吉林省水稻生产水足迹时空分异研究

农业是用水大户，目前约70%的淡水用于农业生产[1]，且随着人口增长、经济发展和气候变化，农业用水需求将进一步增加[2]。因此,准确地估算农业生产用水量，制定合理、有效的水资源配置对策，是亟待解决的问题[3]。水足迹的概念及其核算方法为全面评价水资源的利用和指导农业生产实践提供了新的途径。农作物生产水足迹是指农作物生长过程中所消耗的水资源数量，包括绿水足迹、蓝水足迹和灰水足迹[4]。绿水是指降水下渗到非饱和土壤层中用于植物生长的水，在作物生长需水中通常以有效降水来表示；蓝水是指降水形成的地表水和地下水，在作物生长需水中通常以灌溉用水来表示；灰水是指作物生长过程中，用于稀释污染物，使水质达到安全标准所需的水量[4-6]。因此，农作物水足迹与传统的农业用水量的计算范围不同，不仅要计算灌溉用水量，而且要计算雨水利用量及稀释污染物的用水量。

目前,很多学者开展了农作物生产水足迹的核算和分析[7-13]。与其他作物相比，关于水稻水足迹的研究较少。何浩等[14]对湖南的水稻水足迹进行了计算，1960—2008年湖南省水稻水足迹增加了1.24×1010 m3；水足迹构成以绿水为主,但所占比例逐渐降低,灰水足迹呈上升趋势。CHAPAGAIN等[15]使用了高空间分辨率数据和当地的实际灌溉数据，对全球水稻的绿水、蓝水和灰水足迹进行了评估;全球水稻水足迹平均值为1 329 m3/t，其中蓝水、绿水、灰水足迹分别占44%、48%和8%。YOO等[16]对韩国水稻生产用水需求进行了核算，并依据2004—2009年的国际贸易数据计算了进出口水稻的虚拟水量;韩国水稻生产水足迹为844.5 m3/t，绿水、蓝水、灰水足迹分别为294.5、501.6、48.4 m3/t。上述关于足迹的研究主要集中在全球、国家和省等大尺度区域上，缺乏对市、县尺度上的空间分异研究。

吉林省地处松辽平原腹地，土壤肥沃，日照充足。作为东北粳稻的重要生产基地，近30年吉林省水稻的播种面积和产量呈逐年上升趋势，见表1。其中，2011年吉林省水稻播种面积为69.1×104 hm2，约占全国水稻播种面积的2.3%，占东北粳稻播种面积的16.1%，居全国第13位;总稻谷产量623.5×104 t，约占全国稻谷总产量的3.1%，占东北稻谷总产量的19.5%，在全国范围内排第12位。水稻大面积的播种使得水稻种植业成为吉林省用水最多的行业之一。本文通过对吉林省2000—2013年水稻生产绿水足迹、蓝水足迹、灰水足迹和总水足迹的核算，揭示水稻生长过程中耗水量及耗水结构的时序变化规律；并且,针对吉林省各地区降水分布不均等特点，以2013年为例，从县域尺度上探讨水稻生产水足迹的空间分布特征。

 

表1　1980—2013年吉林省水稻产量和播种面积

  

年份播种面积/(103hm2)产量/(104t)年份播种面积/(103hm2)产量/(104t)年份播种面积/(103hm2)产量/(104t)1980252．7107．41992442．0303．02004600．1437．61981253．7112．61993428．0289．02005654．0478．01982260．4144．61994416．0292．72006664．0493．01983266．3151．31995424．0296．92007670．0500．01984248．7190．81996434．0347．42008658．7579．01985322．0183．71997453．1376．22009660．4505．01986348．5174．31998459．0385．52010673．5568．51987367．5222．81999465．2405．92011691．3623．51988379．6224．42000484．0374．82012701．2532．01989389．7185．62001465．4371．22013726．7563．31990418．0289．42002666．1370．01991433．4306．32003541．0318．2

1　研究区概况与研究方法

1.1　研究区概况

吉林省位于我国东北地区的中部(40°52′～46°18′ N，121°38′～131°19′ E)，总面积为18.74×104 km2，约占全国总土地面积的1.95%，居全国第14位，包括48个县域单元，如图1所示。吉林省平均气温为2～6 oC，年平均降水量为400～600 mm[17]，从东到西降水量逐渐减少。根据气候、地形和土壤的差异，将吉林省分为4个区域：东部、东中部、中部和西部。

  

图1　研究区示意图

1.2　水足迹核算方法

1.2.1　农作物蒸散量ETc

首先，根据FAO (Food and Agriculture Organization of the United Nations，联合国粮食及农业组织)推荐的Penman-Moteith模型，利用气象参数计算参考作物蒸散量ET0。然后，利用作物系数Kc对ET0进行调整，获得具体农作物蒸散量ETc[4,18-19]：

ETc=Kc·ET0 。

(1)

1.2.2　农作物生产水足迹

农作物生产水足迹是指单位质量农作物生长过程中所消耗的水资源总量，包括绿水足迹、蓝水足迹和灰水足迹，也称为农作物总水足迹。

WF=WFgreen+WFblue+WFgrey。

(2)

2.1.1　水稻绿水足迹的年际变化

这个形象的出现，大概是2005年。那时候广东的一些摄影家——比较典型的代表是黄国伟、梁亮——到红土地以后，他们除了拍风光，也拍一些人文的东西。拍到谁，就给他（她）几十块钱。这个老人，那时候年龄60岁左右，轮廓很好，形象很不错，就经常被拍。

1.2.3　绿水足迹和蓝水足迹

2.1.4　水稻总水足迹的年际变化

农作物生长过程的绿水足迹和蓝水足迹的计算框架由HOEKSTRA等[4]在2011年提出：

 

(3)

 

(4)

ETgreen=min(ETc,Peff),

(5)

ETblue=max(0,ETc-Peff)。

(6)

式中:ETgreen和ETblue分别为绿水和蓝水蒸散量,mm；Y为作物产量,t/hm2；Peff为作物生长期有效降水量，mm。有效降水量采用美国农业部土壤保持局推荐的方法USDA SCS来计算：

 

(7)

儿童功能性腹痛的诊断参照2006年由罗马委员会最新修订的罗马Ⅲ标准［2］。脾胃虚寒证辨证标准参照“十二五”规划教材《中医儿科学》［6］、《中医内科常见病诊疗指南·中医病证部分》［7］制定。

1.2.4　灰水足迹

目前，在灰水足迹核算时，通常以稀释淋失氮的需水量为代表。计算公式为：

 

(8)

式中：WFgrey为灰水足迹,m3/t；AR为化肥施用量,kg/hm2；α为淋溶率；cmax为最大容许浓度,kg/m3；cnat为污染物的自然本底浓度,kg/m3。

其中为的数学期望且显著，i属热点区且显著，i属冷点区。

1.3　热点分析

热点分析是局部空间自相关中的一种判定模式，通过对数据集中的每一个要素计算，得到高值或低值要素在空间上发生聚类的位置，能够直观地了解高、低值在何处发生了聚类及其聚集的密集程度[20-22]。热点分析法采用英国数学家Getis和Ord于1992年提出的指数来进行分析指数用来检验是否存在观测值的高值或低值的局部空间集聚，高指数代表热点区，低指数代表冷点区。计算公式如下：

 

(9)

式中：为要素的统计值；i、j为要素；Wij为空间权重矩阵；Xj为观测值；n为研究对象总数。

本文采用的是标准化后的结果，即：

 

(10)

本文选择氮肥施用量的10%作为淋溶率，cmax为污染物环境最大容许浓度，本文选取EPA(美国环境保护署,United States Environmental Protection Agency)推荐的10 mg/L氮元素质量浓度作为环境最大容许浓度。根据查阅文献和实地走访调查，吉林省东部、东中部、中部和西部地区的施氮量分别为170、180、200、230 kg/hm2。

1.4　数据来源

水稻播种面积和产量数据来源于《吉林省统计年鉴》，气象数据(最低温度、最高温度、湿度、风速、日照时数、降水量)来源于中国气象科学数据共享服务(http://www.escience.gov.cn/metdata/page/index.html )，作物系数Kc取自联合国粮农组织提供的Cropwat 8.0软件中的数据。

由表1可以看出：由于表面积大小不同，双黄鸡蛋被检出的概率不同。但当S>250时，双黄鸡蛋被检出概率为98.3%，所以就直接判定为双黄蛋；而其它两种情形，双黄鸡蛋被检出的概率低，不能直接判定，还要做进一步分析。

2　结果与分析

2.1　吉林省水稻水足迹时间变化特征

式中:WF为农作物生产水足迹,m3/t；WFgreen为绿水足迹,m3/t；WFblue为蓝水足迹,m3/t；WFgrey为灰水足迹，m3/t。

忌急加速以提高劳动效率：部分机手通过急加速以提高拖拉机劳动效率，却不知它与耗油量有密切关系。实践验证，机车从起步后提速到中等车速(30千米/小时)，采用急加速(25秒左右)的耗油量大约等于缓加速(40～45秒)的耗油量的两倍，这是由于急加速时油料燃烧不完全的缘故。起步越频繁，耗油量相差越大，急加速有百害而无一利。因此，希望农机手采取低速档起步，然后再缓加速行驶。

2000—2013年吉林省水稻绿水足迹整体呈波动式上升的趋势，如图2所示。由图2可知：2004年吉林省水稻的绿水足迹最低，为347.6 m3/t；2013年吉林省水稻的绿水足迹最高，为577.0 m3/t。

  

图2　2000—2013年吉林省水稻的绿水足迹

表2给出了2000—2013年吉林省有效降水量的水稻单产量。由表2可知：由于2004年单位面积水稻产量较高，比研究期平均值(7.34 t/hm2)增加了0.62 t/hm2，并且该年比较干旱，有效降水量少，所以绿水蒸散量较小，绿水足迹最低。2013年吉林省的有效降水量最高，为429.0 mm，并且该年单位面积水稻产量比平均值低0.03 t/hm2，所以绿水足迹最高。分析吉林省14 a的水稻绿水足迹变化趋势可知，水稻绿水足迹的变化与有效降水量和单位面积产量密切相关，有效降水量越多，单位面积水稻产量越低，绿水足迹越高。

式中P为旬降水量，mm。作物生长期有效降水量逐旬累积。

3.4 《指南》在临床应用的促进和阻碍因素 《指南》在住院患者跌倒预防循证实践的各个过程中，与临床实际密切结合起来，也是一个不断发现问题、解决问题的过程［5］。《指南》在试点病区实际操作中，可促进护士在接受相关培训后积极参与到跌倒管理活动中去。但《指南》在临床实际应用中，也存在一些与患者本人的意愿、依从性、家属的配合和医院的环境设施、管理和护士的夜间人力资源配置不匹配等不安全因素，存在跌倒预防措施实施中的盲点和薄弱环节，对跌倒发生存在不可预计的问题，值得护理管理者和临床护士探讨和商榷。

 

表2　2000—2013年吉林省有效降水量和水稻单产量

  

年份有效降水量/mm水稻单产量/(t/hm2)年份有效降水量/mm水稻单产量/(t/hm2)2000329．56．942007313．17．692001323．07．312008385．68．452002294．96．872009289．46．722003317．16．852010346．67．132004304．97．962011316．17．192005402．97．582012392．67．112006336．27．612013429．07．31

2.1.2　水稻蓝水足迹的年际变化

2000—2013年吉林省水稻的蓝水足迹波动较大，整体呈下降趋势，如图3所示。由图3可知：2005年的水稻蓝水足迹最低，为241.7 m3/t；2009年的水稻蓝水足迹最高，为561.5 m3/t。由于2005年有效降水量较多，灌溉水量较少，蓝水蒸散量最低，为164.5 mm，并且水稻单位面积产量比平均值高出0.24 t/hm2，所以该年蓝水足迹最低。2009年单位面积水稻产量比平均值低0.62 t/hm2，有效降水量为289.4 mm，为研究期最低值，所以灌溉水量较多，蓝水蒸散量比平均值增加了71.36 mm，蓝水足迹最高。水稻蓝水足迹主要受单位面积产量和有效降水量的影响，有效降水量越少，需要的灌溉量越多，则蓝水蒸散量越高，蓝水足迹越高；水稻单位面积产量越低，蓝水足迹越高。

  

图3　2000—2013年吉林省水稻的蓝水足迹

2.1.3　水稻灰水足迹的年际变化

2000—2013年吉林省水稻的灰水足迹呈波动式下降趋势，其中2008年水稻的灰水足迹最低，为231.8 m3/t，2003年水稻的灰水足迹最高，为359.4 m3/t，如图4所示。由图4可知，研究期水稻的灰水足迹变化趋势大体可以分为3个阶段。其中:2000—2003年水稻的灰水足迹平均值最高，为371.3 m3/t;2004—2008年水稻的灰水足迹平均值最低，为253.0 m3/t;2009—2013年水稻的灰水足迹平均值居中，为282.8 m3/t。

2003年单位面积水稻产量比平均值低0.49 t/hm2，所以水稻的灰水足迹上升并成为研究期最高值。2008年单位面积水稻产量最高，为8.45 t/hm2，所以灰水足迹最低。水稻灰水足迹的变化与单位面积产量和施氮肥量密切相关，2010—2013年施肥量变化较小，单位面积产量随时间大体呈上升趋势，因此，2010—2013年水稻的灰水足迹整体呈波动下降趋势。

  

图4　2000—2013年吉林省水稻的灰水足迹

赛十娘说着眼睛就红了。我想，这个女儿心还是蛮善的。她像是有点儿破罐破摔，兴许她是有说不完的难呢。夜夕她跟我搭嘴儿，就说起她娘老子，泪眼婆娑的。她今年二十三，十一年冬月生的。刚满周岁，他父就死了。是参加汉口江岸的工人罢工，叫吴佩孚的兵打死了。她怏怏地说：“我妈后来说，么那样倒霉呢？几万人罢工，流弹就把他逮着了。再过一天就是小年了，那天还飘着雪花，我妈抱着我靠在门边，望我父回来过节，哪想到等回的是我父的尸体……二十七年六月间，东洋人进攻汉口，街坊们一窝蜂跑反，看着飞机冲过来，跟着就丢下几个炸弹。我妈趴在我身上，她是护着我了，自个儿却炸死了……”

2000—2013年吉林省水稻生产总水足迹波动较大，整体呈下降趋势，如图5所示。由图5可知：2008年水稻总水足迹最低，为955.6 m3/t；2000年水稻总水足迹最高，为1 319.1 m3/t。

  

图5　2000—2013年吉林省水稻生产总水足迹

2008年蒸散量较平均值低27 mm，单位面积产量比平均值高1.11 t/hm2，总水足迹最低。2000年单位面积水稻产量比平均值低0.40 t/hm2，总水足迹最高。水稻总水足迹受蒸散量和单位面积产量的影响，蒸散量越高，单位面积产量越低，总水足迹越高。

2)水稻蓝水足迹的分布则是东中部和东部的中南地区较低，特别是舒兰市、蛟河市、吉林市市区、永吉县、桦甸市、集安市、临江市的蓝水足迹均小于200 m3/t。而高值区则分布在西部和中部地区，如白城市、镇赉县、乾安县、长岭县、德惠市和九台市等。东部地区的珲春市、敦化市、安图县、和龙市和龙井市蓝水足迹较高，是因为当地的水稻单位面积产量较低，珲春市2013年水稻的单位面积产量为3.42 t/hm2，为当年全省最低值。

2.2　水稻生产水足迹空间分布差异

2.2.1　水稻生产水足迹空间变化特征

定量血流分数测量系统属于国内和国际的首创产品，是国家食品药品监督管理总局认定的创新医疗器械[13]，近期已获批准上市[14]，其由主机和显示屏组成，其中主机内安装QFR测量软件(发布版本1.0)。主机通过数据通信接口获得两个冠状动脉血管造影的医学数字成像和通信影像序列，使用QFR测量软件进行冠状动脉血管三维重建及QFR计算，预期供培训合格的医技人员用于成人患者冠状动脉病变血管的功能学评价。

以县(市、区)的为空间分析单元，对2013年吉林省48个县(市、区)的水稻生产绿水足迹、蓝水足迹、灰水足迹和总水足迹分别进行计算，并利用ArcGIS软件绘制吉林省水稻生产水足迹的空间分布图，如图6所示。

环保意识，对损坏的元器件、部件等要妥善处理；成本意识，购置元器件时优先选择性价比高的商家（80%学生达到）；

  

图6　2013年吉林省水稻生产水足迹空间分布特征

分析图6可知，2013年吉林省水稻生产水足迹的空间差异性明显：

1)水稻绿水足迹的低值区主要集中在吉林省的中部和西部地区，如洮南市、长岭县、双辽市、梨树县、公主岭市、四平市和扶余市等，其中长岭县最低，其值为302.2 m3/t。绿水足迹的高值区主要分布在东部和东中部地区，如东丰县、敦化市、桦甸市、靖宇县、珲春市等，其中珲春市最高，其值为1 106.7 m3/t。绿水足迹空间分布的差异性与当地的降水量和水稻产量密切相关。吉林省东部和东中部属于较湿润地区，有效降水量多，并且水稻的单位面积产量较低，所以绿水足迹较大；而中部和西部地区属于半湿润半干旱地区，有效降水量相对较少，并且水稻的单位面积产量较高，所以绿水足迹较小。

何良诸从后视镜内，瞥见司机阴郁的脸。这个车豁子，给领导赶车时有说有笑，荤故事白话得溜溜的，逗得领导浑身肉颤，会讨主子喜欢。司机晓得何良诸在机关内的处境，狗眼看人低。轿车经过枪城，何良诸仿佛听见隐隐射击声，一拍座椅，叫道：“去枪城。”

断奶时逐渐断奶5～7天，过渡期间，颗粒料采食量应不断上升。如果牧场监控犊牛生长速度，断奶后生长速度没有下降，跟以前持平或更高，那证明瘤胃发育非常好；若断奶前呈直线上升，断奶后出现下降，那说明瘤胃发育不好，意味着牧场至少要花一个月时间去补救，那么发情、配种、产犊等都会推后一个月，也就是说平白增加了一个月成本。所以在犊牛断奶前后阶段，牛奶要喂，开食料更要喂。

3)水稻灰水足迹的高值区主要集中在西部地区的镇赉县、乾安县，中部地区的德惠市、九台市，东中部地区的辽源县和东丰县，东部地区的珲春市、敦化市、和龙市、龙井市。低值区主要分布在扶余市、梨树市、公主岭市、集安市、临江市。东部地区主要发展林业，化肥施用量最小，为170 kg/hm2，水稻产量较低；西部地区化肥施用量最大，为230 kg/hm2，但产量较高，因此部分县(市)的水稻灰水足迹较小。比如扶余市2013年水稻单位面积产量为9.00 t/hm2，其灰水足迹为255.6 m3/t。影响水稻灰水足迹的因素主要为化肥施用量和水稻的单位面积产量。化肥施用量越高，灰水足迹越大；水稻的单位面积产量越小，灰水足迹越大。

4)水稻总水足迹的高值区主要分布在吉林省东部和西部地区，如镇赉县、白城市市区、乾安县、东丰县、敦化市、龙井市和珲春市；低值区则分布在东中部和中部地区，如梨树县、四平市、公主岭市、榆树市、集安市。其中公主岭市水稻总水足迹为全省最低值，为732.7 m3/t；珲春市水稻总水足迹为全省最高值，为2 291.6 m3/t。

2.2.2　水稻生产水足迹热点分析

运用指数计算公式，计算2013年吉林省水稻生产绿水足迹、蓝水足迹、灰水足迹和总水足迹的并利用ArcGIS软件将其空间可视化。为表现不同空间位置上水稻生产水足迹高、低值集聚分布的状态，采用最佳自然断裂点法将区域由高到低分为4类：热点区、次热点区、冷点区、次冷点区。2013年吉林省水稻生产水足迹的热点分析结果如图7所示。

  

图7　2013年吉林省水稻生产水足迹的热点分析结果

由图7可知，水稻生产绿水足迹和蓝水足迹热点区的空间差异性明显。绿水足迹的热点区集中在东部和中东部，呈团块状集中分布；而中部的梨树、公主岭地区和西部的长岭、前郭地区为冷点的低值簇。蓝水足迹热点区的高值簇集中在西部的大安、乾安等地；冷点区则呈条带状分布在东部的集安、白山等地和中东部的蛟河、桦甸等地。水稻生产灰水足迹的冷点区分布较为分散，而热点区呈片状分布。水稻生产总水足迹的热点区主要呈团块状分布在东部和西部地区；冷点区则在东、中、西部均有分布。

3　结语

水足迹理论的提出为农业生产用水评价提供了新的理论方法。核算一个地区粮食作物生产水足迹，不仅可以掌握其生产过程中的耗水量，而且可以明确耗水量的供给或需求来源，并且能够综合反映该地区粮食生产中水资源利用效率的高低，可为合理利用水资源、调配水资源提供依据。

评价反馈是课堂教学的重要组成部分。正确的评价可以使学生了解自己的学习情况，增强学习动机。同时，评价能正确反映教学质量，教师能及时根据反馈调整教学策略。我们应采用形成性评价和总结性评价相结合的方法，强调过程和结果，使学习过程和学习结果的评价达到和谐统一。

本文在对吉林省2000—2013年水稻绿水足迹、蓝水足迹、灰水足迹和总水足迹核算的基础上，探讨了单位面积产量的水稻生长耗水量及耗水结构的变化特征，并以2013年为例，运用GIS空间分析和热点分析方法探讨了水稻生产水足迹的空间分布特征。主要结论为：

1)2000—2013年吉林省水稻生产绿水足迹呈波动式上升趋势，蓝水足迹、灰水足迹和总水足迹则呈波动式下降趋势。总水足迹的平均值为1 175.8 m3/t，其中绿水足迹、蓝水足迹、灰水足迹分别占37.33%、37.37%、25.30%。

中小型工业企业规模小，生产能力有限，多数企业产品都比较单一，受所处行业的大环境影响较大，自身抗击风险的能力较弱。一旦外部环境出现负面的情况，业绩下滑的压力就较大。正是由于中小企业业绩抗风险能力较弱，银行等比较重视企业现金流量的金融机构在对企业评级的时候打分就偏低。企业要申请贷款难度就显得比较大。

2)2013年吉林省水稻生产水足迹空间分布差异明显。总水足迹的高值区主要分布在吉林省东部和西部地区，如镇赉县、白城市市区、乾安县、东丰县、敦化市、龙井市和珲春市；低值区则分布在东中部和中部地区，如梨树县、四平市、公主岭市、榆树市、集安市。

3)水稻生产绿水足迹和蓝水足迹热点、冷点区的分布较为集中，而灰水足迹和总水足迹热点、冷点区的分布较为分散。

4)吉林省水稻生产水足迹以绿水足迹、蓝水足迹为主，为了有效利用水资源，应根据本地区绿水与蓝水的比例，合理配置雨水和地下水的利用量，努力推广节水灌溉技术，提高雨水的利用率。同时，在保证产量的前提下，控制农药和化肥的施用量，提高化肥营养元素的利用率，将灰水足迹控制在合理的范围内，以确保东北地区的粮食安全，保护生态环境，促进农业的可持续发展。

参　考　文　献

[1] MOLDEN D,OWEIS T Y,PASQUALE S,et al.Water for food,water for life,a comprehensive assessment of water management in agriculture,in pathways for increasing agricultural water productivity[J].Earthscan and International Water Management Institute,2007：279-310.

[2] LIU Qiang,YANG Zhifeng,CUI Baoshan.Spatial and temporal variability of annual precipitation during 1961—2006 in Yellow River Basin,China[J].J Hydrol,2008,361: 330-338.

[3] 秦丽杰，靳英华，段佩利.吉林省西部玉米生产水足迹研究[J].地理科学,2012,32(8):1020-1025.

[4] HOEKSTRA A Y,CHAPAGAIN A K,ALDAYA M M,et al.The water footprint assessment manual:setting the global standard[M].London:Earthscan,2011.

[5] CHAPAGAIN A K,HOEKSTRA A Y,SAVENIJE H H G,et al.The water footprint of cotton consumption:an assessment of the impact of worldwide consumption of cotton products on the water resources in the cotton producing countries[J].Ecological Economics,2006,60(1):186-203.

[6] CHAPAGAIN A K,HOEKSTRA A Y.The water footprint of coffee and tea consumption in the Netherlands[J].Ecological Economics,2007,64(1):109-118.

[7] 盖力强，谢高地，李士美,等.华北平原小麦、玉米作物生产水足迹的研究[J].资源科学,2010,32 (11):2066-2071.

[8] MEKONNEN M M,HOEKSTRA A Y.A global and high-resolution assessment of the green,blue and grey water footprint of wheat[J].Hydrol Earth Syst Sci,2010,14:1259-1276.

[9] 张宇，李云开，欧阳志云，等.华北平原冬小麦-夏玉米生产灰水足迹及其县域尺度变化特征[J].生态学报,2015,35(20):6647-6654.

[10] 石鑫.新疆近30年棉花生产水足迹时空演变分析[D].杨凌:西北农林科技大学,2012.

[11] 赵慧,潘志华,韩国琳,等.气候变化背景下武川主要作物生产水足迹变化分析[J].中国农业气象,2015,36(40):406-416.

[12] 段佩利,秦丽杰.基于ESDA的吉林省玉米生产水足迹空间分异[J].东北师大学报(自然科学版),2015,47(2):120-127.

[13] 孙世坤.近50年来河套灌区作物生产水足迹时空演变过程研究[D].杨凌:中国科学院大学,2013.

[14] 何浩,黄晶,淮贺举,等.湖南省水稻水足迹计算及其变化特征分析[J].中国农学通报,2010,26(14):294-298.

[15] CHAPAGAIN A K,HOEKSTRA A Y.The blue,green and grey water footprint of rice from production and consumption perspectives[J].Ecol Econ,2011,70:749-758.

[16] YOO S H,CHOI J Y,LEE S H,et al.Estimating water footprint of paddy rice in Korea[J].Paddy and Water Environment,2014,12(1):43-54.

[17] 吉林省地方志编纂委员会.吉林省志卷四(自然地理志)[M].长春:吉林人民出版社,1992.

[18] HOEKSTRA A Y.Virtual water trade:proceedings of the international expert meeting on virtual water trade[C]//Value of Water Research Report Series:No.12,Delft,the Netherlands,2003:13-23.

[19] ALLEN R G,PRUITT W O,WRIGHT J L,et al.A recommendation on standardized surface resistance for hourly calculation of reference ET0 by the FAO 56 Penman-Monteith method[J].Agricultural Water Management,2005,81(1/2):1-22.

[20] GETIS A,ORD J K.The analysis of spatial association by the use of distance statistics[J].Geographical Analysis,1992,24(5):189-206.

[21] HEWINGS G J D,NAZARA S,DRIDI C.Channels of synthesis forty years on:integrated analysis of spatial economic systems[J].Journal of Geographical Systems,2004,6(1):7-25.

[22] 段佩利.基于GIS和水足迹理论的吉林省粮食生产用水效率研究[D].长春:东北师范大学,2015:19-20.

(3)L1层各弧段的距离误差完成后,可选取最小距离误差及其匹配弧段继续分段构成L2层搜索弧段,但事实上最优解并不一定位于最小距离误差弧段的内部,而是可能落于两相邻弧段中点所限定的区域的任意位置(图3左侧高度弧实线所夹区域);对于边缘弧段则是弧线端点与相邻弧段中点所限定的区域(图3右侧)。故为避免遗漏最优解,在此保留该区域,将其等分为2N份(边缘区域分为1.5N份)构成L2层搜索弧段,并删除剩余区域以大幅减少运算量,重复步骤(2)搜索最小误差弧段。