張瀚亓，李璐驥，高 坤

（河海大學商學院，江蘇 常州 213022）

中國水資源狀況具有南多北少、豐枯變化大、時空分布極不均等特點，隨著經(jīng)濟社會的快速發(fā)展，水資源供需矛盾日益凸顯。中國一年用水總量中農業(yè)產(chǎn)品用水量占比最大，90%的人類消費水足跡來自農業(yè)產(chǎn)品。因此，提高農業(yè)用水效率，節(jié)約農業(yè)用水是解決水資源短缺問題、緩解水資源供需矛盾的根本性措施。許多專家學者為緩解水資源短缺問題提出了一系列理論，其中水足跡理論近年來深受全球學者青睞。

水足跡由荷蘭學者Hoekstra［1］首先提出，是對虛擬水理念的豐富和發(fā)展。具體是指在特定時間內某一地理區(qū)域居民直接或間接用于生產(chǎn)消費的商品和服務消耗的水足跡水量。隨著水足跡理論的不斷發(fā)展，其應用范圍越來越寬廣，國內外學者們已將該理論應用到不同國家或地區(qū)的工業(yè)、農業(yè)、第三產(chǎn)業(yè)等不同產(chǎn)業(yè)領域對水資源利用狀況進行評估。

國外關于農業(yè)水足跡的研究，大多數(shù)都是基于聯(lián)合國糧農組織（FAO）的CROPWAT8.0 彭曼-蒙特斯公式進行水足跡的測算。如Multsch 等［2］開發(fā)空間決策支持系統(tǒng)SPARE：WATER，在計算農作物水足跡時考慮特定地點的情況，以此評估沙特阿拉伯的農業(yè)用水足跡。Donoso 等［3］估算了智利的農業(yè)生產(chǎn)水足跡，在考慮氣候和土壤差異的情況下，分別對主要生產(chǎn)區(qū)域農產(chǎn)品的綠水足跡、藍水足跡和灰水足跡進行了評估。Symeonidou 等［4］評價羅茲島所有主要農作物的水足跡，得出旱作和灌溉作物的水足跡量存在顯著差異。

國內的水足跡研究則主要集中在區(qū)域水足跡狀況的評價。如王會肖等［5］就2008 年黃河流域綠水和藍水足跡展開研究，分析農業(yè)耗水量和水足跡的空間分布狀況。黃會平等［6］選擇了冬小麥、夏玉米這2 種主要農作物計算海河流域25 年間的農業(yè)生產(chǎn)水足跡，并憑借此預測未來30 年這2 種作物水足跡變化狀況及各氣象因子對農業(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，對施用化肥所帶來的污染產(chǎn)生的灰水足跡進行測算，考量糧食產(chǎn)量、化肥施用量和灰水足跡之間的相關性。綜合以上論述可以看出，以往對于農業(yè)水足跡的研究多以用水量和主要農作物之間的關系為主，在時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)域主要集中于單個城市、單個流域或者中國整體，缺乏著眼于地區(qū)之間的對比研究。本研究針對東北地區(qū)農業(yè)水足跡的空間差異及其影響因素進行了分析。一是以中國東北地區(qū)3 個省份作為研究對象，研究主要農作物水足跡含量的時空變化差異，二是運用LMDI 模型將水足跡總量的變化驅動因素進行分解，從時間、空間格局等多視角分析驅動因素。

中國東北地區(qū)包括黑龍江、吉林、遼寧3 省，自東南而西北，從濕潤區(qū)、半濕潤區(qū)過渡到半干旱區(qū)。東北地區(qū)農業(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)過程中水資源的利用情況。東北地區(qū)作為中國重要的商品糧基地，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小的同時產(chǎn)量卻一直維持較高水平。為體現(xiàn)東北農作物結構在轉變東北地區(qū)農業(yè)發(fā)展方式中的作用，選取玉米、水稻、大豆、馬鈴薯、甜菜5 種作物進行研究。

根據(jù)水足跡理論，對2009—2018 年中國東北地區(qū)主要農作物進行研究，計算其水足跡總量以及東北地區(qū)農業(yè)生產(chǎn)水足跡，分析東北地區(qū)農業(yè)水足跡在總量，藍水、綠水以及灰水所占比例在空間上的差異，運用LMDI 方法探究影響東北地區(qū)水足跡的相關因素，將有助于緩解因水污染、時空水資源分配不均帶來的農業(yè)水資源短缺問題，并為東北地區(qū)農業(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)來源與研究方法

1.1 數(shù)據(jù)來源

選取中國東北三省2009—2018 年數(shù)據(jù)，評價東北地區(qū)水稻、玉米、大豆、馬鈴薯以及甜菜5 種主要農作物的生產(chǎn)水足跡量。數(shù)據(jù)來源包括氣象數(shù)據(jù)和農作物數(shù)據(jù)。其中，省域尺度上5 種農作物的單位規(guī)模產(chǎn)量、總產(chǎn)量、種植規(guī)模數(shù)據(jù)以及農作物氮肥施用折純量源于國家統(tǒng)計局網(wǎng)站的年度統(tǒng)計數(shù)據(jù)。根據(jù)地理位置差異，選取黑龍江安達、吉林長嶺、遼寧開原3 地氣象觀測點作為氣象數(shù)據(jù)代表。統(tǒng)計分析3 地的逐月數(shù)據(jù)，平均最高和最低氣溫、相對濕度、風速、日照、持續(xù)時間、月降雨量和輻射均源于中國氣象數(shù)據(jù)網(wǎng)。水足跡計算中需要的參數(shù)作物蒸發(fā)蒸騰量通過CROPWAT8.0 軟件計算得出，計算方法依據(jù)聯(lián)合國糧農組織（FAO）推薦的標準彭曼公式，作物及土壤參數(shù)均采用聯(lián)合國糧食及農業(yè)組織（FAO）的內置標準參數(shù)。

1.2 研究方法

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

1）藍水足跡計算。

其中，WFblue表示藍水足跡（m3/kg）；ETblue為作物藍水蒸發(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 為將水深轉換為單位陸地水量的單位轉換系數(shù)；Kc為作物系數(shù)，采用CROPWAT 內置作物標準參數(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，計算需要特別考慮該部分［9］。

2）綠水足跡計算。

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 高度的風速（m/s）；es是飽和蒸氣壓（kPa）；ea是實際蒸氣壓（kPa）；Δ 為飽和水氣壓與溫度相關曲線的斜率（kPa/℃）。

4）灰水足跡計算。農業(yè)生產(chǎn)通常會使用大量的化肥和農藥來提高農作物的產(chǎn)量，這些多余的肥料及農藥會滲入地下或進入地表徑流造成地下水和地表水的污染。基于氮肥在化肥施用中比例最高、水污染份額最大以及土壤中的磷和鉀不容易淋失等特點，為避免重復計算，灰水足跡計算僅考慮氮肥對水質造成的污染，不考慮其他農藥對水質的影響?；宜阚E在數(shù)量上等于該污染物的稀釋水量。計算公式如下。

其中，WFgrey為灰水足跡（m3/kg）；α 為氮肥的淋失率，根據(jù)第一次《全國污染源普查-農業(yè)污染源肥料流失系數(shù)手冊》將氮元素淋失率設定為10%；Appl為氮肥使用總量（kg/hm2）；Cmax為現(xiàn)有環(huán)境水質標準下氮元素最高排放濃度（kg/m3），根據(jù)《地表水環(huán)境質量標準》（GB3838—2002）中的Ⅲ類水標準設置（0.01 kg/m3）；Cnat為自然條件下水體中氮元素的質量濃度（kg/m3），設為0。選取的5 種農作物產(chǎn)量占東北地區(qū)農業(yè)總產(chǎn)量的95%以上，為解決數(shù)據(jù)問題，采用全省氮肥折純施用量進行灰水足跡計算。

1.2.2 LMDI 指數(shù)分解模型 Ang 等［10］于 1998 年提出的對數(shù)均值指數(shù)分解法（LMDI）在能源消耗等領域被廣泛應用，但在農業(yè)水足跡領域應用的相關研究并不多見，本研究引入該方法將東北地區(qū)按省域尺度劃分為3 個產(chǎn)量區(qū)進行農業(yè)水足跡的研究。基于LDMI 方法，結合kaya 恒等式將作物的水足跡總量的驅動因素分解如下。

WF（t）是東北地區(qū)5 種主要農作物生產(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種作物的種植結構。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)量是某省農作物1 年的產(chǎn)量，種植規(guī)模是所選所有農作物的總種植規(guī)模，虛擬水含量是用來生產(chǎn)每種作物單位的水量，種植結構是指特定作物規(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），由作物結構因素引起的總水足跡量變化（ΔWc）［11］。

時間序列的公式如下。

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、作物結構因素4 部分。

2 結果與分析

2.1 農業(yè)水足跡測算結果分析

圖1 顯示，總體上東北地區(qū)的主要農作物水足跡總量逐年遞增，在2017 年達到最高值1 585.83 億m3，而2018 年受霜凍等氣象災害以及氣候變化導致的減產(chǎn)的影響出現(xiàn)了小幅下跌。在水足跡總量構成上，東北地區(qū)呈現(xiàn)出結構穩(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遠大于其他作物，占據(jù)主導地位；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)模的擴大，一直保持穩(wěn)步增長。經(jīng)濟作物中，大豆水足跡經(jīng)歷了先降再升的趨勢，2009 年為187億 m3，2015 年降為 113.39 億 m3，降幅超過 40%；之后便保持增長的趨勢，到2017 年為195.67 億m3，超過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77%。

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

如圖2 所示，從農作物水足跡的省際視角看，東北三省水足跡含量差異明顯，黑龍江省對東北地區(qū)農作物水足跡總量增長貢獻最大，約占地區(qū)農作物生產(chǎn)水足跡的60%，5 種主要農作物水足跡量也均遠超遼寧省以及吉林?。欢质〈沃?，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，遼寧省的各項農作物水足跡量均為全區(qū)域最低水平，占比約為16%。從地理位置上來說，農業(yè)水足跡由南向北逐漸增大。

圖2 東北地區(qū)2009—2018 年省際農業(yè)水足跡總量

從水足跡的構成看，如圖3 所示，呈現(xiàn)出總體上升但差異顯著的特征；其中藍水足跡增長幅度明顯，對農作物生產(chǎn)總水足跡貢獻最大，最大占比約為60%，這體現(xiàn)出東北地區(qū)農業(yè)生產(chǎn)中灌溉用水的需求龐大；其次是綠水足跡，增長達17%。灰水足跡則是在226.6 億m3上下波動變化。就各省水足跡構成足跡而言，藍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)水足跡構成情況

2.2 農業(yè)水足跡LMDI分解時間序列分析

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)揮出主要的促進作用，而到了2013 年，讓位于虛擬水因素。結構因素2009—2015 年表現(xiàn)為正值，而2016 年開始變?yōu)橐种撇▌釉鲩L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，由于氣象災害導致農作物減產(chǎn)，各種因素都發(fā)生劇烈的變化，結構因素成了惟一的促進因素。

圖4 東北地區(qū)水足跡驅動因素

總的來說，大部分年份，各類驅動因素發(fā)揮出了積極的作用，促進農業(yè)水足跡的增長；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，增長的幅度在波動下降，這體現(xiàn)出來各類驅動因素對增長作出的貢獻在減少，尤其是2015 年之后，種植結構變成了抑制因素。出現(xiàn)這種狀況，一方面是因為不同年份氣候的變化對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)水技術的改進以及節(jié)水政策的出臺。說明東北地區(qū)的作物種植結構還有待進一步的優(yōu)化。由于黑龍江省的水足跡遠遠大于其他省，在驅動因素上從全地區(qū)視角分析，可能會因為這個因素而掩蓋了吉林、遼寧2 省的實際情況。故而分別列出黑龍江、吉林、遼寧3 省2009—2018 年農業(yè)水足跡量變化驅動因素及貢獻率，單獨分析各省的驅動因素在時間上的變化情況，結果見表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，各類驅動因素都發(fā)揮了積極的作用，其中起主要貢獻的是產(chǎn)量因素以及規(guī)模因素，而從2014 年開始規(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)揮出更顯著的促進作用，結構因素則轉變成為抑制增長的消極因素。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，總因素為負值，各類因素也基本成為抑制因素。

表1 黑龍江2009—2018 年農業(yè)水足跡量變化驅動因素貢獻率

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的主要因素，2018 年的減產(chǎn)抑制了水足跡總量的增長，4 種因素的消極作用使得水足跡總量轉增為跌。

表2 吉林2009—2018 年農業(yè)水足跡量變化驅動因素貢獻率

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)揮著促進作用，結構因素則為負值。在2017 年和2018 年，情況發(fā)生了反轉，虛擬水因素和結構因素發(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 年農業(yè)水足跡量變化驅動因素貢獻率

總的來說，3 省的水足跡是由產(chǎn)量因素和規(guī)模因素引起的，而結構因素以及虛擬水因素的作用變化較大。虛擬水因素出現(xiàn)這些變化是因為受氣候波動的影響較大。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 年東北地區(qū)氣候出現(xiàn)降水減少等異常情況，有霜凍、風災等氣象災害，導致減產(chǎn)，故而2018 年的水足跡變化驅動因素出現(xiàn)了截然不同的結果。另外需要指出的是東北地區(qū)近10 年來的作物結構調整變化大，各作物變化趨勢不一致，10 年間玉米和水稻分別增長了360.195 萬、112.350 萬hm2；而大豆、馬鈴薯以及甜菜分別下降了84.257 萬、16.739 萬、5.304 萬 hm2，這導致作物總結構因素變化波動大。

2.3 農業(yè)水足跡LMDI分解空間序列分析

通過將4 個因素加總得到東北三省水足跡量變化總因素，結果見圖5、圖6、圖7、圖8。從總體農業(yè)水足跡變化因素的省際差異來看，2009—2018 年黑龍江省農業(yè)生產(chǎn)水足跡變化量在-116.22 億～273.92億m3，大部分年份對全區(qū)域的水足跡總量變化貢獻大，而 2016 年及 2018 年抑制作用明顯；2009—2018年吉林省農業(yè)生產(chǎn)水足跡變化量在-120.13 億～83.46 億 m3，波動較大；2009—2018 年遼寧省農業(yè)生產(chǎn)水足跡變化量在-90.58 億～74.03 億m3，波動較大，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看，2010—2014 年，黑龍江省水足跡變化量處于第一位，接下來是吉林、遼寧省；而從2015 年開始，由于種植結構的變化，作物對降水、光照等因素有不同需求的影響，每年水足跡變化量波動幅度大，各省在變化幅度上的差異體現(xiàn)出來的是各省作物種植量和種植結構變化上的數(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。為更直觀地體現(xiàn)空間格局上3 省各驅動因素的差異，將黑龍江、遼寧和吉林省的主要農作物生產(chǎn)水足跡總量兩兩進行比較，得出空間上的各驅動效應以及貢獻率的空間差異（表4）。

表4 2009—2018 年東北地區(qū)水足跡總量空間差異的驅動因素貢獻率 （單位：%）

圖5 東北地區(qū)主要農作物生產(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動因素均低于黑龍江省，但呈現(xiàn)差距縮小的趨勢。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。具體分析各驅動因素情況，產(chǎn)量因素和規(guī)模因素始終為負值，表明這2 種因素對吉林水足跡總量增長的促進效果弱于黑龍江省，差距也有一定的縮小。虛擬水因素在2010、2015 年為負值，2018 年為正值，說明虛擬水因素對吉林省水足跡總量增長的促進效果先弱于黑龍江省，后強于黑龍江省。結構因素只在2015 年為正值，說明結構因素只在中期對吉林省水足跡總量增長的貢獻大于黑龍江省。

2）遼寧-黑龍江。2010、2015、2018 年，遼寧省水足跡變化總驅動因素與黑龍江省呈現(xiàn)差距縮小的趨勢，并在后期超過了黑龍江省。產(chǎn)量因素和規(guī)模因素在2015 年為正值，說明兩者在中期對遼寧省水足跡總量增長的貢獻大于黑龍江省。虛擬水因素在2010、2015 年為負值，2018 年為正值，表明虛擬水因素對遼寧省水足跡總量增長的促進效果先弱于黑龍江省，后強于黑龍江省。而結構因素始終為負值，該因素對遼寧省水足跡總量的增長貢獻低于黑龍江省，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動因素均低于吉林省，且呈現(xiàn)差距不斷擴大的趨勢。吉林省和遼寧省在主要農作物種植規(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。具體分析各驅動因素情況，規(guī)模因素始終為正值，這表明規(guī)模因素對遼寧省水足跡總量增長的促進效果強于吉林??；虛擬水因素和結構因素在2015 年為負值，該因素在中期對遼寧省水足跡總量增長的貢獻大于吉林省。產(chǎn)量因素在2010 年為負值，2010、2018 年為正值，說明該因素在前期對遼寧省水足跡總量增長的促進效果先弱于吉林省，后強于吉林省。

3 結論及建議

3.1 結論

本研究首先計算2009—2018 年東北地區(qū)三省玉米、水稻、大豆、馬鈴薯、甜菜5 種農作物的水足跡總量，然后采用LMDI 模型將東北地區(qū)3 個省份的農業(yè)生產(chǎn)水足跡總量的驅動因素分解為產(chǎn)量因素、規(guī)模因素、虛擬水因素和結構因素。并從時間、空間格局等多視角進行了驅動因素貢獻情況的分析，得出以下結論。

1）從水足跡總量看。在時間變化上，東北三省地區(qū)2009—2017 年，水足跡保持著逐年遞增的趨勢，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超吉林、遼寧2 省，吉林次之，遼寧最低。從水足跡的構成看，藍水足跡量遠大于綠水和灰水足跡量，東北地區(qū)農作物對灌溉用水的需求量更大?；宜阚E略小于綠水足跡。

2）從水足跡變化的驅動因素看。在時間變化上總體呈現(xiàn)波動下降的趨勢，種植規(guī)模的擴大和單產(chǎn)的增長是水足跡保持增長的主要驅動因素，尤其是種植面積的擴大。10 年間主要農作物的面積擴大了26%，其中主要是玉米和水稻的面積增長，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大而不斷增長。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變?yōu)楹笃诘拇龠M作用。而結構因素在水足跡的增長中發(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，而大豆、甜菜等作物的種植規(guī)模在不斷縮?。?2］。

3）從水足跡變化的驅動因素看。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。前期各省水足跡增長都是由產(chǎn)量和面積因素貢獻的，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，尤其是對吉林省的貢獻更顯著。種植結構上，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

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

1）優(yōu)化空間布局和作物結構。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，適當擴大雜糧和薯類的種植比例，以此改變玉米和水稻為主的單一種植結構，更好地滿足國內糧食需求。

2）提升農作物生產(chǎn)效率灌溉用水資源利用率。改良和引進高產(chǎn)作物品種，推進優(yōu)質品種選育與推廣；加大農業(yè)技術研究投入，降低作物需水量，提高生產(chǎn)效率；灌溉用水精細化管理，發(fā)展高效節(jié)水設施，推廣微噴灌等技術。

3）加強農業(yè)生態(tài)保護，發(fā)展綠色農業(yè)。推進農業(yè)“三減”，減少化肥以及化學農藥的使用，加大對農業(yè)污染的治理力度；牲畜糞便再利用，使用有機肥料，達到減少面源污染耗水的目的。