农业用水效率时空差异与影响因素分析

尚杰， 于浩然， 杨旭

（东北林业大学经济管理学院，哈尔滨 150040）

随着城镇化进程加快、水资源需求持续增长，我国农业用水正面临着严峻的局势[1]。一方面，农业用水效率低，使农业用水的需求不断增加；另一方面，水资源匮乏，粮食单产水平不高，农户为追求高产，增加农药、化肥、地膜等投入，加剧了水资源匮乏与资源环境保护的矛盾。对此，2011年国务院颁布并实行了《关于实行最严格水资源管理制度的意见》，明确提出水资源的“三条红线”，推动经济社会发展与水资源水环境承载能力相适应[2]；党的十九大报告也明确提出“推进资源全面节约和循环利用，实施国家节水行动”[3]；在“十四五”规划中进一步强调“加大农业水利设施建设力度，建立水资源刚性约束制度”[4]。提高农业用水效率有利于我国粮食安全及农业的可持续发展，因此，农业用水效率的测算对于寻求提高农业用水效率的途径具有重要意义。

农业用水问题已受到国内学者的长期关注，农业用水效率研究主要包括3个方面。①农业用水效率测度研究。前人多基于数据包络分析进行测度，以反映农业用水效率。尚杰等[5]基于超效率SBM(slacks-based measure)模型与Malmquist指数分解法对2009—2018年我国粮食主产区的面板数据进行分析，准确真实地反映了技术进步对农业用水效率的影响。赵丽平等[6]基于数据包络分析模型从投入与产出的冗余值对农业用水效率进行测算，冗余值可以直观反映某单一指标对农业用水效率损失的相关性。②农业用水效率影响因素研究。前人在农业用水效率的影响因素方面进行了大量探索，包括从业人员文化素质[7]、经济发展水平、城镇化发展水平、产业结构优化水平、用水价格改革[8]等。③农业用水效率对策研究。赵丽平等[9]构建新型农业用水投机机制，对中、低农田进行改造来提高农业用水效率。张勇凯等[10]提出结合农业供水体制改革和农业水利设施的改造和完善，建立完善的水价机制，提高农户节水意识。

尽管在农业用水效率测算、影响因素分析及提高农业用水效率的政策等方面已进行了大量研究，但采用传统数据包络分析法和随机前沿分析法对农业用水效率进行测度[6，11]，没有考虑到投入与产出的松弛变量，因此，不能准确地反映各个要素的实际情况，而且研究层面多集中在国家、单个省市或者较大的区域[7-8，12]，而我国粮食主产区（粮食产量占全国粮食主产量的78.8%）却鲜有学者进行研究；尤其是全方位深入探讨农业用水效率的时空分异及其对农业用水效率影响的研究尚未见报道。

农业用水效率的计算方法较多，如农业产出量相同时，计算实际农业用水量与期望用水量间的比值[13-14]；在用水量相同时，计算农业的最大产出或最大收益[15]。本研究从资源效率的角度将农业用水效率定义为农业水资源的利用效率，即消耗相同的水资源量时收益越高则农业用水效率越高；反之，则农业用水效率越低。在已有研究的基础上，本研究首先对研究方法、相关模型、变量设定及数据来源进行介绍；然后结合2009—2018年中国13个粮食主产区实际面板数据，采用超效率SBM模型进行农业用水效率测算分析，再使用Malmquist指数和泰尔指数分析农业用水效率的时空分异特征，并进一步对影响农业用水效率的因素进行回归分析，以期为推进节水农业进步、提高农业用水效率、促进农业可持续发展及保障粮食安全提供理论参考。

1 数据来源与研究方法

1.1 指标选取

在选取投入产出指标时，应全方位考虑各项内在因素和外在因素，这样才能客观、有效地反映农业用水效率的实际情况。本研究选取农药使用量、化肥施用量、农业机械总动力、农业用水量、农业就业人数及粮食播种面积作为农业投入指标。以狭义的农业——种植业为研究对象。为更直观地反映农民农业生产劳作成果，将农业总产值作为产出变量；同时为剔除价格因素的影响，将相关数据折算为以2009年为基期的可比数据。水资源投入通过农业产值占农林牧副渔总产值的比例折算为狭义农业用水量。农业用水效率投入与产出指标体系详见表1。

表1 农业用水效率投入与产出指标体系Table 1 Input and output index system of agricultural water use efficiency

1.2 基于农业用水量现状的区域划分

根据地区资源禀赋将我国粮食主产区划分为东北粮食主产区、黄淮海粮食主产区及长江流域粮食主产区[21]。各区域由于所处地理位置、气候和资源条件差异较大，因此，农业生产布局存在着明显的地域性差异。其中，东北地区以大豆、玉米、水稻为主要的粮食作物；黄淮海地区的主要粮食作物为玉米和小麦；长江流域地区降水量充足，则以水稻和小麦为主。由于各个地区在农业生产过程中所具备的水资源禀赋和用水状况同样存在着显著的区域差异，为了真实反映不同地区农业用水状况及农业用水效率，根据近10年来各地区的平均农业用水量指标[22]，通过聚类分析法将13个粮食主产区划分成高、中、低用水区域（表2），进一步有针对性地考察技术进步对我国各类粮食主产区农业用水的影响。

表2 13个粮食主产区农业用水区域划分Table 2 Regional division of agricultural water in 13 main grain producing areas

1.3 研究方法

本研究选用超效率SBM模型[23]、Malmquist指数模型及泰尔指数测算农业用水效率，研究空间分异特征等。

1.3.1 超效率SBM模型 相较于传统DEA（data envelopment analysis）模型，非径向、非角度的超效率SBM模型能够同时考虑投入和产出的松弛变量，更加客观地反映各要素的真实情况，因此，本文采取超效率SBM模型对农业用水效率进行测算。该模型结合了超效率DEA模型和SBM模型的优势，在评价某一生产单元时将本身排除在参考集外，且排除多个效率为1的情况，使其效率值大于1，从而有效解决相对有效单元的排序问题。假设有k个决策单元，每个决策单元（decision-making unit，DMU）有m个产出和n个投入，投入变量及产出变量分别用x、y表示，那么基于规模报酬可变的超效率SBM模型表达式如下。

式中，p*代表被决策单元的效率值，当p≥1时，被决策单元相对有效，p≤1时，被决策单元相对无效；xis和yrs为第s个DMU的投入量和产出量；λ是决策单元的权重；排除（x0，y0）外新生产子集中的投入量和产出量分别由和表示。

1.3.2 Malmquist指数 在评价决策单元数据是多时间段观测值的面板数据时，Malmquist指数被广泛用来测算全要素生产率的指数分解研究。

Malmquist指数可以分解为技术效率指数和技术进步指数，分别代表了技术效率提升和技术进步对农业用水效率的影响。

1.3.3 泰尔指数 泰尔指数的计算公式如下。

式中，n为省区的数量；Zi为效率从低到高后排序后第i个省区的农业用水的效率值，u为13个省区农业用水效率的平均值；m为组数，uk为第k个省区农业用水效率的平均值，nk为第k组省区的数量，Tk为第k组主产区的泰尔指数，Tw与Tb分别为组内差距与组间差距。泰尔指数的取值区间为0～1，数值越大表示农业农业用水效率效率差异越大[24]。

2 结果与分析

2.1 农业用水效率分析

对13个粮食主产区的农业用水效率进行测算，结果（表3）表明，2009—2018年13个粮食主产区农业用水效率处于波动状态。2018年较2009年农业用水效率略有提升，农业用水效率平均值为1.036，属于中等效率水平，由此表明，农业用水效率有提升的潜力，仍存在一定的改进空间。2009—2020年，江苏、山东、四川、内蒙古、辽宁、吉林和河南每年的农业用水效率均超过1；黑龙江和江西除2009—2011年用水效率小于1外，其他年份的用水效率均处于有效状态；湖北除2016年外用水效率均为有效状态；河北和湖南仅少数年份用水效率大于1；安徽2009—2018年的农业用水效率均小于1，属于无效用水省。

表3 13个粮食主产区的农业用水效率Table 3 Water use efficiency of 13 major grain producers （m3·10-4yuan-1）

分析13个粮食主产区的农业用水效率平均值，江苏、山东、四川、内蒙古、辽宁、吉林、河南居于前列，属于有效省区。山东、江苏处于我国沿海地区，经济发展水平高，较早地引进了先进的农业生产技术，并充分利用这些先进的技术来实现农业用水产出的最大化，因此，农业用水效率较高。四川气候宜人、水资源十分丰富，作为中西部实力最强的工业基地，农业技术水平发展迅速，加之其精耕细作的传统，农业用水效率较高。内蒙古自治区通过人才培养计划专项和“三支一扶”政策招收大量科技人才，促使该地区的农业技术水平不断提升，有效提高了农业用水效率。辽宁作为首批对外开放政策实行的地区之一，经济基础雄厚，地理位置优越，既沿海又沿边，因此，是东北地区农业用水效率最高的省份。吉林河流众多，截止到2018年末，机械总动力同比上升了4.5%，拥有节水灌溉机器4.73万套，并在不断追加投资来提升当地农业生产技术，提升农业节水水平。河南位于黄河中下游，是南水北调工程的核心水源地以及疏水总干渠工程渠首，当地农业灌溉技术和农业节水技术位于全国前列。

农业用水效率低下的省区不仅反映出投入与产出要素不匹配的问题，还折射出农业节水技术发展与各地水资源及水利工程基础设施融合的不协调问题。河北自然降雨量不足，且采取串灌、漫灌等粗放灌水方式，因此，用水效率低下。湖南、江西处于长江中下游，灌溉用水量和自然降雨量超过农作物生产的所需水量，加之其历史用水习惯及节水意识淡薄，农业用水过度投入，造成用水效率较低。

2.2 农业用水效率Malmquist指数分解

为进一步分析影响各省区农业用水效率的因素，运用DEAP 2.1软件中的Malmquist指数模型对13个省区的农业用水效率进一步分解，结果（表4）表明，我国粮食主产区的技术效率年均下降0.9%；技术进步使用水效率年均上升0.8%。由此表明，技术进步是农业用水效率提高的主要因素，但农业灌溉技术、节水技术的综合水平仍有进一步提升的空间。河南、江西、山东、四川、黑龙江及江苏的技术进步及技术效率共同作用促进了农业用水效率的提升；其余省区的技术效率反向的影响了农业用水全要素生产效率的增长，其中，吉林的农业用水技术下降6.4%，下降的幅度最大。可见，规模效率的变动是影响技术效率变化的主要因素，但其对全要素生产率指标无明显影响，因此，整体的技术效率趋于稳定。

表4 2008—2019年13个粮食主产区农业用水效率Malmquist指数及分解Table 4 Malmquist index and decomposition of agricultural water use efficiency in 13 main grain producing areas from 2008 to 2019

2.3 区域空间格局与地区差异

为进一步诠释高、中、低农业用水区域农业用水效率差距的形成原因，采用泰尔指数按照高、中、低3个区域，对地区间差距及地区内差距进行分析，结果（表5）表明，从地区间的总体差距来看，2009—2018年的泰尔指数呈波动性下降，从0.029 1下降到0.028 2，累计下降3%，表明我国粮食主产区农业用水效率的地区差距在逐渐缩小。地区内部差距明显高于地区间差距，2009—2018年，地区间差距的贡献率从15%下降至3%，地区内差距的贡献率从85%上升至97%。由此表明，地区内差距是造成13个粮食主产区农业用水效率差距的主要原因。从高、中、低农业用水地区内部差距的贡献率来看，中农业用水地区贡献率最大，均值为58%；其中，江西农业用水效率较低，与中农业用水地区其他三省区的差距较大。中农业用水地区的内部差异是导致我国粮食主产区内部差距的主要原因。2008—2019年，低农业用水地区和高农业用水地区的贡献率均有上升趋势。

表5 13个粮食主产区农业用水效率的时空差异Table 5 Analysis of temporal and spatial differences of agricultural water use efficiency in 13 major grain producing areas

2.4 农业用水效率影响因素分析

选取经济发展水平、年降水量、灌溉水价、节水农业水平及水资源禀赋5个变量（表6）分析其对农业用水高、中、低区域农业用水效率的影响。首先采用LM检验来比较混合回归模型和随机效应模型，检验中P值为0.000 0，即拒绝“不存在个体随机效应”的原假设，故应选择“随机效应”。然后，采用豪斯曼检验对固定效应和随机效应进行比较，豪斯曼检验P值为1，即不能拒绝原假设，因此，采用随机效应模型分析农业用水效率的影响因素，结果如表7所示。经济发展水平对低农业用水地区的农业用水效率有正向影响，区域经济的迅速发展为农业用水效率的提高提供了经济及技术支持；高、低农业用水地区的经济发展水平与农业用水效率呈正相关，中农业用水地区农业用水效率与经济发展水平呈负相关。年降水量13个省区均有着显著的负向作用，即降水未发挥出减少灌溉用水量的节水效果，反而使农作物获取超过本身生长的需水量，造成水分生产率降低，导致整体的农业用水效率下降[27]。灌溉费用对农业用水效率呈负向作用，即通过提高农业用水价格成本来减少农户灌溉用水量的投入，会导致农作物缺少水分而减产，因此，为维持收益农户会继续增加农业用水的投入[28]。节水技术水平对中、低农业用水地区的农业用水效率起正向作用，但对中农业用水地区的农业用水效率提升不显著，究其原因，可能是因为中农业用水地区的灌溉技术及渠系系统比较落后，使其正向效应未能充分发挥；节水技术水平对高农业用水地区呈负向作用，可能是由于节水灌溉面积的提高，而农户们为了保持不变的农业产出，会增加农药、化肥、地膜等投入，影响与破坏了水资源及水环境，从而降低了农业用水效率。水资源禀赋对农业用水效率的回归系数皆为负值，说明我国粮食主产区节水意识比较淡薄，在农业产出不变的情况下水资源过度投入造成水资源严重浪费。

表6 相关影响因素变量的选取及解释Table 6 Selection and interpretation of relevant influencing factors and variables

表7 农业用水效率影响因素的估计Table 7 Estimation of influencing factors of agricultural water use efficiency

3 讨论

我国作为农业大国，农业是立国之本，农业生产过程中水资源投入直接影响到我国的粮食安全，所以研究农业水资源的高效合理利用对实现我国粮食经济增长与农业生态环境保护协调发展具有重要意义。本研究在测算农业用水效率时采用超效率SBM模型，即考虑了投入和产出的松弛变量，使研究结果更加真实、客观。为进一步分析粮食主产区农业用水效率提升的驱动因素及造成地区间差异的原因，选择了Malmquist指数与泰尔指数对农业用水效率进行了深入分析，既真实、准确地分析了目前我国粮食主产区的农业用水效率及驱动因素，又为我国其他省区实现农业水资源高效利用与农业可持续发展提供了参考依据。

我国粮食主产区农业用水效率受技术进步与技术效率两者的综合影响。技术进步是我国13个粮食主产区农业用水效率提升的主要因素。尚杰等[5]研究表明，技术效率与技术进步对我国粮食主产区的农业用水效率共同作用，其中，技术进步起主要作用；马剑锋等[11]研究表明，技术进步和技术效率均对农业用水效率有显著的提升作用，与本研究结果相一致。因此，各地区政府应注重提高当地农业用水技术，将农业生产过程与先进科学技术紧密结合，因地制宜地引进节水技术，提高农业机械化灌溉水平，为实现我国粮食主产区的农业可持续发展保驾护航。

本研究分析了高、中、低农业用水地区的技术进步和技术效率的指数变化，诠释了造成地区间差异的影响因素，并在此基础上提出针对不同地区农业用水效率提升的途径。低、中农业用水地区应注重节水技术的开发和利用，提高节水灌溉面积来提高农业用水效率。对于高农业用水地区中自然降雨量较少的地区，如黑龙江、河北，应改变粗放式的农业水资源利用方式；降雨较充足的江苏、湖南、湖北、安徽等地区，应改变其传统的农业用水观念，培养农户节水意识，避免水资源过量投入造成农业用水的严重浪费。经济发展水平、年降水量、灌溉水价、节水农业水平及水资源禀赋5种因素对高、中、低农业用水地区的影响不同，与前人研究结果一致[27-28]。经济发展水平的提高对农业用水效率具有显著的正向影响，是用水效率提高的核心因素[7]。