灰水足迹研究进展与方法学改进

李慧，郑王睿,刘耕源,3*

（1.北京师范大学环境学院,环境模拟与污染控制国家重点联合实验室，北京100875；2.广东工业大学,大湾区城市环境安全与绿色发展教育部重点实验室，广东广州510006；3.北京市流域环境生态修复与综合调控工程技术研究中心，北京100875）

引言

水资源是人类赖以生存的重要保障，更是自然生态系统中必不可少的关键要素。随着经济快速发展、人口数量不断增加，在过去100年中，全球用水量增长了六倍，并仍以每年约1%的速度持续增长[1]。急剧增长的用水需求，以及水资源时空分配的不均衡性，使得众多国家和地区面临水资源短缺问题。更为严峻的是，水污染造成的水质型缺水进一步加剧水资源短缺现状。例如，中国污水排放量由2010年617亿t 增至2015年735 亿t，年均增幅约4.5%[2]。水污染不仅危害水生环境和公共健康，还加剧了可利用淡水的竞争。水污染已成为威胁人类生存与发展的关键资源和环境问题，而如何量化、评价水污染则是解决该问题的重要基础。

灰水足迹作为水污染的体积衡量指标，受到国内外学者广泛关注。灰水足迹是水足迹的重要组成部分。水足迹概念的蓬勃发展得益于它弥补了以往水资源核算方法的不足。一方面，它考量了整个供应链上用水总和，将人类对淡水生态系统的影响与人类消费方式相关联。另一方面，水足迹作为体现消耗的水量、水源类型及污染量和污染类型的多层面指标，不仅包含储存在地表及浅层地下水层中的蓝水足迹，非径流雨水并通过植被蒸散消耗掉的绿水资源即绿水足迹，还包括由于污染造成的灰水足迹（图1，修改自文献[3]）。水足迹为理解消费者或生产者与淡水系统之间的关系提供了更加广阔的视角，为明晰各类经济活动对水资源的占用提供了明确的时空信息[4]。

图1 水足迹概念示意

灰水足迹的概念于2008年由Hoekstra 和Chapagain首次提出，经过水足迹网络（water footprint network）灰水足迹工作小组的不断完善，将其定义为：以自然本底浓度和现有的水质环境标准为基准，将一定污染物负荷同化吸收所需的淡水体积[5]。灰水足迹为定量描述人类活动造成的水污染提供了新视角。早期的水足迹研究更关注蓝水足迹，因为相比较绿水资源，蓝水资源更为短缺且机会成本高。有研究指出，绿水资源也濒临匮乏，且农业生产中蓝水和绿水资源可以相互替代，将两者同时核算有助于全面剖析整个水资源的消耗情况。此外，水污染也是水资源匮乏的主要原因。灰水足迹在水足迹中的占比不容忽视，仅考虑蓝水资源可能导致对水资源占用情况的低估，使后续水足迹评价结果与实际情况发生偏离，尤其对于水质型缺水的区域。然而，由于底层数据缺乏和方法体系限制，灰水足迹研究仍处于探索阶段，建立和发展新的相关方法对于指导水足迹评价和水污染防治策略、促进水资源可持续利用具有重要理论和现实意义。

1 灰水足迹研究进展及相关概念重解析

灰水足迹这种用假想淡水体积来描述水污染程度的想法最初起源于Falkenmark 等[6]，他们提出一个经验法则，即稀释污染物所需的淡水体积为废水流量的10 ～15 倍。但这个通用的稀释因子并不能准确反映污染物的种类以及污水排放前的处理程度。Chapagain等[7]认为稀释因子应根据污染物类型并结合污染物相关的水环境质量标准推算，并在后续研究提出了灰水足迹的概念[8]。灰水足迹以占有水量来衡量水污染的优势在于：①可将不同地区不同种类的污染物转化为统一标度，即同化污染物所需的水量，与传统水质指标相比，有利于对不同类型水污染进行直接比较；②将水污染、用水量、可用水资源量纳入同一评价体系，有助于在全球水量型缺水和水质型缺水相互交织的背景下促进水质水量联合评价和配置，破解当前水资源管理上水质、水量割裂难题[9,10]。

随着灰水足迹研究不断深入，研究领域日益拓展，灰水足迹相关概念也应运而生，如人均灰水足迹强度[11]、单位GDP 灰水足迹[12]、剩余灰水足迹（区域内灰水足迹与该地区水资源量的差值）[13]等。根据水足迹对不同水源类型的划分，有研究者也将虚拟水分成了虚拟绿水、虚拟蓝水和虚拟灰水[14]。虚拟灰水表示将生产产品和服务所排放的废水稀释、消纳至环境标准值所占用的水资源量，以“虚拟”的形式内嵌在产品或服务中[15]。虚拟灰水和灰水足迹概念相近，多数研究者在分析人类生产或消费活动对水质的影响时，常用灰水足迹的概念；而在核算跨区域贸易中隐含的水污染时，常使用虚拟灰水的概念。

1.1 传统灰水足迹核算方法及适用范围

当污水中包含多种形式的污染物时，基于传统核算方法，灰水足迹可由下列公式求得[9]：

对于点源污染，其污染物被直接排放进入地表水体。因此，可通过测量污水体积和其中包含的污染物浓度来估算污染物排放量：

式中：Qeff和QAbs分别表示污水排放量（L/s）和取水量（L/s）；Ceff,ε表示污水中污染物ε浓度（mg/L）；CAbs,ε表示取水中污染物ε的实际浓度（mg/L）。非点源污染的过程相对复杂，固体废物处理、农业化肥施用等造成部分污染物渗入地下水或者随地表径流进入自然水体。因此，污染物排放量不能按照其总量测算，需要估算污染物经过淋溶作用最终到达自然水体的比例：

式中：α为无量纲因子，表示淋溶率（即化学物质在土壤中被水分冲刷时，化学物质在水中的含量与总量之比）；Appl 表示在土壤表面或者土壤内部使用的化学物质量。

灰水足迹评价范围可以包括：①生产链中某个特定过程的灰水足迹；②个人、产品或整体经济部门的灰水足迹；③不同空间尺度（企业、城市、国家或流域）的灰水足迹。

在微观层面，灰水足迹研究多针对单一产品展开。许多研究采用自上而下的生命周期评价方法，将生产链上各个环节的污染物排放量进行统计与累加，得到最终产品灰水足迹。农业是水污染的主要来源之一[16]，国内外针对某种农作物产品的研究较为普遍。目前已被进行灰水足迹测度的农作物产品包括稻米[17]，小麦[18]、藏红花[19]、香蕉[20]等，不同类别农作物产品单位质量灰水足迹存在显著差异性。随着畜禽产品消费需求的日益增长，核算畜禽产品灰水足迹以缓解其生产带来的水资源压力具有重要现实意义[21]。Gerbens-Leenes[22]等比较了不同国家以及不同生产模式下猪肉、牛肉和鸡肉的灰水足迹，指出决定以上三种肉类灰水足迹的主要因素包括饲料转化效率(每单位肉的饲料量)、饲料成分和饲料来源。Mekonnen 等[21]量化了牛肉、羊肉、鸡蛋、牛奶等产品水足迹，发现单位质量畜禽产品的蓝水和灰水足迹均明显高于谷物等农作物产品，促进饮食结构调整、减少畜禽产品需求为减少水消耗和水污染提供了新视角。此外，随着灰水足迹研究的深入，有研究者对工业产品灰水足迹进行初探[23]。Martínez-Alcalá 等[24]分析了四种常见药物（卡马西平、双氯芬酸、酮洛芬、萘普生）的灰水足迹，预测了实现污水再生利用对降低灰水足迹的作用。Gerbens-Leenes[25]等评估了典型建筑材料——钢铁、水泥和玻璃的灰水足迹，并识别了产生灰水足迹的关键污染物。与农作物和畜禽产品相比，关于工业产品的灰水足迹研究相对较少，原因可能包括以下几点：工业产品灰水足迹与农产品相比较数量较小，常被忽略；工业产品种类繁多，供应链包含环节复杂，难以从源头追溯整个生产过程，如何界定灰水足迹核算的边界，尚未形成一套通用成熟的指导原则。

在中观层面，一些研究者引入DNDC （Denitrification-Decomposition）、RZWQM（Root Zone Water Quality Model）等农业生态领域内模型开展生物地球化学过程模拟，用以计算农田系统的氮负荷和灰水足迹。例如，Deihimfard 等[18]采用 APSIM（Agricultural Production Systems sIMulator）模型解析伊朗典型小麦种植区域当前(1980—2010年)和未来(2040—2070年)气候条件下灰水足迹变化，结果表明雨养和灌溉农田系统的灰水足迹均呈上升趋势。Vergé 等[26]采用历史天气作为输入参数，基于DNDC 模型开展玉米和大豆生产系统氮循环模拟，发现设置不同时间步长对年度灰水足迹值会产生显著影响。同时，能—水关联视角下，能源系统的灰水足迹也开始引发广泛关注，Chini 等[27]提出了基于燃料类型、回水流量和发电量的灰水足迹月度估算模型并应用于美国热电厂，发现其灰水足迹在冬季和夏季达到峰值。能源生产排放的废水中含有重金属、氨氮、矿物油等污染物，且含有大量废热，分析能源系统灰水足迹为之前仅关注水量的能—水关联解析提供了重要补充。

在宏观层面，国内外学者从全球、国家、区域等尺度开展大量灰水足迹实证研究。全球尺度灰水足迹研究主要聚焦氮、磷污染物。Mekonnen 等[28,29]揭示了2002—2010年全球人为氮和磷排放造成的灰水足迹时空分布，并根据氮、磷污染物特定灰水足迹和可用水资源量的比值，评价主要河流的水污染状况。由于行政区域层面灰水足迹核算相关的基础统计数据（废水排放量、污染物排放量）易取得，基于国家或者行政区域尺度的灰水足迹研究更多，通过分析不同行政区域的灰水足迹特征，有助于识别水污染主要来源。此外，水体上下游联系紧密，以流域为研究单元更符合其自然属性。目前研究分析了中国长江流域[30]、海河流域[31]、西班牙塞古拉河流域[32]、智利卡恰布谷流域[33]等灰水足迹的空间分布或时间变化趋势，并与当地可用水资源总量做比较，以评价流域水环境的可持续性。

1.2 灰水足迹演化机制分析

污水处理技术进步、消费结构演变、生产规模变动等因素都会对灰水足迹产生影响。在分析不同时间段灰水足迹变化趋势的基础上，揭示灰水足迹（即水污染）变化的主要驱动因素，是灰水足迹研究值得探索的重要领域[34]。

目前研究灰水足迹驱动因素最常用的方法是结构分解分析（Structure Decomposition Analysis，SDA）方法和指数分解分析（Index Decomposition Analysis，IDA）方法。SDA 方法以投入产出模型为基础，将目标变量的变动分解为有关各独立自变量各种形式变动的和，以得到各自变量对因变量变动贡献的大小。SDA 的优势在于可反映不同区域部门之间的相互依存关系，不仅可以捕捉灰水足迹变化的直接原因，还能够反映由于产业联动作用所导致的间接效应。但SDA方法对数据要求比较高，局限于有限变量，存在分解形式的非唯一性及分解结果的非完全性等不足。IDA方法则具有操作简单、数据要求低的优点，但IDA 将各个生产部门用平行相加考虑，不能检验不同区域部门的相互依存性，一般仅用于部门或区域的总体指标分析。Incera 等[35]采用SDA—投入产出方法对全球水污染最严重10 个国家1995—2009年的灰水足迹进行因素分解，发现以上国家农业部门灰水足迹的增长主要源于食品最终需求上升，而出口商品则是欠发达国家工业部门灰水足迹增长的关键驱动因素。Li 等[36]基于动态SDA 方法分析中国工业部门2002—2015年灰水足迹变化，计算结果表明出口规模扩大和城市消费水平上升是工业部门灰水足迹增长的最主要原因，而技术进步则抑制了工业部门灰水足迹的增长。Yang等[37]增加了更具体的驱动因素，结合SDA 方法对技术进步、固定资本形成、库存变化、进口等17 个因素的驱动效应进行测度和分析，认为固定资本形成和出口商品促进了中国工业灰水足迹上升。

Zhang 等[38]结合Kaya 恒等式和IDA 中的迪氏指数分解（Logarithmic Mean Divisia Index，LMDI）方法分析中国各省份灰水足迹强度（单位GDP 灰水足迹）变化，结果显示灰水足迹强度呈整体下降趋势，阻碍欠发达省份灰水足迹强度降低的主要原因是技术效应和水资源利用效率。陈岩等[39]采用Kaya 恒等式和LMDI 对淮河流域35 个地级市农业灰水足迹效率的驱动模式进行了分类，并提出对于不同驱动模式的地区开展相应的水污染调控措施。灰水足迹作为水污染的体积衡量指标，分析灰水足迹的时间变化机理，定量、准确地识别其关键驱动因素，对于制定切实有效的水污染防治措施至关重要。

1.3 基于灰水足迹的虚拟水流动路径解析

灰水足迹（水污染）可隐含在交换商品或服务中发生跨区域流动，这被称为虚拟灰水贸易[40]。经济发展水平较高的地区通过进口商品将消费和发展的水污染负担转移到其他地区，虽然有利于本地区水污染防治目标的达成，但可能造成整个产业链上污染物排放总量的增加[41]。追溯隐含在区域贸易间的虚拟灰水流，厘清各区域水污染的空间关联关系，有助于为构筑跨区域的水污染协同防治策略提供着力点。

虚拟灰水进口量和出口量之间的差值可反映某地区虚拟灰水贸易平衡状态。如果虚拟灰水进口大于出口，则该地区为虚拟灰水净进口区域，即该地区将本地消费造成的水污染以虚拟灰水的形式转嫁至外部区域，形成水污染外部化；反之，则该地区为虚拟灰水净出口区域，承担了外部区域消费引起的水污染[42]。

总体来看，虚拟灰水贸易评估模型可分为自下而上和自上而下方法。基于自下而上方法，虚拟灰水进出口量可由产品或服务贸易量乘以单位产品或服务的虚拟灰水含量得到[43]。自下而上方法依赖于构建产品进出口贸易数据，多用于分析具体产品贸易中蕴含的虚拟灰水。而当评估一个地区包含所有产品的虚拟灰水贸易时，该方法耗时较长，且由于无法明晰进口商品是用于中间生产还是最终消费，可能造成重复计算。基于自上而下的投入产出模型可以克服该问题。投入产出表假定每个产品部门只生产一种同质产品，通过列昂惕夫逆矩阵能够完整反映经济系统内的产业链累积效应，得到各经济部门进出口贸易所诱发的虚拟灰水流[44]。

目前研究对全球或局部地区的虚拟灰水贸易开展多种形式的核算，绘制了众多国家或区域之间的虚拟灰水流动路径。O’Bannon 等[45]基于国际贸易数据和309 种农产品灰水足迹，重构全球虚拟灰水网络，并利用复杂网络分析和不平等程度统计方法识别网络结构变化特征；结果表明1986—2010年体现在农产品贸易中的虚拟灰水增加了136%。Ren 等[46]引入PEPIC（Python-based Environmental Policy Integrated Climate）模型估算2008—2012年中国网格尺度人为氮和磷负荷，以量化玉米、水稻和小麦生产造成的灰水足迹，并结合粮食调入调出数据，追溯省际粮食贸易中体现的虚拟灰水流；研究发现通过粮食贸易，中国南方将水污染外化至北方地区。Cai 等[47,48]采用多区域投入产出模型分析了中国各省份的虚拟水贸易状况，发现虚拟灰水（7946 亿t）是虚拟蓝水（918 亿t）的8.65 倍，强调了研究虚拟灰水的重要性并分析了虚拟灰水流变化的驱动因素。Hachaichi[49]揭示了全球南方181 个城市的虚拟灰水和蓝水贸易发展模式，指出虚拟水贸易是保障城市水安全的有效途径。Li 等[12]分析2012年中国区域间虚拟灰水流动格局，提出虚拟灰水流联系紧密的地区要加强省际合作，经济发展水平较高的省份在购进外省（区、市）高污染产品的同时，应给予对方更多资金和技术支持，以帮助其改进生产技术，降低水污染物排放强度。

2 现有灰水足迹核算方法的潜在问题及改进思路

有研究指出当前灰水足迹核算方法仍存在一定局限性限制了其广泛适用，具体包括（图2）：①如何定义自然背景浓度（Cε,nat）和最大容许浓度（Cε,max）具有一定挑战。不同地区污染物的自然背景浓度及最大容许浓度存在差异。许多研究将自然背景浓度统一假设为0，与其真实值背离，可能导致所得灰水足迹偏低。同时，选择不同水环境质量标准则对应不同最大容许浓度，给灰水足迹结果带来了较大不确定性[50]。②非点源污染负荷难以获取，以往研究多采用经验统计方法利用已有文献确定的污染物淋溶率进行计算，得到结果较为粗糙[51]。③污水是由多介质组成的多元体系，涉及大量的污染因素和变量，以污水中的最关键污染物作为唯一指标评价灰水足迹尚不能全面客观地量化污染物负荷对受纳水体的综合影响，可能导致得到的灰水足迹置信率较低[52]。④目前对该方法的使用多仅考虑受纳水体物理稀释作用，而忽略了由于生物、化学作用等使污染物在自然水体中发生的浓度衰减过程。

图2 灰水足迹核算方法的潜在问题及改进思路

针对此，近期少数研究尝试对传统灰水足迹核算方法进行改进。李莉等[53]为解决传统方法中污染物最大容许浓度值不确定性问题，构建基于三角模糊数理论的灰水足迹核算方法，结果表明改进方法能更准确识别水质风险，所得结果与实际水功能区水质达标率评价等级更为接近。Yu 等[54]耦合水质指数法和二分搜索算法考虑多污染物对灰水足迹的综合影响，发现基于单一污染物的灰水足迹核算方法可能高估水污染程度，削弱灰水足迹作为水污染指标的应用范围，其建议将改进的灰水足迹方法运用到实际的水环境管理，为评估水环境可持续性提供有效指标。Li 等[52]结合质量平衡方程和模糊综合评价，开发基于多污染物的灰水足迹模型，并以北京市为例，指出了方法改进前后灰水足迹变化程度。其发现基于改进方法得到的灰水足迹结果并非固定值而是阈值，且阈值下限相较于传统方法显著下降，灰水足迹阈值可为水环境管理提供一定弹性空间。Zhi 等[55]结合一维水质模型分析海河流域各经济部门灰水足迹，其优势是在灰水足迹核算过程中进一步考虑了污染物在自然水体中发生的浓度衰减过程。Zuo 等[56]利用SWAT（Soil and Water Assessment Tool）模型、统计分析和情景分析等方法，确定了不同土地利用类型下非点源污染负荷及灰水足迹的变化，并基于灰水足迹理论对非点源污染风险进行评价。De Girolamo[52]提出了一种将SWAT模型与流域尺度的河流监测活动相结合的新方法，以减少灰水足迹核算的不确定性。该方法的好处是可解决由于作物种类和种植管理方式多样化带来的详尽数据难以获取的问题，能更准确估算农田氮磷负荷，从而提高灰水足迹核算输入数据的精度。

灰水足迹核算结果的可靠性和精度是准确评估水污染，制定有效的水污染防治策略的基础。以上方法在一定程度上减少了核算过程中的不确定性。然而，自然背景浓度、最大容许浓度如何取值尚未形成通用准则[16]。根据文献综述我们提出未来研究可进一步明确最大允许浓度的选取标准，开展自然背景浓度值调查，提升灰水足迹模型相关参数的准确性。同时，针对非点源污染负荷难以获取问题，可结合实地监测、非点源污染模型[ 如SWAT、HSPF（Hydrological Simulation Program-FORTRAN）]等方法进行估算。相较于以往灰水足迹研究针对非点源污染常采用的经验统计方法，基于SWAT 等非点源污染模型得到的结果更接近客观实际，但涉及参数多，需积累较多水文资料，应用过程较复杂。围绕灰水足迹核算仅考虑单一污染物的问题，未来可引入更多综合评价方法（如综合指数法、熵权分析法等）将多种污染物的影响纳入进来，并比较不同方法的适用范围和评价结果的异同。此外，引入水质模型模拟污染物在受纳水体中的迁移和衰减过程是灰水足迹方法改进的重要思路之一。当前研究多结合一维水质模型假设污染物在纵向上存在浓度梯度，横向和垂直方向能完全混合。当评价行政区域尺度的灰水足迹时，分析每个排污口所处河流的水文条件，分别对相关参数进行率定并不现实，因而采用基于一维水质模型概化的灰水足迹方法具有可行性。而当对某条河流或湖泊的灰水足迹进行精细化研究时，未来可根据具体情况选择一维或二维水质模型。

3 实现灰水足迹有效应用的保障机制

灰水足迹概念自产生以来在国内外得到了广泛关注，但在实践管理领域仍有待进一步探索。为实现灰水足迹有效应用，未来研究可从以下几方面着力。

3.1 构建高时空分辨率灰水足迹数据库

目前灰水足迹研究在时空尺度上较为粗略，亟须构建高时空分辨率灰水足迹数据库，以支持可实操可落地的水污染防治策略。

从空间尺度来看，当前灰水足迹研究主要关注全球、国家及流域等宏观尺度，难以实现对高污染区域的精准识别。有少量研究基于高分辨率网格尺度揭示了农业氮、磷污染物的灰水足迹空间分布特征，但网格单元层面工业及生活的灰水足迹仍缺乏关注。当前水污染问题成因呈复杂化多元化态势，水环境管理方式亟须向网格化、精细化转型。未来开发涵盖多部门、多污染物的高分辨率网格尺度灰水足迹数据库可为水污染溯源分析及水资源可持续精细化管理提供数据基础和技术支持。

此外，从时间上来看，灰水足迹实证研究存在明显滞后性。提高其时效性，分析长时间序列灰水足迹变化趋势，可为水污染防治提出更有针对性、更符合当前环境态势的措施建议。同时，目前灰水足迹研究多以年为单位，通过计算灰水足迹与可用水资源总量的比值反映当地水污染程度。然而，众多区域的水资源在时间上分布不均匀，例如中国水资源的时间分布呈夏秋多、冬春少的特征。因此，年际尺度的灰水足迹研究难以反映水污染程度的季节性变化。未来开展月度或者更小尺度灰水足迹核算有助于反映水污染程度的连续变化，准确识别高污染时段。

3.2 基于实体—虚拟灰水耦合流动格局开展生态补偿机制研究

由于自然水体的连通性，污染物可通过自然河流携带，从上游迁移到下游。我国的流域经济区具有较典型的产业结构空间分布特征，上游区域多集中在高污染、高消耗、高排放的产业，以自然资源的巨大投入为代价拉动经济的增长，这种特殊的产业链空间结构对整个流域的生态环境尤其是中下游地区的水环境造成了严重影响[57]。许多研究基于水质模型预测实体灰水流动路径，并对水环境的跨界管理提出了生态补偿策略[58,59]。但是，分析实体灰水流动只能解决流域内的跨界水污染问题。虚拟灰水流动包含的空间范围比实体灰水更广，且随着经济的快速发展，虚拟灰水总量呈递增趋势，加剧区域间环境代价和经济发展机会的不平衡。基于实体灰水和虚拟灰水耦合流动格局探讨跨区域生态补偿机制，有助于平衡经济发展与水环境保护之间的关系，强化多元主体协商共治，进而促进水资源的可持续利用。

3.3 构筑产品灰水足迹标签制度以消费侧选择引导生产侧绿色转型

灰水足迹标签指的是对产品或服务全生命周期过程（包括原料、制造、储运、废弃）中所消耗的灰水进行核算并通过标签的形式告知消费者，即灰水足迹的标签化。推行灰水足迹标签可帮助构建灵活的沟通机制，通过在产品标签上用量化的标示指数，直接影响消费者决策从而选择低足迹产品，并且间接影响生产侧，倒逼企业绿色转型使自身适应市场需求。此外，灰水足迹标签制度也提供了一套评价体系，可以据此对生产产品不同阶段的灰水使用情况进行披露和管理。已有组织机构及企业尝试将水足迹（包含灰水足迹）标注在商品上，但由于产品种类繁多，包含供应链复杂，目前尚未建立完善的水足迹标签体系。将灰水足迹纳入生态标签中，有助于从政府、行业、企业和消费者不同层面提高对水资源的认识和管理水平，引领可持续消费并带动绿色经济发展。

4 结语

灰水足迹是水资源领域不断发展并日益受到关注的重要方向。灰水足迹研究为评估人类活动对水质的影响提供了量化指标，为从根本上解决水污染问题提供了新思路和新方法。通过核算不同时空尺度的灰水足迹，剖析灰水足迹演化机制可识别污染关键区域及主要社会经济驱动因素。此外，基于灰水足迹的虚拟水研究给予现行水污染管控措施的重要启示为：水污染存在空间关联关系，外部消费是造成局部区域水污染的重要因素之一，虚拟灰水流联系紧密的地区可加强合作，通过合理分配资金投入，共享先进减排技术等构筑跨区域协同的水污染防治体系。

当前的灰水足迹核算方法仍存在一定局限性，亟待结合水文模型、水质模型、综合评价等方法提高其精度。同时，为促进其深度应用，未来灰水足迹研究可拓展和深入探索的方向包括：挖掘高时空分辨率灰水足迹数据，基于实体—虚拟灰水耦合流转格局探寻生态补偿机制，构建产品灰水足迹标签制度以消费侧选择引导生产侧绿色转型。