朱松平,葉婉瓊

(三明學院 經濟與管理學院,福建 三明 365004)

習近平總書記在第七十五屆聯(lián)合國大會上宣布,中國力爭于 2030年前二氧化碳排放達到峰值,努力爭取 2060年前實現(xiàn)碳中和目標?！笆奈濉睍r期是碳達峰的關鍵期、窗口期,國務院相繼發(fā)布重要文件,把降低碳排放量作為重要的戰(zhàn)略目標,推進我國經濟社會實現(xiàn)全面綠色低碳發(fā)展。國家重視農業(yè)發(fā)展,將“三農”問題列為當前工作的首要任務。黨的二十大報告也提出,要全面推進鄉(xiāng)村振興,堅持農業(yè)農村優(yōu)先發(fā)展,加快建設農業(yè)強國。

低碳農業(yè)是一種在農業(yè)生產過程中,通過采取各類措施來減少碳排放并降低碳足跡的農業(yè)模式,致力于減少農業(yè)活動中溫室氣體的排放,倡導農業(yè)生產中可再生能源的利用,強調農業(yè)碳匯功能的發(fā)揮,維護農業(yè)生態(tài)系統(tǒng)的多樣性。低碳農業(yè)追求經濟、社會和環(huán)境的可持續(xù)發(fā)展,可以幫助農業(yè)部門適應氣候變化并減少對環(huán)境的不利影響,對于實現(xiàn)可持續(xù)農業(yè)發(fā)展目標有促進作用,可以提高農產品質量和可持續(xù)供應,同時增進農民經濟福祉和社會可持續(xù)發(fā)展。

福建地處東南沿海,以丘陵地貌為主,地形復雜、地理特征突出,具有山海優(yōu)勢,且氣候溫和、降水充足,適宜發(fā)展農業(yè)。福建農業(yè)產值從2002年的1 125.29億元增長到2021年的5 200.97億元,農業(yè)經濟進步顯著,但仍存在生產方式粗放、耕地資源稀缺、農田基礎設施薄弱、地區(qū)間發(fā)展差異大等突出問題,在農業(yè)基礎建設、農業(yè)產業(yè)結構優(yōu)化等方面存在很大的提升空間。對福建地區(qū)的農業(yè)低碳發(fā)展趨勢進行探析具有顯著意義:有關福建地區(qū)低碳農業(yè)范疇的實證研究較少,通過實證對福建低碳農業(yè)進行分析可以彌補這一方面的不足;另外,能夠為地方政府制定農業(yè)發(fā)展策略提供方向,推進各地區(qū)資源科學配置,助力農業(yè)產業(yè)結構升級,進而助推福建農業(yè)高質量發(fā)展。

一、文獻綜述

我國在農業(yè)生產中廣泛而大量使用石化產品[1]71-74,農業(yè)碳排放量占國內排放總量的17%左右,助推農業(yè)減排固碳,是實現(xiàn)我國碳達峰、碳中和的重要舉措[2]1-10。發(fā)展低碳農業(yè)是我國發(fā)展低碳經濟的必然要求,有助于緩解農業(yè)發(fā)展的資源環(huán)境壓力、實現(xiàn)農業(yè)可持續(xù)發(fā)展、提升我國農業(yè)競爭力[3],現(xiàn)代農業(yè)的發(fā)展增加了溫室氣體等廢棄物排放,低碳農業(yè)要求現(xiàn)代化農業(yè)裝備結合低碳排放理念提高技術標準,在農業(yè)現(xiàn)代化進程中發(fā)展低碳農業(yè),協(xié)助解決我國農民增收、農業(yè)增長、農村穩(wěn)定的“三農”問題[1]1-10。

農業(yè)碳排放水平關乎低碳農業(yè)發(fā)展走向,Arun等[4]1-15、盧奕亨等[5]1-14、王樹芬等[6]1-18、曾大林等[7]30-35研究表明農業(yè)發(fā)展水平與農業(yè)碳排放呈“倒U型”關系,因此對農業(yè)碳排放水平進行測度有其必要性。學術界針對影響農業(yè)碳排放的因素進行了大量研究,并取得了豐富的成果。國外學者對農業(yè)碳排放水平的探討主要從農業(yè)發(fā)展和經濟政策兩方面展開。一是農業(yè)發(fā)展層面,Lehtonen等[8]1-13、Anuga等[9]1-18研究認為農業(yè)碳排放影響因素主要集中在土地利用方面。而Sharma等[10]1-20認為農林復合系統(tǒng)能增加陸地生態(tài)系統(tǒng)的碳固存并減少碳排放。二是經濟政策層面,Leandro和Laerte[11]606-673認為信貸狀況、政府決策會影響農業(yè)低碳排放。相比之下,國內學者針對農業(yè)碳排放水平影響因素的研究更細化,主要從經濟和政治等大環(huán)境因素、產業(yè)類型因素和農業(yè)生產資料因素(如化肥、農膜、秸稈等)方面展開探討。盧奕亨等[5]1-14、常青等[12]367-377、韋沁等[13]318-325、曹俊文和曹玲娟[14]66-68等學者認為農業(yè)碳排放水平受經濟和社會兩個層面影響,經濟層面包括農業(yè)產業(yè)結構、生產效率等因素,政治層面則包括農業(yè)財政補貼等因素,這些因素對農業(yè)碳排放的影響既有正向也有負向。根據(jù)產業(yè)進行劃分,畜牧業(yè)和種植業(yè)被認為是農業(yè)碳排放的重要源頭。王樹芬等[6]1-18、朱艦偉等[15]20-28、高標等[16]13-18認為畜牧業(yè)平均碳排放量稍高于種植業(yè)。從農業(yè)生產資料角度來看,以曹俊文和曹玲娟[14]66-68為代表的大部分學者認為化肥對農業(yè)碳排放的貢獻程度較高,曾大林等[7]30-35指出農膜也是農業(yè)碳排放的主要源頭之一,朱艦偉等[15]20-28認為秸稈焚燒也是農業(yè)碳排放的重要組成部分。

農業(yè)低碳效率是一個重要的評價指標,它可以用來衡量農業(yè)生產對資源與環(huán)境的影響,能夠反映區(qū)域農業(yè)低碳發(fā)展水平。大多數(shù)學者通過借助數(shù)據(jù)包絡法和超效率SBM等模型測算低碳效率。為了解決效率值在時間上的連續(xù)性和可比性,相關模型逐漸拓展為Malmquist-Luenberger(ML)指數(shù)、Global-Malmquist Luenberger(GML)指數(shù)、SSBM-ESDA模型、SBM-Undesirable擴展模型等。潘丹和應瑞瑤[17]3837-3845、安增龍和梁佳禾[18]193-196利用非徑向非角度 SBM模型測度了農業(yè)生態(tài)效率,并提出改善農業(yè)生態(tài)效率的建議;田云和張俊飚[19]1-7、詹禮輝等[20]60-63、曹俊文和曾康[21]115-119運用DEA-Malmquist模型測算了農業(yè)碳排放效率,并對區(qū)域農業(yè)生態(tài)率的空間分布進行檢驗,認為農業(yè)技術進步是低碳農業(yè)發(fā)展的增長源泉。李波和胡豹[22]1004-1008、徐峰等[23]70-78學者以超效率SBM模型為基礎,利用GML指數(shù)研究了生態(tài)效率的時空變化特征;王海飛[24]175-183借助超效率SSBM模型,結合探索性空間數(shù)據(jù)分析(ESDA)方法,對農業(yè)效率水平、空間格局及其演變趨勢進行了實證分析;王寶義和張衛(wèi)國[25]11-19采用SBM-Undesirable擴展模型,測算了農業(yè)生態(tài)效率,并將效率值進行了分解。

在前人研究成果的基礎上,本文從指標設置、研究角度和方法選取等方面,改進了福建低碳農業(yè)研究中的一些不足。第一,在產出中引入碳匯和碳排放指標,構建低碳效率指標評價體系,選擇超效率SBM模型對福建9地市2002—2021年的農業(yè)低碳效率進行估算,較為全面、客觀地衡量了福建低碳農業(yè)發(fā)展水平;第二,運用 GML 指數(shù)模型從時間維度對福建農業(yè)低碳發(fā)展演進特征進行描述,探究其變化規(guī)律;第三,從空間維度上對各地區(qū)間低碳農業(yè)發(fā)展水平的差異進行探討,借助ArcMap軟件繪制低碳區(qū)域空間差異分布圖,從而更加直觀地展現(xiàn)了農業(yè)低碳發(fā)展水平的地區(qū)差異。

二、研究方法

(一)超效率SBM模型

本文通過測度農業(yè)生態(tài)效率來反映低碳農業(yè)發(fā)展水平,借助Tone[26]32-41提出的含非期望產出的超效率SBM模型對2002—2021年福建地區(qū)9地市的農業(yè)低碳效率進行測算。與傳統(tǒng)DEA模型相比較,超效率 SBM模型是一種非角度、非徑向的 DEA模型,在評估效率時,將松弛變量納入目標函數(shù)中,對投入產出松弛問題及其引起的效率測量偏差進行了限制。本文構建的包含非期望產出的SBM模型具體如下:

其中,ρ表示被評價的DMU的效率值,包含了非期望產出的效率值,當且僅當s-=s+=sb-=0時,ρ=1;l和n表示期望產生和非期望產出的數(shù)量,s-表示投入的松弛數(shù)量;s+表示非期望產出的松弛變量,sb-表示非期望產出過剩,yr和bk是每個決策單元中的期望產出和非期望產出,λ表示DMU的線性組合系數(shù)。

(二)GML指數(shù)模型

Pastor和Lovell[27]266-271在 Malmquist指數(shù)基礎上構建了GML指數(shù)模型,解決了方向距離函數(shù)無可行解的問題,將第t期的GML指數(shù)定義為:

這里,GMLt,t+1(at,bt,ct,at+1,bt+1,ct+1)表示相鄰兩期決策單元的低碳效率比值,ECt,t+1表示技術效率變化,TCt,t+1表示技術進步。當GMLt,t+1、ECt,t+1、TCt,t+1均大于1時,則第t+1期的低碳效率、技術效率和技術進步得到提升;當GMLt,t+1、ECt,t+1均小于1時,則第t+1期的低碳效率、技術效率、技術進步發(fā)生退步。

三、指標選取及數(shù)據(jù)來源

(一)指標選取

1．農業(yè)碳匯指標

當前,林地、草地碳匯的測算尚未形成統(tǒng)一標準,結果相差較大,且這兩者的碳匯功能相對平穩(wěn),而種植業(yè)的碳匯相對活躍,研究其碳匯更具參考價值[28]1-82。同時,考慮數(shù)據(jù)的易獲得性,本研究中的碳匯計算只考慮農作物生長周期的碳匯總量,不考慮同樣具有碳匯功能的林地以及草地。農業(yè)碳匯是指農作物光合作用形成的凈初級生產量[29]1298-1309,計算式表示為:

其中:C是農作物碳吸收總量;Ci表示某種農作物的碳吸收量;k表示農作物種類數(shù),ci為作物通過光合作用合成單位有機質所需吸收的碳;Yi表示作物的經濟產量;r表示作物經濟產品部分的含水量;HIi表示農作物經濟系數(shù),福建主要農作物經濟系數(shù)和碳吸收率如表1所示。

表1 福建主要農作物經濟系數(shù)與碳吸收率

2．農業(yè)碳排放指標

結合福建地區(qū)9地市的具體情況,從農業(yè)生產物資投入、水稻種植、畜禽養(yǎng)殖等3個方面對農業(yè)碳排放量進行全面測度。參照田云和張俊飚[29]1298-1309的研究,構建如下農業(yè)碳排放測算公式:

式(4)中,E表示農業(yè)生產碳排放總量,Ei為各類碳源碳排放量,Ti為各碳排放源(農業(yè)生產投入碳排放和畜禽養(yǎng)殖)的量,δi為各碳排放源(農業(yè)生產投入碳排放和畜禽養(yǎng)殖)的碳排放系數(shù)。其中,水稻種植碳排放參考李苒[30]77-82的研究,測算公式如下:

式(5)中CH(4-水稻)為稻田CH4排放量,EF水稻為稻田單位面積CH4季節(jié)排放量,A水稻為福建各地市的水稻年播種面積。

(1)農業(yè)生產投入碳排放

借鑒李孝忠等[31]33-42關于農業(yè)碳排放源的選取方法,本文選取的農業(yè)生產投入碳源指標主要包括化肥、農藥、農用塑料薄膜、農用柴油、農村用電、農業(yè)機械、土地翻耕、農田灌溉,因福建9地市農田灌溉相關數(shù)據(jù)缺失較多,故本文不考慮農田灌溉活動所產生的碳排放。具體指標系數(shù)如表2所示:

表2 農業(yè)生產投入碳排放系數(shù)

(2)水稻種植碳排放

參照李苒[30]77-82的計算結果,根據(jù)我國水稻(早稻、中稻和晚稻)單位面積甲烷(CH4)季節(jié)排放量平均值計算福建9地市稻田CH4排放量,具體系數(shù)如表3所示:

表3 水稻種植碳排放系數(shù)

(3)畜禽養(yǎng)殖碳排放

福建地區(qū)畜禽養(yǎng)殖的碳排放主要來源于豬、牛、羊、家禽等主要畜禽的養(yǎng)殖活動,其腸道發(fā)酵、糞便發(fā)酵過程中產生大量CH4,糞便排泄導致二氧化氮(N2O)排放,參照尚杰等[32]354-364的研究,以各地市畜禽養(yǎng)殖情況為主,估算出畜禽養(yǎng)殖活動所產生的碳排放量,本文畜禽養(yǎng)殖碳排放系數(shù)如表4所示:

表4 畜禽養(yǎng)殖碳排放系數(shù)

3.農業(yè)低碳效率評價指標

本文選取農業(yè)投入指標主要包括:一是人力資本投入。選取各地市年末鄉(xiāng)村從業(yè)人員作為人力資本投入替代指標,單位為人。二是土地資源投入。選擇各地市農作物播種面積為土地資源替代指標,單位為公頃。三是農用機械投入。以各地市每年的農業(yè)機械總動力為準,單位為萬千瓦。四是農業(yè)生產物資投入。以各地市化肥施用量(折純量)、農藥使用量、農用塑料薄膜使用量為準,單位均為噸。

農業(yè)產出指標包含期望產出與非期望產出兩種。其中,期望產出指標包括農業(yè)經濟產出和農業(yè)生態(tài)產出,非期望產出為碳排放[19]1-7。用各地市的廣義農業(yè)總產值即農林牧漁業(yè)總產值代表農業(yè)經濟產出,單位是萬元。在此基礎上,選取了以噸為單位的農業(yè)碳匯作為農業(yè)生態(tài)產出。以農業(yè)生產活動中所產生的碳排放量衡量非期望產出,單位為噸。構建指標體系如表5所示:

表5 低碳農業(yè)低碳效率評價指標

(二)數(shù)據(jù)來源

選取2002—2021年福建省9地市為研究對象,數(shù)據(jù)來源于各地市統(tǒng)計局、各地市相關年份統(tǒng)計年鑒、統(tǒng)計公報以及《福建統(tǒng)計年鑒》《中國區(qū)域經濟統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》等,少量缺失數(shù)據(jù)用插值法和移動平均法進行補齊。

四、實證結果分析

(一)農業(yè)碳匯的測算結果與分析

從圖1可以看出,2002—2021年福建農業(yè)碳匯總量呈現(xiàn)下降趨勢。2002—2007年碳匯總量出現(xiàn)小波動,其中2003—2005年呈小幅度上升,而后開始急劇下降;與2005年相比,2006年的碳匯總量下降明顯,降幅達到10.6%。2008—2016年的碳匯總量呈平穩(wěn)下降趨勢,總體降幅為16.9%。2017—2021年的碳匯總量波動較小,穩(wěn)定在485萬噸～495萬噸之間。這反映出福建農業(yè)碳匯功能不僅沒有隨著農業(yè)經濟的發(fā)展得到充分的發(fā)揮,反而有所下降。

2002—2021年福建各地市之間碳匯總量差異明顯,大多數(shù)地市碳匯總量波動下降后趨于平穩(wěn),碳匯總量從大到小排序依次是南平市、三明市、龍巖市、漳州市、福州市、泉州市、寧德市、莆田市以及廈門市。南平市以105.8萬噸的碳匯總量位居第一,廈門市碳匯總量為7.4萬噸,位居第九,見表6。

表6 2002—2021年福建地區(qū)各地市碳匯總量及均值 單位:萬噸

(二)農業(yè)碳排放的測算結果與分析

如圖2所示,福建地區(qū)農業(yè)總碳排放量在整體上呈現(xiàn)增加態(tài)勢,2002—2007年農業(yè)碳排放總量呈先上升后下降的趨勢,且存在明顯的階段性;2007—2016年碳排放總量持續(xù)上升,升幅達到44.3%,2017—2021年的碳排放總量呈現(xiàn)緩慢上升趨勢,增速較慢,增幅為9.1%。

從圖3碳排放源上看,農業(yè)生產投入產生的碳排放總體呈上升趨勢,畜禽養(yǎng)殖碳排放為波動上升,水稻種植所產生的碳排放占比極低且趨于穩(wěn)定。農業(yè)碳排放主要來源于農業(yè)生產投入和畜禽養(yǎng)殖碳排放,二者碳排放占比存在一定的波動,2007—2021年畜禽養(yǎng)殖碳排放占比最高,2007—2021年農業(yè)碳排放結構發(fā)生變化,農業(yè)生產投入碳排放占比反超畜禽養(yǎng)殖碳排放,其原因可能是福建在農業(yè)的生產中加大了投入,碳排放也有所增加。

從表7區(qū)域空間差異角度看農業(yè)碳排放,福建省各地市農業(yè)碳排放在時間上的變動并不大,但地區(qū)間存在明顯差異。廈門市的農業(yè)碳排放總量在波動中呈下降趨勢,而福州市、莆田市、泉州市、漳州市、龍巖市、南平市、三明市、寧德市的農業(yè)碳排放總量在波動中出現(xiàn)了增加。2002—2021年間各地區(qū)平均碳排放量從小到大的排名為廈門市、莆田市、三明市、寧德市、漳州市、龍巖市、南平市、福州市、泉州市,其中排在第一位的泉州市農業(yè)平均碳排放量約為391.8萬噸,相當于廈門市平均碳排放的10倍,空間差異明顯。這主要與廈門市的產業(yè)結構有關,廈門市地域空間較小,農業(yè)并非廈門市主導產業(yè),經濟總量占比低,故而農業(yè)碳排放也較少。

表7 2002—2021年福建地區(qū)各地市碳排放總量及均值 單位:萬噸

(三)農業(yè)低碳效率的動態(tài)演進——GML指數(shù)分析

GML指數(shù)測算結果如表8所示,2002—2021年福建整體GML指數(shù)均值為1.002,表明農業(yè)低碳效率呈現(xiàn)上升趨勢,中間出現(xiàn)波動,增長幅度為36.6%,但年均增長率僅有1.8%,增長速度略顯緩慢;從GML的分解指數(shù)EC和TC的均值來看,技術效率指數(shù)EC的均值為1.007,2002—2021年間增長幅度為34.2%,年均增長率為1.7%,增速緩慢;技術進步指數(shù)TC均值為0.995,小于1,呈現(xiàn)退步態(tài)勢,2002—2021年間增長幅度為1.7%,與技術效率指數(shù)的差異明顯,僅等于技術效率的年增長率。這表明福建農業(yè)低碳效率主要依賴于技術效率的提升,同時也說明,福建農業(yè)技術進步還有很大的提升空間,在推進農業(yè)可持續(xù)發(fā)展的過程中,不僅要注重提高技術效率,更要促進農業(yè)技術水平的進步。

表8 GML指數(shù)及其分解值

續(xù)表8

從時間序列的演變來分析,2002—2007年的起伏波動較大、農業(yè)低碳效率變化明顯,2004年的GML指數(shù)達到峰值1.079,谷值則為2006年的0.722,技術效率指數(shù)和技術進步指數(shù)均小于1,兩者的同步惡化導致了農業(yè)低碳效率的大幅滑坡;2008—2016年,GML指數(shù)態(tài)勢平穩(wěn),農業(yè)生產效率變化波動較小,穩(wěn)定在1附近,但整體表現(xiàn)為退步趨勢,僅2009、2011年的GML指數(shù)大于1;2017—2021年表現(xiàn)為波動上升,其GML指數(shù)均大于1,其中2017年增速最快,增速為17.1%,其增長得益于農業(yè)生產的技術進步。

圖4為福建農業(yè)GML指數(shù)及其分解圖,可以看到福建農業(yè)GML指數(shù)圍繞1上下波動。具體為,2003—2015年的GML指數(shù)的變動趨勢與TC技術進步指數(shù)大致相同,而EC技術效率指數(shù)的波動較為平穩(wěn),這表明農業(yè)技術進步指數(shù)對農業(yè)低碳效率的影響較大,起到了決定性作用,而技術進步對農業(yè)低碳效率的帶動作用有限。2016年開始,農業(yè)技術進步指數(shù)開始波動上升,而農業(yè)技術效率指數(shù)反向波動,由于福建農業(yè)GML指數(shù)的增長依靠農業(yè)技術進步所提供的支持,其GML指數(shù)仍有上升趨勢。由此可見,農業(yè)低碳效率在技術效率不斷波動的情況下可以平穩(wěn)甚至有所增加,農業(yè)技術的進步對于農業(yè)低碳效率增長的效應足以緩沖技術效率波動所帶來的農業(yè)低碳效率下降。

(四)區(qū)域空間差異比較

福建各地市農業(yè)GML指數(shù)如表9所示,根據(jù)區(qū)位特征將福建劃分為閩東、閩南、閩西、閩北4個區(qū)域,其中,將莆田納入閩東地區(qū)。分區(qū)域來看,2002—2021年閩東、閩南、閩西、閩北的農業(yè)GML指數(shù)平均值均大于1,農業(yè)低碳效率整體上呈現(xiàn)上升的趨勢,這與前文的測算結果保持一致。各區(qū)域的GML指數(shù)起伏波動明顯,閩西地區(qū)的波動幅度最大,最高值達到1.354,最低值僅有0.591,兩者相差一倍多。各區(qū)域GML指數(shù)平均水平排序為閩東>閩北>閩西>閩南。

通過均值進行比較,各地市GML指數(shù)的排序大致為:福州市>漳州市>龍巖市>南平市>莆田市>三明市>廈門市>寧德市>泉州市。觀察GML指數(shù)的變動趨勢,各地市GML指數(shù)變動幅度有明顯差別,福州市波動幅度最大,最大值高達2.222,最小值僅有0.923;起伏較小的是廈門市,最大值為1.342,最小值則是0.855,這表明各個地市之間的農業(yè)低碳效率存在顯著差異。福州市、莆田市、廈門市、漳州市、龍巖市、三明市和南平市的GML指數(shù)平均值均大于1,說明這7個地市農業(yè)低碳發(fā)展呈現(xiàn)進步的態(tài)勢,其中福州市的GML指數(shù)均值最大,達到1.082;而泉州市和寧德市GML指數(shù)小于1,分別為0.970和0.992,說明農業(yè)低碳發(fā)展水平在下降,與農業(yè)低碳效率進步的地市差異較大。

表9 福建各地市農業(yè)GML指數(shù)

2002—2021年福建農業(yè)低碳效率測算結果如表10所示。福建農業(yè)低碳效率區(qū)域之間差異大,發(fā)展不平衡。從均值來看,廈門市以0.985的農業(yè)低碳效率排名第一,而泉州市的農業(yè)低碳效率僅有0.573,排名第九。廈門市在農業(yè)生產中注重碳減排,農業(yè)碳排放較少,因此農業(yè)低碳效率也較高。

表10 福建地區(qū)農業(yè)低碳效率

福建農業(yè)低碳效率區(qū)域空間差異明顯,采用等間距法將低碳效率值劃分為低效率型(0.4～0.6)、中效率型(0.6～0.8)、高效率型(0.8～1.0)、超效率型(1.0 以上)[24]。利用ArcMap軟件生成福建農業(yè)低碳效率空間分布圖,比較 2002年、2006年、2011年、2016年和2021年5個節(jié)點各地區(qū)的農業(yè)低碳效率,結果如圖5所示。

觀察各個空間分布圖可以發(fā)現(xiàn),閩西、閩北地區(qū)的農業(yè)低碳發(fā)展水平高于閩東、閩南地區(qū),農業(yè)低碳效率一直處于中、高效率型,且地區(qū)間相對穩(wěn)定、差異較小。閩東地區(qū)農業(yè)低碳效率總體上高于閩南地區(qū)但低于閩西、閩北地區(qū),處于中間水平,3地市之間低碳農業(yè)發(fā)展水平存有差異,波動明顯。閩南地區(qū)內部低碳農業(yè)發(fā)展不平衡,相較于廈門市,漳州市、泉州市低碳農業(yè)發(fā)展相對落后。閩東、閩南地區(qū)主要以第二、第三產業(yè)為主,因而低碳農業(yè)水平與其他地區(qū)存在一定差距。

2003年福建低碳農業(yè)發(fā)展水平存在明顯差異,三明市、莆田處在領先地位,其次是泉州市和廈門市,其余5地市均為中效率型,呈現(xiàn)“中間高、兩頭低”。從區(qū)域層面來看,閩北地區(qū)的農業(yè)低碳效率低于閩東、閩南、閩西地區(qū)。與2003年相比,2007年福建整體低碳農業(yè)發(fā)展水平略有下滑,閩南地區(qū)的農業(yè)低碳效率優(yōu)于其他地區(qū),各地市除廈門市為高效率型外,其余地區(qū)均為中、低效率型,莆田市農業(yè)低碳效率由原本的超效率型變?yōu)榈托市?低碳農業(yè)發(fā)展水平嚴重下降,原因是當?shù)卦谵r作物播種面積減少的同時,農業(yè)生產中化肥、農藥等的投入使用有所增加,碳排放也隨之大幅增加。2012年縱觀各地區(qū)可以發(fā)現(xiàn),閩西、閩北的低碳農業(yè)發(fā)展水平相當,仍為中效率型,閩南地區(qū)的低碳農業(yè)發(fā)展被泉州市、漳州市農業(yè)低碳效率的下降所制約,因而產生退步現(xiàn)象;閩東地區(qū)低碳農業(yè)發(fā)展雖然得到改善,但依舊和其他地區(qū)存在差距。2017年福建農業(yè)低碳發(fā)展水平有所上升,4區(qū)域農業(yè)低碳發(fā)展水平大致排名為閩北>閩西>閩南>閩東。2021年,閩西、閩北地區(qū)均為超效率型,總體而言高于閩東、閩南地區(qū),但寧德市與泉州市的農業(yè)低碳發(fā)展水平低于其他地市,尤其是泉州仍處于低效率型。

五、結論與建議

本文基于福建2002—2021年的地市面板數(shù)據(jù),構建了評價農業(yè)低碳效率的指標體系,估量整體碳排放總量和碳匯總量的變動趨勢,利用非徑向超效率SBM與GML指標模型,研究了不同決策單元的低碳農業(yè)生產效率,結論如下:

第一,福建各地區(qū)間的碳匯總量和碳排放量差異明顯,整體在農業(yè)碳匯下降后趨于平穩(wěn),農業(yè)總碳排放量整體呈上升態(tài)勢,二者的增長呈反比。隨著福建農業(yè)經濟的發(fā)展,農作物的碳匯總量不增反減,這說明當前福建碳匯功能的發(fā)揮存在很大的提升空間。第二,福建農業(yè)低碳效率總體呈現(xiàn)上升趨勢,這主要依賴于技術效率的提升,但實際上,對農業(yè)低碳效率起關鍵性作用的是農業(yè)技術進步指數(shù),相比之下技術進步對于農業(yè)低碳效率帶動作用較小。第三,福建低碳農業(yè)發(fā)展水平存在明顯的區(qū)域空間差異,閩西、閩北地區(qū)的低碳農業(yè)發(fā)展整體水平明顯高于沿海的閩東、閩南地區(qū),這與福建地區(qū)的產業(yè)結構有關,閩南地區(qū)主要以第二、第三產業(yè)為主,因而低碳農業(yè)水平與其他地區(qū)存在一定差距。閩南地區(qū)低碳農業(yè)發(fā)展不平衡、不穩(wěn)定,3個地市之間低碳農業(yè)發(fā)展差異明顯,廈門低碳農業(yè)水平較領先于漳州、泉州,而泉州的生態(tài)農業(yè)效率長期處于低效率型,其農業(yè)發(fā)展模式亟需調整。

基于上述結論,本文提出以下建議。首先,需要鼓勵發(fā)展生態(tài)農業(yè),降低生產性碳投入。福建農業(yè)生產離不開農用物資的投入,農業(yè)經濟增長的同時也伴隨著大量的碳排放,農業(yè)碳排放主要來源于化肥、農藥、農用塑料薄膜、柴油、農村用電、農業(yè)機械動力、土地翻耕等農業(yè)生產投入和畜禽養(yǎng)殖,而水稻種植所產生的碳排放占比極低。其次,需要加強農業(yè)技術創(chuàng)新,促進農業(yè)科學發(fā)展。目前,農業(yè)技術進步在福建省農業(yè)低碳效率中的貢獻度較低,發(fā)展和推廣低碳農業(yè)技術,能夠帶來農業(yè)低碳效率的較大提升。將農業(yè)生產需求與技術應用相結合,也能讓農業(yè)發(fā)展更環(huán)保、更科學。最后,不同地市需因地制宜制定農業(yè)發(fā)展政策,借鑒先進地區(qū)發(fā)展模式的同時,合理調整產業(yè)結構,推動第二、第三產業(yè)反哺農業(yè),從而縮小農業(yè)低碳效率的區(qū)域空間差異。