气候变化对灌溉井供水可靠性的影响分析*——基于华北井灌区100个村庄的实证调查

刘瑞峰，梁 飞，马恒运

(河南农业大学经济与管理学院，郑州 450046)

0 引言

气候变化对水资源和农业生产的影响，是国际社会普遍关注的全球性问题[1]。气候变化对农业生产的影响更加明显[2]，特别是极端气候发生频率和强度增加，造成农业生产波动剧烈，生产布局与结构调整面临挑战，生产成本与农业投资明显增加等一系列问题[3]。然而，积极采取气候变化适应行为，可在一定程度上减缓气候变化不利影响[4-5]。适应性措施是针对自然灾害的有效措施，是提高农业部门灾害适应能力、抵御能力的必然选择[6-7]。基于此，调查气候变化的适应性措施，研究农业如何应对气候变化，以保证农业生产正常运行，是当前学术界较为活跃研究领域之一[8-9]。

围绕气候变化对农业生产，特别是对灌溉用水影响，国内外已有诸多研究。国外文献多集中用IPCC推荐模型，模拟几种气候变化情景，然后用FAO推荐Penman-Monteith公式，对比分析不同气候变化情景对农业灌水量影响。Tubiello等[10]和Droogers[11]直接应用气候变化模型估算农业灌溉用水量。研究发现，气候变化不仅影响水资源供给，同时也影响水资源需求，未来水资源和粮食安全将取决于气候变化对灌溉需水量影响。De Silva等[12]则改进上述研究方法，将气候模型模拟出变化结果，根据当地实际情况进行差值分析，估算气候变化情景下农业灌溉用水量空间分布。国内文献主要通过历史资料分析计算得出结论，并在各个地区得到广泛应用。侯艳林等[13]运用通用似然不确定性估计方法(GLUE)，完成玉米品种参数的校验以及CERES-Maize 模型适应性验证，模拟了1952—2010年该地区各气象要素变化对玉米单产影响。崔媛[14]通过主成分因素分析设定降水量、气温、光照及太阳辐射度等指标因素，并建立C-D-A模型研究了农业气候与农作物产量变化的影响。刘晓英等[15]在未来温度上升1～4℃的情景下，研究了气候变暖对我国华北地区主要作物需水量的影响。研究结果表明，气候变暖对冬小麦需水量的影响最大，对棉花的影响次之，对夏玉米的影响最小。吴普特等[16]分析了1949—2005年中国Palmer干旱指数(PDSI)、单位灌溉面积用水量(GIQ)、单位面积粮食产量(PHGO)年际变化特征及其相关关系，研究结果表明，气候变化在上述时间段对农业用水和粮食生产影响显著。

虽然，观测实验和农作物模型，在评估气候变化对农作物影响(灌水量)有其独特优势，但没有考虑社会经济因素。用这种方法评估气候变化对农作物影响，可能产生偏差[17]。为此，Mendelsohn等[18]运用Ricardian模型分析气候变化对农业影响。这种方法不仅考虑社会经济因子作用，而且能够捕捉农户对气候变化的行为调适结果。该模型适用于分析气候变化对农业经济影响，并得到普遍推广和应用。Gbetibouo等[19]利用Ricardain模型研究温度和降水对农业影响。结果显示：作物收益对温度的边际变化更加敏感，温度与农户收益呈正相关，降水与农户收益呈负相关。李玉敏等[20]研究发现，无论是对水资源短缺的总体判断，还是对灌溉水源、供水可靠性和地下水位变动趋势分析，水资源短缺状况都不容忽视，而且这一趋势在加重。

但目前研究仍有两个方面不足或缺陷：一是多数研究是从自然科学角度出发，多采用自然科学实验研究方法，一般不涉及社会经济因素，因此，我国科学家利用经济模型进行研究的文献不多。二是研究对象主要集中在农户调查资料的农业灌溉用水效率，鲜有研究把村级组织作为基本观察单位。鉴于此，文章并不苛求超越已有文献的研究框架，但得益于学者们在该框架下的争鸣与探索。该文贡献在于：第一，选择村级组织为观察对象，研究气候变化对灌溉井供水可靠性的影响及适应性措施的采用状况，更符合中国农业生产应对气候变化的实践。第二，在计量经济模型构建上，斟酌引入不同气候变量，同时，系统地考虑其他多组控制变量，将增强分析结果的准确性、适应性措施制定的针对性与有效性。该文将回答以下问题：第一，气候变化对灌溉井供水可靠性影响如何？第二，其影响机理及主要影响因素又是什么？第三，当前村级适应性措施对于灌溉井供水可靠性影响如何？通过该研究，力图为优化农田水利建设投资，制定合理农业气候变化应对策略，提供决策参考与现实依据。

1 数据来源

该研究调查区域为中国华北5省，包括河南、河北、山东、江苏和安徽。5个省份总面积76.1万km2，人口4.11亿，耕地0.33亿hm2，有效灌溉面积0.23亿hm2[注]数据来源：国家统计局，http：//data.stats.gov.cn/easyquery.htm?cn=E0103。调查区域地处东亚季风区，是我国重要的粮棉主要产区之一。据《中国农业年鉴(2016)》统计，调查区域小麦、玉米、棉花播种面积分别占全国总播种的67.17%，30.01%和32.91%，相应产量分别占全国总产的75.67%，28.51%和22.71%。与其他地区相比，华北5省土地平整度好，灌溉条件较好，节水灌溉面积大，整体灌溉水利用率较高[15]。但华北5省水资源比较短缺，干涝灾害频繁，是世界上重要的气候脆弱区之一[20]，选取华北5省作为研究区域具有典型性和重要意义。

研究数据来自2012年中国科学院农业政策研究中心(CCAP)组织的实地调查。该调查由CCAP的研究人员和国内高校研究生共同完成。调查采用当面访谈并填写问卷方式进行，调查对象是村领导，如村书记、村长、村主任和村会计等。调查内容包括：村级水资源短缺状况、灌溉井供水可靠性、农田水利灌溉设施使用状况、村级基本特征等。在调查之前，对所有参与调查人员进行培训。培训后进行预调查，根据预调查反馈信息，修改调查问卷内容及提问方式，于2012年7月14日至8月15日进行正式调查。调查问卷采用分层抽样与随机抽样结合方式选取样本。样本抽选步骤是：充分考虑地区气候特征及经济发展水平，从每个省抽取3个县，要求最近3年内(2010—2012年)至少经历过一次旱灾或洪涝灾，且有一年为正常年；每个县分别抽取农田水利灌溉设施状况为好、中、差3个乡镇；然后从每个乡镇随机抽出3个村。调查样本包括5个省、15个县、45个乡镇、135个村，该文只考察村地下水灌溉井可靠性程度，剔除使用地表水的村子，最终获取100个样本村。

2 研究方法与变量设置

2.1 研究方法

如何将气候变化因素引入回归模型是当前研究的焦点之一。为深入分析气候变化对灌溉井供水可靠性影响，基于已有文献研究方法[21-22]，建立如下计量经济分析模型[注]已有研究多是从自然科学角度出发(例如，基于作物生长理论和控制性生产实验，建立作物机理模型，探讨气温、降水、光照、辖射、土壤等一系列生态和环境要素对农作物产量的影响，其目的在于揭示农作物在各生长阶段对不同生态环境要素的响应及其机理[23])，而计量经济模型能将除气候变化变量以外的社会经济因素纳入到分析框架中，在抽样和计量估计技术支持下，更可靠地估计气候变化对于农业生产(如灌溉井供水可靠性)的影响[24]：

(1)

(2)

(3)

(4)

2.2 变量设定

2.2.1 供水可靠性设定

灌溉井供水可靠性体现了农田水利设施到农田“零距离”的直接效果。已有研究对于供水可靠性有着不同界定：李玉敏等[20]以调查所问时间段内(如5年期间)，若有一年地表水或地下水不够用，则定义为供水不可靠；反之，涉及的年份内都够用，则定义为供水可靠。杨宇等[21]发展了对于供水可靠性的定义。首先，用过去5年中(2006—2010年)地表水和地下水够用年份的比例，分别计算了地表水和地下水供水可靠性指标；其次，以调查村分别利用地表水和地下水灌溉的耕地面积作为权重，计算了样本村地表水和地下水供水的综合可靠性指标。根据该研究所采用的华北5省100个村庄调查的数据特征，将灌溉井供水可靠性界定为：2010—2012年，当灌溉井无水和缺水时，作物灌溉面积未受影响的比例(数值范围为0～1)。当作物灌溉面积未受影响比例越大，说明灌溉井供水可靠性越高，反之越低。

2.2.2 关键变量设置

该研究使用2010—2012年中国华北5省100个样本村的短面板数据进行计量分析，因此，所用气候数据均为3年的短面板数据。以春季长期气温数据的计算为例：首先，对1980—2011年中的每一年春季气温求均值(即3月、4月和5月3个月的气温均值)，然后，再对2010年之前的30年(1980—2009年)、2011年之前的30年(1981—2010年)和2012年之前的30年(1982—2011年)所有春季气温求均值，最后，把均值分别匹配给2010年、2011年和2012年的3年短面板数据中。类似计算春季长期降水量数据。

2.2.3 控制变量设置

该文除选取气候变化变量作为关键变量，选取多组控制变量作为解释变量。为保证解释变量选取的科学性，主要基于经典的经济理论和相关文献进行选取[21，24]。(1)村级灌溉井状况。村级灌溉井状况会对其供水可靠性有着直接影响，选取了灌溉井数量、是否有井距要求、是否有打井和取水许可证、是否缴水资源使用费等作为控制变量。(2)村级基本状况。村级基本状况也可能会对灌溉井供水可靠性产生一定程度的影响，选取了村是否有用水协会、是否有农业保险，村级组织水利条件等作为控制变量。考虑到灌溉井供水可靠性可能取决更大的范围或尺度，选取了村是否在灌区范围与受灾类型(旱灾和洪涝灾害)作为控制变量。

表1 模型变量定义及预期影响方向

2.2.4 年份与省份虚拟变量

在解释变量选取时，考虑到工业发展对农业用水的影响。尽管工业用水(约21%)所占总水资源使用比例远低于农业用水(约66%)，但工业发展会不断抽取地下水，导致地下水位下降，一定程度上将会对农业灌溉用水产生影响。然而，在实地调查中发现，一方面，村镇级工业企业数据的可获得性难度很大；另一方面，若使用县级尺度工业经济数据，会显得比较粗糙。若尝试采用县级工业GDP指标，用来衡量工业发展对农业用水的影响，并不能说工业GDP数值越大，其工业用水就越多，进而对农业用水的影响程度就越大。因此，如何剥离出工业用水，并进一步衡量与农业用水的关系显得比较困难。基于此，选取了年份与省份虚拟变量进行控制，用以反映每个区域在工业用水等方面的年度效应(表1)。

3 估计结果与分析

根据模型定义和选择变量，气候变化变量之间、年际和极端气候之间可能存在较大相关性。为了避免变量间多重共线性出现，该研究分别估计不同模型定义。表2和表3分别给出灌溉井无水和灌溉井缺水情况下的估计结果。

表2 灌溉井无水情况下灌溉井供水可靠性估计结果(N=300)

表3 灌溉井缺水情况下灌溉井供水可靠性估计结果(N=300)

从模型总体检验来看，灌溉井无水4个模型的R2分别为0.186 6,0.192 3,0.180 4和0.187 2，调整的R2分别为0.131 4,0.137 4,0.124 8和0.132 0；灌溉井缺水4个模型的R2分别为0.311 2,0.311 6,0.314 2和0.312 9，调整的R2分别为0.264 4,0.264 9,0.267 7和0.266 3。对短面板数据模型而言，其拟合优度较高，说明自变量对因变量变化有很高解释力；4个模型的F值伴随概率均小于0.01，表明模型估计达到1%显著性水平，通过统计检验。

3.1 关键变量影响

3.1.1 长期气温变量影响

4个季节长期气温变量(LTSP、LTSU、LTAU和LTWI)在灌溉井无水模型I和模型Ⅱ中达1%显著水平；春季(LTSP)在灌溉井缺水模型I和模型Ⅱ中达5%显著水平，夏季(LTSU)、秋季(LTAU)和冬季(LTWI)长期气温变量在灌溉井缺水模型I和模型Ⅱ中达1%显著水平。春季(LTSP)和秋季(LTAU)长期气温变量估计系数为负值，表明春季和秋季长期气温越高，灌溉井供水可靠性越差，这与现实相符合。该文调查样本村均为华北地区的井灌区，主要种植小麦和玉米一年两熟制作物，它们主要依靠地下水灌溉。春季(3—5月)气温回升快，蒸发量较大，容易发生春旱，将导致灌溉井无水或缺水，进而作物(主要是小麦)灌溉面积受到影响比例就会增加，因此，灌溉井供水可靠性就越差。秋季(9—11月)南下冷空气与逐渐衰减的暖湿空气相遇，产生多次降水，气温逐渐降低。亦即，秋季气温越低，降水也随之增多，作物(主要是小麦)灌溉面积受到影响比例就会减少，灌溉井供水可靠性就越好，反之亦然。夏季(LTSU)和冬季(LTWI)长期气温变量估计系数为正值，意味着夏季和冬季长期气温越高，灌溉井供水可靠性越好。夏季(6—8月)高温多雨，为喜温、喜光、喜湿作物——玉米的主要生长期，是降水补给地下水的主要季节，灌溉井的地下水供给将会较充足。因此，玉米灌溉面积受到影响比例就会减少，灌溉井供水可靠性就越好。冬季(12—2月)可充分考虑土壤水分、温度和苗情，适时对小麦进行冬灌，可以保证液态水的充分下渗，确保土壤对水分的最佳吸收，提高麦苗的成活率，最终达到提高产量目的。一方面，冬灌对于气温也有最低要求(适宜温度要求在日平均气温3℃左右)，另一方面，对于灌溉需水量不会过大。因此，若冬季气温越来越低(低于冬灌气温要求)，将不适合冬灌，意味着小麦灌溉面积受到影响比例就会增加，灌溉井供水可靠性就越差。反之，若冬季气温越来越高，达到冬灌适宜气温要求时，加之适度的灌溉需水量，灌溉井供水可靠性就越好。

3.1.2 长期降水量变量影响

4个季节长期降水量变量(LRSP、LRSU、LRAU和LRWI)在灌溉井无水模型Ⅲ和模型Ⅳ中均达到显著性水平，其影响程度和方向不同。春季长期降水量(LRSP)在灌溉井无水模型Ⅲ和模型Ⅳ中分别达10%和5%显著水平，影响方向为负，这说明，如果春季(3—5月)降水量增多，灌溉井供水可靠性也不会提高。该文调查样本村均为华北地区的井灌区，灌溉井水源供给量大小很大程度上取决于农灌区降水量，尤其是作物生长季节降水量。华北地区主要农作物为小麦、玉米一年两熟制，小麦主要生长期为3—5月，主要依靠地下水灌溉。由于春季气温回升快，蒸发量较大，容易发生春旱。也就是说，即使降水量有所增加，可补充地下水的效果非常有限。结果，春季降水量与需水量实际差较大，难以满足小麦生长需水量要求，需要开采地下水灌溉量就越大。随着地下水资源开采量的不断增加，地下水位下降幅度就越大。结果，灌溉井的供水可靠性就越差，特别是当灌溉井无水时，小麦受影响面积比例就更大。

夏季长期降水量(LRSU)在灌溉井无水和缺水模型Ⅲ和模型Ⅳ中均达1%显著水平，影响方向为负。这说明，夏季(6—8月)降水量越多，灌溉井供水可靠性越差。一般来讲，夏季降水量多，更能满足作物(主要是玉米)需水。因此，开采地下水进行灌溉的用水量必将减少，灌溉井供水可靠性应该越好。然而，该结果与现实状况相悖。可能的原因在于：玉米主要生长期为6—9月，是一年当中的雨季，也是降水补给地下水的主要季节。所调查样本村处于华北地区，玉米主要依靠降雨生长。当6—8月降水量不能满足玉米生长期需水量，则需开采地下水，就需使用机井补充灌溉。这样一来，降水量与玉米需水量差距越大，开采地下水灌溉量就越大。随着地下水资源开采量不断增加，地下水位下降幅度就越大。因此，作物因灌溉井无水或缺水，而造成的影响比例可能就越大，灌溉井供水可靠性就越差。

秋季长期降水量(LRAU)在灌溉井无水模型Ⅲ和模型Ⅳ中均达5%显著水平，且影响方向为正。这说明，秋季(9—11月)降水量增多，灌溉井供水可靠性越好。伴随着秋季温度降低，降水量会逐渐增多。该季节主要是小麦的播种及萌芽期，该阶段需水量相对其他阶段小，加之一定降水量，其播种期灌溉面积受到影响比例就会减少，灌溉井供水可靠性就越好，反之亦然。

冬季长期降水量(LRWI)，灌溉井无水模型Ⅲ和模型Ⅳ中均达5%显著水平，而且影响方向为正。这说明，冬季(12—2月)降水量增多，灌溉井供水可靠性越强。该季度不是作物主要需水期，因此，基本不需要开采地下水资源进行灌溉。重要的是，由于一定降水量补给，地下灌溉井水源供给充足，受影响作物面积比例变小，结果供水可靠性增强。

3.2 村级灌溉井状况影响

灌溉井数量在灌溉井无水模型I和模型Ⅱ中显著，在灌溉井缺水模型Ⅲ和模型Ⅳ中显著，且显著性水平均为10%，影响方向均为正；该变量在说明当灌溉井出现缺水时，灌溉井数量越多，其供水可靠性越强。这符合现实，一般来讲，灌溉井数量越多，意味着灌溉井水源是有保障的，其作物灌溉面积受到影响比例相应较少，灌溉井供水可靠性就越强。实际调查发现，村里灌溉井无水和缺水状况普遍，在灌溉季节，灌溉井无水比例为19%，灌溉井缺水比例高达54%。原因在于，气候变化和过度开采地下水资源，导致地下水水位下降，加上缺乏水源补给，致使灌溉井水源枯竭；另外，灌溉井及相关设备(例如，水泵、电表、渠道、水管等)陈旧失修，难以发挥灌溉作用，也是致使灌溉井无水或缺水的原因。调查样本村庄中，29%灌溉井设施非常差，35%灌溉井设施一般，仅有36%灌溉井设施较为完善。同时发现，该变量系数为正值，暗含合理开采地下水资源，即在地下水资源有效供给范围内，适当增加灌溉井数量可提高灌溉井供水可靠性。

是否对井距有要求在灌溉井无水4个模型中呈5%显著性水平，影响方向为负；而该变量在灌溉井缺水4个模型中未达到显著性水平。这说明，当灌溉井出现无水时，若对灌溉井井距有要求，其供水可靠性越差，若对灌溉井井距无要求，其供水可靠性越强。从理论上讲，井距越大，对灌溉单井干扰越小，其出水量就越大，单井控制灌溉面积亦越大，但灌溉面积增大，灌溉需水量亦即随之增加。特别是当灌溉井出现无水时，说明灌溉井实际出水量满足不了应负担灌溉面积需水量要求，应缩小井距，加密水井，或调进其他水源，以满足需水要求。该变量结果与理论预期方向相反。可能的原因在于：一方面，农民文化素质普遍偏低，缺乏对水利(灌溉井)相关知识的认知和了解，可能认为，是否对井距有要求不会对供水可靠性产生影响，甚至会有与理论相悖的想法；另一方面，即使部分农民已经意识到井距要求的重要性，可是面临着地下水资源匮乏的窘境，他们更倾向于通过“多打井、打深井”方式进行作物灌溉，易陷入“灌溉井无水—多打井或打深井—地下水位下降—地下水资源匮乏—灌溉井无水”的恶性循环。这样就出现了，即使知道对井距有要求，可灌溉井供水可靠性却很差的结果，暗含加强灌溉井规范管理，是提高灌溉井供水可靠性的重要措施。

灌溉井是否有打井或取水许可证、是否缴纳水资源使用费两个变量在模型中均不显著，系数均为正值。这说明，有打井或取水许可证和缴纳水资源使用费的供水可靠性较高，相反，没有打井或取水许可证和不缴纳水资源使用费的供水可靠性较低。但是，这两变量不显著，可能原因在于：调查数据显示，具有打井或取水许可证和缴纳水资源费的村，所占调查样本比例较小，前者占10%，后者为5.67%；进一步发现，较少具有打井或取水许可证和缴纳水资源费数量的村，对于灌溉井及相关设施管理不很规范，还未建立完善的水资源管理体制，难以在用水配置、用水效率、用水秩序等方面发挥作用，所以，两变量虽然对供水可靠性的影响不显著，其系数为正值，暗含具有打井或取水许可证、缴纳水资源使用费等规范的管理方式和手段，有利于提高灌溉井供水可靠性。

3.3 灌溉管理情况影响

村是否在灌区范围在灌溉井无水模型Ⅳ中达到10%显著性水平，在灌溉井缺水4个模型中达到1%显著性水平，影响方向均为负。该结果与理论预期作用方向相反。可能的原因在于，一般来说，若村在灌区范围，意味着有机会可以利用灌区水源进行灌溉，再加上灌溉井供水补充，作物灌溉面积未受影响比例就会越大，亦即，灌溉井供水可靠性就越好。实际调查发现，灌区水源因干旱而无水或缺水现象严重，即使村处在灌区范围，可并未给其带来其他水源的补充，灌溉井供水可靠性也会很差。

是否有用水协会变量在灌溉井缺水4个模型中显著，显著性水平均为1%，影响方向为负。说明若村里有用水协会，灌溉井供水可靠性就越差，若无用水协会，灌溉井供水可靠性就越强。该结果与理论预期作用方向相反。实际调查发现，仅有6%调查村有用水协会，94%样本村无用水协会。这说明，大部分调查样本村和村民对建立用水协会重要性的认识还不够，尚未享受到用水协会带来的好处；进一步了解发现，在用水高峰期，争水、抢水、偷水，甚至打架斗殴事件时有发生，即使村成立了用水协会，却难以在编制用水计划、统一管理、及时调整水量分配、上下游统一协调、维系良好用水秩序等方面发挥应有的作用。暗含加大农民用水协会重要性宣传、加强用水协会管理规范、发挥用水协会作用是提高灌溉井供水可靠性的重要举措的政策启示。

是否有农业保险变量在灌溉井缺水4个模型中显著，影响方向为负。这说明，若村子参加农业保险，灌溉井供水可靠性就越差。一般来说，当发生极端气候灾害时，尽管村有农业保险，亦即该村具有应对自然灾害的防范意识，却难以改变自然灾害对作物灌溉面积的影响。当然，若村子有农业保险，会对受灾农民带来一定的经济补偿，农民将不再对“抗灾”引起足够重视，可能会放任自然灾害对作物灌溉面积的影响，故灌溉井供水可靠性就越差。

村级组织水利条件(中等水平)变量在灌溉井无水4个模型中显著，影响方向为正；村级组织水利条件(良好水平)变量在灌溉井缺水4个模型中显著；村级组织水利条件(中等水平)变量在灌溉井缺水模型I和模型Ⅱ中显著；影响方向均为正。这说明，其他因素保持不变的情况下，相较对照组(处于较差水平条件)，村级组织水利条件越好，灌溉井供水可靠性越强，这符合实际情况。一般来说，水利设施条件越好，说明对其投资和管理程度较高，更能应对气候变化对农业灌溉用水的影响，供水可靠性也就越强。暗含加大农田水利灌溉设施投资力度可提高供水可靠性的结论。

3.4 年际供水可靠性差异

较对照组(2010年)，2011年在灌溉井无水模型Ⅱ中显著，2012年灌溉井无水模型Ⅳ中显著，影响方向均为负；而2011年与2012年在灌溉井缺水模型中都没有通过显著性检验。这说明，2011年、2012年与2010年相比，灌溉井供水可靠性更差。即，受灾年份(干旱或洪涝灾害)比正常年的供水可靠性更差。该结果暗含加强农业生产抗御气候灾害能力，是稳定农业生产的关键的政策启示。

3.5 地区间供水可靠性差异

山东省在灌溉井无水模型Ⅳ和缺水模型Ⅳ中显著，影响方向均为正；安徽省在灌溉井无水、缺水模型I、Ⅱ和Ⅳ中显著，影响方向均为正；而河北省与江苏省虚拟变量，在灌溉井无水和缺水模型中均为通过显著性检验，说明这些省份与河南省没有显著差异。该结果在一定程度上说明，不同区域灌溉井供水可靠性是不一样的，同样可以反映出不同地区适应气候变化能力的差异。

4 研究结论与启示

4.1 研究结论

(1)灌溉井无水时的供水可靠性主要影响因素包括：4个季节的长期气温和降水变量、灌溉井数量、是否对井距有要求、村是否在灌区范围、处于中等村级组织水利条件变量。

(2)灌溉井缺水时的供水可靠性主要影响因素包括：4个季节的长期气温变量、夏季长期降水变量、灌溉井数量、村是否在灌区范围、村里是否有用水协会、村里是否有农业保险、处于中等和良好的村级组织水利条件变量。

(3)年份和地区虚拟变量对灌溉井供水可靠性影响存在差异。2011年和2012年虚拟变量仅在灌溉井缺水模型中通过显著性检验；山东省在灌溉井无水模型中呈正向显著影响，安徽省在灌溉井无水和缺水模型中呈正向显著影响。

4.2 政策启示

(1)政府应加强农业气象灾害监测预警系统建设。准确、及时获取灾前、灾中和灾后的自然灾害防治信息，有利于最大程度稳定农业生产和农民生计。此外，保护农业生态环境，避免旱涝灾害极端气候频繁发生，为农业创造持续发展条件，也是整个国民经济长期发展战略。

(2)提高农田灌溉设施应对气候变化能力。应新建或维护现有水利工程设施，充分发挥灌溉井、水库、水塘、堤坝和灌区系统在用水、节水和集水协调一致等方面的功效，切实提高应对极端气候事件防御灾害能力，减少农业生产损失。

(3)推进农业灌溉用水管理制度改革。运用有效经济措施和制度工具，同时考虑地区差异性，优化水资源配置和监管；要充分发挥用水协会作用，强化农民水资源节约意识，提高地下水资源利用效率。