中医实习见习总结范例6篇

前言:中文期刊网精心挑选了中医实习见习总结范文供你参考和学习,希望我们的参考范文能激发你的文章创作灵感,欢迎阅读。

中医实习见习总结

中医实习见习总结范文1

关键词 水足迹;生产视角;多区域投入产出分析;差异分解;中国特色水安全保障体系

中图分类号 X37 文献标识码 A 文章编号 1002-2104(2015)12-0085-10

21世纪水资源战略倍受全球各国政府重视,我国水资源短缺地区间差异问题也正引起各界关注。坚持贯彻“节水优先、空间均衡”治水思路加强需水管理是构建中国特色水安全保障体系的重要内容之一。“节约水资源,保障水安全”已成为我国纪念2015年“世界水日”和“中国水周”活动的宣传主题。我国最严格水资源管理制度的指导思想中强调需严格控制用水总量,全面提高用水效率。而把握结构有利于在总量控制中加强针对性,提高控制效率。因此,分析比较各地区用水总量、结构及效率,是我国构建特色水安全保障体系、实施最严格水资源管理制度的前提。

1 文献综述

“水足迹”概念由Hoekstra A Y于2002年首次提出,指一国(地区或人),在一定时间内消费的所有产品和服务所需要的水资源数量(这里对产品或服务的消费包括对产品或服务的最终需求,以及对当地居民直接生活用水的消费),包括直接取水量以及对除水资源外其他有关产品或服务所含虚拟水的使用量[1]。为全面反映用水需求和用水过程,基于供应链把握个体和组织的水资源消费行为对全球环境的影响,区域用水情况分析应基于水足迹进行。由于产品或服务的流动,区域生产和消费中的水足迹往往并不相等。而“水足迹”被提出的初衷即为衡量区域或人的消费活动对水资源的使用情况,因此国内外已有相关研究多采用消费视角,分析消费活动中的水足迹。如Cazcarro等对西班牙水足迹的评价[2]、Hoekstra等对全球水足迹的评估[3]、Ewing等对地区生态足迹和水足迹的整合[4]、可口可乐公司对欧洲糖类水足迹的研究[5]、Feng等对英国水足迹的空间分析[6]、王晓萌等对我国14个产业部门水足迹演变及其影响因素的分析[7],王岩等对北京水足迹的估算[8],等[9-10]。

但生产活动耗水量最终也将用于满足需求,与地区GDP的比值可体现当地生产中水消耗对应经济效益,与地区可利用水资源结合可反映当地生产用水对可利用水资源的压力情况。国内外有少量相关研究基于生产视角。Mekonnen等估算了全球电力和热力生产中的水足迹[11]、Palhares等对传统和有机奶生产系统水足迹进行了比较[12]、Mekonnen等在流域间及国家间两种空间维度上分析了拉丁美洲和加勒比地区生产活动中水足迹[13]、Olsen等评估了欧洲洋葱生产水足迹[14]、IFC等分析了脱水洋葱生产中的水足迹地区间差异[15]、Yu等估算了英国生产活动对应水足迹[16]。国内该类研究有宋智渊等对敦煌市农业水足迹[17]、史利洁等对陕西省主要作物生产水足迹[18]、轩俊伟等对新疆13个地(州)主要农作物生产水足迹[19]、Feng等对黄河流域源于当地生产的水资源消耗量[20]、Dong等对辽宁水足迹[21]、耿涌对流域生产活动中水足迹[22]的量化分析。

吴兆丹等:基于生产视角的中国水足迹地区间差异:“总量-结构-效率”分析框架

中国人口・资源与环境 2015年 第12期但目前生产视角下我国水足迹已有研究仍有不足之处。第一,空间范围上,较少针对南方及经济落后区域,而南方地区存在“水多、水少、水脏、水浑”等水资源问题,经济落后区域水足迹尤其是其农产品水足迹量也不容忽视。第二,空间尺度上,对“全国整体范围”研究较多,而结合“省区”、“市”等较小尺度的研究较少,且缺乏统一分析口径,据本人所知尚无对全国各地区的比较研究。这些导致研究结果的准确性、可比性较低,不利于各地区充分挖掘自身发展潜力及其他地区借鉴意义。第三,内容上,我国第二、三产业用水量不断增加,水资源再利用、污水处理问题等愈显重要。研究第二、三产业水足迹是分析我国用水情况的重要内容,但目前该类研究仍较薄弱。第四,经济部门划分多较粗略[7,23-24],不能详细反映各部门水足迹情况,影响研究结果的实用性。第五,虚拟水强度估算上,外地产品虚拟水强度多以本地该产品虚拟水强度代替,降低结果的准确性。第六,用水效率指标上,一方面,已有基于水足迹的水利用经济效率研究多以地区消费视角下水足迹与当地GDP之比来表示。但实际上伴随产品或服务的流入,地区消费视角下水足迹的来源有当地水和外地水两种,故该比值实质上是当地单位GDP对应的源于当地水和外地水的水足迹量,不能准确体现利用当地水的经济效率情况。另一方面,为反映地区水利用的有效程度,已有研究多通过比较地区消费视角下水足迹与废水量来表示水足迹废弃率,但该水足迹对应当地消费活动,而废水量源于当地生产或居民生活直接用水,故该比值所比较的两部分口径并非一致,不能确切反映地区水利用有效程度。

本文将基于生产视角的水足迹定义为生产水足迹,指在一定时间内,为满足当地最终需求、外地最终需求或当地居民生活直接用水需求,由当地所有产品和服务的生产所消耗的,源于当地水的水资源量(译自“Domestic Water Footprint”及其定义)[20]。采用多区域投入产出(MRIO)分析、锡尔指数空间差异分解、伪基尼系数差异成因分解等方法,研究我国生产视角下水足迹地区间差异及其成因,具体分析基于“总量-结构-效率”分析框架。通过总量分析,区分我国除外的30个省区,展现我国生产水足迹总体空间分布情况;结合结构分析,区分三大产业并细分国家统计局投入产出部门分类中42经济部门,呈现我国各产业生产水足迹地区间差异及其成因,可作为识别产业水足迹降低中调整生产时应重点关注的省区及部门的依据;基于效率分析,构建生产水足迹强度指标,以地区的生产水足迹与GDP之比表示当地生产活动中水利用的经济效率,并建立工业生产水足迹废弃率指标,以地区工业废水量与工业生产水足迹的比值反映当地工业生产过程中水利用的有效程度,从经济效率、废弃率两方面反映地区生产活动用水效率,可为评价地区降低水足迹中调整生产的必要性提供参考。区分同种产品在不同产地的虚拟水强度,在视角、空间范围与尺度、内容、经济部门划分、虚拟水强度估算及用水效率指标等方面对已有研究不足有部分弥补作用,为我国合理高效调整生产以降低水足迹提供较科学依据,并在研究视角及用水效率指标构建上有一定创新。

2 研究设计

2.1 研究方法

MRIO分析可反映区域间经济部门间虚拟水投入产出情况,全面体现各地区水足迹部门及来源结构,提高水足迹估算结果的准确性;与其他多个区域之间的投入产出模型相比数据要求较低,无需分区域、分部门的区域间产品流量数据;能区分当地生产技术和贸易模式对水足迹的影响。因此,MRIO分析方法对水足迹分析具有一定适用性及优点,目前已有研究基于该方法量化水足迹[20,25],本文也将采用MRIO分析方法估算我国各省区水足迹。

为更准确分析我国生产水足迹、水资源压力地区间差异成因,本文需区分经济区域间和经济区域内省区间两部分差异对总体空间差异的贡献,而锡尔指数空间差异分解方法正适用于此。故本文将采用该方法,依据2002,2007年中国区域间投入产出模型中对经济区域的划分[26](东北区域:黑龙江、吉林和辽宁;京津区域:北京和天津;北部沿海区域:河北和山东;东部沿海区域:江苏、上海和浙江;南部沿海区域:福建、广东和海南;中部区域:山西、河南、安徽、湖北、湖南和江西;西北区域:内蒙古、陕西、宁夏、甘肃、青海和新疆;西南区域:四川、重庆、广西、云南、贵州和。),分解我国生产水足迹、水资源压力总体空间差异。伪基尼系数差异成因分解方法可将区域总体差异分解为其不同分项因子差异的贡献率。本文将采用该方法,分析各经济部门生产水足迹及居民生活直接用水对生产水足迹空间差异的贡献程度,并将部门生产水足迹地区间差异分解为部门直接用水系数、用水乘数及最终需求量三方面地区间差异;将水资源压力指标空间差异分解为生产水足迹与可利用水资源量两方面空间差异;将效率指标地区间差异分解为各部门对应效率地区间差异,得到总差异主要成因。

2.2 水足迹多区域投入产出表编制

我国最新30省区42经济部门多区域投入产出表是本文基于MRIO方法构建我国各省区细化部门水足迹模型的前提。目前已有学者出版了我国多区域之间的投入产出表,但其中最近年份即2007年对应表均仅公布了合并省份或合并部门后的表格[26-27],故这里需根据我国最新的各地区投入产出表编制该表[28]。当前我国最新的各地区投入产出表为《中国地区投入产出表2007》,投入产出表所体现的各种系数在相当长的时期内是有效稳定的,故基于该表研究水足迹的结果对表对应年份后一段时期内相关情况仍有一定代表性[29]。我国水足迹多区域投入产出模型基本形式如下:

于是最终需求矩阵FD构成如下:

FD=[FD1,FD2,…,FD30],FDm=[Rm,Um,Gm,FCm,INm],其中Rm、Um、Gm、FCm、INm分别是R、U、G、FC、IN的第m列。

基于该模型,我国水足迹多区域投入产出表的基本编制思路如图1,基本框架形式如表1。其中区分四列贸易包括对各省区投入产出表中无进口或出口列省份的进出口量估算、30省区进出口价格调整、省区间流入流出列估算。省区间贸易矩阵估算的双约束引力模型中,各部门距离系数γ引用“1997年中国区域间投入产出表”编制中距离系数估算结果[30]。

其中,WWI是地区年工业废水量;WDom,I为当地年工业生产水足迹。将式(11)中各指标换成某具体工业部门对应指标,即可得该工业部门年生产水足迹废弃率。

2.4 数据来源

我国地区人口、工业废水排放量以及生活污水排放量数据源自国家统计年鉴,地区分经济部门产值参照我国地区投入产出表[28]。对各省区各部门直接用水量及居民生活直接用水量的确定,将基于各省区或所属流域水资源公报、《中国环境统计年鉴》、我国“水利投入占用投入产出表”、《中国可持续发展战略报告》,省区各部门用水定额、省区投入产出表中各部门源于“水的生产和供应业”部门的投入等。水资源公报中城镇建筑业用水计入第二产业用水,服务业用水、生态用水纳入第三产业用水。为估算第二产业和第三产业各部门直接用水量,先确定产业直接用水总额,再根据有关资料确定个别部门用水量,继而将产业直接用水总额减去已确定的部门用水量后的值,在产业内其他部门间进行分配。第二产业该分配依据、当地工业废水排放量计;第三产业分配依据中国投入产出学会课题组关于我国各部门用水系数的分析结果与各省区对应部门的产值之积[31],并参考对应省份城市用水的重复用水比例加以调整。

3 实证结果与分析3.1 我国生产水足迹总量地区间比较

3.1.1 我国生产水足迹量地区间比较

据模型估算,2007年我国各省区生产水足迹总量见图2。吉林该总量最高,其次是新疆和黑龙江对应值,而天津、青海、北京的则最低。生产水足迹省区间差异较大,均方差系数42.43%,最高值是最低值的约10.3倍。该差异与资源禀赋、部门虚拟水强度、产业结构、经济发展水平等省区间差别有关。如南疆较高的生产水足迹与其农产品虚拟水强度较高有关。北京综合技术服务业、研究与试验发展业、水利、环境和公共设施管理业、租赁和商务服务业等相对其他省区优势较明显,辽宁资源性产业优势突出,石油和天然气开采业、石油加工、炼焦及核燃料加工业区位商较高,且上述部门均属水资源稀缺型,这些与北京和辽宁生产水足迹较低有一定关联。

根据锡尔指数空间差异分解方法可以得到生产水足迹省区间差异主要源于经济区域间对应差异,贡献率为69.46%。农林牧渔业生产水足迹对生产水足迹经济区域间差异的贡献高于其他部门因子(贡献率59.19%),且最终需求量对该部门生产水足迹经济区域间差异的贡献率达74.57%。故我国生产水足迹总量空间差异主要源于农林牧渔业最终需求量经济区域间差异。

3.1.2 我国水资源压力地区间比较

宁夏、上海和北京水资源压力指标最高(分别为8.32,3.94和2.57);云南、四川、贵州该压力最低,均仅为宁夏的约0.8%。30省区该指标均方差系数达1.88,水资源短缺程度省区间差异较为明显。

经济区域内省区间差异是我国水资源压力指标总体空间差异最主要组成部分,且该差异主要来源于可利用水资源量对应差别。因此,结合合理的体制建设,加强经济区域内省区间水资源合理调用,将有利于改善我国水资源压力空间不均衡性。。

3.2 我国生产水足迹结构地区间比较

3.2.1 我国生产水足迹产业结构地区间比较

我国各地区第一产业生产水足迹均高于其他产业对应水足迹。如北京第一产业水足迹是第二产业对应值的1.90倍,是第二产业水足迹的5.13倍。上海、辽宁、吉林第三产业生产水足迹高于第二产业,其余省区第二产业水足迹在三大产业水足迹中位居第二(表2)。本文将分别从总量、结构的地区间差异及其成因等方面分析各大产业水足迹。

3.2.2 我国第一产业生产水足迹地区间比较

(1)第一产业生产水足迹地区间差异分析。2007年我国省区间农林牧渔业生产水足迹差异较大,均方差系数为61.77%。北方农林牧渔业生产中水资源消费高于南方。新疆第一产业生产水足迹(214.83亿m3)高于其他省区;黑龙江对应略次之(202.72亿m3);天津、重庆、上海等省区的对应最低。该结果与农林牧渔业生产优势高低空间分布大体一致。

(2)第一产业生产水足迹地区间差异来源分析。农林牧渔业直接用水系数与最终需求量省区间差异对该部门生产水足迹省区间差异的贡献率(57.69%,59.33%)高于用水乘数对应贡献率,这与农林牧渔业供应链用水特点 有关。分别依据农林牧渔业直接用水系数及该部门最终需求量对各省区进行排序,河北、浙江农林牧渔业生产水足迹较高主要源于其较高的最终需求量,而甘肃和新疆该水足迹较高与其水资源更为密集有关。内蒙古和青海的最终需求量、四川的直接用水系数分别是其第一产业生产水足迹较低的主要因素。此外,北京、天津、重庆三市该两因素值均相对较低,共同导致其对应水足迹较低;黑龙江、江苏、广西三省两因素的较高水平也与地区该水足迹较高相一致。农林牧渔业直接虚拟水强度省区间差异主要源于该产业生产率和用水有效性等方面省区间差异。如宁夏、黑龙江等的主要农产品单位面积产量、林业单位面积产值在省区间比较中明显偏低,河南、山东等则对应较高;山东农林牧渔业用水有效性较高,新疆对应较低。

3.2.3 我国第二产业生产水足迹地区间比较

(1)第二产业生产水足迹地区间差异分析。第二产业生产水足迹省区间差异较大,均方差系数达83.99%,最高值是最低值的约16.4倍。吉林第二产业生产水足迹(150.31亿m3)高于其他省区,占30省区该水足迹之和的13.21%,其次是辽宁和黑龙江对应值;而贵州、青海、广西等的则最低,在30省区该水足迹之和中所占比重均低于1%。

除上海、江苏、青海外,其他各省区食品制造及烟草加工业生产水足迹在对应省区第二产业生产水足迹中所占比重均高于其他部门。其中山东、湖北该比重最高(55.88%,55.29%);青海、上海该比重最低(12.87%,13.70%)。各省区建筑业均为其第二产业生产水足迹主导部门之一,青海第二产业中该部门生产水足迹最高(占比47.64%)。

(2)第二产业生产水足迹地区间差异来源分析。食品制造及烟草加工业生产水足迹省区间差异对第二产业生产水足迹省区间差异的贡献率最高(33.58%),是仅次之的建筑业对应差异贡献率的约2.4倍。而废品废料、非金属矿及其他矿采选业、水的生产和供应业该贡献率最低,废品废料对应贡献率仅为食品制造及烟草加工业的0.02%。最终需求量差异是食品制造及烟草加工业生产水足迹省区间差异的最主要贡献因素(贡献率73.20%);建筑业用水乘数差异较显著是该部门生产中耗水量省区间较大差距的最主要原因(贡献率73.99%)。因此,食品制造及烟草加工业最终需求量、建筑业用水乘数省区间差异是第二产业生产水足迹省区间差异的主要成因。

3.2.4 我国第三产业生产水足迹地区间比较

(1)第三产业生产水足迹地区间差异分析。第三产业生产水足迹省区间差异(均方差系数95.62%)较第二产业更为明显,最高值吉林第三产业生产水足迹是最低值海南的约25.5倍。且与第二产业比较结果类似,吉林、辽宁第三产业生产水足迹(79.22亿m3,54.28亿m3)也在各省区比较中位居前列,在30省区该水足迹之和中占比分别为15.21%和10.42%。福建该水足迹仅次之(41.43亿m3)。海南、安徽和广西对应最低,三者之和在30省区该水足迹之和中占比约2.00%。

天津、河北、甘肃、新疆第三产业生产水足迹主导部门为交通运输及仓储业,北京为信息传输、计算机服务和软件业,江西为批发和零售业,青海为公共管理和社会组织,而其他省份则均为住宿和餐饮业。其中广东住宿和餐饮业生产水足迹在其第三产业生产水足迹中占比高于其他省区,约为50.41%。

(2)第三产业生产水足迹地区间差异来源分析。第三产业生产水足迹省区间差异主要源于住宿和餐饮业、交通运输及仓储业和批发和零售业对应差异,三者贡献率之和达55.38%,其中住宿和餐饮业对应贡献率为34.10%。邮政业该贡献率最低,仅为住宿和餐饮业对应值的0.24%。

住宿和餐饮业生产水足迹省区间差异主要源于部门用水乘数、最终需求量的省区间差异(贡献率50.97%,34.28%)。这与住宿餐饮业供应链、最终需求的区域特性较显著有关。交通运输及仓储业用水乘数省区间差异显著,均方差系数为1.56,其中吉林该用水乘数最高,是仅次之的宁夏对应乘数的约3.9倍。该部门最终需求量省区间差异也较大,均方差系数为87.83%,最高值上海该指标是最低值宁夏对应指标的约43.2倍。部门用水乘数和最终需求量省区间差异是交通运输及仓储业生产水足迹省区间差异的最主要贡献因子(贡献率52.12%,37.25%)。故第三产业生产水足迹省区间差异主要源自住宿餐饮业、交通运输及仓储业两部门用水乘数与最终需求量省区间差异。

3.3 我国生产水足迹效率地区间比较

3.3.1 我国生产水足迹强度地区间比较

2007年青海、新疆等生产水足迹强度高于其他省区,经济发展中水资源使用相对粗放。青海该强度为0.078m3/元,是30省区平均水平的约5.10倍。天津、江苏、山东水资源利用经济效率最高,近年来生态经济和循环经济的提倡已取得较好效果,经济发展正向水资源节约型不断转变。生产水足迹强度省区间差异较大,均方差系数达86.90%,青海该指标是天津的约13.9倍。这主要源于经济规模、工业化程度、水资源禀赋以及用水效率等方面省区间差别。生产水足迹强度省区间差异的最主要贡献因子是农林牧渔业该强度空间差异。

3.3.2 我国工业生产水足迹废弃率地区间比较

2007年广西、浙江和江苏的工业生产水足迹废弃率在30个省区中最高,其中广西该废弃率是全国水平的约3.72倍,吉林、海南、黑龙江对应最低(见图3)。工业产品生产中单位耗水量对应废水排放量省区间差异较大,均方差系数为1.17,该差异主要源于煤炭开采和洗选业、石油和天然气开采业对应废弃率省区间差异。

4 结论及讨论

本文基于生产视角分析水足迹总量、结构及效率地区间差异及其成因,可总结并讨论如下:

(1)总量比较中,吉林、新疆、黑龙江水足迹高于其他地区,分别为289.56 亿m3、242.31亿m3、235.52亿m3,而天津、青海、北京对应最低;农林牧渔业最终需求量经济区域间差异是我国生产水足迹总量空间差异的主要贡献因子。宁夏、上海和北京水资源压力指标最高,云南、四川、贵州该压力最低;我国该指标总体空间差异主要源自经济区域内省区间可利用水资源量差异。

根据统计数据可以看到,2007年经济区域的农林牧渔业最终需求量确实呈现较大差异,其变异系数为54.02%,其中中部区域对应值最高,西南区域该需求量其次,而京津区域最对应最低,仅为中部区域该需求量的6.68%。这与各区域在资源禀赋、产业结构以及经济发展水平等方面特点有关。例如中部区域相对其他经济区域在农林牧渔业生产上具有一定优势,其人口总数约占全国的30%,土地面积约占全国的10%,是我国著名的农产品生产基地,其粮食、油料和棉花等农作物产量约占全国的1/3。此外,我国可利用水资源量经济区域内省区间的确存在较大差异,尤其在东部沿海区域、南部沿海区域、西北区域内部,上海、海南和宁夏的可利用水资源量明显低于区域内其他省区对应值。

(2)结构比较中,各地区三大产业中均以第一产业生产水足迹最高。新疆第一产业水足迹、吉林第二、三产业水足迹高于其他省区,分别为214.83 亿m3、150.31亿m3和79.22亿m3。大多省区第二、三产业分部门水足迹均以食品制造及烟草加工业水足迹、住宿和餐饮业水足迹最高。三大产业水足迹省区间差异分别主要源于农林牧渔业直接用水系数与最终需求量省区间差异,食品制造及烟草加工业最终需求量、建筑业用水乘数省区间差异,住宿餐饮业、交通运输及仓储业两部门用水乘数与最终需求量等省区间差异。

农林牧渔业生产率和用水有效性省区间差异对该部门直接用水系数省区间差异有直接影响。一方面,农林牧渔业生产率可以主要农产品单位面积产量、林业单位面积产值为代表,而该两指标的省区间差异较为明显。如山东多年平均花生单位面积产量是宁夏的约4.22倍,山东多年平均林业单位面积产值是黑龙江对应指标的约7.45倍。另一方面,比较各省区农林牧渔业的耗水量与取水量,山东的农林牧渔业用水有效性较高,70.20%的农林牧渔业取水量将被消耗而不再流回到水体中;而新疆农林牧渔业用水有效性也相对较低,宁夏农业耗水量仅占其农业取水量的53.86%。新疆、宁夏较低的用水有效性也是其直接虚拟水强度较高的原因之一。

(3)效率比较中,青海、新疆的生产水足迹强度,以及广西、浙江的工业生产水足迹废弃率高于其他省区。农林牧渔业生产水足迹强度省区间差异是生产水足迹强度省区间差异的关键因子,煤炭开采和洗选业、石油和天然气开采业生产水足迹废弃率省区间差异是工业生产水足迹废弃率省区间差异的主要成因。

据估算结果可以看到,30省区的农林牧渔业生产水足迹强度的确存在较大差别,对应变异系数为116.05%,其中宁夏该强度最高(0.368 m3/元),是最低值即山东对应值的25.28倍。与第一产业水足迹省区间差异成因类似,农林牧渔业生产水足迹强度省区间差异主要与该部门直接用水系数省区间较显著差异有关。

此外,水资源压力指标、生产水足迹强度及工业生产水足迹废弃率等指标分别体现了生产用水对当地水作用强度、经济效率、有效程度三方面情况,故可作为地区在节水中生产调整必要性的评价依据。与该三指标相对应,我国尤其是其中有必要调整生产的地区生产调整原则为:压缩高水耗和重污染产业的生产,鼓励发展低水耗和轻污染产业,缓解水资源压力,形成与当地可利用水资源量相适应的产业结构。结合本文结论,有关地区应优先发展生产水足迹强度较低行业,适当限制生产水足迹、生产水足迹强度及工业生产水足迹废弃率较高部门的过度发展,关注其当地用水主要组成部分,以及生产水足迹、水资源压力与用水效率指标地区间差异的主要贡献因子。且应加强改善上述生产水足迹强度、工业生产水足迹废弃率等指标空间差异主要贡献因子所对应经济部门的生产技术,如农林牧渔业、煤炭开采和洗选业、石油和天然气开采业等相关技术,从而更显著提升总体水资源利用效率。

参考文献(References)

[1]Hoekstra A Y. Perspectives on Water: A Modelbased Exploration of the Future[M]. Netherlands: International Books, 1998.

[2]Cazcarro I, Duarte R, SánchezChóliz J. Water Footprints for Spanish Regions Based on a MultiRegional InputOutput (MRIO) Model[M]. Champaign, IL: Common Ground, 2013: 119-132.

[3]Hoekstra A Y, Mekonnen M M, Chapagain A K, et al. Global Monthly Water Scarcity: Blue Water Footprints Versus Blue Water Availability[J]. PLoS ONE, 2012, 7(2): 632-688.

[4]Ewing R B, Hawkins T R, Wiedmann O T, et al. Integrating Ecological and Water Footprint Accounting in a Multiregional InputOutput Framework[J]. Ecological Indicators, 2012, 23: 1-8.

[5]CocaCola Europe. Towards Sustainable Sugar Sourcing in Europe[R]. Brussels: CocaCola Europe, 2011.

[6]Feng K S, Hubacek K, Minx J, et al. Spatially Explicit Analysis of Water Footprints in the UK[J]. Water, 2011, 3: 47-63.

[7]王晓萌, 黄凯, 杨顺顺, 等. 中国产业部门水足迹演变及其影响因素分析[J]. 自然资源学报, 2014, 29(12): 2114-2126. [Wang Xiaomeng, Huang Kai, Yang Shunshun, et al. Temporal Variability and Influencing Factors of Sectoral Water Footprint in China[J]. Journal of Natural Resources, 2014, 29(12): 2114-2126.]

[8]王岩, 崔胜玉, 钟连红, 等. 水足迹和虚拟水战略在城市规划环评中的应用:以北京市为例[J]. 北京师范大学学报:自然科学版, 2014, 1250(6): 638-643. [Wang Yan, Cui Shengyu, Zhong Lianhong, et al. Water Footprint and Virtual Water Theory Applied in Planning EIA: Case of Beijing [J]. Journal of Beijing Normal University:Natural Science Edition, 2014, 1250(6): 638-643.]

[9]赵良仕, 孙才志, 邹玮. 基于空间效应的中国省际经济增长与水足迹强度收敛关系分析[J]. 资源科学, 2013, 35(11): 2224-2231. [Zhao Liangshi, Sun Caizhi, Zou Wei. Convergence Between Economic Growth and Water Footprint Intensity at the Provincial Scale in China [J]. Resources Science, 2013, 35(11): 2224-2231.]

[10]陈俊旭, 张士锋, 华东, 等. 基于水足迹核算的北京市水资源保障研究[J]. 资源科学, 2010, 32(3): 528-534. [Chen Junxu, Zhang Shifeng, Hua Dong, et al. A Study on Water Resources Guarantee in Beijing City Based on Water Footprint Evaluation[J]. Resource Science, 2010, 32(3): 528-534.]

[11]Mekonnen M M, GerbensLeenes P W, Hoekstra A Y. The Consumptive Water Footprint of Electricity and Heat: A Global Assessment[J/OL]. Environmental Science: Water Research & Technology, 2015, 3. http:///media/downloads/Mekonnenetal-2015.pdf

[12]Palhares J C P, Pezzopane J R M. Water Footprint Accounting and Scarcity Indicators of Conventional and Organic Dairy Production Systems[J]. Journal of Cleaner Production, 2015, 93: 299-307.

[13]Mekonnen M M, Pahlow M, Aldaya M M, et al. Water Footprint Assessment for Latin America and the Caribbean: An Analysis of the Sustainability, Efficiency and Equitability of Water Consumption and Pollution[C]// Value of Water Research Report Series No. 66. Delft, the Netherlands: UNESCOIHE, 2014.

[14]Olsen S K, Weinzettel J, Cranston G, et al. Carbon, Land, and Water Footprint Accounts for the European Union: Consumption, Production, and Displacements through International Trade[J]. Environmental Science & Technology, 2012, 46 (20): 10883-10891.

[15]Ifc, Jain, Tnc, et al. Water Footprint Assessments: Dehydrated Onion Products Microirrigation Systems[R]. Washington D C: International Finance Corporation, Jain Irrigation Systems Ltd., The Nature Conservancy, LimnoTech, 2010.

[16]Yu Y, Hubacek K, Feng K S, et al. Assessing Regional and Global Water Footprints for the UK[J]. Ecological Economics, 2010, 69: 1140-1147.

[17]宋智渊, 冯起, 张福平, 等. 敦煌1980-2012年农业水足迹及结构变化特征[J]. 干旱区资源与环境, 2015, 29(6): 133-138. [Song Zhiyuan, Fengqi, Zhang Fuping, et al. Agriculture Water Footprint and Structural Characteristics in Dunhuang from 1980 to 2012[J]. Journal of Arid Land Resources and Environment, 2015, 29(6): 133-138.]

[18]史利洁, 吴普特, 王玉宝, 等. 基于作物生产水足迹的陕西省水资源压力评价[J]. 中国生态农业学报, 2015, 23(5):650-658. [Shi Lijie, Wu Pute, Wang Yubao, et al. Evaluation of the Water Resource Pressure in Shaanxi Province Based on the Crop Production Water Footpring[J]. Chinese Journal of EcoAgriculture, 2015, 23(5):650-658.

[19]轩俊伟, 郑江华, 刘志辉. 新疆主要农作物生产水足迹计算分析[J]. 干旱地区农业研究, 2014, 32(6): 195-235. [Xuan Junwei, Zheng Jianghua, Liu Zhihui. Calculation and Analysis of the Main Crop Production Water Footprint in Xinjiang[J]. Agricultural Research in the Arid Areas, 2014, 32(6): 195-235.]

[20]Feng K S, Siu Y L, Guan D B, et al. Assessing Regional Virtual Water Flows and Water Footprints in the Yellow River Basin, China: A Consumption Based Approach[J]. Applied Geography, 2012, 32: 691-701.

[21]Dong H J, Geng Y, Sarkis J, et al. Regional Water Footprint Evaluation in China: A Case of Liaoning[J]. Science of the Total Environment, 2013, 42: 215-224.

[22]耿涌, 戚瑞, 张攀. 基于水足迹的流域生态补偿标准模型研究[J]. 中国人口・资源与环境, 2009, 19(6): 11-16. [Geng Yong, Qi Rui, Zhang Pan. A Water Footprint Based Model on River Basin EcoCompensation[J]. China Population, Resources and Environment, 2009, 19(6): 11-16]

[23]王艳阳, 王会肖, 蔡燕. 北京市水足迹计算与分析[J]. 中国生态农业学报, 2011, 19(4): 954-960. [Wang Yanyang, Wang Huixiao, Cai Yan. Calculation and Analysis of Water Footprint in Beijing City[J]. Chinese Journal of EcoAgriculture, 2011, 19(4): 954-960.]

[24]Wang H, Wang Y. Three Industries and Water Consumption of Beijing[J]. Journal of Environmental Sciences, 1998, 10(2): 181-188.

[25]石敏俊, 张卓颖, 等. 中国省区间投入产出模型与区际经济联系[M]. 北京: 科学出版社, 2012: 143-156. [Shi Minjun, Zhang Zhuoying, et al. Chinese Interprovincial Inputoutput Model and Interregional Economic Relationship[M]. Beijing: Science Press, 2012, 3: 143-156.]

[26]张亚雄, 齐舒畅. 2002、2007年中国区域间投入产出表[M]. 北京: 中国统计出版社, 2012. [Zhang Yaxiong, Qi Shuchang. Chinese Interregional Inputoutput Table in 2002, 2007[M]. Beijing: China Statistics Press, 2012.]

[27]刘卫东. 中国2007年30省区市区域间投入产出表编制理论与实践[M]. 北京: 中国统计出版社, 2012. [Liu Weidong. Compilation Theory and Practice of Chinese 30 Provinces Interregional Inputoutput Table in 2007[M]. Beijing: China Statistics Press, 2012.]

[28]国家统计局国民经济核算司. 中国地区投入产出表2007[M]. 北京: 中国统计出版社, 2011. [National Economy Accounts Division of National Bureau. Chinese Regional Inputoutput Table 2007[M]. Beijing: China Statistics Press, 2011.]

[29]Rose A, Casler S. Inputoutput Structural Decomposition Analysis: A Critical Appraisal[J]. Economic Systems Research, 1996, 8: 33-62.

[30]Okuda T, Hatano T, Qi S C. An Estimation of a Multiregional Inputoutput Table in China and the Analysis [EB/OL]. [2014-01-15]. http: // iioa. org/pdf/Intermediate-2004/399.

[31]中国投入产出学会课题组. 国民经济各部门水资源消耗及用水系数的投入产出分析:2002年投入产出表系列分析报告之五[J]. 统计研究, 2007, 24(3): 20-25. [China Inputoutput Association Task Group. Inputoutput Analysis of Water Consumption and Water Use Coefficient in National Economic Sectors: Series Analysis Report Five of Inputoutput Table in 2002[J]. Statistical Research, 2007, 24(3): 20-25.]