“双碳”背景下中国粮食功能区的农业水资源利用效率评价

盛誉

摘要：为探讨“双碳”背景下中国农业水资源利用效率现状，建立以农业碳排放为非期望产出的SBM-Undesirable模型，测算2011—2019年中国三大粮食功能区农业用水效率并进行分析评价，并运用Dagum基尼系数分解法分析了三大粮食功能区组内、组间水资源利用效率的区域差异和差异来源。结果表明，中国整体农业用水效率处于较高水平，但存在着效率波动下降、不平衡性加剧的双重问题；不同区域之间农业用水效率存在较大差异和一定的协同性；粮食主销区群组内用水效率处于最为稳定的平衡状态；超变密度贡献是粮食功能区农业用水效率组间差异的最主要来源。因此，应当根据各区域实际情况实施差异化、有针对性的政策，从而全面提高中国农业用水效率，促进低碳、节水农业发展。

关键词：农业水资源利用效率；SBM-Undesirable模型；Dagum基尼系数；粮食功能区

中图分类号：F323.21         文献标识码：A

文章编号：0439-8114（2024）04-0212-07

Evaluation of agricultural water resources use efficiency of functional grain zone in China under the background of “Dual Carbon”

Abstract： In order to explore the present situation of agricultural water resources use efficiency in China under the background of “Dual Carbon”， the SBM-Undesirable model with agricultural carbon emissions as undesirable output was established to measure and evaluate agricultural water resources use efficiency in three functional grain zones in China from 2011 to 2019. Then the Dagum Gini coefficient decomposition method was used to analyze the regional differences and sources of water resources use efficiency within and among the three functional grain regions. The results showed that the overall agricultural water resources use efficiency in China was at a high level， but there were dual problems of decreasing efficiency and increasing imbalance. There were great differences and significant synergies in agricultural water resources use efficiency among different regions. The water resources use efficiency was in the most stable equilibrium state within the grain main sales area. The contribution of supervariable density was the main source of the difference between groups of agricultural water resources efficiency in functional grain areas. Therefore， differentiated and targeted policies should be implemented according to the actual situation of each region， so as to comprehensively improve the efficiency of agricultural water use in China and promote the development of low-carbon and water-saving agriculture.

Key words： agricultural water resources use efficiency； SBM-Undesirable model； Dagum Gini coefficient； functional grain zone

水资源是农业生产和发展的基础资源，在农业生产中具有非常重要的战略地位。近年来，中国水资源短缺问题愈发严重，水资源对中国农业、农村经济发展的制约作用也越发明显，这种制约作用甚至有可能超过耕地，成为限制中国农业可持续发展的首要因素。水是农业生产的命脉，要想实现农业经济的可持续发展，必须提高水资源利用效率，解决中国目前面临的水资源严重短缺的问题［1］。农业与粮食安全有着不可分割的关联。2013年12月23日，习近平总书记在中央农村工作会议上指出，保障国家粮食安全是一个永恒课题，任何时候这根弦都不能松。为了保障粮食安全，有必要進行粮食主产区、粮食主销区和产销平衡区之间农业用水效率的比较研究，分别采取针对性的对策，从而通过提高农业用水效率来拉动农业发展，进而提高粮食生产效率，巩固中国粮食安全。

碳达峰、碳中和是中国在第七十五届联合国大会上提出的目标，具体来说就是2030年前二氧化碳排放达到峰值，2060年前实现碳中和。为如期实现这一目标，中共中央、国务院印发了《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》《2030年前碳达峰行动方案》等一系列重要政策文件，对“双碳”目标进行了总体部署，构建起碳达峰、碳中和“1+N”政策体系。文件指出，实现碳达峰、碳中和目标的关键途径是节约能源、优化能源结构，把节约资源和能源放在首位，这就对中国水资源利用效率提出了更高要求［2，3］。联合国政府间气候变化专门委员会和联合国粮食及农业组织发表的报告指出，世界农业排放的CO2当量约占全球CO2总排放量的34%［4］，且农业碳排放量表现出逐年上升的趋势。因此，在“双碳”背景下，无论是从生态视角还是经济视角，都有必要对农业碳排放进行测定和研究，以了解其现状和发展趋势，从而分析和发现目前存在的问题，进而给出相应的对策建议。

国内学者对农业水资源利用效率进行了深入的研究，其内容主要包括水资源利用效率评价、度量方法、空间特征、影响因素分析等。其中，卢曦等［5］运用三阶段DEA模型和Malmquist指数对若干省份水资源利用效率进行了静态、动态的分析研究；汪倩等［6］采用熵权法和模糊联系度分析法对长江经济带沿线省份水资源与区域高质量发展和谐度进行综合评价；沈晓梅等［7］基于方向距离函数，构建了包含面源污染非期望产出的农业绿色水资源利用效率评价模型，并对中国水资源利用的时空特征和驱动贡献进行了测算。此外，也有学者从粮食功能区视角出发探究农业用水效率。李颖明［8］测算了中国粮食主产区农业水资源压力指数和粮食生产的技术效率，发现粮食主产区农业水资源利用存在技术效率偏低与资源利用浪费现象，农业水资源压力普遍偏大；杨欣瞳［9］利用非期望产出的超效率SBM模型和Tobit回归分析模型，从粮食功能区的视角，研究了影响中国粮食绿色生产效率的因素。在农业碳排放的研究方面，杨青林等［10］研究了农业碳排放效率与粮食安全耦合协调的规律与演变机制；而桂河等［11］、孙轶男等［12］、李颖［13］、王慧敏等［14］则从单个省份出发，运用不同的方法进行农业碳排放的研究，并进行其与经济发展之间的脱钩分析。综上所述，学界对于中国农业水资源利用效率已经展开了深入的研究和丰富的讨论，但从粮食功能区的比较分析视角出发，以碳排放量为非期望产出，探究在碳达峰、碳中和背景下农业用水效率的相关文献较少，具有进一步改善的空间。本研究构建了以农业碳排放量为非期望产出的SBM-Undesirable模型来对中国30个省（市、自治区）2011—2019年的农业水资源利用效率进行测算；在此基础上，运用Dagum基尼系数分解法，从粮食功能区视角出发将其划分为3个群组开展比较研究，从而进行水资源利用效率评价，为提高中国农业用水效率提出相关的政策建议。

1 研究方法与数据来源

1.1 SBM-Undesirable模型

数据包络分析法（DEA）是由多个学科交叉形成的一种综合评价方法，它是根据多项投入指标和产出指标，运用线性规划来对同一类型的、具有可比性的部门或单位的相對效率进行评价和比较，且过程中无需进行权重的假设或量纲的统一［15，16］。Tone［17］提出了非角度和非径向的SBM-Undesirable模型，该模型在传统DEA模型基础上，通过规避角度选择和径向所造成的偏差，解决了投入变量、产出变量的松弛性问题以及非期望产出问题，因此能够进行更为有效的效率评价和决策单位排序。本研究运用MaxDEA软件运行SBM-Undesirable模型，测算2011—2019年全国30个省（市、自治区）农业用水效率（西藏自治区和港澳台地区由于与碳排放量相关的统计数据缺失而剔除），具体公式如下。

式中，[ρ]表示某一时间段内决策单元[d]的农业用水效率；[S-t]、[S+m]、[S-n]表示松弛变量，当[S-t]= [S+m]= [S-n]=0时，可以得到最优的相对效率；要素的个数分别是T、M、N；[xtd]、[ymd]、[znd]分别代表投入变量、期望产出、非期望产出；[λ]表示权重；[xti]表示决策单元[i]的第[t]种投入要素；[ymi]表示决策单元[i]的第[m]种期望产出；[zni]则表示决策单元[i]的第[n]种非期望产出。

基于数据的可获取性以及可操作性原则，参考李鸿雁等［18］的研究，选取农业用水量、农业就业人数、农作物总播种面积作为投入要素，涵盖水资源、劳动力、土地等农业主要投入要素（由于农业就业人数数据并未公布，因此选择第一产业就业人数代替农业就业人数）；以农业机械总动力作为结转变量，代表农业生产过程中的资本投入；在产出指标方面，将农业总产值作为期望产出，非期望产出则以第一产业碳排放量来表示。具体指标选择如表 1所示。

其中，第一产业就业人数、农作物总播种面积、农业总产值原始数据来自2011—2019年《中国统计年鉴》以及各省统计年鉴和统计公报；农业用水量原始数据来自《中国水资源公报》；农业机械总动力原始数据来自《中国农村统计年鉴》；第一产业碳排放量原始数据来自CEADs中国碳核算数据库。

1.2 Dagum基尼系数分解法

本研究使用Dagum基尼系数分解法分析粮食主产区、主销区以及产销平衡区农业水资源利用效率之间的差异。关于粮食功能区的分类，综合考虑了中国各省历年的粮食产销情况，并参考了王芳等［19］的研究，具体划分如表2。

根据Dagum［20］提出的基尼系数分解法，参考郭炳南等［21］的研究，总体基尼系数（G）=区域内差异贡献（Gw）+区域间净值差异贡献（Gnb）+超变密度贡献（Gt），计算公式如下。

式中，[Djr]表示区域j和区域r水资源利用效率的相对影响；[Fj]、[Fr]分别表示区域j、区域r的累积密度分布函数；[djr]表示区域间水资源利用效率的差值，其值为区域j和r中满足[yij-yrs]>0的数学期望；类似地，[pjr]则代表区域j和r之间[yrs-yij]<0的数学期望。

将粮食功能区组内、组间基尼系数以及式（6）计算结果带入式（9）、式（10）以及式（11），可得[Gw]、[Gnb]、[Gt]。

2 实证分析

2.1 全国农业用水效率测算结果分析

根据图1数据分析，以用水效率高低为标准，可将30个省（市、自治区）分为3组。第一组包括北京、河北、河南、江苏、山东、陕西、上海、新疆、重庆9个省（市、自治区），其农业用水效率始终为1，处于有效前沿；第二组包括福建、广东、广西、贵州、海南、黑龙江、湖北、吉林、辽宁、宁夏、四川、天津、浙江13个省（市、自治区），其农业用水效率处于0.5～1.0，是比较高效率的阶段；其余8个省（自治区）为第3组，其农业用水效率处于0.3～0.5，用水效率较低，其中内蒙古、江西、青海用水效率均低于0.4，用水效率最低。整体来看，在“双碳”背景下，2011—2019年中国各省份农业用水效率有较大提升空间，且不同地区之间用水效率存在较大差异。

具体来看，用水效率为1的省（市、自治区）中，北京、江苏、山东、上海属于中国经济发达地区，节水农业、绿色农业以及农业高新科技等的快速发展带来了长期稳定的高效用水能力，而高农业用水效率也会进一步促进当地经济发展；其他省份则都是中国农业大省，有着丰富的经验和雄厚的农业基础，伴随着近年来农业用水相关政策的改革创新、严格落实，同样实现了长期稳定的高效用水。

处于第二组的省（市、自治区）主要位于中国东南沿海、东北地区以及中部地区。这些地区用水效率处于较高水平，但未达到最高。东北三省均处于这一组，但其用水效率却有着明显的差距：黑龙江的农业用水效率超过0.950 0，辽宁为0.705 6，而吉林仅0.500 3。黑龙江省的高用水效率一定程度上归功于采用了“一减六改”的方式促进粮食种植结构调整，推进农业供给侧结构性改革，结合政策调控、发掘典型等具体措施，调整优化粮食区域布局［22］。而辽宁、吉林两省用水效率低于黑龙江的原因是农业生产技术的发展速度落后于全国平均水平，不能适应新时代农业发展的新要求，急需加快农业结构的调整与转型升级。

第三组处于农业用水效率较低的水平，包括安徽、甘肃、湖南、江西、内蒙古、青海、山西和云南8个省（自治区），这些省份大多分布在中国中西部地区以及北方地区。其中，青海、江西、内蒙古2011—2019年农业用水总效率最低，均低于0.4；2011—2019年，内蒙古农业用水效率呈逐年下降的趋势，江西、青海农业用水效率则处于波动下降状态，且最大波动幅度均超过0.2，用水效率不稳定。这些地区用水效率不高的重要原因在于经济水平和地理条件的制约。中国中西部地区经济发展迅速，但目前经济发展水平不高，农业科技、生产方式的发展水平同样较低，发展低碳农业有着很大的潜力。

由图2可知，在“双碳”背景下，2011—2019年中国农业水资源利用效率处于较高水平，效率年均值保持在0.75～0.85。但需要指出的是，这一时期中国农业用水效率变化呈波动下降趋势，下降幅度约为6.9%，用水效率存在著逐渐降低的危险。

2.2 粮食功能区农业用水效率差异来源分析

2.2.1 粮食功能区组内效率分析 本研究基于SBM-Undesirable模型测算得到2011—2019 年中国30个省（市、自治区）农业用水效率值，进而据此计算出全国以及三大粮食功能区农业用水效率的基尼系数，结果如图3所示。

从全国层面来看，全国农业用水效率基尼系数均值为0.140 8，整体呈波动上升的趋势，增幅达48.5%。基尼系数的波动增长表明，近年来中国农业用水效率的不平衡情况愈发严重，中国农业水资源利用效率有较大的提升空间。从区域层面来看，三大粮食功能区农业用水效率具有明显的组间差异。具体来说，粮食主销区的农业用水效率远高于其他地区，主销区用水效率基尼系数基本保持在0.05以下，且在2012年、2017年和2018年达到了绝对平衡；粮食主产区以及产销平衡区的基尼系数则呈波动上升的趋势，这种趋势与全国农业用水效率基尼系数变化的趋势一致，表明其农业用水效率存在一定的协同性。产销平衡区的基尼系数均值为三大功能区最高，达0.165；粮食主产区的基尼系数增幅达116.3%，说明其农业用水效率的不平衡情况存在扩大趋势。

2.2.2粮食功能区群组间农业用水效率比较 表3为2011—2019年粮食主产区、粮食主销区、产销平衡区的群组间基尼系数及其年平均值。可以看出，年平均基尼系数最高的群组为主产区-产销平衡区，其值为0.163 7，意味着这两个区域之间农业用水效率的差异最大，群组间绿色农业发展的协同性也相应最弱。排在第二位的是主销区-产销平衡区，其年平均基尼系数为0.138 7；主产区-主销区的年平均基尼系数最低，表明这两个群组之间存在着较强的发展协同性。

由表3可知，主产区-主销区、主产区-产销平衡区两个群组间基尼系数呈波动上升趋势，而主销区-产销平衡区的基尼系数则表现出上下波动的趋势。由此可见，在碳达峰、碳中和背景下，2011—2019年中国三大粮食功能区的群组间基尼系数均小于0.2，表明中国农业用水效率整体处于一个较为均衡的水平；但基尼系数的变化趋势同时表明，中国整体农业用水效率正在逐渐向不平衡的方向发展，需要引起重视。

2.2.3差异来源 本研究通过基尼系数分解法，将基尼系数分解为区域内差异贡献、区域间净值差异贡献以及超变密度贡献，由此分析差异的主要来源。根据图4可知，从差异的绝对大小出发，区域间净值差异贡献最小，每年的基尼系数均小于0.001，远低于区域内差异贡献和超变密度贡献。分别来看，2011—2019年超变密度贡献基本介于0.08～0.11，呈波动上升趋势，极差为0.033；区域内差异贡献介于0.03～0.06，同样呈波动上升趋势，极差为0.022。综上所述，农业用水效率总体差异的首要来源是超变密度贡献。

3 小结与建议

3.1 小结

本研究使用SBM-Undesirable模型测算出中国30个省（市、自治区）2011—2019年农业水资源利用效率，使用Dagum基尼系数分解法测算了三大粮食功能区农业用水效率的组内、组间差异，进而分析了差异的来源以及各群组水资源利用效率的影响因素，研究结论如下。

1）在“双碳”背景下，以碳排放量为非期望产出，目前中国农业用水效率整体处在较高水平，效率均值稳定在0.75～0.85；但从变化趋势来看，中国农业用水效率整体表现为波动下降，幅度约为6.9%。

2）具体来看，以用水效率高低为标准，可将30个省（市、自治区）分为3组。第一组用水效率始终最优，共包括9个省（市、自治区）；第二组农业用水效率处于0.5～1.0，为较高水平，包括13个省（市、自治区）；其余8个省（自治区）属于第三组，其农业用水效率处于0.3～0.5，用水效率较低。综合来看，2011—2019年中国各省份农业用水效率仍然存在较大的提升空间，且不同地区、不同省份之间农业用水效率有着较大的差异。

3）2011—2019年，全国农业用水效率基尼系数均值为0.140 8，处于较为均衡的水平，但呈波动上升的趋势。基尼系数增长意味着中国农业用水效率愈发呈现出不平衡的状态。结合上述结论来看，中国农业用水效率虽然目前处于较高水平，但存在着效率逐渐降低、不平衡性越发严重的双重问题。刘双双等［23］研究发现1998—2015年中国农业用水效率呈阶段性下降，与本研究结果一致；但该研究还得出中国农业用水效率“两极化”现象减弱的结论，与本研究结果不一致，原因可能在于该研究未考虑碳排放作为非期望产出。

4）从粮食功能区分类视角来看，粮食主销区基尼系数明显低于其他地区，且基尼系数波动变化，表明其群组内用水效率处于稳定的平衡状态；而粮食主产区与产销平衡区基尼系数波动上升，与全国整体基尼系数变化趋势一致，表明其存在明显的协同性；产销平衡区基尼系数最高，群组内用水效率差异最大。

5）分析三大粮食功能区群组间基尼系數可知，主产区-主销区、主产区-产销平衡区两个群组间基尼系数变化趋势为波动上升，表明其群组间用水效率差异逐渐变大，绿色农业发展存在一定的协同性，而主销区-产销平衡区的基尼系数则表现出更为稳定的上下波动趋势。

6）根据基尼系数分解的结果，区域间农业用水效率差异的主要来源为超变密度和区域内差异。相比之下，更为主要的差异来源为超变密度贡献。由于中国省份之间农业用水效率存在明显差异，因此可以解释区域内差异为主要来源之一；而另一方面，本研究的分组是基于粮食功能区不同进行的，这一分组标准不体现地理环境、政策、经济发展水平等多种直接影响区域农业用水效率的因素，因此各功能区间用水效率没有明显差别，这是区域间差异不是主要来源的一种解释。

3.2 政策建议

为了提高全国农业用水效率，最大限度降低非期望产出，降低区域间用水效率的不平衡性，促进生态保护和农业高质量发展，加快实现碳达峰、碳中和，提出以下政策建议。

1）根据不同地区自身条件、实际情况等特点，采取差异化的农业相关政策，因地制宜地提高农业用水效率。对于经济发达省份，可以鼓励农业相关的科技创新，发展绿色节水农业，推动农业结构优化改革，进而推广至全国；对于经济尚不发达、水资源又稀缺的省份则要首先建立一套完善的农业用水管理制度，设置切实可行的农业用水效率目标，加强农业基础设施建设，推动水资源利用效率稳步提升；对于水资源利用效率已经很高的地区，要保证当前水资源利用效率长期稳定，时刻关注农业用水效率下降、不平衡性增加的潜在风险，继续改进水资源利用方式；对于碳排放量较多的省份则应该以实现绿色农业、低碳农业为导向，通过降低农业碳排放的方式来提高农业用水效率。

2）着重提高粮食主产区中效率较低省份的用水效率，例如内蒙古、安徽、湖南等省。根据国家粮食局2011年的统计数据，中国粮食总产量的75.4%来自粮食主产区，且粮食主产区还贡献了约95%的全国粮食增产。由此可见，保持主产区粮食生产稳定发展，对于农民增收、保障国家粮食安全、促进社会和谐发展等都有着至关重要的意义。除此之外，粮食主产区的基尼系数呈逐渐上升的态势，且在2019年成为三大粮食功能区中基尼系数最高的区域，这一现象可能导致粮食主产区用水效率不平衡性增加，因此必须重视高效率地区农业用水效率的保持，同时兼顾低效率地区用水效率的提高。具体来说，对于高效率的粮食主产区可以引进先进的农业技术，在原有的良好基础上继续推进节水农业发展；对于低效率的主产区，则要实施更为严格的农业水资源管控，尤其要重视农业碳排放量管理的问题；同时也要加强水利工程、节水工程等的建设，逐步提高农业用水效率，减小水资源利用效率的不平衡性。

3）警惕水资源效率下降、不平衡性增加的“双重问题”，着力减少农业用水效率的区域内差异。基尼系数的变化趋势表明虽然从农业碳排放的角度出发中国农业用水效率处于较高水平，但“双重问题”真实存在，必须引起重视。要努力加强农业用水相关要素在全国范围的自由流动，促进节水农业、低碳农业技术的共享以及农业资源的互助，从而在提高总体农业用水效率的同时，带动促进各区域间水资源利用效率的平衡；另外，根据差异分析的结果，总体差异的主要来源是区域内差异以及超变密度贡献，因此下一阶段提高农业用水效率的工作重点应该放在减小区域内差异上。

4）实行各种农业用水相关政策时要充分考虑区域间协同性的问题。本研究发现，无论是区域内还是区域间，中国农业用水效率的变化均存在一定程度的相关性。例如，主产区-主销区、主产区-产销平衡区两个群组间基尼系数变化均呈波动上升的趋势；主产区、产销平衡区基尼系数变化趋势与总体基尼系数变化趋势一致等。因此，在实施相应政策时，应当充分利用各省份、各区域之间的协同性，通过改变关键省份的农业用水现状来带动全国绿色节水农业的发展，从而更高效地实现全国范围的农业用水效率提升。

参考文献：

［1］ 柴国旗. 水资源对农业可持续发展的约束及对策［J］. 新农村（黑龙江）， 2011（6）：134，171.

［2］ 庄贵阳，窦晓铭，魏鸣昕.碳达峰碳中和的学理阐释与路径分析［J］.兰州大学学报（社会科学版），2022，50（1）：57-68.

［3］ 徐 东.“1+N”政策体系核心文件出台 构成我国实现“双碳”目标的顶层设计［J］.国际石油经济，2022，30（1）：24-26.

［4］ 陈胜涛，张开华，张岳武.农业碳排放绩效的测量与脱钩效应［J］.统计与决策，2021，37（22）：85-88.

［5］ 卢 曦，许长新.基于三阶段 DEA 与 Malmquist 指数分解的长江经济带水资源利用效率研究［J］.长江流域资源与环境，2017，  26（1）：7-14.

［6］ 汪 倩，陈军飞，邓梦华.长江经济带水资源与区域高质量发展和谐度评价研究［J］.生态经济，2022，38（4）：163-169.

［7］ 沈晓梅，谢雨涵.农业绿色水资源利用效率及其影响因素研究［J］.中国农村水利水电，2022（3）：13-18，24.

［8］ 李颖明. 粮食主产区农业水资源可持续利用分析［J］. 中国农村经济， 2007（9）：45-52.

［9］ 杨欣瞳.中国粮食绿色生产效率分析及对策［J］. 农业展望，2021，17（12）：114-119.

［10］ 杨青林，赵荣钦，赵 涛，等.县域尺度农业碳排放效率与粮食安全的关系［J］.中国农业资源与区划，2023，44（2）：156-169.

［11］ 桂 河，李 静，尚梦媛.“双碳”背景下的宁夏农业碳排放时序特征、驱动机理与脱钩效应研究［J］.中南林业科技大学学报（社会科学版），2021，15（6）：37-44.

［12］ 孙轶男，梁静溪.基于DEA效率模型的黑龙江省域低碳农业综合评价研究［J］.科技与管理，2017，19（6）：39-45，72.

［13］ 李 颖.江苏省农业能源消耗碳排放与经济发展脱钩分析［J］.农业与技术，2021，41（24）：77-80.

［14］ 王慧敏，朱玉林，王锦锦.湖南省农业碳排放与农业经济增长的脱钩效应研究［J］.绿色科技，2021，23（22）：262-267.

［15］ 何 楠，袁胜楠，王 军.基于DEA-Malmquist模型的黄河流域水资源利用效率评价［J］.人民黄河，2021，43（5）：7-11.

［16］ 李 玲，周玉玺.基于DEA-Malmquist模型的中国粮食生产用水效率研究［J］.中国农业资源与区划，2018，39（11）：192-199.

［17］ TONE K. A slacks-based measure of efficiency in data envelopment analysis［J］. European journal of operational research， 2001，130（3）： 498-509.

［18］ 李鴻雁，付俊怡，张兴华 . 黄河流域农业用水效率研究——基于非期望产出的 SBM 模型［J］. 湖北农业科学，2021，60（20）：171-178.

［19］ 王 芳，刘亚甫.中国农业科技创新效率及区域差异比较——基于粮食功能区视角［J］.科技和产业，2022，22（1）：153-161.

［20］ DAGUM C. A new approach to the decomposition of the Gini income inequality ratio［J］. Empirical economics， 1997， 22（4）： 515-531.

［21］ 郭炳南，唐 利，张 浩.中国八大综合经济区水资源利用效率的区域差异及影响因素研究［J］.生态经济，2022，38（1）：153-161.

［22］ 张志新，孙振亚，林 立.农业技术进步、规模效率与粮食安全——以东北三省粳稻、玉米为例［J］.资源开发与市场，2022，  38（2）：178-185.

［23］ 刘双双，韩凤鸣，蔡安宁，等.区域差异下农业用水效率对农业用水量的影响［J］.长江流域资源与环境，2017，26（12）：2099-2110.