基于ESTDA模型的中國水生態足跡及水生態壓力評價

郝 帥, 孫才志, 宋強敏

1 遼寧師范大學地理科學學院, 大連 116029 2 遼寧師范大學海洋經濟與可持續發展研究中心, 大連 116029

隨著四化建設的持續推進,資源約束趨緊、環境污染嚴重、生態系統退化的形勢日趨嚴峻,水資源短缺、水生態損害及水環境污染等問題愈加突出,已嚴重制約到區域經濟發展及生態安全。而堅持以水定城、以水定地、以水定人、以水定產,把水資源作為最大的剛性約束,合理規劃人口、城市與產業發展是中國推進水資源高效利用的重要舉措。因此,如何客觀把握區域水資源與經濟發展的聯系,實現兩者的協調可持續發展已成為當前研究的重點。

生態足跡(Ecological Footprint,EF)作為一種測定人類活動對資源消費程度、判斷自然資產是否存在被過度利用的有效工具,目的在于從定量視角揭示人類對資源消耗量[1-2]。其相關研究方法主要有生命周期法(LCA)[3-4]、投入產出法(IOA)[5-6]、凈初級生產力(NPP)[7-8]以及能值[9-10]等方法,而隨著相關研究的不斷深入,Niccolucci等將資本存量是否減少及減少的程度用于衡量可持續性的強弱,在此基礎上提出生態足跡廣度與深度兩個概念,用于揭示人類社會發展對自然資本流量及存量的占用和消耗程度,標志著生態足跡模型由傳統的二維向三維的轉變,推動其研究向縱深方向發展[11],而有關學者也進一步闡釋了自然資本存量、流量及實現區域可持續發展之間的相互聯系,即只要保證區域自然資本存量不減少,無論其流量資本是否被完全占用,仍然可以實現區域的可持續發展[12]。目前,生態足跡理論及其相關模型得到了國內外學者的認可及廣泛應用,同時針對評價模型的不足,相關學者也采用了不同方法對其進行改進[13-16]。

而由生態足跡衍生出的水生態足跡,則常用于衡量特定區域對水資源的實際需求和占用情況。當前,國內有關水生態足跡的研究多集中于省區[16-17]、城市(群)[18-20]及流域等[21-22]。劉子剛等初步界定了水生態足跡與水生態承載力的內涵,并將水生態足跡分為水產品生態足跡、水資源生態足跡和誰污染生態足跡,在此基礎上分析了2000—2007年浙江省湖州市的水生態足跡和水生態承載力[23]；程超等運用水資源生態足跡模型、基尼系數及重心模型,對2006—2014年滇中城市群水資源生態承載力的供需平衡、時空平衡及平衡性的偏離程度進行了相關分析[24]；王剛毅等基于改進的水生態足跡模型,對中原城市群2001—2016年水量生態足跡和水質生態足跡進行了計算,在此基礎上構建了脫鉤評價模型和協調度模型,并對區域經濟發展和水資源環境協調關系進行研究[18]；賈焰等生態足跡模型,構建了5個二級水資源賬戶,對石羊河流域2001—2011年水生態足跡、水生態承載力及生態赤字進行了研究[25]；孫才志等基于生態足跡理論,將水資源分為流量資本和存量資本,在此基礎上測度分析了1997—2014年中國31個省市水生態足跡廣度與深度,并對其空間分布格局進行分析[26]；張智雄等將灰水足跡與水生態足跡相結合,在此基礎上運用擴展的Kaya恒等式和LMDI指數分解對中國各省市的人均灰水生態足跡變化的驅動因素進行測度,并結合ISODATA聚類模型對各效應進行空間聚類,從而分析各效應的空間特征[27]。

水資源作為一種可再生資源,定量表征區域水生態足跡、水生態承載力與水生態壓力,進而探討其水資源流量資本的占用程度及存量資本的消耗狀況,對實現區域水資源的可持續利用具有重要意義。此外,區域差異性研究主要體現在地理要素不均衡性分析中的時空思維運用,而當前有關水生態足跡及水生態壓力空間分布的動態性研究僅注重空間維度,忽視了時間因素對地理要素空間分布狀態的影響,而只有將地理要素的時間屬性與空間屬性相結合,才能更加準確的揭示地理要素空間分布的動態規律[28]。Rey等[29-30]提出的探索性時空數據分析(Exploratory Time-Space Data Analysis,ESTDA),克服了傳統探索性空間數據分析(Exploratory Space Data Analysis,ESDA)僅考慮截面數據而忽視時間維度的局限,從而實現了時間與空間的良性耦合,該模型已在研究地理要素時空動態性分析中得以運用,并取得了理想效果[28,31-33]。鑒于此,本文從水足跡視角出發,引入三維水生態足跡模型,對2000—2018年中國31個省份水生態足跡廣度與深度、水生態承載力及水生態壓力進行測度分析,同時基于Rey等提出的ESTDA模型,借助LISA時間路徑及時空躍遷等分析方法,對水生態足跡廣度、深度及水生態壓力空間格局的動態變化特征進行分析,以期為實現中國水資源的可持續利用、緩解水生態壓力提供參考借鑒。

1 研方法與數據來源

1.1 水生態足跡相關模型

水生態足跡是將人類生產、生活所消耗的水資源量轉化為相應的產水面積。可進一步表征為在某一特定區域內,經濟規模與人口總量達到一定程度時,滿足該區域發展所消耗的水資源量及吸納生產、生活所產生的廢棄物所需要的水資源量,包括水量生態足跡、水質生態足跡和水產品生態足跡(囿于數據限制,本文暫不考慮),反映了該區域對水資源的實際占用與需求程度；水生態承載力則用于表征某區域的水生態系統可為支撐區域經濟—社會—環境協調發展的最大供給能力,即產水能力所能供給的最大土地面積。通過對兩者的對比分析,能更好地揭示區域水資源可持續利用狀況。相關公式如下[26]：

WEF=WEFwv+WEFwq

(1)

WEFwv=γ×(WF/w)

(2)

WEFwq=γ×Max(EFCOD,EFNH3)

(3)

式中,WEF、WEFwv、WEFwq分別為區域水生態足跡總量(hm2)、水量生態足跡(hm2)和水質生態足跡(hm2)；WF表示區域水足跡總量(m3)；γ、w表示水資源均衡因子和水資源平均生產能力(γ取5.19,w取3140m3/hm2)[34]；EFCOD、EFNH3分別表示區域COD、NH3的水生態足跡(hm2)。

1.2 水生態足跡廣度與深度

水生態足跡廣度和深度分別表征人類社會發展對水資源流量資本的占用水平和存量資本的消耗程度。此外,由于水生態承載力即為水生態系統可提供的水資源流量資本的上限,因此亦是水生態足跡廣度的上限。相關計算公式見文獻[26]。

1.3 水生態壓力指數

由于存在空間尺度問題,以往所采用的水生態足跡赤字或盈余難以準確的衡量某區域水資源可持續利用水平以及生態環境所承受的壓力強度的大小[35]。在此,本文引入水生態壓力指數,用于表征區域水生態壓力的大小。計算公式如下：

WEPI=WEFwv/WEC

(4)

WEC=k×γ×φ×(Q/w)φ=WM/w

(5)

式中,WEPI為水生態壓力指數,當WEPI>1說明區域水資源消費量超過供給量,水資源利用處于不安全狀態；當0

1.4 探索性時空數據分析方法

1.4.1LISA時間路徑

LISA時間路徑將時間維度納入傳統的靜態LISA,使其實現了動態的連續表達,亦是LISA空間馬爾科夫轉移矩陣的一種連續表達。常用于反映地理要素的局部時空協同變化特征,揭示區域地理要素時空交互作用的程度、方向(競合態勢)以及時空依賴效應對區域系統演化的影響程度。LISA時間路徑的幾何特征常用相對長度和彎曲度表示,計算公式如下：

(6)

式中,Rli、Di分別表示相對長度和彎曲度；n表示區域數量；T表示研究時間序列；Li,t、Li,t+1分別表示t、t+1年份區域i在Moran′sI散點圖中的位置；d(Li,t,Li,t+1)、d(Li,t,Li,T)分別表示區域i從t年移動到t+1年、末年的距離；如果區域i在研究時段內的移動長度超過平均水平,則Rli>1,反之,Rli<1。Rli越大,表明區域地理要素的局部空間依賴性和空間結構更具有動態性,同時也說明地理要素Moran′sI散點隨時間推移,其移動路徑穩定性較差；Di越大,表明區域i的移動路徑越彎曲,反映出一個更加動態的局部空間依賴方向和更加波動的增長過程,也說明了該區域受局部結構的時空依賴影響越大,即區域i自身受鄰域空間(溢出/極化)效應影響越大,同時自身隨時間推移增幅越顯著或遇特殊時段波動越劇烈,反之則受到的影響越小,波動越平穩。

1.4.2LISA時空躍遷

LISA常被用于揭示地理要素的空間依賴特征,Rey等在此基礎上將Moran′sI散點圖中各空間單元在特定時間間隔內的移動距離、方向、凝聚等屬性與傳統馬爾科夫轉移矩陣相結合,提出了局部馬爾科夫轉移矩陣和時空躍遷,并將躍遷劃分為Type0、Type1、Type2、Type3四種類型[29]。其中Type0型表示區域自身和鄰域均不發生狀態轉移；Type1型表示區域自身躍遷,鄰域不變,包括：高高→低高、高低→低低、低高→高高、低低→高低；Type2型表示區域自身不變,鄰域發生躍遷,包括：高高→高低、高低→高高、低高→低低、低低→低高；Type3型表示區域自身與鄰域均發生躍遷,其中,若自身與鄰域躍遷方向一致稱為Type3A(包括：高高→低低、低低→高高),否則稱為Type3B(包括：高低→低高、低高→高低)。Rey將區域系統中的時空流動和凝聚來表征研究對象的空間格局路徑依賴和鎖定特征,計算公式如下：

(7)

(8)

式中,SF、SC分別表示研究對象的時空流動和凝聚；Type0、Type1、Type2、和Type3A分別表示各自的躍遷數量；p為相對移動率,Pi,i為時空躍遷矩陣對角線元素,K=4,當p=1時表示所有區域均發生狀態躍遷,p=0時表示沒有區域發生躍遷,p越大表明狀態轉移越劇烈。本文m=(2018-2000)×31=558。

1.5 數據來源

本文所涉及數據均來源于2001—2019年《中國統計年鑒》、《中國水資源公報》、《中國環境統計年鑒》、《中國環境統計年報》等,缺失數據由現有數據線性擬合獲得。在計算水質生態足跡時,污染物排放濃度標準采用中國《地表水環境質量標準》(GB3838—2002)中Ⅲ類水質規定的污染物含量選取COD和氨氮的排放濃度標準分別為20 mg/L、1 mg/L。

2 結果分析

2.1 中國水生態足跡及水生態承載力時空特征分析

根據相關公式計算得到2000—2018年中國水量生態足、水質生態足跡和水生態承載力,并繪制其變化趨勢圖(圖1),此外,囿于頁面限制,在此僅給出水量生態足、水質生態足跡、水生態足跡和水生態承載力初期、末期及均值,結果如圖2所示。

圖1 2000—2018年中國水量生態足跡、水質生態足跡和水生態承載力變化趨勢Fig.1 Trends of water quantity ecological footprint, water quality ecological footprint and water ecological carrying capacity in China from 2000 to 2018

圖2 2000—2018年中國各省份水生態足跡和水生態承載力Fig.2 Water ecological footprint and water carrying capacity of all provinces in China from 2000 to 2018

由圖1可以看出,研究時段內,中國水量生態足跡與水生態足跡的變化趨勢相似,均呈現波動上升的態勢,年均增長率分別為1.16%、1.11%,2012—2013年,水量生態足跡和水生態足跡增幅最大,分別達到12.71%、12.20%,兩者均在2013年達到最高值。整個研究時期內,中國用水總量從2000年的5497.59×108m3增加至2018年的6015.5×108m3,國內生產總值年均增長率達到12.97%,人口增加10%以上,水足跡總量由研究初期的9200.49×108m3增加至末期的11330.10×108m3,水資源消耗量與經濟、人口呈現同步增長趨勢,使中國水量生態足跡的變化趨勢呈逐年增加態勢；水質生態足跡整體呈下降態勢,年均降幅為0.41%,在水生態足跡中的占比由2000年的4.2%降至末期的3.2%。2000—2011年水質生態足跡經歷了“上升-下降-平穩-上升”的變化趨勢,并在2005年達到最大值(74.29×106hm2),占比達到4.48%,2011年以后,水質生態足跡呈現平穩下降態勢。研究期內,雖然廢水排放量年均增長率超過3%,2018年廢水排放量相比2000年增幅超過70%,但工業廢水排放達標率由82.1%增加至90%以上,廢水處理率的提升以及污染物排放量的降低使灰水足跡總量呈逐年下降態勢,進而使水質生態足跡總量下降,占比減少,從而也反映了中國在水生態環境保護、治理方面成效明顯；除2009年外,2000—2010水生態承載力變化趨勢與水生態足跡呈同步變化趨勢,2011—2018年,與水生足跡呈此消彼長的變化趨勢,2009年水生態承載力為研究時期內最低值,僅1382.214×106hm2,該年份中國水資源總量相比研究期內平均水資源量減少15.35%。

由圖2可以看出,①研究時期內,水量生態足跡排名前六的省份是廣東、江蘇、四川、山東、河南、湖南,其總量均超過90×106hm2,其中廣東最高,達到154.10×106hm2,原因在于,這5個省份人口數量較多,經濟規模大,農業發達,致使社會經濟發展過程中需水量較大,并導致水足跡總量較大,進而影響區域水量生態足跡；西藏、青海、寧夏均地處中國西部地區,人口數量少,經濟規模較小,2018年,人口總量僅占全國總量的1.17%,國內生產總值占比僅為0.89%,因此,水資源消耗量及水足跡總量較小,水量生態足跡總量均在10×106hm2以內,排在研究區域的后三位；②中國水質生態足跡均值為68.17×106hm2,相關研究表明,農業面源污染及生活廢水對水生態環境的影響遠大于工業廢水污染,因此,兼具農業發達和人口眾多兩個特點的省份水質生態足跡總量較大,如河南、四川、山東、廣東、湖南、河北6個省份的水質生態足跡總量均在3.5×106hm2,其中河南最大,達到5.63×106hm2,而農業經濟占比較小,人口數量較少的省份,水質生態足跡總量較小,如北京、天津、寧夏、海南、上海、青海6個省份的水質生態足跡均在1.00×106hm2以內；③受降水的時空分布及地表水資源量空間分布差異的影響,區域水資源總量及水生態承載力差異較大,整體呈現自東南向西北逐漸較少的趨勢,廣東、西藏、廣西、湖南等11省份的水生態承載力均在200×106hm2以上,而地處華北和西北地區的寧夏、北京、天津、山西、甘肅、河北6個省份的水生態承載力僅在3.00×106hm2以內。

2.2 中國水生態足跡廣度、深度時空特征分析

根據公式相關計算得到2000—2018年中國水生態足廣度、深度和水生態壓力指數,并繪制其變化趨勢圖(圖3),水生態足廣度、深度和水生態壓力指數研究初期、末期及均值,結果如表1所示。

表1 2000—2018年中國各省份水生態足跡廣度、深度及水生態壓力指數

圖3顯示,研究期內,水生態足跡廣度與水生態承載力整體呈現同步的變化趨勢,結合圖1及水生態足跡廣度的取值范圍可知,除2000—2002年、2010年及2016年外,水生態足跡總量均超過水生態承載力,一方面說明人類社會的經濟發展已接近水資源可提供的流量資本上限,另一方面,自2016年以來,水量生態足跡與水生態承載力呈截然相反的變化態勢,說明中國水資源可提供的流量資本的上限在逐漸降低,社會經濟發展對水資源流量資本的占用將進一步加大,進而將消耗更多的水資源存量資本。2000—2018年水生態足跡深度與水生態壓力指數呈現同步變化趨勢,2011年水生態足跡深度(1.29)與水生態壓力指數(1.25)均達到最大值,但與水生態承載力及水生態足跡廣度則呈現此消彼長的變化趨勢,這也進一步說明當區域水資源需求量超過水生態承載力時,水生足跡廣度下降,水資源流量資本占用達到極限,進而加大對水資源存量資本的消耗,導致區域水生態足跡深度及水生態壓力持續升高。

圖3 2000—2018年中國水生態足跡廣度、深度及水生態壓力指數變化趨勢Fig.3 The changing trend of the water ecological footprint size, depth and water ecological pressure in China from 2000 to 2018

結合圖2、表1可知,浙江、福建、江西、湖南等15個省份在研究期內年均水生態足跡均低于年均水生態承載力,說明上述區域水資源流量資本的占用程度較低,水資源流量資本能夠滿足區域自身發展的用水需求,無需動用存量資本,因此,水生態足跡深度均為1；相應地,其余省份的水資源流量資本的占用已達到區域水生態承載力的上限,因此需要動用水資源存量資本以彌補水資源流量資本的短板,致使水生態足跡深度較高,其中北京、天津、陜西、內蒙古等9個省份均超過10,而寧夏最高,達到215.51。水生態壓力指數用于反映區域水資源生態壓力的強度,進而可反映區域水資源的安全狀態及可持續利用狀況。結合由圖2所得結論可知,水生態壓力指數小于1的區域與水生態足跡深度為1的區域相吻合,表明這些省份水資源供給量大于消費量,水資源利用處于安全狀態。而其余省份水生態壓力指數均大于1,其中寧夏的平均水生態壓力指數最高,這些省份均主要分布于黃淮海流域區、松遼流域區及西北諸河區,研究時段內,上述區域年均水資源量僅為全國總量的17.83%,但耕地面積、人口數量、經濟總量占比均超過50%,經濟社會發展與區域水資源儲量的不匹配,是造成上述現象的主要原因。

2.3 中國水生態足跡與水生態壓力時空動態分析

2.3.1LISA時間路徑分析

根據公式(6),分別計算得到水生態足跡廣度、深度及水生態壓力指數的LISA時間路徑的相對長度和彎曲度,同時采用自然斷點法均將其分為4類(高相對長度,較高相對長度,中等相對長度,低相對長度；高彎曲度,較高彎曲度,中等彎曲度,低彎曲度),結果如圖4、圖5所示。

圖4 LISA時間路徑相對長度的空間分布Fig.4 The spatial distribution of relative length of LISA time path

圖5 LISA時間路徑彎曲度的空間分布Fig.5 The spatial distribution of curvature of LISA time path

圖4、圖5顯示,水生態足跡廣度、深度及水生態壓力的相對移動長度小于均值的省份數量占比均在50%以上,表明三者的整體空間格局均具有較強的穩定性。①水生態足跡廣度的相對移動長度高的地區主要集中在黃淮海區、西北地區和東北地區,低值區主要分布在東南沿海地區及西南地區,原因在于受中國降水空間分布的影響,南方地區水系發達,降水年際變化較小,水資源總量占全國水資源總量的80%以上,產水模數較高,進而具有較高的水生態承載力,區域水資源流量資本可以滿足當地生產、生活用水需求；而西北地區、東北地區和黃淮海區一方面在于人口眾多、農業發達,地下水資源開發程度過高,另一方面在于降水年際變化較大,區域產水模數較低,致使區域水生態足跡廣度的空間格局呈現較強的波動性。②雖然在時間尺度上水生態足跡深度與廣度呈此消彼長的發展趨勢,但由于兩者均受水生態足跡總量及水生態承載力影響,而當區域水資源流量資本被占用至極限時,將會消耗存量資本以滿足區域用水需求,因此,水生態足跡深度與廣度的空間結構穩定的區域相吻合,同時與表1所得結果一致。③從水生態壓力的相對移動長度來看,水生態壓力Moran′sI散點隨著時間推移其躍遷路徑較為穩定。但就類型而言,低相對長度仍然集中分布于南方地區,并且與水生態足跡廣度、深度移動路徑長度低值區較為一致,因此,隨著時間推移,南方地區更能保持區域內部結構的穩定性,而北方及西北地區則呈現較強的波動性。

中國水生態足跡廣度(20.307)、深度(18.433)及水生態壓力(13.579)的時間路徑的平均彎曲度依次降低,表明局部空間結構在空間依賴方向上的穩定性依次加強。從空間分布來看,水生態足跡廣度彎曲度的高值區主要分布在華北及西北地區,表明上述地區各省份的水生態足跡深度時空依賴效應較強,受外界影響較大,波動較為劇烈。低值區主要集中在西南及東南地區,說明空間依賴方向上的穩定性最大。水生態足跡深度的彎曲度處于中等彎曲度和低彎曲度的省份達18個,說明整體上中國水生態足跡深度呈現更加穩定的局部空間依賴方向,其中較高及高彎曲度主要分布中國西部及長江中下游地區,表明該區域水生態足跡深度在空間依賴方向上具有強波動性的特征。水生態壓力時間路徑的高彎曲度主要集中在湖北、安徽、江蘇、上海、浙江、寧夏、甘肅及新疆等省份,表明上述地區水生態壓力對其鄰近省份的空間依賴方向上具有更大的波動性,同時自的水生態壓力隨時間推移波動越劇烈。水生態壓力時間路徑彎曲度處于中等及以下類型的共有19個省份,表明中國水生態壓力在空間上的穩定性使得整體在空間依賴方向上的波動性相對穩定。

2.3.2LISA時間路徑移動方向分析

LISA時間路徑移動方向可用于揭示地理要素局部空間格局變化的空間整合特性。分別對比2000年和2018年水生態足跡廣度、深度和水生態壓力Moran′sI散點圖的位置,計算得到各個省份水生態足跡廣度、深度和水生態壓力LISA坐標點的移動方向,并將其分為4類,其中0°—90°表示某區域的地理要素與其相鄰區域具有協同正向增長趨勢；90°—180°和270°—360°表示呈反向增長趨勢；180°—270°表示具有協同負向增長趨勢,結果見圖6。

圖6 LISA時間路徑移動方向的區域分布Fig.6 Distribution of movement direction of the LISA time path

由圖6可知,2000年以來,中國水生態足跡廣度、深度及水生態壓力呈現協同增長的省份數量分別為17個、22個、20個,表明中國水生態足跡深度空間格局演化的空間整合性最強,水生態壓力次之,水生態足跡廣度最小。其中,呈現正向協同增長的省份均為8個,分別占比47%、40%和36%,水生態足跡廣度正向協同增長省份主要集中于南方省份,反映了這些地區水生態承載力相對較高,而水生態足跡深度和水生態壓力正向協同增長區則分布于華北、西北地區,表明這些區域水資源存量資本相對不足及水資源利用處于相對不安全狀態,并呈現出明顯的協同高速增長的態勢；呈負向協同增長的省份的數量分別為9個、14個、12個,分別集中在水生態承載力較低西北地區、水資源存量資本相對充足及水資源利用處于相對安全狀態的南方地區,整體呈現協同低速增長特征。

2.3.3LISA時空躍遷分析

根據Moran′sI散點圖,分別計算得到其2000—2018年時空躍遷概率,并利用公式(7)—(8),分別計算到得到各要素的時空流動、時空凝聚和相對移動率,結果如表2所示。

表2 水生態足跡廣度、深度及水生態壓力Moran散點圖的時空躍遷矩陣

由表2可知,研究時期內,水生態足跡廣度、深度及水生態壓力最普遍的躍遷類型均為Type0型,所占比例分別為0.914、0.952、0.927,表明多數省份在2000—2018年內均未發生顯著狀態轉移,及Moran′sI散點處于同一象限的概率均超過了90%。從Type3型躍遷來看,水生態足跡廣度僅發生高高→低低(概率0.008),水生態足跡深度發生高高→低低、低低→高高、高低→低高的概率分別為0.006、0.003、0.083,水生態壓力則未發生Type3型躍遷。此外,時空凝聚均超過0.9,其中水生態足跡深度最大,達到0.955,而時空流動性均未超過0.1,說明了水生態足跡廣度、深度及水生態壓力的狀態轉移具有較強的惰性,即各要素的空間分布格局表現出較強的路徑依賴及鎖定特征。從相對移動率而言,相對移動率(p)用于表征狀態轉移程度,其中水生態壓力的相對移動率為0.150,說明相比水生態足跡廣度、深度而言,水生態壓力的狀態轉移程度相對較大。整體來看,多數省份均未發生顯著的時空躍遷,一方面表明水生態足跡廣度、深度及水生態壓力空間分布的空間凝聚性很強,空間格局穩定,短時期內難以改變當前的空間分布狀況,另一方面也反映了中國當前水資源流量資本占用程度高于水生態承載力的現象,水生態壓力并未得到有效緩解。

3 結論

(1)研究時段內,水量生態足跡與水生態足跡的變化趨勢相似,均呈波動上升態勢,水質生態足跡則呈逐年下降趨勢,其占比從研究初期的4.20%降至研究末期的3.20%；而受區域水資源總量稟賦差異的影響,水生態承載力在研究期內處于波動態勢,其空間分布格局整體呈現自東南向西北逐漸降低的趨勢。

(2)水生態足跡廣度與水生態承載力呈同步變化趨勢,除個別年份外,其余年份均已接近水資源可提供的流量資本上限,其空間分布亦呈現南高北低的態勢；水生態足跡深度與廣度則呈現此消彼長的變化趨勢,空間分布上,研究期內南方15省份的水生態足跡深度均為1,而其余省份則需要動用水資源存量資本以彌補水資源流量資本的短板。

(3)研究期內,水生態壓力指數小于1的區域與水生態足跡深度為1的區域相吻合,表明這些省份水資源利用處于安全狀態,社會發展無需動用水資源存量資本；水生態壓力指數大于1的區域主要分布在華北及西北地區,水資源利用處于不安全狀態。

(4)LISA時間路徑的相對長度表明,水生態足跡廣度、深度及水生態壓力的整體空間格局均具有較強的穩定性；LISA時間路徑的彎曲度表明,三者的局部空間結構在空間依賴方向上的穩定性依次加強；水生態足跡深度空間格局演化的空間整合性最強,水生態壓力次之,水生態足跡廣度最小,其中水生態足跡廣度正向協同增長省份主要集中于南方省份,而水生態足跡深度和水生態壓力正向協同增長區則分布于華北、西北地區；三者Type0型躍遷比例、時空凝結均超過0.9,時空流動性則均未超過0.1,表明多數省份在研究時段內均未發生顯著狀態轉移,各要素的空間分布格局表現出較強的路徑依賴及鎖定特征。

本文基于ESTDA模型對中國水生態足跡及水生態壓力的空間格局動態變化特征進行分析,但在計算水質生態足跡時僅考慮了化學需氧量和氨氮兩種污染物,而且不同的排放標準使得計算結果存在一定的出入,未來,需要全面考慮人類生產、生活所產生的多種污染物,并結合不同的排放標準,在提升評價結果科學性的同時開展閾值效應的研究；在利用ESTDA模型時采用的是對稱性的空間權重矩陣,默認兩個空間單元之間的相互影響是一致的,未來有必要嘗試使用非對稱性的空間權重矩陣以便能更好的體現地理要素屬性值的空間異質性,進而相互驗證研究結論,提高評價結果的科學性與可靠性；此外,需要在充分考慮各省份及其所在流域的水文特征的基礎上,進一步對水資源均衡因子及水資源生產能力進行修正、細化,提升評價結果的精度。