

The impact of FDD rotation mode and irrigation methods on rice irrigation water efficiency in Southwestern China
YUWeiyong

通讯作者:
收稿日期:2016-10-18
修回日期:2017-03-6
网络出版日期:2017-06-20
版权声明:2017《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (715KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
中国水资源基本状况是人多水少、时空分布不均,供需矛盾突出,农业用水缺口明显。据水利部门统计,2013年全国水资源消耗主要为农业用水,占到用水总量的63.40%。西南地区水资源占有量占全国的46.00%,但水资源利用粗放、浪费严重,在农业灌溉过程中水的有效利用率仅有0.30~0.40。在当前水资源供需问题突出的形势下,缓解农业用水紧缺的关键是提高农业用水效率,已成为理论界和政策制定者的共识。国务院基于水资源开发利用控制红线,提出2030年农田灌溉水有效利用系数提高到0.60以上。2011年国家一号文件进一步强化保障粮食安全、农田水利基础设施建设和提高水资源利用率等方面的政策要求。在提高灌溉效率的过程中,农户考量因素包括节水技术和经济报酬,目前国内外对于灌溉效率的研究主要分为灌溉技术效率和灌溉经济效率。从纯技术角度考量,灌溉效率是指有效灌溉水资源的比率,即真正被作物吸收的水量与灌溉的水量之比,或者是在特定灌溉地块里起到有效作用的灌溉水量与输送到该地块上的水量之比[1]。因此,有研究指出灌溉效率是水的传送效率、使用效率以及分配效率的综合结果[2]。研究测度出中国三江平原水稻淹灌水分利用效率为2.40kg/m3 [3],而在湖北地区为1.54kg/m3 [4]。从经济效率考量,农户对灌溉经济效率的理解在于灌溉带来最大的经济产出,而非使用最少的水资源[5]。经济视角下最优灌溉效率是在水价和产出价格不变的前提下,同时实现作物产出最大化和水资源损失最小化[6]。然而长期偏低的农业水价并未真正反映水资源的经济价值[7]。对于地表灌溉而言,平均的灌溉效率约在(0.50~0.73)kg/m3 [8,9],滴灌系统的灌溉效率区间为(0.80~0.91)kg/m3 [10,11],喷灌系统的灌溉效率区间为(0.54~0.80)kg/m3 [12]。总体上看,中国平均水资源利用效率仅为0.61kg/m3,存在很大改进空间[13];空间区域分布看,东部地区最高,中部次之,西部最低[14]。减少水稻用水量和提高水稻水分利用效率有利于缓解中国水资源短缺以及水资源污染的问题,同时也能够改善社会生态环境[15]。测度灌溉用水效率的方法,主要有数据包络分析法和随机前沿生产函数。数据包络分析法得到了李静等****应用,测度了产量区玉米、水稻和小麦三种作物用水效率[7];随机前沿生产函数得到了王学渊等[16]、黎红梅等[17]、刘军等[18]****应用,分别测度了中国农业用水效率、集体水管理下水稻生产效率和棉花灌溉用水效率等。针对优化和改进农业灌溉用水效率,国内外****们提出可通过改善灌溉系统[19]、实施供水识别系统[20,21]、提升管理水平[22]、明晰水权[23]、发展社区灌溉服务组织[24]、推广节水技术[25]等。本文通过构建DEA-Tobit模型对水稻灌溉用水效率进行测度分析,探讨水旱轮作、灌溉方式对灌溉用水效率的影响,以期为水稻种植户轮作模式、灌溉方式选择提供依据,为政府制定水资源政策提供参考。
2 研究区概况、研究方法与数据来源
2.1 研究区概况
本文数据来源于2014年对四川、重庆、贵州、云南等西南四省(市)797户水稻种植户的调研,因种植作物差异没有将西藏纳入调研范围。调研地区地形复杂,主要以四川盆地及其周边丘陵山地、云贵高原中高山山地丘陵区为主;区域内河流分布较多,水资源丰富,全年降水量是全国平均水平的3倍;气候以亚热带和温带为主,垂直气候差异显著。西南地区具有丰富的农业资源和较为适宜农业生产的自然环境,具有较大的可持续发展农业优势,但其也是生态脆弱,农业相对落后地区之一,农业基础设施薄弱,发展不均衡。调研区粮食作物以水稻为主,调研针对平原、丘陵、山区三种地形下水稻灌溉用水情况,基于实际数据测度分析水稻灌溉用水效率。2.2 DEA-Tobit模型
建立DEA-Tobit模型分两个步骤:(1)采用投入导向的规模报酬可变的DEA模型进行水稻灌溉用水效率值测度,得到各个决策单元DMU的效率值。目前学术界效率测度方法主要包括以数据包络分析法(DEA)为主的非参数方法和以随机前沿分析法(SFA)为主的参数方法。与SFA等参数法相比,DEA方法具有自如处理多投入多产出指标的复杂问题,无需对生产函数的形式做出假设,从而避免由于函数设定误差所带来的问题[26]。因水稻灌溉用水效率受到气候条件、水利设施、个体行为等多方面因素影响,生产函数无法确定,故选择DEA分析方法。DEA方法可分为基于投入或产出两种不同方法,基于投入的DEA方法目的是为了测算生产单元相对给定产出水平下最小可能投入的效率,而基于产出的DEA方法则是为了度量实际产出与给定投入水平的最大可能产出差距。只有在规模收益不变的情况下,两种方法的效率测算结果才会相等。本文侧重考察作为农业投入要素的灌溉用水效率,故采用规模报酬可变假设下基于投入导向的DEA模型,具体形式如下:
式中
(2)利用Tobit回归法对水稻灌溉用水效率的影响因素进行分析。因DEA效率指数为受限因变量,若采用最小二乘法会给参数估计造成有偏,而Tobit模型能够解决受限或截断因变量的模型构建问题。Tobit模型的基本形式为:
式中当
根据上述理论,DEA-Tobit模型可表示如下:
式中
2.3 指标选取
水稻灌溉用水效率受到气候、地形、水利条件及灌溉行为等因素影响,其中土地是农业生产的基础和载体,水、劳动力、资本等投入要素需要依附在土地上才能实现农业生产。土地可被看作是农业生产投入的固定投入要素,水等被农作物直接消耗的经济资源则是农业生产的可变投入要素,多种生产要素合理配置才能实现农业经济效益最大化。本文水旱轮作模式包括水稻-小麦、水稻-油菜、水稻-药材、水稻-蔬菜;灌溉方式根据灌溉工程进行分类,分为引水灌溉、提水灌溉、井水灌溉和蓄水灌溉。基于数据可获得性并参考佟金萍等、杨扬等、许朗等的研究[27-29],选择投入和产出指标,其中投入指标选择种植面积、总投工、化肥施用量和灌溉用水费用,产出指标选择水稻产量。具体指标及说明见表1所示。Table 1
表1
表1灌溉用水效率测度的投入产出指标
Table 1Input index and output index of irrigation water efficiency
分类 | 具体指标 | 代码 | 说明 |
---|---|---|---|
投入指标 | 种植面积/hm2 | 家庭经营水稻耕种面积,反映潜在产出量和需水量 | |
总投工/日 | 水稻生长过程中整地、育秧、移栽、施肥等环节总投工时,影响产出量和边际用水量 | ||
化肥施用量/kg | 水稻生长环节所施用的化肥总量,提高水稻产量,还可减弱其需水程度 | ||
灌溉用水费用/元 | 水稻生长环节灌溉用水总花费,农户会参考灌溉成本而调整灌溉行为和投入 | ||
产出指标 | 水稻产量/kg | 单季水稻产量,反映各项投入的产出能力 |
新窗口打开
2.4 数据来源
本研究所用数据来自于对西南地区四川、重庆、云南、贵州四省市水稻种植户2014年的情况调查,共整理得到有效问卷797份,覆盖19个县(区)。各地区调研分布情况见表2。鉴于水稻种植空间布局、数据可得性和调研方便性,问卷调研主要集中在四川,其中四川、贵州、云南和重庆问卷比例分别为76.66%、9.16%、8.06%、6.02%。问卷调查项目包括水稻种植户个体和家庭特征、轮作模式与行为、灌溉行为、投入产出等,以便科学合理地测度和分析水稻灌溉用水效率及影响因素。控制变量主要选择农户个体特征、家庭特征、耕作方式、商品化率和区域虚拟变量;由于检验发现存在内生性问题,故设置工具变量,通过分析将水资源可获得性作为工具变量,即设置为单位灌溉成本。Table 2
表2
表2调研样本分布情况
Table 2Distribution of research sample
省份 | 地区 | 问卷/份 | 比例/% |
---|---|---|---|
四川省 | 成都 | 210 | 26.35 |
德阳 | 73 | 9.16 | |
绵阳 | 71 | 8.91 | |
资阳 | 68 | 8.53 | |
遂宁 | 74 | 9.29 | |
南充 | 41 | 5.14 | |
广元 | 35 | 4.39 | |
巴中 | 39 | 4.89 | |
贵州省 | 黔西南州 | 38 | 4.77 |
安顺 | 35 | 4.39 | |
云南省 | 玉溪 | 15 | 1.88 |
曲靖 | 14 | 1.76 | |
红河州 | 8 | 1.00 | |
个旧 | 18 | 2.26 | |
楚雄 | 10 | 1.26 | |
重庆市 | 巴南 | 28 | 3.51 |
涪陵 | 20 | 2.51 | |
总计 | 797 | 100.00 |
新窗口打开
3 结果及分析
3.1 不同水旱轮作模式、灌溉方式的灌溉用水效率分析
基于投入导向型DEA模型的测度方法(见公式(1)),运用DEAP2.0软件得到水稻种植户灌溉总技术效率、纯技术效率和规模效率。其中灌溉总技术效率是指在灌溉用水的活动中所实现的有效利用与实际使用量之比,为纯技术效率与规模效率的乘积,若为1,则表示该决策单元的投入产出是综合有效的,即同时技术有效和规模有效;纯技术效率是指由于种植户管理和技术等因素影响的生产效率,若为1,则表示在目前的技术水平上,其投入资源的使用是有效的;规模效率是指由于种植规模因素影响的生产效率。以下将对水稻种植户样本总体的灌溉用水效率,以及不同水旱轮作模式和灌溉方式的灌溉用水效率进行分析。3.1.1 样本总体的灌溉用水效率
运用DEAP2.0软件测得水稻种植户总样本效率值分布情况见表3。从总体上看,水稻灌溉用水效率较低,规模效率高于技术效率,水资源利用改进空间较大。水稻灌溉总效率均值为0.1378,纯技术效率均值为0.2745,规模效率均值为0.5498。仅有13户(总效率值为1)水稻种植处于农业生产可能集的前沿包络面上,说明在水稻灌溉方面实现了水资源的最有效利用,相对有效生产点,其他98.37%的农户均处于生产的相对无效状态,存在很大的改进潜力。水稻灌溉用水纯技术效率中有28户处于有效生产点上,无效点主要集中在0.4以下,说明不同地区、农户拥有的水资源、土地、劳动力等资源禀赋存在差异,但灌溉技术普遍较落后、粗放,水资源浪费严重。这也符合符娜等得出西南地区水稻整体对灌溉依赖程度较低的结论[30]。规模效率相对较高,主要集中在0.5上下,由于平原地区因土地流转政策推动形成了规模种植,灌溉设施和机械化水平更高,循环累积效应进一步提升农业生产的规模效应。
Table 3
表3
表3总样本农户水稻灌溉用水效率值分布
Table 3Sample farmers' rice irrigation water efficiency value(户,%)
效率值 | 总效率 | 纯技术效率 | 规模效率 | ||||||
---|---|---|---|---|---|---|---|---|---|
样本数 | 比重 | 累计比重 | 样本数 | 比重 | 累计比重 | 样本数 | 比重 | 累计比重 | |
0~0.200 0 | 718 | 90.09 | 90.09 | 370 | 46.42 | 46.42 | 51 | 6.40 | 6.40 |
0.200 0~0.400 0 | 49 | 6.15 | 96.24 | 304 | 38.14 | 84.56 | 208 | 26.10 | 32.50 |
0.400 0~0.600 0 | 8 | 1.00 | 97.24 | 46 | 5.77 | 90.33 | 259 | 32.50 | 65.00 |
0.600 0~0.800 0 | 5 | 0.63 | 97.87 | 35 | 4.39 | 94.72 | 130 | 16.31 | 81.31 |
0.800 0~0.900 0 | 4 | 0.50 | 98.37 | 14 | 1.76 | 96.48 | 110 | 13.80 | 95.11 |
1.000 0 | 13 | 1.63 | 100.00 | 28 | 3.51 | 100.00 | 39 | 4.89 | 100.00 |
mean | 0.137 8 | 0.2745 | 0.549 8 |
新窗口打开
3.1.2 不同水旱轮作模式的灌溉用水效率
已有研究发现不同的轮作模式会导致不同的农业用水效率[31],这是由于不同作物对水分需求量不同,如玉米是用水较少而产出较高的作物,水稻和小麦是水密集型作物,单位耗水较大但产出较低[32]。根据效率值结果(见表4),轮作作物经济收益不同灌溉用水效率存在差异。农户水旱轮作作物是蔬菜、药材、小麦和油菜,平均用水效率差异不大且均较低,在0.1900左右,大小排序依次是“水稻-药材”、“水稻-油菜”、“水稻-蔬菜”、“水稻-小麦”,灌溉用水效率改进空间排序反之。由于目前文献中未找到四种轮作作物喜水程度,故在假设用水量相同情况下,选择轮作作物经济效益作为排序依据,作物经济效益与灌溉用水效率存在一致性,在相同技术和管理水平下,理性农户偏向于选择经济效益更高的作物轮作。如水稻与药材轮作相对比与小麦轮作其灌溉用水效率提高了0.0036,用水费用相对节约了0.64%。
Table 4
表4
表4基于水旱轮作模式的效率值分布
Table 4Irrigation efficiency value based on FDD rotation(户)
效率值 | 水稻-蔬菜 | 水稻-药材 | 水稻-小麦 | 水稻-油菜 |
---|---|---|---|---|
0~0.200 0 | 193 | 61 | 119 | 188 |
0.200 0~0.400 0 | 48 | 26 | 26 | 51 |
0.400 0~0.600 0 | 13 | 5 | 7 | 29 |
0.600 0~0.800 0 | 2 | 1 | 3 | 8 |
0.800 0~0.900 0 | 4 | 0 | 1 | 2 |
1.000 0 | 3 | 1 | 3 | 3 |
total | 263 | 94 | 159 | 281 |
mean | 0.194 2 | 0.194 7 | 0.191 1 | 0.194 4 |
新窗口打开
3.1.3 不同灌溉方式的灌溉用水效率
灌溉方式基于灌溉工程进行分类,分为引水灌溉、提水灌溉、井水灌溉和蓄水灌溉,效率分布结果见表5。可知,灌溉方式的节水效果不同导致灌溉用水效率存在一定差异。从灌溉方式选择来看,目前水稻水旱轮作种植户主要采用引水灌溉(占比64.62%),其次是提水灌溉(占比32.25%),而井水灌溉和蓄水灌溉用户最少。引水和提水相对设施成本较低,这也验证了马培衢等的研究,指出农户会选择灌溉费用最小的灌溉方式[33]。从灌溉用水效率平均值来看,四种灌溉方式均较低,且差异不大。其中蓄水灌溉效率最高,平均效率值0.1957,其次是引水灌溉(0.1943)、提水灌溉(0.1932)、井水灌溉(0.1808)。从效率值分布结构看,四种方式各自效率值分布主要集中在0.2以下。引水、提水、井水和蓄水灌溉用水效率值位于0.2以下的比例分别为71.07%、69.26%、80.00%和60.00%,可见存在较大的改进空间。从水资源最有效利用情况看,只有引水灌溉和提水灌溉存在效率值在农业生产可能集的前沿包络面上,且占比分别仅为0.78%、2.33%。
Table 5
Table 5Irrigation efficiency value based on irrigation methods (户)
效率值 | 引水灌溉 | 提水灌溉 | 井水灌溉 | 蓄水灌溉 |
---|---|---|---|---|
0~0.200 0 | 366 | 178 | 8 | 9 |
0.200 0~0.400 0 | 97 | 48 | 1 | 5 |
0.400 0~0.600 0 | 37 | 16 | 0 | 1 |
0.600 0~0.800 0 | 6 | 7 | 1 | 0 |
0.800 0~0.900 0 | 5 | 2 | 0 | 0 |
1.000 0 | 4 | 6 | 0 | 0 |
total | 515 | 257 | 10 | 15 |
mean | 0.194 3 | 0.193 2 | 0.180 8 | 0.195 7 |
新窗口打开
3.2 灌溉用水效率影响因素
为研究水旱轮作模式、灌溉方式对灌溉效率的影响,应用调研样本数据,构建DEA-Tobit回归模型进行研究。表6为各变量指标的统计描述。主要检验变量为水旱轮作模式和灌溉方式,根据求得的平均效率值进行排列,两者均值分别为2.61、2.67。水旱轮作模式反映了水稻与其他作物品种轮作选择,而不同轮作作物对土壤的改善效果、轮作作物对水分需求量、种植经验、市场等因素共同决定了轮作作物的选择。样本点主要为水稻-油菜轮作模式。灌溉方式根据工程进行划分,不同灌溉方式对储水、输水、浇灌等环节水资源流失率存在差异,四种方式多为淹水灌溉,也可实现节水灌溉,样本点主要为引水灌溉方式。除了解各灌溉方式灌溉用水效率大小外,还需了解其对灌溉用水效率的影响程度,从而衡量灌溉方式的选择成本与预期收益大小。Table 6
表6
表6灌溉用水效率影响因素指标的统计描述
Table 6Description statistics of factors affecting the efficiency of irrigation water
变量类型 | 变量符号 | 变量名称 | 定义/单位 | 均值 | 标准差 |
---|---|---|---|---|---|
被解释变量 | CRS | 总效率 | 1 | 0.14 | 0.19 |
检验变量 | FDD_rotation | 水旱轮作模式 | 1=水稻-小麦;2=水稻-蔬菜;3=水稻-油菜;4=水稻-药材 | 2.61 | 0.93 |
irrigation_model | 灌溉方式 | 1=井水灌溉;2=提水灌溉;3=引水灌溉;4=蓄水灌溉 | 2.67 | 0.53 | |
控制变量 | species_selection | 品种类型 | 1=常规稻;2=杂交稻 | 1.95 | 0.24 |
commer_rate | 商品化率 | 稻谷销售量/收获量/% | 27.19 | 53.50 | |
cultivated_way | 耕地方式 | 1=旋耕;2=翻耕;3=少免耕 | 1.49 | 0.66 | |
age | 户主年龄 | 岁 | 56.01 | 10.30 | |
education | 受教育程度 | 1=小学以下;2=小学;3=初中;4=高中/中专;5=大学/大专;6=大学以上 | 2.22 | 0.80 | |
village_cadres | 是否为村干部 | 1=是;2=否 | 1.94 | 0.24 | |
regional_feature | 地域特征 | 1=平原区;2=丘陵山地区 | 1.38 | 0.49 | |
income | 家庭收入 | 元/年 | 38 151.73 | 35 644.31 | |
工具变量 | per_cost | 单位灌溉成本 | 元/hm2 | 165 773.54 | 428 615.32 |
新窗口打开
3.2.1 实证结果分析
基于DEA-Tobit模型的基本形式(见公式(3)),运用Stata14.0进行水稻灌溉用水效率影响因素分析,得到回归结果见表7。表7中有5个估计模型,模型Ⅰ为OLS估计结果;由于样本户效率值0.4以下的占比96.24%,极差值较大,为客观、真实了解水稻灌溉用水效率影响因素,故构建crs=0.4处左侧断尾回归模型,估计结果为模型Ⅱ;为解决效率值为截断因变量问题,构建Tobit回归模型,模型Ⅲ为其估计结果。
Table 7
表7
表7灌溉用水效率影响因素的实证回归结果
Table 7The empirical regression results of factors affecting the efficiency of irrigation water
指标 | 模型Ⅰ | 模型Ⅱ | 模型Ⅲ | 模型Ⅳ | 模型Ⅴ |
---|---|---|---|---|---|
OLS估计 | 断尾回归估计 | Tobit估计 | Tobit估计 | IV Tobit估计 | |
FDD_rotation | -0.011 8***(-2.74) | -0.054 0* (-1.75) | -0.012 0***(-2.75) | -0.012 5***(-2.84) | -0.013 5***(-2.93) |
irrigation_ model | 0.029 8*** (2.99) | -0.236 9* (-1.81) | 0.030 0*** (3.59) | 0.031 0*** (3.64) | 0.051 4*** (2.81) |
species_selection | -0.002 8 (-0.12) | -0.351 8* (-1.73) | -0.002 4 (-0.11) | 0.001 3 (0.06) | -0.003 3 (-0.14) |
commer_rate | -0.010 1 (-1.02) | -0.212 0 (-1.31) | -0.010 2 (-1.51) | -0.007 7 (-1.16) | -0.009 7 (-0.92) |
age | -0.000 3 (-0.55) | -0.019 3***(-2.94) | -0.000 3 (-0.67) | -0.000 5 (-1.01) | -0.000 6 (-0.99) |
education | -0.004 9 (-0.67) | -0.108 1* (-1.94) | -0.005 0 (0.66) | -0.004 4 (-0.58) | -0.008 1 (-1.00) |
village_cadres | 0.144 5 (0.66) | -0.484 3** (-2.39) | 0.014 2 (0.70) | 0.018 0 (0.88) | 0.017 7 (0.77) |
cultivated_way | -0.009 4 (-1.44) | -0.146 8* (-1.92) | -0.009 7 (-1.33) | -0.011 3 (-1.54) | -0.000 8 (-0.07) |
per_cost | 0.000 0 (1.45) | -0.000 1* (-1.66) | 0.000 0 (0.94) | 0.000 0 (1.10) | 0.000 2* (1.61) |
regional_feature | -0.023 1** (-2.09) | -0.237 4** (-2.37) | -0.023 5** (-2.25) | ||
labor | -0.006 4 (-1.44) | -0.004 2 (-0.13) | -0.006 5* (-1.74) | ||
ln(income) | 0.012 7* (1.89) | 0.066 7 (0.96) | 0.012 9** (2.07) | ||
Subsidies | 0.000 0 (0.98) | 0.000 6** (2.25) | 0.000 0 (0.94) | ||
C | 0.053 2 (0.48) | 4.025 8*** (2.94) | 0.053 8 (0.59) | 0.132 1** (2.31) | 0.089 5 (1.02) |
R2 | 0.045 4 | 0.079 5 | 0.068 4 | 0.112 8 | 0.120 2 |
新窗口打开
模型Ⅰ、模型Ⅲ回归结果都显示水旱轮作模式与水稻灌溉用水效率呈1%显著负相关,灌溉方式与灌溉用水效率呈1%显著性正相关,且系数相差不大。模型Ⅲ可知,水旱轮作模式选择“水稻-小麦”轮作会提高水稻灌溉用水效率,节水效果最好,后面依次是“水稻-蔬菜”、“水稻-油菜”、“水稻-药材”。若从“水稻-蔬菜”轮作模式转换为“水稻-小麦”轮作模式,灌溉效率降低了1.20%,造成了水资源一定程度的浪费。以往研究也表明不同作物灌溉用水效率与其经济效益正向相关,陈大波等人基于三工河流域农户调查,结果显示平均灌溉用水效率大小依次为棉花>葡萄>葵花>打瓜葫芦>玉米>小麦[32],国外研究也发现蔬菜、果树、粮食农户的灌溉用水效率依次为38.17%、36.20%、36.00%[35]。灌溉方式中提水、蓄水和井水节水效果优于引水,由井水灌溉转为蓄水灌溉,灌溉用水效率增加了3.10%,可提高一定程度的节水效果。由于蓄水灌溉减少储水和输水过程的流失,尤其是在水资源短缺地区,采取井水灌溉和蓄水灌溉农户可根据作物生长情况及时安排灌溉,依据湿润灌溉(前期)+浅水灌溉(孕穗期)+干湿交替灌溉(抽穗—成熟期)的灌溉方式更有利于稻株生长发育、产量和水分利用率的提高[36],有助于水资源约束地区灌溉用水效率的提高。
灌溉方式选择会根据其选择成本和预期收益大小来确定。选择成本包括灌溉设施建设、改善等所需投入的资金、水费、劳动力成本,预期收益为改善灌溉条件后获得的增加收益,若选择成本高于预期收益,作为理性经济人,则会选择目前状态,反之则会改变灌溉方式。受制于水利设施建设初始投入大、维护困难、准公共性等因素,需要政府发挥配置公共物品作用,加大水利建设和改善力度。
地形条件与灌溉用水效率呈显著负相关,表明平原地区促进了灌溉用水效率的提升。由于平原地区水资源较为充沛,地形条件利于灌溉设施建设和维护,土地肥力较高,若激励农户增加投入,引水和蓄水灌溉方式会进一步提高平原地区的灌溉用水效率。收入水平与灌溉用水效率呈显著正相关,表明收入越高农户越愿意增加灌溉生产投入,其农业生产不受资金约束,灌溉用水效率会得到相应提升。
模型Ⅱ在crs=0.4处左侧断尾回归结果发现,水旱轮作和灌溉模式对灌溉用水效率的影响显著性降低,但仍10%显著,且系数发生较明显变化。水旱轮作与灌溉用水效率呈系数为0.05的负相关,相对模型Ⅰ结果增加了0.04,表明效率值处于0.40以下的种植户水旱轮作模式对其用水效率影响显著提高。灌溉方式与用水效率相关系数变为显著负相关,系数为0.24,说明效率值低于0.40的农户反而是井水灌溉能够提高灌溉用水效率,相当于灌溉方式从提水灌溉变为井水灌溉,效率值会提高23.69%,提升效果明显。同时品种选择、户主年龄、受教育水平、是否是村干部、耕地方式、单位灌溉成本、地形条件都与灌溉用水效率呈显著性负相关,其中是否是村干部、品种选择影响系数较大,分别为-0.48和-0.35,而补贴水平与灌溉用水效率呈显著正相关。在灌溉效率上,村干部高于非村干部,杂交稻高于常规稻,高质量农户更高,平原地区相对丘陵山地更高。因此,对于低效率值农户轮作模式采取“水稻-小麦”,灌溉方式采取井水灌溉,这种组合模式能够有效提高灌溉用水效率,为提高灌溉用水效率,需要增加农业补贴,尤其是灌溉专项补贴。
3.2.2 内生性问题分析
对回归模型进行内生性检验,输出结果p值为0.016(p<0.05),故拒绝原假设,模型确实存在内生性问题。以往研究中鲜有水稻灌溉用水效率影响因素的内生性问题分析,而为解决内生性问题,需要使用工具变量法对内生性问题进行控制。工具变量需要满足两个条件:一是外生性,工具变量必须与随机误差项及其他解释变量不相关;二是相关性,即工具变量必须与所替代的内生解释变量高度相关。将水资源禀赋程度作为工具变量,禀赋程度即表现为水资源的可获得性,故研究中假设单位面积灌溉成本来反映当地水资源禀赋程度,灌溉成本与水资源禀赋程度高度相关,若单位面积灌溉成本越高,则表明该地区水资源禀赋程度较低,若单位成本越低则反之。经过检验工具变量单位灌溉成本与被解释变量、随机误差项不相关。运用“工具变量Tobit法”(简称IV Tobit)构建含内生性变量的Tobit模型。鉴于水资源可获得性,即灌溉成本与地区地形条件、农户收入水平、劳动力数量、补贴水平相关,故工具变量灌溉成本用上述四个相关因素表示。构建除与灌溉成本相关指标外的Tobit回归模型Ⅳ,模型Ⅴ为IV Tobit回归结果。模型Ⅴ结果中灌溉方式与灌溉用水效率显著为正,F值显著,故认为不存在弱工具变量,IV Tobit估计结果中Wald值显著再次拒绝了外生性的原假设。
对表7中模型Ⅳ和模型Ⅴ结果对比发现,在控制内生性问题的基础上,模型Ⅴ结果发生了改良,灌溉成本显著性提升。水旱轮作模式对灌溉用水效率的影响系数提高了0.10%,而灌溉方式与灌溉效率的影响系数提高了2.04%。表明内生性问题导致水旱轮作模式和灌溉方式对灌溉用水效率的影响作用分别被高估和低估,尤其是灌溉方式的影响系数提高明显。因此,水资源的可获得性会显著影响水旱轮作模式和灌溉方式选择,是受地形条件、收入水平、劳动力数量和补贴水平影响的内生性变量,忽略内生性会导致水旱轮作模式、灌溉方式对灌溉用水效率的影响程度估计出现偏差,甚至形成错误的行为选择导向。
4 结论与建议
4.1 结论
本文通过构建DEA-Tobit模型,基于2014年对四川、重庆、贵州、云南四省(市)797份水稻种植户的调查数据,测度和分析了水稻种植户灌溉用水效率,探讨水旱轮作模式、灌溉方式对水稻灌溉用水效率的影响,并对变量中存在的内生性问题进行处理。主要结论如下:(1)总体上灌溉总效率均值为0.1378,纯技术效率均值为0.2745,规模效率均值为0.5498,水资源利用改进空间较大,规模化程度高的平原地区用水效率更高。
(2)稻田旱季轮作作物经济收益大致与水稻灌溉用水效率呈显著性负相关,轮作方式节水效果与灌溉用水效率呈显著性正相关。农户选择轮作作物更加看重其经济收益,农户依据选择成本和预期收益来调整灌溉方式,但蓄水、引水、提水和井水四种灌溉方式多实行淹水灌溉,节水效果不佳。
(3)水资源禀赋程度将水旱轮作模式对水稻灌溉用水效率的影响系数提高了0.10%,将灌溉方式的影响系数拉低了2.04%。模型检验存在内生性问题,将水资源禀赋程度作为工具变量,发现传统方法得到的水旱轮作模式和灌溉方式对灌溉用水效率的影响作用分别被高估和低估,尤其是灌溉方式的影响系数提高明显。
4.2 建议
根据以上研究结论,提出以下几点建议:(1)因地制宜合理引导和安排“水旱轮作—灌溉方式”组合模式。根据地区水资源可获得性、家庭要素禀赋、生产结构和效益,通过市场调整和政府技术引导的方式安排种植户水旱轮作模式和灌溉方式,进而最大程度地提高水资源利用率。在水资源短缺地区可实行蓄水、井水灌溉,轮作作物选择喜水性低的品种,多种方式发挥节水效果。
(2)平原地区强调规模化种植和区域性灌溉,山区注重集约化、精细化灌溉。如成都平原等灌溉用水效率相对高于山区,通过实施规模化种植和区域性灌溉,建立科学化用水制度,完善水利设施建设,可提高其水稻灌溉用水效率。如云南、贵州、重庆等山区应注重蓄水与提水相辅,支持节水设施建设,发展小规模、精细化灌溉,从而达到节水效果。
(3)根据作物生长周期合理安排灌溉用水行为,强化节水意识和技术推广。农户灌溉用水粗放低效现象严重,需要从微观层面对农户用水技术进行科学宣传引导,认识到水资源短缺现状,根据作物生长周期和自然气候条件有效安排灌溉,实现水旱轮作生产模式下最优灌溉决策。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[1] | [J]. [J]. |
[2] | [J]. |
[3] | [J]. [J]. |
[4] | [J]. [J]. |
[5] | [J]. |
[6] | [J]. |
[7] | [J]. [J]. |
[8] | [J]. |
[9] | [C]. |
[10] | [J]. |
[11] | [J]. |
[12] | [J]. |
[13] | [J]. [J]. |
[14] | [J]. [J]. |
[15] | [J]. [J]. |
[16] | [J]. [J]. |
[17] | [J]. [J]. |
[18] | [J]. [J]. |
[19] | [J]. |
[20] | [J]. |
[21] | [J]. |
[22] | [J]. [J]. |
[23] | [J]. [J]. |
[24] | [J]. [J]. |
[25] | [J]. [J]. |
[26] | [J]. |
[27] | [J]. [J]. |
[28] | [J]. [J]. |
[29] | [J]. [J]. |
[30] | [J]. [J]. |
[31] | [J]. |
[32] | [J]. |
[33] | [J]. [J]. |
[34] | [J]. [J]. |
[35] | [J]. |
[36] | [J]. [J]. |