基于水足跡的民勤縣農(nóng)作物耗水當(dāng)量與氣候響應(yīng)評(píng)估

韓 杰，陳興鵬

(蘭州大學(xué)資源環(huán)境學(xué)院， 甘肅 蘭州 730000)

氣候變化已經(jīng)通過降水的重新分配、地表及地下水循環(huán)等要素影響水文循環(huán)[1-2]。不斷加劇的水資源競(jìng)爭(zhēng)伴隨著氣溫、降水和蒸散量的變化已經(jīng)嚴(yán)重影響了農(nóng)業(yè)生產(chǎn)的水資源利用[3]。除了技術(shù)水平和作物種類的不斷改進(jìn)，天氣和氣候依然是影響農(nóng)業(yè)生產(chǎn)的主要不可控因素[4]，尤其在干旱缺水的生態(tài)脆弱區(qū)，農(nóng)業(yè)生產(chǎn)對(duì)氣候變化更加敏感[5]。民勤作為以農(nóng)業(yè)為主的綠洲，農(nóng)業(yè)水消費(fèi)占比達(dá)80%以上，農(nóng)業(yè)開發(fā)是對(duì)綠洲生態(tài)系統(tǒng)影響最劇烈的人類活動(dòng)，研究氣候變化對(duì)綠洲農(nóng)業(yè)耗水的影響尤為重要。佟玲等[6]通過對(duì)石羊河流域主要農(nóng)作物蒸散量(ETC)的時(shí)空分析，得出近50年來(lái)民勤地區(qū)主要農(nóng)作物的蒸散量呈下降趨勢(shì)。孫世坤等[7]研究了基于CROPWAT 模型的民勤棉花和春小麥非充分灌溉情景，從實(shí)測(cè)結(jié)果得出：棉花的需水高峰期在6—7月份，日蒸發(fā)蒸騰量的最大值約為4.8 mm。劉勤等[8]對(duì)西北旱區(qū)參考作物蒸散量對(duì)氣候變化的敏感性進(jìn)行了分析。但以上這些研究主要是針對(duì)作物蒸散量，缺乏對(duì)單位作物耗水當(dāng)量影響的研究，同時(shí)關(guān)于氣候變化與農(nóng)業(yè)關(guān)系的研究也主要集中在氣候?qū)ψ魑锂a(chǎn)量的影響。例如EI-Maayar, Lange[9]將氣候變化對(duì)作物產(chǎn)量的影響因子分為氣候性和非氣候性(非氣候性要素包括農(nóng)業(yè)投入、作物化學(xué)處理和氣候變化等)。Niu X K等[10]認(rèn)為在目前的耕作水平下隨著作物基因改善、農(nóng)業(yè)管理水平的提高，我國(guó)東北地區(qū)的作物產(chǎn)量在過去60年有了很大提高，但作物產(chǎn)量的長(zhǎng)期震動(dòng)趨勢(shì)卻與氣溫、降水以及極端天氣等氣候要素息息相關(guān)。單位作物耗水當(dāng)量與作物產(chǎn)量相似，可以理解為氣象要素和技術(shù)條件的綜合，所以本研究在水足跡的基礎(chǔ)上主要參照作物產(chǎn)量與氣候關(guān)系的系列研究，將單位作物耗水當(dāng)量分為氣候耗水當(dāng)量和經(jīng)濟(jì)技術(shù)耗水當(dāng)量，并通過構(gòu)建統(tǒng)計(jì)模型研究氣候耗水當(dāng)量與氣候因子之間的關(guān)系[11]。

以往基于虛擬水方法計(jì)算的產(chǎn)品水足跡僅僅報(bào)道水資源消耗和污染量，并不能直觀地體現(xiàn)相應(yīng)的環(huán)境影響[12-15]。而在水資源壓力指數(shù)(WSI)[16-19]和生命影響周期理論框架下提出的相關(guān)方法[20-23]，則使全球水資源利用的影響評(píng)價(jià)更加客觀精確。在民勤地區(qū)將水足跡(WF)和水資源壓力指數(shù)(WSI)結(jié)合起來(lái)研究水足跡和水資源利用影響評(píng)估的方法尚處于初始階段，綜上所述本研究的主要目的是：(1) 將WF和WSI結(jié)合起來(lái)評(píng)估民勤8種主要農(nóng)作物的耗水當(dāng)量。(2) 通過方法對(duì)比擇優(yōu)分離玉米、小麥、棉花和瓜類四種典型作物的氣候耗水當(dāng)量。(3) 構(gòu)建回歸模型探討單位作物氣候耗水當(dāng)量與氣候因子的關(guān)系。

1 研究區(qū)概況

武威市民勤縣位于東經(jīng)101.49°至104.12°，北緯38.04°至39.27°，地處河西走廊東部，石羊河流域下游，東北和西北方向分別被騰格里沙漠和巴丹吉林沙漠包圍，中部是因石羊河的沖擊灌溉而形成的綠洲。當(dāng)?shù)貧夂蚋珊担L(fēng)沙危害嚴(yán)重，年降水量110 mm，而潛在蒸發(fā)量約高出平均降水量23倍。依據(jù)民勤54年的氣象資料，民勤氣溫變化趨勢(shì)與全球氣候變化一致[24]，總體呈現(xiàn)波動(dòng)上漲的趨勢(shì)，其中冬季平均氣溫上升速率最快，平均最高氣溫增幅較平均最低氣溫增幅稍慢，氣溫每升高1℃，相應(yīng)的潛在蒸散量增加75 mm·a-1[25]。歷年平均降水變率較大，但整體也表現(xiàn)出微弱的增加趨勢(shì)，夏季降水則表現(xiàn)出減少趨勢(shì)，且年內(nèi)分布不均，春季降水增幅大于秋冬兩季。降水的季節(jié)分配不均和潛在蒸散量的增加導(dǎo)致農(nóng)田耗水當(dāng)量的增加，加劇水資源短缺程度。但民勤光熱配合相對(duì)較好，晝夜溫差大，適合作物生長(zhǎng)，尤其適宜糖分的累積，是發(fā)展糧、棉、油及各類瓜果的理想之地[26]。這里主要選取玉米、棉花、小麥、馬鈴薯、葵花、蘋果、蔬菜、瓜類8種主要作物進(jìn)行研究，重點(diǎn)探討了民勤4種典型作物耗水變化與氣候之間的關(guān)系。

2 數(shù)據(jù)來(lái)源和研究方法

2.1 數(shù)據(jù)來(lái)源

1991—2013民勤8種主要農(nóng)作物種植面積及產(chǎn)量數(shù)據(jù)來(lái)自歷年《民勤統(tǒng)計(jì)年鑒》，部分?jǐn)?shù)據(jù)來(lái)自《民勤縣生態(tài)環(huán)境治理匯編》和《民勤縣志》。包括最低氣溫、最高氣溫、相對(duì)濕度、風(fēng)速、降水量、日照時(shí)數(shù)在內(nèi)的1991—2013年月度氣象數(shù)據(jù)來(lái)源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://www.gsei.com.cn)。主要農(nóng)作物調(diào)節(jié)系數(shù)Kc及8種主要作物的生長(zhǎng)期主要參考佟玲等[6]的研究成果。

2.2 研究方法

2.2.1 作物需水量的計(jì)算 水足跡的概念被用來(lái)評(píng)估民勤縣8種主要農(nóng)作物的需水量，農(nóng)作物生長(zhǎng)期內(nèi)水足跡(WFcrop)的計(jì)算方法參照Hoekstra et al[14]：WFcrop=WFcrop,green+WFcrop,blue(m3·t-1)

圖1種植日歷

Fig.1 Farming almanac

WFcrop,green指的是作物生長(zhǎng)過程中綠水消耗量，綠水其實(shí)就是作物生育期內(nèi)雨水的總蒸發(fā)量，WFcrop,blue是藍(lán)水資源的消耗量，包括河水、湖水、地下水或總灌溉水蒸發(fā)量(m3·hm-2)?；宜籑ekonnen和Hoekstra引入一般性水足跡計(jì)算公式[27]，指的是作物管理過程中使用的化肥和農(nóng)藥等必然會(huì)對(duì)環(huán)境造成一定程度的污染，需要一定量的水資源對(duì)污染物進(jìn)行稀釋使水質(zhì)達(dá)到安全標(biāo)準(zhǔn)，這部分水資源量就稱為灰水。這里因?yàn)閿?shù)據(jù)的局限性以及農(nóng)作物的灰水消耗量并不是嚴(yán)格意義上的實(shí)體水消費(fèi)，而主要和水污染相關(guān)，不屬于直接的水資源消耗，所以計(jì)算水足跡時(shí)灰水沒有被考慮進(jìn)去[28]。為了計(jì)算WFgreen和WFblue，需要通過作物調(diào)節(jié)系數(shù)(Kc)計(jì)算作物蒸散量(ET)，參考作物蒸散量(ETo)的計(jì)算公式如下[29]：

ETcrop=Kc×ET0(mm·d-1)

(1)

(2)

作物蒸散量是兩部分的水分流失，分別為土壤表面的蒸發(fā)和作物蒸騰。ETcrop是作物蒸散量(mm·d-1)，Kc為作物調(diào)節(jié)系數(shù)(無(wú)量綱)，ET0是參考作物蒸散量(mm·d-1)，參照聯(lián)合國(guó)糧農(nóng)組織(FAO)推薦的Penman-Monteith公式，運(yùn)用Cropwat作物需水軟件進(jìn)行計(jì)算。方程(2)是WFcrop的一般計(jì)算方法。因子10是將水深單位mm轉(zhuǎn)化為水的體積單位m3·hm-2，求和是指作物生長(zhǎng)期內(nèi)從播種日(第一天)到收獲日總蒸散量，lgp表示生長(zhǎng)期的天數(shù)。通過作物蒸散量ETcrop計(jì)算WFgreen和WFblue的具體步驟如下：

計(jì)算每種作物的蒸散量ETcrop；

計(jì)算作物生長(zhǎng)期內(nèi)的有效降水量ER；

WFcrop,green通過比較作物生長(zhǎng)期內(nèi)的潛在蒸散量與有效降水量(ER)來(lái)確定，當(dāng)ET>ER時(shí)，WFcrop,green等于有效降水量；然而，當(dāng)ET

WFcrop,blue即是灌溉需水量，如果ET>ER，WFcrop,green=ET-ER；若ET

2.2.2 水資源壓力指數(shù)和水資源消耗影響評(píng)價(jià) 農(nóng)作物單位水資源消費(fèi)量對(duì)水資源匱乏區(qū)所造成的影響要大于水質(zhì)資源富足區(qū)，僅單純考慮量的計(jì)算并不能深刻地反映區(qū)域的水資源狀況，為了有效地評(píng)估不同區(qū)域水資源短缺程度，采用了水資源壓力指數(shù)(WSI)的概念。Pfister等[19]首先利用生命周期影響評(píng)價(jià)的方法，全面考慮生態(tài)、水文、經(jīng)濟(jì)社會(huì)各方因子，計(jì)算了全球0.5°空間分辨率下的WSI值，并評(píng)估了其對(duì)人類健康、生態(tài)系統(tǒng)質(zhì)量、自然資源的危害性，以便因地制宜的評(píng)價(jià)淡水資源消耗的影響。水資源壓力指數(shù)的上下限值分別為0.01和1，水資源壓力的程度分為五個(gè)等級(jí)，包括極端型(WSI>0.9)，嚴(yán)重型(WSI≤0.9)，壓力型(WSI=0.5)，一般型(0.1≤WSI<0.5)和低值型(WSI<0.1)。具體計(jì)算公式如下：

(3)

WTA指的是不同部門淡水資源取用量(包括工業(yè)、農(nóng)業(yè)和家庭用水量)與淡水資源可用量的比值。民勤縣WSI值直接采用Pfister等全球0.5°空間分辨率的計(jì)算結(jié)果[19]，通過其行政邊界內(nèi)各柵格的WSI均值得到。為了便于評(píng)估和比較不同區(qū)域農(nóng)作物水資源使用量的影響，將通過公式得到的民勤縣WSI值作為權(quán)重，計(jì)算不同農(nóng)作物的水資源消費(fèi)量，即是所謂的農(nóng)作物耗水當(dāng)量(water deprivation)。耗水當(dāng)量通過不同作物的藍(lán)水需水量乘以特定區(qū)域i的水資源壓力指數(shù)(WSI)進(jìn)行量化，單位作物耗水當(dāng)量用產(chǎn)量數(shù)據(jù)進(jìn)行計(jì)算，公式如下：

Water deprivationcrop,i=WFcrop,blue,i×WSIi

(4)

(5)

耗水當(dāng)量的單位是立方米水資源相當(dāng)量(m3eq)，Ycrop,i為區(qū)域i某作物的總產(chǎn)量，Vcrop,i表示單位耗水當(dāng)量，單位m3eq·kg-1。計(jì)算耗水值的優(yōu)勢(shì)在于方便決策者將民勤縣不同農(nóng)作物水資源消耗的影響與其它水資源壓力指數(shù)不同的區(qū)域進(jìn)行對(duì)比，突出區(qū)域水資源特征。較低的農(nóng)作物水耗意味著與其它水資源使用主體或上游區(qū)域存在相對(duì)較弱的競(jìng)爭(zhēng)力，水資源的消費(fèi)對(duì)環(huán)境和生態(tài)的影響較小。

圖2 石羊河流域水資源壓力指數(shù)

2.2.3 氣候耗水當(dāng)量的分解 一般情況，在任何年份作物產(chǎn)量均可以表示為作物管理水平、氣候要素貢獻(xiàn)和誤差的總和。作物管理水平包括科技變化和其它非氣候要素，它們主要由生產(chǎn)力發(fā)展水平所決定。氣候產(chǎn)量又叫波動(dòng)產(chǎn)量，反映的是氣候變化導(dǎo)致的短期產(chǎn)量波動(dòng)。農(nóng)作物耗水當(dāng)量主要受經(jīng)濟(jì)社會(huì)和氣候要素的影響，隨著經(jīng)濟(jì)發(fā)展、社會(huì)進(jìn)步而緩慢變化，隨著溫度、濕度、降水等氣候要素的變化上下波動(dòng)，與農(nóng)作物產(chǎn)量的變化相似。所以，本文引入作物產(chǎn)量的分解方法和理論，將農(nóng)作物耗水當(dāng)量分解為趨勢(shì)項(xiàng)Yt(經(jīng)濟(jì)社會(huì)耗水當(dāng)量)、波動(dòng)項(xiàng)Yw(氣候耗水當(dāng)量)和隨機(jī)項(xiàng)ΔY[30-31]。

Y=Yt+Yw+ΔY

(6)

如何準(zhǔn)確分解作物氣候耗水當(dāng)量也是探討氣候變化和作物耗水變化之間關(guān)系的問題所在。目前，為了分解作物經(jīng)濟(jì)技術(shù)耗水當(dāng)量，許多數(shù)學(xué)方法被用來(lái)模擬農(nóng)作物因經(jīng)濟(jì)社會(huì)因子變化帶來(lái)的趨勢(shì)性耗水當(dāng)量。一般而言，主要的分解方法有移動(dòng)平均、羅杰斯蒂曲線、柯布道格拉斯生產(chǎn)函數(shù)、多項(xiàng)式法和高通濾波法。本文采用線性調(diào)和滑動(dòng)平均數(shù)法、滑動(dòng)直線平均數(shù)法和HP濾波法對(duì)8種農(nóng)作物進(jìn)行分解，并用相關(guān)分析和逐步回歸分析法研究氣候耗水當(dāng)量和相關(guān)氣候因子之間的關(guān)系。

(1) 線性調(diào)合滑動(dòng)平均數(shù)法

調(diào)和平均數(shù)(Harmonic Average)即所謂的倒數(shù)平均數(shù)，它是指所有變量倒數(shù)的算術(shù)平均數(shù)的倒數(shù)。特點(diǎn)是在滑動(dòng)平均步長(zhǎng)內(nèi)，距離歷史年份i越近的年份，對(duì)第i年的技術(shù)產(chǎn)量影響就越大。具體計(jì)算公式如下：

(7)

(8)

cj-k+1是五年調(diào)和移動(dòng)平均的系數(shù)。

(2) 滑動(dòng)直線平均數(shù)法

直線滑動(dòng)平均是一種線性回歸和移動(dòng)平均相結(jié)合的預(yù)測(cè)方法，它將時(shí)間序列滑動(dòng)步長(zhǎng)內(nèi)的耗水趨勢(shì)看作直線，用后延位置的改變反映時(shí)間序列的趨勢(shì)性變化。特定階段的線性回歸方程的計(jì)算方法如下：

Yi(i)=m(i)+n(i)t,t=1,2,3…,n-h+1

(9)

式中，h為滑動(dòng)時(shí)間步長(zhǎng)，n為樣本量，i…n-h+1是方程個(gè)數(shù)，t為時(shí)間序號(hào)(t=T-1990，T為年份)；當(dāng)i=1，t=1，2，3，…，k；i=n-h+1時(shí)，t=n-h+1，n-h+2，n-h+3，……，n。

其次，每個(gè)方程在t點(diǎn)函數(shù)值yi(t)計(jì)算公式為：

(10)

每個(gè)t點(diǎn)上分別有p個(gè)函數(shù)值，其中p的多少與n、h有關(guān)。

(3) HP濾波法

HP濾波法最早由Hodrick和Prescott[32]提出，是經(jīng)濟(jì)學(xué)中用來(lái)消除時(shí)間序列趨勢(shì)成分，從中抽取一條平滑曲線的常用方法。對(duì)此目前主要有兩種理解：(1) HP濾波可以理解為一個(gè)特殊的射影，可以從時(shí)間序列{yn}分離出某個(gè)信號(hào)gt，一般認(rèn)為yn是由gt和正交噪聲兩部分組成[32]。(2) HP還可以理解為一個(gè)以時(shí)間序列譜分析為基礎(chǔ)的高通濾波器(high-pass filter)，在所有不同頻率成分中將低頻率成分濾除，保留高頻率成分，也即是消除長(zhǎng)期趨勢(shì)，僅對(duì)短期的隨機(jī)波動(dòng)項(xiàng)進(jìn)行度量。這里采用第二種理解進(jìn)行農(nóng)作物氣候耗水當(dāng)量的分離。

2.2.4 量化氣候變量和氣候耗水當(dāng)量之間的關(guān)系 氣候耗水當(dāng)量受多種氣候要素的綜合影響，在眾多的影響因素中選擇主要影響因子并進(jìn)行量化最有效的方法就是逐步回歸分析，它是建立在多元線性回歸基礎(chǔ)上的一種方法。多元回歸分析(regression analysis)主要是從統(tǒng)計(jì)學(xué)的角度，研究?jī)蓚€(gè)以上變量之間的相互關(guān)系及密切程度的一種分析方法[33]:

Y=β0+β1X1+β2X2+…+βnXn

(11)

式中，Y指的是氣候耗水當(dāng)量，β0是回歸常數(shù)，βn是回歸系數(shù)，X是不同的氣候要素。

3 結(jié)果與分析

3.1 總耗水當(dāng)量與單位作物耗水時(shí)序分析

圖3顯示，1991—2013年農(nóng)作物總耗水當(dāng)量呈震蕩遞增的趨勢(shì)，1991—1994年和2010—2013年為顯著遞減期，1995—2001年為震蕩遞增期，2002—2010年為穩(wěn)定遞增期。目前在總耗水構(gòu)成中，玉米、棉花、葵花、蔬菜為主要耗水作物，其中小麥耗水當(dāng)量所占比重近22年來(lái)逐年遞減，變化最為迅速，已由1991年的74.5%遞減為目前的11.8%。1991—2013年棉花、蔬菜和葵花耗水比重分別以14.3%、10.5%和6.3%的年均增長(zhǎng)率變化，尤其是2000年以后增長(zhǎng)劇烈。玉米、瓜類、蘋果和馬鈴薯耗水比重也有一定程度的增加，但是速度緩慢，波動(dòng)性較強(qiáng)?？傮w而言，糧食作物的總耗水當(dāng)量減勢(shì)明顯，經(jīng)濟(jì)作物耗水當(dāng)量顯著增加，農(nóng)作物耗水結(jié)構(gòu)逐漸呈現(xiàn)先慢后快的多樣化趨勢(shì)，2008年之后作物多樣化種植結(jié)構(gòu)顯著。

由圖4可知，受技術(shù)、氣候等因子的影響，不同年份作物單位耗水當(dāng)量變化較大。1991年，單位作物耗水當(dāng)量較大的是蘋果6.79 m3eq·kg-1和棉花3.48 m3eq·kg-1，較小的是瓜類0.11 m3eq·kg-1和蔬菜0.34 m3eq·kg-1。2000年，單位作物耗水當(dāng)量較大的是棉花2.22 m3eq·kg-1和葵花1.14 m3eq·kg-1，較少的是瓜類0.07 m3eq·kg-1和蔬菜0.14 m3eq·kg-1。2010年，單位作物耗水當(dāng)量較大的是棉花1.96 m3eq·kg-1和小麥0.93 m3eq·kg-1，最小的是瓜類0.06 m3eq·kg-1。2013年農(nóng)作物單位耗水最多的是棉花1.82 m3eq·kg-1，其次是葵花1.16 m3eq·kg-1和小麥0.89 m3eq·kg-1，較少的是瓜類0.06 m3eq·kg-1和蔬菜0.09 m3eq·kg-1?？傮w上，8種農(nóng)作物單位耗水當(dāng)量時(shí)間序列都呈現(xiàn)下降趨勢(shì)，但變化趨勢(shì)差異較大。其中下降趨勢(shì)最顯著的為蘋果，1991—2004年，蘋果單位耗水迅速下降，2013年比2004年降低88.9%，2004—2013年，保持相對(duì)穩(wěn)定狀態(tài)。其次是棉花，1991—2005年單位耗水當(dāng)量下降速度較大，2006—2013年趨于穩(wěn)定。小麥和玉米的下降趨勢(shì)也較顯著，且二者的時(shí)間趨勢(shì)存在較大的相似性。瓜類、馬鈴薯和蔬菜的下降趨勢(shì)不顯著，時(shí)間序列較平穩(wěn)，葵花單位作物耗水當(dāng)量的時(shí)間序列則呈現(xiàn)很大的波動(dòng)性。

圖3作物總耗水當(dāng)量時(shí)序變化

Fig.3 Time series change of crop water consumption

圖4單位作物耗水當(dāng)量時(shí)序變化

Fig.4 Time series changes about unit of crop water consumption

3.2 氣候耗水當(dāng)量分離方法選擇

一般來(lái)講最優(yōu)分解方法需要滿足三個(gè)條件：(1) 經(jīng)濟(jì)技術(shù)耗水當(dāng)量變化趨勢(shì)應(yīng)該符合經(jīng)濟(jì)社會(huì)發(fā)展規(guī)律；(2) 根據(jù)農(nóng)業(yè)氣候相似性理論，同一地區(qū)不同農(nóng)作物氣候耗水當(dāng)量之間存在一定相關(guān)性；(3) 影響作物氣候耗水當(dāng)量的氣候因子應(yīng)該符合作物的生長(zhǎng)特性。以下對(duì)這三原則進(jìn)行逐一驗(yàn)證。選擇民勤代表性的4種作物玉米、小麥、棉花和瓜類，用不同方法分離出的經(jīng)濟(jì)技術(shù)耗水當(dāng)量和觀測(cè)耗水當(dāng)量(單位作物耗水當(dāng)量)如圖5所示，隨著農(nóng)業(yè)技術(shù)的進(jìn)步，4種作物的單位耗水當(dāng)量均顯著減少。1991—2013年，玉米、小麥、棉花和瓜類單位耗水當(dāng)量分別從0.83、1.38、3.48 m3eq·kg-1和0.11 m3eq·kg-1震蕩遞減為0.59、0.89、1.82 m3eq·kg-1和0.06 m3eq·kg-1。調(diào)合平均數(shù)分離的4種作物經(jīng)濟(jì)技術(shù)耗水變化趨勢(shì)與實(shí)測(cè)曲線(單位作物耗水當(dāng)量)最為接近，但波動(dòng)性也較大，明顯與經(jīng)濟(jì)技術(shù)發(fā)展規(guī)律不符?；瑒?dòng)直線平均分離趨勢(shì)是一條平滑的遞減曲線，玉米和棉花的觀測(cè)值大多位于趨勢(shì)線的上方，氣候變化對(duì)農(nóng)作物節(jié)約用水是不利的。HP濾波法得到的趨勢(shì)線呈“倒S”型，前期單位耗水變化率較快，隨后逐漸減緩，最后趨于穩(wěn)定，而且4種作物的變化趨勢(shì)基本相似，其總體變化趨勢(shì)符合經(jīng)濟(jì)社會(huì)發(fā)展規(guī)律。

根據(jù)農(nóng)業(yè)氣候相似性理論，位于同一區(qū)域的不同作物其觀測(cè)耗水當(dāng)量或者氣候耗水當(dāng)量應(yīng)存在相關(guān)性。依據(jù)滑動(dòng)直線平均法的作物氣候耗水相關(guān)系數(shù)，如表2，除了棉花和玉米、瓜類之間相關(guān)性未通過檢驗(yàn)，其它作物之間相關(guān)性均顯著。HP濾波分離法得出的作物氣候耗水相關(guān)系數(shù)，只有玉米和棉花之間未通過顯著性檢驗(yàn)，兩作物的生物特性差異較大可能是原因之一。

圖5 不同分離法下作物經(jīng)濟(jì)技術(shù)耗水當(dāng)量和觀測(cè)耗水當(dāng)量時(shí)序變化

注：**在0.01水平(雙側(cè))上顯著相關(guān)，*在0.05水平(雙側(cè))上顯著相關(guān)。

Note: ** indicates that the correlation coefficients pass significance tests withα=0.01, * indicates that the correlation coefficients pass significance tests withα=0.05.

表3顯示了通過不同分離方法得出的氣候耗水當(dāng)量與氣候因子之間的相關(guān)系數(shù)。根據(jù)作物的生育期和生物特性，分別選擇了5—9月份降水量(P5、P6、P7、P8、P9)、5—9月份風(fēng)速(W5、W6、W7、W8、W9)、5—9月份相對(duì)濕度(R5、R6、R7、R8、R9)、5—9月份最低氣溫(Tmin5、Tmin6、Tmin7、Tmin8、Tmin9)、5—9月份最高氣溫(Tmax5、Tmax6、Tmax7、Tmax8、Tmax9)、5—9月份平均氣溫(Tave5、Tave6、Tave7、Tave8、Tave9)和5—9月份太陽(yáng)輻射(S5、S6、S7、S8、S9)作為可能的氣候影響因子。HP濾波分離法得出的玉米單位氣候耗水當(dāng)量與6月份降水量顯著負(fù)相關(guān)，與9月份風(fēng)速顯著正相關(guān)。小麥氣候耗水當(dāng)量和6、7月份總降水量、7月份相對(duì)濕度、7月份平均氣溫顯著正相關(guān)。棉花單位氣候耗水當(dāng)量與5月份總降水量、5月份相對(duì)濕度、6月份降水量顯著負(fù)相關(guān)，與9月份風(fēng)速顯著正相關(guān)。瓜類單位氣候耗水當(dāng)量與6月份降水量、6月份相對(duì)濕度顯著負(fù)相關(guān)，與8、9月份風(fēng)速顯著正相關(guān)?；瑒?dòng)直線平均分離結(jié)果顯示，玉米單位氣候耗水當(dāng)量與5月份平均氣溫、5月份最低氣溫、6月份最低氣溫、6月份最高氣溫、6月份平均氣溫、7月份最低氣溫顯著負(fù)相關(guān)。小麥單位氣候耗水當(dāng)量與6月份風(fēng)速、7月份最高氣溫、7月份相對(duì)濕度顯著負(fù)相關(guān)。棉花單位氣候耗水當(dāng)量與5月份降水、5月份相對(duì)濕度、6月份降水顯著負(fù)相關(guān)。單位瓜類氣候耗水當(dāng)量與6月份降水顯著負(fù)相關(guān)，與7、8、9月份風(fēng)速顯著正相關(guān)，與9月份日照時(shí)數(shù)顯著負(fù)相關(guān)。HP濾波分離各作物單位氣候耗水當(dāng)量顯示，氣候影響要素主要集中在生育期內(nèi)各月份的降水量和相對(duì)濕度，滑動(dòng)直線平均分離法得出的主要相關(guān)性氣候要素集中在生育期內(nèi)各月份的氣溫變化。根據(jù)各作物氣候耗水響應(yīng)模式，最直觀的氣候要素應(yīng)為降水的變化，所以HP濾波分離法更符合作物的耗水實(shí)際。

表3 作物氣候耗水當(dāng)量與氣候變量相關(guān)系數(shù)表

注：**表示相關(guān)系數(shù)通過顯著性檢驗(yàn)，α=0.01。*表示相關(guān)系數(shù)通過顯著性檢驗(yàn)，α=0.05。

Note: ** indicates that the correlation coefficients pass significance tests withα=0.01, * indicates that the correlation coefficients pass significance tests withα=0.05.

綜上所述，HP濾波法分離的經(jīng)濟(jì)技術(shù)耗水當(dāng)量趨勢(shì)符合社會(huì)發(fā)展規(guī)律，不同作物氣候耗水當(dāng)量相關(guān)性更顯著，同時(shí)，耗水當(dāng)量的氣候響應(yīng)模式也更能體現(xiàn)作物的生長(zhǎng)實(shí)際，是較合理的分離方法。

3.3 單位作物耗水當(dāng)量與主要?dú)夂蛞刂g關(guān)系的確立

根據(jù)前面提出的多元線性回歸模型，探討4種典型作物的單位氣候耗水當(dāng)量與主要?dú)夂蛞蜃又g的關(guān)系，在變量的選擇上用了前向逐步回歸法進(jìn)行篩選，具體結(jié)果見表4。

表4 回歸模型匯總

玉米氣候耗水當(dāng)量的主要?dú)夂蛳拗埔蛩貫?月份降水量，擬合優(yōu)度R2=0.44，6月份總降水量對(duì)玉米氣候耗水當(dāng)量的解釋力度達(dá)到44.4%。小麥單位氣候耗水當(dāng)量的主要限制因素為7月份相對(duì)濕度和6月份總降水量，回歸系數(shù)為分別為-0.009、-0.003，即7月份相對(duì)濕度和6月份降水量每增加1%，對(duì)應(yīng)小麥單位氣候耗水當(dāng)量減少0.009和0.003，擬合優(yōu)度R2=0.541。棉花單位氣候耗水當(dāng)量的主要限制因素為5月份和6月份降水量，回歸系數(shù)分別為-0.018、-0.009，即兩個(gè)月份的降水量每增加1%，對(duì)應(yīng)氣候耗水當(dāng)量分別降低0.018和0.009，模型整體擬合優(yōu)度R2=0.609，降水量對(duì)棉花單位氣候耗水當(dāng)量的解釋力大度達(dá)61.0%。6月份降水量和9月份風(fēng)速是瓜類單位作物氣候耗水當(dāng)量的主要影響因素，6月份總降水量和9月份風(fēng)速增加1%，分別對(duì)應(yīng)單位氣候耗水當(dāng)量減少0.001和增加3.352×10-5，擬合優(yōu)度R2=0.863，兩氣候要素對(duì)瓜類單位氣候耗水當(dāng)量的解釋力度達(dá)86.3%。

HP濾波法分離的1991—2013年玉米、小麥、棉花和瓜類4種典型作物的單位氣候耗水當(dāng)量及其主要?dú)夂蛴绊懸蜃颖粯?biāo)準(zhǔn)化，如圖6所示。1991—2000年6月份降水量偏少且變率較大，同時(shí)期的玉米單位氣候耗水當(dāng)量偏高，標(biāo)準(zhǔn)化值多位于零值以上。1994年、2002—2003年6月份降水量異常偏高，玉米氣候耗水當(dāng)量也明顯低于正常值。2004—2013年，6月份降水變率相對(duì)減小，玉米氣候耗水當(dāng)量波動(dòng)性減弱。同時(shí)受6月份降水量和7月份相對(duì)濕度的影響，1991—2002年小麥氣候耗水當(dāng)量波動(dòng)性較強(qiáng)，2003—2013年波動(dòng)性明顯減弱，近幾年有增加的趨勢(shì)，其中1991年單位氣候耗水當(dāng)量異常偏高，1994年出現(xiàn)最大減少值。棉花單位氣候耗水當(dāng)量受5、6月份降水的影響，1991—2003年變率較大，2004—2013年波動(dòng)幅度明顯減小，并逐漸趨于穩(wěn)定，其中1998年、2002年棉花單位氣候耗水當(dāng)量出現(xiàn)低值。1991—2013年，雖然6月份總降水量波動(dòng)性相對(duì)較小，但9月份風(fēng)速相對(duì)穩(wěn)定，瓜類歷年單位作物氣候耗水當(dāng)量相比其它3種農(nóng)作物變率較小，但于1994年出現(xiàn)極大值?？傮w而言，近20年來(lái)在降水、風(fēng)速等因子的干預(yù)下，瓜類作物的氣候耗水當(dāng)量波動(dòng)性最小，棉花的變率最大，對(duì)氣候變化響應(yīng)最為敏感，玉米次之。其中玉米氣候耗水當(dāng)量的變動(dòng)幅度經(jīng)歷了由大變小的過程，并逐漸趨向穩(wěn)定。小麥在1992—2002年間氣候耗水當(dāng)量波動(dòng)性較強(qiáng)，后逐漸減弱。棉花的氣候耗水當(dāng)量變化率經(jīng)歷了由小變大，最后又逐漸減弱的過程。

4 結(jié)論與討論

本文將水足跡和水資源壓力指數(shù)結(jié)合起來(lái)，研究民勤8種農(nóng)作物的耗水當(dāng)量，民勤水資源壓力指數(shù)已經(jīng)達(dá)到極限值1，遠(yuǎn)高于全國(guó)平均水平0.478。2013年單位作物耗水當(dāng)量排序依次是：棉花>葵花>小麥>馬鈴薯>玉米>蘋果>蔬菜>瓜類，整體上，隨著經(jīng)濟(jì)技術(shù)水平的提高，8種作物單位耗水當(dāng)量逐年降低，各作物時(shí)間序列變化差異也較大，其中，棉花、玉米和小麥耕作技術(shù)發(fā)展較快，瓜類相對(duì)較慢。1991—2013年農(nóng)作物總耗水當(dāng)量不斷增加，但不同農(nóng)作物總耗水當(dāng)量年際變化較大，其中變化最快的是小麥，1991—2009年，小麥總耗水當(dāng)量一直占有主導(dǎo)地位，是主要耗水作物，2010—2013年小麥耗水當(dāng)量迅速下降，玉米成為主要耗水作物。20年間葵花和蔬菜的總耗水當(dāng)量增速顯著，目前成為僅次于玉米的主要耗水作物。總體而言，民勤地區(qū)農(nóng)作物種植結(jié)構(gòu)調(diào)整越來(lái)越合理，并初見成效，但總耗水當(dāng)量還在逐年遞增，應(yīng)該進(jìn)一步調(diào)整種植結(jié)構(gòu)，縮減糧食作物的種植面積，發(fā)展特色林果業(yè)、大棚蔬菜等經(jīng)濟(jì)作物，提高用水效率，同時(shí)著重提高瓜類、蔬菜、馬鈴薯的耕作技術(shù)，提高作物的單產(chǎn)，逐步減少單位作物耗水當(dāng)量。

圖6作物氣候耗水當(dāng)量及相應(yīng)的影響要素標(biāo)準(zhǔn)化變化趨勢(shì)

Fig.6 Standardization trends of climate-induced crop water consumption and the main climate variables

三種氣候耗水當(dāng)量分離模型，HP濾波法更符合社會(huì)發(fā)展趨勢(shì)和農(nóng)作物生長(zhǎng)特性，為最優(yōu)模型。通過逐步回歸分析法進(jìn)行研究發(fā)現(xiàn)，民勤4種典型作物氣候耗水當(dāng)量的影響因素都表現(xiàn)為5 月和6月份的降水總量，其次是7月份相對(duì)濕度和9月份風(fēng)速，氣溫變化并未成為主要?dú)夂蛞蜃樱匀驓夂蜃兣瘜?duì)民勤作物氣候耗水當(dāng)量的影響尚不明朗。1991—2013年5、6月份降水變量趨勢(shì)性不顯著，變動(dòng)幅度逐年減小，趨向平緩，極端氣候概率降低，相應(yīng)的農(nóng)作物單位氣候耗水當(dāng)量也趨于平緩，相同農(nóng)業(yè)灌溉用水量的情況下，對(duì)農(nóng)作物節(jié)水灌溉是有利的。9月份風(fēng)速的變化較平穩(wěn)，意味著瓜類單位作物氣候耗水當(dāng)量受異常氣候變化的干擾相對(duì)較小，在人為灌溉條件下，水資源利用效率最高，比較適宜在民勤地區(qū)推廣種植。棉花和玉米單位氣候耗水當(dāng)量波動(dòng)較大，在固定配水定額條件下，不利于水資源的合理利用，容易造成水資源的浪費(fèi)或不足，應(yīng)該進(jìn)一步提高灌溉技術(shù)，逐步推廣依據(jù)氣候條件隨時(shí)調(diào)節(jié)的智能灌溉系統(tǒng)，不但可以節(jié)省勞動(dòng)力，更重要的是它能準(zhǔn)確、定時(shí)、定量、高效地給作物自動(dòng)補(bǔ)充水分，以提高產(chǎn)量、質(zhì)量，節(jié)水、節(jié)能。

[1] IPCC. Climate Change 1994: Radiative Forcing of Climate Change and An Evaluation of the IPCC IS92 Emission Scenarios[M]. Cambridge: Cambridge University Press，1995.

[2] IPCC. Climate Change: Synthesis Report[C]//IPCC. Contribution of Working Groups I, II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Geneva，2007:104.

[3] Sun S K, Wu P T, Wang Y B, et al. Impacts of climate change on water footprint of spring wheat production: the case of an irrigation district in China[J]. Span J Agric Res, 2012,10(4):1176-1187.

[4] Decker W L. Developments in agricultural meteorology as a guide to its potential for the twenty-first century[J]. Agric For Meteorol，2010，169:9-25.

[5] Houghton J T, Ding Y H, Griggs D G. Climate Change 2001: Contribution of Working Group III to the Third Assessment Report of the Intergovernmental Panel on Climate Change[M]. Cambridge：Cambridge University Press，2001.

[6] Tong Ling, Kang Shaozhong, Zhang Lu. Temporal and spatial variations of evapotranspiration for spring wheat in the Shiyang river basin in northwest China[J]. Agricultural Water Management, 2007，87(3):241-250.

[7] 孫世坤，蔡煥杰，王 健.基于CROPWAT模型的非充分灌溉研究[J].干旱地區(qū)農(nóng)業(yè)研究，2010，28(1)：28-30.

[8] 劉 勤，嚴(yán)昌榮，梅旭榮，等.西北旱區(qū)參考作物蒸散量空間格局演變特征分析[J].中國(guó)農(nóng)業(yè)氣象，2012，33(1)：49-51.

[9] EI-Maayar, M Lange, M A. A methodology to infer crop yield response to climate variability and change using long-term observations[J]. Atmosphere，2013,4(4)：365-382.

[10] Niu X K, Xie R Z, Liu X, et al. Maize yield gains in Northeast China in the last six decades[J]. J Integr Agric，2013，12(4)：630-637.

[11] Zhao J F, Guo J P, Mu J. Exploring the relationships between climatic variables and climate-induced yield of spring maize in Northeast China[J]. Agriculture Ecosystems and Environment，2015,(207):79-90.

[12] Hoekstra A Y, Chapagain A K, Aldaya M M, et al .The Water Footprint Assessment Manual: Setting the Global Standard[M]. Godalming，UK: Routledge, 2011:20-60.

[13] Hoekstra A Y. Virtual Water Trade: Proceedings of the International Expert Meeting on Virtual Water Trade[C]//The United Nations Educational, Scientific and Cultural Organization-International Institute for Hydraulic and Environmental Engineering (UNESCO-IHE). Value of Water Research Report Series No. 12. Delft，the Netherlands，2003.

[14] Chapagain A K, Hoekstra A Y. Water Footprints of Nations[C]//UNESCO-IHE. Value of Water Research Report Series, No. 16. Delft，2004:1-80．

[15] Wichelns D. Virtual water and water footprints offer limited insight regarding important policy questions[J]. Int J Water Resour. Dev, 2010，26(4):639-651.

[16] Chapagain A K, Tickner D. Water Footprint: Help or Hindrance?[J]. Water Alternatives，2012，5(3):563-581.

[17] Brown A, Matlock M D. A review of water scarcity indices and methodologies[J]. The Sustainability Consortium, technology, 2011,44(22):8684-8691.

[18] Hoekstra A Y, Mekonnen M M, Chapagain A K, et al. Global monthly water scarcity: Blue water footprints versus blue water availability[J]. Plos One, 2012,7(2):2-6.

[19] Pfister S, Koehler A, Hellweg S. Assessing the environmental impacts of fresh water consumption in LCA[J]. Environ Sci Technol, 2009,43(11):4098-4104.

[20] Bayart J B, Bulle C, Deschênes L, et al. A framework for assessing off-stream freshwater use in LCA[J]. Int J Life Cycle Assess, 2010，15(5)：429-453.

[21] Berger M, Finkbeiner M. Water footprint: How to address water use in life cycle Assessment?[J]. Sustainability, 2010,2(4):919-944.

[22] Canals L, Chenoweth J, Chapagain A Y. Assessing freshwater use impacts in LCA: Part I—Inventory modeling and characterization factors for the main impact pathways[J]. Int J Life Cycle Assess, 2009,14:28-42.

[23] Fingerman K R, Berndes G, Orr S, et al. Impact assessment at the bioenergy-water nexus[J]. Biofuels, Bioproducts and Biorefining, 2011,5(4):375-386.

[24] 王邵武.近百年氣候變化與變率的診斷研究[J].氣象學(xué)報(bào)，1994,52(3):261-273.

[25] 慈龍駿，楊曉暉，陳仲新.未來(lái)氣候變化對(duì)中國(guó)荒漠化的潛在影響[J].地學(xué)前緣，2009，9(2)：284-297.

[26] 何亞娟，潘學(xué)標(biāo).甘肅省民勤綠洲種植結(jié)構(gòu)與水資源利用的研究[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2003,11(4):122-124.

[27] Mekonnen M M, Hoekstra A Y. The green, blue and grey water footprint of crops and derived crop products[J]. Hydrol. Earth Syst. Sci, 2011,15(5):1577-1600.

[28] Gheewala S M, Silalertruksa T, Nilsalab T, et al. Water footprint and impact of water consumption for food, feed, fuel crops production in Thailand[J]. Water, 2014,6(6):1703.

[29] Allen R G, Pereira L S, Raes D, et al. Crop Evapotranspiration: Guidelines for Computing Crop Water Requirements[C]//Food and Agriculture Organization. FAO Drainage and Irrigation Paper 56, Italy, 1988.

[30] Fang S B. Exploration of method for discrimination between trend crop yield and climatic fluctuant yield[J]. J Nat Disasters, 2011，(6):13-18.

[31] Guo J P, Zhao J F, Yuan B, et al. Evaluation of agricultural climatic resource utilization during spring maize cultivation in Northeast China under climate change[J]. J Meteorol Res, 2013,27(5):758-768.

[32] 韓 蓓.HP濾波法及其在地區(qū)潛在經(jīng)濟(jì)增長(zhǎng)率測(cè)算中的應(yīng)用[J].經(jīng)濟(jì)師，2009，(1)：28-29.

[33] 陳寶峰，白人樸，劉廣利.影響山西省農(nóng)機(jī)化水平的多因素逐步回歸分析[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2005，10(4):115-118.