中國(guó)省際灰水足跡測(cè)度及荷載系數(shù)的空間關(guān)聯(lián)分析

孫才志，韓　琴，鄭德鳳

遼寧師范大學(xué)城市與環(huán)境學(xué)院，大連　116029

中國(guó)省際灰水足跡測(cè)度及荷載系數(shù)的空間關(guān)聯(lián)分析

孫才志*，韓琴，鄭德鳳

遼寧師范大學(xué)城市與環(huán)境學(xué)院，大連116029

摘要:借鑒Hoekstra等提出的灰水足跡計(jì)算公式，從農(nóng)業(yè)、工業(yè)及生活三方面計(jì)算了1998—2012年中國(guó)31個(gè)省市(自治區(qū))的灰水足跡及其灰水足跡荷載系數(shù)。結(jié)果表明：①研究期間全國(guó)灰水足跡呈現(xiàn)波動(dòng)趨勢(shì)，1998年至2006年的灰水足跡呈現(xiàn)波動(dòng)上升趨勢(shì)；2007年開(kāi)始，全國(guó)灰水足跡呈現(xiàn)下降趨勢(shì)；農(nóng)業(yè)在總灰水足跡的貢獻(xiàn)率最高、工業(yè)最低；②31個(gè)省市(自治區(qū))15a灰水足跡荷載系數(shù)整體呈現(xiàn)小幅波動(dòng)趨勢(shì)。在全國(guó)內(nèi)部也存在著明顯的地區(qū)差異，大體分為5類(lèi)，分別為高荷載地區(qū)、較高荷載區(qū)、中度荷載區(qū)、較低荷載區(qū)、低荷載區(qū)。③借助全局與局部空間自相關(guān)對(duì)全國(guó)31個(gè)省市(自治區(qū))灰水足跡荷載系數(shù)進(jìn)行空間關(guān)聯(lián)格局分析可知，中國(guó)省級(jí)灰水足跡存在空間集聚現(xiàn)象且集聚現(xiàn)象逐漸減弱，其中H-H集聚區(qū)主要集中在華北地區(qū)，L-L集聚區(qū)主要集中在南方與青藏地區(qū)。通過(guò)全國(guó)灰水足跡測(cè)度與灰水足跡荷載系數(shù)空間關(guān)聯(lián)格局分析為灰水足跡分析提供新的研究思路同時(shí)為區(qū)域可持續(xù)發(fā)展提供理論支持。

關(guān)鍵詞：灰水足跡；灰水足跡荷載系數(shù)；空間自相關(guān)分析

水資源作為生產(chǎn)生活的重要資源，與人類(lèi)生存環(huán)境和社會(huì)發(fā)展密切相關(guān)。然而隨著我國(guó)社會(huì)經(jīng)濟(jì)的快速發(fā)展，水資源短缺和水污染嚴(yán)重已成為中國(guó)水資源面臨的主要問(wèn)題。中國(guó)水資源總量豐富，但人均占有量?jī)H為世界平均水平的四分之一。據(jù)《2013年中國(guó)環(huán)境公報(bào)》數(shù)據(jù)顯示，全國(guó)59.6%的地下水監(jiān)測(cè)點(diǎn)水質(zhì)屬較差或極差級(jí)別，地表水中河流Ⅳ類(lèi)及以上水質(zhì)達(dá)到28.3%，水環(huán)境壓力較大。傳統(tǒng)研究大多把水資源數(shù)量與水污染單獨(dú)研究，雖有Azeved[1]、王西琴[2]、夏星輝[3- 4]等學(xué)者將二者相結(jié)合進(jìn)行水資源綜合評(píng)價(jià)，但依舊無(wú)法定量分析二者之間的關(guān)系，在此背景下灰水足跡的概念應(yīng)運(yùn)而生。

Hoekstra和Chapagain提出“灰水足跡”的概念，經(jīng)水足跡網(wǎng)絡(luò)的灰水足跡小組進(jìn)一步完善，將灰水足跡定義為以水環(huán)境質(zhì)量標(biāo)準(zhǔn)為基準(zhǔn)，將污染負(fù)荷稀釋至高于特定環(huán)境水質(zhì)標(biāo)準(zhǔn)所需淡水的體積[5- 6]。灰水足跡將水污染從水量角度進(jìn)行評(píng)價(jià)，為水污染與水資源數(shù)量的綜合研究提供了新的方法。國(guó)內(nèi)外對(duì)水足跡的研究已經(jīng)取得較大的研究成果，但單獨(dú)針對(duì)灰水足跡的研究，至今尚未全面展開(kāi)。目前國(guó)外研究主要集中在特定產(chǎn)品灰水足跡核算評(píng)價(jià)和區(qū)域整體灰水足跡核算評(píng)價(jià)兩方面。其中，特定產(chǎn)品灰水足跡核算評(píng)價(jià)主要集中在：(1)農(nóng)作物生產(chǎn)灰水足跡核算評(píng)價(jià)[7- 11]，如：Chapagain等[7]從生產(chǎn)和消費(fèi)領(lǐng)域研究了水稻的綠水足跡、藍(lán)水足跡、灰水足跡。(2)畜牧產(chǎn)品灰水足跡核算評(píng)價(jià)[12- 13]，如Mekonnen等[12]從全球范圍評(píng)價(jià)了農(nóng)場(chǎng)動(dòng)物的水足跡(其中包括灰水足跡)。(3)工業(yè)產(chǎn)品灰水足跡核算評(píng)價(jià)，如Ercin[14]等探索了一種含糖碳酸飲料的水足跡(其中包括灰水足跡)。區(qū)域整體灰水足跡核算評(píng)價(jià)方面[15- 16]如Mekonnen等[15]從生產(chǎn)與消費(fèi)兩個(gè)方面計(jì)算了1995—2006年全球大部分國(guó)家的水足跡(其中包括灰水足跡)。同時(shí)，國(guó)內(nèi)的研究也取得了探索性進(jìn)展。國(guó)內(nèi)灰水足跡研究主要聚集在農(nóng)作物灰水足跡的核算與評(píng)價(jià)方面[17-21]，如蓋力強(qiáng)等[17]、秦麗杰等[21]基于化肥污染對(duì)區(qū)域小麥、玉米等糧食生產(chǎn)的水足跡(其中包括灰水足跡)進(jìn)行了計(jì)算和評(píng)價(jià)。另外，王來(lái)力等[22]從初始灰水足跡、工序灰水足跡等方面核算了紡織產(chǎn)品的灰水足跡。孫才志等[23]與曾昭等[24]分別對(duì)中國(guó)31個(gè)省市(自治區(qū))水足跡(其中包括污染水足跡)和北京市灰水足跡進(jìn)行了核算評(píng)價(jià)。我國(guó)灰水足跡研究尚屬初級(jí)階段，灰水足跡測(cè)算細(xì)節(jié)方面還有待進(jìn)一步完善、區(qū)域綜合角度鮮有涉及，同時(shí)未能從全國(guó)角度對(duì)灰水足跡的空間關(guān)聯(lián)規(guī)律進(jìn)行有效分析研究。

空間自相關(guān)分析是一系列空間數(shù)據(jù)分析方法和技術(shù)的集合，用來(lái)定量分析事物在空間上的依賴(lài)關(guān)系并將其可視化表達(dá)，目前主要集中應(yīng)用在區(qū)域經(jīng)濟(jì)、土地利用、生態(tài)保護(hù)等方面，近年來(lái)在水資源領(lǐng)域也得到一定運(yùn)用。鑒于此，本文運(yùn)用灰水足跡相關(guān)理念，結(jié)合前人研究的基礎(chǔ)上，選取1998—2012年中國(guó)大陸31個(gè)省市(自治區(qū))為研究對(duì)象，在測(cè)度其灰水足跡的基礎(chǔ)上，構(gòu)建灰水足跡荷載系數(shù)并基于時(shí)間、空間兩個(gè)維度運(yùn)用空間自相關(guān)模型對(duì)中國(guó)省際灰水足跡荷載系數(shù)的動(dòng)態(tài)演變趨勢(shì)及其空間關(guān)聯(lián)格局進(jìn)行分析，旨在為解決區(qū)域水資源問(wèn)題提供合理依據(jù)。

1方法和數(shù)據(jù)來(lái)源

1.1空間自相關(guān)分析方法

空間自相關(guān)分析是ESDA(Exploratory spatial data analysis)模型的中心內(nèi)容之一，指研究范圍中同一觀測(cè)值在不同空間位置上的相關(guān)性，是研究特定空間范圍聚集程度的一種度量[25]。其主要包括空間權(quán)重矩陣、空間自相關(guān)系數(shù)等內(nèi)容?？臻g自相關(guān)系數(shù)包含全局空間自相關(guān)系數(shù)和局部空間自相關(guān)系數(shù)。

1.1.1全局Moran′s指數(shù)

在研究全局空間自相關(guān)的系數(shù)中，文章選取全局Moran′s指數(shù)做進(jìn)一步研究。全局Moran′s指數(shù)可以辨別研究范圍內(nèi)觀測(cè)值的聚集或分散特征。定義如下：

(1)

1.1.2局部Moran′s指數(shù)

全局Moran′s指數(shù)只能判斷觀測(cè)值在整個(gè)研究范圍的關(guān)聯(lián)與差異程度，但不能判斷研究范圍內(nèi)部的具體空間集聚特征及其顯著性。局部Moran′s指數(shù)的提出解決了這一問(wèn)題。其定義如下：

(2)

1.2灰水足跡核算方法

根據(jù)灰水足跡的概念，借鑒Arjen Y.Hoekstra等[5- 6]編著的《水足跡評(píng)價(jià)手冊(cè)》中的灰水足跡計(jì)算公式并結(jié)合前人研究的成果，將灰水足跡按人類(lèi)生產(chǎn)生活的不同方面計(jì)算：

1.2.1農(nóng)業(yè)灰水足跡

農(nóng)藥、化肥的大量施用及畜禽糞便的隨意排放都會(huì)造成不同程度的水污染。據(jù)《第一次全國(guó)污染源普查》資料，農(nóng)業(yè)已成為水污染物排放的主要源頭。根據(jù)農(nóng)業(yè)生產(chǎn)的主要方面，將農(nóng)業(yè)灰水足跡分為種植業(yè)灰水足跡和畜禽養(yǎng)殖業(yè)灰水足跡兩大類(lèi)。

(1)種植業(yè)灰水足跡

農(nóng)作物在生長(zhǎng)過(guò)程中施加化肥、噴灑農(nóng)藥等除被植物利用外，部分在降水、灌溉等作用下，經(jīng)過(guò)地表徑流和地下淋溶進(jìn)入水體，對(duì)水體造成污染。區(qū)別于工業(yè)與生活部門(mén)的水污染，種植業(yè)主要是面源污染，它以擴(kuò)散方式進(jìn)入水體。綜合考慮種植業(yè)中的主要水污染物，選取氮肥作為水污染物進(jìn)行灰水足跡計(jì)算。參照《水足跡評(píng)價(jià)手冊(cè)》的常用模型，假設(shè)施用氮肥中固定比例(氮肥淋失率)的氮進(jìn)入水體做簡(jiǎn)單的估算。其公式如下：

(3)

式中,WFpla-grey為種植業(yè)灰水足跡(m3/a)，為氮肥淋失率，α為氮肥淋失率，變量Appl表示氮肥施用量(kg/a)，Cmax為污染物水質(zhì)標(biāo)準(zhǔn)濃度(kg/m3)，Cnat為收納水體的自然本底濃度(kg/m3)。

(2)養(yǎng)殖業(yè)灰水足跡

作為農(nóng)業(yè)生產(chǎn)的重要組成部分，隨著人口的增長(zhǎng)、飲食結(jié)構(gòu)的改變等原因，中國(guó)養(yǎng)殖業(yè)迅速發(fā)展，但畜舍沖洗、糞便排放等造成了嚴(yán)重水污染，據(jù)《第一次全國(guó)污染源普查》，畜禽養(yǎng)殖業(yè)已成為農(nóng)業(yè)水污染的主要來(lái)源。選取具有代表性的畜禽(包括豬、牛、羊、家禽)養(yǎng)殖排污作為考量對(duì)象，通過(guò)養(yǎng)殖數(shù)量、飼養(yǎng)周期、排泄系數(shù)、單位糞便水污染物含量和進(jìn)入水體流失率計(jì)算出畜禽養(yǎng)殖業(yè)污染負(fù)荷。為避免重復(fù)計(jì)算，飼養(yǎng)周期小于1年的豬與家禽數(shù)量取年末出欄量；飼養(yǎng)周期大于等于1年的牛、羊的數(shù)量取年末存欄量[27]。一般而言污水中包含多種形式的污染物，灰水足跡由其中最關(guān)鍵的污染物決定即造成灰水足跡最大的決定[5- 6]。結(jié)合單位糞便水污染物含量，選取COD、總氮作為指標(biāo)評(píng)價(jià)畜禽養(yǎng)殖業(yè)的灰水足跡。由于水體可以同時(shí)對(duì)COD和氮元素進(jìn)行稀釋?zhuān)虼耍x擇以?xún)烧邽椴煌饬恐笜?biāo)的灰水足跡中的最大值作為畜禽養(yǎng)殖業(yè)灰水足跡。計(jì)算公式表達(dá)如下：

WFbre-grey=max(WFbre-grey(COD),WFbre-grey(TN))

(4)

其中：

(5)

Lbre(i)=畜禽數(shù)量×飼養(yǎng)周期×(日排糞量×糞污染物含量×流失率+日排尿量×尿污染物含量×流失率)

(6)

式中,WFbre-grey為養(yǎng)殖業(yè)灰水足跡，WFbre-grey(i)表示以第i類(lèi)污染物為標(biāo)準(zhǔn)的養(yǎng)殖灰水足跡，Lbre(i)為養(yǎng)殖業(yè)i類(lèi)污染物排放負(fù)荷(kg/a)。

(3)農(nóng)業(yè)總灰水足跡計(jì)算

通過(guò)以上對(duì)種植業(yè)灰水足跡和養(yǎng)殖業(yè)灰水足跡的計(jì)算，結(jié)合計(jì)算的特殊性，農(nóng)業(yè)總灰水足跡的計(jì)算公式如下：

WFagr-grey=max[WFbre-grey(COD),(WFpla-grey(TN)+WFbre-grey(TN))]

(7)

式中,WFagr-grey為農(nóng)業(yè)總灰水足跡。

1.2.2工業(yè)灰水足跡

工業(yè)作為國(guó)民經(jīng)濟(jì)的重要組成部分，它的發(fā)展程度已成為衡量一個(gè)國(guó)家綜合實(shí)力的主要標(biāo)志，但是大力發(fā)展工業(yè)的同時(shí)也引起了大量的污染。較農(nóng)業(yè)部門(mén)灰水足跡，工業(yè)源廢水是直接排放進(jìn)入水體，屬點(diǎn)源污染，故可直接測(cè)算廢水中主要污染物排放量，而COD和氨氮是排放污水中的主要污染物，所以，工業(yè)部門(mén)采用COD和氨氮作為衡量指標(biāo)。其計(jì)算公式如下：

(8)

其中：

(9)

式中,WFind-grey表示工業(yè)灰水足跡，WFind-grey(i)表示以第i類(lèi)污染物為標(biāo)準(zhǔn)的工業(yè)灰水足跡，Lind(i)表示工業(yè)i類(lèi)污染物排放負(fù)荷(kg/a)，Wed表示工業(yè)廢水排放量。

1.2.3生活灰水足跡

由于生活污水與工業(yè)污水同屬于點(diǎn)源污染且排放污水中均是COD和氨氮為主要污染物，所以生活灰水足跡(WFdom-grey)的計(jì)算同工業(yè)灰水足跡。

1.2.4區(qū)域總灰水足跡

區(qū)域總灰水足跡由農(nóng)業(yè)灰水足跡、工業(yè)灰水足跡、生活灰水足跡三部分組成。總結(jié)可得區(qū)域總灰水足跡計(jì)算公式如下：

WFgrey=WFagr-grey+WFind-grey+WFdom-grey

(10)

式中,WFgrey表示區(qū)域總灰水足跡。

1.2.5灰水足跡荷載系數(shù)

灰水足跡并不能完全反應(yīng)出一個(gè)地區(qū)的水環(huán)境壓力，如部分地區(qū)雖灰水足跡相對(duì)較小，但地區(qū)水資源缺乏從而導(dǎo)致其水環(huán)境壓力較大，基于此本文構(gòu)建了灰水足跡荷載系數(shù)?；宜阚E荷載系數(shù)是稀釋水污染到一定環(huán)境水質(zhì)標(biāo)準(zhǔn)所用水量與水資源量的比值，建立起灰水足跡與水資源總量之間的關(guān)系，用于表示水污染壓力的系數(shù)，系數(shù)越大，水污染壓力越大。

(11)

式中,K為灰水足跡荷載系數(shù)，Twr為區(qū)域水資源總量(m3)。

1.3數(shù)據(jù)來(lái)源

本文農(nóng)業(yè)部門(mén)的氮肥施用量和畜禽養(yǎng)殖數(shù)量數(shù)據(jù)來(lái)源于《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》、《中國(guó)畜牧業(yè)年鑒》和《新中國(guó)五十年農(nóng)業(yè)統(tǒng)計(jì)資料》；氮肥淋失率選取全國(guó)平均氮肥淋失率7%[28]；畜禽飼養(yǎng)周期、排放系數(shù)、單位糞便COD和總氮排放量、進(jìn)入水體流失率數(shù)據(jù)取自于《全國(guó)規(guī)?；笄蒺B(yǎng)殖業(yè)污染情況調(diào)查技術(shù)報(bào)告》；工業(yè)廢水和生活污水的廢水排放量及其COD和氨氮量數(shù)據(jù)來(lái)源于《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》；水資源總量數(shù)據(jù)選取《中國(guó)水資源公報(bào)》及各省市(自治區(qū))統(tǒng)計(jì)年鑒。

文中污染物濃度達(dá)標(biāo)排放標(biāo)準(zhǔn)采用《污水綜合排放標(biāo)準(zhǔn)》(GB8978—1996)中一級(jí)排放標(biāo)準(zhǔn)，COD和氨氮的排放達(dá)標(biāo)濃度分別為60、15 mg/L(綜合文中總氮也采用氨氮標(biāo)準(zhǔn)考慮)。受納水體的自然本底濃度指自然條件、無(wú)人為影響下水體中某污染物的濃度設(shè)為0[5- 6]。

2結(jié)果分析

2.1灰水足跡計(jì)算結(jié)果

通過(guò)以上各個(gè)部門(mén)的灰水足跡計(jì)算，得到1998—2012年中國(guó)31個(gè)省市(自治區(qū))的灰水足跡見(jiàn)表1(限于頁(yè)面寬度僅列偶數(shù)年份)。如圖1所示，1998—2006年全國(guó)灰水足跡呈現(xiàn)波動(dòng)趨勢(shì)，由1998年的5078.58×108m3上升至2006年的5238.53×108m3，并達(dá)到研究期間內(nèi)全國(guó)灰水足跡最大值；2007年開(kāi)始，全國(guó)灰水足跡呈現(xiàn)下降趨勢(shì)，下降至2012年的4400.85×108m3同時(shí)達(dá)到研究期間內(nèi)全國(guó)灰水足跡最小值，說(shuō)明隨著經(jīng)濟(jì)發(fā)展、技術(shù)水平的進(jìn)步、環(huán)保意識(shí)的增強(qiáng)等原因，我國(guó)灰水足跡開(kāi)始有所減小。

由圖1可知，全國(guó)灰水足跡中農(nóng)業(yè)灰水足跡所占比例最大、生活次之、工業(yè)最小。同時(shí)隨著時(shí)間的變化，農(nóng)業(yè)灰水足跡雖在2007年降低，但2007年之后灰水足跡又出現(xiàn)上升趨勢(shì)；生活灰水足跡相對(duì)較穩(wěn)定，雖然隨著人口的增長(zhǎng)、人民生活水平的提高在研究期間開(kāi)始有所上升，但隨著環(huán)保意識(shí)的提高、技術(shù)水平的進(jìn)步，生活灰水足跡開(kāi)始下降；工業(yè)灰水足跡在研究期間呈現(xiàn)明顯的下降趨勢(shì)，這得益于國(guó)家可持續(xù)發(fā)展觀念的提升、工業(yè)結(jié)構(gòu)的調(diào)整等原因。由以上分析可知，我國(guó)工業(yè)、生活部門(mén)的點(diǎn)源污染得到有效控制、農(nóng)業(yè)部門(mén)的面源污染呈現(xiàn)擴(kuò)大趨勢(shì)。

圖1　中國(guó)1998—2012年灰水足跡結(jié)構(gòu)與變化圖Fig.1　The composition and change of grey water footprint from 1998 to 2012

地區(qū)Region1998年2000年2002年2004年2006年2008年2010年2012年平均Average北京33.9733.5429.8425.5119.3215.7311.659.4722.27天津42.3936.3525.1133.2333.8828.0127.9129.1330.92河北308.67287.99277.86295.21312.15236.51217.34216.21267.67山西122.7195.7493.55104.07107.0985.6780.4876.7495.88內(nèi)蒙古118.75113.01110.01144.59171.05169.94170.19166.16144.98遼寧174.81172.74159.12157.81186.37174.24175.03169.66172.28吉林152.27164.71146.40168.43173.93148.87146.89143.40155.70黑龍江170.39163.38165.54173.25176.12171.62174.66173.77171.03上海52.3047.9848.4035.7135.3129.7318.2811.0435.83江蘇226.67202.66217.37224.44232.76211.58199.87186.80213.72浙江146.30129.36118.76113.58113.43101.7388.2182.71110.58安徽219.08202.32202.42154.07175.90154.11152.80153.29180.39福建96.5293.8684.6787.0196.3887.3787.3791.5691.28江西144.47137.59135.76134.22150.08133.28135.61134.06139.75山東459.44398.04377.97277.56341.90274.41253.85249.80337.06河南401.76402.49401.35359.31437.92360.07353.11337.97387.47湖北241.00227.24220.86211.66224.31211.42216.01213.50220.13湖南232.44242.12257.66265.58301.93265.75258.64253.24262.78廣東236.49242.78240.45207.06238.94208.77190.24186.87223.65廣西254.90294.60259.68249.86300.61246.94245.17238.66261.69海南34.2536.0932.8534.1539.8334.6334.4635.1635.24重慶85.6287.2484.3679.1688.6378.5982.9683.9285.00四川334.55364.53364.49332.81366.80331.08334.59325.26345.97貴州136.71134.85136.96124.48157.22124.57125.09117.12134.26云南194.96187.05181.01186.18195.58184.99191.78195.66189.53西藏66.9168.5869.6077.1578.7177.8976.3975.0673.02陜西117.10118.49118.67112.64133.82111.89109.97109.87118.35甘肅77.4378.4484.1597.47100.8197.1498.1796.8190.99青海55.2753.7356.1065.6160.1765.5267.4063.7959.81寧夏32.6442.9132.2538.3242.1638.4936.7535.7636.72新疆107.80101.54107.21122.24145.40120.92124.32138.40120.36全國(guó)Nationaltotal5078.584961.954840.434596.795238.534581.454485.184400.854814.30

全國(guó)灰水足跡在地區(qū)上呈現(xiàn)出人口大省、農(nóng)業(yè)大省灰水足跡較大的特征，河南、山東、四川、河北等地區(qū)灰水足跡明顯高出全國(guó)平均水平，其中河南省灰水足跡為全國(guó)灰水足跡量最大的地區(qū)，平均達(dá)到387.47×108m3；北京、天津、上海、海南等地區(qū)灰水足跡較小，其中北京為全國(guó)灰水足跡最小的地區(qū)，平均僅為22.27×108m3。

2.2灰水足跡荷載系數(shù)計(jì)算結(jié)果

由公式計(jì)算得到1998—2012年全國(guó)31個(gè)省市(自治區(qū))灰水足跡荷載系數(shù)見(jiàn)表2(限于頁(yè)面寬度僅列偶數(shù)年份)。31個(gè)省市(自治區(qū))15a灰水足跡荷載系數(shù)變化不大，整體呈現(xiàn)小幅波動(dòng)趨勢(shì)。在全國(guó)內(nèi)部也存在著明顯的地區(qū)差異，將31個(gè)省市(自治區(qū))15年平均灰水足跡荷載系數(shù)分為五類(lèi)(圖2)，第一類(lèi)為高荷載區(qū)包括天津、寧夏兩地，灰水足跡荷載系數(shù)遠(yuǎn)高于全國(guó)平均水平，水污染壓力巨大，兩地區(qū)雖然灰水足跡較低，但寧夏研究期間平均水資源量位列全國(guó)末位、天津其次，導(dǎo)致其水污染壓力巨大；第二類(lèi)為較高荷載區(qū)包括北京、河北、河南、山東、山西、上海6省市，除上海外均位于華北平原、黃土高原缺水地區(qū)，灰水足跡荷載系數(shù)均大于1，水污染情況不容忽視；第三類(lèi)為中度荷載區(qū)包括遼寧、江蘇、甘肅、吉林、內(nèi)蒙古、陜西、安徽、黑龍江、湖北9省市(自治區(qū))；較低荷載區(qū)包括重慶、湖南、廣西、四川、貴州、新疆、廣東、浙江、海南9個(gè)省市(自治區(qū))，主要集中于長(zhǎng)江以南水資源豐富地區(qū)；第五類(lèi)為低荷載區(qū)包括福建、江西、云南、青海、西藏5地區(qū)，主要分布于青藏高原與南方水資源豐富地區(qū)，水污染壓力較小。

灰水足跡荷載系數(shù)受灰水足跡與水資源總量共同決定，通過(guò)分析可知灰水足跡荷載系數(shù)高值主要集中在華北與西北部分地區(qū)，低值主要集中于青藏高原與江南地區(qū)?；宜阚E荷載系數(shù)表現(xiàn)出一定的空間集聚性，即相鄰省份的灰水足跡荷載系數(shù)有存在空間相關(guān)的可能性，故本文運(yùn)用空間自相關(guān)分析方法進(jìn)一步探討中國(guó)省際灰水足跡荷載系數(shù)的空間關(guān)聯(lián)格局。

表2　全國(guó)31個(gè)省市(自治區(qū))灰水足跡荷載系數(shù)

圖2　全國(guó)灰水足跡荷載系數(shù)分類(lèi)圖Fig.2　The classification map of grey water footprint load coefficient in China

3省際灰水足跡荷載系數(shù)空間關(guān)聯(lián)格局分析

3.1省際灰水足跡荷載系數(shù)全局空間自相關(guān)分析

文章將中國(guó)31個(gè)省市(自治區(qū))研究期間的灰水足跡荷載系數(shù)運(yùn)用全局空間自相關(guān)模型分析得到其全局Moran′s指數(shù)I值(表3)。經(jīng)檢驗(yàn)，2007年之后全局Moran′s指數(shù)I值未通過(guò)顯著性檢驗(yàn)即不具有統(tǒng)計(jì)學(xué)意義上的全局自相關(guān)關(guān)系，2007之前(除2000年)全局Moran′s指數(shù)I值的正態(tài)統(tǒng)計(jì)量Z值均大于在0.05置信水平的下的臨界值(1.96)，即通過(guò)顯著性檢驗(yàn)。說(shuō)明中國(guó)省際灰水足跡荷載系數(shù)高值和低值分別呈現(xiàn)一定程度的空間集聚。動(dòng)態(tài)分析可知，15a全局Moran′s指數(shù)雖然出現(xiàn)波動(dòng)，但整體呈下降趨勢(shì)，直至2008年呈現(xiàn)不顯著相關(guān)。表明中國(guó)省際灰水足跡荷載系數(shù)全局空間相關(guān)性減弱，省際灰水足跡荷載系數(shù)的逐漸從空間集聚向分散轉(zhuǎn)變。

通過(guò)以上分析可知：①區(qū)域水資源總量直接影響其灰水足跡荷載系數(shù)，相鄰省份水資源量受相同地形、氣候等因素共同作用下，呈現(xiàn)一定的相似特征從而使灰水足跡荷載系數(shù)出現(xiàn)空間集聚性：②同時(shí)灰水足跡也是區(qū)域灰水足跡荷載系數(shù)的決定因素，受經(jīng)濟(jì)發(fā)展水平、人口、產(chǎn)業(yè)結(jié)構(gòu)等社會(huì)經(jīng)濟(jì)因素影響，臨近省份社會(huì)經(jīng)濟(jì)特征也呈現(xiàn)一定的相似性，故導(dǎo)致灰水足跡荷載系數(shù)在空間上集聚；③隨著區(qū)域發(fā)展水平的差異，區(qū)域間差異逐漸變大，影響下灰水足跡荷載系數(shù)的空間集聚現(xiàn)象開(kāi)始減弱。

表3　中國(guó)31個(gè)省市(自治區(qū))灰水足跡荷載系數(shù)全局自相關(guān)Moran′s指數(shù)

3.2省際灰水足跡荷載系數(shù)的局部空間自相關(guān)分析

在全局自相關(guān)分析的基礎(chǔ)上，利用Matlab軟件計(jì)算出中國(guó)31個(gè)省市(自治區(qū))灰水足跡荷載系數(shù)局部Moran′s指數(shù)Ii值，并做出1998年與2012年的中國(guó)灰水足跡荷載系數(shù)的LISA集聚地圖(圖3)。如圖3所示：高高集聚(H-H)與低低集聚(L-L)地區(qū)較多、高低集聚(H-L)與低高集聚(L-H)地區(qū)相對(duì)較少，中國(guó)灰水足跡荷載系數(shù)在空間上集聚現(xiàn)象明顯，省際水污染壓力存在明顯的空間關(guān)聯(lián)性；但2012年H-H集聚與H-L集聚地區(qū)較1998年減少，說(shuō)明中國(guó)灰水足跡荷載系數(shù)空間聚集現(xiàn)象開(kāi)始減弱；省際水污染壓力聯(lián)系減弱。

圖3　全國(guó)31個(gè)省市(自治區(qū))灰水足跡荷載系數(shù)的LISA集聚分布Fig.3　LISA cluster map of the grey water footprint load coefficient in China

(1)H-H集聚地區(qū)

穩(wěn)定存在H-H集聚的地區(qū)分別為：天津、河北、山西、山東、河南，主要集中在華北地區(qū)。天津雖然在產(chǎn)業(yè)結(jié)構(gòu)、土地面積、國(guó)家政策等影響下灰水足跡小，但地處華北地區(qū)水資源短缺，從而導(dǎo)致其灰水足跡荷載系數(shù)大，水污染壓力巨大。河北、山東、河南三省作為我國(guó)的人口與農(nóng)業(yè)大省，糧食生產(chǎn)過(guò)程中農(nóng)藥化肥的過(guò)量施用、能源原材料產(chǎn)業(yè)比重大、污水處理不足等因素影響下致使其灰水足跡遠(yuǎn)遠(yuǎn)高于全國(guó)平均水平，研究期間平均灰水足跡分列全國(guó)第三、四、一位，導(dǎo)致現(xiàn)有水資源無(wú)法有效稀釋水污染。山西位于我國(guó)缺水地區(qū)，研究期間平均水資源總量屬全國(guó)倒數(shù)第五，同等污染排放下水污染壓力大。

(2)H-L集聚地區(qū)

寧夏穩(wěn)定位于H-L集聚地區(qū)，屬高度荷載地區(qū)。寧夏位于西北缺水地區(qū)，是全國(guó)水資源總量最少的省份，研究期間平均水資源量?jī)H為9.9×108m3，水污染稀釋可用水量少，灰水足跡荷載系數(shù)大。

(3)L-L集聚地區(qū)

吉林、黑龍江、浙江、福建、江西、湖北、湖南、廣東、廣西、海南、重慶、四川、貴州、云南、青海、西藏、新疆17省市(自治區(qū))穩(wěn)定位于在L-L集聚，大部分位于南方、青藏高原等地區(qū)。南方與青藏高原區(qū)是中國(guó)水資源豐富地區(qū)，新疆雖位于我國(guó)西北地區(qū)，但區(qū)域內(nèi)水資源分布極端不均衡，北疆地區(qū)受地形等自然條件影響，水資源豐富。此類(lèi)型由于可用于水污染稀釋的水量大，故其相對(duì)缺水省市(自治區(qū))灰水足跡荷載壓力較小。同時(shí)新疆、青海、西藏地區(qū)由于自然條件等限制下經(jīng)濟(jì)發(fā)展相對(duì)落后、人口密度小，導(dǎo)致灰水足跡也較小。

(4)L-H集聚地區(qū)

L-H集聚區(qū)較為不穩(wěn)定，內(nèi)蒙古、陜西、遼寧、甘肅穩(wěn)定位于該區(qū)。內(nèi)蒙古畜牧業(yè)發(fā)達(dá)、養(yǎng)殖業(yè)灰水足跡量大，影響下其1998—2012年平均灰水足跡位列全國(guó)15位，灰水系數(shù)荷載系數(shù)位列全國(guó)13位。但內(nèi)蒙古臨近河北、山西、寧夏等灰水足跡系數(shù)更大的地區(qū)，相比較而言為低值區(qū)。陜西、甘肅位于西部地區(qū)，工農(nóng)業(yè)發(fā)展相對(duì)落后，水污染相對(duì)較小，灰水足跡荷載系數(shù)較小，同時(shí)臨近寧夏等H-H集聚區(qū)，故存在L-H集聚。遼寧省屬中度荷載地區(qū)，臨近河北省等較高荷載區(qū)，故存在L-H集聚。

北京市由H-H集聚區(qū)落入L-H集聚區(qū)，北京市位于華北缺水地區(qū)，且人口密度大、工業(yè)發(fā)達(dá)等原因影響下水環(huán)境壓力較大，但在發(fā)達(dá)的經(jīng)濟(jì)水平、先進(jìn)的技術(shù)水平、政策驅(qū)動(dòng)等因素下研究期間灰水足跡呈現(xiàn)明顯下降趨勢(shì)，相較臨近的天津、河北等地灰水足跡荷載系數(shù)變低；安徽省由L-L集聚地區(qū)變?yōu)長(zhǎng)-H集聚區(qū)，由于其位于中國(guó)灰水足跡荷載系數(shù)H-H集聚區(qū)與L-L集聚區(qū)過(guò)渡地區(qū)，易受二者影響；江蘇省由L-H集聚區(qū)變?yōu)镠-L集聚區(qū)，與安徽相同其也位于中國(guó)灰水足跡荷載系數(shù)H-H集聚區(qū)與L-L集聚區(qū)過(guò)渡地區(qū)，易受二者影響，同時(shí)江蘇省灰水足跡荷載系數(shù)由1998年的0.45增加到2012年的0.50，導(dǎo)致其由L-H集聚區(qū)變?yōu)镠-L集聚區(qū)；上海由H-L集聚區(qū)落入L-L集聚區(qū)，與北京類(lèi)似，上海作為我國(guó)的經(jīng)濟(jì)中心，在經(jīng)濟(jì)高速增長(zhǎng)的同時(shí)，工業(yè)廢水和生活污水的排放量大，水污染壓力大。同時(shí)鄰近南方水資源豐富地區(qū)，故位于H-L集聚區(qū)，但在發(fā)達(dá)的經(jīng)濟(jì)水平、先進(jìn)的技術(shù)水平、政策驅(qū)動(dòng)等因素下研究期間灰水足跡呈現(xiàn)明顯下降趨勢(shì)，使其落入L-L集聚區(qū)。

4結(jié)論

通過(guò)本文研究，可以得出如下主要結(jié)論：

(1)1998—2012年全國(guó)灰水足跡呈現(xiàn)波動(dòng)趨勢(shì)，1998年至2006年的灰水足跡呈現(xiàn)上升趨勢(shì)；2007年開(kāi)始，全國(guó)灰水足跡呈現(xiàn)下降趨勢(shì)；農(nóng)業(yè)在總灰水足跡的貢獻(xiàn)率最高、工業(yè)最低；河南是灰水足跡最大的省份，北京是灰水足跡最小的地區(qū)。

(2)31個(gè)省市(自治區(qū))15年灰水足跡荷載系數(shù)整體呈現(xiàn)小幅波動(dòng)趨勢(shì)。在全國(guó)內(nèi)部也存在著明顯的地區(qū)差異，大體分為五類(lèi)，第一類(lèi)為高荷載區(qū)包括天津、寧夏兩地；第二類(lèi)為較高荷載區(qū)包括北京、河北、河南、山東、山西、上海6省市；第三類(lèi)為中度荷載區(qū)包括遼寧、江蘇、甘肅、吉林、內(nèi)蒙古、陜西、安徽、黑龍江、湖北9省市(自治區(qū))；較低荷載區(qū)包括重慶、湖南、廣西、四川、貴州、新疆、廣東、浙江、海南9個(gè)省市(自治區(qū))；第五類(lèi)為低荷載區(qū)包括福建、江西、云南、青海、西藏5地區(qū)。

(3)借助全局與局部空間自相關(guān)對(duì)全國(guó)31個(gè)省市(自治區(qū))15年的灰水足跡荷載系數(shù)進(jìn)行時(shí)空演變與空間分布特征的分析可知，中國(guó)省級(jí)灰水足跡存在空間集聚現(xiàn)象且集聚現(xiàn)象逐漸減弱，依據(jù)計(jì)算結(jié)果得到H-H集聚區(qū)主要包括天津、河北等省市(自治區(qū))，H-L集聚區(qū)包括寧夏，L-L集聚區(qū)主要集中在我國(guó)南方與青藏高原區(qū)，L-H集聚區(qū)較為不穩(wěn)定，主要包括內(nèi)蒙古、陜西等省市(自治區(qū))繪制LISA集聚地圖并進(jìn)行分析。

本文通過(guò)灰水足跡及灰水足跡荷載系數(shù)的計(jì)算與空間關(guān)聯(lián)格局分析，為水資源利用和水污染防治提供了一定的理論基礎(chǔ)，可以通過(guò)對(duì)不同地區(qū)、不同污染物灰水足跡的計(jì)算，分析水污染原因并結(jié)合水資源量制定合適有效的污染物控制指標(biāo)，以進(jìn)行有效水污染防治，實(shí)現(xiàn)水資源的合理利用才能實(shí)現(xiàn)區(qū)域的可持續(xù)發(fā)展。

但本研究還存在一定不足，對(duì)灰水足跡的研究只取簡(jiǎn)單和代表性的污染物，許多方面估算可能偏小。種植業(yè)灰水足跡不只受氮肥及農(nóng)藥施用等的影響，且氮肥淋失率只是簡(jiǎn)要整理而得未充分考慮土地利用類(lèi)型、氣候地貌基礎(chǔ)等對(duì)氮肥淋失的影響；養(yǎng)殖業(yè)灰水足跡計(jì)算中為了便于計(jì)算只簡(jiǎn)單考慮了主要畜禽糞便的水污染；整個(gè)面源污染考慮不足，如：農(nóng)業(yè)地膜、水土流失、城市生活垃圾、工業(yè)廢棄物都可能會(huì)隨降水進(jìn)入水體造成污染[29]。

參考文獻(xiàn)(References):

[1]Azevedo L, Gates T, Fontane D, Labadie J, Porto R. Integration of water quantity and quality in strategic river basin planning. Journal of Water Resources Planning and Management, 2000, 126(2): 85- 97.

[2]王西琴, 劉昌明, 張遠(yuǎn). 基于二元水循環(huán)的河流生態(tài)需水水量與水質(zhì)綜合評(píng)價(jià)方法——以遼河流域?yàn)槔? 地理學(xué)報(bào), 2006, 61(11): 1132- 1140.

[3]夏星輝, 張曦, 楊志峰, 沈珍瑤, 李東. 從水質(zhì)水量相結(jié)合的角度評(píng)價(jià)黃河的水資源. 自然資源學(xué)報(bào), 2004, 19(3): 293- 299.

[4]夏星輝, 楊志峰, 沈珍瑤. 從水質(zhì)水量相結(jié)合的角度再論黃河的水資源. 環(huán)境科學(xué)學(xué)報(bào), 2005, 25(5): 595- 600.

[5]Hoekstra A Y, Chapagain A K, Aldaya M M, Mekonnen M M. The Water Footprint Assessment Manual: Setting the Global Standard. London: Routledge, 2011.

[6]Hoekstra A Y, Chapagain A K, Aldaya M M, Mekonnen M M. 水足跡評(píng)價(jià)手冊(cè). 北京: 科學(xué)出版社, 2012.

[7]Chapagain A K, Hoekstra A K. The Green, Blue and Grey Water Footprint of Rice from Both A Production and Consumption Perspective. Delft, Netherlands: UNESCO-IHE, 2010.

[8]Mekonnen M M, Hoekstra A Y. A global and high-resolution assessment of the green, blue and grey water footprint of wheat. Hydrology and Earth System Sciences, 2010, 14(7): 1259- 1276.

[9]Kampman D A, Hoekstra A Y, Krol M S. The Water Footprint of India. Value of Water Research Report Series, Delft, The Netherlands: UNESCO-IHE, 2008, (32): 1- 152.

[10]Mekonnen M M, Hoekstra A Y. The green, blue and grey water footprint of crops and derived crop products. Hydrology and Earth System Sciences, 2011, 15(5): 1577- 1600.

[11]Chapagain A K, Hoekstra A Y. The blue, green and grey water footprint of rice from production and consumption perspectives. Ecological Economics, 2011, 70(4): 749- 758.

[12]Mekonnen M M, Hoekstra A Y. A global assessment of the water footprint of farm animal products. Ecosystems, 2012, 15(3): 401- 415.

[13]Mekonnen M M, Hoekstra A Y. The Green, Blue and Grey Water Footprint of Farm Animals and Animal Products. Value of Water Research Report Series NO. 48, Delft, Netherlands: UNESCO-IHE, 2010.

[14]Ercin A E, Aldaya M M, Hoekstra A Y. Corporate water footprint accounting and impact assessment: The case of the water footprint of a sugar-containing carbonated beverage. Water Resources Management, 2011, 25(2): 721- 741.

[15]Mekonnen M M, Hoekstra A Y. National Water Footprint Accounts: The Green, Blue and Grey Water Footprint of Production and Consumption. Value of Water Research Report Series No. 50, Delft, the Netherlands: UNESCO-IHE, 2011: 17- 22.

[16]Hoekstra A Y, Mekonnen M M. The water footprint of humanity. Proceedings of the National Academy of Sciences of the United States of America, 2011, 109(9): 3232- 3237.

[17]蓋力強(qiáng), 謝高地, 李士美, 張彩霞, 陳龍. 華北平原小麥, 玉米作物生產(chǎn)水足跡的研究. 資源科學(xué), 2010, 32(11): 2066- 2071.

[18]何浩, 黃晶, 淮賀舉, 童文杰. 湖南省水稻水足跡計(jì)算及其變化特征分析. 中國(guó)農(nóng)學(xué)通報(bào), 2010, 26(14): 294- 298.

[19]張郁, 張崢, 蘇明濤. 基于化肥污染的黑龍江墾區(qū)糧食生產(chǎn)灰水足跡研究. 干旱區(qū)資源與環(huán)境, 2013, 27(7): 28- 32.

[20]鄧曉軍, 謝世友, 崔天順, 李藝, 李暉. 南疆棉花消費(fèi)水足跡及其對(duì)生態(tài)環(huán)境影響研究. 水土保持研究, 2009, 16(2): 176- 180, 185- 185.

[21]秦麗杰, 靳英華, 段佩利. 吉林省西部玉米生產(chǎn)水足跡研究. 地理科學(xué), 2012, 32(8): 1020- 1025.

[22]王來(lái)力, 丁雪梅, 吳雄英. 紡織產(chǎn)品的碳水足跡核算. 印染, 2013, 39(9): 41- 43.

[23]孫才志, 劉玉玉, 陳麗新, 張蕾. 基于基尼系數(shù)和錫爾指數(shù)的中國(guó)水足跡強(qiáng)度時(shí)空差異變化格局. 生態(tài)學(xué)報(bào), 2010, 30(5): 1312- 1321.

[24]曾昭, 劉俊國(guó). 北京市灰水足跡評(píng)價(jià). 自然資源學(xué)報(bào), 2013, 28(7): 1169- 1178.

[25]謝花林, 李秀彬, 張燕婷, 彭小琳. 基于ESDA的京津冀地區(qū)草地變化空間分異. 自然資源學(xué)報(bào), 2012, 27(7): 1224- 1232.

[26]孫才志, 閆曉露, 鐘敬秋. 下遼河平原景觀格局脆弱性及空間關(guān)聯(lián)格局. 生態(tài)學(xué)報(bào), 2014, 34(2): 247- 257.

[27]李飛, 董鎖成. 西部地區(qū)畜禽養(yǎng)殖污染負(fù)荷與資源化路徑研究. 資源科學(xué), 2011, 33(11): 2204- 2211.

[28]朱兆良. 農(nóng)田中氮肥的損失與對(duì)策. 土壤與環(huán)境, 2000, 9(1): 1- 6.

[29]岳勇, 程紅光, 楊勝天, 郝芳華. 松花江流域非點(diǎn)源污染負(fù)荷估算與評(píng)價(jià). 地理科學(xué), 2007, 27(2): 231- 236.

The spatial correlation of the provincial grey water footprint and its loading

coefficient in China

SUN Caizhi*，HAN Qin，ZHENG Defeng

CollegeofUrbanandEnvironment，LiaoningNormalUniversity，Dalian116029，China

Abstract：Water is one of our most important resources, being closely linked to the development of society and human beings. With the rapid development of its economy, water scarcity and water pollution have become very serious problems in China. The total volume of water resources in China is rather large, but the per capita water resources are much lower than the global average. The discharge of waste and polluted water increased from 593 × 108t in 1998 to 785 × 108t in 2012. Traditionally, the volume of water resources and water pollution are studied separately, with little research comprehensively evaluating both. Thus, the concept of the grey water footprint was introduced in this context. Hoekstra and Chapagain first presented the concept of the grey water footprint in 2008, after which the idea was further developed by a few of the Water Footprint Network′s grey water footprint groups. The grey water footprint is defined as the volume of freshwater needed to dilute the load of contaminants based on existing environmental water quality standards. The concept of the grey water footprint provides a metric for the comprehensive assessment of water resource scarcity due to pollution. Overall, studies that investigate the assessment of grey water footprints from a regional perspective, and analyze the spatial correlation patterns of grey water footprints are few. Applying the formula for calculating grey water footprints designed by Hoekatra, this study calculated the grey water footprint and grey water footprint load coefficient of 31 provinces, municipalities, and autonomous regions in China, from 1998 to 2012. Spatial autocorrelation methods were used to study the grey water footprint, load coefficient, partial correlation pattern, and tendency towards change. In this paper, analyses of the agricultural, industrial, and domestic sectors will be presented. The results show that: 1) the total grey water footprint of China is increased from 5078.58 × 108m3in 1998 to 4400.85 × 108m3in 2012; however, the grey water footprint fluctuated during those 15 years. The contribution of each source to the grey water footprint is as follows: agriculture produces the most, and industry the least; 2) the grey water footprint load coefficient of China also tended to fluctuate during this period. The average grey water footprint load coefficient of China over the 15 years surveyed was divided into five categories: the first, which have high grey water footprint load coefficients, include Tianjin and Ningxia; the second is an area with a higher-than-average grey water footprint load coefficient, and it includes Beijing, Hebei, Shanghai, Shandong, Shanxi, and Henan; the third is an area comprising 9 provinces of which each has a medium grey water footprint load coefficient, and it includes Jiangsu, Gansu, Shannxi Liaoning, Jilin, Heilongjiang, Inner Mongolia, Anhui, and Hubei; the fourth is an area of 9 provinces with a lower than average grey water footprint load coefficient, and includes Zhejiang, Hunan, Guangdong, Guangxi Hainan Chongqing, Sichuan, Guizhou, and Xinjiang; the last is an area comprising 5 provinces of which each has low grey water footprint load coefficients, and includes Fujian, Jiangxi, Qinghai, Yunnan, and Xizang. 3) Through the analysis of the global spatial autocorrelation index of grey water footprint load coefficients in China from 1998 to 2012 shows that the grey water footprint load coefficient exists a spatial cluster feature, but the cluster phenomenon was attenuated year by year. By analyzing its local spatial autocorrelation index, it was found that the regions with an H-H correlation are mainly located in northern China, whereas the regions with L-L correlations are mainly located in southern of China. The spatial correlation pattern of grey water footprint load coefficients is closely related with regional water resources and grey water footprints.

Key Words:grey water footprint; grey water footprint load coefficient; spatial autocorrelation analysis

DOI:10.5846/stxb201408251675

*通訊作者Corresponding author.E-mail: suncaizhi@lnnu.edu.cn

收稿日期:2014- 08- 25;

修訂日期:2015- 07- 22

基金項(xiàng)目:教育部新世紀(jì)優(yōu)秀人才項(xiàng)目(2013- 13-0844); 國(guó)家社會(huì)科學(xué)基金(11BJY063)

孫才志，韓琴，鄭德鳳.中國(guó)省際灰水足跡測(cè)度及荷載系數(shù)的空間關(guān)聯(lián)分析.生態(tài)學(xué)報(bào),2016,36(1):86- 97.

Sun C Z，Han Q，Zheng D F.The spatial correlation of the provincial grey water footprint and its loading coefficient in China.Acta Ecologica Sinica,2016,36(1):86- 97.