張文強(qiáng).新疆水稻水足跡及其預(yù)測分析[J].南方農(nóng)業(yè)，2023，17（18）：-48.

摘 要 運(yùn)用水足跡理論對1995—2020年新疆水稻水足跡進(jìn)行量化分析，并借助灰色神經(jīng)網(wǎng)絡(luò)模型對未來5年新疆水稻水足跡進(jìn)行預(yù)測分析。結(jié)果表明：1）新疆水稻水足跡呈現(xiàn)波動(dòng)下降趨勢，最大值出現(xiàn)在1997年為7.39×105 m3，最小值出現(xiàn)在2020年為4.21×105 m3，平均值為6.31×105 m3；2）水稻水足跡中藍(lán)水足跡遠(yuǎn)大于綠水足跡，藍(lán)水足跡平均值為91.1%；3）利用灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對新疆未來水稻水足跡進(jìn)行預(yù)測，得到未來5年水稻水足跡呈現(xiàn)緩慢下降趨勢。

關(guān)鍵詞 水稻；水足跡；預(yù)測；新疆

中圖分類號：S511 文獻(xiàn)標(biāo)志碼：A DOI：10.19415/j.cnki.1673-890x.2023.18.015

水資源是一切生物賴以生存和發(fā)展的物質(zhì)基礎(chǔ)，也是支撐一個(gè)國家和地區(qū)社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展的限制性因素和戰(zhàn)略性資源[1]。農(nóng)業(yè)是人類生產(chǎn)生活中對水資源消耗最大的部分，我國農(nóng)業(yè)用水量占全國總用水量的60%以上，且隨著人口增長、社會(huì)經(jīng)濟(jì)發(fā)展和氣候變化，農(nóng)業(yè)用水量將進(jìn)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(nóng)業(yè)生產(chǎn)和糧食安全的主要瓶頸，農(nóng)業(yè)水資源高效利用成為涉及糧食安全和農(nóng)業(yè)可持續(xù)發(fā)展的重大課題[3]。因此，在確保糧食安全和農(nóng)業(yè)可持續(xù)發(fā)展的前提下，減小農(nóng)業(yè)生產(chǎn)活動(dòng)對水資源造成的壓力，是目前面臨的一項(xiàng)巨大挑戰(zhàn)[4]。傳統(tǒng)的區(qū)域農(nóng)業(yè)用水量在統(tǒng)計(jì)時(shí)存在一定的問題，為了更真實(shí)地測量農(nóng)業(yè)用水量，水足跡概念與方法應(yīng)運(yùn)而出，水足跡理論可以真實(shí)地反映一個(gè)地區(qū)或者一個(gè)國家對水資源的真實(shí)需求和占有情況，用以表達(dá)人類對水資源系統(tǒng)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(xué)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(shí)間內(nèi)消費(fèi)的所有產(chǎn)品和服務(wù)所需要的水資源數(shù)量[3]。農(nóng)業(yè)生產(chǎn)會(huì)消耗大量的水資源，分析農(nóng)業(yè)生產(chǎn)用水特征、評價(jià)農(nóng)業(yè)生產(chǎn)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(nóng)作物水足跡的研究最為廣泛。國內(nèi)外最早關(guān)于農(nóng)業(yè)水足跡的研究，主要集中在不同空間尺度的農(nóng)作物水足跡的計(jì)算，隨著研究技術(shù)的不斷加深，水足跡研究領(lǐng)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(chǎn)量關(guān)乎全球糧食安全。新疆光熱條件優(yōu)越，氣溫日較差大，水稻單產(chǎn)排名全國第一，是我國重要的高產(chǎn)優(yōu)質(zhì)稻區(qū)；但新疆地處干旱半干旱的內(nèi)陸地區(qū)，不論是水稻還是其他農(nóng)作物的種植都嚴(yán)重受到水資源短缺的制約。因此，分析當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)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(qū)今后緩解水資源短缺問題、提高水資源利用率、科學(xué)優(yōu)化水資源管理等提供參考依據(jù)。

2 材料與方法

2.1 數(shù)據(jù)來源

本文計(jì)算的新疆1995—2020年水稻的藍(lán)、綠水足跡，所需的氣象相關(guān)數(shù)據(jù)包括月降水量、平均風(fēng)速、相對濕度、日照時(shí)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(nóng)業(yè)生產(chǎn)相關(guān)數(shù)據(jù)包括水稻播種面積、水稻產(chǎn)量、水稻單產(chǎn)等來自《新疆統(tǒng)計(jì)年鑒》。

2.2 研究區(qū)概況

新疆維吾爾自治區(qū)位于我國西北內(nèi)陸地區(qū)，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(qū)。區(qū)內(nèi)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(qū)約占75.5%，大部分地區(qū)干旱少雨，年平均蒸發(fā)量超過2 000 mm，年均日照時(shí)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(nóng)業(yè)發(fā)展提供了優(yōu)越的條件，使得新疆成為我國重要的糧食產(chǎn)區(qū)。

2.3 研究方法

2.3.1 農(nóng)作物水足跡的計(jì)算

本研究采用聯(lián)合國糧食及農(nóng)業(yè)組織（Food and?Agriculture Organization of the United Nations，F(xiàn)AO）提供的CORPWAT8.0模型計(jì)算了1995—2020年新疆各地區(qū)水稻藍(lán)、綠水足跡，本研究只考慮農(nóng)業(yè)生產(chǎn)過程中的水資源消耗量，不考慮灰水足跡。藍(lán)水足跡與綠水足跡之和即為生產(chǎn)水足跡，計(jì)算公式如下：

WF=WFgreen+WFblue（1）

式中：WFgreen為生產(chǎn)水足跡綠水足跡，m3；WFblue為生產(chǎn)水足跡藍(lán)水足跡，m3。

其中WFgreen和WFblue計(jì)算公式如下：

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

2.3.2 灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型

灰色預(yù)測模型是對數(shù)據(jù)少、信息貧等不確定性時(shí)序問題進(jìn)行預(yù)測的方法，是灰色系統(tǒng)理論的重要組成部分。灰色系統(tǒng)理論是把一切隨機(jī)過程看作在一定范圍內(nèi)變化的、與時(shí)間相關(guān)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(gòu)成的模型。BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)由一個(gè)輸入、一個(gè)輸出及一個(gè)或多個(gè)隱含層組成，每一層可以有若干個(gè)節(jié)點(diǎn)，是目前發(fā)展比較成熟的一種神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)模型是自適應(yīng)的非線性計(jì)算系統(tǒng)，它可以從模式中學(xué)習(xí)，即使函數(shù)關(guān)系不明確或難以識(shí)別，也能夠捕獲給定數(shù)據(jù)中隱藏的函數(shù)關(guān)系，在預(yù)測非線性、不確定性問題方面具有精度高、適應(yīng)性強(qiáng)、推廣能力好等優(yōu)點(diǎn)。

灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型是灰色預(yù)測模型與BP神經(jīng)網(wǎng)絡(luò)模型組合而成的，與單一的灰色預(yù)測模型和BP神經(jīng)網(wǎng)絡(luò)模型相比，具有適應(yīng)性更強(qiáng)、擬合度更好等優(yōu)點(diǎn)。

3 結(jié)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(jìn)行計(jì)算，如圖1所示。1995—2020年新疆水稻水足跡整體呈波動(dòng)上升態(tài)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(fēng)速、日照時(shí)間和相對濕度等自然條件的影響，以及化肥、灌溉和農(nóng)業(yè)機(jī)械動(dòng)力等農(nóng)業(yè)生產(chǎn)投入要素與人均GDP、農(nóng)業(yè)GDP比例和農(nóng)業(yè)產(chǎn)值等社會(huì)經(jīng)濟(jì)的影響。例如，化肥使用量的增加，促進(jìn)了水稻單產(chǎn)提高，降低了水稻水足跡；農(nóng)業(yè)現(xiàn)代化程度的提高，使得農(nóng)機(jī)動(dòng)力大幅增加，農(nóng)業(yè)生產(chǎn)朝著規(guī)?；?、集約化方向發(fā)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(fēng)速的降低能大大減弱水稻蒸散作用，蒸發(fā)散量的減少有利于水稻水足跡的降低。

1995—2020年，新疆水稻水足跡最大值出現(xiàn)在1997年為7.39×105 m3，最小值出現(xiàn)在2020年為4.21×105 m3；水稻水足跡的平均值為6.31×105 m3，其中藍(lán)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(lán)水足跡占比遠(yuǎn)遠(yuǎn)高于綠水足跡。新疆水稻藍(lán)水足跡和綠水足跡的構(gòu)成比例主要與當(dāng)?shù)氐臍夂驐l件有關(guān)，新疆大部分地區(qū)地處降水稀少的干旱半干旱內(nèi)陸地區(qū)，藍(lán)水足跡來源于灌溉用水，綠水足跡來源于降水，新疆農(nóng)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(lán)、綠水足跡的占比差異巨大。

3.2 新疆2021—2025年水稻水足跡預(yù)測

本文采取串聯(lián)式灰色BP神經(jīng)網(wǎng)絡(luò)模型，選取新疆1995—2020年水稻水足跡數(shù)據(jù)作為樣本進(jìn)行建模，將得到的預(yù)測值輸入到BP神經(jīng)網(wǎng)絡(luò)模型中，得到最終的預(yù)測結(jié)果如圖2所示。模型預(yù)測結(jié)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(xù)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(huì)擠壓其他農(nóng)作物的灌溉用水量，進(jìn)一步加劇新疆水資源短缺問題。

4 結(jié)論與討論

本文利用CORPWAT8.0軟件對新疆1995—2020年水稻水足跡進(jìn)行了量化分析，發(fā)現(xiàn)新疆水稻水足跡受到播種面積、農(nóng)業(yè)生產(chǎn)投入要素、自然條件因素及灌溉技術(shù)等的影響，在對1995—2020年水稻水足跡量化分析的基礎(chǔ)上，為了更好地了解未來新疆水稻水足跡的發(fā)展趨勢，根據(jù)實(shí)際核算數(shù)據(jù)對2021—2025年新疆水稻生產(chǎn)水足跡進(jìn)行預(yù)測。1）在1995—2020年間，水稻水足跡呈現(xiàn)波動(dòng)下降的趨勢，水稻水足跡的平均值為6.31×105 m3，最大值出現(xiàn)在1997年為7.39×105 m3，最小值出現(xiàn)在2020年為4.21×105 m3。2）新疆1995—2020年水稻水足跡中藍(lán)水足跡遠(yuǎn)遠(yuǎn)高于綠水足跡，其中2008年藍(lán)水足跡占比最大為95.1%，1998年占比最小為87.5%，藍(lán)水足跡平均占比為91.1%，藍(lán)水足跡占比較大，綠水足跡占比較小，水稻生長過程中以藍(lán)水足跡為主。3）未來5年（2021—2025年），新疆水稻水足跡平均值為5.88×105 m3，其中2021年水稻水足跡最高為5.94×105 m3，2025年水稻水足跡最低為5.83×105 m3，未來5年水稻水足跡呈現(xiàn)持續(xù)下降的趨勢。

參考文獻(xiàn)：

[1] 程先，孫然好，陳利頂，等.基于農(nóng)牧業(yè)產(chǎn)品和生活用水的京津冀地區(qū)水足跡時(shí)空特征研究[J].生態(tài)學(xué)報(bào)，2018，38（12）：4461-4472.

[2] 李紅穎，秦麗杰，楊婷.吉林省水稻生產(chǎn)水足跡時(shí)空分異研究[J].華北水利水電大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，39（2）：32-39.

[3] 吳普特，孫世坤，王玉寶，等.作物生產(chǎn)水足跡量化方法與評價(jià)研究[J].水利學(xué)報(bào)，2017，48（6）：651-660.

[4] 金謙，桂東偉，高霄鵬，等.新疆主要農(nóng)作物生產(chǎn)水足跡研究[J].干旱地區(qū)農(nóng)業(yè)研究，2018，36（6）：243-249.

[5] 張沛，龍愛華，海洋，等.1988—2015年新疆農(nóng)業(yè)用水時(shí)空變化與政策驅(qū)動(dòng)研究：基于農(nóng)作物水足跡的統(tǒng)計(jì)分析[J].冰川凍土，2021，43（1）：242-253.

（責(zé)任編輯：劉寧寧）