东北地区农业水足迹的空间差异及其影响因素分析

张瀚亓，李璐骥，高 坤

（河海大学商学院，江苏 常州 213022）

中国水资源状况具有南多北少、丰枯变化大、时空分布极不均等特点，随着经济社会的快速发展，水资源供需矛盾日益凸显。中国一年用水总量中农业产品用水量占比最大，90%的人类消费水足迹来自农业产品。因此，提高农业用水效率，节约农业用水是解决水资源短缺问题、缓解水资源供需矛盾的根本性措施。许多专家学者为缓解水资源短缺问题提出了一系列理论，其中水足迹理论近年来深受全球学者青睐。

水足迹由荷兰学者Hoekstra［1］首先提出，是对虚拟水理念的丰富和发展。具体是指在特定时间内某一地理区域居民直接或间接用于生产消费的商品和服务消耗的水足迹水量。随着水足迹理论的不断发展，其应用范围越来越宽广，国内外学者们已将该理论应用到不同国家或地区的工业、农业、第三产业等不同产业领域对水资源利用状况进行评估。

国外关于农业水足迹的研究，大多数都是基于联合国粮农组织（FAO）的CROPWAT8.0 彭曼-蒙特斯公式进行水足迹的测算。如Multsch 等［2］开发空间决策支持系统SPARE：WATER，在计算农作物水足迹时考虑特定地点的情况，以此评估沙特阿拉伯的农业用水足迹。Donoso 等［3］估算了智利的农业生产水足迹，在考虑气候和土壤差异的情况下，分别对主要生产区域农产品的绿水足迹、蓝水足迹和灰水足迹进行了评估。Symeonidou 等［4］评价罗兹岛所有主要农作物的水足迹，得出旱作和灌溉作物的水足迹量存在显著差异。

国内的水足迹研究则主要集中在区域水足迹状况的评价。如王会肖等［5］就2008 年黄河流域绿水和蓝水足迹展开研究，分析农业耗水量和水足迹的空间分布状况。黄会平等［6］选择了冬小麦、夏玉米这2 种主要农作物计算海河流域25 年间的农业生产水足迹，并凭借此预测未来30 年这2 种作物水足迹变化状况及各气象因子对农业生产水足迹的影响程度。张郁等［7］以粮食大省黑龙江为例，对施用化肥所带来的污染产生的灰水足迹进行测算，考量粮食产量、化肥施用量和灰水足迹之间的相关性。综合以上论述可以看出，以往对于农业水足迹的研究多以用水量和主要农作物之间的关系为主，在时空变化差异方面的研究略显匮乏。而在用水量研究方面，现有的研究区域主要集中于单个城市、单个流域或者中国整体，缺乏着眼于地区之间的对比研究。本研究针对东北地区农业水足迹的空间差异及其影响因素进行了分析。一是以中国东北地区3 个省份作为研究对象，研究主要农作物水足迹含量的时空变化差异，二是运用LMDI 模型将水足迹总量的变化驱动因素进行分解，从时间、空间格局等多视角分析驱动因素。

中国东北地区包括黑龙江、吉林、辽宁3 省，自东南而西北，从湿润区、半湿润区过渡到半干旱区。东北地区农业生产水资源的需求巨大，并呈现出显著的地域差异。粮食作为一种耗水密集型产品，其水足迹能够反映出某一区域粮食生产过程中水资源的利用情况。东北地区作为中国重要的商品粮基地，在粮食产出和粮食安全方面具有一定的代表性。其中，玉米、水稻以及大豆产量一直稳定占据主导地位，甜菜和春小麦产量随种植面积的不断缩小而不断降低，而马铃薯种植规模缩小的同时产量却一直维持较高水平。为体现东北农作物结构在转变东北地区农业发展方式中的作用，选取玉米、水稻、大豆、马铃薯、甜菜5 种作物进行研究。

根据水足迹理论，对2009—2018 年中国东北地区主要农作物进行研究，计算其水足迹总量以及东北地区农业生产水足迹，分析东北地区农业水足迹在总量，蓝水、绿水以及灰水所占比例在空间上的差异，运用LMDI 方法探究影响东北地区水足迹的相关因素，将有助于缓解因水污染、时空水资源分配不均带来的农业水资源短缺问题，并为东北地区农业生产水资源利用效率及可持续发展提供理论参考。

1 数据来源与研究方法

1.1 数据来源

选取中国东北三省2009—2018 年数据，评价东北地区水稻、玉米、大豆、马铃薯以及甜菜5 种主要农作物的生产水足迹量。数据来源包括气象数据和农作物数据。其中，省域尺度上5 种农作物的单位规模产量、总产量、种植规模数据以及农作物氮肥施用折纯量源于国家统计局网站的年度统计数据。根据地理位置差异，选取黑龙江安达、吉林长岭、辽宁开原3 地气象观测点作为气象数据代表。统计分析3 地的逐月数据，平均最高和最低气温、相对湿度、风速、日照、持续时间、月降雨量和辐射均源于中国气象数据网。水足迹计算中需要的参数作物蒸发蒸腾量通过CROPWAT8.0 软件计算得出，计算方法依据联合国粮农组织（FAO）推荐的标准彭曼公式，作物及土壤参数均采用联合国粮食及农业组织（FAO）的内置标准参数。

1.2 研究方法

1.2.1 水足迹总量测算方法 水足迹是指在日常生活中公共消费产品以及服务过程所消耗的水。基于水足迹理论，农业水足迹可理解为一定时期和区域内人们消费的所有农业产品（包括作物和畜禽产品）和服务的虚拟水量之和。依据水资源来源及相关环境影响，可划分为绿水足迹、蓝水足迹和灰水足迹。蓝水足迹指作物生长过程中消耗的地表水及地下水量，绿水足迹指作物在生长过程中吸收和利用的有效降水量，灰水足迹指稀释农业生产中化肥及农药等产生的面源污染所需要的水量，又称水污染足迹。农业水足迹计算公式如下。

1）蓝水足迹计算。

其中，WFblue表示蓝水足迹（m3/kg）；ETblue为作物蓝水蒸发蒸腾量（mm）；ETc为作物蒸发蒸腾量（mm），等于作物需水量CWR；PL为作物灌溉用水下渗量及其他损耗；IR为作物灌溉需水量（mm）；ET0为参考作物蒸发蒸腾量（mm）；Y为作物产量（kg/hm2）；Peff为有效降水量；10 为将水深转换为单位陆地水量的单位转换系数；Kc为作物系数，采用CROPWAT 内置作物标准参数。在不考虑灌溉用水损耗及下渗的情况下ETC=IR+Peff［8］，水稻作物是水田作物，灌溉用水损耗较大，计算需要特别考虑该部分［9］。

2）绿水足迹计算。

其中，WFgreen表示绿水足迹（m3/kg）；ETgreen为作物绿水蒸发蒸腾量（mm）。

3）作物需水量计算。

其中，ET0是参考作物蒸发蒸腾量（mm）；Rn是作物表面的净辐射（MJ/（m2·d））；G是土壤热通量（MJ/（m2·d））；γ 为温度计常数（kPa/℃）；T是 2 m 高处的每日平均气温（℃）；u2是2 m 高度的风速（m/s）；es是饱和蒸气压（kPa）；ea是实际蒸气压（kPa）；Δ 为饱和水气压与温度相关曲线的斜率（kPa/℃）。

4）灰水足迹计算。农业生产通常会使用大量的化肥和农药来提高农作物的产量，这些多余的肥料及农药会渗入地下或进入地表径流造成地下水和地表水的污染。基于氮肥在化肥施用中比例最高、水污染份额最大以及土壤中的磷和钾不容易淋失等特点，为避免重复计算，灰水足迹计算仅考虑氮肥对水质造成的污染，不考虑其他农药对水质的影响。灰水足迹在数量上等于该污染物的稀释水量。计算公式如下。

其中，WFgrey为灰水足迹（m3/kg）；α 为氮肥的淋失率，根据第一次《全国污染源普查-农业污染源肥料流失系数手册》将氮元素淋失率设定为10%；Appl为氮肥使用总量（kg/hm2）；Cmax为现有环境水质标准下氮元素最高排放浓度（kg/m3），根据《地表水环境质量标准》（GB3838—2002）中的Ⅲ类水标准设置（0.01 kg/m3）；Cnat为自然条件下水体中氮元素的质量浓度（kg/m3），设为0。选取的5 种农作物产量占东北地区农业总产量的95%以上，为解决数据问题，采用全省氮肥折纯施用量进行灰水足迹计算。

1.2.2 LMDI 指数分解模型 Ang 等［10］于 1998 年提出的对数均值指数分解法（LMDI）在能源消耗等领域被广泛应用，但在农业水足迹领域应用的相关研究并不多见，本研究引入该方法将东北地区按省域尺度划分为3 个产量区进行农业水足迹的研究。基于LDMI 方法，结合kaya 恒等式将作物的水足迹总量的驱动因素分解如下。

WF（t）是东北地区5 种主要农作物生产水足迹总量，Y（ijt）代表第t年j省第i种作物的产量，S（ijt）代表第t年j省第i种作物的种植规模，V（ijt）代表第t年j省第i种作物的的虚拟水含量，C（ijt）代表第t年j省第i种作物的种植结构。i=1，2，3，4，5 分别代表水稻、玉米、甜菜、马铃薯、大豆5 种主要农作物；j=1，2，3 分别代表黑龙江、吉林、辽宁。作物产量是某省农作物1 年的产量，种植规模是所选所有农作物的总种植规模，虚拟水含量是用来生产每种作物单位的水量，种植结构是指特定作物规模所占总规模的比例，这4 种因素反映了农业生产用水与人工选择与投入、生产地区气候、自然资源禀赋之间的相互关系。

根据加法分解方法，从第0 年到第t年的总水足迹量变化（ΔWF）可分解为4 部分，由产量因素引起的总水足迹量变化（ΔWy），由种植规模因素引起的总水足迹量变化（ΔWs），由虚拟水含量因素引起的总水足迹量变化（ΔWv），由作物结构因素引起的总水足迹量变化（ΔWc）［11］。

时间序列的公式如下。

同理，空间序列的公式如下。

其中，ΔWF′表示从第0 年到第t年间第h省和第j省之间作物总水足迹的变化量，被分解为产量因素、种植规模因素、虚拟水含量因素、作物结构因素4 部分。

2 结果与分析

2.1 农业水足迹测算结果分析

图1 显示，总体上东北地区的主要农作物水足迹总量逐年递增，在2017 年达到最高值1 585.83 亿m3，而2018 年受霜冻等气象灾害以及气候变化导致的减产的影响出现了小幅下跌。在水足迹总量构成上，东北地区呈现出结构稳定但差异显著的特征，玉米以及水稻2 种主要粮食作物的水足迹量远远大于其他作物，占据主导地位；其中玉米的年均水足迹为687.30 亿m3，占比51%；水稻的年均水足迹为478.72亿m3，占比36%；2009—2017 年，玉米和水稻得益于种植规模的扩大，一直保持稳步增长。经济作物中，大豆水足迹经历了先降再升的趋势，2009 年为187亿 m3，2015 年降为 113.39 亿 m3，降幅超过 40%；之后便保持增长的趋势，到2017 年为195.67 亿m3，超过2009 年的水平。而甜菜由于种植规模的减少，2018年仅有0.97 亿m3，相较于2009 年水足迹总量降幅超过77%。

图1 东北地区2009—2018 年主要农作物农业水足迹总量

如图2 所示，从农作物水足迹的省际视角看，东北三省水足迹含量差异明显，黑龙江省对东北地区农作物水足迹总量增长贡献最大，约占地区农作物生产水足迹的60%，5 种主要农作物水足迹量也均远超辽宁省以及吉林省；而吉林省次之，约占24%，其中吉林省玉米和大豆2 种作物水足迹含量相较于辽宁省较高。受制于耕地规模、气候等区位因素，辽宁省的各项农作物水足迹量均为全区域最低水平，占比约为16%。从地理位置上来说，农业水足迹由南向北逐渐增大。

图2 东北地区2009—2018 年省际农业水足迹总量

从水足迹的构成看，如图3 所示，呈现出总体上升但差异显著的特征；其中蓝水足迹增长幅度明显，对农作物生产总水足迹贡献最大，最大占比约为60%，这体现出东北地区农业生产中灌溉用水的需求庞大；其次是绿水足迹，增长达17%。灰水足迹则是在226.6 亿m3上下波动变化。就各省水足迹构成足迹而言，蓝水与灰水足迹的占比情况与总水足迹量相似，黑龙江省占据主要地位，吉林省次之，最后是辽宁省。

图3 东北地区水足迹构成情况

2.2 农业水足迹LMDI分解时间序列分析

如图4 所示，在研究的10 年期间，产量因素和规模因素以及虚拟水因素有7 年为正值，2009—2012年，产量因素和规模因素发挥出主要的促进作用，而到了2013 年，让位于虚拟水因素。结构因素2009—2015 年表现为正值，而2016 年开始变为抑制波动增长的消极因素，在研究期间发挥的作用并不明显。值得指出的是2018 年，由于气象灾害导致农作物减产，各种因素都发生剧烈的变化，结构因素成了惟一的促进因素。

图4 东北地区水足迹驱动因素

总的来说，大部分年份，各类驱动因素发挥出了积极的作用，促进农业水足迹的增长；2009—2012年，以产量和规模因素为主，2013—2017 年则以虚拟水因素为主。不过，增长的幅度在波动下降，这体现出来各类驱动因素对增长作出的贡献在减少，尤其是2015 年之后，种植结构变成了抑制因素。出现这种状况，一方面是因为不同年份气候的变化对作物需水量有着不同的影响；另一方面是在研究期间，灌溉节水技术的改进以及节水政策的出台。说明东北地区的作物种植结构还有待进一步的优化。由于黑龙江省的水足迹远远大于其他省，在驱动因素上从全地区视角分析，可能会因为这个因素而掩盖了吉林、辽宁2 省的实际情况。故而分别列出黑龙江、吉林、辽宁3 省2009—2018 年农业水足迹量变化驱动因素及贡献率，单独分析各省的驱动因素在时间上的变化情况，结果见表1、表2、表3。

黑龙江省在10 年间，水足迹总量增加了121 亿m3。如表 1 显示，2009—2013 年，各类驱动因素都发挥了积极的作用，其中起主要贡献的是产量因素以及规模因素，而从2014 年开始规模因素和产量因素让位于虚拟水因素，虚拟水因素发挥出更显著的促进作用，结构因素则转变成为抑制增长的消极因素。在2016 年以及2018 年由于作物种植以及气候的变化则出现了截然不同的情况，总因素为负值，各类因素也基本成为抑制因素。

表1 黑龙江2009—2018 年农业水足迹量变化驱动因素贡献率

吉林省在10 年间，水足迹总量增加了32 亿m3。如表2 显示，2009—2012 年，产量因素以及规模因素是主要促进因素，而虚拟水因素起了抑制作用，2013—2017 年虚拟水因素则成为了水足迹总量增长的主要因素，2018 年的减产抑制了水足迹总量的增长，4 种因素的消极作用使得水足迹总量转增为跌。

表2 吉林2009—2018 年农业水足迹量变化驱动因素贡献率

辽宁省在10 年间，水足迹总量增加了32 亿m3。如表3 显示，2009—2012 年，产量因素以及规模因素是主要促进因素，而虚拟水因素起了抑制作用，到2013 年，虚拟水因素以及产量因素发挥着促进作用，结构因素则为负值。在2017 年和2018 年，情况发生了反转，虚拟水因素和结构因素发挥着积极作用，产量因素和规模因素则是起了抑制作用。

表3 辽宁2009—2018 年农业水足迹量变化驱动因素贡献率

总的来说，3 省的水足迹是由产量因素和规模因素引起的，而结构因素以及虚拟水因素的作用变化较大。虚拟水因素出现这些变化是因为受气候波动的影响较大。在研究期间，气候因素（如温度、降水和日照）和自然条件（海拔、经度和纬度）改变了作物产量和耗水量。特别是2018 年东北地区气候出现降水减少等异常情况，有霜冻、风灾等气象灾害，导致减产，故而2018 年的水足迹变化驱动因素出现了截然不同的结果。另外需要指出的是东北地区近10 年来的作物结构调整变化大，各作物变化趋势不一致，10 年间玉米和水稻分别增长了360.195 万、112.350 万hm2；而大豆、马铃薯以及甜菜分别下降了84.257 万、16.739 万、5.304 万 hm2，这导致作物总结构因素变化波动大。

2.3 农业水足迹LMDI分解空间序列分析

通过将4 个因素加总得到东北三省水足迹量变化总因素，结果见图5、图6、图7、图8。从总体农业水足迹变化因素的省际差异来看，2009—2018 年黑龙江省农业生产水足迹变化量在-116.22 亿～273.92亿m3，大部分年份对全区域的水足迹总量变化贡献大，而 2016 年及 2018 年抑制作用明显；2009—2018年吉林省农业生产水足迹变化量在-120.13 亿～83.46 亿 m3，波动较大；2009—2018 年辽宁省农业生产水足迹变化量在-90.58 亿～74.03 亿m3，波动较大，大部分年份是起抑制作用。从数量和变化以及影响程度上来看，2010—2014 年，黑龙江省水足迹变化量处于第一位，接下来是吉林、辽宁省；而从2015 年开始，由于种植结构的变化，作物对降水、光照等因素有不同需求的影响，每年水足迹变化量波动幅度大，各省在变化幅度上的差异体现出来的是各省作物种植量和种植结构变化上的数值。从空间格局上看，东北地区水足迹变化幅度是存在由北向南的递减趋势。为更直观地体现空间格局上3 省各驱动因素的差异，将黑龙江、辽宁和吉林省的主要农作物生产水足迹总量两两进行比较，得出空间上的各驱动效应以及贡献率的空间差异（表4）。

表4 2009—2018 年东北地区水足迹总量空间差异的驱动因素贡献率 （单位：%）

图5 东北地区主要农作物生产水足迹变化量

图6 2008 年水足迹变化因素

图7 2010 年水足迹变化因素

图8 2015 年水足迹变化因素

1）吉林-黑龙江。2010、2015、2018 年，吉林省水足迹变化总驱动因素均低于黑龙江省，但呈现差距缩小的趋势。黑龙江省的5 种作物的种植规模均大于吉林省，且水稻和马铃薯种植规模变化在2 省呈现相反趋势。具体分析各驱动因素情况，产量因素和规模因素始终为负值，表明这2 种因素对吉林水足迹总量增长的促进效果弱于黑龙江省，差距也有一定的缩小。虚拟水因素在2010、2015 年为负值，2018 年为正值，说明虚拟水因素对吉林省水足迹总量增长的促进效果先弱于黑龙江省，后强于黑龙江省。结构因素只在2015 年为正值，说明结构因素只在中期对吉林省水足迹总量增长的贡献大于黑龙江省。

2）辽宁-黑龙江。2010、2015、2018 年，辽宁省水足迹变化总驱动因素与黑龙江省呈现差距缩小的趋势，并在后期超过了黑龙江省。产量因素和规模因素在2015 年为正值，说明两者在中期对辽宁省水足迹总量增长的贡献大于黑龙江省。虚拟水因素在2010、2015 年为负值，2018 年为正值，表明虚拟水因素对辽宁省水足迹总量增长的促进效果先弱于黑龙江省，后强于黑龙江省。而结构因素始终为负值，该因素对辽宁省水足迹总量的增长贡献低于黑龙江省，但差距不断缩小。

3）辽宁-吉林。2010、2015、2018 年，辽宁省水足迹变化总驱动因素均低于吉林省，且呈现差距不断扩大的趋势。吉林省和辽宁省在主要农作物种植规模上有显著的差异，吉林省玉米，水稻和大豆种植规模远超辽宁省，而甜菜和马铃薯规模在后期逐渐少于辽宁省。具体分析各驱动因素情况，规模因素始终为正值，这表明规模因素对辽宁省水足迹总量增长的促进效果强于吉林省；虚拟水因素和结构因素在2015 年为负值，该因素在中期对辽宁省水足迹总量增长的贡献大于吉林省。产量因素在2010 年为负值，2010、2018 年为正值，说明该因素在前期对辽宁省水足迹总量增长的促进效果先弱于吉林省，后强于吉林省。

3 结论及建议

3.1 结论

本研究首先计算2009—2018 年东北地区三省玉米、水稻、大豆、马铃薯、甜菜5 种农作物的水足迹总量，然后采用LMDI 模型将东北地区3 个省份的农业生产水足迹总量的驱动因素分解为产量因素、规模因素、虚拟水因素和结构因素。并从时间、空间格局等多视角进行了驱动因素贡献情况的分析，得出以下结论。

1）从水足迹总量看。在时间变化上，东北三省地区2009—2017 年，水足迹保持着逐年递增的趋势，2018 年出现大幅下跌。在空间格局上，呈现出由北向南递减，各省水足迹总量差异显著的特征，黑龙江省的水足迹总量远超吉林、辽宁2 省，吉林次之，辽宁最低。从水足迹的构成看，蓝水足迹量远大于绿水和灰水足迹量，东北地区农作物对灌溉用水的需求量更大。灰水足迹略小于绿水足迹。

2）从水足迹变化的驱动因素看。在时间变化上总体呈现波动下降的趋势，种植规模的扩大和单产的增长是水足迹保持增长的主要驱动因素，尤其是种植面积的扩大。10 年间主要农作物的面积扩大了26%，其中主要是玉米和水稻的面积增长，大豆和甜菜的面积在不断减少，水足迹总量随着玉米和水稻的面积扩大而不断增长。而虚拟水因素也在水足迹的变化中发挥了重要的作用，从研究初期的抑制作用转变为后期的促进作用。而结构因素在水足迹的增长中发挥的作用并不明显。特别值得注意的是，玉米和水稻这2 种粮食作物的种植规模占到东北地区中规模的90%，还在增长，而大豆、甜菜等作物的种植规模在不断缩小［12］。

3）从水足迹变化的驱动因素看。在空间格局上，东北地区水足迹变化幅度是存在由北向南的递减趋势。前期各省水足迹增长都是由产量和面积因素贡献的，其中，在黑龙江省这2 种因素发挥出明显的作用。水稻和玉米是需水量最大的2 种作物，这2种作物的产量增加是水足迹变化的重要因素。后期虚拟水因素加剧了各省之间水足迹的差异，尤其是对吉林省的贡献更显著。种植结构上，种植水稻的比例差异显著，黑龙江省水稻种植面积占比约为35%，而吉林省和辽宁省约为70%。

3.2 建议

基于以上研究结论，从优化空间布局和作物结构，提高农作物生产效率及灌溉用水资源利用率，推动绿色农业发展等方面提出建议。

1）优化空间布局和作物结构。注重空间格局上的均衡，各省要根据自身自然因素和气候条件以及水资源状况，因地制宜地选择作物种植。作物品种多样化，适当扩大杂粮和薯类的种植比例，以此改变玉米和水稻为主的单一种植结构，更好地满足国内粮食需求。

2）提升农作物生产效率灌溉用水资源利用率。改良和引进高产作物品种，推进优质品种选育与推广；加大农业技术研究投入，降低作物需水量，提高生产效率；灌溉用水精细化管理，发展高效节水设施，推广微喷灌等技术。

3）加强农业生态保护，发展绿色农业。推进农业“三减”，减少化肥以及化学农药的使用，加大对农业污染的治理力度；牲畜粪便再利用，使用有机肥料，达到减少面源污染耗水的目的。