灰水足跡研究進展與方法學改進

李慧，鄭王睿,劉耕源,3*

（1.北京師范大學環境學院,環境模擬與污染控制國家重點聯合實驗室，北京100875；2.廣東工業大學,大灣區城市環境安全與綠色發展教育部重點實驗室，廣東廣州510006；3.北京市流域環境生態修復與綜合調控工程技術研究中心，北京100875）

引言

水資源是人類賴以生存的重要保障，更是自然生態系統中必不可少的關鍵要素。隨著經濟快速發展、人口數量不斷增加，在過去100年中，全球用水量增長了六倍，并仍以每年約1%的速度持續增長[1]。急劇增長的用水需求，以及水資源時空分配的不均衡性，使得眾多國家和地區面臨水資源短缺問題。更為嚴峻的是，水污染造成的水質型缺水進一步加劇水資源短缺現狀。例如，中國污水排放量由2010年617億t 增至2015年735 億t，年均增幅約4.5%[2]。水污染不僅危害水生環境和公共健康，還加劇了可利用淡水的競爭。水污染已成為威脅人類生存與發展的關鍵資源和環境問題，而如何量化、評價水污染則是解決該問題的重要基礎。

灰水足跡作為水污染的體積衡量指標，受到國內外學者廣泛關注。灰水足跡是水足跡的重要組成部分。水足跡概念的蓬勃發展得益于它彌補了以往水資源核算方法的不足。一方面，它考量了整個供應鏈上用水總和，將人類對淡水生態系統的影響與人類消費方式相關聯。另一方面，水足跡作為體現消耗的水量、水源類型及污染量和污染類型的多層面指標，不僅包含儲存在地表及淺層地下水層中的藍水足跡，非徑流雨水并通過植被蒸散消耗掉的綠水資源即綠水足跡，還包括由于污染造成的灰水足跡（圖1，修改自文獻[3]）。水足跡為理解消費者或生產者與淡水系統之間的關系提供了更加廣闊的視角，為明晰各類經濟活動對水資源的占用提供了明確的時空信息[4]。

圖1 水足跡概念示意

灰水足跡的概念于2008年由Hoekstra 和Chapagain首次提出，經過水足跡網絡（water footprint network）灰水足跡工作小組的不斷完善，將其定義為：以自然本底濃度和現有的水質環境標準為基準，將一定污染物負荷同化吸收所需的淡水體積[5]。灰水足跡為定量描述人類活動造成的水污染提供了新視角。早期的水足跡研究更關注藍水足跡，因為相比較綠水資源，藍水資源更為短缺且機會成本高。有研究指出，綠水資源也瀕臨匱乏，且農業生產中藍水和綠水資源可以相互替代，將兩者同時核算有助于全面剖析整個水資源的消耗情況。此外，水污染也是水資源匱乏的主要原因。灰水足跡在水足跡中的占比不容忽視，僅考慮藍水資源可能導致對水資源占用情況的低估，使后續水足跡評價結果與實際情況發生偏離，尤其對于水質型缺水的區域。然而，由于底層數據缺乏和方法體系限制，灰水足跡研究仍處于探索階段，建立和發展新的相關方法對于指導水足跡評價和水污染防治策略、促進水資源可持續利用具有重要理論和現實意義。

1 灰水足跡研究進展及相關概念重解析

灰水足跡這種用假想淡水體積來描述水污染程度的想法最初起源于Falkenmark 等[6]，他們提出一個經驗法則，即稀釋污染物所需的淡水體積為廢水流量的10 ～15 倍。但這個通用的稀釋因子并不能準確反映污染物的種類以及污水排放前的處理程度。Chapagain等[7]認為稀釋因子應根據污染物類型并結合污染物相關的水環境質量標準推算，并在后續研究提出了灰水足跡的概念[8]。灰水足跡以占有水量來衡量水污染的優勢在于：①可將不同地區不同種類的污染物轉化為統一標度，即同化污染物所需的水量，與傳統水質指標相比，有利于對不同類型水污染進行直接比較；②將水污染、用水量、可用水資源量納入同一評價體系，有助于在全球水量型缺水和水質型缺水相互交織的背景下促進水質水量聯合評價和配置，破解當前水資源管理上水質、水量割裂難題[9,10]。

隨著灰水足跡研究不斷深入，研究領域日益拓展，灰水足跡相關概念也應運而生，如人均灰水足跡強度[11]、單位GDP 灰水足跡[12]、剩余灰水足跡（區域內灰水足跡與該地區水資源量的差值）[13]等。根據水足跡對不同水源類型的劃分，有研究者也將虛擬水分成了虛擬綠水、虛擬藍水和虛擬灰水[14]。虛擬灰水表示將生產產品和服務所排放的廢水稀釋、消納至環境標準值所占用的水資源量，以“虛擬”的形式內嵌在產品或服務中[15]。虛擬灰水和灰水足跡概念相近，多數研究者在分析人類生產或消費活動對水質的影響時，常用灰水足跡的概念；而在核算跨區域貿易中隱含的水污染時，常使用虛擬灰水的概念。

1.1 傳統灰水足跡核算方法及適用范圍

當污水中包含多種形式的污染物時，基于傳統核算方法，灰水足跡可由下列公式求得[9]：

對于點源污染，其污染物被直接排放進入地表水體。因此，可通過測量污水體積和其中包含的污染物濃度來估算污染物排放量：

式中：Qeff和QAbs分別表示污水排放量（L/s）和取水量（L/s）；Ceff,ε表示污水中污染物ε濃度（mg/L）；CAbs,ε表示取水中污染物ε的實際濃度（mg/L）。非點源污染的過程相對復雜，固體廢物處理、農業化肥施用等造成部分污染物滲入地下水或者隨地表徑流進入自然水體。因此，污染物排放量不能按照其總量測算，需要估算污染物經過淋溶作用最終到達自然水體的比例：

式中：α為無量綱因子，表示淋溶率（即化學物質在土壤中被水分沖刷時，化學物質在水中的含量與總量之比）；Appl 表示在土壤表面或者土壤內部使用的化學物質量。

灰水足跡評價范圍可以包括：①生產鏈中某個特定過程的灰水足跡；②個人、產品或整體經濟部門的灰水足跡；③不同空間尺度（企業、城市、國家或流域）的灰水足跡。

在微觀層面，灰水足跡研究多針對單一產品展開。許多研究采用自上而下的生命周期評價方法，將生產鏈上各個環節的污染物排放量進行統計與累加，得到最終產品灰水足跡。農業是水污染的主要來源之一[16]，國內外針對某種農作物產品的研究較為普遍。目前已被進行灰水足跡測度的農作物產品包括稻米[17]，小麥[18]、藏紅花[19]、香蕉[20]等，不同類別農作物產品單位質量灰水足跡存在顯著差異性。隨著畜禽產品消費需求的日益增長，核算畜禽產品灰水足跡以緩解其生產帶來的水資源壓力具有重要現實意義[21]。Gerbens-Leenes[22]等比較了不同國家以及不同生產模式下豬肉、牛肉和雞肉的灰水足跡，指出決定以上三種肉類灰水足跡的主要因素包括飼料轉化效率(每單位肉的飼料量)、飼料成分和飼料來源。Mekonnen 等[21]量化了牛肉、羊肉、雞蛋、牛奶等產品水足跡，發現單位質量畜禽產品的藍水和灰水足跡均明顯高于谷物等農作物產品，促進飲食結構調整、減少畜禽產品需求為減少水消耗和水污染提供了新視角。此外，隨著灰水足跡研究的深入，有研究者對工業產品灰水足跡進行初探[23]。Martínez-Alcalá 等[24]分析了四種常見藥物（卡馬西平、雙氯芬酸、酮洛芬、萘普生）的灰水足跡，預測了實現污水再生利用對降低灰水足跡的作用。Gerbens-Leenes[25]等評估了典型建筑材料——鋼鐵、水泥和玻璃的灰水足跡，并識別了產生灰水足跡的關鍵污染物。與農作物和畜禽產品相比，關于工業產品的灰水足跡研究相對較少，原因可能包括以下幾點：工業產品灰水足跡與農產品相比較數量較小，常被忽略；工業產品種類繁多，供應鏈包含環節復雜，難以從源頭追溯整個生產過程，如何界定灰水足跡核算的邊界，尚未形成一套通用成熟的指導原則。

在中觀層面，一些研究者引入DNDC （Denitrification-Decomposition）、RZWQM（Root Zone Water Quality Model）等農業生態領域內模型開展生物地球化學過程模擬，用以計算農田系統的氮負荷和灰水足跡。例如，Deihimfard 等[18]采用 APSIM（Agricultural Production Systems sIMulator）模型解析伊朗典型小麥種植區域當前(1980—2010年)和未來(2040—2070年)氣候條件下灰水足跡變化，結果表明雨養和灌溉農田系統的灰水足跡均呈上升趨勢。Vergé 等[26]采用歷史天氣作為輸入參數，基于DNDC 模型開展玉米和大豆生產系統氮循環模擬，發現設置不同時間步長對年度灰水足跡值會產生顯著影響。同時，能—水關聯視角下，能源系統的灰水足跡也開始引發廣泛關注，Chini 等[27]提出了基于燃料類型、回水流量和發電量的灰水足跡月度估算模型并應用于美國熱電廠，發現其灰水足跡在冬季和夏季達到峰值。能源生產排放的廢水中含有重金屬、氨氮、礦物油等污染物，且含有大量廢熱，分析能源系統灰水足跡為之前僅關注水量的能—水關聯解析提供了重要補充。

在宏觀層面，國內外學者從全球、國家、區域等尺度開展大量灰水足跡實證研究。全球尺度灰水足跡研究主要聚焦氮、磷污染物。Mekonnen 等[28,29]揭示了2002—2010年全球人為氮和磷排放造成的灰水足跡時空分布，并根據氮、磷污染物特定灰水足跡和可用水資源量的比值，評價主要河流的水污染狀況。由于行政區域層面灰水足跡核算相關的基礎統計數據（廢水排放量、污染物排放量）易取得，基于國家或者行政區域尺度的灰水足跡研究更多，通過分析不同行政區域的灰水足跡特征，有助于識別水污染主要來源。此外，水體上下游聯系緊密，以流域為研究單元更符合其自然屬性。目前研究分析了中國長江流域[30]、海河流域[31]、西班牙塞古拉河流域[32]、智利卡恰布谷流域[33]等灰水足跡的空間分布或時間變化趨勢，并與當地可用水資源總量做比較，以評價流域水環境的可持續性。

1.2 灰水足跡演化機制分析

污水處理技術進步、消費結構演變、生產規模變動等因素都會對灰水足跡產生影響。在分析不同時間段灰水足跡變化趨勢的基礎上，揭示灰水足跡（即水污染）變化的主要驅動因素，是灰水足跡研究值得探索的重要領域[34]。

目前研究灰水足跡驅動因素最常用的方法是結構分解分析（Structure Decomposition Analysis，SDA）方法和指數分解分析（Index Decomposition Analysis，IDA）方法。SDA 方法以投入產出模型為基礎，將目標變量的變動分解為有關各獨立自變量各種形式變動的和，以得到各自變量對因變量變動貢獻的大小。SDA 的優勢在于可反映不同區域部門之間的相互依存關系，不僅可以捕捉灰水足跡變化的直接原因，還能夠反映由于產業聯動作用所導致的間接效應。但SDA方法對數據要求比較高，局限于有限變量，存在分解形式的非唯一性及分解結果的非完全性等不足。IDA方法則具有操作簡單、數據要求低的優點，但IDA 將各個生產部門用平行相加考慮，不能檢驗不同區域部門的相互依存性，一般僅用于部門或區域的總體指標分析。Incera 等[35]采用SDA—投入產出方法對全球水污染最嚴重10 個國家1995—2009年的灰水足跡進行因素分解，發現以上國家農業部門灰水足跡的增長主要源于食品最終需求上升，而出口商品則是欠發達國家工業部門灰水足跡增長的關鍵驅動因素。Li 等[36]基于動態SDA 方法分析中國工業部門2002—2015年灰水足跡變化，計算結果表明出口規模擴大和城市消費水平上升是工業部門灰水足跡增長的最主要原因，而技術進步則抑制了工業部門灰水足跡的增長。Yang等[37]增加了更具體的驅動因素，結合SDA 方法對技術進步、固定資本形成、庫存變化、進口等17 個因素的驅動效應進行測度和分析，認為固定資本形成和出口商品促進了中國工業灰水足跡上升。

Zhang 等[38]結合Kaya 恒等式和IDA 中的迪氏指數分解（Logarithmic Mean Divisia Index，LMDI）方法分析中國各省份灰水足跡強度（單位GDP 灰水足跡）變化，結果顯示灰水足跡強度呈整體下降趨勢，阻礙欠發達省份灰水足跡強度降低的主要原因是技術效應和水資源利用效率。陳巖等[39]采用Kaya 恒等式和LMDI 對淮河流域35 個地級市農業灰水足跡效率的驅動模式進行了分類，并提出對于不同驅動模式的地區開展相應的水污染調控措施。灰水足跡作為水污染的體積衡量指標，分析灰水足跡的時間變化機理，定量、準確地識別其關鍵驅動因素，對于制定切實有效的水污染防治措施至關重要。

1.3 基于灰水足跡的虛擬水流動路徑解析

灰水足跡（水污染）可隱含在交換商品或服務中發生跨區域流動，這被稱為虛擬灰水貿易[40]。經濟發展水平較高的地區通過進口商品將消費和發展的水污染負擔轉移到其他地區，雖然有利于本地區水污染防治目標的達成，但可能造成整個產業鏈上污染物排放總量的增加[41]。追溯隱含在區域貿易間的虛擬灰水流，厘清各區域水污染的空間關聯關系，有助于為構筑跨區域的水污染協同防治策略提供著力點。

虛擬灰水進口量和出口量之間的差值可反映某地區虛擬灰水貿易平衡狀態。如果虛擬灰水進口大于出口，則該地區為虛擬灰水凈進口區域，即該地區將本地消費造成的水污染以虛擬灰水的形式轉嫁至外部區域，形成水污染外部化；反之，則該地區為虛擬灰水凈出口區域，承擔了外部區域消費引起的水污染[42]。

總體來看，虛擬灰水貿易評估模型可分為自下而上和自上而下方法。基于自下而上方法，虛擬灰水進出口量可由產品或服務貿易量乘以單位產品或服務的虛擬灰水含量得到[43]。自下而上方法依賴于構建產品進出口貿易數據，多用于分析具體產品貿易中蘊含的虛擬灰水。而當評估一個地區包含所有產品的虛擬灰水貿易時，該方法耗時較長，且由于無法明晰進口商品是用于中間生產還是最終消費，可能造成重復計算。基于自上而下的投入產出模型可以克服該問題。投入產出表假定每個產品部門只生產一種同質產品，通過列昂惕夫逆矩陣能夠完整反映經濟系統內的產業鏈累積效應，得到各經濟部門進出口貿易所誘發的虛擬灰水流[44]。

目前研究對全球或局部地區的虛擬灰水貿易開展多種形式的核算，繪制了眾多國家或區域之間的虛擬灰水流動路徑。O’Bannon 等[45]基于國際貿易數據和309 種農產品灰水足跡，重構全球虛擬灰水網絡，并利用復雜網絡分析和不平等程度統計方法識別網絡結構變化特征；結果表明1986—2010年體現在農產品貿易中的虛擬灰水增加了136%。Ren 等[46]引入PEPIC（Python-based Environmental Policy Integrated Climate）模型估算2008—2012年中國網格尺度人為氮和磷負荷，以量化玉米、水稻和小麥生產造成的灰水足跡，并結合糧食調入調出數據，追溯省際糧食貿易中體現的虛擬灰水流；研究發現通過糧食貿易，中國南方將水污染外化至北方地區。Cai 等[47,48]采用多區域投入產出模型分析了中國各省份的虛擬水貿易狀況，發現虛擬灰水（7946 億t）是虛擬藍水（918 億t）的8.65 倍，強調了研究虛擬灰水的重要性并分析了虛擬灰水流變化的驅動因素。Hachaichi[49]揭示了全球南方181 個城市的虛擬灰水和藍水貿易發展模式，指出虛擬水貿易是保障城市水安全的有效途徑。Li 等[12]分析2012年中國區域間虛擬灰水流動格局，提出虛擬灰水流聯系緊密的地區要加強省際合作，經濟發展水平較高的省份在購進外省（區、市）高污染產品的同時，應給予對方更多資金和技術支持，以幫助其改進生產技術，降低水污染物排放強度。

2 現有灰水足跡核算方法的潛在問題及改進思路

有研究指出當前灰水足跡核算方法仍存在一定局限性限制了其廣泛適用，具體包括（圖2）：①如何定義自然背景濃度（Cε,nat）和最大容許濃度（Cε,max）具有一定挑戰。不同地區污染物的自然背景濃度及最大容許濃度存在差異。許多研究將自然背景濃度統一假設為0，與其真實值背離，可能導致所得灰水足跡偏低。同時，選擇不同水環境質量標準則對應不同最大容許濃度，給灰水足跡結果帶來了較大不確定性[50]。②非點源污染負荷難以獲取，以往研究多采用經驗統計方法利用已有文獻確定的污染物淋溶率進行計算，得到結果較為粗糙[51]。③污水是由多介質組成的多元體系，涉及大量的污染因素和變量，以污水中的最關鍵污染物作為唯一指標評價灰水足跡尚不能全面客觀地量化污染物負荷對受納水體的綜合影響，可能導致得到的灰水足跡置信率較低[52]。④目前對該方法的使用多僅考慮受納水體物理稀釋作用，而忽略了由于生物、化學作用等使污染物在自然水體中發生的濃度衰減過程。

圖2 灰水足跡核算方法的潛在問題及改進思路

針對此，近期少數研究嘗試對傳統灰水足跡核算方法進行改進。李莉等[53]為解決傳統方法中污染物最大容許濃度值不確定性問題，構建基于三角模糊數理論的灰水足跡核算方法，結果表明改進方法能更準確識別水質風險，所得結果與實際水功能區水質達標率評價等級更為接近。Yu 等[54]耦合水質指數法和二分搜索算法考慮多污染物對灰水足跡的綜合影響，發現基于單一污染物的灰水足跡核算方法可能高估水污染程度，削弱灰水足跡作為水污染指標的應用范圍，其建議將改進的灰水足跡方法運用到實際的水環境管理，為評估水環境可持續性提供有效指標。Li 等[52]結合質量平衡方程和模糊綜合評價，開發基于多污染物的灰水足跡模型，并以北京市為例，指出了方法改進前后灰水足跡變化程度。其發現基于改進方法得到的灰水足跡結果并非固定值而是閾值，且閾值下限相較于傳統方法顯著下降，灰水足跡閾值可為水環境管理提供一定彈性空間。Zhi 等[55]結合一維水質模型分析海河流域各經濟部門灰水足跡，其優勢是在灰水足跡核算過程中進一步考慮了污染物在自然水體中發生的濃度衰減過程。Zuo 等[56]利用SWAT（Soil and Water Assessment Tool）模型、統計分析和情景分析等方法，確定了不同土地利用類型下非點源污染負荷及灰水足跡的變化，并基于灰水足跡理論對非點源污染風險進行評價。De Girolamo[52]提出了一種將SWAT模型與流域尺度的河流監測活動相結合的新方法，以減少灰水足跡核算的不確定性。該方法的好處是可解決由于作物種類和種植管理方式多樣化帶來的詳盡數據難以獲取的問題，能更準確估算農田氮磷負荷，從而提高灰水足跡核算輸入數據的精度。

灰水足跡核算結果的可靠性和精度是準確評估水污染，制定有效的水污染防治策略的基礎。以上方法在一定程度上減少了核算過程中的不確定性。然而，自然背景濃度、最大容許濃度如何取值尚未形成通用準則[16]。根據文獻綜述我們提出未來研究可進一步明確最大允許濃度的選取標準，開展自然背景濃度值調查，提升灰水足跡模型相關參數的準確性。同時，針對非點源污染負荷難以獲取問題，可結合實地監測、非點源污染模型[ 如SWAT、HSPF（Hydrological Simulation Program-FORTRAN）]等方法進行估算。相較于以往灰水足跡研究針對非點源污染常采用的經驗統計方法，基于SWAT 等非點源污染模型得到的結果更接近客觀實際，但涉及參數多，需積累較多水文資料，應用過程較復雜。圍繞灰水足跡核算僅考慮單一污染物的問題，未來可引入更多綜合評價方法（如綜合指數法、熵權分析法等）將多種污染物的影響納入進來，并比較不同方法的適用范圍和評價結果的異同。此外，引入水質模型模擬污染物在受納水體中的遷移和衰減過程是灰水足跡方法改進的重要思路之一。當前研究多結合一維水質模型假設污染物在縱向上存在濃度梯度，橫向和垂直方向能完全混合。當評價行政區域尺度的灰水足跡時，分析每個排污口所處河流的水文條件，分別對相關參數進行率定并不現實，因而采用基于一維水質模型概化的灰水足跡方法具有可行性。而當對某條河流或湖泊的灰水足跡進行精細化研究時，未來可根據具體情況選擇一維或二維水質模型。

3 實現灰水足跡有效應用的保障機制

灰水足跡概念自產生以來在國內外得到了廣泛關注，但在實踐管理領域仍有待進一步探索。為實現灰水足跡有效應用，未來研究可從以下幾方面著力。

3.1 構建高時空分辨率灰水足跡數據庫

目前灰水足跡研究在時空尺度上較為粗略，亟須構建高時空分辨率灰水足跡數據庫，以支持可實操可落地的水污染防治策略。

從空間尺度來看，當前灰水足跡研究主要關注全球、國家及流域等宏觀尺度，難以實現對高污染區域的精準識別。有少量研究基于高分辨率網格尺度揭示了農業氮、磷污染物的灰水足跡空間分布特征，但網格單元層面工業及生活的灰水足跡仍缺乏關注。當前水污染問題成因呈復雜化多元化態勢，水環境管理方式亟須向網格化、精細化轉型。未來開發涵蓋多部門、多污染物的高分辨率網格尺度灰水足跡數據庫可為水污染溯源分析及水資源可持續精細化管理提供數據基礎和技術支持。

此外，從時間上來看，灰水足跡實證研究存在明顯滯后性。提高其時效性，分析長時間序列灰水足跡變化趨勢，可為水污染防治提出更有針對性、更符合當前環境態勢的措施建議。同時，目前灰水足跡研究多以年為單位，通過計算灰水足跡與可用水資源總量的比值反映當地水污染程度。然而，眾多區域的水資源在時間上分布不均勻，例如中國水資源的時間分布呈夏秋多、冬春少的特征。因此，年際尺度的灰水足跡研究難以反映水污染程度的季節性變化。未來開展月度或者更小尺度灰水足跡核算有助于反映水污染程度的連續變化，準確識別高污染時段。

3.2 基于實體—虛擬灰水耦合流動格局開展生態補償機制研究

由于自然水體的連通性，污染物可通過自然河流攜帶，從上游遷移到下游。我國的流域經濟區具有較典型的產業結構空間分布特征，上游區域多集中在高污染、高消耗、高排放的產業，以自然資源的巨大投入為代價拉動經濟的增長，這種特殊的產業鏈空間結構對整個流域的生態環境尤其是中下游地區的水環境造成了嚴重影響[57]。許多研究基于水質模型預測實體灰水流動路徑，并對水環境的跨界管理提出了生態補償策略[58,59]。但是，分析實體灰水流動只能解決流域內的跨界水污染問題。虛擬灰水流動包含的空間范圍比實體灰水更廣，且隨著經濟的快速發展，虛擬灰水總量呈遞增趨勢，加劇區域間環境代價和經濟發展機會的不平衡。基于實體灰水和虛擬灰水耦合流動格局探討跨區域生態補償機制，有助于平衡經濟發展與水環境保護之間的關系，強化多元主體協商共治，進而促進水資源的可持續利用。

3.3 構筑產品灰水足跡標簽制度以消費側選擇引導生產側綠色轉型

灰水足跡標簽指的是對產品或服務全生命周期過程（包括原料、制造、儲運、廢棄）中所消耗的灰水進行核算并通過標簽的形式告知消費者，即灰水足跡的標簽化。推行灰水足跡標簽可幫助構建靈活的溝通機制，通過在產品標簽上用量化的標示指數，直接影響消費者決策從而選擇低足跡產品，并且間接影響生產側，倒逼企業綠色轉型使自身適應市場需求。此外，灰水足跡標簽制度也提供了一套評價體系，可以據此對生產產品不同階段的灰水使用情況進行披露和管理。已有組織機構及企業嘗試將水足跡（包含灰水足跡）標注在商品上，但由于產品種類繁多，包含供應鏈復雜，目前尚未建立完善的水足跡標簽體系。將灰水足跡納入生態標簽中，有助于從政府、行業、企業和消費者不同層面提高對水資源的認識和管理水平，引領可持續消費并帶動綠色經濟發展。

4 結語

灰水足跡是水資源領域不斷發展并日益受到關注的重要方向。灰水足跡研究為評估人類活動對水質的影響提供了量化指標，為從根本上解決水污染問題提供了新思路和新方法。通過核算不同時空尺度的灰水足跡，剖析灰水足跡演化機制可識別污染關鍵區域及主要社會經濟驅動因素。此外，基于灰水足跡的虛擬水研究給予現行水污染管控措施的重要啟示為：水污染存在空間關聯關系，外部消費是造成局部區域水污染的重要因素之一，虛擬灰水流聯系緊密的地區可加強合作，通過合理分配資金投入，共享先進減排技術等構筑跨區域協同的水污染防治體系。

當前的灰水足跡核算方法仍存在一定局限性，亟待結合水文模型、水質模型、綜合評價等方法提高其精度。同時，為促進其深度應用，未來灰水足跡研究可拓展和深入探索的方向包括：挖掘高時空分辨率灰水足跡數據，基于實體—虛擬灰水耦合流轉格局探尋生態補償機制，構建產品灰水足跡標簽制度以消費側選擇引導生產側綠色轉型。