張瀚亓，李璐驥，高 坤

（河海大學(xué)商學(xué)院，江蘇 常州 213022）

中國(guó)水資源狀況具有南多北少、豐枯變化大、時(shí)空分布極不均等特點(diǎn)，隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展，水資源供需矛盾日益凸顯。中國(guó)一年用水總量中農(nóng)業(yè)產(chǎn)品用水量占比最大，90%的人類(lèi)消費(fèi)水足跡來(lái)自農(nóng)業(yè)產(chǎn)品。因此，提高農(nóng)業(yè)用水效率，節(jié)約農(nóng)業(yè)用水是解決水資源短缺問(wèn)題、緩解水資源供需矛盾的根本性措施。許多專(zhuān)家學(xué)者為緩解水資源短缺問(wèn)題提出了一系列理論，其中水足跡理論近年來(lái)深受全球?qū)W者青睞。

水足跡由荷蘭學(xué)者Hoekstra［1］首先提出，是對(duì)虛擬水理念的豐富和發(fā)展。具體是指在特定時(shí)間內(nèi)某一地理區(qū)域居民直接或間接用于生產(chǎn)消費(fèi)的商品和服務(wù)消耗的水足跡水量。隨著水足跡理論的不斷發(fā)展，其應(yīng)用范圍越來(lái)越寬廣，國(guó)內(nèi)外學(xué)者們已將該理論應(yīng)用到不同國(guó)家或地區(qū)的工業(yè)、農(nóng)業(yè)、第三產(chǎn)業(yè)等不同產(chǎn)業(yè)領(lǐng)域?qū)λY源利用狀況進(jìn)行評(píng)估。

國(guó)外關(guān)于農(nóng)業(yè)水足跡的研究，大多數(shù)都是基于聯(lián)合國(guó)糧農(nóng)組織（FAO）的CROPWAT8.0 彭曼-蒙特斯公式進(jìn)行水足跡的測(cè)算。如Multsch 等［2］開(kāi)發(fā)空間決策支持系統(tǒng)SPARE：WATER，在計(jì)算農(nóng)作物水足跡時(shí)考慮特定地點(diǎn)的情況，以此評(píng)估沙特阿拉伯的農(nóng)業(yè)用水足跡。Donoso 等［3］估算了智利的農(nóng)業(yè)生產(chǎn)水足跡，在考慮氣候和土壤差異的情況下，分別對(duì)主要生產(chǎn)區(qū)域農(nóng)產(chǎn)品的綠水足跡、藍(lán)水足跡和灰水足跡進(jìn)行了評(píng)估。Symeonidou 等［4］評(píng)價(jià)羅茲島所有主要農(nóng)作物的水足跡，得出旱作和灌溉作物的水足跡量存在顯著差異。

國(guó)內(nèi)的水足跡研究則主要集中在區(qū)域水足跡狀況的評(píng)價(jià)。如王會(huì)肖等［5］就2008 年黃河流域綠水和藍(lán)水足跡展開(kāi)研究，分析農(nóng)業(yè)耗水量和水足跡的空間分布狀況。黃會(huì)平等［6］選擇了冬小麥、夏玉米這2 種主要農(nóng)作物計(jì)算海河流域25 年間的農(nóng)業(yè)生產(chǎn)水足跡，并憑借此預(yù)測(cè)未來(lái)30 年這2 種作物水足跡變化狀況及各氣象因子對(duì)農(nóng)業(yè)生產(chǎn)水足跡的影響程度。張郁等［7］以糧食大省黑龍江為例，對(duì)施用化肥所帶來(lái)的污染產(chǎn)生的灰水足跡進(jìn)行測(cè)算，考量糧食產(chǎn)量、化肥施用量和灰水足跡之間的相關(guān)性。綜合以上論述可以看出，以往對(duì)于農(nóng)業(yè)水足跡的研究多以用水量和主要農(nóng)作物之間的關(guān)系為主，在時(shí)空變化差異方面的研究略顯匱乏。而在用水量研究方面，現(xiàn)有的研究區(qū)域主要集中于單個(gè)城市、單個(gè)流域或者中國(guó)整體，缺乏著眼于地區(qū)之間的對(duì)比研究。本研究針對(duì)東北地區(qū)農(nóng)業(yè)水足跡的空間差異及其影響因素進(jìn)行了分析。一是以中國(guó)東北地區(qū)3 個(gè)省份作為研究對(duì)象，研究主要農(nóng)作物水足跡含量的時(shí)空變化差異，二是運(yùn)用LMDI 模型將水足跡總量的變化驅(qū)動(dòng)因素進(jìn)行分解，從時(shí)間、空間格局等多視角分析驅(qū)動(dòng)因素。

中國(guó)東北地區(qū)包括黑龍江、吉林、遼寧3 省，自東南而西北，從濕潤(rùn)區(qū)、半濕潤(rùn)區(qū)過(guò)渡到半干旱區(qū)。東北地區(qū)農(nóng)業(yè)生產(chǎn)水資源的需求巨大，并呈現(xiàn)出顯著的地域差異。糧食作為一種耗水密集型產(chǎn)品，其水足跡能夠反映出某一區(qū)域糧食生產(chǎn)過(guò)程中水資源的利用情況。東北地區(qū)作為中國(guó)重要的商品糧基地，在糧食產(chǎn)出和糧食安全方面具有一定的代表性。其中，玉米、水稻以及大豆產(chǎn)量一直穩(wěn)定占據(jù)主導(dǎo)地位，甜菜和春小麥產(chǎn)量隨種植面積的不斷縮小而不斷降低，而馬鈴薯種植規(guī)?？s小的同時(shí)產(chǎn)量卻一直維持較高水平。為體現(xiàn)東北農(nóng)作物結(jié)構(gòu)在轉(zhuǎn)變東北地區(qū)農(nóng)業(yè)發(fā)展方式中的作用，選取玉米、水稻、大豆、馬鈴薯、甜菜5 種作物進(jìn)行研究。

根據(jù)水足跡理論，對(duì)2009—2018 年中國(guó)東北地區(qū)主要農(nóng)作物進(jìn)行研究，計(jì)算其水足跡總量以及東北地區(qū)農(nóng)業(yè)生產(chǎn)水足跡，分析東北地區(qū)農(nóng)業(yè)水足跡在總量，藍(lán)水、綠水以及灰水所占比例在空間上的差異，運(yùn)用LMDI 方法探究影響東北地區(qū)水足跡的相關(guān)因素，將有助于緩解因水污染、時(shí)空水資源分配不均帶來(lái)的農(nóng)業(yè)水資源短缺問(wèn)題，并為東北地區(qū)農(nóng)業(yè)生產(chǎn)水資源利用效率及可持續(xù)發(fā)展提供理論參考。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源

選取中國(guó)東北三省2009—2018 年數(shù)據(jù)，評(píng)價(jià)東北地區(qū)水稻、玉米、大豆、馬鈴薯以及甜菜5 種主要農(nóng)作物的生產(chǎn)水足跡量。數(shù)據(jù)來(lái)源包括氣象數(shù)據(jù)和農(nóng)作物數(shù)據(jù)。其中，省域尺度上5 種農(nóng)作物的單位規(guī)模產(chǎn)量、總產(chǎn)量、種植規(guī)模數(shù)據(jù)以及農(nóng)作物氮肥施用折純量源于國(guó)家統(tǒng)計(jì)局網(wǎng)站的年度統(tǒng)計(jì)數(shù)據(jù)。根據(jù)地理位置差異，選取黑龍江安達(dá)、吉林長(zhǎng)嶺、遼寧開(kāi)原3 地氣象觀測(cè)點(diǎn)作為氣象數(shù)據(jù)代表。統(tǒng)計(jì)分析3 地的逐月數(shù)據(jù)，平均最高和最低氣溫、相對(duì)濕度、風(fēng)速、日照、持續(xù)時(shí)間、月降雨量和輻射均源于中國(guó)氣象數(shù)據(jù)網(wǎng)。水足跡計(jì)算中需要的參數(shù)作物蒸發(fā)蒸騰量通過(guò)CROPWAT8.0 軟件計(jì)算得出，計(jì)算方法依據(jù)聯(lián)合國(guó)糧農(nóng)組織（FAO）推薦的標(biāo)準(zhǔn)彭曼公式，作物及土壤參數(shù)均采用聯(lián)合國(guó)糧食及農(nóng)業(yè)組織（FAO）的內(nèi)置標(biāo)準(zhǔn)參數(shù)。

1.2 研究方法

1.2.1 水足跡總量測(cè)算方法 水足跡是指在日常生活中公共消費(fèi)產(chǎn)品以及服務(wù)過(guò)程所消耗的水?；谒阚E理論，農(nóng)業(yè)水足跡可理解為一定時(shí)期和區(qū)域內(nèi)人們消費(fèi)的所有農(nóng)業(yè)產(chǎn)品（包括作物和畜禽產(chǎn)品）和服務(wù)的虛擬水量之和。依據(jù)水資源來(lái)源及相關(guān)環(huán)境影響，可劃分為綠水足跡、藍(lán)水足跡和灰水足跡。藍(lán)水足跡指作物生長(zhǎng)過(guò)程中消耗的地表水及地下水量，綠水足跡指作物在生長(zhǎng)過(guò)程中吸收和利用的有效降水量，灰水足跡指稀釋農(nóng)業(yè)生產(chǎn)中化肥及農(nóng)藥等產(chǎn)生的面源污染所需要的水量，又稱(chēng)水污染足跡。農(nóng)業(yè)水足跡計(jì)算公式如下。

1）藍(lán)水足跡計(jì)算。

其中，WFblue表示藍(lán)水足跡（m3/kg）；ETblue為作物藍(lán)水蒸發(fā)蒸騰量（mm）；ETc為作物蒸發(fā)蒸騰量（mm），等于作物需水量CWR；PL為作物灌溉用水下滲量及其他損耗；IR為作物灌溉需水量（mm）；ET0為參考作物蒸發(fā)蒸騰量（mm）；Y為作物產(chǎn)量（kg/hm2）；Peff為有效降水量；10 為將水深轉(zhuǎn)換為單位陸地水量的單位轉(zhuǎn)換系數(shù)；Kc為作物系數(shù)，采用CROPWAT 內(nèi)置作物標(biāo)準(zhǔn)參數(shù)。在不考慮灌溉用水損耗及下滲的情況下ETC=IR+Peff［8］，水稻作物是水田作物，灌溉用水損耗較大，計(jì)算需要特別考慮該部分［9］。

2）綠水足跡計(jì)算。

其中，WFgreen表示綠水足跡（m3/kg）；ETgreen為作物綠水蒸發(fā)蒸騰量（mm）。

3）作物需水量計(jì)算。

其中，ET0是參考作物蒸發(fā)蒸騰量（mm）；Rn是作物表面的凈輻射（MJ/（m2·d））；G是土壤熱通量（MJ/（m2·d））；γ 為溫度計(jì)常數(shù)（kPa/℃）；T是 2 m 高處的每日平均氣溫（℃）；u2是2 m 高度的風(fēng)速（m/s）；es是飽和蒸氣壓（kPa）；ea是實(shí)際蒸氣壓（kPa）；Δ 為飽和水氣壓與溫度相關(guān)曲線的斜率（kPa/℃）。

4）灰水足跡計(jì)算。農(nóng)業(yè)生產(chǎn)通常會(huì)使用大量的化肥和農(nóng)藥來(lái)提高農(nóng)作物的產(chǎn)量，這些多余的肥料及農(nóng)藥會(huì)滲入地下或進(jìn)入地表徑流造成地下水和地表水的污染?；诘试诨适┯弥斜壤罡?、水污染份額最大以及土壤中的磷和鉀不容易淋失等特點(diǎn)，為避免重復(fù)計(jì)算，灰水足跡計(jì)算僅考慮氮肥對(duì)水質(zhì)造成的污染，不考慮其他農(nóng)藥對(duì)水質(zhì)的影響。灰水足跡在數(shù)量上等于該污染物的稀釋水量。計(jì)算公式如下。

其中，WFgrey為灰水足跡（m3/kg）；α 為氮肥的淋失率，根據(jù)第一次《全國(guó)污染源普查-農(nóng)業(yè)污染源肥料流失系數(shù)手冊(cè)》將氮元素淋失率設(shè)定為10%；Appl為氮肥使用總量（kg/hm2）；Cmax為現(xiàn)有環(huán)境水質(zhì)標(biāo)準(zhǔn)下氮元素最高排放濃度（kg/m3），根據(jù)《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》（GB3838—2002）中的Ⅲ類(lèi)水標(biāo)準(zhǔn)設(shè)置（0.01 kg/m3）；Cnat為自然條件下水體中氮元素的質(zhì)量濃度（kg/m3），設(shè)為0。選取的5 種農(nóng)作物產(chǎn)量占東北地區(qū)農(nóng)業(yè)總產(chǎn)量的95%以上，為解決數(shù)據(jù)問(wèn)題，采用全省氮肥折純施用量進(jìn)行灰水足跡計(jì)算。

1.2.2 LMDI 指數(shù)分解模型 Ang 等［10］于 1998 年提出的對(duì)數(shù)均值指數(shù)分解法（LMDI）在能源消耗等領(lǐng)域被廣泛應(yīng)用，但在農(nóng)業(yè)水足跡領(lǐng)域應(yīng)用的相關(guān)研究并不多見(jiàn)，本研究引入該方法將東北地區(qū)按省域尺度劃分為3 個(gè)產(chǎn)量區(qū)進(jìn)行農(nóng)業(yè)水足跡的研究。基于LDMI 方法，結(jié)合kaya 恒等式將作物的水足跡總量的驅(qū)動(dòng)因素分解如下。

WF（t）是東北地區(qū)5 種主要農(nóng)作物生產(chǎn)水足跡總量，Y（ijt）代表第t年j省第i種作物的產(chǎn)量，S（ijt）代表第t年j省第i種作物的種植規(guī)模，V（ijt）代表第t年j省第i種作物的的虛擬水含量，C（ijt）代表第t年j省第i種作物的種植結(jié)構(gòu)。i=1，2，3，4，5 分別代表水稻、玉米、甜菜、馬鈴薯、大豆5 種主要農(nóng)作物；j=1，2，3 分別代表黑龍江、吉林、遼寧。作物產(chǎn)量是某省農(nóng)作物1 年的產(chǎn)量，種植規(guī)模是所選所有農(nóng)作物的總種植規(guī)模，虛擬水含量是用來(lái)生產(chǎn)每種作物單位的水量，種植結(jié)構(gòu)是指特定作物規(guī)模所占總規(guī)模的比例，這4 種因素反映了農(nóng)業(yè)生產(chǎn)用水與人工選擇與投入、生產(chǎn)地區(qū)氣候、自然資源稟賦之間的相互關(guān)系。

根據(jù)加法分解方法，從第0 年到第t年的總水足跡量變化（ΔWF）可分解為4 部分，由產(chǎn)量因素引起的總水足跡量變化（ΔWy），由種植規(guī)模因素引起的總水足跡量變化（ΔWs），由虛擬水含量因素引起的總水足跡量變化（ΔWv），由作物結(jié)構(gòu)因素引起的總水足跡量變化（ΔWc）［11］。

時(shí)間序列的公式如下。

同理，空間序列的公式如下。

其中，ΔWF′表示從第0 年到第t年間第h省和第j省之間作物總水足跡的變化量，被分解為產(chǎn)量因素、種植規(guī)模因素、虛擬水含量因素、作物結(jié)構(gòu)因素4 部分。

2 結(jié)果與分析

2.1 農(nóng)業(yè)水足跡測(cè)算結(jié)果分析

圖1 顯示，總體上東北地區(qū)的主要農(nóng)作物水足跡總量逐年遞增，在2017 年達(dá)到最高值1 585.83 億m3，而2018 年受霜凍等氣象災(zāi)害以及氣候變化導(dǎo)致的減產(chǎn)的影響出現(xiàn)了小幅下跌。在水足跡總量構(gòu)成上，東北地區(qū)呈現(xiàn)出結(jié)構(gòu)穩(wěn)定但差異顯著的特征，玉米以及水稻2 種主要糧食作物的水足跡量遠(yuǎn)遠(yuǎn)大于其他作物，占據(jù)主導(dǎo)地位；其中玉米的年均水足跡為687.30 億m3，占比51%；水稻的年均水足跡為478.72億m3，占比36%；2009—2017 年，玉米和水稻得益于種植規(guī)模的擴(kuò)大，一直保持穩(wěn)步增長(zhǎng)。經(jīng)濟(jì)作物中，大豆水足跡經(jīng)歷了先降再升的趨勢(shì)，2009 年為187億 m3，2015 年降為 113.39 億 m3，降幅超過(guò) 40%；之后便保持增長(zhǎng)的趨勢(shì)，到2017 年為195.67 億m3，超過(guò)2009 年的水平。而甜菜由于種植規(guī)模的減少，2018年僅有0.97 億m3，相較于2009 年水足跡總量降幅超過(guò)77%。

圖1 東北地區(qū)2009—2018 年主要農(nóng)作物農(nóng)業(yè)水足跡總量

如圖2 所示，從農(nóng)作物水足跡的省際視角看，東北三省水足跡含量差異明顯，黑龍江省對(duì)東北地區(qū)農(nóng)作物水足跡總量增長(zhǎng)貢獻(xiàn)最大，約占地區(qū)農(nóng)作物生產(chǎn)水足跡的60%，5 種主要農(nóng)作物水足跡量也均遠(yuǎn)超遼寧省以及吉林省；而吉林省次之，約占24%，其中吉林省玉米和大豆2 種作物水足跡含量相較于遼寧省較高。受制于耕地規(guī)模、氣候等區(qū)位因素，遼寧省的各項(xiàng)農(nóng)作物水足跡量均為全區(qū)域最低水平，占比約為16%。從地理位置上來(lái)說(shuō)，農(nóng)業(yè)水足跡由南向北逐漸增大。

圖2 東北地區(qū)2009—2018 年省際農(nóng)業(yè)水足跡總量

從水足跡的構(gòu)成看，如圖3 所示，呈現(xiàn)出總體上升但差異顯著的特征；其中藍(lán)水足跡增長(zhǎng)幅度明顯，對(duì)農(nóng)作物生產(chǎn)總水足跡貢獻(xiàn)最大，最大占比約為60%，這體現(xiàn)出東北地區(qū)農(nóng)業(yè)生產(chǎn)中灌溉用水的需求龐大；其次是綠水足跡，增長(zhǎng)達(dá)17%?；宜阚E則是在226.6 億m3上下波動(dòng)變化。就各省水足跡構(gòu)成足跡而言，藍(lán)水與灰水足跡的占比情況與總水足跡量相似，黑龍江省占據(jù)主要地位，吉林省次之，最后是遼寧省。

圖3 東北地區(qū)水足跡構(gòu)成情況

2.2 農(nóng)業(yè)水足跡LMDI分解時(shí)間序列分析

如圖4 所示，在研究的10 年期間，產(chǎn)量因素和規(guī)模因素以及虛擬水因素有7 年為正值，2009—2012年，產(chǎn)量因素和規(guī)模因素發(fā)揮出主要的促進(jìn)作用，而到了2013 年，讓位于虛擬水因素。結(jié)構(gòu)因素2009—2015 年表現(xiàn)為正值，而2016 年開(kāi)始變?yōu)橐种撇▌?dòng)增長(zhǎng)的消極因素，在研究期間發(fā)揮的作用并不明顯。值得指出的是2018 年，由于氣象災(zāi)害導(dǎo)致農(nóng)作物減產(chǎn)，各種因素都發(fā)生劇烈的變化，結(jié)構(gòu)因素成了惟一的促進(jìn)因素。

圖4 東北地區(qū)水足跡驅(qū)動(dòng)因素

總的來(lái)說(shuō)，大部分年份，各類(lèi)驅(qū)動(dòng)因素發(fā)揮出了積極的作用，促進(jìn)農(nóng)業(yè)水足跡的增長(zhǎng)；2009—2012年，以產(chǎn)量和規(guī)模因素為主，2013—2017 年則以虛擬水因素為主。不過(guò)，增長(zhǎng)的幅度在波動(dòng)下降，這體現(xiàn)出來(lái)各類(lèi)驅(qū)動(dòng)因素對(duì)增長(zhǎng)作出的貢獻(xiàn)在減少，尤其是2015 年之后，種植結(jié)構(gòu)變成了抑制因素。出現(xiàn)這種狀況，一方面是因?yàn)椴煌攴輾夂虻淖兓瘜?duì)作物需水量有著不同的影響；另一方面是在研究期間，灌溉節(jié)水技術(shù)的改進(jìn)以及節(jié)水政策的出臺(tái)。說(shuō)明東北地區(qū)的作物種植結(jié)構(gòu)還有待進(jìn)一步的優(yōu)化。由于黑龍江省的水足跡遠(yuǎn)遠(yuǎn)大于其他省，在驅(qū)動(dòng)因素上從全地區(qū)視角分析，可能會(huì)因?yàn)檫@個(gè)因素而掩蓋了吉林、遼寧2 省的實(shí)際情況。故而分別列出黑龍江、吉林、遼寧3 省2009—2018 年農(nóng)業(yè)水足跡量變化驅(qū)動(dòng)因素及貢獻(xiàn)率，單獨(dú)分析各省的驅(qū)動(dòng)因素在時(shí)間上的變化情況，結(jié)果見(jiàn)表1、表2、表3。

黑龍江省在10 年間，水足跡總量增加了121 億m3。如表 1 顯示，2009—2013 年，各類(lèi)驅(qū)動(dòng)因素都發(fā)揮了積極的作用，其中起主要貢獻(xiàn)的是產(chǎn)量因素以及規(guī)模因素，而從2014 年開(kāi)始規(guī)模因素和產(chǎn)量因素讓位于虛擬水因素，虛擬水因素發(fā)揮出更顯著的促進(jìn)作用，結(jié)構(gòu)因素則轉(zhuǎn)變成為抑制增長(zhǎng)的消極因素。在2016 年以及2018 年由于作物種植以及氣候的變化則出現(xiàn)了截然不同的情況，總因素為負(fù)值，各類(lèi)因素也基本成為抑制因素。

表1 黑龍江2009—2018 年農(nóng)業(yè)水足跡量變化驅(qū)動(dòng)因素貢獻(xiàn)率

吉林省在10 年間，水足跡總量增加了32 億m3。如表2 顯示，2009—2012 年，產(chǎn)量因素以及規(guī)模因素是主要促進(jìn)因素，而虛擬水因素起了抑制作用，2013—2017 年虛擬水因素則成為了水足跡總量增長(zhǎng)的主要因素，2018 年的減產(chǎn)抑制了水足跡總量的增長(zhǎng)，4 種因素的消極作用使得水足跡總量轉(zhuǎn)增為跌。

表2 吉林2009—2018 年農(nóng)業(yè)水足跡量變化驅(qū)動(dòng)因素貢獻(xiàn)率

遼寧省在10 年間，水足跡總量增加了32 億m3。如表3 顯示，2009—2012 年，產(chǎn)量因素以及規(guī)模因素是主要促進(jìn)因素，而虛擬水因素起了抑制作用，到2013 年，虛擬水因素以及產(chǎn)量因素發(fā)揮著促進(jìn)作用，結(jié)構(gòu)因素則為負(fù)值。在2017 年和2018 年，情況發(fā)生了反轉(zhuǎn)，虛擬水因素和結(jié)構(gòu)因素發(fā)揮著積極作用，產(chǎn)量因素和規(guī)模因素則是起了抑制作用。

表3 遼寧2009—2018 年農(nóng)業(yè)水足跡量變化驅(qū)動(dòng)因素貢獻(xiàn)率

總的來(lái)說(shuō)，3 省的水足跡是由產(chǎn)量因素和規(guī)模因素引起的，而結(jié)構(gòu)因素以及虛擬水因素的作用變化較大。虛擬水因素出現(xiàn)這些變化是因?yàn)槭軞夂虿▌?dòng)的影響較大。在研究期間，氣候因素（如溫度、降水和日照）和自然條件（海拔、經(jīng)度和緯度）改變了作物產(chǎn)量和耗水量。特別是2018 年?yáng)|北地區(qū)氣候出現(xiàn)降水減少等異常情況，有霜凍、風(fēng)災(zāi)等氣象災(zāi)害，導(dǎo)致減產(chǎn)，故而2018 年的水足跡變化驅(qū)動(dòng)因素出現(xiàn)了截然不同的結(jié)果。另外需要指出的是東北地區(qū)近10 年來(lái)的作物結(jié)構(gòu)調(diào)整變化大，各作物變化趨勢(shì)不一致，10 年間玉米和水稻分別增長(zhǎng)了360.195 萬(wàn)、112.350 萬(wàn)hm2；而大豆、馬鈴薯以及甜菜分別下降了84.257 萬(wàn)、16.739 萬(wàn)、5.304 萬(wàn) hm2，這導(dǎo)致作物總結(jié)構(gòu)因素變化波動(dòng)大。

2.3 農(nóng)業(yè)水足跡LMDI分解空間序列分析

通過(guò)將4 個(gè)因素加總得到東北三省水足跡量變化總因素，結(jié)果見(jiàn)圖5、圖6、圖7、圖8。從總體農(nóng)業(yè)水足跡變化因素的省際差異來(lái)看，2009—2018 年黑龍江省農(nóng)業(yè)生產(chǎn)水足跡變化量在-116.22 億～273.92億m3，大部分年份對(duì)全區(qū)域的水足跡總量變化貢獻(xiàn)大，而 2016 年及 2018 年抑制作用明顯；2009—2018年吉林省農(nóng)業(yè)生產(chǎn)水足跡變化量在-120.13 億～83.46 億 m3，波動(dòng)較大；2009—2018 年遼寧省農(nóng)業(yè)生產(chǎn)水足跡變化量在-90.58 億～74.03 億m3，波動(dòng)較大，大部分年份是起抑制作用。從數(shù)量和變化以及影響程度上來(lái)看，2010—2014 年，黑龍江省水足跡變化量處于第一位，接下來(lái)是吉林、遼寧??；而從2015 年開(kāi)始，由于種植結(jié)構(gòu)的變化，作物對(duì)降水、光照等因素有不同需求的影響，每年水足跡變化量波動(dòng)幅度大，各省在變化幅度上的差異體現(xiàn)出來(lái)的是各省作物種植量和種植結(jié)構(gòu)變化上的數(shù)值。從空間格局上看，東北地區(qū)水足跡變化幅度是存在由北向南的遞減趨勢(shì)。為更直觀地體現(xiàn)空間格局上3 省各驅(qū)動(dòng)因素的差異，將黑龍江、遼寧和吉林省的主要農(nóng)作物生產(chǎn)水足跡總量?jī)蓛蛇M(jìn)行比較，得出空間上的各驅(qū)動(dòng)效應(yīng)以及貢獻(xiàn)率的空間差異（表4）。

表4 2009—2018 年?yáng)|北地區(qū)水足跡總量空間差異的驅(qū)動(dòng)因素貢獻(xiàn)率 （單位：%）

圖5 東北地區(qū)主要農(nóng)作物生產(chǎn)水足跡變化量

圖6 2008 年水足跡變化因素

圖7 2010 年水足跡變化因素

圖8 2015 年水足跡變化因素

1）吉林-黑龍江。2010、2015、2018 年，吉林省水足跡變化總驅(qū)動(dòng)因素均低于黑龍江省，但呈現(xiàn)差距縮小的趨勢(shì)。黑龍江省的5 種作物的種植規(guī)模均大于吉林省，且水稻和馬鈴薯種植規(guī)模變化在2 省呈現(xiàn)相反趨勢(shì)。具體分析各驅(qū)動(dòng)因素情況，產(chǎn)量因素和規(guī)模因素始終為負(fù)值，表明這2 種因素對(duì)吉林水足跡總量增長(zhǎng)的促進(jìn)效果弱于黑龍江省，差距也有一定的縮小。虛擬水因素在2010、2015 年為負(fù)值，2018 年為正值，說(shuō)明虛擬水因素對(duì)吉林省水足跡總量增長(zhǎng)的促進(jìn)效果先弱于黑龍江省，后強(qiáng)于黑龍江省。結(jié)構(gòu)因素只在2015 年為正值，說(shuō)明結(jié)構(gòu)因素只在中期對(duì)吉林省水足跡總量增長(zhǎng)的貢獻(xiàn)大于黑龍江省。

2）遼寧-黑龍江。2010、2015、2018 年，遼寧省水足跡變化總驅(qū)動(dòng)因素與黑龍江省呈現(xiàn)差距縮小的趨勢(shì)，并在后期超過(guò)了黑龍江省。產(chǎn)量因素和規(guī)模因素在2015 年為正值，說(shuō)明兩者在中期對(duì)遼寧省水足跡總量增長(zhǎng)的貢獻(xiàn)大于黑龍江省。虛擬水因素在2010、2015 年為負(fù)值，2018 年為正值，表明虛擬水因素對(duì)遼寧省水足跡總量增長(zhǎng)的促進(jìn)效果先弱于黑龍江省，后強(qiáng)于黑龍江省。而結(jié)構(gòu)因素始終為負(fù)值，該因素對(duì)遼寧省水足跡總量的增長(zhǎng)貢獻(xiàn)低于黑龍江省，但差距不斷縮小。

3）遼寧-吉林。2010、2015、2018 年，遼寧省水足跡變化總驅(qū)動(dòng)因素均低于吉林省，且呈現(xiàn)差距不斷擴(kuò)大的趨勢(shì)。吉林省和遼寧省在主要農(nóng)作物種植規(guī)模上有顯著的差異，吉林省玉米，水稻和大豆種植規(guī)模遠(yuǎn)超遼寧省，而甜菜和馬鈴薯規(guī)模在后期逐漸少于遼寧省。具體分析各驅(qū)動(dòng)因素情況，規(guī)模因素始終為正值，這表明規(guī)模因素對(duì)遼寧省水足跡總量增長(zhǎng)的促進(jìn)效果強(qiáng)于吉林省；虛擬水因素和結(jié)構(gòu)因素在2015 年為負(fù)值，該因素在中期對(duì)遼寧省水足跡總量增長(zhǎng)的貢獻(xiàn)大于吉林省。產(chǎn)量因素在2010 年為負(fù)值，2010、2018 年為正值，說(shuō)明該因素在前期對(duì)遼寧省水足跡總量增長(zhǎng)的促進(jìn)效果先弱于吉林省，后強(qiáng)于吉林省。

3 結(jié)論及建議

3.1 結(jié)論

本研究首先計(jì)算2009—2018 年?yáng)|北地區(qū)三省玉米、水稻、大豆、馬鈴薯、甜菜5 種農(nóng)作物的水足跡總量，然后采用LMDI 模型將東北地區(qū)3 個(gè)省份的農(nóng)業(yè)生產(chǎn)水足跡總量的驅(qū)動(dòng)因素分解為產(chǎn)量因素、規(guī)模因素、虛擬水因素和結(jié)構(gòu)因素。并從時(shí)間、空間格局等多視角進(jìn)行了驅(qū)動(dòng)因素貢獻(xiàn)情況的分析，得出以下結(jié)論。

1）從水足跡總量看。在時(shí)間變化上，東北三省地區(qū)2009—2017 年，水足跡保持著逐年遞增的趨勢(shì)，2018 年出現(xiàn)大幅下跌。在空間格局上，呈現(xiàn)出由北向南遞減，各省水足跡總量差異顯著的特征，黑龍江省的水足跡總量遠(yuǎn)超吉林、遼寧2 省，吉林次之，遼寧最低。從水足跡的構(gòu)成看，藍(lán)水足跡量遠(yuǎn)大于綠水和灰水足跡量，東北地區(qū)農(nóng)作物對(duì)灌溉用水的需求量更大?；宜阚E略小于綠水足跡。

2）從水足跡變化的驅(qū)動(dòng)因素看。在時(shí)間變化上總體呈現(xiàn)波動(dòng)下降的趨勢(shì)，種植規(guī)模的擴(kuò)大和單產(chǎn)的增長(zhǎng)是水足跡保持增長(zhǎng)的主要驅(qū)動(dòng)因素，尤其是種植面積的擴(kuò)大。10 年間主要農(nóng)作物的面積擴(kuò)大了26%，其中主要是玉米和水稻的面積增長(zhǎng)，大豆和甜菜的面積在不斷減少，水足跡總量隨著玉米和水稻的面積擴(kuò)大而不斷增長(zhǎng)。而虛擬水因素也在水足跡的變化中發(fā)揮了重要的作用，從研究初期的抑制作用轉(zhuǎn)變?yōu)楹笃诘拇龠M(jìn)作用。而結(jié)構(gòu)因素在水足跡的增長(zhǎng)中發(fā)揮的作用并不明顯。特別值得注意的是，玉米和水稻這2 種糧食作物的種植規(guī)模占到東北地區(qū)中規(guī)模的90%，還在增長(zhǎng)，而大豆、甜菜等作物的種植規(guī)模在不斷縮小［12］。

3）從水足跡變化的驅(qū)動(dòng)因素看。在空間格局上，東北地區(qū)水足跡變化幅度是存在由北向南的遞減趨勢(shì)。前期各省水足跡增長(zhǎng)都是由產(chǎn)量和面積因素貢獻(xiàn)的，其中，在黑龍江省這2 種因素發(fā)揮出明顯的作用。水稻和玉米是需水量最大的2 種作物，這2種作物的產(chǎn)量增加是水足跡變化的重要因素。后期虛擬水因素加劇了各省之間水足跡的差異，尤其是對(duì)吉林省的貢獻(xiàn)更顯著。種植結(jié)構(gòu)上，種植水稻的比例差異顯著，黑龍江省水稻種植面積占比約為35%，而吉林省和遼寧省約為70%。

3.2 建議

基于以上研究結(jié)論，從優(yōu)化空間布局和作物結(jié)構(gòu)，提高農(nóng)作物生產(chǎn)效率及灌溉用水資源利用率，推動(dòng)綠色農(nóng)業(yè)發(fā)展等方面提出建議。

1）優(yōu)化空間布局和作物結(jié)構(gòu)。注重空間格局上的均衡，各省要根據(jù)自身自然因素和氣候條件以及水資源狀況，因地制宜地選擇作物種植。作物品種多樣化，適當(dāng)擴(kuò)大雜糧和薯類(lèi)的種植比例，以此改變玉米和水稻為主的單一種植結(jié)構(gòu)，更好地滿足國(guó)內(nèi)糧食需求。

2）提升農(nóng)作物生產(chǎn)效率灌溉用水資源利用率。改良和引進(jìn)高產(chǎn)作物品種，推進(jìn)優(yōu)質(zhì)品種選育與推廣；加大農(nóng)業(yè)技術(shù)研究投入，降低作物需水量，提高生產(chǎn)效率；灌溉用水精細(xì)化管理，發(fā)展高效節(jié)水設(shè)施，推廣微噴灌等技術(shù)。

3）加強(qiáng)農(nóng)業(yè)生態(tài)保護(hù)，發(fā)展綠色農(nóng)業(yè)。推進(jìn)農(nóng)業(yè)“三減”，減少化肥以及化學(xué)農(nóng)藥的使用，加大對(duì)農(nóng)業(yè)污染的治理力度；牲畜糞便再利用，使用有機(jī)肥料，達(dá)到減少面源污染耗水的目的。