生態價值視角下黃河流域農業生態效率時空演變及提升路徑研究

陳申奧，景曉棟，陳 潔

（河海大學 商學院，江蘇 南京 211100）

0 引言

糧食安全關乎我國民生的根本。中國以全球7%的耕地養活了全球約20%的人口，但在糧食持續增長的背后，我國農業發展正面臨下行的巨大壓力。據統計，農業碳排放已經成為僅次于能源碳排放的第二大碳排放重要來源［1］。近年來，在城鎮化進程不斷推進、生態環境不斷惡化的現實條件下，高投入、高消費、低效率的傳統粗放型土地經營模式已經無法適應當下環境，耕地資源緊缺、農業面源污染、要素資源消耗與生態效率低下等問題引發了社會系統性風險。如何優化土地資源配置，提高農業的全要素生產率，充分激發農業生態價值，已成為黨和國家高度關注的重點問題。黨的十八大以來，習近平總書記多次就建設農業強國發表重要論述，不斷強調要堅持“全方位夯實糧食安全根基”和“堅持農業農村優先發展”等執政思路。2022年國務院在《中共中央國務院關于做好2023年全面推進鄉村振興工作的意見》中明確提出要抓好糧食和重要農產品穩產保供，堅決守牢糧食安全線，建設現代化農業強國。

黃河流域是我國重要的生態功能區，在生態環境、水資源供給和農業供給方面具有重要地位［2］。2020年，黃河流域農業總產值達到8167億元，占全國農業總產值的36.2%。2021年《黃河流域生態保護和高質量發展規劃綱要》中提出要進一步推動黃河流域農業生態治理和經濟社會發展工作。然而，黃河流域農業發展長期面臨水資源匱乏、農業結構單一、農業生產水平低以及水質污染嚴重等諸多頑瘴痼疾，嚴重制約了黃河流域農業的綠色可持續發展。在農業效率低下和環境污染嚴重雙重受限的現實背景下，推動黃河流域農業生態效率的提升，對于保障我國糧食安全、提升生態環境質量具有重要意義。

近年來，農業生態效率作為科學衡量農業生產水平的重要指標，受到了國內外學者的廣泛關注［3］。目前，關于農業生態效率的研究主要分為以下三個方面：（1）農業生態效率研究方法方面，目前國內外學者主要采用生態足跡法［4］、SFA模型法［5］和DEA模型法［6-9］進行效率測度。其中DEA模型法具有簡便、客觀以及無須事先估計生產函數等優點，因此在效率評價領域得到了廣泛應用。傳統的BCC、CCR模型存在忽視投入產出松弛變量的問題，改進后的SBM模型通過將非期望產出納入指標體系，使得測算結果更加精準［10］。（2）在不同空間尺度方面，國內外學者主要從國家、地區和省市等角度對農業生態效率展開研究。Magrini［11］通過對1990—2019年歐洲40個國家的農業生態效率進行測度，發現阿爾巴尼亞、克羅地亞等7個國家在研究期內農業生態效率明顯提高；陳陽等［12］利用超效率DEA-SBM模型和DEA-Malmquist指數法測算了中國的農業生態效率，得出農業生態效率總體發展趨勢平緩，總體未達到有效水平的結論；Demiral等［13］對美國2018年50個州的生態效率進行了評估，研究發現二氧化碳排放量低的國家生態效率水平顯著提高；趙吉［14］采用非期望產出SBM模型對2010—2019年四川省21個地市的農業生態效率值進行了測算，提出大力推廣新型農機等環保型農業技術的建議。（3）在農業生態效率影響因素研究方面，目前主要集中在農業技術、財政支農資金和糧食產能等角度。李昕欣等［15］采用DEA-BCC和DEA-Malmquist模型對2010—2019年山東省各地級市的農業生態效率進行測度，研究發現農業技術進步是山東省農業生態效率提升的主要動力；楊昕蕾等［16］運用SBM模型和OLS模型分析黃河流域農業生態效率的影響因素，提出加大農業科技投入、改善農業生產方式等舉措促進黃河流域農業生態效率提升；黃志斌等［17］通過系統動態廣義矩估計模型，研究財政支農資金對農業生態效率的影響，得出政府應加大對農業生態建設的財政投入、優化財政支農資金結構等啟示；劉鵬凌等［18］實證檢驗糧食產能對農業生態效率的影響，研究發現糧食種植結構正向調節了復種指數與農業生態效率之間的關系，負向強化了糧食產量對農業生態效率的影響。

綜上，目前國內外學者對農業生態效率的研究成果較多，但現有研究主要將糧食產量、農業技術和財政支農資金作為農業生態效率的影響因素，忽視了耕地在農業生產活動中所提供的生態價值［19］。已有研究表明，農業具有碳源碳匯的雙重屬性，農業生態系統在為人類提供基本糧食的同時，還具有巨大的生態系統服務功能［20-22］。同時，現有成果在進行農業生態效率測度時一般只將化肥投入所產生的營養物污染納入非期望產出，而忽略了農藥和農膜等對生態環境的影響［23］。基于此，本文選取2011—2020年黃河流域9省份作為研究區域，采用生態價值評價法(ESV)測算耕地在種糧過程中產生的生態價值，運用超效率SBM模型及Malmquist指數，將農業生態價值和農業碳排放納入農業生態效率評價體系，詳細分析了2011—2020年黃河流域農業綠色全要素生產率及影響因素，并在此基礎上為黃河流域的農業可持續發展提出了對策建議。

1 研究方法與數據來源

1.1 研究方法

1.1.1 生態價值評估方法 耕地具有凈化和改善生態環境質量、緩解地表環境變化幅度、維持物質循環、固碳釋氧、保障水資源等方面的作用。為研究黃河流域耕地所產生的生態價值，依據Costanza等［24］提出的當量因子法，結合謝高地等［25-27］修正的中國內陸耕地生態價值評價系數（其中氣體調節為0.50，氣候調節為0.89，水文調節為0.60，廢物處理為1.64，保持土壤為1.46，維持生物多樣性為0.71，提供美學景觀為0.01）以及黃河流域不同省份農田生態系統生物量因子修正系數（表1），測算黃河流域9個省份的耕地在農業生產過程中產生的生態服務價值，該過程的計算公式為：

表1 黃河流域不同省份耕地生態系統生物量因子

式（1）中：ESV為糧食生產過程中產生的總生態價值，t為研究年份，i為廢物處理、保持土壤、氣候調節、維持生物多樣性、水文調節、氣體調節、提供美學景觀等7類生態功能價值，A為各地區的糧食播種面積，P為基期糧食單產可比價格，CF為地區修正系數，EC為各項生態系統服務價值當量因子。

1.1.2 碳排放測算方法 耕地在糧食生產活動中表現為碳源，主要包括化肥施用、農藥和農膜耗用、農業機械的使用、農業灌溉等導致的碳排放［28］。結合李波等［29］的方法對碳排放進行測算，估算公式為：

式（2）中：E為農業的碳排放總量，Ei為化肥、農藥等農業碳排放源的碳排放量，Ti為各農業碳排放源的使用量，γi為各農業碳排放源的碳排放系數，各類農業碳排放源的碳排放系數見表2。

表2 農業碳排放源的碳排放系數 kg/kg

1.1.3 超效率SBM模型 農業生態效率是反映糧食生產水平的重要指標，現有農業生態效率研究大多僅考慮糧食產量或糧食產值等期望產出，而忽視了農業生態價值及農業碳排放等非期望產出對農業生態效率的影響。相較于BCC、CCR等傳統的DEA模型，Tone等［30-31］提出的SBM-DEA模型將非期望產出和松弛變量也納入了效率測算范圍，從而使得測算出的效率值更加準確。因此，本研究借鑒已有學者［30］的研究成果，采用包含投入、期望產出及非期望產出3個向量的SBM模型進行農業生態效率的測度。

1.1.4 Malmquist-Luenberger指數(ML) ML指數又稱全要素生產率指數，是一個可體現效率動態變化的指標。ML指數可以分解為技術效率指數(EC)和技術進步指數(TC)。其中ML為農業全要素生產率，表示各期農業生態效率的變化情況；EC為農業技術效率指數，表示各期的農業技術效率水平；TC為農業技術進步指數，表示各期的農業技術水平，詳細公式可參考田明升等［31］對于模型構建和指數分解的指標體系。

1.2 指標體系構建和數據處理

參考已有的研究成果［33-36］，結合黃河流域農業生產的具體情況，本文選取勞動力、土地、機械動力、水資源和農業化肥等資源要素作為投入指標，選取農業生態價值和糧食總量作為期望產出，并將農業碳排放作為非期望產出指標，構建黃河流域農業生態效率評價指標體系（表3）。

表3 黃河流域農業生態效率評價指標體系

1.3 數據來源

基于數據的連續性和可得性，本文選取數據的時間跨度為2011—2020年，對涉及研究的數據進行了收集與整理。其中糧食作物播種面積、農業機械總動力、農業用水總量、農藥及化肥使用量、農產品價格和糧食總量等數據來自《中國統計年鑒》《中國農村統計年鑒》《中國農產品價格調查年鑒》及各省（自治區）的統計年鑒。勞動力投入用農業從業人員數量來表示，由于暫未直接公布農業從業人員數據，本文借鑒高孟菲等［37］的做法，根據農業總產值占農林牧漁業總產值的比值等比例計算出農業從業人員數量。

2 實證分析

2.1 農業生態價值測算結果分析

本文將耕地在農業生產活動過程中產生的生態價值作為農業生態效率的期望產出之一，結合各省份的耕地稟賦和農業生產狀況，使用生態價值評價法計算出各省的農業生態價值（圖1）。

圖1 2011—2020年黃河流域9省（自治區）農業生態價值的演變情況

由圖1可知，黃河流域各省份農業生態價值排序為河南＞山東＞四川＞內蒙古＞陜西＞山西＞甘肅＞寧夏＞青海；從整個時序上看，河南、山東、四川、內蒙古和山西的農業生態價值增量較大，分別增加了2267.89億、1749.71億、454.75億、453.46億和160.38億元，甘肅、青海和寧夏的農業生態價值維持穩定，而陜西的農業生態價值降幅較大，達到了228.76億元；從空間上看，農業生態價值提升的省份主要集中在黃河流域的南部和東部地區，其中河南、山東和四川作為我國的產糧大省，得益于獨一無二的地理環境和氣候條件，成為了保障我國糧食安全的重要支撐。近年來，隨著強農惠農政策和耕地保護制度的逐步完善及農業生產技術的創新升級，河南、山東和四川的種糧生態價值在研究期內得到了明顯提升。而內蒙古和山西在由傳統能源和重工業省份逐漸轉型期間，其農業生態價值存在波動上升的趨勢。甘肅、青海和寧夏由于降水稀少、氣候干旱和耕地面積受限等原因，農業發展的速度緩慢，農業生態價值變化的幅度較小。陜西的農業發展受自然分割的基礎條件制約，由于其土壤流失嚴重、少雨缺水、土地貧瘠、農業自然風險和技術風險大等原因，陜西的農業發展水平較低，農業生態價值出現了明顯下降。總體而言，黃河流域農業生態價值在研究期內呈現上升趨勢，2020年達到了21961.31億元，其中河南和山東占總農業生態價值的比重最大，分別為40.03%和33.00%。

2.2 農業碳排放分析

由表4可知，2011—2015年黃河流域農業碳排放量呈現出上升趨勢，并于2015年達到了峰值。2016年后，黃河流域農業碳排放量呈現明顯的下降趨勢，在2016—2020年期間共減少農業碳排放44.3萬t，農業碳排放較高的現狀得到了明顯的改善。

表4 2011—2020年黃河流域農業碳排放量情況 萬t

從黃河流域各省份農業碳排放量均值來看，省際農業碳排放的差異顯著，主要的碳排放量集中在農業大省。河南和山東兩省的碳排放占比超過了整個黃河流域的50%，分別為840.32萬、732.03萬t。其次是四川和內蒙古，農業碳排放分別為345.42萬、304.00萬t。陜西、甘肅、山西和寧夏的農業碳排放分別為287.26萬、222.99萬、162.80萬和58.96萬t。青海的農業碳排放量最少，僅為16.57萬t，原因是青海的耕地面積有限，對于農業的投入遠小于其他省份。

2.3 農業生態效率分析

運用MaxDEA軟件對2011—2020年黃河流域9省（自治區）的農業生態效率進行實證分析，結果見表5。

表5 2011—2020年黃河流域9個省（自治區）的農業生態效率

由表5可知，2011—2015年黃河流域農業生態效率均值維持在0.9左右，處于較高水平，但增速較為緩慢。2016—2020年間呈現波動上升趨勢，且2020年農業生態效率均值為1.148，表明自2016年起黃河流域不斷重視農業與生態協調發展，從而推動了農業生態效率的持續提升。

從空間上看，省際之間農業生態效率呈現兩極分化局面。內蒙古農業生態效率均值最高，2011—2020年其農業生態效率均值達到了1.426，且每年的農業生態效率值均大于1.2，大幅領先于其他省份。究其原因，內蒙古以畜牧業發展為主，人均耕地面積大，農業生產活動對于環境的影響較小。河南和山東位于黃河下游地區，平原地形廣布，農作物播種面積大，加上近些年對生態環境保護的不斷重視，因此農業生態效率也略高于中上游其他地區。陜西、甘肅、青海和寧夏的農業生態效率明顯低于黃河流域內的其他省份。陜西位于黃土高原腹地，而其余省（自治區）也位于黃河流域上游地區，農業水資源短缺、耕地面積受限、氣候條件惡劣和生態環境脆弱等因素均導致了其農業生態效率較低。綜上所述，推動黃河流域農業一體化協調發展對于提升農業生態效率具有重大意義。

2.4 Malmquist-Luenberger指數分析

Malmquist-Luenberger指數代表了農業生態效率的動態變化值，可分解為技術效率指數和技術進步指數。黃河流域9省（自治區）的全要素生產率變化指數及其分解值具體見表6。

表6 2011—2020年黃河流域9省（自治區）ML指數及其分解

由表6可知，黃河流域ML指數的平均值為1.062，且研究期內9個省（自治區）的ML指數都大于1，由此可以看出黃河流域農業生態效率總體發展態勢良好，但由于各省份農業基礎、自然條件、農業技術水平發展狀況不同，使得農業生態效率存在一定程度的差異。ML指數增長最為顯著的地區為青海和河南，兩者的EC指數和TC指數均大于1，表明這2個省份依靠技術效率和技術進步共同推動了農業生態效率的提升。此外，陜西、甘肅和寧夏的EC指數小于1，因此可以得出這3個省份的ML指數提升主要依靠的是技術進步，技術效率在一定程度上阻礙了農業生態效率的提升。四川的TC指數小于1，應當加強對農業生產技術的投入研究，利用技術進步來拉動農業生態效率提高。

為了更好地研究黃河流域的ML指數的時間變化特征，對2011—2020年黃河流域ML指數及其分解值（表7）進行分析。

表7 2011—2020年黃河流域ML指數及其分解

由表7可知，在2011—2020年，黃河流域ML指數、EC指數和TC指數均大于1，其中ML指數在2012—2015年間保持平穩狀態，2015—2016年迎來小幅增長，2019—2020年增長速度最快，總體來看，ML指數存在較大波動。2011—2012年的技術進步指數雖然小于1，但ML指數還是處于增長狀態，這是因為效率改進指數的增長作用抵消了技術不足的負面作用，也表明應該加大技術進步。盡管其他年份的EC指數和TC指數均大于1，但在2011—2015年期間這2個指數的拉動作用都處于較弱的狀態，2015—2020年在2個指數共同推動下，ML指數得到了顯著提高。

3 結論與建議

3.1 結論

本文通過采用超效率SBM-Malmquist指數模型對2011—2020年黃河流域9省農業生態效率進行時空特征分析，研究結果表明：

（1）黃河流域農業生態價值整體呈上升趨勢，2020年達到21961.31億元，其中河南和山東占總農業生態價值的比重最大，分別占到全流域總農業生態價值的40.03%和33.00%。

（2）黃河流域農業碳排放近年來得到明顯改善，自2016年起，農業碳排放量呈現明顯的下降趨勢，在2016—2020年共減少農業碳排放44.3萬t，農業碳排放省際的差異顯著，河南和山東作為農業大省，處在碳排放量的前2位。

（3）黃河流域農業生態效率整體水平較高，呈現出波動上升趨勢；農業生態效率的省際差異較大，內蒙古效率值最高，陜西、甘肅、青海和寧夏的效率值明顯低于流域內的其他地區。

（4）黃河流域的全要素生產率指數均大于1，這說明農業生態效率整體呈現上升趨勢；但陜西、甘肅和寧夏的效率改進指數以及四川的技術進步指數小于1，表明仍存在著技術轉化效率不足、管理效率水平不高等問題。

3.2 建議

基于上述研究結論，本文提出如下對策建議：

（1）建設新型農業體系。重視耕地給黃河流域帶來的生態價值，以維護黃河生態安全為目標，改善生態環境治理為核心，堅決貫徹實施《黃河保護法》，扎實推進防洪減災、水資源保護、生態修復治理等重點任務落地落實。積極挖掘農業生態產品價值，重點發展農產品精深加工、鄉村旅游和農村電商等新興產業，全力推動產業融合發展，促進鄉村產業全鏈條轉型升級。

（2）促進農業綠色低碳發展。重視農業碳排放對環境帶來的不利影響，研發推廣作物吸收、利用率高的新型肥料產品，推廣水肥一體化等高效施肥技術，提高肥料利用率。加快先進低碳節能農機裝備研發，降低化石能源消耗和二氧化碳排放。因地制宜推廣應用生物質能、太陽能和風能等綠色用能模式，增加農業清潔能源供應，推動黃河流域農業綠色低碳發展。

（3）推動農業現代化高質量發展。重視農業生產效率在農業發展過程中的積極作用，建設黃河流域現代農業示范區，實施高標準農田建設工程和耕地質量提升工程，優化作物水分灌溉管理，開展主要農作物生產的全程機械化示范。政策鼓勵支持企業與農業新型經營主體進行合作，加大農業實用人才的培養力度，加強科技創新和品種選育，促進黃河流域高效率的現代化農業體系早日建成。