碳排放視角下的農(nóng)業(yè)生態(tài)效率研究

劉 凡,周書靈

宿州學(xué)院商學(xué)院,安徽宿州,234000

1 相關(guān)研究與問題提出

為應(yīng)對(duì)日益嚴(yán)峻的氣候變暖問題,世界各國(guó)積極推進(jìn)農(nóng)業(yè)低碳轉(zhuǎn)型[1]。然而,隨著耕地、水等農(nóng)業(yè)生產(chǎn)資源不斷減少,人口增長(zhǎng)和糧食供應(yīng)、農(nóng)業(yè)經(jīng)濟(jì)發(fā)展和生態(tài)環(huán)境保護(hù)之間的矛盾日益突出[2]。2020年9月,黨中央提出推進(jìn)“雙碳”目標(biāo),為農(nóng)業(yè)的低碳轉(zhuǎn)型提出了更高要求[3];2022年7月,農(nóng)業(yè)農(nóng)村部等機(jī)構(gòu)發(fā)布了《農(nóng)業(yè)農(nóng)村減排固碳實(shí)施方案》,以促進(jìn)農(nóng)業(yè)綠色低碳發(fā)展[4];2022年10月,黨的二十大報(bào)告指出,加快建設(shè)農(nóng)業(yè)強(qiáng)國(guó)[5];2022年12月,中央農(nóng)村工作會(huì)議提出“發(fā)展生態(tài)低碳農(nóng)業(yè)”[6]。在此背景下,如何實(shí)現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)與農(nóng)業(yè)生態(tài)環(huán)境的協(xié)調(diào)發(fā)展成為重要的研究問題。因此,如何提升農(nóng)業(yè)資源利用效率,減少農(nóng)業(yè)生產(chǎn)造成的環(huán)境污染,以更少的資源消耗創(chuàng)造更高的農(nóng)業(yè)生態(tài)效益,對(duì)促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展具有重要意義。

農(nóng)業(yè)生態(tài)效率是在“生態(tài)效率”的基礎(chǔ)上衍生而來(lái)的,追求最小的資源投入和最小的環(huán)境污染產(chǎn)生最大的期望產(chǎn)出[7],是對(duì)農(nóng)業(yè)生產(chǎn)過程中經(jīng)濟(jì)和生態(tài)綜合績(jī)效的反映[8]。當(dāng)前學(xué)術(shù)界關(guān)于農(nóng)業(yè)生態(tài)效率的研究主要集中在以下3個(gè)方面:

農(nóng)業(yè)生態(tài)效率評(píng)價(jià)指標(biāo)研究?；谵r(nóng)業(yè)生產(chǎn)的評(píng)價(jià)標(biāo)準(zhǔn),農(nóng)業(yè)投入指標(biāo)多包括:土地、化肥農(nóng)藥、勞動(dòng)力、農(nóng)業(yè)用水、機(jī)械和能源投入等[9];農(nóng)業(yè)產(chǎn)出指標(biāo)則包括期望產(chǎn)出和非期望產(chǎn)出指標(biāo)。期望產(chǎn)出指標(biāo)指能代表農(nóng)業(yè)向好發(fā)展的指標(biāo),如糧食產(chǎn)量、農(nóng)業(yè)產(chǎn)值、農(nóng)業(yè)增加值、農(nóng)業(yè)碳匯等[10],非期望產(chǎn)出則指農(nóng)業(yè)生產(chǎn)伴隨的環(huán)境污染,主要包括農(nóng)業(yè)碳排放量和農(nóng)業(yè)面源污染等指標(biāo)[11]。農(nóng)業(yè)碳排放測(cè)算,Chen等[12]基于農(nóng)業(yè)生產(chǎn)的主要碳排放源,應(yīng)用聯(lián)合國(guó)政府間氣候變化專門委員會(huì)(IPCC)等機(jī)構(gòu)發(fā)布的最新碳排放系數(shù),應(yīng)用有序加權(quán)聚合算子等方法測(cè)算區(qū)域農(nóng)業(yè)碳排放量。顏光耀等[13]和黃曉慧等[14]還指出,近年來(lái)中國(guó)農(nóng)業(yè)碳排放總量與強(qiáng)度有下降趨勢(shì),而農(nóng)業(yè)技術(shù)進(jìn)步能夠降低農(nóng)業(yè)碳排放強(qiáng)度。關(guān)于農(nóng)業(yè)面源污染的研究,鄭盛華等[15]和張英男等[16]指出,由于過量施肥、農(nóng)藥和使用農(nóng)膜等引起的農(nóng)業(yè)面源污染是農(nóng)村水污染的主要原因之一,也是阻礙農(nóng)業(yè)綠色發(fā)展的主要因素之一。為降低農(nóng)業(yè)面源污染,吳海霞等[17]和張育福等[18]提出,應(yīng)加強(qiáng)農(nóng)業(yè)補(bǔ)貼頂層設(shè)計(jì)、加強(qiáng)跨區(qū)域聯(lián)動(dòng)防控、控制化肥施用量等建議。

農(nóng)業(yè)生態(tài)效率評(píng)價(jià)研究。學(xué)者們主要從低碳、生態(tài)足跡等視角[19],運(yùn)用生命周期法[20]、能值分析法[21]和數(shù)據(jù)包絡(luò)分析(DEA)[22]等方法,從國(guó)家、區(qū)域、省域、市域等層面對(duì)農(nóng)業(yè)的生態(tài)效率進(jìn)行科學(xué)評(píng)價(jià)[23]。其中,考慮到松弛變量的數(shù)據(jù)包絡(luò)分析 (SBM),有效解決了投入產(chǎn)出的松弛現(xiàn)象和排序的并列問題,已逐漸成為測(cè)定農(nóng)業(yè)生態(tài)效率的主流模型[24]。在國(guó)家層面,徐維祥等[25]采用SBM模型測(cè)算出中國(guó)農(nóng)業(yè)生態(tài)效率呈現(xiàn)上升趨勢(shì);在區(qū)域?qū)用?梁耀文等[26]運(yùn)用SBM-Undesirable模型測(cè)算出環(huán)渤海地區(qū)的農(nóng)業(yè)生態(tài)效率整體較低但呈上升態(tài)勢(shì),于婷等[27]運(yùn)用SBM-undesirable模型測(cè)算出中國(guó)13個(gè)糧食主產(chǎn)區(qū)的農(nóng)業(yè)生態(tài)環(huán)境效率整體呈波動(dòng)上升態(tài)勢(shì);在省域?qū)用?陳菁泉等[28]構(gòu)建了“環(huán)境投入—環(huán)境治理”兩階段模型,測(cè)度出省際間農(nóng)業(yè)生態(tài)效率存在東西高、中部塌陷的局面;在市域?qū)用?張熒楠等[29]和張展等[30]運(yùn)用SBM模型測(cè)算出山東省17個(gè)地級(jí)市中濟(jì)南、煙臺(tái)的農(nóng)業(yè)生態(tài)效率處于有效狀態(tài),并進(jìn)一步指出農(nóng)藥投入等是其他地市農(nóng)業(yè)生態(tài)效率無(wú)效的主要制約因素。

農(nóng)業(yè)生態(tài)效率優(yōu)化研究。在時(shí)空演變方面,鄭云等[31]運(yùn)用社會(huì)網(wǎng)絡(luò)法測(cè)算出中國(guó)農(nóng)業(yè)生態(tài)效率的空間關(guān)聯(lián)具有網(wǎng)格化特征;汪亞琴等[32]指出,中國(guó)農(nóng)業(yè)生態(tài)效率呈現(xiàn)出東西部地區(qū)較高、中部地區(qū)較低的空間分布格局;而農(nóng)業(yè)資源錯(cuò)配、財(cái)政環(huán)保支出、城鎮(zhèn)化、農(nóng)業(yè)研發(fā)投入、農(nóng)業(yè)資源稟賦、農(nóng)村勞動(dòng)力轉(zhuǎn)移等是農(nóng)業(yè)生態(tài)效率重要影響因素[33]。此外,學(xué)者根據(jù)農(nóng)業(yè)生態(tài)效率測(cè)度結(jié)果,提出了系列優(yōu)化措施,包括:加強(qiáng)農(nóng)業(yè)技術(shù)推廣、提升農(nóng)業(yè)企業(yè)管理人員素質(zhì)、優(yōu)化農(nóng)業(yè)生產(chǎn)投入結(jié)構(gòu)、強(qiáng)化數(shù)字普惠金融、提升區(qū)域合作水平和加強(qiáng)二、三產(chǎn)業(yè)帶動(dòng)等[34]。

綜合梳理相關(guān)文獻(xiàn)發(fā)現(xiàn):第一,農(nóng)業(yè)生態(tài)效率涉及多項(xiàng)投入和產(chǎn)出,如何準(zhǔn)確測(cè)度農(nóng)業(yè)生態(tài)效率是精準(zhǔn)提升農(nóng)業(yè)資源利用效率、減少環(huán)境污染的迫切需求;第二,在農(nóng)業(yè)生態(tài)效率評(píng)價(jià)指標(biāo)的選取上,現(xiàn)有研究較少考慮農(nóng)業(yè)能源消耗等指標(biāo),而受氣候、能源市場(chǎng)的影響,全球能源碳排放量增速較快,農(nóng)業(yè)生產(chǎn)也應(yīng)考慮到能源消耗量;第三,現(xiàn)有研究鮮有根據(jù)區(qū)域農(nóng)業(yè)相對(duì)生態(tài)效率現(xiàn)狀深入分析效率損失的內(nèi)在原因。鑒于此,本文借鑒了崔許鋒等[8]、曹俊文等[10]的研究思路,提出了一種碳排放視角下農(nóng)業(yè)生態(tài)效率評(píng)價(jià)方法,評(píng)價(jià)農(nóng)業(yè)生態(tài)效率的時(shí)空分布特征,根據(jù)冗余度分析其生態(tài)效率損失原因,并提出針對(duì)性的優(yōu)化措施。

2 模型和方法

2.1 研究區(qū)域

中國(guó)是《聯(lián)合國(guó)氣候變化框架公約》首批締約國(guó),中國(guó)積極促進(jìn)生態(tài)系統(tǒng)適應(yīng)全球氣候變化。此外,中國(guó)是世界上棉花、水稻總產(chǎn)量最高的國(guó)家,其中水稻產(chǎn)量占全球總量的31%[35]。2019年《中國(guó)的糧食安全》白皮書顯示:中國(guó)人口占世界的近1/5,糧食產(chǎn)量約占世界的1/4。但中國(guó)農(nóng)業(yè)發(fā)展也面臨環(huán)境污染、生態(tài)破壞等問題,如人均耕地面積少、水土流失嚴(yán)重、過度施用農(nóng)藥化肥造成了土壤污染、減排壓力巨大。在協(xié)同推進(jìn)農(nóng)業(yè)經(jīng)濟(jì)穩(wěn)定增長(zhǎng)、糧食安全供給、低碳循環(huán)發(fā)展方面,仍面臨嚴(yán)峻挑戰(zhàn)。

2.2 研究框架

該研究是為促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)與生態(tài)環(huán)境的協(xié)調(diào)發(fā)展,從碳排放視角評(píng)價(jià)并提升農(nóng)業(yè)生態(tài)效率。然而,農(nóng)業(yè)生產(chǎn)系統(tǒng)是個(gè)多元復(fù)合系統(tǒng),農(nóng)業(yè)生產(chǎn)系統(tǒng)的投入和產(chǎn)出數(shù)據(jù)多源且量綱不統(tǒng)一,提出的優(yōu)化建議需要結(jié)合地方農(nóng)業(yè)發(fā)展實(shí)際條件。因此,為了應(yīng)對(duì)該挑戰(zhàn),該研究提出了一個(gè)數(shù)據(jù)驅(qū)動(dòng)的農(nóng)業(yè)生態(tài)效率評(píng)價(jià)及優(yōu)化方法。數(shù)據(jù)采集是采集農(nóng)業(yè)生產(chǎn)要素投入數(shù)據(jù)、糧食產(chǎn)出和總產(chǎn)值數(shù)據(jù)、農(nóng)業(yè)環(huán)境污染數(shù)據(jù)等,并據(jù)此構(gòu)建農(nóng)業(yè)生態(tài)效率評(píng)價(jià)指標(biāo)體系;數(shù)據(jù)處理是根據(jù)農(nóng)業(yè)生產(chǎn)主要碳排放源,測(cè)算農(nóng)業(yè)碳排放量、碳排放強(qiáng)度和農(nóng)業(yè)面源污染量;數(shù)據(jù)模型是構(gòu)建農(nóng)業(yè)生態(tài)效率測(cè)度模型;數(shù)據(jù)分析是分析生態(tài)效率損失的內(nèi)在原因,提出農(nóng)業(yè)生態(tài)效率提升對(duì)策。

2.3 數(shù)據(jù)來(lái)源與研究方法

農(nóng)業(yè)生態(tài)效率綜合反映了農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)、糧食安全和資源節(jié)約、低碳轉(zhuǎn)型之間的統(tǒng)籌發(fā)展關(guān)系,考慮農(nóng)業(yè)生態(tài)系統(tǒng)特點(diǎn),參考陳陽(yáng)等[36]、陳新華等[37]相關(guān)研究,根據(jù)數(shù)據(jù)可得性、可操作性原則,以農(nóng)林牧副漁業(yè)為研究對(duì)象,選取了土地、勞動(dòng)、機(jī)械等作為農(nóng)業(yè)投入指標(biāo),對(duì)比Liu等[38]的研究,增加能源消耗投入指標(biāo);用農(nóng)業(yè)總產(chǎn)值和糧食產(chǎn)量作為期望產(chǎn)出指標(biāo);用農(nóng)業(yè)碳排放、面源污染指標(biāo)作為非期望產(chǎn)出,具體如表1。上述數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局,并經(jīng)計(jì)算出2010—2019年中國(guó)31個(gè)省(市、自治區(qū))農(nóng)業(yè)生態(tài)效率評(píng)價(jià)面板數(shù)據(jù)。勞動(dòng)力投入,參考田偉等[39]對(duì)農(nóng)業(yè)勞動(dòng)力的計(jì)算思路,以農(nóng)林牧漁業(yè)城鎮(zhèn)單位就業(yè)人員表征。翻耕數(shù)據(jù)以當(dāng)年中國(guó)農(nóng)作物實(shí)際播種面積為準(zhǔn),農(nóng)業(yè)灌溉以當(dāng)年中國(guó)實(shí)際灌溉面積為準(zhǔn)。

表1 農(nóng)業(yè)生態(tài)效率投入產(chǎn)出指標(biāo)體系

2.4 數(shù)據(jù)處理

2.4.1 農(nóng)業(yè)碳排放計(jì)算

參考李波等[40]研究,農(nóng)業(yè)的碳排放主要包括化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油、農(nóng)業(yè)灌溉、翻耕流失6類碳排放源?？蓸?gòu)建農(nóng)業(yè)碳排放計(jì)算模型如下:

E=∑Ei=∑Ti×δi

(1)

其中,E為農(nóng)業(yè)的碳排放總量,Ei為各農(nóng)業(yè)碳源的碳排放量,Ti為各農(nóng)業(yè)碳排放源的量,δi為各農(nóng)業(yè)碳排放源的碳排放系數(shù)。

參考張志高等[41]研究,農(nóng)業(yè)6類碳排放源相應(yīng)的排放系數(shù)分別為0.895 6 kg/kg、4.934 1 kg/kg、5.18 kg/kg、0.592 7 kg/kg、20.476 kg/km2、3.126 kg/km2。根據(jù)農(nóng)業(yè)碳排放總量,可計(jì)算得出農(nóng)業(yè)碳排放強(qiáng)度,計(jì)算公式如下:

(2)

其中,Eij表示i省市j年度的農(nóng)業(yè)碳排放量,Aij表示i省市j年度的農(nóng)林牧漁業(yè)總產(chǎn)值。

2.4.2 農(nóng)業(yè)面源污染計(jì)算

農(nóng)業(yè)面源污染由多個(gè)單元構(gòu)成,包括化肥流失量、農(nóng)藥流失量和農(nóng)膜殘留量。參考袁培等[24]研究,選取化肥流失、農(nóng)藥流失和農(nóng)膜殘留系數(shù)分別為:0.65、0.5、0.103;參考徐承紅等[42]的研究,通過熵值法合并測(cè)算農(nóng)業(yè)面源污染指數(shù),用以表征農(nóng)業(yè)面源污染狀況;參考陸杉等[43]學(xué)者的研究,構(gòu)建農(nóng)業(yè)面源污染計(jì)算模型如下:

P=∑Mij×ρij×γij

(3)

其中,P代表第i省市的第j種污染的總產(chǎn)污量,Mij、ρij、γij分別表示i省市第j種污染的使用量、產(chǎn)污系數(shù)和流失系數(shù)。

2.5 模型構(gòu)建

Tone[44]提出的SBM模型,既可以科學(xué)處理非期望產(chǎn)出,又可拓展為超效率模型,進(jìn)一步區(qū)分有效決策單元,已被普遍應(yīng)用于低碳約束下的農(nóng)業(yè)生態(tài)效率研究[45]。將各省市農(nóng)業(yè)生態(tài)系統(tǒng)作為決策單元,超效率SBM采用線性規(guī)劃模型進(jìn)行構(gòu)建:

(4)

其中,AEE為農(nóng)業(yè)生態(tài)效率評(píng)價(jià)值;x、yg、yb分別代表農(nóng)業(yè)要素投入、農(nóng)業(yè)期望產(chǎn)出、農(nóng)業(yè)非期望產(chǎn)出指標(biāo)的數(shù)值。m為農(nóng)業(yè)要素投入數(shù)量,s1為農(nóng)業(yè)期望產(chǎn)出數(shù)量;s2為農(nóng)業(yè)非期望產(chǎn)出數(shù)量。

(5)

(6)

λj≥0;i=1,2,…,m;j=1,2,…,n;

(7)

j≠0,s=1,2,…,s1;q=1,2,…s2

(8)

其中,n為各省市數(shù)量,即決策單元數(shù)量;每個(gè)決策單元由m項(xiàng)農(nóng)業(yè)要素投入、s1項(xiàng)農(nóng)業(yè)期望產(chǎn)出、s2項(xiàng)農(nóng)業(yè)非期望產(chǎn)出構(gòu)成;λ表示所對(duì)應(yīng)的農(nóng)業(yè)投入或產(chǎn)出元素的權(quán)重。

3 結(jié) 果

3.1 中國(guó)農(nóng)業(yè)碳排放量、碳排放強(qiáng)度

根據(jù)式(1)—(2)對(duì)2010—2019年中國(guó)省域農(nóng)業(yè)碳排放總量和碳排放強(qiáng)度進(jìn)行核算,結(jié)果見表2。2010—2019年間,中國(guó)31省(市、自治區(qū))農(nóng)業(yè)碳排放總量相差較大,其中居于前10位的省(市、自治區(qū))依次為:河南、山東、河北、江蘇、安徽、湖北、黑龍江、新疆、湖南、四川,除了新疆,其他9個(gè)地區(qū)都是中國(guó)糧食主產(chǎn)區(qū),上述10個(gè)省份的農(nóng)業(yè)碳排放總量累計(jì)占到了全國(guó)農(nóng)業(yè)碳排放總量的57.11%。而同樣作為糧食主產(chǎn)區(qū)的江西省,農(nóng)業(yè)碳排放總量相對(duì)較低(2 164.22萬(wàn)噸)。山西、重慶、貴州、海南、寧夏、天津、上海、北京、青海、西藏10個(gè)省(市、自治區(qū))的農(nóng)業(yè)碳排放總量排靠后,這10個(gè)省(市、自治區(qū))的農(nóng)業(yè)碳排放量累計(jì)之和僅占全國(guó)農(nóng)業(yè)碳排放總量的7.74%。

表2 中國(guó)農(nóng)業(yè)碳排放總量 萬(wàn)噸

從整體看(圖1),2010—2019年中國(guó)農(nóng)業(yè)碳排放總量在2015年前呈現(xiàn)上升趨勢(shì),2015年后呈現(xiàn)下降趨勢(shì),2019年中國(guó)農(nóng)業(yè)碳排放總量為8.112千萬(wàn)噸,相比2010年減少了2.81%。而農(nóng)業(yè)碳排放強(qiáng)度呈大幅度下降趨勢(shì),2019年中國(guó)農(nóng)業(yè)碳排放強(qiáng)度均值為0.128萬(wàn)噸/萬(wàn)億元,較2010年下降了45.5%。這充分表明中國(guó)農(nóng)業(yè)碳減排成效顯著。

圖1 2010—2019年中國(guó)農(nóng)業(yè)碳排放總量和碳排放強(qiáng)度均值

3.2 中國(guó)農(nóng)業(yè)面源污染指數(shù)水平

根據(jù)式(3)對(duì)2010—2019年中國(guó)省域農(nóng)業(yè)面源污染量進(jìn)行核算,運(yùn)用熵權(quán)法合并成農(nóng)業(yè)面源污染指數(shù),結(jié)果如圖2所示。

圖2 2010—2019年中國(guó)31省(市、自治區(qū))農(nóng)業(yè)面源污指數(shù)水平

由圖2可知,中國(guó)31省(市、自治區(qū))農(nóng)業(yè)面源污染綜合指數(shù)水平在2010—2015年呈上升趨勢(shì),在2015—2019年呈下降趨勢(shì)。主要原因在于,自2015年中國(guó)實(shí)施農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革以來(lái),中國(guó)原農(nóng)業(yè)部提出“一控兩減三基本”要求,中國(guó)開始加強(qiáng)控制農(nóng)業(yè)用水的總量,減少化肥、農(nóng)藥的施用總量,對(duì)畜禽污染處理問題、地膜回收問題、秸稈焚燒的問題采取措施,并陸續(xù)出臺(tái)了系列生態(tài)保護(hù)、節(jié)能減排的相關(guān)政策,農(nóng)業(yè)生產(chǎn)方式不斷優(yōu)化,更加注重科學(xué)施用農(nóng)藥、農(nóng)膜和化肥,農(nóng)業(yè)面源污染不斷減輕。

3.3 描述分析結(jié)果

基于變量Y3與Y4的計(jì)算結(jié)果,表3列出了各變量的描述性統(tǒng)計(jì)。除指標(biāo)X2外,各指標(biāo)的均值都大于標(biāo)準(zhǔn)差,基本服從正態(tài)分布;農(nóng)林牧漁業(yè)從業(yè)人數(shù)(X2)均值小于標(biāo)準(zhǔn)差,說(shuō)明各省市農(nóng)林牧漁業(yè)從業(yè)人數(shù)的地區(qū)差異較大。

表3 農(nóng)業(yè)生態(tài)效率投入產(chǎn)出變量描述性統(tǒng)計(jì) N=310

3.4 中國(guó)農(nóng)業(yè)生態(tài)效率測(cè)算結(jié)果

在核算農(nóng)業(yè)碳排放、農(nóng)業(yè)面源污染的基礎(chǔ)上,根據(jù)式(4)—(8),運(yùn)用超效率SBM模型,對(duì)2010—2019年中國(guó)省域農(nóng)業(yè)生態(tài)效率進(jìn)行核算。為展示農(nóng)業(yè)生態(tài)效率的空間分布特征和變動(dòng)過程,選取2010年、2013年、2016年和2019年中國(guó)農(nóng)業(yè)生態(tài)效率值,運(yùn)用ArcGIS 10.2軟件,根據(jù)自然間斷點(diǎn)法分級(jí)描繪出中國(guó)農(nóng)業(yè)生態(tài)效率的空間分布。結(jié)果發(fā)現(xiàn),2010—2019年間,中國(guó)農(nóng)業(yè)生態(tài)效率高效率區(qū)域呈現(xiàn)由西部地區(qū)向中部、東北部地區(qū)轉(zhuǎn)移的趨勢(shì),這與崔許鋒等[8]、徐維祥等[25]學(xué)者的研究結(jié)果相似。2010年,新疆、西藏、陜西、河南、吉林等省市自治區(qū)農(nóng)業(yè)生態(tài)效率相對(duì)較高。2013年,農(nóng)業(yè)生態(tài)效率省際差異顯著,山西、天津、云南、甘肅、安徽五省(市、自治區(qū))的農(nóng)業(yè)生態(tài)效率值低于1,其余省份均高于1,其中四川、山東、黑龍江等省份的農(nóng)業(yè)生態(tài)效率較高。2016年,多數(shù)省份的農(nóng)業(yè)生態(tài)效率有所下降,只有山西、天津、云南、甘肅、廣西、青海、新疆、河北8個(gè)省(市、自治區(qū))的效率值低于1,農(nóng)業(yè)生態(tài)效率低效率區(qū)域向中國(guó)西部地區(qū)偏移。2019年,多數(shù)省市農(nóng)業(yè)生態(tài)效率有所提升,且山西、天津、云南、甘肅、河北5省(市)已達(dá)到農(nóng)業(yè)投入產(chǎn)出相對(duì)有效狀態(tài),表明隨著中國(guó)發(fā)展綠色農(nóng)業(yè)相關(guān)政策的實(shí)施,農(nóng)業(yè)生態(tài)效率水平得到了有效提升。2019年,只有廣西、甘肅、新疆3個(gè)省(市、自治區(qū))的農(nóng)業(yè)生態(tài)效率都低于1,其農(nóng)業(yè)生產(chǎn)投入產(chǎn)出比處于相對(duì)無(wú)效狀態(tài),這些地區(qū)農(nóng)業(yè)生態(tài)環(huán)境較為脆弱,農(nóng)業(yè)生態(tài)效率提升受限于資源稟賦和地理環(huán)境。

為此進(jìn)一步對(duì)2019年我國(guó)廣西、甘肅、新疆地區(qū)農(nóng)業(yè)生態(tài)效率無(wú)效單元的農(nóng)業(yè)投入及產(chǎn)出冗余進(jìn)行分析,見表4。相對(duì)于農(nóng)業(yè)生態(tài)效率相對(duì)無(wú)效的決策單元來(lái)說(shuō),其投入的松弛變量為負(fù)數(shù),表示改進(jìn)方向?yàn)闇p少投入。相對(duì)于有效產(chǎn)出而言,如農(nóng)用塑料薄膜使用量(X7),甘肅省存在約111 301.007 3噸的冗余、新疆存在約204 812.905 1噸的冗余;相對(duì)于有效投入而言,甘肅省的農(nóng)業(yè)期望產(chǎn)出(Y2)應(yīng)增加約154.097 5億元。

表4 2019年農(nóng)業(yè)生態(tài)效率無(wú)效地區(qū)投入產(chǎn)出冗余值

4 結(jié)論與相關(guān)討論

4.1 結(jié) 論

在核算2010—2019年中國(guó)31個(gè)省(市、自治區(qū))農(nóng)業(yè)碳排放、農(nóng)業(yè)面源污染的基礎(chǔ)上,應(yīng)用超效率SBM模型對(duì)31省(市、自治區(qū))農(nóng)業(yè)生態(tài)效率進(jìn)行測(cè)算,并對(duì)效率空間分布進(jìn)行分析,研究發(fā)現(xiàn),2010—2019年間,中國(guó)31省(市、自治區(qū))農(nóng)業(yè)碳排放總量、碳排放強(qiáng)度、農(nóng)業(yè)面源污染綜合指數(shù)水平都呈現(xiàn)下降趨勢(shì),這與顏光耀等[13]的研究結(jié)果相似;然而,各年份農(nóng)業(yè)生態(tài)效率損失的主要原因不是期望產(chǎn)出不足,而是各投入要素冗余、非期望產(chǎn)出較高,這與劉華軍等[46]的研究結(jié)果相似。因此,中國(guó)農(nóng)業(yè)生態(tài)效率提升的重點(diǎn)是精益化生產(chǎn)和低碳化發(fā)展。

4.2 相關(guān)討論

據(jù)此,提出如下提升建議:(1)加強(qiáng)農(nóng)業(yè)生產(chǎn)投入要素精益管理,提高農(nóng)業(yè)生產(chǎn)資源利用效率。加速在河南、山東、河北、江蘇、安徽、湖北、黑龍江、新疆、湖南、四川等省市自治區(qū)推廣低碳高效的耕種、施肥、施藥、灌溉技術(shù),持續(xù)降低對(duì)農(nóng)藥、化肥等要素的投入,促進(jìn)農(nóng)業(yè)低碳化發(fā)展。(2)持續(xù)降低農(nóng)業(yè)污染排放總量,降低農(nóng)業(yè)生產(chǎn)對(duì)環(huán)境的破壞。重點(diǎn)降低中國(guó)糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放量,重點(diǎn)加強(qiáng)如湖南、河北、四川等省市的農(nóng)業(yè)面源污染的觀測(cè)、評(píng)估和治理,強(qiáng)化化肥、農(nóng)藥科學(xué)使用,探索農(nóng)膜回收區(qū)域補(bǔ)償機(jī)制。(3)分省制定差異化的農(nóng)業(yè)生態(tài)效率提升路徑。廣西壯族自治區(qū)農(nóng)業(yè)勞動(dòng)力投入(X2)、機(jī)械投入(X3)、農(nóng)業(yè)碳排放(Y3)等方面改善潛力巨大;甘肅省土地(X1)、農(nóng)膜(X7)、農(nóng)業(yè)總產(chǎn)值(Y2)等方面是有待改善的重點(diǎn)領(lǐng)域;新疆的農(nóng)業(yè)用水(X4)、農(nóng)膜(X7)、灌溉(X8)和農(nóng)業(yè)碳排放(Y3)等冗余較高,提高水資源利用效率、發(fā)展節(jié)水型農(nóng)業(yè)技術(shù)、降低農(nóng)業(yè)碳排放是該地區(qū)農(nóng)業(yè)生態(tài)效率改善的重要途徑。

與其他相似文獻(xiàn)相比[47],本文得到以下管理啟示:一是應(yīng)對(duì)氣候變化、控制碳排放,是全球面臨的共同問題。二是隨著數(shù)字農(nóng)業(yè)的發(fā)展,大數(shù)據(jù)、人工智能等在農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)管理中的應(yīng)用范圍不斷擴(kuò)大,農(nóng)業(yè)大數(shù)據(jù)資源體系的不斷完善,運(yùn)用數(shù)據(jù)驅(qū)動(dòng)的方法有助于實(shí)施農(nóng)業(yè)的精準(zhǔn)化生產(chǎn)、精細(xì)化作業(yè)[48]、智能化管理。

全球氣候變暖趨勢(shì)明顯加快的背景下,促進(jìn)農(nóng)業(yè)生產(chǎn)和環(huán)境保護(hù)的協(xié)調(diào)發(fā)展是世界各國(guó)面臨的嚴(yán)峻挑戰(zhàn)。本文從生態(tài)效率角度提供了一個(gè)數(shù)據(jù)驅(qū)動(dòng)的農(nóng)業(yè)低碳轉(zhuǎn)型升級(jí)路徑。本研究的理論貢獻(xiàn)和實(shí)踐意義如下。理論貢獻(xiàn):一是將農(nóng)業(yè)能源消耗、糧食產(chǎn)量等指標(biāo)納入生態(tài)效率評(píng)價(jià)指標(biāo)體系,豐富了農(nóng)業(yè)生態(tài)效率指標(biāo)體系。二是提出“可測(cè)度、可評(píng)價(jià)、可優(yōu)化”的數(shù)據(jù)驅(qū)動(dòng)方法,為提升農(nóng)業(yè)資源利用效率、促進(jìn)農(nóng)業(yè)生態(tài)化發(fā)展提供了方法支持。三是通過分析農(nóng)業(yè)生態(tài)效率相對(duì)無(wú)效區(qū)域的投入產(chǎn)出冗余值,分析農(nóng)業(yè)生態(tài)效率損失的內(nèi)在原因,為區(qū)域農(nóng)業(yè)降碳減污提供理論基礎(chǔ)。實(shí)踐意義:為農(nóng)業(yè)的低碳綠色發(fā)展提供了可行路徑,為地方政府制定區(qū)域差異化的農(nóng)業(yè)生態(tài)效率提升政策提供依據(jù),為農(nóng)業(yè)生態(tài)效率領(lǐng)域研究者拓展思路。然而,數(shù)據(jù)驅(qū)動(dòng)的方法高度依賴大量數(shù)據(jù),在未來(lái)的研究中將積極探索知識(shí)和數(shù)據(jù)協(xié)同驅(qū)動(dòng)農(nóng)業(yè)生態(tài)效率的路徑。