杨 军, 李建琴

福建省农业经济增长、农业结构与面源污染关系研究*

杨 军1, 李建琴2**

(1. 福建省农业科学院农业经济与科技信息研究所 福州 350003; 2. 浙江大学经济学院 杭州 310027)

农业面源污染已经成为影响社会经济可持续发展的突出问题, 而农业结构被认为在其中发挥了重要的调节作用。本研究在根据曲劳(Truog)的养分平衡法理论测算了农业面源污染的主要来源——过剩氮总量的基础上, 运用基于VECM模型的脉冲响应函数和方差分解方法, 考察了福建省1998—2017年农业经济增长、农业面源污染、农业结构之间的关系。研究结果表明: 1)农业经济增长、农业面源污染、农业结构之间存在长期均衡关系。2)格兰杰检验结果表明: 农业面源污染与农业经济增长互为格兰杰原因; 农业结构分别是面源污染和农业经济增长的格兰杰原因, 农业经济增长是农业结构的格兰杰原因。3)方差分解结果显示: 农业经济增长与农业结构对农业面源污染的冲击影响很小, 对农业面源污染的预测方差贡献分别仅有4.31%和4.02%。但农业面源污染对农业经济增长的冲击影响较大, 向前推进10年, 其预测方差中来自农业面源污染的方差贡献达47.02%。为此, 福建省应在继续保持对农业面源污染严格治理力度的基础上, 重视绿色化农业技术和模式的开发应用, 加强农业基础设施建设, 制订更加明确精准的绿色农业导向性政策, 加强绿色消费观念的引导和培养。

面源污染; 经济增长; 农业结构; VECM模型; 脉冲响应分析

农业面源污染是指在农业生产活动中, 氮素和磷素等营养物质、农药及其他有机或无机污染物质, 通过农田的地表径流和农田渗漏形成的水环境污染[1]。改革开放以来, 中国农业发展取得了巨大成就, 但也付出了沉重的环境损失代价, 其中, 农业面源污染问题尤为突出[2-3]。据2010年《第一次全国污染源普查公报》, 农业面源污染已经成为地表水体污染的主要来源, 并超过工业成为我国最大的污染源。与此同时, 农业面源污染由于其污染物的分散性、隐蔽性、随机性、不确定性, 以及不易监测性和空间异质性等特点, 使其成为国内外面源污染治理的难点[4]。党的十八大以来, 生态文明上升为国家战略,习近平总书记多次强调, 绿水青山就是金山银山, 发展经济绝不能牺牲绿水青山。福建是全国第一个生态省建设试点, 但福建省在经济不断增长的同时, 也面临着不可忽视的面源污染问题, 福建省从1995年开始, 化肥施用量就超过了国际公认的225 kg∙hm–2上限, 至2018年, 已达1 100 kg∙hm–2, 是国际公认上限施肥量的4.89倍。全省第二大河——九龙江流域高峰期生猪存栏量达213.7万头, 年产粪尿161.8万t, 废水排放量537.3万t, 成为当时流域水质恶化最重要的原因[5]。当前, 福建省正在全力推进生态福建建设和实施乡村生态振兴计划, 研究省域农业经济增长、农业结构、农业面源污染关系有助于更好地理清生态发展思路, 为福建省低碳绿色农业发展提供决策支持。

关于农业经济增长与面源污染关系的研究一直以来都是学术界关注的热点, 其中, 最广泛的方法是采用环境库兹涅茨曲线模型, 但这一方法由于在考察农业环境库兹涅茨“倒U型”曲线时, 忽略了农业环境污染与农业经济增长之间的双向影响机制, 从而可能导致变量内生性偏差问题[6]; 而且, 环境库兹涅茨曲线模型方法具有很大的“虚幻性”及“局限性”[7-9], 也受到不少学者的批判。目前, 向量自回归(VAR)模型在工业污染领域的应用较多, 彭文斌等[10]考察了湖南省1985—2008年间工业废水排放量、工业烟尘排放量、工业粉尘排放量3类环境污染指标与人均GDP之间的长期动态影响特征, 冲击响应分析结果表明: 经济增长与环境污染双向影响, 但环境污染对经济增长具有一定的滞后效应, 经济增长对解释各类环境污染指标预测方差的贡献度则相对较小。江心英等[11]通过VAR模型、格兰杰因果检验、脉冲响应分析、方差分解等工具, 分析了江苏省经济增长、产业结构与碳排放之间的关系, 结果发现, 经济增长、产业结构与碳排放之间存在“协整关系”, 产业结构与碳排放、产业结构与经济增长均构成双向格兰杰因果关系, 但经济增长与碳排放之间的因果关系并不显著。在农业应用领域, 张锋等[6]运用基于VAR模型的脉冲响应函数和方差分解的方法, 考察了江苏省1990—2007年农业环境污染与农业经济增长的动态演进关系, 研究结果表明: 经济增长是影响江苏省农业环境污染的重要原因, 但农业环境污染对江苏省经济增长的影响不明显, 且具有一定滞后效应。综合现有的相关文献看, 应用VAR模型对农业经济增长与农业面源污染关系的研究还较少, 而且往往只单纯考察经济增长与面源污染二者的关系, 而忽视了农业产业结构的影响。由于畜牧业无论是对农业产值的贡献, 还是对生态环境的污染都发挥了重要的正向与负向作用, 因此, 本文拟将涉及畜牧业的农业结构指标考虑进VAR模型, 采用1998—2017年福建省时间序列数据, 通过VAR模型、VECM模型、Granger因果检验、脉冲响应分析、方差分解等方法对福建省农业经济增长、农业结构、农业面源污染之间的关系进行实证分析, 考察并解释三者之间的作用机制。

1 研究方法

1.1 变量的选取与数据来源

农业面源污染的核心“成分”是氮素[12], 而化肥施用、畜禽养殖是总氮排放最主要的来源[13-14]。据报道, 在化肥施用中, 通过各种途径损失的总氮量约为总施氮量的50%, 且畜禽养殖污染造成的氮、磷排放分别占各自总排放量的35.71%和42.63%[15]。基于此, 本文参考部分文献[12,16]的做法, 采用“人均过剩氮量”作为农业面源污染表征变量, 用畜牧业产值占农业总产值的比重表征农业结构变量, 用实际农业增加值表征农业经济增长变量。污染单元测算主要参考赖斯芸等[17]的文献及《第一次全国污染源普查农药流失系数手册》。本文数据主要来源于《福建省统计年鉴》《福建省农村统计年鉴》及《中国农村统计年鉴》。

1.2 VAR模型与脉冲响应函数

式中:为阶内生变量列向量,为阶常数列向量,、均为阶参数矩阵,是阶随机误差列向量,表示服从的独立同分布, 其中每一个元素均非自相关, 但不同方程对应的残差项之间可能存在相关性。由于VAR模型包含许多参数, 而这些参数的经济意义很难解释, 如果要对一个VAR模型做出充分的分析, 就需要借助脉冲响应函数和方差分解[19]。另外, 在进行VAR建模时, 需要确定变量的滞后阶数, 以及VAR系统中包含几个变量, 滞后阶数不够可能导致VAR模型的残差存在自相关, 滞后阶数过多会导致自由度减少。本文在确定滞后阶数上主要根据信息准则综合判定。对于变量个数, 由于VAR系统包含的变量个数越多, 需要待估的参数越多, 从而使得样本容量过小, 增大估计误差, 降低预测精度。因此, 为了减少所包含的变量, 本VAR模型仅包含农业实际增加值、人均过剩氮和畜牧业产值占农业总产值的比重(以下简称“畜牧业产值比”)3个指标, 分别用、、表示, 为了使数据更加平稳, 本文对VAR的3个变量分别取自然对数处理, 分别记为、、。另外, 由于脉冲响应与方差分解结果依赖于变量次序, 因此, 本文运用改进的广义脉冲响应函数法来进行分析。

1.3 过剩氮的测算

曲劳(Truog)的养分平衡法理论是目前测度农业面源污染比较常用的一种方法。该理论主要以作物与土壤之间养分供求平衡为目的, 根据作物的需肥量与土壤供肥量之差, 求得实现计划产量所需的肥料量。模型如下:

单位耗氮量及土壤基础单位含氮量分别参考农业部2018年发布的《畜禽粪污土地承载力测算技术指南》及焦闪闪等[20]文献获得。基于曲劳(Truog)的养分平衡法理论, 当土壤供肥量大于需肥量时, 多余的氮素养分即为“过剩氮”, 过剩氮的测度模型如下:

式中:表示福建省的过剩氮总量,X表示第种家畜粪肥的含氮量,Y表示福建省当年第种家畜的年平均总饲养量;E为第年使用的折纯N肥量。其中, 畜禽粪肥含氮量参考梁流涛[13]文献数据, 其他数据来源于《福建统计年鉴》《中国农村统计年鉴》, 测算结果如表1所示。

2 结果与分析

2.1 数据特征及模型稳定性检验

2.1.1 农业实际增加值、人均过剩氮和畜牧业产值比数据的单位根检验

2.1.2 农业实际增加值、人均过剩氮和畜牧业产值比的协整关系检验

根据协整的思想, 如果多个单位根序列拥有“共同的趋势”, 则可以对这些变量作线性组合而消去此随机趋势, 之后需要确定共有多少个线性无关的协整向量, 即“协整秩”。包括常数项与时间趋势的协整秩“迹检验”结果(表3)表明: 只有一个线性无关的协整向量(表中带“*”号)。而最大特征值检验也表明, 可以在5%的水平上拒绝协整秩为“0”的原假设, 但无法拒绝协整秩为“1”的原假设。即在5%的显著性水平下, 人均过剩氮与农业实际增加值、畜牧业产值比之间存在长期均衡关系, 即存在协整关系。

表1 1998—2017年福建省VAR模型指标基本情况

表2 农业实际增加值(1npa)、人均过剩氮()和畜牧业产值比(1nRs)的单位根检验结果

Δ表示变量的一阶差分; ***表示在<0.001水平显著。Δ means the first difference of the variable. *** denotes significance at<0.001 level.

表3 农业实际增加值(1npa)、人均过剩氮()和畜牧业产值比(1nRs)关系的协整关系检验

*表示在<5%水平显著。* denote significance at<5% level.

2.1.3 最优滞后阶数及考察VECM模型单位根检验

建立VAR模型需要检验该系统所对应的VAR表示法的滞后阶数。本文参考各种信息准则综合确定模型的滞后阶数。检验结果(表4)显示, AIC、HQIC、SBIC信息准则均选择3阶滞后。

表4 农业实际增加值(1npa)、人均过剩氮()和畜牧业产值比(1nRs)关系的VAR模型滞后期数选择

*表示在<5%水平显著。* denotes significance at<5% level.

2.2 农业实际增加值、人均过剩氮量和畜牧业产值比的Granger因果关系检验

2.3 脉冲响应函数分析

脉冲响应描述1个内生变量受到1个单位标准差的冲击后对误差冲击的反应。

图1a结果显示, 农业实际增加值增加, 刚开始会形成一个比较小的正冲击, 但这一冲击影响不断减弱并在半年后进入负冲击影响状态, 之后负冲击影响又会逐渐减少直至第5年从负冲击转为正冲击。可能解释是: 随着农业绿色技术和绿色发展意识不断加强, 农业经济增长逐渐从粗放式增长向精准农业和绿色增长转变, 在一定时期降低了“氮”的投入。但当农业经济增长压力超过一定程度后, 可能又不得不要重新增加“氮”的投入以保证农产品产量和经济持续增长的需要。

图1b结果显示, 畜禽养殖比上升会长久增加人均过剩氮量, 尤其是第1年会快速加大人均过剩氮量, 但1年后这一冲击影响会逐渐减弱, 第6年后冲击影响逐渐稳定并接近于“0”。可能解释是: 畜牧业作为污染产出的传统大户, 当农业结构中畜牧业比重上升时, 如果畜禽养殖的污染控制政策未跟上或不够严厉, 就可能会造成更多的“氮”排放; 而当畜牧业养殖规模上升后, 政府也会采取行动进行控制和引导, 比如环保部门会要求畜禽粪污达标零排放, 农业部门要求畜禽粪污资源化利用, 这都会在一定程度上减缓农业面源污染物的排放速度, 并在政策稳定后使畜牧业比重上升造成的冲击影响慢慢衰退。

图1c表明, 人均过剩氮量增加会对农业实际增加值增加产生持久的影响, 尽管影响程度有限, 但也说明, 福建省农业经济增长仍未能完全摆脱对“过剩氮”投入的依赖, 这可能与目前我国作物对化肥的吸收率不高有关, 加上农村劳动力相对缺乏, 为了保证作物产量而采取了比较粗放、过量施肥的方式。

表5 农业实际增加值(1npa)、人均过剩氮()和畜牧业产值比(lnRs)的关系的Granger因果性检验结果

图1d显示, 人均过剩氮量增加初期会提高畜牧业产值比, 但第2年开始冲击影响逐渐减弱, 至第6年时, 冲击影响几乎为“0”。可能解释是: 当人均过剩氮量增加时, 可能源于宽松的环境保护政策, 由于近年来对畜牧业养殖采取了比较严厉的政策手段, 通过限制养殖区域、控制养殖规模关停了大量的养殖场; 通过畜禽粪污强制环保达标零排放等措施对规模养殖场的粪污排放系统进行了升级改造, 一旦环保政策放松, 可能导致大量关停的畜禽养殖场死灰复燃, 而出于养殖成本的考虑, 一些不能守规经营的养殖场也不再严格做到粪污达标零排放。人均过剩氮量增加对畜牧业产值比增加的冲击在第2年后会逐渐降低。可能解释是: 当面源污染进一步加重时, 政府环保政策又会趋于收紧, 增加畜禽养殖的进入门槛和生产成本, 从而会在一定程度上抑制畜禽养殖的规模。

图1 农业实际增加值(1npa)、人均过剩氮()和畜牧业产值比(lnRs)之间的正交化响应脉冲图

2.4 以人均过剩氮为响应变量的预测方差分解

3 结论

表6 农业实际增加值(1npa)和人均过剩氮为响应变量的方差分解结果

lns: 畜牧业产值比。lns: animal husbandry structure.

经济发展会带来农业面源污染, 这是许多研究者的结论[2-3,14]。当经济发展到一定阶段后, 会出现环境改善的拐点, 也被许多学者证实[6,12]。从研究结果看, 福建省农业绿色生态发展的态势正在形成, 但这一态势能否保持、环境能否更快更好地改善, 不仅需要继续保持严格的环境治理政策和措施, 还有赖于采取更积极主动的绿色化行为。建议: 1)加快开发推广包括新型肥料在内的农业绿色化技术, 提高肥料吸收率, 同时配合实施测土配方施肥、化肥减量化农艺配套技术, 从源头上减少过量化工肥料的投入; 2)加大畜禽粪污废弃物的资源化利用, 推广猪-沼-果等生态循环模式, 从源头上减少“氮”的排放; 3)加大高标准农田建设力度及山坡地披绿工程建设, 减少因水土流失造成的面源污染, 另外可以对重点流域附近农田、林地进行重点环境保护监控, 减少因不规范施肥行为造成面源污染; 4)提高农民的组织化程度, 发展农业社会化专业服务组织, 加强农民包括施肥技术在内的绿色技术培训, 逐步实现科学施肥, 精准施肥, 从源头上提高化肥的施用效率; 5)制订更加符合生态的农业标准, 更加细化和有引导性的财政支农政策, 在提供支农补贴时, 要综合考虑生产者是否采用生态农业技术、是否生产生态农业产品; 同时还可以通过市场的手段, 加大消费者对生态产品的认同, 从消费端倒逼农业供给侧结构性改革。

[1] 李秀芬, 朱金兆, 顾晓君, 等. 农业面源污染现状与防治进展[J]. 中国人口∙资源与环境, 2010, 20(4): 81–84 LI X F, ZHU J Z, GU X J, et al. Current situation and control of agricultural non-point source pollution[J]. China Population, Resources and Environment, 2010, 20(4): 81–84

[2] 陈锡文. 环境问题与中国农村发展[J]. 管理世界, 2002, (1): 5–8 CHEN X W. Environment and China’s rural development[J]. Management World, 2002, (1): 5–8

[3] 闵继胜, 孔祥智. 我国农业面源污染问题的研究进展[J]. 华中农业大学学报: 社会科学版, 2016, (2): 59–66 MIN J S, KONG X Z. Research development of agricultural non-point source pollution in China[J]. Journal of Huazhong Agricultural University: Social Sciences Edition, 2016, (2): 59–66

[4] 文传浩, 张丹, 铁燕. 农业面源污染环境效应及其对新农村建设耦合影响分析[J]. 贵州社会科学, 2008, (4): 91–96 WEN C H, ZHANG D, TIE Y. Environmental effects of agricultural non-point source pollution and its coupling impact on new rural construction[J]. Guizhou Social Sciences, 2008, (4): 91–96

[5] 曾悦, 洪华生, 曹文志, 等. 九龙江流域养猪场氮磷流失特征研究[J]. 农业工程学报, 2005, 21(2): 116–120 ZENG Y, HONG H S, CAO W Z, et al. Characteristics of nitrogen and phosphorus losses from swine production systems in Jiulong River watershed[J]. Transactions of the CSAE, 2005, 21(2): 116–120

[6] 张锋, 胡浩, 张晖. 江苏省农业面源污染与经济增长关系的实证[J]. 中国人口∙资源与环境, 2010, 20(8): 80–85 ZHANG F, HU H, ZHANG H. The positive analysis on the relationship between agriculture non-point source pollution and economic growth of Jiangsu Province[J]. China Population, Resources and Environment, 2010, 20(8): 80–85

[7] 钟茂初. 环境库兹涅茨曲线的虚幻性及其对可持续发展的现实影响[J]. 中国人口∙资源与环境, 2005, 15(5): 1–6 ZHONG M C. The unreality of environmental Kuznets curves and its impact to sustainable development[J]. China Population, Resources and Environment, 2005, 15(5): 1–6

[8] 蒋萍, 余厚强. EKC拐点类型､形成过程及影响因素[J]. 财经问题研究, 2010, (6): 3–9 JIANG P, YU H Q. The categories, formation process and impact factors of EKC inflection points[J]. Research on Financial and Economic Issues, 2010, (6): 3–9

[9] 刘海英, 何彬. 经济增长中环境污染路径的不确定性分析——兼论环境库兹涅茨曲线(EKC)存在的必要条件[J]. 工业技术经济, 2009, 28(7): 77–79 LIU H Y, HE B. Uncertainty analysis of non-point source pollution path in economic growth[J]. Industrial Technology & Economy, 2009, 28(7): 77–79

[10] 彭文斌, 田银华. 湖南环境污染与经济增长的实证研究——基于VAR模型的脉冲响应分析[J]. 湘潭大学学报: 哲学社会科学版, 2011, 35(1): 31–35 PENG W B, TIAN Y H. Empirical research on environmental pollution and economic growth in Hunan Province — Based on impulse response function of VAR model[J] Journal of Xiangtan University: Philosophy and Social Sciences, 2011, 35(1): 31–35

[11] 江心英, 赵爽. 江苏省经济增长､产业结构与碳排放关系的实证研究——基于VAR模型和脉冲响应分析[J]. 南京财经大学学报, 2018, (2): 16–24 JIANG X Y, ZHAO S. An empirical study on the relationship between economic growth, industrial structure and carbon emissions in Jiangsu Province[J]. Journal of Nanjing University of Finance and Economics, 2018, (2): 16–24

[12] 张晖, 胡浩. 农业面源污染的环境库兹涅茨曲线验证——基于江苏省时序数据的分析[J]. 中国农村经济, 2009, (4): 48–53 ZHANG H, HU H. A verification of environmental Kuznets curve for agricultural non-point source pollution — An analysis with time series data from Jiangsu Province[J]. Chinese Rural Economy, 2009, (4): 48–53

[13] 梁流涛. 农村生态环境时空特征及其演变规律研究[D]. 南京: 南京农业大学, 2009: 75–78LIANG L T. Study on the temporal and spatial evolution of rural ecological environment[D]. Nanjing: Nanjing Agricultural University, 2009: 75–78

[14] 葛继红, 周曙东. 农业面源污染的经济影响因素分析——基于1978~2009年的江苏省数据[J]. 中国农村经济, 2011, (5): 72–81 GE J H, ZHOU S D. Analysis of the economic influence factors of agricultural non-point source pollution[J]. Chinese Rural Economy, 2011, (5): 72–81

[15] 陈敏鹏, 陈吉宁, 赖斯芸. 中国农业和农村污染的清单分析与空间特征识别[J]. 中国环境科学, 2006, 26(6): 751–755 CHEN M P, CHEN J N, LAI S Y. Inventory analysis and spatial distribution of Chinese agricultural and rural pollution[J]. China Environmental Science, 2006, 26(6): 751–755

[16] 刘烨, 刘玮晶, 赵言文. 江苏省农业过剩氮与农村居民消费关系拟合分析[J]. 水土保持通报, 2012, 32(5): 82–86 LIU Y, LIU W J, ZHAO Y W. Fitting analysis of relation of agricultural excessive nitrogen to rural resident consumption in Jiangsu Province[J]. Bulletin of Soil and Water Conservation, 2012, 32(5): 82–86

[17] 赖斯芸, 杜鹏飞, 陈吉宁. 基于单元分析的非点源污染调查评估方法[J]. 清华大学学报: 自然科学版, 2004, 44(9): 1184–1187 LAI S Y, DU P F, CHEN J N. Evaluation of non-point source pollution based on unit analysis[J]. Journal of Tsinghua University: Science and Technology, 2004, 44(9): 1184–1187

[18] Sims C A. Macroeconomics and reality[J]. Econometrica, 1980, 48(1): 1–48

[19] 陈强. 高级计量经济学及Stata应用[M]. 第2版. 北京: 高等教育出版社, 2014: 12 CHEN Q. Advanced Econometrics and STATA Application[M]. 2nd ed. Beijing: Higher Education Press, 2014: 12

[20] 焦闪闪, 张黎明, 蒋威, 等. 基于1∶5万土壤数据库的福建省耕地全氮储量动态变化研究[J]. 土壤学报, 2016, 53(5): 1107–1119JIAO S S, ZHANG L M, JIANG W, et al. Analysis of dynamics of deposit of total nitrogen in farmland of Fujian Province based on 1∶50 000 soil database[J]. Acta Pedologica Sinica, 2016, 53(5): 1107–1119

Research on the relationship between agricultural economic growth, agricultural structure, and agricultural non-point source pollution in Fujian Province*

YANG Jun1, LI Jianqin2**

(1. Institute of Agricultural Economy and Sci-technological Information, Fujian Academy of Agricultural Sciences, Fuzhou 350003, China; 2. School of Economics, Zhejiang University, Hangzhou 310027, China)

Agricultural structure is considered to play an important role in regulating the dual pressures of economic growth and non-point source pollution from agricultural development. The total amount of surplus nitrogen, which is the main source of agricultural non-point source pollution, was calculated according to Truog’s nutrient balance theory. The impulse response function and variance decomposition methods, based on the vector error correction model (VECM), were used to investigate and explain the relationship among agricultural economic growth, agricultural non-point source pollution, and agricultural structure in Fujian Province from 1998 to 2017. The research results showed that: 1) there was a relationship of long-term equilibrium among agricultural economic growth, agricultural non-point source pollution, and agricultural structure. 2) The Granger causality test showed that: agricultural non-point source pollution and economic growth were Granger causes for each other; agricultural structure was the Granger cause of non-point source pollution and agricultural economic growth; and agricultural economic growth was the Granger cause of agricultural structure. 3) The results of variance decomposition showed that there was little impact of agricultural economic growth and agricultural structure on agricultural non-point source pollution. The variance contribution of the impact of agricultural economic growth and agricultural structure on agricultural economic growth was 4.31% and 4.02%, respectively. The agricultural non-point source pollution had a great effect on agricultural economic growth. In the next 10 years, the variance contribution from agricultural non-point source pollution would reach 47.02%. 4) In the light of these findings, potential policy suggestions include: continuing to rectify agricultural non-point source pollution; encouraging the development and application of green agricultural technology and methods; increasing the role of the construction of agricultural infrastructure and farmer organization, introducing more detailed and guided financial policies to support agriculture; and strengthening the awareness on green consumption.

Non-point source pollution; Economic growth; Agricultural structure; VECM model; Impulse response analysis

F323.2

10.13930/j.cnki.cjea.190871

杨军, 李建琴. 福建省农业经济增长、农业结构与面源污染关系研究[J]. 中国生态农业学报(中英文), 2020, 28(8): 1277-1284

YANG J, LI J Q. Research on the relationship between agricultural economic growth, agricultural structure, and agricultural non-point source pollution in Fujian Province[J]. Chinese Journal of Eco-Agriculture, 2020, 28(8): 1277-1284

* 福建省属公益类科研院所基本科研专项(2020R1101)资助

李建琴, 主要研究方向为农业产业经济。E-mail: zjhzljq@126.com

杨军, 主要研究方向为生态农业产业经济。E-mail: 756165940@qq.com

2019-12-11

2020-03-25

* This study was supported by the Public Welfare Foundation of Fujian Province (2020R1101).

, E-mail: zjhzljq@126.com

Dec. 11, 2019;

Mar. 25, 2020