西北地区农业灌溉用水反弹的影响因素分析

张惠茹，许航，宋健峰

西北地区农业灌溉用水反弹的影响因素分析

张惠茹，许航，宋健峰*

（西北农林科技大学 经济管理学院，陕西 杨凌 712100）

研究农业灌溉用水反弹的影响因素，优化水资源管理，促进区域农业可持续发展。通过构建灌溉用水量与其他要素（包括水资源以外的生产资料，农业生产技术和农业劳动力投入）之间的非替代性的农业生产函数，推导农业灌溉用水反弹的影响因素，以西北5省为例，利用基准模型和二元选择模型验证农业灌溉用水反弹的影响因素。①通过理论模型推导发现，农作物产量和水分生产率是影响农业灌溉用水反弹的2个因素，且农作物产量的增加对农业灌溉用水反弹有正向效应，灌溉水分生产率对农业灌溉用水反弹有反向的影响；②西北5省的所有市域中，约65%存在农业灌溉用水反弹，即西北地区普遍存在着农业灌溉用水反弹；③在基准模型中，农作物产量的增加量每增加1%，农业灌溉用水反弹会增加0.094 3%～0.611 3%；其他条件不变的条件下，水分生产率每增加1%，农业灌溉用水反弹会减少0.927 3%～0.990 1%。二元选择模型的结果影响方向与基准模型一致。农业生产要素变化所引起的农作物产量增加导致了对水资源的新增需求，部分抵消了节水技术能实现的预期节水量。

农业灌溉；用水反弹；节水政策；西北5省

0 引言

【研究意义】根据《中国水资源公报》显示，2018年农业用水量占总用水量的61.4%，农业部门的节水成为缓解中国贫水问题的重要途径。节水灌溉面积从1999年的1 505万hm2发展到2018年的3 613.5万hm2[1]，但是1999年3 869亿m3农业用水量[2]与2018年3 693.1亿m3农业用水量[3]相比，农业用水量的整体节水效果并不显著。节水灌溉技术在普遍实施后，实际节水量达不到预期节水量的现象，称为“农业灌溉用水反弹”，即节水灌溉政策未能实现预期的节水目标。考虑到水资源的跨区域调水的高成本，本文将农业用水反弹的范围界定为“区域”，本文具体指西北各省（区）的各个“地级市”。探究农业灌溉用水反弹的影响因素对于节水政策的实施具有重要意义。

【研究进展】对“反弹”现象的研究始于“能源反弹”。技术进步提高了机器设备的能源利用效率，相同的产量所需的能源会降低，从而可以起到节能的效果。但是，能源的价格会随着技术进步而降低，能源价格降低所引起的替代效应和收入效应会增加对能源的需求，能源效率提高所节约的能源可能被部分甚至完全抵消，导致实际的节能效果达不到预期，即出现“能源反弹”[4]。对于“用水反弹”的具体定义存在2种观点：一种观点认为节水效果被新增用水部分抵消即构成反弹[5-7]；另一种观点认为，节水灌溉技术的普及增加而不是减少了总用水的现象称为反弹[8-9]。第二种定义属于第一种定义的特殊情况，即预期节水量被全部抵消，所以第一种定义是一般意义上的用水反弹的定义。Contor等[10]研究发现灌溉技术的改进通过3个途径增加消耗：①灌溉系统特定的物理特性；②节约的水将应用于新用途或扩大灌溉面积；③改进技术和管理产生更高的粮食产量，增加耗水量即使没有增加面积。佟金萍等[11]在研究中国农业水资源利用效率时提到技术进步会引起用水的反弹效应，虽未进行具体的分析，但属于第一种观点。邓光耀等[12]使用DEA方法测算全要素水资源利用效率，并研究技术进步所引起的用水反弹效应，认为中国水资源利用存在反弹现象。

虽然“用水反弹”与“能源反弹”存在相似之处，但是仍存在一定的区别。“能源反弹”是以价格为中介，效率提高导致的实际价格下降所引起的需求增加，而在水资源市场中，价格通常是政府调控，不属于市场化的价格机制，所以直接借鉴“能源反弹”从价格的角度来研究“用水反弹”难以实现[13]。能源市场属于市场化程度较高的市场，新技术的采用也是市场化形成的结果，能源效率的提高对能源价格下降具有很大的促进作用。但是，中国的水资源市场由政府调控，没有市场化的形成机制，同时中国的农业生产大多属于小农经济，节水技术的采用也是在政府节水灌溉政策推广下得到普及的结果，水价与灌溉效率之间的传导机制也更为微弱。所以直接参考能源反弹利用价格弹性来计算反弹的方法[14]在农业灌溉用水反弹中失去了参考价值。基于此，Song等[15]利用宏观技术进步的贡献率建立了一种简化的直接比较方法，评估了中国农业部门用水的反弹程度，发现中国农业用水存在反弹现象，并且中国北部和西部地区的农业用水反弹比南部和东部地区更大。

【切入点】综上所述，“反弹”现象始于能源反弹，但是农业灌溉技术的改进也会带来“反弹”现象。现有文献主要聚焦于用水反弹是否存在或衡量其反弹程度，但农业灌溉用水反弹形成的原因尚不明确。中国西北地区的水资源相对于东南地区更为缺乏，农业灌溉用水反弹的存在对西北地区农业可持续发展的影响也将更为严重。【拟解决的关键问题】鉴于此，本文在已有文献的基础上，利用西北5省的市级面板数据，来分析农业灌溉用水反弹的影响因素，明确其形成原因，以期为中国的节水政策提供可行性建议。

1 理论框架与研究假设

1.1 农业灌溉用水反弹的界定

本文农业灌溉用水反弹使用绝对量，具体定义可以表述为预期节水量与实际节水量的差值[15-16]，表达的是预期节水量被新增的农业灌溉用水所抵消的量，用公式可以表示为：

WR=EWS-AWS， （1）

式中：表示农业灌溉用水反弹（亿m3），其含义为新增用水的绝对量；表示灌溉技术提高后的预期节水量（亿m3）；表示灌溉技术提高后的实际节水量（亿m3）。>0表示农业灌溉用水存在反弹现象，否则表示农业灌溉用水不存在反弹现象。

预期节水量是原始用水量与预期用水量之差，实际节水量是原始用水量与实际用水量之差，所以预期节水量和实际节水量可以表示为：

EWS=WUo-WUe， （2）

AWS=WUo-WUa， （3）

式中：o为原始用水量（亿m3），指灌溉技术提高前的实际用水量；e为预期用水量（亿m3），指灌溉技术提高后的预期用水量；a为实际用水量（亿m3），指灌溉技术提高后的实际用水量。

根据式（1）—式（3），农业灌溉用水反弹可以表示为实际用水量与预期用水量之差：

WR=EWS-AWS=(WUo-WUe)-

(WUo-WUa)=WUa-WUe。 （4）

根据式（4），农业灌溉用水反弹的绝对量只取决于灌溉技术提高后的实际用水量与预期用水量的差值。

根据能源反弹的定义，预期使用量在于保持其他要素不变的条件下，生产原来相同产量所需的能源使用量[4]。借鉴能源反弹的定义，并结合农业生产的周期性，在节水灌溉技术持续提高的情况下，除节水灌溉技术外，保持上一年其他要素不变的条件下实现最优产量所需的用水量定义为预期用水量，可以改变上一年的农业生产要素的条件下实现最优产量所需的用水量定义为实际用水量。

1.2 农业灌溉用水反弹的理论构建

在农业生产中，由于水资源是农作物生长必不可少的要素，所以将生产要素分为灌溉用水量和其他要素，且假定灌溉用水量与其他要素之间不具有替代性[17]。借鉴Xu等[17]和Holloway等[18]的方法，构建如下农业生产函数：

Y(W,ΔO)=Min(a0+a1C(W),b0+b1ΔO)，（5）

式中：表示农作物的产量（万t）；表示农业灌溉用水量（亿m3）；表示其他要素，既包括水资源以外的生产资料，还包括农业生产技术和农业劳动力投入；Δ表示当年与上年相比其他要素的变化量；0表示有效降水量能实现的产量；（）表示耗水量（亿m3），即耗水量是农业灌溉用水量的函数，这里假定（），表示耗水率；1表示耗水量的边际产量；0表示保持与上年其他要素相同时能实现的产量；1表示与上年相比改变其他投入要素时能实现的边际产量。

预期用水量指在保持前期其他要素不变的条件下实现最优产量时所需的用水量，即预期用水量必满足如下条件[17]：

a0+αa1W=b0。 （6）

预期用水量可以表示为：

实际用水量指在可以改变其他要素的条件下实现最优产量时所需的用水量，即预期用水量必须满足如下条件[19]：

a0+αa1W=b0+b1ΔO。 （8）

实际用水量可以表示为：

农业灌溉用水反弹指实际用水量与预期用水量之差，所以根据式（7）和式（9），农业灌溉用水反弹的绝对量可以表示为：

根据式（8）可以得到1(0)，所以农业灌溉用水反弹还可以表示为：

对式（11）作对数处理，可以得到：

式中：表示农业灌溉用水反弹（亿m3）；1表示与上年相比改变其他投入要素时能实现的边际产量；Δ表示当年与上年相比其他要素的变化量；1Δ表示改变其他要素所增加的农作物产量；表示农作物的产量（万t）；表示农业灌溉用水量（亿m3）；0表示有效降水量能实现的产量；0表示农业灌溉用水能实现的产量；(0)表示单位灌溉用水能实现的生产量，即农业灌溉用水的水分生产率（t/（104m3））[20]，即灌溉水分生产率，该指标体现了节水技术在农业生产中的作用。

根据式（12），农业灌溉用水反弹主要受到改变其他要素所增加的农作物产量和节水技术下灌溉水分生产率的作用。具体作用机制表现为：节水技术下灌溉水分生产率的提高可以降低农作物所需的用水量，从而实现节水，但是其他生产要素变化引致的农作物产量增加会部分抵消预期节水量，导致实际节水效果达不到预期，即出现农业灌溉用水反弹。所以，根据以上分析提出如下2个假定：

假设一：在其他因素不变的条件下，农作物产量的增加对农业灌溉用水反弹有正向的影响，是引起农业灌溉用水反弹的决定因素。

假设二：在其他因素不变的条件下，灌溉水分生产率对农业灌溉用水反弹有反向的影响，是抑制农业灌溉用水反弹的关键因素。

2 模型设定、变量选取与数据来源

2.1 模型设定

2.1.1 基准模型

根据农业灌溉用水反弹的理论构建，基准模型只分析农作物产量增加和灌溉水分生产率与农业灌溉用水反弹绝对量的关系，所以只分析农作物产量变化为正和存在农业灌溉用水反弹的数据，然后，对其作对数处理。基准模型设定如下：

lnWRit=α+β1lnDPit+β2lnWFit+εit， （13）

式中：lnt表示农业灌溉用水反弹的对数形式；表示截距项；1和2表示待估系数；lnt表示农作物产量变化的对数形式；lnt表示灌溉水分生产率的对数形式；t表示随机干扰项。

2.1.2 二元选择模型

为保证基准模型的稳健性，将全部数据纳入分析来考察农作物产量变化和灌溉水分生产率与农业灌溉用水是否发生反弹的关系。首先对因变量农业灌溉用水反弹进行重新定义，将发生农业灌溉用水反弹定义为1，没有发生农业灌溉用水反弹定义为0，再对自变量作对数处理，在自变量中，农作物产量变化的部分数据为负数，此时采取如下计算方法：lnt=-ln(-t)。设定Logit和Probit 2类二元选择模型。

将农业灌溉用水反弹设定为一个不可观测的潜变量t,具体为：

yit*=xit'β+εit， （14）

式中：t'为解释变量的向量形式，包括农作物产量变化和灌溉水分生产率；为解释变量对应的系数向量；t为干扰项。

如果农业灌溉用水反弹t0,则t1，即存在农业灌溉用水反弹现象，否则t0，即不存在农业灌溉用水反弹现象。

Logit模型的概率分布为：

Probit模型的概率分布为：

2.2 变量选取

因变量为农业灌溉用水反弹，具体为灌溉技术改进后实际用水量与预期用水量之差。由于农业种植存在固定周期，预期用水量为与上年相比在投入要素不变的条件下，当年所需的灌溉用水量。而农作物所需的灌溉用水取决于农作物的种类、种植面积和气象条件，所以本文利用气象数据，通过CROPWAT8.0软件来计算各种作物生长周期所需的耗水量[21]，再利用农作物的种类和种植面积获取预期用水量的方法来得到农业灌溉用水反弹的绝对量，具体借鉴吴普特等[22]的量化方法，可以表示为：

式中：t表示地区年的农业灌溉用水反弹的绝对量（亿m3）；t表示地区年的实际灌溉用水量（亿m3）；,j,t-1表示地区种作物-1年的种植面积（千hm2）；,j,t表示地区种作物年的耗水量（亿m3/千hm2），此数据是通过CROPWAT8.0软件计算获得，来表示农作物在生长周期内在已有气候条件下需要的耗水量；t表示地区年的有效灌溉率，是有效灌溉面积占农作物总播种面积的比例，来表示实际灌溉的效果；t表示地区年的耗水率，是农业灌溉耗水量占农业灌溉用水量的比例，以此根据预期耗水量来获取预期用水量。

由于“当年的耗水率”可以表达预期的技术进步所带来的耗水率改变，所以文中的“预期的耗水率”均采用“当年的耗水率”来表示，文中统称为“耗水率”。另外，灌溉技术的改进有些是跨年度的，但由于具体需采用几年的标准无法合理确定，所以本文暂时使用一年的标准。自变量包括农作物产量变化和灌溉水分生产率。农作物产量变化被定义为当年与上年的农作物产量之差，即农作物产量的差分。灌溉水分生产率被定义为灌溉用水能实现的产量与灌溉用水量之比。考虑无法区分有效降雨和灌溉用水对农作物产量的影响，所以使用农作物产量与农业灌溉用水总量之比来代表灌溉水分生产率。因变量与自变量的描述性统计情况具体见表1。

表1 变量描述性统计

2.3 数据来源

数据主要包括西北5省（甘肃、宁夏、陕西、青海和新疆）的各市级面板数据，考虑到数据的可获得性，数据属于非平行面板。其中，甘肃和陕西的市级数据包括1999―2018年的面板数据，宁夏的市级数据包括2006―2018年的面板数据，青海的市级数据包括1994―2018年的面板数据（其中果洛州部分年份缺失），新疆只包括2014―2016年的面板数据。所需数据主要包括种植数据、灌溉数据和气象数据。种植数据包括农作物总播种面积、各类作物播种面积、各类作物产量、农作物总产量、粮食产量和经济作物产量，数据来源于各省统计年鉴；灌溉数据包括有效灌溉面积、有效灌溉率、农田灌溉用水量、农田灌溉耗水量和农田灌溉耗水率，其中有效灌溉面积和有效灌溉率的数据来源于各省统计年鉴，其他灌溉数据来源于各省水资源公报；气象数据包括最低气温、最高气温、湿度、风速、日照时间长和降水量，数据来源于国家气象科学数据中心（http://data.cma.cn/）。

3 结果与分析

首先根据基准模型进行基准回归分析农作物产量增加和灌溉水分生产率与农业灌溉用水反弹绝对量的内在关系。然后，再利用二元选择模型分析农作物产量变化和灌溉水分生产率与农业灌溉用水是否发生反弹的关系，从而保证基准模型的稳健性。

3.1 农业灌溉用水反弹的基准模型

根据西北5省的各个市域各年的农业灌溉用水反弹的计算结果，在743个样本中，有483个存在农业灌溉用水反弹的样本量，占到总数的65%。这也表明在中国西北地区，普遍存在着农业灌溉用水反弹。根据农业灌溉用水反弹的形成机理，农作物产量增加导致新增的用水量部分抵消了预期节水量，所以只保留农作物产量变化为正和存在农业灌溉用水反弹的数据进行分析，模型回归结果具体见表2。

表2 模型回归结果

注 模型1和模型2的括号内为值，模型3—模型8的括号内为值；**、***分别表示5%、1%的水平上显著。

基准模型回归包括3个模型，分别为混合OLS模型、固定效应模型和随机效应模型，以模型1、模型2和模型3来表示。根据模型1，在其他条件不变的条件下，农作物产量的增加量每增加1%，农业灌溉用水反弹会增加0.611 3%；其他条件不变的条件下，灌溉水分生产率每增加1%，农业灌溉用水反弹会减少0.927 3%。根据模型2，在其他条件不变的条件下，农作物产量的增加量每增加1%，农业灌溉用水反弹会增加0.094 3%；其他条件不变的条件下，灌溉水分生产率每增加1%，农业灌溉用水反弹会减少0.956 8%。根据模型3，在其他条件不变的条件下，农作物产量的增加量每增加1%，农业灌溉用水反弹会增加0.221 1%；其他条件不变的条件下，灌溉水分生产率每增加1%，农业灌溉用水反弹会减少0.990 1%。虽然模型1、模型2和模型3的农作物产量的增加量对农业灌溉用水反弹的边际影响存在一定的差异，但都对其在1%的显著水平上有正向影响。另一方面，模型1、模型2和模型3的灌溉水分生产率不仅对农业灌溉用水反弹的边际影响比较接近，而且都对其在1%的显著水平上有反向影响。

综合以上分析，农作物产量的增加对农业灌溉用水反弹有着显著的正向影响，是引起农业灌溉用水反弹的决定因素，完全符合研究假设一；灌溉水分生产率对农业灌溉用水反弹也有着显著的反向影响，是抑制农业灌溉用水反弹的关键因素，也完全符合研究假设二。这也证实了农业灌溉用水反弹的成因，即其他生产要素变化导致的农作物产量增加会部分抵消节水技术所能实现的预期节水量，从而导致实际节水效果达不到预期，出现农业灌溉用水反弹。

3.2 农业灌溉用水反弹的二元选择模型回归

二元选择模型回归结果具体见表2。

根据设定的Logit和Probit模型，分别回归了混合Logit、面板Logit、条件Logit、混合Probit和面板Probit模型，分别以模型4、模型5、模型6、模型7和模型8来表示。其中，面板Logit表示随机效应下的面板Logit模型，条件Logit指固定效应下的面板Logit模型，但在估计的过程中会损失部分数据量。由于在非线性面板模型中，面板Probit的固定效应估计是非一致的，所以此处的面板Probit模型属于随机效应的面板Probit模型。在模型4中，虽然农作物产量变化对农业灌溉用水反弹的影响在5%和1%的显著性水平上不显著，但能在10%水平上有显著正向影响，而在模型5—模型8中，农作物产量变化对农业灌溉用水反弹都在5%水平上有显著的正向影响，这表明农作物产量增加的越多，越有可能出现农业灌溉用水反弹，也符合研究假设一的设定；在模型6中，灌溉水分生产率对农业灌溉用水反弹都在5%水平上有显著的反向影响，而在模型4、模型5、模型7和模型8中，灌溉水分生产率对农业灌溉用水反弹都在1%水平上有显著的反向影响，这表明灌溉水分生产率越高，越不可能出现农业灌溉用水反弹，也符合研究假设二的设定。

根据二元选择模型的分析，可以发现，农作物产量增加的越多，越有可能出现农业灌溉用水反弹，而灌溉水分生产率越高，越不可能出现农业灌溉用水反弹。这与基准模型得到的结论具有一致性，也保证了基准模型结论的稳健性。

4 讨论

已有研究表明，我国农业水资源利用存在与能源利用相同的现象[15]，即“反弹效应”。本研究得出相同的规律：中国西北地区普遍存在着农业灌溉用水反弹。然而，现有文献侧重于农业灌溉用水反弹的测算，关于农业灌溉用水反弹的影响因素研究较为缺乏。Song等[15]在研究中国农业灌溉用水反弹时，构建了柯布-道格拉斯生产函数，即认为水资源与其他生产要素是可替代的。而本文通过构建灌溉用水量与其他要素具有非替代性的农业生产函数，强调灌溉用水对农业生产的不可替代性，并从理论层面推导出农业灌溉用水反弹的影响因素。首先，本文发现，农作物产量增加正向影响农业灌溉用水反弹，可能的原因是灌溉面积扩大带来的新增用水[23]引起的；其次，在其他因素不变时，灌溉水分生产率反向影响农业灌溉用水反弹，可能的原因在于节水技术的进步提高了水资源利用效率[24-26]，使节水效果提高；另外，马海良等[27]在研究我国水资源利用效率时，发现技术进步由于反弹效应而使影响变小。具体到农业用水，本文得到了相近的规律，随着农田水利建设及相关技术的进步，降低了农业水资源消耗，减少了农业水资源严重浪费现象，但是农业发展需要和粮食需求等在某种程度上增加了农业水资源需求[11]，即潜在节水被增加的水需求抵消。综上分析，节水灌溉技术的进步及普及仍然十分重要，但是为了应对农业灌溉用水反弹，新增用水需求需要得到重视，农业生产行为（如用水、扩大种植规模等）需要进行科学引导。一方面，引导农户的用水行为。新推出的《农业灌溉用水定额》在促进农户进行自我节水方面具有积极意义，同时可以将节水技术的采用内化为农户的自主行为，也能规范农业生产用水。现只针对“小麦”设定了“农业灌溉用水定额”，应借鉴“小麦”的政策实施情况，合理制定其他作物的“农业灌溉用水定额”标准，在保证农业生产的同时也能降低农业用水量[28-29]。另一方面，由于灌溉面积扩大引起的农业用水量增加要引起注意，要综合考虑区域内水资源的供需情况，合理协调水资源的供求关系，寻求农业水土资源平衡利用的状态。

在实证分析中，本文除运用基准模型验证西北地区农业灌溉用水反弹的影响因素外，还考虑了二元选择模型。这一方面保证基准模型回归结果的稳健性，另一方面，基准模型没有运用到灌溉用水反弹为零或负的样本，因此，运用二元选择模型可以对样本进行更全面的分析。此外，本文虽从理论上推出农业灌溉用水反弹的影响因素并运用西北五省数据进行验证，发现农作物产量增加会正向影响农业灌溉用水反弹，但农作物产量增加是由什么原因导致的并未分析，如面积扩大或种植结构调整等，背后的原因值得进一步探究，因此未来的研究还需要进一步思考农业灌溉用水反弹背后的机理。

5 结论

西北地区普遍存在着农业灌溉用水反弹，农作物产量的增加对农业灌溉用水反弹有着显著的正向影响，而灌溉水分生产率对农业灌溉用水反弹有显著的反向影响。农业灌溉用水反弹表现为，农业生产要素变化所引致的农作物产量增加，部分抵消了节水技术能实现的预期节水量。因此，提高节水技术以增加灌溉水分生产率的措施仍是重要的节水举措，但是需要引导农业生产行为。

[1] 中华人民共和国水利部. 中国水利统计年鉴 2019[M]. 北京: 中国水利水电出版社, 2019.

Ministry of Water Resources of the People’s Republic of China. China water statistical yearbook 2019[M]. Beijing: China Water & Power Press, 2019.

[2] 中华人民共和国水利部. 中国水资源公报1999[M]. 北京: 中国水利水电出版社, 1999.

Ministry of Water Resources of the People’s Republic of China. China water resources bulletin 1999[M]. Beijing: China Water & Power Press, 1999.

[3] 中华人民共和国水利部. 中国水资源公报2018[M]. 北京: 中国水利水电出版社, 2018.

Ministry of Water Resources of the People’s Republic of China. China water resources bulletin 2018[M]. Beijing: China Water & Power Press, 2018.

[4] BERKHOUT P H G, MUSKENS J C, VELTHUIJSEN J W. Defining the rebound effect[J]. Energy Policy, 2000, 28(6/7): 425-432.

[5] PFEIFFER L, LIN C Y C. Does efficient irrigation technology lead to reduced groundwater extraction Empirical evidence[J]. Journal of Environmental Economics and Management, 2014, 67(2): 189-208.

[6] GÓMEZ C M, PÉREZ-BLANCO C D. Simple myths and basic maths about greening irrigation[J]. Water Resources Management, 2014, 28(12): 4 035-4 044.

[7] LI H Y, ZHAO J H. Rebound effects of new irrigation technologies: The role of water rights[J]. American Journal of Agricultural Economics, 2018, 100(3): 786-808.

[8] BERBEL J, MATEOS L. Does investment in irrigation technology necessarily generate rebound effects? A simulation analysis based on an agro-economic model[J]. Agricultural Systems, 2014, 128(2): 25-34.

[9] LOCH A, ADAMSON D. Drought and the rebound effect: A Murray–Darling Basin example[J]. Natural Hazards, 2015, 79(3): 1 429-1 449.

[10] CONTOR B A, TAYLOR R G. Why improving irrigation efficiency increases total volume of consumptive use[J]. Irrigation and Drainage, 2013, 62(3): 273-280.

[11] 佟金萍, 马剑锋, 王慧敏, 等. 农业用水效率与技术进步:基于中国农业面板数据的实证研究[J]. 资源科学, 2014, 36(9): 1 765-1 772.

TONG Jinping, MA Jianfeng, WANG Huimin, et al. Agricultural water use efficiency and technical progress in China based on agricultural panel data[J]. Resources Science, 2014, 36(9): 1 765-1 772.

[12] 邓光耀, 韩君, 张忠杰. 中国各省水资源利用效率的测算及回弹效应研究[J]. 软科学, 2017, 31(1): 15-19.

DENG Guangyao, HAN Jun, ZHANG Zhongjie. Study on measure of water use efficiency and rebound effect of Chinese provinces[J]. Soft Science, 2017, 31(1): 15-19.

[13] 宋健峰, 王玉宝, 吴普特. 灌溉用水反弹效应研究综述[J]. 水科学进展, 2017, 28(3): 452-461.

SONG Jianfeng, WANG Yubao, WU Pute. A reviews on irrigation water rebound effect[J]. Advances in Water Science, 2017, 28(3): 452-461.

[14] SAUNDERS H D. A view from the macro side: Rebound, backfire, and Khazzoom-Brookes[J]. Energy Policy, 2000, 28(6/7): 439-449.

[15] SONG J F, GUO Y N, WU P T, et al. The agricultural water rebound effect in China[J]. Ecological Economics, 2018, 146: 497-506.

[16] SCHETTKAT R. Analyzing rebound effects. In: BLEISCHWITZ R, WELFENS P, ZHANG Z. (eds) International Economics of Resource Efficiency[M]. Heidelberg: Physica-Verlag HD, 2011: 253-278.

[17] XU Q, FOX G, MCKENNEY D, et al. A theoretical economic model of the demand for irrigation water[J]. Agricultural Water Management, 2019, 225: 105 763.

[18] HOLLOWAY G, PARIS Q. Production efficiency in the von Liebig model[J]. American Journal of Agricultural Economics, 2002, 84(5): 1 271-1 278.

[19] GRIMM S S, PARIS Q, WILLIAMS W A. A von Liebig model for water and nitrogen crop response[J]. Western Journal of Agricultural Economics, 1987, 12(2): 182-192.

[20] 崔远来, 熊佳. 灌溉水利用效率指标研究进展[J]. 水科学进展, 2009, 20(4): 590-598.

CUI Yuanlai, XIONG Jia. Advances in assessment indicators of irrigation water use efficiency[J]. Advances in Water Science, 2009, 20(4): 590-598.

[21] HOEKSTRA A Y, CHAPAGAIN A K, ALDAYA M M, et al. The water footprint assessment manual: Setting the global standard[M]. London: Earthscan, 2011.

[22] 吴普特, 孙世坤, 王玉宝, 等. 作物生产水足迹量化方法与评价研究[J]. 水利学报, 2017, 48(6): 651-660, 669.

WU Pute, SUN Shikun, WANG Yubao, et al. Research on the quantification methods for water footprint of crop production[J]. Journal of Hydraulic Engineering, 2017, 48(6): 651-660, 669.

[23] FISHMAN R, DEVINENI N, RAMAN S. Can improved agricultural water use efficiency save India’s groundwater[J]. Environmental Research Letters, 2015, 10(8): 84 022.

[24] RODRIGUES G C, PAREDES P, GONÇALVES J M, et al. Comparing sprinkler and drip irrigation systems for full and deficit irrigated maize using multicriteria analysis and simulation modelling: Ranking for water saving vs. farm economic returns[J]. Agricultural Water Management, 2013, 126: 85-96.

[25] DAGNINO M, WARD F A. Economics of agricultural water conservation: Empirical analysis and policy implications[J]. International Journal of Water Resources Development, 2012, 28(4): 577-600.

[26] 许怡, 吴永祥, 王高旭, 等. 小区和田块尺度下水稻不同灌溉模式的节水减污效应分析[J]. 灌溉排水学报, 2019, 38(5): 60-66.

XU Yi, WU Yongxiang, WANG Gaoxu, et al. Impact of irrigation methods on saving water and alleviating pollutant at different scales in paddy field[J]. Journal of Irrigation and Drainage, 2019, 38(5): 60-66.

[27] 马海良, 黄德春, 张继国, 等. 中国近年来水资源利用效率的省际差异:技术进步还是技术效率[J]. 资源科学, 2012, 34(5): 794-801.

MA Hailiang, HUANG Dechun, ZHANG Jiguo, et al. The provincial differences of China’s water use efficiency in recent years: Technological progress or technical efficiency[J]. Resources Science, 2012, 34(5): 794-801.

[28] 张效星, 樊毅, 崔宁博, 等. 不同灌水量对滴灌猕猴桃光合、产量与水分利用效率的影响[J]. 灌溉排水学报, 2019, 38(1): 1-7.

ZHANG Xiaoxing, FAN Yi, CUI Ningbo, et al. The effects of drip-irrigation amount on photosynthesis, yield and water use efficiency of kiwifruit[J]. Journal of Irrigation and Drainage, 2019, 38(1): 1-7.

[29] 闫泽宇, 史海滨, 杨树青, 等. 呼伦贝尔地区喷灌对大豆生长及水分利用效率的影响[J]. 灌溉排水学报, 2019, 38(5): 19-24.

YAN Zeyu, SHI Haibin, YANG Shuqing, et al. The use of sprinkler irrigation water by soybean and its consequence for plant growth in the regions of Hulunbeier[J]. Journal of Irrigation and Drainage, 2019, 38(5): 19-24.

What Caused the Irrigation Water Use Rebound in Northwest China?

ZHANG Huiru, XU Hang, SONG Jianfeng*

（College of Economics and Management, Northwest A&F University, Yangling 712100, China）

【】Agriculture is the largest water-use sector in China and reducing agricultural water use is hence critical to ameliorating the impact induced by water shortage and sustaining its economic development. One problem facing implementation of water-saving irrigation and other agronomic practices is that these technologies might fail to meet the designed targets, resulting in what is called “irrigation water use rebound”.【】This paper aims to examine the factors behind the irrigation water use rebound with a view to providing guidance to help optimize water resource allocation and sustain water utilization in implementing water-saving policies.【】The analysis was based on an agricultural production function by integrating irrigation water use with other factors including agricultural production technologies and labor input. We then build a benchmark platform comprising pooled regression model, determinant effect model, random effect model, and binary choice model to analyze the factors which were most likely to have led to the irrigation water use rebound at metropolitan scale in the five provinces in northwestern China.【】Crop yield and irrigation water productivity affected irrigation water use rebound the most. The increase in crop yield had a positive effect on irrigation water use rebound, while increasing irrigation water productivity dampens this rebound. About 65% of cities in northwestern China have seen irrigation water use rebound, meaning that the increase in irrigation water use is common in this region. The results calculated from the benchmark platform indicated that irrigation water use rebound increased by 0.094 3%～0.611 3% for every 1% increase in crop yield; when other conditions were the same, irrigation water use rebound was reduced by 0.927 3%～0.990 1% for every 1% increase in irrigation water productivity. The results calculated by the binary choice model were consistent with that from the benchmark platform, indicating that the above results were robust.【】Irrigation water use rebound in northwestern China was induced by the increase in crop yield after implementation of other improved agricultural practices. Water-saving policies in the future should focus on disseminating water-saving technologies, improving irrigation water productivity, and helping farmers to appreciate the importance and benefits of reducing agricultural water use.

agricultural irrigation; irrigation water use rebound; water-saving policies; five provinces in northwest of China

F303.4

A

10.13522/j.cnki.ggps.2020416

1672 - 3317（2021）08 - 0129 - 07

张惠茹, 许航, 宋健峰. 西北地区农业灌溉用水反弹的影响因素分析[J]. 灌溉排水学报, 2021, 40(8): 129-135.

ZHANG Huiru, XU Hang, SONG Jianfeng. What Caused the Irrigation Water Use Rebound in Northwest China?[J]. Journal of Irrigation and Drainage, 2021, 40(8): 129-135.

2020-07-24

教育部人文社会科学研究项目（17YJC790126）

张惠茹（1997-），女，山西晋城人。硕士研究生，研究方向为农业经济管理。E-mail: zhr_@nwafu.edu.cn

宋健峰（1981-），女，山西芮城人。副教授，博士生导师，研究方向为资源经济与环境管理。E-mail: s_jf@nwafu.edu.cn

责任编辑：陆红飞