江西省農業綠色全要素生產率時空演化

王巧玲，歐陽耀樹

(江西農業大學 計算機與信息工程學院，江西 南昌 330045)

近年來江西省農業發展取得了可喜的成績，2021年，江西省農業總產值3 998.1億元，比上年增長9.0%，農村居民人均可支配收入比上年增長10.03%。但與此同時，化肥、農藥、農膜、農機等資源的過度使用也帶來了農業面源污染和農業碳排放的增長。傳統農業大多依賴粗放型的土地利用，農業增長也主要是由高污染、高耗能、高排放的產業驅動。據聯合國政府間氣候變化專門委員會(Intergovernmental Panel on Climate Change，IPCC)發布，2050年農業碳排放可能成為最大的碳排放源之一[1]。作為世界上人口最多、農業生產第一的大國，尤其是2020年提出“碳達峰、碳中和”目標后，中國的農業碳減排刻不容緩。《鄉村振興戰略規劃(2018-2022年)》及“十四五”規劃相繼提出發展綠色農業，推動綠色低碳發展，2022年中央一號文件強調，要在保障糧食安全的基礎上推動鄉村振興和農業現代化進程，促進農業綠色發展。在農業碳排放的約束下促進農業經濟與農業碳減排的協調發展，是實現“雙碳”目標的必經之路。江西省位于中國東南部，長江中下游南岸，地形以山區、丘陵為主，在國家糧食安全中發揮著重要的作用，其生態資源位于全國首列，是南方地區的生態屏障。作為首批國家生態文明試驗區之一，近年來在農業綠色發展理念的引領和鄉村振興的背景下，江西省不斷深化農業供給側結構性改革，優化農業產業結構，促進農業提質增效，推動農業高質量發展。但由于地形制約，農業現代化進程較為緩慢，不同地區的資源稟賦、經濟發展水平、種植結構的差異導致農業發展水平不平衡，農業綠色低碳發展水平不高。如何以最少的資源投入和能源消耗推動農業綠色低碳發展，其關鍵在于提升農業綠色全要素生產率(agricultural green total factor productivity，AGTFP)[2]。近年來江西省的AGTFP的動態變化格局如何？時空演化規律是怎樣的？其驅動原因是什么？在“碳達峰、碳中和”的目標下，回答這些問題將對江西省農業綠色低碳路徑的精準實施，促進農業經濟及農業碳減排間的協調可持續發展具有重要的理論和實踐意義。

近年來，學者們從不同角度，采用不同方法對農業全要素生產率(agricultural total factor productivity，ATFP)進行深入研究，并取得了豐碩的成果。從研究尺度上，有對中國農業全要素生產率的評估[3-5]，也有對區域(如糧食主產區、黃河流域、長江經濟帶)[6-8]、省域[9-10]、縣域[11]的局部評價。隨著農業綠色發展理念的引領及農業碳減排的現實需求，不僅要考慮農業的正向產出，同時也必須考慮化肥、農藥、農膜、農機等要素的過度投入帶來的負面效應，如農業面源污染及農業碳排放。AGTFP是將非期望產出作為負導向指標納入了評價體系，能夠較好地反映農業綠色發展水平。當前對AGTFP的研究主要集中在概念及內涵、時空特征、影響因素及影響機制等方面，前人基于農業碳排放，利用超效率SBM模型對中國AGTFP進行測算，發現AGTFP總體上呈波動增長的趨勢，省域間的差異呈增大趨勢，且農業要素稟賦和地區特征是影響AGTFP的主要因素[12]；也有人對中國的AGTFP測度并分析其驅動因素，發現技術進步是推動AGTFP增長的主要驅動力，從要素分解的角度，“節能減排”對AGTFP增長貢獻最大[13]。當前研究對AGTFP的概念和內涵尚未達成一致，主要分歧在于對非期望產出的考量方面。例如高孟菲等[4]、劉華軍等[7]考慮環境因素，將化肥污染治理成本、農業面源污染納入投入指標；郭海紅等[14]把資源、能源、經濟、環境等因素同時納入AGTFP分析框架中，選取農業碳排放和農業面源污染作為產出指標。雖然現有AGTFP的研究為農業可持續發展提供了一定的決策依據，但仍存在一定的不足：一是現有研究大多是考慮經濟和社會產出，農業發展過程中對環境帶來的負面效應考慮不足，特別是較少考慮農業碳排放作為非期望產出，評價結果缺乏指導性，從而影響決策的客觀性；二是現有研究對特有的生態文明試驗區研究較少，也未能根據地方經濟發展特色系統分析區域差異，不利于“精準施策”。因此，在“雙碳”目標下研究農業綠色全要素生產率及其時空演化，對于助力農業高質量發展具有重要的現實意義。

1 材料與方法

1.1 數據來源與處理

選取江西省11個設區市2011-2020年的面板數據進行測算，研究數據來自《江西統計年鑒》及江西省各地級市的統計年鑒。此外，考慮到通貨膨脹等外部價格因素的影響，將農業生產總值折算為以2011年為基準的不變價，從而消除外部價格因素對數據的影響。

1.2 研究方法

1.2.1 數據包絡分析法

數據包絡分析(data envelopment analysis，DEA)是一種非參數的效率評價方法，已被廣泛用于各種效率評價問題。為了考慮非期望產出對生產率帶來的影響，并且動態反映生產率的變化，Chung等[15]將包含非期望產出的方向距離函數和Malmquist指數結合，構建了Malmquist-Luenberger(ML)指數，ML生產率指數法由于不需要預設生產函數形式，能夠很好地解決將污染排放等副產品作為非期望產出的問題。此外，為了解決跨期比較并克服無可行解的問題，Oh[16]構建了Global-Malmquist-Luenberger(GML)指數。GML指數的計算公式為：

若GML>1，說明生產率水平相較于前一年得到了提高；GML<1則說明與前一年相比生產水平退步；等于1，則說明生產率水平無任何提高。首先將GML指數分解為技術效率(GTE)與技術進步(GTC)，GTE>1表示技術效率得到改善，否則表明技術效率下降；而GTC>1表示技術進步，否則表明技術退步。

進一步將技術效率分解為純技術效率和規模效率：

1.2.2 投入產出指標體系

不僅考慮農業發展的經濟效益，還應考慮農業生產過程中對生態環境帶來的負面效應，將農業碳排放作為非期望產出，構建投入產出指標體系如表1所示。

表1 投入產出指標體系Table 1 Input and output indicator system

(1)投入指標：將勞動力、土地、資本以及能源消耗作為投入指標。分別用第一產業就業人數(萬人)、有效灌溉面積(0.1萬hm2)作為勞動力、土地投入；將農藥使用量(t)、農用塑料薄膜使用量(t)、化肥凈施用量(萬t)折算作為資本投入；使用農村總用電量(萬kW·h)作為能源投入。

(2)期望產出指標：使用農林牧漁總產值(億元)除去服務業占比后作為期望產出，直接反映農業發展的正向效益。同時為了排除價格因素對數據造成的影響，將歷年以及各地區農業總產值以2011年為基準折算后進行調整，使得測算結果更加合理。

(3)非期望產出指標：將農業碳排放量作為非期望產出，以反映農業生產對氣候變化帶來的負效應?？紤]數據的完整性，參照侯孟陽等[17]的研究，僅使用農業碳排放的碳源-農藥使用量、化肥凈使用量、農業塑料薄膜使用量來估算研究區內的農業碳排放量。

2 研究結果與分析

2.1 江西省AGTFP測算及分析

運用MaxDEA 8 Ultra軟件，基于GML指數模型，對江西省2011-2020年的AGTFP進行測算。首先分析考慮非期望產出的AGTFP和未考慮非期望產出的ATFP差異，結果如圖1所示，各設區市AGTFP的空間分布如圖2所示。

圖1 2011-2020年江西省ATFP與AGTFP變化Fig.1 Changes in ATFP and AGTFP in Jiangxi Province from 2011 to 2020

圖2 2011-2020年江西省AGTFP空間分布Fig.2 AGTFP spatial distribution in Jiangxi Province from 2011 to 2020

圖1表明，不考慮非期望產出的ATFP指數整體高于考慮非期望產出的AGTFP。這是由于為了控制農業碳排放必將進行碳減排投資或者采用低碳技術，考慮農業碳排放作為非期望產出對AGTFP產生了負向的影響。若不考慮非期望產出對于AGTFP的影響，則會高估農業全要素生產率，測算不夠科學，與現實情況產生一定的偏離，從而影響客觀決策。

總體上，2011-2016年及2018-2020年江西省的AGTFP指數均大于1。以2017年為分界點，可明顯分為兩個階段：第一階段是2011-2016年，AGTFP較為均衡，僅2013年AGTFP稍遜色一些，相較于前一年下降了2.64%；第二階段是2017-2020年，AGTFP指數幾乎呈直線增長，平均每年上升5.03%。2016-2017年的AGTFP指數明顯下降，可能是因為江西省對農業產業結構進行調優，農業正在經歷轉型，也可能與2015年的“減肥減藥”行動以及2016年將單位耕地面積化肥、農藥施用量的增減列入生態文明考核指標等一系列控制農業碳排放的措施有關。自2018年起，江西省AGTFP指數一轉頹勢，逐年增長。這可能與2018年江西省深化改革創新加快現代農業發展的若干意見中提出在糧食安全的前提下，將大力推進農業供給側結構性改革、加快綠色生態農業發展、激發農業發展活力、強化農業科技創新、完善農業支持政策，特別是調整種植業結構、提升畜牧業發展水平、發展農產品加工、推進農村一、二、三產業融合發展、開展綠色生態農業等推進農業現代化進程和農業綠色發展的舉措密切相關。

2.2 江西省AGTFP時空分異

2.2.1 各地區AGTFP指數時序分異

江西省2011-2020年各地市AGTFP的測算結果如表2所示。從2011年至2020年AGTFP增長58.63%。研究期內江西省各設區市AGTFP指數平均值為1.052，大部分設區市的大多數年份均達到了技術進步使得生產率提高的狀態，只有少數年份的少數地市AGTFP指數偏低，例如2017年的撫州市、贛州市、吉安市、新余市、宜春市，2018年的贛州市。表2表明，2017年有5個設區市AGTFP指數低于1，而高于1的城市也只有微弱的增長，自2018年起各設區市AGTFP呈現增長的狀態，這可能與近年來農業“提質增效”政策緊密相關：一是在鞏固自身糧食主產區地位下，調整種植結構，減少農業碳排放；二是通過多樣化舉措促進農業綠色低碳發展，如化肥農藥零增長、農業資源綜合利用、生態農業、數字農業等。

表2 2011-2020年各設區市AGTFPTable 2 AGTFP of each district and city from 2011 to 2020

2.2.2 各地區AGTFP指數空間分異

從空間上探析江西省各設區市AGTFP的差異，結合各地區的經濟發展水平、資源和環境要素等因地制宜、“精準施策”有助于促進農業低碳可持續發展。江西省各設區市的平均AGTFP指數如圖3所示。結果表明，鷹潭市平均AGTFP指數是最高的，其次是南昌市與九江市基本持平，景德鎮市、萍鄉市、上饒市、新余市、宜春市的AGTFP水平基本相同，而撫州市、贛州市、吉安市比較低。

圖3 江西省各設區市AGTFP指數比較Fig.3 Comparison of AGTFP index among different districts and cities in Jiangxi Province

各設區市的AGTFP整體存在明顯的地區差異，這與各地區的地形、水資源等資源要素稟賦與配置、農業產業現代化程度緊密相關。鷹潭市、南昌市、九江市區域內有大量平原，且水資源也相對豐富，農業產業集聚及農業現代化進程推進得較快，AGTFP也相對較高(圖2)。特別是鷹潭市平均AGTFP指數最高，主要得益于近年來的“化肥零增長”政策，化肥減量增效取得了較好的成效。其次，南昌市是江西省的省會，農業現代化程度較高，數字經濟、智慧農業等農業科技創新走在前列。而撫州市、贛州市、吉安市雖然有較充足的水資源，但是地形上平原面積少，地形、資源要素稟賦和農業科技創新不足，AGTFP指數相對較低。特別是贛州市，雖然農業生產總值一直是全江西省最高，但第一產業從業人數、農業用地面積、能源消耗等投入都較高，農業現代化水平仍然不高，綠色低碳技術的接納度有待提升，技術的升級與進步對AGTFP的促進作用有限，導致AGTFP在江西省中排名偏低。從地域上看，贛州市所在的贛南，吉安市、撫州市、萍鄉市、新余市所在的贛中，景德鎮市、上饒市所在的贛東北，都因為地形因素限制了其AGTFP指數的增長速度，而贛西北平原占比較高的宜春市可能是受限于其農業技術水平。各地區農業綠色發展水平的不平衡，是制約江西省總體AGTFP增長的主要因素。

2.3 江西省AGTFP的驅動來源

為了進一步探析江西省2011-2020年AGTFP變化的驅動來源，首先將AGTFP指數分解為技術效率(AGTE)和技術進步(AGTC)，結果如表3所示，其次將技術效率(AGTE)分解成純技術效率(PTE)和規模效率(STE)如表4所示。

表3 江西省2011-2020年AGTFP及其分解Table 3 AGTFP and its decomposition in Jiangxi Province from 2011 to 2020

表4 2011-2020年技術效率及其分解Table 4 Technical efficiency and its decomposition from 2011 to 2020

表3的結果表明，從2018年起，AGTFP逐年增長，技術進步的貢獻明顯大于技術效率，說明AGTFP的變化主要是技術進步驅動。尤其是2017年“高質量發展”的提出，農業科技創新逐漸引領農業綠色發展，“智慧農業”“有機農業”“休閑農業”等新型業態的農業及農業數字經濟的發展都促進了AGTFP的增長。表4中數據表明，研究期內平均純技術效率為1.004，平均規模效率為0.998，除去2013、2016、2019年以外，純技術效率均大于規模效率。另外，2016-2017年的AGTFP出現低谷，而2017-2018年技術效率、純技術效率以及規模效率均大于1，印證了2017年農業結構轉型的推斷。規模效率自2018年起逐年下降，規模效率對技術效率的影響正在逐漸減小，這一方面是由于江西省耕地分散、丘陵山區地形較多的不利農業條件及種植結構導致，另一方面也是由于農業技術人才、農業機械化水平、農業資本投入、土地和能源利用效率等資源要素的配置未實現優化配置，尚未形成規模經濟效應。

2.4 政策建議

基于對江西省2011-2020年農業綠色全要素生產率及其時空差異分析，未來還需通過農業產業結構優化升級及農業科技創新引領農業綠色低碳發展。

農業既是碳源，又是碳匯，在“碳達峰、碳中和”的目標下，持續探索科學、合理、可行的農業碳減排路徑。繼續推進農業科技創新，發展新型業態的農業，促進農業綠色低碳發展，加快農業的現代化進程。加大對農業科技創新的投入，發展“數字農業”“綠色農業”“有機農業”“智慧農業”“鄉村旅游+農業”“健康+農業”“文化+農業”等新型業態的農業，實現農業發展的信息化、標準化、資源節約化和環境友好化。加強人工智能、大數據、物聯網技術與農業應用的有機融合，充分發揮信息技術在農業環境監測、農業提質增效中的作用，助力鄉村振興。

由于各地農業資源稟賦、經濟發展水平、管理水平的差異，各地農業綠色低碳發展的思路、舉措和實現路徑等實踐也具有差異性。未來應充分發揮政府、市場、社會組織的作用，通過農技推廣、培訓等引導農戶接納綠色技術，促進農業固碳減排和“化肥農藥負增長”政策的落地。優化農業技術人才、農業資本、水資源、能源和土地利用效率等資源要素配置，優化國土空間布局，挖掘地區優勢，因地制宜地推動區域特色農業，推進區域精準化、差異化的農業高質量發展。

充分利用環境經濟政策，通過稅收、補貼等政策激勵在供給端采用綠色生產方式，對地膜回收、秸稈利用、糞便沼氣化、化肥農藥減降等低碳行為進行持續補貼，鼓勵在消費端利用綠色農產品。通過綠色農業債券、保險、PPP 項目等綠色金融方式對集約型、環境友好型農業生產企業給予支持，促進農業經濟增長與農業減污降碳的協調發展。

3 結論與討論

采用帶有非期望產出的GML指數模型，對江西省2011-2020年11個設區市的農業綠色全要素生產率進行測算，分析其時空演化特征，并探析其可能的驅動原因，得出以下結論：

(1)不將非期望產出指標納入評價會使得ATFP指數高于真實的AGTFP指數，農業碳排放帶來的負面影響不應被忽略，考慮農業碳排放帶來的負面影響使得決策更加客觀。

(2)江西省11個設區市的農業綠色全要素生產率總體水平表現較好，經歷2017年的低谷后，自2018年起AGTFP連年上升，且上升速度逐年增加。其中表現較為突出的分別是鷹潭市、南昌市、宜春市、九江市，而表現欠佳的是撫州市、贛州市。AGTFP的連年上升說明近年來江西省農業現代化發展的策略是可行的，但2019年無論是純技術效率還是規模效率均出現了低谷，政策的落實上存在著后勁不足的問題。

(3)2018年起AGTFP幾乎呈直線增長，從效率分解的角度，AGTFP的變化主要是由技術進步驅動。進一步對技術效率分解，AGTFP的變化主要是由純技術效率帶動，農業產業結構的調整、新型業態的智慧農業及數字農業經濟的發展都促進了AGTFP的增長，農業科技創新逐漸引領農業綠色發展，而規模影響正在逐漸弱化，未來應繼續通過農業科技創新促進農業綠色低碳發展，促進“雙碳”目標的實現。

提高農業綠色全要素生產率，推動農業綠色低碳發展，是實現“碳達峰、碳中和”目標的必然要求。面對農業經濟發展與農業碳減排的矛盾，一方面要科學、合理地對現有水資源、農業用地、能源利用、農業技術人才、農業資本投入等要素合理配置，另一方面在農業綠色發展理念下，協調好農業經濟發展與農業碳減排的關系，通過農業科技創新提升農業綠色全要素生產率，助力“雙碳”目標的實現。但在非期望產出指標上只選取了農業碳排放，具有一定的局限性，充分考慮農業碳排放與農業面源污染的協同減排將更加科學。下一步將深入研究其驅動機制，以期得到更科學、合理、可行的政策建議。