低碳視角下安徽省農(nóng)業(yè)生態(tài)效率時(shí)空演化及影響因素研究

李穎 陳迪琳

(安徽大學(xué)經(jīng)濟(jì)學(xué)院，安徽 合肥 230601)

改革開放后，我國農(nóng)業(yè)通過大量投入農(nóng)藥、化肥、農(nóng)膜等生產(chǎn)資料，提高了農(nóng)業(yè)產(chǎn)出水平，但同時(shí)也帶來了土壤退化等一系列環(huán)境問題。由于化肥和農(nóng)藥等農(nóng)業(yè)生產(chǎn)要素的過度投入，導(dǎo)致碳排放大量增加，加劇了溫室效應(yīng)，給我國的資源與環(huán)境帶來巨大壓力。近年來，農(nóng)業(yè)可持續(xù)發(fā)展的呼聲不斷高漲，中央強(qiáng)調(diào)必須加快推進(jìn)農(nóng)業(yè)生態(tài)轉(zhuǎn)型，走高效、安全、環(huán)境友好的現(xiàn)代農(nóng)業(yè)發(fā)展道路。

安徽省是我國傳統(tǒng)的農(nóng)業(yè)大省，農(nóng)業(yè)資源豐富。但安徽省農(nóng)業(yè)發(fā)展依然存在資源利用率偏低、碳排放水平較高、碳匯功能較弱等問題，這給農(nóng)業(yè)的可持續(xù)發(fā)展帶來了新的挑戰(zhàn)。2021年4月安徽省對(duì)外發(fā)布《安徽省國民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》，指出應(yīng)大力發(fā)展低碳農(nóng)業(yè)，加強(qiáng)城鄉(xiāng)低碳化管理。針對(duì)日益強(qiáng)烈的農(nóng)業(yè)碳減排需求，在低碳視角下測度并分析安徽省農(nóng)業(yè)生態(tài)效率，把握其時(shí)空演變規(guī)律，對(duì)于實(shí)現(xiàn)安徽省農(nóng)業(yè)健康可持續(xù)發(fā)展具有重要意義[1]。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

有關(guān)農(nóng)業(yè)生態(tài)效率的評(píng)價(jià)方法隨著研究的不斷深入逐漸豐富。數(shù)據(jù)包絡(luò)分析法(DEA)是目前評(píng)價(jià)業(yè)生態(tài)效率最常用的的方法，可以相對(duì)有效地評(píng)價(jià)同類型多投入、多產(chǎn)出的決策單元。但傳統(tǒng)的DEA模型通常會(huì)存在投入要素“松弛”或者“擁擠”的問題，會(huì)導(dǎo)致計(jì)算結(jié)果不準(zhǔn)確。Tone K[2]于2001年提出了基于松弛測度的(SBM)的DEA模型，這種模型可以克服傳統(tǒng)DEA徑向和角度的缺陷。隨著環(huán)境污染問題日益嚴(yán)重，人們意識(shí)到從事生產(chǎn)活動(dòng)時(shí)除了產(chǎn)生期望產(chǎn)出，同時(shí)也帶來了環(huán)境污染等非期望產(chǎn)出，因此對(duì)基于松弛測度的(SBM)的DEA模型進(jìn)行了修正，得到包括非期望產(chǎn)出的SBM模型。具體模型：

s.t.Xλ+s-=xk

Yλ-s+=yk

Bλ+sb-=bk

λ≥0，s-≥0，s+≥0，sb-≥0

1.2 指標(biāo)體系與數(shù)據(jù)來源

本文參考袁培等[3]、黃和平等[4]的研究成果，將種植業(yè)作為研究對(duì)象，選取化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機(jī)械、人力、灌溉、土地作為要素投入，筆者認(rèn)為由于農(nóng)業(yè)天然具有碳匯的功能，農(nóng)業(yè)碳匯即通過農(nóng)業(yè)種植吸收并儲(chǔ)存二氧化碳的數(shù)量，因此農(nóng)業(yè)碳匯與農(nóng)業(yè)生產(chǎn)總值均為農(nóng)業(yè)生態(tài)效率的期望產(chǎn)出，農(nóng)業(yè)碳排放則為非期望產(chǎn)出，具體指標(biāo)體系見表1。

表1 農(nóng)業(yè)生態(tài)效率評(píng)價(jià)指標(biāo)體系

本文研究的區(qū)域以安徽省16個(gè)地級(jí)市作為研究對(duì)象(2011年安徽區(qū)劃調(diào)整，設(shè)縣級(jí)巢湖市，隸屬省會(huì)合肥，安徽省由17市調(diào)整為16市，為統(tǒng)一口徑，將2010年的巢湖市的數(shù)據(jù)并入合肥)。模型中的數(shù)據(jù)來源于《中國農(nóng)村統(tǒng)計(jì)年鑒》《安徽統(tǒng)計(jì)年鑒》。

2 安徽省農(nóng)業(yè)生態(tài)效率的時(shí)空演變特征

2.1 安徽省農(nóng)業(yè)生態(tài)效率測度

本文使用DEA-Solver PRO 5.0軟件，利用SBM模型，測算2010—2020年安徽省農(nóng)生態(tài)效率值，結(jié)果如圖1所示。

圖1 2010—2020年安徽省農(nóng)業(yè)生態(tài)效率變化趨勢圖

由圖1可以看出，2010—2020年安徽省農(nóng)業(yè)生態(tài)效率總體呈現(xiàn)波動(dòng)上升趨勢，農(nóng)業(yè)生態(tài)效率均值為0.733。2010—2013年有向下波動(dòng)的趨勢，2014—2017年開始緩慢上升，2018—2020年，安徽省農(nóng)業(yè)生態(tài)效率迅速提升，2020年達(dá)到了最高值0.891。2011年我國開始實(shí)施“十二五”規(guī)劃，其中綠色發(fā)展是該規(guī)劃的發(fā)展重點(diǎn)。安徽省也努力貫徹落實(shí)國家綠色發(fā)展的要求，加強(qiáng)了對(duì)農(nóng)業(yè)資源環(huán)境的管理，因此研究期間農(nóng)業(yè)生態(tài)效率呈現(xiàn)波動(dòng)緩慢上升的趨勢，但并未達(dá)到有效狀態(tài)，尚存在提升空間。

2.2 安徽省農(nóng)業(yè)生態(tài)效率時(shí)間演化特征分析

基于2010—2020年的相關(guān)數(shù)據(jù)，利用公式并借助DEASOLVER Pro5.0軟件實(shí)現(xiàn)模型，測度安徽省16市2010—2020年的農(nóng)業(yè)生態(tài)效率值[5]。為了更加明顯看出16個(gè)地市農(nóng)業(yè)生態(tài)效率水平差異，參考了龐家幸等學(xué)者的研究成果，對(duì)各個(gè)地市的農(nóng)業(yè)生態(tài)效率進(jìn)行水平劃分，劃分標(biāo)準(zhǔn)見表2。

表2 安徽省農(nóng)業(yè)生態(tài)效率水平劃分標(biāo)準(zhǔn)

由表3可以看出，從安徽省的農(nóng)業(yè)生態(tài)效率變化上看，各地區(qū)之間存在較大變化。除淮南市的農(nóng)業(yè)生態(tài)效率波動(dòng)下降外，其他各市的農(nóng)業(yè)生態(tài)效率均處于穩(wěn)定狀態(tài)或波動(dòng)上升趨勢。歷年各市的農(nóng)業(yè)生態(tài)效率值中，阜陽市的平均值最高，為0.956，宿州市的平均值最低，為0.652。同時(shí)，蚌埠市和滁州市的農(nóng)業(yè)生態(tài)效率的均值也超過0.9，相對(duì)較高；亳州市、馬鞍山市、池州市及黃山市的生態(tài)效率均值介于[0.75，0.9]，合肥市、淮北市、宿州市、淮南市、六安市、蕪湖市、宣城市、銅陵市、安慶市的生態(tài)效率平均值則介于則介于[0.60，0.75]，相對(duì)較低。

2.3 農(nóng)業(yè)生態(tài)效率空間演變特征

從表3可以看出，2010—2020年安徽省16市總體上都屬于農(nóng)業(yè)生態(tài)效率非有效階段[6]。為了更直觀地展示安徽省16市農(nóng)業(yè)生態(tài)效率動(dòng)態(tài)演變趨勢，本文選取安徽省16市2010年、2015年和2020年農(nóng)業(yè)生態(tài)效率值，運(yùn)用ArcGIS 10.2軟件繪制安徽省農(nóng)業(yè)生態(tài)效率空間分布演變圖。

從圖2～4可以看出，研究期內(nèi)安徽省市農(nóng)業(yè)生態(tài)效率差異較大。2010—2020年，各市農(nóng)業(yè)生態(tài)效率值較高的市的個(gè)數(shù)逐年增加。2010年安徽省的亳州市、蚌埠市、阜陽市、淮南市、滁州市、銅陵市6個(gè)市的農(nóng)業(yè)生態(tài)效率處于相對(duì)有效水平，馬鞍山市處于高效率水平，其余市處于中低效率；2015年池州市農(nóng)業(yè)生態(tài)效率有所提高，處于相對(duì)有效狀態(tài)，但是淮北市、亳州市、淮南市、滁州市、銅陵市的農(nóng)業(yè)生態(tài)效率有所下降，處于中低效率水平的地區(qū)有所增加；2020年只有淮南市和安慶市的農(nóng)業(yè)生態(tài)效率處于中等效率水平，銅陵市和黃山市的農(nóng)業(yè)生態(tài)效率處于高效率水平，其他市都進(jìn)入了相對(duì)有效的狀態(tài)，農(nóng)業(yè)生態(tài)效率值較高的市個(gè)數(shù)增加。

表3 2010—2020年安徽省16市農(nóng)業(yè)生態(tài)效率值

圖2 2010年安徽省16市農(nóng)業(yè)生態(tài)效率 圖3 2015年安徽省16市農(nóng)業(yè)生態(tài)效率

在3個(gè)研究時(shí)間段內(nèi)，蚌埠市和阜陽市的農(nóng)業(yè)生態(tài)效率值最高，處于相對(duì)有效水平，主要因?yàn)榘霾菏泻透逢柺械牡匦尉云皆瓰橹鳌Ｓ騼?nèi)豐富的水資源為農(nóng)田灌溉提供了便利，且在農(nóng)業(yè)生產(chǎn)過程中的化肥、地膜和農(nóng)藥使用較少，污染排放也相對(duì)較少。在3個(gè)研究時(shí)間段內(nèi)，安慶市的農(nóng)業(yè)生態(tài)效率值均較低，處于中等水平，主要是因?yàn)榘矐c市地形復(fù)雜多樣，雨量充沛、光照充足、無霜期長，適宜農(nóng)林牧副漁全面發(fā)展。但由于常年大量頻繁使用化肥、農(nóng)藥，破壞了土壤，造成土壤板結(jié)，地力下降，環(huán)境污染嚴(yán)重，亟需加強(qiáng)農(nóng)業(yè)面源污染防治，因此農(nóng)業(yè)生態(tài)效率值較低。

圖4 2020年安徽省16市農(nóng)業(yè)生態(tài)效率

3 安徽省農(nóng)業(yè)生態(tài)效率影響因素分析

3.1 地理探測器

地理探測器是探測和利用空間分異性的工具。其原理是如果自變量對(duì)因變量存在影響，那么自變量的空間分布與因變量的空間分布相似[7]。目前，該方法已經(jīng)廣泛應(yīng)用于疾病風(fēng)險(xiǎn)因素分析、旅游、區(qū)域經(jīng)濟(jì)等許多領(lǐng)域。本研究采用地理探測器中的因子探測和交互探測對(duì)安徽省農(nóng)業(yè)生態(tài)效率的主要驅(qū)動(dòng)因子及其相互作用進(jìn)行分析。

地理探測器的因子探測器主要用來探測自變量X對(duì)因變量Y的空間分異的解釋力度[9]。用q值對(duì)因素的解釋力度進(jìn)行度量，計(jì)算公式：

式中，q為某影響因素的影響力；L表示自變量X或因變量Y的分層；h=1，2，…，N為研究區(qū)全部樣本數(shù)，σ2為指標(biāo)的方差。q的取值范圍為0～1，數(shù)值接近1，表明該因素對(duì)安徽省農(nóng)業(yè)生態(tài)效率的影響越強(qiáng)；數(shù)值接近0，表明該因素的影響越弱。

地理探測器的因子交互探測器可以探測2種因素共同對(duì)農(nóng)業(yè)生態(tài)效率起作用時(shí)的影響程度。

3.2 指標(biāo)體系建立

本文參考現(xiàn)有的研究成果[8]，考慮到影響農(nóng)業(yè)生態(tài)效率的因素的復(fù)雜多樣性，基于安徽省的農(nóng)業(yè)發(fā)展的現(xiàn)狀特點(diǎn)和數(shù)據(jù)的可獲得性，選取2010—2020年安徽省的農(nóng)民人均純收入、農(nóng)業(yè)從業(yè)人數(shù)、產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)作物播種面積、化肥施用量、農(nóng)膜使用量、農(nóng)藥使用量、有效灌溉面積、農(nóng)用機(jī)械總動(dòng)力、政府支農(nóng)力度等數(shù)據(jù)作為影響農(nóng)業(yè)生態(tài)效率的因素，相關(guān)數(shù)據(jù)來源于歷年的《安徽統(tǒng)計(jì)年鑒》和《中國農(nóng)村統(tǒng)計(jì)年鑒》。

表4 農(nóng)業(yè)生態(tài)效率影響因素指標(biāo)

3.3 安徽省農(nóng)業(yè)生態(tài)效率的影響因素

3.3.1 因子探測分析

本文分別對(duì)2010年和2020年的數(shù)據(jù)進(jìn)行因子探測分析。在做因子探測分析之前，對(duì)自變量進(jìn)行離散化處理，將自變量由數(shù)值型變?yōu)轭愋土浚粚㈦x散化處理后數(shù)據(jù)輸入地理探測器模型進(jìn)行探測分析，得到結(jié)果如表5所示。

表5 因子的地理探測結(jié)果

由表5可知，2010年，按照每個(gè)影響因素對(duì)農(nóng)業(yè)生態(tài)效率空間分異的解釋程度的大小進(jìn)行排序，為X3>X1>X2>X5>X10>X4>X9>X7>X6>X8。其中，產(chǎn)業(yè)結(jié)構(gòu)的是影響農(nóng)業(yè)生態(tài)效率的最主要因素，隨著經(jīng)濟(jì)的快速發(fā)展，二三產(chǎn)業(yè)發(fā)展迅速，對(duì)農(nóng)產(chǎn)品的需求日益增加，這就使得農(nóng)業(yè)部門需要生產(chǎn)更多的農(nóng)產(chǎn)品。為此，就需要投入更多的化肥、地膜、機(jī)械等生產(chǎn)資料，這會(huì)破壞農(nóng)業(yè)生產(chǎn)環(huán)境，影響農(nóng)業(yè)生態(tài)效率；此外，農(nóng)民人均純收入、農(nóng)業(yè)從業(yè)人數(shù)也在很大程度上影響了農(nóng)業(yè)生態(tài)效率。

到2020年，按照每個(gè)影響因素對(duì)農(nóng)業(yè)生態(tài)效率空間分異的解釋程度的大小進(jìn)行排序，為X9>X8=X10>X1>X4>X7>X2>X3>X5>X6，其中，農(nóng)用機(jī)械動(dòng)力對(duì)農(nóng)業(yè)生態(tài)效率的影響更為突出，隨著鄉(xiāng)村振興戰(zhàn)略的推行，農(nóng)業(yè)機(jī)械化的使用日益增多，導(dǎo)致消耗的柴油等能源日益增多，排放的污染物增加，農(nóng)業(yè)生態(tài)效率下降。與2010年相比，農(nóng)民人均純收入、農(nóng)作物播種面積、農(nóng)藥施用量、有效灌溉面積、政府支農(nóng)力度的影響作用也大大增加。

3.3.2 因子交互探測分析

因子交互探測器可以探究兩因素對(duì)農(nóng)業(yè)生態(tài)效率共同起作用時(shí)的影響程度。由表6、表7可知，各影響因素之間存在明顯的交互作用，不同因素交互作用的影響力均大于單一作用的影響力。

2010年，產(chǎn)業(yè)結(jié)構(gòu)與其他因素的交互作用對(duì)于農(nóng)業(yè)生態(tài)效率的作用較為顯著，其中，產(chǎn)業(yè)結(jié)構(gòu)與農(nóng)藥施用量的交互影響高達(dá)0.856，和農(nóng)膜使用量的交互影響也達(dá)0.788，和政府支農(nóng)力度的交互影響達(dá)到了0.786；農(nóng)民人均純收入和農(nóng)作物播種面積、農(nóng)業(yè)從業(yè)人數(shù)的交互印象也達(dá)到了0.723和0.702，這2組因子的交互作用強(qiáng)化了對(duì)農(nóng)業(yè)生態(tài)效率的影響。

2020年，影響因子的交互作用影響比較均衡，農(nóng)用機(jī)械動(dòng)力和其他因子的交互作用對(duì)于農(nóng)業(yè)生態(tài)效率的影響較為顯著，農(nóng)用機(jī)械動(dòng)力與農(nóng)民人均純收入、農(nóng)膜使用量、農(nóng)藥施用量的交互影響皆為0.925，與農(nóng)業(yè)從業(yè)人數(shù)、農(nóng)作物播種面積、化肥施用量、有效灌溉面積的交互影響也達(dá)到0.875。其他因子方面，農(nóng)民人均純收入和農(nóng)業(yè)從業(yè)人數(shù)、農(nóng)業(yè)從業(yè)人數(shù)和農(nóng)藥施用量的交互影響也達(dá)到0.925，強(qiáng)化了對(duì)農(nóng)業(yè)生態(tài)效率的影響。

表6 2010年影響因子交互作用探測結(jié)果

表7 2020年影響因子交互作用探測結(jié)果

4 結(jié)論

本文從安徽省的農(nóng)業(yè)現(xiàn)狀出發(fā)，運(yùn)用SBM模型測算安徽省的農(nóng)業(yè)生態(tài)效率，借助DEASOLVER Pro 5.0軟件和空間分布演變圖分析安徽省農(nóng)業(yè)生態(tài)效率時(shí)空演變特征并探討各因素對(duì)安徽省農(nóng)業(yè)生態(tài)效率的影響，得到結(jié)論如下。

從時(shí)間上看，2010—2020年安徽省農(nóng)業(yè)生態(tài)效率總體上呈波動(dòng)上升趨勢，尤其是2014年以后農(nóng)業(yè)生態(tài)效率呈現(xiàn)持續(xù)上升的趨勢。研究期間，安徽省農(nóng)業(yè)生態(tài)效率平均值為0.733，并未達(dá)到有效狀態(tài)，尚存在提升空間。安徽省農(nóng)業(yè)生態(tài)效率地區(qū)差異較大，發(fā)展不平衡。阜陽農(nóng)業(yè)生態(tài)效率最高，達(dá)0.956，宿州市最低，只有0.652。

從空間上來看，研究期內(nèi)安徽省市農(nóng)業(yè)生態(tài)效率差異較大。各市農(nóng)業(yè)生態(tài)效率值較高的市的個(gè)數(shù)逐年增加。在3個(gè)研究時(shí)間段內(nèi)，蚌埠市和阜陽市的農(nóng)業(yè)生態(tài)效率值最高，都處于相對(duì)有效水平；安慶市的農(nóng)業(yè)生態(tài)效率值在3個(gè)時(shí)間段內(nèi)效率值均較低，處于中等水平。

從影響因素來看，分析結(jié)果表明，在2010年，產(chǎn)業(yè)結(jié)構(gòu)因素是農(nóng)業(yè)生態(tài)效率的主要影響因素；2020年是農(nóng)用機(jī)械動(dòng)力因素對(duì)農(nóng)業(yè)生態(tài)效率的影響更為突出。交互作用探測器探測的結(jié)果表明：所有影響因素之間均存在交互作用，2組因子的交互作用強(qiáng)化了對(duì)農(nóng)業(yè)生態(tài)效率的影響。