北京大学学报(自然科学版), 第47卷, 第3期, 2011年5月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 47, No. 3 (May 2011)
东北三省主要粮食作物虚拟水变化分析
黄姣 高阳 李双成†
北京大学城市与环境学院, 地表过程分析与模拟教育部重点实验室, 北京 100871；† 通信作者, E-mail: [email protected]
摘要 计算了1988—2008年东北地区4种主要粮食作物(水稻、小麦、玉米和大豆)的初级产品单位虚拟水含量和省虚拟水总量, 明晰了这4种粮食作物的农业用水量格局及时间变化。研究结果表明: 大豆单位耗水量最高, 小麦次之, 玉米最小；空间上水稻的单位耗水量在黑龙江省最高, 小麦在吉林省最高, 玉米和大豆在辽宁省最高；黑龙江省的水稻、小麦和大豆的虚拟水总量都明显高于吉林省和辽宁省, 分别达到8.60×109, 3.98×109和1.22×1010 m3, 而吉林省玉米虚拟水总量在3个省中最高, 达1.08×1010 m3。随时间的变化, 东北地区大豆和小麦的单位虚拟水含量表现为下降或者波动, 而水稻和玉米相对稳定；玉米和水稻的虚拟水总量呈上升趋势而小麦明显呈下降趋势。该研究提供了从虚拟资源视角认识水资源消耗的实证, 可以对东北地区粮食作物布局提供科学依据。
关键词 虚拟水；粮食作物；东北三省；时间变化 中图分类号 P964
Temporal Variation of Virtual Water of Selected Agricultural Products
in Northeastern China
HUANG Jiao, GAO Yang, LI Shuangcheng
College of Urban and Environmental Sciences, Laboratory for Earth Surface Processes (MOE), Peking University,
Beijing 100871; † Corresponding author, E-mail: [email protected]
†
Abstract The authors investigated the temporal and spatial patterns of the virtual water content (/kg) and total virtual water requirements for rice, wheat, maize and soybeans in Liaoning Province, Jilin Province and Heilongjiang Province in Northeastern China from 1988 to 2008. The results show that soybeans had the highest water demand per kilogram, followed by wheat, rice and maize. Spatial variations were evident. Per kilogram rice consumes more water in Heilongjiang, while wheat in Jilin, maize and soybeans in Liaoning. In Heilongjiang, rice, wheat and soybeans had the highest total virtual water needs, 8.60×109, 3.98×109 and 1.22×1010 m3, respectively. Whereas the largest total virtual water for maize (1.08×1010 m3) appeared in Jilin Province. During the studied period, water demands per kilogram of soybeans and wheat fluctuated, while for rice and maize the demands were stable. As to total virtual water demand, it increased for maize and rice, whereas decreased significantly for wheat. These findings provide insights on the water demand of the four crops, and thus are meaningful for decision-makers.
Key words virtual water; selected agricultural products; Northeastern China; temporal variation
自然资源在地区经济发展中将超越资本和劳动力等, 成为越来越重要的制约因子, 尤其是水资源。水资源缺乏是全球面临的重大经济问题和环境问题, 如何有效配置和利用水资源成为十分迫切的现实问
国家自然科学基金(40771001)资助
题。“虚拟水”概念的提出, 为此提供了一个全新的思路, 并逐渐形成了一套研究方法和成果。产品或服务的单位虚拟水含量是指单位产品或服务全过程消耗的水资源总量[1]。虚拟水概念的前身是最早由
收稿日期: 2010−03−01; 修回日期: 2010−05−31; 网络出版日期:2011−04−27 网络出版地址: http://www.cnki.net/kcms/detail/11.2442.N.20110427.1215.002.html
505
北京大学学报(自然科学版) 第47卷
Allan教授于1993年提出的“体现水(embedded water)”概念[2], 通过这种视角, 可以全面、直观地考察生产服务活动的用水状况, 而且不同部门、不同产品之间具有可比性, 进而可以累加, 计算一个部门、地区或国家, 甚至全球的水资源消耗总量和“水足迹”。虚拟水提出的初衷是基于全球尺度上进行水资源配置的理想。对于某项产品, 单位虚拟水含量高(即生产过程中消耗水资源总量相对较多)的国家, 从该产品单位虚拟水含量低(即生产过程中消耗水资源总量相对较少)的国家进口这种产品, 从全球尺度上来看可以达到节约水资源的目的[1]。同时, 水资源缺乏的国家可以通过进口单位虚拟水含量高的产品来达到节约本国水资源的目的, 即虚拟水国际贸易战略。
对于这种核算式的问题, 形成一套科学合理并得到公认的核算方法是其中的关键所在, Hoekstra等[1]计算了世界上各个国家的农作物单位虚拟水含量, Chapagain等[3]计算了以及各个国家的水足迹。经过这样一些研究, 逐渐形成了一套可以计算全球各地农作物、畜产品及工业产品等的单位虚拟水含量的方法体系。目前大多研究基于FAO数据库(CropWat, ClimWat, FAOSTAT)和相关软件, 计算出主要产品的单位虚拟水含量, 如咖啡[4]、棉花[5]等, 或是计算某一个地区或国家的水足迹[6]。
农业是国民经济体系中最大的用水部门, 对于农产品及其国际贸易的虚拟水研究是目前相关研究领域的研究热点之一, 涉及农产品虚拟水数量、时空变化格局及国际贸易等诸多方面。目前农产品虚拟水计算的研究模式主要有以下几种: 1) 采用FAO提供的CropWat和ET0-caculator等软件计算区域农产品单位虚拟水含量和虚拟水变化格局[7–8]; 2) 采用FAO推荐的计算方法, 根据相应研究成果确定参数来计算农产品单位虚拟水含量[9–10]; 3) 采用灌溉定额法计算区域农产品单位虚拟水含量和虚拟水变化格局[11]。由于涉及全球尺度水资源配置问题, 要求各地农产品的虚拟水计算方法具有一定的一致性, 计算结果才能够可比。然而, 由于区域自然和社会经济条件的差异性, 各地农产品的虚拟水计算方法又与特定区域状况相适应, 因此探索计算方法如何在两者间平衡, 对于完善区域虚拟水研究具有重要的理论意义。
506
东北地区人口占全国的8.6%, 水资源总量占全国的3.9%, 耕地面积占全国的17.6%, 粮食作物播种面积占全国的17.2%, 粮食产量占全国的16.9%, 在全国的排位依次是: 辽宁第13位、吉林第8位、黑龙江第3位[12], 是我国重要的商品粮基地。从水资源来看, 农业用水一般占用水总量的70%左右[13]。由于工业污染、农业和生活用水浪费严重等原因, 近几年东北地区水资源短缺问题日益严峻。因而, 从虚拟水视角考察东北农产品尤其是粮食作物用水状况对于科学分配水资源、缓解该区水资源短缺具有重要价值。已有学者基于虚拟水理论对三江平原
[14]
、双城市[15]、黑龙江省[16]等的农作物或农畜产品
需水状况进行了考察, 刘哲等[8]基于虚拟水视角对东北粮食作物发展战略进行了初步分析。参照前人的尝试, 本文选取东北三省为研究区, 对区域虚拟水计算方法进行了探讨和实践。
本研究采用FAO推荐的计算方法, 即根据作物潜在蒸发、作物系数和作物单位面积产量来计算农产品单位虚拟水含量。作物品种主要是东北地区占优势的4种主要粮食作物, 即水稻、玉米、小麦和大豆, 这4种作物的播种面积占粮食作物的比重在90%以上(辽宁90.8%, 吉林95.8%, 黑龙江96.0%), 产量占粮食作物总产量的比重也大于90%(辽宁94.2%, 吉林97.5%, 黑龙江97.0%)[12], 计算时段为1988—2008年。
1 研究区概况
辽宁、吉林和黑龙江三省位于我国东北地区, 为温带大陆性季风气候。大部分地区年降水量为400~700 mm, 东部降水集中在5—9月, 西部降水集中在6—8月, 为湿润、半湿润地区。冬季寒冷,
5
夏温不高, 南北温差大, 大部分为中温带, 南北地区分别为暖温带和寒温带, 南部的辽东湾沿岸年平均气温在 9℃以上, 而西北部的大兴安岭北麓年均气温则在 –5℃以下。自然景观表现为冷湿特征, 以森林和草甸草原为主, 冻土广布, 多年冻土基本分布于年均温0℃以下的区域。该地区土壤在平原多为黑土, 山区则以暗棕壤、棕壤为主。耕地主要分布在松嫩平原、三江平原和辽河平原上, 土质肥沃、雨热同季, 且连片分布, 非常适宜机械化生产。
第3期 黄姣等: 东北三省主要粮食作物虚拟水变化分析
2 计算过程及数据来源
2.1 计算过程
本文采用FAO-56推荐的计算模式, 选取水稻、小麦、玉米和大豆4种粮食作物进行虚拟水计算。农作物的虚拟水估计值为作物生长发育期间的累积蒸发蒸腾水量, 影响因素包括气象因素、作物类型、土壤条件和作物的生育期等。计算过程见图1。
物类型和作物生长地的土壤等环境因子的影响考虑进去。作物蒸散量计算式为
Kc为作物系数。
ETc=KcET0 ,
(2)
计算作物系数有多种方法, 本文采用中国主要农作物需水量等值线图协作组使用田测法实验得到的作物系数[18], 是作物全生育期作物系数平均值。 2.1.3 作物全生育期需水量
辽宁、吉林、黑龙江三省4种作物的播种时间、收获时间和全生育期天数由文献[18]得到, 为多年观测的平均值。作物全生育期需水量用下式计算:
n
n
CWR=10⋅∑ETc=10⋅Kc∑ET0 ， (3)
i=1
i=1
CWR为单位面积作物全生育期需水量(m3/hm2), Kc为相应的作物系数, ET0为作物生育期内的逐日潜
图1 虚拟水计算步骤[1]
Fig. 1 Steps in the calculation of virtual
water content of crops[1]
在蒸散量(mm/d), n为作物生育期的总天数。 2.1.4 作物单位虚拟水含量
作物单位虚拟水含量表征单位质量的农作物初级产品消耗的虚拟水, 用下式计算:
2.1.1 潜在蒸散ET0
ET0也称为参考作物蒸发蒸腾水量, 定义为一种假想的参考冠层的蒸散率, 这种参考冠层的作物高度为12 cm, 固定的叶面冠层阻力γs=70 s/m, 反射率a =0.23, 相当于高度均一、生长旺盛、完全覆盖地面、并不缺水的开阔绿草地[1]。ET0表征气象因子的影响, 涉及太阳辐射、日最高气温和最低气温、相对湿度、平均风速、日照时数几个变量, 计算方法为
0.408Δ(Rn−G)+γ
900
(e−e)
ad , (1)
Δ+γ1+0.34U2 VWC=
CWR
, CY
(4)
CWR为单位面积作物全生育期需水量(m3/hm2), CY为单位面积农作物初级产品产量(kg/hm2)。
2.1.5 各省某作物总虚拟水量 TVW=VWC⋅TCY, (5)
TVW为某种作物总的虚拟水量(m3), TCY为该作物当年总产量(kg)。
ET0=
2.2 数据来源及处理方法
气候数据为国家气候中心的东北三省83个气象站点1988—2008年的逐日气候观测数据。本研究由逐日数据平均得到各省逐月的气候数据；从中国主要农作物需水量等值线图[18]和中国自然历[19]等资料中整理得到东北三省水稻、小麦、玉米和大豆的生育期及作物系数；作物播种面积及产量来源于
ET0为日潜在蒸散量(mm/d), Δ是饱和水汽压与温度相关曲线的斜率(kPa/℃)；Rn为作物表面的净辐射量(MJ/m2 )；G为土壤热通量(MJ/(m2·d))；T为平均气温(℃)；U2 为离地面2 m高处的风速(m/s)；ea为饱和水气压(kPa)；ed为实际水气压(kPa)；γ 为湿度计常数(kPa/℃)。这些参数都可以根据文献[17], 由上文提到的变量计算出来。
本文基于东北三省1988—2008年气象要素的日观测值, 计算出1—12月平均日值, 参与虚拟水的计算。 2.1.2 作物系数
用作物系数对潜在蒸散予以修正, 就可以将作
1990—2009年《中国农村统计年鉴》[20]。
首先提取各个气象站点的最高气温、最低气温、平均相对湿度、平均风速、日照时数和降水量, 剔除各省数据序列不完整的站点, 共剩下72个有效站点。对1988—2008年每年1—12月各月气候要素求平均得到月值, 根据式(1)计算出每个站点逐年的潜在蒸散ET0, 再分别对黑龙江、
辽宁和吉林三省省
507
北京大学学报(自然科学版) 第47卷
内气象站的数据计算平均值得到该省的潜在蒸散值。然后利用整理得到的作物生育期和作物系数, 根据式(2)~(5)计算各省每种作物初级产品逐年的单位虚拟水含量和虚拟水总量以及多年均值。计算过程借助Matlab 7.6编程和Excel 2007实现。
3.1.2 作物初级产品单位虚拟水含量
根据图1计算得到各省4种作物逐年的单位虚拟水含量, 计算多年平均值, 结果见表3。本节还对单位面积全生育期作物需水量等计算了多年平均值, 主要是为了便于比较不同作物类型之间的差别, 以及辽宁、吉林和黑龙江三省之间的空间差异。
从表3可以看到, 辽宁省生产1 kg水稻需要消耗0.965 t水, 1 kg小麦需要消耗1.272 t水, 1 kg玉米和大豆分别消耗0.870和3.34 t水。大豆单位产量消耗的水量是水稻和玉米的近4倍, 是小麦的近3倍, 其他省份的计算结果也显示出大豆具有最大的耗水量, 其次是春小麦。就省份之间的差异来看, 水稻单位虚拟水含量在黑龙江省最高, 小麦单位虚拟水含量在吉林省最高, 而玉米和大豆的单位虚拟水含量都在辽宁省最高, 吉林省最低。从表3还可以看到, 本研究的计算结果与FAO提供的中国平均值和全球平均值接近, 但也存在差异, 一致性表现为均显示大豆的耗水量最大, 差异性表现在春小麦的耗水量上, 东北地区明显高于中国的平均值。
根据虚拟水的计算过程可知, 作物初级产品单位虚拟水含量的差异来源于该作物单位面积全生育期需水量和作物单位面积产量两个因子, 因此分别对各省不同类型作物的这两个变量予以观察(图2和3)。作物单位面积全生育期需水量在不同省之间的比较中代表了气候因子的差异, 在不同作物类型之间的比较中代表了作物类型的影响。从图2和3可以看到, 不同作物类型之间的比较, 水稻的单位面积全生育期需水量明显高于其他3种作物, 但是由于水稻和玉米的单位面积产量明显高于小麦和大豆, 所以最终表现为大豆的单位质量耗水量最高而
表3 作物初级产品单位虚拟水含量
Table 3 Virtual water content of primary products
of selected crops
3 结果分析
3.1 作物类型间虚拟水差异及空间格局
由于东北三省从北到南温度和热量等环境条件存在着明显的区域差异, 作物生育期以及作物系数也都不同, 加之种植结构的差别, 作物单位虚拟水含量以及虚拟水总量在不同作物类型之间差异较大, 且呈现出一定的空间格局。 3.1.1 作物生育期比较
由于热量和水分限制, 东北地区的水稻主要是中稻, 小麦主要是春小麦, 玉米主要是春玉米。表1是作物在各省的全生育期平均作物系数, 可见水稻的作物系数最高, 春玉米和大豆的作物系数较小, 春小麦居中。即在相同的气候条件下, 单位面积水稻的蒸散需要消耗更多的水, 大豆蒸散消耗的水量最少。从表2可以看到各省这4种作物的生育期起止时间和天数, 水稻、春小麦和大豆的生育期在各省基本一致；春玉米略有差异, 表现为在最北端的黑龙江省播种期靠后, 生育期偏短。
表1 作物的全生育期作物系数[18]
Table 1 Average crop coefficients of whole
growth period of selected crops[18]
省份 辽宁 吉林 黑龙江
水稻
春小麦
春玉米
大豆
1.33 0.92 0.82 0.84 1.30 1.06 0.82 0.78 1.37 1.10 0.80 0.78
表2 作物生育期[18]
Table 2 Growth period of selected crops[18]
省份 辽宁 吉林 黑龙江 省份 辽宁 吉林
水稻[21] 起
止
天数133 133 133
起
春小麦 止
天数111 111 111
区域 辽宁 吉林 黑龙江 中国平均
*
VWC/(m3·kg–1)
水稻
小麦
玉米
大豆
5−20 9−30 5−20 9−30 5−20 9−30
春玉米
起
止
4−1 7−20 4−1 7−20 4−1 7−20
大豆
0.965 1.272 0.870 3.340 0.922 1.936 0.722 2.060 1.172 1.767 0.861 2.589 1.321 0.690 0.801 2.617 2.291 1.334 0.909 1.789
天数149 143 131
起 止 天数149 149 149
4−25 9−20 4−20 9−10
4−25 9−20 4−25 9−20 4−25 9−20
全球平均*
黑龙江[19] 5−16 9−24
注：* 中国和全球平均数据来源于1997—2001年联合国粮农
组织发布数据(FAO, 2003)。
508
第3期 黄姣等: 东北三省主要粮食作物虚拟水变化分析
图2 各省作物单位面积全生育期需水量 Fig. 2 Crop water
requirements in whole growth period
图4 各省作物总产量 Fig. 4
Total yields of selected crops
图3 各省作物单位面积产量 Fig. 3
Crop yields per hectare
图5 各省作物虚拟水总量
Fig. 5 Gross virtual water of seleted crops
玉米耗水量最少。不同省份之间, 同种作物单位面积全生育期需水量的差异比较小, 而单位面积产量的差异更为明显, 表3中不同省份之间作物单位虚拟水含量的差异更多是由于单位面积产量的差异造成的, 如吉林省的玉米和大豆单位面积产量比黑龙江省和辽宁省显著高, 所以这两种作物的单位虚拟水含量也是3个省中最低的。如果全生育期需水量和单位面积产量的相对地位恰好相反, 这种作物的单位虚拟水含量在表3中也会相对突出, 如吉林省的小麦和黑龙江省的水稻。 3.1.3 作物初级产品虚拟水总量
用作物的单位虚拟水含量与该省作物的总产量相乘, 可以得到该省这种作物的虚拟水总量, 亦即当年该省生产这种作物全过程中总的耗水量, 这反映了生产这种作物的用水规模。为了比较不同作物类型和不同省之间的差别, 同样计算了多年平均值
3种作物的虚拟水总量都明显最高, 分别达到8.60×109, 3.98×109和1.22×1010 m3, 而吉林省的玉米总产量相对最高, 所以虚拟水总量也是3个省中最高的, 达到1.08×1010 m3。对于某一省来说: 黑龙江省的水稻和玉米总耗水量比较接近, 大豆由于单位虚拟水含量过高, 而使得总耗水量超过了作物总产量最高的玉米；吉林省的玉米总产量显著高于其他3种, 因此虚拟水总量的格局与之一致；辽宁省与吉林省的情况类似。
3.2 时间变化
3.2.1 作物单位虚拟水含量的时间变化
为了反映作物生产过程中耗水效率的变化趋势, 分省计算了1988—2008年作物单位虚拟水含量
(图6)。从图6可见: 辽宁省大豆生产单位虚拟水含量明显呈下降趋势, 小麦、水稻和玉米相对稳定；对于吉林省来说, 水稻和玉米相对稳定, 2000—
(图4和5)。从图4和5可以看到, 黑龙江省的水稻、小麦和大豆年均总产量明显高于其他三省, 所以这
2006年间有个小的波峰, 先上升再下降, 小麦和大豆总体呈下降趋势, 期间有几次波动, 2006
年以来
509
北京大学学报(自然科学版) 第47卷
图6 各省主要农作物单位虚拟水含量变化 Fig. 6
Virtual water content variation of selected crops
图7 各省农作物虚拟水总量变化
Fig. 7 Gross virtual water variation of selected crops
又略有上升；黑龙江省也是水稻和玉米相对稳定, 小麦和大豆在2000—2004年间有较明显的一次波动, 大豆在2006年后又有上升趋势。
从3个省的情况综合来看, 这种变化趋势还具有一定的共性, 如不同类型的作物单位虚拟水含量有相互趋近的趋势。另外在这些曲线上存在着一些明显偏离常态的“奇异值”。这些特征反映出的某种信息, 还需要进一步检视。
3.2.2 作物虚拟水总量时间变化
作物虚拟水总量的时间变化反映各省该类型作物用水规模的变化趋势。 从图7可见, 辽宁省和吉林省的不同作物类型之间的用水规模呈现清晰的差
510 异, 几乎没有交叉。玉米的耗水量一直是最大的, 而且呈上升趋势, 水稻其次, 略有上升；大豆和小麦的耗水总量相对稳定, 小麦的耗水总量是最少的, 且在1988—1996年间略微上升后呈逐渐下降的趋势。黑龙江省的变化格局与辽宁省和吉林省明显不同, 曲线之间有明显的交叠, 显得杂乱而没有层次。这说明, 辽宁省和吉林省均有相对主导的作物类型, 而黑龙江省的主导作物类型不明显。然而, 黑龙江省作物的耗水时间格局也呈现出一个极为明显的规律, 即小麦的耗水量明显呈下降趋势, 而水稻、玉米和大豆的耗水总量都呈明显上升趋势, 期间有些波动, 2008年前后, 三者的耗水总量非常接近。
第3期 黄姣等: 东北三省主要粮食作物虚拟水变化分析
4 结论与讨论
4.1 结论
通过以上分析, 可以概括出以下结论。
必须得到改变。
农作物初级产品单位虚拟水含量可以从提高水资源利用效率的角度, 为优化区域粮食生产布局提供依据。东北地区小麦的单位虚拟水含量是全国平均值的2倍以上, 水稻的单位虚拟水含量比全国平均水平稍低, 说明在东北地区生产小麦从用水的角度看是不经济的。根据中国统计年鉴的数据, 20世纪90年代以来, 东北三省的小麦种植面积处于大幅下降的趋势, 2008年为2.55×105 hm2, 是1990年
1) 东北地区的4种主要粮食作物中, 大豆的单位虚拟水含量最高, 其次是春小麦和水稻, 玉米最小。作物的单位虚拟水含量由单位面积上的全生育期耗水量和产量共同决定, 作物间单位面积产量的差异影响更大；同种作物在不同省份的单位耗水量不同, 单从这个角度看, 水稻、玉米和大豆宜在吉林种植, 小麦宜在辽宁种植；水稻和玉米单位虚拟水含量随时间的变化不明显, 小麦和大豆的单位虚拟水含量表现为下降趋势或波动。
1.96×106 hm2的13.0%, 特别是黑龙江省, 2008年为2.39×105 hm2, 是1990年1.78×106 hm2的13.4%, 这种趋势符合提高用水效率的要求。在东北地区内部三省之间农作物初级产品单位虚拟水含量也存在着相对差异, 在吉林种植1 t水稻比在黑龙江要节约
2) 虚拟水总量反映作物的用水规模分布, 黑龙江省的水稻、小麦和大豆的虚拟水总量都明显高于吉林省和辽宁省, 分别达到8.60×109, 3.98×109和
250 m3水, 在吉林种植1 t大豆要比在辽宁节约1279 m3水, 从虚拟水角度, 4种作物在黑龙江种植都不是最经济的, 4种作物的横向比较显示, 在东北理地区生产大豆的单位质量耗水是玉米的3～4倍。论上可以据此对该区农作物种植结构予以调整, 达到节约用水的目的, 但是这未免过于理想化, 农民的种植行为还要受到多种因素的驱动, 例如市场因素。从2004到2008年, 大豆平均价格从3.33元/kg经过前期下降后在2008年提高到5.38元/kg, 玉米、小麦和水稻的价格显著低于大豆, 且变化没有这么剧烈, 这势必会影响到农作物种植的选择。考虑价格因素后, 结果显示, 单位耗水收益最高的是在辽宁种植水稻, 为1.95元/m3, 其次是在吉林种植大豆, 为1.83元/m3, 最低的是在吉林和黑龙江种植小尽管如此, 由于这种麦, 分别为0.97和1.06元/m3。
单位耗水收益的差别未被感知, 各省作物种植面积的增减并没有表现出受到明显影响, 1988—2008年间东北地区粮食作物播种面积的变化情况是, 小麦在三省的播种面积均持续下降, 玉米在三省均增加, 水稻和大豆在黑龙江的播种面积均显著增加；除玉米外, 黑龙江在粮食生产上的地位显著上升, 远远超过了吉林和辽宁。 所以, 想要将用水效益纳入到区域粮食作物布局的参考因素, 需要通过特定措施, 如调整水价来实现。
农作物初级产品单位虚拟水含量体现了气候条件、农作物的物候和作物产量3个部分的影响, 本文中, 作物生育期和作物系数采用的是多年平均值,
511
1.22×1010 m3, 而吉林省的玉米虚拟水总量是3个省中最高的, 达到1.08×1010 m3。对于单个省内来说: 黑龙江省的大豆总耗水量超过了其他3种作物；吉林省和辽宁省都是玉米虚拟水总量最高。随时间的变化, 辽宁省和吉林省的不同作物类型之间的用水规模呈现稳定的层次, 黑龙江省的变化曲线之间有显著的交叠。小麦的耗水总量表现为下降趋势, 而水稻、玉米和大豆的耗水总量为上升趋势, 反映了东北地区不同粮食作物地位的时间变化。
4.2 讨论
作为我国重要的商品粮生产基地, 东北地区粮食商品化率达50%以上, 粮食供应在我国占有举足轻重的地位, 但中国水资源的分布格局是南多北少, 伴随着“北粮南运”势必会加剧这种矛盾。东北地区地表水和地下水水资源总量为2.51×1011 m3, 研究指出在现状供水条件下如农业采取耗水发展模式, 2030年缺水将达6.57×1010 m3 [22], 所以关注东北地区农业用水十分重要。“虚拟水”的概念实际上提供了一个从作物实际需水的角度考察农业用水的方法, 结合区域供水状况, 可以对区域农业布局和用水效率予以评价。水稻、小麦、玉米和大豆是东北地区最重要的4种粮食作物, 其虚拟水总量达
6.29×1010 m3, 相当于该区地表和地下水资源总量的25%, 与2030年的农业用水缺口数量相当。东北地区如果采取耗水发展模式, 农业用水的形势将十分严峻, 大水漫灌等粗放低效的农业水资源利用方式
北京大学学报(自然科学版) 第47卷
所以农产品单位虚拟水含量的变化由气候条件和作物产量的变化造成, 辽宁省大豆单位虚拟水含量下降明显, 而其余3种作物相对稳定, 鉴于4种作物处在同样的气候条件下, 所以可知该省大豆单位虚拟水含量的下降主要由大豆单产的提高引起。研究[23]指出, 近50年来, 东北地区冬季气温增高显著, 低温冷害减弱, 作物产量提高。实际上, 气候条件的变化除了直接影响作物蒸散外, 还会引起作物物候期的变化和作物产量的变化, 3个部分是交融在一起的。有学者[24]通过模拟指出, 未来东北地区将发生气候变率增大、大气CO2浓度增长、季节性干旱频次增加等变化。由于不同作物对相应变化的承受力和反应情况不一致, 未来农作物耗水情况还将发生更为复杂的分异, 用农作物初级产品单位虚拟水含量这个指标可以很好地度量气候变化对粮食生产耗水情况的综合影响。
参考文献
[1] Hoekstra A Y, Hung P Q. Virtual water trade: a
quantification of virtual water flows between nations in relation to international crop trade. Value of water research report of series UNESCO-IHE No.11, 2002 [2] 柳文华, 赵景柱, 邓红宾, 等. 水-粮食贸易: 虚拟
水研究进展. 中国人口、资源与环境, 2005, 15(3): 129–134
[3] Chapagain A K, Hoekstra A Y. Water footprints of
nations. Value of water research report of series UNESCO-IHE No.16, 2004
[4] Chapagain A K, Hoekstra A Y. The water needed to
have the Dutch drink coffee. Value of water research report of series UNESCO-IHE No.14, 2003
[5] Chapagain A K, Hoekstra A Y, Savenije H H G, et al.
The water footprint of cotton consumption. Value of water research report of series UNESCO-IHE No.18, 2005
[6] Liu J, Savenije H H G. Food consumption patterns and
their effect on water requirement in china. Value of water research report of series UNESCO-IHE No.30, 2008
[7] 王新华. 中部四省虚拟水贸易的初步研究. 中国农
村水利水电, 2004(9): 30–33
[8] 刘哲, 李秉龙. 基于虚拟水视角的东北粮食作物发
展战略分析. 技术经济, 2009, 28(12): 66–70 [9] 罗贞礼, 黄璜, 傅志强. 郴州市农产品虚拟水的量
化分析. 湖南农业大学学报: 自然科学版, 2004, 30(3): 282–284
[10] 严冬, 周建中, 夏军. 从虚拟水角度评价黑河中游
农业水资源的利用. 人民黄河, 2008, 30(1): 37–39 [11] 王红瑞, 王岩, 王军红. 北京农业虚拟水结构变化
及贸易研究. 环境科学, 2007, 28(12): 2877–2884 [12] 国家统计局. 中国统计年鉴. 北京: 中国统计出版
社, 2009
[13] 李俊岭. 东北农业功能分区与发展战略研究[D]. 北
京: 中国农业科学院, 2009
[14] 关博, 付强, 李婷. 基于虚拟水理论的三江平原农
畜产品需水研究. 农业现代化研究, 2008, 29(4): 457–459, 464
[15] 马大伟, 王兴利, 郑敏. 双城市主要农作物虚拟水
含量计算分析. 黑龙江水利科技, 2008, 36(4): 49–50 [16] 李磊, 吴晓华. 黑龙江省农产品虚拟水状况分析及
对策研究. 科学·经济·社会, 2008, 26(4): 41–46 [17] FAO. ETO calculator: land and water digital media
series 36. Rome: FAO, 2009
[18] 中国主要农作物需水量等值线图协作组. 中国主要
农作物需水量等值线图研究. 北京: 中国农业科技出版社, 1993
[19] 宛敏渭. 中国自然历选编. 北京: 科学出版社, 1986 [20] 国家统计局. 中国农村统计年鉴. 北京: 中国统计
出版社, 1990–2009
[21] 王笑影, 梁文举, 闻大中. 北方稻田蒸散需水分析
及其作物系数确定. 应用生态学报, 2005, 16(1): 69–72
[22] 刘强, 严登华, 何岩, 等. 东北地区农业用水安全
预警研究. 水土保持通报, 2003, 23(5): 53–57 [23] 谢立勇, 郭明顺, 曹敏建, 等. 东北地区农业应对
气候变化的策略与措施分析. 气候变化研究进展, 2009(3): 174–178
[24] 朱大威, 金之庆. 气候及其变率变化对东北地区粮
食生产的影响. 作物学报, 2008, 34(9): 1588–1597
512
北京大学学报(自然科学版), 第47卷, 第3期, 2011年5月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 47, No. 3 (May 2011)
东北三省主要粮食作物虚拟水变化分析
黄姣 高阳 李双成†
北京大学城市与环境学院, 地表过程分析与模拟教育部重点实验室, 北京 100871；† 通信作者, E-mail: [email protected]
摘要 计算了1988—2008年东北地区4种主要粮食作物(水稻、小麦、玉米和大豆)的初级产品单位虚拟水含量和省虚拟水总量, 明晰了这4种粮食作物的农业用水量格局及时间变化。研究结果表明: 大豆单位耗水量最高, 小麦次之, 玉米最小；空间上水稻的单位耗水量在黑龙江省最高, 小麦在吉林省最高, 玉米和大豆在辽宁省最高；黑龙江省的水稻、小麦和大豆的虚拟水总量都明显高于吉林省和辽宁省, 分别达到8.60×109, 3.98×109和1.22×1010 m3, 而吉林省玉米虚拟水总量在3个省中最高, 达1.08×1010 m3。随时间的变化, 东北地区大豆和小麦的单位虚拟水含量表现为下降或者波动, 而水稻和玉米相对稳定；玉米和水稻的虚拟水总量呈上升趋势而小麦明显呈下降趋势。该研究提供了从虚拟资源视角认识水资源消耗的实证, 可以对东北地区粮食作物布局提供科学依据。
关键词 虚拟水；粮食作物；东北三省；时间变化 中图分类号 P964
Temporal Variation of Virtual Water of Selected Agricultural Products
in Northeastern China
HUANG Jiao, GAO Yang, LI Shuangcheng
College of Urban and Environmental Sciences, Laboratory for Earth Surface Processes (MOE), Peking University,
Beijing 100871; † Corresponding author, E-mail: [email protected]
†
Abstract The authors investigated the temporal and spatial patterns of the virtual water content (/kg) and total virtual water requirements for rice, wheat, maize and soybeans in Liaoning Province, Jilin Province and Heilongjiang Province in Northeastern China from 1988 to 2008. The results show that soybeans had the highest water demand per kilogram, followed by wheat, rice and maize. Spatial variations were evident. Per kilogram rice consumes more water in Heilongjiang, while wheat in Jilin, maize and soybeans in Liaoning. In Heilongjiang, rice, wheat and soybeans had the highest total virtual water needs, 8.60×109, 3.98×109 and 1.22×1010 m3, respectively. Whereas the largest total virtual water for maize (1.08×1010 m3) appeared in Jilin Province. During the studied period, water demands per kilogram of soybeans and wheat fluctuated, while for rice and maize the demands were stable. As to total virtual water demand, it increased for maize and rice, whereas decreased significantly for wheat. These findings provide insights on the water demand of the four crops, and thus are meaningful for decision-makers.
Key words virtual water; selected agricultural products; Northeastern China; temporal variation
自然资源在地区经济发展中将超越资本和劳动力等, 成为越来越重要的制约因子, 尤其是水资源。水资源缺乏是全球面临的重大经济问题和环境问题, 如何有效配置和利用水资源成为十分迫切的现实问
国家自然科学基金(40771001)资助
题。“虚拟水”概念的提出, 为此提供了一个全新的思路, 并逐渐形成了一套研究方法和成果。产品或服务的单位虚拟水含量是指单位产品或服务全过程消耗的水资源总量[1]。虚拟水概念的前身是最早由
收稿日期: 2010−03−01; 修回日期: 2010−05−31; 网络出版日期:2011−04−27 网络出版地址: http://www.cnki.net/kcms/detail/11.2442.N.20110427.1215.002.html
505
北京大学学报(自然科学版) 第47卷
Allan教授于1993年提出的“体现水(embedded water)”概念[2], 通过这种视角, 可以全面、直观地考察生产服务活动的用水状况, 而且不同部门、不同产品之间具有可比性, 进而可以累加, 计算一个部门、地区或国家, 甚至全球的水资源消耗总量和“水足迹”。虚拟水提出的初衷是基于全球尺度上进行水资源配置的理想。对于某项产品, 单位虚拟水含量高(即生产过程中消耗水资源总量相对较多)的国家, 从该产品单位虚拟水含量低(即生产过程中消耗水资源总量相对较少)的国家进口这种产品, 从全球尺度上来看可以达到节约水资源的目的[1]。同时, 水资源缺乏的国家可以通过进口单位虚拟水含量高的产品来达到节约本国水资源的目的, 即虚拟水国际贸易战略。
对于这种核算式的问题, 形成一套科学合理并得到公认的核算方法是其中的关键所在, Hoekstra等[1]计算了世界上各个国家的农作物单位虚拟水含量, Chapagain等[3]计算了以及各个国家的水足迹。经过这样一些研究, 逐渐形成了一套可以计算全球各地农作物、畜产品及工业产品等的单位虚拟水含量的方法体系。目前大多研究基于FAO数据库(CropWat, ClimWat, FAOSTAT)和相关软件, 计算出主要产品的单位虚拟水含量, 如咖啡[4]、棉花[5]等, 或是计算某一个地区或国家的水足迹[6]。
农业是国民经济体系中最大的用水部门, 对于农产品及其国际贸易的虚拟水研究是目前相关研究领域的研究热点之一, 涉及农产品虚拟水数量、时空变化格局及国际贸易等诸多方面。目前农产品虚拟水计算的研究模式主要有以下几种: 1) 采用FAO提供的CropWat和ET0-caculator等软件计算区域农产品单位虚拟水含量和虚拟水变化格局[7–8]; 2) 采用FAO推荐的计算方法, 根据相应研究成果确定参数来计算农产品单位虚拟水含量[9–10]; 3) 采用灌溉定额法计算区域农产品单位虚拟水含量和虚拟水变化格局[11]。由于涉及全球尺度水资源配置问题, 要求各地农产品的虚拟水计算方法具有一定的一致性, 计算结果才能够可比。然而, 由于区域自然和社会经济条件的差异性, 各地农产品的虚拟水计算方法又与特定区域状况相适应, 因此探索计算方法如何在两者间平衡, 对于完善区域虚拟水研究具有重要的理论意义。
506
东北地区人口占全国的8.6%, 水资源总量占全国的3.9%, 耕地面积占全国的17.6%, 粮食作物播种面积占全国的17.2%, 粮食产量占全国的16.9%, 在全国的排位依次是: 辽宁第13位、吉林第8位、黑龙江第3位[12], 是我国重要的商品粮基地。从水资源来看, 农业用水一般占用水总量的70%左右[13]。由于工业污染、农业和生活用水浪费严重等原因, 近几年东北地区水资源短缺问题日益严峻。因而, 从虚拟水视角考察东北农产品尤其是粮食作物用水状况对于科学分配水资源、缓解该区水资源短缺具有重要价值。已有学者基于虚拟水理论对三江平原
[14]
、双城市[15]、黑龙江省[16]等的农作物或农畜产品
需水状况进行了考察, 刘哲等[8]基于虚拟水视角对东北粮食作物发展战略进行了初步分析。参照前人的尝试, 本文选取东北三省为研究区, 对区域虚拟水计算方法进行了探讨和实践。
本研究采用FAO推荐的计算方法, 即根据作物潜在蒸发、作物系数和作物单位面积产量来计算农产品单位虚拟水含量。作物品种主要是东北地区占优势的4种主要粮食作物, 即水稻、玉米、小麦和大豆, 这4种作物的播种面积占粮食作物的比重在90%以上(辽宁90.8%, 吉林95.8%, 黑龙江96.0%), 产量占粮食作物总产量的比重也大于90%(辽宁94.2%, 吉林97.5%, 黑龙江97.0%)[12], 计算时段为1988—2008年。
1 研究区概况
辽宁、吉林和黑龙江三省位于我国东北地区, 为温带大陆性季风气候。大部分地区年降水量为400~700 mm, 东部降水集中在5—9月, 西部降水集中在6—8月, 为湿润、半湿润地区。冬季寒冷,
5
夏温不高, 南北温差大, 大部分为中温带, 南北地区分别为暖温带和寒温带, 南部的辽东湾沿岸年平均气温在 9℃以上, 而西北部的大兴安岭北麓年均气温则在 –5℃以下。自然景观表现为冷湿特征, 以森林和草甸草原为主, 冻土广布, 多年冻土基本分布于年均温0℃以下的区域。该地区土壤在平原多为黑土, 山区则以暗棕壤、棕壤为主。耕地主要分布在松嫩平原、三江平原和辽河平原上, 土质肥沃、雨热同季, 且连片分布, 非常适宜机械化生产。
第3期 黄姣等: 东北三省主要粮食作物虚拟水变化分析
2 计算过程及数据来源
2.1 计算过程
本文采用FAO-56推荐的计算模式, 选取水稻、小麦、玉米和大豆4种粮食作物进行虚拟水计算。农作物的虚拟水估计值为作物生长发育期间的累积蒸发蒸腾水量, 影响因素包括气象因素、作物类型、土壤条件和作物的生育期等。计算过程见图1。
物类型和作物生长地的土壤等环境因子的影响考虑进去。作物蒸散量计算式为
Kc为作物系数。
ETc=KcET0 ,
(2)
计算作物系数有多种方法, 本文采用中国主要农作物需水量等值线图协作组使用田测法实验得到的作物系数[18], 是作物全生育期作物系数平均值。 2.1.3 作物全生育期需水量
辽宁、吉林、黑龙江三省4种作物的播种时间、收获时间和全生育期天数由文献[18]得到, 为多年观测的平均值。作物全生育期需水量用下式计算:
n
n
CWR=10⋅∑ETc=10⋅Kc∑ET0 ， (3)
i=1
i=1
CWR为单位面积作物全生育期需水量(m3/hm2), Kc为相应的作物系数, ET0为作物生育期内的逐日潜
图1 虚拟水计算步骤[1]
Fig. 1 Steps in the calculation of virtual
water content of crops[1]
在蒸散量(mm/d), n为作物生育期的总天数。 2.1.4 作物单位虚拟水含量
作物单位虚拟水含量表征单位质量的农作物初级产品消耗的虚拟水, 用下式计算:
2.1.1 潜在蒸散ET0
ET0也称为参考作物蒸发蒸腾水量, 定义为一种假想的参考冠层的蒸散率, 这种参考冠层的作物高度为12 cm, 固定的叶面冠层阻力γs=70 s/m, 反射率a =0.23, 相当于高度均一、生长旺盛、完全覆盖地面、并不缺水的开阔绿草地[1]。ET0表征气象因子的影响, 涉及太阳辐射、日最高气温和最低气温、相对湿度、平均风速、日照时数几个变量, 计算方法为
0.408Δ(Rn−G)+γ
900
(e−e)
ad , (1)
Δ+γ1+0.34U2 VWC=
CWR
, CY
(4)
CWR为单位面积作物全生育期需水量(m3/hm2), CY为单位面积农作物初级产品产量(kg/hm2)。
2.1.5 各省某作物总虚拟水量 TVW=VWC⋅TCY, (5)
TVW为某种作物总的虚拟水量(m3), TCY为该作物当年总产量(kg)。
ET0=
2.2 数据来源及处理方法
气候数据为国家气候中心的东北三省83个气象站点1988—2008年的逐日气候观测数据。本研究由逐日数据平均得到各省逐月的气候数据；从中国主要农作物需水量等值线图[18]和中国自然历[19]等资料中整理得到东北三省水稻、小麦、玉米和大豆的生育期及作物系数；作物播种面积及产量来源于
ET0为日潜在蒸散量(mm/d), Δ是饱和水汽压与温度相关曲线的斜率(kPa/℃)；Rn为作物表面的净辐射量(MJ/m2 )；G为土壤热通量(MJ/(m2·d))；T为平均气温(℃)；U2 为离地面2 m高处的风速(m/s)；ea为饱和水气压(kPa)；ed为实际水气压(kPa)；γ 为湿度计常数(kPa/℃)。这些参数都可以根据文献[17], 由上文提到的变量计算出来。
本文基于东北三省1988—2008年气象要素的日观测值, 计算出1—12月平均日值, 参与虚拟水的计算。 2.1.2 作物系数
用作物系数对潜在蒸散予以修正, 就可以将作
1990—2009年《中国农村统计年鉴》[20]。
首先提取各个气象站点的最高气温、最低气温、平均相对湿度、平均风速、日照时数和降水量, 剔除各省数据序列不完整的站点, 共剩下72个有效站点。对1988—2008年每年1—12月各月气候要素求平均得到月值, 根据式(1)计算出每个站点逐年的潜在蒸散ET0, 再分别对黑龙江、
辽宁和吉林三省省
507
北京大学学报(自然科学版) 第47卷
内气象站的数据计算平均值得到该省的潜在蒸散值。然后利用整理得到的作物生育期和作物系数, 根据式(2)~(5)计算各省每种作物初级产品逐年的单位虚拟水含量和虚拟水总量以及多年均值。计算过程借助Matlab 7.6编程和Excel 2007实现。
3.1.2 作物初级产品单位虚拟水含量
根据图1计算得到各省4种作物逐年的单位虚拟水含量, 计算多年平均值, 结果见表3。本节还对单位面积全生育期作物需水量等计算了多年平均值, 主要是为了便于比较不同作物类型之间的差别, 以及辽宁、吉林和黑龙江三省之间的空间差异。
从表3可以看到, 辽宁省生产1 kg水稻需要消耗0.965 t水, 1 kg小麦需要消耗1.272 t水, 1 kg玉米和大豆分别消耗0.870和3.34 t水。大豆单位产量消耗的水量是水稻和玉米的近4倍, 是小麦的近3倍, 其他省份的计算结果也显示出大豆具有最大的耗水量, 其次是春小麦。就省份之间的差异来看, 水稻单位虚拟水含量在黑龙江省最高, 小麦单位虚拟水含量在吉林省最高, 而玉米和大豆的单位虚拟水含量都在辽宁省最高, 吉林省最低。从表3还可以看到, 本研究的计算结果与FAO提供的中国平均值和全球平均值接近, 但也存在差异, 一致性表现为均显示大豆的耗水量最大, 差异性表现在春小麦的耗水量上, 东北地区明显高于中国的平均值。
根据虚拟水的计算过程可知, 作物初级产品单位虚拟水含量的差异来源于该作物单位面积全生育期需水量和作物单位面积产量两个因子, 因此分别对各省不同类型作物的这两个变量予以观察(图2和3)。作物单位面积全生育期需水量在不同省之间的比较中代表了气候因子的差异, 在不同作物类型之间的比较中代表了作物类型的影响。从图2和3可以看到, 不同作物类型之间的比较, 水稻的单位面积全生育期需水量明显高于其他3种作物, 但是由于水稻和玉米的单位面积产量明显高于小麦和大豆, 所以最终表现为大豆的单位质量耗水量最高而
表3 作物初级产品单位虚拟水含量
Table 3 Virtual water content of primary products
of selected crops
3 结果分析
3.1 作物类型间虚拟水差异及空间格局
由于东北三省从北到南温度和热量等环境条件存在着明显的区域差异, 作物生育期以及作物系数也都不同, 加之种植结构的差别, 作物单位虚拟水含量以及虚拟水总量在不同作物类型之间差异较大, 且呈现出一定的空间格局。 3.1.1 作物生育期比较
由于热量和水分限制, 东北地区的水稻主要是中稻, 小麦主要是春小麦, 玉米主要是春玉米。表1是作物在各省的全生育期平均作物系数, 可见水稻的作物系数最高, 春玉米和大豆的作物系数较小, 春小麦居中。即在相同的气候条件下, 单位面积水稻的蒸散需要消耗更多的水, 大豆蒸散消耗的水量最少。从表2可以看到各省这4种作物的生育期起止时间和天数, 水稻、春小麦和大豆的生育期在各省基本一致；春玉米略有差异, 表现为在最北端的黑龙江省播种期靠后, 生育期偏短。
表1 作物的全生育期作物系数[18]
Table 1 Average crop coefficients of whole
growth period of selected crops[18]
省份 辽宁 吉林 黑龙江
水稻
春小麦
春玉米
大豆
1.33 0.92 0.82 0.84 1.30 1.06 0.82 0.78 1.37 1.10 0.80 0.78
表2 作物生育期[18]
Table 2 Growth period of selected crops[18]
省份 辽宁 吉林 黑龙江 省份 辽宁 吉林
水稻[21] 起
止
天数133 133 133
起
春小麦 止
天数111 111 111
区域 辽宁 吉林 黑龙江 中国平均
*
VWC/(m3·kg–1)
水稻
小麦
玉米
大豆
5−20 9−30 5−20 9−30 5−20 9−30
春玉米
起
止
4−1 7−20 4−1 7−20 4−1 7−20
大豆
0.965 1.272 0.870 3.340 0.922 1.936 0.722 2.060 1.172 1.767 0.861 2.589 1.321 0.690 0.801 2.617 2.291 1.334 0.909 1.789
天数149 143 131
起 止 天数149 149 149
4−25 9−20 4−20 9−10
4−25 9−20 4−25 9−20 4−25 9−20
全球平均*
黑龙江[19] 5−16 9−24
注：* 中国和全球平均数据来源于1997—2001年联合国粮农
组织发布数据(FAO, 2003)。
508
第3期 黄姣等: 东北三省主要粮食作物虚拟水变化分析
图2 各省作物单位面积全生育期需水量 Fig. 2 Crop water
requirements in whole growth period
图4 各省作物总产量 Fig. 4
Total yields of selected crops
图3 各省作物单位面积产量 Fig. 3
Crop yields per hectare
图5 各省作物虚拟水总量
Fig. 5 Gross virtual water of seleted crops
玉米耗水量最少。不同省份之间, 同种作物单位面积全生育期需水量的差异比较小, 而单位面积产量的差异更为明显, 表3中不同省份之间作物单位虚拟水含量的差异更多是由于单位面积产量的差异造成的, 如吉林省的玉米和大豆单位面积产量比黑龙江省和辽宁省显著高, 所以这两种作物的单位虚拟水含量也是3个省中最低的。如果全生育期需水量和单位面积产量的相对地位恰好相反, 这种作物的单位虚拟水含量在表3中也会相对突出, 如吉林省的小麦和黑龙江省的水稻。 3.1.3 作物初级产品虚拟水总量
用作物的单位虚拟水含量与该省作物的总产量相乘, 可以得到该省这种作物的虚拟水总量, 亦即当年该省生产这种作物全过程中总的耗水量, 这反映了生产这种作物的用水规模。为了比较不同作物类型和不同省之间的差别, 同样计算了多年平均值
3种作物的虚拟水总量都明显最高, 分别达到8.60×109, 3.98×109和1.22×1010 m3, 而吉林省的玉米总产量相对最高, 所以虚拟水总量也是3个省中最高的, 达到1.08×1010 m3。对于某一省来说: 黑龙江省的水稻和玉米总耗水量比较接近, 大豆由于单位虚拟水含量过高, 而使得总耗水量超过了作物总产量最高的玉米；吉林省的玉米总产量显著高于其他3种, 因此虚拟水总量的格局与之一致；辽宁省与吉林省的情况类似。
3.2 时间变化
3.2.1 作物单位虚拟水含量的时间变化
为了反映作物生产过程中耗水效率的变化趋势, 分省计算了1988—2008年作物单位虚拟水含量
(图6)。从图6可见: 辽宁省大豆生产单位虚拟水含量明显呈下降趋势, 小麦、水稻和玉米相对稳定；对于吉林省来说, 水稻和玉米相对稳定, 2000—
(图4和5)。从图4和5可以看到, 黑龙江省的水稻、小麦和大豆年均总产量明显高于其他三省, 所以这
2006年间有个小的波峰, 先上升再下降, 小麦和大豆总体呈下降趋势, 期间有几次波动, 2006
年以来
509
北京大学学报(自然科学版) 第47卷
图6 各省主要农作物单位虚拟水含量变化 Fig. 6
Virtual water content variation of selected crops
图7 各省农作物虚拟水总量变化
Fig. 7 Gross virtual water variation of selected crops
又略有上升；黑龙江省也是水稻和玉米相对稳定, 小麦和大豆在2000—2004年间有较明显的一次波动, 大豆在2006年后又有上升趋势。
从3个省的情况综合来看, 这种变化趋势还具有一定的共性, 如不同类型的作物单位虚拟水含量有相互趋近的趋势。另外在这些曲线上存在着一些明显偏离常态的“奇异值”。这些特征反映出的某种信息, 还需要进一步检视。
3.2.2 作物虚拟水总量时间变化
作物虚拟水总量的时间变化反映各省该类型作物用水规模的变化趋势。 从图7可见, 辽宁省和吉林省的不同作物类型之间的用水规模呈现清晰的差
510 异, 几乎没有交叉。玉米的耗水量一直是最大的, 而且呈上升趋势, 水稻其次, 略有上升；大豆和小麦的耗水总量相对稳定, 小麦的耗水总量是最少的, 且在1988—1996年间略微上升后呈逐渐下降的趋势。黑龙江省的变化格局与辽宁省和吉林省明显不同, 曲线之间有明显的交叠, 显得杂乱而没有层次。这说明, 辽宁省和吉林省均有相对主导的作物类型, 而黑龙江省的主导作物类型不明显。然而, 黑龙江省作物的耗水时间格局也呈现出一个极为明显的规律, 即小麦的耗水量明显呈下降趋势, 而水稻、玉米和大豆的耗水总量都呈明显上升趋势, 期间有些波动, 2008年前后, 三者的耗水总量非常接近。
第3期 黄姣等: 东北三省主要粮食作物虚拟水变化分析
4 结论与讨论
4.1 结论
通过以上分析, 可以概括出以下结论。
必须得到改变。
农作物初级产品单位虚拟水含量可以从提高水资源利用效率的角度, 为优化区域粮食生产布局提供依据。东北地区小麦的单位虚拟水含量是全国平均值的2倍以上, 水稻的单位虚拟水含量比全国平均水平稍低, 说明在东北地区生产小麦从用水的角度看是不经济的。根据中国统计年鉴的数据, 20世纪90年代以来, 东北三省的小麦种植面积处于大幅下降的趋势, 2008年为2.55×105 hm2, 是1990年
1) 东北地区的4种主要粮食作物中, 大豆的单位虚拟水含量最高, 其次是春小麦和水稻, 玉米最小。作物的单位虚拟水含量由单位面积上的全生育期耗水量和产量共同决定, 作物间单位面积产量的差异影响更大；同种作物在不同省份的单位耗水量不同, 单从这个角度看, 水稻、玉米和大豆宜在吉林种植, 小麦宜在辽宁种植；水稻和玉米单位虚拟水含量随时间的变化不明显, 小麦和大豆的单位虚拟水含量表现为下降趋势或波动。
1.96×106 hm2的13.0%, 特别是黑龙江省, 2008年为2.39×105 hm2, 是1990年1.78×106 hm2的13.4%, 这种趋势符合提高用水效率的要求。在东北地区内部三省之间农作物初级产品单位虚拟水含量也存在着相对差异, 在吉林种植1 t水稻比在黑龙江要节约
2) 虚拟水总量反映作物的用水规模分布, 黑龙江省的水稻、小麦和大豆的虚拟水总量都明显高于吉林省和辽宁省, 分别达到8.60×109, 3.98×109和
250 m3水, 在吉林种植1 t大豆要比在辽宁节约1279 m3水, 从虚拟水角度, 4种作物在黑龙江种植都不是最经济的, 4种作物的横向比较显示, 在东北理地区生产大豆的单位质量耗水是玉米的3～4倍。论上可以据此对该区农作物种植结构予以调整, 达到节约用水的目的, 但是这未免过于理想化, 农民的种植行为还要受到多种因素的驱动, 例如市场因素。从2004到2008年, 大豆平均价格从3.33元/kg经过前期下降后在2008年提高到5.38元/kg, 玉米、小麦和水稻的价格显著低于大豆, 且变化没有这么剧烈, 这势必会影响到农作物种植的选择。考虑价格因素后, 结果显示, 单位耗水收益最高的是在辽宁种植水稻, 为1.95元/m3, 其次是在吉林种植大豆, 为1.83元/m3, 最低的是在吉林和黑龙江种植小尽管如此, 由于这种麦, 分别为0.97和1.06元/m3。
单位耗水收益的差别未被感知, 各省作物种植面积的增减并没有表现出受到明显影响, 1988—2008年间东北地区粮食作物播种面积的变化情况是, 小麦在三省的播种面积均持续下降, 玉米在三省均增加, 水稻和大豆在黑龙江的播种面积均显著增加；除玉米外, 黑龙江在粮食生产上的地位显著上升, 远远超过了吉林和辽宁。 所以, 想要将用水效益纳入到区域粮食作物布局的参考因素, 需要通过特定措施, 如调整水价来实现。
农作物初级产品单位虚拟水含量体现了气候条件、农作物的物候和作物产量3个部分的影响, 本文中, 作物生育期和作物系数采用的是多年平均值,
511
1.22×1010 m3, 而吉林省的玉米虚拟水总量是3个省中最高的, 达到1.08×1010 m3。对于单个省内来说: 黑龙江省的大豆总耗水量超过了其他3种作物；吉林省和辽宁省都是玉米虚拟水总量最高。随时间的变化, 辽宁省和吉林省的不同作物类型之间的用水规模呈现稳定的层次, 黑龙江省的变化曲线之间有显著的交叠。小麦的耗水总量表现为下降趋势, 而水稻、玉米和大豆的耗水总量为上升趋势, 反映了东北地区不同粮食作物地位的时间变化。
4.2 讨论
作为我国重要的商品粮生产基地, 东北地区粮食商品化率达50%以上, 粮食供应在我国占有举足轻重的地位, 但中国水资源的分布格局是南多北少, 伴随着“北粮南运”势必会加剧这种矛盾。东北地区地表水和地下水水资源总量为2.51×1011 m3, 研究指出在现状供水条件下如农业采取耗水发展模式, 2030年缺水将达6.57×1010 m3 [22], 所以关注东北地区农业用水十分重要。“虚拟水”的概念实际上提供了一个从作物实际需水的角度考察农业用水的方法, 结合区域供水状况, 可以对区域农业布局和用水效率予以评价。水稻、小麦、玉米和大豆是东北地区最重要的4种粮食作物, 其虚拟水总量达
6.29×1010 m3, 相当于该区地表和地下水资源总量的25%, 与2030年的农业用水缺口数量相当。东北地区如果采取耗水发展模式, 农业用水的形势将十分严峻, 大水漫灌等粗放低效的农业水资源利用方式
北京大学学报(自然科学版) 第47卷
所以农产品单位虚拟水含量的变化由气候条件和作物产量的变化造成, 辽宁省大豆单位虚拟水含量下降明显, 而其余3种作物相对稳定, 鉴于4种作物处在同样的气候条件下, 所以可知该省大豆单位虚拟水含量的下降主要由大豆单产的提高引起。研究[23]指出, 近50年来, 东北地区冬季气温增高显著, 低温冷害减弱, 作物产量提高。实际上, 气候条件的变化除了直接影响作物蒸散外, 还会引起作物物候期的变化和作物产量的变化, 3个部分是交融在一起的。有学者[24]通过模拟指出, 未来东北地区将发生气候变率增大、大气CO2浓度增长、季节性干旱频次增加等变化。由于不同作物对相应变化的承受力和反应情况不一致, 未来农作物耗水情况还将发生更为复杂的分异, 用农作物初级产品单位虚拟水含量这个指标可以很好地度量气候变化对粮食生产耗水情况的综合影响。
参考文献
[1] Hoekstra A Y, Hung P Q. Virtual water trade: a
quantification of virtual water flows between nations in relation to international crop trade. Value of water research report of series UNESCO-IHE No.11, 2002 [2] 柳文华, 赵景柱, 邓红宾, 等. 水-粮食贸易: 虚拟
水研究进展. 中国人口、资源与环境, 2005, 15(3): 129–134
[3] Chapagain A K, Hoekstra A Y. Water footprints of
nations. Value of water research report of series UNESCO-IHE No.16, 2004
[4] Chapagain A K, Hoekstra A Y. The water needed to
have the Dutch drink coffee. Value of water research report of series UNESCO-IHE No.14, 2003
[5] Chapagain A K, Hoekstra A Y, Savenije H H G, et al.
The water footprint of cotton consumption. Value of water research report of series UNESCO-IHE No.18, 2005
[6] Liu J, Savenije H H G. Food consumption patterns and
their effect on water requirement in china. Value of water research report of series UNESCO-IHE No.30, 2008
[7] 王新华. 中部四省虚拟水贸易的初步研究. 中国农
村水利水电, 2004(9): 30–33
[8] 刘哲, 李秉龙. 基于虚拟水视角的东北粮食作物发
展战略分析. 技术经济, 2009, 28(12): 66–70 [9] 罗贞礼, 黄璜, 傅志强. 郴州市农产品虚拟水的量
化分析. 湖南农业大学学报: 自然科学版, 2004, 30(3): 282–284
[10] 严冬, 周建中, 夏军. 从虚拟水角度评价黑河中游
农业水资源的利用. 人民黄河, 2008, 30(1): 37–39 [11] 王红瑞, 王岩, 王军红. 北京农业虚拟水结构变化
及贸易研究. 环境科学, 2007, 28(12): 2877–2884 [12] 国家统计局. 中国统计年鉴. 北京: 中国统计出版
社, 2009
[13] 李俊岭. 东北农业功能分区与发展战略研究[D]. 北
京: 中国农业科学院, 2009
[14] 关博, 付强, 李婷. 基于虚拟水理论的三江平原农
畜产品需水研究. 农业现代化研究, 2008, 29(4): 457–459, 464
[15] 马大伟, 王兴利, 郑敏. 双城市主要农作物虚拟水
含量计算分析. 黑龙江水利科技, 2008, 36(4): 49–50 [16] 李磊, 吴晓华. 黑龙江省农产品虚拟水状况分析及
对策研究. 科学·经济·社会, 2008, 26(4): 41–46 [17] FAO. ETO calculator: land and water digital media
series 36. Rome: FAO, 2009
[18] 中国主要农作物需水量等值线图协作组. 中国主要
农作物需水量等值线图研究. 北京: 中国农业科技出版社, 1993
[19] 宛敏渭. 中国自然历选编. 北京: 科学出版社, 1986 [20] 国家统计局. 中国农村统计年鉴. 北京: 中国统计
出版社, 1990–2009
[21] 王笑影, 梁文举, 闻大中. 北方稻田蒸散需水分析
及其作物系数确定. 应用生态学报, 2005, 16(1): 69–72
[22] 刘强, 严登华, 何岩, 等. 东北地区农业用水安全
预警研究. 水土保持通报, 2003, 23(5): 53–57 [23] 谢立勇, 郭明顺, 曹敏建, 等. 东北地区农业应对
气候变化的策略与措施分析. 气候变化研究进展, 2009(3): 174–178
[24] 朱大威, 金之庆. 气候及其变率变化对东北地区粮
食生产的影响. 作物学报, 2008, 34(9): 1588–1597
512