一公斤食品用了多少升水以后，为什么这个数字仍然不足以判断它是不是高耗水食品？

账面相同的两个1000升

假设有两款设定的食品，每公斤水足迹都记为约1000L，写进表格，两个数字一模一样。下面全部是设定数字，只用来说明结构，不代表真实产品。

甲的水绝大部分是本来就落在这块土地上的雨水，取自河流的少量水又发生在雨季，几乎不与居民和生态争水；乙的水主要靠灌溉，抽的是旱季里本来就吃紧的水源。同样是1000L，压力不在一个层次上。纵横国际在拆解食品水足迹时，习惯把一个总数拆成四个追问：这是什么水，在哪里取，什么时候取，当地缺不缺。

第一问：这是什么水

水足迹沿用Hoekstra等人提出的三分法。绿水是降雨形成、储存在土壤非饱和带、可被植物利用的水；蓝水是河流、湖泊、湿地和含水层中的液态水，灌溉与加工用水多属蓝水；灰水则是把污染物稀释到达标所需的淡水量，常以氮肥为主要污染物来估算。三者账面上都是“升”，性质却不同：绿水随降雨来去，用掉它不会让河流变少；蓝水一旦被抽走，就是从本地水源里实际扣除；灰水甚至不是被取走的水，而是一个“需要多少水才能稀释”的假想量。

Mekonnen和Hoekstra对作物及其衍生产品的全球评估，是最常被引用的基础数据。按其中常见的全球平均量级，小麦约1800升/公斤，大米约2500升/公斤，牛肉约1.5万升/公斤，这些数字随地区、年份、气候与产量水平会明显变化，只能按“约”和“量级”来读。排行榜上的高低也不能直接翻译成“谁最耗水”：牛肉的高量级通常与饲料链条有关，如果这些水以雨养牧场的绿水为主，对河流的冲击就与同等体积的灌溉水不同。三种水各自怎样理解，可以接着读Green Water、Blue Water和Grey Water分别在描述什么。

第二问：在哪里取的水

体积衡量的是一个产品占用了多少淡水，这份占用对本地意味着什么，取决于当地剩余的可用水量。AWARE方法补的就是这一块：它是2018年发表的国际共识方法，以“某地区扣除人类和生态需求后剩余的可用水量”表征水消耗的稀缺影响，被SimaPro、openLCA等LCA软件在环境足迹方法中采用，欧盟的环境足迹方法也用它做水稀缺特征化。

实际工作里更费力的是弄清水到底在哪里取。一种原料常来自多个产区，设定某原料一半来自降雨充沛的产区、一半来自依赖灌溉的缺水产区，只报一个平均产地的数字，会把两种完全不同的情形抹成中间值。产地信息至少要拆到流域或灌区，拆不到就在报告里注明。

第三问：在什么时候取的水

设定某灌区每公斤产品折算下来的年灌溉取水约300L，全年平均看并不显眼。但如果其中约200L集中在河流枯水的两个月里取走，而这两个月恰好是居民和生态用水最吃紧的时段，压力就集中爆发在这一小段时间里，年度平均把峰值稀释掉了。

遥感估算的蒸散发(ET)、气象数据和作物模型，正在把水足迹从年度数字推向季节、田块和区域的分析，思路与局限可以参考遥感和AI怎样让农业水足迹走向动态的区域分析。用遥感ET估算灌溉用水，在田块、水权和区域尺度上的精度并不相同，分辨率提高了，不确定性也要一起报告。

第四问：稀缺度加权的结果能相信多少

把体积乘上稀缺权重，就得到稀缺加权的水足迹。回到设定表，乙的蓝水折算后约为甲的170倍，悬殊到似乎可以直接下结论。可这个倍数完全来自设定的权重；真实权重按区域甚至按月份的平均值计算，时空分辨率一换，倍数就会变。2021年有研究批评，按稀缺度加权的水足迹在可持续性评分上并不可靠，提示不要把加权结果当作唯一结论。

水足迹与LCA被认为是互补的：前者衡量全球淡水占用，后者衡量本地影响。合理的用法是让两者并列、互相校验，再做敏感性检查：换一套稀缺参数，换一种时间分辨率，看排序会不会翻转。翻转了，说明需要更好的数据，而不是更用力的措辞。

从一个数字走到一条判断链

每往前走一步，都要补一类数据，缺一类，结论就降一级。只有体积，只能说占用了约多少淡水；补上来源，才能说压力来自灌溉还是降雨；补上地点和时间，才谈得上压力是否落在缺水的地方和时候；最后叠加稀缺度，才得到可以在产品之间比较的本地影响估计。纵横国际的做法，是把这五步当作检查清单，缺哪一环，就在报告里写明缺哪一环。

落点：先问哪些环节最值得优化

“是不是高耗水食品”这个问法，容易把讨论引向贴标签。更有用的问题是：这个产品的水压力主要出在哪些环节，谁有能力改。回到产品乙：它的蓝水集中在旱季灌溉，可以考虑的方向是种植地点与采购比例、品种的生育期能否避开枯水期、灌溉方式与灌溉时机；加工环节的用水，只有与缺水产区重合时，才值得放到同样的优先级。

再假设把乙的灌溉改成更节水的方式，蓝水从约850L降到约600L，水这一栏改善了，可如果提水与加压的能耗上升，碳和能源两栏就可能变差。每一次调整都要放回多个影响类别里复核，这类取舍在一款食品的碳排已经算出来以后，为什么仍然不能说明整体环境表现里有完整的示例。

纵横国际把水足迹、生命周期和营养放在同一条数据链上研究，希望读者看到的不是一张排行榜，而是这一公斤食品的水压力落在哪里、能改哪里。想从基础算法开始的读者，可以先读纵横国际食品水足迹：一公斤食品到底用了多少水，更多方法与案例见水足迹栏目。