中国农业用水生态足迹时空分异及驱动因素分析

时间：

　　摘 要：农业用水生态足迹对于了解水环境的生态状况以及衡量农业发展对水资源的生态占用具有重要意义。利用水生态足迹模型、可视化地图、Kernel密度估计、Moran指数以及地理探测器分析中国农业用水生态足迹的动态演变规律及驱动因素。结果表明：①2005-2022 年全国总的农业用水生态足迹从 0.19 亿 m2上升至 0.21 亿 m2，地区排序为东北>中部>西部>东部，万元 GDP 农业用水生态足迹从 2.13 下降至 0.49，地区排序为西部>东北>中部>东部;②万元 GDP 农业用水生态足迹呈现“由北向南”、“西北向东南”递减的空间变化特征，高值区分布在新疆、西藏、宁夏，低值区分布在西南的四川、重庆及华北的河南、山东、河北;③Kernel 密度估计呈现“波峰高度增加、波峰数量减少、曲线向左运动、右尾缩短、宽度缩小”的动态变化规律;④考察期内空间 Moran 指数显著为正且主要分布在第一、二、三象限;⑤地理探测器结果揭示，驱动因素的平均解释力排序为：财政支农力度(0.25)>经济发展水平(0.23)>第一产业占比(0.20)>水资源禀赋(0.19)>农田水利基础设施(0.19)>畜牧业占比(0.15)>农业受灾率(0.11)>农业机械化程度(0.07)，农田水利基础设施、财政支农力度、畜牧业占比、农业受灾率的解释力呈波动上升趋势。研究结论表明：我国万元 GDP 农业用水生态足迹存在下降趋同与收敛集聚态势;在空间上主要呈现正相关集聚形态，“低低集聚”地区所占比例45.16%，为最主要的集聚模式;财政支农力度、农田水利基础设施是持续推动空间分异的核心因素。

　　关键词：农业用水;生态足迹;空间差异;动态演进;驱动因素

　　论文《中国农业用水生态足迹时空分异及驱动因素分析》发表在《中国农村水利水电》，版权归《中国农村水利水电》所有。本文来自网络平台，仅供参考。

　　0 引言

　　据统计我国单位耕地面积水资源量大约仅为世界平均水平的1/2,叠加水资源时空分布不均衡的双重压力,水资源短缺形势严峻。不难窥见,农业不仅是用水大户,更是缺水大户,提高农业用水效率势在必行。由此,对全国农业用水生态足迹进行科学测算,廓清农业用水生态足迹时演变规律与驱动因素,有助于揭示人类活动对水资源生态足迹的影响,对于加强农业水资源治理、提高农业用水效率具有一定的政策参考意义。

　　与本文有关的既有研究成果主要集中在以下3个方面,一是关于农业水足迹与农业用水效率、安全以及经济效益的关系研究,王玉宝[1]和操信春[2]分别把淡水资源当作一种自然资本以及利用水足迹模型,评估我国农业水资源利用效率;薛登选[3]分析了黄河流域9个省份的农业高质量发展与农业水足迹的脱钩关系,发现两者整体处于脱钩状态但技术效应对脱钩效应起到抑制作用。马乐新[4]以雄安新区为研究样本,发现山区的水足迹经济效益低于平原地区。张丽丽[5]基于农业水足迹视角研究了新疆和田地区的水资源安全时空变化趋势,发现农业生产水足迹和水资源压力均呈增长态势。二是关于农业水足迹的量化研究,孙世坤[6]分析了不同粮食作物种植的水足迹发现存在显著差异;夏帆[7]以博爱县为研究区域,测算了小麦和玉米两种作物的水足迹,以此为基础推算农业灌溉用水的水价;吴芳[8]则根据不同地区的主要农畜产品计算农业水足迹含量,构建农业水足迹易网络分析中国农业水足迹变化趋势,发现我国人均农业水足迹呈V字型(先下降后上升)变化趋势;MA[9]测算了张家口市的农业用水生态足迹,发现谷物是农业水生态足迹的主要来源;孙佳歆[10]以三江平原的友谊农场为例,应用生态足迹法测算当地水土资源承载力,发现当地水资源稀缺。三是关于农业水足迹的时空分布研究,刘继龙[11]拓展传统水资源评价体系,根据三江平原的特征量化主要农作物蓝水足迹、绿水足迹及灰水足迹,发现三江平原各地区的水足迹结构存在显著差异;杨润丁[12]测算并分析了湖北省各市州农业水足迹时空演变特征,基于LMDI模型探索其驱动力,发现湖北省农业水足迹由经济效益、技术效应、人口效应驱动。

　　综合上述文献分析发现,既有研究主要基于水足迹和三维足迹模型,在不同农畜产品的用水足迹测算、不同地域内的格局变化及驱动力、经济效益对比分析等方面开展了较为丰富的研究,为加强农业水资源治理提供了科学依据,但仍存在可拓展空间:一是从全国及省级尺度研究万元GDP农业生态用水足迹的较少;二是农业用水生态足迹的空间分布、空间差异以及空间相关性规律还不够明晰;三是农业用水生态足迹时空分异的驱动因素及影响程度尚未明确。鉴于此,本文主要研究以下内容:借鉴并改进既有文献的研究框架与农业用水生态足迹测量方法,测算我国及各地区2005-2022年农业用水生态足迹;采用对比法、ArcMap分析农业用水生态足迹的时序特征及空间分布格局;利用Kernel密度估计、Moran指数据显示农业用水生态足迹的动态演进规律及其空间相关性;最后,基于地理探测器明确农业用水生态足迹时空分异的驱动因素及影响程度。通过研究上述内容,能够阐明我国历年农业用水生态足迹的变化特征、空间集聚态势以及核心驱动力,以期在实践中为提高我国农业用水效率提供参考。

　　1 数据来源与研究方法

　　1.1 数据来源

　　以中国31个省(区、市)为研究对象(由于港澳台地区的数据缺失,未纳入研究范围),研究对象及区域划分情况见图1。数据主要涉及中国各省(区、市)的农业用水量、农林牧渔业GDP、经济社会发展情况等资料,数据来源于中国统计年鉴(https://www.stats.gov.cn/sj/ndsj/),由国家统计局每年进行更新公布。在中国统计年鉴第八章(资源和环境)收集了全国及各省(区、市)的水资源和供水用水情况,在第十二章(农业)收集了农林牧渔业总产值及其他的经济社会相关指标数据,可以满足研究的需要。研究所采用到的变量及数据特征展示在表1当中。

　　1.2 研究方法

　　1.2.1 农业用水生态足迹测算

　　农业用水生态足迹是水科学领域的专有名词,是指为支持农业生产活动所需的水资源总量,XU[13]的研究表明需要将水资源纳入生态足迹的计算当中,生态足迹模型被WILLANM

　　中国农业用水生态足迹时空分异及驱动因素分析王田月

　　表1 变量类型、定义及特征

　　变量名称变量计算方法变量特征变量特征变量特征变量特征变量名称变量计算方法平均值标准差最小值最大值农业用水生态足迹计算得到2 012.911 720.4144.109 458.84万元GDP农业用水生态足迹农业用水生态足迹/农林牧渔业GDP1.071.310.159.24经济发展水平GDP/总人口48 096.3531 298.165 051.96190 313.00水资源禀赋水资源/总人口6 592.3124 549.9951.89161 170.60第一产业占比第一产业产值/GDP0.180.090.010.53畜牧业占比畜牧业产值/农林牧渔业GDP0.300.100.110.66农业机械化程度农业机械总动力/农作物总播种面积0.650.340.212.45财政支农力度财政支农支出/农林牧渔业GDP0.240.330.012.09农田水利基础有效灌溉面积/农作物设施水平总播种面积0.440.190.151.23农业受灾率受灾面积/农作物总播种面积0.180.140.000.94注:农业用水生态足迹及万元GDP农业用水生态足迹变量利用1.2.1~1.2.4中的公式测算并在1.2.3~1.2.4以及2.1~2.4结果分析中使用,经济发展水平、水资源禀赋等其他变量作为驱动因素在1.2.5以及2.5结果分析中使用。

　　黑龙江新疆内蒙古吉林计肃北京河北青海山西山东西藏陕西河南江安徽上四川湖北新江湖南红西5贵州图例福建云南广西东部东中部西部东北

　　注:根据国家测绘地理信息标准地图[审图号:GS(2023)2767号]绘制而成,底图无修改。

　　图1 研究对象及区域分布图

　　提出后,经过WACKERNAGE[15]不断完善成为计算水生态足迹的常用方法。本文参考杨骞[14]的做法也采用生态足迹模型测算我国农业用水生态足,公式如下:

　　式中: $EF_{agw}$ 是总的农业用水生态足迹, $hm^2$; $N$ 是地区总人口数量; $ef_{agw}$ 是人均农业用水生态足迹; $a_w$ 是水资源全球均衡因子。$P_w$ 是全球水资源平均生产能力; $A_{agw}$ 是农业用水量。参考已有文献以及WF2002核算结果, 将全球均衡因子设定为5.19, 水资源平均生产能力为0.314万$^{3}$/h$^{2}$。

　　1.2.2 万GDP农业用水生态足迹测算

　　万元GDP农业用水生态足迹是指农业领域单位产出所需的用水量,可以衡量一个地区的农业用水效率。在具体计算过程当中,既有研究主要采用区域农业用水生态足迹与地区国内生产总值(GDP)的比值来度量,但是这种方法只能从宏观经济视角来粗略判断用水效率,不能对农业生产部门进行针对性描述。因此本文采取区域农业用水生态足迹与地区农林牧渔业

　　生产总值(GDP)的比值来计算万元GDP农业用水生态足迹,因此万元GDP农业用水生态足迹越大表示农业用水效率越低。具体计算公式如下:

　　式中: $GEF_{age}$ 表示万元GDP农业用水生态足迹, 农林牧渔业GDP表示农林牧渔业生产总值。

　　由于农业用水生态足迹总量与区域农林牧渔业生产规模和结构有关,缺乏可对比性。因此在下文的农业用水生态足迹的空间分布格局、Kernel密度估计动态演进、空间相关性以及驱动因素分析中均采用万元GDP农业用水生态足迹数据。

　　1.2.3 Kernel 动态演进分析

　　Kernel 密度估计是用来分析非均衡分布演进态势的常用方法,本文用此方法来分析万元GDP农业用水生态足迹的动态演进规律。其假设$x_1,x_2,x_3,dots,x_n$为来自连续总体X样本的万元GDP农业用水生态足迹,估计公式为:

　　式中: K(.)为 Kernel 密度计算函数; h为带宽; n为观测值。

　　1.2.4 空间相关性分析

　　(1)全局空间自相关。采用全局 Moran 指数反映全局空间自相关情况,然后进一步分析不同区域间空间关联情况及空间分布模式。全局 Moran 指数具体计算公式为:

　　式中: I为全局 Moran 指数; n取值为 31 (研究样本数, 即本文研究农业用水生态足迹的 31 个省级地区); xᵢ、xⱼ 分别为 i 地区与 j 地区的万元 GDP 农业用水生态足迹; W 为空间邻接矩阵, 用来

　　表示不同地区之间是否邻接的地理关系,当两个地区之间存在共同边界则判定为邻接地区赋值为,当两个地区之间不存在共同边界则判定为非邻接地区赋值为0。

　　全局 Moran 指数的值在-1到1之间,数值大小表示关系强弱(数值越大代表关系越强,数值越小代表关系越弱),正数表示存在空间正相关关系,负数表示存在空间负相关关系,0表示随机分布。

　　(2)局部空间自相关。局部空间自相关采用局部Moran指数度数,反映的是局部地区与周围地区的空间关联情况。万元GDP农业用水生态足迹局部Moran指数计算公式如下:

　　式中: $I_i$为第i个地区的局部Moran指数;$w_{ij}$为空间邻接矩阵;n的取值为31(研究样本数); $y_{ij}(j)$为i(j)地区的万元GDP农业用水生态足迹。将$S^2$展开可以得到下式:

　　通过以上计算可以得到本地万元GDP农业用水生态足迹与周围地区比较情况,以及周围地区与整个区域的比较情况。根据局部Moran指数结果研究对象分布在四个象限,分别代表四种集聚模式。I象限(H-H)称为高高集聚模式,代表本地区以及周围地区的万元GDP农业用水生态足迹都较高;II象限(L-H)称为低高集聚模式,代表本地区万元GDP农业用水生态足迹水平较低,周围地区万元GDP农业用水生态足迹水平高;III象限(L-L)称为低低集聚模式,代表本地区及周围地区的万元GDP农业用水生态足迹水平都较低;IV象限(H-L)称为高低集聚模式,代表本地区万元GDP农业用水生态足迹水平较高,但是周围地区万元GDP农业用水生态足迹水平较低。

　　1.2.5 驱动因素分析

　　人类活动等社会因素对农业用水生态足迹的空间分异产生重要影响,地理探测器是揭示空间杂质性及驱动因素的统计方法,被广泛应用到地理学、社会学等领域。根据地理探测器的原理,当某个因子对农业用水生态足迹空间分异的影响越大,二者在空间上的分布状态越吻合。依据王劲峰[17]对地理探测器原理的阐述,通过地理探测器可以计算某一因素对万元GDP农业用水生态足迹空间分异的驱动解释力,用q值度量。计算表达式为:

　　式中: $q$ 为影响因素对万元GDP农业用水生态足迹空间分异的影响程度值,亦称为驱动解释力; $h=1,2,3,dots$ 为影响因素的分类数; $N$ 为研究对象个数; $N_h$ 表示分类为 $h$ 的研究对象个数; $sigma^2$ 为中国万元GDP农业用水生态足迹的方差; $sigma_h^2$ 为分类为 $h$ 的地区万元GDP农业用水生态足迹的方差。需要说明的是, $q$ 的取值范围为 $0sim 1$,取值越大说明该因素对万元GDP农业用水生态足迹空间分异的影响越大。

　　参考陈艳萍[18]、王国峰[19]等研究的做法,并综合数据的可得性兼顾农业发展实际,选取经济发展水平、水资源禀赋、第一产业占比、畜牧业占比、农业机械化程度、财政支农力度、农田水利基础设施、农业受灾率等8个与农业用水量相关的变量作为驱动因素,相关变量计算方法及数据特征见表1。由于驱动因素为连续型变量,依据地理探测器的原理要求,将上述影响因素做离散化处理,统一分为5类。

　　2 结果与分析

　　2.1 农业用水生态足迹的时序特征

　　图2展示了全国以及四大地区农业用水生态足迹测算结果,从变动趋势来看,全国平均、中部地区、东北地区、西部地区的农业用水生态足迹呈平稳、波动上升趋势,而东部地区从2015年后农业用水生态足迹有所下降,但下降幅度仅为11.1%,说明全国农业用水需求仍然在不断增加。从不同地区平均量对比来看,考察期内农业用水生态足迹按从大到小的顺序排列,依次为东北地区、中部地区、西部地区和东部地区,东北地区和中部地区是主要农业用水地区,这两个地区是我国重要的粮食主产区。

　　|年份|全国平均|东部地区|东北地区|中部地区|西部地区| |:---:|:---:|:---:|:---:|:---:|:---:| |2005|0.20|0.18|0.20|0.22|0.20| |2007|0.21|0.18|0.22|0.23|0.20| |2009|0.22|0.18|0.23|0.24|0.20| |2011|0.22|0.18|0.23|0.23|0.20| |2013|0.22|0.18|0.27|0.25|0.21| |2015|0.22|0.18|0.27|0.24|0.21| |2017|0.22|0.17|0.27|0.24|0.20| |2019|0.22|0.16|0.25|0.23|0.20| |2021|0.22|0.15|0.24|0.27|0.21|

　　图3展示了全国以及四大地区的万元GDP农业用水生态足迹测算结果,总体来看,我国万元GDP农业用水生态足迹呈

　　|年份|全国平均(万元/GDP生态足迹(hm²·万元⁻¹))|东部地区(万元/GDP生态足迹(hm²·万元⁻¹))|东北地区(万元/GDP生态足迹(hm²·万元⁻¹))|中部地区(万元/GDP生态足迹(hm²·万元⁻¹))|西部地区(万元/GDP生态足迹(hm²·万元⁻¹))| |:---:|:---:|:---:|:---:|:---:|:---:| |2005|2.1|1.2|1.4|1.3|3.6| |2007|1.8|1.0|1.4|1.2|3.4| |2009|2.1|1.1|1.5|1.3|3.5| |2011|1.2|0.8|0.9|0.7|1.7| |2013|0.9|0.6|0.8|0.6|1.4| |2015|0.8|0.5|0.7|0.5|1.2| |2017|0.7|0.4|0.6|0.4|1.0| |2019|0.6|0.3|0.5|0.3|0.8| |2021|0.5|0.2|0.4|0.2|0.6|

　　中国农业用水生态足迹时空分异及驱动因素分析

　　显著下降趋势,各地区差异显著。在全国层面,考察期内万元GDP农业用水生态足迹从2005年的2.13 hm$^{2}$/万元下降到2022年的0.49 hm$^{2}$/万元,下降幅度达76.99%,年均下降速度4.52%,而且当前仍然保持下降趋势,农业用水效率水平不断提高。从不同地区平均量对比来看,万元GDP农业用水生态足迹从大到小排列顺序为西部地区>东北地区>中部地区>东部地区。

　　结合图2和图3可知,虽然中国万元GDP农业用水生态足迹呈逐渐递减的态势,用水效率有所提升,但是总的农业用水生态足迹及呈缓慢上升趋势,说明万元GDP农业用水生态足迹下降的主要原因是农业总产值的增加而不是用水量的下降,农业生产用水仍然存在日益增长的客观条件约束。根据马晓蕾[20]的研究结果,由于农业水生态足迹占总的水生态足迹比例达60%以上,农业仍然是用水大户,在水资源总量约束的条件下,如何在提高产出的同时加快技术创新控制农业用水总量以保持可持续发展是未来需要重点突破的方向,农业用水效率仍需进一步提高。

　　2.2 农业用生态足迹的空间分布格局

　　图4是万元GDP农业用水生态足迹空间分布图。图4显示万元GDP农业用水生态足迹具有显著的空间异质性,但差异性在收敛。从空间分布格局变化角度,万元GDP农业用水生态足迹呈现“北高南低”和“西北高东南低”的递减趋势,这与我国水资源分布的格局正好相反。从空间分布形态而言,万元GDP农业用水生态足迹高值区主要分布在以新疆-西藏为中心的集聚区和以宁夏为中心的集聚区,上述地区在考察期内均属于最高水平地区,2022年上述地区的万元GDP农业用水生态足迹仍然大于1。其中一个原因是大部分西北地区都属于干旱半干旱地区,受地形阻挡以及离海洋较远自然降雨少,水资源的时空分配不均矛盾更加突出,农业用水效率较低;此外,这些地区主要以畜牧业为主,生产方式相对粗放、农业用水量大。万元GDP农业用水生态足迹低值区则主要为四川、重庆、河南、山东、河北等地区,这些地区考察期内内用水生态足迹一直较低,如重庆2022年的万元GDP农业用水生态足迹仅为0.15,为全国

　　图例图例无数据无数据(0.1(0.(1.2(2.3(3.4(4.10(a)2005年(b)2010年西图例无数据图例0.无数据(0.1(1.2)2022年c)2015年

　　注:根据国家测绘地理信息标准地图[审图号:GS(2023)2767号]绘制而成,底图无修改。

　　用水效率最高的地区,四川、河南、山东和河北等地的万元GDP农业用水生态足迹也分别仅为0.28、0.21、0.17、0.22,这些地区的万元GDP农业用水生态足迹都处于全国最低层次。随着时间的发展,除了新疆、西藏、宁夏、上海外,到2022年所有地区的万元GDP农业用水生态足迹均下降到1以下,地区之间的差距在不断收敛。

　　2.3 农业用水生态足迹的动态演进规律

　　图5是万元GDP农业用水生态足迹的Kernel密度估计图。从全国整体来看,万元GDP农业用水生态足迹的波峰高度从2005年的0.42上升到2022年的0.61,核密度曲线波峰高度的增加说明不同地区万元GDP农业用水生态足迹有趋同态势。与此同时,核密度曲线的波峰数量从双波峰变为单波峰形态,万元GDP农业用水生态足迹的极化现象有所缓解。核密度曲线的位置在考察期内向左移动,并且移动幅度较大,这意味着全国农业用水生态足迹在不断下降,农业用水效率呈出不断提升之势的核密度曲线的右尾呈现缩短的变化特征,曲线的延展性有所收窄,万元GDP农业用水生态足迹的空间差异正在逐步收敛。综上,全国不同地区的万元GDP农业用水生态足迹存在趋同与收敛集聚态势。

　　|万元GDP农业用水生态足迹|核密度| |:---:|:---:| |0|0.6| |1|0.5| |2|0.4| |3|0.2| |4|0.1| |5|0.05| |6|0.03| |7|0.02| |8|0.03| |9|0.04| |10|0.05|

　　2.4 农业用水生态足迹的空间相关性分析

　　万元GDP农业用水生态足迹全局Moran指数展示在图6。结果显示,考察期内万元GDP农业用水生态足迹全局Moran指数显著为正,存在显著的空间正相关关系;全局Moran指数的数值有所下降说明空间相关关系有所减弱。局部Moran指数结果如表2所示,从象限分布格局来看有以下特征:第一,新疆、西藏、青海、甘肃、内蒙古一直处于第一象限形成“高高集聚”的空间格局,即自身万元GDP农业用水生态足迹较高,周围地区的万元GDP农业用水生态足迹也比较高,属于农业用水主要地区,也是农业用水效率“冰点”地区。第二,云南、四川、陕西、吉林一直处于第二象限形成“高集集聚”的空间格局,即自身万元GDP农业用水生态足迹较低,但是周围地区的万元GDP农业用水生态足迹较低,这些地区农业用水效率在周围地区当中处于领先地位。第三,北京、天津、河北、山东、辽宁、山西、河南、安徽、湖北、湖南、海南、重庆、贵州则一直处于第三象限形成“低低集聚”模式,即自万元GDP农业用水生态足迹较低,周围地区的万元GDP农业用水生态足迹也比较低,无论是从区域还是全国视野看,这些地区都是全国农业用水效率领先地区,属于农业用水效率的“热点”地区。第四,辽宁则一直处于第四象限形成“高低集聚”模式,即自身万元GDP农业用水生态足迹较高,周围地区的万元GDP农业用水生态足迹较低,辽宁的农业用水效率低于周围地区。

　　|年份|全局莫兰指数| |:---:|:---:| |2005|0.31| |2006|0.32| |2007|0.32| |2008|0.32| |2009|0.32| |2010|0.31| |2011|0.32| |2012|0.32| |2013|0.30| |2014|0.29| |2015|0.31| |2016|0.31| |2017|0.29| |2018|0.28| |2019|0.26| |2020|0.26| |2021|0.25| |2022|0.22|

　　表2 农业用水生态足迹局部莫兰散点聚类情况

　　年份I象限(H-H)II象限(L-H)III象限(L-L)IV象限(H-L)2005新、藏、青、甘、内蒙古云、川、陕、吉京、苏、津、冀、沪、浙、鲁、辽、晋、豫、皖、闽、赣、鄂、湘、粤、琼、渝、贵宁、桂、黑2010新、藏、青、甘、内蒙古云、川、陕、吉京、苏、津、冀、沪、浙、鲁、辽、晋、豫、皖、闽、鄂、湘、粤、琼、渝、贵宁、桂、黑、赣2015新、藏、青、甘、内蒙古云、川、陕、吉京、苏、津、冀、沪、浙、鲁、辽、晋、豫、皖、闽、鄂、湘、粤、琼、渝、贵宁、桂、黑、赣、沪2022新、藏、青、甘、内蒙古、苏、黑云、川、陕、吉、浙、闽、粤京、津、冀、鲁、辽、晋、豫、皖、闽、鄂、湘、粤、琼、渝、贵、桂宁、赣、沪注:字体加粗的地区表示在考察期内所处的象限有变化,其他地区无变化。

　　从象限跃迁来看有如下表现:第一,江西从2005年的第三象限迁移至第四象限,说明江西和上海的万元GDP农业用水生态足迹的下降速度落后于周围地区,即农业用水效率从与周围保持一致发展到落后于周围地区。第二,江苏和黑龙江则分别从第三象限和第四象限迁移到第一象限,即江苏和黑龙江的万元GDP农业用水生态足迹都是从领先地位变为相对落后地区,其周围地区的农业用水效率也是在发展过程当中逐渐落后于全国其他地区。第三,浙江、福建、广东则从第三象限迁移至第二象限,即在发展过程当中,这些地区的农业用水效率不断提升并逐渐领先于周围地区。

　　2.5 农业用水生态足迹时分异驱动因素分析

　　为探究我国万元GDP农业用水生态足迹空间分异的驱动因素,引入空间统计模型地理探测器,分别计算不同因素对农业用水生态足迹空间分异的作用强度。图7展示了2005、2010、2015、2022等年份中国万元GDP农业用水生态足迹驱动因子解释力探测结果。结果显示,从历年平均驱动解释力的强度来看,财政支农力度对农业用水生态足迹空间分异的影响最大,历年平均驱动解释力达0.25,其次分别为经济发展水平(0.23)、第一产业占比(0.20)、水资源禀赋(0.19)、农田水利基础设施(0.19)、畜牧业占比(0.15)、农业受灾率(0.11)、农业机械化程度(0.07)。以上结果说明除了水资源禀赋外,经济发展水平、第一产业占比、农田水利基础设施以及畜牧业占比等人类活动均对万元GDP农业用水生态足迹有显著影响,这些人类活动对万元GDP农业用水生态足迹空间分异的驱动影响力更大,而农业受灾率和农业机械化程度的驱动解释力相对较小。从变动情况看,农田水利基础设施、财政支农力度、畜牧业占比、农业受灾率等因子的驱动解释力均呈波动上升趋势,尤其是农田水利基础设施和财政支农力度的因子驱动解释力分别从2005年的0.11、0.19上升到2022年的0.18、0.25,上升幅度分别达到81.75%和32.68%,成为万元GDP农业用水生态足迹空间分异的主要驱动力。经济发展水平、水资源禀赋和农业机械化3个因子在考察期内虽然有所波动,但整体保持稳定。第一产业占比在考察期内驱动解释力呈波动下降趋势。

　　3 结论

　　本文测度了我国总的农业用水生态足迹以及万元GDP农业用水生态足迹，并系统研究了万元GDP农业用水生态足迹的时空分异特征和驱动因素，结论如下。

　　(1)考察期内,全国总的农业用水生态足迹呈平稳、缓慢上升趋势,从2005年0.19亿m$^{2}$上升至2022年的0.21亿m$^{2}$,从大小到小排列顺序为东北地区>中部地区>西部地区>东部地区。全国及四地区的万元GDP农业用水生态足迹呈显著下降趋势,从2005年的2.13下降至2022年的0.49,按从大到小的顺序排列,依次为东北地区、中部地区、西部地区和东部地区。西部地区虽然平均总的农业用水生态足迹并不高,但其万元GDP农业用水生态足迹较高,农业用水效率相对较低。东部地区平均总的农业用水生态足迹以及万元GDP农业用水生态足迹都最低,农业用水效率最高。万元GDP农业用水生态足迹下降的主因是农业产值的快速增加,在水资源总量约束背景下,全国仍然面临着较大的用水压力。

　　|年份|农业受灾率|农田基础设施|财政支农力度|农业机械化程度|畜牧业占比|第一产业占比|水资源禀赋|经济发展水平| |:---:|:---:|:---:|:---:|:---:|:---:|:---:|:---:|:---:| |2005|0.058 4|0.114 4|0.190|0.064 7|0.159 4|0.243 0|0.197 3|0.096 7| |2010|0.093 6|0.149 5|0.283 7|0.048 2|0.089 3|0.157 2|0.267 1|0.113 1| |2015|0.109 7|0.214 8|0.220 5|0.068 6|0.176 6|0.331 1|0.106 5|0.653 2| |2022|0.183 7|0.262 2|0.309 6|0.078 9|0.157 0|0.064 6|0.200 3|0.072 7|

　　图7 中国万元GDP农业用水生态足迹驱动因子解释力探测结果

　　(2)万元GDP农业用水生态足迹高值区主要集聚在西北地区的新疆西藏地区和宁夏地区,万元GDP农业用水生态足迹低值区则主要聚集在西南地区的四川、重庆以及华地区的河南、山东、河北。万元GDP农业用水生态足迹大致呈“由北向南”和“西北向东南”递减的空间分布态势。

　　(3)考察期间,万元GDP农业用水生态足迹的极化现象逐渐缓解并呈现趋同与收敛集聚的态势,地区差异逐渐缩小。

　　(4)全国范围内万元GDP农业用水生态足迹呈现出显著的空间正相关集聚形态,其中呈现“低低集聚”模式的地区比例为45.16%,是最主要的集聚形态,农业用水效率普遍有所得高。其次分别为“高高集聚”和“低高集聚”模式,两者所占比例均为22.58%。最后为“高低集聚”模式,所占比例仅为9.68%。

　　(5)地理探测结果揭示,各驱动因素内部对万元GDP农业用水生态足迹空间分异的影响不同。考察期内驱动因素解释力从大到小排序为经济发展水平>第一产业占比>水资源禀赋>农田水利基础设施>畜牧业占比>农业受灾率>农业机械化程度。农田水利基础设施,财政收支力度,畜牧业占比、农业受灾率等因子的驱动解释力均呈波动上升趋势,是农业用水生态足迹空间分异的主要驱动力。

　　参考文献:

　　[1] 王玉宝,吴楠,张富尧,等.基于三维水足迹模型的农业用水可持续性评估[J].农业机械学报,2023,54(1):287-295.(WANG Y B, WU N, ZHANG F Y, et al. Assessment of agricultural water sustainability based on 3D water footprint model [J]. Transactions of the Chinese Society for Agricultural Machinery, 2023,54(1):287-295.)

　　[2]操信春,任杰,吴梦洋,等.基于水足迹的中国农业用水效果评价[J].农业工程学报,2018,34(5):1-8.(CAO X C, REN J,WU M Y, et al. Assessing agricultural water use effect of China based on water footprint framework[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018,34(5):1-8.)

　　[3] 薛选登,冯誉萱.农业高质量发展与农业水足迹的脱钩关系研究:基于黄河流域9省的实证分析[J].节水灌溉,2023(6):83-90+99. (XUE X D, FENG Y X. Study on the decoupling relationship between agricultural high quality development and agricultural water footprint: An empirical analysis based on 9 provinces in the Yellow River Basin[J]. Water Saving Irrigation, 2023(6):83-90+99.)

　　[4] 马新乐,杨永辉,韩淑敏,等.雄安新区上游农业水足迹及其经济效益研究[J].水资源与水工程学报,2022,33(1):215-224.(MA L/Y X), YANG Y H, HAN S M, et al. Agricultural water footprint in the upstream of Xiong' an New Area and its economic efficiency [J]. Journal of Water Resources and Water Engineering, 2022,33(1):215-224.)

　　[5] 张丽丽,邓晓雅,龙爱华,等.基于农业水足迹的水资源安全时空变化分析:以新疆和田地区为例[J].干旱区研究,2022,39(2):436-447.(ZHANG L L, DENG X Y, LONG A H, et al. Spatial-temporal assessment of water resource security based on the agricultural water footprint: A case in the Hotan Prefecture of Xinjiang[J]. Arid Zone Research, 2022,39(2):436-447.)

　　[6] 孙世坤,王玉宝,刘静,等.中国主要粮食作物的生产水足迹量化及评价[J].水利学报,2016,47(9):115-1124. (SUN S K, WANG Y B, LIU J, et al. Quantification and evaluation of water footprint of major grain crops in China [J]. Journal of Hydraulic Engineering, 2016,47(9):115-1124.)

　　[7] 夏帆,李宝玉,曹连海,等.基于作物生产水足迹的农业灌溉水价研究[J].中国农村水利水电,2019(1):92-96.(XIA F, LI B Y, CAO L H, et al. Research on water prices of agricultural irrigation based on the water footprint of crop production [J]. China Rural Water and Hydropower, 2019(1):92-96.)

　　[8] 吴芳,王浩,杨陈,等.中国农业水足迹时空差异和流动格局研究[J].人民长江,2019,50(6):104-110+218. (WU F, WANG H, YANG C, et al. Study on spatial-temporal change and flow pattern of agricultural water footprint in China [J]. Yangtze River, 2019,50(6):104-110+218.)

　　[9] MA W J, MENG L H, WEI F L, et al. Spatiotemporal variations of agricultural water footprint and socioeconomic matching evaluation from the perspective of ecological function zone [J]. Agricultural Water Management, 2021, 249: 106 803.

　　[10] 孙佳歆, 齐鹏, 章光新, 等. 基于生态足迹法的农业水土资源承载力分析: 以三江平原友谊农场为例[J]. 地理科学, 2024, 44(6): 1 060-1 068. (SUN J X, QI P, ZHANG G X, et al. Agricultural water and land resources carrying capacity based on ecological footprint method: A case of Youyi Farm in Sanjiang Plain [J]. Scientia Geographica Sinica, 2024, 44(6): 1 060-1 068.)

　　[11] 刘继龙,吴耀宇,曹晓强,等.三江平原地区农作物水足迹时空演变特征及可持续性利用评价[J].东北农业大学学报,2023,54(8):68-78.(LIU J L, WU Y Y, CAO X Q, et al. Temporal and spatial evolution characteristics of agricultural water footprint of crops in the Sanjiang Plain and evaluation on sustainable utilization [J]. Journal of Northeast Agricultural University, 2023, 54(8):68-78.)

　　[12] 杨润丁,杨冬民.基于LMDI模型的湖北省农业水足迹时空分布与驱动力研究[J].中国水土保持科学,2024,22(1):106-113.(YANG R D, YANG D M. Study on spatial-temporal distribution and driving forces of the agricultural water footprint in Hubei province based on the LMDI model [J]. Science of Soil and Water Conservation, 2024,22(1):106-113.)

　　[13] XU Z M, ZHANG Z Q, CHENG G D. The calculation and analysis of ecological footprints of Gansu province in 1998 [J]. Acta Geographica Sinica, 2000, 55(5):607-616.

　　[14] REES W E. Ecological footprints and appropriated carrying capacity: What urban economics leaves out [J]. Environment and Urbanization, 1992,4(2):121-130.

　　[15] REES M W A W E, TESTEMALE I B P. Our ecological footprint: reducing human impact on the earth[M]. Gabriola Island, BC: New Society Publishers, 1996.

　　[16] 杨骞,秦文晋,王弘儒.中国农业用水生态足迹的地区差异及影响因素:2000-2014[J].经济与管理评论,2017,33(4):135-145.(YANG Q, QIN W J, WANG H R. Regional difference and influencing factors of ecological footprint for agricultural water use in China; 2000-2014[J]. Review of Economy and Management, 2017,33(4):135-145.)

　　[17] 王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72 (1): 116-134. (WANG J F, XU C D. Geodetector: Principle and prospective [J]. Acta Geographica Sinica, 2017, 72 (1): 116-134.)

　　[18] 陈艳萍,刘畅.中国水资源利用效率及其影响因素研究:基于Shephard水资源距离函数[J].世界地理研究,2022,31(3):591-601. (CHEN Y P, LIU C. Research on water resources utilization efficiency and its in-fluencing factors in China—Based on Shephard water resources distance function [J]. World Regional Studies, 2022,31(3):591-601.)

　　[19] 王国峰,胡金森,张帆,黄河九省(区)水资源绿色效率时空格局与影响因素研究[J].人民黄河,2024,46(5):85-90+97. (WANG G F, HU J M, ZHANG F. Research on the spatial-temporal patterns and influencing factors of water resources green efficiency in nine provinces of the Yellow River Basin [J]. Yellow River, 2024,46(5):85-90+97.)

　　[20] 蓦晓蓉,郭婷文,中国水生态足迹与承载能力时空演化研究[J].人民黄河,2022,44(6):81-87.(MA X L, GUO T W. Study on spatial-temporal evolution of water ecological footprint and ecological carrying capacity in China [J]. Yellow River, 2022, 44(6):81-87.