2. 中国人民大学农业与农村发展学院, 北京 100872
2. School of Agricultural Research and Rural Development, Renmin University of China, Beijing 100872, China
当前, 我国每年农业生产中农药施用量高达175万t, 每1 hm2耕地农药施用量是世界平均水平的2.5倍以上, 所施农药只有30%作用于目标作物, 70%残留于土壤、空气和水体等环境中[1]。农业生产中施用农药, 可以有效节约劳动,抑制农作物病虫害,增加农业经济效益。然而, 农药过量施用不但危害农业生产者健康和食品安全, 而且会污染耕地土壤和水资源等生态环境[2]。2015年, 我国提出“一控、两减、三基本”的目标治理农业面源污染问题, 其中“两减”之一便是减少农药施用量。党的十九大报告提出要防治农业面源污染, 实施食品安全战略和产业兴旺、生态宜居等乡村振兴战略。在此背景下, 对农药过量施用及外部成本进行核算, 解决农药大量残留导致的环境污染和食品安全等问题, 迫在眉睫。
农业生产中农药的作用是减少病虫害导致的农作物产量损失, 这使得将其作为直接生产要素引入生产函数显得不够合理[3]。LICHTENBERG等[4]认为农药不同于化肥和劳动力等要素, 是一种损害控制要素, 不能直接增加农作物产量, 将其直接引入生产函数会高估农药边际生产率, 应引入损害控制模型来解决这一问题。HUANG等[5]运用损害控制函数估算我国水稻农药施用情况, 发现水稻生产中农药过量使用情况比较严重, 双季晚稻、单季中稻和单季晚稻等农药过量施用均超过50%。周曙东等[6]对江苏省水稻种植户调查发现, 不考虑农药施用效率时损害控制模型会高估农药过度施用量。朱淀等[7]借助损害控制模型估算了我国苏南地区水稻农药边际生产率, 发现农药的边际产出接近0, 水稻生产中农药施用已经过量。
开展农业生产中农药施用效果研究, 不但要考虑农药抑制农作物病虫害和增加农产品产量而产生的农户私人利益, 还要考虑农药对人体健康、食品安全和生态环境等造成危害而影响的社会利益。因此, 笔者在考虑农药外部成本基础上, 从社会和私人利益最大化视角, 采用农药环境测算(pesticide environmental accounting, PEA)工具和损害控制模型, 利用1990—2016年我国水稻主产区的面板数据, 估算农药施用外部成本以及社会和私人最佳施用成本, 测度我国水稻生产中农药的过量施用情况。该研究结果对引导农药适量施用、保证食品安全、保障农户和消费者健康及营造良好生态环境, 具有重要的理论和现实意义。
1 研究方法 1.1 基本模型的构建依据农药对农作物生产的间接作用特征, 将其作为损害控制要素引入农业生产函数。参照KOUSER等[8]的研究, 构建的损害控制模型为
$ Y = F\left( Z \right) \cdot G\left( X \right)。$ | (1) |
式(1)中, Y为农作物产量, 元·hm-2; Z为生产要素投入, 分别表示水稻单位面积耕地生产中化肥投入(元·hm-2)、劳动投入(d·hm-2)和机械投入(元·hm-2); X为农药投入成本, 元·hm-2; F(Z)为C-D生产函数; G(X)为关于X的分布函数, 表示农药作为损害控制变量而非直接生产要素投入间接作用于农作物生产。
将G(X)设为指数型分布函数, 取值为0~1。为优化G(X)的拟合效果, 加入截距项, 函数形式为
$ G\left( X \right) = 1 - \exp \left( { - \beta \cdot X - \alpha } \right)。$ | (2) |
式(2)中, α为截距系数, β为农药投入成本系数。
构建的利润函数(π)为
$ \pi = p \cdot Y - w \cdot Z - v \cdot X。$ | (3) |
式(3)中, p为农产品价格, 元·hm-2; w为生产要素价格, 分别表示水稻单位面积耕地生产中化肥投入(元·hm-2)、劳动投入(d·hm-2)和机械投入(元·hm-2); v为农药价格, 元·hm-2。
假设农户是理性经济人, 以追求自身利益最大化为目标, 对式(3)关于农药求一阶偏导得到农业生产利润最大化条件为
$ {P_{{\rm{v}},{\rm{m}},x}} = {P_{{\rm{m}},x}} \cdot p = v。$ | (4) |
式(4)中, Pv, m, x为水稻生产中农药的边际产品价值, 元·hm-2; Pm, x为农药的边际产品价值, 元·hm-2; p为水稻价格, 元·hm-2。
由式(4)可得农户个人利益最大化时私人农药最佳施用成本, 即Pv, m, x与v相等时的农药施用成本。若考虑农药施用的外部成本, 农业生产利润最大化的条件变为Pv, m, x等于v和农药外部成本之和, 则得到社会利益最大化时社会农药最佳施用成本。
1.2 实证模型的构建以1990—2016年27 a的水稻生产面板数据进行实证研究。由于农药种类繁多, 分别衡量各类农药的价格较为困难, 故参照GROVERMANN等的方法[9], 以水稻生产中每hm2耕地施用的农药价值核算农药施用成本。为对比农药作为直接生产要素和间接损害控制要素对水稻产出的影响, 在式(1)~(2)的基础上, 分别设定C-D生产函数和损害控制模型为
$ \begin{array}{l} \ln Y = {a_0} + \sum {{\beta _i} \cdot \ln {Z_i}} + \sum {{\mu _j} \cdot \ln {M_j}} + \\ \;\;\;\;\;\;\;\;\;{\varphi _0} \cdot \ln X + \varepsilon , \end{array} $ | (5) |
$ \begin{array}{l} \ln Y = {a_0} + \sum {{\beta _i} \cdot \ln {Z_i}} + \sum {{\mu _j} \cdot \ln {M_j}} + \\ \;\;\;\;\;\;\;\;\;\ln G\left( X \right) + \varepsilon 。\end{array} $ | (6) |
式(5)~(6)中, Y为水稻单位面积耕地产值, 元·hm-2; a0、βi、μj和φ0均为待估参数; ε为随机扰动项; Zi为水稻生产中投入的除农药以外的生产要素, i=1, 2, 3时分别表示水稻单位面积耕地生产中化肥投入(元·hm-2)、劳动投入(d·hm-2)和机械投入(元·hm-2), 其中化肥作为水稻生产中的一种要素投入, 不考虑化肥的过量施用问题; Mj为控制变量, 其中j=1, 2, 3时分别表示水稻平均收购价格(元·hm-2)、有效灌溉面积比例(%)和成灾面积比例(%); X为水稻生产中单位面积耕地农药投入成本, 元·hm-2。
私人农药最佳施用成本为Pv, m, x与v相等时的农药施用成本。由于式(5)~(6)中, 农药投入以货币形式计量, 农药实际施用成本为单位面积耕地农药投入量的货币价值, 农药价格已包含在单位面积耕地农药投入价值中, 故参照JIN等[10]的研究, 调整农药最佳施用成本计算公式, 设私人农药最佳施用成本(Xp*)为Pv, m, x等于单位1时的农药施用成本, 而社会农药最佳施用成本(Xs*)为Pv, m, x等于单位1加单位面积耕地农药施用的外部成本与农药实际投入成本之比时的值。
对式(6)关于X求一阶偏导, 得到:
$ {P_{{\rm{v}},{\rm{m}}}}\left( X \right) = \frac{{\partial Y}}{{\partial X}} = \frac{Y}{{G\left( X \right)}} \cdot \frac{{\partial G\left( X \right)}}{{\partial X}}。$ | (7) |
令式(7)分别等于单位1和单位1加单位面积耕地农药外部成本(Pe)与农药实际投入成本(Pa)的比值, 则私人和社会农药最佳施用量计算公式分别为
$ {P_{{\rm{v}},{\rm{m}}}}\left( {X_{\rm{p}}^ * } \right) = 1, $ | (8) |
$ {P_{{\rm{v}},{\rm{m}}}}\left( {X_{\rm{s}}^ * } \right) = 1 + {P_{\rm{e}}}/{P_{\rm{a}}}。$ | (9) |
私人利益最大化时农药过量施用成本计算公式为
$ {X_{{\rm{o}},1}} = {X_{\rm{a}}} - X_{\rm{p}}^ * 。$ | (10) |
式(10)中, Xo,1为私人利益最大化时农药过量施用成本, 元·hm-2; Xa为农药实际施用成本, 元·hm-2。
社会利益最大化时农药过量施用成本计算公式为
$ {X_{{\rm{o}},2}} = {X_{\rm{a}}} - X_{\rm{s}}^ * 。$ | (11) |
式(11)中, Xo,2为社会利益最大化时农药过量施用成本, 元·hm-2; Xa为农药实际施用成本, 元·hm-2。
1.3 单位面积耕地农药施用外部成本的测算通常采用以下2种方法测算农业生产中农药的外部成本:一种是使用农户农药中毒的医疗支出、农药残留造成的农作物损失以及对生态环境的污染成本, 另一种是通过税收方式将农药外部成本内部化[11]。然而这2种研究方法均不适用于估算某种农作物农药的外部成本。因此, PEA工具作为一种可行的估算方法由LEWIS等[12]提出。
PEA工具对农药外部成本的测算是以每hm2农药的外部成本为基础, 并以英国、美国和德国的数据为基准数据估算的。该测算方法实际上是将农药的外部成本映射为治理农药水体污染的污水处理、政府对农药施用的监管、处理农药中毒的医疗和修复受损生态环境等费用的总和。同时, 根据每个国家或地区农药施用效率和毒性差异做出相应调整。基于PEA工具, 农药外部成本计算公式为
$ {C_{{\rm{t}},{\rm{e}},q}} = {R_q} \cdot \frac{{{A_q}}}{{100}} \cdot \sum\limits_{c = 1}^8 {\left[ {{C_{{\rm{e}},c}} \cdot {F_c} \cdot \left( {{F_{\rm{a}}}\left| c \right. = 1,2} \right)} \right] \cdot {F_{\rm{g}}}} 。$ | (12) |
式(12)中, Ct, e, q为农药q的外部成本, 元·hm-2; Rq为单位面积耕地施用的配方农药q中活性成分含量, kg·hm-2; Aq为单位面积耕地施用农药中农药q的占比。根据不同种类的农药, 确定不同的环境影响因子(environmental impact quotient, EIQ)值, 取值借鉴2012年美国康奈尔大学公布的结果[13]。Ce, c为农药q分别对使用者、采摘者、消费者、地下水、水生动物、鸟类、蜜蜂和有益昆虫[14]8个类别c(c=1, 2, …,8)造成危害的外部成本基值; Fc为农药施用中的潜在风险因子, 借鉴LAMICHHANE等[15]的研究, 根据农药毒性大小定义低、中和高3类风险因子水平, 分别取值0.5、1.0和1.5;Fa和Fg为经济调节因子, 由于计算农药外部成本的参数取值是以德国、英国和美国3个发达国家为样本, 在测算我国农药外部成本时, 需相应进行调整。
与发达国家相比, 我国农户农业生产规模小, 务农人口比例高, 数量多, 农户在农业生产中施用农药受到的危害大, 因此农药施用的外部成本高。参照PRANEETVATAKUL等[16]的研究, 利用农业就业人口占总就业人口的比例, 对农药外部成本进行调整, 能更好地反映农业生产中施用农药的人数。因此, 在计算农药施用对使用者和采摘者的外部成本时, 需乘以调整因子Fa, 即我国农业就业人口比例与德国、英国和美国农业就业人口平均比例的比值。另外, 由于我国劳动成本低, 政府监管成本和医疗成本也相对较低, 所以应适当调减农药的外部成本。参照LEACH等[17]采用的调整因子Fg调减农药的外部成本, 即我国的人均GDP与德国、英国和美国3国人均GDP平均值的比值。
2 数据来源选择水稻为研究对象。水稻是我国农业生产中的重要口粮, 并且其生产中农药施用较频繁。水稻生产具有明显的地域性, 基于样本的代表性和数据的可得性, 选取《全国农产品成本收益资料汇编》中数据比较完整且在生产上具有连续性的江苏、浙江、安徽、黑龙江、吉林、辽宁、内蒙古、湖北、湖南、福建、江西、广东、广西、海南、云南、贵州、四川、天津、河北、上海、山东、河南、陕西和宁夏24个省、自治区、直辖市, 研究水稻生产中农药最佳施用成本和过量施用成本。
1990—2016年各省、自治区、直辖市27 a的面板数据来源于1991—2017年《中国统计年鉴》《中国农村统计年鉴》《中国农产品价格调查年鉴》和《全国农产品成本收益资料汇编》。为去除通货膨胀对实证结果的影响, 对水稻单位面积耕地产值、化肥投入成本、农产品平均收购价格和农药投入成本以1990年不变价格进行平减。
当前, 农业生产中施用的农药主要为除草剂、杀虫剂和杀菌剂3类[18]。选择2013年《世界农药新进展(三)》[19]中施用量排名靠前的3类农药:五氟磺草胺、乙草胺、百草枯、丙草胺和苯醚磺隆等除草剂, 吡虫啉、氟啶虫酰、氟虫腈、毒死蜱和噻虫嗪等杀虫剂, 嘧菌酯、多菌灵、百菌清、苯醚甲环唑和三环唑等杀菌剂[20]。
3 水稻生产中农药过量施用实证分析 3.1 水稻生产的回归模型在实证分析中, C-D生产函数采用最小二乘法估算, 选用固定效应模型; 损害控制模型采用极大似然估算, 选择指数分布, 为优化模型拟合效果, 在原有指数分布基础上, 加入截距项。由表 1可知, 水稻C-D生产函数估算结果中R2为0.8, F统计量在1%水平上显著, 损害控制模型的极大似然估计值也在1%水平上显著, 表明2个模型整体拟合度较高。
C-D生产函数中, 化肥、劳动、机械、水稻平均收购价格、有效灌溉面积比例和成灾面积比例均为显著变量。其中, 化肥、水稻平均收购价格、机械、有效灌溉面积比例、劳动与水稻单位面积耕地产值呈正相关, 且作用强度依次递减; 成灾面积比例与水稻单位面积耕地产值呈负相关。φ0不显著, 说明农药作为直接生产要素在C-D生产函数中为不显著变量, 表明将农药作为直接要素引入C-D生产函数中是不恰当的, 模型构建有待改进。
损害控制模型中, 水稻平均收购价格、化肥、劳动、机械和成灾面积比例与C-D生产函数估算结果一致, 均为显著变量, 且作用强度和方向相似。值得关注的是, β显著, 说明农药作为损害控制要素在损害控制模型中为显著变量, 表明将农药作为损害控制要素引入模型更为合理。为保证后续计算的科学性和有效性, 选择带有指数分布的损害控制模型估算水稻生产中农药的最佳施用成本。
3.2 农药实际施用成本与外部成本由图 1可知, 1990—2016年水稻生产中农药实际施用成本和外部成本总体呈上升趋势。第1阶段为1990—2003年, 农药实际施用成本持续波动, 增速较慢, 此时农药外部成本增长也较缓慢; 第2阶段为2004—2016年, 随农业税减免和粮食最低收购价等政策的实施, 水稻种植效益日益显现, 刺激农户农药投入的积极性, 农药实际施用成本呈跳跃式增长, 每hm2农药投入由2004年133.5元增长至2016年的225.3元, 增幅达68.8%;同时, 农药外部成本也快速增长, 每hm2农药外部成本由2004年47.0元增长至2016年的76.7元, 增幅达63.2%。农药外部成本快速增长说明水稻生产中农药过量施用对人体健康危害、食品安全危害和生态环境污染加剧。因此, 除关注产量和农户收入等以外, 农药残留对社会的危害同样应引起重视。
由图 2可知, 水稻生产中私人与社会农药最佳施用量变化趋势大体一致, 均以2003年为拐点呈先下降后上升趋势。2003年之前, 农业税的存在和水稻市场价格的不确定性, 水稻生产的经济效益较低, 农户生产意愿不强, 均使得农药等要素投入呈下降趋势; 2003年后, 政府实施减免农业税和粮食最低收购价等政策, 水稻生产成本减少, 市场价格稳定, 农户水稻生产积极性提高, 农药等要素投入随之增加。
从数值上看, 农药社会最佳施用量和私人最佳施用成本不同, 2016年分别为155.5和184.0元·hm-2, 后者比前者提高18.3%。从增速上看, 1990—2016年, 农药社会和私人最佳施用量之间的差距在逐渐拉大, 由1990年相差11.0元·hm-2增长至2016年相差28.5元·hm-2, 增长1.6倍, 农药私人最佳施用量增速快于社会最佳施用量。这表明农户在水稻生产中是从自身利润最大化出发决定农药投入量的, 而对农药过量施用导致的食品安全和生态环境等问题关注不够。
3.3.2 水稻生产中农药的过量施用由图 3可知, 水稻生产中社会和私人利益最大化时农药过量施用成本均呈波动上升趋势。1990年代, 社会和私人利益最大化时农药过量施用成本均在0以下, 农药投入不足; 首次过量施用成本分别为2000年的15.5元·hm-2和2005年的12.9元·hm-2; 截至2016年, 社会和私人利益最大化时农药过量施用成本增长至75.9和44.1元·hm-2, 分别增长3.9倍和2.4倍; 农药实际施用成本与社会和私人最佳施用成本的比值, 分别由1990年代的0.7和0.6增长至2016年的1.45和1.22。
农药过量施用成本可分为3个增长阶段:1990年代, 无论是从社会利益最大化视角还是从私人利益最大化视角看, 农药过量施用成本均为负值, 说明水稻生产中农药的实际投入成本未达到社会和私人最佳施用成本, 农药投入不足, 不存在过量施用问题。从2000年开始, 农药实际施用成本超过了社会利益最大化时的农药施用成本, 而从私人利益最大化视角看, 农药过量施用是自2005年开始的; 2005年, 社会和私人利益最大化时农药过量施用成本分别为42和13元·hm-2, 前者是后者的3.2倍。产生该现象的原因可能是, 伴随农业生产成本和收益的改变, 农户从自身利益出发, 追求高产量和高收益, 导致农药投入成本超过水稻生产的实际需求量和生态系统可持续发展的实际承载量。2008年之后, 为遏制农药过量施用导致的环境和食品安全问题, 国家加强了农药监管, 《农药工业“十一五”发展规划》中要求农药生产企业对环保的投资不低于总投资的8%, 迫使农药生产企业加大环保投入。此外, 农药价格上涨也抑制了农药投入成本过快增长, 农药过量施用情况受到一定程度的遏制。
4 结论与政策建议应用农药环境测算工具、环境影响因子和损害控制模型, 基于1990—2016年江苏、浙江、安徽、黑龙江、吉林、辽宁、内蒙古、湖北、湖南、福建、江西、广东、广西、海南、云南、贵州、四川、天津、河北、上海、山东、河南、陕西和宁夏24个省、自治区、直辖市的面板数据, 从社会和私人利益最大化视角估算了水稻生产中农药的最佳施用成本和过量施用情况, 得出以下结论:
(1) 当前我国水稻生产中农药过量施用现象较严重。从2000年开始, 社会利益最大化视角下农药施用开始过量, 2005年私人利益最大化视角下农药施用开始过量, 过度施用量分别为15.5和12.9元·hm-2, 2016年分别增长至75.9和44.1元·hm-2, 增长3.9倍和2.4倍。截至2016年, 我国水稻生产中农药施用量为225.3元·hm-2(以1990年不变价格计), 分别是社会和私人最佳施用成本的1.45倍和1.22倍。由此可见, 当前无论是从社会利益最大化还是私人利益最大化视角, 水稻生产中农药施用均是过量的, 并且从社会利益最大化视角看农药过量施用出现的时间更早,过量程度更大。
(2) 1990—2016年水稻生产中农药施用的外部成本逐年上升, 对环境的污染日益加重。1990年水稻生产中农药外部成本仅为11.2元·hm-2, 2016年增长为76.7元·hm-2, 农药施用外部成本增长5.8倍, 年增长率为7.3%, 水稻生产中农药施用的外部负效应增长较快, 对环境的污染较大。虽然我国已逐步禁用高毒农药, 开始推广新型低毒农药, 但农药过量施用现象仍然较普遍, 农药施用的外部成本依旧较高。公共部门及农药生产企业应关注生物农药价格较高、施用效果差、农户信任感低的问题, 这是导致生物农药推广困难、施用率较低等的原因。因此, 如何在保证农作物产量稳定增长的前提下, 控制农药过量施用和提高农业生产的可持续性,需要整个社会的关注。
(3) 在水稻生产中, 农药的社会和私人最佳施用成本在数量和增速上均出现不一致的现象。从数量上看, 2016年农药的社会最佳施用成本和私人最佳施用成本分别为155.5和184.0元·hm-2, 后者比前者提高18.3%;从增速上看, 1990—2016年, 农药社会和私人最佳施用量之间的差距由1990年的11.0元·hm-2增长至2016年的28.5元·hm-2, 增长1.6倍, 即后者的增速快于前者。作为理性的经济人, 农户在农业生产决策中为实现自身利益最大化的目的, 片面追求农作物的高产量和高收益, 使农药投入成本远超过水稻生产的实际需求量和生态系统可持续发展的最大承载量。因此, 在当前社会经济条件下, 如何从法律和道德上构建环境友好的社会规范, 使农户在追求自身利益最大化的同时能够兼顾社会利益, 自觉调和社会和私人农药最佳施用量之间的矛盾, 是今后值得关注的问题。
基于以上分析提出以下政策建议:(1)推进农药行业供给侧改革, 控制高毒农药产量, 优先发展低毒农药和生物农药, 通过有害生物综合防控, 例如利用生物多样性, 包括驱赶植物、间套作和天敌引入等, 或使用物理防治措施, 如诱虫灯和性引诱剂等, 减少农户对化学农药的依赖, 从源头治理化学农药过量施用问题。(2)对农户实施农药毒理学知识和科学施用技能培训。农户是我国农业生产的主体, 也是农药施用种类、投入数量等决策的重要制定者。因此, 只有改变农户的认知和行为, 环境友好的农业政策才能得到有效贯彻。(3)依托农业合作社、农业大户和农业企业等新型农业经营主体, 对农作物病虫害进行规模化、社会化防控, 提高农业生产中病虫害防控的社会化服务水平, 遏制农药过量施用导致的环境污染问题。
[1] |
孙鹏, 高玉玲, 王金梅, 等. 漂浮固化分散液-液微萃取-气相色谱法测定液态奶中5种拟除虫菊酯类农药残留[J]. 农药学学报, 2016, 18(4): 497-502. SUN Peng, GAO Yu-ling, WANG Jin-mei, et al. Dispersive Liquid-Liquid Microextraction Based on the Solidification of a Floating Organic Droplet Followed by Gas Chromatography for the Determination of Five Pyrethroid Pesticides Residues in Liquid Milk Samples[J]. Chinese Journal of Pesticide Science, 2016, 18(4): 497-502. (0) |
[2] |
郭利京, 赵瑾. 认知冲突视角下农户生物农药施用意愿研究:基于江苏639户稻农的实证[J]. 南京农业大学学报(社会科学版), 2017, 17(2): 123-133, 154. GUO Li-jing, ZHAO Jin. A Study on Farmers Willingness of Biological Pesticide Application From the Perspective of Cognitive Conflict:An Empirical Analysis Based on 639 Rice Farmers in Jiangsu[J]. Journal of Nanjing Agricultural University(Social Sciences Edition), 2017, 17(2): 123-133, 154. (0) |
[3] |
TILMAN D, CLARK M. Food, Agriculture & the Environment:Can We Feed the World & Save the Earth?[J]. Daedalus, 2015, 144(4): 8-23. DOI:10.1162/DAED_a_00350 (0) |
[4] |
LICHTENBERG E, ZILBERMAN D. The Econometrics of Damage Control:Why Specification Matters[J]. American Journal of Agricultural Economics, 1986, 68(2): 261-273. DOI:10.2307/1241427 (0) |
[5] |
HUANG J K, QIAO F B, ZHANG LX, et al. Farm Pesticide, Rice Production, and Human Health[R]. Örebro, Sweden: Economy and Environment Program for Southeast Asia(EEPSEA), 2000.
(0) |
[6] |
周曙东, 张宗毅. 农户农药施药效率测算、影响因素及其与农药生产率关系研究:对农药损失控制生产函数的改进[J]. 农业技术经济, 2013(3): 4-14. (0) |
[7] |
朱淀, 孔霞, 顾建平. 农户过量施用农药的非理性均衡:来自中国苏南地区农户的证据[J]. 中国农村经济, 2014(8): 17-29, 41. (0) |
[8] |
KOUSER S, QAIM M. Bt Cotton, Damage Control and Optimal Levels of Pesticide Use in Pakistan[J]. Environment and Development Economics, 2014, 19(6): 704-723. DOI:10.1017/S1355770X1300051X (0) |
[9] |
GROVERMANN C, SCHREINEMACHERS P, BERGER T. Quantifying Pesticide Overuse From Farmer and Societal Points of View:An Application to Thailand[J]. Crop Protection, 2013, 53: 161-168. DOI:10.1016/j.cropro.2013.07.013 (0) |
[10] |
JIN S Q, BLUERMLING B, MOL A P J. Information, Trust and Pesticide Overuse:Interactions Between Retailers and Cotton Farmers in China[J]. NJAS-Wageningen Journal of Life Sciences, 2015, 72/73: 23-32. DOI:10.1016/j.njas.2014.10.003 (0) |
[11] |
PRANEETVATAKUL S, SCHREINERMACHERS P, PANANURAK P, et al. Pesticides, External Costs and Policy Options for Thai Agriculture[J]. Environmental Science & Policy, 2013, 27: 103-113. (0) |
[12] |
LEWIS K A, TZILIVAKIS J, WARNER D J, et al. An International Database for Pesticide Risk Assessments and Management[J]. Human and Ecological Risk Assessment:An International Journal, 2016, 22(4): 1050-1064. DOI:10.1080/10807039.2015.1133242 (0) |
[13] |
New York State Integrated Pest Management Program. List of Pesticide Active Ingredient EIQ Values[R/OL]. [2017-12-21]. https: //nysipm. cornell. edu/eiq/list-pesticide-active-ingredient-eiq-values.
(0) |
[14] |
BROOKES G, BARFOOT P. Environmental Impacts of Genetically Modified(GM) Crop Use 1996-2015:Impacts on Pesticide Use and Carbon Emissions[J]. GM Crops & Food, 2017, 8(2): 117-147. (0) |
[15] |
LAMICHHANE J R, DACHBRODT-SAAYDEH S, KUDSK P, et al. Toward a Reduced Reliance on Conventional Pesticides in European Agriculture[J]. Plant Disease, 2016, 100(1): 10-24. DOI:10.1094/PDIS-05-15-0574-FE (0) |
[16] |
PRANEETVATAKUL S, SCHREINEMACHERS P, PANANURAK P, et al. Pesticides, External Costs and Policy Options for Thai Agriculture[J]. Environmental Science & Policy, 2013, 27: 103-113. (0) |
[17] |
LEACH A W, MUMFORD J D. Pesticide Environmental Accounting:A Method for Assessing the External Costs of Individual Pesticide Applications[J]. Environmental Pollution, 2008, 151(1): 139-147. DOI:10.1016/j.envpol.2007.02.019 (0) |
[18] |
张国, 逯非, 黄志刚, 等. 我国主粮作物的化学农药用量及其温室气体排放估算[J]. 应用生态学报, 2016, 27(9): 2875-2883. ZHANG Guo, LU Fei, HUANG Zhi-gang, et al. Estimations of Application and Greenhouse Gas Emission of Chemical Pesticides in Staple Crops in China[J]. Chinese Journal of Applied Ecology, 2016, 27(9): 2875-2883. (0) |
[19] |
张一宾, 张怿, 伍贤英. 世界农药新进展(三)[M]. 北京: 化学工业出版社, 2014: 34-42.
(0) |
[20] |
王常伟, 顾海英. 市场VS政府, 什么力量影响了我国菜农农药用量的选择?[J]. 管理世界, 2013(11): 50-66. (0) |