基于ArcGIS的安徽省用水強度驅動效應空間格局分析

張樂勤, 朱超洪

(池州學院 資源環境學院, 安徽 池州 247000)

基于ArcGIS的安徽省用水強度驅動效應空間格局分析

張樂勤, 朱超洪

(池州學院 資源環境學院, 安徽 池州 247000)

[目的] 探索用水強度驅動效應空間關聯格局,為制定優化水資源配置及實行最嚴格水資源保護政策提供依據。[方法] 以安徽省為例,運用完全分解模型,對用水強度驅動效應進行測算;基于ArcGIS平臺,運用Kriging插值及熱值分析方法,對用水強度驅動效應空間關聯格局及熱點(冷點)地區進行考察。[結果] (1) 2011—2014年,技術效應均值為94.09%,結構效應均值為5.91%; (2) 技術效應、結構效應半變異函數分析塊金系數分別為1,0.843 9,空間自相關性弱,整體結構性差,區域差異明顯; (3) 技術效應、結構效應熱點與冷點地區分別占總數的31.25%,37.5%,溫點地區占68.75%,62.5%,分布于皖江中下游、皖南地區及皖北的蚌埠市。[結論] 用水強度驅動效應空間異質特征顯著,技術創新與結構調整為提升區域用水強度的重要途徑。

用水強度; 驅動效應; 完全分解模型; 半變異函數; 熱值分析

文獻參數： 張樂勤, 朱超洪.基于ArcGIS的安徽省用水強度驅動效應空間格局分析[J].水土保持通報，2017,37(3)：284-289.DOI:10.13961/j.cnki.stbctb.2017.03.049； Zhang Leqin, Zhu Chaohong. ArcGIS-based analysis of drivers’ spatial patterns of water use intensity in Anhui Province[J]. Bulletin of Soil and Water Conservation, 2017,37(3)：284-289.DOI:10.13961/j.cnki.stbctb.2017.03.049

中國水資源供給不足掣肘經濟社會可持續發展與生態文明建設問題，已引起管理層及學術界高度關注，破解這一癥結的舉措在于提高水資源利用效率[1]，如何提高水資源利用率，降低用水強度是關鍵，科學識別出其影響因子，并輔之以相應政策響應，便成為保障水資源可持續利用核心，對此進行探索無疑具有重要現實意義。

針對用水強度驅動效應，前人基于DEA，LMDI、完全分解等不同模型，采用回歸分析、主成分分析方法，在國家或省域尺度或流域層面上，從技術因素、結構因素、價格因素等方面揭示了對用水強度驅動影響[1-8]，所得結果顯示，技術進步、產業結構優化及提高水價均具有顯著正向影響，為本研究提供了有益啟示，然而，既有研究多從整體視角來進行考察，缺乏對研究區域內空間差異分析，事實上，不同地域空間水資源稟賦、經濟社會狀態、產業結構差異顯著，僅從整體上進行考察，不能客觀反映出其空間異質性征，影響著差別化水資源保護政策制定，也制約了水資源優化配置，鑒于此，本文擬以安徽省為例主要基于以下考慮，一是安徽省水資源稟賦不足，2014年人均水資源僅為全國平均水平的66.65%；二是生態強省為安徽省重要發展戰略，考察其用水強度驅動效應的空間差異更具典型性與示范性。采用完全分解模型，對其驅動效應進行測算，借助ArcGIS平臺，運用Kriging插值及熱值分析方法，對其空間關聯格局及熱點(冷點)地區進行考察，以期識別出空間差異，進而為管理層制定差別化水資源利用效率政策提供決策參考，有利于最嚴格水資源管理制度的實施及區域水資源可持續利用，也利于生態文明建設。

1 研究方法

1.1 用水強度驅動效應測算

萬元GDP用水量是國際上通用表征用水強度指標[9]，若以I表示單位GDP用水量，Ii表示i產業單位GDP用水量(用水強度)，則有：

(1)

(2)

根據Laspeyres指數分解方法可以將用水強度分解為[3]：

(3)

(4)

(5)

1.2 半變異函數分析

半變異函數是空間統計學中用于分析空間相關程度的常用工具[11]，表達式如下[11]：

(6)

式中：γ(h)——半變異函數； h——兩樣本點空間分隔距離； N(h)——分隔距離為h時樣點數； Z(Xi)，Z(Xi+h)——隨機變量在點X與偏離空間位置h點X+h處的觀測值[11]。

半變異函數可借助ArcGIS平臺，采用地統計分析中克里金插值方法實現，若分析數據服從正態分布，可用普通克里金(OrdinaryKriging)插值法進行分析，反之，則應選用析取克里金(disjunctiveKriging)插值法進行分析[12]，析取克里金插值法提供了Log，Box-Cox，Arcsin、NormalScore等數據交換方法，可通過比較標準誤差選擇最優交換方式[12]，再通過比較不同擬合模型標準誤差，來獲取最適宜插值模型。

半變異函數參數包括：塊金值(C0)、偏基臺值(C)、基臺值(C+C0)、變程(A0)，其中，塊金值(C0)與基臺值(C+C0)之比為塊金系數，表示由隨機性因素引起的空間異質性占總變異的比例[11,13]，當塊金系數小于0.25時，表明變量具有強烈空間自相關性，全局同質特征明顯，空間結構性穩定；當該比例介于0.25～0.75時，表明變量具有中等空間相關性；當該比例大于0.75時，表明空間相關性弱，異質特征性明顯，隨機因素所起作用大[13]。

1.3 空間熱值分析

(7)

2 實證研究

2.1 研究區概況與數據來源

安徽省地處華東腹地，介于114°54′—119°37′E與29°41′—34°38′N，面積1.394×105km2。地形以平原、丘陵、山地為主，且呈相間分布，氣候屬暖溫帶與亞熱帶過渡地區，年際降水變化較大。2014年，常住總人口6 083萬，GDP總量為20 848.8億元，全年降水量1 278.5mm，水資源總量為7.78×1010m3，總用水量為2.72×1010m3，其中，第一產業用水1.43×1010m3，第二產業用水9.271×109m3，第三產業用水3.655×109m3。

鑒于安徽省2011年行政區劃變動(原巢湖市撤銷，分別劃歸合肥市、蕪湖市、馬鞍山管轄)，考慮到數據獲取的完整性與連續性，選取2011—2014年作為研究樣本，三次產業用水界定如下：第一產業用水為農業用水；第二產業用水為工業用水；第三產業用水借鑒文獻[17]，界定為城鎮公共與生態用水。同時，為了研究一致，對GDP及三次產業增加值，以2011年為基準，采用價格指數進行抵減。原始數據主要來源于2012—2015年《安徽統計年鑒》，其中，各地級市用水數據來源于《2011—2014年安徽省水資源公報》。

2.2 用水強度變化態勢

運用產業用水與GDP統計數據，可對安徽省各地級市2011—2014年年均用水強度變化進行計算，結果如圖1所示。由圖1 可知，2011—2014年，除馬鞍山市外，安徽省其余15個地級市用水強度均呈下降態勢，從年均變化看，六安市變化最大，由2011年369.39m3/萬元降至2014年262m3/萬元，萬元GDP用水年均減少了35.8m3，從年均變化幅度看，降幅最大的為黃山市，年均下降達21.29%，究其原因，馬鞍山為傳統鋼鐵工業城市，生產設備相對陳舊，受技術、資金限制，設備改造升級難以在短期見效，致使單位GDP水耗較大，用水效率低；六安市積極引導產業調整，農業在國民經濟中比重不斷下降，由于三次產業中以第一產業耗水最大，第一產業比重的下降，相對減少了單位GDP水耗，從而導致了用水強度呈現出較大降幅；黃山市為皖南旅游、文化、生態資源稟賦豐厚的國際旅游城市，2011年來，黃山市積極主動調整產業結構，第二產業結構比重不斷下降，第三產業比例日漸上升，由于產生單位第三產業產值用水較少，進而驅動了用水強度出現了較大降幅。

圖1 安徽省各地級市2011-2014年用水強度年均變化

2.3 用水強度變化驅動效應測算

運用測度用水強度的表達式(4)，(5) 及統計數據，可對安徽省2011—2014年各地級市用水強度驅動效應進行測算，結果如表1。由表1可知，考察樣本期，用水強度變化技術效應均值為94.09%，中值為77.965%，其中，大于中值的地級市有8個，馬鞍山市最強，宣城市最弱，而結構效應均值為5.91%，中值為22.035%，大于中值的地級市同為8個，宣城市最強，馬鞍山市最弱，由此表明，技術因素在用水變化中起主導作用，而結構因素影響較小。

2.4 用水強度變化驅動效應半變異函數分析

運用ArcGIS軟件地統計分析模塊，可對表1中安徽省2011—2014年用水強度變化技術與結構驅動效應進行正態分布檢驗，結果如表2所示。表2表明，技術效應、結構效應偏度離0值較大，峰度均大于3，且中位數與平均值偏離較大，由此表明，技術效應與結構效應均不服從正態分布，為此，半變異函數分析中，應采用析取克里金法進行插值分析。

采用Log，Box-Cox，Arcsin，NormalScore交換方法，分別進行析取克里金擬合，結果顯示，技術效應以Log交換標準誤差最小，結構效應以NormalScore交換標準誤差最小，基于析取克里金法插值方法，對技術效應、結構效應分別采用Log，NormalScore交換方式，并進行ArcGIS軟件提供的多種模型進行擬合，所得結果表明，技術效應以Gaussian擬合最優(平均標準差為36.310 3，均方根為65.040 4，標準均方根為1.790 2)，結構效應以J-Bessel擬合最優(平均標準差為65.658 1，均方根為69.492 4，標準均方根為1.057 7)，分別采用Gaussian模型、J-Bessel模型對技術效應、結構效應進行擬合，所得半變異函數參數如表3所示。

表1 安徽省16個地級市2011-2014年用水強度驅動效應

注：ΔI為用水強度變化； ΔIT為技術因素引致用水強度變化份額; ΔIS為結構因素引致用水強度變化份額; ΔIT(EFF)為技術進步效應; ΔIS(EFF)為結構效應。

表2 正態分布檢驗

表3 安徽省2011-2014年用水強度 變化驅動效應半變異函數擬合參數

表3顯示，安徽省2011—2014年用水強度變化技術效應半變異函數塊金系數為1，表明考察樣本期，技術效應空間自相關弱，整體結構性差，區域差異明顯，掣肘技術效應內在結構因素(如人力資本、研發投入等)處從屬地位，而規制政策、市場發育程度、外商投資水平等隨機因素起主導作用。表3顯示，用水強度變化結構效應半變異函數塊金系數為0.843 9，表明結構效應空間自相關亦較弱，空間異質特征顯著，也說明內在因素(資源稟賦、供求關系、經濟發展水平等)所起作用小，而隨機因素(如宏觀政策引向)所起作用大。進一步分析表3可知，技術效應塊金系數大于結構效應塊金系數，表明技術效應空間差異要強于結構效應。

2.5 用水強度變化驅動熱值分析

圖2 安徽省2011-2014年用水強度變化技術效應熱值分析結果

圖3 安徽省2011-2014年用水強度變化結構效應熱值分析結果

通過分析發現，無論是技術效應還是結構效應，熱點與冷點地區較少，溫點地區較多，從技術效應看，熱點與冷點地區占總數的31.25%，溫點地區占68.75%，從結構效應看，熱點與冷點地區占總數的37.5%，溫點地區占62.5%；，熱點與冷點地區主要分布于皖江中下游、皖南地區及皖北的蚌埠市，熱點與冷點地市集聚特征不顯著，即效應高值或低值區周邊并非高值或低值，離散的異質特征明顯。

3 討論與結論

(1) 考察樣本期，安徽省用水強度整體呈下降態勢，技術因素是用水變化主要驅動因素，結構因素驅動效應較弱。

(2) 技術效應與結構效應全局自相關性均較弱，空間異質特征顯著，比較而言，技術效應空間差異更明顯。

(3) 隨機因素(如規制政策)在技術效應與結構效應中起主導作用，而內在因素處從屬地位。

(4) 技術效應、結構效應熱點與冷點地區均較少，溫點地區多，空間集聚特征不顯著。技術效應熱點地區與結構效應冷點地區分布于皖江中下游的銅陵、蕪湖、馬鞍山3市，宣城、蚌埠為技術效應冷點地區，宣城、蚌埠、池州為結構效應熱點地區。

鑒于上述結論，得出如下政策啟示：首先，結構效應為掣肘安徽省用水強度下降的關鍵，為此，應將優化產業結構，特別是提升第三產業比例，作為降低用水強度，提高用水效率的重要抓手；其次，應采取差別化的規制政策，重點關注技術效應、結構效應冷點地區。對技術效應低的宣城、蚌埠2市，應依靠政策扶持與制度設計，積極推進科技創新，努力提高用水效率，降低單位GDP用水量，對結構效應低的銅陵、馬鞍山2市，應摒棄傳統二產占主導的經濟發展模式，積極發展新興產業與現代服務業，通過產業結構優化升級，促進結構效應提升；最后，提高技術效應與結構效應既要重視規制政策等隨機因素，更要關注制約技術效應與結構效應的內在因素，如技術效應層面的人才隊伍建設、研發投入等，結構效應的供給側改革、經濟發展水平等，進而實現提升技術效應與結構效應目標。

本文運用ArcGIS分析工具，揭示了技術與結構因素為安徽省用水強度主要驅動因素，且在空間格局具有異質的弱離散特征，所得結果與馬海良等[1]、孫才志等[2]、佟金萍等[3]、姜蓓蕾等[4]、張陳俊等[6]基本一致，為其優化用水的空間配置，促進最嚴格水資源保護政策實施提供了決策參考，然而，受理論基礎制約，本文未就技術因素、產業結構因素影響用水強度作用機理進行深度解析，這是本文不足之處，也是筆者今后展開更深入研究的方向。

[1] 馬海良,黃德春,張繼國.考慮非合意產出的水資源利用效率及影響因素研究[J].中國人口·資源與環境,2012,22(10):35-42.

[2] 孫才志,王妍,李紅新.遼寧省用水效率影響因素分析[J].水利經濟,2009,27(2):1-5.

[3] 佟金萍,馬劍鋒,劉高峰.基于完全分解模型的中國萬元GDP用水量變動及因素分析[J].資源科學,2011,33(10):1870-1876.

[4] 姜蓓蕾,耿雷華,卞錦宇,等.中國工業用水效率水平驅動因素分析及區劃研究[J].資源科學,2014,36(11):2231-2239.

[5] 耿獻輝,張曉恒,宋玉蘭.農業灌溉用水效率及其影響因素實證分析:基于隨機前沿生產函數和新疆棉農調研數據[J].自然資源學報,2014,29(6):934-943.

[6] 張陳俊,章恒全,龔雅云.中國結構升級、技術進步與水資源消耗:基于改進的LMDI方法[J].資源科學,2014,36(10):1993-2002.

[7] 李靜,馬瀟璨.資源與環境雙重約束下的工業用水效率:基于SBM-Undesirable和Meta-frontier模型的實證研究[J].自然資源學報,2014,29(6):920-933.

[8] 佟金萍,馬劍鋒,王圣,等.長江流域農業用水效率研究:基于超效率DEA和Tobit模型[J].長江流域資源與環境,2015,24(4):603-608.

[9] 中國科學院可持續發展戰略研究組.2007年中國可持續發展戰略報告:水治理與創新[M].北京:科學出版社,2007.

[10] Sun J W. Changes in energy consumption and energy intensity: A complete decomposition model[J]. Energy Economics, 1998,20(1):85-100.

[11] 梅志雄.基于半變異函數的住宅價格空間異質性分析:以東莞市為例[J].華南師范大學學報:自然科學版,2008(4):123-128.

[12] 葛淼,薛然尹,何進偉,等.中國男性兒童呼氣高峰流量參考值地理分布[J].地理研究,2014,33(3):451-466.

[13] 欒福明,張小雷,楊兆萍,等.1990—2011年山東省旅游節慶的時空變異特征及機理[J].地理科學進展,2013,32(6):940-949.

[14] 楊曉明,戴小杰,田思泉,等.中西太平洋鰹魚圍網漁業資源的熱點分析和空間異質性[J].生態學報,2014,34(13):3771-3778.

[15] 蔣海兵,徐建剛.江蘇淮河流域工業點源負荷空間分布特征研究[J].長江流域資源與環境,2013,22(6):742-749.

[16] 張麗,楊國范,劉吉平.1986—2012年撫順市土地利用動態變化及熱點分析[J].地理科學,2014,34(2):185-191.

[17] 蓋美,郝慧娟,柯麗娜,等.遼寧沿海經濟帶水資源邊際效益測度及影響因素分析[J].自然資源學報,2015,30(1):78-91.

ArcGIS-based Analysis of Drivers’ Spatial Patterns of Water Use Intensity in Anhui Province

ZHANG Leqin, ZHU Chaohong

(CollegeofNaturalResourcesandEnvironment,ChizhouUniversity,Chizhou,Anhui247000,China)

[Objective] The spatial correlation pattern of water intensity drivers was explored to provide basis for the policy formulation of optimizing water resources allocation and for implementing the most rigorous water resources protection policy. [Methods] Taking Anhui Province as an example, the effects of different drivers on water use intensity were calculated using the complete decomposition model. And then ArcGIS-based Kriging interpolation and calorific value analysis methods were used to investigate the spatial correlation pattern and to find out the hot spots /cold spots of water use intensity. [Results] (1) From 2011 to 2014, the technical effect was valued at 94.09%, and the structural effect was 5.91%; (2) The coefficient nuggets of semi-variogram of the technical effect and structure effect were 1 and 0.843 9. The spatial autocorrelation was weak as the overall structure variance was poor, but the regional differences was obvious. (3) Hot spot plus cold spot areas of technical and structural effects of covered for 31.25% and 37.5% of the total provincial area, and moderate areas of the two effects accounted for 68.75% and 62.50%, mainly distributed in the middle and lower reaches of Wanhe River, in South Anhui, and in Bengbu City. [Conclusion] The spatial heterogeneity of drivers of water use intensity was significant. Technological innovation and structural adjustment are considered as two important ways to enhance regional water use intensity.

water use intensity; driving effect; complete decomposition model; semi-variogram; hot spot analysis

2016-11-18

2017-01-09

安徽省科技廳2016年軟科學項目“安徽省技術進步、產業結構調整對用水變化驅動效應時空差異及響應對策研究”(1607a0202061); 安徽省教育廳質量工程項目“水處理工程實踐教育中心”(2015xnzx023)

張樂勤(1965—),男(漢族),安徽省宿松縣人,碩士,教授,研究方向為資源生態與可持續發展。E-mail:zhangleqing@sohu.com。

A

1000-288X(2017)03-0284-06

F062.1