EN中文

地理科学 >

2025 , Vol. 45 >Issue 5: 1050 - 1061

DOI: https://doi.org/10.13249/j.cnki.sgs.20230984

区域发展与数字网络

生态视角下吉林省粮食生产效率偏差时空演变与影响因素研究

  • 李冬梅 , 1, 2 ,
  • 祁悦 1 ,
  • 龚河阳 1 ,
  • 杨奇峰 2 ,
  • 张平宇 , 2, 3, *
展开
  • 1.东北农业大学公共管理与法学院，黑龙江 哈尔滨 150038
  • 2.中国科学院东北地理与农业生态研究所，吉林 长春 130102
  • 3.中国科学院大学资源与环境学院，北京 100049
张平宇。E-mail:

李冬梅（1990—），女，黑龙江哈尔滨人，副教授，博士，主要从事土地利用与乡村发展研究。E-mail:

收稿日期: 2023-10-16

  修回日期: 2024-02-20

  网络出版日期: 2025-04-29

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatio-temporal evolution and determinants of grain production efficiency deviation in Jilin Province from ecological perspective

  • Li Dongmei , 1, 2 ,
  • Qi Yue 1 ,
  • Gong Heyang 1 ,
  • Yang Qifeng 2 ,
  • Zhang Pingyu , 2, 3, *
Expand
  • 1.School of Public Administration and Law, Northeast Agricultural University, Harbin 150038, Heilongjiang, China
  • 2.Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130102, Jilin, China
  • 3.College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2023-10-16

  Revised date: 2024-02-20

  Online published: 2025-04-29

Copyright

Copyright reserved © 2025.
Fold

摘要

本文从粮食生产的生态视角出发，在构建绿色粮食生产效率和传统粮食生产效率偏差率模型的基础上，分析2000—2019年吉林省县域粮食生产效率偏差的时空特征，并利用地理探测器模型剖析影响因素的作用。研究发现：①吉林省传统粮食生产效率与绿色粮食生产效率综合水平的变化趋势均为“U”型，但传统粮食生产效率整体上更优；二者的空间分布格局均呈现中西部稳定高值，中、东部剧烈波动，边缘区轻微波动的特征。②吉林省东、中、西部地区粮食生产效率均为负向偏差，前期效率偏差加重，后期略有缓和。空间上，2类粮食生产效率高且稳定的地区，偏差程度相对更轻。③要素投入水平、社会经济水平和自然环境因素的影响在空间上具有一致性，但作用强度存在明显的区域异质性。吉林省东部地区应重点关注要素投入水平对效率偏差的影响，中部地区需综合考虑3类要素的复杂强影响；西部地区应统筹考虑3类要素的均衡弱影响，为更好平衡粮食增产和绿色发展，应在分区管控的基础上，探索并落实切实可行的农户绿色生产方式，以及农业现代化的政策和科技支持。

关键词： 粮食生产效率; 绿色生产; 效率偏差; 生态安全; 吉林省

本文引用格式

李冬梅 , 祁悦 , 龚河阳 , 杨奇峰 , 张平宇 . 生态视角下吉林省粮食生产效率偏差时空演变与影响因素研究[J]. 地理科学, 2025 , 45(5) : 1050 -1061 . DOI: 10.13249/j.cnki.sgs.20230984

Abstract

From the ecological perspective of grain production, carbon emissions from grain production were selected as the index of non-expected output, and based on estimating green grain production efficiency and traditional grain production efficiency with non-expected output SBM model and DEA model, a deviation rate model was constructed to quantify the deviation between the two, and used to describe the spatial-temporal characteristics of the deviation of grain production efficiency at county level in Jilin Province in 2000—2019. The influence factors' effects in Jilin Province and sub-regions were analyzed using the geographical detector in our study. The results showed that: The change trends of traditional grain production efficiency and green grain production efficiency in Jilin Province were both U-shaped, but the traditional grain production efficiency was better overall. The spatial distribution pattern of traditional grain production efficiency and green grain production efficiency both showed the characteristics of stable high values in the west-central regions, sharp fluctuations in the central and eastern regions, and slight fluctuations in the marginal regions. Then, from an ecological perspective of grain production, the grain production efficiency in east, middle and west of Jilin Province was all negative deviation, which the deviation degree of grain production efficiency increased in the early stage and eased slightly in the later stage. Spatially, the deviation in the marginal areas of Jilin Province had always been heavy. While areas with higher and stability grain production efficiency of both two types demonstrated smaller efficiency deviations. Moreover, greater disparities between these two types resulted in more pronounced changes in deviation. The influence of the three factors was spatially consistent in the east, middle and west of Jilin Province, but the effect intensity had obvious regional heterogeneity. The input level of production factors was the main factor affecting the efficiency deviation in eastern region of Jilin Province and should be valued. However, social and economic status indirectly affects the efficiency deviation. As the basic factor affecting the deviation, the natural environment factor had a strong uncertainty. Therefore, the complex and strong effects of three kinds of factors should be considered comprehensively in the central region of Jilin Province, and the balanced weak influence of three factors in the western region of Jilin Province should be considered. To achieve a better balance between grain production and green development, it is imperative to explore and implement practical modern agricultural techniques tailored to regional control alongside preferential policies and scientific-technological support for agricultural modernization.

Key words： grain production efficiency; green production; efficiency deviation; ecological security; Jilin Province

粮食不仅是人类生存最基本的物质条件，更是世界和平与社会发展的重要保障，关系着人类的永续发展和前途命运。“消除饥饿，实现粮食安全”是亟需解决的全球性问题[1]，“解决好吃饭问题”也是中国治国理政的头等大事[2]。目前，全球意义上的粮食安全尚未完全实现[3]，而气候变化[4]、粮食损失[5]、环境污染[6-8]和政治经济环境动荡[9]等更加剧了全球粮食不安全，若以当下趋势继续发展，2030年消除饥饿的目标将难以实现[10]。中国虽已实现基本的口粮安全，但粮食增产主要依赖于生产要素投入的增加，随着粮食生产集中化，粮食主产区的碳排放总量明显高于粮食主销区[11]，不利于主产区内农业绿色低碳发展和生态系统安全。近30 a来，中国农业碳排放增速放缓，但总量仍持续上升[12]，从某种程度上来说当前的粮食安全是以牺牲生态环境为代价的，迫切需要探索生态友好的粮食生产方式，兼顾保障粮食安全的同时，逐步向提升农产品质量和推动农业绿色转型发展[13]。
面对中国当前人多地少和耕地仍在流失的现状，提升现有生产条件下的粮食生产效率是保障粮食供给和确保粮食安全的重要途径[14]。粮食生产效率是指单位投入量的各要素可以获得的最大经济效益[15]，提升粮食生产效率就是要实现粮食生产过程中要素投入的最小化或产出的最大化。已有关于粮食生产效率时空演变的研究主要基于生产效率的测算[16-17]，从时空特征[18-19]和影响因素作用[15,20]2方面展开。其中，传统的生产效率测算研究成果丰富，但忽视了环境污染、碳排放等负外部性的影响，模型主要包括数据包络分析法（DEA）[21]、随机前沿法（SFA）[22]、三阶段DEA[23]等。随着资源环境约束趋紧，当前传统的粮食生产效率已接近极限，新时期如何推进农业绿色发展才是重中之重[24]，这使得考虑负外部性影响的绿色粮食生产效率测算研究成果逐渐积累。绿色粮食生产效率是生态效率在农业领域的延伸，强调减轻对外部环境的污染，将粮食生产过程中的非期望产出影响考虑在内[25]。在农业绿色转型升级的背景下，由传统农业生产转向绿色生产是农业发展的必然趋势和最终目标，但在稳步转型过程中，如何实现粮食稳产增产与生产过程绿色低碳的平衡发展，是当下迫切需要解决的问题。
吉林省作为东北地区的重要粮食主产区之一，承担着保障粮食安全“压舱石”的重任，但长期推行高投入高产出的经营模式，实现粮食增产的同时不可避免地对区域生态环境造成不利影响，导致忽视负外部性影响的传统粮食生产效率与包含非期望产出的绿色粮食生产效率之间存在偏差[26]。因此，吉林省粮食生产过程中，要兼顾粮食产量最大化和生产方式绿色低碳化，而掌握传统粮食生产效率和绿色粮食生产效率偏差的空间特征及影响因素是探索有效手段的前提，有助于实现粮食增产和绿色发展的“平衡”，稳步推动农业绿色转型和高质量发展。但吉林省传统与绿色2类粮食生产效率的差距如何，受到哪些因素影响，目前并不十分明确。鉴于此，本文利用2000—2019年面板数据，在分别测算传统粮食生产效率和绿色粮食生产效率的基础上，开展吉林省粮食生产效率偏差的空间特征及影响因素研究，进而提出有针对性的农业转型发展对策，以期为区域农业绿色低碳发展和保障粮食安全提供科学依据与建议。

1 研究区概况与数据准备

1.1 研究区概况

吉林省位于中国东北地区中部，地处世界“黄金玉米带”和“黄金水稻带”，粮食生产以玉米、水稻、大豆为主。区域内地势由东南向西北倾斜，呈现出东南高、西北低的特征，地貌特征由东到西依次为东部长白山区、中西部松嫩平原区。省域内年降水量等地区分布不均，东部山区年降水量介于1 200~1 700 mm，中西部平原区年降水量介于400~600 mm（http://slt.jl.gov.cn/yw/szyglybh/szygb/202312/t20231212_3412198.html），黑土肥沃，水系丰富，农业机械化水平较高，粮食生产条件优越。2022年，吉林省粮食总产4 080.78万t，居全国第5位，净调出量全国第2位，粮食单产居全国13个粮食主产省第1位，粮食生产和对外供给能力不断提高（https://www.jl.gov.cn/szfzt/jlssxsxnyxdh/gzjz/202301/t20230119_8662896.html）。

1.2 数据来源与预处理

本研究以吉林省39个县域作为研究对象，从生产效率测算的投入、产出2个维度，选择粮食播种面积、农林牧渔劳动力、机械总动力、化肥施用量和有效灌溉面积作为投入指标，粮食总产量和碳排放总量[27-28]分别作为期望和非期望产出指标，构建粮食生产效率测算指标体系（表1）。其中，农林牧渔劳动力数据来自《中国县域统计年鉴》[29]，其他各项投入要素量均来源于2001年、2011年、2020年《吉林统计年鉴》[30]。统计年鉴中投入要素多以农业生产指标形式进行统计，为了将粮食生产的投入要素从中剥离出来，借鉴已有研究采用粮食权重系数法进行估算[31]。另外，后续影响因素分析还涉及到自然地理条件和社会经济统计数据，其中，农村居民人均收入、第一产业产值等来源于《吉林统计年鉴》[30]，耕地面积、地表气温、高程数据来源于中国科学院资源环境科学与数据中心①，降水数据来源于国家青藏高原科学数据中心②。
表1 粮食生产效率测算指标体系

Table 1 Evaluation index system of grain production efficiency in Jilin Province

指标 变量 变量说明
投入 土地投入 粮食播种面积
劳动力投入 粮食生产劳动力
机械投入 粮食生产机械总动力
化肥投入 粮食生产化肥施用量
水资源投入 粮食生产有效灌溉面积
产出 期望产出 粮食总产量
非期望产出 粮食生产碳排放总量

注：粮食权重系数=粮食作物播种面积/农作物播种面积；粮食生产碳排放总量为各类碳排放源与碳排放系数乘积之和。

1.3 研究方法

1.3.1 生产效率测算

本研究分别采用DEA-CCR模型和非期望产出的SBM模型，开展对传统粮食生产效率（TGPE）与绿色粮食生产效率（GGPE）2类效率值（E）的评价测算，在此基础上，结合全国平均效率水平（0.62）[25]划分效率等级，从低到高分别是效率较差（E≤0.6）、效率中等（0.6＜E≤0.8）和效率较好（0.8＜E≤1）。具体计算过程见参考文献[15,19]。

1.3.2 偏差率

相对偏差计算中常以二者的相对差距来衡量同类数据的偏差大小[32]。本研究中，绿色粮食生产效率与传统粮食生产效率均为从投入产出角度所衡量的决策单元相对生产效率水平，且二者的取值范围均为（0，1]，故采用偏差率来量化绿色粮食生产效率与传统粮食生产效率的相对差距。基于生态友好视角，将传统粮食生产效率作为被比较值，来分析二者之间的偏差。研究中采用决策单元绿色粮食生产效率与传统粮食生产效率的相对值与“1”之间的差异大小来衡量偏差。
$ {P}_{i}=\left(\dfrac{{GGPE}_{i}}{T{GPE}_{i}}-1\right)\times 100\% $
式中，Pi为县域单元i传统粮食生产效率与绿色粮食生产效率的偏差率，TGPEi和GGPEi分别表示县域单元i的传统粮食生产效率值和绿色粮食生产效率值。若Pi=0，表示TGPEi=GGPEi，即该县域2类生产效率无偏差；若Pi＜0，则GGPEi＜TGPEi，表示该县域绿色粮食生产效率与传统粮食生产效率之间存在负向偏差，且绝对值越大，偏差越大，反之亦然。本研究中，偏差程度分为3个等级：轻度偏差（0≤|Pi|＜10%）、中度偏差（10%≤|Pi|＜25%）、重度偏差（|Pi|≥25%）。

1.3.3 地理探测器模型

地理探测器是根据自变量和因变量空间分布的相似性来探测自变量对因变量的影响程度，进而揭示影响因素驱动力的一种统计学方法[33]，本研究选取地理探测器中的因子探测模型解析各类影响因素对效率偏差的解释力。

2 研究结果与分析

2.1 传统粮食生产效率与绿色粮食生产效率的时空特征

研究期内，吉林省县域的传统粮食生产效率和绿色粮食生产效率的结构均发生显著变化（图1）。其中，2000年，传统粮食生产效率较差（≤0.6）的县域占比为21%，2010年上升到44%，2019年下降到3%，低于2000年的比例，而效率较好（>0.8）的县域占比先减少再增加，2019年占比达到67%，超过2000年的64%，表现为效率较差的县域减少，而效率较好的县域有所增加，即传统粮食生产效率有所提升；同时期相比，绿色粮食生产效率较差（≤0.6）县域的比重更大，效率较好（>0.8）的县域比重更小，传统粮食生产效率水平整体上优于绿色粮食生产效率。但研究期内，绿色粮食生产效率较差（≤0.6）和效率较好（>0.8）的县域占比也分别经历先上升后下降和先下降后上升的变化趋势，因此，绿色粮食生产效率的综合水平也呈现“U”型变化规律，但效率提升幅度弱于传统粮食生产效率。
图1 2000—2019年吉林省传统粮食生产效率与绿色粮食生产效率结构变化

Fig. 1 Traditional and green grain production efficiency structures in Jilin Province in 2000—2019

吉林省东、中、西部地区传统粮食生产效率和绿色粮食生产效率的空间格局存在显著差异（图2）。2000年，吉林省中部地区县域的传统粮食生产效率水平较高，中西部和中东部地区县域生产效率也普遍较好；而绿色粮食生产效率较好的县域主要集中在中西、中东部地区；吉林省东、西部边缘地区2类粮食生产效率均较差。2010年，吉林省传统粮食生产效率等级下降，仅中西部地区部分县域2类粮食生产效率较好，且多数县域传统粮食生产效率更好。2019年，吉林省传统粮食生产效率水平普遍提升，中西部和中东部地区县域主要为较好等级，中等县域主要分布在吉林省中部地区。而绿色粮食生产效率较好的县域仍集中在中西部地区，效率中等县域主要分布在东部地区，中部和西部地区绿色粮食生产效率整体上低于传统粮食生产效率。研究期内，吉林省中西部地区的2类粮食生产效率等级均较高，且相对稳定；中部和中东部地区的2类粮食生产效率等级次之，但变化较为剧烈；东、西部边缘地区2类粮食生产效率均表现为波动变化，且东部较西部更剧烈。
图2 2000—2019年吉林省传统粮食生产效率与绿色粮食生产效率的空间格局变化

Fig. 2 Traditional and green grain production efficiency of Jilin Province in 2000—2019

2.2 生态视角粮食生产效率偏差时空特征

立足生态友好视角，吉林省绿色粮食生产效率与传统粮食生产效率均表现为负向偏差。2000年，吉林省2类粮食生产效率水平较高，差异较小，偏差等级相对较低，多数县域呈现轻度偏差，仅东、西2部的边缘地区少量县域呈现重度偏差（图3）。2010年，随着粮食生产效率下降，二者偏差增大，仅中西部地区表现为轻度偏差，省内其他地区呈明显的重度偏差。2019年，随着粮食生产效率提升，全省重度偏差的县域数量有所减少，多转为中度偏差，但仍主要分布在中部和东、西部的边缘地区，中西部地区偏差程度较轻。2000—2019年，吉林省粮食生产效率偏差程度前期加深，后期略有缓解。空间上，中西部地区偏差较轻，中部、中东部地区偏差加重，东、西部边缘地区持续呈现重度偏差，吉林省粮食生产效率偏差程度等级的空间分异特征显著。
图3 2000—2019年吉林省粮食生产效率偏差率时空分布

Fig. 3 Deviation rate of grain production efficiency in Jilin Province in 2000—2019

2.3 粮食生产效率偏差的影响因素分析

已有研究中，影响因素主要选择粮食生产的投入要素[34]和研究区的社会经济条件[35]2个方面，但自然环境因素是影响农业生产的本底条件，尤其是近年来东北地区的10℃积温线不断北移，自然环境因素发生变化。因此，本研究选择要素投入水平、社会经济水平和自然环境因素3类影响因素[34-40]（表2），来分析各类因素对粮食生产效率偏差的作用力大小与差异。
表2 粮食生产效率偏差的影响因素指标体系

Table 2 Indicator system of grain production efficiency deviation in Jilin Province

要素类型影响指标变量说明参考文献
要素投入水平地均从业人员/（人/hm2）农林牧渔劳动力/耕地面积许波等[36]
机械化水平/（kW/hm2）农业机械总动力/农作物播种面积许波等[36]
化肥施用强度/（t/hm2）农用化肥施用量/农作物播种面积郭永奇等[34]
有效灌溉率/%有效灌溉面积/耕地面积郭永奇等[34]
社会经济水平农村居民人均收入/（元/人）农村居民人均收入王宝义等[37]
财政支农水平/%财政支农林水事务支出/财政总支出洪开荣等[35]
经济结构/%第一产业产值/县域地区生产总值洪开荣等[35]
人口密度/（人/hm2）总人口/行政区面积盖美等[38]
自然环境因素降水量/mm年总降水量Zheng等[39]
地表温度/℃年平均白天地表温度LST数据Zheng等[39]
地形起伏度/m最大高程值与最小高程值的差值Ma 等[40]
耕地占比/%耕地面积/土地总面积Ma 等[40]
研究期内，各类影响因素对吉林省粮食生产效率偏差的综合解释力在东、中、西部地区均表现为要素投入水平＞自然环境因素＞社会经济水平（图4）。其中，要素投入结构和各类要素投入量直接影响粮食产出量和非期望产出量，这使得要素投入水平成为对效率偏差综合解释力最强的要素类，也是平衡粮食增产与低碳生产最应该关注的主导要素，就具体指标而言，东、中、西部地区效率偏差的解释力最强的分别是地均从业人员、有效灌溉率、化肥施用强度，地区间指标解释力的差异与自然地理条件所导致的农业生产本底条件和生计结构有关。自然环境因素的综合解释力明显低于要素投入水平，但略高于社会经济水平，其中，降水量是东部和中部地区效率偏差解释力最强的指标，其解释力明显大于其他指标，降水量的差异对吉林省相对湿润地区的粮食生产影响更大，这说明气候变化对吉林省粮食生产以及生态系统的约束与挑战不容忽视，另外，地表温度、地形起伏度和耕地占比对效率偏差的解释力相对较强，可见农业生产的本底条件仍是决定粮食生产绿色转型的基础要素。作为影响农业生产的外部因素，社会经济水平间接影响农业生产绿色转型，是综合解释力最弱的要素类，但社会经济水平更高的中部地区，该类要素的解释力更强，更应重视社会经济水平差异的影响，就具体指标而言，东、中、西部地区效率偏差的解释力最强的分别是农村居民人均收入、经济结构、人口密度，这是由于社会发展和收入水平的提高，可以为现代农业生产提供更为丰富的资金和技术支持，相应的扩大了对能源、资源的需求量，造成额外的生态负担。
图4 2019年吉林省不同地区粮食生产效率偏差的影响因素作用力

图中数据为各要素影响因子作用力q，无数据处为q<0.1，不予标注

Fig. 4 Effects of various factors affecting grain production efficiency deviation of Jilin Province in 2019

就具体区域而言，影响因素对吉林省粮食生产效率偏差的综合解释力大小存在明显的空间异质性。其中，中部地区3类影响因素的解释力均较高且明显高于东、西部地区，可见，中部地区各类影响因素的作用更强，应全面综合考虑内外部因素对效率偏差的影响；东部地区要素投入水平因素的整体解释力明显大于另外2类因素，与中部地区持平，是引起该区域效率偏差的主要因素，因此，东部地区的3类因素中，应该重点关注要素投入水平对效率偏差的影响；3类影响因素对西部地区效率偏差的解释力相差不大，且弱于中、东部地区，这表明西部地区各类影响因素的作用相对均衡，应该统筹考虑各类因素对效率偏差的影响。

3 结论与讨论

3.1 结论

从粮食生产的生态视角出发，在绿色粮食生产效率和传统粮食生产效率测算的基础上，构建偏差率模型，开展2000—2019年吉林省县域粮食生产效率偏差的时空特征与影响因素研究，主要得到以下结论：
1）研究期内，吉林省传统粮食生产效率和绿色粮食生产效率的综合水平均呈现“先下降，后上升”的“U”型变化趋势，传统粮食生产效率水平与上升幅度均优于绿色粮食生产效率。2类粮食生产效率值的空间分布特征相似，呈现中西部稳定高值，中、东部剧烈波动，边缘区轻微波动的特征。
2）2000—2019年，吉林省东、中、西部地区粮食生产效率均为负向偏差，具体表现为前期偏差程度加深，后期略有缓和。空间上，偏差程度呈现明显的空间分异特征，2类效率均较高的中西部地区效率偏差程度相对较弱，且基本稳定；效率较低的边缘地区持续呈现重度效率偏差；中、东部地区的2类效率差异最大，偏差等级变化剧烈。
3）吉林省生态视角下的粮食生产效率偏差受到多种因素的影响，各要素类的解释力排序具有一致性，但解释力大小存在明显的区域异质性。要素投入水平是影响效率偏差的主导因素，自然环境因素作为影响效率偏差的基础因素综合解释力次之，综合解释力最弱的社会经济水平是影响效率偏差的间接因素。空间上，东部地区应重点关注要素投入水平对效率偏差的影响；3类要素对中部地区效率偏差的总体解释力均较强，作用复杂需综合考虑；西部地区3类要素的影响相对均衡，但总体解释力均较低，应统筹考虑。因此，为更好平衡吉林省粮食增产和绿色转型发展，应重视区域内因外部条件引发的空间差异性，分区管控，因地制宜探索农户绿色生产方式，以及农业现代化的政策倾斜、科技支持等有效手段。

3.2 讨论

有限的自然资源约束下，更高的粮食生产效率，是农业经济追求的发展方向，但依赖增加生产要素投入提升粮食产量的农业生产方式无法在保障粮食安全的同时，兼顾粮食生产的可持续性，绿色发展才是资源环境约束下农业生产的新出路[24]。土壤资源和水热条件的制约导致传统粮食生产效率降低时，往往更加依赖化肥等农业生产要素的投入来弥补，且化肥、农药是农业生产中最重要的碳源[41]，仅注重传统粮食生产效率的提升，不可避免的加重了生态环境的负荷，导致2类效率差距越大偏差越重，农业稳定转型过程中，如何平衡粮食增产和绿色发展，是当前农业生产亟需解决的现实困境。同时，效率偏差的空间异质性显著，因此，传统粮食生产效率和绿色粮食生产效率偏差的准确量化和时空特征分析有助于识别农业生产绿色转型的重点区域，并探求适宜的发展对策。
资源禀赋的区域异质性对农业生产的影响不容忽视，其本质在于不同区域农业生产特点的复杂性。这种复杂性源于多个维度的相互作用，包括自然环境、社会经济结构、政策导向等。这些因素的交互作用使得农业生产在各个区域呈现出独特的面貌，且农业生产具有很强的实践惯性，水资源丰富地区更适宜需水量较大的作物生长，往往形成水稻种植集聚区[42]。可见，水土资源约束下农作物的适宜生产空间格局具有客观的地理空间异质性，适宜性越大区域粮食生产潜力越大，因此，吉林省自然地理空间格局所导致的农业生产适宜性的区域差异性及其对粮食生产效率的影响应该予以重视。除此之外，地形条件约束了农业机械的适用性，并影响其对劳动力的替代弹性[43]，也会影响粮食生产过程中的碳排放量。因此，应基于自然地理空间的异质性选择差异化的绿色生产方式和支持政策，并平衡不同区域间的粮食增产目标和绿色发展目标，促进吉林省稳定推进粮食生产的绿色转型。
研究发现自然环境要素的基础作用显著，但具有很强的不确定性。例如，气候变化对世界80%农业地区的农业生产力产生了负面影响，却因降水量的变化提高了撒哈拉以南非洲和拉丁美洲的作物产量[44]。但是，短期内的大量降水会导致土壤水分过度饱和，迫使多次、过量的使用化肥[45]，进而引起粮食碳排放量增加，这与本研究的发现相似，重视自然环境本底条件对农业生产的影响。而气候的变化具有周期性，近年来东北地区的气候变化，使得自然环境要素更有利于粮食生产，但旱改水等作物种植结构调整这类的人类扰动也在影响着地下水埋深和局地小气候，这更加重了自然环境要素作用的不确定性。值得注意的是，农业能源利用效率的提升将有助于农业碳减排[46]，因此，重视自然环境要素与要素投入水平间的联系及波动，有利于降低自然资源的损耗以及减轻对生产要素的过度依赖，辅助农业碳减排，实现绿色低碳生产。
此外，由于2021年后统计年鉴中大量数据缺失，无法开展最新年份粮食生产效率的测算和相关研究，这影响了本研究的现势性，但本研究近20 a的时间尺度，可以总结出研究区粮食生产效率偏差的变化规律，并用于效率偏差的影响因素分析，能够为生态视角的粮食生产效率偏差研究提供理论参考和案例依据。同时，随着统计数据的不断优化，将在后续研究中加强相关研究的现势性，以提供更有效的案例支撑。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Department of Economic and Social Affairs Sustainable Development. Transforming our world: The 2030 Agenda for Sustainable Development[R]. New York: United Nations, 2015.

[2]
姜长云, 王一杰. 新中国成立70年来我国推进粮食安全的成就、经验与思考[J]. 农业经济问题, 2019(10): 10-23

Jiang Changyun, Wang Yijie. The achievements, experience and thinking of promoting food security in China in the past 70 years. Issues in Agricultural Economy, 2019(10): 10-23

[3]
Alexander Y P, Svetlana A I. Food security: The challenge of the present. Geoforum, 2018, 91 73-77

DOI

[4]
Shahbaz F M, Muhammad U, Ali R et al. Uncovering the research gaps to alleviate the negative impacts of climate change on food security: A review. Frontiers in Plant Science, 2022, 13 927535

DOI

[5]
Aurélie B, Apurba S, Brighton M M et al. Estimation of nutritional postharvest losses along food value chains: A case study of three key food security commodities in sub-Saharan Africa. Food Security, 2022, 14 571-590

DOI

[6]
De-la-Torre G E. Microplastics: An emerging threat to food security and human health. Journal of Food Science and Technology, 2020, 57 1601-1608

DOI

[7]
赵淑娟, 刘海英, 江涌起. 基于PSR-EES模型的绥化市土地生态安全评价及影响因素分析[J]. 贵州师范大学学报(自然科学版), 2022, 40(6): 46-53

Zhao Shujuan, Liu Haiying, Jiang Yongqi. Evaluation of land ecological security and analysis of influencing factors in Suihua City based on PSR-EES Model. Journal of Guizhou Normal University (Natural Sciences), 2022, 40(6): 46-53

[8]
陈波, 刘芮羽, 高明英. 山区耕地利用碳排放与粮食安全的耦合协调研究[J]. 贵州师范大学学报（自然科学版）, 2024, 42(5): 106-116

Chen Bo, Liu Ruiyu, Gao Mingying. Study on the coupling and coordination of carbon emissions from cultivated land use and food security in mountainous areas. Journal of Guizhou Normal University (Natural Sciences), 2024, 42(5): 106-116

[9]
Marsden T, Farioli F. Natural powers: From the bio-economy to the eco-economy and sustainable place-making. Sustainability Science, 2015, 10(2): 331-344

DOI

[10]
Bryan B A, Hadjikakou M, Moallemi E A. Rapid SDG progress possible. Nature Sustainability, 2019, 2 999-1000

DOI

[11]
张扬, 李涵, 赵正豪. 中国粮食作物种植变化对省际农业碳排放量的影响研究[J]. 中国农业资源与区划, 2023, 44(7): 29-38

Zhang Yang, Li Han, Zhao Zhenghao. Effects of grain crop planting changes on interprovincial agricultural carbon emissions in China. Chinese Journal of Agricultural Resources and Regional Planning, 2023, 44(7): 29-38

[12]
Song S X, Zhao S Y, Zhang Y et al. Carbon emissions from agricultural inputs in China over the past three decades[J]. Agriculture, 2023, 13(5): 919.

[13]
金书秦, 张哲晰, 胡钰, 等. 中国农业绿色转型的历史逻辑、理论阐释与实践探索[J]. 农业经济问题, 2024(3): 4-19

Jin Shuqin, Zhang Zhexi, Hu Yu et al. Historical logic, theoretical interpretation and practical exploration of China’s agricultural green transformation. Issues in Agricultural Economy, 2024(3): 4-19.

[14]
张立新, 朱道林, 谢保鹏, 等. 中国粮食主产区耕地利用效率时空格局演变及影响因素——基于180个地级市的实证研究[J]. 资源科学, 2017, 39(4): 608-619

Zhang Lixin, Zhu Daolin, Xie Baopeng et al. Spatial and temporal pattern evolution and influencing factors of cultivated land use efficiency in major grain producing areas of China: An empirical study based on 180 prefecture-level cities. Resources Science, 2017, 39(4): 608-619

[15]
贾琳, 夏英. 农户粮食生产规模效率及其影响因素分析——基于黑、豫、川三省玉米种植户的调查数据[J]. 资源科学, 2017, 39(5): 924-933

Jia Lin, Xia Ying. Analysis of farmers’ scale efficiency of grain production and its influencing factors: Based on survey data of maize growers in Heilongjiang, Henan and Sichuan Provinces. Resources Science, 2017, 39(5): 924-933

[16]
伍国勇, 张启楠, 张凡凡. 中国粮食生产效率测度及其空间溢出效应[J]. 经济地理, 2019, 39(9): 207-212

Wu Guoyong, Zhang Qinan, Zhang Fanfan. Measurement of grain production efficiency and its spatial spillover effect in China. Economic Geography, 2019, 39(9): 207-212

[17]
罗光强, 谭芳. 粮食生产效率的区域差异及其政策效应的异质性[J]. 农林经济管理学报, 2020, 19(1): 34-43

Luo Guangqiang, Tan Fang. Regional differences in grain production efficiency and heterogeneity of policy effects. Journal of Agricultural and Forestry Economics and Management, 2019, 19(1): 34-43

[18]
张利国, 鲍丙飞. 我国粮食主产区粮食全要素生产率时空演变及驱动因素[J]. 经济地理, 2016, 36(3): 147-152

Zhang Liguo, Bao Bingfei. Spatial and temporal evolution of grain total factor productivity and its driving factors in major grain producing areas of China. Economic Geography, 2016, 36(3): 147-152

[19]
王明新, 朱颖一, 王迪. 基于面源污染约束的玉米生产效率及其时空差异[J]. 地理科学, 2019, 39(5): 857-864

Wang Mingxin, Zhu Yingyi, Wang Di. Maize production efficiency and its spatiotemporal differences based on non-point source pollution constraints. Scientia Geographica Sinica, 2019, 39(5): 857-864

[20]
刘传明, 范观宇, 毛广雄, 等. 近20年淮河生态经济带粮食生产效率时空变化与影响因素[J]. 自然资源学报, 2023, 38(3): 707-720

Liu Chuanming, Fan Guanyu, Mao Guangxiong et al. Spatial and temporal changes and influencing factors of grain production efficiency in Huaihe River Ecological Economic Belt in recent 20 years. Journal of Natural Resources, 2019, 38(3): 707-720

[21]
Charnel A, Cooper W W, Rhodes E. Measuring the efficiency of decision making units. European Journal of Operational Research, 1978, 2(6): 429-444

DOI

[22]
Battese G E, Rao D S P, O’Donnell C J. A Meta-frontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies. Journal of Productivity Analysis, 2004, 21 91-103

DOI

[23]
Fried H O, Lovell C A K, Schmidt S S et al. Accounting for environmental effects and statistical noise in data envelopment analysis. Journal of Productivity Analysis, 2002, 17(1-2): 157-174

[24]
叶兴庆. 以绿色托举中国农业[J]. 中国农业大学学报(社会科学版), 2019, 36(3): 5-8

Ye Xingqing. Promoting Chinese agriculture with green. Journal of China Agricultural University (Social Sciences Edition), 2019, 36(3): 5-8

[25]
崔许锋, 王雨菲, 张光宏. 面向低碳发展的农业生态效率测度与时空演变分析——基于SBM-ESDA模型[J]. 农业经济问题, 2022(9): 47-61

Cui Xufeng, Wang Yufei, Zhang Guanghong. Measurement and spatial-temporal evolution of agricultural ecological efficiency for low-carbon development: Based on SBM-ESDA model. Issues of Agricultural Economy, 2022(9): 47-61

[26]
邓灿辉, 马巧云, 魏莉丽. 基于碳排放的河南省粮食绿色全要素生产率分析及对策建议[J]. 中国农业资源与区划, 2019, 40(9): 12-19

Deng Canhui, Ma Qiaoyun, Wei Lili. Analysis and countermeasures of green total factor productivity of grain in Henan Province based on carbon emission. Chinese Journal of Agricultural Resources and Regional Planning, 2019, 40(9): 12-19

[27]
李波, 张俊飚, 李海鹏. 中国农业碳排放时空特征及影响因素分解[J]. 中国人口·资源与环境, 2011, 21(8): 80-86

DOI

Li Bo, Zhang Junbiao, Li Haipeng. Spatial and temporal characteristics and influencing factors of agricultural carbon emissions in China. China Population, Resources and Environment, 2011, 21(8): 80-86

DOI

[28]
吴贤荣, 张俊飚, 田云, 等. 中国省域农业碳排放: 测算、效率变动及影响因素研究——基于DEA-Malmquist指数分解方法与Tobit模型运用[J]. 资源科学, 2014, 36(1): 129-138

Wu Xianrong, Zhang Junbiao, Tian Yun et al. Agricultural carbon emissions at provincial level in China: Estimation, efficiency change and influencing factors based on DEA-Malmquist index decomposition method and application of Tobit model. Resources Science, 2014, 36(1): 129-138

[29]
国家统计局. 中国县域统计年鉴 2020[M]. 北京: 中国统计出版社, 2020

National Bureau of Statistics. China county statistical yearbook 2020. Beijing: China Statistics Press, 2020.

[30]
吉林省统计局. 吉林省统计年鉴[M]. 2001, 2011, 2020. 北京: 中国统计出版社, 2001, 2011, 2020

Jilin Statistical Bureau. Jilin statistical yearbook. 2001, 2011, 2020. Beijing: China Statistics Press, 2001, 2011, 2020.

[31]
田旭, 王善高. 中国粮食生产环境效率及其影响因素分析[J]. 资源科学, 2016, 38(11): 2106-2116

Tian Xu, Wang Shangao. Analysis on environmental efficiency of grain production and its influencing factors in China. Resources Science, 2016, 38(11): 2106-2116

[32]
Qi Y, Zhang J Q , Chen X et al. Effect of farmland cost on the scale efficiency of agricultural production based on farmland price deviation[J]. Habitat International, 2023, 132: 102745.

[33]
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134

DOI

Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospect. Acta Geographica Sinica, 2017, 72(1): 116-134

DOI

[34]
郭永奇, 侯林岐. 中国粮食主产区粮食农业绿色全要素生产率测度及影响因素研究[J]. 科技管理研究, 2020, 40(19): 223-229

Guo Yongqi, Hou Linqi. Study on measurement and influencing factors of green total factor productivity of grain agriculture in major grain producing areas of China. Science and Technology Management Research, 2019, 40(19): 223-229

[35]
洪开荣, 陈诚, 丰超, 等. 农业生态效率的时空差异及影响因素[J]. 华南农业大学学报(社会科学版), 2016, 15(2): 31-41

Hong Kairong, Chen Cheng, Feng Chao et al. Spatial and temporal differences and influencing factors of agroecological efficiency. Journal of South China Agricultural University (Social Sciences Edition), 2016, 15(2): 31-41

[36]
许波, 卢召艳, 杨胜苏, 等. 湖南省农业生产效率演变与影响因素[J]. 经济地理, 2022, 42(3): 141-149

Xu Bo, Lu Zhao-yan, Yang Shengsu et al. Evolution and influencing factors of agricultural production efficiency in Hunan Province. Economic Geography, 2022, 42(3): 141-149

[37]
王宝义, 张卫国. 中国农业生态效率测度及时空差异研究[J]. 中国人口·资源与环境, 2016, 26(6): 11-19

DOI

Wang Baoyi, Zhang Weiguo. Measurement and spatiotemporal difference of agricultural eco-efficiency in China. China Population, Resources and Environment, 2016, 26(6): 11-19

DOI

[38]
盖美, 杨苘菲, 何亚宁. 东北粮食主产区农业绿色发展水平时空演化及其影响因素[J]. 资源科学, 2022, 44(5): 927-942

DOI

Gai Mei, Yang Tongfei, He Yaning. Spatial and temporal evolution of agricultural green development level in major grain-producing areas of northeast China and its influencing factors. Resources Science, 2022, 44(5): 927-942

DOI

[39]
Zheng D F, An Z Y, Yan C L et al. Spatial-temporal characteristics and influencing factors of food production efficiency based on WEF nexus in China. Journal of Cleaner Production, 2022, 330(1): 1-13

[40]
Ma L, Long H L, Tang L S et al. Analysis of the spatial variations of determinants of agricultural production efficiency in China. Computers and Electronics in Agriculture, 2021, 180(1): 105890

[41]
田伟, 杨璐嘉, 姜静. 低碳视角下中国农业环境效率的测算与分析——基于非期望产出的SBM模型[J]. 中国农村观察, 2014(5): 59-71+95

Tian Wei, Yang Lujia, Jiang Jing. Measurement and analysis of agricultural environmental efficiency in China from the perspective of low carbon: Based on the SBM model of non-expected output. China Rural Observation, 2014(5): 59-71+95

[42]
王泓淯, 房艳刚, 刘建志. 2005—2015年黑龙江省农作物种植结构时空演变[J]. 地域研究与开发, 2020, 39(1): 168-174

Wang Hongyu, Fang Yangang, Liu Jianzhi. Spatio-temporal evolution of crop planting structure in Heilongjiang Province from 2005 to 2015. Areal Research and Development, 2019, 39(1): 168-174

[43]
郑旭媛, 应瑞瑶. 农业机械对劳动的替代弹性及区域异质性分析——基于地形条件约束视角[J]. 中南财经政法大学学报, 2017(5): 52-58+136

DOI

Zheng Xuyuan, Ying Ruiyao. Analysis of labor substitution elasticity and regional heterogeneity of agricultural machinery: Based on the perspective of terrain constraints. Journal of Zhongnan University of Economics and Law, 2017(5): 52-58+136

DOI

[44]
Guo H P, Xia Y J, Jin J S et al. The impact of climate change on the efficiency of agricultural production in the world’s main agricultural regions. Environmental Impact Assessment Review, 2022, 97(11): 1-10

[45]
陈苏, 黄怡素. 气候变化对双季稻化肥利用效率影响的实证分析——以南方稻作区为例[J]. 农林经济管理学报, 2023, 22(5): 582-591

Chen Su, Huang Yisu. An empirical analysis of the effect of climate change on fertilizer use efficiency of double-cropping rice: A case study of southern rice growing area. Journal of Agriculture and Forestry Economics, 2023, 22(5): 582-591

[46]
庞丽. 我国农业碳排放的区域差异与影响因素分析[J]. 干旱区资源与环境, 2014, 28(12): 1-7

Pang Li. Regional differences and influencing factors of agricultural carbon emissions in China. Journal of Arid Land Resources and Environment, 2014, 28(12): 1-7

Options
文章导航

/

〈 〉