我国粮食主产区粮食生产生态效率评价研究*

李雪，顾莉丽，李瑞

(吉林农业大学经济管理学院，长春市，130118)

0 引言

作为农业大国，我国始终将“三农”问题放在重要位置，在国家政策支持下，我国农业经济水平不断提高，粮食生产现代化发展也得以稳步前进。多年来粮食生产效率虽大幅提高，但粮食生产的生态环境变化却未得到应有的重视。2019年我国粮食总产量达到663 840 kt，单产达5 720 kg/hm2，稳居世界前列。2019年我国农业化肥投入量为54 040 kt，施用强度为325.7 kg/hm2，相较近10年的农业化肥施用量和施用强度已有所降低，但仍是欧盟的2.3倍，美国的2.4倍，远超世界平均水平；2019年我国农药投入量为1 390 kt，施用强度为8.4 kg/hm2，同化肥投入一样，虽与我国往年相比有所下降，但仍是世界平均水平的2倍。2015年国家农业部印发了两个指导性文件——《到2020年农药使用量零增长行动方案》和《到2020年化肥使用量零增长行动方案》，2015年之后我国农药化肥的使用量确是有所下降，但相较于国际水平仍属过量使用。我国作为产粮大国，在提高粮食产量的同时也应考虑生态环境问题对粮食安全和粮食作物可持续种植的影响，协调经济、资源与环境之间的关系。粮食生产生态效率是兼顾粮食产量和生态环境的综合效率，因此，研究我国粮食生产生态效率的现状、成因及其影响因素，对于发展绿色可持续的粮食生产具有重要意义。

1 文献综述

1.1 关于农业生态效率的研究

生态效率是衡量经济、社会、环境和资源之间协调发展的重要指标，最早由德国学者Schaltegger和Sturm[1]于1990年提出，2007年，我国学者周震峰[2]发表了“关于开展农业生态效率研究的思考”一文，之后国内越来越多的学者开始从多角度对农业生态效率进行研究，并取得丰硕的研究成果。吴小庆等[3]以盆栽水稻试验为例，运用超效率DEA模型对4种水稻的生态效率进行评价，结果表明不同品种水稻的生态效率与其氮肥利用效率具有一定正相关性。潘丹等[4]使用非期望产出SBM模型测算了中国30个省(市、自治区)1998—2009年的农业生态效率，认为中国农业生态效率的整体水平仍较低，主要是由过度消耗资源和排放大量污染物所导致。洪开荣等[5]利用DEA模型测算了我国30个省(市、自治区)2005—2013年农业生态系统的整体效率和各个子系统的效率，并对各效率值的变化趋势做收敛性检验，从而找出农业生态效率的主要影响因素，并对农业生态效率的提升路径进行了深入探索。王宝义等[6]以我国31个省(市、自治区)为研究对象，使用DEA模型对31个省(市、自治区)1996—2015年的面板数据进行测算，得出各省(市、自治区)的农业生态效率并分析其省际差异，进而用Tobit模型找出我国农业生态效率的主要影响因素。刘华军等[7]对中国30个省(市、自治区)2001—2015年的农业生态效率做实证研究，认为可以通过避免农机动力浪费、推进土地轮作休耕、加强农业碳排放管控等方式，协同提升区域农业生态效率。柏振忠等[8]采用SBM模型和Tobit模型对民族地区1999—2017年的面板数据进行测算，得出民族地区农业生态效率，进而探讨了影响民族地区农业生态效率的因素。

1.2 关于粮食生产生态效率的研究

在农业生态效率的研究取得了丰富的研究成果后，近几年开始有学者将目光聚焦到粮食生产上来，开始对粮食生产生态效率进行研究。管美佳[9]以我国31个省(市、自治区)2000—2015年的面板数据，建立基于水足迹的粮食生产函数，运用SFA模型测算各省(市、自治区)的粮食生产生态效率及蓝水、绿水和灰水效率并分析其影响因素。鲁庆尧[10]运用SBM模型测算了1990—2015年我国31个省(市、自治区)的粮食种植生态效率，并对其动态演进进行分析。陈宝珍等[11]运用SBM-DEA模型对我国31个省(市、自治区)2006—2015年的粮食生产生态效率进行测算并提出改善路径。鲁庆尧等[12]运用SBM模型对我国2000—2018年的粮食生产生态效率进行测算和分析，并进行了PS收敛检验。匡远配等[13]基于2005—2018年26个省份的面板数据，结合水足迹理论和SFA模型对各省份样本期的粮食生产生态效率进行测算，进而探究了农地流转对粮食生产生态效率的影响。鲁庆尧等[14]测算了2000—2019年省级粮食种植生态效率，在考虑区域间空间效应的基础上研究其影响因素。

1.3 研究评述

通过梳理已有文献可以发现，我国关于农业生态效率的研究多以整个农业部门为研究对象，针对粮食生产生态效率的研究较少，且关于粮食生产生态效率研究的研究范围多为全国31个省(市、自治区)，鲜少以13个粮食主产区的粮食生产生态效率为研究对象。国家粮食局2019年的统计数据显示，我国约79%的粮食产自13个粮食主产区，在此现实背景下，选择粮食主产区作为研究对象，运用SBM-DEA模型，考虑面源污染和碳排放两方面的非期望产出，对我国13个粮食主产区的粮食生产生态效率进行测算并对结果进行横向比较，进一步分析粮食生产生态效率的影响因素，能更好地反映我国粮食生产生态效率的现状，从而为确保我国粮食生产增效、生态环境改善提供参考依据。

2 指标选取、模型构建与数据来源

传统的粮食生产效率反映的是粮食生产对所投入资源的利用程度，而粮食生产生态效率不仅能反映粮食生产过程中对资源的利用程度，还能够反映粮食生产对农业生态环境的影响程度。不同于工业生产，粮食生产存在一定的随机性，从整体角度来看，可以认为粮食生产是各种投入要素综合作用的结果。在实际的粮食生产过程中，资源要素的投入与粮食的产出不存在线性关系，例如随着化肥使用量的增加，其对粮食增产的正向作用逐渐减弱，如果化肥过量使用导致土壤结构被破坏，那么化肥的使用还有可能对粮食增产产生负向作用。所以在测算粮食生产生态效率时，需要运用适当的数学模型来尽可能准确地反映粮食生产过程中，要素投入、粮食产出以及环境非期望产出的关系。

2.1 指标选取

粮食生产生态效率的测算兼顾了粮食生产过程中所产生的资源消耗、经济效益及生态损耗，通过借鉴粮食生产生态效率[15]和农业生态效率[6， 16]方面已有研究，在生态经济理论、生态农业理论和可持续发展理论等生态效率相关理论的指导下，综合考虑粮食生产过程中的资源消耗、经济效益及生态损耗，最终选取以下指标作为本研究中粮食生产生态效率的投入、期望产出和非期望产出指标，构建指标体系(表1)。

表1 粮食主产区粮食生产生态效率测算指标体系

所选取的投入指标中仅粮食作物播种面积在现有数据中可直接获得，粮食生产所投入的劳动力、有效灌溉面积、化肥、农药、农膜、机械总动力和柴油都无法直接获取数据，其中劳动力仅能获取第一产业劳动力数据，其他6个指标仅能获取整个农业的数据(这里的农业是指狭义的农业，也就是种植业)，因此该研究将借助农业产值占农林牧副渔产值的比值和粮食作物播种面积占农作物总播种面积的比值进行折算。产出指标中仅期望产出(粮食产出)的指标数据可直接获取，非期望产出中面源污染的指标污染排放量和碳排放的指标碳排放量均无法直接获取数据，需要通过计算获得。

粮食生产过程中的面源污染主要包括化肥流失、农药污染和农膜残留，所以

污染排放量=化肥流失量+农药污染量+

农膜残留量

=化肥投入量×化肥流失率+

农药投入量×农药污染率+

农膜投入量×农膜残留率

其中化肥流失率、农药污染率和农膜残留率参照吴小庆等[17]和赖斯芸等[18]的研究，分别设置为65%、50%、10%。

农业碳排放分为直接碳排放和间接碳排放，直接碳排放是指由农用机械消耗燃油和使用化肥、农药、农膜所产生的碳排放，间接碳排放是指由粮食生产过程中所使用的电能转化和农用品运输所产生的碳排放。所涉及的粮食生产过程中的碳排放指的是直接碳排放，主要来自化肥、农药、农膜、农用柴油和农业灌溉，对碳排放量的处理方式参照车丽娟[19]的方法，碳排放量T=∑Ti=∑Ei×δi,其中Ti表示来自第i种碳排放源的碳排放量，Ei表示第i种碳排放源的使用量，δi表示第i种碳排放源的碳排放系数(表2)。

表2 碳排放系数

2.2 模型构建

使用SBM-DEA模型测算我国13个粮食主产区的粮食生产生态效率，该模型由Tone Kaoru[15]于2001年提出。与传统DEA模型相比，非径向、非角度的SBM模型结果中包含了无效率测量的松弛变量，而且SBM模型同时从投入和产出两个角度进行测算，基本原理如下。

s.tXλ+s-=x0

s-≥0,sg≥0,su≥0,λ≥0

s-——投入松弛矩阵；

sg——期望产出松弛矩阵；

su——非期望产出松弛矩阵。

SBM模型的评价结果中包括综合技术效率(TE)、纯技术效率(PTE)和规模效率(SE)，其中规模效率通过SE=TE/PTE得到。综合技术效率是对决策单元在资源利用与配置等多方面水平的综合评价，生态效率值就等同于综合技术效率值，当值为1时，说明决策单元处于生产前沿面，即生产是有效的；纯技术效率是对当前科技和组织管理水平的评价，当值为1时，说明投入要素在当前技术条件下是有效的。规模效率是对决策单元生产规模有效水平的评价，当值为1时，说明决策单元处于最优规模状态。

2.3 数据来源

样本数据为2010—2019年的面板数据，所涉及的变量数据均来自2011—2020年的《中国统计年鉴》《中国农村统计年鉴》及13个粮食主产区的地方统计年鉴。其中农作物总播种面积、粮食作物播种面积、有效灌溉面积、农业机械总动力和粮食产量来源于《中国统计年鉴》，柴油投入量、化肥投入量、农药投入量和农膜投入量来源于《中国农村统计年鉴》，劳动力人员数量来源于各省(区)的统计年鉴。

3 粮食主产区粮食生产生态效率整体情况分析

以我国13个粮食主产区为研究对象，选取2010—2019年13个粮食主产区的面板数据，使用MaxDEA8 Ultra软件中的SBM-Undesirable模型测算13个粮食主产区在样本期内的生态效率，同时使用该软件中的DEA-BCC模型测算13个粮食主产区样本期内不考虑非期望产出的生产效率。

对比考虑非期望产出的粮食生产生态效率与不考虑非期望产出的粮食生产效率(图1)，2010年我国13个粮食主产区的生态效率均值为0.64、生产效率均值为0.86；到2019年生态效率均值上升至0.80、生产效率均值上升至0.94；样本期2010—2019年期间，生态效率的整体均值为0.709、生产效率的整体均值为0.899。可以看出，将粮食实际生产过程中产生的面源污染和碳排放等非期望产出纳入到评价体系中测算出的生态效率明显低于不考虑非期望产出的粮食生产效率，综合考虑经济效益和环境效益的生态效率更能反映现实生产状况。因此，主要对基于非期望产出的SBM-Undesirable模型测算的粮食生产生态效率进行分析。

图1 2010—2019年13个粮食主产区的粮食生产效率均值和生态效率均值

从图1可以看出，2010—2019年13个粮食主产区的粮食生产生态效率和生产效率总体均呈上升趋势，其中生态效率呈波动上升趋势，生产效率呈稳定上升趋势。根据2010—2019年13个粮食主产区的粮食生产生态效率的变化趋势，分成3个阶段进行分析。第一阶段(2010—2012年)，此阶段生态效率呈波动上升趋势，生态效率均值先从2010年的0.64上升至2011年的0.70，后下降到2012年的0.67，与2010年比，2012年增加了4.69%；生产效率均值从2010年的0.86上升至2012年的0.89，增加了3.49%。本阶段国家对于农业发展的政策支持不断加大，包括加强农业生态环境污染治理、统筹城乡发展、发展“两型”农业等。这些支持政策有力地推动了粮食生产生态效率的提高，所以本阶段生态效率的涨幅高于生产效率的涨幅，但政策实施的有利效果在实施初期还不稳定，因此生态效率呈波动上升趋势。第二阶段(2013—2016年)，此阶段生态效率呈平稳上升趋势，生态效率均值从2013年的0.72上升至2016年的0.75，增加了4.17%；生产效率均值从2013年的0.90上升至2016年的0.92，增加了2.22%。本阶段国家中央一号文件多次提到资源环境协调发展的现代化农业，制定并推行了控制农药和化肥使用的指导性方案，推动了我国粮食主产区粮食生产生态效率水平的提高，但农药和化肥使用的严格管控导致部分主产区的粮食产量有所下降，因此本阶段粮食生产的生态效率和生产效率的涨幅均较低；第三阶段(2017—2019年)，此阶段粮食生产的生态效率呈大幅度上升趋势，生态效率均值从2017年的0.70上升至2019年的0.80，增加了14.29%；生产效率均值从2017年的0.89上升至2019年的0.94，增加了5.62%。本阶段2017年生态效率均值低于2016年是由于部分地区在控制农药和化肥的使用后没能提高对农药和化肥的利用率导致粮食产量下降，为了提高粮食产量这些地区增加了农药或者化肥的使用(并未违背国家印发的关于控制农药和化肥使用的指导性文件，文件中要求单位防治面积农药使用量控制在近3年平均水平以下到2020年争取实现农药使用量零增长，化肥使用量年增长率控制在1%以内到2020年争取实现化肥使用量零增长)；本阶段后期生态效率上升并创新高，主要是因为各粮食主产区提高了农药化肥利用率，在保证粮食产量的情况下减少了农药和化肥的使用，同时在国家各种有利政策的推动下，使得各粮食主产区的粮食生产生态效率整体得到改善，生态效率达到有效的省份从2010年的2个增加到2019年的7个。

4 粮食主产区粮食生产生态效率省际差异性分析

SBM-Undesirable模型测算的结果包含粮食生产的生态效率、纯技术效率、规模效率，样本期内13个粮食主产区的粮食生产生态效率见表3，样本期内13个粮食主产区粮食生产生态效率、纯技术效率、规模效率均值对比见图2。

表3 2010—2019年13个粮食主产区的粮食生产生态效率

图2 2010—2019年13个粮食主产区粮食生产生态效率、纯技术效率、规模效率均值

由表3可以看出，13个粮食主产区的粮食生产生态效率存在较为明显的空间差异，各主产区在不同年份的粮食生产生态效率均有所不同。根据研究结果将13个粮食主产区按照其2010—2019年粮食生产生态效率均值划分成3个效率组：高效率组(0.9以上)、中效率组(0.6～0.9)和低效率组(0.6以下)。高效率组包括：吉林省、黑龙江省、江西省、湖南省、四川省；中效率组包括：内蒙古自治区、河南省、湖北省；低效率组包括河北省、辽宁省、江苏省、安徽省、山东省。3个效率组的粮食生产生态效率均值分别为0.946、0.673、0.492。

高效率组中5个粮食主产区的粮食生产生态效率在样本期内均有多个年份达到有效(强有效——松弛变量均为0，通过测算结果得知本结果中达到有效的决策单元均为强有效)，且2019年均达到有效，其他年份虽未达到有效，但都处在较高效率水平，同时这5个粮食主产区的纯技术效率和规模效率也都处于较高水平，说明相对于其他粮食主产区，这5个省份在保证粮食产量的同时，兼顾了粮食生产过程中生态环境的协调。在中效率组中，内蒙古自治区的粮食生产生态效率一直处于稳步上升的趋势，并在2016年和2019年达到有效，这说明自从国家实施西部大开发战略以来出台的一系列发展生态农业的支持政策颇具成效；河南省的粮食生产生态效率在2010—2018年期间一直处于缓慢增长态势，在2019年突然有了大幅增长并达到有效，对比2018和2019年各粮食主产区的投入产出指标数据可以看出，2019年河南省除化肥和劳动力两项投入指标较高、其他投入指标均有所降低，这是其粮食生产生态效率陡然升高的主要原因，但从图2可以看出，河南省的纯技术效率和规模效率水平都不高，虽然在2019年各效率值均达到有效，但不排除其他因素对结果的影响，河南省在发展生态农业方面仍需加大其支持力度；湖北省的粮食生产生态效率在样本期内一直呈稳定小幅增长趋势，同河南省相似，其纯技术效率和规模效率水平都不高，均有较大改善潜力。

低效率组中，辽宁省的纯技术效率水平较高，但规模效率水平较低，说明辽宁省的粮食生产生态效率水平不高主要是由于其生产资料配比规模无效导致的；河北省、江苏省、安徽省和山东省的规模效率都处于较高水平，纯技术效率较低，说明这4个粮食主产区的粮食生产生态效率水平不高主要是由于其技术运用水平不高导致的，说明其在技术运用方面的水平远低于其他粮食主产区。

由表3可知，高效率省份主要分布在北部和南部地区，低效率组主要分布在中部地区。其原因可能在于，北部高效率省份有松花江流经，南部高效率省份近长江流域，自然资源禀赋较中部地区优渥，中部地区虽有黄河流经，但是满足不了中部地区粗放的生产方式。

5 粮食主产区粮食生产生态效率损失分析

SBM-DEA的测算结果中包含各粮食主产区全部投入和产出指标的松弛变量。其中，投入和非期望产出的松弛变量用负数表示，期望产出的松弛变量用正数表示。根据松弛变量可以计算出各粮食主产区的投入和非期望产出的冗余率以及期望产出的不足率，某一指标的冗余率或不足率等于松弛变量的绝对值比上该指标的初始值，计算结果如表4所示。

表4 2010—2019年13个粮食主产区粮食生产投入和产出的冗余率或不足率

根据表4可知，2010—2019年13个粮食主产区粮食生产投入指标的冗余率均值为20.08%，非期望产出指标的冗余率均值为25.12%，期望产出指标的不足率均为0%，说明投入冗余和非期望产出冗余是导致我国粮食主产区粮食生产生态效率整体水平不高的主要原因。各主产区在提高粮食生产生态效率时可根据本地区的实际情况减少投入冗余和非期望产出，通常降低投入冗余会直接或间接地减少面源污染和碳排放等非期望产出。但是减少投入也可能会导致期望产出相应减少，所以不能简单地“哪里冗余减哪里”，应当因地制宜、有所侧重。这里可以借鉴Kuo等[20]的思路，如果多数地区需要通过增加或减少某些指标来提高农业环境效率，那么这些指标对于提高农业发展总体效率相对来说更为重要，也可以为未来发展和改进政策的制定提供参考。结合本研究，该思路可以理解为，某一地区在某一指标的冗余率较高，且在该指标上冗余的地区较多，则说明这一指标是提高该地区粮食生产生态效率的重点。

高效率组中的5个省份(吉林省、黑龙江省、江西省、湖南省和四川省)在投入和非期望产出方面的冗余率都较低，其中吉林省、黑龙江省、湖南省和四川省在劳动力方面的冗余率相对于在其他指标的冗余率而言最高，江西省在机械动力方面的冗余率相对于在其他指标的冗余率而言最高，说明若要提高粮食生产生态效率，吉林省、黑龙江省、湖南省和四川省可优先考虑优化劳动力投入，江西省可优先考虑优化机械动力方面的投入。中、低效率组中8个省份的两个非期望产出指标均存在较大冗余，且这8个省份均有多个不同投入指标的冗余率较高，其中在劳动力、机械动力、化肥、农药和农膜方面冗余的省份较多且冗余率较高，说明若要提高粮食生产生态效率，这些省份可以优先考虑降低非期望产出，优化劳动力和机械动力投入，提高化肥、农药和农膜的利用率，从而减少在这些指标方面的投入。

6 结论与政策建议

6.1 结论

采用SBM-DEA模型对我国13个粮食主产区的粮食生产生态效率进行测算，并对结果进行整体情况分析、省际差异性分析和效率损失分析，得出以下结论。

1) 2010—2019年13个粮食主产区的粮食生产效率均值从0.86稳定上升至0.94，样本期内整体均值为0.899；粮食生产生态效率从0.64波动上升至0.80，样本期内整体均值为0.709。可以看出，考虑非期望产出的粮食生产生态效率值整体明显低于不考虑非期望产出的粮食生产效率值。粮食主产区粮食生产生态效率整体偏低，主要是由于部分地区没有实现高效绿色发展，生态效率水平较低，且低效率地区与高效率地区差距较大，各粮食主产区生态效率不均衡。

2) 根据研究结果将13个粮食主产区按照其2010—2019年粮食生产生态效率均值划分成高效率组、中效率组和低效率组，3个效率组的效率均值分别为0.946、0.673.0.492，且高效率省份主要分布在北部和南部地区，低效率省份主要分布在中部地区。相对于其他粮食主产区，高效率组的纯技术效率和规模效率水平都较高，样本期内整体均值分别达到0.970和0.978。中、低效率组的纯技术效率和规模效率水平至少有1个较低，其中，中效率组样本期内纯技术效率和规模效率的整体均值分别为0.853和0.797，低效率组样本期内纯技术效率和规模效率的整体均值分别为0.584和0.882。总体来看，多数粮食主产区在粮食生产过程中的资源利用效率水平不高。

3) 投入冗余和非期望产出冗余是导致我国粮食主产区粮食生产生态效率整体水平不高的主要原因。高效率组中的5个省份在投入和非期望产出方面的冗余率都较低，其中所有投入指标冗余率整体均值为3.15%，2个非期望产出指标的冗余率整体均值为3.89%；中、低效率组中8个省份的2个非期望产出指标均存在较大冗余，2个非期望产出指标的冗余率整体均值为38.38%，且这8个省份均有多个不同投入指标的冗余率较高，所有投入指标冗余率整体均值为30.65%，其中在劳动力、机械动力、化肥、农药和农膜方面冗余的省份较多且冗余率较高。

6.2 政策建议

1) 推动各粮食主产区绿色、均衡、高效发展。绿色是指在生产过程中尽可能做到无害、无污染，因此政府要大力提倡使用绿色有机肥，在治理病虫害时鼓励使用物理技术，减少农药投入；均衡是指同步各粮食主产区的粮食生产生态效率，鼓励高效率地区的优质资源和技术向低效率地区转移，同时注重低效率地区的环境问题；高效是指依靠科技进步提高粮食主产区粮食生产的综合效率，增加科学技术研究投入，提高科学技术水平，不仅能提高粮食生产综合效率，还能帮助降低粮食生产成本，提高我国粮食在国际市场中的竞争力，从而增加农民收入。

2) 提高资源利用效率，降低面源污染和碳排放。总的来看，当前我国粮食主产区的粮食生产生态效率水平不高，主要就是因为资源的过度消耗和粮食生产过程中产生的面源污染和碳排放。粮食生产劳动力冗余率较高的地区可以采取适当措施促进劳动力合理分布，鼓励农村过剩劳动力转移就业；对于水资源有冗余的地区，为了提高水资源的利用效率，应当大力发展并推广节水的灌溉方式；粮食生产对农药、化肥、农膜等化学资源的使用虽然已经逐步减少，但仍远超国际水平，国家仍然需要对这方面进行严格管控；机械动力和柴油投入冗余率较高的地区应当注重农业的有机发展，推动农业机械技术与现代生物技术同步发展；通过减少农药化肥农膜的使用并结合测土配方等技术合理施肥用药，降低粮食生产的面源污染；通过采用低碳农机代替高碳农机等手段降低碳排放。

3) 农业补贴政策兼顾经济和环境双重效益。政府在农业方面的政策目标应当从产量导向逐步转向质量导向，不仅关注农业生产的经济效益，也要关注农业生产的环境效益，可以推出和环境保护相关的农业补贴政策，比如，对于有效防治或减轻农业污染的生产者给予奖励性补贴。在这种补贴政策的激励下，粮食生产者就会合理投入各种生产资料，而不是为了增产不惜损害生态环境，粮食生产生态效率也会得到提高。