Driving factors and spatiotemporal differentiation of irrigation water use efficiency in China
CHANG Ming, WANG Xiqin,, JIA BaozhenSchool of Agricultural Economics and Rural Development, Renmin University of China, Beijing 100872, China通讯作者:
收稿日期:2019-05-29修回日期:2019-08-19网络出版日期:2019-11-25
基金资助: |
Received:2019-05-29Revised:2019-08-19Online:2019-11-25
作者简介 About authors
常明,男,山东菏泽人,博士生,主要从事资源经济与环境管理研究E-mail:13791907469@163.com。
摘要
关键词:
Abstract
Keywords:
PDF (3864KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
常明, 王西琴, 贾宝珍. 中国粮食作物灌溉用水效率时空特征及驱动因素——以稻谷、小麦、玉米为例. 资源科学[J], 2019, 41(11): 2032-2042 doi:10.18402/resci.2019.11.07
CHANG Ming.
1 引言
粮食安全和水资源安全是影响人类生存和社会发展的重大问题,其中水资源安全又是粮食安全的重要基础[1]。而中国长期以9%的耕地和6%的淡水资源养活了世界上20%的人口,水资源供给与粮食需求的配置明显不均[2];并且,近年来中国粮食主产区逐渐向北方常年灌溉区和补充灌溉区集中,粮食灌溉水资源的胁迫程度在逐渐增加[3]。早有研究者指出,提高水资源利用效率是解决水资源错配的有效途径[4,5]。因而科学地评测中国粮食生产中灌溉用水效率,区分不同作物及地区差异,分析水资源利用效率的驱动因素,对于在粮食水资源错配背景下提出有效的水资源管理建议,具有重要的指导意义。水资源效率的研究主要集中在农业、工业和综合领域[6,7],其中对于农业水资源利用效率的评估研究,从对灌溉水输送和田间利用的工程效率的研究,逐渐转为了对水资源生产力为指标的经济效率研究[8,9,10,11]。其效率评估方法主要为随机前沿分析(SFA)和数据包络分析(DEA)[12,13,14,15,16,17]。SFA通过给定的生产函数估算生产效率,从而评估其技术效率,由于能够有效处理大样本中的异常点问题,因此多用于微观调研数据[18]。夏莲等[19]通过基于Translog生产函数的SFA模型测算了甘肃省民乐县马铃薯种植的灌溉用水效率,认为生产规模的扩大和农户未掌握新品种的种植技术是研究地区马铃薯灌溉用水效率低下的原因;刘维哲等[20]运用基于C-D生产函数的SFA模型得出了陕西关中地区小麦的灌溉用水效率低于生产技术效率,并进一步从个人、家庭、灌溉和耕地特征4个方面判断其影响程度。而DEA是结合运筹学、数理经济学等学科,通过投入和产出对决策单元进行效率评价的非参数统计方法。其优点在于不用对函数形式作出假设,能够避免主观偏误对结果的影响,因而更适合于宏观数据评估[21]。王昕等[22]基于投入导向型DEA,研究得出2003—2010年中国多数地区农业水资源效率较高,且有逐年上升的趋势,并认为随着时间推移,不同省份最终会达到稳定一致的状态;李玲等[23]通过DEA模型分析,得出2005—2015年中国粮食灌溉用水效率也在逐渐升高,且呈现了西部高于东部的态势。而对于水资源利用效率影响因素的探究,多从经济社会发展、自然环境、水利设施建设等方面揭示。李世祥等[4]认为经济发展水平的不同是水资源效率地区差异的主要因素;而丁绪辉等[24]除了探究经济发展水平对水资源效率的驱动外,还分析了自然资源禀赋的影响。杨骞等[25]则认为农田水利设施建设和水资源的丰裕程度对农业水资源效率有显著影响。马剑锋等[26]则认为农业技术的进步和农田水利设施建设不仅能促进本地农业水资源效率的提升,还能对其他地区产生溢出效应。
现有文献对水资源效率的评估及分析可对水资源管理提供参考,但仍有不足。目前大多数研究对于稻谷、小麦等不同粮食灌溉用水效率的评估多是通过实地调研数据,或是仅针对某一区域进行的研究,未能阐明全国整体情况;而通过统计数据对全国整体的探究多为农业或综合水资源效率测算及因素分析,未能细化到某类粮食作物;且现有文献鲜有对不同粮食主产区粮食水资源效率空间差异的分析。因此目前研究对于中国农业及不同粮食作物灌溉用水效率评测和驱动因素的比较研究还不够深入。鉴于此,本文基于2008—2017年中国26个粮食主要生产省(市、自治区)的面板数据,通过投入导向型DEA模型对稻谷、小麦和玉米生产中的灌溉用水效率进行评估,并分析不同粮食作物灌溉用水效率的时间和空间差异,在此基础上运用面板Tobit模型,探究资源环境、农田水利设施和经济社会发展等方面对不同粮食作物灌溉用水效率的驱动,从而对水资源管理政策提供有效建议。
2 研究方法和数据来源
2.1 灌溉用水效率的计算方法
由于本文关注的是水资源投入要素,因此选择投入导向型DEA模型对粮食生产技术效率进行评价分析,得出水资源要素的最优投入量。在此基础上,粮食灌溉用水效率定义为粮食用水的最优投入量与实际值的比值[25,27],公式如下:式中:WEGi,t为i省份t年的3种粮食灌溉用水效率,分别为稻谷、小麦和玉米;IWR i,t为i省份t年的3种粮食作物水资源实际投入量;TWCi,t为i省份t年的3种粮食作物的最优用水投入量,可通过水资源实际投入量与DEA模型计算的水资源投入调整量相减得出。
2.1.1 DEA模型参数设定
以各个省份分别作为决策单元(DMU),假设有n个DMU、m种投入指标和s种产出指标,建立投入导向DEA模型如下:
式中:θ为第k个DMU的综合效率,即生产技术效率,分为稻谷、小麦和玉米;ε为非阿基米德无穷小量;S+和S-分别为投入和产出指标的调整量,
2.1.2 指标体系选取
本文在DEA模型测算中考虑的投入要素包括土地投入量、用工数量、机械畜力费用、种子用量、化肥用量和水资源投入量,产出要素为粮食产值,并将机械畜力费用和粮食产值按2008年基准价格进行平减。指标体系详见表1,而由于稻谷、小麦和玉米的水资源投入量无法从统计年鉴中得出,因此3种粮食作物水资源投入量通过权重系数法[28,29]和3种作物的灌溉系数,从农业水资源投入量中分离得出;其中粮食作物灌溉系数为不同地区某类粮食作物净灌溉需水量与当地主要作物净灌溉平均需水量的比值[30]。各省不同年份粮食作物的水资源投入量计算公式如下:
式中:IAWRi,t为i省份t年的农业水资源投入量;SAGC i,t为i省份t年的3种粮食作物播种面积;SAC i,t为i省份t年的农作物总播种面积;CI i为i省份3种粮食作物的灌溉系数。
Table 1
表1
表1稻谷、小麦和玉米灌溉用水效率测度的投入产出指标体系
Table 1
指标类型 | 指标名称 |
---|---|
投入 | 土地投入量/亩 |
用工数量/标准劳动日 | |
机械畜力费用/元 | |
种子用量/kg | |
化肥用量/kg | |
水资源投入量/亿m3 | |
产出 | 粮食产值/元 |
新窗口打开|下载CSV
2.2 面板数据回归模型设定及变量选取
基于相关文献和数据可得性,本文考察资源环境(降水强度、水资源充裕程度和受灾程度)、农田水利设施(有效灌溉程度、取水设备数量和机械化程度)、经济社会发展(城镇化程度、用水强度和粮食育种技术程度)3个方面对粮食灌溉用水效率的驱动程度。由于本文因变量最低值为0,属于典型截尾数据,采用最小二乘法回归会导致估计偏误,因而选择基于最大似然法的面板Tobit模型。为了避免异方差和多重共线性,对各变量进行取对数处理,具体模型构建如下:式中:β0为回归式的常数项;β1-β9为各自变量的回归系数;εi,t为误差项。其他变量含义解释如下:
PRi,t为i省份t年的降水强度,通过各地区粮食作物种植时间降水总量与需水量的比值表征,作物需水量通过种植面积与作物单位面积需水经验值相乘得出[30];降水强度的多少一方面可能会影响种植户的补充灌溉水量,从而驱动灌溉水的利用效率;另一方面降水也有可能造成涝渍灾害,减少作物产量,从而降低灌溉用水效率。根据不同粮食作物种植季节雨量差异以及灌溉量需求不同,本文假设降雨量对稻谷和小麦灌溉用水效率驱动效应为正,对玉米驱动效应为负。
WEi,t为i省份t年的水资源充裕程度,通过地区水资源总量与种植面积的比值衡量;张力小等[31]认为资源禀赋与资源利用效率之间存在着负相关,即“资源诅咒”效应,因而假设水资源充裕程度与3种粮食灌溉效率驱动效应均为负。
EDi,t表示i省份t年的受灾程度,通过受灾面积(包括干旱、洪涝、风雹和低温等灾害)占种植面积的比重来衡量;干旱和洪涝等灾害均会降低粮食作物的产量,从而降低了生产资料固定投入下的粮食生产效率,因而假定均为负向驱动效应。
ITi,t表示i省份t年的有效灌溉程度,通过该地区有效灌溉面积占种植面积的比重来衡量;该变量表征灌溉工程或设备的配备程度,而由于各地作物、经济发展和自然条件不同,其有效灌溉面积中灌溉方式、工程和节水设施配备也不同,因而应该对各地不同粮食作物的灌溉用水效率造成的驱动影响不同,故驱动效应不确定。
WCFi,t表示i省份t年的取水设备数量,通过该地区农用灌溉电动机和农用灌溉柴油机数量来衡量,该变量表征水源可获取程度,而可获取灌溉水源的增加,会降低种植户对节水灌溉的需求,使灌溉方式更为粗放[14],因此假设取水设备数量对3种粮食灌溉效率驱动效应均为负。
MPi,t表示i省份t年的机械化程度,通过该地区农业机械总动力与种植面积的比值来衡量;机械化程度可以表征粮食耕作和排灌等过程机械的运用程度,机械化的提升应显著提高灌溉用水效率,因此假设均为正向驱动效应。
URi,t表示i省份t年的城镇化程度,通过该地区的城镇人口与总人口的比值来衡量;城镇化程度代表地区的经济发展水平,经济发展水平较高地区对先进灌溉设备接受程度也较高,因此假设对3种粮食灌溉效率驱动效应均为正。
UWi,t表示i省份t年的用水强度,通过该地区的农业用水量与农业人口的比值来衡量;用水强度能表征农户对水资源量的直观感受,随着农户对水资源量的感知提高,则对水的利用效率重视程度会下降[32],因此假设存在负向驱动效应。
AFTi,t表示i省份t年的粮食育种技术程度,通过该地区种子的投入量与产量的比值来衡量;粮食作物通过杂交、抗旱、抗病虫害等育种技术的提升,可以显著提高粮食产量或降低用水量,因此假设均为正向驱动效应。
2.3 数据来源
本文数据来源于《全国农产品成本收益资料汇编》《中国统计年鉴》《中国农村统计年鉴》和国家统计局的“分省年度数据库”。采用了2008—2017年除香港特别行政区、澳门特别行政区、北京市、天津市、上海市、青海省、台湾省、西藏自治区以外的中国26个产粮省(市、自治区)的面板数据。依据《全国农产品成本收益资料汇编》统计,稻谷生产省份共计23个,小麦生产省份共计15个,玉米生产省份共计20个。3 结果及分析
3.1 不同粮食作物灌溉用水效率时间序列变化
通过DEA核算得出中国稻谷、小麦和玉米研究期内平均灌溉用水效率相差较小,其中稻谷最高为0.768,其次玉米为0.717,小麦为0.711,均有较高提升空间。图1展示了2008—2017年间中国稻谷、小麦和玉米灌溉用水效率的时间变化,可以看出稻谷和小麦呈现波动上升趋势,其值从0.579和0.645,上升至0.818和0.765;而玉米的上升幅度较小,呈现了倒“U”型趋势,其值从2008年的0.569先上升至2014年的0.866,在2017年又降至0.637;通过对比不同年份降水量统计,发现2015年和2016年为研究时段的降水丰沛年,玉米灌溉用水效率的倒“U”型趋势可能与降水量突然增多有关。综合来看,粮食灌溉用水效率呈现出震荡上升趋势,与其他研究得出的中国农业用水效率在相近研究期的趋势相同[22,33]。图1
新窗口打开|下载原图ZIP|生成PPT图12008—2017年中国稻谷、小麦和玉米灌溉用水效率
Figure 1Irrigation water use efficiency of rice, wheat, and corn in China, 2008-2017
3.2 不同粮食作物灌溉用水效率空间差异
图2-4为稻谷种植区、小麦种植区和玉米种植区的灌溉用水效率。图2
新窗口打开|下载原图ZIP|生成PPT图22008—2017年不同稻谷种植区域灌溉用水效率
注:参照稻谷种植区划相关研究,本文中东北单季稻区包括省份为黑龙江、吉林和辽宁;西南混合稻区包括省份为四川、重庆、云南和贵州;华中双季稻区包括省份为安徽、江西、湖北、湖南、江苏和浙江;华南双季稻区包括省份为福建、广东、广西和海南;西北单季稻区包括省份为宁夏和内蒙古;华北单季稻区包括省份为河北、河南、山东和陕西。
Figure2Irrigation water use efficiency of rice in different planting regions, 2008-2017
图3
新窗口打开|下载原图ZIP|生成PPT图32008—2017年不同小麦种植区域灌溉用水效率
注:参照小麦种植区划相关研究,本文中东北春麦区包括省份为黑龙江和内蒙古;西北混合麦区包括省份为甘肃、宁夏和新疆;黄淮冬麦区包括省份为河北、河南和山东;长江中下游冬麦区包括省份为江苏、安徽和湖北;西南冬麦区包括省份为四川和云南;北部冬麦区包括省份为山西和陕西。
Figure 3Irrigation water use efficiency of wheat in different planting regions, 2008-2017
图4
新窗口打开|下载原图ZIP|生成PPT图42008—2017年不同玉米种植区域灌溉用水效率
注:参照玉米种植区划相关研究,本文中黄淮夏玉米区包括省份为河北、河南和山东;北方春玉米区包括省份为黑龙江、吉林、辽宁、内蒙古、山西和陕西;西南山地玉米区包括省份为四川、重庆、云南和贵州;南部丘陵玉米区包括省份为江苏、安徽、湖北和广西;西北内陆玉米区包括省份为甘肃、宁夏和新疆。
Figure 4Irrigation water use efficiency of corn in different planting regions, 2008-2017
依据稻谷品种和种植制度差异,结合区域自然、社会条件不同[34],以省级区划为单位将本研究中稻谷生产地区分为东北单季稻区、华中双季稻区、华南双季稻区、西南混合稻区、华北单季稻区和西北单季稻区。图2显示了不同稻区稻谷灌溉用水效率的时间变化趋势,六大稻区均呈现上升趋势,其中华北单季稻区、华中双季稻区和东北单季稻区在研究期内上升幅度高于全国平均水平。表2显示了不同稻区稻谷灌溉用水效率平均值比较结果,其中西南混合稻区(0.939)、东北单季稻区(0.912)、华中双季稻区(0.834)和华北单季稻区(0.768)稻谷灌溉用水效率达到或高于全国平均水平(0.768),华南双季稻区(0.582)和西北单季稻区(0.379)低于全国平均水平。再通过图5a可以看出,全国稻谷灌溉用水效率高值区域中,东北单季稻区内黑龙江效率值最高,区域内各省稻谷灌溉用水效率均大于0.8;西南混合稻区和华中双季稻区则以四川、重庆、云南、湖北、安徽和浙江等长江沿岸省份效率值较高,其中西南混合稻区各省稻谷灌溉用水效率也均大于0.8,但华中双季稻区中江西和江苏低于全国平均水平。而中国稻谷产区主要位于南方丰水地区和东北少数富水地区,并依据各区域在研究期内的稻谷产量,华中双季稻区、华南双季稻区、西南混合稻区和东北单季稻区为中国稻谷的主要产区;结合以上结果说明中国稻谷主产区灌溉用水并未全部达到高效利用,其中华南双季稻区的灌溉用水效率值及增长幅度均落后于全国平均水平,华中双季稻区虽然整体效率值和增长幅度处于全国领先,但其中部分省份的稻谷灌溉用水效率依然落后。
Table 2
表2
表2中国稻谷、小麦和玉米不同种植区灌溉用水效率
Table 2
稻谷 | 小麦 | 玉米 | ||||||||
---|---|---|---|---|---|---|---|---|---|---|
排名 | 区域 | 效率 | 排名 | 区域 | 效率 | 排名 | 区域 | 效率 | ||
1 | 西南混合稻区 | 0.939 | 1 | 东北春麦区 | 0.887 | 1 | 黄淮夏玉米区 | 0.888 | ||
2 | 东北单季稻区 | 0.912 | 2 | 黄淮冬麦区 | 0.855 | 2 | 西南山地玉米区 | 0.857 | ||
3 | 华中双季稻区 | 0.834 | 3 | 西北混合麦区 | 0.731 | 3 | 北方春玉米区 | 0.742 | ||
4 | 华北单季稻区 | 0.768 | 4 | 西南冬麦区 | 0.697 | 4 | 南部丘陵玉米区 | 0.600 | ||
5 | 华南双季稻区 | 0.582 | 5 | 北部冬麦区 | 0.601 | 5 | 西北内陆玉米区 | 0.466 | ||
6 | 西北单季稻区 | 0.379 | 6 | 长江中下游冬麦区 | 0.514 |
新窗口打开|下载CSV
图5
新窗口打开|下载原图ZIP|生成PPT图5全国稻谷、小麦和玉米灌溉用水效率
审图号:GS(2016)2923号
Figure 5Spatial differentiation of irrigation water use efficiency ofrice, wheat, andcorn in China
参照中国小麦种植区划研究[35],并以不分割省际行政区划为原则,本文将小麦生产地区划分为东北春麦区、黄淮冬麦区、长江中下游冬麦区、北部冬麦区、西南冬麦区、西北混合麦区。图3显示了不同小麦生产地区小麦灌溉用水效率的时间变化趋势,各区均呈现明显震荡且上升趋势,其中黄淮冬麦区和西北混合麦区上升幅度高于全国平均水平。表2显示了不同小麦生产区小麦灌溉用水效率平均值比较,其中东北春麦区(0.887)、黄淮冬麦区(0.855)和西北混合麦区(0.731)高于全国平均水平(0.711),西南冬麦区(0.697)、北部冬麦区(0.601)和长江中下游冬麦区(0.514)低于全国平均水平。图5b所示,全国小麦灌溉用水效率高值区域中,东北春麦区内黑龙江效率值最高,区域内其他省份效率值大于0.8;黄淮冬麦区中河南省效率值最高,区域内其他省份效率值也均高于全国平均水平。而中国小麦主产区位于中国秦岭800 mm降水等高线附近及以北的干旱半干旱地区,同时根据各区域在研究期内的小麦产量,认为黄淮冬麦区、长江中下游冬麦区、北部冬麦区、西北混合麦区为小麦主要产区;综上结果,北部冬麦区和长江中下游冬麦区等两处小麦主产区域的灌溉用水效率值及增长幅度还有待提高。依据中国玉米种植区划[36],将玉米生产地区划分为北方春玉米区、黄淮夏玉米区、西南山地玉米区、南部丘陵玉米区、西北内陆玉米区。图4显示了不同玉米生产地区玉米灌溉用水效率的时间变化趋势,各区域均呈现出先升后降的倒“U”趋势,但在研究期内均略微提升,其中西北内陆玉米区提升幅度高于了全国平均水平。表2显示了不同玉米生产区玉米灌溉用水效率平均值比较,其中黄淮夏玉米区(0.888)、西南山地玉米区(0.857)和北方春玉米区(0.742)高于全国平均水平(0.717),南部丘陵玉米区(0.600)和西北内陆玉米区(0.466)低于全国平均水平。图5c所示,全国玉米灌溉用水效率高值区域中,黄淮夏玉米区内河南省效率值最高,区域内各省效率值均大于0.8;西南山地玉米区以重庆和四川效率值较高,其他省份效率值也均高于全国平均水平;北方春玉米区以吉林省效率值最高,而内蒙古和陕西低于全国平均水平。而中国玉米生产以北方春玉米区、黄淮夏玉米区和西南山地玉米区为主,结合上述结果说明了中国玉米主产区的灌溉用水效率基本超过了全国平均水平,但北方春玉米区中部分主产省份效率值还较低,目前各区域玉米灌溉用水效率主要问题为不同年份波动较大。
3.3 不同粮食作物灌溉用水效率驱动因素分析
面板Tobit模型需要对数据中是否存在个体效应进行检验,从而判断应使用固定效应还是随机效应估计。表3中LR检验结果显示,稻谷、小麦和玉米均存在个体效应,因而使用随机效应面板Tobit模型。3种粮食作物灌溉用水效率的影响参数估计见表3所示,模型均通过显著性检验(Wald=183.86、p<0.01;Wald=26.84、p<0.01;Wald=75.66、p<0.01),说明模型整体拟合效果较好。Table 3
表3
表3中国稻谷、小麦和玉米灌溉用水效率驱动因素
Table 3
变量名称 | 稻谷 | 小麦 | 玉米 | |
---|---|---|---|---|
资源环境 | 降水强度 | -0.0919 | -0.00156 | -0.131* |
(0.0788) | (0.0833) | (0.0804) | ||
水资源充裕程度 | 0.0712 | 0.0190 | 0.220*** | |
(0.0701) | (0.0837) | (0.0810) | ||
灾害程度 | -0.0887 | -0.219* | -0.201* | |
(0.0630) | (0.116) | (0.108) | ||
农田水利设施 | 有效灌溉程度 | -0.498** | 0.398 | -0.283 |
(0.194) | (0.315) | (0.248) | ||
取水设备数量 | -0.0472 | -0.0999 | 0.0884 | |
(0.113) | (0.117) | (0.106) | ||
机械化程度 | 0.137 | 0.126 | 0.344** | |
(0.107) | (0.132) | (0.142) | ||
经济社会发展 | 城镇化 | 2.501*** | 0.892** | 0.265 |
(0.258) | (0.382) | (0.328) | ||
用水强度 | -0.560*** | -0.265 | -0.394*** | |
(0.153) | (0.193) | (0.145) | ||
粮食育种技术 | 0.286*** | 0.308 | 0.619*** | |
(0.0963) | (0.192) | (0.144) | ||
LR检验 | 197.25*** | 70.17*** | 75.70*** | |
Wald值 | 183.86*** | 26.84*** | 75.66*** |
新窗口打开|下载CSV
通过资源环境变量对3种粮食作物灌溉用水效率的驱动作用来看,资源环境的变化更易驱动玉米灌溉用水效率。
表3具体显示,降水强度与稻谷和小麦灌溉用水效率未通过显著性检验,与玉米呈现负相关关系,且通过了10%水平下显著性检验。这说明了降水强度并没有显著影响稻谷和小麦的灌溉用水效率,这可能因为与玉米相比,稻谷和小麦对降水依赖性较小,更依靠人工灌溉[37]。而目前北方地区普及的灌溉系统和南方地区充沛的降雨已经能满足玉米对水资源的需求,而过量降雨会导致玉米因涝减产,从而拉低了玉米灌溉用水效率,这与已有研究的结论一致[38]。水资源充裕程度与3种粮食灌溉用水效率均为正相关,但仅与玉米通过1%水平下显著性检验,与前文假设不同。这可能是由于人均水资源占有量仅能代表理论上的水资源的丰裕程度,与种植户的用水感受不一定匹配,无法体现种植户对水资源稀缺性的感知程度,从而对稻谷和小麦这类比较依赖灌溉的粮食作物没有显著性影响;但对于玉米这种不太依赖灌溉的作物,人均水资源较多的地区,土壤含水量往往较高,对灌溉的需求程度会更低,从而正向驱动了水资源利用效率。灾害程度与3种作物灌溉用水效率呈负相关,且小麦和玉米通过了10%水平的显著性检验,与预期方向一致。这说明了旱涝等自然灾害会减少粮食作物的产量,进而导致粮食生产水资源使用效率的降低,而干旱灾害在各种灾害中发生频率最高且对粮食作物减产影响最大[39],导致中国北方农业气象受灾情况更为严重[40],因而对小麦和玉米的影响更为显著,而玉米除了会受旱灾影响外,因生长期存在较多降雨,其洪涝灾害对其产量影响也较为严重。
农田水利设施变量对3种粮食作物灌溉用水效率的驱动方向和作用程度差异较大。
表3显示出,有效灌溉程度与稻谷和玉米灌溉用水效率呈负向相关关系,与小麦呈现正向相关关系,但仅有稻谷通过了5%水平下显著性检验。这说明了中国有效灌溉设施建设的持续增加,虽然提供了更稳定的灌溉条件,但由于不同地区节水技术水平发展各异,因而造成了其影响结果不同。如中国北方很多缺水地区已经普及管道输水小畦灌溉,从而对小麦灌溉用水效率产生正向驱动,但效果尚未十分显著;而南方水稻种植区由于水资源较为丰富,对节水灌溉的需求较低,有效灌溉面积的增加虽然提供了更方便的灌溉,但由于节水灌溉程度较低,因而造成与稻谷灌溉用水效率的负向关系;而玉米可能由于所需灌溉水量较少,因此与有效灌溉程度未有显著性关系。取水设备数量与稻谷和玉米灌溉用水效率呈负相关,与小麦呈正相关,但均未通过显著性检验。水源可获取程度的提高为粮食生产提供更加丰富的水资源,但同样由于节水技术水平不同,因而驱动方向与有效灌溉程度一致。机械化程度与3种粮食灌溉用水效率均呈正相关,与前文预期一致,但只有玉米通过了5%水平的显著性检验。说明了农业机械化的发展对粮食水资源利用效率改善存在促进作用。由于玉米灌溉用水效率更易受降水强度和旱涝灾害影响,而农业机械在抗旱排涝和保证粮食生产中发挥着重要作用,因此机械化程度对玉米灌溉用水效率的正向驱动更为显著。
经济社会发展变量对3种粮食作物灌溉用水效率均有较大驱动作用,具体内容表3所示。
城镇化程度与3种粮食灌溉用水效率均呈正相关,且稻谷和小麦通过了1%水平的显著性检验,与假设方向一致。表明经济发展程度较高的地区,种植户往往能够接受更先进的灌溉方式,从而提升了稻谷和小麦的灌溉用水效率。而玉米同样由于对灌溉水依赖小,因而不显著。用水强度与稻谷、小麦和玉米的灌溉用水效率均呈负相关,且稻谷和玉米通过了1%水平的显著性检验,和前文预期一致。人均农业用水量越多的地区,代表种植户可使用的水资源量越丰富,其对水资源量的感知便会越高,在粮食生产过程中对水利用效率的重视程度便会越低,对提升水利用效率技术的开发需求也越低,其技术的发展往往较为滞后[24,41],因而呈现负相关关系。粮食育种技术程度与3种粮食灌溉用水效率均呈正相关,且稻谷和玉米分别通过了10%和1%水平的显著性检验,与前文假设方向一致。可见粮食作物新品种的培育和推广是提升灌溉用水效率的重要推动因素,如水稻的杂交矮化培育、玉米的抗病害培育等均有效提高了粮食作物的产量。而小麦育种技术程度与灌溉用水效率不显著,可能是由于目前小麦种植区大力推广节水抗旱小麦[42],节水抗旱小麦虽然性状表现抗旱,可以节约灌溉水量,但产量低于普通小麦,从而导致回归结果不显著。
4 结论及政策建议
4.1 结论
本文运用投入导向型DEA模型对2008—2017年中国26个产粮省(市、自治区)稻谷、小麦和玉米灌溉用水效率的时空特征进行了测度分析,进而采用面板Tobit模型探讨了3种粮食作物灌溉用水效率驱动因素差异,得到以下结论:(1)研究期内,中国稻谷、小麦和玉米的灌溉用水效率均有较大提升空间。其中,稻谷和小麦灌溉用水效率呈现波动上升趋势,而玉米则呈现倒“U”型趋势。
(2)中国稻谷和小麦部分主产区灌溉用水效率未达到高效利用,其中华南双季稻区、北部冬麦区和长江中下游冬麦区的灌溉用水效率及增长幅度均落后于全国平均水平,华中双季稻区中部分省份的稻谷灌溉用水效率也较低。除北方春玉米区中部分主产省份效率值较低外,玉米主产区的灌溉用水效率基本超过了全国平均水平,各区域玉米灌溉用水效率主要问题为波动较大。
(3)资源环境的变化更易驱动玉米灌溉用水效率;现有节水灌溉条件下农田水利设施变量对不同粮食作物灌溉用水效率的驱动作用差异较大;经济社会发展对3种粮食作物灌溉用水效率均有较大驱动力。其中,稻谷灌溉用水效率正向驱动因素主要为城镇化和粮食育种技术,负向驱动因素主要为有效灌溉程度和用水强度;小麦灌溉用水效率正向驱动因素主要为城镇化,负向驱动因素主要为灾害程度;玉米灌溉用水效率正向驱动因素主要为水资源充裕程度、机械化程度和粮食育种技术,负向驱动因素主要为降水强度、灾害程度和用水强度。
4.2 政策建议
基于以上结论,本文根据3种粮食作物及不同区域灌溉用水效率和驱动因素的差异,以提升用水效率为目标,提出以下政策建议:(1)鉴于北部冬麦区、长江中下游冬麦区和华南双季稻区等粮食主产区灌溉用水效率较低,应针对相应低效区域,建立水资源量动态监测系统,通过电视、广播、手机等传统或新媒介播报,提升农户对灌溉水资源稀缺的认知和节水意识;加大节水灌溉工程建设力度,在推进粮食规模化种植基础上推广喷灌、滴灌等节水灌溉技术。此外,提升稻谷灌溉用水效率,还应继续推进“科技兴农,良种先行”政策,加大粮食育种科研投入,以“节水高产”为育种方向和选育目标,提升单位水量的粮食产出。
(2)鉴于玉米灌溉用水效率易受气象环境等因素影响,在不同年份波动较大,应通过政府引导建立农业大数据平台,发展农业气象灾害预报服务,准确调整玉米在洪涝或干旱发生前的灌溉水量,避免因水资源投入过量或过少造成粮食减产,防范玉米灌溉用水效率因降水等气象因素突然下降。此外,加大粮食生产机械化补贴政策力度,以“农机化示范区”示范引领等方式,提升农业机械装备水平,也可作为显著提升玉米灌溉用水效率的有效措施。
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
[J]. ,
Magsci [本文引用: 1]
水资源生态安全和粮食安全的共同实现是农业可持续发展所追求的目标,准确判断中国双重安全的程度对于调整水资源利用模式乃至转变农业发展方式具有重要的指导价值。本文在分析水资源生态安全和粮食安全内涵、特征和关系的基础上,构建了水资源生态安全和粮食安全评价指标体系,通过对1997年-2006年中国水资源生态安全和粮食安全PSR(压力、状态及响应指标体系)的动态变化分析,发现中国粮食安全呈现稳定上升趋势,水资源生态安全呈下降趋势。粮食安全状态(S)指标与响应(R)指标之间存在高度耦合性,在压力(P)不减的情况下,粮食安全水平保持较强的增长势头。水资源生态安全中压力(P)与状态(S)指标存在耦合性,响应(R)指标呈现大幅增长,但干预效果不显著,需进一步加大资金投入力度并改变调适政策。
[J].
Magsci [本文引用: 1]
水资源生态安全和粮食安全的共同实现是农业可持续发展所追求的目标,准确判断中国双重安全的程度对于调整水资源利用模式乃至转变农业发展方式具有重要的指导价值。本文在分析水资源生态安全和粮食安全内涵、特征和关系的基础上,构建了水资源生态安全和粮食安全评价指标体系,通过对1997年-2006年中国水资源生态安全和粮食安全PSR(压力、状态及响应指标体系)的动态变化分析,发现中国粮食安全呈现稳定上升趋势,水资源生态安全呈下降趋势。粮食安全状态(S)指标与响应(R)指标之间存在高度耦合性,在压力(P)不减的情况下,粮食安全水平保持较强的增长势头。水资源生态安全中压力(P)与状态(S)指标存在耦合性,响应(R)指标呈现大幅增长,但干预效果不显著,需进一步加大资金投入力度并改变调适政策。
[J]. ,
DOI:10.18402/resci.2019.01.08Magsci [本文引用: 1]
<p>本文以提高农业用水有效性为指导思想,提出“农业水贫困”概念,基于农业水贫困概念界定和评价指标体系构建的基础上,利用POME-两级模糊模式识别模型测度2000—2016年中国30个省(市)农业水贫困指数,借助探索性时空数据分析(ESTDA),从时空耦合视角分析其空间格局动态性。研究发现:中国虽然存在较严重的农业水贫困问题,但是大部分省(市)的农业水贫困程度呈缓解趋势;各省(市)大部分年份的农业水贫困具有显著的空间负相关性,空间差异呈逐渐扩大趋势;相对于西南地区,华南地区和华东地区具有更加动态的局部空间结构;东北地区和西北地区的时空依赖效应较弱;农业水贫困空间格局具有较强的空间整合性,协同高增长的省(市)主要分布在华东地区和华南地区,协同低增长的省(市)主要分布在北部地区;各省(市)农业水贫困的局部空间联动性较弱,空间集聚性存在相对较高的路径锁定特征。此外,提出了降低农业水贫困的对策建议,为中国农业水资源管理和可持续发展提供借鉴。</p>
[J].
DOI:10.18402/resci.2019.01.08Magsci [本文引用: 1]
<p>本文以提高农业用水有效性为指导思想,提出“农业水贫困”概念,基于农业水贫困概念界定和评价指标体系构建的基础上,利用POME-两级模糊模式识别模型测度2000—2016年中国30个省(市)农业水贫困指数,借助探索性时空数据分析(ESTDA),从时空耦合视角分析其空间格局动态性。研究发现:中国虽然存在较严重的农业水贫困问题,但是大部分省(市)的农业水贫困程度呈缓解趋势;各省(市)大部分年份的农业水贫困具有显著的空间负相关性,空间差异呈逐渐扩大趋势;相对于西南地区,华南地区和华东地区具有更加动态的局部空间结构;东北地区和西北地区的时空依赖效应较弱;农业水贫困空间格局具有较强的空间整合性,协同高增长的省(市)主要分布在华东地区和华南地区,协同低增长的省(市)主要分布在北部地区;各省(市)农业水贫困的局部空间联动性较弱,空间集聚性存在相对较高的路径锁定特征。此外,提出了降低农业水贫困的对策建议,为中国农业水资源管理和可持续发展提供借鉴。</p>
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
Magsci [本文引用: 1]
效用问题是农业水资源利用的关键和核心.构建科学合理的指标体系评价农业水资源利用效用对于实现农业水资源持续高效利用有着重要的意义.国内外对水资源利用效用评价的理论和方法研究经历了由单一的用水效率评价向以效率和效益有机结合为特征的效用评价的发展历程,其评价尺度也从最初的作物或田间等微观尺度向灌区、流域、国家乃至全球等中观和宏观尺度发展.未来农业水资源利用效用评价研究发展的重点,将集中在建立基于不同尺度水平衡观点上的农业水资源利用效用评价指标体系以及不同尺度指标的尺度效应及转换等方面.
[J].
Magsci [本文引用: 1]
效用问题是农业水资源利用的关键和核心.构建科学合理的指标体系评价农业水资源利用效用对于实现农业水资源持续高效利用有着重要的意义.国内外对水资源利用效用评价的理论和方法研究经历了由单一的用水效率评价向以效率和效益有机结合为特征的效用评价的发展历程,其评价尺度也从最初的作物或田间等微观尺度向灌区、流域、国家乃至全球等中观和宏观尺度发展.未来农业水资源利用效用评价研究发展的重点,将集中在建立基于不同尺度水平衡观点上的农业水资源利用效用评价指标体系以及不同尺度指标的尺度效应及转换等方面.
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
Magsci [本文引用: 2]
作物需水量和灌溉需水量的时空分布是科学地制定不同地区灌溉用水定额的依据。该文基于全国范围200多个气象站近30 a逐日的气象资料和不同地区作物生育阶段的调查统计资料,采用FAO推荐的Penman-Monteith方法和作物系数法,计算了30种作物的需水量和净灌溉需水量,并用各地灌溉试验站的实测资料进行了检验。利用GIS的空间分析功能,采用反距离加权插值法得到主要作物多年平均作物需水量与净灌溉需水量的等值线图。选择种植面积最广的小麦、玉米、棉花和水稻4种作物,分析其作物需水量与净灌溉需水量的空间分布特征,得到不同地区主要作物的灌溉需求指数。研究表明:中国东北区、长江中下游区、华南区、川渝区和云贵区平均灌溉需求指数小于0.5,作物对灌溉的需求比较低;华北区、蒙宁区和晋陕甘区旱作物30%~50%的需水靠灌溉补充,水稻55%~80%的需水依靠灌溉;新疆地区主要作物的灌溉需求指数均在0.7以上,农业的发展完全依赖于灌溉。
[J].
Magsci [本文引用: 2]
作物需水量和灌溉需水量的时空分布是科学地制定不同地区灌溉用水定额的依据。该文基于全国范围200多个气象站近30 a逐日的气象资料和不同地区作物生育阶段的调查统计资料,采用FAO推荐的Penman-Monteith方法和作物系数法,计算了30种作物的需水量和净灌溉需水量,并用各地灌溉试验站的实测资料进行了检验。利用GIS的空间分析功能,采用反距离加权插值法得到主要作物多年平均作物需水量与净灌溉需水量的等值线图。选择种植面积最广的小麦、玉米、棉花和水稻4种作物,分析其作物需水量与净灌溉需水量的空间分布特征,得到不同地区主要作物的灌溉需求指数。研究表明:中国东北区、长江中下游区、华南区、川渝区和云贵区平均灌溉需求指数小于0.5,作物对灌溉的需求比较低;华北区、蒙宁区和晋陕甘区旱作物30%~50%的需水靠灌溉补充,水稻55%~80%的需水依靠灌溉;新疆地区主要作物的灌溉需求指数均在0.7以上,农业的发展完全依赖于灌溉。
[J]. ,
DOI:10.11849/zrzyxb.2010.08.001Magsci [本文引用: 1]
论文将研究的视点从关注资源禀赋与经济发展的关系,转向资源禀赋对资源利用效率的影响上,选取了中国大陆31个省(自治区、直辖市,未计算香港、澳门地区)2008年能源和水资源的面板数据,力图用统计模型来验证资源禀赋对资源利用效率存在负相关作用的假说,即资源越丰富的地区,对该种资源使用效率往往越低。研究发现:资源禀赋对资源利用效率存在显著的逆向影响,资源的"诅咒"效应不仅作用于区域经济发展上,也同样作用于资源利用效率上;然而,不同于经济诅咒,资源禀赋与资源利用效率之间的这种负相关关系在分散型资源上体现更加明显。对区域资源禀赋与资源利用效率之间影响关系与作用机制更深入的研究将为科学、高效的资源管理政策提供理论支持。
[J].
DOI:10.11849/zrzyxb.2010.08.001Magsci [本文引用: 1]
论文将研究的视点从关注资源禀赋与经济发展的关系,转向资源禀赋对资源利用效率的影响上,选取了中国大陆31个省(自治区、直辖市,未计算香港、澳门地区)2008年能源和水资源的面板数据,力图用统计模型来验证资源禀赋对资源利用效率存在负相关作用的假说,即资源越丰富的地区,对该种资源使用效率往往越低。研究发现:资源禀赋对资源利用效率存在显著的逆向影响,资源的"诅咒"效应不仅作用于区域经济发展上,也同样作用于资源利用效率上;然而,不同于经济诅咒,资源禀赋与资源利用效率之间的这种负相关关系在分散型资源上体现更加明显。对区域资源禀赋与资源利用效率之间影响关系与作用机制更深入的研究将为科学、高效的资源管理政策提供理论支持。
[J]. ,
DOI:10.18402/resci.2019.01.09Magsci [本文引用: 1]
<p>本文将水资源稀缺性感知划分为水量短缺认知、水位下降认知、风险认知、机井使用感受和灌溉感受五个维度,利用华北井灌区1168户农户户主的调查数据,运用边际结构模型(MSM)逆向概率加权(IPW)估计方法剔除气候、资源禀赋等伪关联因素的影响,实证分析了水资源稀缺性感知对农户地下水资源利用效率的影响机制。结果发现:稀缺性感知影响地下水利用效率既有直接影响也有间接影响,其中间接影响发挥作用更大。直接影响是通过水量短缺认知和水位下降认知来实现的,即认知水平越高,地下水利用效率越高。稀缺性感知通过影响超采行为、节水技术采用行为和水利设施维护等投入行为决策间接作用于地下水利用效率,且风险认知、灌溉感受和行为决策间存在交互效应。风险认知水平高导致超采行为频发,降低地下水利用效率;灌溉感受越差的农户水利设施维护动力越强烈,从而提高地下水利用效率;节水技术采用行为有利于实现地下水的高效利用。</p>
[J].
DOI:10.18402/resci.2019.01.09Magsci [本文引用: 1]
<p>本文将水资源稀缺性感知划分为水量短缺认知、水位下降认知、风险认知、机井使用感受和灌溉感受五个维度,利用华北井灌区1168户农户户主的调查数据,运用边际结构模型(MSM)逆向概率加权(IPW)估计方法剔除气候、资源禀赋等伪关联因素的影响,实证分析了水资源稀缺性感知对农户地下水资源利用效率的影响机制。结果发现:稀缺性感知影响地下水利用效率既有直接影响也有间接影响,其中间接影响发挥作用更大。直接影响是通过水量短缺认知和水位下降认知来实现的,即认知水平越高,地下水利用效率越高。稀缺性感知通过影响超采行为、节水技术采用行为和水利设施维护等投入行为决策间接作用于地下水利用效率,且风险认知、灌溉感受和行为决策间存在交互效应。风险认知水平高导致超采行为频发,降低地下水利用效率;灌溉感受越差的农户水利设施维护动力越强烈,从而提高地下水利用效率;节水技术采用行为有利于实现地下水的高效利用。</p>
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[D]. ,
[本文引用: 1]
[D]. ,
[本文引用: 1]
[J]. ,
DOI:10.7606/j.issn.1009-1041.2010.05.019Magsci [本文引用: 1]
为了更好地使小麦区划为中国小麦科学研究和生产服务,在进行大量调查研究和搜集资料的前提下,结合作者多年进行小麦栽培技术研究的成果和生产实践经验,在前人研究的基础上,进行中国小麦区划研究。结果表明,将中国小麦种植区域划分为4个主区,即:北方冬(秋播)麦区、南方冬(秋播)麦区、春(播)麦区和冬春兼播麦区。进一步划分为10个亚区,即:北部冬(秋播)麦区、黄淮冬(秋播)麦区、长江中下游冬(秋播)麦区、西南冬(秋播)麦区、华南冬(晚秋播)麦区、东北春(播)麦区、北部春(播)麦区、西北春(播)麦区、新疆冬春兼播麦区和青藏春冬兼播麦区。并对各区的地理范围、气候条件、土壤类型、种植制度、小麦生产情况、病虫害发生情况及小麦生产技术要求进行了简要论述。
[J].
DOI:10.7606/j.issn.1009-1041.2010.05.019Magsci [本文引用: 1]
为了更好地使小麦区划为中国小麦科学研究和生产服务,在进行大量调查研究和搜集资料的前提下,结合作者多年进行小麦栽培技术研究的成果和生产实践经验,在前人研究的基础上,进行中国小麦区划研究。结果表明,将中国小麦种植区域划分为4个主区,即:北方冬(秋播)麦区、南方冬(秋播)麦区、春(播)麦区和冬春兼播麦区。进一步划分为10个亚区,即:北部冬(秋播)麦区、黄淮冬(秋播)麦区、长江中下游冬(秋播)麦区、西南冬(秋播)麦区、华南冬(晚秋播)麦区、东北春(播)麦区、北部春(播)麦区、西北春(播)麦区、新疆冬春兼播麦区和青藏春冬兼播麦区。并对各区的地理范围、气候条件、土壤类型、种植制度、小麦生产情况、病虫害发生情况及小麦生产技术要求进行了简要论述。
[J]. ,
DOI:10.3864/j.issn.0578-1752.2017.11.002Magsci [本文引用: 1]
【<span>目的】合理增加种植密度是国内外玉米增产的重要途径,但合理的密植范围受资源条件、品种和种植技术共同影响。研究旨在分析中国玉米种植密度的现状及其在不同区域、不同年份的变化,辨析玉米产量提升途径,为明确未来技术发展方向和应对措施提供依据。【方法】研究整理了<span>2005—2016年间全国农业科技入户示范工程和国家玉米产业技术体系示范县测产调研数据,包括北方春玉米区、黄淮海夏玉米区、西北玉米区、西南玉米区以及南方甜、糯玉米区共5大玉米产区,累计调研23个省(区)、267个县(市),共117 960份调查数据,以测产调研的收获株数分析中国玉米种植密度的变化情况。经过数据审核订正,各县市逐年农户数据平均代表该县(市)逐年种植密度,缺失数据利用5点平滑插值法插值补缺。根据区域环境资源条件及种植模式,将玉米主要产区细分为25个典型生态区域,以县(市)为单位分析玉米主要产区及其生态区域的种植密度和变化规律。研究运用箱形分析法和Tukey</span></span>’s HSD法比较各区域种植密度差异及其显著性;将各区域种植密度与年代进行回归,分析种植密度年际变化趋势及其显著性。【结果】分析表明,目前(<span>2014—2016年</span>),<span>5大玉米产区和25个<span>生态区域</span>种植密度存在明显差异。种植密度由高到低依次为西北玉米区(6.77万株/hm<sup>2</sup></span>)>黄淮海夏玉米区(<span>6.19万株<span>/hm<sup>2</sup></span>)</span>>北方春玉米区(<span>5.91万株/hm<sup>2</sup>)</span>>南方甜糯玉米区(<span>5.13万株/hm<sup>2</sup>)</span>>西南玉米区(<span>4.80万株/hm<sup>2</sup>),西北玉米区种植密度极显著高于其他主产区,而南方甜糯玉米区与西南玉米区种植密度极显著低于其他主产区。各主要产区种植密度变化情况存在明显差异。北方春玉米区种植密度2005—2016期间呈极显著增长,<span>12年间上升了1.5</span><span><span>万株<span>/hm<sup>2</sup></span></span></span>;黄淮海夏玉米区2005—2009年种植密度明显上升,2009年后种植密度稳定在6.2万株/hm<sup>2</sup>左右;西北玉米区自2009年以来始终是种植密度最高的产区,2013年达到阶段性顶峰,近年没有继续突破。西南玉米区2009—2016年种植密度维持在4.80万株/hm<sup>2</sup>左右,与其他主产区种植密度差距在不断加大;南方甜、糯玉米区的种植密度自2009年以来下降趋势明显。【结论】中国玉米种植密度在主产区之间、主产区内不同生态区域之间的现状和发展趋势并不均衡,整体上呈现北高南低的态势,虽然区域环境条件是决定种植密度的关键因素,但合理的耕作栽培技术和适宜的耐密品种是克服资源限制、提高种植密度的途径。进一步辨析促进和限制区域种植密度发展的资源环境、品种与栽培技术因素,能够为各区域构建密植增产技术模式提供理论支持</span>。
[J].
DOI:10.3864/j.issn.0578-1752.2017.11.002Magsci [本文引用: 1]
【<span>目的】合理增加种植密度是国内外玉米增产的重要途径,但合理的密植范围受资源条件、品种和种植技术共同影响。研究旨在分析中国玉米种植密度的现状及其在不同区域、不同年份的变化,辨析玉米产量提升途径,为明确未来技术发展方向和应对措施提供依据。【方法】研究整理了<span>2005—2016年间全国农业科技入户示范工程和国家玉米产业技术体系示范县测产调研数据,包括北方春玉米区、黄淮海夏玉米区、西北玉米区、西南玉米区以及南方甜、糯玉米区共5大玉米产区,累计调研23个省(区)、267个县(市),共117 960份调查数据,以测产调研的收获株数分析中国玉米种植密度的变化情况。经过数据审核订正,各县市逐年农户数据平均代表该县(市)逐年种植密度,缺失数据利用5点平滑插值法插值补缺。根据区域环境资源条件及种植模式,将玉米主要产区细分为25个典型生态区域,以县(市)为单位分析玉米主要产区及其生态区域的种植密度和变化规律。研究运用箱形分析法和Tukey</span></span>’s HSD法比较各区域种植密度差异及其显著性;将各区域种植密度与年代进行回归,分析种植密度年际变化趋势及其显著性。【结果】分析表明,目前(<span>2014—2016年</span>),<span>5大玉米产区和25个<span>生态区域</span>种植密度存在明显差异。种植密度由高到低依次为西北玉米区(6.77万株/hm<sup>2</sup></span>)>黄淮海夏玉米区(<span>6.19万株<span>/hm<sup>2</sup></span>)</span>>北方春玉米区(<span>5.91万株/hm<sup>2</sup>)</span>>南方甜糯玉米区(<span>5.13万株/hm<sup>2</sup>)</span>>西南玉米区(<span>4.80万株/hm<sup>2</sup>),西北玉米区种植密度极显著高于其他主产区,而南方甜糯玉米区与西南玉米区种植密度极显著低于其他主产区。各主要产区种植密度变化情况存在明显差异。北方春玉米区种植密度2005—2016期间呈极显著增长,<span>12年间上升了1.5</span><span><span>万株<span>/hm<sup>2</sup></span></span></span>;黄淮海夏玉米区2005—2009年种植密度明显上升,2009年后种植密度稳定在6.2万株/hm<sup>2</sup>左右;西北玉米区自2009年以来始终是种植密度最高的产区,2013年达到阶段性顶峰,近年没有继续突破。西南玉米区2009—2016年种植密度维持在4.80万株/hm<sup>2</sup>左右,与其他主产区种植密度差距在不断加大;南方甜、糯玉米区的种植密度自2009年以来下降趋势明显。【结论】中国玉米种植密度在主产区之间、主产区内不同生态区域之间的现状和发展趋势并不均衡,整体上呈现北高南低的态势,虽然区域环境条件是决定种植密度的关键因素,但合理的耕作栽培技术和适宜的耐密品种是克服资源限制、提高种植密度的途径。进一步辨析促进和限制区域种植密度发展的资源环境、品种与栽培技术因素,能够为各区域构建密植增产技术模式提供理论支持</span>。
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
Magsci [本文引用: 1]
通过分析1981-2006年温度、降水、辐射各气象因子变化对中国玉米调查产量变化的影响,尝试剥离和评估各气象因子变化对中国玉米产量的影响。结果表明:1981-2006年玉米生育期内,中国绝大部分玉米种植区,日平均气温、日均最高温度、日均最低温度均表现为显著升高(全国尺度,平均每10年依次升高了0.39℃、0.37℃和0.40℃),日较差、降水和辐射则仅在部分地区表现出显著变化,且有增有减,因区域而表现不同。 1981-2006年期间,中国玉米平均产量变化与生育期内平均温度变化,最高温度和最低温度变化之间,具有显著的线性负相关关系。部分地区的玉米产量变化还与日较差、辐射、降水变化存在显著线性相关关系。与基准年份1981年相比,米生育期内平均温度每上升1℃、日较差每下降1℃、辐射每下降10%和降雨总量每下降10%,对中国部分地区玉米产量影响显著。其中,生育期平均温度每上升1℃对玉米产量影响最大,相较其他因子而言,产量下降的区域(约25.1%)和变化幅度(平均约为?21.6%)都达到最大。1981-2006年,不同气候因子变化在各区域玉米产量的变化中作用有所差异,其中平均温度作为对产量影响的主导因子所占的区域比例最大(约为40%),其次是日较差(23%),而辐射和降水则比例相当,均接近20%。该研究为进一步开展气候变化对玉米产量的影响机制研究和政府部门进行气候变化条件下玉米产量预测、风险评估和制定相关应对措施提供参考。
[J].
Magsci [本文引用: 1]
通过分析1981-2006年温度、降水、辐射各气象因子变化对中国玉米调查产量变化的影响,尝试剥离和评估各气象因子变化对中国玉米产量的影响。结果表明:1981-2006年玉米生育期内,中国绝大部分玉米种植区,日平均气温、日均最高温度、日均最低温度均表现为显著升高(全国尺度,平均每10年依次升高了0.39℃、0.37℃和0.40℃),日较差、降水和辐射则仅在部分地区表现出显著变化,且有增有减,因区域而表现不同。 1981-2006年期间,中国玉米平均产量变化与生育期内平均温度变化,最高温度和最低温度变化之间,具有显著的线性负相关关系。部分地区的玉米产量变化还与日较差、辐射、降水变化存在显著线性相关关系。与基准年份1981年相比,米生育期内平均温度每上升1℃、日较差每下降1℃、辐射每下降10%和降雨总量每下降10%,对中国部分地区玉米产量影响显著。其中,生育期平均温度每上升1℃对玉米产量影响最大,相较其他因子而言,产量下降的区域(约25.1%)和变化幅度(平均约为?21.6%)都达到最大。1981-2006年,不同气候因子变化在各区域玉米产量的变化中作用有所差异,其中平均温度作为对产量影响的主导因子所占的区域比例最大(约为40%),其次是日较差(23%),而辐射和降水则比例相当,均接近20%。该研究为进一步开展气候变化对玉米产量的影响机制研究和政府部门进行气候变化条件下玉米产量预测、风险评估和制定相关应对措施提供参考。
[J]. ,
DOI:10.11867/j.issn.1001-8166.2014.01-0080Magsci [本文引用: 1]
<p>干旱是全球影响最广泛的自然灾害,给人类带来了巨大的危害,近百年气候显著变暖使干旱灾害及其风险问题更加突出。目前,对干旱和干旱灾害风险的内在规律理解并不全面,对气候变暖背景下干旱和干旱灾害风险的表现特征认识也比较模糊。在系统总结国内外已有干旱和干旱灾害风险研究成果的基础上,归纳了干旱灾害传递过程的基本规律及干旱灾害的本质特征,综合分析了干旱灾害风险关键要素的主要特点及其相互作用关系,讨论了气候变暖对干旱和干旱灾害风险的影响特点,探讨了干旱灾害风险管理的基本要求。在此基础上,提出了干旱灾害防御的主要措施及干旱灾害风险管理的重点策略。</p>
[J].
DOI:10.11867/j.issn.1001-8166.2014.01-0080Magsci [本文引用: 1]
<p>干旱是全球影响最广泛的自然灾害,给人类带来了巨大的危害,近百年气候显著变暖使干旱灾害及其风险问题更加突出。目前,对干旱和干旱灾害风险的内在规律理解并不全面,对气候变暖背景下干旱和干旱灾害风险的表现特征认识也比较模糊。在系统总结国内外已有干旱和干旱灾害风险研究成果的基础上,归纳了干旱灾害传递过程的基本规律及干旱灾害的本质特征,综合分析了干旱灾害风险关键要素的主要特点及其相互作用关系,讨论了气候变暖对干旱和干旱灾害风险的影响特点,探讨了干旱灾害风险管理的基本要求。在此基础上,提出了干旱灾害防御的主要措施及干旱灾害风险管理的重点策略。</p>
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]