基于水足迹的中国农业用水效果评价

操信春，任 杰，吴梦洋,3，郭相平,3，王卫光

0 引 言

农业用水因对区域水资源消耗和影响巨大而受到广泛关注。农业生产水资源投入中往往包含蓝水和绿水，蓝水即从天然水体中取用的灌溉水，绿水为不产生径流而是被作物以蒸发蒸腾形式利用的降水[1-2]。虽然绿水资源在大部分区域的农作物耗水中占绝对的主导地位[3-4]，但是因科学理论、方法及技术的局限性，当前在绿水资源调控和高效利用方面的研究还极为鲜见[5]。因此，当前农业用水调控、管理及节约方面研究的对象一般均为灌溉用水[6-8]。农业用水效率评价方法由基于灌溉工程完善程度的灌溉效率指标和基于产出效益的水分生产率指标发展到以蓝-绿水、虚拟水为重要内涵的水足迹方法[9-11]。灌溉效率和水分生产率均是灌溉发展程度的重要反映，而作物蓝水足迹为区域农作物生产所消耗的灌溉水资源量[12-13]。区域水足迹与灌溉发展紧密相连，从而形成全新的、更为复杂的农业用水评价系统[14]。基于该系统衍生出水资源利用和管理的新范式，其中包括广义水资源[15]、资源禀赋[16]、蓝水短缺[17-18]以及灌溉用水反弹效应[19]等。灌溉用水反弹效应表现为灌溉技术改进增加而不是减少了耗水[20-21]。灌溉技术发展提高传统农业用水效率的同时也引诱农业生产部门进一步扩大灌溉规模以获取更多的产出，这就导致区域作物生产水足迹的增大。作物水足迹增大必然影响区域蓝水资源合理分配及其利用的可持续性[22]。所以基于作物水足迹和灌溉发展交互影响评价农业生产系统灌溉水资源利用效果对区域农业用水管理有重要意义。

进入21世纪以来，中国农田灌溉得到长足发展并在促进农产品产量增加中发挥了巨大的作用，但是也面临农业用水效率提升和用水总量控制的现实问题。学者分别在作物水分消耗规律[23]、灌溉用水效率[24]、作物生产水足迹[25-26]等方面进行大量的研究，为农业生产与水资源之间关系识别提供重要参考。然而，各研究角度相对孤立，结合农业生产耗水和灌溉发展水平分析农业用水状况的时空格局更能提供综合的信息。为此，本文建立基于水足迹与灌溉发展的农业用水效果评价指标，计算、分析2000—2014年省级行政区作物水足迹、灌溉发展以及农业用水效果的时空分布，并针对农业用水状况评价方法和不同地区农业用水效果提升方向进行探讨，以期为宏观尺度农业水管理利用效率评价和管理提供参考。

1 方法与数据

1.1 农业用水效果评价指标

在核算灌溉用水在农作物水足迹中地位的基础上，以兼顾区域灌溉用水效率和总量控制为目的，构建农业用水效果评价指标（Agricultural water use effect，AWE）。AWE为在一定的灌溉发展水平下灌溉水资源的有效利用程度，从农业用水规模及其调配技术 2方面综合反映农业灌溉取水的利用效率，计算如下：

式中AWF（agricultural water footprint）与AWFb为区域农作物水足迹总量和蓝水足迹，m3；IPA（irrigation proportion of arable land）为区域耕地灌溉率，即有效灌溉面积占总耕地面积的比例；IE（irrigation efficiency）为灌溉效率，即区域作物实际以蒸发蒸腾形式消耗的灌溉水占灌溉引水量的比例。蓝水比例、耕地灌溉率和灌溉效率虽不全面但均可以表征区域农业用水状况：蓝水足迹占总水足迹比例越大，说明作物生产过多依赖灌溉用水而缺乏对绿水资源的调控和利用，农业用水效果相对较差；耕地灌溉率越大意味着农业用水规模较大，加剧水短缺而不利于水资源持续利用；灌溉效率越大说明无效的农业用水量越少，更加值得鼓励发展灌溉。所以AWE可在时空上比较农业用水的相对效果，其值越大，区域农业用水效果越差。

AWF为区域所播种的各作物水足迹之和

式中CWF（crop water footprint）为特定作物水足迹。根据《中国统计年鉴》分类，中国主要农作物分为谷物、豆类、薯类、棉花、油料、麻类、甘蔗、甜菜、烟叶、茶叶及水果等，部分类别又可进一步细分为特定作物种类。CWF为蓝水足迹CWFb和绿水足迹CWFg之和：

CWFb与CWFg分别为灌溉水（蓝水）和有效降水（绿水）的蒸散量与作物播种面积的乘积得到：

上式中的 ETb和 ETg分别为蓝水、绿水蒸散量，mm；A为作物播种面积，hm2。ETb与ETg的计算方法为：

式中的ETc和Pe分别为蓝水作物需水量和生育期有效降水量，mm。ETc为参考作物蒸发蒸腾量 ET0与作物系数Kc的乘积：

ET0根据利用 Penman-Monteith公式计算得到：

式中Δ为饱和水气压与温度曲线的斜率，kPa/℃；Rn为参考作物冠层表面净辐射，MJ/(m2·d)；G 为土壤热通量，MJ/(m2·d)；γ为干湿表常数，kPa/℃；T为日平均气温，℃；u2为2 m高处的风速，m/s；es与ea为饱和水汽压和实际水汽压，kPa。

1.2 数据来源

文本的研究时段为2000—2014年，历年各省级行政区的耕地面积、有效灌溉面积、所有农作物播种面积与产量等数据来自《中国统计年鉴2001—2015》；835个气象站[27]的月平均最高气温、月平均最低气温、相对湿度、风速、日照时数、降水量等参数来自中国气象数据网（http://data.cma.cn）；各地区作物系数参考了《中国主要作物需水量与灌溉》[28]和《北方地区主要农作物灌溉用水定额》[29]，部分直接由水利部灌溉试验总站提供；各省区历年灌溉效率（灌溉水利用系数）由中国水资源公报、全国大型灌区典型年份实测值及数学推算等途径得到。

2 结果与分析

2.1 中国农作物水足迹

2000—2014年，中国年均农作物水足迹值约为1 .0972× 1012m³，其中蓝水、绿水足迹分别为1.4.3×1011与 9.359×1011m³，蓝水足迹约占 13.1%。该时段内年均耕地面积为 1.285×108hm2，单位耕地面积上的作物水足迹为853.9 mm。研究时段内中国历年农作物蓝水足迹、绿水足迹及蓝水占水足迹总量比例如图1所示。

图1 2000—2014年中国农作物水足迹及其构成Fig.1 China's agricultural water footprint (AWF) and its composition during 2000 to 2014

全国农作物水足迹从初始的 1.03×1012m³左右稳步增加，到2014年达到了1.2×1012m³左右。图1显示，由于农作物产出和农业灌溉规模的扩大，作物蓝水足迹、绿水足迹均呈随时间增加的态势，分别由 1.3×1011和9×1011m3增大到近 1.7×1011与 1.04×1012m3。虽然绿水足迹的净增加量大于蓝水足迹，但是其年均增幅为6.6%，明显低于蓝水足迹的8.2%。绿水足迹增大有利于区域水资源利用结构的优化，而蓝水足迹的增大对灌溉设施保障程度提出了更高的要求。历年绿水足迹均明显大于蓝水足迹，而在农作物水足迹中占绝对的主导地位。蓝水足迹比例经历了一个下降-上升-平稳的变化的过程，但是均在13.0%上下波动，未能改变作物水足迹的组成结构。粮食作物生长过程蓝水消耗比例在 35%左右[27]，明显高于所有农作物的13.1%，这主要是由经济作物的蓝水足迹比例极低造成的。

由于农作物生产需水规模的扩大以及耕地面积的减少，单位耕地面积作物水足迹随时间呈增加趋势，由2000年的770 mm左右增加到2014年的约950 mm，年均值为853.9 mm。因农业生产规模差异，不同省区作物水足迹差异较大而无可比性，因此计算出各省区单位耕地面积作物水足迹在研究时段内的平均值及其蓝、绿水足迹比例，以观察农作物水足迹及其构成的空间格局，如图 2所示。

图2 各省区2000—2014年均单位耕地面积农作物水足迹及其组成Fig.2 Agricultural water footprint per arable land and its composition in each province from 2000 to 2014

单位面积作物水足迹不仅决定于区域降水、农作物种类及耗水特性等因素影响，还与复种指数、耕地灌溉条件及水资源保障程度等农业生产条件有关。图2显示，单位面积作物水足迹总体上呈由东南向西北依次降低的空间格局，区域间差异很大，较高省份位于东部和南部沿海及黄淮海平原，较低省区沿北部和西部边境（除新疆外）连片分布。福建、山东、北京及广东的单位面积作物水足迹较大，均超过了1 600 mm，而内蒙古、宁夏、贵州西藏及青海不足500 mm。新疆的单位面积水足迹为801.4 mm，接近全国平均值而明显高于其他西北部省区，这除了与该地区作物需水量大有外，还受农作物播种和农产品产出规模的影响。农作物水足迹组成方面，绿水足迹比例的空间分布同单位面积水足迹基本一致，与蓝水足迹比例相反。蓝水足迹比例低于 10.0%的省区个数（16）超过总数的一半，其中广西、浙江、广东及福建四省区不足 5.0%；10个省区蓝水足迹比例介于 10%～20%之间，主要位于黄淮海平原及其周边、东北以及西南地区；该比例在西北各省区基本都大于20.0%，其中在新疆高达55.9%，新疆也是唯一蓝水足迹比例超过绿水足迹的省区。降水稀少、种植业生产规模大以及作物灌溉需水量大等是该地区农作物蓝水足迹比例大的直接原因。

2.2 中国灌溉发展与农业用水效果

研究时段内历年中国农业用水效果评价指标AWE。为观察中国灌溉发展状况以对比AWE，在图3中亦给出了历年灌溉发展评价指标的全国值，包括灌溉效率IE和耕地面积灌溉率IPA。图3显示，中国耕地面积的灌溉比例IPA呈逐年稳定增加的趋势，在2000年的40.1%的基础上以年均0.8%的速度递增，于2011年超过50%，并在2014年达到了53.0%。IPA的扩大主要由耕地面积制约下的农产品特别是粮食的产出需求增大驱动。统计数据显示，研究时段内中国耕地面积一直维持在 1.28×108hm2作用，且有随时间微弱减少的趋势；与此同时，全国农产品产量持续增长，例如，粮食总产量由4.62×108t增长到了6.07×108t；除农作物品种改良带来的单位面积产量增加外，很大一部分贡献来自于灌溉面积的扩大，因为灌溉可以明显提升作物单位面积产量[27]。研究显示，未来中国仍需通过发展灌溉来提高农产品产出，因为灌溉面积的扩大将可能贡献 46%左右的粮食增量[30]。所以在灌溉面积扩展背景下蓝水资源利用效率的评价及提升值得关注，而这与灌溉效率IE密切相连。

图3 2000—2014年中国灌溉发展及农业用水效果评价指标Fig.3 National irrigation development and agricultural water use effect from 2000 to 2014

从图3可以看出，全国IE总体上也表现出随时间增大的趋势，但是增长过程异于IPA而可划分为2000—2006年和2007—2014年2个阶段；2007年之前的IE均值为0.407，由0.401微弱增加到0.416；2007年突增到0.457，之后以每年平均0.009的幅度平稳增加。2007年之前的IE结果是仅由面积超过 2.0×108m2的大型灌区数据整理得到。从2007年开始，国家及省区农业水利管理部门全面开展了灌溉水有效利用系数的测定工作，测量样本不仅涵盖大型灌区，也包含了中、小型灌区以及纯井灌区。在相同的技术条件下，其他类型灌区由于灌溉面积小、渠系结构简单、灌水持续时间短等特点，灌溉水有效利用程度一般高于大型灌区。因此加入其他类型灌区核算区域灌溉效率是IE值在2006—2007年发生突增的主要原因。

农业用水效果是农业生产蓝绿水足迹及灌溉发展程度的综合反映。结果显示，全国尺度上农业用水效果评价指标AWE的年均值为0.125。由图3可知，AWE表现出与 IPA和IE不同的随时间变化趋势。AWE值在15a内经历了降低-平稳-升高的变化过程，因此，基于水足迹与灌溉发展的中国农业用水效果呈现了先改善后恶化的总体趋势。AWE在 2000年为 0.124，随后下降到 2003年的0.113，并于接下来的4a维持稳定，2007年之后逐渐增大，到2014年增大到研究时段最大值的0.137。AWE的值直接决定于蓝水比例、灌溉效率及耕地灌溉率，而这些因素与中国农业生产与农田灌溉的发展过程紧密相连。农业政策是影响2000—2003年农业生产及其水足迹状况的主要原因。长期扭曲的粮价政策影响了高耗水的粮食作物稳定产出，扣除投入成本后，粮价不能保证农民劳动投入的报酬而降低其农民种粮积极性。这也直接导致农作物生产水足迹及其蓝水比例的下降，在灌溉效率和耕地灌溉率稳定变化的前提下，农业生产用水效果能够得到改善。2005年后国家出台的一系列惠农政策提高了农民积极性，也在扩大农业用水和产出规模保障国家粮食安全的同时增大了农作物水足迹特别是蓝水足迹，这是农业生产用水效果随即变差的现实原因。2012年国家提出最严的水资源管理制度并明确的水资源利用量和利用效率标准，有效地促进了农业用水状况的综合改善，这与AWE在2011年左右的平稳趋势相呼应。然而 AWE仍呈增加态势的现状对农业水管理的进一步有力措施提出了需求。

2.3 农业用水效果的时空分布

计算出各省区历年农业用水效果评价指标AWE值。为量化各省区AWE在研究时段内的表现，计算出各省区AWE的年均值与年均变化率，列于表1。

结果显示，不同年份AWE在总体上呈现类似空间分布格局，且展示出明显的空间聚集现象。具体表现为西部和黄淮海平原省区较大，而较低省区则连片分布于东南沿海至西南边境地区。此外，陕西、重庆等内陆省市也具有较低的AWE值。同时，AWE值在省区间存在较大差异，变异系数一直维持在 0.950～1.150之间，年均值1.003，说明历年省区间AWE标准偏差与其平均值相当。虽然各省区AWE值在不同年份之间均发生变化，但是这些变化较小且没有改变AWE空间分布的总体格局，故可根据表1中国各省区AWE年均值来观察省级行政区的农业用水效果。

由表1可知，新疆与天津的AWE值最大，分别达到了0.356和0.322，这2个地区的农业用水效果在全国相对最差；剩余省区的AWE均不超过0.300，其中河北、宁夏、青海、江苏和山东在0.200之上，也属于农业用水规模和效率综合考虑上需要改善的省区；AWE值大于全国平均值（0.125）的省区还有内蒙古、北京、河南和西藏；其他20个AWE低于全国值的省区中，安徽、湖南、上海和江西大于1.000，而吉林、云南、福建、海南、广西、陕西、广东和贵州8省区低于0.050；贵州是唯一AWE值低于0.030的省份，表现出相对较好的农业用水效果。从 AWE值在时间上的变化情况看，大部分（22个）省区的呈随时间降低趋势，说明空间上农业用水效果总体为改观的趋势。上海、浙江、重庆、北京及青海 5省市AWE的年均下降率都在4.00%以上，属于农业用水效果改善较为明显的省区；而内蒙古和黑龙江等区域的农业用水效果在持续恶化，亟待加强绿水资源管理、控制农业用水总量并提高灌溉水有效利用程度。

表1 2000—2014年间各省区AWE的均值与年均变化率Table 1 Average and annual rate of change of agricultural water use effect (AWE) in each province from 2000 to 2014

AWE的空间分布及随时间变化趋势受气候条件、农业生产特征、经济发展水平等因素的综合影响。黄淮海平原及其周边区域虽然降水量可观，然而农业生产水平较高，耕地复种指数也较大，降水难以满足全年的作物需水；同时，地势平坦有利于灌溉工程的修建，使得该地区是中国农业水利最为发达的地区之一；位于该区域的大部分省区不仅耕地面积大，耕地灌溉率也在70.0%以上。有限的农业水管理水平前提下，大的灌溉规模意味着较大的农业用水总量，这是AWE较大的重要原因。西部地区的新疆、青海与宁夏的降水量低于黄淮海平原地区，灌溉需水量大，即使水资源短缺耕地灌溉率也超过了一半，蓝水足迹比例大决定了AWE较高。同处西部旱区的陕西、甘肃降水量也相对稀少，然而地形、水资源等条件限制，耕地灌溉率仅为30.0%左右，这使得农作物蓝水足迹比例较低（图 2），因此 AWE明显低于其周边省区。东南、华南沿海及西南大部分省区年降水量较大，均在1 500 mm以上，除水稻外的作物均基本能依靠降水满足生长发育；这些地区虽然因水资源丰富而使得耕地灌溉比例接近全国平均水平，但是这对区域农作物水足迹组成结构产生的影响很小，绿水贡献比例大是这些省区农业用水效果好的直接原因。上海、浙江、重庆及北京等地区农业用水效果改善与当地经济发展较快、灌溉效率提高以及农业生产和用水规模压缩有关，而黑龙江、内蒙古等地区农业用水效果恶化是由农产品特别是粮食生产任务加大而导致农业灌溉用水规模增大引起的。

2.4 农业用水效果与广义水资源收支

与区域农业用水效果关系最为直接的参数为农业广义水资源量投入消耗量，二者均包括灌溉水本身和降水。为观察各省区农业用水效果和广义水资源及其利用之间的关系，给出各省区AWE、单位面积灌溉用水量及降水量在近5年平均值，如图4所示。同时，为识别各省区在全国农业生产和水资源消耗中的地位，以农作物水足迹为4×1010m³为标准，将高于该标准的省区定义为农业主产区，并在图4中用“*”标记。

图4 各省区农业用水效果与广义农业水资源状况Fig.4 Agricultural water use effect and generalized agricultural water resources in each province

图 4显示，耕地灌溉水和降水资源流入量在省区间均呈现较大差异。北方省区的降水量低于南方省区，而灌溉用水量在华北区最小、东北区和西南区次之、西北区和东南区最大。观察图 4可发现，农业用水效果与降水量之间呈大致的此消彼长关系，而与单位面积灌溉用水量不存在明显的统计相关关系。线性相关分析结果显示，AWE与降水量之间的线性关系决定系数R2为0.426 6，而与灌溉用水量之间仅为0.017 1。具体来说，华北区虽然单位面积灌溉水投入量小，但这并意味着灌溉水的利用效果就较好，反而AWE值均较大；西北区的大部分省区降水匮乏而单位耕地面积灌溉水投入量大，相应的AWE也较大；西南区和东南区均出现降水和灌溉用水量大而AWE较小的现象，尤其在东南省区，单位面积灌溉用水量超过了500 mm而接近西北省区的水平，但是AWE明显低于全国均值而成为农业用水效果较好的地区。单位耕地面积灌溉用水量主要与作物播种及耗水状况有关，作物耗水量大、复制指数高、降水与作物耗水规律不匹配等往往会使得单位耕地面积上灌溉水资源的投入加大。因此，作物对灌溉水需求与农业用水效果之间无明显关系，可以从灌溉工程建设、灌溉水调配与管理以及区域水资源利用政策等方面改善农业用水效果。

由图4还可看出，12个农作物水足迹超过4×1010m3的省区中的8个分布在北方，其中主要集中于华北地区，华北地区的农业主产区也同时是粮食主产区。因此，从种植业和水足迹视角看，以黄淮海平原为核心地带的华北区是中国农业生产和水资源消耗最为重要的区域。除个别省外，北方农业主产区普遍存在AWE较大即农业用水效果较差的问题，而南方的广西、四川、湖北和广东拥有较大体量作物水足迹的同时也具有较好的农业灌溉用水效果。在北方农业生产区进行绿水资源利用潜力挖掘和控制农业灌溉规模、提高灌溉用水效率从而保障农业生产与水资源持续利用的是当前面临的现实问题。

3 讨 论

在蓝绿水资源和水足迹视角下，本文的农业用水效果评价指标AWE是基于灌溉（蓝）水资源的稀缺性和可调配性建立的。农业用水管理的目的应该是在兼顾满足作物生长、农产品生产的前提下，从总量控制和效率提升两个角度实现区域蓝水资源的可持续利用。灌溉的发展虽然可以提高农业产出，但是也应该考虑灌溉水资源利用的反弹效应。所以建立AWE的初衷及该指标的功能均有别于传统以效率、产出为目标的农业用水评价指标，如灌溉水分生产率和灌溉效率。灌溉水分生产率为单位灌溉水投入所获得的作物产量，其评估和提升目标旨在得到单位产量的农作物产出所投入的农业用水量最少。灌溉水分生产率的核算没有考虑绿水资源在作物产量形成中的巨大作用，也不能揭示区域农业灌溉用水规模和水资源稀缺程度；所以该指标在提供有限的宏观信息的同时更适合农户田间尺度灌溉用水效果评价和管理。灌溉效率用以衡量灌溉水资源被作物有效吸收利用的比例，除与田间土壤、作物因素有关联外，更重要的决定因素在于灌溉工程的完好程度。该指标虽有大尺度意义，但具有明显的工程状况决定性，也难以反映区域农业灌溉用水规模和水资源稀缺程度。灌溉水分生产率和灌溉效率能够满足小尺度灌溉用水效率的评估，但是利用二者进行农业用水和灌溉发展宏观决策时均容易落入灌溉用水反弹效应的尴尬。以往指标的不足在AWE构建过程中均得到充分考虑。因此，利用AWE可以综合判定特定区域及不同区域之间农业用水状况并为灌溉的发展方向提供依据。然而相比于传统指标，AWE的计算过程更为复杂，在比较灌溉用水效率区域差异并为不同灌溉发展提供对策的必要性尚需讨论。为了更加清晰分辨AWE与上述传统灌溉用水效率评价指标在空间分布格局上的异同，分别给出中国省级行政区AWE与灌溉水分生产率和灌溉效率的散点图，如图5所示。

图5 农业用水效果评价指标与传统灌溉用水效率评价指标之间的关系Fig.5 Relationships between agricultural water use effect and traditional irrigation water efficiency evaluation indices

图5 a显示，各省区灌溉效率基本均位于0.400～0.600之间，与省区AWE之间未发现任何一致性变化趋势。这不仅印证了灌溉效率主要由工程建设技术水平决定，也说明利用灌溉效率不能比较农业用水效果的区域差异。图5b中的AWE与灌溉水分生产率之间的关系更为散乱，二者在省区间分布上出现严重的错位。这也说明单位灌溉水投入得到的农产品产出大的地区并不意味着一定值得鼓励发展灌溉。综上，从物理含义和空间分布上看，基于水足迹与灌溉发展的农业用水效果评价指标均有别于传统灌溉用水效率评价指标。农业用水效果评价指标AWE仅针对灌溉水利用的合理性和可持续性本身，并不以农产品产出作为参考目标，因为后者受到更加复杂因素（例如绿水）的影响。基于现代水资源管理新理念，兼顾农业用水可持续和区域农产品可靠供应的水资源利用评价方法是未来值得探索的方向。

4 结 论

中国农作物水足迹超过了 1.0×1012m3，绿水是保障农业生产顺利进行的基础。因社会对农产品需求的增加，农业生产规模的扩大导致农作物蓝水足迹和绿水足迹均随时间呈现增长的态势。蓝水足迹在农作物水足迹的比例在近10a随时间增大，这得益于灌溉的发展，包括耕地灌溉率和灌溉效率的提升。单位耕地面积上的作物水足迹为853.9 mm，与蓝水比例同时呈由东南向西北逐渐减小的空间格局。新疆单位面积水足迹较大主要受蓝水足迹比例决定。由于灌溉用水管理水平进与技术进步速度落后于农业生产规模的扩大，中国的农业用水效果自2003年以后呈现恶化的趋势，其中近年逐渐成为最主要粮食主产区的黑龙江在此方面表现得尤为突出。农作物水足迹和灌溉发展水平的差异决定了区域间农业用水效果存在较大差异，且大部分农业主产区的农业用水效果较差且明显低于全国平均水平。农业用水效果与水资源也出现空间错位，湿润的南方地区农业用水效果普遍较好，而面临较严峻水资源压力的黄淮海平原和西北干旱省区的农业用水效果相对较差。我们还发现，农业用水效果评价指标 AWE与传统灌溉用水效率评价指标在空间分布上不表现任何的相关性，这说明了基于以用水效率和总量控制为目标的农业用水评价的复杂性。北方农业主产区应在水资源管理全新范式下进行农业用水效率评价和管理实践。

[1] Falkenmark M, Rockström J. The new blue and green water paradigm: Breaking new ground for water resources planning and management[J]. Journal of Water Resources Planning and Management-ASCE, 132 (3): 129－132.

[2] Faramarzi M, Abbaspour K, Schulin R, et al. Modelling blue and green water resources availability in Iran[J]. Hydrological Processes, 2009, 23(3): 486－501.

[3] Cao X, Wu P, Wang Y, et al. Assessing blue and green water utilisation in wheat production of China from the perspectives of water footprint and total water use[J]. Hydrology and Earth System Sciences. 2014, 18(8): 3165－3178.

[4] Hoekstra A, Chapagain A, Aldaya M, et al. The Water Footprint Assessment Manual: Setting the Global Standard[M]. London: Earthscan, 2011.

[5] Schyns J, Hoekstra A, Booij M. Review and classification of indicators of green water availability and scarcity[J]. Hydrology and Earth System Sciences, 2015, 19(11): 4581－4608.

[6] 冯峰，倪广恒，孟玉清. 基于流向跟踪和多重赋权的引黄灌区用水效率评价[J]. 农业工程学报，2017，33(10)：145－153.Feng Feng, Ni Guangheng, Meng Yuqing. Area based on flow-tracing and layered-weight method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(10): 145－153. (in Chinese with English abstract)

[7] 粟晓玲，宋悦，刘俊民，等. 耦合地下水模拟的渠井灌区水资源时空优化配置[J]. 农业工程学报，2016，32(13)：43－51.Su Xiaoling, Song Yue, Liu Junmin, et al. Spatiotemporal optimize allocation of water resources coupling groundwater simulation model in canal-well irrigation district[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(13): 43－51. (in Chinese with English abstract)

[8] 李浩鑫，邵东国，尹希，等. 基于主成分分析和Copula函数的灌溉用水效率评价方法[J].农业工程学报，2015，31(11)：96－102.Li Haoxin, Shao Dongguo, Yin Xi, et al. Evaluation method for irrigation-water use efficiency based on principle component analysis and Copula function[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2015, 31(11): 96－102. (in Chinese with English abstract)

[9] Wang Y, Wu P, Engel B, et al. Comparison of volumetric and stress-weighted water footprint of grain products in China[J]. Ecological Indicators, 2015, 48: 324－333.

[10] Cao X, Wu M, Guo X, et al. Assessing water scarcity in agricultural production system based on the generalized water resources and water footprint framework[J]. Science of the Total Environment, 2017, 609: 587－597,

[11] Qiang W, Liu A, Cheng S, et al. Agricultural trade and virtual land use: The case of China's crop trade[J]. Land Use Policy,2013, 33: 141－150.

[12] Cao X, Ren J, Wu M, et al. Effective use rate of generalized water resources assessment and to improve agricultural water use efficiency evaluation index system[J]. Ecological Indicators,2018, (86): 58－66.

[13] Cao X, Wu M, Shu R et al. Water footprint assessment for crop production based on field measurements: A case study of irrigated paddy rice in East China. Science of the Total Environment, 2018, 610–611: 84－93

[14] Wang Y, Liu D, Cao X, et al. Agricultural water rights trading and virtual water export compensation coupling model: A case study of an irrigation district in China[J].Agricultural Water Management, 2017, 180: 99－106

[15] 操信春，邵光成，王小军，等. 中国农业广义水资源利用系数及时空格局分析[J]. 水科学进展，2017，28(1)：14-21.Cao Xinchun, Shao Guangcheng, Wang Xiaojun, et al.Generalized water efficiency and strategic implications for food security and water management: A case study of grain production in China[J]. Advances in Water Science, 2017,28(1): 14－21. (in Chinese with English abstract)

[16] Wang Y, Sun S, Engel B A, et al. Virtual water flows of grain within China and its impact on water resource and grain security in 2010 [J]. Ecological Engineering, 2014, 69: 255－264.

[17] Zhuo L, Mekonnen M, Hoekstra A, et al. Inter- and intraannual variation of water footprint of crops and blue water scarcity in the Yellow River basin (1961–2009)[J]. Advances in Water Resources, 2016, 87, 29－41.

[18] Sun S K, Wang Y B, Engel B A, et al. Effects of virtual water flow on regional water resource stress: A case study of grain in China[J]. Science of the Total Environment, 2016, 550:871－879.

[19] Berbel J, Gutiérrez-Martín C, Rodríguez-Díaz J A, et al.Literature review on rebound effect of water saving measures and analysis of a Spanish case study[J]. Water Resources Management, 2015, 29(3): 663－678.

[20] Loch A, Adamson D. Drought and the rebound effect: A Murray–Darling basin example[J]. Natural Hazards, 2015,79(3): 1429－1449.

[21] 宋健峰，王玉宝，吴普特. 灌溉用水反弹效应研究综述[J].水科学进展，2017，28(3)：452－46.Song Jianfeng, Wang Yubao, Wu Pute. A reviews on irrigation water rebound effect[J]. Advances in Water Science, 2017,28(3): 452－461. (in Chinese with English abstract)

[22] Xu Y, Huang K, Yu Y, et al. Changes in water footprint of crop production in Beijing from 1978 to 2012: A logarithmic mean Divisia index decomposition analysis[J]. Journal of Cleaner Production, 2015, 87: 180－187.

[23] 刘梦，罗玉峰，汪文超，等. 基于天气预报的漳河灌区参考作物腾发量预报方法比较[J]. 农业工程学报，2017，33(19)：156－162.Liu Meng, Luo Yufeng, Wang Wenchao, et al. Comparison of three reference crop evapotranspiration forecastingmethods based on short-term weather forecast in Zhanghe irrigation district[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(19): 156－162. (in Chinese with English abstract)

[24] 杨晓慧，黄修桥，陈震，等. 基于 DSSAT模拟的灌溉用水效率评价指标比较[J]. 农业工程学报，2015，31(24)：95－100.Yang Xiaohui, Huang Xiuqiao, Chen Zhen, et al. Evaluation index comparison of different irrigation water use efficiency based on DSSAT simulation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2015, 31(24): 95－100. (in Chinese with English abstract)

[25] 孙世坤，王玉宝，吴普特，等. 小麦生产水足迹区域差异及归因分析[J]. 农业工程学报，2015，31(13)：142－148.Sun Shikun, Wang Yubao, Wu Pute, et al. Spatial variability and attribution analysis of water footprint of wheat in China[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2015, 31(13): 142－148. (in Chinese with English abstract)

[26] 曹连海，吴普特，赵西宁，等. 内蒙古河套灌区粮食生产灰水足迹评价[J]. 农业工程学报，2014，30(1)：63－72.Cao Lianhai, Wu Pute, Zhao Xining, et al. Evaluation of grey water footprint of grain production in Hetao Irrigation District,Inner Moreongolia[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013,30(1): 63－72. (in Chinese with English abstract)

[27] Cao X, Wang Y, Wu P, et al. An evaluation of the water utilization and grain production of irrigated and rain-fed croplands in China[J]. Science of the Total Environment,2015, 529: 10－20.

[28] 陈玉民，郭国双，王广兴，等. 中国主要作物需水量与灌溉[M]. 北京：水利电力出版社，1995.

[29] 段爱旺，孙景生，刘钰，等. 北方地区主要农作物灌溉用水定额[M]. 北京：中国农业科学技术出版社，2004.

[30] Cao X, Wu M, Zheng Y, et al. Can China achieve food security through the development of irrigation?[J]. Regional Environmental Change, 2017, doi: 10.1007/s10113-017-1214-5.