EN中文

JOURNAL OF NATURAL RESOURCES >

2022 , Vol. 37 >Issue 8: 2181 - 2194

DOI: https://doi.org/10.31497/zrzyxb.20220817

Regular Articles

Water-saving technology, rebound effect of irrigation water consumption and regional heterogeneity in North China Plain: Based on Malmquist and LMDI Index analysis

  • CHEN Jie , 1 ,
  • XU Lang , 1 ,
  • WU Dong-li 2
Expand
  • 1. College of Economics and Management, Nanjing Agricultural University, Nanjing 210095, China
  • 2. College of Economics and Management, Shenyang Agricultural University, Shenyang 100866, China

Received date: 2021-06-07

  Revised date: 2021-09-26

  Online published: 2022-10-28

Fold

Abstract

The application of water-saving technology is an important measure to save agricultural water resources. However, agricultural irrigation water consumption in many areas has not decreased with the application of such technology. By applying the panel data of 52 cities at prefecture level or above in China's main grain producing areas from 2000 to 2018, and using Malmquist index and LMDI index, we calculated the rebound amount of agricultural irrigation water brought by water-saving technology and the expected agricultural water-saving consumption. The results of the study show that the average rebound effect of irrigation water consumption in the North China Plain was 15.02% during the study period, which means that the North China Plain has not fully achieved the expected result brought by the application of water-saving technology. The application of technology relaxes the constraints of water resources. Farmers will expand the irrigated area or increase planting of high-water-consumption and high-yield crops. The effect of water-saving technology is weakened. There are different rebound degrees of irrigation water consumption in the Yellow River, Huaihe River and Haihe River basins. The average value of the overall rebound effect in the Yellow River is 41.39%, and the degree of the rebound effect is the greatest, while the overall rebound effect in the Huaihe River is the least. From the perspective of administrative region, the rebound effect of agricultural irrigation water was mainly found in Shandong, Henan and Hebei provinces. The overall average value of the rebound effect in Henan Province is 49.89%, followed by Shandong Province (29.98%), and Hebei Province (23.89%). The increase in water-saving irrigation area is the direct cause for the rebound effect of agricultural water-saving. The increase in investment in farmland irrigation water conservancy construction and the imperfect construction of water rights market are the root causes. The regional heterogeneity of rebound effect is caused by the differences in the application level of water-saving technology and the construction of water rights trading system. However, this heterogeneity will be gradually eliminated with the increase of investment in farmland irrigation conservancy construction and the improvement of water rights trading system. The research conclusion is of great significance for the adjustment of water-saving technology and irrigation policy in the North China Plain.

Key words： water-saving irrigation technology; agricultural irrigation water; rebound effect; water rights market

Cite this article

CHEN Jie , XU Lang , WU Dong-li . Water-saving technology, rebound effect of irrigation water consumption and regional heterogeneity in North China Plain: Based on Malmquist and LMDI Index analysis[J]. JOURNAL OF NATURAL RESOURCES, 2022 , 37(8) : 2181 -2194 . DOI: 10.31497/zrzyxb.20220817

水资源短缺是当今世界发展面临的严峻威胁[1]。农业是消耗全球水资源最多的部门,农业用水主要用于农业灌溉[2]。传统灌溉方法的灌溉效率通常不足50%,采用节水技术能够节约大量的水资源[3,4]。节水技术的扩散应用被很多国家和地区作为解决水资源短缺问题的关键。中国作为世界上的农业生产大国,20世纪90年代以来,节水技术已经得到了广泛的应用。根据水利部公布的数据,2011—2019年,中国节水灌溉面积由29179千hm2增加到37059千hm2,增加幅度为27.01%。农业灌溉水资源利用效率持续提高,农田灌溉亩均用水量不断下降,下降程度为11.32%。然而,越来越多的现实数据表明,随着节水技术应用的不断推广,区域层面的灌溉用水量并不总是如预期的一样显著下降[5⇓-7]。
以往的文献认为,节水技术应用能够提高水资源利用效率,降低农业灌溉用水量[8,9]。实践中很多地区节水技术的应用推广并没有达到预期的农业节水目标[10,11]。农业水资源利用率提高而农业灌溉用水量未显著下降的现状表明,通过节水技术应用所节约的水资源被重新用于农业生产。这种状况称为农业灌溉用水的反弹效应[12,13]。在资源利用效率提高后,生产规模的变化可能会带来资源需求量的增加,从而出现资源的反弹效应[14⇓-16]。节水技术的应用能够提高灌溉用水利用效率,降低作物单位面积的灌溉用水量[17,18]。同时,节水技术会对农业种植规模产生影响,扩大作物整体或高收益水资源密集型作物种植面积,为农业灌溉用水带来反弹作用,削弱节水技术预期的农业节水效果[19⇓⇓⇓-23]。但是部分学者对农业灌溉水资源的反弹效应提出了不同观点,认为反弹效应的产生需要具备一定的条件,例如土地约束、农业水价的门槛价格等,而且其产生的根本原因并不是节水技术[24,25]。潜在的反弹效应并不是由灌溉效率引起的,其根本原因与灌溉面积扩大、作物结构变化和市场力量等因素有关[26⇓-28]。
综上所述,节水技术是否会引起农业灌溉用水的反弹效应尚未有一个统一的结论,地区间的研究结论差异较大。华北平原作为中国农业生产的核心区,是中国重要的粮食主产区,是节水技术应用和农业灌溉用水的重点区域,突出反映了节水技术和农业灌溉用水的关系。目前有关中国华北平原节水技术与反弹效应关系的研究文献仍然空白。因此,本文选取中国华北平原作为研究区域,采用Malmquist指数和LMDI模型测算技术因素对农业灌溉用水的影响,进而探究节水技术带来的农业灌溉反弹状况。同时,对比分析研究区域农业灌溉用水反弹效应的地区异质性,为区域内节水技术应用和农业灌溉用水政策的调整提供依据。

1 研究方法与数据来源

1.1 研究区概况

华北平原是目前中国重要的农业生产灌区和粮食主产区。根据《中国资源科学百科全书》以及中国科学院地理科学与资源研究所的划分与介绍,华北平原涉及5个省份和2个直辖市,具体为山东全部地区、河北和河南大部分地区、安徽和江苏的北部地区、北京和天津全部地区。华北平原农耕历史悠久,同时是全球水资源最为紧缺的地区之一。该地区由于水资源短缺和地表水匮乏,地下水是主要的灌溉用水来源,地下水长期处于超采状态。这导致该地区的地下水漏斗区面积逐年扩大。水资源紧缺已成为华北平原实施跨世纪可持续发展战略的重要制约因素之一。为了解决该粮食主产区严重缺水的状况,推广节水技术应用已经成为该地区一项重要的水资源短缺应对措施。
根据各省市统计年鉴可知,华北平原的农业生产土地面积长期以来基本稳定,且农业生产土地以耕地为主,耕地面积在20000千hm2上下浮动。根据水利部统计公报的释义,节水灌溉面积是采取过技术或管理措施以减少灌溉用水量的农业生产土地面积。在农业生产土地面积基本保持不变的情况下,区域内的节水灌溉面积能够在很大程度上反映出地区内节水灌溉技术的应用状况。节水灌溉面积增加表明区域内节水技术应用的扩大。节水技术的应用变化可以表征为节水灌溉面积的变化。节水灌溉面积和非节水灌溉面积的比值则反映了地区内节水技术应用的水平。若两者的比值超过1,这表明区域内节水灌溉面积超过了非节水灌溉面积;两者比值越大,区域的节水技术应用水平越高。根据中国水利统计年鉴数据可知,2008—2019年华北平原的节水灌溉面积由8010.26千hm2持续增加为12245.82千hm2,增加幅度为52.88%。节水灌溉面积与非节水灌溉面积的比值已经超过了1,表明华北平原节水技术应用超过该地区耕地面积的一半,节水技术应用水平相对较高。
表1 研究区节水灌溉面积状况

Table 1 Area of regional water-saving irrigation, 2008-2019

年份 节水灌溉
面积/千hm2		 非节水灌溉
面积/千hm2		 节水/
非节水
2008 8010.26 12539.64 0.64
2009 8247.63 12402.37 0.67
2010 8631.71 12166.89 0.71
2011 9048.37 11899.50 0.76
2012 9644.13 11330.77 0.85
2013 10181.72 10863.79 0.94
2014 10719.29 10396.79 1.03
2015 10204.30 11253.50 0.91
2016 10699.86 11043.49 0.97
2017 11271.86 10673.75 1.06
2018 11869.57 8841.53 1.34
2019 12245.82 8602.43 1.42

注：根据水资源统计公报和中国水利统计年鉴整理得到。

1.2 研究方法

1.2.1 反弹效应值的测算

反弹效应的概念最初起源于能源研究。Jevons[29]在能源研究中发现,能源技术在提高能源利用率的同时,也会促进相关生产规模的扩大,最终会在不同程度上抵消由技术效率提高所节约的能源,这种状况被称之为反弹效应或杰文斯悖论[30,31]。反弹效应自提出以来被广泛接受且不断引入应用到其他行业,例如煤炭、电力、纺织等[32⇓⇓-35]。很多学者将反弹效应划分为全经济范围的反弹效应、间接反弹效应和直接反弹效应三类[36]。直接反弹效应是针对某个具体行业部门的测算,本文就是对农业部门直接反弹效应的研究。
反弹效应值的测算对于本文的研究十分重要,是判定研究区域出现反弹效应与否以及反弹程度的依据。价格弹性、效率弹性和计量经济模型都可以用于反弹效应的测算[37⇓-39],结合反弹效应的含义和研究内容,借鉴Yang等[40]的方法,采用节水技术带来的农业用水反弹量 W 0和预期节水量 W 1之比作为农业灌溉用水反弹效应的值 R。具体测算过程为：首先将计算单元的相邻时期的农业用水量变化分解为预期节水量和农业用水增加量;其次应用Malmquist指数测算出由节水技术因素带来的农业用水增加量部分;再次应用LMDI指数测算出由节水技术因素带来的预期节水量部分;最后根据农业灌溉用水反弹效应值的定义计算出节水技术因素带来的农业灌溉用水反弹效应值 R。
借鉴Lin等[41]的分析,相邻时期农业用水量的变化 Δ W可以分解为：农业用水强度变化带来的预期节水量和农业增长带来的农业用水增加量。
Δ W t + 1 = W t + 1 - W t = Y t + 1 × W I t + 1 - Y t × W I t = Y t × Δ W I t + 1 + Δ Y t + 1 × W I t + 1
式中： W 1、 W 0为两部分分解值中由节水技术带来的影响部分,这是由于农业产出量和农业用水强度的变化除了受到节水技术影响之外,还会受到种植规模和种植结构等因素的影响; W I表示农业用水强度（m3/hm2）; Y表示农业产出量（kg/hm2）; Δ W I和 Δ Y在公式中各自表示相邻时期农业用水强度变化量（m3/hm2）和农业产出量变化量（kg/hm2）;t表示计算单元的不同时期。
为了剥离出预期节水量和农业用水增加量整体变化中由节水技术所带来的影响,本文采用了Malmquist指数模型以及LMDI指数模型,从而能够测算出节水技术因素对农业灌溉用水反弹产生的影响程度。

1.2.2 Malmquist指数测算农业灌溉用水反弹量

节水技术因素对农业增长的影响程度与农业增长带来的用水增加量的乘积,即是节水技术因素带来的农业灌溉用水反弹量 W 0。Malmquist指数模型通常被用于测算与分析全要素生产率相关问题。这个指数模型能够将全要素生产率分解为技术进步效率 T E C H C H、纯技术效率变化 P E C H以及规模效率 S E C H,从而能够分离出技术因素对农业增长的影响程度。本文的全要素生产率 T F P是对农业生产中所包含的所有要素生产率的测量。它反映了技术因素对农业产出的影响,是剔除所有有形要素投入对农业产出贡献后的残差[7]。
T F P t t + 1 = T E C H C H t t + 1 × P E C H t t + 1 × S E C H t t + 1
考虑到节水技术因素对农业灌溉用水的影响不仅包括技术进步的影响,还包括纯技术效率的影响,因此本文对以往学者的研究方法进行调整。节水技术因素对农业增长的总影响被看作是技术进步效率 T E C H C H和纯技术效率 P E C H对农业增长贡献之和。具体而言,通过Malmquist指数法分解上式得到节水技术进步效率 T E C H C H和纯技术效率变化 P E C H,两者与农业增长率各自的比值之和,就是节水技术因素对农业增长的影响程度值。

1.2.3 LMDI指数测算预期农业灌溉节水量

根据本文的研究设计,农业灌溉用水反弹效应值需要测算出由节水技术因素带来的预期农业灌溉节水量。节水技术对农业用水强度变化所带来的影响程度值和农业用水强度变化带来的预期节水总量的乘积,即是节水技术因素带来的预期农业灌溉节水量 W 1。对数均值迪氏分解法（LMDI）相对于其他分解方法,分解结构灵活且有“允许数据存在0值、分解不产生余值”的优点,因此本文选用LMDI指数测算节水技术因素为农业用水强度变化带来的贡献,进而测算出节水技术因素带来的预期农业灌溉节水量。根据Ang[42]对LMDI方法的应用指南,农业用水量和农业用水强度都可以进行分解,分解方式具体有加法分解和乘法分解两种方式。结合本文的研究内容,将农业用水强度 W I分解为节水技术效应 T E和种植结构效应 S T：
W I = W Y = ∑ j = 1 n W j Y j × Y j Y = ∑ j = 1 n T E j × S T j
农业用水强度的变化根据上式进行加法分解为 Δ W I = Δ T E + Δ S T,通过计算节水技术效应变化在农业用水强度变化中所占的比例,从而可以测算出节水技术为农业用水强度变化所带来的影响程度值。

1.3 数据来源

根据数据的可得性,本文搜集整理了2000—2018年间研究区各个地级（直辖）市的面板数据用于相关测算。研究区域共有53个地级（直辖）市。由于统计口径不统一等原因,淮安市的农业灌溉用水等生产要素投入变量的数据缺少较为严重,均值插补等缺失值填补方法都可能带来测算结果的较大偏差,因此剔除该样本,数据集覆盖52个地级（直辖）市。
本文的数据主要来自《中国水资源公报》《中国统计年鉴》《中国农村统计年鉴》和《中国水利统计年鉴数据》等公开的统计年鉴。华北平原的主要农作物是玉米、小麦和水稻。研究期间三种粮食作物的播种面积总和超过该地区农作物播种总面积的80%。因此根据数据可得性,选取这三种作物的相关数据代表研究区域农业灌溉用水和农业生产的状况进行相关测算。少数样本在部分年限的缺失数据应用样本自身最近三年的均值进行填充。具体而言,参考以往相关研究文献[7,36],选取并汇总三种粮食作物的灌溉用水量和作物产量数据进行研究区域农业用水量变化以及LMDI指数的测算与分解,选取劳动力、播种面积、农业机械投入、化肥与农药投入以及灌溉用水数据进行Malmquist指数的测算与分解。选取灌溉面积、节水灌溉面积和灌溉水利投资完成额数据进行反弹效应的地区异质性分析。若变量值涉及到货币价值,平减处理按照2000年不变价格进行。本文的数据为面板数据,涉及到的样本个体较多和研究期间较长,为了控制本文的篇幅,数据的部分描述统计和计算结果并未罗列。

2 结果分析

2.1 反弹效应值的分析

应用相关软件,参照前述的计算方法与过程,汇总研究区域内相关数据,将区域整体作为计算单元,计算出计算单元不同研究时期的反弹效应值后进行算术平均,从而测算出研究区域在研究期间的反弹效应均值。根据测算的反弹效应均值可知,整个研究区在研究期间的农业灌溉反弹效应均值为15.02%。这表明在节水技术影响下的农业灌溉节水有一定程度的反弹,农业灌溉的预期节水目标并没有完全得到实现。根据相同步骤计算出研究区域内各个市在研究期间的反弹效应均值。根据表2可知,部分地区的反弹效应值为负,表明这些地区的实际节水量超过了预期节水,农业灌溉用水量有大幅度的下降。但是,部分地区的农业灌溉反弹效应值超过1,表明在这些地区由于反弹效应农业灌溉用水不降反升,出现一定程度的增加。部分地区的反弹效应值为正但低于1,表明在这些地区的农业灌溉用水会有一定程度的反弹,但总的农业灌溉趋势仍然保持着节水趋势。
表2 分地区反弹效应均值和灌溉用水强度变化的因素分解

Table 2 Factor decomposition of mean rebound effect and variation of irrigation water intensity in sub-regions

序号 城市 R TE ST 序号 城市 R TE ST
1 安阳 -1.1660 -3.2413 4.2413 27 洛阳 -1.5307 -0.1898 1.1898
2 保定 -1.2836 1.0958 -0.0958 28 平顶山 0.3822 0.8792 0.1208
3 北京 0.0000 1.6495 -0.6495 29 濮阳 -1.9143 1.6550 -0.6550
4 蚌埠 0.9026 2.0086 -1.0086 30 青岛 0.0000 1.3513 -0.3513
5 滨州 -1.8796 0.8922 0.1078 31 秦皇岛 1.6726 -0.1073 1.1073
6 沧州 -1.6039 0.6623 0.3417 32 日照 -0.5725 3.6602 -2.6602
7 滁州 -1.8834 1.1087 -0.1086 33 商丘 2.4977 0.3263 0.6737
8 德州 0.7218 0.9316 0.0684 34 石家庄 1.0159 1.1468 -0.1468
9 东营 -0.2582 0.7662 0.2338 35 宿州 -0.4176 2.1822 -1.1822
10 阜阳 -2.0641 1.5251 -0.5251 36 泰安 0.4476 1.1648 -0.1648
11 邯郸 -0.3267 -0.6933 1.6933 37 唐山 -0.5407 5.3116 -4.3116
12 鹤壁 -0.4811 3.8449 -2.7002 38 天津 -0.3306 0.4097 0.5903
13 衡水 -0.9576 0.1222 0.8778 39 潍坊 -0.8055 1.4317 -0.4263
14 菏泽 0.5711 0.5624 0.4376 40 威海 0.0000 0.6322 0.3678
15 淮北 -4.0746 0.9792 0.0191 41 邢台 0.6596 -0.1391 1.1391
16 淮南 0.9124 0.7177 0.2823 42 新乡 1.4059 -0.9818 1.9818
17 焦作 2.5632 1.0211 -0.0211 43 信阳 0.5399 1.4007 -0.4007
18 济南 4.6136 5.5810 -4.5810 44 许昌 0.7949 1.0989 -0.0989
19 济宁 0.8276 -1.0011 2.0011 45 徐州 0.4356 0.0510 0.9490
20 开封 -0.7256 14.5512 -13.5512 46 盐城 0.0000 1.7013 -0.7013
21 莱芜 0.0000 -2.4746 3.3670 47 烟台 0.0835 0.7594 0.2406
22 廊坊 3.5152 11.7098 -10.6303 48 枣庄 -0.2352 -2.3193 3.3193
23 连云港 -0.4033 1.0810 -0.0810 49 郑州 1.7579 1.5344 -0.5353
24 聊城 1.6566 0.6581 0.3419 50 周口 1.6147 -0.0291 1.0291
25 临沂 -2.2585 0.6257 0.3743 51 驻马店 2.3196 0.8247 0.1753
26 漯河 -0.5737 0.8318 0.1546 52 淄博 2.1839 1.9740 -0.9740
根据表3反弹效应均值的分组统计可知,在样本数据中临沂、濮阳和阜阳等样本反弹效应均值为负的个数有28个,占总样本数量的53.85%。淮北反弹效应均值最小,为-4.0746。这些地区节水技术带来的预期节水作用并未被削弱。样本中反弹效应均值为正的样本个数有24个,占总样本数量的46.15%。济南样本反弹效应均值最大,为4.6136。这表明在研究区域内约有一半的地区农业灌溉用水存在一定程度的反弹状况。其中,在研究区域内有郑州、焦作、周口和新乡等12个地级市的反弹效应均值大于1,占总样本数量的23.08%,占存在反弹效应状况样本总量的50%。蚌埠、德州和许昌等样本反弹效应值为正且小低于1的反弹效应均值为60.66%,远大于15.02%的总样本反弹效应均值。这表明出现部分反弹效应的样本地区,农业灌溉节水未达到预期节水的一半。综合来看,在研究区域尤其是已出现反弹效应的区域,农业灌溉用水的反弹状况严重。
表3 反弹效应均值的分组统计

Table 3 Grouping statistics of the mean of rebound effect

反弹效应均值 地区数量/个 均值 方差 最小值 最大值
R ≤ 0 28 -0.9389 0.9408 -4.0746 0
0<R<1 12 0.6066 0.2460 0.0835 0.9124
R ≥ 1 12 2.2347 0.9964 1.0159 4.6136
节水灌溉技术对预期节水量的影响是通过其对农业用水强度的影响计算得到的。农业用水强度变化是节水技术效应和种植结构效应共同作用的结果。根据表2的计算,应用相关软件计算各个样本的节水技术效应和种植结构效应的算术平均值可知,农业用水强度下降的节水技术效应TE均值为1.37,种植结构效应ST均值为-0.3679。节水技术效应对农业用水强度下降的影响为正值,种植结构效应对农业用水强度下降的影响为负值。这表明节水技术效应对农业用水强度下降带来了正面作用,能够降低农业用水强度,而种植结构的变化对农业用水强度带来了负面作用,带来农业用水强度的增加。农业用水强度下降的变化主要来自于节水技术效应。表2中节水技术效应TE与式（1）中预期节水量的乘积可以计算出具体的节水技术带来的预期节水量。
种植结构变化对农业用水强度下降为负向影响时,会减小预期农业灌溉节水量,若考虑种植结构的作用,节水技术因素带来的农业灌溉反弹效应均值会更大。在样本数据中,保定、蚌埠和鹤壁等24个样本的种植结构变化分解值为负。这些样本地区的种植结构变化都会增强节水技术因素带来的农业灌溉反弹效应。值得注意的是,在这些样本地区中,保定、滁州和潍坊等样本的反弹效应均值为负,表明种植结构变化带来的影响较小,这些样本地区整体并未表现出农业灌溉用水的反弹。济南、廊坊、石家庄、泰安和信阳等8个样本的反弹效应均值为正,表明这些样本地区整体表现出了农业灌溉用水的反弹。这些地区的种植结构变化为农业灌溉用水的节约带来了阻碍作用。

2.2 节水灌溉技术对反弹效应的影响

根据Malmquist指数测算方法和过程,应用相关软件可以计算得出农业全要素生产率增长和分解结果。根据表4中全要素生产率的计算结果可知,在整个研究期间华北平原的全要素生产率提高了2.3%,技术进步效率提高了1.7%,纯技术效率提高了0.2%,规模效率提高了0.4%。由于技术效率与技术进步的乘积等于全要素生产率,纯技术效率与规模效率的乘积等于技术效率,转化成加法形式后即全要素生产率的提高等于技术效率的提高与技术进步提高之和,技术效率的提高等于纯技术效率提高与规模效率提高之和。由此可知,节水技术进步是全要素生产率提高的重要原因。规模效率提高则是节水技术效率提高的重要原因。
表4 农业全要素生产率增长与分解

Table 4 Growth and decomposition of agricultural total factor productivity

时间段/年 Techch Pech Sech TFP
2000—2001 0.979 0.995 0.982 0.957
2001—2002 1.046 0.971 0.991 1.007
2002—2003 1.012 1.037 0.992 1.041
2003—2004 0.977 1.073 1.011 1.060
2004—2005 1.033 1.012 0.987 1.031
2005—2006 1.053 1.004 0.993 1.051
2006—2007 0.978 1.015 0.982 0.975
2007—2008 0.990 1.007 1.073 1.070
2008—2009 0.962 1.020 0.998 0.979
2009—2010 1.025 1.012 1.034 1.073
2010—2011 1.021 0.991 1.008 1.019
2011—2012 0.997 1.001 1.007 1.004
2012—2013 1.186 0.957 0.962 1.091
2013—2014 1.003 1.003 1.002 1.008
2014—2015 0.871 1.044 1.056 0.960
2015—2016 1.181 0.958 1.014 1.148
2016—2017 0.996 0.941 0.996 0.933
2017—2018 1.044 0.997 0.984 1.024
均值 1.017 1.002 1.004 1.023
图1 分流域和省份反弹效应的分布状况

注：根据中国水利统计年鉴整理和计算得到。

Fig. 1 Distribution of rebound effect in sub-basins and provinces

根据技术效率、技术进步和全要素生产率三者之间的关系,应用软件可以计算出相邻年份节水技术进步提高在全要素生产率提高中所占的比例,从而得到节水技术进步对农业增长的影响程度。结果表明节水技术进步对农业增长的影响程度均值超过80%。这表明在研究期间农业增长主要来自于节水技术进步,技术因素是农业增长最为重要的因素。表4反映了技术因素对农业增长影响的基本状况。需要注意的是,技术进步包括灌溉技术与育种技术等多个方面,尽管本文在计算时纳入了农业机械投入和化肥及农药投入等要素,但是仍然无法完全剔除其他要素或方面的技术进步影响,因此本文节水技术进步对农业增长影响的测算值较实际值偏大。尽管如此,技术因素仍然为农业要素增长做出了主要贡献。这个影响程度值与式（1）中农业用水增加量的乘积可以计算出具体的节水技术带来的农业灌溉用水反弹量。结合测算出的节水技术因素带来的预期节水量,就可以得到表2中节水技术因素带来的反弹效应值。由于篇幅所限,测算得到的预期节水量和农业灌溉用水反弹量未列出。

2.3 农业灌溉反弹的地区异质性分析

2.3.1 水资源分区的异质性分析

根据已有研究可知,水资源禀赋和市场经济等地区特征通常对农业灌溉用水的反弹效应有显著的影响。根据研究区域的地区特征,本文将华北平原根据流域分区进行地区异质性分析。在具体分析时,根据各个城市地理位置主要处于黄河、淮河或海河流域的情况,将其归属于相应的黄河区、淮河区和海河区。测算不同区在研究期间的整体反弹效应值时,将整个区作为计算单元,相关数据由所属区内市级数据汇总得到。研究结果发现,在研究区域内的黄河、淮河和海河区的整体反弹效应均为正。这表明在研究区域的各个区均出现了农业灌溉用水的反弹效应,即节水技术的应用会带来相关区内农业灌溉用水一定程度的反弹。黄河区的整体反弹效应均值为41.39%,反弹效应程度最大,远远大于淮河和海河区;海河区的整体反弹效应均值为17.01%;淮河区的反弹效应虽然比较普遍,但是整体反弹效应程度仅为7.87%,在三个区间的反弹效应程度最小。
结合表2的计算结果,参考流域内样本城市的反弹效应分布可知,在各个流域区域内的市级层面上,海河区范围内主要表现出了反弹效应值小于0的情况,例如天津、邯郸和鹤壁等城市,占海河区15个样本量的60%;淮河区范围内同样主要表现出了反弹效应值小于0的情况,例如开封、枣庄和宿州等城市,占淮河区30个样本量的53.33%;黄河区范围内主要表现出来反弹效应值小于0和大于1的两种情况,例如新乡和东营等城市,各占黄河区7个样本量的42.86%。这表明该研究区域内不同区虽然整体都表现出了反弹效应,但是海河和淮河区仍然在大部分区域范围内达到或超过了预期农业灌溉节水量,只是出现农业灌溉用水反弹的区域反弹程度较大,例如济南、廊坊和驻马店等城市的反弹效应值都超过了2,从而拉高了区内整体的反弹程度。黄河区这种状况表现的也较为突出,例如淄博和焦作等城市的反弹效应值也均超过了2,拉高了区域内整体的反弹程度。

2.3.2 行政分区的异质性分析

从行政区域的角度分析可知,农业灌溉用水的反弹效应主要出现在山东、河南和河北三个省份。参照不同区域在研究期间整体反弹效应值的测算方法,将整个省级行政区作为计算单元,相关数据由所属地市级数据汇总得到。经测算得知,河南省反弹效应的整体均值为49.89%,山东省反弹效应的整体均值为29.98%,河北省反弹效应的整体均值为23.89%。结合表2和省级行政区内样本城市的反弹效应分布可知,河南省是农业灌溉用水会反弹增加的主要省份,在12个出现农业灌溉用水反弹增加的样本城市中有6个隶属河南省。山东省是农业灌溉用水会出现部分反弹效应的主要省份,在12个出现农业灌溉用水部分反弹的样本城市中有5个隶属山东省。结合流域分区层面看,研究区域的黄河区是农业灌溉用水出现反弹效应的主要地区。这表明反弹效应主要出现在山东和河南省下辖的所属黄河区的样本城市中。
根据前述分析可知,在华北平原节水技术应用所节约的农业水资源有部分被重新投入到了农业灌溉之中,研究区域整体表现出了农业灌溉用水的反弹效应。从流域分区和行政区划的角度来看,海河和淮河区的较大范围仍旧达到了节水技术应用所预期的农业灌溉节水量,黄河区的反弹状况最值得重视。河南和山东两个省份的农业灌溉用水反弹效应在研究区域内相对比较严重,尤其是两省份位于黄河区的区域更加值得关注。

2.4 反弹效应与地区异质性的进一步分析

结合研究结论和中国华北平原的现实状况,本文认为中国粮食主产区农业灌溉用水产生反弹效应的直接原因是节水灌溉面积占比的增加,其根本原因有两个：一是为了保障粮食生产安全,国家对于农田灌溉水利工程投资的不断增加,增加了相应流域内的节水灌溉面积;二是中国水权市场的建立和运行尚不完善,农户节约的农业灌溉用水无法通过有效的跨行业转移应用增加收益。农户为了追求生产利润最大化,会做出扩大种植作物规模的生产决策。农业灌溉用水反弹的地区异质性也来源于两者间的差异。
囿于相关数据的可得性,本文利用2011—2019年间的宏观统计数据,重点在流域分区层面对研究区域内农业灌溉用水反弹和地区异质性的产生原因进行验证分析。由于黄河区的农业灌溉用水反弹效应远大于淮河和海河区,因此将黄河区和淮海区整体进行比较分析。

2.4.1 农田灌溉水利建设投资完成额

根据中国水利统计年鉴相关数据整理可知,2011—2019年研究区域内各个流域的灌溉水利建设投资完成额都有较大幅度增加（图2）,整体总的灌溉水利建设投资完成额由676.40亿元增加到1275.08亿元,达到原来的1.89倍。灌溉水利建设投资完成额的加大代表着更大范围的节水技术应用,节水灌溉面积的占比会有较大幅度的增加。具体而言,淮河和海河区的节水灌溉面积占比由45.44%增长到58.33%,黄河区的节水灌溉面积占比由60.81%增长到65.50%。研究区域内超过一半的地区采纳了节水技术,提高了地区内农业用水的水资源利用效率,节约了农业水资源。与此同时,节水技术节约的水资源放松了水资源的硬性约束,农户为了追求生产利润,会扩大种植或灌溉面积以便提高农产品产量,最终造成农业灌溉用水反弹,未能达到预期的节水效果。
图2 节水灌溉占比与灌溉水利投资完成额

注：根据中国水利统计年鉴整理得到。

Fig. 2 Proportion of water-saving irrigation and completion of irrigation water conservancy investment

节水技术应用水平差异成为了地区间农业灌溉用水反弹效应异质性的主要原因。考察相同时期黄河区和淮海区节水灌溉面积占比差值的均值和众数值可知,黄河区的节水灌溉面积占比超过海河和淮河区的15%左右。这表明黄河区有更高的节水技术应用水平,从而也带来了更严重的农业灌溉用水反弹状况,与前文的相关研究结论保持一致。节水技术应用水平的差异带来了地区农业灌溉用水反弹效应的异质性。值得注意的是,淮河和海河区的灌溉水利建设投资完成额增长速度高于黄河区。淮海河区由2011年的416.43亿元增加到2019年的1178.11亿元,达到原来的2.83倍;黄河区由259.97亿元下降到96.97亿元,下降了62.69%。淮河和海河区的节水灌溉面积占比正在逐步地追赶到黄河区的水平。淮河和海河区由节水技术带来的农业灌溉用水反弹程度很有可能会不断加大,这会逐渐消除地区间农业灌溉用水反弹程度的异质性,农业灌溉用水反弹值将逐步趋同。研究区域内由节水技术应用带来的灌溉用水反弹问题会进一步加重。

2.4.2 水权交易制度建设

农业水权交易规定农业用水定额内的农户节水可以进行交易,可以使农户把农业灌溉节水转变成收益,能够激励农户节水,促进农业灌溉用水量的减少。但是,中国水权交易制度实施起步较晚,水权交易制度建设的整体发展较为缓慢,这阻碍了农业灌溉节水的跨行业转移应用。农户节水跨行业交易制度的不完善造成农业节水收益渠道单一,农户只能扩大作物种植规模或灌溉面积,通过提高农作物产出取得生产收益,最终带来研究区域的农业灌溉用水反弹。水权市场的建立和运行尚不完善使得农业灌溉节水重新投入到了农业生产之中,是农业灌溉用水反弹的重要原因之一。
水权交易制度建设的差异也成为黄河区和淮海区农业灌溉用水反弹效应异质性的重要原因。淮河和海河区的水权交易制度建设步伐相对黄河区较快。海河区的主要省份河北省,2015年便出台了水权政策,开展地下水和地表水的水权交易。2017年完成了水权建设工作的中期部署任务。2018年完成了163个县的农业水权确权工作,水权证全部发放到位。安徽省的水权政策从2018年正式实施,规定了农业用水的水权交易规则。黄河区的河南和山东两省农业水权交易制度建设步伐则较为缓慢。河南的水权政策虽然从2014年开始实施,但是水权交易的水量主要用于城市生活用水。山东省的水权政策从2017年开始实施,但是农业水权限制在农业用水户或用水组织之间,无法实现跨行业间的用水转移,农业自身低收益率的本质造成农业灌溉用水的节水激励不足。

3 结论与讨论

3.1 结论

农业通常是不同国家或地区最具节水潜力的产业。提高农业领域的节水技术应用是应对区域水资源短缺,促进农业水资源节约的主要措施。但是,通过应用中国华北平原2000—2018年间的面板数据,采用Malmquist指数和LMDI指数进行分解和测算可知,节水技术在带来预期农业灌溉节水的同时,也会带来农业灌溉用水的反弹。在整个研究期间,研究区域由于采用节水技术所预期的节水量中有15.02%未达到目标。这是因为采纳节水技术提高农业水资源利用效率后,生产者会调整种植决策行为以适应这种改变,生产种植面积和灌溉面积以及水资源密集型的高收益作物种植面积会被扩大,从而削弱预期农业灌溉节水量。节水技术虽然是农业灌溉用水反弹的直接原因,但是农田灌溉水利建设投资大幅增加和水权交易制度建设不完善才是中国粮食主产区农业灌溉用水反弹的根本原因。
根据研究区域内的流域特征对比可知,黄河区、淮河区和海河区都有不同程度的农业灌溉用水反弹问题,其中黄河区的农业灌溉用水反弹程度最大,甚至部分地区农业灌溉用水反弹程度大于节水技术应用带来的预期节水,造成农业灌溉用水总量的增加。河南省在各个省份中农业灌溉用水反弹问题最为严重,整体均值达到49.89%,而且是农业灌溉用水会反弹增加的主要省份。节水技术应用水平和水权交易制度建设状况的地区差异造成了农业灌溉用水反弹的地区异质性。这种异质性会随着农田灌溉水利建设投资的加大和水权交易制度建设的完善逐渐消除。

3.2 讨论

本文的研究结论认为节水技术应用对华北平原的农业灌溉用水带来了一定程度上的反弹。这种观点与以往部分学者的研究结论相一致,但是对反弹效应程度的测算值略低于一些学者的测算[41]。本文认为农业灌溉用水出现反弹的关键因素在于节水技术应用对种植结构的影响。以往的文献研究发现对于节水技术应用的补贴政策会激励农户转向更加需水的种植制度,最终带来农业灌溉用水反弹[11]。由于节水技术补贴政策通常能够促进节水技术的扩散和应用,这些研究结论侧面印证了本文的研究结论。尽管本文的分析结论认为节水技术应用会带来农业灌溉用水的反弹,但是这并不意味着节水技术应用推广政策的作用无效。
节水技术应用的重要作用体现在对农业水资源利用效率的提高,有利于对农业水资源利用效率红线的控制。根据水利部水资源公报的数据,随着节水技术应用的不断推广,中国2011—2019年的农业水资源利用效率由0.51持续提高到0.559,农田实际灌溉亩均用水量不断下降,由415 m3下降到368 m3。从研究区域的流域和行政区划来看,节水技术带来的农业灌溉用水反弹程度仍然低于其节水效果,很多地区超过了节水技术预期的农业灌溉节水量,只有少数地区农业灌溉用水增加。同时,节水技术对农业灌溉用水反弹需要具备一定的条件。节水技术应用节约的农业水资源无法通过水权交易等类似的机制转移应用时才会被重新投入到农业生产之中。建设好农业节约水资源的转移利用机制,提高农业灌溉面积到较高水平从而发挥土地约束的作用,积极引导农户进行低耗水作物的种植,都能够有效打破农业灌溉用水反弹的条件,最终实现农业灌溉用水的利用效率提高和总量节水。尽管本文将农业机械投入等要素纳入到计算过程中,但是仍然无法避免生产技术等技术进步要素,将技术因素带来的农业灌溉用水反弹全部归因于节水技术也会使得相关测算值略大。这在后续的研究中有待于进一步深入和校正。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
PFEIFFER L, LIN C. Does efficient irrigation technology lead to reduced groundwater extraction? Empirical evidence. Journal of Environmental Economics and Management, 2014, 67(2): 189-208.

DOI

[2]
HASSANI Y, SHAHDANY S M H, MAESTRE J M, et al. An economic-operational framework for optimum agricultural water distribution in irrigation districts without water marketing. Agricultural Water Management, 2019, 221(3): 348-361.

DOI

[3]
MPANGA I K, IDOWU O J. A decade of irrigation water use trends in southwestern USA: The role of irrigation technology, best management practices, and outreach education programs. Agricultural Water Management, 2021, 243(1): 106-113.

[4]
PEREZ-BLANCO C D, HRAST-ESSENFELDER A, PERRY C. Irrigation technology and water conservation: A review of the theory and evidence. Review of Environmental Economics and Policy, 2020, 14(2): 216-239.

DOI

[5]
SCOTT C A, VICUÑA S, BLANCO-GUTIÉRREZ I, et al. Irrigation efficiency and water-policy implications for river basin resilience. Hydrology and Earth System Sciences, 2014, 18(4): 1339-1348.

DOI

[6]
LOCH A, ADAMSON D. Drought and the rebound effect: A murray-darling basin example. Nat Hazards, 2015, 79(1): 1-21.

[7]
王哲, 陈煜. 技术进步一定会带来一个区域农业用水总量下降吗?基于河北省面板数据实证分析. 农业技术经济, 2020, (6): 81-89.

[ WANG Z, CHEN Y. Will technological progress certainly lead to a decline in the total amount of agricultural water consumption in a region? An empirical analysis based on panel data of Hebei province. Agricultural Technical economy, 2020, (6): 81-89.]

[8]
李贵芳, 周丁扬, 石敏俊. 西北干旱区作物灌溉技术效率及影响因素. 自然资源学报, 2019, 34(4): 853-866.

[ LI G F, ZHOU D Y, SHI M J. Technical efficiency and influencing factors of crop irrigation in arid areas of Northwest China. Journal of Natural Resources, 2019, 34(4): 853-866.]

DOI

[9]
罗文哲, 蒋艳灵, 王秀峰, 等. 华北地下水超采区农户节水灌溉技术认知分析: 以河北省张家口市沽源县为例. 自然资源学报, 2019, 34(11): 2469-2480.

[ LUO W Z, JIANG Y L, WANG X F, et al. Cognitive analysis of water-saving irrigation techniques of farmers in groundwater overexploitation areas in North China: A case study of Guyuan county, Zhangjiakou city, Hebei province. Journal of Natural Resources, 2019, 34(11): 2469-2480.]

DOI

[10]
BERBEL J, GUTIÉRREZ-MARTÍN C, RODRÍGUEZ-DÍAZ J A, et al. Literature review on rebound effect of water saving measures and analysis of a Spanish case study. Water Resources Management, 2015, 29(10): 663-678.

DOI

[11]
EXPÓSITO A, BERBEL J. Why is water pricing ineffective for deficit irrigation schemes? A case study in Southern Spain. Water Resources Management, 2017, 31(3): 1047-1059.

DOI

[12]
PODDAR R, QURESHI M, SYME G. Comparing irrigation management reforms in Australia and India: A special reference to participatory irrigation management. Irrigation and Drainage, 2011, 60(2): 139-150.

DOI

[13]
GRAFTON R Q, WILLIAMS J, PERRY C J, et al. The paradox of irrigation efficiency. Science, 2018, 361(6404): 748-750.

DOI

[14]
BERBEL J, GUTIÉRREZ-MARTÍN C, EXPÓSITO A. Impacts of irrigation efficiency improvement on water use, water consumption and response to water price at field level. Agricultural Water Management, 2018, 203(4): 423-429.

DOI

[15]
肖序, 万红艳. 技术进步对中国电解铝能源消费回弹效应的影响: 基于二级镶嵌式CES函数的实证研究. 中国人口·资源与环境, 2012, 22(10): 144-150.

[ XIAO X, WAN H Y. The influence of technological progress on the rebound effect of electrolytic aluminum energy consumption in China: An empirical study based on two-stage embedded CES function. China Population, Resources and Environment, 2012, 22(10): 144-150.]

[16]
夏婷, 陈林. 技术创新与能源回弹效应之探讨: 以中国工业为例. 科学决策, 2014, (4): 41-57.

[ XIA T, CHEN L. Discussion on technological innovation and energy rebound effect: Taking Chinese industry as an example. Scientific Decision-Making, 2014, (4): 41-57.]

[17]
PERRY C. Accounting for water use: Terminology and implications for saving water and increasing production. Agricultural Water Management, 2011, 98(12): 1840-1846.

DOI

[18]
李凯杰, 董丹丹, 韩亚峰. 绿色创新的环境绩效研究: 基于空间溢出和回弹效应的检验. 中国软科学, 2020, (7): 112-121.

[ LI K J, DONG D D, HAN Y F. Research on environmental performance of green innovation: Test based on spatial spillover and rebound effect. China Soft Science, 2020, (7): 112-121.]

[19]
YAN N, WU B, PERRY C, et al. Assessing potential water savings in agriculture on the Hai Basin Plain, China. Agricultural Water Management, 2015, 154(3): 11-19.

DOI

[20]
VAN O P A J, WAN G, VOS J, et al. Towards groundwater neutral cropping systems in the alluvial fans of the North China Plain. Agricultural Water Management, 2016, 165(11): 131-140.

DOI

[21]
GRAFTON R Q. Water reform and planning in the murray-darling basin, Australia. Water Economics and Policy, 2017, 3(3): 170-188.

[22]
SONG J F, GUO Y N, WU P, et al. The agricultural water rebound effect in China. Ecology Economic, 2018, 146(12): 497-506.

[23]
胡东兰, 申颢, 刘自敏. 中国城市能源回弹效应的时空演变与形成机制研究. 中国软科学, 2019, (11): 96-108.

[ HU D L, SHEN H, LIU Z M. Study on the spatio-temporal evolution and formation mechanism of urban energy rebound effect in China. China Soft Science, 2019, (11): 96-108.]

[24]
赵丹丹, 周宏, 高富雄. 农户分化、技术约束与耕地保护技术选择差异: 基于不同约束条件下的农户技术采纳理论分析框架. 自然资源学报, 2020, 35(12): 2956-2967.

[ ZHAO D D, ZHOU H, GAO F X. Differentiation of farmers, technical constraints and differences in technological choice of cultivated land protection: Based on the theoretical analysis framework of farmers' technology adoption under different constraints. Journal of Natural Resources, 2020, 35(12): 2956-2967.]

DOI

[25]
WHEELER S A, CARMODY E, GRAFTON R Q, et al. The rebound effect on water extraction from subsidising irrigation infrastructure in Australia. Resources, Conservation and Recycling, 2020, 159(8): 1-17.

[26]
HEUMESSER C, FUSS S, SZOLGAYOVÁ J, et al. Investment in irrigation systems under precipitation uncertainty. Water Resources Management, 2012, 26(7): 3113-3137.

DOI

[27]
GRAVELINE N. Intensive and extensive margin adjustments to water scarcity in France's cereal belt. European Review of Agricultural Economics, 2014, 41(5): 707-743.

DOI

[28]
LIU J, ZHAO X, YANG H, et al. Assessing China's "developing a water-saving society" policy at a river basin level: A structural decomposition analysis approach. Journal of Cleaner Production, 2018, 190(7): 799-808.

DOI

[29]
JEVONS W S. The Coal Question (2nd ed.). London: Macmillan, 2018, 35-69.

[30]
FREIRE-GONZÁLEZ J. Empirical evidence of direct rebound effect in Catalonia. Energy Policy, 2010, 38(5): 2309-2314.

DOI

[31]
FREIRE-GONZÁLEZ J. Does water efficiency reduce water consumption? The economy-wide water rebound effect. Water Resource Management, 2019, 33(4): 2191-2202.

DOI

[32]
李强, 魏巍, 徐康宁. 技术进步和结构调整对能源消费回弹效应的估算. 中国人口·资源与环境, 2014, 24(10): 64-67.

[ LI Q, WEI W, XU K N. Estimation of the rebound effect of technological progress and structural adjustment on energy consumption. China Population, Resources and Environment, 2014, 24(10): 64-67.]

[33]
PAUL C, TECHEN A K, ROBINSON J S, et al. Rebound effects in agricultural land and soil management: Review and analytical framework. Journal of Cleaner Production, 2019, 227(8): 1054-1067.

DOI

[34]
LI Y, SHEN J, LU L Y, et al. Water environmental stress, rebound effect, and economic growth of China's textile industry. Peer J, 2018, 54(6): 1-24.

[35]
GONZALES P, AJAMI N. Social and structural patterns of drought-related water conservation and rebound. Water Resource Resource, 2017, 53(12): 10619-10634.

[36]
LIN B Q, YAN F, LIU X. A study of the rebound effect on China's current energy conservation and emissions reduction: Measures and policy choices. Energy, 2013, 58(9): 330-339.

DOI

[37]
何培培, 张俊飚, 何可, 等. 农业生产何以存在低碳效率幻觉? 来自1997—2016年31个省份面板数据的证据. 自然资源学报, 2020, 35(9): 2205-2217.

[ HE P P, ZHANG J B, HE K, et al. Why does agricultural production have the illusion of low carbon efficiency? Evidence from panel data of 31 provinces in 1997-2016. Journal of Natural Resources, 2020, 35(9): 2205-2217.]

DOI

[38]
国涓, 凌煜, 郭崇慧. 中国工业部门能源消费反弹效应的估算: 基于技术进步视角的实证研究. 资源科学, 2010, 32(10): 1839-1845.

[ GUO J, LING Y, GUO C H. Estimation of the rebound effect of energy consumption in China's industrial sector: An empirical study from the perspective of technological progress. Resource Science, 2010, 32(10): 1839-1845.]

[39]
LIN B Q, TIAN P. The energy rebound effect in China's light industries: A translog cost function approach. Journal of Cleaner Production, 2016, 112(4): 2793-2801.

DOI

[40]
YANG L S, LI Z. Technology advance and the carbon dioxide emission in China-empirical research based on the rebound effect. Energy Policy, 2017, 101(2): 150-161.

DOI

[41]
LIN F, WU F P, YU Y T, et al. Irrigation technology and water rebound in China's agricultural sector. Journal of Industry Ecology, 2020, 4(1): 1-13.

[42]
ANG B W. LMDI decomposition approach: A guide for implementation. Energy Policy, 2015, 86(11): 233-238.

DOI

Options
Outlines

/

〈 〉