付永虎，劉黎明，王加升，葉津煒，郭 赟

?

高集約化農(nóng)區(qū)投入減量化與環(huán)境風險降低潛勢的時空分異特征

付永虎1,2，劉黎明1※，王加升1，葉津煒1，郭 赟1

（1. 中國農(nóng)業(yè)大學資源與環(huán)境學院，北京 100193； 2. 淮海工學院法學院，連云港 222005）

該文應(yīng)用氮足跡（nitrogen footprint，N footprint）、灰水足跡（grey water footprint，GWF）理論，以上海市青浦區(qū)為案例區(qū)，對集約農(nóng)業(yè)土地利用系統(tǒng)的活性氮排放和非點源污染進行分析，運用非期望產(chǎn)出的SBM-Undesirable窗式分析模型，系統(tǒng)解析農(nóng)業(yè)土地利用環(huán)境效率時空分異特征，綜合評估農(nóng)業(yè)土地利用系統(tǒng)投入減量化趨勢與環(huán)境風險降低潛勢。結(jié)果表明：1）在考慮活性氮排放和非點源污染約束下，2006－2013年青浦區(qū)農(nóng)業(yè)土地利用環(huán)境效率相對較低，2006－2013年均值僅為0.669；2）2006－2013年青浦區(qū)年均勞動力、肥料和機械動力的潛在減量比例較高，8 a間潛在年均縮減總量分別為8 104人，4 501.59 t，27 928.44 kW；非點源污染灰水足跡的潛在減排比例高于污染氮足跡，潛在減排總量年均分別為52 046.88萬m3和381.04 t。花香橋街道具有最大的潛在投入減量化與環(huán)境風險降低比例。白鶴鎮(zhèn)、練塘鎮(zhèn)等具有較大的潛在縮減規(guī)模，應(yīng)成為青浦區(qū)農(nóng)業(yè)投入減量化和污染物減排總量控制的重點區(qū)域。該文評價結(jié)果可為制定農(nóng)業(yè)可持續(xù)發(fā)展規(guī)劃及農(nóng)業(yè)產(chǎn)業(yè)政策提供參考。

土地利用；污染；農(nóng)業(yè)；氮足跡；灰水足跡；環(huán)境效率；投入減量；環(huán)境風險

0 引 言

過去30多年來，中國普遍實行了高投入-產(chǎn)出的集約農(nóng)業(yè)土地利用模式，化肥、農(nóng)業(yè)機械的廣泛使用在提高土地收益和保障糧食安全的同時，也帶來了活性氮（reactive Nitrogen，Nr）排放不斷增加、農(nóng)業(yè)非點源污染趨于嚴重等問題，集約化農(nóng)業(yè)生產(chǎn)對環(huán)境的負面影響已受到廣泛的關(guān)注。已有研究報道全球大約有70%以上的Nr排放來自于農(nóng)業(yè)生產(chǎn)[1]；在中國，農(nóng)業(yè)土地利用過程導致的灰水足跡總量占到人類活動的60%[2]。減少Nr排放和控制農(nóng)業(yè)非點源污染風險，已成為農(nóng)業(yè)可持續(xù)發(fā)展領(lǐng)域的重要研究方向。從農(nóng)業(yè)土地利用系統(tǒng)的角度來說，系統(tǒng)輸入和輸出的物質(zhì)量越大，人類給予生態(tài)環(huán)境的壓力就愈大?；?、機械等投入要素的無效或低效率利用是導致農(nóng)業(yè)環(huán)境問題突出的主要原因之一[3]，因此，通過提高農(nóng)業(yè)土地利用系統(tǒng)的環(huán)境效率，降低物質(zhì)投入與減少有害物質(zhì)的環(huán)境輸出，是實現(xiàn)農(nóng)業(yè)生態(tài)經(jīng)濟系統(tǒng)穩(wěn)步運行的關(guān)鍵。

環(huán)境效率是衡量經(jīng)濟發(fā)展導致的環(huán)境代價，是可持續(xù)發(fā)展能力評價的重要指標之一。環(huán)境效率的常用測度方法是假設(shè)一個經(jīng)濟體在等量要素或產(chǎn)出條件下，其污染排放離污染最小排放的距離[4]。土地利用系統(tǒng)環(huán)境效率分析應(yīng)既考慮農(nóng)業(yè)土地利用過程中產(chǎn)出的經(jīng)濟價值，同時也應(yīng)兼顧土地利用過程中的環(huán)境輸出，即需要考慮期望產(chǎn)出，也應(yīng)考慮非期望產(chǎn)出。有關(guān)農(nóng)業(yè)土地利用環(huán)境效率研究，不少學者從不同角度進行了深入探討并取得了諸多研究成果[5-9]。例如Marthin等[10]回顧了考慮環(huán)境效應(yīng)的農(nóng)業(yè)生產(chǎn)效率計算方法，以澳大利亞的農(nóng)業(yè)生產(chǎn)部門為案例研究，考慮環(huán)境成本的投入，對農(nóng)業(yè)生產(chǎn)效率進行了修正，研究結(jié)果表明考慮環(huán)境因素的生產(chǎn)率校準方法是可持續(xù)發(fā)展研究中一個重要的生產(chǎn)率測定方法。近年來非期望產(chǎn)出的SBM方法的提出，不僅解決了投入和產(chǎn)出松弛的問題，且同時解決了非期望產(chǎn)出存在下的環(huán)境效率評價問題；是一種綜合考慮土地、勞動力、機械、肥料等投入與經(jīng)濟產(chǎn)出、環(huán)境輸出等要素相互作用的農(nóng)業(yè)環(huán)境效率的表達，能夠科學地反映各個決策單元環(huán)境效率的真實水平[11]，已被眾多學者應(yīng)用于農(nóng)業(yè)環(huán)境效率和節(jié)能減排潛勢分析。Kuo等[12]以臺灣南部的58個村種植業(yè)為研究對象，應(yīng)用SBM-Undesirable模型將農(nóng)用化學品污染物輸出作為非期望產(chǎn)出，計算了各決策單元的環(huán)境效率。國內(nèi)學者分別從非點源污染、碳排放以及2者結(jié)合的視角，對國家、區(qū)域等層面進行農(nóng)業(yè)環(huán)境效率的測算，為農(nóng)業(yè)生產(chǎn)的節(jié)能減排、環(huán)境效率的提高提出了改進方向，研究成果對農(nóng)業(yè)環(huán)境管理與政策制定提供了參考依據(jù)[6,13-16]。然而，以上有關(guān)農(nóng)業(yè)環(huán)境效率研究，對非期望產(chǎn)出指標的考查主要集中在農(nóng)業(yè)非點源污染、碳排放等因素，忽視了對農(nóng)業(yè)土地利用過程導致的活性氮排放的研究，以致丟失了大量的環(huán)境輸出信息，從而降低了對農(nóng)業(yè)土地利用環(huán)境效率評價的有效性和準確性。其次，非點源污染的測算主要以等標排放量為主，未能充分反映非點源污染對當?shù)厮Y源的影響，研究成果無法科學指導關(guān)鍵環(huán)境風險的縮減潛勢。作為當前生態(tài)經(jīng)濟學和可持續(xù)發(fā)展研究領(lǐng)域的熱點之一，氮足跡和灰水足跡為評估農(nóng)業(yè)土地利用資源消耗和廢棄物排放等提供了新的理念和途徑，氮足跡和灰水足跡理論的雙重足跡分析方法應(yīng)用于農(nóng)業(yè)生產(chǎn)的環(huán)境效應(yīng)評價，能夠準確量化農(nóng)業(yè)土地利用過程對環(huán)境的多重負面影響[17]；同時還可為農(nóng)業(yè)土地利用環(huán)境效率評價提供全新的定量化指標?；诖?，本文主要將在以下3個方面進行拓展：1）系統(tǒng)分析農(nóng)業(yè)生產(chǎn)過程的污染氮足跡和非點源污染灰水足跡，綜合評估集約農(nóng)業(yè)土地利用的環(huán)境效應(yīng)；2）將污染氮足跡和非點源污染灰水足跡納入農(nóng)業(yè)土地利用環(huán)境效率評價模型，從而更加全面、客觀地評價集約農(nóng)業(yè)土地利用系統(tǒng)的環(huán)境效率；3）通過構(gòu)建投入減量化潛力、規(guī)模，污染物減排潛力、規(guī)模模型，探討集約化農(nóng)區(qū)投入減量化與環(huán)境風險降低潛勢。研究結(jié)果可為構(gòu)建投入減量化與低環(huán)境風險的可持續(xù)集約農(nóng)業(yè)土地利用模式提供支撐，為政府制定農(nóng)業(yè)環(huán)境政策提供理論與方法依據(jù)。

1 研究區(qū)概況

本研究選取上海市青浦區(qū)作為研究單元，該區(qū)域位于上海市西郊，太湖下游，黃浦江上游。地理坐標為30°59′～31°16′N、120°53′～121°17′E，境內(nèi)河網(wǎng)密集，淀山湖為上海市主要水源地之一。青浦區(qū)氣候溫和濕潤、日照充足，多年平均氣溫16.2 ℃，屬亞熱帶季風氣候，多年平均降雨量1 049.1 mm。土地總面積約670.14 km2，占上海市總面積的10%，轄區(qū)地勢平坦，土地肥沃，耕地面積比重大，農(nóng)業(yè)生產(chǎn)集約化程度高，是上海市重要的糧食、蔬菜和水果生產(chǎn)基地。近年來，隨著高投入、高產(chǎn)出農(nóng)業(yè)生產(chǎn)模式的推行，Nr排放及農(nóng)業(yè)非點源污染的風險日益增大。

2 研究方法與參數(shù)選取

2.1 農(nóng)業(yè)土地利用系統(tǒng)污染氮足跡和非點源污染灰水足跡的測算

1）測算方法

污染氮足跡指在農(nóng)業(yè)土地利用過程中所導致的不被作物吸收的活化氮排放[17]，包含地表徑流（TN）、淋溶（TN）、氨揮發(fā)、N2O直接排放等虛擬氮足跡（virtual N footprint，NFvirtual）及農(nóng)業(yè)燃油NO和NO2排放途徑損失的農(nóng)業(yè)能源氮足跡（energy N footprint，NFenergy）。計算公式為

式中NFpollution代表污染氮足跡，t；runoff代表徑流途徑損失的總氮，t；leach代表淋溶途徑損失的總氮，t；volatilization代表氨揮發(fā)損失的氮，t；N2O代表N2O直接排放的氮，t；fuel代表農(nóng)業(yè)燃油NO與NO2排放途徑損失的Nr，t。針對非點源污染灰水足跡的計算，本文借鑒付永虎等[18]對農(nóng)業(yè)生產(chǎn)部門灰水足跡的計算方法，計算區(qū)域農(nóng)業(yè)非點源污染灰水足跡。

2）參數(shù)與數(shù)據(jù)來源

表1 參數(shù)取值與數(shù)據(jù)來源

續(xù)表

2.2 SBM-Undesirable模型的窗式分析

數(shù)據(jù)包絡(luò)分析方法（data envelopment analysis, DEA）是一種可測度多要素投入與多產(chǎn)出之間相對效率評價的系統(tǒng)分析方法，因其具有非主觀賦權(quán)、無需事先確定函數(shù)關(guān)系，并可對決策單元無效因素進行分析等優(yōu)點，在擁有相同結(jié)構(gòu)決策單元的復雜生產(chǎn)系統(tǒng)效率評價中具有巨大優(yōu)勢，自1978年以來已廣泛應(yīng)用于效率評價中。然而，目前DEA方法的應(yīng)用主要集中于CCR、BBC等傳統(tǒng)模型，產(chǎn)出指標一般為期望產(chǎn)出，對污染物輸出沒有納入考慮范圍，且效率評價過程忽視了投入產(chǎn)出變量的松弛型問題，無法對無效率情況進行分析，導致了相對效率評價有失偏誤[27]。2001年，Tone提出了SBM（Slack-Based Measure）模型[28]，有效解決了無效率情況測算的問題，并可分析松弛型問題的可改進效率值。此后，Cooper等[29]將非期望產(chǎn)出引入到SBM模型中，構(gòu)建SBM-Undesirable模型，從而實現(xiàn)了非期望產(chǎn)出條件下集約農(nóng)業(yè)土地利用環(huán)境效率評價。假設(shè)生產(chǎn)系統(tǒng)有個決策單元，每個單元有種投入、1種期望產(chǎn)出和2種非期望產(chǎn)出，針對一個包含非期望產(chǎn)出的生產(chǎn)可能性集合

構(gòu)建SBM-Undesirable公式如下

式中代表有界閉集，∈R，y∈R1與y∈R2；定義矩陣、Y、Y為：=[1,…,n]∈R，Y=[y,…,yn]∈R與Y=[y,…,y]∈R，>0，Y>0，Y>0。代表權(quán)重向量，∈R，≥0表示規(guī)模報酬可變（variable return to scale，簡稱VRS）。代表環(huán)境效率值，0≤≤1；0、0、0分別代表投入、期望產(chǎn)出和非期望產(chǎn)出要素；、1、2分別代表投入、期望產(chǎn)出和非期望產(chǎn)出要素的個數(shù)；-、g、s分別代表投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量；λ代表權(quán)重向量。當-=0、g=0、s=0時，=1，決策單元（decision making unit，DMU）即為有效率的。

窗式分析由Charnes等[30]提出，通過把處于不同時間段上的同一單元看作不同的決策單元，采用特定時間段作為窗口寬度構(gòu)建生產(chǎn)前沿面。窗口隨時間序列向前滑動，每滑動一次就將最早的一個時段數(shù)據(jù)從窗口中去掉，同時增加一個新時段數(shù)據(jù)，因此既能避免了傳統(tǒng)DEA分析中生產(chǎn)前沿面不連續(xù)的問題，同時也規(guī)避了跨期分析導致的生產(chǎn)前沿面相同的缺陷，使得對面板數(shù)據(jù)的分析更加靈活，效率計算更為準確和客觀。假設(shè)有個時期（=1,…,），若窗口的寬度為（≤），則可得到=(?+1)個窗口。本文基于已有研究將窗口寬度設(shè)為=3[31]，同時依據(jù)相關(guān)文獻的研究成果[13,15-16]，選取影響農(nóng)業(yè)生產(chǎn)的關(guān)鍵投入和產(chǎn)出指標，構(gòu)建農(nóng)業(yè)土地利用環(huán)境效率指標體系（表2）。農(nóng)業(yè)產(chǎn)值按照2006年不變價列入計算，非期望產(chǎn)出選取污染氮足跡和農(nóng)業(yè)非點源污染灰水足跡。將青浦區(qū)各鄉(xiāng)鎮(zhèn)（街道）農(nóng)業(yè)土地利用系統(tǒng)2006－2013年的各投入產(chǎn)出的面板數(shù)據(jù)代入SBM-Undesirable的窗式分析模型，以評價不同DMU的相對環(huán)境效率。

表2 青浦區(qū)農(nóng)業(yè)土地利用環(huán)境效率評價指標體系

2.3 物質(zhì)減量及環(huán)境風險降低潛勢評估

根據(jù)SBM-Undesirable模型，如果<1時，DMU無效（即存在效率損失），松弛變量可反映農(nóng)業(yè)土地利用過程中環(huán)境無效率的改善途徑。因此，構(gòu)建投入減量、輸出減排比例MRP和投入減量、輸出減排規(guī)模MRS，計算公式如下

式中MRP代表第個DMU的某一投入指標的投入減量比例或非期望產(chǎn)出的輸出減排比例，%；S代表第個DMU的投入冗余或非期望產(chǎn)出冗余的松弛變量；AP代表第個DMU的實際投入或產(chǎn)出量；MRS代表某一指標的投入減量或者輸出減排規(guī)模。MRP是指DMU某一指標投入冗余或非期望產(chǎn)出冗余的松弛變量與實際投入或產(chǎn)出量的比值，反映了農(nóng)業(yè)土地利用某一投入指標或非期望產(chǎn)出指標的減量投入或減排的改善空間。MRS是指單個DMU的某一指標投入冗余或非期望產(chǎn)出冗余的松弛變量與所有DMU該指標投入冗余或非期望產(chǎn)出冗余的松弛變量總和的比值，反映了農(nóng)業(yè)土地利用某一投入指標或者非期望產(chǎn)出指標對研究區(qū)該指標減投或減排的潛在規(guī)模的貢獻和影響程度。

3 結(jié)果分析

3.1 污染氮足跡與非點源灰水足跡分析

3.1.1 總體分析

農(nóng)業(yè)污染氮足跡是農(nóng)業(yè)土地利用過程對活性氮輸出的度量。2006－2013年青浦區(qū)農(nóng)業(yè)污染氮足跡在2 805.59～3 505.68 t之間波動（表3），8 a平均值為3 092.44 t。與已有研究成果相似[17]，氨揮發(fā)是污染氮足跡最主要的排放途徑，2006－2013年氨揮發(fā)損失的氮占污染氮足跡的比重平均為55.95%；淋溶和徑流損失的氮是引起農(nóng)田周邊水質(zhì)惡化的重要途徑，2006－2013年年均排向水體的Nr總量在1 126.50～1 329.95 t波動，年均值1 237.69 t。N2O直接排放與燃油釋放的活性氮相對較小，年均排放總量占污染氮足跡比重的3%以下。

2006－2013年，青浦區(qū)各鄉(xiāng)鎮(zhèn)（街道）氮肥灰水足跡均高于磷肥灰水足跡，非點源污染灰水足跡取氮肥灰水足跡計算值。8 a間農(nóng)業(yè)非點源污染灰水足跡為134 026.58～152 833.70萬m3（表3），年均值為144 969.00萬m3，單位土地利用面積灰水足跡年均5.52萬m3/hm2，2010年單位耕地面積灰水足跡是湖南省桃江縣單位農(nóng)業(yè)土地利用系統(tǒng)灰水足跡的2.30倍。青浦區(qū)多年平均補給地表水資源總量由3部分組成，其中本地徑流為2.53億m3，占1.63%，上游太湖流域來水占45.45%，潮水占52.92%，其總量達到了155.1億m3，豐富的水資源保障了社會經(jīng)濟用水需求。然而應(yīng)用水環(huán)境壓力（water environmental pressure，WEP）指標[18]，分析多年平均徑流量情景下農(nóng)業(yè)非點源污染灰水足跡的水環(huán)境壓力（指農(nóng)業(yè)非點源污染灰水足跡與研究區(qū)多年平均徑流量的比值），2006－2013年青浦區(qū)水環(huán)境受農(nóng)業(yè)生產(chǎn)的影響較大，年均WEP為5.74，農(nóng)業(yè)生產(chǎn)對稀釋水的需求已遠遠超出了青浦區(qū)天然地表徑流量。因此，如果考慮生態(tài)用水，特別是農(nóng)業(yè)生產(chǎn)的環(huán)境用水，青浦區(qū)水資源則嚴重短缺。農(nóng)業(yè)生產(chǎn)導致的水質(zhì)惡化引起生態(tài)用水的增大，是上海青浦區(qū)水資源出現(xiàn)水質(zhì)性缺水的重要原因之一。

表3 上海青浦區(qū)污染氮足跡與非點源污染灰水足跡的總體分析

3.1.2 空間分析

青浦區(qū)各鄉(xiāng)鎮(zhèn)（街道）農(nóng)業(yè)污染氮足跡跨度較大，除白鶴鎮(zhèn)和華新鎮(zhèn)外，總體呈“西高東低”的態(tài)勢（圖1a）。2006－2013年各鄉(xiāng)鎮(zhèn)（街道）農(nóng)業(yè)污染氮足跡為25.78～1 149.62 t，年均最大值和最小值的鄉(xiāng)鎮(zhèn)（街道）分別為白鶴鎮(zhèn)（898.47 t）和盈浦街道（38.72 t）。位于青西地區(qū)的金澤鎮(zhèn)、朱家角鎮(zhèn)和練塘鎮(zhèn)農(nóng)業(yè)污染氮足跡分別高于青浦區(qū)平均水平（281.13 t）8.84%、57.50%、69.05%。其他區(qū)域則呈兩極分化的特征，位于北部的白鶴鎮(zhèn)農(nóng)業(yè)污染氮足跡遠高于區(qū)域平均值219.59%，然而位于青浦中部和東部的盈浦街道、徐涇鎮(zhèn)農(nóng)業(yè)污染氮足跡卻在60 t以下。

青浦區(qū)各鄉(xiāng)鎮(zhèn)（街道）農(nóng)業(yè)非點源污染灰水足跡為764.68～47 769.40萬m3，2006－2013年年均最大值和最小值的鄉(xiāng)鎮(zhèn)（街道）分別為朱家角鎮(zhèn)（39 830.94萬m3）和盈浦街道（1 077.92萬m3）（圖1b）。各鄉(xiāng)鎮(zhèn)（街道）農(nóng)業(yè)非點源污染灰水足跡跨度較大，除白鶴鎮(zhèn)外，整體呈現(xiàn)青西地區(qū)高于青東地區(qū)的空間分異格局。盈浦街道、趙巷鎮(zhèn)因農(nóng)業(yè)土地利用面積較小，灰水足跡在2 000萬m3以下。青浦區(qū)各鄉(xiāng)鎮(zhèn)（街道）磷肥灰水足跡為193.86～24 627.74萬m3，2006－2013年年均最大值和最小值的鄉(xiāng)鎮(zhèn)（街道）分別為朱家角鎮(zhèn)（20 474.05萬m3）和盈浦街道（334.91萬m3）。磷肥灰水足跡的空間分布與農(nóng)業(yè)非點源污染灰水足跡的空間部分特征類似，除白鶴鎮(zhèn)外整體呈現(xiàn)青西地區(qū)高于青東地區(qū)的空間分布特征。

3.2 農(nóng)業(yè)土地利用環(huán)境效率評估

3.2.1 青浦區(qū)農(nóng)業(yè)土地利用環(huán)境效率的年際變化

本文應(yīng)用SBM-Undesirable模型的窗式分析方法，基于CRS假設(shè)計算出青浦區(qū)2006－2013年農(nóng)業(yè)土地利用環(huán)境效率（圖2）。總體來看，2006－2013年農(nóng)業(yè)土地利用環(huán)境效率呈“雙峰”型波動的態(tài)勢，在0.612～0.743之間波動，年均值僅為0.669。最高值出現(xiàn)在2008年，為0.743，處于較低水平；而2013年農(nóng)業(yè)土地利用環(huán)境效率值為0.612，這意味著如果把當前生產(chǎn)要素的潛力全部發(fā)揮出來，可以使農(nóng)業(yè)土地利用的環(huán)境效率再增長近38.8%。

3.2.2 空間格局演變

為直觀地分析研究期內(nèi)青浦區(qū)農(nóng)業(yè)土地利用環(huán)境效率的空間演化格局，利用2006、2008、2011和2013年各鄉(xiāng)鎮(zhèn)（街道）截面數(shù)據(jù)，分析環(huán)境效率的空間格局演變（圖3）。按照涂正革對環(huán)境技術(shù)效率的分類方法[32]，將青浦區(qū)各城鎮(zhèn)分為相對高效率區(qū)(0.9-1]、較高效率區(qū)(0.8-0.9]、中等效率區(qū)(0.7-0.8]、較低效率區(qū)(0.6-0.7]和低效率區(qū)(0-0.6]?？傮w來看，2006－2013年青浦區(qū)各鄉(xiāng)鎮(zhèn)（街道）土地利用環(huán)境效率整體呈現(xiàn)波動變化的趨勢。2006年農(nóng)業(yè)土地利用環(huán)境高效率鄉(xiāng)鎮(zhèn)（街道）的數(shù)量為4個，均位于青浦區(qū)東部，分別為：白鶴鎮(zhèn)、重固鎮(zhèn)、華新鎮(zhèn)和徐涇鎮(zhèn)；在非有效鄉(xiāng)鎮(zhèn)中，平均效率為0.418，低于平均水平0.629，其中花香橋僅為0.261，農(nóng)業(yè)土地利用極為粗放。2008年，環(huán)境高效率的DMU增加至6個，金澤鎮(zhèn)也由2006年的低效率區(qū)上升為較低效率區(qū)，效率值增至0.696。2011年環(huán)境高效率的DMU數(shù)量回落至4個，金澤鎮(zhèn)土地利用環(huán)境效率上升至高效率，白鶴鎮(zhèn)、重固鎮(zhèn)和夏陽街道下降至較低效率、低效率和低效率區(qū)。2013年青浦區(qū)除盈浦街道處于高效率區(qū)外，總體呈現(xiàn)下降的態(tài)勢，總體平均環(huán)境效率也由2011年的0.625下降至2013年的0.612。

3.3 投入減量及環(huán)境風險降低潛勢評估

本研究根據(jù)公式（3）和公式（4），計算2006－2013年勞動力、肥料和機械的投入減量潛力和投入減量規(guī)模，污染氮足跡和非點源污染灰水足跡的減排潛力和減排規(guī)模。

3.3.1 投入減量與污染物減排潛力

青浦區(qū)2006－2013年年均勞動力、肥料和機械動力的潛在減量比例分別為32.21%，25.70%和38.21%，污染氮足跡和非點源污染灰水足跡的潛在減排比例分別為12.32%和32.18%。機械動力與勞動力的投入減量潛力相對較高，非點源污染灰水足跡減排潛力較大，機械和勞動力未能有效利用，資源配置相對低效，非點源污染問題突出。從各鄉(xiāng)鎮(zhèn)（街道）的投入減量與污染物減排潛力來看（圖4），青浦區(qū)各鄉(xiāng)鎮(zhèn)（街道）普遍存在投入冗余和環(huán)境污染的現(xiàn)象，投入規(guī)模和結(jié)構(gòu)尚不盡合理、資源無效利用、非期望產(chǎn)出過多等問題。香花橋街道存在勞動力過剩，肥料施用量過高，機械投入冗余，農(nóng)業(yè)污染氮足跡和非點源污染灰水足跡排放過高的現(xiàn)象，具有最大的投入減量化與環(huán)境風險降低潛勢，應(yīng)成為青浦區(qū)農(nóng)業(yè)土地利用系統(tǒng)設(shè)計與優(yōu)化重點關(guān)注的區(qū)域。通過提高機械利用效率，優(yōu)化勞動力配置、科學適量的化肥投入模式以及增加技術(shù)投入減少Nr和非點源污染物排放等途徑來提高該區(qū)域的農(nóng)業(yè)土地利用環(huán)境效率，進而降低環(huán)境風險。盈浦街道農(nóng)業(yè)生產(chǎn)的勞動力、肥料、機械動力和Nr排放指標具有較大的投入減量和污染物減排潛力，在提高勞動生產(chǎn)率、減少肥料投入和提高機械利用效率的同時，應(yīng)重點實施Nr減排的相關(guān)措施。針對非點源污染灰水足跡排放的問題，除香花橋街道外，金澤鎮(zhèn)和朱家角鎮(zhèn)具有較大的農(nóng)業(yè)非點源污染減排潛勢，應(yīng)成為非點源污染物減排重點調(diào)控的區(qū)域。華新鎮(zhèn)農(nóng)業(yè)生產(chǎn)要素配置較為合理，投入減量與污染物減排潛勢相對較低，除勞動力的潛在縮減比例為11.55%外，其他指標的相對縮減比例均在7%以內(nèi)。

3.3.2 投入減量與污染物減排規(guī)模

2006－2013年青浦區(qū)農(nóng)業(yè)生產(chǎn)的勞動力、肥料和機械動力的潛在縮減總量年均分別為8 104人，4 501.59 t，27 928.44 kW；污染氮足跡和非點源污染灰水足跡的潛在減排總量分別為381.04 t和52 046.88萬m3。從各鄉(xiāng)鎮(zhèn)（街道）的潛在縮減規(guī)模來看（表4），白鶴鎮(zhèn)和香花橋街道污染氮足跡的潛在減排規(guī)模對青浦區(qū)農(nóng)業(yè)Nr減排具有較大影響，分別占區(qū)域Nr潛在減排總量的26.39%和22.18%。練塘鎮(zhèn)勞動力、肥料、機械動力和灰水足跡的潛在縮減規(guī)模對青浦區(qū)的投入減量和非點源污染減排具有較大的影響，分別占青浦區(qū)潛在縮減總量的29.30%，34.59%，30.72%和35.56%，練塘鎮(zhèn)農(nóng)業(yè)生產(chǎn)主要以水生蔬菜種植為主，其高勞動力投入、化肥過量施用等土地利用模式造成了資源的低效利用，農(nóng)業(yè)非點源污染物輸出總量較高，應(yīng)成為青浦區(qū)農(nóng)業(yè)資源節(jié)約和污染減排總量控制的重點區(qū)域。

表4 青浦區(qū)2006－2013年關(guān)鍵指標的潛在縮減規(guī)模

4 討 論

高集約化農(nóng)業(yè)生產(chǎn)方式下不可避免地伴隨著污染物的排放，糧食安全與環(huán)境安全之間日益尖銳的矛盾，使得集約農(nóng)業(yè)的可持續(xù)發(fā)展面臨著嚴峻的挑戰(zhàn)。未來十年，高集約化農(nóng)業(yè)土地利用模式是保障中國糧食安全的主要途徑，在環(huán)境約束日益增強的情況下，提高土地利用環(huán)境效率意義重大。氮足跡可從關(guān)鍵元素（氮）的角度分析農(nóng)業(yè)土地利用過程中活性氮排放的遷移與轉(zhuǎn)化途徑，重點關(guān)注活性氮的排放總量與結(jié)構(gòu)特征，分析結(jié)果可為指導人類生產(chǎn)方式，減少人為Nr排放提供理論和數(shù)據(jù)支撐[33-34]?；宜阚E分析方法實現(xiàn)了從水量的角度評價水污染程度的目的，直觀地反映了水污染對可用水資源量的影響[35]，其計算方法通常情況下為換算成將污水稀釋至符合當?shù)貐^(qū)域規(guī)定的水質(zhì)標準所需的淡水體積，本文灰水足跡的計算包含氮、磷等污染物進入水體的“虛擬”水量，其計算結(jié)果不僅與氮徑流、淋溶損失有關(guān)，還與磷流失及當?shù)氐乃h(huán)境質(zhì)量標準相關(guān)。根據(jù)上海市對水源地保護的要求，不同鄉(xiāng)鎮(zhèn)執(zhí)行差異化的水環(huán)境質(zhì)量標準，即使氮肥流失總量相同，其灰水足跡的結(jié)果也不同。本文將高集約化農(nóng)業(yè)生產(chǎn)中活性氮排放與非點源污染物納入到農(nóng)業(yè)土地利用環(huán)境效率評價體系中，采用氮足跡、灰水足跡理論與SBM-Undesirable模型的窗式分析方法相結(jié)合，能夠更為準確地評估熱點元素和關(guān)鍵環(huán)境問題下的集約農(nóng)業(yè)土地利用環(huán)境效率，繼而為降低區(qū)域農(nóng)業(yè)生產(chǎn)的環(huán)境風險提供了具體的改進方向與途徑。

本文應(yīng)用SBM-Undesirable模型的窗式分析方法，很好地解決了非期望產(chǎn)出存在下的環(huán)境效率的評價問題，能夠科學地反映各個決策單元環(huán)境效率的真實水平。然而，農(nóng)業(yè)土地利用系統(tǒng)是一個巨復雜的人與自然耦合系統(tǒng)，部分投入、期望產(chǎn)出和非期望產(chǎn)出指標之間具有不可分離特性，本文鑒于條件所限，未充分考慮這一點。因此，下一步可在深入分析農(nóng)業(yè)土地利用過程中投入產(chǎn)出相互關(guān)系的基礎(chǔ)上，構(gòu)建不可分離變量的非期望SBM效率評價方法，以期更為精準地反映農(nóng)業(yè)生產(chǎn)的實際土地利用過程。此外，應(yīng)指出的是影響農(nóng)業(yè)土地利用環(huán)境效率的因素眾多，涉及指標體系、計算與評價方法等諸多方面。本文根據(jù)研究區(qū)的特點及數(shù)據(jù)的可獲得性，僅選取了耕地、勞動力與化肥等5個投入產(chǎn)出指標，其中針對環(huán)境風險的問題僅考慮了活性氮排放與非點源污染。今后，可將氮足跡、灰水足跡與生態(tài)足跡等環(huán)境類足跡整合然后與SBM相關(guān)模型結(jié)合，可綜合評估集約農(nóng)業(yè)投入減量化與環(huán)境風險降低潛勢，進而有助于提出全面科學的環(huán)境效率改善的政策與建議，同時對構(gòu)建投入減量化與低環(huán)境風險的集約農(nóng)業(yè)可持續(xù)土地利用模式具有重要的理論和現(xiàn)實意義。

5 結(jié) 論

本文以上海市青浦區(qū)為案例區(qū)，將氮足跡、灰水足跡理論與SBM-Undesirable模型的窗式分析方法相結(jié)合，分析集約農(nóng)業(yè)土地利用過程對環(huán)境的負面影響，系統(tǒng)解析環(huán)境效率的時空分異特征，進而綜合評估了投入減量化趨勢與環(huán)境風險降低潛勢。主要結(jié)論如下：

1）青浦區(qū)污染氮足跡與非點源污染灰水足跡存在顯著的時空差異性，總體呈西高東低的態(tài)勢。2006－2013年農(nóng)業(yè)污染氮足跡與非點源污染灰水足跡年均值分別為3 092.44 t、144 969.00萬m3，農(nóng)業(yè)生產(chǎn)導致的水質(zhì)惡化引起生態(tài)用水的增大，是上海青浦區(qū)水資源出現(xiàn)水質(zhì)性缺水的重要原因之一。

2）在考慮活性氮排放和非點源污染約束下，2006－2013年青浦區(qū)農(nóng)業(yè)土地利用環(huán)境效率相對較低，2006－2013年均值僅為0.669。

3）2006－2013年青浦區(qū)年均勞動力、肥料和機械動力的潛在減量比例較高，8 a間潛在年均縮減總量分別為 8 104人，4 501.59 t，27 928.44 kW；非點源污染灰水足跡的潛在減排比例高于污染氮足跡，潛在減排總量年均分別為52 046.88萬m3和381.04 t。

4）花香橋街道具有最大的潛在投入減量化與環(huán)境風險降低比例。白鶴鎮(zhèn)、練塘鎮(zhèn)等具有較大的潛在縮減規(guī)模，應(yīng)成為青浦區(qū)農(nóng)業(yè)投入減量化和污染物減排總量控制的重點區(qū)域。

[1] Chatzimpiros P, Barles S. Nitrogen food-print: N use related to meat and dairy consumption in France[J]. Biogeosciences, 2013, 10: 471－481.

[2] 中國科學院地理科學與資源研究所世界自然基金會. 中國生態(tài)足跡報告2012[R]. 世界自然基金會（WWF）與中國科學院地理科學與資源研究所，2012.

[3] Pang Jiaxing, Chen Xingpeng, Zhang Zilong, et al. Measuring eco-efficiency of agriculture in China[J]. Sustainability, 2016, 8(4): 398.

[4] 張可，豐景春. 強可處置性視角下中國農(nóng)業(yè)環(huán)境效率測度及其動態(tài)演進[J]. 中國人口&資源與環(huán)境，2016，26(1)：140－149.

Zhang Ke, Feng Jingchun. Agricultural environmental efficiency and its dynamic evolution of China from the perspective of pollution's strong disposability[J]. China Population, Resources and Environment, 2016, 26(1): 140－149. (in Chinese with English abstract)

[5] 蔡雨君. 中國農(nóng)墾區(qū)農(nóng)業(yè)環(huán)境效率及其影響因素分析[D]. 大連：東北財經(jīng)大學，2015.

Cai Yujun. The Research of Agricultural Environmental Efficiency and Impact Factors in Reclamation Area of China[D]. Dalian: Dongbei University of Finance and Economics, 2015. (in Chinese with English abstract)

[6] 梁勁銳，席小瑾，袁宇. 基于SBM模型的農(nóng)業(yè)環(huán)境技術(shù)效率分析—以山東省為例[J]. 四川農(nóng)業(yè)大學學報，2015，33(3)：338－344.

Liang Jinrui, Xi Xiaojin, Yuan Yu. The analysis of agricultural environmental technical efficiency based on SBM model: Taking Shandong province as an example[J]. Journal of Sichuan Agricultural University, 2015, 33(3): 338－344. (in Chinese with English abstract)

[7] 楊志海，王雅鵬. 中國農(nóng)業(yè)環(huán)境技術(shù)效率與污染減排成本分析[J]. 統(tǒng)計與信息論壇，2015，30(7)：71－76.

Yang Zhihai, Wang Yapeng. Environmentally technical efficiency and pollution abatement cost in China's agricultural sector[J]. Statistics & Information Forum, 2015, 30(7): 71－76. (in Chinese with English abstract)

[8] 梁流濤. 考慮“非意欲”產(chǎn)出的農(nóng)業(yè)土地生產(chǎn)效率評價及其時空特征分析[J]. 資源科學，2012，34(12)：2249－2255.

Liang Liutao. Agricultural land efficiency and temporal-spatial characterstics: Desired output and undesired pollution emissions[J]. Resources Science, 2012, 34(12): 2249－2255. (in Chinese with English abstract)

[9] Aldanondo-Ochoa A M, Casasnovas-Oliva V L, Arandia- Miura A. Environmental efficiency and the impact of regulation in dryland organic vine production[J]. Land Use Policy, 2014, 36: 275－284.

[10] Marthin N, Iain F, Ali Q, et al. Environmentally adjusted productivity measurement: An Australian case study[J]. Journal of Environmental Management, 2007, 85(2): 350－362.

[11] Tone K. Dealing with undesirable outputs in DEA: A slacks-based measure (SBM) approach[C]//Tokyo: The Operations Research Society of Japan, 2004.

[12] Kuo H F, Chen H L, Tsou K W, et al. Analysis of farming environmental efficiency using a dEA model with undesirable outputs[J]. Apcbee Procedia, 2014, 10(10): 154－158.

[13] 封永剛，彭玨，鄧宗兵，等. 面源污染、碳排放雙重視角下中國耕地利用效率的時空分異[J]. 中國人口&資源與環(huán)境，2015，25(8)：18－25.

Feng Yonggang, Peng Jue, Deng Zongbing, et al. Spatial-temporal variation of cultivated land’s utilization efficiency in China based on the dual perspective of non-point source pollution and carbon emission[J]. China Population Resources and Environment, 2015, 25(8): 18－25. (in Chinese with English abstract)

[14] 朱聰. 中國農(nóng)業(yè)環(huán)境效率研究-基于環(huán)境的三階段DEA[D]. 蚌埠：安徽財經(jīng)大學，2015.

Zhu Cong. The Analysis of Agricultural Environmental Efficiency in China Based on a Environmental Three-stage DEA[D]. Bengbu: Anhui University of Finance & Economics, 2015. (in Chinese with English abstract)

[15] 田偉，楊璐嘉，姜靜. 低碳視角下中國農(nóng)業(yè)環(huán)境效率的測算與分析—基于非期望產(chǎn)出的SBM模型[J]. 中國農(nóng)村觀察，2014(5)：59－71.

[16] 潘丹，應(yīng)瑞瑤. 中國農(nóng)業(yè)生態(tài)效率評價方法與實證—基于非期望產(chǎn)出的SBM模型分析[J]. 生態(tài)學報，2013，33(12)：3837－3845. Pan Dan, Ying Ruiyao. Agricultural eco-efficiency evaluation in China based on SBM model[J]. Ecologica Sinica, 2013, 33(12): 3837－3845. (in Chinese with English abstract)

[17] 付永虎，劉黎明，袁承程. 農(nóng)業(yè)土地利用系統(tǒng)氮足跡與灰水足跡綜合評價[J]. 農(nóng)業(yè)工程學報，2016，32(增刊1)：312－319.

Fu Yonghu, Liu Liming, Yuan Chengcheng. Comprehensive evaluation for nitrogen footprint and grey water footprint of agricultural land use system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(Supp.1): 312－319. (in Chinese with English abstract)

[18] 付永虎，劉黎明，起曉星，等. 基于灰水足跡的洞庭湖區(qū)糧食生產(chǎn)環(huán)境效應(yīng)評價[J]. 農(nóng)業(yè)工程學報，2015，31(10)：152－160.

Fu Yonghu, Liu Liming, Qi Xiaoxing, et al. Environmental effects evaluation for grain production based on grey water footprint in Dongting Lake area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(10): 152－160. (in Chinese with English abstract)

[19] 王新新. 基于農(nóng)田氮磷平衡的太湖流域環(huán)境風險評估[D]. 北京：中國農(nóng)業(yè)大學，2015.

Wang Xinxin. The Evaluation of Environmental Risk in Tai Lake Basin Based on Cropland Nutrients Balance[D]. Beijing: China Agricultural University, 2015. (in Chinese with English abstract)

[20] 王興仁，張福鎖，張衛(wèi)峰，等. 中國農(nóng)化服務(wù)肥料與施肥手冊[M]. 北京：中國農(nóng)業(yè)出版社，2013.

[21] 國務(wù)院第一次全國污染源普查領(lǐng)導小組辦公室. 第一次全國污染源普查-農(nóng)業(yè)污染源肥料流失系數(shù)手冊[R]. 2009.

[22] 遆超普. 不同空間尺度區(qū)域氮素收支[D]. 南京：南京農(nóng)業(yè)大學，2011.

Ti Chaopu. Regional Nitrogen Budget at Different Spatial Scales[D]. Nanjing: Nanjing Agricultural University, 2011. (in Chinese with English abstract)

[23] 谷保靜. 人類-自然耦合系統(tǒng)氮循環(huán)研究—中國案例[D]. 杭州：浙江大學，2011.

Gu Baojing. Nitrogen Cycle of Coupled Human and Natural System-A Case Study of China[D]. Hangzhou: Zhe Jiang University, 2011. (in Chinese with English abstract)

[24] 國家發(fā)展和改革委員應(yīng)對氣候變化司. 2005中國溫室氣體清單研究[M]. 北京：中國環(huán)境科學出版社，2014.

[25] 周濤，王云鵬，王芳，等. 廣東省農(nóng)業(yè)氮足跡分析[J]. 中國環(huán)境科學，2014，34(9)：2430－2438.

Zhou Tao, Wang Yunpeng, Wang Fang, et al. Analysis of the nitrogen footprint of agriculture in Guangdong[J]. China Environmental Science, 2014, 34(9): 2430－2438. (in Chinese with English abstract)

[26] 郭春霞. 平原河網(wǎng)地區(qū)農(nóng)村面源污染重點源和區(qū)的識別篩選——以上海青浦區(qū)為例[J]. 農(nóng)業(yè)環(huán)境科學學報，2011(8)：1652－1659.

Guo Chunxia. Identifications of critical sources and areas of rural non-point source pollution in the plain river network area: A case study of Qingpu, Shanghai, China[J]. Journal of Agro-Environment Science, 2011, 30(8): 1652－1659. (in Chinese with English abstract)

[27] 楊清可，段學軍，葉磊，等. 基于SBM-Undesirable模型的城市土地利用效率評價——以長三角地區(qū)16城市為例[J]. 資源科學，2014(4)：712－721.

Yang Qingke, Duan Xuejun, Ye Lei, et al. Efficiecy evaluation of city land utilization in the Yangtze river delta using a SBM-undesirable model[J]. Resources Science, 2014, 36(4): 712－721. (in Chinese with English abstract)

[28] Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3): 498－509.

[29] Cooper W W, Seiford L M, Tone K. Data Envelopment Analysis (Second edition)[M]. Boston: Kluwer academic publishers, 2007.

[30] Charnes A, Clark C T, Cooper W W A. Developmental study of data envelopment analysis in measuring the efficiency of maintenance units in the US air forces[J]. Annals of Operations Research, 1984, 2(1): 95－112.

[31] Halkos G E, Tzeremes N G. Exploring the existence of Kuznets curve in countries’ environmental efficiency using DEA window analysis[J]. Ecological Economics, 2009, 68(7): 2168－2176.

[32] 涂正革. 環(huán)境、資源與工業(yè)增長的協(xié)調(diào)性[J]. 經(jīng)濟研究，2008(2)：93－105.

Tu Zhengge. The coordination of industrial growth with environment and resource[J]. Economic Research Journal, 2008(2): 93－105. (in Chinese with English abstract)

[33] 周賽軍，鄧明君，羅文兵. 氮足跡核算研究最新進展[J]. 浙江農(nóng)業(yè)科學，2015，56(6)：915－920.

[34] 秦樹平，胡春勝，張玉銘，等. 氮足跡研究進展[J]. 中國生態(tài)農(nóng)業(yè)學報，2011，19(2)：462－467.

Qin Shuping, Hu Chunsheng, Zhang Yuming, et al. Advances in nitrogen footprint research[J]. Chinese Journal of Eco-Agriculture, 2011, 19(2): 462－467. (in Chinese with English abstract)

[35] Hoekstra A Y, Chapagain A K, Aldaya M M, 等著；劉俊國，曾昭，趙乾斌，等，譯. 水足跡評價手冊[M]. 北京：科學出版社，2012.

Spatial-temporal variations of dematerialization of inputs and environmental risk reduction in intensive agricultural region

Fu Yonghu1,2, Liu Liming1※, Wang Jiasheng1, Ye Jinwei1, Guo Yun1

(1.100193,; 2.222005,)

Evaluation of the agricultural land use environmental efficiency is an essential issue for building sustainable land use patterns with fewer agricultural inputs and lower environmental risk. In this paper, 1) nitrogen footprint (N footprint) and grey water footprint (GWF) were used to evaluate environmental effects (reactive nitrogen emission and non-point source pollution) of agricultural land use system at the regional scale; 2) the window type slacks-based measure (SBM) model based on undesirable outputs (pollution N footprint and non-point resource pollution GWF) was applied to calculate environmental efficiency of the agricultural land use system; 3) inputs and environmental risk reduction potentials were computed and evaluated based on the dual perspective of reactive nitrogen emission and non-point source pollution in an intensive agricultural area. The Qingpu District was selected as a study case for this approach. The results mainly show that: 1) There were significant spatial-temporal differences in using pollution N footprint and non-point source pollution GWF within Qingpu District. The pollution N footprint of agricultural land use system was between 2 805.59 t and 3 505.68 t in the period of 2006-2013. The annual total grey water volume for agricultural non-point source pollution ranged from 134 026.58×104m3to 152 833.70×104m3during the years 2006-2013, and its average value was 144 969.00×104m3. The negative effect of water environment under agricultural land use process was assessed by the indicator of water environmental pressure (WEP) at county level. The average value of WEP of agricultural land use system was 5.74. The high value of WEP suggested that the negative environmental effect of agricultural production increased. The spatial distribution of pollution N footprint and non-point source GWF in Qingpu District was higher value in the west but lower in the east in general. 2) According to the results of SBM-undesirable model, overall environmental efficiency of agricultural land use in Qingpu District remained at a low level, and its average efficiency was 0.669 in the period of 2006-2013. 3) The models of potential percentage reduction and potential reduction scale were built for evaluation of dematerialization and environmental risk reduction respectively based on the dual perspective of reactive nitrogen emission and non-point source pollution. The annual average percentage reduction of labor, fertilizer, mechanical power, pollution N footprint and non-point source pollution GWF were 32.21%, 25.70%, 38.21%, 12.32% and 32.18%, respectively. The average reductions of labor, fertilizer, mechanical power, pollution N footprint and non-point source pollution GWF were 8 104 people, 4 501.59 t, 27 928.44 kW, 381.04 t and 52 046.88×104m3during the years 2006-2013. Xiang Huaqiao had the highest percentage of environmental risk reduction among the 11 towns, while Baihe and Liantang had a larger scale of emission reductions at the same time. Therefore, Baihe and Liantang should be the key areas for agricultural resources conservation and pollutant emissions control within Qingpu District. The findings of this study can provide scientific supports for regional agricultural planning and policy-making.

land use; pollution; agriculture; nitrogen footprint; grey water footprint; environmental efficiency; low input; environmental risk

10.11975/j.issn.1002-6819.2017.02.037

F301.2; X82

A

1002-6819(2017)-02-0266-10

2016-06-19

2016-12-17

國家自然科學基金重點項目（41130526）；淮海工學院科研基金資助項目（S201605）

付永虎，博士生，研究方向為土地利用系統(tǒng)研究。北京 中國農(nóng)業(yè)大學土地資源管理系，100193。Email：huhu_0902@163.com

劉黎明，教授，博士，博士生導師，主要研究方向為土地資源可持續(xù)利用與景觀規(guī)劃。北京 中國農(nóng)業(yè)大學資源與環(huán)境學院，100193。Email：liulm@cau.edu.cn

付永虎，劉黎明，王加升，葉津煒，郭 赟. 高集約化農(nóng)區(qū)投入減量化與環(huán)境風險降低潛勢的時空分異特征[J]. 農(nóng)業(yè)工程學報，2017，33(2)：266－275. doi：10.11975/j.issn.1002-6819.2017.02.037 http://www.tcsae.org

Fu Yonghu, Liu Liming, Wang Jiasheng, Ye Jinwei, Guo Yun. Spatial-temporal variations of dematerialization of inputs and environmental risk reduction in intensive agricultural region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(2): 266－275. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.02.037 http://www.tcsae.org