基于水足跡的作物生產生態效率評價
——以陜西省為例

惠 婞,陳曉楠,宋健峰

西北農林科技大學經濟管理學院, 楊凌 712100

中國是一個農業大國,并非農業強國,在農產品剛性需求增長的情況下,農業生產面臨著土地、氣候和水等自然資源的制約,同時農業生產中化肥、農藥的使用對環境造成損害。然而傳統的農業生產函數以新古典經濟學C-D生產函數或其變形為主要形式,解釋變量包括土地、勞動力、農業機械總動力等[1],往往不考慮自然資源因素,特別是在陜西省相比土地資源更為稀缺的水資源,同時也不考慮過度施用化肥、農藥造成的環境影響。

隨著水資源的日益短缺和環境污染的加劇,在自然資源研究領域,對用水大戶—農業生產中水資源消耗和農業點、面源污染的研究日益深入,水足跡概念和理論的提出將這一研究推向了新的高度。在虛擬水理論的基礎上,借鑒生態足跡的概念,Hoekstra和Hung[2]以及Hoekstra和Chapagain[3]提出并不斷完善了水足跡理論。水足跡(Water Footprint,簡稱WF)指生產產品所需要的水資源總量,該部分水資源如果來源于暫時留在未飽和土壤中,未形成徑流的那部分降雨資源,稱為綠水；如果來源于江、河、湖泊(灌溉用水),稱為藍水；如果生產造成污染,理論上使用淡水資源稀釋污染物使其達到水質標準需要的水稱為灰水[4]。作物生產水足跡概念綜合考慮了作物生產中的主要資源投入和環境影響,表達了保障可持續發展的作物生產用水總量。

同時,結合資源和環境投入的生態效率作為衡量可持續發展的重要工具,受到廣泛關注并取得豐富的成果。生態效率的概念最早由Schaltegger和Sturm[5]提出,后經世界可持續發展工商理事會(World Business Council for Sustainable Development,WBSCD)推廣。經濟合作與發展組織(OECD)將生態效率定義為“利用生態資源滿足人類需求的效率”,使用“產品或服務價值與環境影響的比值”表達。該定義被普遍接受,用以說明和評估生態效率。

目前對于生態效率的評價主要有兩種方法。 一種是OECD提出的比值法,另一種是基于邊界的效率評價方法,數據包絡分析(Data Envelopment Analysis,DEA)。初期的生態效率評價主要針對具體的產品或生產過程,比值法被廣泛使用。比值法的關鍵在于衡量經濟價值和環境影響,生產的環境影響往往有很多方面,生命周期評價(Life Cycle Assessment,LCA)通常被用來匯總這些環境影響。DEA是一種非參數的前沿方法,適用于多投入多產出的生產率評價[6]。Kuosmanen和Kortelainen[7]首次在生態效率評價中使用DEA方法。當涉及多個經濟產出和環境影響時,相比單一指標比值法,DEA可以給出更綜合的評價結果,目前已成為評價生態效率的主流方法[8]。

具體到有關作物生產生態效率的實證研究,Reith和Guidry[9]使用比值法評價美國南部一個可持續農業綜合體(MSAC)的生態效率。Thanawong等[10]使用比值法比較不同灌溉條件下泰國東北部Lam Sieo Yai流域稻米生產的生態效率。Mülle等[11]通過評價生態效率研究新西蘭Plenty灣獼猴桃的可持續生產。Gómez-Limón等[12]以及Picazo-Tadeo等[13]提出使用定向距離函數和DEA技術評估生態效率,并應用于西班牙橄欖種植農場。Hoang和Alauddin[14]使用DEA方法分析經合組織國家的農業生態效率。Beltrán-Esteve等[15]綜合LCA和DEA方法評價西班牙柑橘農場的生態效率。Rosano等[16]使用隨機邊界的雙曲距離函數研究亞馬遜農業生態效率。Han等[17]使用元邊界分析混合模型分析中國省際農業生態效率。Coluccia等[18]使用DEA方法評價意大利農業生態效率。

國內學者吳小慶等[19]、朱玉林等[20]和程翠云等[21]使用比值法分別評價盆栽水稻、湖南農業生態系統和我國2003—2010年的農業生態效率。許朗等[22]運用DEA方法測算出中國13個糧食主產區2000—2012年的農業生態效率,并運用Malmquist指數方法進行動態分析。洪開榮等[23]利用網絡DEA模型對我國2005—2013年30個省市農業生態系統效率進行測度。在DEA模型基礎上,一些研究將經濟增長或農業總產值作為期望產出,將環境負效應作為非期望產出,采用SBM模型對農業生態效率進行評價[24- 26]。除了測算農業生態效率外,很多學者使用兩階段方法進一步分析影響農業生態效率的因素。王寶義和張衛國[27]采用DEA-Tobit等模型方法,研究了中國農業生態效率的省際差異和影響因素。趙哲等[28]使用超效率DEA方法對呼倫貝爾地區草牧業進行生態效率評價和影響因素分析。

與DEA并列的另一種基于邊界的效率評價方法,隨機前沿方法(Stochastic Frontier Approach,SFA)在各領域中被廣泛應用,但卻很少被用于生態效率評價?？赡艿脑蛟谟赟FA需要對函數形式進行正確的設定,同時其不適用于多產出模型[6]。Song等[29]將水足跡引入生產函數,可以克服了這一缺點,使SFA方法的使用成為可能。鄭德鳳等[30]在使用DEA方法評價甘肅省農業生態效率時進行了類似的處理,但其將作物生產灰水足跡作為非期望產出,同時未區分藍水和綠水。與DEA方法一樣,SFA方法相比比值法能提供綜合的效率評價結果,同時避免比值法中因需要匯總環境影響存在的客觀賦權問題。SFA方法作為一種參數分析方法,其確定的生產函數形式,相比DEA方法,可以排除隨機誤差的影響,效率估計和影響因素分析可以一步完成,還可以進一步分析各投入要素的效率和產出彈性,提供更深入的分析。本文將該方法應用于我國西北半干旱區的陜西省的作物生產,使用陜西省各區域1985—2018年面板數據,將作物生產的綠水、藍水和灰水足跡(分別代表作物生產使用的降水資源、灌溉水資源和環境影響)引入生產函數,使用SFA方法評價作物生產生態效率(考慮資源投入和環境影響的作物生產技術效率)。該研究除了可為WF-SFA方法在農業生態效率評價上的應用提供新的證據外,對于作物生產水足跡,尤其是綜合考慮化肥和農藥對灰水足跡進行了更準確的測算,同時,使用隨機前沿生態函數的參數估計進一步研究了各水足跡投入的生產效率,有效區分對降水資源的利用效率,灌溉水資源投入的效率和作物生產的環境影響,為生態效率改進提供針對性方案。

1 研究方法和數據來源

1.1 研究方法

1.1.1作物生產水足跡測算

作物生產總水足跡等于綠水、藍水和灰水足跡之和。

WF=GWF+BWF+EWF

(1)

式中,WF為作物生產總水足跡,m3；GWF、BWF、EWF分別為作物生產綠水足跡、藍水足跡和灰水足跡,m3。

作物生產綠水足跡和藍水足跡由不同農作物單位面積消耗的綠水資源量和藍水資源量按照作物種植面積加權加總得到。

(2)

式中,GWi為i作物單位面積消耗的綠水資源量,m3/hm2；BWi為i作物單位面積消耗的藍水資源量,m3/hm2；Ai為i作物種植面積。本研究計算陜西省各區域各農田作物(小麥、稻谷、玉米、薯類、大豆、棉花、油菜、花生、向日葵、麻類、糖料、烤煙、其他小雜糧、蔬菜和瓜類)和經濟林果(茶、桑和果)生產水足跡。

參考吳普特等[31]和孫世坤等[32]的計算方法,作物單位面積消耗的綠水和藍水資源量按下式測算：

(3)

式中,ETc為作物蒸發蒸騰量,mm；Pe為作物生育期有效降水量,mm；10為單位轉化系數,將單位由水深轉化為單位面積水量。

ETc計算公式如下：

ETc=Kc×ET0

(4)

式中,Kc為作物系數；ET0為參考作物蒸發蒸騰量,mm。ETc使用FAO 推薦的CropWat 8.0 軟件計算得到,該軟件根據當地氣象資料,利用Penman-Monteith公式計算參考作物蒸發蒸騰量。

作物生育期有效降水量由生育期各旬有效降水量累加得到,旬有效降水量Pe(dec)按照美國農業部土壤保持局推薦方法計算：

(5)

式中,P為作物生育期旬降水量,mm。

農業生產中施用的化肥、農藥等除被植物利用的部分外,還有很大一部分通過各種形式散失到土壤和水環境中,造成污染。稀釋作物生產各污染物所需的最大淡水量為作物生產灰水足跡[33],即：

EWF=max{EWi}

(6)

式中：EWi代表第i種污染物灰水足跡,m3。

各污染物灰水足跡采用Hoekstra等[34]的方法計算：

(7)

式中,Pi為第i種污染物的使用量,包括氮肥、農藥等,kg；αi為第i種污染物淋溶率,%；Cmaxi為第i種污染物環境最大容許濃度,kg/m3；Cnati為第i種污染物的自然本底濃度,kg/m3。

農業生產施用的化肥中主要含有氮、 磷、鉀,其中比例最大的是氮肥。考慮灰水足跡測算符合“短板原理”[33],本研究選擇對灰水足跡影響較大的2個污染物,氮肥和石油類農藥,測算作物生產灰水足跡。參考Mekonnen和Hoekstra[4]的研究,氮肥的溶淋率選擇10%,采用US-EPA的標準,氮的環境最大容許濃度為10mg/L,假設自然水體當中氮的濃度為0。參考曹連海等[35]的研究,石油類農藥的溶淋率為75%,環境最大容許濃度為10mg/L,假設自然水體當中石油類農藥的濃度為0。

1.1.2作物生產生態效率評價方法

SFA由Aigner等[36]以及Meeusen和Broeck[37]提出,隨后,Reifschneider和Stevenson[38]、Kumbhakar等[39]以及Battese和Coelli[40-41]對隨機前沿生產函數形式和方法進行了改進,為其后的實證研究建立了模型方法的數理基礎。參考Battese和Coelli[41]模型形式,本文建立如下隨機前沿生產函數模型：

Yit=f(Xit)exp(vit-uit)=f(Kit,Lit,GWFit,BWFit,EWFit,T)exp(vit-uit)
uit=Zitδ+ωit

(8)

式中,Yit為第i個區域第t年的農業增加值；Kit為資本投入,用農業機械總動力代表；Lit為勞動投入,用農業從業人口代表；T為時間變量。變量的選取參考潘丹和應瑞瑤[24],鄭德鳳等[30]和侯孟陽和姚順波[26]等人的研究,除了傳統農業生產中資本、勞動的投入外,該模型將農業生產中的資源投入及環境影響考慮在內,因此將作物生產水足跡作為投入指標。

(9)

式中,TEit為作物生態生產的技術效率即生態效率。當uit=0時,TEit=1,表示沒有效率損失,如果uit>0,0

本文選擇采用形式最為靈活,可近似反映任何生產技術的超越對數(Translog)生產函數作為隨機前沿模型的具體形式,對數形式的函數式如下：

(10)

具體的技術欠效率測度模型定義為：

uit=δ0+δ1FSit+δ2PGit+δ3ISit+δ4GSit+δ5T

(11)

式中,FS為第一產業產值占比；PG為人均生產總值；IS為水田和水澆地面積占耕地面積比例；GS為糧食作物面積占總種植面積比例。欠效率測度模型變量的選擇參考程翠云等[21]和洪開榮等[23]等人的研究,同時增加考慮了水資源要素。

式(10)和(11)中的未知參數用最大似然估計法聯合估計得到。令：

(12)

1.2 數據來源及處理

本文選取1985—2018年陜西省各區域面板數據為研究對象,通過加總各農田作物和經濟林果生產水足跡得到陜西省各區域作物生產水足跡,并估算作物生產生態效率。農業增加值、農業機械總動力、農業從業人口、各農作物播種面積、各經濟林果種植面積、氮肥施用折純量、地區生產總值、第一產業產值、人均生產總值、水田、水澆地、耕地面積等數據主要來自《陜西統計年鑒》(1986—2019年),部分數據來自陜西各市歷年統計年鑒,缺失值采用插值法和比例法填補。農業增加值和人均生產總值按照1985年不變價格折算。各氣象站的月最低氣溫、月最高氣溫、平均風速、平均相對濕度、日照時數、降水量等數據來源于中國氣象科學數據共享服務網(http://cdc.cma.gov.cn/home.do)。

2 結果分析

2.1 陜西省作物生產水足跡測算

1985—2018年陜西省作物生產水足跡變化情況如圖1所示。研究期內陜西省作物生產總水足跡呈上升趨勢,從170.66億m3增長到381.92億m3,增長了2.24倍。同期,陜西省的作物總種植面積也緩慢增長,從4856. 27千hm2增長到5361.65千hm2,增長1.10倍,說明陜西省作物生產單位面積用水強度(水足跡角度)不斷增強。

水足跡衡量的是作物生產中所需要的水資源總量而非實際用水量,由圖1可知陜西省作物生產水足跡的增長主要在于灰水足跡部分,說明陜西省作物生產的環境影響呈現快速增長趨勢。1985年,陜西省綠、藍、灰水足跡分別為103.47億m3、34.16億m3和33.03億m3,分別占比60.63%、20.02%和19.35%。而在2018年,綠、藍、灰水足跡分別為165.95億m3、62.05億m3和153.92億m3,分別占比43.45%、16.25%和40.30%。綠、藍、灰水足跡年均增長率分別為1.83%、2.47%和11.09%。

圖1 陜西省作物生產水足跡變動趨勢Fig.1 Water footprint of crop production in Shaanxi Province

2.2 陜西省作物生產生態效率評價

2.2.1模型檢驗

使用軟件Frontier Version 4.1對式(10)和(11)進行估計以測算陜西省作物生產生態效率。模型中各變量的描述性統計見表1,模型估計結果見表2。

表1 變量的描述性統計

由表2可知,γ估計值為0.7927,顯著大于0,接近于1,并在1%的顯著水平通過了t檢驗,說明有79.27%的隨機誤差來自技術欠效率的影響,該模型是整體有效的。同時進行了一系列的檢驗以確定隨機前沿函數是否適合以及哪種具體的函數形式更優,結果見表3。表3顯示所有備擇假設均被拒絕,可知本文的隨機前沿生產函數形式是合理有效的。

表2 陜西省農業隨機前沿生產函數模型估計結果

表3 模型檢驗結果

2.2.2陜西省作物生產生態效率測算

1985—2018年陜西省各區域作物生產生態效率平均值為0.7477(見圖2),年際間的波動具體可分為兩個階段：1985—2003年,作物生產生態效率波動下跌,歷史最高值在1985年,為0.8729,在2003年達到最低值0.6324；此后進入波動增長期,2018年效率值為0.8077,表明目前陜西省作物生產實際產出離前沿產出邊界還有不小距離,作物生產生態效率有一定的提升空間。

圖2 陜西省作物生產生態效率變動趨勢(1985—2018年) Fig.2 Crop production eco-efficiency of Shaanxi Province from 1985 to 2018

目前中國作物生產生態效率損失的原因并不在于產出不足,而在于資源消耗過多和環境污染物排放過多[24]。陜西省作物生產生態效率整體下跌的最主要原因是灰水投入的大幅增長(見圖1),陜西省耕地面積在2003年之前持續減少(從1985年的3627.07千hm2減少至2003年的2795.82千hm2),耕地的減少限制了農業產值的增長,但同期的化肥、農藥施用量卻持續增長。尤其在2003之前數年,國內正處于“以地生財”的征地高峰,西部大開發促使陜西省耕地面積大幅減少[42],單位面積化肥施用折純量持續上升(從最低點1996年的8594.35kg/hm2增長至2003年的9592.95kg/hm2),同時,2003年高溫、洪澇等氣候災害造成作物大幅度減產[19],也是陜西省作物生產生態生態效率出現極低值的重要原因。之后,國家嚴格對耕地保護,加大了對農業資源環境的管制力度,陜西省2003年之后幾年耕地面積僅微幅下降,并在2008年至今一直處于增長通道,使得作物產量相當程度得以保證的同時,化肥農藥的使用效率也不斷提高,單位面積化肥施用折純量在2003年高點后持續降低,2016年,陜西省出臺化肥農藥使用減量化意見,在一定程度上促進了生態農業的發展。

2.3 陜西省作物生產生態效率影響因素分析

從表2的估計結果可以看出,陜西省作物生產生態效率損失影響因素中,第一產業產值占比、人均生產總值和水澆地占比與效率損失顯著負相關,時間變量與效率損失顯著正相關。表明,第一產業產值占比、人均生產總值和水澆地占比的提高可以有效的改進作物生產生態效率。過度追求經濟效益會使得人們采取粗放的經營模式,而隨著經濟發展,人們對環境的重視程度增強,不再片面追求農業的經濟效益,同時也更有能力控制和治理環境污染,這會促使農業向生態化的方向轉變,從而改進作物生產生態效率,這一結果與王寶義和張衛國[28]的研究一致,同時這一格局在農業主產區更易形成。水澆地占比代表了區域的灌溉技術強弱,較大的水澆地占比一方面反映了該區域降水資源相對匱乏,更加重視節約用水,同時也表明該區域有相應的技術保障農業用水,進而促進了農業產值增長。另外,糧食作物面積占比沒有通過顯著性檢驗,對作物生產生態效率沒有影響。

3 討論

3.1 陜西省作物生產水足跡區域差異與原因分析

1985—2018年陜西省各區域年均作物生產水足跡如圖3所示。渭南市的作物生產總水足跡最大,為59.93.86億m3,其次是咸陽市(51.07億m3)和榆林市(35.26億m3)。楊凌示范區的作物生產水足跡最小,為0.65億m3,其次是銅川市(5.81億m3)和商洛市(13.08億m3)。陜西省水足跡區域差異明顯,綠水占比從大到小的區域排序依次為安康市、延安市、榆林市、商洛市、銅川市、漢中市、寶雞市、咸陽市、西安市、渭南市和楊凌示范區。藍水占比從大到小的區域排序依次為楊凌示范區、西安市、渭南市、咸陽市、寶雞市、榆林市、漢中市、銅川市、商洛市、安康市和延安市?；宜急葟拇蟮叫〉膮^域排序為渭南市、楊凌示范區、西安市、咸陽市、寶雞市、銅川市、商洛市、漢中市、榆林市、延安市和安康市。

圖3 陜西省各區域年均作物生產水足跡Fig.3 Regional annual average water footprint related to crop production of Shaanxi Province

區域水足跡的大小與農作物種植面積有密切關系,陜西省單位面積水足跡最大的區域是楊凌示范區(7939.01m3/hm2),其次是渭南市(7333.65m3/hm2)和咸陽市(6962.68m3/hm2)。單位面積水足跡最小的三個區域分別是榆林市(3857.08m3/hm2),延安市(4251.01m3/hm2)和商洛市(4322.03m3/hm2)。單位面積水足跡與氣候、種植結構和農業污染相關。其中,氣候因素中光照和降雨量對作物的生長發育和產量產生直接影響,日照時數和風速等通過影響相對濕度和作物冠層水汽擴散速率間接影響作物生長,從而影響作物單位面積水足跡；不同作物的虛擬水含量不同,作物種植結構調整將導致水足跡的變化；此外,農業污染物的數量變化導致稀釋所需的淡水量變化。

陜西省各區域種植結構、降雨量與單位面積化肥、農藥施用量如圖4所示。其中,低耗水作物、中耗水作物和高耗水作物按照前文計算得到的陜西省各作物需水量進行分類,低耗水作物主要包括玉米、薯類和小雜糧,中耗水作物主要包括小麥、大豆和油料,高耗水作物主要包括經濟林果、蔬菜、瓜類、稻谷和棉花。整體而言陜西省的降水量從北到南遞增,陜北地區的延安市和榆林市,以及陜南地區的安康市和商洛市灌溉條件限制,是其藍水占比低,綠水占比高的主要原因。區域比較可以發現,陜北的榆林市降雨資源最少,種植結構中低耗水作物面積占比最大,匹配度較高,而安康市和商洛市雖擁有較豐富的降水資源,但其作物種植集中在中、低耗水卻低產值的糧食作物,存在綠水資源利用不足的問題。關中地區渭南市、楊凌示范區、西安市和咸陽市較高的單位面積化肥和農藥投入是其灰水占比高的主要原因。其中比較特殊的是,與其他區域不同,渭南市化肥農藥的大量使用并沒有伴隨農業產值的增長,同時渭南市較好的灌溉條件并沒有被充分利用以生產高耗水高產值經濟作物,導致資源與種植結構不匹配的效率低下的問題。

圖4 陜西省各區域種植結構、降雨量與單位面積化肥、農藥施用量Fig.4 Regional planting structure, rainfall, and application amount of fertilizer and pesticide per unit area of Shaanxi Province

3.2 陜西省作物生產生態效率區域差異與變化分析

如圖5所示,1985—2018年間,作物生產生態效率平均值最高的區域是西安市,效率值為0.9109,其次為咸陽市(0.8934)和楊凌示范區(0.8901)。作物生產生態效率最低的區域是銅川市,效率值為0.4644,其次為商洛市(0.6220)和安康市(0.6843)。為進一步分析陜西省作物生產生態效率區域差異與年際變化,選擇作物生產生態效率變化的關鍵節點年份(1985,1993,1998,2003,2010和2018年),陜西各區域關鍵節點年份作物生產生態效率分布見圖6。

圖5 陜西省各區域作物生產生態效率箱圖(1985—2018年)Fig.5 Box diagram of eco-efficiency of crop production in various regions of Shaanxi Province (1985—2018)

圖6 陜西省關鍵節點年份作物生產生態效率分布Fig.6 Distribution of crop production eco-efficiency in key node years of Shaanxi Province

如前文所述,從圖6中也可看出陜西省整體作物生產生態效率,以2003年為分界點,經歷了先下降后上升的U型曲線,同時也存在一定的區域差異。其中陜北地區的延安市和榆林市、關中地區西部的寶雞市、陜南地區西部的漢中市呈現類似的 U型曲線,而關中地區中部的咸陽市、西安市和楊凌示范區一直維持較高的生態效率,陜南地區東部的安康市和商洛市,以及關中地區東部的渭南市生態效率持續下降至2003年后長時間處于低效率區間,尤其是商洛市至今仍無恢復跡象,最值得關注的是銅川市,從1985年至今,其作物生產生態效率處于持續低效率水平。

比較各投入要素效率可以發現,整體而言,銅川市各投入效率均屬于低效率區域,尤其是農業機械動力、綠水足跡和灰水足跡。其中,銅川市單位農業機械動力增加值為0.049元/kW,約為效率最高的咸陽市的50%,單位綠水和灰水增加值分別為0.420元/m3和0.601元/m3,約為效率最高的楊凌示范區的20%和38%。渭南市除綠水效率較高外,其他要素效率均屬于低效率區域,尤其是農業機械動力、藍水足跡和灰水足跡。其中,單位農業機械動力增加值為0.044元/kW,單位藍水增加值為0.866元/m3,僅約為效率最高的延安市的22%,單位灰水增加值為0.513元/m3。商洛市的低效率主要表現在勞動力要素上,單位勞動力增加值為0.067元/人,約為效率最高的楊凌示范區的37%。安康市的低效率主要表現在綠水足跡上,單位綠水增加值為0.342元/人。

具體分析各低生態效率區域影響因素發現,銅川市作為一個工業市,其農業人口占比和一產非常低,同時其農業耕地和灌溉條件差,水澆地和水田占比排名倒數第一,是其農業生產落后,進而農業生態效率水平低下的根本原因。渭南市灌溉條件較好,但經濟整體落后,低效率(產值角度)的灌溉和化肥農藥施用導致較低的生態效率。商洛市和安康市比較類似,農業人口占比和一產占比均排在陜西各區域前列,然而灌溉條件的匱乏和落后的經濟水平以及農業生產方式嚴重阻礙作物生產生態效率的提升。

3.3 陜西省作物生產各投入的產出彈性分析

基于陜西省生態農業隨機前沿模型模擬結果,進一步分析了各投入的產出彈性,結果見圖7。從投入的產出彈性總和值的變化可以看出,陜西省作物生產經歷了從規模報酬遞增(1985—2000年),到規模報酬遞減(2001—2018年)2個階段,與耕地面積的變化基本對應。2018年陜西省作物生產各投入產出彈性總和值為0.904,說明考慮資源投入和環境影響時,在目前技術水平和產業組織下,作物生產規模擴大帶來的產出增長在縮小。

圖7 陜西省作物生產各投入的產出彈性Fig.7 The elasticities of output with respect to the inputs of crop production in Shaanxi Province

各彈性中,資本的產出彈性連年增長,目前是拉動產出增長最有力的要素。勞動投入的產出彈性不斷降低,在-1.1以下,農業勞動力投入與產出增長負相關,原因在于,一方面,單純使用勞動力數量無法準確衡量作物生產中的勞動投入,另一方面,農業的升級發展并不依賴勞動投入的數量,專業的高素質農業勞動力是農業發展的關鍵。目前,陜西省存在大量冗余的農業勞動力。三種水足跡投入中,藍、綠水產出彈性均處于正值區域,綠水的產出彈性波動下降,藍水的產出彈性增長至1995年后長期穩定,說明目前陜西省作物生產無論在自然水資源還是灌溉水資源上都還存在缺口。灰水的產出彈性也處于正值區域,但呈現下降趨勢,說明目前化肥、農藥等投入對產出仍有很大貢獻,但其作用不斷弱化,造成的環境影響不容小覷。

具體到陜西省各區域三種水足跡的產出彈性分布如圖8所示。榆林市、渭南市和西安市的綠水產出彈性由正(1985—2003年)轉為負(2004—2018年),表明這些區域作物種植對綠水資源已經過了最佳匹配點,增加消耗綠水作物的種植對產值增長無益。其中,西安市和渭南市擁有較高的藍水產出彈性,在這些區域增加灌溉投入可以有效地提高農業產出,而榆林市擁有較高的灰水產出彈性,說明榆林市的化肥農藥使用還處于高效率區間,可考慮加大使用。銅川市和商洛市都有較高的綠水產出彈性,如果這兩個區域目前的作物生產沒有充分地利用降雨資源,種植結構和產值結構均需要調整。延安市、安康市和榆林市的藍水產出彈性相比較小,在這些區域增加灌溉投入的效果較弱。銅川市和楊凌示范區的灰水產出彈性由正(1985—2003年)變為負(2004—2018年),說明肥料和農藥的投入已經對產出增長無益,同時造成環境污染,需要嚴格控制。

圖8 陜西省各區域作物生產水足跡的產出彈性Fig.8 The regional output elasticities of water footprints of crop production in Shaanxi Province

4 結論

本文將綠水、藍水和灰水足跡作為投入要素引入作物生產函數,分別代表降水資源、灌溉水資源和作物生產的環境影響,通過建立隨機前沿作物生產函數模型,測算1985—2018年陜西省各區域的作物生產生態效率,并聯合估計第一產業產值占比、人均生產總值、水澆地占比和糧食作物面積占比等因素對生態效率的影響。得到以下研究結論：

(1) 1985—2018年間陜西省作物生產總水足跡呈上升趨勢,作物生產單位面積用水強度不斷增強?？偹阚E中,綠水、藍水、灰水均有所增長,灰水的增長最為顯著。單位面積水足跡及藍、綠、灰水占比與氣候、種植結構,灌溉條件和農業污染相關。

(2) 研究期內,陜西省作物生產生態效率以2003年為分界點呈現先降后升區域,2018年效率值為0.8077,表明目前陜西省作物生產實際產出離前沿產出邊界還有距離,作物生產生態效率有一定的提升空間。陜西省作物生產生態效率的U型波動對應政府對耕地資源保護和農業污染管控政策變化。

(3) 第一產業產值占比、人均生產總值和水澆地占比的提高可以有效的改進作物生產生態效率,糧食作物面積占比對作物生產生態效率沒有顯著影響。作物生產生態效率低下的區域集中在生產落后的農業區和農業條件差的工業區,農業耕地質量差,灌溉條件匱乏,低效率(產值角度)的灌溉和化肥農藥施用以及落后農業生產方式是導致作物生產生態效率低下的主要原因。

(4) 研究期內,陜西省作物生產經歷了從規模報酬遞增,到規模報酬遞減2個階段,與耕地面積的變化基本對應。2018年陜西省作物生產各投入產出彈性總和值為0.904,說明考慮資源投入和環境影響時,在目前技術水平和產業組織下,作物生產規模擴大帶來的產出增長在縮小。短期內,考慮各投入要素的產出彈性調整種植結構和化肥農藥施用量是提高作物生產生態效率的有效途徑,而促進農業產業升級和技術革新是推動作物生產生態效率提升的根本原因。