中国粮食作物虚拟水进口贸易格局与影响因素

李明，潘子纯，李崇光

（1. 中国农业大学经济管理学院，北京 100083；2. 西北农林科技大学经济管理学院，陕西 杨凌 712100；3. 华中农业大学经济管理学院，湖北 武汉 430070）

粮食安全与水安全一直是资源科学和农业经济学的研究焦点，其重要性关乎国计民生。《水资源公报》数据显示：2019年，全国用水总量6 021.2亿m3，农业用水3 682.3亿m3，占用水总量的61.2%，可见农业用水需求一直保持较高态势。尽管中国粮食基本可以实现自给自足，但中国粮食安全仍存在隐患，如粮食生产的水土资源约束趋紧，极端灾害等突发事件阻滞了粮食生产与贸易；粮食对外依存度持续提高、进口集中度非常大；国际粮价波动、贸易摩擦等都影响着中国粮食进口的稳定性[1]。仅仅依靠中国本土的农业生产资源已难以维持全面小康水平下的本地农产品需求，发展到富裕水平这种短缺将会更甚，依赖国际市场是必然需求[2]。基于粮食安全和水安全的双重视角，探讨中国粮食作物虚拟水进口的时空格局与影响因素，对于实现国家粮食进口和虚拟水进口效益最大化、促进虚拟水战略实施和深化国际粮食贸易合作具有重要的指引作用。

目前有关粮食作物虚拟水进出口贸易的研究成果逐年增加，主要围绕粮食作物虚拟水含量测度[3-6]，粮食作物虚拟水贸易特征与影响因素[7-9]、虚拟水贸易与粮食生产和水资源的关系研究[10-11]等角度展开。如Mekonnen和Hoekstra[12]利用1996—2005年的作物生产数据和CROPWAT8.0计算了全球不同国家126种农产品的虚拟水含量，并将虚拟水细分为绿水、蓝水和灰水，为后续研究提供了虚拟水含量的计算标准。学界在粮食作物虚拟水贸易特征的研究成果丰富，主要包含虚拟水的时空分异和贸易网络。早期的研究分别从时间和空间上简单分析虚拟水贸易的变化[13-15]，后续研究中刻画时空分异特征的方法日益成熟[16-18]，包括Penman-Monteith模型、GIS技术、标准差椭圆和变异系数等。社会网络和复杂网络分析在农产品虚拟水贸易中的应用日益盛行[19-20]。如Zhang等[21]发现，中国虚拟水贸易网络高度集中，并非所有出口产品在虚拟含水量方面都具有比较优势，进口产品过度集中在大豆、棉花等水密集型农产品上，且进口的虚拟水主要来自美国、巴西和阿根廷。粮食虚拟水贸易的影响因素主要包括要素禀赋、贸易成本、人口、经济规模、国家间的地理距离以及技术水平、环境政策等方面[22-25]。水安全是粮食生产的基础，实现农业水资源的高效利用是保障水安全和粮食安全的根本途径[26-27]。多数学者认为虚拟水贸易是实现粮食安全和水安全的新路径[28-30]。

已有研究为本文提供了坚实的研究基础，但是仍存在以下不足：相关文献研究集中于全球和中国区际粮食虚拟水贸易，对中国粮食虚拟水国际进出口关注不够；气候环境和制度环境对虚拟水进出口的影响研究相对较少，非传统经济因素对于虚拟水贸易的研究有待深化；时空格局分析主要集中于资源科学和地理学方法，影响因素分析侧重于地理探测器、层次回归法、LMDI模型等，可能存在一定的局限性。因此，本文着眼于此，探讨中国粮食作物虚拟水进口贸易，结合资源科学、地理学和国际贸易相关的指数和模型刻画中国粮食作物虚拟水进口的时空格局，纳入气候环境和制度环境相关变量，并采用双向固定效应模型和PPML方法实证分析中国粮食作物虚拟水进口的影响因素，以期为维护国家粮食安全和水安全、推动国际粮食贸易合作提供理论依据和有利参考。

1 研究方法与数据来源

1.1 研究方法

1.1.1 粮食作物虚拟水进口测算方法 单一粮食作物的虚拟水进口量计算公式为：

式中：Sijt表示t时期中国对j区域i种粮食作物的虚拟水进口量（m3），Vijt表示t时期j区域i种粮食作物单位质量的虚拟水含量（m3/t），而Uijt表示t时期中国对j区域i种粮食作物的进口量（t）。这里的j区域代表中国粮食作物不同的进口来源市场，即不同的国家。

通过加总单一粮食作物的虚拟水进口量能够得到中国主要粮食作物总的虚拟水进口量，计算公式为：

式中：St表示t时期中国主要粮食作物的虚拟水总进口量（m3），Sijt表示t时期中国对j区域i种粮食作物的虚拟水进口量（m3）。

1.1.2 时空格局刻画分析方法 1）多元化指数。借鉴生物学中评价物种多样性的香浓-威纳指数建立中国粮食作物进口多元化指数（H指数）来评价中国粮食作物进口贸易的多元化程度[31-32]。多元化指数是借用信息论中不定性的研究方法，度量系统结构组成复杂程度的指数，又叫做香浓-威纳多样性指数，其和下文的均衡度指数是景观生态学中景观指数最具代表性的两种指数。已有学者借用该指数分别探讨了中国出口商品的国际地区结构和中非农产品贸易的区域差异及演化[33-34]。计算公式为：

式中：H表示中国粮食作物虚拟水进口多元化指数，其取值范围为H≥0，Pj表示中国对j区域粮食作物的虚拟水进口量占粮食作物虚拟水进口总量的比重；J表示所考察的区域总数，这里指国家总数。当H指数越大时，表明中国对研究区国家的粮食作物虚拟水进口愈加多元化，进口结构越趋于合理；反之，当H指数越小时，表明中国粮食作物虚拟水进口仅在个别地区或国家集中，进口结构不平衡性加剧，进口贸易潜在风险增加。

2）均衡度指数。均衡度指数可以测度研究区国家进出口贸易的相对均衡程度。本文在中国粮食作物进口多元化指数（H指数）的基础上构建中国粮食作物进口均衡度指数（E指数）。计算公式为：

式中：E表示中国粮食作物虚拟水进口均衡度指数，即中国粮食作物虚拟水进口多元化指数与其最大值的比例，其取值范围介于0和1之间。当E指数越大时，表明中国对研究区国家的粮食作物虚拟水进口愈加均衡，进口结构趋于优化；而当E指数越小时，表明中国粮食作物虚拟水进口在不同国家存在较大的差异性，存在进口结构不合理现象。

3）探索性空间数据分析（ESDA）。全局空间自相关指数（Global Moran’sI），又称作全局莫兰指数，该指标能够度量一组要素及其空间分布的相关属性。计算公式为：

式中：Wij表示i国家与j国家之间的空间权重，Xi表示中国对i国家的粮食作物虚拟水进口量，Zi表示其在国家i的取值与所有平均值的差，N表示国家总数目，S0表示全部国家之间空间权重的聚合。其在[-1，1]之间取值，数值为正表示正相关，数值为负表示负相关，数值越大代表着空间自相关性越强。

尽管全局空间自相关指数能够从整体上分析某一要素属性在全区域内的空间自相关性，但是无法揭示某一要素属性在局部区域（子区域）内的空间分布状态。为了解决该问题，Anselin[35]于1994年提出了局部空间自相关指数（Local Moran’sI），计算公式为：

式中：Zi、Zj、Wij和N所表示的含义与前文一致。Ii数值为正表示高-高集聚或者低-低集聚，Ii数值为负表示高-低集聚或者低-高集聚。局部莫兰指数的测度结果通常采用LISA集聚图实现可视化，能够直观地揭示出某一要素属性的空间集聚特征。

1.1.3 变量选取与引力模型设定 1）变量选取。传统

引力模型在国际贸易中的分析已被学者广泛应用。经典的引力模型变量仅包括经济规模和地理距离，两个变量的经济学含义分别是国家的经济发展水平和贸易运输成本[35]。此后，拓展的贸易引力模型日益盛行，如人口、贸易政策等因素的影响。本研究在传统引力模型的基础上，从规模经济、地理距离、要素禀赋、气候环境、制度环境和政策效应六个维度来探讨中国粮食作物虚拟水进口的影响因素。2）引力模型设定。根据传统贸易引力模型，本文构建了拓展的中国粮食作物虚拟水进口的贸易引力模型。具体形式如下：

式中：i代表中国，j代表粮食作物虚拟水进口来源国；被解释变量Yijt表示中国在t时期对j国的粮食作物虚拟水进口水平，以虚拟水进口数量来表征；αi表示待估参数；解释变量主要是中国、粮食作物虚拟水进口来源国和双边国家特征的因素构成。各变量的描述性统计如表1所示。

表1 各变量的描述性统计Table 1 Descriptive statistics of variables

1.2 数据来源

本文的粮食作物是广义上的，分别包括小麦、玉米、大米和大豆。由于不同粮食作物进口来源市场具有较大的差异性，本文并没有将研究区域局部在某一个大洲或者某一个自贸区，而是在全球范围内选取4种主要粮食作物进口量位居前列的39个国家，分别是美洲8国，亚洲14国，欧洲14国，非洲2国和澳大利亚。这些国家集中了中国粮食作物进口的主要市场来源，且在中国粮食作物进口量中占有较大的份额，故具备较强的样本代表性。

各国粮食作物虚拟水含量数据来源于Mekonnen和Hoekstra[12]的水研究系列报告，中国粮食作物进口量数据来源于联合国商品贸易统计数据库，产品分类标准选择HS1996。双边国家的人均GDP和人口数量来源于世界银行WDI数据库，地理距离来源于法国前景研究与国际中心（CEPII）数据库，该数据采用两国首都之间的直线距离。人均可再生内陆淡水资源、农业用地面积、森林面积和汇率水平来源于世界银行WDI数据库，贸易自由度指数和政府支出水平来源于美国智库传统基金会发布的经济自由度数据库，WTO数据来源于世界贸易组织官网。

2 结果与分析

2.1 中国粮食作物虚拟水进口时序动态特征

2.1.1 中国粮食作物虚拟水进口多元化 2006—2020年间，中国粮食作物虚拟水进口多元化指数在总体和子区域亚洲和欧洲上呈现波动增长的发展态势，而在子区域美洲上则出现平缓下降的特征。总体来看，中国粮食作物虚拟水进口多元化指数虽有波动起伏，但仍保持在一个相对平稳的高位状态，其中有5年多元化指数超过了2.0，这表明中国粮食作物虚拟水进口结构相对合理，进口格局有所优化。在2009年和2018年，该指数均出现下降，之后保持平稳中略有回升之势，说明全球金融危机和中美贸易摩擦降低了中国粮食作物虚拟水进口的多元化程度，但是影响深度有限。因此，中国粮食作物虚拟水进口多元化指数在总体上仍有较大的提升空间，削弱进口渠道集中化所带来的潜在风险仍是一大重要任务。

分区域来看，中国粮食作物虚拟水进口多元化指数表现为一定的区域异质性。对美洲来讲，自2010年始，中国对其粮食作物虚拟水进口多元化指数基本上保持平缓下降的趋势，从2010年的1.76降低到2020年的1.38，这表明中国可能适当降低了从美洲进口粮食作物转而增加了对亚洲和欧洲国家的粮食作物进口，进而带动了从亚洲和欧洲国家进口的粮食虚拟水量。其中，大豆的进口渠道趋于多元化发挥着关键作用。比较亚洲和欧洲来看，中国对亚洲的粮食作物虚拟水进口多元化指数增长速度要高于欧洲，可能的原因是亚洲国家具有地理距离邻近的优势，与中国具有更加浓厚的粮食贸易往来，而欧洲国家近些年才逐渐成为中国粮食作物的进口来源市场，如乌克兰近几年逐渐成为中国玉米进口的最大来源国，而亚洲尤其是东南亚国家一直是中国大米进口来源的主要市场（表2）。

表2 中国粮食作物虚拟水进口多元化指数Table 2 Diversification index of virtual water import of grain crops in China

2.1.2 中国粮食作物虚拟水进口均衡度 2006—2020年间，中国粮食作物虚拟水进口均衡度指数在总体和子区域上皆保持着波动变化的特点，在总体和欧洲上则处于一个相对较低的状态，而在美洲和亚洲上呈现较高的水平。总体来看，中国粮食作物虚拟水进口均衡度指数变化不大，2016年达到最高水平0.42，2020年则再次回落到0.38，2018年受中美贸易摩擦的影响也出现了一个低谷，这表明中国粮食作物虚拟水进口均衡度总体水平较弱，进口结构存在部分失衡的特征。分区域来看，中国对亚洲国家的粮食作物虚拟水进口均衡度指数最高，其中有8年大于0.5，有5年大于0.6，整体上是一个平缓增长的态势，这表明中国对亚洲国家的粮食作物虚拟水进口趋于均衡，对不同国家的虚拟水进口差异逐渐缩小。对美洲而言，均衡度指数接近于0.5，但近几年呈现下降走势，表明中国对其粮食作物虚拟水进口均衡度保持高位但具有削弱的风险。对于欧洲来讲，均衡度指数一直是波动的状态，但自2016年始有增加的趋势，表明中国对欧洲的粮食作物虚拟水进口日趋合理，进口市场过于集中的现象并不突出，未来该进口均衡度有可能会超越美洲（表3）。

表3 中国粮食作物虚拟水进口均衡度指数Table 3 Equilibrium index of virtual water import of grain crops in China

2.2 中国粮食作物虚拟水进口空间格局演变

2.2.1 中国粮食作物虚拟水进口全局空间自相关 本文测度了2006—2020年间中国粮食作物虚拟水进口的全局Moran’sI指数。结果显示：Moran’sI指数的值均为正，表明中国粮食作物虚拟水进口呈现出正向的全局空间自相关性，即空间上的低-低集聚或高-高集聚的马太效应，但这种正相关性有减弱的趋向。首先，全局Moran’sI指数在15年间有12年均通过了Z统计量的显著性检验，表明中国粮食作物虚拟水进口在空间上具有正向集聚的现象；而2009年、2018年该指数均出现下降且尚未通过显著性检验，表明全球金融危机和中美贸易摩擦可能对中国粮食作物虚拟水进口的空间集聚程度形成了一定的冲击。其次，全局Moran’sI指数仅在2006年、2007年、2008年和2010年达到了0.1及以上，且自2015年以来，该指数下降趋势明显，这预示着中国粮食作物虚拟水进口存在分散化风险，空间集聚性有所减弱（表4）。

表4 中国粮食作物虚拟水进口全局空间自相关指数Table 4 Global spatial autocorrelation index of virtual water import of grain crops in China

2.2.2 中国粮食作物虚拟水进口局部空间自相关 中国粮食作物虚拟水进口总体差异仅能反映其空间分异特征，不能展示其空间相互作用，也不能揭示局部或者区域的空间集聚程度。全局Moran’sI指数的分析表明，中国粮食作物虚拟水进口具有总体上的正向空间自相关关系，因此，本文拟选取2007、2011、2015和2019年的数据进行局部Moran’sI指数分析，结合局部LISA集聚关系研究中国粮食作物虚拟水进口的局部空间格局及其关联模式（表5）。局部LISA集聚关系按照空间集聚程度可以划分为四个类型：高高集聚区（H-H）、高低集聚区（H-L）、低高集聚区（L-H）、低低集聚区（L-L）。

表5 中国粮食作物虚拟水进口的局部Moran’s I指数与LISA集聚关系Table 5 Relationship between local Moran’s I index and Lisa agglomeration of virtual water import from grain crops

总体来看，中国粮食作物虚拟水进口局部空间分异特征显著，但高高聚集区的国家个数明显少于低低聚集区和低高聚集区的国家个数，且多集中在南美洲少数几个国家，这说明中国粮食作物虚拟水进口局部空间集聚程度仍处于发展状态。具体而言，中国粮食作物虚拟水进口不存在高低集聚区，其他三种类型的空间集聚范围随着时间推移有不同程度的变迁。

1）高高集聚区（H-H）主要集中在南美洲一带，如巴西、阿根廷和乌拉圭。整体集聚范围相对稳定，其中阿根廷始终是该集聚区轴心的国家，与中国粮食作物虚拟水进口具有较为紧密的贸易联系，是中国大豆虚拟水进口的增长极。后三个阶段乌拉圭与中国粮食作物虚拟水进口的贸易联系日趋紧密。中国与这几个国家具有较为频繁的大豆进口贸易，存在要素流动、技术溢出等优势。

2）低高集聚区（L-H）主要集中在拉丁美洲一带，如智利、秘鲁、墨西哥，还包括欧洲的丹麦。乌拉圭2007年属于低高集聚区，而后三个阶段一跃属于高高集聚区；智利和秘鲁一直属于该集聚区的轴心国家；2019年集聚区的轴心国家基本上与2007年（丹麦除外）保持一致，表明中国粮食作物虚拟水进口在该区域内存在极化现象。

3）低低集聚区（L-L）主要集中在欧洲一带，2019年澳大利亚进入低低集聚区的范围，原因可能是中澳贸易摩擦对中国自澳进口的小麦虚拟水量造成不利影响，且与周围国家粮食作物虚拟水的进口贸易联系偏弱。表明中国与大部分欧洲国家的粮食作物虚拟水进口贸易联系有待深化，乌克兰近些年逐渐成为中国玉米虚拟水进口的最大市场来源。

2.3 中国粮食作物虚拟水进口的影响因素

2.3.1 多重共线性检验 多重共线性是指线性回归模型中的各个解释变量间可能存在某种相关关系而导致模型不能准确地被估计的现象。鉴于此，本文在开展实证分析前，计算各个解释变量的方差膨胀因子（VIF），以判断涉及的各变量间是否存在多重共线性问题（表6）。通常情况下，方差膨胀因子小于10，当其大于等于10且数值越大时，变量之间的多重共线性问题越严重。如表6所示，可以发现：引力模型中每一个解释变量的方差膨胀因子及其倒数都小于10，说明各个自变量间不存在严重的多重共线性问题。

表6 引力模型中各变量的多重共线性检验结果Table 6 Multicollinearity test results of each variable in the gravity model

2.3.2 基准回归 基于拓展的贸易引力模型，本文采用stata16.0对中国粮食作物虚拟水的33个进口来源国2006—2018年共13年的跨国面板数据开展实证分析。LM检验结果显示：随机效应模型要优于混合OLS回归，即存在个体随机效应；而Hausman检验结果显示：固定效应模型优于随机效应模型，即存在个体固定效应；F检验结果显示：存在时间固定效应。因此本文最终选取双向固定效应模型开展实证分析。研究发现双边人均GDP、进口来源国的人均可再生内陆淡水资源和农业用地面积、进口来源国的森林面积、进口来源国的贸易自由化指数和政府支出指数、双边加入世界贸易组织和汇率水平对中国粮食作物虚拟水进口具有显著的影响。具体分析如下（表7）：

表7 基准回归结果Table 7 Benchmark regression results

1）双边人均GDP通过了5%的显著性水平检验且系数为正值，表明双边经济发展水平的提高拉动了中国粮食作物虚拟水进口。伴随双边规模经济的发展，中国国内对粮食作物的需求会增加，进口来源国国内需求的增长会拉动其粮食作物产量的提升，进而有利于将过剩的粮食作物出口到中国，从而提高了中国粮食作物虚拟水的进口量。

2）人均可再生内陆淡水量和农业用地面积的系数分别为2.855和2.892，且均通过了1%的显著性水平检验，表明进口来源国的要素禀赋优势有利于中国粮食作物虚拟水进口。具体来讲，当进口来源国的人均可更新内陆淡水资源量越多且农业用地面积越广阔时，该国的水资源和土地资源禀赋越充裕，要素禀赋优势越明显，越有利于本国的农业生产和贸易活动，从而间接带动中国粮食作物虚拟水进口。另一方面，2.892大于2.855，表明进口来源国土地资源禀赋优势对中国粮食作物虚拟水进口的影响要强于水资源禀赋优势。

3）森林面积通过了5%的显著性水平检验，但系数符号为负，与预期不符，可以推断当进口来源国森林面积越广阔时，那么该国的农业耕地面积可能会受到挤占，进而削弱了其粮食生产能力，降低了出口到中国粮食作物的供给水平，从而抑制了中国粮食作物虚拟水进口数量的增加。

4）贸易自由化指数通过了1%的显著性水平检验，但系数符号为负，与预期不符，说明进口来源国的贸易自由化水平一定程度上阻碍了中国粮食作物虚拟水进口。可能的原因是一国贸易自由度越高，经济制度环境越好，越有可能吸引外来投资而非出口贸易，这主要是投资和贸易的替代性所导致的[36-37]。政府支出指数在10%的水平上显著为正，表明进口来源国的政府支出水平显著促进了中国粮食作物虚拟水进口。政府对本国农业经济发展的硬件和软件环境改善投入的增加能够为进出口贸易提供便利，有助于降低贸易成本，间接拉动中国粮食作物虚拟水进口。

5）双边加入世贸组织通过了1%的显著性水平检验且表现为正值，表明双边加入世界贸易组织对中国粮食作物虚拟水进口具有显著的正向影响。这有利于积极参与经济全球化，妥善处理贸易摩擦或解决贸易争端问题，从而建立多边贸易体制，增进多边的农产品贸易联系，进而推动中国粮食作物虚拟水进口。

6）汇率水平通过了10%的显著性水平检验，且系数符号为正值，表明双边汇率水平与中国对其粮食作物虚拟水进口呈现正相关关系，货币升值有利于粮食虚拟水进口的增加。中国应该积极参与全球经济一体化活动，保持人民币的国际竞争力，为国内粮食作物虚拟水进口营造便捷有利的国际环境。

7）双边人口数量的系数为正值但不显著，表明双边人口规模的扩大一定程度上拉动了中国粮食作物虚拟水进口但作用不明显。可能的原因是其他国家人口规模的增长刺激了本国的食物消费需求，某种程度上增加了国内的粮食供给，减小了国际市场的供应规模。双边首都间距离的系数为负值但不显著，说明地理距离对中国粮食作物虚拟水进口具有抑制作用但影响效果有限。这与王如玉和肖海峰[38]的研究结论相一致，国际道路客货运输线路的开通与国际航线的增加等导致距离因素及运输方式因素在贸易中的影响不再明显。

2.3.3 稳健性检验 贸易零值问题在学界具有广泛的讨论。如果简单删去或忽视这些零值数据，不仅样本量会变小，而且回归估计的结果往往是有偏的。对此学界为修正零值因变量可能导致的有偏估计问题，诞生了一些方法，如在零值因变量上加上一个较小的数字来替代原来的因变量进行处理，如y+1；还有PPML（泊松伪极大似然估计法）、NLS（非线性最小二乘法）等。本文相关数据在早些年存在零值现象，且部分国家数据可能不连续，因此下文将应用混合OLS（y+1）回归和PPML回归两种估计方法来替换混合OLS回归和双向固定效应模型以进行稳健性检验。

从表8中可以看到，混合OLS（y+1）回归的估计结果和混合OLS回归的结果基本一致，主要变量的显著性水平基本不变，因此在中国粮食作物虚拟水进口的引力模型中，贸易零值问题对模型拟合结果的影响不大。对比双向固定效应模型和PPML方法的回归结果，发现主要解释变量的显著性水平和符号保持基本一致，地理距离变量在PPML回归中变显著了，因此原有模型中解释变量对被解释变量的拟合程度较好，解释程度较强，回归结果和研究结论具有一定的稳健性。

表8 替换估计方法的稳健性检验结果Table 8 Robustness test results of alternative estimation methods

3 结论

1）中国粮食作物虚拟水进口趋于多元化，但均衡度水平较弱，两者皆表现出一定的区域异质性特征。具体来讲，中国粮食作物虚拟水进口多元化指数在总体和子区域亚洲和欧洲上呈现波动增长的发展态势，而在子区域美洲上则出现平缓下降的特征，整体上多元化特征明显。中国粮食作物虚拟水进口均衡度指数保持波动变化，在总体和欧洲上则处于一个相对较低的状态，而在美洲和亚洲上呈现较高的水平，整体上均衡度水平较弱。

2）中国粮食作物虚拟水进口呈现出正向的全局空间自相关性，具有减弱的风险，且局部空间集聚程度仍处于发展状态。具体而言，中国粮食作物虚拟水进口呈现出一定程度的正向全局空间自相关性，全球金融危机、中美贸易摩擦可能对其空间集聚程度形成了一定的冲击。中国粮食作物虚拟水进口局部空间分异特征显著，但高高聚集区的国家个数明显较少且多集中在南美洲个别国家，这说明中国粮食作物虚拟水进口局部空间集聚程度仍处于发展状态。

3）双边经济发展水平、进口来源国的水资源和土地资源禀赋优势、进口来源国的森林面积、贸易自由化水平和政府支出水平、双边加入世界贸易组织和汇率水平对中国粮食作物虚拟水进口具有显著的影响，其中双边经济发展水平、进口来源国的水土资源禀赋优势、进口来源国的政府支出水平、双边加入世界贸易组织和汇率水平表现为正向影响，而进口来源国的森林面积和贸易自由化水平表现为负向影响。

4 政策建议

4.1 结合国情实施虚拟水战略，构建农业水资源可持续利用新模式

第一，在保证国家粮食基本自给的前提下，积极利用国际粮食市场，实施虚拟水战略，通过提倡进口单位虚拟水含量高的产品和出口单位虚拟水含量低的产品以节约国内水资源，从而达到缓解国内水资源短缺和维护国家粮食安全的双重目的。

第二，依托于虚拟水战略，构筑农业水资源可持续利用新模式。如缺水区适度增加节水型产品的种植面积，富水区适度保持水资源密集型产品的种植规模，这样可以优化农业产业布局的同时节约水资源；再如采用先进的灌溉技术和手段，推进耕地集约化、基础设施现代化等，以科技和政策手段共同推进农业水资源可持续利用和管理。

4.2 立足国家粮食安全新战略，调整和优化中国粮食进口策略

第一，实施粮食进口政策调整，推进粮食进口规模适度。中国一方面应该实施粮食进口政策精准化，对口粮和饲料粮采取不同的政策，同时坚持粮食进口规模适度的原则，将粮食适度进口与缓解水土资源压力相结合。

第二，助推中国粮食进口渠道多元化，巩固与粮食来源市场的贸易伙伴关系。拓展粮食进口来源，挖掘更广阔的粮食贸易市场，推动粮源的安全、稳定和可持续供应；构建相关预警机制以缓解重大经济危机和自然灾害对粮食作物虚拟水进口稳定性的冲击。

第三，双边国家可以就扩大粮食规模经济效应、发挥彼此的农业比较优势水平展开合作和协商，构建先进的国际交通基础设施网络以削弱地理距离对粮食虚拟水进口的不利影响，共同推动国际粮食贸易一体化；而对于进口来源国来讲，能够通过拓展新的粮食贸易合作形式及实施政府支出多样化和透明化以优化其制度环境水平。

4.3 构筑双循环新发展格局下的粮食安全保障体系和水安全维护体系

第一，筑牢粮食安全保障体系需要从粮食综合生产体系、粮食储备调控体系及全球农产品供应链视角展开。首先，在国家大食物观的理念下，以农业科技创新确保粮食生产和优质品种供给；其次，构建粮食储备和应急保障体系以应对突发事件和维护市场稳定为重点，以充分利用国际粮食资源和市场来稳定国际粮食供应链建设。

第二，构建水安全维护体系需要从稳定的水资源供给体系、虚拟水战略的福利效应和实体水-虚拟水耦合角度着手。立足区域水资源承载力，完善国家水资源配置体制机制，创新水资源管理决策，激发原生性节水动力；通过农产品虚拟水进口来补充国内过高的水资源需求，发挥虚拟水贸易的节水效应，倒逼国内提高水资源使用效率；将虚拟水的概念融入实体水的治理中，实现调水工程和虚拟水进口并驾齐驱，发挥其互补和双赢作用，从而充分展现虚拟水战略的贸易福利效应。