農(nóng)業(yè)生產(chǎn)的灰水足跡研究綜述

武慧君, 戴成娟, 劉英,2

(1.安徽理工大學(xué)地球與環(huán)境學(xué)院, 淮南 232001; 2.安徽省高潛水位礦區(qū)水土資源綜合利用與生態(tài)保護工程實驗室, 淮南 232001)

中國人均水資源占有量僅占世界平均水平的1/6,隨著農(nóng)田化肥農(nóng)藥的增加導(dǎo)致水環(huán)境質(zhì)量惡化,威脅人類飲水安全,同時加劇水資源短缺[1],因此,農(nóng)業(yè)生產(chǎn)導(dǎo)致的水資源的消耗與污染狀況不容忽視,農(nóng)業(yè)生產(chǎn)過程中施用的化肥農(nóng)藥可能造成農(nóng)業(yè)面源污染,是用水和水壓力的主要原因[2-3]。在這種情況下,學(xué)者們開發(fā)了一種定量分析水資源利用狀況方法,稱為水足跡(water footprint,WF),同時該方法更好地解釋了人類的生產(chǎn)活動與產(chǎn)品服務(wù)中直接和間接蘊含的日益增長的用水壓力之間的聯(lián)系[4]。

Hoekstra[5]于2002年首次提出“水足跡”概念。此后,水足跡評價法不斷發(fā)展,如應(yīng)用于農(nóng)作物生產(chǎn)與加工、農(nóng)作物的消費及廢物處理等活動[6]。隨著水足跡研究的進一步推進,學(xué)者們提出水足跡是由3種顏色編碼的成分組成,即綠色、藍色和灰色水足跡。綠水足跡主要指農(nóng)作物在生長過程中蒸發(fā)的來自土壤中雨水的水資源量[7]。藍水足跡主要包括農(nóng)田灌溉用水的蒸發(fā),表示消耗使用淡水水體的水資源量[8]。綠水和藍水足跡沒有將水資源消耗和水污染指標(biāo)結(jié)合起來,無法綜合分析水資源的利用情況。相比之下,使用灰水足跡可以定量分析用水量和污水排放量之間的關(guān)系,從水資源角度評價水污染狀況[9]。基于此,Hoekstra等[10]于2008年提出了“灰水足跡”(grey water footprint,GWF)的概念,將灰水足跡定義為排放到水體的污染負荷與最大容許濃度的比值,作為水污染評估和廢水控制的統(tǒng)一指標(biāo)。研究發(fā)現(xiàn),在核算灰水足跡時,使用最大容許濃度和自然本底值濃度之間的差異來代替原先定義中的最大容許濃度,更具科學(xué)合理性。2011年,Hoekstra[4]對灰水足跡定義進行了完善,將其定義為:以水環(huán)境質(zhì)量標(biāo)準為基準,將污染負荷稀釋至高于特定環(huán)境水質(zhì)標(biāo)準所需淡水的體積。灰水足跡專注于水質(zhì)和水量間的定量關(guān)系研究,更準確地反映了水污染對水資源數(shù)量的影響,為農(nóng)作物生產(chǎn)水污染領(lǐng)域提供了新的研究思路。

灰水足跡理論的提出引起了國際組織和中外學(xué)者的廣泛重視,包括聯(lián)合國環(huán)境規(guī)劃署(United Nations Environment Programme,UNEP)、聯(lián)合國糧農(nóng)組織(Food and Agriculture Organization of the United Nations,FAO)、世界糧食計劃署(World Food Programme,WFP)等,以及相關(guān)領(lǐng)域內(nèi)的學(xué)者們,其中,由于農(nóng)業(yè)生產(chǎn)對水環(huán)境的重要影響,農(nóng)業(yè)灰水足跡是學(xué)者普遍關(guān)注的熱點之一。農(nóng)業(yè)生產(chǎn)灰水足跡指農(nóng)業(yè)生產(chǎn)過程中所排放到水體中的污染物使其達到環(huán)境排放標(biāo)準而需要的水資源,是指農(nóng)業(yè)生產(chǎn)過程中消耗的水足跡之和,它屬于過程水足跡的范疇。中外學(xué)者針對特定農(nóng)作物全球[11-12]、國家[13]、區(qū)域[14-16]、省市[17-19]農(nóng)業(yè)產(chǎn)品灰水足跡、時空演化特征進行了大量研究,已經(jīng)取得了一系列成果。

灰水足跡自2008年開始傳播,其所依據(jù)的概念也經(jīng)歷了不斷的發(fā)展,了解農(nóng)業(yè)生產(chǎn)灰水足跡發(fā)展歷程以理解其演變十分必要。鑒于此,重點對農(nóng)業(yè)生產(chǎn)灰水足跡進行文獻綜述,系統(tǒng)梳理農(nóng)業(yè)灰水足跡核算模型發(fā)展歷程,分析中外主要農(nóng)作物生產(chǎn)灰水足跡時空分布格局研究現(xiàn)狀,并總結(jié)農(nóng)業(yè)生產(chǎn)的灰水足跡影響因素,最后對灰水足跡評估不足與未來研究突破點進行分析。

1 研究方法

分別選擇Web of Science核心數(shù)據(jù)庫及中國知網(wǎng)檢索2008—2022年農(nóng)業(yè)生產(chǎn)灰水足跡研究成果。在Web of Science核心數(shù)據(jù)庫中檢索關(guān)鍵詞包括:“Water Footprint、Grey Water、Grey water footprint、Crop Grey Water Footprint、Grey Water Stress、Agricultural Crops”;中國知網(wǎng)中檢索關(guān)鍵詞包括:“水足跡、灰水、灰水足跡、農(nóng)業(yè)灰水足跡”。在Web of Science核心數(shù)據(jù)庫中檢索篩選出相關(guān)文獻500余篇,其中農(nóng)業(yè)生產(chǎn)相關(guān)文獻量229篇;在中國知網(wǎng)中檢索篩選出農(nóng)業(yè)灰水足跡相關(guān)文獻63篇,發(fā)文量總體呈逐年上升趨勢。通過文獻題目、關(guān)鍵詞、摘要及全文瀏覽,梳理農(nóng)業(yè)灰水足跡核算模型發(fā)展歷程及主要農(nóng)作物生產(chǎn)灰水足跡核算研究現(xiàn)狀,總結(jié)農(nóng)業(yè)灰水足跡的主要驅(qū)動因素。

2 農(nóng)業(yè)灰水足跡核算、特征分析及驅(qū)動因素研究現(xiàn)狀

2.1 農(nóng)業(yè)灰水足跡核算的發(fā)展歷程

Chapagain等[20]針對作物種植的灰水足跡進行了研究,評估了15個棉花生產(chǎn)最多的國家(中國、美國、印度、巴基斯坦、埃及、烏茲別克斯坦、土耳其、巴西、澳大利亞、希臘、敘利亞、土庫曼斯坦、阿根廷、馬里、墨西哥)棉花消費的水足跡,計算了綠水、藍水和灰水足跡,其中灰水足跡采用美國國家環(huán)境保護局[21]建議的允許限值進行計算。Hoekstra等[10]研究認為,綠水、藍水和灰水產(chǎn)生的機制及影響因素不同,不能通過簡單求和計算總水足跡,并于2008年首次嘗試改進全球水貿(mào)易計算模型,增加了重復(fù)計算量、集水區(qū)回水和徑流等問題對總水足跡的影響,在2011年使用實際灌溉的本地數(shù)據(jù)基于改進的計算模型對水稻的灰水足跡進行首次全球評估[12]。2012年,Hoekstra等[22]對1996—2005年全球水足跡進行再次核算,比首次核算的水足跡評估值高出30%,其中,綠水、藍水和灰水所占比例分別為74%、11%和15%。2010年末,隨著Hoekstra等[22]提出的水足跡模型取得突破性進展,污染造成生態(tài)影響的灰水足跡測度模型得到統(tǒng)一和規(guī)范,主要以現(xiàn)有水環(huán)境水質(zhì)標(biāo)準為基礎(chǔ),以用于消納、稀釋產(chǎn)品生產(chǎn)、消費過程中所排放污染物(如農(nóng)業(yè)生產(chǎn)中作物生長施用的營養(yǎng)元素氮、磷、鉀及除草藥劑等),所需淡水量作為水環(huán)境影響程度的衡量指標(biāo)[23]。此后,灰水足跡測度模型得到進一步發(fā)展。Ariyani等[24]指出,除化肥外,農(nóng)業(yè)生產(chǎn)活動中農(nóng)藥的流失也是導(dǎo)致水環(huán)境污染的主要因素,而第一次全球評估水稻灰水足跡核算主要根據(jù)施氮量、淋濾徑流分數(shù)和硝酸鹽水質(zhì)標(biāo)準計算的,沒有考慮來自農(nóng)藥施加對灰水足跡總量的貢獻,進而將農(nóng)藥納入灰水足跡評估,校正了水足跡成分的比率值,進一步完善了農(nóng)業(yè)生產(chǎn)灰水足跡核算模型。王丹陽等[25]指出,在傳統(tǒng)灰水足跡核算過程中,忽略了污染物的稀釋實際上是由不同水體完成的,且將污染物排放量大與產(chǎn)生的灰水足跡大同等對待,從而導(dǎo)致較大的核算誤差,指出總灰水足跡計算時,建議將污染物分解到不同水體,分別計算各水體的灰水足跡后再進行求和。Liu等[26]研究表明,當(dāng)前灰水足跡核算模型中沒有重視灰色水足跡評估的適當(dāng)水質(zhì)標(biāo)準及多種污染物的灰水足跡綜合效應(yīng),并基于此對灰水足跡模型進一步發(fā)展改進。另外,灰水足跡量化核算容許限制對于模型核算準確性有較大影響,常用的水質(zhì)限值參考美國環(huán)境保護署(United States Environmental Protection Agency,US-EPA)和歐洲聯(lián)盟(European Union,EU)容許限值,部分在全球范圍的灰水足跡核算研究中,沒有明確定義為容許限值選擇的方法[7],但根據(jù)文獻[27-28],容許限制應(yīng)在研究區(qū)域本地特征進行定義。

當(dāng)前研究主要將上述灰水足跡核算模型運用于在農(nóng)作物灰水足跡的核算與評價[29]、灰水足跡空間關(guān)聯(lián)分析[30]、農(nóng)業(yè)灰水足跡效率研究[9]、灰水足跡全生命周期評估[31-32]、灰水足跡空間分布格局[2]、驅(qū)動因素分析[33-35]等方面。此外,隨著遙感(remote sensing,RS)和地理信息系統(tǒng)(geographic information system,GIS)技術(shù)的發(fā)展,使得灰水足跡在不同尺度的核算在空間格局上更具可視性,諸多學(xué)者借助遙感影像在GIS軟件中將研究區(qū)域按照一定尺度劃分為不同的計算柵格,根據(jù)空間插值與地統(tǒng)計等方法,確定每一個柵格內(nèi)的灰水足跡核算模型需要的參數(shù),隨后對每一個柵格內(nèi)的灰水足跡進行量化處理[36-39]。綜上所述,目前針對農(nóng)業(yè)生產(chǎn)灰水足跡核算模型研究尚處于不斷更新與發(fā)展的階段,新方法的運用為農(nóng)業(yè)生產(chǎn)灰水足跡更科學(xué)核算提供了新的切入點。

2.2 主要農(nóng)作物生產(chǎn)灰水足跡特征研究現(xiàn)狀

目前,已經(jīng)開展不同農(nóng)作物灰水足跡的時空分布格局研究的國家包括:中國[40]、美國[41]、韓國[42]、哥倫比亞[43]、沙特阿拉伯[38]、智利[44]、希臘[45]、伊朗[46]、巴基斯坦[47]、意大利[14]、孟加拉國[48]、阿根廷[49]、突尼斯[50]、新西蘭[51]、摩洛哥[52]等。涉及的農(nóng)作物主要包括玉米[16]、小麥[53]、水稻[17]、土豆[54]、大豆[55]、大麥[49]、番茄[29]、油菜[56]、甜菜[57]、甘蔗[58]、棉花[59]、葡萄[29]、向日葵[56]、苜蓿[60]、煙草[46]、椰棗[61]、橄欖[62]、檸檬[63]、蘋果[64]等。不同國家主要農(nóng)作物生產(chǎn)灰水足跡時空分布格局與各個國家主要農(nóng)作物類型、土壤類型、受保護或不受保護的系統(tǒng)、灌溉系統(tǒng)、原產(chǎn)地和氣候、產(chǎn)量和耕作系統(tǒng)等因素密切相關(guān)[7]。由于天氣條件和化肥大量投入,意大利番茄種植生產(chǎn)灰水遠高于美國[65]。西班牙是最大的水資源消耗國之一,灌溉用水量在歐盟灌溉用水總量中比例較高,其灰水足跡值較大[66]。也有學(xué)者從生命周期評價的角度評價作物種植灰水足跡,得到中國每千克橙子的灰水足跡含量最高,其次是西班牙、意大利和巴西,而美國生產(chǎn)的橙子灰水足跡含量最低[67]。有意思的是,單位不同灰水含量空間分布格局也有差異,當(dāng)以m3/ha作為計算單位,這種計算差異與作物產(chǎn)量相關(guān),波蘭草莓種植灰水以m3/kg計最高,而摩洛哥和西班牙草莓種植灰水以m3/ha計最高。盡管英國和波蘭每公頃草莓種植的耗水量相似,但由于英國草莓產(chǎn)量較高,每千克草莓種植灰水含量反而較低[68]。

中國農(nóng)業(yè)生產(chǎn)灰水足跡在時間上總體呈先上升后下降的趨勢,省際農(nóng)業(yè)生產(chǎn)灰水生態(tài)足跡空間上呈西高東低分布,傳統(tǒng)農(nóng)業(yè)和人口大省四川、河南、山東農(nóng)業(yè)灰水足跡較高,北京年平均灰水生態(tài)足跡最低[69]。東中部各省市的灰水生態(tài)足跡整體呈現(xiàn)先升后降的趨勢,大多數(shù)省市灰水生態(tài)足跡下降趨勢較為明顯,西部的部分省市灰水生態(tài)足跡出現(xiàn)了增長現(xiàn)象,如內(nèi)蒙古自治區(qū)、云南、甘肅、青海、新疆維吾爾自治區(qū)的灰水生態(tài)足跡均有一定程度的上升[70]。2017年,中國種植業(yè)灰水足跡為4.90×1011m3,在地理空間分布上存在集聚效應(yīng),主要呈現(xiàn)“南高北低”的特征,排前6的江蘇、廣東、湖北、湖南、安徽和河南灰水足跡為2.94×1011m3,約占中國總量的42.97%,從灰水足跡結(jié)構(gòu)得出,各省市區(qū)的總磷帶來的稀釋水需求量均大于氨氮的,總磷為限制性指標(biāo)[71]。在特定作物層面,以2018年Hu 等[13]核算結(jié)果為例,2015年中國糧食生產(chǎn)的總灰水足跡為8.17×1011m3,其中,由于小麥、玉米、蔬菜和水果種植規(guī)模較大,河南和山東上述農(nóng)作物灰水足跡高于中國其他大部分省份;玉米、小麥生產(chǎn)平均灰水足跡相對較高,分別為3.86×1010m3和3.10×1010m3,甜菜和雙季早稻的平均灰水足跡最小;從每生產(chǎn)1 kg農(nóng)作物產(chǎn)生的灰水來看,油菜的灰水足跡最高8.64 m3/kg,緊隨其后的是小麥6.37 m3/kg、橙子6.31 m3/kg,此外,淀粉根、蘋果、玉米和其他水果也具有相對較高的灰水足跡。此外,不同學(xué)者對農(nóng)作物生產(chǎn)灰水足跡時空分布格局研究的尺度有所差異,包括全球尺度[11,72]、國家尺度[73]、流域尺度[74]、省域尺度[17-18]、市域尺度[75]、縣域尺度[76]等。

綜上所述,中外學(xué)者對主要農(nóng)作物生產(chǎn)灰水足跡時空分布特征研究方面已經(jīng)取得了一系列成果,但尚處于不斷更新發(fā)展階段,特別是中國在該方面的研究主要是對國外研究方法的學(xué)習(xí)和應(yīng)用,且主要集中在國家尺度[17]或少數(shù)省市主要農(nóng)作物,如湖南[23]、新疆維吾爾自治區(qū)[77]、黑龍江[31]、陜西[18]、華北平原[76]、內(nèi)蒙古自治區(qū)河套灌區(qū)[78]等地關(guān)于水稻、棉花、小麥、大豆、玉米、油料作物、蔬菜、水果等灰水足跡的核算。需要指明的是,中國南方濕潤地區(qū)存在“水多、水少、水臟、水渾”等嚴重的水資源問題,在這些地區(qū)農(nóng)業(yè)灰水足跡也是一個不可忽視的問題,但關(guān)于南方不同尺度下農(nóng)業(yè)灰水足跡的研究則相對缺乏。

2.3 農(nóng)業(yè)灰水足跡的驅(qū)動因素研究現(xiàn)狀

2.3.1 農(nóng)業(yè)灰水足跡的驅(qū)動因素分析模型

常用與農(nóng)業(yè)灰水足跡的驅(qū)動因素分析的模型主要包括:對數(shù)平均迪式指數(shù)分解法(logarithmic mean Divisia index,LMDI)模型[79]、Kaya恒等式[80]、通徑分析法[81]、最小方差模型(least square error,LSE)[82]、物質(zhì)流分析(material flow analysis,MFA)[13]。

LMDI模型是一種完全分解無殘差的影響因素分析方法[83-84],近年來用于水污染驅(qū)動因素分解研究[85-86]。李勝楠等[79]選擇人口因素、經(jīng)濟因素、城鄉(xiāng)結(jié)構(gòu)因素、技術(shù)因素、產(chǎn)業(yè)結(jié)構(gòu)因素作為指標(biāo),利用LMDI模型對福建省及各地市2001—2017年的灰水足跡時空變化驅(qū)動因素進行了分解研究。Kaya恒等式對灰水足跡變化驅(qū)動因素解釋力強,能夠反映驅(qū)動因素的貢獻值,但無法反映區(qū)域差異。學(xué)者們常將LMDI模型和Kaya恒等式結(jié)合使用[87]。張智雄等[80]結(jié)合LMDI模型和Kaya恒等式,充分考慮資本和勞動力因素,選取經(jīng)濟活度效應(yīng)、資本深化效應(yīng)、資本效率效應(yīng)、足跡強度效應(yīng)、環(huán)境效率效應(yīng)等指標(biāo),運用擴展的Kaya恒等式和LMDI模型對中國各省市的人均灰水生態(tài)足跡變化的驅(qū)動因素進行了測度分析。但LMDI模型多基于Kaya恒等式為基礎(chǔ)進行拓展,將研究變量分解為多種因素相乘的形式,由此得到的驅(qū)動因素之間相關(guān)性較強,從而導(dǎo)致LMDI模型無法同時包含多種絕對量和相對量因素,進而有可能忽略掉一些其他潛在變量,導(dǎo)致驅(qū)動因素分解結(jié)果誤差較大[80]。

通徑分析是一種多元統(tǒng)計分析方法,用于研究變量之間的相互關(guān)系以及自變量對因變量的作用方式和程度,該方法在多元回歸的基礎(chǔ)上將相關(guān)系數(shù)進行分解,通過直接、間接和總通徑系數(shù)來表示某一變量對因變量的直接、間接和總體影響,已廣泛用于農(nóng)業(yè)用水量的定量歸因分析,近年在水資源環(huán)境領(lǐng)域得到廣泛應(yīng)用[88-89]。但在利用通徑分析解析農(nóng)業(yè)灰水足跡的驅(qū)動因素時,要盡可能的考慮到所有影響因素,并需要獲取所有影響因素的長期試驗觀測數(shù)據(jù),取得大量完備的樣本后,才能取得可靠的分析結(jié)果[88]。LSE模型指實際值與期望值的偏差最小值,將LSE模型引入灰水足跡效率驅(qū)動類型研究中,通過對比不同尺度上灰水足跡效率變化的實際效應(yīng)貢獻率分布與理論分布的最小方差來確定驅(qū)動類型。韓琴等[82]利用LSE模型根據(jù)驅(qū)動效應(yīng)的絕對貢獻率進行了尺度分類,并研究了1998—2012年中國省際灰水足跡的驅(qū)動模式。MFA是一種在特定時空范圍內(nèi)對特定系統(tǒng)的物質(zhì)流動與貯存進行系統(tǒng)分析或評價的方法。根據(jù)質(zhì)量守恒定律,物質(zhì)流分析結(jié)果可以通過比較所有的輸入、貯存和輸出來揭示簡單的物質(zhì)平衡規(guī)律[13]。因此,基于MFA可以建立從作物、牲畜和水產(chǎn)養(yǎng)殖生產(chǎn)到地表水(通過徑流)的活性氮排放模型,量化目標(biāo)行政邊界和長時間段內(nèi)的水污染水平,包括詳細的食品類型和生產(chǎn)過程,并進行進一步灰水足跡核算[12]。Hu等[13]在詳細評估食品生產(chǎn)灰水足跡的基礎(chǔ)上,利用MFA模型量化了食品生產(chǎn)灰水足跡的驅(qū)動因素。

2.3.2 農(nóng)業(yè)灰水足跡主要驅(qū)動因素

在灰水足跡測算的基礎(chǔ)上,學(xué)者們對灰水足跡的主要驅(qū)動因素進行了研究,主要概括為兩方面:一方面主要為農(nóng)業(yè)生產(chǎn)過程中涉及到的活動,如農(nóng)藥、化肥的施加;另一方面主要為與農(nóng)業(yè)生產(chǎn)密切相關(guān)的外部因素(圖1),如經(jīng)濟因素與資本深化程度、城鄉(xiāng)結(jié)構(gòu)因素、技術(shù)和產(chǎn)業(yè)結(jié)構(gòu)因素、人口與社會福利因素等。

化肥施用量和農(nóng)產(chǎn)品產(chǎn)量是灰水足跡變化的關(guān)鍵驅(qū)動因素[33],農(nóng)作物在生長過程中使用的化肥、噴灑農(nóng)藥等除被植物利用外,在降水或灌溉等作用下,部分通過地表徑流和地下滲漏進入水體,而這些污染物并非直接流向外界,對當(dāng)?shù)厮h(huán)境造成嚴重危害[9]。農(nóng)業(yè)大量使用的氮磷肥在降雨過程中,經(jīng)農(nóng)田排水、地表徑流、地下滲漏等方式進入地下水體,從而導(dǎo)致稀釋水量增加,成為農(nóng)業(yè)土地利用系統(tǒng)灰水足跡增長的主要原因[90-91]。經(jīng)濟因素是最大正向驅(qū)動因素,經(jīng)濟增長伴隨著水環(huán)境污染問題,是水污染等一系列環(huán)境污染的主要驅(qū)動力,經(jīng)濟活度的提升在大部分時間段能夠造成人均灰水足跡增加[35]。資本深化程度的提高是灰水足跡增加的重要驅(qū)動因素[92],如建立在高水耗強度上的資源密集型重工業(yè),未能采取有效的水資源保護機制造成了嚴重的水污染,使平均每年資本深化效應(yīng)帶來灰水足跡增加。城鄉(xiāng)結(jié)構(gòu)調(diào)整、建設(shè)水平提升以及排水設(shè)施逐步完善有助于污水集中整治[79]。技術(shù)因素是最大負向驅(qū)動因素,產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、清潔生產(chǎn)技術(shù)和污水處理技術(shù)的升級具有巨大的污水減排潛力。通過產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化調(diào)整和技術(shù)升級,可以減少污染物產(chǎn)排量,進一步提高灰水足跡效率[93-94]。人口密度的增加會導(dǎo)致水資源過度利用,增加水環(huán)境負擔(dān)和水污染治理難度,對地區(qū)灰水經(jīng)濟生產(chǎn)率造成顯著負面影響,但提高居民綜合素質(zhì)有助于減少灰水足跡,并促進地區(qū)對水資源和水環(huán)境的保護[95-96]。社會福利的增加對地區(qū)灰水經(jīng)濟生產(chǎn)率產(chǎn)生積極影響,政府改善公共環(huán)境福利和提高民眾生活質(zhì)量,確保經(jīng)濟發(fā)展具備穩(wěn)定的社會條件,對提升本地灰水經(jīng)濟生產(chǎn)率起到積極促進作用[35]。

3 結(jié)論與展望

厘清農(nóng)業(yè)生產(chǎn)灰水足跡的發(fā)展歷程、核算方法及驅(qū)動因素可為農(nóng)業(yè)生產(chǎn)灰水足跡科學(xué)精準核算、區(qū)域農(nóng)業(yè)可持續(xù)發(fā)展提供理論和方法支持,對水資源科學(xué)管理、合理規(guī)劃具有重要意義。基于Web of Science核心數(shù)據(jù)庫及中國知網(wǎng)2008—2022年農(nóng)業(yè)生產(chǎn)灰水足跡研究成果,總結(jié)農(nóng)業(yè)灰水足跡核算模型的發(fā)展歷程、主要農(nóng)作物生產(chǎn)灰水足跡時空分布格局研究現(xiàn)狀、農(nóng)業(yè)灰水足跡的主要驅(qū)動因素。目前國內(nèi)外對主要農(nóng)作物生產(chǎn)灰水足跡相關(guān)研究方面已經(jīng)取得了一系列成果,但尚處于不斷更新與發(fā)展的階段,當(dāng)前研究還存在如下不足。

(1)灰水足跡核算很大程度上依賴于對水體包含的元素(氮、磷、金屬和農(nóng)藥)量化中所做的假設(shè),另外,當(dāng)前灰水足跡的核算過程中污染物排放量數(shù)據(jù)取自統(tǒng)計年鑒、水資源公報、環(huán)境統(tǒng)計年鑒等,忽視了降雨量、場地坡度、土壤質(zhì)地、pH、養(yǎng)分、礦質(zhì)含量、徑流和地表植被等因素對水體中釋放的污染物濃度的影響,核算過程中沒有考慮土壤、植被、氣候條件對污染物毒性降解作用,這意味著當(dāng)前灰水足跡核算是一種簡化模式,當(dāng)灰水足跡應(yīng)用于農(nóng)業(yè)生產(chǎn)時,其計算過程應(yīng)遵循更詳細的方法,使用現(xiàn)場估算,并考慮具體地點的參數(shù),如土壤特性、氣候條件等,實現(xiàn)農(nóng)業(yè)生產(chǎn)灰水足跡的更精準核算。

(2)農(nóng)藥化肥是農(nóng)業(yè)生產(chǎn)中必不或缺的生產(chǎn)資料,對提高農(nóng)作物產(chǎn)量和品質(zhì)具有重要作用,但農(nóng)藥與化肥的不合理使用均會導(dǎo)致諸多環(huán)境問題,如農(nóng)業(yè)面源污染不斷加劇,尤其對土壤環(huán)境、地表水的污染等。現(xiàn)有研究關(guān)于對殺蟲劑和除草劑等農(nóng)藥導(dǎo)致的水體水質(zhì)污染因其致污機制復(fù)雜而暫未納入農(nóng)業(yè)灰水足跡核算當(dāng)中,僅將化肥施用對水質(zhì)造成的面源污染納入計算,這也是目前農(nóng)業(yè)灰水足跡的計算結(jié)果偏低的重要原因。隨著農(nóng)藥污染造成的灰水足跡研究取得突破,糧食生產(chǎn)的灰水足跡計算將會更加客觀全面。此外灰水足跡量化核算水質(zhì)限值選擇方面,應(yīng)在研究區(qū)域本地特征進行定義。

(3)目前主要農(nóng)作物生產(chǎn)灰水足跡核算及時空分布格局研究集中在大尺度研究層面,針對縣域及以下小尺度主要農(nóng)作物生產(chǎn)灰水足跡核算及時空分布格局還是相對較缺乏。此外,由于不同地區(qū)地理和時間位置、氣候、技術(shù)和產(chǎn)量存在差異,當(dāng)前已有的農(nóng)作物灰水足跡并非在所有情況下都具有普適性,因此,亟需開展地方更具針對性的灰水量化研究。