全 文 ：第 26 卷第 10 期
2006 年 10 月
生 　　态 　　学 　　报
ACTA ECOLOGICA SINICA
Vol. 26 ,No. 10
Oct. ,2006
人口、富裕及技术对 2000 年中国水足迹的影响
龙爱华1 ,2 ,徐中民1 ,王新华1 ,尚海洋3
(11 中国科学院寒区旱区环境与工程研究所冻土工程国家重点实验室 ,甘肃兰州　730000 ;
21 中国水利水电科学研究院水资源研究所 ,北京　100044 ;
31 中国科学院寒区旱区环境与工程研究所应用水文生态研究室 ,甘肃兰州　730000)
基金项目 :国家自然科学重点基金资助项目 (40235053) ;国家自然科学基金资助项目 (40201019) ;多地区和部门的气候变化影响和适应性评价
(AS25)资助项目
收稿日期 :2005207209 ;修订日期 :2006203217
作者简介 :龙爱华 (1976～) ,男 ,湖南安仁人 ,博士 ,主要从事生态经济与水资源管理研究. E2mail : ahlong @lzb. ac. cn
Foundation item :The project was supported by National Natural Science Foundation of China (No. 40235053 ,40201019) and AS25 Project of AIACC
Received date :2005207209 ;Accepted date :2005212228
Biography :LONG Ai2Hua , Ph. D. , mainly engaged in ecological economics and water resource management . E2mail : ahlong @lzb. ac. cn
摘要 :21 世纪水资源短缺问题将成为全球资源环境的首要问题 ,由于水资源的诸多问题与人类活动密不可分 ,因此辨明人类活
动各因素对水资源影响作用的大小 ,并依此找寻发展的对策是当前水资源可持续利用研究的一个核心问题。在计算 2000 年中
国的水足迹的基础上 ,应用 STIRPAT模型分析了中国水足迹的影响因素 ,分解了人口、富裕和技术等对中国水资源的环境影响。
结果表明 :2000 年 ,中国水资源的消费足迹为 7678145 亿 m3 ,人均 60913m3Πa。人口数量是当前我国水足迹的一个主要驱动因
子 ,富裕程度的提高会增加人类对水资源的总消费 ,气候因素和区位条件对水足迹具有显著影响 ,而提高土地生产能力对减少
水足迹具有重要作用。在观测数据范围内 ,分析结果并不支持环境 Kuznets 曲线存在的论断。最后分析讨论了水足迹研究需要
进一步完善的问题以及 STIRPAT模型实证分析的政策意义。
关键词 :水足迹 ;人口 ;富裕及技术 ;环境影响 ;STIRPAT模型 ;环境 Kuznets 曲线
文章编号 :100020933(2006) 1023358208 　中图分类号 :Q14 　文献标识码 :A
Impacts of population , affluence and technology on water footprint in China
LONG Ai2Hua1 ,2 , XU Zhong2Min1 , WANG Xin2Hua1 , SHANG Hai2Yang3 　(1. State Key Laboratory of Frozen Soil Engineering ,
CAREERI , CAS , Lanzhou 730000 , China ; 2. Water Department , China Institute of Water Resource and Hydropower Research , Beijing 100044 , China ; 3.
Laboratory of Watershed Hydrology and Ecology , CAREERI , CAS ,Lanzhou 730000 , China) . Acta Ecologica Sinica ,2006 ,26( 10) :3358～3365.
Abstract : Growing evidence demonstrated that humans have dramatically altered the global environment . Identifying the specific
forces driving environmental impacts is a hot topic in the field of sustainable development . One key limitation to a precise
understanding of anthropogenic impacts is the absence of a set of refined analytic tools.
The water footprint index has been used as a comprehensive impact measure of water use in relation to consumption of people ,
which indirectly reflect anthropogenic pressure on the environment . Our empirical analysis show that the China’s water footprint of
China is 7678145 ×108 in 2000 , which is 60913m3Π(cap·a) . The measure of water footprint allows comparison across types of
impacts by estimating the quantity of water that would be required to support the material consumption of a nation or country. The
difference between provinces (cities) is large : Qinghai province who has an average water footprint of 999 m3Π(cap·a) is the
largest one , while Guangxi province has the lowest average water footprint , which is 477 m3Π(cap·a) .
With a view to dismantling the anthropogenic driving forces of water footprint , the modified IPAT2called STIRPAT(STochastic
Impacts by Regression on Population ( P) , Affluence ( A) and Technology ( T) )2has been employed as a common analytic
framework. Since T represents all factors that influence impacts other than population and affluence , the additional factors can be
incorporated in the STIRPAT by disaggregating T in the original IPAT identity. Our analyses show that population is a major driver
of water footprint , and it has a proportional effect (approximately unitary elasticity) on water footprint , and affluence monotonically
increased the water footprint with a relative less degree than population. Natural location and climatic conditions appeared to affect
the water footprint . Another important finding in the empirical study is that there is no evidence of an environmental Kuznets curve
for water footprint within the range of calculated data. Some potential improvements in some further researches and suggestions to
alleviate the water pressure were put forward in the last section.
Key words : water footprint ; population ; affluence and technology ; environmental impact ; STIRPAT model ; environmental
Kuznets curve
人类能真正利用的淡水仅占地球总水量的 0126 % ,水资源短缺问题已成为全球资源环境的首要问题。
随着世界人口增长和经济活动的扩大 ,人类对淡水资源的需求持续增长。当前 ,全球有 11 亿人口得不到安全
的饮用水 ,24 亿人缺乏可靠的卫生用水 ,全球每年至少有 1500 万人死于食用污水而引起的疾病 ,与水污染有
关的疾病每 8s 就夺去一个孩子的生命 ,水污染已使全世界 20 %的淡水鱼种濒临灭绝 ;预计到 2025 年 ,全世界
40 多个国家和地区的 30 亿人口缺水 ,缺水难民将多达 1 亿人[1 ] 。资源性缺水和水质性缺水已成为全球的普
遍问题。由于水资源的诸多问题与人类活动密不可分 ,因此解决水资源问题的重要工作之一就是要真实地衡
量人类对水资源的占用状况。
水足迹指标是一个衡量人类对水资源系统真实占有量的简单而综合指标[2 ] 。传统的水资源利用指标数
据通常仅呈现了居民家庭生活用水量、农业部门用水量和工业部门用水量等 3 个方面的水利用量信息 ,只记
录了人类水资源利用的实体水数量或蓝水数量 (蓝水一般指赋存于江、河、湖泊积含水层中的地表水与地下水
数量 ,即通常所说的水资源[3 ] ) ,而忽略了通过作物等利用的“隐式”水量或绿水数量 (绿水指赋存于土壤非饱
和含水层中、仅可由植物以蒸散发形式利用的土壤水[3 ] ) 。事实上 ,这部分“隐式”水量对人类社会极其重要。
例如 ,全球谷类生产中 ,66 %的作物需水来自有效降水 ,来自灌溉的作物需水量只占 34 % ①。水足迹从消费角
度衡量人类对水资源系统的真实占用 ,建立了水资源利用与人类消费模式的联系 ,同时由于水足迹概念将水
问题拓展到了社会经济领域[4 ,5 ] ,因而是当前测度人类活动对水资源系统环境影响的最好指标。
那么 ,人类活动中哪些因素是影响水资源的驱动因素 ? 现有研究表明主要影响环境的人文因素有 : ①人
口 , ②经济活动 , ③技术 , ④政治和经济制度 , ⑤态度和信仰 [6 ,7 ] 。为理解和解决面对的复杂环境问题 ,需要了
解每一种人文驱动因素对环境影响作用的大小。从当前的研究来看 ,影响水足迹大小的主要因素有 : ①受经
济收入影响的物质消费量 ; ②受消费习惯、宗教信仰等影响的消费模式 ; ③受气候、技术水平和生产实践影响
的水土资源生产能力[4 ] 。本文从中国 2000 年的水足迹衡量入手 ,以 2000 年中国 31 个省区的水足迹为观测指
标 ,引入用于测算人口、富裕和技术条件变化对环境影响的随机回归模型 ———STIRPAT模型[8 ] ,分解了人口、
富裕及技术等人文因素对水足迹的影响程度 ,并探讨了各省的水资源技术效率问题。
1 　2000 年中国水足迹
111 　计算路线及数据来源
当前 ,国际上计算水足迹的方法主要是自上而下法和自下而上法。自下而上法将所有消费的商品、服务
与它们各自的虚拟水含量相乘加和得到 ,采用该方法需要注意的是商品的虚拟水含量会随地域和生产条件函
数变化而变化。采用自上而下法时 ,区域水足迹等于总的区内水资源利用量加上区内虚拟水的净流入量。
水足迹核算的关键是产品虚拟水含量的衡量 ,包括农作物产品及其加工品、动物及畜产品、工业品的虚拟
水含量的计算 ,具体计算方法见文献[2 ,5 ] 。理论上 ,各省区水足迹计算应包含因产品贸易而带来的虚拟水流
动 ,但由于我国目前还缺乏省际间商品贸易记录 ,因此本文采用自下而上法计算各省的水足迹 ,即假设各省消
费的产品均由本省生产 ,全国水足迹为各省水足迹之和。
FAO 推荐并改进后的 Penman2Monteith 方程当前计算作物蒸散量方面最成熟、可靠的方法之一。实例核算
953310 期 龙爱华 　等 :人口、富裕及技术对 2000 年中国水足迹的影响 　
① Chapagain , A. K. , Hoekstra A. Y. Water footprints of nations. Value of Water Research Report Series No16. IHE DELFT. November ,2004
中 ,农产品和动物产品的虚拟水含量计算采用上述方程并结合有关统计资料进行 ,其中气象数据为各省各气
象观测站点的多年平均数据。由于工业产品虚拟水含量计算十分复杂 ,因此实例分析中采用当年工业耗水量
作为一种粗略的替代 ①;居民实体水消费 (即城镇生活和农村生活服务) 也采用耗水量数据 ;数据均取自各省
(区、市) 2000 年水资源公报。
112 　2000 年中国的水足迹
2000 年 ,中国水资源的消费足迹为 7678145 亿 m3 ,人均 60913m3 (表 1) 。水资源足迹的前 10 位分别是河
南、山东、江苏、广东、四川、河北、湖南、安徽、湖北和辽宁 ;水足迹最小的是西藏 ,仅 16199 亿 m3 。其中北方省
份 ②消费了 3558185 亿 m3 ,占全国水足迹总量的 46181 % ,高于其人口比例 (42165 %) ,与 1999 年中国的生态足
迹分布类似[9 ] 。人均水足迹的前 10 位分别是青海、内蒙古、天津、黑龙江、新疆、宁夏、辽宁、甘肃、上海和山
西 ,人均最低的是广西 ;总体上表现为北方省 (区、市)高于南方省 (区、市) ;超过全国平均量的 14 个省份中 (表
1)有 10 个在北方 ,这可能与北方气候干旱、蒸腾蒸发需求较高有关 ;河北、河南、山东 3 个北方省份的人均低
于全国平均水平 ,可能与它们是我国重要的粮食生产基地、粮食单产较高有密切关系。
表 1 　2000 年中国水资源足迹 3
Table 1 　Water footprint( WF) of China in 2000
省市
Provinces
总足迹
Gross WF
(108m3)
人均水足迹
WF Per capita·year
(m3Π(person·a) 水足迹强度Intensity of WF(m3Π万元)(m3Π104RMB) 省市Province 总足迹Gross WF(108m3) 人均水足迹WF Per capita·year(m3Π(person·a) 水足迹强度Intensity of WF(m3Π万元)(m3Π104RMB)
北京 Beijing 96107 695 310 湖南 Hunan 373159 580 1029
天津 Tianjin 79184 798 443 福建 Fujian 211136 609 525
河北 Hebei 395119 586 765 广东 Guangdong 439176 575 446
山西 Shanxi 257197 716 1393 广西 Guangxi 214102 477 1104
内蒙古 Inner Mogolia 231128 973 1658 海南 Hainan 44183 570 826
山东 Shandong 527177 581 608 重庆 Chongqing 166186 540 1047
河南 Henan 549133 564 1037 四川 Sichuan 421184 506 1059
辽宁Liaoning 320159 756 674 贵州 Guizhou 187108 531 1994
吉林 Jilin 161184 593 866 云南 Yunnan 259194 606 1307
黑龙江 Heilongjiang 291120 789 922 西藏 xizang 16199 648 1422
上海 Shanghai 123118 736 213 陕西 Shaanxi 210154 584 1284
江苏 Jiangsu 467108 628 533 甘肃 Gansu 191120 746 1944
浙江 Zhejiang 251133 537 399 青海 Qinghai 51175 999 1964
安徽 Anhui 365135 610 1254 宁夏 Ningxia 43150 774 1599
江西 Jiangxi 222199 539 1110 新疆 Xinjiang 150177 783 1049
湖北 Hubei 353140 586 816 全国 China 7678145 609 807
　　3 受数据限制 ,未包括香港、澳门和台湾地区 As limited to data available , the calculation didn’t include the districts of China : Hong Kong , Macao and
Taiwan
　　据《2000 年中国水资源公报》,2000 年全国蓝水利用量 (即统计用水量) 为 5470157 亿 m3 ,扣除 1997～2001
年的平均净进口虚拟水量 100 亿 m3 ,2000 年全国绿水利用量为 2107188 亿 m3 ③ ,是当年农业用水量 3671167 亿
m
3 的 015741 倍 ,是农业耗水 (当年农业耗水率为 63 %) 的 019123 倍。实际上 ,由于蓝水利用中有很大一部分
属于灌溉损失 ,因此我国的绿水利用比例会比上述结果还要大 ,可见绿水利用对我国经济发展极其重要。
113 　2000 年中国水足迹强度分析
为反映各省区的水资源利用效率 ,用 2000 年各省 (区市) 总人口的水足迹除以其国内生产总值 ( GDP) ,得
0633　 生 　态 　学 　报 26 卷
①
②
③ 绿水不能直接被工业生产和居民生活利用
本文的北方省份包括 :黑龙江、吉林、辽宁、内蒙、北京、天津、山西、河北、河南、山东、陕西、甘肃、宁夏、青海和新疆共 15 省 (市、区)
耗水量指在输水、用水过程中 ,以各种形式消耗掉 ,而不能回归到地表水体或地下含水层的水量 ;这里同时暗含着各省当年的工业耗水全部
为本省消费
到各省 (区市)万元 GDP 水足迹 ———水足迹强度指标 (表 1) 。水足迹强度越大 ,表明单位水消费的 GDP 产出
率越低。结果表明 (表 1) ,2000 年中国的水足迹强度为 807m3Π万元 ,但各省 (区市)的水足迹强度差别很大 ,其
中贵州最高 ,青海、内蒙古、甘肃、宁夏、西藏 5 个省份的水足迹强度超过 1400m3Π万元。山西是我国重要的煤
能源基地 ,火力发电等高耗水工业比重较大 (2000 年以火电为主、同时包括蒸汽、热水的生产与供应业的工业
增加值仅次于黑色金属冶炼及压延加工业、化学原料及化学制品制造业 ;规模以上工业万元产值用水量不含
火电为 57m3 、含火电为 86m3 ) ,导致了较高的水足迹强度 (1393m3Π万元) 。强度最低依次为上海、北京、浙江、
天津、广东、福建、江苏 ,其中上海为 213m3Π万元 ;需要说明的是 ,受资料和当前研究水平的限制 ,本次核算的水
足迹中未考虑水污染的水足迹 ,但显然这是下一步需要考虑的问题。总体而言 ,水足迹强度差异基本反映了
各省 (区、市)在水资源利用效益方面的明显差异 ,较好地表明了水足迹强度与自然条件状况、土地生产能力和
区域经济发展水平密切相关 ,具体表现为 :沿海低于内地 ,南方低于北方 ,东部低于西部 ,西北地区最高 ;经济
发达省 (市)低于欠发达省 (区) ,城市化率高省份低于城市化率低的省份。
影响水资源足迹大小的因素很多 ,Chapagain 和 Hoekstra 的有关研究发现人类活动对水足迹的影响十分复
杂 ,例如人均水足迹与人均收入之间呈现反向关系 ,即人均水足迹随经济发展逐渐减小 ;人均水足迹与气候、
农作物产量、食物消费量及饮食模式、进口与国产比率等等诸多因素间的关系并不直接明显。可见 ,影响水足
迹大小的各因素之间并不存在简单的单调关系 ,尤其与人类活动交织在一起后更加复杂难解。因此 ,为理解
和解决面对的复杂水问题 ,十分重要的一步就是需要了解每一种人文驱动因素对水资源系统影响的大小 ,并
依此找寻可能的水资源利用对策。
2 　2000 年中国水足迹的 STIRPAT模型分析
211 　STIRPAT模型简介
经典的 IPA T等式 ( I = PA T) 指定环境影响 ( I) 为人口 ( P) 、富裕 ( A ,人均消费或生产) 和技术 ( T , 单位消
费或生产的环境影响)的乘积 ,建立了人文因素与环境影响之间的账户恒等式[7 ,8 ,10 ,11 ] 。尽管 IPAT等式概念上
也只是一个简单框架 ,但由于其简单性 (融入了关键的人文因素 ,如人口、富裕和技术) 、系统性 (指定了环境影
响的人文驱动因素与环境影响之间的数学关系式) 和健全性 (捕获了自然、社会科学的基本规律) ,自提出以
来 ,以其为基础的应用非常广泛[12 ] 。由于经典的 IPAT等式将人文驱动因素和环境影响之间简单地处理为单
调关系 (即驱动力与环境影响之间只存在同比例的变化) ,因而经典的 IPAT等式并不十分适合衡量人文因素
对环境的影响 ,并引起了较多的争论。为此 , York 和 Dietz ,Rosa 等将 IPAT等式改造成随机形式的模型 ,即人
口、富裕和技术的随机回归影响模型 ,简称为 STIRPAT模型 ,其形式通常如下[8 ] :
I = aPbAc Tde (1)
　　式中 , a 为标度该模型的常数项 , b , c , d 是 P、A 和 T 的指数项 , e 是误差项。显然如果假设 a = b = c = d
= e = 1 ,STIRPAT模型就还原成 IPAT等式。由于当前缺乏统一的技术测量指标 ,实际应用中一般将 T 归于残
差项 ,而不是单独估计。为测试人文因素对环境 I 的影响 ,通常将方程 (1)转化为对数形式[8 ] :
ln ( I) = a + bln ( P) + cln ( A) + e (2)
　　式中 , a、e 为方程 (1)中 a 和 e 的对数。以对数的形式 ,驱动力的系数 ( b 和 c) 表示如果其它的影响因素
维持不变时 ,驱动力影响因素 ( P 或 A)变化 1 %引起的环境影响变化百分比 ,这与经济学中的弹性分析方法类
似。在实际应用中 ,可根据需要在方程 (1)或方程 (2) 增加社会或其他控制因素来分析他们对环境的影响 ,但
是增加的变量需要与方程 (1) 指定的乘法形式具有概念上的一致性。例如 ,如果综合的 T 中有一些可以测
量 ,就可将等式 (1)中的 T 分解成 T1 、T2 、⋯、Tn ,由此等式 (1)可相应扩展为 :
I = aPbAc Td1 T
f
2 e (3)
同理 ,可对 (3)式进行类似等式 (2)的变换。
从方程 (1)可知 ,方程 (2)或 (3)的残差项的逆对数是维持基本的驱动力变量 ( P、A 或 T) 不变时的环境影
响。由于残差项包含了除 P、A 和能观测到的技术以外的其它影响因素 ,如经济结构、贸易能力、管理制度、消
163310 期 龙爱华 　等 :人口、富裕及技术对 2000 年中国水足迹的影响 　
费结构改善等广义的技术因素 ,因此残差项的逆对数可解释成技术的环境影响乘子[8 ] ,本文将之理解为技术
水效率 ,只是需要注意的是技术的环境影响乘子大表明技术水效率差 ,反之亦反。
212 　指标选取和数据处理
基于以上考虑 ,选取人口、人均真实 GDP(采用 2000 年各省市的名义 GDP 除 1990 年以来的消费价格指数
的变化得到的真实 GDP 数量) 、单位面积粮食蒸腾需求量 (粮食、作物是虚拟水消耗的最大类别[2 ] ,因此用单
位面积粮食需水来检验气候因素对水足迹的影响) 、单方水产粮量 T1 (用该指标表征农业实践和气候因素的
综合影响) 、单位粮食产量土地需求 T2 (表征土地生产能力)作为水足迹的影响因素 ,构成 STIRPAT模型 (1) 。
由于 STIRPAT 模型是随机形式 ,如果理论上合适 ,可在 (2) 式上增加人文驱动因素 (如代表富裕的人均
GDP)对数形式的二项式或多项式来验证是否存在环境 Kuznets 曲线假说[8 ] 。为此 ,在 STIRPAT 模型 (1) 自变
量中增加了人均真实 GDP 的二次平方项 ,构成 STIRPAT模型 (2) 。为避免引入人均真实 GDP 的二次项与人均
真实 GDP 的共线性问题 ,对人均真实 GDP 的二次项进行标准化处理。人均真实 GDP 二次项的具体处理过程
为用人均真实 GDP 的对数减去人均真实 GDP 对数的平均值 ,然后平方来减少与人均真实 GDP 的共线性。
具体分析中 ,安徽、四川和贵州 3 省缺乏 1990 年来的消费者价格指数的变化数据 ,因此在分析中剔除了
这 3 个省份。同时 ,由于单方水产粮与其他因素存在共线性问题 ,在分析中进一步剔除了该指标。
213 　模型结果和分析
对上述模型采用最小二乘进行参数估计 ,得到水足迹与各影响因素间的 STIRPAT模型见表 2。模型 (1)
拟合优度 9813 % ,说明所选择的指标能解释的指标能解释中国 2000 年各省 (市)水足迹的 9813 % ,各系数均在
0105 水平上显著不为 0 ,方程拟合非常好。人口数量对以水足迹为指标的水系统影响成正比 ,系数为 01927 ,
说明在其他条件相同的情况下 ,人口数量增加 1 %导致总的水足迹增加 01927 % ;从模型 (2) 看 ,人口数量对环
境的影响弹性也接近 1 ,说明人口数量与对水系统的影响间存在同比例的关系 ,因此控制人口增长对减轻我
国自然资源系统压力十分关键。人均 GDP 的回归系数为 01103 ,并没有显示出水足迹与人均 GDP 有反向关
系 ,而是随人均 GDP 提高 1 %而增加 01103 % ;这可能与我国当前所处的经济发展阶段有关。单位面积粮食作
物蒸腾需求与水足迹的系数为 01458 ,表明我国水资源利用对气候条件的依赖度很大 ,农业系统的气候脆弱
度较高 ,抗干扰能力较弱 ,因此增强农业部门对气候的适应能力对我国水资源的可持续利用十分重要 ;另外该
系数也解释了我国北方省份 (市)水足迹比南方省份 (市) 高的原因 ,即北方单位面积粮食作物的蒸腾需求较
高 ,从而使单位粮食作物的虚拟水含量高于南方。单位粮食产量土地需求系数 01382 表明 ,单位面积粮食产
量提高 1 % ,将使水足迹降低 01382 % ,提高单位面积土地粮食产量是适应我国未来水资源需求增加和减轻水
资源系统压力的重要手段。
表 2 　人口、富裕及技术水平等环境作用因子对水足迹影响估计结果
Table 2 　The parametric model of anthropogenic impacts on water footprint and estimated results
模型 (1) Model (1) 模型 (2) Model (2)
常数项 Constant 51771(81253) 51755(81009)
人口 Population 01927(391902) 01925(351092)
人均 GDP Per capita GDP 01103(21144) 01110(11872 3 )
人均 GDP 平方项 Quadratic of per capita GDP - 0137( - 01199)
单位面积粮食作物蒸腾需求 Crop transpiration demand per area 01557(31376) 01556(31296)
单位粮食产量土地需求 Land demand per food yield 01309(31361) 01307(31255)
R2 01983 01985
F 统计量 F statistics 3971668 3041857
Durbin2Watson 统计量 Durbin2Watson statistics 11902 11891
样本量 Sample quantities 28 28
　　3 表示在 011 水平显著 ;其他均在 0105 水平显著 ;括号内是 t 检验数 3 Represents the sig. level at 011 , the other are all remarkable at 0105 ;the
numbers in the bracket are the values of t test
　　模型 (2)在模型 (1)的基础上分别增加了人均真实 GDP 的二次项 ,尽管回归系数为负 ( - 0137) ,但系数的
2633　 生 　态 　学 　报 26 卷
t 检验值显示该系数显著为 0 ,因而不能说明存在环境 Kuznets 曲线 ,表明经济发展并不是解决我国水问题的
根本出路。事实上 ,一些有关环境 Kuznets 曲线的实证研究中也没有出现预期的所谓环境压力转折点 ,相反 ,
环境压力随经济同步增长[13 ,14 ] 。
在研究过程中 ,作者构建了多种表征消费结构差异的指标 ,试图分析水足迹与消费结构之间的关系 ,但分
析结果并不支持二者之间具有直接关系。例如 ,由于粮食、肉类是全部虚拟水消费中的主要部分 ,也能较好地
反映消费模式和消费数量的差异 ,因此用粮食与肉类消费虚拟水占全部虚拟水消费数量比例分析消费结构对
水足迹的影响。尽管结果显示它们之间呈显著的负相关 (相关系数 - 01412 ,0105 水平上显著) ,但在 STIRPAT
模型中系数显著为 0 ,因此有关消费结构与水系统压力之间的关系还需进一步探讨。
表 3 是基于 STIRPAT模型 (1)计算的各省残差项的逆对数。其中 ,海南、陕西、河北、吉林、广西、北京、宁
夏、河南、天津、重庆、云南、浙江、湖北、山西的环境影响乘子低于当年全国的平均值 (11005) ,因此这些省 (区
市)的技术水效率好于平均状况 ,而其它残差项的逆对数大于 11005 的省份则差于平均状况。在低于平均残
差值的 14 个省 (区、市)中 ,北方省 (区、市)占 8 个 ;其中 ,水资源极度紧缺 (或紧缺) 的陕西、河北、北京、宁夏、
河南、天津、山西等省 (区市) [15 ] ,近年来在水资源高效利用的制度改革和实用技术等方面做了大量工作 ,用水
效率明显提高。例如 ,我国第一个节水型社会建设试点甘肃省张掖市从 2000 年开始 ,从经济社会发展和产业
结构调整规划着手 ,通过明晰各级水权、引入市场机制、推行水票制度、建立用水协会、推进公众参与、强化制
度改革等水务一体化改革 ,单方水 GDP 已从 2000 年的 2181 元Πm3 提高到 2003 年的 3172 元Πm3 ①。对其他 14
个残差项的逆对数大于 11005 的省份而言 ,在不改变人口、富裕和土地生产能力的情况下 ,通过调整经济结
构、改进管理制度、转变消费结构和加强公众教育等手段改善制度水效率的空间还较大 ;其中 ,青海、内蒙古、
新疆、湖南、黑龙江、甘肃等省 (区市)的经济结构调整、水管理制度改革对水资源可持续利用将具有重要作用。
仅从水资源利用方面考虑 ,文献[5 ]分析表明 ,调整经济结构 (采用虚拟水贸易改变用水结构) ,甘肃省水资源配
置效率将大大提高 ;文献[16 ]研究表明 ,消费结构的不断多样化可降低水资源系统压力、提高水资源效率。
表 3 　模型( 1)中样本省份( 28)及残差项的逆对数
Table 3 　Provinces in the Sample and the antilog of residuals for model( 1)
省份和直辖市
Province and City
逆对数
Anti2logarithm 省份和直辖市Province and City 逆对数Anti2logarithm 省份和直辖市Province and City 逆对数Anti2logarithm
北京 Beijing 01907 辽宁Liaoning 11036 湖北 Hubei 11003
天津 Tianjin 01945 吉林 Jilin 01905 湖南 Hunan 11148
河北 Hebei 01868 黑龙江 Heilongjiang 11111 福建 Fujian 11035
山西 Shanxi 11004 上海 Shanghai 11024 广东 Guangdong 11051
内蒙古 Inner Mogolia 11192 江苏 Jiangsu 11097 广西 Guangxi 01899
山东 Shandong 11007 浙江 Zhejiang 01962 海南 Hainan 01818
河南 Henan 01942 江西 Jiangxi 11051 重庆 Chongqing 01958
云南 Yunnan 01978 西藏 Xizang 11037 陕西 Shaanxi 01837
甘肃 Gansu 11048 青海 Qinghai 11219 宁夏 Ningxia 01931
新疆 Xinjiang 11126
3 　结论与展望
311 　结论
作为一个综合反映水资源利用信息和测度人类对水资源系统压力的简化指标 ,水足迹方法从消费角度衡
量人类对水资源系统的真实占用 ,建立了水资源利用与人类消费模式的联系 ,并将水问题拓展到了社会经济
领域 ,因此水足迹指标是当前衡量人类活动对水资源系统环境影响的最好指标 ,可检验人类对水资源系统的
综合环境影响。本文在计算 2000 年中国的水足迹的基础上 ,应用 STIRPAT模型分析了中国水足迹的影响因
363310 期 龙爱华 　等 :人口、富裕及技术对 2000 年中国水足迹的影响 　
① 张掖市人民政府. 张掖市节水型社会建设研究与实践专题报告之六 :综合效益评价报告. 2004. 8
素 ,分解了人类活动对中国水系统的环境影响。
(1) 2000 年 ,中国水资源的消费足迹为 7678145 亿 m3 ,其中绿水利用量为 2107188 亿 m3 ,分别是农业用水
量、农业耗水量的 01574 和 01912 倍 ,绿水利用在我国农业生产中发挥了极其重要的作用。2000 年 ,全国人均
水足迹 60913m3Πa ,占全国人口的 42165 %的北方省份消费了全国水足迹的 46181 % ,人均水足迹高于南方 ,其
中青海省最大 (999m3Πa) ,广西最小 (477m3Πa) 。
(2) STIRPAT模型实证分析表明 ,影响中国水资源压力的主要人文因素是人口、富裕、土地生产能力和对
气候的适应能力。人口数量是当前水足迹的一个主要驱动因子 ,其对水足迹的影响几乎同比变化 (人口数量
对水足迹的弹性系数接近 1) 。富裕程度的提高会增加人类对水资源的消费 ;气候因素和区位条件对水足迹
具有显著影响 ,我国粮食生产对气候的适应能力还较小 ,脆弱性问题比较突出 ;2000 年 ,我国土地生产能力的
水足迹弹性约为 0131 ,因此提高单位面积土地生产能力是降低我国水资源系统压力的有效手段之一。
(3)本文研究结果并不支持存在环境 Kuznets 曲线的论断。其中可能与本研究采用的是截面数据有关 ,且
样本只有 28 个 ,数据变化范围不大 ,不足以检测出所选人文因素对水足迹的影响。另一个原因可能与本研究
的水足迹计算是从消费角度测算的水利用状况有关。按照 Rothman 的推断 ,区域富裕程度的增加主要是提高
了该区域通过贸易转嫁其环境影响的能力 ,即环境影响的外部化 ,因此从消费角度分析 ,环境的 Kuznets 并不
存在[17 ] 。限于资料 ,本研究未考虑蕴涵在省 (区)际贸易中的水贸易问题 ,而在当前的经济生产格局下 ,东部、
南方省份在技术方面的相对先进性进一步放大了它们将其环境问题外部化的能力。因此 ,本文的分析还不能
验证 Rothman 的推断。
312 　展望
从本文构建的 STIRPAT模型及实证分析看 ,减轻水资源系统的压力可以从控制人口、改变片面追求高的
经济增长速度、提高土地生产能力、培育对气候变化的适应能力、调整经济结构、改善水管理制度及转变消费
模式等入手。在现行体制下 ,需要实现各级政府的政绩考评体系由数量增长为中心转向以质量提高为中心 ,
提高水资源利用技术效率 ;既关注灌溉农业对我国粮食生产的重要作用 ,更要重视农业生产中绿水资源的综
合高效利用 ,积极开展抗旱、高产、优质作物的培育和推广 ;倡导合理的膳食结构 ,在满足营养需求的基础上尽
量减少肉类的消费 ;在大的宏观尺度上 ,通过贸易方式将水足迹外部化。
从当前的研究看 ,水足迹研究尚存在一些需要完善的地方。一是在农作物虚拟水含量、动物及动物产品
的虚拟水含量、工业产品虚拟水含量的计算方面值得完善 ;二是当前的水足迹研究将焦点仅集中在表征人类
活动对水资源的数量影响方面 ,进一步的研究应将人类活动对水质的影响也包括进来 ;最后 ,需要进一步挖掘
水足迹概念的深层意义 ,将它作为一个现实工具进行深入研究 ,如 :消费模式如何影响水利用 ,未来的消费模
式改变将会如何影响到水资源 ,如何将水足迹外部化以减轻缺水地区的水资源压力等等[16 ] ,这对水资源可持
续利用与水资源安全显然具有重要意义。
References :
[ 1 ] 　Slobodan P Simonovic. World water dynamics : global modeling of water resources. Journal of Environmental Management , 2002 , 66 :249～267.
[ 2 ] 　Long A H ,Xu Z M , Zhang Z Q. Estimate and analysis of water footprint in northwest China , 2000. Journal of Glaciology and Geocryology ,2003 ,25 (6) :
692～699.
[ 3 ] 　Rockstriiml J , Gordon L. Assessment of Green Water Flows to Sustain Major Biomes of the World : Implications for Future Ecohydrological Landscape
Management . Phys. Chem. Earth (8) , 2001 , 6 (1l212) : 843～851.
[ 4 ] 　Cheng G D. Virtual water A strategic instrument to achieve water security. Journal of Chinese Academy of Sciences ,2003(4) :260～265.
[ 5 ] 　Xu Z M ,Long A H ,Zhang Z Q. Virtual water consumption calculation and analysis of Gansu Province in 2000. Acta of Geographica Sinica ,2003 ,58 (6) :
861～869.
[ 6 ] 　Coatanza R ,Jorgensen S E. Understanding and solving environmental problems in the 21th century , toward a new , integrated hard problem science.
Amsterdam : Elesiver , 2002.
[ 7 ] 　Xu Z M ,Cheng G D. Impact of population and affluence on environment in China. Journal of Glaciology and Geocryology , 2005 ,27 (5) :767～773.
4633　 生 　态 　学 　报 26 卷
[ 8 ] 　York R , Rosa E A , Dietz T. STIRPAT , IPAT and ImPACT: analytic tools for unpacking the driving forces of environmental impacts. Ecological
Economics , 2003 ,23 :351～365.
[ 9 ] 　Xu Z M ,Zhang Z Q ,Cheng G D , et al . Ecological footprint calculation and development capacity analysis of China in 1999. Chinese Journal of Applied
Ecology ,2003 ,14 (2) :280～285.
[10 ] 　Ehrlich P R , Holdrens J P. The impact of population growth. Science ,1971 ,171 :1212～1217.
[11 ] 　Daily G C , Ehrlich P. Population , sustainability and earth’s carrying capacity. Bioscience , 1992 , 42 :761～771.
[12 ] 　Dietz T , Rosa E A. effects of population and affluence on CO2 emissions. Proc. Natl . Acas. Sci . USA , 1997 ,94 : 175～179.
[13 ] 　Li Y W ,Xu Z M ,Wang Y, et al . The environmental Kuznets ( EKC) studies. Journal of Ecological Economics ,2005 ,3 (1) :59～65.
[14 ] 　Jordi Roca , Emilio Padilla , Mariona Farre , et al . Economic growth and atmospheric pollution in Spain : discussing the environmental Kuznets curve
hypothesis. Ecological Economics , 2001 , 39(1) : 85～99.
[15 ] 　Xu Z M ,Long A H. The primary study on assessing social water scarcity in China. Acta of Geographica Sinica ,2004 ,59 (6) :982～988.
[16 ] 　Long A H ,Zhang Z Q ,Xu Z M , et al . Analysis of water footprint and consumption pattern in Gansu Province. Advance in Water Science ,2005 ,16 (3) :418
～425.
[17 ] 　Rothman D S. Environmental Kuznets Curves real progress or passing the buck ? A case for consumption2based approaches. Ecological Economics ,
1998 ,25 :177～194.
参考文献 :
[ 2 ] 　龙爱华 ,徐中民 ,张志强. 西北四省 (区) 2000 年的水资源足迹. 冰川冻土 ,2003 ,25 (6) :692～699.
[ 4 ] 　程国栋. 虚拟水———中国水资源安全战略的新思路. 中国科学院院刊 ,2003 (4) :260～265.
[ 5 ] 　徐中民 ,龙爱华 ,张志强. 虚拟水的理论方法及在甘肃省的应用. 地理学报 ,2003 ,58 (6) :861～869.
[ 6 ] 　徐中民 ,张志强 ,张齐兵 ,等译. 理解和解决 21 世纪的环境问题———面向一个新的、集成的硬问题科学. 郑州 :黄河水利出版社 ,2004. 11～
23.
[ 7 ] 　徐中民 ,程国栋. 中国人口和富裕对环境的影响. 冰川冻土 , 2005 ,27(5) :767～773.
[ 9 ] 　徐中民 ,张志强 ,程国栋. 中国 1999 年生态足迹计算与发展能力计算. 应用生态学报 ,2003 ,14 (2) :280～285.
[13 ] 　李玉文 ,徐中民 ,王勇 ,等. 环境库兹涅茨曲线 ( EKC)研究进展. 生态经济学报 ,2005 ,3 (1) :59～65.
[15 ] 　徐中民 ,龙爱华. 中国社会化水资源稀缺评价. 地理学报 ,2004 ,59 (6) :982～988.
[16 ] 　龙爱华 ,张志强 ,徐中民 ,等. 甘肃省水足迹与消费模式分析. 水科学进展 ,2005 ,16 (3) :418～425.
563310 期 龙爱华 　等 :人口、富裕及技术对 2000 年中国水足迹的影响