Влияние мобильности сельской рабочей силы на экологическую эффективность использования пахотных земель

Уникальные карстовые ландшафты юго-западного Китая характеризуются хрупкой структурой почв и подверженностью эрозии, что усугубляется масштабным оттоком сельской рабочей силы в неаграрные сектора. В данном исследовании для анализа влияния мобильности сельской рабочей силы на эффективность экологически чистого использования пахотных земель применялась модель двусторонних фиксированных эффектов, контролирующая ненаблюдаемые индивидуальные и временные факторы. Посредством медиаторного анализа изучалось, как изменения в структуре посевов влияют на эту взаимосвязь, с учётом неоднородности структуры рабочей силы.

Результаты выявили U-образную зависимость: мобильность сельской рабочей силы первоначально вызывает краткосрочное снижение эффективности, но в долгосрочной перспективе приводит к её росту. Механизм воздействия показал, что мобильность рабочей силы косвенно влияет на эффективность, изменяя структуру посевов. В частности, увеличение частоты повторных посевов оказывало частичное опосредующее влияние (0.158), в то время как ориентация на «зерновую специализацию» маскировала эффект (0.067). Дополнительно было установлено, что старение рабочей силы и низкий уровень образования негативно сказываются на эффективности экологически чистого использования земель, усложняя ситуацию в карстовом регионе.

Для повышения экологической эффективности использования пахотных земель необходимо: защищать права трудящихся-мигрантов, повышать качество аграрной рабочей силы, стимулировать модернизацию отраслей и корректировать структуру посевов. Данные стратегии призваны направлять развитие регионального сельского хозяйства и обеспечивать устойчивое использование земельных ресурсов.

Как материальная основа для выживания и развития человечества, пахотные земли несут двойную ответственность за развитие сельской экономики и защиту экологической среды [1,2]. Китай всегда придавал огромное стратегическое значение пахотным землям, подчеркивая необходимость соблюдения «красной линии» пашни, одновременно уделяя внимание повышению качества земель и экологической защите. «Центральный документ №1» 2024 года подчеркнул намерение реализовать триединую систему защиты пахотных земель по количеству, качеству и экологии. Эта мера поддерживает усилия Китая по модернизации. В текущем контексте площадь пахотных земель в 1,929 млрд му считается жизненно важной для поддержания стабильного национального производства зерна на уровне более 1,4 триллиона цзиней, тем самым внося значимый вклад в глобальную продовольственную безопасность и устойчивое развитие сельского хозяйства. Однако в некоторых экологически хрупких районах давние практики ведения сельского хозяйства с высокими затратами и высокой отдачей вызвали высокоинтенсивную и перегруженную эксплуатацию ресурсов пахотных земель [3,4]. Это привело к таким экологическим проблемам, как ухудшение качества пахотных земель [5,6], серьезно влияя на безопасность сельскохозяйственной продукции и устойчивое использование ресурсов пахотных земель [7,8], что противоречит философии зеленого и низкоуглеродного развития Китая.

Юго-западный карстовый регион, как типичный экологически хрупкий район Китая, сталкивается с экономической отсталостью и значительным оттоком рабочей силы, что делает его ключевой зоной для изучения взаимосвязи между мобильностью сельской рабочей силы (RLM) и эффективностью экологически чистого использования пахотных земель (CLGUE). Для региона были характерны широко распространенные карстовые формы рельефа, скудные почвенные слои и пересеченная местность, а также ограниченные и разрозненные пахотные земли, что приводило к нестабильной урожайности сельскохозяйственных культур и низким доходам фермеров, что усугубляло миграцию рабочей силы в неаграрные сектора. В условиях быстрой урбанизации произошел значительный отток качественной рабочей силы, особенно среди молодых мужчин с более высоким уровнем образования. Доля занятости в сельском хозяйстве снизилась с 63,92% в 2000 году до 34,17% в 2022 году, что отражает сдвиг в распределении рабочей силы. Это привело к заметным изменениям в структуре посевов: площадь посевов продовольственных культур сократилась с 19,06% до 15,21%, подчеркивая значительные различия по сравнению с основными зернопроизводящими регионами. Эта тенденция «незерновой» ориентации также поднимает потенциальные экологические проблемы. В ответ на проблемы использования пахотных земель местные власти активно внедряли различные политики, включая предоставление субсидий фермерам, применяющим экологически чистые методы ведения сельского хозяйства, продвижение проектов консолидации земель и укрепление сельскохозяйственной инфраструктуры. Однако из-за уникальной географической среды региона эти политики сталкивались с многочисленными трудностями при реализации. Например, усилия по экологическому восстановлению продвигались медленно, а внедрение сельскохозяйственных производственных технологий сталкивалось с серьезными препятствиями, что приводило к медленному улучшению качества земель. Поэтому прояснение воздействия и механизма влияния RLM на CLGUE имело важное руководящее значение для достижения стабильного сельскохозяйственного производства, роста доходов и устойчивого использования пахотных земель.

Академические исследования широко изучали связь между RLM и CLGUE. Существующие исследования в основном включают следующие точки зрения: Во-первых, некоторые пессимистично настроенные ученые считали, что RLM подавляет CLGUE. Например, Lei и др. (2023) [9] использовали модель SBM сверхэффективности с точки зрения «затраты-выпуск» и фиксированную модель для измерения эффективности зеленого сельскохозяйственного производства Китая и влияния на него перетока сельской рабочей силы. Они обнаружили, что это приводило к «слепым» или «нерациональным» сельскохозяйственным затратам, что оказывало негативное влияние на CLGUE. Zhang и др. (2023) [10] отметили, что по мере непрерывного перехода сельской рабочей силы в неаграрные сектора сельскохозяйственное производство с трудом поддерживало традиционную модель земледелия, основанную на тщательной обработке и экономии ресурсов. В результате фермеры вкладывали большие, часто чрезмерные средства в химические сельскохозяйственные ресурсы, чтобы стабилизировать продуктивность пахотных земель и свой уровень жизни. В конечном итоге это приводило к загрязнению экологической среды пахотных земель, и эта ситуация была вредна для CLGUE [11]. Во-вторых, некоторые оптимистично настроенные ученые полагали, что RLM способствует CLGUE. Например, Alan (2019) [12] проанализировал прошлую экономическую литературу с более надежной статистической идентификацией и предположил, что миграция в неаграрные сектора позволяла домохозяйствам получать более высокий доход, стимулируя инвестиции в сельскохозяйственное производство и, таким образом, эффективно повышая производительность труда и использование земель. В-третьих, некоторые ученые считают, что существует нелинейная взаимосвязь между RLM и CLGUE. Например, Zhao и др. (2021) [13] использовали панельные данные и модель фиксированных эффектов со стандартной ошибкой Driscoll и Kraay для выявления устойчивой U-образной зависимости между мобильностью сельской рабочей силы и эффективностью использования земель, которая первоначально снижалась, а затем повышалась. Кроме того, влияние RLM на CLGUE также зависело от различных факторов, таких как методы ведения сельского хозяйства, ресурсы домохозяйства и топографические условия [14,15,16].

В изучении влияния RLM на CLGUE был достигнут значительный прогресс, но все еще существуют следующие ограничения, сдерживающие более глубокое развитие этой области: (i) Что касается объектов исследования, существующие исследования часто фокусировались на национальном уровне или равнинных регионах [17,18], в то время как исследований по юго-западному карстовому региону, экологически хрупкому району, было критически мало. Уникальность этого региона вызывала сомнения в применимости существующих выводов относительно экологически чистого использования пахотных земель. (ii) Что касается исследовательских показателей, текущие исследования в основном измеряли CLGUE с точки зрения «затраты-выпуск», что приводило к относительно узкому фокусу [9,19]. Им не хватало комплексного учета аспектов производства, жизни и экологии, что не позволяет точно раскрыть фактический уровень эффективности использования пахотных земель в контексте зеленого и низкоуглеродного развития. (iii) С точки зрения анализа механизмов, существующие исследования в основном изучали прямые эффекты RLM на CLGUE [13], и потенциальные механизмы воздействия все еще требуют большего прояснения и интерпретации.

В ответ на указанные пробелы, конкретными целями данного исследования были следующие: (i) Учитывая ограничения предыдущих исследований, данная работа была специально сфокусирована на карстовом регионе юго-западного Китая, используя набор данных выборочного обследования 6219 домохозяйств с 2019 по 2021 год. Она предлагала углубленный анализ влияния RLM на CLGUE, тем самым заполняя значительный пробел в литературе для этого региона. (ii) С точки зрения измерительных показателей, исследование приняло домохозяйство в качестве основной единицы анализа, комплексно оценивая CLGUE с точки зрения производства, жизни и экологии. Этот подход предоставлял более полный и научный метод оценки экологически чистого использования земель. (iii) На основе модели двусторонних фиксированных эффектов, исследование изучало прямые эффекты RLM на CLGUE. Дополнительно, применяя модель эффектов посредничества и используя переменные структуры посевов, оно дальнейшим образом проясняло их основные механизмы, устраняя недостатки предыдущих исследований в отношении механизмов воздействия. Учитывая эти выводы, были предложены целевые рекомендации для продвижения эффективности экологически чистого использования пахотных земель.

2.1. Источники данных

Учитывая, что карстовый регион юго-западного Китая служит зоной экспорта рабочей силы для сотрудничества «восток-запад», необходимо сосредоточиться на неаграрной миграции рабочей силы. Поэтому в данном исследовании использовались данные обследования «Социально-экономическое обследование сельских районов карстового региона Китая (CKRS)» 2019 года, проведенного Гуйчжоуским университетом в Гуйчжоу, Китай, которое было направлено на предоставление всестороннего обзора сельскохозяйственного прогресса, экономических изменений и экологических условий в карстовых районах. CKRS использовал трехэтапный метод выборки, обеспечивая широкий охват и репрезентативность. Анализ был сосредоточен на пяти типичных регионах в Гуйчжоу, Юньнани, Гуанси, Сычуани и Чунцине, где карстовые формы рельефа превышают 30%. Дополнительно, последующие исследования в июле 2020 и июле 2021 годов были проведены для сбора данных обследования и устранения пропущенных ключевых вопросов за 2019 год, повышая точность данных.

Мы приняли систематический подход к очистке данных для данных обследования, собранных с 2019 по 2021 год, которые служили нашей начальной выборкой. Подробные шаги очистки данных были следующими: (i) Удаление недействительных анкет: Мы исключили любые анкеты, признанные недействительными. (ii) Удаление образцов с пропущенными переменными исследования: Образцы с пропущенными переменными, относящимися к нашему исследованию, были удалены. (iii) Синтез панельных данных: Трехлетние образцы были интегрированы в единый панельный набор данных. (iv) Образцы с пропущенными переменными, связанными с исследованием, были удалены.

2.2. Обзор экспериментального района

Район исследования охватывал 52 города и префектуры в провинциях Гуйчжоу, Юньнань, Гуанси, Сычуань и Чунцин, простираясь между долготами 97,31° в.д. и 112,03° в.д. и широтами 21,10° с.ш. и 34,20° с.ш. (Рисунок 1). Карстовый регион юго-западного Китая, как типичный экологически хрупкий район, характеризуется ограниченными и низкокачественными пахотными землями и недостаточной способностью к росту сельскохозяйственных доходов. В этом контексте наблюдалась растущая тенденция миграции сельской рабочей силы в неаграрные сектора, что приводило к увеличению оттока рабочей силы из сельского хозяйства. Эта мобильность сельской рабочей силы (RLM) оказывает заметное влияние на экологическую среду. С одной стороны, потеря рабочей силы может привести к забрасыванию и неправильному управлению пахотными землями, усугубляя деградацию земель и ухудшение состояния окружающей среды. С другой стороны, смещение в сторону «незернового» земледелия из-за RLM может побудить фермеров отдавать предпочтение товарным культурам перед продовольственными. Хотя этот переход может дать краткосрочную экономическую выгоду, он может негативно повлиять на длительную эффективность экологически чистого использования пахотных земель (CLGUE) и привести к экологическому дисбалансу. Таким образом, взаимосвязь между RLM и CLGUE является сложной и взаимосвязанной, что требует изучения динамики между их факторами.

Рисунок 1. Карта района исследования.

Согласно характеристикам распределения, действительные образцы были распределены следующим образом: Гуйчжоу (23,64%), Юньнань (20,21%), Гуанси (22,05%), Сычуань (18,57%) и Чунцин (15,53%). Основные характеристики домохозяйств выборки указывали на то, что средний возраст главы домохозяйства составлял в основном 55–56 лет, уровень образования главы домохозяйства был в основном ниже неполной средней школы, а процент домохозяйств, занятых подсобной работой, составлял 35,07%. Что касается основных характеристик обрабатываемых земельных участков, 37,86% домохозяйств имели менее 2 му пахотных земель, и 65,73% обрабатываемых участков имели горный или террасный рельеф. В целом, район выборки сталкивался со старением и сокращением сельской рабочей силы и высоким уровнем совместительства. Фрагментированный рельеф и опустынивание почв представляли собой серьезные проблемы для экологически чистого использования пахотных земель. Следовательно, характеристики фермеров и их земельных угодий отражали реальность юго-западного карстового региона, что делало выборку репрезентативной, а данные надежными.

2.3. Теория и гипотеза

Когда происходит RLM, это может напрямую влиять на CLGUE. Быстрое развитие урбанизации привлекло значительное количество сельских рабочих к миграции, побуждая фермеров значительно увеличивать вложение химических сельскохозяйственных ресурсов для компенсации нехватки сельскохозяйственной рабочей силы. Это не только увеличивало выбросы углерода в сельском хозяйстве, но и усугубляло загрязнение из неточечных источников, тем самым нанося ущерб экологической среде и напрямую вредя CLGUE. Более того, оставшаяся сельская рабочая сила, как правило, была старше, преимущественно женской, с более низким уровнем образования. Их ограниченное восприятие зеленых низкоуглеродных производственных технологий сдерживало рост урожайности культур и доходов фермеров, что было вредно для защиты экологической среды и косвенно препятствовало улучшению CLGUE. Однако по мере продолжения RLM доходы домохозяйств фермеров значительно росли, предоставляя им больше средств для инвестиций в технологии сельскохозяйственной модернизации. Это делало выращивание культур более научным, а удобрение – более рациональным, тем самым эффективно повышая CLGUE. На основе этого анализа предлагается следующая гипотеза:

H1. Влияние RLM на CLGUE следует U-образной зависимости, изначально подавляя, а затем способствуя CLGUE.

С косвенной точки зрения, фермерские домохозяйства, как рациональные экономические агенты, учитывали масштабную мобильность сельской рабочей силы и доступность производственных факторов. Они корректировали структуру посевов своих культур, что, в свою очередь, влияло на CLGUE [20]. Реакция на эти корректировки была очевидна в трех основных областях: забрасывание пахотных земель, частота повторных посевов и доля выращиваемых культур. В отношении забрасывания пахотных земель, RLM может увеличить риск ухода фермеров из сельского хозяйства, побуждая их забрасывать принадлежащие им сельхозугодья и прекращать сельскохозяйственное производство. Однако в рамках политики устойчивого сельского хозяйства [21] оставление земли под паром способствовало восстановлению, улучшало плодородие почвы и укрепляло экологическое здоровье, в конечном итоге влияя на CLGUE.

Относительно частоты повторных посевов, домохозяйства с значительной RLM сокращали повторные посевы, чтобы справиться с нехваткой рабочей силы и сохранить стабильный доход [22]. В рамках устойчивого сельского хозяйства сокращение частоты повторных посевов способствовало облегчению производственного давления на землю, улучшению структуры почвы и снижению выбросов углерода и загрязнения из неточечных источников. Однако это также приводило к снижению урожайности культур и более низкому сельскохозяйственному выпуску, влияя на CLGUE.

Доля посевов культур оказывала три основных эффекта на CLGUE. Во-первых, уникальный рельеф района исследования ограничивал механизацию и затруднял крупномасштабное выращивание зерновых [23]. Во-вторых, по мере того как сельские рабочие-мигранты удовлетворяли основные потребности, домохозяйства отдавали предпочтение товарным культурам с высокими затратами и высокой отдачей для получения лучшей экономической отдачи [24]. В-третьих, поддерживающая политика Китая поощряла интеграцию сельского хозяйства и туризма, приводя к сдвигу в сторону «незерновой» структуры посевов [25,26]. Например, в 2020 году среднее потребление удобрений на му для основных зерновых культур составляло 25,49 кг по сравнению с 47,23 кг для овощей — в 1,85 раза выше. Короче говоря, в то время как «незерновые» культуры увеличили среднюю чистую прибыль с сельскохозяйственных земель и улучшили уровень жизни, они также привели к более высоким выбросам углерода и сельскохозяйственному загрязнению из неточечных источников, снижая экологическое качество и в конечном итоге влияя на CLGUE [27,28]. На основе приведенного выше анализа в данном исследовании были предложены следующие исследовательские гипотезы:

H2. RLM косвенно влияет на CLGUE, способствуя забрасыванию пахотных земель.

H3. RLM косвенно влияет на CLGUE, снижая частоту повторных посевов.

H4. RLM косвенно влияет на CLGUE через переход к «незерновой» структуре посевов.

В целом, влияние RLM на CLGUE в карстовом регионе юго-западного Китая формируется как прямыми, так и косвенными эффектами (Рисунок 2). Такие факторы, как забрасывание земель, снижение частоты повторных посевов и смещение в сторону «незерновой» структуры посевов, взаимодействуют с прямыми эффектами, совместно влияя на общий результат для CLGUE.

Рисунок 2. Диаграмма механизмов воздействия RLM на CLGUE.

2.4. Выбор переменных

2.4.1. Зависимая переменная

На фоне комплексного внедрения зеленого развития сельского хозяйства и постоянного продвижения сельскохозяйственной модернизации CLGUE стал необходимым элементом для содействия устойчивому развитию сельских районов и достижения модернизации Китая. Основываясь на «Классификации текущего землепользования» [29], в данной статье под пахотными землями понимаются пашни, сады и лесные угодья для выращивания таких культур, как зерновые, овощи и фрукты. Ссылаясь на результаты исследований He и др. (2022) и Yu и др. (2020) [30,31], данное исследование считает, что CLGUE относится к принятию экологически чистых методов земледелия и сельскохозяйственных производственных технологий, которые повышают производственные возможности и уровень жизни фермеров, одновременно снижая загрязнение экологической среды. Акцент делается на повышении эффективности экологически чистого использования пахотных земель, достижении гармоничной интеграции «производства, жизни и экологии» в использовании пахотных земель.

Основываясь на концепции и цели развития экологически чистого использования пахотных земель, в данном исследовании в качестве зависимой переменной была выбрана CLGUE (Таблица 1). Соблюдая принцип построения системы показателей, данная статья построила систему показателей оценки CLGUE для карстового региона юго-западного Китая по трем измерениям: производство, жизнь и экология. Оценивая эффективность каждого измерения, политики могут выявлять успешные практики и недостатки в продвижении зеленого сельского хозяйства, тем самым оптимизируя распределение ресурсов и повышая устойчивость сельского хозяйства. Измерение производства подчеркивает повышение эффективности выпуска с пахотных земель, в то время как измерение жизни фокусируется на влиянии сельскохозяйственного производства на качество жизни местных жителей. Измерение экологии касается устойчивости землепользования по отношению к окружающей среде [32,33]. Эти три измерения взаимодействуют и влияют друг на друга. Производственная деятельность опирается на здоровую экологическую среду для поддержки; развитие производства обеспечивает экономическую основу для повышения уровня жизни; а повышение уровня жизни способствует большему вниманию к экологической защите, таким образом формируя позитивный цикл. Чтобы лучше понять взаимодействие между этими измерениями, данное исследование приняло комбинацию экспертного субъективного взвешивания и объективного взвешивания по стандартному отклонению для измерения весов показателей [34,35] и рассчитало значение CLGUE, используя метод линейного взвешенного суммирования. Для интеграции мнений экспертов сначала приглашаются соответствующие эксперты для оценки важности каждого показателя. Затем проводится статистический анализ экспертных оценок с использованием коэффициента альфа Кронбаха для проверки согласованности экспертных оценок, обеспечивая высокую надежность результатов оценки. Наконец, применяется метод объективного взвешивания по стандартному отклонению для определения весов на основе дисперсии данных каждого показателя.

Конкретно, измерение производства характеризовалось такими показателями, как валовая стоимость сельскохозяйственной продукции на единицу пахотных земель (P1) и посевная площадь на душу населения (P2). P1 измерялся как валовая стоимость сельскохозяйственной продукции на площадь пахотных земель, показывая производственный потенциал пахотных земель. P2 представлял собой отношение общей посевной площади к сельскохозяйственной рабочей силе домохозяйства, отражая распределение ресурсов сельскохозяйственных земель среди сельскохозяйственного населения.

Измерение жизни характеризовалось такими показателями, как средняя чистая прибыль с сельскохозяйственных земель (L1) и продовольственное обеспечение на душу населения (L2). L1 рассчитывался как отношение общей сельскохозяйственной прибыли к площади пахотных земель, отражая влияние экономического дохода, полученного от пахотных земель, на средства к существованию фермеров. L2 представлял собой отношение выпуска трех основных культур (пшеницы, риса и кукурузы) к общему размеру домохозяйства, демонстрируя способность обеспечения средств к существованию для жителей региона.

Измерение экологии характеризовалось такими показателями, как чистая интенсивность выбросов углерода (E1) и загрязнение из неточечных источников (E2). E1 представлял собой отношение чистых выбросов углерода в сельском хозяйстве (разница между выбросами углерода в сельском хозяйстве и секвестрацией углерода в сельском хозяйстве) к общей площади пахотных земель. Он представлял оставшиеся выбросы углерода после компенсации выбросов и поглощения диоксида углерода, происходящих на единицу пахотных земель в процессе их использования. Он может интуитивно отражать баланс углеродных поступлений и расходов для каждого акра пахотных земель в процессе их использования. В контексте глобального изменения климата контроль выбросов углерода в сельском хозяйстве и увеличение поглотителей углерода являются ключевыми мерами для достижения устойчивого развития. Следовательно, E1 играет ключевую роль в оценке экологических выгод CLGUE. Общие выбросы углерода в основном включали выбросы углерода от затрат сельскохозяйственных материалов, обработки почвы и метана с рисовых полей. Из них выбросы углерода от затрат сельскохозяйственных материалов были вызваны использованием фермерами удобрений, пестицидов, мульчирующей пленки и сельскохозяйственного дизельного топлива в сельскохозяйственном производстве. Выбросы углерода от обработки почвы относились к высвобождению органического углерода, хранящегося в почве, во время вспашки перед посевом. А выбросы углерода от метана с рисовых полей были вызваны преобразованием органического вещества корней растений в CH4 на растущем рисе. Расчет общих выбросов углерода показан в Уравнении (1). Сельскохозяйственная секвестрация углерода относилась к общему количеству поглотителя углерода при возделывании сельскохозяйственных культур (включая рис, кукурузу, пшеницу, соевые бобы и картофель) к общей площади пахотных земель. Метод расчета описан в Уравнении (2). E2 в основном происходил от потерь азота и фосфора из удобрений, потерь пестицидов и остатков мульчирующей пленки. Эти загрязнители не только влияют на качество воды, но и представляют угрозу для биоразнообразия. Поэтому выбор E2 в качестве ключевого показателя помогает комплексно оценить влияние сельского хозяйства на экологическую среду.

где CE — общие выбросы углерода с пахотных земель домохозяйства; ci обозначал выбросы углерода от источника углерода i; ei — общий вклад от источника углерода i; и εi — коэффициент выбросов углерода источника углерода i. Ссылаясь на Национальную лабораторию Ок-Ридж (ORNL), Межправительственную группу экспертов по изменению климата (МГЭИК) и соответствующую литературу [36], мы использовали соответствующие коэффициенты выбросов углерода для удобрений, пестицидов, мульчирующих пленок и сельскохозяйственного дизельного топлива, которые составляли 0,8956 кг CE/кг, 4,9341 кг CE/кг, 5,18 кг CE/кг и 0,5927 кг CE/кг соответственно. Коэффициент выбросов углерода для обработки почвы составлял 312,6 кг CE/км², а коэффициент выбросов углерода для риса составлял 3,136 г CE/(м²·день). В загрязнении из неточечных источников потери азота и фосфора относятся к интенсивностям азота и фосфора азотных удобрений, фосфорных удобрений и комплексных удобрений.

где CS представлял поглотитель углерода возделываемых культур; n представлял типы выращиваемых культур; CS_n — поглощение углерода n-й культурой; δ_n — коэффициент содержания углерода; Q_n — урожайность; w_n — коэффициент влажности; H_n — экономический коэффициент n-й культуры. Коэффициенты в основном взяты из Xiong и др. [37]. Мы сослались на Zhang и др. [38] и установили потери пестицидов и остатки мульчирующей пленки на уровне 50% и 10% соответственно.

Таблица 1. Система показателей оценки CLGUE.

2.4.2. Независимые переменные

Чтобы обеспечить научную обоснованность и осуществимость данных данного исследования, мы выбрали RLM в качестве независимой переменной, которая относилась к трансформации рабочей силы из сельскохозяйственного производства в несельскохозяйственное производство. Она была представлена соотношением рабочих-мигрантов к общей рабочей силе домохозяйства. Следует отметить, что общая рабочая сила домохозяйства относится к количеству членов домохозяйства в возрасте 16 лет и старше, не посещающих школу и способных работать. Выбор этих критериев был основан на том факте, что лица в возрасте 16 лет и старше, как правило, обладают трудоспособностью и не учатся, что позволяет им участвовать в работе. Этот акцент на трудоспособных членах повышает надежность данных, исключая влияние лиц без трудоспособности. Дополнительно, выбор членов с трудоспособностью обеспечивал надежность данных и исключал влияние лиц без трудоспособности на статистику рабочей силы. Сбор данных мог быть смещен из-за неполной информации о выездной рабочей силе и неточностей в отчетности семьи. Чтобы смягчить это, исследование использовало обследования, полевые интервью и сотрудничество с местным правительством и сельскими комитетами для обеспечения всесторонних и точных данных. Дополнительно, проводилась перекрестная проверка для уменьшения потенциальных смещений.

2.4.3. Переменные-посредники

В данном исследовании забрасывание пахотных земель, частота повторных посевов и доля выращиваемых культур были выбраны в качестве опосредующих переменных для демонстрации корректировки структуры посевов домохозяйствами. Забрасывание пахотных земель было представлено показателем нулевой посевной площади. Если фермер не сажал никаких культур в течение года (примерно два сезона посадки), можно было сделать вывод, что он забросил возделывание. Частота повторных посевов в некоторой степени измеряла изменения в поведении фермеров, представленная отношением общей посевной площади к площади пахотных земель. Большее соотношение указывало на более высокую частоту повторных посевов, предполагая, что фермеры более активно используют земельные ресурсы. Доля выращиваемых культур характеризовалась отношением посевной площади под зерновые культуры к общей посевной площади, причем более низкое соотношение указывало на более «незерновую» структуру посевов.

Стоит отметить, что изменения в структуре посевов также находились под влиянием таких факторов, как рыночный спрос, политическое поощрение или повышенные ожидания доходности. В анализе использовалась модель двусторонних фиксированных эффектов для контроля индивидуальных и временных эффектов, связанных с политиками и рынками, а также рельеф, а также личные и семейные характеристики фермеров были включены в качестве контрольных переменных. Этот подход обеспечивал точность результатов исследования, устраняя влияние этих факторов на взаимосвязь между частотой повторных посевов и другими переменными.

2.4.4. Контрольные переменные

Добавление контрольных переменных было эффективной стратегией для смягчения проблем эндогенности, вызванных пропуском ключевых переменных. Основываясь на теоретическом анализе, полевых исследованиях и предыдущих исследованиях (Lu и др., 2020; Tang & Chen, 2022) [41,42], данная статья выбрала индивидуальные характеристики и характеристики домохозяйства в качестве контрольных переменных, потенциально влияющих на CLGUE. Как правило, глава домохозяйства служил основным лицом, принимающим решения, и оказывал существенное влияние на CLGUE участка. Следовательно, было необходимо учитывать переменные личных характеристик главы домохозяйства, в основном включающие пол, годы образования и возраст домовладельца. Во-первых, что касается пола домовладельца. Различия в возможностях, связанных с ресурсами и образованием, из-за традиционных убеждений приводили к разному отношению к CLGUE в зависимости от пола. Во-вторых, что касается лет образования домовладельца, более высокий уровень образования коррелировал с лучшим пониманием устойчивого сельского хозяйства и экологических практик, повышая адаптивность к новым методам и влияя на CLGUE. В-третьих, что касается возраста домовладельца, более старшие главы домохозяйств привносили больше опыта и были склонны к консервативному принятию решений, в то время как более молодые главы были более открыты для новых технологий, по-разному влияя на CLGUE.

Семейные характеристики фермеров в основном проявляли материальные и нематериальные ресурсы семьи фермера в CLGUE, включая размер домохозяйства, доход домохозяйства, часы сельскохозяйственного труда и фрагментацию рельефа. Во-первых, что касается размера домохозяйства, он в основном представлен общим количеством членов семьи. Более крупные домохозяйства, как правило, требовали более высокой урожайности культур, что приводило к повышенному использованию земель, но также рисковало чрезмерным возделыванием, влияя на CLGUE. Во-вторых, что касается дохода семьи, домохозяйства с высоким годовым доходом на душу населения могли быть более готовы вкладывать средства в сельскохозяйственное производство и строительство зеленых пахотных земель для улучшения плодородия почвы, таким образом влияя на CLGUE. В-третьих, что касается часов сельскохозяйственного труда, увеличение часов сельскохозяйственного труда указывало на то, что фермеры могли выделять больше времени и ресурсов для эффективного управления своей землей. Это позволяло своевременно выявлять потенциальные проблемы, что положительно влияло на CLGUE. В-четвертых, что касается фрагментации рельефа, высокая фрагментация пахотных земель означала, что фермы были разбросаны, требуя от фермеров тратить больше времени на перемещение между различными участками. Это увеличивало операционные и управленческие сложности, а также трудность механизации, тем самым влияя на CLGUE. Значение и описательная статистика переменных представлены в Таблице 2.

Таблица 2. Значение переменных и описательная статистика.

2.5. Выбор модели

2.5.1. Эталонная модель

Учитывая различия в политиках, институциональных аспектах и модальностях производственной организации, связанных с RLM и CLGUE, в различных уездах, эти различия представляли ненаблюдаемые индивидуальные черты, которые могли нарушить результаты исследования. При отсутствии надлежащего контроля такие расхождения могли привести к ошибкам оценки. Чтобы устранить эти потенциальные смешивающие факторы, данное исследование использовало модель двусторонних фиксированных эффектов. Эта модель была способна одновременно контролировать фиксированные эффекты как в индивидуальном (региональном), так и во временном измерениях, тем самым обеспечивая более комплексный контроль региональных характеристик, которые не меняются со временем, и временных тенденций, которые не меняются в различных регионах. Используя фиксированные эффекты, это исследование обеспечило эффективный контроль ненаблюдаемой неоднородности, тем самым снижая риск смещения в результатах. Этот подход повышал точность оценки причинного эффекта RLM на CLGUE. Эталонная модель была установлена следующим образом:

Дополнительно, основываясь на подтверждающей литературе и эмпирических наблюдениях из соответствующей области, предполагалось, что RLM может изначально привести к снижению CLGUE, но по мере дальнейшего увеличения трансфера CLGUE может постепенно улучшаться, образуя U-образную зависимость. Таким образом, данное исследование включило квадратичный член мобильности сельской рабочей силы, чтобы изучить, существует ли нелинейная зависимость между RLM и CLGUE в регрессионной модели. Модель была следующей:

В уравнениях (2) и (3) i, j и t представляли домохозяйство, район и год соответственно; CLGUE означал значение экологически чистого использования пахотных земель. Labor представлял мобильность сельской рабочей силы; Labor2 представлял квадратичный член мобильности сельской рабочей силы; X_ijt была контрольной переменной на уровне семьи; Z_jt была контрольной переменной на уровне района. γ_i обозначал фиксированные эффекты домохозяйства (время × регион); μ_t обозначал фиксированные временные эффекты домохозяйства; и ε_ijt был случайным членом возмущения.

Дополнительно, для решения потенциальных проблем эндогенности, данное исследование выбрало подходящие инструментальные переменные для тестирования эндогенности, эффективно смягчая влияние эндогенности на результаты оценки и обеспечивая согласованность и валидность оценок модели. В отношении проверки устойчивости использовались такие методы, как замена переменных, замена стандартной ошибки и изменения размера выборки для дальнейшей проверки надежности результатов исследования. Благодаря этим комплексным диагностикам модели, тестам на эндогенность и проверкам устойчивости, надежность модели и устойчивость результатов исследования были обеспечены, предоставляя прочную основу для изучения влияния RLM на CLGUE и значительно повышая достоверность выводов исследования.

2.5.2. Модель тестирования механизма

Основываясь на результатах исследований Baron & Kenny [43], данное исследование построило следующую модель для проверки механизма воздействия корректировки структуры посевов, влияющей на CLGUE, на RLM.

В формуле Plant была опосредующей переменной, включая забрасывание пахотных земель, частоту повторных посевов и долю выращиваемых культур. Интерпретация оставшихся переменных была согласована с предыдущей формулой. Уравнение (4) представляет общий эффект RLM на CLGUE, Уравнение (5) представляет косвенный эффект RLM на структуру посевов, а Уравнение (6) представляет прямой эффект структуры посевов на CLGUE. δ_2 β_1 был результатом теста механизма, который можно было получить, подставив Уравнение (5) в Уравнение (6). Если δ_1 и δ_2 β_1 были либо положительными, либо отрицательными, это означало, что корректировка структуры посевов играла опосредующую роль в анализе механизма. Напротив, это подразумевало, что корректировка структуры посевов имела маскирующий эффект.

Дополнительно, хотя может существовать обратная причинно-следственная связь между изменениями в структуре посевов и RLM, наш дизайн модели и эмпирический анализ учли потенциальное влияние этого фактора. Мы также выявили возможные смешивающие факторы, которые могут повлиять на эти взаимосвязи, и уменьшили их вмешательство с помощью контрольных переменных, тем самым повышая достоверность наших исследовательских выводов.

3.1. Анализ результатов

В данном исследовании сначала были рассчитаны значения CLGUE в карстовом регионе юго-западного Китая за 2019–2021 годы. Среднее значение составило 35,83. С точки зрения распределения, CLGUE в целом демонстрировал характеристику нормального распределения, с наибольшей концентрацией в диапазоне 32,00–38,00 около среднего. Напротив, диапазоны 5,00–22,00 и 56,00–70,00 были далеки от среднего и отклонялись от основной области концентрации нормального распределения, что приводило к низкой вероятности возникновения лишь с отдельными точками данных. Деление интервалов, показанное на Рисунке 3, эффективно иллюстрирует кластеризацию и аномалии в данных. Дополнительно, за различные годы CLGUE показал общую тенденцию к увеличению, и значения эффективности постепенно приближались к стабильности.

Рисунок 3. Карта распределения CLGUE.

Четыре различные регрессионные модели были использованы для оценки влияния RLM на CLGUE, включая модель обычных наименьших квадратов (OLS), модель случайных эффектов (RE_robust), модель индивидуальных фиксированных эффектов (FE_robust) и модель двусторонних фиксированных эффектов (FE_TW). Результат F-теста был Prob > F = 0,0000, что опровергало первоначальную гипотезу об использовании OLS. Более того, результаты теста Хаусмана (Таблица 3) показали, что Prob > chi2 = 0,0000 < 0,01, что указывало на отказ от использования RE_robust. Потенциальным ограничением модели RE_robust было то, что ее предположение о случайных эффектах могло недостаточно адекватно улавливать неоднородность индивидуальных характеристик, что требовало выбора модели фиксированных эффектов для панельных данных. Затем, учитывая, что временной эффект может уловить изменяющиеся во времени факторы, которые могут повлиять на CLGUE, такие как изменения политики, экономическое развитие и климатические условия, были включены фиктивные переменные по годам для оценки наличия временного эффекта. Результаты указали, что p < 0,01, что привело к отклонению нулевой гипотезы об отсутствии временного эффекта. Следовательно, FE_TW был в конечном итоге выбран в качестве оптимальной модели для базовой регрессии.

Таблица 3. Тест Хаусмана.

Согласно столбцам (5) и (6) в Таблице 4, результаты регрессии с контролем индивидуальных и годовых фиксированных эффектов были согласованы с результатами с контролем индивидуальных и годовых × уездных фиксированных эффектов. Поэтому данное исследование выбрало анализ результатов из столбца (6). Эмпирические результаты показали, что коэффициенты RLM и его квадратичного члена составляли -0,015 и 0,004, и оба были значимы на уровне 1% соответственно. Это предполагало, что влияние RLM на CLGUE было нелинейным, демонстрируя U-образную зависимость с первоначальным снижением, за которым следовало увеличение. Точка перегиба функции составляла 1,88%, что указывало на то, что RLM эффективно повышал CLGUE для большинства домохозяйств. Этот вывод был несколько похож на результаты Zou и др. (2022), которые показали, что RLM имел U-образную тенденцию в CLGUE на национальном уровне, а также в западных и северо-восточных регионах, показывая отрицательное воздействие изначально, за которым следовало положительное [44]. Дополнительно, Chen и др. (2022) также отметили нелинейное влияние на устойчивую интенсификацию пахотных земель, укрепляя идею этой универсальности эффектов [45]. Возможные причины были: i) Из-за значительной миграции сельской рабочей силы трудовые ресурсы в сельскохозяйственном производстве становились все более дефицитными. В результате тенденция к тому, что цены на рабочую силу остаются ниже, чем на такие факторы капитала, как техника и удобрения, не была значительной [46]. Следовательно, фермеры были более склонны внедрять передовые сельскохозяйственные технологии и оборудование для замены рабочей силы, стремясь повысить производительность труда и, как следствие, улучшить CLGUE. ii) RLM также увеличивал общий доход фермеров, позволяя им инвестировать больше средств в сельскохозяйственное производство и улучшать сельскохозяйственную инфраструктуру и оборудование, тем самым эффективно повышая CLGUE.

Таблица 4. Эмпирические результаты базовой регрессии.

Конкретно, согласно Таблице 5, коэффициенты влияния RLM на CLGUE в аспектах производства, жизни и экологии составляли -0,0024, -0,0118 и -0,0007 соответственно. Эти коэффициенты были значимы на уровнях 5%, 1% и 10%. Дополнительно, квадратичные члены RLM были все значимы на уровне 1%. Это указывало на то, что RLM оказывал наиболее значительное и глубокое влияние на аспект жизни, умеренное влияние на аспект производства и более слабое и менее значительное влияние на аспект экологии. Это явление могло быть связано с несколькими возможными причинами. На начальном этапе RLM наблюдалось снижение посевной площади на душу населения и продовольственной безопасности на душу населения, что приводило к снижению как производственных, так и жизненных стандартов. Дополнительно, фермеры, как правило, полагались на химические затраты для замены рабочей силы, что приводило к снижению экологических стандартов и, в конечном итоге, снижению CLGUE. Однако по мере продолжения неаграрного перетока рабочей силы, совершенствования современных сельскохозяйственных технологий и методов, а также постепенного перехода производственных и управленческих практик к масштабированию и социализации, это значительно повышало как производственные, так и жизненные стандарты, одновременно снижая выбросы углерода и другое загрязнение окружающей среды, тем самым улучшая экологические стандарты и эффективно увеличивая CLGUE. Стоит отметить, что влияние RLM на экологический аспект CLGUE было самым слабым, возможно, из-за запаздывания в улучшении окружающей среды. Хотя передовые экологические технологии были приняты, заметное восстановление экосистемы требовало времени. Напротив, улучшения в производственных и жизненных стандартах могли быть достигнуты быстро с помощью краткосрочных технологических и управленческих изменений, в результате чего экологические улучшения отставали от условий производства и жизни.

Таблица 5. Результаты регрессии для разных измерений CLGUE.

Среди контрольных переменных особое внимание уделялось общему влиянию каждой контрольной переменной на CLGUE (Таблица 4). Коэффициент влияния лет образования домовладельца составлял 0,141, с уровнем значимости 5%, показывая, что чем более образованными были домохозяйства, тем выше был CLGUE. В соответствии с результатами данного исследования, Pei и др. (2024) обнаружили, что доля населения с высшим образованием и выше положительно влияла на CLGUE [47]. Это могло быть связано с тем, что образование сильно коррелирует со способностью различать и понимать информацию. Прежде всего, высокообразованные домохозяйства с большей вероятностью понимали и принимали соответствующую экологическую информацию и концепции, выпускаемые правительственными ведомствами или СМИ. Во-вторых, они также были более склонны принимать различные меры для смягчения воздействия разрушения земель (например, сокращение использования химических удобрений в сельскохозяйственных материалах или, по возможности, посадка культур в севообороте с паром). В результате годы образования домовладельца положительно влияли на CLGUE.

Коэффициент влияния дохода домохозяйства составлял 0,901 и прошел тест на значимость на уровне 1%, указывая на то, что увеличение дохода домохозяйства могло повысить CLGUE. Одной из основных причин этой проблемы могло быть то, что домохозяйства с более высокими доходами увеличивали инвестиции в сельскохозяйственное производство для снижения затрат на рабочую силу и повышения операционной эффективности, тем самым способствуя увеличению урожайности культур и улучшению дохода фермеров. Другой причиной было то, что эти домохозяйства были более готовы инвестировать в строительство органических пахотных земель и внедрять новые механические технологии для улучшения бесплодной почвы и затем достижения CLGUE.

На уровне значимости 1% часы сельскохозяйственного труда положительно влияли на CLGUE с коэффициентом корреляции 0,004. Это могло полностью отражать объем трудовых затрат в сельскохозяйственном производстве. Чем больше часов сельскохозяйственного труда, тем больше использовались традиционные методы земледелия, основанные на трудовых затратах. Этот традиционный режим требовал относительно меньших затрат таких производственных факторов, как удобрения и пестициды, что способствовало продвижению CLGUE.

3.2. Инструментальная оценка (IV)

При распределении рабочей силы домохозяйства решения относительно несельскохозяйственной занятости и экологически чистого использования пахотных земель домохозяйствами могли приниматься одновременно. Это могло привести к эндогенности переменной RLM при определении ее влияния на CLGUE. Хотя в данной статье контролировались эндогенные проблемы, которые могли быть вызваны пропущенными переменными, такими как год × уезд и индивиды, через модель фиксированных эффектов, все же было необходимо дальнейшим образом рассмотреть смещение в результатах оценки модели, вызванное их двунаправленной причинной связью. Исходя из этого, наше исследование предложило протестировать модель с использованием инструментальных переменных (IV) и двухэтапного метода наименьших квадратов (2SLS).

Выбранная IV должна соответствовать следующим требованиям: во-первых, она должна быть сильно коррелирована с эндогенной независимой переменной, а именно с RLM; во-вторых, она не должна оказывать прямого влияния на зависимую переменную, то есть на CLGUE; и в-третьих, она должна быть некоррелирована со случайными возмущениями. Поэтому, основываясь на существующем исследовании Qian и др. [48], данная статья намеревалась выбрать «мобильность рабочей силы других домохозяйств в том же диапазоне доходов в той же деревне» в качестве IV в модели. Дополнительно, ограничение исключения также было ключевым предположением для валидности инструментальной переменной. То есть, при выборе этой переменной в качестве IV было необходимо обеспечить, чтобы она влияла на CLGUE только через свое влияние на RLM. Причина выбора этой инструментальной переменной заключалась в том, что мобильность рабочей силы других домохозяйств в том же диапазоне доходов в той же деревне в основном предоставляла информацию о занятости и возможности домохозяйствам, рассматривающим RLM. Этот обмен информацией напрямую влиял на решение домохозяйств заниматься несельскохозяйственным трудом, таким образом влияя на RLM. Однако не было прямой причинно-следственной связи между этим потоком информации и решением домохозяйств о том, как использовать свои пахотные земли, то есть он не оказывал прямого влияния на CLGUE. В целом, данное исследование выбрало эту IV для построения моделей для проверки их экзогенности и валидности. Результаты оценки представлены в Таблице 6.

Таблица 6. Результаты IV-оценки.

Перед регрессией IV необходимо было проверить его валидность. Во-первых, поскольку количество эндогенных независимых переменных соответствовало количеству IV, тест на сверхидентификацию не требовался. Во-вторых, оценочный коэффициент на первом этапе был значим на уровне 1%, а F-значение теста на слабые IV составляло 3550,72 > 10, показывая, что IV был валиден. Судя по результатам регрессии, коэффициент соответствия IV для CLGUE составлял 0,983. Результат был согласован с предыдущим выводом базовой регрессии, и направление знака и уровень значимости коэффициента не изменились. Следовательно, U-образная зависимость между RLM и CLGUE сохранялась после контроля возможных проблем эндогенности, доказывая, что результаты исследования были устойчивы и что исследовательская гипотеза H1 была подтверждена.

С помощью IV-регрессии стало ясно, что влияние RLM на CLGUE показывает U-образную зависимость. Это указывало на то, что политики должны учитывать характеристики различных стадий RLM. На ранних стадиях меры должны смягчать негативное влияние на CLGUE, например, предоставляя сельскохозяйственное обучение и поощряя зеленые производственные методы. По мере увеличения перетока рабочей силы могут возникать положительные эффекты, позволяя политикам способствовать этому развитию, инвестируя в сельскохозяйственную инфраструктуру и используя возвращающиеся средства и технологии для улучшения устойчивого использования пахотных земель.

3.3. Проверки устойчивости

Чтобы дальнейшим образом подтвердить устойчивость базовой регрессии, данное исследование провело проверки устойчивости различными способами.

3.3.1. Замена переменной

Чтобы избежать ложных результатов из-за выбора конкретных переменных, данное исследование выбрало долю несельскохозяйственной занятости в общей занятости в качестве переменной-заместителя для RLM в соответствии с профессиональными характеристиками домохозяйств и провело проверку устойчивости. Эта альтернативная переменная отражала уровень участия фермеров в несельскохозяйственном секторе, эффективно улавливая основную концепцию RLM. С помощью этой переменной можно было более точно оценить влияние несельскохозяйственной занятости на RLM и его эффекты на CLGUE.

3.3.2. Замена стандартной ошибки

Базисная модель выбрала робастные стандартные ошибки для регрессии, что в наибольшей степени позволило избежать условной гетероскедастичности возмущающих членов в модели. Однако не хватало учета корреляции между домохозяйствами в одной деревне, которые могут мешать друг другу. Поэтому исследование решило применить кластеризацию для получения робастных стандартных ошибок с целью получения более точных оценок. Метод кластеризации не значительно изменил результаты, но улучшил статистическую надежность и выявил потенциальные смещения из-за междеревенских корреляций, приводя к более точным оценкам.

3.3.3. Изменения размера выборки

Большинство карстовых ландшафтов Китая сосредоточены в сплошных районах провинций Юньнань, Гуанси и Гуйчжоу, в то время как сравнительно небольшое количество распределено спорадически в Сычуани и Чунцине. Учитывая распределение карстовых ландшафтов, регионы в Юньнани, Гуйчжоу и Гуанси имели схожие географические и социально-экономические условия с пятью юго-западными провинциями. Таким образом, исследование скорректировало выборку с 6219 домохозяйств в пяти провинциях до 4098 домохозяйств в трех провинциях для проверки устойчивости. Это изменение позволило более точно уловить уникальное влияние карстового ландшафта на RLM, связанное с CLGUE, повышая репрезентативность выборки.

Основываясь на результатах регрессии проверки устойчивости в Таблице 7, было очевидно, что все модели демонстрировали валидность U-образной зависимости между RLM и CLGUE, и значимость не менялась очевидно. Это полностью указывало на то, что результаты регрессии базисной модели имели сильную устойчивость и что выводы были надежными.

Таблица 7. Результаты регрессии проверки устойчивости.

3.4. Анализ механизмов

Основываясь на теоретической аналитической структуре, изложенной в предыдущем разделе, данное исследование выбрало забрасывание пахотных земель, частоту повторных посевов и долю выращиваемых культур в качестве переменных механизма для дальнейшего раскрытия механизма влияния RLB на CLGUE. Конкретные результаты показаны в Таблице 8.

Таблица 8. Механизм влияния RLM на CLGUE.

Для результатов в столбцах (1)–(3), с забрасыванием пахотных земель в качестве переменной механизма для проверки, прямой эффект прошел тест на значимость на уровне 1% и показал положительное влияние. Однако косвенный эффект не является значимым, что означает, что забрасывание пахотных земель не опосредует влияние RLM на CLGUE. Этот вывод позволяет исследованию сосредоточиться на других влияющих факторах, таким образом предоставляя четкое направление для будущих исследований и избегая чрезмерного акцента на забрасывании пахотных земель. Поэтому гипотеза 2 о том, что RLM косвенно влияет на CLGUE, способствуя забрасыванию пахотных земель, не подтверждается.

Результаты в столбцах (4)–(6) представляли проверку переменной механизма с использованием частоты повторных посевов. Косвенные и прямые эффекты прошли тесты на значимость на уровнях 5% и 1% соответственно, указывая на наличие обоих эффектов. После включения переменной частоты повторных посевов RLM все еще оказывал значительное U-образное влияние на CLGUE. Тем не менее, коэффициент корреляции был снижен по сравнению со столбцом (4). Поскольку коэффициент косвенного эффекта (-0,088 × 0,027) и коэффициент прямого эффекта (-0,015) имели одинаковый знак, это указывало на то, что снижение частоты повторных посевов играло положительную посредническую роль в U-образном влиянии RLM на CLGUE. Посреднический эффект составлял 15,84% от общего эффекта. Таким образом, гипотеза 3 о том, что RLM косвенно влияет на CLGUE, снижая частоту повторных посевов, была подтверждена.

По мере увеличения доли RLM недостаточные затраты сельскохозяйственного труда и растущая стоимость сельскохозяйственной рабочей силы побуждали фермеров смягчать нехватку рабочей силы путем уменьшения посевной площади и снижения частоты повторных посевов. Снижение частоты повторных посевов имело несколько преимуществ. Во-первых, это позволяло почве иметь больше времени для отдыха, что было выгодно для сохранения и восстановления почвы, снижения выбросов углерода в сельском хозяйстве и загрязнения из неточечных источников. Во-вторых, это предоставляло фермерам возможности для севооборота, диверсифицируя типы выращиваемых культур и способствуя разнообразию сельскохозяйственной системы, тем самым повышая сельскохозяйственный выпуск. В-третьих, это позволяло лучше планировать и управлять пахотными землями, оптимизируя цикл посадки, что помогало повысить урожайность и качество культур. В конечном итоге, этот комплексный подход повышал CLGUE с точки зрения производства, жизни и экологии.

Результаты в столбцах (7)–(9) были проверены с долей выращиваемых культур, и косвенные и прямые эффекты прошли тесты на значимость на уровнях 5% и 1% соответственно, подтверждая, что эти эффекты существовали. После включения переменной доли выращиваемых культур RLM все еще оказывал значительное U-образное влияние на CLGUE. Косвенный эффект (-0,025× (-0,040)) и прямой эффект (-0,015) были разными, указывая на то, что доля выращиваемых культур оказывала маскирующий эффект на влияние RLM на CLGUE, и величина маскирующего эффекта составляла 0,067. Таким образом, соотношение посевов культур положительно влияло на U-образный эффект через переход к «незерновой» структуре посевов. Следовательно, гипотеза 4 о том, что RLM косвенно влияет на CLGUE через этот переход, была подтверждена.

С крупномасштабной миграцией сельской рабочей силы уровень доходов домохозяйств значительно возрос, и источники доходов показали тенденцию к диверсификации, что снизило зависимость домохозяйств от сельскохозяйственного дохода [49]. В этом контексте домохозяйства обычно выбирали выращивание зерновых культур с относительно простыми производственными процессами и меньшими затратами труда, и структура посевов имела тенденцию к «зерновой» ориентации [50,51]. Тем не менее, учитывая особые условия рельефа в карстовом регионе юго-западного Китая, трудность механизированного и крупномасштабного выращивания культур увеличилась. Более того, неаграрный переток рабочей силы увеличивал общий доход домохозяйств, приводя фермеров к большей склонности к получению более высокой экономической отдачи и проявляя более сильную готовность принимать риски. Они были более готовы выращивать товарные культуры с высокими затратами и высокой отдачей, что приводило к смещению в сторону «незерновой» структуры.

По сравнению со «зерновой» структурой, «незерновая» структура возделывания требовала больше затрат, таких как химические удобрения и пестициды, что увеличивало выбросы углерода и загрязнение из неточечных источников с пахотных земель, создавая проблемы для экологического сохранения. Однако «незерновая» структура адекватно удовлетворяла рыночный спрос и имела более высокую рыночную стоимость и потенциал прибыли. Дополнительно, она увеличивала разнообразие сельскохозяйственных культур, снижая риск снижения стоимости из-за колебаний цен на отдельную культуру, и улучшала использование земель. В конечном итоге, она оказывала положительное влияние на CLGUE.

В целом, эти выводы предоставляют важную информацию для будущего принятия сельскохозяйственных решений. Политики должны сосредоточиться на влиянии RLM на сельскохозяйственные структуры посевов, поощряя диверсифицированные и устойчивые практики посевов для балансирования экономической отдачи с экологической защитой, тем самым способствуя устойчивому развитию сельского хозяйства.

3.5. Анализ гетерогенности структуры RLM

В разделе 3.1 был сделан вывод, что RLM оказывает U-образное влияние на CLGUE. Этот раздел основывается на этой основе, фокусируясь на 6148 домохозяйствах с основной сельскохозяйственной рабочей силой. В нем дальнейшим образом исследуется влияние структурных изменений в сельской рабочей силе, таких как пол, возраст и уровень образования, на CLGUE. Анализируя дифференцированные механизмы различных компонентов рабочей силы в процессе CLGUE, цель состоит в том, чтобы предоставить точные доказательства для более целенаправленной трудовой политики и стратегий защиты пахотных земель. В Таблице 9 представлены выбранные переменные и их описательные результаты. Контрольные переменные остаются теми же.

Таблица 9. Значение переменных и статистические характеристики.

Результаты показаны в Таблице 10. С точки зрения пола, как группа фиктивных переменных «с преобладанием мужчин», так и «с преобладанием женщин» не оказывали значительного влияния на CLGUE. Следовательно, пол не стал решающим фактором в CLGUE.

Таблица 10. Результаты регрессии влияния изменений в структуре рабочей силы на CLGUE.

С точки зрения возраста, группа «старшего возраста» оказывала негативное влияние на CLGUE с уровнем значимости 5%. Это предполагало, что старшие сельскохозяйственные рабочие препятствуют улучшению GLGUE. Более того, Таблица 11 указывала на то, что негативное влияние на аспект жизни было значительным на уровне 5%, в то время как его влияние на аспекты производства и экологии не было значительным. Это указывало на то, что старение в основном влияло на CLGUE через условия жизни фермеров, с ограниченным влиянием на производство и экологию. Следовательно, проблема старения должна была привлечь внимание к повышению общей эффективности сельской рабочей силы.

Таблица 11. Результаты регрессии по различным измерениям экологически чистого использования пахотных земель.

С точки зрения уровня образования, только группа «низкого образования» продемонстрировала значительное влияние на уровне значимости 5%. Это указывало на то, что сельскохозяйственные рабочие с низким образованием негативно влияют на CLGUE. Дополнительно, влияние на производственный аспект CLGUE было отрицательным и значительным на уровне 10%, в то время как его влияние на аспекты жизни и экологии не было значительным. Это указывало на то, что низкое образование среди сельскохозяйственных рабочих в основном ограничивало CLGUE в эффективности производства, с меньшим влиянием на другие области. В целом, улучшение образования фермеров могло быть ключевым для повышения эффективности экологически чистого использования земель.

Данное исследование углубилось во взаимосвязь между RLM и CLGUE, одновременно анализируя влияние факторов структуры рабочей силы на CLGUE. Основываясь на этих выводах, были предложены целевые политические рекомендации.

Во-первых, это исследование изучило взаимосвязь между RLM и CLGUE, подтвердив U-образную модель со снижением, за которым следует увеличение, и точкой перегиба на уровне 1,88%. Этот вывод был согласован с более ранними исследованиями, такими как Liao и др. (2021) [52], которые также отметили аналогичную нелинейную зависимость в уездах Шоугуан и Июань, указывая на то, что умеренный переток рабочей силы может положительно влиять на сельскохозяйственную эффективность. Однако данное исследование уникально определило точную точку перегиба и охватило более широкий спектр географических и экономических контекстов. Проверки устойчивости и анализы инструментальных переменных дальнейшим образом подтвердили стабильность и эндогенность этой взаимосвязи. Поэтому обеспечение прав рабочих-мигрантов было ключевым для усиления положительных эффектов RLM на CLGUE.

Укрепление межпровинциального и внутрипровинциального сотрудничества для сельских рабочих-мигрантов было важным. Успешный случай провинции Юньнань в продвижении экологического сельского хозяйства и миграции рабочей силы в карстовом регионе предоставил ценные идеи. Учитывая экологическую хрупкость карстовой зоны, местные климатические условия, состояние инфраструктуры и рыночный спрос значительно влияли на развитие промышленности. Развитые провинции в восточных прибрежных регионах должны были учитывать эти факторы при создании платформ трудовых связей и регулярной организации ярмарок вакансий. Например, уникальные природные пейзажи и богатая этническая культура карстового региона представляли огромный потенциал для развития индустрии экотуризма. Укрепляя сотрудничество, часть рабочей силы могла быть направлена на переход к должностям, связанным с экотуризмом, таким как услуги в живописных районах и сохранение культурного наследия. Дополнительно, местный сектор органического сельского хозяйства также требовал значительного количества рабочей силы. Через инициативы по трудовым связям рабочие могли быть точно сопоставлены с этими отраслями, способствуя упорядоченной миграции рабочей силы.

Во-вторых, используя модель эффекта посредничества, исследование обнаружило, что увеличение частоты повторных посевов и эффект «зерновой ориентации» служили частичным посредничеством и маскирующими эффектами соответственно во взаимосвязи между RLM и CLGUE. По сравнению с предыдущими исследованиями, данное исследование изучило влияние различных структур посевов на CLGUE, сосредоточившись на паровании, многократных посевах и соотношениях культур. Например, предыдущие исследования фокусировались на влиянии монокультурного земледелия на эффективность использования земель [44], в то время как это исследование рассматривало более широкий спектр корректировок структуры посевов. Учитывая географические и климатические различия в различных регионах карстовой зоны, было необходимо выбирать конкретные культуры или методы севооборота, адаптированные к местным условиям. В районах с более низкой высотой и относительно достаточным водоснабжением приоритет отдавался продвижению севооборота кукурузы и бобов. В более плоских регионах с лучшими почвенными условиями оптимальной считалась техника широкорядного смешанного посева «кукуруза + сладкий картофель». Дополнительно, в горных районах рекомендовалось развитие модели, сочетающей специализированное лесоводство и подлесную экономику, посадку фруктовых деревьев, подходящих для местного климата, таких как цитрусовые и киви, при одновременном возделывании традиционных китайских лекарственных трав или разведении домашней птицы в подлеске. Эти меры были направлены на обеспечение сбалансированной и разнообразной структуры посевов, эффективное смягчение рыночных рисков и повышение CLGUE, тем самым поддерживая устойчивое развитие сельского хозяйства.

Наконец, исследование изучило влияние факторов структуры рабочей силы, таких как пол, возраст и годы образования, на CLGUE. Что касается пола, по мере распространения сельскохозяйственной модернизации и концепций гендерного равенства, границы гендерных ролей в сельском хозяйстве размывались. Сельскохозяйственная механизация позволила женщинам управлять техникой и участвовать в производстве, уменьшая гендерные различия. Женщины также получили более сильный голос в принятии сельскохозяйственных решений, влияя на выбор культур и применение технологий. Поэтому гендерные различия постепенно уменьшались, вывод, согласующийся с выводами Tarigan и др. (2021) [53] и Shahbaz и др. (2022) [54], которые указывали, что пол больше не был решающим фактором в CLGUE.

Что касается возраста, в соответствии с Lu и др. (2022) [55], увеличение возраста могло привести к снижению физических способностей, влияя на возможности фермеров для крупномасштабного возделывания. Более старшие фермеры могли испытывать снижение физической силы и скорости реакции, влияя на их эффективность и производительность. Дополнительно, их способность изучать и применять новые технологии могла отставать, ограничивая инновации и адаптивность. Это снижение негативно влияло на урожайность культур и прибыль, делая возраст значительным фактором, влияющим на CLGUE, заслуживающим внимания. Чтобы решить эти проблемы, рекомендовались соответствующие поддерживающие политики. С одной стороны, прогнозы, указывающие на то, что старение населения не будет компенсировано квалифицированной молодой рабочей силой в течение следующих 20 лет [56], было важно предоставлять техническое обучение и курсы повышения квалификации для старших фермеров, чтобы помочь им освоить современные сельскохозяйственные методы. С другой стороны, было ключевым продвигать сельскохозяйственную механизацию и технологии умного сельского хозяйства для снижения физической нагрузки на старших фермеров и повышения эффективности труда.

Что касается лет образования рабочей силы, исследование обнаружило, что низкий уровень образования отрицательно влиял на CLGUE, что согласуется с Zang и др. (2022) [57]. Менее образованные сельскохозяйственные рабочие испытывали трудности с основными сельскохозяйственными знаниями, что приводило к слабому пониманию роста культур, удобрения и управления вредителями, что приводило к более низкой урожайности культур и подавляло улучшение CLGUE. Дополнительно, этим рабочим не хватало навыков в управлении фермерством и использовании ресурсов, ограничивая их эффективность в оптимизации сельскохозяйственных процессов. Поэтому повышение уровня образования среди сельских сельскохозяйственных работников было ключевым. Правительству необходимо было инвестировать больше в сельское образование и создавать программы профессионального обучения для улучшения навыков и управленческих способностей фермеров.

В целом, исследование прояснило взаимосвязь между RLM и CLGUE, важность корректировки структуры посевов и влияние факторов структуры рабочей силы на CLGUE. Будущие исследования могут сосредоточиться на оценке эффектов политик на CLGUE в различных регионах и разработке адаптированных сельскохозяйственных стратегий на основе местных ресурсов и потребностей.

Основываясь на реальном фоне огромной мобильности сельской рабочей силы, данное исследование использовало данные выборочного обследования 6219 домохозяйств в 2019–2021 годах в карстовом регионе юго-западного Китая. Модель двусторонних фиксированных эффектов была использована для изучения влияния мобильности сельской рабочей силы на экологически чистое использование пахотных земель, для дальнейшего анализа косвенного эффекта корректировки структуры посевов в этой взаимосвязи и для изучения гетерогенности, возникающей из-за структуры рабочей силы. Основные выводы были следующими:

Наблюдалась значительная нелинейная взаимосвязь между RLM и CLGUE, характеризующаяся U-образной тенденцией — изначально подавляющей, а затем способствующей. После строгих тестов на эндогенность и устойчивость этот вывод оставался надежным. Это указывало на то, что в определенном диапазоне, по мере увеличения уровня несельскохозяйственной миграции, CLGUE снижался до тех пор, пока не превышал определенную точку перелома в 1,88%, после чего положительно влиял на CLGUE.

Корректировка структуры посевов играла ключевую косвенную роль во влиянии RLM на CLGUE. Конкретно, увеличение частоты повторных посевов служило фактором посредничества на 15,84%, предполагая, что разумное увеличение частоты повторных посевов могло смягчить негативные эффекты RLM на CLGUE. Однако более высокая доля выращивания зерновых культур приводила к маскирующему эффекту в 0,067, указывая на то, что чрезмерная «зерновая ориентация» могла скрывать истинное влияние RLM на CLGUE, препятствуя его улучшению.

Старение и низкий уровень образования сельскохозяйственной рабочей силы значительно отрицательно влияли на CLGUE. По мере старения рабочих снижение физических способностей и более медленная адаптация к новым технологиям ограничивали эффективность полевых работ и производительность, в конечном итоге снижая урожайность культур и прибыль, что влияло на CLGUE. Более того, рабочие с низким образованием сталкивались с трудностями в усвоении сельскохозяйственных знаний и испытывали недостаток в необходимых производственных методах и системном мышлении, ограничивая оптимизацию сельскохозяйственных процессов и дальнейшее подавление CLGUE.

Благодаря эмпирическому анализу карстового региона юго-западного Китая, данное исследование показало механизмы, с помощью которых миграция сельской рабочей силы, корректировка структуры посевов и факторы структуры рабочей силы влияли на CLGUE, предоставляя теоретические основы и практические ссылки для достижения экологически чистого использования пахотных земель и устойчивого развития сельского хозяйства в регионе.

1.    Zhuang, Q.; Wu, S.; Huang, X.; Kong, L.; Yan, Y.; Xiao, H.; Li, Y.; Cai, P. Monitoring the impacts of cultivated land quality on crop production capacity in arid regions. Catena 2022, 214, 106263. [Google Scholar] [CrossRef]

2.    Chen, J.; Yang, X.; Dao, H.; Gu, H.; Chen, G.; Mao, C.; Bai, S.; Gu, S.; Zhou, Z.; Yan, Z. Analyses on Characteristics of Spatial Distribution and Matching of the Human-Land-Water-Heat System on the Yunnan Plateau. Water 2024, 16, 867. [Google Scholar] [CrossRef]

3.    Fei, X.; Lou, Z.; Xiao, R.; Ren, Z.; Lv, X. Source analysis and source-oriented risk assessment of heavy metal pollution in agricultural soils of different cultivated land qualities. J. Clean. Prod. 2022, 341, 130942. [Google Scholar] [CrossRef]

4.    Gardoki, J.; Morellon, M.; Leira, M.; Ezquerra, F.J.; Remondo, J.; Tinner, W.; Canales, M.L.; van der Horst, A.; Morales-Molino, C. Abrupt diatom responses to recent climate and land use changes in the Cantabrian Mountains (NW Spain). J. Paleolimnol. 2023, 69, 213–230. [Google Scholar] [CrossRef]

5.    Iordan, C.M.; Giroux, B.; Naess, J.S.; Hu, X.P.; Cavalett, O.; Cherubini, F. Energy potentials, negative emissions, and spatially explicit environmental impacts of perennial grasses on abandoned cropland in Europe. Environ. Impact Assess. Rev. 2023, 98, 106942. [Google Scholar] [CrossRef]

6.    Saoum, M.R.; Sarkar, S.K. Monitoring mangrove forest change and its impacts on the environment. Ecol. Indic. 2024, 159, 111666. [Google Scholar] [CrossRef]

7.    Lu, S.; Sun, H.; Zhou, Y.; Qin, F.; Guan, X. Examining the impact of forestry policy on poor and non-poor farmers’ income and production input in collective forest areas in China. J. Clean. Prod. 2020, 276, 123784. [Google Scholar] [CrossRef]

8.    Aytop, H.; Ates, O.; Dengiz, O.; Yilmaz, C.H.; Demir, O.F. Environmental, ecological and health risks of boron in agricultural soils of Amik Plain under Mediterranean conditions. Stoch. Environ. Res. Risk Assess. 2023, 37, 2069–2081. [Google Scholar] [CrossRef]

9.    Lei, S.; Yang, X.; Qin, J. Does agricultural factor misallocation hinder agricultural green production efficiency? Evidence from China. Sci. Total Environ. 2023, 891, 164466. [Google Scholar] [CrossRef] [PubMed]

10. Zhang, J.; Zhang, P.; Lu, S. Analysis of the impact of rural labor force loss on the green cultivated landutilization in the karst areas of China. J. Hunan Agric. Univ. (Soc. Sci.) 2023, 24, 6. [Google Scholar]

11. Ghosh, S.; Nandasana, M.; Webster, T.J.; Thongmee, S. Agrowaste-generated biochar for the sustainable remediation of refractory pollutants. Front. Chem. 2023, 11, 1266556. [Google Scholar] [CrossRef] [PubMed]

12. Alan, D.B. Migration Out of Rural Areas and Implications for Rural Livelihoods. Annu. Rev. Resour. Econ. 2019, 11, 461–481. [Google Scholar]

13. Zhao, Q.; Bao, H.; Zhang, Z. Off-farm employment and agricultural land use efficiency in China. Land Use Policy 2021, 101, 105097. [Google Scholar] [CrossRef]

14. Rozelle, S.; Taylor, J.E.; DeBrauw, A. Migration, Remittances, and Agricultural Productivity in China. Am. Econ. Rev. 1999, 89, 287–291. [Google Scholar] [CrossRef]

15. Udimal, T.B.; Liu, E.; Luo, M.; Li, Y. Examining the effect of land transfer on landlords’ income in China: An application of the endogenous switching model. Heliyon 2020, 6, e05071. [Google Scholar] [CrossRef]

16. Shi, M.; Paudel, K.P.; Chen, F.B. Mechanization and efficiency in rice production in China. J. Integr. Agric. 2021, 20, 1996–2008. [Google Scholar] [CrossRef]

17. Xie, H.; Chen, Q.; Wang, W.; He, Y. Analyzing the green efficiency of arable land use in China. Technol. Forecast. Soc. Change 2018, 133, 15–28. [Google Scholar] [CrossRef]

18. He, Z.; Hu, R.; Tang, S.; Wu, X.; Zhang, Y.; Xu, M.; Zhang, W.; Wu, L. New vegetable field converted from rice paddy increases net economic benefits at the expense of enhanced carbon and nitrogen footprints. Sci. Total Environ. 2024, 916, 170265. [Google Scholar] [CrossRef] [PubMed]

19. Cao, W.; Zhou, W.; Wu, T.; Wang, X.C.; Xu, J.H. Spatial-temporal characteristics of cultivated land use eco-efficiency under carbon constraints and its relationship with landscape pattern dynamics. Ecol. Indic. 2022, 141, 109140. [Google Scholar] [CrossRef]

20. Xiao, X.; Zhang, J.; Liu, Y. Impacts of Crop Type and Climate Changes on Agricultural Water Dynamics in Northeast China from 2000 to 2020. Remote Sens. 2024, 16, 1007. [Google Scholar] [CrossRef]

21. Polimeni, J.M.; Iorgulescu, R.I.; Shirey, R. Travelling Back to Sustainable Agriculture in a Bioeconomic World: The Case of Roxbury Farm CSA; Nova Science Pub Inc.: Hauppauge, NY, USA, 2015; p. 153. [Google Scholar]

22. Omotoso, A.B.; Daud, S.A.; Okojie, L.; Omotayo, A.O. Rural infrastructure and production efficiency of food crop farmers: Implication for rural development in Nigeria. Afr. J. Sci. Technol. 2022, 14, 197–203. [Google Scholar] [CrossRef]

23. MacDonald, D.; Crabtree, J.R.; Wiesinger, G.; Dax, T.; Stamou, N.; Fleury, P.; Gutierrez Lazpita, J.; Gibon, A. Agricultural abandonment in mountain areas of Europe: Environmental consequences and policy response. J. Environ. Manag. 2000, 59, 47–69. [Google Scholar] [CrossRef]

24. Adepoju, A.O.; Obialo, A.C. Agricultural labour productivity growth and food in security transitions among maize farming households in rural nigeria. Econ. Agric. 2022, 69, 1093–1107. [Google Scholar]

25. Huang, F.; Zuo, L.; Gao, J.; Jiang, Y.; Du, F.; Zhang, Y. Exploring the driving factors of trade-offs and synergies among ecological functional zones based on ecosystem service bundles. Ecol. Indic. 2023, 146, 109827. [Google Scholar] [CrossRef]

26. Lu, S.; Chen, N.; Zhong, X.; Huang, J.; Guan, X. Factors affecting forestland production efficiency in collective forest areas: A case study of 703 forestland plots and 290 rural households in Liaoning, China. J. Clean. Prod. 2018, 204, 573–585. [Google Scholar] [CrossRef]

27. Kuang, B.; Lu, X.; Zhou, M.; Chen, D. Provincial cultivated land use efficiency in China: Empirical analysis based on the SBM-DEA model with carbon emissions considered. Technol. Forecast. Soc. 2020, 151, 119874. [Google Scholar] [CrossRef]

28. Zhou, M.; Zhang, H.; Ke, N. Cultivated Land Transfer, Management Scale, and Cultivated Land Green Utilization Efficiency in China: Based on Intermediary and Threshold Models. Int. J. Environ. Res. Public Health 2022, 19, 12786. [Google Scholar] [CrossRef] [PubMed]

29. GB/T 21010-2017; Current Land Use Classification. Ministry of Natural Resources, People’s Republic of China: Beijing, China, 2017.

30. He, Y.; Ding, M.; Liu, K.; Lei, M. The Impact of Geohazards on Sustainable Development of Rural Mountain Areas in the Upper Reaches of the Min River. Front. Earth Sci. 2022, 10, 862544. [Google Scholar] [CrossRef]

31. Yu, Z.; Xu, E.; Zhang, H.; Shang, E. Spatio-Temporal Coordination and Conflict of Production-Living-Ecology Land Functions in the Beijing-Tianjin-Hebei Region, China. Land 2020, 9, 170. [Google Scholar] [CrossRef]

32. Bosco, S.; Di Nasso, N.; Roncucci, N.; Mazzoncini, M.; Bonari, E. Environmental performances of giant reed (Arundo donax L.) cultivated in fertile and marginal lands: A case study in the Mediterranean. Eur. J. Agron. 2016, 78, 20–31. [Google Scholar] [CrossRef]

33. Gao, Y.; Wang, Z.; Chai, J.; Zhang, H. Spatiotemporal mismatch of land use functions and land use efficiencies and their influencing factors: A case study in the Middle Reaches of the Yangtze River, China. J. Geogr. Sci. 2024, 34, 62–88. [Google Scholar] [CrossRef]

34. Ma, J.; Fan, Z.; Huang, L. A Subjective and Objective Integrated Approach to Determine Attribute Weights. Eur. J. Oper. Res. 1999, 112, 397–404. [Google Scholar] [CrossRef]

35. Xu, X.Z. A note on the subjective and objective integrated approach to determine attribute weights. Eur. J. Oper. Res. 2004, 156, 530–532. [Google Scholar] [CrossRef]

36. Feng, L.; Lei, G.; Nie, Y. Exploring the eco-efficiency of cultivated land utilization and its influencing factors in black soil region of Northeast China under the goal of reducing non-point pollution and net carbon emission. Environ. Earth Sci. 2023, 82, 94. [Google Scholar] [CrossRef]

37. Xiong, C.H.; Yang, D.G.; Huo, J.W.; Wang, G.L. Agricultural Net Carbon Effect and Agricultural Carbon Sink Compensation Mechanism in Hotan Prefecture, China. Pol. J. Environ. Stud. 2017, 26, 365–373. [Google Scholar] [CrossRef] [PubMed]

38. Zhang, P.; Liu, Y.H.; Pan, Y.; Yu, Z.R. Land use pattern optimization based on CLUE-S and SWAT models for agricultural non-point source pollution control. Math. Comput. Model. 2013, 58, 588–595. [Google Scholar] [CrossRef]

39. Zhu, J.; Li, X.; Zeng, X.; Zhong, K.; Xu, Y. Cultivated Land-Use Benefit Evaluation and Obstacle Factor Identification: Empirical Evidence from Northern Hubei, China. Land 2022, 11, 1386. [Google Scholar] [CrossRef]

40. Chen, Y.; Li, S.; Cheng, L. Evaluation of Cultivated Land Use Efficiency with Environmental Constraints in the Dongting Lake Eco-Economic Zone of Hunan Province, China. Land 2020, 9, 440. [Google Scholar] [CrossRef]

41. Lu, X.; Qu, Y.; Sun, P.; Yu, W.; Peng, W. Green Transition of Cultivated Land Use in the Yellow River Basin A Perspective of Green Utilization Efficiency Evaluation. Land 2020, 9, 475. [Google Scholar] [CrossRef]

42. Tang, Y.; Chen, M. The Impact Mechanism and Spillover Effect of Digital Rural Construction on the Efficiency of Green Transformation for Cultivated Land Use in China. Int. J. Environ. Res. Public Health 2022, 19, 16159. [Google Scholar] [CrossRef] [PubMed]

43. Baron, R.M.; Kenny, D.A. The moderator–mediator variable distinction in social psychological research: Conceptual, rategic, and statistical considerations. J. Personal. Soc. Psychol. 1986, 51, 1173–1182. [Google Scholar] [CrossRef]

44. Zou, X.; Xie, M.; Li, Z.; Duan, K. Spatial Spillover Effect of Rural Labor Transfer on the Eco-Efficiency of Cultivated Land Use: Evidence from China. Int. J. Environ. Res. Public Health 2022, 19, 9660. [Google Scholar] [CrossRef] [PubMed]

45. Chen, M.; LYU, X.; SERGEY, Y.; Solodovnikov, T. Impact of rural labor transfer on the sustainable intensification of cultivated land use. Trans. Chin. Soc. Agric. Eng. 2024, 40, 241–249. [Google Scholar]

46. Yu, G.; Lu, Z. Rural credit input, labor transfer and urban-rural income gap: Evidence from China. China Agric. Econ. Rev. 2021, 13, 872–893. [Google Scholar] [CrossRef]

47. Pei, B.; Chen, S. The spatio-temporal variations of cultivated land compensation efficiency and its influencing factors in mainland China. Ecol. Indic. 2024, 166, 112596. [Google Scholar] [CrossRef]

48. Qian, W.; Wang, D.; Zheng, L. The impact of migration on agricultural restructuring: Evidence from Jiangxi Province in China. J. Rural Stud. 2016, 47, 542–551. [Google Scholar] [CrossRef]

49. Qiu, G.; Xing, X.; Cong, G.; Yang, X. Measuring the Cultivated Land Use Efficiency in China: A Super Efficiency MinDS Model Approach. Int. J. Environ. Res. Public Health 2023, 20, 583. [Google Scholar] [CrossRef] [PubMed]

50. Hao, H.; Li, X.B.; Tan, M.; Zhang, J.; Zhang, H. Agricultural land use intensity and its determinants: A case study in Taibus Banner, Inner Mongolia, China. Front. Earth Sci. 2015, 9, 308–318. [Google Scholar] [CrossRef]

51. Meyfroidt, P. Trade-offs between environment and livelihoods: Bridging the global land use and food security discussions. Glob. Food Secur. 2018, 16, 9–16. [Google Scholar] [CrossRef]

52. Liao, L.; Gao, X.; Long, H.; Tang, L.; Chen, K.; Ma, E. A comparative study of farmland use morphology in plain and mountainous areas based on farmers’ land use efficiency. J. Geogr. Sci. 2021, 76, 471–486. [Google Scholar]

53. Tarigan, H.; Erwidodo; Perkasa, H.; Susilowati, S. The role in agricultural decision making in the upper Citarum watershed, Indonesia. IOP Conf. Ser. Earth Environ. Sci. 2021, 892, 012077. [Google Scholar] [CrossRef]

54. Shahbaz, P.; Haq, S.U.; Abbas, A.; Batool, Z.; Alotaibi, B.A.; Nayak, R.K. Adoption of Climate Smart Agricultural Practices through Women Involvement in Decision Making Process: Exploring the Role of Empowerment and Innovativeness. Agriculture 2022, 12, 1161. [Google Scholar] [CrossRef]

55. Lu, H.; Chen, Y.; Huan, H.; Duan, N. Analyzing Cultivated Land Protection Behavior from the Perspective of Land Fragmentation and Farmland Transfer: Evidence from Farmers in Rural China. Front. Environ. Sci. 2022, 10, 901097. [Google Scholar] [CrossRef]

56. Taylor, M.; Bisson, J. Changes in cognitive function: Practical and theoretical considerations for training the aging workforce. Hum. Resour. Manag. Rev. 2019, 30, 100684. [Google Scholar] [CrossRef]

57. Zang, D.; Yang, S.; Li, F. The Relationship between Land Transfer and Agricultural Green Production: A Collaborative Test Based on Theory and Data. Agriculture 2022, 12, 1824. [Google Scholar] [CrossRef]

Zhang J, Zhang P, Lu S, Wu G. Exploring the Impact of Rural Labor Mobility on Cultivated Land Green Utilization Efficiency: Case Study of the Karst Region of Southwest China. Agriculture. 2025; 15(3):226. https://doi.org/10.3390/agriculture15030226

Перевод статьи «Exploring the Impact of Rural Labor Mobility on Cultivated Land Green Utilization Efficiency: Case Study of the Karst Region of Southwest China» авторов Zhang J, Zhang P, Lu S, Wu G., оригинал доступен по ссылке. Лицензия: CC BY. Изменения: переведено на русский язык

Фото: freepik