農業面源污染管理政策調控仿真模型研究進展

吳 鋒,曾麟嵐,劉桂君

1 中國科學院地理科學與資源研究所 中國科學院陸地表層格局與模擬重點實驗室,北京 100101 2 中國科學院大學,北京 100049

農田氮磷營養物流失是流域水環境污染的重要風險源,其污染物具有廣域分散性、相對微量且運移途徑多樣無序性特征,是環境污染治理的難點,嚴重影響了河湖水環境安全,同時制約著農業綠色可持續發展。中國農業自然資源“水土光熱”匹配的耕地面積只占國土面積的9%,糧食安全需求導致投入要素的增加,特別是農藥與化肥等化學品投入的增加加劇了面源污染風險。2015年國家發布《到2020年化肥使用量零增長行動方案》,通過測土配方施肥、畜禽養殖廢棄物綜合利用、水肥一體、秸稈還田等一系列面源污染防治措施,化肥施用量及施用強度逐漸降低,至2019年年均下降率超過了10%。其中2019年化肥施用強度已下降至326kg/hm2,但仍高于發達國家設置的安全上限(225kg/hm2),種植業污染負荷量仍具有較大的調控空間。2021年3月,生態環境部頒布《農業面源污染治理與監督指導實施方案(試行)》,提出2025年重點區域農業面源污染得到初步控制,2035年重點區域土壤和水環境農業面源污染負荷顯著降低的目標,并制定了一系列農業面源管理政策。如何科學評估農業面源管理政策的實施效果？農業面源管理政策調控閾值應該處于什么范圍才能實現環境與經濟雙重效益相協同？這些問題的科學解答迫切需要在流域水系統過程規律的認知基礎上耦合農業面源管理政策仿真模型工具的支撐。

相對于農業面源污染物遷移模擬的自然過程模型而言,刻畫農業主體生產行為調控的政策仿真模型發展較慢。早期農業面源污染的研究主要依賴于調研與記錄資料的統計分析。隨著作物生長模型及水文模型等自然過程模型的發展,對農業面源污染物遷移轉化過程模擬及刻畫研究逐漸增多,并發展形成一系列較為成熟的農業面源污染過程模擬模型[1—2]。其中重要代表性的有Agricultural Non-point Source Pollution (AGNPS)[3—5]、Areal Non-point Environment Response Simulation (ANSWERS)[6—9]、Soil and Water Assessment Tool (SWAT)[10—13]與Water Erosion Prediction Project (WEPP)[14—16]等。然而,對于農業面源污染管理政策定量化評估模型的研究相對較少,并且對于政策效果的評估及預測受數據制約往往聚焦在區域尺度,對資源稟賦與自然過程時空異質性科學規律銜接不足,難以刻畫政策效果的空間差異。要實現農業資源環境從宏觀粗放式管理向精準化管理邁進,不斷提升資源的利用效率,尤其是農業面源污染這類與資源環境空間異質性聯系緊密的問題,加入地理環境要素空間特征與自然過程演變規律,考慮受資源環境約束的農業主體生產行為異質性,實現相關管理政策效果的空間顯化,是未來模型發展的重要趨勢。

農業面源污染控制是一個受經濟、社會和自然等眾多復合因素綜合影響的系統性問題。農業面源污染的產生追本溯源是農業生產行為不合理導致的,而農業生產行為受到宏觀政策、技術水平與經濟社會發展條件的影響,其產生的負面效應反作用于自然過程表現為面源污染等環境問題。國際上流域水環境治理理念逐步由以水污染綜合防治和水生態環境恢復為目的的治理向流域資源—生態環境—社會經濟系統性治理邁進。2002年歐盟水框架指令計劃提出,流域水土資源綜合管理是農業面源污染控制的有效措施[17]。然而,當前我國對農業面源污染治理技術仍多以末端控制為主[18],同時,農業生產技術的進步也使農業生產及組織行為發生改變,農業經營面臨經濟效益與環境效益的矛盾。農業面源管理政策實施效益缺乏科學系統性評估,相關的農業面源污染政策調控仿真定量化評估工具也較為缺乏,有必要對現有研究工具進行系統梳理,為定量仿真模型的發展提供參考。因此,本文從自上而下、自下而上及上下耦合三個視角對現有的農業面源管理政策模型與評估研究進展進行綜述,梳理當前已有研究工具的優勢與不足,并提出融合流域水系統過程規律認知,構建宏觀政策目標自上而下約束與微觀主體自下而上傳導耦合的農業面源污染政策仿真系統模型,實現政策模擬仿真結果空間顯性化,促使農業面源污染控制的管理向精準化方向邁進。

1 農業面源管理政策仿真評估模型介紹

1.1 自上而下的政策評估模型分析

宏觀管理政策通常按照自上而下的過程進行實施,因此現有對政策效果的定量模型多以自上而下的思路進行建模,且多關注于上層目標的落實情況。管理政策多由政府或企業等相關管理部門制定,通過推進或促進相關社會主體行為變革而實現其環境或經濟等管理目標[2]。自上而下的經濟管理政策模擬仿真主要從宏觀管理目標出發進行調控,一是從經濟學視角出發,以部門為單位考慮多個經濟部門之間的關聯關系,進行政策調控模擬評估其宏觀經濟效應；二是從系統分析的角度出發,構建人口-資源環境-經濟的復雜系統,基于政策工具參數變動觀察系統要素的互饋關系與作用強度的響應,以實現宏觀管理政策的仿真模擬。其代表性模型有投入產出模型、一般均衡模型、系統動力學模型等。

1.1.1投入產出模型

投入產出模型是較早用于經濟生產投入要素和經濟系統結構變量耦合研究的方法。早在20世紀70年代,Bargur等人將水污染作為一個生產要素，分析經濟部門之間的水污染關系[19]。投入產出模型由美國經濟學家Leontief提出,其基本假設為一個經濟體有多個部門,且每個部門都生產單一的、同質的商品或服務[20]。投入產出模型通過投入產出矩陣刻畫國家或地區的經濟部門之間商品和服務的流動關系,進而表征行業間的相互依賴性[21]。為進一步刻畫經濟生產活動的環境影響,里昂惕夫把產生與消除污染物的過程嵌入到投入產出表中,以刻畫各部門間污染物流量核算,實現了投入產出模型在經濟政策的環境效應分析定量化中的應用[22]。此后,許多學者對經濟系統各部門中的水資源利用導致的污染問題采用擴展資源環境賬戶的投入產出模型進行刻畫。陳錫康等在投入產出表中將水資源部門作為獨立部門,對各部門用水情況、水的分配狀況、供水過程耗費和排出污水情況分別進行了刻畫[23]；Sánchez-Chóliz和Duarte將水污染類型劃分為水循環、生物需氧量、懸浮固體、硝酸鹽和磷酸鹽等五大類,并采用Pasinetti垂直一體化方法實現投入產出表內各部門與各種水污染類型的對應[24,25]。

投入產出模型能夠同時跟蹤社會經濟部門之間的水資源消耗及其污染負排放的具體影響,進而較為全面地刻畫分析經濟系統內各部門間水污染聯系。然而,由于其對產業部門的用水、耗水和排放數據具有較強的依賴性,模型的準確性受到原始數據收集和標準化方面差異的限制,并且只能根據歷史數據階段性地提供基本經濟結構的最新情況,因此存在一定的時間滯后性[26]。此外,由于該模型的刻畫單元為經濟系統行業部門,基于模型的同部門的同質化假設,部門內部不同規模企業差異性往往被忽略,因而只能從區域內以經濟部門為單位對水污染的排放進行宏觀調控,無法有效反映部門內部的差異性、空間異質性等微觀特征。

1.1.2可計算一般均衡模型

可計算的一般均衡模型(Computable General Equilibrium,CGE)是基于經濟學的一般均衡分析理論,即在統一的價格體系中,所有商品及要素達到供需均衡,消費者在預算約束下的消費實現效用最大化,生產者基于成本約束的生產實現利潤最大化[27]。可計算一般均衡模型從供給、需求及供求關系三個部分刻畫[28],主要用于分析補貼、稅收等政策的經濟結構、規模和效率的影響,現有研究引入環境稅及污染物排放費等對CGE模型進一步擴展[29]。利用CGE模型研究水資源利用時將水資源看作生產要素,在社會核算矩陣或部門產出中設置相應的約束條件納入其中[30—31]。具體而言,有三種實現途徑[32]：一是通過設定水土固定比例的線性關系,改進生產函數[33]；二是將涉及到水資源的企業作為獨立部門[34]；三是通過投入占用產出方法“外掛”于CGE模型,間接考慮水資源問題[35]。

目前,基于CGE模型對水資源利用及環境問題的研究仍存在一定的挑戰。具體而言,模型需要較為完備的數據基礎,而實際的水資源統計數據較難滿足模型的構建。同時,尚未形成刻畫水資源利用過程與經濟系統投入產出關系耦合的成熟方法,模型結果仍較大依賴估計。此外,模型設定的均衡時市場條件與現實中的市場之間存在一定的差距,較難根據實際市場條件進行修正。

1.1.3系統動力學模型

系統動力學模型是基于系統動力學理論,通過因果關系流向圖及相應的方程構建用以刻畫復雜系統動態的仿真模型。其可通過該模型進行仿真實驗,并不斷調整控制參數,進而從實驗結果分析系統的發展方向及改進的政策效果[27]。有學者從系統科學的角度,通過構建系統動力學模型對水環境質量改善開展系統建模研究,例如90年代初,王勇等學者利用系統動力學模型預測了1992—2000年上海市長興島的水環境質量演變和水資源供需趨勢[36]。由于人-水耦合系統是極具專業性的復雜系統,傳統的基于經驗方程刻畫的系統動力學模型難以充分利用已有的專業研究成果。為彌補這一不足,左其亭等提出嵌入式系統動力學(Embedded System Dynamics,ESD),把反映系統的專業模型(比如水文模型模塊、水庫調度模塊、河道演進模塊、水資源管理模塊、優化調度模塊)等子模塊嵌入系統動力學模型[37]。劉金華等人在系統動力學模型的基礎上,進一步加入多學科的定量化模型,形成社會經濟水系統耦合模型[27]。

系統動力學模型的優勢在于可以刻畫眾多定性因子相互關系的復雜性,如區域、全國以及全球系統分析時,可以通過構建認知復雜系統的關鍵性聯系而開展系統模擬[38]。但是,該模型也存在一定局限性,如在厘清系統內部要素之間的競爭與協同影響關系上略存不足[39],無法對部門技術進行詳細的分析和預測,并且在系統的長時間預測模擬時參數校準與驗證仍存缺陷,有可能導致推斷結論的誤差偏大[27]。

1.2 自下而上的政策評估模擬

自下而上的政策定量評估主要從實施主體的行為和管理主體的目標兩個分析角度建模。政策最終的實施主體均是人,因此可以通過調控人在實現其自身利益最大化的條件下的生產行為,如種植結構調整、農藥化肥投入等,由個體利益博弈行為決策整合形成群體行為,進而實現個體-群體-系統間自下而上的模擬。此外,可以對管理主體不同視角的目標進行系統整合,從經濟、社會、環境等多維視角考慮政策的組合目標,以形成綜合性的多個層面目標最優化決策。其中,政策評估計量經濟學模型、基于主體的建模(Agent-Based Model,ABM)方法與多目標優化模型等是上述思路具有代表性的模型。

1.2.1政策評估的計量經濟學模型

目前,政策效應評估計量經濟學模型主要有結構方程、雙重差分、傾向得分匹配和斷點回歸等方法。結構方程模型(Structural Equation Model,SEM)是基于變量的協方差矩陣來分析變量之間關系,該模型的一個假設前提是政策對所有樣本都產生了相同的影響,且這種影響是線性的、恒定的,其無法解決樣本的非隨機選擇問題[40,41]。雙重差分法(Differences-in-Differences,DID)是由Heckman等提出用于評估公共政策凈效應的方法,該模型以面板數據為基礎,需要制備政策實施前后的對比分析數據,對研究數據要求較為嚴苛[42]。傾向得分匹配方法(Propensity Score Matching,PSM)適用于截面數據,可用于事后評估,通過控制協變量以構建實驗組與對照組,從而顯著降低評估偏差[43]。斷點回歸方法(Regression Discontinuity Design,RDD),是由Thistlethwaite和Campbell提出用于研究變量間因果關系的擬隨機實驗方法[44],其使用前提是臨界值處存在斷點,經檢驗存在斷點后對臨界值附近的樣本進行回歸分析。該方法要求斷點臨界有較多觀測值,且臨界值附近的局部平均效應難以外推至整體[45,46]。由于政策前的回訪存在一定難度,大部分研究只能針對政策實施后的情況進行調研,因此,傾向得分匹配和雙重差分耦合方法對于農業面源管理政策評估的適用性更強。

1.2.2基于多主體建模方法

基于多主體建模方法用于水資源復雜系統的研究較多關注于社會經濟方面,與自然過程模型的耦合應用相對缺乏。基于多主體的建模作為一種自下而上的多主體行為仿真模擬方法,通過考察異質性主體的特征定義微觀層面的主體行為、主體間及與環境的交互作用以表征系統全局信息,成為復雜系統模擬及政策評價的主要定量化工具[43,47]。基于多主體的建模方法在流域水資源優化配置、城鎮居民用水管理、灌區水資源管理中的應用較為廣泛[48],而其在水環境治理問題的應用主要通過對主體參數修改,模擬不同水污染管控情景下的政策實施效果,同時以水污染物遷移轉化過程為主線,模擬水污染物的吸附、自凈、沉降、擴散等行為,進而實現河道的仿真模擬等[49—51]。近些年,部分學者從生態-水文過程與ABM模型耦合的角度開展研究[52—54]。Bitterman等將ABM與土地利用變化和磷負荷累積過程模型相連接或耦合,模擬不同的協同治理政策對水質項目組合開發的影響[55]。閆猛等在耦合生態-水文過程基礎上,結合農民種植的經驗規則與尋優的耕種策略,以密云水庫為例探索農戶適應變化環境下的用水最優的種植行為[39]。

ABM模型的優勢在于,在尚未清楚全局不同主體相互依賴關系的情況下,仍可通過對各個參與者行為的定義構建ABM模型以獲取系統整體的行為演化涌現。然而,建模過程中對主體行為模擬的程度較難把握,過于簡單化的刻畫會導致對主體和水系統演化規律的過程互饋描述不足,全面的刻畫對經驗數據需求量較大,容易受到數據的限制使得模擬范圍有限[56—58]。

1.2.3多目標優化方法模型

多目標優化模型通過定義最優的一組方案,在特定的約束下以最小化的成本實現特定的目標,多用于探索最優的政策組合方案。多目標優化模型已成為研究水污染治理綜合管理的重要分析工具[59,60],眾多學者從環境-經濟雙重視角開展研究[61—63]。王有樂從污染負荷分配的角度,把治理投資、運行費用、經濟收益和污染物削減量作為規劃目標,建立多目標組合規劃模型[64]。龔琦等從農業產業結構調整的角度,以農業污染削減和農業經濟增長為主要目標,通過多目標優化模型對云南洱海流域農業產業結構進行優化設計[65]。Semaan等將“氣候-土壤-作物-管理”系統的綜合動力學模型(Environmental Policy-Integrated Climate,EPIC)與多目標規劃模型相結合,將生物物理模型輸出的作物產量等正產出與硝酸鹽浸出等環境負產出作為經濟模型的投入,并結合產品價格和生產要素成本等經濟數據,建立多目標優化模型,對最大化農民收入和最小化風險的雙重目標下的水成本效益進行分析[66]。

多目標優化模型的優點在于能夠從經濟、社會與環境等多維視角考慮政策組合的效應,以實現多個層面目標間的協調。然而,該方法在求解時大多釆用折中的辦法獲取模型的最優解,進而可能對模型結果的精度產生影響。同時,模型對市場缺陷刻畫考慮不足,可能導致對需求預測和政策設計理想化[67]。

1.3 自上而下-自下而上耦合模型

現有政策定量評估模型通常從特定角度或者局部環節解決農業面源污染的特定問題,并不能很好地系統解決污染來源與防控主體的多元性問題。對此,需要進一步集成不同尺度模型優點,解決其相關缺陷。目前,研究提出發展自上而下宏觀政策目標約束與自下而上微觀行為傳導耦合模型構架(圖1),以期更好地刻畫農業面源污染的多尺度約束與跨尺度傳導,保障農業生產系統的可持續性與農業面源污染政策的可行性。目前,能夠將微觀到宏觀層面的反饋充分結合起來的建模方法相對較少,較為廣泛應用的是在糧食安全研究中將可計算一般均衡模型或局部均衡模型(Partial Equilibrium Analysis Model,PE)與ABM進行耦合[68]。通常利用ABM模型對微觀個體行為差異和空間異質性特征進行刻畫,其模型輸出結果作為參數輸入至CGE模型中研究微觀個體變動對宏觀農業經濟與生產的影響[69—70]。

圖1 農業面源污染政策仿真與模擬模型框架Fig.1 Agricultural non-point source pollution policy simulation and simulation model framework

為彌補現有研究不足,本研究對農業系統集成評估模型(The Integrated Assessment Models,IAM)進行梳理與比較,討論自上而下宏觀政策目標約束與自下而上微觀行為傳導耦合模型發展的潛力與應用前景。IAM通過將經濟系統與自然過程整合在一個統一模型框架中,基于各種不同的模型方法,試圖整合不同尺度的土地利用、環境演變和社會經濟條件變化的直接和間接驅動因素,進行跨學科跨尺度的復雜系統模擬[71](表1)。基于一般均衡或局部均衡經濟理論,農業系統集成評估模型框架主要包括農產品市場的供給模塊與需求模塊,刻畫了政策調控與市場行為相關的內在聯系和變化,不同模型對供需尺度刻畫不同。供給模塊以作物生長和生物能源模塊為主,納入網格化的作物生物物理過程參數,包括特定作物的產量、灌溉用水需求量和土地資源分布等,以捕捉農產品供給中資源可用性和限制因素的空間異質特征。而需求模塊主要刻畫不同尺度上的農產品需求對農產品供給與貿易產生的影響。IAM通過外部環境變化沖擊模擬區域農業經濟與空間柵格資源稟賦的變化情況,為精準和集約化農業系統管理研究提供量化工具。

表1 農業復雜系統集成評估模型與方法Table 1 Integrated evaluation model and method of agricultural complex systems

2 農業面源管理政策仿真模型的重要發展方向

農業復雜系統集成評估模型通過實現自上而下宏觀目標約束與自下而上微觀行為傳導耦合應用,將為農業面源污染治理政策制定提供科學依據。農業生產發展過程中技術水平不斷提高,集約化種植所使用的化肥、農藥和塑料薄膜,以及農村禽畜養殖所產生的糞便及廢棄物不斷增長,成為了流域水體污染的重要外源。從源頭控制與過程削減入手,需要結合當地資源環境與經濟發展條件,合理安排農業生產方式與種植結構,提高資源利用效率和生產力,并依據所處流域水體污染程度建立不同類型的源頭控制措施,進而有效控制農業面源污染。農業系統集成評估模型有效模擬了政策影響下對農產品的生產結構和效率,其包含的驅動因素不僅考慮了宏觀社會經濟變動影響,且考慮了自然資源稟賦空間異質性的約束。同時,將農業面源污染產生的源頭刻畫降至空間柵格尺度,實現其與水系統過程過程模型耦合將成為科學決策工具發展的重要方向。全球化影響下的資源流、信息流與自然過程的物質循環使得資源環境問題解決需從人-自然耦合系統視角開展仿真模擬,農業面源污染管理的系統集成評估模型研究亟需從以下兩個方面加強。

一是,推進生態-水文過程、作物生長模型與農業種植行為仿真模型的過程耦合,實現要素相互作用與過程互饋的刻畫。目前,已有部分研究嘗試將生態-水文模型與農業種植行為、作物生長模型的系統耦合。如全球農業部門均衡分析的格網模型SIMPLE-G與全球水資源平衡模型(Water Balance Model,WBM)進行耦合,模擬減少水資源消耗和流域間的調水對全球糧食安全和土地使用變化的具體影響[88]。通過鏈接GLOBIOM模型與區域水文模型(The Community Water Model,CWATM),模擬農業種植行為對河流營養物及污染的影響過程[97]。模型將精準刻畫生態-水文過程的變動對農業生產的影響,進而作用于農業面源污染的水質響應,推動農業復雜系統集成評估模型中自然-經濟要素之間的有效互饋。

二是,推動空間柵格尺度農業生產行為中資源環境要素稟賦、農業生產的理性與非理性選擇行為的耦合。具體可通過鏈接微觀行為主體模型(如網絡分析法、計量經濟學模型和基于多主體的建模方法),將防治主體多元性與農業生產非理性行為納入模型框架,模擬污染防治中農民、企業、政府及其他多主體行為變動對農業面源污染的影響,實現數據在不同尺度的一致性表達,進而開展自然過程模型與社會經濟系統模型的互饋模擬。在模型整合技術方面,隨著ABM模型和CGE模型鏈接的最新進展,以系統科學思想為推進IAM模型與其他模型整合提供了巨大的發展潛力。

3 結語

農業面源污染調控政策多以人的生產行為調控為目標,探討施肥減量化管理、種植結構布局優化、農業資源轉化與循環利用等相關生產過程的環境經濟效應。然而,傳統農業生產行為與資源環境的空間異質性特征決定了管理政策需要向精準化方向進一步發展,進而避免政策的“一刀切”和微觀規制缺乏造成的粗放式管理問題。農業面源污染治理是降低農業發展過程的環境負外部效應,實現農業綠色可持續發展的重要舉措。本文通過整理現有經濟政策仿真模擬模型和農業面源污染的特征,將建模方法劃分為自上而下、自下而上以及相互耦合的三種方式。研究提出未來需融合水系統演化、地球化學循環過程等自然規律認知,構建自上而下宏觀政策目標約束與自下而上的行為傳導集成的復合系統模型,以解決農業面源污染防治主體多元性與防治對象廣泛性所帶來的復雜性系統難題。同時,研究提出的耦合污染物遷移轉化過程的農業復雜系統集成評估模型在系統分析中呈現出了巨大潛力。將政策評估或仿真模擬由區域尺度降低至空間柵格尺度,一方面有助于實現自然過程與人類活動互饋的過程刻畫上的尺度匹配,另一方面也有利于推動主體行為調控的管理向更為精準化的方向探索。在模型技術方面,從經濟學理論的可計算一般均衡分析模型與信息計算科學的微觀行為多主體仿真模型或計量經濟分析模型框架出發,集成自然過程規律的認知模塊,將為構建人-自然耦合復雜系統模型提供技術與理論研究的重要支撐。此外,研究可在大數據技術支持下不斷提高模型模擬的精度,增加模型新的功能模塊或鏈接不同的集成評估模型,以實現人口-資源環境-經濟復合系統的集成模擬。然而,模型的復雜性與數據需求量也會隨之大幅增加,數據公開性問題與多節點數據融合問題將成為巨大的挑戰[87]。面對該難題,如何將模型簡化并通過大數據分析技術以加深對重要問題的刻畫,是值得深入探究的問題。