安徽省农业面源污染的时空演变及影响因素研究——基于空间计量模型

卢辞，李明鸿，张俊

（安徽财经大学经济学院，安徽蚌埠 233030）

0 引言

农业是经济发展、社会前进、国家富强的基础。传统工业向现代农业发展促进了农业产量的提升，同时也给生态环境造成破坏，现代化的农业生产过程加剧了农业面源污染，农业面源污染对于农村水资源造成严重污染，并且能通过液体扩散至周围地区[1-2]，污染物伴有泥沙，进入河流、湖泊抬高水位，降低蓄水力和承载力破坏农村生态环境，给农业发展带来负面影响，阻碍乡村振兴之路。安徽省是国内重要的粮食主产地之一，农业生产是其生产活动的重要组成部分。省内的许多地区以农业生产为支柱产业，生产的农产品不仅供给当地居民，还要提供其他省份居民，因此，安徽省农业发展对淮河、长江流域的社会发展起重要作用。省内农村人口为2564万余人，农业生产和农村生活对当地农业生态环境有严重的负面影响，农业面源污染治理有利于保护当地农业生态环境，有益于促进乡村生态振兴[3]，实施有效的农业面源污染治理措施，制定具有针对性的政策建议，首先要研究造成农业面源污染的因素。

造成农业面源污染的因素多种多样，一些学者认为经济增长与农业面源污染排放呈正相关关系，二者具有双向影响机制[4-6]。有些研究将影响农业面源污染排放的成因归结于直接驱动和间接驱动，并且认为间接驱动是主要成因[7]。有学者从农地流转的角度研究农业面源污染，得出土地政策、土地使用的稳定性和土地的流动性会影响农业面源污染[8]。还有文献从环境库兹涅茨曲线理论[9]出发，研究农业经济增长[10-11]、人均农业产出[12]、人均GDP[13]、城市化水平[14]与农业面源污染排放强度的EKC 关系。从上述文献分析可以看出，大部分学者将农业面源污染排放成因归结于农村经济增长，尤其是农民收入方面。学者认为农民收入增长会加大化肥、农药的投入比例，从而造成农业面源污染[15]，但是农民收入不仅来自于农业生产，还来源于农户非农业就业所得。从1978年起，国内的城镇化率开始逐年增长，快速城镇化发展的背后是从事农业生产人数减少、从事非农生产人数增多，现有研究验证农业劳动力转移[16]、农业劳动力结构转变[17]、非农兼业[18-19]导致农业面源污染排放减少。同时，从事城市的高薪工作也会扩大农户家庭收入，农户收入增加再加上从事农业生产时间减少，加重农户短视行为，如加大化肥、农药的使用量，学者通过研究验证农民收入增加会加大农业面源污染排放[20]。由上述分析可得，农户从事非农业生产既有减少农业面源污染的正效应，又会因为收入增加而增加农业生产要素投入，增加农业面源污染的负效应。

综上所述，对农业面源污染的驱动机制研究方面，现有研究对影响农业面源污染排放的成因分析多是从经济角度展开，一些研究只是简单分析农民从事非农业生产劳动会减少农业面源污染，而没有从非农就业对农业面源污染的正负2 个方面影响进行深入探究。笔者以安徽省为研究对象，基于单元调查法，对2011—2020 年农业面源污染排放量进行估算，分析2011—2020 年安徽农业面源污染排放量的时空变化特征和空间相关性，通过空间计量模型探究非农业就业对农业面源污染的影响因素。

1 研究方法与数据来源

1.1 研究方法

1.1.1 农业面源污染排放量核算基于单元的综合调查评价方法，确定5 个污染源[21-26]以及对应核算单元、排放系数和产污系数（表1），主要污染物包括化学需氧量(COD)、总氮(TN)、总磷(TP)。

表1 农业面源污染核算单元和产污强度影响系数

农业面源污染物排放量和排放浓度的计算如式(1)。

式(1)中，E为进入水系的农业面源污染的排放量；EUi为单元i指标统计数；ρi为单元i污染物的产污强度系数；ηi为表征相关资源利用效率的系数；PEi是农业污染的产污量；Ci为单元i污染物的排放系数，它由单元EUi和空间特征S决定。

1.1.2 空间相关性的测度

（1）全局空间自相关莫兰指数。莫兰指数是研究变量空间相关性的测量指标，分为全局莫兰指数和局部莫兰指数，本研究运用全局Moran’sI指数研究变量是否存在空间相关性，运用局部Moran’sI探究具体哪些地区存在空间集聚效应。全局Moran’sI的计算如式(2)。

式中，I表示全局Moran’sI；n表示地区总数；Ai和Aj分别表示地区i、j的观测值；Wij表示空间权重矩阵。表示特定观测变量的平均值；表示不同地区观测变量的方差。

（2）局部空间自相关莫兰指数。局部Moran’sI指数可以用式(3)表示。

（3）权重。构建地理距离矩阵和经济地理嵌套矩阵2种空间权重矩阵，地理距离矩阵(W1)权重元素为各城市之间距离的倒数，经济地理嵌套矩阵(W2)计算如式(4)。

式中，W1为地理距离矩阵，diag(...)为对角矩阵，Xi为研究期间内第i市的人均GDP 的均值，X为研究期间内所有市的人均GDP的均值。

1.1.3 空间面板数据模型由于农业面源污染的自身特性，容易通过地表径流扩散至周围地区，因此采用空间计量模型来分析农业面源污染的空间相关性。常用的空间计量模型主要包括空间滞后模型[SAR，式(5)]、空间误差模型[SEM，式(6)]以及空间杜宾模型[SDM，式(7)]。

式中，Y为被解释变量，X为所有的解释变量和控制变量，ρ、θ、λ为被解释变量、解释变量和控制变量、随机扰动项空间自相关系数，W为空间权重矩阵。β为lnX相关系数，μ和ε代表随机误差。

1.2 数据来源

研究的所有农业数据和社会经济数据来自于2012—2021 年《安徽统计年鉴》、《中国统计年鉴》和《中国农村统计年鉴》。

2 结果与分析

2.1 安徽省农业面源污染排放量的时空变化特征

2.1.1 农业面源污染排放量的时序变化特征利用式(1)对2011—2020 年间安徽省各核算单元的农业面源COD、TN 和TP 排放量进行计算，并进行加总得到总COD、TN和TP排放量，结果如图1～4。

图1 2011—2020年安徽省农业面源COD排放量

图2 2011—2020年安徽省农业面源TN排放量

图3 2011—2020年安徽省农业面源TP排放量

图4 2011—2020年安徽省农业面源排放量

2011—2020 年安徽省农业面源COD 排放量呈先减后增的“U”型趋势，具有阶段性特征。2011—2016年呈稳定趋势；2016—2018年降幅明显，到达33.70%；2018—2020 年缓慢上升，10 年间整体下降9.93%。各类污染单元排放量变化趋势具有差异性，农田固废和农村生活的COD排放量整体呈上升趋势，畜禽养殖和水产养殖的COD排放量整体呈下降趋势。TN排放量整体呈下降趋势，仅2015年TN排放量有所增长，整体下降14.81%。各类污染单元排放量中，农田固废和水产养殖的TN排放量整体呈上升趋势，农田化肥、畜禽养殖和农村生活的TN排放量整体呈下降趋势。TP排放量变化趋势与COD排放量变化趋势相似，增减幅度小于COD，整体下降9.45%。各类污染单元排放量中，农田固废、畜禽养殖和水产养殖的TP排放量整体呈上升趋势，农田化肥和农村生活的TP排放量整体呈下降趋势。由于COD排放量在总排放量中贡献最大，因此三者相加安徽省农业面源总排放量变化趋势呈“U”型，在2011—2016 年变化稳定，2016—2018 年下降且降幅较大，表明在此期间农业面源污染排放得到有效控制，但是2018—2020年农业面源总排放量呈上升趋势，由此得出2018年后安徽省的农业面源污染排放有扩大趋势，农业面源污染治理亟待加强。

各类污染单元在COD 排放量的贡献率由大到小依次为畜禽养殖＞农村生活＞水产养殖＞农田固废，其中畜牧养殖的COD 排放量贡献最大，年平均占比为69.46%，农田固废的COD 排放量贡献最小，年平均占比为0.06%；在TN排放量的贡献率由大到小依次为农田化肥＞畜牧养殖＞农村生活＞水产养殖＞农田固废，其中农田化肥的TN 排放量贡献最大，年平均占比为75.69%，农田固废的TN排放量贡献最小，年平均占比为0.16%；TP 排放量中的排序顺序与TN 排放量的排序相同，其中农田化肥的TP 排放量贡献最大，年平均占比为44.41%，农田固废的TP排放量贡献最小，年平均占比为0.02%，各类型污染源贡献率变化趋势稳定。从COD、TN、TP 3种类型农业面源污染排放的贡献度来分析，畜禽养殖、农田化肥和农村生活是污染排放的重要贡献者，如何减少这3 类污染物排放成为治理安徽省农业面源污染的首要任务。

2.1.2 农业面源污染排放量的空间分异特征 选取2011和2020年安徽省16个城市的农业面源污染排放总量进行对比，运用自然断点法将16市2个时间段的农业面源污染排放量分为低值区、较低值区、中值区、较高值区、高值区5 个等级（图5），研究农业面源污染排放量的区域分异特征。

图5 2011、2020年安徽省农业面源污染排放总量分布

2011 年宿州市、六安市、阜阳市的农业面源污染排放总量最高，其农业面源污染排放总量是农业面源污染排放总量最低的铜陵市的2倍，这与3个地区农产品产量和农村人口数正相关，其余大部分城市处于较高值和中值区，处于低值区的城市只有1个，16个城市的农业面源污染排放量总体较大，表明2011年安徽省虽然在农业生产方面发展迅速，但是对农业面源污染的重视程度不够，治理力度不足。2020年处于低值区的城市增至4 个，大部分城市的农业面源污染排放有显著下降，仅有宿州、阜阳2 个城市处于高值区，根据全省不同地区自身发展特点，以农作物、畜禽养殖为主的县区所在城市的农业面源污染排放总量比其他城市高，城市化进程快的地区农业面源污染相对较低，但是相比于2011年有明显下降，平均下降幅度约为30%左右，尤其是六安市的农业面源污染排放量下降至2011年的一半，表明在此期间安徽省不同城市在经济发展的同时对农业面源污染的治理力度加大，绿色低碳的农业生产模式正逐步形成，对于减少农业面源污染起到显著作用。

2.2 农业面源污染的空间计量分析

2.2.1 影响机理与假设农业面源污染物通过降水、灌溉、地表径流等方式进入水体污染水质，同时不可溶解的农业面源污染物会以固体形式沉淀于河流、湖泊底部，造成其蓄水能力的减低，降低水体的生态承载力，因此，根据农业面源污染排放的自身特点，农业面源污染排放具有明显的空间外溢性，对于相邻地区，农业面源污染具有空间相关性，据此提出假设1。

假设1：农业面源污染具有空间相关性，本地区的农业面源污染会受到邻近地区外溢的影响。

农业产业是安徽省的支柱产业，徽州人在长期的生产、生活实践中形成了具有徽州地域特色的农耕文化，但是工业化程度的提升加快了安徽省城市化发展的步伐，即便是在乡村振兴的背景下，不少过去从事农业生产活动的劳动者进入城市打工，这些进城打工的农民大多是乡村社会的主要劳动力，长此以往农业生产成为其“副业”。由于安徽省各地区发展水平不一致，经济发展快、城市建设完善的地区吸引大量农村劳动力进城务工，造成了农村非农就业比例的提升，由此从事农业生产活动比例降低会在一定程度上减少农业面源污染排放，据此提出假设2。

假设2：非农业就业比例的提升会抑制农业面源污染排放，并受空间相关性影响。

从事非农业生产活动的劳动者在城市的收入会大大增加其家庭总收入，农户从事农业生产的时间减少，为增加单位面积农产品产量，会增加如化肥、农药业生产要素的投入，正向促进农业面源污染排放。据此提出假设3。

假设3：农户家庭收入增加会促进农业面源污染排放，并受空间相关性影响。

2.2.2 变量说明

（1）被解释变量为农业面源污染排放量(lnE)。核心解释变量为非农业就业比例(lnnfe)和农户家庭收入(lninc)，其中非农业就业比例为1-(从事农林牧渔的乡村从业人数/乡村从业人数)。

（2）控制变量。①人均耕地面积(lnlan)，人均耕地面积会直接影响化肥、农药投入，造成农业面源污染排放。②城镇化率(lnurb)，城镇化率的提高会减少农业生产，进而减少农业面源污染排放。③单位面积农业机械投入(lnmac)，农机漏油和农机废物处理不当会对农田造成污染，采用从事农林牧渔的乡村从业人数与农作物播种面积相除来计算单位面积农业机械投入。④灌溉率(lnirr)，农业灌溉在润养农作物的同时会将农药、化肥等化学制剂带入水中从而造成水体污染，并会扩散至其他地区，采用灌溉面积与农作物播种面积相除来衡量灌溉率。⑤产业结构(lnstr)，第二产业的发展带动农业大规模生产、提高生产效率，从而造成农业面源污染，采用第二产业占地区生产总值的比例来衡量产业结构。

2.2.3 空间相关性分析利用莫兰指数对安徽省农业面源污染空间格局进行探测，首先对2011—2020年安徽省16 个城市的农业面源污染排放量进行空间相关性分析，采用前文所选取的2 种空间权重来测算全局空间莫兰指数。表2结果显示，在W1空间权重下2011—2020 年安徽省农业面源污染的全局莫兰指数均大于0.3，在W2空间权重下2011—2020 年安徽省农业面源污染的全局莫兰指数均大于0.2，并且2种权重的全局莫兰指数都通过显著性检验，表明2011—2020年安徽省各市的农业面源污染存在显著的正相关，莫兰指数波动幅度不大，变化稳定，表明安徽省农业面源污染排放具有空间依赖性和聚集性，安徽省各市的农业面源污染存在显著的正相关，验证假设1。

表2 2011—2020年安徽省农业面源污染全局莫兰指数

为详细考察安徽省农业面源污染的空间集聚性，基于地理距离矩阵分别绘制2011 年和2020 年的局部莫兰指数散点图，在此基础上将各市所在象限列出。由表3 可知，以农业生产为支柱产业的城市，如阜阳、蚌埠、六安处于第一象限，而位于第三象限的黄山、池州、宣城、芜湖农产品产量低于全省平均值，黄山和滁州常年的农产品产量排在全省最末。2011 年和2020年各象限所包含的城市变化不大，表明安徽省农业面源污染排放的空间相关性比较稳定，第一象限和第三象限的城市相对较多，表明农业面源污染的同质溢出效应大于异质溢出效应。

表3 安徽省农业面源污染局部莫兰指数的城市分布

2.2.4 农业面源污染影响因素分析

（1）空间计量模型选择。首先对模型进行传统面板回归(OLS)，通过LM检验来分析选择适合的空间计量模型。由表4可知，所有LM检验均拒绝原假设H0，说明数据具有SEM 和SAR 双重效应，据此选用SDM模型；其次根据Hausman检验结果在1%的显著性水平上通过检验，选择固定效应，进一步通过LR检验结果选取双固定效应，在3种空间模型中SDM模型的σ2最小、R2最大，因此采用空间杜宾双固定效应模型；最后对SDM 模型是否会退化为SEM 和SAR 模型进行LR和Wald 检验，在W1权重下LR 和Wald 指标分别为485.68 和88.95，在W2权重下LR 和Wald 指标分别为473.01 和16.89，2 种权重的LR 检验和Wald 检验均通过，证明2种权重的SDM模型均不会退化。

表4 LM检验

综上所述，选取双固定效应的SDM模型来探究安徽省农业面源污染的影响因素。

（2）实证分析。表5 为双固定效应OLS 模型和2种权重下SAR、SEM和SDM模型的回归结果。2种权重的SDM 模型中非农业就业系数均为负值，分别在1%和5%的显著性水平下通过假设检验，表明非农业就业比例越高，从事农业生产的劳动力越少，对本市的农业面源污染排放起抑制作用越大；2 种权重下非农业就业的空间滞后项系数在1%显著性水平下显示负相关，说明本地区的非农业就业对降低其他地区的农业面源污染排放量有显著影响，验证假设2。2种权重的SDM 模型中农村家庭收入系数均为正值，且均在5%的显著性水平下通过假设检验，表明农村家庭收入的增加会加大对农业生产的投资，导致本市的农业面源污染排放量相应增长；2 种权重下农村家庭收入空间滞后项系数在5%和10%显著性水平下显示正相关，说明本地区农民收入的提升会对其他地区的农业面源污染有溢出效应，验证假设3。

表5 模型回归结果

2种权重下控制变量中城镇化率系数和空间滞后项系数均为负，且在1%显著性水平下通过假设，表明城镇化率抑制本地区和其他农业面源污染排放，因为城镇化水平的提升改变了人们的思想观念，增强农村人口环保意识和健康意识，增加有机产品的种植和绿色生产的普及；人均耕地面积、单位面积农业机械投入、灌溉率和产业结构系数和空间滞后项系数均显著为正，表明人均耕地面积、单位面积农业机械投入、灌溉率和产业结构会显著促进本地区和其他农业面源污染排放，原因在于人均耕地面积的增加会导致化肥、农药以及等投入的增加，单位面积农业机械投入提升在增加农产品产量的同时会造成对农用地污染，灌溉会使化肥、农药等污染源扩散，第二产业的快速发展会提升农业生产效率、加大农业生产量，从而加剧农业面源污染的排放。

SDM模型的结果可以解释各地区之间的空间相关性。为了更好地研究农村经济结构对农业面源污染的影响，采用偏微分法将各变量对农业面源污染排放量的影响分为直接效应、间接效应和总效应，结果见表6。

表6 空间效应分解

在2种权重下，非农业就业的直接效应、间接效应和总效应都显著为负，表明非农业就业在减少本地区农业面源污染排放量的同时会降低其他地区农业面源污染排放量；农村家庭收入的直接效应、间接效应和总效应都显著为正，表明农村人口收入增加会助长本地农业面源污染排放，也会对其他地区农业面源污染排放有推动作用。从作用程度上看，非农业就业比例和农户家庭收入的间接效应大于直接效应，表明空间溢出效应显著。

3 讨论

笔者从时间和空间2个维度来研究安徽省2011—2020 年农业面源污染排放量的时序变化趋势和空间分异特征，并在此基础上，使用2种权重矩阵测算莫兰指数并对安徽省农业面源污染排放的空间相关性进行分析，运用空间杜宾模型探究农民从事非农业生产劳动对安徽省农业面源污染排放的影响。

（1）从时序角度分析，2011—2020 年安徽省农业面源污染排放总量呈U 型，2018 年后有增长趋势，其中COD和TP的排放量变化趋势与总排放量变化趋势相似，TN的排放量呈下降趋势。COD和TP排放量构成中畜牧养殖的占比最大，TN排放量构成中贡献最大的是农田化肥，农田固废对COD、TN、TP 排放量贡献最小。

（2）从空间角度分析，2011、2020年安徽省16个城市的农业面源污染排放总量空间分异特征明显，各市的农业面源污染排放量与农产品产量和农村人口数量正相关。2020 年各地区的农业面源污染排放总量与2011年农业面源污染排放总量相比有显著下降，各城市平均下降趋势为30%左右，处于高值区的城市数量在减少，处于低值区的城市数量在增加，各市的农业面源污染排放量整体处于下降状态。

（3）以不同的2 种空间权重矩阵来分析安徽省农业面源污染排放量的空间相关性，2 种权重的全局莫兰指数均显著为正，证明存在空间正相关性，同质溢出性效应显著。从局部莫兰指数的城市分布表来看，2011年和2020年安徽省各地区的空间集聚变化不大，表明安徽省农业面源污染排放的空间相关性比较稳定，第一象限和第三象限的城市相对较多，表明农业面源污染的同质溢出效应大于异质溢出效应。

（4）利用2 种权重的空间杜宾模型验证农村人口非农业就业比例对农业面源污染的抑制作用，但由此增加的农户家庭收入却对农业面源污染有促进作用，二者都有显著的空间溢出效应，并且后者的促进作用大于前者的抑制作用。在2种权重下非农业就业比例和农户家庭收入的直接效应与间接效应均显著，且间接效应大于直接效应。

4 结论

农业历来是中国的立国之本，农耕文化是华夏文明不可缺少的重要文化之一。十九大报告中明确提出乡村振兴战略，但是农业面源污染是农业农村发展的重要阻碍，农业面源污染防治已经成为农业农村发展过程中的首要任务，农业面源污染不仅影响农村经济的发展，还是制约推进新农村建设的一个重要因素，其中化肥、禽畜粪便等是今后农业面源污染治理的主要减排对象[27]。安徽省是国内重要的农业生产省份，要根据其自身的农业面源污染排放趋势对农业面源污染排放进行治理，要从政策、经济2个方面进行引导。政府要扮演好统筹规划者和政策引导者2 个重要角色，时刻把握农业发展方向，坚守生态绿色的生产经营模式，定期对当地土壤、水质、农产品状况进行监测，监测污染物排放量是否符合国家标准，排放时是否经过处理，耕地的土壤、水质以及农产品中污染物的含量是否超标等，在源头处把控农业面源污染的排放，还要在思想意识层面上对参与农业生产的农户传达绿色农业发展理念，鼓励农户减少农药、化肥使用，种植绿色有机农产品，推进产业绿色振兴与生态文明建设的融合发展[28]。对于有机产品进行高价收购，或者帮助农户与当地市场进行联动，保证农户生产的有机食品有销路，解决有机农业生产的后顾之忧，让农户得到实际利益，才能使其从根本上转变传统的生产经营模式。从地理角度来看，安徽处于淮河流域和长江中下游平原，各地区由于自然资源、地理环境和历史传统不同，城市的发展方向和发展程度不一致，城市化发展程度较低地区的劳动力向城市化、工业化较高地区流动，其中大部分来自于农村。对于从事非农业生产活动的农户，要对其土地管理出台明确规定，防止农户为求自身利益做出不顾后果的短视行为，对于分散土地进行统一、集中管理，搭建平台，将限制、分散的土地租用给专业从事农业生产劳动的农户。在农业生产技术上给予农民支持，大力推广节能、节水产品，保障农业生产产量的同时，尽最大努力降低污染排放，将污染源控制在生态环境可承载范围内。