糧食生產水足跡動態演變及分解效應

徐依婷， 穆月英

(中國農業大學 經濟管理學院， 北京 100083)

一、引言

水安全是糧食安全的基礎[1]。從長期來看，水資源稀缺是波及糧食生產穩定性和制約農業可持續發展的瓶頸問題[2]。2018年中國農業用水3693.1億，占全國用水總量的61.4%(1)數據來源：水利部2018年度《中國水資源公報》，超過工業用水、生活用水以及人工生態環境補水三項總和，減少農業部門用水的潛力巨大。近年來，政府頒布了一系列節水政策法規。2011年中央“一號文件”明確提出實行最嚴格的水資源管理制度，劃定包括用水總量在內的“三條紅線”，2014年習近平總書記提出“節水優先、空間均衡、系統治理、兩手發力”的十六字方針，2019年國家發展改革委與水利部出臺《國家節水行動方案》，強調以大力推進節水灌溉和優化調整作物種植結構為重點措施，促進農業節水增效。作為中國重要的糧食產區，黃淮海地區利用全國8.6%的水資源產出了35%的糧食(2)數據來源：2017年《中國農村統計年鑒》，其農業生產水資源不可持續利用問題尤為突出。受干旱等極端氣候頻發的影響，降水和地表徑流不足導致地下水過度開發，使黃淮海平原變成全球面積最大的地下水漏斗區，進而引發了地面沉降、海水倒灌等嚴重的生態環境問題，不利于長期糧食安全。如何在保證糧食有效供給的前提下，大幅減少農業生產用水，是當前亟待解決的關鍵問題。水足跡將“看得見的水”和“看不見的水”相結合，為更全面的評價糧食生產水資源利用提供了新思路。近年來農業生產用水成為各界關注的熱點問題，本文側重于糧食生產水足跡及其影響因素研究，具有重要現實意義。

農業用水的核算是探究其影響因素的前提，國際經驗表明水足跡可作為量化農業生產用水的有效工具[3-6]。一方面其考慮到降水對農業生產的積極作用，將實體形態的灌溉水與虛擬形態的土壤水相結合，能夠更加真實地體現農業生產對水資源的需求狀況[7]。另一方面，由于田間用水計量設施尚未得到普遍推廣，作物生產水量核算在實際中具有較大難度，水足跡為不同作物的耗水特征提供了較為統一的衡量指標。在不考慮污水排放的情況下，可按照用水來源結構將作物生產水足跡劃分成藍水足跡(來自地表水和地下水)和綠水足跡(來自降水)兩大類[8]。

目前，國內外關于虛擬水貿易、農業水足跡等方面的研究較為豐富，主要集中以區域、農作物品種為單元計算、評價農業生產水足跡[9-11]，或是從氣候變化[12, 13]、社會經濟、農業生產條件等方面對農業水資源利用的影響因素展開研究。但鮮見從資源稟賦、糧食生產與水資源匹配關系等層面展開探討，對影響因素的劃分也不夠細致，不利于政策細則的制定。李澤紅和劉莉采用灰色關聯度法分別對武威綠洲和四川地區農業生產用水驅動因素進行分析，結果表明農業規模及開發強度擴大、耕地復種指數、人口規模是主要促進因素[14, 15]；Xu研究表明種植結構和節水技術因子對北京糧食生產耗水變動具有抑制作用，而人口增加以及生產規模效應阻礙了節水進程[16]。易武英通過構建STIRPAT擴展模型分析表明平塘縣膳食結構、降水量、人口對農業用水變化的貢獻率相對較大[17]。Zhang考察了不同發展階段的農業用水驅動因素，結果表明作物種植規模的擴大和不合理的種植模式增加了農業用水，灌溉定額的減少和灌溉效率的提高則是農業用水減少的主要動力[18]。

在研究方法方面，因素分解法在能源環境領域的使用較為廣泛，但在農業生產水資源利用方面鮮有涉及。Ang提出的對數平均迪氏指數分解法(Logarithmic Mean Divisia Index method，下文簡稱LMDI)[19]，因能消除殘值和解決數據集中的零值問題，具有完全分解和加總一致性的優點，而被廣泛應用在溫室氣體排放等能源環境領域[20, 21]。除碳排放[22-25]及能源消費[26]外，LMDI分解法在水資源領域的拓展較為有限，一般集中在社會經濟用水總量[27-29]、時空差異[30, 31]，或是考慮廢水排放的水資源污染[32]，在農業用水方面的應用匱乏。

綜上所述，已有文獻關于農業生產水資源利用進行了一定的測算分析。眾所周知，農業內部不同部門的水資源利用機理不同，目前為止的研究，將資源稟賦特征、糧食生產與水資源匹配特征、經濟特征、水資源管理及政策制度特征等因素相結合的研究尚屬少見。與此同時，LMDI分解法因具有良好的適配性而廣泛用于能源環境領域，本文借助此方法并與相關經濟理論相結合對水資源利用進行實證分析。鑒于此，本文以水足跡為計量工具，通過分析糧食生產用水總量、結構以及與水資源的匹配關系，系統評估糧食生產用水動態演變趨勢，并采用LMDI分解模型從多維度剖析引致糧食生產真實耗水量變化的影響機制，以期為區域農業可持續發展政策的實施提供參考依據。

二、理論框架

糧食安全與水安全的協同發展，是社會經濟平穩運行的前提。從二者的關系來看，水資源為糧食生長全過程提供了不可或缺的物質投入要素，為糧食安全提供保障；反過來人口增加帶來的糧食生產擴張將加劇用水需求，造成水資源短缺進而影響水安全。作為保障糧食安全的基本條件，水安全的失守將直接導致糧食生產波動，從而在源頭上引發糧食危機[33]。研究如何在保證糧食有效供給的前提下，減少農業生產用水，必須從經濟增長、制度安排、技術發展、產業結構、自然條件等方面厘清影響糧食生產用水的驅動因素。

圖1 理論分析框架

經濟增長方面，Grossman等將經濟發展與收入不平等的倒U型曲線延申到環境領域，而后又有學者將其推廣到水資源層面。環境庫茲涅茨曲線(簡稱EKC)理論表明，在水資源開發利用中，用水量將隨經濟增長呈現先升后降的EKC特征[34]。經濟發展過程通常伴隨產業結構調整，其中農業、工業和服務業的發展結構變遷會導致水資源在不同產業部門的配置發生變化，農業內部種植結構調整則會影響水資源在不同作物之間的配置。技術條件方面，技術進步對推動農業生產的重要作用已達成廣泛共識。根據誘致性技術變遷理論，土地要素相對化肥價格上漲會引致提高土地生產率的生物化學技術進步，類似地，水資源的日漸稀缺會促使提高水分生產率的技術進步，兩者均會對糧食生產用水產生影響。自然條件方面，水資源與耕地資源是糧食生產中的兩大剛性約束，資源稟賦高低決定了地區糧食生產潛力以及水資源消耗的門限值。水土資源的合理匹配將促進資源優勢轉化為農業經濟增長，進而影響用水量。另一方面，糧食生產與水資源的空間匹配程度通過刻畫二者的供需平衡關系，可直觀反映糧食生產對地區農業水資源造成的壓力大小。此外，節水管理與政策制度可從農田水利基礎建設、水資源開發管理、農業支持政策等方面直接或間接改變糧食生產中的要素配置方式和效率，進而影響糧食生產用水。

通過以上梳理，將本文研究框架整理為圖1所示，可為后文糧食生產水資源匹配度測算以及水足跡變動分解提供理論支持。

三、研究方法與數據來源

(一)水足跡測算

糧食生產水足跡WF(m3)是指區域內糧食生長過程中所消耗的水資源總量。在不考慮污染的情況下，可將其表示為綠水和藍水足跡之和。本文在聯合國糧農組織(FAO)推薦并修正的標準彭曼公式的基礎上，根據研究區域內各省主要糧食的播種面積計算得到糧食生長過程中綠水、藍水的消耗量，進而加總得到地區糧食生產水足跡指標。相關公式如下：

WF=WFgreen+WFblue

(1)

WFgreen=10×ETgreen×A

(2)

WFblue=10×ETblue×A

(3)

ETgreen=min(ETc,Pe)

(4)

ETblue=max(0,ETc-Pe)

(5)

(6)

公式(1)～(6)中，WFgreen和WFblue分別表示糧食生產的綠水足跡和藍水足跡(m3)；ETgreen和ETblue分別表示作物生長期間的綠水和藍水的蒸發蒸騰積累量(mm)；常量因子10將水的深度(mm)轉化為單位面積的水量(m3/hm2)；A表示作物播種面積(hm2)；Pe表示作物生育期旬有效降水量(mm)。綠水蒸發水量(ETgreen)為作物蒸發水量(ETc)與有效降水量(Pe)中的較小值；藍水蒸發水量(ETblue)等于作物蒸發水量與有效降水之差，但當有效降水超過總蒸發水量時，其值為0。此外，有效降水量可根據美國農業部(USDASCS)土壤保持局的方法，由旬降水量(P)計算得到。

作物蒸發水量(ETc)的計算方法如公式(7)和(8)所示：

(7)

(8)

式中，ETc由生育期內作物系數Kc與參考作物蒸發蒸騰水量ET0相乘后累加所得。作物系數反映了糧食作物本身的生物特性(如葉片面積、土壤、栽培條件等)對作物需求量的影響。參考作物蒸發蒸騰水量ET0則是依據聯合國糧農組織(FAO)推薦并修正的標準彭曼公式計算所得。其中，Rn、G、γ、T、U2、ea、ed分別代表凈輻射量、土壤熱通量、濕度、平均氣溫、風速、飽和以及實際水氣壓等參數。

(二)LMDI分解模型

將LMDI模型運用至水資源領域，并對黃淮海地區糧食生產水足跡(WF)進行如下分解：

(9)

公式(9)中，WFi表示第i種糧食作物的生產水足跡(m3)；Yi和Y分別表示第i種作物的產量和三類作物總產量；A、D、LAND、IRR分別表示糧食播種面積、農作物總播種面積、耕地面積、節水灌溉面積；AWA為農業可用水量；EXPa、EXP、GDP、Ga分別表示農林水事務支出(3)由于財政收支統計科目發生變化，2007年開始不再單獨設置農業支出、林業支出和水利氣象部門支出，統一采用農林水事務支出來表示。、國家財政支出、總產出、農業產出。將分解所得各項整理歸納為九類效應，如表1所示。在時間維度上，以t期為報告期，0期為基期，從t期到基期的糧食生產用水量變化可根據上述公式(9)進行如下處理：

(10)

其中，ΔWF表示糧食生產水足跡變化量ΔWFr、ΔWFa、ΔWFb、ΔWFc、ΔWFd、ΔWFe、ΔWFf、ΔWFg、ΔWFh、ΔWFi、ΔWFj、ΔWFk、ΔWFl、ΔWFm、ΔWFn、ΔWFp分別對應表1中各分解項對水足跡變動的貢獻值。此外，基于LMDI模型的完全分解特性，殘值ΔWFrsd為0[19]。

公式(10)中各因素對糧食生產水足跡變化的貢獻值可通過如下方式計算：

表1 分解效應及其定義

(11)

(三)數據來源

本文的研究區域選擇黃淮海糧食主產區的7個省份及直轄市，包括河北、河南、山東、安徽、江蘇、北京、天津。該地區的糧食生產以冬小麥、夏玉米以及水稻為主，三類主糧的產量之和基本超過該地區糧食總產量的90%，近幾年甚至達到95%(圖2)。因此本文選取小麥、玉米、水稻為代表研究糧食生產水足跡及其驅動因素。

圖2 黃淮海地區歷年糧食作物產量及占比

有關水足跡測算的相關變量數據來源如下：各省的氣象和作物參數所選代表城市如表2所示。各站點的氣象數據包括月平均最高和最低氣溫、月平均降水、相對濕度、風速、光照等參數均來自FAO的CLIMWAT氣象數據庫；作物生育期不同階段的時長劃分依據農業部種植業管理司的分省農時數據庫；作物參數和土壤數據來自FAO全球數據庫。

表2 黃淮海各省氣象和作物參數代表城市及說明

此外，2002—2017年各省、直轄市的各類糧食作物產量、播種面積、地區生產總指數數據來源于歷年《中國農村統計年鑒》、《中國糧食統計年鑒》和各省統計年鑒；農業用水量、用水總量、地表水和地下水資源數據來自中經網數據庫；GDP、農業總產值和人口數據來源于國家統計局，并以2002年為基期剔除價格變動。

四、糧食生產用水的動態演變特征

(一)糧食生產用水總量及結構變動趨勢分析

圖3 2002-2017年糧食生產藍、綠水足跡及分地區糧食生產水足跡情況

糧食生產中消耗的水包含諸多方面，運用水足跡進行綜合性量化測算，便于進行糧食生產水資源利用的地區比較分析。從總量和結構兩方面分析2002—2017年黃淮海地區糧食生產水資源利用現狀及動態演變特征。將測算所得糧食生產藍水足跡、綠水足跡以及各省市的糧食生產水足跡結果整理如圖3所示。

在用水總量方面，從整體來看，報告期內黃淮海地區糧食生產水足跡總量由1455.6億增加到1858.4億，以2003年和2006年為分界點，呈現下降——快速回升——企穩上升的動態演變特征。從地區角度來看，糧食生產用水總量差異顯著。根據水足跡測算結果，可將黃淮海地區各省市劃分為以下三類區域：第一類區域僅包括河南，其糧食生產水資源消耗量居于黃淮海地區之首。從發展趨勢上看，河南糧食生產水足跡呈現快速攀升的演變態勢，由2002年的446.8億m3增加至2016年的585.3億m3，增幅達到31.0%；第二類區域包括河北、山東、江蘇和安徽4省，這類地區報告期內糧食生產用水量波動幅度較小，基本呈現“勺型”波動趨勢，年均糧食生產水資源消耗量在黃淮海地區中居于中位，約為270.2億m3；第三類區域包含北京、天津，此類地區因糧食種植規模萎縮，其糧食生產水足跡遠低于其他省份且波動平緩，年均水平僅7.7和11.4億m3。

在用水來源結構方面，黃淮海地區糧食生產藍水、綠水足跡之比約為2∶3。分類別來看，報告期內糧食生產的綠水資源利用量呈現持續增長趨勢，其中2016年綠水足跡增長率達到峰值，相比上一年增加13.4%；相比之下，糧食生產藍水足跡的動態波動幅度較小。

(二)糧食生產與水資源匹配度分析

糧食生產用水總量和來源結構反映其生產用水特征。在評價糧食生產與水資源匹配程度方面，常用的方法有線性規劃法[37]、區域基尼系數法和不平衡指數法[38]。值得指出的是糧食生產中的水資源利用既有品種上的差異，也有地區之間的不同，并且同一地區在不同時期也在發生動態推移，基于此，本文借助水足跡方法對糧食生產與水資源匹配關系進行測算和比較分析。糧食生產水足跡與廣義農業水資源量的比值構建糧食生產水資源匹配指數(CWM)，可直觀反映糧食生產對地區農業水資源與環境造成的壓力大小，其具體公式如下所示：

CWM=WF/AWA

(12)

其中，農業可用水量(AWA)可表示為可用于農業的藍水和綠水資源的加總，其計算方法如下[4]：

AWA=BWA+GWA

(13)

BWA=WR×AWU/TWU

(14)

GWA=LAND×P

(15)

式中，AWU和TWU分別表示地區農業用水和總用水量(m3)；BWA表示農業藍水可用水量(m3)，即可用于作物生產灌溉的水資源量，其值等于地區藍水資源總量WR(包含地表水和地下水，m3)與農業用水占比的乘積；GWA表示農業綠水可用水量(m3)，由地區可用耕地面積LAND(hm2)和降水量P(mm)相乘得到。

以2010年為界將報告期一分為二。然后根據公式(12)～(15)，利用水足跡測算結果與農業可用水量數據，計算黃淮海地區不同時期的糧食生產水資源匹配指數，將結果整理為表3所示。

表3 2002—2017年黃淮海地區糧食生產水資源匹配指數

以下運用水資源壓力指數將糧食生產水資源匹配指數(CWM)按數值分為：非常匹配(0-0.1)；較為匹配(0.1-0.2)；中等匹配(0.2-0.4)；較不匹配(0.4-0.8)；嚴重不匹配(>0.8)[39]。根據表3結果，從整體來看，2002—2017年間黃淮海地區CWM指數整體達到0.430，表明糧食生產與水資源稟賦處于較不匹配水平。由高到低排名為河南、河北、天津、山東、江蘇、北京、安徽。研究期限內河南CWM指數值波動最大，其最小值和最大值分別為0.361和1.265。隨著社會經濟發展，地區糧食生產與水資源的匹配關系會隨時間動態變化，不同時期呈現為如下特征：2002—2009年地區整體匹配指數為0.398，其中河南和河北處于較不匹配水平，其余省市則處于中等匹配水平。時期II(2010—2017年)相比時期I，黃淮海各省市(除北京外)的糧食生產水資源不匹配程度加劇，平均變化率為16.26%。其中，河南以48.42%的增長率居于首位，其糧食生產水資源匹配關系呈現惡化態勢，達到嚴重不匹配程度；山東、河北等水資源匱乏的北方糧食主產省則長期處于較不匹配水平，區域糧食安全與水資源可持續利用之間的矛盾不容忽視。

基于上文對黃淮海地區糧食生產用水總量、結構以及糧食生產的水資源匹配關系分析，該地區水資源與糧食生產協同發展矛盾尖銳。因此，分析影響糧食生產水資源利用的相關因素以及各因素的貢獻程度，對糧食生產水資源可持續利用至關重要。

五、糧食生產用水變動的影響因素分析

(一)糧食生產水足跡變動的分解效應

基于LMDI分解模型對糧食生產用水變動的影響因素進行定性及定量測度。為更清晰的呈現結果，將各分解效應逐年累加，考察2002—2017年其對糧食生產用水動態演變的累計貢獻，并分開整理為圖4-a和圖4-b所示。

圖4-a包含了用水變動的總效應、種植結構效應、資源稟賦效應、水土匹配效應、糧水匹配效應、三產結構效應和經濟發展效應；圖4-b展現了技術進步效應、節水管理效應和政策制度效應的貢獻。從糧食生產用水變動總體情況來看，2002—2017年期間，黃淮海地區糧食生產用水累計增加了57.67億m3，年增長率為1.85%。分階段來看，2003年相比基期糧食生產水足跡減少9.04億m3，但是從2004年開始呈現持續增加態勢。根據增長速度可將2004—2017年糧食生產用水變動進一步劃分為三個階段：其中，2004—2006年糧食生產用水量呈現快速增長的趨勢，年均增長幅度為8.97億m3；2007—2015年為糧食生產耗水緩慢增長階段，年均增幅為1.80億m3；2016年其增長速度驟升26.64億m3，隨后有所回落。從分解結果來看，三產結構、節水技術進步以及水資源開發強度對糧食生產用水具有抑制作用，經濟發展、資源稟賦、水土匹配、糧水匹配、種植結構、單產、農田水利建設管理等因素對糧食生產用水變動表現為促進作用。具體如下：

節水技術進步效應。水分生產率與土地生產率是技術進步的客觀體現。由圖4-b可知，節水技術、單產因素分別抑制和促進了糧食生產用水量的增加。具體來看，在水資源層面，節水技術進步是水資源生產率提高的關鍵，也是減少糧食生產耗水的重要因素。參考Xu[16]、劉聰等[40]的研究，單位水足跡含量越少，表明水資源利用效率越高，節水技術進步在其中發揮了關鍵作用。故本文采用單位作物的水足跡含量指標來體現生產用水的技術水平。2002—2017年三種作物的單位產出耗水均呈下降態勢，其中小麥降幅最為明顯，由2002年的1274.14 m3/t降至2017年的933.67 m3/t，降幅達到26.72%；水稻和玉米次之，降幅分別為14.67%和14.38%。在耕地層面，單產增加反映了土地生產率的提高，其對糧食生產水足跡增加具有促進作用。主要由于在實際生產過程中除了生產技術改進之外，生產者往往會通過額外投入化肥、資本以及水資源等要素，以提高單位面積產出，因而糧食生產總耗水趨于增加。

圖4-a 2002—2017年黃淮海地區糧食生產用水變動分解(1)

圖4-b 2002—2017年黃淮海地區糧食生產用水變動分解(2)

政策制度與節水管理效應。本文從財政支農強度、國家財政支出規模和節水灌溉發展的政策配套力度三個方面考察政策制度效應。總體來看，農業支持政策以及節水政策制度在抑制糧食生產用水增加方面尚未發揮預期效果(農林水事務支出占比、財政支出占GDP比重、單位有效灌溉面積的支農支出均與水足跡變化呈負相關關系)。在節水管理方面，糧食生產耗水強度與節水管理水平密切相關，其作用效應可通過有效灌溉面積占比和單位農業產出可耗水量兩類指標來體現。前者是對地區水利化程度和農業生產穩定性的衡量，反映農田水利建設管理水平，其對糧食生產用水量增加具有促進效應。后者反映了水資源開發強度水平，若單位產出可耗水量減少則表明開發強度加劇；反之，則表明水資源開發強度減弱，其對糧食生產水足跡變動具有負向作用。具體來看，隨著工業化和城鎮化進程的加速，工業用水和生活用水擠占了大量農業用水。2002—2017年，黃淮海地區的單位農業產出可耗水呈下降趨勢，由0.55 m3/元減少至0.34 m3/元。農業水資源開發強度加劇促使節水型農業發展，從而有助于抑制糧食生產用水增加。

資源稟賦、水土匹配與糧水匹配效應。水資源與耕地資源是糧食生產中的兩大剛性約束。從水資源來看，相較僅考慮灌溉用水的傳統方法，包含灌溉水和降雨的廣義農業水資源量是對地區水資源稟賦更全面的衡量。從結果來看，2002—2017年黃淮海地區水資源稟賦有所下降，其對糧食生產用水變動總體表現為正效應。從耕地資源來看，采用農作物播種面積與耕地面積的比值(即復種指數)來表征耕地利用強度。研究期內黃淮海地區糧食復種指數隨時間呈倒U型波動特征，其對糧食生產用水增加的貢獻度呈現相似的波動趨勢。在水土匹配方面，二者匹配程度對農業可持續發展至關重要。采用李保國[41]提出的單位跟耕地面積的廣義農業水資源量測度法，2002—2017年平均農業水土匹配度為1100 mm。結合許長新等[35]的劃分標準，該地區屬于水土資源匹配度低下區域，表明水資源與耕地資源之間的不平衡關系將促使糧食生產用水量增加。在糧食—水資源匹配方面，研究期間地區糧食生產水資源不匹配程度加劇，對用水量變動的累積貢獻為3.22億m3，表明糧食生產水資源匹配關系的惡化是地區糧食生產用水增加的主要因素之一。

經濟發展、種植結構與三產結構效應。單方水農業產值和單位耕地面積農業產值共同反映農業經濟發展進程，二者與用水量變動均呈現正相關關系(4)單位耕地面積農業產值的倒數與糧食生產水足跡之間為負相關關系，那么其本身則對水足跡產生正向作用。，可見農業經濟發展是推動糧食生產用水增加的主要因素之一。以2002年為基期，十五年間糧食生產用水總量累計增加27.74%，大幅低于同期單方水和單位耕地面積的農業產值增加速度(分別為65.05%和78.22%)。在種植結構方面，根據不同劃分方式，從糧食內部作物結構以及糧食與其他作物播種面積調整兩方面考察種植結構因素對用水量的影響。2002—2017年，黃淮海地區小麥、玉米、水稻等糧食作物的占比波動幅度控制在5%以內，體現出以穩為主的種植模式，因此其對糧食生產用水變動的影響效果微弱。經濟發展過程通常伴隨產業結構調整，直觀來看，三產結構是抑制糧食生產用水增加的最主要因素，2002—2017年的累計貢獻達到227.86億m3。

(二)結果討論

從結果可以看出，十幾年來糧食生產節水技術得到了發展和應用，但是技術進步對糧食生產用水量變動的貢獻仍處于較低水平，面對農業基礎設施薄弱、規模化標準化程度低、節水技術推廣和普及受阻等嚴峻問題，加快節水技術研發和推廣仍是今后提高水資源生產率、發展節水型農業的關鍵。節水技術的發展離不開國家財政的大力支持，2002年以來國家財政總支出和用于農林水事務的支出大幅增加，但其在減少農業用水量方面的作為尚未體現。需要注意的是，高效節水灌溉項目的實施和推廣雖然對提高水分生產率具有積極作用，但同時可能由于“灌溉效率悖論”的存在促使理性農戶擴大灌溉面積或改變種植結構以獲得更高產量和收益[42]，從而未達到用水總量減少的預期效果。

黃淮海地區承擔全國近三分之一的糧食生產重任，經濟發展是增加糧食生產用水的主要原因，根據脫鉤理論和Tapio彈性系數法[43, 44]測算，發現資源環境壓力以低于經濟增速的比率增長且其彈性值介于0～0.8之間，表明糧食生產用水量與農業經濟發展呈現“弱脫鉤”的初級協調發展狀態。然而其水資源稟賦與糧食生產壓力之間的不平衡狀態不利于保障長期糧食安全和農業生產可持續性。受水資源短缺的影響，生產者可能通過修建機井等水利設施，或是出于風險規避心理的“逆向選擇”行為導致水資源過度開采[45, 46]，進而加劇農業生產用水壓力。

從農業整體種植結構來看，糧食播種面積占農作物總播種面積比重的持續增加是黃淮海地區糧食生產用水增加的主要原因之一，農業種植結構變化對糧食生產用水的促增作用明顯。可見，農業種植結構有待進一步調整優化，在穩步提升糧食產量的同時統籌糧經飼生產，適度調減高耗水作物、改種耐旱作物，從而緩解黃淮海地區水資源短缺壓力。種植結構效應反映的是第一產業內部結構變化的影響，三產結構效應則體現了一二三產業結構發展變遷的貢獻。盡管第一產業在國民經濟中的占比持續下降，但隨著社會經濟快速發展和人民生活水平提高，農產品市場需求由增產向提質轉變，傳統農業的不斷改造提升促進了節水型現代農業的發展。

六、結論與建議

(一)結論

本文以水足跡為度量工具，從用水總量、來源結構以及糧食生產水資源匹配度三個方面分析2002—2017年黃淮海地區糧食生產水資源利用的動態演變特征，然后采用LMDI分解模型對糧食生產用水變動展開分解，進而對各效應進行了全面分析，主要研究結論如下：

第一，在用水總量方面，2002—2017年黃淮海地區糧食生產水資源利用經歷先下降后快速回升再企穩上升三個階段。分地區來看，河南糧食生產耗水居于首位，并呈現快速攀升的演變態勢；河北、山東、江蘇和安徽4省糧食生產用水量居于中位水平且波動幅度較小，基本呈現“勺型”波動趨勢；北京和天津糧食生產耗水遠低于其他省份且波動平緩。在用水結構方面，黃淮海地區糧食生產藍水、綠水足跡之比約為2∶3。其中，對綠水資源的利用量呈現持續增長趨勢。

第二，通過構建糧食生產水資源匹配指數，直觀地反映了糧食生產對地區資源環境造成的壓力大小。報告期內黃淮海地區糧食生產水資源匹配指數整體達到0.43，二者呈現不匹配狀態，并具有明顯惡化的態勢。分地區來看，河南、河北和山東等水資源相對匱乏但生產任務嚴峻的地區，糧食生產與水資源之間長期處于較不匹配甚至嚴重不匹配水平；北京水資源稟賦與產量能力的匹配關系好轉，安徽和江蘇則表現為中等匹配、略有惡化的趨勢。區域糧食安全與水資源可持續利用之間的矛盾不容忽視。

第三，基于LMDI模型將黃淮海地區糧食生產用水量變動分解歸納為技術進步、政策制度、節水管理、資源稟賦、水土匹配、糧水匹配、經濟發展、種植結構和三產結構9類效應。其中，水資源和耕地資源稟賦趨于貧乏以及兩者的匹配程度不高，在一定程度上增加了糧食生產用水；糧食生產與水資源匹配關系惡化是用水增加的主要因素之一；農業經濟發展促進糧食生產用水增加，二者處于“弱脫鉤”的初級協調發展狀態；由于農業基礎設施薄弱、節水推廣阻力較大，農業支持政策以及節水相關政策未能發揮抑制糧食生產用水的預期效果；農業種植結構調整在減少糧食生產用水方面未取得顯著成效。

第四，技術進步效應具有兩面性，節水技術進步是水資源生產率提高的關鍵，是減少糧食生產耗水的重要因素，但生產技術改進對單產的提高往往會促使農戶增加水資源、化肥等要素的額外投入；三產結構調整推動農業技術創新和產業升級，促進農產品市場需求由增產向提質轉變，是抑制糧食生產用水增加的最主要因素；農田水利建設和水資源開發強度是節水管理水平的不同體現，前者雖對提高水分生產率具有積極作用，但可能因“灌溉效率悖論”的存在而未能真正減少糧食生產用水，而農業水資源開發強度加劇促使節水型農業發展，有助于抑制糧食生產用水增加。

(二)建議

針對以上結論，從開源和節流兩方面提出以下政策建議：

在開源層面，限制地下水開采強度，提高再生水、雨水等非常規水利用比例是緩解黃淮海地區糧食生產水資源短缺的主要途徑。可通過提高土壤蓄水和保水能力的“平面”利用方式和建立雨水存貯設施的“立體”匯集方式[47]，彌補糧食生產的需水缺口。此外，隨著邊際開發成本不斷提升，興修大型水利設施、跨區域調水等增加供水量的傳統方法已非長久之計。以南水北調工程為例，其原水價格遠高于當地水價，若無地方財政補貼農戶無法承受高昂水價，但高額成本又給地方政府造成較大難題。

在節流層面，應當嚴格加強水資源管控，在糧食生產中充分落實水資源“三條紅線”政策。具體來說，可圍繞三產結構調整、節水技術研發與應用、糧食生產水資源匹配關系等方面展開。其中，三產結構調整在抑制農業用水增加方面發揮主要作用，因此產業結構的進一步優化升級十分必要。具體而言，在穩定糧食生產和保證有效供給的前提下，改造提升傳統農業產業，將高耗水的落后農業產能向低耗水的非農部門適度轉移。與此同時，加強節水技術研發和推廣力度，提高農田水利建設水平，推動經濟發展方式由粗放型向節約型轉變，走集約高效的現代農業發展道路。此外，開展流域水資源統一管理，優化種植結構，適度推廣輪作休耕制度，縮小黃淮海地區糧食生產與水資源稟賦不匹配程度，有助于打破“節水困境”，保障長期糧食安全，促進農業生產可持續。