我国粮食主产区耕地利用生态效率时空演变特征研究

杜怡锐 王辉

摘 要：耕地是人类社会生存和发展的基础。本文从经济效益、生态效益两个维度对耕地利用生态效率的概念进行了界定。将耕地利用生态效率评价指标体系分为三个部分，分别为投入、产出、非期望产出。将农业生产中的碳排放作为非期望产出纳入指标体系。使用带有非期望产出的超效率SBM模型，测算2010-2021年我国粮食主产区13个省级行政区的耕地利用生态效率。运用空间自相关模型分析耕地利用生态效率在空间上的演变特征。研究结果表明：我国粮食主产区耕地利用生态效率在2010-2021年间呈现稳步上升趋势，不同区域之间具有明显的差异。从全局的视角来看，我国粮食主产区耕地利用生态效率具有一定空间自相关性，存在邻近溢出效应。本文以耕地利用生态效率的时间空间演变特征为基础，针对农业生产中存在的问题，提出了针对性的建议。

关键词：耕地利用生态效率；时空演变；粮食主产区

作者简介：杜怡锐（2001- ），女，河南南阳人，中国地质大学（武汉）经济管理学院硕士研究生，研究方向为绿色金融；王辉（1991- ），女，河南南阳人，湖北经济学院财务处中级会计师，研究方向为财务管理。

一、引言

在当前国际背景下，各种风险因素的存在使得全球粮食流动和供应出现了较大的不确定性，逐渐兴起的贸易保护主义使得国外粮食的进口困难重重[1]。因此，在土地资源的限制下，在土地的利用率得到进一步提升的同时，又能保证耕地利用的可持续发展，成了当下的热门议题[2]。我国作为人口大国，粮食安全始终是我们需要关注的问题。然而在粮食持续增产及农业GDP不断增加的同时，耕地缩减、土地污染等问题也日渐显现，农业的可持续发展进程受到了阻碍[3]。因此，本文对耕地利用生产效率的时间演变和空间格局演变进行描述和分析，有利于给改善粮食生产基地的生态效益，减少对农业生产造成的环境影响提供理论支持。

国内外学者对于生态效率的指标体系、测算方法的选择以及各个不同领域内的应用等方面展开了相应探究，并取得了一定的成果。

从研究层面上来讲，有关生态效率的运用仍集中于企业、区域及行业等方面，而对于农业方面或者城市生态效率的研究则尚处于起步阶段。Ren等通过测算2000年至2013年中国30个省份的生态效率，得到三个不同的环境法规对该地区生态效率的影响[4]。Shao和Yu等利用方向距离函数对2007年至2015年的中国工业园区的生态效率进行分析，将工业过程分为三个相互关联的子过程，即生产、废水和废气处理过程[5]。

既有的部分研究也多以 DEA 模型为建构基础。有学者通过评估波兰小规模农场的生态效率，并根据相关数据确定生态效率与制度变量在新制度经济学的框架下的关系。Maia等从投入产出的角度对农业部门的生态效率进行测算，并探索了环境和经济因素对生态效率的影响[6]。

虽然各位学者从投入产出角度较为全面地构建了生产效率的评估指标体系，但是忽略了整个生产过程中的环境要素。因此，部分学者综合考虑农业面源污染，进一步考察农业生产效率，也有学者将面源污染纳入到耕地利用效率评价指标体系中。此外，在研究内容上，将经济学与地理信息技术相结合，涉及生态效率研究空间溢出效应在空间上的演变趋势仍然较少，而准确探究生态效率的空间演变趋势有助于实现区域间的协同发展。

鉴于此，本文结合我国粮食主产区的实际情况，建立了合适的耕地利用生态效率评价指标体系，将碳排放作为非期望产出纳入指标体系。结合空间计量，从时间和空间的角度来分析耕地利用生态效率的演变特征，为我国粮食主产区提高农业生态效率提供针对性建议。

二、研究方法与数据来源

（一）超效率SBM模型

在使用传统的DEA模型时，常常会出现多个 DMU测算值为1的情况。若投入和产出的指标较多，则在测算结果会出现多个效率值为1的情况。而传统 DEA模型得到的效率值最大值为1，一旦DMU的效率值计算结果达到有效，则在结果中均显示为1，无法进一步區分比较DMU的实际效率。

超效率模型的优势在于有效 DMU的超效率值可以超越1的限制。从而方便进一步对DMU的效率值进行比较和区分。其公式如下：

其中，[n]为决策单元的数量；[m，s1，s2]分别为投入、产出和非期望产出的数量；[sxi，syk，szl]分别为投入、产出和非期望产出的松弛量；[λ]为权重向量。

（二）空间自相关模型

全局空间自相关是用来描述整个研究区域上空间对象之间的关联程度。本文使用全局莫兰指数对耕地利用生态效率进行空间相关性特征检验。其检验的结果由全局莫兰指数反映，计算公式为：

其中，[xi，xj]表示评价单元[i，j]的空间属性（[i≠j]），[n]为研究区域评价单元总数目，[x]为研究期限内耕地利用生态效率的平均值，[σ2]为研究样本的方差。[wij]为空间权重矩阵。

本文参考马林燕[7]等人的研究，分别建立地理距离矩阵和经济距离矩阵。其中地理距离矩阵用两个省份距离绝对值的倒数表示，经济距离矩阵则以各省份人均GDP在研究期间差值的倒数表示。

（三）指标选取与数据来源

1. 指标选取

耕地利用生态效率应该综合反映耕地利用与生态保护的协调关系。耕地利用生态效率评价指标体系应该包括投入、期望产出及非期望产出3个方面。具体指标选取参考刘蒙罢[8]和文高辉[9]等人的研究。

从投入的角度来考虑，选取农作物的实际播种面积作为耕地投入衡量指标，由于劳动力投入难以直接衡量，所以选择间接计算农业就业人数，而在生产进行过程中的农药化肥使用量就以农药化肥折纯量表示，农机投入同理。

从产出的角度来考虑，选取农业产值及粮食总产量表征评价系统中的社会经济维度，反映耕地利用过程中的期望产出。

从农业生产过程中产生的负外部性来考虑，使用农药化肥所造成的面源污染由于区域差别过大和其数据的不宜获得，其测算结果具有一定的不确定性，所以将其排除在指标体系之外。本文选取耕地利用过程中所产生的碳排放量替代耕地利用生態效率评价指标体系中的非期望产出，作为衡量非期望产出的重要指标，碳排放的计算中各类碳源碳排放系数参考丁宝根[10]等人的研究如表1所示。

表1 耕地利用生态效率指标评价体系

[变量类型 变量 指标解释 投入指标 耕地实际投入/千公顷 农作物实际播种面积 劳动力投入/万人 第一产业就业人员×（农业产值/农林牧渔业产值） 农药化肥投入/万吨 农药化肥折纯量 农机投入/万千瓦 农业机械总动力 产出指标 农业产值/亿元 农业产值 粮食产量/吨 粮食产量 非期望产出指标 碳排放量/吨 化肥农药农机的使用、翻耕等产生的碳排放 ]

2. 数据来源

测算耕地利用生态效率的投入与产出的相关数据来源于国家统计局、《中国农村统计年鉴》（2010-2021年）、各省农村统计年鉴（2010-2021年）。碳排放数据则通过各类碳源碳排放系数与化肥农药、农膜、农机、翻耕灌溉等基础数据相乘汇总而得。

三、结果分析

（一）耕地利用生态效率时间演变特征分析

1. 粮食主产区总体时间演变特征分析

从平均值变动来看，我国粮食主产区耕地利用生态效率在2010-2021年间具有稳步上升的趋势。生态效率的均值由2010年的0.45增加到了2021年的0.78，共增长了0.33，整体水平由低效率转变为较高效率。

2017年我国粮食主产区生态效率的平均水平达到了0.62，可以视为正式摆脱了低效率分区。但2011-2019年间平均耕地利用生态效率均处于0.6上下，表明我国粮食主产区耕地利用生态效率在一段较长的时间内未能出现明显增长，说明在此研究期间大部分地区仍存在较大的资源优化配置与环境保护发展的需求。

通过观察我国粮食主产区耕地利用生态效率的变动趋势，可以发现随着农业生产技术和农业集约化的发展，我国13个粮食主产区的耕地利用生态效率呈现逐年上升的趋势。从整体的投入产出占比来看，象征着农业生产技术的农药化肥投入和农业机械总动力投入正在逐步替代作为劳动力投入象征的农业就业人数，从而使得投入产出的比值不断升高，但同时农药化肥和农用机械的使用也会带来大量的碳排放。高污染、高碳排与耕地利用的可持续发展显然是相悖的。根据本文的统计估算，2020年我国粮食主产区在农业活动中所产生的碳排放已达到4619.56千万吨，对于生态环境造成了一定压力。

2. 各粮食主产区时间演变特征分析

由表2所示，我国各粮食主产区耕地利用生态效率具有明显的差异。

截至2021年，黑龙江、四川、吉林、辽宁的耕地利用生态效率数值达到1，表明13个省区中已有4个省区的生态效率达到充分有效；而河北、安徽、湖南、湖北、内蒙古、江西则未能达到有效水平。因此，从数据的集中水平来看，达到有效水平的省区生态效率的数值集中程度高于未达有效水平省区。在整个样本研究区间内，黑龙江、吉林、辽宁、江苏、四川始终保持着耕地利用生态效率的较高水平，即始终高于同时期的除该五省的其他省份，从动态视角来看，吉林省耕地利用生态效率波动性最强，但整体增长态势保持不变。

2010年仅黑龙江、四川、江苏、吉林、辽宁达到当年平均水平。随着农业活动中资金技术的投入逐渐增长，2021年生态效率达到平均水平以上的仍然是这5个省份。其中，黑龙江省的生态效率数值最高，达到1.040，辽宁省以1.033的效率值位居次席，而安徽省的生态效率值最低，仅有0.543，与效率值最高的黑龙江省相比相差0.497，且从时间序列纵向来看，安徽省的生态效率水平始终处于较低水平。

其中，河南地处中原，从地理位置的角度来讲属于暖温带，还有一小部分地区位于亚热带。境内连绵的山脉和蜿蜒的河流，使中原大地物资丰富，优良农产品众多。虽然黑龙江耕地利用生态效率值波动较为明显，但整体处于同期较高水平。黑龙江则是我国重要的农业大省，作为世界三大黑土地区域平原之一，其广阔的平原使得农业机械化可以在当地快速发展，而较高的纬度，气候偏于寒冷又会使虫害发生的频率降低。诸多优势使得黑龙江成为我国一大粮食主产区。

而湖北、安徽及湖南区域山地丘陵地貌类型占比较多。以湖南省为例，湖南省的山地丘陵地貌超过其总面积的80%。因此，与中原地区相比，没有足够宽阔平整的土地，细碎的耕地不利于农业的机械化、集约化发展。加上水热条件分布的不均及耕地利用的粗放经营，造成耕地利用条件先天不足及后天乏力。

（二）耕地利用生态效率空间演变特征分析

为考察各省耕地利用生态效率的空间关联性与差异性，对其进行全局自相关分析。通过Stata测算我国31个省级行政区在地理和经济距离矩阵下的耕地利用生态效率全局Moran I指数，得到的结果如表3所示。

结果显示，在地理距离矩阵下，研究期间所有Moran I值表现为正值。随着时间的推移，我国耕地利用生态效率集聚性大于离散性，存在空间正相关性。但在经济距离矩阵下，全局莫兰指数的值大部分不显著，说明经济发展水平相近的省份尚未表现出明显的溢出效应，没有形成完全的联动发展机制。

两种空间权重矩阵下所测得的Moran I值的大小及变化趋势存在一定差异，说明各省耕地利用生态效率在地理距离和经济距离间的联系不相同。

在地理距离矩阵下，全局Moran I波动幅度相对稳定，且多个年份通过显著性检验。研究期内我国省际耕地利用生态效率在地理距离上的全局空间相关关系较稳定。

在经济距离矩阵下，全局 Moran I值呈现波动态势，但有多个年份未通过显著性检验，说明经济水平相似的省份耕地利用生态效率集聚表现不明显。

全局空间自相关统计结果表明，生态效率在近几年内的空间自相关性不强，相邻空间单元关联性较弱。但是全局自相关只是对空间自相关情况的总体描述，空间特征的演变还需要结合局部空间自相关的分析测算。

四、結论与讨论

本文根据耕地利用生态效率的内在含义，使用投入产出法，将耕地利用生态效率指标体系分为三个部分，投入、产出和非期望产出。把实际播种面积、农药、化肥、劳动力等作为投入指标，把农业总产值、粮食产量作为产出指标，并将碳排放作为非期望产出，构建了耕地利用生态效率评价指标体系。根据指标体系的选择，使用带有非期望产出的超效率SBM模型进行具体测算。

从时间演变特征来看，在整个研究时期即2010-2021年内，我国13个粮食主产区的耕地利用生态效率呈现逐年上升的趋势。从整体平均水平来看，我国粮食主产区耕地利用生态效率增速逐渐增大，说明目前我国正在加快形成节约资源和保护环境的农业生产方式。从局部地区来看，粮食主产区13个省级行政区耕地利用生态效率具有明显的差异，造成差异的原因主要包括农业生产的自然条件、农业生产技术的发展情况以及农业生产集约化程度等。

从空间演变特征来看，我国整体耕地利用生态效率在地理距离矩阵下的全局空间自相关较为明显，这说明我国粮食主产区耕地利用生态效率在空间距离上存在邻近空间溢出效应。

基于以上研究结论，本文提出针对性的政策建议：（1）加快推进农业生产技术发展。应当建立健全财政支持体系，加快建设重点实验室和相关科研设施，以攻破短板。力争做到理论和实践协同发展，加快推进农业生产过程机械化、现代化，突破大型农业机械设备瓶颈，保障核心技术的自主可控。加快数字农业发展，完善病虫害防治体系，促进农业节本增益。（2）发展多种形式适度规模经营。加强和健全农村基础设施建设，促进土地所有权合理有序流转。要大力发展新型农业经营主体，打造规模适中、集约生产、效益显著的农业经营主体。提高农户合作社的标准化和服务带动能力，增强农业产业化龙头企业，引导现代农业发展。以“大国小农”国情为基础，开展土地托管、统防统治等专业化社会化服务，使农业经营主体踏入现代化的发展道路。（3）深入推进农业绿色发展。树立环保意识，加强生态环境保护，推进化肥农药减量增效，减少对耕地土壤的污染。提倡滴灌、喷灌技术，发展节水农业。通过对农膜、秸秆、畜禽粪污资源的循环利用，增大农业生产活动中的期望产出，要建立有效的耕地污染情况监察机制，加强耕地污染控制与修复，实行耕地轮作休耕。建设绿色农业示范区，引导农业可持续发展。

本文还存在以下局限：本文未能考虑耕地利用过程中的面源污染，后续研究可以通过实地考察确定不同地区的面源污染系数，从而得到相对准确的面源污染量，并将其纳入耕地利用生态效率评价指标体系。同时，本文仅从市场化的角度考虑耕地利用生态效率评价指标体系的期望产出，未能将耕地利用过程中的正向环境收益考虑在内。因此，如何更贴近于实际情况进行考量仍需要进一步地探讨。

参考文献：

[1] 黄季焜.对近期与中长期中国粮食安全的再认识[J].农业经济问题，2021（1）：19-26.

[2] 吕晓，牛善栋，谷国政，彭文龙.“新三农”视域下中国耕地利用的可持续集约化：概念认知与研究框架[J].自然资源学报，2020，35（9）：2029-2043.

[3] 张利国，鲍丙飞，杨胜苏.我国农业可持续发展空间探索性分析[J].经济地理，2019，39（11）：159-164.

[4] REN SHENGGANG， LI XIAOLEI， YUAN BAOLONG et al. The Effects of Three Types of Environmental Regulation on Eco-efficiency： A Cross-region Analysis in China[J]. Journal of Cleaner Production， 2018（173）：245-255.

[5] SHAO LIUGUO， YU XIAO， FENG CHAO. Evaluating the Eco-efficiency of China's Industrial Sectors： A Two-stage Network Data Envelopment Analysis[J]. Journal of Environmental Management， 2019（247）：551-560.

[6] MAVI REZA KIANI， SAEN REZA FARZIPOOR， GOH MARK. Joint Analysis of Eco-efficiency and Eco-innovation with Common Weights in Two-stage Network DEA： A Big Data Approach[J].Technological Forecasting and Social Change， 2019（144）：553-562.

[7] 马林燕，张仁慧，潘子纯，魏凤.中国省际耕地利用生态效率时空格局演变及影响因素分析——基于2000—2019年面板数据[J].中国土地科学，2022，36（3）：74-85.

[8] 刘蒙罢，张安录，文高辉.长江中下游粮食主产区耕地利用生态效率时空格局与演变趋势[J].中国土地科学，2021，35（2）：50-60.

[9] 文高辉，胡冉再琪，唐璇，唐雅倩，郑佳欣，孟晋华.洞庭湖区耕地利用碳排放与生态效率时空特征[J].生态经济，2022，（38）：132-138.

[10] 丁宝根，杨树旺，赵玉，易松.中国耕地资源利用的碳排放时空特征及脱钩效应研究[J].中国土地科学，2019，33（12）：45-54.