尹明財(cái)， 朱 豪， 胡圓昭， 李振中， 張濟(jì)世

（蘭州交通大學(xué)環(huán)境與市政工程學(xué)院，甘肅 蘭州 730070）

水資源是我們生存所必需的，也是整個(gè)社會發(fā)展的重要支撐。目前，全球水資源的需求量越來越大，由于水環(huán)境的日益惡化［1］，人們對水資源的保護(hù)和有效利用也越來越重視［2］。甘肅省缺水較嚴(yán)重，2020 年甘肅省水資源總量為410.88×108m3，2011 年的水資源量為272.15×108m3，較2011 年增長了51%。由于水資源的供需不平衡，全省缺水量為10.88×108m3，缺水程度為9.0%。2020 全省污水排放總量為6.97×108t，較2011年增長了18%［3］。水資源短缺在很大程度上限制著甘肅省的發(fā)展，隨著經(jīng)濟(jì)的發(fā)展對水資源的需求也越來越大。對于甘肅省水資源緊缺以及水污染的現(xiàn)狀，首要任務(wù)是對水環(huán)境的質(zhì)量進(jìn)行提升。首先是水污染防治，對甘肅省的水環(huán)境污染程度進(jìn)行量化分析和評價(jià)，水污染評價(jià)的方法大多用BP 網(wǎng)絡(luò)神經(jīng)［4］、綜合污染指數(shù)法［5］、模糊數(shù)學(xué)方法來評價(jià)［6］。但這些評價(jià)方法不能全面的描述水體污染與水資源兩者的關(guān)系［7］。灰水足跡作為新型的水污染計(jì)算方法，本質(zhì)上能很好地定量分析水質(zhì)和水量之間的關(guān)系［8］，其優(yōu)勢在于在較大研究區(qū)域上能快速、直觀地計(jì)算水污染對水資源影響的程度。

Hoekstra等［9］于2008年初次提出灰水足跡的定義，并根據(jù)水環(huán)境檢測標(biāo)準(zhǔn)表示為將水污染物質(zhì)稀釋至無危害的淡水體積［10］。其研究的區(qū)域比較大，以省區(qū)和流域?yàn)橹?。主要從工業(yè)、農(nóng)業(yè)、生活3個(gè)方面進(jìn)行研究評價(jià)［11］。國內(nèi)的一些學(xué)者進(jìn)行了大量的灰水足跡研究，如申浩等［8］從灰水足跡的均衡性角度，對山東省的灰水足跡進(jìn)行研究，研究表明灰水足跡強(qiáng)度和水環(huán)境壓力地區(qū)差異性明顯，其中生活灰水足跡出現(xiàn)了緩慢的增長，但總的灰水足跡呈下降趨勢。從灰水足跡的均衡性指標(biāo)來看，農(nóng)業(yè)＞生活＞工業(yè)。傅春等［11］利用灰水足跡對江西省農(nóng)田的碳磷進(jìn)行時(shí)空分析，從時(shí)間尺度來看，2000—2020年間農(nóng)田的氮磷灰水足跡變化為先增后減，氮肥灰水足跡變化幅度較平緩，磷肥灰水足跡變化幅度較大；磷肥大于氮肥灰水足跡；從空間尺度來看氮肥和磷肥的灰水足跡空間分布基本相同均是中北部較高，四周較低。羅勇［12］從經(jīng)濟(jì)和技術(shù)等角度對流域進(jìn)行灰水足跡時(shí)空演變特征研究。近年來，灰水足跡的研究多為區(qū)域時(shí)空分析、均衡性以及流域的時(shí)空演變特征，研究區(qū)域以我國東部和南部地區(qū)較多，西北和干旱地區(qū)的灰水足跡的驅(qū)動因素研究相對較少。故本文選取甘肅省為研究對象，甘肅省作為干旱地區(qū)，水資源一直比較匱乏，其水質(zhì)的污染歷來較嚴(yán)重，水資源的利用率也較低。研究其灰水足跡的變化以及驅(qū)動因素，不僅能充分的分析水量與水質(zhì)之間的關(guān)系；而且對水資源高效利用、供水安全等提供依據(jù)，對甘肅省的經(jīng)濟(jì)和民生發(fā)展具有推動意義。

1 研究區(qū)概況

甘肅省地處我國西北部，地理位置為92°～109°E，32°～43°N，東西南北分別于陜西，青海（新疆）、四川、寧夏（內(nèi)蒙古）接壤。屬溫帶季風(fēng)氣候，氣侯干躁，降雨少。2020 年全省平均降水量為317.6 mm。水資源主要有3 大流域9 個(gè)水系。截至2020 年底，甘肅省常住人口0.25×108人，GDP 為10243.3×108元，第一、二、三產(chǎn)業(yè)增加值分別為1364.7×108元、3466.6×108元、5412.0×108元。全年供水量為109.9×108m3，人均用水量為438.7 m3·人-1。其中，工業(yè)、農(nóng)業(yè)、生活、生態(tài)用水量分別為6.2×108m3、83.7×108m3、9.3×108m3、10.7×108m3。

2 方法與數(shù)據(jù)來源

2.1 農(nóng)業(yè)灰水足跡計(jì)算

農(nóng)業(yè)灰水足跡分為種植業(yè)和養(yǎng)殖業(yè)灰水足跡來研究，以此來提高農(nóng)業(yè)灰水足跡的準(zhǔn)確性。

2.1.1 種植業(yè)灰水足跡 種植業(yè)最重要的污染物來自化肥?；史譃榈?、磷肥和鉀肥。其中氮肥是用水量較大的肥料類型，所以選用氮肥來作為種植業(yè)灰水足跡［13］。但是氮肥不是全部均進(jìn)入水體，化肥污染屬于面污染源；要考慮氮肥的淋失率［14］，由于淋失率不是固定值，所以要考慮研究區(qū)域的地理?xiàng)l件、污染物類型、農(nóng)作物類型等。其計(jì)算公式如下：

式中：WFgrey,plant表示種植業(yè)灰水足跡(108m3)；α表示氮肥淋失率; Appl 表示氮肥施用量(t)；Cmax表示污染物在水體中的最大排放濃度(kg·m-3)；Cnat表示污染物在水中的自然濃度(kg·m-3)。

2.1.2 養(yǎng)殖業(yè)灰水足跡 選取豬、牛、羊和家禽的糞便用作污染［15］，利用糞便中的污染含量、流失率和養(yǎng)殖數(shù)量來計(jì)算。要求規(guī)定喂養(yǎng)期是一年的家畜，用年末存欄量，不夠一年的用年末出欄量。糞便中的關(guān)鍵污染物是TN（總氮）和COD（化學(xué)需氧量），因此選擇TN和COD兩類污染用作養(yǎng)殖業(yè)灰水足跡的污染。選取TN 和COD 最大值為養(yǎng)殖業(yè)灰水足跡。其計(jì)算公式如下：

式中：WFgrey,live為養(yǎng)殖業(yè)灰水足跡(108m3)；Cmax分別表示TN 或COD 在水中的最大可排放濃度(kg·m-3)；Cnat為TN 或COD 在水中的自然濃度(kg·m-3)；L=每年畜禽個(gè)體(頭/只)排泄糞便中污染物含量×糞便污染物進(jìn)入水體流失率×年末出欄量/年末存欄量。

農(nóng)業(yè)污染為面源污染，選取種植業(yè)和養(yǎng)殖業(yè)中COD或TN污染物足跡的最大值相加得到農(nóng)業(yè)灰水足跡。農(nóng)業(yè)灰水足跡的計(jì)算公式為：

式中：GWFgrey,agri為農(nóng)業(yè)灰水足跡(108m3)。

2.2 工業(yè)灰水足跡和生活灰水足跡

工業(yè)污染是一種點(diǎn)源污染，根據(jù)已知的文獻(xiàn)參考得到工業(yè)灰水足跡由氨氮或COD 的污染足跡的最大值構(gòu)成［16］。其計(jì)算公式如下：

式中：WFgrey,ind表示工業(yè)灰水足跡(108m3)；Cmax表示氨氮和COD污染物在水中的最大排放濃度(kg·m-3)；Cnat表示污染物的自然濃度(kg·m-3)；L為工業(yè)排放的氨氮和COD。

2.3 生活灰水足跡

生活灰水足跡也是一種點(diǎn)源污染物，生活廢水中的污染物主要以COD和氨氮為主,計(jì)算公式如下：

式中：WFgrey,lif為生活灰水足跡(108m3)。

2.4 區(qū)域灰水足跡

區(qū)域灰水足跡等于農(nóng)業(yè)灰水足跡、工業(yè)灰水足跡和生活灰水足跡之和。區(qū)域灰水足跡計(jì)算公式如下：

式中：WFgrey,area為區(qū)域灰水足跡(108m3)。

2.5 灰水足跡強(qiáng)度

灰水足跡強(qiáng)度是指地區(qū)內(nèi)灰水足跡占該區(qū)域的生產(chǎn)總值的比率，它可以作為水資源利用效率指標(biāo)［17］，其數(shù)值越小，說明水資源利用效率越高。

式中：GWFI表示灰水足跡強(qiáng)度［m3·(104元)-1］；WF表示研究區(qū)域的灰水足跡(108m3)；GDP為該區(qū)域生產(chǎn)總值（108元）。

2.6 水污染程度

水污染程度也稱為水生態(tài)壓力指數(shù)，用灰水足跡與年內(nèi)可利用水資源總量比例來表示。當(dāng)水污染程度系數(shù)小于1時(shí)，水環(huán)境處于安全狀態(tài)；大于1，處于危險(xiǎn)狀態(tài)；等于1時(shí)，處于平衡狀態(tài)。其計(jì)算公式如下：

式中：WPL表示研究區(qū)域內(nèi)水污染程度；R表示該區(qū)域內(nèi)年可用水資源總量（108m3）。

2.7 剩余灰水足跡

剩余灰水足跡是指研究區(qū)域內(nèi)灰水足跡與地區(qū)水資源總量之差，評價(jià)研究區(qū)域內(nèi)的水資源的可持續(xù)性。當(dāng)年內(nèi)尺度的灰水足跡大于水資源量，即二者之差為正值時(shí)，水污染較嚴(yán)重，表明當(dāng)年有限的水資源不能將排放到水體中的污染物徹底稀釋到國家排放標(biāo)準(zhǔn)。如果剩余灰水足跡一直增大，就出現(xiàn)水質(zhì)下降的情況。反之為負(fù)值時(shí)，當(dāng)年有限的水資源能將排放到水體中的污染物徹底稀釋到國家排放標(biāo)準(zhǔn)。其公式為：

式中：RGWF為剩余灰水足跡（108m3）。

2.8 STIRPAT模型

STIRPAT 模型是IPAT 模型的擴(kuò)展模型，IPAT模型是20世紀(jì)70年代由Ehrlich等［18］提出的一種模型，是為了解決能源和環(huán)境問題的一種計(jì)算方法。后來隨著研究對象的越來越復(fù)雜，IPAT模型中的人口規(guī)模、富裕程度和技術(shù)水平3 個(gè)因素已經(jīng)不能滿足人們的研究，IPAT 模型出現(xiàn)了一定的局限性，后來Dietz等［19］根據(jù)IPAT模型提出了一種擴(kuò)展模型為STIRPAT 模型(Stochastic Impacts by Regression on Population Affluence and Technology)；它可以對所選取的影響因素進(jìn)行添加和修改，此模型很好的彌補(bǔ)了IPAT模型的不足，STIRPAT模型作為一種隨機(jī)回歸模型［20］，該模型在很多研究領(lǐng)域使用，例如：灰水足跡、碳排放研究等驅(qū)動因素研究。表達(dá)式為：

式中：I為環(huán)境壓力；a為常數(shù)項(xiàng);P為人口數(shù)；A為富裕度；T為技術(shù)水平；b、c、d為P、A、T的彈性系數(shù)；e為誤差項(xiàng)，當(dāng)a=b=c=d=e=1時(shí)，即為I=PAT模型。

為了方便計(jì)算，上式兩邊轉(zhuǎn)換為對數(shù)形式，其表示如下:

式中：經(jīng)過對數(shù)化處理后，lnI為因變量；lnP、lnA、lnT為自變量；lna為常數(shù)項(xiàng)；lne為誤差項(xiàng)；b、c、d為P、A、T的影響系數(shù)。

考慮到甘肅省自身的發(fā)展，從而選取對灰水足跡影響較大的影響因素。首先是人口因素，人口數(shù)量是社會發(fā)展的主要驅(qū)動力，人口數(shù)量的增加會導(dǎo)致水資源的使用量增多，會造成農(nóng)副產(chǎn)品的增加；化肥的使用量相應(yīng)的也會大幅增加。所以，人口數(shù)量是灰水足跡的驅(qū)動因素［21］。產(chǎn)品與服務(wù)交易造成的灰水足跡也是水足跡增加的關(guān)鍵因素［22］，農(nóng)村的消費(fèi)水平與城鎮(zhèn)消費(fèi)水平差距很大，城鎮(zhèn)的消費(fèi)利用了很多的公共資源，GDP 的占比也較大，水資源的消耗也很多；所以城鎮(zhèn)化水平也是灰水足跡的驅(qū)動因素之一。人均GDP 作為社會經(jīng)濟(jì)發(fā)展的主要參考指標(biāo)，經(jīng)濟(jì)水平發(fā)展越高，環(huán)境壓力也越大［23］，人均GDP 也是灰水足跡變化的驅(qū)動因素。選取第一、二、三產(chǎn)業(yè)產(chǎn)值作為影響灰水足跡的因子。

2.9 數(shù)據(jù)來源

計(jì)算所需的污水排放量、污染物排放量、水資源量、經(jīng)濟(jì)數(shù)據(jù)（表1）來自2011—2020年《甘肅省統(tǒng)計(jì)年鑒》，畜禽排泄糞便污染物進(jìn)入水體流失率（表2）采用《全國規(guī)?；笄蒺B(yǎng)殖業(yè)污染情況調(diào)查及防治對策》［24］，氮肥淋失率參考《第一次全國污染源普查—農(nóng)業(yè)污染源肥料流失系數(shù)手冊》［25］確定為34%。水體中污染物濃度標(biāo)準(zhǔn)采用《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》(GB3838-2002)中Ⅲ類水質(zhì)標(biāo)準(zhǔn)，其中COD、氨氮、TN的濃度標(biāo)準(zhǔn)分別為20 mg·L-1、10 mg·L-1、1 mg·L-1。規(guī)定污染物的自然本底濃度為0。

表1 2011—2020年甘肅省污水排放量、污染物排放量、水資源量、經(jīng)濟(jì)數(shù)據(jù)Tab.1 Wastewater discharge,pollutant discharge,water resources,and economic data in Gansu Province from 2011 to 2020

表2 畜禽糞便污染物進(jìn)入水體流失率Tab.2 Rate of loss of livestock and poultry manurepollutants into water bodies /%

3 結(jié)果與分析

3.1 甘肅省灰水足跡分析

3.1.1 甘肅省灰水足跡變化 由圖1 可知，灰水足跡從2011—2020 年整體出現(xiàn)下降趨勢，下降了378.53×108m3；最大為2011年的572.75×108m3，最小為2019 年的106.14×108m3，降幅為81%。10 a 的平均灰水足跡為373.05×108m3；2011—2015 年下降趨勢較平緩，2015—2020年下降趨勢比較陡。人均灰水足跡（圖2）變化與灰水足跡變化是一致的，平均每年人均灰水足跡為1473.28 m3。從兩者總的灰水足跡和人均灰水足跡變化的趨勢以及根據(jù)我國經(jīng)濟(jì)和社區(qū)經(jīng)濟(jì)發(fā)展五年計(jì)劃來看,從2011年甘肅省實(shí)施水利經(jīng)濟(jì)發(fā)展十二五規(guī)劃，已經(jīng)開始注重環(huán)境問題，減少了污水的任意排放。至十三五規(guī)劃為快速下降階段，在此階段，國家出臺了一系列相關(guān)的文件，并且對水利發(fā)展機(jī)制的改革，促進(jìn)節(jié)水型社會、伴隨著環(huán)境污染治理資金投入的增加和生態(tài)文明建設(shè)的推動，使得污染得到了有效的處理，水生態(tài)保護(hù)意識的提高，是整個(gè)灰水足跡下降的重要原因。

圖1 2011—2020年甘肅省灰水足跡變化Fig.1 Changes in the footprint of gray water in Gansu Province from 2011 to 2020

圖2 2011—2020年甘肅省人均灰水足跡變化Fig.2 Changes in per capita grey water footprint in Gansu Province from 2011 to 2020

從灰水足跡的結(jié)構(gòu)（圖3）來看，2011—2020 年農(nóng)業(yè)灰水足跡占38%，生活灰水足跡占43%；工業(yè)灰水足跡占19%。除了2014 年、2015 年、2020 年農(nóng)業(yè)灰水足跡大于生活灰水足跡；其余均是生活灰水足跡最大，呈現(xiàn)下跌-上升-下跌-上升的趨勢。也解釋了2020 年總的灰水足跡上升趨勢主要是農(nóng)業(yè)灰水足跡的大幅度升高造成的。種植業(yè)灰水足跡一直大于畜牧業(yè)灰水足跡，表明甘肅省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展主要靠種植業(yè)。農(nóng)業(yè)灰水足跡趨勢在降低，相應(yīng)的化肥使用量在降低。生活灰水足跡一直呈現(xiàn)下滑趨勢，表明人們的環(huán)保意識逐漸提高；生活污水的排放量逐漸減少以及污水處理技術(shù)提升。工業(yè)灰水足跡趨勢也在下降，原因是工業(yè)生產(chǎn)技術(shù)和生產(chǎn)方式的提高，污染性企業(yè)得到了整改與轉(zhuǎn)型，使得工業(yè)污染源減少。

圖3 2011—2020年甘肅省灰水足跡結(jié)構(gòu)Fig.3 Structure of water footprint in Gansu Province from 2011 to 2020

3.1.2 灰水足跡強(qiáng)度 2011—2019年甘肅省灰水足跡強(qiáng)度（圖4）在下降，2019—2020 年小幅度上升。從灰水足跡強(qiáng)度的計(jì)算公式能夠看出，灰水足跡與GDP 的比值大小影響著水資源效率的大小。兩者的比值越小，表明單位產(chǎn)值對水環(huán)境污染的代價(jià)越小，水資源的利用效率也越高。從2011 年的1004 m3·(104元)-1下降到2020 年的215 m3·(104元)-1，降幅為79%。第一個(gè)原因是工業(yè)生產(chǎn)灰水足跡不斷降低，而工業(yè)生產(chǎn)產(chǎn)值比農(nóng)業(yè)產(chǎn)值大；農(nóng)業(yè)灰水足跡下降趨勢并不是很平穩(wěn)，2020 年還在提升；農(nóng)業(yè)生產(chǎn)產(chǎn)值不僅較低，而且產(chǎn)生的灰水足跡較大，使得農(nóng)業(yè)灰水足跡強(qiáng)度降低遲緩。第二個(gè)原因是產(chǎn)業(yè)布局的調(diào)整，環(huán)境污染物排放量的降低和污水處理技術(shù)的提升。

圖4 2011—2020年甘肅省灰水足跡強(qiáng)度變化Fig.4 Variation of grey water footprint intensity in Gansu Province from 2011 to 2020

3.1.3 水污染程度和剩余灰水足跡 由圖5可以看出，2011—2016年甘肅省水污染水平均大于1，說明此期間水污染程度較嚴(yán)重，水生態(tài)壓力較大。2015年達(dá)到最大值為2.6。其原因是水資源量較少，而生活污水逐年增加。

圖5 2011—2020年甘肅省水污染變化程度Fig.5 Changes in water pollution in Gansu Province from 2011 to 2020

從圖6 中可以看出，甘肅省2017 年以前剩余灰水足跡大于0，即每年有限的水資源量不能將排放到水體中的污染物徹底稀釋到國家排放標(biāo)準(zhǔn)，從2011—2013年水質(zhì)呈現(xiàn)上升的趨勢，2013—2015年水質(zhì)出現(xiàn)下降趨勢。2015 年至今水質(zhì)呈現(xiàn)上升的趨勢，水環(huán)境問題有所好轉(zhuǎn)，水資源持續(xù)性增加。

圖6 2011—2020年甘肅省剩余灰水足跡變化Fig.6 Changes in the footprint of remaining gray water in Gansu Province from 2011 to 2020

3.2 灰水足跡驅(qū)動因子分析

3.2.1 SPSS多元線性擬合分析 人口、城鎮(zhèn)化水平、人均GDP、第一、二、三產(chǎn)業(yè)產(chǎn)值、灰水足跡強(qiáng)度和社會消費(fèi)品零售總額分別用X1、X2、X3、X4、X5、X6、X7、X8表示，灰水足跡用Y表示（表3），將數(shù)據(jù)進(jìn)行對數(shù)處理，lnY作為因變量，lnX1、lnX2、lnX3、lnX4、lnX5、lnX6、lnX7、lnX8作為自變量，運(yùn)用SPSS進(jìn)行多元線性擬合，結(jié)果如表4所示。得出調(diào)整后的R2=0.997，說明影響因素99.7%的決定因變量lnY的變化，具有較好的擬合優(yōu)度，其中l(wèi)nX1不顯著，作為排除變量。其中l(wèi)nX2、lnX3、lnX4、lnX5、lnX6、lnX7、lnX8的顯著性sig值均大于0.05，對lnY影響不顯著。這是因?yàn)樽宰兞康腣IF 值均比較大，根據(jù)線性擬合分析原理VIF＞10，則變量之間有著多重共線性問題，因此上述所研究的變量間存在嚴(yán)重的多重共線性問題。

表3 變量描述Tab.3 Variable descriptions

表4 最小二乘法回歸系數(shù)Tab.4 Least squares regression coefficients

3.2.2 嶺回歸分析 為了解決自變量之間的多重共線性問題，采用嶺回歸的方法來消除變量間的共線性問題，是一種改進(jìn)的最小二乘法［26］。運(yùn)用SPSSAU 軟件對數(shù)據(jù)進(jìn)行嶺回歸分析［27］。由圖7 可知，當(dāng)K值為0.01時(shí)，此時(shí)自變量的標(biāo)準(zhǔn)化回歸系數(shù)趨于穩(wěn)定，最佳K值取為0.01。從表5得到，模型R2為0.999，意味著lnX2、lnX3、lnX4、lnX5、lnX6、lnX7、lnX8可以解釋lnY的99.87%變化原因。

表5 嶺回歸模型匯總Tab.5 Summary of ridge regression models

圖7 嶺跡圖Fig.7 Ridge trace map

嶺回歸ANOVA檢驗(yàn)其本質(zhì)也是一種F檢驗(yàn)，是判斷所做的模型是否有實(shí)際意義。如果P值（sig值）小于0.05，說明所研究的模型是有意義的，從表6中可以看出，本文研究的P值是小于0.05的，說明模型是有意義的。

表6 嶺回歸模型ANOVA 表格Tab.6 Ridge regression model ANOVA table

對模型進(jìn)行F檢驗(yàn)時(shí)發(fā)現(xiàn)，模型通過F檢驗(yàn)(F=217.867，P=0.005＜0.05)，說明lnX2、lnX3、lnX4、lnX5、lnX6、lnX7、lnX8中至少一項(xiàng)會對lnY產(chǎn)生影響。

從表7 中檢驗(yàn)?zāi)M的方差可知，F(xiàn)=217.867，SigF＜0.01，故在顯著性為1%的水平下通過方差檢驗(yàn)。自變量lnX2、lnX3、lnX4、lnX5、lnX6、lnX7、lnX8的彈性系 數(shù)分別為0.142、0.126、0.052、0.382、0.132、0.916、0.1，常數(shù)項(xiàng)為-7.829。嶺回歸方程為lnY=-7.829 + 0.142*lnX2+ 0.126*lnX3+ 0.052*lnX4+0.382*lnX5+0.132*lnX6+0.916*lnX7+0.1*lnX8。

表7 Ridge回歸分析結(jié)果Tab.7 Ridge regression analysis results

3.2.3 回歸結(jié)果分析 從上述模型公式中可以得出，各自變量lnX2（城鎮(zhèn)化水平）、lnX3（人均GDP）、lnX4（第一產(chǎn)業(yè)產(chǎn)值）、lnX5（第二產(chǎn)業(yè)產(chǎn)值）、lnX6（第三產(chǎn)業(yè)產(chǎn)值）、lnX7（灰水足跡強(qiáng)度）、lnX8（社會消費(fèi)品零售總額）均會促進(jìn)應(yīng)變量lnY（灰水足跡）的增加。根據(jù)以上模型的彈性系數(shù)可知，每個(gè)自變量增加1%均會促使應(yīng)變量灰水足跡增加0.142%、0.126%、0.052%、0.382%、0.132%、0.916%、0.1%?；宜阚E強(qiáng)度的影響對灰水足跡影響最大，第二產(chǎn)業(yè)產(chǎn)值次之；社會消費(fèi)品零售總額增加作用最弱。從三大產(chǎn)業(yè)產(chǎn)值影響系數(shù)來看，第二產(chǎn)業(yè)產(chǎn)值對灰水足跡的影響最大；從側(cè)面看出工業(yè)部門的發(fā)展對灰水足跡的影響效率最大，農(nóng)業(yè)和服務(wù)業(yè)次之。隨著城鎮(zhèn)化水平的加快、三大產(chǎn)業(yè)產(chǎn)值的發(fā)展和提高是甘肅省灰水足跡的主要影響因素。根據(jù)彈性系數(shù)的大小，可以去制定相關(guān)的政策，減少甘肅省的灰水足跡，從而減輕水環(huán)境壓力［28］。

4 結(jié)論

灰水足跡從2011—2020年整體出現(xiàn)下降趨勢，2020 年較2019 年有上升的趨勢，但總體而言，下降了378.53×108m3；人均灰水足跡變化與灰水足跡變化基本一致，平均每年人均灰水足跡為1473.28 m3。生活污染是甘肅省的首要環(huán)境污染源，農(nóng)業(yè)污染其次；灰水足跡的整體下降，表明污染得到了有效的控制，水生態(tài)環(huán)境質(zhì)量得到了改善。

灰水足跡強(qiáng)度從2011 年的1004 m3·(104元)-1下降到2020年的215 m3·(104元)-1，降幅為79%，水資源利用效率提高，其中農(nóng)業(yè)灰水足跡強(qiáng)度降低緩慢。2011—2016 年甘肅省水污染水平均大于1，表明此時(shí)間段水污染程度較嚴(yán)重。2013 年開始剩余灰水足跡出現(xiàn)下降趨勢，2017 年為負(fù)；表明水質(zhì)呈現(xiàn)上升趨勢，水環(huán)境問題有所好轉(zhuǎn)，水資源持續(xù)性增加。

從甘肅灰水足跡的驅(qū)動因素來看，隨著甘肅省的經(jīng)濟(jì)發(fā)展和城鎮(zhèn)化水平加快，三大產(chǎn)業(yè)產(chǎn)值對甘肅省灰水足跡的增減起主要作用，其中主要是第二產(chǎn)業(yè)產(chǎn)值及工業(yè)部門的發(fā)展影響為主。根據(jù)以上結(jié)論提出以下建議：（1）結(jié)合甘肅省地理特點(diǎn)和優(yōu)勢，推廣綠色和特色農(nóng)業(yè)發(fā)展。在對化肥的施用量上進(jìn)行嚴(yán)格控制。（2）對工業(yè)部門嚴(yán)格控制污水的排放量，加大環(huán)境監(jiān)管力度。（3）提高城鎮(zhèn)生活污水的處理能力，推進(jìn)城鎮(zhèn)節(jié)水降損，加強(qiáng)節(jié)水監(jiān)督管理。（4）STIRPAT 模型可以從多個(gè)方面來評價(jià)灰水足跡，能直觀地看出影響灰水足跡的主要因子；從而為減少區(qū)域的灰水足跡提供了很大的幫助。