首页 > 分享 > 中国主要粮食作物种植结构调整区域优先序研究

中国主要粮食作物种植结构调整区域优先序研究

花匠小妙招
2024-11-07 23:00

0 引言

我国是水资源短缺型国家，各部门用水压力极为严峻[1-3]．农业部门是用水大户，2018年农业部门用水占全国总用水量的61%[4]．耕地面积少的长江流域及其以南地区，拥有全国4/5的水资源．而耕地面积多的北方地区，仅拥有全国1/5的水资源[5]．这种水土资源配置的不平衡性加剧了我国水资源匮乏程度，也加大了粮食生产安全危机发生的可能．研究表明，通过调整种植结构，能够实现作物与水土资源的优化配置，提高农业用水效率，保障粮食安全[6]．

纵观作物种植结构研究，学界主要集中在4个方面：1）政策与市场驱动下区域种植结构的时空演变规律[7-9]；2）种植结构变化的驱动因素分析[10-11]；3）种植结构调整后的资源、环境及社会影响[12]；4）面向单目标或多目标的种植结构优化模型构建[13-18]．前3方面研究大多偏向理论，对实践的关注尚不多见．第4方面研究虽涉及实例应用，核算优化后的作物种植面积，但受资源、环境、经济、人文等条件限制很难直接实现．实际上，种植结构调整的根本目的是在保障粮食安全的基础上，优化配置水土资源，实现资源、环境、经济等综合效益最优．相关研究必须具备实践指导性与可操作性．由于种植结构会直接影响粮食产量、生态环境、经济效益等，且区域间作物生长习性、资源稀缺性差异较大，同步实现不同区域种植结构调整缺乏合理性，有必要明确应优先调整作物种植结构的区域，并对上述区域进行深入探讨[19-20]．

水足迹指的是产品或服务中包含的直接与间接耗水，是用来描述人类生产和消费所需的真实水资源[21]．Hoekstra[22]《水足迹评价手册》提到，依据发生地点，水足迹应进一步划分为蓝水、绿水与灰水足迹. 蓝水是指降水形成的地表水和地下水；绿水是指降水下渗到非饱和土壤层中，用于植物生长或以蒸散发形式进入大气的水；灰水是指以自然本底浓度和现有环境水质标准为基准，稀释一定污染物所需的水．依据研究对象，水足迹又可分为产品水足迹、过程水足迹、企业水足迹、部门水足迹等8种类型．其中，作物生产水足迹指的是生产作物所需的水量，主要由蓝水足迹与绿水足迹组成[23]．作物生产水足迹评价有助于合理配置农业用水，被广泛应用于农业水资源管理领域[24-27]．

水稻、玉米、小麦作为3大粮食作物，种植历史悠久，种植面积广泛，对世界粮食安全意义重大[28]．我国是水稻与小麦的第一生产大国，是玉米的第二生产大国，2018年我国水稻、小麦、玉米播种面积分别达到307.47×105、245.07×105、423.99×105 hm2[29]．明确3大粮食作物种植结构调整区域优先序，是我国农业实现可持续发展的重要环节．本研究基于作物生产水足迹，引入水资源稀缺性指数，结合作物面积净收益，构建种植结构调整区域优先序评价模型，评价中国3大粮食作物主要生产地，以期推动我国作物种植结构调整进程，提高农业水资源利用效率．

1 种植结构调整区域优先序评价模型

种植结构调整区域优先序评价模型，由种植结构调整模型与区域优先序评价模型2部分组成．首先，本研究基于作物生产水足迹，引入水资源稀缺性指数，结合作物面积净收益，构建种植结构调整模型．种植结构调整模型的核算结果是资源、环境、经济综合效益最优的理想种植结构．其次，利用种植结构调整模型核算结果，对比研究区种植结构现状，构建区域优先序评价模型．区域优先序评价模型的核算结果是现状结构与理想结构的差距，差距最大者即为最应优先调整种植结构区域．

1.1 种植结构调整模型

水资源消耗不仅意味着水资源总量的减少，还会产生一定的环境影响．这种影响主要指用水部门对生态需水的抢占，可能会对水生生物多样性、河岸及河口生态系统健康不利[30]．然而传统水足迹评价只核算耗水量，不能反映耗水对环境的影响．2010年，Ridoutt等[31]首次将水资源稀缺性指数（water stress index，WSI）引入水足迹评价中，以此作为反映区域水资源稀缺程度的指标．2014年，国际标准化组织制定了《环境管理水足迹标准》(ISO 14046)，强调了水足迹是量化水资源利用潜在环境影响的指标．此后，国内外学者针对水足迹核算方法展开大量研究，较多学者同意WSI是能够将水量变化与环境影响紧密结合的特征化因子[32-35]．因此，本研究在种植结构调整模型中引入WSI，以此反映作物种植耗水产生的环境影响．

本研究基于作物生产水足迹，引入能够反映环境影响的WSI，构建以面积水足迹净收益最大为目标的种植结构调整模型．模型的含义是在保障粮食安全与符合现有条件基础上，能够实现耗水量最小、环境影响最小且经济收益最高的理想种植结构．模型具体为

$$ f=frac{displaystyle sumlimits _{i}^{I}displaystyle sumlimits _{j}^{J}{N}_{{rm{P}}ij}times {S}_{ij}}{displaystyle sumlimits _{i}^{I}displaystyle sumlimits _{j}^{J}left({W}_{{rm{Fb}}ij}+{W}_{{rm{Fg}}ij}right)times {{I_{{rm{WS}}}}}_{i}times {Y}_{ij}times {S}_{ij}}{rm{,}}$$ (1)

式中：$ f $为面积水足迹的净收益（元·m−3）；$ i $为地区，${j}$为作物；${N}_{{rm{P}}ij}$为$ i $地区$ j $作物面积净收益（元·hm−2）；$ {S}_{ij} $为$ i $地区$ j $作物的耕地面积（hm2）；${W}_{{rm{Fb}}ij}$为$ i $地区生产$ j $作物的蓝水足迹（m3·t−1）；${W}_{{rm{Fg}}ij}$为$ i $地区生产$ j $作物的绿水足迹（m3·t−1）；${I_{rm{WS}}}_{i}$为$ i $地区水资源稀缺性指数；$ {Y}_{ij} $为$ i $地区$ j $作物的面积产量(t·hm−2)．

为保证模型核算结果的准确性，本研究针对供水能力、蓝水水量、绿水水量、种植面积、粮食安全设定模型约束条件．其中绿水水量${W}_{{rm{Fg}}ij}$无直接参考数据，根据李啸虎等[36]提出的方法进行估算．具体约束条件为：

1）供水能力约束

$$ sum _{j=1}^{J}{M}_{{rm{A}}ij}cdot {S}_{ij}text{＜} {V}_{{rm{W}}i}cdot rho {rm{,}}forall i. $$ (2)

2）可利用蓝水水量约束

$$ sum _{j=1}^{J}{W}_{{rm{Fb}}ij}cdot {S}_{ij}cdot {Y}_{ij}text{＜} {V}_{{rm{W}}i}{rm{,}}forall i. $$ (3)

3）可利用绿水水量约束

$$ sum _{j=1}^{J}{W}_{{rm{Fg}}ij}cdot {S}_{ij}cdot {Y}_{ij}text{＜} {V}_{{rm{g}}i}{rm{,}}forall i. $$ (4)

4）种植面积约束

$$ sum _{j=1}^{J}{S}_{ij}text{≤} {S}_{{rm{A}}i}{rm{,}}forall i. $$ (5)

5）粮食安全约束

$$ {S}_{ij}cdot {Y}_{ij}text{≥} {{e}_{i}cdot P}_{{rm{min}}{rm{,}}ij}{rm{,}}forall i. $$ (6)

6）非负约束

$$ {S}_{ij}text{≥} 0{rm{,}}forall i{rm{,}}j.$$ (7)

式（2）~（7）中${M}_{{rm{A}}ij}$为$ i $地区$ j $作物的灌溉定额（m3·hm−2)，${V}_{{rm{W}}i}$为$ i $地区最大供水能力(m3)，$ rho $为灌溉水利用系数，${V}_{{rm{W}}i}$为$ i $地区农业可利用水资源总量(m3)，${V}_{{rm{g}}i}$为$ i $地区可利用绿水总量(m3)，${S}_{{rm{A}}i}$为$ i $地区3大粮食作物耕地总面积(hm2)，$ {e}_{i} $为$ i $地区作物产量修正系数，${P}_{{rm{min}}text{，}!!!!ij}$为$ i $地区$ j $作物近10年最低产量(t)．

由式（1）可知，种植结构调整模型的分子与分母均包含决策变量，约束条件均为线性，是典型的线性分式规划模型．通常情况下，线性分式规划模型可表达为

$$left{ begin{aligned} & {rm{max}};fleft( {{x_1}{rm{,}}{x_2}{rm{,}} cdots {rm{,}}{x_n}} right) = frac{{displaystylemathop sum nolimits_{j = 1}^n {c_j}{x_j} + alpha }}{{displaystylemathop sum nolimits_{j = 1}^n {d_j}{x_j} + beta }}{rm{,}}\ & sumnolimits_{j = 1}^n {{a_{ij}}} {x_j} text{≤} {b_i}{rm{,}};;i = 1{rm{,}}2{rm{,}} cdots {rm{,}}m{rm{,}}\ & {x_j} text{≥} 0{rm{,}};;;j = 1{rm{,}}2{rm{,}} cdots {rm{,}}m{rm{,}}\ & {a_{ij}}{rm{,}}{b_i}{rm{,}}{c_j}{rm{,}}{d_j} in R{rm{,}} end{aligned} right.$$

Zhu[37]与Charnes[38]认为，若$ {sum }_{j=1}^{n}{d}_{j}{X}_{j}+beta >0 $，且$X=({X}_{1}text{，}!!!!{X}_{2}text{，}!!!!cdotstext{，}!!!! {X}_{n})$在可行域内，设${X}_{ij}=rcdot{x}_{ij}$($ forall j $)，则线性分式规划模型可转化为单目标线性规划模型

$$left{ begin{aligned} & {rm{max}};gleft( {{x_1}{rm{,}}{x_2}{rm{,}} cdots {rm{,}}{x_n}} right) = sumnolimits_{j = 1}^n {{c_j}} {X_j} + alpha cdot r{rm{,}}\ & sumnolimits_{j = 1}^n {{a_{ij}}} {X_j} text{≤} {b_i} cdot r{rm{,}};i = 1{rm{,}}2{rm{,}} cdots {rm{,}}m{rm{,}}\ & sumnolimits_{j = 1}^n {{d_j}} {X_j} + beta cdot r = 1{rm{,}}\ & {X_j} text{≥} 0{rm{,}};;;;j = 1{rm{,}}2{rm{,}} cdots {rm{,}}m{rm{,}};;;;r text{≥} 0. end{aligned} right.$$

基于上述方法，将种植结构调整模型转化为单目标线性规划模型，使用lingo软件进行求解．

1.2 区域优先序评价模型

利用种植结构调整模型核算结果，对比研究区种植结构现状，构建区域优先序评价模型．区域优先序评价模型的核算结果是现状结构与理想结构的差距，差距最大者即为最应优先调整种植结构区域．具体模型为

$$ {S}_{dij}=left|{S}_{ij}^{m}-{S}_{ij}right|$$ (8)

式中，$ {d}_{ij} $为$ i $地区$ j $作物的实际种植面积与模型核算面积的差值绝对值（hm2），$ {S}_{ij}^{m} $为$ i $地区$ j $作物的种植结构调整模型核算结果（hm2），$ {S}_{ij} $为$ i $地区$ j $作物的实际种植面积（hm2）．

2 案例研究

2.1 研究区选择

选取中国水稻、玉米、小麦的主要生产地为研究区．其中包括：安徽、福建、广东、广西、贵州、海南、河北、黑龙江、河南、湖北、湖南、江苏、江西、吉林、辽宁、内蒙古、宁夏、陕西、山东、上海、四川、天津、新疆、云南、浙江等25个水稻生产地；安徽、甘肃、广西、贵州、河北、黑龙江、河南、湖北、江苏、吉林、辽宁、内蒙古、宁夏、陕西、山东、山西、四川、新疆、云南等19个玉米生产地；安徽、甘肃、河北、黑龙江、河南、湖北、江苏、内蒙古、宁夏、陕西、山东、山西、四川、新疆、云南等15个小麦生产地.

2.2 数据来源

以2016年研究区种植业相关数据为基础．作物面积总产值与总成本来源于历年《全国农产品成本收益资料汇编》；作物种植面积、面积产量、各省市耕地总面积、土地总面积来源于历年《中国统计年鉴》，部分研究区种植双季稻（或三季稻），其种植面积按2倍（或3倍）计算；灌溉定额来源于各省市《用水定额标准》；农业可利用水资源量、最大供水能力、灌溉水利用系数、水资源总量、降水总量来源于各省《水资源公报》；作物生产蓝水足迹、绿水足迹来源于Mekonnen[39]等文献（表1）．借鉴Pfister[30]等针对全球10 000个流域WSI的研究成果，采用ArcGIS 10.2，解译获取研究区各省市WSI，结果见表2．

表 1 研究区各省市作物生产水足迹

m3·t −1 地区玉米水稻小麦蓝水绿水蓝水绿水蓝水绿水安徽9.38881.67283.82684.39109.641 106.93福建2.42849.1980.98453.8547.681 705.48甘肃226.36591.77392.25407.34726.23819.35广东0.54872.0193.59488.8562.201306.04广西0.54855.08141.34470.33172.591 202.46贵州0.32847.33163.65639.85284.621 311.34海南0.06723.50246.11432.98——河北138.81785.77579.78459.63684.66610.24黑龙江27.83786.94402.10481.53375.67740.97河南46.52798.53341.61577.05289.03820.06湖北4.41782.47221.90620.4817.81995.09湖南1.14774.9887.33415.169.051050.81江苏11.32907.49337.50667.76193.341 110.72江西64.40812.7266.95444.5716.131054.61吉林18.87830.15426.79517.32483.50749.34辽宁19.40838.25638.59643.12480.80764.85内蒙古203.89719.98606.67429.37701.08660.89宁夏333.05572.57766.81284.83627.43621.05陕西20.18713.14296.64482.88285.09719.67山东60.52852.00486.21550.60615.19727.70上海4.77896.89249.41687.4221.901 101.51山西76.98780.32525.26453.29480.28631.26四川5.19744.08215.20650.20322.381 233.65天津134.74797.13588.88481.98748.79591.27新疆709.53448.731036.20211.831 112.17540.93云南7.70842.90179.07611.94674.551 082.30浙江54.03883.13123.28431.1411.621 183.40 地区WSI地区WSI地区WSI 安徽0.52河北0.89吉林0.07福建0.18黑龙江0.03辽宁0.52甘肃0.75河南0.76内蒙古0.34广东0.17湖北0.03宁夏0.57广西0.06湖南0.02陕西0.31贵州0.02江苏0.92山东0.88海南0.02江西0.04上海0.86山西1.00四川0.51天津1.00云南0.02浙江0.26新疆0.87

3 结果与讨论

3.1 水稻种植结构调整区域优先序

以2016年种植业相关数据为基础，利用种植结构调整模型核算研究区各省市水稻理想种植面积，结果见表3. 基于核算结果，利用区域优先序评价模型，计算各省市水稻实际种植面积与理想种植面积差值绝对值并进行降序排序（图1-a）．根据排序结果可知，水稻种植结构应优先调整的5个地区依次为湖南、江西、黑龙江、广东、广西，其中湖南、江西差值绝对值明显大于其他省市，广东与广西差值绝对值极为接近．

地区实际种植面积理想种植面积地区实际种植面积理想种植面积安徽24750019068吉林78070014528福建10675011067501辽宁5625002265广东288540152297内蒙古98400408广西289000163812宁夏75100257贵州67430031419陕西12270012 224海南44210015182山东105800545 河北81500356上海95100554黑龙江32033026970四川19900019940河南6550001426天津1770044湖北254170134997新疆69200265湖南554430357988云南116780155250江苏22948019717浙江94190024149江西484310244506

图 1 水稻（a）、玉米（b）、小麦（c）种植结构调整区域优先序

湖南、江西、广东、广西地处我国长江以南地区，属亚热带季风性气候，夏季高温多雨，冬季温和少雨，是我国双季稻主要生产区．以我国水稻大省湖南为例，湖南水资源稀缺性指数为0.02，不存在水资源匮乏问题．但湖南水稻单产普遍偏低（1 432.5 t·hm−2），与辽宁水稻单产（1 938 t·hm−2）相比差距较大[40]．因此，为使综合效益最优，湖南需通过调整水稻种植结构，优化水土配置，改善耕作技术，提高水稻单产[41]．黑龙江地处我国最北端，雨水条件不比长江以南地区．目前黑龙江水稻种植面积位列全国第三[29]，虽尚未发生水资源匮乏情况，但为保证水土资源利用效应，需合理控制水稻种植面积，这与金涛[42]的研究结果一致．

3.2 玉米种植结构调整区域优先序

以2016年种植业相关数据为基础，利用种植结构调整模型核算研究区各省市玉米理想种植面积，结果见表4．基于核算结果，利用区域优先序评价模型，计算各省市玉米实际种植面积与理想种植面积差值绝对值并进行降序排序（图1-b）．根据排序结果可知，玉米种植结构应优先调整的5个地区依次为黑龙江、吉林、河南、内蒙古、山东，其中位于第1位的黑龙江差值绝对值明显大于其他省市．河北与山东排名接近，居于第6位．

地区实际种植面积理想种植面积地区实际种植面积理想种植面积安徽8762002355辽宁22589314946甘肃10008212069内蒙古32088025494广西6093402034宁夏296900656贵州7403208684陕西11502114332河北319105210537山东320693211900黑龙江52173637681山西16247513298河南33168628476四川13990014645湖北6617002176新疆9186802097江苏4442101933云南151320116099吉林36568727465

黑龙江、吉林及内蒙古东部位于我国东北部. 东北地区属温带季风性气候，夏季温热多雨，冬季寒冷干燥．其土质疏松，土壤肥沃，是我国玉米最大的生产区[40]．2008—2015年间实施的玉米临储政策，虽保障了粮食安全，稳定了农民收入，但使得东北地区玉米种植面积大幅增加，导致玉米库存严重积压．为解决上述问题，国家相继提出推进玉米种植结构调整、取消临储政策等措施[7]．河南、山东地处我国中东部地区，属温带季风性气候，四季分明，雨热同期．此2省不仅是我国农业大省，更是人口大省，2018年河南总人口数为9 605万人，位居第3，山东总人口数为10 047万人，位居第2[22]．当前，人均水资源匮乏是限制2省经济发展的重要因素之一，尤其是山东，水资源开发利用程度已经接近极限，水资源稀缺性指数已达0.88[43]．因此，河南、山东2省迫切需要通过调整作物种植结构，实现农业节水．

3.3 小麦种植结构调整区域优先序

以2016年种植业相关数据为基础，利用种植结构调整模型核算研究区各省市小麦理想种植面积，结果见表5．基于核算结果，利用区域优先序评价模型，计算各省市小麦实际种植面积与理想种植面积差值绝对值并进行降序排序（图1-c）．根据排序结果可知，小麦种植结构应优先调整的5个地区依次为河南、山东、安徽、河北、江苏，其中位于第1位的河南差值绝对值明显大于其他省市．

地区实际种植面积理想种植面积地区实际种植面积理想种植面积安徽24469016608宁夏126190680甘肃7623303910陕西10826015086河北23139019577山东383027214716黑龙江79730106738山西6729402899河南546566320530四川10880013856湖北11082712278新疆12893813543江苏21898516932云南4303001289内蒙古5934001606

河北位于我国华北地区，属温带季风气候，冬季寒冷少雪，夏季炎热多雨，是我国小麦主要生产地之一[40]．河北小麦面积净收益为全国最高（9649.5元·hm−2），且小麦面积产量位于全国前列，但由于河北水资源极为匮乏，水资源稀缺性指数为0.89，务必要调整高耗水作物小麦的种植结构，节约农业用水[44]．安徽、江苏位于我国华中地区，属亚热带季风气候或温带季风气候，夏季高温多雨，冬季温和少雨[40]．以江苏为例，江苏小麦面积产量位列第6（1150.5 t·hm−2），但净收益处于最低水平，说明江苏小麦生产成本过高，这与江苏农资、土地、劳动力等价格上涨过快有关．另外，江苏水资源稀缺性指数为0.92，水资源匮乏同样是限制江苏经济发展的重要因素之一．

4 结论

同步实现不同区域种植结构调整缺乏合理性．本研究基于水足迹，引入环境指标，结合作物净收益，建立了考虑资源、环境、经济综合效益的种植结构调整区域优先序评价模型，旨在明确调整种植结构较为科学、合理的先后顺序．该模型为线性分式规划形式，避免了单目标模型的局限性与多目标模型的主观因素影响．将种植结构调整区域优先序评价模型应用于中国3大粮食作物主要生产地，得到在25个水稻生产地中，应优先调整水稻种植结构的地区依次为湖南、江西、黑龙江、广东、广西；在19个玉米生产地中，应优先调整玉米种植结构的地区依次为黑龙江、吉林、河南、内蒙古、山东；在15个小麦生产地中，应优先调整小麦种植结构的地区依次为河南、山东、安徽、河北、江苏的研究结果．与多数种植结构调整研究相比，本研究更加关注理论与实践的衔接，认为优先序评价是支撑决策落地不容被忽视的环节，与种植面积核算同样重要．因此，种植结构调整区域优先序评价模型能够推动我国作物种植结构调整进程，进而实现农业水资源的高效利用．

本研究尚存在许多不足之处：首先，种植结构调整区域优先序评价模型，虽考虑了资源条件、环境影响、经济收益等，但由于区域农业机械化程度存在差异，还应考虑时间成本．其次，通过敏感性分析可知，种植结构调整模型核算结果主要受蓝水、绿水及作物产量最小值影响．其中绿水的估算结果存在误差，将近10年区域作物最低产量作为最小值约束存在误差，导致部分地区作物的理想种植面积与实际种植面积差异较大．因此，种植结构调整模型的约束条件需进一步改进．最后，本研究只明确了种植结构调整的先后顺序，具体的种植面积仍需基于资源、环境、经济、生态等综合效益视角进一步研究．