淮河流域农业灰水足迹的效率研究和驱动因素分析
发布时间：2021-09-06 13:55
淮河流域农业生产活动造成了严重的水污染和水资源短缺问题,严重制约了流域整体及各地农业的可持续发展和水环境的健康状态。由于流域农业生产存在水资源人均占有量少、化肥等水污染严重与水资源利用效率低等问题,灰水足迹概念的引入可以充分了解淮河流域农业水污染现状,也为农业化肥等污染物的投入对水资源数量的影响提供了新的研究方法。灰水足迹效率相关研究将有利于探究农业灰水足迹和农业经济产出之间的有效性关系,对于深入指导流域农业生产活动和生态环境保护具有重要的实际意义。首先,本文详细阐述淮河流域农业水资源利用和水污染的发展现状,借鉴Hoekstra等提出的灰水足迹理论及方法,从种植业、畜牧养殖业和水产养殖业三个部门测算了2000-2015年淮河流域的农业灰水足迹,并分析了各部门及流域整体的农业灰水足迹的时间特征。在此基础上,进一步运用DEA-BCC模型核算了淮河流域的静态农业灰水足迹效率,并以Malmquist生产率指数法探讨分析了流域农业灰水足迹效率的时空变动,从技术水平和经济发展水平等角度分析了农业灰水足迹效率变动的外部影响因素。最后,基于扩展的Kaya恒等式和LMDI模型分解出农业经济、化肥强度、灰...
【文章来源】：南京林业大学江苏省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
技术路线图
产出变量，如下图2-1所示。假设决策单元b、c、d点形成了规模报酬变化的生产前沿面，那么bcd曲线表示在一定的投入规模X下能得到的最大产出Y，在生产前沿面bcd曲线上的决策单元都是有效的决策单元，效率值为1，或者说投入变量和产出变量之间为有效性关系。在生产前沿面bcd曲线以内的决策单元都是无效率的，效率值小于1，例如决策单元i、j。在生产同样的产出oa时，决策单元i和b使用的投入量分别为ai和ab，且ai=ab+bi，那么投入bi就是决策单元与生产前沿面的距离，表示生产的非效率部分。因此，决策单元i的效率表示为：TE=ab/ai图2-1DEA模型效率测度的基本原理Figure2-1ThebasicprincipleofDEAmodelefficiencymeasurement（2）CCR模型DEA的第一个基本模型为CCR，它是由Charnes、Cooper和Rhodes共同提出并用他们首字母命名。CCR模型的假设前提是规模报酬不变（ConstantReturnScale，简称CRS），作为DEA方法的一个最基本而又典型模型，其在效率评价方面的应用非常广泛，同时也是DEA其他模型的重要基础，因此CCR模型对DEA方法的发展意义重大[91]。CCR模型的基本结构为：假设评价系统中有n个相互独立的决策单元DMUj，每一个决策单元DMUj都有m项投入变量和s项产出变量，令xj=(x1j,x2j,...,xmj)T，yj=(y1j,y2j,...,ysj)T，v=(v1,v2,...,vm)T，u=(u1,u2,...,us)T，其中xij表示第j个决策单元在第i种要素投入数量（xij>0）；yrj表示第j个决策单元在第r种产出要素的产出数量（yrj>0）；vi表示对第i种投入所对应的权重系数；ur表示对第r种产出所对应的权重系数。那么每个决策单元DMUj的效率评价指数为：
24淮河流域1315.31356.61384.21331.91347由图3-1可知，从农业灰水足迹的区域分布来看，淮河流域农业灰水足迹中河南省区域所占比例最大，为47%，江苏次之，山东最小，为12.5%。具体来说，河南省的农业灰水足迹在2000-2010年缓慢增加，2010年后保持稳定的发展状况。江苏、安徽和山东三省地区的农业灰水足迹变化幅度小，且呈现下降的趋势。因此，淮河流域内的农业灰水足迹来源地为河南省，而河南省为流域上游阶段，因此应重点治理河南省区域的农业水污染问题，从源头整治，防治上游污染迁移到中下游地区。由图3-2可知，从农业灰水足迹的部门分布来看，淮河流域农业灰水足迹中种植业所占比例最大，已达96%，畜牧养殖业次之，水产业最小，10%以下。具体来说，淮河流域内的农业灰水足迹主要污染部门为种植业，在研究期内稳定96%左右。畜牧业产生的农业灰水足迹比重总体下降，而水产养殖业的比重虽然很小，但是总量和比例都在逐渐上升，值得警惕。由此可见，淮河流域的农业灰水足迹结构分布很不合理，其中种植业占据绝对优势地位，这跟淮河流域的实际农业发展状况有关，该地区以粮食生产为主导产业，农民通过增加化肥施用量来增加农产品产量和获得更大的收入和经济产出。因此，对于淮河流域的农业灰水足迹治理来说，种植业造成的水污染需要足够重视，重点在化肥农药等化学物质的妥善应用以及提高化肥施用的效率，合理调节农业生产结构等。图3-1淮河流域农业灰水足迹区域分布Figure3-1Theregionaldistributionofagriculturalgreywaterfootprintinhuaiheriverbasin
【参考文献】：
期刊论文
[1]基于DEA模型的内蒙古房地产业投入产出效率评价[J]. 冯利英,刘宇笛,塔娜. 内蒙古财经大学学报. 2018(06)
[2]湖南省灰水足迹变化特征及其驱动因子分析[J]. 贺志文,向平安. 中国农村水利水电. 2018(10)
[3]要素与效率耦合视角下中国人均灰水足迹驱动效应研究[J]. 孙才志,白天骄,吴永杰,赵良仕. 自然资源学报. 2018(09)
[4]基于灰水足迹视角的浙江省工业出口结构优化研究[J]. 吴兆磊,吴兆丹,祖晓倩. 华北水利水电大学学报(自然科学版). 2018(02)
[5]中国淡水池塘养殖鱼类排污的灰水足迹及污染负荷研究[J]. 欧阳佚亭,宋国宝,陈景文,张树深. 环境污染与防治. 2018(03)
[6]“一带一路”倡议下甘肃省灰水足迹测度及GM（1,1）模型预测研究[J]. 蔡建辉,颜七笙. 灌溉排水学报. 2018(03)
[7]基于IPAT模型的河北省灰水足迹分析及预测[J]. 姚懿真,杨贵羽,汪林,贾玲,校昱. 水利水电技术. 2017(11)
[8]太湖西岸水质变化趋势及主要驱动因子[J]. 于东升,袁宏林,张颖,李世超,孙中浩. 环境污染与防治. 2017(10)
[9]基于WebGIS的农产品产地污染评价系统设计与实现[J]. 朱权,宋金茜,姜小三,王强. 农业环境科学学报. 2017(09)
[10]基于水足迹理念的水资源短缺评价——以2022年冬奥会雪上项目举办地为例[J]. 胡彬,刘俊国,赵丹丹,赵旭. 灌溉排水学报. 2017(07)
博士论文
[1]基于水足迹的河西地区农作物需水变化影响因素及水资源优化配置研究[D]. 韩杰.兰州大学 2017
硕士论文
[1]中国省际灰水生态足迹时空特征研究[D]. 张智雄.辽宁师范大学 2018
[2]中国灰水足迹研究[D]. 白天骄.辽宁师范大学 2018
[3]研发投入产出效率的国际比较研究[D]. 权杰庆.山西财经大学 2016
[4]吉林省畜牧业生产水足迹及其影响因素研究[D]. 侯希明.东北师范大学 2016
[5]基于DEA和Malmquist指数的环渤海经济区水资源利用效率评价[D]. 姜博骞.辽宁师范大学 2015
[6]中国商业银行整体效率和阶段效率的实证研究[D]. 陈娟娟.湖南大学 2014
[7]基于投入产出分析的中国虚拟水贸易研究[D]. 蒋璐.华南理工大学 2012
本文编号：3387582
【文章来源】：南京林业大学江苏省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
技术路线图
产出变量，如下图2-1所示。假设决策单元b、c、d点形成了规模报酬变化的生产前沿面，那么bcd曲线表示在一定的投入规模X下能得到的最大产出Y，在生产前沿面bcd曲线上的决策单元都是有效的决策单元，效率值为1，或者说投入变量和产出变量之间为有效性关系。在生产前沿面bcd曲线以内的决策单元都是无效率的，效率值小于1，例如决策单元i、j。在生产同样的产出oa时，决策单元i和b使用的投入量分别为ai和ab，且ai=ab+bi，那么投入bi就是决策单元与生产前沿面的距离，表示生产的非效率部分。因此，决策单元i的效率表示为：TE=ab/ai图2-1DEA模型效率测度的基本原理Figure2-1ThebasicprincipleofDEAmodelefficiencymeasurement（2）CCR模型DEA的第一个基本模型为CCR，它是由Charnes、Cooper和Rhodes共同提出并用他们首字母命名。CCR模型的假设前提是规模报酬不变（ConstantReturnScale，简称CRS），作为DEA方法的一个最基本而又典型模型，其在效率评价方面的应用非常广泛，同时也是DEA其他模型的重要基础，因此CCR模型对DEA方法的发展意义重大[91]。CCR模型的基本结构为：假设评价系统中有n个相互独立的决策单元DMUj，每一个决策单元DMUj都有m项投入变量和s项产出变量，令xj=(x1j,x2j,...,xmj)T，yj=(y1j,y2j,...,ysj)T，v=(v1,v2,...,vm)T，u=(u1,u2,...,us)T，其中xij表示第j个决策单元在第i种要素投入数量（xij>0）；yrj表示第j个决策单元在第r种产出要素的产出数量（yrj>0）；vi表示对第i种投入所对应的权重系数；ur表示对第r种产出所对应的权重系数。那么每个决策单元DMUj的效率评价指数为：
24淮河流域1315.31356.61384.21331.91347由图3-1可知，从农业灰水足迹的区域分布来看，淮河流域农业灰水足迹中河南省区域所占比例最大，为47%，江苏次之，山东最小，为12.5%。具体来说，河南省的农业灰水足迹在2000-2010年缓慢增加，2010年后保持稳定的发展状况。江苏、安徽和山东三省地区的农业灰水足迹变化幅度小，且呈现下降的趋势。因此，淮河流域内的农业灰水足迹来源地为河南省，而河南省为流域上游阶段，因此应重点治理河南省区域的农业水污染问题，从源头整治，防治上游污染迁移到中下游地区。由图3-2可知，从农业灰水足迹的部门分布来看，淮河流域农业灰水足迹中种植业所占比例最大，已达96%，畜牧养殖业次之，水产业最小，10%以下。具体来说，淮河流域内的农业灰水足迹主要污染部门为种植业，在研究期内稳定96%左右。畜牧业产生的农业灰水足迹比重总体下降，而水产养殖业的比重虽然很小，但是总量和比例都在逐渐上升，值得警惕。由此可见，淮河流域的农业灰水足迹结构分布很不合理，其中种植业占据绝对优势地位，这跟淮河流域的实际农业发展状况有关，该地区以粮食生产为主导产业，农民通过增加化肥施用量来增加农产品产量和获得更大的收入和经济产出。因此，对于淮河流域的农业灰水足迹治理来说，种植业造成的水污染需要足够重视，重点在化肥农药等化学物质的妥善应用以及提高化肥施用的效率，合理调节农业生产结构等。图3-1淮河流域农业灰水足迹区域分布Figure3-1Theregionaldistributionofagriculturalgreywaterfootprintinhuaiheriverbasin
【参考文献】：
期刊论文
[1]基于DEA模型的内蒙古房地产业投入产出效率评价[J]. 冯利英,刘宇笛,塔娜. 内蒙古财经大学学报. 2018(06)
[2]湖南省灰水足迹变化特征及其驱动因子分析[J]. 贺志文,向平安. 中国农村水利水电. 2018(10)
[3]要素与效率耦合视角下中国人均灰水足迹驱动效应研究[J]. 孙才志,白天骄,吴永杰,赵良仕. 自然资源学报. 2018(09)
[4]基于灰水足迹视角的浙江省工业出口结构优化研究[J]. 吴兆磊,吴兆丹,祖晓倩. 华北水利水电大学学报(自然科学版). 2018(02)
[5]中国淡水池塘养殖鱼类排污的灰水足迹及污染负荷研究[J]. 欧阳佚亭,宋国宝,陈景文,张树深. 环境污染与防治. 2018(03)
[6]“一带一路”倡议下甘肃省灰水足迹测度及GM（1,1）模型预测研究[J]. 蔡建辉,颜七笙. 灌溉排水学报. 2018(03)
[7]基于IPAT模型的河北省灰水足迹分析及预测[J]. 姚懿真,杨贵羽,汪林,贾玲,校昱. 水利水电技术. 2017(11)
[8]太湖西岸水质变化趋势及主要驱动因子[J]. 于东升,袁宏林,张颖,李世超,孙中浩. 环境污染与防治. 2017(10)
[9]基于WebGIS的农产品产地污染评价系统设计与实现[J]. 朱权,宋金茜,姜小三,王强. 农业环境科学学报. 2017(09)
[10]基于水足迹理念的水资源短缺评价——以2022年冬奥会雪上项目举办地为例[J]. 胡彬,刘俊国,赵丹丹,赵旭. 灌溉排水学报. 2017(07)
博士论文
[1]基于水足迹的河西地区农作物需水变化影响因素及水资源优化配置研究[D]. 韩杰.兰州大学 2017
硕士论文
[1]中国省际灰水生态足迹时空特征研究[D]. 张智雄.辽宁师范大学 2018
[2]中国灰水足迹研究[D]. 白天骄.辽宁师范大学 2018
[3]研发投入产出效率的国际比较研究[D]. 权杰庆.山西财经大学 2016
[4]吉林省畜牧业生产水足迹及其影响因素研究[D]. 侯希明.东北师范大学 2016
[5]基于DEA和Malmquist指数的环渤海经济区水资源利用效率评价[D]. 姜博骞.辽宁师范大学 2015
[6]中国商业银行整体效率和阶段效率的实证研究[D]. 陈娟娟.湖南大学 2014
[7]基于投入产出分析的中国虚拟水贸易研究[D]. 蒋璐.华南理工大学 2012
本文编号：3387582
本文链接：https://www.wllwen.com/shekelunwen/sannong/3387582.html
