雄安新区上游农业水足迹及其经济效益研究

2022-04-12马乐新杨永辉韩淑敏杨艳敏

水资源与水工程学报 2022年1期

马乐新，杨永辉，韩淑敏，杨艳敏

(1.中国科学院遗传与发育生物学研究所农业资源研究中心，河北石家庄 050022； 2.中国科学院农业水资源重点实验室，河北石家庄 050022; 3.河北省节水农业重点实验室，河北石家庄 050022； 4.中国科学院大学，北京 100049)

1 研究背景

我国华北地区的水资源可持续利用面临严重危机，其中农业是最主要的耗水部门[1]。为了降低农业用水量，相关部门施行的主要措施是提高作物水分利用效率，但是值得注意的是，主要作物的灌溉水利用效率虽然得到了提升[2]，但是区域水资源状况并没有得到缓解，节约下来的水资源往往被应用到额外的农业生产中[3]。该区域的地下水水位仍然呈现逐年下降的趋势[4]。因此，灌溉水效率提升的潜在收益可能很小[5]，研究人员开始将调整种植结构视为地下水恢复的另一种解决方案[6]。冬小麦是我国北方灌溉耗水量最大的作物[7]，Xiao等[8]的研究指出，与冬小麦/夏玉米两熟制相比，小麦-玉米后休耕-早玉米三熟制可大幅减少地下水用量。但是，休耕措施会导致作物产量降低，农民的收入会随之减少。因此，有必要找到另一种改善水资源管理的方法，以缓解水资源短缺。《欧盟水框架指令手册》[9]指出，农业水管理应该从经济视角出发，寻找一些可替代目前管理手段的经济方案，而制定经济方案的前提是评估不同作物耗水产生的经济效益。评估作物耗水产生的经济效益首先是要评估作物的耗水量，利用水足迹(water footprint,WF)的方法能够较好地分析和量化作物耗水的种类与来源，该方法自被提出以来就得到了广泛的应用[10]，成为了水资源领域的研究热点之一[11]。蓝水和绿水足迹通常指作物生育期内的灌溉用水量和有效降水量，生产水足迹为蓝水足迹与绿水足迹之和[12]。同时，水文年型在水文学中是一个十分重要的概念，是与流域水文情况相适应的一种专用年度[13]，作物的生长发育及耗水量受到水文年型的影响比较大，不同的水文年型下作物的灌溉制度也有所不同[14-15]，因此，农业用水经济管理方案的制定有必要考虑其在不同水文年型的适用性。综上所述，量化不同水文年型下的作物水足迹经济效益有利于相关部门依据区域水资源自身条件制定农业用水经济管理方案。

在评估农业用水产生的经济效益的方面：Speelman等[16]使用残差赋值法对南非西北部的小规模灌溉方案进行了估算，结果表明平均灌溉水价值为0.188美元/m3；Muchara等[17]也应用残差赋值法对南非的农业用水经济效益进行了估算，结果表明玉米的用水经济效益为0.12美元/m3，番茄的用水经济效益为1.07美元/m3；Ziolkowska[18]估计了美国三大平原地区5种主要作物灌溉用水的影子价格，并指出该研究有助于利益相关者和政策制定者评估不同种植情景和权衡作物生产与水资源保护；刘维哲等[19]根据陕西省关中地区农户调研数据，计算得到小麦、玉米和苹果灌溉水经济价值的均值分别为0.66、0.84和3.17元/m3。以上研究均对制定相关区域的农业用水经济管理方案具有重要的借鉴意义。

2017年4月，中央决定设立雄安新区，新区建立带来经济的快速发展势必会增加水资源的需求，削减其上游农业用水是实现区域水资源可持续利用的重要途径。因此，本文选定雄安新区的2个县(容城县和安新县)及其上游24个县(市、区)为研究区域(图1)，以2001-2016年为研究期，基于水足迹理论估算了主要作物的耗水量，并且估算过程中考虑了田间灌溉和输、配的损失量[20]，最后结合面板统计数据估算了该流域主要作物的水足迹经济效益，同时选取了望都县为调查区域，对模拟数值的准确性进行了验证。研究结果可为雄安新区上游的农业用水经济管理方案的制定提供有力的数据支撑。

图1 研究区域概况

2 研究方法与数据来源

2.1 研究方法

2.1.1 水足迹方法本文的水足迹主要包括蓝水足迹和生产水足迹两种，生产水足迹是蓝水足迹与绿水足迹之和。其中作物蒸散量(evapotranspiration,ETc)的计算公式为：

ETc=Kc·ET0

(1)

式中：Kc为作物系数；ET0为参考蒸发速率，mm/d，其具体计算过程见公式(2)[21]。

(2)

式中：Rn为作物冠层表面净辐射，MJ/(m2·d)；G为土壤热通量，MJ/(m2·d);T为地面以上2 m高处的日平均气温，℃；U2为地面以上2 m高处的风速，m/s；es-ea为饱和水汽压差，kPa；Δ为饱和水汽压曲线的斜率，kPa/℃；γ为湿度计常数，kPa/℃。

蓝水足迹(WFblue)的计算考虑到田间灌水过程中的损失量(Wf)和输、配水中的损失量(Wc)，具体计算过程为：

WFblue=10(ETc-Pe)+Wf+Wc

(3)

(4)

(5)

式中：η为灌溉水利用系数；ηf为田间水利用系数；Pe为作物生育期内的有效降雨量，mm。

调查数据的蓝水足迹通过农户生产过程中抽取的地下水量表示，具体计算公式为：

WFblue=W·t

(6)

式中：W为水井单位时间出水量，m3/h；t为灌溉时间，h/hm2。

绿水足迹使用作物生育期内的有效降雨量[22]表示，具体过程为：

WFgreen=10Pe

(7)

(8)

式中：P和Pe分别为作物生育期内的降雨量和有效降雨量，mm； 10为转换系数。

生产水足迹(WFp)为蓝水足迹和绿水足迹之和，具体计算方法为：

WFp=WFblue+WFgreen

(9)

2.1.2 水足迹经济效益作物的水足迹经济效益(economic efficiency of water footprint,EEWF)为单方耗水产生的经济效益，本文分别计算了蓝水足迹经济效益(EEWFblue)和生产水足迹经济效益(EEWFp)。

EEWFp=AOV/WFp

(10)

EEWFblue=AOV/WFblue

(11)

式中：AOV(agricultural output value)为单位面积农业产值，元/hm2，计算农业产值的价格采取的是作物当年的平均价格。不同作物的水足迹经济效益空间特征通过空间自相关方法[23]实现。

2.1.3 水文年型选取不同降水所代表的水文年型对作物产量影响很大。因此，本文根据1990-2019年研究区降水数据确定水文年型。用经典经验频率公式计算经验频率，得到经验频率曲线，将经验频率曲线拟合到P-Ⅲ曲线中(图2)，可以得到丰水年(P=25%)、正常年(P=50%)和枯水年(P=75%)的降水量。由图2中P-Ⅲ曲线可以查出，丰水年(2006)、正常年(2007)和枯水年(2012)的总降水量分别为598.6、501.6和398.1 mm。2019年属于正常年份。

图2 1990-2019年研究区水文频率分布曲线

2.2 数据来源

2001-2016年气象数据来自中国气象数据网(http://data.cma.cn/)；统计数据来自国家统计局(http://www.stats.gov.cn/)，作物水足迹及其经济效益均以单位面积(hm2)来体现；调查数据来自望都县，首先随机选取样本村，并在同一村内根据耕地数量的多少分层选取样本户，最后通过电话回访对遗漏的数据进行补充。

3 结果与分析

3.1 主要农作物水足迹

图3为2001-2016年研究区主要农作物蓝水足迹的时间变化特征(图中的年平均值为研究区26个县的年算数平均值；线性趋势为年平均值的线性拟合变化趋势，下同)。图3表明，2001-2016年研究区小麦、玉米、大豆、花生和棉花的蓝水足迹平均值分别在2 788～4 611、384～2 796、443～2 762、1 012～3 754和1 151～4 334 m3/hm2之间。小麦、花生和棉花的蓝水足迹分别以每年41.29和5.99 m3/hm2的速率呈增大趋势；玉米、大豆和棉花的蓝水足迹分别以每年22.04、30.17和3.66 m3/hm2的速率呈减小趋势，但是所有作物的变化趋势并不明显。小麦和玉米为播种面积最大的两种作物，小麦最低的蓝水足迹与玉米最高的蓝水足迹相当。2008年大部分作物的蓝水足迹比较低，2014年大部分作物的蓝水足迹比较高。

图3 2001-2016年研究区主要农作物蓝水足迹的时间变化特征

图4为2001-2016年研究区主要农作物生产水足迹的时间变化特征。图4表明，小麦、玉米、大豆、花生和棉花的生产水足迹平均值分别在4 768～5 635、4 127～4 882、4 122～4 810、4 550～5 565和5 168～6 453 m3/hm2之间。所有作物的生产水足迹均呈现增大趋势，小麦、玉米、大豆、花生和棉花分别以每年9.43、11.07、4.48、8.57和8.69 m3/hm2的趋势呈现上升趋势。生产水足迹的变化趋势相对于蓝水足迹和绿水足迹来说更加稳定，变化幅度更小，2001和2016年多数作物的生产水足迹较高。

图4 2001-2016年研究区主要农作物生产水足迹的时间变化特征

3.2 主要农作物产值

图5为2001-2016年研究区主要农作物产值的时间变化特征。由图5可以看出，小麦、玉米、大豆、花生和棉花的平均产值分别在5 417～14 876、4 309～13 852、4 214～13 830、6 174～25 691和6 018～21 505元/hm2之间，并分别以每年679、561、576、1 078和868元/hm2的速率呈上升趋势。农业产值的增加趋势基本与价格的变化趋势一致，且增加速率均极为显著(p<0.01)。

图5 2001-2016年研究区主要农作物产值的时间变化特征

3.3 主要农作物水足迹经济效益

图6为2001-2016年研究区主要农作物蓝水足迹经济效益的时间变化特征。由图6可以看出，小麦、玉米、大豆、花生和棉花的蓝水足迹平均经济效益分别在1.39～2.30、1.15～2.90、2.14～19.29、2.24～15.49和2.67～11.76元/m3之间，并分别以每年0.02、0.01、0.28、0.19和0.10元/m3的速率呈增大趋势，小麦和玉米的蓝水足迹平均经济效益波动幅度相对于大豆、花生和棉花较小。

图6 2001-2016年研究区主要农作物蓝水足迹经济效益的时间变化特征

图7为2001-2016年研究区主要农作物生产水足迹经济效益的时间变化特征。由图7可以看出，5种农作物的生产水足迹经济效益总体均呈上升趋势，小麦、玉米、大豆、花生和棉花的生产水足迹平均经济效益分别在0.57～0.93、0.44～0.91、0.38～0.97、0.75～1.73和1.09～2.02元/m3之间，并分别以每年0.02、0.01、0.01、0.03和0.02元/m3的速率呈增加趋势，其中小麦的生产水足迹平均经济效益的增加极为显著(p<0.01)，玉米和花生的增加也较为显著(p<0.05)。

图7 2001-2016年研究区主要农作物生产水足迹经济效益的时间变化特征

研究区各主要农作物蓝水足迹和生产水足迹经济效益的全局莫兰指数(Moran’sI)值如表1所示。由表1可见，在蓝水足迹经济效益方面，小麦、玉米和花生呈现空间正相关关系，大豆和棉花呈现空间负相关关系。除小麦(p<0.01)和花生(p<0.05)外，其他作物的空间聚集性并不显著。生产水足迹经济效益的全局莫兰指数均为正值，意味着5种作物的生产水足迹经济效益均为空间正相关关系。除棉花以外，其他作物的空间聚集性都比较显著(p<0.01)。

表1 研究区各主要农作物蓝水足迹和生产

图8为研究区各主要农作物蓝水足迹经济效益的LISA(local indicators of spatial association)图。由图8可以看出，小麦、玉米、大豆和花生这4种作物在西部山区，尤其是阜平、灵丘和涞源3县呈现低-低聚集现象；小麦和玉米在西南部平原地区环绕定州区域存在高-高聚集现象，而大豆，花生和棉花在该区域多呈现低-高聚集现象。

图8 研究区各主要农作物蓝水足迹经济效益的LISA图

图9为研究区各主要农作物生产水足迹经济效益的LISA图。由图9可看出，生产水足迹经济效益的空间分布特征与蓝水足迹基本相同，但值得注意的是，小麦、玉米、大豆和花生4种作物在靠近雄安新区的安新县、高阳县和蠡县呈现低-高和低-低的聚集现象。

图9 研究区各主要农作物生产水足迹经济效益的LISA图表2 研究区主要农作物不同水文年的蓝水足迹和生产水足迹及其经济效益

3.4 不同水文年型下的用水经济效益

选取2006、2007和2012年分别作为枯水年、平水年和丰水年3个水文年型的代表年，表2为研究区主要农作物不同水文年的蓝水足迹和生产水足迹及其经济效益。

分析表2可知，2012年(丰水年)相对于2006年(枯水年)的小麦、玉米、大豆、花生和棉花产量分别增长了10.27%、14.43%、5.39%、8.47%和12.36%，由于选取的3个年份相近，因此可以忽略由于肥力提升、种子品种改良等其他因素对产量的影响，由此可见，降雨量对作物产量的影响较大；不同水文年型下作物的生产水足迹并没有显著的差别，但是蓝水足迹的差别极为显著，尤其是玉米和大豆，二者的生育期均处于雨季内；5种作物的生产水足迹经济效益相差不大，但是蓝水足迹经济效益相差较大。

农作物水文年产量/(kg·hm-2)价格/(元·kg-1)蓝水足迹/(m3·hm-2)生产水足迹/(m3·hm-2)蓝水足迹经济效益/(元·m-3)生产水足迹经济效益/(元·m-3)枯水年5813±7671.59±0.054157±5205067±4641.90±0.330.78±0.12小麦平水年5636±6731.68±0.033659±4215427±3902.04±0.320.74±0.09丰水年6410±5962.13±0.013888±4785446±3682.17±0.290.83±0.08枯水年6238±11191.30±0.072133±6104210±9172.30±0.610.68±0.14玉米平水年6234±10091.45±0.031350±4714264±2501.81±0.450.70±0.11丰水年7138±12932.05±0.011274±3804655±2551.99±0.500.89±0.16枯水年2612±8772.71±0.162192±4154367±2832.81±1.020.59±0.20大豆平水年2747±10203.02±0.011290±4734334±2385.89±3.010.68±0.22丰水年2753±10233.98±0.141157±3724564±2596.08±3.220.65±0.27枯水年3587±6633.71±0.122460±4424913±3474.70±1.351.12±0.22花生平水年3717±5224.40±0.211938±7064744±3577.54±3.781.27±0.18丰水年3891±6817.28±0.011899±4324902±2179.44±2.391.73±0.30枯水年949±14812.6±0.103423±5985942±4763.97±1.651.30±0.20棉花平水年1040±17019.1±0.302830±7135817±3855.76±3.081.52±0.25丰水年1066±18317.6±1.902369±4505756±2436.62±2.561.51±0.23

3.5 模拟、调查及统计数据的比较

选取望都县的小麦、玉米、大豆和花生4种农作物，分别对其蓝水足迹、生产水足迹和农业水足迹经济效益的模拟值与实际调查数据进行比较，并将产量、价格以及产值的实际调查数据与统计数据进行比较，从而分析模型模拟与调查数据获取的农业水足迹经济效益的差异。

3.5.1 水足迹的模拟值与调查值比较图10为望都县4种农作物水足迹模型模拟值与实地调查值比较(调查值为不同农户调查数据的算术平均值，下同)。由图10可看出，4种农作物蓝水足迹的模拟值均高于调查值(10(a))，模拟值高估幅度最大的是花生，为58.42%，高估幅度最小的是小麦，为15.34%；4种农作物生产水足迹模拟值也均大于调查值(10(b))，但相较于蓝水足迹，两者的相对差值较小，高估幅度最大的仍是花生，为29.67%，高估幅度最小的是大豆，为7.02%，小麦的高估幅度也较小，为12.46%。由此可见，小麦的蓝水足迹和生产水足迹的模拟数值均较为准确，而花生的水足迹模拟数值与实地调查值相差较大。

图10 望都县4种农作物水足迹模型模拟值与调查值比较

3.5.2 农业产出的调查值与统计值比较农业产出包括农作物的产量、价格和产值3个方面，图11为望都县4种农作物的农业产出统计值与调查值比较。由图11可看出，小麦和玉米的调查产量高于统计产量，花生和大豆的调查产量低于统计产量，但差值并不大(图11(a))；4种农作物的调查价格均高于统计价格，相差最大的是大豆，为17.01%，其他3种作物的两种价格相对差值较小，相差最小的是玉米，为2.53%(图11(b))；4种作物的调查产值均高于统计产值，其中玉米和小麦的两种产值相差较大，分别为20.46%和19.12%(图11(c))。

图11 望都县4种农作物的农业产出统计值与调查值比较

3.5.3 水足迹经济效益的模拟值与调查值比较图12为望都县4种农作物水足迹经济效益模型模拟值与实地调查值比较。由图12可看出，由于农业水足迹与产出的不同，4种农作物蓝水足迹经济效益的调查值均高于模拟值，相差最大的是花生，为141.37%，这是因为蓝水足迹的调查值要明显低于模拟值，相差最小的是小麦，为41.65%(图12(a))；4种农作物生产水足迹经济效益模拟值与调查值的差别与蓝水足迹经济效益情况相同，调查值均高于模拟值，相差最大的是花生，为42.69%，相差最小的是大豆，为8.88%(图12(b))。实地调查表明，农户在生产中通常出于经验和习惯进行灌溉，造成农作物蓝水足迹与模拟值普遍相差较大。

图12 望都县4种农作物水足迹经济效益模型模拟值与实地调查值比较

4 讨论

4.1 估算不同水文年型农业水足迹经济效益的意义

在之前的研究中，本文作者已经通过作物蒸散量代表农业耗水量，对研究区域主要作物的用水经济效益进行了初步的评价[24]。本文在此基础上，通过水足迹的方法，将作物的耗水量具体分为蓝水足迹和生产水足迹，并针对不同水文年型下的作物耗水经济效益进行了进一步研究，最后通过调查数据对评估数据进行了核实验证。雄安新区上游属于半干旱地区，降水是最重要的水源之一，因此，探讨不同水文年型下的作物耗水经济效益，其结果对于通过经济手段调控农业用水更具参考价值。在枯水、平水和丰水年中，作物的蓝水足迹差异巨大，这意味着不同水文年型下作物的灌溉用水量差异较大，因此，在制定农业经济方案时，有必要根据不同的水文年型制定出相应的方案。

4.2 模拟数据的精确性

本文在模拟农作物蓝水足迹时，综合考虑了田间灌水和输、配水过程中的损失量，此种方法估算的蓝水足迹为灌溉用水量，通过与实际调查数据的比较表明， 4种主要农作物的蓝水足迹模拟值均高于调查值，这种结果也符合预期，因为作物需水量，即作物蒸散量(ETc)的模拟都是在理想情况下进行的，而实际生产过程中灌溉用水量受农户灌溉行为与习惯的影响非常大。虽然模拟的灌溉用水量与农户在实际生产中的灌溉用水量存在差距，但是这并不意味着模型模拟的数值没有意义，因为不同研究尺度对数据的精确性要求不同，随着研究尺度的增大，数据的精确性也会降低，与真实值之间有一定的差距。因此，在今后的研究中还需根据研究尺度的不同选择相应的模拟方法。