水资源是生命存续和社会发展的重要物质基础. 虽然水资源是可再生资源，但实际的水资源可得性受到水量、水质和空间分布3个因素的制约. 全球可直接被人类利用的淡水量有限，而世界生产与消费的不断增长导致水质恶化[1-2]，另一方面气候变化等因素造成淡水不足和空间分布不均现象加剧，令全世界超过16×108人面临着水资源匮乏的问题[3-5].

水足迹是评价人类活动对水资源可得性影响的方法，被广泛应用于过程、产品、企业、行业和国家等层面[6-7]. 其中产品水足迹可以直接评价产品生产消费过程的水资源影响，因而受到广泛关注[8-9]. 目前常用WFN(water footprint network，水足迹协作网络)的《水足迹评价手册》将产品水足迹定义为“用于生产某一产品所直接或间接消耗和污染的水资源总量”[10]，并且给出了蓝水、绿水和灰水的计算方法，能够为产品生命周期的水足迹评价提供数据支持. 但WFN中蓝水、绿水和灰水的计算方法只相当于LCA(life cycle assessment，生命周期评价)(ISO 14044)[11]中单元过程的数据计算和处理方法，与完整的LCA方法框架相比，尚未涉及生命周期背景过程数据收集和处理、生命周期汇总计算等步骤.

产品生命周期过程跨越不同区域，因此产品水足迹必然涉及到水资源空间分布不均的问题[12-14]. 目前普遍采用的方法是定义并预先计算不同区域的水资源稀缺度[15-16]，水资源稀缺度因子的计算方法也在不断发展之中，如Pfister等[17]提出的“水压力系数”(water stress index，WSI)，是根据某一区域中全年取水量与水资源可得量的比值，以及该区域降水量的变化导致用水压力改变等因素计算；在Boulay等[18]提出的“剩余的可得水AWARE(available water remaining)”方法中是以某一区域内水资源可得量与该区域内人类和水生生态系统的水资源需求量的差值为基础计算. 在产品生命周期汇总计算时，每个过程的水足迹先乘以此过程所在区域的水资源稀缺度因子，然后再进行生命周期汇总计算，以此体现水资源可得性的区域性特点.

2014年国际标准化组织(International Organization for Standardization, ISO)在其制定的《环境管理水足迹标准》(ISO 14046)中将产品水足迹定义为与水相关的潜在环境影响，规定了水足迹评价基于LCA方法框架的原则，要求水足迹评价应该包含水量使用和水质变化，并体现区域性分布不均的特点[19]. 但该标准未采用WFN的蓝水、绿水和灰水定义，也未给出具体的计算公式和操作步骤，只是一个框架性、原则性的标准，具体的计算方法仍待进一步研究. ISO在《环境管理水足迹标准》中将水资源可得性定义为人类与生态系统拥有满足其需求的水资源的充足程度，并指明水资源消耗和水污染造成的水质变化都会影响水资源可得性；将可得性水足迹定义为量化与水资源可得性相关的潜在环境影响的指标. 目前综合考虑水消耗和水质变化二者影响的可得性水足迹方法主要有3种： ①Ridoutt等[20]考虑水质变化借用的是WFN的灰水足迹概念，无法辨识水质净化过程的贡献； ②Boulay等[21]运用人体健康影响模型考虑水消耗对人体可能造成的损害，但模型的不确定性较高； ③Bayart等[22-23]提出的水可得性定义意味着消耗符合水环境质量标准的水资源比消耗超过水环境质量标准的水资源的影响还要高，与常识相矛盾.

纺织是水资源消耗和污染的主要行业，目前对纺织品进行水足迹评价的国内研究采用的都是WFN的方法[24-26]；关于纺织品可得性水足迹的研究较为鲜见.

该研究分析了WFN的水足迹计算公式和《环境管理水足迹标准》的原则与要求，围绕水资源可得性的概念和LCA基本框架，在分析现有水足迹计算公式的基础上，改进了水足迹计算公式，提出了产品生命周期WAF(可得性水足迹)的定义和计算方法，并通过纺织品案例研究检验该方法的可行性，以推动水足迹评价在实际生产过程中的应用.

1 研究方法

1.1 WFN的计算方法

WFN水足迹计算公式[10]：

WF=WFBlue+WFGreen+WGrey

(1)

式中： WF为产品水足迹(water footprint)，L； WFBlue为蓝水足迹，是指对蓝水(地表水和地下水)资源的消耗量，L； WFGreen为绿水足迹，是指对绿水(不会成为径流的雨水)资源的消耗量，L； WFGrey为灰水足迹，是与污染有关的指标，L.

WFBlue=VBlue,E+VBlue,I+VBlue,L

(2)

WFGreen=VGreen,E+VGreen,I

(3)

WFGrey,i=Li(CS,i-CR,i)=(VEf×CEf,i-VEx×CEx,i)(CS,i-CR,i)

(4)

式中： VBlue，E为与产品生产有关的蓝水蒸发量，L； VBlue,I为结合到产品中的蓝水量，L； VBlue，L为不能被重新利用的回水量，即在同一时间不能被同一流域利用的回水(未回到原流域的水是指到其他流域或海洋的水，未在同一时间段返回的水是指干旱期流失或湿润期返回的)，L； VGreen，E为与产品生产有关的绿水蒸发量，L； VGreen，I为结合到产品中的绿水量，L； Li为污染物i的污染负荷，即产品生产过程中增加污染物i的量，L；CS,i为污染物i的标准排放浓度，即当地现有的环境排放标准中污染物的排放浓度限值，mgL；CR,i为受纳水体自然本底浓度，即自然条件下排水的受纳水体中污染物i的浓度，mgL； VEf为单位产品排放污水体积，L； CEf,i为排放污水中污染物i的浓度，mgL； VEx为单位产品取水体积，L； CEx,i为取水中污染物i的浓度，mgL.

式(4)的含义：利用受纳水体的水将生产过程中产生的污染物负荷稀释到给定标准浓度所需要的受纳水体的量.

根据不同污染物可计算得到不同的灰水足迹，WFN定义单元过程灰水足迹是各污染物指标中灰水量的最大值，即：

WFGrey=max{WFGrey,i}

(5)

1.2 WAF水足迹计算方法

WAF水足迹计算公式：

WAFi=VC+VP,i

(6)

式中：WAF为可得性水足迹(water availability footprint)，L； VC为消耗型水足迹，是指与产品生产有关的水资源消耗量，L； VP,i为污染型水足迹，是指与产品生产有关的水资源污染量，L.

对于人工河道，一般在开挖河道时都有大量的弃土，大多堆放在堤防背水侧的一定区域内，在这一区域内种树一般不会影响堤防的安全。如淮河流域的人工分洪河道——茨淮新河和怀洪新河的弃土区。

VC=VEx+VEf

(7)

VP,i=LiCS,i0=(VEf×CEf,i-VEx×CEx,i)CS,i0

(8)

式中：CS,i0为污染物i的水质基准浓度，mgL； 若污水排放到海洋里，则VEf被计入产品的消耗水量中.

式(8)的含义：用污染物浓度为0的洁净水，将排水中某污染物i稀释到指定水质基准浓度所需的额外的洁净水量.

1.3 方法对比

1.3.1 水消耗部分

WFN方法中蓝水与绿水按用水类型分别计算水的消耗量，并在式(2)(3)的数据处理过程中考虑到了流域和时期对水资源可得性的影响[10]，这将增加水足迹计算过程中数据收集和处理的难度，可操作性差，并且水资源流域和时期的划分存在主观性. 而在LCA方法中，单元过程的数据计算其实只需要贯穿过程边界的输入和输出量，而没有必要细分其构成以及流向和用途，因此WAF方法中将式(2)(3)改进为式(7)，不再按用水类型分别计算水的消耗量，也不再考虑水的流域和时期因素. 另外，WFN方法虽将水消耗按蓝水和绿水分别计算，但并未给出绿水足迹的具体数据处理方法，而且该定义下的绿水在特定区域内未必会影响水循环或水资源可得性[20]. 《环境管理水足迹标准》中并未采用“蓝水、绿水、灰水”的术语和定义，尤其是“绿水”的概念存在较大争议，因此该研究未对绿水的计算方法做进一步探讨.

1.3.2 水污染部分

根据2014年重庆统计年鉴，考虑全市38个区县的人均GDP排位，现场调查选择在渝北区(人均GDP第3位)和垫江县(人均GDP第25位)两地进行。在所选的样本区/县内，选择了两个慢性病管理工作开展得较好且愿意配合的乡镇卫生院/社区卫生院，从其规范管理慢性病患者的花名册中，随机抽取糖尿病患者，对他们2013年6月～2014年6月的“经济负担和家庭卫生支出”情况进行面对面问卷调查。

[15] BOULAY A M,MOTOSHITA M,PFISTER S,et al.Analysis of water use impact assessment methods:part A.evaluation of modeling choices based on a quantitative comparison of scarcity and human health indicators[J].International Journal of Life Cycle Assessment,2015,20(1):139-160.

*Donald Francis，A Companion to Beethoven’s Pianoforte Sonatas，ABRSM1998，Copyright 1931 by The Associated Bcard of the R.A.M.R.C.M.，P.122.

2 背景过程数据处理

产品LCA建模和数据收集包含两类过程：可以实际调查的实景过程和来自于数据库的背景过程. 其中，实景过程调查时可以采用上述单元过程水足迹公式(6)～(8)进行计算，而背景过程则需要对数据库已有的数据进行处理. 产品生命周期水足迹离不开LCA数据库支持，而大多数现有LCA数据库并未考虑水足迹的特殊计算方法，因此需要制订背景数据库的数据处理规范，支持WAF的计算.

由消耗型水足迹(VC)的定义可知，与产品生产有关的水资源消耗都应该计入该过程的消耗型水足迹. 水资源消耗是数据库中的环境排放之一. 环境排放中根据废水的不同去向，将废水的排放类型分为排放到水体、土壤、大气3种；排放到水体中的类型又分为排放到淡水、海水、水体(未指明类型)3种，原则上只有排放到淡水水体中的废水才会影响水资源可得性. 因此除了排放到淡水或水体(未指明类型)中的废水，排放到其他环境中的废水均视为水资源的损耗. 若过程数据集中没有水资源消耗数据，可以根据式(7)，按该过程中的取水量与排水量的差值计算. 取水量是数据库中的资源投入之一，大多数数据库中资源投入包含多种用水类型，数据处理过程中只需保留与淡水资源消耗有关的水量(如冷却水、地下水、地表水、河水、湖水、淡水等)，其他非淡水资源(如海水)或无消耗无污染的用水(如水力发电的涡轮水)可排除在外. 另一方面，排水量与LCA数据库的环境排放中的废水量有关. 只将排放到淡水或水体(未指明类型)中的废水计入该过程的排水.

由式(8)可知，污染型水足迹(VP,i)可以通过该过程中产生的污染物负荷与水质基准浓度的比值计算. LCA数据库的资源投入中通常只有各类水资源的水量数据，并没有水质信息，简单的近似处理方法是假设各类水资源中污染物浓度为0. 排水水质与背景过程中污染物的排放量有关. 污染物的排放同样根据其去向分为排放到水体、土壤、大气中；排放到水体中的类型又分为排放到淡水、海水、水体(未指明类型)中，原则上只有排放到淡水水体中的污染物才会影响到水资源的可得性. 因此将数据库中排放到淡水或水体(未指明类型)中的污染物计入该过程的污染物负荷，而排放到其他环境中的污染物不计入该过程的水体污染物负荷.

酶标仪法测定臭牡丹粗提物清除DPPH自由基的IC50值为31.07 ± 2.85 μg/mL，表明臭牡丹中富含抗氧化活性成分.

式(82)表明，如果从惯性坐标系OXYZ中的一个固定窗口来观察，车轮的振动是简谐的，频率就等于外力的频率，振幅是α的周期函数，式(82)是其傅里叶级数形式。

3 生命周期汇总

由于水资源空间分布不均的原因，发生在不同区域的过程对水资源可得性造成的影响程度不同，因此产品生命周期水足迹计算为过程的水足迹结果先乘以水资源稀缺度，再进行产品生命周期各过程的汇总计算. 普遍采用的水资源稀缺度因子是水压力系数(WSI)，定义为特定区域的水压力系数与全球平均水压力系数的比值，即：

αx=WSIxWSIav

(9)

式中：αx为区域x的水资源稀缺度；WSIx为区域x的水压力系数；WSIav为全球平均水压力系数，WSIav=0.602[17].

WFN方法要求保留各过程中水足迹计算结果的最大值进行汇总，最大程度地反映各过程对水资源可得性影响的大小. WFN生命周期水足迹(WF)计算公式：

 

(10)

式中，WFmax,y为单元过程y中各污染物指标计算结果中水足迹的最大值.

由式(4)可知，WFN的灰水足迹计算公式采用当地所处国家或地区的排放标准作为标准浓度，不仅增加了数据收集和处理的难度，标准选择的主观性和不确定性也将影响到水足迹的计算结果，因此WFN的生命周期汇总方法选取最大值汇总，并不能实现对水资源可得性的客观评价，也不利于对各污染物造成的水资源可得性影响进行对比分析. 因此，WAF建议过程保留各污染物指标的水足迹计算结果，生命周期汇总方法是按各过程中同一污染物指标的水足迹汇总，用以分别评价产品生命周期各过程中各污染物对水资源可得性的影响.

WAF生命周期水足迹(WAFi)计算公式：

[1] FERNANDEZ A,NAVONE S,et al.Global environment outlook:GEO-4 environment for development[R].Nairobi:United Nations Environment Programme,2007,36(3):337-338.

 

(11)

式中，WAFi,y为单元过程y中污染物指标i的可得性水足迹.

标准浓度的选取会对水足迹评价造成主观影响，这是目前水足迹计算公式尚未解决的问题. 未来，根据不同用水需求对水质的要求和不同污染物对水资源可得性的影响程度制定更具客观性、可比性的水质基准浓度，从而得出各过程可得性水足迹的最大值并进行生命周期汇总，这是水足迹评价将来需要进一步探讨的重点之一.

4 案例研究

a) 目前应用广泛的WFN水足迹计算方法存在灰水足迹定义的逻辑不清，蓝水、绿水和灰水足迹的水质不统一，不符合生命周期评价基本原则等问题.

4.1 目标与范围

该案例的研究目的是通过单元过程数据收集和计算、背景数据处理、生命周期汇总、水足迹评价等实际应用验证WAF计算方法的可行性.

根据研究对象，将功能单位定义为1条待出厂的纯棉牛仔裤. 界定产品的系统边界包括上游原料和能源的生产过程以及产品生产过程，产品使用和废弃阶段未包括在系统边界内；产品的系统边界属于 “摇篮到大门”的类型. 由于牛仔裤生产过程中辅料(如配饰、染料、浆料、助剂等)的用量较小，并且不会影响方法检验，因此未包含其生产过程. 追溯污水处理的上游原料和能源生产过程，以验证水净化过程是否会增加水资源可得性. 牛仔裤生产的系统边界如图1所示.

  

注： BP为背景过程；FP为实景过程. 图中箭头方向表示产品生产过程中的物料流向. 图1 牛仔裤生产的系统边界Fig.1 The system boundary of jeans production

4.2 数据收集与计算

根据系统边界对案例中涉及到的各过程进行数据收集与处理. 其中棉纱生产，牛仔布生产(织造、后整)以及织造、后整过程污水处理，牛仔裤生产(制作、水洗)以及水洗过程污水处理的数据来自于文献[29]. 文献中各过程的水消耗量很小，可忽略不计；没有取水水质信息，因此假设各过程取水中污染物浓度为0；污水处理过程中的原料和能源消耗量来自文献[30]；取水量为上游过程的排水量，取水水质为上游过程的排水水质，以GB 18918—2002《城镇污水处理厂污染物排放标准》中的一级A标准作为污水处理过程的排水水质. 牛仔布和牛仔裤生产厂家均位于广州，因此牛仔布织造、后整，后整污水处理，牛仔裤制作、水洗和水洗污水处理过程采用广东省平均水压力系数，WSIx=0.062 5[31]；棉纱生产厂家位于江苏，采用江苏省平均水压力系数，WSIx=0.65[31].

Offering a wide variety of fine wine, food, nature and art, McLaren Vale boasts more than 150 producers （including 80 cellar doors）, best known for its Shiraz and ultra-premium Grenache and Cabernet varieties,frequently winning awards at international wine shows.

电力和蒸汽生产的数据来自中国生命周期核心数据库(CLCD)，棉花和次氯酸钠生产的数据来自ecoinvent数据库. 资源中所有淡水资源消耗被计入该过程的取水量中；一切排入淡水水体的废水被计入该过程的排水量中，没有废水排放量数据的，排水量计为0；数据库中没有取水水质信息的，假设其污染物浓度为0，排放到淡水或水体(未指明类型)中的CODCr、BOD5量即为该过程产生的CODCr、BOD5负荷；根据数据的地域代表性来划分区域，电力、蒸汽和棉花生产为全国平均数据，因此采用全国平均水压力系数，WSIx=0.478[17]；次氯酸钠生产为全球平均数据，但实际产地在中国，因此同样采用全国平均水压力系数，WSIx=0.478[17].

4.3 结果与讨论

生产一条牛仔裤各单元过程的WAF与αx·WAF的计算结果如表1所示.

 

表1 1条牛仔裤的单元过程水足迹计算结果Table 1 Unit-process water footprint results of 1 pair of jean

  

单元过程过程编号αx水足迹计算结果WAFCOD，y∕L(αx·WAFCOD，y)∕LWAFBOD，y∕L(αx·WAFBOD，y)∕L电力生产10 791 83×1011 45×1012 98×1012 35×101工业蒸汽生产20 792 25×1011 78×1012 39×1011 89×101棉花生产30 792 88×1032 28×1036 63×1035 24×103棉纱生产41 081 12×1011 21×1011 31×1011 41×101牛仔布织造50 103 50×1033 50×1027 29×1037 29×102织造污水处理过程60 10-3 33×103-3 33×102-7 01×103-7 01×102牛仔布后整70 102 21×1032 21×1024 92×1034 92×102后整污水处理过程80 10-2 07×103-2 07×102-4 66×103-4 66×102牛仔裤制作90 104 56×1024 56×1015 31×1025 31×101牛仔裤水洗100 102 01×1032 01×1025 01×1035 01×102水洗污水处理过程110 10-1 85×103-1 85×102-4 75×103-4 75×102次氯酸钠生产120 793 18×1012 52×1014 18×1013 30×101

注： WAFCOD,y和WAFBOD,y分别为单元过程y中CODCr和BOD5的WAF生命周期水足迹. 下同.

一条牛仔裤的CODCr和BOD5的生命周期水足迹分别为 2 411.52 和 5 458.31 L.

1.3 观察指标 比较两组患者治疗前后的头痛程度、头痛持续时间、头痛发作频次。头痛程度分级：重度头痛需要卧床休息为3级，中度头痛而不能劳作为2级，轻度头痛而不影响劳作为1级，无头痛发作为0级。

从表1可见，在考虑了污水处理过程原料与能源消耗所带来的环境影响之后，其对水质的净化作用对水资源可得性仍产生积极影响，因此水净化过程能够增加水资源可得性，并且其对水资源可得性的影响不应被忽略，不应该像WFN方法那样直接规定为0.

根据计算结果，对各过程不同污染物指标的WAF或αx·WAF以及同一污染物指标的WAF与αx·WAF 进行对比，结果如图2、3所示.

  

图2 不同污染物的WAF或αx·WAF对比Fig.2 Comparison of WAF or αx·WAF between different contaminants

由图2可见，各过程根据所选污染物指标不同，其水足迹计算结果也不同，但案例中各过程的BOD5水足迹均大于CODCr水足迹. 由式(8)可知，选用的CODCr水质基准是BOD5水质基准浓度的5倍(CODCr为30 mgL，BOD5为6 mgL)，因此CODCr的水足迹计算结果受水质基准浓度影响比BOD5的大. 由此可见，人为选定的各污染物指标的水质基准不同，可能造成各指标水足迹差异很大，不具有可比性，WFN直接在其中选择最大的灰水足迹，缺少客观性.

  

图3 同一污染物的WAF与αx·WAF对比Fig.3 Comparison WAF and αx·WAF between the same contaminants

由图3可知，牛仔布织造和织造污水处理过程，牛仔布后整和后整污水处理过程，牛仔裤制作、水洗和水洗污水处理过程的αx·WAF较WAF的值缩小了10倍，而其他过程的两种水足迹差异不大. 这是因为不同区域的水资源分布不同，导致αx·WAF相对于WAF的变化不同. αx·WAF是根据水资源空间分布不均的特点体现不同区域上各过程对水资源可得性造成的影响差异，由此可见在WAF中加入水资源稀缺度在产品生命周期的水足迹评价中是必要的.

值得指出的是，该案例中的牛仔裤生产过程较为简单，WAF方法的可行性将来可以在更复杂生产过程和分析(如涉及水的回用、多产品分配等)中进行验证.

目前水足迹计算方法仍然存在一个共同的问题：各种污染物的基准浓度选取是主观的，将直接影响到水足迹计算结果及其客观性. ISO 14046中建议采用各影响类型加权的方法得到综合性的水足迹[19]. 但这其实混淆了“各种水体污染造成的多种环境影响的综合”与“各种水体污染造成的不同程度的水资源可得性变化的最大值”两个完全不同的概念，前者已经包含在传统的与水相关的环境影响类型评价(LCIA)中，如水体的富营养化、酸化、生态毒性等，而水足迹关注的是对水资源可得性的影响. 这仍是下一步应该深入研究的问题.

在软件工具和数据库方面，目前的LCA专业软件中还没有完全支持区域性影响因子的计算和分析，若要实现WAF的计算分析，需要在这些软件中添加水资源稀缺度，在各过程上先乘以水资源稀缺度因子，再实现产品水足迹生命周期汇总. 对于现有的数据库，需要根据其数据的地域代表性来划分区域. 在可得性水足迹计算中还应该在现有数据收集的基础上记录取水和排水的水质信息. 为了尽可能地反映水资源问题的区域化差异，在可得性水足迹数据收集过程中应尽量使用实景数据，尽量避免使用背景数据，因此产品生命周期可得性水足迹研究中应该加强对供应链数据的调查.

5 结论

该研究以生命周期各过程均存在显著水污染、供应链的区域跨度较大的纺织品为研究对象. 污染型水足迹选择CODCr和BOD5作为评价对象，污染物水质标准浓度暂用GB 3838—2002《地表水环境质量标准》[28]中Ⅳ类水标准限值，CS,COD0为30 mgL，CS,BOD0为6 mgL.

脑白质疏松（LA）或脑白质病变（WML），是一组由多种病因导致的脑内白质纤维变性致使的一组临床综合征，主要表现为不同程度的认知损害甚至痴呆以及人格改变。LA早在1987年由加拿大的Hachinski教授在研究慢性缺血性脑血管疾病时提出［1］。LA的特征性CT表现为分布在两侧侧脑室周围以及半卵圆中心的低密度改变，根据病变程度的不同，呈现为斑点状或者弥漫性低密度改变，而在常规颅脑磁共振检查时，显示为T1加权像等信号或低信号改变，而在T2加权像上呈现为高信号改变。

b) 基于LCA方法的基本框架，明确了水足迹评价是对水资源可得性的衡量，并围绕水资源可得性的水量、水质和空间分布不均三项因素，根据国际水足迹标准的原则和要求，改进了WFN的水足迹计算公式，提出了产品生命周期可得性水足迹计算方法WAF，其中包括单元过程数据计算、背景过程数据处理以及生命周期汇总，并通过案例研究，在现有LCA数据库和软件的支持下完成规范的生命周期水足迹建模与计算，检验了WAF方法的可行性.

[9] HOEKSTRA A Y.Human appropriation of natural capital:a comparison of ecological footprint and water footprint analysis[J].Ecological Economics,2009,68(7):1963-1974.

通过以上研究分析，集成管块式融雪剂喷洒装置安装在城市快速路中央隔离带处，能够满足道路建筑限界的要求，可以保证车辆行驶安全，不会对道路使用带来严重不良影响。因此，为更好地提升城市冬季除雪应急保障能力，可逐步推广该装置在城市快速路上的安装使用。

参考文献(References)：

真正做好企业的个性化激励活动，企业需要结合自身实际，适当完善激励机制，打破单一的物质激励体系。比如通过培训的方式激励广大职工，同时为企业广大员工创造良好的学习环境，不断提高员工自身的各项技能和综合素质。当然个性化激励绝对不是盲目激励，而是应该结合员工的绩效考核结果，实施差异化的奖励政策，真正做到差异化激励，实现个性化奖励。实际上，员工各有不同，其个人需要也不相同。企业的经营者必须明确，激励的最终目的是为了真正提高广大员工自身参与工作的积极性。

[2] LAMBOOY T.Corporate social responsibility:sustainable water use[J].Journal of Cleaner Production,2011,19(8):852-866.

目前中、农、工、建、交、邮六大银行和农村信用社在大部分县域经济的金融机构中处于主导地位，但是这些银行在县域经济内并非产权独立的法人金融机构，只是上级分支机构，这就决定了这些金融机构只能按上级机构要求行事，不会主动满足西部县域经济的有效金融需求，因为资金的逐利性、风险规避，使得大部分资金流出县域经济（特别是贫困县份）。因此政府部门应采取多种行政手段，调整商业银行在县域经济的业务运作机制，要求商业银行必须执行最低贷存比标准，从而有效遏制资金大量外流。

[4] ARNELL N W,GOSLINGS N.The impacts of climate change on river flood risk at the global scale[J].Climatic Change,2013,486(3):351-364.

[5] BOELEE E,CHIRAMBA T,KHAKA E.An ecosystem services approach to water and food security[M].Nairobi:UNEP,2011:14.

[6] Educational U N.The United Nations world water development report 3:water in a changing world[R].Paris:UNESCO,2009,23(10):1241-1245.

[7] HOEKSTRA A Y,CHAPAGAIN A K,ALDAYA M M,et al.The water footprint assessment manual[J].Social & Environmental Accountability Journal,2012:181-182.

[8] 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.

c) 为了尽可能地反映水资源问题的区域化差异，在可得性水足迹数据收集过程中应尽量使用实景数据，尽量避免使用背景数据，因此产品生命周期可得性水足迹研究中应该加强对供应链数据的调查.

[10] HOEKSTRA A Y,CHAPAGAINA K,ALDAYA M M,et al.Water footprint manual:state of the art 2009[J].Water Footprint Network,2009.

[11] International Organization for Standardization.ISO 14044 environmental management-life cycle assessment:requirements and guidelines[S].Geneva:International Organization for Standardization,2006.

[12] HOEKSTRA A Y,MEKONNENM M.Global water scarcity:monthly blue water footprints versus blue water availability[J].Plos One,2012,7(2):e32688.

[13] JIANG Yong.China′s water scarcity[J].Journal of Environmental Management,2009,90(11):3185-3196.

[14] SCHYNS J F,HOEKSTRAA Y.The added value of water footprint assessment for national water policy:a case study for Morocco[J].Plos One,2014,9(6):e99705.

水污染部分用以定量环境水体对污染物的消纳能力，反映了人类活动与污染物排放量之间的关系[27]. 实际生产过程可能增加或减少(如污水处理之类的水净化过程)环境水体中的污染物数量，即式(4)(8)中污染物负荷(Li)为正或负，相应的水足迹应该为正值(减少水资源可得性)或负值(增加水资源可得性)，即水足迹计算结果的正负应只取决于过程增加或减少水体污染，是过程本身的属性. 但根据式(4)，标准浓度与受纳水体浓度的差值也将影响过程灰水足迹计算结果的正负，这是不符合逻辑的定义. 而且WFN方法规定水净化过程的灰水足迹取值为0[10]，这排除了产品生命周期中所有水净化过程带来的水资源影响，这是没有必要的人为规定，也不符合LCA的数据记录原则. 与此相反，式(8)中水足迹的正负只取决于过程本身增加或减少水体污染，适用于水污染和水净化两类情况，可以涵盖产品生命周期的所有过程. 另外，式(1)的水足迹将蓝水、绿水、灰水直接相加，但按式(4)的定义，灰水足迹的浓度为受纳水体的浓度，蓝水足迹和绿水足迹的水质是未考虑污染物浓度(浓度为0)的纯净水，因此WFN的水足迹定义没有统一的水质基准，各项不具有可加性. 而在式(7)(8)中，水消耗量和水污染量的水质是统一的，都是污染物浓度为0的纯净水.

[3] ALCAMO J,FLARKE M,MARKER M.Future long-term changes in global water resources driven by socio-economic and climatic changes[J].Hydrological Sciences Journal,2007,52(2):247-275.

[16] KOUNINA A,MARGNI M,BAYART J B,et al.Review of methods addressing freshwater use in life cycle inventory and impact assessment[J].International Journal of Life Cycle Assessment,2013,18(3):707-721.

[17] PFISTER S,KOEHLER A,HELLWEG S.Assessing the environmental impacts of freshwater consumption in LCA[J].Environmental Science & Technology,2009,43(11):4098-4104.

阿托伐他汀钙是HMG-CoA还原酶的选择性、竞争性抑制剂，通过抑制肝脏内HMG-CoA还原酶和胆固醇的合成从而降低血浆中胆固醇和脂蛋白水平，并通过增加细胞表明的肝脏LDL受体以增强LDL的摄取和代谢。阿托伐他汀可降低低密度脂蛋白胆固醇胆固醇生成和低密度脂蛋白胆固醇颗粒数，并导致低密度脂蛋白胆固醇受体活性显著和持久性增加，进而循环中的低密度脂蛋白胆固醇颗粒治疗发生有益变化，疗效显著[12-13]。

[18] BOULAY A M,BARE J,BENINI L,et al.The WULCA consensus characterization model for water scarcity footprints:assessing impacts of water consumption based on available water remaining(AWARE)[J].International Journal of Life Cycle Assessment,2018,23(2):368-378.

[19] ISOTC 207 Environmental Management,Subcommittee SC 5 Life Cycle Assessment.ISO 14046 environmental management-water footprint-principles,requirements and guidelines[S].Geneva:International Organization for Standardization,2014.

[20] RIDOUTT B G,PFISTER S.A revised approach to water footprinting to make transparent the impacts of consumption and production on global freshwater scarcity[J].Global Environmental Change,2010,20(1):113-120.

[21] BOULAY A M,BULLE C,BAYART J B,et al.Regional characterization of freshwater use in LCA:modeling direct impacts on human health[J].Environmental Science & Technology,2011,45(20):8948-8957.

生产机械设备使用的材料影响设备的使用寿命。因此需要在选择材料时要全面考虑经济性和适用性。很多煤矿企业的生产设备在选择耐磨零件的时候倾向于低碳锰钢。相较于普通的钢来说，这种钢的耐磨性能更好，同时随着现代生产技术以及工艺的迅速发展，能够选择的材料增多，使得煤矿机械零件所具备的抗磨性以及抗腐性得到了提升，为降低磨损，应合理选择材料，提高零件耐磨性和寿命。

[22] BAYART J B,WORBE S,GRIMAUD J,et al.The water impact index:a simplified single-indicator approach for water footprinting[J].International Journal of Life Cycle Assessment,2014,19(6):1336-1344.

[23] BERGER M,FINKBEINER M.Methodological challenges in volumetric and impact‐oriented water footprints[J].Journal of Industrial Ecology,2013,17(1):79-89.

[24] 严岩,贾佳,王丽华,等.我国几种典型棉纺织产品的工业水足迹评价[J].生态学报,2014,34(23):7119-7126.

YAN Yan,JIA Jia,WANG Lihua,et al.The industrial water footprint of several typical cotton textiles in China[J].Acta Ecologica Sinica,2014,34(23):7119-7126.

[25] 孙清清,黄心禺,石磊.纺织印染企业水足迹测算案例[J].环境科学研究,2014,27(8):910-914.

SUN Qingqing,HUANG Xinyu,SHI Lei.Corporate water footprint of textile industry:methodology and case study[J].Research of Environmental Sciences,2014,27(8):910-914.

[26] 许璐璐,吴雄英,陈丽竹,等.纺织服装灰水足迹核算中相关参数的选择[J].印染,2015(13):38-42.

XU Lulu,WU Xiongying,CHEN Lizhu,et al.Selection of relevant parameters in calculation of grey water footprint of textiles and apparel[J].Dyeing & Finishing,2015(13):38-42.

[27] 杜翠红,王中钰,陈景文,等.化学品足迹:概念、研究进展及挑战[J].生态毒理学报,2016,11(2):18-26.

DU Cuihong,WANG Zhongyu,CHEN Jingwen,et al.Chemical footprint:concepts,research progress and challenges[J].Asian Journal of Ecotoxicology,2016,11(2):18-26.

[28] 国家环境保护总局.GB 3838—2002 地表水环境质量标准[S].北京:中国环境科学出版社,2002.

[29] 屠莉华.基于PAS 2050的牛仔裤生产碳足迹研究[D].上海:东华大学,2012:1-65.

[30] 马雪.污水处理的生命周期分析与环境绩效综合评价[D].成都:四川大学,2015:1-94.

[31] 徐长春,黄晶,RIDOUTT B G,等.基于生命周期评价的产品水足迹计算方法及案例分析[J].自然资源学报,2013,28(5):873-880.

XU Changchun,HUANG Jing,RIDOUTT B G,et al.LCA-based product water footprinting and a case study[J].Journal of Natural Resources,2013,28(5):873-880.