低碳视角下安徽省农业生态效率时空演化及影响因素研究

李颖 陈迪琳

(安徽大学经济学院，安徽 合肥 230601)

改革开放后，我国农业通过大量投入农药、化肥、农膜等生产资料，提高了农业产出水平，但同时也带来了土壤退化等一系列环境问题。由于化肥和农药等农业生产要素的过度投入，导致碳排放大量增加，加剧了温室效应，给我国的资源与环境带来巨大压力。近年来，农业可持续发展的呼声不断高涨，中央强调必须加快推进农业生态转型，走高效、安全、环境友好的现代农业发展道路。

安徽省是我国传统的农业大省，农业资源丰富。但安徽省农业发展依然存在资源利用率偏低、碳排放水平较高、碳汇功能较弱等问题，这给农业的可持续发展带来了新的挑战。2021年4月安徽省对外发布《安徽省国民经济和社会发展第十四个五年规划和2035年远景目标纲要》，指出应大力发展低碳农业，加强城乡低碳化管理。针对日益强烈的农业碳减排需求，在低碳视角下测度并分析安徽省农业生态效率，把握其时空演变规律，对于实现安徽省农业健康可持续发展具有重要意义[1]。

1 研究方法与数据来源

1.1 研究方法

有关农业生态效率的评价方法随着研究的不断深入逐渐丰富。数据包络分析法(DEA)是目前评价业生态效率最常用的的方法，可以相对有效地评价同类型多投入、多产出的决策单元。但传统的DEA模型通常会存在投入要素“松弛”或者“拥挤”的问题，会导致计算结果不准确。Tone K[2]于2001年提出了基于松弛测度的(SBM)的DEA模型，这种模型可以克服传统DEA径向和角度的缺陷。随着环境污染问题日益严重，人们意识到从事生产活动时除了产生期望产出，同时也带来了环境污染等非期望产出，因此对基于松弛测度的(SBM)的DEA模型进行了修正，得到包括非期望产出的SBM模型。具体模型：

s.t.Xλ+s-=xk

Yλ-s+=yk

Bλ+sb-=bk

λ≥0，s-≥0，s+≥0，sb-≥0

1.2 指标体系与数据来源

本文参考袁培等[3]、黄和平等[4]的研究成果，将种植业作为研究对象，选取化肥、农药、农膜、农业机械、人力、灌溉、土地作为要素投入，笔者认为由于农业天然具有碳汇的功能，农业碳汇即通过农业种植吸收并储存二氧化碳的数量，因此农业碳汇与农业生产总值均为农业生态效率的期望产出，农业碳排放则为非期望产出，具体指标体系见表1。

表1 农业生态效率评价指标体系

本文研究的区域以安徽省16个地级市作为研究对象(2011年安徽区划调整，设县级巢湖市，隶属省会合肥，安徽省由17市调整为16市，为统一口径，将2010年的巢湖市的数据并入合肥)。模型中的数据来源于《中国农村统计年鉴》《安徽统计年鉴》。

2 安徽省农业生态效率的时空演变特征

2.1 安徽省农业生态效率测度

本文使用DEA-Solver PRO 5.0软件，利用SBM模型，测算2010—2020年安徽省农生态效率值，结果如图1所示。

图1 2010—2020年安徽省农业生态效率变化趋势图

由图1可以看出，2010—2020年安徽省农业生态效率总体呈现波动上升趋势，农业生态效率均值为0.733。2010—2013年有向下波动的趋势，2014—2017年开始缓慢上升，2018—2020年，安徽省农业生态效率迅速提升，2020年达到了最高值0.891。2011年我国开始实施“十二五”规划，其中绿色发展是该规划的发展重点。安徽省也努力贯彻落实国家绿色发展的要求，加强了对农业资源环境的管理，因此研究期间农业生态效率呈现波动缓慢上升的趋势，但并未达到有效状态，尚存在提升空间。

2.2 安徽省农业生态效率时间演化特征分析

基于2010—2020年的相关数据，利用公式并借助DEASOLVER Pro5.0软件实现模型，测度安徽省16市2010—2020年的农业生态效率值[5]。为了更加明显看出16个地市农业生态效率水平差异，参考了庞家幸等学者的研究成果，对各个地市的农业生态效率进行水平划分，划分标准见表2。

表2 安徽省农业生态效率水平划分标准

由表3可以看出，从安徽省的农业生态效率变化上看，各地区之间存在较大变化。除淮南市的农业生态效率波动下降外，其他各市的农业生态效率均处于稳定状态或波动上升趋势。历年各市的农业生态效率值中，阜阳市的平均值最高，为0.956，宿州市的平均值最低，为0.652。同时，蚌埠市和滁州市的农业生态效率的均值也超过0.9，相对较高；亳州市、马鞍山市、池州市及黄山市的生态效率均值介于[0.75，0.9]，合肥市、淮北市、宿州市、淮南市、六安市、芜湖市、宣城市、铜陵市、安庆市的生态效率平均值则介于则介于[0.60，0.75]，相对较低。

2.3 农业生态效率空间演变特征

从表3可以看出，2010—2020年安徽省16市总体上都属于农业生态效率非有效阶段[6]。为了更直观地展示安徽省16市农业生态效率动态演变趋势，本文选取安徽省16市2010年、2015年和2020年农业生态效率值，运用ArcGIS 10.2软件绘制安徽省农业生态效率空间分布演变图。

从图2～4可以看出，研究期内安徽省市农业生态效率差异较大。2010—2020年，各市农业生态效率值较高的市的个数逐年增加。2010年安徽省的亳州市、蚌埠市、阜阳市、淮南市、滁州市、铜陵市6个市的农业生态效率处于相对有效水平，马鞍山市处于高效率水平，其余市处于中低效率；2015年池州市农业生态效率有所提高，处于相对有效状态，但是淮北市、亳州市、淮南市、滁州市、铜陵市的农业生态效率有所下降，处于中低效率水平的地区有所增加；2020年只有淮南市和安庆市的农业生态效率处于中等效率水平，铜陵市和黄山市的农业生态效率处于高效率水平，其他市都进入了相对有效的状态，农业生态效率值较高的市个数增加。

表3 2010—2020年安徽省16市农业生态效率值

图2 2010年安徽省16市农业生态效率 图3 2015年安徽省16市农业生态效率

在3个研究时间段内，蚌埠市和阜阳市的农业生态效率值最高，处于相对有效水平，主要因为蚌埠市和阜阳市的地形均以平原为主。域内丰富的水资源为农田灌溉提供了便利，且在农业生产过程中的化肥、地膜和农药使用较少，污染排放也相对较少。在3个研究时间段内，安庆市的农业生态效率值均较低，处于中等水平，主要是因为安庆市地形复杂多样，雨量充沛、光照充足、无霜期长，适宜农林牧副渔全面发展。但由于常年大量频繁使用化肥、农药，破坏了土壤，造成土壤板结，地力下降，环境污染严重，亟需加强农业面源污染防治，因此农业生态效率值较低。

图4 2020年安徽省16市农业生态效率

3 安徽省农业生态效率影响因素分析

3.1 地理探测器

地理探测器是探测和利用空间分异性的工具。其原理是如果自变量对因变量存在影响，那么自变量的空间分布与因变量的空间分布相似[7]。目前，该方法已经广泛应用于疾病风险因素分析、旅游、区域经济等许多领域。本研究采用地理探测器中的因子探测和交互探测对安徽省农业生态效率的主要驱动因子及其相互作用进行分析。

地理探测器的因子探测器主要用来探测自变量X对因变量Y的空间分异的解释力度[9]。用q值对因素的解释力度进行度量，计算公式：

式中，q为某影响因素的影响力；L表示自变量X或因变量Y的分层；h=1，2，…，N为研究区全部样本数，σ2为指标的方差。q的取值范围为0～1，数值接近1，表明该因素对安徽省农业生态效率的影响越强；数值接近0，表明该因素的影响越弱。

地理探测器的因子交互探测器可以探测2种因素共同对农业生态效率起作用时的影响程度。

3.2 指标体系建立

本文参考现有的研究成果[8]，考虑到影响农业生态效率的因素的复杂多样性，基于安徽省的农业发展的现状特点和数据的可获得性，选取2010—2020年安徽省的农民人均纯收入、农业从业人数、产业结构、农作物播种面积、化肥施用量、农膜使用量、农药使用量、有效灌溉面积、农用机械总动力、政府支农力度等数据作为影响农业生态效率的因素，相关数据来源于历年的《安徽统计年鉴》和《中国农村统计年鉴》。

表4 农业生态效率影响因素指标

3.3 安徽省农业生态效率的影响因素

3.3.1 因子探测分析

本文分别对2010年和2020年的数据进行因子探测分析。在做因子探测分析之前，对自变量进行离散化处理，将自变量由数值型变为类型量；将离散化处理后数据输入地理探测器模型进行探测分析，得到结果如表5所示。

表5 因子的地理探测结果

由表5可知，2010年，按照每个影响因素对农业生态效率空间分异的解释程度的大小进行排序，为X3>X1>X2>X5>X10>X4>X9>X7>X6>X8。其中，产业结构的是影响农业生态效率的最主要因素，随着经济的快速发展，二三产业发展迅速，对农产品的需求日益增加，这就使得农业部门需要生产更多的农产品。为此，就需要投入更多的化肥、地膜、机械等生产资料，这会破坏农业生产环境，影响农业生态效率；此外，农民人均纯收入、农业从业人数也在很大程度上影响了农业生态效率。

到2020年，按照每个影响因素对农业生态效率空间分异的解释程度的大小进行排序，为X9>X8=X10>X1>X4>X7>X2>X3>X5>X6，其中，农用机械动力对农业生态效率的影响更为突出，随着乡村振兴战略的推行，农业机械化的使用日益增多，导致消耗的柴油等能源日益增多，排放的污染物增加，农业生态效率下降。与2010年相比，农民人均纯收入、农作物播种面积、农药施用量、有效灌溉面积、政府支农力度的影响作用也大大增加。

3.3.2 因子交互探测分析

因子交互探测器可以探究两因素对农业生态效率共同起作用时的影响程度。由表6、表7可知，各影响因素之间存在明显的交互作用，不同因素交互作用的影响力均大于单一作用的影响力。

2010年，产业结构与其他因素的交互作用对于农业生态效率的作用较为显著，其中，产业结构与农药施用量的交互影响高达0.856，和农膜使用量的交互影响也达0.788，和政府支农力度的交互影响达到了0.786；农民人均纯收入和农作物播种面积、农业从业人数的交互印象也达到了0.723和0.702，这2组因子的交互作用强化了对农业生态效率的影响。

2020年，影响因子的交互作用影响比较均衡，农用机械动力和其他因子的交互作用对于农业生态效率的影响较为显著，农用机械动力与农民人均纯收入、农膜使用量、农药施用量的交互影响皆为0.925，与农业从业人数、农作物播种面积、化肥施用量、有效灌溉面积的交互影响也达到0.875。其他因子方面，农民人均纯收入和农业从业人数、农业从业人数和农药施用量的交互影响也达到0.925，强化了对农业生态效率的影响。

表6 2010年影响因子交互作用探测结果

表7 2020年影响因子交互作用探测结果

4 结论

本文从安徽省的农业现状出发，运用SBM模型测算安徽省的农业生态效率，借助DEASOLVER Pro 5.0软件和空间分布演变图分析安徽省农业生态效率时空演变特征并探讨各因素对安徽省农业生态效率的影响，得到结论如下。

从时间上看，2010—2020年安徽省农业生态效率总体上呈波动上升趋势，尤其是2014年以后农业生态效率呈现持续上升的趋势。研究期间，安徽省农业生态效率平均值为0.733，并未达到有效状态，尚存在提升空间。安徽省农业生态效率地区差异较大，发展不平衡。阜阳农业生态效率最高，达0.956，宿州市最低，只有0.652。

从空间上来看，研究期内安徽省市农业生态效率差异较大。各市农业生态效率值较高的市的个数逐年增加。在3个研究时间段内，蚌埠市和阜阳市的农业生态效率值最高，都处于相对有效水平；安庆市的农业生态效率值在3个时间段内效率值均较低，处于中等水平。

从影响因素来看，分析结果表明，在2010年，产业结构因素是农业生态效率的主要影响因素；2020年是农用机械动力因素对农业生态效率的影响更为突出。交互作用探测器探测的结果表明：所有影响因素之间均存在交互作用，2组因子的交互作用强化了对农业生态效率的影响。