陳申奧，景曉棟，陳 潔

（河海大學(xué) 商學(xué)院，江蘇 南京 211100）

0 引言

糧食安全關(guān)乎我國(guó)民生的根本。中國(guó)以全球7%的耕地養(yǎng)活了全球約20%的人口，但在糧食持續(xù)增長(zhǎng)的背后，我國(guó)農(nóng)業(yè)發(fā)展正面臨下行的巨大壓力。據(jù)統(tǒng)計(jì)，農(nóng)業(yè)碳排放已經(jīng)成為僅次于能源碳排放的第二大碳排放重要來(lái)源［1］。近年來(lái)，在城鎮(zhèn)化進(jìn)程不斷推進(jìn)、生態(tài)環(huán)境不斷惡化的現(xiàn)實(shí)條件下，高投入、高消費(fèi)、低效率的傳統(tǒng)粗放型土地經(jīng)營(yíng)模式已經(jīng)無(wú)法適應(yīng)當(dāng)下環(huán)境，耕地資源緊缺、農(nóng)業(yè)面源污染、要素資源消耗與生態(tài)效率低下等問(wèn)題引發(fā)了社會(huì)系統(tǒng)性風(fēng)險(xiǎn)。如何優(yōu)化土地資源配置，提高農(nóng)業(yè)的全要素生產(chǎn)率，充分激發(fā)農(nóng)業(yè)生態(tài)價(jià)值，已成為黨和國(guó)家高度關(guān)注的重點(diǎn)問(wèn)題。黨的十八大以來(lái)，習(xí)近平總書(shū)記多次就建設(shè)農(nóng)業(yè)強(qiáng)國(guó)發(fā)表重要論述，不斷強(qiáng)調(diào)要堅(jiān)持“全方位夯實(shí)糧食安全根基”和“堅(jiān)持農(nóng)業(yè)農(nóng)村優(yōu)先發(fā)展”等執(zhí)政思路。2022年國(guó)務(wù)院在《中共中央國(guó)務(wù)院關(guān)于做好2023年全面推進(jìn)鄉(xiāng)村振興工作的意見(jiàn)》中明確提出要抓好糧食和重要農(nóng)產(chǎn)品穩(wěn)產(chǎn)保供，堅(jiān)決守牢糧食安全線，建設(shè)現(xiàn)代化農(nóng)業(yè)強(qiáng)國(guó)。

黃河流域是我國(guó)重要的生態(tài)功能區(qū)，在生態(tài)環(huán)境、水資源供給和農(nóng)業(yè)供給方面具有重要地位［2］。2020年，黃河流域農(nóng)業(yè)總產(chǎn)值達(dá)到8167億元，占全國(guó)農(nóng)業(yè)總產(chǎn)值的36.2%。2021年《黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展規(guī)劃綱要》中提出要進(jìn)一步推動(dòng)黃河流域農(nóng)業(yè)生態(tài)治理和經(jīng)濟(jì)社會(huì)發(fā)展工作。然而，黃河流域農(nóng)業(yè)發(fā)展長(zhǎng)期面臨水資源匱乏、農(nóng)業(yè)結(jié)構(gòu)單一、農(nóng)業(yè)生產(chǎn)水平低以及水質(zhì)污染嚴(yán)重等諸多頑瘴痼疾，嚴(yán)重制約了黃河流域農(nóng)業(yè)的綠色可持續(xù)發(fā)展。在農(nóng)業(yè)效率低下和環(huán)境污染嚴(yán)重雙重受限的現(xiàn)實(shí)背景下，推動(dòng)黃河流域農(nóng)業(yè)生態(tài)效率的提升，對(duì)于保障我國(guó)糧食安全、提升生態(tài)環(huán)境質(zhì)量具有重要意義。

近年來(lái)，農(nóng)業(yè)生態(tài)效率作為科學(xué)衡量農(nóng)業(yè)生產(chǎn)水平的重要指標(biāo)，受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注［3］。目前，關(guān)于農(nóng)業(yè)生態(tài)效率的研究主要分為以下三個(gè)方面：（1）農(nóng)業(yè)生態(tài)效率研究方法方面，目前國(guó)內(nèi)外學(xué)者主要采用生態(tài)足跡法［4］、SFA模型法［5］和DEA模型法［6-9］進(jìn)行效率測(cè)度。其中DEA模型法具有簡(jiǎn)便、客觀以及無(wú)須事先估計(jì)生產(chǎn)函數(shù)等優(yōu)點(diǎn)，因此在效率評(píng)價(jià)領(lǐng)域得到了廣泛應(yīng)用。傳統(tǒng)的BCC、CCR模型存在忽視投入產(chǎn)出松弛變量的問(wèn)題，改進(jìn)后的SBM模型通過(guò)將非期望產(chǎn)出納入指標(biāo)體系，使得測(cè)算結(jié)果更加精準(zhǔn)［10］。（2）在不同空間尺度方面，國(guó)內(nèi)外學(xué)者主要從國(guó)家、地區(qū)和省市等角度對(duì)農(nóng)業(yè)生態(tài)效率展開(kāi)研究。Magrini［11］通過(guò)對(duì)1990—2019年歐洲40個(gè)國(guó)家的農(nóng)業(yè)生態(tài)效率進(jìn)行測(cè)度，發(fā)現(xiàn)阿爾巴尼亞、克羅地亞等7個(gè)國(guó)家在研究期內(nèi)農(nóng)業(yè)生態(tài)效率明顯提高；陳陽(yáng)等［12］利用超效率DEA-SBM模型和DEA-Malmquist指數(shù)法測(cè)算了中國(guó)的農(nóng)業(yè)生態(tài)效率，得出農(nóng)業(yè)生態(tài)效率總體發(fā)展趨勢(shì)平緩，總體未達(dá)到有效水平的結(jié)論；Demiral等［13］對(duì)美國(guó)2018年50個(gè)州的生態(tài)效率進(jìn)行了評(píng)估，研究發(fā)現(xiàn)二氧化碳排放量低的國(guó)家生態(tài)效率水平顯著提高；趙吉［14］采用非期望產(chǎn)出SBM模型對(duì)2010—2019年四川省21個(gè)地市的農(nóng)業(yè)生態(tài)效率值進(jìn)行了測(cè)算，提出大力推廣新型農(nóng)機(jī)等環(huán)保型農(nóng)業(yè)技術(shù)的建議。（3）在農(nóng)業(yè)生態(tài)效率影響因素研究方面，目前主要集中在農(nóng)業(yè)技術(shù)、財(cái)政支農(nóng)資金和糧食產(chǎn)能等角度。李昕欣等［15］采用DEA-BCC和DEA-Malmquist模型對(duì)2010—2019年山東省各地級(jí)市的農(nóng)業(yè)生態(tài)效率進(jìn)行測(cè)度，研究發(fā)現(xiàn)農(nóng)業(yè)技術(shù)進(jìn)步是山東省農(nóng)業(yè)生態(tài)效率提升的主要?jiǎng)恿?；楊昕蕾等?6］運(yùn)用SBM模型和OLS模型分析黃河流域農(nóng)業(yè)生態(tài)效率的影響因素，提出加大農(nóng)業(yè)科技投入、改善農(nóng)業(yè)生產(chǎn)方式等舉措促進(jìn)黃河流域農(nóng)業(yè)生態(tài)效率提升；黃志斌等［17］通過(guò)系統(tǒng)動(dòng)態(tài)廣義矩估計(jì)模型，研究財(cái)政支農(nóng)資金對(duì)農(nóng)業(yè)生態(tài)效率的影響，得出政府應(yīng)加大對(duì)農(nóng)業(yè)生態(tài)建設(shè)的財(cái)政投入、優(yōu)化財(cái)政支農(nóng)資金結(jié)構(gòu)等啟示；劉鵬凌等［18］實(shí)證檢驗(yàn)糧食產(chǎn)能對(duì)農(nóng)業(yè)生態(tài)效率的影響，研究發(fā)現(xiàn)糧食種植結(jié)構(gòu)正向調(diào)節(jié)了復(fù)種指數(shù)與農(nóng)業(yè)生態(tài)效率之間的關(guān)系，負(fù)向強(qiáng)化了糧食產(chǎn)量對(duì)農(nóng)業(yè)生態(tài)效率的影響。

綜上，目前國(guó)內(nèi)外學(xué)者對(duì)農(nóng)業(yè)生態(tài)效率的研究成果較多，但現(xiàn)有研究主要將糧食產(chǎn)量、農(nóng)業(yè)技術(shù)和財(cái)政支農(nóng)資金作為農(nóng)業(yè)生態(tài)效率的影響因素，忽視了耕地在農(nóng)業(yè)生產(chǎn)活動(dòng)中所提供的生態(tài)價(jià)值［19］。已有研究表明，農(nóng)業(yè)具有碳源碳匯的雙重屬性，農(nóng)業(yè)生態(tài)系統(tǒng)在為人類提供基本糧食的同時(shí)，還具有巨大的生態(tài)系統(tǒng)服務(wù)功能［20-22］。同時(shí)，現(xiàn)有成果在進(jìn)行農(nóng)業(yè)生態(tài)效率測(cè)度時(shí)一般只將化肥投入所產(chǎn)生的營(yíng)養(yǎng)物污染納入非期望產(chǎn)出，而忽略了農(nóng)藥和農(nóng)膜等對(duì)生態(tài)環(huán)境的影響［23］?；诖?，本文選取2011—2020年黃河流域9省份作為研究區(qū)域，采用生態(tài)價(jià)值評(píng)價(jià)法(ESV)測(cè)算耕地在種糧過(guò)程中產(chǎn)生的生態(tài)價(jià)值，運(yùn)用超效率SBM模型及Malmquist指數(shù)，將農(nóng)業(yè)生態(tài)價(jià)值和農(nóng)業(yè)碳排放納入農(nóng)業(yè)生態(tài)效率評(píng)價(jià)體系，詳細(xì)分析了2011—2020年黃河流域農(nóng)業(yè)綠色全要素生產(chǎn)率及影響因素，并在此基礎(chǔ)上為黃河流域的農(nóng)業(yè)可持續(xù)發(fā)展提出了對(duì)策建議。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 研究方法

1.1.1 生態(tài)價(jià)值評(píng)估方法 耕地具有凈化和改善生態(tài)環(huán)境質(zhì)量、緩解地表環(huán)境變化幅度、維持物質(zhì)循環(huán)、固碳釋氧、保障水資源等方面的作用。為研究黃河流域耕地所產(chǎn)生的生態(tài)價(jià)值，依據(jù)Costanza等［24］提出的當(dāng)量因子法，結(jié)合謝高地等［25-27］修正的中國(guó)內(nèi)陸耕地生態(tài)價(jià)值評(píng)價(jià)系數(shù)（其中氣體調(diào)節(jié)為0.50，氣候調(diào)節(jié)為0.89，水文調(diào)節(jié)為0.60，廢物處理為1.64，保持土壤為1.46，維持生物多樣性為0.71，提供美學(xué)景觀為0.01）以及黃河流域不同省份農(nóng)田生態(tài)系統(tǒng)生物量因子修正系數(shù)（表1），測(cè)算黃河流域9個(gè)省份的耕地在農(nóng)業(yè)生產(chǎn)過(guò)程中產(chǎn)生的生態(tài)服務(wù)價(jià)值，該過(guò)程的計(jì)算公式為：

表1 黃河流域不同省份耕地生態(tài)系統(tǒng)生物量因子

式（1）中：ESV為糧食生產(chǎn)過(guò)程中產(chǎn)生的總生態(tài)價(jià)值，t為研究年份，i為廢物處理、保持土壤、氣候調(diào)節(jié)、維持生物多樣性、水文調(diào)節(jié)、氣體調(diào)節(jié)、提供美學(xué)景觀等7類生態(tài)功能價(jià)值，A為各地區(qū)的糧食播種面積，P為基期糧食單產(chǎn)可比價(jià)格，CF為地區(qū)修正系數(shù)，EC為各項(xiàng)生態(tài)系統(tǒng)服務(wù)價(jià)值當(dāng)量因子。

1.1.2 碳排放測(cè)算方法 耕地在糧食生產(chǎn)活動(dòng)中表現(xiàn)為碳源，主要包括化肥施用、農(nóng)藥和農(nóng)膜耗用、農(nóng)業(yè)機(jī)械的使用、農(nóng)業(yè)灌溉等導(dǎo)致的碳排放［28］。結(jié)合李波等［29］的方法對(duì)碳排放進(jìn)行測(cè)算，估算公式為：

式（2）中：E為農(nóng)業(yè)的碳排放總量，Ei為化肥、農(nóng)藥等農(nóng)業(yè)碳排放源的碳排放量，Ti為各農(nóng)業(yè)碳排放源的使用量，γi為各農(nóng)業(yè)碳排放源的碳排放系數(shù)，各類農(nóng)業(yè)碳排放源的碳排放系數(shù)見(jiàn)表2。

表2 農(nóng)業(yè)碳排放源的碳排放系數(shù) kg/kg

1.1.3 超效率SBM模型 農(nóng)業(yè)生態(tài)效率是反映糧食生產(chǎn)水平的重要指標(biāo)，現(xiàn)有農(nóng)業(yè)生態(tài)效率研究大多僅考慮糧食產(chǎn)量或糧食產(chǎn)值等期望產(chǎn)出，而忽視了農(nóng)業(yè)生態(tài)價(jià)值及農(nóng)業(yè)碳排放等非期望產(chǎn)出對(duì)農(nóng)業(yè)生態(tài)效率的影響。相較于BCC、CCR等傳統(tǒng)的DEA模型，Tone等［30-31］提出的SBM-DEA模型將非期望產(chǎn)出和松弛變量也納入了效率測(cè)算范圍，從而使得測(cè)算出的效率值更加準(zhǔn)確。因此，本研究借鑒已有學(xué)者［30］的研究成果，采用包含投入、期望產(chǎn)出及非期望產(chǎn)出3個(gè)向量的SBM模型進(jìn)行農(nóng)業(yè)生態(tài)效率的測(cè)度。

1.1.4 Malmquist-Luenberger指數(shù)(ML) ML指數(shù)又稱全要素生產(chǎn)率指數(shù)，是一個(gè)可體現(xiàn)效率動(dòng)態(tài)變化的指標(biāo)。ML指數(shù)可以分解為技術(shù)效率指數(shù)(EC)和技術(shù)進(jìn)步指數(shù)(TC)。其中ML為農(nóng)業(yè)全要素生產(chǎn)率，表示各期農(nóng)業(yè)生態(tài)效率的變化情況；EC為農(nóng)業(yè)技術(shù)效率指數(shù)，表示各期的農(nóng)業(yè)技術(shù)效率水平；TC為農(nóng)業(yè)技術(shù)進(jìn)步指數(shù)，表示各期的農(nóng)業(yè)技術(shù)水平，詳細(xì)公式可參考田明升等［31］對(duì)于模型構(gòu)建和指數(shù)分解的指標(biāo)體系。

1.2 指標(biāo)體系構(gòu)建和數(shù)據(jù)處理

參考已有的研究成果［33-36］，結(jié)合黃河流域農(nóng)業(yè)生產(chǎn)的具體情況，本文選取勞動(dòng)力、土地、機(jī)械動(dòng)力、水資源和農(nóng)業(yè)化肥等資源要素作為投入指標(biāo)，選取農(nóng)業(yè)生態(tài)價(jià)值和糧食總量作為期望產(chǎn)出，并將農(nóng)業(yè)碳排放作為非期望產(chǎn)出指標(biāo)，構(gòu)建黃河流域農(nóng)業(yè)生態(tài)效率評(píng)價(jià)指標(biāo)體系（表3）。

表3 黃河流域農(nóng)業(yè)生態(tài)效率評(píng)價(jià)指標(biāo)體系

1.3 數(shù)據(jù)來(lái)源

基于數(shù)據(jù)的連續(xù)性和可得性，本文選取數(shù)據(jù)的時(shí)間跨度為2011—2020年，對(duì)涉及研究的數(shù)據(jù)進(jìn)行了收集與整理。其中糧食作物播種面積、農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)業(yè)用水總量、農(nóng)藥及化肥使用量、農(nóng)產(chǎn)品價(jià)格和糧食總量等數(shù)據(jù)來(lái)自《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)產(chǎn)品價(jià)格調(diào)查年鑒》及各?。ㄗ灾螀^(qū)）的統(tǒng)計(jì)年鑒。勞動(dòng)力投入用農(nóng)業(yè)從業(yè)人員數(shù)量來(lái)表示，由于暫未直接公布農(nóng)業(yè)從業(yè)人員數(shù)據(jù)，本文借鑒高孟菲等［37］的做法，根據(jù)農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧漁業(yè)總產(chǎn)值的比值等比例計(jì)算出農(nóng)業(yè)從業(yè)人員數(shù)量。

2 實(shí)證分析

2.1 農(nóng)業(yè)生態(tài)價(jià)值測(cè)算結(jié)果分析

本文將耕地在農(nóng)業(yè)生產(chǎn)活動(dòng)過(guò)程中產(chǎn)生的生態(tài)價(jià)值作為農(nóng)業(yè)生態(tài)效率的期望產(chǎn)出之一，結(jié)合各省份的耕地稟賦和農(nóng)業(yè)生產(chǎn)狀況，使用生態(tài)價(jià)值評(píng)價(jià)法計(jì)算出各省的農(nóng)業(yè)生態(tài)價(jià)值（圖1）。

圖1 2011—2020年黃河流域9?。ㄗ灾螀^(qū)）農(nóng)業(yè)生態(tài)價(jià)值的演變情況

由圖1可知，黃河流域各省份農(nóng)業(yè)生態(tài)價(jià)值排序?yàn)楹幽希旧綎|＞四川＞內(nèi)蒙古＞陜西＞山西＞甘肅＞寧夏＞青海；從整個(gè)時(shí)序上看，河南、山東、四川、內(nèi)蒙古和山西的農(nóng)業(yè)生態(tài)價(jià)值增量較大，分別增加了2267.89億、1749.71億、454.75億、453.46億和160.38億元，甘肅、青海和寧夏的農(nóng)業(yè)生態(tài)價(jià)值維持穩(wěn)定，而陜西的農(nóng)業(yè)生態(tài)價(jià)值降幅較大，達(dá)到了228.76億元；從空間上看，農(nóng)業(yè)生態(tài)價(jià)值提升的省份主要集中在黃河流域的南部和東部地區(qū)，其中河南、山東和四川作為我國(guó)的產(chǎn)糧大省，得益于獨(dú)一無(wú)二的地理環(huán)境和氣候條件，成為了保障我國(guó)糧食安全的重要支撐。近年來(lái)，隨著強(qiáng)農(nóng)惠農(nóng)政策和耕地保護(hù)制度的逐步完善及農(nóng)業(yè)生產(chǎn)技術(shù)的創(chuàng)新升級(jí)，河南、山東和四川的種糧生態(tài)價(jià)值在研究期內(nèi)得到了明顯提升。而內(nèi)蒙古和山西在由傳統(tǒng)能源和重工業(yè)省份逐漸轉(zhuǎn)型期間，其農(nóng)業(yè)生態(tài)價(jià)值存在波動(dòng)上升的趨勢(shì)。甘肅、青海和寧夏由于降水稀少、氣候干旱和耕地面積受限等原因，農(nóng)業(yè)發(fā)展的速度緩慢，農(nóng)業(yè)生態(tài)價(jià)值變化的幅度較小。陜西的農(nóng)業(yè)發(fā)展受自然分割的基礎(chǔ)條件制約，由于其土壤流失嚴(yán)重、少雨缺水、土地貧瘠、農(nóng)業(yè)自然風(fēng)險(xiǎn)和技術(shù)風(fēng)險(xiǎn)大等原因，陜西的農(nóng)業(yè)發(fā)展水平較低，農(nóng)業(yè)生態(tài)價(jià)值出現(xiàn)了明顯下降。總體而言，黃河流域農(nóng)業(yè)生態(tài)價(jià)值在研究期內(nèi)呈現(xiàn)上升趨勢(shì)，2020年達(dá)到了21961.31億元，其中河南和山東占總農(nóng)業(yè)生態(tài)價(jià)值的比重最大，分別為40.03%和33.00%。

2.2 農(nóng)業(yè)碳排放分析

由表4可知，2011—2015年黃河流域農(nóng)業(yè)碳排放量呈現(xiàn)出上升趨勢(shì)，并于2015年達(dá)到了峰值。2016年后，黃河流域農(nóng)業(yè)碳排放量呈現(xiàn)明顯的下降趨勢(shì)，在2016—2020年期間共減少農(nóng)業(yè)碳排放44.3萬(wàn)t，農(nóng)業(yè)碳排放較高的現(xiàn)狀得到了明顯的改善。

表4 2011—2020年黃河流域農(nóng)業(yè)碳排放量情況 萬(wàn)t

從黃河流域各省份農(nóng)業(yè)碳排放量均值來(lái)看，省際農(nóng)業(yè)碳排放的差異顯著，主要的碳排放量集中在農(nóng)業(yè)大省。河南和山東兩省的碳排放占比超過(guò)了整個(gè)黃河流域的50%，分別為840.32萬(wàn)、732.03萬(wàn)t。其次是四川和內(nèi)蒙古，農(nóng)業(yè)碳排放分別為345.42萬(wàn)、304.00萬(wàn)t。陜西、甘肅、山西和寧夏的農(nóng)業(yè)碳排放分別為287.26萬(wàn)、222.99萬(wàn)、162.80萬(wàn)和58.96萬(wàn)t。青海的農(nóng)業(yè)碳排放量最少，僅為16.57萬(wàn)t，原因是青海的耕地面積有限，對(duì)于農(nóng)業(yè)的投入遠(yuǎn)小于其他省份。

2.3 農(nóng)業(yè)生態(tài)效率分析

運(yùn)用MaxDEA軟件對(duì)2011—2020年黃河流域9省（自治區(qū)）的農(nóng)業(yè)生態(tài)效率進(jìn)行實(shí)證分析，結(jié)果見(jiàn)表5。

表5 2011—2020年黃河流域9個(gè)?。ㄗ灾螀^(qū)）的農(nóng)業(yè)生態(tài)效率

由表5可知，2011—2015年黃河流域農(nóng)業(yè)生態(tài)效率均值維持在0.9左右，處于較高水平，但增速較為緩慢。2016—2020年間呈現(xiàn)波動(dòng)上升趨勢(shì)，且2020年農(nóng)業(yè)生態(tài)效率均值為1.148，表明自2016年起黃河流域不斷重視農(nóng)業(yè)與生態(tài)協(xié)調(diào)發(fā)展，從而推動(dòng)了農(nóng)業(yè)生態(tài)效率的持續(xù)提升。

從空間上看，省際之間農(nóng)業(yè)生態(tài)效率呈現(xiàn)兩極分化局面。內(nèi)蒙古農(nóng)業(yè)生態(tài)效率均值最高，2011—2020年其農(nóng)業(yè)生態(tài)效率均值達(dá)到了1.426，且每年的農(nóng)業(yè)生態(tài)效率值均大于1.2，大幅領(lǐng)先于其他省份。究其原因，內(nèi)蒙古以畜牧業(yè)發(fā)展為主，人均耕地面積大，農(nóng)業(yè)生產(chǎn)活動(dòng)對(duì)于環(huán)境的影響較小。河南和山東位于黃河下游地區(qū)，平原地形廣布，農(nóng)作物播種面積大，加上近些年對(duì)生態(tài)環(huán)境保護(hù)的不斷重視，因此農(nóng)業(yè)生態(tài)效率也略高于中上游其他地區(qū)。陜西、甘肅、青海和寧夏的農(nóng)業(yè)生態(tài)效率明顯低于黃河流域內(nèi)的其他省份。陜西位于黃土高原腹地，而其余?。ㄗ灾螀^(qū)）也位于黃河流域上游地區(qū)，農(nóng)業(yè)水資源短缺、耕地面積受限、氣候條件惡劣和生態(tài)環(huán)境脆弱等因素均導(dǎo)致了其農(nóng)業(yè)生態(tài)效率較低。綜上所述，推動(dòng)黃河流域農(nóng)業(yè)一體化協(xié)調(diào)發(fā)展對(duì)于提升農(nóng)業(yè)生態(tài)效率具有重大意義。

2.4 Malmquist-Luenberger指數(shù)分析

Malmquist-Luenberger指數(shù)代表了農(nóng)業(yè)生態(tài)效率的動(dòng)態(tài)變化值，可分解為技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)。黃河流域9?。ㄗ灾螀^(qū)）的全要素生產(chǎn)率變化指數(shù)及其分解值具體見(jiàn)表6。

表6 2011—2020年黃河流域9?。ㄗ灾螀^(qū)）ML指數(shù)及其分解

由表6可知，黃河流域ML指數(shù)的平均值為1.062，且研究期內(nèi)9個(gè)?。ㄗ灾螀^(qū)）的ML指數(shù)都大于1，由此可以看出黃河流域農(nóng)業(yè)生態(tài)效率總體發(fā)展態(tài)勢(shì)良好，但由于各省份農(nóng)業(yè)基礎(chǔ)、自然條件、農(nóng)業(yè)技術(shù)水平發(fā)展?fàn)顩r不同，使得農(nóng)業(yè)生態(tài)效率存在一定程度的差異。ML指數(shù)增長(zhǎng)最為顯著的地區(qū)為青海和河南，兩者的EC指數(shù)和TC指數(shù)均大于1，表明這2個(gè)省份依靠技術(shù)效率和技術(shù)進(jìn)步共同推動(dòng)了農(nóng)業(yè)生態(tài)效率的提升。此外，陜西、甘肅和寧夏的EC指數(shù)小于1，因此可以得出這3個(gè)省份的ML指數(shù)提升主要依靠的是技術(shù)進(jìn)步，技術(shù)效率在一定程度上阻礙了農(nóng)業(yè)生態(tài)效率的提升。四川的TC指數(shù)小于1，應(yīng)當(dāng)加強(qiáng)對(duì)農(nóng)業(yè)生產(chǎn)技術(shù)的投入研究，利用技術(shù)進(jìn)步來(lái)拉動(dòng)農(nóng)業(yè)生態(tài)效率提高。

為了更好地研究黃河流域的ML指數(shù)的時(shí)間變化特征，對(duì)2011—2020年黃河流域ML指數(shù)及其分解值（表7）進(jìn)行分析。

表7 2011—2020年黃河流域ML指數(shù)及其分解

由表7可知，在2011—2020年，黃河流域ML指數(shù)、EC指數(shù)和TC指數(shù)均大于1，其中ML指數(shù)在2012—2015年間保持平穩(wěn)狀態(tài)，2015—2016年迎來(lái)小幅增長(zhǎng)，2019—2020年增長(zhǎng)速度最快，總體來(lái)看，ML指數(shù)存在較大波動(dòng)。2011—2012年的技術(shù)進(jìn)步指數(shù)雖然小于1，但ML指數(shù)還是處于增長(zhǎng)狀態(tài)，這是因?yàn)樾矢倪M(jìn)指數(shù)的增長(zhǎng)作用抵消了技術(shù)不足的負(fù)面作用，也表明應(yīng)該加大技術(shù)進(jìn)步。盡管其他年份的EC指數(shù)和TC指數(shù)均大于1，但在2011—2015年期間這2個(gè)指數(shù)的拉動(dòng)作用都處于較弱的狀態(tài)，2015—2020年在2個(gè)指數(shù)共同推動(dòng)下，ML指數(shù)得到了顯著提高。

3 結(jié)論與建議

3.1 結(jié)論

本文通過(guò)采用超效率SBM-Malmquist指數(shù)模型對(duì)2011—2020年黃河流域9省農(nóng)業(yè)生態(tài)效率進(jìn)行時(shí)空特征分析，研究結(jié)果表明：

（1）黃河流域農(nóng)業(yè)生態(tài)價(jià)值整體呈上升趨勢(shì)，2020年達(dá)到21961.31億元，其中河南和山東占總農(nóng)業(yè)生態(tài)價(jià)值的比重最大，分別占到全流域總農(nóng)業(yè)生態(tài)價(jià)值的40.03%和33.00%。

（2）黃河流域農(nóng)業(yè)碳排放近年來(lái)得到明顯改善，自2016年起，農(nóng)業(yè)碳排放量呈現(xiàn)明顯的下降趨勢(shì)，在2016—2020年共減少農(nóng)業(yè)碳排放44.3萬(wàn)t，農(nóng)業(yè)碳排放省際的差異顯著，河南和山東作為農(nóng)業(yè)大省，處在碳排放量的前2位。

（3）黃河流域農(nóng)業(yè)生態(tài)效率整體水平較高，呈現(xiàn)出波動(dòng)上升趨勢(shì)；農(nóng)業(yè)生態(tài)效率的省際差異較大，內(nèi)蒙古效率值最高，陜西、甘肅、青海和寧夏的效率值明顯低于流域內(nèi)的其他地區(qū)。

（4）黃河流域的全要素生產(chǎn)率指數(shù)均大于1，這說(shuō)明農(nóng)業(yè)生態(tài)效率整體呈現(xiàn)上升趨勢(shì)；但陜西、甘肅和寧夏的效率改進(jìn)指數(shù)以及四川的技術(shù)進(jìn)步指數(shù)小于1，表明仍存在著技術(shù)轉(zhuǎn)化效率不足、管理效率水平不高等問(wèn)題。

3.2 建議

基于上述研究結(jié)論，本文提出如下對(duì)策建議：

（1）建設(shè)新型農(nóng)業(yè)體系。重視耕地給黃河流域帶來(lái)的生態(tài)價(jià)值，以維護(hù)黃河生態(tài)安全為目標(biāo)，改善生態(tài)環(huán)境治理為核心，堅(jiān)決貫徹實(shí)施《黃河保護(hù)法》，扎實(shí)推進(jìn)防洪減災(zāi)、水資源保護(hù)、生態(tài)修復(fù)治理等重點(diǎn)任務(wù)落地落實(shí)。積極挖掘農(nóng)業(yè)生態(tài)產(chǎn)品價(jià)值，重點(diǎn)發(fā)展農(nóng)產(chǎn)品精深加工、鄉(xiāng)村旅游和農(nóng)村電商等新興產(chǎn)業(yè)，全力推動(dòng)產(chǎn)業(yè)融合發(fā)展，促進(jìn)鄉(xiāng)村產(chǎn)業(yè)全鏈條轉(zhuǎn)型升級(jí)。

（2）促進(jìn)農(nóng)業(yè)綠色低碳發(fā)展。重視農(nóng)業(yè)碳排放對(duì)環(huán)境帶來(lái)的不利影響，研發(fā)推廣作物吸收、利用率高的新型肥料產(chǎn)品，推廣水肥一體化等高效施肥技術(shù)，提高肥料利用率。加快先進(jìn)低碳節(jié)能農(nóng)機(jī)裝備研發(fā)，降低化石能源消耗和二氧化碳排放。因地制宜推廣應(yīng)用生物質(zhì)能、太陽(yáng)能和風(fēng)能等綠色用能模式，增加農(nóng)業(yè)清潔能源供應(yīng)，推動(dòng)黃河流域農(nóng)業(yè)綠色低碳發(fā)展。

（3）推動(dòng)農(nóng)業(yè)現(xiàn)代化高質(zhì)量發(fā)展。重視農(nóng)業(yè)生產(chǎn)效率在農(nóng)業(yè)發(fā)展過(guò)程中的積極作用，建設(shè)黃河流域現(xiàn)代農(nóng)業(yè)示范區(qū)，實(shí)施高標(biāo)準(zhǔn)農(nóng)田建設(shè)工程和耕地質(zhì)量提升工程，優(yōu)化作物水分灌溉管理，開(kāi)展主要農(nóng)作物生產(chǎn)的全程機(jī)械化示范。政策鼓勵(lì)支持企業(yè)與農(nóng)業(yè)新型經(jīng)營(yíng)主體進(jìn)行合作，加大農(nóng)業(yè)實(shí)用人才的培養(yǎng)力度，加強(qiáng)科技創(chuàng)新和品種選育，促進(jìn)黃河流域高效率的現(xiàn)代化農(nóng)業(yè)體系早日建成。