中国流域内农业水费的分担模式

阐释了建立流域内农业水费分担模式的必要性及内在要求,针对当前几种典型的分担模式进行了经济学的对比分析,进而通过综合考虑农业用水供需双方的经济利益,建立起灌区供水单位与农民用水户的节水激励模型并对其进行数理分析,考察了基于节水激励的农业水费分担模式,并在此基础上设计了流域内农业水费分担模式的运作流程。研究得出,财政直接补贴农户的方式增加了消费者福利的同时,可以避免间接补贴方式下"鼓励浪费"现象的发生,相比之下较为有效。然而,目前过低的农业水价大大限制了市场的调节功能,为此适当提高现行水价,并在此基础上实行政府对农户的直接财政补贴,不仅能够减轻现阶段农民水费负担,而且可以对农业用水的供需双方产生节水激励,有助于缓解我国水资源的短缺与发展节水农业。在具体操作流程中,应采取补贴农户与补贴灌区相结合的方式。     

基于AHP和DEA模型的农业生态效率评价——以无锡市为例

农业面源污染已成为我国重要环境污染源之一,但由于农业面源污染具有分散、面广、周期长、随机性等特点,在评价上存在较大难度。根据生态效率理论,结合农业生产的特点,建立了综合考虑经济效益和环境影响的农业生态效率评价指标体系,并以江苏省无锡市为例,选取该市1998~2008年农业生产和面源污染相关数据,运用偏好锥的数据包络分析模型（DEA）对其农业生态效率进行了评价分析。结果显示：1998~2008年,无锡市农业生态效率呈现先下降后上升的趋势,近三年累计上升幅度达22%。表明近年来无锡市农业面源污染治理成效显著,农业可持续发展水平显著提高。提出的农业生态效率评价体系和方法为进一步推进农业面源污染治理工作提供了依据     

农业生态环境治理与可持续发展

我国是一个农业大国 ,由于长期的农业生产中忽视了对农业生态环境的保护 ,近年来 ,农业环境和农产品污染问题日趋严重 ,耕地环境质量不断下降 ,土地沙化形势十分严峻。农产品有毒有害物质残留问题突出 ,已成为制约农业和农村经济发展的重要因素。针对农业生态环境污染日益加剧的严峻形势 ,必须加大农业生态环境建设和保护力度 ,采取合理措施 ,在农业生产过程中降低化肥和农药的使用和环境造成的污染 ,推广清洁生产应当成为推动新世纪农业进步的发展新模式。与世界其它国家一样 ,合理利用资源和保护生态环境是农业可持续发展的基础。必须实施可持续发展战略 ,大力推广生态农业和生态农村建设 ,调整优化农业生产结构 ,从粗放型向集约型转变 ,以确保 2 1世纪我国农业的可持续发展。     

区域农业循环经济发展评价及其优化调控——以扬州市邗江区为例

从经济发展、社会发展、资源减量投入、资源循环利用、资源环境安全5个方面构建评价指标体系,对2001～2005年邗江区的农业循环经济发展状况进行综合评价,并通过制约度计算,对限制邗江区农业循环经济发展的因素进行识别,研究结果表明：2002-2005年邗江区农业循环经济发展的主要制约因素是资源循环利用。进而探讨当前邗江区现代农业循环经济发展的优化调控建议。     

碳排放约束下的农业生产效率及其空间格局——基于河南省65个村庄的调查

基于村庄尺度探索碳排放约束下的农业生产效率,对于差别化的低碳农业生产模式的选择具有一定的理论和实践意义。基于河南省65个村庄的调查数据,对不同样点的农业碳排放进行了核算,并采用Super-SBM模型分析了碳排放约束下的农业生产效率的差异。结果表明:河南省农业碳排放强度呈现"南北高,中间低"的空间分布格局,这主要受种植结构、农业生产条件、人类各项投入等因素的影响;碳排放约束下的河南省农业生产效率具有较大的空间差异,根据农业生产效率和碳排放强度的关系,可将样点村庄分为低碳高效村、高碳低效村、高碳高效村和低碳低效村四种类型。其中高碳低效村和低碳低效村的比例较大。建议未来应加强农业规模化经营、减少能源和物资投入、完善农业基础设施、推广节水节能新技术,在提高农业生产效率的同时推动农业低碳发展。     

不同降雨-径流过程中农业非点源污染研究

以大宁河流域为研究区域,应用SWAT模型进行了流域农业非点源污染负荷的模拟计算。利用巫溪水文站2000～2004年的实测日径流和泥沙数据进行模型的调参计算,验证结果表明模型适用于大宁河流域。利用验证后的模型分析了不同降雨-径流条件下非点源污染的产输出特性。结果表明:降雨量对径流污染负荷有较大的影响,年内丰水段,非点源污染物浓度峰值和径流峰值同步出现;年内平水段,泥沙浓度、有机氮浓度和径流峰值同步出现,硝酸盐浓度峰值滞后于径流峰值出现时间;年内枯水段,非点源污染物浓度滞后于径流峰值度出现时间;降雨—径流与污染物浓度之间存在着密切的线性相关关系。     

基于GIS的南京市典型蔬菜基地土壤重金属污染现状与评价

对南京市八卦洲蔬菜基地土壤中的铅、铬、铜和镉进行测定分析,利用不同的评价标准来评价其环境质量状况,同时借助GIS软件研究了污染指数的空间分布状况,并解析了其重金属污染的来源.结果表明,以自然背景值为评价标准,则蔬菜地土壤中的重金属都超过污染指标,其中镉为首要污染因子;以国标二级为评价标准,则除镉以外的三种重金属的单项污染指数值全都小于1,但其综合污染指数迭1.50,总体上属轻污染状况.南京化工因区、南京长江二桥和各种农业生产活动等可能是主要污染源.     

惠州农业土壤、灌溉水和农产品中有机氯农药的残留

用气相色谱法(GC-ECD)对惠州市51个农业土壤样品、12个灌溉水样品和21个农产品样品中的HCHs和DDTs残留量进行了测定.HCHs平均含量分别为土壤1.66μg/kg、灌溉水5.86ng/L、农产品24.74μg/kg;DDTs平均含量分别为土壤4.98μg/kg、灌溉水2.06ng/L、农产品41.72μg/kg,土壤中有机氯农药通过多种方式进入到水体及农产品中.从HCHs和DDTs异构体组成可以看出,环境中绝大多数农药残留是由于历史上使用造成的,个别地区可能还有新的污染输入.同其它地区相比,惠州农业土壤和灌溉水中的有机氯农药残留水平较低,但农产品尤其是蔬菜中DDTs富集程度较高.     

长江下游典型滨海地区农业土壤重金属污染特征

为揭示长江下游滨海地区农业土壤重金属污染状况,以滨江临海的南通市为例,网格化布点,采集表层农业土壤样品共计334个,对其重金属Cu、Pb、Cr、As、Hg含量进行了测定分析.结果表明,研究区域表层农业土壤中各重金属含量均已超过其背景值,且以Pb污染最为严重;区域性差异较大,以滨海的如东、海门、启东污染最为严重,且以海门、启东As含量最高;各重金属间相关性不显著,来源途径不止一种.从而提出南通市农业土壤重金属污染的防治应立足于防重于治的方针,着重滨海地区,以Pb、As污染源为主,并对污染土壤进行修复.     

Validation of an agricultural non-point source （AGNPS） pollution model for a catchment in the Jiulong River watershed, China

This study tested and evaluated the agricultural non-point source(AGNPS)model for the Wuchuan catchment, a typical agricultural area in the Jiulong River watershed, Fujian Province. China. The AGNPS model was calibrated and validated for the study area with observed data onten storms. Thedata on eight stormsin 2002 were used for calibration while data on two stormswere used for validation of the model. Considering the lack of water quality data over a long-term series, a novel method, comparing an internal nested catchment with its surrounding catchment, was used to supplement the less long-term series data. Dual calibration and validation of the AGNPS model was obtained by this comparison. The results indicate that the correlation coefficients were 0. 99 and 0. 98 for runoff, 0. 94 and 0. 95 forthe peak runoff rate of the large catchment and the small catchment, respectively, and 0. 76 forthe sediment of the small catchment only. Each pair of correlation coefficients is homogeneous for the same event for the two catchments. With the exception of the sediment yield and particulate phosphorus, the peak nmofr rate and other nutrients were well predicted. Sensitivity analysis showed that the Soil Conservation Service curve number and rainfall quantity were the most sensitive parameters, which resulted in high output variations. Erosivitv and other parameters had little influence on the hydrological and quality outputs.