生态价值视角下中国省域粮食绿色全要素生产率时空特征分析*

周应恒,杨宗之

粮食安全是国计民生的根本,作为世界人口第一的大国,中国以全球7%的耕地养活约全球20%的人口。在当前人口规模大增、自然资源紧束的条件下,粮食绿色生产的重要性日益凸显,而粮食绿色全要素生产率则是农业绿色生产能力的重要体现[1]。这个概念最早由Schalteger Sturm提出,它代表粮食生产活动带来的包含环境影响在内的总产出与总投入的比率[2]。同时,世界可持续发展商会(WBCSD)将绿色生产力定义为:能在全生命周期内为人类提供高质量的产品,并最大限度减少资源消耗和环境污染,最终实现生产与生态和谐发展的生产活动[3]。可以看出,粮食生产效率水平不仅反映了粮食产出能力,同时也包含粮食生产活动带来的生态环境影响。虽然我国粮食产量自2015年以来持续稳定在6.5亿t以上,但在粮食生产的快速发展过程中,农药化肥等一系列农用化学品催生的粮食增产模式、地膜的不合理处置、固体废弃物的大面积焚烧,造成了大量的环境污染,破坏了农地原有的生态循环模式[4]。同时伴随市场对资源配置的作用逐渐显现,许多地区出现了耕地的“非农非粮化”现象,这种倾向不仅压减了粮食生产,还滋生了诸如种树挖塘等破坏耕地的行为,影响了粮食绿色生产率中粮食种植的生态价值产出(后文简称“粮种生态价值”),在一定程度上威胁到了我国的粮食安全。因此,充分认识粮食生产过程中的正负外部性,对了解绿色发展背景下我国粮食的实际生产能力及保障粮食安全具有重要意义。

目前,国内外学者主要采用索洛余值(Solow residual)、数据包络(DEA)和随机前沿(SFA)等分析手法对包含粮食在内的农业生产率展开讨论[5-6],其中Charnes等[7]提出的多投入产出DEA评价法应用最为普遍,在Caves等[8]引入非参数增长测算模块后,开始被国内外学者广泛应用于农业生产率的研究中[9]。众多学者认为改革开放以来我国农业全要素生产率实现了较快的增长,技术进步和各投入要素使用方式的转变极大地提升了农业生产效率[10-13]。近年来,农业生产过程中造成的环境污染问题也逐渐引起了学者们的重视,诸多学者开始将环境因素纳入农业生产效率的考量范围内[14]。而传统的DEA模型,忽略了投入产出松弛变量这一问题,造成其对于非期望产出测算的不适用性。鉴于此,Tone[15]建立了非径向角度的松弛变量测度模型,Chung等[16]改进了Malmquise Luenberger(ML)指数使多决策单元可以排序,Ramanathan等[17]结合农业生产的特点、投入要素的可测量性,把生产过程中的污染当成一种未支付的投入纳入到生产函数中,改进了绿色全要素生产率的测算方法。随后,学者们逐步将水、土壤氮磷含量、碳排放、水土流失、气候变化等环境影响因素当作非合意产出纳入到农业绿色全要素生产率的估算中[18-20]。党的十九大提出经济的高质量发展需要充分考虑环境代价,农业作为与自然环境结合最为紧密的产业,科学地评价农业绿色全要素生产率有助于推动产业的绿色发展和转型升级。粮食生产是农业发展的重要内容,其绿色生产效率评价一直是学界的研究热点,诸多学者认为农业污染(碳排放[21]、面源污染[22]等)和耕地质量下降[23]是阻碍我国粮食绿色全要素生产率提升的主要因素。鉴于我国幅员辽阔,不同地区的自然经济条件、农业发展方式差异较大,学者们从地理差异视角,运用空间计量方法研究了不同驱动因素对不同地区粮食生产效率的影响,发现气候变化[24]、新型城镇化[25]、农业补贴[26]、人口老龄化[27]等因素均对粮食绿色全要素生产率影响显著。

综上所述,多数研究集中于探讨大范围的传统农业生产率,专门针对粮食绿色全要素生产率测算的文献相对较少,且已有研究仅将粮食产量作为绿色全要素生产率测算的唯一期望产出,这种单一的价值核算标准,远远低估了耕地在粮食生产活动中所产生的生态价值。同时,现有文献的非期望产出多数只考虑化肥投入带来的营养物污染,忽略了农药、农膜和农业固体废弃物的影响。鉴于此,本文从以下几个方面深入:第一,在粮食生产活动中,耕地在废物处理、保持土壤、气候调节等方面提供了大量的生态价值[28],基于不同区域耕地资源禀赋的差异,采用生态价值评价法(ESV)测算耕地在粮种过程中产生的生态价值; 第二,充分考虑粮种过程中产生的营养物污染和非营养物污染,利用农业固体废弃物产污系数和《全国第一次污染源普查》中化肥、农药和农膜污染分册中各省(市)的流存系数,根据要素的实际使用量进行折算,最终得到非期望产出的综合数据; 第三,GML(global Malmquise Luenberger)指数法和超效率SBM(super efficiency model)模型能够准确测算包含非期望产出的绿色生产率,本文将农业面源污染、碳排放等非期望产出纳入测算模型中,评价我国1997—2019年粮食绿色全要素生产率; 第四,通过超效率SBM模型投入产出的冗余率指标找寻生产效率低下地区的主要限制因素,针对性地提出相应的提升策略; 第五,为了把握我国粮食绿色全要素生产率变化的时空规律,基于农业生产要素的流动成本、条件及空间发展特征,采用等距离分配法选取6个时间节点,通过Moran’sI指数研究不同地区粮食绿色全要素生产率的空间集聚态势。本研究旨在为各地转变适宜的农业发展模式、实现绿色生产、保障粮食生产的生态价值提供参考。

1 数据与方法

1.1 研究方法

1.1.1 生态价值评价法(ESV)

耕地除了可以保障食物和原材料生产,在生态链支持和气体调节服务中也起着重要作用,耕地生态系统中的生物和植被可以化解多余养分及化合物,达到滞留灰尘的作用; 同时,生物的有机质积累可以起到保持土壤的作用,保证其沉积物养分的积累和营养循环,并且为野生动植物提供授粉、栖息地等生物资源,保障其基因的来源和进化,维护耕地生态系统平衡具有重要的生态意义。为探讨粮食生产框架下耕地产生的生态价值,根据Costanza等[29]提出的当量因子法,结合谢高地等[30]修正的中国内陆耕地生态价值评价系数(其中气体调节为0.50、气候调节为0.89、水文调节为0.60、废物处理为1.64、保持土壤为1.46、维持生物多样性为0.71、提供美学景观为0.01)和提出的我国不同省份农田生态系统生物量因子修正系数(表1),计算各区域耕地在粮食生产过程中所产生的生态价值,详见公式1。

表1 我国不同省份耕地生态系统生物量因子Table 1 Biomass factors of cultivated land ecosystems in different provinces of China

式中:ESV为粮食生产过程中产生的总生态价值,t为研究年份,i为废物处理、保持土壤、气候调节、维持生物多样性、水文调节、气体调节、提供美学景观7类生态功能价值,A为各地区的粮食播种面积,P为基期粮食单产可比价格,CF为地区修正系数,EC为各项生态系统服务价值当量因子。

1.1.2 GML指数法

GML指数法能够测度静态面板下的粮食绿色全要素生产率,进一步分解可得到技术效率(GEC)和相邻期内最佳实践距离下(BPG)的技术进步情况(GTC)。公式(2)为判别效率值增减情况的GML指数,即粮食绿色综合效率是评价粮食生产活动对资源利用、配置的综合评价指标,若GML值＞1,则说明当前粮食生产活动处于生产前沿面,即效率有所提升。GEC和GTC分别表示粮食绿色生产的技术效率和技术进步(即规模效率),即GEC反映的是粮食生产中先进技术的应用和推广程度,当GEC＞1时则表示当前技术水平的单元规模效应处于最优状态,技术推广效果较好。GTC反映当前的技术条件较前期是否有所更新,以及粮食生产活动的投入要素是否得到有效利用,若GTC＞1则表示单元技术水平和投入要素利用程度的增加,反之亦然。

式中:t为研究年份,x为投入要素,y为期望产出,b为非期望产出,TE为综合技术效率,BPG为全局技术参照集与有效生产前沿面的距离。其中DG(xt,yt,bt)为参照集的方向向量,指投入因素x和生产结构P(x)沿着距离函数指定产出向量g=(gy,gb)方向,可增减生产最大λ倍数的产出。

1.1.3 超效率SBM生产率测算法

超效率SBM模型对于每一个评价单元DMU均有投入、期望产出、非期望产出3个向量,以此构建含3个向量在内的超效率SMB模型(公式3)。

式中:ρ为评价单元DMU的综合效率值,λ为权重,k为研究对象省(市)的个数,i、l、r、j为各部分决策单元的表征,yg和yb分别代表期望和非期望产出,m表示投入要素个数,s1为期望产出个数,s2为非期望产出个数,s-为投入松弛变量,sg和sb是期望和非期望产出的松弛变量。

若评价单元效率存在损失,超效率SBM模型可以基于投入、非期望产出过剩量和期望产出不足量,比较指定决策单元与最佳决策单元间的产出不足率和投入冗余率,为各地区提升粮食绿色全要素生产率提供改善方向。当评价单元为效率损失状态时,基于公式(3)中的松弛变量,粮食绿色全要素生产率损失原因可分为以下几类:1)投入存在冗余,即要素可缩减率(公式4); 2)非期望产出存在冗余,即非期望产出可缩减率(公式5); 3)期望产出存在不足,即期望产出可扩展率(公式6)。

式中:N为投入因素种类,M为期望产出种类,I为非期望产出种类,和分别表示投入和非期望产出的冗余量,而代表期望产出不足量。

1.1.4 探索性空间数据分析法(ESDA)

由于较为相似的社会、经济、生态属性特征,临近地理单元会表现出一定的空间关联性,为了进一步把握空间单元间的空间关联、交互特征,本文运用探索性空间数据分析法研究粮食绿色全要素生产率的空间相关性及异质性。首先建立Queen一阶权重矩阵(Wij),相临单元若存在共同边界则判定为存在空间依赖关系,具体公式如公式(7):

其中公式(8)为反映整体空间集聚趋势的全局莫兰指数,公式(9)为反映地区空间异质和集聚性的局部莫兰指数。

式中:Xi为第i个评价单元的值,n为评价单元个数,Wij为空间权重矩阵。

1.2 指标体系构建和数据处理

土地和劳动力是粮食生产活动中的必要投入要素,而化肥和农药是实现现代粮食增产的关键要素。并且,随着粮食生产技术的不断改进,机耕机收等粮食生产方式的普及,使得农业机械总动力对于提升粮食生产效率起到了至关重要的作用。因此,参照前人文献[31-32],本文投入指标选择劳动力、土地和相关资源投入等。土地投入指标选择粮食作物播种面积,资源投入指标分别采用农业机械总动力、农药使用量、化肥折纯量表征农业生产过程中的农业机械、农药和化肥投入。产出指标分为期望产出和非期望产出,期望产出指标选取粮种生态价值和粮食产量; 非期望产出方面,从粮种面源污染的源头来看,主要包括非营养物和营养物污染[33]。其中,非营养物污染是指残留在土地或者农作物上的污染物,主要为农药、农膜两大类; 营养物污染是指通过水介质而呈现的水体富营养化污染,其污染物主要包括来源于农田化肥和粮种固体废弃物的总氮、总磷和化学需氧量。同时,耕地碳排放主要指粮食作物生产过程中由于化肥、农药、能源使用,以及土地翻耕和灌溉过程中所直接或间接导致的温室气体的排放[34]。基于以上分析,本文的非期望产出选取粮食生产过程中造成的农业面源污染和碳排放。具体投入-产出指标详见表2。

表2 粮食绿色全要素生产率投入-产出指标体系Table 2 Input and output indexes system of grain green total factor productivity

1.3 数据来源及处理

本研究秉承数据连续性、完整性、可获得性和可比性的原则,对涉及的相关基础数据进行了收集与整理。其中,1997-2019年第一产业从业人员、粮食播种面积、农业机械总动力、农药使用量、化肥折纯量和粮食产量(包含水稻、小麦、玉米、豆类、薯类)、农膜使用量、农机燃料量、灌溉面积数据来源于《中国农村统计年鉴》 《中国农业年鉴》和《中国统计年鉴》。由于2012年后农林牧渔从业人员数据缺失,为了保证数据的连续性,缺失数据优先按省(市)级统计年鉴进行补充,并通过相关统计局、农业农村厅(局)等相关政府机构的信息公开数据进行多次核对,最大程度保证数据统计口径一致。数据处理方面,因本文所研究的是粮食生产过程中的各项投入,根据田旭等[35]的研究方法,依照拆分系数计算粮食生产要素的劳动力和农药化肥投入。即粮种劳动力系数=(农业产值/农林牧渔业总值)×(粮食播种面积/农作物播种面积); 农药化肥投入系数=粮食播种面积/农作物播种面积。粮种生态价值方面,根据Costanza等[29]提出的当量因子法,结合谢高地等[30]修正的中国内陆耕地生态价值评价系数,以粮食播种面积计算各省(市)粮种生态价值。农业面源污染方面,综合采用王雪蕾等[24]的清单分析法核算粮种固体废弃物污染,并根据《全国第一次污染源普查》的农药化肥流失、农膜留存系数分册折算各区域的要素使用量,核算包括化肥投入所产生和流失的总磷总氮、农药流失残留量和农用薄膜残留量。碳排放量方面,通过张利国等[36]的碳排放系数和核算方法,计算粮种过程中化肥、农药、农膜、柴油、翻耕和灌溉产生的碳排放量。同时,针对各省(市)同一指标的单位差异问题,通过单位量级换算,进行数据的标准化处理。最终构建了包含全国31个省(市)1997—2019年的粮食绿色全要素生产率投入产出面板数据。

2 实证分析

为科学反映我国不同区域粮食绿色全要素生产率的变化状况,在全国整体和省域对比分析基础之上,依照《国务院发布关于西部大开发若干政策措施的实施意见》和《中共中央、国务院关于促进中部地区崛起的若干意见》,将研究样本区域划分为东部地区(北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南)、中部地区(山西、安徽、江西、河南、湖北和湖南)、西部地区(内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆)、东北地区(辽宁、吉林和黑龙江)进行区域间的分析比较。同时,由于统计口径差异和数据获取问题,故本文研究区域不含中国港澳台地区。

2.1 粮种生态价值变化测算分析

本文将耕地在粮食生产活动过程中产生的生态价值作为粮食绿色全要素生产率的期望产出之一,结合各区域耕地资源条件和粮食生产种植情况,借助生态价值评价法得出各地区的粮食生产生态价值(图1)。

如图1所示,生态价值排序为中部地区＞东部地区＞西部地区＞东北地区; 从时序上看,东北和中部地区的粮种生态价值有所增加,分别提升254.10亿元和268.08亿元,而东部、西部地区的粮种生态价值较研究初期有所降低,分别减少452.44亿元和95.15亿元。同时,粮种生态价值有所提升的省份主要集中在我国中部、东北及西南地区。其中由于黑龙江、吉林和辽宁地属黑土带,土壤较为肥沃,得益于得天独厚的自然资源,东北地区在我国粮食生产中的地位显得尤为重要。作为我国粮食生产的主产区,随着第一产业规模的不断加深以及耕地管控政策的导向,东北地区拥有较高的耕地保有量,粮种生态价值较为稳定,并在研究期内得到提升。而中部地区由于耕地水热条件良好,地势平坦适宜作物种植,农业生产配套技术的日趋完善,集约化种植的不断推进保证了粮种生态价值的稳步提升。粮种生态价值有所下降的省份主要分布在我国东部和西部地区,其中由于西部地区降水量少、地形地貌导致的耕地资源量不足等自然条件限制,加上生态退耕的需要,使得粮种生态价值有一定的下降。而东部地区省份经济相较发达,在城镇化快速发展过程中可能会占用较多的耕地,伴随居民生活质量的提高、饮食结构的改变,和新型农业的崛起,市场对资源配置的作用逐渐显现。2017年河北省、江苏省和山东省等东部地区省份的非粮化率超过了20%,而北京市、天津市、上海市、浙江省、福建省、广东省和海南省2017年的非粮化率更是超过了40%[37]。尤其是福建省、广西省和海南省等以丘陵、山地地形为主的省份,其自然条件不利于粮食作物的耕种,这些省份的农业发展模式多以热带水果等经济作物为主,地方性特色农产品的价格优势导致粮种面积的萎缩; 而北京市、天津市、上海市和广东省等发达区域的发展定位,决定了这些省份的农业在三产中的比例较低,并且在城镇化过程中面临较强的用地约束,城市扩张占用了大量的耕地。耕地的“非粮化”倾向不仅压减了粮食生产,还滋生了诸如种树挖塘等破坏耕地的行为。同时近年来东部地区频发的农地“非粮化” “非农化”现象不仅影响了粮食绿色生产率中的粮种生态价值产出,还在一定程度上威胁到了我国的粮食安全。总体而言,在研究期内,我国粮种生态价值呈下降趋势,由1997年的6471.57亿元下降到2003年的5585.28亿元,2004年到2019年呈现波动上升态势,2019年达6446.16亿元,研究期内粮种生态价值降低0.39%,共计减少25.41亿元。

2.2 粮食绿色全要素生产率测算分解

通过粮种生态价值的计算,发现不考虑环境因素的传统全要素生产率往往会忽略粮食生产活动的正外部性,无法准确评估我国粮食生产的真实效率水平。基于此,本文在充分考虑粮种生态价值和农业污染的环境代价后,为了研究我国粮食绿色全要素生产率的动态变化情况,以及技术效率和技术进步的影响程度,通过GML生产率指数法从动态角度得出我国1997-2019年各时期粮食绿色全要素生产率(GTFP,后文简称“综合效率”)、技术效率(GEC)和技术进步(GTC)情况。

如表3所示,分阶段来看,在1997年亚洲金融通货紧缩的大背景下,“九五”时期(1997-2000年)粮食价格持续下跌,农民种粮积极性受到影响,耕种投入减少导致生产率大幅下降,综合效率和技术效率每年分别减少3.67%和15.02%; 从2004年起,财政补贴等三农政策的提出很大程度上促进了技术效率的提升,“十五”时期(2001-2005年)开始表现出一定的增长态势; 在严重自然灾害、农产品价格异常波动和农业生产资料价格快速上涨的不利形势下,“十一五”时期(2006-2010年)得益于粮食直补、保护价收购等一系列政策,国家对于粮食生产加大了财政支持力度,这降低了耕地闲置抛荒、局部粮食产量下降的现象,刺激了农民种粮及转让闲置耕地的积极性,耕地转让和规模化种植提升了粮食的生产效率,因此该阶段玉米和稻谷等农作物比例普遍提高,综合效率和技术效率每年保持2.93%和1.28%的增长率; “十二五”时期(2011-2015年)综合效率和技术进步增长速率放缓,技术效率较“十一五”时期有一定的增长; 在农业技术条件的不断改善下,2015年我国粮食生产实现“十二连增”,“十三五”时期(2016-2019年)的综合效率年增长率达5.38%,其中技术效率、技术进步分别提升到1.12%和0.69%的年增长水平。从总体情况来看,研究期内我国综合效率(1.0191)的提升主要得益于技术进步(1.0308),两者均呈现出较大增幅,年均增长分别为0.60%、0.59%,虽然近年来技术效率提升显著,但在整个研究期内对于综合效率的带动作用较弱,年均增长率为-0.13%,今后要进一步促进高效技术的推广应用,提高农业科研转化率。

表3 1997—2017年中国各时期粮食绿色全要素生产率Table 3 Grain green total factor productivities of China in different periods from 1997 to 2017

2.3 粮食绿色全要素生产率的进一步分析

为了明确我国省域粮食绿色全要素生产率的分布特征,按照超效率SBM测算结果分为相对有效区和相对无效区,从而分析相对有效省(市)的空间演变态势。同时,为了进一步探究相对无效区效率低下的原因,根据DEA模型原理,当各区域评价效率均值相对无效时,以各项投入产出的松弛量与指标值比值来计算其冗余率或产出不足率,以反映各要素的损失原因,从而针对性地提出各地区相应的提升策略。

如表4所示,相对有效区“九五”时期(1997—2000年)仅有辽宁、广东和云南3省,“十五”时期(2001—2005年)开始集中分布在东部沿海发达地区及东北地区等11省市,“十一五”时期(2006—2010年)和“十二五”时期(2011—2015年)开始向中西部地区转移,“十三五”时期(2016—2019年)东部、东北和西北大部分省份均处于相对有效区,相对有效省(市)从1997年的9.68%提升至2019年的67.74%。从空间演变趋势可以看出,综合效率在时空上呈现以东部沿海发达地区为主,并逐期向东北-中部-西北发展的变化格局。从各区域相对有效省(市)的变化情况来看,东部沿海发达地区由于拥有较高的农业生产要素,近年来其生产率提升空间十分有限,随着农业技术向内陆欠发达地区的推广,西北地区综合效率的提升非常显著,但是仍有部分省(市)受限于土地的自然禀赋,农业种植开发难度较大,综合效率未显现出增加趋势。

表4 1997—2019年中国各省市综合效率相对有效情况Table 4 Relative efficiencies of provinces and cities of China from 1997 to 2019

从表5可以看出,相对无效区非期望产出和投入方面都存在不同程度的冗余,说明环境污染排放量大、资源过度消耗是其综合效率低下的主要原因。从总体情况来看,造成综合效率损失的主要因素集中在第一产业从业人员、农膜使用量和碳排放量。其中第一产业从业人员冗余率最高,除安徽、天津、浙江、内蒙古外,劳动力过剩成为大部分地区综合效率的提升障碍,尤其是东北和西部地区,由于较高的农业从业率和较低的转移速率,劳动力过剩现象较为凸显; 其次农膜的大量使用,造成西部干旱地区农膜污染问题较为突出,农膜用量过大导致土壤性状发生改变、土壤结构遭到破坏、危害作物生长,从而造成粮食作物减产; 再者是农业面源污染和碳排放,冗余率较高的省份主要集中在广东、福建、海南、广西、陕西等东部和西部地区,尤其是东部沿海发达地区,随着农业产业集约化程度不断提升,较高的化肥、农膜使用冗余率造成了碳排放增多,加上特殊的地理自然条件,较高的化肥、农膜流失率导致面源污染问题严重。总体而言,各投入产出指标对不同地区产生的影响程度存在差异,东北地区(第一产业从业人员、农膜使用量和农药使用量)、东部地区(第一产业从业人员、农膜使用量、碳排放量)、中部地区(化肥折纯量、第一产业从业人员和碳排放量)、西部地区(农膜使用量、第一产业从业人员、碳排放量)应从相应方面改善农业发展模式,从而因地制宜地提升粮食的绿色生产效率。

表5 中国粮食绿色全要素生产率投入产出冗余表Table 5 Input and output redundancy of grain green total factor productivity in China

2.4 粮食绿色全要素生产率空间关联性分析

为研究我国粮食绿色全要素生产率空间集聚情况,运用等距离法选取6个年份,借助GeoDa软件建立Queen一阶权重矩阵,通过重复随机排列法计算莫兰全局自相关指数(Moran’sI)和其检验值。

从表6可知,综合效率的全局莫兰指数在1997年、2001年不显著,从2005-2019年,综合效率的莫兰指数通过显著性检验,处于0.16～0.25,说明从2005年起我国粮食绿色全要素生产率具有显著的空间正相关性,表现出较为明显的空间集聚特征,且空间集聚性在不断增强。

表6 1997—2019年中国粮食绿色全要素生产率莫兰全局自相关指数和检验值Table 6 Moran’s I global autocorrelation index and test value of grain green total factor productivity in China from 2005 to 2019

为了表现局部空间集聚特性,运用综合效率和其滞后向量建立坐标系,由于2005年前全局莫兰指数不显著,故此处绘制2005年、2009年、2013年和2019年共4个年份的Local Moran’sI散点图(图2),以探究各年份局部空间类型。其中,呈空间正相关的一、三象限分别代表高-高、低-低聚类,而呈空间负相关的二、四象限分别代表低-高和高-低聚类。通过分析可知,2005年和2019年处于空间正相关的省份占总样本的64.52%和74.19%,表明我国粮食绿色全要素生产率的局部空间异质性在逐渐减小,空间集聚程度不断增强。

为了进一步探究局部范围的空间集聚情况,采用LISA集聚分析研究各省市的空间集聚类型。由表7可知,研究期内存在明显空间相关性的省份较少,同时集聚性较强的省份较为稳定地分布在我国中西部和南部地区。从集聚类型来看,主要以湖北、重庆、贵州等中部和西南地区的高-高集聚为主,表明我国粮食绿色生产主要呈现出高效率区域集聚的特征,这些地区与周边省份的粮食生产活动联系密切,高聚集中心对区域综合效率发挥着辐射带动作用,其中重庆、贵州的空间集聚稳定性最高。因此,同为西南地区的云南在2005年呈低-高集聚的特征,湖北在中间3个年份也呈现相同聚类。同时,由于临近沿海发达地区,2009年到2019年海南成为唯一的低-低集聚省份。

表7 2005-2019年中国粮食绿色全要素生产率LISA集聚类型Table 7 LIAS agglomeration types of grain green total factor productivity of China from 2005 to 2019

3 结论与讨论

3.1 结论建议

本文通过生态价值评价模型分析了我国1997—2019年各省(市)耕地在粮食生产过程中产生的生态价值情况,并构建粮食绿色全要素生产率的投入产出指标体系,运用超效率SBM模型和GML指数测度我国综合效率、技术效率及技术进步情况,同时针对效率相对无效区,结合投入产出松弛量找寻损失原因和提升路径,最后运用空间相关性分析揭示我国粮食绿色全要素生产率在时空上的演变特征,得到以下结论:1)我国粮种生态价值高值区域集聚于东北和中部地区。粮食生产的生态价值在研究期内降低0.39%,损失25.41亿元。其中东北和中部地区分别增加254.10亿元和268.08亿元。受限于自然条件限制,西部地区的粮种生态价值减少95.15亿元;并且伴随市场需求和经济效益的导向,东部地区逐渐出现耕地不同程度的“非粮化”和“非农化”现象,种粮面积的缩减导致粮种生态价值减少452.44亿元。2)通过粮种环境影响分析,发现不考虑环境因素的传统全要素生产率往往会忽略粮食生产活动的正负外部性,无法准确评估我国粮食生产的真实效率水平。本文在考虑粮种生态价值、农业面源污染等环境因素后,除技术效率外,我国平均综合效率在研究期内均表现出提升态势,提升原因主要得益于技术进步。并且由于自然资源禀赋、粮食增产模式差异,东北和东部地区要优于中西部地区; 综合效率的相对有效省(市)占比从1997年的9.68%提升至2017年的67.74%; 在时空上显现出以东部沿海发达地区为主,并逐期向东北-中部-西北发展的变化格局。3)由于污染排放高、资源消耗强度大,我国综合效率相对无效省(市)占比平均达61.29%,其平均效率值为0.4338,在非期望产出和投入方面均存在不同程度的冗余。从总体来看,我国粮食绿色全要素生产率损失的主要原因为第一产业从业人员(-69.21%)、农膜使用量(-61.49%)和碳排放量(-55.91%)存在冗余。4)我国粮食绿色全要素生产率具有以高-高集聚主导的显著空间正相关性,并从2005年开始表现出逐年增强的特征。同时,以湖北、重庆、贵州等中部和西南地区主导的高-高集聚区,其粮食绿色生产效率的扩散效应显著,对临近地区综合效率的改善具有较强的辐射带动能力。

通过上述分析,本文认为:1)要进一步完善绿色发展背景下粮食生产效率的评价体系,除经济价值评价外,还应该重视粮种生态价值的变化。耕地在粮种过程中产生了大量的生态价值,农地功能的弱化将威胁到资源的可持续利用,因此要充分认识到粮食生产的正负外部性。城市发展过程中将不可避免会占用到一定的耕地资源,尤其是东部地区经济较为发达的省份,伴随市场化过程中经济作物价格的比较优势,耕地“非农非粮化”程度日益加剧,如果不严加管控,将在一定程度上威胁到我国的粮食安全。特别是在新冠疫情背景下,面对国际农产品市场供应的不确定性,维持一定的粮种面积是保证谷物绝对自给、口粮绝对安全的前提。必须充分认识到我国耕地总量少、水热资源不均和后备资源不足的现实,不能单纯地以经济效益导向决定耕地的用途,应将有限的耕地资源优先保证粮食生产,坚决杜绝耕地“非粮化”和“非农化”现象,增强粮食产品的有效供给。在大力防止农业污染的基础上,建立完善的耕地保护机制,重视耕地生态功能价值,维持一定粮种面积,进一步加强耕地生态系统的稳定性和完整性。2)由于技术进步的驱动,近年来我国粮食绿色全要素生产率得到了一定增长,但仍要认识到,还有部分省份的效率值处于相对无效状态,这意味着技术效率的拉动作用还有待提升。因此,要加强农业技术普及,降低粮种成本,激发农户积极性。粮食绿色全要素生产率在时序上表现出逐渐增强的空间集聚性,尤其是中西部地区的技术带动作用逐渐显现,建议进一步发挥以重庆、贵州和湖北为中心的生产效率高值区的辐射带动作用,打通先进粮种技术的传播通道,在加大农业基础设施建设和生产机械补贴的同时,还要依据不同粮食生产功能区的粮产情况,给予相适应的地方财政补助,努力降低农业生产成本,激发农民的种粮积极性。3)从我国粮食绿色全要素生产率的冗余率情况来看,限制因素多集中于第一产业从业人员、农膜使用量和碳排放量。因此,面对我国当前农业经济发展要求和资源环境约束,应关注提效减排和乡村高级人力资本积累。一方面,要注重资源利用效率和污染物排放量的控制; 另一方面,依托城镇化和农业现代化发展,进一步引导农村剩余劳动力转移就业,面对农村劳动力老龄化、知识水平低等问题,依照产业振兴和科技兴农要求,降低农村受教育门槛,改善农教农服质量,加大效率高值区人才向其他地区转移的政策支持力度,加强高质量农村人力资本的累积,同时通过农民职业化推动农业产业化、规模化发展,建立农民增收长效机制。

3.2 讨论

本研究探讨了我国粮食绿色全要素生产率的时空动态特征,为绿色发展背景下粮食生产效率的提升路径提供了决策依据。与已有的研究相比,因未考虑粮种生态价值,田旭等[35]和张利国等[36]计算的生产效率值略低于本研究的评价结果,但变化趋势和驱动因素相类似。同时,当前粮食绿色全要素生产率测算的指标选取依据尚不统一,产出指标多以单一的粮食产量为主。随着生态经济理论的发展,有必要将更多相关的生态指标纳入到核算体系中,从而增强研究的科学性与精准性。并且本文的研究仍存在一些限制与不足,有待进一步的讨论:1)本文考量了粮种过程中的生态价值及产生的环境负效应,进一步丰富了粮食绿色全要素生产率的评价体系。但受限于长时段的宏观研究视角,无法更为细致地测算各地区的生态价值差异,需要进一步从微观尺度完善加强。2)本文从静态视角通过超效率SBM模型解决了决策单元有效但无法评价的限制,从动态视角通过GML指数拆分了技术效率和技术进步的内部变化情况,但粮食绿色全要素生产率的变化同时受到多种外在客观因素的共同影响,对于宏观政策和技术环境的影响机制研究还有待深入。