2007—2020年黄河流域农业灌溉用水效率——基于3阶段DEA模型和Malmquist指数.pdf

摇第 22 卷摇 第 1 期2024 年 2 月中 国 水 土 保 持 科 学Science of Soil and Water ConservationVol.22摇 No.1Feb.2024DOI:10.16843/j.sswc.202301420072020 年黄河流域农业灌溉用水效率 基于 3 阶段 DEA 模型和 Malmquist 指数焦雨萌,曹建军覮,陈摇 洁,王海茹,李育梅(西北师范大学地理与环境科学学院,730070,兰州)摘要:为使黄河流域农业灌溉水资源得到合理利用,采用3 阶段 DEA 模型和 Malmquist 指数方法,分析20072020年黄河流域各省区在剔除外部环境影响因素下的实际农业灌溉用水效率。结果表明:1)黄河流域农业灌溉用水效率低下主要受制于经济水平和水资源禀赋,尽管政府的重视对其效率具有一定的促进作用,但效果不显著。2)在消除外部影响因素后,20072020 年黄河流域灌溉用水的纯技术效率平均值被低估(0郾 931),综合技术效率平均值(0郾 733)和规模效率平均值(0郾 792)被高估。在省域尺度上,除河南省农业灌溉用水效率位于有效前沿面外,其余省区的农业灌溉用水投入均未得到有效利用。3)通过 Malmquist 指数分析发现,20072020 年黄河流域农业灌溉用水效率整体呈波动上升趋势,平均增长率为 10郾 3%。其中,技术进步变化 1,规模效率变化与 Mamquist 指数变化趋势相似。综上,黄河流域应在灌溉技术水平较高的基础上高度重视农业灌溉用水中规模效率的潜力,以进一步提升灌溉用水效率。关键词:农业灌溉用水效率;3 阶段 DEA 模型;Malmqusit 指数;黄河流域中图分类号:F323郾 2;S17文献标志码:A文章编号:2096鄄2673(2024)01鄄0070鄄07引用格式:焦雨萌,曹建军,陈洁,等.20072020 年黄河流域农业灌溉用水效率:基于 3 阶段 DEA 模型和Malmquist 指数J.中国水土保持科学,2024,22(1):70-76.JIAO Yumeng,CAO Jianjun,CHEN Jie,et al.Agri鄄cultural irrigation water efficiency in the Yellow River Basin from 2007 to 2020:Based on the three鄄stage DEA model andMalmquist indexJ.Science of Soil and Water Conservation,2024,22(1):70-76.收稿日期:2023 02 13摇 修回日期:2023 11 06项目名称:甘肃省教育科技创新项目“气候和土地利用变化背景下甘肃省水资源能源粮食环境耦合协调度研究冶(2022B-090)第一作者简介:焦雨萌(1996),女,硕士研究生。主要研究方向:资源环境经济与生态变化。E鄄mail:覮 通信作者简介:曹建军(1974),男,博士,副教授。主要研究方向:区域生态与环境经济学。E鄄mail:caojj Agricultural irrigation water efficiency in the Yellow River Basin from 2007 to 2020:Based on the three鄄stage DEA model and Malmquist indexJIAO Yumeng,CAO Jianjun,CHEN Jie,WANG Hairu,LI Yumei(College of Geography and Environmental Science,Northwest Normal University,730070,Lanzhou,China)Abstract:Background Currently,the Yellow River Basin contributes one鄄third of China蒺s total grainproduction,but its agricultural water management is inefficient,with irrigation water accounting for over90%of total usage.Efficient utilization of agricultural irrigation water is crucial for sustainableagricultural development and environmental conservation.Implementing efficient irrigation systemimproves crop yield and quality,enhances drought resistance and adaptability,reduces costs,andmitigates soil salinization.Therefore,efficient agricultural irrigation water usage is necessary to promotesustainable agricultural development and ecological protection.Methods This article employed thethree鄄stage DEA model and Malmquist index to conduct static and dynamic analysis of agricultural摇摇 第 1 期焦雨萌等:20072020 年黄河流域农业灌溉用水效率irrigation water use efficiency in the Yellow River Basin from 2007 to 2020.The three鄄stage DEA modelcan eliminate the impact of non鄄operational factors(including external environment and random errors)on agricultural irrigation water use efficiency,thereby more accurately reflecting the internal managementlevel of decision units.The Malmquist index can analyze the trend changes in agricultural irrigation wateruse efficiency,which helps to better understand the development trend of agricultural irrigation water useefficiency.Results The First Stage of the DEA model revealed that,from 2007 to 2020,the annualaverage comprehensive efficiency,pure technical efficiency,and scale efficiency of agricultural irrigationwater use in the Yellow River Basin were 0郾 786,0郾 913,and 0郾 864,respectively.The regressionoutcomes from the Second Stage of SFA revealed that the regression coefficients of per capita grossdomestic product(GDP)and per capita water resources with respect to the input slack variablesassociated with effective irrigated area pass the 1%significance test.In contrast,input slack variablesassociated with agricultural water use and personnel employment did not pass the significance test.Furthermore,fiscal expenditures on agricultural and forestry water affairs did not exhibit significance inrelation to any of the input slack variables.In the Third Stage,the results of the DEA model indicatethat,after controlling for external factors and random errors,the annual average comprehensive efficiencyfor this period decreased by 5郾 2%,while pure technical efficiency increased by 1郾 8%,and scaleefficiency declined by 7郾 2%.The annual average comprehensive efficiency,pure technical efficiency,and scale efficiency in Henan province all remained above 1,reaching their maximum values.TheMalmquist index revealed that,from 2007 to 2020,the overall trend in irrigation water use efficiency inthe Yellow River Basin demonstrated a fluctuating upward trajectory with an average growth rate of10郾 3%.Specifically,the change in technical progress exceeded 1,and the variation in scale efficiencycorresponded to the changes observed in the Malmquist index.Conclusions Based on the aboveconclusions,the agricultural irrigation technology in the Yellow River Basin is at an advanced level.However,the pure technical efficiency of agricultural irrigation water use is underestimated,and thescale efficiency is overestimated,leading to the inappropriate scale of agricultural irrigation.Therefore,while ensuring the adoption of advanced irrigation technologies,it is imperative to prioritize theexploration of the scale efficiency potential in agricultural irrigation water use.This approach will furtherenhance the efficiency of irrigation water use,promoting the sustainable development of water and soilresources in the region.Keywords:agricultural irrigation water use efficiency;three鄄stage DEA model;Malmquist index;TheYellow River Basin摇 摇 水资源在自然植被生长和人类社会经济发展中发挥着关键作用。目前,全球农业用水占人类用水总量 85%,其中灌溉农业是耗水量最大的农业生产活动,世界上约 70%的淡水用于作物灌溉1。因灌溉用水可控制土壤中盐分积累、降低土壤渗透阻力并增加土壤湿度,因此提高其效率对保障农业水土资源可持续发展和粮食安全起着不容忽视的作用2。由于数据包络分析(date envelopment analysis,DEA)不需要预估参数就可评价多个投入和多个产出之间相对有效性的方法,而随机前沿分析法(sto鄄chastic frontier approach,SFA)能够揭示各因素对产出的影响机制,因此二者通常被很多学者用于评价农业灌溉用水效率。例如,Tran 等3采用 DEA 模型研究发现,越南罗布斯塔咖啡树种植规模达到最优水平后,全国可节省 25%的灌溉用水。刘维哲等4利用 SFA 模型发现,推广滴灌技术、维修灌渠、提高水价等措施有利于陕西关中地区小麦灌溉用水效率的提高。王学渊5通过对比 DEA 和 SFA 模型计算得出的农业灌溉用水效率结果,发现他们具有显著的一致性。然而,上述研究中,DEA 模型均假设管理无效率导致无效率项的产生,很少考虑外部环境和随机误差对效率值的影响;同样,SFA 模型虽然考虑外部环境因素和随机误差,但由于要为假设的生17摇中国水土保持科学2024 年产前沿函数设定偏差,从而无法分辨随机性和无效率问题6。针对以上问题,笔者采用 3 阶段 DEA 模型7对近 15 a 黄河流域的农业灌溉用水效率进行深入研究。具体过程如下:第 1 阶段,将原始投入产出变量带入 DEA 模型进而测算农业灌溉用水效率;第 2 阶段,采用 SFA 模型对外部环境因素和随机误差进行回归,调整第 1 阶段 DEA 模型的结果;第 3 阶段,测算剔除环境因素和随机误差后的农业灌溉用水效率。虽然 3 阶段 DEA 模型增强数据的准确性,但该方法 不 能 对 连 续 年 份 效 率 变 化 进 行 评 价,而Malmquist 指数是在时间维度上对效率进行纵向对比分析的最常用模型之一8。因此,将其与 3 阶段DEA 模型进行结合,对20072020 年黄河流域9 省区的农业灌溉用水效率进行静态和动态分析,进而为黄河流域农业灌溉用水效率做出更准确的判断,并为保障该流域水资源安全和粮食安全提供更可靠的依据。1摇 研究区概况黄河流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南和山东 9 个省区,是我国北方地区的“母亲河冶。其地势自西向东形成由高到低的三级阶梯(图 1)。根据各省区统计年鉴显示,20072020 年黄河流域其粮食产量占全国粮食产量的比例由 2007年 34郾 63%上升至 2020 年的 35郾 63%。农业总用水 量 年 均 为 11 578郾 4 亿 m3,占 总 用 水 量 的66郾 26%。根据 2020 年水资源公报可知,当前黄河流域农业用水方式较为粗放,其中灌溉用水占农业用水总量的 90%以上,而有效灌溉面积比例约为 39郾 25%,因此提高灌溉用水效率在农业生产方面起着重要的作用。2摇 数据与方法2郾 1摇 3 阶段 DEA 模型1)第 1 阶段笔者通过选用 DEA 模型中的 BCC模型,即考虑规模报酬可变(variable returns to scale,VRS)情况下,对众多决策单元(decision makingunits,DMU)的多项投入和产出指标进行评价运算。并选取以投入为导向的 DEA 方法,即最大限度地利用资源、减少投入从而达到既定的产出水平来节约农业灌溉水资源,从而确定 DEA 有效生产前沿面,具体公式参考卢曦等7研究。图 1摇 研究区位置图Fig.1摇 Location map of the study area摇2)第 2 阶段采用 SFA 回归模型。Fried 等9提出引入投入松弛变量的方法,即通过松弛变量表示约束条件的松弛程度或剩余量,以衡量不同 DMU存在的资源浪费或不足情况,并通过调整松弛变量的值,提高目标函数值,为进一步提高农业灌溉用水效率提供参考。但投入松弛变量易受其他因素的影响,SFA 回归模型7将农业灌溉用水效率视为由随机因素(例如自然灾害、技术误差等)和确定因素(例如技术、资本和劳动力等)共同决定的随机变量。通过消除随机因素,该模型全面的评估仅由管理无效率造成的 DMU 效率缺陷,从而提高农业灌溉水资源利用效率和决策效果10。笔者对每个DMU 的投入松弛变量进行分析,具体构建 SFA 回归方程公式参考王韧等10研究。3)第3 阶段是将第2 阶段调整后的投入值和产出值,再次带入传统 DEA 模型进行效率评价,此时得到的效率值因为消除外部环境因素和随机误差,可以更为准确地反映农业灌溉用水效率。2郾 2摇 Malmquist 指数Malmquist 指数动态效率评估方法,利用距离函数的比值来计算投入产出效率,测量 DMU 的动态效率值8。当 Malmquist 指数的值 1 时,说明全要素生产率指数为增长趋势;若=1,说明全要素生产率指数正好在生产前沿面上;若 山东 陕西 内蒙古 宁夏 四川 山西 甘肃 青海。其中纯技术效率排序为:山东=河南=宁夏=青海 陕西 内蒙古 山西 四川 甘肃,规模效率排序:河南 山东 内蒙 陕西 甘肃 四川 宁夏 山西 青海。3郾 1郾 2摇 第 2 阶段 SFA 回归结果摇建立 SFA 回归模型,通过运行Frontier 4郾1 软件,得到回归结果。总体而言,20072020 年每年的 SFA 回归结果变化不大,故只以2020 年为例。由表2 可见,广义似然比检验 T 值均大于分布的临界值 2郾706,拒绝原假设,说明模型适宜使用 SFA 进行回归分析。其中 酌 趋近于 1,表明在混合误差项中投入松弛变量主要受管理因素影响。研究发现,人均 GDP 和人均水资源量相似,对农业用水量和有效灌溉面积的投入松弛变量的回归系数均为正,其中对有效灌溉面积的投入松弛变量通过1%的显著性检验,对农业从业人员的投入松弛变量为负且未通过显著性检验。这说明,在经济水平较高且水资源丰富的地区,农业用水量和有效灌溉面积的投入松弛变量显著增加,这不利于提高农业灌溉用水效率。然而可以减少农业从业人员的数量,从而有助于提高农业灌溉用水效率。财政农林事务水支出对农业用水量投入松弛变量的回归系数为正,对有效灌溉面积和农业从业人员的投入松弛变量为负,且均未通过显著性检验。政府对水资源的重视会导致农业用水量增加,这不利于提高农业灌溉用水效率,但可以控制有效灌溉面积无节制加大和农业从业人数,从而有助于提高农业灌溉用水效率。3郾 1郾 3摇 第 3 阶段调整投入后的 DEA 测算结果摇 消除外部环境因素和随机误差后的结果见图 3。通过对比图 2 和图 3 发现,流域内各省区间农业灌溉用水效率存在显著不同。在第 3 阶段中,宁夏与四川相对比第 1 阶段综合技术效率变化最大,其中宁夏综合技术效率被高估主要由于规模效率被高估27郾 2%;而四川综合技术效率被低估主要受纯技术效率被低估 12郾 6%。河南省在消除外部环境影响因素前后综合技术效率、纯技术效率和规模效率均达到农业灌溉有效前沿面。青海综合技术效率值相对黄河流域 9 省区最低(0郾 350),其中纯技术效率值和规模效率值为别为 1 和 0郾 350。3郾 2摇 基于 Malmquist 指数的农业用水效率的分析笔者采用 Malmquist 指数模型,进一步研究黄河流域农业灌溉用水效率近 14 年的发展趋势,利用DEAP 2郾 1 软件将第 3 阶段的投入变量和初始产出变量带入 Malmquist 指数模型进行计算。37摇中国水土保持科学2024 年图 2摇 第 1 阶段:20072020 年 9 省区农业灌溉用水综合技术效率均值、纯技术效率均值及规模效率均值Fig.2摇 In the First Stage:Mean values of comprehensive technical efficiencies,pure technical efficiencies,and scaleefficiencies for agricultural irrigation water use in 9 provinces from 2007 to 2020摇表 2摇 第 2 阶段:2020 年 SFA 回归结果Tab.2摇 In the Second Stage:Results of the 2020 SFA regression自变量Independent variable因变量 Dependent variable农业用水量松弛变量Agricultural water useslack variable有效灌溉面积松弛变量Effective irrigated areaslack variable农业从业人员松弛变量Agricultural employedpersons slack variableH-25郾 670 5*-1 107郾 956 3*25郾 957 8*E0郾 000 40郾 016 5*-0郾 000 3F0郾 000 40郾 016 1*-0郾 001 1G0郾 002 7-0郾 015 1-0郾 029 3I1 295郾 510 4*666 551郾 540 0*30 376郾 458 0*酌0郾 999 9*0郾 999 9*0郾 999 9*J-37郾 436 8-66郾 871 7-52郾 248 5K6郾 812 24郾 131 45郾 332 9摇 注:H:常数项;I:标准差;酌:常数项;J:Log 值;K:单边广义似然比检验;*代表 1%的显著水平。Notes:H:Constant item.I:Sigma鄄squared.酌:Constant item.J:Log value.K:One鄄sided generalized likelihood ratio test.*indicates the significant levels of 1%.图 3摇 第 3 阶段:20072020 年 9 省区农业灌溉用水综合技术效率均值、纯技术效率均值及规模效率均值Fig.3摇 In the Third Stage:Mean values of comprehensive technical efficiencies,pure technical efficiencies,andscale efficiencies for agricultural irrigation water use in 9 provinces from 2007 to 202047摇摇 第 1 期焦雨萌等:20072020 年黄河流域农业灌溉用水效率摇 摇从图 4a 可知,20072020 年黄河流域农业灌溉用水效率在 20112012 年间该流域全要素生产率达到峰值为 1郾 250,但 2012 年后农业灌溉用水效率开始大幅下降,在 20132014 年间达到最低(0郾 951),在 2014 年后逐步回升。该整体呈波动上升趋势,平均值为 1郾 103,全要素平均增长率为10郾 3%。将全要素生产率进行分解发现,技术进步变化均达到有效生产前沿面。图 4b 将技术效率值分解为纯技术效率和规模效率可知,规模效率变化与技术效率变化的走势相似。图 4摇 20072020 年黄河流域农业灌溉用水 Malmqusit 指数及分解指标Fig.4摇 Malmquist index and decomposition indicators for agricultural irrigation water usein the Yellow River Basin from 2007 to 20204摇 讨论黄河流域各省区的自然环境特点11和社会经济发展水平12存在显著差异,其中,河南农业灌溉用水效率一直处于有效状态,主要原因为河南地理位置优越,是京广铁路和陇海铁路间重要的交通枢纽,极大促进该省农业灌溉用水技术的提高13,其次该省适合农业大规模经营的平原和盆地面积占全省总面积 55郾 7%。山西和甘肃农业灌溉用水的综合效率相对较低,主要原因是其作为能源大省,产业结构以第二产业为主,工业化和城镇化的快速推进导致农业灌溉面积较少7。青海农业灌溉用水效率值最低,主要因为该省地形复杂,可耕地面积仅占全省面积的0郾 76%且呈碎片化分布14,加之水利工程覆盖度低、配套设施薄弱,最终导致农业灌溉用水规模效率较低。在时间尺度上,黄河流域农业灌溉用水全要素生产率在 20112012 年间达到峰值。这是由于2011 年国务院发布有关加快水利改革发展的“中央一号文件冶,推动技术效率和技术变化的大幅增加15。然而 20122014 年,随着我国经济高速发展,工业用水和生活用水的需求增加,农业灌溉用水资源被挤占,导致农业灌溉用水效率大幅下降16。之后,随着社会对粮食安全和淡水资源可持续管理的重视,升级灌溉方式并制定基于农作物生长期需水量的灌溉计划等节水灌溉措施的推行17,使农业灌溉用水效率从 2014 年开始逐渐回升。5摇 结论与建议1)通过 3 阶段 DEA 模型发现,外部环境影响因素和随机误差高估黄河流域农业灌溉用水效率中的综合技术效率均值和规模效率均值,低估纯技术效率均值。2)通过 SFA 回归分析发现,地区经济水平和水资源丰富程度对农业灌溉水资源呈显著正相关,说明经济发达地区和水资源充裕地区浪费灌溉水资源现象严重,因此要提高全民对水资源节约和保护意识。政府重视程度对黄河流域农业灌溉水资源影响不明显。3)通过对各省区差异分析来看,在消除外部影响因素后,只有河南的农业灌溉用水效率达到生产前沿面。四川、陕西、青海、宁夏、山西要受灌溉规模效率较低影响,而内蒙古、山东和甘肃主要受纯技术效率影响。因此农业灌溉用水管理方式需结合区域57摇中国水土保持科学2024 年特点,根据实际情况调整农业产业结构以达到农业灌溉用水效率最优化模式。4)根据农业灌溉用水全要素生产率指数的动态变化发现,黄河流域农业灌溉用水效率主要受规模效率制约。因此黄河流域应进一步扩大农业有效灌溉面积,通过合理分配投入要素来发挥规模效应,这是解决农业灌溉用水效率的关键方法。6摇 参考文献1摇 GENNARI P,ROSERO鄄MONCAYO J,TUBIELLO F N.The FAO contribution to monitoring SDGs for food and ag鄄riculture J.Nature Plants,2019,5(12):1196.2摇 CHEN Shuai,SONG Chaonan,MAO Xiaomin,et al.Mod鄄eling response of spring wheat yield to soil water and saltcontents and its application in scheduling brackish waterirrigation J.Computers and Electronics in Agriculture,2022,200:107216.3摇 TRAN D N L,NGUYEN T D,PHAM T T,et al.Impro鄄ving irrigation water use efficiency of Robusta Coffee(Coffea canephora)production in Lam Dong province,Vi鄄etnam J.Sustainability,2021,13(12):6603.4摇 刘维哲,常明,王西琴.基于随机前沿的灌溉用水效率及影响因素研究:以陕西关中地区小麦为例J.中国生态农业学报,2018,26(9):1407.LIU Weizhe,CHANG Ming,WANG Xiqin.Irrigation wa鄄ter efficiency based on stochastic production frontier andinfluencing factors:An empirical study of wheat inGuanzhong region,Shaanxi J.Chinese Journal of Eco鄄Agriculture,2018,26(9):1407.5摇王学渊.基于 DEA 和 SFA 方法的农户灌溉用水效率比较研究:以西北地区的实地调查数据为例 J.中国农村水利水电,2010(1):8.WANG Xueyuan.A comparative study of irrigation waterefficiency of farmers based on DEA and SFA鄄by usingsurvey data from Northwest China J.China Rural Wa鄄ter and Hydropower,2010(1):8.6摇 AIGNER D,LOVELL C A K,SCHMIDT P.Formulationand estimation of stochastic frontier production functionmodels J.Journal of Econometrics,1977,6(1):21.7摇 卢曦,许长新.基于三阶段 DEA 与 Malmquist 指数分解的长江经济带水资源利用效率研究 J.长江流域资源与环境,2017,26(1):7.LU Xi,XU Changxin.Study the utilization efficiency ofwater resouces in Yangtze River Economic Belt based onThree鄄Stage DEA and Malmquist index decompositionJ.Resources and Environment in the Yangtze Basin,2017,26(1):7.8摇 陈杰,许朗.基于面板三阶段 DEA鄄Malmquist 模型的中国农业绿色水资源利用效率研究 J.地理科学,2023,43(4):709.CHEN Jie,XU Lang.Utilization efficiency of Chinese ag鄄ricultural green water resources based on panel three鄄stageDEA鄄Malmquist model J.Scientia Geographica Sinica,2023,43(4):709.9摇 FRIED H O,LOVELL C A K,SCHMIDT S S,et al.Ac鄄counting for environmental effects and statistical noise indata envelopment analysis J.Journal of Productivity A鄄nalysis,2002,17(1):157.10 王韧,李志伟.面板数据随机前沿分析及其应用 J.统计与决策,2021,37(19):25.WANG Ren,LI Zhiwei.Stochastic frontier analysis ofpanel data and its application J.Statistics and Deci鄄sion,2021,37(19):25.11 陈万旭,梁加乐,卞娇娇,等.黄河流域景观破碎化对土壤保持服务影响研究 J.地理科学,2022,42(4):589.CHEN Wanxu,LIANG Jiale,BIAN Jiaojiao,et al.Impactof landscape fragmentation on soil conservation services inthe Yellow River Basin J.Scientia Geographica Sini鄄ca,2022,42(4):589.12 李魁明,王晓燕,姚罗兰.黄河流域农业绿色发展水平区域差异及影响因素 J.中国沙漠,2022,42(3):85.LI Kuiming,WANG Xiaoyan,YAO Luolan.Regionaldifferences and driving factors of agricultural green devel鄄opment level in the Yellow River Basin J.Journal ofDesert Research,2022,42(3):85.13 孟德友,陆玉麒.高速铁路对河南沿线城市可达性及经济联系的影响 J.地理科学,2011,31(5):537.MENG Deyou,LU Yuqi.Impact of high鄄speed railway onaccessibility and economic linkage of cities along the rail鄄way in Henan province,China J.Scientia GeographicaSinica,2011,31(5):537.14 李穗英,孙新庆.青海省近 10 年耕地面积动态变化及驱动因子分析研究 J.中国农业资源与区划,2009,30(5):39.LI Suiying,SUN Xinqing.Studies and analysis on dynamicchanges of arable land and driving forces in the past 10 yearsin Qinghai province J.Chinese Journal of AgriculturalResources and Regional Planning,2009,30(5):39.15 孙付华,陈汝佳,张兆方.基于三阶段 DEA鄄Malmquist区域农业水资源利用效率评价 J.水利经济,2019,37(2):53.SUN Fuhua,CHEN Rujia,ZHANG Zhaofang.Evaluation ofutilization efficiency of regional agricultural water resourcesbased on three鄄stage DEA鄄Malmquist model J.Journal ofEconomics of Water Resources,2019,37(2):53.16 WU Bingfang,TIAN Fuyou,ZHANG Miao,et al.Quantif鄄ying global agricultural water appropriation with data de鄄rived from earth observations J.Journal of Cleaner Pro鄄duction,2022,358:131891.17 HE Jinyu,MA Bo,TIAN Juncang.Water pro