基于碳排放约束的安徽省县域耕地效率评价

倪 娜

(重庆师范大学 地理与旅游学院，重庆 404100)

1 引言

耕地是人类进行粮食生产活动的必备场所。随着近年来城市化的发展，耕地逐渐转变为工业、商业、住房等用地，耕地数量急剧减少，但人们的需求却在日益增长。因此，耕地的稀缺性与人们日益增长的需求之间的矛盾逐渐加剧。为了满足人们日益增长的需求，就必须提高单位面积产量，于是化肥、农药、农膜等生产资料大量投入到耕地生产活动中，造成大量资源冗余，产生越来越多的碳排放，从而破坏生态环境，造成耕地污染，耕地质量下降，粮食产量减少。因此将碳排放纳入耕地效率研究中，可以避免测算出的耕地效率高于实际效率，进而对促进耕地利用与生态环境的协调发展具有重要的实际意义。

当前，国内外学者对耕地利用效率进行了大量研究。研究视角方面，Song[1]、杨俊[2]、李鑫[3]等分别从不同的视角对耕地效率进行研究。研究尺度方面，陈晨[4]、廖成泉[5]、刘玉[6]、张立新[7]等从市域的角度研究耕地效率。研究方法方面，冯晓红[8]运用DEA模型来测算研究区的耕地利用效率，叶浩[9]等通过随机前沿生产函数测算了分别测算了云南省和我国的耕地利用效率。税丽[10]等利用非径向非角度的SBM模型分别测度了东部沿海地区、成渝城市群的城市土地和耕地利用效率。从已有的研究来看，学者已从多个角度对耕地效率进行了研究，但是从碳排放角度进行研究的文献较少，并且现有文献多是从省域、市域的尺度，较少从县域尺度进行研究。研究方法上也多是使用的DEA模型，未将松弛问题考虑进来，也无法分析效率值大于1的研究单元。基于此，本文从碳排放的视角，运用包含非期望产出的超效率SBM模型对安徽省县域尺度下的耕地效进行了研究分析。

2 研究方法、指标选取与数据来源

2.1 超效率SBM-Undesirable 模型

数据包络分析法(Data Envelopment Analysis，DEA)最初由美国的Charnel、Cooper和Rhodes 3人于1978年提出，是一种用以分析多个投入、多个产出决策单元相对效率的非参数研究方法，现在已经非常广泛地应用于效率分析。但传统的DEA模型主要从径向或角度测度效率，没有考虑变量的松弛性问题和非期望产出，更无法对大于1的决策单元进一步分析。基于此，2001年，Tone[11]提出了非径向非角度的SBM模型，解决了预设径向和角度带来偏误的难题。随后，在2003年Tone[12]又在SBM模型的基础上提出了考虑非期望产出的 SBM-Undesirable 模型，但SBM-Undesirable 模型无法进一步区分效率值大于1的DMU。于是，有学者将 SBM-Undesirable 模型与超效率模型相结合衍生出了超效率SBM-Undesirable 模型，超效率BM-Undesirable模型包含了超效率模型与SBM-Undesirable 模型的两者优势，在实际的运用中既将投入产出的松弛性问题考虑进来，又能对有效DMU进行进一步的分析。其计算模型如下：

(1)

λj≥0,j=1,2,…,n,j≠0;

(2)

2.2 指标选取与数据来源

本文研究的基础数据主要来源于《安徽省统计年鉴》(2009-2013)以及各地级市的统计年鉴。

指标选取参考相关学者的研究[13～16]并结合安徽省实际情况，构建了适合安徽省耕地效率评价指标体系(表1)。投入指标方面：以第一产业从业人员作为劳动力投入，以播种面积作为土地投入，以化肥、农药、农用塑料薄膜作为资源投入。产出指标方面包括期望产出与非期望产出，其中期望产出中包含粮食总产量(代表社会效益产出)、农林牧渔业总产值(代表经济效益产出)。以碳排放量作为非期望产出，碳排放量是指耕地利用过程中投入的化肥、农药、机械动力等资源直接或间接产生的碳排放，通过公式E=∑Ei=∑Ti×δi进行测算，E为碳排放总量，Ei为各种碳源碳排放总量；Ti表示碳源原始量；δi表示各类碳源的碳排放系数(表2)。

表1 安徽省耕地利用评价指标体系

表2 耕地利用过程中各碳源的碳排放系数

3 安徽省耕地效率评价

本文在构建耕地利用评价指标体系的基础上，应用包含非期望产出的超效率SBM模型并借助MAXDEA软件对安徽省2008～2012年各县市的耕地效率进行了测算。为了与不考虑非期望产出的安徽省各县市耕地效率进行对比分析，文中同时也对不考虑非期望产出情况下安徽省各县市的耕地效率进行了测算。

3.1 考虑与不考虑碳排放视角下安徽省的耕地效率对比分析

由图1可知，就耕地效率均值而言，考虑非期望产出的耕地效率明显低于不考虑非期望产出的耕地效率，如2008年考虑与不考虑非期望产出的效率均值分别为0.824，1.017，2012年的效率均值分别为0.800和0.977。由此可以看出不考虑非期望产出的耕地效率值高估了耕地利用的实际效率，这意味着在此视角下得出的耕地效率是失真的。因此，为了了解安徽省各县耕地利用的实际情况，本文采用碳排放约束下的耕地效率进行研究分析。

图1 考虑与不考虑碳排放两种视角下安徽省耕地利用综合技术效率均值

3.2 碳排放约束下安徽省耕地效率整体分析

在规模报酬可变的情况下，综合技术效率可分解为纯技术效率和规模效率。本文为了进一步研究安徽省耕地效率，将综合效率分解为纯技术效率和规模效率(图2)。

由图2可知，2008～2009年综合技术效率呈下降趋势，2009～2010年综合效率呈上升趋势，2010～2012年又开始呈下降趋势。安徽省耕地效率整体呈下降趋势，由2008年的0.824下降到2012年的0.800，下降幅度为2.9%。纯技术效率在2008～2009年下降，此后直到2012年一直呈上升趋势，由2008年的0.920上升到2012年的0.932，上升幅度为1.3%。规模效率在2008～2009年下降，2009～2010年上升，2010～2012年一直下降，由2008年的0.911下降到2012年的0.871，下降幅度为4.4%。由此可知规模效率与综合技术效率变化趋势基本一致，说明规模效率在耕地效率中起决定性作用，安徽省耕地利用无效率主要是由规模无效率造成的。

图2 2008～2012年碳排放约束下安徽省耕地利用综合效率及分解效率值

3.3 碳排放约束下安徽省各县市耕地利用效率分析

由表3可知，长丰县、繁昌县、肥东县、肥西县、怀宁县、霍邱县、霍山县、绩溪县、郎溪县、南陵县、宁国市、祁门县、宿松县、天长市、望江县、岳西县16个县在研究期内各年耕地效率均大于或等于1，为耕地效率有效，占整个县市数量的26.2%，表明这些县市在提高耕地效率时同时兼顾了经济效益与环境效益，应继续保持。

此外，有16个县市在研究期内耕地效率则不同程度地出现无效率情况，占比26.2%，其中枞阳县和寿县的耕地效率均值均大于1，当涂县、定远县、凤台县、含山县、利辛县、青阳县、太湖县、桐城市、涡阳县、芜湖县、颍上县耕地效率均值小于1，但是都大于安徽省耕地效率整体水平，表明耕地利用过程中有些年份虽然出现无效率情况，但整体接近生产前沿面。阜南县、金寨县、太和县研究期内耕地效率均值均小于安徽省整体水平，且均呈下降趋势，距离生产前沿面较远。这些县的耕地效率具有很好的提升空间，能在短期内达到预期效果，应该给予有限关注

除了以上县市外，砀山县、东至县、凤阳县、固镇县、广德县、和县、怀远县、界首市、泾县、旌德县、来安县、临泉县、灵璧县、庐江县、蒙城县、明光市、潜山县、全椒县、石台县、舒城县、泗县、濉溪县、铜陵县、无为县、五河县、歙县、萧县、休宁县、黟县29个县各年耕地效率在研究期内均小于1，为耕地效率无效，占比47.5%，表明这些县在耕地利用过程中经济发展与生态环境之间严重失衡，有巨大的提升空间，应给予重点关注。

表3 2008～2012年碳排放约束下安徽省各县市耕地效率

续表3

4 结论与政策建议

4.1 结论

本文基于非期望产出超效率SBM模型测算了2008～2012年碳排放约束下安徽省耕地效率，结论如下：

(1)考虑碳排放的耕地效率明显低于不考虑碳排放的耕地效率，说明碳排放对安徽省的耕地效率造成了较大损失，并且考虑碳排放的耕地效率在研究期内均小于1，为耕地效率无效，说明安徽省的耕地效率整体水平偏低，说明安徽省耕地利用投入产出规模、科技投入等方面尚未达到最优状态，有很大的优化空间。

(2)从考虑碳排放的耕地利用综合效率及其分解效率来看，纯技术效率呈上升趋势，综合效率与规模效率均呈下降趋势，且变动趋势基本一致，说明安徽省耕地利用管理水平较佳，但是资源的投入产出规模尚未达到最优配置，制约了安徽省耕地效率的提升。

(3)从考虑碳排放约束下安徽省各县的耕地效率来看，研究期内各年耕地效率均有效的县市占比26.2%，耕地效率不同程度地出现无效的县市占比26.2%，各年耕地效率均无效的县市占比47.5%，接近总县市数量的一半。表明各县市间耕地效率差距大，区域发展不平衡。

4.2 政策建议

(1)加大科技对农业生产活动的支持力度，培养农业方面的专业人才，提高农民的专业技能。同时还应重视科技在环境治理方面的投入，达到社会经济与生态环境协调发展。

(2)优化资源配置，既要避免生产资料投入过多造成资源浪费和环境污染，又要防止投入过少阻碍耕地生产过程的顺利进行。

(3)因地制宜，各县市的耕地质量、土壤肥力具有初始差距，社会、经济发展水平也有所不同，应根据各县市耕地利用具体情况制定有针对性的改善措施。