陳巖 童國(guó)平 王蕾

摘 要：淮河流域農(nóng)業(yè)面源污染嚴(yán)重，運(yùn)用灰水足跡理論和DEA-BCC模型，將農(nóng)業(yè)灰水足跡作為模型投入變量，農(nóng)業(yè)產(chǎn)值作為產(chǎn)出變量，研究淮河流域河南、安徽、江蘇、山東4省36個(gè)地市農(nóng)業(yè)灰水足跡的效率，并運(yùn)用投影理論對(duì)淮河流域4個(gè)省份進(jìn)行灰水足跡投入冗余量和冗余率分析，結(jié)果表明：整體來(lái)看，淮河流域農(nóng)業(yè)灰水足跡效率為0.60左右，總體效率較低;從各省對(duì)比看，山東省農(nóng)業(yè)灰水足跡效率最高，其次是江蘇省和安徽省，河南省效率最低，即從內(nèi)陸上游地區(qū)向東部下游沿海地區(qū)逐漸增大;從投影分析來(lái)看，2000—2015年淮河流域農(nóng)業(yè)灰水足跡投入冗余量和冗余率整體呈增大趨勢(shì)，農(nóng)業(yè)灰水足跡資源投入的無(wú)效部分較大。

關(guān)鍵詞：農(nóng)業(yè)灰水足跡效率;DEA-BCC;投影分析;淮河流域

中圖分類號(hào)：X522;TV882.3 文獻(xiàn)標(biāo)志碼：A

doi：10.3969/j.issn.1000-1379.2020.12.012

Abstract：The problem of agricultural nonpoint source pollution in Huaihe River basin is serious. In this paper， the grey water footprint theory model and DEABCC model were combined to analyze the relative efficiency between agricultural grey water footprint and agricultural output in 36 cities of 4 provinces of Huaihe River basin. In addition， the paper analyzed the redundancy and redundancy rate of gray water footprint input in 4 provinces of the basin by using projection principle. There are three important conclusions. Firstly， the average agricultural gray water footprint efficiency in the Huaihe River basin is about 0.60 and the overall efficiency level is low. Secondly， according to the comparison among the four provinces， the agricultural gray water footprint efficiency of Shandong Province is the highest， followed by Jiangsu Province and Anhui Province， and Henan Province is the lowest showing the characteristics of gradually increasing from the inland upstream area to the eastern downstream coastal area. Lastly， from the perspective of projection analysis， the redundant amount and redundancy rate of agricultural gray water footprint are increasing in the basin during 2000-2015， which shows that the ineffective part of agricultural gray water footprint resources in basin is relatively larger and it is necessary to focus on the management of areas with large redundancy， such as Henan Province and Huaihe River estuary for improving the efficiency of agricultural gray water footprint in the Huaihe River basin.

Key words： efficiency of agricultural grey water footprint; DEABCC; projection analysis; Huaihe River basin

水資源是人類生活、社會(huì)發(fā)展必不可少的自然資源，其數(shù)量和質(zhì)量直接關(guān)系到人類生存和社會(huì)經(jīng)濟(jì)發(fā)展的可持續(xù)性。我國(guó)人均水資源量是世界平均水平的1/6，水污染加劇了水資源短缺。在我國(guó)水環(huán)境污染中，農(nóng)村污水排放量占水污染物排放總量的一半以上，農(nóng)村水污染已成為導(dǎo)致水環(huán)境惡化的主要原因之一，嚴(yán)重影響了生態(tài)環(huán)境、農(nóng)民的身體健康和農(nóng)產(chǎn)品的安全。據(jù)統(tǒng)計(jì)，目前我國(guó)農(nóng)用化肥年施用量4 600多萬(wàn)t，全國(guó)范圍遭受不同程度農(nóng)藥污染的農(nóng)田面積達(dá)到907萬(wàn)hm2，平均氮素化肥施用量達(dá)190.5 kg/hm2，分別是美國(guó)、法國(guó)、德國(guó)的3.3倍、1.5倍、1.6倍[1]。我國(guó)每年規(guī)?；竽琉B(yǎng)殖場(chǎng)禽類糞便等排放的污水總量超過(guò)200億t，這些污染物絕大部分沒(méi)有經(jīng)過(guò)處理直接流向外界，給當(dāng)?shù)厮h(huán)境造成嚴(yán)重危害。

傳統(tǒng)的流域水污染狀況評(píng)價(jià)研究方法有單因子指數(shù)法、綜合污染指數(shù)法等。2002年，荷蘭學(xué)者Hoekstra提出了水足跡的概念，即在一定物質(zhì)生產(chǎn)標(biāo)準(zhǔn)下，生產(chǎn)一定人群消費(fèi)的產(chǎn)品和服務(wù)所需要的水資源量，它表示的是人類生產(chǎn)和消費(fèi)正常需求下的真實(shí)水資源量[2]。根據(jù)生活和生產(chǎn)過(guò)程中消耗的水資源類型，把水足跡分為藍(lán)水足跡、綠水足跡和灰水足跡，其中藍(lán)水足跡和綠水足跡都屬于水足跡消耗指標(biāo)[3]?；宜阚E的概念由Hoekstra和Chapagain[4]于2008年首次提出，是指在現(xiàn)有水質(zhì)分類標(biāo)準(zhǔn)條件下，將污染負(fù)荷稀釋至特定水質(zhì)級(jí)別需要的淡水體積[5]。傳統(tǒng)研究大多未考慮將水資源消耗和水污染指標(biāo)結(jié)合起來(lái)分析評(píng)價(jià)水資源利用情況，而用灰水足跡可以分析用水量和污水排放量之間的定量關(guān)系，從水量角度評(píng)價(jià)水污染狀況。目前，國(guó)內(nèi)外對(duì)灰水足跡的研究已經(jīng)取得較多成果，范圍涉及農(nóng)業(yè)[6]、工業(yè)[7]，以及省域[8-9]和特定區(qū)域[10]灰水足跡的測(cè)算評(píng)價(jià)。農(nóng)業(yè)灰水足跡的研究主要集中在特定農(nóng)作物和不同區(qū)域的灰水足跡核算，主要包括水稻[11]、小麥[12]、玉米、蔬菜、水果[13]等種植業(yè)灰水足跡測(cè)算。畜牧業(yè)和漁業(yè)生產(chǎn)活動(dòng)帶來(lái)的灰水足跡也不可忽視，一些學(xué)者對(duì)畜牧業(yè)[14-15]和漁業(yè)養(yǎng)殖[16]等灰水足跡進(jìn)行了測(cè)算和時(shí)空演變分析。在灰水足跡測(cè)算的基礎(chǔ)上，部分學(xué)者對(duì)灰水足跡的影響因素進(jìn)行了研究，主要集中在城市灰水足跡[17]、人均灰水足跡[18-19]、各省（區(qū)、市）灰水足跡[20]等方面。有關(guān)學(xué)者對(duì)農(nóng)產(chǎn)品灰水足跡影響因素的研究結(jié)果表明，化肥施用量和農(nóng)產(chǎn)品產(chǎn)量是影響灰水足跡的重要因素[21]，而氮流失量的增長(zhǎng)造成稀釋水量增加是農(nóng)業(yè)土地利用系統(tǒng)灰水足跡增長(zhǎng)的關(guān)鍵因素[22]。關(guān)于灰水足跡效率和驅(qū)動(dòng)因素的研究，孫才志等[18]從技術(shù)效率效應(yīng)、資本產(chǎn)出效應(yīng)角度綜合分析了人均灰水足跡的驅(qū)動(dòng)效應(yīng)，得到技術(shù)效率效應(yīng)的負(fù)向貢獻(xiàn)率最大，資本產(chǎn)出效應(yīng)的正向貢獻(xiàn)率最大;韓琴等[20]在測(cè)算中國(guó)31個(gè)?。▍^(qū)、市）灰水足跡效率的基礎(chǔ)上，基于LMDI模型定量分解了效率、結(jié)構(gòu)、經(jīng)濟(jì)等效應(yīng)對(duì)灰水足跡效率變化的影響，其中效率、經(jīng)濟(jì)、開(kāi)發(fā)及技術(shù)為正向驅(qū)動(dòng)效應(yīng)。

淮河流域是我國(guó)七大流域之一，發(fā)源于河南省南部地區(qū)，向東經(jīng)過(guò)河南省、安徽省、江蘇省和山東省，人口平均密度為714人/km2，是全國(guó)平均水平的5倍，居全國(guó)各流域人口密度首位?；春恿饔蚴俏覈?guó)水污染狀況最嚴(yán)重的區(qū)域之一，作為我國(guó)主要的產(chǎn)糧區(qū)，其耕地面積占全國(guó)的1/6，流域內(nèi)農(nóng)業(yè)生產(chǎn)中農(nóng)藥、化肥的施用量很大，耕地平均化肥施用強(qiáng)度為776.6 kg/hm2，遠(yuǎn)大于我國(guó)生態(tài)鄉(xiāng)鎮(zhèn)建設(shè)制定的化肥施用強(qiáng)度的上限標(biāo)準(zhǔn)[23]，更超過(guò)一些發(fā)達(dá)國(guó)家化肥施用環(huán)境安全的上限[24]。但流域化肥有效利用率只有30%～35%，農(nóng)業(yè)大量施用的氮磷肥、分散式畜禽水產(chǎn)養(yǎng)殖產(chǎn)生的污染物、農(nóng)村居民生活固體垃圾和廢水等在降雨過(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，農(nóng)村面源污染直接影響流域的生態(tài)系統(tǒng)平衡[25]。因此，將灰水足跡測(cè)算模型與數(shù)據(jù)包絡(luò)分析（DEA）方法結(jié)合起來(lái)研究淮河流域農(nóng)業(yè)污水排放效率，分析淮河流域36個(gè)地市農(nóng)業(yè)灰水足跡的效率，并對(duì)淮河流域農(nóng)業(yè)灰水足跡進(jìn)行投影分析，計(jì)算各地區(qū)農(nóng)業(yè)灰水足跡的投入冗余量和冗余度，以期為淮河流域農(nóng)業(yè)水污染治理提供依據(jù)。

1 研究方法和數(shù)據(jù)來(lái)源

1.1 農(nóng)業(yè)灰水足跡測(cè)算模型

1.2 DEA-BCC模型

數(shù)據(jù)包絡(luò)分析（DEA）方法是一種非參數(shù)化方法，它用來(lái)評(píng)價(jià)同類型的多投入、多產(chǎn)出的各決策單元（DMU）是否存在技術(shù)有效和規(guī)模有效。該方法的基本原理是，通過(guò)保持決策單元的投入或者產(chǎn)出不變，利用數(shù)學(xué)線性規(guī)劃方法確定相對(duì)有效的生產(chǎn)前沿面，將各個(gè)決策單元投影到模型的生產(chǎn)前沿面上，根據(jù)決策單元偏離DEA前沿面的程度來(lái)計(jì)算其相對(duì)有效性[28]。DEA方法包含不同的模型，CCR模型和BCC模型[29]是數(shù)據(jù)包絡(luò)分析方法中兩種最基本的研究效率問(wèn)題的方法，其中CCR模型是在規(guī)模報(bào)酬不變的條件下得到效率值，而B(niǎo)CC模型是基于規(guī)模報(bào)酬可變的條件下得到效率值?？紤]到灰水足跡規(guī)模報(bào)酬可變，因此選用BCC模型。以淮河流域?yàn)檠芯繉?duì)象，假設(shè)流域內(nèi)各個(gè)地市為決策單元DMUj（j=1，2，…，36），將BCC模型和灰水足跡理論相結(jié)合，計(jì)算淮河流域農(nóng)業(yè)灰水足跡效率值，判斷淮河流域各地市投入灰水足跡所獲得的經(jīng)濟(jì)產(chǎn)出是否合理。利用投影分析方法對(duì)非有效地區(qū)進(jìn)行投入產(chǎn)出要素改進(jìn)和發(fā)展?jié)撃芊治?，?duì)淮河流域各地市農(nóng)業(yè)灰水足跡效率值進(jìn)行評(píng)價(jià)并做出調(diào)整改進(jìn)，從而使流域內(nèi)部的農(nóng)業(yè)灰水足跡效率逐漸提高。BCC模型為式中：θ為DMU的有效值;xj為第j個(gè)城市灰水足跡要素投入量;x0、y0分別為初始投入和產(chǎn)出;λj為權(quán)重系數(shù);s+為產(chǎn)出松弛變量;s-為投入松弛變量。

1.3 DEA模型的投入產(chǎn)出變量選取

傳統(tǒng)生產(chǎn)函數(shù)中投入產(chǎn)出是相對(duì)應(yīng)的，即資源投入和污染物排放是同增同減的關(guān)系。對(duì)于經(jīng)濟(jì)-環(huán)境系統(tǒng)而言，灰水足跡屬于非期望產(chǎn)出，基于DEA方法的環(huán)境效率評(píng)價(jià)模型對(duì)于污染物等非期望產(chǎn)出的處理思路之一是“非期望產(chǎn)出視為投入法”，這種處理方式符合DEA對(duì)投入變量的要求，即投入變量越小和產(chǎn)出變量越大，意味著技術(shù)越有效。已有學(xué)者將非期望產(chǎn)出作為投入，如將二氧化碳排放作為投入要素、經(jīng)濟(jì)產(chǎn)值作為期望產(chǎn)出要素來(lái)衡量污染物全要素生產(chǎn)率。因此，將農(nóng)業(yè)灰水足跡作為DEA效率模型的資源投入變量，農(nóng)業(yè)勞動(dòng)力、化肥施用量和耕地面積作為其他要素投入變量，農(nóng)業(yè)產(chǎn)值作為經(jīng)濟(jì)產(chǎn)出變量，研究淮河流域36個(gè)地市農(nóng)業(yè)灰水足跡的效率。

（1）農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)出。采用淮河流域36個(gè)地市2000年、2005年、2010年、2015年種植業(yè)、畜牧業(yè)和水產(chǎn)養(yǎng)殖業(yè)的生產(chǎn)總值表示農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)出。

（2）農(nóng)業(yè)灰水足跡投入。由于不能直接獲取農(nóng)業(yè)灰水足跡數(shù)據(jù)，因此將淮河流域36個(gè)地市2000年、2005年、2010年、2015年種植業(yè)、畜牧業(yè)和水產(chǎn)養(yǎng)殖業(yè)的灰水足跡加和得到農(nóng)業(yè)灰水足跡。

（3）農(nóng)業(yè)勞動(dòng)力投入。采用淮河流域36個(gè)地市2000年、2005年、2010年、2015年的農(nóng)業(yè)從業(yè)人員數(shù)量表示生產(chǎn)過(guò)程中的勞動(dòng)力投入，該指標(biāo)可以用來(lái)表示灰水足跡生產(chǎn)過(guò)程中的勞動(dòng)力要素投入量。

（4）化肥施用量投入?；适┯昧客度氩捎没春恿饔?6個(gè)地市2000年、2005年、2010年、2015年農(nóng)業(yè)種植過(guò)程中的實(shí)際化肥施用量，包括氮肥、磷肥、鉀肥和復(fù)合肥等。

（5）耕地面積投入。耕地面積投入采用淮河流域36個(gè)地市2000年、2005年、2010年、2015年的耕地面積，包括耕種水稻、蔬菜和其他農(nóng)作物的土地面積。

1.4 數(shù)據(jù)來(lái)源

淮河流域包括湖北、河南、安徽、山東、江蘇5省40多個(gè)地市。為了便于研究，對(duì)淮河流域邊緣部分縣市進(jìn)行了取舍（將面積不足縣域面積一半的縣去掉），以淮河流域內(nèi)河南、安徽、江蘇和山東4省36個(gè)地市為研究區(qū)，采用2000年、2005年、2010年和2015年4個(gè)時(shí)間節(jié)點(diǎn)來(lái)研究淮河流域農(nóng)業(yè)灰水足跡效率。農(nóng)業(yè)灰水足跡由式（1）計(jì)算得出，種植業(yè)的氮肥和磷肥施用量、畜禽飼養(yǎng)數(shù)量、水產(chǎn)養(yǎng)殖產(chǎn)量數(shù)據(jù)來(lái)自于2000—2015年各省的統(tǒng)計(jì)年鑒和《中國(guó)農(nóng)業(yè)年鑒》。勞動(dòng)力數(shù)量、化肥施用量和耕地面積要素投入和農(nóng)業(yè)生產(chǎn)總值產(chǎn)出數(shù)據(jù)來(lái)源為2001—2015年各省的統(tǒng)計(jì)年鑒、各地級(jí)市統(tǒng)計(jì)年鑒和《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》。

2 結(jié)果分析

運(yùn)用DEA-BCC模型進(jìn)行淮河流域36個(gè)地市農(nóng)業(yè)灰水足跡的效率計(jì)算，并對(duì)淮河流域4個(gè)省農(nóng)業(yè)灰水足跡效率進(jìn)行投影分析，進(jìn)而對(duì)各個(gè)區(qū)域的投入冗余量和冗余率進(jìn)行分析。

2.1 DEA模型的投入產(chǎn)出變量相關(guān)性檢驗(yàn)

DEA模型中的投入變量和產(chǎn)出變量之間應(yīng)滿足“同向性”原則，即隨著投入要素?cái)?shù)量的不斷增加，產(chǎn)出數(shù)量不得減小。采用Spearman相關(guān)性檢驗(yàn)法對(duì)投入產(chǎn)出變量方向關(guān)系進(jìn)行檢測(cè)，結(jié)果見(jiàn)表1。表1中sig代表顯著水平，當(dāng)sig<0.01時(shí)，拒絕原假設(shè)。由表1可以看出，sig都小于0.01，說(shuō)明淮河流域各市農(nóng)業(yè)灰水足跡效率的投入變量與產(chǎn)出變量的相關(guān)系數(shù)在0.01的顯著性水平均通過(guò)了雙尾檢驗(yàn)，說(shuō)明投入指標(biāo)和產(chǎn)出指標(biāo)之間存在顯著正相關(guān)關(guān)系，且符合“同向性”原則，因此農(nóng)業(yè)灰水足跡效率的投入和產(chǎn)出變量的設(shè)置是合理的。

2.2 基于DEA-BCC模型的農(nóng)業(yè)灰水足跡效率分析

運(yùn)用DEA-BCC模型對(duì)淮河流域36個(gè)地市2000年、2005年、2010年、2015年4個(gè)時(shí)間節(jié)點(diǎn)的農(nóng)業(yè)灰水足跡效率進(jìn)行計(jì)算，結(jié)果見(jiàn)表2。淮河流域2000—2015年農(nóng)業(yè)灰水足跡效率在0.60左右小幅波動(dòng)，各地市之間差異較大。在這16 a間，農(nóng)業(yè)灰水足跡效率達(dá)到1的只有合肥、鹽城、揚(yáng)州、淄博、濟(jì)寧、泰安和日照，蚌埠灰水足跡效率從2000年的0.58增大到2015年的0.90。從這16 a農(nóng)業(yè)灰水足跡平均效率來(lái)看，效率均值較高的5個(gè)地市為山東省的淄博、棗莊、濟(jì)寧、泰安、日照，平均農(nóng)業(yè)灰水足跡效率均高于0.90;效率均值最低的地市為河南省駐馬店市，平均農(nóng)業(yè)灰水足跡效率為0.30。

將淮河流域各地市的農(nóng)業(yè)灰水足跡效率均值劃分為4個(gè)級(jí)別，見(jiàn)圖1。從圖1可以看出，淮河流域干流水系的下游入?？诤鸵抒疸羲缔r(nóng)業(yè)灰水足跡效率普遍較高，干流中下游次之，上游最低，變化趨勢(shì)是從內(nèi)陸上游地區(qū)向東部下游沿海地區(qū)逐漸增大。

2.3 淮河流域農(nóng)業(yè)灰水足跡效率投影分析

運(yùn)用投影分析法分析農(nóng)業(yè)灰水足跡投入的冗余狀況，通過(guò)有效調(diào)節(jié)投入、產(chǎn)出關(guān)系來(lái)實(shí)現(xiàn)DEA有效。模型中最優(yōu)決策單元可以作為非DEA有效決策單元的對(duì)比目標(biāo)，通過(guò)對(duì)比可以得出實(shí)際投入量與最優(yōu)投入量之間的差值，即投入冗余值，投入冗余值就是可以改進(jìn)的灰水足跡數(shù)量。通過(guò)對(duì)淮河流域36個(gè)地市的農(nóng)業(yè)灰水足跡投入冗余值進(jìn)行計(jì)算，得出流域內(nèi)4省農(nóng)業(yè)灰水足跡的投入冗余量和冗余率，見(jiàn)表3。

從整個(gè)淮河流域來(lái)看，2000—2015年農(nóng)業(yè)灰水足跡投入量變化不大，除2005年外，投入冗余量和冗余率總體來(lái)說(shuō)呈增大趨勢(shì)，表明淮河流域農(nóng)業(yè)水污染問(wèn)題呈越來(lái)越嚴(yán)重趨勢(shì)，流域農(nóng)業(yè)灰水足跡資源無(wú)效投入比較大，灰水足跡效率的提高還有很大潛力可以挖掘。

從淮河流域內(nèi)4省來(lái)說(shuō)，河南省灰水足跡投入量和投入冗余量最大，且灰水足跡投入量呈逐年升高趨勢(shì)，說(shuō)明淮河流域上游地區(qū)農(nóng)業(yè)水污染問(wèn)題嚴(yán)重。安徽省和山東省的農(nóng)業(yè)灰水足跡投入冗余量整體呈小幅下降趨勢(shì)，說(shuō)明這兩個(gè)省的農(nóng)業(yè)灰水足跡效率較高，農(nóng)業(yè)水環(huán)境狀況比較穩(wěn)定。江蘇省農(nóng)業(yè)灰水足跡投入冗余量?jī)H次于河南省，而且冗余率較高，表明江蘇省農(nóng)業(yè)生產(chǎn)過(guò)程中存在嚴(yán)重的水污染問(wèn)題，產(chǎn)生大量的農(nóng)業(yè)灰水足跡，導(dǎo)致農(nóng)業(yè)產(chǎn)值和資源投入嚴(yán)重不協(xié)調(diào)，需要加強(qiáng)農(nóng)業(yè)污染治理。

3 結(jié) 論

運(yùn)用灰水足跡測(cè)算公式和DEA-BCC模型研究了淮河流域的農(nóng)業(yè)污水排放效率問(wèn)題。將農(nóng)業(yè)灰水足跡作為DEA效率模型的資源投入變量，農(nóng)業(yè)勞動(dòng)力、化肥施用量和耕地面積作為其他要素投入變量，農(nóng)業(yè)產(chǎn)值作為經(jīng)濟(jì)產(chǎn)出變量，研究了投入和產(chǎn)出之間的效率關(guān)系和動(dòng)態(tài)變化，并運(yùn)用投影原理對(duì)淮河流域的河南、安徽、江蘇、山東4個(gè)省進(jìn)行了投入冗余量和冗余率分析，得出了以下結(jié)論：第一，從整個(gè)淮河流域來(lái)看，2000—2015年農(nóng)業(yè)灰水足跡效率在0.60左右小幅波動(dòng)，總體效率水平較低;第二，從淮河流域內(nèi)各省農(nóng)業(yè)灰水足跡平均效率分布來(lái)看，山東省農(nóng)業(yè)灰水足跡效率最高，其次是江蘇省和安徽省，河南省效率最低，即沂沭泗水系的農(nóng)業(yè)灰水足跡效率普遍較高，干流中下游次之，上游最低，從內(nèi)陸上游地區(qū)向東部下游沿海地區(qū)逐漸增大;第三，從投影分析來(lái)看，2000—2015年，淮河流域農(nóng)業(yè)灰水足跡投入量變化不大，但是投入冗余量和冗余率整體呈增大趨勢(shì)，表明流域農(nóng)業(yè)灰水足跡資源無(wú)效投入較大，農(nóng)業(yè)灰水足跡效率還有很大的提升空間和潛力。

參考文獻(xiàn)：

[1] 沈豐菊.我國(guó)農(nóng)業(yè)廢水處理技術(shù)的應(yīng)用現(xiàn)狀與發(fā)展趨勢(shì)[J].農(nóng)業(yè)工程技術(shù)（新能源產(chǎn)業(yè)），2011，32（1）：16-19.

[2] HOEKSTRA A Y， HUNG P Q. Globalisation of Water Resources： International Virtual Water Flows in Relation to Crop Trade[J]. Global Environmental Change， 2005， 15（1）： 45-56.

[3] HOEKSTRA A Y， CHAPAGAIN A K， ALDAYA M M， et al. 水足跡評(píng)價(jià)手冊(cè)[M].劉俊國(guó)，曾昭，趙乾斌，等，譯.北京：科學(xué)出版社，2012：20-230.

[4] HOEKSTRA A Y， CHAPAGAIN A K. Globalization of Water： Sharing the Planets Freshwater Resources[M]. Oxford： Black-Well Publishing， 2008： 15-128.

[5] HOEKSTRA A Y， CHAPAGAIN A K， ALDAYA M M， et al. The Water Footprint Assessment Manual[J]. Social & Environmental Accountability Journal， 2012（6）： 181-182.

[6] 付永虎，劉黎明，起曉星，等.基于灰水足跡的洞庭湖區(qū)糧食生產(chǎn)環(huán)境效應(yīng)評(píng)價(jià)[J].農(nóng)業(yè)工程學(xué)報(bào)，2015，31（10）：152-160.

[7] 吳兆磊，吳兆丹，祖曉倩.基于灰水足跡視角的浙江省工業(yè)出口結(jié)構(gòu)優(yōu)化研究[J].華北水利水電大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，39（2）：40-45.

[8] 孫才志，韓琴，鄭德鳳.中國(guó)省際灰水足跡測(cè)度及荷載系數(shù)的空間關(guān)聯(lián)分析[J].生態(tài)學(xué)報(bào)，2016，36（1）：86-97.

[9] 孫克，聶堅(jiān).基于引力模型的省域灰水足跡空間關(guān)聯(lián)網(wǎng)絡(luò)分析[J].水資源保護(hù)，2019，35（6）：29-36.

[10] 劉紅光，陳敏，唐志鵬.基于灰水足跡的長(zhǎng)江經(jīng)濟(jì)帶水資源生態(tài)補(bǔ)償標(biāo)準(zhǔn)研究[J].長(zhǎng)江流域資源與環(huán)境，2019，28（11）：2553-2563.

[11] CHAPAGAIN A M， HOEKSTRA A Y. The Blue， Green and Grey Water Footprint of Rice from Production and Consumption Perspectives[J]. Ecological Economics， 2011， 70（4）： 749-758.

[12] MEKONNEN M M， HOEKSTRA A Y. A Global and High-Resolution Assessment of the Green， Blue and Grey Water Footprint of Wheat[J].Hydrology and Earth System Sciences， 2010， 14（7）： 1259-1276.

[13] 何立新，練繼建，王書(shū)吉.河北省主要農(nóng)作物2005—2014年灰水足跡變化[J].水利水電技術(shù)，2016，47（12）：143-148.

[14] MEKONNEN M M， HOEKSTRA A Y. A Global Assessment of the Water Footprint of Farm Animal Products[J]. Ecosystems， 2012， 15（3）： 401-415.

[15] 侯希明.吉林省畜牧業(yè)生產(chǎn)水足跡及其影響因素研究[D].長(zhǎng)春：東北師范大學(xué)，2016：18-50.

[16] 歐陽(yáng)佚亭，宋國(guó)寶，陳景文.中國(guó)淡水池塘養(yǎng)殖魚(yú)類排污的灰水足跡及污染負(fù)荷研究[J].環(huán)境污染與防治，2018，40（3）：317-322，328.

[17] 冼超凡，潘雪蓮，甄泉，等.城市生態(tài)系統(tǒng)污染氮足跡與灰水足跡綜合評(píng)價(jià)[J].環(huán)境科學(xué)學(xué)報(bào)，2019，39（3）：985-995.

[18] 孫才志，白天驕，吳永杰，等.要素與效率耦合視角下中國(guó)人均灰水足跡驅(qū)動(dòng)效應(yīng)研究[J].自然資源學(xué)報(bào)，2018，33（9）：1490-1502.

[19] 白天驕，孫才志.中國(guó)人均灰水足跡區(qū)域差異及因素分解[J].生態(tài)學(xué)報(bào)，2018，38（17）：6314-6325.

[20] 韓琴，孫才志，鄒瑋.1998—2012年中國(guó)省際灰水足跡效率測(cè)度與驅(qū)動(dòng)模式分析[J].資源科學(xué)，2016，38（6）：1179-1191.

[21] 張?chǎng)?，李磊，甄志磊，?時(shí)空與效率視角下汾河流域農(nóng)業(yè)灰水足跡分析[J].中國(guó)環(huán)境科學(xué)，2019，39（4）：1502-1510.

[22] 付永虎，劉黎明，袁承程.農(nóng)業(yè)土地利用系統(tǒng)氮足跡與灰水足跡綜合評(píng)價(jià)[J].農(nóng)業(yè)工程學(xué)報(bào)，2016，32（增刊1）：312-319.

[23] 劉欽普.淮河流域化肥施用空間特征及環(huán)境風(fēng)險(xiǎn)分析[J].生態(tài)環(huán)境學(xué)報(bào)，2015，24（9）：1512-1518.

[24] 周濤，劉文清，張曉玲.淺談淮河流域農(nóng)業(yè)面源污染的成因與防治[J].治淮，2013（12）：4-5.

[25] 宋宇.新常態(tài)下淮河流域農(nóng)業(yè)面源污染來(lái)源分析[J].環(huán)境保護(hù)與循環(huán)經(jīng)濟(jì)，2015，35（11）：12-14.

[26] 王志塏，張克峰，劉雷.地下水污染評(píng)價(jià)中單因子指數(shù)法的優(yōu)化[J].環(huán)境工程，2016，34（增刊1）：810-812，816.

[27] 李向，徐清.基于灰色關(guān)聯(lián)分析理論的典型區(qū)域土壤重金屬污染評(píng)價(jià)研究[J].安全與環(huán)境學(xué)報(bào)，2012，12（1）：150-154.

[28] 陳娟娟.中國(guó)商業(yè)銀行整體效率和階段效率的實(shí)證研究[D].長(zhǎng)沙：湖南大學(xué)，2014：20-48.

[29] COELLI T J， BATTESE G E. A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J]. Empirical Economics， 1995， 20（2）： 325-332.

【責(zé)任編輯 呂艷梅】