不同农田整治模式对耕地生产和生态价值的影响——基于玉门市部分农户的实证分析

高慧敏，程文仕

（甘肃农业大学管理学院，兰州 730070）

0 引言

耕地为人类提供不可或缺的生存资源，长期以来为保障粮食安全和社会稳定发挥着重要作用[1]。人们对于耕地资源功能的认知，从单一功能逐渐向多功能转变[2-3]，各功能间既相互独立也相互联系，既可能相互制约又可能相互促进[4]。农田整治是促进耕地多功能利用的重要手段，对于耕地面积的增加、质量的提高、国家粮食安全和生态安全的保障具有重要意义[5]。2020 年中央一号文件提出实施全域土地综合整治，对土地整治中耕地资源的生产和生态价值的提高提出了新的更高要求。

近年来，学者们对土地整治中耕地价值的研究主要集中在对耕地生产价值和生态价值的影响方面。杜心栋[6]认为通过改善耕地配套基础设施和改良土壤2种方式，均能提高耕地质量和产能；汪箭[7]认为农用地整治对耕地生产价值有一定的正向影响；吴勇、吴兆娟等[8-9]认为土地整治可以提高耕地质量，进而提高耕地的生态价值；李岩等[10]认为土地整理的实施对项目区的生态质量存在有利或有害的影响。这些研究，较多的是根据不同主体，从政府主导和农户主导对农田整治进行研究[11-12]，主要是从耕地的生产、社会和生态的单一价值来分析农田整治对耕地产生的影响，目前还没有针对河西走廊地区的农田整治模式对耕地生产和生态价值影响的研究报道。河西走廊是典型的内陆河流域、灌溉农业区，以往的农田整治注重提高耕地的生产价值，很少考虑盐碱化、沙化土地治理等生态修复问题，致使耕地地力下降，影响粮食产能。鉴于此，本文选取河西走廊地区的玉门市黄闸湾镇黄花营村，利用问卷调查数据，根据区域实际情况，设计出不同的农田整治模式，采用收益还原法和当量因子修正法分别计算耕地生产价值和生态价值，再利用DID（双重差分）模型、OLS（最小二乘法）模型和面板（Panel Data）模型的DID 计算不同农田整治模式对耕地生产和生态价值的影响以及耕地生产价值对生态价值的影响，进而研究不同的农田整治模式对耕地生产和生态价值的影响和差异性，比选出较优农田整治模式，为更好地实施土地整治提供参考和借鉴。

1 研究区概况与数据来源

1.1 研究区概况

玉门市黄闸湾镇黄花营村（97°05′33″~97°15′34″E，40°28′47″~40°27′10″N），地处河西走廊西端，总面积1 055.45 hm2。该区地势平坦，平均海拔1 370.59 m；属大陆性荒漠气候，年平均降水量61.9 mm，年蒸发量2 952 mm，年平均温度6.9 ℃，温差大，无霜期130 d；区域的灌淤土土体深厚，土壤的通透性较好，耕作层有机质17.80 g/kg，土壤PH 值为8.69，水溶性全盐0.56 g/kg；主要作物有小麦、玉米、棉花、大麦、葵花、甘草等；区域属疏勒河昌马灌区，农业灌溉用水主要由昌马支渠供水。农田整治项目实施前区域土地利用现状如图1 所示。

图1 土地利用现状图

1.2 数据来源与出处

本研究数据来源于此项目区以及周边未整治区的农户问卷调查数据。2019 年12 月课题组在黄花营村以及周边未整治村进行了实地调研。针对高标准农田主导型模式，抽取3 个村民小组进行面对面的问卷调查，共调查281 户，实际收到有效问卷265 份，其中未整治区123 份，整治区142 份。针对生态修复型主导型模式，以村民座谈会交流并填写问卷的形式进行农户调查，在整治区随机抽取2 个村民小组进行问卷调查，共发放问卷103 份，实际收到有效问卷87 份。

2 研究方法

2.1 不同农田整治模式设计

在有限的资金投入下，各项工程的建设内容、形式和标准不尽相同，就必然形成不同的建设模式。针对区域实际，从不同的角度规划设计出高标准农田主导型、生态修复主导型2 种典型模式。

2.1.1 模式A：高标准农田主导型。建设高标准农田对于农业综合能力的提升、农村的协调发展和国土空间的优化具有重要的意义[13]。根据区域实际情况，设计出高标准农田型模式（图2a），该模式以灌溉与排水、田间道路工程为主导。共规划设计改建斗渠5 条（总长9 495.6 m），改建农渠99 条（总长47 092.5 m），改建田间道17 条（总长8 549 m），改建生产路60 条（总长21 669.1 m），栽种新疆杨34 195 株。

2.1.2 模式B：生态修复主导型。土地整治在服务生态文明建设中扮演着重要角色[14]，根据区域实际情况，设计出生态修复主导型模式（图2b），该模式以盐碱化治理（改良土壤）、栽种防护林为主导。共规划设计土壤改良工程使用过磷酸钙861 569 kg、羊粪20 977 m3、拉运河沙71 173.05 m3、拖拉机深翻板结地4 994 625 m3，栽种农田防风林62 982 株，改建田间道17 条（总长8 549 m），改建生产路60 条（总长21 669.1 m）。

图2 典型农田整治模式规划方案

2.2 收益还原法

耕地生产价值的核算采用收益还原法，是目前国内普遍采用的方法[15]，计算公式[5]如下：

式中，VC为生产价值；L 为生产年净收益；r 为还原率；n 为使用期限；W 为生产收入；C 为生产成本；A为农业生产实际耕种面积；ai、qi、pi分别为第i 种农作物的播种面积、单位面积产量和价格；c1、c2、c3依次表示农户在每公顷耕地上投入的流动资本、固定资本和劳动力。

2.3 当量因子修正法

耕地生态价值的测算采用当量因子修正法，谢高地等[16-18]在Contanza 等[19]的研究基础上，对当量因子进行修正测算耕地生态服务价值。公式如下：

式中，Y 为研究区修正后的耕地生态价值当量因子；x1为研究区平均粮食单产；x2为全国平均粮食单产；Z 为中国陆地生态系统中农田的单位面积生态价值当量因子；Ea 为1 单位当量因子的价值量；mi为i种农作物的播种面积；pi为研究区i 种农作物的平均价格；qi为i 种农作物的单产；M 为n 种粮食作物播种总面积；V 为耕地的生态价值。

2.4 双重差分模型（DID 模型）

双重差分模型（DID 模型）由周黎安和陈烨[20]在2005 年引入，本文利于该模型研究不同农田整治模式对耕地生产和生态价值的净影响，模型如下：

式中，i 为个体；t 为时间；T 为时间变量，Tit=0 表示整治前，Tit=1 表示整治后；D 为实验分组，Dit=0 表示对照组，Dit=1 表示实验组；X 为控制变量；α0、α1、α2、β、α3为相应变量的系数；β 为双重差分估计量（对生产和生态价值的净影响）；ui为个体i 不随时间变化的固定特征；εit为随机扰动项。

如果实验时间与分组是完全随机的，即E(ρ│E)=0(ρ=u+ε)，最小二乘法（OLS 模型）也能够给出β 的一致估计，直接采用OLS 模型即可：

但实际情况很难实现完全随机，如果E(ρ│E)≠0，E(ε│E)=0，首先采用面板模型以得到对参数的一致估计[20]，再利用豪斯曼检验确定采用随机或固定效应面板模型DID，得到参数的一致估计。

2.5 OLS 模型

采用普通最小二乘法分析不同农田整治模式的耕地生产价值和生态价值之间的关系，公式如下：

式中，Yi为耕地生态价值的对数值；Fi为农田整治因素；Xit为控制变量；α、β、γ 为变量系数。

3 结果与分析

3.1 描述性分析

3.1.1 不同农田整治模式对耕地生产价值影响的描述性分析。根据问卷调查数据，研究区的大田作物主要是大麦、玉米和向日葵，以此3 种农作物分析农田整治对耕地单产的影响。首先对样本数据进行分析，结果表明该检验宜采用非参数独立样本检验。

（1）整治区与未整治区对耕地生产价值的影响。从总体样本Mann-Whitney U 检验结果看，3 种农作物的产量显著增加，均通过了1%的显著性水平检验。从整治区与未整治区耕地投入产出情况看，整治区的3 种农作物产量均比未整治区的产量高，其中玉米产量增加最多，每亩增加25.31 kg。相对于未整治区，整治区耕地的生产价值对数值显著增加，生产经营成本显著降低，且二者均通过了1%的显著性水平检验，结果有效。

（2）整治区整治前后的耕地生产价值的变化。从整治区耕地投入产出情况看，整治后3 种农作物的单产都有一定的增加，其中玉米产量增加最为显著（增加30.51 kg/亩）。整治后耕地生产价值对数值比整治前增加了0.05，耕地生产成本降低了0.02（3 种农作物产量、生产价值对数值、生产成本均通过了1%的显著性水平检验，结果有效）。

（3）模式A 整治前后耕地生产价值的变化。从模式A 的耕地投入产出情况（整治前=0，整治后=1）看，整治后3 种农作物的单产显著增加（每亩分别增加19.26 kg、51.02 kg、11.48 kg）。整治后耕地生产价值对数值比整治前增加了0.07，耕地生产成本降低了0.02（均通过了1%的显著性水平检验，结果有效）。

（4）模式B 整治前后耕地生产价值的变化。从模式B 耕地投入产出情况（整治前=0，整治后=1）看，整治后3 种农作物的单产有一定的增加（每亩分别增加5.0 kg、10.0 kg、2.49 kg）。整治后耕地生产价值对数值比整治前增加了0.04，耕地生产成本降低了0.01（均通过了1%的显著性水平检验，结果有效）。

由此可见，不同农田整治模式对耕地单产和生产价值均具有一定的正向提升作用，也都能降低耕地经营成本，但模式A 比模式B 对耕地单产和生产价值的提升幅度大，降低的生产成本高，从耕地生产价值变化看，模式A 更优。

3.1.2 不同农田整治模式对耕地生态价值影响的描述性分析。（1）整治区与未整治区对地态价值的影响。从总体样本Mann-Whitney U 检验结果看，耕地生态价值对数值通过了1%的显著性水平检验。从整治区与未整治区耕地生态价值情况看，整治区生态价值对数值比未整治区高0.05，表明农田整治能够促进耕地生态价值的提高。（2）整治区整治前后的耕地生态价值的变化。从整治区整治前后耕地生态价值情况看，整治后耕地生态对数值比整治前增加了0.09，且通过了1%的显著性水平检验，表明农田整治能够显著提升耕地的生态价值。（3）模式A 整治前后的耕地生态价值的变化。从模式A 的耕地生态价值（整治前=0，整治后=1）看，整治后耕地生态对数值比整治前增加了0.09，且通过了1%的显著性水平检验，表明模式A 对提升耕地的生态价值有正向影响。（4）模式B 整治前后的耕地生态价值的变化。从模式B 的耕地生态价值（整治前=0，整治后=1）看，整治后耕地生态对数值比整治前增加了0.13，且通过了1%的显著性水平检验，表明模式B 对耕地的生态价值有显著的正影响。

由此可见，不同农田整治模式对耕地生态价值均具有一定的正向提升作用，但模式A 的耕地生态价值对数值较模式B 提升幅度小0.04，从耕地生态价值变化看，模式B 更优。

3.2 计量分析

由于耕地生产价值和生态价值的影响因素较多，描述性分析不能够全面识别其他影响因素的影响，需要进一步采用计量模型进行分析。

3.2.1 DID 模型的适用性分析。DID 模型的使用需要满足一定的假设[21]，研究中数据主要来源于社会调查，所形成的实验组和处理组数据不能完全随机，需要对可能影响农田整治的前提条件进行DID 模型的适用性检验（组间差异检验）。根据河西走廊农田整治实践，选取耕地面积、耕地灌溉条件、土壤肥沃程度和田间道路运输条件4 个变量进行组间差异检验。通过正态性分析，宜采用非参数独立样本检验，结果如表1所示，耕地面积、耕地灌溉条件和田间道路运输条件没有差异，土壤肥沃程度有一定的差异。采用农田整治二元选择模型Logit 回归，回归结果如表2 所示，4个变量对是否进行农田整治均没有显著性影响，均没有通过显著性水平检验，说明本研究实验分组具有近似随机性。

表1 整治区与未整治区农户样本的非参数独立样本检验

表2 “是否进行农用地整治”的二元选择模型估计结果

3.2.2 不同农田整治模式的耕地生产价值的变化。（1）变量选择与统计描述。利用DID 模型分析农田整治对耕地的生产价值的净影响，参照汪箭等[7]的研究成果，根据区域实际情况，被解释变量确定为耕地生产价值和耕地经营成本；解释变量选择是否进行农田整治和农田整治模式；控制变量包括受访者的性别、年龄等8 个变量（表3），区域变量特征见表3。（2）模型分析。为准确分析农田整治对耕地生产价值的影响，首先采用OLS 模型对参数进行差分估计（模型1 未加入控制变量，模型2 加入控制变量），其结果（表4）可以看出加入控制变量和未加入控制变量的估计结果相似，进一步说明本研究实验分组的近似随机性。

表3 耕地生产价值主要变量说明和统计描述

表4 农田整治效果的OLS 估计结果

将整治区农户样本作为实验组，未整治区农户样本作为对照组，分析农田整治对耕地生产价值的影响。差分估计结果显示，在生产价值方面，模型1 和模型2交互项系数均为0.013，即耕地生产价值对数值的净增值为0.013，且通过了1%的显著性水平检验，说明农田整治对耕地生产价值产生显著的正影响；在经营成本方面，交互项系数分别为-0.008 和-0.009，即耕地经营成本对数值的净影响为-0.008 和-0.009，且均通过了10%的显著性水平检验，说明对耕地的经营成本有显著的负影响。

分别将模式A 和模式B 的样本作为实验组，周边未实施农田整治的样本作为对照组，比较不同模式对耕地生产价值的影响。差分估计结果显示，模式A 能够显著提高耕地生产价值，降低耕地经营成本；模式B对耕地的生产价值具有显著的正影响，但是对耕地经营成本影响不显著。

将模式A 的样本作为实验组，模式B 的样本作为对照组，比较2 种模式之间的差异。耕地生产价值差分估计结果显示，交互项系数为负，且通过了1%的显著性水平检验，净影响值为-0.022，说明模式A 比模式B 更优；耕地经营成本差分估计结果显示，交互项系数为正，且通过了5%的显著性水平检验，模型1 和模型2 的影响值分别为0.014 和0.013，说明模式B 在降低经营成本方面更优。

为了解决模型的内生性问题带来的误差，采用豪斯曼检验分析，显示宜采用固定面板效应模型差分估计，其结果（表5）可以看出，农田整治能够显著提高耕地生产价值并降低耕地经营成本；从不同模式来看，模式A能对耕地生产价值产生显著的正向影响，对耕地经营成本产生显著的负向影响，但模式B 对两者的影响均不显著；从2 种模式的对比结果看，模式A 更能提高耕地的生产价值并降低经营成本，即模式A 优于模式B。

表5 农田整治的固定效应面板模型DID 估计

由此可见，在提高耕地生态价值方面，模式A 优于模式B。主要原因是，模式A 注重道路和灌溉等农田基础设施的建设，使得耕地生产成本降低较模式B更明显；模式B 注重土壤的改良，土壤熟化需要一定的时间，即具有“政策滞后性”。这一研究结果与描述性分析一致，符合区域实际情况。

3.2.3 不同农田整治模式的耕地生态价值的变化。（1）变量选择与统计描述。参照相关研究成果，根据区域实际，将耕地生态价值、生产价值变化作为被解释变量；是否进行农田整治和农田整治模式为解释变量；受访者的性别、年龄等13 个变量作为控制变量（表6）。（2）模型分析。采用OLS 模型和DID 模型对参数进行差分估计，对农田整治的耕地生产价值变化进行分析（模型1 未加入控制变量，模型2 加入控制变量）。结果（表7）可以看出，2 种模型对交互项系数的估计值略有差异，但均大于0，OLS 估计值较为可靠；2种模型的DID 交互项系数分别为0.098 和0.063，与未整治区相比，农田整治带来的耕地生态价值对数值的净增值分别为0.098 和0.063，并通过5%的显著性检验，结果有效；2 种模型都对耕地的生态价值的提升有显著的正影响；2 种模型的交互项估计参数为正，且通过了显著性水平检验，即在提升耕地生态价值方面，模式B 优于模式A。

表6 耕地生态价值主要变量说明和统计描述

由此可见，不同农田整治模式的耕地生态价值均有所提高，主要原因有：农田整治后耕地面积的增加，使得耕地生态价值提升；农田整治后单产增加、农作物价格的上涨等因素，使得单位当量因子增加，进而提高耕地生态价值。模式B 优于模式A，主要原因是：未建设灌溉渠系，没有因为渠系等建设占用耕地，不会对土渠两旁的防护林造成影响。这一研究结果符合区域实际。

3.2.4 耕地生产价值对耕地生态价值的影响。采用OLS差分估计，分析耕地生产价值对生态价值的影响（被解释变量为耕地生态价值对数值，解释变量为耕地价值变化情况，控制变量包括受访者的性别、年龄等，表7）。结果显示（表8）交互项系数为0.012，加入控制变量的拟合度优于未加入控制变量的拟合度，且耕地价值变化均通过5%的显著性检验，说明耕地生产价值对耕地生态价值有显著的正影响。

表7 耕地生态价值估计

表8 耕地生产价值对生态价值影响的OLS 估计

3.3 农田整治模式比选

分别将模式A 和模式B 的耕地生产价值、生态价值、经营成本，以及生产价值对生态价值影响的交互项系数相加，得到2 种模式的综合作用值分别为0.056 3和0.074 0，可以看出，模式B（生态修复主导型模式）总体上优于模式A（高标准农田主导型模式）。

4 讨论与结论

4.1 讨论

4.1.1 本研究是基于有限投入资金支持下，不同农田整治模式对耕地生产、生态价值的影响研究，可以看出在提高耕地生产价值和生态价值方面，高标准农田主导型模式和生态修复主导型模式各有优势，在资金足够支持的情况下，应该实施全域土地综合整治，更好地发挥土地整治的基础性作用。

4.1.2 在未来河西走廊土地整治中，需继续加大对农田的投资建设力度；注重生态修复主导型土地整治模式的设计和实践；因地制宜的设计实施符合区域实际的农田整治模式，力求实施全域土地综合整治。

4.1.3 本文总结并规划设计出了高标准农田主导型、生态修复主导型2 种农田整治模式，从大的理念上凸显出不同整治模式的差异，但设置模式较为笼统，未能从不同的土地整治工程建设内容及其方案的角度，更深入设计和分析不同农田整治模式的差异，需要在今后的研究中进一步细化深入。

4.2 结论

4.2.1 不同农田整治模式对耕地的生产价值均具有显著的正影响。高标准农田主导型模式较生态修复主导型模式对耕地生产价值的净影响值高0.020，在降低耕地经营成本方面前者比后者高0.015，高标准农田主导型模式更能提高耕地的生产价值。

4.2.2 不同农田整治对耕地的生态价值具有显著的正影响，但高标准农田主导型模式较生态修复主导型模式对耕地生产价值的净影响值小0.053，生态修复型主导型模式更能提高耕地的生态价值。

4.2.3 耕地生产价值的提高对耕地生态价值具有显著的正影响，高标准农田主导型模式的综合作用较生态修复主导型模式小0.017 7，生态修复主导型模式优于高标准农田主导型模式。

4.2.4 今后的土地整治中，应转变观念，将传统的注重耕地生产价值提升的高标准农田主导模式转变为注重生态价值提升的生态修复主导模式，确保提高耕地的生产价值和生态价值。