时空与效率视角下汾河流域农业灰水足迹分析

基于《山西省统计年鉴》的相关数据,运用灰水足迹理论对2010年前后（2000~2016年）汾河流域农业灰水足迹及效率进行定性、定量分析.结果表明：汾河流域农业灰水足迹总体呈先上升后下降再缓慢上升的趋势,最高值出现在2004年,为1.30×10¹⁰m³,最小值出现在2012年,为9.20×10⁹m³;农业灰水足迹中以畜牧业灰水足迹为主,但比例在降低;2010年后,汾河流域年均农业灰水足迹同比降低15%,说明汾河水污染得到了明显的改善,但仍应制定相关政策减少污染物的排放;种植业灰水足迹同比增加8%,说明化肥施用量在增加,应支持使用有机肥,减少化肥的使用;文水县农业灰水足迹变化最大,其中畜牧业灰水足迹则同比增加52%,应重点对文水县畜禽粪便进行治理或资源化利用;农业灰水足迹效率呈现先平稳后下降然后极速上升再下降的趋势,2012年最高,为1.32元/m³.较2010年前,2010年后流域年均灰水足迹效率明显提高,农业落后区减少了6个.     

投入产出法在虚拟水消费与贸易研究中的新应用

虚拟水是缓解水资源危机的一种途径。投入产出法是研究虚拟水的主要方法之一,可分为单区域投入产出模型（SRIO）和多区域投入产出模型（MRIO）。鉴于SRIO 和MRIO单独应用时存在一定局限性,论文提出同时运用单区域投入产出表和多区域投入产出表研究虚拟水,即：利用SRIO 计算完全用水系数,并直接利用单区域投入产出表区分本地水足迹与外来水足迹,再根据多区域投入产出表分析区域间的虚拟水贸易。广东省的案例研究显示：①2007 年广东省水足迹为333.9×10⁸ m³,其中本地水足迹223.6×10⁸ m³,外来水足迹110.3×10⁸ m³;②广东省同年虚拟水输出量445.4×10⁸ m³,输入量454.1×10⁸ m³,其虚拟水的外部来源主要是湖南、广西和浙江。结果表明以上方法可全面计算完全用水系数,有效区分本地水足迹与外来水足迹,揭示区域间的虚拟水贸易关系,为水资源管理决策提供方法支持。     

基于MRIO模型的中国省（市）区水足迹测度及空间转移格局

基于2012年中国31个省（市）区的投入产出表,建立水资源扩展型的投入产出模型,测算了中国31个省（市）区的水足迹及水足迹贸易量,并基于省际贸易分析了省（市）区间空间转移格局。结果显示：（1）2012年,中国水足迹总量为4819.3亿m³,国际贸易净输入水足迹为261.3亿m³,省际贸易净输出水足迹为801.6亿m³,省际贸易在全国水足迹贸易中占主导地位。（2）就省（市）区而言,河北、黑龙江等19个省（市）区为净输出省份,北京、天津等12个省（市）区为净输入省份;分产业来看,第一产业水足迹净输出757.9亿m³;第二产业净输入222.2亿m³、第三产业净输出4.6亿m³。（3）省际间水足迹空间转移具有来源与去向的不一致性,同时存在省（市）区转移的地理邻近性,资源丰富省份和经济发达地区转移现象明显。     

农业灌溉用水经济价值及其影响因素——基于剩余价值法和陕西关中地区农户调研数据

灌溉水经济价值是农业用水定价的重要基础。根据陕西关中地区农户调研数据,采用剩余价值法计算得到小麦、玉米和苹果灌溉水经济价值均值分别为0.66 元/m³、0.84 元/m³、3.17 元/m³。以该结果作为水价调整上限与现状水价比较,小麦和玉米的水价上调空间介于0.24~0.71元/m³,苹果的水价调整空间介于2.72~3.04 元/m³之间。使用分位数模型对影响因素的研究发现：（1）仅在灌溉水经济价值较低时,农户和家庭特征以及土地分散程度有显著影响;（2）在灌溉水经济价值较高时,增强农户节水意识以及加入用水者协会将能有效提升灌溉用水经济价值;（3）粮食转为经济作物、进行农业水价综合改革在所有分位点上均呈显著正向影响。本文可为研究区域农业用水分类定价及改善用水效率提供参考。     

北京市灰水足迹评价

北京市属于重度资源型缺水地区,加上严重的水污染情况,使得水问题成为制约当地社会经济发展和生态安全的关键性因素。研究采用灰水足迹理念将北京市1995-2009年间不同部门产生的污染物以"稀释水"的形式进行量化。研究表明:①北京市2009年灰水足迹为49.5×10⁸ m³,约为北京当年水资源量的2.3倍;②生活部门的灰水足迹最大,农业部门次之,工业部门的灰水足迹最小;③北京市灰水足迹呈现逐年下降的趋势,农业、生活和工业部门的灰水足迹在1995-2009年间分别下降了45%、62%和93%;④虽然北京市灰水足迹逐年减小,水体水质却呈现逐年恶化的趋势,剩余灰水足迹(即灰水足迹与水资源的差值)累积值的增加,是北京市水质逐年恶化的直接原因。严格控制灰水足迹是实现水环境总体改善的重要途径。     

水足迹视角下黄土高原经济林果扩张的水安全风险分析——以苹果种植为例

以苹果为主的黄土高原经济林果种植规模持续扩张,耗水量不断增多,潜在的水安全风险增大。量化苹果生产水足迹,讨论苹果生产扩张带来的水安全风险,对科学指导未来黄土高原苹果健康发展具有重要意义。本文基于ArcGIS和CROPWAT软件,选取2000—2019年黄土高原44个市（州）,探究了苹果水足迹的时空分布规律及水安全风险。结果表明：2000—2019年,黄土高原苹果种植面积增长了1.3倍,产量增长了3.1倍,呈“北移西扩”的发展趋势;苹果绿水足迹占比的空间分布与降雨量基本一致,从东南向西北递减,蓝水足迹空间分布正好相反;苹果水足迹总量从74.42亿m³增长到108.04亿m³,占农业耗水量的比例由42.78%提升至65.63%,灰水足迹占比高达13.88%,黄土高原苹果生产面临严峻的水安全风险。因此,应适度控制黄土高原苹果种植规模的进一步扩张。本文可为评价黄土高原苹果种植规模扩张背后的水安全风险提供依据。     

“2+26”城市秋冬季大气污染治理措施效果评估

针对京津冀及周边"2+26"城市秋冬季不同大气污染治理措施的减排量进行核算,结果表明,2017~2018年秋冬季"2+26"城市SO₂,NO_x,VOCs,PM_2.5和PM₁₀的总减排量分别为43.26,20.63,18.36,28.00和47.31万t,2018~2019年秋冬季"2+26"城市SO₂,NO_x,VOCs,PM_2.5和PM₁₀的总减排量分别为16.68,18.11,11.03,17.04和25.33万t.基于此,采用CAMx模型对各项措施的减排效果进行模拟评估,采取措施后,2017~2018年秋冬季"2+26"城市SO₂,NO_x,PM_2.5和PM₁₀浓度的平均下降量（下降率）分别为22.69μg/m³（42.67%）,33.22μg/m³（37.81%）,24.28μg/m³（22.58%）和31.26μg/m³（18.67%）,2018~2019年秋冬季"2+26"城市SO₂,NO_x,PM_2.5和PM₁₀浓度的平均下降量（下降率）分别为9.36μg/m³（26.86%）,25.73μg/m³（30.62%）,16.38μg/m³（16.09%）和20.43μg/m³（12.33%）.2017~2018年秋冬季各项措施对PM_2.5浓度的平均减排效率排序依次为："散乱污"企业治理 > 交通运输结构调整 > 企业错峰生产 > 民用散煤替代 > 燃煤锅炉综合整治,2018~2019年秋冬季各项措施对PM_2.5浓度的平均减排效率排序依次为：重点行业升级改造 > 企业错峰生产 > "散乱污"企业治理 > 交通运输结构调整 > 民用散煤替代 > 燃煤锅炉综合整治.     

京津冀农业源氨排放对PM2.5的影响

根据收集的京津冀区域农业氨排放源活动水平数据,使用排放因子法建立了2014年京津冀地区农业氨排放清单.结果表明,2014年京津冀地区农业源氨排放总量为1750695t,平均排放强度为8.09t/km²;河北省、北京市和天津市农业氨排放量分别为1594087t、58822t和97786t.;猪和蛋鸡是畜禽养殖业中氨排放的主要来源,分别占31.29%和26.07%.模拟结果表明,农业氨减排使京津冀地区PM_2.5的年均浓度下降12.04μg/m³,下降比例约为18.36%,4月份和7月份农业氨减排对PM_2.5的影响较大,而1月份影响较低;农业氨减排使无机盐（硫酸盐+铵盐+硝酸盐）的年均浓度下降10.00μg/m³,年均浓度下降比例为41.84%,对硝酸盐的影响最大,铵盐次之,硫酸盐最小.     

河南省臭氧污染趋势特征及敏感性变化

基于环境空气质量站点数据及卫星遥感数据,研究了河南省近地面臭氧（O₃）2015～2020年变化特征、趋势和生成敏感性.结果表明,2015～2020年,河南省近地面O₃浓度先上升后下降,2018年浓度最高,O₃日最大8 h滑动平均值（MDA8）年均值为110.70μg·m^-3,各站点间的MDA8值差异逐渐缩小;河南省月均MDA8时间序列表现为上升趋势,增长速率为2.46μg·（m³·a）^-1,经Mann-Kendall趋势检验,除漯河、南阳和平顶山市外其它地市上升趋势均具有显著性意义（P<0.05）;6 a间四季MDA8浓度也呈增长趋势,增长大小为：秋季（19.31%）>冬季（17.09%）>春季（16.82%）>夏季（7.24%）; 2015～2019年河南省对流层NO₂高值集中在西北部,浓度呈下降趋势,下降速率为0.34×10¹⁵ molecules·（cm²·a）...     

甘肃省2003年的水足迹评价

水足迹是指在一定的物质生活水平下,维持一定人群消费所需要的总的水资源数量。由于考虑了社会经济系统中虚拟水的消费量,水足迹真实地反映了一个地区人类消费对水资源的占有情况,为水资源科学管理提供了一个新的方法。论文引入了水足迹的概念和计算方法及其相关评价指标,计算分析了2003年甘肃省的水足迹。结果表明,甘肃省2003年的水足迹总量为226.67×10^{8,/sup>m3,人均水足迹878m3,水足迹占总可更新水资源的26%,水资源消费自给率为99.52%,如此高的水资源消费占用比例和自给率,对甘肃省生态环境造成了巨大的压力。}     

要素与效率耦合视角下中国人均灰水足迹驱动效应研究

论文系统测度了中国大陆31省区2000—2014年间的人均灰水足迹,首次将生产要素中最关键的资本和劳动力要素引入到人均灰水足迹的驱动效应研究中,同时耦合了传统的环境效率与技术效率因素。应用扩展的Kaya恒等式和LMDI模型,综合分析了上述因素对人均灰水足迹的驱动效应。结果表明：1）从全国范围来看,技术效率效应的减量作用最大,资本产出效应的减量作用近年有所提高,资本深化效应的增量作用最大。2）技术效率效应、资本产出效应和资本深化效应都呈现西北高、东南低的分布格局;河北、北京、天津和山东的环境效率效应和技术效率效应对人均灰水足迹的减量作用较大,其他省区技术效率效应和资本产出效应更有利于人均灰水足迹的降低;资本深化效应在各地都会造成人均灰水足迹的显著提升。     

中国消费端食物浪费规模及其资源环境效应测算

食物浪费及其产生的资源环境问题与全球粮食安全密切相关,减少食物浪费逐渐被认为是保障粮食安全的Plan B。消费端是造成食物浪费的重要环节,消费者作为消费端食物浪费的主体,其在消费阶段产生的食物浪费是食物损耗与浪费的主要来源。本文采用直接称重法,在全国典型地区（北京、上海、四川、山东、河南和西藏）获取居民食物浪费的一手数据,首次在全国尺度上测算了消费端食物浪费总规模及其资源环境效应。结果显示：（1）2018年全国居民消费端食物浪费共3432万t,人均食物浪费量67.33 g/d,其中粮食浪费量占比最高（35.44%）,其次是蔬菜（34.83%）和肉类（15.38%）。（2）2018年全国居民消费端食物浪费所占用的生态足迹达6254万hm²,人均生态足迹为448 m²,按中国人均生态足迹1.5 hm²计算,相当于4169万人的生态位被挤占;水产类（39.28%）和肉类（34.22%）的生态足迹占比最大,分别为2456.23万hm²和2140.25万hm²。研究结果有助于推进我国消费端食物浪费的减量化,对于缓解食物浪费的环境影响和资源消耗压力、改善全球粮食安全等方面具有重要的参考价值和借鉴意义。     

中国产业部门水足迹演变及其影响因素分析

水资源是中国实现绿色可持续发展的基础,基于投入产出分析法对中国产业部门水足迹及其强度进行定量核算,分析其演变趋势,从技术进步、经济发展及政策完善三个角度剖析中国水足迹变迁的影响因素。结果表明:1997-2007 年间中国各行业完全水足迹强度的年均下降率约为9.1%,而大部分行业的水足迹却呈增长趋势,年均增长率约为14.2%。1997、2002、2007 年中国以贸易形势输出的虚拟水总量占完全水足迹量的比例分别为12.0%、14.6%、22.5%,呈递增趋势且均高于输入总量。中国各部门水足迹强度降低的主要影响因素包括:节水技术的发展、节水管理政策的完善、产业间的经济联系。中国经济飞速发展是导致水足迹上升的决定性因素。在进出口贸易方面,中国不合理的贸易结构和贸易总量的扩大化是导致虚拟水呈现输出状态的主要影响因素。最后提出:探寻节水技术的新方向,利用部门间经济联系转移部分行业节水压力,完善发展中产业的节水措施,调整进出口产业结构,实施地区性虚拟水贸易战略是中国节水政策的优先发展方向。     

中国能源产业的现状需水估算与趋势分析

论文研究了我国能源产业的用水现状和各类能源产出的发展趋势,并评估预测了2012、2020、2030年我国能源产业的需水情况。分析表明：2020、2030年我国能源产业需水总量将分别达到655×10⁸ 和677×10⁸ m³,比2012年有所增加,但增量不超过20%。火力发电仍为能源产业中用水量最大的行业,风力发电、核力发电、太阳能发电在高速发展进程中并未大规模用水。页岩气开采需水不多,但开采初期的大量用水在缺水地区会造成用水紧张。能源作物种植需水量将大幅增加,2012—2020、2020—2030年其需水增长量分别为30×10⁸和18×10⁸ m³,是造成未来能源产业需水增长的主要因素之一。     

北京主城区人为热排放的时空特征研究

利用源清单法对北京主城区的人为热进行研究,得出不同热源排放总量与时空特征并进行小区验证.结果表明：主城区的人为热年排放总量为1.11×10¹⁸J/a,为太阳辐射总量的8.1%,其中建筑排热占人为热排放的45.3%,交通和工业部分分别占30.1%、20.2%;人为排热总量最大的为朝阳和海淀区,占主城区总量的52.2%,最少的东城和大兴区均占7.7%;主城区平均排放强度为14.55W/m²,最大为西城区82.30W/m²,大兴区仅为2.61W/m²;人为热排放高值区多集中于北二环与北四环内,约为60~100W/m²,少数街道和地区排热在150W/m²以上,最高排热强度272~376W/m²为北京CBD区,人为热结果与遥感反演的地表温度有一定的正相关关系;交通排热的月变化不显著,日变化系数在09：00、18：00左右较高,建筑排热在不同季节不同时刻均有明显差别,出现“双峰”现象,同人们作息规律相一致.