中國省域耕地與灌溉水資源利用效率及其耦合協調度的空間相關性分析

朱麗娟 陸秋雨

(河南財經政法大學 工程管理與房地產學院，鄭州 450046)

當前，中國糧食安全處于緊平衡態勢，在中美貿易關系日趨緊張、新冠病毒沒有得到有效遏制以及非洲蝗蟲肆虐的背景下，中國糧食安全問題更加受到國際國內的多方關注。過去40年，中國通過資源的大量投入和農業補貼政策的刺激，糧食壓力得到一定緩解，但仍隱含巨大的生態環境風險。如何持續提升中國糧食綜合生產能力，成為中國社會經濟發展的突出問題。耕地和水資源是糧食生產的兩大基礎性資源和“硬”約束條件，對于耕地和水資源均稀缺的中國而言，糧食安全若要具有可持續性，唯有節約資源，提高其利用效率，為此，2011年“中央一號”文件劃定了水資源利用的“三條紅線”，2017年習近平總書記明確指出“實施質量興農戰略，不斷提高農業創新力、競爭力和全要素生產率”。可見，提高耕地和水資源利用效率，增強各區域耕地和水資源的匹配度，優化區域資源的配置既是滿足國家戰略的迫切需求，也是農業資源經濟領域的研究主題。

現有對耕地和農業水資源利用效率的研究具有一定共性，均集中在以下3個方面：1)對耕地和水資源利用效率進行評價。評價的尺度包括全國[1]、各經濟區[2]、各省域[3]、市[4]等。評價的方法主要采用SFA[5]和DEA[6]，也有學者采用RF模型[7]、綜合評價法[8]、PCA-Copula評價方法[9]、投影尋蹤及遺傳算法[10]。多數研究在效率評價的基礎上，進一步對耕地和水資源利用效率的空間差異特點進行分析。2)分析耕地和水資源利用效率的影響因素。這些影響因素包括：農業人口轉移[11]、貧困農戶識別[12]、城鎮化[13]、農民土地價值觀[14]、耕地細碎化[15]、老齡化[16]、農民分化[17]、灌溉管理方式[6]。3)揭示耕地和水資源利用效率與經濟發展之間的關系。這方面的研究近幾年才受到關注，研究相對較少。如：操信春等[18]從廣義水資源投入出發研究計算了中國灌區水分生產效率，利用1998—2010年相關數據,建立了廣義水利用系數，并分析了其和水分生產效率的空間差異。

當前，中國耕地利用效率和水資源利用效率均不高[19]。而耕地資源和灌溉水資源的利用效率的提高和改善對糧食生產均具有十分重要的意義，但其相關研究多集中于資源利用效率[20]、資源環境承載力[21]、綠色效率評價[22]等方面，將二者結合起來進行研究分析的研究并不多，大多數學者著重于耕地資源或水資源與糧食生產[23]、經濟發展[24]、以及能源[25]的關系探究。耦合模型的使用提供了一個很好的方案將耕地資源與灌溉水資源結合起來，其可以將兩個子系統鏈接，探究其相互間的影響機理與影響程度。因此耦合也被認為是一種資源管理的方法[26]，可實現提高資源利用效率和保障資源安全。耕地和水資源作為農業生態系統中的重要子系統，兩者之間具有相互依存、彼此影響的關系，耕地資源的利用方式和變化對水資源的存流量有著重要制約作用，水資源稟賦又是耕地資源的開發和利用的關鍵條件。同時，兩者之間的相互作用存在著復雜的非線性關系和反饋關系，這主要取決于兩要素自身的稟賦特征、組合關系及其時空格局[27]。現有研究多數僅局限于耕地或水單一資源利用效率的評價，而對耕地和水資源利用效率的關聯關系，即兩者協同或矛盾的耦合關系和耦合特征的研究相對較少。另外，現有研究雖指出耕地和水資源利用具有顯著的區域差異性[28]，但兩資源利用效率的耦合關系是否具有空間相關性和空間溢出效應，演變規律是什么？此方面的研究還未被關注。

在耕地和水資源利用政策和管理方面，中國尚處于分部門、各自為政階段，盡管出臺了對耕地和水資源利用強度等約束目標和政策，但在制定目標過程中，各部門沒有考慮耕地和水資源之間的耦合性。本研究在測度中國各省份耕地和農業水資源利用效率的基礎上，通過構建耦合協調模型，揭示區域耕地和水資源利用效率的耦合協調程度和狀態，明晰其時空演變特征，并運用莫蘭指數，分析兩者耦合協調的空間相關性和空間集聚效應。以期對協調中國各區域耕地和水資源配置之間的矛盾，實現各區域水土資源可持續利用提供理論支持。

1 研究方法與數據來源

1.1 數據包絡分析法

本研究采用數據包絡分析模型(DEA，Data envelopment analysis)測算耕地和灌溉水資源利用效率。DEA模型有兩種基本形式：假設規模報酬不變的CRS模型和假設規模報酬可變的VRS模型。Coelli等[29]認為，VRS模型適用于微觀的研究對象，宏觀層面(一國或地區)的自然資源等要素不會輕易發生改變。本研究以全國31個省份為研究對象，分析具有稀缺性的耕地和水資源在“藏糧于地，藏糧于技”的戰略背景下，如何提高其利用效率及匹配度，因此選擇基于投入導向的規模報酬不變的DEA模型。根據模型可以得到由兩部分組成的綜合技術效率，且綜合技術效率=純技術效率×規模效率。其中，純技術效率是由于管理和技術等因素影響的生產效率，規模效率是由于規模因素影響的生產效率。

1.2 耦合協調度模型

耦合度模型一般用來研究一個系統內部某兩個或多個要素之間的關聯度。本研究關注農業生產系統中的耕地與水資源兩個要素之間的關系，其耦合度計算公式如下：

(1)

式中：C為耦合度且其滿足0≤C≤1；U1和U2分別為耕地和農業水資源利用效率，通過DEA模型計算得出。如果耦合度C的值越大則表示耕地與農業水資源利用效率之間互相聯系程度越強；反之，則緊密程度在逐漸減弱，此時耕地和農業水資源的開發利用是無序且不穩定的。

耦合度的高低僅能反映兩要素之間關聯的程度，當耕地和農業水資源利用效率都比較低時，也能有較高的耦合度。為了進一步反映兩生產要素相互作用中良性耦合程度的大小，即：是在高水平上相互促進還是在低水平上相互制約，本研究進一步構建耦合協調度模型，公式如下：

T=αU1+βU2

(2)

(3)

式中：D為耦合協調度，一般位于0～1；T為基于調節系數α和β構成的耕地與農業水資源利用率的綜合協調指數，且α和β相加恒等于1。本研究認為在農業生產中，耕地與農業水資源同等重要，因此，假定調節系數α和β均為0.5。參考已有研究成果[30]，耦合度及耦合協調度等級劃分標準如表1所示。

表1 耦合度和耦合協調度等級劃分標準Table 1 Classification Standard of coupling degree and coupling coordination degree

1.3 基于Moran’s I指數的空間自相關分析

度量和描述變量在空間上的分布特征以及互相依賴和互相聚集程度的最重要的計算指標之一就是Moran’sI指數。故本研究選擇Moran’sI指數進一步分析中國耕地和農業水資源利用效率耦合協調度的空間相關性。Moran’sI指數有全局Moran’sI指數和局部Moran’sI指數。全局莫蘭指數I介于-1～1，若全局莫蘭指數I>0，表示耕地和農業水資源利用效率耦合協調度存在空間正相關，數值越大，耦合協調度在空間上正相關程度越強；若全局莫蘭指數I<0，則表示耦合協調度存在空間負相關。

全局Moran’sI指數僅反映中國各區域的土地和水資源利用效率的耦合協調度在空間上是否出現了集聚或異常，但無法反映具體區域的集聚特征及形態，本研究進一步用局部Moran’sI指數度量某省與鄰近省份之間在耦合協調度方面是否存在空間溢出以及各區域的空間集聚特征。且局部Moran’sI指數值>0，說明存在空間集聚;指數值<0，說明存在空間離散。

1.4 數據來源和處理

測算資源利用效率時需要建立合理的指標體系，本研究在借鑒張雄化等[31]的基礎上，考慮到數據的可獲得性，構建耕地和灌溉水資源的投入產出指標體系，具體見表2。

表2 耕地資源與灌溉水資源的投入產出指標Table 2 Input and output index of cultivated land resources and irrigation water resources

除農業灌溉用水量，其余指標的數據均來自2003—2019年的全國31個省市統計年鑒、《中國農村統計年鑒》[32]以及《中國統計年鑒》[33]。汪恕誠[34]和張雄化等[31]均認為灌溉用水量約占農業用水總量的90%，因此，本研究中的農業灌溉用水量=農業用水量×90%。為了保證不同時期效率值具有可比性，本研究將2003—2019年中國31個省(市)耕地和灌溉水資源相關投入產出數據納入同一決策單元集。

2 實證結果與分析

2.1 耕地和灌溉水資源利用效率評價

2.1.1資源利用效率的總體特征

由圖1(a)可知，樣本考察期中國耕地資源綜合利用效率整體呈上升趨勢，尤其是從2010年開始，綜合利用效率得到快速提升，至2019年達到0.946，提升了27個百分點。純技術效率變化趨勢與綜合效率變化趨勢基本一致，呈上升態勢。規模效率整體呈平穩緩慢上升趨勢，效率值較高，2003—2019年，基本在0.95左右。根據綜合效率=純技術效率×規模效率，可推論：耕地資源綜合利用效率是由純技術效率決定的，即：中國農業科技水平的提高以及資源配置的不斷優化推動了耕地資源綜合利用效率的提高。

由圖1(b)可知，樣本考察期中國灌溉水資源綜合利用效率整體呈快速增長趨勢，2003年效率均值為0.242，2019年為0.823，17年間提高了58個百分點，但仍有17.7%的提升空間。純技術效率的變化趨勢與綜合利用效率基本一致，呈快速增長趨勢。這主要得益于“十五”以來，國家加大了節水灌溉的投入力度，2008—2018年節水灌溉工程面積從2 447萬公頃增加到3 427萬hm2，農田灌溉水利用系數從0.483提高到0.554。規模效率相對較高，呈緩慢上升趨勢。同樣可推論：灌溉水資源綜合利用效率由純技術效率決定。由以上對比可知，中國灌溉水資源綜合利用效率提升速度比耕地資源要快。

圖1 全國耕地與灌溉水資源利用效率變化趨勢Fig.1 Change trend of cultivated land resource utilization efficiency in China

2.1.2資源利用效率的空間格局特征

中國不同區域間農業自然資源稟賦、經濟發展水平及農業科技水平差異巨大，為了更好觀測耕地和灌溉水資源利用效率的空間差異及分布特征，本研究將全國31個省份分為4個區域：東北地區(包括遼寧、吉林、黑龍江等3個省)，東部地區(包括北京、天津、河北、山東、江蘇、浙江、上海、福建、廣東、海南等10個省(市))，中部地區(包括湖南、湖北、河南、江西、安徽、山西等6個省)和西部地區(包括寧夏、新疆、青海、陜西、甘肅、四川、云南、貴州、西藏、重慶、內蒙古、廣西等12個省(市、自治區))。

樣本考察期，中國耕地資源綜合利用效率區域差異顯著，呈東北>東部>西部>中部的空間分布格局。其中，東北地區在2019年效率值均為1，達到技術有效。在變化趨勢上，東北和西部呈波動增長趨勢，東部和中部增長趨勢平穩。4個區域純技術效率的空間分布特征及變化趨勢與綜合利用效率一致，規模效率雖有微小差異但相對穩定，效率值基本在0.98左右。因此，可知，區域耕地資源綜合利用效率同樣是由純技術效率決定。

樣本考察期，灌溉水資源綜合利用效率同樣區域差異顯著，呈東部>東北>西部>中部的空間分布格局。東部和中部增長趨勢平穩，而東北和西部呈波動增長。農業領域一直處于隨著時間水資源壓力會逐漸加劇的領域，其中以西部旱區和糧食及東北部糧食主產區較為明顯，相對也會對區域之間灌溉水綜合效率產生影響。其中，由表可知，純技術效率的空間分布格局與變動趨勢與綜合利用效率一致，東部和西部的規模效率呈增長趨勢，東北基本維持不變，而中部地區略微有所下降。以上可知，四區域灌溉水資源綜合利用效率仍是技術驅動模式。

2.2 耕地和灌溉水資源利用效率耦合協調度的時空分異特征

利用所測算的耕地和灌溉水資源利用效率值，計算出2003—2019年全國31個省市耕地和灌溉水資源利用效率的耦合度值。發現，2003年，除山西、河南、安徽、寧夏、甘肅和青海處于輕度失調外，其余省份均處于一般耦合階段，2008—2019年，全國31個省份均處于一般耦合階段，這種結果可能是由于在2003年左右，西部和中部地區的寧夏、甘肅等省份的經濟水平，農業水平尚處于發展階段，且發展緩慢所致，而在2008年段，隨著中國經濟發展的提升以及西部地區對于農業經濟等相關政策逐步完善，西部地區發展速度有所提升。這說明，中國耕地和灌溉水資源整體上已經表現出相互作用、相互依賴的交錯性，且兩者耦合程度具有一定的穩定性。

為進一步判斷耕地與灌溉水資源利用效率之間良性耦合程度的大小及其時空變化特征，根據全國31個省份的耦合協調度值運用ArcGis 10.5軟件，將2003、2008、2013和2019年資源利用效率耦合協調度進行空間可視化(見圖3)。從時序上看，2003、2008、2013和2019年全國耦合協調度均值分別為0.437、0.491、0.579和0.661；2003年，處于輕度失調階段的省份有7個，一般耦合協調階段的省份有24個，到2019年，處于一般耦合協調階段的省份有4個，良好耦合階段的省份有27個。這表明中國耕地與灌溉水資源利用效率的耦合協調度由一般耦合協調階段提升到良好耦合協調階段，耕地與灌溉水資源利用的綜合管理水平在提升的同時，相互支撐作用越來越強。

該圖基于自然資源部標準地圖服務網站下載的審圖號為GS(2019)1825號的標準地圖制作，底圖無修改The map is based on the standard map No. GS (2019) 1825 downloaded from the standard map service website of the Ministry of natural resources, and the base map is not modified圖3 全國耕地與灌溉水資源利用效率耦合協調度的時空分布Fig.3 Spatial and temporal distribution of coupling coordination degree of cultivated land and irrigation water use efficiency in China

從空間上看，中國耕地與灌溉水資源利用效率的耦合協調度呈東部>東北>西部>中部的空間分布格局。影響耦合協調度的因素在一定程度上受到地區地理位置和當地資源稟賦的影響，東部地區地理位置優越，經濟發展相對發達，因此耕地與灌溉水耦合協調程度相對較好；而對于水資源壓力較大的西部干旱區以及東北糧食主產區，其耦合協調程度便相對較弱。具體來說，東部和東北地區各省份在2003—2008年均處于一般耦合協調階段，至2013—2019年，兩地區各省份的耦合協調度均提升至良好耦合協調階段。西部地區各省份在2003—2008年也均處于一般耦合協調階段，2013年，50%的省份提升至良好耦合階段，到2019年，僅有甘肅省處于一般耦合協調階段，其余省份均提升至良好耦合階段(占91.7%)。中部地區在2003年處于輕度失調的省份(安徽、河南和山西)占50%，一般耦合協調階段的省份占50%，2008—2013年，6個省份均提升至一般耦合協調階段(河南為良好耦合階段)，2019年，一般耦合協調階段的省份(安徽、山西)占33.3%，良好耦合協調階段的省份(河南、湖北、湖南、江西)占66.7%。總體上，東部和東北地區耕地和水資源利用效率的耦合協調水平平穩提升且區域內發展均衡；中部和西部地區耕地和水資源利用效率的耦合協調水平發展相對緩慢且區域內發展不均衡。

表3 全國耕地資源利用效率的空間分布Table 3 Spatial distribution of cultivated land use efficiency in China

表4 全國灌溉水資源利用效率的空間分布Table 4 Spatial distribution of irrigation water use efficiency in China

2.3 耕地和灌溉水資源利用效率耦合協調度的空間相關性分析

2.3.1全局空間自相關分析

依據測算出的耕地和灌溉水資源利用效率耦合協調度，運用ArcGis 10.5軟件的空間自相關工具，計算出2003—2019年全國31個省份耕地和灌溉水資源利用效率耦合協調度的Moran’sI指數(表5)。可知，全局Moran’sI指數在95%置信水平上極其顯著且Z統計值大于臨界點1.96，全局Moran’sI指數通過檢驗，表明了在此空間和時間上的有效性。符號均為正，這說明全國耕地和灌溉水資源利用效率耦合協調度呈正空間自相關，相鄰省份的耦合協調度表現出空間集聚特征。2003—2019年耦合協調度的全局Moran’sI值呈上下波動態勢，說明耦合協調度的空間自相關性不穩定，空間集聚態勢在減弱與增強之間來回反復。

表5 2003—2019年耦合協調度的全局Moran’s I指數Table 5 Global Moran’s I index of coupling coordination from 2003 to 2019

2.3.2局部空間自相關分析

本研究進一步用局部Moran’sI指數和Moran散點圖來分析具體省域的空間集聚形態。根據式(6)計算出局部Moran’sI指數，運用ArcGis 10.5軟件繪制出2003—2019年全國耕地和灌溉水資源利用效率耦合協調度的Moran散點圖(圖4)，散點圖包含31個研究單元，以橫縱坐標的平均值為中心坐標，將平面區域劃分為H-H(high-high，以下稱為高-高),L-H(low-high，以下稱為低-高),L-L(low-low，以下稱為低-低)，H-L(high-low，以下稱為高-低)4個象限，高-高聚集區指某省市自身及周邊省市耦合協調度都高；低-高聚集區指某省市自身耦合協調度低，周邊地區高；低-低聚集區指某省市自身和周邊地區的耦合協調度都低；高-低聚集區指某省市自身耦合協調度高，周邊地區低。

圖4 全國31個省(市)耦合協調度的Moran散點圖Fig.4 Moran scatter diagram of coupling coordination degree of 31 provinces (cities) in China

由Moran散點圖可知，2003、2008和2013年，位于第一(“高-高”區)、三象限(“低-低”區)的點均多于第二象限(“低-高”區)、第四象限(“高-低”區)的點，即表示：屬于空間正相關，耦合協調度相近(高或低)的省市在空間上更容易集聚，各區域空間差異小。而2019年，位于第二、四象限的點略微比第一、三象限多，說明耦合協調度相近(高或低)的省份在空間分布上更容易呈離散模式，可能因為競爭，高值省份排斥高值省份，低值省份排斥低值省份，但由于局部莫蘭指數值為-0.051，接近于0，離散效應并不強烈，接近隨機分布態勢。總體上，中國耕地和灌溉水資源利用效率耦合協調度主要集中在“高―高” 區和“低―低”區，空間溢出效應顯著。

具體省份(市)所屬聚集形態特征如下：2003—2019年，新疆為高―低區，即被低值省份所包圍；山東、河南、山西和廣西為低低區，即自身和周邊省份均為低值省份；吉林、云南為低高區，即被高值省份所包圍；其他區域P值不顯著。由具體省份聚集形態并結合圖3和全局Moran’sI指數表現出的整體呈聚集效應，可知：大體上西部和東北地區的空間溢出效應比中東部強烈。

3 結論與討論

本研究結論如下：1)中國耕地和灌溉水資源利用效率均呈上升趨勢，灌溉水資源利用效率提升速度更快。兩類資源利用效率均由純技術效率決定，是技術驅動模式。2)總體上，中國耕地與灌溉水資源利用效率的耦合協調度處于良好耦合協調階段，且空間差異顯著，呈東部>東北>西部>中部的空間分布格局。3)整體上，中國耕地和灌溉水資源利用效率耦合協調度呈正空間自相關，具有空間集聚特征，但集聚態勢在增強與減弱間來回波動。(4)中國耕地和灌溉水資源利用效率耦合協調度主要集中在“高-高”和“低-低”集聚區，空間溢出效應顯著，西部和東北地區的空間溢出效應比中東部強烈。

本研究的結論可能為區域耕地和水資源效率的提升、區域資源開發利用規劃以及區域發展戰略制定提供實踐指導。耕地資源與灌溉水資源利用效率的交互影響存在于基于自然環境和生態承載條件下的復雜巨系統，為推進耕地資源和灌溉水資源利用效率的提高以及區域資源配置進一步優化，結合本研究對耕地和灌溉水資源利用效率耦合協調空間相關性分析，建議區域耕地和灌溉水資源的相關政策制定應著重于協調、創新、綠色，可持續發展方向，因鄉村發展的內生動力不足，兼之農業發展對資源的依賴性較強，加強創新導向的科技驅動力發展，側重可持續發展的綠色農業發展對促進耕地和灌溉水資源協調發展具有重要意義。

由于數據時序是2003—2019年共17年，所得結論與更長時間跨度數據的結論是否一致有待進一步驗證。另外，本研究認為還應在以下幾方面進一步拓展：一是耕地和水資源耦合作用與糧食安全之間的關系，這對于緩解糧食危機和建立合理的區域水土資源開發利用模式具有重要指導價值；二是低碳經濟是中國可持續農業發展模式之一，在耕地和水資源開發利用過程中，開發利用強度和兩者組合關系不同對碳的影響不同，因此，應與農業低碳、綠色發展相結合，從碳排放角度進一步分析耕地和水資源耦合的效率。三是進一步挖掘耕地和水資源利用效率耦合作用的影響機制。