基于環境績效的長江經濟帶工業用水效率

羅偉峰,王保乾

(河海大學商學院,江蘇 南京 210098)

基于環境績效的長江經濟帶工業用水效率

羅偉峰,王保乾

(河海大學商學院,江蘇 南京 210098)

使用2005—2014年長江經濟帶11個省(市)的面板數據,基于投入導向的超效率DEA-CCR模型,測算含有非合意產出的全要素工業水資源利用率,利用Malmquist指數對全要素工業水資源利用率進行分解,分析工業水資源利用率提高和降低的主要影響因素,對全要素工業水資源利用率進行收斂性分析,判斷各地區工業水資源利用率差異的變化趨勢。研究結果表明:不同省(市)工業水資源利用率差距明顯,下游地區最高,中游地區最低;2005—2014年,長江經濟帶區域工業水資源利用率總體呈提高趨勢;科技進步是推動全要素工業水資源利用率提高的主要因素;長江流域工業水資源利用率呈收斂趨勢,省(市)工業水資源利用率差距在縮小。

長江經濟帶;工業水資源利用率;環境績效;超效率DEA Malmquist指數

長江經濟帶覆蓋上海、江蘇、浙江、安徽、湖北、江西、湖南、重慶、四川、云南、貴州,面積約205萬km2。長江經濟帶具有極其豐富的淡水資源,同時又是我國最重要的工業走廊之一,我國鋼鐵、汽車、電子、石油化工等現代工業的精華大部分匯集于此,集中了一大批高耗能、大運量、高科技的工業行業和特大型企業。由于我國工業部門用水量一直居高不下,工業水污染是水環境問題的主要源頭。為建設長江綠色生態廊道,防止在工業化和城鎮化快速推進的過程中,工業用水量的快速增加和工業廢水排放導致水資源持續惡化,從環境績效的角度衡量工業水資源利用率,不僅有利于提高長江流域水資源利用效率,而且對于促進長江經濟帶工業增長、水資源的可持續利用有著重要的理論與實踐價值。

國外學術界對水資源利用效率的研究始于20世紀80年代。Colenbrander[1]研究了荷蘭20世紀50—70年代工業用水量和工業總產值的時間變化趨勢以及二者的內在聯系;Howell[2]認為提高農業水資源利用率的方法是提高農業灌溉技術及農務管理的水平;Becker[3]在研究了佛羅里達州制造業企業的用水數據后發現企業產品的單位用水量與企業規模呈正相關。我國從21世紀初才開始有學者關注水資源利用效率。李雪松[4]認為水資源可持續利用的效益法則是使整個水資源開發過程中得到的效益最大;朱啟榮等[5-6]通過萬元GDP和萬元工業增加值用水量分析了中國水資源利用率區域差異及其影響因素;蔡松年[7]運用單要素方法計算工業水資源利用率并通過計算差值來分析節水潛力;Hu等[8]率先使用DEA模型對1997—2004年中國30個地區的生活用水和生產用水進行全要素水資源利用率研究。后續的文獻大都采用了全要素分析框架,將水資源與資本、勞動等要素一并作為投入要素測算中國水資源利用率。王瑩等[9-11]利用DEA模型分別測算了江蘇省和中國總體水資源利用率;孫愛軍等[12-13]運用隨機前沿生產函數模型(SFA)分析了我國的工業水資源利用率、節水潛力及其影響因素。

綜上所述,國內現有研究大都將工業總產值作為水資源利用率評價的唯一產出要素,忽視了工業水污染排放(壞產出)也是工業生產的產品。工業水資源利用率評價結果不能客觀反映工業用水對環境的影響,使工業部門水資源利用率的研究停留在只關注用水的經濟效益階段。Pittman在測度威斯康星州造紙廠的水資源利用率時,在生產率測度中引入了壞產出的概念[14]。

本文借鑒Pittman的方法將工業用水的壞產出量化為廢水和廢水中主要污染物的排放,將其作為產出指標納入基于水資源利用率的DEA模型分析中,全面反映考慮環境績效的長江經濟帶工業用水的區域特征和動態趨勢,為工業水資源利用率的評價提供新的視角。

1 模型構建與指標選取

1.1 超效率DEA模型

傳統的DEA模型旨在評價多投入多產出模式下決策單元間的相對有效性。但是,在評價決策單元的效率時可能會出現多個效率值為1的單元(有效單元),各有效單元的效率無法相互比較。Andersen等[15]于1993年提出一種DEA-CCR模型的改進模型,即超效率DEA-CCR模型——能夠對同時出現的多個有效決策單元進行排序比較。本文采用投入導向的超效率DEA-CCR模型,計算各省(市)全要素工業水資源利用率,找出其中工業水資源利用率最高的省(市)并進行效率值排序。超效率DEA-CCR模型示意圖見圖1,數學形式如下:

(1)

圖1 超效率DEA-CCR模型

超效率DEA-CCR 模型的評價原理如下:在對某決策單元進行效率評價時,先將其排除在參照單元組合之外。在測評時,有效單元效率值不變,投入按比例增加,投入增加的比例即為超效率評分,因其生產前沿面后移,故效率評分要大于利用傳統DEA模型的效率評分。無效的決策單元生產前沿面不變,因此其最終效率評分與用傳統DEA模型效率評分相同。如圖1所示,在計算單元B的效率評分時,將其排除在DMU參與集合之外,此時ACD成為有效生產前沿面,線段BB′表示B點的投入量仍然可增加的幅度,則B點的超效率評價值為OB′/OB> 1。A、C、D點的超效率評分以此類推。

1.2 Malmquist指數模型

Caves等[16]首次利用Malmquist指數模型進行生產率變化的測算,后續研究中Malmqusit指數模型被用于資源利用效率的動態測算,作為對DEA模型靜態測算的補充。本文使用Malmquist指數對全要素工業水資源利用率進行分解,分辨全要素工業水資源利用率提高或下降的年份和省(市),并分析工業水資源利用率的驅動因素。Malmquist指數可將全要素生產率(TFPch)分解成技術進步變動指數(TEchch)、純技術效率變化指數(PEch)、規模效率變化指數(SEch)。當規模報酬不變時,Malmquist指數可以分解為PEch乘以TEchch。

分解過程如下:

XY

(2)

式中：F表示TFPch,X表示PEch,Y表示TEchch。

當規模報酬產生變化時,可進一步將綜合技術效率變動指數(Effch)分解為PEch與SEch。其中,SEch可以用來判斷單位的生產是否達到生產的規模最優狀態,即:

Q=XZ=

(3)

式中Q、Z分別表示Effch、SEch。結合式(2)得

F=XYZ=

(4)

1.3 絕對β收斂與α收斂

在測度各省(市)全要素水資源利用率的基礎上,為判斷各地區全要素水資源利用率差異的演變趨勢,考察各省(市)的TFPch是否趨同于穩態水平,進行α收斂和絕對β收斂分析。

1.3.1 絕對β收斂

根據Barro等[17]的研究,β收斂是指經濟集團的增長率與其初始水平負相關,得到各省(市)水資源利用率(WE)的絕對β收斂回歸方程:

(5)

式中:Ui,0和Ui,T分別為省(市)i在期初和期末的全要素水資源利用率(WE);β0和β1為待估計參數;μ為隨機干擾項;T為考察期的時間跨度,本文為2005—2014年,即T=9。若β1為負數,U的增長與U的初始值成反比,意味著各省(市)工業水資源利用率的增長率與其初始水平呈反向關系,存在絕對β收斂,低效率地區在縮小與高效率地區差距;反之不存在絕對β收斂。

1.3.2α收斂

α收斂是指區域內各經濟集團某一變量離差隨著時間進度而逐步減小。α收斂可表示為:

(6)

式中:Ui(t)表示t時期i地區全要素工業水資源利用率;N表示地區個數。若αt>αt+1,表明各地區工業水資源利用率離散系數在縮小,存在α收斂,反之是發散的。

1.4 工業水資源利用率評價指標選取與數據來源

考慮環境績效的工業水資源利用率評價思想是在經濟效益最大化的同時,最小化資源消耗和環境污染。傳統的水資源全要素分析框架選取資本、勞動、用水量3個投入要素,將工業總產值作為唯一產出要素。本文加入廢水和廢水中的主要污染物排放量作為產出要素,同時,在兼顧樣本數據的可比性、可得性及科學性的基礎上構建長江經濟帶11個省(市)的工業水資源利用率評價指標體系。本文投入產出指標數據來源于2005—2014年的《中國工業經濟統計年鑒》及相關各地區統計年鑒。另外,部分數據取自相關各地區各年環境狀況公報。

1.4.1 投入指標

a. 勞動力投入。認為忽略地區間的從業人員素質和勞動時間差異對評價結果不會產生較大影響[13]。勞動力投人具體指標為工業從業人員數量,由采礦業、制造業、電力/熱力/燃氣及水生產和供應業這3個高耗水工業部門的年底就業人數相加獲得。

b. 資本投入。各地區歷年的工業資本存量計算公式為[18]:

式中:Ki,t0表示i地區2005年的固定資產凈值;Δki,t表示i地區t年的名義凈投資,由t年固定資產凈值減去t-1年固定資產凈值得到;pt表示t年的固定資產投資價格指數。

c. 水資源投入為工業部門用水量。

d. 污染物排放量。污染物作為工業部門的壞產出,因其評估屬性與目標負相關,可以將其視為投入屬性[18]。以工業廢水中化學需氧量(COD)排放量、氨氮排放量(NH3、NH4)相加得到。

1.4.2 產出指標

a. 工業產出。產出指標使用包含了中間投入成本的工業總產值,為消除價格因素影響,將各年份的工業總產值采用工業品出廠價格指數統一折算為2005年不變價。

b. 工業廢水排放量。選取工業廢水排放量與工業用水量的比率,作為衡量工業廢水排放量的指標。該比率越高,說明工業部門耗水強度越高,工業用水重復率越低。取該指標的一階倒數作為產出變量,使其評估屬性與目標正相關[19]。

2 實證分析結果

2.1 工業水資源利用率靜態分析

首先用EMS1.3軟件測算長江經濟帶11個省(市)2005—2014年加入環境績效的工業水資源利用率值,采用基于投入導向的超效率DEA-CCR模型,效率值大于1,則全要素工業用水是有效的,反之無效,效率值越高,則相對越有效(見表1)。

從橫截面數據分析,長江經濟帶上部分省(市)的工業水資源利用率處于無效狀態,以致總體工業水資源利用率不高。長江下游的上海、江蘇、浙江的工業水資源利用率較高,一直處于前列;而長江中游的安徽、江西、湖南、湖北的工業水資源利用率則一直處于11個省(市)的后列,常年處于無效狀態。總的來說,在考慮環境績效的工業水資源利用率測度時,經濟發達地區的工業水資源利用率較高,欠發達地區較低。這主要是因為較發達地區雖然工業產值高,水資源消耗量大,污染物排放多,但在節水設備和技術、生產的組織管理水平和環境治理方面較欠發達地區有極大優勢,且發達地區逐步淘汰了高耗水、高污染產能,產業結構更加合理,對水污染治理的投入不斷加大,所以經濟效益和環境效益結合得更好。安徽、江西等長江流域中游省份,一直以來資源環境密集型產業比例過高,工業結構欠合理,工業增長方式粗放,同時這些省份在追求經濟增長的過程中對水污染的重視不夠,在引入外資時,較少考慮引入高污染、高耗能企業對本地造成的工業環境保護負擔,且工業節水設施和節水技術投入增長緩慢。

表1 基于超效率DEA-CCR 模型的2005—2014年長江經濟帶省(市)工業水資源利用率

值得注意的是,經濟發展水平更低的貴州、云南的工業水資源利用率卻高于安徽、湖南、湖北甚至是浙江和江蘇,該測算結果與沈滿洪等[13,20]的研究結論有較大出入。原因是本文在全要素生產率模型中加入了污水排放和污染物排放作為產出指標,貴州和云南經濟發展水平雖然落后于安徽、湖南等省份,但水污染程度要低于上述省份,所以該測度結果更加符合實際情況,也更科學合理。

從時間序列數據分析,工業水資源利用率的排名變化不大(見圖2),只有重慶市的工業水資源利用率排名一直在上升,在2013年和2014年都保持在第2的位置;貴州省的排名一直在下降,未來持續下降的趨勢明顯;安徽、江西、湖南、湖北排名無變化。

圖2 長江經濟帶各省(市)工業水資源利用率排名變化趨勢

2.2 工業水資源利用率動態分析

利用超效率DEA模型,測度各省(市)全要素工業水資源利用率值的基礎上,識別水資源利用效率提高的關鍵因素,并分析各省(市)及整個長江經濟帶水資源利用率的變化趨勢。

a. 借助DEAP2. 1軟件,采用11個省(市)2005—2014年的面板數據,通過Malmquist指數模型,得出整個長江經濟帶各年全要素水資源利用率(tfpch)變動趨勢及其各驅動因素分解。全要素水資源利用率大于1表明該年工業水資源利用率相比于上年提高,反之降低。各因素得分大于1表明該因素是全要素水資源利用率上升的原因,反之則是全要素水資源利用率下降的原因。結果見表2。

表2 長江經濟帶11個省(市)各年份平均Malmquist指數及其分解

a. 2005—2014年間長江經濟帶工業水資源利用率年均提高11.6%,除2011年相比2010年工業水資源利用率下降5.4%,其他年份工業水資源利用率相比上年都是增長的。其中2005—2010年工業水資源利用率年增長比例大,最高為2006—2007年,19.7%;2011—2014年增長比例小,最高為2011—2012年,10%;2010—2011年工業水資源利用率出現下降,下降的幅度為5.4%。全要素工業水資源利用率在2008—2012年出現大幅度振蕩,波動劇烈,甚至出現倒退的狀況,直至2013年逐漸提升。

b. 2005—2014年綜合技術效率平均值為1.007,最大值為1.038,最小值為0.979,波動幅度較小,說明長江經濟帶水資源配置和使用效率在逐年提高。長江經濟帶工業水資源利用率的分解中規模效率常年小于1,所以純技術效率是綜合技術效率增長的關鍵。雖然技術進步變動與綜合技術效率變動共同影響著長江經濟帶工業水資源利用率,但技術進步和工業水資源利用率之間同向變動,而綜合技術效率與工業水資源利用率之間的關系不明顯(見圖3),說明工業生產過程中對生產技術創新和生產設備升級的重視,提高了工業產品產量并減少了水資源消耗和水污染排放,現行的制度變革和經營管理水平提升沒有充分發揮現有技術和投入資源的生產潛力。長江經濟帶工業水資源利用率增長主要根源是技術進步,綜合技術效率的影響微弱。

圖3 長江經濟帶2005—2014年全要素水資源利用率變動趨勢及分解

c. 對長江經濟帶各省(市)進行Malmquist 指數分析,可得到各省(市)全要素工業水資源利用率及其分解結果(見表3)。

表3 長江經濟帶11個省(市)年均Malmquist指數及其分解

由表3可知:2005—2014年全要素工業水資源利用率只有貴州在下降(全要素工業水資源利用率小于1),長江經濟帶整體工業水資源利用率年均增長率為11.6%,在強調環境保護和生態安全的同時,工業水資源利用率在逐年提高。從年均增長率的分解來看,規模效率年均增長率為負,純技術效率年均增長率為1%,技術進步年均增長率為10.7%。從各個省份來看,四川、湖南、江西增長最快,其全要素工業水資源利用率增長分別為19.8%、19.2%、17%,均高于平均值,說明這幾個省份工業水資源利用率提高迅速,工業水資源利用率提升潛力巨大。而上海、江蘇、浙江工業水資源利用率提高的幅度小于平均值,尤其上海最低為6.5%,考慮到江、浙、滬在產業轉型和轉變經濟發展方式以及污染治理方面踐行多年,進一步提高工業水資源利用率的空間較小,所以屬正常現象。綜合技術效率小于1的是安徽和江西,其余都大于1。規模效率小于1的是安徽和湖南,江西純技術效率下降1.4%。只有貴州技術進步小于1。

從水資源利用率進步動力來看,全要素工業水資源利用率增長率的提高主要來自技術進步的推動。上海、江蘇、浙江、云南、重慶的綜合技術效率為1,是因為技術進步變動指數均大于1,拉動了全要素工業水資源利用率的提高。貴州全要素工業水資源利用率的增長受制于技術進步。安徽、湖南、四川等省的全要素水資源利用率增長率受綜合技術效率與技術進步的雙重影響,技術進步增長率最快的是湖南、安徽、江西,分別為19%、18%、17.7%。技術進步既是提高水資源利用率的強勁因素,也是工業水資源利用率下降的主要因素。

2.3 工業水資源利用率收斂性分析

長江經濟帶各省(市)考慮環境績效的工業水資源利用率具有明顯的地區差異。本文進一步分析這種差異的變化趨勢,判斷各省(市)的工業水資源利用率能否最終趨于一個穩定水平。對長江經濟帶2005—2014年間工業水資源利用率的斂散特征進行分析。

根據絕對β收斂方程對11省(市)截面數據進行回歸,估計結果見表4。

表4 長江經濟帶全要素工業水資源利用率指數的絕對β收斂檢驗結果

注:*代表10%的顯著性水平。

β1為負,通過10%水平下的顯著性檢驗,所以Ui,T出現絕對β收斂趨勢,但R2較小,且曾先鋒等[21-22]認為Barro回歸法的β收斂結果具有Galton謬誤,其檢驗結果并非十分準確,因此增加α收斂作進一步驗證。

根據α收斂方程,得出長江經濟帶工業水資源利用率的變異系數,同時從流域層面對長江經濟帶上游、中游和下游的工業水資源利用率進行收斂性分析。參考吳傳清等[23-24]流域內省份劃分方法,將重慶、四川、貴州、云南劃分為上游地區,湖南、湖北、安徽、江西為中游地區,下游地區包括江蘇、浙江和上海。

圖4顯示了長江經濟帶整體與流域內上游、中游、下游地區工業水資源利用率的σ收斂趨勢。在10年測算期中,長江經濟帶的變異系數出現先上升、后下降趨勢,2008年變異系數出現峰值。特別是近幾年,各省(市)的工業水資源利用率差距迅速縮小。就流域內各地區來看,上游地區的變異系數始終最大,說明上游地區的水資源利用效率差距一直較大,這主要是因為重慶的工業水資源利用率一直在迅速提升,云南和四川一直較低,而貴州的工業水資源利用率“跳水”;上游工業水資源利用率變異系數變化趨勢與全流域具有強烈的同步性。中游地區的工業水資源利用率差異最小,且該差異變化微弱。下游游地區工業水資源利用效率差距先上升后下降,特別是2008年之后,效率差異穩定緩慢地下降,說明下游地區水資源利用效率出現“俱樂部收斂”特征。

圖4 上游、中游、下游全要素工業水資源利用率的收斂性

3 結論建議

本文基于長江經濟帶11省(市)2005—2014年的面板數據,將工業部門生產中的廢水排放量和廢水中的污染物排放量作為環境績效指標,利用超效率DEA-CCR模型、Malmquist指數以及收斂模型,對全要素分析框架下的工業水資源利用率進行分析。

a. 從長江經濟帶工業用水總體效率評價來看,整個長江經濟帶工業水資源利用率在測算期內總體呈增長態勢;從不同省(市)工業水資源利用率指標來看,半數省(市)存在工業水資源利用率低下、投入浪費現象;11個省(市)工業水資源利用率值排序變化不大,上海、江蘇、浙江、重慶幾個較發達地區的效率值顯著領先于其他省份。在考慮工業用水的環境績效時,長江中游地區工業水資源利用率最低。

b. 通過對11個省(市)Malmquist指數分解,發現技術進步指數對全要素工業水資源利用率拉動作用較強,而全要素工業水資源利用率的下降則受到技術效率衰退的影響,技術效率衰退還影響規模效率,工業用水規模效率總體上不顯著。

c. 通過對工業水資源利用率斂散性分析,發現工業水資源利用率存在絕對β收斂趨勢與α收斂趨勢,表示長江流域各省市的工業水資源利用率差距在縮小,工業水資源利用率較低的地區在追趕較高的地區。

d. 研究結果表明,各省(市)工業水資源利用率差距明顯,工業生產能力、節約水資源和降低水體污染的平衡點還沒有達到。為了進一步縮小工業水資源利用率差距或避免地區工業水資源利用率差距進一步擴大,應破除地域局限,加強政府在資源環境中的調配作用,使工業水資源利用率較低的地區在人力、資金與技術上得到更多政策支持,促進產品、要素資源自由流動,使得下游先進的生產技術、節水技術與用水管理經驗和水污染治理經驗向中上游省份擴散,形成沿海省市與內陸省市之間、長江下游省份與長江上游省份相互支撐、良性互動的局面。

e. 要提高長江經濟帶總體水資源利用率,必須合理規劃和分配工業生產用水,提高工業用水的重復利用率,降低產品的單位消耗。一方面在需求側建立長江流域水資源開發利用總量控制、水資源利用率控制、水功能區限制納污的“三條紅線”指標體系、監督管理體系及指標考核機制,統籌全流域產業分工布局,使各地區水資源稟賦與其產業結構相匹配,進一步控制用水需求量增加;另一方面,在供給側建立嚴格的水資源和生態環境保護制度,改變靠資源消耗與污染排放的粗放型工業增長方式,重點調整工業結構、淘汰落后產能,提高產業集中度,建立完整產業鏈,提高規模效率。

[ 1 ] COLENBRANDER H J.Water in the Netherland [M].Hague:The Netherlands Organization for Applied Scientific Research,1986.

[ 2 ] HOWELL T A. Enhancing water use efficiency in irrigated a griculture[J].Asronemy Journal,2001,93:281-288.

[ 3 ] BECKER R A.Water use and conservation in manufacturing: evidence from US microdata[J].Water Resources Management,2016,12:4185-4200.

[ 4 ] 李雪松.論水資源持續利用的公平與效率[J].生態經濟,200l(12):13-16.

[ 5 ] 朱啟榮.中國工業用水效率與節水潛力實證研究[J].工業技術經濟,2007(9):48-51.

[ 6 ] 李世祥,成金華,吳巧生.中國水資源利用效率區域差異分析[J].中國人口·資源與環境,2008,18(3):215-220.

[ 7 ] 蔡松年.葫蘆島市工業用水的節水潛力及影響因素研究[J].內蒙古水利,2014(1):53-58.

[ 8 ] HU J L,WANG S C,YEH F Y.Total-factor water efficiency of regions in China[J]. Resources Policy,2006(4):1203-1214.

[ 9 ] 王瑩.基于DEA的江蘇省工業水資源利用效率研究[J].水利經濟,2014,32(5):19-22.

[10] 孫才志,劉玉玉.基于DEA-ESDA的中國水資源利用相對效率的時空格局分析[J].資源科學,2009(10):32-36.

[11] 錢文婧,賀燦飛.中國水資源利用效率區域差異及影響因素研究[J].中國人口·資源與環境,2011,21(2):15-18.

[12] 孫愛軍.基于隨機前沿函數的工業用水技術效率研究[D].南京:河海大學,2007.

[13] 雷玉桃,黃麗萍.中國工業用水效率及其影響因素的區域差異研究:基于SFA的省際面板數據[J].中國軟科學,2015(4):49-57.

[14] 王兵,吳延瑞,顏鵬飛.環境管制與全要素生產率增長:APEC的實證研究[J].經濟研究,2008(5):19-32.

[15] ANDERSEN P, PETERSEN N C. A procedure for ranking efficient units in data envelopment analysis[J]. Management Science, 1993, 39(10):1261-1264.

[16] CAVES D W， CHRISTENSEN L R， ERWIN D W. The economic theory of index numbers and the measurement of input, output and productivity [J] Econometrica, 1982, 50(6):1393-1414.

[17] BARRO J,SALA-I-MARTIN X.Economic growth[M].New York:McGraw,1995.

[18] 岳書敬.基于低碳經濟視角的資本配置效率研究:來自中國工業的分析與檢驗[J].數量經濟技術經濟研究,2011(4):53-56.

[19] 吳鳳平,陳艷萍.現代決策方法[M].南京:河海大學出版社,2011:148-149.

[20] 沈滿洪,程永毅.中國工業水資源利用及污染績效研究:基于2003—2012年地區面板數據[J].中國地質大學學報(社會科學版),2015(1):31-40.

[21] 曾先鋒,李國平.我國各地區的農業生產率與收斂[J].數量經濟技術經濟研究,2008(5):45-53.

[22] 馬海良,黃德春,張繼國.考慮非合意產出的水資源利用效率及影響因素研究[J].中國人口·資源與環境,2012,22(10):35-42.

[23] 吳傳清,董旭.長江經濟帶工業全要素生產率分析[J].武漢大學學報(哲學社會科學版),2014(7):31-36.

[24] 汪克亮,孟祥瑞,楊寶臣,程云鶴.基于環境壓力的長江經濟帶工業生態效率研究[J].資源科學,2015(7):1491-1501.

羅偉峰(1993—),男,碩士,主要從事水資源經濟、技術經濟研究。E-mail:924048159@qq.com

10.3880/j.issn.1003-9511.2017.03.009

F205

A

1003-9511(2017)03-0042-06

2017-02-13 編輯：胡新宇)