“互聯網+”戰略的農業面源污染治理效應研究

解春艷+豐景春+張可

摘要：運用探索性空間數據分析方法分析了互聯網發展水平與農業面源污染的空間關聯性，在此基礎上，采用空間計量模型將傳統農業面源污染模型作為基準組，與引入互聯網發展水平的對照組進行對比。結果表明，互聯網發展水平與農業面源污染均存在顯著的空間自相關性，且互聯網發展水平是影響農業面源污染的重要因素，互聯網發展水平的提高能顯著減少農業面源污染，對改善農業環境效果明顯。

關鍵詞：“互聯網+”；農業面源污染；空間計量模型

DOI：10.13956/j.ss.1001-8409.2017.04.02

中圖分類號：F062.5；X506 文獻標識碼：A 文章編號：1001-8409（2017）04-0005-04

Abstract： This paper analyzes the spatial correlation of internet development level and agricultural nonpoint source pollution by using exploratory spatial data analysis methods. And then， it compares the reference group and the control group by spatial econometric model. Result shows that， spatial autocorrelation of the Internet development level and agricultural nonpoint source pollution are both significant. Internet development level is an important factor of agricultural nonpoint source pollution. The improvement of internet development can significantly reduce agricultural nonpoint source pollution and improve environmental quality.

Key words：‘Internet+； agricultural nonpoint source pollution； spatial econometric model

隨著我國農村經濟迅猛發展，農業面源污染問題日益突出，不僅對農業資源和生態環境造成破壞，阻礙農業的可持續發展，而且嚴重影響農產品的質量安全，威脅公眾的生命健康。公眾環保意識的增強及其對農產品質量安全要求的提高，促使政府和公眾高度重視農業面源污染問題。而信息技術獨特的優勢及其在農業發展和環境保護領域的創新性應用，使得互聯網在環境治理中的作用日益顯著。2015年1月我國實施的新環保法強調了環境保護信息化建設與信息公開。同年3月，國務院總理李克強提出制定“互聯網+”行動計劃。目前，“互聯網+”已滲透到各領域，其中“互聯網+環保”為環境信息化發展搭建了平臺，而“互聯網+農業”的發展思維促進了農業轉型升級，使農業生產更加環境友好。

農業面源污染具有隨機性、分散性和隱蔽性，對其監管和治理的難度較大。而互聯網的實時性、開放性和交互性成為推動農業面源污染治理現代化的有效手段。學者們從不同角度研究了互聯網在農業面源污染治理中的作用，主要表現在三個方面：一是農業面源污染的動態監測與監管。利用大數據、遙感技術等[1～3]，對農業土壤、水體污染等進行區域監測和動態時空分析，將農業污染信息庫與不同信息系統協同，實現農業面源污染監管的數字化、網絡化和信息化。二是公眾參與環保深度化。環境狀況與公眾的生活質量息息相關[4]，互聯網為公眾獲取環境信息、參與環保提供了新的方式和契機。公眾可以將現場真實的農業面源污染信息提供給環保監測部門，舉報污染現象，還能實時跟進污染治理過程和成果，形成對農業面源污染和環境執法成果的雙重監督。三是農業發展的智能化。基于互聯網技術的智慧農業將農業生產中的各項資源進行最佳的整合配置，有效提高了農業資源與生產要素的利用效率，降低農業能耗，最大限度地保護農業生態環境[5]。

國內外學者從多個層面探討了互聯網對農業面源污染的影響，但仍存在以下不足。第一，現有文獻多是探討互聯網在改善農業面源污染中的應用及意義，缺乏結合實際情況實證分析互聯網發展對農業面源污染治理的影響研究。第二，目前一些學者的研究發現環境污染具有空間自相關性[6～8]，以往關于農業面源污染的研究并沒有考慮農業面源污染的空間效應，更沒有考慮互聯網發展水平及其空間自相關性對農業面源污染的影響，且研究方法多是采用時間序列數據、截面數據或傳統的面板數據，引入空間計量方法進行面板數據分析的不多。

鑒于此，本文首先分析我國互聯網發展水平和農業面源污染的空間分布特征，然后將互聯網發展水平和農業面源污染的空間自相關性納入空間計量模型，分析互聯網發展水平對農業面源污染的影響。旨在從互聯網的動態發展角度，揭示互聯網發展水平與農業面源污染在地理分布上的空間效應，重點考察互聯網發展水平對農業面源污染的作用，以期為我國利用信息化手段治理農業面源污染提供科學依據。

1 研究方法與模型構建

1.1 空間相關性檢驗方法

為測度省域互聯網發展水平與農業面源污染在地理空間上的關聯性、異質性及集聚特征，采用局域空間自相關Moran指數及其散點圖、局部空間關聯指標LISA集群圖來檢驗。

Moran指數的取值范圍在區間[-1，1]之間，若Moran指數在（0，1]之間，表示區域觀測值呈空間正相關；在[-1，0）之間，表示區域觀測值呈空間負相關。Moran值越接近1，表示相似屬性集聚；越接近-1，表示相異屬性集聚；越接近0，表示屬性隨機分布或不存在空間相關性。

Moran散點圖用來研究局域的空間不穩定性，分為四個象限的空間關聯模式：第一、三象限表示正向空間自相關性，第二、四象限表示負向空間自相關性。其中，第一象限（高-高）表示高觀測值區域被高值區域所包圍，第二象限（低-高）表示低觀測值區域被高值區域所包圍，第三象限（低-低）表示低觀測值區域被低值區域所包圍，第四象限（高-低）表示高觀測值區域被低值區域所包圍。

局域空間關聯指標LISA用來檢驗局部地區是否存在集聚現象，LISA集聚區反映了相鄰區域觀測值相互接近的特質，用以刻畫區域差異。

1.2 模型設定

Anselin將空間計量模型分為空間自回歸模型（SAR，又稱空間滯后模型）和空間誤差模型（SEM）[9]。

式中，i和t表示第i個省份第t年的數據；P表示農業源氨氮排放量；WlnPit表示區域農業面源污染空間滯后因子；AGDP為各地區人均收入；INT表示互聯網普及率；X表示其他影響農業面源污染的控制變量；β表示解釋變量的回歸系數；ρ表示空間自回歸系數；λ表示空間誤差系數；ε、μ表示隨機誤差項；W為空間權重矩陣。

1.3 數據來源與指標選取

自2011年起，環保部將統計范圍擴展到農業源，所以農業面源污染衡量指標選用2011年以后的指標。樣本區間采用2011～2014年全國31個省、直轄市和自治區（以下簡稱為區域或省域），相關原始數據來自歷年《中國統計年鑒》《中國環境統計年鑒》和《中國財政年鑒》。

農業面源污染（P）。氮元素是農業面源污染最重要的成分，化肥施用、畜禽排泄物及農村生活污染等都可以用氮素來衡量[10]。因此本文選取農業源氨氮排放量作為衡量農業面源污染的指標。

互聯網發展水平（INT）。互聯網的普及提升了政府環境監管與執法效率、公眾環保參與度和農業資源利用率，形成了政府監管、公眾監督、清潔生產的協同改善農業面源污染局面。本文采用互聯網普及率來度量互聯網發展水平。

經濟發展水平（AGDP）。環境質量與經濟發展之間關系密切[11]，一方面經濟發展水平提高導致農產品需求增大，加重了農業面源污染；另一方面經濟發展為農業生產應用先進技術提供基礎，減少了農業生產造成的污染。本文采用實際人均GDP作為度量指標，數據以2011年為基期，用歷年GDP平減指數消除價格影響。

工業化進程（IND）。工業化發展初期，由于工業化對農業資源的掠奪，農業生產者為提高土地利用效率，廣泛運用高產高污染農用化工品，加重了農業面源污染[12]。工業化發展中后期，隨著工業部門的技術進步與效率提升，親環境的農業生產技術得以發展和推廣，此時工業化將有助于改善農業生態環境。本文采用第二產業增加值占GDP的比重作為度量指標。

農業項目投入（AI）。農業項目投入主要用于土地治理、產業化經營和科技示范項目，通過提高土地利用率，減少農業生產者對化肥農藥的依賴性，并實現農產品集約高效生產及污染物的集中處理，同時，利用示范效應帶動農業生產生態化。本文采用農業綜合開發項目投入作為度量指標。

環境治理力度（EG）。環境治理力度的強弱關系到當地污染排放水平，較高的環境治理投入和治理效率可以改善環境質量。本文采用環境污染治理投資占GDP的比重作為度量指標。

對外開放水平（OP）。貿易開放對環境的影響存在兩種觀點，一種認為貿易開放有利于改善東道國的環境質量；另一種是“污染避難所假說”，認為貿易開放促使東道國環境質量惡化。本文采用各地區進出口貿易額占GDP的比重作為衡量指標。

2 互聯網發展水平對環境污染影響的實證分析

2.1 空間自相關性檢驗

Moran指數檢驗結果顯示，2011～2014年互聯網普及率與農業源氨氮排放量的Moran指數均為正值，分別通過了1%和5%的顯著性水平檢驗，說明我國31個省域互聯網普及率和農業氨氮排放量在地理分布上均呈現顯著的空間正相關，表現出相似屬性之間的空間集聚。

2011～2014年互聯網普及率與農業源氨氮排放量的Moran散點圖顯示大部分省域集中在第一象限和第三象限。可見，各省域的互聯網普及率與農業源氨氮排放量都表現出明顯的空間依賴性，大部分省域與相鄰省域存在相似集聚特征，高-高和低-低類型集聚占主導地位。

2014年互聯網普及率的LISA集群圖如圖1所示，互聯網普及率在空間分布上形成了兩個不同的集聚區域：第一個是以天津為中心，與北京等鄰域組成的高值集聚區；第二個是以重慶等為中心，與周邊省域組成的低值集聚區。農業源氨氮排放量的LISA集群圖（見圖2）顯示，農業源氨氮排放量空間集聚效應表現為：一是以河南、安徽等地為中心，與鄰域形成的高值集聚區，二是以新疆為中心，與周邊省域形成的低值集聚區，四川分布在高—低區，而其鄰域的甘肅、青海等省域均位于低—低區，四川作為農業源氨氮排放量高值區被低值區所包圍。

根據互聯網普及率與農業源氨氮排放量的空間分布和集聚檢驗可知，互聯網發展水平與農業面源污染均存在空間自相關性和空間集聚效應。為進一步檢驗互聯網發展水平對農業面源污染的影響，采用空間計量模型進行實證分析。

2.2 空間計量估計與分析

經Hausman檢驗，農業面源污染基準組與對照組均應采用固定效應模型，固定效應分為無固定效應、空間固定效應、時間固定效應、空間與時間雙固定效應。對空間計量模型的選擇，根據Anselin等提出的判別準則[13]，如果LM lag比LM error在統計上更加顯著，且Robust LM lag顯著而Robust LM error不顯著，則可以斷定適合SAR模型；反則適合SEM模型。基準組與對照組的拉格朗日乘子檢驗結果顯示本研究適合SEM模型。SEM模型檢驗結果見表1①。

SEM估計結果顯示，模型的R2和LogL等統計量擬合度較好，表明模型能夠較好地反映各解釋變量對農業源氨氮排放量的影響。從模型中解釋變量系數的估計結果來看，采用空間固定效應時各解釋變量大多通過了顯著性檢驗，對樣本的解釋力度較高，估計結果優于其他效應，因此，在后續的研究中選擇空間固定效應的估計結果進行討論。

將對照組與基準組的檢驗結果進行對比，對照組的R2和LogL等統計量大于基準組，且大部分變量的顯著性明顯高于基準組，各變量的估計系數較基準組也有明顯提高。這說明互聯網發展水平是影響農業面源污染的重要變量，在對照組模型中引入互聯網發展水平相比于基準組擬合效果更好，模型構建更加合理。下文采用對照組估計結果進行分析。

空間誤差系數λ顯著為正，表明農業面源污染在地理空間上存在顯著的空間依賴，受到相鄰省域的溢出效應影響明顯。

互聯網普及率的估計系數顯著為負，說明互聯網發展水平提高將會引起農業源氨氮排放量的顯著減少，有利于改善農業面源污染。究其原因，一方面是互聯網信息化實現了農業環境資源整合和信息共享，提高了政府農業面源污染監管水平和治理效率以及公眾參與環保的意識和積極性；另一方面相對于傳統的農業生產方式，用互聯網方式發展農業，提高了農業生產效率和農產品質量，減輕了農業生態壓力。

經濟發展水平的回歸系數均通過顯著性檢驗，β1和β3估計值顯著為正，β2估計值顯著為負，表明經濟發展水平與農業面源污染之間呈N型關系，農業面源污染隨經濟發展水平增加呈現上升-下降-上升的變化趨勢。

工業化進程對農業源氨氮排放量有正向影響，表明工業化發展加劇了農業面源污染。目前我國處于工業化中期，該階段農業面源污染是工業化的產物[12]，農業生產者高度依賴農藥化肥的生產方式制約了農業面源污染的治理[14]。

農業項目投入的回歸系數顯著為負，表明農業項目投入的提高有助于減少農業面源污染。農業項目投入改善了農業生產環境，推動了農業生產生態化。

環境治理力度對農業面源污染影響不顯著。原因在于，我國農業污染治理投資嚴重不足且利用效率不高，雖然治理投入逐年增加但并未得到有效利用，此外，我國的環境污染治理模式主要是末端治理，不能減少污染物的排放。

對外開放水平的回歸系數顯著為負，意味著對外開放水平的提高有利于減輕農業面源污染。貿易開放的技術外溢效應提高了本地區的技術水平和生產效率，同時發達國家對進出口農產品執行的嚴格環保標準促使我國農業生產更為清潔環保。

3 結論與啟示

本文分析了2011～2014年我國31個省域互聯網發展水平和農業面源污染的空間效應，并在此基礎上構建空間計量模型分析了互聯網發展水平對農業面源污染的影響，得到結論與啟示如下：

互聯網發展水平的提高有利于減少農業面源污染，對農業環境保護具有積極的促進作用。因此，應借助“互聯網+”平臺推動互聯網技術在環境保護領域的應用。一是構建全面的環保系統，如農業污染源監控系統、移動執法系統等；二是加強環境管理的跨界聯動和信息共享；三是建立政府與公眾的信息溝通平臺，鼓勵社會公眾舉報農業污染違法行為、監督執法結果；四是利用“互聯網+”的智能性，加速農業轉型升級，打造資源節約、環境友好的生態農業，從源頭上解決農業面源污染排放問題。利用互聯網將農業環境信息、環保部門監管和治污情況公開，接受社會監督，形成農業環境污染多元共治的局面。

農業面源污染不僅受到相鄰省域污染的沖擊，而且與區域間結構性差異有關，這種結構性差異體現在各省域自身的經濟發展水平、工業化進程、農業項目投入、環境治理力度和對外開放水平等影響因素的差異。因此，在追求工業化的同時，應重視環境友好型農業生產技術的研發與應用，降低農業資源的過度消耗，實現經濟、環境與資源的協調發展；農業項目投入不僅要注重經營性項目的投資，也要注重生態綜合治理的投入；加大農業面源污染治理力度、提高治理效率，并制訂有效的農業環境政策；利用對外開放的益處，引進發達國家的先進技術和環保標準，提升我國農業綠色生產水平。

參考文獻：

[1]Hampton S E， et al. Big Data and the Future of Ecology[J].Frontiers in Ecology&the Environment，2013，11（3）：156-162.

[2]Shin D H， Choi M J. Ecological Views of Big Data： Perspectives and Issues[J].Telematics and Informatics，2015，32（2）：311-320.

[3]Granell C，et al. Future Internet Technologies for Environmental Applications[J].Environmental Modelling & Software，2016（78）：1-15.

[4]Johansson L， et al. Fusion of Meteorological and Air Quality Data Extracted from the Web for Personalized Environmental Information Services[J].Environmental Modelling&Software，2015，64：143-155.

[5]袁曉慶.“互聯網+”農業：助推農業走進4.0時代[J].互聯網經濟，2015（9）：66-73.

[6]Maddison D. Environmental Kuznets Curves：A Spatial Econometric Approach[J].Journal of Environmental Economic and Management，2006，51（2）：218-230.

[7]許和連，鄧玉萍.外商直接投資導致了中國的環境污染嗎？——基于中國省際面板數據的空間計量研究[J].管理世界，2012（2）：30-43.

[8]吳玉鳴，田斌.省域環境庫茲涅茨曲線的擴展及其決定因素——空間計量經濟學模型實證[J].地理研究，2012（4）：627-640.

[9]Anselin L. Spatial Econometrics： Methods and Models[M]. Dordrecht： Kluwer Academic publishers，1988.

[10]張暉，胡浩.農業面源污染的環境庫茲涅茨曲線驗證——基于江蘇省時序數據的分析[J].中國農村經濟，2009（4）：48-53.

[11]Grossman GM， Krueger AB. Economic Growth and the Environment[J].Quarterly Journal of Economics， 1995，110（2）：353-377.

[12]李海鵬.中國農業面源污染的經濟分析與政策研究[D].華中農業大學，2007.

[13]Anselin L， etal. Advanced in Spatial Econometrics： Methodology， Tools and Applications[M].Berlin：Springer-Verlag，2004.

[14]華春林等.農戶參與農業面源污染防治的教育培訓項目影響因素分析[J].軟科學，2013（4）：94-98.

（責任編輯：王 楠）