基于綠色生產和資源協同的農業水土資源利用效率研究

劉 暢 江恩慧 劉淑雅 屈 博 常布輝

(1.黃河水利科學研究院，鄭州 450003；2.河南省農村水環境治理工程技術研究中心，鄭州 450003；3.水利部黃河下游河道與河口治理重點實驗室，鄭州 450003；4.河海大學水文水資源學院，南京 210098)

0 引言

到2050年，全球水資源和糧食需求將比目前的需求高70%～90%，而亞洲地區，可供進一步開發的耕地十分有限[1]。水和土地資源是農業生產的兩個基礎資源，在我國水資源和耕地資源日益緊張、糧食安全問題逐漸引起人們重視背景下，提高水和土地資源的利用效率是保障我國糧食安全以及水土資源可持續利用的基本途徑之一，而科學全面地測算農業水土資源效率是實現農業水土資源高效利用的前提。

目前國內外學者在農業水土資源利用效率方面已經做了大量的研究工作。國外方面，GADANAKIS等[2]利用數據包絡分析法(Data envelopment analysis，DEA)對英格蘭不同流域的66個農場的農業水資源利用效率進行測算。BORGIA等[3]結合聚類分析法和數據包絡分析法，對毛里塔尼亞不同灌區水稻灌溉的水資源利用效率進行測算評估，確定了低效率灌區的改善方案。KARAGIANNIS等[4]利用隨機前沿分析法測算了突尼斯144個柑橘農場的灌溉水資源利用效率。LILIENFELD等[5]基于美國堪薩斯州43個灌區的面板數據測算了其農業水資源利用效率，發現不同灌溉系統類型對農業水資源利用效率的影響沒有明顯不同。AUZINS 等[6]對綜合評價法、模型法、指標體系法等土地利用效率測算方法進行了匯總，構建了土地利用效率測算分類框架。國內方面，王震等[7]利用改進的DEA模型測算了我國13個省份的農業水資源利用效率，明確了各省份農業水資源利用潛力和改進方向。游和遠等[8]將COD排放量等污染物排放量作為產出變量，通過構建DEA模型測算了我國31個省市區土地利用生態效率。張紅梅等[9]采用兩維圖論聚類和 GIS 空間分析相結合的方法，基于耕地“質量-產出-效率”的分區指標進行耕地利用綜合分區。總體來看，目前國內外學者對農業水、土單一資源利用效率的研究相對較多，而關于農業水土資源綜合利用效率研究相對較少，對水土資源在農業生產中的緊密聯系重視不足。然而，水資源和土地資源存在相互依存和相互制約的緊密關系，把水土資源作為一個整體研究更有利于發揮農業水土資源系統的綜合效能[10-12]。此外，大多學者都認可DEA模型對于農業水土資源利用效率研究具有較強的適用性，如何針對農業生產特征選擇合適的DEA模型形式仍有待進一步研究。

鑒于我國農業生產中水土資源供需緊張和生態環境負效應日益顯著的現狀，本文以山東省引黃灌溉區域的51個縣域為研究對象，結合藍水、綠水、灰水的概念及農業水土資源利用中的“多投入-多產出”特征，改進傳統農業水土資源利用效率測算中的投入產出項設定，以“糧食產值-糧食產量-碳排放和面源污染”代表“經濟-社會-生態”效益產出，基于數據包絡分析法提出考慮綠色生產和水土資源協同的農業水土資源利用效率測算模型，從宏觀角度統籌衡量兩種效率測算結果和兩種資源利用效率損失的分解結果，診斷分析各縣域農業生產中水資源或土地資源利用過程中存在的問題及其節約潛力，以期為山東省引黃灌區的水土資源管理提供決策支持和科學依據。

1 研究對象

研究對象為山東省引黃灌溉區，地理位置位于東經114°49′～119°06′，北緯34°33′～38°13′。黃河是研究區最主要的灌溉地表水源，黃河下游河床較高且徑流量大，為當地農業生產提供了便利的引水條件和重要的灌溉水源保障。黃河水源從菏澤市東明縣流入研究區，在東營市墾利區入海。引黃灌區呈條帶狀分布于黃河兩岸，大部分區域屬于黃泛沖積平原，只有在大汶河流域的部分區域屬于山地丘陵。氣候類型為暖溫帶半濕潤季風氣候，多年平均降水量在550～680 mm之間且年內分布不均，夏季降水量集中，6—9月降水量占全年總量72%以上，3、4月降水量不足全年總量的9%，春旱現象較為嚴重。區域年平均光照時數在2 300～2 700 h之間，大于10℃積溫為4 400～5 000℃，光熱條件適宜植物生長和農作物復種。冬小麥和夏玉米輪作是研究區最主要的種植制度。2004年以后，隨著政府對于糧食生產的重視和糧食補貼等利好政策的推行，研究區糧食播種面積開始逐漸增長，因此本文以冬小麥和夏玉米代表糧食作物分析農業水土資源利用效率。

研究區涉及山東省9個市(地)，54個縣(區)，65處灌區。一個灌區可能包含多個行政區，而一個行政區也可能處于多個灌區。考慮到本研究涉及的農業生產要素較多，農業資源的配置離不開行政管理者的統籌協調，本文將一個縣域作為一個基本單元。由于濟南市歷下區、市中區、天橋區、槐蔭區農業生產規模較小，在濟南市水資源公報中合并為一個基本單元統計，本文參照其做法同樣將該4個區合并為一個基本單元，稱為市區四區。綜上，本文共選取51個基本單元，如圖1所示。

圖1 研究區基本單元名稱和代號

2 數據來源與方法

2.1 數據來源

本文選取2018年作為現狀年，調研搜集了山東省引黃灌溉區自然地理情況和農業生產情況相關數據。農作物產量、農作物播種面積以及農村用電量、農用柴油量、化肥施用量(折噸)、農藥施用量等數據來源于各地市的統計年鑒。最低氣溫、最高氣溫、平均相對濕度、平均風速、日照時數、降水量、蒸發量、氣壓等數據來源于國家氣象科學數據共享服務中心提供的中國地面氣候資料日值數據集(V3.0)。糧食價格數據源于《中國農產品價格調查年鑒》。農作物灌溉定額數據來源于山東省水利科學研究院提供的《山東省主要農作物灌溉定額》。作物播種日期、作物生育期參照相關學者在山東省農作物需水量調查研究中成果[13]。國際糧農組織在FAO56文件中推薦了84種作物的標準作物系數，根據研究區氣候、土壤、作物和灌溉條件修正獲取，具體修正方法參照文獻[14]。

2.2 投入項與產出項

(1)水資源投入項

廣義農業水資源包括藍水資源和綠水資源，能夠更全面反映形成農作物經濟產量的總耗水量[15]。因此，本文將廣義農業水資源作為水資源投入項，計算式為

x1i=Wgreen,i+Wblue,i

(1)

式中x1i——第i個縣域的農業水資源投入量，m3

Wgreen,i——第i個縣域農業綠水資源投入量，m3

Wblue,i——第i個縣域農業藍水資源投入量，m3

綠水資源投入量是指降水實際補充到作物根層非飽和土壤中用于作物生長的水量，即作物種植期的有效降水量。各縣域糧食生產中的綠水資源投入量根據有效降水量和糧食作物的播種面積求得，計算方法為

(2)

式中C——糧食作物的種類數量

Ai,c——第i個縣域第c種糧食作物的播種面積，hm2

Pe,i,c——第i個縣域第c種糧食作物生育期內的有效降水量，mm

采用CROPWAT 8.0軟件根據美國農業部土壤保持局(USDA-SCS)推薦的方法計算有效降水量，該方法以旬為步長，采用土壤水分平衡法，綜合考慮作物騰發、降水和灌溉等因素用于估算有效降水量[16]。計算公式為

(3)

式中Pe——有效降水量，mm

P——降水量，mm

藍水資源投入量即農業灌溉用水量。本文首先根據各農作物的毛灌溉定額和種植面積數據獲得農業灌溉用水量在各農作物間的分配比例，然后根據農業灌溉用水量統計數據推求各縣域糧食生產中的藍水資源投入量，具體計算方法為[17]

(4)

其中

(5)

式中C′——所有農作物的種類數量

αi,c——第i個縣域的第c種農作物灌溉用水量占農業灌溉用水量的比例

WIR,i——第i個縣域的農作物灌溉用水量，m3

Ii,c——第i個縣域的第c種農作物的灌溉定額，m3/hm2

(2)耕地資源投入項

在農業生產實踐中存在復種和套種的種植模式，同時有些地區存在耕地棄種、拋荒的現象，直接使用耕地面積并不能準確代表耕地資源的實際投入情況，因此選擇作物播種總面積作為耕地資源投入。耕地資源投入量x2i的計算方法為

(6)

(3)社會效益產出項

糧食產量是指年度內收獲的全部糧食數量，按收獲季節分為夏收糧食和秋收糧食[18]。糧食產量的計算方法為

(7)

式中y1i——第i個縣域的糧食產量，t

y1,i,c——第i個縣域的第c種糧食作物的產量，t

(4)經濟效益產出項

糧食產值是以貨幣形式反映縣域年度內糧食產出的總價值，體現縣域在該年度糧食生產活動的規模和總量，糧食產值計算方法為

(8)

式中y2i——第i個縣域的糧食產值，元

Pr,i,c——第i個縣域的第c種糧食作物的價格，元/t

參照2018年《中國農產品價格調查年鑒》中山東省糧食價格，小麥單價為2 580元/t，玉米單價為1 990元/t。

(5)碳排放生態效益非期望產出項

碳排放是關于溫室氣體排放的一個總稱或簡稱。碳排放量反映農業生產活動對全球氣候變暖的負效應。在農業水土開發利用過程中，灌溉、農業機械、化肥、農膜的使用必然會產生不同程度的碳排放。本文將碳排放量作為農業水土資源利用效率測算體系一項非期望產出，用于代表生態效益的負效應。

農業生產活動碳排放量可以根據全球增溫潛勢參數統一折算為二氧化碳當量(CO2-eq)。政府間氣候變化專門委員會(IPCC)提出可以通過疊加不同類型農業生產資料的碳排放系數和化石能源投入量求得糧食生產中的碳排放量，其公式為

(9)

式中b1,i——第i個縣域的碳排放量，kg

E——農業能源種類數量

Ei,e——第i個縣域第e種農業能源使用量，kg

Ai——第i個縣域糧食作物播種面積，hm2

βe——第e種類型的農業能源的二氧化碳折算系數

依據文獻[19-24]的研究成果確定研究區農業能源的碳排放系數。

(6)面源污染生態效益非期望產出項

采用灰水排放量衡量面源污染。灰水是指為將糧食生產過程中因施用化肥和農藥產生的面源污染物稀釋至環境允許下的最大濃度所需要的水資源[25]。灰水是一種非消耗用水，反映了糧食生產過程面源污染對生態環境的負面影響程度。在華北平原地區糧食生產中氮肥過量施用的問題最嚴重，因此本文基于化肥中總氮的投入量計算糧食生產中的灰水排放量，計算公式為

(10)

式中b2,i——第i個縣域灰水排放量，m3

PN,i——第i個縣域糧食生產中的總氮投入量，kg

α——總氮淋洗率

cmax——水體容許的最大總氮質量濃度，mg/L

cnat——總氮在自然水體中的本底濃度，mg/L

氮素移動出作物根系活動層以外則視為淋洗。華北地區的冬小麥-夏玉米輪作體系總氮淋洗率α平均值為25%[26]。研究區對于農業灌溉水質的總氮質量濃度沒有明確標準。根據《山東省南水北調沿線水污染物綜合排放標準》，農業總氮排放質量濃度限值為60 mg/L，本文將cmax設為60 mg/L。在缺失測量數據的情況下，假設cnat為0 mg/L。

2.3 效率測算模型構建

在實際農業生產中，生產區域的農業水資源投入和耕地資源投入一般情況很難實現等比例的縮減或擴增，同時農業生產過程中不可避免會產生面源污染與碳排放等生態環境問題。因此，本文采用數據包絡分析法構建了Super-SBM(超效率-基于松弛變量)模型和Super-Undesirable-SBM(超效率-考慮非期望產出-基于松弛變量)模型分別用于測算不考慮生態效益的農業水土資源利用效率(WLUE)和考慮生態效益的農業水土資源利用效率(WLUEE)[27-28]。

(1)Super-SBM模型

如果研究對象有n個決策單元、m個投入項和s個產出項，則投入矩陣和產出矩陣表示為X=[xji]∈Rm和Y=[yri]∈Rs×n(j=1,2,…,m;r=1,2,…,s；i=1,2,…,n)。xji表示第i個決策單元的第j項投入，yri表示第i個決策單元的第r項產出。Super-SBM模型可以表示為

(11)

λi——各縣域投入產出向量線性組合后投影對象的權系數

(2)Super-Undesirable-SBM模型

Super-SBM模型沒有考慮非期望產出情況，因此碳排放量和面源污染并沒有納入測算體系。非期望產出作為一種非常規的產出項，一共有3種處理方式：①將非期望產出作為投入處理[29]。②將非期望產出進行倒數或負值處理，從而轉化為期望產出[30]。③通過調整模型結構，將非期望產出直接作為產出變量處理[31]。在投入角度的超效率測算模型中，第2種和第3種處理非期望產出的方式容易出現無可行解的情況，因此本文采用第1種處理方式構建Super-Undesirable-SBM模型測算，模型表達式為

(12)

式中k——非期望產出數量

3 結果與討論

3.1 WLUE和WLUEE測算結果

利用式(1)～(10)計算得到山東省引黃灌溉區的51個縣域投入項和產出項(圖2)，然后將投入項和產出項數值分別代入Super-SBM模型和Super-Undesirable-SBM模型測算得到51個縣域的WLUE和WLUEE的測算結果(圖3)。

圖2 51個縣域投入項和產出項的計算結果

圖3 51個縣域 WLUE和WLUEE測算結果

如圖2所示，受農業生產規模影響，水資源投入量與糧食播種面積之間、糧食產量與糧食產值之間、碳排放與灰水排放量之間均具有較強的匹配性。研究區水資源投入量為178.02億m3，糧食播種總面積為475.87萬hm2，糧食總產量為2 956.55萬t，糧食總產值為674.02億元，碳排放總量為1 234.13萬t，灰水排放量為29.75億m3。在水資源投入中，各個縣域的綠水利用量明顯大于藍水利用量，研究區綠水資源投入總量為112.98億m3，而藍水資源投入總量僅為65.04億m3，由此可知綠水資源在糧食生產中占據非常重要的地位。在有效降水差異較大的大尺度區域，僅用藍水計算農業用水效率難以反映真實的用水水平，將廣義農業水資源作為DEA模型的水資源投入項能更準確地測算農業水土資源利用效率。

由數據包絡分析法原理可知，若效率大于等于1，則說明資源實現了最優的配置利用，稱為DEA有效。從WLUE的測算結果來看(圖3)，東明縣和桓臺縣的WLUE大于1，說明這兩個縣域達到了DEA有效。在不考慮生態效益的條件下，這兩個縣的農業水土資源利用水平在所有縣域中最理想。河口區的WLUE最低，說明該區域農業水土資源利用的生產力水平較差。河口區位于濱海地區，土地鹽堿化嚴重，導致耕地資源效率損失較高。此外，當地地表水的含鹽量較高，地表徑流難以利用，地下水礦化度高，多為苦咸水，不宜于灌溉，當地灌溉主要依靠王莊灌區和東水源灌區引入的黃河水。綜合所述，河口區較差的水土資源條件導致其WLUE最低。

從WLUEE 的測算結果來看(圖3)，除了東明縣和桓臺縣的WLUEE大于1，曹縣、臨邑縣、平原縣、武城縣、沾化縣也大于1，說明在考慮生態效益的情況下，該7個縣域的農業水資源利用效率均達到了DEA有效。臨邑縣的WLUE只有0.822，略高于所有縣域的平均水平，但是WLUEE為1.092，達到了所有縣域的最高水平，說明臨邑縣在水土資源的利用過程中對生態環境的保護能力較強，但生產力水平并不高。歷城區的WLUEE最低，即在考慮生態效益的情況下，該區域農業水土資源利用水平在所有縣域中最低，說明該區域在農業生產中，碳排放量和灰水排放量等非期望產出較多。歷城區北鄰黃河，南部為山地丘陵帶，區內海拔變化幅度較大，農業生產中電力灌溉和農業機械等農業能源的使用量較大，導致其對生態環境的負效應也比較大。

3.2 WUEL和LUEL分解結果

根據投入角度的Super-SBM模型中水資源投入和耕地資源投入的松弛變量，計算得到WUEL和LUEL。WUEL和LUEL根據決策單元到同一生產前沿面不同方向投影的相對距離得到，二者具有統一度量標準，因而通過對比WUEL和LUEL也可以實現兩種資源利用水平的相互對比。如圖4所示，從具體縣域的效率損失分解結果來看，河口區的WUEL最大。河口區位于濱海地區，土地鹽堿化嚴重，在鹽堿地處理過程中大量引水灌溉，從而導致其WUEL最大。市區四區的LUEL最大。市區四區是濟南市的主要城區，耕地資源較小且分布零散，同時位于丘陵地區，地形條件較差，從而導致其LUEL最大。陽谷縣、東阿縣、茌平縣、東昌府區和臨邑縣的WUEL大于平均水平，而LUEL小于平均水平，說明這些縣域在耕地資源利用方面具有更強的優勢，未來應更加重視提高農業節水能力。單縣、牡丹區、沾化縣、無棣縣、巨野縣、商河縣、夏津縣和梁山縣的LUEL大于平均水平，而WUEL小于研究區的平均水平，說明這些縣域未來應該更加重視耕地管理和質量改善，提高耕地資源的利用效率。

圖4 51個縣域WUEL和LUEL分解結果

當前學者對于水土資源緊密關系愈加關注[32-34]。水土資源之間內在聯系多、耦合關系復雜，本文對各縣域的WUEL和LUEL進行Pearson相關性檢驗后發現，兩種資源在99%的置信區間下具有顯著相關性，相關系數為0.789，該結果印證了水土資源的緊密聯系。農業水土資源利用效率的提高需要增強水土資源的協同關系，而對農業水、土單一資源利用效率分別進行研究難以衡量研究對象水、土資源之間利用水平的差異。利用DEA模型可以實現對投入產出項效率損失和利用過程等多種形式的分解。姜秋香等[35]將水土資源利用過程分解為水土資源開發與經濟效益轉化兩個子階段，發現黑龍江省各地市水土資源經濟效益轉化不平衡。欒福超等[36]利用DEA模型分解了不同作物種植面積的投入冗余比例，發現水稻的水土資源利用技術效率明顯高于大豆、玉米及小麥三大旱作物。本文通過分解農業水土資源的效率損失，確定了研究區不同縣域的水土資源利用方面的技術優勢，有助于研究對象制定針對性的水土資源管理措施，從而實現水土資源利用效率的協同提升。

3.3 農業水土資源利用分類

通過對比WLUE和 WLUEE，不僅衡量出研究區不同縣域農業水土生產力大小，而且可以識別出農業水土資源利用效率較高的縣域是否對生態環境造成較大的損害，即該縣域水土資源利用模式是否屬于綠色生產。在當前水土資源利用效率研究中，生態效益逐漸引起相關學者的重視，在測算耕地利用效率時考慮到了碳排放或面源污染等生態效益的負效應[37-38]。本文將生態效益作為非期望產出項納入測算體系后，又將前后結果進行了進一步對比，根據各縣域 WLUE和WLUEE測算結果對比情況(圖3)，將研究區各縣域分為4種類型：綠色高效型、普通高效型、綠色低效型和普通低效型。

(1)綠色高效型包括桓臺縣、東明縣、曹縣等20個縣域，位于圖3效率平均線右上方。綠色高效型縣域的WLUEE和 WLUE均高于研究區平均值。該類型縣域能在對生態環境造成較小影響前提下，依然能保持較高的農業水土資源生產力，未來可以充分利用水土資源稟賦優勢，大力發展農業生產規模，提高區域的糧食產出。

(2)普通高效型包括巨野縣、成武縣、寧津縣、陽谷縣、牡丹區和梁山縣等6個縣域，位于圖3的效率平均線右下方。普通高效型縣域主要特征為WLUEE處于研究區平均值以下，而WLUE高于研究區平均值。該類型縣域農業水土資源的生產力比較高，但對于生態環境的損害強度較大，未來在糧食生產過程中應重視對生態環境的保護。

(3)綠色低效型包括臨清市、慶云縣、夏津縣、濱城區和茌平縣5個縣域，位于圖3的效率平均線左上方。綠色低效型縣域主要特征為WLUE位于研究區平均值以下，而WLUEE高于研究區平均值。該類型縣域農業水土資源利用的生產力不高，但在水土資源的利用過程中對生態環境的保護能力較強，未來應該著重提高當地糧食生產能力。

(4)普通低效型包括市區四區、平陰縣、東營區等20個縣域，位于圖3的效率平均線左下方，普通低效型縣域的WLUEE和 WLUE均低于研究區平均值。該類型縣域農業水土生產力較低，并且農業生產對于生態環境的影響也比較大，未來應該注重提升節水工程改造和耕地質量等級提升，同時在保證糧食安全的前提下，科學調整農業產業結構，縮減農業生產規模。

從不同類型縣域的空間分布來看(圖5)，相同類型的縣域具有較明顯的聚集特征。高效率縣域主要聚集于研究區南部、研究區西北部、魯中丘陵與北部濱海地區的交界處，其中，研究區南部的普通高效型縣域較多，說明該區域雖然水土資源利用效率較高，但農業生產對于生態環境的壓力相對較大。低效率縣域主要分布于魯中丘陵、北部濱海地區、研究區西部，其中綠色低效型縣域主要聚集在研究區西南部，說明該區域雖然水土資源利用效率較低，但農業生產對于生態環境的壓力相對較小。

圖5 研究區不同類型縣域的空間分布

本文用冷熱點分析法對研究區各縣域的WLUE和WLUEE進行空間統計分析，結果如圖6所示，WLUE的高值(熱點)顯著聚集于研究區南部，WLUEE的高值(熱點)顯著聚集于研究區西部，魯中丘陵和北部濱海地區均是WLUE和WLUEE的低值(冷點)顯著聚集區。結果進一步驗證了研究區南部和西部均是高效率縣域聚集區，但研究區西部對生態環境的壓力更小。

圖6 研究區WLUEE和 WLUE的冷熱點分布

從不同類型縣域的兩種資源分解結果統計特征來看(表1)，綠色高效型和普通高效型縣域的WUEL平均值為0.040、0.059，均小于LUEL的0.051、0.089，而綠色低效型和普通低效型縣域的WUEL平均值為0.117、0.158，均大于LUEL的0.097、0.122。高效率縣域水資源效率損失更小，說明其水資源利用水平高于耕地資源，耕地資源相比水資源具有更大的節約潛力，高效率縣域未來應更加重視耕地效率的提高；低效率縣域水資源效率損失更大，說明其水資源利用水平低于耕地資源，水資源相比耕地資源具有更大的節約潛力，低效率縣域未來應更加重視水資源效率的提高。

表1 不同類型縣域WLUE、WLUEE、WUEL、LEUL平均值

4 結論

(1)在考慮生態效益的情況下，東明縣、桓臺縣、曹縣、臨邑縣、平原縣、武城縣、沾化縣7個縣域的農業水資源利用效率均達到了DEA有效，其農業水土資源利用水平在所有縣域中最理想，河口區受限于其較差的水土資源條件，農業水土資源利用效率最低。在不考慮生態效益的情況下，東明縣和桓臺縣農業水資源利用效率高于其他5個縣域，歷城區受限于其地形條件，碳排放量和灰水排放量等非期望產出較多，農業水土資源利用效率最低。

(2)陽谷縣、東阿縣、茌平縣、東昌府區和臨邑縣的WUEL大于平均值，在耕地資源利用方面具有更強的優勢，未來應更加重視提高農業節水能力。單縣、牡丹區、沾化縣、無棣縣、巨野縣、商河縣、夏津縣和梁山縣的LUEL大于平均值，這些縣域未來應該更加重視耕地管理和質量改善，提高耕地資源的利用效率。

(3)根據Super-SBM模型和Super-Undesirable-SBM模型測算的農業水土資源利用效率(WLUE和WLUEE)，研究區51個縣域可以分為綠色高效型、普通高效型、綠色低效型和普通低效型4種類型。綠色高效型和普通高效型縣域水資源利用水平高于耕地資源，耕地資源相比水資源具有更大的節約潛力，而綠色低效型和普通低效型縣域則相反。

(4)構建的Super-SBM模型能夠測算農業水土資源利用效率，同時可以實現農業水資源利用效率損失和耕地資源利用效率損失分解，而Super-Undesirable-SBM模型能夠進一步將反映生態效益的非期望產出項納入測算范圍，實現了考慮生態效益的農業水土資源利用效率測算，測算結果科學準確地反映了研究區的農業水土資源利用狀況。為農業水土資源利用效率研究提供新的視角，研究成果有利于促進研究區農業生產的可持續發展。