縣級尺度下河南省農(nóng)業(yè)投入產(chǎn)出效率與減排潛力分析*

朱永彬,馬曉哲,史雅娟

(1.中國科學(xué)院科技戰(zhàn)略咨詢研究院 北京 100190;2.中國科學(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)教育部重點實驗室(河南大學(xué)) 開封 475004;4.北京城市學(xué)院 北京 100083;5.中國科學(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重的部門之一,也是溫室氣體排放的重要來源。據(jù)IPCC 評估報告測算,全球每年農(nóng)業(yè)溫室氣體排放總量為10～12 Gt CO2eq(CO2當量),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%均來自農(nóng)業(yè)生產(chǎn)[1-2]。中國作為世界農(nóng)業(yè)大國,長期以來呈現(xiàn)高投入的粗放型特征,尤其是近年來農(nóng)業(yè)生產(chǎn)對化肥等農(nóng)用物資的過度依賴問題日益嚴峻,不僅造成土壤、水體等面源污染日益嚴重[3-4],也導(dǎo)致我國溫室氣體排放大幅增長[5-12]。

隨著我國農(nóng)用物資投入強度的提高,越來越多學(xué)者對化肥、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。已有研究重點關(guān)注農(nóng)業(yè)溫室氣體排放的測算及其歸因分析,發(fā)現(xiàn)中國農(nóng)業(yè)溫室氣體排放近年來呈現(xiàn)大幅增長的趨勢[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)、機械化程度、化肥施用強度等對農(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)溫室氣體排放的時空演變特征和趨勢分析,例如:謝良玉等[14]測算分析了安徽省農(nóng)業(yè)源溫室氣體排放及其趨勢特征;黃銳等[15]探索了山東省農(nóng)業(yè)排放強度的時空特征與動態(tài)演進趨勢;桂河等[16]基于對寧夏農(nóng)業(yè)碳排放的測算分析了其時序演變趨勢、驅(qū)動機理以及與農(nóng)業(yè)經(jīng)濟增長的脫鉤特性。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)投入強度提高帶來資源環(huán)境約束不斷趨緊的事實,大量文獻從農(nóng)業(yè)投入產(chǎn)出視角,對資源環(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2001—2015年中國31 個省份的農(nóng)業(yè)綠色全要素生產(chǎn)率進行測度,相關(guān)研究結(jié)果表明,中國農(nóng)業(yè)綠色生產(chǎn)率低效問題仍較為嚴重,碳排放非期望產(chǎn)出和機械動力投入過高是導(dǎo)致綠色生產(chǎn)率較低的主要原因。中國各省農(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)率的增長明顯被高估;將氣候因素納入測算范圍后,發(fā)現(xiàn)氣候因素特別是干旱事件對中國農(nóng)業(yè)全要素生產(chǎn)率的增長將造成負面沖擊[22]。

綜上所述,農(nóng)業(yè)高投入強度引致的碳排放問題已受到學(xué)界高度關(guān)注,但對農(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各省區(qū)的農(nóng)業(yè)減排潛力進行了指數(shù)評估,但未能給出具體的潛在減排量。近年來,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化發(fā)展模式轉(zhuǎn)變,屆時有望徹底解決農(nóng)業(yè)高投入強度帶來的高排放問題。對提高農(nóng)業(yè)生產(chǎn)效率帶來的碳減排潛力進行研究,有利于制定科學(xué)的農(nóng)業(yè)減排目標;同時,對減排潛力來源進行深入分析,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)減排潛力對實現(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,基于對各縣級尺度單元的農(nóng)業(yè)投入產(chǎn)出效率進行評價,重點從農(nóng)用物資過量投入引致的碳排放視角,對農(nóng)業(yè)投入產(chǎn)出效率及其減排潛力進行深入研究。

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),地勢西高東低,是我國重要的農(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)來源

本文研究思路是基于對農(nóng)業(yè)生產(chǎn)效率的測算,得到各項農(nóng)用物資的冗余投入量,進而根據(jù)農(nóng)用物資冗余投入量與其對應(yīng)的碳排放因子計算得到農(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,近年來在我國農(nóng)業(yè)生產(chǎn)效率[26-30]以及碳排放效率[31-33]評價中得到廣泛應(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分別表示各項投入與產(chǎn)出,下標i和r分別為第i項投入和第r項產(chǎn)出,模型共計包含m項投入和q項產(chǎn)出;j代表所有n個決策單元(DMU)中的第j個;k為當前被評價的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DMU 數(shù)量較少時,會使構(gòu)建的前沿面不夠精細,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:

無效DMU 的潛在改進值包括兩部分,一是比例改進值,二是松弛改進值。為使各縣市不同時期的效率具有可比性,本研究選取所有時期所有縣市作為DMU 參考集進行動態(tài)評價,其模型表達式為:

式中:M為Malmquist 指數(shù),上標g代表全局參考集,E表示效率值,x t和y t分別為t時期的投入變量和產(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)碳排放測算

本文主要關(guān)注農(nóng)業(yè)種植業(yè),其碳排放主要來源于生產(chǎn)過程中投入的各項生產(chǎn)要素,包括化肥、農(nóng)藥、農(nóng)膜以及機耕、機播和機收等機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)中國化肥生產(chǎn)情況對氮肥、磷肥和鉀肥的排放系數(shù)進行修正,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)灌溉也會消耗能源產(chǎn)生碳排放,但由于農(nóng)業(yè)機械的統(tǒng)計數(shù)據(jù)中包含了節(jié)水灌溉機械,因此對灌溉排放不單獨考慮。同樣地,農(nóng)業(yè)減排潛力的測算也是采用碳排放通用計算方法,即將DEA 方法計算得到的各項生產(chǎn)要素冗余投入量與其對應(yīng)碳排放系數(shù)相乘,作為農(nóng)業(yè)生產(chǎn)效率提高可帶來的減排潛力。

2.3 指標選擇

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)增加值等價值量作為產(chǎn)出,一方面容易受到作物價格年際變化的影響,另一方面將導(dǎo)致大面積種植經(jīng)濟作物的地區(qū)獲得較高的生產(chǎn)效率,從而將種植結(jié)構(gòu)由低價值作物向高價值作物的轉(zhuǎn)變識別為農(nóng)業(yè)生產(chǎn)效率的改進,因此無法真實反映農(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,但卻無法識別減排潛力來源,無法對減排潛力進行深入的歸因分析。

為此,本文對農(nóng)業(yè)投入產(chǎn)出變量進行重新選擇,以反映農(nóng)業(yè)生產(chǎn)的本質(zhì)特征。鑒于不同作物生長特性和種植管理方式上存在較大差異,其對不同農(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,由于本文主要關(guān)注農(nóng)業(yè)碳排放問題,因此重點選取化肥、農(nóng)藥、農(nóng)膜和農(nóng)業(yè)機械等與碳排放相關(guān)的農(nóng)用物資投入,以及勞動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)。進而為簡化模型,同時對投入和產(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)來源

截至2020年底,河南省共下轄22 個縣級市和83 個縣,共105 個縣級行政單元(不含市轄區(qū))。本研究以105 個縣級行政單元為DMU 決策單元。相關(guān)農(nóng)業(yè)投入和產(chǎn)出數(shù)據(jù)均來自《河南省統(tǒng)計年鑒》的“各縣(市、區(qū))主要統(tǒng)計指標”。其中,農(nóng)用機械總動力、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數(shù)據(jù)來自“各縣(市)農(nóng)業(yè)生產(chǎn)條件”表,總播種面積來自“各縣(市)主要農(nóng)作物播種面積”表,農(nóng)業(yè)勞動力數(shù)據(jù)來自“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)來自“各縣(市)主要農(nóng)作物產(chǎn)量”表。由于各縣級單元未統(tǒng)計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)進行代替。最終確定105 個縣市為DMU 決策單元,模型包含5 個投入變量和5 個產(chǎn)出變量,時間序列為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)來源,本文利用MaxDEA7軟件對河南省農(nóng)業(yè)投入產(chǎn)出效率進行計算,進而基于農(nóng)業(yè)生產(chǎn)要素冗余投入計算各縣市的農(nóng)業(yè)減排潛力。為進一步可視化反映農(nóng)業(yè)生產(chǎn)效率和減排潛力的時空演變特征,利用Excel 軟件繪制相關(guān)時間序列圖,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)用物資投入在促進農(nóng)作物產(chǎn)量提高的同時,也導(dǎo)致直接和間接碳排放量不斷增多。結(jié)果顯示,受2015年以來農(nóng)用物資減量投入影響,2000—2020年,河南省105 個縣級單元因農(nóng)用物資投入導(dǎo)致的碳排放呈先升后降的倒U 趨勢(圖2a):農(nóng)業(yè)碳排放在2000—2016年保持穩(wěn)定增長態(tài)勢,2016年開始逐漸降低,2016年的峰值排放量較2000年增長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率來看:化肥的排放貢獻占主導(dǎo)地位,約占碳排放總量的83%左右;而農(nóng)藥、農(nóng)業(yè)機械和農(nóng)膜等農(nóng)用物資使用所產(chǎn)生的碳排放貢獻較小,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。計算發(fā)現(xiàn),單位面積排放強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,濮陽市下轄南樂縣等地農(nóng)業(yè)排放強度高達1.5 t(C)·hm—2以上,最高達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度也在1.5 t(C)·hm—2以上。單位面積排放強度較低的縣市主要集中在豫西山區(qū)和豫東南地區(qū),排放強度不足0.6 t(C)·hm—2。由此說明,要素投入強度與地形條件關(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度以增產(chǎn)增收;而山地丘陵地區(qū)的要素投入強度較低,因此其碳排放強度也低。同時,農(nóng)業(yè)排放強度還與農(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)投入的碳排放量時間序列趨勢(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)效率是以當期的技術(shù)前沿為參照,因此反映了各縣市相對于各期效率前沿的農(nóng)業(yè)投入產(chǎn)出相對效率值;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)前沿不隨時間變動,因此具有動態(tài)可比性,可以反映各縣市效率的動態(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)來看,河南省處于高效率區(qū)間(＞0.98)的縣市共45 個,其中22 個縣市始終處于農(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)效率的動態(tài)變化情況來看(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,其中下降幅度較大(變化＜0.8)的縣市共13 個,且主要分布在河南省中西部地區(qū),這些縣市從區(qū)位來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 個縣市的效率改進最為顯著,效率提升超過50%;9 個縣市的農(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)相對效率水平和動態(tài)效率變化兩個維度進行綜合分析,以多年平均效率值0.9為判定高效與低效的分界點,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-平頂山等3 大城市交界區(qū)域,以及南陽市周邊和焦作-洛陽西部交界地區(qū),由于城市化進程不斷加快,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—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,但從長期來看卻處于持續(xù)衰退過程中,此類型縣市的農(nóng)業(yè)增加值比重仍較高,因此需要重點關(guān)注其效率長期走勢。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)來看,該指數(shù)年際波動較大,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,多數(shù)縣市的MI指數(shù)＞1,呈現(xiàn)效率提升的趨勢特征,全省MI指數(shù)平均值在2012年以來一直位于均衡線1 以上。理論上,MI指數(shù)可進一步分解為參考當期前沿面的相對效率值變化(EC 指數(shù))和當期前沿面相對全局基準前沿面的技術(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,說明2000—2020年間農(nóng)業(yè)生產(chǎn)效率的動態(tài)變化主要來自技術(shù)水平的變化,而各縣市相對效率值的年際差異變化不大。

3.3 農(nóng)業(yè)減排潛力

相對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)不斷演進的情況下,早期的農(nóng)業(yè)生產(chǎn)活動無法使用后期最新的技術(shù),因此農(nóng)業(yè)減排潛力的計算,是以各期效率前沿面為參照,通過冗余投入的測算而得到。

結(jié)果表明,由于農(nóng)業(yè)過量投入帶來的碳排放量在2000—2020年間呈現(xiàn)波動增長的趨勢,2003年和2016年出現(xiàn)波峰,2013—2014年出現(xiàn)波谷,且自2018年以來出現(xiàn)明顯回落(圖5a)。對比發(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相關(guān)關(guān)系,相關(guān)系數(shù)達到—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?？傮w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)勢反哺農(nóng)業(yè),反而由于過分強調(diào)非農(nóng)產(chǎn)業(yè)發(fā)展而忽視了農(nóng)業(yè)的精準投入。數(shù)據(jù)顯示,潛在減排率超過25%的縣市共19 個,減排率介于10%～25%的縣市為25 個,其余縣市的潛在減排率在10%以內(nèi)。而從潛在減排量來看,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 t C,處于全省農(nóng)業(yè)減排潛力第一梯隊。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 個縣市的累積潛在減排量均超過50萬t C,處于全省農(nóng)業(yè)減排潛力第二梯隊,且潛在減排率均高于10%,以上縣市均為河南省農(nóng)業(yè)重點減排區(qū)域。

圖5 河南省2000—2020年農(nóng)業(yè)碳減排潛力動態(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、促進農(nóng)業(yè)精準投入提供有力依據(jù)(表2)。從要素冗余比例來看,河南省農(nóng)業(yè)投入中農(nóng)膜過量投入最為嚴重,其冗余比例平均高達13%左右,有28 個縣市的農(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%,對應(yīng)13 個縣市的農(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)機械化的全省綜合冗余比例為9%,在10 個縣市的冗余比例最高,適度減少機械投入也可實現(xiàn)一定程度減排。此外,農(nóng)業(yè)勞動力雖然也存在約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。

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,對河南省105 個縣級行政單元2000—2020年間的農(nóng)業(yè)投入產(chǎn)出效率進行測算,得到各地區(qū)農(nóng)業(yè)生產(chǎn)效率空間分布特征及動態(tài)變化趨勢。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市、平頂山市、許昌市、漯河市等地,表明城市化帶來非農(nóng)產(chǎn)業(yè)對傳統(tǒng)農(nóng)業(yè)的沖擊,農(nóng)業(yè)的經(jīng)濟重要性下降導(dǎo)致農(nóng)業(yè)生產(chǎn)效率偏低。同時,從農(nóng)業(yè)生產(chǎn)效率的長期演化趨勢來看,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)機和農(nóng)業(yè)勞動力,但由于化肥投入基數(shù)大,其帶來的潛在減排量高達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。對比發(fā)現(xiàn),城市群周邊等19 個縣市潛在減排率超過25%,另有25 個縣市減排率超過10%;潛在減排量處于第一梯隊的縣市為汝州市、新野縣、輝縣市,處于第二梯隊的縣市為淮濱縣、衛(wèi)輝市、濮陽縣、虞城縣、禹州市、靈寶市、鄲城縣、太康縣、蘭考縣、寶豐縣等10 個縣市,是河南省農(nóng)業(yè)重點減排區(qū)域。

4.2 討論

由于生產(chǎn)效率是與效率前沿地區(qū)比較而言的相對性概念,因此不同研究選取的研究對象不同導(dǎo)致其可比性較差,但從農(nóng)業(yè)生產(chǎn)效率的總體趨勢來看,已有大量研究[19,35,39]均發(fā)現(xiàn),我國大部分地區(qū)呈現(xiàn)農(nóng)業(yè)生產(chǎn)效率提升的趨勢,且其動態(tài)變化主要來自技術(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,本文以河南省縣級地區(qū)為研究對象,研究對象之間在種植結(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)實踐。此外,本文對減排潛力的研究是基于農(nóng)業(yè)冗余投入的測算,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源,對農(nóng)業(yè)生產(chǎn)更具指導(dǎo)性。

綜上所述,基于本研究對農(nóng)業(yè)生產(chǎn)效率前沿縣市、減排潛力較大的重點減排地區(qū)以及具有較大減排貢獻的農(nóng)業(yè)投入要素的識別,可為各地實現(xiàn)農(nóng)業(yè)生產(chǎn)的精準減排提供有力支撐。本文的政策含義如下:一是在工作機制上,本文識別出的22 個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)方面的先進經(jīng)驗,并向其他地區(qū)推廣應(yīng)用;二是在農(nóng)業(yè)投入上,本文計算得出各縣市冗余投入量,為各地提高農(nóng)業(yè)投入精細化水平提供了參考,同時一些先進技術(shù)如數(shù)字智慧農(nóng)業(yè)、測土配方施肥、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)、加強高產(chǎn)出抗性強的品種選育等途徑,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。