楊 靜，周冬梅，馬 靜，朱小燕，金銀麗，周 凡，張 軍,3

（1.甘肅農(nóng)業(yè)大學資源與環(huán)境學院，甘肅 蘭州 730070；2.甘肅農(nóng)業(yè)大學管理學院，甘肅 蘭州 730070；3.甘肅省節(jié)水農(nóng)業(yè)工程技術研究中心，甘肅 蘭州 730070）

水資源是人類社會發(fā)展不可或缺的重要自然資源，也是區(qū)域人類和自然系統(tǒng)健康綠色可持續(xù)發(fā)展的重要物質(zhì)資源基礎，其在維護環(huán)境及社會功能方面的重要作用是不可替代的。研究發(fā)現(xiàn)，在全球平均每年消耗100×108m3的淡水資源用以維持人類進行社會生產(chǎn)和生活，作為最大的淡水資源使用者，農(nóng)業(yè)用水量占全球總用水量的92%及以上［1］。隨著氣候變化對水資源分布和作物生長周期的影響，如何在確保糧食安全的基礎上實現(xiàn)農(nóng)業(yè)用水的節(jié)約已成為21 世紀全球需要解決的重大問題。特別是在水資源嚴重缺乏、農(nóng)業(yè)高度依賴灌溉的國家和地區(qū)［2-3］，利用灌溉水彌補土壤水分不足，以期提高農(nóng)業(yè)生產(chǎn)力。但隨著社會經(jīng)濟的快速發(fā)展、人口增長和城市化進程的加快，人類活動規(guī)模和強度不斷增加，社會經(jīng)濟系統(tǒng)需水量持續(xù)增加，導致出現(xiàn)了如農(nóng)業(yè)水資源過度利用、農(nóng)田轉非農(nóng)等問題，使得全球范圍內(nèi)的水資源壓力越來越大［4］。因此，未來幾十年人類面臨的最大挑戰(zhàn)之一將是持續(xù)增加全球作物產(chǎn)量的同時減少對全球社會和生態(tài)系統(tǒng)的負面影響［5-6］。

生態(tài)環(huán)境的退化，引起了人們對內(nèi)陸干旱綠洲水土資源沖突的廣泛討論，研究發(fā)現(xiàn)有效水資源與耕地資源的短缺和錯配是農(nóng)業(yè)現(xiàn)代化進程中長期的、根本性的制約因素［7］。迄今為止，國內(nèi)外針對干旱區(qū)農(nóng)業(yè)水土資源匹配的研究主要集中在水土資源的時空分布特征和匹配上，且多基于區(qū)域和行政單元進行。諸多研究發(fā)現(xiàn)，在全球糧食安全面臨嚴峻挑戰(zhàn)的背景下所有區(qū)域都不可能通過糧食進口來解決缺水問題，特別是在農(nóng)業(yè)生產(chǎn)對經(jīng)濟增長起著重要作用，農(nóng)村居民收入嚴重依賴農(nóng)業(yè)的地區(qū)［8-9］。而針對干旱區(qū)的研究則多利用統(tǒng)計年鑒中獲得的水土資源參數(shù)，通過繪制洛倫茲曲線、建立基尼系數(shù)模型等測算區(qū)域總體的時空分布特征和水土資源匹配的整體一致性特征，但只能片面地反映水土資源的相對時空比，不能直接表達農(nóng)業(yè)作物實際水土資源的時空一致性分布。

水足跡理論的引入則為研究提供了新的思路，1998年Allan提出虛擬水概念，在此基礎上，為了更好地理解自然資本在各種人類活動消耗水量方面的分配，2003 年Chapagain 等［10］基于虛擬水和生態(tài)足跡理論提出了水足跡（Water footprint，WF）的概念用以分析解決水資源供給不足與人口增長導致的諸多問題［1］。水足跡為評估淡水資源利用提供了一種全面有效的方法，尤其是在農(nóng)業(yè)生產(chǎn)中。根據(jù)水足跡的含義和作用，包含3 個組成部分：藍水足跡（Blue water footprint，WFblue）、綠水足跡（Green water footprint，WFgreen）和灰水足跡（Grey water footprint，WFgrey）［11］。具體而言，全球農(nóng)業(yè)生產(chǎn)中活躍的大部分水實際上是WFgreen［12］，農(nóng)業(yè)綠水資源則是指可被作物吸收且不會流失的有效降水量［13］；而藍水資源是指從河流、湖泊或地下蓄水層抽水用于農(nóng)業(yè)灌溉的水，即灌溉藍水。水足跡反映了氣候因素（供水）和人為因素（需水）之間的空間分布的潛在聯(lián)系，及其時空序列演變趨勢［14］。目前，在全球或國家尺度［15-16］到區(qū)域［17］和流域［18］等不同尺度上進行了農(nóng)業(yè)水足跡方面的研究，水資源作為區(qū)域農(nóng)業(yè)土地利用的瓶頸因素，其數(shù)量多寡嚴重影響土地利用結構的合理程度［19］。因此，研究農(nóng)業(yè)水土資源的時空變化及其匹配特征對于優(yōu)化水土資源的合理配置、提高水土資源利用效率、維持農(nóng)業(yè)生產(chǎn)能力具有極其重要的現(xiàn)實意義［20］。

疏勒河流域地處西北內(nèi)陸河干旱區(qū)，是中國西北地區(qū)重要的生產(chǎn)基地，同時也是“一帶一路”的關鍵節(jié)點。在西部大開發(fā)戰(zhàn)略背景下，特別是近20 a來，受高強度農(nóng)業(yè)開發(fā)的影響，耕地面積增加了52.73%，其中約70.22%的新增耕地由草地和荒地轉化而來。此外，灌溉水長期占總需水量的70%以上。大規(guī)模占用農(nóng)業(yè)水土資源造成的水土流失和污染，導致疏勒河流域環(huán)境質(zhì)量下降。水資源的合理利用與否直接影響著農(nóng)田的生產(chǎn)效率和利用方式，而農(nóng)田的開墾程度制約著水資源的開發(fā)利用。因此分析農(nóng)業(yè)水土資源的時空變化，研究二者間的匹配特征及變化機理，對于優(yōu)化農(nóng)業(yè)水土資源配置、維持農(nóng)業(yè)生產(chǎn)能力、協(xié)調(diào)西部生態(tài)脆弱地區(qū)農(nóng)業(yè)發(fā)展與生態(tài)文明建設之間的相互關系有著極為重要的現(xiàn)實意義。

本文深入研究2000—2020 年疏勒河流域農(nóng)業(yè)水土資源的時空格局演變及其驅(qū)動機制。首先通過構建疏勒河流域區(qū)域作物種植面積和作物生產(chǎn)水足跡的空間錯配指數(shù)和基尼系數(shù)模型，分析解釋干旱區(qū)作物種植面積與作物生產(chǎn)水足跡的時空變化趨勢以及作物生產(chǎn)水足跡年際變化對區(qū)域作物種植面積的影響，進而總結疏勒河流域水土資源的擬解決問題。旨在通過分析區(qū)域作物生產(chǎn)水足跡變化對農(nóng)田資源的影響從而因地制宜制定農(nóng)業(yè)水土資源的高效利用建議，以提高藍綠水資源的利用效率，確保區(qū)域農(nóng)田規(guī)模，同時為緩解該地區(qū)用水矛盾、干旱區(qū)農(nóng)業(yè)的管理以及未來農(nóng)業(yè)發(fā)展政策制定出新的可行性建議。

1 研究區(qū)概況

疏勒河流域（圖1）地理位置介于38°00′～42°48′N，92°11′～98°30′E 之間，流域面積約20197 hm2，地勢南高北低，是甘肅省重要的農(nóng)業(yè)灌溉生產(chǎn)基地，是“一帶一路”核心區(qū)域。疏勒河流域?qū)儆诘湫偷母珊祷哪詺夂騾^(qū)，降水稀少、蒸發(fā)量大、太陽輻射強，年均降水量低于60 mm，年蒸發(fā)量最高可達3000 mm以上。

疏勒河流域發(fā)源于祁連山脈西段陶賴南山與疏勒南山之間的疏勒腦，地處蒙新高原、青藏高原之間，地勢南高北低并由東南向北傾斜。南部的肅北縣及阿克塞縣為高海拔山區(qū)，發(fā)育典型的大陸性冰川并分布多年凍土，是疏勒河流域重要的產(chǎn)流區(qū)和水源涵養(yǎng)區(qū)域；中部走廊地區(qū)河流灌溉形成互不相連的綠洲，分布在玉門市、瓜州縣及敦煌市等地區(qū)，地勢低平，干旱少雨；北部為砂質(zhì)或砂礫質(zhì)戈壁和低山丘陵，植被稀疏，荒漠分布廣泛，土地沙化嚴重，自然環(huán)境十分脆弱。近年來，由于氣候變化以及人類的活動導致該地區(qū)出現(xiàn)耗水量增加，地下水位下降等嚴重的環(huán)境問題進而形成天然植被退化、綠洲萎縮等生態(tài)環(huán)境問題。若不加以控制，該流域綠色生態(tài)可持續(xù)發(fā)展將受到嚴重威脅［21］。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

研究數(shù)據(jù)來源為：（1）2000—2020 年的氣象站點氣象數(shù)據(jù)（氣溫、降水、相對濕度、平均風速及日照時數(shù)）來源于國家氣象科學數(shù)據(jù)中心（http://data.cma.cn）。（2）作物產(chǎn)量、種植面積、農(nóng)業(yè)生產(chǎn)數(shù)據(jù)等來源于《甘肅統(tǒng)計年鑒》和《甘肅發(fā)展年鑒》。（3）作物生育階段、種植時間等通過對當?shù)剞r(nóng)戶調(diào)研及結合部分文獻［22-23］獲得。（4）農(nóng)業(yè)用水量、降水量等則取自《甘肅省水資源公報》。（5）土地利用數(shù)據(jù)（2000—2020 年）來源于Globe Land 30 全球地理信息公共產(chǎn)品（http://www.globallandcover.com），其空間分辨率為30 m。利用ENVI 5.3 對遙感影像進行輻射定標、大氣校正、幾何校正等預處理，經(jīng)過影像增強處理，組合最優(yōu)波段，結合野外調(diào)查，并根據(jù)疏勒河流域邊界對影像進行拼接及裁剪，得到疏勒河流域土地利用現(xiàn)狀圖，且精度在80%以上。

2.2 研究方法

2.2.1 作物生產(chǎn)的水足跡綜合農(nóng)業(yè)相關年鑒數(shù)據(jù)發(fā)現(xiàn)，疏勒河流域小麥、玉米、棉花、馬鈴薯的多年平均種植比例占75%以上，因此研究將這4 種作物生產(chǎn)水足跡（WFpro）總和作為疏勒河流域的WFpro。本研究使用彭曼公式［24］準確計算疏勒河流域不同地區(qū)和氣候條件下的蒸散量（ETc），有效降雨量（Peff）使用聯(lián)合國糧食及農(nóng)業(yè)組織開發(fā)的CROPWAT模型計算。研究將WFpro分為WFblue和WFgreen，計算公式如下：

式中：WFpro為流域內(nèi)第i個地區(qū)的作物生產(chǎn)水足跡（m3）；n為流域內(nèi)的地區(qū)數(shù)量（n=5）；i為流域內(nèi)地區(qū)的次序號（依次為瓜州縣、肅北縣、阿克塞縣、玉門市、敦煌市）；WF(blue,green)為第i個地區(qū)作物生產(chǎn)的藍、綠水足跡之和（m3）；WFblue為流域內(nèi)第i個地區(qū)的作物生產(chǎn)藍水足跡（m3）；WFgreen為流域內(nèi)第i個地區(qū)的作物生產(chǎn)綠水足跡（m3）；常量因子10 是水深（mm）到單位陸地面積水量(m3·hm-2)的換算系數(shù)；m為作物的生育期（d）；ETc為疏勒河流域農(nóng)作物在生長期間的實際蒸散量（mm）；Peff為有效降雨量（mm）；Pi為作物的總產(chǎn)量（t）；γ為單位面積作物產(chǎn)量（t·hm-2）。

2.2.2 水足跡理論與水土匹配基尼系數(shù)由經(jīng)濟學家Gini Corrado提出并應用于研究收入差異問題［25］，自然資源也存在相似的地區(qū)分異，因而可借鑒利用基尼系數(shù)評價區(qū)域水土資源時空匹配特征。本研究利用基尼系數(shù)模型研究作物水足跡與作物種植面積之間的匹配關系，基尼系數(shù)模型公式如下：

式中：G為基尼系數(shù)，可以通過計算洛倫茲曲線圖中的直線y=x，x=f(x)以及y=f(x)合圍的區(qū)域面積，除以直線y=x與x軸圍成的區(qū)域面積進行計算。各地區(qū)作物生產(chǎn)水足跡與耕地面積空間匹配的洛倫茲曲線圖中，x軸為年際作物生產(chǎn)水足跡的累積占比量，y軸為年際作物種植面積的累積占比量?；嵯禂?shù)范圍介于0～1之間；其中，基尼系數(shù)值越接近1，區(qū)域作物生產(chǎn)水足跡與作物種植面積之間的匹配程度越高。

2.2.3 空間錯配模型根據(jù)學者Gobillon 等［26］的相關研究，空間錯配指數(shù)（Spatial mismatch index，SMI）在本研究中被用來描述空間水資源和土地資源之間的不平衡，計算公式如下：

式中：SMI(WFpro-OFa)為在流域內(nèi)第i個地區(qū)的作物生產(chǎn)水足跡與作物種植面積之間的空間錯配指數(shù)（i=5）；OFa為作物種植面積（hm2）；WFi為流域內(nèi)第i個地區(qū)的WFpro（m3）；OFi為流域內(nèi)第i個地區(qū)的OFa（hm2）；∑SMI(WFpro-OFa)為流域空間錯配的總級別。其中，空間錯配指數(shù)越低，OFa在第i個地區(qū)內(nèi)就越能得到廣泛利用。研究選擇Jenks 自然保護區(qū)分類設定結果的標準值［27］以期判斷作物生產(chǎn)水足跡與作物種植面積之間的空間關系匹配程度。SMI越高則作物生產(chǎn)水足跡與作物種植面積之間的空間一致性水平越低。

2.2.4 敏感性指數(shù)分析運用敏感性指數(shù)（Sensitivity index，SI）定量分析研究區(qū)OFa對WFpro的敏感性，旨在解釋WFpro變化引起的OFa變化，進而研究兩者間的潛在影響，計算公式如下：

式中：SIi為流域內(nèi)第i個地區(qū)作物種植面積對作物生產(chǎn)水足跡的敏感性指數(shù)；OFt1和OFt2分別為研究期開始和結束時的作物種植面積（hm2）；而WFt1和WFt2分別為研究期開始和結束時的作物生產(chǎn)水足跡（m3）。SI 值越高，表明作物種植面積對作物生產(chǎn)水足跡變化的敏感性越高，意味著作物種植面積可能會被作物生產(chǎn)水足跡的細微變化所改變。

3 結果與分析

3.1 作物生產(chǎn)水足跡與區(qū)域作物種植面積的時空演變特征分析

疏勒河流域WFpro的年際變化波動趨勢基本保持一致，呈波動式下降趨勢，且WFblue是該流域農(nóng)業(yè)用水足跡的主要組成部分（圖2）。

圖2 疏勒河流域作物生產(chǎn)水足跡變化趨勢Fig.2 Variation trend of crop production water footprint in the Shule River Basin

從時序變化來看，研究期間WFpro減少80.66%，WFpro累年平均值為4.21×108m3；OFa從2000 年的4.06×104hm2到2020 年1.60×104hm2，OFa減少了60.61%，WFblue與WFpro變化呈一致下降趨勢。從研究區(qū)不同作物水足跡的年際變化來看（圖3），玉米變化趨勢明顯區(qū)別于其他作物，呈波動式增長，這是由于玉米作為當?shù)氐闹匾Z食作物，區(qū)域節(jié)水灌溉技術改進以及該作物種植比例增加導致的，且小麥、棉花和馬鈴薯的種植比例均有所減少。研究區(qū)作物WFpro波動年份主要集中在2010 年后，主要由于OFa減少和降水量提高導致WFpro的下降速度加快，且在2018—2020年尤其明顯。

圖3 疏勒河流域不同作物生產(chǎn)水足跡變化趨勢Fig.3 Variation trend of productive water footprint of different crops in the Shule River Basin

從空間動態(tài)分布來看，各地區(qū)WFpro年際變化均呈相似的波動式下降趨勢（圖4），將流域各地區(qū)WFpro按年平均值降序排列依次為敦煌市、瓜州縣、玉門市、肅北縣和阿克塞縣，其中敦煌市是阿克塞縣的212倍。

研究期間除肅北縣和阿克塞縣地區(qū)外，其他地區(qū)的WFpro均表現(xiàn)出一致下降趨勢。其中，敦煌市對流域WFblue的組成貢獻最大，為41.52%。其次瓜州縣和玉門市，分別為34.49%和18.62%。與WFblue相比，WFgreen的年際變化在每個地區(qū)的增長趨勢相對較輕微。流域WFpro主要分布于流域中部，呈中部高南北低的分布格局。從WFpro的垂直分布來看，WFpro和OFa的分布及變化主要集中玉門市、瓜州縣以及敦煌市。由于當?shù)剞r(nóng)業(yè)政策的傾斜、制種水平的提高、農(nóng)用機械的改進與升級以及節(jié)水灌溉技術的推廣等多重因素，使得流域單位面積作物產(chǎn)量由2000年的3.16 t·hm-2增加到2020 年的4.32 t·hm-2。

研究期間疏勒河流域WFpro與WFblue的變化波動趨勢基本保持一致，且變化幅度較大，其中WFblue占比超過90%，居于主導地位。疏勒河流域早期空間錯位嚴重，水資源利用效率低下的OFa主要分布在肅北縣、阿克塞縣一帶，與之相反的是高效利用水資源的OFa則主要分布在流域中部地區(qū)，隨著節(jié)水灌溉技術的推廣，藍水資源在疏勒河流域作物安全生產(chǎn)格局中處于主導地位。與以雨養(yǎng)農(nóng)業(yè)為主的地區(qū)相比，疏勒河流域的綠水資源生產(chǎn)效率極低，受區(qū)域地形、氣候等自然條件的制約，WFgreen對OFa變化的影響有限。

如圖5所示，疏勒河流域中部地區(qū)地勢平緩、水熱條件良好、人口密度高且農(nóng)業(yè)發(fā)展相較于位于南部祁連山區(qū)和北部馬鬃山一帶的肅北縣和阿克塞縣更為發(fā)達，對農(nóng)業(yè)水資源的消耗更大，是WFpro和OFa開發(fā)的主要地區(qū)；而肅北縣和阿克塞縣受地形限制，農(nóng)業(yè)自然發(fā)展條件較差，農(nóng)業(yè)基礎薄弱，肅北縣和阿克塞縣的年際WFpro和OFa雖有所增加，但由于貢獻度不高，對全流域的影響作用不大。

圖5 疏勒河流域作物生產(chǎn)水足跡空間分布Fig.5 Spatial distributions of crop production water footprint in the Shule River Basin

3.2 作物生產(chǎn)水足跡和區(qū)域作物種植面積的時空匹配特征分析

疏勒河流域的基尼系數(shù)介于0.13～0.14，空間錯配指數(shù)介于0～4，表明2000—2020 年疏勒河流域作物生產(chǎn)水足跡和作物種植面積的匹配程度較高，資源配置相對比較合理（圖6）。研究期間，G(WFpro-OFa)呈緩慢上升后緩慢下降趨勢，由0.13上漲至0.14，基本保持不變，相較于呈波動式緩慢下降的G(WFblue-OFa)、G(WFgreen-OFa)波動下降趨勢更為明顯，WFgreen與OFa的匹配關系較差；且相較于波動較大的SMI(WFgreen-OFa)，SMI(WFpro-OFa)與SMI(WFblue-OFa)的時空變化趨勢波動更為平緩，二者在研究期末與研究期初相差均不大于0.1，表明相較于WFblue，流域WFgreen與OFa的匹配關系更差?；嵯禂?shù)模型與空間錯配模型測算結果均表明，疏勒河流域水土資源的匹配在一定程度上是均衡的。總體而言，研究期間疏勒河流域WFblue與OFa的空間錯配逐漸得到緩解，而WFgreen與OFa的空間錯配情況尚未得到明顯改善。

圖6 作物生產(chǎn)水足跡與作物種植面積的基尼系數(shù)和空間錯配指數(shù)Fig.6 Gini coefficient and spatial mismatch index of crop production water footprint and crop acreage

通過評估研究區(qū)WFpro和OFa的時空差異性結果發(fā)現(xiàn)，疏勒河流域SMI(WFpro-OFa)總體較低，除個別年份外，整體呈波動式下降趨勢，充分說明研究區(qū)各地區(qū)的WFpro和OFa具有良好的一致性。而WFgreen和OFa的錯配程度遠高于WFblue，表明OFa與WFblue變化的相關性比WFgreen強。與此同時，SMI和G的變化趨勢也表明，隨著科學技術的進步，疏勒河流域中藍、綠水的利用效率逐漸提高，WFpro和OFa的空間錯配得到了糾正，區(qū)域OFa得到有效利用，這對于區(qū)域農(nóng)業(yè)生產(chǎn)活動來說非常友好。

研究將SMI 定分為3 個水平：0＜SMI≤1 表示作物種植面積與作物生產(chǎn)水足跡的空間錯配程度低；1＜SMI≤2 表示空間錯配程度中等；SMI＞2 則表示空間錯配程度較高。從疏勒河流域各地區(qū)空間錯配指數(shù)時空格局可看出，疏勒河流域各地區(qū)作物種植面積與作物生產(chǎn)水足跡的空間錯配程度得到了不同程度的改善，研究結果與基尼系數(shù)測算結果相一致（圖7）。

圖7 流域各地區(qū)空間錯配指數(shù)時空格局Fig.7 Spatial and temporal patterns of spatial mismatch index in the Shule River Basin

3.3 作物生產(chǎn)水足跡和區(qū)域作物種植面積的敏感性分析

研究計算了疏勒河流域各地區(qū)作物種植面積對作物生產(chǎn)水足跡的敏感程度情況，參考相關文獻［7］并結合當?shù)厍闆r，將SI劃分為4個等級：0＜SI≤0.5表示不敏感；0.5＜SI≤1.0 表示低敏感性；1.0＜SI≤1.5 表示中度敏感性；SI＞1.5則表示高度敏感性。

在研究期間，OFa對WFblue具有中度和高度敏感性的地區(qū)數(shù)量先減少后增加，而不敏感和低敏感性的地區(qū)數(shù)量先增加后減少，整體表現(xiàn)為研究區(qū)OFa對WFblue的響應逐漸呈現(xiàn)出中部高四周低的趨勢（圖8）。2000—2005年肅北縣和阿克塞縣具有中度和高度敏感性。2005—2010 年肅北縣、敦煌市的OFa對WFblue變化都不敏感，2010—2020年流域各地區(qū)的OFa對WFblue變化都十分敏感。此外，在研究期間，沒有任何地區(qū)OFa對流域的WFgreen變化保持高度敏感，且在2000—2005 年和2005—2010 年僅有肅北縣一個高度敏感區(qū)。2015—2020 年高度敏感區(qū)的數(shù)量上升到2個。在其他時期，所有地區(qū)的OFa主要是對WFgreen變化呈不敏感或低敏感性。

圖8 疏勒河流域作物生產(chǎn)水足跡與作物種植面積的空間敏感程度分析Fig.8 Spatial and temporal sensitivity analysis of crop production water footprint and crop acreage in the Shule River Basin

從空間分布看，OFa對WFblue中度和高度敏感的地區(qū)逐漸由中部向四周擴展。特別是2015—2020年，位于流域中部的瓜州縣、玉門市和肅北縣的OFa對WFblue變化的敏感性明顯高于其他地區(qū)，而OFa對WFgreen變化的敏感性相對不明顯。

研究表明2010以后，疏勒河流域OFa對WFblue和WFgreen的響應程度明顯提高，且與初期相比差異明顯?？赡茉蚴敲C北縣海拔高且有冰川積雪，水源涵養(yǎng)量較高，而該地區(qū)人口較少，農(nóng)業(yè)不發(fā)達，因此該地區(qū)OFa對WFgreen變化的敏感程度遠高于其他地區(qū)；而位于流域中、下游地區(qū)人口密度大、農(nóng)業(yè)發(fā)展較好，OFa對WFblue的敏感程度在科技的發(fā)展、農(nóng)業(yè)設施水平的提高等因素作用下逐漸提高。此外，研究區(qū)地處河西走廊氣候干旱區(qū)，需要足夠的藍水才能滿足地區(qū)農(nóng)作物的生長，但礙于灌溉水的有效利用程度不高且需用量較大，因此OFa對疏勒河流域中WFblue變化的敏感程度較WFgreen而言更高。

4 討論

疏勒河流域地區(qū)屬于典型內(nèi)陸干旱荒漠性氣候，水資源極其稀缺。流域年均WFpro約為4.21×108m3，其中WFblue和WFgreen占比分別為90.9%和9.1%，與前人［28-30］對河西走廊地區(qū)農(nóng)作物水足跡時空特征研究結論基本一致，這表明流域農(nóng)作物種植受氣候的影響，高度依賴于灌溉水的作用，水資源是限制流域農(nóng)業(yè)發(fā)展的重要因素；與國內(nèi)其他流域的水足跡研究結果［31-32］比較發(fā)現(xiàn)區(qū)域農(nóng)業(yè)嚴重依賴藍水資源有效補給，而綠水資源受區(qū)域自然條件限制，對區(qū)域農(nóng)業(yè)生產(chǎn)經(jīng)營活動影響有限。因此通過發(fā)展高效農(nóng)業(yè)節(jié)水灌溉、作物輪作和休耕等農(nóng)田經(jīng)營模式，有利于提高當?shù)剞r(nóng)業(yè)藍綠水的利用效率。

在未來發(fā)展中，應更加關注農(nóng)業(yè)生產(chǎn)與生態(tài)恢復之間的關系，提高水資源和土地資源的綜合管理水平。落實“以水定城、以水定地、以水定人、以水定產(chǎn)”的方針，合理利用和開發(fā)土地，積極推動耕地整治，在滿足農(nóng)業(yè)發(fā)展的同時，避免過度開發(fā)水資源造成土地退化等危及區(qū)域生態(tài)安全，維持水資源承載力，實現(xiàn)水資源可持續(xù)利用。減輕作物水足跡帶來的水資源壓力，鼓勵農(nóng)民增加對低耗水作物的種植，并為其提供或增加補貼，繼而實現(xiàn)疏勒河流域綠色農(nóng)業(yè)的可持續(xù)發(fā)展，在提高作物水足跡利用效率和合理安排作物種植面積之間實現(xiàn)雙贏。在今后的農(nóng)業(yè)發(fā)展中，應當加強對綠水的高效利用，提高節(jié)水灌溉技術，從而促進區(qū)域綠色生態(tài)農(nóng)業(yè)和節(jié)水農(nóng)業(yè)的發(fā)展。目前綠水的有效管理只能利用虛擬水的貿(mào)易實現(xiàn)［33］。研究還發(fā)現(xiàn)研究區(qū)作物種植面積主要受經(jīng)濟驅(qū)動的作用，當?shù)鼐用裨缙趦A向于種植糧食作物，后期糧食作物種植比例減少，經(jīng)濟作物的比例逐漸增加，以保持收入和生活水平更穩(wěn)定。

農(nóng)業(yè)水土資源的匹配程度直接關系到糧食產(chǎn)能與水土資源的利用效率，其主要取決于耕地數(shù)量和水資源的利用結構等因素，進一步可將其歸納為資源性缺水和工程性缺水，疏勒河流域則兩者兼具。本文重點討論了疏勒河流域水資源和耕地資源之間時空匹配特征，沒有考慮到畜牧業(yè)的情況，下一步研究需進一步考慮畜牧業(yè)的影響，同時還需從更加全面的角度，從流域整體上考慮不同生態(tài)類型的綜合水土資源時空匹配特征，為流域可持續(xù)發(fā)展戰(zhàn)略提供更堅持的科學支撐。另外在微觀尺度下研究疏勒河流域主要作物全生育周期農(nóng)業(yè)水土資源匹配關系，且在考慮土地產(chǎn)能水分敏感度的基礎上，更加科學細致地定量分析疏勒河流域農(nóng)業(yè)水土資源匹配綜合指數(shù)。

5 結論

（1）疏勒河流域水土資源年際變化波動較大，呈“V”型變化波動的態(tài)勢，其中2009、2016、2019 年為主要轉折點，疏勒河流域農(nóng)業(yè)水土資源發(fā)展水平有了不同程度的改善或者惡化。其中藍水足跡貢獻率為90.9%，與綠水足跡呈互補狀態(tài)，表明疏勒河流域農(nóng)業(yè)生產(chǎn)受到藍水足跡的主要約束。WFpro和OFa的空間聚集性在流域低海拔中部平原地區(qū)表現(xiàn)尤為明顯。

（2）疏勒河流域WFpro與OFa的基尼系數(shù)與空間錯配指數(shù)持續(xù)下降，表明隨著區(qū)域農(nóng)田利用效率提高，區(qū)域水土足跡匹配程度提高，空間錯配情況得以改善；與WFgreen相比，WFblue在疏勒河流域的農(nóng)業(yè)水土資源時空匹配情況更為明顯。

（3）2000—2020 年疏勒河流域，OFa對WFpro的響應程度越來越大，流域內(nèi)各地區(qū)對WFblue和WFgreen的敏感程度不斷增加，且集聚效應在2010年以后更為明顯。