赵明宇， 贾浩， 石晓宇， 潘义， 黄妤韵， 王凯澄， 褚庆全*

（1.中国农业大学农学院，北京 100193； 2.中国农业博物馆，北京 100026）

水资源是人类赖以生存的物质基础，已成为经济社会发展的重要影响因素[1]。我国水资源短缺，参考2019 年《中国水资源公报》数据可知，我国人均水资源占有量仅为2 074 m3，约为全球人均占有量的25.0%。其中，我国农业生产所消耗的水资源高达3 682.3 亿m3，占全国用水总量的61.2%[2]。农业消耗了大量水资源，同时也会造成农田面源污染，降低了水资源质量[3]。因此，如何减少农业生产的用水消耗和污染，是农业可持续发展的重要研究内容，而评价和量化作物生产中水资源的使用，对探讨农业水资源的高效利用具有重要意义[4]。

水足迹（water footprint）最早由荷兰学者Hoekstra 提出，其基于对生产耗水量与生产过程中对水资源的影响进行统一系数核算，为消费者或生产者与所占用水资源的关系提供了综合评价指标，量化了人类对水的占用与对水环境的压力[5]。Hoekstra 等[6]指出，依照发生地点能够划分为蓝、绿、灰水3 种水足迹。作物蓝水足迹指区域内江、河、湖泊及土壤含水层中的地表水与地下水，以灌溉水的形式被作物生长消耗的水足迹量；作物绿水足迹指区域内来自降雨而存储于土壤非饱和含水层中通过蒸发扩散的方式被作物利用的水足迹量；在蓝、绿水足迹的基础上，为了衡量作物生产对环境的影响，提出了灰水足迹的概念，即指用于降低作物种植过程中出现的农业废弃污染物浓度，以达到可以接受的最高浓度的水资源总需求量[6]。随着理论与方法的进一步发展与成熟，水足迹在作物生产评价中被广泛应用。从研究尺度来看，现已有全球尺度[7-8]、国家尺度[9]、流域尺度[10]和灌区尺度[11]的作物水足迹研究，而进一步细分到县域尺度的作物水足迹研究较少。

小麦作为我国主要粮食作物之一，生产历史久远，种植规模大、分布广。研究小麦水足迹的空间分布与变化特征对保障我国粮食安全和水资源的可持续利用具有重要意义。国内现有的小麦水足迹研究更多地倾向于计算分析小麦的水足迹以及组成，探讨小麦水足迹的构成因素与贡献程度，如卓拉等[12]量化了黄河流域小麦的蓝、绿水足迹，分析了不同灌溉方式对水足迹总量的影响；冯东溥等[13]对宝鸡灌区中小麦水足迹进行了归因分析，发现水足迹变化的主要影响因子是人类活动；盖力强等[14]通过计算华北平原小麦水足迹的总量与构成，认为绿水在该区域小麦生产中占有重要地位。然而，目前研究较少涉及小麦灰水足迹的量化，更缺乏对小麦水足迹重心迁移情况、冷热点空间分布特征的探讨。

黄淮海农作区的小麦产量占全国小麦总产量的76.0%，但单位面积平均水资源占有量仅为全国平均水平的29.0%[15]。该区其既是我国最主要的冬小麦产区，同时也是水资源最为短缺的地区，随着作物种植规模的逐年扩大，水资源与农业生产的矛盾日益尖锐[16]。科学分析该区域的作物水足迹，特别是种植规模较大、消耗地下水资源较多的冬小麦水足迹，可以更准确地指导该区域的合理用水，平衡作物生产与资源生态环境保护之间的关系。因此，本研究基于水足迹理论，从县域尺度上分析1985—2015 年黄淮海农作区冬小麦生产蓝、绿、灰水足迹，并重点分析冬小麦水足迹的重心迁移与冷热点空间分布特征，以期为该区域冬小麦节水生产和水资源高效利用与管理提供科学依据。

1 材料与方法

1.1 研究区概况

根据地域特点和农作制类型的差异，刘巽浩等[17]划定了黄淮海农作区的概念。黄淮海农作区包括北京市、天津市、河北省和山东省等区域的360 个县，属于温带大陆性季风气候区（34°9′—34°44′N, 106°51′—108°48′E），雨热同季。夏季气候温暖潮湿，冬季寒冷干燥。全区大部分区域年平均气温为10～15 ℃，≥10 ℃积温为3 900~4 700 ℃。年平均降水量为600 mm 左右，其中，黄河以北地区年降水量为400～600 mm；淮河流域为700～1 000 mm。黄淮海农作区以一年两熟制为主，北部冷凉地区一年一熟，南北过渡地带两年三熟，因此刘巽浩等[17]将黄淮海平原半湿润暖温灌溉集约农作区划分为7个亚区，如表1和图1所示。

图1 黄淮海农作区亚区分区Fig. 1 Distribution of Huang-Huai-Hai farming region and sub-zones

表1 黄淮海农作区亚区地形气候特征［17］Table 1 Topographic and climatic characteristics of sub-regions in Huang-Huai-Hai farming region ［17］

1.2 数据来源

本文采用的气象数据来自国家气象科学数据中心（https://data.cma.cn/）的“中国地面气候资料数据集”。选择黄淮海农作区及陆上临近的100 km范围内（除海岛和高山气象站）的145 个基准气象站1986—2016 年的逐日气象数据，选取平均风速（m·s-1）、日照时数（h）、最高气温（℃）、最低气温（℃）、平均气温（℃）、降水量（mm）等气象指标。参照相关气象标准进行缺测数据处理[18]、数据界限值检查和一致性检验[19]。本文使用的县级统计数据来自中国农业科学院农业信息研究所编著的《中国县市农业统计资料》[20]，包括冬小麦的播种面积、总产量和单位面积产量等生产数据；肥料数据选自于《全国农产品成本收益资料汇编》[21-22]。黄淮海农作区农田面源污染状况来自第1 次全国污染源普查数据，本区域化学污染物在地表水以及地下水中的淋失率来自《全国农田面源污染排放系数手册》[23]。

1.3 研究方法

1.3.1水足迹 作物水足迹（ (water footprint，WF，m3）为蓝水足迹（blue water footprint，BWF，m3）、绿水足迹（green water footprint，GWF，m3）与灰水足迹（grey water footprint，EWF，m3）之和。计算公式如下。

作物蓝水足迹和绿水足迹为在最优灌溉条件下，作物单位面积蓝水消耗量和绿水消耗量与农作物种植面积的乘积，计算公式如下。

式中，BW 为作物单位面积蓝水消耗量（m3·hm-2）；GW 为单位面积作物绿水消耗量（m3·hm-2）；A为作物播种面积（hm2）。

式中，ETc为作物蒸散量（mm）；Pe为作物生育期有效降水量（mm）；常量因子10 为将该作物需水量的水深表征形式（mm）转化为单位陆地面积水量（m3·hm-2）的转化系数。

式中，Kc为作物系数，本研究采用FAO-56 系数；ET0为参考作物蒸散量，基于彭曼公式，由下式计算得出。

式中，Rn为冠层表面净辐射（MJ·m-2·d-1）；G为土壤热通量（MJ·m-2·d-1）；γ 为湿度计常数（kPa·℃-1）；T为均温（℃）；U2为2 m 高处的风速（m·s-1）；Es为饱和水汽压（kPa）；Ea为实际水汽压（kPa）；∆为饱和水汽压-气温关系曲线在T处的切线斜率（kPa·℃-1）。

作物生育期有效降水量是作物生育期中每旬有效降水量的加和。依照美国农业部推荐的方法，旬有效降水量Pe(doc)计算方法如下。

式中，P为作物生育期旬降水量（mm）。

作物灰水足迹（EWF）是作物地表灰水足迹（EWFg_surface，m3）与区域作物地下灰水足迹（EWFg_ground，m3）的加和（m3），计算均采用临界稀释体积法，公式如下。

式中，EWFgi为区域内第i种污染物的灰水足迹（m3）；αi为i污染物的淋失率；ARi为地理区域内i污染物的总投入量（kg）；Cmaxi为i污染物的最大容许质量浓度（kg·m-3），本研究中Cmaxi等于3.1 mg·m-3；Cnati为i污染物的自然质量浓度（kg·m-3），Cnati为1.5 kg·m-3[24]。

1.3.2重心迁移 重心在地理学中表示为区域要素在空间上的平衡点，重心迁移是研究区域要素空间分布常用的方法，旨在反映要素年际间的空间变化趋势。本研究重点关注空间上独立分布的离散矢量数据要素在不同权重下的重心与移动轨迹，采用重心模型法[25]对冬小麦1985、1995、2005、2015 共4 个年份的水足迹总量进行重心轨迹描述，计算方法如下。

式中，xj与yj为作物水足迹总量的重心P(xj,yj)第j年的地理坐标。xj为第j年重心P 的经度；yj为第j年重心P 的纬度，Qij为计算重心的权重，即第i个县区第j年的WFPWFN值。xk+m和xk分别表示重心P 在第k+m年和第k年的经度位置，yk+m和yk分别表示重心P 在第k+m年和第k年的纬度位置。综合重心P的位置和移动距离dm可得水足迹总量在不同年份之间的重心迁移轨迹。

1.3.3冷热点分析 冷热点的识别主要用于解析冬小麦水足迹在空间上的集聚、分散情况。本研究引入算法来识别黄淮海农作区中冬小麦水足迹冷热点存在的不同位置。Getis-统计算法[26-27]用来判断空间上是否有高值或低值的集聚，即统计识别具有统计显著性的热点和冷点，计算方法如下。

式中，xj为要素j的属性值；wi,j为要素i和j之间的空间权重；n为要素的总数，即当年研究区域县级行政单位的个数。

2 结果与分析

2.1 冬小麦水足迹分布及其变化

2015年冬小麦水足迹总量为1 168.54×108m3，在空间上呈现南部区域高于北部区域的特征。在所有的亚区中，2.5 亚区的水足迹占比最大，占全农作区的40.5%。冬小麦的蓝水足迹呈现北高南低的空间分布格局；而绿水足迹和灰水足迹则相反，呈现南高北低的分布特征（图2A~C）。从冬小麦蓝水足迹的空间分布来看，2.7亚区北部的蓝水足迹较小；2.5 亚区和2.3 亚区的蓝水足迹所占比重较大，分别占全农作区的32.9%和23.1%。从冬小麦绿水足迹的空间分布来看，2.5亚区的绿水足迹所占比重最大，占全农作区的50.9%。冬小麦灰水足迹的空间分布与绿水足迹相似，其中2.5亚区所占比重最大，占全农作区的41.0%（表2）。

图2 冬小麦蓝、绿、灰水足迹2015年总量与1985—2015年变化量Fig. 2 Total amount in 2015 and variation from 1985 to 2015 of blue， green and gray water footprints of winter wheat

表2 2015年黄淮海农作区各亚区蓝、绿、灰水足迹量Table 2 Blue， green and gray water footprints of sub-regions in Huang-Huai-Hai farming region in 2015

1985—2015年间，黄淮海农作区冬小麦的蓝、绿、灰水足迹呈现北部降低、南部升高的变化趋势（图2D~F）。1985—2015年间，黄淮海农作区冬小麦的水足迹从754.67×108m3增加到1 168.54×108m3，增加了54.8%。从水足迹的组成变化看，冬小麦蓝水和绿水足迹变化较小，而灰水足迹的占比增加。其中蓝水足迹从397.06×108m3减少至395.33×108m3；绿水足迹从246.76×108m3增加至263.84×108m3；与蓝水足迹和绿水足迹不同，全区冬小麦灰水足迹明显增加，从1985 年的110.85×108m3增加至2015 年的509.37×108m3，增加了3.6倍。从空间分布的变化趋势看，蓝水足迹和绿水足迹的空间分布相似，均表现为2.5 亚区和2.3亚区呈升高趋势，其余亚区降低。此外，除了北部的部分地区外，大部分区域的灰水足迹均明显升高，其中2.7 亚区的增幅最大，近30 年来灰水足迹增加了约7.3倍。

2.2 冬小麦水足迹的重心迁移

1985—2015 年间，黄淮海农作区冬小麦的水足迹重心均位于2.3 亚区和2.5 亚区交界的位置，接近区域的几何中心，并沿正西→西南→东南的路径移动。1985 年，冬小麦水足迹总量重心位于2.5 亚区的甄诚县境内；1985—1995 年，重心向正西平移了3.68 km；1995—2005 年，重心向西南移动了29.31 km；2005—2015年，重心向东南移动了7.32 km，进入牡丹区北部。其中，1995—2005 年的迁移跨度最大。从整体来看，冬小麦水足迹的重心表现为向西南方向移动的趋势，但每个阶段的移动距离较小，均小于50 km，表明冬小麦水足迹总量在时间上变化较小，呈现较为稳定的分布特征（图3）。

图3 2015年冬小麦水足迹总量与 1985—2015 年重心迁移Fig. 3 Total amount in 2015 and the migration of gravity center from 1985 to 2015 of water footprint for winter wheat

2.3 冬小麦水足迹冷热点的变化

冬小麦水足迹在全局和局部均呈现空间集聚趋势（图4）。1985年，冬小麦水足迹总量的热点区域主要位于2.5亚区，在山东半岛北部即莱州湾附近也有少量分布；冷点区域主要位于2.7亚区和2.1亚区北部，2.2亚区的中部和南部也有零星分布（图4A）。2015年，冬小麦水足迹总量的热点区域主要位于2.5亚区。1985—2015年，热点区域呈现小幅度西移北扩趋势，山东半岛热点消失；2.2亚区的冷点区域明显扩大（图4B）。整体而言，冬小麦水足迹的热点区域在2.5 亚区扩大，冷点区域在2.2 亚区扩大，其空间集聚趋势都明显增加。

图4 1985—2015年黄淮海农作区冬小麦水足迹冷热点变化情况Fig. 4 Changes of cold and hot spots of water footprint for winter wheat in Huang-Huai-Hai farming region from 1985 to 2015

3 讨论

3.1 黄淮海地区冬小麦蓝水足迹变化原因

蓝水足迹体现了作物生产对灌溉水资源的消耗。从自然降水量来看，黄淮海农作区南部冬小麦生育期水分亏缺在100 mm以下，对灌溉水需求较北部地区少；同时，北部地区水资源亏缺严重，亏缺量为150~250 mm，部分地区亏缺量达到250 mm以上[28]，对灌溉水需求较大；因此黄淮海农作区蓝水足迹呈现北高南低的分布格局。随着冬小麦生产逐渐向水热条件良好的南部平原区集中，南部地区冬小麦种植面积不断扩大[29]，蓝水足迹呈现北部降低、南部升高的变化趋势。2.5 亚区和2.3亚区的蓝水足迹比重较大，且呈增加趋势，因而这2 个亚区是削减蓝水足迹的重点区域。此外，灌溉水需求量的增加导致地下水位下降、土壤质量退化等严重问题[30]。随着这2 个亚区地表水短缺等问题进一步显现，实行合理的耕作措施、完善配套灌溉系统、提高灌溉效率等相关政策与措施亟待研究与实施。

3.2 黄淮海地区冬小麦绿水足迹变化原因

绿水足迹一般指作物生产中消耗的有效降水。研究表明，绿水足迹的规模与作物生育期降水量密切相关[31]。黄淮海农作区南部降水资源丰沛，因此绿水足迹在全农作区中呈现南高北低的分布格局。其中位于黄淮海农作区南部的2.5 亚区与位于中部的2.3 亚区的绿水足迹总量最高。在冬小麦的水足迹构成中，相较于蓝水足迹，绿水的应用成本更低，对环境造成的负面影响更小。近年来，绿水资源的利用得到越来越多的重视与关注[32-33]。在水资源严重不足的黄淮海农作区，可以通过优化播期等栽培技术，增加绿水资源的利用效率，以达到代替蓝水消耗的效果，从而保障作物的高产和稳产[34]。

3.3 黄淮海地区冬小麦灰水足迹变化原因

灰水足迹一般指消除作物生产过程中产生的污染物所消耗的水。本研究表明，黄淮海农作区冬小麦灰水足迹整体明显升高，增加了3.6倍。这与该区域内冬小麦种植面积的增加及化肥和农药的大规模施用关系密切。近30 年来，黄淮海农作区冬小麦的生产集中度增加了11.2%[35]，全国冬小麦生产进一步向该区域集中；同时，该区域冬小麦生产中施肥量增加了1.3倍[36]；因此，生产的集中和施肥量的增加使黄淮海农作区冬小麦的灰水足迹进一步加大。适度施用农药和化肥可以提高作物产量，但过量施用会造成水土污染、农产品品质降低等问题[37-38]。因此，在控制农业耗水量的同时，也要控制化肥农药施用量，以减少农业造成的水资源污染，提高有限的水资源质量与利用效率[39]。

3.4 黄淮海地区冬小麦水足迹重心迁移的原因

冬小麦水足迹重心迁移是区域内冬小麦种植格局变化和水足迹空间变化共同作用的结果。本研究发现，近30 年间，黄淮海农作区的冬小麦水足迹重心向西南方向迁移，但迁移幅度较小。由于黄淮海农作区南部充足的光热资源更适合冬小麦生产[40]，导致冬小麦种植区域整体向南集聚。但在气候变暖背景下，区域内≥10℃积温增加，适合冬小麦生长的最低温度界限带向北移动[41]，因此冬小麦生产规模在北部地区也有一定程度扩大，这抵消了南部地区冬小麦种植面积的绝对增长，使得总水足迹的变化相对平稳。

3.5 黄淮海地区冬小麦水足迹冷热点变化的原因

冷热点的分布特征呈现了冬小麦水足迹在空间上的集聚、分散情况。冬小麦水足迹的热点区域主要位于2.5亚区。该亚区内气候条件适宜，适合冬小麦生长，因此，冬小麦种植集中，水足迹高且集聚性明显，是冬小麦的主要生产区。冬小麦水足迹的冷点区域主要位于2.2亚区，同时呈现不断扩大的趋势。这是因为该亚区光热水资源不足，无法为作物提供最适的生长环境[42]，具体表现为冬小麦水足迹总量小，空间集聚性较差，是冬小麦的非主产区。

综合来看，热点区域是高值聚集区域，在实际农业生产中是作物种植最为集中的传统主产区，也是削减水足迹潜力最大的区域，应为重点关注的研究对象。水足迹总量的削减是热点区域水足迹优化的主要目标，在综合考虑水资源承载能力、稳定重点优势区及保障本地区粮食生产安全的前提下，应合理调减高耗水作物的生产。冷点区域是水足迹总量空间集聚趋势较差的区域，一般是作物种植的非主产区，因而削减水足迹的潜力较小。水足迹效益的提升是冷点区域水足迹优化的主要目标，即在保障区域粮食生产水平的前提下，合理调减非优势作物的生产，提高整体的水资源利用效益。对于非冷热点区域，削减水足迹的方向较为灵活。在综合考量当地作物生产和水资源压力后，从总量、效益两方面对水足迹进行权衡，是非冷热点区域水足迹优化的主要目标。