华北平原农户主动退耕冬小麦的影响因素模型分析及政策启示

王 学，李秀彬,2，辛良杰，谈明洪,3

（1. 中国科学院地理科学与资源研究所，中国科学院陆地表层格局与模拟重点实验室，北京 100101；2. 中国科学院大学资源与环境学院，北京100190；3. 中国科学院大学国际学院，北京100190）

0 引 言

随着城市化进程的不断加快以及城乡二元结构的深刻变革，中国劳动力务农机会成本迅速提升，农村剩余劳动力向二三产业不断转移，由此引发了一系列的农地利用边际化或粗放化现象[1-3]，以山区坡耕地撂荒、南方稻作区“双改单”以及华北平原的冬小麦退耕等表现尤为明显[4-9]。农地利用边际化或粗放化无疑会影响区域的食物供给、生物多样性以及资源环境保护等[10-12]。认识农地利用变化过程并揭示其变化原因，对农地利用趋势预测、相关政策的制订及其有效性评估等均具有重要意义[12]。

华北平原是中国的小麦主产区，其小麦的面积和产量分别占全国总量的54%和64%，在维系中国口粮安全方面责任重大[13-14]。近年来，华北平原出现了农户主动退耕冬小麦的现象，20世纪末以来长期占主导地位的冬小麦-夏玉米一年两熟耕作制度正在转变为春玉米一年一熟制[15]。潘学鹏等通过遥感制图发现2000—2013年华北平原冬小麦种植面积减少了24.6%[5]；报刊、网络等媒体上也不乏华北农户冬小麦退耕的相关报道[16-17]。然而，这一现象并未引起学术界的足够重视，关于农户主动退耕冬小麦的原因也不够明晰[18]。

华北平原也是中国乃至世界上水资源短缺最为严峻的地区之一[19]。农业生产与水资源，特别是地下水资源的矛盾异常尖锐，地下水问题层出不穷[20]。为缓解地下水危机，2014年以来国家开始推行土地休耕制度，拟在华北地下水超采区进行试点，主要措施为退耕高耗水作物——冬小麦，推行“一季休耕，一季雨养”，并给予休耕农民以适当经济补偿[21]；2016年国家八部委联合印发的《耕地草原河湖休养生息规划（2016—2030年）》明确了华北休耕的区域范围与试点目标；2017年进一步将扩大轮作休耕试点写入“十九大”报告中。可见，休耕极有可能会成为未来华北农地利用的新常态。然而，在已经出现农户主动退耕冬小麦的前提下，为保证政策的成本有效性，相关任务的执行务须精准。

有鉴于此，进行华北平原农户主动退耕冬小麦的现状及影响因素分析，不仅有助于寻找土地休耕制度的瞄准目标，为保障该政策的顺利执行献计献策；同时，还可为土地休耕与粮食安全双重目标下的华北平原冬小麦可持续发展提供政策指导。本文以河北省沧县作为案例区，利用问卷调查数据，借助农户土地利用决策理论模型，分析华北农户主动退耕冬小麦的影响因素及其作用机理，并构建多层二项logit模型进行实证分析。在此基础上，给出相关政策建议。

1 案例区概况与数据来源

1.1 案例区概况

沧县（38°3′N～38°5′N，116°27′E～117°09′E），北靠京津，东临渤海，地处冲积平原向滨海平原过渡地带，地势低平；县内河流属海河水系，土壤类型以黄沙土为主，部分地区土壤盐碱化严重；属温带大陆性季风气候，年均气温约为13 ℃，年均降水量约为590 mm[22]。沧县是河北省的产粮大县之一，多次荣获农业部“全国粮食生产先进县”荣誉称号。沧县的粮食主产区包括旧州、姚官屯、张官屯、纸房头等13个乡镇共298个村（图1），冬小麦-夏玉米一年两熟制是其主要种植制度。近年来，随着春玉米面积不断扩张，冬小麦、夏玉米和春玉米成为最主要的农作物种类。非粮食主产区，如崔尔庄镇、杜生镇等（图1），则多种植枣树，传统农作物种植较少。

图1 沧县位置、粮食主产区及农户调查样本村分布Fig.1 Location of Cangxian County, its major grain producing area and distribution of sample villages

沧县属沧州深层地下水漏斗区。该漏斗区面积约5 551 km2，中心水位埋深约92 m，是河北省面积最大、漏斗中心水位最低的漏斗区（数据来源于《2013年河北省地质环境状况公报》）。《2014年度河北省地下水超采综合治理试点调整农业种植结构和农艺节水项目实施方案》中，选取衡水、沧州、邢台、邯郸4个地区共43个县（市、区）进行土地休耕试点，沧县也包括在内。

1.2 数据来源

本文所用数据主要为农户问卷调查数据。农户问卷调查主要集中在沧县粮食主产区，具体分 3个阶段：1）2015年3月，在姚官屯乡、旧州镇、张官屯乡等进行了为期一周的预调研，主要与该县统计局、农业局、水务局等的领导和10个村庄的村干部进行座谈，了解农地利用的基本信息，并随机抽取20个左右农户进行问卷调查，在此基础上，发现问卷存在的问题并进行修改。2）2015年5月进行农户正式调研。采取分层抽样和随机抽样相结合的方法，选取8个乡镇35个村（图1），每个村随机选取 9～12个农户进行调查。调查问卷包括村表和农户表。村表的被调查对象为村委会成员，调查内容包括2013—2014年度的村庄基本信息、土地利用现状、土地分包和流转以及灌溉水源情况；农户表的调查对象主要为家庭农业经营者，内容包括2013—2014年度的家庭基本特征、土地基本特征、冬小麦退耕信息、作物投入产出、家庭农业收入、人员构成及就业情况等。3）2015年6—8月，农户问卷整理过程中，对部分明显失真或空缺数据进行电话回访，以保证问卷数据的精准。调研共获得村表35份，农户表386份，其中农户有效样本350分，样本有效率为90.67%。

2 研究方法

2.1 理论模型

学术界从微观农户尺度研究中国农地边际化问题已取得了颇为丰硕的成果[23-26]。其中，Yan等[24]构建了山区坡耕地撂荒的农户决策理论模型，较好地解释了各因素对山区坡耕地撂荒的影响机理；其借助重庆农户调查数据的实证分析结果与理论模型十分吻合，证实了该理论模型在中国山区的适用性。华北平原冬小麦退耕与山区耕地撂荒现象发生的背景较为一致：1）家庭联产承包责任制度下，农户的土地承包面积一定，地块数量较多，各地块的土地质量、灌溉水源等属性不尽相同[27]；2）中国社会经济快速发展，城市化水平不断提高，劳动力机会成本上升成为中国经济社会新常态的一个标志性现象，农村劳动力不断向二、三产业转移[2]；3）劳动市场存在但不完善，劳动力因自身差异和获取信息的难易程度不同，在劳动市场上面临着不同的门槛限制[28]。鉴于此，本文尝试在阎氏理论模型的基础上，构建华北平原农户土地利用决策理论模型，对农户在地块层次上配置土地和劳动力以种植或退耕冬小麦的决策行为进行解释。

2.1.1 模型基本设定

根据华北平原农户土地利用的实际情况，理论模型的基本设定如下：1）家庭联产承包责任制度下，农户拥有多个地块，总数量为N，各地块的面积(Ai) 、土地质量（Si）、灌溉水源（Ii）等属性不尽相同，但总面积一定（A），基本无撂荒；2）农户的劳动力总量为 L，单个地块种植冬小麦的面积为 Ai，劳动投入为 lai；种植玉米（春玉米或夏玉米）面积等于地块面积Ai，劳动投入为 lci，闲暇劳动力为 l；3）春、夏玉米在劳动投入强度、净收益等方面无显著差异[29]，农户的冬小麦种植决策相对独立；4）土地规模报酬基本不变；5）不考虑农户面临的风险和不确定性。

2.1.2 假定劳动市场完善

在劳动市场完善的假定条件下，农户可从劳动市场上自由地雇入或雇出劳动，农户的生产决策和消费决策是分开的[30]，农户的最优化目标为家庭净收益总量最大化：

约束条件为：

式中 pw为小麦价格；w为劳动力务农机会成本；为地块i上冬小麦的生产函数；如前所述，Ai、lai、Si和 Ii分别为地块尺度的小麦种植面积、劳动投入、土地质量和灌溉水源。根据地租理论，结合土地规模报酬不变的基本假定，有地块i的边际土地生产率和边际劳动生产率受土地质量的影响，且土地质量越好，越高，即：在华北平原，也受灌溉水源影响，灌溉水源的稳定性和水质越好，越高，即为冬小麦的成本函数，满足为玉米的利润函数，具体形式为：

式中 pm为玉米价格；分别为玉米的生产和成本函数。

式（1）及其约束条件的含义为：1）农户以实现家庭净收益总量最大化为目标，在地块层次上对其土地和劳动力进行配置；2）这一过程受农户基本口粮需求、地块面积和劳动力供给的限制；3）这一过程也受农户各地块的土地质量、灌溉水源等因素影响；4）外部变量如劳动力务农机会成本和小麦价格也会影响农户土地利用决策。由此可见，地块属性及价格因素均是通过影响土地的投入或产出部分，影响边际土地生产率或边际劳动生产率，进而影响农户土地利用决策的。

为明确上述因素对农户土地利用决策的影响，根据式（1）及其约束条件构建拉格朗日函数：

求其二阶导数，并借助比较静态分析和克莱姆法则[31-32]，得出如下结果：

本文重点关注影响冬小麦种植面积 Ai的因素。根据式（7），保持其他条件不变时，地块的土地质量、灌溉水源与冬小麦种植面积呈正相关，即地块的土地质量越好、灌溉水源稳定性和水质越好，农户越有可能种植冬小麦，反之，则更有可能退耕冬小麦；保持其他条件不变时，冬小麦价格越高，冬小麦的种植概率越大，而劳动力务农机会成本提高时，冬小麦退耕的概率也增加。

同理，可分析耕作距离（Ri）、地下水埋深（D）和灌溉用电单价（E）等因素对农户土地利用决策的影响。其中，Ri对边际土地生产率基本无影响但iR越大，通勤耗工越多，边际劳动生产率越小，边际投入成本则越高，因此，D与Ri的作用机理近似，即：D越大，灌溉抽水耗时越长，边际劳动生产率越小边际投入成本越高但对边际土地生产率影响不大就E而言，E越高，边际投入成本越高E对边际土地生产率和边际劳动生产率基本无影响依此推算：耕作距离、地下水埋深和灌溉用电单价对农户冬小麦种植决策的影响均为负，即耕作距离越远、地下水埋深越大、灌溉用电单价越高，农户越有可能退耕冬小麦。

2.1.3 放宽劳动市场假设

当劳动市场不完善时，不同劳动力因自身属性不同，加之信息的不对称，进入劳动市场的门槛限制也不同[28]。与受教育程度高的青壮年劳动力相比，老年劳动力或受教育程度低的劳动力较难获得市场劳动机会。他们闲暇的边际效用较低，更倾向于向土地增加劳动投入。他们会进行土地利用的次优选择，在边际收益较低的地块也种植冬小麦，同等条件下冬小麦种植可能性因而增加。换言之，农户的老年劳动力或受教育程度低的劳动力数量较多，或务农劳动力数量较多时，同等条件的地块种植冬小麦的可能性提高，而冬小麦退耕的概率降低。

2.2 实证分析

理论模型结果表明，农户冬小麦退耕行为的影响因素有小麦价格、劳动力务农机会成本、土地质量、灌溉水源、耕作距离、灌溉用电单价、地下水埋深和家庭劳动力资源禀赋等。其中，小麦价格是由政府与市场决定的，不受某一农户影响，在采用横截面数据分析农户主动退耕冬小麦的影响因素时，很难将其考虑在内。其余因素分属地块、农户、村庄等不同尺度，数据存在组内同质和组间异质的特征，不符合传统模型关于样本独立、正态分布和方差齐性的假设[33]。多层次模型可将传统模型中的随机误差项分解到与数据层次结构相应的水平上，使得个体的随机误差满足上述假定，是处理多层次数据的有效方法[34]，被越来越多地应用于农户土地利用行为及其变化的解释[35-36]。本文即借助多层次模型分析农户冬小麦退耕的影响因素。

被解释变量为二项分类变量：2000年以来冬小麦退耕的地块赋值为1，仍旧种植冬小麦的地块赋值为0，始终采用春玉米一年一熟制的地块则不在考虑范围。选取多层二项logit模型：

式中p为发生冬小麦退耕的概率，1-p为种植冬小麦的概率；下标i、j和k分别表示地块、农户和村庄；γ000表示固定截距；r0和u00分别表示农户和村庄层次的随机截距，均符合随机分布和均值为 0的假设；Xnijk、Yqjk、Ztk分别表示地块、农户、村庄 3个层次的解释变量，αn00、β0q0和δ00k为其对应系数，N、Q和T分别为3个层次解释变量的总数。

跨级相关系数用于评价不同层次对被解释变量总体变异的解释程度[36]：

式中 ρ2和 ρ3分别表示农户和村庄的跨级相关系数；VAR(r0)和VAR(μ00)分别为农户层次和村庄层次随机截距的方差；π2/3为地块层次的残差。

在华北平原农户冬小麦退耕决策理论模型指导下，选取农户冬小麦退耕的可能影响因素；同时参考前人研究成果[24-25,35-36]，并兼顾数据可获取性，最终选取的解释变量见表1。需要说明的是，本文根据灌溉保证率的差异将灌溉水源变量分为四个指标：地下水/地表水、仅地下水、仅河流、仅水库或坑塘，将无灌溉设施的旱地作为对照组。所选变量均通过了多重共线性检验，方差膨胀因子小于3。此外，表1还列出了根据农户调查数据获取的各变量的描述性分析结果。

表1 解释变量的定义及描述性分析Table 1 Definitions of dependent variables and their descriptive analyses

3 结果与分析

3.1 案例区耕地利用与冬小麦退耕情况

近5 a内，案例区被调查地块的耕地利用方式以冬小麦-夏玉米一年两熟制（简称一年两熟制）、春玉米一年一熟制（简称一年一熟制）和冬小麦-夏玉米-春玉米两年三熟制（简称两年三熟制）为主（表 2）。其中，一年两熟制的面积为953 958.42 m2，占被调查耕地总面积 （2 270 753.64 m2）比例最高，为42.01%；一年一熟制面积为791 287.92 m2，占比次之，为34.85%；两年三熟制面积为390 022.92 m2，占比较小，为17.16%。除此之外的其他耕地利用方式（包括棉花、红薯和果树等），总面积占比仅为5.96%。

调查地块中，发生冬小麦退耕的地块总面积为639 852.84 m2，占耕地总面积的比例为28.18%。具体而言，冬小麦退耕主要包括3种类型（表2）：1）一年两熟制转变为两年三熟制，即调研时为两年三熟制且发生了退耕行为，该类型面积为203 276.52 m2，占冬小麦退耕总面积约1/3（31.77%）；2）一年两熟制或两年三熟制转变为一年一熟制，即调研时为一年一熟且发生了退耕行为，面积为401 398.20 m2，占比约2/3（62.73%）；3）一年两熟制或两年三熟制转变为其他，即调研时为其他耕地利用方式且发生了退耕行为，面积为35 178.12 m2，占比仅5.50%。

表2 案例区耕地利用方式及冬小麦退耕情况Table 2 Agricultural land use pattern and areas of winter wheat abandonment in the case study area

冬小麦退耕地块的退耕起始年份不尽相同。2003年免收农业税之前冬小麦累计退耕面积为127 605.60 m2，占总退耕面积的21.10%；2003—2009年冬小麦退耕面积呈减少趋势，2010年前退耕面积累计百分比仅为42.45%；2010年及以后冬小麦退耕面积则大幅度提高，一半以上（57.55%）的冬小麦退耕发生在这一时段（图2）。

图2 2000—2013年案例区冬小麦退耕面积Fig.2 Areas of winter wheat abandonment during 2000-2013 in case study area

3.2 农户主动退耕冬小麦的多层次影响因素分析

表3给出了不包括任何解释变量（模型1）、仅包括地块层次解释变量（模型 2）、包括地块和农户层次解释变量（模型3）和包括全部层次解释变量（模型4）的多层二项logit模型的稳健性估计结果。

3.2.1 不同层次对农户主动退耕冬小麦行为的解释程度及多层次模型模拟结果的稳健性分析

模型1也被称为“空模型”，主要用于检测高层次的变异是否显著，还可通过跨级相关系数的计算给出各层次对于被解释变量差异的解释程度[34]。模型 1中农户层次和村庄层次的方差（VAR(r0)和 VAR(u00)）均在 1%的水平显著，说明不同农户或不同村庄的冬小麦退耕决策存在显著差异。根据跨级相关系数2ρ和3ρ，农户和村庄2个层次对被解释变量变异的解释程度分别为 17.5%和30.4%，其余的52.1%可归因于地块层次。因此，地块、农户和村庄 3个层次在解释农户冬小麦退耕决策中均发挥着重要影响，而以地块层次的解释程度最大，村庄层次次之，农户层次最小。

相比于模型1，模型2～4中逐步增加了地块层次、农户层次和村庄层次的解释变量。模型间相同解释变量系数的数值大小和方向的对比，可以判断模型整体的稳健性以及是否存在模型设定偏误。具体而言，地块层次各解释变量在模型2～4中的作用方向均是一致的，数值大小虽有差异，但整体较为近似；农户层次各解释变量在模型3和模型4中的作用方向和数值大小也是基本一致的，因此可基本排除模型设定偏误和遗漏变量偏误，模型结果的可信度较高。模型2～4的ROC值均在0.97及以上，比模型 1的高，说明加入各层次解释变量后，模型整体的模拟效果均较好。模型2～4的ROC值基本保持一致，但模型 2～3 VAR(r0)的减少和模型 3～4 VAR(u00)的减少仍表明农户层次和村庄层次解释变量的加入在解释农户或村庄层次的变异方面做出了一定贡献。

表3 案例区农户冬小麦退耕决策影响因素的多层二项logit模型模拟结果Table 3 Estimation results of the multi-level binomial models for driving factors of winter wheat abandonment in the case study area

下面根据表3中模型4的结果分析与讨论不同层次解释变量对农户冬小麦退耕决策的影响，并与理论模型的预期进行对比。

3.2.2 地块层次解释变量对农户主动退耕冬小麦行为的影响

地块层次上显著影响农户冬小麦退耕决策的因素有土地质量、灌溉水源和地块面积。其中，土地质量的系数为正（0.337），且在1%的水平显著，说明土地质量越好，农户冬小麦退耕的概率越小。这主要归因于土地质量好的地块冬小麦边际土地生产率（单产）越高，种植冬小麦的地均净收益也越高，农户越有可能种植冬小麦；而土地质量较差的地块冬小麦边际土地生产率低，种植冬小麦的地均净收益也低（表 4），因而农户退耕冬小麦的概率越大。这一结果与理论预期“地块的土地质量越好，农户越有可能种植冬小麦”是吻合的。以旱地为对照组，其余各类灌溉水源的系数均为负，且在1%或5%的水平显著，说明灌溉显著降低了农户冬小麦退耕的概率。考虑到冬小麦生育期内有效降水量远低于实际需水量，灌溉成为冬小麦生长的关键[37]，而旱地不具备灌溉条件，冬小麦边际土地生产率和地均净收益均很低，此种地块上农户退耕冬小麦的概率因而极高。对比不同灌溉水源的系数，从地下水/地表水到仅水库或坑塘，其系数的绝对值呈减少趋势，说明农户退耕冬小麦的概率有所升高。究其原因，从地下水/地表水到仅水库或坑塘，灌溉用水稳定性和水质逐渐变差[38-39]，冬小麦生育期内的灌溉次数显著降低，由此导致了冬小麦边际土地生产率和地均净收益均显著减少（表 5），随着灌溉保证率的降低，农户退耕冬小麦的概率呈现上升趋势。这与理论部分“灌溉水源稳定性和水质越好，农户越有可能种植冬小麦”的预期也是一致的。地块面积的系数为负（-0.077），且在5%的水平显著，说明面积较小的地块比面积较大的地块更易发生冬小麦退耕现象。在规模报酬基本不变的前提下[21]，地块面积对边际土地生产率和地均净收益的影响较小，但会对联合收割机等大型农用机械的使用产生影响，面积较小地块上大型机械作业多有不便，这无疑会对农户种植冬小麦的积极性产生影响，因而提高了其冬小麦退耕的概率。除上述变量外，耕作距离的系数虽为正（0.101），但并不显著影响农户的冬小麦退耕决策。这与理论预期有所出入，其原因是案例区地处平原区，地形平坦，通勤时间大致在10～15 min以内，由此造成的务农劳动投入和地均净收益变化均有限，对农户土地利用决策的影响因而较小。

表4 不同土地质量冬小麦成本-收益分析Table 4 Cost and benefit analysis of winter wheat grouped by soil quality

表5 不同灌溉水源冬小麦成本-收益分析Table 5 Cost and benefit analysis of winter wheat grouped by irrigation water source

3.2.3 农户层次解释变量对农户主动退耕冬小麦行为的影响

农户层次上显著影响农户冬小麦退耕决策的因素有平均务工收入、地均务农劳动力数量、年龄的二次方、受教育程度、农机设备和地块破碎度，而年龄和抚养比并未通过 10%显著性检验。其中，平均务工收入的系数为正（0.133）且在5%的水平显著，说明平均务工收入对农户冬小麦退耕决策产生了显著的正向影响。该变量是作为劳动力务农机会成本的代用指标来考虑的。具体而言，平均务工收入越高，农户劳动力务农机会成本越高，同等条件下种植冬小麦的劳动成本越高而地均净收益越低，因而显著提高了冬小麦退耕的概率，这与理论预期也是一致的。地均务农劳动力数量、年龄、受教育程度、抚养比等均为农户家庭劳动力资源禀赋的代用指标。其中，地均务农劳动力数量的系数为负（-0.684），且在10%的水平显著，说明劳动力市场门槛限制下，务农劳动力越丰富的家庭，更倾向于充分利用土地资源，即采取冬小麦-夏玉米一年两熟制而不是春玉米一熟制，同等条件下冬小麦退耕的概率因而减少，这与理论预期也是吻合的。为全面认识农业决策者的年龄对其冬小麦退耕决策的影响，将年龄和年龄的二次方同时纳入模型中，结果显示两者系数的符号相反，仅后者通过了 10%的显著性水平，说明年龄的作用不甚显著，但大致呈现出农业决策者年龄过大或过小时农户冬小麦退耕概率较低的特征。因劳动力年龄越大，其进入劳动力市场的门槛限制越高，他们更倾向于充分利用土地资源进行冬小麦种植，但年龄过大者难以承担灌溉等繁重的农业体力劳动，因而退耕冬小麦的概率反而有所提高。Zhang等在重庆的研究也得出了类似结果[23]。受教育程度在5%的水平发挥正向左右，说明农业决策者受教育程度越低，冬小麦退耕的概率也越低。考虑到受教育程度较低的劳动力更难以进入劳动市场，他们因而更倾向于种植冬小麦而不是退耕。这一结果也是符合理论预期的。因抚养比的系数不显著，这一变量对农户土地利用决策的影响几可忽略。此外，农机设备与地块破碎度也被纳入模型中。其中，农机设备的系数在5%的水平负向显著（-0.552），说明不具备农机设备的农户比具备农机设备的农户更有可能退耕冬小麦，这主要是因为农机设备，主要是农用拖拉机，在农产品运输和地表水灌溉中发挥了较大作用，为农户务农带来了极大便利，因而有助于提高农户种植冬小麦的积极性；地块破碎度的系数在 1%的水平正向显著（1.558），说明这一因素在农户冬小麦退耕行为中发挥了显著的抑制作用：农户的地块破碎程度较低时，耕地集中布局于几个面积较大的地块，提高了耕作的便利程度，也有利于大型农用机械的使用，因而提高了农户冬小麦种植概率；相反，若地块破碎度高，有限的耕地分散于多个面积较小的地块，农户冬小麦的种植积极性则有所降低。

3.2.4 村庄层次解释变量对农户主动退耕冬小麦行为的影响

村庄层次上，灌溉用电单价和土地流转率的系数均通过了5%的显著性检验。其中，灌溉用电单价的系数为正（1.604），说明灌溉用电单价越高的村庄农户冬小麦退耕的概率也越高。灌溉用电单价是通过直接影响灌溉投入影响冬小麦的地均净收益，进而影响农户冬小麦退耕决策的。同等条件下，灌溉用电单价越高，灌溉投入越多而地均净收益越少，农户因而越倾向于退耕冬小麦。这与理论预期也是吻合的。土地流转率的系数虽是显著为负的（-2.936），但考虑到案例区土地流转的概率整体较低，均值仅为4%，这一因素对农户冬小麦退耕决策的影响比较有限。此外，地下水埋深、距市中心距离和人均纯收入的系数均未通过 10%的显著性检验，说明这 3个因素对农户冬小麦退耕决策的影响相对较小。

总体而言，地块、农户和村庄 3个层次在解释农户冬小麦退耕决策中均发挥着显著作用，其解释程度分别为52.1%、17.5%和30.4%。各层次的解释变量对农户冬小麦退耕决策的影响与理论预期是大致相符的：地块的土地质量越好、灌溉水源稳定性和水质越好，农户的平均务农工资越低、地均务农劳动力数量越多、农业决策者受教育程度较低，村庄的灌溉用电单价越低，农户冬小麦退耕的概率越小，种植冬小麦的可能性越大。此外，地块面积、农户的农机设备和地块破碎度等因素也对其冬小麦退耕决策产生显著影响。

4 政策启示

根据案例区问卷调查结果，2000年以来农户主动退耕冬小麦的耕地面积占比为28.18%，也即超过1/4的耕地已出现冬小麦退耕现象。在此背景下，利用补贴政策推行休耕这一耕地休养生息策略时，就不能泛化，而需精准。若对农户已主动退耕冬小麦的耕地进行补贴，不仅造成公共财政经费的浪费，也达不到减少地下水用量的目的。同时，考虑到休耕是通过减少冬小麦地下水灌溉用量，实现地下水位回升、维持地下水资源采补平衡的目标，休耕制度不仅应避免将已退耕耕地纳入决策范围，还应主要瞄准地下水灌溉的地块。严格的冬小麦种植摸底调查监测可以为制度实施提供数据基础，应成为其精准实施的前提。此外，实证分析结果中，劳动力务农机会成本（平均务工收入）与灌溉用电单价提高均有助于促进农户退耕冬小麦。因此，地方政府也应注重农村集体新型产业发展，增加农民就业机会，并进行农业水价综合改革，建立冬小麦灌溉精准收费机制，辅助推进休耕制度落实。

实证分析还发现，不同灌溉水源对农户冬小麦退耕决策的影响不尽相同。除地下水外，地表水，如河流、水库或坑塘等，也是案例区冬小麦灌溉用水的主要水源。其中，河流中的水仅部分来源于降水，其余主要来源于城市中水系统和南水北调中线工程，供水稳定性和水质相对较好，利用此类灌溉水源的地块农户退耕冬小麦的概率较低；而水库或坑塘中的水主要来源为降水，供水稳定性和水质相对较差，相关地块退耕冬小麦的概率较高。考虑到华北平原是小麦主产区，在维系中国口粮安全方面责任重大，采用地表水灌溉维持或适度扩展部分区域小麦种植面积对土地休耕与口粮安全目标的“双赢”意义重大。然而，当前区域水资源管理更多地集中在地下水超采治理方面，对河流、水库和坑塘等地表水的管理还需加强。建议制订切实可行的南水北调中线农业用水管理办法，避免部分村集体盲目引水灌溉；确保城市中水质量并实现其在生态用水与农业用水间的合理配置；同时，推行先进的降水采集技术及生物性水质控制措施，确保水库、坑塘的供水稳定性及其水质安全[40]。

5 结 论

本文借助河北省沧县农户问卷数据，构建农户土地利用决策理论模型和多层二项logit模型，分析了华北平原农户冬小麦退耕现状及其影响因素。结果显示，1）案例区2000年以来农户主动退耕冬小麦的面积占耕地面积的比例达28.18%，也即超过1/4的耕地发生了冬小麦退耕现象。2）地块、农户和村庄3个层次在解释农户冬小麦退耕决策方面均发挥着显著作用，就解释程度而言，地块层次最高（52.1%），村庄层次次之（30.4%），而农户层次最小（17.5%）。3）地块层次的土地质量，农户层次的平均务工收入、受教育程度和地块破碎度，以及村庄层次的灌溉用电单价的系数均为正且通过了1%或5%的显著性检验，说明它们在农户主动退耕冬小麦行为中发挥显著影响，且土地质量越差、农户平均务工收入和地块破碎度越高、农业决策者受教育程度和村庄灌溉用电单价也越高时，农户发生冬小麦退耕的概率越大。4）此外，地块层次的灌溉水源和地块面积，农户层次的地均务农劳动力数量和农机设备的系数均为负且通过了1%、5%或10%的显著性检验，说明它们在农户冬小麦退耕决策中也发挥显著影响，且地块灌溉水源稳定性及水质越差、地块面积较小、地均务农劳动力数量越少且不具备农机设备的农户越有可能实施冬小麦退耕决策。在实证分析的基础上，本文还提出了土地休耕制度精准实施、农村集体新型产业发展、农业水价综合改革、地表水资源合理配置与管理等方面的政策建议，以期实现华北平原土地休耕与粮食安全的“双赢”目标。

此外，本文是 Yan等构建的农户土地利用决策理论模型在中国平原地区农地利用变化解释方面的一次拓展应用。将本文研究结果与阎建忠等以重庆山区为例进行的坡耕地撂荒实证分析结果进行对比，发现以“农户在地块层次上配置土地和劳动力以实现家庭净收益总量最大化为目标”这一主旨构建的农户土地利用决策理论模型对中国山区坡耕地撂荒现象和华北平原农户主动退耕冬小麦现象均做出了较好地解释，说明该理论模型在中国农地边际化现象解释方面的适用范围较广。但具体到两种现象的影响因素时，实证分析结果不尽相同：以地块层次的影响因素为例，土地质量和地块面积在山区坡耕地撂荒和华北农户主动退耕冬小麦方面都发挥着显著作用，且作用方向是一致的，但灌溉水源仅在华北平原有显著影响，对山区的影响不大；与之相反，耕作距离仅影响山区坡耕地撂荒行为，而对平原农户主动退耕冬小麦行为的影响并不显著。有鉴于此，在拓展应用阎氏理论模型解释中国农地边际化现象时，应根据研究区实际情况进行理论模型的适当修正，在实证分析时也应注意将相关指标考虑在内。

[参 考 文 献]

[1] 郝海广，李秀彬，张惠远，等. 劳动力务农机会成本对农地边际化的驱动作用[J]. 干旱区资源与环境，2015，29(3)：50－56.Hao Haiguang, Li Xiubin, Zhang Huiyuan, et al. Impact of the opportunity cost of farming labor on the agricultural land mar-ginalization[J]. Journal of Arid Land Resources and Environment, 2015, 29(3): 50－56. (in Chinese with English abstract)

[2] Chen R, Ye C, Cai Y, et al. The impact of rural out-migration on land use transition in China: Past, present and trend[J].Land Use Policy, 2014, 40: 101－110.

[3] 李秀彬，赵宇鸾. 森林转型、农地边际化与生态恢复[J]. 中国人口·资源与环境，2011，21(10)：91－95.Li Xiubin, Zhao Yulian. Forest Transition，Agricultural land marginalization and ecological restoration[J]. China Population, Resources and Environment, 2011, 21(10): 91－95. (in Chinese with English abstract)

[4] 辛良杰，李秀彬. 近年来我国南方双季稻区复种的变化及其政策启示[J]. 自然资源学报，2009，24(1)：58－65.XinLiangjie, Li Xiubin. Changes of multiple cropping in double cropping rice area of Southern China and its policy implications[J]. Journal of Natural Resources, 2009, 24 (1):58－65. (in Chinese with English abstract)

[5] 潘学鹏，李改欣，刘峰贵，等. 华北平原冬小麦面积遥感提取及时空变化研究[J]. 中国生态农业学报，2015，23(4)：497－505.Pan Xuepeng, Li Gaixin, Liu Fenggui, et al. Using remote sensing to determine spatio-temporal variations[J]. Chinese Journal of Eco-Agriculture, 2015,23(4):497－505. (in Chinese with English abstract)

[6] Xie H, Wang P, Yao G. Exploring the dynamic mechanisms of farmland abandonment based on a spatially explicit economic model for environmental sustainability: A case study in Jiangxi Province, China[J]. Sustainability, 2014, 6(3):1260－1282.

[7] Li S, Li X. Global understanding of farmland abandonment:A review and prospects[J]. Journal of Geographical Sciences,2017, 27(9): 1123－1150.

[8] Wang X, Li X, Xin L. Impact of the shrinking winter wheat sown area on agricultural waterconsumption in the Hebei Plain[J]. Journal of Geographical Sciences, 2014, 24 (2):313－330.

[9] 王全忠，陈欢，张倩，等. 农户水稻“双改单”与收入增长：来自农村社会化服务的视角[J]. 中国人口·资源与环境，2015，25(3)：153－162.Wang Quanzhong, Chen Huan, Zhang Qian, et al.Plantingpattern switch from double-cropped to singlecropped rice and iIncomeincrease: A study on the effects of social services in rural areas[J]. China Population, Resources and Environment, 2015, 25(3): 153－162. (in Chinese with English abstract)

[10] Ge D, Long H, Zhang Y, et al. Farmland transition and its influences on grain production in China[J]. Land Use Policy,2018, 70: 94－105.

[11] Fezzi C, Harwood A R, Lovett A A, et al. The environmental impact of climate change adaptation on land use and water quality[J]. Nature Climate Change, 2015, 5 (3): 255－260.

[12] van Vliet J, de Groot H L F, Rietveld P, et al. Manifestations and underlying drivers of agricultural land use change in Europe[J]. Landscape and Urban Planning, 2015, 133: 24－36.

[13] Lu C, Fan L. Winter wheat yield potentials and yield gaps in the North China Plain [J]. Field Crops Research, 2013, 143:98－105.

[14] Zhong H, Sun L, Fischer G, et al. Mission Impossible?Maintaining regional grain production level and recovering local groundwater table by cropping system adaptation across the North China Plain[J]. Agricultural Water Management,2017, 193: 1－12.

[15] Feng Z M, Liu D W, Zhang Y H. Water requirements and irrigation scheduling of spring maize using GIS and CropWat model in Beijing-Tianjin-Hebei region[J]. Chinese Geographical Science, 2007, 17(1): 56－63.

[16] 张涛，王昆，马天云. 河北部分农村撂荒耕地弃种小麦[EB/OL]. 人民日报，2011，http://finance.people.com.cn/nc/GB/15931369.html.

[17] 金微. 河北易县农田抛荒引重视农业部调查组现场调研[EB/OL]. 每日经济新闻，2012，http://www.nbd.com.cn/articles/2012-10-26/690935.html.

[18] 王学，李秀彬，谈明洪，等. 华北平原2001-2011年冬小麦播种面积变化遥感监测[J]. 农业工程学报，2015，31(8)：190－199.Wang Xue, Li Xiubin, Tan Minghong, et al. Remote sensing monitoring of changes in winter wheat area in North China Plain from 2001 to 2011[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31 (8): 190－199. (in Chinese with English abstract)

[19] Meng Q, Sun Q, Chen X, et al. Alternative cropping systems for sustainable water and nitrogen use in the North China Plain[J]. Agriculture, Ecosystems & Environment, 2012, 146(1): 93－102.

[20] 张兆吉，费宇红，陈宗宇. 华北平原地下水可持续利用调查评价[J]. 北京：地质出版社，2009.

[21] 王学，李秀彬，辛良杰，等. 华北地下水超采区冬小麦退耕的生态补偿问题探讨[J]. 地理学报，2016，71(5)：829－839.Wang Xue, Li Xiubin, Xin Liangjie, et al. Ecological compensation for winter wheat abandonment in groundwater over-exploited areas in the North China Plain[J]. Acta Geographica Sinica, 2016, 71(5): 829－839. (in Chinese with English abstract)

[22] 王卫，河北地理 [M]. 北京：北京师范大学出版社，2012.

[23] Zhang Y, Li X, Song W, et al. Land abandonment under rural restructuring in China explained from a cost-benefit perspective[J]. Journal of Rural Studies, 2016, 47: 524－532.

[24] Yan J, Yang Z, Li Z, et al. Drivers of cropland abandonment in mountainous areas: A household decision model on farming scale in Southwest China[J]. Land Use Policy, 2016,57: 459－469.

[25] 辛良杰，王佳月. 耕地种植速生林的影响因素及其政策启示：基于山东省两市的农户调查[J]. 自然资源学报，2014，29(12)：1991－2000.Xin Liangjie, Wang Jiayue. Driving factors of fast-growing forest planting and its policy implications: Based on the household surveyin two cities of Shandong Province[J].Journal of Natural Resources, 2014, 29(12): 1991－2000. (in Chinese with English abstract)

[26] 刘成武，黄利民. 农地边际化过程中农户土地利用行为变化及其对粮食生产的影响[J]. 地理研究，2015，34(12)：2268－2282.Liu Chengwu, Huang Limin. The changes of farmers'behavior in land use and its impacts on the food production during the process of marginalization of arable land [J].Geographical Research, 2015, 34(12): 2268－2282. (in Chinese with English abstract)

[27] Long H. Land use policy in China: Introduction[J]. Land Use Policy, 2014, 40: 1－5.

[28] Wang X, Herzfeld T, Glauben T. Labor allocation in transition: Evidence from Chinese rural households[J]. China Economic Review, 2007, 18(3): 287－308.

[29] Wang X, Li X, Xin L, et al. Ecological compensation for winter wheat abandonment in groundwater over-exploited areas in the North China Plain[J]. Journal of Geographical Sciences, 2016, 26(10): 1463－1476.

[30] 艾利思，农民经济学：农民家庭农业和农业发展[M]. 上海：上海人民出版社，2006.

[31] Lankoski J, Ollikainen M. Agri-environmental externalities-a framework for designing targeted policies[J]. European Review of Agricultural Economics, 2003, 30(1): 51－75.

[32] Kyrchei I I. Cramer’s rule for some quaternion matrix equations[J]. Applied Mathematics and Computation, 2010,217(5): 2024－2030.

[33] Snijders T A B, Boksker R J, Multilevel analysis: An introduction to basic and advanced multilevel modelling [M].New York: Sage; 1999.

[34] Overmars K P, Verburg P H. Multilevel modelling of land use from field to village level in the Philippines[J].Agricultural Systems, 2006, 89 (2/3): 435－456.

[35] Su S, Zhou X, Wan C, et al. Land use changes to cash crop plantations: crop types, multilevel determinants and policy implications[J]. Land Use Policy, 2016, 50: 379－389.

[36] Zhang Y, Li X, Song W. Determinants of cropland abandonment at the parcel, household and village levels in mountain areas of China: A multi-level analysis[J]. Land Use Policy, 2014, 41: 186－192.

[37] Wang X, Li X, Fischer G, et al. Impact of the changing area sown to winter wheat on crop water footprint in the North China Plain[J]. Ecological Indicators, 2015, 57: 100－109.

[38] 杨宇，王金霞，陈煌. 不同灌溉水源供水可靠性的评估[J].中国人口·资源与环境，2012，22(11)：97－100.Yang Yu, WangJinxia, Chen Huang. Assessment on water supply reliability of different irrigation water sources[J].China Population, Resources and Environment, 2012, 22(11):97－100. (in Chinese with English abstract)

[39] Li K, Yang X, Liu Z, et al. Low yield gap of winter wheat in the North China Plain[J]. European Journal of Agronomy,2014, 59: 1－12.

[40] Liu J, Zehnder A J B, Yang H. Global consumptive water use for crop production: The importance of green water and virtual water[J]. Water Resources Research, 2009, 45(5):doi:10.1029/2007WR006051.