王睿,員學鋒,楊悅,趙雨

(1.長安大學地球科學與資源學院,西安 710054;2.長安大學土地工程學院,西安 710064;3.陜西省土地整治重點實驗室,西安 710064)

生態(tài)環(huán)境是人類社會發(fā)展重要的自然基礎和主要的物質(zhì)來源,在人類的生產(chǎn)生活中發(fā)揮著重要作用,同時,它也是人類生產(chǎn)生活廢棄物和人類活動作用的承擔者。21世紀以來,中國經(jīng)濟快速發(fā)展,同時也出現(xiàn)了一系列環(huán)境問題,大氣污染、自然災害頻發(fā)等[1]。長此以往,生態(tài)環(huán)境問題會給人類的生產(chǎn)、生活帶來負向影響,尤其是強烈依賴生態(tài)環(huán)境的農(nóng)業(yè)生產(chǎn)[2]。耕地作為農(nóng)業(yè)生產(chǎn)活動中重要的生產(chǎn)要素之一,具有生產(chǎn)、生活和生態(tài)功能[3]。據(jù)第七次全國人口普查數(shù)據(jù)顯示,2020年底,我國有14億人口,龐大的人口基數(shù)疊加,消費不斷升級,糧食需求仍在不斷增長。面對全球農(nóng)產(chǎn)品貿(mào)易的不確定性,二十大報告強調(diào)要“確保中國人的飯碗牢牢端在自己手中”。因此,在“人與自然和諧共生”發(fā)展目標下,探究生態(tài)環(huán)境對耕地利用生態(tài)效率的響應方式與程度,對促進生態(tài)環(huán)境和耕地利用協(xié)同發(fā)展、保障糧食安全、實現(xiàn)農(nóng)業(yè)現(xiàn)代化發(fā)展具有重要意義[4]。

國外較少提及耕地利用生態(tài)效率,研究多集中于農(nóng)業(yè)和農(nóng)作物生產(chǎn)效率等方面[5-6]。近年來,國內(nèi)對糧食安全和耕地利用的關注度提高,學者在耕地利用生態(tài)效率度量體系的構建[7]、耕地利用生態(tài)效率時空差異分析及影響因素等[8]方面進行了深入研究。在研究方法上,數(shù)據(jù)包絡分析(DEA)可以有效避免函數(shù)形式錯誤,逐漸成為耕地利用生態(tài)效率測算研究的主流模型。在評價指標體系上,目前主要由資源投入和農(nóng)業(yè)產(chǎn)出兩部分組成,在“雙碳目標”背景下,學者開始將農(nóng)業(yè)面源污染[9]、碳排放[10]作為非期望產(chǎn)出引入到指標體系中,但目前的研究很少考慮耕地利用過程中的碳匯。在對生態(tài)環(huán)境質(zhì)量的研究中,徐涵秋[11]基于遙感數(shù)據(jù)構建遙感生態(tài)指數(shù)模型來評價生態(tài)環(huán)境質(zhì)量,因其數(shù)據(jù)易獲取、主觀因素影響小而應用廣泛。在對不同地區(qū)進行研究時,學者對遙感生態(tài)指數(shù)有所改進[12]?，F(xiàn)有研究[13-14]主要集中在土地利用對生態(tài)環(huán)境的影響,在研究區(qū)內(nèi)部生態(tài)環(huán)境對耕地利用生態(tài)效率的響應方式和程度方面研究分析較少?；诖?本文以陜西省為研究區(qū)域,以縣域為研究單元,將碳排放量作為非期望產(chǎn)出,農(nóng)業(yè)生產(chǎn)過程中的碳匯作為生態(tài)期望產(chǎn)出引入耕地利用生態(tài)效率評價指標體系中,運用非期望產(chǎn)出的超效率SBM 模型等方法,探究生態(tài)環(huán)境對耕地利用生態(tài)效率的響應方式和程度,以期為陜西省耕地利用轉(zhuǎn)型升級和農(nóng)業(yè)高質(zhì)量發(fā)展提供方向指引和科學依據(jù)。

1 研究數(shù)據(jù)、指標選取與研究方法

1.1 研究區(qū)域與研究數(shù)據(jù)

陜西省位于31°42′—39°35′N,105°29′—111°15′E,年均溫為13.7℃,年均降水量680 mm,地勢南北高,中間低,秦嶺和黃土高原將陜西劃分為陜北黃土高原、關中平原和陜南秦巴山地三大自然區(qū),造成省內(nèi)自然地理環(huán)境的空間差異性明顯,耕地利用條件各不相同。在國家推進質(zhì)量興農(nóng)、黃河流域高質(zhì)量發(fā)展大背景下,陜西省位于黃河中游,地處黃土高原區(qū),是典型的氣候變化敏感區(qū)和生態(tài)環(huán)境脆弱區(qū),農(nóng)業(yè)發(fā)展的質(zhì)量效益不高,有較大提升空間[15]。

研究選取2005年、2010年、2015年和2019年陜西省103個(區(qū))縣作為研究對象(因西安市新城區(qū)、蓮湖區(qū)、碑林區(qū)和雁塔區(qū)內(nèi)無耕地,未將其作為研究對象),耕地投入和產(chǎn)出數(shù)據(jù)主要來源于《中國縣域統(tǒng)計年鑒2005—2019 年》《陜西統(tǒng)計年鑒2005—2019年》以及陜西省各市的統(tǒng)計年鑒(2005 年、2010 年、2015年、2019年)。對于個別年份缺失數(shù)據(jù)采用線性趨勢值法、平均估值法等方法補齊。生態(tài)環(huán)境質(zhì)量分析所需的遙感數(shù)據(jù)來源于Google Earth Engine(GEE),遙感生態(tài)指數(shù)具有季節(jié)性波動特點,因此選取2005 年、2010 年、2015 年和2019 年5—8 月的MODIS數(shù)據(jù)來計算遙感生態(tài)指數(shù)。

1.2 耕地利用生態(tài)效率指標選取

基于耕地利用生態(tài)效率的內(nèi)涵[16],將耕地利用生態(tài)效率評價指標體系分為投入、期望產(chǎn)出和非期望產(chǎn)出3部分。參照已有研究成果[16],結合柯布道格拉斯生產(chǎn)函數(shù),選取10項指標構建陜西省耕地利用生態(tài)效率評價指標體系(表1)。

表1 耕地利用生態(tài)效率指標Table 1 Ecological efficiency index of cultivated land use

1.3 研究方法

1.3.1 耕地利用碳匯量測算方法 耕地利用的碳匯主要來自農(nóng)作物生長周期中光合作用形成的凈初級生產(chǎn)量。公式如下:

式中:C為農(nóng)作物碳吸收總量;Ci為某種農(nóng)作物的碳吸收總量;k為農(nóng)作物種類數(shù);ci為作物碳吸收率;Yi為作物的經(jīng)濟產(chǎn)量(統(tǒng)計值);ri為作物經(jīng)濟產(chǎn)品部分的含水量;HIi為作物經(jīng)濟系數(shù)。農(nóng)作物的相關參數(shù)主要參考王修蘭[17]和韓召迎等[18]相關研究成果(表2)。

表2 中國主要農(nóng)作物經(jīng)濟系數(shù)與碳吸收率Table 2 Economic coefficients and carbon absorption rates of major crops in China

1.3.2 耕地利用碳排放量測算方法 參考田云等[19]的相關研究,耕地利用碳排放源主要有農(nóng)用物資碳排放、土壤N2O 排放、稻田CH4排放3個方面,計算公式如下:

式中:E為耕地利用碳排放總量;Ei為各類碳源碳排放量;Ti為各碳排放的量;δi為各碳排放的碳排放系數(shù)(表3)。

表3 主要碳源碳排放系數(shù)Table 3 Carbon emission coefficients of main carbon sources

為了方便分析,將N2O 和CH4置換成標準C,依據(jù)IPCC第4次評估報告(2007年),1 t N2O 相當于298 t CO2(81.272 7 t C),1 t CH4相當于25 t CO2(6.818 2 t C)。

1.3.3 非期望產(chǎn)出超效率SBM 模型 非期望產(chǎn)出超效率SBM 模型在考慮非期望產(chǎn)出的情況下,解決了SBM模型計算的效率值只能保持在(0,1]區(qū)間內(nèi)的問題,可以進一步對評價單元進行分析,計算公式如下:

式中:ρ為每個單元的效率值;s1和s2分別為期望產(chǎn)出和非期望產(chǎn)出;sxi,syk和szl分別為投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量;x0,y0和z0分別為研究單元的投入、期望產(chǎn)出和非期望產(chǎn)出向量;xj,yj和zj則分別為投入、期望產(chǎn)出和非期望產(chǎn)出矩陣;λ為權重向量。

1.3.4 遙感生態(tài)指數(shù)構建 遙感生態(tài)指數(shù)(RSEI)是由綠度(NDVI)、濕度(WET)、干度(NDBSI)、熱度(LST)4個指標通過主成分分析提取第一主成分后得到[11],計算方法如下。

NDVI計算公式為:

式中:ρi為Landsat TM/OLI對應i波段的反射率。

WET 計算公式為:

式中:ρi為Landsat TM/OLI對應i波段的反射率。

NDBSI計算公式為:

式中:ρi為Landsat TM/OLI對應i波段的反射率。

LST 計算公式為:

式中:T為傳感器探測到的亮度溫度;λ為熱紅外波段的波長;ε為地表比輻射率,通過NDVI計算得到。

由于4個指標量綱不統(tǒng)一,所以對指標進行歸一化處理,公式如下:

式中:I為某指標的歸一化值;Ii為某指標值;Imin和Imax為某指標最小值和最大值。

經(jīng)過歸一化處理后的4個指標通過主成分分析確定權重,得到初始的遙感生態(tài)指數(shù)RSEI0,計算公式如下:

式中:RSEI0為初始的遙感生態(tài)指數(shù);PC1為第一主成分;f為對各指標進行歸一化處理。最后將RSEI0進行歸一化處理得到最終遙感生態(tài)指數(shù)RSEI。

1.3.5 地理加權回歸模型 地理加權回歸模型(GWR)的實質(zhì)是在研究區(qū)域內(nèi)每個點處建立局部回歸方程,GWR 既可以探索研究對象之間的相關關系,也可以反映研究對象的在研究區(qū)域內(nèi)的空間變化[13]。模型公式為:

式中:yi為采樣點i的因變量值;β0為截距;(ui,vi)為采樣點的常數(shù)項;xik為采樣點i的第k個自變量;βk(ui,vi)為采樣點的第k個自變量的系數(shù);εi為隨機誤差項。

2 結果與分析

2.1 耕地利用生態(tài)效率時空格局分析

借助非期望產(chǎn)出超效率SBM 模型,設定期望產(chǎn)出與非期望產(chǎn)出權重比為1∶1,測算得出2005年、2010年、2015年和2019 年陜西省耕地利用生態(tài)效率,以2005年自然斷點法的分類結果為依據(jù),分為5個等級,即低效率區(qū)(0～0.50),較低效率區(qū)(0.50～0.86),中等效率區(qū)(0.86～1.22),較高效率區(qū)(1.22～1.53),高效率區(qū)(1.53～2.94)。

時間維度上,2005 年、2010 年、2015 年和2019年陜西省的耕地利用生態(tài)效率均值分別為0.92,0.89,0.91,0.86,效率值在0.9上下波動。在4個年份中,面積占比最高的等級均為中等效率,占比最低均為高效率,低效率、較低效率與中等效率的面積占比均在88%以上(表4)。在2005—2019年,較高效率與高效率的面積占比從8.9%增長到10.9%,占比雖然略有提高但仍較低,陜西省耕地利用尚處于中等效率發(fā)展水平,還有較大提升發(fā)展空間。

表4 陜西省2005-2019年耕地利用生態(tài)效率面積比重Table 4 Area proportion of cultivated land use eco-efficiency from 2005 to 2019 in Shaanxi Province

空間維度上,陜西省的耕地利用生態(tài)效率區(qū)域差異顯著,空間分布不均衡(圖1)。2005年高效率區(qū)集聚分布在陜南的寧陜縣和佛坪縣,低效率區(qū)較為集中分布在陜北東部的子洲縣、米脂縣和延川縣等地,呈現(xiàn)“南高北低”的分布特征。此后14年,陜北地區(qū)黃土丘陵溝壑區(qū)和毛烏素沙地的生態(tài)治理工程成效顯現(xiàn),有效遏制水土流失,耕地利用的自然條件改善[29]。陜南地區(qū)由于耕地破碎,農(nóng)業(yè)機械化發(fā)展受阻[15],導致效率低值區(qū)逐漸南移。2019年高效率區(qū)為鳳翔區(qū)、灞橋區(qū)和吳堡縣,分散分布在關中地區(qū)和陜北地區(qū),低效率區(qū)有三大集中分布區(qū),分別在陜北南部的延川縣和延長縣等地、關中北部的白水縣和澄城縣等地以及陜南南部漢濱區(qū)和白河縣等地。

圖1 2005-2019年陜西省耕地利用生態(tài)效率分布Fig.1 Distribution map of cultivated land use eco-efficiency in Shaanxi Province from 2005 to 2019

2.2 生態(tài)環(huán)境質(zhì)量時空變化分析

陜西省遙感生態(tài)指數(shù)(RSEI)主成分分析結果表示第一主成分(PC1)中特征值貢獻率均較高(表5),因此以PC1構建陜西省遙感生態(tài)指數(shù)。根據(jù)已有研究[30],將RSEI按照相等間隔劃分為5個等級:低(0～0.2)、較低(0.2～0.4)、中等(0.4～0.6)、較高(0.6～0.8)、高(0.8～1)。

表5 遙感生態(tài)指數(shù)主成分分析結果Table 5 Principal component analysis results of remote sensing ecological index

時間尺度上看,陜西省2005—2019年生態(tài)環(huán)境質(zhì)量總體上呈現(xiàn)不斷提高的趨勢。2005年、2010年、2015年和2019年陜西省RSEI均值分別為0.58,0.62,0.64,0.65,逐漸由中等水平提高至較高水平。在2005—2019年,低等級與較低等級的面積占比由28.9%降低至13.1%(表6),這說明陜西省實施的三北防護林等生態(tài)環(huán)境治理工程行之有效,低等級與較低等級區(qū)域主要分布在陜北黃土丘陵溝壑區(qū)和毛烏素沙地,東部黃土丘陵溝壑區(qū)主要實行“坡面退耕還林還草,溝道攔蓄整地,梁峁固土保水”的治理措施,西北部毛烏素沙地則以“沙地固沙還灌草,農(nóng)區(qū)防風還林網(wǎng)”為主。

表6 陜西省2005-2019年遙感生態(tài)指數(shù)Table 6 Remote sensing ecological index of Shaanxi Province from 2005 to 2019

空間尺度上看,陜西省2005—2019 年RSEI總體上保持“南高北低”的分布格局(圖2)。陜西省內(nèi)RSEI高等級區(qū)域主要分布在陜南地區(qū)以及陜北南部的黃陵縣等地,這些地區(qū)地處秦嶺山區(qū)、黃龍山景區(qū)和子午嶺森林公園,以森林覆蓋為主,綠度指數(shù)較高。低和較低等級區(qū)域主要分布陜北西北部的定邊縣等地,地處毛烏素沙地,濕度指數(shù)較低。將2005 年、2010年、2015年和2019年陜西省生態(tài)環(huán)境質(zhì)量分布圖進行對比,得到RSEI變化情況(圖3)。總的來看,陜西省RSEI變化分布格局在3個時段內(nèi)有較大的變化,RSEI提高0.1～0.5主要分布在陜北地區(qū)的吳起縣等地,降低0.1～0.5主要分布在關中地區(qū)的三原縣等地。在2005—2010 年,RSEI變化以提高為主,少部分RSEI降低主要在關中地區(qū)的太白縣等地,以及陜南地區(qū)的平利縣等地;2010—2015年與上一個時段相比,RSEI降低地區(qū)面積有所增加,主要分布在關中地區(qū)的武功縣等地,以及陜北地區(qū)的米脂縣等地。2015—2019年RSEI變化分布較為集中,質(zhì)量降低地區(qū)面積繼續(xù)擴大,集中分布在關中地區(qū),陜南地區(qū)以及陜北南部的延長縣和宜川縣等地,質(zhì)量提高地區(qū)集中分布在陜北地區(qū)的定邊縣等地。

圖2 陜西省2005-2019年RSEI等級Fig.2 RSEI level of Shaanxi Province from 2005 to 2019

圖3 陜西省2005-2019年RSEI變化Fig.3 Changes of RSEI in Shaanxi Province from 2005 to 2019

2.3 生態(tài)環(huán)境對耕地利用生態(tài)效率的響應

基于GeoDa 軟件測度2005—2010 年、2010—2015年和2015—2019年陜西省耕地利用生態(tài)效率和RSEI指數(shù)雙變量全局空間自相關Moran′sI指數(shù),均通過了5%的顯著性檢驗,且Moran′sI均為正,表明兩者存在顯著的空間正相關(表7)。

表7 雙變量全局空間自相關Moran's I 指數(shù)Table 7 Bivariate global space autocorrelation Moran's I index

為了探究陜西省內(nèi)部生態(tài)環(huán)境對耕地利用生態(tài)效率的響應方式和程度,選取2005—2010年、2010—2015年和2015—2019年耕地利用生態(tài)效率數(shù)據(jù)和RSEI數(shù)據(jù),以RSEI變化值為因變量,以耕地利用生態(tài)效率變化值為解釋變量,利用ArcGIS 10.7 軟件GWR 工具計算回歸系數(shù),相關參數(shù)與結果見表8。

表8 GWR 模型參數(shù)估計及檢驗結果Table 8 GWR model parameter estimation and test results

從時間變化來看,2005—2019年RSEI和耕地利用生態(tài)效率的關系模式并不穩(wěn)定,在3個時段內(nèi)變化較大。2005—2010年,回歸系數(shù)以負相關關系為主。2010—2015年與上一時段相比,正相關關系擴大,主要原因在于2012年黨的十八大將生態(tài)文明建設納入“五位一體”總體布局,陜西省政府大力推進農(nóng)業(yè)污染減排工作,加快促進綠色農(nóng)業(yè)發(fā)展,實現(xiàn)耕地利用和生態(tài)環(huán)境和諧發(fā)展,但耕地利用與生態(tài)環(huán)境保護協(xié)同發(fā)展模式尚不穩(wěn)定還需進一步探索與鞏固。2015—2019年,回歸系數(shù)變?yōu)樨撓驗橹鳌?/p>

從空間分布來看,陜西省耕地利用生態(tài)效率與RSEI的回歸系數(shù)分布空間差異較大(圖4)。2005—2010年,耕地利用生態(tài)效率變化與RSEI變化的回歸系數(shù)總體表現(xiàn)為強負相關關系,強負相關關系主要分布在陜北北部的府谷縣、榆陽區(qū)、靖邊縣,關中南部的太白縣、周至縣和陜南地區(qū)的鎮(zhèn)巴縣等地,強正相關關系主要集中分布在關中地區(qū)的合陽縣、富平縣、臨潼區(qū)和金臺區(qū)。2010—2015年回歸系數(shù)總體表現(xiàn)為正相關關系,強正相關關系集聚在關中北部的永壽縣等地,較上一時段,這一時段負相關關系地區(qū)大幅減少且分布更為集中,主要分布在陜北地區(qū)的定邊縣和關中地區(qū)的岐山縣等地。2015—2019年總體為弱負相關關系,與2005—2010年相比負相關程度較輕,強負相關關系分散分布在陜北東南部的延長縣和關中北部的富平縣等地,強正相關關系分布在志丹縣和楊凌區(qū)。

圖4 GWR 模型回歸系數(shù)空間分布Fig.4 Spatial distribution of regression coefficients of GWR model

3 討論

陜西省耕地利用生態(tài)效率對生態(tài)環(huán)境質(zhì)量的影響具有空間不均衡性。研究發(fā)現(xiàn)三大區(qū)域生態(tài)環(huán)境對耕地利用生態(tài)效率的響應程度與演變趨勢有所差異,主要原因在于三大區(qū)域的自然條件和社會經(jīng)濟狀況不同。為實現(xiàn)不同區(qū)域農(nóng)業(yè)高質(zhì)量發(fā)展,提出以下幾點建議:(1)關中地區(qū)是陜西省重要的糧食主產(chǎn)區(qū)之一,同時也是城鎮(zhèn)化水平較高區(qū)域,人口相對密集,建設用地明顯增加[31],部分地區(qū)人地矛盾突出,生態(tài)系統(tǒng)超載,耕地利用生態(tài)效率對生態(tài)環(huán)境質(zhì)量有明顯的負向影響。由于關中地區(qū)獨特的自然環(huán)境和良好的區(qū)位優(yōu)勢,建議適度推進“農(nóng)旅融合”模式,大力發(fā)展綠色農(nóng)業(yè)和觀光農(nóng)業(yè)。(2)陜北黃土高原地區(qū)生態(tài)環(huán)境質(zhì)量低,由于實施三北防護林等生態(tài)修復工程,生態(tài)環(huán)境逐漸改善,耕地利用生態(tài)效率提高,發(fā)展?jié)摿Υ?部分縣市實現(xiàn)耕地利用和生態(tài)環(huán)境協(xié)同發(fā)展。在“產(chǎn)學研用”模式下,可以推動農(nóng)業(yè)產(chǎn)業(yè)科技發(fā)展,實現(xiàn)農(nóng)業(yè)增產(chǎn)、農(nóng)民增收、農(nóng)業(yè)科技進步。在生態(tài)環(huán)境承載力下,可適度激發(fā)耕地利用潛力。(3)陜南地區(qū)地處秦嶺生態(tài)保護區(qū),耕地面積少且破碎化程度較高,農(nóng)業(yè)現(xiàn)代化發(fā)展進程緩慢,生態(tài)環(huán)境對耕地利用生態(tài)效率的響應方式不穩(wěn)定。建議結合地形特點和良好生態(tài)資源優(yōu)勢,發(fā)展菌類、茶類、中藥材等特色產(chǎn)業(yè),持續(xù)探索“兩山”理論和“兩化”模式在陜南的推廣運用。

4 結論

(1)2005年、2010年、2015年和2019年陜西省耕地利用生態(tài)效率屬于中等效率水平,2019年陜西省低效率、較低效率和中等效率區(qū)域的面積比重為89.07%,較高效率和高效率區(qū)域僅占10.93%,全省耕地利用水平較低,農(nóng)業(yè)現(xiàn)代化發(fā)展水平有較大發(fā)展空間。

(2)2005年、2010年、2015年和2019年陜西省RSEI均值分別為0.58,0.62,0.64,0.65,陜西省生態(tài)環(huán)境質(zhì)量由中等水平提高至較高水平。省內(nèi)RSEI高等級主要分布在陜南地區(qū)和陜北南部的黃龍山景區(qū)與子午嶺森林公園地區(qū);陜北地區(qū)生態(tài)治理工程效果顯著,生態(tài)環(huán)境質(zhì)量在不斷提高。

(3)全局莫蘭指數(shù)結果顯示陜西省RSEI和耕地利用生態(tài)效率存在顯著的空間正相關。地理加權回歸模型分析結果顯示,陜西省生態(tài)環(huán)境對耕地利用生態(tài)效率的響應模式并不穩(wěn)定,區(qū)域差異和時間變化較大。

由于時間和數(shù)據(jù)所限,本文研究仍存在不足之處,在使用非期望產(chǎn)出超效率SBM 模型測算耕地利用生態(tài)效率中,默認期望產(chǎn)出和非期望產(chǎn)出的權重比為1∶1,未考慮區(qū)域和時代的差異性。如何選取期望產(chǎn)出指標,以及如何設置期望產(chǎn)出和非期望產(chǎn)出權重比還需要進一步探討。