基于系統動力學的綠色農業對生態系統的影響研究

王昊+仇蕾

摘 要：傳統農業生產過程中對能源的不合理使用以及大量廢棄物的排放加劇了農村生態環境的惡化。通過建立系統動力學模型來分析研究綠色農業的未來發展趨勢，以此來分析解決相關環境問題。該模型的主要作用是在江蘇省農村相關數據的基礎上，分析不同政策對綠色農業的影響。通過對比三種不同的政策組合的模擬結果，找出最適宜當地實際情況的政策，并給出相應的建議。

關鍵詞：綠色農業；系統動力學；政策模擬

中圖分類號： F127 文獻標志碼：A 文章編號：1673-291X（2017）12-0012-07

引言

盡管作為主要產業，農業在中國一直扮演著重要的角色，但高速發展的農業經濟與日益惡化的生態環境之間的矛盾正威脅著我國長遠發展。因此，采取措施緩和這種矛盾勢在必行。

近年來，綠色農業這個概念不斷進入公眾視線，愈來愈多的人已經意識到綠色農業在改善生態環境和公眾健康方面的重要意義。在我國，綠色農業這個概念是20世紀90年代提出，當時是指利用先進的技術、設備和經驗來改善農業生產與生態環境之間的關系[1]。鑒于此概念的廣泛性與復雜性，本文將建立相關指標分析未來數十年中綠色農業發展水平。

顯然，用于分析的相關指標受到不同復雜且動態的因素影響，并且該指標將在一定程度上隨相關政策因子變化而改變。因此，使用系統動力學建立相關模型分析生態環境與綠色農業之間的關系是十分適合的。

一、研究方法

（一）系統動力學的起源與概念

系統動力學理論是Forrester教授于1958年在麻省理工學院提出。起初，該理論是用于研究諸如生產與雇員狀態之間的波動以及股票市場的不穩定性這類問題的工具[2～3]。1968年，Forrester教授在其著作《系統的原則》一書中闡釋了動力學行為的基本原則以及系統結構的相關概念[4]。該書中所討論的相關原則如今被廣泛且普遍地應用于系統預測與政策制定方面。

系統動力學是系統科學和管理科學的一條重要分支。它將計算機仿真技術與系統科學理論相結合，主要研究系統行為與反饋的結構[5]。通過建立系統動力學模型，人們不僅可以繪制出反映復雜變量之間關系的圖像，還可以預測關鍵變量在不同假設條件下的未來趨勢[6～8]。此外，系統動力學對數據的準確性要求偏低，使得人們可以利用有限的資源在不同變量之間建立復雜、動態且非線性的關系[9～10]。

（二）系統動力學應用現狀

在系統動力學理論被提出后的數年間，其被廣泛應用于多個領域。Forrester教授的學生Meadows教授提出了一個重要結論：如果像人口、污染、工業化、農作物產量以及資源消耗這些因素按照當時的趨勢不受控制地增長下去，那么增長的極限就將在一百年內發生[11]。這個觀點的提出背景就是羅馬俱樂部的建立，該非政府組織主要召集科研人員使用系統動力學解決人口過剩和資源枯竭等問題。

如今，系統動力學已經成為一個方便的數理仿真工具，應用于環境工程、商業管理、政策評估等領域中。Geum和Lee通過將技術路線圖與系統動力學方法結合，找到了一種分析比較三種汽車產業分紅的方法[12]。Zawadzki將系統動力學應用到IT工程管理，并通過系統動力學仿真找到了有關IT管理的一個最佳方案[13]。通過將系統動力學與蒙特卡羅方法相結合，Jeon與Shin提出了一個新的長期技術評估方法用于評估可再生能源技術[14]。此外，其他領域如人口管理和可持續發展的研究者也成功地將系統動力學模型與生態系統評估相結合[15～16]。

（三）研究范圍

本文主要研究對象是江蘇省農村的生態環境與綠色農業。江蘇省作為經濟強省，其綠色農業的發展水平在全國處于領先地位，其農業產值僅次于山東省與河南省。研究的時間跨度為2010—2050年。

二、建模與測試

（一）SD模型設計

GAE-SD的完整形式（如圖1所示）。原始數據來源于《中國環境年鑒》《中國農村統計年鑒》《中國農業年鑒》和中國農業統計資料。

（二）模型測試

軟件Vensim本身提供了非常方便的檢驗模型的工具。點擊菜單項“檢驗模型”和“單位檢驗”，屏幕上顯示“模型無問題”和“單位無問題”的信息，這表明該模型通過的軟件檢驗。

總之，GAE-SD模型是完全可以用于分析當前政策背景下綠色農業生態系統的影響程度以及預測不同政策背景下的未來趨勢。

三、模擬與討論

上述測試已證明GAE-SD模型可以用于模擬當前和未來的綠色農業指數以及其他變量的趨勢。首先，基于當前政策的趨勢將被模擬并用于分析當前綠色農業水平。其次，幾個政策方案將會被分別模擬以找出改善綠色農業現狀的理想模式。

（一）基于當前政策的模擬

圖2b曲線1在2012年劇烈上升后就保持輕微的波動，直到2044年后才開始增長。由于這條曲線始終處于原點之上，圖2a所代表的綠色農業指數才能維持穩定的增長。這說明了在當前政策的影響下，綠色農業的發展水平將隨之時間而上升。

圖2c中唯一的曲線表示了綠色農業對當地農業產出的貢獻程度。這條曲線之所以幾乎沒有上升，是因為綠色農業指數的增速沒有當地農業產出的增速快。這意味著在當地農業經濟中，綠色農業的地位并不足以高到引起政府投入的重視程度。

簡而言之，當前綠色農業的相關政策會取得一定程度的效果，但是當地政府也應該對綠色農業中不成熟的部分有足夠的重視。

（二）基于不同政策方案的模擬

三個模塊的政策變量將會被分別調整，其他兩個模塊的變量保持不變。在模擬開始前，為了方便，8個政策變量將被重新命名為政策變量1—8。原始的政策變量和新的政策變量人（如下表所示）。

方案1將代表清潔能源模塊的政策變量3—5從0.02、0.02、0.02調整至0.05、0.05、0.05。相關變量的模擬趨勢（如圖3a所示）。從圖中可以看出，代表清潔能源模塊的三個變量在方案1作用下明顯比原始方案增長的要快。特別是曲線2遠遠高于曲線1，其代表的清潔能源發電量幾乎是原始方案下的3倍，即使是之前表現不佳的秸稈固化量也有了明顯的增加。

方案2將代表污染管制模塊的政策變量6—8從0.03、0.03、0.03調整至0.06、0.06、0.06。圖3b顯示，在方案2作用下，2010-2046年間，化肥使用量發生了明顯的減少，表現在圖像上就是曲線1遠遠低于曲線2，并且在2046年后接近底部。這種明顯的減少，意味著綠色農業將更加依賴有機肥而非對生態環境會造成危害的化肥。由于農藥使用量和COD本身就處于低水平，所以曲線3、4和曲線5、6這兩組曲線間并沒有多少明顯的差別。

宏觀政策變量1和變量2從0.01、0.01調整至0.03、0.03。同預期一樣，圖3c的曲線1、3明顯高于曲線2、4，這表明在耕地保護和教育上的小小投資就可以收獲客觀的效益。

新政策方案使得綠色農業指數占每單位農業產出的數值要好于原始方案，具體狀況（見圖3c）。值得注意的是，代表方案2的曲線2在2030年后開始下降，原因是方案2使得綠色農業指數的增速不如原始方案下的增速，以至于當地農業產出的增速高于綠色農業指數的增速。2034年后，代表方案1的曲線1有了一個明顯的上升趨勢，這也說明了方案1對于長期而言，是個最佳方案。

參考文獻：

[1] 王德勝.綠色農業的發展現狀與未來展望[J].中國農業資源與區劃，2016，（2）：226-230.

[2] Forrester J.W.Industrial Dynamics：A Major Breakthrough for Decision Makers[J].Harvard Business Review，1958，（4）.

[3] Forrester J.W.Industrial Dynamics[J].Journal of the Operational Research Society，1997，（10）：1037-1041.

[4] Forrester J.W.Principles of systems[J].1990.

[5] 鐘永光，賈曉菁，錢穎.系統動力學.第2版[M].北京：科學出版社，2013.

[6] 王其藩.系統動力學：修訂版[M].上海：上海財經大學出版社，2009.

[7] Chunyang H.E.，Shi P.，Chen J.，et al.Developing land use scenario dynamics model by the integration of system dynamics model and cellular automata model[J].中國科學：地球科學，2005，（11）：1979-1989.

[8] Teng J.，Wang P.，Wu X，et al.Decision-making tools for evaluation the impact on the eco-footprint and eco-environmental quality of green building development policy[J].Sustainable Cities & Society，2016，（23）：50-58.

[9] 陳雪萍.基于系統動力學的雅安市土地綜合承載力的可持續研究[D].成都：四川師范大學，2013.

[10] 徐曉燕.太原循環經濟的系統動力學分析[D].太原：山西財經大學，2014.

[11] Meadows D.H.，et al.The limits to growth：a report for the club of Romes project on the predicament of mankind[J].New York：U-niverse Books，1972.

[12] Geum Y.，Lee S.，Park Y.Combining technology roadmap and system dynamics simulation to support scenario-planning：A case of car-sharing service[J].Computers & Industrial Engineering，2014，（1）：37-49.

[13] Zawadzki T.Applying system dynamics modeling to IT project management[C]// Methods and Models in Automation and Robotics.2009：152-157.

[14] Jeon C.，Shin J.Long-term renewable energy technology valuation using system dynamics and Monte Carlo simulation：Photovoltaic technology case[J].Energy，2014，（4）：447-457.

[15] Vafa-Arani H.，Jahani S.，Dashti H.，et al.A system dynamics modeling for urban air pollution：A case study of Tehran，Iran[J].Trans-portation Research Part D Transport & Environment，2014，（31）：21-36.

[16] Nabavi E.，Daniell K.A.，Najafi H.Boundary matters：the potential of system dynamics to support sustainability？[J].Journal of Cleaner Production，2017，（140）：312-323.

[責任編輯 劉嬌嬌]