中国农业绿色发展指标体系构建及其“十四五”趋势预判

苏 凯，孟海波，张 辉

中国农业绿色发展指标体系构建及其“十四五”趋势预判

苏 凯1,2，孟海波1，张 辉1※

（1. 农业农村部规划设计研究院，北京 100125；2. 福建农林大学安溪茶学院，福州 350002）

构建农业绿色发展评价指标体系有利于定量评价中国农业绿色发展水平，为实现路径探索、政策制定等提供有益参考。基于此，该研究在充分理解农业绿色发展科学内涵的基础上，综合考量系统性、数据可得性等原则，构建了中国农业绿色发展评价指标体系。而后应用熵值法、主成分分析法和层次分析法等分别计算各指标权重值，同时基于组合赋权法求出各指标最终综合权重值，对2007—2019年中国农业绿色发展水平进行评价。在此基础上，应用灰色Verhulst模型预测“十四五”时期的发展趋势。研究结果显示：2007—2019年中国农业绿色发展水平总体上呈稳步上升趋势且逐渐迈向绿色发展路径；“十四五”中国农业绿色发展将进入快车道，农业绿色发展综合指数将达到77.9，比2019年提高了11.67%；“资源节约与高效利用”与“政策支持与科技支撑”指标是影响中国农业绿色发展的重要指标。因此，各级政府应将其作为后续施政重点，以稳步推进农业高质量绿色发展，助力农业现代化进程。

农业；绿色发展；Verhulst模型；复合指标体系；组合赋权法；高质量发展

0 引 言

农业绿色发展是新发展理念在农业领域的具体体现，是实施乡村振兴战略的重要引领，也是促进乡村产业振兴、实现农业高质量发展的必由之路，更是探索具有中国特色的新型农业现代化道路的必然选择，对保障国家粮食安全、资源安全以及生态安全具有重要意义[1]。因此，开展农业绿色发展评价指标体系构建及其综合评价研究，有助于挖掘提升农业绿色发展的困点、难点和堵点，也可为政府机构在制定推进农业绿色发展有关政策时提供有益参考。

农业绿色发展是为了改变过去不可持续的发展模式，实现绿色发展新阶段，从而有力地保障国家粮食安全、优质农产品有效供给和社会经济可持续发展[2-3]。国内外学者己经就农业绿色发展有关议题做了众多有益探索。国外学者主要围绕有机农产品、有机农业发展政策和农业可持续发展评估等方面[4-9]，而国内学者则主要围绕农业绿色发展内涵、农业绿色全要素生产率测度及发展路径等方面进行探讨，进而寻求农业永续发展[10-14]。在指标体系构建方面，目前国际上最具代表性的评价指标体系包括经合组织（Organization for Economic Co-operation and Development，OECD）[15]、联合国环境规划署[16]和韩国主导成立的全球绿色增长研究所（Global Green Growth Institute，GGGI）[17]等建立的框架体系，这些指标体系从资源与环境、经济和社会发展等诸多方面对绿色发展进行监测与评估。然而，上述指标体系的指标项目经常缺乏相应的统计数据或指标体系过于繁杂难以进行定量评价，且缺乏对特定行业（如农业）建置相应评价指标体系及实证分析，无法直接应用于中国农业绿色发展评价。为此，中国学者就此展开了研究[18-19]。例如，张建杰等[20]以“食物生产-加工-消费”全链条为边界，构建了一套中国农业绿色发展的指标体系。肖华堂等[21]则探讨了农业绿色发展水平与效率的耦合协调性。黄少坚等[22]构建了一套4个一级指标和21个二级指标的农业绿色发展指标体系，并对此展开初步评估。总体而言，中国农业绿色发展指标构建和定量评价方法仍不够成熟[23]，有待进一步完善和优化。深入分析现有文献可以发现已有研究仍有如下三点值得进一步探讨：1）现有文献对农业绿色发展指标体系的建构主要借鉴农业可持续发展评价指标体系进行有益探索，虽然两者之间有很大关联，但不能直接照搬[24]，需结合新发展阶段中国农业绿色发展的内涵进一步深入探讨。例如，已有研究成果中鲜有将“碳”元素考虑在内。实际上农业领域在减缓气候变化影响中扮演特殊角色，它既是温室气体重要的排放源，又是一个巨大的碳汇系统，还是受气候变化影响最敏感的领域之一，从而给粮食供应、粮食价格和农民收入带来潜在风险。当前，中国已提出“2030碳达峰·2060碳中和”目标，这对中国农业绿色发展提出了新的更高的要求。这意味着，推进农业绿色发展理应将“碳”元素考虑在内，以凸显其在应对气候变化中所起重要的作用。2）现有研究大多采用单一途径获取指标权重，如层次分析法（Analytic Hierarchy Process，AHP）、熵值法等，所获取的权重值易于出现客观数据支撑不足或存在极端主/客观偏向性等问题。3）科学合理预测中国农业绿色发展趋势，对于落实农业绿色发展具体措施、开展具体行动具有重要意义，但已有文献也较少涉及该部分内容。

鉴于此，在分析农业绿色发展内涵的基础上，以监测和评价农业发展的绿色化过程为重点，综合考虑中国国情及数据可得性等原则，筛选适当指标项目，构建符合中国国情特色的农业绿色发展监测指标系统。而后采用AHP、熵值法（Entropy）和主成分分析法（Principal Component Analysis，PCA）测算出主客观权重，以组合赋权法计算各指标综合权重，由此计算农业绿色发展综合指数，检视2007—2019年中国农业绿色发展水平；在此基础上，应用灰色Verhulst模型预测“十四五”中国农业绿色发展趋势，以期为新时期背景下的农业绿色转型及供给侧改革提供决策参考。

1 农业绿色发展评价指标体系构建

1.1 评价指标选取

与传统发展方式不同，农业绿色发展在关注粮食安全的同时，还关注“生态环境”与“人”的可协调性和永续性，也涉及经济社会、人文景观等诸多复杂因素[25]。目前学术界对农业绿色发展的定义尚未统一。借鉴已有文献[1-2,11,14,26]，本研究尝试将其定义为：农业绿色发展是指在资源环境承载的界限内，农业发展过程中充分利用农业生态资源，以资源节约高效利用为基本特征，以生态环境保护为根本要求，以生产绿色优质农产品为重要目标，以提高人民生活福祉为最终目的的一种人与自然和谐共生的最优价值生命共同体的新发展模式。为此，本研究在借鉴现有文献评价框架体系的基础上，结合前述对农业绿色发展内涵的理解，以监测和评价农业发展的绿色化过程为重点，并综合考虑指标的系统性、可获得性和连续性等原则，建立了包括“自然资源与生态安全”“资源节约与高效利用”“高质产品与生活富裕”和“政策支持与科技支撑”四项要素层面构建中国农业绿色发展评价指标体系，以此检视中国农业绿色发展水平。

1）自然资源与生态安全。农业自然资源一般是指在农业生产过程中可利用的自然环境要素，包括土地资源、水资源、生物资源和气候资源及其各要素之间相互联系、相互制约组成的有机整体。农业自然资源是农业发展的基础，农业绿色发展在很大程度上依赖于农业自然资源的持续利用。因此，丰富的农业自然资源存量，较强的生态承载能力奠定了农业绿色发展的基石。

2）资源节约与高效利用。该指标强调某一区域生产和消耗的绿色程度越高，意味着该地区资源消耗、温室气体和污染物排放越少，则越有利于农业持续健康发展，进而有利于经济和环境的和谐发展。

3）高质产品与生活富裕。农业是人类社会的衣食之源，生存之本，是支撑整个国民经济不断发展与前进的保证。农业绿色发展在促进农民持续增收的同时，可生产绿色优质食品，进而提高人类生活水平。因此，推进农业绿色发展，其始终目的是为了提高人类社会福祉，是保障人类持久利益和生活质量的重要基础。

4）政策支持与科技支撑。政策制定、创新投入与绿色技术水平及环境污染治理可以促进农业绿色发展。农业绿色发展强调包容性，突出增加对“人”的关注，因此有必要将农民收入、健康和教育水平等作为衡量社会产出的重要方面。

综上所述，本研究的“农业绿色发展评价指标体系”由4项一级指标和35项二级指标构成，具体如表1所示。表1最后一栏依据不同指标定义与性质，分别呈现正向（用符号“+”表示）与负向（用符号“-”表示）的绿色发展意义。正向指标表示指标值与绿色发展呈正向关系，即该指标值越大，绿色发展水平越高；反之，表示指标值与绿色发展呈反向关系，即该指标值越小，绿色发展水平越高。

1.2 指标数据来源、权重确定及指数计算模型

1.2.1 数据来源及处理

基于数据可得性和统一性，本研究所用数据来源于国家统计局线上数据库（https://data.stats.gov.cn/）、《中国环境统计年鉴》《中国农村统计年鉴》《中国农业统计年鉴》《绿色食品统计年报》《中国水利公报》《全国科技经费投入统计公报》、FAO数据库等，个别缺失数据采用线性插值[27]与灰色预测[28]相结合的方法补齐。由于所获取的35项指标存在计量单位不一致问题，为使指标具备可比性，本研究采用极差标准化法[18-19]对原始数据进行标准化处理。

1.2.2 研究方法

权重计算方法大致可分为两大类：主观赋权法，如AHP、专家评估法等，这些方法基于专家/决策者先前的经验和偏好等信息来确定各指标权重；另一类以数据为基础确定权重，称为客观赋权法，例如熵值法和PCA等。由于专家/决策者的个人水平、经验、偏好不同等原因，在评测过程中难免存在主观性，使得权重结果不尽相同，进而影响最终评价结果。另外，虽然运用Entropy、PCA等客观赋权法可以解决主观性带来的影响，但使用该类方法的前提是具有相应的数据支撑且有时评价结果会与实际情况相悖，具有一定的局限性。因此，在进行指标权重确定时，本研究建议采用主客观赋权法相结合的“组合赋权法”来确定权重，孙炜琳等[19]也与本研究的观点一致。德尔菲法（Delphi method）具有匿名性、多次反馈等特点，能够消除专家彼此之间的干扰[29]。为此，本研究充分利用专家对主客观赋权法的经验和学识，对3种方法（Entropy、PCA和AHP）的重要性进行赋权，以平衡3种主客观权重的优缺点，提高评价结果的准确性。

表1 中国农业绿色发展评价指标体系

1）熵值法计算权重值。熵值法（Entropy method）是通过计算指标的离散程度，再借助信息熵计算各指标的权重值[30]，具体计算公式如下：

信息熵

权重值

式中和分别表示有个评价对象和个评价指标；B表示计算第个指标下第个评价对象的指标值的比例，其中=1, 2, …,；=1, 2, …,。

2）PCA计算权重值。PCA是通过对指标进行相关性判定，确定一组互不相关的综合指标，求取该组综合指标的方差贡献率及载荷矩阵，最终对指标进行归一化处理指标权重。本文借助SPSS26.0进行因子分析，获取一组互不相关的主成分因子及相应的特征根、方差贡献率和因子载荷值，在此基础上求取各指标权重，具体计算公式如下[31]：

式中为主成分个数，g为第个主成分的方差贡献率，P为第个主成分第项指标的因子载荷值，为第个主成分的特征值。

3）AHP计算权重值。AHP是将与决策有关的元素分解为目标层、准则层与方案层，并为此构建相应的判断矩阵，进行定性和定量分析的一种决策方法。借助yaahp10.3软件，本文首先构建判断矩阵，随后求取指标排序权重值并进行一致性检验，最后进行指标权重值的计算。具体计算步骤可详见文献[32]，本文不再赘述。

4）组合赋权法（Combination weighting method）计算权重值，计算公式如下：

式中D表示基于组合赋权法计算得到的第个指标的综合权重值，A、E和P分别表示由AHP、Entropy和PCA求取的权重值，0.38、0.29和0.33 表示随机选取了10位专家通过Delphi对AHP、Entropy和PCA这3种方法的重要性进行赋权的均值。

5）确定综合指数。采用线性加权求和法计算农业绿色发展综合指数。计算公式为

式中G表示第年农业绿色发展指数，X和ω分别表示经标准化处理后的第个无量纲指标和第个无量纲指标的权重。

6）灰色Verhulst模型。传统的灰色预测模型GM(1,1)主要适用于具有强指数律的序列，只能描述单调变化过程，导致其预测精度不高。Verhulst模型则能够弥补传统GM(1,1)预测模型在预测精度方面的不足，对非单调序列或饱和S型序列具有较强的预测能力[33]，该方法通过平均绝对百分比误差（Mean Absolute Percentage Error，MAPE）来检验模型预测精度[28]，<10%、10%～20%、>20%～50%、>50%分别代表优秀的、良好的、合理的、不适当的预测能力。由于Verhulst模型的建模过程较为复杂，限于篇幅，本文不再赘述，具体原理、建模过程等可参考文献[28]。

2 结果分析

2.1 指标权重值分析

各指标综合权重值如表2所示。由表2可知，综合了3种主客观权重值之后，中国农业绿色发展评价指标的重要性前五依序为湿地覆盖率（7，0.043）、碳基础生产力（8，0.042）、环境保护支出强度（29，0.039）、环境污染治理投资强度（31，0.038）与单位面积优质农产品数量（26，0.034）。其中，有2项指标属于“政策支持与科技支撑”。再结合前10项指标可以发现，属于“自然资源与生态安全”和“政策支持与科技支撑”的指标分别占3项和4项。值得注意的是，与绿色优质农产品有关指标的权重值均排在前列，可见其在农业绿色发展中的重要性。这意味着在后续政策制定中，要进一步完善健全绿色优质农产品生产的有关政策，促进其高质量发展，进而推进农业绿色发展。

表2 各指标权重值

注：PCA为主成分分析法；Entropy为熵值法；AHP为层次分析法。

Note: PCA is principal component analysis; Entropy is entropy method; AHP is analytic hierarchy process.

2.2 农业绿色发展分项综合指数分析

依据公式（5）计算出2007—2019年中国农业绿色发展4项一级指标综合指数，如图1所示。由图1可以看出，2007—2019年，4项一级指标综合指数的变化趋势并不完全一致。总体上，政策支持与科技支撑指数（4）提升最大，这与国家出台系列政策、不断加大研发经费及涉农经费投入有很大关系。例如，2007年全国农林水事务支出仅为3 404.7亿元，2019年增加至22 862.8亿元，增长了572%。环境保护支出强度（29）、研究与试验发展（R&D）经费投入强度（32）均有不同程度的提升，分别从2007年的0.37%和1.37%增加至2019年的0.75%和2.23%，分别增加了103.18%和62.77%。

自然资源与生态安全指数（1）呈增长态势，从2007年的5.22提升至2019年的16.81。其中，森林覆盖率（2）维持在20.4%以上；水土流失治理强度（4）明显提升，2019年全国水土流失治理强度达到16.20，较2007年提升了4.42个百分点；湿地覆盖面积也不断增加，全国湿地覆盖率（7）从2007年的4.54%增加至2019年的6.32%。可见，丰富的农业自然资源存量与较强的生态承载能力能够奠定农业绿色发展的基石。

资源节约与高效利用指数（2）略有增长，从2007年的17.05提升至2019年的23.85，增加了39.88%。其中，单位农业产值耗水量（10）下降幅度最大，从2007年的1 195.99 m3/万元下降至2019年的485.71 m3/万元；另外，碳基础生产力（8）也有明显下降趋势，从2007年的1.65 t/万元下降至2019年的0.68 t/万元，下降幅度达到97.60%。

高质产品与生活富裕指数（3）也有明显提升，从2007年的2.30提升至2019年的11.03，年均增长29.2%。其中，农村居民可支配收入（25）快速增加对高质产品与生活富裕指数提升有重要贡献。2007年全国农村居民可支配收入仅为4 327元，2019年增加至16 021元，增长了270%；单位面积优质农产品数量（26）从2007年的1.40个/万hm2增加至3.04个/万hm2，增加了116.54%；人均绿色食品可食用量（28）也不断提升，从2007年的0.06 t/人增加至2019年的0.12 t/人，增长97.70%。

从一级指标各方面来看，资源节约与高效利用指数最高，而高质产品与生活富裕指数最低，其余两项指数居中。2007—2019年，全国资源节约与高效利用指数均值为21.42，高质产品与生活富裕指数均值仅为6.77，两者相差了14.65；自然资源与生态安全和政策支持与科技支撑两项指标指数均值分别为11.49和13.27。该结果说明，绿色优质农产品供给不足是中国农业绿色发展面临的挑战之一，需坚持质量兴农、绿色兴农，积极开展新“三品一标”提升行动，大力发展绿色、有机、地理标志农产品生产，加快将农业生态环境优势转化为经济效益优势。

2.3 农业绿色发展综合指数分析

依据公式（5）计算出2007—2019年中国农业绿色发展综合指数，如图2所示。

由图2可以看出，农业绿色发展综合指数由2007年的26.20上升至2019年的70.76，年均涨幅达到13.08%。具体而言，2008—2010年均涨幅达到19.2%，该时期国家相关政策文件偏向通过夯实农业基础设施建设，促进农业发展以及农民增收，将资源要素更多向农村配置，农业生产方式得到很大转变，使得农业绿色发展逐步提升。2011 —2013年中国农业绿色发展的增长幅度明显加快，综合指数从42.48提升到59.52，增幅达到40.18%。2012年中央一号文件聚焦“农业科技创新”，提出依靠科技促进农业增产增收、提质增收、节本增收，这提高了“资源节约与高效利用”，合理利用了“自然资源与生态安全”来发展农业。而2013年政策聚焦“现代农业”，通过创新“新型农业经营主体”，进一步提高“资源节约与高效利用”。2014—2016年农业绿色发展继续稳步上升，其中2014年增长幅度达到了4.0%，综合指数从59.52上升至61.92。2014年国家延续2013年政策，继续聚焦“农业现代化”，夯实农业基础地位。同时首次推出农业“一二三产融合”策略，通过延伸农业产业链，提高农业附加价值，提高农民收入，最终反哺农业绿色发展。自2017年《关于创新体制机制推进农业绿色发展的意见》发布以来，中国先后出台了一系列促进农业绿色发展的重要政策，例如通过完善健全有关机制、建立农业绿色发展先行区、强化科学技术支撑能力等重要举措，进一步推动农业发展向绿色化迈进。数据显示：2017、2018和2019年中国农业绿色发展综合指数分别提升了4.5%、1.8%和5.1%，高于2013—2016年的平均水平，该结果与上述政策实施不无关系。

此外，灰色Verhulst模型预测结果显示：模型的MAPE为4.485%，根据模型检验标准，MAPE<10%的预测结果为优秀，具体预测结果如图2所示。由图2可以看出，到“十四五”末（2025年），中国农业绿色发展综合指数将达到78.36，相较于2019年提高了11.67%。这意味着后续若持续优化完善有关政策和措施，中国农业绿色发展水平一定能够开创农业发展的新局面。例如，2021年8月，农业农村部等6部门联合印发《“十四五”全国农业绿色发展规划》（简称《规划》）明确要求“以构建绿色低碳循环发展的农业产业体系为重点，到2025年农业减排固碳能力明显增强”。该《规划》是中国首部农业绿色发展专项规划，为“十四五”期间中国农业绿色发展提供了发展思路和方向。由此可预知，绿色技术将加快研发及应用，诸如农业作物绿色增产增效技术、绿色低碳种养结构与技术等绿色技术不断推广及应用，农业面源污染防治和农业生态保护修复水平不断提高，“十四五”期间中国农业绿色发展必将进一步加速推进。

3 结论与建议

3.1 结 论

本研究首先构建中国农业绿色发展评价指标体系，接着运用组合赋权法计算农业绿色发展指标权重，分析2007—2019年中国农业绿色发展水平；在此基础上，采用灰色Verhulst模型预测“十四五”期间的农业绿色发展趋势，旨在为新时期背景下的农业绿色转型及供给侧结构性改革提供决策参考。主要研究结论如下：

1）从一级指标来看，资源节约与高效利用（2）权重最高，高达0.386，其次是政策支持与科技支撑（0.223）、自然资源与生态安全（0.212）和高质产品与生活富裕（0.179）。未来农业绿色发展必然以资源节约高效利用为基本特征，兼顾绿色可持续发展和高质量发展，以政策支持与科技支撑为新动能，最终实现人与自然和谐共生的最优价值生命共同体的新发展格局。

2）从二级指标来看，权重较高的指标从高到低依次为湿地覆盖率（7）、碳基础生产力（8）、环境保护支出强度（29）、环境污染治理投资强度（31）与单位面积优质农产品数量（26）、研究与试验发展（R&D）经费投入强度（32）等。上述指标是4项一级指标中比较有代表性的指标，能够直接反映影响农业绿色发展水平的因素。在新发展阶段下，从这些层次进行发展转型，走绿色低碳循环发展道路，不仅有利于推进生态文明建设和乡村振兴，也可促进农业提质增效和农民增收致富。

3）从综合指数来看，2007年以来中国农业绿色发展水平呈稳步上升趋势，资源利用水平不断提高，农业生态环境系统持续改善，农业高效发展取得成效。四项一级指标中，资源节约与高效利用指数均值最高，而高质产品与生活富裕指数均值最低。所以，政府应进一步加强农业面源污染防治，有效提升农产品产地环境质量，加大绿色优质农产品供给，促进农业绿色发展水平不断提升。

3.2 建 议

基于以上分析，本研究据此提出有关建议作为推进中国农业绿色发展的有益参考。

1）进一步健全完善农业绿色发展体制机制。一方面要修订完善、补充和制定农业生态环境保护及修复、农业投入品管理、畜禽养殖场污染防治和排放标准、绿色农业农药化肥使用标准、农村厕所改造及粪污处理标准规范[34]等有关农业绿色发展的法律法规和标准。另一方面，应按照农业绿色发展要求，坚持“谁受益谁补偿”的原则，积极探索与“碳交易市场”有效接轨，建立市场化、多元化的农业生态补偿机制。例如，健全碳排放权抵消机制，充分发挥碳市场在生态建设、修复和保护中的补偿作用，引导碳交易履约企业和对口帮扶单位优先购买贫困地区农业碳汇项目产生的减排量。制订相关的农业减排固碳技术规程与补贴制度，建立资源节约、高效利用、经济合理的农业生产模式，增强农业生产对气候变化的适应能力，助力碳达峰、碳中和目标实现。此外，在健全绿色标识产品清单制度的基础上，建立生态交易平台。比如，农民通过休耕或其他绿色生产方式生产出的农业生态产品经第三方权威认证并核算后，这些产品的生态增值部分可在生态交易平台中经交易转化为现金。这不仅有助于形成农业绿色发展和农民增收互相促进的良性机制，也有利于激发农民保护生态环境、绿色生产的参与性和积极性。

2）进一步强化农业绿色发展科技支撑。科技创新是加快推进“十四五”期间农业绿色发展的关键，是农业绿色发展的动力源泉，是降低资源消耗及提高资源使用的有效手段。有研究表明采用“茶-草-牧”生态茶园种植模式能有效改良土壤肥力，使土壤有效养分和酶活性不同程度提高，进而改善茶园土壤微生物菌群结构，提高其生物多样性，最终不仅提高了资源利用率，也使茶叶产量和品质整体提升[35]。此外，深入开展农业碳达峰、碳中和理论研究，积极探索农业碳中和的实现途径与配套技术，是新时代赋予农业绿色发展的新命题。因此，建议政府应加大科研投入，引导各类科研院校、企业等加强绿色关键技术攻关，以纾解“卡脖子”难题。例如，开展抗高温、耐旱、低碳排放和高养分利用效率的作物品种选育，从源头提高资源利用率和降低碳排放强度；研发农业碳减排增汇技术，提升农业减排固碳能力；研发推广与当地资源环境承载力相适应的种养技术模式，研制节水灌溉、耕地保育等绿色设施装备，打造全产业链农业绿色配套技术，以期在保护农业生态环境的同时提高资源节约与高效利用。

综上所述，本研究对农业绿色发展评价指标体系构建及量化测度进行了有益探讨，可作为后续相关研究的参考案例。然而，农业绿色发展是一个系统工程，各构成要素间的协调发展是关键，同时区域间还存在一定的空间聚集及分异现象，这些问题需要深入探究，我们将在后续研究中进一步分析。

[1] 中共中央办公厅国务院办公厅印发《关于创新体制机制推进农业绿色发展的意见》[EB/OL]. [2021-07-16]，http://www. gov. cn/xinwen/2017-09/30/content_5228960. htm.

[2] 隋斌，董姗姗，孟海波，等. 农业工程科技创新推进农业绿色发展[J]. 农业工程学报，2020，36(2)：1-6.

Sui Bin, Dong Shanshan, Meng Haibo, et al. Innovation in agricultural engineering and technology to accelerate green development of agriculture[J]. Transactions of The Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(2): 1-6. (in Chinese with English abstract)

[3] 丛宏斌，孟海波，于佳动，等. “绿色”引领下东北地区秸秆产业发展长效机制解析[J]. 农业工程学报，2021，37(13)：314-321.

Cong Hongbin, Meng Haibo, Yu Jiadong, et al. Analysis of long-term mechanism for development of straw industry in northeast China under guidance of “Green-concept”[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(13): 314-321. (in Chinese with English abstract)

[4] Donnik I, Voronin B, Loretts O. Production of organic agricultural products is an important area of “Green” economy[J]. Indian Journal of Science and Technology, 2016, 9(14): 1-5.

[5] Ghofrani Y R, Mohammad T, Ebrahim C. Organic agriculture: Food for future green consumers in Iran[J]. International Journal of Agricultural Management and Development, 2017, 7(2): 179-189.

[6] Rajabion L, Khorraminia M, Andjomshoaa A, et al. A new model for assessing the impact of the urban intelligent transportation system, farmers’ knowledge and business processes on the success of green supply chain management system for urban distribution of agricultural products[J]. Journal of Retailing and Consumer Services, 2019, 50: 154-162.

[7] Karlsson M, Hovelsrud G K. “Everyone comes with their own shade of green”: Negotiating the meaning of transformation in Norway's agriculture and fisheries sectors[J]. Journal of Rural Studies, 2021, 81: 259-268.

[8] Piao R S, Silva V L, Del Aguila I N, et al. Green growth and agriculture in Brazil[J]. Sustainability, 2021, 13(3): 1162.

[9] Talukder B, Blay-Palmer A, Vanloon G W, et al. Towards complexity of agricultural sustainability assessment: Main issues and concerns[J]. Environmental and Sustainability Indicators, 2020, 6: 100038.

[10] 叶兴庆. 以绿色托举中国农业[J]. 中国农业大学学报：社会科学版，2019，36(3)：5-8.

Ye Xingqing. To promote Chinese agriculture based on the green development[J]. Journal of China Agricultural University: Social Sciences, 2019, 36(3): 5-8. (in Chinese with English abstract)

[11] 马文奇，马林，张建杰，等. 农业绿色发展理论框架和实现路径的思考[J]. 中国生态农业学报，2020，28(8)：1103-1112.

Ma Wenqi, Ma Lin, Zhang Jianjie, et al. Theoretical framework and realization pathway of agriculutral green development[J]. Chinese Journal of Eco-Agriculture, 2020, 28(8): 1103-1112. (in Chinese with English abstract)

[12] 于法稳. 基于绿色发展理念的智慧农业实现路径[J]. 学术前沿，2020(24)：79-89.

Yu Fawen. The path of realizing smart agriculture based on the concept of green development[J]. Frontiers, 2020(24): 79-89. (in Chinese with English abstract)

[13] 刘亦文，欧阳莹，蔡宏宇. 中国农业绿色全要素生产率测度及时空演化特征研究[J]. 数量经济技术经济研究，2021，38(5)：39-56.

Liu Yiwen, Ouyang Ying, Cai Hongyu. Evaluation of China's agricultural green TFP and its spatiotemporal evolution[J]. The Journal of Quantitative & Technical Economics, 2021, 38(5): 39-56. (in Chinese with English abstract)

[14] 尹昌斌，李福夺，王术，等. 中国农业绿色发展的概念、内涵与原则[J]. 中国农业资源与区划，2021，42(1)：1-6.

Yi Changbin, Li Fuduo, Wang Shu, et al. The concept, connotation and principle of agricultural green development in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(1): 1-6. (in Chinese with English abstract)

[15] OECD (Organization for Economic Co-operation and Development). Green Growth Indicators[M]. Paris: OECD Publishing, 2014.

[16] UNEP (United Nations Environment Programme). Measuring progress towards an inclusive green economy[R]. [2021-07-16],https://www.gwp.org/globalassets/global/toolbox/references/measuring-progress-towards-an-inclusive-green-economy-unep-2012.pdf.

[17] GGGI (The Global Green Growth Institute). Moving towards a common approach on green growth indicators[R]. [2021-07-16],https://www.oecd.org/greengrowth/GGKP%20Moving%20towards%20a%20Common%20Approach%20on%20Green%20Growth%20Indicators%5B1%5D.pdf.

[18] 魏琦，张斌，金书秦. 中国农业绿色发展指数构建及区域比较研究[J]. 农业经济问题，2018(11)：11-20.

Wei Qi, Zhang Bin, Jin Shuqin. A study on construction and regional comparison of agricultural green development index in China[J]. Issues in Agricultural Economy, 2018(11): 11-20. (in Chinese with English abstract)

[19] 孙炜琳，王瑞波，姜茜，等. 农业绿色发展的内涵与评价研究[J]. 中国农业资源与区划，2019，40(4)：14-21.

Sun Weilin, Wang Ruibo, Jiang Qian, et al. Study on connotation and evaluation of the agricultural green development[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2019, 40(4):14-21. (in Chinese with English abstract)

[20] 张建杰，崔石磊，马林，等. 中国农业绿色发展指标体系的构建与例证[J]. 中国生态农业学报，2020，28(8)：1113-1126.

Zhang Jianjie, Cui Shilei, Ma Lin, et al. Construction of a green development index system for agriculture in China and examples[J]. Chinese Journal of Eco-Agriculture, 2020, 28(8): 1113-1126. (in Chinese with English abstract)

[21] 肖华堂，薛蕾. 我国农业绿色发展水平与效率耦合协调性研究[J]. 农村经济，2021(3)：128-134.

[22] 黄少坚，冯世艳. 农业绿色发展指标设计及水平测度[J]. 生态经济，2021，37(5)：125-131.

Huang Shaojian Feng Shiyan. Index design and level measurement of agricultural green development[J]. Ecological Economy, 2021, 37(5): 125-131. (in Chinese with English abstract)

[23] 孙晓，杨鹏，王虹扬. 农业绿色发展研究文献计量分析[J]. 中国农业资源与区划，2021，42(2)：1-9.

Sun Xiao, Yang Peng, Wang Hongyang. Bibliometric analysis of agricultural green development[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(2): 1-9. (in Chinese with English abstract)

[24] 张乃明，张丽，赵宏，等. 农业绿色发展评价指标体系的构建与应用[J]. 生态经济，2018，34(11)：21-24，46.

Zhang Naiming, Zhang Li, Zhao Hong, et al. Construction and application of evaluation index system for agricultural green development[J]. Ecological Economy, 2018, 34(11): 21-24, 46. (in Chinese with English abstract)

[25] Leakey R R. A re-boot of tropical agriculture benefits food production, rural economies, health, social justice and the environment[J]. Nature Food, 2020, 1: 260-265.

[26] 中国农业绿色发展研究会，中国农业科学院农业资源与农业区划研究所. 中国农业绿色发展报告2020 [M]．北京：中国农业出版社，2021.

[27] 饶莉娟，王健林，张星. 不同插值方法对精细化预报产品在青岛地区的检验比较[J]. 中国农学通报，2020，36(32)：100-108.

Rao Lijuan, Wang Jianlin, Zhang Xing. Different interpolation methods: comparison for refined forecast products in Qingdao Area[J]. Chinese Agricultural Science Bulletin, 2020, 36(32): 100-108. (in Chinese with English abstract)

[28] Zhao Y F, Shou M H, Wang Z X. Prediction of the number of patients infected with COVID-19 based on rolling grey Verhulst models[J]. International Journal of Environmental Research and Public Health, 2020, 17(12): 4582.

[29] 任吉，于佳琪. 熵权法在硕士研究生方法论课程质量评价体系构建中的应用[J]. 黑龙江高教研究，2021，39(9)：105-110.

Ren Ji, Yu Jiaqi. Application of entropy methods to postgraduates’ methodology course quality evaluation system construction[J]. Heilongjiang Researches on Higher Education, 2021, 39(9): 105-110. (in Chinese with English abstract)

[30] 李峰，孙波，王轩，等. 层次分析法结合熵权法评估农村屋顶光伏系统电能质量[J]. 农业工程学报，2019，35(11)：159-166.

Li Feng, Sun Bo, Wang Xuan, et al. Power quality assessment for rural rooftop photovoltaic access system based on analytic hierarchy process and entropy weight method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(11): 159-166. (in Chinese with English abstract)

[31] 郭松，李在留，薛建辉. 掌叶木种子及其籽油性状综合评价模型构建和优选[J]. 农业工程学报，2019，35(6)：314-322.

Guo Song, Li Zailiu, Xue Jianhui. Establishment and optimization of comprehensive evaluation model for seed and seed oil traits of Handeliodendron bodinieri[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(6): 314-322. (in Chinese with English abstract)

[32] 杨亚东，程长林，杜娅婷，等. 全国县域乡村产业发展状况及其就业带动潜力评价[J]. 农业工程学报，2021，37(13)：322-330.

Yang Yadong, Cheng Changlin, Du Yating, et al. Evaluation of national county-level rural industry development condition and its employment driving potential[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(13): 322-330. (in Chinese with English abstract)

[33] 赵安周，王冬利，王金杰，等. 京津冀城市群城市化-旅游业-生态环境耦合协调度及障碍因子诊断[J]. 水土保持研究，2021，28(4)：333-341.

Zhao Anzhou, Wang Dongli, Wang Jinjie, et al. Quantitative investigation of the interactive coupling relationship among urbanization-tourism industry-ecological environment and their obstacle factors in Beijing-Tianjing-Hebei urabn agglomeration[J]. Research of Soil and Water Conservation, 2021, 28(4): 333-341. (in Chinese with English abstract)

[34] 张辉，赵立欣，孟海波，等. 中国农村厕所改造及粪污处理标准体系研究[J]. 农业工程学报，2020，36(23)：209-214.

Zhang Hui, Zhao Lixin, Meng Haibo, et al. Study on the standard system for rural toilet construction and excrement disposal in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(23): 209-214. (in Chinese with English abstract)

[35] 江文甲，林满红，翁佩莹，等. 福建安溪县乡镇土地生态系统服务价值的演变机制[J/OL]. 应用生态学报，2021：1-11[2021-06-17]. https://doi. org/10. 13287/j. 1001-9332. 202110. 011.

Jiang Wenjia, Lin Manhong, Weng Peiying, et al. Evolution mechanism of ecosystem service value at the township-scale in Anxi Counry of Fujian Province, China[J/OL]. Chinese Journal of Applied Ecology, 2021: 1-11[2021-06-17]. https://doi. org/10. 13287/j. 1001-9332. 202110. 011. (in Chinese with English abstract)

Construction of the green development indicators for agriculture and its prediction in the 14th Five-Year Plan in China

Su kai1,2, Meng Haibo1, Zhang Hui1※

(1.,,100125,; 2.,,350002,)

The ever-increasing needs for a better life have proposed much higher requirements for agricultural development, as socialism with Chinese characteristics has entered a new era. The Agricultural Green Development (AGD) has been the re-creation under the Sinicization for the concept of sustainable development. The construction of green development indicators for agriculture can greatly contribute to quantitatively valuating the AGD level, particularly for path exploration and policy-making. Accordingly, this study aims to first construct the evaluation index system of AGD in China. Then, the entropy, Principal Component Analysis (PCA), and Analytic Hierarchy Process (AHP) were applied to calculate the weight value of each indicator. As such, a combination weighting was used to calculate the final comprehensive weight value of each indicator to evaluate the AGD level in China from 2007 to 2019. Finally, a grey Verhulst model was adopted to predict the development trend in the 14th Five-Year Plan. The findings of this study revealed that China's AGD level showed a steady upward trend, and gradually moved towards the path of green development during 2007-2019. The comprehensive index of AGD rose from 26.20 in 2007 to 70.76 in 2019, with an average annual increase of 13.08%. Among them, the comprehensive index of AGD in 2017, 2018, and 2019 increased by 4.5%, 1.8%, and 5.1%, respectively, higher than the average level from 2013 to 2016. This was because, 1) a series of important policies were released to promote the AGD in recent years, including the relevant mechanism for AGD, the national AGD pilot zones, the supporting capacity of science and technology. 2) The agricultural development was oriented towards the path of green development during policy decision-making. More importantly, the weight value of the first-level index "Resource conservation and efficient utilization" was the largest (0.386), and the rest of the three first-level indicators were ranked in descending order "Policy support and science & technology support" (0.223), "Natural resources and ecological security" (0.212) and "High-quality products and affluence" (0.179). 3) China's AGD was predicted to enter the fast lane during the 14th Five-Year Plan, where the comprehensive index of AGD reached 77.9, an increase of 11.67% over 2019. It was also found that there were much larger weight values for the indicators of energy consumption per unit of agricultural output, carbon base productivity, and R&D investment intensity. It inferred that scientific and technological innovation can be an effective way to reduce resource consumption for higher efficient use, which was the power source for AGD. Therefore, three recommendations can be addressed during this time: 1) To further improve the system and mechanism of AGD; 2) To explore diversified agricultural and ecological compensation (e.g., carbon compensation), and 3) to strengthen the tackling of key green technologies (e.g., green technology for higher production and efficiency of crops, green and low-carbon planting and breeding technology). This finding can provide potential decision-making support to promote the AGD for the construction of the evaluation index system.

agriculture; green development; Verhulst model; composite index system; combination weighting method; high-quality development

苏凯，孟海波，张辉. 中国农业绿色发展指标体系建构及其“十四五”趋势预判[J]. 农业工程学报，2021，37(20)：287-294.doi：10.11975/j.issn.1002-6819.2021.20.032 http://www.tcsae.org

Su kai, Meng Haibo, Zhang Hui. Construction of the green development indicators for agriculture and its prediction in the 14th Five-Year Plan in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(20): 287-294. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.20.032 http://www.tcsae.org

2021-08-16

2021-10-08

农业农村部规划设计研究院自主研发项目（SC202101）；福建省自然科学基金项目（2021J01650）

苏凯，博士，讲师，硕士生导师，研究方向为农业绿色发展与生态资源评价。Email：fjsk1311@163.com

张辉，研究员，研究方向为现代农业发展规划、计划及战略研究。Email：zhanghui@aape.org.cn

10.11975/j.issn.1002-6819.2021.20.032

F323

A

1002-6819(2021)-20-0287-08