朱永彬,馬曉哲,史雅娟

(1.中國(guó)科學(xué)院科技戰(zhàn)略咨詢研究院 北京 100190;2.中國(guó)科學(xué)院大學(xué)公共政策與管理學(xué)院 北京 100049;3.河南大學(xué)地理與環(huán)境學(xué)院/黃河中下游數(shù)字地理技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室(河南大學(xué)) 開封 475004;4.北京城市學(xué)院 北京 100083;5.中國(guó)科學(xué)院地理科學(xué)與資源研究所 北京 100101)

農(nóng)業(yè)既是受氣候變化影響最嚴(yán)重的部門之一,也是溫室氣體排放的重要來(lái)源。據(jù)IPCC 評(píng)估報(bào)告測(cè)算,全球每年農(nóng)業(yè)溫室氣體排放總量為10～12 Gt CO2eq(CO2當(dāng)量),約占全球人為排放總量的24%,其中全球N2O 和CH4排放的60%和50%均來(lái)自農(nóng)業(yè)生產(chǎn)[1-2]。中國(guó)作為世界農(nóng)業(yè)大國(guó),長(zhǎng)期以來(lái)呈現(xiàn)高投入的粗放型特征,尤其是近年來(lái)農(nóng)業(yè)生產(chǎn)對(duì)化肥等農(nóng)用物資的過度依賴問題日益嚴(yán)峻,不僅造成土壤、水體等面源污染日益嚴(yán)重[3-4],也導(dǎo)致我國(guó)溫室氣體排放大幅增長(zhǎng)[5-12]。

隨著我國(guó)農(nóng)用物資投入強(qiáng)度的提高,越來(lái)越多學(xué)者對(duì)化肥、能源等投入導(dǎo)致的農(nóng)業(yè)溫室氣體排放[8-12]開展研究。已有研究重點(diǎn)關(guān)注農(nóng)業(yè)溫室氣體排放的測(cè)算及其歸因分析,發(fā)現(xiàn)中國(guó)農(nóng)業(yè)溫室氣體排放近年來(lái)呈現(xiàn)大幅增長(zhǎng)的趨勢(shì)[6-7],且主要源于化肥、能源、農(nóng)藥及農(nóng)膜等農(nóng)用物資的投入[6,13],以及土地管理、畜禽腸道發(fā)酵、糞便管理和水稻種植等農(nóng)業(yè)生產(chǎn)環(huán)節(jié)[13],尤其是產(chǎn)業(yè)結(jié)構(gòu)、機(jī)械化程度、化肥施用強(qiáng)度等對(duì)農(nóng)業(yè)排放的影響非常顯著。此外,相關(guān)研究還聚焦特定區(qū)域農(nóng)業(yè)溫室氣體排放的時(shí)空演變特征和趨勢(shì)分析,例如:謝良玉等[14]測(cè)算分析了安徽省農(nóng)業(yè)源溫室氣體排放及其趨勢(shì)特征;黃銳等[15]探索了山東省農(nóng)業(yè)排放強(qiáng)度的時(shí)空特征與動(dòng)態(tài)演進(jìn)趨勢(shì);桂河等[16]基于對(duì)寧夏農(nóng)業(yè)碳排放的測(cè)算分析了其時(shí)序演變趨勢(shì)、驅(qū)動(dòng)機(jī)理以及與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的脫鉤特性。相關(guān)研究為深入探索農(nóng)業(yè)碳減排的途徑和手段奠定了基礎(chǔ)。另一方面,鑒于農(nóng)業(yè)投入強(qiáng)度提高帶來(lái)資源環(huán)境約束不斷趨緊的事實(shí),大量文獻(xiàn)從農(nóng)業(yè)投入產(chǎn)出視角,對(duì)資源環(huán)境約束下的農(nóng)業(yè)綠色全要素生產(chǎn)率展開深入研究[17],并將碳排放作為重點(diǎn)環(huán)境約束納入全要素生產(chǎn)率分析框架[18-19]。這些研究在傳統(tǒng)投入產(chǎn)出效率基礎(chǔ)上引入碳排放等環(huán)境因素,測(cè)算分析考慮環(huán)境因素后的綜合生產(chǎn)效率。例如,葛鵬飛等[19]將CO2排放作為非期望產(chǎn)出,對(duì)2001—2015年中國(guó)31 個(gè)省份的農(nóng)業(yè)綠色全要素生產(chǎn)率進(jìn)行測(cè)度,相關(guān)研究結(jié)果表明,中國(guó)農(nóng)業(yè)綠色生產(chǎn)率低效問題仍較為嚴(yán)重,碳排放非期望產(chǎn)出和機(jī)械動(dòng)力投入過高是導(dǎo)致綠色生產(chǎn)率較低的主要原因。中國(guó)各省農(nóng)業(yè)綠色全要素生產(chǎn)率具有顯著的地域差異,呈現(xiàn)出“東高西低”的分布格局[20-22]。但因未納入氣候因素情形,農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)明顯被高估;將氣候因素納入測(cè)算范圍后,發(fā)現(xiàn)氣候因素特別是干旱事件對(duì)中國(guó)農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)將造成負(fù)面沖擊[22]。

綜上所述,農(nóng)業(yè)高投入強(qiáng)度引致的碳排放問題已受到學(xué)界高度關(guān)注,但對(duì)農(nóng)業(yè)減排潛力的研究仍不多見。吳賢榮等[23]從公平和效率的維度對(duì)各省區(qū)的農(nóng)業(yè)減排潛力進(jìn)行了指數(shù)評(píng)估,但未能給出具體的潛在減排量。近年來(lái),隨著農(nóng)業(yè)減量投入與綠色生產(chǎn)的政策不斷加碼,我國(guó)農(nóng)業(yè)生產(chǎn)將加快由追求產(chǎn)量的粗放型發(fā)展模式向追求效益的精細(xì)化發(fā)展模式轉(zhuǎn)變,屆時(shí)有望徹底解決農(nóng)業(yè)高投入強(qiáng)度帶來(lái)的高排放問題。對(duì)提高農(nóng)業(yè)生產(chǎn)效率帶來(lái)的碳減排潛力進(jìn)行研究,有利于制定科學(xué)的農(nóng)業(yè)減排目標(biāo);同時(shí),對(duì)減排潛力來(lái)源進(jìn)行深入分析,也有助于確定有效的減排策略。河南省既是我國(guó)重要的農(nóng)業(yè)大省和糧食生產(chǎn)基地,也是農(nóng)業(yè)面源污染程度和碳排放量較高的地區(qū),研究河南省農(nóng)業(yè)減排潛力對(duì)實(shí)現(xiàn)黃河流域高質(zhì)量發(fā)展具有重要意義。因此,本文以河南省為例,基于對(duì)各縣級(jí)尺度單元的農(nóng)業(yè)投入產(chǎn)出效率進(jìn)行評(píng)價(jià),重點(diǎn)從農(nóng)用物資過量投入引致的碳排放視角,對(duì)農(nóng)業(yè)投入產(chǎn)出效率及其減排潛力進(jìn)行深入研究。

1 研究區(qū)概況

河南省位于華北平原南部,地處黃河中下游地區(qū)(31°23′～36°22′N,110°21′～116°39′E),地勢(shì)西高東低,是我國(guó)重要的農(nóng)業(yè)大省。在黃河流經(jīng)的8 省區(qū)中,河南省農(nóng)作物播種面積和糧食產(chǎn)量的比重分別為31%和34%,是黃河流域重要的農(nóng)業(yè)生產(chǎn)基地。河南省各地區(qū)農(nóng)作物播種面積的空間差異較大,主要分布在東部和西南的平原地區(qū),西部和北部的山地丘陵地帶播種面積較小。糧食作物主要以小麥(Triticum aestivum)和玉米(Zea mays)為主,大部分縣市處于華北冬麥區(qū)和夏玉米區(qū)[24];經(jīng)濟(jì)作物則以油料作物、蔬菜和瓜果為主。

2 研究方法和數(shù)據(jù)來(lái)源

本文研究思路是基于對(duì)農(nóng)業(yè)生產(chǎn)效率的測(cè)算,得到各項(xiàng)農(nóng)用物資的冗余投入量,進(jìn)而根據(jù)農(nóng)用物資冗余投入量與其對(duì)應(yīng)的碳排放因子計(jì)算得到農(nóng)業(yè)冗余排放,即農(nóng)業(yè)減排潛力。

2.1 農(nóng)業(yè)生產(chǎn)效率測(cè)算

數(shù)據(jù)包絡(luò)分析(DEA)[25]作為目前較為常用的非參數(shù)效率分析方法,近年來(lái)在我國(guó)農(nóng)業(yè)生產(chǎn)效率[26-30]以及碳排放效率[31-33]評(píng)價(jià)中得到廣泛應(yīng)用。由于本研究關(guān)注農(nóng)用物資過量投入導(dǎo)致的碳排放,因此采用投入導(dǎo)向的兩階段規(guī)模收益可變DEA(VRS-DEA)模型,其模型規(guī)劃式為:

式中:θ的最優(yōu)解代表效率值,取值范圍為(0,1];x和y分別表示各項(xiàng)投入與產(chǎn)出,下標(biāo)i和r分別為第i項(xiàng)投入和第r項(xiàng)產(chǎn)出,模型共計(jì)包含m項(xiàng)投入和q項(xiàng)產(chǎn)出;j代表所有n個(gè)決策單元(DMU)中的第j個(gè);k為當(dāng)前被評(píng)價(jià)的DMU;λ為DMU 的線性組合系數(shù)(權(quán)重)。

在多投入多產(chǎn)出的情況下,DEA 模型容易出現(xiàn)松弛問題,尤其是當(dāng)DMU 數(shù)量較少時(shí),會(huì)使構(gòu)建的前沿面不夠精細(xì),更容易導(dǎo)致松弛問題。為此,Ali等[34]提出兩階段方法求解投入松弛變量(S—)和產(chǎn)出松弛變量(S+),即在第1 階段求解模型(1)得到θ的最優(yōu)解 θ*,然后在第2 階段求解如下規(guī)劃式:

無(wú)效DMU 的潛在改進(jìn)值包括兩部分,一是比例改進(jìn)值,二是松弛改進(jìn)值。為使各縣市不同時(shí)期的效率具有可比性,本研究選取所有時(shí)期所有縣市作為DMU 參考集進(jìn)行動(dòng)態(tài)評(píng)價(jià),其模型表達(dá)式為:

式中:M為Malmquist 指數(shù),上標(biāo)g代表全局參考集,E表示效率值,x t和y t分別為t時(shí)期的投入變量和產(chǎn)出變量。由于各期參考同一前沿,因此計(jì)算得到的為單一Malmquist 指數(shù),且各期效率值具有可比性。該指數(shù)可以進(jìn)一步分解為效率變化(EC)和技術(shù)變化(TC)兩部分:

2.2 農(nóng)業(yè)碳排放測(cè)算

本文主要關(guān)注農(nóng)業(yè)種植業(yè),其碳排放主要來(lái)源于生產(chǎn)過程中投入的各項(xiàng)生產(chǎn)要素,包括化肥、農(nóng)藥、農(nóng)膜以及機(jī)耕、機(jī)播和機(jī)收等機(jī)械在使用過程中消耗燃料產(chǎn)生的排放。其中,化肥排放系數(shù)采用陳舜等[11]的研究,根據(jù)中國(guó)化肥生產(chǎn)情況對(duì)氮肥、磷肥和鉀肥的排放系數(shù)進(jìn)行修正,分別為2.116 t(CO2eq)·t—1(N)、 0.636 t(CO2eq)·t—1(P2O5)和 0.180 t(CO2eq)·t—1(K2O);農(nóng)藥、農(nóng)膜和農(nóng)機(jī)柴油消耗的碳排放系數(shù)參考田云等[9]的研究,分別取4.9341 t(CO2eq)·t—1、5.180 t(CO2eq)·t—1和0.5927 t(CO2eq)·t—1。此外,農(nóng)業(yè)灌溉也會(huì)消耗能源產(chǎn)生碳排放,但由于農(nóng)業(yè)機(jī)械的統(tǒng)計(jì)數(shù)據(jù)中包含了節(jié)水灌溉機(jī)械,因此對(duì)灌溉排放不單獨(dú)考慮。同樣地,農(nóng)業(yè)減排潛力的測(cè)算也是采用碳排放通用計(jì)算方法,即將DEA 方法計(jì)算得到的各項(xiàng)生產(chǎn)要素冗余投入量與其對(duì)應(yīng)碳排放系數(shù)相乘,作為農(nóng)業(yè)生產(chǎn)效率提高可帶來(lái)的減排潛力。

2.3 指標(biāo)選擇

已有研究通常選取農(nóng)業(yè)增加值作為產(chǎn)出變量[19,35]、碳排放作為非期望產(chǎn)出[35-38]。但是,選取農(nóng)業(yè)增加值等價(jià)值量作為產(chǎn)出,一方面容易受到作物價(jià)格年際變化的影響,另一方面將導(dǎo)致大面積種植經(jīng)濟(jì)作物的地區(qū)獲得較高的生產(chǎn)效率,從而將種植結(jié)構(gòu)由低價(jià)值作物向高價(jià)值作物的轉(zhuǎn)變識(shí)別為農(nóng)業(yè)生產(chǎn)效率的改進(jìn),因此無(wú)法真實(shí)反映農(nóng)業(yè)生產(chǎn)的本質(zhì)特征。選取碳排放作為非期望產(chǎn)出雖然可以將冗余非期望產(chǎn)出作為碳減排潛力,但卻無(wú)法識(shí)別減排潛力來(lái)源,無(wú)法對(duì)減排潛力進(jìn)行深入的歸因分析。

為此,本文對(duì)農(nóng)業(yè)投入產(chǎn)出變量進(jìn)行重新選擇,以反映農(nóng)業(yè)生產(chǎn)的本質(zhì)特征。鑒于不同作物生長(zhǎng)特性和種植管理方式上存在較大差異,其對(duì)不同農(nóng)用物資的需求差異也較大,為反映這一差異以及不同地區(qū)種植結(jié)構(gòu)對(duì)農(nóng)業(yè)投入需求的影響,本文選取小麥、玉米、油料作物、蔬菜和瓜果等主要農(nóng)作物的產(chǎn)量作為農(nóng)業(yè)產(chǎn)出變量。同時(shí),由于本文主要關(guān)注農(nóng)業(yè)碳排放問題,因此重點(diǎn)選取化肥、農(nóng)藥、農(nóng)膜和農(nóng)業(yè)機(jī)械等與碳排放相關(guān)的農(nóng)用物資投入,以及勞動(dòng)力和總播種面積等基礎(chǔ)要素投入作為農(nóng)業(yè)投入變量(圖1)。進(jìn)而為簡(jiǎn)化模型,同時(shí)對(duì)投入和產(chǎn)出變量除以總播種面積,得到單位面積的農(nóng)業(yè)投入和產(chǎn)出水平,從而消除播種面積影響。

圖1 農(nóng)業(yè)投入產(chǎn)出要素Fig.1 Agricultural inputs and outputs considered in the model

2.4 數(shù)據(jù)來(lái)源

截至2020年底,河南省共下轄22 個(gè)縣級(jí)市和83 個(gè)縣,共105 個(gè)縣級(jí)行政單元(不含市轄區(qū))。本研究以105 個(gè)縣級(jí)行政單元為DMU 決策單元。相關(guān)農(nóng)業(yè)投入和產(chǎn)出數(shù)據(jù)均來(lái)自《河南省統(tǒng)計(jì)年鑒》的“各縣(市、區(qū))主要統(tǒng)計(jì)指標(biāo)”。其中,農(nóng)用機(jī)械總動(dòng)力、化肥施用折純量、農(nóng)藥使用量、農(nóng)用塑料薄膜使用量等投入要素?cái)?shù)據(jù)來(lái)自“各縣(市)農(nóng)業(yè)生產(chǎn)條件”表,總播種面積來(lái)自“各縣(市)主要農(nóng)作物播種面積”表,農(nóng)業(yè)勞動(dòng)力數(shù)據(jù)來(lái)自“各縣(市、區(qū))人口及就業(yè)人員”表,農(nóng)作物產(chǎn)量數(shù)據(jù)來(lái)自“各縣(市)主要農(nóng)作物產(chǎn)量”表。由于各縣級(jí)單元未統(tǒng)計(jì)不同化肥種類的使用量和農(nóng)用柴油使用量數(shù)據(jù),為反映各地化肥施用結(jié)構(gòu)的不同和農(nóng)用機(jī)械使用率情況,本文利用各縣所屬地市的相關(guān)數(shù)據(jù)進(jìn)行代替。最終確定105 個(gè)縣市為DMU 決策單元,模型包含5 個(gè)投入變量和5 個(gè)產(chǎn)出變量,時(shí)間序列為2000—2020年。河南省各縣市投入變量與產(chǎn)出變量的數(shù)據(jù)分布特征如表1所示。

表1 2000—2020年河南省各縣市農(nóng)業(yè)投入產(chǎn)出變量與統(tǒng)計(jì)結(jié)果Table 1 Summary and statistical data of agricultural input-output variables in Henan Province from 2000 to 2020

基于以上研究方法和數(shù)據(jù)來(lái)源,本文利用MaxDEA7軟件對(duì)河南省農(nóng)業(yè)投入產(chǎn)出效率進(jìn)行計(jì)算,進(jìn)而基于農(nóng)業(yè)生產(chǎn)要素冗余投入計(jì)算各縣市的農(nóng)業(yè)減排潛力。為進(jìn)一步可視化反映農(nóng)業(yè)生產(chǎn)效率和減排潛力的時(shí)空演變特征,利用Excel 軟件繪制相關(guān)時(shí)間序列圖,利用ArcGIS 軟件繪制相關(guān)空間分布圖。

3 結(jié)果與分析

3.1 農(nóng)業(yè)碳排放量

農(nóng)用物資投入在促進(jìn)農(nóng)作物產(chǎn)量提高的同時(shí),也導(dǎo)致直接和間接碳排放量不斷增多。結(jié)果顯示,受2015年以來(lái)農(nóng)用物資減量投入影響,2000—2020年,河南省105 個(gè)縣級(jí)單元因農(nóng)用物資投入導(dǎo)致的碳排放呈先升后降的倒U 趨勢(shì)(圖2a):農(nóng)業(yè)碳排放在2000—2016年保持穩(wěn)定增長(zhǎng)態(tài)勢(shì),2016年開始逐漸降低,2016年的峰值排放量較2000年增長(zhǎng)62.8%;2020年碳排放量較峰值排放量下降11%左右。從各投入要素的排放貢獻(xiàn)率來(lái)看:化肥的排放貢獻(xiàn)占主導(dǎo)地位,約占碳排放總量的83%左右;而農(nóng)藥、農(nóng)業(yè)機(jī)械和農(nóng)膜等農(nóng)用物資使用所產(chǎn)生的碳排放貢獻(xiàn)較小,約為5%～6%。

在空間分布上(圖2b),農(nóng)業(yè)碳排放較高的縣市主要分布在豫東和豫南等地形條件較好的平原地區(qū),且與各縣市的播種面積存在很大關(guān)系,總播種面積越大的地區(qū)農(nóng)用物資投入越多,由此導(dǎo)致的碳排放量也就越大。計(jì)算發(fā)現(xiàn),單位面積排放強(qiáng)度較高的縣市主要集中于北部平原地區(qū),其中焦作市下轄博愛縣、孟州市和武陟縣,新鄉(xiāng)市下轄延津縣、衛(wèi)輝市、新鄉(xiāng)縣和輝縣市,濮陽(yáng)市下轄南樂縣等地農(nóng)業(yè)排放強(qiáng)度高達(dá)1.5 t(C)·hm—2以上,最高達(dá)2.1 t(C)·hm—2,此外豫西南的西峽縣和豫中的禹州市排放強(qiáng)度也在1.5 t(C)·hm—2以上。單位面積排放強(qiáng)度較低的縣市主要集中在豫西山區(qū)和豫東南地區(qū),排放強(qiáng)度不足0.6 t(C)·hm—2。由此說(shuō)明,要素投入強(qiáng)度與地形條件關(guān)系密切,平原地區(qū)農(nóng)業(yè)生產(chǎn)條件較好,傾向于通過提高投入強(qiáng)度以增產(chǎn)增收;而山地丘陵地區(qū)的要素投入強(qiáng)度較低,因此其碳排放強(qiáng)度也低。同時(shí),農(nóng)業(yè)排放強(qiáng)度還與農(nóng)業(yè)生產(chǎn)方式和規(guī)?；潭鹊任⒂^因素有關(guān)。

圖2 河南省不同農(nóng)業(yè)投入的碳排放量時(shí)間序列趨勢(shì)(a)和累積碳排放量的空間分布特征(b)Fig.2 Time series trend of carbon emissions from different agricultural inputs(a)and spatial distribution of total carbon emission from agriculture in Henan Province

3.2 農(nóng)業(yè)生產(chǎn)效率

基于VRS-DEA 兩階段基礎(chǔ)模型,本文利用Max-DEA 軟件計(jì)算了各縣市2000—2020年各期農(nóng)業(yè)生產(chǎn)效率及其Malmquist 效率指數(shù)(圖3)。其中,各縣市農(nóng)業(yè)生產(chǎn)效率是以當(dāng)期的技術(shù)前沿為參照,因此反映了各縣市相對(duì)于各期效率前沿的農(nóng)業(yè)投入產(chǎn)出相對(duì)效率值;與此不同,Malmquist 效率指數(shù)是以全局技術(shù)前沿,即所有年份的效率前沿為參照,由于該技術(shù)前沿不隨時(shí)間變動(dòng),因此具有動(dòng)態(tài)可比性,可以反映各縣市效率的動(dòng)態(tài)變化情況。

從各縣市2000—2020年農(nóng)業(yè)生產(chǎn)效率均值(圖3a)來(lái)看,河南省處于高效率區(qū)間(＞0.98)的縣市共45 個(gè),其中22 個(gè)縣市始終處于農(nóng)業(yè)生產(chǎn)效率前沿,其多年平均效率值為1,高效率地區(qū)主要集中分布在豫南和豫北,在其他地區(qū)分布較分散;低效率縣市(＜0.8)主要集中在城市化程度較高的地區(qū),如鄭州市及其周邊的洛陽(yáng)市、平頂山市、許昌市、漯河市等。這些地區(qū)緊鄰市轄區(qū),處在城市化向外延伸輻射的范圍,農(nóng)業(yè)的重要性持續(xù)降低,在城鎮(zhèn)化過程中更多關(guān)注非農(nóng)產(chǎn)業(yè)而導(dǎo)致農(nóng)業(yè)生產(chǎn)效率低下。相反,傳統(tǒng)農(nóng)業(yè)大縣和城鎮(zhèn)化水平較低的縣市,農(nóng)業(yè)生產(chǎn)效率普遍較高。計(jì)算結(jié)果顯示,各縣市農(nóng)業(yè)生產(chǎn)效率與農(nóng)業(yè)在GDP 中的比重存在正相關(guān)關(guān)系,相關(guān)系數(shù)為0.44。

從各縣市農(nóng)業(yè)生產(chǎn)效率的動(dòng)態(tài)變化情況來(lái)看(圖3b),2000—2020年間,農(nóng)業(yè)產(chǎn)出效率出現(xiàn)下降(＜1)的縣市為44 個(gè),其中下降幅度較大(變化＜0.8)的縣市共13 個(gè),且主要分布在河南省中西部地區(qū),這些縣市從區(qū)位來(lái)看毗鄰城市化率較高的地區(qū),從地形上看主要位于山地丘陵地區(qū),因此其農(nóng)業(yè)生產(chǎn)效率的降低既受農(nóng)業(yè)生產(chǎn)條件等自然因素影響,又有城市化過程中農(nóng)業(yè)生產(chǎn)重要性下降等社會(huì)因素影響,因此需從改善農(nóng)業(yè)基礎(chǔ)設(shè)施和發(fā)展郊區(qū)農(nóng)業(yè)的視角著力提升其生產(chǎn)效率。除此以外,大多數(shù)縣市的農(nóng)業(yè)生產(chǎn)效率在過去20 多年間得到不同程度提高,其中6 個(gè)縣市的效率改進(jìn)最為顯著,效率提升超過50%;9 個(gè)縣市的農(nóng)業(yè)生產(chǎn)效率得到較大改善,效率提升超過20%,其主要零星分布在豫中部地區(qū),尚未出現(xiàn)明顯的空間集聚效應(yīng),未來(lái)應(yīng)加快向周邊地區(qū)推廣這些地區(qū)的農(nóng)業(yè)生產(chǎn)方式。

圖3 2000—2020年河南省各縣市農(nóng)業(yè)生產(chǎn)效率均值(a)及農(nóng)業(yè)生產(chǎn)效率變化值(b)Fig.3 Mean value(a)and dynamic change(b)of agricultural efficiency for counties/cities in Henan Province from 2000 to 2020

若從各縣市農(nóng)業(yè)生產(chǎn)相對(duì)效率水平和動(dòng)態(tài)效率變化兩個(gè)維度進(jìn)行綜合分析,以多年平均效率值0.9為判定高效與低效的分界點(diǎn),以2000—2020 累積效率變化值1 作為判定效率提升或衰退的分界線,可將各縣市分為4 類:高效提升型、高效衰退型、低效衰退型和低效提升型。結(jié)果(圖4a)顯示,農(nóng)業(yè)生產(chǎn)效率呈現(xiàn)衰退趨勢(shì)的縣市主要分布在豫中西部地區(qū),其中,低效衰退型縣市主要集中在鄭州-洛陽(yáng)-平頂山等3 大城市交界區(qū)域,以及南陽(yáng)市周邊和焦作-洛陽(yáng)西部交界地區(qū),由于城市化進(jìn)程不斷加快,其農(nóng)業(yè)生產(chǎn)效率較低,且仍處于持續(xù)降低的過程之中,此類型縣市的農(nóng)業(yè)增加值比重平均為8.4%,遠(yuǎn)低于各縣市平均水平15.6%。高效衰退型縣市主要集中在洛陽(yáng)—三門峽、許昌—平頂山、鄭州—開封的交界地區(qū),在其他地市也有零星分布,這些地區(qū)的農(nóng)業(yè)生產(chǎn)效率水平較高,但從長(zhǎng)期來(lái)看卻處于持續(xù)衰退過程中,此類型縣市的農(nóng)業(yè)增加值比重仍較高,因此需要重點(diǎn)關(guān)注其效率長(zhǎng)期走勢(shì)。其余大部分縣市的農(nóng)業(yè)生產(chǎn)效率在過去20年間均得到不同程度提升,占比接近60%,主要分布在豫東部和豫西南地區(qū)。

圖4 2000—2020年河南省各縣市農(nóng)業(yè)生產(chǎn)效率類型分布(a)與Malmquist 指數(shù)動(dòng)態(tài)變化(b)情況Fig.4 Distribution of agricultural efficiency categories(a)and dynamic change of Malmquist index(b)in Henan Province from 2000 to 2020

從各縣市Malmquist 指數(shù)(MI)的年際變化(圖4b)來(lái)看,該指數(shù)年際波動(dòng)較大,且具有一定的連續(xù)性,如2001—2003年和2007—2011年期間多數(shù)縣市的MI指數(shù)＜1,表明這些年份農(nóng)業(yè)生產(chǎn)效率以下降為主,MI指數(shù)平均值也位于均衡線1 以下(2010年除外);2004—2006年以及2015年以來(lái),多數(shù)縣市的MI指數(shù)＞1,呈現(xiàn)效率提升的趨勢(shì)特征,全省MI指數(shù)平均值在2012年以來(lái)一直位于均衡線1 以上。理論上,MI指數(shù)可進(jìn)一步分解為參考當(dāng)期前沿面的相對(duì)效率值變化(EC 指數(shù))和當(dāng)期前沿面相對(duì)全局基準(zhǔn)前沿面的技術(shù)變化(TC 指數(shù)),后者即反映技術(shù)水平的變化。指數(shù)分解結(jié)果顯示,河南省各縣市MI指數(shù)變化情況與TC 指數(shù)變化情況較為一致,說(shuō)明2000—2020年間農(nóng)業(yè)生產(chǎn)效率的動(dòng)態(tài)變化主要來(lái)自技術(shù)水平的變化,而各縣市相對(duì)效率值的年際差異變化不大。

3.3 農(nóng)業(yè)減排潛力

相對(duì)于處在效率前沿的縣市而言,大部分縣市在農(nóng)業(yè)投入上或多或少存在冗余,意味著在不降低農(nóng)業(yè)產(chǎn)出的前提下,各縣市可以通過減少冗余投入來(lái)降低農(nóng)業(yè)碳排放。由于存在技術(shù)可及性問題,即在技術(shù)不斷演進(jìn)的情況下,早期的農(nóng)業(yè)生產(chǎn)活動(dòng)無(wú)法使用后期最新的技術(shù),因此農(nóng)業(yè)減排潛力的計(jì)算,是以各期效率前沿面為參照,通過冗余投入的測(cè)算而得到。

結(jié)果表明,由于農(nóng)業(yè)過量投入帶來(lái)的碳排放量在2000—2020年間呈現(xiàn)波動(dòng)增長(zhǎng)的趨勢(shì),2003年和2016年出現(xiàn)波峰,2013—2014年出現(xiàn)波谷,且自2018年以來(lái)出現(xiàn)明顯回落(圖5a)。對(duì)比發(fā)現(xiàn),河南省各期減排潛力與農(nóng)業(yè)生產(chǎn)效率平均得分存在負(fù)相關(guān)關(guān)系,相關(guān)系數(shù)達(dá)到—0.88,即農(nóng)業(yè)生產(chǎn)效率較低的年份意味著農(nóng)業(yè)冗余投入較多、減排潛力較大。總體而言,河南省2000—2020年間平均減排潛力約為農(nóng)業(yè)碳排放的11%左右,綜合減排潛力十分可觀。

從減排潛力的空間分布情況來(lái)看(圖5b),潛在減排率較高的縣市與農(nóng)業(yè)投入產(chǎn)出效率較低的縣市(圖3a)基本一致,主要集中分布于發(fā)達(dá)城市群周邊地區(qū)。由此可知,城市化發(fā)展并沒有利用其技術(shù)和資金優(yōu)勢(shì)反哺農(nóng)業(yè),反而由于過分強(qiáng)調(diào)非農(nóng)產(chǎn)業(yè)發(fā)展而忽視了農(nóng)業(yè)的精準(zhǔn)投入。數(shù)據(jù)顯示,潛在減排率超過25%的縣市共19 個(gè),減排率介于10%～25%的縣市為25 個(gè),其余縣市的潛在減排率在10%以內(nèi)。而從潛在減排量來(lái)看,汝州市、新野縣、輝縣位列前三,2000—2020年累積潛在減排量均超過100 萬(wàn) t C,處于全省農(nóng)業(yè)減排潛力第一梯隊(duì)。這些地區(qū)除具有較低的投入產(chǎn)出效率(均為高潛在減排率)以外,還具有較高的本底排放量,兩重因素疊加導(dǎo)致其減排潛力較大。此外,淮濱縣、衛(wèi)輝市、濮陽(yáng)縣、虞城縣、禹州市、靈寶市、鄲城縣、太康縣、蘭考縣和寶豐縣等10 個(gè)縣市的累積潛在減排量均超過50萬(wàn)t C,處于全省農(nóng)業(yè)減排潛力第二梯隊(duì),且潛在減排率均高于10%,以上縣市均為河南省農(nóng)業(yè)重點(diǎn)減排區(qū)域。

圖5 河南省2000—2020年農(nóng)業(yè)碳減排潛力動(dòng)態(tài)變化(a)與空間分布(b)Fig.5 Trend(a)and spatial distribution(b)of carbon emission reduction potential for counties/cities in Henan Province from 2000 to 2020

通過進(jìn)一步追蹤農(nóng)業(yè)要素投入的冗余情況,可為各地提升農(nóng)業(yè)生產(chǎn)效率、促進(jìn)農(nóng)業(yè)精準(zhǔn)投入提供有力依據(jù)(表2)。從要素冗余比例來(lái)看,河南省農(nóng)業(yè)投入中農(nóng)膜過量投入最為嚴(yán)重,其冗余比例平均高達(dá)13%左右,有28 個(gè)縣市的農(nóng)膜冗余比例占據(jù)所有要素冗余之首;農(nóng)藥過量投入比例次之,全省綜合冗余比例為12%,對(duì)應(yīng)13 個(gè)縣市的農(nóng)藥冗余比例最高;化肥的全省綜合冗余比例為11%,雖然在冗余比例方面位列農(nóng)膜和農(nóng)藥之后,但由于化肥投入基數(shù)大,化肥帶來(lái)的潛在減排量最高(圖4b 和表2),因此減少化肥過量投入應(yīng)是農(nóng)業(yè)減排的重中之重;農(nóng)業(yè)機(jī)械化的全省綜合冗余比例為9%,在10 個(gè)縣市的冗余比例最高,適度減少機(jī)械投入也可實(shí)現(xiàn)一定程度減排。此外,農(nóng)業(yè)勞動(dòng)力雖然也存在約9%的冗余比例,但從農(nóng)業(yè)減排的角度不是本文關(guān)注重點(diǎn)。

表2 河南省農(nóng)業(yè)生產(chǎn)要素冗余投入情況Table 2 Redundant inputs of agricultural production factors in Henan Province

4 結(jié)論與討論

4.1 結(jié)論

本文基于VRS-DEA 兩階段模型和DEA-Malmquist 方法,對(duì)河南省105 個(gè)縣級(jí)行政單元2000—2020年間的農(nóng)業(yè)投入產(chǎn)出效率進(jìn)行測(cè)算,得到各地區(qū)農(nóng)業(yè)生產(chǎn)效率空間分布特征及動(dòng)態(tài)變化趨勢(shì)。研究結(jié)果表明,河南省農(nóng)業(yè)生產(chǎn)效率較高地區(qū)主要分布于中線以東的豫南和豫北地區(qū),效率較低地區(qū)主要集中在城市區(qū)域周邊,尤其是在鄭州市及其周邊的洛陽(yáng)市、平頂山市、許昌市、漯河市等地,表明城市化帶來(lái)非農(nóng)產(chǎn)業(yè)對(duì)傳統(tǒng)農(nóng)業(yè)的沖擊,農(nóng)業(yè)的經(jīng)濟(jì)重要性下降導(dǎo)致農(nóng)業(yè)生產(chǎn)效率偏低。同時(shí),從農(nóng)業(yè)生產(chǎn)效率的長(zhǎng)期演化趨勢(shì)來(lái)看,絕大多數(shù)縣市的農(nóng)業(yè)生產(chǎn)效率明顯提升,且主要分布在豫東部和豫西南地區(qū);效率出現(xiàn)下降的縣市受自然和社會(huì)雙重因素影響,在區(qū)位上毗鄰城市化率較高地區(qū),從地形看集聚在山地丘陵地帶。

從農(nóng)業(yè)投入要素的冗余情況來(lái)看,河南省冗余投入比例由高到低依次為農(nóng)膜、農(nóng)藥、化肥、農(nóng)機(jī)和農(nóng)業(yè)勞動(dòng)力,但由于化肥投入基數(shù)大,其帶來(lái)的潛在減排量高達(dá)83.5%,因此減少化肥過量投入應(yīng)是農(nóng)業(yè)減排的重中之重。從農(nóng)業(yè)減排潛力來(lái)看,河南省平均減排潛力約為農(nóng)業(yè)碳排放的11%左右,綜合減排潛力十分可觀。對(duì)比發(fā)現(xiàn),城市群周邊等19 個(gè)縣市潛在減排率超過25%,另有25 個(gè)縣市減排率超過10%;潛在減排量處于第一梯隊(duì)的縣市為汝州市、新野縣、輝縣市,處于第二梯隊(duì)的縣市為淮濱縣、衛(wèi)輝市、濮陽(yáng)縣、虞城縣、禹州市、靈寶市、鄲城縣、太康縣、蘭考縣、寶豐縣等10 個(gè)縣市,是河南省農(nóng)業(yè)重點(diǎn)減排區(qū)域。

4.2 討論

由于生產(chǎn)效率是與效率前沿地區(qū)比較而言的相對(duì)性概念,因此不同研究選取的研究對(duì)象不同導(dǎo)致其可比性較差,但從農(nóng)業(yè)生產(chǎn)效率的總體趨勢(shì)來(lái)看,已有大量研究[19,35,39]均發(fā)現(xiàn),我國(guó)大部分地區(qū)呈現(xiàn)農(nóng)業(yè)生產(chǎn)效率提升的趨勢(shì),且其動(dòng)態(tài)變化主要來(lái)自技術(shù)水平的變化,這與本文的研究結(jié)論一致。但相比于已有研究,本文以河南省縣級(jí)地區(qū)為研究對(duì)象,研究對(duì)象之間在種植結(jié)構(gòu)、生產(chǎn)條件等方面比較接近,且農(nóng)業(yè)產(chǎn)出變量選取不同作物產(chǎn)量而非產(chǎn)值或增加值等價(jià)值量,因此得到的農(nóng)業(yè)生產(chǎn)效率更加符合農(nóng)業(yè)生產(chǎn)實(shí)踐。此外,本文對(duì)減排潛力的研究是基于農(nóng)業(yè)冗余投入的測(cè)算,而非將碳排放作為非期望產(chǎn)出,因此可以深入分析減排來(lái)源,對(duì)農(nóng)業(yè)生產(chǎn)更具指導(dǎo)性。

綜上所述,基于本研究對(duì)農(nóng)業(yè)生產(chǎn)效率前沿縣市、減排潛力較大的重點(diǎn)減排地區(qū)以及具有較大減排貢獻(xiàn)的農(nóng)業(yè)投入要素的識(shí)別,可為各地實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)的精準(zhǔn)減排提供有力支撐。本文的政策含義如下:一是在工作機(jī)制上,本文識(shí)別出的22 個(gè)處于效率前沿的縣市,可以作為案例開展深入研究,總結(jié)其在農(nóng)業(yè)生產(chǎn),尤其是綠色投入和管理技術(shù)方面的先進(jìn)經(jīng)驗(yàn),并向其他地區(qū)推廣應(yīng)用;二是在農(nóng)業(yè)投入上,本文計(jì)算得出各縣市冗余投入量,為各地提高農(nóng)業(yè)投入精細(xì)化水平提供了參考,同時(shí)一些先進(jìn)技術(shù)如數(shù)字智慧農(nóng)業(yè)、測(cè)土配方施肥、病蟲害綜合防治、農(nóng)業(yè)投入品替代等技術(shù)也有助于全方位多途徑減少農(nóng)業(yè)排放;三是在農(nóng)業(yè)產(chǎn)出上,雖然本研究主要關(guān)注投入導(dǎo)向的農(nóng)業(yè)生產(chǎn)效率,但是通過優(yōu)化種植結(jié)構(gòu)、加強(qiáng)高產(chǎn)出抗性強(qiáng)的品種選育等途徑,在農(nóng)業(yè)投入既定前提下努力提高農(nóng)業(yè)產(chǎn)出,也是提高農(nóng)業(yè)生產(chǎn)效率,減少農(nóng)業(yè)碳排放的重要方向。