EN中文

资源科学 >

2025 , Vol. 47 >Issue 3: 558 - 571

DOI: https://doi.org/10.18402/resci.2025.03.10

人水关系评估与模拟

基于投入产出模型的长江经济带贸易隐含水污染转移格局

  • 何伟军 ,
  • 李晟桦 ,
  • 安敏 ,
  • 方雪
展开
  • 三峡大学经济与管理学院，宜昌 443002
安敏，女，河南新乡人，副教授，研究方向为资源环境管理。E-mail:

何伟军，男，湖南邵阳人，教授，研究方向为资源环境管理与区域经济。E-mail:

收稿日期: 2024-03-04

  修回日期: 2024-09-05

  网络出版日期: 2025-04-09

基金资助

国家自然科学基金青年项目(72004116)

国家社会科学基金重大项目(19ZDA089)

湖北省自然科学基金面上项目(2022CFB292)

收起

The pattern of trade-embodied water pollution transfer in the Yangtze River Economic Belt based on an input-output model

  • HE Weijun ,
  • LI Shenghua ,
  • AN Min ,
  • FANG Xue
Expand
  • School of Economics and Management, China Three Gorges University, Yichang 443002, China

Received date: 2024-03-04

  Revised date: 2024-09-05

  Online published: 2025-04-09

Fold

摘要

【目的】分析长江经济带贸易隐含水污染转移格局及各产业部门的隐含水污染排放拉动系数，有利于更深层次掌握区域经济社会发展与水资源保护之间的关系，为区域人水关系协同优化和可持续发展格局构建提供参考依据。【方法】本文依据多区域投入产出原理，结合2017年长江经济带多区域投入产出表与其各省（市）部门的用水数据，建立多区域投入产出模型，计算分析各省（市）间虚拟水流动格局、隐含水污染转移格局和产业部门间隐含水污染排放的拉动情况。【结果】①在虚拟水流动中，下游地区主要消费虚拟水，中游地区主要供应虚拟水，上游地区与其他地区虚拟水贸易联系较弱；上海是虚拟水的主要消费者，安徽是虚拟水的主要生产者；其他部门的虚拟水大部分来自农业和电力热力的生产供应业。②在隐含水污染转移中，下游地区转移的隐含水污染最多，隐含水污染净流出量为5.92亿m3，中游地区是隐含水污染排放的主要承担者，隐含水污染净流入量为6.43亿m3；江苏转移的隐含水污染最多，浙江承担了江苏83.37%的隐含水污染；农业部门承担的隐含水污染最多。③农业部门隐含水污染的直接排放系数最大，为1222.16 m3/万元，建筑业拉动系数最高，为28.31，若增加产出将增大其他部门的隐含水污染排放。【结论】中下游省（市）在虚拟水流动中表现活跃；隐含水污染的转移主要集中在中下游省（市）间或贸易联系密切的部门间；不同部门直接或间接用水以及隐含水污染排放强度存在较大差异。

关键词： 虚拟水; 隐含水污染; 拉动系数; 多区域投入产出模型; 长江经济带

本文引用格式

何伟军 , 李晟桦 , 安敏 , 方雪 . 基于投入产出模型的长江经济带贸易隐含水污染转移格局[J]. 资源科学, 2025 , 47(3) : 558 -571 . DOI: 10.18402/resci.2025.03.10

Abstract

[Objective] The analysis of the trade embodied water pollution transfer pattern and the pull coefficient of embodied water pollution discharge of various industrial sectors in the Yangtze River Economic Belt is conducive to a deeper understanding of the relationship between regional economic and social development and water resources protection, and provides a scientific reference for the collaborative optimization of regional human-water relationship and the construction of sustainable development pattern. [Methods] Based on the principle of multi-regional input-output, this paper established a multi-regional input-output model based on the multi-regional input-output table of the Yangtze River Economic Belt and the water consumption data of various provinces and municipalities in 2017, and calculated and analyzed the virtual water flow pattern among provinces, embodied water pollution transfer pattern and the pull of embodied water pollution discharge among industrial sectors. [Results] (1) In the virtual water flow, the downstream area mainly consumes virtual water, the middle area mainly supplies virtual water, and the upstream area has weak trade relationship with other areas; Shanghai is the main consumer of virtual water, and Anhui is the main producer of virtual water. Most of the virtual water in other sectors comes from agriculture and the production and supply of electricity and heat. (2) In the transfer of embodied water pollution, the downstream area transferred the largest amount of embodied water pollution, with a net outflow of 592 million m3, and the middle reaches area was the main bearer of the discharge of embodied water pollution, with a net inflow of 643 million m3, and Jiangsu transferred the largest amount of embodied water pollution, with Zhejiang bearing 83.37% of the embodied water pollution in Jiangsu. The agricultural sector bears the most of the embodied water pollution. (3) The direct embodied water pollution discharge of the agricultural sector was the largest, and the direct grey water discharge coefficient was 1222.16 m3/10000 yuan. The pull coefficient of the construction industry was the highest, which was 28.31, indicating that increasing the output of the construction industry would lead to a large amount of sewage discharge in other sectors. [Conclusion] The middle and lower provinces are active in the virtual water flow. The transfer of embodied water pollution is mainly concentrated in the middle and lower provinces or among departments with close trade links. There are great differences in the discharge intensity of direct or indirect water use and embodied water pollution in different departments.

Key words： virtual water; embodied water pollution; pull coefficient; multi-regional input-output model; Yangtze River Economic Belt

1 引言

2020年，习近平总书记指出，长江流域生态环境保护和高质量发展正处于由量变到质变的关键时期，取得的成效还不稳固，客观上还存在不少难题[1]。长江经济带排污总量大、强度高的问题依然严峻，尤其污水排放量占全国总量的比重超过了40%[2]。水质恶化等问题的出现加剧了人水之间的矛盾，保护水环境已经成为长江经济带亟待解决的重要问题之一[3]。由于长江经济带各省（市）社会经济发展不均衡，要素禀赋存在差异使得各地区产业发展不同，产生的水污染具有明显的区域异质性，因此各省（市）在控制水污染排放中承担着不同的责任。加之我国对水污染治理的属地管理原则，理清各省市环境治理减排责任，实现跨区域水污染联防联控显得尤为重要。但是，随着人类活动的增强，长江经济带各省（市）间贸易等经济联系日益密切，产业链分工也发生了变化，商品和服务的生产、消费空间错配产生了水污染转移的现象。隐含在地区间生产要素流动或贸易中的水污染，不仅对当地生态环境造成损害，威胁着人类的用水安全，还加重了使用生产要素或者供应产品地区的污染排放责任，而进口商品的地区在一定程度上转移了相应的水污染责任，这使得产品生产者和消费者之间的环境影响更加复杂[4]。可见，忽视隐含在商品和服务中的水污染不利于长江经济带水污染责任的划分，进而妨碍区域的人水关系协调发展和可持续发展。在此背景下，研究长江经济带各地区及各产业部门之间由于跨地区贸易产生的水污染转移情况，有利于探索长江经济带水环境保护与经济发展之间的关系，为长江经济带水污染治理提供针对性建议。
在水资源管理的相关研究中，产品贸易中隐含的水资源的相关研究起步较晚。学者首先关注的是虚拟水，即生产产品或服务过程中所用的水资源量，伴随着产品的流通在各地区之间流动[5]。分析虚拟水的流动格局有利于探究经济社会发展与水资源配置之间的关系，对经济发展与资源之间的适配关系具有重要意义。随后，学者不仅仅研究了贸易中隐含的水资源量，而且加入了水质的角度进行了更全面的分析。荷兰学者Hoekstra[6]提出的灰水足迹是由生产和生活活动引起的可以对水量和水质进行双重考量的污染指标，能准确地反映出产品需求地区对供应地区水污染的影响程度[7]。目前关于灰水足迹的研究，一方面是对灰水足迹强度展开的研究，是通过灰水足迹计算模型对农业[8⇓⇓-11]、纺织业[12]、工业[13]等单一产业或者对全国[14]、长江经济带[15,16]、省份[17,18]、地市[19]等不同尺度区域的灰水足迹进行测算分析，这些丰富了灰水足迹的研究内容，但只是测算了单个产业或区域的灰水足迹强度，未从产业细分视角对灰水足迹做出分析；另一方面是对灰水足迹转移展开的研究，如孙才志等[20]研究了全国各地区及产业间灰水足迹转移的特点，研究认为用于稀释水体污染物的水资源从生产端转移到了消费端，侧重于分析灰水足迹的转移路径；Feng等[21]同样研究了灰水足迹转移的情况，但研究认为生产端排放水体污染物是由于消费需求引起的，通过产品贸易的方式，消费端将水污染排放责任转移给了生产端，称之为贸易隐含水污染转移，并通过计算灰水足迹来量化这部分的水污染，但以上研究只分析了地区之间隐含水污染的转移，缺乏讨论产业部门间隐含水污染转移的情况。
本文在对长江经济带各省（市）及各部门的虚拟水流动和隐含水污染转移展开研究的同时，还试图分析单个部门的生产对于整个经济体系水污染排放的影响情况，从而揭示单个部门在生产过程中隐含水污染的排放情况。通过文献阅读，发现有学者通过拉动系数来分析某部分的增长量对于整体增长程度的拉动情况，如戴翔等[22]利用拉动系数分析了中国经济总产出增长对全球总产出增长的拉动作用。在水资源领域，拉动系数多用于研究各部门之间水资源使用的影响情况。如曹涛等[23]通过拉动系数识别了京津冀地区的重点耗水部门；邓建伟等[24]通过拉动系数分析了甘肃省各部门的用水相关关系。通过文献梳理可以看出，拉动系数与虚拟水相结合的研究较多，但局限于只能分析各部门之间用水量的影响情况，对于水污染的刻画尚且不足。
基于上述分析，当前研究还存在以下改进的空间：①灰水足迹的研究侧重于分析单个产业或者某区域的灰水足迹强度，从隐含水污染转移视角对长江经济带各省（市）及产业的研究较少；②产业间虚拟水拉动效应的研究只能反映各产业部门生产对整个经济体系水资源使用量的增加情况，而将灰水足迹投入产出模型与拉动系数相结合能够更加清楚地反映各产业部门灰水排放的相互影响情况，但现有研究对此分析不足。
因此，本文结合2017年长江经济带多区域投入产出表以及整合后28个产业部门的用水数据，构建出长江经济带多区域投入产出模型，测算长江经济带11个省（市）及各产业部门的虚拟水量和贸易隐含水污染量，从而研究长江经济带的虚拟水流动格局、贸易隐含水污染转移格局，并结合各部门隐含水污染排放的拉动系数进而探究长江经济带各产业部门隐含水污染的排放强度，为长江流域生态保护与经济社会高质量发展提供新思路和参考依据。

2 研究区概况

长江经济带是指以整个长江流域为中心向沿岸辐射的经济发展区域[25]。长江经济带地理分布跨度大，横跨我国东部、中部和西部三大区域，以黄金水道为基础，涉及沿海地区、中下游平原地区以及西南山区。下游包括上海、江苏和浙江，中游地区包括安徽、江西、湖北和湖南，上游地区则包含重庆、四川、贵州以及云南，总共11个省（市）（图1）。2023年长江经济带面积约205.23万km2，占全国21.4%，总人口占全国比重超过40%，GDP约占全国45%，是中国重要的经济发展区域之一，具有独特优势和巨大发展潜力[26,27]。
图1 长江经济带区域图

Figure 1 Regional map of the Yangtze River Economic Belt

近年来，长江流域的省际联系日益紧密，其贸易网络结构正逐渐往“苏-浙-皖-赣”和“川-渝-滇-贵”两大核心圈发展[28]。并且随着水陆空交通的快速发展，跨省际产品和服务贸易更加频繁，商品中所含的水资源随着贸易流通得到了重新分配，水污染也可能在各省（市）之间发生转移，从而带来水污染排放责任冲突问题，使得水污染问题的管理更加混乱[29]。因此，有必要对长江经济带的隐含水污染转移情况进行研究，分析隐含水污染在各地区各产业部门之间的转移路径及转移量，对推动长江经济带水环境绿色发展具有重要意义。

3 研究方法与数据来源

3.1 研究方法

3.1.1 长江经济带多区域投入产出模型

（1）投入产出表
基于不同的研究范围，投入产出表可严格划分为单区域投入产出表和多区域投入产出表，其中多区域投入产出表能够清晰明了地刻画出各地区中所有产业部门的投入产出情况，因而更适用于本文的研究。为便于研究，本文将非长江经济带范围的省（市）进行合并，最终得到长江经济带多区域投入产出表，其框架见表1。
表1 长江经济带多区域投入产出简表

Table 1 Input-output table in multiple regions of the Yangtze River Economic Belt

投入 中间使用 最终使用 出口 总产出
上海 … 云南 上海 … 云南
部门1 … 部门n … 部门1 … 部门n
中间投入 上海 部门1 x 11 11 … x 1 n 11 … x 11 1 m … x 1 n 1 m y 1 11 … y 1 1 m e x 1 1 X 1 1
… … … … … … … … …
部门n x n 1 11 … x n n 11 … x n 1 1 m … x n n 1 m y n 11 … y n 1 m e x n 1 X n 1
… … … … … … … … … … … … …
云南 部门1 x 11 m 1 … x 1 n m 1 … x 11 m m … x 1 n m m y 1 m 1 … y 1 m m e x 1 m X 1 m
… … … … … … … … …
部门n x n 1 m 1 … x n n m 1 … x n 1 m m … x n n m m y n m 1 … y n m m e x n m X n m
进口 i m 1 1 … i m n 1 … i m 1 m … i m n m
增加值 v 1 1 … v n 1 … v 1 m … v n m
总投入 X 1 1 … X n 1 … X 1 m … X n m
（2）相关概念模型
虚拟水和隐含水污染的转移机制如图2所示，假设存在A和B两个区域经济体，区域A向区域B提供中间产品和最终产品。虚拟水随着贸易流从区域A转移到了区域B，引起区域A的水资源向区域B发生了转移。与此同时，灰水足迹同样随着贸易流从区域A转移到了区域B，是稀释污染物所用的实体水资源发生了转移，但区域A在生产产品时排放的污染物未发生转移，而是保留在了区域A。水污染转移机制为：区域B在消费区域A提供产品和服务的过程中，水污染被隐含在贸易流中从区域B转移到了区域A，或者说由于消费端的区域B的消费需求引致生产端区域A产生水污染排放，属于需求驱动的水污染排放转移。在此过程中，区域B减轻了自身承担的水污染责任，将责任转移给了区域A，区域A为实际污染承担者，可称为消费侧水污染转移排放。
图2 虚拟水/灰水足迹和隐含水污染的转移机制

Figure 2 Virtual water/grey water footprint and transfer mechanism of embodied water pollution

（3）虚拟水核算
本文参考CEADs团队[30]的多区域投入产出模型进行研究。假设模型中所包含区域个数为m，每个区域均含有n个产业部门，表1中， x i j r s为 s区域 j部门对 r区域 i部门产品的投入和使用； y i r s为 s区域对 r区域 i部门产品的最终使用； e i r、 i m j s分别为 r区域 i部门的出口和 s区域 j部门的进口； v j s、 X i r分别为 s区域 j部门的增加值和 r区域 i部门的总产出。因此，长江经济带多区域投入产出模型可表示为：
X i r = ∑ s = 1 m ∑ j = 1 n x i j r s + ∑ s = 1 m y i r s + e i r
将直接消耗系数 a i j r s = x i j r s / X i r代入式（1）可得：
X i r = ∑ s = 1 m ∑ j = 1 n a i j r s X i r + ∑ s = 1 m y i r s + e i r
通过矩阵形式表达（2）式为：
X r = A r s X r + Y r s + E r
式中： X r为总产出矩阵； A r s为直接消耗系数矩阵； Y r s为最终使用矩阵； E r为出口矩阵。对上式进行移项可得：
X r = Y r s + E r I - A r s - 1
式中： I - A r s - 1 = λ i j r s代表里昂列夫逆矩阵；矩阵内元素 λ i j r s为供给 s区域 j部门单位产品的最终需求所需要的 r区域 i部门的投入量。
在长江经济带多区域投入产出模型的基础上添加各部门生产过程中的用水量，构建出水资源拓展型多区域投入产出模型。各部门生产过程中的直接用水系数 ω i r作为虚拟水量核算的基础，直接用水系数组成的行向量为 W * r = W 1 ,   W 2 ,   . . . ,   W r，其中 W r = ω 1 r ,   ω 2 r ,   . . . ,   ω n r，表示 r区域 i部门生产单位产品时所消耗的 i部门提供的直接用水量，公式如下：
ω i r = w i r / X i r
式中： w i r为 r区域 i部门的用水量。
各用水部门在消费以自然形式投入水资源量的同时，也间接消费了由中间产品带来的水资源量，因此直接用水系数无法全面反映部门生产的耗水情况，而完全用水系数可全面表示各产业部门的单位产品增产时引发的完整系统总耗水的增加量，主要用于核算系统中虚拟水的相关数据量，故进一步计算完全用水系数矩阵：
Q r = W r I - A r s - 1
式中： Q r为 r区域各部门在生产单位产品时所消耗的整个体系的水资源量。
部门之间虚拟水流量计算如下：
μ i j r s = Q r × x i j r s
式中： μ i j r s为 s区域 j部门进口来自 r区域 i部门产品的虚拟水流量。
在不考虑进出口虚拟水贸易的情况下，一个地区总的虚拟水流量的计算公式为：
T r s = Q r Y r s = Q r Y N + Y C + Y G + Y P
式中： T r s为 r区域对 s区域的虚拟水流动矩阵； Y r s为由最终消费引起的 r区域对 s区域的虚拟水转移矩阵； Y N、 Y C、 Y G、 Y P分别为农村居民、城镇居民、政府、资本形成总额消费矩阵。

3.1.2 基于多区域投入产出表的隐含水污染转移计算方法

本文采取的是刘俊国等[31]、李慧等[32]提出的灰水足迹计算方法，对长江经济带11个省（市）2017年的灰水足迹进行计算。目前对区域灰水足迹计算和评价主要以国际水足迹网络出版的《水足迹评价手册》[33]为指导准则，计算公式如下所示：
W F g r e y = l / C m a x - C n a t
式中： W F g r e y为灰水足迹； l为污染物排放负荷； C m a x为环境水质标准情况下污染物的最高浓度； C n a t为自然条件下污染物在水体的初始浓度，在自然状态下的污染物初始浓度假设为0。
在公示（9）的基础上，假设区域 r有 i个部门，那么 r区域 i部门的灰水足迹 G i r计算公式如下：
G i r = m a x σ - τ l σ / c σ , m a x - c σ , n a t × q i r / T U r
式中： q i r为 r区域 i部门的用水量； T U r为区域 r所有部门的总用水量； l σ为 r区域排放污染物 σ的负荷； c σ ,   m a x为 r区域排放 σ污染物所允许的最大浓度； c σ ,   n a t为 r区域 σ污染物的自然浓度； m a x σ - τ为选择稀释各类污染物时所用的最大的用水量，即 G i r由最高灰水足迹比的污染物决定[34]。
在长江经济带多区域投入产出模型的基础上添加部门直接灰水排放量，构建出灰水足迹投入产出模型，直接灰水排放系数构成的行向量为 G = G 1 ,   G 2 ,   G 3 ,   . . . ,   G r，其中 G r = η 1 r ,   η 2 r ,   η 3 r ,   . . . ,   η n r， η i r是直接灰水排放系数，表示 r区域 i部门在生产单位产品时本部门直接排放的水污染量，公式如下：
η i r = g i r / X i r
式中： g i r为 r区域 i部门的直接灰水排放量。
完全灰水排放系数是直接灰水排放系数和间接灰水排放系数的总和，表示中间产品和最终产品的生产和服务中排放的水污染量，本文用直接灰水排放系数与列昂惕夫逆矩阵相乘得到：
H r = G r I - A r s - 1
则部门之间隐含水污染转移量计算如下：
T P i j r s = H r × x i j r s
式中： T P i j r s为 s区域 j部门进口来自 r区域 i部门产品时转移给 r区域 i部门的隐含水污染。
在不考虑进出口中隐含水污染转移的情况下，一个地区总的隐含水污染转移的计算公式为：
U r s = H r Y r s = H r Y N + Y C + Y G + Y P
式中： U r s为 s区域对 r区域的隐含水污染转移矩阵； Y r s为 r区域对 s区域最终消费的转移矩阵。

3.1.3 长江经济带产业部门隐含水污染排放影响情况计算方法

拉动系数，又称用水乘数[35]，表示某个产业部门增产单位产品后整个系统隐含水污染的增加情况，同时也可反映该部门与其他部门间的紧密程度，主要用于分析部门的生产变化对于整个经济体系隐含水污染的影响情况，其计算公式为：
L = f ' / f
式中： L为拉动系数； f为部门直接隐含水污染排放系数； f '为部门完全隐含水污染排放系数。
虚拟水直接用水系数和间接用水系数分别是指部门在单位产品生产过程中直接和间接消耗的水资源量，间接用水系数是完全用水系数与直接用水系数的差值，虚拟水拉动系数则是完全用水系数与直接用水系数的比值，反映的是部门生产单位产品对于整个经济体系水资源消耗的影响情况。直接隐含水污染排放系数和间接隐含水污染排放系数分别是指部门生产单位产品时直接和间接排放的隐含水污染，间接隐含水污染排放系数是完全隐含水污染排放减去直接隐含水污染排放所得，隐含水污染拉动系数是指部门生产单位产品对于整个系统隐含水污染排放的拉动情况。

3.2 数据来源

本文采用的基础数据来自中国碳核算数据库（CEADs）公布的《2017年多区域投入产出表》，涵盖了42个产业部门，该表包括中国30个省份（由于数据缺失，不包含西藏、港澳台地区）。
投入产出表的数据是间隔五年统计一次，目前可获得的最新数据只更新到了2017年。因此，在投入产出表数据更新之后，也可通过此方法从时间与空间的角度对隐含水污染问题的研究进行完善。
因为有些数据无法获取或者估算，本文通过合并一些产业部门，将2017年长江经济带11省（市）的投入产出表精简为28个产业部门，产业部门代码如表2所示。
表2 产业部门代码表

Table 2 List of industrial sector codes

序号 产业部门 代码 序号 产业部门 代码
1 农林牧渔产品和服务 Nl 15 交通运输设备 Jy
2 采矿业 Ck 16 电气机械和器材 Dq
3 食品和烟草 Sp 17 通信设备、计算机和其他电子设备 Tx
4 纺织品 Fz 18 仪器仪表 Yq
5 纺织服装鞋帽皮革羽绒及其制品 Fq 19 其他制造业 Qt
6 木材加工品和家具 Mc 20 电力、热力的生产和供应 Dr
7 造纸印刷和文教体育用品 Zw 21 燃气、水的生产和供应 Rq
8 石油、炼焦产品和核燃料加工品 Sl 22 建筑 Jz
9 化学产品 Hx 23 批发和零售 Pf
10 非金属矿物制品 Fj 24 交通运输、仓储和邮政 Jt
11 金属冶炼和压延加工品 Jl 25 住宿和餐饮 Zs
12 金属制品业 Js 26 金融 Jr
13 通用设备 Ty 27 房地产 Fc
14 专用设备 Zy 28 其他服务业 Qf
长江经济带各地区农业、建筑业和服务业部门的水资源使用量分别取自于2018年《中国统计年鉴》中的农业、建筑业和第三产业用水量；本文将2008—2017年的GDP增长率与各工业部门2008年的用水数据相结合，再通过2018年《中国统计年鉴》中各省市工业用水总量进行校正，从而得到长江经济带各省（市）工业细分行业2017年的用水量。本文获得各类用水量数据的间接方法，均来自相关研究[36,37]普遍采用的方法。
各省（市）废水排放总量及废水中主要污染物排放量的总排放量数据均来自2018年《中国统计年鉴》，本文将污染物表中浓度相对较大（数量级更大）的两种污染物COD和氨氮作为标准。各部门的排污标准来自《污水综合排放标准》（GB8978-1996），废水达标排放按三级排放标准，COD的排放标准为500 mg/L，氨氮的排放标准为50 mg/L。将各省（市）两种污染物的排放量与相对应的排放标准浓度相比，得到各地区的灰水总量，再将各省（市）各部门用水量占总用水量的比值作为各部门灰水使用权值，最终将各省（市）各部门这两类污染物的灰水量进行对比，灰水量较大的作为最终各地区各部门的灰水量。

4 结果与分析

4.1 长江经济带虚拟水流动格局

（1）从上、中、下游3个区域之间的虚拟水流动情况来看（图3a），下游和上游地区为虚拟水净流入区，中游地区是虚拟水净流出区。具体而言，下游地区在长江经济带内部虚拟水贸易中作为虚拟水产品的主要消费者，虚拟水净流入量为116.18亿m3，占虚拟水净流入总量的82.23%。中游地区在长江经济带内部虚拟水贸易中担任生产者角色，作为虚拟水产品的供应端，虚拟水净流出量为141.29亿m3。虽然上游地区实体水资源丰富，但仍担任虚拟水消费者的角色，虚拟水净流入量为25.11亿m3，造成了该地区水资源禀赋与使用的严重错配。
图3 长江经济带虚拟水流动格局

Figure 3 Virtual water flow pattern in the Yangtze River Economic Belt

（2）从长江经济带省（市）之间的虚拟水流动情况来看（图3b），安徽、江西、湖南属于虚拟水净流出区，长江经济带其他省（市）属于虚拟水净流入区。具体而言，上海是虚拟水产品的主要消费者，虚拟水净流入量为52.63亿m3，占虚拟水净流入总量的33.01%，流入量是流出量的5.46倍，其中有55.91亿m3的虚拟水来自江苏，占上海虚拟水流入量的86.76%，这造成了缺水的江苏大量实体水资源的流出，从而导致江苏更大的用水压力。浙江的虚拟水流入量最大，为142.73亿m3，占虚拟水贸易总量的30.11%，同时该省份的虚拟水产品主要供应给江苏，有92.89亿m3，占浙江虚拟水流出量的91.80%，在进口虚拟水产品的同时又造成了水资源的大量流出，是虚拟水贸易最频繁的省份。安徽是虚拟水产品的主要生产者，虚拟水净流出量最高，为118.22亿m3，占虚拟水净流出省份净流出总量的74.15%，虚拟水流出量是流入量的6.23倍，为长江经济带其他省（市）提供了一定的水资源保障。
（3）从产业部门间虚拟水流动格局来看（图4），农业和电力热力的生产供应业是虚拟水产品的主要输出部门，食品和烟草以及化学产品业两个部门则是虚拟水产品的主要输入部门。具体来说，农业和电力热力的生产供应业虚拟水输出量分别为1775.01亿、922.94亿m3，两部门虚拟水输出量之和占部门间虚拟水转移总量的86.54%，这两个部门的产品作为原材料输入到各个部门，为其他部门的生产提供水资源支撑。食品和烟草部门以及化学产品业部门虚拟水输入量分别为736.65亿、304.97亿m3，两部门虚拟水输入量之和占虚拟水转移总量的33.41%。其中食品和烟草部门从农业部门进口的虚拟水有692.91亿m3，占该部门虚拟水输入量的94.06%，说明食品和烟草行业所需的虚拟水产品几乎全部来自农业部门，这与食品和烟草部门十分依赖农产品有关，这两个部门之间的联系较为密切。农业部门输入到化学产品产业的虚拟水有167.91亿m3，占化学产品业部门虚拟水输入量的55.06%。食品和烟草以及化学产品业这两个部门的虚拟水输入量较高，中间产品需求量较大，它们作为产业链的末端在生产过程中使用了大量来自农业等部门的虚拟水。
图4 长江经济带产业部门间虚拟水流动格局

Figure 4 Pattern of virtual water flow between industrial sectors in the Yangtze River Economic Belt

4.2 长江经济带贸易隐含水污染转移格局

（1）从上、中、下游3个区域的隐含水污染转移格局来看（图5a），下游和上游地区主要向外转移水污染排放责任，中游地区是承担隐含水污染的主要区域。具体而言，下游地区是转移隐含水污染最多的区域，隐含水污染净流出量为5.92亿m3，占隐含水污染净流出地区净流出总量的92.07%，下游地区向中游地区转移了7.38亿m3的隐含水污染，占下游地区隐含水污染流出量的87.86%。原因是下游地区主要发展第二产业，水污染量较大的产品均依赖从其他地区进口，大大降低了自身生产造成的水污染，并且主要输出劳动密集型产品，所以隐含水污染的流入量远小于流出量，比例大约是3: 1。中游地区作为隐含水污染排放的主要承担者，隐含水污染净流入量为6.43亿m3，流入量是流出量的3.64倍，原因是该区域第一产业发达，经济发展主要依靠向外输出大量的农产品，而在农产品的生产过程中污染排放较大，从而成为隐含水污染转移的主要目标区域。上游地区隐含水污染的流入量和流出量都很小，上游地区由于与中下游地区的贸易往来较少，隐含水污染的转移量也远小于其他区域。
图5 长江经济带贸易隐含水污染转移格局

Figure 5 Pattern of embodied water pollution transfer by trade in the Yangtze River Economic Belt

（2）从长江经济带省（市）间的隐含水污染转移格局来看（图5b），长江经济带各省（市）之间构成了一种复杂的环境负担转嫁现象，江苏、浙江和上海在贸易中转移的隐含水污染量较为显著。具体来说，江苏向外转移的隐含水污染量为10.22亿m3，远大于其他省（市），隐含水污染主要外包给了浙江，浙江承担江苏的隐含水污染量为8.52亿m3，占江苏隐含水污染流出总量的83.37%。说明江苏在进口产品的过程中，将对高污染原材料产品的需求向浙江大量转移，不仅造成浙江水资源的大量流出还严重威胁到了浙江的水环境安全。浙江的隐含水污染主要转移到了安徽，安徽承担浙江的隐含水污染量为5.41亿m3，占浙江隐含水污染流出量的78.41%。上海的隐含水污染主要转移到了江苏，江苏承担上海的隐含水污染量为2.06亿m3，占上海隐含水污染流出量的78.03%。综上，江苏、浙江和上海在贸易活动中作为产品需求端将隐含水污染大量外包给了产品供应端，给供应地区的水环境带来了较大压力和污染风险，一方面应当调整江苏、浙江和上海3个省（市）的贸易结构，减少对于水污染排放较大产品的需求，将需求适当向其他富水地区转移，防止污染排放压力集中在某一个供应地区，另一方面应提高产品生产端的技术水平，生产低污染的原材料产品，替代污染排放较大产品的供应。
（3）从产业部门间隐含水污染转移格局来看（图6），农业和电力热力的生产供应业这两个部门承担的水污染排放责任最多，食品和烟草是隐含水污染流出最多的部门。具体而言，农业部门是隐含水污染流入最多的部门，流入量为102.77亿m3，占部门间隐含水污染转移总量的58.64%，承担的隐含水污染中有39.93亿m3来自食品和烟草部门，占农业部门承担的隐含水污染量的38.85%。这是因为食品和烟草部门与农业部门紧密关联，在大量进口农产品的过程中，将水污染排放较大的产品需求集中到农业部门，导致其承担了大量来自该部门的隐含水污染排放责任。电力热力的生产供应业部门承担的隐含水污染量小于农业部门，但远大于其他部门，隐含水污染流入量为48.16亿m3，其中隐含水污染主要来自建筑业、其他服务业和化学产品部门，分别有6.05亿、5.65亿、5.52亿m3，来自3个部门隐含水污染量之和占电力热力的生产供应业部门隐含水污染流入量的36.76%。食品和烟草部门是转移隐含水污染最多的部门，有42.33亿m3，占隐含水污染转移总量的24.15%。
图6 长江经济带产业部门间贸易隐含水污染转移格局

Figure 6 Pattern of embodied water pollution transfer by inter-industry trade in the Yangtze River Economic Belt

（4）长江经济带各省（市）产业部门贸易需求驱动下承担隐含水污染的占比情况（图7），上海承担隐含水污染的部门主要是电力热力的生产供应业部门，其他省（市）均是农业部门承担主要的隐含水污染。具体来说，上海的电力热力生产供应业部门出口产品时承担的隐含水污染量占比为62.46%，远超过其他省（市）该部门的承担比重，上海该部门产品主要输送到了江苏和浙江，由于上海主要发展第二产业并用于产品出口，并且需求端和供应端地理位置邻近，在运输成本较低的情况下产品需求完全依赖于该部门，从而导致其承担了大量转移来的隐含水污染。浙江、安徽、四川3个省份农业部门承担的隐含水污染占比分别为94.67%、91.08%、95.11%，浙江的农产品主要输送到江苏、安徽的农产品主要输送到浙江、四川的农产品主要输送到江苏、浙江和重庆，原因是浙江、安徽和四川3个省份均依靠平坦地势大力发展农业向其他地区出口农产品，农业发展规模扩大以及农药化肥的大量使用，导致这3个省份的农业部门承担了较大的隐含水污染排放责任。
图7 长江经济带各省（市）产业部门贸易需求驱动下承担隐含水污染的占比

Figure 7 The proportion of embodied water pollution driven by the trade demand of industrial sectors in the provinces (cities) of the Yangtze River Economic Belt

4.3 长江经济带产业部门用水及隐含水污染的排放强度

（1）从虚拟水使用情况来看（图8a），农业和电力热力的生产供应业这两个部门的直接用水系数远大于其他部门，建筑业，木材加工品和家具，住宿和餐饮以及食品和烟草等部门的拉动系数较大。具体而言，农业部门的直接用水系数最大，为3221.41 m3/万元；其次是电力热力的生产供应业，直接用水系数为2316.61 m3/万元，这两个部门生产单位产品需要消耗大量的水资源，可通过改进这两个部门的生产方式来降低其生产时的水资源使用量。建筑业拉动系数最大，为33.31，其次是木材加工和家具、住宿和餐饮以及食品和烟草等部门，拉动系数分别为26.59、24.60、21.65，这些部门在生产过程中需要从其他部门进口大量原材料产品，其间接消耗的水资源远超过部门直接使用的水资源，如果增大部门产出，将较大程度提高其他部门的水资源使用量，从而引起整个经济系统用水量的增加。
图8 长江经济带各产业部门虚拟水和隐含水污染完全排放系数构成及拉动系数

Figure 8 Composition and pull coefficient of complete discharge coefficients of virtual water and embodied water pollution in various industrial sectors in the Yangtze River Economic Belt

（2）从隐含水污染排放系数来看（图8b），农业和电力热力的生产供应业部门直接隐含水污染排放系数远大于其他部门，食品和烟草，纺织品，木材加工和家具以及住宿和餐饮部门间接隐含水污染排放系数远大于其他部门。具体而言，农业部门的直接隐含水污染排放系数最大，为1222.16 m3/万元，电力热力的生产供应部门（825.93 m3/万元）次之，说明这两个部门在生产过程中会直接造成大量的污水排放，若改进部门生产方式并加强部门污水处理设施的建设，可有效降低污水排放量。食品和烟草部门间接隐含水污染排放系数最大，为474.54 m3/万元，其次是纺织品、木材加工和家具以及住宿和餐饮，间接隐含水污染排放系数分别为425.76、365.04、303.05 m3/万元，如果提高这些部门的产出量将会引起原材料产品供应部门排放大量的隐含水污染，从而加大了水污染程度。因此，在制定水污染政策时，如果只考虑了直接隐含水污染排放系数，则这些间接隐含水污染排放量很大的产业部门就容易被忽略，导致水污染的状况更加严峻，所以应从整个经济生产活动周期考虑水污染问题，才能达到污染减排的目的。
（3）从隐含水污染排放拉动系数来看（图8b），建筑业，木材加工和家具，住宿和餐饮以及食品和烟草等部门拉动系数均远大于其他部门，农业和电力热力的生产供应业拉动系数最小。具体而言，建筑业的隐含水污染排放拉动系数最大，为28.31。由于建筑业直接排放的污水量比较小，而部门间接排放的污水量却很大，如果增大建筑业的产出，则会加剧其他产业部门的水污染状况。木材加工和家具行业（24.84）、住宿餐饮业（23.15）和食品和烟草行业（21.16）的拉动系数也明显高于其他部门，这些部门生产过程中间接消耗的原材料以及中间产品里存在水污染较大的产品，这3个部门单位产出的增加将较大程度带动其他部门的污水排放。农业与电力热力的生产供应业的拉动系数均接近1，由于这两个部门直接隐含水污染排放量很大，与此同时，作为其他部门原材料的供给者，自身生产所需的原材料需求不大，间接隐含水污染排放量较小，导致隐含水污染的直接和完全排放量差别不大，所以拉动系数接近1。

5 结论与建议

5.1 结论

本文基于多区域投入产出模型，计算分析了2017年长江经济带各省（市）及产业部门的虚拟水量和贸易隐含水污染量，探究了长江经济带各省（市）之间隐含水污染转移格局和产业部门间隐含水污染排放的相互影响情况。得出如下主要结论：
（1）在长江经济带虚拟水流动中，中下游省（市）的虚拟水流动频繁，上游区域虚拟水流动状态与实体水分布错配严重。上海和浙江是虚拟水的主要流向地，安徽是虚拟水产品的主要生产者。上游区域拥有水资源禀赋优势，但在虚拟水贸易中担任消费者的角色，不仅需要从水资源薄弱的下游区域进口虚拟水产品，而且自身少有虚拟水流向下游的缺水地区。
（2）隐含水污染的转移主要发生在上海、江苏、浙江和安徽之间，农业和食品烟草两个部门之间的隐含水污染转移量最突出。上海、江苏和浙江作为产品消费端，污染密集型产品均依赖从供应地区进口，从而将产品生产过程中造成的水污染问题转移到了产品供应地区；食品和烟草部门主要从其他部门进口原材料产品，尤其与农业部门贸易联系紧密，较大程度依赖农产品进口使得农业部门承担了大量来自食品和烟草部门转移来的水污染排放责任。
（3）直接或间接用水以及隐含水污染排放情况存在部门差异。农业与电力热力的生产供应业是高耗水高污染的两个部门，需严格控制生产用水及污染排放；木材加工和家具、住宿和餐饮、食品和烟草等部门作为产业链的末端直接消耗的水资源较少，同时直接造成的水污染也较小，但部门生产所需的原材料产品大量依赖进口，增产将促使原材料供给部门对于水资源的大量消耗及污染排放。所以不仅要注意直接用水和水污染排放较大的部门，还要重视这些间接用水和水污染排放大的部门。

5.2 建议

基于以上结论，为促进长江经济带的绿色协调发展，本文提出一系列针对性建议：
（1）加快推进上游区域与中下游区域的贸易联系。由于中下游省（市）之间贸易联系紧密，用水压力较大的地区仍需向外输出大量水资源，并承担来自消费地区转移的隐含水污染，这种贸易结构加剧了当地水资源短缺问题。因此，需促进上游区域与中下游区域尤其是水资源短缺地区的贸易联系，使其充分发挥资源优势，向外输出水资源密集型产品，并进行产品升级，走绿色高效之路，既要注意水资源的过度流失又要防止隐含在贸易中的水污染问题发生转移，在保护环境的前提下带动当地的经济发展，同时还可缓解缺水地区的水资源紧张状态。
（2）调整贸易结构，从消费端和生产端两个方面减少污水排放。由于下游各省（市）是转移隐含水污染的主要地区，其中江苏向外转移的隐含水污染最多，且主要向浙江转移，浙江主要向安徽转移，上海主要向江苏转移，形成了水污染转移路径闭环，加剧了下游地区的水环境压力。因此，江苏、浙江和上海作为产品消费端，应当减少水污染排放大的产品的需求，扩展产品供应链，将需求从邻近省（市）向地理位置较远且水资源充沛的中上游省（市）适当转移。同时，江苏、浙江和安徽作为产品生产端，各省（市）环保部门应当对水污染排放大的企业加大管理力度，减少水污染排放大的产品的生产，同时财政部门应鼓励企业在污水处理方面的研发与创新，帮助企业提高污水处理能力。
（3）优化产业结构，推广绿色农业。上海承担隐含水污染的部门主要是电力热力的生产供应业部门，且产品主要供应给了江苏和浙江。因此，上海应当加强产业结构的优化，推动电力热力的生产供应业部门向更为绿色低污染的方向转型，还应与江苏和浙江建立跨地区的环境治理合作机制，协同推进水污染治理。与此同时，江苏和浙江可以将对电力热力产品的需求向中下游省（市）适当转移，避免上海过度负担。其他省（市）均是农业部门承担主要的隐含水污染，浙江、安徽、四川3个省份农业部门承担的隐含水污染占比均超过了90%。各省（市）的政府部门可设专项资金支持绿色农业技术的培训与推广，环保部门也应该严格监管农业部门的污水排放，对违规行为实施惩罚。同时各省（市）还可以将经济发展的重心向低污染高附加值的第二、第三产业转移，充分发挥当地的地理优势和自然资源优势。尤其浙江、安徽和四川等农业大省，不仅要严格控制农业部门的污水排放，还要注意农业部门生产过程中水资源过度使用的情况。
本文在做隐含水污染转移的研究中只考虑了需求侧向生产侧转移隐含水污染的情况，未考虑到生产侧自身水环境污染外部性的缺失问题，未来可以通过其他模型对需求侧以及生产侧的灰水足迹进行核算，将生产侧和需求侧结合起来研究从而更全面地分析隐含水污染的转移问题；同时，本文只分析了长江经济带内部贸易中的隐含水污染转移情况，没有从全国的角度来分析长江经济带各省（市）与长江流域以外的其他省份之间的隐含水污染转移状况，而且在产业细分行业灰水足迹的计算中，忽略了农业、工业、服务业各自排放的污染物的差异，未来需要进一步深入探讨。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
胡森林, 曾刚, 王胜鹏, 等. 长江经济带减污降碳的时空格局演变与技术创新驱动[J]. 地理研究, 2025, 44(1): 72-90.

DOI

[ Hu S L, Zeng G, Wang S P, et al. Spatio-temporal evolution and technological innovation driven in reduction of pollution and carbon emissions of the Yangtze River Economic Belt[J]. Geographical Research, 2025, 44(1): 72-90.]

[2]
邓淇中, 张玲. 长江经济带水资源绿色效率时空演变特征及其影响因素[J]. 资源科学, 2022, 44(2): 247-260.

DOI

[ Deng Q Z, Zhang L. Spatiotemporal pattern and influencing factors of green efficiency of water resources in the Yangtze River[J]. Resources Science, 2022, 44(2): 247-260.]

[3]
Yang S W, Hao H S, Liu B, et al. Influence of socioeconomic development on river water quality: A case study of two river basins in China[J]. Environmental Science and Pollution Research, 2021, 28(38): 53857-53871.

[4]
田欣, 熊翌灵, 刘尚炜, 等. 中国省际水资源压力的转移模式[J]. 中国人口·资源与环境, 2020, 30(12): 75-83.

[ Tian X, Xiong Y L, Liu S W, et al. Deciphering the pattern for inter-provincial water stress transferring: A case study on China’s mainland[J]. China Population, Resources and Environment, 2020, 30(12): 75-83.]

[5]
石常峰, 俞越, 吴凤平, 等. 近远程耦合视角下黄河流域产业虚拟水流动与水资源短缺风险传递[J]. 自然资源学报, 2024, 39(1): 228-244.

DOI

[ Shi C F, Yu Y, Wu F P, et al. Exploring virtual water flows and water resources risk transfer in the Yellow River Basin based on local-distant perspective[J]. Journal of Natural Resources, 2024, 39(1): 228-244.]

[6]
Wöhler L, Niebaum G, Krol M, et al. The grey water footprint of human and veterinary pharmaceuticals[J]. Water Research X, 2020, DOI: 10.1016/j.wroa.2020.100044.

[7]
Yapicioglu P. Grey water footprint assessment for a dye industry wastewater treatment plant using Monte Carlo simulation: Influence of reuse on minimisation of the GWF[J]. International Journal of Global Warming, 2020, 21(2): 199-213.

[8]
杜慧娟, 王光耀, 冉光妍, 等. 面向SDGs的塔里木河流域农业灰水足迹分析[J]. 干旱区研究, 2023, 40(7): 1184-1193.

DOI

[ Du H J, Wang G Y, Ran G Y, et al. Agricultural gray water footprint in the Tarim River Basin using SDGs analysis[J]. Arid Zone Research, 2023, 40(7): 1184-1193.]

[9]
柯新利, 杜丹妮, 刘姿媚. 基于灰水足迹的长江经济带耕地利用生态效率时空分异特征[J]. 农业工程学报, 2024, 40(7): 277-287.

[ Ke X L, Du D N, Liu Z M. Characterization of the spatio-temporal divergence of eco-efficiency of cultivated land use using grey water footprint in the Yangtze River Economic Belt of China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2024, 40(7): 277-287.]

[10]
柯新利, 杨银玲, 刘姿媚, 等. 兼顾水质与水量的长江经济带农业水土资源匹配时空格局[J]. 中国农业资源与区划, 2023, 44(11): 65-78.

[ Ke X L, Yang Y L, Liu Z M, et al. Spatial-temporal pattern of agricultural water and soil resources matching in Yangtze River Economic Belt, China with consideration of both water quality and quantity[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2023, 44(11): 65-78.]

[11]
张扬, 郭彤彤, 张子恺. 农业绿色水资源利用与农业经济增长脱钩关系研究[J]. 中国农业资源与区划, 2023, 44(11): 103-113.

[ Zhang Y, Guo T T, Zhang Z K. Research on the decoupling relationship between agricultural green water resources utilization and agricultural economic growth[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2023, 44(11): 103-113.]

[12]
刘艺文, 王洪涛. 基于灰水足迹和熵值法的苏锡常地区水敏感性行业识别[J]. 环境科学学报, 2020, 40(8): 3053-3061.

[ Liu Y W, Wang H T. Identification of water-sensitive industries in Su-Xi-Chang Region based on grey water footprint and entropy method[J]. Acta Scientiae Circumstantiae, 2020, 40(8): 3053-3061.]

[13]
Huang Y Y, Han R R, Qi J C, et al. Health risks of industrial wastewater heavy metals based on improved grey water footprint model[J]. Journal of Cleaner Production, 2022, DOI: 10.1016/j.jclepro.2022.134472.

[14]
程鹏, 孙明东, 宋晓伟. 中国灰水足迹时空动态演进及驱动因素研究[J]. 生态环境学报, 2024, 33(5): 745-756.

DOI

[ Cheng P, Sun M D, Song X W. Study on the spatial and temporal dynamic evolution and driving factors of grey water footprint in China[J]. Ecology and Environmental Sciences, 2024, 33(5): 745-756.]

[15]
陈敏. 长江经济带水资源配置质量演化特征及其驱动因素[J]. 资源科学, 2022, 44(6): 1280-1291.

DOI

[ Chen M. Evolution trend and driving factors of water resources allocation quality in the Yangtze River Economic Belt[J]. Resources Science, 2022, 44(6): 1280-1291.]

DOI

[16]
何伟军, 孔阳, 沈菊琴. 长江经济带灰水足迹与经济增长的二维脱钩分析[J]. 河海大学学报(哲学社会科学版), 2022, 24(1): 68-74.

[ He W J, Kong Y, Shen J Q. A two-dimensional decoupling analysis of grey water footprint and economic growth in the Yangtze River Economic Belt[J]. Journal of Hohai University (Philosophy and Social Sciences), 2022, 24(1): 68-74.]

[17]
李胜楠, 王远, 罗进, 等. 福建省灰水足迹时空变化及驱动因素[J]. 生态学报, 2020, 40(21): 7952-7965.

[ Li S N, Wang Y, Luo J, et al. Spatio-temporal variations and driving factors of grey water footprint in Fujian Province[J]. Acta Ecologica Sinica, 2020, 40(21): 7952-7965.]

[18]
尹明财, 朱豪, 胡圆昭, 等. 甘肃省灰水足迹变化特征及驱动因素[J]. 干旱区研究, 2022, 39(6): 1810-1818.

DOI

[ Yin M C, Zhu H, Hu Y Z, et al. Analysis of various characteristics and driving factors of gray water footprint in Gansu Province[J]. Arid Zone Research, 2022, 39(6): 1810-1818.]

DOI

[19]
王雅洁, 刘俊国, 赵丹丹. 基于水足迹理论的水资源评价: 以河北省张家口市宣化区为例[J]. 水土保持通报, 2018, 38(5): 213-219.

[ Wang Y J, Liu J G, Zhao D D. Assessing water resources based on theory of water footprint: A case study in Xuanhua District, Zhangjiakou City, Hebei Province[J]. Bulletin of Soil and Water Conservation, 2018, 38(5): 213-219.]

[20]
孙才志, 阎晓东. 基于MRIO的中国省区和产业灰水足迹测算及转移分析[J]. 地理科学进展, 2020, 39(2): 207-218.

DOI

[ Sun C Z, Yan X D. Measurement and transfer analysis of grey water footprint of Chinese provinces and industries based on a multi-regional input-output model[J]. Progress in Geography, 2020, 39(2): 207-218.]

[21]
Feng H Y, Yang M J, Zeng P, et al. Transprovincial water quality impacts and the environmental inequity of grey water footprint transfer in China[J]. Resources, Conservation and Recycling, 2022, DOI: 10.1016/j.resconrec.2022.106537.

[22]
戴翔. 世界经济增长中的中国贡献: 基于新框架的测算[J]. 世界经济研究, 2020, (11): 45-56.

[ Dai X. China’s contribution in world economic growth: Measurement based on new framework[J]. World Economy Studies, 2020, (11): 45-56.]

[23]
曹涛, 王赛鸽, 陈彬. 基于多区域投入产出分析的京津冀地区虚拟水核算[J]. 生态学报, 2018, 38(3): 788-799.

[ Cao T, Wang S G, Chen B. Virtual water analysis for the Jing-Jin-Ji Region based on multiregional input-output model[J]. Acta Ecologica Sinica, 2018, 38(3): 788-799.]

[24]
邓建伟, 金彦兆, 胡想全. 甘肃省水资源投入产出分析[J]. 水资源与水工程学报, 2018, 29(1): 62-66.

[ Deng J W, Jin Y Z, Hu X Q. Analysis of water resources input-output in Gansu Province[J]. Journal of Water Resources and Water Engineering, 2018, 29(1): 62-66.]

[25]
薄立明, 魏伟, 尹力, 等. 2000-2020年长江经济带水生态空间格局变化及其影响要素[J]. 中国环境科学, 2023, 43(2): 874-885.

[ Bo L M, Wei W, Yin L, et al. Evolution characteristics and influencing factors of hydro-ecological space pattern in the Yangtze River Economic Belt from 2000 to 2020[J]. China Environmental Science, 2023, 43(2): 874-885.]

[26]
Wu F, Yang X, Cui Z, et al. The impact of human activities on blue-green water resources and quantification of water resource scarcity in the Yangtze River Basin[J]. Science of the Total Environment, 2024, DOI: 10.1016/j.scitotenv.2023.168550.

[27]
金巍, 蒋薇. 长江经济带人口集聚对科技创新影响的空间异质性研究[J]. 长江流域资源与环境, 2025, 34(1): 14-27.

[ Jin W, Jiang W. Spatial heterogeneity of the impact of population agglomeration on technological innovation in the Yangtze River Economic Belt[J]. Resources and Environment in the Yangtze Basin, 2025, 34(1): 14-27.]

[28]
王厚双, 盛新宇, 赵鲁南. 长江经济带对外贸易竞争力水平测度及比较研究[J]. 经济理论与经济管理, 2021, 41(8): 96-112.

[ Wang H S, Sheng X Y, Zhao L N. Measurement and comparison of foreign trade competitiveness in the Yangtze River Economic Belt[J]. Economic Theory and Business Management, 2021, 41(8): 96-112.]

[29]
张祖增, 王灿发. 长江流域生态环境协同规制的立法诠释与意涵表达: 以《长江保护法》为述评视角[J]. 中国环境管理, 2023, 15(5): 97-106.

[ Zhang Z Z, Wang C F. Legislative interpretation and meaning expression of ecological environment collaborative regulation in the Yangtze River Basin: Take the Yangtze River protection law as the general perspective of the comment[J]. Chinese Journal of Environmental Management, 2023, 15(5): 97-106.]

[30]
Can C, Shuping L, Weichen Z, et al. Energy-related CO2 emission accounts and datasets for 40 emerging economies in 2010-2019[J]. Earth System Science Data, 2023, 15(3): 1317-1328.

[31]
王勤勤, 刘俊国, 赵丹丹. 京津冀地区主要农作物生产水足迹研究[J]. 水资源保护, 2018, 34(2): 22-27.

[ Wang Q Q, Liu J G, Zhao D D. Study on water footprint of main crop production in Jing-Jin-Ji Region[J]. Water Resources Protection, 2018, 34(2): 22-27.]

[32]
李慧, 郑王睿, 刘耕源. 灰水足迹研究进展与方法学改进[J]. 中国环境管理, 2024, 16(1): 127-135.

[ Li H, Zheng W R, Liu G Y. Critical review and methodological improvements of grey water footprint[J]. Chinese Journal of Environmental Management, 2024, 16(1): 127-135.]

[33]
Zhang X M, Zhou G G. A Scientometric analysis of ecological footprint of water resources from 2006-2018[J]. Ekoloji, 2019, 28(107): 1539-1549.

[34]
Li H, Liang Y H, Chen Q H, et al. Pollution exacerbates interregional flows of virtual scarce water driven by energy demand in China[J]. Water Research, 2022, DOI: 10.1016/j.watres.2022.118980.

[35]
姜珊, 秦长海, 朱永楠, 等. 北京市虚拟水消费与贸易分析[J]. 南水北调与水利科技(中英文), 2021, 19(5): 853-861.

[ Jiang S, Qin C H, Zhu Y N, et al. Analysis on the characteristics of virtual water consumption and trade[J]. South-to-North Water Transfers and Water Science & Technology, 2021, 19(5): 853-861.]

[36]
孙才志, 高春阳. 中国与“一带一路”沿线国家能源贸易隐含水足迹分形特征分析[J]. 水资源保护, 2022, 38(1): 52-61.

[ Sun C Z, Gao C Y. Analysis on fractal characteristics of implied water footprint of energy trade between China and countries along “the Belt and Road”[J]. Water Resources Protection, 2022, 38(1): 52-61.]

[37]
阎晓东, 孙才志. 中国省际水足迹空间转移网络特征研究[J]. 长江流域资源与环境, 2021, 30(3): 602-613.

[ Yan X D, Sun C Z. Study on the characteristics of inter-regional water footprint spatial transfer network in China[J]. Resources and Environment in the Yangtze Basin, 2021, 30(3): 602-613.]

Options
文章导航

/

〈 〉