基于系统动力学的绿色农业对生态系统的影响研究

王昊+仇蕾

摘 要：传统农业生产过程中对能源的不合理使用以及大量废弃物的排放加剧了农村生态环境的恶化。通过建立系统动力学模型来分析研究绿色农业的未来发展趋势，以此来分析解决相关环境问题。该模型的主要作用是在江苏省农村相关数据的基础上，分析不同政策对绿色农业的影响。通过对比三种不同的政策组合的模拟结果，找出最适宜当地实际情况的政策，并给出相应的建议。

关键词：绿色农业；系统动力学；政策模拟

中图分类号： F127 文献标志码：A 文章编号：1673-291X（2017）12-0012-07

引言

尽管作为主要产业，农业在中国一直扮演着重要的角色，但高速发展的农业经济与日益恶化的生态环境之间的矛盾正威胁着我国长远发展。因此，采取措施缓和这种矛盾势在必行。

近年来，绿色农业这个概念不断进入公众视线，愈来愈多的人已经意识到绿色农业在改善生态环境和公众健康方面的重要意义。在我国，绿色农业这个概念是20世纪90年代提出，当时是指利用先进的技术、设备和经验来改善农业生产与生态环境之间的关系[1]。鉴于此概念的广泛性与复杂性，本文将建立相关指标分析未来数十年中绿色农业发展水平。

显然，用于分析的相关指标受到不同复杂且动态的因素影响，并且该指标将在一定程度上随相关政策因子变化而改变。因此，使用系统动力学建立相关模型分析生态环境与绿色农业之间的关系是十分适合的。

一、研究方法

（一）系统动力学的起源与概念

系统动力学理论是Forrester教授于1958年在麻省理工学院提出。起初，该理论是用于研究诸如生产与雇员状态之间的波动以及股票市场的不稳定性这类问题的工具[2～3]。1968年，Forrester教授在其著作《系统的原则》一书中阐释了动力学行为的基本原则以及系统结构的相关概念[4]。该书中所讨论的相关原则如今被广泛且普遍地应用于系统预测与政策制定方面。

系统动力学是系统科学和管理科学的一条重要分支。它将计算机仿真技术与系统科学理论相结合，主要研究系统行为与反馈的结构[5]。通过建立系统动力学模型，人们不仅可以绘制出反映复杂变量之间关系的图像，还可以预测关键变量在不同假设条件下的未来趋势[6～8]。此外，系统动力学对数据的准确性要求偏低，使得人们可以利用有限的资源在不同变量之间建立复杂、动态且非线性的关系[9～10]。

（二）系统动力学应用现状

在系统动力学理论被提出后的数年间，其被广泛应用于多个领域。Forrester教授的学生Meadows教授提出了一个重要结论：如果像人口、污染、工业化、农作物产量以及资源消耗这些因素按照当时的趋势不受控制地增长下去，那么增长的极限就将在一百年内发生[11]。这个观点的提出背景就是罗马俱乐部的建立，该非政府组织主要召集科研人员使用系统动力学解决人口过剩和资源枯竭等问题。

如今，系统动力学已经成为一个方便的数理仿真工具，应用于环境工程、商业管理、政策评估等领域中。Geum和Lee通过将技术路线图与系统动力学方法结合，找到了一种分析比较三种汽车产业分红的方法[12]。Zawadzki将系统动力学应用到IT工程管理，并通过系统动力学仿真找到了有关IT管理的一个最佳方案[13]。通过将系统动力学与蒙特卡罗方法相结合，Jeon与Shin提出了一个新的长期技术评估方法用于评估可再生能源技术[14]。此外，其他领域如人口管理和可持续发展的研究者也成功地将系统动力学模型与生态系统评估相结合[15～16]。

（三）研究范围

本文主要研究對象是江苏省农村的生态环境与绿色农业。江苏省作为经济强省，其绿色农业的发展水平在全国处于领先地位，其农业产值仅次于山东省与河南省。研究的时间跨度为2010—2050年。

二、建模与测试

（一）SD模型设计

GAE-SD的完整形式（如图1所示）。原始数据来源于《中国环境年鉴》《中国农村统计年鉴》《中国农业年鉴》和中国农业统计资料。

（二）模型测试

软件Vensim本身提供了非常方便的检验模型的工具。点击菜单项“检验模型”和“单位检验”，屏幕上显示“模型无问题”和“单位无问题”的信息，这表明该模型通过的软件检验。

总之，GAE-SD模型是完全可以用于分析当前政策背景下绿色农业生态系统的影响程度以及预测不同政策背景下的未来趋势。

三、模拟与讨论

上述测试已证明GAE-SD模型可以用于模拟当前和未来的绿色农业指数以及其他变量的趋势。首先，基于当前政策的趋势将被模拟并用于分析当前绿色农业水平。其次，几个政策方案将会被分别模拟以找出改善绿色农业现状的理想模式。

（一）基于当前政策的模拟

图2b曲线1在2012年剧烈上升后就保持轻微的波动，直到2044年后才开始增长。由于这条曲线始终处于原点之上，图2a所代表的绿色农业指数才能维持稳定的增长。这说明了在当前政策的影响下，绿色农业的发展水平将随之时间而上升。

图2c中唯一的曲线表示了绿色农业对当地农业产出的贡献程度。这条曲线之所以几乎没有上升，是因为绿色农业指数的增速没有当地农业产出的增速快。这意味着在当地农业经济中，绿色农业的地位并不足以高到引起政府投入的重视程度。

简而言之，当前绿色农业的相关政策会取得一定程度的效果，但是当地政府也应该对绿色农业中不成熟的部分有足够的重视。

（二）基于不同政策方案的模拟

三个模块的政策变量将会被分别调整，其他两个模块的变量保持不变。在模拟开始前，为了方便，8个政策变量将被重新命名为政策变量1—8。原始的政策变量和新的政策变量人（如下表所示）。

方案1将代表清洁能源模块的政策变量3—5从0.02、0.02、0.02调整至0.05、0.05、0.05。相关变量的模拟趋势（如图3a所示）。从图中可以看出，代表清洁能源模块的三个变量在方案1作用下明显比原始方案增长的要快。特别是曲线2远远高于曲线1，其代表的清洁能源发电量几乎是原始方案下的3倍，即使是之前表现不佳的秸秆固化量也有了明显的增加。

方案2将代表污染管制模块的政策变量6—8从0.03、0.03、0.03调整至0.06、0.06、0.06。图3b显示，在方案2作用下，2010-2046年间，化肥使用量发生了明显的减少，表现在图像上就是曲线1远远低于曲线2，并且在2046年后接近底部。这种明显的减少，意味着绿色农业将更加依赖有机肥而非对生态环境会造成危害的化肥。由于农药使用量和COD本身就处于低水平，所以曲线3、4和曲线5、6这两组曲线间并没有多少明显的差别。

宏观政策变量1和变量2从0.01、0.01调整至0.03、0.03。同预期一样，图3c的曲线1、3明显高于曲线2、4，这表明在耕地保护和教育上的小小投资就可以收获客观的效益。

新政策方案使得绿色农业指数占每单位农业产出的数值要好于原始方案，具体状况（见图3c）。值得注意的是，代表方案2的曲线2在2030年后开始下降，原因是方案2使得绿色农业指数的增速不如原始方案下的增速，以至于当地农业产出的增速高于绿色农业指数的增速。2034年后，代表方案1的曲线1有了一个明显的上升趋势，这也说明了方案1对于长期而言，是个最佳方案。

参考文献：

[1] 王德胜.绿色农业的发展现状与未来展望[J].中国农业资源与区划，2016，（2）：226-230.

[2] Forrester J.W.Industrial Dynamics：A Major Breakthrough for Decision Makers[J].Harvard Business Review，1958，（4）.

[3] Forrester J.W.Industrial Dynamics[J].Journal of the Operational Research Society，1997，（10）：1037-1041.

[4] Forrester J.W.Principles of systems[J].1990.

[5] 钟永光，贾晓菁，钱颖.系统动力学.第2版[M].北京：科学出版社，2013.

[6] 王其藩.系统动力学：修订版[M].上海：上海财经大学出版社，2009.

[7] Chunyang H.E.，Shi P.，Chen J.，et al.Developing land use scenario dynamics model by the integration of system dynamics model and cellular automata model[J].中国科学：地球科学，2005，（11）：1979-1989.

[8] Teng J.，Wang P.，Wu X，et al.Decision-making tools for evaluation the impact on the eco-footprint and eco-environmental quality of green building development policy[J].Sustainable Cities & Society，2016，（23）：50-58.

[9] 陈雪萍.基于系统动力学的雅安市土地综合承载力的可持续研究[D].成都：四川师范大学，2013.

[10] 徐晓燕.太原循环经济的系统动力学分析[D].太原：山西财经大学，2014.

[11] Meadows D.H.，et al.The limits to growth：a report for the club of Romes project on the predicament of mankind[J].New York：U-niverse Books，1972.

[12] Geum Y.，Lee S.，Park Y.Combining technology roadmap and system dynamics simulation to support scenario-planning：A case of car-sharing service[J].Computers & Industrial Engineering，2014，（1）：37-49.

[13] Zawadzki T.Applying system dynamics modeling to IT project management[C]// Methods and Models in Automation and Robotics.2009：152-157.

[14] Jeon C.，Shin J.Long-term renewable energy technology valuation using system dynamics and Monte Carlo simulation：Photovoltaic technology case[J].Energy，2014，（4）：447-457.

[15] Vafa-Arani H.，Jahani S.，Dashti H.，et al.A system dynamics modeling for urban air pollution：A case study of Tehran，Iran[J].Trans-portation Research Part D Transport & Environment，2014，（31）：21-36.

[16] Nabavi E.，Daniell K.A.，Najafi H.Boundary matters：the potential of system dynamics to support sustainability？[J].Journal of Cleaner Production，2017，（140）：312-323.

[責任编辑 刘娇娇]