夏文浩，潘生亮，霍 瑜，馬義光，孫超俊

（1.塔里木大學(xué) 經(jīng)濟(jì)與管理學(xué)院/南疆經(jīng)濟(jì)社會(huì)發(fā)展研究院，新疆 阿拉爾 843300；3.云南大學(xué)滇池學(xué)院 經(jīng)濟(jì)學(xué)院，云南 昆明 650228）

0 引言

農(nóng)業(yè)面源污染又稱“非點(diǎn)源污染”，是指在農(nóng)業(yè)生產(chǎn)和日常生活過(guò)程中產(chǎn)生的未經(jīng)凈化處理的各種污染物對(duì)土壤、水體和大氣等環(huán)境造成的污染［1］。由于農(nóng)業(yè)面源污染具有分布區(qū)域較廣、覆蓋面積大、隨機(jī)性強(qiáng)和污染源分散程度高［1］等特征，成為農(nóng)業(yè)現(xiàn)代化進(jìn)程中實(shí)現(xiàn)“2030 年前碳達(dá)峰，2060 年前碳中和”雙重目標(biāo)［2］和綠色農(nóng)業(yè)發(fā)展［3］新的重難點(diǎn)之一。在中央農(nóng)業(yè)可持續(xù)發(fā)展政策的指導(dǎo)下，新疆經(jīng)濟(jì)快速發(fā)展，綜合實(shí)力明顯增強(qiáng)，經(jīng)濟(jì)結(jié)構(gòu)逐漸優(yōu)化，基礎(chǔ)設(shè)施建設(shè)不斷加強(qiáng)，農(nóng)業(yè)綜合生產(chǎn)能力顯著增強(qiáng)，但農(nóng)業(yè)生產(chǎn)過(guò)程中特別是農(nóng)村超量和不合理施用化肥、農(nóng)藥等造成的農(nóng)業(yè)污染日益嚴(yán)重，威脅著農(nóng)業(yè)的可持續(xù)發(fā)展，加劇了生態(tài)環(huán)境的脆弱性，進(jìn)而減緩經(jīng)濟(jì)增長(zhǎng)速度，降低人們的生活水平。《新疆維吾爾自治區(qū)第二次全國(guó)污染源普查公報(bào)》顯示，2017年畜禽養(yǎng)殖、農(nóng)村生活污染排放量分別占全區(qū)農(nóng)業(yè)面源污染物排放量的67.7%和31.2%。2018 年，新疆化肥施用量比2009 年增長(zhǎng)了100 萬(wàn)t，農(nóng)用塑料薄膜使用量擴(kuò)大了近2 倍，農(nóng)藥使用量增加至3.04萬(wàn)t，農(nóng)業(yè)面源污染排放量年均增長(zhǎng)率達(dá)2.903%［4］。新疆作為我國(guó)種養(yǎng)殖大省之一，其單位面積農(nóng)作物產(chǎn)量大、規(guī)?；B(yǎng)殖程度較高，目前已成為我國(guó)農(nóng)業(yè)面源污染治理的攻堅(jiān)克難主戰(zhàn)場(chǎng)。

縱觀近年國(guó)內(nèi)外對(duì)農(nóng)業(yè)面源污染的研究，國(guó)外學(xué)者集中于水質(zhì)監(jiān)測(cè)與污染源研究［5，6］、農(nóng)業(yè)面源污染模型模擬技術(shù)的使用和拓展［7，8］、BMPs 效益及環(huán)境治理政策［9，10］等方面，國(guó)內(nèi)學(xué)者對(duì)農(nóng)業(yè)面源污染的研究包括農(nóng)業(yè)面源污染的內(nèi)涵［11］、調(diào)控策略［12］、污染量測(cè)算［13］、空間區(qū)域差異及特征［14-18］、影響因素［19-21］、與經(jīng)濟(jì)增長(zhǎng)的關(guān)系［4］等方面。就農(nóng)業(yè)面源污染的核算和評(píng)價(jià)方法而言，國(guó)內(nèi)外研究集中于以下幾個(gè)方面：一是賴斯蕓［22］運(yùn)用單元調(diào)查法，借助地圖可視化對(duì)我國(guó)及部分地區(qū)的農(nóng)業(yè)面源污染進(jìn)行了測(cè)算，并進(jìn)一步展示了其空間差異及分布特征；二是熊昭昭等［14］、楊永健等［15］通過(guò)排污系數(shù)法分別對(duì)三峽庫(kù)區(qū)重慶段、江西省和黑龍江省的農(nóng)業(yè)面源污染排放情況進(jìn)行了考察；三是陳敏鵬等［16］、謝文寶等［4］和林江彪等［23］利用清單分析法計(jì)算了我國(guó)及各省份農(nóng)業(yè)面源污染的排放量和排放強(qiáng)度；四是王思如等［17］通過(guò)輸出系數(shù)模型法估算了洞庭湖和全國(guó)的COD、TN、TP的農(nóng)業(yè)面源污染負(fù)荷量；五是賈陳忠等［18］借助等標(biāo)污染負(fù)荷法對(duì)2016 年山西省農(nóng)業(yè)面源污染負(fù)荷進(jìn)行了計(jì)算，認(rèn)為該省農(nóng)業(yè)面源污染嚴(yán)重，尤其是COD 排放量最大，污染物來(lái)源主要為畜牧養(yǎng)殖污染和農(nóng)村生活污染。

綜上所述，學(xué)者們?cè)谵r(nóng)業(yè)面源污染領(lǐng)域取得了豐碩的成果，為后續(xù)研究奠定了堅(jiān)實(shí)的基礎(chǔ)。但在文獻(xiàn)總結(jié)過(guò)程中，仍存在以下不足：①?gòu)难芯績(jī)?nèi)容看，已有文獻(xiàn)多考察常見(jiàn)農(nóng)作物、禽畜類型的污染排放，未將區(qū)域特色種養(yǎng)殖單元納入其中；②從研究區(qū)域看，多以全國(guó)、中部和東南部地區(qū)經(jīng)濟(jì)發(fā)展較好的省份為主，而對(duì)新疆維吾爾自治區(qū)不同地州市的研究較少，忽略了少數(shù)民族地區(qū)不同區(qū)域區(qū)情所造成的差異；③從研究方法看，目前多以單一計(jì)量方法為主，未考慮到區(qū)域內(nèi)環(huán)境條件的復(fù)雜性、調(diào)查數(shù)據(jù)的稀缺性和數(shù)學(xué)模型本身存在的局限性。

基于此，本文采用清單分析法，以2000—2019年為研究時(shí)段，嘗試對(duì)新疆維吾爾自治區(qū)14 個(gè)地州市的農(nóng)田化肥、農(nóng)用固體廢棄物、禽畜養(yǎng)殖、水產(chǎn)養(yǎng)殖和農(nóng)村生活5 個(gè)產(chǎn)污核算單元造成的農(nóng)業(yè)面源污染排放強(qiáng)度進(jìn)行測(cè)算。在此基礎(chǔ)上，引入Dagum 基尼系數(shù)分解法和Kernel 核密度，借助ArcGIS 揭示新疆農(nóng)業(yè)面源污染排放強(qiáng)度的空間分布、區(qū)域差異及動(dòng)態(tài)演進(jìn)特征。對(duì)比以往的研究，本文主要在以下方面有所突破：一是在對(duì)農(nóng)業(yè)面源污染強(qiáng)度進(jìn)行核算時(shí)，從新疆區(qū)域?qū)嶋H出發(fā)，在“禽畜養(yǎng)殖”核算單元中引入新疆特色畜牧養(yǎng)殖清單，譬如牛、馬、駱駝等；二是在進(jìn)行實(shí)證分析時(shí)，利用Dagum 基尼系數(shù)分解和非參數(shù)估計(jì)，借助ArcGIS 與三維視圖，多維度把握新疆農(nóng)業(yè)面源污染排放的時(shí)空分布特征及變化規(guī)律，深入分析其現(xiàn)狀原因，以期為新疆地區(qū)農(nóng)業(yè)面源污染的治理提供參考。

1 研究區(qū)概況

新疆位于我國(guó)西北地區(qū)，地處73°40′—96°23′E、34°22′—49°10′N之間，國(guó)土面積166.49 萬(wàn)km2，是我國(guó)陸地面積最大的省級(jí)行政區(qū)，約占我國(guó)國(guó)土總面積的六分之一（圖1）。國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，2019年自治區(qū)常住人口為2559 萬(wàn)人。新疆地處亞歐大陸腹地，與俄羅斯、哈薩克斯坦、吉爾吉斯斯坦、塔吉克斯坦、巴基斯坦、蒙古、印度、阿富汗8 個(gè)國(guó)家接壤，歷史上是絲綢之路的重要通道。

圖1 研究區(qū)區(qū)位Figure 1 Location of the study area

新疆是我國(guó)農(nóng)業(yè)大省，2019 年糧食種植面積為220.36 萬(wàn)hm2，糧食產(chǎn)量同比增產(chǎn)了1.5%；豬牛羊禽肉產(chǎn)量160.6 萬(wàn)t，同比增長(zhǎng)了2.2%；農(nóng)村居民人均可支配收入14056 元，同比增長(zhǎng)了7.1%。但新疆農(nóng)業(yè)經(jīng)濟(jì)在快速發(fā)展的同時(shí)，也帶來(lái)了一系列的環(huán)境污染問(wèn)題。經(jīng)計(jì)算，2019 年新疆農(nóng)田化肥、農(nóng)田固體廢棄物、畜禽養(yǎng)殖、水產(chǎn)養(yǎng)殖和農(nóng)村生活污染物的排放量分別達(dá)到4056.58t、29789.30t、158041.38t、213152. 71t、1694.3t，較 2000 年 分 別 增 長(zhǎng) 了162.44%、95.06%、40.2%、175.81%、68.3%，農(nóng)業(yè)面源污染物排放總量同比2018 年增長(zhǎng)了6.13%。由此可見(jiàn)，農(nóng)業(yè)面源污染是新疆生態(tài)環(huán)境綜合治理、打贏“藍(lán)天保衛(wèi)戰(zhàn)”和實(shí)現(xiàn)“雙碳”目標(biāo)的重要障礙。

2 研究方法與數(shù)據(jù)來(lái)源

2.1 研究方法

清單分析法：基于新疆農(nóng)業(yè)污染現(xiàn)狀，本文選擇農(nóng)田化肥、農(nóng)田固體廢棄物、禽畜養(yǎng)殖、水產(chǎn)養(yǎng)殖和農(nóng)村生活排污5 個(gè)產(chǎn)污單元，利用清單分析法構(gòu)建新疆農(nóng)業(yè)面源污染排放測(cè)算與評(píng)估的5 層結(jié)構(gòu)，包括污染來(lái)源、調(diào)查單元、調(diào)查指標(biāo)、單位HE 排放清單（表1）。

表1 新疆農(nóng)業(yè)面源產(chǎn)污單元清單Table 1 List of agricultural non- point source pollution production units in Xinjiang

參考陳敏鵬等［16］、賴斯蕓［22］的研究，對(duì)新疆農(nóng)業(yè)面源污染的排放量及排放強(qiáng)度進(jìn)行測(cè)算，計(jì)算公式為：

式中：E 表示新疆農(nóng)業(yè)面源污染排放量；PEn表示新疆農(nóng)業(yè)面源污染的產(chǎn)生量；σn表示單元中第n種污染物的產(chǎn)污強(qiáng)度系數(shù)；ηn表示各種相關(guān)資源利用效率的系數(shù)；ωn表示第n 種污染物的流失系數(shù)，該系數(shù)由污染源本身及空間特征（S）決定，表征為新疆地區(qū)異于內(nèi)地的地理特征、降水量、水質(zhì)、地表徑流、復(fù)種指數(shù)和人為管理措施等復(fù)雜因素對(duì)農(nóng)業(yè)面源污染的綜合影響；EUn表示第n 種污染物指標(biāo)的統(tǒng)計(jì)數(shù)量；EI 表示新疆地區(qū)農(nóng)業(yè)面源污染的排放強(qiáng)度；AL 表示新疆年末耕地面積。

Dagum基尼系數(shù)分解法：借助Dagum 基尼系數(shù)分解法對(duì)新疆地區(qū)農(nóng)業(yè)面源污染的區(qū)域差異考察，計(jì)算公式為：

Dagum［24］將基尼系數(shù)GN 分解為地區(qū)內(nèi)差異GNw、地區(qū)間差異GNb和超變密度差異GNt3 個(gè)模塊，三者的關(guān)系滿足GN = GNw+ GNb+ GNt。具體如下：

公式（9）—（11）中：djh為各地州市污染強(qiáng)度的差值；pjh為超變一階距；Fj、Fh分別表示區(qū)域j 與區(qū)域h 的累計(jì)密度分布函數(shù)。

Kernel 密度估計(jì)：核密度估計(jì)采用連續(xù)密度曲線繪制隨機(jī)變量分布形態(tài)及特征?；谄淇墒寡芯繉?duì)象擺脫未知參數(shù)影響的非參數(shù)估計(jì)方法優(yōu)點(diǎn)［25］，本文將使用該方法進(jìn)一步分析新疆農(nóng)業(yè)面源污染排放強(qiáng)度的動(dòng)態(tài)演進(jìn)。假設(shè)隨機(jī)變量X的密度函數(shù)為：

式中：N 為樣本的數(shù)量；h 為帶寬；K 為核函數(shù)；Xi為獨(dú)立同分布的樣本值，x 為均值。本文中，X1，X2，…，Xi表示各地區(qū)的農(nóng)業(yè)面源污染排放強(qiáng)度，f（x）是Kernel密度估計(jì)。由于核密度估計(jì)對(duì)帶寬h較為敏感，故本文選擇小帶寬以提高估計(jì)精度。同時(shí)，采用較為常見(jiàn)的高斯核函數(shù)，計(jì)算公式為：

2.2 數(shù)據(jù)來(lái)源及參數(shù)選擇

本文使用的新疆農(nóng)業(yè)面源產(chǎn)污單元清單列表數(shù)據(jù)來(lái)自于《新疆統(tǒng)計(jì)年鑒》和《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》。對(duì)于缺失值首先找尋地區(qū)統(tǒng)計(jì)年鑒、公報(bào)進(jìn)行數(shù)據(jù)填補(bǔ)，然后采用均值替換法進(jìn)行處理。農(nóng)業(yè)面源污染排放測(cè)算中使用的各產(chǎn)污強(qiáng)度系數(shù)、排污系數(shù)等參數(shù)取值通過(guò)大量的文獻(xiàn)調(diào)研和綜合比對(duì)所得，重點(diǎn)參考陳敏鵬等［16］、賴斯蕓［22］、潘丹［26］、梁流濤［20］、丘雯文等［27］的參數(shù)取值，同時(shí)還參考了《污染源普查農(nóng)業(yè)源系數(shù)手冊(cè)》分省份參數(shù)取值，以此為基礎(chǔ)建立新疆地區(qū)的相關(guān)影響參數(shù)數(shù)據(jù)庫(kù)（表2）。

表2 新疆農(nóng)業(yè)面源污染影響參數(shù)Table 2 Impact parameters of agricultural non- point source pollution in Xinjiang

3 結(jié)果與分析

3.1 污染排放量及時(shí)序分布特征

從圖2 可見(jiàn)，在南疆、北疆、東疆（南疆包括喀什地區(qū)、阿克蘇地區(qū)、和田地區(qū)、克孜勒蘇柯?tīng)柨俗巫灾沃荨鸵艄忝晒抛灾沃?，北疆包括烏魯木齊市、克拉瑪依市、阿勒泰地區(qū)、塔城地區(qū)、昌吉回族自治州、伊犁哈薩克自治州、博爾塔拉蒙古自治州，東疆包括哈密市、吐魯番市）分布中，北疆的污染物排放量最高（72.3%），南疆次之（21.5%），東疆的污染物排放量最少（5.7%）。通過(guò)查閱數(shù)據(jù)資料，發(fā)現(xiàn)北疆地區(qū)中經(jīng)濟(jì)發(fā)展排名靠前的地級(jí)市數(shù)量較多，如烏魯木齊、阿勒泰地區(qū)、克拉瑪依市等地，此類地區(qū)人口數(shù)量多、密度大、分布密集，導(dǎo)致農(nóng)村生活類污染排放較其他地區(qū)較多。調(diào)研發(fā)現(xiàn)，北疆地區(qū)養(yǎng)殖以散養(yǎng)為主，規(guī)模化養(yǎng)殖程度不高，大部分養(yǎng)殖戶無(wú)資源集約化、循環(huán)利用的思想，導(dǎo)致禽畜糞便污染比其他地區(qū)高。而南疆有著大面積的耕地，意味著化肥、農(nóng)藥投入的不可或缺，化肥量從2001 年的330561t（折純）增加到2016 年的1188166t，增長(zhǎng)了2.6 倍，使用密度達(dá)到347 kg/hm2，超出國(guó)際公認(rèn)安全上限的38.8%，但化肥利用率較低，富余的化肥殘留在土壤中成為農(nóng)業(yè)生產(chǎn)和土壤的污染源。平均每年農(nóng)藥使用密度達(dá)到3.36kg/hm2，超出農(nóng)藥使用的重度污染線。年均農(nóng)用地膜使用量達(dá)到692582t，20%以上的廢棄地膜殘留在土壤中，造成非常嚴(yán)重的”白色污染”。此外，南疆農(nóng)業(yè)機(jī)械化作業(yè)水平較高，農(nóng)用柴油消耗量由14.5 萬(wàn)t 增加到32.17 萬(wàn)t，增漲了2 倍以上。各種農(nóng)資投入量的增加，是導(dǎo)致南疆農(nóng)業(yè)生態(tài)環(huán)境惡化的主要原因。東疆地區(qū)由于氣溫高、蒸發(fā)量大，故不種植水稻、甜菜等含水量較高的作物，農(nóng)田固體廢棄物污染物排放量不高，其水產(chǎn)養(yǎng)殖面積也不高。通過(guò)數(shù)據(jù)發(fā)現(xiàn)，該地區(qū)禽畜養(yǎng)殖量較其他地區(qū)相比數(shù)量極低，因此污染程度不高。2019 年，新疆COD、TN、TP 3 類污染排放量較2000年分別增長(zhǎng)了102363.2t、81876.3t、14664.9t，平均增長(zhǎng)速度為0.033%，但在2014—2015 年間增長(zhǎng)率高達(dá)22%；北疆地區(qū)COD、TN、TP 3 類污染排放量較2000年分別增長(zhǎng)了67763.31t、41759.89t、4733.43t，同在2014 年，3 類污染物排放量較2013 年分別增長(zhǎng)了174418.85t、231707.93t、25810.27t，翻了2.2 倍；南疆2019 年COD、TN、TP 3 類污染排放量較2000 年分別增長(zhǎng)13775.42t、- 5690.7t、2148.32t，但僅2014年，3 類污染物排放量較 2013 年分別增長(zhǎng)了173773.65t、230680.62t、25785.43t，翻了3.69 倍；東疆2019 年COD、TN、TP3 類污染排放量較2000 年分別增長(zhǎng)了3134.59t、- 208.5、387.03t，增幅不明顯，但在2014 年，3 類污染物排放量較2013 年分別增長(zhǎng)了25706.59t、34343.02t、3746.60t，翻了9 倍。新疆各地區(qū)在2014 年均實(shí)現(xiàn)了污染物排放量翻倍增長(zhǎng)，可能存在的解釋是：隨著各地區(qū)農(nóng)業(yè)人口的不斷增加，農(nóng)業(yè)種植技術(shù)和農(nóng)業(yè)機(jī)械技術(shù)的發(fā)展，導(dǎo)致農(nóng)民對(duì)耕地的需求量不斷增加，加之2014 年政府鼓勵(lì)農(nóng)民開(kāi)發(fā)戈壁、河灘等不易利用的土地類型發(fā)展農(nóng)業(yè)，農(nóng)業(yè)播種面積和耕地面積隨之迅速增長(zhǎng)，為提高農(nóng)業(yè)產(chǎn)量，對(duì)化肥、農(nóng)藥的需求不斷增加。而大量使用化肥和農(nóng)藥不僅會(huì)破壞土壤有機(jī)質(zhì)，土壤中的污染殘留還會(huì)隨農(nóng)田排水和地表徑流流入江河湖海，擴(kuò)大了農(nóng)業(yè)面源污染的面積。

圖2 2000—2019 年新疆各地區(qū)農(nóng)業(yè)面源污染物排放量時(shí)序分布特征Figure 2 Time series distribution characteristics of agricultural non- point source pollutant emissions in various regions of Xinjiang，2000-2019

3.2 污染排放強(qiáng)度的空間分布特征

李海鵬等（2009）［1］在進(jìn)行農(nóng)業(yè)面源污染排放的空間分布研究時(shí)，按照一定標(biāo)準(zhǔn)將污染強(qiáng)度劃分為輕度、中度、重度污染區(qū)3 種類型。本文在研究新疆農(nóng)業(yè)面源污染排放強(qiáng)度的空間分布時(shí)，考慮到新疆地理位置的特殊性、民族的多樣性、思想的復(fù)雜性和脫貧攻堅(jiān)成果的不穩(wěn)定性，根據(jù)自治區(qū)的實(shí)際情況，將污染物排放物強(qiáng)度劃分為5 個(gè)等級(jí)，并以此為基礎(chǔ)，結(jié)合AirGIS 10.8 軟件繪制空間差異分布圖，具體如圖3 所示。

圖3 2000—2019 年新疆農(nóng)業(yè)面源污染排放強(qiáng)度空間分布Figure 3 Spatial distribution of agricultural non- point source pollution emission intensity in Xinjiang，2000-2019

（續(xù)圖3 2000—2019 年新疆農(nóng)業(yè)面源污染排放強(qiáng)度空間分布）

從圖3 可見(jiàn)，2000—2019 年新疆農(nóng)業(yè)面源污染排放強(qiáng)度呈“上升—下降—上升—下降”的曲折下降態(tài)勢(shì)，空間差異明顯。較高值主要出現(xiàn)在阿勒泰地區(qū)、烏魯木齊市、喀什地區(qū)、吐魯番市、哈密市，較低值主要分布在克拉瑪依市、塔城地區(qū)、阿克蘇地區(qū)，說(shuō)明新疆農(nóng)業(yè)面源污染排放強(qiáng)度由南北兩端向中心逐漸遞減，治理效果沿著天山山脈，由中心向南北兩端逐漸凸顯。具體來(lái)看：2000 年排放強(qiáng)度最高的是阿勒泰地區(qū)，為25.43t/km2；其次是烏魯木齊市，為22.57t/km2；最低是克拉瑪依市，僅為1. 44t/km2。2005年排放強(qiáng)度排名前三位的分別是吐魯番市、烏魯木齊市、哈密市，分別為25.55t/km2、22.59t/km2、20.42t/km2；排名最低的是克拉瑪依市，僅為2.25t/km2。2010年排放強(qiáng)度排名前三位的分別是烏魯木齊市、和田地區(qū)、喀什地區(qū)，分別為 21. 56t/km2、10.10t/km2、9.52t/km2；排名最低的是克拉瑪依市，僅為1.15t/km2。2015 年排放強(qiáng)度排名在前三位的分別是巴音郭楞蒙古自治州、烏魯木齊市、昌吉回族自治州，分別為215.49t/km2、79.66t/km2、39.95t/km2；排名最低的是克拉瑪依市，僅為0.98t/km2。2019 年排放強(qiáng)度排名在前三位的分別是烏魯木齊市、博爾塔拉蒙古自治州、克孜勒蘇柯?tīng)柨俗巫灾沃?，分別達(dá)到68.64t/km2、44.40t/km2、9.48t/km2；排名最低的依舊是克拉瑪依市，僅為1.43t/km2。

3.3 新疆農(nóng)業(yè)面源污染排放強(qiáng)度的空間差異

根據(jù)相關(guān)計(jì)算方法，分別計(jì)算得到2000—2019年新疆及各地區(qū)農(nóng)業(yè)面源污染排放強(qiáng)度的基尼系數(shù)，結(jié)果如表3 所示。新疆農(nóng)業(yè)面源污染排放強(qiáng)度的空間差異具體體現(xiàn)在總體差異及其分解、地區(qū)間差異兩大方面。

表3 新疆農(nóng)業(yè)面源污染排放強(qiáng)度的基尼系數(shù)及分解結(jié)果Table 3 Gini coefficient and decomposition results of agricultural non- point source pollution intensity in Xinjiang

（續(xù)表3）

新疆農(nóng)業(yè)面源污染的總體差異及其分解：新疆農(nóng)業(yè)面源污染排放強(qiáng)度總體Dagum 基尼系數(shù)及其動(dòng)態(tài)演變?nèi)鐖D4a所示。

圖4 新疆農(nóng)業(yè)面源污染排放強(qiáng)度差異動(dòng)態(tài)演變Figure 4 Dynamic evolution of differences in agricultural non- pointsource pollution emission intensity in Xinjiang

觀測(cè)期內(nèi)，新疆農(nóng)業(yè)面源污染排放強(qiáng)度總體基尼系數(shù)以2009 年和2013 年為拐點(diǎn)表現(xiàn)出“增加—減少—增加”的“N”形變化趨勢(shì)，觀測(cè)期末的排放強(qiáng)度差異較2000 年期初不斷擴(kuò)大。①?gòu)牟町悂?lái)源的變化趨勢(shì)來(lái)看，2000 年新疆地區(qū)內(nèi)差異對(duì)總體差距的貢獻(xiàn)率為38.14%，2019 年增長(zhǎng)至41.38%，其年均增幅為11.17%；同時(shí)，2000 年新疆地區(qū)間差異對(duì)總體差距的貢獻(xiàn)率為24. 64%，2019 年增長(zhǎng)至46.22%，年均增幅為87.6%。超變密度反映了新疆地區(qū)間交叉重疊對(duì)總體差距的影響，觀測(cè)期內(nèi)表現(xiàn)出先上升后下降的趨勢(shì)。②從差異來(lái)源的貢獻(xiàn)來(lái)看，地區(qū)內(nèi)差異是總體差異的最主要來(lái)源，觀測(cè)期內(nèi)貢獻(xiàn)率位于30.97%—43.38%之間；其次，超變密度是第二來(lái)源，貢獻(xiàn)率在12.40%—47.92%之間；新疆地區(qū)間差異對(duì)總體差異的貢獻(xiàn)最小，觀測(cè)期內(nèi)貢獻(xiàn)率位于10.97%—46.22%之間。③從均值來(lái)看，地區(qū)內(nèi)差異、地區(qū)間差異和超變密度對(duì)總體差異的貢獻(xiàn)率分別為37.8748%、27.1536%、34.9716%，驗(yàn)證了新疆農(nóng)業(yè)面源污染排放強(qiáng)度差異來(lái)源的貢獻(xiàn)程度為地區(qū)內(nèi)差異>超變密度>地區(qū)間差異。

新疆農(nóng)業(yè)面源污染排放強(qiáng)度地區(qū)內(nèi)Dagum 基尼系數(shù)及其動(dòng)態(tài)演進(jìn)如圖4b所示。①?gòu)木悼矗苯湍辖貐^(qū)的排放強(qiáng)度基尼系數(shù)較高，分別達(dá)到0.4354、0.2297，排放強(qiáng)度內(nèi)部不均衡現(xiàn)象明顯。相較而言，東疆的排放強(qiáng)度基尼系數(shù)較低，為0.0753，農(nóng)業(yè)面源污染排放強(qiáng)度內(nèi)部差異較其他地區(qū)相對(duì)較小，與空間分布動(dòng)態(tài)特征結(jié)果相一致。②從增長(zhǎng)態(tài)勢(shì)看，北疆地區(qū)農(nóng)業(yè)面源污染排放強(qiáng)度的地區(qū)內(nèi)差異存在曲折上升趨勢(shì)，2019 年達(dá)到最高點(diǎn)0.6170，年均增長(zhǎng)率達(dá)3.00%；南疆地區(qū)污染排放強(qiáng)度基尼系數(shù)呈現(xiàn)升降交替的動(dòng)態(tài)波動(dòng)增加變化趨勢(shì)，2015 年達(dá)到峰值0.5596，該年度南疆地區(qū)內(nèi)污染物排放強(qiáng)度差異最大，年均增幅為9.8%；東疆地區(qū)相對(duì)于其他地區(qū)而言，其污染物排放強(qiáng)度區(qū)域內(nèi)差異呈現(xiàn)曲折下降的趨勢(shì)，2019 年基尼系數(shù)較2000 年降低了0.0738，但在2005 年、2018 年出現(xiàn)驟增的變化趨勢(shì)，兩年年度增長(zhǎng)幅度分別高達(dá)14.05%、16.76%。

新疆農(nóng)業(yè)面源污染地區(qū)間差異：新疆農(nóng)業(yè)面源污染排放強(qiáng)度地區(qū)間Dagum 基尼系數(shù)及其動(dòng)態(tài)演進(jìn)如圖5 所示。①?gòu)木悼?，北疆和南疆的污染物排放?qiáng)度差異最為明顯，觀測(cè)期內(nèi)基尼系數(shù)均值達(dá)0.4099；其次是北疆和東疆，系數(shù)均值為0.3884；南疆與東疆之間的污染物排放強(qiáng)度差異最小，其系數(shù)均值為0.2904。②從變化趨勢(shì)看，觀測(cè)期內(nèi)北疆和南疆之間的污染物排放強(qiáng)度差異增幅最為明顯，年均增幅為8.11%，呈現(xiàn)出以2015 年、2016 年為拐點(diǎn)的“N”字形增長(zhǎng)態(tài)勢(shì)，且觀測(cè)期末較期初有所增加。2013年之前北疆—東疆的污染物排放強(qiáng)度差異變化趨勢(shì)較為穩(wěn)定，無(wú)較突出的波動(dòng)，但在2014 年及之后的觀測(cè)期內(nèi)，該地區(qū)間差異增長(zhǎng)態(tài)勢(shì)差異極為不穩(wěn)定；而南疆、東疆之間的污染物排放強(qiáng)度差異增幅最小，觀測(cè)期末較期初而言無(wú)太大的差距，除個(gè)別年份外，該地區(qū)間的差異呈現(xiàn)波動(dòng)減少的趨勢(shì)。

圖5 新疆農(nóng)業(yè)面源污染排放強(qiáng)度地區(qū)間差異動(dòng)態(tài)演變Figure 5 Dynamic evolution of regional differences in agricultural non- point source pollution emission intensity in Xinjiang

3.4 污染排放強(qiáng)度的動(dòng)態(tài)演進(jìn)

基于Dagum 基尼系數(shù)分解法的研究雖然呈現(xiàn)了新疆不同地區(qū)農(nóng)業(yè)面源污染排放強(qiáng)度差異的大小及其來(lái)源，反映出新疆地區(qū)農(nóng)業(yè)面源污染強(qiáng)度的相對(duì)差異，但是無(wú)法刻畫(huà)農(nóng)業(yè)面源污染強(qiáng)度絕對(duì)差異變化的動(dòng)態(tài)演進(jìn)過(guò)程。因此，本文利用Kernel 密度函數(shù)進(jìn)一步分析新疆農(nóng)業(yè)面源污染排放強(qiáng)度的動(dòng)態(tài)演進(jìn)（圖6、表4）。

表4 新疆農(nóng)業(yè)面源污染強(qiáng)度分布的動(dòng)態(tài)演進(jìn)特征Table 4 Dynamic evolution characteristics of agricultural non- point source pollution intensity distribution in Xinjiang

圖6 新疆各地區(qū)農(nóng)業(yè)面源污染排放強(qiáng)度的動(dòng)態(tài)演進(jìn)Figure 6 Dynamic evolution of agricultural non- point source pollution emission intensity in various regions of Xinjiang

具體來(lái)看：①分布位置。觀測(cè)期內(nèi)新疆總體核密度分布曲線隨著時(shí)間的推移整體呈現(xiàn)小幅度左移趨勢(shì)，表明新疆農(nóng)業(yè)面源污染排放強(qiáng)度逐漸減少，治理有一定的效果，但效果不明顯。南疆、北疆、東疆地區(qū)均出現(xiàn)左移趨勢(shì)。其中：東疆左移幅度最大，表明農(nóng)業(yè)面源污染排放強(qiáng)度降低最多，治理效果顯著；南疆和北疆的左移幅度比較小，說(shuō)明治理效果不明顯。②分布形態(tài)。觀測(cè)期內(nèi)新疆總體核密度分布曲線表現(xiàn)為主峰高度下降而寬度減小趨勢(shì)，表明新疆總體農(nóng)業(yè)面源污染排放強(qiáng)度總體離散程度呈縮小趨勢(shì)。各地區(qū)中，南疆地區(qū)核密度分布曲線表現(xiàn)為主峰高度先降低后升高、寬度變小的趨勢(shì)，表明南疆地區(qū)內(nèi)部農(nóng)業(yè)面源污染強(qiáng)度的絕對(duì)差異呈現(xiàn)擴(kuò)大趨勢(shì)；北疆和東疆地區(qū)的核密度分布曲線均表現(xiàn)為主峰高度曲折降低、寬度變小的態(tài)勢(shì)，表明北疆和東疆地區(qū)內(nèi)部農(nóng)業(yè)面源污染強(qiáng)度的絕對(duì)差異呈現(xiàn)擴(kuò)大的趨勢(shì)。③分布延展性。新疆總體和各地區(qū)核密度分布曲線均存在顯著的右拖尾現(xiàn)象，但延展性有所差異。新疆總體和北疆地區(qū)核密度分布呈現(xiàn)拓寬趨勢(shì)，表明農(nóng)業(yè)面源污染強(qiáng)度與平均水平之間的差距持續(xù)增大；而東疆地區(qū)核密度分布呈現(xiàn)顯著的收斂趨勢(shì)，表明該地區(qū)內(nèi)部農(nóng)業(yè)面源污染強(qiáng)度較高的地州市同平均水平的距離有所縮減；南疆地區(qū)的分布延展趨勢(shì)不明顯。④極化特征。觀測(cè)期內(nèi)新疆總體和各地區(qū)核密度分布曲線均呈現(xiàn)多峰或多峰現(xiàn)象，表明新疆總體和各地區(qū)的農(nóng)業(yè)面源污染強(qiáng)度的發(fā)展存在兩級(jí)或多級(jí)分化的現(xiàn)象。北疆和東疆地區(qū)核密度分布曲線主峰核側(cè)峰間的距離從期初較小變化為后期的較大，說(shuō)明前期北疆和東疆地區(qū)內(nèi)部的農(nóng)業(yè)面源污染強(qiáng)度差異不明顯，到后期差異逐漸增大。南疆地區(qū)觀測(cè)期內(nèi)個(gè)別年度出現(xiàn)了單峰現(xiàn)象，此時(shí)極化現(xiàn)象不顯著，較緩和。除此之外，南疆地區(qū)還表現(xiàn)為雙峰特征，污染物排放強(qiáng)度仍然存在較小程度的空間極化現(xiàn)象。

4 結(jié)論與建議

4.1 結(jié)論

針對(duì)新疆農(nóng)業(yè)面源污染排放強(qiáng)度的時(shí)空分異，本文利用14 個(gè)地州市2000—2019 年的面板數(shù)據(jù)，在利用清單分析法測(cè)算新疆農(nóng)業(yè)面源污染排放量及排放強(qiáng)度的基礎(chǔ)上，結(jié)合Dagum 基尼系數(shù)分解和Kernel核密度估計(jì)考察了農(nóng)業(yè)面源污染排放強(qiáng)度的空間差異及動(dòng)態(tài)演進(jìn)。主要結(jié)論如下：①新疆農(nóng)業(yè)面源污染排放主要集中于農(nóng)田固體廢棄物和禽畜養(yǎng)殖污染。2000—2019 年，農(nóng)業(yè)面源污染排放強(qiáng)度呈曲折下降態(tài)勢(shì)。在南疆、北疆、東疆分布中，北疆污染物排放量最高，南疆次之，東疆污染物排放量最少。同時(shí)，空間差異也非常明顯，污染物排放強(qiáng)度較高值主要分布在北疆和東疆地區(qū)，排放強(qiáng)度較低值主要分布在克拉瑪依市、塔城地區(qū)和阿克蘇地區(qū)，說(shuō)明新疆農(nóng)業(yè)面源污染排放強(qiáng)度由南北兩端向中心階梯式遞減，治理效果沿著天山山脈，由中心向南北兩端逐漸凸顯的分布特征。農(nóng)業(yè)面源污染雖然得到了一定的治理，但是總體來(lái)說(shuō)形勢(shì)依舊嚴(yán)峻。就已有文獻(xiàn)看，大多數(shù)文獻(xiàn)在研究時(shí)缺乏“因地制宜”，更多的是“一刀切”。大多數(shù)學(xué)者對(duì)污染物排放強(qiáng)度進(jìn)行計(jì)算時(shí)，使用污染排放量與土地總面積作比，但新疆區(qū)域面積居全國(guó)第一，過(guò)大的分母導(dǎo)致新疆污染物排放強(qiáng)度計(jì)算偏低。此外，就目前新疆農(nóng)業(yè)經(jīng)濟(jì)發(fā)展?fàn)顩r來(lái)看，農(nóng)業(yè)經(jīng)濟(jì)在快速增長(zhǎng)的同時(shí)帶來(lái)的是農(nóng)藥、化肥等污染物的高投入與農(nóng)田固體廢棄污染物、禽畜養(yǎng)殖污染物的高產(chǎn)出，農(nóng)業(yè)面源污染仍是新疆農(nóng)業(yè)現(xiàn)代化發(fā)展中亟需解決的一個(gè)重要障礙。農(nóng)戶對(duì)資源集約化、循環(huán)利用、養(yǎng)地護(hù)地、秸稈還田等認(rèn)識(shí)不足、規(guī)?；B(yǎng)殖程度低等因素導(dǎo)致新疆農(nóng)業(yè)面源污染問(wèn)題依舊嚴(yán)峻。②2000—2019 年，污染物排放強(qiáng)度總體基尼系數(shù)以2009 年和2013 年為拐點(diǎn)表現(xiàn)出“N”形變化趨勢(shì)。地區(qū)內(nèi)差異是總體差異的最主要來(lái)源，觀測(cè)期內(nèi)貢獻(xiàn)率位于30.97%—43.38%之間；其次，超變密度是第二來(lái)源，其貢獻(xiàn)率在12.40%—47.92%之間；新疆地區(qū)間差異對(duì)總體差異的貢獻(xiàn)最小，觀測(cè)期內(nèi)貢獻(xiàn)率位于10.97%—46.22%之間。即，新疆農(nóng)業(yè)面源污染排放強(qiáng)度差異來(lái)源的貢獻(xiàn)程度為：地區(qū)內(nèi)差異>超變密度>地區(qū)間差異。③觀測(cè)期內(nèi)新疆總體核密度分布曲線隨著時(shí)間的推移整體呈現(xiàn)小幅度左移趨勢(shì)，農(nóng)業(yè)面源污染逐漸緩和，南疆、北疆、東疆地區(qū)均出現(xiàn)左移趨勢(shì)，左移幅度東疆>南、北疆；觀測(cè)期內(nèi)新疆總體分布曲線表現(xiàn)為主峰高度下降、寬度減小的趨勢(shì)，污染物排放強(qiáng)度離散程度呈減弱的趨勢(shì)；新疆總體和各地區(qū)分布曲線均存在顯著的右拖尾現(xiàn)象，但延展性有所差異；觀測(cè)期內(nèi)新疆總體和各地區(qū)分布曲線均呈現(xiàn)多峰或多峰現(xiàn)象，新疆總體和各地區(qū)的農(nóng)業(yè)面源污染強(qiáng)度發(fā)展存在兩級(jí)或多級(jí)分化現(xiàn)象。

4.2 建議

基于上述結(jié)論，本文提出以下建議：①充分發(fā)揮高校在“科技發(fā)明的最初一公里”的牽引作用，力求科技發(fā)明落地，將論文和發(fā)明應(yīng)用到大地上，充分解決新疆地區(qū)因科技含量低造成的污染問(wèn)題。②充分發(fā)揮科技特派員作用，借助農(nóng)民夜校、知識(shí)大講堂、農(nóng)民技工培訓(xùn)學(xué)校、農(nóng)牧民培訓(xùn)中心，帶動(dòng)知識(shí)水平較高的農(nóng)戶由傳統(tǒng)農(nóng)業(yè)向綠色農(nóng)業(yè)轉(zhuǎn)變，通過(guò)“傳、幫、帶”形式，帶動(dòng)區(qū)域整體農(nóng)業(yè)轉(zhuǎn)型，如綠色農(nóng)業(yè)的重要性教育、新技術(shù)宣傳應(yīng)用教育、秸稈還田教育、養(yǎng)地護(hù)地教育等。③減少化肥、農(nóng)藥和塑料薄膜等化學(xué)物質(zhì)的使用，加強(qiáng)生物農(nóng)藥等生物資源的應(yīng)用，避免因過(guò)度使用化肥和農(nóng)藥造成的化學(xué)物質(zhì)殘留污染。④加強(qiáng)規(guī)?；B(yǎng)殖，提高農(nóng)家肥的使用率；通過(guò)精細(xì)化飼料分配，加強(qiáng)控制牛、羊等大牲畜的碳排放。⑤當(dāng)?shù)卣谥贫ㄞr(nóng)業(yè)面源污染防控及治理措施時(shí)應(yīng)因地制宜，充分結(jié)合各區(qū)域農(nóng)業(yè)經(jīng)濟(jì)發(fā)展趨勢(shì)、氣候環(huán)境等制定相應(yīng)的管控措施。此外，農(nóng)業(yè)面源污染較重的地區(qū)應(yīng)加強(qiáng)與內(nèi)地的交流與合作，引進(jìn)新型環(huán)境友好型農(nóng)業(yè)技術(shù)與管理經(jīng)驗(yàn)，逐步縮小差距，實(shí)現(xiàn)面源污染治理與農(nóng)業(yè)增長(zhǎng)共贏。

4.3 討論

本文結(jié)論可為新疆各地區(qū)定向制定專項(xiàng)治理政策時(shí)提供借鑒與參考。事實(shí)上，農(nóng)業(yè)面源污染不僅受到區(qū)域內(nèi)種養(yǎng)殖業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)的影響，還會(huì)受到相鄰區(qū)域的影響，本文在進(jìn)行研究時(shí)未對(duì)其空間溢出效應(yīng)進(jìn)行檢驗(yàn)。近年來(lái)，國(guó)家將治理面源污染擺在重要的位置上，下一步應(yīng)著重對(duì)新疆各地區(qū)農(nóng)業(yè)面源污染排放量的趨勢(shì)預(yù)測(cè)、空間溢出效應(yīng)與治理效率上作進(jìn)一步研究。