韩宇平　李新生

摘要：水資源短缺是制约京津冀协同、可持续发展的重要瓶颈之一，为清晰地描述区域不同农作物生产过程中的需水特征，为区域水资源的合理配置和高效利用提供指导意见。基于2000-2015年京津冀24个气象站日气象数据、全区作物种植面积及产量，分析了区域作物蓝水、绿水、灰水足迹的时空分布、变化趋势及影响因子。结果表明：2000-2015年间，小麦、玉米、大豆、油料、谷物、棉花、蔬菜年均单位质量总水足迹分别为1 7842 m3/t、1 5642 m3/t、4 3866 m3/t、3 4275 m3/t、2 032 m3/t、9 5741 m3/t和152 m3/t；年均蓝水、绿水、灰水足迹分别为2116亿m3，1648亿m3和3214亿m3；总水足迹中蓝水、绿水、灰水所占比例分别呈现下降、上升及先上升后下降的趋势；水足迹空间分布表现为西北部和北部较少、南部、东南部和中部较多；影响水足迹总量的因子中，第一、第五主成分为氮肥施用量和作物种植面积，第二主成分为热力学和动力学因子，第三、四主成分为水分因子。

关键词：京津冀；农作物；水足迹；时空分布；主成分分析

中图分类号：TV213文献标志码：A文章编号：

16721683（2018）04002609

Spatial and temporal distribution of water footprint of main crops and its influencing factors in BeijingTianjinHebei region

HAN Yuping1，3，LI Xinsheng1，HUANG Huiping1，2，JIA Dongdong1

（

1.North China University of Water Resources and Electric Power，Zhengzhou 450046，China；2.Collaborative Innovation Center of Water Resources Efficient Utilization and Protection Engineering，Zhengzhou 450046，China；3.Henan Key Laboratory of Water Environment Simulation and Treatment，Zhengzhou 450046，China）

Abstract：

Water shortage is one of the important bottlenecks restricting the coordination and sustainable development of the BeijingTianjinHebei region.In order to clearly describe the water demand characteristics of different crops in the region，this paper discussed the spatialtemporal characteristics and influencing factors of the blue，green，and grey water footprints （WF） of main crops based on crop acreage，yield data，and daily meteorological data of 24 meteorological stations during the period of 20002015.Results showed that the annual average total WF per unit mass of wheat，corn，soybean，oilseeds，grains，cotton and vegetables during 20002015 were 1 7842 m3/t，1 5642 m3/t，4 3866 m3/t，3 4275 m3/t，2 032 m3/t，9 574.1 m3/t，and 152 m3/t respectively.The annual average blue，green and grey WF were 2116 billion m3，1648 billion m3 and 3214 billion m3 respectively.From 2000 to 2015，the proportions of blue，green and grey WF in total WF respectively showed a tendency of decreasing，increasing，and first increasing then decreasing.There was less distribution of WF in the northwest and north of the region and more distribution in the south，southeast and middle of the region.Among the factors influencing the total WF，the first and the fifth principal components were nitrogen application and crop acreage；the second principal component was the thermodynamic and kinetic factors；and the third and fourth principal components were both moisture factors.

Key words：

BeijingTianjinHebei region；crops；WF；spatialtemporal distribution；principal component analysis

20世纪90年代，英格兰伦敦大学非洲和东亚研究学院Allan[1]创造性地提出一种虚拟在商品中用于表示产品在生产过程中所消耗水资源量的指标，并称之“虚拟水”。荷兰学者Hoekstra[2]在虚拟水研究的基础上进一步提出水足迹的概念，指任何已知人口（如个人、企业、省、州、国家等）一定时期内消费的产品和服务所需要的淡水资源数量，也可以表示生产某一产品或提供某种服务所消耗的淡水资源，可以分为蓝水、绿水、灰水足迹。蓝水足迹指灌溉对地表水或地下水的消耗，绿水足迹是降水的消耗，灰水足迹指稀释作物生长阶段所产生污染物的理论消耗[3]。此后，国内外学者进行了诸多研究，不断发展完善虚拟水和水足迹理论。柯兵等[4]就虚拟水在解决我国农业用水和粮食安全问题进行了探究；Chapagain等[5]计算了全球水足迹和人均水足迹，并对国家间水足迹和人均水足迹进行比较；龙爱华等[6]基于虚拟水理论，核算了2000年西北四省的总水足迹和人均水足迹；Kampman[7]基于水足迹分析了1997-2001年间印度的水资源利用状况；Aldaya等[8]利用Cropwat软件对西班牙Mancha地区农产品蓝水和绿水含量进行核算，同时探讨作物生长发育期的水文条件和农产品经济效应之间的关系；Chapagain等[9]从生产者和消费者两个方面出发，核算水稻中的蓝水、绿水、灰水含量；钟一丹[10]基于虚拟水理论对北京市水资源承载力进行了分析；李红颖[11]对吉林省水稻生产水足迹进行了时空分异研究；孙世坤，吴普特[12]分析了中国小麦生产水足迹的区域差异并进行归因分析；孙才志[13]开展了中国人均水足迹驱动效应分解与空间聚类分析研究。不过，目前从县域尺度对长时间序列的农业水足迹变化和分布研究还鲜见报道。

京津冀不仅是我国政治、经济、文化中心，而且在我国的粮食生产中也占有重要地位，2016年该地区农业用水量达146亿m3，占区域水资源总量的557%，占区域用水总量的587%[14]。随着京津冀协同发展战略和雄安新区的规划建设等项目的实施，人们生活、生产和生态用水的增加将会对区域未来水资源可持续利用产生重大影响。为此，本文从水足迹视角，基于2000-2015年气象数据、作物种植面积及产量数据，核算主要作物蓝水、绿水和灰水足迹，分析其时空分布特征及发展趋势，揭示水足迹影响因子。研究结果可以为京津冀地区水资源管理、农业种植结构调整、适水发展模式等一系列问题提供有益的参考。

1资料和方法

1.1研究区概况

京津冀地区位于华北平原北部，处于113°04′-119°53′E和36°01′-42°37′N之间，包括北京市、天津市和河北省。受地形和降水影响水资源时空分布不均，多年平均降水量约500 mm，由东南向西北方向递减，降水多集中于夏季；西北部地区地势较高，蒸发大降水少；燕山以南靠近海岸线，受海上东南季风影响，降水丰富。同时京津冀又是我国重要的粮食主产区，粮食作物种植面积700多万hm2，作物种类丰富，以小麦和玉米为主要粮食作物，为保障我国的粮食安全做出来突出贡献。

1.2数据来源

本文气象数据来源于国家气象科学数据共享服务平台，包括日最高气温（℃）、日最低气温、日平均气温、平均风速（m/s）、日照时数 （h） 、相对湿度 （%）、平均水汽壓、逐日降水量以及各气象站点的经纬度、海拔高程等。2000-2015年间全区作物面积、产量数据来自《河北农村统计年鉴》以及《中国统计年鉴》中北京、天津的相关数据[1516]。作物系数参照《北方地区主要农作物灌溉用水定额》[17]以及FAO推荐的84种作物的标准系数相关数据。

1.3研究方法

[BT（4]1.3.1[ZK（]基于全生命周期法田间尺度作物水足迹的量化方法[ZK）][BT）]

作物水足迹（water footprint of crop production，WFcrop）指单位质量的作物生产过程中消耗的水资源量，包括绿水足迹（WFgreen）、蓝水足迹（WFblue）和灰水足迹（WFgrey），按照《水足迹评价手册》[18]中推荐的方法计算如下：

WFcrop=WFgreen+WFblue+WFgrey[JY]（1）

式中：WFcrop为作物生产水足迹（m3/t，m3/Kg），作物绿水和蓝水足迹计算公式如下：

WFgreen=CWUgreen/Y=10ETgreen/Y[JY]（2）

WFblue=CWUblue/Y=10ETblue/Y[JY]（3）

式中：CWUgreen、WFblue表示作物生长过程中对绿水和蓝水的消耗量（m3/hm2），Y表示某作物的单位面积产量（t/hm2），10为转化系数，其中绿水蒸散发（ETgreen，[JP2]mm/d）与蓝水蒸散发（ETblue，mm/d）计算公式如下：[JP]

ETgreen=min（ETc，Peff）[JY]（4）

ETblue=max（0，ETc-Peff）[JY]（5）

ETc=Kc×ET0[JY]（6）

式中：Kc为作物系数，采用CROPWAT数据库中的数据；Peff为有效降水量，采用美国农业部土壤保持局（USDASCS）的方法进行计算[19]，ET0采用PenmanMonteith公式计算。

作物生长过程中氮肥在化肥施用中比例最高，对农业面源污染贡献最大，因此在农业灰水足迹计算中引入稀释淋失氮的需水量[20]。本文农业灰水足迹主要指稀释作物生长阶段所产生的淋失氮，使其达到标准规范所需要的淡水体积。《水足迹评价手册》中计算公式为：

WFgrey=[SX（]（α×AR）/（cmax-cnat）[]Y[SX）][JY]（7）

式中：α为氮肥淋失率；AR为折纯后每公顷氮肥施用量（kg/hm2）；cmax为污染物的水质标准质量浓度（kg/m3）；cnat为受纳水体的自然本底质量浓度（kg/m3）。相关参数参照文献[2122]中数据，α取25%，cmax取001 kg/m3，cnat取0 kg/m3。[HJ1.8mm]

1.3.2主成分分析法

主成分分析是通过对原始变量相关矩阵或者协方差矩阵内部关系的研究，利用原始变量的线性组合形成几个综合指标（主成分）的多元统计方法[23]，可以在保留原始变量信息的前提下达到降维与简化问题的作用。

2结果分析

[BT（3]2.1[ZK（]京津冀地区主要作物单位质量水足迹时空分布[ZK）][BT）]

[BT（4]2.1.1[ZK（]主要作物单位质量水足迹构成及时间变化[ZK）][BT）]

2000-2015年间各作物年均单位质量水足迹见表1。[JP2]棉花单位质量水足迹为9 5741 m3/t，远高于其他作物。大豆和油料作物单位质量水足迹为4 3866 m3/t、3 4275 m3/t。小麦、玉米和稻谷为[JP2]当地主要粮食作物，单位质量水足迹为1 7842 m3/t、[JP2]1 5642 m3/t、2 032 m3/t。蔬菜单位质量水足迹最低为152 m3/t。棉花单位质量水足迹为小麦的54倍，为玉米的61倍。大豆和油料作物单位质量水足迹分别为小麦的25倍和19倍，为玉米的28倍和22倍。小麦和玉米单位质量水足迹相近，从构成来看小麦单位质量蓝水足迹高于玉米，为玉米的25倍。

图1反映了各作物单位质量水足迹在2000-2015年间变化情况。各作物单位质量水足迹虽有波动但整体均呈现出下降趋势，反映了京津冀农业用水效率在逐年提高。2000-2015年间，棉花、油料、稻谷、大豆、玉米、小麦和蔬菜单位质量水足迹最高年份和最低年份差值为2 0679 m3/t、1 5901 m3/t、1 0023 m3/t、9301 m3/t、6748 m3/t、4856 m3/t、492 m3/t。在作物用水量保持不变的前提下，作物单位面积产量越高，其单位质量水足迹就越低，因此提高作物单位面积产量是提高农业用水效率的重要途径。

间分布存在较大的差异性。小麦是区域主要的农业耗水作物，单位质量水足迹80%的区域集中分布在[JP]1 1434～2 1206 m3/t之间，中部和南部偏低，东部和北部较高，较大值出现在迁西县和黄骅市。玉米是区域主要的秋收作物，单位质量水足迹80%的区域集中分布在9506～2 0142 m3/t间，承德市与张家口市较高，一方面是由于当地玉米类型为春玉米，另一方面与当地气象和地理因素造成的灾害性减产有关。油料作物单位质量水足迹80%的区域集中在2 0468～6 5018 m3/t，西北部较高，东北部次之，中部和南部区域较低。[JP]棉花单位质量水足迹80%的区域集中在6 6656～14 0703 m3/t，空间分布较为散乱，较大值出现在石家庄市和邢台市等，如栾城县、海兴县和沙河市等地，较小值出现在唐山和邯郸的部分区域。蔬菜水足迹80%的区域分布在783～2105 m3/t，承德大部分区域和西部地区则较高，较小值出现在石家庄、唐山和秦皇岛地区。各作物县域尺度水足迹空间分布表明，区域农业水资源管理水平、农业水资源利用效率有很大的提升空间。

2.2京津冀主要作物总水足迹时空变化

2.2.1作物总水足迹构成及时间变化

2000-2015年间各作物水足迹和构成见表2，小麦和玉米是该地区主要耕种作物和耗水作物，两种作物水足迹和占总作物水足迹的663%。从蓝水足迹可以看出，小麦蓝水足迹占作物总蓝水足迹的469%，为该地区主要灌溉需水作物，蓝水足迹和绿水足迹比值接近4∶1，表明小麦生产在该地区对灌溉的依重程度高。玉米蓝水足迹占总蓝水足迹的228%，玉[HJ]米年均蓝水足迹和绿水足迹比值接近2∶3，是对灌溉倚重程度最低的作物。蔬菜为低耗水作物，单位质量水足迹最低，但由于种植面积较大，水足迹达1137亿m3。棉花为高耗水作物。油料，稻谷，大豆在作物生长期蓝、绿水足迹所占比值相近，水足迹消耗较少，共占总水足迹的112%。除棉花外，所有作物灰水足迹占总水足迹的比例均高于50%，年均水足迹为4422亿m3，为京津冀多年平均水资源量的171倍，表明在农作物生产过程中给水环境带来的污染是非常严重的，需引起足够重视。

各作物2000-2015年间水足迹变化见图3。小麦水足迹2000-2003年间呈现连续下降趋势，而后处于高位的波动状态且变幅较小。玉米和蔬菜水足迹呈上升趋势，棉花水足迹表现出先增長后持续下降的变化趋势。大豆、油料作物和稻谷水足迹则表现出持续的下降趋势。这种变化与区域作物种植结构的调整和减少高耗水作物种植面积从而降低灌溉用水需求密切相关，说明通过农业种植结构调整在一定程度上可以缓解区域农业用水压力。[JP]

2.2.2作物总水足迹时间变化

表3表明2000-2015年间京津冀地区农业水足迹整体处于高位波动状态，因为京津冀作为我国粮食主产区，虽种植结构略有变化，但作物耕种面积并没有较[JP+1]大变动，作物生长需水量旺盛，化肥的大量使用使区域灰水足迹大幅上升。从作物总水足迹构成来看，蓝水足迹呈下降趋势，绿水足迹呈上升趋势，这与棉花、稻谷、

大豆和油料等高耗水作物种植面积减少、灌溉需求较低的玉米种植面积增加有关。绿水足迹所占比例跟降雨状况密切相关。2000-2002年连续三年干旱，该时段内绿水足迹所占比例较低，其中2002年绿水足迹所占比例仅为191%，蓝水足迹所占比例为367%，而在其雨水较为丰沛的2008年，绿水足迹所占比例最高达到289%，蓝水足迹为259%，因此绿水足迹在区域粮食生产[JP]中具有重要的作用。灰水足迹表现出先上升后下降的趋势，与区域氮肥施用量的变化关系密切。

2.2.3作物总水足迹空间分布

图4为2000-2015各县市年均水足迹空间分布，蓝水足迹与绿水足迹分布较为一致，河北省东部和南部较大，西部和北部区域较小。2000-2015间北京年均蓝水足迹为63亿 m3 ，天津为127亿m3，河北省蓝水足迹较高的地区集中分布在邯郸、邢台、衡水等南部区域，其中宁晋、大名、定州、河间、沧县、景县和深州蓝水足迹均大于3亿m3。蓝水足迹分布较小的区域为承德、唐山、秦皇岛和张家口等西北部、北部和东北部区域，其中兴隆、宽城满族自治区、阜平、乐亭、崇礼和青龙满族自治区蓝水足迹均未超过03亿m3；2000-2015间北京年均绿水足迹为53亿m3 ，天津为95亿m3，河北省绿水足迹较高的地区为沧州、唐山、邢台和石家庄等中部、南部和东北部区域，其中河间、定州、玉田、沧县和滦县绿水足迹均大于了2亿 m3，河北省绿水足迹分布较小的区域在承德、张家口和保定等北部、西北部和西部区域，其中崇礼、阜平、宽城满族自治区、大厂回族自治区、尚义和涞源等绿水足迹均小于04亿m3。2000-2015间北京年均灰水足迹为182亿 m3，天津为274亿m3，河北省灰水足较高的地区分布在石家庄、沧州、唐山和邯郸等东北部，中部和南部地区，其中辛集、赵县、沧县、藁城和定州灰水足迹均大于6亿m3，灰水足迹较少的区域分布在张家口、保定和承德等北部，西北部和西部地区，其中康保、沽源和张北灰水足迹小于03亿m3。低，其中X9、X11与第二主成分呈负相关， X10、X12与第二主成分呈正相关；X12、X13等因子在第三主成分中有较大荷载均呈正相关；X14等因子在第四主成分中有较大荷载且均呈正相关，第五主成分X6有较大的荷载且呈正相关。

2.3.2主要影响因子空间分布

利用SPSS软件将初始数据标准化，计算各区域主成分得分，结合ArcGIS软件转化为栅格数据，得到各县市2000-2015年平均农业水足迹各主成分因子得分的空间分布图（图5），据此分析影响因子的空间差异性。第1主成分主要表现为氮肥施用量与玉米、蔬菜、大豆和小麦的种植面积，影响较大的区域主要集中于京津冀平原粮食主产区，对张家口，承德等北部和西北部山区和坝上非作物主产区影响较小。第2主成分主要为日照时数、平均气温和平均风速，影响较大的区域主要集中京津冀北部和西北部多山区的地域。第3主成分主要为平均相对湿度和平均气压，影响较大的区域集中于东南部沿线和西北部坝上地区与相对湿度的空间分布较为一致。第4主成分主要为年降水量，影响较大的区域集中于燕山以南，这是由于该区域靠近海岸线，受海上东南季风影响，降水丰富。第5主成分主要为油料作物面积，影响区域呈散状分布，主要和油料种植集中种植区域相吻合。

3结论

本文参照水足迹评价手册的相关计算方法，核算了京津冀主要作物的水足迹，结合ArcGIS和SPSS软件探讨该区域各作物水足迹空间分布及其影响因子，得出如下结论。

（1）2000-2015年间京津冀地区小麦、玉米、大豆、油料、谷物、棉花和蔬菜年均单位质量水足迹分别为1 7842 m3/t、1 5642 m3/t、4 3866 m3/t、[JP2]3 4275 m3/t、2 032 m3/t、9 5741 m3/t和152 m3/t。[JP]

（2）2000-2015年均总水足迹为6 979亿m3，蓝水、绿水、灰水足迹分别为2116亿m3，1648亿m3和3214亿m3，占总水足迹的比例分别为303%，236%和46%。2000-2015年间，绿水足迹所占比例呈上升趋势，蓝水足迹所占比例呈下降趋势，灰水足迹呈现先上升后下降的趋势。

（3）影响水足迹总量的因子中，第一主成分主要因子为氮肥施用量、玉米、小麦和大豆种植面积，第二主成分主要因子为日照时数、平均气温、平均风速，第三主成分主要因子为平均相对湿度和平均水汽压，第四主成分主要因子为降水量，第五主成分主要因子为油料种植面积。

参考文献（References）：

[1]ALLAN J A.Overall perspectives on countries and regions.In Rogers，P.and Lydon，P.edits.Water in the arab world：perspectives and prognoses.Massachusetts：Harvard University Press，1994：65100.

[2]HOEKSTRA A Y.Virtual water：an introduction[A].Virtual Water Trade：Proceedings of the International Expert Meeting on Virtual Water TradeValue of Water Research Report Series No.12[C].Delft，The Netherlands，IHE，2003：12 13.

[3]MEKONNEN M M，HOEKSTRA A Y.National water fo otprint accounts：the green，blue and grey water footprint of production and consumption.Value of water research report series No.50[R].Delft：UNESCOIHE，2011.

[4]柯兵，柳文華，段光明，等.虚拟水在解决农业生产和粮食安全问题中的作用研究[J].环境科学，2004（2）：3236.（KE B，LIU W H，DUAN G M，et al.A virtual water analysis for agricultural production and food security[J].Environmental Science，2004（2）：3236.（in Chinese）） DOI：10.3321/j.issn：02503301.2004.02.007.

[5]CHAPAGAIN A K，HOEKSTRA A Y.Water footprints of nations[R].Value of Water Research Report Series No.16，UNESCOIHE，Delft，the Netherlands，2004.

[6]龙爱华，徐中民，张志强.虚拟水理论方法与西北4省（区）虚拟水实证研究[J].地球科学进展，2004（4）：577584.（LONG A H，XU Z M，ZHANG Z Q.Theory and method of virtual water：a case study of northwest China[J].Advances in Earth Science，2004（4）：577584.（in Chinese）） DOI：10.3321/j.issn：10018166.2004.04.014.

[7]KAMPMAN D，HOEKSTRA A Y，KROL M.The water footprint of India[R].Value of Water Research Report Series No.32，UNESCOIHE，Delft，the Netherlands，2008.

[8][JP2]ALDAYA M M，ALLAN J A，HOEKSTRA A Y.Strategic importance of green water international trade[J].Ecological Economics，2010（69） ：887894.DOI：10.1016/j.ecolecon.2009.11.001.[JP]

[9]CHAPAGAIN A K，HOEKSTRA A Y.The blue，green and grey water footprint of rice from production and consumption perspectives[J].Ecological Economics，2011，70：749758.DOI：10.1016/j.ecolecon.2010.11.012.[ZK）]

[10]钟一丹.基于虚拟水理论的北京市水资源承载力分析[D].北京：中国水利水电科学研究院，2012.（ZHONG Y D.Analyzing the carrying capacity of water resources in Beijing based on virtual water theory[D].BeiJing：China Institute of Water Resources and Hydropower Research，2012.（in Chinese））

[11]李红颖，秦丽杰，杨婷.吉林省水稻生产水足迹时空分异研究[J].[JP2]华北水利水电大学学报（自然科学版）， 2018，39（2）：3239.（LI H Y，QIN L，YING T.Spatiotemporal differentiation of water footprint of rice production in Jilin province[J].Journal of North China University of Water Resources and Electric Power （Natural Science edition），[JP]2018，39（2）：3239.（in Chinese））

[12]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）：142148.（SUN S K，WANG Y B，WU P T，et al.Spatial variability and attribution analysis of water footprint of wheat in China[J].Transactions of the Chinese Society of Agricultural Engineering，2015，31（13）：142148.（in Chinese）） DOI：10.11975/j.issn.10026819.2015.13.020.

[13]孫才志，张灿灿.中国人均水足迹驱动效应分解与空间聚类分析[J].华北水利水电大学学报（自然科学版），2018，39（2）：111.（SUN C Z，ZHANG C C.Study on drive effect decomposition and spatial clustering analysis of China′s per capita water footprint.[J].Journal of North China University of Water Resources and Electric Power（natural science edition），2018，39（2）：111.（in Chinese））

[14]赵勇，翟家齐.京津冀水资源安全保障技术研发集成与示范应用[J].中国环境管理，2017， 9（4）：113114.（ZHAO Y，ZHAI J Q.Research and development integration and demonstration application of BeijingTianjin Hebei water resources security assurance technology[J].Chinese Journal of Environmental Management，2017，9（4）：113114.（in Chinese）） DOI：10.16868/j.cnki.16746252.2017.04.113.

[15]河北省人民政府办公厅；河北省统计局.河北农村统计年鉴[JP2]20002015[M].北京：中国统计出版社，20012016.（General office of Hebei Provincial People′s Government； Statistical Bureau of Hebei Province.Hebei Rural Statistical Yearbook 20002015[M].Beijing：China Statistics Press，[JP]20012016.（in Chinese））

[16]中华人民共和国国家统计局.中国统计年鉴20002015[M].北京：中国统计出版社，20012016.（National Bureau of Statistics of the People′s Republic of China.China Statistical Yearbook 20002015[M].Beijing：China Statistics Press，20012016.（in Chinese））

[17]段爱旺.北方地区主要農作物灌溉用水定额[M].北京：中国农业科学技术出版社，2004.（DUAN A W.Irrigation water quota of main crops in northern China[M].Beijing：China Agricultural Science and Technology Press，2004.（in Chinese））

[18]MATTHEW EGAN.The water footprint assessment manual.setting the global standard[J].Social & Environmental Accountability Journal，2011，31（2）：181182.DOI：10.1080/0969160X.2011.593864.

[19]DLL P，SIEBERT S.Global modeling of irrigation water requirements[J].Water Resources Research，2002，38（4）：81810.DOI：10.1029/2001WR000355.

[20]徐鹏程，张兴奇.江苏省主要农作物的生产水足迹研究[J].水资源与水工程学报，2016，27（1）：232237.（XU P C，ZHANG X Q.Study on water footprint of main crops in Jiangsu province[J].Journal of Water Resources and Water Engineering，2016，27（1）：232237.（in Chinese）） DOI：10.11705/j.issn.1672643X.2016.01.43.

[21][JP2]赵荣芳，陈新平，张福锁，等.华北地区冬小麦夏玉米轮作体系的氮素循环与平衡[J].土壤学报，2009，46（4）：684697.（ZHAO R F，CHEN X P，ZHANG F S，et al.Circulation and balance of nitrogen in winter wheatsummer maize rotation system in north China[J].Acta Soil Science Sinica，2009，46 （4）：684697.（in Chinese）） DOI：10.3321/j.issn：05643929.2009.04.017.[JP]

[22]张宇，李云开，欧阳志云.华北平原冬小麦夏玉米生产灰水足迹及其县域尺度变化特征[J].生态学报，2015，35（20）：66476654.（ZHANG Y，LI Y K，OUYANG Z Y.Characteristics of gray water footprint of winter wheatsummer maize production and its scattering in county scale in North China Plain[J].Acta Ecologica Sinica，2015，35 （20）：66476654.（in Chinese）） DOI：10.5846/stxb201405211051.

[23]徐秋艳，毛军，朱辉.SPSS统计分析方法及应用实验教程[M].北京：中国水利水电出版社，2011.（X Q Y，MAO J，ZHU H.SPSS statistical analysis methods and application of experimental tutorial[M].Beijing：China Water Resources and Hydropower Press，2011.（in Chinese））

[24]黄会平，曹明明，宋进喜，等.19572012年中国参考作物蒸散量时空变化及其影响因子分析[J].自然资源学报，2015，30[JP2]（2）：315326.（HUANG H P，CAO M M，SONG J X，et al.Spatiotemporal variations and influencing factors of reference evapotranspiration in China from 1957 to 2012[J].Chinese Journal of Natural Resources，[JP]2015，30 （2）：315326.（in Chinese））

[25]王景雷，孙景生，宋妮，等.基于GIS和PCA的冬小麦需水量影响因子分析[J].武汉大学学报（工学版），2009， 42（5）：640643.（WANG J L，SUN J S，SONG N，et al.Analysis of influence factors of winter wheat water demand based on GIS and PCA[J].Journal of Wuhan University （Engineering Science），2009，42 （5）：640643.（in Chinese））