污染排放約束下長江經濟帶農業綠色水資源利用效率研究

童紀新，盛 前

(河海大學商學院，江蘇 南京 211100)

水資源作為寶貴的戰略資源，對我國經濟建設和社會發展有著至關重要的保障作用。近年來，隨著工業化、城鎮化進程的加快，水污染、水浪費等問題日趨嚴重，已成為制約我國經濟社會可持續發展的重大障礙。2022年中央一號文件提出要把生態化建設當作重點任務持續推進，深入開展污染防治攻堅戰。該要求旨在促進改善水環境等生態問題，實現經濟、資源和自然的協調發展。各地政府也發文強調要強化水資源剛性約束，建設節水型社會，并將提高農業用水效率作為建設資源節約型社會的重要內容。根據歷年《中國水資源公報》，農業用水長期在我國用水部門中位列第一，2020年我國農業用水量為3 612.4億m3，占全國用水總量的比重高達62.14%。但我國農業用水卻一直面臨著利用率低下和污染嚴重的雙重困境，這已經成為制約我國水資源態勢改善的瓶頸。長江經濟帶作為我國重要的戰略水源地及糧食生產區，雖然擁有穩定水源，但由于農業原始粗放式的發展模式，長江可用水量急劇下降，且嚴重水污染導致的水質型缺水進一步惡化了農業水資源態勢，這也使得長江經濟帶成為我國農業水資源供需矛盾最為尖銳的地區之一。因此，在新時期綠色高質量發展的要求下，加強水污染防治，提高農業水資源集約利用水平，緩解長江經濟帶農業用水問題已迫在眉睫。

縱觀農業水資源利用效率研究的發展歷程，大致經歷了單要素農業水資源利用效率研究、全要素農業水資源利用效率研究以及考慮非期望產出的農業水資源利用效率研究3個階段。在第一階段，于法穩等[1]、李世祥等[2]運用萬元GDP和農業灌溉畝均用水量等單一水資源消耗指標評價了我國部分地區的農業水資源利用效率。該方法數據易得，計算簡便，但忽略了其他投入要素的貢獻，具有較大局限性。在第二階段，部分學者將農業水資源的經濟社會屬性納入研究范疇，多數采用數據包絡分析方法(DEA)測算決策單元在多生產要素投入下的經濟產出效率。佟金萍等[3]、楊騫等[4]分別運用不同的DEA模型對我國農業全要素用水效率進行了多方面的評價；Gadanakis等[5]運用DEA模型對英格蘭農場的農業生產率和農業用水效率進行了綜合測算分析。第三階段也稱為農業綠色水資源利用效率研究階段，該階段進一步關注了農業水資源的生態環境屬性，本質上是追求以盡可能少的水資源投入來獲得盡可能大的經濟產出和生態環境保護。甘天琦等[6]將農業COD、農業總氮和總磷排放量視作農業用水的“壞產出”；劉渝等[7]將農業COD排放量和氨氮排放量設為非期望產出指標；沈曉梅等[8]構建了綜合性農業面源污染指數來表征非期望產出，并運用DDF模型測度了我國大陸地區省際農業綠色水資源利用效率。

總體來看，學界已經對農業水資源利用效率展開了較為深入的討論，其研究方法和分析范式已較為完善，但在新研究階段，針對農業綠色水資源利用效率的研究仍有待完善，其中考慮污染排放約束的相關文獻較少，且僅有的研究多數集中于討論中國總體層面[9-10]，聚焦長江經濟帶等重點區域的研究較少。鑒于此，本文首先將構建高穩定性、高精細度的超效率SBM模型，以農業廢水中的污染排放物作為非期望產出，對污染排放約束下長江經濟帶農業綠色水資源利用效率進行測度并分析其時空差異特征；其次利用GML指數探究其時空演變動態趨勢，并在此基礎上借助Tobit回歸模型實證檢驗其影響因素，最終為提高長江經濟帶農業綠色水資源利用效率提供參考建議。

1 研究方法與數據來源

1.1 研究方法

1.1.1超效率SBM模型

超效率SBM模型是DEA的一種衍生模型，相較于一般的徑向DEA模型(徑向BCC/CCR)，該模型考慮了松弛變量，不僅可以解決非期望產出問題，還可以在判斷決策單元是否有效的基礎上，進一步區分有效決策單元之間的效率差異。因此，本文通過構建超效率SBM 模型來測度長江經濟帶各地區農業綠色水資源利用效率，模型公式為

(1)

(2)

1.1.2GML指數

GML指數由Oh[11]于2010年提出，該指數可以對決策單元的效率值進行動態分析及效率分解，在研究非期望產出問題時具有一定優越性。GML指數本質上是Malmquist指數，都是在效率評價之后、體現效率動態變化的指標，二者都可以分解為技術效率變化(EC)指數和技術進步變化(TC)指數。與Malmquist指數相比，GML指數不僅增加了對非期望產出的分析，而且更具全局性和穩定性。GML指數具體表達式如下：

(3)

DG(xt,yt,bt;gy;gb)=
max{γ|(yt+γgy,bt-γgb)∈PG(x)}

(4)

式中：I為GML指數；DG為全局方向性距離函數；γ為以期望產出最大化、非期望產出最小化計算的方向性距離函數值；(gy，gb)為方向函數；PG為決策單元所有生產可能性集合。若I大于1，表示全局全要素生產率提高，小于1則相反。

GML指數分解項EC指數和TC指數表達式分別為

(5)

(6)

式中：IEC為技術效率變化指數，若IEC大于1，表示技術效率提高，小于1則相反。ITC為技術進步變化指數，若ITC大于1，表示技術進步；小于1則表示技術退步。通過分解GML指數可以更好地闡釋全要素生產率的變化特征和增長來源。

1.2 指標選取與數據來源

參考肖琴等[12]、羅芳等[13]、Pan等[14]相關研究中的指標體系，結合農業水資源利用過程中的要素投入和產出現狀，并考慮數據的可得性，本文最終構建如表1所示的指標體系。由于非期望產出指標的數據只能追溯到2011年，其他部分指標數據2020年之后的獲取困難，本文選取2011—2019年作為研究期。農業用水量數據來源于相應各省(市)的《水資源公報》，農業氨氮排放量和農業COD排放量數據來源于《中國環境統計年鑒》，其余數據均來源于相應各省(市)的《統計年鑒》。

表1 投入產出指標體系

2 測算結果與分析

2.1 時間演化分析

基于超效率SBM模型，運用 MaxDEA 軟件對長江經濟帶11省(市)2011—2019年農業綠色水資源利用效率進行了測算，結果見表2。由于超效率SBM模型在測算過程中已考慮非期望產出(農業廢水中的污染排放物)，得到的結果反映的就是污染排放約束下長江經濟帶的農業綠色水資源利用效率。

表2 2011—2019年長江經濟帶農業綠色水資源利用效率測算結果

2011—2019年，長江經濟帶農業綠色水資源利用效率整體波動平緩，一直徘徊在0.94左右，屬于較高效率水平。其中，上海和江蘇的農業綠色水資源利用效率較高但一直處于下降趨勢，分別從效率值第一、第二下降到第三、第六。上海在“十三五”時期加快產業結構調整步伐，第一產業比重逐年降低，農業產值的下降使得農業水資源利用效率逐年下降。浙江表現優異，效率值較高且保持穩定增長，到2019年效率值為1.576，位居第一。湖北漲幅最大，9年間效率值漲幅為37.3%，并于2016年達到對農業水資源利用的最優狀態。這很大程度上得益于湖北于2014年強化水資源嚴格管理，并在2016年頒布了農業水價改革政策，大力推進農業節水及環境保護。云南的效率值2015—2019年呈現“U”形變化，在2019年勉強達到DEA有效。2016年云南自然災害頻繁，第一產業總產值嚴重下降，農業水資源利用效率也由此斷崖式下降。2017年云南各地區貫徹落實《云南省水污染防治工作方案》，重點推進農業農村污染防治，農業水資源利用狀況在短期內得到較大改善，此后效率值逐步回升。重慶、四川和湖南的效率值整體呈波動上升趨勢，且都曾以2015年為拐點，后期出現明顯增長。安徽和江西的效率值時序變化平穩，但一直處于較低水平，是拉低整體效率水平的主要原因。

綜合來看，有超過一半的地區在2015年之后農業綠色水資源利用效率得到提升，說明2015年召開的十八屆五中全會提出的“綠色發展”理念被有效踐行。多數地區如湖北、重慶等開始注重水資源節約集約利用和水污染治理，但部分地區如湖南、貴州等地在2017年之后面臨增長疲軟，這也反映出長期有效的節水機制仍有待建立和完善。

2.2 空間演化分析

為準確刻畫污染排放約束下長江經濟帶農業綠色水資源利用效率的空間差異，本文將研究期劃分為3個時間段并采用雷達圖進行分析，結果見圖1。

(a) 2011—2013年

從圖1可看出，①2011—2013年，長江經濟帶農業水資源利用水平分化明顯，湖南、江西和安徽的效率值遠低于其他地區，3年內多數地區的農業水資源利用效率變化不大；②2014—2016年，區域內農業水資源利用水平差異化走勢明顯，多數地區年際效率差異呈擴大趨勢，其中湖北和江蘇的變化幅度最大；③2017—2019年，長江經濟帶農業水資源利用效率空間格局朝多極化方向發展，且逐漸趨于穩定。

為了進一步比較污染排放約束下長江經濟帶各地區農業綠色水資源利用水平，筆者運用 ArcGIS10.3軟件繪制出各時間段內不同地區的效率均值，并將效率水平分成4類來進一步比較各地區的農業水資源利用水平，具體見圖2。4類效率水平分別為：高水平(θ≥1.2)、較高水平(1.0≤θ<1.2)、較低水平(0.6≤θ<1.0)和低水平(θ<0.6)。

從圖2可看出，在整個研究期內，長江經濟帶下游地區整體農業綠色水資源利用效率最高，上游地區次之，中游地區最低。下游地區農業現代化水平較高，節水技術較為先進，因此農業綠色水資源利用效率高于其他地區。浙江是唯一穩定在高效率水平的地區，這與該地區近年來大力發展農業節水技術、重點治理農業污染排放有關。安徽雖然在下游地區，但效率值一直低于0.6。由于地理條件受限以及水利建設滯后，安徽經常遭受洪澇災害，農作物大幅受損且水污染嚴重，經濟效益和生態效益均遭到一定程度的破壞。

(a) 2011—2013年

上游地區四川、貴州都是農業大省，其灌區面積廣闊，對水資源需求巨大。在嚴重的農業灌溉壓力下，農業大省很早就認識到提髙農業水資源利用效率的重要性。四川歷年來不斷推進高標準農田建設和重大水利工程建設，倡導種植戶采用滴灌和噴灌系統代替人工澆灌，以此來優化水資源集約高效利用。貴州多山地，雨熱同季，該地積極發展現代山地特色高效農業，種植耗水少、化肥施用量少且附加值高的經濟作物。因此，四川和貴州長期處于較高效率水平。重慶作為長江上游的核心地區，具有體制優勢和生態優勢，近年來綠色美麗鄉村建設成效顯著，農業用水產生了良好的經濟生態效益。中游地區湖南、江西始終處于低效率水平，效率值穩定在0.6以下，與有效前沿面產生了較大偏離。這反映出湖南、江西的農業水資源配置結構失衡，農業用水存在大量冗余，其中農業用水方式粗放、污水直排問題整治不到位是關鍵原因。

綜上可知，污染排放約束下長江經濟帶農業綠色水資源利用效率在空間分布上呈現出明顯的非均衡特征，其中浙江、上海、江蘇和重慶對農業水資源的配置較好，安徽、江西和湖南納入最低效率組。各地區應基于自身自然稟賦和區位優勢，因地制宜地推進農業水資源配置向綠色高效化發展的方向轉變。

2.3 時空差異變化的動態趨勢

為了進一步研究效率值的動態變化及驅動因素，采用GML指數及其分解項進行分析，并利用不考慮非期望產出的Malmquist指數及其分解項進行輔助性對比分析，具體結果見表3。表3中，M、MEC、MTC分別表示上文效率值的Malmquist指數及其技術效率變化指數和技術進步變化指數。

表3 2011—2019年長江經濟帶農業綠色水資源利用效率GML指數和Malmquist指數的幾何平均值

由表3可知，2011—2019年長江經濟帶各地區GML指數的幾何平均值均大于1，表明各地區農業綠色水資源利用效率增長態勢良好。其中中游地區效率增長變化水平最高，下游地區效率增長變化水平最低。這與上文超效率SBM模型測算結果正相反，反映出長江中游地區雖然目前效率值較低，但具有較大的節水潛力，效率值增長速度較快；下游地區隨著農業節水技術的普及以及水污染排放的管制，農業綠色水資源利用水平的上升空間趨于飽和，因而效率值變化也逐漸收斂。

從效率變化的驅動因素來看，IEC為0.997，ITC為1.211，這說明技術進步是促進農業綠色水資源利用效率增長的主要動因，而技術效率變化對農業綠色水資源利用效率增長起抑制作用。技術進步是指宏觀社會環境層面的科技創新、技術變革以及經濟結構變化等“硬條件”所帶來的效率值的提高，而技術效率衡量的是通過提高管理水平、優化資源配置等“軟條件”所引起的效率值的提高。多數地區ITC大于IEC，這也反映出多數地區沒有跟上宏觀層面節水減排技術變革的步伐，其技術效率仍有較大改善空間。

從技術進步驅動效率改善的作用機制來看，考慮非期望產出的GML指數大于不考慮非期望產出的Malmquist指數，說明污染排放約束對農業綠色水資源利用效率的增長起到了反向激勵作用。再通過對比EC、TC指數值可發現其作用機制，雖然加強污染排放約束增加了農業水資源利用過程中的投入成本，對經濟主體造成了一定的損失，但這種約束力能夠倒逼經濟主體加大科技投入，通過推動技術進步來驅動整體效率值的提升。

3 影響因素實證分析

3.1 模型與變量選擇

為了進一步探究影響長江經濟帶農業綠色水資源利用效率的具體因素，采用Tobit回歸模型對相關因素進行實證檢驗。由第2節分析可看出，江西、湖南農業綠色水資源利用水平主要取決于自然環境條件，云南、重慶受政策影響較大，浙江、江蘇得益于較高的經濟發展水平，且技術進步是驅動效率值變化的主要因素，本節將在前文分析的基礎上，聯系農業水資源利用過程中的實際情況，并參考已有研究成果，最終從自然稟賦、經濟環境、技術管理以及環境約束4個種類中來選取關鍵變量。具體變量見表4。

表4 Tobit回歸模型對應變量說明

3.2 回歸結果與分析

運用Stata14.0軟件對表4中相關變量的面板數據進行Tobit回歸分析，結果見表5。

由表5可知：①水資源豐裕程度的回歸系數為-0.069，在1%的水平上顯著。這表明水資源越是豐富的地區，其農業綠色水資源利用效率則越低。這一結論也驗證了相關學者的“資源詛咒”假說。究其原因，很大程度上在于人均水資源量的增加會弱化農戶的節水意識，從而更大概率地造成水資源浪費和水污染排放現象。②農作物種植結構的回歸系數為-0.676，在1%的水平上顯著。這表明糧食作物的播種面積越大，水資源在農業生產中的投入產出效率越低。③經濟發展水平的回歸系數為0.013，通過了1%的顯著性檢驗。這說明農戶的可支配收入越高，對購置先進節水設備、采用清潔養殖模式的傾向越高。④產業結構的回歸系數為-0.514，表明第一產業比重增加將造成效率值降低，可適當優化產業結構來改善對農業綠色水資源的配置。但未通過顯著性檢驗，表明產業結構相較于其他解釋變量來說，影響程度較低。⑤農田水利建設水平在5%的顯著水平下對農業綠色水資源利用效率呈正向影響。這表明農田水利建設明顯推動了農業水資源綠色高效化利用。⑥政府管控水平的回歸系數為3.151，在5%的水平上顯著。這表明政府農林、水利等涉農公共事業管理方面的財政投入和行政干預有助于區域農業綠色水資源利用效率的提升。⑦水污染排放強度可反映出各地對農業廢水排放的防治力度，回歸系數為負數，側面表明各地環境約束力的提升促進了水污染治理和生態環境保護。但該影響因素未通過顯著性檢驗，究其原因在于農業面源污染具有深刻的廣泛性和復雜性，治理難度大且周期長，近年來我國污染防治更多集中于工業，針對農業的環境治理工作起步較晚，相關措施存在滯后性，還未體現出應有的效果。

表5 長江經濟帶農業綠色水資源利用效率影響因素的Tobit回歸結果

4 結論與建議

4.1 結論

a.2011—2019年，污染排放約束下長江經濟帶農業綠色水資源利用效率整體處于較高水平，時序變化不大，但空間差異顯著。其中上海、江蘇、浙江和重慶農業綠色水資源利用效率高于其他地區。

b.研究期內，技術進步是驅動效率值提升的主要原因，技術效率變化則抑制了效率值的提升。污染排放約束倒逼經濟主體通過推動技術進步來提升農業水資源利用效率。多數地區仍需通過提高節水治污技術和規范管理水平來改善技術效率。

c.政府管控水平、經濟發展水平、農田水平建設對農業綠色水資源利用效率有著顯著的正向作用；水資源豐裕程度、農作物種植結構、產業結構對農業綠色水資源利用效率起到了負向作用，其中水資源豐裕程度和農作物種植結構影響顯著。

4.2 建議

a.創新農業用水方式，堅持綠色發展理念。長江經濟帶各地區應以新時期綠色發展理念為指導，堅持節水優先方針，加快農業用水結構升級。面對豐水地區可能存在的“資源詛咒”問題，應全面落實最嚴格水資源管理制度，完善水資源用途管制和水市場監督機制。

b.挖掘節水減排潛力，強化科技基礎支撐。技術進步和技術效率是驅動效率值變化的主要原因，一方面，長江經濟帶需在保持原有水平的基礎上，加大技術進步對農業綠色水資源利用效率的正向貢獻力度。另一方面，長江經濟帶需著重改善技術效率水平，扭轉技術效率抑制效率值增長的局面。

c.推進農業水價改革，提高政府管控水平。長江經濟帶各地區應縱深推進農業水價綜合改革，建立健全反映農業水資源稀缺程度和供水成本的水價形成機制，完善節水、供水、排水和水處理等一體化運行管理體制。

d.引導生產要素流通，促進區域協調發展。長江經濟帶地區發展不平衡問題突出，各地區需打破行政壁壘，引導生產要素在更大范圍暢通流動，促進區域協同高質量發展。