高集约化农区投入减量化与环境风险降低潜势的时空分异特征

付永虎，刘黎明，王加升，叶津炜，郭 赟



高集约化农区投入减量化与环境风险降低潜势的时空分异特征

付永虎1,2，刘黎明1※，王加升1，叶津炜1，郭 赟1

（1. 中国农业大学资源与环境学院，北京 100193； 2. 淮海工学院法学院，连云港 222005）

该文应用氮足迹（nitrogen footprint，N footprint）、灰水足迹（grey water footprint，GWF）理论，以上海市青浦区为案例区，对集约农业土地利用系统的活性氮排放和非点源污染进行分析，运用非期望产出的SBM-Undesirable窗式分析模型，系统解析农业土地利用环境效率时空分异特征，综合评估农业土地利用系统投入减量化趋势与环境风险降低潜势。结果表明：1）在考虑活性氮排放和非点源污染约束下，2006－2013年青浦区农业土地利用环境效率相对较低，2006－2013年均值仅为0.669；2）2006－2013年青浦区年均劳动力、肥料和机械动力的潜在减量比例较高，8 a间潜在年均缩减总量分别为8 104人，4 501.59 t，27 928.44 kW；非点源污染灰水足迹的潜在减排比例高于污染氮足迹，潜在减排总量年均分别为52 046.88万m3和381.04 t。花香桥街道具有最大的潜在投入减量化与环境风险降低比例。白鹤镇、练塘镇等具有较大的潜在缩减规模，应成为青浦区农业投入减量化和污染物减排总量控制的重点区域。该文评价结果可为制定农业可持续发展规划及农业产业政策提供参考。

土地利用；污染；农业；氮足迹；灰水足迹；环境效率；投入减量；环境风险

0 引 言

过去30多年来，中国普遍实行了高投入-产出的集约农业土地利用模式，化肥、农业机械的广泛使用在提高土地收益和保障粮食安全的同时，也带来了活性氮（reactive Nitrogen，Nr）排放不断增加、农业非点源污染趋于严重等问题，集约化农业生产对环境的负面影响已受到广泛的关注。已有研究报道全球大约有70%以上的Nr排放来自于农业生产[1]；在中国，农业土地利用过程导致的灰水足迹总量占到人类活动的60%[2]。减少Nr排放和控制农业非点源污染风险，已成为农业可持续发展领域的重要研究方向。从农业土地利用系统的角度来说，系统输入和输出的物质量越大，人类给予生态环境的压力就愈大。化肥、机械等投入要素的无效或低效率利用是导致农业环境问题突出的主要原因之一[3]，因此，通过提高农业土地利用系统的环境效率，降低物质投入与减少有害物质的环境输出，是实现农业生态经济系统稳步运行的关键。

环境效率是衡量经济发展导致的环境代价，是可持续发展能力评价的重要指标之一。环境效率的常用测度方法是假设一个经济体在等量要素或产出条件下，其污染排放离污染最小排放的距离[4]。土地利用系统环境效率分析应既考虑农业土地利用过程中产出的经济价值，同时也应兼顾土地利用过程中的环境输出，即需要考虑期望产出，也应考虑非期望产出。有关农业土地利用环境效率研究，不少学者从不同角度进行了深入探讨并取得了诸多研究成果[5-9]。例如Marthin等[10]回顾了考虑环境效应的农业生产效率计算方法，以澳大利亚的农业生产部门为案例研究，考虑环境成本的投入，对农业生产效率进行了修正，研究结果表明考虑环境因素的生产率校准方法是可持续发展研究中一个重要的生产率测定方法。近年来非期望产出的SBM方法的提出，不仅解决了投入和产出松弛的问题，且同时解决了非期望产出存在下的环境效率评价问题；是一种综合考虑土地、劳动力、机械、肥料等投入与经济产出、环境输出等要素相互作用的农业环境效率的表达，能够科学地反映各个决策单元环境效率的真实水平[11]，已被众多学者应用于农业环境效率和节能减排潜势分析。Kuo等[12]以台湾南部的58个村种植业为研究对象，应用SBM-Undesirable模型将农用化学品污染物输出作为非期望产出，计算了各决策单元的环境效率。国内学者分别从非点源污染、碳排放以及2者结合的视角，对国家、区域等层面进行农业环境效率的测算，为农业生产的节能减排、环境效率的提高提出了改进方向，研究成果对农业环境管理与政策制定提供了参考依据[6,13-16]。然而，以上有关农业环境效率研究，对非期望产出指标的考查主要集中在农业非点源污染、碳排放等因素，忽视了对农业土地利用过程导致的活性氮排放的研究，以致丢失了大量的环境输出信息，从而降低了对农业土地利用环境效率评价的有效性和准确性。其次，非点源污染的测算主要以等标排放量为主，未能充分反映非点源污染对当地水资源的影响，研究成果无法科学指导关键环境风险的缩减潜势。作为当前生态经济学和可持续发展研究领域的热点之一，氮足迹和灰水足迹为评估农业土地利用资源消耗和废弃物排放等提供了新的理念和途径，氮足迹和灰水足迹理论的双重足迹分析方法应用于农业生产的环境效应评价，能够准确量化农业土地利用过程对环境的多重负面影响[17]；同时还可为农业土地利用环境效率评价提供全新的定量化指标。基于此，本文主要将在以下3个方面进行拓展：1）系统分析农业生产过程的污染氮足迹和非点源污染灰水足迹，综合评估集约农业土地利用的环境效应；2）将污染氮足迹和非点源污染灰水足迹纳入农业土地利用环境效率评价模型，从而更加全面、客观地评价集约农业土地利用系统的环境效率；3）通过构建投入减量化潜力、规模，污染物减排潜力、规模模型，探讨集约化农区投入减量化与环境风险降低潜势。研究结果可为构建投入减量化与低环境风险的可持续集约农业土地利用模式提供支撑，为政府制定农业环境政策提供理论与方法依据。

1 研究区概况

本研究选取上海市青浦区作为研究单元，该区域位于上海市西郊，太湖下游，黄浦江上游。地理坐标为30°59′～31°16′N、120°53′～121°17′E，境内河网密集，淀山湖为上海市主要水源地之一。青浦区气候温和湿润、日照充足，多年平均气温16.2 ℃，属亚热带季风气候，多年平均降雨量1 049.1 mm。土地总面积约670.14 km2，占上海市总面积的10%，辖区地势平坦，土地肥沃，耕地面积比重大，农业生产集约化程度高，是上海市重要的粮食、蔬菜和水果生产基地。近年来，随着高投入、高产出农业生产模式的推行，Nr排放及农业非点源污染的风险日益增大。

2 研究方法与参数选取

2.1 农业土地利用系统污染氮足迹和非点源污染灰水足迹的测算

1）测算方法

污染氮足迹指在农业土地利用过程中所导致的不被作物吸收的活化氮排放[17]，包含地表径流（TN）、淋溶（TN）、氨挥发、N2O直接排放等虚拟氮足迹（virtual N footprint，NFvirtual）及农业燃油NO和NO2排放途径损失的农业能源氮足迹（energy N footprint，NFenergy）。计算公式为

式中NFpollution代表污染氮足迹，t；runoff代表径流途径损失的总氮，t；leach代表淋溶途径损失的总氮，t；volatilization代表氨挥发损失的氮，t；N2O代表N2O直接排放的氮，t；fuel代表农业燃油NO与NO2排放途径损失的Nr，t。针对非点源污染灰水足迹的计算，本文借鉴付永虎等[18]对农业生产部门灰水足迹的计算方法，计算区域农业非点源污染灰水足迹。

2）参数与数据来源

表1 参数取值与数据来源

续表

2.2 SBM-Undesirable模型的窗式分析

数据包络分析方法（data envelopment analysis, DEA）是一种可测度多要素投入与多产出之间相对效率评价的系统分析方法，因其具有非主观赋权、无需事先确定函数关系，并可对决策单元无效因素进行分析等优点，在拥有相同结构决策单元的复杂生产系统效率评价中具有巨大优势，自1978年以来已广泛应用于效率评价中。然而，目前DEA方法的应用主要集中于CCR、BBC等传统模型，产出指标一般为期望产出，对污染物输出没有纳入考虑范围，且效率评价过程忽视了投入产出变量的松弛型问题，无法对无效率情况进行分析，导致了相对效率评价有失偏误[27]。2001年，Tone提出了SBM（Slack-Based Measure）模型[28]，有效解决了无效率情况测算的问题，并可分析松弛型问题的可改进效率值。此后，Cooper等[29]将非期望产出引入到SBM模型中，构建SBM-Undesirable模型，从而实现了非期望产出条件下集约农业土地利用环境效率评价。假设生产系统有个决策单元，每个单元有种投入、1种期望产出和2种非期望产出，针对一个包含非期望产出的生产可能性集合

构建SBM-Undesirable公式如下

式中代表有界闭集，∈R，y∈R1与y∈R2；定义矩阵、Y、Y为：=[1,…,n]∈R，Y=[y,…,yn]∈R与Y=[y,…,y]∈R，>0，Y>0，Y>0。代表权重向量，∈R，≥0表示规模报酬可变（variable return to scale，简称VRS）。代表环境效率值，0≤≤1；0、0、0分别代表投入、期望产出和非期望产出要素；、1、2分别代表投入、期望产出和非期望产出要素的个数；-、g、s分别代表投入、期望产出和非期望产出的松弛变量；λ代表权重向量。当-=0、g=0、s=0时，=1，决策单元（decision making unit，DMU）即为有效率的。

窗式分析由Charnes等[30]提出，通过把处于不同时间段上的同一单元看作不同的决策单元，采用特定时间段作为窗口宽度构建生产前沿面。窗口随时间序列向前滑动，每滑动一次就将最早的一个时段数据从窗口中去掉，同时增加一个新时段数据，因此既能避免了传统DEA分析中生产前沿面不连续的问题，同时也规避了跨期分析导致的生产前沿面相同的缺陷，使得对面板数据的分析更加灵活，效率计算更为准确和客观。假设有个时期（=1,…,），若窗口的宽度为（≤），则可得到=(−+1)个窗口。本文基于已有研究将窗口宽度设为=3[31]，同时依据相关文献的研究成果[13,15-16]，选取影响农业生产的关键投入和产出指标，构建农业土地利用环境效率指标体系（表2）。农业产值按照2006年不变价列入计算，非期望产出选取污染氮足迹和农业非点源污染灰水足迹。将青浦区各乡镇（街道）农业土地利用系统2006－2013年的各投入产出的面板数据代入SBM-Undesirable的窗式分析模型，以评价不同DMU的相对环境效率。

表2 青浦区农业土地利用环境效率评价指标体系

2.3 物质减量及环境风险降低潜势评估

根据SBM-Undesirable模型，如果<1时，DMU无效（即存在效率损失），松弛变量可反映农业土地利用过程中环境无效率的改善途径。因此，构建投入减量、输出减排比例MRP和投入减量、输出减排规模MRS，计算公式如下

式中MRP代表第个DMU的某一投入指标的投入减量比例或非期望产出的输出减排比例，%；S代表第个DMU的投入冗余或非期望产出冗余的松弛变量；AP代表第个DMU的实际投入或产出量；MRS代表某一指标的投入减量或者输出减排规模。MRP是指DMU某一指标投入冗余或非期望产出冗余的松弛变量与实际投入或产出量的比值，反映了农业土地利用某一投入指标或非期望产出指标的减量投入或减排的改善空间。MRS是指单个DMU的某一指标投入冗余或非期望产出冗余的松弛变量与所有DMU该指标投入冗余或非期望产出冗余的松弛变量总和的比值，反映了农业土地利用某一投入指标或者非期望产出指标对研究区该指标减投或减排的潜在规模的贡献和影响程度。

3 结果分析

3.1 污染氮足迹与非点源灰水足迹分析

3.1.1 总体分析

农业污染氮足迹是农业土地利用过程对活性氮输出的度量。2006－2013年青浦区农业污染氮足迹在2 805.59～3 505.68 t之间波动（表3），8 a平均值为3 092.44 t。与已有研究成果相似[17]，氨挥发是污染氮足迹最主要的排放途径，2006－2013年氨挥发损失的氮占污染氮足迹的比重平均为55.95%；淋溶和径流损失的氮是引起农田周边水质恶化的重要途径，2006－2013年年均排向水体的Nr总量在1 126.50～1 329.95 t波动，年均值1 237.69 t。N2O直接排放与燃油释放的活性氮相对较小，年均排放总量占污染氮足迹比重的3%以下。

2006－2013年，青浦区各乡镇（街道）氮肥灰水足迹均高于磷肥灰水足迹，非点源污染灰水足迹取氮肥灰水足迹计算值。8 a间农业非点源污染灰水足迹为134 026.58～152 833.70万m3（表3），年均值为144 969.00万m3，单位土地利用面积灰水足迹年均5.52万m3/hm2，2010年单位耕地面积灰水足迹是湖南省桃江县单位农业土地利用系统灰水足迹的2.30倍。青浦区多年平均补给地表水资源总量由3部分组成，其中本地径流为2.53亿m3，占1.63%，上游太湖流域来水占45.45%，潮水占52.92%，其总量达到了155.1亿m3，丰富的水资源保障了社会经济用水需求。然而应用水环境压力（water environmental pressure，WEP）指标[18]，分析多年平均径流量情景下农业非点源污染灰水足迹的水环境压力（指农业非点源污染灰水足迹与研究区多年平均径流量的比值），2006－2013年青浦区水环境受农业生产的影响较大，年均WEP为5.74，农业生产对稀释水的需求已远远超出了青浦区天然地表径流量。因此，如果考虑生态用水，特别是农业生产的环境用水，青浦区水资源则严重短缺。农业生产导致的水质恶化引起生态用水的增大，是上海青浦区水资源出现水质性缺水的重要原因之一。

表3 上海青浦区污染氮足迹与非点源污染灰水足迹的总体分析

3.1.2 空间分析

青浦区各乡镇（街道）农业污染氮足迹跨度较大，除白鹤镇和华新镇外，总体呈“西高东低”的态势（图1a）。2006－2013年各乡镇（街道）农业污染氮足迹为25.78～1 149.62 t，年均最大值和最小值的乡镇（街道）分别为白鹤镇（898.47 t）和盈浦街道（38.72 t）。位于青西地区的金泽镇、朱家角镇和练塘镇农业污染氮足迹分别高于青浦区平均水平（281.13 t）8.84%、57.50%、69.05%。其他区域则呈两极分化的特征，位于北部的白鹤镇农业污染氮足迹远高于区域平均值219.59%，然而位于青浦中部和东部的盈浦街道、徐泾镇农业污染氮足迹却在60 t以下。

青浦区各乡镇（街道）农业非点源污染灰水足迹为764.68～47 769.40万m3，2006－2013年年均最大值和最小值的乡镇（街道）分别为朱家角镇（39 830.94万m3）和盈浦街道（1 077.92万m3）（图1b）。各乡镇（街道）农业非点源污染灰水足迹跨度较大，除白鹤镇外，整体呈现青西地区高于青东地区的空间分异格局。盈浦街道、赵巷镇因农业土地利用面积较小，灰水足迹在2 000万m3以下。青浦区各乡镇（街道）磷肥灰水足迹为193.86～24 627.74万m3，2006－2013年年均最大值和最小值的乡镇（街道）分别为朱家角镇（20 474.05万m3）和盈浦街道（334.91万m3）。磷肥灰水足迹的空间分布与农业非点源污染灰水足迹的空间部分特征类似，除白鹤镇外整体呈现青西地区高于青东地区的空间分布特征。

3.2 农业土地利用环境效率评估

3.2.1 青浦区农业土地利用环境效率的年际变化

本文应用SBM-Undesirable模型的窗式分析方法，基于CRS假设计算出青浦区2006－2013年农业土地利用环境效率（图2）。总体来看，2006－2013年农业土地利用环境效率呈“双峰”型波动的态势，在0.612～0.743之间波动，年均值仅为0.669。最高值出现在2008年，为0.743，处于较低水平；而2013年农业土地利用环境效率值为0.612，这意味着如果把当前生产要素的潜力全部发挥出来，可以使农业土地利用的环境效率再增长近38.8%。

3.2.2 空间格局演变

为直观地分析研究期内青浦区农业土地利用环境效率的空间演化格局，利用2006、2008、2011和2013年各乡镇（街道）截面数据，分析环境效率的空间格局演变（图3）。按照涂正革对环境技术效率的分类方法[32]，将青浦区各城镇分为相对高效率区(0.9-1]、较高效率区(0.8-0.9]、中等效率区(0.7-0.8]、较低效率区(0.6-0.7]和低效率区(0-0.6]。总体来看，2006－2013年青浦区各乡镇（街道）土地利用环境效率整体呈现波动变化的趋势。2006年农业土地利用环境高效率乡镇（街道）的数量为4个，均位于青浦区东部，分别为：白鹤镇、重固镇、华新镇和徐泾镇；在非有效乡镇中，平均效率为0.418，低于平均水平0.629，其中花香桥仅为0.261，农业土地利用极为粗放。2008年，环境高效率的DMU增加至6个，金泽镇也由2006年的低效率区上升为较低效率区，效率值增至0.696。2011年环境高效率的DMU数量回落至4个，金泽镇土地利用环境效率上升至高效率，白鹤镇、重固镇和夏阳街道下降至较低效率、低效率和低效率区。2013年青浦区除盈浦街道处于高效率区外，总体呈现下降的态势，总体平均环境效率也由2011年的0.625下降至2013年的0.612。

3.3 投入减量及环境风险降低潜势评估

本研究根据公式（3）和公式（4），计算2006－2013年劳动力、肥料和机械的投入减量潜力和投入减量规模，污染氮足迹和非点源污染灰水足迹的减排潜力和减排规模。

3.3.1 投入减量与污染物减排潜力

青浦区2006－2013年年均劳动力、肥料和机械动力的潜在减量比例分别为32.21%，25.70%和38.21%，污染氮足迹和非点源污染灰水足迹的潜在减排比例分别为12.32%和32.18%。机械动力与劳动力的投入减量潜力相对较高，非点源污染灰水足迹减排潜力较大，机械和劳动力未能有效利用，资源配置相对低效，非点源污染问题突出。从各乡镇（街道）的投入减量与污染物减排潜力来看（图4），青浦区各乡镇（街道）普遍存在投入冗余和环境污染的现象，投入规模和结构尚不尽合理、资源无效利用、非期望产出过多等问题。香花桥街道存在劳动力过剩，肥料施用量过高，机械投入冗余，农业污染氮足迹和非点源污染灰水足迹排放过高的现象，具有最大的投入减量化与环境风险降低潜势，应成为青浦区农业土地利用系统设计与优化重点关注的区域。通过提高机械利用效率，优化劳动力配置、科学适量的化肥投入模式以及增加技术投入减少Nr和非点源污染物排放等途径来提高该区域的农业土地利用环境效率，进而降低环境风险。盈浦街道农业生产的劳动力、肥料、机械动力和Nr排放指标具有较大的投入减量和污染物减排潜力，在提高劳动生产率、减少肥料投入和提高机械利用效率的同时，应重点实施Nr减排的相关措施。针对非点源污染灰水足迹排放的问题，除香花桥街道外，金泽镇和朱家角镇具有较大的农业非点源污染减排潜势，应成为非点源污染物减排重点调控的区域。华新镇农业生产要素配置较为合理，投入减量与污染物减排潜势相对较低，除劳动力的潜在缩减比例为11.55%外，其他指标的相对缩减比例均在7%以内。

3.3.2 投入减量与污染物减排规模

2006－2013年青浦区农业生产的劳动力、肥料和机械动力的潜在缩减总量年均分别为8 104人，4 501.59 t，27 928.44 kW；污染氮足迹和非点源污染灰水足迹的潜在减排总量分别为381.04 t和52 046.88万m3。从各乡镇（街道）的潜在缩减规模来看（表4），白鹤镇和香花桥街道污染氮足迹的潜在减排规模对青浦区农业Nr减排具有较大影响，分别占区域Nr潜在减排总量的26.39%和22.18%。练塘镇劳动力、肥料、机械动力和灰水足迹的潜在缩减规模对青浦区的投入减量和非点源污染减排具有较大的影响，分别占青浦区潜在缩减总量的29.30%，34.59%，30.72%和35.56%，练塘镇农业生产主要以水生蔬菜种植为主，其高劳动力投入、化肥过量施用等土地利用模式造成了资源的低效利用，农业非点源污染物输出总量较高，应成为青浦区农业资源节约和污染减排总量控制的重点区域。

表4 青浦区2006－2013年关键指标的潜在缩减规模

4 讨 论

高集约化农业生产方式下不可避免地伴随着污染物的排放，粮食安全与环境安全之间日益尖锐的矛盾，使得集约农业的可持续发展面临着严峻的挑战。未来十年，高集约化农业土地利用模式是保障中国粮食安全的主要途径，在环境约束日益增强的情况下，提高土地利用环境效率意义重大。氮足迹可从关键元素（氮）的角度分析农业土地利用过程中活性氮排放的迁移与转化途径，重点关注活性氮的排放总量与结构特征，分析结果可为指导人类生产方式，减少人为Nr排放提供理论和数据支撑[33-34]。灰水足迹分析方法实现了从水量的角度评价水污染程度的目的，直观地反映了水污染对可用水资源量的影响[35]，其计算方法通常情况下为换算成将污水稀释至符合当地区域规定的水质标准所需的淡水体积，本文灰水足迹的计算包含氮、磷等污染物进入水体的“虚拟”水量，其计算结果不仅与氮径流、淋溶损失有关，还与磷流失及当地的水环境质量标准相关。根据上海市对水源地保护的要求，不同乡镇执行差异化的水环境质量标准，即使氮肥流失总量相同，其灰水足迹的结果也不同。本文将高集约化农业生产中活性氮排放与非点源污染物纳入到农业土地利用环境效率评价体系中，采用氮足迹、灰水足迹理论与SBM-Undesirable模型的窗式分析方法相结合，能够更为准确地评估热点元素和关键环境问题下的集约农业土地利用环境效率，继而为降低区域农业生产的环境风险提供了具体的改进方向与途径。

本文应用SBM-Undesirable模型的窗式分析方法，很好地解决了非期望产出存在下的环境效率的评价问题，能够科学地反映各个决策单元环境效率的真实水平。然而，农业土地利用系统是一个巨复杂的人与自然耦合系统，部分投入、期望产出和非期望产出指标之间具有不可分离特性，本文鉴于条件所限，未充分考虑这一点。因此，下一步可在深入分析农业土地利用过程中投入产出相互关系的基础上，构建不可分离变量的非期望SBM效率评价方法，以期更为精准地反映农业生产的实际土地利用过程。此外，应指出的是影响农业土地利用环境效率的因素众多，涉及指标体系、计算与评价方法等诸多方面。本文根据研究区的特点及数据的可获得性，仅选取了耕地、劳动力与化肥等5个投入产出指标，其中针对环境风险的问题仅考虑了活性氮排放与非点源污染。今后，可将氮足迹、灰水足迹与生态足迹等环境类足迹整合然后与SBM相关模型结合，可综合评估集约农业投入减量化与环境风险降低潜势，进而有助于提出全面科学的环境效率改善的政策与建议，同时对构建投入减量化与低环境风险的集约农业可持续土地利用模式具有重要的理论和现实意义。

5 结 论

本文以上海市青浦区为案例区，将氮足迹、灰水足迹理论与SBM-Undesirable模型的窗式分析方法相结合，分析集约农业土地利用过程对环境的负面影响，系统解析环境效率的时空分异特征，进而综合评估了投入减量化趋势与环境风险降低潜势。主要结论如下：

1）青浦区污染氮足迹与非点源污染灰水足迹存在显著的时空差异性，总体呈西高东低的态势。2006－2013年农业污染氮足迹与非点源污染灰水足迹年均值分别为3 092.44 t、144 969.00万m3，农业生产导致的水质恶化引起生态用水的增大，是上海青浦区水资源出现水质性缺水的重要原因之一。

2）在考虑活性氮排放和非点源污染约束下，2006－2013年青浦区农业土地利用环境效率相对较低，2006－2013年均值仅为0.669。

3）2006－2013年青浦区年均劳动力、肥料和机械动力的潜在减量比例较高，8 a间潜在年均缩减总量分别为 8 104人，4 501.59 t，27 928.44 kW；非点源污染灰水足迹的潜在减排比例高于污染氮足迹，潜在减排总量年均分别为52 046.88万m3和381.04 t。

4）花香桥街道具有最大的潜在投入减量化与环境风险降低比例。白鹤镇、练塘镇等具有较大的潜在缩减规模，应成为青浦区农业投入减量化和污染物减排总量控制的重点区域。

[1] Chatzimpiros P, Barles S. Nitrogen food-print: N use related to meat and dairy consumption in France[J]. Biogeosciences, 2013, 10: 471－481.

[2] 中国科学院地理科学与资源研究所世界自然基金会. 中国生态足迹报告2012[R]. 世界自然基金会（WWF）与中国科学院地理科学与资源研究所，2012.

[3] Pang Jiaxing, Chen Xingpeng, Zhang Zilong, et al. Measuring eco-efficiency of agriculture in China[J]. Sustainability, 2016, 8(4): 398.

[4] 张可，丰景春. 强可处置性视角下中国农业环境效率测度及其动态演进[J]. 中国人口&资源与环境，2016，26(1)：140－149.

Zhang Ke, Feng Jingchun. Agricultural environmental efficiency and its dynamic evolution of China from the perspective of pollution's strong disposability[J]. China Population, Resources and Environment, 2016, 26(1): 140－149. (in Chinese with English abstract)

[5] 蔡雨君. 中国农垦区农业环境效率及其影响因素分析[D]. 大连：东北财经大学，2015.

Cai Yujun. The Research of Agricultural Environmental Efficiency and Impact Factors in Reclamation Area of China[D]. Dalian: Dongbei University of Finance and Economics, 2015. (in Chinese with English abstract)

[6] 梁劲锐，席小瑾，袁宇. 基于SBM模型的农业环境技术效率分析—以山东省为例[J]. 四川农业大学学报，2015，33(3)：338－344.

Liang Jinrui, Xi Xiaojin, Yuan Yu. The analysis of agricultural environmental technical efficiency based on SBM model: Taking Shandong province as an example[J]. Journal of Sichuan Agricultural University, 2015, 33(3): 338－344. (in Chinese with English abstract)

[7] 杨志海，王雅鹏. 中国农业环境技术效率与污染减排成本分析[J]. 统计与信息论坛，2015，30(7)：71－76.

Yang Zhihai, Wang Yapeng. Environmentally technical efficiency and pollution abatement cost in China's agricultural sector[J]. Statistics & Information Forum, 2015, 30(7): 71－76. (in Chinese with English abstract)

[8] 梁流涛. 考虑“非意欲”产出的农业土地生产效率评价及其时空特征分析[J]. 资源科学，2012，34(12)：2249－2255.

Liang Liutao. Agricultural land efficiency and temporal-spatial characterstics: Desired output and undesired pollution emissions[J]. Resources Science, 2012, 34(12): 2249－2255. (in Chinese with English abstract)

[9] Aldanondo-Ochoa A M, Casasnovas-Oliva V L, Arandia- Miura A. Environmental efficiency and the impact of regulation in dryland organic vine production[J]. Land Use Policy, 2014, 36: 275－284.

[10] Marthin N, Iain F, Ali Q, et al. Environmentally adjusted productivity measurement: An Australian case study[J]. Journal of Environmental Management, 2007, 85(2): 350－362.

[11] Tone K. Dealing with undesirable outputs in DEA: A slacks-based measure (SBM) approach[C]//Tokyo: The Operations Research Society of Japan, 2004.

[12] Kuo H F, Chen H L, Tsou K W, et al. Analysis of farming environmental efficiency using a dEA model with undesirable outputs[J]. Apcbee Procedia, 2014, 10(10): 154－158.

[13] 封永刚，彭珏，邓宗兵，等. 面源污染、碳排放双重视角下中国耕地利用效率的时空分异[J]. 中国人口&资源与环境，2015，25(8)：18－25.

Feng Yonggang, Peng Jue, Deng Zongbing, et al. Spatial-temporal variation of cultivated land’s utilization efficiency in China based on the dual perspective of non-point source pollution and carbon emission[J]. China Population Resources and Environment, 2015, 25(8): 18－25. (in Chinese with English abstract)

[14] 朱聪. 中国农业环境效率研究-基于环境的三阶段DEA[D]. 蚌埠：安徽财经大学，2015.

Zhu Cong. The Analysis of Agricultural Environmental Efficiency in China Based on a Environmental Three-stage DEA[D]. Bengbu: Anhui University of Finance & Economics, 2015. (in Chinese with English abstract)

[15] 田伟，杨璐嘉，姜静. 低碳视角下中国农业环境效率的测算与分析—基于非期望产出的SBM模型[J]. 中国农村观察，2014(5)：59－71.

[16] 潘丹，应瑞瑶. 中国农业生态效率评价方法与实证—基于非期望产出的SBM模型分析[J]. 生态学报，2013，33(12)：3837－3845. Pan Dan, Ying Ruiyao. Agricultural eco-efficiency evaluation in China based on SBM model[J]. Ecologica Sinica, 2013, 33(12): 3837－3845. (in Chinese with English abstract)

[17] 付永虎，刘黎明，袁承程. 农业土地利用系统氮足迹与灰水足迹综合评价[J]. 农业工程学报，2016，32(增刊1)：312－319.

Fu Yonghu, Liu Liming, Yuan Chengcheng. Comprehensive evaluation for nitrogen footprint and grey water footprint of agricultural land use system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(Supp.1): 312－319. (in Chinese with English abstract)

[18] 付永虎，刘黎明，起晓星，等. 基于灰水足迹的洞庭湖区粮食生产环境效应评价[J]. 农业工程学报，2015，31(10)：152－160.

Fu Yonghu, Liu Liming, Qi Xiaoxing, et al. Environmental effects evaluation for grain production based on grey water footprint in Dongting Lake area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(10): 152－160. (in Chinese with English abstract)

[19] 王新新. 基于农田氮磷平衡的太湖流域环境风险评估[D]. 北京：中国农业大学，2015.

Wang Xinxin. The Evaluation of Environmental Risk in Tai Lake Basin Based on Cropland Nutrients Balance[D]. Beijing: China Agricultural University, 2015. (in Chinese with English abstract)

[20] 王兴仁，张福锁，张卫峰，等. 中国农化服务肥料与施肥手册[M]. 北京：中国农业出版社，2013.

[21] 国务院第一次全国污染源普查领导小组办公室. 第一次全国污染源普查-农业污染源肥料流失系数手册[R]. 2009.

[22] 遆超普. 不同空间尺度区域氮素收支[D]. 南京：南京农业大学，2011.

Ti Chaopu. Regional Nitrogen Budget at Different Spatial Scales[D]. Nanjing: Nanjing Agricultural University, 2011. (in Chinese with English abstract)

[23] 谷保静. 人类-自然耦合系统氮循环研究—中国案例[D]. 杭州：浙江大学，2011.

Gu Baojing. Nitrogen Cycle of Coupled Human and Natural System-A Case Study of China[D]. Hangzhou: Zhe Jiang University, 2011. (in Chinese with English abstract)

[24] 国家发展和改革委员应对气候变化司. 2005中国温室气体清单研究[M]. 北京：中国环境科学出版社，2014.

[25] 周涛，王云鹏，王芳，等. 广东省农业氮足迹分析[J]. 中国环境科学，2014，34(9)：2430－2438.

Zhou Tao, Wang Yunpeng, Wang Fang, et al. Analysis of the nitrogen footprint of agriculture in Guangdong[J]. China Environmental Science, 2014, 34(9): 2430－2438. (in Chinese with English abstract)

[26] 郭春霞. 平原河网地区农村面源污染重点源和区的识别筛选——以上海青浦区为例[J]. 农业环境科学学报，2011(8)：1652－1659.

Guo Chunxia. Identifications of critical sources and areas of rural non-point source pollution in the plain river network area: A case study of Qingpu, Shanghai, China[J]. Journal of Agro-Environment Science, 2011, 30(8): 1652－1659. (in Chinese with English abstract)

[27] 杨清可，段学军，叶磊，等. 基于SBM-Undesirable模型的城市土地利用效率评价——以长三角地区16城市为例[J]. 资源科学，2014(4)：712－721.

Yang Qingke, Duan Xuejun, Ye Lei, et al. Efficiecy evaluation of city land utilization in the Yangtze river delta using a SBM-undesirable model[J]. Resources Science, 2014, 36(4): 712－721. (in Chinese with English abstract)

[28] Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3): 498－509.

[29] Cooper W W, Seiford L M, Tone K. Data Envelopment Analysis (Second edition)[M]. Boston: Kluwer academic publishers, 2007.

[30] Charnes A, Clark C T, Cooper W W A. Developmental study of data envelopment analysis in measuring the efficiency of maintenance units in the US air forces[J]. Annals of Operations Research, 1984, 2(1): 95－112.

[31] Halkos G E, Tzeremes N G. Exploring the existence of Kuznets curve in countries’ environmental efficiency using DEA window analysis[J]. Ecological Economics, 2009, 68(7): 2168－2176.

[32] 涂正革. 环境、资源与工业增长的协调性[J]. 经济研究，2008(2)：93－105.

Tu Zhengge. The coordination of industrial growth with environment and resource[J]. Economic Research Journal, 2008(2): 93－105. (in Chinese with English abstract)

[33] 周赛军，邓明君，罗文兵. 氮足迹核算研究最新进展[J]. 浙江农业科学，2015，56(6)：915－920.

[34] 秦树平，胡春胜，张玉铭，等. 氮足迹研究进展[J]. 中国生态农业学报，2011，19(2)：462－467.

Qin Shuping, Hu Chunsheng, Zhang Yuming, et al. Advances in nitrogen footprint research[J]. Chinese Journal of Eco-Agriculture, 2011, 19(2): 462－467. (in Chinese with English abstract)

[35] Hoekstra A Y, Chapagain A K, Aldaya M M, 等著；刘俊国，曾昭，赵乾斌，等，译. 水足迹评价手册[M]. 北京：科学出版社，2012.

Spatial-temporal variations of dematerialization of inputs and environmental risk reduction in intensive agricultural region

Fu Yonghu1,2, Liu Liming1※, Wang Jiasheng1, Ye Jinwei1, Guo Yun1

(1.100193,; 2.222005,)

Evaluation of the agricultural land use environmental efficiency is an essential issue for building sustainable land use patterns with fewer agricultural inputs and lower environmental risk. In this paper, 1) nitrogen footprint (N footprint) and grey water footprint (GWF) were used to evaluate environmental effects (reactive nitrogen emission and non-point source pollution) of agricultural land use system at the regional scale; 2) the window type slacks-based measure (SBM) model based on undesirable outputs (pollution N footprint and non-point resource pollution GWF) was applied to calculate environmental efficiency of the agricultural land use system; 3) inputs and environmental risk reduction potentials were computed and evaluated based on the dual perspective of reactive nitrogen emission and non-point source pollution in an intensive agricultural area. The Qingpu District was selected as a study case for this approach. The results mainly show that: 1) There were significant spatial-temporal differences in using pollution N footprint and non-point source pollution GWF within Qingpu District. The pollution N footprint of agricultural land use system was between 2 805.59 t and 3 505.68 t in the period of 2006-2013. The annual total grey water volume for agricultural non-point source pollution ranged from 134 026.58×104m3to 152 833.70×104m3during the years 2006-2013, and its average value was 144 969.00×104m3. The negative effect of water environment under agricultural land use process was assessed by the indicator of water environmental pressure (WEP) at county level. The average value of WEP of agricultural land use system was 5.74. The high value of WEP suggested that the negative environmental effect of agricultural production increased. The spatial distribution of pollution N footprint and non-point source GWF in Qingpu District was higher value in the west but lower in the east in general. 2) According to the results of SBM-undesirable model, overall environmental efficiency of agricultural land use in Qingpu District remained at a low level, and its average efficiency was 0.669 in the period of 2006-2013. 3) The models of potential percentage reduction and potential reduction scale were built for evaluation of dematerialization and environmental risk reduction respectively based on the dual perspective of reactive nitrogen emission and non-point source pollution. The annual average percentage reduction of labor, fertilizer, mechanical power, pollution N footprint and non-point source pollution GWF were 32.21%, 25.70%, 38.21%, 12.32% and 32.18%, respectively. The average reductions of labor, fertilizer, mechanical power, pollution N footprint and non-point source pollution GWF were 8 104 people, 4 501.59 t, 27 928.44 kW, 381.04 t and 52 046.88×104m3during the years 2006-2013. Xiang Huaqiao had the highest percentage of environmental risk reduction among the 11 towns, while Baihe and Liantang had a larger scale of emission reductions at the same time. Therefore, Baihe and Liantang should be the key areas for agricultural resources conservation and pollutant emissions control within Qingpu District. The findings of this study can provide scientific supports for regional agricultural planning and policy-making.

land use; pollution; agriculture; nitrogen footprint; grey water footprint; environmental efficiency; low input; environmental risk

10.11975/j.issn.1002-6819.2017.02.037

F301.2; X82

A

1002-6819(2017)-02-0266-10

2016-06-19

2016-12-17

国家自然科学基金重点项目（41130526）；淮海工学院科研基金资助项目（S201605）

付永虎，博士生，研究方向为土地利用系统研究。北京 中国农业大学土地资源管理系，100193。Email：huhu_0902@163.com

刘黎明，教授，博士，博士生导师，主要研究方向为土地资源可持续利用与景观规划。北京 中国农业大学资源与环境学院，100193。Email：liulm@cau.edu.cn

付永虎，刘黎明，王加升，叶津炜，郭 赟. 高集约化农区投入减量化与环境风险降低潜势的时空分异特征[J]. 农业工程学报，2017，33(2)：266－275. doi：10.11975/j.issn.1002-6819.2017.02.037 http://www.tcsae.org

Fu Yonghu, Liu Liming, Wang Jiasheng, Ye Jinwei, Guo Yun. Spatial-temporal variations of dematerialization of inputs and environmental risk reduction in intensive agricultural region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(2): 266－275. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.02.037 http://www.tcsae.org