西班牙农业中的水资源利用（2001–2019年）：灌溉强度增加的趋势及其影响
《Agricultural Water Management》：Water use in Spanish agriculture (2001–2019): Trends and impacts of irrigation intensification
【字体：
大
中
小
】
时间：2026年04月29日
来源：Agricultural Water Management 6.5
编辑推荐：
加布里埃尔·阿尔博内斯（Gabriel Arbonès）|奥莱山大·米亚利克（Oleksandr Mialyk）|露西亚·德斯特凡诺（Lucia De Stefano）|阿尔贝托·加里多（Alberto Garrido）
CEIGRAM，马德里理工大学，C/ Senda de
加布里埃尔·阿尔博内斯（Gabriel Arbonès）|奥莱山大·米亚利克（Oleksandr Mialyk）|露西亚·德斯特凡诺（Lucia De Stefano）|阿尔贝托·加里多（Alberto Garrido）
CEIGRAM，马德里理工大学，C/ Senda del Rey 13，Prácticas南校区，农业、食品和生物系统工程系，马德里28040，西班牙
**摘要**
自20世纪下半叶以来，西班牙农业得到了加强，这主要得益于灌溉范围的扩大、作物专业化以及技术现代化。这一进程中的一个关键里程碑是2002年至2015年间灌溉系统的广泛现代化。本研究利用基于网格的过程模型，对西班牙作物生产的水足迹（Water Footprint, WF）进行了时空明确的评估。通过将5弧分分辨率的模拟结果与国家和次国家级统计数据相结合，我们估算了2001年至2019年间70种作物及其组别的绿色水足迹（Green WF）和蓝色水足迹（Blue WF）。研究结果表明，由于木本作物的扩张，灌溉作物的总消耗性水足迹有所增加。尽管如此，包括灌溉输送和施用损失在内的总蓝色水足迹基本保持稳定，这主要归功于更高效的滴灌系统的广泛采用。虽然灌溉提高了西班牙农业的生产力（尤其是在干旱年份通过缓冲产量损失和稳定生产），但它也带来了环境和经济方面的挑战。将灌溉农业扩展到易受干旱影响的地区以及地下水资源状况较差的区域，引发了对其环境可持续性的担忧。总体而言，这项研究为越来越多的证据提供了支持，表明灌溉技术的进步和种植模式的转变实现了更高的水资源利用效率，但水资源仍面临巨大压力。
**1. 引言**
自20世纪下半叶以来，西班牙农业得到了加强，其特征是灌溉面积的扩大（Molina等人，2017年）以及灌溉系统的现代化，特别是在2002年至2015年间，目的是提高水资源利用效率、增强水资源管理的灵活性，并确保农业生产的可靠供水（Berbel等人，2019年）。如今，西班牙农业的经济表现依赖于出口导向型作物、反季节生产、增加的投资、新的农艺技术以及对 migrant labor 的依赖（Avallone，2014年）。此外，西班牙的水资源和农业政策要么积极推广灌溉，要么至少允许农民扩大灌溉农田，从而导致水资源压力增加，并使有限的水资源分配变得更加复杂（Berbel等人，2011年）。有证据表明，通过灌溉系统现代化实现的水资源节约有时被重新用于扩大灌溉面积或种植更耗水的作物（Berbel等人，2015年）。这一趋势引发了人们对西班牙农业实践可持续性的严重担忧，并突显了评估农业集约化极限的必要性。
**2. 方法**
**2.1. 案例研究区域描述**
本研究涵盖了整个西班牙，不包括北非的自治城市休达（Ceuta）和梅利利亚（Melilla）。西班牙气候多样——东部和南部为地中海气候，中部高原为大陆性气候，北部为海洋性气候，加那利群岛为亚热带气候（Cunha等人，2011年）。行政上，该国分为四个层级：中央政府、自治社区（地区）、省份和市镇。水资源管理由流域区划决定，这些流域区划往往跨越区域和省份边界（Llamas和Garrido，2007年）。完全位于单一自治社区内的流域由相应的地区政府管理，而其他流域则归中央政府管辖。2023年，西班牙的可耕地总面积为1670万公顷，其中1310万公顷（78.3%）为雨养农业，360万公顷（21.7%）为灌溉农业（Arbonès，即将发表）。本文的分析集中在2001年至2019年期间，这一时期灌溉农业主要在南部扩张，逐渐取代了雨养系统。这种扩张促进了向木本作物的转变——尤其是橄榄、葡萄、杏仁和开心果——而北部和内陆地区则继续以草本作物为主，灌溉面积增长较小（见图1）。在南部，滴灌系统逐渐取代了传统的重力灌溉系统（Arbonès，即将发表）。
**2.2. 模型设置**
ACEA是一个全球性的基于网格的作物模型，能够模拟每个网格单元内的每日作物生长和垂直土壤水分平衡，并区分绿色水通量和蓝色水通量，以及不同草本和木本作物之间的差异（Mialyk等人，2022年；Mialyk等人，2024a）。如图2所示，ACEA首先利用全球和本地的气候、土壤、作物参数及灌溉管理数据估算每种作物的作物用水量（Crop Water Use, CWU）和潜在产量。模拟后的产量会进行后处理：首先将其转换为鲜重；接着根据省级农业统计数据调整收获面积和产量，以确保准确反映历史上的种植模式和生产力变化。最后，通过将蓝色作物用水量（CWU）与不同灌溉方法（沟灌、喷灌和滴灌）的系统特定水分分配系数及输送损失相结合，计算出总蓝色水足迹（Gross Blue Water Footprint, GBWF）。此外，还评估了灌溉对产量、能源强度、地下水资源状况以及干旱和水资源短缺指标的影响。
**2.2.1. 基于网格的作物模型 ACEA**
该模型基于AquaCrop-OSPy，这是一个开源的Python实现版本，基于FAO的AquaCrop模型（Kelly和Foster，2021年），考虑了当地气候、土壤、作物和农场管理条件来模拟潜在作物产量和作物用水量（CWU）——这些是计算水足迹（WF）所需的变量（见2.2.2节）。该版本考虑了热应力和水分应力，但未考虑养分和盐度应力。在基于AquaCrop的模型中，作物水分生产力（WP）是将作物蒸腾量与参考蒸散量（Tr/ET?）之比转换为地上生物量的比例因子，通常以g m?2为单位表示，在模型内部与生物量计算保持一致，并可在最终输出中直接转换为t ha?1。WP根据大气中的CO?浓度进行了进一步调整，反映了在较高CO?水平下，每单位蒸腾作用产生的生物量效率的提高。这使得模型能够考虑作物对气候变化条件的生理反应（Raes等人，2023年）。需要注意的是，WP控制着模型内的潜在生物量形成，而最终产量则通过缩放因子在后期处理中进行进一步调整，以匹配观测到的生产统计数据（见第2.2.3节）。因此，水消耗量并不是直接根据观测到的产量来减少的；相反，产量会根据统计数据进行调整，同时保持对作物用水量的物理一致性估计（Mialyk等人，2022年）。最初，ACEA是为全球作物建模设计的，分辨率为30弧分钟（50×50公里）。在这里，我们将其调整为适用于区域应用的5弧分钟（约8.3×8.3公里），利用本地输入数据进行作物建模和后期处理（见表1）。输入数据的前半部分包括运行ACEA所需的数据，包括历史气候和大气CO?浓度、作物参数、作物日历、土壤组成和灌溉管理。后半部分用于后期处理，包含特定作物的雨养和灌溉收获面积分布、每种灌溉技术的灌溉面积分布以及雨养和灌溉系统的作物生产统计数据。
表1. 作物建模和后期处理的输入数据概览。
**数据输入**
| 时期 | 时间步长 | 空间分辨率 | 来源 |
|-------------|-----------------|-----------|-----------------|
| 作物建模 | 1998–2019年 | 每日 | 5弧分钟 | GSWP3-W5E5（Lange等人，2022年） |
| | 1998–2019年 | 年度 | 全球 | NOAA（Lan等人，2023年） |
| | 2014年、2015年和2016年 | 西班牙省级 | 播种、收获和营销日历（MAPA，2025b） |
| | 全球、西班牙 | 默认Aqua | 作物文件、特定作物文献和专家知识 |
| | 5弧分钟 | SoilGrids 2.0（Poggio等人，2021年） |
| | 2010年 | 年度 | SPAM2010（Yu等人，2020年） |
| | 2001–2021年 | 年度 | 西班牙省级 | 农业统计年鉴（MAPA，2025a） |
| | 2004–2022年 | 年度 | 西班牙国家级 | 作物面积和产量调查 |
| | 2001–2021年 | 年度 | 西班牙省级 | 农业统计年鉴（MAPA，2025c） |
我们使用ACEA对1998年至2019年的23种雨养和灌溉作物进行了建模，这些作物覆盖了2019年西班牙总灌溉面积的75.66%。2001年之前的三年数据用于生成真实的绿色和蓝色土壤湿度水平。从这23种模型作物中，我们根据农艺和物候相似性将现有作物进行了分组，衍生出了另外47种作物和作物类别（见表A2和A3）。虽然衍生作物使用了与基础作物相同的ACEA模型输入，但它们经过了特定作物的后期处理调整，包括在省级层面重新调整收获面积和产量（见第2.2.3节，后期处理数据）。作物日历来自（MAPA，2025b），提供了2014年、2015年和2016年平均年份的草本作物播种和收获日期以及木本作物的开花和收获日期。未考虑多作物种植。
对于作物参数，我们最初从西班牙和更广泛的地中海地区进行的研究中获取了主要草本作物的数据。当特定信息不可用时，我们使用了ACEA提供的默认数据。对于木本作物，我们提供了特定的本地数据作为作物系数参数（见表A8）。根据《作物面积和产量调查》（ESYRCE）（MAPA，2025c）的数据，为每种作物分配了常见的灌溉技术——地面灌溉、喷灌和滴灌。假设湿润面积——即实际接受灌溉的土地比例——分别为：沟灌80%，喷灌100%，滴灌30%。净灌溉需求（即补充土壤水分至田间持水量所需的水量）根据J?germeyr等人（2015年）的数据进行了校正：沟灌1.15，喷灌0.55，滴灌0.05。灌溉时间根据根区可利用土壤湿度的作物特定阈值进行调节，这些阈值根据水分胁迫敏感性而定，从对水分胁迫不太敏感的作物（如玉米、大麦、橄榄）的50%到对水分胁迫更敏感的作物（如番茄、豌豆、葡萄）的60–70%不等（Mialyk等人，2024a）。这些阈值在四个作物生长阶段有所不同：发芽（阶段1）、冠层发育（阶段2）、包括开花和产量形成的中期（阶段3）以及衰老（阶段4）。对水分胁迫最耐受的阶段4被赋予了最低的阈值（见表A1）。水稻在淹水条件下生长，采用地面灌溉，没有设定湿度阈值。按照Chapagain和Hoekstra（2011年）的既定方法，净灌溉需求增加了200毫米，以考虑初始淹水情况。
土壤分为七个层次，从顶部10厘米到底部1米（总共3米）。每个层次的土壤质地来自Soilgrids（见表1中的参考）。有关作物种植面积、气候变量和大气CO?浓度分布的详细信息，请参见Mialyk等人（2024a）。
2.2.2. 水足迹计算
CWU指的是作物在其生长期间通过蒸散作用消耗的总水量，包括来自土壤表面的蒸发和作物冠层的蒸腾。每个消耗单位WCWF（μCWF，m3 Mg?1）的计算公式为CWUx（mm）的水类型x（来自降雨的绿水或来自灌溉的蓝水）除以相应的作物产量Y（Mg ha?1），如公式（1）所示。本研究仅考虑绿水 and 蓝水，不包括灰水。
(1)
uCWFX = CWUx · 10Y
为了将每年毫米数转换为每年每公顷立方米（m3 ha?1），将CWUx乘以10。分母中使用的作物产量Y来自ACEA模型模拟（Ys），并使用两个无量纲因子进行校正：Kf，基于收获时作物特定水分含量的干重到鲜重转换系数；S，一个产量缩放因子，用于考虑ACEA框架中未明确模拟的外部社会经济或管理发展（见2.2.3节，后期处理数据）。这得出了最终的作物产量，如公式（2）所示：
(2)
Y = Ys · Kf
在灌溉系统中，一个网格单元可以包含多种灌溉类型——沟灌、喷灌和滴灌。为了考虑这种异质性，每种系统的单位水足迹uci通过各自的灌溉比例Ki进行加权，代表每种方法下的灌溉面积份额。然后将这些加权值相加，得到代表性的灌溉ucWF。
2.2.3. 后期处理数据
对于每种作物、网格单元和年份，ucWF是通过将模拟的绿水或蓝水CWU（mm Mg?1）除以相应的作物产量（Mg ha?1）来估计的，遵循公式（1）。我们关注的是收获年份，因此ucWF可以在不同的日历年份上求和。模拟的产量首先使用作物特定的水分含量值转换为鲜重。然后，这些鲜重产量被调整以匹配农业统计年鉴（MAPA，2025a）中报告的观测到的省级生产统计数据（公式2）。我们的缩放程序与Mialyk等人（2024b）类似，包括收获面积和作物产量的缩放。
2.2.4. 收获面积缩放
我们使用SPAM2010作为特定作物雨养和灌溉收获面积的空间基准，并使用农业统计年鉴（MAPA，2025a）中的年度省级农田数据将这些面积投影到2001–2019年期间。
2.2.5. 产量缩放和生产调整
鲜重产量乘以缩放后的收获面积，以计算省级水平的基于模型的作物产量。然后使用省级产量缩放因子Sprov进行调整，定义如下：
(3)
Sprov,p,c,t = Pobs,p,c,t
??+ ∑IrrigatedPACEAp,c,t
其中Sprov,p,c,t是省份p、作物c和年份t的缩放因子；Pobs,p,c,t表示农业统计年鉴中的观测省级产量（Mg）；RainfedPACEA,p,c,t和IrrigatedPACEA,p,c,t分别代表雨养和灌溉设置的模拟产量。
雨养和灌溉组件的计算如下：
(4)
RainfedPACEAp,c,t = Ys,rf · ArainfedKf
(5)
IrrigatedPACEAp,c,t = ∑i=35Ys,i · Ki · AirrigatedKf
其中Ys,rf是雨养条件下的模拟产量；Ys,i代表灌溉管理类型下的模拟产量，i=3对应重力灌溉，i=4对应喷灌，i=5对应滴灌；Arainfed和Airrigated分别是雨养和灌溉条件下的收获面积（ha）；Ki表示每种灌溉方法的份额；Kf是干重到鲜重的转换系数。这个程序使我们能够考虑ACEA未捕捉到的历史农业发展，例如化肥使用的增加、灌溉和机械的改进或更好的作物品种的采用以及害虫控制。
2.2.6. 作物生产的消耗性和总水足迹
作物生产的消耗性水足迹（CWF）是指通过蒸散作用损失的水量（m3），包括雨养和灌溉系统中的绿水（来自降雨）和蓝水（来自灌溉）。它排除了渗透到土壤中或运输过程中损失的水，因此与灌溉技术无关。CWF通过将ucWF乘以相应的作物产量（P）来计算：
a) 雨养生产（仅绿水）：
(6)
CWFgreen,rainfed,p,c,t = uCWFgreen,rainfed,pc,t · Prainfed,p,c,t
b) 灌溉生产（绿水和蓝水）：
(7)
CWFgreen,irrigated,p,c,t = uCWFgreen,irrigated,p,c,t · Pirrigated,p,c,t
(8)
CWFblue,irrigated,p,c,t = uCWFblue,irrigated,p,c,t · Pirrigated,p,c,t
其中uCWFgreen/blue, p,c,t分别是绿水 and 蓝水的消耗单位水足迹（m3 Mg?1）；Pirainfed/irrigated,p,c,t表示雨养和灌溉条件下的模型和缩放后的作物产量（Mg）。
2.2.7. 作物生产的总蓝水足迹（GBWF）
代表施用的灌溉水量（m3），来源于灌溉作物生产的CWF，并考虑了系统效率低下和输送损失。为了更准确地捕捉不同灌溉方法之间的水分损失差异，根据J?germeyr等人（2015年）的方法论，对每种灌溉方法的土壤蒸发进行了限制。此外，对于沟灌，特别应用了40%的输送损失，以考虑与开放式渠道系统相关的运输效率低下。这个值反映了西班牙和其他地中海地区文献中报告的平均值（Cunha等人，2019年；Lecina等人，2010年；Serra等人，2016年）。除此之外，还计算并报告了输送损失减少35%和25%的情景，以评估效率改进对效率提升的敏感性。GBWF基于单位蓝水足迹（uCWF）计算，同时考虑了每种灌溉技术的具体水分配系数（WDC）和输送损失（γ）：
(9)
GBWFp,c,t = ∑i=35(uCWFblue,i,p,c,t · Ys,i · WDCi · γi · Airrigated · KiKf)
其中i是灌溉设置；uCWFblue,i,p,c,t是灌溉系统i的消耗单位蓝水足迹（m3 Mg?1）；Ys,i是模拟产量（Mg ha?1）；WDCi是水分配系数；γi是输送损失调整因子；Airrigated是收获面积（ha）；Ki是灌溉方法的份额；Kf是干重到鲜重的转换系数。
2.3. 温室农业中的水足迹
温室农业独立于温度和降雨等气候变量运行，这使得依赖这些输入的ACEA作物模型不适合模拟这些系统。为了估算温室农业的消耗性蓝水足迹（CBWF），我们依赖于Estación experimental Cajamar（2005年）报告的特定作物灌溉需求（IRc）。使用这种方法，我们计算了2019年占温室总面积96%的作物的CBWFgh,p。省级作物面积数据（Ac,p）和产量（Yc,p）来自农业统计年鉴（MAPA，2025a）：
(10)
CBWFgh,p = ∑c=1n(IRc · Ac,p · Yc,p)
其中IRc是作物c的年灌溉需求（m3 Mg?1）；Ac,p是省份p中作物c的温室面积（ha）；Yc,p是省份p中作物c的温室产量（Mg ha?1）；n是考虑的温室作物数量，占2019年总温室面积的96%。
2.4. 趋势分析
为了评估西班牙灌溉农业的长期模式，数据被汇总到国家层面，并按更广泛的作物类别分组。面积加权平均值确保了基于收获面积的作物和省份贡献的比例表示。趋势检测使用非参数Mann-Kendall检验（Mann，1945年）进行。对于每个变量，我们报告了Kendall的τ值、p值以及在α = 0.05水平上的统计显著趋势方向。显著性水平表示为：p < 0.10（*），p < 0.05（**），p < 0.01（***）。年际变异性使用对数转换后年份变化的标准差进行评估：
(11)
Variability = SDlog(XtXt?1)
2.5. 额外数据
2.5.1. 灌溉对产量的影响
为了评估灌溉对农业生产力的好处，我们比较了农业统计年鉴（MAPA，2025a）中省级作物层面的灌溉和雨养作物产量。
2.5.2. 灌溉的能源强度
我们通过计算每立方米灌溉水（�/m3）和每公顷灌溉土地（�/ha）的通胀调整后能源支出来评估灌溉的能源强度。这是基于MAPA（2025a）提供的农场层面燃料和电力支出的时间序列数据，这些数据汇总了所有农场的信息，并以百万欧元为单位进行报告。2.5.3. 灌溉对地下水状况的影响：地下水是西班牙灌溉农业的关键资源，2020年占年总用水量的23.1%，即66亿立方米（MITECO，2023年）。我们没有对地表水体进行分析，因为将地表水的抽取量归因于特定的灌溉区域具有挑战性。相反，我们通过将使用SPAM2010（Yu等人，2020年）开发的灌溉作物地图（作为特定作物的灌溉区域基准，并根据MAPA（2025a）的年度省级统计数据从2001年预测到2019年）与主管流域机构制定的2022-2027年流域管理计划中提供的地下水状况分类进行叠加，来评估灌溉土地与地下水状况之间的空间关系（MITECO，2016年）。定量状况反映了从地下水中直接和间接抽取水的影响，而定性状况则基于水质组成，考虑了海水入侵、是否符合质量标准以及对相关地表水或陆地生态系统的影响等因素。每个地下水体被分类为良好、较差或未知状态。此外，我们还识别出受到显著影响的地下水体，特别是那些与营养污染相关的，这些影响被记录为存在或不存在（MITECO，2020年）。2.5.4. 灌溉对干旱和水资源短缺指标的影响：通过将灌溉作物地图与西班牙官方的干旱区域（UTS，Unidades Territoriales de Sequía）和水资源短缺区域（UTE，Unidades Territoriales de Escasez）进行叠加来评估灌溉土地与水文压力条件之间的空间关系，这些区域是在流域机构制定的特别干旱计划中定义的，目的是为了预测干旱的影响（MITERD，2025年）。UTS代表具有均匀径流生成模式的区域（例如，降水和径流），而UTE则对应于水资源利用系统及其满足社会经济需求的能力。这两个指标每月更新一次——UTS基于降水和自然流入量，UTE基于水库水位和供需平衡。当UTS的指标低于0.30时，该区域被归类为长期干旱。UTE分为四个阶段：正常（≥0.50）、预警（0.30–0.50）、警戒（0.15–0.30）和紧急（<0.15）。这些指标用于识别和量化在2001年至2019年间超过20%的时间内处于警戒或紧急状态的灌溉区域，从而评估灌溉扩张在持续水资源紧张的水文系统中的程度。3. 结果3.1. 总消耗水足迹（TCWF）——即灌溉农业的蓝色水足迹和绿色水足迹的总和——在研究期间呈现上升趋势，从2001年的183.2亿立方米增加到2019年的198.5亿立方米（图3）。这种上升趋势具有统计学意义（p < 0.01），且年际变异性较低（标准差=0.0445），表明西班牙灌溉农业的整体用水量在增加。TCWF的相对稳定性部分归因于蓝色水和绿色水之间的补偿关系，这有助于缓冲年际气候变化。TCWF的增长主要归因于灌溉面积的扩大，在研究期间增加了262,647公顷（8.3%）（p < 0.01，年际变异性=0.0215）。净增长是由灌溉木本作物面积增加了425,851公顷（40.7%）所驱动的，这部分被灌溉草本作物面积减少了163,204公顷（-7.7%）所抵消。下载：下载高分辨率图片（783KB）下载：下载全尺寸图片图3. 2001-2019年西班牙灌溉和雨养作物生产的水足迹（左y轴，线条，单位：十亿立方米）和耕地面积（右y轴，条形图，单位：百万公顷）的演变。灌溉生产的总消耗水足迹包括蓝色水和绿色水。蓝色水足迹（CBWF）总体上呈现上升趋势，从2001年的103.5亿立方米增加到2019年的120.0亿立方米；然而，这一趋势没有统计学意义（p = 0.21）。最低值出现在2007年（89.1亿立方米）和2008年（84.6亿立方米），而峰值则出现在干旱年份的2005年（131.2亿立方米）和2012年（127.4亿立方米）。年际变异性通过年对数差异的标准差来衡量，为0.17，表明CBWF的年际波动适中。相比之下，灌溉作物的绿色水足迹（CGWF）遵循了不同的时间模式，其年际变异性与CBWF相似（标准差=0.17）。CGWF从2001年的83.2亿立方米减少到2019年的81.1亿立方米，尽管这一趋势没有统计学意义（p = 0.40）。由于绿色水的可用性直接取决于降水量，因此在干旱年份如2005年（64.6亿立方米）和2012年（73.5亿立方米）下降，而在2018年（103.0亿立方米）和2013年（101.7亿立方米）达到峰值。总蓝色水足迹（GBWF）表现出较大的年际变异性（标准差=0.15），但没有显著的长期趋势（p = 0.73），在2001年的199.8亿立方米和2019年的194.3亿立方米之间波动。最低值出现在2007年（156.1亿立方米）、2008年（151.2亿立方米）和2018年（158.4亿立方米），而最高值出现在2005年（232.2亿立方米）和2012年（212.2亿立方米）——这些年份恰好是主要干旱期。GBWF与灌溉面积扩张之间的缺乏相关性反映了由于灌溉效率提高而导致的脱钩。滴灌发挥了关键作用，其面积从100万公顷增加到150万公顷，其中包括从沟灌系统转换的30万公顷，并在新灌溉区域中使用。相比之下，在同一时期，雨养作物生产的CGWF呈现出显著的下降趋势，从2001年的385.5亿立方米减少到2019年的309.3亿立方米。这种减少主要是由于雨养耕地面积显著下降，减少了8.5%，从1117万公顷减少到1022万公顷。减少伴随着年际变异性（标准差=0.15），在干旱年份减少更为明显，突显了雨养系统对干旱的敏感性。除了假设重力灌溉系统有40%的输送损失的基准情景外，还模拟了两个减少损失的额外情景（25%和35%），以评估结果对输送效率改进的敏感性。在25%损失情景下，2019年的GBWF估计为164.9亿立方米，相对于基准情景节省了14.6亿立方米（8.13%）。在35%损失情景下，GBWF为173.8亿立方米，减少了56亿立方米（3.13%）。结果表明，系统响应是非线性的，随着输送损失的减少，边际水效率增益逐渐减小；例如，从40%的损失减少1%可节省1.369亿立方米，而从25%的损失减少1%只能节省90.3亿立方米。弹性随着基准损失的降低而降低，从40%时的大约0.28降至25%时的0.12，表明比例增益减少。这种模式进一步受到随着时间推移重力灌溉比例下降的影响，这减少了额外减少输送损失的潜在效益。3.2. 总蓝色水足迹的分解分析：GBWF的分解分析量化了两个关键驱动因素的单独贡献：采用更高效的灌溉技术和灌溉面积及作物组成的变化。为了将技术改进的效果与土地利用变化区分开来，分析采用了反事实情景，在这种情景中，每种作物组的灌溉技术分布（沟灌、喷灌和滴灌）保持在2001年的份额不变（见图4）。下载：下载高分辨率图片（248KB）下载：下载全尺寸图片图4. 2001-2019年西班牙灌溉作物生产的总蓝色水足迹（GBWF）的分解。实际GBWF与灌溉技术份额保持在2001年水平的反事实情景进行了比较。差异显示了灌溉技术效应，反映了采用更高效系统带来的效率提升。2017-2019年的平均反事实GBWF为198.8亿立方米，而实际GBWF为182.4亿立方米（见表2）。由此产生的16.5亿立方米的灌溉效率提升相对于2001-2003年的平均水平减少了8.6%，主要是由于滴灌的广泛采用。如图5（灌溉技术效应）所示，由于灌溉现代化带来的最大用水效率提升与木本作物有关，占10.4亿立方米（占总量的63.6%）。在这一类别中，果树（包括柑橘、坚果和其他水果）贡献了7.1亿立方米（占总量变化的43.4%）。在草本作物中，谷物贡献了4.7亿立方米（占总量变化的28.4%）。表2. 2001-2003年和2017-2019年西班牙灌溉作物生产总蓝色水足迹（GBWF）变化的分解，按主要作物类别划分。该表报告了两个时期的GBWF值，以及两种效应的估计贡献：技术效应（由于灌溉效率提高而节省的水量）和面积及作物组成效应（由于灌溉面积和作物组合的变化）。最终列显示了净GBWF变化，计算为两种效应的总和。作物类别2001-2003年平均GBWF（十亿立方米）2017-2019年平均GBWF（十亿立方米）反事实GBWF，2017-2019年平均GBWF（十亿立方米）技术效应（十亿立方米）面积和作物组成效应（十亿立方米）2001-2003年与2017-2019年GBWF的变化（十亿立方米）木本作物5.686.887.93-1.04+2.24+1.20水果3.563.564.27-0.71+0.72-0.01葡萄0.691.021.20-0.18+0.51+0.33橄榄1.422.292.44-0.15+0.87草本作物13.4711.3511.94-0.60-1.52-2.12谷物5.965.025.49-0.47-0.47-0.94其他5.495.125.23-0.11-0.27-0.38工业作物0.820.320.33-0.01-0.49-0.50总计19.1818.2419.88-1.64+0.70-0.94下载：下载高分辨率图片（342KB）下载：下载全尺寸图片图5. 2001至2019年西班牙主要作物类别灌溉生产的总蓝色水足迹（GBWF）的分解。第一张图显示了灌溉技术效应，计算为实际情景与灌溉技术份额保持在2001年水平的反事实情景之间的年度GBWF差异——从而隔离了由于灌溉效率提高而节省的水量。第二张图显示了面积和作物组成效应，计算为反事实情景中的累积年变化，反映了灌溉面积和作物分布变化的影响。在2017-2019年的平均期间，假设没有技术改进的反事实GBWF为198.8亿立方米，而实际GBWF为182.4亿立方米（见表2）。由此产生的16.5亿立方米的灌溉效率提升相对于2001-2003年的平均水平减少了8.6%，主要是由于滴灌的广泛采用。如图5（灌溉技术效应）所示，由于灌溉现代化带来的最大用水效率提升与木本作物有关，占10.4亿立方米（占总量的63.6%）。在这一类别中，果树（包括柑橘、坚果和其他水果）贡献了7.1亿立方米（占总量变化的43.4%）。在草本作物中，谷物贡献了4.7亿立方米（占总量变化的28.4%）。表2. 2001-2003年和2017-2019年西班牙灌溉作物生产总蓝色水足迹（GBWF）变化的分解，按主要作物类别划分。该表报告了两个时期的GBWF值，以及两种效应的估计贡献：技术效应（由于灌溉效率提高而节省的水量）和面积及作物组成效应（由于灌溉面积和作物组合的变化，假设技术份额不变）。最终列显示了净GBWF变化，计算为两种效应的总和。作物类别2001-2003年平均GBWF（十亿立方米）2017-2019年平均GBWF（十亿立方米）反事实GBWF，2017-2019年平均GBWF（十亿立方米）技术效应（十亿立方米）面积和作物组成效应（十亿立方米）2001-2003年与2017-2019年GBWF的变化（十亿立方米）木本作物5.686.887.93-1.04+2.24+1.20水果3.563.564.27-0.71+0.72-0.01葡萄0.691.021.20-0.18+0.51+0.33橄榄1.422.292.44-0.15+0.87草本作物13.4711.3511.94-0.60-1.52-2.12谷物5.965.025.49-0.47-0.47-0.94其他5.495.125.23-0.11-0.27-0.38工业作物0.820.320.33-0.01-0.49-0.50总计19.1818.2419.88-1.64+0.70-0.94下载：下载高分辨率图片（342KB）下载：下载全尺寸图片图5. 2001至2019年西班牙主要作物类别灌溉生产的总蓝色水足迹（GBWF）的分解。第一张图显示了灌溉技术效应，计算为实际情景与灌溉技术份额保持在2001年水平的反事实情景之间的年度GBWF差异——从而隔离了由于灌溉效率提高而节省的水量。第二张图显示了面积和作物组成效应，计算为反事实情景中的累积年变化，反映了灌溉面积和作物分布的变化。在2001-2003年和2017-2019年的平均期间，灌溉木本作物面积的扩大和作物组成的变化导致GBWF增加了22.4亿立方米，其中橄榄园（10.2亿立方米）、葡萄园（5.1亿立方米）和果树（7.2亿立方米）的贡献最大（见表2，图5面积和作物）。相比之下，灌溉草本作物面积的减少导致GBWF减少了15.2亿立方米，主要是由于工业作物（-2.7亿立方米）和糖作物（-4.9亿立方米）的减少。总体而言，在一个隔离灌溉面积扩大和作物组成变化影响的反事实情景下，净结果是GBWF增加了7亿立方米——相当于3.7%的增长。总之，灌溉草本作物面积的减少，加上草本和木本作物中采用更高效灌溉系统，抵消了由于木本作物扩大而导致的GBWF增长，从而使总GBWF净减少了9.4亿立方米。3.3. 水足迹的空间分布：2019年，西班牙南部内陆省份的GBWF最高（见图6），这些地区的灌溉农业最为广泛：塞维利亚（SE）为19.9亿立方米，主要用于水稻、棉花和橄榄；哈恩（J）为9.9亿立方米，主要由橄榄园驱动；巴达霍斯（BA）为11.0亿立方米，用于玉米、水稻、加工番茄和橄榄；雷阿尔城（CR）为8.7亿立方米，主要用于葡萄园和大麦；阿尔巴塞特（AB）为8.0亿立方米，主要集中在葡萄园、杏仁和其他草本作物。在地中海沿岸，瓦伦西亚（V）的GBWF为8.2亿立方米，主要与柑橘和水稻种植相关。在东北部，韦斯卡（HU）（17.6亿立方米）、萨拉戈萨（Z）（12.9亿立方米）和莱里达（L）（8.8亿立方米）将其大部分GBWF用于谷物作物——特别是玉米和大麦——以及饲料作物如苜蓿。在西北部，莱昂（LE）（7.0亿立方米）和巴利亚多利德（VA）（6.1亿立方米）将其GBWF主要用于小麦、玉米、甜菜和苜蓿，佩奇果园也在巴利亚多利德有所贡献。下载：下载高分辨率图片（472KB）下载：下载全尺寸图片图6.2001–2003年与2017–2019年间西班牙蓝色水足迹（GBWF）变化的空间分布，以及2017–2019年平均值的作物组成。背景颜色表示各省GBWF的净变化。饼图表示不同作物类别对GBWF的百分比贡献，圆圈大小与2017–2019年各省GBWF总量成正比。GBWF的增加主要集中在西班牙南部内陆地区。相比之下，地中海沿岸地区和南部内陆部分地区表现出更异质性的趋势：虽然某些作物（尤其是水果、橄榄、葡萄和坚果）促进了GBWF的增长，但其他作物类别却有所下降，导致一些省份的净变化微乎其微。北部地区也观察到了类似的模式，GBWF的波动也主要是轻微的。在这些地区，增长主要由大麦、牧草和小麦等草本作物驱动，而玉米、苜蓿和甜菜的种植减少则导致了GBWF的下降。图7展示了按省份划分的灌溉技术效应对GBWF的影响分解分析。灌溉现代化带来的效率提升主要集中在灌溉面积较大的地区，特别是在西班牙南部、地中海沿岸和东北部的埃布罗河谷。在省份层面，瓦伦西亚（V）（1.67亿立方米）、韦斯卡（HU）（1.43亿立方米）和塞维利亚（SE）（1.34亿立方米）的效率提升最为显著，而在内陆地区和北部沿海地区则较为有限。
图7. 2001–2019年间西班牙蓝色水足迹（GBWF）因灌溉技术效应而产生的效率提升的空间分布（单位：百万立方米）。灌溉技术效应定义为观测情景与假设灌溉技术份额保持在2001年水平的反事实情景之间的年度GBWF差异。
相比之下，由灌溉面积和作物组成变化驱动的GBWF变化（图8）表现出无明确空间结构的异质性模式。多个省份的用水量显著增加，包括哈恩（J）（3.77亿立方米；主要由于橄榄种植扩张）、韦斯卡（HU）（3.34亿立方米；谷物）、雷阿尔城（CR）（3.15亿立方米；葡萄园）和韦尔瓦（HU）（2.93亿立方米；果树）。相反，卡塞雷斯（CC）（-2.76亿立方米）和萨拉戈萨（Z）（-1.75亿立方米）等省份的用水量显著减少，这主要与草本作物种植面积的减少有关。
图8. 2019年西班牙蓝色水足迹（GBWF）因面积和作物组成变化而产生的变化的空间分布（单位：百万立方米）。面积和作物组成效应定义为反事实情景下GBWF的逐年累积变化。
3.4. 温室农业用水
2001年至2019年间，西班牙的温室农业呈现显著下降趋势（p<0.01），总面积从74,379公顷减少到73,458公顷，而CBWF（蓝色水足迹）基本保持稳定，约为0.28亿立方米，2011年最低记录为0.25亿立方米。温室生产高度集中在西班牙南部，阿尔梅里亚省占种植面积的45.816%，占蓝色水足迹的61.3%（0.173亿立方米）。同年，番茄仍然是主要作物，种植面积为18,010公顷，消耗水量为6,820万立方米（占面积的14.9%，CBWF的16.9%），其次是辣椒，其种植面积和消耗水量分别显著增加，达到14,482公顷和7,380万立方米（占12.0%和18.3%）。西葫芦、茄子和西瓜的种植面积和CBWF也均呈现显著增长，合计占温室农业CBWF的20%以上。
3.5. 灌溉作为气候变化适应措施
图9强调了蓝色水资源在绿色水资源短缺期间为农民提供适应能力的关键作用——尤其是在降雨量不足以满足作物用水需求时。这种缓冲功能在2005年和2012年尤为明显，这两年的气象干旱严重，干旱警报持续时间长，蓝色水资源的使用量增加以弥补绿色水资源的不足。
表3显示，大多数作物类型的灌溉产量均呈现显著增长趋势，并且始终优于依赖雨水的作物。尤其是蔬菜和水果，它们从灌溉中获得了最大的生产力收益，因为这些作物的种植面积大部分已经实现了灌溉，并且与依赖雨水的系统相比，产量差距最大。对于杏仁和葡萄等高价值作物，灌溉和雨水灌溉系统之间的产量差距进一步扩大，进一步促进了灌溉生产的扩张。
3.6. 灌溉的负面影响
3.6.1. 能源消耗增加
采用高效灌溉技术使农民能够用相同的水量灌溉更多的土地，通过减少系统损失实现这一目标。图10利用农场层面的燃料和电力支出数据说明了这种权衡。具体而言，每立方米水的能源消耗——即所有农场燃料和电力支出总和除以GBWF——从2001年的0.016欧元/立方米增加到2019年的0.030欧元/立方米。相应地，每公顷灌溉土地的能源支出——即农场燃料和电力支出总和除以灌溉面积——从103.73欧元/公顷增加到181.17欧元/公顷。这些趋势不仅反映了加压灌溉系统更高的能源需求，还反映了影响能源成本的更广泛因素，从而引发了人们对灌溉农业长期经济可持续性的担忧。
3.6.2. 对地下水资源数量和化学状态的影响
根据2015–2021年水文计划（MITECO, 2016），约25%的地下水体被归类为数量状况较差，30%的地下水体被归类为化学状况较差。图11显示，许多数量状况较差且受营养盐影响严重的地下水体与灌溉农业区在空间上有所重叠。2019年，46.2%的灌溉土地位于化学质量较差的含水层之上，而在受营养盐影响严重的地区这一比例上升至48.9%。此外，26.5%的灌溉土地位于数量状况较差的含水层之上，25.8%的灌溉土地位于没有明确地下水体的地区。总计212万公顷（占西班牙灌溉土地的60.4%）位于至少在一个维度（化学、数量或营养相关）上状况较差的含水层之上。
3.6.3. 对流域干旱状态的影响
虽然灌溉有助于缓解农业系统对降雨变化的敏感性——稳定产量并降低脆弱性——但其持续扩展到已经水资源紧张的地区可能会削弱其所依赖的水文系统的长期韧性。临时性水资源短缺是指可用资源的减少，从而限制了社会经济需求。图12显示了灌溉区域与水资源短缺地区（UTE）之间的空间重叠情况。2019年，176万公顷（占灌溉总面积的52.9%）的灌溉土地位于在2001年至2019年间超过20%的时间内处于警报和紧急状态的系统中。尽管整个地区的水文系统都经历了临时性水资源短缺，但这些情况在南部内陆地区更为频繁和持久。灌溉扩张模式表明，对已经脆弱的系统压力不断增大。2001年至2019年间，198,258公顷（占灌溉总面积增加的66.2%）的灌溉土地位于在超过20%的时间内经历过水资源短缺的系统中。与以往研究的比较
我们的研究结果将西班牙的农业置于全球和地区水资源利用的更广泛背景下进行考量。全球范围内，Mekonnen和Hoekstra（2011年）估计1996-2005年间农业生产的总用水量为66700亿立方米，其中12%来自蓝色水资源（蓝色水资源指通过抽水获得的地下水）；而Mialyk等人（2024a年）报告称这一数字在2019年增加了29.6%，达到67850亿立方米（其中12.9%为蓝色水资源）。在欧洲范围内，Vanham和Bidoglio（2013年）估计1996-2005年间农业生产的总用水量为4260亿立方米，其中13.4%为蓝色水资源。在此框架下，西班牙农业在2001至2019年间每年贡献了489-604亿立方米的用水量，占欧盟总量的11-14%。波兰（1996-2005年为409.6亿立方米；Panasiuk等人，2022年）和意大利（2013年为350.2亿立方米；Sturla等人，2023年）也报告了类似的国家数据。值得注意的是，西班牙的蓝色水资源使用比例（15.1-23.2%）远高于全球平均水平（12.9%）、欧盟平均水平（13.4%）、意大利平均水平（9.65%）或波兰平均水平（0.26%）。更广泛的地中海和国际比较进一步证实了这一趋势。在美国灌溉面积最大的加利福尼亚州，2010年农作物生产消耗了281亿立方米的蓝色水资源，2012年增加到312亿立方米（Marston和Konar，2017年），占美国蓝色水资源总量的近三分之一。在全国范围内，2010至2012年间美国农作物生产总用水量为6969亿立方米，其中94亿立方米（13.5%）为蓝色水资源（Marston等人，2018年）。在突尼斯，1996至2005年间农作物生产平均每年消耗约148亿立方米的用水量，其中8.2%来自蓝色水资源（Chouchane等人，2015年）。总体而言，西班牙是一个水资源短缺的国家，且对灌溉的依赖度很高（Perry和Steduto，2017年）。
西班牙的谷物作物仍是最大的蓝色水资源使用者，但其总用水量在2001-2003年和2017-2019年期间减少了0.42亿立方米——这一趋势与Mialyk等人（2024a年）在全球范围内观察到的趋势相似。该研究还发现，随着饲料作物被油料作物和谷物作物取代，油料作物成为全球第二大水资源使用者。然而在西班牙，木本作物的用水量占比从35.6%（34.6亿立方米）上升到45.5%（48.9亿立方米），主要得益于橄榄（增加0.73亿立方米，增长83%）、葡萄（增加0.33亿立方米，增长70%）和坚果（增加0.30亿立方米，增长158%）。正如Serrano等人（2024年）所指出的，西班牙灌溉面积的扩大对于转向高价值、高耗水作物的种植以及提高其生产力至关重要。
我们关于西班牙总蓝色水资源足迹（GBWF）的研究结果（2019年为194.3亿立方米）与之前的全国性估计大体一致。Garrido等人（2010年）报告2008年的蓝色水资源使用量为161.8亿立方米，而Cazcarro等人（2015年）估计2005年为140亿立方米。西班牙国家统计局（INE，2025年）、欧盟统计局（Eurostat，2025年）和联合国粮农组织水统计数据库（AQUASTAT，2025年）报告的数值也处于相似范围内，差异主要体现在统计的是取水量还是消耗量上（见表A4；图A1）。与Mialyk等人（2024b年）的对比验证表明，两项研究在农作物生产消耗量的时间变化趋势上是一致的，尽管在绝对数值上存在一些差异，尤其是在蓝色水资源方面（见表A5；图A2）。在农作物消耗量方面，本研究与Mialyk等人（2024b年）的结果高度吻合，特别是在绿色水资源方面。对于木本作物，橄榄和葡萄的消耗量也表现出良好的一致性，仅有小幅偏差。主要的分歧出现在杏仁上，Mialyk的估计值中其蓝色水资源消耗量显著更高（见表A6；图A3-A5）。蒸发蒸腾作用（ET）方面也呈现出类似的模式：谷物作物的绿色ET消耗量一致，橄榄和葡萄保持稳定，而杏仁的差异最大，主要体现在蓝色ET消耗量上（见表A7；图A6-A8）。
4.3 灌溉现代化的影响
自20世纪90年代初以来，西班牙实施了长期的灌溉现代化计划以提高水资源利用效率（Berbel等人，2019年）。在20世纪90年代中期干旱之后，政府推出了国家灌溉计划（MAPA，2002年），随后在2005-2008年的干旱期间又实施了应急计划（MAPA，2006年）和改善与巩固计划（MAPA，2008年）。这些计划覆盖了超过230万公顷的土地，目标每年节约约3000亿立方米的水资源（约占农业用水量的15%），总投资约为76亿欧元用于灌溉基础设施建设。措施包括升级灌溉网络，并从重力灌溉系统转向压力灌溉系统，资金由公共部门和农民共同承担，农民至少贡献了三分之一的费用（López-Gunn和Dumont，2012年）。最近的干预措施使另外179万公顷的土地实现了现代化（Berbel和Gutiérrez-Martín，2017年）。我们的分析显示，2001-2003年和2017-2019年的平均数据显示，滴灌的广泛采用使总蓝色水资源足迹减少了16.4亿立方米，相比2001-2003年水平下降了8.6%。尽管这些措施旨在提高用水效率，但一些作者（Berbel等人，2019年；Dumont等人，2013a年）指出存在反弹风险——即效率提升可能导致灌溉面积扩大或更耗水作物的种植，从而增加总体用水量。重要的是，这种效率提升并不一定能在更广泛的地理范围内转化为实际的水资源节约（Van Der Kooij等人，2013年）。事实上，越来越多的证据表明，现代化并未在河流流域层面实现实际的水资源节约（Dumont等人，2013b年；Expósito和Berbel，2017a年）。然而，也有研究报道灌溉现代化带来了农业用水量的减少。例如，Sanchis-Ibor等人（2017年）观察到瓦伦西亚地区（地中海沿岸）1998至2009年间用水量下降，Fernández García等人（2014年）报告安达卢西亚（西班牙南部）在实施压力灌溉系统后的2010-2012年间灌溉用水量减少了23%。在全国范围内，Berbel等人（2019年）根据已发表的研究估计灌溉用水量平均减少了33%，而Willaarts等人（2020年）报告2005至2011年间减少了21%。Willaarts等人（2020年）将节约量的一半归因于灌溉效率的提高，另一半归因于灌溉面积的稳定（增加0.3%）和作物种植结构的转变——从低价值的草本作物转向高价值的木本作物。相比之下，我们的结果显示总蓝色水资源足迹净减少了9.4亿立方米。到2017-2019年平均，由于木本作物种植面积的扩大，总蓝色水资源足迹增加了22.4亿立方米。然而，这一增长被草本作物种植面积的减少（减少了15.2亿立方米）以及采用更高效灌溉系统带来的16.4亿立方米减少所抵消。
《水框架指令》（2000/60/EC）提倡通过水价机制来提高效率并确保成本回收（Gallego-Ayala等人，2011年）。然而，西班牙的水价相对于水资源的经济价值仍然较低，这限制了其在减少用水需求方面的效果；因此，水资源分配仍主要依赖配额而非价格信号（Calatrava等人，2015年）。2008年电力市场自由化后，特殊灌溉电价被取消，灌溉区采用了包含固定容量费用的标准化工业电价，无论实际用水量如何。由于灌溉需求的季节性很强（5月至10月），这种结构要求农民支付每年固定的容量费用，而自2005年以来容量费用的增加进一步加剧了电费负担（Langarita等人，2017年）。同时，灌溉现代化提高了用水效率和管理运营水平（Tarjuelo等人，2015年），但也导致了更高的能源需求和运营成本（Willaarts等人，2020年）。我们的研究显示，2001-2019年间每立方米水的能源成本从0.016欧元上升至0.030欧元，增加了87.5%（考虑了农场层面的燃料和电力消耗）。这一趋势得到了先前研究的支持。Rodríguez-Díaz等人（2011年）报告称，从重力灌溉系统转向压力灌溉系统后，运营和维护成本增加了高达400%。Fernández García等人（2014年）观察到1996-2002年与2010-2012年间灌溉相关的能源支出增加了52%，这促使农民转向更高利润但更耗水的作物。这种对灌溉的依赖可能会增加农业对地中海气候下日益频繁的干旱的脆弱性（Fernández García等人，2014年），从而可能削弱这一水资源政策的长期效益（Willaarts等人，2020年）。
4.4 灌溉强化的环境影响
尽管灌溉是具有最大环境和气候影响的土地管理方式之一，但它被认为是关键的气候适应策略。它可以缓解作物的热应力和水分压力，并帮助农业系统抵御气候变化和极端天气（Rosa，2022年）。我们的研究表明，在干旱年份（尤其是2005年和2012年），灌溉的蓝色水资源使用比例增加，以弥补绿色水资源的减少。这种补偿性灌溉使用使产量更高且更稳定。然而，灌溉在适应气候变化方面的有效性很大程度上取决于农业用水是否能够得到可持续管理（Iglesias和Garrote，2015年）。西班牙灌溉的发展引发了四个主要生态问题：盐碱化和土壤侵蚀、水资源过度开发、水污染以及河流生态系统的退化（Cazcarro等人，2014年）。我们的分析显示，2019年，西班牙近一半的灌溉土地位于化学质量较差的地下水体之上，26.5%的灌溉土地位于水量状况较差的地下水体之上，59.5%的灌溉扩展发生在已经受到营养盐影响的地区。这些发现与其他研究结果一致，这些研究记录了灌溉对水资源的负面影响。农业集约化和集约化畜牧业导致饮用水标准违规，主要是由于氮和微生物污染的增加（Andries等人，2025年）。多项研究指出类似的现象：新灌溉区下游硝酸盐浓度和盐度升高，排水渠道中的污染物负荷增加，地下水中硝酸盐和电导率升高。这些效应在灌溉区尤为明显，因为回流水中携带了大量污染物（Altés等人，2024年；Merchán等人，2013年；Merchán等人，2020年）。
4.5 研究与政策启示
在这种背景下，可持续灌溉扩展的概念——即通过避免耗尽淡水储备和破坏水生生态系统的灌溉方式，在水资源有限的雨养土地上提高农业生产力——在近期文献中受到了越来越多的关注（Rosa，2022年）。在西班牙，Cánovas-Molina等人（2023年）在塞古拉河流域的62个灌溉区中的17个区发现了不可持续的情况，主要原因是农业盈利能力低、含水层过度开发以及作物需水量过高。Castillo-Díaz等人（2025年）使用综合指标评估了西班牙（尤其是安达卢西亚）雨养、灌溉和温室农业系统的可持续性，发现虽然灌溉和温室系统提高了经济生产力，但也增加了环境压力。Pellicer-Martínez和Martínez-Paz（2016年）应用水资源足迹（WF）评估了塞古拉河流域（西班牙东南部）的水资源管理可持续性，得出结论认为由于灌溉农业导致的含水层过度开发，蓝色水资源的利用是不可持续的。在像西班牙这样的成熟水资源经济体中，供给侧措施已不再可行，因为开发新的水资源需要高昂的经济成本或进一步的环境影响，因此必须通过需求侧管理手段减少现有用水量（Molle等人，2010年）。关键措施包括使用更高效的灌溉系统、调整种植结构、更新环境法规以及提供补贴以支持更具抗逆性的农业系统（Zhao等人，2022年）。同时，不断上涨的灌溉成本和下降的农场收入导致了对亏缺灌溉技术的兴趣日益增加——这种技术通过使用少于作物所需总量的水量来最大化水资源利用效率（Expósito和Berbel，2017b）。在长期面临水资源压力的地区，重新利用再生水可以提供一种解决方案，以减轻对淡水资源的压力（Ballesteros-Olza等人，2022）。在这方面，农民及其集体单位必须在分配有限的水资源时做出战略决策（Expósito和Berbel，2017a）。一个显著的例子是采用木本作物，这可以提高水的边际价值，但在干旱和极端事件下也会增加经济风险，因为多年生作物不能像一年生作物那样逐年调整，必须进行维护以确保其在不利条件下的生存（Escriva-Bou等人，2017）。为了解决这种权衡，Gómez-Limón等人（2020）提出根据农民面临的水资源供应风险程度分配不同优先级的水资源使用权。种植高价值、对水敏感作物的农民可以通过获得更高优先级的水资源使用权来减少不确定性，而种植更灵活的草本作物的农民则持有较低优先级的水资源使用权，并承担更大的供应变化风险。另一个选择是发展用户之间的水资源交易机制，包括环境水资源市场，这使流域管理机构能够购买水资源使用权以确保环境流量的充足（Crespo等人，2022）。其他作者以及西班牙政府也主张根据农民的效率提升（本文中有所证明）和减少的水资源需求来减少他们的水资源使用权（Garrido等人，2026）。
为了实施这些策略并评估其结果，需要强大的工具来量化水资源使用情况、评估权衡并为决策提供依据。ACEA可以通过评估灌溉区的水资源使用情况以及在多个层面（包括流域管理、水文规划和政策）分析灌溉现代化的影响来为此做出贡献（González-Cebollada，2015）。这些应用能够对水资源使用情况进行事前和事后的评估，提供证据以确定灌溉现代化是否真正实现了水资源节约（Perry和Steduto，2017）。同时，评估灌溉农业与雨养农业的经济水资源和土地生产力为评估灌溉扩张或现代化的合理性提供了框架。我们的模型可以扩展以纳入投资和能源成本、水资源成本以及水资源的机会成本（Alarcón等人，2016）。此外，分析与灌溉现代化相关的能源经济成本有助于评估将可再生能源（特别是太阳能）整合到灌溉农业中的可行性（Van De Loo等人，2025）。该工具还可以用于评估不同地区的灌溉效率和作物水资源使用情况，从而支持诸如CAP或西班牙灌溉现代化计划等政策，以评估推广低耗水作物的潜在水资源节约效果。该模型还可以通过纳入更多因素（如农业实践或其他与政策相关的变量）来进一步完善，以捕捉这些因素在节约水资源中的作用（Boser等人，2024）。尽管这些方法对于水资源需求规划很有价值，但它们通常估计的是理论上的需求——即水分需求得到完全满足的作物的蒸散量（ET）——而没有考虑干旱带来的供应限制（Peterson等人，2022）。通过整合水资源供应及其可用性的限制，该工具还可以用于分析水资源短缺情况，并识别优先热点地区，正如我们的研究通过量化位于地下水状况不佳区域上方的灌溉区所展示的那样（与Mekonnen和Hoekstra（2020）的研究一致）。未来的研究应重点评估西班牙灌溉农业的可持续性，明确将资源限制（包括流域层面的水资源可用性、分配限制和地下水状况）纳入水资源足迹（WF）分析中。一个有前景的方向是将ACEA与动态水文和经济模型相结合，从而在替代政策或气候情景下更现实地预测水资源使用变化。此外，评估可持续实践（如亏缺灌溉、再生水再利用或转向低耗水作物）的节水潜力仍然是进一步研究的重点。
**5. 结论**
本研究使用ACEA网格化作物模型，评估了2001年至2019年间西班牙作物生产的水资源足迹（WF）的变化。通过将高分辨率输入数据集与省级农业统计数据相结合，我们提供了对西班牙70种作物和作物类别的绿色和蓝色水资源足迹的空间上明确且时间上详细的评估。结果显示，灌溉作物生产的总消耗水资源足迹（TCWF）总体上有所增加，而雨养作物的水资源足迹则有所下降。这一趋势主要是由灌溉耕地的扩张（尤其是橄榄、葡萄和坚果等木本作物）以及草本作物面积的减少和雨养耕地的同时减少所驱动的。尽管灌溉面积有所增加，但包括灌溉输送和施用损失在内的总蓝色水资源足迹（GBWF）保持稳定。这种脱钩在很大程度上归因于更高效灌溉系统的广泛采用，特别是滴灌技术。虽然灌溉提高了西班牙农业的生产力——特别是在反复干旱的情况下通过缓冲产量损失和稳定生产——但它也带来了相当大的环境和经济挑战。尽管现代化的灌溉系统减少了水资源损失，但增加了农场层面的能源支出。此外，大多数现有的灌溉区和最近的灌溉扩张都发生在地下水状况已经被评为较差的地区，从而加剧了对这些脆弱含水层的压力。因此，农场层面获得的韧性可能会以水文系统韧性的下降为代价。这些见解为政策制定者提供了坚实的基础，以更有效地设计和评估灌溉管理政策。
**作者贡献声明**
Alberto Garrido：撰写——审阅与编辑、监督、资金获取、概念化。
Lucia De Stefano：撰写——审阅与编辑、可视化、监督、概念化。
Oleksandr Mialyk：撰写——初稿撰写、可视化、验证、监督、软件、方法论、数据管理。
Gabriel Arbonès：撰写——初稿撰写、可视化、验证、方法论、调查、形式分析、概念化。
**资金**
本研究由Marcelino Botín基金会资助。作者声明资金来源未参与研究设计、数据收集、分析、解释或决定提交文章发表。
