孫詩階，許 朗，陳 杰

（南京農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，南京210000）

0 引言

長江經(jīng)濟(jì)帶橫跨我國東中西三大區(qū)域，包括江蘇、上海、湖北、四川等11 個省市，總面積約205.23 萬km2，生產(chǎn)總值和人口總量均占全國40%以上。在農(nóng)業(yè)方面，長江經(jīng)濟(jì)帶同樣是我國重要的糧油、畜禽和水產(chǎn)品主產(chǎn)區(qū)，以全國約1/3 的耕地養(yǎng)育著超四成的人口，在中國農(nóng)業(yè)發(fā)展戰(zhàn)略中占據(jù)著舉足輕重的地位。2016年9月，《長江經(jīng)濟(jì)帶發(fā)展規(guī)劃綱要》正式印發(fā)，綱要中的“堅持生態(tài)優(yōu)先、綠色發(fā)展”、“嚴(yán)格控制農(nóng)業(yè)面源污染”等要求為新時期長江經(jīng)濟(jì)帶農(nóng)業(yè)發(fā)展指明方向。水是農(nóng)業(yè)生命之源，科學(xué)分析農(nóng)業(yè)水污染狀況，探究區(qū)域內(nèi)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)水污染之間的關(guān)系，對于推進(jìn)長江經(jīng)濟(jì)帶高質(zhì)量發(fā)展建設(shè)具有重要意義。

灰水足跡概念最早是由Hoekstra 等[1]于2008年提出，定義為以自然本底濃度和環(huán)境現(xiàn)有水質(zhì)標(biāo)準(zhǔn)為基準(zhǔn)，將污染物稀釋至特定水質(zhì)標(biāo)準(zhǔn)所需要的淡水資源量?；宜阚E由最關(guān)鍵的污染物，即造成灰水足跡最大的污染物決定。國內(nèi)外學(xué)者圍繞灰水足跡展開了大量的研究，研究方向主要集中在以下3個方面：一是灰水足跡測算方法改進(jìn)，涉及工業(yè)、農(nóng)業(yè)等領(lǐng)域[2,3]；二是特定產(chǎn)品灰水足跡計算評價[4,5]；三是區(qū)域灰水足跡測算以及基于此的水資源利用發(fā)展評價，研究范圍涉及省際、流域、國家等多個層面[6,7]?；宜阚E是一種對水污染狀態(tài)進(jìn)行評價的有效手段。正確評價水污染狀態(tài)，不僅關(guān)乎生態(tài)安全，也關(guān)乎經(jīng)濟(jì)發(fā)展，對此，許多學(xué)者使用脫鉤理論對污染狀態(tài)與經(jīng)濟(jì)增長之間的關(guān)系展開進(jìn)一步研究。脫鉤理論是用于分析資源消耗或污染排放與經(jīng)濟(jì)增長之間關(guān)系的理論，定義脫鉤為經(jīng)濟(jì)發(fā)展過程中環(huán)境壓力和經(jīng)濟(jì)驅(qū)動力的復(fù)鉤關(guān)系發(fā)生破裂的現(xiàn)象[8]。學(xué)術(shù)界關(guān)于脫鉤理論的研究主要集中在兩方面，一是對脫鉤概念及其評價指標(biāo)的拓展延伸[9,10]。二是基于脫鉤理論的實證分析研究[11-14]。在水足跡理論與脫鉤理論的結(jié)合研究中，孫付華等[15]通過構(gòu)建擴(kuò)展的水足跡-LMDI 模型，對2007-2017年江蘇省水資源利用情況和與經(jīng)濟(jì)的脫鉤關(guān)系進(jìn)行分析；高甜等[16]基于水足跡理論測算中國中部地區(qū)各省份水足跡與水資源利用效率，并對二者之間的脫鉤關(guān)系進(jìn)行探究，發(fā)現(xiàn)隨時間推移中部地區(qū)水資源與經(jīng)濟(jì)社會發(fā)展關(guān)系趨于良好，逐漸適應(yīng)當(dāng)前國家高質(zhì)量發(fā)展要求。

灰水足跡為研究真實水污染狀況提供新視角，其與脫鉤理論的有機(jī)結(jié)合也在水環(huán)境質(zhì)量綜合評價、綠色經(jīng)濟(jì)發(fā)展研究等方面做出有益貢獻(xiàn)，但已有研究多局限于對環(huán)境與經(jīng)濟(jì)脫鉤狀態(tài)的客觀性描述，涉及脫鉤狀態(tài)背后影響因素的研究較少。此外，長江流域水產(chǎn)養(yǎng)殖業(yè)養(yǎng)殖面積、產(chǎn)量及產(chǎn)值常年占全國總量半數(shù)以上，但鮮有對該區(qū)域水產(chǎn)養(yǎng)殖業(yè)灰水足跡的相關(guān)研究[17,18]。基于此，本文以長江經(jīng)濟(jì)帶11 省市作為研究區(qū)域，將水產(chǎn)養(yǎng)殖業(yè)納入農(nóng)業(yè)灰水足跡核算范圍，從灰水足跡視角構(gòu)建農(nóng)業(yè)水污染與經(jīng)濟(jì)增長脫鉤分析框架，并從技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)水平和勞動力規(guī)模4個方面對二者脫鉤關(guān)系演變特征及內(nèi)在驅(qū)動因素進(jìn)行研究，旨在為制定適宜的農(nóng)業(yè)水資源管理政策提供信息參考，以促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)與水資源環(huán)境的協(xié)調(diào)發(fā)展，推動長江經(jīng)濟(jì)帶農(nóng)業(yè)農(nóng)村綠色發(fā)展。

1 研究方法與數(shù)據(jù)來源

1.1 農(nóng)業(yè)灰水足跡測算

農(nóng)業(yè)灰水足跡包含種植業(yè)灰水足跡、畜禽養(yǎng)殖業(yè)灰水足跡和水產(chǎn)養(yǎng)殖業(yè)灰水足跡三部分，計算公式為：

式中:GWF為農(nóng)業(yè)灰水足跡,m3;GWFpla、GWFbre、GWFfis分別為種植業(yè)、畜禽養(yǎng)殖業(yè)和水產(chǎn)養(yǎng)殖業(yè)灰水足跡,m3。

1.1.1 種植業(yè)灰水足跡

選擇TN、TP 作為污染物，假定氮肥、磷肥中的污染物以固定比例滲入水體產(chǎn)生灰水足跡，種植業(yè)灰水足跡計算公式為：

其中：

式中:GWFpla、GWFpla(i)分別為種植業(yè)灰水足跡和種植業(yè)中第i種污染物造成的灰水足跡，m3；Lpla(i)為第i種污染物排放負(fù)荷，kg；Appl為化肥施用折純量，kg；α為污染物流失系數(shù)；Cnat、Cmax分別為受納水體的初始濃度和水質(zhì)環(huán)境標(biāo)準(zhǔn)情況下污染物的最高濃度，mg/L。

1.1.2 畜禽養(yǎng)殖業(yè)灰水足跡

選擇COD、TN、TP 作為污染物，選取具有代表性的豬、牛、羊、家禽作為畜禽養(yǎng)殖業(yè)污染排放考量對象，為避免重復(fù)計算，飼養(yǎng)周期小于1年的動物(豬、家禽)數(shù)量以年末出欄量衡量，飼養(yǎng)周期大于等于1年的動物數(shù)量(牛、羊)以年末存欄量衡量，畜禽養(yǎng)殖業(yè)灰水足跡計算公式為：

其中:

式中:GWFbre、GWFbre(i)分別為畜禽養(yǎng)殖業(yè)灰水足跡和養(yǎng)殖過程中第i種污染物造成的灰水足跡，m3；Lbre(i)為第i種污染物的污染負(fù)荷，kg；j為4 種測算畜禽；Nj、Dj、pj、qj分別為第j種禽畜的飼養(yǎng)數(shù)量、飼養(yǎng)周期以及日均糞便、尿液排放量，kg/d；mjp、mjq分別為第j種禽畜單位糞便和單位尿液的污染物含量，kg/t；njp、njq分別為第j種禽畜單位糞便和單位尿液的污染物流失系數(shù)；Rj為第j種禽畜排泄物回收處理率。

1.1.3 水產(chǎn)養(yǎng)殖業(yè)灰水足跡

已有關(guān)于農(nóng)業(yè)灰水足跡的研究大多忽略水產(chǎn)養(yǎng)殖業(yè)，但由于水產(chǎn)養(yǎng)殖活動會遺留下大量未消化飼料、糞便等，直接造成水體污染，為準(zhǔn)確評估水產(chǎn)養(yǎng)殖業(yè)對農(nóng)業(yè)水環(huán)境造成的影響，有必要量化水產(chǎn)養(yǎng)殖活動中產(chǎn)生的灰水足跡，故本文在計算農(nóng)業(yè)灰水足跡時將水產(chǎn)養(yǎng)殖業(yè)考慮在內(nèi)。并且，目前少數(shù)關(guān)于水產(chǎn)養(yǎng)殖業(yè)灰水足跡的研究如童國平等[19]，將水產(chǎn)養(yǎng)殖品種粗略劃分為魚類、殼類和貝類計算灰水足跡，計算結(jié)果精確度不高。本文在前人研究的基礎(chǔ)上[3,19]對計算方法進(jìn)行改進(jìn)，測算對象細(xì)分至具體水產(chǎn)養(yǎng)殖品種，考慮到長江流域以淡水養(yǎng)殖為主，故選取35 種我國主要淡水水產(chǎn)養(yǎng)殖品種作為核算對象(見表1)，選擇COD、TN、TP、Cu、Zn 作為污染物，水產(chǎn)養(yǎng)殖業(yè)灰水足跡計算公式為：

表1 計算的35種淡水水產(chǎn)養(yǎng)殖品種Tab.1 35 freshwater aquaculture species calculated

式中：GWFfis、GWFfis(i)分別為水產(chǎn)養(yǎng)殖業(yè)灰水足跡和水產(chǎn)養(yǎng)殖過程中第i種污染物造成的灰水足跡，m3；Lfis(i)為第i種污染物的污染負(fù)荷，kg；j為測算的35 種水產(chǎn)養(yǎng)殖品種；Tj、pj分別為第j種水產(chǎn)品產(chǎn)量和排污系數(shù)。

1.2 灰水足跡與農(nóng)業(yè)經(jīng)濟(jì)增長脫鉤模型構(gòu)建

參照Tapio 脫鉤彈性方法，構(gòu)建衡量農(nóng)業(yè)水污染排放與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展脫鉤狀態(tài)的公式：

式中：e為農(nóng)業(yè)水污染排放脫鉤指數(shù)，反映農(nóng)業(yè)灰水足跡與農(nóng)業(yè)經(jīng)濟(jì)之間的變化關(guān)系；?GWF和?GDP分別為農(nóng)業(yè)灰水足跡和農(nóng)業(yè)生產(chǎn)總值的變化量；GWFt和GWF0分別是第t期和基期的農(nóng)業(yè)灰水足跡；GDPt和GDP0分別為第t期和基期的農(nóng)業(yè)生產(chǎn)總值。

根據(jù)Tapio 脫鉤評價體系，農(nóng)業(yè)灰水足跡與農(nóng)業(yè)經(jīng)濟(jì)增長之間的脫鉤狀態(tài)可劃分為以下幾種，如表2所示。

表2 農(nóng)業(yè)灰水足跡與經(jīng)濟(jì)增長脫鉤狀態(tài)分類Tab.2 Classification of decoupling status between agricultural grey water footprint and economic growth

1.3 脫鉤模型驅(qū)動效應(yīng)分解

為進(jìn)一步研究長江經(jīng)濟(jì)帶農(nóng)業(yè)水污染與經(jīng)濟(jì)增長脫鉤關(guān)系背后驅(qū)動因素，參考已有文獻(xiàn)[20-22]，利用LMDI 模型從農(nóng)業(yè)技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)水平、勞動力規(guī)模4個方面對農(nóng)業(yè)灰水足跡變化量進(jìn)行分解。

先將農(nóng)業(yè)灰水足跡計算公式進(jìn)行擴(kuò)展：

式中：GWF為農(nóng)業(yè)灰水足跡；GWFi為農(nóng)業(yè)中第i個子產(chǎn)業(yè)灰水足跡；GDP為農(nóng)業(yè)生產(chǎn)總值，GDPi為農(nóng)業(yè)中第i個子產(chǎn)業(yè)生產(chǎn)總值；P為第一產(chǎn)業(yè)從業(yè)人員數(shù)。

再對上式進(jìn)行整理，得到第t年農(nóng)業(yè)灰水足跡分解模型：

最后對灰水足跡變化進(jìn)行因素分解，農(nóng)業(yè)灰水足跡從基期到當(dāng)期的變化量可分解為：

式中：?GWF(T)、?GWF(S)、?GWF(E)、?GWF(P)分別表示造成農(nóng)業(yè)灰水足跡變化的技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)水平及勞動力規(guī)模效應(yīng)。

各驅(qū)動因素效應(yīng)具體表達(dá)式如下：

若某驅(qū)動因素效應(yīng)值大于零，表明該驅(qū)動因素對農(nóng)業(yè)灰水足跡變化起正向促進(jìn)作用；若小于零，則起抑制作用；若等于零，表明無影響。

1.4 數(shù)據(jù)來源

考慮到數(shù)據(jù)可獲得性等相關(guān)因素，選擇長江經(jīng)濟(jì)帶11 省市作為研究單元。氮肥、磷肥施用量數(shù)據(jù)取自各省市統(tǒng)計年鑒，氮肥、磷肥流失系數(shù)參考相關(guān)文獻(xiàn)做法，選取全國平均值7%[23,24]、6%[25,26]；畜禽養(yǎng)殖數(shù)量數(shù)據(jù)取自《中國畜牧獸醫(yī)年鑒》，畜禽飼養(yǎng)周期、糞便排泄量、污染物含量、污染物流失系數(shù)數(shù)據(jù)取自于《全國規(guī)?；笄蒺B(yǎng)殖業(yè)污染情況調(diào)查及防治對策》，畜禽排泄物回收處理率參考文獻(xiàn)[27]；淡水水產(chǎn)養(yǎng)殖品種產(chǎn)量數(shù)據(jù)取自《中國漁業(yè)統(tǒng)計年鑒》，淡水水產(chǎn)養(yǎng)殖品種排污系數(shù)取自《第一次全國污染源普查—水產(chǎn)養(yǎng)殖業(yè)污染源產(chǎn)排污系數(shù)手冊》；各類污染物收納水體初始濃度Cnat參考大部分研究取值為0，污染物排放最高濃度Cmax按照《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》中的III 類水質(zhì)標(biāo)準(zhǔn)；農(nóng)業(yè)及農(nóng)業(yè)子產(chǎn)業(yè)生產(chǎn)總值、第一產(chǎn)業(yè)從業(yè)人員數(shù)數(shù)據(jù)取自《中國農(nóng)村統(tǒng)計年鑒》，其中農(nóng)業(yè)生產(chǎn)總值數(shù)據(jù)按2000年不變價格進(jìn)行調(diào)整。

2 結(jié)果與分析

2.1 長江經(jīng)濟(jì)帶農(nóng)業(yè)灰水足跡時空變化

2.1.1 分省市農(nóng)業(yè)灰水足跡結(jié)果及時空分析

根據(jù)前述的方法數(shù)據(jù)得到2008-2019年長江經(jīng)濟(jì)帶11 省市的灰水足跡，由表3 可知，2008-2019年長江經(jīng)濟(jì)帶農(nóng)業(yè)灰水足跡呈先上升后下降的發(fā)展趨勢，2008-2014年持續(xù)上升，2014年達(dá)到研究期內(nèi)最大值20 653 億m3；此后開始逐年下降，2019年為17 479 億m3，是12年間最低值。自2015年農(nóng)業(yè)農(nóng)村部開展化肥農(nóng)藥零增長行動后，長江流域各省市積極探索農(nóng)業(yè)綠色發(fā)展新路徑，加快推廣科學(xué)施肥用藥技術(shù)，化肥農(nóng)藥使用量顯著減少、利用率提高，故農(nóng)業(yè)灰水足跡于2015年起開始持續(xù)下降。

表3 2008-2019年長江經(jīng)濟(jì)帶11省市農(nóng)業(yè)灰水足跡 億m3Tab.3 Agricultural grey water footprint of 11 provinces and cities in the Yangtze River Economic Belt from 2008 to 2019

由圖1可知，空間上長江經(jīng)濟(jì)帶農(nóng)業(yè)灰水足跡地域上呈現(xiàn)出農(nóng)業(yè)大省、人口大省較大的特征。其中，四川、湖北等省市年均農(nóng)業(yè)灰水足跡明顯高于長江經(jīng)濟(jì)帶平均水平，上海、浙江等省市農(nóng)業(yè)灰水足跡顯著低于平均水平。

圖1 2008、2012、2016、2019四年長江經(jīng)濟(jì)帶11省市農(nóng)業(yè)灰水足跡分布圖Fig.1 Distribution map of agricultural grey water footprint in 11 provinces and cities in the Yangtze River Economic Belt in 2008,2012,2016 and 2019

2.1.2 分產(chǎn)業(yè)農(nóng)業(yè)灰水足跡結(jié)果及時空分析

由表4可知，在長江經(jīng)濟(jì)帶農(nóng)業(yè)灰水足跡結(jié)構(gòu)中，畜禽養(yǎng)殖業(yè)與種植業(yè)兩者占比相近，分別為50.61%和46.37%，年平均值為9 975 和9 139 億m3，水產(chǎn)養(yǎng)殖業(yè)占比最小，約3.02%，年平均值為595 億m3?？偭孔兓?，種植業(yè)灰水足跡在前期表現(xiàn)平穩(wěn)，自2012年起開始逐漸下降；畜禽養(yǎng)殖業(yè)灰水足跡呈現(xiàn)先上升后下降的總體趨勢，在2015年達(dá)到“拐點”；水產(chǎn)養(yǎng)殖業(yè)則除2017、2018年略有下降外，其余年份均在增長。占比變化上，種植業(yè)灰水足跡總體是下降的，由期初的49.03%下降至期末的40.3%；與之相反，畜禽養(yǎng)殖業(yè)灰水足跡占比在上升，2008年為48.72%，2020年為55.62%；水產(chǎn)養(yǎng)殖業(yè)灰水足跡雖然總量很小，但占農(nóng)業(yè)灰水足跡比例持續(xù)上升，從2008年的2.25%到2020年的4.07%增加近一倍。

表4 2008-2019年長江經(jīng)濟(jì)帶種植業(yè)、畜禽養(yǎng)殖業(yè)、水產(chǎn)養(yǎng)殖業(yè)灰水足跡及占比Tab.4 The grey water footprint and proportion of planting,animal husbandry,and aquaculture industries in the Yangtze River Economic Belt from 2008 to 2019

由表5可知，具體到沿江各省市，中下游省份如江蘇、湖北等種植業(yè)灰水足跡高于畜禽養(yǎng)殖業(yè)，另一些上游省份則相反，原因是這些省份如四川、云南等畜禽養(yǎng)殖業(yè)發(fā)展態(tài)勢良好，養(yǎng)殖數(shù)量、產(chǎn)值等常年居于全國前列。研究還發(fā)現(xiàn)，TN、TP 是造成長江經(jīng)濟(jì)帶農(nóng)業(yè)灰水足跡的兩種主要污染物，種植業(yè)中，上海、浙江兩省市決定性污染物為TN，其余省市為TP；畜禽養(yǎng)殖業(yè)中，江蘇、浙江兩省份決定性污染物為TP，其余省市為TN；水產(chǎn)養(yǎng)殖業(yè)中，上海、江蘇兩省份決定性污染物為TP，其余省市為TN。在長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)管理中，各級地方政府應(yīng)因地制宜，抓主要矛盾，有針對性制定關(guān)于特定污染物的減排策略。

表5 長江經(jīng)濟(jì)帶11省市種植業(yè)、畜禽養(yǎng)殖業(yè)、水產(chǎn)養(yǎng)殖業(yè)年均灰水足跡及決定性污染物 億m3Tab.5 Annual average grey water footprint and decisive pollutants of planting,animal husbandry and aquaculture in 11 provinces and cities in the Yangtze River Economic Belt

2.2 長江經(jīng)濟(jì)帶農(nóng)業(yè)灰水足跡與經(jīng)濟(jì)脫鉤關(guān)系

2.2.1 整體脫鉤關(guān)系分析

構(gòu)建Tapio 脫鉤理論模型計算得出2008-2019年長江經(jīng)濟(jì)帶農(nóng)業(yè)灰水足跡與經(jīng)濟(jì)增長之間的脫鉤指數(shù)，并按照八種劃分評價農(nóng)業(yè)經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)水環(huán)境之間的協(xié)調(diào)狀態(tài)。由表6可知，2008-2019年長江經(jīng)濟(jì)帶農(nóng)業(yè)經(jīng)濟(jì)增長和水污染排放主要有兩種關(guān)系狀態(tài)：前期的弱脫鉤與擴(kuò)張性負(fù)脫鉤，以及后期的強(qiáng)脫鉤狀態(tài)。

表6 長江經(jīng)濟(jì)帶2008-2019年農(nóng)業(yè)灰水足跡與經(jīng)濟(jì)增長脫鉤指數(shù)及評價Tab.6 Decoupling index and evaluation of agricultural grey water footprint and economic growth in the Yangtze River Economic Belt,2008-2019

2008-2014年，長江經(jīng)濟(jì)帶除2008-2009、2013-2014年為擴(kuò)張性負(fù)脫鉤狀態(tài)，其他年份均為弱脫鉤狀態(tài)。擴(kuò)張性負(fù)脫鉤狀態(tài)表明農(nóng)業(yè)水污染排放和農(nóng)業(yè)經(jīng)濟(jì)都在增長，但水污染排放量的增速要顯著快于農(nóng)業(yè)經(jīng)濟(jì)的增速；弱脫鉤是農(nóng)業(yè)水污染排放和農(nóng)業(yè)經(jīng)濟(jì)都在增長，但水污染排放量的增速要明顯低于農(nóng)業(yè)經(jīng)濟(jì)的增速，兩者均反映較不理想的發(fā)展?fàn)顟B(tài)。從協(xié)調(diào)程度上來說，弱脫鉤要優(yōu)于擴(kuò)張性負(fù)脫鉤。

2014-2019年長江經(jīng)濟(jì)帶均為強(qiáng)脫鉤狀態(tài)。強(qiáng)脫鉤是指農(nóng)業(yè)經(jīng)濟(jì)增長的同時伴隨著農(nóng)業(yè)水污染排放的減少，這說明經(jīng)濟(jì)增長不再依賴污染排放的增加，被視為經(jīng)濟(jì)與資源利用最理想發(fā)展?fàn)顟B(tài)。2014年《關(guān)于依托黃金水道推動長江經(jīng)濟(jì)帶發(fā)展的指導(dǎo)意見》印發(fā)，提出了嚴(yán)格控制和治理長江水污染，強(qiáng)化沿江生態(tài)保護(hù)和修復(fù)的要求。沿江各省市加強(qiáng)對農(nóng)業(yè)生產(chǎn)環(huán)境治理，污染產(chǎn)排管控也日趨嚴(yán)格，實現(xiàn)了保障農(nóng)業(yè)經(jīng)濟(jì)平穩(wěn)增長、持續(xù)向好的同時，農(nóng)業(yè)水污染排放顯著減少，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)用水環(huán)境因此轉(zhuǎn)為最優(yōu)協(xié)調(diào)發(fā)展?fàn)顟B(tài)。

2.2.2 分省市脫鉤程度分析

由于脫鉤理論更注重脫鉤過程的趨勢性，短周期并不能有效體現(xiàn)脫鉤作用[28]。為了更好的了解沿江省市不同時期農(nóng)業(yè)水污染與經(jīng)濟(jì)增長之間的關(guān)系，參考相關(guān)研究做法[16,29]，進(jìn)一步劃分2008-2011年、2012-2015年和2016-2019年3 個時間階段對11省市的脫鉤關(guān)系進(jìn)行計算，結(jié)果見表7。

表7 長江經(jīng)濟(jì)帶11省市2008-2019年農(nóng)業(yè)灰水足跡與經(jīng)濟(jì)增長脫鉤指數(shù)及評價Tab.7 Decoupling index and evaluation of agricultural grey water footprint and economic growth in 11 provinces and cities in the Yangtze River Economic Belt,2008-2019

2008-2019年長江經(jīng)濟(jì)帶11 省市農(nóng)業(yè)生產(chǎn)總值一直在正向增長，即農(nóng)業(yè)生產(chǎn)總值年際變化率均為正，此時脫鉤數(shù)值主要取決于農(nóng)業(yè)灰水足跡年際變化率。若農(nóng)業(yè)灰水足跡年際變化率小于零，則脫鉤類型為強(qiáng)脫鉤；若灰水足跡年際變化率大于零，脫鉤類型根據(jù)數(shù)值不同由小到大可劃分為弱脫鉤、擴(kuò)張連接和擴(kuò)張性負(fù)脫鉤3 種。在這4 種脫鉤類型中，數(shù)值越小表明協(xié)調(diào)程度越高。

由表6可知，2008-2011年11省市以弱脫鉤為主，只有上海、浙江、貴州三省市為強(qiáng)脫鉤，協(xié)調(diào)程度最優(yōu)的省份為上海，脫鉤數(shù)值為-0.8，協(xié)調(diào)程度最低省市為江西省，脫鉤數(shù)值為0.59；2012-2015年，江蘇、安徽等4 省份實現(xiàn)弱脫鉤狀態(tài)向強(qiáng)脫鉤狀態(tài)轉(zhuǎn)變，但也有部分省份如云南、貴州協(xié)調(diào)程度降低。此階段協(xié)調(diào)程度最優(yōu)的省份為湖北省，脫鉤數(shù)值為-16.67，協(xié)調(diào)程度最低省份為云南省，脫鉤數(shù)值為1.54；步入“十三五”，“生態(tài)優(yōu)先、綠色發(fā)展”新發(fā)展理念引領(lǐng)推動長江經(jīng)濟(jì)帶高質(zhì)量發(fā)展，農(nóng)業(yè)經(jīng)濟(jì)增長的同時農(nóng)業(yè)水環(huán)境明顯改善，這也體現(xiàn)在此階段農(nóng)業(yè)灰水足跡與農(nóng)業(yè)經(jīng)濟(jì)增長之間的脫鉤關(guān)系上。2016-2020年，長江經(jīng)濟(jì)帶全部省市均為強(qiáng)脫鉤狀態(tài)，協(xié)調(diào)程度最優(yōu)的省份為江蘇省和湖北省，脫鉤數(shù)值均為-4.16；協(xié)調(diào)程度最低省份仍為云南省，脫鉤數(shù)值為-0.10。

2.3 脫鉤驅(qū)動因素及效應(yīng)分析

進(jìn)一步利用LMDI 指數(shù)分解法對長江經(jīng)濟(jì)帶農(nóng)業(yè)水污染與經(jīng)濟(jì)增長脫鉤態(tài)勢的成因進(jìn)行探究。由于研究期內(nèi)各省市農(nóng)業(yè)生產(chǎn)總值持續(xù)增長，故脫鉤態(tài)勢演變主要是由農(nóng)業(yè)灰水足跡變化特征決定。因此對農(nóng)業(yè)灰水足跡年際變化量進(jìn)行因素分解，從農(nóng)業(yè)技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)水平、勞動力規(guī)模4個方面出發(fā)，尋找影響農(nóng)業(yè)灰水足跡與經(jīng)濟(jì)增長脫鉤程度的關(guān)鍵因素（見圖2）。

圖2 長江經(jīng)濟(jì)帶11省市農(nóng)業(yè)水污染與經(jīng)濟(jì)脫鉤態(tài)勢演變的驅(qū)動效應(yīng)Fig.2 Driving effects of the evolution of agricultural water pollution and economic decoupling dynamics in 11 provinces and cities in the Yangtze River Economic Belt

從圖2可知，勞動力規(guī)模效應(yīng)對農(nóng)業(yè)灰水足跡起著穩(wěn)定的負(fù)向驅(qū)動作用。長期以來，長江經(jīng)濟(jì)帶農(nóng)業(yè)從業(yè)人口占全國比重過半，但隨著土地流轉(zhuǎn)步伐加快和規(guī)?；N養(yǎng)殖興起，農(nóng)業(yè)勞動力出現(xiàn)大量轉(zhuǎn)移。與此同時，近年來鄉(xiāng)村振興戰(zhàn)略的實施，以新型職業(yè)農(nóng)民為代表的農(nóng)業(yè)實用人才不斷涌現(xiàn)?？偟膩碚f，農(nóng)業(yè)勞動力的“減量增質(zhì)”使得勞動力規(guī)模效應(yīng)有效推動農(nóng)業(yè)灰水足跡減少；技術(shù)水平效應(yīng)總體上對農(nóng)業(yè)灰水足跡起負(fù)向驅(qū)動作用。長江經(jīng)濟(jì)帶發(fā)展需求促使沿江各省市積極轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式，推廣應(yīng)用農(nóng)業(yè)綠色生產(chǎn)技術(shù)，農(nóng)業(yè)污染狀況得到有效治理，技術(shù)進(jìn)步成為降低農(nóng)業(yè)灰水足跡的重要因素；經(jīng)濟(jì)水平效應(yīng)對農(nóng)業(yè)灰水足跡一直起顯著正向驅(qū)動作用。長江經(jīng)濟(jì)帶作為重大國家戰(zhàn)略發(fā)展區(qū)域，人口規(guī)模及經(jīng)濟(jì)總量據(jù)全國“半壁江山”，經(jīng)濟(jì)發(fā)展尤其是農(nóng)業(yè)經(jīng)濟(jì)發(fā)展高度依賴于水資源利用與水污染排放；產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對農(nóng)業(yè)灰水足跡變化的影響不明顯，但是近年來農(nóng)業(yè)灰水足跡增加的次要因素。

3 結(jié)論與建議

文章測算了長江經(jīng)濟(jì)帶9 省2 市2008-2019年農(nóng)業(yè)灰水足跡，并以此為基礎(chǔ)對農(nóng)業(yè)水污染與經(jīng)濟(jì)增長之間的脫鉤關(guān)系及內(nèi)在驅(qū)動因素進(jìn)行了探究，得出下列結(jié)論及建議：

（1）12年間長江經(jīng)濟(jì)帶農(nóng)業(yè)灰水足跡先升高后降低，2014年為“拐點”年份；農(nóng)業(yè)灰水足跡分布存在地域差異，四川、湖北等省份顯著高于其他省市；研究期內(nèi)種植業(yè)灰水足跡占比有明顯下降，畜禽養(yǎng)殖業(yè)和水產(chǎn)養(yǎng)殖業(yè)則持續(xù)上升；TN、TP 是造成長江經(jīng)濟(jì)帶農(nóng)業(yè)灰水足跡的兩種主要污染物，其中種植業(yè)的決定性污染物為TP，側(cè)面印證楊衛(wèi)等[30]認(rèn)為磷肥施用是造成長江流域總磷污染主要原因的說法，畜禽養(yǎng)殖業(yè)與水產(chǎn)養(yǎng)殖業(yè)決定性污染物為TN。沿江地區(qū)需深入貫徹落實綠色發(fā)展發(fā)展理念，推進(jìn)化肥農(nóng)藥尤其是磷肥的減量增效，同時充分發(fā)揮政府職能加強(qiáng)對畜禽養(yǎng)殖業(yè)、水產(chǎn)養(yǎng)殖業(yè)管理監(jiān)督，可通過科學(xué)規(guī)劃養(yǎng)殖區(qū)域等方法降低污染排放，并積極宣傳引導(dǎo)養(yǎng)殖從業(yè)者采用諸如無污染低污染肥料飼料、循環(huán)水養(yǎng)殖等綠色農(nóng)業(yè)技術(shù)進(jìn)行生產(chǎn)活動。

（2）長江經(jīng)濟(jì)帶農(nóng)業(yè)水污染與經(jīng)濟(jì)增長關(guān)系呈現(xiàn)擴(kuò)張性負(fù)脫鉤、弱脫鉤向強(qiáng)脫鉤狀態(tài)轉(zhuǎn)變的良好態(tài)勢；具體到沿線11省市，2008-2011年弱脫鉤、強(qiáng)脫鉤兩種狀態(tài)并存，弱脫鉤狀態(tài)占多數(shù)；2012-2015年多種脫鉤狀態(tài)并存，強(qiáng)脫鉤狀態(tài)超半數(shù)；2016-2019全部省市實現(xiàn)強(qiáng)脫鉤狀態(tài)。整體和局部表現(xiàn)均反映出長江經(jīng)濟(jì)帶在農(nóng)業(yè)經(jīng)濟(jì)穩(wěn)步提升的同時，農(nóng)業(yè)水污染治理也取得良好成效，農(nóng)業(yè)經(jīng)濟(jì)與水生態(tài)環(huán)境正呈現(xiàn)協(xié)調(diào)發(fā)展態(tài)勢。值得注意的是，云南、江西等中西部省份脫鉤指數(shù)偏低，這與長期以來較為粗放的農(nóng)業(yè)生產(chǎn)方式不無關(guān)系，這些省份需利用好區(qū)位優(yōu)勢，加快推進(jìn)農(nóng)業(yè)轉(zhuǎn)型升級與綠色發(fā)展，進(jìn)一步鞏固提高農(nóng)業(yè)經(jīng)濟(jì)和水環(huán)境之間協(xié)調(diào)程度。（3）農(nóng)業(yè)灰水足跡與經(jīng)濟(jì)增長脫鉤驅(qū)動因素中，勞動力規(guī)模效應(yīng)和技術(shù)水平效應(yīng)總體上起到負(fù)向驅(qū)動作用，經(jīng)濟(jì)水平起到顯著正向驅(qū)動作用，產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)作用不明顯，近三年起正向驅(qū)動作用。在“十四五”時期，各省市需進(jìn)一步加強(qiáng)區(qū)域間交流與合作，加快推進(jìn)綠色農(nóng)業(yè)技術(shù)創(chuàng)新，加強(qiáng)農(nóng)業(yè)人才隊伍建設(shè)，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化產(chǎn)業(yè)布局，共同推動長江經(jīng)濟(jì)帶農(nóng)業(yè)生態(tài)環(huán)境保護(hù)和高質(zhì)量發(fā)展。