低碳种植技术的理论研究主要包括低碳种植技术概念的界定以及低碳种植技术体系的构建。低碳种植技术并不是一项具体的技术, 而是种植业生产过程中包含的各项具有减碳贡献的技术^[1-2]。低碳种植技术体系的构建与低碳种植技术的概念界定紧密相关, 正是由于低碳种植技术的集成性, 有学者将低碳种植技术的概念界定与低碳种植技术体系的构建等同起来^[3]。

化肥是种植业生产过程中的第1大碳排放源, 占投入环节碳排放总量的60%左右^[4]。从化肥内部结构来看, 每1 kg氮肥、磷肥以及钾肥分别会排放3.932、0.636以及0.108 kg标准碳, 每1 hm²粪肥排放1 913.1 kg二氧化碳^[5-7]。故与化肥(特别是氮肥)相关的低碳种植技术减碳贡献最大, 如测土配方施肥等。农药是继化肥之后种植业的第2大碳排放源, 美国橡树岭国家实验室测算出每1 kg化学农药会产生4.934 1 kg标准碳^[3]。故采用与农药施用相关的低碳种植技术也具有较好的减碳效果, 如农药控制(释放)技术等。垄作免耕等低碳种植技术也在一定程度上降低种植业碳排放量^[8-9]。

低碳种植技术的影响因素研究存在4种范式:一是从理论上分析低碳种植技术应用的影响因素^[10-12]; 二是不对低碳种植技术进行明细划分, 直接研究农户的家庭特征、生产特征等因素对是否应用低碳种植技术的影响^[10-12]; 三是具体分析一种低碳种植技术受何种因素影响^[19-27]; 四是研究低碳种植技术应用数量的影响因素^[28]。

低碳种植技术的研究主要集中在概念界定、碳源测定以及影响因素上。低碳种植技术的影响因素研究大多是将低碳种植技术作为名义变量, 对低碳种植技术的系统性与多样性缺乏代表性。笔者借鉴张小有等^[29]的研究, 以种植业生产过程中主要碳排放源的碳排放比重为权数, 构建低碳种植技术应用指数, 来衡量微观主体低碳种植技术的应用水平。低碳种植技术应用指数能够更加科学地反映低碳种植技术的综合性, 为低碳种植技术的研究与推广应用提供借鉴。

1 低碳种植技术应用现状

2016年7—8月和2018年1月, 课题组先后在江西省赣州、抚州、九江等地区集中调研。调查发现, 部分先进低碳种植技术应用到了实际生产过程中。例如, 赣州地区有规模农户利用无人机喷洒农药, 抚州地区有规模农户采用滴灌、测土配方施肥等低碳种植技术。但仍然存在一些问题:(1)部分规模农户对低碳种植技术认知程度较低, 只理解到新技术层面, 对于低碳种植技术难以理解。(2)规模农户采用低碳种植技术的主要目的是节约成本或增加收益, 尚未考虑对环境的影响。(3)政府扶持低碳种植技术的力度较小。从应用情况来看, 61.7%的规模农户采用了碳排放量相对较低的磷酸铵类肥料、有机肥或控释肥; 46.81%的规模农户采用了深施肥或者浇灌施肥; 39.63%的规模农户采用了测土配方施肥技术; 18.62%的规模农户采用生物农药作为传统农药的补充; 8.24%的规模农户采用了新型农药控制技术; 37.5%的规模农户采用了可降解农膜。

低碳种植技术的减碳贡献主要取决于:(1)低碳种植技术对应碳源(化肥、农药、农用柴油以及农膜等)的碳排放量占种植业碳排放总量的比重。低碳种植技术对应碳源的碳排放量比重越高, 减碳空间就越大。化肥是种植业最大的碳源, 采用与化肥相关的低碳种植技术具有更广阔的减碳空间。(2)低碳种植技术的应用程度。低碳种植技术的应用程度越高, 减碳效果越好。

2 指标构建

种植业生产过程中各碳源比重不同, 因此不同碳源下的低碳种植技术的减碳效果也不同, 以碳源比重为权数构建低碳种植技术应用指数, 能够更科学地反映低碳种植技术的综合性。要明确种植业主要碳源的比重, 就需要对种植业的主要碳源进行测算。种植业碳源测算的流程为:(1)确定主要碳源(化肥、农药、农用柴油以及农膜等); (2)确定主要碳源用量; (3)根据各碳源的碳排放系数与用量相乘得出碳排放量。具体公式为

$ {E_i} = \sum {{T_i} \times {\delta _i}} 。$

(1)

式(1)中, E_i为种植业碳排放总量, 万t; T_i为碳源i的使用量, 万t; δ_i为碳源i的碳排放系数, kg·kg^-1。主要测算结果见表 1。

种植业主要碳源的碳排放量各年存在一定的波动, 因此江西省种植业主要碳源的比重也随之变化。为尽可能控制采用某一年度碳源比重所带来的偏差, 选取2012—2016年化肥、农药、农膜以及农用柴油用量平均值, 以此为基础来计算种植业主要的碳源比重。采用5 a平均值计算出的种植业主要碳源比重可为低碳种植技术应用指数的构建提供较为客观的依据。

种植业主要碳源确定后, 需要进一步确定对应的低碳种植技术。从低碳种植技术的减碳贡献来看, 化肥是种植业的第1大碳源。影响施肥环节化肥碳排放的因素主要有:(1)肥料类型。每1 kg磷肥、钾肥的碳排放量分别相当于氮肥的16.17%与4.58%, 施用有机肥和控释肥的碳排放量也远低于氮肥^[3]。(2)施肥方式。相对于撒明肥, 深施肥减少了施肥过程中的挥发, 土壤固碳作用增强, 从而降低了碳排放量^[3]。(3)施肥技术。低碳施肥技术主要指测土配方施肥, 测土配方施肥根据土质来确定肥料类型与用量, 避免过度施肥, 从而降低碳排放量。

农药也是种植业的主要碳源之一, 平均每1 kg化学农药会产生4.934 1 kg标准碳^[3]。农药施用过程中产生碳排放的主要因素有:(1)农药类型。农药可大致分为传统化学农药与新兴生物农药。化学农药使用过程中会产生大量的碳排放。生物农药采用生物活体或者其代谢物来杀灭有害生物, 因而不会产生大量的碳排放。(2)农药用量。降低农药用量是减少施药环节碳排放的重要途径。农药控制(释放)技术降低了农药的挥发速度, 减少了农药的施用次数, 因而降低了施药量。

农膜产生的碳排放量占种植业碳排放总量的7.01%~13.26%, 也是比重较高的碳源之一^{[1, 4, 32]}。土壤是重要的碳库, 现有的低碳技术主要通过2个方面来降低碳排放:一是增加土壤固碳量; 二是降低碳排放量。传统的高分子有机化学聚合物属性的农用地膜在土壤中长期难以降解, 影响土壤透气性, 长期下去会导致土壤环境恶化, 极大影响了土壤碳库的形成^[33]。可降解农膜或者生物降解农膜能够在短时间内降解, 不会对土壤造成污染, 保障了土壤的固碳功能。

农用柴油的使用也会直接带来大量的碳排放, 占种植业碳排放总量的10%以上^[4]。在农业生产过程中提高柴油使用效率, 降低柴油用量对降低农业碳排放意义重大。具体低碳种植技术划分情况如表 2所示。

低碳种植技术应用指数(A_i)^[29]计算公式为

$ \begin{gathered} {A_i} = {C_{{\text{m}}, i}} \times 7.43\% + \frac{{\sum {{C_{{\text{j}}, i}}} }}{3} \times 59.15\% + \hfill \\ \;\;\;\;\;\;\frac{{\sum {{C_{{\text{k}}, i}}} }}{2} \times 22.04\% + {C_{{\text{n}}, i}} \times 11.37\% 。\hfill \\ \end{gathered} $

(2)

式(2)中, C_m，i、C_j，i、C_k，i、C_n，i分别为第i户规模农户农膜、化肥、农药以及农用柴油对应的低碳种植技术应用状况。低碳种植技术应用指数的构建, 一方面能够考察规模农户低碳种植技术应用的总体水平与地区分布; 另一方面作为低碳种植技术应用驱动因素研究模型中的因变量, 能够较为全面地考察规模农户低碳种植技术应用总体水平的影响因素。

3 研究假设

在传统经济学研究范式下, 人是理性而没有情感的, 以追求效用最大化为目标。梅奥等的霍桑实验表明, 社会人假设可能比经济人假设更有科学性。社会人假设认为, 社会关系优于物质利益^[34]。在倡导可持续发展的背景下, 作为理性的社会人, 规模农户更愿意使用低碳种植技术。因此, 低碳种植技术的应用, 不仅受经济因素的影响, 还受社会因素的影响。从经济社会因素出发, 结合以往的研究视角^{[11, 20, 35-36]}, 将可能影响规模农户低碳种植技术应用的因素分为4个维度:家庭特征、生产特征、互联网特征和培训特征。下面进一步分析规模农户的各项特征与低碳种植技术之间的关系。

3.1 家庭特征与低碳种植技术的应用

家庭特征包括家庭人口、户主与配偶的平均年龄及受教育程度、户主是否为党员干部等因素。农户的家庭人口反映了农户的人口压力。在耕地面积一定的条件下, 随着家庭人口的增加, 耕地资源稀缺程度增加, 农户可能更加注重产量的增长而缺乏对产品品质的关心^[35]。如果农户通过新型低碳种植技术提高产量和品质来增加收入, 会促进低碳种植技术的应用; 如果农户依靠过量施用化肥、农药, 则可能产生更多的碳排放。因此, 家庭人口可能会和其他因素共同起作用, 如受教育程度高的农户可能倾向于依靠低碳种植技术来提高产量与产品品质。同时, 农户年龄与技术的采纳成反比, 年龄大的农户相对于年龄小的农户更为保守, 倾向于采用传统技术^[37]。低碳种植技术相对于传统技术大多属于新型环保技术, 年龄越小的户主对于低碳种植技术的采纳与应用程度可能更高。教育程度对低碳种植技术的应用也具有重要影响, 在其他条件不变的情况下, 农业劳动力文化教育年限每增加1 a, 农户在粮食作物上的化肥施用量会减少0.23%^[36]。我国有39%的农民读不懂农药标签或者不能正确理解农药标签的内容, 在施药过程中凭借经验确定用量^[11]。因此教育程度高的户主能够控制农药和化肥的施用量, 对低碳种植技术的接纳程度更高。配偶对户主的行为可能产生重要影响, 因此在年龄和受教育程度的衡量上, 笔者不仅考虑了户主的年龄和受教育程度, 同时将配偶的年龄和受教育程度考虑进来:以户主和配偶的平均年龄与受教育程度代表规模农户的年龄和受教育程度。除了上述因素, 在发展低碳农业的趋势下, 农村基层党员干部有更多渠道接触到低碳种植技术, 他们也是低碳种植技术的重要推广者。在以家庭为单位的农业生产组织中, 家庭特征对低碳种植技术的应用具有基础性的影响。基于上述分析, 提出假设1(H₁):规模农户家庭特征对低碳种植技术应用具有显著影响。

3.2 生产特征与低碳种植技术的应用

生产特征主要包括种植规模、地形、土壤肥力以及交通状况。种植规模对技术采用具有重要影响^[38-39], 随着种植规模的扩大, 采用低碳种植技术能够显著降低成本, 如采用测土配方施肥技术能够降低化肥施用量, 采用农药控释技术能够降低农药施用量。不同的地形对于规模农户的技术需求也具有重要影响^[40-41], 平原地区的规模农户种植面积相对较大, 追求更高的投入产出比, 对于新技术的接受程度与需求更高。低碳种植技术在很大程度上能够满足这一需求。土壤质量对化肥的施用量具有直接的影响, 土壤肥力越高, 所需要的化肥量越少^[36]。土壤肥力较低的地区化肥需求量更大, 对于测土配方施肥等技术的需求程度更高, 因此低碳种植技术应用程度可能越高。农业基础设施状况对农户的技术需求具有显著影响^[40], 交通状况是农业的核心基础设施之一。交通便利的地区经济相对发达, 信息获取便利, 农户参加组织的推广培训更为便利, 因此低碳种植技术应用水平可能较高。基于上述分析, 提出假设2(H₂):规模农户生产特征对低碳种植技术应用具有显著影响。

3.3 互联网特征与低碳种植技术的应用

随着互联网以及移动终端在我国的快速发展, 传统农业的生产与销售模式受到了深刻影响。截至2017年底, 我国农村网民达2.09亿。互联网对低碳种植技术的影响主要有2个渠道:(1)信息渠道。互联网能够实时反映外部世界信息, 在国家倡导低碳农业的大背景下, 互联网成为广大农民获取低碳种植技术相关信息的重要渠道之一。(2)销售渠道。随着农村电商的飞速发展, 农产品逐渐从线下转到线上销售。在互联网的竞争环境下, 消费者对于无公害农产品的偏爱会促使农业生产者主动采用低碳种植技术, 例如降低化肥农药的施用。互联网特征主要包括:(1)联网状况, 表示规模农户是否接入了互联网; (2)互联网销售意愿, 表示规模农户是否积极参与市场竞争, 通过互联网渠道提供无公害的农产品获取更高的收益; (3)互联网使用程度, 表示规模农户是否经常上网以及互联网使用的熟练程度; (4)互联网使用目的, 表示规模农户使用互联网主要用于了解农业技术政策还是其他。基于上述分析, 提出假设3(H₃):规模农户互联网特征对低碳种植技术应用具有显著影响。

3.4 培训特征与低碳种植技术的应用

培训特征主要包括培训状况、培训次数、培训形式以及培训内容。一些农户文化水平较低, 对低碳种植技术的认可度较低, 需要政府进行推广培训加以提升。培训次数和培训环境对环境友好型技术的采用有重要影响^[20]。通过推广培训, 能够提高农户对低碳种植技术的认可度与应用的积极性。笔者将培训行为进一步细化, 除了关注传统的是否参加培训以及培训次数之外, 进一步考察培训形式与培训内容对低碳种植技术的影响。培训形式包括面授和远程2种, 不同的培训形式可能会产生不同的培训效果。培训内容重点考察规模农户参加的低碳种植技术培训项目, 只有参加了低碳种植技术相关培训, 学以致用, 才能推进低碳种植技术的正确应用。基于上述分析, 提出假设4(H₄):培训特征对规模农户低碳种植技术应用具有显著影响。各自变量定义如表 3所示。

4 实证分析 4.1 描述性统计

样本数据来源如下:(1)课题组2016年7—8月对江西省赣州、抚州等地区的集中调研; (2)课题组2018年1月对江西省九江等地区的集中调研。涉及地区如下:赣州地区涉及县(市)包括宁都县、石城县、兴国县、信丰县以及于都县; 抚州地区涉及县(市)包括东乡县、南丰县、临川区以及乐安县; 九江地区涉及县(市)包括柴桑区、瑞昌市; 吉安地区涉及县(市)包括吉水县、新干县、泰和县; 宜春地区涉及县(市)包括万载县、丰城县; 南昌地区涉及县(市)包括进贤县、安义县; 上饶地区涉及县(市)包括广丰县、万年县; 萍乡地区涉及县(市)包括芦溪县; 鹰潭地区涉及县(市)包括余江县; 景德镇地区涉及县(市)包括余干县; 新余地区涉及县(市)包括渝水区。以可靠性、代表性和随机性为抽样原则, 调查人员共选取上述区域内40个乡镇作为抽样点, 每个乡镇在规模以上(种植面积6.667 hm²以上)农户中随机抽取10个农户进行问卷调查。调查共发放问卷400份, 其中有效问卷376份。采用Excel 2010、Stata 13.0软件进行数据处理。

从低碳种植技术应用状况的地区分布(表 4)可知, 样本集中在赣州、抚州、九江以及吉安地区, 合计296份有效问卷, 占有效问卷总量376份的78.72%。从低碳种植技术总体的采用量上来看, 376户规模农户中, 采用磷酸铵、控释肥或者有机肥的规模农户最多, 达232户, 占比61.7%;其次为采用深施肥和浇灌施肥的规模农户, 达176户, 占比46.81%;采用测土配方施肥和可降解农膜的规模农户也较多, 分别为149和141户; 采用农药控制技术的规模农户较少, 只有31户, 占比8.24%。可见, 规模农户低碳种植技术在化肥、农膜方面应用较多, 在农药、农用柴油方面的应用较少。从地区间差异来看, 低碳种植技术应用数量平均值最高的地区为九江市, 为2.53项, 表示九江地区平均每户规模农户采用2.53项低碳种植技术; 其次为吉安市, 平均每户规模农户采用2.52项低碳种植技术; 采用低碳种植技术最少的地区为鹰潭市, 平均每户规模农户采用1项低碳种植技术。

根据式(2)结合表 2, 分别计算每户规模农户的低碳种植技术应用指数, 代表规模农户低碳种植技术的综合应用程度, 在此基础上统计出各地区低碳种植技术应用指数的中位数和平均值(表 4)。整体上来看, 低碳种植技术应用指数的平均值为0.37, 中位数为0.39, 说明低碳种植技术应用指数高于平均值的规模农户较多。从地区分布来看, 低碳种植技术应用指数平均值最高的地区是吉安市, 达0.41, 低碳种植技术应用指数中位数最高的地区是新余市, 达0.47;低碳种植技术应用指数平均值和中位数最低的地区均为鹰潭市, 分别为0.17和0.10。

进一步对规模农户各项特征进行描述性统计分析(表 5):从家庭特征来看, 平均每户规模农户有家庭人口4.75人, 家庭人口最多达14人, 最少为2人; 户主和配偶平均年龄的中位数为44岁, 最小值为19岁, 最大值为70岁, 差异较大; 户主和配偶平均受教育程度的平均值为2.55, 处于初中和高中之间, 整体上受教育程度较低; 同时党员干部的平均值为0.42, 说明接近一半户主是党员干部。从生产特征来看, 种植规模低于平均值的较多, 同时差异较大; 地形的平均值为2.89, 中位数为3, 说明调查地区主要以丘陵和平原为主; 土壤肥力的平均值为3.10, 表示土壤肥力一般; 交通状况的平均值为2.98, 中位数为3, 说明规模农户到城镇的路况以水泥路为主。从互联网特征来看, 联网状况的平均值为0.76, 说明76%的规模农户接入了互联网; 互联网销售意愿的平均值为0.63, 说明63%的规模农户希望通过互联网销售农产品; 互联网使用程度的平均值为1.61, 中位数为2, 说明规模农户整体上经常上网; 互联网使用目的的平均值为0.87, 说明87%的规模农户通过互联网了解农业技术政策。从培训特征来看, 培训状况的平均值为0.47, 说明47%的规模农户过去一年参加过培训; 培训次数的平均值为1, 说明规模农户一年内平均参加的培训次数为1次; 培训形式的平均值为0.44, 说明面授培训和远程培训均有, 并且远程培训多于面授培训; 培训内容的平均值为0.78, 中位数为1, 说明规模农户参加的培训平均会涉及到1项低碳种植技术。

4.2 实证检验

构建回归模型检验各项特征对规模农户低碳种植技术应用水平的影响。对连续变量(家庭人口、年龄、种植规模)取对数, 以消除量纲不同的影响。由于调查样本涉及2个年度, 并涉及到赣州、抚州、九江等11个地区, 为进一步消除年度与地区差异的影响, 在回归过程中对年度和地区进行控制。具体的控制方法为:根据年度和地区生成2个虚拟变量, 分别代表年度和地区差异, 加入回归模型。

$ \begin{gathered} y = {\alpha _0} + {\alpha _1} \times \ln {x_1} + {\alpha _2} \times \ln {x_2} + {\alpha _3} \times {x_3} + {\alpha _4} \times \hfill \\ \;\;\;\;\;{x_4} + {\alpha _4} \times \ln {x_5} + {\alpha _6} \times {x_6} + {\alpha _7} \times {x_7} + {\alpha _8} \times {x_9} + \hfill \\ \;\;\;\;\;{\alpha _{10}} \times {x_{10}} + {\alpha _{11}} \times {x_{11}} + {\alpha _{12}} \times {x_{12}} + {\alpha _{13}} \times {x_{13}} + \hfill \\ \;\;\;\;\;{\alpha _{14}} \times {x_{14}} + {\alpha _{15}} \times {x_{15}} + {\alpha _{16}} \times {x_{16}} + Y + R + \varepsilon 。\hfill \\ \end{gathered} $

(3)

式(3)中, y为规模农户的低碳种植技术应用指数; x₁~x₁₆的含义见表 3；Y和R分别为年份和地区虚拟变量；ε为残差。

模型回归结果(表 6)的调整后R²为0.188, F值为5.83, 具有统计学意义。方差膨胀因子(VIF)值越大, 表明共线性越严重。一般来说, 当0 < VIF < 10时, 不存在多重共线性。自变量的VIF值中, 最大值为1.65(x₃), 最小值为1.09(x₇), 说明不存在明显的共线性问题。具体来看, 年龄(ln x₂)的系数为-0.112, 并在10%水平上显著, 说明户主和配偶平均年龄较小的规模农户低碳种植技术应用水平较高; 交通状况(x₈)的系数为0.049, 并在1%水平上显著, 说明交通状况对低碳种植技术的应用具有较为明显的促进作用; 互联网销售意愿(x₁₀)的系数为0.041, 并在10%的水平上显著, 说明互联网销售意愿对低碳种植技术应用具有一定的促进作用; 互联网使用目的(x₁₂)的系数为0.105, 并在1%水平上显著, 说明使用互联网了解农业技术政策的规模农户更倾向于采用低碳种植技术; 培训状况(x₁₃)的系数为0.056, 并在5%的水平上显著, 说明参加培训对规模农户低碳种植技术应用具有促进作用; 培训内容(x₁₆)的系数为0.053, 并在1%水平上显著, 说明参加低碳种植技术培训对规模农户低碳种植技术应用具有显著的促进作用。

5 结论与建议

根据实地调查数据, 分析低碳种植技术的应用现状与减碳贡献, 并基于构建的低碳种植技术应用指数, 实证分析低碳种植技术应用的驱动因素。研究表明:(1)低碳种植技术应用程度仍然较低, 低碳种植技术的减碳效应主要取决于对应碳源的比重及其应用程度。(2)户主和配偶平均年龄较小、交通较为便利、希望通过互联网销售农产品和了解农业技术政策、积极参加培训、培训内容涉及低碳种植技术的规模农户具有较高的低碳种植技术应用水平。

基于上述研究结果, 提出如下建议:

第一, 年轻新型农民是低碳种植技术的推广主体。规模农户户主和配偶的平均年龄越低, 低碳种植技术应用水平越高, 说明年轻新型农民倾向于采用更为环保的新技术。提升年轻新型农民的文化水平, 鼓励年轻人到农村创业发展, 对推广低碳种植技术的应用具有重要意义。

第二, 便捷的交通是低碳种植技术推广的可靠保障。交通状况对低碳种植技术应用具有显著的正向影响。推进广大农村地区尤其是集中连片贫困地区的“村村通”工程建设, 使低碳种植技术“进得去”, 也使希望了解低碳种植技术的新型农民“出得来”。

第三, “互联网+”农业是低碳种植技术推广的加速剂。希望通过互联网销售农产品和了解农业技术政策的规模农户具有较高的低碳种植技术应用水平。基于此, 首先要推进“农村淘宝”等电子商务平台的建设, 为规模农户销售农产品提供新的渠道; 其次要加强对规模农户的引导, 鼓励其积极通过网络了解最新的农业技术政策, 化被动灌输为主动探索, 切实提高低碳种植技术应用水平。

第四, 培训学习是低碳种植技术推广的主要动力。规模农户参加涉及低碳种植技术的培训能够明显提升低碳种植技术应用水平。实证结果表明, 培训形式和培训次数并不重要, 关键是培训内容。政府部门组织的培训是规模农户了解低碳种植技术的重要渠道, 并且由于可信度较高, 很容易在农户心中形成权威导向。因此, 不仅要加大培训力度, 更重要的是在培训内容中切实加入具体低碳种植技术的示范与讲解, 这样才能实实在在提高低碳种植技术的应用水平, 降低农业碳排放。