基于DEA-Malmquist我國(guó)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(diǎn)源污染模擬

PAGEPAGE1基于DEA—Malmquist我國(guó)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(cè)算了2000—2008年中國(guó)28個(gè)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(cè)算了28個(gè)省份高技術(shù)產(chǎn)業(yè)的全要素生產(chǎn)率（TFP）的變動(dòng)。研究表明：中國(guó)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(shì)；中國(guó)高技術(shù)產(chǎn)業(yè)的TFP有所上升，但是各地區(qū)TFP增長(zhǎng)的源泉不同：東部地區(qū)主要依賴(lài)于技術(shù)進(jìn)步，中部地區(qū)主要依賴(lài)于技術(shù)效率的增長(zhǎng)，而技術(shù)退步是西部地區(qū)TFP負(fù)增長(zhǎng)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(gè)國(guó)家和地區(qū)拉動(dòng)經(jīng)濟(jì)增長(zhǎng)和社會(huì)持續(xù)發(fā)展的重要手段，發(fā)展知識(shí)密集、技術(shù)密集、附加值高的高科技產(chǎn)業(yè)成為中國(guó)轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式的必然選擇。近年來(lái)，中國(guó)高技術(shù)產(chǎn)業(yè)也有了很大的發(fā)展。截止到2011年，中國(guó)高新技術(shù)產(chǎn)值達(dá)到8843億元，占國(guó)民生產(chǎn)總值的18.73%，已成為拉動(dòng)國(guó)民經(jīng)濟(jì)增長(zhǎng)和促進(jìn)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(guó)家經(jīng)濟(jì)和社會(huì)發(fā)展中的作用越來(lái)越顯著，國(guó)家也逐漸加大對(duì)高技術(shù)產(chǎn)業(yè)人力物力的投入。數(shù)據(jù)顯示，近年來(lái)中國(guó)高技術(shù)產(chǎn)業(yè)的投入持續(xù)攀升。R&D經(jīng)費(fèi)從1998年的56.45億元，增長(zhǎng)到2007年的545.32億元，年均增長(zhǎng)28.44%；R&D人員總量也有大幅度增長(zhǎng)，從1998年到70879人，增長(zhǎng)到2007年的248228人，年均增長(zhǎng)14.94%。但是，僅僅加大對(duì)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(xiāo)售收入從1998年的1207.254億元，增長(zhǎng)到2007年的10303.222億元，年均增長(zhǎng)只有26.68%，比R&D經(jīng)費(fèi)年均增長(zhǎng)率還低。由此可見(jiàn)，中國(guó)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(duì)于發(fā)達(dá)國(guó)家，中國(guó)科技創(chuàng)新資源存量嚴(yán)重不足。因此，對(duì)中國(guó)各個(gè)省份的高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率的測(cè)算與評(píng)價(jià)有利于當(dāng)?shù)卣J(rèn)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(shí)現(xiàn)高技術(shù)產(chǎn)業(yè)的可持續(xù)發(fā)展。2.文獻(xiàn)綜述目前，國(guó)內(nèi)外學(xué)者對(duì)于高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率進(jìn)行了很多研究。研究表明，對(duì)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(jìn)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(dòng)。當(dāng)前國(guó)內(nèi)外學(xué)者主要從兩個(gè)角度研究中國(guó)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(duì)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(jìn)行測(cè)算和分析。Sun等測(cè)算了韓國(guó)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(jìn)步，需要對(duì)技術(shù)進(jìn)步和技術(shù)效率這兩方面加以改進(jìn)；楊惠瑛從研發(fā)的角度測(cè)算了中國(guó)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(guó)高技術(shù)產(chǎn)業(yè)的面板數(shù)據(jù)，估算了中國(guó)高技術(shù)產(chǎn)業(yè)研發(fā)投入對(duì)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(gè)角度評(píng)價(jià)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(jí)產(chǎn)業(yè)中各個(gè)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(cè)度了1999—2008年中國(guó)高新技術(shù)產(chǎn)業(yè)的創(chuàng)新績(jī)效，并對(duì)其影響因素進(jìn)行了分析；官建成等測(cè)量了五大高技術(shù)產(chǎn)業(yè)中的15個(gè)細(xì)分產(chǎn)業(yè)2001—2004年的技術(shù)創(chuàng)新效率，指出中國(guó)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(jī)前沿生產(chǎn)函數(shù)測(cè)算了中國(guó)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(duì)研發(fā)效率的影響；趙莉、單春霞采用DEA-Malmquist方法計(jì)算了五大高技術(shù)產(chǎn)業(yè)的技術(shù)進(jìn)步指數(shù)和TFP指數(shù)；方毅等采用Malmquist指數(shù)測(cè)算了中國(guó)高新技術(shù)產(chǎn)業(yè)不同行業(yè)的動(dòng)態(tài)研發(fā)效率；呂品等測(cè)算了1995—2007年中國(guó)高技術(shù)產(chǎn)業(yè)17個(gè)行業(yè)全要素生產(chǎn)率的Malmquist指數(shù)，指出中國(guó)高技術(shù)產(chǎn)業(yè)技術(shù)進(jìn)步較低，且創(chuàng)新能力不足，與發(fā)達(dá)國(guó)家相比存在很大差距。二是從地區(qū)角度，對(duì)不同地區(qū)的高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率進(jìn)行測(cè)量。Raab等對(duì)2002年美國(guó)50個(gè)州的高新技術(shù)產(chǎn)業(yè)的技術(shù)效率進(jìn)行了評(píng)價(jià)和分析；Lu等利用DEA-Tobit模型對(duì)臺(tái)灣194家高新技術(shù)企業(yè)的研發(fā)效率進(jìn)行了評(píng)價(jià)，并對(duì)效率的影響因素進(jìn)行了分析,探索高技術(shù)企業(yè)效率無(wú)效的原因所在；蘇屹等使用改進(jìn)DEA模型對(duì)各個(gè)省份高新技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新績(jī)效進(jìn)行了研究，認(rèn)為中國(guó)高新技術(shù)產(chǎn)業(yè)對(duì)中間成果過(guò)分注重，但對(duì)商品化階段成功重視不足的問(wèn)題；肖仁橋等使用二階段DEA模型從價(jià)值鏈的角度，對(duì)中國(guó)28個(gè)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(jìn)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(dòng)者素質(zhì)、產(chǎn)業(yè)結(jié)構(gòu)等都對(duì)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(jià)值鏈的角度對(duì)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(jìn)行了分析，認(rèn)為兩個(gè)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(wú)效率，且市場(chǎng)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(yíng)績(jī)效對(duì)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?zhǔn)骄W(wǎng)絡(luò)DEA測(cè)算中國(guó)29個(gè)省的科技投入效率，指出中國(guó)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(jī)前沿模型計(jì)算了1996—2007年中國(guó)高技術(shù)產(chǎn)業(yè)的研發(fā)效率，發(fā)現(xiàn)中國(guó)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(shì)，而且呈現(xiàn)出一定的空間差異性。上述文獻(xiàn)從各個(gè)角度對(duì)中國(guó)高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率進(jìn)行了測(cè)算，但是對(duì)于中國(guó)各個(gè)省份高技術(shù)產(chǎn)業(yè)的全要素生產(chǎn)效率（TFP）的變動(dòng)趨勢(shì)及其變動(dòng)源泉的研究較少。因此，本文首先采用DEA的傳統(tǒng)模型對(duì)中國(guó)各個(gè)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(jìn)行分析，探討中國(guó)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(lái)測(cè)算和分解高技術(shù)產(chǎn)業(yè)的TFP，考察各個(gè)省份及地區(qū)的技術(shù)效率和技術(shù)進(jìn)步對(duì)其TFP增長(zhǎng)的影響，從而找出TFP增長(zhǎng)的源泉所在，期望為各個(gè)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(biāo)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(duì)效率概念為基礎(chǔ)對(duì)同部門(mén)或同單位多投入、多產(chǎn)出經(jīng)濟(jì)系統(tǒng)的相對(duì)有效性或相對(duì)效益進(jìn)行評(píng)價(jià)的一種方法。Charnes、Cooper和Rhodes于1978年首先提出了規(guī)模報(bào)酬不變的CCR模型。而后，Banker、Charnes和Cooper在1984年用規(guī)模報(bào)酬變動(dòng)假設(shè)取代了CCR模型的固定規(guī)模報(bào)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(píng)價(jià)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(duì)中國(guó)各省份高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率進(jìn)行測(cè)度。設(shè)有n個(gè)決策單元，每個(gè)決策單元有輸入向量輸出向量Y=，對(duì)于任意的決策單元DMUj,在凸性、錐性、無(wú)效性和最小性的公理假設(shè)下，其生產(chǎn)可能集：。可得到以下DEA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(shuō)明該決策單元DEA有效；若θ=1.且S+=S-≠0，則說(shuō)明該決策單元弱DEA有效；若θ＜1，則說(shuō)明該決策單元為DEA無(wú)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(lái)考察跨時(shí)期的多投入和多產(chǎn)出變量間的動(dòng)態(tài)生產(chǎn)效率，并由此測(cè)定全要素生產(chǎn)率的變化。Malmquist指數(shù)將TFP分解為技術(shù)進(jìn)步變化和技術(shù)效率變化兩個(gè)部分。而技術(shù)效率變化又可進(jìn)一步分解為純技術(shù)效率變化和規(guī)模效率變化。通過(guò)對(duì)TFP的分解，我們可以對(duì)效率和技術(shù)的變動(dòng)情況進(jìn)行測(cè)量，從而有利于TFP增長(zhǎng)推動(dòng)的內(nèi)在因素進(jìn)行研究。根據(jù)Fare等于1992年對(duì)Malmquist指數(shù)的定義，其表達(dá)公式如下：其中，和是分別根據(jù)生產(chǎn)點(diǎn)在相同時(shí)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(diǎn)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(jìn)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(xiàng)表示規(guī)模效率變化Sech，第二項(xiàng)表示純技術(shù)效率變化Pech，第三項(xiàng)表示技術(shù)進(jìn)步Tech，且第一項(xiàng)和第二項(xiàng)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(jìn)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(shí)現(xiàn)技術(shù)進(jìn)步；Tfpch>1，意味著生產(chǎn)效率有所改善。反之，上述指標(biāo)小于1，則表明相應(yīng)效率退化。3.2指標(biāo)選取與數(shù)據(jù)說(shuō)明3.2.1指標(biāo)選取根據(jù)以往學(xué)者們對(duì)高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率的指標(biāo)體系的研究中，對(duì)于投入指標(biāo)的選取主要集中在人力投入和資金投入兩個(gè)方面。因此，本文選取R&D經(jīng)費(fèi)內(nèi)部支出（X1）和新產(chǎn)品開(kāi)發(fā)經(jīng)費(fèi)（X2）作為資金投入指標(biāo)，選取R&D人員全時(shí)當(dāng)量（X3）作為人力投入指標(biāo)。而對(duì)于產(chǎn)出指標(biāo)的選取主要集中在經(jīng)濟(jì)產(chǎn)出和專(zhuān)利發(fā)明兩個(gè)方面。因此，本文選取新產(chǎn)品銷(xiāo)售收入（Y1）衡量其經(jīng)濟(jì)效益產(chǎn)出，選取專(zhuān)利申請(qǐng)量（Y2）和擁有專(zhuān)利量（Y3）作為衡量其專(zhuān)利發(fā)明的產(chǎn)出。3.2.2數(shù)據(jù)說(shuō)明由于西藏、海南和新疆的數(shù)據(jù)缺失較多，無(wú)法補(bǔ)全，本文僅選取中國(guó)大陸28個(gè)省份2004—2012年的數(shù)據(jù)進(jìn)行分析。由于研發(fā)投入轉(zhuǎn)化為最終經(jīng)濟(jì)產(chǎn)出具有一定的時(shí)滯性，本文按照通常的做法，取滯后期1年。投入指標(biāo)為2004—2011年的數(shù)據(jù)，產(chǎn)出指標(biāo)為2005—2012年的數(shù)據(jù)，所有數(shù)據(jù)均來(lái)自于2004—2009年的《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》。投入產(chǎn)出指標(biāo)數(shù)據(jù)特征如表1所示。表1投入產(chǎn)出指標(biāo)的描述性統(tǒng)計(jì)（2004—2012）數(shù)據(jù)來(lái)源于：2007—2012年《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》表2投入、產(chǎn)出指標(biāo)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(biāo)R&D經(jīng)費(fèi)內(nèi)部支出（X1）、新產(chǎn)品開(kāi)發(fā)經(jīng)費(fèi)（X2）和R&D人員全時(shí)當(dāng)量（X3）與產(chǎn)出指標(biāo)新產(chǎn)品銷(xiāo)售收入（Y1）、專(zhuān)利申請(qǐng)量（Y2）和擁有專(zhuān)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(guò)對(duì)投入產(chǎn)出變量相關(guān)性的檢驗(yàn)，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(cè)度模型是有效的。實(shí)證分析4.1.1基于BCC模型的中國(guó)省際及地區(qū)高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率測(cè)算結(jié)果及分析各個(gè)省份高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率測(cè)算結(jié)果及分析。本研究選取2004—2012年中國(guó)28個(gè)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(bào)酬可變的產(chǎn)出導(dǎo)向的DEA模型，利用Deap2.1軟件，測(cè)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(jì)算得出這28個(gè)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(bào)酬的均值，以及各個(gè)省份在2004—2012年間的規(guī)模報(bào)酬遞增、遞減和不變所占的比例。具體結(jié)果見(jiàn)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?？梢?jiàn)，這兩個(gè)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(guó)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(duì)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(guó)領(lǐng)先地位，具有大量的優(yōu)秀人才，國(guó)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(gè)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(fèi)的投入、人才的引進(jìn)與培訓(xùn)等工作，納米氧化鋅等新材料產(chǎn)業(yè)走在全國(guó)的前列；青海利用青藏高原特殊動(dòng)植物優(yōu)勢(shì)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(gè)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(bào)酬遞增的態(tài)勢(shì)。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(bào)酬遞增的態(tài)勢(shì)。這說(shuō)明了這兩個(gè)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(guò)小的情況，可以加大對(duì)其高技術(shù)產(chǎn)業(yè)的支持力度，擴(kuò)大規(guī)模，獲取規(guī)模效益。表3各個(gè)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(bào)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(duì)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(duì)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(dòng)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(yán)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(rùn)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(shuō)明其技術(shù)和管理水平越高；而規(guī)模效率值越高，說(shuō)明其當(dāng)前的生產(chǎn)規(guī)模越接近規(guī)模最優(yōu)。中國(guó)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(shuō)明了該省在當(dāng)前的技術(shù)水平下，對(duì)于投入資源的利用是有效率的，并沒(méi)有因?yàn)榧夹g(shù)或者管理的因素而造成資源浪費(fèi)。但是，廣東省的規(guī)模效率僅為0.521，說(shuō)明了該省高技術(shù)產(chǎn)業(yè)的規(guī)模過(guò)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(gè)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(gè)省份在2004—2012年之間，其高技術(shù)產(chǎn)業(yè)存在規(guī)模報(bào)酬遞增、遞減還是不變的情況，得知：在26個(gè)DEA無(wú)效的省份中，15個(gè)省份在所有年份都呈現(xiàn)規(guī)模報(bào)酬遞減；7個(gè)省份在超過(guò)一半的年份呈現(xiàn)規(guī)模報(bào)酬遞減；僅4個(gè)省份規(guī)模報(bào)酬遞增的年份多于遞減的年份。這說(shuō)明了，中國(guó)大多數(shù)省份高技術(shù)產(chǎn)業(yè)的生產(chǎn)規(guī)模并未達(dá)到最優(yōu)，存在投入較大而產(chǎn)出不足的情況。而事實(shí)也是如此。根據(jù)劉和東等的研究表明，中國(guó)高技術(shù)產(chǎn)業(yè)在1998—2007年期間的R&D經(jīng)費(fèi)年均增長(zhǎng)28.44%；R&D人員總量年均增長(zhǎng)14.94%。但與此同時(shí)，新產(chǎn)品銷(xiāo)售收入年均增長(zhǎng)只有26.68%，低于R&D經(jīng)費(fèi)年均增長(zhǎng)率。這說(shuō)明了一味的增加生產(chǎn)要素的投入，擴(kuò)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(gè)省份高技術(shù)產(chǎn)業(yè)應(yīng)逐步實(shí)現(xiàn)粗放式經(jīng)營(yíng)到集約式經(jīng)營(yíng)的轉(zhuǎn)型。4.1.2中國(guó)省際及地區(qū)高技術(shù)產(chǎn)業(yè)Malmquist指數(shù)的測(cè)算結(jié)果及分析本研究利用Deap2.1軟件和各個(gè)省份高技術(shù)產(chǎn)業(yè)2004—2012年的面板數(shù)據(jù)，計(jì)算出28個(gè)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(jìn)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(jiàn)表4。中國(guó)28個(gè)省份中，有21個(gè)省份的全要素生產(chǎn)率（TFP）有所上升，而7個(gè)省份的全要素生產(chǎn)率（TFP）有所降低。其中，TFP降低的7個(gè)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(zhǎng)率為-49.8%，技術(shù)進(jìn)步年均增長(zhǎng)率為-42%，技術(shù)效率變化年均增長(zhǎng)率為-21.6%。本文認(rèn)為技術(shù)進(jìn)步呈現(xiàn)負(fù)增長(zhǎng)并不是說(shuō)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(jìn)步的增長(zhǎng)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(jìn)步的增長(zhǎng)速度呈現(xiàn)衰退趨勢(shì)，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(fù)增長(zhǎng)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(cè)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(dá)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(zhǎng)率為-24.2%，技術(shù)進(jìn)步年均增長(zhǎng)率為-24.3%，技術(shù)效率無(wú)變化。這說(shuō)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(dá)到規(guī)模最優(yōu)，投入產(chǎn)出有效。但是，云南省的技術(shù)進(jìn)步增長(zhǎng)速度也呈現(xiàn)下降的趨勢(shì)，使得其高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新水平與先進(jìn)省份的差距逐漸加大，是其TFP呈現(xiàn)負(fù)增長(zhǎng)的源泉。而寧夏省的TFP年均增長(zhǎng)率為-9.9%，技術(shù)進(jìn)步年均增長(zhǎng)率為-9.2%，技術(shù)效率變化年均增長(zhǎng)率為-0.8%。可見(jiàn)，技術(shù)進(jìn)步的增長(zhǎng)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(zhǎng)率為-6%，技術(shù)進(jìn)步年均增長(zhǎng)率為7.6%，技術(shù)效率變化的年均增長(zhǎng)率-12.6%?？梢?jiàn)，黑龍江的技術(shù)進(jìn)步速度有所上升，但是其技術(shù)效率呈現(xiàn)下降趨勢(shì)。而其純技術(shù)效率年均增長(zhǎng)率為-16.6%，規(guī)模效率年均增長(zhǎng)率為4.6%。這說(shuō)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(fèi)，且產(chǎn)出不足。而技術(shù)效率變化的降低是其TFP呈現(xiàn)負(fù)增長(zhǎng)的主要原因。表4中國(guó)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(jìn)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(gè)TFP有所上升的省份中，山西、吉林、安徽和甘肅的TFP年均增長(zhǎng)幅度都在30%以上，增長(zhǎng)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(zhǎng)率為39.2%，技術(shù)進(jìn)步年均增長(zhǎng)率15.5%，技術(shù)效率變化年均增長(zhǎng)率為20.5%；吉林TFP年均增長(zhǎng)率為38.5%，技術(shù)進(jìn)步年均增長(zhǎng)率4.5%，技術(shù)效率變化年均增長(zhǎng)率為32.6%。可見(jiàn)，安徽和吉林省的高技術(shù)產(chǎn)業(yè)的技術(shù)進(jìn)步的增長(zhǎng)速度有所上升。但是，其技術(shù)效率變化的增長(zhǎng)幅度更大，是其高技術(shù)產(chǎn)業(yè)TFP快速增長(zhǎng)的源泉。而山西TFP年均增長(zhǎng)率為36%，技術(shù)進(jìn)步年均增長(zhǎng)率21.8%，技術(shù)效率變化年均增長(zhǎng)率為11.7%。可見(jiàn)，由于技術(shù)進(jìn)步的增長(zhǎng)速度逐漸加快，縮小了與先進(jìn)地區(qū)的技術(shù)水平的差距，從而帶動(dòng)了其高技術(shù)產(chǎn)業(yè)TFP的增長(zhǎng)，“追趕效應(yīng)”顯著。另外，甘肅TFP年均增長(zhǎng)率為32.1%，技術(shù)進(jìn)步年均增長(zhǎng)率14.1%，技術(shù)效率變化年均增長(zhǎng)率為15.7%?？梢?jiàn)，甘肅省高技術(shù)產(chǎn)業(yè)不僅技術(shù)進(jìn)步的增長(zhǎng)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(dòng)了其TFP的增長(zhǎng)。其余TFP年均增長(zhǎng)率為正的省份，根據(jù)TFP增長(zhǎng)的動(dòng)力源泉的不同，可分為兩類(lèi)。一是主要由技術(shù)進(jìn)步的增長(zhǎng)速度加快所推動(dòng)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(zhǎng)所推動(dòng)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(guò)上述分析可知，對(duì)于東部地區(qū)的省份，由于其優(yōu)越的區(qū)位優(yōu)勢(shì)，使得其能夠較早的接觸并引進(jìn)先進(jìn)的技術(shù)、設(shè)備和管理理念，技術(shù)的進(jìn)步是推動(dòng)其TFP增長(zhǎng)的關(guān)鍵因素；而對(duì)于中西部地區(qū)的省份，其技術(shù)進(jìn)步逐漸放緩，而技術(shù)效率變化的增長(zhǎng)成為了其TFP增長(zhǎng)的動(dòng)力來(lái)源。4.13中國(guó)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(guó)高技術(shù)產(chǎn)業(yè)TFP整體變化分析。從2000—2007年，中國(guó)高技術(shù)產(chǎn)業(yè)年均增長(zhǎng)率為4.7%。其中，技術(shù)進(jìn)步年均增長(zhǎng)率為0.3%，技術(shù)效率年均增長(zhǎng)率4.3%。由此可見(jiàn)，中國(guó)高技術(shù)產(chǎn)業(yè)的技術(shù)進(jìn)步增長(zhǎng)速度緩慢，說(shuō)明了高技術(shù)產(chǎn)業(yè)對(duì)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(zhǎng)緩慢。而高技術(shù)產(chǎn)業(yè)的技術(shù)效率變化的增長(zhǎng)大于技術(shù)進(jìn)步，是中國(guó)高技術(shù)產(chǎn)業(yè)TFP增長(zhǎng)的動(dòng)力所在。而中國(guó)高技術(shù)產(chǎn)業(yè)的純技術(shù)效率年均增長(zhǎng)率為4.2%，規(guī)模效率的年均增長(zhǎng)率僅為0.1%。由此可見(jiàn)，技術(shù)效率變化的增長(zhǎng)主要來(lái)源于純技術(shù)效率的提高，這說(shuō)明了中國(guó)高技術(shù)產(chǎn)業(yè)經(jīng)過(guò)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(duì)于創(chuàng)新性資源的利用率有所提升。但是，中國(guó)高技術(shù)產(chǎn)業(yè)的規(guī)模擴(kuò)張較快，大多省份呈現(xiàn)規(guī)模報(bào)酬遞減的狀況，資源投入過(guò)剩，產(chǎn)出不足的現(xiàn)象仍然存在，致使規(guī)模效率的增長(zhǎng)并不明顯。而且，近年來(lái)中國(guó)高技術(shù)產(chǎn)業(yè)技術(shù)進(jìn)步的增長(zhǎng)速度呈現(xiàn)下降的趨勢(shì)，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(guó)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(jìn)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(guó)各地區(qū)Malmquist指數(shù)的區(qū)域差異分析。從區(qū)域角度來(lái)看，中部和東部地區(qū)的TFP有所增長(zhǎng)，而西部地區(qū)的TFP呈現(xiàn)下降趨勢(shì)。其中，中部地區(qū)TFP年均增長(zhǎng)率為17.4%，在三個(gè)地區(qū)中增長(zhǎng)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(zhǎng)率為12.7%，技術(shù)進(jìn)步指數(shù)年均增長(zhǎng)率為4.2%。由此可見(jiàn)，技術(shù)效率變化的增長(zhǎng)是其高技術(shù)產(chǎn)業(yè)TFP的大幅度增長(zhǎng)的源泉。而產(chǎn)業(yè)的技術(shù)進(jìn)步增長(zhǎng)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(zhǎng)率為12.7%，規(guī)模效率沒(méi)有變化?？梢?jiàn)，其技術(shù)效率變化的增長(zhǎng)來(lái)源于純技術(shù)效率的增長(zhǎng)，說(shuō)明了近年來(lái)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(zhǎng)率為8.5%。其中，技術(shù)進(jìn)步年均增長(zhǎng)率為5.3%，是三個(gè)地區(qū)中唯一一個(gè)超過(guò)全國(guó)技術(shù)進(jìn)步年均增長(zhǎng)率平均水平的地區(qū)，而技術(shù)效率的年均增長(zhǎng)率為3.1%。由此可見(jiàn)，技術(shù)進(jìn)步是推動(dòng)?xùn)|部地區(qū)TFP增長(zhǎng)的主要源泉，這也與東部地區(qū)優(yōu)異的區(qū)位優(yōu)勢(shì)和產(chǎn)業(yè)結(jié)構(gòu)相匹配。表6中國(guó)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(jìn)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(guó)1.0471.0431.0031.0421.001西部地區(qū)的TFP年均增長(zhǎng)率為-8%。其中，技術(shù)進(jìn)步年均增長(zhǎng)率為-7.3%，技術(shù)效率變化年均增長(zhǎng)率為-0.8%。由此可見(jiàn)，西部地區(qū)高技術(shù)產(chǎn)業(yè)的技術(shù)進(jìn)步增長(zhǎng)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(lái)越大，從而導(dǎo)致其高技術(shù)產(chǎn)業(yè)的TFP呈現(xiàn)負(fù)增長(zhǎng)。結(jié)論（1）中國(guó)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(bào)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(shì)，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(shì)。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(wèn)題。這說(shuō)明了東部地區(qū)雖然具有較強(qiáng)的技術(shù)優(yōu)勢(shì)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(jìn)先進(jìn)技術(shù)和優(yōu)秀人才時(shí)，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(wèn)題。這說(shuō)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(qiáng)技術(shù)改進(jìn)。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(guó)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(zhǎng)源泉在于技術(shù)進(jìn)步增長(zhǎng)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(zhǎng)源泉在于技術(shù)效率的改善。而技術(shù)進(jìn)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(fù)增長(zhǎng)；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(fù)增長(zhǎng)的源泉。（4）從全國(guó)層面來(lái)看，中國(guó)高技術(shù)產(chǎn)業(yè)的TFP呈現(xiàn)上升趨勢(shì)，其動(dòng)力來(lái)源于技術(shù)效率的改善。但是，由于技術(shù)進(jìn)步未發(fā)揮良好的作用，使得產(chǎn)業(yè)TFP增長(zhǎng)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(zhǎng)，但是TFP增長(zhǎng)的動(dòng)力來(lái)源有所不同。東部地區(qū)主要依賴(lài)于技術(shù)進(jìn)步的增長(zhǎng)，這也比較符合東部地區(qū)的區(qū)位優(yōu)勢(shì)；中部地區(qū)則更多的依賴(lài)于技術(shù)效率的增長(zhǎng)，特別是純技術(shù)效率的增長(zhǎng)，說(shuō)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(shì)，主要是由于其高技術(shù)產(chǎn)業(yè)的技術(shù)進(jìn)步速度有所放緩。6.參考文獻(xiàn)[1]劉和東，陳程.中國(guó)原創(chuàng)性高新技術(shù)產(chǎn)業(yè)技術(shù)效率測(cè)度研究———基于創(chuàng)新鏈視角的兩階段分析[J].科技進(jìn)步與對(duì)策，2011，28（12）：119-124.[2]官建成，陳凱華.中國(guó)高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率的測(cè)度[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)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(cè)度[J].科技進(jìn)步與對(duì)策，2012，29（2）：113-116.[5]石光，薛衛(wèi).中國(guó)高技術(shù)產(chǎn)業(yè)研發(fā)效率的面板數(shù)據(jù)檢驗(yàn)[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(píng)價(jià)[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(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新績(jī)效測(cè)度及影響因素研究[J].科技進(jìn)步與對(duì)策，2012，29（1）：133-137.[8]官建成，陳凱華.我國(guó)高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率的測(cè)度[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009（10）：19-32.[9]朱有為，徐康寧.中國(guó)高技術(shù)產(chǎn)業(yè)研發(fā)效率的實(shí)證研究[J].中國(guó)工業(yè)經(jīng)濟(jì)，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(bào)，2012，28（4）：76-78.基于AnnAGNPS模型的農(nóng)業(yè)非點(diǎn)源污染模擬摘要：本文以大沽河典型小流域?yàn)檠芯繀^(qū)，借助GIS和相關(guān)資料率定參數(shù)，完成模型數(shù)據(jù)庫(kù)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(cè)數(shù)據(jù)優(yōu)化參數(shù)、校準(zhǔn)和驗(yàn)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?xún)?nèi)，日模擬值與實(shí)測(cè)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(jì)及降雨場(chǎng)次模擬的相關(guān)系數(shù)分別低于0.7和0.6，總氮污染負(fù)荷估算有很大的不確定性。結(jié)果表明，如何提高模型的營(yíng)養(yǎng)鹽模擬精度將是未來(lái)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(duì)于AnnAGNPS模型在國(guó)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(diǎn)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(diǎn)源污染的有效控制，非點(diǎn)源污染已成為水體污染的主要因素之一，受到越來(lái)越多的關(guān)注和研究[1-2]。研究表明，非點(diǎn)源污染負(fù)荷有逐漸超過(guò)點(diǎn)源污染負(fù)荷，成為地表和地下水體首要污染源的趨勢(shì)[3-4]。非點(diǎn)源污染模型是實(shí)現(xiàn)非點(diǎn)源污染定量評(píng)價(jià)的有效工具之一。它通過(guò)對(duì)整個(gè)流域系統(tǒng)及其內(nèi)部復(fù)雜污染過(guò)程的定量描述，幫助我們分析非點(diǎn)源污染產(chǎn)生的時(shí)間和空間分布特征，識(shí)別其主要來(lái)源和遷移途徑，預(yù)報(bào)污染負(fù)荷量及其對(duì)水體的影響，并評(píng)價(jià)土地利用變換以及不同管理措施對(duì)非點(diǎn)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(guó)外，尤其是美國(guó)已經(jīng)開(kāi)發(fā)了許多流域非點(diǎn)源污染模型并且將其應(yīng)用到了流域污染負(fù)荷模擬及其管理措施的制定和評(píng)價(jià)中[1]。我國(guó)由于基礎(chǔ)資料的缺乏，適合我國(guó)情況的流域非點(diǎn)源污染模型開(kāi)發(fā)較少，因此將國(guó)外成熟的流域非點(diǎn)源污染模型引入我國(guó)流域非點(diǎn)源污染及流域管理中具有一定的研究意義[5-6]。由美國(guó)農(nóng)業(yè)部開(kāi)發(fā)的AnnAGNPS模型作為農(nóng)業(yè)非點(diǎn)源污染研究的主要手段，被廣泛應(yīng)用于計(jì)算非點(diǎn)源污染負(fù)荷、關(guān)鍵源區(qū)識(shí)別、模擬非點(diǎn)源管理方案中[7]。模型在中國(guó)的應(yīng)用集中在東南沿海的浙江和福建[8],對(duì)于受非點(diǎn)源污染嚴(yán)重影響的東部沿海地區(qū)，此類(lèi)研究鮮見(jiàn)報(bào)道。本文以大沽河典型小流域?yàn)槔?，在劃分集水單元，提取模型參?shù)的基礎(chǔ)上，通過(guò)小流域出口2001～2002年降雨徑流、泥沙及總氮監(jiān)測(cè)數(shù)據(jù)，分別檢驗(yàn)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(shì)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?yàn)檠芯繀^(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(lèi)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(lèi)型主要圖1.研究區(qū)、站點(diǎn)位置圖Fig.1Thelocationofstudyregionandstation1.2AnnAGNPS模型AnnAGNPS模型（AnnualizedAgriculturalNon-pointSourcePollutionModel）是由美國(guó)農(nóng)業(yè)部開(kāi)發(fā)研究而成的用于模擬評(píng)估流域地表徑流、泥沙侵蝕和氮磷營(yíng)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(jìn)之處在于：以日為基礎(chǔ)連續(xù)模擬一個(gè)時(shí)段內(nèi)每天及累計(jì)的徑流、泥沙、養(yǎng)分、農(nóng)藥等輸出結(jié)果，可用于評(píng)價(jià)流域內(nèi)非點(diǎn)源污染的長(zhǎng)期影響；根據(jù)地形水文特征進(jìn)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(dòng)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(jì)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(jì)算，滲漏計(jì)算采用了Brooks-Corey方程，流量峰值計(jì)算采用了TR-55模型。采用校正的通用土壤流失方程計(jì)算地表泥沙侵蝕量。模型逐日計(jì)算各集水單元內(nèi)氮、磷和有機(jī)碳的營(yíng)養(yǎng)鹽狀況，包括作物對(duì)氮磷的吸收、施肥、殘留的降解和氮磷的遷移等。氮磷和有機(jī)物的輸出按可溶態(tài)和顆粒吸附態(tài)分別計(jì)算，并采用了一組動(dòng)力學(xué)方程計(jì)算平衡濃度。作物對(duì)可溶態(tài)營(yíng)養(yǎng)鹽的吸收計(jì)算，則采用了簡(jiǎn)單的作物生長(zhǎng)階段指數(shù)。采用與CREAMS模型相同的公式計(jì)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(yùn)行地形參數(shù)模塊（TOPAGNPS）自動(dòng)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(zhǎng)等參數(shù)。由定義的臨界源面積（thecriticalsourcearea,CSA）和最小初始溝道長(zhǎng)度(theminimumchannellength,MSCL)來(lái)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(gè)集水單元和142條河道。同時(shí)，利用該界面將集水單元文件與流域2000年的1:10萬(wàn)土地利用圖和1:100萬(wàn)土壤圖分別進(jìn)行空間疊加運(yùn)算，確定各集水單元的主要土地利用類(lèi)型和土壤類(lèi)型。1.3.CN值是一個(gè)反映降雨前流域特征的綜合參數(shù)，與流域前期土壤濕潤(rùn)狀況（Antecedentmoisturecondition,AMC）、土壤、覆蓋類(lèi)型及水文狀況密切相關(guān)。為了確定和區(qū)分CN值，美國(guó)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(lèi)型：A類(lèi)（透水）、B類(lèi)（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(lèi)型等，參照CN值的取值條件[11]，確定各土地覆被類(lèi)型的CN值（表1）。林地和草地的水文條件依據(jù)植被密度來(lái)估計(jì)，耕地的則依據(jù)作物生長(zhǎng)季節(jié)為依據(jù)來(lái)調(diào)整。表1研究區(qū)不同土地覆蓋CN值Table1CNvaluesofdifferentland-coversinthestudyregion土地覆蓋類(lèi)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(dòng)調(diào)整各用地類(lèi)型的CN值。1.采用萊陽(yáng)站1996－2001年日氣象數(shù)據(jù)（雨量、最高與最低氣溫、露點(diǎn)溫度、云量、風(fēng)速），依據(jù)氣象文件的格式說(shuō)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(jì)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(lèi)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(jí)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(jī)氮、無(wú)機(jī)氮、有機(jī)磷、無(wú)機(jī)磷的含量。作物數(shù)據(jù)從3個(gè)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(zhǎng)、成熟和衰老4個(gè)生長(zhǎng)階段的劃分和各階段的N、P吸收率；第三是從作物生長(zhǎng)開(kāi)始后，每隔15d的根系、覆蓋和高度累積值。作物產(chǎn)量通過(guò)《2000年青島統(tǒng)計(jì)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(kù)文件Crop.xls和美國(guó)農(nóng)業(yè)手冊(cè)703號(hào)[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(zhǔn)與驗(yàn)證模型的校準(zhǔn)是將模擬值與監(jiān)測(cè)值進(jìn)行對(duì)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(shí)測(cè)值之間的誤差可以接受。利用來(lái)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?yáng)|丁家、西巨家及張家院水質(zhì)監(jiān)測(cè)斷面的日總氮負(fù)荷來(lái)校準(zhǔn)和驗(yàn)證模型。在典型的河川徑流過(guò)程中，流量過(guò)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(zhǔn)之前，利用Pettyjohn&Henning[18]編寫(xiě)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(guò)程線和基流Fig.2.Hydrographandbaseflowforstudyregion為評(píng)價(jià)模型計(jì)算的質(zhì)量，方便模型參數(shù)校正，本文采用兩個(gè)指標(biāo)來(lái)表征模型實(shí)測(cè)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(shí)測(cè)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(diǎn)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(shí)則值與模擬值的擬合度越好。研究認(rèn)為，當(dāng)R2大于0.8，相對(duì)誤差在15%以?xún)?nèi)，模擬結(jié)果理想；R2在0.6～0.8之間，相對(duì)誤差在30%以?xún)?nèi)，模擬結(jié)果基本可接受；R2小于0.6，相對(duì)誤差大于30%時(shí)，模擬結(jié)果不理想[19]。2結(jié)果2.1模擬精度檢驗(yàn)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(duì)水文模塊進(jìn)行校正，其次是對(duì)泥沙侵蝕模塊，最后是氮磷營(yíng)養(yǎng)鹽流失模塊[7]。因缺少日泥沙監(jiān)測(cè)數(shù)據(jù)，僅模擬泥沙年均、月均輸出負(fù)荷，而水文、營(yíng)養(yǎng)鹽模擬都是在年、月、日3個(gè)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(duì)地表徑流量的模擬結(jié)果也產(chǎn)生一定的影響。對(duì)比監(jiān)測(cè)值和模擬值的差異程度，依據(jù)小流域的地形特征、AnnAGNPS說(shuō)明書(shū)中CN的取值范圍、經(jīng)驗(yàn)值及其它流域的取值作為參考，反復(fù)調(diào)試CN值來(lái)校準(zhǔn)徑流量。在此基礎(chǔ)上微調(diào)土壤供水能力，使實(shí)測(cè)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(shí)模擬值往往遠(yuǎn)高于實(shí)測(cè)值[20-22]。鑒于此，參考各地表覆蓋類(lèi)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(jì)評(píng)估結(jié)果。模型對(duì)CN值的改變很敏感，且當(dāng)CN值比原來(lái)升高6%時(shí)模擬結(jié)果最理想。在水文模擬參數(shù)調(diào)整中，首先實(shí)現(xiàn)的是年水量平衡。2000和2001年實(shí)測(cè)的地表徑流分別為57.6×106m3和21.73×106m3，對(duì)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(duì)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(dá)－100％，說(shuō)明水文模塊對(duì)降雨量反應(yīng)相當(dāng)敏感。在平水期和豐水期，除個(gè)別月模擬值與實(shí)測(cè)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(shí)測(cè)值與模擬值對(duì)比Table2Themonthlyrunoffamountsofmeasuredandpredictedforthestudyregion月份20002001實(shí)測(cè)值模擬值降雨量模擬偏差(%)實(shí)測(cè)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(jì)57.6465.93774.8-41121.7323.15570.3-593校準(zhǔn)檢驗(yàn)圖4研究區(qū)2000-2001年日徑流量實(shí)測(cè)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(jì)算坡面侵蝕，產(chǎn)沙量主要受RUSLE中的幾個(gè)關(guān)鍵性因子影響，其中作物經(jīng)營(yíng)管理因子C最敏感，土壤可侵蝕因子K次之。作物經(jīng)營(yíng)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(duì)象。根據(jù)土地利用性質(zhì)、作物生長(zhǎng)狀況、模型中的參數(shù)取值范圍以及文獻(xiàn)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(lái)校準(zhǔn)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(shí)測(cè)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(yíng)養(yǎng)物質(zhì)進(jìn)入水體，水質(zhì)校正首先從泥沙開(kāi)始。2000～2001年實(shí)測(cè)泥沙年均輸出量分別為10.99×104t和46.59×103t，對(duì)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(jì)算河道輸沙量，沒(méi)有考慮水流對(duì)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(yuǎn)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(shí)測(cè)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(duì)輸入?yún)?shù)要求將更加嚴(yán)格，且RUSLE適于模擬年均土壤侵蝕，可以預(yù)測(cè)日均泥沙模擬精度低于月均泥沙輸出。校準(zhǔn)檢驗(yàn)圖52000-2001年泥沙輸出量實(shí)測(cè)值與模擬值擬合圖Fig.5Comparisonofsimulatedandobservedsedimentfrom2000to2001instudyregion2.1.3對(duì)于氮營(yíng)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(duì)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(rèn)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(zhǎng)周期、土壤類(lèi)型微調(diào)化肥施用量和土壤含氮量，使模擬值與實(shí)測(cè)值最大程度吻合?；适┯昧亢屯寥篮康c模型的氮營(yíng)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(shí)，總氮輸出值也較高的特征。2000～2001年?yáng)|丁家、西巨家及張家院站總氮監(jiān)測(cè)值較少。鑒于此，利用張家院站降雨場(chǎng)次總氮監(jiān)測(cè)值來(lái)校準(zhǔn)模型，東丁家、西巨家站的相應(yīng)數(shù)據(jù)來(lái)驗(yàn)證模型。西巨家、東丁家及張家院年均總氮負(fù)荷分別為79.96t,126.01t和137.31t，實(shí)測(cè)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(duì)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(shí)測(cè)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(chǎng)次總氮模擬精度很差，張家院、東丁家及西巨家實(shí)測(cè)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(duì)總氮輸出的模擬情況較差。主要是因?yàn)樵谒牟糠只蛘咔治g部分出現(xiàn)的誤差，會(huì)轉(zhuǎn)移并且擴(kuò)大到營(yíng)養(yǎng)鹽部分。由于數(shù)據(jù)精度的限制，本文未能?chē)?yán)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(zhǔn)檢驗(yàn)圖62000-2001年總氮實(shí)測(cè)值與模擬值擬合圖Fig.6Comparisonofsimulatedandobservedtotalnitrogenfrom2000to2001instudyregion以上結(jié)論與國(guó)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(chǎng)次地表徑流，泥沙，總氮輸出實(shí)測(cè)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(shí)測(cè)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(shí)測(cè)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(duì)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(jìn)行敏感性分析，評(píng)價(jià)模型在參數(shù)輸入發(fā)生變化時(shí)的響應(yīng)過(guò)程，識(shí)別出對(duì)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(duì)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(duì)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(fù)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(duì)于氮磷營(yíng)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(diǎn)源污染模型AnnAGNPS具有強(qiáng)大的水循環(huán)模擬能力和對(duì)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(diǎn)源污染嚴(yán)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(duì)地表徑流年均模擬偏差在15%以?xún)?nèi)，月均偏差在±30%以?xún)?nèi)，降雨場(chǎng)次模擬的R2在0.9以上，模型對(duì)該區(qū)域地表徑流的模擬較適宜；對(duì)泥沙輸出的年均模擬偏差在±20%以?xún)?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(dá)50%，月均和降雨場(chǎng)次總氮負(fù)荷的相關(guān)系數(shù)分別在0.6和0.5附近波動(dòng)，模擬結(jié)果表現(xiàn)了很大的不確定性?？梢?jiàn)，如何提高模型在研究區(qū)的營(yíng)養(yǎng)鹽模擬精度將是未來(lái)AnnAGNPS的重點(diǎn)研究方向之一。本研究對(duì)于AnnAGNPS模型在國(guó)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(xiàn)][1]胡雪濤，陳吉寧，張?zhí)熘?非點(diǎn)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(diǎn)源污染總量控制研究與應(yīng)用[J].環(huán)境科學(xué)學(xué)報(bào)，1999,19(