江西省城市水資源利用效率時空演變與驅動因素

田進明，孟麗紅，劉友存，宋迎飛

（1.贛南師范大學地理與環境工程學院，江西贛州 341000；2.嘉應學院地理科學與旅游學院，廣東梅州 514015）

0 引 言

隨著社會的發展，人類對水資源的需求不斷增大，本世紀以來全世界的淡水使用量增加了8倍以上。如何對水資源進行更加高效利用成為聯合國2030年可持續發展目標的重要組成部分［1-3］。當前，水資源短缺和用水效率低下是制約中國社會發展的限制性因素之一，提高用水效率，實現水資源可持續利用是中國建設生態文明社會的重要任務［4-6］。江西省地處中國東南部，屬亞熱帶季風氣候區，水資源豐富［7］。近年來，隨著江西省新型城鎮化進程的加快、人口的迅速增長以全球氣候變化，江西省臺風、旱澇等災害頻發，水資源時空分布不均［8］，同時存在水資源調蓄能力不足、水資源開發利用率偏低、用水粗獷等問題［9］。在這種背景下，對江西省水資源利用效率及其驅動因素進行研究，對于維持江西省社會經濟可持續發展，加快建立健全綠色循環經濟體制具有重要的意義［10］。

水資源利用效率問題作為學界研究的熱點問題，備受國內外學者關注，在效率測算和驅動因素研究領域已奠定一定基礎［11-14］。在水資源利用效率方面，主要采用比值法、指標體系法及數據包絡法（DEA），對不同行業、城市、部門進行研究。國外研究主要集中在農業用水效率和供水效率，如Kim 研究了土地利用類型對水資源利用效率的影響，結果顯示茂密的森林、農田、草原等水資源利用效率高于其他植被類型［15］。Lombardi等采用數據包絡分析對意大利水行業不同性質企業、不同地區企業、不同規模企業效率進行比較并分析其影響因素，為建立高效可持續水部門提供糾正政策和措施參考［16］。Veettil 等通過測算印度克里西納河流域不同農業生產系統的灌溉用水效率，分析了水價對用水效率和用水行為的影響［17］。國內研究主要是利用上述方法對不同行業、不同地區或生態系統進行水資源利用效率與影響因素分析。張兆方等［12］研究了一帶一路沿線省市水資源效率影響因素，結果表明，社會經濟、固定資產投資等對水資源利用效率有一定的影響。對以上文獻進行梳理發現，國內外學者對水資源利用效率進行了較為豐富的理論分析和實證研究，但較少關注省域尺度長時間序列水資源利用效率的時空分布及驅動因素研究。

鑒于此，本文基于江西省11 個地級市2008-2018年水資源、社會經濟相關數據，運用DEA 模型和地理探測器方法，分析江西省水資源利用效率時空演變特征并探究其驅動因素，旨在為江西省乃至其他地區水資源利用與保護和協調發展提供決策參考。

1 研究區概況

本文研究區域包括江西省下轄所有地級市，地處北緯24°29′14″至30°04′41″，東經113°34′36″至118°28′58″之間（圖1）。全境河流密布，氣候濕潤，雨量充沛，年均降水量1 341 mm到1 940 mm。江西河川徑流主要靠降水補給，故季節性變化很大，具有夏季豐水、冬季枯水、春秋過渡的特點。年內波動較大，4 至6月降水量占全年一半以上，其他月份較少。降水的年際變化也很大，多雨與少雨年份相差將近一倍［11］。可以看出，江西省水資源豐富，但是也存在年內與年際波動大、水資源調蓄能力不足、水資源開發利用率偏低等問題。因此如何合理地對水資源進行利用，提高水資源利用效率是亟待解決的問題。

圖1 研究區示意圖Fig.1 Overview of the study area

2 研究方法與數據源

2.1 數據包絡分析

數據包絡分析（DEA）是由美國著名運籌學家Charnes 于1978年提出［18］，是一種常用的用于測度具有多個投入和多個產出的決策單元之間相對有效性的非參數方法［19］，是線性規劃模型的應用之一。目前已經成為了在多投入多產出情況下測度決策單元相對有效性和規模效益方面應用最為廣泛的數理方法之一［20］。

DEA 中 較 為 經 典 的 模 型 有CCR（Charnes，Cooper 和Rhodes，1978）、BCC（Banker，Charnes，和Cooper，1984）、FG（F?re 和Grosskopf，1985）、ST（Seiford 和Thrall，1990）等［21］。其中CCR 模型最為經典，但假設規模收益不變，與水資源利用效率的變化不符。而BCC 模型假設規模收益可變，并且在CCR 的基礎上增加了凸性假設∑λj= 1，將綜合技術效率細分為純技術效率和規模效率［22］，可對水資源利用效率及其影響因素進行進一步的分析與研究。而本文擬通過在對江西省水資源利用結構與利用效率分析的基礎上，進一步探究水資源利用效率驅動因素。因此，選擇可從規模與技術效率兩方面同時分析的BCC 模型。考慮到江西省各地級市在規模報酬上一般是可變的，因此在分析時選取投入主導型DEA模型。

設有n個決策單元，每個決策單元都有m項投入，x1j，x2j，…，xmj和t項產出y1j，y2j，…，ytj（其中xij，yij＞0），λj為各省投入和產出的權向量。對于投入主導型的BCC模型，計算公式如下：

式中：λj≥0，ε＞0 為非阿基米德無窮小，一般取ε= 10-6；為產出松弛變量為投入松弛變量；θ為效率評價指數，當θ=1 時，表明該決策單元為DEA 有效，城市的水資源利用效率同時為綜合效率有效、純技術效率有效、規模效率有效且無投入冗余；當θ＜1時，為DEA無效，且存在投入冗余［21］。

關于水資源利用效率指標，本著指標選取的代表性和可獲得性原則［23］，同時借鑒其他學者的研究成果［24-27］，從資本投入、勞動力投入和水資源投入3個方面，選取固定資產投資額、全社會從業人員、總用水量為投入指標，以地區生產總值為產出指標對江西省水資源利用效率進行計算。其中GDP與固定資產投資額皆按照2008年不變價格計算，計算方法為×It1，FAIrt=×It2，其中GDPrt、FAIrt為各市區的實際GDP與固定資產投資額，It1與It2指GDP與固定資產投資額相對2008年的增長指數、為GDP與固定資產投資的基期數值。

2.2 地理探測器

地理探測器是探測空間分異性，以及揭示其背后驅動因子的一種新的統計學方法，已經被廣泛地用于分析各種現象的驅動力與影響因子以及多因子的交互作用［28］，應用于包括探測水資源利用效率在內的自然與社會的多個領域［29］。共有4個探測器：因子探測器、風險探測器、交互探測器、生態探測器［28］。本研究目的在于探討江西省水資源利用效率驅動因素以及各個因素相互作用對水資源利用效率影響，因此選擇因子探測器、交互探測器進行研究。

因子探測器：Q值表示該因子對因變量的影響程度，值域是［0，1］該值越大表示影響程度越大。

Q值的大小反映了其對某種因素空間分布的影響程度［23］，公式為：

式中：h=1，2，…，L為變量Y或自變量X的分層；Nh和N為層h內和區域內的單元數；和σ2分別是層h和全區的Y值的方差；SSW和SST分別為層內方差之和、全區總方差。根據Q值的大小，可以識別各個因子對水資源利用效率影響的大小。

交互作用探測器：識別不同風險因子之間的交互作用，即評估兩個因子共同作用時是否會增加或減弱對因變量的解釋力，或這些因子對因變量的影響是相互獨立的。交互作用由弱到強分別為非線性減弱、單因子非線性減弱、雙因子增強、獨立和非線性增強。

2.3 驅動因素選擇

水資源利用效率的受多重因素的影響，本文在綜合劉莉、應卓暉、任玉芬等學者的研究基礎上［29-31］，遵循全面性、科學性、可操作性、時效性等原則，同時結合江西省水資源具體特點，重點選取其他學者認為關系相對密切的自然、經濟、社會技術以及環境規劃四類因素作為水資源利用效率的主要驅動因素（表1）。

表1 江西省水資源利用驅動因素指標體系Tab.1 Index system of driving factors of water resources utilization in Jiangxi Province

2.4 數據來源

本文數據來源于《江西省水資源公報（2008-2018）》和《江西統計年鑒（2009-2019）》，利用Excel 2010軟件進行處理；矢量數據來源于地理國情監測云平臺，利用ArcGIS 10.2 軟件進行處理。

3 研究結果與分析

3.1 江西省水資源利用結構

2008-2018年江西省總用水量呈倒U 形波動上升狀態，從最初2008年的234.2億m3上升到2018年的250.8億m3。江西省各地級市水資源利用結構如圖2所示，農田灌溉用水占比最多，其次是工業用水，其他類型用水總量僅僅占總用水量15%左右。從用水結構時間變化來看，2008-2018年除農田灌溉用水外，其他類型用水量皆有所增加。從空間分布上看，總用水量2008年基本呈現贛南＞贛北＞贛中的態勢，宜春最高，景德鎮和萍鄉最低。而2018年，總用水量分布狀態發生轉變呈現贛北＞贛南＞贛中的狀態，總用水量最多的依然是宜春，其次南昌與上饒，總用水量最低的是鷹潭。

圖2 江西省各地市2008-2018年用水結構時空分布圖Fig.2 Spatio-temporal distribution map of water use structure of various cities in Jiangxi Province from 2008 to 2018

3.2 水資源利用效率評價結果

利用DEAP 2.1軟件，以固定資產投資額、全社會從業人員、總用水量為投入指標，以地區生產總值為產出指標，選擇BCC模型，對江西省水資源利用效率進行計算。得到綜合效率、純技術效率與規模效率結果，其中純技術效率與規模效率的乘積為規模效率，當三種效率結果都為1 時，稱為DEA 有效，否則無效。DEA計算結果如圖3～6所示。

從3 種結果時間分布圖來看（圖3），江西省水資源利用純技術效率總體呈現上升趨勢。規模效率在2011年達到最大后持續走低，2017-2018年下降最多，但從數值來看，仍處于較高狀態。綜合效率與其他兩者分布不太一致，呈現明顯的倒U型，與規模效率類似，2008-2011年為上升階段并到達峰值，隨后緩慢下降，2018年達到最小值0.826，雖然水資源利用效率仍然處于較高的狀態但已有減小趨勢。

圖3 江西省水資源利用效率總體均值Fig.3 The overall mean value of water resource utilization efficiency in Jiangxi Province

江西省各市2008-2018年綜合效率分布結果如圖4 所示，從空間上看，DEA 有效水平呈現贛北＞贛南＞贛中。從時間上來看，2008-2012年綜合效率明顯高于后期。利用自然斷點法將水資源利用綜合效率分為五檔，綜合利用效率均值最高的南昌、鷹潭、新余和萍鄉四市，皆分布于贛北地區，第二檔的為贛州和景德鎮，第三檔的為宜春和上饒，其次是九江和撫州，中部地區的吉安最差，但是在研究期內也水資源利用綜合效率也在逐漸攀升。

圖4 2008-2018年江西省各市水資源利用綜合效率分布Fig.4 Distribution of Comprehensive Water Resources Utilization Efficiency in Jiangxi Province from 2008 to 2018

純技術效率與規模效率結果如圖5、6 所示，其中純技術效率逐年呈現上升趨勢，贛中地區尤其明顯。分地區來看，純技術效率DEA 有效水平各時間點基本呈現贛北＞贛南＞贛中的狀態。規模效率方面，江西省各地市總體規模效率值較高，規模效率普遍高于綜合效率與純技術效率，規模效率DEA 有效水平總體呈現贛北＞贛中＞贛南的分布狀態，其中贛南與贛中地區呈現逐年遞減狀態。規模效率最高的為鷹潭，其次為南昌與新余，最差的是宜春，但也達到了0.9。總體來看，江西省水資源利用規模效率水平較高，技術效率仍然有很大的發展空間。

圖5 2008-2018年江西省各市純技術效率分布圖Fig.5 Distribution map of pure technical efficiency of cities in Jiangxi Province from 2008 to 2018

投入冗余方面，由圖7可以看出，2008-2018年江西省11地市只有南昌、新余和鷹潭三項投入都不存在投入冗余，其他各市或多或少存在冗余現象，導致各自的水資源利用效率未達到最優。三項投入中水資源冗余現象最為嚴重，固定資產投資冗余次數最少。時間尺度上，2015-2018年各城市水資源冗余現象明顯高于2008-2014年。從空間上看，存在投入冗余的年份比例從低到高為贛北＞贛南＞贛中，投入冗余次數最多的為上饒（16 次），其次為撫州和吉安（14 次），最低的為南昌、新余和鷹潭（0次）。

圖6 2008-2018年江西省各市規模效率分布圖Fig.6 Distribution map of scale efficiency of cities in Jiangxi Province from 2008 to 2018

圖7 2008-2018年江西省各市投入冗余情況Fig.7 The investment redundancy of each city in Jiangxi Province from 2008 to 2018

3.3 水資源利用效率驅動因素探測

在前文研究江西省水資源利用效率的基礎上，進一步利用地理探測器研究了2008-2018年表1 中的各個因子在單獨作用和兩兩成對作用時對江西省水資源利用效率的影響，因水資源利用效率結果差距不大，而共有11 個地市，分類數太多較為繁瑣，太少影響因子分析結果不明顯。因此將各個數據在ArcGIS軟件中利用自然斷點法分為具梯度性的5 個等級，并利用地理探測器進行分析，因子探測結果如表2所示。

由表2 可知，從單項指標影響力來看城市化率與降水對江西省水資源利用效率解釋力最強超過60%，其次是地表水與地下水因子影響力超過50%，最低的是GDP 與固定資產投資因子，解釋力僅為19.6%與19.4%。總的來看，自然因子（降水量、地表水、地下水資源量）對江西省水資源利用效率影響最大，影響力最低的為經濟因子（GDP、固定資產投資額）。

表2 水資源驅動因素因子探測結果Tab.2 Detection results of water driving factors

從各因子時間變化來看，隨著人口、科技的增長和人類環境保護觀念的增強，社會技術因子和環境規制因子對江西省水資源利用效率的影響力逐漸變大。自然因子作為對水資源利用效率影響力最強的因素，隨著時間的變化的影響力變化不大。而經濟因子則隨著時間的變化對江西省水資源利用效率的影響逐漸變小。

進一步通過交互因子探測器探究兩兩因子結合對江西省水資源利用效率的影響力變化，選取研究期內等間隔三年進行探究，共9個因子55對交互作用。結果如表3～5所示。

由表3可以看出，在九個因子相互交互之后，其對江西省水資源利用效率的影響作用均增強，且全部為雙因子增強和非線性增強，其中非線性增強11 對。從單個因子之間的交互來看，城市化率與環境規制之間的交互影響力最高（0.998），表明環境規制在與城市化相結合時對江西省水資源利用效率影響最大。從不同因子間的交互可以看出，社會技術因子與自然因子的交互作用最強均值達到了0.813，經濟因子與社會技術因子之間的交互作用最弱。

表3 2008年水資源利用效率影響因子交互結果Tab.3 Interaction results of influencing factors of water resource use efficiency in 2008

從2013年各個因子之間的交互可以看出，社會經濟因子之間的交互作用最強達到了0.995。自然因子與環境規制因子的交互作用最強位列第一，社會經濟因子與其他因子的交互作用依然排在最后。這一年社會技術因子與其他因子的交互作用相較2008年有所增強，表明社會技術因子對江西省水資源利用效率的作用進一步增強。

2018年各因子交互作用結果顯示，非線性增強對數有所減少僅為8 對，表明相較之前各因子的交互作用有所減弱。從表5中可以看出環境規制因子與地下水資源量和專利數之間的交互作用較強分別為（0.958、0.953）。但總的來看，社會技術因子與自然因子的交互成為了影響最強的交互，其次為環境與社會技術因子的交互，最差的依然為社會經濟因子之間的交互。

表5 2018年水資源利用效率影響因子交互結果Tab.5 Interaction results of influencing factors of water resource use efficiency in 2018

從交互因子探測器結果可以看出，各個因子之間的交互有利于提高因子對于江西省水資源利用效率的影響。其中，社會技術因子與自然因子對江西省水資源利用效率的影響作用最大。此外，環境規制因子在通過交互之后大大的提高了對水資源利用效率的影響程度。因此，在引進與提高技術能力保護自然資源的同時，進行環境規制制定對提高水資源利用效率是有必要的。

表4 2013年水資源利用效率影響因子交互結果Tab.4 Interaction results of influencing factors of water resource use efficiency in 2013

4 結論與討論

4.1 結 論

利用數據包絡分析（DEA）方法，并結合地理探測器，對江西省2008-2018年水資源利用效率時空演變及其影響因素進行研究，得出以下結論：

（1）總用水量方面，從時間上看，2008-2018年江西省總用水量呈倒U 形波動上升狀態，農業用水占比達一半以上。從空間分布上看，總用水量2008年基本呈現贛南＞贛北＞贛中的狀態，到了2018年，總用水量分布狀態發生轉變呈現贛北＞贛南＞贛中的狀態。

（2）水資源利用效率方面，從時間分布來看，江西省水資源利用純技術效率總體呈現上升趨勢，規模效率在2011年達到最大后持續走低。綜合效率則呈現明顯的倒U 型，在2011年達到峰值，2018年降至最小值。從空間上看，綜合效率、規模效率與技術效率水平呈現同樣態勢皆為贛北＞贛南＞贛中。

（3）水資源利用效率驅動因素方面，自然因子（降水量、地表水、地下水資源量）對江西省水資源利用效率影響最大，其次是社會技術因子、環境規制因子，影響力最低的為經濟因子（GDP、固定資產投資額）。此外，交互因子探測器顯示，兩兩因素交互能夠使影響因子對江西省水資源利用效率影響力增強。

4.2 討 論

（1）水資源與人類生活息息相關，尤其是當前淡水資源缺乏的現狀下，探究水資源利用效率及其驅動因素已經成為了當前學術界的熱點。通過研究發現，江西省水資源利用效率大體呈現贛北＞贛南＞贛中的態勢。此外，研究發現影響江西省水資源利用效率的主要因素是城市化率和自然因子（降水、地表水資源量、地下水資源量）與其他學者的研究相一致。

（2）影響因子交互作用結果顯示，當影響因子兩兩交互時對水資源利用效率的影響力變大，因此提升技術水平的同時進行環境規劃和自然環境的保護，多手共抓，水資源利用效率才會更加有效地提升。

（3）因研究區域基本定位不同，對江西省的研究未涉及生態范疇，這會是以后的研究重點。此外，后期研究將注重水資源綠色效率時空格局演變及空間溢出效益研究，為江西省水資源利用提出更加科學有效的建議。

（4）研究結果可為江西省、中部地區至全國的水資源規劃與合理開發利用提供決策依據，也為城市之間的空間交互作用提供了新方法和新思路，同時為豐富水文學、環境經濟學等學科理論和方法提供新的素材。