中國農業生態用水效率的空間差異與模式分類

劉濤

摘要：界定農業生態用水效率的內涵，建立了農業生態用水效率評估指標體系，并使用SBM-Undesirable超效率模型對2011—2013年我國農業生態用水效率及其區域差異進行測算。研究發現，我國農業生態用水效率總體偏低，且有下降趨勢。純技術效率和規模效率的雙重低效共同導致我國農業生態用水效率總體偏低；考慮污染排放負效應后，農業生態用水效率由高到低的排名為西部地區、東北地區、中部地區和東部地區，農業生態用水效率的空間差距明顯；根據農業生態用水效率與農作物播種面積分布圖，農業生態用水效率的空間模式可以分為6類。今后農業水資源的利用在考慮數量增長的同時，更應該注重生態化效率；國家應從總體上糾正漫灌式、污染式的農業用水方式，建立起節水灌溉、生態灌溉的農業用水方式；各省份需著重解決本省農業生態用水中的短板，通過區域結構優化、投入產出結構優化改善其農業生態用水效率。

關鍵詞：污染排放；農業生態用水效率；空間差異；模式；SBM-Undesirable超效率模型

中圖分類號： F323.213 文獻標志碼： A 文章編號：1002-1302（2016）07-0443-03

水資源是農業發展的命脈，農業的發展與水資源的投入息息相關。改革開放以來，由于我國農田水利設施建設投入加大，我國農業用水的供給能力不斷增強。根據《中國環境統計年鑒》的數據，2000年我國農業用水總量為3 783.5億m3，此后逐年增長，到2013年農業用水總量達到3 921.5億m3，增長了3.6%，有效地保障了我國糧食作物持續增產目標的實現。然而，我國農業水資源的利用效益比較低，水資源所產糧食不足1.2 kg/m3，小于世界發達國家的 2 kg/m3，農業水資源利用方式比較粗放。同時由于我國農業水資源利用不合理，導致農業水污染問題非常嚴峻。2012年農業廢水的化學需氧量（COD）排放量占全國廢水COD排放總量的47.6%，農業廢水的氨氮排放量占全部廢水中氨氮排放量的3179%，2013年2項指標所占比重分別為47.9%、31.72%。嚴重的農業水污染進一步惡化了我國農業水資源的短缺。節約用水的同時如何保護水資源的清潔，對于保障農業水資源可持續利用、加強農業水資源管理具有重大意義。因此，研究農業用水效率時必須要考慮農業水污染問題，將農業水污染排放納入評價指標體系分析我國農業生態用水效率成為農業水資源利用研究的重要課題。

目前理論界用不同的評價方法對農業用水效率進行了大量研究，如劉渝等運用DEA方法測算了1999—2006年我國29個省份農業水資源利用效率[1]，張雄化等運用MFA、SFA和DEA方法測量我國糧食生產灌溉水資源的資源生產率、技術效率和全要素資源效率[2]。趙凱等以楊凌示范區為例測算了滴灌技術下的農業用水配置效率[3]。此外，部分學者嘗試引入環境污染變量測算農業用水效率，如楊騫等引入農業廢水中的氨氮排放量和COD排放量，利用非徑向方向性距離函數模型分析了2011—2012年污染排放約束下中國分省份及區域的農業水資源效率[4]。李靜等在產出變量中引入作物生產過程帶來水污染中氮排放量和磷排放量，利用窗式DEA方法測算了2003—2012年產糧區糧食生產用水效率[5]。

當前理論界對污染排放約束下農業用水效率進行了一些探索研究，但是已有文獻并未提出農業生態用水效率的理念，也未專門對我國農業生態用水效率進行研究。農業生態用水效率是指農業水資源利用的生態投入與生態產出的比例關系，與農業用水效率的區別在于產出指標中不僅要考慮“好產出”還要考慮“壞產出”。“壞產出”越小，農業生態用水效率越高。基于此，本研究通過建立農業生態用水效率評估指標體系，使用SBM-Undesirable超效率模型，對2011—2013年我國農業生態用水效率及其區域差異進行測算分析，這對于推動我國農業水資源的管理工作具有重大的指導價值。

1 農業生態用水效率的評估框架

1.1 SBM-Undesirable超效率模型

數據包絡分析法（即DEA方法）是用于評價具有相同類型的多個投入、多個產出的若干決策單元是否相對有效的非參數統計方法[6]。近年來DEA方法逐漸成為效率測度研究的主流方法，傳統的CCR、BCC等模型所設定的產出指標一般為期望的“好產出”，但是沒有考慮農業水資源利用過程中產生的污染排放等非期望的“壞產出”，因而其測算的效率值是不準確的。為了解決非期望的“壞產出”問題，理論界研究了多種處理方法，包括正向屬性轉換法、投入產出轉置法以及方向性距離函數法，但是這些處理方法都沒有考慮投入產出變量的松弛問題。為此，Tone提出了SBM模型的處理方法，他在2001年提出的考慮投入產出變量松弛問題的SBM模型基礎上，建立了處理非期望產出的SBM模型[7]。利用Tone的思路，我們構建了準確測算污染排放約束下我國農業用水效率的SBM-Undesirable模型。

基本原理如下：假定農業水資源利用系統有n個決策單元（DMU），并且每個決策單元都包括3個投入產出向量，即投入向量、期望產出向量以及非期望產出向量，他們分別表示成x∈Rm，yg∈RS1，yb∈RS2。我們定義3個矩陣，即X、Yg、Yb，其公式分別為：X=（xi，j）∈Rm×n，Yg=（ygij）∈RS1×n，Yb=（ybij）∈RS2×n。其中，X>0，Yg >0，Yb>0，生產可能性集合P可以定義為：

其中Si-、Srg、Srb分別為第i0個DMU的投入冗余量、期望產出不足量和非期望產出超標量；λ為權重向量；目標函數ρ* 為嚴格遞減的，且0≤ρ*≤1。當ρ*=1，即S-=0，Sg=0，Sb=0 時，決策單元是有效率的；當ρ*<1時，決策單元是無效率的，需要對投入產出進行改進。該模型是一個非線性規劃模型，可以根據Charnes-Cooper的轉換方法進行求解。

但是該模型還是不能區分有效決策單元效率的大小，為了能對有效決策單元的效率高低進行比較，Andersen等提出了超效率DEA模型。其基本思想是：評價某個決策單元時，將其排除在決策單元集合之外[9]。本研究結合SBM-Undesirable模型和超效率DEA模型的優點，綜合為SBM-Undesirable超效率模型，對2011—2013年污染排放約束下我國農業用水效率進行了測算分析。

1.2 評估指標與數據來源

比較借鑒已有指標體系建立了我國農業生態用水效率的評估指標體系。其中投入指標包括農業用水量（億m3）、化肥施用量（萬t）和農業機械動力（萬kW），3個指標可以很好地度量農業生態用水效率的投入狀況。產出指標綜合考慮“好產出”和“壞產出”2個方面，“好產出”選取農作物播種面積（×103 hm2），“壞產出”選取農業廢水的化學需氧量COD排放量（t）和農業廢水的氨氮排放量（t），3個指標較全面反映了農業生態用水效率的產出狀況。

為了使得決策單元具有可比性，參照2014年《中國統計年鑒》中農作物播種面積，將農作物播種面積在400萬hm2以上的省份作為比較對象，從而確定了20個比較對象。2011—2013年我國農業用水效率的投入產出數據來源于歷年《中國農村統計年鑒》和《中國環境統計年鑒》。根據國家標準劃分，東北地區包括黑龍江省、吉林省、遼寧省，東部地區包括江蘇省、廣東省、山東省、河北省，中部地區包括安徽省、河南省、湖北省、湖南省、江西省，西部地區包括甘肅省、廣西壯族自治區、貴州省、內蒙古自治區、陜西省、四川省、新疆維吾爾自治區、云南省。

2 考慮污染排放負效應的中國農業生態用水效率實證分析

利用Maxdea Pro 6軟件，使用SBM-Undesirable超效率模型，測算了2011—2013年我國20個省份農業生態用水效率的變動狀況（表1）。

2.1 我國農業生態用水效率的基本特征

我國農業生態用水效率總體偏低，且有下降趨勢。2011年我國20個省份農業生態用水效率為0.781，小于1，離有效前沿面有較遠的距離，表明農業水資源生態化利用不合理。2012年農業生態用水效率下降為0.766，減少了0.015，2013年雖然有所增加，但也僅為0.771，小于2011年的總體水平，農業水資源生態化利用不合理狀況進一步惡化。

我國農業生態用水效率總體偏低的主要原因在于純技術效率和規模效率都比較低。2011年我國農業生態用水的規模效率高于純技術效率，但都未達到有效前沿面，使得農業生態用水效率總體上處于無效狀態。2012年農業水資源的生態化管理有所改善，純技術效率高于2011年，但是規模效率下滑比較大，最終使得2012年的農業生態用水效率總體上低于2011年。2013年農業生態用水的管理改善很大，與2012年相比，純技術效率提高了很多，但是規模效率小幅下降，導致2013年的農業生態用水效率總體上雖高于2012年，但仍低于2011年（表1）。由此可見，我國農業生態用水的純技術效率雖逐年提高，但是現有的用水規模與最優規模的差距越拉越大，純技術效率和規模效率的雙重低效共同導致我國農業生態用水效率總體偏低。

2.2 我國農業生態用水效率的空間差異

從4個主要地區來看，3年間農業生態用水效率由高到低依次為西部地區、東北地區、中部地區和東部地區，西部地區與東部地區農業生態用水效率的絕對差額有進一步擴大的趨勢。2011年二者的絕對差額為0.271，2012年上升為 0.299，2013年雖略有下降，為0.284，但仍高于2011年。總之，考慮污染排放負效應后，2011—2013年農業生態用水效率由高到低的排名為西部地區、東北地區、中部地區和東部地區，農業生態用水效率的空間差距明顯。

從達到有效前沿面的省份變化來看，2011—2013年間農業生態用水效率均值達到有效的省份有4個，分別為貴州省、黑龍江省、甘肅省、云南省。雖然2011年的河南省、2012年的四川省、2013年的江西省農業生態用水效率都達到了有效，但是3年平均下來，農業生態用水效率達到有效的省份只有4個，其余16個省份都沒有達到有效。從純技術效率來看，3年間均值達到有效的省（區）有8個，分別為貴州省、黑龍江省、河南省、四川省、內蒙古自治區、甘肅省、新疆維吾爾自治區、云南省，雖然2013年江西省純技術效率達到了有效，但是3年平均下來，純技術效率達到有效的省份只有8個，其余12個省份都沒有達到有效。從規模效率來看，雖然2011年的廣西壯族自治區、江西省、吉林省、江蘇省，以及2013年的江西省都達到了有效，但是3年平均下來，只有云南省達到了有效，其他19個省（區）都未達到有效前沿面。

3.3 中國農業生態用水效率的空間模式分類

根據農業生態用水效率與農作物播種面積分布圖（圖1），可以把20個省（區）的農業生態用水效率的空間模式分為6類：

第1類是農作物播種面積大、技術效率高模式。該模式的主要特征為農作物播種面積大于900萬hm2，技術效率大于0.9，主要包括黑龍江省、四川省。第2類是農作物播種面積大、技術效率低模式。該模式的主要特征為農作物播種面積大于900萬hm2，技術效率小于0.9，主要包括山東省、河南省。第3類是農作物播種面積中等、技術效率高模式。該模式的主要特征為農作物播種面積介于600萬～900萬hm2，技術效率大于0.9，主要為云南省。第4類是農作物播種面積中等、技術效率低模式。該模式的主要特征為農作物播種面積介于600萬～900萬hm2，技術效率小于0.9，主要包括安徽省、河北省、湖北省、湖南省、江蘇省、廣西壯族自治區、內蒙古自治區。第5類是農作物播種面積小、技術效率高模式。該模式的主要特征為農作物播種面積小于600萬hm2，技術效率大于 0.9，主要包括貴州省、甘肅省。第6類是農作物播種面積小、技術效率低模式。該模式的主要特征為農作物播種面積小于600萬hm2，技術效率小于0.9，主要包括新疆維吾爾自治區、江西省、吉林省、陜西省、廣東省、遼寧省。

3 主要結論

本研究界定了農業生態用水效率的內涵，通過建立農業生態用水效率評估指標體系，使用SBM-Undesirable超效率模型，對2011—2013年我國農業生態用水效率及其區域差異進行測算分析。研究表明，（1）我國農業生態用水效率總體偏低，且有下降趨勢。我國農業生態用水的純技術效率雖逐年提高，但是現有的用水規模與最優規模的差距越拉越大，純技術效率和規模效率的雙重低效共同導致我國農業生態用水效率總體偏低。（2）考慮污染排放負效應后，2011—2013年農業生態用水效率由高到低的排名為西部地區、東北地區、中部地區、東部地區，農業生態用水效率的空間差距明顯。（3）根據農業生態用水效率與農作物播種面積分布圖，可以把20個省（區）的農業生態用水效率的空間模式分為6類：第1類是農作物播種面積大、技術效率高模式，包括黑龍江省、四川省。第2類是農作物播種面積大、技術效率低模式，包括山東省、河南省。第3類是農作物播種面積中等、技術效率高模式，主要為云南省。第4類是農作物播種面積中等、技術效率低模式，包安徽省、河北省、湖北省、湖南省、江蘇省、廣西壯族自治區、內蒙古自治區。第5類是農作物播種面積小、技術效率高模式，包括貴州省、甘肅省。第6類是農作物播種面積小、技術效率低模式，包括新疆維吾爾自治區、江西省、吉林省、陜西省、廣東省、遼寧省。

總之，我國農業生態用水效率總體不佳，體現出我國農業生態用水方式的粗放式特點。今后農業水資源的利用在考慮數量增長的同時，更應該注重農業用水的生態化效率。為此，一方面，國家應從總體上糾正漫灌式、污染式的農業用水方式，建立起節水灌溉、生態灌溉的農業用水方式。著力從政策設計、技術推廣、制度優化等層面推進集約式農業生態用水方式。另一方面，各省份結合本省的實際，著重解決農業生態用水中的短板，通過區域結構優化、投入產出結構優化改善其農業生態用水效率。

參考文獻：

[1]劉 渝，王 岌. 農業水資源利用效率分析——全要素水資源調整目標比率的應用[J]. 華中農業大學學報：社會科學版，2012（6）：26-30.

[2]張雄化，鐘若愚. 灌溉水資源效率、空間溢出與影響因素[J]. 華南農業大學學報：社會科學版，2015（4）：20-28.

[3]趙 凱，孫天合. 滴灌技術下的農業用水配置效率評價研究——基于楊凌示范區溫室大棚的數據[J]. 節水灌溉，2014（12）：71-75.

[4]楊 騫，劉華軍. 污染排放約束下中國農業水資源效率的區域差異與影響因素[J]. 數量經濟技術經濟研究，2015（1）：114-128.

[5]李 靜，馬瀟璨. 資源與環境約束下的產糧區糧食生產用水效率與影響因素研究[J]. 農業現代化研究，2015（2）：252-258.

[6]侯 翔，馬占新，趙春英. 數據包絡分析模型評述與分類[J]. 內蒙古大學學報：自然科學版，2010，41（5）：583-593.

[7]Tone K.Dealing with undesirable outputs in DEA：a slack-based measure（SBM） approach[R]. GRIPS Research Report Series，2003，I-2003-0005.

[8]楊清可，段學軍，葉 磊，等. 基于SBM-Undesirable模型的城市土地利用效率評價——以長三角地區16城市為例[J]. 資源科學，2014，36（4）：712-721.

[9]Andersen P，Petersen N C. A procedure for ranking efficient units in data envelopment analysis[J]. Management Science，1993，39（10）：1261-1265.