摘要：基于31個(gè)省（市、自治區(qū)）的面板數(shù)據(jù)，并將31個(gè)?。ㄊ小⒆灾螀^(qū)）分為六大地區(qū)，采用LMDI分解方法將農(nóng)業(yè)用水量驅(qū)動因素分解為農(nóng)業(yè)用水強(qiáng)度、農(nóng)業(yè)化、省份經(jīng)濟(jì)發(fā)展、地區(qū)經(jīng)濟(jì)發(fā)展、經(jīng)濟(jì)增長（全國人均經(jīng)濟(jì)水平）和人口規(guī)模六大驅(qū)動因素，探究了各驅(qū)動因素對農(nóng)業(yè)用水的影響程度。結(jié)果表明，農(nóng)業(yè)用水強(qiáng)度和農(nóng)業(yè)化對農(nóng)業(yè)用水量的減少都起到正向作用，且農(nóng)業(yè)用水強(qiáng)度效應(yīng)占主導(dǎo)作用；經(jīng)濟(jì)增長和人口規(guī)模對農(nóng)業(yè)用水量的減少均起到負(fù)向作用，且經(jīng)濟(jì)增長效應(yīng)占主導(dǎo)作用。依據(jù)結(jié)果，提出在發(fā)展經(jīng)濟(jì)的同時(shí)應(yīng)當(dāng)兼顧農(nóng)業(yè)用水強(qiáng)度，達(dá)成節(jié)水型經(jīng)濟(jì)增長新常態(tài)；縮小地區(qū)經(jīng)濟(jì)發(fā)展差異，控制其對節(jié)水產(chǎn)生的負(fù)面影響；投入資金加強(qiáng)農(nóng)業(yè)用水強(qiáng)度效應(yīng)等建議。

關(guān)鍵詞：農(nóng)業(yè)用水量；LMDI；地區(qū)視角；驅(qū)動因素分解；節(jié)水

中圖分類號：F323.213；TV213.4" " " " "文獻(xiàn)標(biāo)識碼：A

文章編號：0439-8114（2023）07-0019-05

DOI：10.14088/j.cnki.issn0439-8114.2023.07.004 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Abstract：The panel data of 31 provinces（cities， autonomous regions） was used， and provinces （cities， autonomous regions） were divided into six regions. The driving factors of agricultural water consumption were decomposed into six major driving factors： agricultural water consumption intensity， agriculturalization， provincial economic development， regional economic development， economic growth（national per capita economic level） and population size by LMDI model， and the impact of each driving factor on agricultural water consumption was explored. The results showed that the agricultural water consumption intensity and agriculturalization promoted the reduction of agricultural water consumption， and the agricultural water consumption intensity effect was the dominant effect； the economic growth and population size inhibited the reduction of agricultural water consumption， and the economic growth effect was the dominant effect. Based on the results， the following recommendations were put forward： economic development should be balanced with water consumption intensity to achieve a new normal of water-saving economic growth； regional economic development differences should be reduced to control their negative effects on water conservation； and funds should be invested to strengthen the intensity effect of water consumption.

Key words： agriculture water consumption； LMDI； regional perspective； decomposition of driving factors； water conservation

由于水資源短缺和污染，中國的淡水資源面臨越來越大的壓力。中國經(jīng)濟(jì)快速發(fā)展、城市化進(jìn)程加快、人口增長、水資源管理不善、空間分布不均勻等因素增加了中國水資源危機(jī)發(fā)生的頻率和嚴(yán)重程度。中國是農(nóng)業(yè)大國，農(nóng)業(yè)用水量占總用水量的60%以上［1］。其中，灌溉農(nóng)作物所需水量增長較快［2］。因此，面對嚴(yán)峻的水資源狀況，識別和量化導(dǎo)致農(nóng)業(yè)用水量變化的主要影響因素及其驅(qū)動作用，可以準(zhǔn)確把握農(nóng)業(yè)用水變化趨勢［3］，進(jìn)一步探索各地區(qū)農(nóng)業(yè)用水存在的問題，從而為地區(qū)政府科學(xué)制定水資源管理政策提供相關(guān)依據(jù)，促進(jìn)農(nóng)業(yè)用水健康發(fā)展。

在水資源供需矛盾突出和經(jīng)濟(jì)社會發(fā)展全面轉(zhuǎn)型的現(xiàn)階段，深入研究影響農(nóng)業(yè)用水量的主要因素、時(shí)空變化及其內(nèi)在作用機(jī)制具有重要的現(xiàn)實(shí)意義，也受到學(xué)術(shù)界的廣泛關(guān)注?，F(xiàn)有文獻(xiàn)的研究方法主要有時(shí)間序列模型［4，5］、回歸模型［6，7］和系統(tǒng)動力學(xué)模型［8，9］。劉渝等［10］采用了中國31個(gè)?。ㄊ?、自治區(qū)）1999—2005年人均農(nóng)業(yè)用水量和經(jīng)濟(jì)增長相關(guān)指標(biāo)的面板數(shù)據(jù)，通過計(jì)量模型檢驗(yàn)農(nóng)業(yè)用水庫茲涅茨曲線在中國是否存在，定量分析了農(nóng)業(yè)用水量變動與經(jīng)濟(jì)增長之間的規(guī)律。王哲等［11］發(fā)現(xiàn)農(nóng)業(yè)技術(shù)進(jìn)步對河北省農(nóng)業(yè)用水量的降低有明顯的推動作用，且主要來源于科技進(jìn)步的貢獻(xiàn)。金巍等［12］指出提高農(nóng)業(yè)生產(chǎn)效率是降低農(nóng)業(yè)用水量的有效途徑，并通過門檻模型檢驗(yàn)了農(nóng)業(yè)生產(chǎn)效率對農(nóng)業(yè)用水量存在顯著的“門檻抑制效應(yīng)”，抑制強(qiáng)度呈“N”形走勢。

指數(shù)分解法中的對數(shù)平均迪氏指數(shù)法（Logarithmic mean Divisia index，LMDI）可以完全分解因素［13］，不產(chǎn)生無法解釋的殘差項(xiàng)［14］，且分項(xiàng)效應(yīng)之和與總效應(yīng)一致，被廣泛應(yīng)用于定量分析用水量的變化情況。Li等［15］建立了一個(gè)基于LMDI方法的綜合分析框架，從經(jīng)濟(jì)和部門的角度確定北京能源和水關(guān)系的驅(qū)動因素。趙存學(xué)等［16］利用LMDI將居民生活用水分解為消費(fèi)強(qiáng)度效應(yīng)、人均消費(fèi)效應(yīng)、城鎮(zhèn)化效應(yīng)和人口規(guī)模效應(yīng)。Long等［17］運(yùn)用LMDI模型，基于2000—2015年的面板數(shù)據(jù)將水資源消耗量分解為12個(gè)驅(qū)動因素，得出用水強(qiáng)度是減少水資源消耗的最重要驅(qū)動因素等結(jié)論。

目前，LMDI 模型在農(nóng)業(yè)用水領(lǐng)域的應(yīng)用研究尚不多，但LMDI模型無論是從理論基礎(chǔ)、適用性還是其易用性和結(jié)果的可解釋性來說都具有較強(qiáng)優(yōu)勢。鑒于此，本研究采用LMDI模型，基于地區(qū)視角對中國農(nóng)業(yè)用水量演變的驅(qū)動因素進(jìn)行研究，并將中國農(nóng)業(yè)用水量的演變驅(qū)動因素分解為農(nóng)業(yè)用水強(qiáng)度、農(nóng)業(yè)化、區(qū)域結(jié)構(gòu)、經(jīng)濟(jì)增長和人口規(guī)模，定量研究中國農(nóng)業(yè)用水量演變的內(nèi)在機(jī)制，以期為制定中國用水量規(guī)劃、實(shí)現(xiàn)中國用水量控制目標(biāo)提供對策建議。

1 模型與數(shù)據(jù)

1.1 LMDI模型

Divisia指數(shù)方法主要包含AMDI（Arithmetic mean Divisia index decomposition，算術(shù)平均Divisia指數(shù)分解）和LMDI。AMDI和LMDI的區(qū)別在于AMDI沒有完全分解，而LMDI完全分解沒有剩余項(xiàng)，且LMDI被廣泛用于分解能源和能源領(lǐng)域環(huán)境變化驅(qū)動因素總體指標(biāo)［18，19］，因此本研究選取LMDI模型進(jìn)行分解。中國農(nóng)業(yè)用水量（IW）可以由式（1）表示。

1.2 數(shù)據(jù)說明

本研究所用數(shù)據(jù)來源于國家統(tǒng)計(jì)局和《中國水資源公報(bào)》，采用不包括港澳臺在內(nèi)的31個(gè)?。ㄊ?、自治區(qū)）的產(chǎn)值數(shù)據(jù)和用水量數(shù)據(jù)。其中，農(nóng)業(yè)用水量從《中國水資源公報(bào)》中搜集；GDP、農(nóng)業(yè)增加值、人口數(shù)量均由國家統(tǒng)計(jì)局官網(wǎng)整理得到。同時(shí)，在模型中因?yàn)橛盟畯?qiáng)度涉及用水量與GDP的比率，為達(dá)到用水強(qiáng)度的一致性即消除每個(gè)時(shí)期的價(jià)格變化帶來的影響，根據(jù)GDP指數(shù)將每個(gè)時(shí)期的GDP轉(zhuǎn)換為基于2000年的價(jià)格。

2 實(shí)證結(jié)果與分析

2.1 全國農(nóng)業(yè)用水量演變驅(qū)動因素分解

利用LMDI模型分解2000—2019年中國農(nóng)業(yè)用水量演變的驅(qū)動因素，分析結(jié)果如圖1所示。研究期內(nèi)，中國農(nóng)業(yè)用水總量在波動中經(jīng)過了增減的過程后，累計(jì)下降了104.32億m3，體現(xiàn)出中國農(nóng)業(yè)節(jié)水上取得的顯著成效。其中，農(nóng)業(yè)用水強(qiáng)度、農(nóng)業(yè)化、省份經(jīng)濟(jì)發(fā)展3個(gè)因素對累計(jì)農(nóng)業(yè)用水量下降產(chǎn)生作用，且前2個(gè)因素對總用水量的下降具有較大的正向作用。經(jīng)濟(jì)增長是導(dǎo)致農(nóng)業(yè)用水量上升的最主要和突出的因素，地區(qū)經(jīng)濟(jì)發(fā)展、人口規(guī)模也在不同程度上增加了農(nóng)業(yè)用水量。

研究期內(nèi)，農(nóng)業(yè)用水強(qiáng)度與農(nóng)業(yè)化分別造成農(nóng)業(yè)用水量累計(jì)下降3 744.70億、 3 153.06億m3，是抑制農(nóng)業(yè)用水總量增加的主要因素?？梢娋脑O(shè)計(jì)農(nóng)業(yè)節(jié)水政策舉措對用水量控制是必要的。同時(shí)，農(nóng)業(yè)生產(chǎn)技術(shù)的發(fā)展帶來了較高的經(jīng)濟(jì)效益，顯著促進(jìn)了農(nóng)業(yè)用水效率的提高。省份經(jīng)濟(jì)發(fā)展總體上也對農(nóng)業(yè)用水量的減少起到正向作用，然而由于2003—2005年省份經(jīng)濟(jì)發(fā)展導(dǎo)致用水量的大幅增加，其對農(nóng)業(yè)用水量累計(jì)的減少起到的正向作用相對微小。

經(jīng)濟(jì)增長是促進(jìn)農(nóng)業(yè)用水總量增加的首要因素，使其累計(jì)上升6 424.59億m3。2000—2013年經(jīng)濟(jì)高速增長，致使農(nóng)業(yè)用水量在此期間年均增長超過300億m3。在2013年之后經(jīng)濟(jì)增長速度逐漸放緩，但仍然有力地促進(jìn)了農(nóng)業(yè)用水量的增加。農(nóng)民們脫貧致富的愿望促進(jìn)了農(nóng)業(yè)的快速發(fā)展，推動了農(nóng)業(yè)用水量的增加。2000—2019年，地區(qū)經(jīng)濟(jì)發(fā)展、人口增長使得農(nóng)業(yè)用水量分別增長75.85億、396.40億m3。二者雖然也是使得農(nóng)業(yè)用水量增加的因素，但是總體占比并不大，并且每年的數(shù)據(jù)波動微小，并未出現(xiàn)明顯的轉(zhuǎn)折或起伏，促增作用遠(yuǎn)遠(yuǎn)弱于經(jīng)濟(jì)增長。

2.2 中國分地區(qū)農(nóng)業(yè)用水量演變驅(qū)動因素分解

將全國31個(gè)省（市、自治區(qū)）分為六大地區(qū)，分別為東北（包括遼寧省、吉林省和黑龍江省）、華北（包括北京市、天津市、河北省、山西省、山東省和河南?。?、西北（包括內(nèi)蒙古自治區(qū)、陜西省、甘肅省、青海省、寧夏回族自治區(qū)和新疆維吾爾自治區(qū)）、西南（包括廣西壯族自治區(qū)、重慶市、四川省、貴州省、云南省和西藏自治區(qū)）、華中（包括安徽省、江西省、湖北省和湖南?。┖蜄|南沿海（包括上海市、江蘇省、浙江省、福建省、廣東省和海南?。?，從而進(jìn)一步將全國2000—2019年農(nóng)業(yè)用水量累計(jì)演變分解至地區(qū)層面，結(jié)果如表1所示。各地區(qū)的總效應(yīng)存在明顯差異，其中，華北、華中和東南沿海地區(qū)農(nóng)業(yè)用水量的總效益在考察期內(nèi)累計(jì)為負(fù)，對中國總農(nóng)業(yè)用水量減少具有正向作用；東北、西北和西南地區(qū)農(nóng)業(yè)用水量的總效益累計(jì)為正，對中國農(nóng)業(yè)用水量減少起到了負(fù)向作用。華北和東南沿海地區(qū)是使得全國農(nóng)業(yè)用水量累計(jì)下降最主要的地區(qū)，而東北地區(qū)使全國農(nóng)業(yè)用水量明顯上升。除此之外，西北、西南和華中地區(qū)對全國農(nóng)業(yè)用水量的影響較小，尤其是華中地區(qū)，對中國農(nóng)業(yè)用水量累計(jì)下降的正向作用可以忽略不計(jì)。

對各地區(qū)總效應(yīng)的分解情況中，農(nóng)業(yè)用水強(qiáng)度效應(yīng)和農(nóng)業(yè)化效應(yīng)是促進(jìn)各地區(qū)農(nóng)業(yè)用水量下降的主要效應(yīng)。農(nóng)業(yè)用水強(qiáng)度對西北地區(qū)的影響最大，其效應(yīng)占總強(qiáng)度效應(yīng)的29.19%，可見西北地區(qū)技術(shù)的發(fā)展促進(jìn)了農(nóng)業(yè)用水效率的提高，發(fā)展質(zhì)量穩(wěn)步提升。農(nóng)業(yè)化對東南沿海的影響最大，其效應(yīng)占總效應(yīng)的27.54%。省份經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)用水的下降也起到了正向作用，但其影響程度較小，地區(qū)之間具有明顯差異。西北地區(qū)省份經(jīng)濟(jì)發(fā)展影響最為突出，使得該地區(qū)農(nóng)業(yè)用水量下降79.39億m3，東北地區(qū)省份經(jīng)濟(jì)發(fā)展效應(yīng)最小，僅為2.21億m3。

在對農(nóng)業(yè)用水量的減少起到負(fù)向作用的因素中，經(jīng)濟(jì)增長的影響最大，其數(shù)據(jù)絕對值大于其他各項(xiàng)因素，大幅增加了各地區(qū)農(nóng)業(yè)用水量。人口規(guī)模與地區(qū)經(jīng)濟(jì)發(fā)展也在一定程度上導(dǎo)致農(nóng)業(yè)用水量增加。人口規(guī)模效應(yīng)的變化趨勢與經(jīng)濟(jì)增長效應(yīng)非常相似，存在增減的同步性。地區(qū)經(jīng)濟(jì)發(fā)展產(chǎn)生的效應(yīng)差異較大，地區(qū)經(jīng)濟(jì)發(fā)展促進(jìn)了東北和華北地區(qū)農(nóng)業(yè)用水量的減少，卻使西北、西南、華中和東南沿海地區(qū)的農(nóng)業(yè)用水量增加。由此可見，地區(qū)經(jīng)濟(jì)發(fā)展在中國農(nóng)業(yè)用水量的演變過程中產(chǎn)生了影響，西部地區(qū)的省份經(jīng)濟(jì)發(fā)展以及東北和華北的地區(qū)經(jīng)濟(jì)發(fā)展有助于中國農(nóng)業(yè)用水量的減少。

2.3 中國省際農(nóng)業(yè)用水量演變驅(qū)動因素分解

在考察期內(nèi)，各?。ㄊ?、自治區(qū)）總效應(yīng)也存在一定差異，詳見表2。有20個(gè)?。ㄊ?、自治區(qū)）農(nóng)業(yè)用水量下降，其中下降幅度較大的有河北省、廣東省和浙江省，分別下降50.4億、49.9億、48.8億m3，其余省（市、自治區(qū)）下降幅度均在40億m3內(nèi)?？梢?，在嚴(yán)格的水資源管理制度約束下，部分?。ㄊ?、自治區(qū)）農(nóng)業(yè)用水總量明顯下降，需要繼續(xù)貫徹執(zhí)行該項(xiàng)制度。11個(gè)?。ㄊ小⒆灾螀^(qū)）農(nóng)業(yè)用水量上升，其中黑龍江省上升幅度最大，達(dá)88.6億m3，是第二名新疆維吾爾自治區(qū)58.2億m3的1.5倍。農(nóng)業(yè)用水強(qiáng)度對除上海市以外的其他地區(qū)農(nóng)業(yè)用水量的減少產(chǎn)生正向作用，其使新疆維吾爾自治區(qū)農(nóng)業(yè)用水量減少611.1億m3，是對天津市作用的67.2倍。農(nóng)業(yè)化對所有地區(qū)農(nóng)業(yè)用水量的減少均產(chǎn)生正向作用，對江蘇省、廣東省和湖南省尤為明顯。省份經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)用水量的影響較小，對北京市和廣東省不產(chǎn)生影響。地區(qū)經(jīng)濟(jì)發(fā)展效應(yīng)呈差異化的變化趨勢，其中，地區(qū)經(jīng)濟(jì)發(fā)展對黑龍江省農(nóng)業(yè)用水量減少的正向作用最大，效應(yīng)為74.9億m3，而對新疆維吾爾自治區(qū)農(nóng)業(yè)用水量減少的負(fù)向作用最大，為46.3億m3。經(jīng)濟(jì)增長和人口規(guī)模對所有省（市、自治區(qū)）農(nóng)業(yè)用水量的減少均起到負(fù)向作用。經(jīng)濟(jì)增長是導(dǎo)致農(nóng)業(yè)用水量增加的最主要因素，且各地區(qū)差異明顯，新疆維吾爾自治區(qū)的經(jīng)濟(jì)增長效應(yīng)遠(yuǎn)大于其他各?。ㄊ?、自治區(qū)），達(dá)832.7億m3，此外，江蘇省、廣東省、黑龍江省、湖南省、廣西壯族自治區(qū)經(jīng)濟(jì)增長效應(yīng)均達(dá)350億m3以上。人口規(guī)模呈現(xiàn)出與經(jīng)濟(jì)增長同比例變化的趨勢。綜上可以看出，在全國農(nóng)業(yè)用水量變化的總體趨勢下，各?。ㄊ小⒆灾螀^(qū)）由于經(jīng)濟(jì)社會發(fā)展進(jìn)程和水資源稟賦條件的巨大差異，用水量變化及其驅(qū)動效應(yīng)也存在不同特征。

3 小結(jié)與討論

本研究利用LMDI方法，分解分析中國2000—2019年農(nóng)業(yè)用水量演變的驅(qū)動因素，考慮到地區(qū)差異對農(nóng)業(yè)用水量的影響，將分析分為3個(gè)部分，分別為全國歷年農(nóng)業(yè)用水量演變、分地區(qū)農(nóng)業(yè)用水量演變以及省際農(nóng)業(yè)用水量演變，更全面地得到中國農(nóng)業(yè)用水量演變的驅(qū)動因素，并得到以下結(jié)果。

分解分析2000—2019年中國農(nóng)業(yè)用水量演變的驅(qū)動因素，農(nóng)業(yè)用水強(qiáng)度和農(nóng)業(yè)化對中國農(nóng)業(yè)用水量減少起到顯著的正向作用，導(dǎo)致農(nóng)業(yè)用水總量有所下降。在對農(nóng)業(yè)用水量的減少起負(fù)向作用的因素中，經(jīng)濟(jì)增長的影響最大，人口規(guī)模效應(yīng)的變化趨勢與經(jīng)濟(jì)增長效應(yīng)非常相似，存在增減的同步性。地區(qū)經(jīng)濟(jì)發(fā)展產(chǎn)生的差異較大，地區(qū)經(jīng)濟(jì)發(fā)展促進(jìn)了東北和華北地區(qū)農(nóng)業(yè)用水量的下降，卻使西北、西南、華中和東南沿海地區(qū)的用水量增加，體現(xiàn)一定的南北差異。華北、華中和東南沿海地區(qū)農(nóng)業(yè)用水量在考察期內(nèi)累計(jì)變化為負(fù)，而東北、西北和西南地區(qū)的累計(jì)變化則為正。

對中國各?。ㄊ小⒆灾螀^(qū)）農(nóng)業(yè)用水量演變的驅(qū)動因素進(jìn)行分析，發(fā)現(xiàn)在全國農(nóng)業(yè)用水量變化的總體趨勢下，各?。ㄊ?、自治區(qū)）由于經(jīng)濟(jì)社會發(fā)展進(jìn)程和水資源稟賦條件的巨大差異，用水量變化及其驅(qū)動效應(yīng)也存在不同特征。各?。ㄊ小⒆灾螀^(qū)）在發(fā)展經(jīng)濟(jì)的同時(shí)應(yīng)當(dāng)兼顧農(nóng)業(yè)用水強(qiáng)度，因?yàn)檗r(nóng)業(yè)用水強(qiáng)度是農(nóng)業(yè)用水量下降的主要因素，各?。ㄊ?、自治區(qū)）應(yīng)努力達(dá)成節(jié)水型經(jīng)濟(jì)增長新常態(tài)。省份經(jīng)濟(jì)發(fā)展效應(yīng)與地區(qū)經(jīng)濟(jì)發(fā)展效應(yīng)累計(jì)為負(fù)的地區(qū)應(yīng)繼續(xù)保持并擴(kuò)展地區(qū)差異性帶來的農(nóng)業(yè)節(jié)水優(yōu)勢，其他地區(qū)應(yīng)采取有效措施，縮小地區(qū)經(jīng)濟(jì)發(fā)展差異，控制這2個(gè)因素對節(jié)水所產(chǎn)生的負(fù)面影響。經(jīng)濟(jì)發(fā)達(dá)的東南沿海地區(qū)應(yīng)當(dāng)幫助其他地區(qū)加強(qiáng)農(nóng)業(yè)用水強(qiáng)度效應(yīng)，提供資金、技術(shù)等方面的支持。大部分?。ㄊ?、自治區(qū)），尤其是華中地區(qū)需要對農(nóng)業(yè)化帶來的用水副作用進(jìn)行控制，經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)要抓住產(chǎn)業(yè)轉(zhuǎn)移、升級的機(jī)遇，分擔(dān)經(jīng)濟(jì)發(fā)展的壓力，分散人口增長效應(yīng)。

參考文獻(xiàn)：

［1］ 胡勁紅， 何 迅， 謝 軍， 等. 我國農(nóng)業(yè)用水與糧食安全［J］. 湖北農(nóng)業(yè)科學(xué)， 2013，52（21）：5174-5177.

［2］ 周振亞， 羅其友， 李全新， 等. 中國的節(jié)糧空間與糧食安全戰(zhàn)略研究［J］. 世界農(nóng)業(yè)， 2015（9）：107-111.

［3］ 管馳明， 張洋洋， 石常峰. 農(nóng)業(yè)虛擬水消耗影響因素分解及時(shí)空差異——以西北5?。ㄗ灾螀^(qū)）為例［J］. 南水北調(diào)與水利科技（中英文）， 2020，18（5）：193-201.

［4］ 常 迪，齊學(xué)斌，黃仲冬.區(qū)域農(nóng)業(yè)灌溉用水量預(yù)測研究進(jìn)展［J］.中國農(nóng)學(xué)通報(bào)， 2017，33（31）：1-5.

［5］ 萬曉安， 李析男， 姚 軍. 基于經(jīng)濟(jì)定額法的農(nóng)業(yè)灌溉需水預(yù)測研究［J］. 人民珠江， 2018，39（4）：25-31.

［6］ 劉 濤， 崔永正， 李繼霞. 基于水污染視角的中國農(nóng)業(yè)生態(tài)用水效率及其影響因素［J］. 水土保持研究， 2021，28（5）：301-307.

［7］ 張玲玲，丁雪麗，沈 瑩，等. 中國農(nóng)業(yè)用水效率空間異質(zhì)性及其影響因素分析［J］. 長江流域資源與環(huán)境，2019，28（4）：817-828.

［8］ FENG L， CHEN B， HAYAT T， et al. Dynamic forecasting of agricultural water footprint based on Markov Chain-a case study of the Heihe River Basin［J］. Ecological modelling， 2017，353：150-157.

［9］ 王 倩， 黃 凱. 基于系統(tǒng)動力學(xué)的北京市農(nóng)業(yè)水足跡模擬與影響因素分析［J］. 系統(tǒng)工程， 2021，39（3）：13-24.

［10］ 劉 渝， 杜 江， 張俊飚. 中國農(nóng)業(yè)用水與經(jīng)濟(jì)增長的Kuznets假說及驗(yàn)證［J］. 長江流域資源與環(huán)境， 2008，17（4）：593-597.

［11］ 王 哲， 陳 煜. 技術(shù)進(jìn)步一定會帶來一個(gè)區(qū)域農(nóng)業(yè)用水總量下降嗎——基于河北省面板數(shù)據(jù)實(shí)證分析［J］. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)， 2020（6）：81-89.

［12］ 金 巍， 劉雙雙， 張 可， 等. 農(nóng)業(yè)生產(chǎn)效率對農(nóng)業(yè)用水量的影響［J］. 自然資源學(xué)報(bào)， 2018，33（8）：1326-1339.

［13］ 韓 松， 張寶生， 唐 旭， 等. 中國能源強(qiáng)度變化的驅(qū)動因素分析——基于對數(shù)平均迪氏指數(shù)方法［J］. 當(dāng)代經(jīng)濟(jì)科學(xué)， 2016，38（5）：89-98.

［14］ 周志剛， 鄭明亮. 基于對數(shù)均值迪氏指數(shù)法的中國糧食產(chǎn)量影響因素分解［J］. 農(nóng)業(yè)工程學(xué)報(bào)， 2015，31（2）：1-6.

［15］ LI H， LIN J， ZHAO Y， et al. Identifying the driving factors of energy-water nexus in Beijing from both economy- and sector-wide perspectives［J］. Journal of cleaner production， 2019，235：1450-1464.

［16］ 趙存學(xué)，鄧建高， 張陳俊， 等. 長江經(jīng)濟(jì)帶居民生活用水的重心移動與驅(qū)動效應(yīng)研究［J］. 長江流域資源與環(huán)境， 2021，30（4）：827-838.

［17］ LONG H， LIN B， OU Y， et al. Spatio-temporal analysis of driving factors of water resources consumption in China［J］. Science of the total environment， 2019，690：1321-1330.

［18］ SONG Y， ZHANG M. Using a new decoupling indicator （ZM decoupling indicator） to study the relationship between the economic growth and energy consumption in China［J］. Natural hazards， 2017，88（2）：1013-1022.

［19］ WANG W， LIU X， ZHANG M， et al. Using a new generalized LMDI （logarithmic mean Divisia index） method to analyze China’s energy consumption［J］. Energy， 2014，67：617-622.