年度淡水抽取量，农业（占淡水抽取总量的百分比）

Annual freshwater withdrawals, agriculture (% of total freshwater withdrawal)

下载数据

指标代码：ER.H2O.FWAG.ZS所属主题：环境：FreshwaterEnvironment: Freshwater

2022最新有效年份

176最新年份有值国家

265历史上有数据经济体

64%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

Annual freshwater withdrawals refer to total water withdrawals, not counting evaporation losses from storage basins. Withdrawals also include water from desalination plants in countries where they are a significant source. Withdrawals can exceed 100 percent of total renewable resources where extraction from nonrenewable aquifers or desalination plants is considerable or where there is significant water reuse. Withdrawals for agriculture are total withdrawals for irrigation and livestock production. Data are for the most recent year available for 1987-2002.

可供参考的中文翻译：年度淡水抽取量指水源总抽取量，未计入水库的蒸发损失。在咸水淡化厂作为重要水源的国家，抽取量也包括来自咸水淡化厂的水。在从不可再生的蓄水层或咸水淡化厂的抽取量相当可观，或者废水回收利用率相当高的地方，则抽取量可能超过可再生资源总量的百分之百。农业抽取量是用于灌溉和畜牧生产的总抽取量。最近期的数据为1987-2002年的数据。

数据口径与风险提示

数据主要覆盖1987-2002年间，部分国家可能有更早或更晚的更新数据，不代表最新状态
该指标仅反映农业用水占总抽取量的比例，不代表绝对使用量的高低
农业占比下降可能对应工业/生活用水增加，反之亦然，需要结合总量指标综合判断
在不可再生水源或海水淡化比例高的国家，该比例可能超过100%
数据来源为各国政府上报，统计口径和调查方法可能存在差异
世界数据覆盖年份较短（2014-2021年），与中国的长时间序列直接可比性有限
中国数据自2019年后出现重复值，可能反映数据更新滞后或估算方法延续
该比例变化方向不直接等同于水资源的可持续性改善或恶化

中国趋势

趋势解读

从1980年至2022年，中国农业用水占淡水抽取总量的比例呈现持续下降趋势，从88.17%逐步降至62.14%，累计下降约26个百分点。这一长周期下降反映出中国经济结构的深刻变化——非农产业扩张导致农业在经济中的相对份额缩小，同时灌溉技术进步和种植结构优化减少了单位农业产出的水资源消耗。值得注意的是，2012年后下降速度明显放缓，2019-2022年维持在61-62%区间窄幅波动，可能意味着农业用水占比已接近阶段性底部，进一步下降需要更强的结构性变革或技术突破。

1980年农业用水占比为88.17%，为历史最高点
2022年最新数据为62.14%，较峰值下降26个百分点
1990年代下降幅度最为显著，从83%降至71%
2019年录得最低值61.16%，之后有所回升
2019-2022年连续四年保持在62.14%，缺乏进一步下降
数据更新可能存在滞后，最新值可能不代表当前实际状况
比例下降可能反映农业绝对用水量减少，也可能因分母（总抽取量）增加更快所致
缺少同期的绝对用水量数据，无法单独判断农业用水量的变化方向

全球趋势

趋势解读

世界农业用水占比在2014-2021年间相对稳定，波动区间在70.96%-71.58%之间，始终保持在71%左右。这与中国的持续下降形成鲜明对比，说明全球整体用水结构的变化节奏远慢于中国。中国农业用水占比已从高于世界水平转变为低于世界水平，这反映了中国特有的快速工业化和城镇化进程对用水结构的重塑效应。

2014年世界农业用水占比为71.18%
2021年升至71.58%，为区间最高点
2019年录得最低值70.96%
7年间仅上升0.4个百分点，变化幅度极小
与中国变化方向相反——中国在同期下降约2个百分点
世界数据时间序列较短，仅有8个数据点
由于加权方式不同，世界平均可能掩盖不同国家/地区间的显著差异
各国数据年份不完全对齐，跨时段的跨国比较存在口径不一致问题

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	农业指标的十年变化通常与种植结构、气候条件、灌溉、化肥和技术扩散有关，不宜把单一阶段变化直接解释为政策效果。
1970-1979	-	-	农业指标的十年变化通常与种植结构、气候条件、灌溉、化肥和技术扩散有关，不宜把单一阶段变化直接解释为政策效果。
1980-1989	0.9x	-	中国该阶段比例下降约5%，可能反映改革开放初期农业结构开始调整或统计口径优化。由于缺少同期的世界数据，难以判断这一变化是中国特有现象还是全球趋势的一部分。
1990-1999	0.8x	-	中国下降幅度最为显著，约16%，但世界无该时期数据。该阶段下降可能对应中国工业化加速过程，但需结合农业绝对用水量和总抽取量数据进一步验证是需求压缩还是供给结构调整所致。
2000-2009	0.9x	-	中国下降约8%，增速有所放缓，与世界数据仍不可比。下降趋缓可能意味着农业用水占比已度过快速下降期，结构性优化空间逐步收窄。
2010-2019	1.0x	1.0x	中国下降约2%而世界仅下降0.3%，二者变化方向趋于一致，可能说明中国的用水结构转型已接近成熟阶段，进一步调整可能需要依赖技术突破或农业政策的深度变革。由于缺少此前的世界长期数据，无法判断全球是否存在类似的长期下行趋势。
2020-2029	1.0x	1.0x	中国与世界的阶段变化幅度接近，说明该指标在这一阶段更多表现为共同的周期性或口径性波动。该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。

2022 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Somalia, Fed. Rep. 索马里	SOM	99.5
2	Afghanistan 阿富汗	AFG	98.2
3	Nepal 尼泊尔	NPL	98.1
4	Mali 马里	MLI	97.9
5	Sudan 苏丹	SDN	96.2
6	Lao PDR 老挝	LAO	95.9
7	Madagascar 马达加斯加	MDG	95.9
8	Viet Nam 越南	VNM	94.8
9	Eritrea 厄立特里亚	ERI	94.5
10	Guyana 圭亚那	GUY	94.3
11	Eswatini 斯威士兰	SWZ	94.2
12	Bhutan 不丹	BTN	94.1
13	Cambodia 柬埔寨	KHM	94.0
14	Pakistan 巴基斯坦	PAK	94.0
15	Turkmenistan 土库曼斯坦	TKM	92.7
16	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	92.7
17	Azerbaijan 阿塞拜疆	AZE	92.2
18	Iran, Islamic Rep. 伊朗	IRN	92.2
19	Uzbekistan 乌兹别克斯坦	UZB	92.1
20	Ethiopia 埃塞俄比亚	ETH	91.8
21	Timor-Leste 东帝汶	TLS	91.4
22	Senegal 塞内加尔	SEN	91.3
23	Niger 尼日尔	NER	91.0
24	Chile 智利	CHL	90.9
25	Yemen, Rep. 也门	YEM	90.7
26	Mauritania 毛里塔尼亚	MRT	90.6
27	India 印度	IND	90.4
28	Thailand 泰国	THA	90.4
29	Tanzania 坦桑尼亚	TZA	89.4
30	Myanmar 缅甸	MMR	88.6
31	Bangladesh 孟加拉国	BGD	87.8
32	Morocco 摩洛哥	MAR	87.8
33	Syrian Arab Republic 叙利亚	SYR	87.5
34	Sri Lanka 斯里兰卡	LKA	87.4
35	Zimbabwe 津巴布韦	ZWE	87.2
36	Bolivia 玻利维亚	BOL	87.1
37	Turkiye 土耳其	TUR	86.9
38	Malawi 马拉维	MWI	85.9
39	Indonesia 印度尼西亚	IDN	85.2
40	Nicaragua 尼加拉瓜	NIC	85.0
41	Haiti 海地	HTI	83.4
42	Dominican Republic 多米尼加共和国	DOM	83.3
43	Libya 利比亚	LBY	83.2
44	Colombia 哥伦比亚	COL	82.2
45	Saudi Arabia 沙特阿拉伯	SAU	81.6
46	Peru 秘鲁	PER	81.5
47	Ecuador 厄瓜多尔	ECU	81.4
48	Oman 阿曼	OMN	80.8
49	Greece 希腊	GRC	80.5
50	Kenya 肯尼亚	KEN	80.2
51	Burundi 布隆迪	BDI	79.3
52	Egypt, Arab Rep. 埃及	EGY	79.2
53	Paraguay 巴拉圭	PRY	78.6
54	Armenia 亚美尼亚	ARM	77.5
55	Uruguay 乌拉圭	URY	77.2
56	Chad 乍得	TCD	76.4
57	Korea, Dem. People's Rep. 朝鲜	PRK	76.3
58	Mexico 墨西哥	MEX	76.3
59	Guinea-Bissau 几内亚比绍	GNB	75.8
60	Tunisia 突尼斯	TUN	75.5
61	Philippines 菲律宾	PHL	74.6
62	Tajikistan 塔吉克斯坦	TJK	74.5
63	Argentina 阿根廷	ARG	73.9
64	Venezuela, RB 委内瑞拉	VEN	73.9
65	Iraq 伊拉克	IRQ	73.5
66	Honduras 洪都拉斯	HND	73.3
67	Zambia 赞比亚	ZMB	73.3
68	Ghana 加纳	GHA	73.1
69	Mozambique 莫桑比克	MOZ	73.0
70	El Salvador 萨尔瓦多	SLV	72.8
71	Namibia 纳米比亚	NAM	71.5
72	Albania 阿尔巴尼亚	ALB	70.9
73	St. Lucia 圣卢西亚	LCA	70.9
74	Suriname 苏里南	SUR	70.0
75	Belize 伯利兹	BLZ	67.7
76	Cameroon 喀麦隆	CMR	67.7
77	Barbados 巴巴多斯	BRB	67.7
78	Algeria 阿尔及利亚	DZA	67.4
79	Guinea 几内亚	GIN	67.4
80	Australia 澳大利亚	AUS	66.9
81	Japan 日本	JPN	66.7
82	Spain 西班牙	ESP	65.3
83	New Zealand 新西兰	NZL	64.9
84	Cuba 古巴	CUB	64.9
85	Sao Tome and Principe 圣多美和普林西比	STP	62.6
86	Kuwait 科威特	KWT	62.3
87	China 中国	CHN	62.1
88	Cyprus 塞浦路斯	CYP	61.2
89	Brazil 巴西	BRA	60.8
90	Costa Rica 哥斯达黎加	CRI	60.7
91	Rwanda 卢旺达	RWA	60.1
92	South Africa 南非	ZAF	59.4
93	Korea, Rep. 韩国	KOR	58.9
94	Fiji 斐济	FJI	58.9
95	Kazakhstan 哈萨克斯坦	KAZ	56.7
96	Guatemala 危地马拉	GTM	56.7
97	Portugal 葡萄牙	PRT	55.4
98	Mongolia 蒙古	MNG	54.3
99	Denmark 丹麦	DNK	54.2
100	Jordan 约旦	JOR	51.6
101	Cote d'Ivoire 科特迪瓦	CIV	51.6
102	Burkina Faso 布基纳法索	BFA	51.4
103	United Arab Emirates 阿联酋	ARE	51.2
104	Italy 意大利	ITA	50.2
105	Mauritius 毛里求斯	MUS	47.9
106	Comoros 科摩罗	COM	47.0
107	Malaysia 马来西亚	MYS	45.6
108	Nigeria 尼日利亚	NGA	44.2
109	Uganda 乌干达	UGA	40.7
110	United States 美国	USA	39.7
111	Cabo Verde 佛得角	CPV	39.0
112	Gambia, The 冈比亚	GMB	38.6
113	Lebanon 黎巴嫩	LBN	38.0
114	Panama 巴拿马	PAN	36.8
115	South Sudan 南苏丹	SSD	36.5
116	Romania 罗马尼亚	ROU	36.3
117	Finland 芬兰	FIN	35.7
118	Malta 马耳他	MLT	34.5
119	Togo 多哥	TGO	34.1
120	Georgia 格鲁吉亚	GEO	33.6
121	Bahrain 巴林	BHR	33.3
122	Qatar 卡塔尔	QAT	33.3
123	Norway 挪威	NOR	31.4
124	Latvia 拉脱维亚	LVA	29.1
125	Gabon 加蓬	GAB	29.0
126	Russian Federation 俄罗斯	RUS	28.8
127	Botswana 博茨瓦纳	BWA	28.0
128	Belarus 白俄罗斯	BLR	27.2
129	Benin 贝宁	BEN	25.2
130	Sierra Leone 塞拉利昂	SLE	21.5
131	Ukraine 乌克兰	UKR	21.1
132	Angola 安哥拉	AGO	20.8
133	Lithuania 立陶宛	LTU	19.6
134	Jamaica 牙买加	JAM	17.1
135	Djibouti 吉布提	DJI	15.8
136	Antigua and Barbuda 安提瓜和巴布达	ATG	15.7
137	Grenada 格林纳达	GRD	14.9
138	United Kingdom 英国	GBR	14.0
139	Bulgaria 保加利亚	BGR	13.3
140	Poland 波兰	POL	13.0
141	Hungary 匈牙利	HUN	11.0
142	Canada 加拿大	CAN	10.7
143	Congo, Dem. Rep. 刚果（金）	COD	10.5
144	France 法国	FRA	10.3
145	Switzerland 瑞士	CHE	9.24
146	Lesotho 莱索托	LSO	8.68
147	Liberia 利比里亚	LBR	8.43
148	Serbia 塞尔维亚	SRB	8.29
149	Croatia 克罗地亚	HRV	7.48
150	Moldova 摩尔多瓦	MDA	6.89
151	Seychelles 塞舌尔	SYC	6.57
152	North Macedonia 北马其顿	MKD	6.40
153	Slovak Republic 斯洛伐克	SVK	5.83
154	Brunei Darussalam 文莱	BRN	5.76
155	Austria 奥地利	AUT	5.24
156	Equatorial Guinea 赤道几内亚	GNQ	5.05
157	Dominica 多米尼克	DMA	5.00
158	Sweden 瑞典	SWE	4.93
159	Maldives 马尔代夫	MDV	4.55
160	Congo, Rep. 刚果（布）	COG	4.36
161	Germany 德国	DEU	4.17
162	Netherlands 荷兰	NLD	3.22
163	Czechia 捷克	CZE	3.04
164	Ireland 爱尔兰	IRL	2.37
165	St. Kitts and Nevis 圣基茨和尼维斯	KNA	1.28
166	Luxembourg 卢森堡	LUX	1.03
167	Belgium 比利时	BEL	0.85
168	Central African Republic 中非共和国	CAF	0.55
169	Estonia 爱沙尼亚	EST	0.41
170	Slovenia 斯洛文尼亚	SVN	0.41
171	Montenegro 黑山	MNE	0.31
172	Papua New Guinea 巴布亚新几内亚	PNG	0.26
173	Iceland 冰岛	ISL	0.11
174	Monaco 摩纳哥	MCO	0.00
175	Singapore 新加坡	SGP	0.00
176	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	0.00

使用建议、常见误用与研究场景

数值较高通常意味着什么

农业在整体经济中对淡水的消耗占据主导地位，水资源用于农业的比例高。常见于农业为主的经济体、干旱地区的灌溉农业或水资源管理以农业为核心优先级的国家。

数值较低通常意味着什么

农业对淡水资源的依赖度相对较低，非农业部门（工业、服务业、生活）使用了更大比例的淡水资源。常见于工业化程度高、水资源管理多元化或农业效率显著提升的经济体。

鍙ｅ緞闄愬埗

该比例不反映淡水使用的绝对量，高比例不等于实际使用量大，低比例也不等于用水总量少
该比例受总抽取量变化影响——若工业用水的增速超过农业，该比例会下降但农业绝对用水未必减少
不同国家的水资源禀赋差异显著，同样的比例对水资源丰富和稀缺国家的含义截然不同
数据更新频率低，最新数据可能不代表当前实际状况
缺少时间序列的完整性，不同国家的数据年份可能相差10年以上

使用建议

使用时应结合淡水抽取总量（ER.H2O.FWTL.K3）计算农业用水的绝对量
需要结合人均水资源量（ER.H2O.INTR.PC）评估比例高低背后的实际压力
跨国比较时应关注数据年份的一致性，优先选择同一调查周期的数据
评估水资源可持续性时，应同时考察总抽取量占可再生资源的比例（ER.H2O.FWTL.ZS）
研究用水效率时，应与农业用水占比结合考察生产率指标（ER.GDP.FWTL.M3.KD）
结合灌溉用地占比（AG.LND.IRIG.AG.ZS）理解农业内部用水结构

常见错误用法

错误做法：用该指标的高低直接评判一个国家的水资源管理优劣

正确做法：结合人均水资源量、水资源压力指数、总抽取量占可再生资源比例等多项指标综合评估

比例高低受自然资源禀赋、经济结构发展阶段和统计口径差异的多重影响，单独一个比例无法反映水资源管理的实际效果

错误做法：将中国的农业用水占比与其他发展中国家直接对比（如索马里99%或印度90%），得出中国管理更优的结论

正确做法：选择发展阶段相近、经济结构相似的国家进行对比，如参考东南亚或东亚国家的数据

索马里等高比例国家可能反映的是统计口径差异（缺乏工业部门数据）或发展阶段极度滞后，横向比较时应考虑可比性

错误做法：仅凭该比例下降就判断中国水资源压力已经缓解

正确做法：应结合总淡水抽取量（ER.H2O.FWTL.K3）和水资源压力指数（ER.H2O.FWST.ZS）综合判断

比例下降可能因工业用水增速更快，农业绝对用水量未必减少，水资源压力是否缓解需要直接考察供需平衡状况

错误做法：用该指标预测未来粮食安全或农业发展潜力

正确做法：粮食安全应使用农业产出、人均耕地、灌溉比例等更直接的指标

该指标仅反映用水结构，而非农业生产能力或资源保障水平

错误做法：将中国与世界平均进行跨时期比较时忽略数据年份差异

正确做法：比较时应确认两国数据的调查年份是否在同一周期内

各国数据年份不一致可能导致跨国比较失真，尤其对于数据更新缓慢的指标

实际应用场景

中国用水结构转型与产业升级关联分析：分析1980-2022年中国农业用水占比下降与工业化进程的关系被解释变量可作为被解释变量考察其与GDP结构、就业结构变化的时滞关系，也可作为控制变量在分析其他经济变量时控制用水结构变化的影响
一带一路国家水资源禀赋与农业合作潜力评估：评估沿线国家农业用水占比与其粮食生产能力和进口依赖的关系控制变量在引力模型或贸易潜力分析中作为控制变量，控制水资源结构差异对农业贸易的潜在影响
农业用水效率提升路径的国际比较：比较不同国家在相近农业用水占比下的生产率差异，识别节水潜力分组变量按农业用水占比将国家分组，对比各组的农业GDP产出和水生产率，识别节水技术的推广空间
中国与东南亚国家用水结构趋同程度研究：检验中国与越南、老挝等国的农业用水占比差异是否在缩小比较变量通过面板数据考察收敛或发散趋势，分析发展路径的相似性和差异性
水资源约束下的农业政策效果评估：评估农业水价改革或灌溉补贴调整对农业用水占比的影响机制变量作为政策实施的中间结果变量，检验政策是否有效引导了用水结构调整