李伊涵 李春華 楊承楷

（中南林業(yè)科技大學(xué)，湖南長(zhǎng)沙 410004）

我國(guó)是一個(gè)農(nóng)業(yè)大國(guó)，農(nóng)業(yè)是國(guó)家發(fā)展的基礎(chǔ)，農(nóng)用地作為農(nóng)業(yè)生產(chǎn)的基礎(chǔ)資源，其利用效率可以反映國(guó)家農(nóng)業(yè)發(fā)展水平和土地資源配置情況。現(xiàn)階段，相關(guān)工作者對(duì)農(nóng)用地利用效率的研究十分廣泛。從投入和產(chǎn)出角度的研究方法上來說，農(nóng)用地利用效率評(píng)估可以采用數(shù)據(jù)包絡(luò)分析（DEA）和隨機(jī)前沿函數(shù)（CFA），例如陳秉譜等[1]基于 DEA 和 Malmquist指數(shù)評(píng)估了甘肅省10年間農(nóng)業(yè)土地利用效率；方 方等[2]基于隨機(jī)前沿函數(shù)研究了鄉(xiāng)村就業(yè)非農(nóng)化對(duì)京津冀地區(qū)耕地利用效率影響。從要素來看，研究者從單要素或全要素兩方面研究農(nóng)業(yè)土地利用效率，例如譚榮等[3]從農(nóng)用地邊際收益這一要素角度探討了農(nóng)用地利用效率；趙茜宇等[4]從土地、勞動(dòng)力、資本和技術(shù)的全要素角度分析了我國(guó)縣域農(nóng)用地利用效率。從上述研究可以看出，影響農(nóng)用地利用效率的因素很多，從不同影響因素來探討農(nóng)用地利用效率對(duì)優(yōu)化農(nóng)業(yè)資源配置、提高糧食生產(chǎn)力和推動(dòng)農(nóng)業(yè)發(fā)展有重要意義。

碳排放作為導(dǎo)致全球氣候變化的重要因素，隨著全球極端天氣的增多，逐漸成為學(xué)術(shù)界探討的熱點(diǎn)問題[5]。農(nóng)業(yè)是我國(guó)的第一產(chǎn)業(yè)。有研究顯示，我國(guó)農(nóng)業(yè)生產(chǎn)所產(chǎn)生的溫室氣體占全國(guó)溫室氣體排放總量的17%[6]，這表明農(nóng)業(yè)活動(dòng)是碳排放的重要來源之一。有研究表明，人類生產(chǎn)生活在產(chǎn)生溫室氣體排放的同時(shí)也改變著土地利用方式[7]。因此，碳排放可以通過影響農(nóng)用地資源配置來間接影響農(nóng)用地利用效率。目前，也有研究者從碳排放角度考慮農(nóng)業(yè)土地利用效率，例如黃和平等[8]從碳排放和面源污染角度研究了江西省農(nóng)用地生態(tài)效率；游和遠(yuǎn)等[9]從碳排放角度評(píng)估了湖南省農(nóng)地集約利用效率。根據(jù)我國(guó)“十四五”規(guī)劃提出的綠色低碳發(fā)展理念，人類在進(jìn)行生產(chǎn)活動(dòng)時(shí)應(yīng)該考慮到碳排放問題，因而在評(píng)估農(nóng)用地利用效率時(shí)，碳排放應(yīng)當(dāng)作為一種影響生態(tài)環(huán)境的負(fù)向產(chǎn)物納入評(píng)價(jià)體系中。

長(zhǎng)江經(jīng)濟(jì)帶作為擁有豐富農(nóng)業(yè)資源的經(jīng)濟(jì)帶，在我國(guó)農(nóng)業(yè)發(fā)展格局中占有重要位置。因此，本研究選取長(zhǎng)江經(jīng)濟(jì)帶11個(gè)?。ㄊ校┳鳛檠芯繀^(qū)域，將農(nóng)用地面積作為投入、碳排放量作為非期望產(chǎn)出來探討區(qū)域農(nóng)用地利用碳排放效率。此外，因?yàn)檗r(nóng)用地碳排放效率還受到社會(huì)經(jīng)濟(jì)和自然因素兩方面的間接影響，所以本研究還利用Tobit回歸模型分析其他農(nóng)用地利用碳排放效率影響因素的顯著作用，可以為提升區(qū)域農(nóng)用地利用碳排放效率提供更具有針對(duì)性的數(shù)據(jù)參考。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

本研究在計(jì)算農(nóng)業(yè)土地利用碳排放效率時(shí)，選取了2013—2017年長(zhǎng)江經(jīng)濟(jì)帶耕地、林地、牧草地、園地和養(yǎng)殖水面等5類農(nóng)用地面積作為投入變量，以地區(qū)第一產(chǎn)業(yè)增加值作為期望產(chǎn)出、農(nóng)業(yè)能源碳排放量作為非期望產(chǎn)出。其中，土地利用數(shù)據(jù)和經(jīng)濟(jì)數(shù)據(jù)來源于《中國(guó)統(tǒng)計(jì)年鑒2018》[10]，部分缺失數(shù)據(jù)通過預(yù)測(cè)函數(shù)補(bǔ)齊。碳排放數(shù)據(jù)由農(nóng)業(yè)活動(dòng)中能源消耗量乘以能源排放系數(shù)得出，排放系數(shù)和能源數(shù)據(jù)分別來源于2006 IPCC Guidelines for National Greenhouse Gas Inventories[11]和《中國(guó)能源統(tǒng)計(jì)年鑒2018》[12]。此外，本研究從自然和社會(huì)經(jīng)濟(jì)因素兩方面探討影響農(nóng)用地利用碳排放效率的因素，選取的6類指標(biāo)包括平均氣溫、耕地面積、農(nóng)村用電量、農(nóng)村機(jī)械總動(dòng)力、農(nóng)業(yè)財(cái)政投入以及農(nóng)村居民人均收入。這些數(shù)據(jù)來源于中國(guó)宏觀經(jīng)濟(jì)數(shù)據(jù)庫(kù)、中國(guó)環(huán)境數(shù)據(jù)庫(kù)、《中國(guó)水利統(tǒng)計(jì)年鑒2018》[13]以及《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒 2018》[14]。

1.2 理想決策單元的交叉效率模型

數(shù)據(jù)包絡(luò)分析是Charnes和Cooper[15]于1978年提出的一種以多個(gè)投入和多個(gè)產(chǎn)出為基礎(chǔ)來評(píng)價(jià)各個(gè)決策單元相對(duì)效率的方法。但是，傳統(tǒng)的DEA模型通常有多個(gè)并列的最優(yōu)解，這使得決策者難以選出最佳投入產(chǎn)出模式的決策單元。為了有效解決這一問題，國(guó)內(nèi)外研究者提出了不同的方法，例如Sexton等[16]和Doyle等[17]提出了仁慈型和激進(jìn)型的交叉效率評(píng)價(jià)法。這2種方法在針對(duì)相同投入產(chǎn)出時(shí)，決策單元的排序不同，雖然避免了DEA有效值不唯一的情況，但是也無法使決策者選出最佳投入產(chǎn)出模式的決策單元。在土地規(guī)劃問題中，決策者通常只需要一種最優(yōu)的資源配置模式。因此，本研究選用了蘇航[18]提出的理想決策單元交叉效率模型，模型公式如下：

式中，minθh，d表示投入導(dǎo)向下的土地利用碳排放效率，μrd與ωid分別為產(chǎn)出和投入的權(quán)重，E*dd為決策單元的相對(duì)效率，yrh、yrj與 xid、xij分別為決策單元的產(chǎn)出變量和投入變量[18]。

由于理想決策單元交叉效率模型中所有的產(chǎn)出均以期望產(chǎn)出為基礎(chǔ)，而本研究中的碳排放屬于非期望產(chǎn)出，所以還需要對(duì)碳排放數(shù)據(jù)進(jìn)行進(jìn)一步處理。研究者們已經(jīng)提出了多種方法處理非期望產(chǎn)出，例如Hailu等[19]把非期望產(chǎn)出乘以-1，再將它作為投入變量；Tone[20]提出了SBM模型，可以從投入、產(chǎn)出角度對(duì)非期望值進(jìn)行測(cè)算。根據(jù)本研究的實(shí)際情況，首先，碳排放量理論上不可能作為投入指標(biāo)影響農(nóng)用地利用效率；其次，SBM模型最優(yōu)解不唯一，無法區(qū)分出最優(yōu)的農(nóng)用地資源配置情況。因此，本研究將碳排放量取倒數(shù)，再作為產(chǎn)出變量在理想決策單元交叉效率模型中進(jìn)行測(cè)算。

1.3 Tobit回歸分析

本研究選用的理想決策單元交叉效率模型只是一個(gè)效率評(píng)價(jià)模型，并且在投入、產(chǎn)出的指標(biāo)選取上，它只對(duì)農(nóng)用地結(jié)構(gòu)是否高效進(jìn)行評(píng)估。但是，影響農(nóng)用地利用效率的因素除了土地資源配置以外，還有其他因素。因此，為了對(duì)農(nóng)用地結(jié)構(gòu)優(yōu)化提出更具針對(duì)性的參考意見，有必要結(jié)合其他可能影響農(nóng)用地利用碳排放效率的因素再進(jìn)行探討。由于DEA模型的計(jì)算結(jié)果均大于0，在研究效率影響因素時(shí)，如果選用一般的偏最小二乘法可能會(huì)導(dǎo)致結(jié)果無效，所以本研究在參考前人研究的基礎(chǔ)上，選擇Tobit回歸模型進(jìn)行影響因素分析[21-23]。模型如下：

式中，yi表示因變量，xi表示解釋變量，β表示回歸系數(shù)。

本研究在此基礎(chǔ)上構(gòu)建了農(nóng)用地利用碳排放效率為因變量的Tobit模型，模型如下：

式中，yi表示農(nóng)用地利用碳排放效率，t為年份，β0為常數(shù)項(xiàng)，β1、β2、…、βn為各解釋變量回歸系數(shù)，εi為隨機(jī)擾動(dòng)項(xiàng)。

2 結(jié)果與分析

2.1 農(nóng)用地利用碳排放效率

本研究選取了長(zhǎng)江經(jīng)濟(jì)帶各區(qū)域2013—2017年的相關(guān)數(shù)據(jù)進(jìn)行農(nóng)用地利用碳排放效率計(jì)算，結(jié)果如表1和圖1所示?？傮w上看，2013—2017年間，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)用地碳排放平均效率呈逐年上升趨勢(shì)。從圖1可以看出，這5年間長(zhǎng)江經(jīng)濟(jì)帶農(nóng)用地利用碳排放平均效率最高的是上海市、最低的是貴州省。上海市2013年農(nóng)用地利用碳排放效率是11個(gè)地區(qū)中最高的，效率值為0.847 3，此后逐年下降至2016年的0.741 1，在2017年又略微上升。此外，重慶市的農(nóng)用地利用效率也是先下降再升高。江蘇省、安徽省、江西省和湖南省的農(nóng)用地利用碳排放效率在這5年間呈先上升后下降的趨勢(shì)。浙江省和湖北省在這5年間農(nóng)用地利用效率呈逐年上升趨勢(shì)。四川省農(nóng)用地利用碳排放效率在這5年間從0.543 2逐年下降至0.432 6。云南省的農(nóng)用地利用碳排放效率則呈現(xiàn)出波動(dòng)變化狀態(tài)，但在2017年成為長(zhǎng)江經(jīng)濟(jì)帶11個(gè)區(qū)域中最高，效率值為0.857 8。

表1 2013—2017年長(zhǎng)江經(jīng)濟(jì)帶各區(qū)域農(nóng)用地利用碳排放效率值

2.2 碳排放對(duì)農(nóng)用地利用效率的影響

為了評(píng)估碳排放對(duì)農(nóng)用地利用效率的影響，本研究選取了長(zhǎng)江經(jīng)濟(jì)帶各區(qū)域2017年的相關(guān)數(shù)據(jù)，評(píng)估不考慮碳排放情況下的農(nóng)用地利用效率。從圖2可以看出，在不考慮碳排放的情況下，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)用地利用平均效率基本有所上升，除上海市外，所有區(qū)域決策單元效率值均高于考慮碳排放時(shí)的效率值。這表明未將碳排放作為測(cè)度指標(biāo)時(shí)，農(nóng)用地利用效率可能會(huì)被高估。碳排放作為影響氣候環(huán)境的重要因素，間接影響人類對(duì)土地資源的利用形式，決策者在制定政策時(shí)若不考慮此因素，其結(jié)果可能不如預(yù)期。

2.3 農(nóng)用地利用碳排放效率影響因素

本研究利用Tobit回歸模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)用地利用碳排放效率影響因素進(jìn)行分析，結(jié)果如表2所示?？梢钥闯?，年均氣溫在10%的水平上通過了顯著性檢驗(yàn)，并且與農(nóng)用地利用碳排放效率成負(fù)相關(guān)關(guān)系。由此表明，氣溫越高，效率值越低。在考慮碳排放作為環(huán)境負(fù)向指標(biāo)時(shí)，碳排放量越大，農(nóng)用地利用效率將越低，并且溫室氣體的排放會(huì)導(dǎo)致氣溫升高。同時(shí)，耕地面積通過5%水平的顯著性檢驗(yàn)，并且與農(nóng)用地利用碳排放效率成負(fù)相關(guān)關(guān)系，即區(qū)域耕地面積越大，效率值越低。由于農(nóng)業(yè)碳排放的主要來源是種植業(yè)，耕地面積越大，則表明種植業(yè)越發(fā)達(dá)，會(huì)增加碳排放量，從而降低農(nóng)用地利用效率。農(nóng)村居民人均收入在1%的水平上通過顯著性檢驗(yàn)，并且與農(nóng)用地利用效率成正相關(guān)關(guān)系。農(nóng)村居民人均收入在一定程度上代表農(nóng)村經(jīng)濟(jì)發(fā)展水平，農(nóng)村經(jīng)濟(jì)發(fā)展水平越高，農(nóng)民對(duì)農(nóng)業(yè)資本的投入將越大，客觀上可以改善農(nóng)業(yè)生產(chǎn)模式，也有利于農(nóng)業(yè)生產(chǎn)中生態(tài)環(huán)境的改善。其他因素如農(nóng)村用電量、農(nóng)業(yè)機(jī)械總動(dòng)力和農(nóng)業(yè)財(cái)政投入在回歸分析中不顯著，表明這3個(gè)因素對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)用地利用碳排放效率未產(chǎn)生明顯影響。

表2 農(nóng)用地利用碳排放效率影響因素分析結(jié)果

3 結(jié)論與討論

3.1 結(jié)論

從理想決策單元模型的結(jié)果可以看出，當(dāng)碳排放作為非期望產(chǎn)出變量時(shí)，在2013—2017年間，上海、湖南、四川以及貴州等4個(gè)?。ㄊ校┺r(nóng)用地利用碳排放效率總體呈下降趨勢(shì)，其余?。ㄊ校┛傮w呈現(xiàn)上升趨勢(shì)，但上升幅度較小。5年期間，長(zhǎng)江經(jīng)濟(jì)帶各區(qū)域的農(nóng)用地利用效率均未達(dá)到DEA完全有效，這表明長(zhǎng)江經(jīng)濟(jì)帶農(nóng)用地結(jié)構(gòu)有較大的優(yōu)化空間。

當(dāng)碳排放不作為考量因素時(shí)，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)用地利用效率普遍有所上升，表明在農(nóng)用地利用過程中產(chǎn)生碳排放會(huì)對(duì)土地利用效率有一定程度的負(fù)面影響。當(dāng)不考慮碳排放的影響時(shí)，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)用地利用效率會(huì)被高估。農(nóng)業(yè)生產(chǎn)過程中的溫室氣體排放會(huì)間接影響土地利用方式，如果決策者不考慮碳排放因素，最終的農(nóng)用地資源配置結(jié)果可能會(huì)不如預(yù)期[24-26]。

通過Tobit回歸分析結(jié)果可以看出，年均氣溫和耕地面積與長(zhǎng)江經(jīng)濟(jì)帶農(nóng)用地利用碳排放效率成負(fù)向顯著相關(guān)，農(nóng)村居民人均收入則與區(qū)域農(nóng)用地利用碳排放效率成正向顯著相關(guān)，而農(nóng)村用電量、農(nóng)業(yè)財(cái)政投入和農(nóng)業(yè)機(jī)械總動(dòng)力對(duì)區(qū)域農(nóng)用地利用碳排放效率不產(chǎn)生顯著影響。

3.2 討論

本文以長(zhǎng)江經(jīng)濟(jì)帶作為研究對(duì)象，評(píng)估了區(qū)域內(nèi)11個(gè)省（市）農(nóng)用地利用碳排放效率，可以為區(qū)域農(nóng)業(yè)低碳生產(chǎn)提供決策依據(jù)。本研究選用的理想決策單元交叉效率模型只是一個(gè)計(jì)算效率的模型，并且其評(píng)價(jià)模式為決策單元間的相互評(píng)價(jià)，可以選出被評(píng)價(jià)決策單元中相對(duì)較優(yōu)的一個(gè)，但不能給出具體的優(yōu)化策略，因而它更適用于宏觀政策分析。由于《全國(guó)土地利用總體規(guī)劃綱要（2006—2020年）》中指出耕地保有量屬于約束指標(biāo)等情況，表明部分農(nóng)用地不可能大面積變動(dòng)，所以不能完全從農(nóng)用地結(jié)構(gòu)和土地資源配置角度進(jìn)行效率優(yōu)化?？梢詫⑼恋刭Y源配置問題與社會(huì)經(jīng)濟(jì)因素共同考慮，例如在政策范圍內(nèi)最大程度優(yōu)化農(nóng)用地結(jié)構(gòu)后，再提高農(nóng)業(yè)生產(chǎn)中的資本投入，改善農(nóng)業(yè)生產(chǎn)模式，從生產(chǎn)技術(shù)方面來提高農(nóng)業(yè)生產(chǎn)量和降低農(nóng)業(yè)生產(chǎn)過程中的碳排放量，從而更大程度上提升農(nóng)用地利用碳排放效率。同時(shí)，部分農(nóng)用地如林地和園地對(duì)碳排放有吸收效應(yīng)，因而在進(jìn)行農(nóng)用地利用低碳優(yōu)化時(shí)還可以從凈碳排放角度考慮。