水资源短缺状况及其对农业生产影响的实证研究

李玉敏, 王金霞

(中国科学院地理科学与资源研究所农业政策研究中心,北京 100101)

水资源短缺正在威胁着我国的资源基础以及农业生产[1-2]。我国水资源总量丰富,但是人均水平偏低。2011年全国水资源总量为2.3万亿m3,位居世界第6位,但是人均拥有的水资源量仅为1 698 m3,不足世界人均水平的1/4[3],而海河流域的人均水资源量仅为335 m3,其中北京地区的人均水资源量只有114 m3[4-5]。研究表明,过去的20多年,海河、黄河、淮河和辽河的地表径流分别减少了41%、15%、15%和9%[6-7]。随着地表水供给的减少,部门间用水的竞争程度也在日益加剧。1949年新中国成立初期,我国农业部门的用水比例高达97%,而到了2011年,农业用水的比例仅为61%,非农部门的用水比例已经达到39%,农业部门用水面临的压力越来越大,这将成为威胁中国粮食安全的最主要因素[3,8-10]。

国内外有关水资源短缺的研究大多数是从资源使用量与资源存量之间关系的角度进行的,大部分集中在对水资源短缺的定性分析方面[11-14],很少有研究基于大规模实地调研定量分析水资源短缺状况对农业生产造成的影响。那么,水资源究竟会对我国农业生产造成什么影响?哪些作物的单产会受到影响?影响有多大?水资源对作物种植结构的影响如何?为了回答这些问题,本文将根据大规模实地调查的数据,在对我国水资源短缺状况了解的基础上,通过建立计量经济学模型来定量分析水资源短缺状况对农业生产(主要是作物单产和作物种植结构)的影响。

1 数据来源

分析所用的数据来自三次大规模的实地调查。第一次是于2004年底在北方6个省份开展的北方水资源用水状况调查,这6个省份分别为河南、河北、陕西、山西、内蒙古和辽宁。在这6个省份中,共随机选取了50个县中的401个村。在这次调查中，调查人员将每个省的所有县按照灌溉面积的比例高低分为严重缺水、部分缺水和不缺水3种类型,然后在每类县内再随机选取样本村。第二次是在2005年底开展的对宁夏、河南和河北三省的农村水管理制度的调查。这次调查在宁夏共选择了位于青铜峡灌区和卫宁灌区的5个县,并在这5个县中随机选取了32个村。河南按照上、中、下游的水系选择了6个县中的21个村。按照水资源的稀缺程度,选择了河北3个县的24个村。最后一次调查是2006年初开展的对甘肃、湖北和湖南省的用水者协会调查。在这3个省份中,根据灌区的上、中、下游随机选取了7个县的60个村。这三次调查共收集了538个村1995年和2004年的调查资料。

这三次调查采用的方式主要是面对面的访谈形式,问卷的调查对象为村领导,主要是访问那些对样本村的自然资源利用和农业生产非常了解的村长、书记或村会计。调查不仅收集了不同时期水资源短缺状况,而且还收集了不同时期村里不同作物的种植面积、单产及相关的社会经济状况(如耕地面积、人口、非农就业、教育水平及交通条件等)和自然条件(如土壤类型)等特征。每次调查都收集了两个时期的数据,第一个时期为1995年,第二个时期为2004年(如第一次调查)和2005年(第二和第三次调查)。分析中,将2004年和2005年作为一个时期分析,也就是分析中统称为1995—2005年。在水资源短缺对小麦和玉米单产影响的分析中,选择了两年都种植小麦或玉米的样本村构成面板数据。这样,使用两年都种植小麦的样本村的数量为680个,每年为340个；对于玉米,两年的样本村数量为908个,每年为454个。

2 水资源短缺的总体状况及区域间的差异

调查表明,我国的水资源短缺状况不容乐观,尤其在北方流域表现尤为突出。总体来看,2005年有70%的村反映他们在用水方面存在短缺问题,而且水资源短缺已经影响到他们的农业生产(图1)。也就是说不存在水资源短缺的村仅占全部样本的30%。从区域来看,北方流域(如海河、黄河和松辽流域)的水资源短缺状况显著高于南方流域(如长江流域)。2005年,北方流域中存在水资源短缺的村比例高于70%,甚至接近80%(如海河流域);而南方流域大约一半的村存在水资源短缺问题。

图1 2005年水资源短缺的村所占比例

3 水资源短缺状况对作物单产的影响

3.1 描述性统计分析

调研结果表明,水资源短缺与作物单产表现出负相关关系。根据水资源的短缺状况,笔者在分析中将样本村分为水资源短缺和不短缺两类。如果比较在两类不同村中的作物单产,不难发现,相对于水资源较丰富、不存在水资源短缺状况的那些村的作物单产较高,在水资源短缺村的作物单产都普遍较低。例如,水资源短缺村的玉米单产为5 355 kg/hm2,比不存在水资源短缺村的玉米单产低9%(表1)。同样,两类村之间小麦单产的差别为11%。

表1 水资源短缺对作物单产的影响 kg/hm2

注：数据来源于中国科学院农业政策研究中心调查资料。

3.2 计量经济学模型设定

因为影响作物单产的因素很多,为了控制这些因素的影响,并深入分析水资源短缺状况对作物单产的影响,根据相关的经济学理论,笔者运用1995年和2005年的调查数据建立了如下的计量经济学模型:

Ykit=α+βWit+δZit+ηNit+γTit+φDit+εkit

(1)

式中:Ykit为t时期i村k作物的单位面积产量,主要包括小麦和玉米两种作物；i为某个村；k为作物类型；t为时期(1995年和2004年)；Wit为t时期i村的水资源短缺状况，是解释变量；Zit为t时期i村的社会经济特征；Nit为t时期i村的自然条件特征，主要包括坡度和土壤类型；Tit为时间虚变量，用1995年和2005年代表；Dit为地区虚变量；α,β，δ，η，γ,φ均为待估参数；εkit为随机扰动项。

模型中，Zit为t时期i村的社会经济特征，笔者选择农户规模、人均耕地面积、非农就业劳动力比例以及教育水平、市场发育状况等作为反映社会经济状况的主要指标。农户规模是指户均人口，由全村总人口数除以总户数所得。人均耕地面积由村耕地面积除以总人口所得。非农就业劳动力比例是由非农就业人口数除以总劳动力数，其中的非农就业劳动力包括到外地打工、在本村打工以及到外村打工的总人数。教育水平由小学及以上文化程度劳动力占劳动力总数的比例代表，该比例越高，表明该村的教育水平越高。用村委会到县政府的距离(公里)来代表市场发育状况，村委会到县政府距离越近，代表该村的市场条件越好。Nit为t时期i村的自然条件特征，主要包括坡度和土壤类型。因为所涉及的样本村中，沙土的比例全为0，所以，笔者以黏土为参照，使用壤土比例表示土壤类型。

在以上的单产模型中，其中的小麦是选择两年都种植小麦的村(340个村、共计680个观察值)为样本村，构成规范的面板数据，在模型中，加入了时间虚变量和地区虚变量来控制技术进步和地区间差异对作物单产的影响。与小麦类似，选择2年都种植玉米的村(454个村、共计908个观察值)为样本村，构成规范的面板数据，同样的，在模型中也加入了时间虚变量和地区虚变量。

3.3 计量估计结果

利用所建立的计量经济学模型，分析水资源短缺状况对作物单产的影响计量估计,结果见表2。由表2可知，小麦、玉米回归结果的R2值分别为0.16和0.24,对于面板数据来说,模型具有较好的拟合度。很多控制变量估计结果统计检验显著,系数的符号也符合预期。例如,在小麦和玉米单产模型中,非农就业劳动比例对小麦、玉米单产的影响都达到显著且符号为负,说明非农劳动力比例越高,小麦和玉米的单产就会越低。坡度对小麦和玉米的影响都显著为负,说明越是坡度大的地区,小麦和玉米的单产就会越低,这符合研究的预期。另外，还可以看到,时间虚变量对两种作物单产的影响都显著,并且符号全为正,说明随着时间的推移,由于技术进步、投入的变化等其他因素,小麦和玉米的单产都在提高。

表2 水资源短缺状况对作物单产影响的计量估计结果

注: 1.“*”,“ **”和“ ***”分别代表10%,5%和1%的显著性水平;2.括号内的数值是t统计的绝对值。

与描述性统计分析的结果一致,小麦和玉米的计量估计结果表明,水资源短缺对小麦和玉米的单产有显著的负影响。从表2可以看出,水资源短缺状况对小麦和玉米单产都有显著的影响,且符号为负,说明水资源短缺对这两种作物单产有显著的负影响。模型估计结果表明,如果水资源变得短缺,小麦的单产会减少274.9 kg/hm2,而玉米的单产则会减少263.4 kg/hm2。

4 水资源短缺对作物种植结构的影响

4.1 描述性统计分析

水资源短缺状况也可能影响到作物的种植结构。总体来看,如果水资源供给状况良好,不存在短缺状况,那么农民就更倾向于种植需水量较多的作物,尤其是会显著扩大水稻的种植面积。例如,如果水资源不短缺,水稻占作物播种面积的比例高达13%,而在水资源短缺村,水稻的种植面积比例仅为8%,比不短缺村的种植面积比例低5个百分点(表3)。除了水稻外,如果水资源供给不足,棉花的种植面积比例也会稍低一些(低1个百分点)。相对于水稻和棉花,玉米反而在水资源短缺村种植面积比例更大一些(高3个百分点),这说明玉米是对灌溉供水依赖性较弱的作物。另外,无论是在水资源短缺状况还是在不短缺状况下,小麦的种植面积比例都为27%,这说明从描述性统计分析看,小麦的种植可能不会显著受到水资源短缺状况的影响。

表3 水资源短缺对作物种植结构的影响

注：数据来源于中国科学院农业政策研究中心调查资料。

4.2 模型设定

为了分析水资源短缺状况对作物种植结构的影响,根据相关的经济学理论,建立如下的计量经济学模型:

Ckit=α+βWit+δZit++ηNit+φDit+εkit

(2)

式中：i为某个村；k为作物类型；t为时期(1995年和2005年)；Ckit为作物种植结构,是指t时期i村的作物k的播种面积占总播种面积的比例,主要包括小麦、玉米、水稻和棉花；Wit为t时期i村的水资源短缺状况，是笔者最关心的解释变量；α,β,δ,η,φ为待估参数；εkit为随机扰动项。控制变量基本与模型(1)中相同。

在模型(2)中,共有538个村、1076个观察值构成规范的面板数据(Panel data),除了模型中水稻、小麦、玉米和棉花这4种作物以外，其他作物的播种面积以占总播种面积的比例为参照,使用似不相关回归方法(Seemingly unrelated regression,可以控制对多个被解释变量都有影响的因素对回归结果影响)进行回归。

4.3 计量估计结果

水资源短缺状况对作物种植结构影响的计量估计结果见表4。根据回归结果可知模型具有较好的拟合度,R2均在0.65以上。很多控制变量估计结果统计检验显著,系数的符号也符合预期。例如,在小麦种植面积比例的模型中,壤土比例对小麦种植面积比例的影响达到显著且符号为正,说明壤土比例越高,小麦的种植面积比例就会越高。在玉米种植面积比例的模型中,人均耕地面积对玉米播种面积比例的影响显著,符号均为负,说明人均耕地面积越小,玉米的播种面积比例越高。在水稻种植面积比例的模型中,教育水平对水稻种植面积比例的影响达到显著且符号为正,说明农民接受的教育水平越高,水稻种植面积比例可能就会越高。

表4 水资源短缺状况对作物种植结构影响的计量估计结果

注: 1.“*”,“ **”和“ ***”分别代表10%,5%和1%的显著性水平;2.括号内的数值是z统计的绝对值。

与描述性统计分析的结果一致,水资源短缺状况对不同作物播种面积比例的影响不同。在水稻播种面积比例的模型中,水资源短缺对水稻播种面积比例的影响显著且符号为负;而小麦、玉米和棉花的播种面积比例模型中,水资源短缺状况对这3种作物的播种面积比例影响不显著,这也基本符合描述性统计分析的结果。根据模型估计结果,如果水资源变得短缺,水稻的播种面积比例会减少1.2%,而小麦、玉米和棉花等作物的播种面积比例不会有显著的变化。

5 结 语

笔者主要是运用计量分析的方法对水资源短缺状况及其对我国农业生产的影响做了较详细的实证分析。结果显示,我国水资源形势不容乐观,水资源短缺状况在北方地区尤为突出。日益严重的水资源短缺已经严重影响了我国的农业生产，显著影响了小麦、玉米的单产和水稻的播种。

基于以上研究结论,笔者提出以下政策建议。针对日趋严重的水资源短缺状况,应该提高水资源利用效率,同时,重视农民用水者对水资源短缺可能做出的一些反应,从而合理有效地解决目前面临的水资源短缺问题。农民会对水资源短缺做出反应,例如会通过调整作物种植结构来缓解水资源的短缺。水资源越短缺,农民就越可能倾向于种植对灌溉依赖程度低、需水量小的作物。因而,国家在制定政策措施时,应该考虑到农民的反应,通过趋利避害来合理有效地缓解目前面临的水资源短缺状况。

[1]GIORDANO M, VILLHOLTH K.Groundwater in developing world agriculture:past, present and options for a sustainable future[M].Trowbridge in UK: Cromwell Press, 2006: 37-61.

[2]YANG H,ZHANG X,ALEXANDER J B Z,et al.Water scarcity,pricing mechanism and institutional reform in Northern China irrigated agriculture[J].Agricultural Water Management,2003,61: 143-161.

[3]水利部.中国水资源公报[R].北京：水利部，2012.

[4]夏军,邱冰,潘兴瑶,等.气候变化影响下水资源脆弱性评估方法及其应用[J].地球科学进展,2012,27(4):443-451.

[5]张士锋,孟秀敬,廖强.水资源短缺对北京农业的不利影响分析与对策[J].地理研究,2012,31(11):1991-1997.

[6]国家发展改革委，水利部，建设部.水利发展“十一五”规划[R].北京：2007.

[7]王金霞,黄季焜.滏阳河流域的水资源问题[J].自然资源学报,2004,19(4): 424-429.

[8]BROWN L,BRIAN H.China’s water shortage could shake world grain markets[R].Washington D.C.:World Watch Intitute,1998.

[9]ROSEGRANT M W,CAI X.Water scarcity and food security-alternative futures for the 21st century [J].Water Science and Technology,2006,43(4): 61-70.

[10]ROSEGRANT M W,VALMONTE-SANTOS R A,CLINE S A,et al.Water resources,agriculture and pasture: implications of growing demand and increasing scarcity [C]//Plenary and invited papers from the International Grassland Congress,Dublin,Ireland,2005: 227-238.

[11]RIJSBERMAN F.Water scarcity:fact or fiction? [J].Agricultural Water Management,2006,80(1-3): 5-22.

[12]ALCAMO J, DOLL P, Kaspar F, et al.Global change and global scenarios of water use and availability: an application of WaterGAP 1.0[R].Kassel : CESR, University of Kassel, 1997.

[13]ALCAMO J, HENRICHS T, ROSCH T.World water in 2025: global modeling and scenario analysis[R].Kassel:Kassel World Water Series 2Center for Environmental System Reseach, University of Kassel, 2000.

[14]PEREIRA L S,OWEIS T,ZAIRI A.Irrigation management under water scarcity[J].Agricultural Water Management,2002,57 (3): 175-206.