基于水足跡的嘉興市農業產業結構優化模型

秦智雅，俞潔，孫國金，王飛兒，4*

（1.浙江大學 環境與資源學院，浙江 杭州 310058；2.浙江省環境監測中心，浙江 杭州 310012；3.浙江水利水電學院，浙江 杭州 310018；4.浙江生態文明研究院，浙江 安吉 313300）

基于水足跡的嘉興市農業產業結構優化模型

秦智雅1，俞潔2，孫國金3，王飛兒1，4*

（1.浙江大學 環境與資源學院，浙江 杭州 310058；2.浙江省環境監測中心，浙江 杭州 310012；3.浙江水利水電學院，浙江 杭州 310018；4.浙江生態文明研究院，浙江 安吉 313300）

農業產業結構是決定農業用水效率的重要因素之一。相較于傳統用水評價，基于水足跡的評價能更全面地反映水資源的過程消耗。在對嘉興市農業藍水、綠水及灰水足跡核算基礎上，用農業水資源壓力指數（AWSI）評估區域農業用水壓力，構建了基于水足跡的農業產業結構優化模型，分析了節水型、均衡型和發展型3種農業產業結構調整情景。結果表明，嘉興市農業水足跡以綠水為主，藍水足跡、綠水足跡和灰水足跡的占比分別為11.6%，51.7%和36.8%，AWSI為0.45，存在較高的水資源壓力；通過調整產業結構，3種目標情景下的農業水足跡及經濟效益均實現了不同程度優化，AWSI分別降低4.54%，3.89%和0.74%，有效減輕區域水資源壓力。研究表明，通過基于水足跡的農業產業結構調整，有效提高了區域集約化用水效率，減輕了用水壓力。研究可為農業水資源管理決策提供參考。

農業水足跡；產業調整；多目標優化

水資源短缺是全球十大環境問題之一［1］。農業的耗水量最大，僅灌溉的用水量就占全球可用水資源量的70%以上［2］，我國農業灌溉用水占比高達63%［3］。隨著點源污染控制的強化，農業生產的持續高強度經營，農業面源污染逐漸成為我國水環境污染的重要來源之一［4］。提高農業用水效率，是推進區域節水、控制面源污染的重要對策。

采用滴灌、水肥一體化等工程和技術手段是推進農業節水及污染控制的重要措施［5-6］，此外，調整產業結構也是推進農業用水格局改變、提高農業水資源利用效率的重要途徑［7］，藺雪芹等［8］通過定性分析，提出若干農作物種植結構調整措施以推進武威市節水型城市建設；張云蘋等［9］采用多目標規劃模型，得到沾化縣（現為沾化區）小麥、玉米、棉花和冬棗的合理種植比例，緩解了當地農業水資源在時間上分配不均的問題。

然而，現有研究大多關注農作物灌溉水量等農業直接用水問題，較少考慮間接用水問題。“水足跡”是指生產或消費過程中所有產品和服務所需的水資源量［10］，除直接從地下水和地表水獲取水量（藍水足跡）外，還包括植物利用中的有效降水（綠水足跡）以及稀釋污染物需要的水量（灰水足跡）［11］。相較于傳統用水評價，基于水足跡的評價將間接用水納入水資源管理，能全面反映水資源的過程消耗。因此，基于農業水足跡開展產業結構調整，能更全面考量農業實際用水狀況，提升農業水資源的利用效率。

現有基于水足跡的農業產業結構調整研究，基本圍繞種植業開展［12-15］，缺乏將種植業和養殖業進行綜合調控的研究。此外，大部分研究［13-14］只涉及藍水和綠水足跡，未核算灰水足跡。隨著農業面源污染控制的加強，將灰水足跡納入水資源管理對于優化管理方案、提升水生態環境質量具有重要作用。已有實踐應用主要集中于甘肅省等干旱區［12-13］，濕潤區的農業用水壓力雖然較干旱區小，但面臨農業面源污染嚴重、農業與其他產業爭水等問題，因此在濕潤區開展基于水足跡的農業產業結構調整研究，對提升濕潤區水資源集約化利用、削減面源污染有一定的現實意義。

本文以嘉興市為例，在對農林牧漁業按藍水、綠水和灰水足跡進行核算基礎上，用優化的農業水資源壓力指數（AWSI）評估區域農業用水壓力，構建了基于水足跡的農業產業結構優化模型。研究結果可為決策者提供參考，推進區域水資源可持續利用，減輕區域水資源壓力。

1 研究區域與方法

1.1 研究區域

嘉興市地處浙江省東北部、長江三角洲南翼，下轄7個縣（市、區），總面積4 223 km2，2017年常住人口465.6萬。嘉興市雨量豐沛，2017年區域平均降水量1 334.1 mm，區域產水量27.3116×108m3，人均產水占有量僅586.6 m3。嘉興市入境水量豐富，2017年為51.73×108m3，補充了當地可用水量，但入境水水質不佳，Ⅳ類～劣Ⅴ類水占89.5%。同時，作為“浙北糧倉”，嘉興市農業耗水量大，農業面源污染嚴重，成為當地水質的重要污染源［16］。

1.2 模型與方法

1.2.1 農業水足跡核算

1.2.1.1 農作物水足跡核算

采用自下而上的方法核算農作物水足跡，農作物水足跡等于農作物產量與單位質量水足跡相乘之和。

農作物單位質量藍水和綠水足跡采用聯合國糧食及農業組織（FAO）推薦的CROPWAT 8.0模型的“作物需水量”模塊核算［17］。該方法假定作物在最優條件下生長，作物需水量等于作物蒸散發量。作物單位質量藍水足跡（VWCblue）、綠水足跡（VWCgreen）可分別根據單位藍水、綠水蒸散發量求得：

其中，CWRblue，CWRgreen分別為單位面積藍水、綠水需水量；ETblue，d，ETgreen，d分別為第d天的藍水、綠水蒸散發量；n為生育天數；Y為作物單位面積產量；10為轉換系數。

藍水、綠水蒸散發量均由作物蒸散發量和有效降水量決定：

ETgreen，d= min（Peff，ETc），（3）

ETblue，d= IR= max（0，ETc-Peff），（4）

其中，Peff為有效降水量；IR為灌溉需水量；ETc為作物蒸散發量。

作物蒸散發量依據參考作物的蒸散發量ET0得到，ET0由改良的彭曼-蒙斯特公式計算得到：

其中，Kc為作物系數。

采用美國農業部土壤保持局（USDA SCS）提出的方法計算有效降水量：

其中，P為旬降水量。

灰水足跡是指將污染物稀釋至可接受的最高濃度時所需的水資源量，通常采用臨界稀釋體積法［17］計算，單位質量灰水足跡的計算式為

其中，VWCgrey為單位質量灰水足跡；Lp為單位產量排放的污染物的負荷；Cpm為水體中污染物的目標濃度；Cpn為水體中污染物的自然背景濃度，通常假定為0［18］。

因缺乏具體作物的排污系數，農作物單位質量灰水足跡計算時參考了MEKONNEN等［19］的研究結果，即將10%淋濕率的氮肥產生的硝態氮稀釋至10 mg·L－1所需的水量（表1）。

農作物單位質量藍、綠、灰水足跡的計算流程如圖1所示。

表1 嘉興市主要農作物單位質量灰水足跡Table 1 Grey water footprint coefficients of main crops in Jiaxing

圖1 農作物單位質量水足跡計算流程Fig.1 Calculation process of crop water footprint coefficient

1.2.1.2 畜牧漁產品水足跡核算

畜牧漁產品水足跡用產品產量與單位質量水足跡相乘之和核算。畜牧漁產品單位質量水足跡通常采用生產樹法［20］計算，由單位動物生存時期水足跡與單位產品加工過程水足跡兩部分組成。本文畜牧漁產品單位質量藍水、綠水足跡的計算參考孫才志等［21］、趙銳等［22］、MEKONNEN等［23］的研究結果（表2）。

在計算畜牧漁產品單位質量灰水足跡時，以稀釋CODcr、總氮、總磷至目標濃度的最大需水量為計算依據，污染物負荷（Lp）在參考李萍萍等［24］的研究結果基礎上進行質量折算，畜禽養殖業污染處理率按90%計，同時以《地表水環境質量標準（GB 3838—2002）》中Ⅲ類水質標準作為目標濃度（Cpm），最終由式（7）得到畜牧漁產品單位質量灰水足跡。

表2 嘉興市主要畜牧漁產品單位質量藍水、綠水足跡Table 2 Blue and green WF coefficients of major livestock and fishery products in Jiaxing

1.2.2 農業水資源壓力指數

在傳統用水管理中，常用水資源壓力指數（WSI）評價區域缺水狀況［25］。采用優化后的基于水足跡的農業水資源壓力指數（AWSI）評價農業缺水情況，計算式為

其中，AWF為農業水足跡，AWFgreen為農業綠水足跡，AWR為農業可用水資源量，SW為區域自產水可用量，TW為過境水量，AWU為區域農業供水量，WU為區域總供水量。

因綠水的機會成本較低，對環境負面影響較小［26］，故計算時從農業水足跡中去除，在計算可用水量時也不考慮可用綠水量。此外，農業用水除本地水資源外，過境水也是重要的用水來源，因此將過境水納入可用水量。

根據AWSI的大小，將水資源壓力分為無（lt;0.1）、低［0.1，0.2）、中度［0.2，0.4）、較高［0.4，0.8）和高（≥0.8） 5個等級［25， 27］。

1.2.3 多目標規劃模型

1.2.3.1 目標函數

以嘉興市農業藍水足跡和灰水足跡最小化、產值最大化作為調控目標：

1.2.3.2 約束條件

為使模型解收斂，將3個調控目標均以優于2017年基準值作為限制條件之一。由于環境約束和經濟約束具有區域性，因此各地區分別設定硬性指標；考慮藍水足跡和農業產值在嘉興市內較易實現交易與流轉，故僅設定嘉興市總體指標。

（1）藍水足跡約束

（2）灰水足跡約束

（3）農業產值約束

（4）產品供應保障約束

農業產業結構的調整應保證當地居民對農產品的需求，根據《浙江省現代農業發展“十三五”規劃》及《浙江省畜牧業區域布局調整優化方案》等，將嘉興市居民口糧、蔬菜、水果、肉類、禽蛋的自給率分別設為100%，70%，50%，60%和35%，則有

其中，m1，m2，m3，m4，m5分別為嘉興市居民口糧、蔬菜、水果、肉類、禽蛋的年人均需求量；P為嘉興市2017年常住人口數。

（5）生產資源約束

在去除復種影響下，作物耕種面積應不大于目前耕地保有量；全市旱地面積應不小于耕地面積的10%。

（6）產業結構比例約束

受農業用地分類管控影響，部分經濟效益較好的農作物（如水果）生產不會得到無節制擴展。因此結合嘉興市種植業現狀、土地資源類型等因素，各地果園種植面積的漲幅應控制在10%以內。

其中，Ai9為當前區域i果園的種植面積。

隨著人們生活水平的提高，肉類的消費結構逐漸發生改變，引導了供給側結構的變化，嘉興市羊肉產量在肉類中的占比應大于5%，禽肉產量占比應大于25%。

（7）正數數值約束

1.3.2.3 模型求解

采用線性加權法，將多目標轉化為單目標，進行最優化求解。先通過min-max歸一化方法對各目標進行特征縮放和無量綱化處理，然后對各目標進行賦權。公式為

其中，Foverall為線性組合后的目標函數；f1，f2，f3分別為藍水足跡目標、灰水足跡目標與經濟發展目標；fimax，fimin分別為上述目標fi在可行域下的最大值、最小值；wi（i=1，2，3）為各目標的權重。

各目標的權重系數由層次分析法（AHP）確定。設置節水型、均衡型與發展型3種情景，各情景對藍水足跡、灰水足跡和經濟效益3個目標按1～9標度法建立判斷矩陣并進行層次單排序，計算判斷矩陣的最大特征值和特征向量，經一致性檢驗后將特征向量中的值作為各因素的權重［28］，各情景的判斷矩陣和權重見表3。

表3 3種典型情景的判斷矩陣和權重Table 3 Judgment matrix and weights of three typical scenarios

注C1，C2，C3分別表示藍水足跡目標、灰水足跡目標與經濟效益目標。

1.3 數據來源

在水足跡核算涉及的氣象數據中，2005—2017年嘉興市各地區的最高氣溫、最低氣溫、平均相對濕度、平均風速和日照時長及各站點經緯度來自中國科學院資源環境科學數據中心。2005—2017年嘉興市各地區降水數據由浙江省水文管理中心提供。作物生長資料來自FAO全球數據庫、《中國農業物候圖集》及相關文獻［29-30］。農產品單位產值在2017年嘉興市總產值及耕種、養殖規模基礎上，結合歷年《中國農村統計年鑒》農產品成本與收益分表、當前市場交易價格等資料經修正得到。主要食品人均需求量來自《國家糧食安全中長期規劃綱要（2008—2020年）》《中國食物與營養發展綱要（2014—2020年）》及《中國統計年鑒》（2018年）。農作物播種面積、農產品單位產量、耕地復種指數、畜牧漁產品產量等主要來自《嘉興市統計年鑒》（2018年）。

2 結果與討論

2.1 嘉興市農業水足跡特征分析

2017年嘉興市農業總水足跡為41.51×108m3，AWSI為0.45，水資源壓力屬于“較高”一級。在農業總水足跡構成中（圖2），綠水足跡約占總水足跡的一半（51.7%），藍水足跡僅占11.6%，主要由于嘉興市豐沛的降水量等天然條件為作物提供了豐富的可利用綠水資源，作物生長直接利用綠水，導致藍水用量相對較低。在所有產品中，稻谷是農業藍水足跡的主要消耗者（占總藍水足跡的71.5%），一方面因水稻需淹水生長，單位質量藍水足跡較高，另一方面嘉興市水稻種植面積最廣。嘉興市農業灰水足跡占比較大（36.8%），超過藍水足跡，說明農業生產中面源污染稀釋需水量高于農業灌溉需水量。在農業產業結構中，漁業生產、畜禽養殖以及蔬菜種植對灰水足跡貢獻較大，貢獻率均在25%以上。

從農業水足跡的產業構成看，農作物、畜禽產品和水產品的水足跡貢獻率分別為48.8%，25.3%和25.9%。作為“魚米之鄉”的嘉興市，水稻種植和淡水養殖規模均較大，且單位質量水足跡較高，二者共貢獻了46.3%的農業總水足跡。

圖2 2017年嘉興市農業水足跡構成Fig.2 Composition of agricultural water footprint of Jiaxing city in 2017

從農業水足跡的區域分布看，嘉興市各地區農業水足跡相近，各縣（市、區）農業水足跡占全市的比例集中在13%～15%。其中桐鄉市最高，占全市水足跡的19.3%，這主要因為桐鄉為農業大縣，玉米、豆類和蔬菜等作物種植面積均高于其他縣市，羊肉、禽蛋產量也位居嘉興市首位，因此桐鄉市成為嘉興市農業水足跡最高的地區。平湖市農業水足跡略低，占嘉興市農業水足跡的10.0%，這與平湖市畜牧業、漁業養殖規模較小有關。

2.2 產業結構優化調控結果

2.2.1 綜合調控成效分析

理論上，決策者可選擇由多目標規劃求得的任何非劣解（帕累托解）［31］，但在實際應用中，決策者應根據農民和其他利益相關者的偏好選擇最優的帕累托解。本文設置節水型、均衡型和發展型3種情景開展農業產業結構調整研究，求得各情景下的帕累托最優解。但由于目標優先級設置不同，相對于2017年的基準值，各結果呈現梯度變化（表4），其中，節水型、均衡型和發展型3種情景的藍水足跡較2017年的基準值分別削減了6.13%，5.97%和4.36%；灰水足跡較2017年的基準值分別削減了4.42%，3.62%和0；經濟效益較2017年的基準值分別增長了0，1.73%和4.10%。同時，節水型、均衡型和發展型情景的ASWI較2017年的基準值分別降低了4.54%，3.89%和0.74%，說明產業調控方案減輕了區域水資源壓力。

表4 3種調控情景的目標結果變化Table 4 Changes in objectives in three scenarios

從各產業結構調整結果看（圖3），在種植業中，薯類因較低的單位質量水足跡和較高的產值，在3種情景中種植面積均有較明顯增加；蔬菜、水果（葡萄）單位水足跡產值與單位面積產值均較高，因此在均衡型與發展型情景中種植面積明顯增加；稻谷因較高的單位質量水足跡，在3種情景中水稻的種植面積均有一定程度下降；大麥、豆類與油菜籽的單位水足跡產值均處于中等水平，因單位面積產值較低，故種植面積整體呈下降趨勢。

圖3 嘉興市農業結構調整方案變化情況Fig.3 Changes in the agricultural structure adjustment plan of Jiaxing

在畜禽養殖中，羊肉因具有較低的單位質量水足跡和較高的產值，在3種情景中產量均有大幅上調；豬肉具有產值較優而單位質量水足跡亦較高的特征，在節水型與均衡型情景中產量略有增加，在發展型情景中提升幅度較大；禽肉和禽蛋由于單位水足跡產值較低，在3種情景中產量均有明顯下調。

由于水產養殖業的單位質量水足跡與產值均較高，因此在節水型與均衡型情景中有小幅下調，在發展型情景中有小幅上調。

2.2.2 區域調控結果分析

嘉興市各縣市調控方案總體較為一致，但由于各縣市產業結構基礎不同，目標變化率呈一定差異。由表5知，調控方案對桐鄉市、海寧市及海鹽縣的節水與經濟增長均有較好的優化效果。調控結果主要受相關產業調控比例（與單位水足跡產值有關）和產業規模基數影響。3種調控方案均大幅度提高了羊肉生產、降低了禽肉和禽蛋生產，而在基準年，桐鄉市的羊肉和禽蛋產量均居嘉興市首位，海寧市的羊肉、禽肉及禽蛋產量均位列嘉興市前三，海鹽縣是嘉興市最大的禽肉生產地，因此上述市（縣）呈現的調控結果更優。

表5 嘉興市各地區調控目標變化率Table 5 Rate change of regulation objectives in various regions of Jiaxing

2.3 討論

以嘉興市為例，將水足跡作為重要指標納入產業結構調整模型，實現了有形水資源與虛擬水資源的協同，更加真實全面地反映了水資源的利用情況。因受數據獲取限制，本研究主要關注農業生產水足跡，未核算農產品貿易引起的水足跡輸出情況［32］，農業水足跡區域間交換有待進一步研究。

多目標規劃是實現方案決策的重要手段，而方案的選擇最終受各目標權重的影響。研究設置了3種典型情景，研究結果較好地適應了不同情景下的決策。在實際應用中，不同管控階段目標的側重點不同，可通過調整目標權重實現相應的決策。此外，在節水型、均衡型及發展型3種情景下，嘉興市糧食作物與經濟作物的種植面積比由1.53分別降至1.44，1.41及1.40，在干旱區種植業產業結構調整研究中也出現糧經作物面積比降低的結果［13］，這是由于單位水資源（水足跡）產值起了主導作用。在進行相關研究時，為確保糧食安全，在調控時應注意約束條件的設定，以保障糧食等作物的種植面積。

本研究的調控目標以水資源利用效率及經濟效益為導向，但目標效率的設置是靜態的，未考慮市場因素引起的參數變化，也未考慮農民行為對最終調控結果的影響。如當水果或豬肉價格上漲時，農民種植水果或養殖生豬的積極性也會提高，其生產行為將直接改變產業結構，并最終影響農業生產中水資源的配置情況。針對此問題，未來一方面可嘗試將市場因素納入產業結構優化模型，如設置農產品價格動態調控參數，以更好地適應實際情況；另一方面政府應開展產前補貼引導、產中統籌生產社會化服務、產后扶持對接市場等工作［33］，引導農民有序生產，從而實現農業產業結構優化目標。

3 結論

提出了基于生產水足跡的農林牧漁業產業結構多目標優化模型，以嘉興市為研究對象，通過核算農業水足跡，基于水資源利用效率及經濟效益對嘉興市農業產業結構進行了優化。主要結論如下：

3.1 嘉興市農業藍水、綠水和灰水足跡分別占總水足跡的11.6%，51.7%和36.8%，農業面源污染稀釋需水量超過農業灌溉需水量，農業生產水資源壓力指數（AWSI）為0.45，存在較高的農業水資源壓力。

3.2 通過模型在節水型、均衡型和發展型3種情景下的產業結構調整，在保障經濟效益的同時優化了水足跡消耗，AWSI分別降低了4.54%，3.89%和0.74%，有效緩解了農業水資源壓力。

3.3 根據3種情景下產業結構調整結果，建議嘉興市在相關規劃中注重農業產業結構的優化：適度提高蔬菜與水果的種植面積；漸次提升羊、豬等養殖規模，適度降低家禽養殖規模；加大農業面源污染控制，有效降低農業灰水足跡。

［1］PICKERING K T， OWEN L A. An Introduction to Global Environmental Issues［M］. London： Routledge，1994.

［2］MANCOSU N， SNYDER R L，KYRIAKAKIS G， et al. Water scarcity and future challenges for food production［J］. Water，2015， 7（3）：975-992. DOI：10.3390/w7030975

［3］KANG S Z， HAO X M， DU T S， et al. Improving agricultural water productivity to ensure food security in China under changing environment：From research to practice［J］. Agricultural Water Management， 2017，179： 5-17. DOI：10.1016/j.agwat.2016.05.007

［4］黃瑜，劉佩詩，甘曼琴，等. GIS技術在農業面源污染研究中的應用［J］. 中國土壤與肥料， 2020（6）：279-285. DOI：10.11838/sfsc.1673-6257.19487

HUANG Y， LIU P S，GAN M Q， et al. Application of GIS technology in research of agricultural non-point source pollution［J］. Soils and Fertilizers Sciences in China， 2020（6）：279-285. DOI：10. 11838/sfsc.1673-6257.19487

［5］王振華，陳學庚，鄭旭榮，等. 關于我國大田滴灌未來發展的思考［J］. 干旱地區農業研究， 2020，38（4）：1-9，38. DOI：10.7606/j.issn.1000-7601.2020.04.01

WANG Z H， CHEN X G，ZHENG X R， et al. Discussion of the future development of field drip irrigation in China［J］. Agricultural Research in the Arid Areas， 2020，38（4）： 1-9， 38. DOI：10.7606/j.issn.1000-7601.2020.04.01

［6］江景濤，楊然兵，鮑余峰，等. 水肥一體化技術的研究進展與發展趨勢［J］. 農機化研究， 2021，43（5）： 1-9. DOI：10.3969/j.issn.1003-188X.2021.05.002

JIANG J T， YANG R B，BAO Y F， et al. Research progress and development trend of water and fertilizer integration［J］. Journal of Agricultural Mechanization Research， 2021，43（5）： 1-9. DOI：10.3969/j.issn. 1003-188X.2021.05.002

［7］陳瑤. 區域農業水資源平衡分析與農業節水［J］. 節水灌溉， 2017（10）：46-51. DOI：10.3969/j.issn.1007-4929.2017.10.012

CHEN Y. Analysis of agricultural water-saving and supply-demand balance of regional agricultural water resources［J］. Water Saving Irrigation， 2017（10）：46-51. DOI：10.3969/j.issn.1007-4929.2017.10.012

［8］藺雪芹，方創琳. 水資源硬約束下的武威城市化過程與節水型城市建設［J］. 干旱區資源與環境， 2009，23（1）： 117-124. DOI：10.13448/j.cnki.jalre.2009. 01.016

LIN X Q， FANG C L. The process of urbanization in Wuwei city with water resource hard constraint and the approach to establishing water-saving city［J］. Journal of Arid Land Resources and Environment， 2009，23（1）： 117-124. DOI：10.13448/j.cnki.jalre. 2009.01.016

［9］張云蘋，徐征和，王昕，等. 基于大系統分解協調法的沾化縣典型農業區水資源優化配置［J］. 中國農村水利水電，2016（3）： 60-63. DOI：10.3969/j.issn. 1007-2284.2016.03.015

ZHANG Y P， XU Z H，WANG X， et al. Research on the optimal allocation of the typical area of Zhanhua based on large system decomposition coordination［J］. China Rural Water and Hydropower， 2016（3）：60-63. DOI：10.3969/j.issn.1007-2284.2016.03.015

［10］HOEKSTRA A Y， HUNG P Q. Virtual Water Trade：A Quantification of Virtual Water Flows between Nations in Relation to International Crop Trade［R］. Delft： UNESCO-IHE，2002.

［11］徐長春，陳阜. “水足跡”及其對中國農業水資源管理的啟示［J］. 世界農業， 2015（11）：38-44. DOI：10.13856/j.cn11-1097/s.2015.11.008

XU C C， CHEN F. quot;Water footprintquot; and its implications for Chinaapos;s agricultural water resources management［J］. World Agriculture，2015（11）：38-44. DOI：10.13856/j.cn11-1097/s.2015.11.008

［12］侯慶豐. 基于水足跡的甘肅省農作物種植結構優化分析［J］. 中國沙漠， 2013，33（6）： 1921-1927. DOI：10.7522/j.issn.1000-694X.2013.00272

HOU Q F. Crop planting structure optimization analysis based on water footprint in Gansu province［J］. Journal of Desert Research， 2013，33（6）： 1921-1927. DOI：10. 7522/j.issn.1000-694X.2013.00272

［13］SU X L， LI J F，SINGH V P. Optimal allocation of agricultural water resources based on virtual water subdivision in Shiyang River Basin［J］. Water Resources Management， 2014， 28（8）：2243-2257. DOI：10.1007/s11269-014-0611-5

［14］張杰，鄧曉軍，鄒婷婷，等. 基于虛擬水的廣西農業產業結構優化［J］. 節水灌溉， 2017（7）：61-65. DOI：10.3969/j.issn.1007-4929.2017.07.013

ZHANG J， DENG X J，ZOU T T， et al. Agricultural industrial structure optimization based on virtual water in Guangxi［J］. Water Saving Irrigation， 2017（7）：61-65. DOI：10.3969/j.issn. 1007-4929.2017.07.013

［15］MALI S S， SINGH D K，SARANGI A， et al. Crop water footprints with special focus on response formulation： The case of Gomti River Basin （India）［J］. Environmental Earth Sciences， 2017，76（23）： 1-13. DOI：10.1007/s12665-017-7121-8

［16］莊犁，周慧平，常維娜，等. 嘉興市水污染源解析及等標污染負荷評價［J］. 環保科技， 2015，21（2）： 15-18，39. DOI：10.3969/j.issn.1674-0254.2015.02.003

ZHUANG L， ZHOU H P，CHANG W N， et al. Sources apportionment and equal standard pollution load assessment of water pollution in Jiaxing city［J］. Environmental Protection and Technology， 2015，21（2）： 15-18，39. DOI：10.3969/j.issn.1674-0254. 2015.02.003

［17］HOEKSTRA A Y， CHAPAGAIN A K，ALDAYA M M， et al. The Water Footprint Assessment Manual：Setting the Global Standard［M］. London： Routledge，2011.

［18］CAI B M， LIU B B，ZHANG B. Evolution of Chinese urban householdapos;s water footprint［J］. Journal of Cleaner Production， 2019，208： 1-10. DOI：10.1016/j.jclepro.2018.10.074

［19］MEKONNEN M M， HOEKSTRA A Y. The green，blue and grey water footprint of crops and derived crop products［J］. Hydrology and Earth System Sciences， 2011，15（5）：1577-1600. DOI：10.5194/hess-15-1577-2011

［20］CHAPAGAIN A K， HOEKSTRA A Y. Virtual Water Flows between Nations in Relation to Trade in Livestock and Livestock Products，Value of Water Research Report Series No.13［R］. Delft： UNESCO-IHE，2003.

［21］孫才志，張蕾. 中國農畜產品虛擬水區域分布空間差異［J］. 經濟地理， 2009，29（5）： 806-811. DOI：10. 15957/j.cnki.jjdl.2009.05.016

SUN C Z， ZHANG L. Research on the primary crop-livestock product virtual water regional disparities in China［J］. Economic Geography， 2009， 29（5）：806-811. DOI：10.15957/j.cnki.jjdl.2009.05.016

［22］趙銳，李紅，賀華玲，等. 樂山市動物類產品水足跡測算分析［J］. 生態科學， 2017，36（2）： 93-99. DOI：10.14108/j.cnki.1008-8873.2017.02.014

ZHAO R， LI H，HE H L， et al. Assessment of water footprint of animal products in Leshan city［J］. Ecological Science， 2017， 36（2）：93-99. DOI：10. 14108/j.cnki.1008-8873.2017.02.014

［23］MEKONNEN M M， HOEKSTRA A Y. The Green，Blue and Grey Water Footprint of Farm Animals and Animal Products，Value of Water Research Report Series No.48［R］. Delft： UNESCO-IHE，2010.

［24］李萍萍，劉繼展. 太湖流域農業結構多目標優化設計［J］. 農業工程學報， 2009，25（10）：198-203. DOI：10.3969/j.issn.1002-6819.2009.10.036

LI P P， LIU J Z. Multi-objective optimization of agricultural structure in Taihu Lake Basin［J］. Transactions of the Chinese Society of Agricultural Engineering，2009， 25（10）：198-203. DOI：10.3969/j.issn.1002-6819.2009.10.036

［25］RASKIN P， GLEICK P，KIRSHEN P， et al. Water Futures：Assessment of Long-Range Patterns and Prospects［R］. Stockholm： Stockholm Environment Institute，1997.

［26］GE L Q， XIE G D，LI S M， et al. The analysis of water footprint of production and water stress in China［J］. Journal of Resources and Ecology， 2016，7（5）： 334-341. DOI：10.5814/j.issn.1674-764x.2016.05.003

［27］CAO X C， WU M Y，GUO X P， et al. Assessing water scarcity in agricultural production system based on the generalized water resources and water footprint framework［J］. Science of The Total Environment，2017， 609：587-597. DOI：10.1016/j.scitotenv.2017. 07.191

［28］REN C F， LI Z H，ZHANG H B. Integrated multi-objective stochastic fuzzy programming and AHP method for agricultural water and land optimization allocation under multiple uncertainties［J］. Journal of Cleaner Production， 2019，210： 12-24. DOI：10. 1016/j.jclepro.2018.10.348

［29］蔣霄陽. 浙江省近十年鮮食玉米發展狀況研究［D］. 杭州：浙江大學， 2018.

JIANG X Y. Research on the Development of Fresh Corn in Zhejiang Province in the Last Ten Years［D］. Hangzhou： Zhejiang University，2018.

［30］吳劍. 嘉興地區優勢水果產業現狀及發展對策［J］. 現代農業科技， 2014（20）：294-295. DOI：10.3969/j.issn.1007-5739.2014.20.171

WU J. Current situation and development countermeasures of superior fruit industry in Jiaxing area［J］. Modern Agricultural Science and Technology， 2014（20）：294-295. DOI：10.3969/j.issn.1007-5739.2014.20.171

［31］王建群，譚忠成，陸寶宏. 水資源系統優化方法［M］. 南京：河海大學出版社， 2016：143-144.

WANG J Q， TANG Z C，LU B H. Water System Optimization Method［M］. Nanjing： Hehai University Press，2016： 143-144.

［32］ZHAO D D， TANG Y，LIU J G， et al. Water footprint of Jing-Jin-Ji urban agglomeration in China［J］. Journal of Cleaner Production， 2017，167： 919-928. DOI：10. 1016/j.jclepro.2017.07.012

［33］黃思. 引導與主導：農業產業結構調整的政府邏輯及其影響［J］. 重慶社會科學，2020（4）： 5-14. DOI：10. 19631/j.cnki.css.2020.004.001

HUANG S. Guiding and leading：Governmental logic and its influence of agricultural industry structure adjustment［J］. Chongqing Social Sciences，2020（4）： 5-14. DOI：10.19631/j.cnki.css.2020.004.001

Optimization model of agricultural industrial structure in Jiaxing city based on water footprint

QIN Zhiya1, YU Jie2, SUN Guojin3, WANG Feier1,4

（1. College of Environmental and Resource Sciences，Zhejiang University，Hangzhou310058，China；2. Zhejiang Environmental Monitoring Center，Hangzhou310012，China；3. Zhejiang University of Water Resources and Electric Power，Hangzhou310018，China；4. Zhejiang Ecological Civilization Academy，Anji313300，Zhejiang Province，China）

The structure of agricultural industry is an important factor that determines the efficiency of agricultural water use. Compared with traditional water use evaluation, water footprint reflects the process consumption of water resources more comprehensively. Based on the accounting of water footprints of agricultural blue water, green water and grey water in Jiaxing city, an optimization model of agricultural production structure based on water footprints was developed. The utilization status of water resource for agriculture was evaluated with the agricultural water resources stress index (AWSI). And the scenario analysis of Jiaxing agricultural industrial structure adjustment was conducted. The results showed that the majority of agricultural water footprints of Jiaxing were green water footprints. The proportion of blue, green and grey water footprints in the total water footprint was 11.6%, 51.7% and 36.8%, respectively. The AWSI showed that there was a high pressure on agricultural water resources with the value of 0.45. Under the three target scenarios of water-saving, balanced use and development, the agricultural water footprint and economic benefits could be optimized by industrial structure adjustment. The AWSI of these scenarios reduced by 4.54%, 3.89% and 0.74%, respectively, alleviating the regional water resources pressure. These results showed that the adjustment of agricultural industrial structure based on water footprint effectively improved the efficiency of intensive water use and reduced the regional water pressure. The research can provide reference for agricultural water resources management decision-making.

agricultural water footprint; industry adjustment; multi-objective optimization model

X 321

A

1008?9497（2022）05?613?10

2021?05?31.

國家重大科技專項（2017ZX07206-001）；浙江省基礎公益研究計劃項目（LGF19E090001）.

秦智雅（1995—），ORCID：https：//orcid.org/0000-0001-9332-9611，女，碩士研究生，主要從事環境規劃管理研究，E-mail：21714054@zju.edu.cn.

通信作者，ORCID：https：//orcid.org/0000-0003-0411-3494，E-mail：wangfeier@zju.edu.cn.

10.3785/j.issn.1008-9497.2022.05.013