Impact of fertilizer input on cost efficiency of rapeseed in China
LIUCheng通讯作者:
收稿日期:2018-05-2
修回日期:2018-10-17
网络出版日期:2018-12-20
版权声明:2018《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (2348KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
化肥是现代农业生产中的重要投入要素,堪称是农作物的“粮食”。当前,中国已成为全球最大的化肥生产国及消费国[1],2015年统计数据显示[2],虽然中国仅用全球7%的耕地生产出占全球21%的粮食,但中国农业生产的化肥消耗量高达全球消耗量的35%,平均化肥用量远超世界同期平均水平,单产却低于欧美等国家,足见中国农业生产的化肥投入产出效率十分低下。化肥使用效率低下具体表现为整体过量和结构不合理,其中原因有两点:一是农民的养分管理水平较低,二是农村劳动力转移抬高了农村劳动力成本,促使农民增加化肥投入并减少劳动力投入,从而导致化肥的过量使用[1],全国至少有1/3的农户氮肥施肥过量[3]。化肥过量投入带来了诸多的负面影响,造成严重的农业面源污染以及水环境污染问题[4,5]。近年来,虽然中国化肥投入结构趋于合理,理论上而言这一改进应当促使化肥投入数量降低,但事实并非如此,这意味着化肥投入仍具备较大改善空间[2]。如何合理使用化肥,首先需要明晰化肥投入对农作物单产的影响机制,回顾已有相关研究,大致可归纳为农学、生态学以及经济学三个方面:①农学视角是以产量最大化为生产为目标,以田间试验数据为基础,测算出农作物产量最大时化肥的最佳投入结构[6];②生态学视角认为化肥在给土地增加肥力的同时也会带来诸如环境污染的负外部性成本[7,8,9],农户的化肥投入决策中,未能对外部性成本加以考虑,扭曲了化肥投入的实际盈亏平衡点;③经济学视角则认为最佳施肥量应以农户产值最大化为目标,已有文献从经济学视角展开研究并得出一些可靠的结论,如仇焕广等[10]通过构建经济计量模型,得出四川玉米种植农户施肥过量的结论,但此类研究多数是基于问卷调查数据或者宏观统计数据,以田间试验数据为基础且同时基于经济学视角的研究十分少见。
一直以来,促进农民增收始终是中国农业经济政策制定的主要出发点与根本目标,对此,不少****着眼于如何提升农作物的产量。然而在农业生产资料价格不断上涨和农产品价格起伏不定的背景下,农业的投入值以及产出值波动较大,导致农作物产量最大化与农户经济效益最大化并不具有完全一致性。也就是说,农作物产量最大化未必能有效促进农民增收,且“谷贱伤农”的现象屡见不鲜。化肥是农业生产的重要投入要素,是构成农业物质成本的重要组成部分,2004—2017年间中国化肥投入占物质费用的比例始终在38%以上,优化化肥投入结构可在既定产量下有效降低生产成本,即提高农作物生产的成本效率[11],进而达到促进农民收入增长的目的。
为研究化肥投入对油菜成本效率的影响,本文研究结构安排如下:首先采用超越对数生产函数模型,并借用测土配方施肥大田试验数据,测度出油菜最佳的氮磷钾施肥比例;其次将最优施肥结构与各省份油菜生产的实际施肥进行对比分析,测算油菜生产的实际施肥与最优施肥之间的偏离程度;最后研究氮肥、磷肥以及钾肥的施肥结构偏离度对油菜成本效率的影响,结合实证分析结果与实际情况,对今后中国油菜生产包括农业生产中的化肥投入提出政策建议。
2 数据来源与研究方法
2.1 数据来源
文中田间试验数据来自华中农业大学资源与环境学院作物养分管理课题组,课题组于2005—2009年期间在中国10个油菜主产省市进行投入产出试验,收集样本1722份,此数据主要用于测度油菜生产的最优施肥结构,所测得施肥结构在一定时期内具有适用性,本文采用2004—2015年间的宏观统计数据展开研究,与试验数据的时间重合程度相对较高,足以支撑本文对核心问题的研究。此外,为达到样本中数据分布均衡的目的,剔除样本中氮、磷、钾其中有一项投入为0值的样本数据。由于在大田试验中经常通过控制某些变量处于一种极端值的状态,探究农作物的反应机理,但考虑到农户实际生产中出现此种状况的可能性极小,因此本文对此类样本作删除处理,共计删除179份样本数据,最后剩余样本1543份。论文中氮、磷、钾肥指的是N、P2O5以及K2O,根据《全国农产品成本收益汇编》[11]中肥料的投入值以及投入量,折算出尿素、过磷酸钙以及氯化钾的当期价格,进一步按照尿素含N比46%,过磷酸钙含P2O5比12%,氯化钾含K2O比60%,将N、P2O5以及K2O折算为数值,将油菜籽产量折算为产值。本文中的成本效率模型所涉及到的指标数据来自《全国农产品成本收益汇编》[12]、《中国农村统计年鉴》[13]以及《中国统计年鉴》[14]。研究对象的数据类型为面板数据,研究时期为2004—2015年,这是主要考虑到从2004年中国开始实行测土配方施肥补贴政策。根据微观数据的分布情况,本文选取贵州、四川、重庆、陕西、湖北、湖南、江西、安徽、江苏、浙江10个省市为研究对象。结合成本效率模型设定需要,选取油菜生产方面相关指标有:单位面积生产成本、机械价格、劳动力价格、种子价格、化肥价格、农药价格、土地价格、油菜单产、播种面积,其中单位面积生产成本、机械价格、种子价格、化肥价格、农药价格和土地价格,以2004年为基期采用农业生产资料价格指数对上述指标进行平减。
2.2 超越对数生产函数模型设定
超越对数生产函数[15](可变替代弹性生产函数),能测算出油菜产量最大时的氮磷钾肥的施肥结构,本文设置的生产函数模型如下:式中Yi为油菜籽产值;i为不同的样本;N、P和K分别为油菜生产过程中所投入的氮、磷、钾肥的投入;ln N、ln P和ln K是由N、P和K分别取对数所得;β0为常数项;βn、βp、βk、βnn、βpp、βkk、βnp、βpk、βnk为各变量所对应的待估系数;u为随机扰动项;公式(1)中所有变量的原核算单位为kg/hm2,在本文中将折算成以“元/hm2”为单位。
2.3 随机前沿成本函数模型
为探究油菜施肥对成本效率影响,本文借用随机前沿成本函数模型进行测算,模型以C-D成本函数形式表达为:式中sit为播种面积;cit为单位面积油菜生产成本;Pjit以此为油菜生产中投入的机械作业、劳动力、种子、化肥、农药和土地的价格;j为不同类型的要素(j=1,2,…,6);qit为单位面积油菜产量;i为省份;t为年份;vit为一般随机误差项;μit为成本无效率项;T为时间趋势变量以反映技术进步;β、φ、γ为待估参数;Cit为油菜生产总成本;Qit为油菜总产量。
随机前沿成本函数满足约束条件:
将约束条件公式(5)代入到模型公式(4)得到齐次约束条件下的前沿成本函数:
式中P6it表示油菜生产的土地价格。成本效率函数模型中的误差项μit由随机干扰项和无效率项组成,在随机前沿成本模型中,成本无效率项
公式(7)为成本无效率模型,用于评估影响无效率程度的一些因素。μit表示成本无效率项;δ为待估参数;zjit为表示影响成本非效率项μit的一些因素;扰动项εit服从在0处截断的
参照已有文献研究结论,模型设定影响油菜成本效率的控制变量有以下6个:①农民收入水平,该指标以不变价格的农村居民家庭人均纯收入表示,农民收入高的农户对成本节约型技术使用程度也越高,对于农业生产以外的投资也越多,故而农民收入对成本效率的影响具有不确定性[16];②油菜种植规模,采用农户家庭平均油菜播种面积表示,预期油菜种植规模对油菜成本效率有负向影响,这是由于规模扩大以后,农户更加重视油菜产出和收入的增长,从而忽视了投入成本的扩大[17];③受教育程度,由各级文化程度人口比重与该级受教育年限系数加权得出受教育程度,受教育程度越高,农户自身利用技术的能力也越强,其越可能接受和使用优质高效化肥或者更早采纳先进的施肥技术[18],李然[17]以油菜为例,对此观点也进行了佐证;④成灾率,是指成灾面积占该年所有农作物播种面积比例,自然灾害增多时农户会通过投入更多生产要素来弥补灾害的负面效应[19];⑤灌溉率,有效灌溉面积占该年所有农作物播种面积比例,反映各地区农业水利基础设施状况,有效的灌溉率有利于解决油菜生产过程中的用水问题[20,21];⑥商品率,是指每公顷油菜主产品出售数量占主产品产量的比例,农户对于油菜种植的用途会显著的影响农户生产决策,通常情况下,对于种植油菜用于商品销售的农户而言,对于农业生产成本的核算意识必然会强于自给自足这一类型的农户[17]。
3 模型估计结果及分析
3.1 最优施肥结构测算
借用超越对数生产函数模型,采用油菜生产中化肥投入产出的大田试验数据,借助Stata15软件运行模型得出结果,如表1所示。Table 1
表1
表1超越对数生产函数参数估计结果
Table 1The results of translog production function parameter estimation
变量 | 参数估计值 | 变量 | 参数估计值 |
---|---|---|---|
ln N | -3.953** | (ln K)2 | 0.157*** |
(1.687) | (0.051) | ||
ln P | 3.686*** | ln N×ln P | 0.175 |
(1.095) | (0.132) | ||
ln K | -1.528* | ln N×ln K | -0.028 |
(0.853) | (0.143) | ||
(ln N)2 | 0.207 | ln P×ln K | -0.033 |
(0.136) | (0.074) | ||
(ln P)2 | -0.291*** | Constant | 12.230* |
(0.058) | (6.406) | ||
Observations | 1 543.000 | ||
R-squared | 0.177 |
新窗口打开
进一步根据超越对数生产函数模型,分别对氮、磷、钾肥的投入值的对数求一阶导数,令公式的一阶导数为零,可以得出氮、磷、钾肥的对数表示形式,具体计算公式如下:
将试验数据代入,采用计量软件测算,得出具体结果如表2所示,从表2中可以看出,各省份之间的氮、磷、钾肥的最优投入结构不尽相同,并且差异较大。
Table 2
表2
表22005—2009年10省氮磷钾肥的最优投入结构
Table 2Optimal fertilization structure of nitrogen fertilizer and potassium fertilizer in the ten provinces from 2005 to 2009 (元/hm2)
氮肥 | 磷肥 | 钾肥 | |
---|---|---|---|
贵州 | 847.022 | 3 320.237 | 562.212 |
四川 | 820.201 | 3 480.012 | 577.104 |
重庆 | 862.312 | 3 518.471 | 574.472 |
陕西 | 785.213 | 3 500.412 | 591.274 |
湖北 | 802.434 | 3 607.127 | 589.282 |
湖南 | 780.687 | 3 665.935 | 597.714 |
江西 | 884.445 | 3 709.002 | 580.072 |
安徽 | 784.777 | 3 740.074 | 603.554 |
江苏 | 768.484 | 3 980.431 | 617.582 |
浙江 | 705.297 | 4 063.742 | 645.564 |
全国 | 807.795 | 3 575.854 | 586.995 |
新窗口打开
3.2 氮磷钾肥投入结构偏离度测算
分别统计出文中所涉及到的10个省市在2004—2015年期间油菜生产中的氮肥、磷肥以及钾肥投入值。并将氮磷钾肥的投入数据,按照尿素含N比例为46%,过磷酸钙含P2O5比例为12%,氯化钾含K2O比例为60%的比例,分别折算成量纲相一致的数据,结果如表3所示。从表3中可以看出,各省市之间的油菜生产氮磷钾肥投入结构具有差异性,这种差异可能与地区之间的土壤肥力、气候资源环境以及农户的施肥习惯等因素有关。Table 3
表3
表32004—2015年10省油菜生产氮磷钾肥投入的平均值
Table 3Average values of nitrogen, phosphorus and potassium fertilizer inputs from rapeseed production in the ten provinces from 2004 to 2015 (元/hm2)
氮肥 | 磷肥 | 钾肥 | |
---|---|---|---|
贵州 | 1 168.529 | 2 173.185 | 156.092 |
四川 | 1 516.184 | 1 962.991 | 263.807 |
重庆 | 1 012.830 | 1 159.003 | 59.590 |
陕西 | 1 775.660 | 2 535.714 | 277.643 |
湖北 | 1 399.724 | 2 202.247 | 329.804 |
湖南 | 1 047.675 | 1 601.905 | 166.631 |
江西 | 1 094.837 | 2 018.229 | 336.792 |
安徽 | 1 705.136 | 2 093.136 | 33.729 |
江苏 | 2 055.889 | 2 285.848 | 376.045 |
浙江 | 2 197.139 | 2 726.790 | 264.919 |
新窗口打开
本文结合前文所得出的各省市油菜生产最优施肥结构,按照以下计算公式:施肥结构偏离度=(实际化肥施用量/最优化肥施用量-1)
Table 4
表4
表42004—2015年10省油菜生产氮磷钾肥投入偏离度
Table 4Shifting degree of nitrogen, phosphorus and potassium fertilizer production in rapeseed production in the 10 provinces from 2004 to 2015 (%)
氮肥 | 磷肥 | 钾肥 | |
---|---|---|---|
贵州 | 37.957 | -34.547 | -72.235 |
四川 | 84.855 | -43.592 | -54.287 |
重庆 | 23.400 | -66.695 | -89.673 |
陕西 | 126.138 | -27.559 | -53.042 |
湖北 | 74.435 | -38.947 | -44.032 |
湖南 | 34.200 | -56.302 | -72.121 |
江西 | 23.788 | -45.585 | -36.767 |
安徽 | 117.278 | -44.018 | -45.037 |
江苏 | 167.526 | -42.572 | -39.109 |
浙江 | 211.522 | -32.899 | -58.962 |
新窗口打开
由表4可见,以上10个省市的油菜氮肥投入均存在明显过量,只是过量程度有所不同,其中浙江、江苏、陕西的氮肥过量投入最明显,这三省的氮肥施肥结构偏离度指数分别达到211.522%、167.526%和126.138%。不同地区之间的差异也较大,最大是浙江省的211.522%,最小是重庆市的23.400%。相反,磷肥和钾肥的投入则显得有些相对不足,氮磷钾肥的施肥结构尚有较大改进空间。基于上述分析,本文初步作出如下猜想:“如果通过减少氮肥的投入以及增加磷肥与钾肥的投入,是否可以降低油菜生产成本从而提高化肥的成本效率”。以下本文将对此假说展开进一步讨论,并尝试基于实证研究结果对此作出科学回答及解释。
3.3 油菜生产的成本效率测算
从上一节中测算得出的氮磷钾肥投入结构偏离度指数值来看,只能初步说明化肥投入结构存在着明显的不合理性,并不能得出施肥结构对油菜生产的具体影响,更不能推断出二者之间是否具有因果关系。在本小节中,借用随机前沿成本函数模型,测算出油菜的成本效率,将油菜的成本效率值与氮磷钾施肥结构肥偏离度进行回归分析,试图进一步探究油菜的氮磷钾肥施肥结构偏离度对油菜成本效率的影响。对模型中所涉及到的变量进行描述性统计,具体如表5所示。Table 5
表5
表5变量描述性统计分析
Table 5Descriptive statistical analysis of variables
函数 | 变量 | 均值 | 标准差 | 最小值 | 最大值 |
---|---|---|---|---|---|
前沿成本函数 | 单位面积生产成本/(元/hm2) | 5 788.065 | 1 979.565 | 3 119.715 | 11 617.830 |
机械价格/(元/hm2) | 608.580 | 383.580 | 45.062 | 1 568.430 | |
劳动力价格/(元/(日·人)) | 38.453 | 23.552 | 13.702 | 79.042 | |
种子价格/(元/kg) | 54.175 | 31.211 | 2.431 | 125.000 | |
化肥价格/(元/kg) | 71.655 | 13.680 | 43.980 | 97.530 | |
农药价格/(元/hm2) | 10.231 | 5.442 | 3.072 | 22.431 | |
土地价格/(元/hm2) | 1 101.810 | 590.415 | 262.815 | 3 270.360 | |
油菜单产/(kg/hm2) | 2 021.055 | 368.910 | 1 149.321 | 3 042.480 | |
播种面积/万hm2 | 57.138 | 35.260 | 12.233 | 131.758 | |
成本无效率函数 | 受教育程度/年 | 8.052 | 0.470 | 6.450 | 8.840 |
农村居民收入/(元/年) | 6 400.700 | 3 656.080 | 1 721.550 | 21 125.000 | |
成灾率 | 0.216 | 0.120 | 0.007 | 0.592 | |
灌溉率 | 0.301 | 0.125 | 0.106 | 0.632 | |
商品率 | 0.775 | 10.960 | 0.397 | 1.000 | |
氮肥偏离度 | 0.901 | 0.679 | 0.234 | 2.115 | |
磷肥偏离度 | -0.432 | 0.088 | -0.666 | -0.275 | |
钾肥偏离度 | -0.565 | 0.136 | -0.896 | -0.367 |
新窗口打开
3.4 成本效率估算及影响因素分析
实际上,影响油菜成本无效率的因素有很多,如各地区农户受教育程度、灌溉状况等,由于本文的研究问题仅限于氮磷钾肥的偏离程度对成本效率的影响,将其它可能影响到成本效率的变量设置为控制变量。3.4.1 各省油菜生产的成本效率值
理论上讲,成本效率(CEi)反映的是最小成本与实际成本的比率。Coelli[15]指出运用随机成本函数估计得到成本无效率指标值为exp(-uit),exp(-uit)介于[0,1],exp(-uit)值越大,则表示样本
Table 6
表6
表62004—2015年10省油菜生产的成本效率的平均值
Table 6Average cost efficiency of rapeseed production of the ten provinces from 2004 to 2015
年份 | 安徽 | 重庆 | 贵州 | 湖北 | 湖南 | 江苏 | 江西 | 陕西 | 四川 | 浙江 |
---|---|---|---|---|---|---|---|---|---|---|
2004 | 0.591 | 0.425 | 0.512 | 0.537 | 0.775 | 0.595 | 0.652 | 0.562 | 0.491 | 0.618 |
2005 | 0.561 | 0.364 | 0.474 | 0.572 | 0.664 | 0.751 | 0.581 | 0.614 | 0.482 | 0.620 |
2006 | 0.601 | 0.411 | 0.481 | 0.562 | 0.562 | 0.792 | 0.694 | 0.597 | 0.545 | 0.706 |
2007 | 0.544 | 0.411 | 0.502 | 0.528 | 0.562 | 0.781 | 0.564 | 0.641 | 0.524 | 0.717 |
2008 | 0.522 | 0.411 | 0.542 | 0.613 | 0.643 | 0.723 | 0.709 | 0.577 | 0.481 | 0.686 |
2009 | 0.585 | 0.472 | 0.472 | 0.568 | 0.602 | 0.671 | 0.683 | 0.622 | 0.504 | 0.738 |
2010 | 0.861 | 0.737 | 0.524 | 0.623 | 0.611 | 0.844 | 0.533 | 0.641 | 0.600 | 0.906 |
2011 | 0.834 | 0.657 | 0.482 | 0.596 | 0.614 | 0.897 | 0.492 | 0.598 | 0.581 | 0.808 |
2012 | 0.672 | 0.657 | 0.471 | 0.588 | 0.686 | 0.801 | 0.501 | 0.542 | 0.531 | 0.780 |
2013 | 0.685 | 0.605 | 0.491 | 0.555 | 0.614 | 0.861 | 0.544 | 0.534 | 0.553 | 0.776 |
2014 | 0.884 | 0.614 | 0.552 | 0.631 | 0.682 | 1.004 | 0.600 | 0.622 | 0.531 | 0.967 |
2015 | 1.000 | 0.671 | 0.552 | 0.700 | 0.711 | 1.004 | 0.655 | 0.611 | 0.543 | 0.941 |
新窗口打开
表6中所呈现的是10个省市在2004—2015年期间油菜成本效率状况,不难发现,油菜生产的成本效率普遍较低,尚具较大改善空间,其中安徽、江苏以及浙江的成本效率呈现出逐年攀升趋势,同样也是本文所研究的省市中成本效率相对较高的省份。
3.4.2 油菜生产成本效率的影响因素
根据成本效率模型,将各个可能影响油菜成本效率的因素与成本效率值进行回归,结果如表7所示。
Table 7
表7
表7随机前沿成本函数参数估计结果
Table 7The results of parameter estimation stochastic frontier cost functions
函数 | 变量 | 参数 | 估计系数 | 标准误 | Z统计量 |
---|---|---|---|---|---|
前沿成本函数 | 机械价格/(元/hm2) | β1 | 0.103** | 0.042 | 2.451 |
劳动力价格/(元/(日·人)) | β2 | -0.043 | 0.058 | -0.731 | |
种子价格/(元/kg) | β3 | -0.098** | 0.046 | -2.145 | |
化肥价格/(元/kg) | β4 | 1.057*** | 0.101 | 10.421 | |
农药价格/(元/hm2) | β5 | -0.294** | 0.051 | -5.762 | |
油菜产量/万t | β6 | 0.566*** | 0.159 | 3.571 | |
成本无效率函数 | 受教育程度/年 | d1 | -0.151* | 0.087 | -1.742 |
农村居民收入/(元/年) | d2 | 0.082** | 0.031 | 2.625 | |
成灾率 | d3 | -0.127* | 0.074 | -1.721 | |
灌溉率 | d4 | 0.396*** | 0.108 | 3.662 | |
商品率 | d5 | 0.014 | 0.094 | 0.155 | |
氮肥偏离度 | d6 | -0.864*** | 0.325 | -2.665 | |
磷肥偏离度 | d7 | 1.888* | 1.127 | 1.687 | |
钾肥偏离度 | d8 | -0.141 | 1.269 | -0.117 | |
氮肥偏离度×平均受教育程度 | d9 | 0.111*** | 0.039 | 2.855 | |
磷肥偏离度×平均受教育程度 | d10 | -0.272* | 0.145 | -1.874 | |
钾肥偏离度×平均受教育程度 | d11 | 0.941 | 0.678 | 1.390 |
新窗口打开
从表7中可以发现,氮肥及磷肥投入的结构偏离度分别在1%和10%水平显著性水平影响油菜成本效率。其中氮肥投入结构偏离度系数为-0.864,表明氮肥投入结构偏离度对油菜成本效率的影响方向为负向,结合表5中的结果,氮肥的投入施肥结构偏离度系数为正,即油菜生产的氮肥投入均存在过量,对于氮肥投入结构偏离度对油菜成本效率影响方向为负的结果,本文认为与实际情况是相符合的,表明氮肥的过量投入降低了油菜成本效率,有相当部分氮肥投入增加了生产成本,但是对油菜的增产并无任何显著正向作用;其中磷肥投入结构偏离度系数为正,从表5中可知,磷肥投入结构偏离度为负,本文对此结果作出如下解释:当提高磷肥结构偏离度数值时,即降低磷肥投入结构偏离度,可以矫正磷肥投入的不合理,进而达到提高油菜生产的成本效率。
4 结论与政策建议
4.1 结论
本文利用1543份田间试验材料数据,采用超越对数生产函数模型,测算出贵州、四川、重庆、陕西、湖北、湖南、江西、安徽、江苏和浙江10个省油菜生产的最优施肥结构,按照最优施肥结构对该10省市在油菜生产中的实际施肥结构偏离度进行测算,进一步采用超越对数成本函数模型测算出成本效率,重点研究施肥结构偏离度对成本效率的影响。当前,中国农村劳动力呈现出老龄化及女性化的基本特征,农村农业劳动力缺失导致农民在农业经营管理方面相比于传统“精耕细作”的模式更为粗放,使农户更加倾向于以增加化肥、机械等资本要素来替代劳动力投入。在现代农业发展模式中,化肥要素投入是油菜生产成本的重要构成部分,化肥的投入会显著影响油菜成本。研究得出结论如下:(1)对比10省的油菜生产中实际氮磷钾肥投入与最优的氮磷钾肥投入,可以发现,化肥投入结构存在较大偏离度,主要特征表现为氮肥投入过过量,磷肥以及钾肥投入不足的基本特征。
(2)不合理的施肥方式对油菜生产成本效率有显著负向影响,结果显示:氮磷钾肥的施肥结构与最优施肥结构的偏离度越大,则油菜生产的成本效率越低,具体而言,氮肥过量投入无谓的增加了油菜成本投入,磷肥钾肥的投入不足,也降低了油菜成本效率,说明不合理的施肥方式对油菜生产成本效率有显著负向影响,氮磷钾的投入结构均有较大改善空间。
(3)不同地区之间的最优施肥结构存在差异,无论是从比例还是从具体氮磷钾肥投入值来看,地区之间的差异都十分明显。
4.2 政策建议
根据以上研究结论,提出如下政策建议:(1)积极开展农户施肥技术培训,加大技术应用补贴力度。测土配方施肥是一种充分利用资本要素的生产技术,虽然能有效地降低油菜种植成本以及减少农业面源污染,但大多数农民对其益处及使用方法了解十分有限,加之测土配方施肥技术需要多次施肥,大部分农民认为这样需要投入更多的劳动力,因此农户采用测土配方施肥技术的积极性不强,可以考虑通过增加相关补贴以调动农户采纳该项技术的积极性,以促进该项技术广泛应用。
(2)因地制宜推进测土配方施肥。从本文的研究结论可以看出,各省份之间在土壤、气候以及经济发展水平等方面差异较大,导致土壤肥力以及农户施肥习惯存在差异。因此,应结合区域整体特征指导测土配方施肥工程项目推进,提高施肥指导的针对性和适用性。
(3)推进缓释肥、侧位施肥等生产技术的应用。当前,我国油菜的化肥施用效率普遍低下,主要表现为投入方式过于粗放,基于此,建议推进油菜缓释肥的应用与推广,并且提高化肥施用精度,从而提高化肥施用效率以及作物的吸收效率。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[1] | |
[2] | [J]., [J]. |
[3] | [J]. , [J]. , |
[4] | [J]. , [J]. , |
[5] | [J]. , [J]. , |
[6] | [J]. , [J]. , |
[7] | [J]. , [J]. , |
[8] | [J]. , |
[9] | [J]. , [J]. , |
[10] | [J]. , [J]. , |
[11] | [J]. , [J]. , |
[12] | |
[13] | |
[14] | |
[15] | [R]. , |
[16] | [J]. , [J]. , |
[17] | . , . , |
[18] | [J]. , [J]. , |
[19] | . , . , |
[20] | [J]., [J]. , |
[21] | [J]. , [J]. , |
[22] | [J]. , [J]. , |