中国农业生态用水效率的空间差异与模式分类

刘涛

摘要：界定农业生态用水效率的内涵，建立了农业生态用水效率评估指标体系，并使用SBM-Undesirable超效率模型对2011—2013年我国农业生态用水效率及其区域差异进行测算。研究发现，我国农业生态用水效率总体偏低，且有下降趋势。纯技术效率和规模效率的双重低效共同导致我国农业生态用水效率总体偏低；考虑污染排放负效应后，农业生态用水效率由高到低的排名为西部地区、东北地区、中部地区和东部地区，农业生态用水效率的空间差距明显；根据农业生态用水效率与农作物播种面积分布图，农业生态用水效率的空间模式可以分为6类。今后农业水资源的利用在考虑数量增长的同时，更应该注重生态化效率；国家应从总体上纠正漫灌式、污染式的农业用水方式，建立起节水灌溉、生态灌溉的农业用水方式；各省份需着重解决本省农业生态用水中的短板，通过区域结构优化、投入产出结构优化改善其农业生态用水效率。

关键词：污染排放；农业生态用水效率；空间差异；模式；SBM-Undesirable超效率模型

中图分类号： F323.213 文献标志码： A 文章编号：1002-1302（2016）07-0443-03

水资源是农业发展的命脉，农业的发展与水资源的投入息息相关。改革开放以来，由于我国农田水利设施建设投入加大，我国农业用水的供给能力不断增强。根据《中国环境统计年鉴》的数据，2000年我国农业用水总量为3 783.5亿m3，此后逐年增长，到2013年农业用水总量达到3 921.5亿m3，增长了3.6%，有效地保障了我国粮食作物持续增产目标的实现。然而，我国农业水资源的利用效益比较低，水资源所产粮食不足1.2 kg/m3，小于世界发达国家的 2 kg/m3，农业水资源利用方式比较粗放。同时由于我国农业水资源利用不合理，导致农业水污染问题非常严峻。2012年农业废水的化学需氧量（COD）排放量占全国废水COD排放总量的47.6%，农业废水的氨氮排放量占全部废水中氨氮排放量的3179%，2013年2项指标所占比重分别为47.9%、31.72%。严重的农业水污染进一步恶化了我国农业水资源的短缺。节约用水的同时如何保护水资源的清洁，对于保障农业水资源可持续利用、加强农业水资源管理具有重大意义。因此，研究农业用水效率时必须要考虑农业水污染问题，将农业水污染排放纳入评价指标体系分析我国农业生态用水效率成为农业水资源利用研究的重要课题。

目前理论界用不同的评价方法对农业用水效率进行了大量研究，如刘渝等运用DEA方法测算了1999—2006年我国29个省份农业水资源利用效率[1]，张雄化等运用MFA、SFA和DEA方法测量我国粮食生产灌溉水资源的资源生产率、技术效率和全要素资源效率[2]。赵凯等以杨凌示范区为例测算了滴灌技术下的农业用水配置效率[3]。此外，部分学者尝试引入环境污染变量测算农业用水效率，如杨骞等引入农业废水中的氨氮排放量和COD排放量，利用非径向方向性距离函数模型分析了2011—2012年污染排放约束下中国分省份及区域的农业水资源效率[4]。李静等在产出变量中引入作物生产过程带来水污染中氮排放量和磷排放量，利用窗式DEA方法测算了2003—2012年产粮区粮食生产用水效率[5]。

当前理论界对污染排放约束下农业用水效率进行了一些探索研究，但是已有文献并未提出农业生态用水效率的理念，也未专门对我国农业生态用水效率进行研究。农业生态用水效率是指农业水资源利用的生态投入与生态产出的比例关系，与农业用水效率的区别在于产出指标中不仅要考虑“好产出”还要考虑“坏产出”。“坏产出”越小，农业生态用水效率越高。基于此，本研究通过建立农业生态用水效率评估指标体系，使用SBM-Undesirable超效率模型，对2011—2013年我国农业生态用水效率及其区域差异进行测算分析，这对于推动我国农业水资源的管理工作具有重大的指导价值。

1 农业生态用水效率的评估框架

1.1 SBM-Undesirable超效率模型

数据包络分析法（即DEA方法）是用于评价具有相同类型的多个投入、多个产出的若干决策单元是否相对有效的非参数统计方法[6]。近年来DEA方法逐渐成为效率测度研究的主流方法，传统的CCR、BCC等模型所设定的产出指标一般为期望的“好产出”，但是没有考虑农业水资源利用过程中产生的污染排放等非期望的“坏产出”，因而其测算的效率值是不准确的。为了解决非期望的“坏产出”问题，理论界研究了多种处理方法，包括正向属性转换法、投入产出转置法以及方向性距离函数法，但是这些处理方法都没有考虑投入产出变量的松弛问题。为此，Tone提出了SBM模型的处理方法，他在2001年提出的考虑投入产出变量松弛问题的SBM模型基础上，建立了处理非期望产出的SBM模型[7]。利用Tone的思路，我们构建了准确测算污染排放约束下我国农业用水效率的SBM-Undesirable模型。

基本原理如下：假定农业水资源利用系统有n个决策单元（DMU），并且每个决策单元都包括3个投入产出向量，即投入向量、期望产出向量以及非期望产出向量，他们分别表示成x∈Rm，yg∈RS1，yb∈RS2。我们定义3个矩阵，即X、Yg、Yb，其公式分别为：X=（xi，j）∈Rm×n，Yg=（ygij）∈RS1×n，Yb=（ybij）∈RS2×n。其中，X>0，Yg >0，Yb>0，生产可能性集合P可以定义为：

其中Si-、Srg、Srb分别为第i0个DMU的投入冗余量、期望产出不足量和非期望产出超标量；λ为权重向量；目标函数ρ* 为严格递减的，且0≤ρ*≤1。当ρ*=1，即S-=0，Sg=0，Sb=0 时，决策单元是有效率的；当ρ*<1时，决策单元是无效率的，需要对投入产出进行改进。该模型是一个非线性规划模型，可以根据Charnes-Cooper的转换方法进行求解。

但是该模型还是不能区分有效决策单元效率的大小，为了能对有效决策单元的效率高低进行比较，Andersen等提出了超效率DEA模型。其基本思想是：评价某个决策单元时，将其排除在决策单元集合之外[9]。本研究结合SBM-Undesirable模型和超效率DEA模型的优点，综合为SBM-Undesirable超效率模型，对2011—2013年污染排放约束下我国农业用水效率进行了测算分析。

1.2 评估指标与数据来源

比较借鉴已有指标体系建立了我国农业生态用水效率的评估指标体系。其中投入指标包括农业用水量（亿m3）、化肥施用量（万t）和农业机械动力（万kW），3个指标可以很好地度量农业生态用水效率的投入状况。产出指标综合考虑“好产出”和“坏产出”2个方面，“好产出”选取农作物播种面积（×103 hm2），“坏产出”选取农业废水的化学需氧量COD排放量（t）和农业废水的氨氮排放量（t），3个指标较全面反映了农业生态用水效率的产出状况。

为了使得决策单元具有可比性，参照2014年《中国统计年鉴》中农作物播种面积，将农作物播种面积在400万hm2以上的省份作为比较对象，从而确定了20个比较对象。2011—2013年我国农业用水效率的投入产出数据来源于历年《中国农村统计年鉴》和《中国环境统计年鉴》。根据国家标准划分，东北地区包括黑龙江省、吉林省、辽宁省，东部地区包括江苏省、广东省、山东省、河北省，中部地区包括安徽省、河南省、湖北省、湖南省、江西省，西部地区包括甘肃省、广西壮族自治区、贵州省、内蒙古自治区、陕西省、四川省、新疆维吾尔自治区、云南省。

2 考虑污染排放负效应的中国农业生态用水效率实证分析

利用Maxdea Pro 6软件，使用SBM-Undesirable超效率模型，测算了2011—2013年我国20个省份农业生态用水效率的变动状况（表1）。

2.1 我国农业生态用水效率的基本特征

我国农业生态用水效率总体偏低，且有下降趋势。2011年我国20个省份农业生态用水效率为0.781，小于1，离有效前沿面有较远的距离，表明农业水资源生态化利用不合理。2012年农业生态用水效率下降为0.766，减少了0.015，2013年虽然有所增加，但也仅为0.771，小于2011年的总体水平，农业水资源生态化利用不合理状况进一步恶化。

我国农业生态用水效率总体偏低的主要原因在于纯技术效率和规模效率都比较低。2011年我国农业生态用水的规模效率高于纯技术效率，但都未达到有效前沿面，使得农业生态用水效率总体上处于无效状态。2012年农业水资源的生态化管理有所改善，纯技术效率高于2011年，但是规模效率下滑比较大，最终使得2012年的农业生态用水效率总体上低于2011年。2013年农业生态用水的管理改善很大，与2012年相比，纯技术效率提高了很多，但是规模效率小幅下降，导致2013年的农业生态用水效率总体上虽高于2012年，但仍低于2011年（表1）。由此可见，我国农业生态用水的纯技术效率虽逐年提高，但是现有的用水规模与最优规模的差距越拉越大，纯技术效率和规模效率的双重低效共同导致我国农业生态用水效率总体偏低。

2.2 我国农业生态用水效率的空间差异

从4个主要地区来看，3年间农业生态用水效率由高到低依次为西部地区、东北地区、中部地区和东部地区，西部地区与东部地区农业生态用水效率的绝对差额有进一步扩大的趋势。2011年二者的绝对差额为0.271，2012年上升为 0.299，2013年虽略有下降，为0.284，但仍高于2011年。总之，考虑污染排放负效应后，2011—2013年农业生态用水效率由高到低的排名为西部地区、东北地区、中部地区和东部地区，农业生态用水效率的空间差距明显。

从达到有效前沿面的省份变化来看，2011—2013年间农业生态用水效率均值达到有效的省份有4个，分别为贵州省、黑龙江省、甘肃省、云南省。虽然2011年的河南省、2012年的四川省、2013年的江西省农业生态用水效率都达到了有效，但是3年平均下来，农业生态用水效率达到有效的省份只有4个，其余16个省份都没有达到有效。从纯技术效率来看，3年间均值达到有效的省（区）有8个，分别为贵州省、黑龙江省、河南省、四川省、内蒙古自治区、甘肃省、新疆维吾尔自治区、云南省，虽然2013年江西省纯技术效率达到了有效，但是3年平均下来，纯技术效率达到有效的省份只有8个，其余12个省份都没有达到有效。从规模效率来看，虽然2011年的广西壮族自治区、江西省、吉林省、江苏省，以及2013年的江西省都达到了有效，但是3年平均下来，只有云南省达到了有效，其他19个省（区）都未达到有效前沿面。

3.3 中国农业生态用水效率的空间模式分类

根据农业生态用水效率与农作物播种面积分布图（图1），可以把20个省（区）的农业生态用水效率的空间模式分为6类：

第1类是农作物播种面积大、技术效率高模式。该模式的主要特征为农作物播种面积大于900万hm2，技术效率大于0.9，主要包括黑龙江省、四川省。第2类是农作物播种面积大、技术效率低模式。该模式的主要特征为农作物播种面积大于900万hm2，技术效率小于0.9，主要包括山东省、河南省。第3类是农作物播种面积中等、技术效率高模式。该模式的主要特征为农作物播种面积介于600万～900万hm2，技术效率大于0.9，主要为云南省。第4类是农作物播种面积中等、技术效率低模式。该模式的主要特征为农作物播种面积介于600万～900万hm2，技术效率小于0.9，主要包括安徽省、河北省、湖北省、湖南省、江苏省、广西壮族自治区、内蒙古自治区。第5类是农作物播种面积小、技术效率高模式。该模式的主要特征为农作物播种面积小于600万hm2，技术效率大于 0.9，主要包括贵州省、甘肃省。第6类是农作物播种面积小、技术效率低模式。该模式的主要特征为农作物播种面积小于600万hm2，技术效率小于0.9，主要包括新疆维吾尔自治区、江西省、吉林省、陕西省、广东省、辽宁省。

3 主要结论

本研究界定了农业生态用水效率的内涵，通过建立农业生态用水效率评估指标体系，使用SBM-Undesirable超效率模型，对2011—2013年我国农业生态用水效率及其区域差异进行测算分析。研究表明，（1）我国农业生态用水效率总体偏低，且有下降趋势。我国农业生态用水的纯技术效率虽逐年提高，但是现有的用水规模与最优规模的差距越拉越大，纯技术效率和规模效率的双重低效共同导致我国农业生态用水效率总体偏低。（2）考虑污染排放负效应后，2011—2013年农业生态用水效率由高到低的排名为西部地区、东北地区、中部地区、东部地区，农业生态用水效率的空间差距明显。（3）根据农业生态用水效率与农作物播种面积分布图，可以把20个省（区）的农业生态用水效率的空间模式分为6类：第1类是农作物播种面积大、技术效率高模式，包括黑龙江省、四川省。第2类是农作物播种面积大、技术效率低模式，包括山东省、河南省。第3类是农作物播种面积中等、技术效率高模式，主要为云南省。第4类是农作物播种面积中等、技术效率低模式，包安徽省、河北省、湖北省、湖南省、江苏省、广西壮族自治区、内蒙古自治区。第5类是农作物播种面积小、技术效率高模式，包括贵州省、甘肃省。第6类是农作物播种面积小、技术效率低模式，包括新疆维吾尔自治区、江西省、吉林省、陕西省、广东省、辽宁省。

总之，我国农业生态用水效率总体不佳，体现出我国农业生态用水方式的粗放式特点。今后农业水资源的利用在考虑数量增长的同时，更应该注重农业用水的生态化效率。为此，一方面，国家应从总体上纠正漫灌式、污染式的农业用水方式，建立起节水灌溉、生态灌溉的农业用水方式。着力从政策设计、技术推广、制度优化等层面推进集约式农业生态用水方式。另一方面，各省份结合本省的实际，着重解决农业生态用水中的短板，通过区域结构优化、投入产出结构优化改善其农业生态用水效率。

参考文献：

[1]刘 渝，王 岌. 农业水资源利用效率分析——全要素水资源调整目标比率的应用[J]. 华中农业大学学报：社会科学版，2012（6）：26-30.

[2]张雄化，钟若愚. 灌溉水资源效率、空间溢出与影响因素[J]. 华南农业大学学报：社会科学版，2015（4）：20-28.

[3]赵 凯，孙天合. 滴灌技术下的农业用水配置效率评价研究——基于杨凌示范区温室大棚的数据[J]. 节水灌溉，2014（12）：71-75.

[4]杨 骞，刘华军. 污染排放约束下中国农业水资源效率的区域差异与影响因素[J]. 数量经济技术经济研究，2015（1）：114-128.

[5]李 静，马潇璨. 资源与环境约束下的产粮区粮食生产用水效率与影响因素研究[J]. 农业现代化研究，2015（2）：252-258.

[6]侯 翔，马占新，赵春英. 数据包络分析模型评述与分类[J]. 内蒙古大学学报：自然科学版，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]杨清可，段学军，叶 磊，等. 基于SBM-Undesirable模型的城市土地利用效率评价——以长三角地区16城市为例[J]. 资源科学，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.