疏勒河流域中下游地区主要粮食作物生产水足迹变化及影响因素分析

李 曼，何巧凤，刘焕才

(1.山西师范大学地理科学学院，山西 临汾 041000；2.中国科学院西北生态环境资源研究所，兰州 730030)

0 引 言

在全球气候变化的背景下，西北干旱区气候由“暖干”向“暖湿”转型，未来水资源可能处于高位波动状态[1]，气候和水资源的变动均会影响干旱区农业的发展，而水资源是制约西北干旱区农业发展的瓶颈。水足迹作为目前评价区域水资源利用模式和消费模式的主流方法[2]，研究农作物生产水足迹，可以充分理解农业对水资源的占用情况，并为干旱区发展生态农业和缓解水资源压力提供新思路。

荷兰学者Hoekstra基于虚拟水和生态足迹理论提出水足迹的概念，自此概念提出以来，国内外学者对其进行相关探究，国外开展的水足迹研究多数基于全球或国家尺度[3,4]。Mekon -nen和Hoekstra以全球主要农作物及其产品为研究对象，对比各类农作物水足迹大小，得出油料作物水足迹>谷类作物水足迹>水果水足迹>蔬菜水足迹的结论[3]。Yoo等通过研究韩国水稻生产水足迹，以韩国食物自给率为基础数据预测2020年韩国食物消耗水足迹[4]。国内水足迹研究则起步较晚，研究尺度主要集中在全国、区域和省级行政单元[5-14]，主要从水资源效率、水资源评价和针对干旱区农业水足迹等方面进行研究，宋智渊等以生产水足迹为角度，测算和评价敦煌市农业水足迹和水资源的可持续性[15]；侯庆丰等通过计算甘肃省部分地区农作物蓝水和绿水生产水足迹，提出构建以合理利用水资源为基础的农作物种植结构[16]；蔡建辉等通过对甘肃省马铃薯水足迹进行量化，并利用GM(1，1)模型对其进行预测分析[17]；张军等运用生态足迹理论来评价疏勒河流域的水资源承载力和生态赤字[18]；钟文婷等基于水足迹模型核算并分析疏勒河流域居民生产和服务的水资源需求量及其动态特征[19]；冯变变等对山西省主要粮食作物生产蓝水和绿水足迹进行量化，并运用通径分析表征其气候影响因素[20]；贺志文等采用扩展STIRPAT模型分析湖南省灰水足迹的变化原因[21]。

目前关于水足迹的研究取得了长足发展，但在作物生产水足迹(作物生产水足迹是在水足迹的基础上引申而来，即生产单位产量作物所利用的淡水资源量[22])研究中往往容易忽视灰水足迹(水资源污染问题)，因此无法全面反映作物的实际耗水，不仅如此，分析农作物水足迹变化的影响因素成果较少，且驱动因素多集中于气象和农业生产方面，较为片面。因此本文以疏勒河流域中下游地区农作物生产水足迹为研究对象，选取甘肃省玉门市为典型案例区，基于水足迹理论，对1981-2017年该地区小麦、大麦和玉米三种主要粮食作物蓝水、绿水、灰水生产水足迹进行核算，并分析其变化特征与影响因素，在分析其影响因素时，不仅考虑了气象和农业生产因素，还考虑到经济、人口因素，为调整干旱区的农作物种植结构、解决水资源短缺与粮食安全、生态环境之间的矛盾以及优化配置水资源提供重要参考。

1 研究区概况

疏勒河流域位于“一带一路”的核心腹地区，是河西走廊三大内陆河流域之一，也是甘肃省重要的灌溉农业生产基地。位于疏勒河流域中下游地区的玉门市，地处甘肃省西北部、河西走廊西部，绿洲面积215.6 万亩，该区域属大陆性中温带干旱气候，降水少，蒸发大，日照长，年平均气温6.9 ℃，年平均降水量为63.3 mm，蒸发量达2 952 mm，年平均风速为4.2 m/s。近年来，由于气候变化和人类活动使得疏勒河流域中下游地区耗水增加，下游区域径流量减少，地下水位下降，导致依赖于地下水的天然植被退化、绿洲萎缩和土地沙化等生态退化现象出现。如果任其发展，疏勒河流域绿洲生态系统的稳定性和区域的可持续性发展均将受到威胁(见图1)。

图1 疏勒河流域区位图Fig.1 Location map of the Shule River Basin

2 研究方法与数据来源

2.1 作物生产水足迹计算

参考《水足迹评价手册》[22]，作物水足迹按消耗水源分为蓝水足迹(作物生长所消耗的地表水和地下水)、绿水足迹(作物通过蒸发或蒸腾消耗的未形成径流的雨水和土壤水分)和灰水足迹(稀释作物的污染物浓度至自然本底浓度或达到环境水质标准的耗水量)，计算过程如下：

WF=(WFblue+WFgreen+WFgrey)Y

(1)

式中：WF为作物总水足迹，m3；WFblue、WFgreen、WFgrey分别表示作物单位产量蓝水足迹、绿水足迹和灰水足迹，m3/t；Y为作物总产量，t。

2.1.1 WFblue和WFgreen的计算步骤

(1)参考作物蒸散量(ET0)与作物生长期的日最低气温、日最高气温、平均相对湿度、日平均风速、日照时数和净辐射量等参数有关，多采用Penman -Monteith公式测算，本文运用CROPWAT模型估计。在估算作物的蒸散发总量时采用联合国粮农组织(FAO)推荐的作物需水量法，即作物生长期内的蒸散量(ETc)为ET0和作物系数(Kc)的积，计算公式如下：

ETc=KcET0

(2)

(2)ETblue和ETgreen分别指作物蓝水蒸散量与绿水蒸散量(mm)，计算公式为：

ETblue=max(0,ETc-Peff)

(3)

ETgreen=min(ETc,Peff)

(4)

式中：ETc为作物蒸散发量，mm；Peff为有效降雨量，mm。

(3)作物蓝水和绿水耗水量是作物生长期内累计蒸散量，即：

(5)

(6)

式中：系数10是将水深(mm)转化为单位陆地面积的水量(m3·hm-2)的转换系数；lgp表示生长期的长度。

(4)单位产量作物蓝水和绿水足迹等于作物蓝水和绿水耗水量除以作物单位面积产量的值，即：

WFblue=CWUblue/y

(7)

WFgreen=CWUgreen/y

(8)

式中：CWUblue和CWUgreen为作物蓝水耗水量和绿水耗水量，m3/hm2；y为作物单位面积产量，t/hm2。

2.1.2 WFgrey的计算步骤

单位产量作物灰水足迹的计算如下：

WFgrey=[(aAR)/(Cmax-Cnat)]/y

(9)

式中：a为淋溶率；AR为每公顷土地的氮肥施用量，kg/hm2；Cmax为达到相应水质环境标准下污染物的最大容许浓度，kg/m3；Cnat为污染物的自然本底浓度，kg/m3。

2.2 数据来源

文中采用的玉门镇气象站点1981-2017年的气象数据(气温、降水、相对湿度、平均风速和日照时数)来源于玉门市气象局；作物产量、播种面积、经济数据、农业生产数据和人口数据均来源于《玉门市统计年鉴》(1981-2017)；作物系数来源于FAO-56推荐的84种作物的标准作物系数；作物生育阶段、种植日期和氮肥施用量通过对当地有经验的农户调研所得，其中氮肥施用量年际变化较小，故以10年为一节点量化氮肥施用量，可能灰水足迹计算结果与实际有微小偏差。在灰水足迹计算中，根据参考相关文献[23,24]，a取值为0.1，Cmax为0.01 kg/m3，Cnat为0 kg/m3。

3 结果与分析

3.1 玉门市主要粮食作物生产水足迹变化

3.1.1 玉门市主要粮食作物水足迹总量和结构变化

1981-2017年玉门市小麦、大麦和玉米这三种作物总水足迹整体呈下降趋势(图2)，由1981年的11 838 万m3减少到2017年的6 087 万m3，减少了48.65%。其中，1981-1992年水足迹总体上呈下降趋势，种植面积趋于相对平稳，产量却在快速上升，这与改革开放以来，国家加大对甘肃省农业投资，农业基础设施得到完善，水资源管理日益合理和旱作农业技术不断更新升级与推广，使得农作物产量大幅增加密切相关。1992年以后，玉门市主要粮食作物生产水足迹、产量与面积的变化趋势基本一致，1992-1997年呈“V”型变化，最低点为1994年，该年属极端干旱年，作物生长期内降水量仅为23.90 mm，远远低于研究期内作物生长期平均降水量(57.67 mm)，小麦主要受气候变化的影响，种植面积急剧减少，产量大幅降低(种植面积由1993年的8 636.47 hm2减少到5 992.87 hm2，单位面积产量由1993年的6.77 t/hm2减少至5.97 t/hm2)；1997-2006年水足迹总量变化最大，在2002年达到最低点后继而快速上升，这主要是由于1998年该地区调整种植业结构，采取“压粮扩经”策略和2000年西部大开发战略倡导退耕还林，导致粮食作物种植面积逐年减少，2003年后国家高度重视粮食生产，大力促进粮食生产的稳步发展，水足迹由2002年的5 084 万m3增加至10 524 万m3；2007-2017年水足迹总量整体呈快速下降的趋势，2012年之后趋于稳定。

图2 1981-2017年玉门市主要粮食作物总水足迹、种植面积与产量Fig.2 Total water footprint, planting area and yield of main grain crops in Yumen City from 1981 to 2017

1981-2017年玉门市主要粮食作物生产水足迹约为8 896 万m3，最大值出现在1982年(12 230 万m3)，最小值出现在2002年(5 084 万m3)。在图3(a)中，可以看到蓝水足迹所占比重最大，年均约为6 901 万m3，占总年均水足迹的78%，而年均绿水足迹(504 万m3)与年均灰水足迹(1 492 万m3)占比分别为6%和16%，这表明玉门市主要粮食作物为高蓝水消耗作物，灌溉用水需求量较大，年均灰水足迹远高于年均绿水足迹，可能存在过度施肥现象[11]。作物蓝水足迹总体呈波动下降的趋势[图3(b)]，这与总水足迹变化趋势一致；图4表明绿水足迹主要受气候变化的影响，其中降水影响最为显著，1981-2003年绿水足迹趋于下降，2003年以后降水明显增多，绿水足迹随之波动上升；粮食作物种植面积虽然由1981年的13 613.33 hm2大幅减少到2017年的6 254.13 hm2，但由于农民多年来致力于提高作物产量，化肥施用量却没有明显减少，导致灰水足迹始终在1 492 万m3上下波动。

图3 1981-2017年玉门市主要粮食作物水足迹结构及变化趋势Fig.3 Water footprint structure and change trends of main grain crops in Yumen City from 1981 to 2017

图4 1981-2017年玉门市主要粮食作物绿水足迹与降水Fig.4 Green water footprint and precipitation water of main grain crops in Yumen City from 1981 to 2017

3.1.2 玉门市各粮食作物生产水足迹变化

1981-2017年玉门市各粮食作物生产水足迹整体上蓝水足迹和绿水足迹呈互补关系，灰水足迹和蓝水足迹变化趋势一致(图5)，因此在今后的农业发展中，要加强对降水的高效利用，减少灌溉用水量，同时要减少化肥施用量，促进生态农业和节水型农业发展。小麦、大麦和玉米同为旱作区主要粮食作物，其水足迹在该区域差异较大，1981-2017年间，单位产量水足迹均值分别为466.58、381.06和370.65 m3/t；单位面积产量均值分别为6.31、7.37和9.18 t/hm2。从单产和单位产量水足迹来看，玉米单产最高，单位产量水足迹最低，在粮食作物种植中占有绝对优势。小麦多年来种植面积整体处于下降趋势，个别年份略有差异，主要受大麦种植面积波动的影响，从1981年的11 586.67 hm2到2017年的3 860.80 hm2，约减少67%；该地区大麦多被用来生产啤酒，其种植面积主要受经济的驱动作用，从2006年开始减少种植，2017年种植面积仅为190.40 hm2；玉米在1997年以前种植面积为快速增长阶段，到2001年处于快速下降阶段，2001年以后呈波动上升的趋势。从水足迹视角来看，玉门市近几年粮食作物种植结构相对合理。

图5 1981-2017年玉门市各主要粮食作物生产水足迹、单位产量水足迹、种植面积和单位面积产量Fig.5 Production water footprint, water footprint per unit yield, planting area and yield per unit area of each major grain crop in Yumen City from 1981 to 2017

3.2 玉门市主要粮食作物水足迹影响因素分析

农作物水足迹受多因素影响，本文在参考相关研究成果的基础上[20,21,25]，结合玉门市主要粮食作物水足迹特点选取了4个方面14个指标(表1)分析其影响因素。

表1 农作物生产水足迹影响因素指标Tab.1 Indicators of influencing factors of water footprint in crop production

3.2.1 主要粮食作物水足迹与各影响因素相关性分析

将玉门市主要粮食作物水足迹的影响因素与作物的蓝水、绿水和灰水足迹进行相关分析(表2)，结果表明经济因素和农业生产因素(除氮肥施用量外)各指标都与其呈负相关性，这主要是由于地区经济越发达，农业生产水平越高，在满足粮食需求的情况下，粮食作物种植面积会大幅削减，作物生产蓝水、绿水和灰水足迹均相应减少。

表2 主要粮食作物水足迹与影响因素的相关分析Tab.2 Correlation analysis of water footprint and influencing factors of main grain crops

其中，与蓝水足迹相关性最高的五个影响因素分别是粮食作物单产X11(-0.856)、农业机械总动力X14(-0.849)、风速X6(0.798)、农民人均纯收入X3(-0.730)和地区GDPX1(-0.721)。这主要是由于地区经济发展影响农民人均纯收入，农民收入越高，对农业生产的投入越大，进而粮食作物单产大幅度提高，蓝水足迹下降。风速在气象因素中对蓝水足迹影响程度最大，玉门地区是典型的干旱区，降水少，蒸发大，年平均风速高达4.2 m/s，这无疑加剧了农业的干旱程度，使得粮食作物需水量加大，蓝水足迹随之升高。与绿水足迹呈显著正相关关系的驱动因子为平均风速X6(0.660)和平均降水X8(0.451)，绿水足迹主要来源于对降水的有效利用，风速会加快水分蒸发，同时也会加强空气输送水汽分子的能力，从而影响降水，所以气象因素中风速和降水对绿水足迹影响较大。在主要粮食作物灰水足迹与各影响因素的相关性中，氮肥施用量X13(0.609)相关性最高，呈显著正相关，说明氮肥施用量是灰水足迹的主要驱动因素。

3.2.2 主要粮食作物水足迹影响因素主成分分析

对主要粮食作物水足迹影响因素进行主成分分析，得出玉门市主要粮食作物水足迹影响因素的特征值、贡献率(表3)和主成分因子载荷矩阵(表4)。相关系数矩阵KMO检验值为0.731，大于0.7；Bartlett球形度检验sig值为0，小于0.001；这表明所选因素差异显著且适合降维。在表3中，前4个成分特征值均超过1，累积贡献率为81.996%，表明这4个成分可以反映14个影响因子的绝大部分信息。因此，选取前4个成分为主成分，以此进一步分析粮食作物水足迹影响因素。

表3 主成分特征值及贡献率Tab.3 Principal component characteristic values and contribution rate

表4 主成分因子载荷矩阵Tab.4 Principal component factor load matrix

第一主成分贡献率为48.118%，远远高于其他主成分，是影响玉门市主要粮食作物生产水足迹的主要因素。由表4可知，主成分1与X14、X1、X3、X2、X12有较强的正相关关系，相关系数均高于0.9，这些因子除X14、X12外都是经济因素，体现第一主成分是经济因素的代表。第二主成分与X13、X11存在显著的负相关性，表明第二主成分是农业生产影响因素的代表。X7、X5、X10、X13、X4与主成分3的相关性较强，其中X7、X5、X4这3个变量反映的是气象因素，因此可以认为第三主成分是气象因素的代表。第四主成分与X10的负相关程度最高，在一定程度上可以代表人口因素。

经济发展水平对粮食作物生产水足迹具有驱动作用，会影响农作物的生产投入、种植面积和单位面积产量，如20世纪90年代，玉门市引进啤酒厂，大麦作为酿造啤酒的原材料被高价收购，农民开始逐年大面积种植大麦，1996-2006年大麦水足迹由1 361 万m3快速增长到5 086 万m3。在相关分析中，经济因素与蓝水、绿水和灰水足迹相关性均达到显著，尤其是蓝水足迹，而蓝水足迹在粮食作物生产总水足迹中所占比例高达78%，由此可见，经济因素对粮食作物总水足迹的影响是非常大的。农业生产因素中，农业机械总动力可以大大提高作物单位面积产量，这样使得单位产量的作物水足迹会大量减少，而大量使用化肥施肥量虽然会使粮食作物增产，但它也是灰水足迹的主要诱导因素，会对水资源和生态环境产生巨大压力。小麦、大麦和玉米属于耐旱型作物，所以在干旱区，气象因素相比经济因素和农业生产因素对作物水足迹的影响相对小一些。在人口因素中，农业人口对粮食作物水足迹的影响更为突出，种植粮食作物的人数会影响产量，进而影响粮食作物水足迹。

4 结 论

本文以疏勒河流域中下游地区农作物生产水足迹为研究对象，选取甘肃省玉门市为典型案例区，基于水足迹理论，对1981-2017年该地区小麦、大麦和玉米三种主要粮食作物生产水足迹进行核算，并分析其变化特征与影响因素。得出以下结论：

该地区在研究时段内粮食作物生产水足迹总量整体呈下降趋势，变化幅度较大，其中，蓝水足迹在水足迹总量的构成比例中高达78%，居于主导地位，灰水足迹次之(16%)，绿水足迹最小(6%)，其结果再次印证宋智渊和候庆丰等人对河西地区农作物水足迹的主要研究结论[15,16]；从各粮食作物水足迹整体变化趋势来看，蓝水足迹和绿水足迹呈互补关系，灰水足迹和蓝水足迹变化相一致；从单位产量水足迹来看，玉米的单位产量水足迹最低，单位面积产量最高，且以水足迹视角来看，在粮食作物种植中占有绝对优势。区域经济发展水平和农业生产力是影响粮食作物生产水足迹的主要因素，气象因素相比以上二者影响力相对较小，人口因素影响最小；其中，气候因素中风速和降水是影响粮食作物绿水足迹的首要因素，氮肥施用量是影响粮食作物灰水足迹的关键因素。

疏勒河流域中下游地区作为干旱区，在今后的农业发展中，可以适当调整种植业结构，加大对农业生产的投入，提高农业机械化水平；当地粮食作物主要为高蓝水消耗作物，要完善水利基础设施，提高有效降水利用率，合理利用水资源；对于西北干旱区，水资源极度匮乏，水质污染问题引起的生态环境恶化尤为严重，因此要减少化肥施用量，优化测土施肥、配方施肥，降低作物灰水足迹。