淮河流域农业灰水足迹效率的时空分布与驱动模式

2020-11-20童国平

水资源保护 2020年6期

陈岩，童国平，王蕾

(1.南京林业大学经济管理学院，江苏南京 210037； 2.南京林业大学生态文明与乡村振兴研究中心，江苏南京 210037； 3.南京信息工程大学教师发展与教学评估中心，江苏南京 210044)

我国人均水资源量是世界平均水平的1/6，严重的水污染加剧了我国水资源短缺状况。在我国水环境污染中，农村水污染物排放量占全国水污染物排放量的50%以上，农村水污染已成为导致水环境恶化的主要原因[1]。对流域农业污水排放效率和驱动因素进行研究，可以为流域的农业水污染治理提供重要的基础。传统的流域水污染状况评价和效率研究中通常采用单因子指数法、综合污染指数法等来分析流域的污染情况。2002年荷兰学者Hoekstra首次提出了水足迹(water footprint)的概念[2]，水足迹分为蓝水足迹、绿水足迹和灰水足迹[3]；蓝水足迹和绿水足迹的研究起步相对较早，研究成果比较丰富[4-8]；“灰水足迹”的概念于2008年提出[5]，是指“在现有标准水质条件下，将污染负荷稀释至特定水质标准及以上需要的淡水体积”[6]。传统水资源研究大多未考虑将水资源消耗和水污染指标进行结合来分析评价水资源利用情况，灰水足迹可以分析用水量和污水排放量之间的定量关系，从用水量角度评价水污染状况，为污水排放量与水资源利用量之间的相互研究提供了一个新的研究视角和方法。目前，国内外对灰水足迹的研究已经取得较多的研究成果，范围涉及农业[7]、工业[8]、省域[9-10]和特定区域[11]灰水足迹的测算评价。而农业灰水足迹研究主要集中在特定农作物和不同区域的灰水足迹核算，主要包括水稻[12]、小麦[13]、玉米、蔬菜、水果[14]等种植业灰水足迹测算；另外，畜牧业和渔业生产活动灰水足迹也不可忽视，一些学者对于农场动物[15]、畜牧业[16]和渔业养殖[17]等灰水足迹进行了测算和时空演变规律分析。在灰水足迹测算的基础上，部分学者对灰水足迹的影响因素进行了研究，主要集中在城市灰水足迹[18]、人均灰水足迹[19-20]、各个省市灰水足迹[21]等影响因素的研究方面；而农产品灰水足迹的影响因素研究较少，主要认为化肥施用量和农产品产量是影响灰水足迹的重要因素[22]，而氮流失的增长造成的稀释水量增加是农业土地利用系统灰水足迹增长的关键因素[23]。

本研究从种植业、畜牧业和水产养殖业3个农业生产部门来核算淮河流域35个地级市的农业灰水足迹量，分析了淮河流域农业灰水足迹效率的时空分布与驱动模式，以期为促进流域农业的可持续发展提供参考。

1 研究区概况

淮河流域是我国七大流域之一，位于东经111°55′～121°25′、北纬30°55′～36°36′之间。淮河流域包括湖北、河南、安徽、江苏、山东5省40多个地级市，流域面积26.96万km2，多年平均降水量约875 mm，降水量空间差异较大，由流域下游向上游呈弧形递减，多年平均总水资源量约794亿m3，人均水资源量仅为全国的1/5。淮河流域处于中纬度地区、南北气候过渡带和海陆过渡带，降水时间集中，6—8月的降水量占全年降水量的50%以上，12月至次年2月降水量不到全年降水量的10%。由于降水年际变化大，易涝易灾，且流域人口密度大，耕地率高，严重的水污染使得淮河流域严重的缺水状况雪上加霜。

淮河流域是我国水污染状况最严重的区域之一，作为我国主要的产粮区，耕地面积1 266万hm2，粮食产量占全国粮食总产量的1/6。流域内农业生产过程中农药、化肥的使用量大，耕地平均化肥施用强度为776.6 kg/hm2，远大于我国生态乡镇建设制定的化肥施用强度上限标准[24]，更超过一些发达国家的化肥施用环境安全上限水平。流域的化肥有效利用率只有30%～35%，大量的农业化肥、分散式畜禽水产养殖产生的污染物、农村居民生活固体垃圾和废水污水等在降雨过程中，经农田排水、地表径流、地下渗漏等多种方式进入地表地下水体，农村面源污染已成为流域新的污染源，直接影响到淮河流域的生态系统平衡[25]。淮河水利委员会及流域内各地方政府积极采取污染治理措施，淮河流域水质得到了一定的改善[26]，但是由于流域人口集聚，农业集约化程度高，水产和畜牧养殖发展迅速，农业面源污染问题依然非常严峻[27]。

为了便于研究，本文对淮河流域边缘部分县市进行了取舍(将面积不足县市面积一半的区域去掉)，所以研究区域选定为河南、安徽、江苏和山东4省的35个地级市。

2 研究方法和数据来源

2.1 农业灰水足迹和效率测度模型

a. 农业灰水足迹测度模型。通过种植业、畜牧业和水产养殖业3个农业生产部门来测算流域农业灰水足迹，测度模型为

Fa=Fp+Fb+Ff

(1)

式中：Fa为农业灰水足迹，m3；Fp、Fb、Ff分别为种植业、畜牧业和水产养殖业灰水足迹，m3。灰水足迹衡量的是污染物稀释至标准水质所需要的淡水资源量，测算过程主要参考文献[13]。正常情况下，污水中包含多种形式的污染物，其中最大的污染物决定了最终的灰水足迹。

b. 农业灰水足迹效率测度模型。采用单位农业灰水足迹产出的农业GDP作为农业灰水足迹的效率：

g=M/Fa

(2)

式中：g为农业灰水足迹的效率，元/m3；M为农业GDP，元。

2.2 基于Kaya恒等式的驱动因素分解

日本学者Kaya[28]针对碳排放变化提出了Kaya恒等式，该恒等式已经在能源及其他领域得到广泛应用。本文将扩展后的Kaya恒等式用于农业灰水足迹效率变化的影响因素研究，对农业灰水足迹效率进行驱动因素分解。

a. 农业灰水足迹效率的影响因素。为了对农业灰水足迹效率进行驱动因素分解，需要明确农业灰水足迹效率的影响因素。农业经济发展水平、化肥的施用强度、灰水足迹产出水平、化肥对水环境的作用以及耕地面积等是5个主要影响农业灰水足迹效率的因素，分别将它们定义为影响农业灰水足迹效率的5个驱动效应，即农业经济效应、化肥强度效应、灰水产出规模效应、农业环境效应和耕地资源效应。

b. Kaya恒等式的扩展。扩展后的农业灰水足迹效率Kaya恒等式为

g=abcde

(3)

其中a=M/Pb=C/Ac=P/Fa

d=L/Ce=A/L

式中：a为农业经济效应，即单位农产品产量的农业经济效益，反映农业经济发展水平对农业灰水足迹效率的影响，a越大，说明农业经济发展水平对农业灰水足迹效率提升起着越积极的作用；b为化肥强度效应，即单位耕地面积施用的化肥量，反映化肥施用强度对农业灰水足迹效率的影响，b越大，说明化肥施用强度越大，对农业灰水足迹效率提升的积极作用越大；c为灰水产出规模效应，即单位农业灰水足迹带来的农产品产量，反映灰水足迹产出水平对农业灰水足迹效率的影响，c越大，说明灰水足迹产出水平对农业灰水足迹效率的提升影响力度越大；d为农业环境效应，即人均化肥施用量的倒数，反映化肥环境效应对农业灰水足迹效率的负面影响，d越大，说明人均化肥施用量越小，对农业灰水足迹效率的提升越有利；e为耕地资源效应，即人均耕地面积，反映耕地资源使用状况对农业灰水足迹效率的影响，e越大，说明人均耕地资源的拥有量对农业灰水足迹效率的提升有着越积极的促进作用；P为农产品产量，万t；C为化肥施用量，t；A为耕地面积，hm2；L为农业劳动力数量，人。

2.3 LMDI分解模型

因素分解法通过将研究对象拆分成若干个相关因子来分析不同因子对研究对象的影响程度[29]，主要包括拉式分解模型(AMDI)和对数平均迪氏指数分解模型(LMDI)[30-32]，其中LMDI分解模型因为能够很好地克服交叉项问题，分解不产生残差，解释效果较合理，在资源环境等多个领域的应用广泛。本文采用LMDI分解模型对淮河流域农业灰水足迹效率变化的各影响因素进行定量化分析。根据LMDI分解模型，农业灰水足迹效率从基期到第t年的变化值称为总效应ΔG，计算公式如下：

ΔG=gt-g0=ΔGa+ΔGb+ΔGc+ΔGd+ΔGe

(4)

式中：ΔGa为农业经济效应贡献值；gt、g0分别为第t年的农业灰水足迹效率和基期的农业灰水足迹效率；ΔGa、ΔGb、ΔGc、ΔGd、ΔGe分别为农业经济效应、化肥强度效应、灰水产出规模效应、农业环境效应和耕地资源效应贡献值。若驱动效应贡献值ΔGa、ΔGb、ΔGc、ΔGd、ΔGe为正值，则表示各驱动效应的变化促进淮河流域农业灰水足迹效率的增加，称为正向驱动效应，若驱动效应贡献值为负值，则称为负向驱动效应。某驱动效应贡献值与总效应的比值称为该驱动效应的贡献率，若某驱动效应贡献率为正值，则表示该驱动效应促进农业灰水足迹效率值的增加，为负值则表示该驱动效应会使农业灰水足迹效率降低。

2.4 驱动模式分类

为了对淮河流域各地区的农业灰水足迹效率的驱动因素进一步分析，按照LMDI分解模型计算得到的驱动效应贡献率来对各地区进行驱动模式分类，以驱动效应贡献率绝对值50%为标准来找出主导驱动因素。淮河流域各地区的农业灰水足迹效率的驱动模式可以划分为单因素驱动、双因素驱动、三因素驱动、四因素驱动和综合驱动效应5种类型。

2.5 数据来源

以淮河流域内河南、安徽、江苏和山东4省35个地级市为研究区域范围，以2000—2015年的中间4个节点(2000年、2005年、2010年和2015年)作为时间范围来研究淮河流域农业灰水足迹效率问题。农业灰水足迹和效率的测算数据主要来自各省和地级市的统计年鉴和农业统计年鉴，以及国家统计局发布的2000—2015年国民经济和社会发展统计公报。

3 结果与分析

3.1 淮河流域农业灰水足迹效率及时空分布

运用式(1)(2)计算淮河流域的35个地级市2000年、2005年、2010年和2015年4个时间节点的农业灰水足迹效率值，结果见图1。在灰水足迹测算中，各类污染物排放达标标准采用GB 3838—2002《地表水环境质量标准》中规定的Ⅲ类水标准，COD、氮和磷污染物的排放达标质量浓度分别为 20 mg/L、1 mg/L和0.05 mg/L，自然本底质量浓度值参考文献[13]设为0 mg/L。

(a) 2000年

(b) 2005年

(d) 2015年图1 淮河流域35个地级市农业灰水足迹效率时空分布Fig.1 Spatial-temporal distribution of agricultural grey water footprint efficiency of 35 cities in Huai River Basin from 2000 to 2015

从图1可以看出，在时间分布上，淮河流域内35个地级市的灰水足迹效率有逐渐上升的趋势，说明从2000—2015年淮河流域各个地级市的农业灰水足迹效率都有一定的提升。从淮河流域内的各省分布来看，山东省的农业灰水足迹效率最高，其次是安徽省和江苏省，河南省最低。空间分布特征为淮河沂沭泗水系的山东地区农业灰水足迹效率普遍比较高，干流水系的中、下游次之，上游最低，呈现出从内陆上游地区向东部下游沿海地区逐渐递增的特征。

3.2 淮河流域农业灰水足迹效率的驱动模式

通过LMDI分解模型计算出2000—2015年淮河流域35个地级市农业灰水足迹效率的农业经济效应、化肥强度效应、灰水产出规模效应、农业环境效应和耕地资源效应的贡献值，按照不同地区驱动效应的贡献率划分出3种类型的驱动模式，详见表1。

表1 淮河流域35个地级市农业灰水足迹效率的驱动模式划分Table 1 Driving effect model division of agricultural grey water footprint efficiency changes of 35 cities in the Huai River Basin

从表1可以看出，淮河流域各区域的农业灰水足迹效率主导驱动因素不同，因此以贡献率绝对值50%为标准来找出主导驱动效应，可以具体细分为4种主导驱动模式，即以农业经济效应为主导的单因素驱动模式Ⅰ和以灰水产出规模效应为主导的单因素驱动模式Ⅱ，农业经济效应和农业环境效应共同作用的双因素驱动模式Ⅲ，以及以农业经济效应、农业环境效应和耕地资源效应共同作用的三因素驱动模式Ⅳ。4种模式分布情况如图2所示。

图2 淮河流域35个地级市农业灰水足迹效率的驱动模式分布Fig.2 Distribution of driving pattern types of agricultural grey water footprint efficiency of 35 cities in the Huai River Basin

a. 单因素驱动模式Ⅰ。模式Ⅰ是以农业经济效应为主导的驱动模式，包括河南省的郑州、洛阳和平顶山，安徽省的合肥，江苏省的南通、盐城、扬州、泰州、宿迁以及山东省的淄博、枣庄、济宁、泰安、日照和临沂，共15个地级市。此种模式属于农业经济导向型发展模式，农业经济效应对于灰水足迹效率是正向驱动作用。这些地区在淮河流域内农业经济发展水平较高，单位农产品的农业经济效益高，这与农产品的种植结构和单位面积的产量都有直接关系。此种模式应该继续保持农业经济效应的主导模式，调整农作物种植结构，增加单位面积产量。

b. 单因素驱动模式Ⅱ。模式Ⅱ的主导驱动因素是灰水产出规模效应，包括河南省的漯河，安徽省的淮北、阜阳和江苏的徐州4个地级市。这种主导驱动模式的发展相对来说是一种良性的发展，可以继续保持这种农业生产力发展和生态良好的绿色发展模式。

c. 双因素驱动模式Ⅲ。模式Ⅲ是主要以农业经济效应和农业环境效应双重驱动的模式，包括河南省的开封、许昌、商丘、周口、南阳和驻马店以及江苏省的淮安和连云港，共8个地级市。这些地区单位农产品的农业经济效益高，农产品种植结构利于提高农业经济发展水平；同时这些地区的农业环境效应都是负值，对于灰水足迹效率起到负向作用。所以这些地区的农业污染特征属于粗放式农业发展阶段，就是农业经济发展水平较高，但是水资源环境保护水平较低。这种模式地区应该转变农业发展方式，通过农业创新来促进经济产值的增加和环境的保护，实现社会经济系统和资源环境系统相辅相成、相互促进的双重目标。

d. 三因素驱动模式Ⅳ。此模式主要支配因素由农业经济效应、农业环境效应和耕地资源效应三者共同决定，主要包括安徽省的亳州、宿州、蚌埠、淮南、滁州和六安，河南省的信阳和菏泽。这些地区特征是农业经济发展水平较高，同时农业环境效应的负向贡献率也较大，不过这种模式与模式Ⅲ相比，耕地资源效应对于灰水足迹效率的正向贡献率较高，这些地区的人均耕地面积较大，此种模式优于模式Ⅲ。这些区域需要走农业经济和环境保护协调发展的道路，充分发挥耕地资源效应和农业经济效应，以先进农业技术手段来代替农业化肥作用，或者提高化肥等的吸收率，降低化学污染物对水资源的污染。