水足跡分析中國耕地水資源短缺時空格局及驅動機制

操信春，劉 喆，吳夢洋，郭相平，王衛(wèi)光

水足跡分析中國耕地水資源短缺時空格局及驅動機制

操信春1,2，劉 喆2，吳夢洋2，郭相平2，王衛(wèi)光1※

（1. 河海大學水文水資源與水利工程科學國家重點實驗室，南京 210098；2. 河海大學農業(yè)工程學院，南京 210098）

為全面評估區(qū)域農業(yè)水資源供需關系，基于水足跡理論構建了耕地水資源短缺指數（arable land water scarcity index，AWSI）。在分析1999－2014年中國AWSI時空分布格局的基礎上，借助偏最小二乘法揭示了AWSI的主控因子。結果顯示：中國AWSI的年均值約為0.413，總體上處于高度水資源壓力狀態(tài)，且有隨時間加劇的趨勢；各年份AWSI以華北平原為中心向外遞減式擴散；面臨極高水資源壓力（AWSI>0.800）的省區(qū)均分布在北方地區(qū)，長江以南省區(qū)均面臨中度水資源壓力（0.100

水資源；偏最小二乘回歸；農業(yè)；高效用水；藍綠水；灰水足跡；評價指標

0 引 言

日益嚴重的水短缺問題已經被視為全球的系統(tǒng)性風險[1]。作為水資源消耗最大的部門，農業(yè)高效用水不僅直接決定食物生產也與生態(tài)安全密切相關，緩解農業(yè)水短缺是促進區(qū)域水資源持續(xù)利用的重要措施[2]。農業(yè)生產過程涉及復雜的水文循環(huán)和面源污染源的遷移過程，消耗水資源同時對環(huán)境造成不利影響。因此，水資源利用的效率和可持續(xù)性是農業(yè)生產與水資源之間關系評價的主要內容。前者關注所占用水資源在農業(yè)生產系統(tǒng)的表現，而后者還涉及區(qū)域水資源承載能力[3-6]?；谒Y源收支對比的水短缺指標構建是進行區(qū)域用水可持續(xù)性評價最常用的手段[7-8]。隨著研究視角的演變，水資源收支的核算手段已由傳統(tǒng)水資源取用發(fā)展到同時衡量水量和水質的水足跡方法[9]。具體到農作物水足跡為作物生長過程中所直接和間接需求的水資源量，包括藍水、綠水及灰水足跡[10-11]。其中藍水和綠水足跡分別為灌溉水和土壤存儲有效降水的消耗數量，灰水足跡則為農業(yè)生產過程所排放污染物的稀釋水量[12]。水足跡理論的核心內涵為廣義水資源與真實水耗用，不僅核算作物生長對藍綠水資源的消耗，還量化了其對水環(huán)境的影響。在不同時空尺度作物水足跡評估的基礎上[13-14]，學者開始建立相應區(qū)域水資源短缺評價指標，如水短缺足跡[15-16]、用水效果[17]，水質短缺指數[18]以及水足跡稀缺性[19]等。然而這些方法仍大多以藍水為評估對象，未將占主導地位的綠水考慮為水資源短缺評價的參與因素，也沒有很好地將廣義水資源和真實水消耗相統(tǒng)一。本文擬在水足跡理論視角下，建立耕地水資源短缺指數（arable land water scarcity index，AWSI）；在核算AWSI時空分布格局的基礎上識別其主要影響因子；并以實現區(qū)域農業(yè)水資源高效可持續(xù)利用目標，展開農業(yè)水足跡調控策略和水資源短缺緩解措施方面的探討，以期在發(fā)展水資源管理相關科學理論的同時，為區(qū)域農業(yè)用水相關宏觀策略的制定提供參考。

1 研究方法與數據來源

1.1 耕地水資源短缺指數

本文基于水足跡理論視角下的廣義水資源與真實水耗用內涵，構建如下耕地水資源短缺評價指標：

AWSI=CWF/AWR （1）

式中AWSI為耕地水資源短缺指數，無量綱；CWF為區(qū)域農作物水足跡總量，m3；AWR為區(qū)域農業(yè)廣義水資源量，即可以提供作為農作物生產的藍水和綠水水資源量，m3。

CWF=CWFb+CWFg+CWFgrey（2）

AWR=AWRb+AWRg（3）

式中CWFb、CWFg及CWFgrey分別為作物的藍水、綠水和灰水足跡，m3；AWRg為耕地土壤可儲存的有效降水總量，m3。參照《水足跡評價手冊》，CWFb與CWFg基于作物需水量估算[17]，CWFgrey的計算方法為

CWFgrey=/(max?nat) （4）

式中為化肥施用量，kg；為淋溶率；max為水體最大容許濃度，kg/m3；nat為自然本底濃度，kg/m3。AWRb與AWRg分別為農業(yè)可利用藍水（常規(guī)水資源）和綠水資源量。由于數據缺乏，按區(qū)域藍水資源供給于不同行業(yè)可能性均等之假設，計算AWRb為

AWRb=TWR·AWU/TWU （5）

式中TWR為區(qū)域常規(guī)水資源總量，m3；TWU與AWU分別為總用水量與農業(yè)用水量，m3。

AWRg=0.1·P（6）

式中為耕地面積，ha；P為有效降水，mm；P在收集降水量的基礎上以旬為步長，采用下式對地區(qū)和土壤類型均有較廣泛適用性的方法計算[20]：

基于廣義農業(yè)水資源與水足跡理論構建AWSI，可全面揭示區(qū)域在滿足農業(yè)生產過程對水資源及水環(huán)境需求上的能力，受區(qū)域降雨、灌溉設施、管理水平、耕作措施及耕地率等影響。高AWSI值意味著區(qū)域的農業(yè)生產用水可持續(xù)不足，區(qū)域同時面臨較嚴峻的水資源及水環(huán)境壓力。將AWSI指標進行等級劃分可直觀判斷特定區(qū)域的水資源短缺程度并為進行區(qū)域間對比提供便捷。當前缺乏基于水足跡視角，同時考慮藍、綠和灰水足跡的區(qū)域水資源短缺指標構建及等級劃分。Raskin等[21]提出的以傳統(tǒng)水資源（藍水）為對象區(qū)域水短缺（water shortage index，WSI）的等級劃分方法已被學術界認可和廣泛采用[22-23]。由于AWSI與WSI構建的原理相同，即同為區(qū)域水資源耗用量與水資源可利用量之間比值的核算。因此，參照WSI，AWSI等級閾值及其所對應的水短缺程度如表1所示。

表1 基于耕地水資源短缺指數的耕地水資源短缺等級劃分

1.2 空間自相關和偏最小二乘回歸

全局空間自相關可以描述某種地理屬性在整個區(qū)域（全國）的空間特征，并判定該屬性值在空間上是否表現聚集特征。具體通過計算全局Moran’s的來揭示AWSI的總體空間關聯(lián)或差異特征。在給定顯著水平（0.01）時，若Moran’s值顯著（即-score大于2.58）為正，表示AWSI相當的省區(qū)在空間聚集，否則各省區(qū)與其周邊地區(qū)AWSI總體上差異較大[24]。

在量化空間格局的基礎上，借助偏最小二乘回歸（partial least-squares regression，PLSR）來分析AWSI的驅動機制。PLSR在進行因變量對自變量的回歸建模中，能夠有效地解決多元回歸分析中的變量多重共線性問題[25]。采用成分提取的方法，用少數幾個綜合指標來代表原有的眾多因素，綜合后的新指標為能綜合反映原有眾多因素的大部分信息的原有因素主成分。PLSR權重是原始變量所定義分數的線性組合，它們可用來描述預測變量和PLSR主成分之間的定量關系。參數變量投影重要性指標（variable importance for the projection，VIP）可以用來表示自變量對因變量預測的重要程度，該指標值大的因素在解釋AWSI時相關性較高。同時，利用回歸系數來量化PLSR模型中每個因素對AWSI影響的方向與強度。選擇11個因素作為PLSR空間分析的響應變量，在進行建模之前將驅動因素進行初步相關性分析，結果見表2。

表2 AWSI驅動因子的相關矩陣

注：**表示在0.01水平上顯著相關；*表示在0.05水平上顯著；相對濕度（RH）、平均氣溫（AT）、降水量（）、日照時數（SH）、地均化肥（CF）、地均農藥（PP）、地均機械總動力（MP）、灌溉率（IR）、灌溉效率（IE）、糧食面積比例（GA）以及人均GDP（GP），下同。

Note: **Correlation is significant at 1%, *Correlation is significant at 5%. Abbreviations: relative humidity (RH), average temperature (AT), precipitation (), sunshine hours (SH), chemical fertilizer per area (CF), pesticides per area (PP), power of machinery per area (MP), irrigation rate (IR), irrigation efficiency (IE), proportion of grain area (GA) and per capita GDP (GP), the same as below.

1.3 數據來源

本文的研究區(qū)域為中國大陸31個省級行政單元，研究時段為1999－2014年。各省區(qū)歷年水資源總量、用水總量及農業(yè)用水量來自1999－2014年的《中國水資源公報》；各省區(qū)歷年耕地面積、農作物播種面積和產量、化肥施用量、人口、GDP、有效灌溉面積、農業(yè)機械總動力等數據來自《中國統(tǒng)計年鑒》。各省區(qū)主要氣象站點的氣象數據來自中國氣象數據平臺（http://data.cma.cn）；作物系數參考文獻[26-27]和水利部灌溉試驗總站收集資料；灌溉效率由水資源公報及各省大型灌區(qū)測算值對有效灌溉面積的加權得到。

2 結果與分析

2.1 中國耕地水資源短缺指數

1999－2014年中國年均AWR與CWF分別約為2 539.8與1 041.7 Gm3，因而形成的AWSI多年平均值為0.413，說明中國耕地上總體處于高度水資源壓力狀態(tài)，面臨較嚴重的水短缺。圖1給出了歷年AWR、CWF以及AWSI的全國值，以判別中國農業(yè)廣義水資源收支及水短缺狀況隨時間變化規(guī)律。

圖1 1999－2014中國農業(yè)廣義水資源收支及耕地水資源短缺指數

圖1顯示，全國可用于農業(yè)生產的廣義水資源量AWR在年際間呈小幅波動，無明顯的變化趨勢，各值介于2 200～2 900 Gm3之間。這主要與歷年氣候條件、耕地面積總量、取水總量及用水組成等因素總體上的相對穩(wěn)定有關。研究時段內，全國耕地面積始終維持在1.27×108hm2左右；水資源總量和農業(yè)用水量也分別在2.7×1012m3和3 700×108m3左右小幅變化。雖然初始出現回落現象，CWF總體上呈隨時間穩(wěn)步增長的趨勢。作物耗水和水分生產力變化不大的前提下，農業(yè)生產規(guī)模的擴張和種植結構的改變是CWF穩(wěn)步增長的主要驅動力。15 a間，農作物總播種面積由1.56×108hm2擴大到1.65×108hm2，與此同時高耗水的糧食作物產量由約5.08×108t增長到6.07×108t左右。AWR與CWF的數值及變化趨勢共同決定AWSI的表現：前4 a穩(wěn)定在0.320左右并面臨中度水資源壓力，2003年之后持續(xù)上升，2006年超過0.400落入高度水資源壓力區(qū)間并于2011年達到研究時段的峰值0.534；受全國水資源總量波動導致AWRblue年際變化加大的影響，近5 a AWSI以0.476為均值出現較大幅度的波動，不僅說明中國耕地水短缺加劇，也揭示其不確定性在增強。

2.2 AWSI的時空分布

圖2為AWSI歷年全局Moran’s及檢驗值Z-Score。由圖可以看出，Moran’s在所有的年份均大于0，同時相應的Z-Score值大于顯著水平為0.01時的臨界值（2.58）。說明中國耕地水資源短缺指數表現為正自相關關系，相似值之間在空間上呈相互聚集的總體格局。AWSI的決定因素涉及自然氣候、水資源供需以及農業(yè)生產特征等與作物-水資源關系相聯(lián)系的諸多方面。而以上各因素在時間上表現無突變現象的同時在地理上基本上均表現出臨近區(qū)域的類似性[28-29]，這應該是歷年耕地水資源短缺指數在空間上呈聚集現象的主要原因。

圖2 1999－2014中國AWSI全局Moran’s I指數及其檢驗

根據AWSI的空間分布圖可以分別判別出較大值和較低值所具體聚集的區(qū)域。觀察各年份空間分布狀況發(fā)現，雖然數值存在差異，但是各省AWSI不同年份在全國相對大小基本穩(wěn)定，空間上的聚集特征在時間上未發(fā)現較大變化。因此給出1999、2004、2009及2014年4個年份的AWSI的空間分布圖，以觀察其在空間上的分布和聚集特征，如圖3所示。同時，計算出各省區(qū)AWSI的年際平均值、極差、標準差、年均變化率及變異系數等主要統(tǒng)計量，為明晰省區(qū)耕地水資源短缺及其隨時間變化情況，結果列于表3。

圖3顯示，不同年份AWSI的總體空間分布格局與全局空間自相關的計算結果相符，表現為明顯而穩(wěn)定的空間聚集現象。AWSI較大省區(qū)聚集于黃淮海平原，并隨著時間推移有向西北和東北方向延伸的趨勢；青藏地區(qū)及其周邊的西南省區(qū)是AWSI較低的區(qū)域；長江右岸各省的耕地水短缺程度位于全國中間位置，也呈現隨時間惡化的趨勢。AWSI在局部空間的分布狀況直接由水資源稟賦與農業(yè)生產規(guī)模決定，這些條件在地理上聚集是形成各年份相似且局部聚集空間格局的原因。結合圖3與表2來看，山東省1999－2014年間的AWSI為2.056，居全國之首；河北、寧夏、北京、河南、天津及上海的AWSI值也明顯高于極高水資源壓力閾值的0.800；以上省區(qū)為中國耕地農業(yè)生產水資源利用最不可持續(xù)的區(qū)域。江蘇與遼寧也屬于極高水資源壓力的范疇，農業(yè)生產用水過程面臨較大挑戰(zhàn)。10個省區(qū)的AWSI介于0.400～0.800之間，面臨高度水資源壓力，這些省區(qū)分布在極高水資源壓力區(qū)域的邊緣；表現為低度水資源壓力和中度水資源壓力（0.100

圖3 典型年份耕地水資源短缺指數AWSI的空間分布

表3 各省區(qū)AWSI在1999－2014年間AWSI的主要統(tǒng)計量

不同年份間的變化方面，極差與標準差的空間分布與耕地水資源短缺指數相似，基本上表現為AWSI值越大的省區(qū)年際間絕對變化越大，山東、河北、寧夏、北京與河南的極差超過1.000，而青海與西藏低于0.100；西藏標準差幾乎為0，與年均值、極差共同揭示該區(qū)不僅AWSI低，且在年際間維持穩(wěn)定；其他省區(qū)間標準差介于0.008（青海）～0.635（寧夏）之間，差異較大；省區(qū)間的AWSI值及其年際間絕對變化較大，然而除西藏與寧夏外，變異系數基本上介于0.100～0.300之間，年際間相對變化較為接近。西藏與寧夏的AWSI表現不同于其他大部分省區(qū)主要是由其水資源和農業(yè)生產特征決定的。雖然耕地上的有效降水量不足400 mm，但由于河川徑流量大，西藏的年均AWR達到了400 Gm3，為所有省區(qū)之最；然而由于農業(yè)生產規(guī)模小，西藏年均CWF僅為1.55 Gm3，全國最??；歷年CWF占AWR的比例均極小，這也是AWSI小且波動微弱的原因。寧夏的降水稀少與農業(yè)水資源缺口大而造成嚴重的耕地水資源短缺，同時，AWR的年際變化和CWF的大幅增長共同決定了AWSI的年際間的變異系數最大。表3還顯示，所有省區(qū)AWSI整體上均呈隨時間增大的趨勢，說明近15 a中國耕地水短缺全面加劇，農業(yè)用水效率提升是當前面臨重要需求。由農業(yè)生產規(guī)模擴張導致的農作物水足跡增大（圖1）是AWSI隨時間增長的主要原動力。大部分省區(qū)AWSI的年均增長率不超過10.0%，新疆的增速達到了26.9%，明顯高于其他省區(qū)。新疆AWR保持在100 Gm3，無明顯變化趨勢，而CWF由21.51 Gm3一路上升到2014年的75.75 Gm3。這也使得新疆由低度～中度水短資源壓力地區(qū)轉換為高度～極高水資源壓力地區(qū)。

2.3 AWSI驅動要素解析

利用PLSR對AWSI的主控因子判別的分析結果見表4、圖4及圖5。表4所示，PLSR模型提取出的2個偏最小二乘回歸主成分分別解釋ASWI空間變異的58.9%和13.8%，而增加更多成分到ASWI偏最小二乘回歸模型中，未能提高對ASWI空間變異的貢獻率。圖4顯示，第1成分中農業(yè)機械總動力（MP）對ASWI大小有正作用，降水量（）對ASWI大小呈負作用。第2成分中糧食面積比例（GA）對ASWI大小有正向影響，日照時數（SH）對ASWI有負向影響，表現為不顯著。

表4 ASWI的PLSR模型

一般情況下，VIP值在1之上的變量為因變量的重要影響因素。AWSI的PLSR模型中（圖5）3個變量的VIP值大于1，分別為農業(yè)機械總動力（MP，VIP=1.761，回歸系數=0.457），降水量（，VIP=1.192，回歸系數=?0.312），人均GDP（GP，VIP=1.170，回歸系數=0.030）。其中農業(yè)機械總動力和人均GDP的增大會導致ASWI增大，降水量則和ASWI呈顯著負相關。與此相對，VIP較小的因素包括相對濕度（RH，VIP=0.729）、平均氣溫（AT，VIP=0.321）、地均化肥（CF，VIP=0.822）及地均農藥（PP，VIP=0.458）。

圖4 AWSI偏最小二乘模型第一、二成分權重

圖5 ASWI偏最小二乘模型中各因子變量投影重要性指標VIP及回歸系數

降水量為與農作物類型和水資源稟賦的空間分布有直接聯(lián)系的氣象因子。中國的降水量大體呈現東南向西北遞減的空間格局，而日照時數正好基本相反。降水量與區(qū)域農業(yè)廣義水資源密不可分，其直接決定耕地可利用綠水資源的同時很大程度上影響藍水資源的豐欠。農業(yè)機械總動力、糧食面積比重以及人均GDP均為能綜合反映區(qū)域農業(yè)生產條件與用水水平的社會經濟因子。農業(yè)機械總動力最主要部分體現于農田耕作機械和灌排機械，二者分別對區(qū)域農業(yè)用水狀況緊密相連的同時影響區(qū)域的耕地水短缺狀況。耕作機械動力投入量較大的區(qū)域大多土地肥沃平整、農業(yè)基礎設施完善，如位于水資源相對匱缺地區(qū)的華北平原；由于主要作物生育期降水有限，這些地區(qū)農業(yè)生產對灌溉水及排灌機械的需求較大，如華北各省市農業(yè)機械總動力高達10 kW/hm2，而長江流域糧食主產區(qū)僅為3 kW/hm2左右；農業(yè)機械投入和農業(yè)生產效率的提高會促使灌溉面積和農業(yè)生產規(guī)模的擴大，從而形成更大的農作物水足跡和更嚴峻的耕地水短缺。由于糧食作物耗水量和單位面積水足跡值均高于其他作物，糧食面積比重較大省區(qū)農作物水足跡總量也趨于較大，進而導致耕地水資源短缺指數的增大。人均GDP衡量區(qū)域經濟發(fā)展程度也側面反映行業(yè)用水結構并影響耕地的水短缺狀況：由于工業(yè)和服務業(yè)發(fā)展水平和水資源需求均較高，人均GDP越大的省區(qū)農業(yè)用水比例相對低，這會造成當地分配于農業(yè)領域的可利用水資源量較小，進而增大耕地水資源短缺指數。氣象要素相對濕度（RH）與平均氣溫（AT）雖影響作物耗水過程和藍綠水足跡，但是與作物灰水足跡以及AWR無直接關聯(lián)，這可能是二者VIP值較低的原因。農業(yè)生產投入地均化肥（CH）及地均農藥（PP）在區(qū)域間的差別不如其他社會經濟因子明顯，且當前灰水足跡估算過程中難以考慮區(qū)域間化肥有效利用程度的差別。這是他們在空間上對AWSI的影響相對較小主要原因。此外，土壤特性對于作物生產水足跡相關，從而可能成為AWSI的驅動要素。因數據來源缺陷，該要素在PLSR分析未予考慮，這是未來區(qū)域農業(yè)水資源短缺驅動機制分析中需要注意的問題。

3 結 論

1）水足跡視角下，耕地水資源短缺指數（arable land water scarcity index，AWSI）能夠全面量化區(qū)域廣義水資源可持續(xù)利用程度。15 a間全國AWSI為0.413，農業(yè)生產領域一直處于隨時間加劇趨勢的高度水資源壓力狀態(tài)，將持續(xù)面臨嚴峻的資源和環(huán)境兩方面導致的水短缺。

2）耕地水資源短缺指數同時存在時間和空間上的不平衡性，華北平原是耕地水短缺問題最為嚴重的區(qū)域，長江以南和東北的糧食主產區(qū)也面臨中度以上水資源壓力，西北旱區(qū)的耕地水短缺加劇趨勢最為明顯。

3）降水是對AWSI影響最為明顯的氣象因子，而農業(yè)機械總動力、糧食面積比例以及人均GDP對AWSI表現出了較明顯的影響。在經濟發(fā)展和農業(yè)生產水平較高的糧食主產區(qū)應基于全區(qū)域的農產品產出保障和水足跡總量控制來進行農業(yè)水資源管理策略制定，以實現水資源的可持續(xù)利用。

[1] 姜秋香，周智美，王子龍，等. 基于水土資源耦合的水資源短缺風險評價及優(yōu)化[J]. 農業(yè)工程學報，2017，33(12)：136－143.

Jiang Qiuxiang, Zhou Zhimei, Wang Zilong, et al. Risk assessment and optimization of water resources shortage based on water and land resources coupling[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(12): 136－143. (in Chinese with English abstract)

[2] Cao X, Wu M, Zheng Y, et al. Can China achieve food security through the development of irrigation?[J]. Regional Environmental Change, 2018, 18(2): 465－475.

[3] Velasco M, Aznar S, Belmonte U, et al. Advances in water use efficiency in agriculture: A bibliometric analysis[J]. Water, 2018, 10(4): 377.

[4] Wang Y, Zhang Y, Zhang R, et al. Reduced irrigation increases the water use efficiency and productivity of winter wheat-summer maize rotation on the North China Plain[J]. Science of the Total Environment, 2018, 618: 112－120.

[5] 李慧，周維博，莊妍，等. 延安市農業(yè)水土資源匹配及承載力[J]. 農業(yè)工程學報，2016，32(5)：156－162.

Li Hui, Zhou Weibo, Zhuang Yan, et al. Agricultural water and soil resources matching patterns and carrying capacity in Yan’an City[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(5): 156－162. (in Chinese with English abstract)

[6] Pedro M, Solera A, Ferrer J, et al. A review of water scarcity and drought indexes in water resources planning and management[J]. Journal of Hydrology, 2015, 527: 482－493.

[7] Li J, Liu Z, He C, et al. Water shortages raised a legitimate concern over the sustainable development of the drylands of northern China: Evidence from the water stress index[J]. Science of The Total Environment, 2017, 590: 739－750.

[8] Sun S, Wang Y, Engel B, et al. Effects of virtual water flow on regional water resource stress: A case study of grain in China[J]. Science of the Total Environment, 2016, 550: 871－879.

[9] Hoekstra A. Water footprint assessment: Evolvement of a new research field[J]. Water Resources Management, 2017, 31(10): 3061－3081.

[10] Xinchun C, Mengyang W, Rui S, et al. Water footprint assessment for crop production based on field measurements: A case study of irrigated paddy rice in East China[J]. Science of the Total Environment, 2018, 610: 84－93.

[11] Chu Y, Shen Y, Yuan Z. Water footprint of crop production for different crop structures in the Hebei southern plain, North China[J]. Hydrology and Earth System Sciences, 2017, 21(6): 3061－3069.

[12] Zhang Y, Huang K, Yu Y, et al. Mapping of water footprint research: A bibliometric analysis during 2006－2015[J]. Journal of Cleaner Production, 2017, 149: 70－79.

[13] Chukalla A, Krol M, Hoekstra A. Grey water footprint reduction in irrigated crop production: Effect of nitrogen application rate, nitrogen form, tillage practice and irrigation strategy[J]. Hydrology and Earth System Sciences, 2018, 22(6): 3245－3259.

[14] Dambrosio E, Degirolamo A M, Rulli M C. Assessing sustainability of agriculture through water footprint analysis and in-stream monitoring activities[J]. Journal of Cleaner Production, 2018, 200: 454－470.

[15] Zhuo L, Mekonnen M, Hoekstra A, et al. Inter-and intra-annual variation of water footprint of crops and blue water scarcity in the Yellow River basin (1961－2009)[J]. Advances in Water Resources, 2016, 87: 29－41.

[16] Veettil A, Mishra A. Water security assessment using blue and green water footprint concepts[J]. Journal of Hydrology, 2016, 542: 589－602.

[17] 操信春，任杰，吳夢洋，等. 基于水足跡的中國農業(yè)用水效果評價[J]. 農業(yè)工程學報，2018，34(5)：1－8.

Cao Xinchun, Ren Jie, Wu Mengyang, et al. Assessing agricultural water use effect of China based on water footprint framework[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(5): 1－8. (in Chinese with English abstract)

[18] Liu J, Liu Q, Yang H. Assessing water scarcity by simultaneously considering environmental flow requirements, water quantity, and water quality[J]. Ecological Indicators, 2016, 60: 434－441.

[19] Cao X, Huang X, Huang H, et al. Changes and driving mechanism of water footprint scarcity in crop production: A study of Jiangsu Province, China[J]. Ecological Indicators, 2018, 95: 444－454.

[20] 操信春，邵光成，王小軍，等. 中國農業(yè)廣義水資源利用系數及時空格局分析[J]. 水科學進展，2017，28(1)：14－21.

Cao Xinchun, Shao Guangcheng, Wang Xiaojun, et al. Generalized water efficiency and strategic implications for food security and water management: A case study of grain production in China[J]. Advances in Water Science, 2017, 28(1): 14－21. (in Chinese with English abstract)

[21] Raskin P, Gleick P, Kirshen P, et al. Water Futures: Assessment of long-range patterns and prospects[R]. Stockholm, Sweden: Stockholm Environment Institute, 1997.

[22] Munia H, Guillaume J, Mirumachi N, et al. Water stress in global transboundary river basins: Significance of upstream water use on downstream stress[J]. Environmental Research Letters, 2016, 1(1): 014002.

[23] Xinchun C, Mengyang W, Xiangping G, et al. Assessing water scarcity in agricultural production system based on the generalized water resources and water footprint framework[J]. Science of the Total Environment, 2017, 609: 587－597.

[24] Xia J, Wang L, Yu J, et al. Impact of environmental factors on water quality at multiple spatial scales and its spatial variation in Huai River Basin, China[J]. Science China Earth Sciences, 2018, 61(1): 82－92.

[25] Ye X, Wu Z, Wang Z, et al. Seasonal prediction of the Yangtze River runoff using a partial least squares regression Model[J]. Atmosphere-Ocean, 2018, 56(2): 117－128.

[26] 陳玉民，郭國雙，王廣興，等. 中國主要作物需水量與灌溉[M]. 北京：中國水利電力出版社，1995.

[27] 段愛旺，孫景生，劉鈺，等. 北方地區(qū)主要農作物灌溉用水定額[M]. 北京：中國農業(yè)科學技術出版社，2004.

[28] 孫才志，陳麗新，劉玉玉. 中國農作物綠水占用指數估算及時空差異分析[J]. 水科學進展，2010，21(5)：637－643.

Sun Caizhi, Chen Lixin, Liu Yuyu. Spatial and temporal variation of crops green water occupancy index in China[J]. Advances in Water Science, 2010, 21(5): 637－643. (in Chinese with English abstract)

[29] 操信春，吳普特，王玉寶，等. 中國灌區(qū)水分生產率及其時空差異分析[J]. 農業(yè)工程學報，2012，28(13)：1－7.

Cao Xinchun, Wu Pute, Wang Yubao, et al. Analysis on temporal and spatial differences of water productivity in irrigation districts in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(13): 1－7. (in Chinese with English abstract)

Temporal-spatial distribution and driving mechanism of arable land water scarcity index in China from water footprint perspective

Cao Xinchun1,2, Liu Zhe2, Wu Mengyang2, Guo Xiangping2, Wang Weiguang1※

(1.,210098,; 2.,,210098,)

Efficient water use in agriculture production system is widely accepted as an important foundation of regional water resources management, water shortage alleviation and environmental sustainability. The arable land water scarcity index (AWSI) to describe relationship between crop production and potentially water resources was established based on water footprint framework in current study. AWSI was defined as the ratio of total water footprint in regional crops cultivation to available agricultural water resources, including blue and green water. AWSI in 31 provinces, municipalities and autonomous regions of China from 1999 to 2014 was calculated. Then, the spatial-temporal pattern and driving mechanism in the observed period were explored with the help of the methods of spatial autocorrelation analysis. A total of 10 potential factors such as relative humidity (RH), average temperature (AT), precipitation (), sunshine hours (SH), chemical fertilizer per area (CF), pesticides per area (PP), power of machinery per area (MP), irrigation rate (IR), irrigation efficiency (IE), proportion of grain area (GA) and per capita GDP (GP) were selected in driving mechanism assessment. Given that the high co-dependence of these potential factors, partial least squares regression (PLSR) was used to elucidate the linkages between the ASWI and the selected factors. The results showed that, annual value of AWSI in China was estimated about 0.413, and the country faced high water stress during the studied period; AWSI in almost all of the provinces, municipalities and autonomous regions increased over time, indicating that water scarcity in agricultural production system of China was intensifying. Spatial autocorrelation analysis showed that the global Moran’s I was higher than 0 in all the calculated years, implying provinces, municipalities and autonomous regions with similar AWSI presented an obvious aggregation characteristic in agriculture production of China. Provinces with high AWSI was in the North China Plain and all the regions facing extremely high water stress (AWSI>0.800) were distributed in the north of China; most of the provinces located in south of the Yangtze River were classified as moderate water stress (0.100

water resources; partial least-squares regression (PLSR); agriculture; efficient water use; blue and green water; grey water footprint; evaluating indicator

10.11975/j.issn.1002-6819.2019.18.012

TV213.9; S279

A

1002-6819(2019)-18-0094-07

操信春，劉 喆，吳夢洋，郭相平，王衛(wèi)光. 水足跡分析中國耕地水資源短缺時空格局及驅動機制[J]. 農業(yè)工程學報，2019，35(18)：94－100.doi：10.11975/j.issn.1002-6819.2019.18.012 http://www.tcsae.org

Cao Xinchun, Liu Zhe, Wu Mengyang, Guo Xiangping, Wang Weiguang. Temporal-spatial distribution and driving mechanism of arable land water scarcity index in China from water footprint perspective[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(18): 94－100. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.18.012 http://www.tcsae.org

2019-03-12

2019-08-10

國家自然科學基金（51979074、51609065）；國家重點研發(fā)計劃（2018YFF0215702）；江蘇省社會科學基金（17GLC013）；中國博士后科學基金資助項目（2018T110436，2017M611681）

操信春，博士，教授，主要從事農業(yè)水資源高效利用研究。Email：caoxinchun@hhu.edu.cn。

王衛(wèi)光，博士，教授，主要從事水資源演變與高效利用研究。Email：wangweiguang@hhu.edu.cn。

中國農業(yè)工程學會會員：操信春（E040000462A）