PDF(1371 KB)
PDF(1371 KB)
PDF(1371 KB)
基于灰水足迹不好产出的黄河流域农业用水效率评价
Evaluation of Agricultural Water Use Efficiency in the Yellow River Basin Based on Undesirable Output of Grey Water Footprint
在水资源约束趋紧的背景下,本研究从灰水足迹角度出发,选取2013—2017年黄河流域农业的各项面板数据,运用动态超效率SBM模型对黄河流域农业用水效率进行测算,以第一产业就业人员、农业用水量、有效耕地灌溉面积和农业机械总动力为投入指标,以根据2013年为基期的物价指数调整后的农业总产值为期望产出及灰水足迹为非期望产出作为产出指标。通过SBM模型分析发现,黄河流域各省份农业灰水足迹的总量均在下降,且2015年后下降速率增加;黄河流域各省份农业用水效率按照是否大于1和是否大于0.5可分为3个梯队,除四川外,各省农业用水效率均在上升。因此,黄河流域需重视灰水足迹管理,从源头减少农业灰水足迹的产生;政府要不断加强在农业灌溉设施上的投入,提高节水灌溉技术;调整产业结构,提升农田灌溉水的利用率。
Under the background of tighter water resource constraints, this paper selects various panel data of agriculture in the Yellow River Basin from 2013 to 2017 from the perspective of grey water footprint, calculates the agricultural water use efficiency of the Yellow River Basin by using the dynamic super efficiency SBM model, and takes the employment of the primary industry, agricultural water consumption, effective cultivated land irrigation area and total power of agricultural machinery as input indicators. Taking the total agricultural output value adjusted according to the price index in 2013 as the desirable output and the grey water footprint as the undesirable output as the output indexes, through the analysis of SBM model, it is found that the total amount of agricultural grey water footprint in all provinces of the Yellow River Basin is decreasing, and the decline rate is increasing after 2015. The agricultural water use efficiency of each province in the Yellow River basin can be divided into three echelons according to whether it is greater than 1 and whether it is greater than 0.5. Except Sichuan, the agricultural water use efficiency of other provinces is rising. Therefore, the Yellow River Basin should pay attention to the management of grey water footprint and reduce the agricultural grey water footprint from the source, and the government should continuously strengthen investment in agricultural irrigation facilities, upgrade water-saving irrigation technology, adjust the industrial structure and improve the utilization rate of farmland irrigation water.
黄河流域 / 农业灰水足迹 / 农业用水效率 / 超效率SBM模型 {{custom_keyword}} /
the Yellow River Basin / agricultural grey water footprint / agricultural water use efficiency / super efficiency SBM model {{custom_keyword}} /
| [1] |
雷鸣, 贾正茂, 肖素君. 黄河流域农业灌溉发展规模研究[J]. 人民黄河, 2013, 35(10):99-103.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [2] |
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [3] |
姜旭海, 韩玲, 李帆. 陕西省主要作物灰水足迹时空变化特征研究[J]. 干旱地区农业研究, 2021, 39(5):210-215.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [4] |
郝帅, 孙才志, 宋强敏. 中国能源-粮食生产对水资源竞争的关系——基于水足迹的视角[J]. 地理研究, 2021, 40(6):1565-1581.
通过对水-能源-粮食系统的定量分析,能更好的探究三者之间的协同作用,对提高区域资源综合利用效率、促进区域可持续发展具有重要意义。本文基于水足迹视角探讨了1990—2017年中国31个地区能源-粮食生产对水资源的竞争关系,并借助ESTDA模型框架对其时空动态特征进行分析。结果表明：① 中国化石能源水足迹的时间演变特征可分为缓慢下降-快速上升-平稳下降3个阶段,其中化石能源灰水足迹平均占化石能源水足迹的70%以上;电力水足迹呈持续上升态势,其中电力蓝水足迹平均占电力水足迹的70%以上;粮食蓝水足迹上升幅度明显,平均占农业用水总量的70%以上。② 能源-粮食水足迹总量空间分布格局受区域资源禀赋差异影响较大。③ 时间序列上,中国能源-粮食生产对水资源竞争指数呈逐年上升态势;空间分布上,同时兼顾能源生产与粮食生产的黄河中下游区、东北地区为竞争指数高值集聚区,其余地区竞争指数相对较小。④ LISA时间路径分析显示,中国南方地区能源-粮食水资源竞争指数的空间格局的稳定性比北方更强;各地区在不同程度上均受局部结构的时空依赖效应影响;竞争指数空间格局变化具有较强的整合性且空间凝聚性较强。⑤ 能源-粮食生产对水资源的竞争在短期内难以得到有效缓解。
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [5] |
王圣云, 林玉娟. 中国区域农业生态效率空间演化及其驱动因素——水足迹与灰水足迹视角[J]. 地理科学, 2021, 41(2):290-301.
将水足迹与灰水足迹指标纳入农业生态效率指标体系,运用基于非期望产出的SBM模型和Tobit面板模型对1990—2016年中国农业生态效率空间演化特征及驱动因素进行实证分析,结论如下：① 1990—2016年,中国农业水足迹和灰水足迹明显上升；中国高农业水足迹的区域重心北移,主要由长江流域转移至黄河下游地区。中国高灰水足迹地域范围明显扩大,整体由西南向东北方向移动；② 中国农业生态效率明显降低。中国农业生态效率存在明显的区域特征。华南区的农业生态效率最高。东北区、西北及长城沿线区、青藏区和西南区的农业生态效率较低,这些区域是中国农业污染治理防控的重点区；③ 中国省域农业生态效率呈现显著的空间自相关且空间上越来越趋于集聚。中国农业生态效率的空间集聚格局较为稳定,呈空间依赖与路径锁定特征；④ 中国七大区域农业生态效率演变的驱动因素存在异质性。提出中国提高农业生态效率要因地制宜采取差异化的发展策略,为促进中国农业生态效率提升和可持续发展提供科学参考。
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [6] |
李雨欣, 薛东前, 宋永永. 中国水资源承载力时空变化与趋势预警[J]. 长江流域资源与环境, 2021, 30(7):1574-1584.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [7] |
陆秋雨. 基于水足迹-扩展LMDI模型的河南省水资源利用与经济发展脱钩关系研究[J]. 人民珠江, 2021, 42(7):82-89.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [8] |
王芳芳, 赵春芳, 余凤荣, 等. 浙江省主要农作物水足迹时空特征研究[J]. 水资源与水工程学报, 2021, 32(3):232-240.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [9] |
张惠云, 秦丽杰, 贾利. 吉林省水稻生产的碳足迹与水足迹时空变化特征[J]. 浙江农业学报, 2021, 33(6):974-983.
农业生产对全球气候变暖、水资源短缺和环境污染具有重要影响。碳足迹和水足迹分别是评估温室气体排放和水资源消耗的指标。采用生命周期评价方法,对吉林省水稻生产的碳足迹和水足迹进行核算,分析碳足迹和水足迹的时空变化特征及其构成。结果表明:2007—2017年吉林省水稻生产的碳足迹年均值为0.74 kg·kg<sup>-1</sup>。甲烷排放是水稻生产碳足迹的主要组分,占比为41.55%,其次为化肥施用导致的温室气体排放,占比为21.18%。2007—2017年吉林省水稻生产的水足迹呈波动下降趋势,年均值为147 L·kg<sup>-1</sup>,其中:水稀缺足迹为122 L·kg<sup>-1</sup>,约占83%,水劣化足迹为25 L·kg<sup>-1</sup>,约占17%。碳足迹和水足迹的高值区和低值区在空间上分布不一致,吉林省西部和中部地区的水足迹较大、碳足迹较小,而东部、中东部地区碳足迹较大、水足迹较小。相关分析表明,碳足迹和水足迹呈负相关。
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [10] |
周维博, 李佩成. 干旱半干旱地域灌区水资源综合效益评价体系研究[J]. 自然资源学报, 2003(3):288-293.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [11] |
崔东文. 文山州近10年水资源利用效率评价SLC-PP模型及应用[J]. 河海大学学报(自然科学版), 2017, 45(2):129-136.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [12] |
李俊晓, 李朝奎, 罗淑华, 等. 基于AHP-模糊综合评价方法的泉州市水资源可持续利用评价[J]. 水土保持通报, 2015, 35(1):210-214,286.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [13] |
白颖, 王红瑞, 许新宜, 等. 水资源利用效率及评价方法若干问题研究[J]. 水利经济, 2010, 28(3):1-4,8,75.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [14] |
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [15] |
何楠, 袁胜楠, 王军. 基于DEA-Malmquist模型的黄河流域水资源利用效率评价[J]. 人民黄河, 2021, 43(5):7-11.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [16] |
尹佳佳, 黄云, 梅唐敏. 基于DEA的长江经济带工业用水效率评价[J]. 四川轻化工大学学报(自然科学版), 2020, 33(3):94-100.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [17] |
张云宁, 陈金怡, 欧阳红祥, 等. 基于DEA-Malmquist的江苏省农业用水效率评价[J]. 水利经济, 2020, 38(3):62-68,86.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [18] |
李世玉, 刘笑冰. 基于DEA模型的京津冀农业水资源利用效率研究[J]. 天津农业科学, 2021, 27(9):69-74.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [19] |
任梦梦, 梁浩, 马建. 基于数据包络分析的辽宁省水资源利用效率评价[J]. 海河水利, 2021(4):58-62.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [20] |
顾世祥, 朱赟, 李亚龙, 等. 基于DEA和Malmquist指数的农业水资源利用效率分析——以滇中受水区为例[J]. 中国农村水利水电, 2021(8):98-102.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [21] |
朱丽娟, 张扬, 张改清. 我国城市土地与水资源利用效率的耦合协调及其时空特征研究[J]. 经济经纬, 2021, 38(5):22-30.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [22] |
高晓光. 黄河流域水资源效率测度研究[J]. 合作经济与科技, 2021(13):14-16.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [23] |
姚亭亭, 刘苏峡. 京津冀水资源利用多效率指标的变化特征比较[J]. 地理科学进展, 2021, 40(7):1195-1207.
提高水资源利用效率,缓解用水压力,是解决京津冀缺水问题的有效措施,对各行业用水效率历史状况的全局把握有助于未来政策的调整。论文比较了京津冀三地的万元GDP用水量、万元工业增加值用水量、管网漏损率、人均日生活用水量、污水处理率、作物水分利用效率共6项指标组成的综合用水效率,分析了2002—2017年京津冀用水效率的Mann-Kendall突变点和趋势变化,并基于Burg算法功率谱估计分析了各指标的周期变化特征,计算了各指标基于Burg算法的功率谱。结果表明,在产业结构优化调整和节水技术提升等措施的共同作用下,三地用水效率指标的差异在逐渐缩小,显示了京津冀协同发展的效应,但仍有明显的发展差异。北京、河北的综合用水效率整体呈增长趋势,河北的增长率(0.16)明显高于北京(0.07),而天津的综合用水效率整体上呈下降趋势(-0.03),重点表现在万元GDP用水量和万元工业增加值用水量的增加(0.18、0.19)。北京综合用水效率整体呈现5 a(周期强度为77 dB)、3 a(73 dB)左右的周期,天津综合用水效率整体呈现7 a(88 dB)、2 a(81 dB)左右的周期,河北综合用水效率整体呈现3 a(81 dB)左右的周期。相比于北京和河北,天津综合用水效率的周期性更强,这意味着可以适时地利用其内在周期调控用水效率的变化趋势。
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [24] |
韩琴, 孙才志, 邹玮. 1998—2012年中国省际灰水足迹效率测度与驱动模式分析[J]. 资源科学, 2016, 38(6):1179-1191.
水资源短缺与污染已经严重影响到中国的可持续发展,提高水资源效率是解决两者的必然选择。在测算中国31个省市（自治区）1998-2012年灰水足迹及其效率的基础上,本文基于扩展的Kaya恒等式和LMDI模型定量分析了效率效应、结构效应、经济效应、禀赋效应、开发效应及技术效应对灰水足迹效率的影响,最后利用LSE模型按驱动效应的绝对贡献率将各省份进行了分类。分析结果显示：研究期间中国平均灰水足迹为4814.30亿m<sup>3</sup>,灰水足迹效率由1998年的16.30元/m<sup>3</sup>增加到2012年的89.32元/m<sup>3</sup>,整体上呈现经济发达地区高于落后地区的特征;效率效应、经济效应、开发效应及技术效应对灰水足迹效率的变化起正向驱动效应,结构效应与禀赋效应对灰水足迹效率的变化起负向驱动效应,其中效率效应、经济效应是影响灰水足迹效率变化的最主要因素;中国灰水足迹效率空间驱动类型主要包括双因素支配型（Ⅰ、Ⅱ）、三因素主导型、四因素协同型（Ⅰ、Ⅱ）、五因素联合型等6种类型。研究结果可为水资源利用效率提供新的研究思路同时为区域水资源的合理利用提供理论支持。
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| [25] |
吴凤平, 梁蔓琪. 用水总量控制下江苏省工业废水排放绩效及减排潜力研究[J]. 中国人口·资源与环境, 2018, 28(8):79-86.
{{custom_citation.content}}
{{custom_citation.annotation}}
|
| {{custom_ref.label}} |
{{custom_citation.content}}
{{custom_citation.annotation}}
|
/
| 〈 |
|
〉 |
