黃河流域城市群水資源利用效率評估及驅動因子分析

朱曉梅,魏加華,3,楊海嬌,吳國宏,康倍銘,唐晨洋,楊夢瑤

(1.青海大學水利電力學院，青海 西寧 810016； 2.黃河上游生態保護與高質量發展實驗室，青海 西寧 810016；3.清華大學水沙科學與水利水電工程國家重點實驗室，北京 100084)

黃河流域橫跨我國溫帶季風、大陸干旱和高寒三大氣候帶，連接青藏高原、黃土高原、華北平原，是“絲綢之路”經濟帶和歐亞大陸橋的重要走廊。黃河流域內有多個城市群和國家級經濟區，是我國重要的糧食和能源基地，也是我國推進西部大開發，形成新格局的主體承載區，在我國經濟格局中具有溝通南北方、協同東中西的作用。黃河流域7大城市群的經濟總量占整個流域的70%以上，聚集了流域內60%以上的人口，供水總量占流域總耗水量的14%左右。1990年以來，沿黃九省(區)GDP增長了近50倍；2000年以來流域內植被覆蓋率持續增長，歸一化植被指數(normalized difference vegetation index, NDVI)平均每10 a增長0.055[1]。面對國家實施的黃河流域生態保護和高質量發展重大戰略，水資源保障形勢嚴峻、發展質量有待提高。新時期國家提出“節水優先、空間均衡、系統治理、兩手發力”的治水方針，在水資源剛性約束下，水資源利用效率的提升，是落實節水優先、支撐社會經濟高質量發展的重要舉措。

水資源利用效率是指單位水資源所帶來的經濟、社會或生態等效益[2]，是衡量水資源利用水平的重要指標[3-4]，亦是反映節水效能的重要指標，具有復雜性[5]、系統性[6]、投入產出性[7]和相對有效性[8]等特性。常用的評價方法有指標體系評價法、隨機前沿分析法(stochastic frontier analysis, SFA)和數據包絡分析法(data envelopment analysis, DEA)等。孫愛軍等[9]基于生產函數，運用SFA對我國工業用水技術效率進行了分析。李世祥等[10]選用比值分析法對我國東、中、西部各省(市、區)水資源利用效率進行了分析。劉曉君等[11]基于松弛測度(slack based measure, SBM)-undesirable超效率包絡法分析了我國西部各省(市、區)水資源利用效率的動態演化趨勢，選用Tobit模型進行了影響因素研究。郭一鳴等[12]基于兩階段super-SBM模型分析了我國城市的能源效率空間特征，并從內生因素和外部環境剖析了影響因素。左其亭等[13]結合super-DEA模型得出黃河流域九省(區)2012—2018年水資源利用效率總體呈增加趨勢，用水水平具有顯著空間差異性，并通過Malmquist全要素生產率指數(下稱Malmquist指數)分解水資源利用效率，分析效率變動的內在原因，得出九省(區)水資源利用效率的提升主要得益于技術進步。

DEA是一種非參數相對效率評價方法，可評價多投入、多產出的效率問題，不需統一量綱、估計生產函數、確定權重，操作性強，可得到內涵豐富的測度結果。在處理多目標決策問題時，DEA可針對每個決策單元進行優化，對分析結果進行排序，并提供具體的優化建議，具有更好的適用性[14-15]。本文以黃河流域7大城市群(48個大中型城市)為研究對象，從投入產出視角對1989—2018年城市群水資源利用效率進行研究，采用super-SBM模型評估靜態水資源利用效率，結合Malmquist指數對水資源利用效率進行動態分解，選用Tobit回歸模型探討7大城市群水資源利用效率整體變化的驅動因子。

1 數據來源與指標構建

1.1 數據來源

數據主要來源于《中國城市統計年鑒》(1990—2019年)、國家科技基礎條件平臺——國家地球系統科學數據中心(http://www.geodata.cn)和水資源公報等。研究對象為城市區域(即市轄區)(圖1)，以非農業產業為主，故本研究剔除了轄區內農業用水的輸入和輸出。依據國務院印發的《關于調整城市規模劃分標準的通知》，以城區常住人口為統計口徑，將城市劃分為五類七檔。按2017年城區常住人口統計，沿黃省(區)有75個大中型城市，選擇48個較具備研究條件的大中型城市作為黃河流域7大城市群的研究對象。

圖1 黃河流域7大城市群Fig.1 Seven large urban agglomerationsin the Yellow River Basin

1.2 指標構建

從投入-產出和水資源消耗關系出發，以單位水資源消耗產生的經濟效益衡量水資源利用效率，選擇直接反映經濟產出的地區生產總值作為產出指標，地區供水總量作為反映自然資源要素的投入指標，固定資產投資作為反映資本要素的投入指標，地區從業人員(當年年末與上年度年末從業人員的平均值)作為反映勞動力要素的投入指標[14-18]。

基于數據可獲得性，選取經濟發展水平、產業結構、人口密度和科技創新作為水資源利用效率的驅動因子。經濟發展水平用人均GDP衡量，經濟發展水平與水資源保護和利用政策密切相關，直接影響水資源利用效率；產業結構對水資源利用效率有控制性作用，減少高耗水產業，增加低耗水產業，可顯著提升水資源利用效率；人口密度直觀反映地區的緊湊程度，建設緊湊型城市可更好地實施自然資源集約化，降低水資源消耗；科技創新對水資源利用效率提升有助推作用[19-20]。

建立的水資源利用效率和驅動因子指標體系如圖2所示。

2 研究方法

2.1 super-SBM模型

DEA測算的是相對效率，徑向DEA對無效率程度測算僅限于所有投入(產出)等比例縮減(增加)的比例，為此，Tone[21]提出的SBM模型解決了徑向DEA對無效率測量不包含松弛變量的問題。針對SBM測出效率最大值為1，且對于同為1的效率值無法進一步區分效率高低的問題，Tone[22]又提出了super-SBM模型(式(1)(2))，其核心思想是將被評價的決策單元(decision making unit, DMU)分為參考組和待評價組，待評價組DMU效率值基于參考組的前沿計算得出，因此待評價組的有效DMU效率值通常會大于1。

(1)

(2)

2.2 Malmquist指數

DEA模型通常只能測算單一時期DMU效率，當數據包含多個時間節點時，應將技術效率和技術進步對水資源利用效率所起的作用進行分解。因此，將Malmquist指數分解為技術效率變化(technical efficiency change, TEC)指數和生產技術變化(technological change, TC)指數：

CTEk,t→t+1CTk,t→t+1

(3)

式中：Mk,t→t+1為評價單元k從t到t+1時刻Malmquist全要素生產率變化率，即Malmquist指數；Dk,t、Dk,t+1分別為評價單元k在t、t+1時刻的技術效率值；Dk,t→t+1為評價單元k以t時刻為參考，得到的t+1時刻的技術效率值；Dk,t+1→t為評價單元k以t+1時刻為參考，得到的t時刻的技術效率值；CTEk,t→t+1為評價單元k從t到t+1時刻技術效率變化率，即TEC指數；CTk,t→t+1為評價單元k從t到t+1時刻生產技術的變化率，即TC指數。Mk,t→t+1、CTEk,t→t+1、CTk,t→t+1大于1則效率(或技術)提高，小于1則效率(或技術)降低。

2.3 Tobit模型

將驅動因子作為自變量，水資源利用效率值作為因變量，建立Tobit回歸模型：

(4)

(5)

式中：d′為原始因變量，即水資源利用效率的實際測算值；d為截斷因變量；cj為驅動因子j的值；β0為常數項；βj為驅動因子j的回歸系數；ε為誤差項，獨立且服從正態分布。

3 結果與分析

3.1 基于super-SBM模型的靜態水資源利用效率

采用super-SBM模型測算48個大中型城市水資源利用效率，得到7大城市群不同時期水資源利用效率均值(表1)，結果表明，與1989—1990年相比，2016—2018年7大城市群水資源利用效率均值整體提升了0.12。

青海人均水資源量大，但水資源利用條件差；甘肅水資源開發利用難度大。蘭西城市群經濟發展水平總體偏低，科技和城市節水投入不足，技術落后，水資源利用效率偏低，1989—2018年水資源利用效率在流域中處于最低水平，均值0.42；水資源利用效率從1989—1990年的0.39提升到2016—2018年的0.43，整體穩定提升，但增幅不大。

山東半島和呼包鄂榆城市群水資源利用效率均處于較高水平，均值分別為0.82和0.83。山東半島城市群地處沿海地區，經濟發展水平位于全國前列，水資源利用效率處于流域較高水平，2000年以來出現波動，2006—2010年山東半島城市群把工業節水確定為節水型社會建設的重點，水資源利用效率提高到0.81，2011—2015年以水資源消耗為代價的經濟快速發展導致水資源利用效率略有下降，2016—2018年順應國家提出的綠色、創新、協調、開放、共享五大發展理念，水資源利用效率回升到0.79。

表1 黃河流域7大城市群不同時期水資源利用效率Table 1 Water resources utilization efficiency of seven large urban agglomerations in the Yellow River Basin in different periods

呼包鄂榆城市群水資源利用效率從1989—1990年的0.63穩步提升，1991—2010年較穩定，均值為0.79，2011—2015年，城市群第三產業占比顯著提高，群眾節水意識增強，城市群通過大批建設工業園區和產業集中區，實施創新驅動發展戰略，優勢產業裝備技術達國內先進水平，使呼包鄂榆城市群水資源利用效率達到1.13，2016—2018年略有下降，但仍達到0.90。

表2 黃河流域7大城市群Malmquist指數Table 2 Malmquist index for seven large urban agglomerations in the Yellow River Basin

關中平原、晉中和中原城市群水資源利用效率總體平穩。關中平原城市群水資源利用效率維持在0.63～0.74，整體接近0.69；晉中城市群整體提升幅度相對較大，從1989—1990年的0.49提升到2016—2018年的0.60；中原城市群人口數量大、城市群空間大、分布相對分散、供水管網漏損嚴重，水資源利用效率在流域中偏低，均值為0.50。

寧夏沿黃城市群水資源利用效率均值為0.66，處于流域中等水平，但波動較大，從1989—1990年的0.51持續增長到1996—2000年的0.69，2001—2005年可能由于用水結構不合理、污水排放量大等原因，導致水資源利用效率降低，2006年以來通過政策調控，水資源利用效率持續增長，2016—2018年達到0.89。

3.2 基于Malmquist指數的水資源利用效率動態分解

從表2的Malmquist指數變化分析發現，黃河流域7大城市群Malmquist指數基本大于1，表明黃河流域主要城市水資源利用效率整體提升。從空間分布看，下游城市群水資源利用效率高于中游，上游蘭西城市群水資源利用效率相對較低；從時間分布看，水資源利用效率提升幅度略有差異，2000年以來水資源利用效率提升幅度較大。近30年來，山東半島城市群水資源利用效率呈略降—較大提升—大幅提升；中原和關中平原城市群呈略降—較大提升—穩定提升—大幅提升；晉中城市群呈持續提升，增幅變化較大；呼包鄂榆城市群呈穩定提升—較大提升—穩定提升；寧夏沿黃和蘭西城市群呈基本不變—穩定提升。

從TEC指數和TC指數看(表3和表4)，1990—2018年黃河流域7大城市群TC指數的均值為1.10，表明7大城市群水資源利用技術整體不斷提升，2016年后快速發展，TC指數均值達到1.39；1990—2018年7大城市群TEC指數在1.0附近波動，均值為1.04，需因時因地調整產業結構、用水結構和水資源管理模式。技術效率提高和技術進步均推動了Malmquist指數的提升，表明城市群在引進先進技術、提高管理水平和優化生產規模方面不斷進步，其中技術進步是主導因素。30年來，7大城市群的技術效率提升幅度差距不大，而山東半島和晉中城市群的Malmquist指數及TC指數提升幅度較大，能源和重工業的創新和技術水平大幅提升，中上游地區由于產業結構、人口分布、氣候和地理條件等影響，水資源利用效率提升幅度相對較小。

表3 黃河流域7大城市群TEC指數Table 3 TEC index for seven large urban agglomerations in the Yellow River Basin

表4 黃河流域7大城市群TC指數Table 4 TC index for seven large urban agglomerations in the Yellow River Basin

表5 黃河流域城市群不同時期驅動因子Table 5 Driving factors of urban agglomerations in the Yellow River Basin in different periods

1990年以來，7大城市群技術效率總體穩中求進，1996—2000年寧夏沿黃和蘭西城市群有輕微衰退，用水結構和產業結構出現不匹配情況，2016年以來呼包鄂榆城市群電力、煤炭和化工等高耗水產業急劇增加，導致技術效率下降。1995年以來，國家調整水資源開發利用管理策略，不斷提出新的用水理念，強調水資源供給側改革，使得技術進步對黃河流域7大城市群水資源利用效率提升起到顯著的推動影響，但少數城市群技術效率的下降抵消了同時期技術進步帶來的水資源利用效率的提升程度。

3.3 水資源利用效率驅動因子分析

采用Tobit回歸模型分析驅動因子(圖2)對7大城市群整體水資源利用效率的影響程度。不同時期的驅動因子值見表5，回歸分析結果見表6。

經濟發展水平代表生產、管理技術及產業集聚效應等水平，1989—2018年7大城市群人均GDP增長了數十倍，經濟發展水平對推動黃河流域城市群水資源利用效率提升起著顯著的促進作用，各時期的回歸系數均通過1%顯著水平檢驗。

1989年以來，第三產業占比逐步上升，2016—2018年達52.21%，比第二產業占比高出6.82%；1989—2018年7大城市群的第二產業占比變化不大。回歸分析結果顯示，產業結構變化對城市群水資源利用效率變化起著較小的抑制作用，表明黃河流域城市群的工業水平尚處于初級階段，增長方式屬粗放型的擴大再生產，流域城市群的水資源消耗量大，整體水資源利用效率有待提高，有較大的節水空間。

表6 不同時期Tobit回歸分析結果Table 6 Tobit regression analysis results in different periods

人口密度的變化受基數和國家政策影響較大，變化趨勢顯著，人口密度的增加對流域內水資源利用效率總體呈現輕微的抑制作用，2000年以后，回歸系數均通過1%顯著水平檢驗，反映出居民節水意識有待加強。

科技創新的回歸系數在2001—2005年和2011—2015年通過10%顯著水平檢驗，表明黃河流域城市群還需要加強科學技術在水資源利用效率提升方面的支撐力度。技術進步推動了城市群整體水資源利用效率的提升，但科技創新的影響不顯著，兩者結果差異與上中游和中下游各城市群科技創新投入力度差異大等因素有關。

4 結 論

a.7大城市群水資源利用效率提升幅度略有差異，2000年以來提升幅度較大。下游城市群水資源利用效率整體高于中上游城市群，上游蘭西城市群水資源利用效率相對較低。技術效率提高和技術進步均推動了水資源利用效率的提升，其中技術進步是主導因素，這與我國穩步推進節水型社會建設、實施水價改革、推行最嚴格水資源管理制度和節水優先戰略密不可分。

b.1989—2018年7大城市群人均GDP增長了數十倍，經濟發展水平顯著促進了城市群水資源利用效率的提升。7大城市群的產業整體水資源消耗量逐步趨穩，產業結構對城市群水資源利用效率的提升有抑制作用；居民節水意識薄弱，導致人口密度對水資源利用效率的提升起輕微抑制作用。黃河流域城市群需加大科技投入，工業向創新型、集約化用水方式轉變，通過節水科普、階梯水價等途徑提高節水水平。

c.2016—2018年7大城市群水資源利用效率均值為0.67，空間差異大，中上游水資源利用效率較低，在黃河水資源剛性約束下，需強化節水型社會建設，重視城市群經濟發展水平和水資源稟賦差異，提高水資源利用效率，穩步推進黃河流域生態保護和高質量發展。