基于虛擬水視角的四川省農(nóng)業(yè)水資源壓力時(shí)空演化

趙思翔，王偉，劉藝琳，張萍，張慧敏

基于虛擬水視角的四川省農(nóng)業(yè)水資源壓力時(shí)空演化

趙思翔1，王偉2*，劉藝琳3，張萍3，張慧敏3

（1.四川農(nóng)業(yè)大學(xué) 水利水電學(xué)院，四川 雅安 625014；2.中國(guó)科學(xué)院教育部水土保持與生態(tài)環(huán)境研究中心，陜西 楊凌 712100；3.西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，陜西 楊凌 712100）

【目的】探明四川省作物虛擬水流動(dòng)對(duì)農(nóng)業(yè)水資源壓力產(chǎn)生的間接影響及其時(shí)空演化格局。【方法】以四川省內(nèi)種植的16種作物為研究對(duì)象，基于AquaCrop模型模擬2000—2018年四川省各市（州）作物生產(chǎn)水足跡，基于每年作物產(chǎn)品供需平衡和最優(yōu)運(yùn)輸成本法量化省際間作物貿(mào)易格局，分析各市（州）主要作物虛擬水流動(dòng)平衡格局，解析作物虛擬水流動(dòng)對(duì)四川省農(nóng)業(yè)水資源壓力的影響。【結(jié)果】2000—2018年，四川省多年平均作物生產(chǎn)水足跡為284億m3/a，各市（州）作物生產(chǎn)總水足跡呈波動(dòng)上升趨勢(shì)，其中樂山市作物生產(chǎn)總水足跡變化幅度最大。四川省為作物虛擬水凈輸入地區(qū)，虛擬水凈輸入量整體呈上升趨勢(shì)，西部作物虛擬水凈輸入量高于東部。作物虛擬水流動(dòng)緩解了各市（州）農(nóng)業(yè)水資源壓力，因虛擬水輸出導(dǎo)致水資源壓力小幅度增加的地區(qū)由2000年的4個(gè)市（德陽市、資陽市、遂寧市和綿陽市）減少至2018年的1個(gè)市（資陽市）。【結(jié)論】根據(jù)各市（州）水資源分布現(xiàn)狀與作物耗水規(guī)律進(jìn)行種植結(jié)構(gòu)調(diào)整、田間管理優(yōu)化和虛擬水貿(mào)易調(diào)控，綜合考慮實(shí)體水配置和虛擬水貿(mào)易可有效緩解四川省農(nóng)業(yè)水資源壓力。

作物生產(chǎn)水足跡；時(shí)空演變；虛擬水；農(nóng)業(yè)水資源壓力；四川省

0 引言

【研究意義】全球農(nóng)業(yè)生產(chǎn)耗水量占人類活動(dòng)耗水量的85%以上，水資源時(shí)空分布不均、水土資源時(shí)空不匹配導(dǎo)致農(nóng)業(yè)水資源壓力不斷增加，威脅區(qū)域及國(guó)家水安全和糧食安全[1]。虛擬水和水足跡概念的提出為應(yīng)對(duì)農(nóng)業(yè)水危機(jī)開拓了新視角[2]。在當(dāng)前我國(guó)糧食生產(chǎn)消費(fèi)格局下，“北糧南運(yùn)”伴生的虛擬水“北水南調(diào)”格局導(dǎo)致年平均虛擬水調(diào)運(yùn)量超過860億m3，遠(yuǎn)超南水北調(diào)工程的調(diào)水規(guī)模[3]。虛擬水流動(dòng)在時(shí)間和空間尺度將水資源進(jìn)行了重新分配，間接改變了虛擬水輸出和輸入?yún)^(qū)域的水資源壓力[4]。水資源短缺地區(qū)從水資源豐富地區(qū)購買高耗水性農(nóng)產(chǎn)品，由此在緩解水資源壓力的同時(shí)確保了糧食安全供給，這一路徑被稱為“虛擬水戰(zhàn)略”[5]。明晰區(qū)域作物虛擬水流動(dòng)格局及其間接加重或緩釋的水資源壓力，是實(shí)現(xiàn)區(qū)域農(nóng)業(yè)水資源可持續(xù)利用的基礎(chǔ)。

【研究進(jìn)展】作物生產(chǎn)水足跡是目前最為全面的作物生產(chǎn)耗水指標(biāo)之一，也是區(qū)域作物虛擬水流動(dòng)評(píng)價(jià)的基礎(chǔ)性指標(biāo)[6]。作物生產(chǎn)水足跡是指一定時(shí)間、一定地理范圍內(nèi)作物生產(chǎn)過程中所產(chǎn)生的水資源消耗量。與傳統(tǒng)作物用水評(píng)價(jià)指標(biāo)相比，作物生產(chǎn)水足跡考慮了作物生長(zhǎng)階段的廣義水資源（藍(lán)水與綠水）消耗強(qiáng)度。作物生產(chǎn)藍(lán)水足跡是指作物生長(zhǎng)期內(nèi)消耗的灌溉水量，作物生產(chǎn)綠水足跡是指作物生長(zhǎng)期內(nèi)消耗的由降水直接形成的土壤水量。以往研究結(jié)合地理信息技術(shù)與作物模型，實(shí)現(xiàn)了多空間尺度的作物生產(chǎn)水足跡量化與評(píng)價(jià)。Tamea等[7]構(gòu)建了1961—2016年全球作物生產(chǎn)水足跡和虛擬水貿(mào)易數(shù)據(jù)庫；Mao等[8]核算了中國(guó)大陸田塊、縣域、三級(jí)流域、省域和一級(jí)流域尺度的小麥生產(chǎn)水足跡，定量分析了作物生產(chǎn)水足跡的主要影響因素；Wang等[9]解析了中國(guó)小麥生產(chǎn)水足跡的時(shí)空分布特征。水資源壓力這一概念最早由Falkenmark等[10]提出，旨在定量評(píng)估人類活動(dòng)對(duì)水資源產(chǎn)生的影響。操信春等[11]構(gòu)建了農(nóng)業(yè)水資源短缺指數(shù)，評(píng)估了中國(guó)農(nóng)業(yè)水資源壓力的時(shí)空分布，指出中國(guó)應(yīng)通過減少作物生產(chǎn)水足跡來保障農(nóng)業(yè)水資源的可持續(xù)利用。Zhao等[4]解析了中國(guó)省際間虛擬水流動(dòng)對(duì)區(qū)域水資源壓力產(chǎn)生的間接影響。Wang等[12]評(píng)價(jià)了中國(guó)一級(jí)流域間的虛擬水流動(dòng)對(duì)各流域水資源壓力產(chǎn)生的影響。

【切入點(diǎn)】中國(guó)作物生產(chǎn)水足跡與虛擬水流動(dòng)研究主要集中在流域尺度或省級(jí)尺度，而對(duì)市級(jí)尺度的研究較少。作物生產(chǎn)水足跡在同一省份內(nèi)的不同城市間有顯著差異[13]，且市級(jí)尺度上的虛擬水流動(dòng)格局更為復(fù)雜[14]。此外，對(duì)水資源壓力的評(píng)估大多集中于干旱與半干旱地區(qū)，對(duì)水資源相對(duì)充沛的地區(qū)缺乏相關(guān)評(píng)價(jià)。四川省位于中國(guó)西南地區(qū)，多年平均水資源總量為4 482億m3，其中農(nóng)業(yè)耗水量占水資源總消耗量的58%[15]。水資源作為影響四川省農(nóng)業(yè)可持續(xù)發(fā)展的關(guān)鍵因素，在各市（州）間的分布極不平衡[16]。劉莉等[17]分析了2003—2011年四川省各市（州）農(nóng)業(yè)水足跡的時(shí)空演變特征，但未明確虛擬水流動(dòng)對(duì)區(qū)域水資源壓力的影響。【擬解決的關(guān)鍵問題】鑒于此，本研究以四川省內(nèi)種植的16種農(nóng)作物為研究對(duì)象，以其下轄18個(gè)市和3個(gè)自治州為地理單元，分析2000—2018年市級(jí)尺度作物生產(chǎn)水足跡和虛擬水流動(dòng)的平衡格局，解析作物虛擬水流動(dòng)時(shí)空格局及其在市級(jí)尺度對(duì)農(nóng)業(yè)水資源壓力產(chǎn)生的間接影響。研究結(jié)果可為人口密集和水資源豐富地區(qū)的農(nóng)業(yè)水資源可持續(xù)利用和科學(xué)管理提供科學(xué)依據(jù)。

1 材料與方法

1.1 作物生產(chǎn)水足跡的量化

AquaCrop模型是聯(lián)合國(guó)糧農(nóng)組織（FAO）開發(fā)的基于水分驅(qū)動(dòng)的作物生長(zhǎng)模型[18]，是計(jì)算作物生產(chǎn)水足跡的主流模型之一[11,19]。本研究在10 km×10 km的空間柵格尺度上，基于AquaCrop模型模擬四川省各市（州）的主要作物生產(chǎn)水足跡。作物生產(chǎn)的藍(lán)水足跡（b，m3/kg）和綠水足跡（g，m3/kg）分別為作物生育期內(nèi)蒸散發(fā)量（，mm）中的藍(lán)水（b，mm）和綠水（g，mm）與作物單位面積產(chǎn)量（，kg/hm2）之比[20]。藍(lán)、綠水動(dòng)態(tài)平衡如下：

AquaCrop模型中的作物單位面積產(chǎn)量通過地上部生物量與收獲指數(shù)相乘得到。基于各市（州）農(nóng)業(yè)統(tǒng)計(jì)年鑒中的作物單產(chǎn)數(shù)據(jù)對(duì)作物產(chǎn)量模擬值進(jìn)行驗(yàn)證。

1.2 市（州）級(jí)作物虛擬水貿(mào)易量的計(jì)算

作物虛擬水貿(mào)易量為作物生產(chǎn)水足跡與作物貿(mào)易量的乘積。作物貿(mào)易量分2部分計(jì)算。首先，基于國(guó)際糧農(nóng)組織和農(nóng)業(yè)統(tǒng)計(jì)年鑒的各省每年作物產(chǎn)品供需值，通過最優(yōu)運(yùn)輸成本法[21]量化省際間作物貿(mào)易格局，得到各省每年作物產(chǎn)品供需平衡表。基于作物產(chǎn)品供需平衡表，根據(jù)農(nóng)業(yè)統(tǒng)計(jì)年鑒中各市（州）作物產(chǎn)量、人口、牲畜飼養(yǎng)量，將省級(jí)作物供需量劃分到市（州）級(jí)，計(jì)算各市（州）每年作物產(chǎn)品供需平衡，進(jìn)而得到各市（州）最終作物產(chǎn)品的輸入量和輸出量。四川省各市（州）主要作物播種面積見圖1。

注 該圖基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)：川S【2021】00059號(hào)標(biāo)準(zhǔn)地圖制作，底圖無修改。

1.3 農(nóng)業(yè)水資源壓力核算

1.4 數(shù)據(jù)來源

2000—2018年四川省作物種植面積數(shù)據(jù)來源于MIRCA2000數(shù)據(jù)集和中國(guó)統(tǒng)計(jì)年鑒。AquaCrop模型所需的月降水量、最低氣溫、最高氣溫和參考作物蒸散量來源于CRU-TS 4.06數(shù)據(jù)集。土壤質(zhì)地?cái)?shù)據(jù)來源于ISRIC土壤和地形數(shù)據(jù)庫。土壤含水率數(shù)據(jù)來源于ISRIC-WISE數(shù)據(jù)庫。作物生育期和最大根深數(shù)據(jù)參考Allen等[22]研究，作物播種日期參考陳玉民等[23]研究。收獲指數(shù)參考謝光輝等[24]和張福春等[25]研究。

2 結(jié)果與分析

2.1 四川省作物生產(chǎn)水足跡時(shí)空演變

2000—2018年，四川省多年平均作物生產(chǎn)總水足跡為284億m3/a（圖2）。全省作物生產(chǎn)總水足跡整體呈波動(dòng)上升趨勢(shì)，在2017年達(dá)到峰值，為低谷2003年的1.2倍。多年平均作物生產(chǎn)水足跡排名前5的作物由大到小依次為水稻（93.6億m3/a）、玉米（60.7 億m3/a）、小麥（47.4億m3/a）、油菜籽（20.1億m3/a）、馬鈴薯（19.8億m3/a）。其余11種作物生產(chǎn)水足跡共計(jì)42.4億m3/a。棉花生產(chǎn)水足跡的年際降幅最大，19 a間下降了93.8%；葡萄生產(chǎn)水足跡增幅最高，19 a間上升了3.6倍。

圖2 2000—2018年四川省不同作物生產(chǎn)總水足跡的年際演變

四川省各市（州）的作物生產(chǎn)水足跡變化幅度存在顯著差異（表1）。與2000年相比，2018年樂山市作物生產(chǎn)總水足跡上升了20.7%，變化幅度最大。成都市作為小麥、玉米、水稻和油菜的主要種植區(qū)，作物生產(chǎn)總水足跡顯著高于其他市（州）。作物生產(chǎn)藍(lán)水足跡的高值區(qū)主要分布在成都市、達(dá)州市、南充市和綿陽市，作物生產(chǎn)綠水足跡的高值區(qū)主要分布在成都市、南充市、資陽市、達(dá)州市和綿陽市。

表1 四川省各市（州）作物生產(chǎn)總水足跡、藍(lán)水足跡和綠水足跡

2.2 市級(jí)尺度作物虛擬水流動(dòng)格局的時(shí)空演變

四川省在2000—2018年始終為作物虛擬水凈輸入型地區(qū)，四川省作物虛擬水凈輸入量整體呈上升趨勢(shì)，虛擬水貿(mào)易結(jié)構(gòu)變化較小（圖3）。主要作物虛擬水凈輸入量在2016年到達(dá)峰值，為333.1億m3，是2000年的3.1倍。2018年虛擬水凈輸入量驟減。

圖3 2000—2018年四川省主要作物虛擬水凈輸入（出）量

2000、2010、2018年四川省各市（州）虛擬水和虛擬藍(lán)水凈輸入（出）量的空間分布及作物占比如圖4所示。虛擬水流動(dòng)格局表明，四川省西部作物虛擬水凈輸入量高于東部，最大凈輸入?yún)^(qū)為成都市，2018年虛擬水凈輸入量為72.4億m3；資陽市是最大的虛擬水凈輸出區(qū)，2018年凈輸出量為6.2億m3。在虛擬水凈輸入地區(qū)，玉米、大豆和小麥的虛擬水輸入量占據(jù)主導(dǎo)地位。四川省作物虛擬藍(lán)水凈輸入量呈西部高于東部的空間分布格局。2018年，四川省最大作物虛擬藍(lán)水凈輸入?yún)^(qū)為成都市，凈輸入量為16.3億m3；德陽市是最大的作物虛擬藍(lán)水凈輸出地區(qū)，凈輸出量為0.5億m3。在虛擬藍(lán)水凈輸入地區(qū)，小麥、玉米和大豆是各市（州）的主要進(jìn)口作物。

2.3 各市（州）作物虛擬水流動(dòng)對(duì)農(nóng)業(yè)水資源壓力時(shí)空格局的影響

表2 四川省各市（州）農(nóng)業(yè)生產(chǎn)水資源壓力

3 討論

本研究以四川省16種作物為研究對(duì)象，系統(tǒng)分析了2000—2018年四川省各市（州）作物生產(chǎn)水足跡和虛擬水流動(dòng)格局，在市級(jí)尺度解析了作物虛擬水流動(dòng)對(duì)農(nóng)業(yè)水資源壓力產(chǎn)生的間接影響。本研究中的作物生產(chǎn)水足跡量化結(jié)果與劉莉等[17]的研究結(jié)果在相同空間和時(shí)間尺度上表現(xiàn)出良好的一致性。作物生產(chǎn)水足跡高值區(qū)域主要分布在成都市、達(dá)州市、資陽市、綿陽市和宜賓市，且在時(shí)間尺度上呈上升趨勢(shì)。本研究使用的AquaCrop模型在不同氣候、土壤質(zhì)地、灌溉措施和水肥管理中模擬作物產(chǎn)量及耗水量的精度已被廣泛證實(shí)。由于模型機(jī)理和輸入數(shù)據(jù)的不確定性，作物生產(chǎn)水足跡的計(jì)算仍存在較大的不確定性，如對(duì)同一作物在研究時(shí)段采用固定的作物種植日歷、收獲指數(shù)和最大根深等。為了提升模型在作物產(chǎn)量模擬和耗水量估算當(dāng)中的精度，未來研究應(yīng)加強(qiáng)基礎(chǔ)輸入數(shù)據(jù)的整理和模型優(yōu)化。

鑒于四川省水資源總量大但空間分布不均衡、農(nóng)業(yè)水資源緊缺的地域化特征，從虛擬水視角出發(fā)評(píng)價(jià)農(nóng)業(yè)生產(chǎn)水資源壓力的時(shí)空格局至關(guān)重要。四川省作物生產(chǎn)和消費(fèi)存在較大的時(shí)空分異特征，作物虛擬水凈輸入量及凈輸出量在川東和川西地區(qū)存在顯著差異。整體而言，四川省作為作物虛擬水凈輸入地區(qū)，作物虛擬水流動(dòng)對(duì)緩解當(dāng)?shù)剞r(nóng)業(yè)水資源壓力的效果顯著。對(duì)于農(nóng)業(yè)這一用水大戶，在關(guān)注作物種植結(jié)構(gòu)優(yōu)化調(diào)整以及推廣節(jié)水灌溉技術(shù)的同時(shí)，更應(yīng)重視虛擬水貿(mào)易調(diào)控，從實(shí)體水配置和虛擬水貿(mào)易優(yōu)化兩方面共同緩解四川省農(nóng)業(yè)水資源壓力。

依據(jù)本研究結(jié)果，提出以下建議：①通過改良作物品種提高作物產(chǎn)量以及作物水利用效率，例如阿壩藏族羌族自治州水稻產(chǎn)量的大幅度提升顯著降低了其作物生產(chǎn)水足跡。②四川省作物單產(chǎn)水足跡空間差異較大，在保證種植面積不增加及糧食供給量不變的約束條件下，通過以區(qū)域作物耗水量最低為目標(biāo)的種植結(jié)構(gòu)優(yōu)化可以實(shí)現(xiàn)各市（州）的農(nóng)業(yè)節(jié)水。③對(duì)于四川省內(nèi)種植面積較大且作物生產(chǎn)水足跡占比較高的作物（如水稻、玉米、小麥和油菜籽），應(yīng)通過推廣節(jié)水灌溉技術(shù)、設(shè)置作物生產(chǎn)水足跡基準(zhǔn)等方法來提高農(nóng)業(yè)生產(chǎn)用水效率。④對(duì)于農(nóng)業(yè)水資源壓力較大的川東地區(qū)，需要增加從省外農(nóng)業(yè)水資源充沛且用水效率較高的地區(qū)輸入水密集型作物產(chǎn)品，以間接緩解當(dāng)?shù)剞r(nóng)業(yè)用水壓力。⑤總體而言，本研究建議從實(shí)體水和虛擬水協(xié)同的視角，優(yōu)化四川省各市（州）農(nóng)業(yè)用水結(jié)構(gòu)，實(shí)現(xiàn)區(qū)域農(nóng)業(yè)用水綜合收益最大化。

4 結(jié)論

1）四川省級(jí)和市級(jí)尺度作物生產(chǎn)水足跡呈波動(dòng)上升趨勢(shì)，作物生產(chǎn)水足跡占比較大的作物主要為水稻、玉米、小麥和油菜籽。

2）四川省作物虛擬水凈輸入量整體呈上升趨勢(shì)，西部地區(qū)作物虛擬水凈輸入量高于東部。

3）作物虛擬水流動(dòng)持續(xù)緩解了四川省農(nóng)業(yè)水資源壓力，川東盆地種植面積廣闊，農(nóng)業(yè)水資源壓力偏大；川西依賴外部作物輸入，農(nóng)業(yè)水資源壓力較小。

（作者聲明本文無實(shí)際或潛在利益沖突）

[1] DODORICO P, CHIARELLI D D, ROSA L, et al. The global value of water in agriculture[J]. Proceedings of the National Academy of Sciencesof the United States of America, 2020, 117(36): 21 985-21 993.

[2] HOEKSTRA A Y, MEKONNEN M M. The water footprint of humanity[J]. Proceedings of the National Academy of Sciences of the United States of America, 2012, 109(9): 3 232-3 237.

[3] 吳普特. “北水南調(diào)工程”的警示與應(yīng)對(duì)策略[J]. 水利水電科技進(jìn)展, 2015, 35(5): 121-123, 180.

WU Pute. Warning and strategy of North-to-South water transfer project[J]. Advances in Science and Technology of Water Resources, 2015, 35(5): 121-123, 180.

[4] ZHAO X, LIU J G, LIU Q Y, et al. Physical and virtual water transfers for regional water stress alleviation in China[J]. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(4): 1 031-1 035.

[5] 馬靜, 汪黨獻(xiàn), A Y Hoekstra, 等. 虛擬水貿(mào)易在我國(guó)糧食安全問題中的應(yīng)用[J]. 水科學(xué)進(jìn)展, 2006, 17(1): 102-107.

MA Jing, WANG Dangxian, HOEKSTRA A Y, et al. Application of the virtual water trade to China’s grain security[J]. Advances in Water Science, 2006, 17(1): 102-107.

[6] HOEKSTRA A Y. Virtual water trade: proceedings of the international expert meeting on virtual water trade, Delft, The Netherlands, 12-13 December 2002[R]. Value of Water Research Report Series No.12. Delft, The Netherlands, 2003.

[7] TAMEA S, TUNINETTI M, SOLIGNO I, et al. Virtual water trade and water footprint of agricultural goods: The 1961—2016 CWASI database[J]. Earth System Science Data, 2021, 13(5): 2 025-2 051.

[8] MAO Y, LIU Y L, ZHUO L, et al. Quantitative evaluation of spatial scale effects on regional water footprint in crop production[J]. Resources, Conservation and Recycling, 2021, 173: 105 709.

[9] WANG W, ZHUO L, LI M, et al. The effect of development in water-saving irrigation techniques on spatial-temporal variations in crop water footprint and benchmarking[J]. Journal of Hydrology, 2019, 577: 123 916.

[10] FALKENMARK M, LUNDQVIST J, WIDSTRAND C. Macro‐scale water scarcity requires micro‐scale approaches: Aspects of vulnerability in semi‐arid development[J]. Natural Resources Forum, 1989, 13(4): 258-267.

[11] 操信春, 劉喆, 吳夢(mèng)洋, 等. 水足跡分析中國(guó)耕地水資源短缺時(shí)空格局及驅(qū)動(dòng)機(jī)制[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2019, 35(18): 94-100.

CAO Xinchun, LIU Zhe, WU Mengyang, et al. Temporal-spatial distribution and driving mechanism of arable land water scarcity index in China from water footprint perspective[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(18): 94-100.

[12] WANG W, ZHUO L, RULLI M C, et al. Limited water scarcity mitigation by expanded interbasin physical and virtual water diversions with uneven economic value added in China[J]. Science of the Total Environment, 2022, 847: 157 625.

[13] 閆晨健, 栗萌, 卓拉, 等. 1989—2019 年陜西省作物生產(chǎn)水足跡時(shí)空演變與節(jié)水潛力評(píng)價(jià)[J]. 資源科學(xué), 2023, 45(1): 158-173.

YAN Chenjian, LI Meng, ZHUO La, et al. Spatiotemporal evolution of water footprint and water-saving potentials of crop production in Shaanxi Province during 1989—2019[J]. Resources Science, 2023, 45(1): 158-173.

[14] ZHAO D D, LIU J G, SUN L X, et al. Quantifying economic-social-environmental trade-offs and synergies of water-supply constraints: An application to the capital region of China[J]. Water Research, 2021, 195: 116 986.

[15] 四川省水利廳. 四川省水資源公報(bào)[R]. 2001—2019.

Sichuan Provincial Water Resources Department. Sichuan Water Resources Bulletin[R]. 2001—2019.

[16] 郭艷榮, 張俊偉, 李莉萍. 四川省農(nóng)業(yè)資源可持續(xù)利用評(píng)價(jià)研究[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2018, 39(3): 166-171.

GUO Yanrong, ZHANG Junwei, LI Liping. Research on the sustainable utilization of agricultural resources in Sichuan Province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(3): 166-171.

[17] 劉莉, 鄧歐平, 鄧良基, 等. 2003—2011年四川省各市（州）農(nóng)業(yè)水足跡時(shí)空變化與驅(qū)動(dòng)力研究[J]. 長(zhǎng)江流域資源與環(huán)境, 2015, 24(7): 1 133-1 141.

LIU Li, DENG Ouping, DENG Liangji, et al. Agricultural water footprint space-time change and driving factors research of various cities in Sichuan Province from 2003 to 2011[J]. Resources and Environment in the Yangtze Basin, 2015, 24(7): 1 133-1 141.

[18] HSIAO T C, HENG L E, STEDUTO P, et al. AquaCrop—The FAO crop model to simulate yield response to water: III. parameterization and testing for maize[J]. Agronomy Journal, 2009, 101(3): 448-459.

[19] LI Z B, FENG B B, WANG W, et al. Spatial and temporal sensitivity of water footprint assessment in crop production to modelling inputs and parameters[J]. Agricultural Water Management, 2022, 271: 107 805.

[20] HOEKSTRA A Y. The water footprint assessment manual: setting the global standard[M]. London: Earthscan, 2011.

[21] 吳普特, 卓拉, 劉藝琳, 等. 區(qū)域主要作物生產(chǎn)實(shí)體水-虛擬水耦合流動(dòng)過程解析與評(píng)價(jià)[J]. 科學(xué)通報(bào), 2019, 64(18): 1 953-1 966.

WU Pute, ZHUO La, LIU Yilin, et al. Assessment of regional crop-related physical-virtual water coupling flows[J]. Chinese Science Bulletin, 2019, 64(18): 1 953-1 966.

[22] ALLEN R G, PEREIRA L S, RAES D, et al. Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56, 300[M]. Rome: FAO, 1998.

[23] 陳玉民, 郭國(guó)雙, 王廣興, 等. 中國(guó)主要作物需水量與灌溉[M]. 北京:水利電力出版社, 1995．

CHEN Yumin, GUO Guoshuang, WANG Guangxing, et al. Main crop water requirement and irrigation of China[M]. Beijing: Hydraulic and Electric Press, 1995.

[24] 謝光輝, 韓東倩, 王曉玉, 等. 中國(guó)禾谷類大田作物收獲指數(shù)和秸稈系數(shù)[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào), 2011, 16(1):1-8.

XIE Guanghui, HAN Dongqian, WANG Xiaoyu, et al. Harvest index and residue factor of cereal crops in China[J]. Journal of China Agricultural University, 2011, 16(1):1-8.

[25] 張福春, 朱志輝. 中國(guó)作物的收獲指數(shù)[J]. 中國(guó)農(nóng)業(yè)科學(xué), 1990, 23(2): 83-87.

ZHANG Fuchun, ZHU Zhihui. Harvest index for various crops in China[J]. Scientia Agricultura Sinica, 1990, 23(2): 83-87.

Spatiotemporal Evolution in Agricultural Water Stress in Sichuan Province Evaluated from the Perspective of Virtual Water

ZHAO Sixiang1, WANG Wei2*, LIU Yilin3, ZHANG Ping3, ZHANG Huimin3

(1.College of Water Conservancy and Hydropower Engineering, Sichuan Agricultural University, Ya’an 625014, China; 2.The Research Center of Soil and Water Conservation and Ecological Environment, Chinese Academy of Sciences and Ministry of Education, Yangling 712100, China;3. College of Water Resources and Architectural Engineering, Northwest A&F University, Yangling 712100, China)

【Objective】This paper aims to assess the indirect influence of virtual water flow on metropolitan-scale agricultural water stress in Sichuan province. It investigates the spatiotemporal variation in this context, elucidating how persistent growth in agricultural water use and the movement of virtual water through agricultural products across the province indirectly impacts regional water stress.【Method】The AquaCrop model was employed to calculate the water footprint of 16 different crops from 2000 to 2018 in all metropolitan cities within the province. The calculation of inter-province virtual water flow was based on annual balance between crop production and food demand, by considering the minimum transportation costs cross the province. These calculated results were then used to analyze the influence of virtual water flow on agricultural water stress. 【Result】From 2000 to 2018, the average water footprint of crop production in Sichuan was estimated to be 28.4 billion cubic meters per year. The total water footprint of crop production in the province exhibited a fluctuation during the studied period, with the most notable change observed in Leshan. The province experienced a net increase in virtual water inflow, with the Western areas receiving more inflow than the Eastern regions. The continuous influx of virtual water has contributed to the alleviation of agricultural water stress in the province, reducing the number of cities experiencing increased water stress due to virtual water outflows from four in 2000 to one in 2018.【Conclusion】The analysis of physical and virtual water highlights the need for Sichuan province to enhance the regulation and optimization of virtual water trade as a means to mitigate agricultural water stress.

water footprint of crop production; spatiotemporal evolution; virtual water; agricultural water stress; Sichuan Province

1672 - 3317（2023）10 - 0085 - 07

TV213.4；S271

A

10.13522/j.cnki.ggps.2023191

趙思翔, 王偉, 劉藝琳, 等. 基于虛擬水視角的四川省農(nóng)業(yè)水資源壓力時(shí)空演化[J]. 灌溉排水學(xué)報(bào), 2023, 42(10): 85-90, 121.

ZHAO Sixiang, WANG Wei, LIU Yilin, et al. Spatiotemporal Evolution in Agricultural Water Stress in Sichuan Province Evaluated from the Perspective of Virtual Water[J]. Journal of Irrigation and Drainage, 2023, 42(10): 85-90, 121.

2023-04-28

2023-06-11

2023-10-17

中央高校科研基本業(yè)務(wù)費(fèi)（2452021168）

趙思翔（2002-），男。主要從事水資源高效利用和區(qū)域調(diào)控研究。E-mail: zhao_sixiang@sina.cn

王偉（1995-），男。博士研究生，主要從事區(qū)域農(nóng)業(yè)高效用水研究。E-mail: wangwei217@mails.ucas.ac.cn

@《灌溉排水學(xué)報(bào)》編輯部，開放獲取CC BY-NC-ND協(xié)議

責(zé)任編輯：韓 洋