OSID：
水是人类赖以生存和发展的重要战略性自然资源,是构成环境的基本要素[1]。随着人口数量的不断增加和社会经济的快速发展,水资源短缺和水生态恶化引发了一系列的环境问题,是约束社会经济可持续发展的重要因子[1-2]。近年来,随着灌溉面积的增加,地表水的供水量明显不足,灌区用水效率低下、水资源时空分布不均等问题严重[3]。相比于地表水源,地下水用水成本高,需要地下水和地表水联合运用,以满足灌溉需求,而探明地下水、地表水及枯水期水库补充供水与灌溉期作物需水之间的供需平衡关系,从而达到理想灌溉效益,是一个亟待解决的问题。我国虽然在水资源总量上位居世界前列,但在高效利用水资源方面仍需提升[4],量化区域作物对水资源的需求可为农业水资源高效利用提供基础。因此,有必要对区域供水能力进行分析,进而预测规划年内水资源供需平衡状态,以便提前制定相应对策来应对由于水资源供给不足产生的农业灾害[5]。因此,评估区域水资源供需平衡关系,科学提出节水模式,制定水价奖惩机制,是实现农业水资源健康可持续利用的有效途径[6]。
水足迹理论拓宽了水资源研究范畴,包含蓝水足迹、绿水足迹和灰水足迹[7]。水足迹理论克服了以往在农业水资源评价中主要考虑灌溉用水的缺陷,而是将实物形态的灌溉水与虚拟形态的土壤水以及稀释量联系起来,可更真实地反映农业生产对水资源的需求与占用情况[8]。而且,还可应用到生态用水消耗量的分析和评价中,在水资源分析领域的适用范围较广[9]。当前不少学者对粮食主产区或农业敏感区的主要粮食作物水足迹进行了评估,如对某一地区的单种作物生产水足迹进行量化[4];对不同作物间及时间序列间的差异进行比较[10];对不同空间尺度上作物水足迹的空间分布特征进行分析[11]。目前大多数水足迹评价研究只关注农业生产对水量的利用(蓝水足迹和绿水足迹),缺乏对水质影响(灰水足迹)的考虑[9]。因此,有必要同时从“水量”和“水质”的角度,兼顾区域水资源承载力和水环境生态等方面综合评估。目前对于水足迹的影响因素多为定性分析,或者是侧重于温度、降水等自然因素的分析[2,12],对于人为管理因素对作物水足迹影响的定量分析仍有不足。
三江平原作为粮食生产核心区以及国家重点湿地生态功能区,也是水旱结构变化大、水田种植面积大幅扩张的地区[13]。三江平原年粮食生产能力超过1.5×1010 kg,商品粮率高达80%以上[14],农业部门所使用的水量可占区域水资源消耗总量的90%以上,并在发展集约化生产提高粮食产量的同时带来了严重的水体污染[15]。随着气候变暖及种植结构不断调整,三江平原由雨养农业为主向雨养-灌溉兼具类型转变,并引起农业水土资源配置的变化[2]。在“以稻治涝”的农业综合开发治理以及国际市场价格激励机制下,水田种植面积不断扩大,种植界限不断北移[15]。但由于地表水控制工程滞后、地下水过度开采等问题,地下水资源动态平衡受到了严重破坏[12]。当前研究在量化不同区域尺度下作物生理生长与水资源利用之间关系上取得了重要进展[16]。但仅能计算部分作物水资源利用效率及其组成,而不能全面识别区域作物对水资源的真实需求[4]。已有一些关于水足迹的相关研究,但缺乏时空尺度的精细刻画,也缺乏管理因素分析[1-2],还需进一步结合区域资源禀赋和产业布局深入研究。
综上,本文以黑龙江省三江平原兴凯湖灌区为研究区域,基于水足迹理论与方法,核算典型灌区内作物水足迹时空演变规律及其自然和人为方面的影响因素;结合不同类型作物灌溉制度和灌水定额,预测规划年内作物灌溉用水量;评价作物生产用水供需平衡及水资源承载力状况,探讨灌区农业生产适应性策略以减轻水资源压力。以有效揭示黑龙江省粮食作物生产用水的效益产出,为该地区生态环境保护和粮食综合生产能力提高提供理论依据和技术支撑。
蓝水足迹表示灌溉供给农业生产消耗的水资源量;绿水足迹表示有效降水量供给农业生产所消耗的水资源量;灰水足迹表示吸收化肥、农药等引发的污染所需要的水资源总量[17],水足迹计算式为
WF=WFgreen+WFblue+WFgrey
(1)
式中 WF——水足迹,m3/kg
WFblue——蓝水足迹,m3/kg
WFgreen——绿水足迹,m3/kg
WFgrey——灰水足迹,m3/kg
采用作物需水量的方法确定蓝水和绿水蒸散量[18],计算式为
ETgreen=min(ETc,Peff)
(2)
ETblue=max(0,ETc-Peff)
(3)
其中
(4)
式中 ETgreen——绿水蒸散量,mm
ETblue——蓝水蒸散量,mm
ETc——作物蒸发蒸腾量,mm
Peff——作物生长有效降水量,mm
P——旬降水量,mm
进一步计算农业生产的蓝水足迹和绿水足迹[19],计算式为
(5)
(6)
式中 Y——单位面积产量,kg/hm2
其中10为转换系数。
需要大量的水源将污染物进行稀释,所需要的水资源量称为灰水足迹[20],计算式为
(7)
式中 A——化肥施用量,kg/hm2
α——淋溶率,%
cmax——最大容许污染物质量浓度,取0.01 kg/m3
cnat——污染物背景质量浓度,取0 kg/m3
化肥施用量计算公式为
(8)
式中 Fi——第i种作物化肥施用量,kg
Si——第i种作物种植面积,hm2
其中1为玉米;2为水稻;3为大豆;4为其他作物。
先前研究较多侧重于自然影响因素而较少考虑人为影响因素[4,9],选取环境积温(X1)、大气降水量(X2)、环境湿度(X3)、化肥使用量(X4)、农业机械动力(X5)、灌溉用水比例(X6)、人力资源投入(X7)7个指标作为自变量,分别以作物蓝水足迹、绿水足迹和灰水足迹作为因变量。
假设X1、X2、…、Xn为研究系统中的自变量,y为系统中的因变量[21],二者相关系数为
(9)
式中 riy——自变量Xi与因变量y间相关系数
Piy——Xi与y间直接通径系数
Pij——Xi通过Xj的间接通径系数
水资源承载力评价分析包括用水总量控制指标评价、地下水可开采量指标评价和综合评价,划分等级和依据参考文献[22-24]。
用水总量评价指标计算式为
(10)
式中 W——农业用水总量,m3
Wt——用水总量,m3
其中R为用水总量评价指标,R≥1.2为严重超载,1≤R<1.2为超载,0.9≤R<1.0为临界超载。
地下水评价指标计算式为
(11)
式中 Q——地下水用水量,m3
Qk——地下水可开采量,m3
其中T为地下水评价指标,T≥1.2为严重超载,1≤T<1.2为超载,0.9≤T<1.0为临界超载。
综合评价指标:当R和T中有任意指标为严重超载时,判定为严重超载。当无严重超载时,R和T中有任意一指标为超载的情况,判定为超载。当无超载时,R和T中有任意一指标为临界超载时,判定为临界超载。当R和T均不超载,判定结果为不超载。
兴凯湖灌区位于三江平原东南部的穆棱河下游地区(45°02′～45°50′N,132°24′～133°27′E),区内含有庆丰、八五六、八五七、八五八和兴凯湖等5个农场[15]。该区属于中温带大陆性气候,年平均降水量为559.3 mm,降水量分布不均,6—9月占年降水量的70%。年蒸发量为636～755 mm,无霜期为125 d。区内年平均气温3.1℃,全年大于等于10℃的有效积温为2 540℃。
以2021年为现状年,选取2030年作为灌溉用水规划年,开展用水供需平衡分析,进而根据不同类型作物的灌溉用水定额来预测规划年的灌溉用水量。
2.2.1 水稻灌溉制度
根据上述水足迹理论,分析不同生育时期作物需水量,并在保证生育期水层深度的前提下,测算生育期内总需水量。总需水量与有效降水量之间的差值即为生育期内灌溉需水量。
(1)水稻生育期内需水量
经统计核算,庆丰、八五六、八五七、八五八和兴凯湖农场水稻生育期内需水量分别为615、575、646、639、599 mm。参考当地目前推广的浅型灌溉制度,水稻各生育期水层深度控制标准如下:返青期、分蘖期为10～30 mm;拔节期、抽穗期、乳熟期为0～30 mm;黄熟期为0 mm。
(2)规划年灌溉制度设置依据
水稻灌溉制度设计依据GB 50288—99《灌溉与排水工程设计规范》相关要求,选取灌溉设计保证率为80%。综合水稻各个生育时期大气降水量、植株蒸腾效果等要求,测算水稻的泡田灌溉定额和作物需水定额,最终确定规划年水稻设计灌溉定额为543 mm。
2.2.2 大豆、玉米及其他作物灌溉制度
参考历年作物生育期内的降水量变化曲线,进而推算不同年份作物的灌水量。根据灌区相关报告,本研究中其他作物表示研究区域除了水稻、玉米、大豆3种主要作物之外的具有较少种植面积的其他作物。
(1)旱作作物需水量分析
参考当地农业种植经验,测算作物(大豆、玉米和其他作物)全生育期内灌溉需水量。大豆需水总量为404～440 mm;玉米需水总量为481～499 mm;其他作物需水总量为400～459 mm。
(2)旱作作物灌溉制度设计依据
与上述水稻灌溉制度测算方式相似,获取不同作物历年的灌溉用水定额。确定规划年灌溉定额:大豆为189 mm,玉米为239 mm,其他作物为267 mm。根据作物水足迹分析结果以及设计保证率下的灌水定额,分析不同作物播种面积,进而获取规划年内研究区实际灌溉需水量。
涉及的数据包括气象数据、水文数据、作物数据以及灌区数据,相关数据来源于1980—2021年兴凯湖灌区气象站逐日气象资料、黑龙江省统计年鉴、黑龙江省水资源公报、灌区相关报告以及相关参考文献。使用Origin 2018绘图,使用SPSS 26.0进行通径分析,使用ArcGIS 10.8绘制水足迹空间分布图。
3.1.1 水稻生产水足迹
水稻蓝水足迹呈现波动下降趋势,多年平均值为0.822 m3/kg。蓝水足迹主要是受到单产和灌溉量的影响,2005年为枯水年,所需灌溉量较大,且当年水稻单产较低,导致蓝水足迹较大。绿水足迹呈波动下降趋势,多年平均值为0.550 m3/kg。绿水足迹受有效降水量和水稻单产共同影响,2004年研究区降水量较多,水稻单产较高,因此绿水足迹较大。灰水足迹呈小幅度波动下降趋势,多年平均值为0.288 m3/kg。灰水足迹主要由单位面积水稻产量和施肥量共同影响,表明该时间段基础条件和管理水平较低,化肥使用量相对较高,稀释污染所需水资源量较大。总水足迹呈现波动下降趋势,多年平均值为1.666 m3/kg。2004年总水足迹相对于多年平均总水足迹生产值变化最大,并且为正向变化(图1)。2004—2021年总水足迹呈波动下降趋势,表明水资源利用率和灌溉用水利用效率不断提高。
图1 水稻生产水足迹年际变化特征
Fig.1 Interannual variations of water footprint of rice production
对于蓝水足迹而言,东部地区蓝水足迹相对较低,而中、西部八五六、八五七和庆丰农场蓝水足迹相对较高,整体增加幅度为0.085～0.307 m3/kg,表明中西部地区灌溉用水比例相对较高。东部地区的降水量相对较大,对于水资源的灌溉补给量相对较低,水稻生产蓝水足迹表现出西高东低的趋势。对于绿水足迹而言,东部地区绿水足迹相对较大,变化区间为0.658～0.714 m3/kg,在西部地区则有所降低。伴随时间的推移,绿水足迹呈逐渐降低趋势。以庆丰农场为例,2001年绿水足迹为0.618 m3/kg,而在2011、2021年则分别降低为0.512、0.471 m3/kg,表明近年来水资源利用效率有所提高。对于灰水足迹而言,随着时间的推移,其整体同样呈现逐渐降低趋势。东部地区灰水足迹水平较高,其变化区间为0.255～0.354 m3/kg,而西部地区灰水足迹有所降低(图2)。结合统计年鉴中化肥的使用状况,正好与其对应。
图2 水稻生产水足迹空间变化特征
Fig.2 Spatial variations of water footprint of rice production
3.1.2 玉米生产水足迹
玉米蓝水足迹呈现逐渐降低趋势,相比水稻其蓝水足迹大幅度降低。玉米属旱作作物,且干旱地区作物播种前极容易发生春旱,需依托灌溉来缓解。蓝水足迹多年平均值为0.004 9 m3/kg,在时间尺度上波动性较强,说明对于灌溉水的不确定性较强。绿水足迹呈波动上升变化趋势,多年平均值为0.703 m3/kg。2011年之前绿水足迹变化主要为负向,表明玉米生产过程对于土壤有效水的消耗比例相对较低;而在2011年之后则相反,可能是随着高标准农田的开展绿水足迹显著提升。灰水足迹呈波动下降的变化趋势,多年平均值为0.299 m3/kg,表明在保证作物对于土壤养分健康汲取的前提下,逐步减少了化肥使用。总水足迹无显著变化,整体保持相对稳定水平,多年平均值为1.007 m3/kg(图3)。结合统计资料可知,在2006年发生了短时暴雨现象,水资源无效消耗量增加。而在2011年全年降水量相对较低,农田主要依托灌溉补水来满足作物生长需求,总水足迹大幅度降低。
图3 玉米生产水足迹年际变化特征
Fig.3 Interannual variations of water footprint of maize production
对于蓝水足迹而言,与上述水稻类似,东部地区相对较低,而在中、西部地区的蓝水足迹则相对较高。这表明在作物出苗时期,西部地区缺水程度更为严重,为满足作物生长发育,需从水库调用更多的水源来补给农田。蓝水足迹空间分布特征整体表现西高东低的变化趋势。对于绿水足迹而言,其变化趋势恰好与蓝水足迹相反,东部地区相对较高。绿水足迹呈先降低后增加趋势。这可能在2001—2011年,随着农业资源开发强度增大,土壤板结化现象有所加重;而在后期种植模式中,农业机械化程度的加大改善了土壤结构,有效提升土壤田间持水能力。对于灰水足迹而言,东部地区相对较高(图4)。这是由于在农业生产过程中单位面积农田所使用的化肥量较高。同理,随着时间逐渐推移,2021年灰水足迹相对于2001年和2011年有所降低,验证了科学使用化肥得到了良好示范效果。
图4 玉米生产水足迹空间变化特征
Fig.4 Spatial variations of water footprint of maize production
3.1.3 大豆生产水足迹
大豆蓝水足迹波动较小呈现微弱降低的变化趋势,多年平均值为0.262 m3/kg。蓝水足迹在均值附近上下波动,大豆对于蓝水消耗相对稳定,且相对玉米有较大幅度提升,表明大豆在苗期的抗旱能力弱于玉米,在生育初期对于灌溉用水的需求量增加。大豆绿水足迹呈波动下降趋势,多年平均值为2.136 m3/kg。绿水足迹年际变化波动较大,受降水作用影响较强。2003年有效降水量最大,绿水足迹达到峰值。灰水足迹呈波动上升趋势,多年平均值为0.241 m3/kg。2001—2021年灰水足迹在均值附近波动,这可能是研究区大豆种植面积相对来说较小,难以实现大面积科学施肥,导致大豆单位面积化肥施用量逐步增加,使农田出现了污染物富集的现象。总水足迹呈波动下降变化趋势,多年平均值为2.638 m3/kg。2001—2015年总水足迹波动较大,2016—2021年总水足迹波动幅度较小。大豆生产总水足迹逐步下降,水资源可持续利用率呈现提升趋势(图5)。
图5 大豆生产水足迹年际变化特征
Fig.5 Interannual variations of water footprint of soybean production
对于蓝水足迹而言,呈西高东低的变化趋势,在东部兴凯湖和八五八农场,蓝水足迹变化区间分别为0.231～0.307 m3/kg和0.234～0.298 m3/kg,西部庆丰、八五六和八五七农场蓝水足迹变化区间分别为0.237～0.347 m3/kg、0.267～0.328 m3/kg和0.311～0.371 m3/kg,表明作物生育初期,西部地区大豆种植灌溉需水量大于东部地区(图6)。对于绿水足迹而言,东部兴凯湖和八五八农场的绿水足迹相对较高,而西部相对较低。绿水足迹相对于玉米出现大幅度提升,而大豆生长过程中实际需水量小于玉米,这是因为大豆生产绿水足迹受水资源消耗量和粮食产量共同影响,而单位面积大豆产量低于玉米产量,绿水足迹相对于玉米出现了大幅度提升现象。对于灰水足迹而言,东部兴凯湖、八五八农场相对较低,变化区间分别为0.211～0.247 m3/kg和0.195～0.231 m3/kg。兴凯湖和八五八农场的大豆种植面积与主产作物水稻种植面积相比显得微乎其微,在大豆生长过程中化肥投入量较低,满足作物生长发育即可,灰水足迹相对较低。
图6 大豆生产水足迹空间变化特征
Fig.6 Spatial variations of water footprint of soybean production
3.1.4 其他作物生产水足迹
其他作物蓝水足迹、绿水足迹及总水足迹均呈现波动下降趋势,而灰水足迹则呈现波动上升趋势。蓝水足迹多年平均值为0.558 m3/kg,绿水足迹多年平均值为0.675 m3/kg。2003年其他作物生产绿水足迹相对于多年平均绿水足迹生产值变化最大,且为正向变化。绿水足迹受有效降水量和作物单产共同影响,2003年降水量较多,其他作物单产较高,因此,绿水足迹较大。灰水足迹呈波动上升的变化趋势,多年平均值为0.433 m3/kg。这可能是薯类和果蔬类等农作物在生育过程中需要汲取更多养分。同时,当地农民为了提高经济作物产量,采用增加化肥使用量的方式,土壤中化肥残余量增加,导致灰水足迹呈现逐年增加的变化趋势。总水足迹呈微弱下降的变化趋势,多年平均值为1.666 m3/kg。在2001—2007年间,其他作物生产总水足迹呈现较大波动,水资源供需量不确定性较强,而在2007年之后,基本处于相对稳定且平衡的状态。
对于空间分布特征,其他作物生长过程中的蓝水足迹与上述水稻、玉米和大豆作物整体变化趋势类似,同样呈现西高东低的特征。这说明西部地区缺水程度更为严重,需要从水库调用更多的水源来补给农田。相反,其他作物生长过程绿水足迹则表现出东高西低趋势。另外,研究区内作物生长的灰水足迹分布不确定性较强,这可能是因为各个农场每一年度其他作物的种植面积和种植品类的比重在适时调整,而每种作物的施肥制度和施肥量均存在较大差异,因此,其他作物生长过程灰水足迹空间分布规律性较弱。对比2001、2011、2021年其他作物灰水足迹整体变化趋势可知,灰水足迹呈现提升趋势,表明化肥使用量逐年攀升,在未来其他作物种植过程中需要重视和改进。
3.2.1 粮食生产水足迹影响因素时间变化特征
对于蓝水足迹而言,自然因素中X3、X1、X2以及人为因素中X5、X7对其影响较大(表1)。首先,X3与蓝水足迹之间呈显著负相关。X3的增加在一定程度上降低作物蒸腾,进而降低灌溉用水需求量。其次,对于X1而言,积温升高能提升作物光合作用速率,蓝水足迹反而呈降低趋势。X2与蓝水足迹之间呈负相关,可能随着大气降水的增加,农业生产所需的灌溉水量大幅度缩减。同时,降水量增加有助于作物养分的汲取运输,同样减低作物生产蓝水足迹。此外,X5对蓝水足迹具有正相关作用,因为农业机械动力能够提升灌溉用水的输水效率,其投入量越大灌溉补给用水量越多。尽管X7对蓝水足迹驱动力指数相对较低,但科学精准的灌区管理能降低蓝水资源无效损耗,且随管理人员增加,蓝水足迹呈降低趋势。
表1 作物生产蓝水足迹影响因素通径分析
Tab.1 Path analysis of influencing factors of blue water footprint in crop production
影响因素直接通径系数间接通径系数X1→WFX2→WFX3→WFX4→WFX5→WFX6→WFX7→WF总通径系数X1-0.182-0.1520.2250.117-0.161-0.137-0.105-0.395X2-0.2130.1350.189-0.119-0.075-0.186-0.051-0.320X3-0.156-0.1670.151-0.127-0.1150.068-0.128-0.474X4-0.1410.1140.0590.117-0.1380.067-0.175-0.097X50.1020.0390.1080.0690.073-0.135-0.0820.184X60.2290.089-0.047-0.1150.061-0.094-0.0560.067X7-0.0860.059-0.0710.087-0.049-0.113-0.107-0.280
对于绿水足迹而言,X1、X3、X4和X7与其呈负相关,X2、X5、X6与其呈正相关(表2)。X2与绿水足迹间呈正相关,表明随着降水的入渗量增加,作物对于灌溉水的需求量则大幅缩减。其次,X5与绿水足迹之间表现为正相关关系,这可能是农业机械在生产过程中改良土壤孔隙结构,进而提升降水入渗效率。另外,X6与绿水足迹之间表现为正相关关系,表明作物生长水资源补给主要来源于大气降水和灌溉补给,而降水和地表水、地下水供给分别表示蓝水和绿水类型。相反,X1提升有效促进作物生长发育,导致绿水足迹降低。X3与绿水足迹表现出相反作用关系,这是较高的环境湿度在降低作物蒸腾效应的同时,也抑制了土壤水分在土壤-植株-大气之间的跨介质传输能力。X4和X7对于绿水足迹的影响相对较低,但其在一定程度上提升水资源利用效率,二者均降低绿水足迹。
表2 作物生产绿水足迹影响因素通径分析
Tab.2 Path analysis of influencing factors of green water footprint in crop production
影响因素直接通径系数间接通径系数X1→WFX2→WFX3→WFX4→WFX5→WFX6→WFX7→WF总通径系数X1-0.165-0.137-0.0760.1050.148-0.122-0.081-0.328X20.274-0.0820.219-0.0650.071-0.1050.1140.426X3-0.125-0.0790.176-0.0610.079-0.137-0.108-0.255X4-0.119-0.1080.151-0.068-0.117-0.0490.087-0.223X50.1870.0690.0850.106-0.133-0.1480.1520.318X60.2640.121-0.171-0.116-0.0840.1270.1550.296X7-0.107-0.1340.0850.068-0.101-0.0790.059-0.209
对于灰水足迹而言,X4与之产生明显的正相关关系,表明随着化肥使用量增加,导致部分氮素没能被作物有效汲取利用,为了避免化肥过量导致产生局部面源污染,灰水足迹也随之提升。X6与之产生明显的正相关关系,从侧面反映伴随着灌溉水比例增加,部分灌溉水用于吸收农业生产过程中产生的污染废弃物。相反,X5、X1、X2、X3、X7则与灰水足迹呈负相关(表3)。首先,农业机械动力的施加能够调节土壤质量,农作物生长发育对于土壤氮素的汲取能力提升,用于稀释过剩土壤氮素的灰水足迹有所降低。另外,人力资源投入能有效指导农药和化肥使用量,最大限度降低灰水使用量。此外,环境积温升高、大气降水以及环境湿度的增加等环境因素变化都抑制了灰水足迹的提升,这可能是环境条件改善提升了作物长势状况,粮食产能提升则间接降低了灰水足迹。
表3 作物生产灰水足迹影响因素通径分析
Tab.3 Path analysis of influencing factors of gray water footprint in crop production
影响因素直接通径系数间接通径系数X1→WFX2→WFX3→WFX4→WFX5→WFX6→WFX7→WF总通径系数X1-0.129-0.128-0.0690.1310.115-0.108-0.079-0.267X2-0.107-0.1190.167-0.1430.117-0.1310.078-0.138X3-0.086-0.0620.123-0.1250.127-0.112-0.083-0.218X40.3170.1270.0790.126-0.126-0.107-0.1360.494X5-0.1880.058-0.082-0.1290.092-0.1350.109-0.275X60.2140.1620.1250.086-0.147-0.124-0.0810.235X7-0.152-0.152-0.1330.0960.1710.075-0.114-0.209
3.2.2 粮食生产水足迹影响因素空间变化特征
以2011年统计数据为例,X1对作物生产水足迹的影响为负,呈现自南向北逐渐升高的趋势(图7)。X2对水足迹的影响为正,且在西部地区的影响程度相对较大。X3对水足迹的影响为负,随着环境湿度的增加水足迹逐渐减小。X4对水足迹的影响为负,兴凯湖和八五八农场农田单位面积化肥使用量最大。X5对作水足迹的影响为负,八五六和八五七农场的农业生产现代化程度最高。X6对水足迹影响为负,西部地区降水量较小因而相对敏感。X7对作物生产水足迹的影响为负,西部地区人力资源投入较大因而影响程度相对较大。结合3.2.1节可知,X1、X2是影响蓝水足迹和绿水足迹时间变化的主要驱动因子,而X3、X5对其空间分布有重要影响。X4与灰水足迹显著相关,化肥使用量是灰水足迹变化的关键驱动因素之一。
图7 作物生产水足迹影响因素空间分布特征
Fig.7 Spatial distributions of influencing factors of water footprint of crop production
3.3.1 地表水供给
参考上述计算得出的不同作物灌水定额,结合作物种植面积分布特征,并且考虑灌区水源、取水工程措施及田间输水利用系数,计算区域灌溉需水量。经核算可知,各农场在规划年内的作物灌溉需水总量分别为2.527 7×108、4.561 1×108、2.324 8×108、2.726 6×108、2.889 6×108 m3。根据5个典型农场的灌区覆盖面积状况,结合灌区多年实际供水特征,可以测算可利用地表水在不同农场的不同时段分配量。灌溉需水量主要集中在7、8月,占生育期供水总量的60%以上。经核算可知,庆丰、八五六、八五七、八五八和兴凯湖农场来自灌区水资源补给总量分别为1.613 1×108、2.932 6×108、1.477 6×108、1.609 6×108、1.823 9×108 m3。由此可知各个农场的供水量无法满足作物需水量。
3.3.2 地下水供给
根据各个农场作物生育期降水特征及地下水位埋深资料,对于5个农场而言,在1—4月,大气降水量相对较低,春季播种期灌溉用水需地下水补给,地表水水文均表现出一定的降低趋势。同时,在5—8月,集中降水过程回填补给地下水,地下水位均呈现回升趋势。在8月,地下水位埋深达到最高水平。在9—12月非生育期,地下水需求量较低,地下水位埋深保持相对于稳定水平。对比分析可知,由于八五八和兴凯湖农场降水量相对较大,土壤地下水补给速率相对较快,水位的波动幅度相对较小。从另一个角度而言,地下水位波动性越强,农田灌溉对于地下水依赖性越强,导致土壤地下水超采现象越发显著。
3.3.3 水资源供需矛盾评价
采用可开采系数法计算地下水可开采量,获得研究区地表水和地下水可供给量(表4)。研究区地表水补给主要由灌区水库提供,而地表水供给不足的情况下由地下水填补差额。区内除了兴凯湖农场不缺水,其他4个农场处于缺水状况。庆丰、八五六、八五七和八五八农场的缺水量分别占兴凯湖灌区缺水总量的13.75%、44.59%、17.13%和24.53%,其中八五六农场缺水最为严重。灌区用水总量评价、地下水开采量评价和综合评价结果如表5所示。根据相关调查和统计数据,结合兴凯湖灌区实际情况,用水总量包含农业灌溉、居民生活和生态环境等方面的用水量,不含工业生产的用水量。除了兴凯湖农场评价结果为临界超载,庆丰农场评价结果为超载,其余3个农场均为严重超载。
表4 研究区供需水平衡
Tab.4 Water supply and demand balance in study area m3
研究区需水量水稻玉米大豆其他作物合计可供水量地表水地下水合计缺水量庆丰2.1457×1086.120×1062.741×1074.67×1062.5277×1081.6131×1087.5610×1072.3692×1081.585×107八五六4.1368×1081.578×1072.289×1073.76×1064.5611×1082.9326×1081.1145×1084.0471×1085.140×107八五七2.0519×1088.230×1061.157×1077.49×1062.3248×1081.4776×1086.4970×1072.1273×1081.975×107八五八2.6337×1083.460×1063.240×1062.59×1062.7266×1081.6096×1088.3420×1072.4438×1082.828×107兴凯湖2.8496×1088.700×1051.350×1061.78×1062.8896×1081.8239×1081.0938×1082.9177×1080
表5 规划年农业用水承载力状况
Tab.5 State of agricultural water carrying capacity in planning year
研究区用水总量Wt/m3地下水可开采量Qk/m3农业用水总量W/m3地下水用水量Q/m3用水总量评价指标R地下水评价指标T评价结果用水总量评价地下水评价综合评价庆丰 2.37×1087.60×1072.53×1089.10×1071.081.07超载超载超载八五六4.04×1081.11×1084.56×1081.63×1081.131.47超载严重超载严重超载八五七2.12×1086.50×1072.32×1088.50×1071.091.31超载严重超载严重超载八五八2.44×1088.30×1072.73×1081.12×1081.121.35超载严重超载严重超载兴凯湖2.91×1081.09×1082.89×1081.07×1080.990.98临界超载临界超载临界超载
本研究核算了2001—2021年作物生产水足迹,得出总水足迹和蓝水足迹逐渐降低的变化趋势,而绿水足迹和灰水足迹则呈现波动变化趋势,这与刘继龙等[2]基于时间序列预测的结果一致。本研究核算蓝水足迹高于郭相平等[25]的结果,这是因为本研究核算4种粮食作物的水足迹,主要以灌溉水消耗为主体,因而耗水量较大。吴普特等[16]提出了基于区域用水量的水足迹量化方法,能够反映区域尺度的水分利用效率、灌溉系统运行水平与农业生产用水量。本研究在核算灰水足迹时,假设自然水体中氮磷元素的背景值为0,而实际水体中含有一定浓度,导致量化的灰水足迹小于实际值,这与范星等[9]的假设和结果一致。本研究蓝水和灰水足迹正在逐渐减少,但和全国平均水平还有差距[12],还需在健全水资源管理体系等方面继续推进。水稻作为灌区种植面积最大的作物,水足迹呈现波动下降趋势,表明随节水灌溉技术进步,水资源利用效率与灌溉用水效益得到显著提升[18]。然而,大豆和其他作物灰水足迹在均值附近波动,存在小幅度上升,表明大豆种植面积的相对局限性限制了大规模科学施肥策略实施。此外,玉米绿水足迹有所升高,表明随农业科技的进步和农田管理措施的改进,农民可能更加注重土壤的保持和水分的管理[26]。例如,通过合理耕作、覆盖保墒等措施[27-28],提高土壤保水能力,使得更多雨水能够留在土壤中供玉米生长使用。
灌区内有4个农场处于缺水状况,作物生产供水量不足的问题不容乐观。近年来,气候变化对三江平原的降水产生了显著影响,降水量的减少和降水模式的变化都增加了水资源的获取难度[29]。随着气温的升高和蒸发潜力的增大,三江平原地区的无效蒸发量也在增加,进一步减少了可用于灌溉的水资源量[3]。根据水足迹空间分布特征可知,蓝水足迹呈现西高东低的趋势,由于西部地区降水量相对较少,且水资源分布不均,农业生产需要大量的灌溉用水来补充作物生长所需的水分[2]。因此,西部地区蓝水足迹相对较高。相比之下,东部地区能够依靠自然降水满足作物生长的大部分水分需求[15],从而减少了对灌溉用水依赖。绿水足迹变化趋势恰好与蓝水足迹相反,呈现东高西低的趋势。这是由于地理位置、气候条件以及地形地貌等因素的影响,使得东部地区能够更多地利用自然降水。相比之下,在西部地区,作物生长更多依赖于灌溉等人为措施来补充水分,绿水足迹相对较低。水稻、玉米灰水足迹东高西低,而大豆灰水足迹变化不明显,反映了不同作物在不同地区农业生产过程中产生的环境负荷差异,以及大豆生产在环境管理方面的相对稳定性。大豆生产过程中对氮肥依赖程度相对较低,与水稻和玉米相比,其固氮能力较强,通过与根瘤菌的共生作用固定空气中N2供自身生长所需[3]。因此,大豆灰水足迹相对较少且变化不明显。2001—2021年兴凯湖灌区作物水足迹未因粮食产量提高而增加,相反整体呈现波动下降趋势,主要与行政部门通过倡导节水政策、推广节水灌溉技术、调整种植结构等措施有关。
然而本研究也存在一定局限,例如作物生产水足迹作为一个相对较新的水资源利用评价指标,水足迹量化的方法比较单一,尤其是对于农业生产水足迹的量化方法还存在不足[16]。目前,对作物生产水足迹的量化大多通过计算田间尺度作物蒸发蒸腾量求得[2,9,18],没有考虑灌溉水在输配水及田间灌水过程中的损失,无法反映区域尺度农业生产中的水资源利用状况。因此,有必要对作物生产水足迹量化方法进行完善,建立不同尺度、适用于不同评价目标的水足迹量化方法[18]。同时,本研究主要集中在当前水资源状况,对未来变化的预测还不够深入。还需利用更长时间的数据序列来分析长期趋势,或结合气候变化模型来预测未来水资源变化。未来应基于三江平原水资源潜力,建立种植结构布局多目标优化模式,提出种植结构最优布局方案[19];结合三江平原水利发展规划,分析水资源总量对开源工程建设及灌区进一步发展的响应特征,提出水资源调配工程优化布局方案。因此,需在满足农业作物生长发育前提下,兼顾生态环境健康发展目标,多方水源联合调度匹配,实现水资源对农业生产最大限度地提供保障支撑。在此基础上,还应结合区域内的资源禀赋和产业布局,通过政策手段来促进水资源的有效利用。可以通过以下措施对作物水足迹进行调控:制定更为严格的水资源管理法规,减少化肥农药使用,降低由水环境污染引起的水资源消耗;鼓励农民采用节水技术和优化种植结构,在地下水严重超载地区,减少高耗水作物种植面积;根据灌区水资源利用情况,通过合理的水资源定价,激励农民节水和合理利用。
(1)作物生产水足迹从高到低依次为大豆、水稻、其他作物、玉米。兴凯湖灌区粮食生产水足迹总量在2008—2021年间呈现减少趋势。从作物类型上来看,玉米的水足迹总量无显著变化,整体保持相对稳定水平。而其他3类作物水足迹总量不断减少。从时间尺度来看,蓝水足迹呈现逐渐降低趋势,而绿水足迹和灰水足迹则呈现波动变化趋势。
(2)从空间尺度来看,东部地区的兴凯湖和八五八农场年降水量相对较高,作物生产蓝水足迹相对较低,而绿水足迹则相对偏高。相反,中部和西部地区的庆丰、八五六和八五七农场年降水量相对较低,需要更多的灌溉水补给,蓝水足迹相对较高。在农场尺度,八五七农场作物水足迹总量最高,是粮食生产水足迹的热点地区。同时,人为管理因素对作物水足迹的影响较为显著。
(3)各个农场规划年农业用水承载力分析结果显示,不同场区内均存在不同程度的地表水和地下水超载现象。除了兴凯湖农场地表水和地下水能充分供给粮食作物生产,其余4个农场均存在缺水情况,而八五六农场缺水最为严重。因此,为了实现地表水与地下水健康可持续开发,需结合区域内资源禀赋和产业布局,制定科学高效的水资源使用配置模式,打造寒区水资源高效利用管理体系。
[1] 孙佳歆,齐鹏,章光新,等.基于生态足迹法的农业水土资源承载力分析——以三江平原友谊农场为例[J].地理科学,2024,44(6):1060-1068.SUN Jiaxin,QI Peng,ZHANG Guangxin,et al.Agricultural water and land resources carrying capacity based on ecological footprint method:a case of Youyi Farm in Sanjiang Plain[J].Scientia Geographica Sinica,2024,44(6):1060-1068.(in Chinese)
[2] 刘继龙,吴耀宇,曹晓强,等.三江平原地区农作物水足迹时空演变特征及可持续性利用评价[J].东北农业大学学报,2023,54(8):68-78.LIU Jilong,WU Yaoyu,CAO Xiaoqiang,et al.Temporal and spatial evolution characteristics of agricultural water footprint of crops in the Sanjiang Plain and evaluation on sustainable utilization[J].Journal of Northeast Agricultural University,2023,54(8):68-78.(in Chinese)
[3] LI M X,ZHANG Z W,LIU D,et al.Optimization of agricultural planting structure in irrigation areas of Heilongjiang Province considering the constraints of water resource system resilience[J].Journal of Cleaner Production,2024,434:140329.
[4] 操信春,吴普特,王玉宝,等.中国灌区粮食生产水足迹及用水评价[J].自然资源学报,2014,29(11):1826-1835.CAO Xinchun,WU Pute,WANG Yubao,et al.Agriculture water utilization assessment based on water footprint of grain production evaluation in irrigated farmland of China[J].Journal of Natural Resources,2014,29(11):1826-1835.(in Chinese)
[5] 姜瑶,颜泽文,黎良辉,等.灌区用水优化模型参数全局敏感性分析与不确定性优化[J].农业机械学报,2023,54(7):372-380.JIANG Yao,YAN Zewen,LI Lianghui,et al.Global sensitivity analysis of parameters for irrigation water optimization model and uncertainty optimization[J].Transactions of the Chinese Society for Agricultural Machinery,2023,54(7):372-380.(in Chinese)
[6] CHENG K,HE K X,FU Q,et al.Assessing the coordination of regional water and soil resources and ecological-environment system based on speed characteristics[J].Journal of Cleaner Production,2022,339:130718.
[7] HOEKSTRA A Y,CHAPAGAIN A K.The water footprints of Morocco and the Netherlands:global water use as a result of domestic consumption of agricultural commodities[J].Ecological Economics,2007,64(1):143-151.
[8] 高洁,吴普特,谢朋轩,等.灌区蓝绿水资源与作物生产水足迹多时空分布量化分析[J].农业工程学报,2021,37(5):105-112.GAO Jie,WU Pute,XIE Pengxuan,et al.Distributed quantification of blue and green water resources and water footprint of crop production in an irrigation district at multiple temporal scalesy[J].Transactions of the CSAE,2021,37(5):105-112.(in Chinese)
[9] 范星,陈彬.三江平原粮食作物生产水足迹时空特征及影响因素[J].生态学报,2022,42(15):6368-6380.FAN Xing,CHEN Bin.Spatio-temporal patterns and influencing factors of the water footprint of grain crop production in the Sanjiang Plain[J].Acta Ecologica Sinica,2022,42(15):6368-6380.(in Chinese)
[10] MA J L,ZHANG P,DENG X Y,et al.Assessment of crop water footprint and actual agricultural water consumption in arid inland regions:a case study of Aksu Region[J].Sustainability,2024,16(7):2911.
[11] MEKONNEN M M,HOEKSTRA A Y.Water footprint benchmarks for crop production:a first global assessment[J].Ecological Indicators,2014,46:214-223.
[12] WU Y X,JIANG L L,OUYANG X T,et al.Sustainable evaluation of the water footprint in Heilongjiang Province,China,based on correlation-matter element analysis[J].Journal of Cleaner Production,2023,408:137231.
[13] ZUO Y J,GUO Y D,SONG C C,et al.Study on soil water and heat transport characteristic responses to land use change in Sanjiang Plain[J].Sustainability,2019,11(1):157.
[14] YANG Q F,ZHANG P Y,MA Z P,et al.Agricultural economic resilience in the context of international food price fluctuation—an empirical analysis on the main grain-producing areas in Northeast China[J].Sustainability,2022,14(21):14102.
[15] 王立权.兴凯湖灌区开展用水户参与灌溉管理的实践与探讨[J].现代化农业,2005(9):4-5.
[16] 吴普特,孙世坤,王玉宝,等.作物生产水足迹量化方法与评价研究[J].水利学报,2017,48(6):651-660,669.WU Pute,SUN Shikun,WANG Yubao,et al.Research on the quantification methods for water footprint of crop production[J].Journal of Hydraulic Engineering,2017,48(6):651-660,669.(in Chinese)
[17] SUN S K,WU P T,WANG Y B,et al.The impacts of interannual climate variability and agricultural inputs on water footprint of crop production in an irrigation district of China[J].Science of the Total Environment,2013,444:498-507.
[18] CAO X C,SHU R,REN J,et al.Variation and driving mechanism analysis of water footprint efficiency in crop cultivation in China[J].Science of the Total Environment,2020,725:138537.
[19] XU Y N,LI J N,LI H,et al.The water-food-energy nexus evaluation and optimization of cropping system in the North China Plain:a case of county scale[J].Journal of Cleaner Production,2024,443:141200.
[20] KONG Y,HE W J,ZHANG Z F,et al.Spatial-temporal variation and driving factors decomposition of agricultural grey water footprint in China[J].Journal of Environmental Management,2022,318:115604.
[21] WANG C Y,CHEN J,GU L,et al.A pathway analysis method for quantifying the contributions of precipitation and potential evapotranspiration anomalies to soil moisture drought[J].Journal of Hydrology,2023,621:129570.
[22] 李铁男.黑龙江省水资源承载力评价[R].哈尔滨:黑龙江省水利科学研究院,2017.
[23] 王征.黑龙江省锦西灌区水资源优化配置与农业节水潜力分析[D].哈尔滨:东北农业大学,2018.WANG Zheng.Optimal allocation of water resources and analysis of agricultural water-saving potential in Jinxi Irrigation District,Heilongjiang Province[D].Harbin:Northeast Agricultural University,2018.(in Chinese)
[24] 付强,刘巍,吕纯波,等.灌区灌溉水利用效率分析及用水优化管理[M].北京:科学出版社,2020.
[25] 郭相平,高爽,吴梦洋,等.中国农作物水足迹时空分布与影响因素分析[J].农业机械学报,2018,49(5):295-302.GUO Xiangping,GAO Shuang,WU Mengyang,et al.Analysis of temporal-spatial distribution and influencing factors of water footprint in crop production system of China[J].Transactions of the Chinese Society for Agricultural Machinery,2018,49(5):295-302.(in Chinese)
[26] HOU R J,QI Z Y,LI T X,et al.Mechanism of snowmelt infiltration coupled with salt transport in soil amended with carbon-based materials in seasonally frozen areas[J].Geoderma,2022,420:115882.
[27] LIU J L,LIU Q Q,LI J W,et al.Response of soil moisture and water use efficiency to straw mulching amount and mulching period in black soil zone of northeast China[J].Canadian Journal of Soil Science,2023,103(4):634-641.
[28] GRONLE A,LUX G,BÖHM H,et al.Effect of ploughing depth and mechanical soil loading on soil physical properties,weed infestation,yield performance and grain quality in sole and intercrops of pea and oat in organic farming[J].Soil &Tillage Research,2015,148:59-73.
[29] HE Y B,LIU D M,YAO Y M,et al.Spatializing growth suitability for spring soybean cultivation in Northeast China[J].Journal of Applied Meteorology and Climatology,2013,52(4):773-783.