中國人均灰水生態足跡變化驅動效應測度及時空分異

張智雄,孫才志,2,*

1 遼寧師范大學城市與環境學院,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

隨著中國社會經濟的快速發展和人口增長,水體污染嚴重和廢水排放的增加已成為中國水資源面臨的主要問題。統計數據顯示,進入21世紀以來,工業廢水和城鎮生活污水排放量呈逐年遞增的趨勢,水污染狀況不容忽視。鑒于此,探索中國水污染加劇的主要驅動因素,合理分析各驅動因素之間的強弱效應,可以為控制水污染狀況加劇提供科學的參考依據。

Hoekstra等在2008年首次提出了“灰水足跡”的概念[1],隨著研究的進一步推進,灰水足跡的涵義也進一步完善,2011年水足跡網絡的灰水足跡工作小組將灰水足跡定義為以水環境質量標準為基準,將污染負荷稀釋至高于特定環境水質標準所需淡水的體積[2]。灰水足跡的提出為水污染領域的研究提供了新的研究思路。在國外,多名專家和學者通過不同的方式測算了灰水足跡并分析了其運移情況[3- 4],而其余研究主要集中在對國家和區域以及工農業產品灰水足跡測度和分析[5- 10]。在國內,對灰水足跡以及水污染的研究已經取得了一系列成果,但目前針對灰水足跡的研究仍然處于初級階段,國內灰水足跡研究尚處于引進消化階段,主要是對國外研究方法的學習和應用[11],并且研究多集中在對農畜產品灰水足跡的測度及分析方面[12- 13],2015年后,孫才志、韓琴等對中國31個省市的灰水足跡進行了較為全面的測算,并對其時空分類特性進行了分析[14- 15],并將之前廣泛運用于碳排放研究的Kaya恒等式引入到灰水足跡研究領域[11],將灰水足跡影響因素分為六個驅動效應來研究,推動了灰水足跡的研究進展；而近年來,國內有更多的學者將Kaya恒等式運用到水污染的研究領域,馬麗利用Kaya恒等式和LMDI模型分析了中國工業廢水變化的影響因素[16]；凌立文等基于Kaya 恒等式與LMDI分解法探討了廣東省工業廢水的影響因素[17]。新方法的運用也為灰水足跡的研究提供了新的切入點。從已有的研究文獻來看,目前對灰水的研究主要集中在區域和產品的灰水足跡測算和灰水足跡內部因素進行研究分析方面,而不同地區的人口、面積和經濟情況均有差異,只對區域灰水足跡內部因素分析評價并不能客觀反映出人口、經濟等因素對灰水足跡變化的影響。

本文將水生態足跡以面積為單位量化人類消耗水資源情況的方法引入灰水足跡研究中來,將量化吸收污染物所需水量轉化為相應的產水面積,相較于灰水足跡以體積為量化單位的方法而言,可直觀反映污染物面源污染面積大小以及區域水資源所承載的污染物壓力的情況。此外,當前對灰水足跡影響因素的研究主要集中在經濟、人口和水效率方面,研究這些因素時通常只考慮總人口數和GDP的影響,而灰水產生主要是由生產活動造成的,其中資本和勞動力是生產活動中兩個關鍵的生產要素,但目前的研究沒有考慮此類因素的成果。鑒于此,本文在測算灰水生態足跡的基礎上引入擴展的Kaya恒等式建立因素分解模型,采用LMDI模型對影響中國人均灰水生態足跡年際變化的驅動效應進行定量測算,探索資本、勞動力和用水強度等因素對人均灰水生態足變化的影響,以期擴展灰水生態足跡和水生態足跡研究方法。

1 研究方法及數據來源

1.1 水生態足跡

水生態足跡是指一定人口和經濟規模條件下維持水資源消費和自然環境進化所必需的水資源用地面積[18]。測算方法參照文獻[19]將其分為表示生活、生產和生態用水足跡的水量生態足跡和表示水污染的灰水生態足跡。與水足跡以體積為單位相比,可更直觀的展現生產生活對當地水資源占用情況。計算公式為：

WEF=WER+GWEF

(1)

式中,WEF為水足跡生態,WER為水量生態足跡,GWEF為灰水生態足跡。水量生態足跡是對傳統水足跡中綠水和藍水足跡部分所需產水面積進行測算,計算公式為：

(2)

式中,WER為區域人均水生態足跡,WF為區域水足跡(不包括灰水足跡),γ為全球水資源均衡因子,w為水資源世界平均生產能力。區域水足跡WF的計算方法采用之前對水足跡的研究文獻[20]中的計算方法,在此不再贅述,文獻[20]中的水污染足跡將不計入水量生態足跡的測算范圍。

1.2 灰水生態足跡

之前研究文獻將灰水足跡定義為以水環境質量標準為基準,將污染負荷稀釋至高于特定環境水質標準所需淡水的體積[14]。灰水生態足跡則是將稀釋這些污染負荷所需淡水的體積轉化為相應的產水面積。參照Arjen Y. Hoekstra等編著的《水足跡評價手冊》[2]中對灰水足跡計算方法,選取化學需氧量(COD)和氨氮(NH3)為主要測算對象,將灰水生態足跡分為工業、農業、生活三個子賬戶,其中農業部分包括種植和養殖業兩部分,生活污水與工業污水同屬于點源污染且主要污染物相同,故計算同工業灰水生態足跡。計算公式為：

GWEF=GWEFi+GWEFa+GWEFl

(3)

(4)

(5)

Ll-COD(或Ll-NH3)=畜禽數量×飼養周期×糞污染物含量×流失率×(日排糞量+日排尿量)

(6)

式中,GWEFi、GWEFa、GWEFl、GWEFf、GWEFh分別為工業、農業、生活、種植業、養殖業灰水生態足跡,α為氮肥淋失率,Appl為氮肥施用量,Li-COD、Li-NH3分別為區域內工業COD、NH3的排放濃度,Ll-COD、Ll-NH3分別為養殖業COD、NH3排放濃度,CCOD、CNH3分別為國內單位面積水域COD、NH3排放達標濃度。

1.3 擴展的Kaya 恒等式

Kaya恒等式是日本學者Yoichi Kaya于1989年提出的[21]并廣泛用于碳排放方面的研究,經過多年研究擴展,現已廣泛應用到能源研究領域。Kaya恒等式將碳排放主要分解為4個影響因素,公式如下：

(7)

式中,G代表國內生產總值(GDP),E代表能源消費；G/P代表人均GDP,E/G代表能源消費強度,C/E代表能源消費碳強度。為更好的表述人均灰水生態足跡產出的影響因素,將Kaya恒等式進行擴展表示為：

(8)

式中,CS為區域資本存量,Pw為區域勞動人口數量。本文將影響人均灰水生態足跡變化的因素分解為五個驅動效應,即：f=Pw/P,勞動人口占總人口比重,經濟活度效應。勞動力是重要生產要素也是經濟發展的推動力,選取此效應來反映參與經濟活動人口比例對人均灰水生態足跡變化的影響；d=CS/Pw,資本-勞動比,資本深化效應。資本是重要的生產要素,隨著經濟發展和社會主義工業化,經濟也在向資本密集型過度,選取資本深化效應有助于分析資本因素對人均灰水生態足跡變化的影響；o=G/CS,產出資本比,資本效率效應。反應區域資本產出效率對人均灰水生態足跡變化的影響；w=WER/G,水生態足跡強度。表示區域的足跡強度效應,選取此項來表示用水強度對人均灰水生態足跡的影響；e=GWEF/WER,灰水生態足跡產出系數,環境效率效應,反映區域灰水生態足跡占水生態足跡的比例。本文參照單豪杰的算法[22],運用永續盤存法計算資本存量,采用10.96%的折扣率,對于西藏缺失的固定資產投資價格指數數據,把靠近西藏且經濟發展水平相似的新疆和青海的固定資產投資價格指數的算術平均值作為替代指標。

1.4 LMDI分解法

對數平均迪氏指數方法(Logarithmic Mean Divisia Index, LMDI)由新加坡學者B.W. Ang等人提出[23- 24],最初應用于碳排放研究領域,主要用于分析能源強度變化,是目前國際上常用的因素分解模型[23],是一種完全的、不產生殘差的分解分析方法,并且LMDI分解法的乘積形式、加和形式都是無差異的[24]。

(9)

其中：

(10)

(11)

(12)

(13)

(14)

1.5 研究對象和數據來源

本文以中國31個省、直轄市、自治區(以下簡稱省市,不包含港澳臺地區)2000—2014年的統計數據為參考,測算各省市的灰水生態足跡和人均灰水生態足跡。污染物排放量、人口等數據取自《中國統計年鑒》、《中國水資源公報》,《中國環境統計年鑒》以及各省市統計年鑒；測算灰水生態足跡所需數據來源參照文獻[14- 15]在此不在贅述；全球水資源均衡因子γ和水資源世界平均產生能力w參照世界自然基金會計算結果[19],取γ=5.19,w=3140 m3/hm2；選取全國平均氮肥淋失率α=7%[14]；根據《污水綜合排放標準》(GB8978—1996)中一級排放標準,選取COD和NH3排放達標濃度分別為60、15 mg/L[15]。

圖1 2000—2014年中國灰水生態足跡變化圖 Fig.1 The change of gray water ecological footprint and per capita gray water ecological footprint in China from 2000 to 2014

2 計算結果及分析

2.1 灰水生態足跡時間差異

依據公式(1)計算可知,研究期內中國的灰水生態足跡和人均灰水生態足跡總體上都經歷了一個先上升又下降的趨勢,2000—2006年中國的灰水生態足跡呈先降后增的趨勢,2000到2002年灰水生態足跡由14453.85×104hm2降至14168.04×104hm2,2006年上升到15595.14×104hm2,自2007年起開始逐漸下降,到2014年已降至13109.44×104hm2。這主要源于政策監管力度加大和產業水平不斷升級,污染物排放和灰水產出得到了有效控制[15]。根據圖1可知,人均灰水生態足跡變化趨勢與灰水生態足跡相近,由于人口增長率較低且基數較大,故人均灰水生態足跡受人口變化影響較小。

2.2 灰水生態足跡空間差異

各省市的灰水生態足跡整體分布見圖2,呈西高東低分布。四川和河南兩省15年的平均灰水生態足跡分別為1044.86×104hm2和1004.50×104hm2,作為傳統農業和人口大省,為達到作物增產的目的不合理的增加化肥農藥的施用量,同時大量畜禽糞便不合理處置,造成其農業灰水足跡和灰水生態足跡較高[25- 26]；北京年平均灰水生態足跡為90.17×104hm2,是31個省市中的最小值。東中部各省市的灰水生態足跡整體呈現先升后降的趨勢,大多數省市灰水生態足跡下降趨勢較為明顯,西部的部分省市灰水生態足跡出現了增長現象,內蒙古、云南、甘肅、青海、新疆的灰水生態足跡均有一定程度的上升。2000年中國開始實施“西部大開發”戰略,西部經濟快速發展也帶來能耗和人口增長,糧食需求也不斷增加,為達到增產而大量使用農藥、化肥造成農業污染,導致農業水環境問題日漸突出；由于各地區科技發展程度不同,環保門檻也不一致,被東部地區淘汰的產業,卻被中西部地區以優惠政策引進,導致了“東污西移”,污染處理設備與發展速度不匹配也是灰水生態足跡增加的原因。人均灰水生態足跡的空間分布如圖3所示,與灰水生態足跡空間分布特征相似,人均灰水生態足跡平均值最小的地區是北京(0.06 hm2/人),最大的地區是西藏(0.88 hm2/人),西部地區人口密度相對較低,也是人均灰水生態足跡較高的原因。

圖2 中國省際灰水生態足跡分布圖(104 hm2)Fig.2 The map of gray water ecological footprint in China

圖3 中國省際人均灰水生態足跡分布圖/(hm2/人)Fig.3 The map of per gray water ecological footprint in China

3 人均灰水生態足跡產出的驅動因素分析

基于LMDI分解模型定量測算了經濟活度效應,資本深化效應,資本效率效應,足跡強度效應,環境效率效應對全國(見表1)以及各省市(見表2)人均灰水生態足跡產出的貢獻作用。足跡強度效應呈減量效應特點,用水強度不斷降低對灰水生態足跡的降低有著重要作用；資本深化效應呈增量效應特點,工業化時期大量資本投入是經濟發展的源動力,經濟規模的擴大需要強大的用水量來支撐；環境效率效應和資本效率效應呈減量效應特點,但效應值相對較低,灰水生態足跡降低和資本產出效率較低是二者呈減量效應的主要原因；經濟活度效應呈微弱增量效應特點,人口的低增長率是經濟活度效應值較低的主要原因。為直觀分析各驅動效應的空間特征,本文采用ISODATA聚類模型[27]將31個省市的測算結果按照強、中、弱驅動在空間上進行聚類(見表3),并作出了各省市各個聚類分布圖(圖4),然后對每一類驅動進行具體分析。

表1 中國人均灰水生態足跡效應分解/(hm2/人)

表2 中國各省市人均灰水生態足跡效應分解/(hm2/人)

香港,澳門,臺灣數據暫缺

表3 中國人均灰水生態足跡產出變化的驅動效應聚類表/(hm2/人)

注：表中數字分別代表了經濟活度效應,資本深化效應,資本效率效應,足跡強度效應,環境效率效應; 香港、澳門、臺灣數據暫缺

3.1 經濟活度效應

中國經濟高速增長很大程度上源于勞動力的充分供給[28],勞動人口的增加同時也不可避免伴隨著生活污水和工業廢水排放的增加。經濟活度效應絕對值在5個驅動效應值中最小,年均值為0.0006 hm2/人,由于人口增長率較低,經濟活度效應值較低,個別年份和省份還會隨人口數量波動呈現減量效應的特點。

圖4 中國人均灰水生態足跡驅動效應聚類圖Fig.4 Driving effects cluster map of pergray water ecological footprint output in China

經濟活度效應強驅動的地區是北京、內蒙古、吉林、黑龍江、福建、廣東、廣西、海南、貴州、西藏、新疆。研究期內西藏的經濟活度效應年平均值為0.0114 hm2/人,在所有省市中效應值最高。隨著經濟發展,產業規模擴大帶動了勞動人口增加,同時由于地區的基礎設施較為落后,排污和監管措施不夠完善,導致了人均灰水生態足跡的增加,經濟活度增量效應特點加劇了人均灰水生態足跡增長；北京、吉林、黑龍江、福建、廣東、海南的經濟多元化發展帶動了勞動人口的增長,這些地區人口數量較高,且人口增長率低于就業人口增長比率,經濟活度效應呈增量特點；內蒙古、廣西、貴州、新疆地處中國西部,經濟規模不斷擴大和勞動人口數量增長,加劇了水資源和水環境壓力,使得這些地區經濟活度效應處于強驅動水平。

3.2 資本深化效應

經濟活度效應中驅動水平的地區包括河北、山西、遼寧、浙江、安徽、江西、山東、河南、湖南、四川、云南、陜西、寧夏,大多數位于中國的中部和中西部地區。隨著經濟發展,這些地區的勞動人口數量增長率也較為平穩,且2014年的地區人均灰水生態足跡較2000年有所降低,增量效應特點未造成人均灰水生態足跡的增加,故處于中等驅動水平；云南地處于西部,其人均灰水生態足跡有上升趨勢,增量效應的特點加劇了人均灰水生態足跡的上升,得益于效應值較低,故只處于中等驅動水平。

經濟活度效應弱驅動水平的地區有天津、上海、江蘇、湖北、重慶、甘肅、青海。這些省市的經濟活度效應值呈減量效應特點。除甘肅和青海外,其余地區的人均灰水生態足跡均呈下降趨勢。甘肅和青海的就業人口數量增長趨勢低于人口增長比例,區域經濟落后致使當地人才流失情況較為明顯[29],經濟活度效應的減量特征對人均灰水生態足跡的上升沒有起到抑制作用,故處于弱驅動；天津、上海、江蘇、湖北、重慶5個省市是中國人口和經濟規模較大的地區,且經濟結構較為合理,地區勞動人口比重較為穩定,隨著經濟轉向資本密集型,勞動人口有向其他地區轉移的趨勢,經濟活度減量效應特點也促進了區域的人均灰水生態足跡的降低,但是由于效應絕對值很低,只能處于弱驅動水平。3.2 資本深化效應

研究期內的資本深化效應均值為0.0154 hm2/人,是最明顯的增量效應。資本存量的大小決定了社會生產力水平乃至社會經濟關系的變化[30],資本深化是伴隨工業化進程而出現的一個客觀現象[31]。隨著資本存量不斷增長,經濟從勞動密集型向資本密集型轉化,資本增速遠高于就業人口,各省市都在經歷著持續的資本深化過程。經濟較發達地區資本深化效應值較低,表明中國經濟已有向技術密集型轉化的趨勢。

資本深化效應強驅動的地區是西藏,研究期內的效應均值高達0.1671 hm2/人。西部大開發實施以來西藏的就業人口和資本投入增長迅速,由于經濟基礎較為薄弱且地區人口較少,需要大量的資本投入來帶動經濟的增長,研究期內西藏的社會固定資產投資年平均增速超過20%,資本存量也在迅速增長,而就業人口數量增長比例則低于資本存量增長的速度,特別是2011年后地區的就業人口數區域穩定,資本深化效應的增量特點也越來越明顯,故資本深化效應處于強驅動水平。

資本深化效應中驅動的地區包括內蒙古、吉林、江西、廣西、貴州、云南、甘肅、青海、寧夏。其中的大多數地區都處于中國的西部地區,西部大開發以來的資本投入增加趨勢愈發明顯,資本增長速度明顯大于勞動力增長速度,各省市經歷著持續的資本深化過程。內蒙古、江西、貴州、云南、甘肅、青海的人均灰水生態足跡呈增長趨勢,資本深化效應值在所有省市中排名較靠前,由于經濟基礎較為薄弱,經濟發展主要是靠資本投入來推動,且經濟結構仍以污染較高的一、二產業為主,故地區的人均灰水生態足跡也有一定增加;而貴州的人口數量有所降低,更加加劇了這一現象,故處于中驅動水平；其余三個省市的經濟結構中仍然是第二產業占主導地位,雖然人均灰水生態足跡的變化呈降低趨勢,但是效應值偏高,對人均灰水生態足跡的仍起到促進增長作用,故處于中等驅動水平。

資本深化效應弱驅動的地區包括北京、天津、河北、山西、遼寧、黑龍江、上海、江蘇、浙江、安徽、福建、山東、河南、湖北、湖南、廣東、海南、重慶、四川、陜西、新疆。大多數處于中國的東部和中部地區,人均灰水生態足跡呈下降趨勢。經濟較為發達的東部地區資本深化的效應值較低,社會資本投入相對穩定,地區產業結構較為合理,地區經濟有從資本密集型向技術密集型轉化趨勢,加之地區的人均灰水生態足跡較低,資本深化效應值也較小,故處于弱驅動水平；中部地區的效應雖然較東部地區高,產業結構也不如東部地區合理,資本投入的增長和就業人口增長相對穩定,且與強、中驅動地區相比效應值較低,地區人均灰水生態足跡呈下降趨勢,故資本深化效應處于弱驅動水平。

3.3 資本效率效應

資本效率效應是三個呈減量效應特點的效應中效應值中絕對值最小的一個,只有少數省市呈現增量效應特點。目前中國正處于社會主義工業化時期,工業尤其是重工業相對其他行業要求有很高的資本投入量,而資本生產率偏低[30],這也是社會生產總值的增加速度低于資本投入速度的主要原因。

資本效率效應強驅動的地區是西藏。研究期內西藏的資本效率效應值為-0.0615 hm2/人,是所有省市中效應絕對值最大的省份。隨著西部大開發的推進,西藏的資本投入增長迅速,生產總值也有較大的提升。但是地區基礎設施的投資占據了資本投入的較大比例,雖然地區生產總值有所增加,但現階段地區的產能還未被完全發揮,資本的利用效率不高致使資本效率減量特點明顯。同時,西藏的經濟基礎較為薄弱,基礎建設投資必不可少,但目前而言基礎設施投資所產生的抑制作用明顯占主導地位,減量效應也對當地人均灰水生態足跡降到較大的降低作用,使得資本效率效應處于強驅動水平。

資本效率效應中驅動水平的地區包括內蒙古、遼寧、吉林、黑龍江、廣西、青海,主要位于中國東北和西部地區,資本效率效應呈減量效應特點,效應值也呈逐年下降趨勢,并且產業多以工業和農業為主。內蒙古、青海的人均灰水生態足跡呈增加趨勢,西部大開發以來兩地區的投資力度不斷增加,但地區正處于工業化階段,前期投入需求較高的工業占據了較大比例的投資,受限于自身原因,資本利用效率不高的同時還導致了人均灰水生態足跡上升,減量效應雖然明顯,但只能處于中驅動水平；其余4個省份人均灰水生態足跡呈波動下降趨勢,其中東三省是中國主要的工農業基地,也是產能過剩主要集中領域,“東北振興”以來,政策大多聚焦于項目投資上[32],投資未發揮應有的產能,故資本效率效應處于中等驅動水平。

資本效率效應弱驅動水平的地區包括北京、天津、河北、山西、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、海南、重慶、四川、貴州、云南、陜西、甘肅、寧夏、新疆。其中,北京、天津、上海、廣東、貴州5個省市的資本效率效應值為正,區域的資本利用效率呈現良好狀態,除貴州人均灰水生態足跡變化不明顯之外,其余4個省市的人均灰水生態足跡均有較為明顯的下降,故對人均灰水足跡的變化影響較弱,資本效率效應只處于弱驅動水平；福建、江西、云南、甘肅的人均灰水生態足跡有一定的增加,中西部的省份資本利用效率不高,加之地區產業轉型導致了人均灰水生態足跡上升；其余省市的效應值與強驅動和中驅動的地區相比明顯偏小,部分省市的人均灰水生態足跡變化幅度較小,資本效率效應對人均灰水生態足跡的影響較弱,故處于弱驅動水平。

3.4 足跡強度效應

2000—2014年中國31個省市的足跡強度效應呈明顯的減量效應特點,全國平均效應值為-0.0122 hm2/人,經濟發展帶動用水強度逐步降低和用水效率提高,對人均灰水生態足跡降低有著積極的作用。

足跡強度效應強驅動的地區是西藏。2000年西藏的水生態足跡強度高達4.89 hm2/104元,到2014年下降到0.71 hm2/104元,降幅達85.38%,并且在研究期內西藏的人均灰水生態足跡也呈波動下降的趨勢,從2000年的0.91 hm2/人下降到2014年的0.81 hm2/人,水資源利用效率的提升對人均灰水生態足跡的減少起到了促進作用,故西藏足跡強度效應處于強驅動水平。隨著經濟發展,西藏的基礎設施建設投資增多,基礎設施也不斷完善,但同時仍要看到西藏的水生態足跡強度仍然是所有省市中最高的。

足跡強度效應中驅動的地區包括內蒙古、吉林、廣西、四川、貴州、青海、寧夏。青海、貴州、四川、內蒙古的水生態足跡強度降幅均排在31個省市的前列,青海的水生態足跡強度降幅達90.71%,排在31個省市的第一位。與強驅動的西藏地區相比,青海和內蒙古的人均灰水生態足跡在研究期內呈波動上升的趨勢,雖然足跡強度效應的減量值較大,但是由于其他驅動因素的影響,人均灰水生態足跡未能呈現持續減少趨勢,故只處于中等驅動水平；吉林、廣西、寧夏研究期內的人均灰水生態足跡有所下降,四川和貴州的人均灰水生態足跡變化不明顯,雖然這些省市的足跡強度有了較大幅度的下降,但受限于其他因素的影響,人均灰水生態足跡的變化幅度較小,故足跡強度效應處于中等驅動水平。

足跡強度效應弱驅動的地區包括北京、天津、河北、山西、遼寧、黑龍江、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、海南、重慶、云南、陜西、甘肅、新疆。北京、上海、福建、廣東等經濟發達省市的人均灰水生態足跡呈逐年減小趨勢,并且已經保持了較低的用水強度,足跡強度降低的空間不大；山西、陜西、江西等中部省市人均灰水生態足跡也低于全國平均水平,這些省市已經意識到控制污染物排放的必要性,盡管水生態足跡強度都有明顯的下降,但是人均灰水生態足跡降幅不明顯,故處于弱驅動水平；云南、甘肅研究期內的人均灰水生態足跡呈增長趨勢,新疆的人均灰水生態足跡變化幅度較小,隨著經濟不斷發展和科技水平提升,水生態足跡強度有了明顯降低,但是污染物排放控制設備以及農業生產方式都處于較為落后狀態,污染物排放控制措施還需要進一步完善,足跡強度的減量效應與人均灰水生態足跡變化趨勢不同,故只處于弱驅動水平。

3.5 環境效率效應

環境效率效應呈減量效應的特點,其全國貢獻均值為-0.0028 hm2/人。除西部個別省市的環境效率效應呈增量效應特點外,大多數省市都呈現出減量效應特點。水生態足跡和灰水生態足跡共同決定著環境效率效應的變化,在各省市水生態足跡都在增長的前提下,灰水生態足跡的變化趨勢尤為關鍵。

環境效率效應強驅動的地區是吉林、廣西、青海、寧夏。其中,寧夏人均灰水生態足跡的環境效率效應絕對值在所有省市中排在第一位,吉林、廣西也位居前列。研究期內3個省份的工業和生活灰水足跡均呈下降趨勢,隨著經濟發展和科技水平進步,這些地區對水資源的利用效率在不斷提升,灰水生態足跡占水生態足跡的比例也在逐年降低,點源污染的控制方面得到了極大地改善；青海的環境效率效應為正,且效應值較高,地區的人均灰水生態足跡也呈現上升趨勢,工業灰水生態足跡的增長最為明顯,農業和生活灰水生態足跡也有相應增加,研究期內青海的第二產業比重持續增大,第三產業比重卻在降低,這也是地區實現工業化所必經的階段,灰水生態足跡的上升也使得地區的環境效率效應處于強驅動效應。

環境效率效應中驅動水平的省市有北京、天津、河北、山西、內蒙古、遼寧、黑龍江、上海、安徽、山東、河南、海南、西藏、陜西、新疆。這些省份的環境效率效應呈減量特點,相對于強驅動效應的地區效應絕對值偏低,大多數省市的灰水生態足跡呈下降趨勢,表明污染物的排放得到了有效的控制,灰水生態足跡占水生態足跡比例逐步降低；而內蒙古、西藏、新疆的灰水生態足跡呈增長趨勢,雖然環境效率效應值為負,但減少的主要原因是水生態足跡的增長比例高于灰水生態足跡的增長比例,地區污染處理設備與產業發展速度不匹配導致灰水生態足跡增加,尤其是農業灰水生態足跡增長幅度較高,但是人口規模的擴大使得人均灰水生態足跡沒有出現增長。故這些地區的環境效率效應處于中驅動水平。

環境效率效應弱驅動水平的省市江蘇、浙江、福建、江西、湖北、湖南、廣東、重慶、四川、貴州、云南、甘肅。甘肅處于中國西部,環境效率效應呈增量效應特點,人均灰水生態足跡呈增加趨勢,但效應值較低,對人均灰水生態足跡的影響較弱,故將其劃分為弱驅動水平；貴州和云南的環境效率效應呈減量效應特點,人均灰水生態足跡呈增加趨勢,云南的灰水生態足跡呈逐年上升趨勢,效應值為負主要是水生態足跡增長比例高于灰水生態足跡增長比例,貴州灰水生態足跡有小幅降低,人均灰水生態足跡增加是由于人口減少造成的,環境效率效應對人均灰水生態足跡影響較弱；其余省市人均灰水生態足跡呈降低趨勢,且效應值為負,相對于前兩種驅動的地區絕對值偏小,對人均灰水生態足跡影響較弱,故處于弱驅動水平。

4 結論與討論

本文基于擴展的Kaya恒等式,并結合LMDI方法建立了影響人均灰水生態足跡變化的因素分解模型,對影響中國31個省市人均灰水生態足跡產出變化5個驅動效應進行了測度和分析,得到以下結論：①2000—2014年中國人均灰水生態足跡呈先增后降的趨勢,2000—2006年呈先降后增,2007年后呈明顯下降趨勢。所選研究區域中,大多數省市的人均灰水生態足跡呈下降趨勢,只有西部地區部分省市人均灰水生態足跡呈增長趨勢；②運用LMDI方法將影響人均灰水生態足跡變化的驅動效應分為經濟活度效應、資本深化效應、資本效率效應、足跡強度效應、環境效率效應5個效應。其中資本深化效應和足跡強度效應是最主要的兩個驅動效應,人均灰水生態足跡的降低應該著重于發展經濟同時優化產業結構,提高用水效率。③應用ISODATA聚類對5個驅動效應進行聚類分析,分別分為效應強、中、弱驅動,各省市的各驅動效應強度有了較為明確的劃分,有助于各省市根據自身特點開展節能減排工作。

本文通過對中國人均灰水生態足跡及其驅動要素的測度及分析,以期更好地反映消納降解所排放污染物所占用的區域產水面積；將Kaya恒等式和LMDI分解模型運用到灰水研究領域,試圖通過因素分解的方式來找到影響灰水生態足跡變化的主要因素。在指標選擇上,選取了勞動力和資本因素這兩個重要的生產要素,重點分析生產活動對人均灰水生態足跡造成的影響,對已有只考慮總人口和GDP產出的研究起到了一定的補充和細化作用。但在考慮資本因素時只考慮了總的資本存量,沒有考慮到第一、二、三產業投入比重等。