楊 騫，王弘儒，秦文晉

(山東財經(jīng)大學公共管理學院，山東濟南 250014)

中國農(nóng)業(yè)面源污染的地區(qū)差異及分布動態(tài):2001－2015

楊 騫，王弘儒，秦文晉

(山東財經(jīng)大學公共管理學院，山東濟南 250014)

為了揭示中國農(nóng)業(yè)面源污染的時空分布特征、考察地區(qū)差距的來源及動態(tài)演進規(guī)律，文章在測算2001－2015年中國31個省份農(nóng)業(yè)面源污染排放量的基礎上，對農(nóng)業(yè)面源污染的空間分布和空間趨勢進行可視化描述，采用DAGUM基尼系數(shù)和KERNEL密度估計方法實證考察了中國農(nóng)業(yè)面源污染的地區(qū)差異及分布動態(tài)演進規(guī)律。研究發(fā)現(xiàn):中國農(nóng)業(yè)面源污染呈現(xiàn)較為明顯的空間非均衡特征，污染較嚴重的地區(qū)主要集中在山東、河南、四川等農(nóng)業(yè)大??；在地區(qū)差異層面，東部和西部地區(qū)之間的差異最大，超變密度是農(nóng)業(yè)面源污染地區(qū)差異的主要來源；在分布動態(tài)演進規(guī)律上，中國農(nóng)業(yè)面源污染呈逐步加重趨勢并呈現(xiàn)出明顯的空間極化現(xiàn)象。這些結(jié)論對中國農(nóng)業(yè)的可持續(xù)發(fā)展具有重要價值。

面源污染；清單分析；DAGUM基尼系數(shù)；KERNEL密度估計

0 引 言

水乃生命之源，是人類生存和發(fā)展不可或缺的自然要素。近年來，隨著經(jīng)濟和社會的快速發(fā)展，中國農(nóng)業(yè)面臨的環(huán)境問題越來越嚴峻，尤其是水污染問題日漸突出。自20世紀70年代以來，中國主要湖泊和水體的富營養(yǎng)化不斷加重，農(nóng)業(yè)面源污染逐漸成為制約農(nóng)業(yè)健康發(fā)展的瓶頸因素。一方面，工業(yè)和城市污染向農(nóng)業(yè)和農(nóng)村轉(zhuǎn)移排放，在實現(xiàn)經(jīng)濟增長的同時也帶來了一系列嚴重的環(huán)境污染問題；另一方面，由于化肥、農(nóng)藥等農(nóng)業(yè)投入品的過量使用以及畜禽糞便、農(nóng)作物秸稈和農(nóng)田殘膜等農(nóng)業(yè)廢棄物的不合理處置，加劇了土壤和水體的污染，導致農(nóng)業(yè)面源污染問題突出。為應對日益嚴峻的農(nóng)業(yè)面源污染問題的嚴峻挑戰(zhàn)，農(nóng)業(yè)部于2015年2月制定了《到2020年化肥使用量零增長行動方案》和《到2020年農(nóng)藥使用量零增長行動方案》。據(jù)國家統(tǒng)計局數(shù)據(jù)顯示，2014年農(nóng)用化肥施用量為5 995.94萬噸(折純量①折純量是指把氮肥、磷肥、鉀肥分別按含氮、含五氧化二磷、含氧化鉀的百分之百成分進行折算后的數(shù)量。其中，復合肥按其所含主要成分折算，其折純量等于實物量與某種化肥有效成分含量的百分比。。下同)，農(nóng)用氮肥施用量為2 392.86萬噸，農(nóng)用磷肥施用量為845.34萬噸。農(nóng)作物每公頃平均化肥施用量約為0.33×10－4萬噸，遠高于世界平均水平(每公頃0.12×10－4萬噸)，是美國的2.6倍，歐盟的2.5倍。此外，2012－2014年農(nóng)作物病蟲害防治農(nóng)藥年均施用量為31.1萬噸，比2009－2011年增長9.2%。2015年4月，農(nóng)業(yè)部印發(fā)了《關于打好農(nóng)業(yè)面源污染防治攻堅戰(zhàn)的實施意見》，對“加強農(nóng)業(yè)生態(tài)治理”做出專門部署，著重強調(diào)要加強農(nóng)業(yè)面源污染治理。農(nóng)業(yè)面源污染是關乎糧食安全乃至國計民生的重大問題，揭示中國農(nóng)業(yè)面源污染的地區(qū)差異及分布動態(tài)演進規(guī)律對于農(nóng)業(yè)面源污染問題的治理、糧食生產(chǎn)的安全以及實現(xiàn)中國農(nóng)業(yè)的可持續(xù)發(fā)展具有重要的現(xiàn)實意義和決策價值。

國內(nèi)外已有很多學者研究農(nóng)業(yè)面源污染問題[1－10]。從現(xiàn)有文獻來看，主要集中于以下三個方面:一是從定性角度揭示農(nóng)業(yè)面源污染的現(xiàn)狀及其發(fā)生機制。例如，饒靜等[4]從宏觀、中觀和微觀三個層面分析了中國農(nóng)業(yè)面源污染的發(fā)生機制；李秀芬等[5]根據(jù)國內(nèi)外農(nóng)業(yè)面源污染研究資料分析了農(nóng)業(yè)面源污染的發(fā)生機制。這類研究多從定性的角度來論證中國農(nóng)業(yè)面源污染的發(fā)生機制及其嚴重性，但缺乏實證依據(jù)。二是利用環(huán)境庫茲涅茨曲線(EKC)作為分析工具探討農(nóng)業(yè)面源污染與經(jīng)濟增長之間的關系。自Grossman和Krueger[11]于1991年提出環(huán)境污染和經(jīng)濟增長之間存在非線性“倒U型”關系后，利用EKC探討環(huán)境污染與經(jīng)濟增長之間關系的研究開始大量涌現(xiàn)，部分學者將其應用到了農(nóng)業(yè)面源污染與經(jīng)濟增長的關系研究中。例如，張暉等[6]在測算農(nóng)業(yè)面源污染的基礎上對經(jīng)濟發(fā)展水平和農(nóng)業(yè)面源污染之間的關系進行檢驗，發(fā)現(xiàn)二者存在顯著的“倒U型”曲線關系；李海鵬等[7]也得出了相同的結(jié)論。三是利用以綜合調(diào)查為基礎的清單分析方法對農(nóng)業(yè)面源污染的排放量進行核算，進而刻畫農(nóng)業(yè)面源污染的空間分布特征。例如，陳敏鵬等[8]利用清單分析方法計算了中國337個地級市的農(nóng)業(yè)面源污染COD、TN、TP的產(chǎn)生量、排放量和排放強度并分析了空間分布特征；賴斯蕓等[10]基于單元分析的思想，采用單元調(diào)查法對農(nóng)業(yè)面源污染的空間分布情況進行實例研究。這類文獻均側(cè)重于農(nóng)業(yè)面源污染的測算過程，進而從時間和空間層面揭示中國農(nóng)業(yè)面源污染的嚴重性而較少關注中國農(nóng)業(yè)面源污染的地區(qū)差異及其來源。已有研究多集中在測算農(nóng)業(yè)面源污染的排放量及排放強度，進而刻畫其空間分布特征或者進一步探究農(nóng)業(yè)面源污染的發(fā)生機制，而關于中國農(nóng)業(yè)面源污染的地區(qū)差異及分布動態(tài)演進規(guī)律的實證分析還較少。

針對已有研究的局限性，本文主要關注以下問題:中國農(nóng)業(yè)面源污染的排放是否存在地區(qū)差異?地區(qū)差異有多大?地區(qū)差異來源于哪里?存在怎樣的動態(tài)演進規(guī)律?對于這些問題，本文在測度2001－2015年中國31個省份(直轄市、自治區(qū))的農(nóng)業(yè)面源污染排放量的基礎上，采用DAGUM基尼系數(shù)方法對中國農(nóng)業(yè)面源污染的地區(qū)差異進行測度及分解，并運用KERNEL密度估計方法揭示中國農(nóng)業(yè)面源污染的分布動態(tài)演進規(guī)律，以期為中國農(nóng)業(yè)面源污染的改善提供有價值的決策參考。

1 農(nóng)業(yè)面源污染的測算

農(nóng)業(yè)面源污染是指在農(nóng)業(yè)生產(chǎn)活動中，氮素和磷素等營養(yǎng)物質(zhì)、農(nóng)藥及其他有機或無機污染物質(zhì)，通過農(nóng)田的地表徑流和農(nóng)田滲漏形成的環(huán)境污染，主要包括化肥污染、農(nóng)藥污染、畜禽糞便污染等[5]。農(nóng)業(yè)面源污染有污染多樣性、非特定性、不確定性等特點，是分布最為廣泛的面源污染。在相關研究中，如陳敏鵬等[8]、梁流濤[12]都將農(nóng)業(yè)面源污染分解為化肥流失、畜禽養(yǎng)殖污染、農(nóng)業(yè)有機固體廢棄物、農(nóng)村生活污染四個單元；潘丹[13]和李谷成[14]將農(nóng)業(yè)面源污染分為農(nóng)田化肥、農(nóng)業(yè)固體廢棄物、畜禽養(yǎng)殖和水產(chǎn)養(yǎng)殖四個單元；張宏艷[15]則認為農(nóng)業(yè)面源污染主要來源于畜禽養(yǎng)殖業(yè)的糞便流失、農(nóng)業(yè)本身生產(chǎn)過程中化肥和農(nóng)藥的大量使用、農(nóng)村生活垃圾出路不暢、農(nóng)村生活污水直接排放以及秸稈污染等。根據(jù)農(nóng)業(yè)生產(chǎn)和農(nóng)村生活的特征，本文在文獻調(diào)研的基礎上將中國農(nóng)業(yè)面源污染的主要來源分為農(nóng)田化肥、畜禽養(yǎng)殖、農(nóng)田固體廢棄物、水產(chǎn)養(yǎng)殖及農(nóng)村生活五類。

1.1 農(nóng)業(yè)面源污染的測算方法

基于清單分析方法，從農(nóng)業(yè)面源污染的來源角度綜合考慮農(nóng)田化肥、畜禽養(yǎng)殖、農(nóng)田固體廢棄物、水產(chǎn)養(yǎng)殖及農(nóng)村生活五個污染單元(具體見表1)，將主要污染指標分為化學需氧量(COD)、總氮(TN)和總磷(TP)三種，計算見公式(1)。

其中，E為進入水體的農(nóng)業(yè)面源污染排放量，具體分為COD排放量、TN排放量和TP排放量；EUi為i單元污染物的指標統(tǒng)計數(shù)，具體包括農(nóng)用化肥施用折純量、畜禽養(yǎng)殖量、糧食(蔬菜)作物產(chǎn)量、淡水養(yǎng)殖面積和鄉(xiāng)村人口數(shù)；ρi為i單元污染物的產(chǎn)污強度系數(shù)；Ci為單元i污染物的排放系數(shù)，它由單元和空間特征決定，表征區(qū)域環(huán)境、降雨、水文和各種管理措施對農(nóng)業(yè)面源污染的綜合影響。本文利用公式(1)計算了2001－2015年中國31個省份農(nóng)業(yè)面源污染的排放量，然后根據(jù)中國分省的面源污染排放量加總得到中國農(nóng)業(yè)面源污染的排放總量。

表1 農(nóng)業(yè)面源污染核算單元表

1.2 指標、數(shù)據(jù)及測算結(jié)果

采用中國農(nóng)業(yè)生產(chǎn)及農(nóng)村生活中的COD、TN和TP排放量來表示農(nóng)業(yè)面源污染指標。其中，第一單元面源污染主要采用農(nóng)用氮肥施用折純量、農(nóng)用磷肥施用折純量和農(nóng)用復合肥施用折純量計算而得，具體借鑒賴斯蕓[13]的計算方法，根據(jù)化肥折純的化學成分得到這一單元的產(chǎn)污系數(shù)，氮肥、磷肥和復合肥(氮、磷、鉀養(yǎng)分比例為1∶1∶1)的 TN 產(chǎn)污系數(shù)分別為 1.00、0.00、0.33；TP 產(chǎn)污系數(shù)分別為 0.00、0.44、0.15。 第二單元畜禽養(yǎng)殖產(chǎn)生的面源污染主要采用牛存欄數(shù)、豬出欄數(shù)、羊存欄數(shù)和家禽出欄數(shù)四項指標測算[12，13](由于中國主要以養(yǎng)豬業(yè)、養(yǎng)禽業(yè)、養(yǎng)牛業(yè)和養(yǎng)羊業(yè)為主，其總產(chǎn)值占整個畜牧業(yè)產(chǎn)值的95%以上，因此在第二單元的面源污染計算中，本文僅考慮了這四項指標)；另外，排污系數(shù)以中國國家環(huán)境保護局發(fā)布的官方數(shù)據(jù)為準。第三單元的面源污染測算主要采用稻谷、小麥、玉米等糧食作物和蔬菜作物九項指標測算，將蔬菜固體廢棄物的產(chǎn)量假定為0.51[12]，農(nóng)田固體廢棄物單元面源污染計算公式如下:COD(TN/TP)排放量＝農(nóng)作物產(chǎn)量(蔬菜產(chǎn)量)×秸稈糧食比(蔬菜固廢產(chǎn)量)×秸稈利用結(jié)構(gòu)①由于部分省份利用結(jié)構(gòu)數(shù)據(jù)缺失，本文依據(jù)地理距離，將新疆、內(nèi)蒙古按照甘肅的利用結(jié)構(gòu)數(shù)據(jù)計算；廣西按照廣東的利用結(jié)構(gòu)數(shù)據(jù)計算；北京、天津按照河北的利用結(jié)構(gòu)數(shù)據(jù)計算；青海、西藏、重慶、云南按照四川的利用結(jié)構(gòu)數(shù)據(jù)計算。×固體廢棄物養(yǎng)分含量②此處油菜同豆類，花生同薯類，產(chǎn)污系數(shù)亦如此?！廉a(chǎn)污系數(shù)×不同利用方式下秸稈養(yǎng)分流失率。在第四單元面源污染的測算中，本文借鑒張大弟等[17]、潘丹等[18]的做法，僅考慮淡水養(yǎng)殖面積。在第五單元農(nóng)業(yè)面源污染的測算中，COD、TN和TP的流失強度分別以7.82kg/人、0.89kg/人和0.20kg/人為準[12]，由于2013、2014兩年的鄉(xiāng)村人口數(shù)據(jù)缺失，我們分別取其前三年鄉(xiāng)村人口數(shù)均值代替。此外，農(nóng)業(yè)面源污染核算過程中所需的化肥施用量、畜禽養(yǎng)殖數(shù)、農(nóng)作物產(chǎn)量以及農(nóng)村人口數(shù)據(jù)均來源于歷年《中國統(tǒng)計年鑒》《中國農(nóng)業(yè)年鑒》《中國農(nóng)村統(tǒng)計年鑒》以及各省市的統(tǒng)計年鑒。

為了揭示中國農(nóng)業(yè)面源污染的地區(qū)差異及其來源，將中國31個省份按照東、中、西劃分為三個地區(qū)分別進行測算。首先，在綜合考慮已有研究所采用的污染單元的基礎上，將農(nóng)業(yè)面源污染源劃分為五個單元(EU)，然后根據(jù)公式分別測算出每一個污染單元的農(nóng)業(yè)面源污染排放量，最后將五單元加總得到中國31個省份的農(nóng)業(yè)面源污染排放總量。此外，公式(1)中各單元的產(chǎn)污強度系數(shù)、流失率等相關參數(shù)，則從相關文獻[11，13]及第一次全國污染源普查領導小組辦公室頒布的《全國第一次污染源普查農(nóng)業(yè)污染源系數(shù)手冊》中獲得。表2報告了2015年中國分省農(nóng)業(yè)面源污染的排放量。

表2 2015年分省農(nóng)業(yè)面源污染排放總量 單位:萬噸

2 農(nóng)業(yè)面源污染的時空特征分析

2.1 時空分布格局

基于ArcGIS地統(tǒng)計分析方法，分別繪制了2001年和2015年中國農(nóng)業(yè)面源污染COD、TN和TP的空間分布格局圖(圖1～圖3)。從圖1可以看出，中國農(nóng)業(yè)面源污染的分布呈現(xiàn)出明顯的空間非均衡特征。根據(jù)2001年和2015年COD的空間分布格局圖，COD排放較多的地區(qū)主要集中在山東、河南和四川等農(nóng)業(yè)大??；從2001和2015年TN排放量的空間分布格局來看(圖2)，TN的排放主要集中于山東、江蘇、湖南和廣西等省區(qū)；TP排放量的空間分布格局(圖3)與COD和TN表現(xiàn)出類似的特點，也大致集中于山東、河南、四川等農(nóng)業(yè)大省，整體來看，TP的排放量呈現(xiàn)出由東部沿海、中部地區(qū)向西部地區(qū)遞減的態(tài)勢。從COD、TN和TP三項指標的空間分布格局綜合考慮，中國農(nóng)業(yè)面源污染較嚴重的地區(qū)主要集中在糧食主產(chǎn)區(qū)①中國糧食主產(chǎn)區(qū)包括遼寧、河北、山東、吉林、內(nèi)蒙古、江西、湖南、四川、河南、湖北、江蘇、安徽、黑龍江等13個省份。，尤其是山東、河南、四川、湖南等農(nóng)業(yè)大省。這可能是由于農(nóng)業(yè)生產(chǎn)大省對農(nóng)業(yè)經(jīng)濟增長的不合理追求，造成化肥農(nóng)藥使用過度，農(nóng)業(yè)生產(chǎn)垃圾增多，進而導致農(nóng)作物種植越多的地區(qū)農(nóng)業(yè)面源污染問題越嚴重。

圖1 COD的空間分布格局(左為2001年，右為2015年)

圖2 TN的空間分布格局(左為2001年，右為2015年)

圖3 TP的空間分布格局(左為2001年，右為2015年)

2.2 空間趨勢分析

基于ArcGIS地統(tǒng)計分析中的全局趨勢分析法，以正東和正北方向為X軸和Y軸，以COD排放量、TN排放量和TP排放量為Z軸，分別制作了2001年和2015年COD、TN、TP排放量的趨勢圖(圖4)。根據(jù)圖4，可以發(fā)現(xiàn)中國農(nóng)業(yè)面源污染中主要污染物COD的排放呈現(xiàn)東西低中部高，南北低中部高的態(tài)勢。從2001年TN的趨勢圖來看，在東西方向上呈現(xiàn)東高西低的態(tài)勢，在南北方向上呈現(xiàn)出南北低中部高的倒“U”形特征；觀察2015年TN的趨勢圖可以發(fā)現(xiàn)，TN的整體趨勢與2001年大致相同，排放量較2001年稍有增加。從TP的趨勢圖來看，2001年和2015年的排放均呈東多西少、南北低中部高的態(tài)勢。綜上可得，中國農(nóng)業(yè)面源污染較嚴重的地區(qū)主要集中在東部及中部地區(qū)，且呈現(xiàn)出較為明顯的空間集聚特征。

圖4 農(nóng)業(yè)面源污染的空間趨勢分析

3 中國農(nóng)業(yè)面源污染的地區(qū)差異及其來源分解

3.1 模型和方法介紹

借鑒DAGUM[19]提出的基尼系數(shù)及其分解方法，對中國三大地區(qū)面源污染的地區(qū)差距進行測算及分解。

DAGUM基尼系數(shù)方法不僅可以衡量總體區(qū)域差異，而且可以將總體差異分解為不同子群(區(qū)域內(nèi)差異、區(qū)域間差異和超變密度)，從而能夠更加全面地揭示不同子群對總體區(qū)域差異的影響[19，20]。根據(jù)DAGUM的方法，基尼系數(shù)的測算公式如(2)式所示。

其中，G是總體基尼系數(shù)，yji是j地區(qū)內(nèi)任一省份i的面源污染排放量，yhr是h地區(qū)內(nèi)任一省份的面源污染排放量，是各省份面源污染排放量的平均值，n是省份的個數(shù)，k是地區(qū)劃分的個數(shù)，nj是j地區(qū)內(nèi)省份的個數(shù)，nh是h地區(qū)內(nèi)省份的個數(shù)，j、h為地區(qū)劃分個數(shù)，i、r為地區(qū)內(nèi)省份的個數(shù)。

在進行基尼系數(shù)分解時，需要依據(jù)地區(qū)內(nèi)農(nóng)業(yè)面源污染的均值對各地區(qū)進行排序，如公式(3)所示。

公式(4)、(5)分別表示j地區(qū)的基尼系數(shù)Gjj和地區(qū)內(nèi)差距的貢獻Gw，公式(6)、(7)分別表示j和h地區(qū)的地區(qū)間基尼系數(shù)Gjh和地區(qū)間凈值差距的貢獻Gnb，公式(8)表示超變密度的貢獻Gt，公式(9)表示j、h地區(qū)農(nóng)業(yè)面源污染排放的相對影響Djh。按照DAGUM[19]的基尼系數(shù)分解方法，可以將基尼系數(shù)分解為三個部分:地區(qū)內(nèi)差距的貢獻Gw、地區(qū)間凈值差距的貢獻Gnb、超變密度(Intensity of Transvariation)的貢獻Gt，以上三部分之間的關系滿足 G＝Gw＋Gnb＋Gt。

公式(10)和公式(11)分別用來計算j、h地區(qū)中所有yji－yhr＞0樣本值加總的數(shù)學期望djh和所有yhr－yji＞0樣本值加總的數(shù)學期望pjh。

其中，F(xiàn)j、Fh分別為j地區(qū)和h地區(qū)的累積密度分布函數(shù)。

3.2 地區(qū)差異測度及其分解結(jié)果

根據(jù)DAGUM基尼系數(shù)的測算方法，分別測算了中國31個省份農(nóng)業(yè)面源污染三個指標的總體基尼系數(shù)、三大地區(qū)①三大地區(qū)分為東部地區(qū)、中部地區(qū)和西部地區(qū)。其中，東部地區(qū)包括北京、天津、河北、遼寧、山東、江蘇、浙江、上海、福建、廣東、海南11個??；中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南8個??；西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆、西藏12個省。基尼系數(shù)和地區(qū)間的基尼系數(shù)，按照基尼系數(shù)的子群分解方法將總體基尼系數(shù)分解為地區(qū)內(nèi)基尼系數(shù)的貢獻、地區(qū)間基尼系數(shù)的貢獻和超變密度的貢獻并測算了各來源的貢獻率，表3至表5分別報告了COD、TN和TP的基尼系數(shù)測度及分解結(jié)果。

表3 COD的地區(qū)差異測度及分解

續(xù)表3

從COD、TN和TP三項指標的總體基尼系數(shù)來看(圖5)，樣本考察期內(nèi)除2006年COD的總體基尼系數(shù)高于TN和TP外，2001－2005年及2007－2015年間，TP的總體基尼系數(shù)皆為最大(0.454 2)①括號內(nèi)數(shù)據(jù)為均值。下同。，樣本考察期內(nèi)平均變化率為－0.048 6%。其次是TN的總體基尼系數(shù)(0.412 8)，平均變化率為－0.445 5%，而COD的總體基尼系數(shù)最小(0.411 9)，平均變化率為－0.245 3%。由此可得，從整體來看，中國農(nóng)業(yè)面源污染的三項指標中TP的地區(qū)差異最大，TN次之，COD的地區(qū)差異最小。根據(jù)表3我們可以看出，三大地區(qū)中東部地區(qū)COD的基尼系數(shù)最大(0.494 6)，西部地區(qū)次之(0.364 0)，中部地區(qū)最小(0.304 6)，說明三大地區(qū)中東部地區(qū)COD的差異最大；從地區(qū)間基尼系數(shù)來看，東部和西部之間COD的基尼系數(shù)最大(0.451 9)，且呈減小趨勢，東部和中部次之(0.434 2)，中部和西部最小(0.374 4)，表明東部和西部地區(qū)之間的差異最大，且差異在逐漸縮?。粡呢暙I率來看，樣本考察期內(nèi)超變密度的貢獻率(0.199 3)均高于地區(qū)內(nèi)貢獻率(0.131 3)和地區(qū)間貢獻率(0.081 3)，由此我們可以得出，超變密度是COD總體差異的主要來源，地區(qū)間差異的貢獻最小。此外，從表3中我們還可以看出，樣本考察期內(nèi)超變密度的貢獻率呈波動上升的態(tài)勢，表明各地區(qū)存在交叉重疊的情況。

圖5 農(nóng)業(yè)面源污染總體地區(qū)差異的演變趨勢

根據(jù)表4，從三大地區(qū)TN的基尼系數(shù)來看，東部地區(qū)的基尼系數(shù)(0.473 7)大于西部地區(qū)(0.302 0)和中部地區(qū)(0.286 0)的基尼系數(shù)，說明東部地區(qū)TN的差異最大，西部次之，中部地區(qū)的差異最小；從地區(qū)間基尼系數(shù)來看，東部和西部TN的基尼系數(shù)最大(0.491 2)且在樣本期內(nèi)呈下降趨勢，東部和中部次之(0.410 7)，中部和西部的基尼系數(shù)最小(0.376 6)，說明雖然東部和西部之間的差異最大，但是差異在不斷縮??；從貢獻率來看，超變密度的貢獻率(0.164 3)要高于地區(qū)內(nèi)貢獻率(0.124 8)和地區(qū)間貢獻率(0.123 7)，表明超變密度是TN地區(qū)差異的主要來源。表5報告了TP的地區(qū)差異測度及分解結(jié)果，從三大地區(qū)來看，東部地區(qū)的基尼系數(shù)(0.499 2)高于西部地區(qū)(0.368 2)和中部地區(qū)(0.335 4)，說明東部地區(qū)的差異最大，樣本考察期內(nèi)平均變化率為0.204 5%；從地區(qū)間基尼系數(shù)來看，東部和西部之間的基尼系數(shù)最大(0.502 7)且在樣本期間呈減小趨勢，中部和西部地區(qū)次之(0.481 4)，東部和中部最小(0.443 1)，說明東部和西部地區(qū)之間的差異最大；從貢獻率來看，地區(qū)間的貢獻率(0.172 8)最大，超變密度貢獻率(0.147 6)次之，地區(qū)內(nèi)貢獻率最小(0.133 8)，表明地區(qū)間貢獻是TN總體差異的主要來源。此外，超變密度也是TN總體差異的一個重要來源。

表4 TN的地區(qū)差異測度及分解

表5 TP的地區(qū)差異測度及分解

續(xù)表5

4 中國農(nóng)業(yè)面源污染的分布動態(tài)演進

本文采用非參數(shù)估計中的KERNEL密度估計方法①非參數(shù)KERNEL密度估計的基礎是KERNEL函數(shù)，詳見文獻[21]。進一步考察中國農(nóng)業(yè)面源污染的分布動態(tài)演進規(guī)律。KERNEL密度估計方法有以下兩個優(yōu)點:第一，可以刻畫整體形態(tài)；第二，可以通過對不同時間的對比分析，綜合考察動態(tài)演進特征。鑒于此，繪制了2001年、2005年、2011年和2015年COD、TN和TP的KERNEL密度圖，如圖6至圖8。

4.1 COD的分布動態(tài)演進

從圖6可以看出，中國農(nóng)業(yè)面源污染COD排放量這一指標的分布動態(tài)呈以下特征:第一，從整體來看，2001－2015年中國農(nóng)業(yè)面源污染COD排放量的KERNEL密度函數(shù)中心點稍微往右偏移，說明COD的排放量呈小幅上升態(tài)勢，農(nóng)業(yè)面源污染逐漸加重。第二，樣本考察期內(nèi)COD這一指標KERNEL函數(shù)的峰值降低，說明2001－2015年中國農(nóng)業(yè)面源污染COD這一指標的極化程度降低，即31個省份農(nóng)業(yè)面源污染COD排放的分布越來越分散。第三，COD的KERNEL密度函數(shù)呈現(xiàn)出雙峰現(xiàn)象，說明2001－2015年中國農(nóng)業(yè)面源污染COD這一指標出現(xiàn)了明顯的兩極分化。第四，COD這一指標的KERNEL密度函數(shù)的右拖尾現(xiàn)象較為明顯且呈左移趨勢移，說明COD排放較高地區(qū)的排放量在減少。

圖6 COD的分布動態(tài)演進

4.2 TN的分布動態(tài)演進

根據(jù)圖7，可以看出TN的分布動態(tài)呈現(xiàn)以下特征:第一，從整體來看，2015年中國農(nóng)業(yè)面源污染TN排放量的Kernel密度函數(shù)出現(xiàn)小幅度右移，說明2001－2015年TN的排放量呈小幅上升態(tài)勢，農(nóng)業(yè)面源污染的狀況稍有惡化。第二，樣本考察期內(nèi)TN這一指標KERNEL函數(shù)的峰值有所下降，說明2001－2015年中國農(nóng)業(yè)面源污染TN這一指標的極化程度降低，即31個省份農(nóng)業(yè)面源污染TN排放的分布呈分散趨勢。第三，2001年TN的KERNEL密度函數(shù)呈現(xiàn)出雙峰現(xiàn)象，說明2001年中國農(nóng)業(yè)面源污染TN這一指標出現(xiàn)了明顯的兩極分化。第四，無論2001－2015年TN排放量這一指標的KERNEL密度函數(shù)均呈現(xiàn)明顯的右拖尾現(xiàn)象，說明仍存在相當一部分省份TN的排放量較高。

圖7 TN的分布動態(tài)演進

4.3 TP的分布動態(tài)演進

圖8刻畫了中國年農(nóng)業(yè)面源污染TP排放這一指標的分布動態(tài)演進情況。根據(jù)圖8，我們可以發(fā)現(xiàn)TP的分布動態(tài)呈現(xiàn)以下規(guī)律:第一，從整體來看，2015年中國農(nóng)業(yè)面源污染TP這一指標的KERNEL密度函數(shù)中心點出現(xiàn)小幅度右移，說明樣本考察期內(nèi)TP的排放量小幅度增加，由TP排放引起的農(nóng)業(yè)面源污染稍有加重。第二，TP這一指標KERNEL函數(shù)的峰值下降，說明2001－2015年中國農(nóng)業(yè)面源污染TP這一指標的極化程度降低，即31個省份農(nóng)業(yè)面源污染TP排放的分布越來越分散。第三，2001－2015年TP的KERNEL密度函數(shù)呈現(xiàn)出雙峰現(xiàn)象，說明樣本考察期內(nèi)農(nóng)業(yè)面源污染TP這一指標呈現(xiàn)出明顯的兩極分化現(xiàn)象。第四，TP這一指標的KERNEL密度函數(shù)的右拖尾現(xiàn)象較為明顯，這說明還存在相當一部分省份TP的排放量較高。

圖8 TP的分布動態(tài)演進

綜上所述，中國農(nóng)業(yè)面源污染的COD、TN和TP這三項指標的分布動態(tài)演進皆呈現(xiàn)以下特征:KERNEL密度函數(shù)中心點小幅度右移，說明農(nóng)業(yè)面源污染存在加重趨勢；COD和TP的Kernel密度動態(tài)演進都表現(xiàn)出明顯的雙峰現(xiàn)象，說明中國農(nóng)業(yè)面源污染出現(xiàn)了明顯的兩極分化；三項指標的KERNEL密度動態(tài)演進都出現(xiàn)較為明顯的右拖尾現(xiàn)象，說明存在相當一部分省份的農(nóng)業(yè)面源污染狀況較嚴重，如山東、河南、四川、江蘇等農(nóng)業(yè)大省的農(nóng)業(yè)面源污染排放量明顯高于青海、西藏、寧夏、山西等省份。

5 結(jié)論與政策啟示

本文首先在測算中國31個省份2001－2015年農(nóng)業(yè)面源污染COD、TN、TP排放量和排放強度的基礎上，借助ArcGIS平臺對中國農(nóng)業(yè)面源污染的空間分布及其演變趨勢進行可視化描述。其次，采用DAGUM基尼系數(shù)方法對中國農(nóng)業(yè)面源污染的地區(qū)差異進行測度及分解。最后，采用KERNEL密度估計方法揭示出中國農(nóng)業(yè)面源污染的分布動態(tài)演進規(guī)律。研究發(fā)現(xiàn):(1)從2001年和2015年中國農(nóng)業(yè)面源污染的空間分布格局來看，中國農(nóng)業(yè)面源污染呈現(xiàn)出明顯的空間非均衡特征，污染較嚴重的地區(qū)主要集中在山東、河南、四川等農(nóng)業(yè)大省。從空間演變趨勢來看，中國農(nóng)業(yè)面源污染在東西方向上呈東西低中部高的態(tài)勢，在南北方向上呈南北低中部高的態(tài)勢。(2)DAGUM基尼系數(shù)的測算結(jié)果顯示，從三大地區(qū)來看，東部地區(qū)農(nóng)業(yè)面源污染的差異最大；從地區(qū)間來看，東部和西部地區(qū)農(nóng)業(yè)面源污染的差異最大；從貢獻率的測算結(jié)果可以發(fā)現(xiàn)，超變密度是中國農(nóng)業(yè)面源污染存在差異的主要來源。(4)KERNEL密度的估計結(jié)果表明農(nóng)業(yè)面源污染有加重的趨勢；COD和TP的KERNEL密度動態(tài)演進表現(xiàn)出雙峰現(xiàn)象，說明中國農(nóng)業(yè)面源污染出現(xiàn)了明顯的兩極分化；三項指標的KERNEL密度圖都呈現(xiàn)明顯的右拖尾現(xiàn)象，說明相當一部分省份的農(nóng)業(yè)面源污染狀況較嚴重。

中國作為一個農(nóng)業(yè)大國，在現(xiàn)階段經(jīng)濟從高速增長向中高速增長轉(zhuǎn)變的“新常態(tài)”下，面對嚴峻的農(nóng)業(yè)面源污染問題及資源約束趨緊的現(xiàn)狀，應將加快轉(zhuǎn)變經(jīng)濟發(fā)展方式、著力調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、增強綜合治污能力作為當前的重要任務?；谏鲜鲅芯拷Y(jié)論，本文提出以下政策建議:首先，中國農(nóng)業(yè)面源污染呈現(xiàn)明顯的空間非均衡特征，農(nóng)業(yè)越發(fā)達的省份面源污染問題越嚴重。因此，應針對不同地區(qū)農(nóng)業(yè)面源污染的嚴重程度，因地制宜，實行差別化的農(nóng)業(yè)面源污染治理政策。其次，中國農(nóng)業(yè)面源污染表現(xiàn)出顯著的空間相關性特征，因此應增強各區(qū)域的協(xié)同治污能力，與周圍地區(qū)加強合作，共同致力于農(nóng)業(yè)面源污染的治理。再次，東部地區(qū)和西部地區(qū)之間的農(nóng)業(yè)面源污染差異最大，超變密度是中國農(nóng)業(yè)面源污染問題的主要來源。因此，政府在制定政策的過程中應充分考慮東部、中部和西部地區(qū)的經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)及農(nóng)業(yè)技術水平等因素，確保農(nóng)業(yè)面源污染治理政策的合理制定。樣本考察期內(nèi)中國農(nóng)業(yè)面源污染呈加重趨勢且表現(xiàn)出明顯的兩極分化現(xiàn)象。因此，應加大對農(nóng)業(yè)面源污染較嚴重地區(qū)的技術支持及資金投入，促進農(nóng)業(yè)技術進步，提高農(nóng)業(yè)資源利用效率，科學合理地抑制農(nóng)業(yè)面源污染進一步加重的趨勢。此外，在現(xiàn)階段推行農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革的背景下，應著力提升農(nóng)業(yè)全要素生產(chǎn)率，采取農(nóng)業(yè)經(jīng)濟發(fā)展數(shù)量和質(zhì)量同時并舉的戰(zhàn)略方針，努力把農(nóng)業(yè)建設成為美麗中國的“生態(tài)屏障”，為加快推進生態(tài)文明建設做出更大貢獻。

[1]DENNIS L，CORWIN K.Non－point Pollution Modeling Based on GIS[J].Soil and Water Conservation，1998(1):75－88.

[2]CHOWDARY V M， RAO N H， SARMA P B S.Decision Support Framework for Assessment of Non－point－source Pollution of Groundwater in Large Irrigation Projects[J].Agricultural Water Management.2005， 75(3):194－225.

[3]DUNCAN R.Regulating Agricultural Land Use to Manage Water Quality:The Challenges for Science and Policy in Enforcing Limits on Non－point－source Pollution in New Zealand[J].Land Use Policy，2014， 41(41):378－387.

[4]饒靜，許翔宇，紀曉婷.我國農(nóng)業(yè)面源污染現(xiàn)狀、發(fā)生機制和對策研究[J].農(nóng)業(yè)經(jīng)濟問題，2011(8):81－87.

[5]李秀芬，朱金兆，顧曉君，等.農(nóng)業(yè)面源污染現(xiàn)狀與防治進展[J].中國人口·資源與環(huán)境，2010，20(4):81－84.

[6]張暉，胡浩.農(nóng)業(yè)面源污染的環(huán)境庫茲涅茨曲線驗證——基于江蘇省時序數(shù)據(jù)的分析[J].中國農(nóng)村經(jīng)濟，2009(4):48－53.

[7]李海鵬，張俊飚.中國農(nóng)業(yè)面源污染與經(jīng)濟發(fā)展關系的實證研究[J].長江流域資源與環(huán)境，2009，18(6):585－590.

[8]陳敏鵬，陳吉寧，賴斯蕓.中國農(nóng)業(yè)和農(nóng)村污染的清單分析與空間特征識別[J].中國環(huán)境科學，2006，26(6):751－755.

[9]葛繼紅，周曙東.農(nóng)業(yè)面源污染的經(jīng)濟影響因素分析[J].中國農(nóng)村經(jīng)濟，2011(5):72－81.

[10]賴斯蕓，杜鵬飛，陳吉寧.基于單元分析的非點源污染調(diào)查評估方法[J].清華大學學報(自然科學版)，2004，44(9):1184－1187.

[11]GROSSMAN G M，KRUEGER A B.Environmental Impacts of a North American Free Trade Agreement[J].Social Science Electronic Publishing， 1992， 8(2):223－250.

[12]梁流濤.農(nóng)村生態(tài)環(huán)境時空特征及其演變規(guī)律研究[D].南京:南京農(nóng)業(yè)大學，2009.

[13]潘丹.考慮資源環(huán)境因素的中國農(nóng)業(yè)生產(chǎn)率研究[D].南京:南京農(nóng)業(yè)大學，2012.

[14]李谷成.中國農(nóng)業(yè)綠色生產(chǎn)率革命:1978－2008年[J].經(jīng)濟學，2014，13(2):537－558.

[15]張宏艷.發(fā)達地區(qū)農(nóng)村面源污染的經(jīng)濟學研究[M].北京:經(jīng)濟科學出版社，2006.

[16]賴斯蕓.非點源調(diào)查評估方法及其應用研究[D].北京:清華大學，2004.

[17]張大弟，章家騏.上海市郊區(qū)非點源污染綜合調(diào)查評價[J].上海農(nóng)業(yè)學報，1997(1):31－36.

[18]潘丹，應瑞瑤.資源環(huán)境約束下的中國農(nóng)業(yè)全要素生產(chǎn)率增長研究[J].資源科學，2013，35(7):1329－1338.

[19]DAGUM，C.A new Approach to the Decomposition of the Gini Income Inequality Ratio[J]，Empirical Economics，1997，22(4):515－531.

[20]劉夏明，魏英琪，李國平.收斂還是發(fā)散?[J].經(jīng)濟研究，2004(7):70－81.

[21]LI Q， RACINE J S.Nonparametric Econometrics:Theory and Practice[M].Princeton University Press，2007.

Regional Disparity and Distributional Dynamics of China Agricultural NPS:from 2001 to 2015

YANG Qian， WANG Hongru， QIN Wenjin
(School of Public Management，Shandong University of Finance and Economics，Jinan250014，China)

In order to reveal the temporal and spatial distribution characteristics of China agricultural non－point pollution(NPS)and investigate the origin and dynamic evolution law of regional disparity， this paper， based on the measurement of 31 provinces'agricultural NPS emission from 2001 to 2015，visually describes the spatial distribution and spatial tendency of agricultural NPS，and empirically investigates the regional disparity and dynamic evolution law of China agricultural NPS by adotping Dagum Gini coefficient and Kernel density estimation method.The results show that China agricultural NPS presents a characteristic of obvious spatial non－equilibrium with the most polluted areas mainly distributed in Shandong， Henan， Sichuan and other major agricultural provinces； in terms of regional disparity， the disparity between eastern and western regions is the largest while the super－variable density is the main source of regional agricultural NPS disparity； and in terms of dynamic distributional evolution law，China agricultural NPS presents a trend of gradual increase and an obvious spatial polarization.All these conclusions are of great significance to China sustainable agriculture development.

NPS； inventory analysis； DAGUM gini coefficient； KERNEL density estimation

F323

A

2095－929X(2017)05－0001－13

(責任編輯時明芝)

2017－05－17

國家社會科學基金青年項目“資源環(huán)境約束下農(nóng)業(yè)用水效率評價及提升路徑研究”(15CGL041)；山東省高校人文社會科學研究項目“資源環(huán)境約束下山東省工業(yè)用水效率的測度及提升對策研究”(J16YE06)；山東財經(jīng)大學研究生創(chuàng)新項目“中國農(nóng)業(yè)面源污染的時空格局及地區(qū)差異研究”。

楊騫，女，山東泗水人，經(jīng)濟學博士，山東財經(jīng)大學公共管理學院副教授，研究方向:區(qū)域經(jīng)濟、能源經(jīng)濟和資源環(huán)境經(jīng)濟，Email:yangqian4787＠sina.com；王弘儒，女，山東即墨人，山東財經(jīng)大學公共管理學院碩士生，研究方向:資源環(huán)境經(jīng)濟、農(nóng)業(yè)經(jīng)濟和公共政策；秦文晉，女，山東菏澤人，山東財經(jīng)大學公共管理學院碩士生，研究方向:資源環(huán)境經(jīng)濟和公共政策。