珠江流域农业灰水足迹及其影响因素研究

孟彦菊，章标彪，刘栋栋，陈思年，王承杰

（云南财经大学 统计与数学学院，云南 昆明 650221）

水资源不仅是经济社会发展的重要资源基础，也是人类赖以生存的重要生态基础。但是随着城市化的推进、工业化的快速发展以及水资源不足、水环境污染、水生态危机等已日益成为可持续发展的瓶颈[1-2]。水环境的恶化和流域生物多样性减少等多重问题出现在我国众多流域中。珠江流域自古以来就是一个相对完整统一的人文地理和经济地理空间单元，近年来，随着经济的发展，导致珠江流域持续干旱，水面下降，引起海水倒灌，珠江咸潮成为广东省十几年来最严重的灾害。因此，对珠江流域的农业面源污染情况进行全面的评价，将为本地区的农业水污染治理和农业生产方式和结构改变提供可靠的理论依据和数据支撑，对珠江流域农业进一步发展具有重要意义。

2008 年HOEKSTRA 等[3]提出了灰水足迹概念，灰水足迹主要由水污染而引起，是指以自然本底浓度为基准，引入现有水质评价标准，自然水体稀释污染物达到选取的水质标准所需要的淡水量。灰水足迹的提出，为水污染评价提供了新方法，它有效地将水量和水污染结合起来，更加直观地展现出水污染程度。近几年，由于水足迹以及灰水足迹的理论更加完善，国内外学者对灰水足迹的研究也日趋成熟，采用构建指数法[4]、Kaya 恒等式和LMDI 分解法[5]以及投入产出法[6]等方法对区域或流域的农业产品、工业产品等方面的灰水足迹进行评价[7]。

农业领域是灰水足迹研究的重要领域之一，国内外学者从不同的维度上对其灰水足迹展开研究。MEKONNEN 等[8-9]对全球农作物的蓝水、绿水和灰水足迹进行研究，发现与农作物生产相关的水足迹每年为7 404 亿立方米，其中绿水占78%，蓝水占12%，灰水占10%。陈岩等[10]对淮河流域35 个地级市的农业灰水足迹进行测算，并运用Kaya 恒等式和LMDI 分解模型对其农业灰水足迹效率驱动因素进行分解。洪传春等[11]构建了农业灰水足迹强度与效率评价指数，分析京津冀农业灰水足迹时空格局变化特征。班荣舶等[4]通过构建评价指标测算重庆种植业灰水足迹，分析其空间差异性。目前国内学者多从全国或者区域对灰水足迹进行研究，但是对于珠江流域研究成果较少。因此本文根据已有文献，选取珠江流域并结合LMDI 分解模型，对珠江流域四省份（广东、广西、贵州和云南）农业灰水足迹及其影响因素进行分析，全面评价珠江流域的农业面源污染状况，为珠江流域农业生产和生态文明建设提供建议对策。

1 研究区域概况

珠江是中国第三长、第二大河流，长2 320 千米，主要流经云南、贵州、广西以及广东等省份，流域面积约44 万平方千米。流域内地形复杂，西北高且东南低，其中主要为丘陵和山地，平原面积极少。珠江流域气温较为适宜多处于14 ～22℃，降水量充足，水资源丰富，并且处于热带和亚热带地区。但是流域内受到地势的影响，降雨量出现东多西少的现象。流域内主要种植水稻、玉米以及小麦等粮食作物；同时大力发展种植经济作物，其中以甘蔗产业发展最为迅速，生产全国约50%的糖。但是农业的快速发展也带来了许多问题，其中因此产生的水污染问题让人深思。

2 研究方法与数据来源

2.1 农业灰水足迹测算模型

本文主要分析珠江流域农业灰水足迹变化特征及驱动因素，用以衡量农业生产造成的流域水污染情况。农业主要包含种植业和畜牧业，本文将农业灰水足迹定义为稀释种植业和畜牧业产生的污染物所需的水资源总量。农业灰水足迹核算方法参考《水足迹评价手册》[12]。

2.1.1 种植业灰水足迹

种植业造成水体污染的污染物主要来自化肥和农药，在施用化肥和农药的过程中有一部分会流失进入水体造成污染，由于化肥使用量远远大于农药使用量，且稀释化肥中污染物所需的水资源同时也可以稀释农药中污染物，故本文以化肥中的氮磷元素即总氮（TN）和总磷（TP）为主要污染物对珠江流域种植业灰水足迹进行核算，如式（1）所示。

式中：GWFplant表示种植业灰水足迹（立方米）；GWFPlant(i)为第i种污染物的灰水足迹，Appl为化肥施用量（千克）；αi表示污染物流失系数；Cmax为水质环境标准下的最大限值（毫克/升）；Cnat为受纳水体的初始浓度（毫克/升）。

2.1.2 畜牧业灰水足迹

畜牧业造成水体污染的污染物主要来自畜禽排放的粪便和尿，经济快速发展导致对畜禽产品的需求增加，引起珠江流域畜牧养殖业发展迅速，而畜禽粪便和尿的肆意排放将会进一步加速水资源的污染。本文主要选取猪、牛、羊以及禽类计算畜牧业灰水足迹，其中猪与禽类养殖数量以年末出栏量为准，牛与羊养殖数量以年末存栏量为准。依据粪便与尿中化学需氧量（COD）、TN和TP 含量测算畜牧业灰水足迹，如式（2）所示。

式中：GWFbre为畜牧业灰水足迹；GWFbre(i)表示第i种污染物的灰水足迹；Lbre(i)为第i种污染物排放量。Nh为畜禽饲养量（出栏和存栏数）；Dh为畜禽饲养周期，其中h代表猪、牛、羊以及禽类。fh和uh为单位畜禽每日粪便和尿排放量；Phf和Phu、Qhf和Qhu分别代表每单位粪便和尿中污染物含量及污染物流失率。

2.1.3 农业灰水足迹

水体可以同时稀释多种污染物，因此农业灰水足迹只需选取稀释污染物产生的灰水足迹中最大的即可，同时农业灰水足迹包括种植业和畜牧业灰水足迹。故农业灰水足迹GWFagr的计算公式，如式（3）所示。

2.2 LMDI分解模型

本文采用LMDI（对数平均迪式指数分解）分解模型珠江流域农业灰水足迹变化进行分析并对其中的影响因素进行分解。基于Kaya 恒等式理念[13]，同时结合珠江流域的实际情况，对Kaya 恒等式模型进行扩展。本文将其影响因素分解为农业技术效应、农业产出效应、农村环境效应、化肥强度效应、耕地规模效应以及人口总量效应。扩展的Kaya 恒等式模型如式（4）。

式中：GWFagr为农业灰水足迹；GDPagr为农业增加值；Pr为农村人口；Faa为化肥施用量，Crop为农作物播种面积，P为总人口。g为农业技术效应，即农业灰水足迹强度，表示单位农业GDP 产生的灰水足迹；r为农业产出效应，即农村人均农业产值，表示单位农村人口产生的农业价值；f为农村环境效应，即农村人均化肥使用量倒数，与农村人均化肥使用量效果相反；a为化肥强度效应，表示单位农作物面积施用的化肥量；c为耕地规模效应，即人均农作物播种面积；p为人口总量效应。

LMDI分解模型分为加法分解模型和乘法分解模型[14]，其中加法分解模型可以更好地表现各因素对农业灰水足迹变化的绝对贡献量，故本文选取加法分解模型对珠江流域灰水足迹变化影响因素进行分析。珠江流域农业灰水足迹的LMDI 加法分解模型如式（5）。

式中：ΔG表示总效应，表示基期到第t期的农业灰水足迹变化量；ΔGg、ΔGr、ΔGf、ΔGa、ΔGc以及ΔGp表示基于LMDI 加法分解模型的农业技术效应、农业产出效应、农村环境效应、化肥强度效应、耕地规模效应以及人口总量效应对总效应的贡献值，即表示对农业灰水足迹变化的影响。若ΔGg、ΔGr、ΔGf、ΔGa、ΔGc以及ΔGp的贡献值为正，表示各影响因素的变化引起珠江流域农业灰水足迹增加，称为正驱动效应；若为负值，则表示各影响因素的变化抑制珠江流域农业灰水足迹的产生，称为负驱动效应。

2.3 数据来源

本文研究所需要的化肥使用量（采用农业化肥折纯使用量数据）、畜禽出栏量和存栏量数据来自2007—2021 年的《中国农村统计年鉴》。农业GDP、总人口、农村人口以及农作物播种面积等数据来自2007—2021年的《中国统计年鉴》，其中农业GDP 只包含农业和牧业增加值，化肥使用量主要包括氮肥和磷肥，在计算时将复合肥中氮磷钾成分按照15 ∶15 ∶15 比例进行折算[15]。畜禽的饲养周期、粪便与尿的排泄指数以及其中污染物平均含量和流失率等相关数据来自《全国规模化畜禽养殖业污染情况调查及防治对策》（表1 ～表3），其中禽类的饲料周期、粪便排泄指数以及其中污染物平均含量等相关数据选取鸡鸭的平均值。珠江流域氮磷肥流失系数选取《农业污染源肥料流失系数手册》中调查的南方耕地氮磷肥流失系数的平均值，分别为α=1.66%,0.59%计算。同时采用《地表水环境质量标准》（GB 3838—2002）中Ⅲ类水质标准，水体中COD 浓度最大限值为20 毫克/升，氮浓度采用硝酸盐（以N 计）的浓度最大限值为10 毫克/升，总磷（以P 计）浓度最大限值为0.2 毫克/升，同时考虑到数据的获取难度，假设珠江流域自然水体原始污染物浓度为0[9]。

表1 畜禽粪便中污染物平均含量 单位：千克/吨

表2 畜禽粪便中污染物进入水体流失率

表3 畜禽粪便排泄指数

3 珠江流域农业灰水足迹分析

3.1 农业灰水足迹变化

基于式（1）～（3）对珠江流域农业灰水足迹进行核算，发现珠江流域农业灰水足迹整体呈上升趋势，且主要由TP 决定。从2006 年至2020 年15 年间，珠江流域农业灰水足迹从2006 年的4 160.46 亿立方米缓慢增加到2020 年的4 762.69 亿立方米，增加602.23 亿立方米，年均增加40.15 亿立方米，增长14.48%。

2006—2020 年珠江流域农业灰水足迹主要受畜牧业灰水足迹的影响，种植业对其影响不大。珠江流域农业灰水足迹的增长趋势与畜牧业灰水足迹增长趋势基本一致。结合社会经济发展来看，2006 年由于油脂、肉禽及其制品和蛋类的价格过低（数据来自《中国统计年鉴》中居民消费价格分类指数），导致2007 年养殖户降低了大型牲畜和肉禽的饲养量；同时，饲养量减少使得价格有所上升，导致人民对大型牲畜等需求量减少，这也降低了猪和肉禽的出栏量，两者的共同作用使得畜牧业灰水足迹有所减少，此次的价格影响持续时间较长，直到2009年大型牲畜的饲养量才恢复到2006 年的水平，此后畜牧业灰水足迹持续上涨。随着环保政策进一步收紧，政府加强了对畜牧养殖业的监管，期间大型牲畜以及肉禽饲养量出现波动，虽然取缔了许多小型或者散养户，但是大型养殖场的迅速发展，使得珠江流域畜牧业灰水足迹有所增加，间接导致珠江流域农业灰水足迹总量上升。

3.2 农业灰水足迹影响因素分解

基于LMDI 分解模型，从农业技术效应、农业产出效应、农村环境效应、化肥强度效应、耕地规模效应和人口总量效应七个方面对2006—2020 年珠江流域农业灰水足迹变化量进行分解，根据式（4）、式（5）计算出相应的贡献值（表4）。

表4 珠江流域农业灰水足迹LMDI分解结果 单位：亿立方米

2006—2020 年各影响因素累计贡献量有正有负，累计总效应为602.24 亿立方米，表明珠江流域农业灰水足迹总体增加。其中，农业技术效应、农村环境效应、化肥强度效应和耕地规模效应等驱动因素累计贡献量为负值，分别为-5 461.82 亿立方米、-1 583.34 亿立方米、-62.63 亿立方米和-164.27 亿立方米，引起珠江流域农业灰水足迹下降称为负向效应。相反，农业产出效应和人口总量效应等驱动因素累计贡献量为正值，分别为7 138.93 亿立方米和735.37 亿立方米，导致珠江流域农业灰水足迹增加称为正向效应。依据社会经济发展规划来看，“十一五”到“十三五”时期，农业技术效应和农村环境效应依旧是负向效应；农业产出效应和人口总量效应依旧是正向效应。但是化肥强度效应和耕地规模效应在“十一五”和“十二五”期间对珠江流域农业灰水足迹累计贡献量为正，引起农业灰水足迹增加，而在“十三五”期间累计贡献量为负，使得农业灰水足迹减少。

农业技术效应是众多负向驱动因素中对总效应负向累计贡献最大，表明农业种植技术、污水处理技术的进步是减少农业灰水足迹的最重要手段。同时，农业技术效应对农业灰水足迹的促进作用，可能因为技术改造或者新技术的使用有一段适应期，农业从业人员的不熟练或者改造时间过长导致农业灰水足迹的增加。农业产出效应的正向累计贡献量大约是人口总量效应贡献量的十倍，说明农业经济快速发展加重了水资源污染，因此，在农业经济发展过程中要重视污染治理。农村环境效应与人均化肥使用量效果相反，即农村环境效应负向贡献量越大，反而单位人口化肥使用量越大，人均化肥使用越多，使得农业灰水足迹增加；而化肥强度效应负向贡献量越大，说明单位农作物播种面积使用的化肥量越少，化肥施用效率越高，产生的农业灰水足迹越少。耕地规模效应负向贡献量越大，表明人均农作物播种面积越少，可能因为农户不具备科学种植条件，耕种面积越多反而造成更多的农业污染；而规模化种植具备科学种植条件且对于新技术的应用和提高化肥施用效率都有着促进作用，使得农业灰水足迹下降。

3.3 农业灰水足迹影响因素变化分析

3.3.1 农业技术效应分析

农业技术效应即农业灰水足迹强度，表示每增加一单位农业增加值稀释其造成污染物产生的灰水足迹。农业灰水足迹强度越高，说明农业灰水足迹效率越低，即化肥使用效率和污染物处理水平较低；农业技术效应对珠江流域农业灰水足迹的产生具有抑制作用，其对总效应的累计贡献量为负。农业灰水足迹强度和农业技术效应贡献量变化见图1 所示。

图1 珠江流域农业灰水足迹强度和农业技术效应贡献量

2006—2020 年随着节水技术、化肥施用效率提高和畜禽养殖环保政策收紧，珠江流域农业灰水足迹强度整体上呈下降趋势，大幅下降71.07%，农业灰水足迹效率有着明显的提高，说明珠江流域的农业生产效率显著提升；而2006—2020 年农业技术效应贡献量变化起伏不定有增有减。农业技术效应贡献量变化趋势深受农业灰水足迹强度的影响，其中2009 年、2017 年农业灰水足迹强度相对2008 年、2016 年轻微增加，导致农业技术效应贡献量大幅下降直至为负，造成农业灰水足迹增加；2011—2015 年农业灰水足迹强度降幅基本相同，同时农业技术效应贡献量没有明显变化。

3.3.2 农业产出效应分析

农业产出效应即农村人均农业产值，表示每单位农村人口所产生的农业产值。农村人均农业产值增加造成农业污染加剧，农业产出效应对总效应的累计贡献量为正，使得农业灰水足迹增加。农村人均农业产值增长情况与农业产出效应贡献量存在着密切联系（图2）。

图2 珠江流域农村人均农业产值和农业产出效应贡献量

2006—2020 年农村人均农业产值增加15 861.43 元，增长403.05%；而农业产出效应贡献量变化幅度较大。结合两者增长情况来看，农村人均农业产值增长速度决定了农业产出效应贡献量大小。其中，2009 年农村人均农业产值增长速度下降，农业产出效应贡献量出现巨大降幅；过后农村人均农业产值增长速度上升，农业产出效应贡献量也相应增加。因此当农村人均农业产值增长速度放缓时，农业产出效应贡献量出现下降情况；反之增长速度上升时，农业产出效应贡献量会增加。

3.3.3 农村环境效应分析

农村环境效应即农村人均化肥使用量倒数，此效应与人均化肥使用量的效果相反。人均化肥使用量增加会使得农业灰水足迹增加，此时农村人均化肥使用量倒数反而减少，农村环境效应抑制灰水足迹的产生，因此农村环境效应为负向效应。农村人均化肥使用量倒数和农村环境效应贡献量变化见图3。

图3 珠江流域农村人均化肥使用量倒数和农村环境效应贡献量

随着农村人均化肥使用量增加，农村人均化肥使用量倒数减少，农村环境效应对农业灰水足迹变化的贡献量也随之变化（图3）。农村环境效应贡献量随着农村人均化肥使用量倒数下降速度发生变化，下降放缓或者上升使得农村环境效应贡献量减少甚至出现负的贡献量，导致农业灰水足迹增加。其中，2010 年农村人均化肥使用量倒数下降幅度增大即农村化肥使用量上涨幅度增大，使得农村环境效应贡献量大幅增加，引起农业灰水足迹减少；而2017—2018 年农村人均化肥使用量倒数下降缓慢或出现增长即农村化肥使用量减少，使得农村环境效应贡献量急速下降，2018 年增长放缓，贡献量有所上升但还是为负，导致农业灰水足迹增加。

4 珠江流域各省份农业灰水足迹分析

4.1 四省份农业灰水足迹变化

从区域分布来看，珠江流域四省份农业灰水足迹变化各不相同，见图4（a）。2006—2020 年广西和云南农业灰水足迹不减反增。其中，广西农业灰水足迹相对于2006 年的894.50 亿立方米大幅增加到2020 年的1 359.43 亿立方米，增长51.98%。广西农业灰水足迹主要在“十一五”期间快速增长，而“十二五”和“十三五”期间逐渐趋于稳定，增长幅度不大。云南农业灰水足迹除2007 年小幅下降外一直增加，2020 年为1 342.78 亿立方米，增长27.35%。云南农业灰水足迹逐年小幅增长，“十一五”和“十二五”期间增长缓慢，“十三五”期间增长较快。2006—2020 年广东和贵州农业灰水足迹下降。其中，贵州农业灰水足迹变化出现断崖式下降从2006 年的795.04 亿立方米大幅下降到2007 年的581.64亿立方米，下降26.84%，此后农业灰水足迹有所上升后趋于稳定，2006—2020 年贵州农业灰水足迹总体下降13.28%。广东农业灰水足迹变化较为复杂，农业灰水足迹变化呈“减—增—减—增”状态，但是总体上呈现下降趋势，下降3.21%，其中2006 年农业灰水足迹最高，为1 416.55 亿立方米，2007 年最低为1 267.13 亿立方米。

图4 珠江流域农业灰水足迹时空分布及来源

同时，结合区域农业灰水足迹来源来看，见图4（b）。珠江流域四省份农业灰水足迹中畜牧业灰水足迹占主要部分，占比都超过90.00%，其中贵州畜牧业占比最高为93.31%。珠江流域区域年均农业灰水足迹中广东最高、广西次之、紧随其后是云南和贵州，分别为1 354.07 亿立方米、1 267.01 亿立方米、1 162.73 亿立方米以及649.17 亿立方米。不管是“十一五”“十二五”还是“十三五”期间，珠江流域四省份年均农业灰水足迹高低顺序并没有改变，只是农业灰水足迹总量发生改变。

4.2 四省份农业灰水足迹影响因素分解

基于LMDI 分解模型，对2006—2020 年珠江流域四省份农业灰水足迹进行分解，发现珠江流域省区间农业灰水足迹的驱动效应存在着明显差异，将其分解结构进行整理，得到各驱动效应对珠江流域区域农业灰水足迹的累计贡献值（图5）。

图5 珠江流域四省份农业灰水足迹驱动效应累计贡献量

珠江流域四省份农业灰水足迹各驱动因素作用存在差异。农业产出效应和人口总量效应对各省区农业灰水足迹增长发挥正向作用，其中农业产出效应为主导驱动因素，而人口总量效应正向驱动作用较小，对广东的驱动作用最大为414.36 亿立方米，对其余地区的正向驱动作用较小，结合常住人口增长情况看，人口变化对农业灰水足迹变化影响不大；农业技术效应和农村环境效应为负向驱动作用，抑制各省区农业灰水足迹增加，其中技术效应为主要驱动因素，农村环境效应对广西和云南的负向驱动作用较强；化肥强度效应对广东、广西和云南正向驱动作用较小，而对贵州为负向作用且贡献量较大，说明化肥强度效应对于农业灰水足迹减少有着一定的作用，广东、广西和云南通过提高化肥使用效率，可以进一步减少农业灰水足迹；耕地规模效应只对广东农业灰水足迹变化具有负向效应，其余为正向效应，说明广东农业规模一体化发展迅速，逐渐向高效绿色农业转变。广西和云南农业灰水足迹总效应为正，说明农业灰水足迹还有着下降空间。

4.3 四省份农业灰水足迹影响因素变化分析

4.3.1 农业技术效应分析

珠江流域四省份农业灰水足迹强度变化趋势基本一致，见图6。2006—2020 年四省份农业灰水足迹强度存在大幅下降的趋势，下降幅度都超过50%。其中，贵州下降幅度最大，为87.17%，云南次之为75.76%，广西最小为54.85%。这与区域农业灰水足迹和农业增加值有关。“十一五”期间，贵州农业灰水足迹强度大幅减少，由于本身基数较大并没有改变其农业灰水足迹强度最大即农业灰水足迹效率低的现状。“十二五”期间，贵州农业灰水足迹强度持续下降，使得其小于云南和广西；云南农业灰水足迹强度最强。“十三五”期间，云南农业灰水足迹强度依然最大；随着贵州农业增加值增长率快于广东，使得其农业灰水足迹强度低于广东，农业灰水足迹效率最高。

图6 珠江流域各省区农业灰水足迹强度和农业技术效应贡献量

农业技术效应贡献量深受农业灰水足迹强度影响，与上文珠江流域中关系一致，农业灰水足迹强度的增长速度的变化将会引起农业技术效应贡献量的变化。农业技术效应为负向效应，当农业灰水足迹强度下降放缓将会使得农业技术效应贡献量减少，甚至引起灰水足迹增加；反之，将会使得贡献量增加。

4.3.2 农业产出效应分析

珠江流域各省农村人均农业产值整体上呈现上升趋势，且四省份变化基本一致，见图7。2006—2020 年四省份农村人均农业产值大幅上升，其中贵州涨幅最大为919.38%，其次是云南和广西，广东涨幅最小为205.13%，由于广东农业产值最高，但广东农村人口较多，导致广东农村人均农业产值在珠江流域中涨幅最少。从四省份农村人均农业产值变化趋势来看，2009 年和2017 年农村人均农业产值存在增长放缓或下降的趋势，这有可能与2008 年经济危机和国家对农业环保问题关注有关，导致农业产值出现下降。

图7 珠江流域各省区农村人均农业产值和农业产出效应贡献量

从农业产出效应贡献量来看，四省份农业产出效应累计贡献量为正，导致各省农业灰水足迹增加。2007—2020 年四省份农业产出效应贡献量变化较为复杂，尤其以2009 年和2017 年前后变化较为明显。其中广东变化最为显著，2007—2020 年农业产出效应贡献量基本大于零，使得广东农业灰水足迹增加，而在2009 年和2017年出现大幅下降甚至出现负贡献量，引起农业灰水足迹减少，同时其余三省份此时农业灰水足迹都出现不同程度的下降。这与上文发现的规律一致，农业产出效应贡献量深受农村人均农业产值变化幅度影响，农村人均农业产值增长速度放缓甚至下降，将会导致农业产出效应贡献量大幅下降甚至出现负贡献量的情况。

4.3.3 农村环境效应分析

珠江流域四省份农村人均化肥使用量倒数整体均呈现下降趋势（图8），即农村人均化肥使用量呈增加趋势。虽然贵州农村人均化肥使用量倒数变化最为明显，其余三省份下降较为平缓，但是云南下降幅度最大为42.12%，贵州下降幅度为32.50%，广东下降幅度最小为8.53%。这一现象可能与基期数量有关，贵州农村人均化肥使用量倒数虽然下降量最大，但由于基数过大，反而下降幅度不大。

图8 珠江流域各省区农村人均化肥使用量倒数和农业环境效应贡献量

农村人均化肥使用量增加导致农业灰水足迹增加，而农村人均化肥使用量倒数与此相反，此时农村人均化肥使用量倒数反而减少，抑制农业灰水足迹产生。结合农村环境效应贡献量来看，四省份农村环境效应均为负向效应且其贡献量变化趋势复杂。其中，2010 年贵州农村人均化肥使用量倒数下降幅度增大，导致农村环境效应贡献量大幅增加，抑制农业灰水足迹产生，而2018年广东农村人均化肥使用量倒数出现上升情况，导致农村环境效应贡献量大幅减少直至为负，引起农业灰水足迹增加。四省份农村环境效应贡献量变化情况与上文中一致，深受农村人均化肥使用量倒数变化幅度影响。

5 结论

本文从种植业和畜牧业两个方面对珠江流域农业灰水足迹进行测算，结合LMDI 模型对珠江流域农业灰水足迹变化因素进行分析，分别对技术效应、产出效应、农村环境效应、化肥强度效应、耕地规模效应和人口总量效应七个因素的驱动作用进行测算和分析，得出以下结论。

珠江流域农业灰水足迹主要由TP 造成，2006—2020 年珠江流域整体农业灰水足迹增长幅度不大。四省份农业灰水足迹涨幅不一，其中广西农业灰水足迹增长幅度最大超过50%；贵州农业灰水足迹下降最多，下降13.08%。珠江流域农业灰水足迹主要由畜牧业产生的污染物造成，在各省区中占比都超过90.00%。从LMDI分解结果来看，珠江流域及省际农业灰水足迹变化主要受到农业产出效应和农业技术效应影响。其中农业产出效应对农业灰水足迹变化正向驱动作用最大，而农业技术效应负向驱动作用最大。同时，各影响因素在不同五年规划期间有着变化。各影响因素对于农业灰水足迹变化的贡献量存在差异。从农业技术效应、农业产出效应和农村环境效应来看，其对农业灰水足迹变化贡献量，深受各效应变化的影响。当各效应增长（下降）速度放缓时，其贡献量出现减少（增加）情况；反之增长（下降）速度加快时，其贡献量会增加（减少）。

结合本文研究结果，对珠江流域水资源保护提出相关建议：（1）加快推进农业规模化发展。推进农村地区土地流转，扩大种植规模，制定相关产业发展规划。同时，对大型种植企业和畜牧养殖企业提供便利和政策支持。（2）加强农业以及污水处理技术研发。政府、科研机构和大型养殖企业要加大科研经费投入，合理分配科研资源，同时从农业技术和污水处理技术两方面进行科研投入。（3）加强农业及污水处理技术推广。加强对新技术和设备的宣传，让农户和企业了解最新技术，同时派遣技术人员帮助农户和企业更好地使用新技术和设备。（4）加强企业污染排放监管力度。对于污水违规排放或者排放不达标的企业从严从重处罚，同时对企业提供帮助鼓励使用新技术和设备。