基于DEA-Malmquist我國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率分析及基于annagnps模型的農(nóng)業(yè)非點源污染模擬

PAGEPAGE1基于DEA—Malmquist我國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率分析摘要：文章采用BCC模型測算了2000—2008年中國28個省份的高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率，并使用DEA-Malmquist生產(chǎn)率指數(shù)測算了28個省份高技術(shù)產(chǎn)業(yè)的全要素生產(chǎn)率（TFP）的變動。研究表明：中國大部分省份高技術(shù)產(chǎn)業(yè)的技術(shù)效率不高，且省際間技術(shù)效率差異較大，主要由規(guī)模效率的差異所導(dǎo)致；東、中、西部地區(qū)高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率呈現(xiàn)上升趨勢；中國高技術(shù)產(chǎn)業(yè)的TFP有所上升，但是各地區(qū)TFP增長的源泉不同：東部地區(qū)主要依賴于技術(shù)進步，中部地區(qū)主要依賴于技術(shù)效率的增長，而技術(shù)退步是西部地區(qū)TFP負增長的主要原因。關(guān)鍵詞：高技術(shù)產(chǎn)業(yè)；數(shù)據(jù)包絡(luò)分析；Malmquist指數(shù)Onthebasisofhigh-techindustrialinnovationMalmquistDEA-efficiencyanalysisAbstract:thearticleUSEStheBCCmodelestimatesthe2000-2008yearsofChinese28provincesofhightechnologyindustrytechnologyinnovationefficiency,andUSESDEA-Malmquistproductivityindexof28provincesofhightechnologyindustrytotalfactorproductivity(TFP).ResearchshowsthatmostofChina'shightechnologyindustrytechnicalefficiencyisnothigh,andtechnicalefficiencyaredifferentbetweenprovinces,mainlybythedifferencecausedbytheefficiencyofscale;Eastern,centralandwesternregionsofhightechnologyindustrytechnologyinnovationefficiencyrise;TFPinChina'shightechnologyindustryhasincreased,butthesourceofTFPgrowthindifferentregionsisdifferent:theeasternregionmainlydependsontechnicalprogress,thecentralregionmainlydependsonthetechnicalefficiencyofgrowth,andtechnologyretrogressionisamajorcauseofTFPgrowthinthewesternregionofChina.Keywords:hightechnologyindustries;Dataenvelopmentanalysis(dea);Malmquistindex1.引言當(dāng)前，高技術(shù)產(chǎn)業(yè)已成為一個國家和地區(qū)拉動經(jīng)濟增長和社會持續(xù)發(fā)展的重要手段，發(fā)展知識密集、技術(shù)密集、附加值高的高科技產(chǎn)業(yè)成為中國轉(zhuǎn)變經(jīng)濟發(fā)展方式的必然選擇。近年來，中國高技術(shù)產(chǎn)業(yè)也有了很大的發(fā)展。截止到2011年，中國高新技術(shù)產(chǎn)值達到8843億元，占國民生產(chǎn)總值的18.73%，已成為拉動國民經(jīng)濟增長和促進產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的重要力量。隨著高技術(shù)產(chǎn)業(yè)在國家經(jīng)濟和社會發(fā)展中的作用越來越顯著，國家也逐漸加大對高技術(shù)產(chǎn)業(yè)人力物力的投入。數(shù)據(jù)顯示，近年來中國高技術(shù)產(chǎn)業(yè)的投入持續(xù)攀升。R&D經(jīng)費從1998年的56.45億元，增長到2007年的545.32億元，年均增長28.44%；R&D人員總量也有大幅度增長，從1998年到70879人，增長到2007年的248228人，年均增長14.94%。但是，僅僅加大對高技術(shù)產(chǎn)業(yè)的資源投入就能夠提升其生產(chǎn)效率嗎？數(shù)據(jù)顯示，高技術(shù)產(chǎn)業(yè)的新產(chǎn)品銷售收入從1998年的1207.254億元，增長到2007年的10303.222億元，年均增長只有26.68%，比R&D經(jīng)費年均增長率還低。由此可見，中國高技術(shù)產(chǎn)業(yè)的發(fā)展不僅要注重生產(chǎn)要素的投入，更要注重生產(chǎn)要素的合理利用，即生產(chǎn)效率的提高。相對于發(fā)達國家，中國科技創(chuàng)新資源存量嚴重不足。因此，對中國各個省份的高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率的測算與評價有利于當(dāng)?shù)卣J清自身發(fā)展的不足，從而制定合理的發(fā)展規(guī)劃策略，實現(xiàn)高技術(shù)產(chǎn)業(yè)的可持續(xù)發(fā)展。2.文獻綜述目前，國內(nèi)外學(xué)者對于高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率進行了很多研究。研究表明，對于高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的度量有利于其向集約型生產(chǎn)方式進行轉(zhuǎn)變，并且有利于改善高新技術(shù)產(chǎn)業(yè)的創(chuàng)新活動。當(dāng)前國內(nèi)外學(xué)者主要從兩個角度研究中國高新技術(shù)產(chǎn)業(yè)的創(chuàng)新效率。一是從行業(yè)的角度，對高新技術(shù)產(chǎn)業(yè)內(nèi)部的五大行業(yè)的創(chuàng)新效率進行測算和分析。Sun等測算了韓國制造業(yè)的技術(shù)創(chuàng)新效率，指出在高技術(shù)產(chǎn)業(yè)和低技術(shù)產(chǎn)業(yè)都存在技術(shù)進步，需要對技術(shù)進步和技術(shù)效率這兩方面加以改進；楊惠瑛從研發(fā)的角度測算了中國高技術(shù)產(chǎn)業(yè)的R&D效率，指出高技術(shù)產(chǎn)業(yè)技術(shù)效率較高，但規(guī)模效率高低不一的狀況；石光等利用1996—2007年中國高技術(shù)產(chǎn)業(yè)的面板數(shù)據(jù)，估算了中國高技術(shù)產(chǎn)業(yè)研發(fā)投入對于高技術(shù)產(chǎn)業(yè)發(fā)展的作用；馮纓從橫向比較和縱向分析兩個角度評價了江蘇省域際高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率，及高級產(chǎn)業(yè)中各個行業(yè)的技術(shù)創(chuàng)新效率陳程等從創(chuàng)新鏈的角度，采用二段DEA模型測度了1999—2008年中國高新技術(shù)產(chǎn)業(yè)的創(chuàng)新績效，并對其影響因素進行了分析；官建成等測量了五大高技術(shù)產(chǎn)業(yè)中的15個細分產(chǎn)業(yè)2001—2004年的技術(shù)創(chuàng)新效率，指出中國高技術(shù)產(chǎn)業(yè)純技術(shù)效率有所改善，但規(guī)模效率逐年惡化；朱有為等使用隨機前沿生產(chǎn)函數(shù)測算了中國高新技術(shù)產(chǎn)業(yè)研發(fā)效率，并分析了企業(yè)規(guī)模等因素對研發(fā)效率的影響；趙莉、單春霞采用DEA-Malmquist方法計算了五大高技術(shù)產(chǎn)業(yè)的技術(shù)進步指數(shù)和TFP指數(shù)；方毅等采用Malmquist指數(shù)測算了中國高新技術(shù)產(chǎn)業(yè)不同行業(yè)的動態(tài)研發(fā)效率；呂品等測算了1995—2007年中國高技術(shù)產(chǎn)業(yè)17個行業(yè)全要素生產(chǎn)率的Malmquist指數(shù)，指出中國高技術(shù)產(chǎn)業(yè)技術(shù)進步較低，且創(chuàng)新能力不足，與發(fā)達國家相比存在很大差距。二是從地區(qū)角度，對不同地區(qū)的高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率進行測量。Raab等對2002年美國50個州的高新技術(shù)產(chǎn)業(yè)的技術(shù)效率進行了評價和分析；Lu等利用DEA-Tobit模型對臺灣194家高新技術(shù)企業(yè)的研發(fā)效率進行了評價，并對效率的影響因素進行了分析,探索高技術(shù)企業(yè)效率無效的原因所在；蘇屹等使用改進DEA模型對各個省份高新技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新績效進行了研究，認為中國高新技術(shù)產(chǎn)業(yè)對中間成果過分注重，但對商品化階段成功重視不足的問題；肖仁橋等使用二階段DEA模型從價值鏈的角度，對中國28個省份2005—2009年高新技術(shù)產(chǎn)業(yè)的創(chuàng)新效率和影響因素進行了分析，指出高技術(shù)產(chǎn)業(yè)整體效率及分階段效率較低，政府支持、企業(yè)規(guī)模、勞動者素質(zhì)、產(chǎn)業(yè)結(jié)構(gòu)等都對高技術(shù)產(chǎn)業(yè)的創(chuàng)新效率有著顯著影響；余泳澤從價值鏈的角度對省際高新技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率及影響因素進行了分析，認為兩個階段的技術(shù)創(chuàng)新的平均效率偏低，且呈現(xiàn)逐年惡化，這主要是由于純技術(shù)無效率，且市場化程度、企業(yè)規(guī)模、政府政策支持和企業(yè)自身的經(jīng)營績效對各地區(qū)高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率均有正的影響；馮鋒等使用鏈式網(wǎng)絡(luò)DEA測算中國29個省的科技投入效率，指出中國兩階段的科技投入產(chǎn)出鏈的效率在省區(qū)和區(qū)域都存在差異；余永澤等采用隨機前沿模型計算了1996—2007年中國高技術(shù)產(chǎn)業(yè)的研發(fā)效率，發(fā)現(xiàn)中國高技術(shù)產(chǎn)業(yè)研發(fā)效率整體較低，但呈現(xiàn)逐年改善的趨勢，而且呈現(xiàn)出一定的空間差異性。上述文獻從各個角度對中國高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率進行了測算，但是對于中國各個省份高技術(shù)產(chǎn)業(yè)的全要素生產(chǎn)效率（TFP）的變動趨勢及其變動源泉的研究較少。因此，本文首先采用DEA的傳統(tǒng)模型對中國各個省份高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新的技術(shù)效率、純技術(shù)效率和規(guī)模效率進行分析，探討中國省際高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率的差異所在；再采用DEA的Malmquist指數(shù)來測算和分解高技術(shù)產(chǎn)業(yè)的TFP，考察各個省份及地區(qū)的技術(shù)效率和技術(shù)進步對其TFP增長的影響，從而找出TFP增長的源泉所在，期望為各個省份優(yōu)化產(chǎn)業(yè)資源配置提供科學(xué)依據(jù)。研究方法與指標選取3.1研究方法介紹3.1.1數(shù)據(jù)包絡(luò)分析數(shù)據(jù)包絡(luò)分析（DEA，DataEnvelopmentAnalysis）是以相對效率概念為基礎(chǔ)對同部門或同單位多投入、多產(chǎn)出經(jīng)濟系統(tǒng)的相對有效性或相對效益進行評價的一種方法。Charnes、Cooper和Rhodes于1978年首先提出了規(guī)模報酬不變的CCR模型。而后，Banker、Charnes和Cooper在1984年用規(guī)模報酬變動假設(shè)取代了CCR模型的固定規(guī)模報酬假設(shè)，發(fā)展成BCC模型。BCC模型可以區(qū)分純技術(shù)效率和規(guī)模效率，能夠評價決策單位在生產(chǎn)技術(shù)既定的情況下是否處于生產(chǎn)規(guī)模最優(yōu)。基于此，本文采用DEA方法中的BCC模型對中國各省份高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率進行測度。設(shè)有n個決策單元，每個決策單元有輸入向量輸出向量Y=，對于任意的決策單元DMUj,在凸性、錐性、無效性和最小性的公理假設(shè)下，其生產(chǎn)可能集：?？傻玫揭韵翫EA模型：（1）公式是考慮規(guī)模收益不變的C2R模型，若在限定的條件再加上，則得到規(guī)模收益可變的BC2模型。其中，θ表示決策單元的技術(shù)效率值（TE），S+和S—表示決策單元投入冗余與產(chǎn)出不足。若θ=1.且S+=S-=0，則說明該決策單元DEA有效；若θ=1.且S+=S-≠0，則說明該決策單元弱DEA有效；若θ＜1，則說明該決策單元為DEA無效。3.1.2Malmquist生產(chǎn)效率指數(shù)Malmquis指數(shù)方法是基于DEA而提出，并用來考察跨時期的多投入和多產(chǎn)出變量間的動態(tài)生產(chǎn)效率，并由此測定全要素生產(chǎn)率的變化。Malmquist指數(shù)將TFP分解為技術(shù)進步變化和技術(shù)效率變化兩個部分。而技術(shù)效率變化又可進一步分解為純技術(shù)效率變化和規(guī)模效率變化。通過對TFP的分解，我們可以對效率和技術(shù)的變動情況進行測量，從而有利于TFP增長推動的內(nèi)在因素進行研究。根據(jù)Fare等于1992年對Malmquist指數(shù)的定義，其表達公式如下：其中，和是分別根據(jù)生產(chǎn)點在相同時間段即（t和t+1）同前沿技術(shù)相比較得到的投入距離函數(shù)；和分別是根據(jù)生產(chǎn)點在混合期間同前沿面技術(shù)相比較得到的投入距離函數(shù)。另外，根據(jù)Fare等人的研究，Malmquist生產(chǎn)率指數(shù)可以分解為技術(shù)效率變化和技術(shù)變化兩部分，其中技術(shù)效率變化又可進一步分解為純技術(shù)效率變化和規(guī)模效率變化。公式（2）可變形為：（3）其中，第一項表示規(guī)模效率變化Sech，第二項表示純技術(shù)效率變化Pech，第三項表示技術(shù)進步Tech，且第一項和第二項的乘積表示技術(shù)效率變化Effch。根據(jù)公式（3），TFP的變化可分解為規(guī)模效率的變化、純技術(shù)效率變化以及技術(shù)進步。Sech>1，意味著生產(chǎn)存在規(guī)模效率；Pech>1，意味著管理水平或制度的改善使得生產(chǎn)效率有所提高；Tech>1，意味著由于新技術(shù)的使用或新發(fā)明的出現(xiàn)，使得生產(chǎn)前沿面向前推移，實現(xiàn)技術(shù)進步；Tfpch>1，意味著生產(chǎn)效率有所改善。反之，上述指標小于1，則表明相應(yīng)效率退化。3.2指標選取與數(shù)據(jù)說明3.2.1指標選取根據(jù)以往學(xué)者們對高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率的指標體系的研究中，對于投入指標的選取主要集中在人力投入和資金投入兩個方面。因此，本文選取R&D經(jīng)費內(nèi)部支出（X1）和新產(chǎn)品開發(fā)經(jīng)費（X2）作為資金投入指標，選取R&D人員全時當(dāng)量（X3）作為人力投入指標。而對于產(chǎn)出指標的選取主要集中在經(jīng)濟產(chǎn)出和專利發(fā)明兩個方面。因此，本文選取新產(chǎn)品銷售收入（Y1）衡量其經(jīng)濟效益產(chǎn)出，選取專利申請量（Y2）和擁有專利量（Y3）作為衡量其專利發(fā)明的產(chǎn)出。3.2.2數(shù)據(jù)說明由于西藏、海南和新疆的數(shù)據(jù)缺失較多，無法補全，本文僅選取中國大陸28個省份2004—2012年的數(shù)據(jù)進行分析。由于研發(fā)投入轉(zhuǎn)化為最終經(jīng)濟產(chǎn)出具有一定的時滯性，本文按照通常的做法，取滯后期1年。投入指標為2004—2011年的數(shù)據(jù)，產(chǎn)出指標為2005—2012年的數(shù)據(jù)，所有數(shù)據(jù)均來自于2004—2009年的《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》。投入產(chǎn)出指標數(shù)據(jù)特征如表1所示。表1投入產(chǎn)出指標的描述性統(tǒng)計（2004—2012）數(shù)據(jù)來源于：2007—2012年《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》表2投入、產(chǎn)出指標之間的Pearson相關(guān)系數(shù)表注：**.在p＜0.01水平（雙側(cè)）上顯著相關(guān)由表2可以看出，投入指標R&D經(jīng)費內(nèi)部支出（X1）、新產(chǎn)品開發(fā)經(jīng)費（X2）和R&D人員全時當(dāng)量（X3）與產(chǎn)出指標新產(chǎn)品銷售收入（Y1）、專利申請量（Y2）和擁有專利量（Y3）呈現(xiàn)顯著正相關(guān)，而且相關(guān)系數(shù)都在0.7以上。通過對投入產(chǎn)出變量相關(guān)性的檢驗，發(fā)現(xiàn)所選樣本滿足DEA模型所要求的產(chǎn)出隨投入的增加而變大的性質(zhì)，即等張性。因此，利用該樣本數(shù)據(jù)建立DEA效率測度模型是有效的。實證分析4.1.1基于BCC模型的中國省際及地區(qū)高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率測算結(jié)果及分析各個省份高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率測算結(jié)果及分析。本研究選取2004—2012年中國28個省份的高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出數(shù)據(jù)，基于規(guī)模報酬可變的產(chǎn)出導(dǎo)向的DEA模型，利用Deap2.1軟件，測算了這些省份的技術(shù)效率值、純技術(shù)效率值和規(guī)模效率值。并且，計算得出這28個省份在2004—2012年的技術(shù)效率的均值、純技術(shù)效率的均值、規(guī)模報酬的均值，以及各個省份在2004—2012年間的規(guī)模報酬遞增、遞減和不變所占的比例。具體結(jié)果見表3。（1）云南和天津的技術(shù)效率、純技術(shù)效率和規(guī)模效率的均值都為1，在所有年份都是DEA有效的。可見，這兩個省份的創(chuàng)新效率較高，技術(shù)水平和資源配置水平都是全國最高的。其次，福建、上海、北京、山西和青海的技術(shù)效率值都大于0.6，創(chuàng)新效率相對較高。其中，福建、上海和北京地處東部沿海地帶，科技水平處于全國領(lǐng)先地位，具有大量的優(yōu)秀人才，國家也給與了許多政策的支持，為該地的高技術(shù)產(chǎn)業(yè)發(fā)展提供良好的條件。但這三個省份的規(guī)模效率要小于純技術(shù)效率，從而拉低了其技術(shù)效率值。而山西省重視科研經(jīng)費的投入、人才的引進與培訓(xùn)等工作，納米氧化鋅等新材料產(chǎn)業(yè)走在全國的前列；青海利用青藏高原特殊動植物優(yōu)勢資源，形成以生物技術(shù)、中藏藥為主導(dǎo)的高科技生物產(chǎn)業(yè)集群。這兩個省份不僅高技術(shù)產(chǎn)業(yè)的科技水平較高，而且取得了良好的規(guī)模效率。山西的規(guī)模效率較高為0.913，且在2000年、2003年、2004年這三年中都呈現(xiàn)規(guī)模報酬遞增的態(tài)勢。而青海的技術(shù)效率較高為0.955，且2002年、2003年、2004年和2007年都呈現(xiàn)規(guī)模報酬遞增的態(tài)勢。這說明了這兩個省份以較少的投入產(chǎn)生了較多的產(chǎn)出，而且存在投入不足，生產(chǎn)規(guī)模過小的情況，可以加大對其高技術(shù)產(chǎn)業(yè)的支持力度，擴大規(guī)模，獲取規(guī)模效益。表3各個省份高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率均值及規(guī)模報酬地區(qū)技術(shù)效率值純技術(shù)效率值規(guī)模效率值規(guī)模遞減比例規(guī)模遞增比例規(guī)模不變比例北京0.6630.9270.70275.0%—25%天津1.0001.0001.000——100.0%河北0.2100.3460.626100.0%——山西0.7170.7840.91325.0%37.5%37.5%內(nèi)蒙古0.5120.7810.71612.5%62.5%25.0%遼寧0.3960.5880.66287.5%12.5%—吉林0.4820.7020.682100.0%——黑龍江0.2820.4520.60787.5%12.5%—上海0.7910.9890.79787.5%—12.5%江蘇0.4500.8550.515100.0%——浙江0.4130.7140.586100.0%——安徽0.3130.4090.756100.0%——福建0.8210.9610.85362.5%—37.5%江西0.1920.3210.629100.0%——山東0.4830.8080.621100.0%——河南0.3160.6080.562100.0%——湖北0.2290.5830.440100.0%——湖南0.4550.7820.579100.0%——廣東0.5211.0000.521100.0%——廣西0.5210.6170.83387.5%12.5%—重慶0.3450.4890.705100.0%——四川0.3580.6360.581100.0%——貴州0.3470.6530.568100.0%——云南1.0001.0001.000——100.0%陜西0.1370.3280.426100.0%——甘肅0.3820.4190.87262.5%37.5%—青海0.7950.9550.816—50.0%50.0%寧夏0.5420.5710.91725.0%37.5%37.5%東部0.5750.8190.688中部0.3730.5800.646—西部0.4940.6450.743而其余省份的技術(shù)效率值相對較小。特別是河北、黑龍江、江西、湖北、陜西等省份的技術(shù)效率值在0.3以下，創(chuàng)新效率較低，科技水平和資源配置水平都相對較低。主要原因在于這些地區(qū)技術(shù)水平等行業(yè)發(fā)展環(huán)境明顯落后于東部地區(qū)。而且，這些地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)以勞動密集型的制造業(yè)和農(nóng)業(yè)為主，且高技術(shù)產(chǎn)業(yè)的產(chǎn)品同質(zhì)化嚴重，從而導(dǎo)致其高技術(shù)產(chǎn)業(yè)投入資源擁擠，產(chǎn)品利潤低下。（2）技術(shù)效率值為純技術(shù)效率值和規(guī)模效率值的乘積，純技術(shù)效率值越高，說明其技術(shù)和管理水平越高；而規(guī)模效率值越高，說明其當(dāng)前的生產(chǎn)規(guī)模越接近規(guī)模最優(yōu)。中國許多省份的純技術(shù)效率值相差不大，而規(guī)模效率相差較大，是造成省際技術(shù)效率差距的主要原因。廣東省的高技術(shù)產(chǎn)業(yè)的純技術(shù)效率值為1，說明了該省在當(dāng)前的技術(shù)水平下，對于投入資源的利用是有效率的，并沒有因為技術(shù)或者管理的因素而造成資源浪費。但是，廣東省的規(guī)模效率僅為0.521，說明了該省高技術(shù)產(chǎn)業(yè)的規(guī)模過大，投入較多，卻產(chǎn)出不足。除了廣東省以外，江蘇和山東這兩個東部沿海城市的純技術(shù)效率較高，分別為0.855和0.808。但是，由于規(guī)模效率較低，使得江蘇和山東的技術(shù)效率值較低。（3）根據(jù)各個省份在2004—2012年之間，其高技術(shù)產(chǎn)業(yè)存在規(guī)模報酬遞增、遞減還是不變的情況，得知：在26個DEA無效的省份中，15個省份在所有年份都呈現(xiàn)規(guī)模報酬遞減；7個省份在超過一半的年份呈現(xiàn)規(guī)模報酬遞減；僅4個省份規(guī)模報酬遞增的年份多于遞減的年份。這說明了，中國大多數(shù)省份高技術(shù)產(chǎn)業(yè)的生產(chǎn)規(guī)模并未達到最優(yōu)，存在投入較大而產(chǎn)出不足的情況。而事實也是如此。根據(jù)劉和東等的研究表明，中國高技術(shù)產(chǎn)業(yè)在1998—2007年期間的R&D經(jīng)費年均增長28.44%；R&D人員總量年均增長14.94%。但與此同時，新產(chǎn)品銷售收入年均增長只有26.68%，低于R&D經(jīng)費年均增長率。這說明了一味的增加生產(chǎn)要素的投入，擴大生產(chǎn)規(guī)模并不一定有利于高技術(shù)產(chǎn)業(yè)的可持續(xù)發(fā)展。因此，各個省份高技術(shù)產(chǎn)業(yè)應(yīng)逐步實現(xiàn)粗放式經(jīng)營到集約式經(jīng)營的轉(zhuǎn)型。4.1.2中國省際及地區(qū)高技術(shù)產(chǎn)業(yè)Malmquist指數(shù)的測算結(jié)果及分析本研究利用Deap2.1軟件和各個省份高技術(shù)產(chǎn)業(yè)2004—2012年的面板數(shù)據(jù)，計算出28個省份的Malmquist生產(chǎn)率指數(shù)，包括：全要素生產(chǎn)率指數(shù)（TFP）、技術(shù)進步指數(shù)、技術(shù)效率變化指數(shù)、純技術(shù)效率變化指數(shù)和規(guī)模效率變化指數(shù)。具體結(jié)果見表4。中國28個省份中，有21個省份的全要素生產(chǎn)率（TFP）有所上升，而7個省份的全要素生產(chǎn)率（TFP）有所降低。其中，TFP降低的7個省份包括：內(nèi)蒙古、黑龍江、廣西、四川、云南、青海和寧夏。除了黑龍江以外，其余省份都地處西部地區(qū)。其中，青海省TFP年均增長率為-49.8%，技術(shù)進步年均增長率為-42%，技術(shù)效率變化年均增長率為-21.6%。本文認為技術(shù)進步呈現(xiàn)負增長并不是說明其高技術(shù)產(chǎn)業(yè)出現(xiàn)了技術(shù)衰退，而是其技術(shù)進步的增長速度有所下降。所以，青海省的高技術(shù)產(chǎn)業(yè)的技術(shù)進步的增長速度呈現(xiàn)衰退趨勢，從而使得其高技術(shù)產(chǎn)業(yè)的整體技術(shù)創(chuàng)新水平與生產(chǎn)前沿面上的省份的差距逐漸拉大，是其TFP呈現(xiàn)負增長的主要原因。與其處于相同處境的還有云南省和寧夏省。根據(jù)省際高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率的測算結(jié)果，云南省高技術(shù)產(chǎn)業(yè)在2000—2008年都是DEA有效的，處于最優(yōu)的生產(chǎn)前沿面上，即在當(dāng)前的技術(shù)水平和管理水平下，達到生產(chǎn)規(guī)模最優(yōu)，從而獲得最大的產(chǎn)出。但是，云南省TFP年均增長率為-24.2%，技術(shù)進步年均增長率為-24.3%，技術(shù)效率無變化。這說明了云南省高技術(shù)產(chǎn)業(yè)雖然在當(dāng)前的技術(shù)和管理水平下，達到規(guī)模最優(yōu)，投入產(chǎn)出有效。但是，云南省的技術(shù)進步增長速度也呈現(xiàn)下降的趨勢，使得其高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新水平與先進省份的差距逐漸加大，是其TFP呈現(xiàn)負增長的源泉。而寧夏省的TFP年均增長率為-9.9%，技術(shù)進步年均增長率為-9.2%，技術(shù)效率變化年均增長率為-0.8%?？梢?，技術(shù)進步的增長速度放緩也是寧夏省TFP降低的主要原因。而黑龍江的TFP年均增長率為-6%，技術(shù)進步年均增長率為7.6%，技術(shù)效率變化的年均增長率-12.6%。可見，黑龍江的技術(shù)進步速度有所上升，但是其技術(shù)效率呈現(xiàn)下降趨勢。而其純技術(shù)效率年均增長率為-16.6%，規(guī)模效率年均增長率為4.6%。這說明了黑龍江在當(dāng)前的技術(shù)和管理水平下，其投入資源的利用存在浪費，且產(chǎn)出不足。而技術(shù)效率變化的降低是其TFP呈現(xiàn)負增長的主要原因。表4中國省際高技術(shù)產(chǎn)業(yè)Malmquist指數(shù)及其構(gòu)成地區(qū)TFP指數(shù)技術(shù)進步指數(shù)技術(shù)效率變化指數(shù)純技術(shù)效率變化指數(shù)規(guī)模效率變化指數(shù)北京1.1611.1271.0311.0001.031天津1.0341.0341.0001.0001.000河北1.1811.0261.1501.1700.983山西1.3601.2181.1171.1041.011內(nèi)蒙古0.8120.9050.8981.0000.898遼寧1.0591.0091.0491.0441.005吉林1.3851.0451.3261.3310.996黑龍江0.9401.0760.8740.8351.046上海1.0471.0520.9961.0000.996江蘇1.0541.0810.9751.0000.975浙江1.0631.0341.0291.0071.021安徽1.3921.1551.2051.2670.951福建1.0211.0640.9590.9830.976江西1.0231.0081.0161.0131.002山東1.0931.0781.0130.9351.084河南1.0860.9671.1231.1970.939湖北1.2660.9781.2951.3140.986湖南1.0430.9251.1281.0151.073廣東1.1541.0301.1211.0001.121廣西0.8690.9590.9060.9051.002重慶1.0451.0540.9910.9811.010四川0.8320.9690.8590.8491.012貴州1.1691.0711.0911.1520.947云南0.8580.8581.0001.0001.000陜西1.1610.9631.2061.0821.115甘肅1.3211.1411.1571.1371.018青海0.5120.5800.8841.0000.884寧夏0.9010.9080.9921.0000.992在21個TFP有所上升的省份中，山西、吉林、安徽和甘肅的TFP年均增長幅度都在30%以上，增長幅度較大。除甘肅以外，其余省份都地處中部。其中，安徽TFP年均增長率為39.2%，技術(shù)進步年均增長率15.5%，技術(shù)效率變化年均增長率為20.5%；吉林TFP年均增長率為38.5%，技術(shù)進步年均增長率4.5%，技術(shù)效率變化年均增長率為32.6%?？梢姡不蘸图质〉母呒夹g(shù)產(chǎn)業(yè)的技術(shù)進步的增長速度有所上升。但是，其技術(shù)效率變化的增長幅度更大，是其高技術(shù)產(chǎn)業(yè)TFP快速增長的源泉。而山西TFP年均增長率為36%，技術(shù)進步年均增長率21.8%，技術(shù)效率變化年均增長率為11.7%?？梢?，由于技術(shù)進步的增長速度逐漸加快，縮小了與先進地區(qū)的技術(shù)水平的差距，從而帶動了其高技術(shù)產(chǎn)業(yè)TFP的增長，“追趕效應(yīng)”顯著。另外，甘肅TFP年均增長率為32.1%，技術(shù)進步年均增長率14.1%，技術(shù)效率變化年均增長率為15.7%?？梢?，甘肅省高技術(shù)產(chǎn)業(yè)不僅技術(shù)進步的增長速度有所提高，而且改善了管理水平，提升了投入資源的利用率，這兩方面因素共同推動了其TFP的增長。其余TFP年均增長率為正的省份，根據(jù)TFP增長的動力源泉的不同，可分為兩類。一是主要由技術(shù)進步的增長速度加快所推動的，包括：北京、天津、上海、浙江、江蘇、福建和重慶，大多省份位處東部地區(qū)；二是主要由技術(shù)效率變化的增長所推動的，包括：河北、遼寧、江西、河南、湖北、湖南、廣東、貴州、陜西和甘肅，大多省份位處中西部地區(qū)。通過上述分析可知，對于東部地區(qū)的省份，由于其優(yōu)越的區(qū)位優(yōu)勢，使得其能夠較早的接觸并引進先進的技術(shù)、設(shè)備和管理理念，技術(shù)的進步是推動其TFP增長的關(guān)鍵因素；而對于中西部地區(qū)的省份，其技術(shù)進步逐漸放緩，而技術(shù)效率變化的增長成為了其TFP增長的動力來源。4.13中國高技術(shù)產(chǎn)業(yè)Malmquist生產(chǎn)率指數(shù)的整體變化及區(qū)域差異分析（1）中國高技術(shù)產(chǎn)業(yè)TFP整體變化分析。從2000—2007年，中國高技術(shù)產(chǎn)業(yè)年均增長率為4.7%。其中，技術(shù)進步年均增長率為0.3%，技術(shù)效率年均增長率4.3%。由此可見，中國高技術(shù)產(chǎn)業(yè)的技術(shù)進步增長速度緩慢，說明了高技術(shù)產(chǎn)業(yè)對于新技術(shù)或者新發(fā)明的應(yīng)用較少，產(chǎn)業(yè)整體技術(shù)創(chuàng)新水平的提升幅度較小，導(dǎo)致其TFP增長緩慢。而高技術(shù)產(chǎn)業(yè)的技術(shù)效率變化的增長大于技術(shù)進步，是中國高技術(shù)產(chǎn)業(yè)TFP增長的動力所在。而中國高技術(shù)產(chǎn)業(yè)的純技術(shù)效率年均增長率為4.2%，規(guī)模效率的年均增長率僅為0.1%。由此可見，技術(shù)效率變化的增長主要來源于純技術(shù)效率的提高，這說明了中國高技術(shù)產(chǎn)業(yè)經(jīng)過多年的發(fā)展，已經(jīng)培養(yǎng)出一批優(yōu)秀的管理人才，產(chǎn)業(yè)整體的管理水平有所提高，對于創(chuàng)新性資源的利用率有所提升。但是，中國高技術(shù)產(chǎn)業(yè)的規(guī)模擴張較快，大多省份呈現(xiàn)規(guī)模報酬遞減的狀況，資源投入過剩，產(chǎn)出不足的現(xiàn)象仍然存在，致使規(guī)模效率的增長并不明顯。而且，近年來中國高技術(shù)產(chǎn)業(yè)技術(shù)進步的增長速度呈現(xiàn)下降的趨勢，有可能成為產(chǎn)業(yè)可持續(xù)發(fā)展的制約因素。表5中國技術(shù)產(chǎn)業(yè)Malmquist指數(shù)及構(gòu)成年份TFP指數(shù)技術(shù)進步指數(shù)技術(shù)效率變化指數(shù)純技術(shù)效率變化指數(shù)規(guī)模效率變化指數(shù)2004-20050.9340.8091.1541.2150.9502005-20061.0521.3660.7700.7780.9912006-20071.2051.3270.9081.0020.9062007-20081.3051.0491.2441.0661.1672008-20090.8191.0910.7511.0840.6932009-20101.1450.8431.3581.0681.2722010-20110.9480.7231.3121.1401.150均值1.0471.0031.0431.0421.001中國各地區(qū)Malmquist指數(shù)的區(qū)域差異分析。從區(qū)域角度來看，中部和東部地區(qū)的TFP有所增長，而西部地區(qū)的TFP呈現(xiàn)下降趨勢。其中，中部地區(qū)TFP年均增長率為17.4%，在三個地區(qū)中增長幅度最大。其高技術(shù)產(chǎn)業(yè)的技術(shù)效率變化指數(shù)年均增長率為12.7%，技術(shù)進步指數(shù)年均增長率為4.2%。由此可見，技術(shù)效率變化的增長是其高技術(shù)產(chǎn)業(yè)TFP的大幅度增長的源泉。而產(chǎn)業(yè)的技術(shù)進步增長速度緩慢，“追趕效應(yīng)”不明顯。而中部地區(qū)純技術(shù)效率變化年均增長率為12.7%，規(guī)模效率沒有變化?？梢?，其技術(shù)效率變化的增長來源于純技術(shù)效率的增長，說明了近年來中部地區(qū)高新技術(shù)產(chǎn)業(yè)的技術(shù)水平和管理水平有了很好的改善，生產(chǎn)要素的集約利用率逐年上升。東部地區(qū)TFP年均增長率為8.5%。其中，技術(shù)進步年均增長率為5.3%，是三個地區(qū)中唯一一個超過全國技術(shù)進步年均增長率平均水平的地區(qū)，而技術(shù)效率的年均增長率為3.1%。由此可見，技術(shù)進步是推動?xùn)|部地區(qū)TFP增長的主要源泉，這也與東部地區(qū)優(yōu)異的區(qū)位優(yōu)勢和產(chǎn)業(yè)結(jié)構(gòu)相匹配。表6中國東、中、西地區(qū)高技術(shù)產(chǎn)業(yè)Malmquist指數(shù)及其構(gòu)成地區(qū)TFP指數(shù)技術(shù)進步指數(shù)技術(shù)效率變化指數(shù)純技術(shù)效率變化指數(shù)規(guī)模效率變化指數(shù)東部1.0851.0531.0311.0121.018中部1.1741.0421.1271.1271.000西部0.9200.9270.9921.0070.986全國1.0471.0431.0031.0421.001西部地區(qū)的TFP年均增長率為-8%。其中，技術(shù)進步年均增長率為-7.3%，技術(shù)效率變化年均增長率為-0.8%。由此可見，西部地區(qū)高技術(shù)產(chǎn)業(yè)的技術(shù)進步增長速度逐年下降，與東部和中部地區(qū)的技術(shù)水平的差距越來越大，從而導(dǎo)致其高技術(shù)產(chǎn)業(yè)的TFP呈現(xiàn)負增長。結(jié)論（1）中國大部分省份的技術(shù)效率不高，且省際間技術(shù)效率差異較大，主要由規(guī)模效率的差異所導(dǎo)致。而且，大部分省份呈現(xiàn)規(guī)模報酬遞減的狀況，需要控制其高技術(shù)產(chǎn)業(yè)的發(fā)展規(guī)模，努力提升生產(chǎn)要素的效率。（2）東、中、西部地區(qū)高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率呈現(xiàn)上升的趨勢，且東部地區(qū)>西部地區(qū)>中部地區(qū)，呈現(xiàn)東、西、中地區(qū)創(chuàng)新效率遞減趨勢。其中，東部地區(qū)的純技術(shù)效率最高，但存在規(guī)模效率較低的問題。這說明了東部地區(qū)雖然具有較強的技術(shù)優(yōu)勢和管理水平，值得中部和西部學(xué)習(xí)。但是，但其在大力引進先進技術(shù)和優(yōu)秀人才時，未考慮到高技術(shù)產(chǎn)業(yè)的規(guī)模效應(yīng)，存在投入冗余和產(chǎn)出不足的現(xiàn)象。而西部地區(qū)的規(guī)模效率值最高，但純技術(shù)效率較低的問題。這說明了西部地區(qū)在現(xiàn)有的技術(shù)和管理水平下，能夠?qū)崿F(xiàn)規(guī)模效益，從而獲得可觀的產(chǎn)出。但是，其高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新能力較弱，管理水平落后，需要加強技術(shù)改進。而中部地區(qū)的純技術(shù)效率和規(guī)模效率都最低。（3）中國大部分省份高技術(shù)產(chǎn)業(yè)的TFP都有所上升。其中，山西、北京、天津、上海、浙江、江蘇、福建和重慶等高技術(shù)產(chǎn)業(yè)TFP的增長源泉在于技術(shù)進步增長速度的加快；安徽、吉林、河北、遼寧、江西、河南、湖北、湖南、廣東、貴州、陜西和甘肅等高新技術(shù)產(chǎn)業(yè)TFP的增長源泉在于技術(shù)效率的改善。而技術(shù)進步的速度放緩導(dǎo)致了云南、青海和寧夏高技術(shù)產(chǎn)業(yè)TFP呈現(xiàn)負增長；技術(shù)效率的下降是內(nèi)蒙古、黑龍江、廣西和四川高技術(shù)產(chǎn)業(yè)TFP負增長的源泉。（4）從全國層面來看，中國高技術(shù)產(chǎn)業(yè)的TFP呈現(xiàn)上升趨勢，其動力來源于技術(shù)效率的改善。但是，由于技術(shù)進步未發(fā)揮良好的作用，使得產(chǎn)業(yè)TFP增長緩慢。（5）東部和中部地區(qū)高技術(shù)產(chǎn)業(yè)的TFP都有所增長，但是TFP增長的動力來源有所不同。東部地區(qū)主要依賴于技術(shù)進步的增長，這也比較符合東部地區(qū)的區(qū)位優(yōu)勢；中部地區(qū)則更多的依賴于技術(shù)效率的增長，特別是純技術(shù)效率的增長，說明了中部地區(qū)高技術(shù)產(chǎn)業(yè)的管理水平有所改善，投入要素的利用效率有所提高。而西部地區(qū)高技術(shù)產(chǎn)業(yè)的TFP呈現(xiàn)下降的趨勢，主要是由于其高技術(shù)產(chǎn)業(yè)的技術(shù)進步速度有所放緩。6.參考文獻[1]劉和東，陳程.中國原創(chuàng)性高新技術(shù)產(chǎn)業(yè)技術(shù)效率測度研究———基于創(chuàng)新鏈視角的兩階段分析[J].科技進步與對策，2011，28（12）：119-124.[2]官建成，陳凱華.中國高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率的測度[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2009，26（10）：19-33.[3]SunCH，KalirajanKP.Gaugingthesourcesofgrowthofhigh-techandlow-techindustries：ThecaseofKoreanmanufacturing[J].AustralianEconomicPapers，2005，44（2）：170-185.[4]楊惠瑛，王新紅.高新技術(shù)產(chǎn)業(yè)R&D效率測度[J].科技進步與對策，2012，29（2）：113-116.[5]石光，薛衛(wèi).中國高技術(shù)產(chǎn)業(yè)研發(fā)效率的面板數(shù)據(jù)檢驗[J].科技管理研究，2011：56-49.[6]馮纓，滕家佳.江蘇省高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率評價[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2010（8）：107-112.[7]陳程，劉和東.中國高新技術(shù)產(chǎn)業(yè)創(chuàng)新績效測度及影響因素研究[J].科技進步與對策，2012，29（1）：133-137.[8]官建成，陳凱華.我國高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率的測度[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2009（10）：19-32.[9]朱有為，徐康寧.中國高技術(shù)產(chǎn)業(yè)研發(fā)效率的實證研究[J].中國工業(yè)經(jīng)濟，2006（11）：38-45.[10]趙莉，基于DEA分析法的高新技術(shù)產(chǎn)業(yè)R&D創(chuàng)新效率研究[J].華北水利水電學(xué)院學(xué)報，2012，28（4）：76-78.基于AnnAGNPS模型的農(nóng)業(yè)非點源污染模擬摘要：本文以大沽河典型小流域為研究區(qū)，借助GIS和相關(guān)資料率定參數(shù)，完成模型數(shù)據(jù)庫的建立。在此基礎(chǔ)上，采用流域出口2001～2002年徑流量、泥沙和總氮監(jiān)測數(shù)據(jù)優(yōu)化參數(shù)、校準和驗證模型，分析AnnAGNPS模型在大沽河典型小流域應(yīng)用的可行性。2000～2001年，地表徑流的年均模擬偏差分別為12.7%和7%，豐水期的月模擬偏差都在±30%以內(nèi)，日模擬值與實測值相關(guān)系數(shù)分別是0.98和0.91，模擬結(jié)果理想；年均泥沙輸出模擬誤差分別為19.1％和15%，月均泥沙估算的相關(guān)系數(shù)分別為0.78和0.73，模擬結(jié)果基本可接受；年均模擬誤差為50%左右，月均估計及降雨場次模擬的相關(guān)系數(shù)分別低于0.7和0.6，總氮污染負荷估算有很大的不確定性。結(jié)果表明，如何提高模型的營養(yǎng)鹽模擬精度將是未來AnnAGNPS模型在大沽河流域應(yīng)用的前提與基礎(chǔ)。本研究成果對于AnnAGNPS模型在國內(nèi)的應(yīng)用和推廣，具有很好的示范性，并為大沽河全流域分布式水文模型的構(gòu)建奠定了基礎(chǔ)。關(guān)鍵詞:非點源AnnAGNPS模型大沽河典型小流域適用性

Simulationofagriculturalnon-pointpollutionbasedonAnnAGNPSmodelZOUGui-hong1,CuiJian-yong2(1.Collageofenvironmentalscienceandengineering,OceanUniversityofChina,QingdaoChina,2660032.CollegeofEarthResourcesandInformation，ChinaUniversityofPetroleum,DongyingChina,257061)Abstract:GIS(GeographicInformationSystem)wasintegratedwithAnnAGNPS(AnnualizedAgriculturalNon-PointSourceModel),whichwasusedtoinput,analyze,andvisualizespatialdatathatagriculturalNon-pointsourcepollutionconcerned.Onthisbasis,theperformanceofAnnAGNPS,insimulatingrunoff,siltandtotalnitrogenintypicalsub-watershedsofDagucatchmentwasevaluated.Themodelwascalibratedandvalidatedusingobservedstreamflow,sedimentloadandtotalnitrogendataduring2000and2001insub-watershedsoutlet.Theannuallyrelativeerrorofsurfacerunoffwasseparately12.7%and7%,thedifferenceduringthewetmonthswasunder30%,andR2of0.98and0.91wasseparatelyforevent-basedrunoff,whichshowedthemodelperformedwellforrunoffsimulation.Moderateaccuracyofpredictionforsedimentwasobtainedwithannuallyrelativeerrorof19.1%and15%,andR2of0.78and0.73duringcalibrationandvalidation.Astherelativeerrorof50%forannualoutputoftotalnitrogen,however,AnnAGNPSfailedtocalculatethetotalnitrogenwithR2separatelydownto0.7and0.6formonthlyanddailysimulation.Itisobservedthatthereisaneedtomodifyorimprovetheestimationmethodsofthetotalnitrogentoincreasetheperformanceofthemodelwhichcanaidwatershedmanagementinlocalconditions.ThestudyresultsinthispapermakeagooddemonstrationforapplyingAnnAGNPSmodelinChina,andlayagoodfoundationforestablishmentofwholeDagubasinKeywords:non-pointsource,AnnAGNNPSmodel,Dagutypicalsub-watersheds,evaluation

0引言隨著點源污染的有效控制，非點源污染已成為水體污染的主要因素之一，受到越來越多的關(guān)注和研究[1-2]。研究表明，非點源污染負荷有逐漸超過點源污染負荷，成為地表和地下水體首要污染源的趨勢[3-4]。非點源污染模型是實現(xiàn)非點源污染定量評價的有效工具之一。它通過對整個流域系統(tǒng)及其內(nèi)部復(fù)雜污染過程的定量描述，幫助我們分析非點源污染產(chǎn)生的時間和空間分布特征，識別其主要來源和遷移途徑，預(yù)報污染負荷量及其對水體的影響，并評價土地利用變換以及不同管理措施對非點源污染和水質(zhì)的影響，為流域規(guī)劃和管理提供決策支持[5]。在國外，尤其是美國已經(jīng)開發(fā)了許多流域非點源污染模型并且將其應(yīng)用到了流域污染負荷模擬及其管理措施的制定和評價中[1]。我國由于基礎(chǔ)資料的缺乏，適合我國情況的流域非點源污染模型開發(fā)較少，因此將國外成熟的流域非點源污染模型引入我國流域非點源污染及流域管理中具有一定的研究意義[5-6]。由美國農(nóng)業(yè)部開發(fā)的AnnAGNPS模型作為農(nóng)業(yè)非點源污染研究的主要手段，被廣泛應(yīng)用于計算非點源污染負荷、關(guān)鍵源區(qū)識別、模擬非點源管理方案中[7]。模型在中國的應(yīng)用集中在東南沿海的浙江和福建[8],對于受非點源污染嚴重影響的東部沿海地區(qū)，此類研究鮮見報道。本文以大沽河典型小流域為例，在劃分集水單元，提取模型參數(shù)的基礎(chǔ)上，通過小流域出口2001～2002年降雨徑流、泥沙及總氮監(jiān)測數(shù)據(jù)，分別檢驗AnnAGNPS模型在大沽河典型小流域日、月及年尺度上的適用性，為大沽河流域水資源與水環(huán)境提供重要的水文基礎(chǔ)支持。1.材料與方法1.1研究區(qū)概括大沽河是膠東半島最大的河流，流域面積7511.5km2，流域水資源豐富，多年平均河川徑流量為6.3×108m3。大沽河流域是魯東低山丘陵區(qū)的一部分，地形變化的總趨勢是北高南低。處于北暖溫帶季風(fēng)氣候區(qū)，降水年際變化懸殊，主要集中于5～本研究選取以張家院水文站為出口的小流域為研究區(qū)（圖1）。研究區(qū)分布于河流的上游地段，其面積為610.81km2。土地利用類型主要為耕地、林地、草地、水體，其中耕地面積占總面積的60%左右，草地占27%。土壤類型主要圖1.研究區(qū)、站點位置圖Fig.1Thelocationofstudyregionandstation1.2AnnAGNPS模型AnnAGNPS模型（AnnualizedAgriculturalNon-pointSourcePollutionModel）是由美國農(nóng)業(yè)部開發(fā)研究而成的用于模擬評估流域地表徑流、泥沙侵蝕和氮磷營養(yǎng)鹽流失的連續(xù)型分布式參數(shù)模型[9],與其前期版本AGNPS相比，AnnAGNPS模型的改進之處在于：以日為基礎(chǔ)連續(xù)模擬一個時段內(nèi)每天及累計的徑流、泥沙、養(yǎng)分、農(nóng)藥等輸出結(jié)果，可用于評價流域內(nèi)非點源污染的長期影響；根據(jù)地形水文特征進行流域集水單元的劃分，且模擬的流域尺度更大；與GIS的緊密集成，模型參數(shù)大多可自動提取，模擬結(jié)果的顯示度得以顯著提高[10]。該模型采用SCS-CN徑流曲線方程計算地表徑流量，并按每日的耕作、土壤水分和作物情況，相應(yīng)地調(diào)整曲線數(shù)。其中前期土壤水分條件由SWRRB和EPIC模型計算，滲漏計算采用了Brooks-Corey方程，流量峰值計算采用了TR-55模型。采用校正的通用土壤流失方程計算地表泥沙侵蝕量。模型逐日計算各集水單元內(nèi)氮、磷和有機碳的營養(yǎng)鹽狀況，包括作物對氮磷的吸收、施肥、殘留的降解和氮磷的遷移等。氮磷和有機物的輸出按可溶態(tài)和顆粒吸附態(tài)分別計算，并采用了一組動力學(xué)方程計算平衡濃度。作物對可溶態(tài)營養(yǎng)鹽的吸收計算，則采用了簡單的作物生長階段指數(shù)。采用與CREAMS模型相同的公式計算氮、磷的可溶態(tài)濃度和顆粒態(tài)濃度[9]。1.3參數(shù)率定1.3.1集水單元以流域1:50000地形圖為數(shù)據(jù)源，利用ARCGIS軟件建立數(shù)字高程模型（DEM）。在此基礎(chǔ)上，利用AnnAGNPS-Arcview集成界面，運行地形參數(shù)模塊（TOPAGNPS）自動劃分集水單元（cell），勾劃地表排水溝道（reach），生成集水單元文件AnnAGNPS_cell.dat和溝道參數(shù)文件AnnAGNPS_reach.dat,分別包括各集水單元和溝道的面積、高程、坡度、坡長等參數(shù)。由定義的臨界源面積（thecriticalsourcearea,CSA）和最小初始溝道長度(theminimumchannellength,MSCL)來反映流域下墊面的空間變異性。根據(jù)研究區(qū)地形、土地覆被的差異將小流域劃分為104個集水單元和142條河道。同時，利用該界面將集水單元文件與流域2000年的1:10萬土地利用圖和1:100萬土壤圖分別進行空間疊加運算，確定各集水單元的主要土地利用類型和土壤類型。1.3.CN值是一個反映降雨前流域特征的綜合參數(shù)，與流域前期土壤濕潤狀況（Antecedentmoisturecondition,AMC）、土壤、覆蓋類型及水文狀況密切相關(guān)。為了確定和區(qū)分CN值，美國土壤保持局按照不同的土壤滲透性能和產(chǎn)流能力的大小，劃分了4種土壤水文類型：A類（透水）、B類（較透水）、C（較不透水）、D（接近不透水）。根據(jù)大沽河上游的土壤、植被、水文狀況和土地利用類型等，參照CN值的取值條件[11]，確定各土地覆被類型的CN值（表1）。林地和草地的水文條件依據(jù)植被密度來估計，耕地的則依據(jù)作物生長季節(jié)為依據(jù)來調(diào)整。表1研究區(qū)不同土地覆蓋CN值Table1CNvaluesofdifferentland-coversinthestudyregion土地覆蓋類型管理措施水文條件不同水文土壤組CN值A(chǔ)BCD休耕地裸地差76859093好74838890行播作物直行耕作差72818891好67788589等高種植差70798488好64758286小粒作物直行耕作差65768488好63758387等高種植差63748285好60738184林地—差45667783好30557077草地—差49587178好39617480表1表征的是中等含水量（）的CN值，模型依據(jù)土壤水分條件，每日自動調(diào)整各用地類型的CN值。1.采用萊陽站1996－2001年日氣象數(shù)據(jù)（雨量、最高與最低氣溫、露點溫度、云量、風(fēng)速），依據(jù)氣象文件的格式說明，編譯FORTRAN程序，建立日氣象輸入文件（Dayclim.inp）。降雨量和降雨侵蝕力(R)一般表現(xiàn)為冪函數(shù)關(guān)系[12]，利用2000-2001年日降雨量[13]，計算每隔15d的R值，并將其累積以獲得年降雨侵蝕力。土壤數(shù)據(jù)包括空間分布數(shù)據(jù)，物理、化學(xué)屬性數(shù)據(jù)。根據(jù)各集水單元的土壤類型，查閱山東省第二次土壤普查結(jié)果，獲得土壤質(zhì)地、分層厚度、容重、總氮及總磷數(shù)據(jù)。將小流域土壤質(zhì)地由卡欽斯基粒級制轉(zhuǎn)換為模型要求的美制[14]，依此間接獲得土壤水文土壤組,凋萎系數(shù)，有效田間持水量、飽和導(dǎo)水率參數(shù)值[15]。土壤氮磷養(yǎng)分分別按照96%，4%，15%，85%的比例轉(zhuǎn)換[16]以獲得有機氮、無機氮、有機磷、無機磷的含量。作物數(shù)據(jù)從3個方面考慮:首先是作物的產(chǎn)量、殘留物、分解等基本參數(shù),其次是發(fā)芽、生長、成熟和衰老4個生長階段的劃分和各階段的N、P吸收率；第三是從作物生長開始后，每隔15d的根系、覆蓋和高度累積值。作物產(chǎn)量通過《2000年青島統(tǒng)計年鑒》獲得，其它參數(shù)主要利用模型提供的作物數(shù)據(jù)庫文件Crop.xls和美國農(nóng)業(yè)手冊703號[17]獲得。由農(nóng)田施肥調(diào)查獲得施肥量、施肥深度、各種養(yǎng)分含量比例。1.4校準與驗證模型的校準是將模擬值與監(jiān)測值進行對照，并在一定的、合理取值范圍內(nèi)不斷調(diào)整輸入?yún)?shù)，使模擬結(jié)果與實測值之間的誤差可以接受。利用來自水文年鑒的2000~2001年張家院水文站（圖1）日流量、月泥沙輸出數(shù)據(jù)，青島市環(huán)保局提供的2000~2001年東丁家、西巨家及張家院水質(zhì)監(jiān)測斷面的日總氮負荷來校準和驗證模型。在典型的河川徑流過程中，流量過程線可以很直觀的區(qū)分為兩部分：基流與地表徑流。因AnnAGNPS模型僅模擬地表徑流部分，在模型校準之前，利用Pettyjohn&Henning[18]編寫的HYSERP程序?qū)⒒鞣指畛鋈ァ?000～2001年日徑流范圍為2.1×104～2.8×106m3/d，其均值為2.39×102m3/d，日均基流量為1.19×102m3/d20002001圖22000-2001年研究區(qū)流量過程線和基流Fig.2.Hydrographandbaseflowforstudyregion為評價模型計算的質(zhì)量，方便模型參數(shù)校正，本文采用兩個指標來表征模型實測值與模擬值的擬合度。1)模擬偏差：（1）式中,V為模型模擬值，V’為實測值，為模擬偏差，值越趨于0，模擬精度越高。2）繪制1:1連線圖和回歸曲線，反映徑流、泥沙及總氮的擬合度，在1:1連線圖上，數(shù)據(jù)點越接近于1:1連線，則擬合度越高。決定系數(shù)R2越大，則表示實則值與模擬值的擬合度越好。研究認為，當(dāng)R2大于0.8，相對誤差在15%以內(nèi)，模擬結(jié)果理想；R2在0.6～0.8之間，相對誤差在30%以內(nèi)，模擬結(jié)果基本可接受；R2小于0.6，相對誤差大于30%時，模擬結(jié)果不理想[19]。2結(jié)果2.1模擬精度檢驗2.1.1由于地表徑流影響了泥沙和氮磷輸出，泥沙輸出影響顆粒態(tài)氮磷輸出，因此，模型模塊的參數(shù)校正存在先后順序，首先對水文模塊進行校正，其次是對泥沙侵蝕模塊，最后是氮磷營養(yǎng)鹽流失模塊[7]。因缺少日泥沙監(jiān)測數(shù)據(jù)，僅模擬泥沙年均、月均輸出負荷，而水文、營養(yǎng)鹽模擬都是在年、月、日3個層次上完成。SCS的徑流曲線數(shù)CN是影響地表徑流的主要參數(shù)，土壤供水能力對地表徑流量的模擬結(jié)果也產(chǎn)生一定的影響。對比監(jiān)測值和模擬值的差異程度，依據(jù)小流域的地形特征、AnnAGNPS說明書中CN的取值范圍、經(jīng)驗值及其它流域的取值作為參考，反復(fù)調(diào)試CN值來校準徑流量。在此基礎(chǔ)上微調(diào)土壤供水能力，使實測值最大程度與模擬值接近。利用SCS徑流曲線數(shù)CN模擬地表徑流量，特大暴雨時模擬值往往遠高于實測值[20-22]。鑒于此，參考各地表覆蓋類型CN值的取值范圍，首先將CN值設(shè)為最低值，在此基礎(chǔ)上將CN值升高一定比例，直到得到令人滿意的統(tǒng)計評估結(jié)果。模型對CN值的改變很敏感，且當(dāng)CN值比原來升高6%時模擬結(jié)果最理想。在水文模擬參數(shù)調(diào)整中，首先實現(xiàn)的是年水量平衡。2000和2001年實測的地表徑流分別為57.6×106m3和21.73×106m3，對應(yīng)的模擬值各為65.9×106m3和23.15×106m3,模擬偏差分別為12.7%和－7%，模擬結(jié)果較為理想。對于月降雨量小于10mm的枯水期（12－3月），模擬值都為0，模擬偏差高達－100％，說明水文模塊對降雨量反應(yīng)相當(dāng)敏感。在平水期和豐水期，除個別月模擬值與實測值存在較大誤差外（2001年10月），模擬偏差都在±表22000-2001月徑流量實測值與模擬值對比Table2Themonthlyrunoffamountsofmeasuredandpredictedforthestudyregion月份20002001實測值模擬值降雨量模擬偏差(%)實測值模擬值降雨量模擬偏差(%)（106（106mm（106（106mm10.1800-1000.2103.4-10020.1300-1000.2700-10030.0600.3-1000.200.5-10040.460.3866.2-170.64026.2-10050.280.27.5-290.510.3963.6-2462.071.7751.7-140.550.423.7-2774.685.66213.3219.0411.14165.623840.2447.42279.4188.8410.19194.91598.096.727.6-170.640.4919.4-23102.042.6679.2300.530.3641.4-32111.171.1443.8-30.240.1817.8-25120.2305.8-1000.04013.8-100合計57.6465.93774.8-41121.7323.15570.3-593校準檢驗圖4研究區(qū)2000-2001年日徑流量實測值與模擬值擬合圖Fig.4Comparisonofsimulatedandobservedsurfacerunofffrom2000to2001instudyregion2.1.2AnnAGNPS模型使用修正的通用土壤流失方程RUSLE計算坡面侵蝕，產(chǎn)沙量主要受RUSLE中的幾個關(guān)鍵性因子影響，其中作物經(jīng)營管理因子C最敏感，土壤可侵蝕因子K次之。作物經(jīng)營管理因子C與地表覆蓋度、葉冠覆蓋率關(guān)系密切，為本文的主要調(diào)整對象。根據(jù)土地利用性質(zhì)、作物生長狀況、模型中的參數(shù)取值范圍以及文獻中的參數(shù)取值[23]調(diào)整地表覆蓋度和葉冠覆蓋率的大小，來校準模型。在此基礎(chǔ)上，根據(jù)土壤性質(zhì)微調(diào)K值，使泥沙的模型輸出值與實測值最大程度的接近。泥沙作為一種載體，吸附了大量的N、P等營養(yǎng)物質(zhì)進入水體，水質(zhì)校正首先從泥沙開始。2000～2001年實測泥沙年均輸出量分別為10.99×104t和46.59×103t，對應(yīng)的模擬值為13.09×104t和53.6×103t，泥沙輸出量分別被高估了19.1％和15%。這主要是模型采用Bagnold方程計算河道輸沙量，沒有考慮水流對河床的摩擦，增大了河床泥沙能量的損失，造成渠道泥沙的有效遷移力遠大于由侵蝕提供的泥沙量，系統(tǒng)地高估泥沙遷移力[24]。2000年和2001年月均泥沙模擬值與實測值的相關(guān)系數(shù)分別為0.78和0.73（圖5）。由于缺少數(shù)據(jù)，不能確定日泥沙的模擬精度。因與月泥沙輸出相比，日泥沙估算對輸入?yún)?shù)要求將更加嚴格，且RUSLE適于模擬年均土壤侵蝕，可以預(yù)測日均泥沙模擬精度低于月均泥沙輸出。校準檢驗圖52000-2001年泥沙輸出量實測值與模擬值擬合圖Fig.5Comparisonofsimulatedandobservedsedimentfrom2000to2001instudyregion2.1.3對于氮營養(yǎng)鹽的輸出，氮的衰減系數(shù)和河道曼寧系數(shù)比較敏感，化肥施用量、土壤中氮的本底值也對氮的輸出產(chǎn)生一定程度的影響。研究發(fā)現(xiàn)，將曼寧系數(shù)由模型默認的0.04調(diào)整為0.05，氮的衰減系數(shù)由0.75增加到0.1，模擬結(jié)果最理想。在此基礎(chǔ)上，分別根據(jù)作物生長周期、土壤類型微調(diào)化肥施用量和土壤含氮量，使模擬值與實測值最大程度吻合?；适┯昧亢屯寥篮康c模型的氮營養(yǎng)鹽輸出基本成線性關(guān)系，表現(xiàn)出化肥施用量、土壤含氮量較高時，總氮輸出值也較高的特征。2000～2001年東丁家、西巨家及張家院站總氮監(jiān)測值較少。鑒于此，利用張家院站降雨場次總氮監(jiān)測值來校準模型，東丁家、西巨家站的相應(yīng)數(shù)據(jù)來驗證模型。西巨家、東丁家及張家院年均總氮負荷分別為79.96t,126.01t和137.31t，實測值各為142.43t，195.19t和237.77t，其模擬偏差分別為－43.86%，－35.44%和－49.85％。從以上結(jié)果可以看出，各小流域總氮輸出量明顯被低估，這可能是本文為了避免誤差累積，未將基流中總氮含量分割出去所致。年均總氮輸出的相對誤差大于30%，模擬結(jié)果不理想。張家院、東丁家及西巨家，月均總氮實測值與模擬值的相關(guān)系數(shù)分別為0.64，0.68和0.72。與年、月總氮輸出相比，降雨場次總氮模擬精度很差，張家院、東丁家及西巨家實測值與模擬值的相關(guān)系數(shù)分別為0.49，0.48和0.55（圖6）。張家院斷面，日總氮模擬偏差變幅很大，為2.88%～244.25%；東丁家小流域出現(xiàn)日總氮含量被高估三倍的情況；相比較而言，西巨家斷面模擬精度稍有提高,模擬偏差在－85.38％～5.35％之間，主要是該小流域匯水面積最小，受外界干擾最少。與徑流與泥沙模擬相比，研究區(qū)總氮模擬輸出表現(xiàn)出很大的不確定性。模型的水文模塊模擬精度較高，對總氮輸出的模擬情況較差。主要是因為在水文部分或者侵蝕部分出現(xiàn)的誤差，會轉(zhuǎn)移并且擴大到營養(yǎng)鹽部分。由于數(shù)據(jù)精度的限制，本文未能嚴格區(qū)分徑流中的氮和泥沙攜帶氮，這可能也是總氮輸出模擬精度較差的原因之一。校準檢驗圖62000-2001年總氮實測值與模擬值擬合圖Fig.6Comparisonofsimulatedandobservedtotalnitrogenfrom2000to2001instudyregion以上結(jié)論與國外學(xué)者的研究結(jié)果比較一致。在VirginiaPiedmont流域，AnnAGNPS模型的降雨場次地表徑流，泥沙，總氮輸出實測值與模擬值的相關(guān)系數(shù)分別為0.97，0.76和0.4[24]。Hanalei流域的日徑流量實測值與模擬值的相關(guān)系數(shù)為0.55，月均徑流相關(guān)系數(shù)增為0.9，日均、月均沉積物實測值與模擬值的相關(guān)系數(shù)分別為0.5和0.85[22]。2.2敏感度分析本文利用敏感性指數(shù)對輸入?yún)?shù)（徑流曲線數(shù)CN、地表殘茬覆蓋度、葉冠覆蓋率、土壤可侵蝕力K、氮的衰減系數(shù)、河道曼寧系數(shù)）進行敏感性分析，評價模型在參數(shù)輸入發(fā)生變化時的響應(yīng)過程，識別出對模型結(jié)果影響最為敏感的參數(shù)。（2）式中S為敏感性指數(shù)，I1和I2是輸入?yún)?shù)的最小和最大值；I12為I1和I2的平均值；O1和O2分別為與I1和I2對應(yīng)的模型輸出，O12為O1和O2的均值。研究發(fā)現(xiàn)影響地表徑流輸出最敏感的參數(shù)為CN值，敏感性指數(shù)S為2.37。對于泥沙輸出，地表殘茬覆蓋度和葉冠覆蓋率最敏感，降雨侵蝕力次之，S值分別為－2.9，－2.4和0.9。地表殘茬覆蓋度、葉冠覆蓋率與泥沙輸出呈負相關(guān)關(guān)系，即地表殘茬覆蓋度和葉冠覆蓋率越低，泥沙輸出量越大。對于氮磷營養(yǎng)鹽的輸出，最敏感的參數(shù)為氮的衰減系數(shù)和曼寧系數(shù)，S值分別為－0.272和－0.345。3.結(jié)論非點源污染模型AnnAGNPS具有強大的水循環(huán)模擬能力和對水資源綜合管理的支撐能力，在世界范圍內(nèi)得到廣泛應(yīng)用。本研究將其應(yīng)用于受非點源污染嚴重的大沽河流域，分析其在大沽河流域應(yīng)用的可靠性。研究表明：對地表徑流年均模擬偏差在15%以內(nèi)，月均偏差在±30%以內(nèi)，降雨場次模擬的R2在0.9以上，模型對該區(qū)域地表徑流的模擬較適宜；對泥沙輸出的年均模擬偏差在±20%以內(nèi)，月均R2高于0.7，模擬結(jié)果可接受；總氮模擬年均偏差高達50%，月均和降雨場次總氮負荷的相關(guān)系數(shù)分別在0.6和0.5附近波動，模擬結(jié)果表現(xiàn)了很大的不確定性?？梢?，如何提高模型在研究區(qū)的營養(yǎng)鹽模擬精度將是未來AnnAGNPS的重點研究方向之一。本研究對于AnnAGNPS模型在國內(nèi)的應(yīng)用和推廣，具有很好的示范性，并為膠州灣入海全流域分布式水文模型的構(gòu)建奠定了基礎(chǔ)。[參考文獻][1]胡雪濤，陳吉寧，張?zhí)熘?非點源污染模型研究[J].環(huán)境科學(xué)，2002，23（3）：124－128[2]朱繼業(yè)，竇貽儉.城市水環(huán)境非點源污染總量控制研究與應(yīng)用[J].環(huán)境科學(xué)學(xué)報，1999,19(