外部性是指经济主体对与其无直接经济关系的其他主体产生的非市场化和非补偿性影响^[1]。具体到农业外部性, 可从正、负两方面展开。前者指人类从农业中获益而未对农业支付报酬的现象, 如农业生态调节和生命支持等；后者指农业生产带来损害而未对其补偿的现象, 如农作物生长的温室气体排放和农业面源污染等^[2—3]。区别于生态学视角下的“农业生态系统服务功能”^[4], 农业外部性从经济学角度出发, 侧重于评估其调节、支持和文化功能^[5]。

农业生产涵盖了产品、人和自然界这三个主要要素。水稻生产在农业中具有关键地位, 其功能属性远不仅仅限于传统的提供稻米和工业原料这一经济功能。相反, 水稻生产表现出一种显性的农业非经济产品特性, 具有外部性和公共产品的特征^[6]。简言之, 水稻生产不仅满足粮食供应需求, 还发挥着气候调节、水源保护、养分循环、土壤保持等自然环境调节和支持功能, 同时还提供了稻田景观、休闲享受、美学体验和文化传承等社会文化效益^[7]。长期以来, 强调单一的水稻产品供应功能, 如何提高水稻产量以满足迅速增长的人口对粮食的需求成为了高度关注的议题。受这种传统观念的影响, 出现了依赖化肥、农药和地膜等“现代要素”来提高产量的“石化农业”。然而, 这种不合理使用农业生产要素所伴随的环境不可逆损害、资源过度耗竭、气候异常变化和水源严重污染等负面生态风险问题也日益显现^[8]。由此, 水稻生产价值由正、负外部性价值构成。通过建立货币化的研究指标体系, 使正、负外部性价值得以科学定量评估, 这不仅将有助于连接环境与经济之间的关系, 而且将成为促进水稻生产的可持续发展的关键因素。

水稻生产外部性指水稻生态系统对人类福祉产生的影响, 其量化方法与农业生态系统服务的测评方法存在共通之处, 主要包括功能价值法和当量因子法^[9—10]。近年来, 生态系统间接价值研究集中在生态系统服务功能上, 并采用生态学的视角进行评估, 具有广泛适用性。国内外学者在生态流域^[11—12]、农田^[13]、湿地^[14]和区域^[15—16]等对生态系统服务价值进行了研究, 分析了其时空分布特征^[17]、驱动因素^[18]和预测模型等^[19]。农业外部性的直接研究不多且侧重正外部性, 即农业生态系统服务功能对人类福祉的益处价值^[20], 而负外部性的价值评估主要关注农业面源污染对环境造成的负面外部性损害^[21]。综上, 农业外部性价值及时空演绎相关研究亟需完善：一是研究视角局限性, 即多以生态学视角切入而缺乏经济学外部性研究。二是研究对象局限性, 即多以综合宏观系统为主, 缺乏对水稻这一微观作物的外部性价值评估。三是研究时空局限性, 即多以静态与局部区域为主, 缺乏动态与宏观全局分析。四是研究范围局限性, 即多以正外部性或生态服务功能为主, 缺乏正、负外部性全域视角研究。

研究结合功能价值法和当量因子法^[22], 基于2000—2021年我国省域水稻生产面板数据, 针对水稻生产的正外部性(包括气体调节、大气净化、养分循环、土壤保持、涵养水源、净化污水、蓄水防洪、生物多样性和景观文化)以及负外部性(包括温室气体排放、化肥污染、农药污染、地膜污染、水资源消耗和农机能源污染), 采用热点分析、空间自相关、地理探测器和地理加权回归等方法, 进行了价值的综合评估, 以揭示其时空演变特征和驱动因素。文章研究的水稻生产外部性特指水稻生产过程中对环境等带来的影响, 而对产前和产中暂不评估。本研究的核心科学问题是水稻生产的外部性价值评估。通过对水稻生产正外部性的评估, 为其提供补偿机制提供依据, 同时提高公众对水稻生产负外部性成本的认识, 促进其生态防控。以期为农业政策制定提供参考, 实现水稻产业的永续发展。

1 数据来源与研究方法 1.1 数据来源

各地区水稻播种面积、农药化肥施用量、农村国民生产总值和机械总动力等基础数据来自《中国统计年鉴》、《中国农村统计年鉴》(2001—2022年)和各省统计公报(港澳台和青海省数据缺失, 暂未评估)；水稻、化肥、农药价格来自国家发展和改革委员会、《中国物价统计年鉴》和《全国农产品成本收益资料汇编》, 并结合价格指数进行计算；水稻生长周期及非淹水期天数来自中国农业科学院水稻研究所, 并结合研究地实际进行调整；增温潜势数据采用IPCC第六次评估报告：CO₂的增温潜势为1, CH₄为27.9, N₂O为273。我国气温、降水和日照时数源于中国科学院资源环境数据中心(http://www.resdc.cn/)并通过ArcGIS按自然断点法分类离散化处理。

1.2 研究方法 1.2.1 水稻生产外部性功能价值评估方法

水稻生产外部性价值的评估指标体系可从正外部性和负外部性两方面展开, 评估方法如表 1所示。

1.2.2 热点分析

采用热点分析探测我国各个省份2000—2021年水稻生产外部性价值的空间动态变化^[37], 公式如下：

(1)

(2)

w_ij(d)为空间评价单元i, j的空间权重系数, 和E(G_i^*)表示G_i^*的标准差和期望。

1.2.3 空间自相关分析

为更科学严谨地评价我国各省域水稻负外部性的空间分异规律, 在上述评估方法基础上测算2000—2021年我国各地区水稻负外部性全局Moran′s I(I_g)和局部Moran′s I(I_l)^[38]。

(3)

(4)

n为区域总数；x_i和x_j为区域i和j的水稻负外部性价值；x表示对应区域水稻负外部性价值均值；w_ij为区域i和j之间的空间权重矩阵。I_g的范围为[-1, 1], 其中I_g>0为呈现全局空间正相关；I_g=0表明随机分布；I_g < 0为呈现全局空间负相关。I_l的结果可用LISA聚类图可视化, 分为高-高、低-低、高-低、低-高聚类和不显著五类。

1.2.4 地理探测器

地理探测器主要由风险、因子、生态和交互作用探测器构成, 基于各因子层方差和总方差的关系, 进行空间分层异质性定量探测各驱动因子对因变量的地理分布驱动力大小^[39]。运用地理探测器的“因子探测器”和“交互探测器”探测驱动因素与水稻生产外部性价值之间的空间相关关系。

(5)

h=1, …L；L为变量Y的分层；N_h和N分别为该因子类型层h和全区单元样本数(个)；σ_h²和σ²分别是层h和全区Y值的方差；q值域为[0, 1], q越大表明该因子对水稻生产外部性价值的空间分布影响越大, 反之越小。

1.2.5 地理加权回归

考虑到研究地域面积辽阔, 选取的驱动因素对水稻生产外部性价值施加的影响可能随着地理空间环境的不同而产生变化, 为进一步探讨不同空间的水稻生产外部性价值的驱动力是否存在差异, 引入地理加权回归模型^[40]。

(6)

Y_i为第i个区域内的水稻生产外部性价值；μ_i, v_i为第i个区域的空间地理位置；β₀为μ_i, v_i固定效应截距；k为解释变量个数(个)；X_ik为第i区域的影响因素k的取值；β_k为X_ik的回归系数；ε_i为随机扰动项。

2 结果与分析 2.1 水稻生产外部性价值时间变化

由表 2知, 2000—2021年我国水稻生产正外部性价值(Positive externality value, PEV)整体呈上升趋势, 变幅为5792.21—6300.74亿元, 增长508.53亿元, 增幅为8.78%。其中贡献率排序为：涵养水源>气体调节>气温调节>净化污水>蓄水防洪>土壤保持>养分循环>生物多样性>景观文化>大气净化。其中气温调节和土壤保持增幅最明显, 分别增长257.96和113.62亿元。2000—2012年由于水稻播种面积的增大和产量的提高等因素, PEV整体呈增长态势, 增长478.76亿元, 增幅为8.27%；以2012年分界至今, 除气温调节、气体调节和土壤保持外, 其余指标的PEV呈小幅缓慢下降趋势, 整体PEV增幅仅0.47%。我国水稻生产负外部性价值(Negative externality value, NEV)以2012年新时代为分界, 整体“先增后减”, 变幅为1846.12—2292.94亿元, 其中2000—2012年增长285.82亿元, 增幅为14.70%；2012—2021年降低346.05亿元, 降幅为15.52%。其中指标排序为：温室气体排放>化肥污染>水资源消耗>农药污染>地膜污染>农机能源污染。2000—2012年, 温室气体排放增幅较小, 而随着“现代”增产要素的推广和广泛利用, 化肥、农药、地膜和农机能源污染的NEV增长迅猛, 总计增长292.04亿元, 增幅为36%；新时代以后, 由于农业环境保护政策的完善和精准实施, 加上化肥、农药等利用率的提高, 化肥、农药和地膜和农机能源污染的NEV有下降趋势, 分别下降29.03%、40.23%、21.17%和30.69%。

新世纪至今水稻产量不断提升, 其外部性净价值(Net external value, NV)呈现增长态势, 增长568.76亿元, 增幅14.78%, 年均NV达3950.40亿元。值得特别关注的, 一是水稻生产不仅仅具备传统产品供给的直接价值, 还拥有巨大的外部性间接价值。年均PEV高达6030.67亿元, 相当于产品供给价值的16.4倍^[15]；二是负外部性价值增长迅猛。其中地膜污染NEV增长70.06%, 表明新时代以来农业环境保护政策的完善和实施虽取得了一定成效, 但其所带来的水稻面源污染和食品安全问题仍需重视。

2.2 水稻生产外部性价值的空间分异 2.2.1 外部性价值空间布局

基于自然断点法将水稻生产PEV、NEV和NV分为5个区间(图 1)。从分布格局来看, 其区域异质性强, 以胡焕庸线为界, “南高北低, 东高西低”。基于水稻的年均NV, 分为高、中、低三个维度。高值区呈面状分布, 集中于华中稻作区(湘、皖、苏、浙、赣、鄂、沪)和西南稻作区(粤、桂、闽、琼), 占比分别为44.17%和18.72%；中值区呈块状分布, 集中于华南稻作区(川、渝、滇、贵)和东北稻作区(黑、吉、辽), 占比14.51%和12.57%；低值区集中分布于华北稻作区(京、津、冀、晋、鲁、豫、陕), 占比8.55%。

从水稻生产NV变化率来看, 东北、华北稻作区变幅较大, NV整体呈现增长态势, 增幅分别为122.81%和24%。特别地, 由于水稻生产重心的转移, 黑龙江省的NV增幅高达192%, 其“压舱石”作用日益凸显；华中稻作区增幅较小, NV增长46.88亿元, 增幅2.76%；华南和西南稻作区NV呈现降低趋势, 总计降低161.06亿元, 降幅分别为16.49%和6.08%。

2.2.2 外部性价值冷热点区演化

2000—2021年我国水稻生产外部性价值冷热点大致以胡焕庸线分界呈“东热西冷”格局(图 2)。西北和华北稻作区以冷点和次冷点聚集为主, 热点和次热点区集中分布于华中、华南和西南稻作区, 该区域水热条件, 资源禀赋适宜水稻生长, 加之现代农业科学技术的发展, 热点区聚集显著。新世纪以来, 由于水稻生产重心向东北稻作区的转移^[41], 东北稻作区尤其是黑龙江省的水稻种植面积和产量不断提升(产量增长179.6%), 逐渐由次冷点区向次热点区转变, “两湖”地带(洞庭湖、鄱阳湖)始终保持热点区, 沿海城市受第三产业和建筑用地等因素影响, 主要呈次热点分布。

2.2.3 外部性价值的空间自相关性

(1) 全局空间自相关

2000、2006、2012、2016和2021年我国水稻生产外部性价值的全局Moran′s I如表 3。全局Moran指数均为正值, 均通过了5%的显著性检验, 表明水稻生产的外部性价值与地理空间存在正相关和显著空间集聚。正、负外部性价值和净价值的全局Moran′s I呈现下降趋势, 表明空间聚集效应整体弱化。

(2) 聚类和异常值分析

在对空间全局分布格局分析的基础上, 进一步对局部空间的集聚位置和区域相关程度进行聚类分析(图 3)。新世纪以来水稻生产外部性价值聚类特征稳定但存在空间异质性。聚类分布整体显示为自东南向西北由高-高聚集向低-低聚集和不显著演变。高值区主要聚集于华中和华南地区, 低值区和不显著主要聚集于西北和华北地区。新世纪以来, 东北稻作区尤其是黑龙江省的水稻播种面积不断增大, 其外部性价值亦逐年递增, 高于邻近区域, 始终保持高-低聚类分布。湖南省、江西省、广东省和广西壮族自治区始终保持高-高聚类分布。

2.3 水稻生产外部性价值空间分异驱动分析 2.3.1 因子探测驱动

水稻生产外部性的空间分异是自然和社会经济因子复杂的交互耦合过程在空间上的表征。研究根据影响水稻生长的自然和人文因素^[42—44], 综合考虑数据可获得性并剔除检验不显著因子, 筛选出显著性因子, 构建包含两大类共七项的驱动因素模型。社会经济因素包括：农村总人口(用X₁表示, 下同), 农村国内生产总值(X₂), 机械总动力(X₃)和可变农资(X₄, 所需的化肥、农药和地膜等要素)；自然因素包括：气温(X₅)、降水(X₆)和日照(X₇)。以年均水稻生产外部性价值为因变量, 自然和社会驱动因子为自变量, 运用地理探测器进行定量分析, 结果见表 4。

外部性价值的空间分异受自然和社会经济因子共同作用, 均通过了10%的显著性水平检验, 其中社会经济因子贡献率较大。就净价值来看, 按q值排序为：可变农资>机械总动力>农村国内生产总值>农村总人口。可变农资解释力均在80%以上, 是影响价值分异的主要因子之一。自然因素的价值空间分异贡献率均在30%以上, 是影响价值空间异质性的重要因子。综合来看, 自然和人文因素在不同程度上解释了我国水稻生产外部性的空间分异, 其中社会经济因子解释力高于自然因子, 这从一定程度上反应了新世纪以来人为因素对水稻生长的干预作用。农村经济的增长, 农业科技水平的提升促使水稻种植逐渐打破传统自然和地域禀赋限制, 单位面积产量提升, 而与此同时其所带来的负外部成本也应要重视。

2.3.2 因子交互探测

交互探测结果显示(图 4)自然和社会经济因素交互均表现为双因子增强(q(X_i∩X_j)>Max(q(X_i, X_j)), 其不同因子之间交互复杂的耦合作用形成的协同增强效应共同影响我国水稻生长外部性价值空间分异。其中, 自然因素和社会经济因素交互所得解释力度均高于71.76%；社会经济因素之间交互所得解释力度均高于46.68%；自然因素之间交互所得解释力度均高于35.23%。具体地, 就净价值而言, 在自然因素和社会经济因素交互上, 净价值维度的机械总动力∩降水的q值达90.91%, 机械总动力∩日照的q值达92.52%, 可变农资∩气温的q值达89.19%, 体现了自然和社会因素的耦合显性增强效应；社会经济因子中, 机械总动力与可变农资交互作用最强, 自然因子上, 日照与降水交互作用最强。

2.3.3 地理加权回归

地理加权回归表明(图 5), 本研究选用的7个驱动因素对于水稻生产净价值的解释力度达93.5%(调整后的R²=93.5%)。水稻生产外部性价值在不同空间上的驱动力存在显著的空间异质性。南方稻作区相比于北方稻作区在社会因素方面影响力度更大。农村总人口、可变农资与水稻生产净价值呈正相关；华中、华南和西南稻作区的农村国内生产总值与机械总动力同水稻生产净价值呈负相关, 且相关性较大, 与东北稻作区呈现正相关, 且相关性较小。东北稻作区水稻生产净价值与气温和日照呈负相关, 与降水呈正相关。

3 讨论 3.1 水稻生产外部性价值的时代分界与空间异质性分析

2012年被视为水稻生产外部性价值的分界点, 负外部性价值表现出“先增后减”的趋势, 反映了新时代绿色发展理念下水稻生产生态防控的实际效益。2000—2021年来, 正外部性价值增长了8.78%, 表明水稻潜在正外部价值巨大, 亟待开发, 结果与杨腾、孙艳华等^[15]评估基本一致。水稻的化肥、农药和地膜和农机能源污染价值占总NEV比例达46.63%, 表明生态防控虽取得了成效, 但面源污染依旧严峻, 印证了2021年农业农村部实施的《推进农业面源污染综合防治实施方案》的紧迫性。受自然资源禀赋与社会经济耦合影响, 水稻外部性价值空间上以胡焕庸线分界, “南高北低、东高西低”, 这与方福平^[45]研究结果基本一致。稻作区东北迁移^[41]导致外部性价值的热点区域也逐渐向东北转移。多种因素影响外部性价值分布, 其中社会经济因素影响更显著, 农资和机械总动力是主要影响因素之一。新世纪以来, 农业科技进步和现代农业要素如“石化农业”及农机的广泛应用显著提升水稻单产, 同时减弱了自然条件对种植空间的限制, 导致空间集聚效应减弱。水稻生产外部性价值的驱动力在不同地区表现出明显的空间异质性。南方稻区社会因素影响较北方更显著。受季风气候影响, 东部地区降水对水稻净价值的影响大于西部, 北方地区日照时间较长, 但由于纬度等因素, 水稻种植面积较少, 与外部性价值呈负相关。

3.2 水稻产业的发展路径及其价值实现机制

为了实现水稻产业永续发展, 我们不能再走传统低产出的“老路”, 也不能再走先污染后修复的“弯路”, 而应该走“低污染、高价值”的生态“新路”。需要同时努力提高产量、提升质量、防治污染, 开发正外部性价值。为了实现“量、质”并重的永续发展, 需要采取创新驱动战略, 包括科技、管理和制度创新, 提高农药和化肥的利用率, 协调水稻的生态景观开发和生态稻米生产, 实现外部性的内部化。同时, 建立完善的水稻价值实现机制, 包括政府引导、市场诱导、农户主导和公众倡导等要素, 完善农药和化肥的监测制度、环境税政策、生态补贴等制度, 发挥市场在资源配置中的作用。加大生态保护宣传教育力度, 推动绿色发展理念的贯彻, 提高农户和公众对防控负外部性的认知, 并鼓励他们主动行动以提升正外部性。充分利用水稻的多功能生态、社会、文化和旅游等价值, 发展新型水稻发展模式, 如“稻田+生态旅游”和“稻田+文化教育”, 实现水稻正外部性价值的“乘数效应”, 促进水稻资源的充分挖掘和有偿使用。

3.3 水稻产业外部性研究的新视域及其意义

本研究采用了机会成本法和空间自相关等多种方法与技术, 在综合考虑自然和社会因素的基础上, 利用地理探测器和地理加权回归探究了水稻生产外部性价值的相互作用机制和空间异质性。这一研究弥补了以往单一品种及负外部性研究的不足, 同时也拓展了传统生态系统服务功能研究领域的局限, 实现了经济学外部性领域的水稻生产时空演绎可视化。农业生态系统服务与农业外部性在概念、理论和研究视角上既有区别又有联系。概念上, 前者是指人类从农业生产获得的益处, 而后者是指农业活动对人类福祉的非市场性、未补偿的影响。理论上, 农业生态系统服务不受限于特定地点或形式, 而农业外部性是非市场性的且不包括产品供给。从研究视角看, 前者是从生态学角度出发, 后者则是从经济学的外部性角度分析。两者的联系在于, 它们都基于人类需求、利用和偏好, 反映社会属性, 并且在功能上有重叠, 比如都包含农业生态调节、生命支持和文化服务。它们的评估方法也有相似之处, 如都采用功能价值法和当量因子法。

通过评估水稻生产的正外部性价值, 不仅可以关注其直接产品供给的价值, 同时也能全面审视水稻的潜在正外部性价值。对水稻生产的负外部性进行评估有助于公众更全面客观地认识其生长过程中的负外部性治理成本, 从而提高生态防控意识并促进防控措施的有效实施。本研究的指标设计主要侧重于水稻生产过程中的外部性价值评估, 对产前和产后的影响涉及较少。因此, 未来的研究需要深入探讨水稻生产前后的影响, 以建立完整的水稻生产产业链评估体系。

4 结论

(1) 我国水稻生产年均正、负外部性价值和净价值分别为6030.67、2080.27和3950.48亿元。其中年均正外部性价值中涵养水源和气体调节占比较大, 而景观文化和大气净化占比较小。负外部性价值排序为：温室气体排放>化肥污染>水资源消耗>农药污染>地膜污染>农机能源污染。

(2) 2000—2021年水稻生产正外部性价值和净价值呈递增趋势, 负外部性价值呈“先增后减”趋势, 以2012年分界, 增幅大于降幅；东北和华北稻作区增长较快, 净价值增幅分别为122.81%和24%, 华南和西南稻作区呈现降低趋势, 降幅分别为16.49%和6.08%。

(3) 外部性价值以胡焕庸线分界, 南高北低, 东高西低；外部性价值与地理空间呈现正相关, 空间聚集效应整体减弱。华中和华南稻作区以热点区和“高-高”聚集为主, 华北和西北稻作区以冷点区、“低-低”聚集和不显著为主。

(4) 外部性价值受自然和社会经济因子耦合协调, 呈双因子增强态势, 社会经济因子贡献率大于自然因子。排序为：可变农资>机械总动力>农村国内生产总值>农村总人口>气温>降水>日照。不同空间的水稻生产外部性价值的驱动力存在明显的空间异质性。农村总人口、可变农资与水稻生产净价值呈现正相关, 南方稻作区相比于北方稻作区相关系数更大；东北稻作区的气温和日照与净价值呈现负相关, 与降水呈正相关。