长江流域农业灰水足迹效率的时空演变、空间集聚格局与多因素交互驱动机制

《Frontiers in Environmental Science》：Spatiotemporal evolution and driving mechanisms of agricultural grey water footprint efficiency in the Yangtze River Basin

　　

引言：以农业灰水足迹（agricultural grey water footprint, AGWF）为表征的农业非点源污染对长江流域（Yangtze River Basin, YRB）的水生生态系统、农业可持续性及人类福祉构成重大威胁。然而，目前对全流域农业灰水足迹效率（agricultural grey water footprint efficiency, AGWFE）的长期时空演变、空间依赖性及形成机制仍缺乏系统性认识。

方法：本研究构建了一个集成分析框架，将AGWF核算、效率测度、探索性空间数据分析（exploratory spatial data analysis, ESDA）与地理探测器（GeoDetector）分析相结合。基于YRB 19个省级区域2000—2020年的面板数据，研究人员系统考察了AGWFE的时间演变、空间集聚、空间分异特征及驱动机制。

结果：结果表明，研究期内AGWF总体呈波动下降趋势，而AGWFE则呈波动上升趋势。AGWFE存在显著的空间异质性和空间依赖性。高—高（H-H）集聚区主要集中在YRB下游地区，而低—低（L-L）集聚区主要分布在青藏高原及中国西部地区。人口和农业用水量被识别为解释AGWFE空间分异的主要因素。此外，社会人口因素与基础资源禀赋条件之间的交互作用表现出比单一因素更强的解释力，表明AGWFE的空间分异是由多重交互作用力共同塑造的。

讨论：结果表明AGWFE由资源禀赋和社会经济条件共同塑造。这些发现为优化YRB农业生产结构和制定差异化的水污染控制政策提供了科学依据。

**论文解读**

**一、研究背景与问题提出**

长江流域（Yangtze River Basin, YRB）作为中国最大的河流流域，拥有丰富的水资源，在维护国家生态安全、保障农业生产和支撑社会经济发展中发挥着至关重要的作用。然而，快速工业化、城镇化、人口增长及日益增加的用水需求已显著加剧了流域内的水污染和生态压力。YRB是中国主要的农业生产基地，其农业用水量占全国总量的26.90%，粮食产量占32.50%，年屠宰牲畜超过3.4亿头。但过量化肥施用、粗放的畜禽养殖方式、不合理的土地利用以及农业废弃物处理不足，导致农业非点源污染日益严重。流域内多个省级区域的化肥施用强度已超过推荐安全限值225 kg/hm²，增加了养分流失和水体富营养化的风险。因此，由水污染引发的水资源短缺已成为制约YRB农业可持续发展和经济社会协调发展的重要因素。

灰水足迹（grey water footprint, GWF）框架为评估人类活动与水资源之间的关系提供了有益视角。GWF表示在自然本底浓度条件下，将污染物负荷稀释至规定水质标准所需的水量，通过将水污染以体积形式表达，使水资源消耗与污染压力可在统一框架内进行比较。农业灰水足迹（agricultural grey water footprint, AGWF）是GWF的重要来源，但AGWF仅反映农业污染的绝对环境压力，无法直接指示农业经济产出是否以不成比例的高污染相关水需求为代价来实现。为此，农业灰水足迹效率（agricultural grey water footprint efficiency, AGWFE）将农业经济产出与污染同化所需的水资源压力联系起来，提供了以效率为导向的补充视角。

尽管已有研究取得了一定进展，但仍存在若干不足之处。第一，以往研究主要关注AGWF的数量规模，对AGWFE的关注相对有限。第二，区域研究多集中于长江经济带或经济较发达的省份，忽视了上游及西部地区在水源涵养、污染物输移和流域整体生态安全中的重要作用。第三，现有研究普遍强调时间趋势和单一因素的影响，较少关注空间依赖性以及社会经济、农业生产和资源禀赋因素之间的交互效应。为此，本研究构建了一个集成AGWF核算、效率评价、探索性空间数据分析（exploratory spatial data analysis, ESDA）和地理探测器（GeoDetector）的综合分析框架，基于YRB 19个省级区域2000—2020年的面板数据，系统考察AGWF和AGWFE的时间演变与空间格局，并识别AGWFE空间分异的单一及交互驱动因素。

**二、主要技术方法概述**

本研究采用的核心技术方法包括以下四个方面。（1）AGWF核算：基于Hoekstra和Mekonnen提出的灰水足迹框架，以氮（nitrogen, N）为种植业基准污染物，采用7%的氮淋溶率估算种植业灰水足迹（GWF_pla）；以化学需氧量（chemical oxygen demand, COD）和总氮（total nitrogen, TN）为畜禽养殖业参考污染物，计算粪便和尿液排放的污染负荷及相应的灰水足迹（GWF_bre），最终取二者中的最大值汇总得到AGWF。（2）AGWFE效率指标构建：将农业增加值与AGWF的比值定义为AGWFE，衡量单位污染相关水压力下所产生的农业经济价值。（3）ESDA方法：通过全局Moran's I指数检验空间自相关性，采用局部空间关联指标（local indicator of spatial association, LISA）识别H-H、L-L、H-L和L-H四种空间集聚类型。（4）GeoDetector分析：包括因子探测和交互探测，前者量化各驱动因素对AGWFE空间分异的解释力（q值），后者评估两两因素交互作用是否增强或减弱对AGWFE空间分异的影响。所有连续型解释变量均采用自然断点法（Natural Breaks）进行离散化处理。研究数据来源于《中国统计年鉴》和《中国农业统计年鉴》，覆盖YRB范围内19个省级区域（上海、江苏、浙江、安徽、福建、江西、河南、湖北、湖南、广东、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海）2000—2020年的面板数据；畜禽排泄系数及污染物进入水体的流失率参考《全国规模化畜禽养殖业污染情况调查及防治对策》，水质标准参照《地表水环境质量标准》（GB 3838-2002）中III类水标准。

**三、主要研究结果**

**3.1 AGWF和AGWFE的测度与区域特征**

在流域尺度上，YRB的AGWF在研究期内总体呈波动下降趋势，从2000年的1033.0亿 m³ 先小幅上升至2012年的1133.7亿 m³（增长9.74%），随后持续下降至2020年的864.5亿 m³（较2012年下降23.74%）。与此相对，AGWFE呈显著增长趋势，从2000年的15.94 CNY/m³ 上升至2020年的43.98 CNY/m³，增幅达175.90%，尤其自2015年以来增速明显加快，这与2015年中国颁布的《水污染防治行动计划》密切相关。就上中下游分区域而言，上游、中游和下游的年均AGWF分别为198.4亿、198.0亿和201.6亿 m³，其中下游下降幅度最大，中游次之，上游降幅最小。AGWFE方面，中游增幅最高（210%），下游次之（174%），上游增幅最小（164%）。

在省级尺度上，AGWF最高的省份为河南（年均412.7亿 m³），其次为四川和云南；最低的为上海（年均10.9亿 m³）。AGWFE呈现显著的东西差异：高效率区集中于东部沿海（浙江、福建、上海），其年均AGWFE普遍高于20 CNY/m³；较高效率区包括广东和江苏；中等效率区包括湖北、河南、重庆、安徽、江西、湖南、广西和陕西；较低效率区包括甘肃、四川、云南和贵州；最低效率区为西藏和青海，尽管其AGWF较低，但农业增加值在YRB中排名靠后，导致AGWFE极低。

**3.2 AGWFE的空间关联与分异特征**

全局空间自相关分析表明，2000—2020年YRB的AGWFE全局Moran's I指数在[0.192, 0.228]区间内波动，且均通过1%显著性水平的Z检验，总体呈上升趋势，表明AGWFE存在显著的正空间自相关性，且该空间依赖性在研究期内持续增强。

局部空间自相关分析显示，AGWFE的空间集聚格局相对稳定，呈"东高西低"的分布特征。H-H集聚区主要包括上海、江苏、浙江和福建，集中于东南沿海水资源丰富、经济发达的地区，且安徽省于2005年后由L-H区转入H-H区，表明高值集聚有向周边扩散的趋势。L-L集聚区主要包括青海、甘肃和四川，稳定分布于中国西北和西南地区，尽管AGWFE略有上升，但与东部地区差距依然显著。L-H集聚区相对不稳定，安徽和江西因毗邻高值区而具有"被扩散"的区位优势，其AGWFE增速较快。研究期间未出现H-L集聚类型。

**3.3 AGWFE空间分异的因子识别**

因子探测结果表明，按2000—2020年平均解释力（q值）排序，各因素对AGWFE空间分异的影响依次为：城镇化水平（ur，q = 0.774）> 农业用水量（awu，q = 0.710）> 人均GDP（pgdp，q = 0.686）> 农业机械化水平（pow，q = 0.681）> 耕地面积（ica，q = 0.672）> 产业结构（is，q = 0.611），其中ur和awu是主导因素。从时间纵向变化看，ica、pgdp和awu的q值总体呈波动下降趋势，表明资源禀赋和经济发展水平对AGWFE空间分异的约束作用逐渐减弱；pow的q值在2010年后变化幅度增大；is的q值呈先降后升的U型特征。

交互探测结果表明，所有两两因素交互作用的q值均大于单一因素，且多数呈现非线性增强效应（即交互q值大于两因子q值之和）。其中，ur与ica、ur与awu的交互作用在大多数年份解释力最高，表明城乡结构与耕地资源禀赋、农业用水特征的交织对AGWFE空间分异贡献尤为突出。相比之下，is与pgdp的交互作用相对最弱。总体而言，AGWFE的空间分异是社会经济因素、农业生产条件和资源禀赋共同作用的结果。

**四、讨论与结论**

本研究表明，仅从污染压力角度无法充分理解农业环境绩效的变化——AGWF的下降反映污染物同化所需水量的减少，而AGWFE的上升则表明单位污染相关水压力下产生了更高的农业经济价值，二者结合方能提供更为全面的认识。AGWFE的"东高西低"格局与Fu等人的研究基本一致，但本研究进一步揭示了该差异并非孤立的省级差异，而是表现出可识别的空间集聚特征。东部和下游地区较高的AGWFE可归因于较强的经济和技术能力，使其能够投资于农业现代化、节水技术和精准施肥；而西部和上游地区的低AGWFE则受限于生产条件、基础设施、技术采纳和经济产出水平。GeoDetector结果进一步揭示，城镇化水平和农业用水量是影响AGWFE空间分异的主导因素，且各因素之间的交互作用具有更强的解释力，表明区域环境绩效不能从单一资源维度理解。因此，统一的政策方案难以在YRB全流域同等有效：高效率区应巩固现有优势，推广精准施肥、节水灌溉和绿色农业技术；低效率区应重点改善农业基础设施，推广适宜的机械化及绿色生产技术，提高农业资源投入的经济产出效率。同时，流域治理应加强上下游协调、技术扩散和差异化的环境管理责任分工。

研究结论如下：YRB的AGWF从2000年的1033.1亿 m³ 下降至2020年的864.6亿 m³，总体呈波动下降趋势；而AGWFE从15.95 CNY/m³ 大幅上升至43.99 CNY/m³。AGWFE呈现明显的空间分布特征，高效率区集中于东部沿海，低效率区集中于上游地区。全局空间自相关分析揭示AGWFE存在显著的空间集聚现象且逐年增强；局部空间自相关分析显示H-H集聚区主要包括上海、江苏、浙江和福建，L-L集聚区主要位于中国西部地区（青海、四川、甘肃），L-H集聚区较为不稳定（主要包括安徽和江西），不存在H-L集聚区。因子探测结果表明，经济发展水平、城镇化水平、产业结构、耕地面积、农业机械化水平和农业用水量均显著解释AGWFE的空间分异，其中城镇化水平和农业用水量为主要解释因素。交互探测结果表明AGWFE的空间分异是社会经济和资源禀赋等多重因素共同作用的结果，且双因子交互效应强于单一因子效应。城镇化水平与耕地面积的交互效应最大，城镇化水平与农业用水量的交互效应次之，产业结构与经济发展的交互效应最弱。