di
Arjen Y. Hoekstra e Mesfin M. Mekonnen
Dipartimento
di ingegneria e gestione dell'acqua, Università di Twente, P.O. Box 217, 7500
AE Enschede, Olanda.
Edito
da Peter H. Gleick,Pacific Institute for Studies in Development, Environment,
and Security, Oakland, CA, and approved December 21, 2011 (ricevuto per la
revisione il 20 Giugno 2011)
Discussione
Per via della natura complessiva, questo studio ha un certo numero
di limitazioni. Una limitazione è che l'origine dei prodotti è stata tracciata
solo di un passaggio.
Se un prodotto è importato da un altro paese, noi presumiamo che quel prodotti sia stato fabbricato in quello stesso paese ed adottiamo la IA del prodotto importato di conseguenza. Se il paese-partner commerciale non prodoce quella merce, non tracciamo ulteriormente ma presumiamo una IA media complessiva.
Ma anche se il paese producesse la merce, potrebbe succedere che parte di quel prodotto sia stato importato da qualche altra parte e ri-esportato. La tracciatura dei prodotti di più di un passaggio è stata fatta, per esempio, nella referenza 27 per il Regno Unito, ma sarebbe stato troppo per questo studio globale.
Inoltre, certi continui sforzi di tracciatura sono necessariamente basati su assunti, perché i dati di esportazione nelle statistiche del commercio non sono connessi ai dati di importazione, quindi il valore aggiunto della tracciatura può essere opinabile.
Infine, in uno studio globale, rintracciare più di un passaggio creerebbe il problema della circolarità dei calcoli. La IA grigia stimata in questo studio è da considerarsi prudenziale. Nel caso della produzione industriale, le stime della IA grigia sono basate sul dilavamento ed al deflusso dei fertilizzanti azotati, escludendo l'effetto potenziale di altri componenti i fertilizzanti ed i pesticidi (21, 22).
Se un prodotto è importato da un altro paese, noi presumiamo che quel prodotti sia stato fabbricato in quello stesso paese ed adottiamo la IA del prodotto importato di conseguenza. Se il paese-partner commerciale non prodoce quella merce, non tracciamo ulteriormente ma presumiamo una IA media complessiva.
Ma anche se il paese producesse la merce, potrebbe succedere che parte di quel prodotto sia stato importato da qualche altra parte e ri-esportato. La tracciatura dei prodotti di più di un passaggio è stata fatta, per esempio, nella referenza 27 per il Regno Unito, ma sarebbe stato troppo per questo studio globale.
Inoltre, certi continui sforzi di tracciatura sono necessariamente basati su assunti, perché i dati di esportazione nelle statistiche del commercio non sono connessi ai dati di importazione, quindi il valore aggiunto della tracciatura può essere opinabile.
Infine, in uno studio globale, rintracciare più di un passaggio creerebbe il problema della circolarità dei calcoli. La IA grigia stimata in questo studio è da considerarsi prudenziale. Nel caso della produzione industriale, le stime della IA grigia sono basate sul dilavamento ed al deflusso dei fertilizzanti azotati, escludendo l'effetto potenziale di altri componenti i fertilizzanti ed i pesticidi (21, 22).
Figura 3. Impronta dell'acqua del consumo nazionale per paesi con popolazione superiore a 5 milioni, espressa per categoria di prodotto (metri cubi all'anno pro capite) (1996–2005). Clic per ingrandire
Nei casi della produzione industriale e del consumo domestico di
acqua, un fattore di diluizione molto prudente di 1 è stato applicato a tutti i
flussi di ritorno non trattati.
Nella stima della IA dei prodotti di consumo abbiamo considerato un'enorme quantità di diverse merci agricole separatamente, mentre le merci industriali sono state trattate come categoria complessiva.
Sebbene in questo in questo modo lo studio non mostri i dettagli interni alla stima della IA di produzione e consumo dei prodotti industriali, giustifichiamo la scelta su questo studio complessivo col fatto che gran parte della IA dell'umanità si trova nel settore agricolo. Abbiamo analizzato un periodo di 10 anni (per esempio dati su produzione, consumo, commercio, precipitazioni e rendimenti), ma non tutti i database mostrano dati annuali specifici (per esempio evapotraspirazione di riferimento, area di coltura del grano e dati di irrigazione).
Le IA stimate dei prodotti agricoli sono necessariamente delle medie a 10 anni, perché sono state basate su su dati climatici, che per definizione sono medie pluriennali (21, 22). Anche se fossimo stati in grado di stimare le IA anno per anno, l'analisi della tendenza su un periodo di 10 anni sarebbe stata difficile a causa della variabilità da anno ad anno delle precipitazioni e delle temperature.
I dati presentati in questo studio sono il risultato di un gran numero di statistiche, mappe ed assunti. Siccome tutte le fonti di dati includono incertezze e possibili errori, i dati della IA presentati dovrebbero essere presi ed interpretati con estrema cautela, particolarmente se ci addentriamo in luoghi specifici di una mappa o quando ci focalizziamo su prodotti specifici.
Le fonti di base di incertezze sono, per esempio, le mappe delle precipitazioni complessive, delle temperature, dei raccolti e dell'irrigazione che abbiamo usato e le statistiche su rendimento, produzione, consumo, commercio e trattamento delle acque reflue sulle quali abbiamo fatto affidamento.
Le ipotesi sottostanti si riferiscono, per esempio, alle date di piantagione e raccolta per raccolto per regione ed alla composizione del cibo per tipo di animale da allevamento per paese e sistema produttivo. Un altra assunzione è stata che le IA della produzione industriale e del consumo domestico di acqua sono diffuse geograficamente secondo le densità di popolazione. La relazione sulle incertezze dei gruppi di dati di base sui quali abbiamo dovuto fare affidamento è molto povera, in particolare se vogliamo ottenere un quadro quantitativo delle incertezze.
I gruppi di dati di base che abbiamo usato unitamente alle nostre assunzioni personali non danno adito all'aspettativa che in nostri dati includano una specifica parzialità in qualche direzione. Le nostre stime del consumo globale di acqua dei raccolti (21, 22) si trovano a metà della gamma che si ottiene considerando diversi studi (28, 32).
Per quanto riguarda i dati sul consumo e sul commercio internazionale, non ci sono database globali alternativi a quelli che abbiamo usato (33, 34); questi database non comprendono ancora informazioni sulle incertezze. Nonostante le incertezze, pensiamo che il presente studio formi una buona base per comparazioni di massima e come guida per ulteriori analisi.
Nella stima della IA dei prodotti di consumo abbiamo considerato un'enorme quantità di diverse merci agricole separatamente, mentre le merci industriali sono state trattate come categoria complessiva.
Sebbene in questo in questo modo lo studio non mostri i dettagli interni alla stima della IA di produzione e consumo dei prodotti industriali, giustifichiamo la scelta su questo studio complessivo col fatto che gran parte della IA dell'umanità si trova nel settore agricolo. Abbiamo analizzato un periodo di 10 anni (per esempio dati su produzione, consumo, commercio, precipitazioni e rendimenti), ma non tutti i database mostrano dati annuali specifici (per esempio evapotraspirazione di riferimento, area di coltura del grano e dati di irrigazione).
Le IA stimate dei prodotti agricoli sono necessariamente delle medie a 10 anni, perché sono state basate su su dati climatici, che per definizione sono medie pluriennali (21, 22). Anche se fossimo stati in grado di stimare le IA anno per anno, l'analisi della tendenza su un periodo di 10 anni sarebbe stata difficile a causa della variabilità da anno ad anno delle precipitazioni e delle temperature.
I dati presentati in questo studio sono il risultato di un gran numero di statistiche, mappe ed assunti. Siccome tutte le fonti di dati includono incertezze e possibili errori, i dati della IA presentati dovrebbero essere presi ed interpretati con estrema cautela, particolarmente se ci addentriamo in luoghi specifici di una mappa o quando ci focalizziamo su prodotti specifici.
Le fonti di base di incertezze sono, per esempio, le mappe delle precipitazioni complessive, delle temperature, dei raccolti e dell'irrigazione che abbiamo usato e le statistiche su rendimento, produzione, consumo, commercio e trattamento delle acque reflue sulle quali abbiamo fatto affidamento.
Le ipotesi sottostanti si riferiscono, per esempio, alle date di piantagione e raccolta per raccolto per regione ed alla composizione del cibo per tipo di animale da allevamento per paese e sistema produttivo. Un altra assunzione è stata che le IA della produzione industriale e del consumo domestico di acqua sono diffuse geograficamente secondo le densità di popolazione. La relazione sulle incertezze dei gruppi di dati di base sui quali abbiamo dovuto fare affidamento è molto povera, in particolare se vogliamo ottenere un quadro quantitativo delle incertezze.
I gruppi di dati di base che abbiamo usato unitamente alle nostre assunzioni personali non danno adito all'aspettativa che in nostri dati includano una specifica parzialità in qualche direzione. Le nostre stime del consumo globale di acqua dei raccolti (21, 22) si trovano a metà della gamma che si ottiene considerando diversi studi (28, 32).
Per quanto riguarda i dati sul consumo e sul commercio internazionale, non ci sono database globali alternativi a quelli che abbiamo usato (33, 34); questi database non comprendono ancora informazioni sulle incertezze. Nonostante le incertezze, pensiamo che il presente studio formi una buona base per comparazioni di massima e come guida per ulteriori analisi.
Conclusioni
Lo studio mostra che un quinto della IA globale nel periodo
1996-2005 non è stata intesa per il consumo domestico ma per l'esportazione, il
volume relativamente grande dei flussi internazionali di acqua virtuale e le dipendenze da acque estere ad essi
associate rafforzano l'argomentazione di porre il problema della scarsità
d'acqua in un contesto globale (8, 10).
Per i governi di paesi con scarsità d'acqua come in Nord Africa ed il Medio Oriente, è decisivo riconoscere la dipendenza dall'acqua estera e sviluppare politiche estere commerciali così da assicurarsi un import sicuro e sostenibile di merci ad alta intensità di acqua che non possono essere prodotte internamente.
L'impronta dell'acqua del consumo cinese è ancora relativamente piccolo e in gran parte interno (90%), ma data la rapida crescita del paese ed il crescente stress idrico (in particolare nel nord della Cina), è verosimilmente che il paese si affidi in modo crescente a risorse idriche al di fuori del proprio territorio, il che è evidenziato dalla politica cinese che già oggi compra ed affitta terre in Africa per assicurarsi le forniture di cibo (Land Grabbing, ndT) (35).
La media complessiva della IA collegata al consumo è di 1,385 m3/anno pro capite durante il periodo 1996-2005. I paesi industrializzati hanno delle IA comprese nella gamma fra 1,250 e 2,850 m3/anno pro capite, mentre i paesi in via di sviluppo nella gamma fra 550 e 3,800 m3/anno pro capite.
Due fattori determinano la grandezza della IA del consumo nazionale: (i) il volume e lo schema di consumo e (ii) la IA per tonnellata di prodotti consumati. Il secondo, nel caso dei prodotti agricoli, dipende da clima, irrigazione, dalle pratiche fertilizzazione e dal rendimento dei raccolti.
I valori bassi della IA dei paesi in via di sviluppo sono collegati ai bassi volumi di consumo; i valori alti sono collegati a IA per unità di consumo molto grandi. I dati dettagliati sulle impronte dell'acqua forniti in questo studio aiuteranno i governi nazionali a capire in che misura l'impronta dell'acqua del consumo nazionale si riferisce all'uso inefficiente nella produzione e in che misura sia esso inerente allo schema di consumo nazionale.
Così, questo aiuta i governi che si sforzano per un uso più sostenibile dell'acqua a scegliere le priorità nelle politiche produttive (volte ad aumentare l'efficienza nell'uso dell'acqua) in contrasto con le politiche di consumo (volte ad influenzare gli schemi di consumo cosicché le relative merci ad alta intensità d'acqua vengano sostituite con merci che ne richiedano di meno).
Lo studio fornisce informazioni importanti sulle IA dele nazioni disaggregate in tipi di IA (verde, blu e grigia) e mappate con un'alta risoluzione spaziale. Il lavoro mostra inoltre come diversi prodotti e comunità nazionali contribuiscano al consumo e all'inquinamento dell'acqua in luoghi diversi. Le figure possono così formare una base importante per ulteriori valutazioni di come i prodotti e i consumatori contribuiscano al problema globale dell'appropriazione crescente di acqua potabile, sullo sfondo di forniture limitate, di problemi locali di sovrasfruttamento e deterioramento dei bacini di acqua potabile e di conflitti per l'acqua.
Una volta iniziato a sovrapporre le IA locali dei prodotti o dei consumatori con le mappe che mostrano i conflitti ambientali o sociali sull'acqua, viene stabilito un collegamento fra i prodotti finali ed i consumatori da un lato ed i problemi idrici locali dall'altro.
Stabilire un collegamento simile può aiutare il dialogo fra consumatori, produttori, intermediari (come chi elabora i cibi ed i dettaglianti) ed i governi su come prendersi e condividere le responsabilità di ridurre le IA dove maggiormente necessario.
Per i governi di paesi con scarsità d'acqua come in Nord Africa ed il Medio Oriente, è decisivo riconoscere la dipendenza dall'acqua estera e sviluppare politiche estere commerciali così da assicurarsi un import sicuro e sostenibile di merci ad alta intensità di acqua che non possono essere prodotte internamente.
L'impronta dell'acqua del consumo cinese è ancora relativamente piccolo e in gran parte interno (90%), ma data la rapida crescita del paese ed il crescente stress idrico (in particolare nel nord della Cina), è verosimilmente che il paese si affidi in modo crescente a risorse idriche al di fuori del proprio territorio, il che è evidenziato dalla politica cinese che già oggi compra ed affitta terre in Africa per assicurarsi le forniture di cibo (Land Grabbing, ndT) (35).
La media complessiva della IA collegata al consumo è di 1,385 m3/anno pro capite durante il periodo 1996-2005. I paesi industrializzati hanno delle IA comprese nella gamma fra 1,250 e 2,850 m3/anno pro capite, mentre i paesi in via di sviluppo nella gamma fra 550 e 3,800 m3/anno pro capite.
Due fattori determinano la grandezza della IA del consumo nazionale: (i) il volume e lo schema di consumo e (ii) la IA per tonnellata di prodotti consumati. Il secondo, nel caso dei prodotti agricoli, dipende da clima, irrigazione, dalle pratiche fertilizzazione e dal rendimento dei raccolti.
I valori bassi della IA dei paesi in via di sviluppo sono collegati ai bassi volumi di consumo; i valori alti sono collegati a IA per unità di consumo molto grandi. I dati dettagliati sulle impronte dell'acqua forniti in questo studio aiuteranno i governi nazionali a capire in che misura l'impronta dell'acqua del consumo nazionale si riferisce all'uso inefficiente nella produzione e in che misura sia esso inerente allo schema di consumo nazionale.
Così, questo aiuta i governi che si sforzano per un uso più sostenibile dell'acqua a scegliere le priorità nelle politiche produttive (volte ad aumentare l'efficienza nell'uso dell'acqua) in contrasto con le politiche di consumo (volte ad influenzare gli schemi di consumo cosicché le relative merci ad alta intensità d'acqua vengano sostituite con merci che ne richiedano di meno).
Lo studio fornisce informazioni importanti sulle IA dele nazioni disaggregate in tipi di IA (verde, blu e grigia) e mappate con un'alta risoluzione spaziale. Il lavoro mostra inoltre come diversi prodotti e comunità nazionali contribuiscano al consumo e all'inquinamento dell'acqua in luoghi diversi. Le figure possono così formare una base importante per ulteriori valutazioni di come i prodotti e i consumatori contribuiscano al problema globale dell'appropriazione crescente di acqua potabile, sullo sfondo di forniture limitate, di problemi locali di sovrasfruttamento e deterioramento dei bacini di acqua potabile e di conflitti per l'acqua.
Una volta iniziato a sovrapporre le IA locali dei prodotti o dei consumatori con le mappe che mostrano i conflitti ambientali o sociali sull'acqua, viene stabilito un collegamento fra i prodotti finali ed i consumatori da un lato ed i problemi idrici locali dall'altro.
Stabilire un collegamento simile può aiutare il dialogo fra consumatori, produttori, intermediari (come chi elabora i cibi ed i dettaglianti) ed i governi su come prendersi e condividere le responsabilità di ridurre le IA dove maggiormente necessario.
Metodi
Quadro contabile
In questo studio seguiamo lo Standard dell'Impronta dell'Acqua
Globale sviluppato dal Network per l'Impronta dell'Acqua (14). Il metodo è
presentato in dettaglio su SI Methods.
IA della produzione nazionale
La IA della produzione nazionale è definita come il volume totale
di acqua potabile consumata o inquinata all'interno di un territorio nazionale
come risultato di attività all'interno di diversi settori dell'economia.
Può essere calcolata sommando le IA di tutti i processi che consumano o inquinano acqua che avvengono in quel paese. Generalmente si possono distinguere tre settori principali che usano acqua: quello agricolo, quello industriale e quello del consumo domestico.
Le IA interne delle nazioni collegate alla produzione di raccolti sono state ottenute da Mekonnen e Hoekstra (21, 22, 36), che hanno stimato la IA globale della produzione di raccolti con un modello di uso dell'acqua per i raccolti con una risoluzione spaziale a 5 × 50.
Le IA interne delle nazioni collegate all'uso dell'acqua per l'allevamento sono state ottenute da Mekonnen e Hoekstra (23).
Le IA interne delle nazioni collegate alla produzione industriale e all'uso domestico sono state stimate usando i dati dei prelievi di acqua dal database di AQUASTAT (13) ed EUROSTAT (37).
Abbiamo ipotizzato che il 5% dell'acqua prelevata per scopi industriali è il consumo reale (IA blu) e che la frazione rimanente sia il flusso di ritorno; per il settore del consumo idrico domestico, abbiamo ipotizzato una porzione consuntiva del 10% (13).
La parte del flusso di ritorno smaltita nell'ambiente senza essere prima trattata è stata presa come misura della IA grigia, ipotizzando così un fattore di diluizione 1. I dati sul trattamento delle acque reflue per paese sono stati ottenuti dal database della Divisione Statistica delle Nazioni Unite (38).
Può essere calcolata sommando le IA di tutti i processi che consumano o inquinano acqua che avvengono in quel paese. Generalmente si possono distinguere tre settori principali che usano acqua: quello agricolo, quello industriale e quello del consumo domestico.
Le IA interne delle nazioni collegate alla produzione di raccolti sono state ottenute da Mekonnen e Hoekstra (21, 22, 36), che hanno stimato la IA globale della produzione di raccolti con un modello di uso dell'acqua per i raccolti con una risoluzione spaziale a 5 × 50.
Le IA interne delle nazioni collegate all'uso dell'acqua per l'allevamento sono state ottenute da Mekonnen e Hoekstra (23).
Le IA interne delle nazioni collegate alla produzione industriale e all'uso domestico sono state stimate usando i dati dei prelievi di acqua dal database di AQUASTAT (13) ed EUROSTAT (37).
Abbiamo ipotizzato che il 5% dell'acqua prelevata per scopi industriali è il consumo reale (IA blu) e che la frazione rimanente sia il flusso di ritorno; per il settore del consumo idrico domestico, abbiamo ipotizzato una porzione consuntiva del 10% (13).
La parte del flusso di ritorno smaltita nell'ambiente senza essere prima trattata è stata presa come misura della IA grigia, ipotizzando così un fattore di diluizione 1. I dati sul trattamento delle acque reflue per paese sono stati ottenuti dal database della Divisione Statistica delle Nazioni Unite (38).
Flussi internazionali di acqua virtuale
I flussi internazionali sono calcolati moltiplicando per la merce
il volume del commercio per le rispettive IA medie per tonnellata di prodotto
per come sono nei paesi esportatori. I dati sul commercio internazionale di
prodotti agricoli e industriali sono stati presi dal database delle Statistiche
per l'Analisi del Commercio Internazionale disponibili presso l'International
Trade Centre (34).
Le
stime specifiche per paese sulle AI verdi, blu e grigie di 146 colture e più di
200 prodotti derivati dalle colture per tonnellata di prodotto sono stati presi
dal riferimento 21. Le stime sulle IA degli animali da allevamento e dei
prodotti animali per tonnellata di prodotto son presi dal riferimento 23.
La IA media nazionale per dollaro di prodotto industriale è stata calcolata per nazione dividendo la IA totale nazionale nel settore industriale per il valore aggiunto del settore industriale. Il secondo è stato ottenuto dal database della Divisione Statistica delle Nazioni Unite (39).
La IA media nazionale per dollaro di prodotto industriale è stata calcolata per nazione dividendo la IA totale nazionale nel settore industriale per il valore aggiunto del settore industriale. Il secondo è stato ottenuto dal database della Divisione Statistica delle Nazioni Unite (39).
IA del Consumo Nazionale
Per le merci agricole, la IA del consumo nazionale è calcolata in
questo studio basandosi su un approccio dall basso verso l'alto. E' calcolata
moltiplicando tutti i prodotti agricoli consumati dagli abitanti del paese per
la loro rispettiva IA. Consideriamo la gamma completa dei beni agricoli finali.
I dati sul consumo di prodotti agricoli per paese per il periodo 1996-2005
provengono dai Conti di Fornitura ed Utilizzo della FAO delle Nazioni Unite
(33).
Per le merci industriali, la IA del consumo nazionale è calcolata
basandosi su un approccio dall'alto verso il basso come la IA del processo
industriale che ha luogo all'interno del paese più l'import di acqua virtuale
collegata all'importazione di beni industriali meno l'esport dell'acqua
virtuale.
Riferimenti
1. Postel SL (2000) Entering an era of water scarcity: The
challenges ahead. Ecol
Appl
10:941–948.
2.
World Water Assessment Program (2003) The United Nations World Water
Development
Report
1: Water for people, water for life. (UNESCO, New York).
3.
World Water Assessment Program (2006) The United Nations World Water
Development
Report
2: Water a shared responsibility. (UNESCO, New York).
4.
World Water Assessment Program (2009) The United Nations World Water
Development
Report
3: Water in a changing world. (UNESCO, London).
5.
Postel SL, Daily GC, Ehrlich PR (1996) Human appropriation of renewable fresh
water.
Science
271:785–788.
6.
Vörösmarty CJ, Green P, Salisbury J, Lammers RB (2000) Global water resources:
Vulnerability
from climate change and population growth. Science
289:284–288.
7.
Hoekstra AY, Hung PQ (2005) Globalisation of water resources: International
virtual
water
flows in relation to crop trade. Glob
Environ Change 15:45–56.
8.
Hoekstra AY, Chapagain AK Globalization of
water: Sharing the planet’s freshwater
resources
(Blackwell, Oxford).
9.
Hoff H (2009) Global water resources and their management. Curr Opin Environ
Sustainability
1:141–147.
10.
Hoekstra AY (2011) The global dimension of water governance: Why the river
basin
approach
is no longer sufficient and why cooperative action at global level is needed.
Water
3:21–46.
11.
Van der Leeden F, Troise FL, Todd DK The water encyclopedia. (CRC, Boca Raton,
FL),
2nd
Ed.
12.
Gleick PH, ed. (1993) Water in crisis: A guide to the world’s fresh water resources.
(Oxford
Univ
Press, Oxford).
13.
Food and Agriculture Organization (2010) AQUASTAT
on-line database (FAO, Rome).
14.
Hoekstra AY, Chapagain AK, Aldaya MM, Mekonnen MM (2011) The Water Footprint
Assessment
Manual: Setting the Global Standard (Earthscan,
London).
15.
Hoekstra AY, ed. (2003) Virtual water trade: Proceedings of the International
Expert
Meeting
on Virtual Water Trade. (UNESCO-IHE, Delft, The Netherlands) Value of Water
Research
Report Series No. 12.
16.
Hoekstra AY, Hung PQ (2002) Virtual water trade: A quantification of virtual
water
flows
between nations in relation to international crop trade. (UNESCO-IHE, Delft,
The
Netherlands) Value of Water Research Report Series No. 11.
17.
Chapagain AK, Hoekstra AY (2004) Water footprints of nations. (UNESCO-IHE,
Delft,
The
Netherlands) Value of Water Research Report Series No. 16.
18.
Chapagain AK, Hoekstra AY (2008) The global component of freshwater demand and
supply:
An assessment of virtual water flows between nations as a result of trade in
agricultural
and industrial products. Water Int 33:19–32.
19.
Chapagain AK, Hoekstra AY, Savenije HHG (2006) Water saving through
international
trade
of agricultural products. Hydrol Earth Syst
Sci 10:455–468.
20.
Hoekstra AY, Chapagain AK (2007) Water footprints of nations: Water use by
people as
a
function of their consumption pattern. Water
Resour Manage 21:35–48.
21. Mekonnen MM, Hoekstra AY (2010) The green, blue and grey water
footprint of crops
and derived crop products. (UNESCO-IHE, Delft, The Netherlands)
Value of Water
Research Report Series No. 47.
22. Mekonnen MM, Hoekstra AY (2011) The green, blue and grey water
footprint of crops
and derived crop products. Hydrol Earth Syst Sci 15:1577–1600.
23. Mekonnen MM, Hoekstra AY (2010) The green, blue and grey water
footprint of farm
animals and derived animal products. (UNESCO-IHE, Delft, The
Netherlands) Value of
Water Research Report Series No. 48.
24. Alcamo J, Henrichs T (2002) Critical regions: A model-based
estimation of world water
resources sensitive to global changes. Aquat Sci 64:352–362.
25. Alcamo J, et al. (2003) Global estimates of water withdrawals
and availability under
current and future “business-as-usual” conditions. Hydrol
Sci J 48:339–348.
26. Smakhtin V, Revenga C, Döll P (2004) A pilot global assessment
of environmental
water requirements and scarcity. Water Int 29:307–317.
27. Chapagain AK, Orr S (2008) UK Water Footprint: The Impact of the UK’s Food and Fibre
Consumption on Global Water Resources, (World Wide Fund for Nature, Godalming,
UK), Vol. 1.
28. Rost S, et al. (2008) Agricultural green and blue water
consumption and its influence
on the global water system. Water Resour Res 44:W09405,
10.1029/2007WR006331.
29. Liu J, Yang H (2010) Spatially explicit assessment of global
consumptive water uses in
cropland: Green and blue water. J Hydrol 384:187–197.
30. Siebert S, Döll P (2010) Quantifying blue and green virtual
water contents in global
crop production as well as potential production losses without
irrigation. J Hydrol
384:198–207.
31. Hanasaki N, Inuzuka T, Kanae S, Oki T (2010) An estimation of
global virtual water flow
and sources of water withdrawal for major crops and livestock
products using a global
hydrological model. J Hydrol 384:232–244.
32. Fader M, et al. (2011) Internal and external green-blue
agricultural water footprints of
nations, and related water and land savings through trade. Hydrol Earth Syst Sci
8:483–527.
33. Food and Agriculture Organization (2010) FAOSTAT on-line
database. (FAO, Rome),
http://faostat.fao.org.
34. International Trade Centre (2007) SITA version 1996-2005 in
SITC, [DVD-ROM]). (ITC,
Geneva).
35. Buying farmland abroad: Outsourcing’s third wave. The Economist Newspaper (May
21, 2009), http://www.economist.com/node/13692889.
36. Mekonnen MM, Hoekstra AY (2010) A global and high-resolution
assessment of the
green, blue, and gray water footprint of wheat. Hydrol Earth Syst Sci 14:1259–1276.
37. EUROSTAT (2011) EUROSTAT online database. (European
Commission, Luxembourg),
http://epp.eurostat.ec.europa.eu.
38. UN Statistic Division (2010) UNSD Environmental Indicators: Inland Waters Resources
(UNSD, New York).
39. UN Statistic Division (2010) Nationals Accounts Main Aggregates Database (UNSD,
New York).
Nessun commento:
Posta un commento