湖南省灰水足迹变化特征及其驱动因子分析

贺志文，向平安

(1.湖南农业大学洞庭湖区农村生态系统健康湖南省重点实验室，长沙 410128 ；2.湖南农业大学商学院，长沙 410128)

0 引 言

人口压力和对物质财富需求的持续增加，不仅消耗越来越多的水资源，而且对水资源污染不断加重，致使清洁水资源越来越稀缺。2015年中国环境状况公报显示[1]，全国967个地表水水质监测点中，35.5%处于Ⅲ类水质以下，5 118个地下水水质监测点中，较差级和极差级的监测点占为61.3%。水资源匮乏和严重的水污染，已经成为人类社会永续发展的重大障碍。科学家们和公共部门正在积极探索减轻水资源压力的技术手段与管理措施[2]，有研究认为减少水污染是减轻水资源压力的重要途径[3]。若制定符合可持续发展要求的水资源管理制度，以实现减少水污染的目标，就必须客观核算水污染量，以反映水污染状况。2008年，Hoekstra和Chapagain提出“灰水足迹”概念，作为评价水污染状况的新指标。他们将其定义为“以自然本底浓度和水质标准为基础，稀释或容纳污染物达到特定水质标准所需淡水量”[4]。实践证明灰水足迹可以作为反映水质污染严重程度的评价指标[5]，为水资源利用的评价提供了新方法。国内外学者对灰水足迹的研究已取得较多的成果。Mekonnen[6]对全球氮灰水足迹的研究，Liu[7]和Chapagain[8]分别对全球玉米和大米灰水足迹的研究。孙克[9]、孙才志[10,11]、韩琴[12]等对中国31个省灰水足迹的计算及分布特征分析。张楠[13]等利用灰水足迹评价了河北省水资源利用状况，王丹阳[14]等以不同受纳水体的角度核算了湖南省灰水足迹，杨凡[15]等在对山东省灰水足迹计算的基础上分析了其空间分布特征。班荣舶[16]等对重庆种植业灰水足迹的计算认为水环境保护需要重视种植业的污染。Andreea[17]等以氮肥为基础对Prut-barlad流域内主要粮食灰水足迹的计算。付永虎[18]对洞庭湖区粮食生产的灰水足迹研究认为粮食生产对水环境的负面影响持续增强，张宇[19]对华北平原玉米和小麦的研究发现人口和粮食需求的增长灰水足迹上升的主要原因，曹连海[20]对内蒙古粮食生产的评价中认为新灌溉技术的利用是灰水足迹变化的主要原因。灰水足迹作为一种量化评价社会活动对水资源消耗的方法，不能有效反映水资源消耗的驱动力，其结果难以为企业和政府制定政策提供具体的指导意义，因此本文选取湖南省为研究案例，在量化灰水足迹基础上，采用STIRPAT模型分析灰水足迹驱动力，为制定水资源管理措施提供依据。

1 方法和数据来源

1.1 灰水足迹计算

灰水是在产品生产和使用过程中产生的污水。灰水足迹指稀释人类活动产生的污水达到一定标准水质所需要的水量，其计算公式如下：

(1)

式中：WFgrey表示灰水足迹值，m2/a；L表示某污染物排放量，kg/a；Cmax表示基于环境标准的某种污染物最大浓度，kg/m3；Cnat表示水体中该污染物的自然本底浓度，kg/m3，即无人为影响下水体中某种污染物的浓度。

由于排放到水体中的污染物种类繁多，稀释不同的污染物所需水量不同，且同一水体可同时稀释不同污染物，因此灰水足迹值由稀释水体中某种污染物所需水量最大的污染物决定。灰水足迹计算式可表示为：

WFgrey=MAX(WFgrey.1，WFgrey.2，…,WFgrey.i)

(2)

式中：WFgrey表示灰水足迹；i表示污染物种类；WFgrey.i表示第i种污染物的水足迹，选取水体中各污染物灰水足迹的最大值为该水体的灰水足迹。

1.2 农业灰水足迹

农业大致可分为种植业和养殖业，那么，农业灰水足迹可视为种植业灰水足迹和养殖业灰水足迹之和。

1.2.1 种植业灰水足迹

种植业生产一般需要施用农用化学品以保证其产量，然而，所施用的农用化学品并不会全部被吸收，大部分会在降水和灌溉等作用下污染下游水体和地下水。农用化学品污染量是其流失率与使用总量之积。由于农用化学品污染属于面污染源，其淋失率受污染物种类、土地类型、降水量、农作物类型等因素的影响，很难准确测算，某地区农用化学品的淋失率通常是估计值。种植业生产使用的农用化学品包括化肥、农药和农膜等，其中化肥使用量远大于其他化学品。化肥通常包括氮肥、磷肥和钾肥，氮肥是使用量最大的化肥种类，因此本文选取氮肥作为种植业污主要染物。其计算公式如下：

(3)

式中：WFgrey.plant表示种植业灰水足迹；α表示化肥淋失率；Appl表示化肥施用量；Cmax表示水体中污染物最大可容许浓度；Cnat表示水体中污染物的自然本底浓度。

1.2.2 养殖业灰水足迹

养殖业所产生的粪便和废水对周围水环境产生严重污染。借鉴李飞[21]等对畜禽养殖污染负荷的计算方法，本文选取猪、牛、羊和家禽的粪便作为养殖业污染源。根据粪便中所含污染物数量来计算养殖业灰水足迹，主要通过每年个体畜禽排泄粪便中污染物含量、粪便污染物进入水体流失率和养殖的数量来计算。畜禽的出栏量和存栏量相加会造成重复计算，因此对于饲养周期为365 d的牛羊采用年末存栏量，饲养周期小于365 d的猪和家禽采用年末出栏量。在畜禽粪便污染物中TN和COD含量较高，因此选用TN和COD两种污染物作为产生最大灰水足迹的污染物，而水可同时对氮和COD进行稀释，因此选用氮灰水足迹和COD灰水足迹作为养殖业灰水足迹。其计算公式如下：

WFgrey.live=MAX(WFgrey.live(TN)，WFgrey.live(COD))

(4)

(5)

式中：WFgrey.live表示养殖业灰水足迹；L分别表示粪便中进入水体的TN或COD总含量；Cmax分别表示水体中TN或COD的最大可容许浓度；Cnat分析表示水体中TN或COD的自然本底浓度。L=每年畜禽个体(头/只)排泄粪便中污染物含量×粪便污染物进入水体流失率×年末出栏量/年末存栏量。因种植业与养殖业同属面源污染，其吸纳污染物水体相同，因此需将相同污染物相加得出最大污染物足迹。

根据式(3)、(4)和(5)，总灰水足迹(WFgrey.agri)的计算式为如下式(6)：

WFgrey.agri=max(WFgrey.live(COD),(WFgrey.plant(TN)+

WFgrey.live(TN)))

(6)

式中：WFgrey.agri为农业灰水足迹。

1.3 工业灰水足迹和生活灰水足迹

工业在经济发展中扮演着重要角色，但工业快速发展同时引起了严重的环境污染[22]。与农业污染不同的是工业污染排放直接进入水体，属于点源污染。可选取氨氮或COD可作为工业灰水足迹的污染足迹[23]，选取其中最大者作为工业灰水足迹，如式(7)所示。工业灰水足迹计算如式(8)：

WFgrey.ind=MAX[WFgrey.ind(N)，WFgrey.ind(COD)]

(7)

(8)

式(8)中：L分别表示工业排放中氨氮和COD排放量；Cmax分别表示氨氮和COD在水体的最大可容许浓度；Cnat表示氨氮和COD在水体中的自然本底浓度，通过比较氨氮和COD两者的灰水足迹选取其中较大者作为工业灰水足迹值。

同理，生活灰水足迹(WFgrey.dom)可分为农村生活灰水足迹和城市生活灰水足迹，农村生活污染物排放属面源污染，数据获取困难，因此将城市生活灰水足迹作为区域生活灰水足迹，城市生活污染属于点源污染，可选取氨氮或COD作为生活灰水足迹的污染物[24]，其计算方法与工业灰水足迹相同。

1.4 区域灰水足迹

区域灰水足迹等于农业灰水足迹、工业灰水足迹和生活灰水足迹之和。区域灰水足迹其计算公式如下：

WFgrey.area=WFgrey.agri+WFgrey.ind+WFgrey.dom

(9)

式中：WFgrey.area表示某地区的灰水足迹。

1.5 灰水足迹强度

水足迹强度作为水资源利用效率指标，通常以每万元所消耗的水足迹来衡量[25]。灰水足迹强度(Grey Water Footprint Intensity)表示获得每万元GDP所产生的灰水足迹。灰水足迹强度越低，表示水资源利用效率越高。其计算公式如下：

(10)

式中：GWFI表示灰水足迹强度，m3/万元；GWF表示某区域的灰水足迹；GDP为该区域生产总值。

1.6 水污染程度

水污染程度(Water Pollution Level，WPL)表示某区域的水污染程度，即某区域的灰水足迹与该区域内年可用水资源总量的比值，其计算公式如下：

(11)

式中：WPL表示区域内水污染程度；R表示该区域内年可用水资源总量。当WPL值越大表明该地区的污染越严重。当WPL大于1，说明以该地区可用水资源总量无法稀释其所排放的污染物达到环境标准以内。

1.7 扩展STIRPAT模型

20世纪70年代Ehrlich等[26]首次提出IPAT模型，用以揭示在人口数量(P)、富裕程度(A)和技术水平(T)的综合影响下所产生的环境影响，但模型假设影响因素与环境影响存在线性关系限制了其应用范围。Dietz等[27]基于IPAT模型提出STIRPAT模型(Stochastic Impacts by Regression on Population，Affluence and Technology)。该模型可根据不同条件对模型驱动因子进行扩展，反映了驱动因素与环境影响之间的非线性关系，其公式如下：

I=aPbAcTde

(12)

式中：I为环境影响；a为该模型的常数项；b、c、d为P、A、T的指数项；e为该模型的误差项，STIRPAT模型在a=b=c=d=e=1时即为I=PAT模型。将式(12)两边转换为对数形式，其表示如下：

lnI=lna+bln(P)+cln(A)+dln(T)+lne

(13)

式中：lnI为因变量；lnP、lnA和lnT为自变量；lna为常数项；lne为误差项；b、c、d为P、A、T的影响系数，表示在其他因素不变的情况下P、A、T每变动1%对I产生b%、c%、d%的影响。

本文将STIRPAT模型中的环境影响视为灰水足迹，根据IPAT模型将影响因素归纳为人口数量、经济发展水平和技术水平三个因素，并在三个方面进行扩展。在参考已有文献资料的基础上，选取对灰水足迹影响较大的影响因子。

人口是社会活动和经济活动的主体，我国人口基数大且呈上升趋势，人口数量增加导致粮食的需求上升，在现阶段我国粮食产量对化肥的依赖性较强，化肥施用量和使用强度依然呈现增强趋势[28]，那么，人口增加引致粮食需求增加，进而导致化肥使用量增加。因此，人口数量是灰水足迹的重要驱动因素[29]。

由于现代化发展，城镇地区大量基础设施建设和产业结构调整将对环境产生影响[30]。同时由于城镇生活方式不同或消费水平高，城市人口比农村人口消费更多的服务和产品，产品和服务消费产生的灰水足迹是水足迹增加的重要原因[31,32]，导致城镇地区的灰水足迹往往高于农村地区，因此选取城镇化水平作为灰水足迹的驱动因子。

中国经济发展水平与发达国家相比存在很大差距，提高经济发展水平将是中长期的主要目标。人均GDP是经济发展水平的重要指标，高经济发展水平导致产品规模上升和消费使用增多，环境压力相应上升[33]，因此选取人均GDP为灰水足迹变化的驱动因子，检验经济发展与灰水足迹之间的关系。同时增加人均GDP的二次项，分析近年来经济发展与灰水足迹之间是否存在倒“U”型库兹涅兹曲线。

改革开放以来我国积极引进外资以促进经济发展和收入水平，是推动经济增长重要手段，湖南省近年来外商投资规模也呈现不断上升趋势，但研究显示外商直接投资与环境之间存在“污染天堂”和“污染光环”的相关关系[34,35]，探索外商直接投资对环境的影响对发展经济和保护环境具有双重作用。

地区产业结构从侧面反映出经济发展水平，调整产业结构是促进经济发展的重要手段，以技术为导向的高科技产业结构能使技术水平不断提高，技术水平上升可有效抑制环境污染[36]，产业结构调整带来技术水平提高能够使水资源得到高效利用减轻水资源压力[37]。产业结构调整主要体现在产业在国民经济中的比重，因此本文选取第二产业占比和第三产业占比作为影响灰水足迹的因子。

环境污染治理投资占比是产品清洁、高效生产和资源环境可持续发展的重要内容，污染治理投资增加将改善经济对环境产生负面效应。因此选取环境污染治理投资占比和灰水足迹强度作为灰水足迹变化的驱动因子。

构建灰水足迹与各驱动因子的多自变量非线性模型，求导后其公式为：

lnI=lna+b1ln(P)+b2ln(Ur)+c1ln(A)+

c2ln2(A)+c3ln(FDI)+d1ln(Ind2)+d2ln(Ind3)+

d3ln(In)+d4ln(E)+lne

(14)

式中：I表示灰水足迹，亿m3；P表示人口数量，万人；Ur表示城镇化水平，%；A表示人均GDP，元/人；FDI表示外商直接投资，美元；Ind2表示第二产业占GDP比重，%；Ind3表示第三产业占GDP比重，%；In表示环境投资占GDP比重，%；E表示灰水足迹强度，m3/万元；b1、b2、c1、c2、c3、d1、d2、d3、d4分别为驱动因子的影响系数。对式中人均GDP的二次项c1ln(A)+c2ln2(A)进行一阶偏导可得到近年来经济发展对灰水足迹的弹性函数Eln(A)=c1+2c2ln(A)，如果c2<0则代表存在倒“U”型库兹涅兹曲线。

1.8 数据来源

计算所需的湖南省氮肥施用量、畜禽存栏量及出栏量来自2002-2016年《中国农村统计年鉴》，每年个体畜禽排泄粪便中污染物含量和粪便污染物进入水体流失率来自《全国规模化畜禽养殖业污染情况调查及防治对策》[38]，该数据被畜禽养殖污染研究者所认可和采用[39]，并被应用于具体区域内的研究[40]。王丹阳在研究湖南地区的氮肥淋失率18%[14]，与李高明[41]对湖南农业面源污染中氮肥流失率基本一致，基本符合湖南省种植业氮肥淋失率现状，故本文在计算种植业灰水足迹时采用这一评价结果。湖南省工业和生活排放的氨氮和COD及水资源总量数据来自2004-2016年的《中国环境统计年鉴》和2002-2003的《中国环境年鉴》。水体中污染物浓度标准采用《地表水环境质量标准》(GB3838-2002)中Ⅲ类水质标准，该标准划定Ⅲ类水质为满足生活饮用水的最低要求，其中对COD的浓度标准为20mg/L，对氮的浓度标准采用硝酸盐(以N计)的浓度标准10 mg/L，污染物的自然本底浓度设为0，经济数据来自2002-2016年的《湖南省统计年鉴》。

2 结果与分析

2.1 湖南省灰水足迹分析

2.1.1 湖南省灰水足迹变化

自2001年到2015年，灰水足迹由2001年的690.747 亿m3到2015年的671.946 亿m3，总趋势下降了18.801 亿m3，其变化如图1所示。其中，2001-2006年处于递增趋势，由690.747 亿m3到835.119 亿m3，增幅达20.9%，并且在2006年达到最大值，2006-2015年则处于下降趋势。15年间湖南省平均灰水足迹为743.367 亿m3，人均灰水足迹变化与灰水足迹变化趋势一致，呈先升后降的趋势，平均每年人均灰水足迹为1 078.4 m3。从灰水足迹变化来看，前期注重经济增长而忽视环境问题，导致2001-2006年灰水足迹上升；后来随着社会生活水平提高，居民对环境的关切和要求提上升，以及政府的环境政策、环境污染治理投资增加和生产技术水平提高也是导致污染排放减少的重要原因[42]。

图1 2001-2015年湖南省灰水足迹变化Fig.1 Variations of grey water footprint of Hunan province during 2001-2015

从灰水足迹构成来看，2001年农业、生活和工业灰水足迹占比分别为49%、28%和23%，到2015年农业、工业和生活占比分别为51%、40%和9%(见图2)。农业灰水足迹始终最大，并呈现上升-下降-上升特征。养殖业灰水足迹在2007-2012年5年间低于种植业灰水足迹，其他时间段内都略高于种植业灰水足迹，这可能由于在湖南省养殖业已成为农业的重要组成部分，居民膳食习惯中对肉类的需求增加，因此，控制养殖业所产生的灰水足迹是减少农业灰水足迹的重要途径。种植业因化肥使用量先增加后下降，使得灰水足迹也呈同样变化。生活灰水足迹次之，上升之后再呈下降趋势，其占比逐年上升，表明随着经济发展，生活水平提高，消费增加使灰水足迹上升；后期可能由于对环保意识的提升，污染物处理技术和污染物治理投资水平增加，生活灰水足迹得到减少。工业灰水足迹最小，并且工业占比逐年降低，到2015年只占总灰水足迹的9%，相比2001年减少12%。其原因可能是由于技术水平提高，粗放型生产方式得到转变，工业污染物排放减少。

图2 2001-2015年湖南省灰水足迹结构Fig.2 Structure of grey water footprint of Hunan province during 2001-2015

2.1.2 灰水足迹强度和水污染水平

2001-2015年湖南省灰水足迹强度处于下降趋势，由2001年的1 802 m3/万元下降到2015年的232 m3/万元，相比2001年降低了777%(见图3)。其主要原因一是因为环境标准提高、产品生产技术水平不断提高、资源利用效率提高、污染物排放降低使灰水足迹强度不断下降，二是工业灰水足迹的快速降低，而工业产值远高于农业产值，因此灰水足迹强度的快速下降主要在于工业灰水足迹强度降低，农业灰水足迹强度由于农业产值较低且灰水足迹较大，导致农业灰水足迹强度降低缓慢。2011年之后灰水足迹强度下降速度变缓，则是因为工业污染物排放减少放缓，以及农业污染和生活污染并未出现明显降低。

图3 2001-2015年湖南省灰水足迹强度变化Fig.3 Variations of grey water footprint intensity of Hunan province during 2001-2015

2001-2015年湖南省水污染水平始终处于1以下(图4)，其最大值是2011年的0.62，最小值是2015的0.35，原因可能是因2011年水资源总量较常年少，而2015年水资源总量较多造成。虽然总体污染水平处于1以下，但如果考虑蓝水足迹、绿水足迹和灰水足迹在内的总体水足迹，仍将对湖南省水资源造成较大压力，而且不可忽视水资源因时空分配不均而导致某个地区或时间段水质污染水平高的变化。

图4 2001-2015年湖南省水污染水平Fig.4 Water pollution level of Hunan province during 2001-2015

2.2 灰水足迹驱动因子分析

2.2.1 OLS回归分析

首先对数据进行标准化处理，并将人口、城镇化水平、人均GDP、人均GDP二次方、FDI、第二产业占比、第三产业占比、灰水足迹强度和环境污染治理投资占比分别用X1、X2、X3、X4、X5、X6、X7、X8和X9表示，灰水足迹用Y表示，如表1所示。利用计量软件SPSS 22对方程进行OLS回归，虽然得出其R2=0.991，具有较好的拟合优度，但在表2的系数表中观察VIF值发现除X9小于10之外其他自变量都比较大，一般认为VIF>10则存在多重共线性问题，因此认为变量间存在严重多重共线性问题。

表1 变量描述Tab.1 Variable descriptions

表2 最小二乘法回归系数Tab.2 OLS Regression coefficients

2.2.2 岭回归分析

为了处理变量间的共线性问题，采用岭回归方法消除变量间的共线性问题。岭回归是一种专用于分析共线性问题的有偏估计回归方法，以损失部分信息降低精度，放弃最小二乘法的无偏性，观察模型拟合的岭迹图，在其平稳时通过K的取值得到更符合实际的回归系数[43]。利用计量软件SPSS 22对变量进行岭回归，以步长0.02得到岭迹图(图5)，观察岭迹图运行轨迹认为在K=0.04时模型进入平稳状态，得到回归模型R方为0.893，回归结果如表3所示。

从表3中可看到模型变量中X3、X4在1%的水平下显著，X2、X7、X8在5%的水平下显著，X5和X6在10%的水平下显著，X1和X9远远大于10%的显著水平，因此删除变量X1和X9再次回归，以步长0.02得到岭迹图(图6)，发现删除变量后岭迹图显得更加稳定，在K=0.02时便进入平稳状态，当K=0.02时回归模型R方为0.91，Sig值为0.003 342 04，模型具有较好的解释水平和显著水平，结果如表4所示。从表4中可看到X6处于10%的显著水平，X5处于5%的显著水平，X2、X3、X4、X7和X8处于1%的显著水平，各变量通过显著性检验，因此，岭回归方程为：0.650 5X6+0.654 3X7-0.589 2X8

图5 岭迹图Fig.5 Ridge trace

表3 岭回归系数表Tab.3 Ridge Regression coefficients

图6 岭迹图Fig.6 Ridge trace

Y=0.799 6X2-0.814 8X3-0.998 2X4-0.511 5X5+

2.2.3 回归结果分析

从回归方程可以看出，城镇化水平、第二产业占比和第三产业占比对灰水足迹具有促进作用，其每增加1%都会促使灰水足迹增加0.799 6%、0.650 5%和0.654 3%，人均GDP、FDI和灰水足迹强度对灰水足迹具有抑制作用，其每增加1%都会促使灰水足迹减少0.814 8%、0.511 5%和0.589 2%。对灰水足迹增加作用最强的是城镇化水平，对灰水足迹减缓作用最强的是人均GDP，灰水足迹强度次之，最小是FDI。中国近年来城镇化水平不断上升[44]，使用的产品和服务数量将继续增加，城市建设扩张和人口增加使水资源消耗及污染排放上升，使得城镇化水平与灰水足迹呈正相关关系。产业结构中第二产业占比和第三产业占比对灰水足迹的影响系数为0.650 5和0.654 3，其原因可能受到经济规模、产业结构和空间效应的影响[45,46,47]。湖南省尚处于经济快速发展阶段，经济规模增加的同时带来污染量的增加。第二、三产业结构中的重工业和低端服务业贡献于环境污染[48]，需要从技术水平和资源利用效率方面调整产业结构[49,50]。产业结构对环境的作用存在空间差异，东部地区产业结构升级对环境净化作用明显[51,52]，但东部污染产业向中部地区转移加重了包括湖南在内的中部地区的环境污染[53]。 人均GDP的影响系数为-0.814 8，表明随着经济条件改善，社会公众对环境的要求和意识提高，经济与环境协调发展成为经济发展方向。灰水足迹强度与灰水足迹呈负相关，灰水足迹强度是源利用效率指标，表明近年湖南省资源利用效率得到提高，生产过程中污染物排放减少。从灰水足迹结构可见，资源利用效率提高主要发生在工业部门，农业部门灰水足迹变化幅度小，表明农业资源利用效率提高缓慢，降低农业灰水足迹强度可有效减少总灰水足迹。

表4 岭回归系数表Tab.4 Ridge Regression coefficients

从人均GDP的二次方影响系数得出环境库兹涅兹曲线(图7)，可以看出近年来经济发展和灰水足迹之间存在倒“U”型环境库兹涅兹曲线，即随着经济发展水平提高出现环境状况逐渐改善。外商直接投资对灰水足迹的影响系数为-0.511 5。从结果来看FDI与灰水足迹之间并不存在“污染天堂”的假说。FDI增加抑制灰水足迹上升，表明外商直接投资使生产活动的技术水平和管理水平提升，降低了污染水平。

图7 灰水足迹“环境库兹涅茨曲线”Fig.7 Environmental Kuznets curve of grey water footprint

3 结 论

2001-2015年湖南省灰水足迹由690.747 亿m3增加到835.119 亿m3，然后下降到671.946 亿m3，表明湖南省水污染情况趋于改善。农业污染是湖南的最大污染源，生活污染其次，并呈上升趋势，工业污染已得到有效控制。养殖业污染是农业污染的主要污染源。

2001-2015年湖南省灰水足迹强度由1 802 m3/万元下降到232 m3/万元，15年间灰水足迹强度始终位于1以下。灰水足迹强度降低主要表现在工业部门，减少农业部门污染物排放是进一步提高水资源利用效率的重要手段。

城镇化水平、人均GDP、外商直接投资、第二产业占比、第三产业占比和灰水足迹强度是湖南灰水足迹的驱动因子，其中城镇化发展是灰水足迹增加的主要驱动力。经济发展与灰水足迹之间存在倒“U”型环境库兹涅兹曲线，并不存在“污染天堂”现象。

由于部分数据难以获得，例如缺少农村地区生活污染排放量、服务业污染物排放量、林业和渔业污染物排放量的数据源，以及每种污染物可容许浓度标准和自然水体中各污染物自然浓度等难以明确，这些问题可能影响了本研究结果的精准性。

□