基于生产水足迹的粮食作物种植结构优化研究
——以辽宁省铁岭市为例

(吉林大学 新能源与环境学院,吉林 长春 130021)

1 引言

我国是个人口大国,解决好吃饭问题始终是治国理政的头等大事。2013年中央经济工作会议将粮食安全问题列为年度经济工作之首[1],同年中共中央农村工作会议提出要坚持以我为主,立足国内、确保产能、适度进口、科技支撑的国家粮食安全战略[2]。因此,关于粮食生产的研究对保障我国粮食安全战略的顺利实施是十分必要的。

种粮离不开水,全国约70%的粮食产自需灌溉的土地。我国的水资源具有时空分布不均匀性,北方干旱地区人均可用水量仅为150m3/a·人[3,4],却生产了超过我国1/2的小麦与1/3的玉米[5]，因此水资源量严重短缺是制约我国粮食安全的重要因素。缓解粮食种植所需水量与水资源不足现状之间的矛盾,是保障我国粮食安全和缓解我国水资源短缺压力的“双重”关键因素。

为缓解两者的矛盾,跨流域调水是通常被提到的决绝方案。但由于跨流域调水成本巨大,且对输入水体与输出水体的水生态环境有巨大影响,因此存在较大争议[6-8]。种植结构优化研究被认为是能更好解决水资源短缺与作物种植生产之间矛盾的方法[9]。基于此,在水资源量最小目标下对农业种植结构进行优化成为主要的研究方向。如Zhang等在农业收益的基础上考虑灌溉用水成本对种植结构的影响,建立单目标优化模型对山东省种植结构进行优化[10];武雪萍等以作物总产量、种植业总产值和单位面积耗水量为优化目标,采用灰色多目标规划模型对洛阳市节水型种植结构优化进行了研究[11];张端梅等以吉林省扶余灌区种植业总收益和灌溉耗水量为目标函数,建立扶余灌区种植结构多目标非线性优化模型,对水资源压力下的扶余灌区种植结构进行优化[12];张礼华等在新沂市高阿灌区进行了类似研究,将灌区收益与灌溉耗水量同时作为目标函数,构建种植结构的多目标非线性优化模型,并采用多目标妥协优化算法求解,获得了不同年景下高阿灌区的最优种植结构[13];Raju等建立了以提高净效益、作物增产和雇佣劳动力人数最多为目标的种植结构优化模型[14];Xevi等构建了以经效益最大、成本和地下水抽取量最小为目标的多目标线性规划模型用以优化种植结构,并采取目标规划法进行了模型求解[15];黄丽丽等以大连市作物产量最大、生态服务价值最大、化肥施用量最小作为规划目标,采用两相模糊多目标模型进行了计算,最终得到大连市作物种植的最优解[16]。

综上所述,水资源量对种植结构的影响主要通过设置农业生产发展目标与水资源限制目标构建多目标模型进行优化,或以水资源量作为限制条件,使种植结构的调整在限定的水资源量之内[17,18]。尽管以水资源为优化目标或限制条件的研究与实践广泛应用于种植结构优化问题上,但仍有两个主要问题制约着水资源压力下的粮食安全问题:一是若区域水资源总量低于粮食安全所需用水量,则会出现无最优解的情况;二是此处的水资源限制或最小化条件都是种植业的直接用水量,而作物蒸发与水污染物排放对水资源的影响并未考虑其中。

针对以直接用水量为限制的粮食种植结构优化研究中存在的问题,有学者提出采用粮食种植的生产水足迹对粮食结构进行优化。首先,考虑水足迹的限制而不是直接用水的限制,可以为水资源短缺的国家或地区提供一个通过进口高耗水产品而不是消耗本地水资源来生产产品满足自身水资源需求的机会[19]。有学者建议我国北方平原应减少输出高耗水产品,转而从我国南方进口高耗水产品,从而降低我国北方的水资源利用压力[20]。其次,水足迹将种植业水资源消耗划划分为蓝水——直接利用的地表水,或地下水——绿水即自然降雨、作物蒸散与入渗的水资源量,灰水即稀释种植过程中排放污染物所需的水资源量[21,22]。因此,可详细考察气候、种植条件等对种植业所需水资源量的影响。在此前提下,可对种植结构进行针对性调整[23]。如陈敏等考虑了三江平原各类农产品种植的蓝水足迹与绿水足迹,并以单位蓝水足迹种植业收益最大化为目标函数,绿水足迹为限制条件,对三江平原农产品的种植结构进行优化[24];侯庆丰则以甘肃省农作物的水足迹为出发点,以最小化蓝水足迹最大化绿水足迹为目标,对甘肃省的农作物种植结构进行了优化[25];范文波等以石河子灌区小麦、玉米、棉花的蓝水足迹、绿水足迹与灰水足迹为出发点,考虑水资源贸易条件下,对石河子灌区的种植结构进行了优化,优化结果显示其总的水足迹略有下降,蓝水足迹下降较大,达到了构建节水型农业的优化目标[26];李亚婷在对宁夏中部干旱农业带的农作物水足迹进行核算排序的基础上,以单位水足迹农作物收益为优化目标,对宁夏中部干旱农业带的农作物种植结构进行了优化,优化结果显示在部分增加农作物收益的基础上,减少了用水量0.31亿m3,达到了很好的节水效果[27];李啸虎等则以种植业水足迹最小、总收益最大为优化目标,对乌鲁木齐市的种植结构进行了优化,结果显示应通过调减高蓝水消耗的粮油作物面积,增加低耗水的果蔬类作物面积,提高农肥利用率等措施来提高种植业用水效率、降低水污染,实施结构优化[28];Zhang等则从虚拟水的角度出发,以农业净耗水量最小为优化目标,对我国的种植结构进行了优化,结果显示种植结构调整后,农业用水节约达到47%以上[29]。

随着虚拟水、水足迹在种植结构优化研究中的应用,虽然种植结构优化考虑的因素更加全面,但目前基于水足迹的种植结构优化研究仍存在一定的不足。由于种植的作物类型、灌溉技术、土壤类型和可用水量的差异,导致农业水消耗在时空分布上出现不均匀性。另外一个影响农业用水量的主要因素是气候,通常是时间序列变量并影响作物的生长变化[30,31]。但在现有研究中,往往采用多年平均或单一年份的作物生产水足迹作为优化的基础,而未考虑在时间尺度上的波动性与随机性,将导致在某些气候极端年份出现水资源或土地资源浪费。

基于此,本文提出了基于生产水足迹的粮食作物种植结构优化研究,一方面可保留自下而上法较精确，能表现区域气候环境特点的优势,同时使其可应用到较大的空间尺度;另一方面,通过多年生产水足迹计算,得到丰水年、平水年与枯水年之间的水足迹构成与变化范围,应对不同的气候条件进行粮食种植结构的优化,避免气候条件等因素在时间尺度上的波动性与随机性对优化结果造成扰动。

2 研究方法

本研究采用CROPWAT 8.0软件计算了研究区水稻、玉米、小麦与高粱4种粮食作物多年的蓝水足迹、绿水足迹与灰水足迹,见图1。针对丰水期、平水期与枯水期设置差异性的优化目标,分别以蓝水足迹、绿水足迹、灰水足迹为限值条件,对水稻、玉米、小麦与高粱的种植量进行了优化。

图1 技术路线

在丰水年情况下,需要充分考虑利用水资源获得粮食种植的最大效益,同时保证粮食产量,粮食产量应大于2016年基准年的粮食产量,优化模型的公式为:

s.t

x1+x2+x3≥T2016

bwf1×x1+bwf2×x2+bwf3×x3≤U

gwf1×x1+gwf2×x2+gwf3×x3≤GWF

(1)

式中,F表示单位水足迹的粮食种植收益(元/m3);a1、a2、a3分别为玉米、水稻、小麦种植的单位收益(元/t);x1、x2、x3分别为玉米、水稻、小麦的产量(t);wf1、wf2、wf3分别为在丰水年气象条件下,玉米、水稻、小麦的多年平均生产水足迹(m3/t);T2016为该区域2016年粮食的总产量;bwf1、bwf2、bwf3分别为玉米、水稻、小麦多年平均单位蓝水足迹(m3/t);U为该区域总的粮食种植耗水量(m3),gwf1、gwf2、gwf3分别为玉米、水稻、小麦多年平均单位灰水足迹;GWF为丰水年最小的灰水足迹(m3)。

在平水年的情况下,在有限的水资源情况下,保障粮食安全是首要的优化目标,应保障粮食总产量最大,且水足迹最小,优化模型的公式为:

s.t

x1+x2+x3≥T2016

bwf1×x1+bwf2×x2+bwf3×x3≤U

gwf1×x1+gwf2×x2+gwf3×x3≤GWF

(2)

式中,F为单位水足迹粮食产量(t/m3)。

在枯水年的情况下,水资源利用与水环境污染是保障水生态系统安全的主要控制因素,同时也是保障粮食生产可持续的主要影响因素。因此,在枯水年优化目标应为在保证蓝水足迹与汇水足迹最小的情况下,粮食产量不低于2016的产量,优化模型的公式为:

MinF=bwf1×x1+bwf2×x2+bwf3×x3+gwf1×x1+gwf2×x2+gwf3×x3

s.t.

x1+x2+x3≥T2016

(3)

式中,F为蓝水足迹与绿水足迹的总量(m3)。

3 研究区概况

铁岭市为辽宁省地级行政单位,地处辽宁省北部、松辽平原中段,北接吉林省四平市,西毗邻内蒙古自治区(图2),是我国著名的商品粮基地,玉米、水稻、小麦与高粱为铁岭种植的粮食作物,其中玉米与水稻的产量与种植面积较大(图3)。

图2 研究区概况

从图3可见,1999—2014年铁岭市主要粮食作物的种植面积与产量情况,其中1999—2005年铁岭的小麦与高粱仍有部分种植。自2005年以后,由于单产、成本等原因,小麦与高粱的种植面积与产量锐减。从时间序列的角度上可见,铁岭市的主要粮食作物产量呈现一定的周期波动,2000—2009年呈现出先上升再下降的趋势,同样2010—2014年也出现了粮食产量的波动,对比粮食产量与种植面积可看到两者具有一定的相关性。这说明在研究的时间范围内,铁岭地区的粮食种植主要受到种植面积的影响。从产量与种植面积的对比上可见,在种植面积没有较大变化的情况下,产量存在波动,这说明铁岭地区的粮食生产受到水资源的限制。

图3 铁岭市1999—2014年主要粮食作物种植面积与产量

4 结果与讨论

4.1 水足迹

根据图4可见,依据CROPWAT8.0计算的铁岭市1999—2014年水稻、玉米、小麦、高粱的灌溉需水量与有效降水量情况可见,铁岭市的水稻种植需水量大于其他3种作物。其中,2001年与2002年铁岭市水稻种植的有效降水量与灌溉需水量合计达到1000mm以上,而其他3种作物有效降水量与灌溉需水量合计都没有超过550mm。其中，高粱的有效降水量与灌溉需水量最小,多数年份低于400mm,说明高粱耐旱能力更好,其次为小麦与玉米。

图4 铁岭市主要粮食作物种植灌溉需水量与有效降水量

从图5可见,由于4种作物的单产差异较大,导致4种作物水足迹量与图4给出的有效降水量与灌溉蓄水量存在较大差异。从水足迹总量上看,由于水稻单产量较大,水足迹相对较小;而小麦作物由于产量较低,水足迹量较大。相对而论,玉米的水足迹与高粱的水足迹较小。从3种水足迹上进行分析可见,铁岭市水稻的蓝水足迹较大。1999—2014年铁岭市水稻的蓝水足迹为600—1000m3/t;其次是水稻种植的绿水足迹,1999—2014年铁岭市水稻的绿水足迹为300—600m3/t;对比蓝水足迹与绿水足迹,水稻种植的灰水足迹相对较小,1999—2014年铁岭市水稻种植的灰水足迹约为200—400m3/t。根据1999—2014年的平均数据可见,铁岭市蓝水足迹占水稻种植水足迹的50%以上。与水稻相比,玉米的水足迹更小,最高值为2000年,水足迹为1500m3/t；最低值出现在2012年,水足迹为750m3/t。从水足迹结构上看,玉米与水稻仍具有较大差异,2000年的蓝水足迹最大,为500m3/t;其次为2001年,蓝水足迹为400m3/t,其他年份的蓝水足迹低于300m3/t。相对而论,铁岭市的玉米种植绿水足迹最大,2009年最大,约为450m3/t;最小为2002年,绿水足迹约为250m3/t;灰水足迹在2000年与2001年最大,约为520m3/t,最小为2012年与2013年,约为180m3/t。小麦单产不及水稻与玉米,小麦的水足迹波动较大,其中最大值为2002年。由于产量较小,小麦的水足迹为5000m3/t,最小值出现在2011年,水足迹为750m3/t。从结构看,由于种植量波动,小麦种植的水足迹结构变化较大。2002年与2003年,灰水足迹占据比例较大,灰水足迹达到2000m3/t,占水足迹的40%;2003年的绿水足迹最大,为2000m3/t,占当年水足迹的40%。相对而论,高粱种植水足迹较小,最大值出现在2000年,达1550m3/t,最小值为2013年,水足迹为500m3/t,与玉米的水足迹结构类似,高粱的绿水足迹占比最大,占水足迹的60%以上,其次为灰水足迹,但由于化肥施用量的控制,灰水足迹呈现逐年下降的趋势。

从图5可见,由于4种作物的单产差异较大,导致4种作物水足迹量与图4给出的有效降水量与灌溉蓄水量存在较大差异。从水足迹总量上看,由于水稻单产量较大,水足迹相对较小,而小麦作物由于产量较低,水足迹量较大。相对而论,玉米的水足迹与高粱的水足迹较小。从3种水足迹上进行分析可见,水稻的蓝水足迹较大,1999—2014年水稻的蓝水足迹为600—1000m3/t;其次是水稻种植的绿水足迹,1999—2014年水稻的绿水足迹为300—600m3/t;对比蓝水足迹与绿水足迹,水稻种植的灰水足迹相对较小,1999—2014年水稻种植的灰水足迹约为200—400m3/t。根据1999—2014年的平均数据可见,蓝水足迹占水稻种植水足迹的50%以上。与水稻相比较,玉米的水足迹更小,最高值为2000年,水足迹为1500m3/t,最低值出现在2012年,水足迹为750m3/t。从水足迹的结构上看,玉米与水稻仍具有较大的差异,2000年的蓝水足迹最大,为500m3/t,其次为2001年,蓝水足迹为400m3/t,其他年份的蓝水足迹低于300m3/t。相对而论,玉米种植的绿水足迹最大,2009年最大,约为450m3/t,最小为2002年,绿水足迹约为250m3/t,灰水足迹在2000年与2001年最大,约为520m3/t,最小的为2012年与2013年,约为180m3/t。由于小麦单产不及水稻与玉米,小麦的水足迹波动较大,其中最大值为2002年,由于产量较小,水足迹为5000m3/t,最小值出现2011年,水足迹为750m3/t。从结构上看,由于种植量波动,小麦种植的水足迹结构变化较大, 2002年与2003年灰水足迹占据比例较大,灰水足迹达到2000m3/t,占水足迹的40%, 2003年的绿水足迹最大,为2000m3/t,占当年水足迹的40%。相对而论,高粱种植的水足迹较小,最大值出现为2000年,达到1550m3/t;最小值为2013年,水足迹为500m3/t;与玉米的水足迹结构类似,高粱的绿水足迹占比最大,占水足迹的60%以上,其次为灰水足迹,但由于化肥施用量的控制,灰水足迹呈现逐年下降趋势。

图5 铁岭市主要粮食作物种植水足迹

图6 1999—2014年铁岭水足迹聚类分析结果

小麦(元/kg)水稻(元/kg)玉米(元/kg)高粱(元/kg)2.362.721.63

4.2 聚类分析

通过对1999—2014年铁岭市4种主要粮食作物的有效降雨量进行聚类分析,有效降雨量较低的年份为枯水年,有效降雨量较大的年份为丰水年,其他年份为平水年。根据图6可见,铁岭地区4种农作物的有效降雨量呈现一定的波动性,在1999年与2000年为枯水年之后,平水年与丰水年呈现一定的周期性出现。其中,2003—2005年、2008年、2010年、2012—2013年为丰水年,其他年份为平水年,针对枯水年采用式(3),保证粮食总产量在2016年基础上不下降,同时使用的蓝水足迹与灰水足迹最小;而在丰水年,根据式(1),单位水足迹的粮食收益为最大。即在足够的水资源供给量的情况下,保证粮食种植收益最大,其中小麦、水稻单位收益按照2016年我国春小麦与水稻的收购指导价,玉米、高粱分别按照2016年的市场收购价格计算(表1),平水年则考虑单位水足迹产出的粮食最大。

4.3 种植结构优化

根据部分水足迹计算的结果与式(1—3)计算了枯水年、丰水年与平水年的粮食种植结构,并与2016年的产量进行了对比(图7)。从图7可见,枯水年的水稻、小麦与高粱的产量为0万t,主要生产玉米,玉米产量为325.64万t,这主要是由于玉米作物产量较高,且蓝水足迹较小。与2016年的产量进行对比可见,粮食产量是持平的,而在平水年,水稻产量为41.91万t、小麦产量为11.96万t、玉米产量为256.25万t、高粱产量为15.49万t,粮食总产量与2016年相比较持平。但由于小麦与高粱产量高于2016年,水稻、玉米产量低于2016年。由于小麦与高粱的蓝水足迹与灰水足迹较小,因此能保证粮食种植的蓝水足迹与绿水足迹低于平水年的平均水平。在丰水年,水稻产量为58.41万t、小麦产量为0万t、玉米产量为267.62万t、高粱产量为36.05万t,总产量为362.38万t,高于2016年的产量。4种作物与2016年水平相比较,水稻与高粱产量高于2016年,玉米产量略低于2016年的水平,这主要是由于水稻与高粱的收购价格更高,更多种植水稻与高粱在经济收益上更加有利。

图7 铁岭粮食种植结构优化结果

5 结论

本文从我国粮食安全与水资源短缺的双重矛盾出发,提出了从水足迹角度出发对粮食种植结构进行优化的方法,并以辽宁省铁岭市为例进行了验证。研究结果显示,在铁岭现有的粮食种植结构中,水稻作物的蓝水足迹最大,即种植水稻需要更多的水资源进行灌溉;相对的玉米与高粱作物的绿水足迹更大,即玉米与高粱的种植更多依靠降水;4种作物的灰水足迹量相对较大,这说明铁岭的粮食种植化肥施用量较大,存在过度施肥的问题,应从施肥量的角度出发控制灰水足迹。在优化结果上,依据聚类分析结果,分为丰水年、枯水年与平水年,其中枯水年的粮食种植只包括玉米,主要是由于玉米高产量、低耗水的特性。在平水年,4种作物都有种植,小麦与高粱的产量高于2016年水平,主要是由于小麦、高粱的蓝水足迹与绿水足迹较小。在丰水年,只种植水稻、玉米与高粱。由于水稻与玉米的单产较高,在丰水年种植,可保证粮食作物产量,同时水稻与高粱的经济收益较好,能获取最大的经济效益。

由于本文仅从水足迹角度考虑了粮食种植结构优化的问题,而没有考虑土地属性的影响,因此结合土地属性与水足迹双重限制考虑粮食种植结构的优化是我们下一步拟开展的研究工作。