江河源区高寒草地畜牧业生态效率及影响因素

朱付彪,方一平*,宜树华,虞 虎(1.中国科学院水利部成都山地灾害与环境研究所,四川 成都 61001；2.中国科学院大学,北京 10009；.中国科学院寒区旱区环境与工程研究所,甘肃 兰州 70000；.中国科学院地理科学与资源研究所,北京 100101)

江河源区高寒草地畜牧业生态效率及影响因素

朱付彪1,2,方一平1,2*,宜树华3,虞 虎4(1.中国科学院水利部成都山地灾害与环境研究所,四川 成都 610041；2.中国科学院大学,北京 100049；3.中国科学院寒区旱区环境与工程研究所,甘肃 兰州 730000；4.中国科学院地理科学与资源研究所,北京 100101)

以江河源区为案例地,结合超效率DEA和Malmquist DEA模型考察高寒草地畜牧业生态效率时空变化,并分析其影响因素.结果表明:生态效率空间差异明显.2013年玉树、称多和囊谦超效率值较高,达日、玛多和唐古拉山镇超效率值较低,其他各县生态效率水平介于两者之间.生态效率动态变化可以划分3个阶段,1994～2002年为平稳上升阶段,2003～2006年为分化阶段,2007～2013年为急剧上升阶段.生态效率上升主要源于技术进步和规模效率提升,资本、降水和劳动力则是主要影响因素.需加大科技投入,提高技术和管理水平,提高劳动者素质;加强草原水利设施、人工草地和畜棚建设;加强草地生态和冻土保护,并完善畜牧业发展政策.

草地畜牧业；生态效率；DEA；冻土；气候变化；江河源区

Schaltegger等[1]于1990年提出生态效率概念,指出生态效率是经济增加价值与其环境影响的比值.一般从环境影响或资源消耗[2-7]视角对生态效率加以阐释.本质上,生态效率反映的是投入产出关系,投入部分为生态资源(包括自然资源、环境和生态系统),产出部分为社会经济价值.

比值法是评价生态效率的基本方法. WBCSD采用产品或服务价值与环境影响的比值被广泛接受[8].单一指标比值法存在暗含已考虑最优方案的假设、不能区分不同环境影响和不能给出最优比率集合[9]等不足,仅适于独立非连续对象,复杂对象则需构建指标体系加以分析[10].由于研究目标差异,经济价值和环境影响的确定也缺少统一方法[11].如 Hoffren[12]基于福利视角将“经济价值”概括为国内生产总值、环境调整后的国内生产总值、可持续发展经济福利指数、人类发展指数和可持续发展净收益等 5种指标;Vogtländer等[7]基于环境影响预防成本,提出生态成本/价值模型.为了解决指标度量单位不统一问题,碳足迹、生态足迹[13]、物质流和能值[14-15]等理论模型被引入生态效率分析.层次分析法被用于确定指标权重[16],缺点在于主观性强[9],而且将不同指标混在一起也不合理[17].总之,生态效率评价尚无统一方法,指标选取差别很大.

由于连接了经济和可持续发展[18]且便于定量化,生态效率成为可持续发展和循环经济等的重要分析工具[19-20],在国家[21]、区域[22]、产业[23]和企业[24-25]层面均被广泛应用.中国农业生态效率研究主要集中在种植业领域,存在指标代表性不强和较少关注动态变化等问题[26-27].在畜牧业领域,已有文献关注畜牧业生产或不同畜产品的碳排放问题[28-29]以及因放牧而导致的草地退化和生产力下降问题[30-31].超载放牧是草地退化的重要原因,草地退化又会引起冻土退化、土地沙漠化、水土流失等生态环境问题[32-36],损害草地生态服务功能.但是很少有研究基于生态视角评价草地畜牧业生态效率.本文根据高寒草地畜牧业生产特点,选取指标评价其生态效率并分析影响因素,旨在为高寒草地人地关系协调提供借鉴.

1 材料与方法

1.1 研究方法

1.1.1 高寒草地畜牧业生态效率空间差异分析 数据包络分析(Data envelopment analysis, DEA)根据多投入和多产出指标对同类型决策单元的相对有效性或效益进行评价,其自动赋权方法减少了指标赋权的主观性,被广泛应用于生态效率分析[37].为了克服传统 DEA模型缺陷,三阶段DEA、SBM-DEA、Malmquist DEA和超效率DEA等被发展并应用于生态效率分析[38-41].超效率DEA方法通过将决策单元与其他所有决策单元的线性组合相比较而使评价在整个样本中保持相对有效,能够对有效决策单元作进一步比较.本文基于县域截面数据,借助投入导向的超效率DEA模型考察长江黄河源区(江河源区)高寒草地畜牧业生态效率空间差异,模型设置如下[40,42]:

式中:θ为k决策单元超效率,表示区域相对生态效率;ε为非阿基米德无穷小;n为区域数量;m、s为投入和产出变量维度;si−、sr+为松弛变量;xij、yij为投入和产出变量;λ为权重系数.当si−=sr+=0时,θ越大决策单元效率越高;当si−≠0或sr+≠0且θ≥1时,决策单元弱有效;当si−≠0或sr+≠0且θ＜1时,决策单元非DEA有效;当si−≠0且sr+≠0而θ＜1时无效.

1.1.2 高寒草地畜牧业生态效率动态变化分析 超效率反映某一时期区域间的相对效率,不适于时间变化分析.Malmquist指数源于Malmquist[43]对消费变化的分析,后被用于生产效率评价.Färe等

[41,44]结合DEA模型将Malmquist指数表达为:

式中:Mt、Mt+1分别为 t和 t+1时期参照技术的Malmquist生产率指数;M为Malmquist生产率变化指数,当M＞1时,生产效率提升;xt、yt分别为t时期的投入和产出量;Dto(xt,yt)为规模报酬不变时t时期生产点与t时期生产前沿面的距离函数;Dtv(xt,yt)表示规模报酬可变时 t时期生产点与 t时期生产前沿面的距离函数;effch、techch分别表示规模报酬不变时的技术效率指数和技术进步指数,规模报酬可变时effch被进一步分解为纯技术效率指数(pech)和规模效率指数(sech).本文利用Malmquist DEA模型考察江河源区高寒草地畜牧业生态效率时间变化.

但是,M值仅反映区域生态效率相比较其前一时期生态效率的变化情况,区域之间的生态效率不具有可比性,而超效率则未考虑区域生态效率的时间变化.假设区域初期生态效率为 E1,则其后各时期M值与其前一时期生态效率的乘积反映了该区域任一时期相对于初期的生态效率水平(Et)(式(5)).结合超效率DEA模型,取各区域初期超效率值(θ)为初期生态效率,据此可以分析多区域生态效率(E)的动态变化.本文结合Malmquist DEA和超效率DEA模型考察江河源区高寒草地畜牧业生态效率动态变化.

1.1.3 高寒草地畜牧业生态效率影响因素分析高寒草地畜牧业生态效率受多种因素影响,有必要识别主要影响因素,以为生态效率提升提供参考.主要通过多元线性回归模型加以分析(式(6)).

式中:y表示生态效率; xi为影响因素指标;ε为随机误差;β0,β1,…,βp为待估参数,通过普通最小二乘法加以估算.限于数据限制,本文基于州域数据加以分析.

1.2 指标与数据

1.2.1 指标选取 畜牧业环境影响大多以废物排放和资源消耗为指标[45-47].高寒草地畜牧业以草地为基本生产资料,其他资源、能源消耗较少,废物排放主要与牲畜种类和数量有关.但是高寒草地畜牧业对草地生态系统和冻土环境影响明显,以草地和冻土变化为指标能够更加真实地反映其生态环境影响.归一化植被指数(NDVI)能够很好地指示高寒草地植被覆盖状况,活动层厚度则是多冻土变化的重要标志,因此以两者为具体指标(表1).

表1 江河源区高寒草地畜牧业生态效率评价指标Table 1 Indicators for eco-efficiency analysis of grassland-based animal husbandry

增加值能够较为准确地反映生产规模,故而以牧业增加值作为高寒草地畜牧业经济产出指标.由于各县草地面积不同,具体以单位草地面积牧业增加值为指标.

气候变化、资源配置、技术进步以及国家政策等是高寒草地畜牧业产出和植被与冻土变化的重要影响因素.限于数据限制,具体以生长季节平均气温、生长季节降水、一产从业人员、农业固定资产投资和适龄母畜为指标,分析主要影响因素,并探讨政策因素影响.

1.2.2 数据来源与处理 一产从业人员和牧业增加值数据源自1995～2014年《青海统计年鉴》,缺唐古拉山镇数据.根据2001～2014年《格尔木年鉴》,唐古拉山镇年末牲畜存栏约占格尔木市年末牲畜存栏的 22%,因此以格尔木市牧业增加值的 22%估计唐古拉山镇数据.农业固定资产投资和适龄母畜数据源自《果洛藏族自治州统计年鉴(1954～2010)》、《玉树藏族自治州统计年鉴(1950～1999)》和两州 2006～2013年国民经济和社会发展统计公报,其中2001～2005年玉树州数据为估计值.草地NDVI数据(1994～2013年)源自AVHRR GIMMS NDVI3g数据集(https://nex.nasa. gov/nex),其空间分辨率为 0.083°×0.083°.根据GLC2000中国区域土地覆盖图(http://global change.nsdc.cn)提取草地区域,并通过最大值合成法获取各年草地 NDVI.考虑指标的方向性,通过负向极差标准化方法对草地NDVI进行处理.由于NDVI值介于0～1之间,因此用(1-NDVI)反映当年草地退化情况.活动层厚度为模拟数据,源自宜树华等的研究成果[48].气温和降水数据源于中国气象数据网(http://data.cma.cn/)“中国地面气温月值0.5°×0.5°格点数据集(V2.0)”和“中国地面降水月值0.5°×0.5°格点数据集(V2.0)”(http://data. cma.gov.cn/),并通过反距离权重法进行空间插值,得到各区域气温和降水数据.

1.3 研究区域

江河源区位于青藏高原腹地,流域面积约18.9×104km2.平均海拔在4000m以上(图1).属高原大陆性气候,气温低、降水少、空气干燥、太阳辐射强.年平均气温-1～-4℃,多年平均降水量300～700mm[49].区内河流发育,冰川、冻土分布较广,土层浅薄.生态系统较为简单,以高寒草地主.以果洛州和玉树州为例,其草地面积分别为6.25×104km2和15.61×104km2,约占土地总面积的84.2%和 76.2%[50].严酷的自然环境决定了高寒草地生态系统较为脆弱,对气候变化和人类活动较为敏感.草地畜牧业对高寒草地影响显著,2007年果洛州和玉树州退化草地面积分别达到5.41×104km2和12.70×104km2,约占草地总面积的86.6%和 81.4%[51].植被覆盖变化又改变冻土环境[52],江河源区冻土退化明显[53].

江河源区涉及果洛藏族自治州(果洛州)、玉树藏族自治州(玉树州)、海西蒙古族藏族自治州(海西州)、甘南藏族自治州(甘南州)和甘孜藏族自治州(甘孜州)等5个地级行政区,大部分位于果洛州、玉树州和海西州.考虑数据获取和行政区域的完整性,本文以果洛州、玉树州和海西州下辖的玛沁、班玛、甘德、达日、久治、玛多、玉树、杂多、称多、治多、囊谦和曲麻莱等 12个县级行政区以及唐古拉山镇为研究区域.特殊的自然环境和丰富的草地资源使草地畜牧业成为当地的支柱产业和牧民主要的生计来源[54],并在草原文化传承、经济发展、牧民生活和社会稳定等方面发挥着重要作用.2013年果洛州和玉树州农业户籍人口分别为157507人和325391人,占其总人口的81.6%和82.4%,高于青海省平均水平25.9和26.7个百分点;一产从业人员分别为 65962人和148505人,占其总从业人员比重的 83.3%和89.0%,高于青海省平均水平46.1和51.9个百分点.一产增加值分别为 5.65亿元和 25.65亿元,占地区生产总值的17.6%和46.9%,高于青海省平均水平7.7和37个百分点;牧业产值分别为54496万元和 207868万元,占农业总产值的81.4%和 71.5%,高于青海省平均水平 30.5和20.7个百分点.而人均GDP分别为17090元和13849元,远低于青海省平均水平(36510元);农村居民人均纯收入分别为 4261元和 4090元,同样低于青海省平均水平(6196元)[55].江河源区高寒草地畜牧业面临产业增值和牧民增收的压力.一方面草地生态保护有待加强,另一方面牧民收入水平有待提高,两者存在一定冲突.因此,提升生态效率,在增加畜牧业产出的同时减少对生态环境的破坏作用是江河源区高寒草地畜牧业发展的迫切需要.

图1 研究区位置Fig.1 The map of study site

2 结果与讨论

2.1 草地畜牧业生态效率动态变化

2.1.1 空间差异 江河源区高寒草地畜牧业生态效率存在空间差异.根据超效率 DEA分析结果,2013年囊谦县草地畜牧业生态效率最高(1.23),唐古拉山镇最低(0.05);州域尺度上,玉树州草地畜牧业生态效率水平(0.72)高于果洛州(0.35) (图2).可以将生态效率水平划分3个等级,其中玉树市、称多县和囊谦县生态效率相对较高,其超效率值均大于 0.80;达日县、玛多县和唐古拉山镇超效率值相对较低;其他各县超效率值介于两者之间.但是各县草地畜牧业生态效率处于变化之中,在较长时间内并无某一县具有明显优势,表现为1994～2013年各县超效率平均值均小于 1.此外,比较 1994～2013年超效率平均值和2013年超效率值可以发现,玛沁、甘德、久治、达日、玛多和杂多等县生态效率相对下降,而称多、治多和曲麻莱等县生态效率相对上升.州域尺度上,玉树州生态效率相对上升而果洛州生态效率相对下降.

图2 江河源区高寒草地畜牧业生态效率空间差异Fig.2 Spatial differences in the eco-efficiency of grassland-based animal husbandry

2.1.2 动态变化 各县生态效率时间变化存在差异.整体而言,江河源区高寒草地畜牧业生态效率呈上升趋势,表现为1995～2013年有17a的M值均大于 1(图 3).但是各年上升幅度不同,最高1997年为1.52,最低1996年仅为0.82,M值标准差达 0.15.从 M值构成来看,技术进步指数仅在1999年和2001年小于1,标准差为0.12,表明技术进步对生态效率的带动作用较为明显,但是波动幅度较大.规模效率波动更加明显,sech标准差达0.13,是生态效率变化的主要原因.技术进步对规模效率具有一定的补偿作用,两者共同推动了江河源区高寒草地畜牧业生态效率提升.纯技术效率相对稳定,pech标准差为0.02,表明草地畜牧业生产技术和管理水平并无较大变化.因此,有必要进一步加大科技投入,加强牧民教育和培训,支持规模化养殖企业和专业合作社发展,通过提高草地畜牧业规模效率和技术与管理水平提升草地畜牧业生态效率.

图3 Malmquist指数分解Fig.3 The decomposition of Malmquist index

就动态变化而言,1994年以来各县草地畜牧业生态效率(Et)呈波动上升趋势,其变化大致可以划分3个阶段(图4).1994～2002年为平稳上升阶段,各县生态效率差距相对较小.2002年最高班玛县为1.52,最低唐古拉山镇为0.11,标准差为0.45.2003～2006年为分化阶段,称多、曲麻莱、久治县、班玛和玛多等县以及唐古拉山镇生态效率不断上升,而达日县不断下降;杂多县、治多县和甘德县波动上升,而玉树市、囊谦县和玛沁县波动下降.2006年杂多县生态效率最高(2.98),唐古拉山镇最低(0.07),标准差为 0.78.2007年以来为急剧上升阶段,尽管波动幅度较大,各县草地畜牧业生态效率水平上升趋势明显,整体水平高于前一阶段,但是差距进一步扩大.2013年江河源区生态效率达2.71,最高囊谦县为8.22,最低唐古拉山镇仅为0.35,标准差为2.13.

图4 江河源区高寒草地畜牧业生态效率动态变化Fig.4 Dynamic changes in the eco-efficiency of grassland-based animal husbandry

2.2 草地畜牧业生态效率主要影响因素

2.2.1 主要影响因素识别 一方面牧业增加值不断增长,另一方面草地植被有所恢复,江河源区高寒草地畜牧业生态效率上升趋势明显.基于果洛州和玉树州数据, 回归分析结果显示,部分指标的方差膨胀因子(Variance Inflation Factor, VIF)较大、允差较小,解释变量之间存在一定共线性(表 2);农业固定资产投资通过了 0.05水平显著性检验,其标准化系数(β)最大(因采用标准化值分析,故与非标准化系数(B)基本相同),对生态效率影响最大;生长季节降水和一产从业人员也通过了显著性检验,对生态效率影响较明显;生长季节平均气温和适龄母畜未能通过 95%置信水平检验,对生态效率影响相对较小.经验分析表明,农业固定资产投资每增加 1个单位能带动生态效率上升0.64个单位;生长季节降水每增加1个单位则生态效率上升0.27个单位;一产从业人员每增加1个单位能带动生态效率上升0.25个单位.因此,有必要增加资本投入并提高其利用效率,尤其要加强草原水利设施、人工草地和畜棚等建设,促进草畜平衡,减轻因升温、降水减少和不合理放牧等造成的草地和冻土退化问题,并减少雪灾等灾害损失.劳动力增加也能提高江河源区高寒草地畜牧业生态效率,但是为了减轻人口和放牧压力,通过教育和培训等措施提高劳动者素质无疑是更加合理的选择.

1994年以来江河源区生长季节降水呈增加趋势,对高寒草地植被生长有利,劳动力和资本等投入不断增加,对草地畜牧业产出的带动作用也较为明显,推动了江河源区高寒草地畜牧业生态效率提升.但是,江河源区内部生产条件及变化差异明显.以1994～2003年和2004～2013年平均劳动力和降水变化为例,杂多县一产从业人员增长了138.0%,而称多县仅增长15.6%;曲麻莱县生长季节降水增长了28.4%,而囊谦县仅增长5.3%.这导致江河源内部草地畜牧业生态效率存在差异,也决定了不同区域应采取不同的提升措施.比如对于降水条件好而且生长季节降水增加明显的区域,可以适当扩大草地畜牧业规模;而对于人口增长较快、降水增加不明显的区域,则应该减轻放牧压力,加强草地生态保护.

2.2.2 政策影响 草地畜牧业生态效率取决于生态环境影响大小和要素产出效率,政策对两者均有很大影响.在生态保护方面,设立三江源自然保护区(2000),实行减畜、禁牧和生态补偿[56-58],颁布《草畜平衡管理办法》(农业部令[2005]第48号)、《青海三江源自然保护区生态保护和建设总体规划》(2005)和《青海三江源国家生态保护综合试验区总体方案》(2011)等,对草地植被恢复和冻土保护起到积极作用,2000年以来江河源区草地NDVI上升趋势明显.在畜牧业发展方面,出台了《关于加快畜牧业发展的意见》(国办发[2001]76号)、《关于促进畜牧业持续健康发展的意见》(国发[2007]4号)、《关于推进农牧业产业化发展的若干意见》(青政[2008]38号)、《关于促进牧区又好又快发展的若干意见》(国发[2011]17号)、《关于加快推进生态畜牧业建设的意见》(青政办[2011]61号)、《青海省“十二五”特色农牧业发展规划》(青政办[2011]182号)、《关于加快推动农牧业产业化龙头企业发展的实施意见》(青政办[2013]109号)和《关于促进草食畜牧业加快发展的指导意见》(农牧发[2015]7号)等政策,促进了江河源区草地畜牧业产业化和生态化发展,有助于提高畜牧业产出水平.但是气候变暖和人类活动日益加剧背景下,江河源区草地和冻土退化问题依然突出,高寒草地畜牧业发展水平依然较低.兼顾生态、社会和经济等方面的目标,是提升高寒草地畜牧业生态效率的关键.有必要进一步加强草地生态和冻土保护,减轻高寒草地压力;完善畜牧业发展政策,提高畜牧业产业化水平和技术水平,促进特色畜牧业和生态畜牧业发展;积极发展草原文化旅游、畜产品加工、生物制药等生态草牧业,拓展牧民生计来源.

表2 江河源区高寒草地畜牧业生态效率影响因素分析Table 2 Determinants of the eco-efficiency of grassland-based animal husbandry

3 结论

3.1 以牧业增加值为经济价值指标,以草地NDVI和冻土活动层厚度为生态环境影响指标,结合超效率DEA和Malmquist DEA模型评价江河源区高寒草地畜牧业生态效率.结果表明,江河源区内部草地畜牧业生态效率存在差距并处于动态变化之中.2013年玉树市、称多县和囊谦县生态效率相对较高,达日县、玛多县和唐古拉山

镇生态效率相对较低,果洛州生态效率低于玉树州.1994年以来江河源区高寒草地畜牧业生态效率变化可以划分 3个阶段,1994～2002年为平稳上升阶段,2003～2006年为分化阶段,2007～2013年为急剧上升阶段.江河源区高寒草地畜牧业生态效率上升主要源于技术进步和规模效率提升,生产技术和管理水平有待提高.

3.2 资本、降水和劳动力是江河源区高寒草地畜牧业生态效率的主要影响因素.提高牧民素质,增加并改善资本投入结构,加强草原水利设施、人工草地和畜棚等建设,有助于提升江河源区高寒草地畜牧业生态效率.生态保护和畜牧业发展政策是提升高寒草地畜牧业生态效率的重要保障和推动力.

[1] Schaltegger S, Sturm A. Ökologische rationalität: Ansatzpunkte zur ausgestaltung von ökologieorientierten management instrumenten [J]. Die Unternehmung, 1990,44(9):273-290.

[2] Derwall J, Guenster N, Bauer R, et al. The eco-efficiency premium puzzle [J]. Financial Analysts Journal, 2005,61(2):51-63.

[3] Huppes G, Ishikawa M. A framework for quantified ecoefficiency analysis [J]. Journal of Industrial Ecology, 2005,9(4): 25-41.

[4] Huppes G, Ishikawa M. Eco-efficiency and its xs terminology [J]. Journal of Industrial Ecology, 2005,9(4):43-46.

[5] Lehni M. State-of-play report. WBCSD project on ecoefficiency metrics & reporting [R]. Geneva: World Business Council for Sustainable Development (WBCSD), 1998.

[6] 周国梅,彭 昊,曹凤中.循环经济和工业生态效率指标体系 [J].城市环境与城市生态, 2003,16(6):201-203.

[7] Vogtländer J G, Bijma A, Brezet H C. Communicating the eco-efficiency of products and services by means of the ecocosts/value model [J]. Journal of Cleaner Production, 2002,10(1): 57-67.

[8] Verfaillie H A, Bidwell R. Measuring eco-efficiency: a guide to reporting company performance [R]. Geneva: World Business Council for Sustainable Development, 2000.

[9] Neto J Q F, Walther G, Bloemhof J, et al. A methodology for assessing eco-efficiency in logistics networks [J]. European Journal of Operational Research, 2009,193(3):670-682.

[10] 尹 科,王如松,周传斌,等.国内外生态效率核算方法及其应用研究述评 [J]. 生态学报, 2012,32(11):3595-3605.

[11] Reijnders L. The factor X debate: setting targets for ecoefficiency [J]. Journal of Industrial Ecology, 1998,2(1):13-22.

[12] Hoffrén J. Measuring the eco-efficiency of welfare generation in a national economy: the case of Finland [D]. Tampere: University of Tampere, 2001.

[13] 甄 翌.旅游生态效率评估——基于生态足迹和碳足迹的比较研究 [J]. 林业经济问题, 2014,34(5):474-480.

[14] Lauwers L. Justifying the incorporation of the materials balance principle into frontier-based eco-efficiency models [J]. Ecological Economics, 2009,68(6):1605-1614.

[15] 李名升,佟连军.基于能值和物质流的吉林省生态效率研究 [J].生态学报, 2009,29(11):6239-6247.

[16] 田 炯,王翠然,陆根法.层次分析法在生态效率评价中的应用研究 [J]. 环境保护科学, 2009,35(1):118-120.

[17] Martinez-Alier J, Munda G, O'Neill J. Weak comparability of values as a foundation for ecological economics [J]. Ecological economics, 1998,26(3):277-286.

[18] DeSimone L D, Popoff F. Eco-efficiency: the business link to sustainable development [M]. Cambridge: MIT press, 2000.

[19] 诸大建,邱寿丰.生态效率是循环经济的合适测度 [J]. 中国人口·资源与环境, 2006,16(5):1-6.

[20] 吕 彬,杨建新.生态效率方法研究进展与应用 [J]. 生态学报, 2006,26(11):3898-3906.

[21] 邱寿丰,诸大建.我国生态效率指标设计及其应用 [J]. 科学管理研究, 2007,25(1):20-24.

[22] 陈 傲.中国区域生态效率评价及影响因素实证分析——以2000-2006年省际数据为例 [J]. 中国管理科学, 2008,16(S): 566-570.

[23] Gössling S, Peeters P, Ceron J P, et al. The eco-efficiency of tourism [J]. Ecological economics, 2005,54(4):417-434.

[24] Kerr W, Ryan C. Eco-efficiency gains from remanufacturing: A case study of photocopier remanufacturing at Fuji Xerox Australia [J]. Journal of cleaner production, 2001,9(1):75-81.

[25] Korhonen P J, Luptacik M. Eco-efficiency analysis of power plants: an extension of data envelopment analysis [J]. European Journal of Operational Research, 2004,154(2):437-446.

[26] 张子龙,鹿晨昱,陈兴鹏,等.陇东黄土高原农业生态效率的时空演变分析——以庆阳市为例 [J]. 地理科学, 2014,34(4):472-478.

[27] 程翠云,任景明,王如松.我国农业生态效率的时空差异 [J]. 生态学报, 2014,34(1):142-148.

[28] 孟祥海,程国强,张俊飚,等.中国畜牧业全生命周期温室气体排放时空特征分析 [J]. 中国环境科学, 2014,34(8):2167-2176.

[29] O’Mara F P. The significance of livestock as a contributor to global greenhouse gas emissions today and in the near future [J]. Animal Feed Science and Technology, 2011,166:7-15.

[30] Fang Y P, Qin D H, Ding Y J. Changes in stress within grassland ecosystems in the three counties of the source regions of the Yangtze and Yellow Rivers [J]. Population, 2010,2(2):116-122.

[31] Glindemann T, Wang C, Tas B M, et al. Impact of grazing intensity on herbage intake, composition, and digestibility and on live weight gain of sheep on the Inner Mongolian steppe [J]. Livestock Science, 2009,124(1):142-147.

[32] Zhou H, Zhao X, Tang Y, et al. Alpine grassland degradation and its control in the source region of the Yangtze and Yellow Rivers, China [J]. Grassland Science, 2005,51(3):191-203.

[33] Yi S, Woo M, Arain M A. Impacts of peat and vegetation on permafrost degradation under climate warming [J]. GeophysicalResearch Letters, 2007, 34:L16504, doi:10.1029/2007GL03 0550.

[34] Yang M, Wang S, Yao T, et al. Desertification and its relationship with permafrost degradation in Qinghai-Xizang (Tibet) Plateau [J]. Cold Regions Science and Technology, 2004,39(1):47-53.

[35] 曾永年,冯兆东.黄河源区土地沙漠化成因机制分析 [J]. 自然灾害学报, 2009,18(1):45-52.

[36] 许志信,李永强.草地退化对水土流失的影响 [J]. 干旱区资源与环境, 2003,17(1):65-68.

[37] Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision making units [J]. European journal of operational research, 1978,2(6):429-444.

[38] Fried H O, Lovell C A K, Schmidt S S, et al. Accounting for environmental effects and statistical noise in data envelopment analysis [J]. Journal of productivity Analysis, 2002,17(1/2):157-174.

[39] Tone K. A slacks-based measure of efficiency in data envelopment analysis [J]. European journal of operational research, 2001,130(3):498-509.

[40] Andersen P, Petersen N C. A procedure for ranking efficient units in data envelopment analysis [J]. Management science, 1993, 39(10):1261-1264.

[41] Färe R, Grosskopf S, Lindgren B, et al. Productivity developments in Swedish hospitals: a Malmquist output index approach [A]. Charnes A, Cooper W W, Lewin A Y, et al. Data envelopment analysis: theory, methodology, and applications [C]. Berlin: Springer Netherlands, 1994.

[42] 韩一杰,刘秀丽.基于超效率 DEA模型的中国各地区钢铁行业能源效率及节能减排潜力分析 [J]. 系统科学与数学, 2011, 31(3):287-298.

[43] Malmquist S. Index numbers and indifference surfaces [J]. Trabajos de Estadistica y de Investigacion Operativa, 1953,4(2): 209-242.

[44] Färe R, Grosskopf S, Norris M, et al. Productivity growth, technical progress, and efficiency change in industrialized countries [J]. The American economic review, 1994,84(1):66-83.

[45] Claudine B, Stewart L, Mark B. Eco-efficiency of intensification scenarios for milk production in New Zealand [J]. Ecological economics, 2009,68(6):1615-1625.

[46] Yan M J, Humphreys J, Holden N M. An evaluation of life cycle assessment of European milk production [J]. Journal of Environmental Management, 2011,92(3):372-379.

[47] De Vries M, De Boer I J M. Comparing environmental impacts for livestock products: A review of life cycle assessments [J]. Livestock science, 2010,128(1):1-11.

[48] Yi S, Wang X, Qin Y, et al. Responses of alpine grassland on Qinghai—Tibetan plateau to climate warming and permafrost degradation: a modeling perspective [J]. Environmental Research Letters, 2014,9:074014, doi:10.1088/1748-9326/9/7/074014.

[49] 陈 锦,李东庆,孟庆州.江河源区的湿地退化现状与驱动力分析 [J]. 干旱区资源与环境, 2009,23(4):43-49.

[50] 青海省草原总站.青海草地资源 [M]. 西宁:青海人民出版社, 2012.

[51] 辛玉春.浅议青海天然草地退化 [J]. 青海草业, 2014,23(2): 46-53.

[52] Wang G, Liu G, Li C, et al. The variability of soil thermal and hydrological dynamics with vegetation cover in a permafrost region [J]. Agricultural and Forest Meteorology, 2012,162:44-57.

[53] 杨建平,丁永建,陈仁升,等.长江黄河源区多年冻土变化及其生态环境效应 [J]. 山地学报, 2004,22(3):278-285.

[54] Fang Y, Qin D, Ding Y. Frozen soil change and adaptation of animal husbandry: a case of the source regions of Yangtze and Yellow Rivers [J]. Environmental Science & Policy, 2011,14(5): 555-568.

[55] 青海省统计局,国家统计局青海调查总队.青海统计年鉴(2014) [M]. 北京:中国统计出版社, 2014.

[56] 青海省人民政府.关于保护生态环境实行禁牧的命令(青政[2001]98号) [EB/OL]. http://xxgk.qh.gov.cn/html/246/201273. html.

[57] 青海省农牧厅.青海省天然草原退牧还草工程减畜禁牧管理办法(青政办[2007]48号) [EB/OL]. http://xxgk.qh.gov.cn/html/ 1670/174785.html.

[58] 青海省人民政府.关于探索建立三江源生态补偿机制的若干意见青政([2010]90号)[EB/OL]. http://www.qh.gov.cn/ztzl/system /2014/10/24/010138566.shtml.

Eco-efficiency of grassland-based animal husbandry and its determinants in the source regions of the Yangtze and Yellow Rivers.

ZHU Fu-biao1,2, FANG Yi-ping1,2*, YI Shu-hua3, YU Hu4
(1.Institute of Mountain Hazards and Environment, Chinese Academy of Sciences, Chengdu 610041, China；2.University of Chinese Academy of Sciences, Beijing 100049, China；3.Cold and Arid Regions Environmental and Engineering Research Institute, Chinese Academy of Sciences, Lanzhou 730000, China；4.Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China). China Environmental Science, 2017,37(1)：310～318

Taking the source regions of the Yangtze and Yellow Rivers as case and using both super-efficiency DEA and Malmquist DEA models, spatiotemporal changes in the eco-efficiency of grassland-based animal husbandry and its determinants were analysed. The results showed that there was a significant spatial difference in the eco-efficiency. In 2013, Yushu City, Chengduo County and Nangqian County experienced relatively high the super-efficiency, while Dari County, Maduo County and Tanggulashan Town were relatively low the super-efficiency. Based on the changes in space and time, the eco-efficiency was divided into three sequential stages: a steadily rising stage during the period 1994～2002, a differentiating stage during the period 2003～2006, and a rapidly rising stage during the period 2007～2013. It was further demonstrated that the eco-efficiency depended heavily on the technological progress and scale efficiency. And capital, precipitation and labor force were the determinants of the eco-efficiency. Therefore, increasing investment in science and technology; improving the technological and management level and labor quality; constructing water conservancy facilities, pastureland and livestock shelter; strengthening the protection of grassland ecosystem and frozen soil, will be most effective in the long term when they are complemented by appropriate public policies.

grassland-based animal husbandry；eco-efficiency；DEA；frozen soil；climate change；Yangtze and Yellow Rivers source regions

X22

A

1000-6923(2017)01-0310-09

朱付彪(1984-),男,安徽阜阳人,中国科学院水利部成都山地灾害与环境研究所博士研究生,主要从事山区产业与区域发展研究.发表论文10篇.

2016-03-28

国家“973”项目(2013CBA01808);国家科技支撑计划(2014BAC05B01);国家自然科学基金资助项目(41571523)

* 责任作者, 研究员, ypfang@imde.ac.cn