。因此,對耕地系統(tǒng)提供的食物生產、原材料生產和水資源供給三項服務分別乘以耕地復種指數的累積增長率和耕地調節(jié)因子,再與式(3)所對應的動態(tài)當量因子相乘,進而獲得地區(qū)層面耕地系統(tǒng)三項服務的動態(tài)調節(jié)當量。

在謝高地等(2015)、張俊等(2019)的基礎上,NPP時空調節(jié)因子以各地當年NPP(0.1g*C/m)與全國年度NPP(0.1g*C/m)均值之比來表示,其中年度NPP均值為給定年份的8天凈光合作用產品(Net Photosynthesis)MOD17A2H相加合成。降水調節(jié)因子以各地年均降水量與全國年均降水量之比來表示。土壤保持調節(jié)因子以各地當年水土流失治理面積占全國平均水土流失面積之比來表示(3)由于上海市水土流失治理面積數據缺失,本文未對上海市土壤保持調節(jié)因子進行調整。。生物多樣性因子以各地當年擁有植被面積與全國平均植被面積之比、自然保護區(qū)面積與全國平均自然保護區(qū)面積之比以及國家級自然保護區(qū)面積與全國平均國家級自然保護區(qū)面積之比三者加權來表示,權重分別是0.2、0.3和0.5,考慮到植被以及自然保護區(qū)對生物多樣性保護具有重要影響,而生物多樣性最富集的區(qū)域在于國家級自然保護區(qū),因此,國家級自然保護區(qū)面積占比權重設置為0.5。由于居民對農業(yè)生態(tài)系統(tǒng)的關注度以及美學景觀服務的支付意愿和支付能力與經濟發(fā)展水平相關,本文以各地人均GDP與全國人均GDP之比來表示文化服務調節(jié)因子。此外,以各地復種指數與全國復種指數之比作為耕地調節(jié)因子。

至于基礎當量系數Dnj,現有研究主要參照2002年和2007年中國生態(tài)系統(tǒng)服務基礎當量表。然而,2002年和2007年的基礎當量表以Constanza et al.(1997)對全球生態(tài)系統(tǒng)服務價值評估為基礎,對河流和湖泊的水文調節(jié)和水供給兩類服務的價值當量評價較低,不符合我國水資源短缺國情以及大河戰(zhàn)略發(fā)展的需要。相對而言,2010年的基礎當量表利用了最新的遙感數據、水文數據和氣象數據,結合了改進的CASA模型和專家經驗,是對2002年和2007年基礎當量表的改進(謝高地 等,2015;張俊 等,2019)?；谏鲜隹紤],本文以2010年生態(tài)系統(tǒng)服務基礎當量表為依據,對生態(tài)系統(tǒng)二級分類的當量取均值作為農業(yè)生態(tài)系統(tǒng)服務價值的基礎當量系數。

(三)標準差橢圓

標準差橢圓作為一種衡量地理要素空間分布特征的方法,能夠考察全國各地農業(yè)生態(tài)系統(tǒng)服務價值的分布范圍和方向,通過對農業(yè)生態(tài)系統(tǒng)服務價值的分布重心、移動速度、移動距離、長短軸標準差和方位角等方面的分析,反映其重心位置及其移動趨勢,揭示其時空分布特征。

(四)數據來源

本文數據主要來自2001—2021年《中國農村統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》《中國林業(yè)統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《全國農產品成本收益資料匯編》以及分省統(tǒng)計年鑒。MOD17A2H遙感產品數據來自NASA網站。為消除價格因素的影響,以2000年各地CPI為基期對農業(yè)生態(tài)系統(tǒng)服務價值進行平減處理。

四、實證結果與分析

(一)時序特征分析

根據式(1)～(3)可得出2000—2019年全國層面標準當量以及地區(qū)層面動態(tài)當量調節(jié)因子,在此基礎上測算了全國農業(yè)生態(tài)系統(tǒng)服務價值以及人均農業(yè)生態(tài)系統(tǒng)服務價值。表1列出了主要年份的測度結果。(1)2000—2019年全國1個標準當量價值量呈現波動式上升趨勢。其中,2000—2005年從796.80元/hm2增加到1190.60元/hm2,2006年以后上升幅度更大,到2014年達到2563.80元/hm2。此后,1個標準當量價值量緩慢下降,2019年為2276.23元/hm2。原因可能在于2000年以來國家實施了一系列減輕農民負擔的政策,尤其是2005年全面廢除農業(yè)稅,對種糧農民實行直接補貼,提高糧食收購價格,使三種主糧的產量大幅上升。2000—2014年,水稻、小麥和玉米的價格分別從2.06元/kg、2.12元/kg、1.70元/kg上漲到5.62元/kg、4.82元/kg和4.48元/kg。此后,三種主糧的價格下跌,尤其是玉米價格下降幅度最大,而農業(yè)生產成本和土地成本不斷上升,擠壓了三種主糧的利潤空間。(2)全國農業(yè)生態(tài)系統(tǒng)服務價值(AESV)呈現波動式上升趨勢,年均增長5.40%。原因可能在于我國生態(tài)建設初見成效,生態(tài)功能較強的林地、草地、水域等面積有所增加。其中,2000—2014年,AESV值由87318.95億元上升到275035.60億元,此后下降至2019年的236742.10億元。AESV占一產GDP之比呈現先升后降的趨勢,從2000年的5.88增加到2004年的7.68,此后逐年下降至2019年的3.36,這一結果與現有研究不同(張俊 等,2019),表明農業(yè)生態(tài)服務供給并未與農業(yè)經濟增長同步。(3)人均農業(yè)生態(tài)系統(tǒng)服務價值(人均AESV)從2000年的35358元上升至2019年的68672元。其中,2005年之前小幅提升,2006—2013年保持較快增速,此后,呈現波動式下降趨勢。人均AESV占人均GDP之比直線式下降,這與現有研究結論基本一致(謝高地 等,2015),表明農業(yè)生態(tài)系統(tǒng)服務日益稀缺,因此,必須加大農業(yè)生態(tài)系統(tǒng)保護,堅持走生態(tài)優(yōu)先綠色發(fā)展之路。

表1 主要年份全國農業(yè)生態(tài)系統(tǒng)服務價值評價結果

表2進一步報告了不同類型的生態(tài)服務價值。從一級服務類型來看,四類服務價值均呈上升趨勢。其中,調節(jié)服務貢獻最大,所占比例位于53.18%～65%之間,調節(jié)服務價值從2000年的56807.73億元上升至2019年的125924.25億元,上升幅度為121.67%。支持服務是占比第二大的服務類型,所占比重為27.23%～31%,其價值從2000年的23776.24億元上升至2019年的73227.44億元。供給服務價值占比從2000年的5.25%下降至2019年的4.49%,而文化服務所占比重從2000年的2.47%上升至2019年的11.39%,這一發(fā)現與現有研究結論基本相同(謝高地 等,2015;楊文杰 等,2019;張俊 等,2019),表明經濟發(fā)展與社會進步擴大了人們對農業(yè)生態(tài)美學景觀的需求,導致農業(yè)生態(tài)系統(tǒng)提供的文化服務價值提升。

表2 全國農業(yè)生態(tài)系統(tǒng)各類服務價值及其比例

從二級服務類型來看,2000—2019年各項服務所提供的價值均顯著提高。其中,食物生產、土壤保持以及美學景觀服務的價值量呈現持續(xù)上升趨勢,而原料生產、水資源供給、氣體調節(jié)、氣候調節(jié)、凈化環(huán)境、水文調節(jié)、維持養(yǎng)分循環(huán)以及生物多樣性服務的價值量呈現先升后降趨勢。從各項服務價值所占比重來看,水文調節(jié)、生物多樣性、氣候調節(jié)、土壤保持這四項服務占農業(yè)生態(tài)系統(tǒng)服務價值的70%以上,維持養(yǎng)分循環(huán)服務價值所占比重最小,僅占0.5%～0.6%,美學景觀服務價值所占比重上升趨勢明顯,從2000年的2.47%上升至2019年的11.39%。

從各類農業(yè)生態(tài)系統(tǒng)服務價值來看,從高到低依次為林地、草地、水域和耕地。如圖1所示,2000—2019年,林地生態(tài)系統(tǒng)服務價值從29924.81億元上升至113927.9億元,增幅為280.71%,所占比重由2000年的34.27%上升至2019年的48.12%。其原因可能在于黨的十八大以來,生態(tài)文明建設步伐加快,國家實施了退耕還林、防護林體系、天然林資源保護等一系列政策,顯著提高了林地覆蓋面積。草地生態(tài)系統(tǒng)服務價值從2000年的29740.82億元上升至2019年的61940.05億元,所占比重從2000年的34.06%下降至2019年的26.41%。水域生態(tài)系統(tǒng)服務價值從2000年的23284.33億元波動式上升至2019年的50489.02億元,所占比重由2000年的26.67%下降至2019年的22.68%。耕地生態(tài)系統(tǒng)服務價值從2000年的4368.98億元波動式上升至2019年的10385.11億元,所占比重由2000年的5%下降至2019年的4.18%,波動幅度相對較小。原因可能在于近年來各地堅守耕地保護紅線,加大了耕地整治力度,不斷擴大耕地生態(tài)面積。

圖1 2000—2019年各類農業(yè)生態(tài)系統(tǒng)服務價值變動

(二)地區(qū)差異

圖2描繪了不同地區(qū)農業(yè)生態(tài)系統(tǒng)服務價值(AESV)以及人均AESV的變動。從AESV的結果來看,西部地區(qū)占全國AESV的比值在70%以上,從2000年的61933.16億元波動上升至2019年的169000.12億元;東北地區(qū)增速最快,從2000年的6770.41億元上升至2019年的21386.67億元,年均增長6.24%;東部地區(qū)的AESV值從2000年的8088.67億元上升至2019年的23175.47億元,年均增長5.7%;中部地區(qū)增速相對較低,從2000年的10526.71億元上升至2019年的23179.84億元,年均增長4.24%?？梢钥闯?東北部、中部和東部三大地區(qū)的AESV值較為接近,但與西部地區(qū)相比存在較大差距。

圖2 2000—2019年AESV與人均AESV的地區(qū)差異

圖2同時顯示,西部地區(qū)的人均AESV最大,從2000年的86571元波動式上升至2019年的165682元,年均增長3.47%。原因在于西部地區(qū)農業(yè)生態(tài)面積廣袤和常住人口密度相對較低,是我國重要的生態(tài)安全屏障,如2013年西藏人均AESV達到2356712元。東部地區(qū)的人均AESV最小,從2000年的1814元波動式上升至2019年的4249.8元,年均增長4.5%,主要由于東部地區(qū)農業(yè)生態(tài)面積較小和常住人口密度大,例如上海人均AESV僅有80～203元。中部地區(qū)的人均AESV從2000年的3268元上升至2019年的6682元,年均增長3.83%。東北地區(qū)的人均AESV從2000年的6502元上升至2019年的19351元,年均增長5.9%。

(三)敏感性分析

借鑒劉桂林等(2014)的研究,利用敏感性指數對農業(yè)生態(tài)系統(tǒng)服務價值評估結果進行敏感性分析,表達式如下:

(4)

其中,AVCik和AVCjk分別是第k類農業(yè)生態(tài)系統(tǒng)調整前后的價值系數,AESVi和AESVj分別是農業(yè)生態(tài)系統(tǒng)服務的初始值和價值系數調整后的生態(tài)服務價值。如果CS>1,說明AESV對AVC是富有彈性的,那么其結果缺乏可信度;如果CS<1,說明AESV對AVC是缺乏彈性的,那么其結果是穩(wěn)健的。

根據式(4),本文分別把各類農業(yè)生態(tài)系統(tǒng)(耕地、森林、草地以及水域)的生態(tài)價值系數調動50%,進而分析各類農業(yè)生態(tài)系統(tǒng)的敏感性程度。圖3繪出了2000—2019年各類農業(yè)生態(tài)系統(tǒng)的敏感性指數變動趨勢,結果顯示各類農業(yè)生態(tài)系統(tǒng)的敏感性指數均小于0.5,表明農業(yè)生態(tài)系統(tǒng)服務價值對價值系數缺乏彈性,評估結果是穩(wěn)健可信的。

圖3 2000—2019年各類農業(yè)生態(tài)系統(tǒng)敏感性指數變動

(四)空間分布特征

表3報告了主要年份省際農業(yè)生態(tài)系統(tǒng)服務價值(AESV)標準差橢圓參數結果。從重心范圍以及移動方向來看,2000—2019年,標準差橢圓的重心均位于甘肅省境內。其中,2000—2005年,標準差橢圓的重心向西北方向移動44.19km,移動速度為8.828km/年;2005—2012年,重心向東北方向移動88.37km,移動速度為12.624km/年;2012—2019年,重心向東北方向移動26.03km,移動速度為3.719km/年?？傮w而言,標準差橢圓的重心移動距離與移動速度均呈現先升后降趨勢,空間分布趨于穩(wěn)定。原因可能在于西部省份自然資源稟賦豐富,農業(yè)生態(tài)系統(tǒng)面積較大,農業(yè)生態(tài)系統(tǒng)保護良好,早期重心向西北方向移動。伴隨西部大開發(fā)戰(zhàn)略的實施,西部省份的農業(yè)生態(tài)系統(tǒng)面積有所下降。2004年國家加大了糧食主產區(qū)的政策支持力度,東北地區(qū)作為糧食主產區(qū),耕地面積不斷擴張,推動農業(yè)生態(tài)系統(tǒng)服務價值重心逐步向東北移動。黨的十八大以來,各地加大了生態(tài)文明建設力度,強化了生態(tài)保護紅線和環(huán)境質量底線,提升了生態(tài)環(huán)境治理能力,農業(yè)生態(tài)系統(tǒng)服務價值的移動速度減緩。

從標準差橢圓的分布范圍來看,2000—2012年,長半軸長度從1648.19km下降至1613.21km,此后上升至2019年的1629.71km?？傮w而言,樣本考察期內長半軸長度減少,短半軸長度呈現“下降—上升—下降”的趨勢,由2000年的905.25km波動上升至2019年的912.79km,表明農業(yè)生態(tài)系統(tǒng)服務價值在東北-西南方向上呈現向心集聚趨勢,東南-西北方向上呈現分散趨勢。

橢圓面積呈現波動式下降趨勢,從2000年的468.7萬平方千米下降至2019年的467.3萬平方千米,波動幅度較小,表明農業(yè)生態(tài)系統(tǒng)服務價值的空間分布范圍較為穩(wěn)定。從標準差橢圓的轉角來看,轉角θ呈現下降趨勢,從2000年的79.17°下降至2019年的76.68°,表明標準差橢圓向“正南-正北”方向移動,在此方向上農業(yè)生態(tài)系統(tǒng)服務價值量增加,但下降幅度較小,呈現穩(wěn)定的“東北-西南”分布格局。

五、農業(yè)生態(tài)系統(tǒng)服務的驅動因素

(一)模型設定

在STIRPAT模型(York et al.,2003)的基礎上,本文把農業(yè)生態(tài)系統(tǒng)服務的驅動因素納入“社會-經濟-自然”的分析框架。由于各地自然資源稟賦、經濟發(fā)展水平以及農業(yè)生態(tài)保護政策力度不同,導致農業(yè)生態(tài)系統(tǒng)服務的驅動因素存在時間非平穩(wěn)性與空間異質性,OLS回歸可能存在有偏和不一致問題。借鑒Huang et al.(2010)的研究,在傳統(tǒng)地理加權回歸模型(GWR)中加入時間因子,利用高斯核函數法構建權重矩陣,以AICc法測算最優(yōu)帶寬,從時空雙重維度分析農業(yè)生態(tài)系統(tǒng)服務價值的驅動因素。模型設定如下:

(5)

其中:yi表示因變量,xik表示第i個省份的第k個自變量,(ui,vi,ti)表示第i個省份的時空坐標,βk表示估計系數,εi為誤差項。

(二)變量選取與描述性統(tǒng)計

因變量為人均農業(yè)生態(tài)系統(tǒng)服務價值(PAESV),結果來自于前文計算。在相關研究的基礎上(Shipley et al.,2020;鐘文晶 等,2022;王若思 等,2022),從“社會-經濟-自然”的復合維度選取降水、氣溫、人口密度、城鎮(zhèn)化、經濟發(fā)展水平、產業(yè)結構以及環(huán)境治理等指標。其中,降水資源量(RAIN)采用年降水量和地區(qū)面積的乘積來衡量,氣溫(TEM)采用平均氣溫(攝氏度)衡量,人口密度(POP)采用每平方公里常住人口數(人/平方公里)衡量,城鎮(zhèn)化(URBAN)采用年末常住人口城鎮(zhèn)化率衡量,經濟發(fā)展水平(ECO)采用農村人均可支配收入(元)衡量,產業(yè)結構(INS)采用第二產業(yè)比重衡量,環(huán)境治理(ENV)采用人均環(huán)保支出(元)衡量。2007年之前的環(huán)保支出數據以農林水事業(yè)費與林業(yè)支出之和代替。為剔除價格因素,對所有經濟類指標以2000年CPI為基期進行了平減處理。為消除偽回歸和異方差問題,對所有變量均進行對數化處理。變量的描述性統(tǒng)計如表4所示。

表4 變量的描述性統(tǒng)計

(三)模型結果比較

在檢驗了多重共線性和空間自相關之后,分別采用混合回歸(POLS)、時間加權回歸(TWR)、地理加權回歸(GWR)以及時空地理加權回歸(GTWR)對農業(yè)生態(tài)系統(tǒng)服務驅動因素進行估計,結果如表5所示。其中GTWR模型的R2比POLS、TWR、GWR模型分別提高了0.029、0.018、0.005,并且GTWR模型的AICc值和RSS值最小,表明GTWR模型能更好地解釋農業(yè)生態(tài)系統(tǒng)服務驅動因素的時空異質性,采用GTWR模型進行估計是合理的。

表5 農業(yè)生態(tài)系統(tǒng)服務驅動因素的估計結果

從GTWR模型的估計系數均值來看,與POLS的系數方向基本一致。降水、氣溫、城鎮(zhèn)化、經濟發(fā)展水平以及環(huán)境治理對農業(yè)生態(tài)系統(tǒng)服務價值具有正向影響,其中氣溫以及降水的系數最大,分別為0.725和0.408,表明氣溫、降水等自然因素對農業(yè)生態(tài)系統(tǒng)服務價值具有重要促進作用,不僅影響農作物的光合作用、生物多樣性以及水土保持等功能,而且有利于農業(yè)生態(tài)系統(tǒng)修復。經濟發(fā)展水平的估計系數為0.395,表明農民增收有利于喚醒農民的生態(tài)意識,增強農業(yè)生態(tài)保護自覺性,保護農業(yè)生態(tài)面積,從而提升農業(yè)生態(tài)系統(tǒng)服務價值,這一發(fā)現與現有研究基本一致(Shipley et al.,2020;鐘文晶 等,2022)。人口密度、產業(yè)結構對農業(yè)生態(tài)系統(tǒng)服務價值具有抑制作用,其中人口密度的估計系數為-1.239,負向效應最大,原因可能在于人口密度上升一方面會擠占農業(yè)生態(tài)系統(tǒng)空間,譬如生態(tài)功能較強的耕地、林地、草地等轉化為建筑用地和商業(yè)用地,另一方面也會消耗更多的資源,排放更多的污染物,破壞農業(yè)生態(tài)系統(tǒng)平衡,進而降低農業(yè)生態(tài)系統(tǒng)服務價值。

(四)驅動因素的時空異質性分析

1.各驅動因素參數估計的時序波動

為分析農業(yè)生態(tài)系統(tǒng)服務驅動因素參數估計的時間變動趨勢,本文根據GTWR模型的估計結果,對2000—2019年各變量的平均參數變化情況進行可視化分析,結果如圖4所示。

圖4 各驅動因素估計結果的時序變動

第一,從社會維度來看,人口密度(POP)對農業(yè)生態(tài)系統(tǒng)服務價值的影響始終為負,呈現先升后降趨勢,從2000年的-1.39波動上升至2012年的-1.17,此后下降至2019年的-1.29,表明人口密度的負向影響逐漸減弱?？赡芤驗槿丝诿芏壬仙龜D占了農業(yè)生態(tài)空間,導致農業(yè)生態(tài)系統(tǒng)服務價值下降。但系數的離散程度呈先擴大后縮小的趨勢,原因主要在于近年來推進以人為本的新型城鎮(zhèn)化,人口密度對農業(yè)生態(tài)系統(tǒng)服務的負向影響逐漸減小。與人口密度的影響方向不同,城鎮(zhèn)化(URBAN)對農業(yè)生態(tài)系統(tǒng)服務價值的影響由負轉正。估計系數由2000年的-0.002下降至2005年的波谷值-0.32,2012年之后由負為正,2019年系數上升至0.75?？赡苡捎?011年之前部分省份過度依賴土地出讓收入和土地抵押融資推進城鎮(zhèn)化建設,浪費了大量農業(yè)生態(tài)用地資源,導致農業(yè)生態(tài)系統(tǒng)服務價值降低。黨的十八大以來,國家實施新型城鎮(zhèn)化與生態(tài)文明建設戰(zhàn)略,推動了土地城鎮(zhèn)化向以人為本的新型城鎮(zhèn)化轉變,城鄉(xiāng)融合、綠色低碳城市建設步伐加快,使城鎮(zhèn)化質量與城鎮(zhèn)化水平同步提升。因此,城鎮(zhèn)化水平上升促進了農業(yè)生態(tài)系統(tǒng)保護與農業(yè)生態(tài)系統(tǒng)服務價值提升。

第二,從經濟維度來看,經濟發(fā)展(ECO)對農業(yè)生態(tài)系統(tǒng)服務價值的影響由正轉負,系數從2000年的0.8下降至2019年的-0.1。近年來農民增收更多來自于非農收入的較快增長,從農業(yè)生態(tài)保護中獲得的收益可能相對較少。為減少務農勞動時間和勞動強度,農民傾向于增加農藥、化肥、薄膜、機械等方面的投入,這不利于農業(yè)生態(tài)保護,并對農業(yè)生態(tài)系統(tǒng)服務產生負向影響。產業(yè)結構(INS)對農業(yè)生態(tài)系統(tǒng)服務價值的影響在大多數年份為負,估計系數從2000年的-0.1下降至2019年的-0.31,其中2012年的系數達到波峰值0.21,2019年的系數進入波谷-0.31,表明不同年份的產業(yè)結構對農業(yè)生態(tài)系統(tǒng)服務價值的作用方向與強度存在較大差異。二產比重上升可能意味著工業(yè)企業(yè)的大幅度擴張,在城市環(huán)境考評壓力不斷上升的情況下,大量工業(yè)企業(yè)向鄉(xiāng)村轉移,對農業(yè)生態(tài)系統(tǒng)服務產生擠出效應。環(huán)境治理(ENV)的估計系數從2000年的0.28波動下降至2019年的-0.05,其中2016年環(huán)境治理對農業(yè)生態(tài)系統(tǒng)服務價值的影響由正轉負,表明環(huán)保支出上升能夠帶來地方生態(tài)環(huán)境改善。但近年來地方政府為應對環(huán)境考評和環(huán)保督察壓力,加大了對城市污染企業(yè)的環(huán)境規(guī)制力度,環(huán)保支出更多投向城市和工業(yè)污染治理,而農業(yè)、農村的環(huán)境規(guī)制力度相對薄弱,環(huán)保投入相對較少,因此,需要加大農業(yè)農村環(huán)境規(guī)制和環(huán)保投入力度,提升環(huán)保支出效率,引導企業(yè)和社會公眾共同參與農業(yè)生態(tài)系統(tǒng)保護,才能有效促進農業(yè)生態(tài)系統(tǒng)服務價值提升。

第三,從自然維度來看,降水(RAIN)對農業(yè)生態(tài)系統(tǒng)服務價值的影響始終為正,原因可能在于降水有利于農作物的生長發(fā)育,促進了水文調節(jié)和水資源供給。2000—2019年,降水變量的系數在0.35～0.49之間,2001年達到最大值0.49,此后呈現小幅度下降趨勢,表明降水對農業(yè)生態(tài)系統(tǒng)服務價值的正向影響有所下降?！吨袊鴼夂蜃兓{皮書(2021)》顯示,我國降水量季節(jié)分配很不均勻,2012年以來極端強降水事件呈現增多趨勢。盡管科技進步增強了我國農業(yè)抵抗極端天氣的能力,但近年來洪澇災害頻發(fā),不利于糧食作物生長和土壤保持,一定程度上削弱了降水的正向影響。氣溫(TEM)對農業(yè)生態(tài)系統(tǒng)服務價值的影響為正,估計系數在0.27～1.23之間,呈現波動上升趨勢,原因可能在于氣溫為植物生長提供所需的能量,擴大植物凈初級生產力(NPP),從而增加了農業(yè)生態(tài)系統(tǒng)的調節(jié)服務價值,這一發(fā)現與現有研究結論基本一致(Santos et al.,2019)。

2.各驅動因素參數估計的空間分異

根據GTWR模型估計結果,利用折線圖分析各驅動因素參數估計均值的空間分異,結果如圖5所示。

圖5 各驅動因素估計結果的空間分異

第一,從社會維度來看,人口密度(POP)在各地均為負向效應,系數絕對值在0.94～2.58之間,東部與中部地區(qū)的負向影響較大,西部與東北地區(qū)的負向作用相對較小,影響強度最小的五個省份為西藏、遼寧、吉林、四川以及黑龍江。原因可能在于西部與東北地區(qū)人口主要流向東部和中部地區(qū),進一步降低了本地的人口密度,從而對本地農業(yè)生態(tài)系統(tǒng)服務的負向影響變小。城鎮(zhèn)化(URBAN)對西部和東北地區(qū)的大多數省份農業(yè)生態(tài)系統(tǒng)服務具有負向影響,其中,廣東、福建的負向作用最小。其余18個省市的系數為正,系數值在0.08～1.14之間,主要聚焦于東部和中部地區(qū),可能因為這些地區(qū)重視城鎮(zhèn)化質量,減弱了城鎮(zhèn)化對農業(yè)生態(tài)系統(tǒng)服務的負向影響。 第二,從經濟維度來看,經濟發(fā)展(ECO)除遼寧、寧夏兩個省份以外,其余均為正值。貴州、福建、湖南、江西以及廣西5個省份的正向效應最大,系數值在0.64～0.74之間。產業(yè)結構的估計值除新疆、西藏、甘肅、青海、寧夏、海南、福建、四川、廣東、黑龍江、山西、重慶以及湖南13個省份外,其余18個省份均為負值,其中河北、河南以及山東3個省份的負向作用最大。從理論邏輯來說,二產比重越大,意味著占用更多的農業(yè)生態(tài)用地,對農業(yè)生態(tài)系統(tǒng)服務的負向影響越大。至于13個省份產業(yè)結構的估計系數為正,原因可能是這些省份具有生態(tài)資源比較優(yōu)勢,二產比重上升加快了當地工業(yè)化和城鎮(zhèn)化進程,引致農業(yè)生態(tài)產品需求增長,有利于農業(yè)生態(tài)產品的開發(fā)與保護。例如,新疆、西藏以及甘肅的系數值分別達到1.65、0.8和0.6。環(huán)境治理(ENV)在各地均為正向效應,系數值在0.03～0.38之間,呈現“西部和東北高-東部和中部低”的空間分異,其中四川、遼寧、甘肅、云南以及寧夏5個省份的系數值最大,原因可能在于西部和東北地區(qū)的人口密度相對較小,而農業(yè)生態(tài)面積相對較大,人均環(huán)保支出增加帶來了農業(yè)生態(tài)系統(tǒng)保護的規(guī)模經濟效應,從而對農業(yè)生態(tài)系統(tǒng)服務價值的促進作用相對更大。

第三,從自然維度來看,降水(RAIN)在各地均為正向效應,系數值在0.53～0.89之間變動。西部與東北地區(qū)的正向效應較大,其中西藏、四川、寧夏、甘肅以及青海為系數值最大的五個省份。可能由于我國水資源呈現南多北少、東多西少的空間非均勻分布,降水對西部與東北地區(qū)的調節(jié)作用和供給作用更大。與降水不同,氣溫(TEM)除遼寧、吉林、黑龍江、新疆四地外,其余均為正值,系數值在0.03～1.51之間變動,排名前五的省份為河南、湖北、福建、江西以及安徽。原因可能在于我國大部分地區(qū)以暖溫帶和亞熱帶為主,氣溫上升使耕地復種指數增加,提升了農業(yè)生態(tài)系統(tǒng)的供給服務價值。而遼寧、吉林、黑龍江、新疆主要屬于中溫帶地區(qū),氣溫上升對農業(yè)生態(tài)系統(tǒng)產生較大的破壞效應。

六、結論與政策啟示

雙碳戰(zhàn)略目標對我國農業(yè)生態(tài)系統(tǒng)保護提出了更高的要求,面對農業(yè)生態(tài)系統(tǒng)退化和資源環(huán)境約束趨緊的嚴峻形勢,迫切需要探索農業(yè)生態(tài)系統(tǒng)服務價值的提升路徑。本文構建動態(tài)當量調節(jié)因子模型對2000—2019年我國31個省份的農業(yè)生態(tài)系統(tǒng)服務價值進行評估,利用標準差橢圓方法考察農業(yè)生態(tài)系統(tǒng)服務價值的分布動態(tài)及演進趨勢,并基于時空地理加權回歸建模技術擴展傳統(tǒng)STIRPAT模型,識別農業(yè)生態(tài)系統(tǒng)服務價值的驅動因素及其時空分異。研究結論如下:

(1)樣本考察期內,1個標準動態(tài)當量呈現波動式上升趨勢,從2000年的796.8元/hm2上升至2019年的2276.23元/hm2。全國AESV以及人均AESV均呈現波動式上升趨勢,而全國AESV占一產GDP之比、人均AESV占人均GDP之比呈現下降趨勢,仍然存在較大的提升空間。

(2)農業(yè)生態(tài)系統(tǒng)服務價值的空間非均衡性特征明顯。西部地區(qū)的AESV總量以及人均AESV最大,東北部、中部和東部地區(qū)的AESV總量接近且東部地區(qū)的人均AESV最小。從增速來看,東北地區(qū)的AESV總量以及人均AESV增速最快,年均增長率分別為6.24%和 5.9%。標準差橢圓的重心位于甘肅省境內,重心的移動距離與移動速度均呈現先升后降趨勢。標準差橢圓的轉角下降幅度較小,表明農業(yè)生態(tài)系統(tǒng)服務價值呈現穩(wěn)定的“東北-西南”空間分布格局。

(3)降水、氣溫、城鎮(zhèn)化、經濟發(fā)展和環(huán)境治理有利于提升農業(yè)生態(tài)系統(tǒng)服務價值,而人口密度以及產業(yè)結構具有抑制作用。從各驅動因素的時序變動來看,降水和氣溫始終具有正向影響,人口密度始終為負。從各驅動因素的空間分異來看,降水和環(huán)境治理均為正向效應,在西部與東北地區(qū)的正向影響較大。人口密度的影響為負,在東部與中部地區(qū)的負向影響較大。氣溫、城鎮(zhèn)化、經濟發(fā)展和產業(yè)結構在作用方向和影響程度上均存在明顯的空間分異性。

基于上述研究結論,政策啟示在于:

第一,進一步加大農業(yè)生態(tài)系統(tǒng)保護力度。一方面,要嚴守生態(tài)保護紅線和耕地保護紅線,科學劃定農業(yè)生態(tài)保護空間,提高農業(yè)生態(tài)面積保有量。另一方面,加快農業(yè)生態(tài)環(huán)境的立法進度,提高農業(yè)生態(tài)系統(tǒng)監(jiān)管執(zhí)法的保障力,防治農業(yè)面源污染。因地制宜開展農業(yè)生態(tài)修復,增強農業(yè)生態(tài)系統(tǒng)的穩(wěn)定性和可持續(xù)性。

第二,探索農業(yè)生態(tài)系統(tǒng)服務價值的地區(qū)協(xié)同提升機制。研究顯示,全國農業(yè)生態(tài)系統(tǒng)服務價值具有明顯的空間非均衡性效應,可以根據農業(yè)生態(tài)系統(tǒng)服務價值的分布特征,把西部、東北劃分為重點生態(tài)功能區(qū),加大對重點生態(tài)功能區(qū)的轉移支付,壓實非生態(tài)功能區(qū)、生態(tài)敏感區(qū)和脆弱區(qū)穩(wěn)定農業(yè)生態(tài)系統(tǒng)面積的責任,共同維護好國家生態(tài)安全。以市場和民眾為主導有利于提高權利與責任的對稱性和農業(yè)生態(tài)保護的協(xié)調性(李周,2023),加快構建農業(yè)生態(tài)產品和生態(tài)服務交易平臺,促進地區(qū)間開展農業(yè)生態(tài)產品交易、生態(tài)補償和生態(tài)調節(jié),降低地區(qū)間的農業(yè)生態(tài)赤字和生態(tài)差距,從而實現農業(yè)生態(tài)系統(tǒng)服務價值的協(xié)同提升。

第三,推動經濟社會發(fā)展全面綠色轉型。從社會維度來說,要充分考慮生態(tài)系統(tǒng)承載力,合理確定人口密度,降低人口密度對農業(yè)生態(tài)系統(tǒng)服務價值的負向影響。此外,要發(fā)揮新型城鎮(zhèn)化對農業(yè)生態(tài)系統(tǒng)服務價值的促進作用,處理好城鎮(zhèn)化發(fā)展與農業(yè)生態(tài)系統(tǒng)保護之間的關系,從城鄉(xiāng)一體化高質量發(fā)展的角度保護農業(yè)生態(tài)系統(tǒng),構建以提高生物多樣性和生態(tài)服務功能為目標導向的生態(tài)修復體系,提高城市韌性與生態(tài)安全保障能力。從經濟維度來說,農民增收和產業(yè)結構轉型升級有利于農業(yè)生態(tài)系統(tǒng)服務價值提升,一方面要支持農民發(fā)展綠色農業(yè)、循環(huán)農業(yè)和智慧農業(yè),加大對綠色生產的政策補貼力度,增加農民的生態(tài)保護收益,調動農戶保護農業(yè)生態(tài)系統(tǒng)的積極性。另一方面,推動地區(qū)產業(yè)結構轉型升級,推動傳統(tǒng)制造業(yè)綠色化改造,建立健全綠色低碳循環(huán)發(fā)展經濟體系。與此同時,加大環(huán)保支出向農業(yè)、農村的傾斜力度,完善農業(yè)生態(tài)環(huán)保支出的管理與監(jiān)督,增強農村環(huán)境規(guī)制執(zhí)行效率。建立農業(yè)生態(tài)系統(tǒng)損害責任終身追究制,加大對地方政府保護生態(tài)資產的考評監(jiān)督,確保農業(yè)生態(tài)系統(tǒng)保護政策的有效實施與執(zhí)行。從自然維度來說,降水和氣溫有利于農業(yè)生態(tài)系統(tǒng)服務價值提升,要牢固樹立“山水林田湖草沙是一個生命共同體”的理念,加強農業(yè)生態(tài)文明教育,引導民眾敬畏自然、尊重自然、順應自然、保護自然,形成保護農業(yè)生態(tài)系統(tǒng)和節(jié)約資源的生活方式,構建人與自然和諧共生的新格局。