海河流域农业水足迹分布及对气候变化的响应

黄会平 张冰 李新生 韩宇平

摘要：基于CROPWAT软件核算海河流域1990-2014年冬小麦、夏玉米生产水足迹，采用偏最小二乘法拟合冬小麦、夏玉米单位面积产量，在此基础上预测2020-2050年气候变化背景下冬小麦、夏玉米生产水足迹及各气象因子对水足迹的贡献。结果表明：夏玉米单位质量蓝水足迹、绿水足迹分别占其单位质量总水足迹的36.2%、63.8%，冬小麦单位质量蓝水足迹、绿水足迹分别占其单位质量总水足迹的76.5%、23.5%。流域西部及东部地区冬小麦、夏玉米单位质量蓝水足迹、绿水足迹较大;年水足迹呈现流域四周小、中部大的特征。2020-2050年RCP4.5情景下夏玉米单位质量水足迹在2037年左右经历由大到小的突变，RCP8.5情景下表现为由小到大的突变;冬小麦单位质量水足迹RCP2.6情景下在2042年左右经历由大到小的突变，RCP4.5情景下在2036年左右经历由小到大的突变，RCP8.5情景未存在显著性突变。

关键词：水足迹：蓝水足迹;绿水足迹：气候变化;夏玉米;冬小麦;海河流域

中图分类号：TV213.4

文献标志码：A

doi：10.3969/j .issn. 1000- 13 79.2019.02.014

1 研究背景及意义

气候变化是当今世界面临的严峻挑战之一，气候变暖和极端天气频发等威胁着人类的生存环境。联合国政府间气候变化专门委员会（ IPCC）第五次评估报告（AR5）《气候变化2013：自然科学基础》[1]指出：气候系统的变暖不可否认，自20世纪50年代，人类活动对全球变暖的贡献度大于50%：未来全球气候变暖对气候系统变化的影响仍将持续[2]。气候变化对水文循环（尤其是淡水资源）的影响有目共睹，至少在2050年之前，全球变暖将导致降水量和冰川融化量增多[3-4]。与此同时，随着降水和冰冻圈的变化，水资源量和水质也将发生变化[5]。目前气候变化对水资源影响的研究主要集中在实体水资源方面，对虚拟水系统的研究相对较少。

海河流域水资源严重短缺，以不足全国1.3%的水资源，承载着全国loo/o的人口和11%的耕地用水，并支撑着全国10%的GDP[6].水资源供给现状与社会经济需求严重失调，极大地限制着流域经济的可持续发展。随着经济发展和人口的快速增长，海河流域水资源过度开发与生态环境恶化日趋严重。本文从蓝水足迹、绿水足迹角度人手，在气候变化背景下分析海河流域冬小麦、夏玉米水足迹时空分布规律，探讨各种气象因素对农业生产水足迹的影响，以期为促进流域可持续发展及制定水资源管理政策提供参考。

2 数据来源及研究方法

2.1 研究区概况

海河流域位于东经1120-1200、北纬350 -430之间，流域面积31.82万km2，占全国总面积的3.3%。行政区域包括北京市、天津市、河北省绝大部分、山西省东部、河南省、山东省西北部、辽宁省小部分及内蒙古自治区的小部分区域。该流域属温带半湿润、半干旱大陆性季风气候区[7]，年平均气温为1.5～ 14.0℃，平均相对湿度为50%～70%.多年平均降水量为520mm[8]。

2.2 数据来源

本研究所需的各站点日最高气温、日最低气温、日平均气温、相对湿度、风速、日照时数、降水量等气象数据来源于国家气象数据共享网（ http：∥data. cma. gov.cn）及中国气象局国家气象信息中心（http：∥www.nmic.gov.cn），各地区冬小麦、夏玉米播种、收获日期来源于中国种植业信息网中的分省农时数据[9]，社会经济数据来源于各地区统计年鉴。

气候模式模拟数据采用中国大陆地区气候变化情景数据集，该数据集为ISI-IMP（ Inter-Sectoral ImpactModel Intercomparison Project）提供的5套全球气候模式日值数据的插值与订正结果中的GFDL-ESM2M模式数据，由中国农科院环发所收集整理，时间范围为1951-2050年，气候变化情景为RCP2.6、RCP4.5、RCP8.5（表示至2100年辐射强度将依次稳定至2.6、4.5、8.5 W/m）3种，空间水平分辨率为0.5°X0.5°。鉴于气候模式与模型尺度不匹配，需要对GFDL-ESM2M模式数据进行时空统计降尺度处理：首先将气候模式输出数据采用距离反比插值法统一到50 kmx50 km网格分辨率，然后对数据进行修正，最后进行降尺度处理。

2.3 作物生产水足迹核算

水足迹（WF）指一个国家或地区输出一定人群消费的产品和服务所需要的水资源量[10-11]。从这一概念出发，作物生产水足迹是指作物在生长过程中所消耗的水资源量，依据消耗水资源的类型及其对水环境的影响，可以进一步划分为蓝水足迹、绿水足迹和灰水足迹。本文计算过程仅考虑蓝水足迹和绿水足迹，即作物生长过程中所消耗的广义水资源量。作物生长水足迹计算公式[12-13]为

3 1990-2014年冬小麦、夏玉米水足迹时空分布

3.1 夏玉米水足迹时空分布特征

（1）蓝水足迹。大同市夏玉米单位质量蓝水足迹最大（为638.9 m/t），忻州市的最小（为113.9 m/t），海河流域夏玉米单位质量蓝水足迹平均为292.7 m/t.占单位质量总水足迹808.4 m/t的36.2%。全流域夏玉米年均蓝水足迹为67.5亿m.年均总水足迹为187.0亿m。单位质量蓝水足迹流域西北地区较大（见图1（a）），年均藍水足迹较大值集中于流域中部和中南部（见图1（b）），与整个流域夏玉米产量分布情况基本一致。夏玉米单位质量蓝水足迹年际变化呈减小趋势（见图1（c）），倾向率为-6.180 m/（t.a），最大值出现在1997年（为615.7 m/t），最小值出现在1996年（为145.2 m/t）。3年滑动平均曲线表明，单位质量蓝水足迹在1990-1996年和2003-2014年两个时间段内较小，在1997-2002年数值较大。图1（d）表明年蓝水足迹呈增大趋势，倾向率为0.563亿m/a.最大值出现在1997年（为123.6亿m），最小值出现在1995年（为27.4亿m）。

（2）绿水足迹。朝阳市夏玉米单位质量绿水足迹最大（为773.4 m/t），焦作市的最小（为365.0 m/t）。海河流域夏玉米单位质量绿水足迹平均为515.7 m/t（占单位质量总水足迹的63. 8%），年均绿水足迹为119.5亿m。流域单位质量绿水足迹（见图2（a））西北部、北部、中西部以及中东部地区较大，年均绿水足迹（见图2（b））较大值集中于流域中部、中南部（空白区域为夏玉米无种植区）。由图2（c）可知，单位质量绿水足迹呈减小趋势，倾向率为-6.534 m/（t·a），最大值出现在1995年（为732.0 m/t），最小值出现在2013年（为417.4 m/t）。图2（d）表明年绿水足迹呈增大趋势，倾向率为2. 666亿m/a，最大值出现在2011年（为168.0亿m），最小值出现在1997年（为83.5亿m）。

3.2 冬小麦水足迹时空分布特征

（1）蓝水足迹。大同市冬小麦单位质量蓝水足迹最大（为1 271.4 m/t），焦作市的最小（为541.1 m/t），海河流域冬小麦单位质量蓝水足迹平均为794.0 m/t，占冬小麦单位质量总水足迹1 037.7 m/t的76.5%：年均蓝水足迹为162.0亿m。单位质量蓝水足迹流域西部及东部地区较大（见图3（a）），年均蓝水足迹呈现流域四周小、中部大的特征（见图3（b））。图3（c）显示单位质量蓝水足迹总体呈减小趋势，倾向率为-9.920 m3/（t.a），最大值出现在2004年（为1 105.3m/t），最小值出现在2012年（为598.1 m/t）。年蓝水足迹（见图3（d））呈减小趋势，倾向率为- 0.126亿m/a，最大值出现在1995年（为202.5亿m），最小值出现在2003年（为83.3亿m）。

（2）绿水足迹。晋城市单位质量冬小麦绿水足迹最大（为506.7 m/t），石家庄市的最小（为175.0 m/t），海河流域冬小麦单位质量绿水足迹平均为243.7 m/t，占单位质量总水足迹平均值1 037.7 m/t的23.5%：年均绿水足迹为47.0亿m，年均总水足迹为209.0亿m。单位质量绿水足迹空间分布见图4（a），西部、东部及西南部区域的较大，年均绿水足迹分布见图4（b），流域四周小、中部大（空白区域为冬小麦无种植区）。单位质量绿水足迹呈减小趋势（见图4（c）），倾向率为-5.402 m/（t·a），最大值出現在1990年（为423.3 m/t），最小值出现在2013年（为152.8 m/t）。年绿水足迹呈减小趋势（见图4（d）），倾向率为-0.475 m/a.最大值出现在1990年（为79.9亿m），最小值出现在2005年（为33.8亿m）。

4 作物水足迹对气候变化的响应

4.1 1990-2014年产量模拟误差分析

选择冬小麦、夏玉米生长期内日（最高、最低、平均）气温、湿度、风速、日照时数、降水等气象因子，采用偏最小二乘法对1990-2014年单位面积产量进行拟合，模拟相对误差见表1。

由表1可知.1990-2014年冬小麦单位面积产量模拟精度较高，全流域平均误差为6.96%.聊城市的误差最小（为3.5%），忻州市的误差最大（为12.4%）。夏玉米单位面积产量的模拟精度差异性较大，全流域平均误差为10.6%，安阳市的误差最小（为3.2%），朝阳市的误差最大（为29.0%）。为了提高各地区2020-2050年预估单位面积产量的准确性，对预估结果再次进行校正。

4.2 2020-2050年冬小麦、夏玉米单位面积产量预估

（1）夏玉米。图5为3种气候变化情景下夏玉米单位面积产量空间分布。RCP2.6、RCP4.5情景下单位面积产量最高的地区均为石家庄市（分别为7 058、7 155 kg//hm），最低均为阳泉市（分别为3 893、3 642 kg/hm）;RCP8.5情景下单位面积产量最高的地区为石家庄市（7 242 kg/hm），最低的为大同市（3 591 kg/hm）。RCP2.6情景下，除流域东北部、中部部分地区单位面积产量升高外，其他地区呈降低趋势：RCP4.5情景下，除山西省北部部分地区、北京市和唐山市单位面积产量降低外，其他地区呈升高趋势：RCP8.5情景下，除流域西南部单位面积产量降低外，其他地区呈升高趋势。3种情景下单位面积产量空间分布特征基本一致，即流域南部产量高、西北部产量低。

（2）冬小麦。不同气候变化情景下冬小麦单位面积产量空间分布见图6。RCP2.6、RCP4.5与RCP8.5情景下单位面积产量最高的地区均为石家庄市（分别为6 437、6 568、6 401 kg/hm），最低的均为晋城市（分别为3 043、3 138、3 062 kg/hm）。RCP4.5情景下大部分地区单位面积产量呈升高趋势，RCP2.6与RCP8.5情景下大部分地区单位面积产量呈下降趋势。3种情景下，流域西部、天津市和沧州市的单位面积产量较低。

4.3 2020-2050年作物水足迹时间分布特征

（1）夏玉米。2020-2050年RCP2.6、RCP4.5、RCP8.5 3种气候情景下夏玉米单位质量水足迹及年水足迹年际变化见图7。单位质量水足迹2020-2037年大小顺序为RCP4.5 >RCP2.6>RCP8.5 ，2037-2040年为RCP2.6>RCP4.5>RCP8.5.2040-2050年为RCP8.5>RCP2.6一RCP4.5。M-K分析表明.RCP4.5情景下夏玉米单位质量水足迹在2037年左右经历由大向小的突变，RCP8.5情景下表现为由小到大的突变。年水足迹除2032-2034年短时间内RCP4.5>RCP8.5 >RCP2.6外，其他时间与单位质量水足迹变化特征一致。

（2）冬小麦。图8（a）显示冬小麦单位质量水足迹2020-2030年RCP8.5一RCP4.5 >RCP2.6，2030-2039年RCP2.6 >RCP4.5一RCP8.5，2039-2046年RCP8.5 >RCP4.5>RCP2.6，2046年之后三者相差不大。M-K趋势分析表明，RCP2.6情景下在2042年左右经历由大到小的突变，RCP4.5情景下在2036年左右经历由小到大的突变，RCP8.5情景下无显著性突变。图8（b）显示，年水足迹2020-2036年RCP4.5 >RCP8.5>RCP2.6， 2036-2040年RCP2.6>RCP4.5>RCP8.5.2040-2045年RCP4.5≈RCP8.5 >RCP2.6，2045年后三者相差不大。

5结论

（1） 1990-2014年作物水足迹时空分布特征：夏玉米单位质量蓝水足迹多年均值为292.7 m/t，占单位质量总水足迹的36.2%，全流域年均蓝水足迹、绿水足迹分别为67.5亿、119.5亿m;冬小麦单位质量水足迹多年均值为1 037.7 m/t，单位质量蓝水足迹、绿水足迹分别占76.5%、23.5%，全流域年均总水足迹为209.0亿m：海河流域西部以及东部地区单位质量冬小麦、夏玉米蓝水足迹、绿水足迹较大，年水足迹呈现流域四周小、中部大的特征;两种作物单位质量蓝水足迹、绿水足迹均呈减小趋势;全流域夏玉米年水足迹呈增大趋势，冬小麦年水足迹呈减小趋势。

（2） 2020-2050年RCP2.6、RCP4.5、RCP8.5 3种情景下夏玉米单位面积预估产量均值分别为5 581.1、5 706.8、5 723.5 kg/hm，冬小麦单位面积预估产量均值分别为4 790.0、4 940.3、4 783.3 kg/hm。

（3） 2020-2050年作物生产水足迹时间分布特征：RCP4.5情景下夏玉米单位质量水足迹在2037年左右经历由大到小的突变，RCP8.5情景下表现为由小到大的突变：冬小麦单位质量水足迹RCP2.6情景下在2042年左右经历由大到小的突变，RCP4.5情景下在2036年左右经历由小到大的突变.RCP8.5情景未存在显著性突变。

参考文献：

[1] IPCC. Oimate Change 2013： the Physical Science Basis[ M].Cambridge： Cambridge University Press， 2013： 4-29.

[2] 秦大河，STOCKER T，259名作者和TSU（駐伯尔尼和北京）.IPCC第五次评估报告第一工作组报告的亮点结论[J].气候变化研究进展，2014，10（1）：1-6.

[3] LUTZ A F，IMMERZEEL W W， SHRESTHA A B，et al.Consistent Increase in High Asia's Runoff Due to IncreasingGlacier Melt and Precipitation[J].Nature Climate Change，2014，4：587-592.

[4] 蓝永超，沈永平，苏宏超，等，全球变暖情景下新疆降水的变化[J].干旱区资源与环境，2008，22（10）：66-71.

[5]苏布达，王腾飞，尹宜舟.IPCC第五次评估报告关于气候变化影响的检测和归因主要结论的解读[J].气候变化研究进展，2014，10（3）：203-207.

[6]韩瑞光，加强海河流域地下水管理，促进经济社会可持续发展[J].海河水利，2004（5）：13 -15.

[7] 杨永辉，任丹丹，杨艳敏，等，海河流域水资源演变与驱动机制[J].中国生态农业学报，2018，26（10）：1443-1453.

[8] 孙然好，程先，陈利顶，基于陆地一水生态系统耦合的海河流域水生态功能分区[J].生态学报，2017，37（ 24）：8445-8455.

[9] 农业部种植业管理司，分省农时数据库[EB/OL].（2016-12-31）[ 2017 - 07 - 05].http：//202.127.42.157/moazzys/nongshi.aspx.

[10]HOEKSrIRA A Y.Human Appropriation of Natural Capital：AComparison of Ecological Footprint and Water FootprintAnalysis[J].Ecological Economics ，2009，68（7）：1963- 1974.

[11] 孙才志，张灿灿，中国人均水足迹驱动效应分解与空间聚类分析[J].华北水利水电大学学报（自然科学版），2018，39（2）：1-11.

[12] MEKONNEN M M， HOEKSTRA A Y.The Green， Blueand Grey Water Footprint of Crops and Derived Crop Prod-ucts[J]. Hydrology and Earth System Sciences， 2011，15：1577 -1600.

[13]HOEKSrIRA A Y， CHAPACAIN A K， ALDAYA M M， eta1. The Water Footprint Assessment Manual： Setting theGlobal Standard[ M]. London： Earthscan， 2011：27-35.

[14]黄会平，曹明明，宋进喜，等.1957-2012年中国参考作物蒸散量时空变化及其影响因子分析[J].自然资源学报，2015 ，30（2）：315-326.

[15] 田园宏，诸大建，王欢明，等，中国主要粮食作物的水足迹值：1978-2010[J].中国人口·资源与环境，2013，23（6）：122-128.