Transcript 小麦生产水足迹区域差异及归因分析 (2)

142
第 31 卷
2015 年
第 13 期
7月
农 业 工 程 学 报
Transactions of the Chinese Society of Agricultural Engineering
Vol.31 No.13
Jul. 2015
小麦生产水足迹区域差异及归因分析
孙世坤 1,2，王玉宝 1,2，吴普特 2,3 ，赵西宁 2,3
※
（1. 西北农林科技大学旱区农业水土工程教育部重点实验室，杨凌 712100； 2. 西北农林科技大学中国旱区节水农业研究院，杨
凌 712100； 3. 国家节水灌溉杨凌工程技术研究中心，杨凌 712100）
摘 要：用水效率评价是节水农业研究的重点领域之一。作物生产水足迹作为评价作物生产过程中水资源消耗类型、数
量以及用水效率的综合指标，为农业水资源管理评价提供了全新的思路。该文基于水足迹理论和量化方法，分析了中国
大陆小麦生产水足迹空间分布情况和特征，并对造成水足迹区域差异的因素进行归因分析。结果表明：小麦水足迹的空
间分布差异显著，其中西北、西南局部以及华南等地的小麦水足迹较高，而黄淮海、东北东部等地的水足迹较低。新疆
绿水足迹比例为 11.87%，部分南方省份大于 80%，绿水足迹所占比例呈现出从东南沿海向西北内陆递减的空间分布格局。
归因分析结果显示除小麦品种差异外，区域农业生产水平和气候条件的差异也是造成小麦水足迹空间差异的主要原因，
其中化肥、农业机械投入是影响小麦水足迹的主要农业生产因子，而太阳辐射和降水量是影响小麦水足迹的主要气候因
子，该研究结果可为国家制定农业水资源管理策略提供参考。
关键词：水；蒸发蒸腾；降雨；水足迹；空间差异；小麦；归因分析
doi：10.11975/j.issn.1002-6819.2015.13.020
中图分类号：TV213.9
文献标志码：A
文章编号：1002-6819(2015)-13-0142-07
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)：142－148.
doi：10.11975/j.issn.1002-6819.2015.13.020
http://www.tcsae.org
Sun Shikun, Wang Yubao, Wu Pute, et al. Spatial variability and attribution analysis of water footprint of wheat in China[J].
Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(13): 142－148. (in
Chinese with English abstract)
doi：10.11975/j.issn.1002-6819.2015.13.020
http://www.tcsae.org
0
引
言
水资源是维系农业生产的重要基础资源，全球尺度
而言，农业用水量占全球总用水量的 70%以上[1]。随着工
业、生活和生态用水的增加，以及全球变暖对水资源系
统带来的挑战，未来农业可利用水资源日益受到压缩，
水资源短缺已成为制约全球粮食生产的主要因素之一，
有限的水资源能否为粮食生产提供有力支撑是各国政府
和学者关注的焦点，而未来全球人口增加以及气候变化
所带来的不确定性都将给粮食生产形成潜在挑战[2-4]。鉴
于农业的高耗水特征，以及未来粮食需求增加和水资源
供需矛盾加剧的现实，对作物生产环节的水资源使用情
况（水资源使用类型、数量和效率等）进行合理评价对
于明晰农业生产用水的特征和问题、提高农业水资源管
理水平和用水效率具有重要的理论和现实意义[5]。
水足迹概念的提出为科学评价农业生产过程中水资
收稿日期：2015-04-27
修订日期：2015-06-10
基 金 项 目 ： 国 家 自 然 科 学 基 金 项 目 （ 51409218 ）； 国 家 科 技 支 撑 计 划
（2011BAD29B09）；中央高校基本科研业务费专项资金（2014YB050）
；高
等学校学科创新引智计划（B12007）
作者简介：孙世坤，男，新疆伊犁人，助理研究员，博士，主要从事农业水
土资源管理研究。杨凌 西北农林科技大学水利与建筑工程学院，712100。
E-mail: [email protected]
※通信作者：吴普特，男，陕西武功人，博士，研究员，博士生导师，主要
从事农业水土资源高效利用研究。杨凌 西北农林科技大学水利与建筑工程
学院，712100。Email：[email protected]
源使用状况提供了新的视角，Hoekstra 将水足迹（water
footprint，WF）定义为任何已知人口（如个人、企业、
省、州、国家等）一定时期内（一般是 1 a）消费的产品
和服务所需要的淡水资源的数量，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量[6]。从这一概念
出发，作物生产水足迹可理解为作物生产过程中所消耗
水资源的数量。根据所消耗水资源的类型（蓝水或绿水）
及对水环境的影响，水足迹可进一步划分为蓝水足迹、
绿水足迹及灰水足迹[6]。以往对农业用水的评价主要以灌
溉用水（蓝水）作为指标，但作为陆地生态系统中土壤植被系统耗水的主要来源，绿水对于维持陆地生态系统
和雨养农业粮食安全具有重要作用[7]。水足迹概念的提出
为农业水资源科学管理提供了一个新视角，它可以反映
作物生长过程中消耗水资源的类型及数量和用水效率，
拓宽了传统水资源评价体系，为科学利用水资源提供决
策依据[8]。水足迹概念提出后，很多学者围绕国家、区域
的产品消费水足迹进行了大量研究，推动了水足迹理论
的不断发展和完善[9-15]。当前，国际上对水足迹的研究大
致集中在 3 个方面：一是水足迹理论及量化方法的研究；
二是水足迹案例研究；三是基于水足迹的水资源评价和
管理研究。在水足迹理论及量化方法研究方面：Liu 等[9]
建立了基于地理信息系统和环境政策综合气候模型
（environmental policy integrated climate model，EPIC）的
水足迹量化方法。Hoekstra 等[6]提出了水足迹量化及评价
框架，并以水足迹基本概念为基础，详细阐述了水足迹
第 13 期
孙世坤等：小麦生产水足迹区域差异及归因分析
评价的目标和方法。在水足迹案例研究方面：龙爱华等[8]、
马静等[11]、Hoekstra 和 Mekonnen[12]分别以省（区）、国
家和全球为空间分析单元，研究了区域（国家、全球）
消费水足迹。曹连海等[13]以内蒙古河套灌区为研究区域
计算了灌区粮食生产灰水足迹和粮食生产水足迹。吴普
特等[14]分析了中国大陆 31 个省级行政区的粮食生产水足
迹与区域虚拟水流动情况。在基于水足迹的水资源评价和
管理研究方面：付永虎等[15]以洞庭湖粮食主产区为案例
区，应用灰水足迹理论评价了粮食生产对水环境的负面影
响。Ercin 和 Hoekstra[16]分析了未来人口、经济发展及生产
和消费结构变化情景下，全球消费和生产水足迹的变化情
况，为政府和相关机构制定水资源管理策略提供参考。上
述研究推动了水足迹理论的完善和发展。然而，目前的研
究大多从宏观角度出发，尺度多为全球或国家尺度，对区
域尺度作物产品水足迹的研究较少，同时，目前的研究多
停留在对产品水足迹的量化分析，而有关产品水足迹区域
差异及其归因分析的研究还较为鲜见。
作为世界上人口最多的国家，中国的粮食安全是个
备受关注的问题，中国水资源总量为 2.81×104 亿 m³，居
世界第 6 位，
而人均淡水占有量仅为世界人均水平的 1/4，
是世界水资源最贫乏的国家之一。水资源短缺是制约未
来粮食生产的重要因素之一[17]。因此，分析粮食生产过
程中的水资源消耗情况有助于明晰粮食生产的用水特征
和存在问题，从而有针对性的提出应对策略，提高农业
用水管理水平。小麦是中国主要的粮食作物之一，占粮
食作物总播种面积的 20%以上，因此，对小麦水足迹的
量化以及区域差异的分析将有助于评价小麦生产过程中
的水资源消耗类型和用水效率及其区域差异，进而为国
家制定农业水资源管理策略提供有益参考。本文利用联
合国粮农组织（Food and Agriculture Organization，FAO）
开发的 CROPWAT8.0 模型，结合 CLIMWAT 2.0 气象数
据库和农业统计数据对中国主要粮食作物—小麦田间尺
度的水足迹及其蓝、绿水构成进行量化，在此基础上分
析了小麦水足迹的区域差异，并采用通径分析对造成小
麦水足迹区域差异的影响因素进行了归因分析。
1
数据及方法
1.1 研究区概括
本研究以中国大陆 31 个省级行政区（不包括香港、
澳门和台湾地区）为研究区域，分析了研究区域内 110
余个站点在 2001－2010 年多年平均气象条件和单产水平
下的小麦生产水足迹。
1.2 数据
研究所需模型及数据包括：
1）CROPWAT 8.0 模型 CROPWAT 模型是联合国
粮农组织土地与水发展司开发的模型，它能帮助农业气
象学家、农艺学家、灌溉工程人员对参考作物蒸发蒸腾
量和作物需水量进行标准的计算。此外，通过 CROPWAT
能够建议如何改进灌溉方法、规划不同供水条件下的灌
溉日程、评价雨养条件或非充分灌溉条件下对作物产量
的影响[18-19]。
143
2）气象数据 各个省级行政单元内气象站点的数据
从 FAO 的 CLIMWAT 2.0 数据库中提取，包括月平均最
高气温、月平均最低气温、相对湿度、风速、日照时数、
降水量等参数[20]。
3）作物产量数据 各地区作物产量、播种面积、单位
面积产量、农业生产资料投入等数据查阅《中国统计年鉴》、
《中国农业统计资料》、水资源公报等统计资料[21-23]。为了
消除不同地区水文年以及数据统计误差对作物耗水量和产
量年际波动的影响，合理评价区域小麦生产用水水平，上
述数据均采用 2001－2010 年均值进行计算。若某省级行政
区 2001－2010 年间小麦年均播种面积小于 1 000 公顷，则
该省级行政区不纳入小麦水足迹的量化分析。
1.3 计算方法
1.3.1 田间尺度作物生产水足迹量化方法
田间尺度作物生产水足迹（water footprint of crop
production，WFcrop）是指农田尺度生产单位重量的作物
（一般指经济产量）所消耗水广义水资源量。按照水资源
消耗的类型，作物生产水足迹可以分为绿水足迹（green
water footprint，WFgreen）和蓝水足迹（blue water footprint，
WFblue），本研究中作物生产水足迹按照《水足迹评价手
册》[6]提供的方法进行计算：
（1）
WFcrop=WFgreen+WFblue
3
式中：WFcrop 为作物生产水足迹，m /kg；WFgreen 和 WFblue
分别为作物生产绿水和蓝水足迹，m3/kg。
作物生产绿水和蓝水足迹可根据作物生育期的绿水
资源利用量（crop green water use，CWUgreen）和蓝水资
源利用量（crop blue water use，CWUblue）结合作物单位
面积产量进行量化，如下式所示：
WFgreen=CWUgreen/Y=10ETgreen/Y
（2）
（3）
WFblue=CWUblue/Y=10ETblue/Y
式中：CWUgreen 和 CWUblue 为作物生育期的绿水和蓝水资源
利用量，m3/hm2； Y 为作物单位面积产量，kg/hm2；10 为
单位转化系数，将单位由水深（mm）转化为单位面积水量
（m³/hm2）；ETgreen 和 ETblue 分别为作物蒸发蒸腾量中来自
有效降水和灌溉水的部分，mm，二者可根据下式计算[6]：
ETgreen=min(ETc, Pe)
（4）
（5）
ETblue=max(0, ETc−Pe)
式中：ETc 为作物生育期蒸发蒸腾量，mm；Pe 为作物生
育期所利用的有效降水量，mm。
CWU 可以通过计算作物生育期蒸发蒸腾量得到，即[6]：
n
CWU = 10 × ETc = 10 × ∑ ETcd
（6）
d=1
式中： ETcd 为播种后第 d 天的作物蒸发蒸腾量，mm；
n
∑ ET
d =1
d
c
为作物从播种（d=1）到收获时生长天数（n）的
累计蒸发蒸腾量，mm， ETcd 其计算公式为[24]：
n
ETcd = ∑ ( K cd ⋅ ET0d )
（7）
d =1
式中： K cd 为播种后第 d 天的作物系数（由 CROPWAT
模型进行模拟）； ET0d 为第 d 天的参考作物蒸发蒸腾量，
mm/d，其中 ET0d 采用 CROPWAT 模型结合当地气象资料
利用 Penman–Monteith 公式计算[24]：
0.408Δ ⋅ ( Rn − G ) + 900γ / (T + 273) ⋅ U 2 ⋅ (es − ea )
ET0d =
（8）
Δ + γ ⋅ (1 + 0.34U 2 )
式中：Δ 为饱和水气压与温度曲线的斜率，kPa/℃；Rn
为参考作物冠层表面净辐射，MJ/(m2·d)；G 为土壤热通
量，MJ/(m2·d)；γ 为干湿表常数，kPa/℃；T 为 2 m 高处
的日平均气温，℃；U2 为 2 m 高处的风速，m/s；es 为饱
和水汽压，kPa；ea 为实际水汽压，kPa。
1.3.2 作物水足迹区域差异归因分析
本研究采用通径分析确定各因素对作物水足迹的影
响。通径分析是在多元回归的基础上将相关系数加以分
解，通过直接通径、间接通径及总通径系数分别表示某
一变量对因变量的直接影响、间接影响和综合影响。通
径分析为找出自变量和因变量之间的直接及间接影响提
供了有效途径[25-28]，通径分析的主要过程如下：
对于一般的多元线性回归分析，设有自变量 X1 ，
X2，…..，Xk 和因变量 Y，可用下述回归方程表示[26]：
Y=β0+β1·X1+β2·X2+……+βk·Xk
（9）
利用最小二乘法求解回归系数，并进行数量变化，
可以得到简单相关系数的分解方程[26]：
⎧ P1Y + r12 ⋅ P2Y + r13 ⋅ P3Y + ...... + r1k ⋅ PkY = r1Y
⎪
⎪r21 ⋅ P1Y + P2Y + r23 ⋅ P3Y + ...... + r2 k ⋅ PkY = r2Y
⎨
⎪..........................................................
⎪⎩rk 1 ⋅ P1Y + rk 2 ⋅ P2Y + rk 3 ⋅ P3Y + ...... + PkY = rkY
从图 1 可以看出，小麦水足迹空间分布差异较大，
其中低值区集中在东北地区的东部、黄淮海地区的大部
分地区、长江中下游部分地区以及四川等地，这些地区
小麦水足迹在 1.0 m3/kg 以下；而高值区域分布在西北大
部分地区、内蒙古西北部以及西南、长江中下游南部等
地，这些区域小麦水足迹大于 1.80 m3/kg。
作物生产水足迹由作物生育期水资源消耗量和作物
单位面积产量共同决定，因此，区域作物耗水量和单产的
差异将导致小麦水足迹的区域差异。从图 2a 可以看出，小
麦生育期蒸发蒸腾量的高值区集中在降水稀少的干旱、半
干旱区域，如西北地区、内蒙古西部等地。而小麦蒸发蒸
腾量的低值区集中在东北地区、长江中下游和华南等地。
从小麦单位面积产量的空间分布来看（见图 2b），西北地
区、青藏高原等区域由于日照、辐射资源丰富，小麦单
位面积产量在全国处于较高的水平。而东北等春麦种植
区由于小麦品种差异，造成该区域小麦单产水平低于西
北、黄淮海和华北的局部省份。从以上分析来看，具有
优越的农业气候资源和农业生产水平的区域，如黄淮海
和东北地区的小麦水足迹较低。
（10）
式中：rij 为 Xi 与 Xj 的简单相关系数；riY 为 Xi 与 Y 的简单相
关系数；PiY 为直接通径系数，表示 Xi 对 Y 的直接影响；rij·PjY
为间接通径系数，
表示Xi 通过Xj 对因变量Y 的间接影响效应。
2
2015 年
农业工程学报（http://www.tcsae.org）
144
a. 蒸发蒸腾量
a. Evapotranspiration
结果与分析
2.1 小麦水足迹空间差异分析
基于水足迹基本理论和量化方法，利用 FAO 的
CROPWAT 8.0 模型和 CLIMWAT 2.0 数据库对全国 110
余个站点的小麦生育期蒸发蒸腾量、有效降水量进行计
算，并结合作物单产对小麦水足迹进行量化，结果见图 1。
b. 单位面积产量
b. Yield per unit area
注：柱状图为该省平均值，下同。
Note: Histogram is average value of province; Same as below.
Fig.1
图 1 小麦水足迹空间分布
Spatial distribution of water footprint of wheat in
mainland China
图 2 小麦生育期蒸发蒸腾量和单位面积产量空间分布
Fig.2 Spatial distribution of evapotranspiration and yield per unit
area of wheat in mainland China
第 13 期
孙世坤等：小麦生产水足迹区域差异及归因分析
2.2 小麦生产水足迹蓝、绿水构成
小麦水足迹构成能反映区域小麦生产过程中的水资
源消耗的类型，包括蓝水足迹（小麦生产过程中消耗的
地下水或地表水）和绿水足迹（小麦生产过程中消耗的
有效降水）。在雨养农业情境下，作物的生产完全依靠
降水，因此，水足迹只包含绿水足迹。传统的水资源管
理多侧重对传统水资源（即蓝水资源）的评价和管理，
而对维系生态和雨养农业的绿水资源管理的重视不足。
因此，对作物水足迹的蓝、绿水构成进行量化有助于辨
明作物生产过程中消耗的水资源类型，对于提高广义水
资源利用率和管理水平具有重要的参考意义。
小麦水足迹蓝绿水构成分析结果显示：小麦水足迹
的蓝、绿水构成具有显著的地域分布差异性（见图 3a）。
整体而言，南部地区小麦水足迹中的绿水比重大于北方
地区，东部地区的绿水比重大于西部地区，其空间分布
呈现出从东南沿海向西北内陆递减的趋势。例如，新疆
小麦水足迹中绿水比重为 11.87%，而南方部分省份的绿
水比重大于 80%。绿水比重表现出与降水量大体一致的
空间分布格局（见图 3b），即降水较为丰沛的区域，通
常水足迹中绿水比重也较大。因此，从水资源利用类型
来看，南方地区的作物生产主要依靠绿水资源，而如何
充分开发和利用好绿水资源对于保障农业生产，降低蓝
水资源消耗（通常较绿水具有更高的机会成本）具有重
要意义。
a. 小麦绿水足迹比例
a. Share of green water footprint of wheat
Fig.3
145
b. 小麦生育期有效降水量
b. Effective precipitation during wheat grown period
图 3 小麦绿水足迹比例及小麦生育期有效降水量空间分布
Spatial distribution of share of green water footprint of wheat and effective precipitation during wheat grown period
2.3 小麦水足迹空间差异归因分析
根据水足迹基本理论，作物的水足迹是由作物生育
期耗水量和单位面积产量共同决定的，其中作物耗水量
和当地气象条件，如温度、降水、风速、日照时数等密
切相关，而影响作物产量的因素除了品种外，主要有当
地热量、水分条件以及化肥、农药、灌溉、农业机械等
Table 1
生产要素的投入情况。为了分析引起各省份小麦水足迹
差异性的主导因素，选取影响作物水足迹的平均气温
（X1）、相对湿度（X2）、生育期降水量（X3）、太阳辐
射（X4）、风速(X5)、化肥使用量(X6)、农药使用量(X7)、
机械动力（X8）、灌溉比例（X9）参数进行统计并利用
通径分析探寻影响小麦水足迹的主要因素，结果见表 1。
表 1 小麦水足迹影响因素通径分析
Path analysis result of impact of influencing factors on water footprint of wheat
间接通径系数
Indirect path coefficient
X4→WF X5→WF X6→WF
影响
因素
Factors
直接通
径系数
Direct path coefficient
X1
−0.094
X2
0.175
−0.035
X3
0.281
−0.030
0.119
X4
0.305
0.049
−0.111
−0.067
X5
0.086
−0.018
−0.042
−0.029
−0.032
X6
−0.353
0.012
0.057
0.033
−0.050
X7
−0.207
−0.015
0.090
0.147
−0.078
0.011
−0.213
X8
−0.137
0.046
−0.072
−0.071
0.115
0.021
−0.117
−0.033
X9
−0.219
0.024
−0.075
−0.051
0.170
0.023
−0.107
−0.032
X1→WF
X2→WF
X3→WF
0.073
0.099
−0.177
0.018
0.191
−0.194
−0.073
总影响
Total influence
X7→WF
X8→WF
X9→WF
0.052
−0.037
0.074
0.063
0.071
−0.021
−0.115
−0.107
0.057
0.094
0.045
−0.009
−0.042
−0.108
0.035
0.040
0.213
−0.009
0.057
0.053
−0.052
−0.122
0.103
−0.014
−0.027
−0.034
−0.057
−0.167
−0.124
−0.046
−0.066
−0.534
−0.022
−0.034
−0.321
0.003
−0.134
−0.084
−0.382
−0.351
注： X1～X9 分别为平均气温、相对湿度、降水量、太阳辐射、风速、化肥使用量、农药使用量、农业机械动力和灌溉比例；WF 为小麦水足迹。
Note: X1-X9 are average temperature, relative humidity, growth period precipitation, solar radiation, wind speed, fertilizer rate per sown area, dosage of pesticide per
sown area, agricultural machinery power per sown area, and irrigation proportion per sown area; WF is water footprint of wheat.
表 1 显示，各个影响因素的直接通径系数由大到小
依次为：X6、X4、X3、X9、X7、X2、X8、X1 和 X5。结
果表明，在上述 9 个影响因子中，化肥使用量、太阳辐
射量和降水量对小麦水足迹的直接影响较大，而农业机
械动力、气温和风速对小麦水足迹的直接影响较小。间
接通径系数表明各单因素通过其他各因素对小麦水足迹
农业工程学报（http://www.tcsae.org）
146
的影响程度，通过对各因子的间接通径系数分析可知：
就气象因子而言，气温与太阳辐射之间的相互作用效应
较为明显，而降水量与相对湿度之间的相互作用效应较
为明显，具体表现为：气温主要通过太阳辐射对小麦水
足迹产生影响，而降水量主要通过相对湿度对小麦水足
迹产生影响。生产资料因子中，化肥消耗量和农药消耗
量之间的间接通径系数较大，而机械动力与灌溉比重之
间的间接通径系数较大，由此可见，化肥和农药作为主
要的产量提升要素，相互之间的影响较其他要素明显，
二者相互协同对小麦水足迹产生影响；而机械动力和灌
溉比重作为反映农业机械化和现代化水平的重要指标，
其间接通径系数较大，说明二者相关性较大，并共同对
小麦水足迹产生影响。从各因素对小麦水足迹的总体影
响可以看出，化肥使用量、机械动力、灌溉比例和农药
使用量对小麦水足迹的总体影响在各影响因子中处于前
4 位，而气候因子中，降水量、太阳辐射和风速对小麦水
足迹的影响较大。
3
讨
2015 年
的广西、贵州等地需要依靠提高小麦单位面积产量来降低
小麦的水足迹。而对于位于第 4 象限宁夏、内蒙和甘肃等
高耗水、低产量的区域，既要通过增加农业机械化水平和
生产资料投入水平来提高作物单位面积产量，又需要大力
发展农田水利，提高水资源的利用率和利用效率。
论
根据作物水足迹的科学内涵，作物水足迹的调控要
从提高作物单位面积产量和降低单位面积耗水量入手。
本文通过小麦水足迹区域差异归因分析发现，就气象因
子而言，降水量、太阳辐射和风速对小麦水足迹的影响
较大，小麦是长日照作物，较长的日照时间和太阳辐射
水平有利于小麦进行光合作用，促进其生长发育和产量
的提高，但较高的太阳辐射水平同时也会造成作物耗水
量的增加，例如西藏、新疆等地的光热资源较为丰富，
促使该地区的小麦产量处于全国较高水平，而上述 2 个
区域的小麦生育期蒸发蒸腾量也较高，在二者共同作用
下导致了上述 2 个区域的小麦水足迹处于全国较高水平。
降水量直接影响着小麦生产过程中所消耗的绿水资源
量，而风速直接影响作物冠层的水汽扩散速率，从而影
响了作物的蒸发蒸腾过程，并最终对小麦水足迹产生影
响[29-30]。对于生产资料投入因子而言，化肥使用量、农药
使用量、机械动力和灌溉比例是影响小麦水足迹的主要生
产资料投入因子。同时，农业生产资料对小麦水足迹的影
响超过了气候因子的影响，说明小麦生产水足迹区域的差
异性主要是由于各地生产水平及生产资料投入差异引起
的。上述结果表明，可以通过以下途径降低作物水足迹：1）
通过增加农业生产资料投入以提高作物单产水平；2）提高
灌溉和降水利用率以降低农业水资源消耗量；3）通过调整
农业种植布局，扩大具有水足迹比较优势区域的作物种植
面积，压缩缺乏水足迹比较优势区域的作物种植面积。
为了进一步探讨不同区域的水足迹调控措施，论文
进一步分析了小麦单位面积产量和生育期蒸发蒸腾量的
区域差异特征，见图 4 所示，处于第 1 和第 2 象限的省
份为小麦单位面积产量高于全国均值的区域；而处于第
1、4 象限的省份为生育期蒸发蒸腾量高于全国均值的区
域。从图中可以看出，针对于新疆、西藏等高耗水地区，
其水足迹控制措施主要从作物需水调控入手，通过降低
作物生育期的耗水量来调控作物水足迹；而位于第 3 象限
注：处于第 1 和第 2 象限的省份为小麦单位面积产量高于全国均值的区域；
而处于第 1、4 象限的省份为生育期蒸发蒸腾量高于全国均值的区域。
Note: Regions located in first and second quadrant stand for yield of wheat are
higher than that of national average; regions located in first and fourth quadrant
stand for value of ETc higher than that of national average.
图 4 各省份小麦单位面积产量和蒸发蒸腾量与全国均值的比较
Fig.4 Difference of yield and evapotranspiration of wheat in each
province and mean of whole country
虽然化肥是重要的农业生产投入要素，在增加粮食产量
减少水足迹方面起着重要作用，但是农业生产不能过度依赖
化肥的使用，滥用化肥将会导致土壤肥力的下降，削弱耕地
的生产能力，造成农业面源污染和农产品质量下降[31]。适度
的使用农药有利于小麦单产的提高，但相对于增产来说，
农药在土壤和环境水质污染方面的影响也不能忽视[32]。农
业机械动力是劳动节约型的技术进步，对提高生产效率具
有积极作用，机械动力的提高说明农业生产正朝着规模
化、集约化发展，生产效率不断提高。虽然“绿色革命”
为提高作物产量，保障粮食安全发挥了重要的作用，但随
着化肥、农药和机械动力的边际效益逐渐下降，其对作物
增产的贡献逐渐降低，同时，“绿色革命”所带来的土壤、
水资源污染等环境问题也日益受到重视，因此，当作物单
位面积产量达到“天花板”后，提高水资源利用效率将会
成为水足迹调控的主要措施[33-35]。
本文基于水足迹理论对中国大陆田间尺度的小麦水
足迹进行了量化和分析，得到了一些初步结论，但受限
于数据和方法，本研究还有以下不足：所需的资料来自
多个数据源，虽然本研究已尽量保证数据的完整性和可
靠性，但由于各类数据源之间可能存在统计口径不一、
统计误差等限制因素，仍然会对作物水足迹量化和归因
分析结果产生影响；论文依据各个研究省份的面板数据
进行了归因分析，由于数据统计误差和样本个数的影响，
第 13 期
孙世坤等：小麦生产水足迹区域差异及归因分析
论文归因分析的结果虽然能为进一步探究作物生产水足
迹区域差异提供参考，但也不能忽视作物水足迹影响因
素的敏感性和不确定性对分析结果的影响。
4
结
论
农业水资源能否高效、可持续利用是决定水资源与
粮食安全的重要因素。探明作物生产与水资源利用的内
在联系，可为分析水资源消耗情况及特征提供有效途径，
并为如何保障粮食与水资源安全提供决策依据。本研究
从水足迹视角出发，分析了中国大陆小麦水足迹空间分
布差异，并采用通径分析对造成小麦水足迹区域差异的
影响因素进行了归因分析，得到以下初步结论：1）小麦
水足迹空间差异显著，其中西北地区、西南地区局部以
及华南等地的小麦水足迹较高，而黄淮海地区、东北地
区东部和长江中下游部分地区的小麦水足迹较低。从其
蓝、绿水构成来看，新疆绿水足迹的比例为 11.87%，而
部分南方省份绿水足迹的比例大于 80%，绿水足迹所占
比例呈现出与降水量分布大体一致的空间分布格局，即
从东南沿海向西北内陆递减。2）小麦水足迹区域差异归
因分析结果显示：区域农业生产水平，即化肥、农药等
农业生产资料投入、机械化水平和灌溉水平是影响作物
水足迹的主要农业生产因子，而太阳辐射和降水量是影
响作物水足迹的主要气象因子。
基于以上分析，建议通过以下措施对作物水足迹进
行潜在调控：1）提高农业生产力以提高作物单产水平；
2）提高灌溉（降水）利用率以降低农业水资源消耗量；
3）通过调整农业种植布局，扩大具有水足迹比较优势区
域的作物种植面积，压缩缺乏水足迹比较优势的作物种
植面积，可以在全局尺度降低农业用水。
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[参 考 文 献]
Molden D, Oweis T Y, Pasquale S, et al. Pathways for
increasing agricultural water productivity[R]. Water for Food,
Water for Life, a Comprehensive Assessment of Water
Management in Agriculture. London and Colombo:
Earthscan, 2007.
Barnett T P, Adam J C, Lettenmaier D P. Potential impacts of
a warming climate on water availability in snow dominated
regions[J]. Nature, 2005, 438(7066): 303－308.
Sulser T B, Ringler C, Zhu T J et al. Green and blue water
accounting in the Ganges and Nile basins: Implications for
food and agricultural policy[J]. Journal of Hydrology, 2010,
384(3/4): 276－291.
Misra A K. Climate change and challenges of water and food
security[J]. International Journal of Sustainable Built
Environment, 2014, 3(1): 153－165.
Fadera M, Rost S, Müller C, et al. Virtual water content of
temperate cereals and maize: Present and potential future
patterns[J]. Journal of Hydrology, 2010, 384(3/4): 218－231.
Hoekstra A Y, Chapagain A K, Aldaya M M et al. The Water
Footprint Assessment Manual: Setting the Global
Standard[M]. London: Earthscan, 2011.
Falkenmark M, Rockström, J. Balancing water for humans
and nature: the new approach in ecohydrology[M]. London:
Earthscan, 2004.
龙爱华，张志强，徐中民，等. 甘肃省水资源足迹与消费
模式分析[J]. 水科学进展，2005，16(3)：418－425.
Long Aihua, Zhang Zhiqiang, Xu Zhongmin, et al. Analysis
of water footprint and consumption pattern in Gansu
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
147
Province[J]. Advances in Water Science, 2005, 16(3): 418－
425. (in Chinese with English abstract)
Liu JG, Williams JR, Zehnder AJB, et al. GEPIC–modeling
wheat yield and crop water productivity with high resolution on a
global scale[J]. Agricultural Systems, 2007, 94(2): 478－493.
Wang Xinhua, Xu Zhongmin, Li Yinhai. A rough wstimate
of qater dootprint of Gansu province in 2003[J]. Journal of
Natural Resources, 2005, 20(6): 115－121. (in Chinese with
English abstract)
马静，汪党献，来海亮，等. 中国区域水足迹的估算[J]. 资
源科学，2005，27(5)：96－100.
Ma Jing, Wang Dangxian, Lai Hailiang, et al. Water
footprint—an application in water resources research[J].
Resources Science, 2005, 27(5): 96－100. (in Chinese with
English abstract)
Hoekstra AY, Mekonnen MM. The water footprint of
humanity[J]. Proceedings of the National Academy of the
Sciences of the United States of America, 2012, 109(9): 3232－
3237.
曹连海，吴普特，赵西宁，等. 内蒙古河套灌区粮食生产
灰水足迹评价[J]. 农业工程学报，2014，63(1)：63－72.
Cao Lianhai, Wu Pute, Zhao Xining, et al. Evaluation of grey
water footprint of grain production in Hetao Irrigation
District, Inner Moreongolia[J]. Transactions of the Chinese
Society of Agricultural Engineering, 2014, 63(1): 63－72. (in
Chinese with English abstract)
吴普特，王玉宝，赵西宁. 2010 中国粮食生产水足迹与区
域虚拟水流动报告[M]. 北京：中国水利水电出版社，2012.
Wu Pute, Wang Yubao, Zhao Xining. Water Footprint of
Grain Production and Regional Virtual Water Flows in China
2010[M]. Beijing: China Water & Power Press, 2012. (in
Chinese with English abstract)
付永虎，刘黎明，起晓星，等. 基于灰水足迹的洞庭湖区
粮食生产环境效应评价[J]. 农业工程学报，2015，31(10)：
152－160.
Fu Yonghu, Liu Liming, Qi Xiaoxing, et al. Environmental
effects evaluation for grain production based on grey water
footprint in Dongting Lake area[J]. Transactions of the Chinese
Society of Agricultural Engineering(Transactions of the CSAE),
2015, 31(10): 152－160. (in Chinese with English abstract)
Ercin AE, Hoekstra AY. Water footprint scenarios for 2050:
A global analysis[J]. Environment International, 2014, 64(2):
71－82.
Sun S K, Wu P T, Wang Y B, et al. The virtual water content
of major grain crops and virtual water flows between regions
in China[J]. Journal of the Science of Food and Agriculture,
2013, 93(6): 1427－1437.
Clarke D. CROPWAT for Windows: User Guide[M].
Southampton: University of Southampton, 1998: 22－23.
Food and Agriculture Organization. CROPWAT model[DB/OL].
2014-01-22.
http://www.fao.org/nr/water/infores_
databases_cropwat.html.
Food and Agriculture Organization. CLIMWAT database[DB/OL].
2014-06-02.http://www.fao.org/nr/water/infores_databases_clim
wat.html.
中华人民共和国国家统计局. 中国统计年鉴 2001-2010[M].
北京：中国统计出版社，2002-2011.
中华人民共和国农业部. 中国农业统计资料 2001-2010[M].
北京：中国农业出版社，2002-2011.
中华人民共和国水利部. 中国水资源公报 2010[M]. 北京：
中国水利水电出版社，2011.
Allen R G, Pereira L S, Raes D, et al. Crop
Evapotranspiration–Guidelines for Computing Crop Water
Requirements[M]. FAO Irrigation and Drainage Paper 56.
Rome, Italy: FAO, 1998.
郑健，蔡焕杰，王健，等. 日光温室西瓜产量影响因素通
径分析及水分生产函数[J]. 农业工程学报，2009，25(10)：
30－34.
Zheng Jian, Cai Huanjie, Wang Jian, et al. Path analysis of yield
components and water production function of watermelon in
148
[26]
[27]
[28]
[29]
农业工程学报（http://www.tcsae.org）
greenhouse[J]. Transactions of the Chinese Society of
Agricultural Engineering(Transactions of the CSAE), 2009,
25(10): 30－34. (in Chinese with English abstract)
蔡甲冰，刘钰，许迪，等. 基于通径分析原理的冬小麦缺水
诊断指标敏感性分析[J]. 水利学报，2008，39(1)：83－90.
Cai Jiabing, Liu Yu, Xu Di, et al. Sensitivity analysis on water
deficit indicator of winter wheat based on path analysis
theory[J]. Journal of Hydraulic Engineering, 2008，39(1): 83－
90. (in Chinese with English abstract)
刘艳玲，田纪春，韩祥铭，等. 面团流变学特性分析方法
比较及与烘烤品质的通径分析[J]. 中国农业科学，2005，
38(1)：45－51.
Liu Yanling, Tian Jichun, Han Xiangming, et al. Comparison of
different dough rheological measurement and the path cofficient
analysis on bread quality[J]. Scientia Agricultura Sinica, 2005,
38(1): 45－51. (in Chinese with English abstract)
张平，汪有科，湛景武，等. 充分灌溉条件下桃树茎直径最
大日收缩量模拟[J]. 农业工程学报，2010，26(03)：38－43.
Zhang Ping, Wang Youke, Zhan Jingwu, et al. Simulation of
stem diameter maximum daily shrinkage for peach under full
irrigation[J]. Transactions of the Chinese Society of
Agricultural Engineering(Transactions of the CSAE), 2010,
26(03): 38－43. (in Chinese with English abstract)
梁丽乔，李丽娟，张丽，等.松嫩平原西部生长季参考作物蒸
散发的敏感性分析[J]. 农业工程学报，2008, 24(5)：1－5.
[30]
[31]
[32]
[33]
[34]
[35]
2015 年
Liang Liqiao, Li lijuan, Zhang Li, et al. Sensitivity of the
reference crop evapotranspiration in growing season in the
West Songnen Plain[J]. Transactions of the Chinese Society
of Agricultural Engineering(Transactions of the CSAE), 2008,
24(5): 1－5. (in Chinese with English abstract)
Sun Shikun, Wu Pute, Wang Yubao, et al. The impacts of
interannual climate variability and agricultural inputs on
water footprint of crop production in an irrigation district
of China[J]. Science of the Total Environment, 2013, 444:
498－507.
Ruttan VW. The transition to agricultural sustainability[J].
Proceedings of The National Academy of Sciences of the
United States, 1999, 96: 5960－5967.
谭亚军，李少南，孙利.农药对社会生态环境的影响[J]. 农药，
2003, 42(12)：12－14.
Tan Yajun, Li Shaonan, Sun Li. The pollution of pesticides to
the water environment[J]. Pesticides, 2003, 42(12): 12－14.
(in Chinese with English abstract)
Sachs J, Remans R, Smukler S, et al. Monitoring the world’s
agriculture[J]. Nature, 2010, 466(7306): 558－560.
Liu Xuejun, Zhang Ying, Han Wenxuan, et al. Enhanced
nitrogen deposition over China[J]. Nature, 2013, 494(7438),
459－463.
Zhang Fusuo, Chen Xinping, Vitousek Peter. An experiment
for the world[J]. Nature, 2013, 497(7447): 33－35.
Spatial variability and attribution analysis of water footprint of wheat in China
Sun Shikun1,2, Wang Yubao1,2, Wu Pute2,3 , Zhao Xining2,3
※
(1. Key Laboratory for Agricultural Soil and Water Engineering in Arid Area of Ministry of Education, Northwest A&F University, Yangling
712100, China; 2. Institute of Water Saving Agriculture in Arid Regions of China, Northwest A&F University, Yangling 712100, China;
3. National Engineering Research Center for Water Saving Irrigation at Yangling, Yangling 712100, China)
Abstract: Water use efficiency assessment is one of the core research items in water-saving agriculture. The water footprint
(WF) of crop production is a comprehensive indicator reflecting water consumption types, quantities and water use efficiency
during crop growth period. Based on the theory of water footprint, this study quantified and evaluated the regional differences
of water footprint of wheat at the regional scale in Mainland China. Meanwhile, in order to find the dominant factors causing
the regional differences of water footprint of wheat, correlation and path coefficient analysis were used to identify the
relationship between water footprint of wheat and its impact factors. The results showed that there were obvious regional
differences of water footprint of wheat in Mainland China. The water footprint of wheat was relatively low in the eastern part
of Northeast China, most of Huang-huai-hai region, parts of the Lower-Middle Reaches of the Yangtze River and Sichuan
province, which was less than 1 m3/kg; while the high values of water footprint of wheat were mainly distributed in Northwest
China, the northwest of Inner Mongolia, the south of Lower-Middle Reaches of the Yangtze River and the south of Southwest
China, which were more than 1.8 m3/kg. From the perspective of water type, the blue water footprint accounted for 49.02%,
while the green water footprint accounted for 50.98% among the total WF of wheat. The green water proportion in wheat water
footprint increased gradually from northern regions to southern regions. For instance, the proportion of green water footprint
was 18.62% in Beijing, while it was more than 80% in most of southern regions. The regional distinction of green proportion
in water footprint was in accordance with the precipitation on distribution. The region with abundant precipitation usually has a
high proportion of green water in crop water footprint. There were 9 related factors selected for the attribution analysis:
average temperature, relative humidity, growing season precipitation, solar radiation, wind speed, fertilizer consumption,
pesticides consumption, agricultural machinery and irrigation share. The statistical analysis revealed that the regional
variability of wheat water footprint, besides the crop varieties, was mainly caused by the regional disparities of agricultural
production level, such as agricultural inputs and irrigation condition. On the other hands, the solar radiation and precipitation
were the major climatic influencing factors causing the regional difference of water footprint of wheat. The indirect path
coefficient of water footprint of wheat and its impact factors showed that solar radiation had indirect effects on water footprint
through temperature, and precipitation mainly through relative humidity. Meanwhile, the fertilizer consumption, pesticides
consumption, agricultural machinery power, irrigation had indirect effect on water footprint of wheat through each other
influencing factors. The total influence coefficient analysis showed that the chemical fertilizer consumption, pesticides
consumption, agricultural machinery and irrigation were the dominant factors that had an effect on water footprint of wheat.
The results can provide information for plan-making of agricultural water management schedule.
Key words: water; evapotranspiration; precipitation; water footprint; regional differences; wheat; attribution analysis