新疆水稻水足跡及其預測分析

張文強

（遼寧師范大學，遼寧大連 116029）

水資源是一切生物賴以生存和發展的物質基礎，也是支撐一個國家和地區社會經濟可持續發展的限制性因素和戰略性資源[1]。農業是人類生產生活中對水資源消耗最大的部分，我國農業用水量占全國總用水量的60%以上，且隨著人口增長、社會經濟發展和氣候變化，農業用水量將進一步增加[2]。我國耕地畝均水資源量只有世界平均水平的50%，水資源短缺已成為制約我國農業生產和糧食安全的主要瓶頸，農業水資源高效利用成為涉及糧食安全和農業可持續發展的重大課題[3]。因此，在確保糧食安全和農業可持續發展的前提下，減小農業生產活動對水資源造成的壓力，是目前面臨的一項巨大挑戰[4]。傳統的區域農業用水量在統計時存在一定的問題，為了更真實地測量農業用水量，水足跡概念與方法應運而出，水足跡理論可以真實地反映一個地區或者一個國家對水資源的真實需求和占有情況，用以表達人類對水資源系統水資源量的壓力大小[5]。

1 水足跡研究概況

水足跡的概念是荷蘭學者Hoekstra 基于足跡理論和虛擬水概念提出的，定義為一定已知人口在一定時間內消費的所有產品和服務所需要的水資源數量[3]。農業生產會消耗大量的水資源，分析農業生產用水特征、評價農業生產用水效率，對提高水資源的利用效率具有重要意義，因此，在水足跡研究中，農作物水足跡的研究最為廣泛。國內外最早關于農業水足跡的研究，主要集中在不同空間尺度的農作物水足跡的計算，隨著研究技術的不斷加深，水足跡研究領域也得到了拓展。

全球超過60%的人口以稻米為食，水稻作為最重要的糧食作物之一，其產量關乎全球糧食安全。新疆光熱條件優越，氣溫日較差大，水稻單產排名全國第一，是我國重要的高產優質稻區；但新疆地處干旱半干旱的內陸地區，不論是水稻還是其他農作物的種植都嚴重受到水資源短缺的制約。因此，分析當地農業生產的水資源利用狀況十分必要，研究水稻水足跡可為西北旱區今后緩解水資源短缺問題、提高水資源利用率、科學優化水資源管理等提供參考依據。

2 材料與方法

2.1 數據來源

本文計算的新疆1995—2020 年水稻的藍、綠水足跡，所需的氣象相關數據包括月降水量、平均風速、相對濕度、日照時間、月平均最高最低溫度等來自國家氣象信息中心，所需的農業生產相關數據包括水稻播種面積、水稻產量、水稻單產等來自《新疆統計年鑒》。

2.2 研究區概況

新疆維吾爾自治區位于我國西北內陸地區，總面積166.49 萬km2，占中國陸地總面積的1/6，是中國陸地面積最大的省級行政區。區內屬于典型的干旱半干旱大陸性氣候，多年平均降水量157.7 mm，全疆降水量小于200 mm 的地區約占75.5%，大部分地區干旱少雨，年平均蒸發量超過2 000 mm，年均日照時間2 808.6 h。新疆擁有的廣闊的土地資源和豐富的光熱資源，為農業發展提供了優越的條件，使得新疆成為我國重要的糧食產區。

2.3 研究方法

2.3.1 農作物水足跡的計算

本研究采用聯合國糧食及農業組織（Food and Agriculture Organization of the United Nations，FAO）提供的CORPWAT8.0 模型計算了1995—2020 年新疆各地區水稻藍、綠水足跡，本研究只考慮農業生產過程中的水資源消耗量，不考慮灰水足跡。藍水足跡與綠水足跡之和即為生產水足跡，計算公式如下：

式中：WFgreen為生產水足跡綠水足跡，m3；WFblue為生產水足跡藍水足跡，m3。

其中WFgreen和WFblue計算公式如下：

式中：CWUgreen、CWUblue為作物耗水的綠、藍水量，m3·hm-2；Y為作物單位面積產量，kg·hm-2；P為水稻總產量，kg。常量因子10 是將水的深度（mm）轉化為單位陸地面積的水量（m3·hm-2）。

2.3.2 灰色BP 神經網絡預測模型

灰色預測模型是對數據少、信息貧等不確定性時序問題進行預測的方法，是灰色系統理論的重要組成部分。灰色系統理論是把一切隨機過程看作在一定范圍內變化的、與時間相關的灰色過程，灰色模型（Grey Models，GM）是針對灰色過程建立的模型，其中GM（1,1）是最為常見和簡單的一種灰色模型，它是由只包含單變量的微分方程所構成的模型。BP（Back Propagation）神經網絡由一個輸入、一個輸出及一個或多個隱含層組成，每一層可以有若干個節點，是目前發展比較成熟的一種神經網絡。BP 神經網絡模型是自適應的非線性計算系統，它可以從模式中學習，即使函數關系不明確或難以識別，也能夠捕獲給定數據中隱藏的函數關系，在預測非線性、不確定性問題方面具有精度高、適應性強、推廣能力好等優點。

灰色BP 神經網絡預測模型是灰色預測模型與BP神經網絡模型組合而成的，與單一的灰色預測模型和BP 神經網絡模型相比，具有適應性更強、擬合度更好等優點。

3 結果與分析

3.1 新疆水稻水足跡變化

本文借助CORPWAT8.0軟件對新疆1995—2020年水稻水足跡進行計算，如圖1 所示。1995—2020 年新疆水稻水足跡整體呈波動上升態勢，水稻水足跡大小的直接取決于水稻的種植面積，此外主要還受溫度、降水、風速、日照時間和相對濕度等自然條件的影響，以及化肥、灌溉和農業機械動力等農業生產投入要素與人均GDP、農業GDP 比例和農業產值等社會經濟的影響。例如，化肥使用量的增加，促進了水稻單產提高，降低了水稻水足跡；農業現代化程度的提高，使得農機動力大幅增加，農業生產朝著規模化、集約化方向發展，水資源利用效率得到提升，對降低水稻水足跡有積極作用；風速的降低能大大減弱水稻蒸散作用，蒸發散量的減少有利于水稻水足跡的降低。

圖1 新疆1995—2020 年水稻水足跡圖

1995—2020年，新疆水稻水足跡最大值出現在1997年為7.39×105m3，最小值出現在2020 年為4.21×105m3；水稻水足跡的平均值為6.31×105m3，其中藍水足跡占91.1%，綠水足跡占8.9%，表明在這26 年間，新疆水稻水足跡中藍水足跡占比遠遠高于綠水足跡。新疆水稻藍水足跡和綠水足跡的構成比例主要與當地的氣候條件有關，新疆大部分地區地處降水稀少的干旱半干旱內陸地區，藍水足跡來源于灌溉用水，綠水足跡來源于降水，新疆農作物生長過程所需的水資源主要來自灌溉用水，因此，造成了新疆水稻藍、綠水足跡的占比差異巨大。

3.2 新疆2021—2025 年水稻水足跡預測

本文采取串聯式灰色BP 神經網絡模型，選取新疆1995—2020 年水稻水足跡數據作為樣本進行建模，將得到的預測值輸入到BP 神經網絡模型中，得到最終的預測結果如圖2 所示。模型預測結果顯示模型平均相對誤差為8.2%，意味著模型擬合效果良好，2021—2025 年間新疆水稻水足跡呈持續下降趨勢。新疆水稻種植面積不斷減少的原因，主要是水稻作為高耗水作物，生長過程消耗大量的水資源，大面積的種植水稻將會擠壓其他農作物的灌溉用水量，進一步加劇新疆水資源短缺問題。

圖2 新疆水稻水足跡預測圖

4 結論與討論

本文利用CORPWAT8.0軟件對新疆1995—2020年水稻水足跡進行了量化分析，發現新疆水稻水足跡受到播種面積、農業生產投入要素、自然條件因素及灌溉技術等的影響，在對1995—2020 年水稻水足跡量化分析的基礎上，為了更好地了解未來新疆水稻水足跡的發展趨勢，根據實際核算數據對2021—2025 年新疆水稻生產水足跡進行預測。

1）在1995—2020 年間，水稻水足跡呈現波動下降的趨勢，水稻水足跡的平均值為6.31×105m3，最大值出現在1997 年為7.39×105m3，最小值出現在2020 年為4.21×105m3。2）新疆1995—2020 年水稻水足跡中藍水足跡遠遠高于綠水足跡，其中2008 年藍水足跡占比最大為95.1%，1998 年占比最小為87.5%，藍水足跡平均占比為91.1%，藍水足跡占比較大，綠水足跡占比較小，水稻生長過程中以藍水足跡為主。3）未來5 年（2021—2025 年），新疆水稻水足跡平均值為5.88×105m3，其中2021 年水稻水足跡最高為5.94×105m3，2025 年水稻水足跡最低為5.83×105m3，未來5 年水稻水足跡呈現持續下降的趨勢。