武慧君, 戴成娟, 劉英,2

(1.安徽理工大學(xué)地球與環(huán)境學(xué)院, 淮南 232001; 2.安徽省高潛水位礦區(qū)水土資源綜合利用與生態(tài)保護(hù)工程實(shí)驗(yàn)室, 淮南 232001)

中國(guó)人均水資源占有量?jī)H占世界平均水平的1/6,隨著農(nóng)田化肥農(nóng)藥的增加導(dǎo)致水環(huán)境質(zhì)量惡化,威脅人類(lèi)飲水安全,同時(shí)加劇水資源短缺[1],因此,農(nóng)業(yè)生產(chǎn)導(dǎo)致的水資源的消耗與污染狀況不容忽視,農(nóng)業(yè)生產(chǎn)過(guò)程中施用的化肥農(nóng)藥可能造成農(nóng)業(yè)面源污染,是用水和水壓力的主要原因[2-3]。在這種情況下,學(xué)者們開(kāi)發(fā)了一種定量分析水資源利用狀況方法,稱(chēng)為水足跡(water footprint,WF),同時(shí)該方法更好地解釋了人類(lèi)的生產(chǎn)活動(dòng)與產(chǎn)品服務(wù)中直接和間接蘊(yùn)含的日益增長(zhǎng)的用水壓力之間的聯(lián)系[4]。

Hoekstra[5]于2002年首次提出“水足跡”概念。此后,水足跡評(píng)價(jià)法不斷發(fā)展,如應(yīng)用于農(nóng)作物生產(chǎn)與加工、農(nóng)作物的消費(fèi)及廢物處理等活動(dòng)[6]。隨著水足跡研究的進(jìn)一步推進(jìn),學(xué)者們提出水足跡是由3種顏色編碼的成分組成,即綠色、藍(lán)色和灰色水足跡。綠水足跡主要指農(nóng)作物在生長(zhǎng)過(guò)程中蒸發(fā)的來(lái)自土壤中雨水的水資源量[7]。藍(lán)水足跡主要包括農(nóng)田灌溉用水的蒸發(fā),表示消耗使用淡水水體的水資源量[8]。綠水和藍(lán)水足跡沒(méi)有將水資源消耗和水污染指標(biāo)結(jié)合起來(lái),無(wú)法綜合分析水資源的利用情況。相比之下,使用灰水足跡可以定量分析用水量和污水排放量之間的關(guān)系,從水資源角度評(píng)價(jià)水污染狀況[9]?；诖?Hoekstra等[10]于2008年提出了“灰水足跡”(grey water footprint,GWF)的概念,將灰水足跡定義為排放到水體的污染負(fù)荷與最大容許濃度的比值,作為水污染評(píng)估和廢水控制的統(tǒng)一指標(biāo)。研究發(fā)現(xiàn),在核算灰水足跡時(shí),使用最大容許濃度和自然本底值濃度之間的差異來(lái)代替原先定義中的最大容許濃度,更具科學(xué)合理性。2011年,Hoekstra[4]對(duì)灰水足跡定義進(jìn)行了完善,將其定義為:以水環(huán)境質(zhì)量標(biāo)準(zhǔn)為基準(zhǔn),將污染負(fù)荷稀釋至高于特定環(huán)境水質(zhì)標(biāo)準(zhǔn)所需淡水的體積。灰水足跡專(zhuān)注于水質(zhì)和水量間的定量關(guān)系研究,更準(zhǔn)確地反映了水污染對(duì)水資源數(shù)量的影響,為農(nóng)作物生產(chǎn)水污染領(lǐng)域提供了新的研究思路。

灰水足跡理論的提出引起了國(guó)際組織和中外學(xué)者的廣泛重視,包括聯(lián)合國(guó)環(huán)境規(guī)劃署(United Nations Environment Programme,UNEP)、聯(lián)合國(guó)糧農(nóng)組織(Food and Agriculture Organization of the United Nations,FAO)、世界糧食計(jì)劃署(World Food Programme,WFP)等,以及相關(guān)領(lǐng)域內(nèi)的學(xué)者們,其中,由于農(nóng)業(yè)生產(chǎn)對(duì)水環(huán)境的重要影響,農(nóng)業(yè)灰水足跡是學(xué)者普遍關(guān)注的熱點(diǎn)之一。農(nóng)業(yè)生產(chǎn)灰水足跡指農(nóng)業(yè)生產(chǎn)過(guò)程中所排放到水體中的污染物使其達(dá)到環(huán)境排放標(biāo)準(zhǔn)而需要的水資源,是指農(nóng)業(yè)生產(chǎn)過(guò)程中消耗的水足跡之和,它屬于過(guò)程水足跡的范疇。中外學(xué)者針對(duì)特定農(nóng)作物全球[11-12]、國(guó)家[13]、區(qū)域[14-16]、省市[17-19]農(nóng)業(yè)產(chǎn)品灰水足跡、時(shí)空演化特征進(jìn)行了大量研究,已經(jīng)取得了一系列成果。

灰水足跡自2008年開(kāi)始傳播,其所依據(jù)的概念也經(jīng)歷了不斷的發(fā)展,了解農(nóng)業(yè)生產(chǎn)灰水足跡發(fā)展歷程以理解其演變十分必要。鑒于此,重點(diǎn)對(duì)農(nóng)業(yè)生產(chǎn)灰水足跡進(jìn)行文獻(xiàn)綜述,系統(tǒng)梳理農(nóng)業(yè)灰水足跡核算模型發(fā)展歷程,分析中外主要農(nóng)作物生產(chǎn)灰水足跡時(shí)空分布格局研究現(xiàn)狀,并總結(jié)農(nóng)業(yè)生產(chǎn)的灰水足跡影響因素,最后對(duì)灰水足跡評(píng)估不足與未來(lái)研究突破點(diǎn)進(jìn)行分析。

1 研究方法

分別選擇Web of Science核心數(shù)據(jù)庫(kù)及中國(guó)知網(wǎng)檢索2008—2022年農(nóng)業(yè)生產(chǎn)灰水足跡研究成果。在Web of Science核心數(shù)據(jù)庫(kù)中檢索關(guān)鍵詞包括:“Water Footprint、Grey Water、Grey water footprint、Crop Grey Water Footprint、Grey Water Stress、Agricultural Crops”;中國(guó)知網(wǎng)中檢索關(guān)鍵詞包括:“水足跡、灰水、灰水足跡、農(nóng)業(yè)灰水足跡”。在Web of Science核心數(shù)據(jù)庫(kù)中檢索篩選出相關(guān)文獻(xiàn)500余篇,其中農(nóng)業(yè)生產(chǎn)相關(guān)文獻(xiàn)量229篇;在中國(guó)知網(wǎng)中檢索篩選出農(nóng)業(yè)灰水足跡相關(guān)文獻(xiàn)63篇,發(fā)文量總體呈逐年上升趨勢(shì)。通過(guò)文獻(xiàn)題目、關(guān)鍵詞、摘要及全文瀏覽,梳理農(nóng)業(yè)灰水足跡核算模型發(fā)展歷程及主要農(nóng)作物生產(chǎn)灰水足跡核算研究現(xiàn)狀,總結(jié)農(nóng)業(yè)灰水足跡的主要驅(qū)動(dòng)因素。

2 農(nóng)業(yè)灰水足跡核算、特征分析及驅(qū)動(dòng)因素研究現(xiàn)狀

2.1 農(nóng)業(yè)灰水足跡核算的發(fā)展歷程

Chapagain等[20]針對(duì)作物種植的灰水足跡進(jìn)行了研究,評(píng)估了15個(gè)棉花生產(chǎn)最多的國(guó)家(中國(guó)、美國(guó)、印度、巴基斯坦、埃及、烏茲別克斯坦、土耳其、巴西、澳大利亞、希臘、敘利亞、土庫(kù)曼斯坦、阿根廷、馬里、墨西哥)棉花消費(fèi)的水足跡,計(jì)算了綠水、藍(lán)水和灰水足跡,其中灰水足跡采用美國(guó)國(guó)家環(huán)境保護(hù)局[21]建議的允許限值進(jìn)行計(jì)算。Hoekstra等[10]研究認(rèn)為,綠水、藍(lán)水和灰水產(chǎn)生的機(jī)制及影響因素不同,不能通過(guò)簡(jiǎn)單求和計(jì)算總水足跡,并于2008年首次嘗試改進(jìn)全球水貿(mào)易計(jì)算模型,增加了重復(fù)計(jì)算量、集水區(qū)回水和徑流等問(wèn)題對(duì)總水足跡的影響,在2011年使用實(shí)際灌溉的本地?cái)?shù)據(jù)基于改進(jìn)的計(jì)算模型對(duì)水稻的灰水足跡進(jìn)行首次全球評(píng)估[12]。2012年,Hoekstra等[22]對(duì)1996—2005年全球水足跡進(jìn)行再次核算,比首次核算的水足跡評(píng)估值高出30%,其中,綠水、藍(lán)水和灰水所占比例分別為74%、11%和15%。2010年末,隨著Hoekstra等[22]提出的水足跡模型取得突破性進(jìn)展,污染造成生態(tài)影響的灰水足跡測(cè)度模型得到統(tǒng)一和規(guī)范,主要以現(xiàn)有水環(huán)境水質(zhì)標(biāo)準(zhǔn)為基礎(chǔ),以用于消納、稀釋產(chǎn)品生產(chǎn)、消費(fèi)過(guò)程中所排放污染物(如農(nóng)業(yè)生產(chǎn)中作物生長(zhǎng)施用的營(yíng)養(yǎng)元素氮、磷、鉀及除草藥劑等),所需淡水量作為水環(huán)境影響程度的衡量指標(biāo)[23]。此后,灰水足跡測(cè)度模型得到進(jìn)一步發(fā)展。Ariyani等[24]指出,除化肥外,農(nóng)業(yè)生產(chǎn)活動(dòng)中農(nóng)藥的流失也是導(dǎo)致水環(huán)境污染的主要因素,而第一次全球評(píng)估水稻灰水足跡核算主要根據(jù)施氮量、淋濾徑流分?jǐn)?shù)和硝酸鹽水質(zhì)標(biāo)準(zhǔn)計(jì)算的,沒(méi)有考慮來(lái)自農(nóng)藥施加對(duì)灰水足跡總量的貢獻(xiàn),進(jìn)而將農(nóng)藥納入灰水足跡評(píng)估,校正了水足跡成分的比率值,進(jìn)一步完善了農(nóng)業(yè)生產(chǎn)灰水足跡核算模型。王丹陽(yáng)等[25]指出,在傳統(tǒng)灰水足跡核算過(guò)程中,忽略了污染物的稀釋實(shí)際上是由不同水體完成的,且將污染物排放量大與產(chǎn)生的灰水足跡大同等對(duì)待,從而導(dǎo)致較大的核算誤差,指出總灰水足跡計(jì)算時(shí),建議將污染物分解到不同水體,分別計(jì)算各水體的灰水足跡后再進(jìn)行求和。Liu等[26]研究表明,當(dāng)前灰水足跡核算模型中沒(méi)有重視灰色水足跡評(píng)估的適當(dāng)水質(zhì)標(biāo)準(zhǔn)及多種污染物的灰水足跡綜合效應(yīng),并基于此對(duì)灰水足跡模型進(jìn)一步發(fā)展改進(jìn)。另外,灰水足跡量化核算容許限制對(duì)于模型核算準(zhǔn)確性有較大影響,常用的水質(zhì)限值參考美國(guó)環(huán)境保護(hù)署(United States Environmental Protection Agency,US-EPA)和歐洲聯(lián)盟(European Union,EU)容許限值,部分在全球范圍的灰水足跡核算研究中,沒(méi)有明確定義為容許限值選擇的方法[7],但根據(jù)文獻(xiàn)[27-28],容許限制應(yīng)在研究區(qū)域本地特征進(jìn)行定義。

當(dāng)前研究主要將上述灰水足跡核算模型運(yùn)用于在農(nóng)作物灰水足跡的核算與評(píng)價(jià)[29]、灰水足跡空間關(guān)聯(lián)分析[30]、農(nóng)業(yè)灰水足跡效率研究[9]、灰水足跡全生命周期評(píng)估[31-32]、灰水足跡空間分布格局[2]、驅(qū)動(dòng)因素分析[33-35]等方面。此外,隨著遙感(remote sensing,RS)和地理信息系統(tǒng)(geographic information system,GIS)技術(shù)的發(fā)展,使得灰水足跡在不同尺度的核算在空間格局上更具可視性,諸多學(xué)者借助遙感影像在GIS軟件中將研究區(qū)域按照一定尺度劃分為不同的計(jì)算柵格,根據(jù)空間插值與地統(tǒng)計(jì)等方法,確定每一個(gè)柵格內(nèi)的灰水足跡核算模型需要的參數(shù),隨后對(duì)每一個(gè)柵格內(nèi)的灰水足跡進(jìn)行量化處理[36-39]。綜上所述,目前針對(duì)農(nóng)業(yè)生產(chǎn)灰水足跡核算模型研究尚處于不斷更新與發(fā)展的階段,新方法的運(yùn)用為農(nóng)業(yè)生產(chǎn)灰水足跡更科學(xué)核算提供了新的切入點(diǎn)。

2.2 主要農(nóng)作物生產(chǎn)灰水足跡特征研究現(xiàn)狀

目前,已經(jīng)開(kāi)展不同農(nóng)作物灰水足跡的時(shí)空分布格局研究的國(guó)家包括:中國(guó)[40]、美國(guó)[41]、韓國(guó)[42]、哥倫比亞[43]、沙特阿拉伯[38]、智利[44]、希臘[45]、伊朗[46]、巴基斯坦[47]、意大利[14]、孟加拉國(guó)[48]、阿根廷[49]、突尼斯[50]、新西蘭[51]、摩洛哥[52]等。涉及的農(nóng)作物主要包括玉米[16]、小麥[53]、水稻[17]、土豆[54]、大豆[55]、大麥[49]、番茄[29]、油菜[56]、甜菜[57]、甘蔗[58]、棉花[59]、葡萄[29]、向日葵[56]、苜蓿[60]、煙草[46]、椰棗[61]、橄欖[62]、檸檬[63]、蘋(píng)果[64]等。不同國(guó)家主要農(nóng)作物生產(chǎn)灰水足跡時(shí)空分布格局與各個(gè)國(guó)家主要農(nóng)作物類(lèi)型、土壤類(lèi)型、受保護(hù)或不受保護(hù)的系統(tǒng)、灌溉系統(tǒng)、原產(chǎn)地和氣候、產(chǎn)量和耕作系統(tǒng)等因素密切相關(guān)[7]。由于天氣條件和化肥大量投入,意大利番茄種植生產(chǎn)灰水遠(yuǎn)高于美國(guó)[65]。西班牙是最大的水資源消耗國(guó)之一,灌溉用水量在歐盟灌溉用水總量中比例較高,其灰水足跡值較大[66]。也有學(xué)者從生命周期評(píng)價(jià)的角度評(píng)價(jià)作物種植灰水足跡,得到中國(guó)每千克橙子的灰水足跡含量最高,其次是西班牙、意大利和巴西,而美國(guó)生產(chǎn)的橙子灰水足跡含量最低[67]。有意思的是,單位不同灰水含量空間分布格局也有差異,當(dāng)以m3/ha作為計(jì)算單位,這種計(jì)算差異與作物產(chǎn)量相關(guān),波蘭草莓種植灰水以m3/kg計(jì)最高,而摩洛哥和西班牙草莓種植灰水以m3/ha計(jì)最高。盡管英國(guó)和波蘭每公頃草莓種植的耗水量相似,但由于英國(guó)草莓產(chǎn)量較高,每千克草莓種植灰水含量反而較低[68]。

中國(guó)農(nóng)業(yè)生產(chǎn)灰水足跡在時(shí)間上總體呈先上升后下降的趨勢(shì),省際農(nóng)業(yè)生產(chǎn)灰水生態(tài)足跡空間上呈西高東低分布,傳統(tǒng)農(nóng)業(yè)和人口大省四川、河南、山東農(nóng)業(yè)灰水足跡較高,北京年平均灰水生態(tài)足跡最低[69]。東中部各省市的灰水生態(tài)足跡整體呈現(xiàn)先升后降的趨勢(shì),大多數(shù)省市灰水生態(tài)足跡下降趨勢(shì)較為明顯,西部的部分省市灰水生態(tài)足跡出現(xiàn)了增長(zhǎng)現(xiàn)象,如內(nèi)蒙古自治區(qū)、云南、甘肅、青海、新疆維吾爾自治區(qū)的灰水生態(tài)足跡均有一定程度的上升[70]。2017年,中國(guó)種植業(yè)灰水足跡為4.90×1011m3,在地理空間分布上存在集聚效應(yīng),主要呈現(xiàn)“南高北低”的特征,排前6的江蘇、廣東、湖北、湖南、安徽和河南灰水足跡為2.94×1011m3,約占中國(guó)總量的42.97%,從灰水足跡結(jié)構(gòu)得出,各省市區(qū)的總磷帶來(lái)的稀釋水需求量均大于氨氮的,總磷為限制性指標(biāo)[71]。在特定作物層面,以2018年Hu 等[13]核算結(jié)果為例,2015年中國(guó)糧食生產(chǎn)的總灰水足跡為8.17×1011m3,其中,由于小麥、玉米、蔬菜和水果種植規(guī)模較大,河南和山東上述農(nóng)作物灰水足跡高于中國(guó)其他大部分省份;玉米、小麥生產(chǎn)平均灰水足跡相對(duì)較高,分別為3.86×1010m3和3.10×1010m3,甜菜和雙季早稻的平均灰水足跡最小;從每生產(chǎn)1 kg農(nóng)作物產(chǎn)生的灰水來(lái)看,油菜的灰水足跡最高8.64 m3/kg,緊隨其后的是小麥6.37 m3/kg、橙子6.31 m3/kg,此外,淀粉根、蘋(píng)果、玉米和其他水果也具有相對(duì)較高的灰水足跡。此外,不同學(xué)者對(duì)農(nóng)作物生產(chǎn)灰水足跡時(shí)空分布格局研究的尺度有所差異,包括全球尺度[11,72]、國(guó)家尺度[73]、流域尺度[74]、省域尺度[17-18]、市域尺度[75]、縣域尺度[76]等。

綜上所述,中外學(xué)者對(duì)主要農(nóng)作物生產(chǎn)灰水足跡時(shí)空分布特征研究方面已經(jīng)取得了一系列成果,但尚處于不斷更新發(fā)展階段,特別是中國(guó)在該方面的研究主要是對(duì)國(guó)外研究方法的學(xué)習(xí)和應(yīng)用,且主要集中在國(guó)家尺度[17]或少數(shù)省市主要農(nóng)作物,如湖南[23]、新疆維吾爾自治區(qū)[77]、黑龍江[31]、陜西[18]、華北平原[76]、內(nèi)蒙古自治區(qū)河套灌區(qū)[78]等地關(guān)于水稻、棉花、小麥、大豆、玉米、油料作物、蔬菜、水果等灰水足跡的核算。需要指明的是,中國(guó)南方濕潤(rùn)地區(qū)存在“水多、水少、水臟、水渾”等嚴(yán)重的水資源問(wèn)題,在這些地區(qū)農(nóng)業(yè)灰水足跡也是一個(gè)不可忽視的問(wèn)題,但關(guān)于南方不同尺度下農(nóng)業(yè)灰水足跡的研究則相對(duì)缺乏。

2.3 農(nóng)業(yè)灰水足跡的驅(qū)動(dòng)因素研究現(xiàn)狀

2.3.1 農(nóng)業(yè)灰水足跡的驅(qū)動(dòng)因素分析模型

常用與農(nóng)業(yè)灰水足跡的驅(qū)動(dòng)因素分析的模型主要包括:對(duì)數(shù)平均迪式指數(shù)分解法(logarithmic mean Divisia index,LMDI)模型[79]、Kaya恒等式[80]、通徑分析法[81]、最小方差模型(least square error,LSE)[82]、物質(zhì)流分析(material flow analysis,MFA)[13]。

LMDI模型是一種完全分解無(wú)殘差的影響因素分析方法[83-84],近年來(lái)用于水污染驅(qū)動(dòng)因素分解研究[85-86]。李勝楠等[79]選擇人口因素、經(jīng)濟(jì)因素、城鄉(xiāng)結(jié)構(gòu)因素、技術(shù)因素、產(chǎn)業(yè)結(jié)構(gòu)因素作為指標(biāo),利用LMDI模型對(duì)福建省及各地市2001—2017年的灰水足跡時(shí)空變化驅(qū)動(dòng)因素進(jìn)行了分解研究。Kaya恒等式對(duì)灰水足跡變化驅(qū)動(dòng)因素解釋力強(qiáng),能夠反映驅(qū)動(dòng)因素的貢獻(xiàn)值,但無(wú)法反映區(qū)域差異。學(xué)者們常將LMDI模型和Kaya恒等式結(jié)合使用[87]。張智雄等[80]結(jié)合LMDI模型和Kaya恒等式,充分考慮資本和勞動(dòng)力因素,選取經(jīng)濟(jì)活度效應(yīng)、資本深化效應(yīng)、資本效率效應(yīng)、足跡強(qiáng)度效應(yīng)、環(huán)境效率效應(yīng)等指標(biāo),運(yùn)用擴(kuò)展的Kaya恒等式和LMDI模型對(duì)中國(guó)各省市的人均灰水生態(tài)足跡變化的驅(qū)動(dòng)因素進(jìn)行了測(cè)度分析。但LMDI模型多基于Kaya恒等式為基礎(chǔ)進(jìn)行拓展,將研究變量分解為多種因素相乘的形式,由此得到的驅(qū)動(dòng)因素之間相關(guān)性較強(qiáng),從而導(dǎo)致LMDI模型無(wú)法同時(shí)包含多種絕對(duì)量和相對(duì)量因素,進(jìn)而有可能忽略掉一些其他潛在變量,導(dǎo)致驅(qū)動(dòng)因素分解結(jié)果誤差較大[80]。

通徑分析是一種多元統(tǒng)計(jì)分析方法,用于研究變量之間的相互關(guān)系以及自變量對(duì)因變量的作用方式和程度,該方法在多元回歸的基礎(chǔ)上將相關(guān)系數(shù)進(jìn)行分解,通過(guò)直接、間接和總通徑系數(shù)來(lái)表示某一變量對(duì)因變量的直接、間接和總體影響,已廣泛用于農(nóng)業(yè)用水量的定量歸因分析,近年在水資源環(huán)境領(lǐng)域得到廣泛應(yīng)用[88-89]。但在利用通徑分析解析農(nóng)業(yè)灰水足跡的驅(qū)動(dòng)因素時(shí),要盡可能的考慮到所有影響因素,并需要獲取所有影響因素的長(zhǎng)期試驗(yàn)觀(guān)測(cè)數(shù)據(jù),取得大量完備的樣本后,才能取得可靠的分析結(jié)果[88]。LSE模型指實(shí)際值與期望值的偏差最小值,將LSE模型引入灰水足跡效率驅(qū)動(dòng)類(lèi)型研究中,通過(guò)對(duì)比不同尺度上灰水足跡效率變化的實(shí)際效應(yīng)貢獻(xiàn)率分布與理論分布的最小方差來(lái)確定驅(qū)動(dòng)類(lèi)型。韓琴等[82]利用LSE模型根據(jù)驅(qū)動(dòng)效應(yīng)的絕對(duì)貢獻(xiàn)率進(jìn)行了尺度分類(lèi),并研究了1998—2012年中國(guó)省際灰水足跡的驅(qū)動(dòng)模式。MFA是一種在特定時(shí)空范圍內(nèi)對(duì)特定系統(tǒng)的物質(zhì)流動(dòng)與貯存進(jìn)行系統(tǒng)分析或評(píng)價(jià)的方法。根據(jù)質(zhì)量守恒定律,物質(zhì)流分析結(jié)果可以通過(guò)比較所有的輸入、貯存和輸出來(lái)揭示簡(jiǎn)單的物質(zhì)平衡規(guī)律[13]。因此,基于MFA可以建立從作物、牲畜和水產(chǎn)養(yǎng)殖生產(chǎn)到地表水(通過(guò)徑流)的活性氮排放模型,量化目標(biāo)行政邊界和長(zhǎng)時(shí)間段內(nèi)的水污染水平,包括詳細(xì)的食品類(lèi)型和生產(chǎn)過(guò)程,并進(jìn)行進(jìn)一步灰水足跡核算[12]。Hu等[13]在詳細(xì)評(píng)估食品生產(chǎn)灰水足跡的基礎(chǔ)上,利用MFA模型量化了食品生產(chǎn)灰水足跡的驅(qū)動(dòng)因素。

2.3.2 農(nóng)業(yè)灰水足跡主要驅(qū)動(dòng)因素

在灰水足跡測(cè)算的基礎(chǔ)上,學(xué)者們對(duì)灰水足跡的主要驅(qū)動(dòng)因素進(jìn)行了研究,主要概括為兩方面:一方面主要為農(nóng)業(yè)生產(chǎn)過(guò)程中涉及到的活動(dòng),如農(nóng)藥、化肥的施加;另一方面主要為與農(nóng)業(yè)生產(chǎn)密切相關(guān)的外部因素(圖1),如經(jīng)濟(jì)因素與資本深化程度、城鄉(xiāng)結(jié)構(gòu)因素、技術(shù)和產(chǎn)業(yè)結(jié)構(gòu)因素、人口與社會(huì)福利因素等。

化肥施用量和農(nóng)產(chǎn)品產(chǎn)量是灰水足跡變化的關(guān)鍵驅(qū)動(dòng)因素[33],農(nóng)作物在生長(zhǎng)過(guò)程中使用的化肥、噴灑農(nóng)藥等除被植物利用外,在降水或灌溉等作用下,部分通過(guò)地表徑流和地下滲漏進(jìn)入水體,而這些污染物并非直接流向外界,對(duì)當(dāng)?shù)厮h(huán)境造成嚴(yán)重危害[9]。農(nóng)業(yè)大量使用的氮磷肥在降雨過(guò)程中,經(jīng)農(nóng)田排水、地表徑流、地下滲漏等方式進(jìn)入地下水體,從而導(dǎo)致稀釋水量增加,成為農(nóng)業(yè)土地利用系統(tǒng)灰水足跡增長(zhǎng)的主要原因[90-91]。經(jīng)濟(jì)因素是最大正向驅(qū)動(dòng)因素,經(jīng)濟(jì)增長(zhǎng)伴隨著水環(huán)境污染問(wèn)題,是水污染等一系列環(huán)境污染的主要驅(qū)動(dòng)力,經(jīng)濟(jì)活度的提升在大部分時(shí)間段能夠造成人均灰水足跡增加[35]。資本深化程度的提高是灰水足跡增加的重要驅(qū)動(dòng)因素[92],如建立在高水耗強(qiáng)度上的資源密集型重工業(yè),未能采取有效的水資源保護(hù)機(jī)制造成了嚴(yán)重的水污染,使平均每年資本深化效應(yīng)帶來(lái)灰水足跡增加。城鄉(xiāng)結(jié)構(gòu)調(diào)整、建設(shè)水平提升以及排水設(shè)施逐步完善有助于污水集中整治[79]。技術(shù)因素是最大負(fù)向驅(qū)動(dòng)因素,產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、清潔生產(chǎn)技術(shù)和污水處理技術(shù)的升級(jí)具有巨大的污水減排潛力。通過(guò)產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化調(diào)整和技術(shù)升級(jí),可以減少污染物產(chǎn)排量,進(jìn)一步提高灰水足跡效率[93-94]。人口密度的增加會(huì)導(dǎo)致水資源過(guò)度利用,增加水環(huán)境負(fù)擔(dān)和水污染治理難度,對(duì)地區(qū)灰水經(jīng)濟(jì)生產(chǎn)率造成顯著負(fù)面影響,但提高居民綜合素質(zhì)有助于減少灰水足跡,并促進(jìn)地區(qū)對(duì)水資源和水環(huán)境的保護(hù)[95-96]。社會(huì)福利的增加對(duì)地區(qū)灰水經(jīng)濟(jì)生產(chǎn)率產(chǎn)生積極影響,政府改善公共環(huán)境福利和提高民眾生活質(zhì)量,確保經(jīng)濟(jì)發(fā)展具備穩(wěn)定的社會(huì)條件,對(duì)提升本地灰水經(jīng)濟(jì)生產(chǎn)率起到積極促進(jìn)作用[35]。

3 結(jié)論與展望

厘清農(nóng)業(yè)生產(chǎn)灰水足跡的發(fā)展歷程、核算方法及驅(qū)動(dòng)因素可為農(nóng)業(yè)生產(chǎn)灰水足跡科學(xué)精準(zhǔn)核算、區(qū)域農(nóng)業(yè)可持續(xù)發(fā)展提供理論和方法支持,對(duì)水資源科學(xué)管理、合理規(guī)劃具有重要意義?；赪eb of Science核心數(shù)據(jù)庫(kù)及中國(guó)知網(wǎng)2008—2022年農(nóng)業(yè)生產(chǎn)灰水足跡研究成果,總結(jié)農(nóng)業(yè)灰水足跡核算模型的發(fā)展歷程、主要農(nóng)作物生產(chǎn)灰水足跡時(shí)空分布格局研究現(xiàn)狀、農(nóng)業(yè)灰水足跡的主要驅(qū)動(dòng)因素。目前國(guó)內(nèi)外對(duì)主要農(nóng)作物生產(chǎn)灰水足跡相關(guān)研究方面已經(jīng)取得了一系列成果,但尚處于不斷更新與發(fā)展的階段,當(dāng)前研究還存在如下不足。

(1)灰水足跡核算很大程度上依賴(lài)于對(duì)水體包含的元素(氮、磷、金屬和農(nóng)藥)量化中所做的假設(shè),另外,當(dāng)前灰水足跡的核算過(guò)程中污染物排放量數(shù)據(jù)取自統(tǒng)計(jì)年鑒、水資源公報(bào)、環(huán)境統(tǒng)計(jì)年鑒等,忽視了降雨量、場(chǎng)地坡度、土壤質(zhì)地、pH、養(yǎng)分、礦質(zhì)含量、徑流和地表植被等因素對(duì)水體中釋放的污染物濃度的影響,核算過(guò)程中沒(méi)有考慮土壤、植被、氣候條件對(duì)污染物毒性降解作用,這意味著當(dāng)前灰水足跡核算是一種簡(jiǎn)化模式,當(dāng)灰水足跡應(yīng)用于農(nóng)業(yè)生產(chǎn)時(shí),其計(jì)算過(guò)程應(yīng)遵循更詳細(xì)的方法,使用現(xiàn)場(chǎng)估算,并考慮具體地點(diǎn)的參數(shù),如土壤特性、氣候條件等,實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)灰水足跡的更精準(zhǔn)核算。

(2)農(nóng)藥化肥是農(nóng)業(yè)生產(chǎn)中必不或缺的生產(chǎn)資料,對(duì)提高農(nóng)作物產(chǎn)量和品質(zhì)具有重要作用,但農(nóng)藥與化肥的不合理使用均會(huì)導(dǎo)致諸多環(huán)境問(wèn)題,如農(nóng)業(yè)面源污染不斷加劇,尤其對(duì)土壤環(huán)境、地表水的污染等?，F(xiàn)有研究關(guān)于對(duì)殺蟲(chóng)劑和除草劑等農(nóng)藥導(dǎo)致的水體水質(zhì)污染因其致污機(jī)制復(fù)雜而暫未納入農(nóng)業(yè)灰水足跡核算當(dāng)中,僅將化肥施用對(duì)水質(zhì)造成的面源污染納入計(jì)算,這也是目前農(nóng)業(yè)灰水足跡的計(jì)算結(jié)果偏低的重要原因。隨著農(nóng)藥污染造成的灰水足跡研究取得突破,糧食生產(chǎn)的灰水足跡計(jì)算將會(huì)更加客觀(guān)全面。此外灰水足跡量化核算水質(zhì)限值選擇方面,應(yīng)在研究區(qū)域本地特征進(jìn)行定義。

(3)目前主要農(nóng)作物生產(chǎn)灰水足跡核算及時(shí)空分布格局研究集中在大尺度研究層面,針對(duì)縣域及以下小尺度主要農(nóng)作物生產(chǎn)灰水足跡核算及時(shí)空分布格局還是相對(duì)較缺乏。此外,由于不同地區(qū)地理和時(shí)間位置、氣候、技術(shù)和產(chǎn)量存在差異,當(dāng)前已有的農(nóng)作物灰水足跡并非在所有情況下都具有普適性,因此,亟需開(kāi)展地方更具針對(duì)性的灰水量化研究。