环境科学  2021, Vol. 42 Issue (12): 5757-5767   PDF    
引用本文
张凯, 吴凤平, 成长春. 三重属性的承载力约束下中国水资源利用效率动态演进特征分析[J]. 环境科学, 2021, 42(12): 5757-5767.
ZHANG Kai, WU Feng-ping, CHENG Chang-chun. Dynamic Evolution Characteristics of Water Resources Utilization Efficiency in China Under the Constraint of Triple Attribute Carrying Capacity[J]. Environmental Science, 2021, 42(12): 5757-5767.
三重属性的承载力约束下中国水资源利用效率动态演进特征分析
张凯1,2, 吴凤平2, 成长春2,3     
1. 江苏理工学院商学院, 常州 213001;
2. 河海大学商学院, 南京 210098;
3. 南通大学江苏长江经济带研究院, 南通 226019
收稿日期: 2021-03-19; 修订日期: 2021-05-13
基金项目: 国家社会科学基金青年项目（19CJY018）
作者简介: 张凯(1990~), 男, 博士, 主要研究方向为资源经济和水权交易制度, E-mail: zhangkai@jsut.edu.cn
摘要: 基于水资源"资源禀赋-社会经济-生态环境"三重属性约束建立承载力测算模型，创新性地将水资源承载力作为投入要素，构建SFA效率测算模型，运用2003~2017年中国31个省份面板数据，应用Kernel密度估计和Markov链对水资源使用效率的动态演进特征进行分析.结果表明：①中国大部分省份水资源承载力在稳步提升，西北、华北、东北和华中地区呈较低水平，西南、华南等地区呈较高水平；②中国所有省份水资源利用效率均保持稳定增长，西部地区比中、东部地区增长幅度更大，整体呈现东高西低，南高北低的空间态势；③中国水资源利用效率动态演进存在多极化和趋同化现象，部分省份存在梯度效应，同时具有俱乐部收敛特征，流动性差，马太效应凸显.为实现水资源、社会和环境的协调耦合，降低区域间资源使用效率差异，提升水资源利用效率，提出需要充分考虑水资源承载力，统筹全国及区域水资源供需协调发展战略，构建水权交易市场等建议.
关键词: 水资源利用效率      水资源承载力      SFA效率测算模型      动态演进      Kernel密度估计      Markov链     
Dynamic Evolution Characteristics of Water Resources Utilization Efficiency in China Under the Constraint of Triple Attribute Carrying Capacity
ZHANG Kai1,2 , WU Feng-ping2 , CHENG Chang-chun2,3     
1. Business School, Jiangsu University of Technology, Changzhou 213001, China;
2. Business School, Hohai University, Nanjing 210098, China;
3. Insitute for Jiangsu Yangtze River Economic Belt, Nantong University, Nantong 226019, China
Abstract: Based on the triple attribute constraints of "resource endowment, social economy, and ecological environment, " this paper establishes the calculation model of water resource carrying capacity, creatively takes water resource carrying capacity as an input factor, constructs an SFA efficiency calculation model, and analyzes the dynamic evolution characteristics of water resource utilization efficiency by using panel data of 31 provinces in China from 2003 to 2017, using Kernel density estimation and Markov chain methods. The results show that: ① the water resources carrying capacity of most provinces in China was steadily increasing; Northwest China, North China, Northeast China, and central China were at a low level, and Southwest and South China were at a higher level; ② the water resources utilization efficiency of all provinces in China had maintained a stable growth, and the growth rate of the western region was larger than that of the central and eastern regions; ③ the dynamic evolution of China's water resources utilization efficiency had the phenomenon of multi-polarization and convergence, and some provinces had a gradient effect, which had club convergence characteristics, poor liquidity, and a prominent Matthew effect. In order to realize the coordination and coupling of water resources, society, and the environment; reduce the difference in utilization efficiency between regions; and improve the efficiency of water resources utilization, this paper provides suggestions to fully consider the water resource carrying capacity, coordinate the development strategy of water resource supply and demand in the whole country and region, and construct a water rights trading market.
Key words: water utilization efficiency      water resources capacity      SFA efficiency calculation model      dynamic evolution      Kernel density estimation      Markov chain     

水资源是社会经济发展不可缺少的基础性资源之一, 是生命之源、生产之要和生态之基, 水资源多维属性决定了水资源的不可替代性、用途多样性和贯序使用性, 多重属性的叠加约束也造成了水资源的供需不均衡问题矛盾突出.中国水资源的资源型缺水和结构性缺水“双缺”现象共存, 资源型缺水体现在可用水资源总量少, 人均水资源量低, 2019年中国用水总量6 021.2亿m3, 仅为水资源总量的20.7%, 人均水资源量2 077.7 m3, 仅为世界人均水平的四分之一左右; 结构性缺水体现在水效益较低的农业部门占用大量淡水资源, 2019年农业用水占总用水量的61.2%.由于“开源”受到资金和技术的双重制约, “节流”成为解决水资源短缺的主要途径, 中国水资源管理的重心已逐渐从供给端转向需求端, 涉水部门(主体)需要在存量约束下有效提升水资源利用效率.面对中国水资源时空分布极度不均衡的现状, 需要根据不同区域水资源利用现状、社会经济发展水平、水资源量与质的需求和生态环境需要等因素因地制宜, 对症下药, 让有限的水资源发挥最大的经济效益、社会效益和生态效益, 有效提高水资源利用效率.

水资源效率指使用单位水资源所带来的经济、社会或生态等的效益[1].全要素水资源效率是目前水资源效率评价的主流方法, 全要素水资源效率指在评估过程中除了水资源之外的其他要素(劳动力和资本等)也考虑在内, 全要素水资源效率的评价方法主要有两种: DEA(数据包络分析)和SFA(随机前沿分析).DEA方法是非参数型估计效率测算方法, 因其不需含参数的便利性逐渐成为学界进行效率测度的主流方法, 学者们对DEA模型进行改进和延伸, 构建了DEA-ESDA模型[2], 考虑非合意产出的投入导向DEA模型[3], DEA和Malmquist指数方法结合模型[4], DEA-SBM模型[5~7], 超效率DEA-SBM模型[8, 9]和混合网络结构DEA模型[10]等对中国或部分区域的水资源效率进行测算, 也有学者使用DEA和改进模型对农业[11~13]、工业部门[14~17]用水效率以及生态效率[18, 19]进行测度, 还有学者应用DEA对碳排放效率进行了测度[20, 21].SFA模型是应用确定性的参数模型测算生产前沿面的方法, 王学渊[13]的研究最早使用SFA模型对中国农业生产的技术效率和灌溉用水效率进行了测算, 随后学者们相继应用SFA模型及改进SFA模型对中国工业部门和农业部门的用水效率进行了分析[22~24].部分学者对中国或区域水资源效率的动态演进趋势进行研究, 探究了水资源利用效率的变化趋势和规律[25~27].

通过已有研究可知, 水资源利用效率测度及延展性研究逐渐成为热点, 形成了良好的研究基础, 但也存在些许短板和不足.①纵观现有关于水资源效率评价的文献, 除王喜峰[28], 大部分学者都仅将区域水资源用水总量作为投入要素进行效率测算, 只强调了水资源的资源属性, 忽略了水资源的社会属性和生态属性.然而同样的水资源在不同区域所创造的价值(社会价值、经济价值和生态保护价值)不同, 在缺水和丰水区域的水资源可用量基数不同、比例不同, 投入生产所带来的经济、社会和生态效应也具有明显的地域特征, 因此在水资源效率评价时简单使用水资源用水总量作为投入变量不够全面.②DEA模型在测算水资源效率时存在如下缺陷: 第一, DEA模型属于非参数模型, 无法通过计算统计检验数体现样本拟合度和统计性质的参考, 因此观测结果的稳定性无法掌控; 第二, 非参数方法在实际检验过程中需要对样本值进行筛选以保证数据的完备性和结果的可用性, 数据的筛选使观测结果的代表性不足, 也无法保证结果的稳定性; 第三, DEA模型暗含的基本假设是参评生产单元的外部环境相同, 这导致了内生性的技术应用和管理效率差异对效率测算时产生的影响无法估计.为克服DEA模型的缺陷, 本研究将采用SFA模型进行水资源使用效率测度, SFA模型同时考虑了生产前沿面的具体形式与随机因素对产出的影响, 构建包含随机误差项和技术损失误差项的随机边界模型进行水资源效率测度.

基于上述思路, 本研究拟将水资源承载力测度结果作为投入要素进行水资源效率测度.水资源承载力指在一定经济社会和科学技术发展水平条件下, 以生态、环境健康发展和社会经济可持续发展协调为前提的区域水资源系统能够支撑社会经济可持续发展的合理规模[29].目前国内水资源承载力的研究主要集中在理论框架搭建[30, 31], 水资源承载力评价方法探究[32~35], 水资源承载力与虚拟水结合[36], 水资源承载力与城镇化结合[37]等方面, 形成了良好的研究基础.将水资源承载力作为投入要素进行水资源利用效率测度具有其独特优势, 也具有合理性, 理由如下: ①将水资源承载力作为投入变量更贴合区域水资源利用实际情形.传统水资源效率测度时仅将水资源使用量作为投入要素, 但水资源系统并非孤立系统, 而是“人类-自然”耦合复杂系统, 需要与区域的气象、水文、地理等自然要素和社会、经济等人文要素结合, 因此在测度水资源利用效率时需要考虑包含水资源的复杂系统.水资源承载力综合考量了水资源的资源禀赋、社会经济和生态环境等因素, 能够在效率测度前端进行社会经济和生态环境的约束, 有效体现区域水资源利用实际情形; ②水资源承载力与水资源利用效率概念契合度高.水资源承载力能够从“资源禀赋-社会经济-生态环境”三方面评价水资源的使用情形, 与水资源利用效率的定义高度契合; ③水资源承载力测度结果作为投入变量能够较好融入SFA效率测度模型.水资源承载力测度模型所得结果经过标准化处理后, 取值范围在[0, 1]之间, 符合SFA模型对投入变量的要求.

本文将构建基于水资源“资源禀赋-社会经济-生态环境”三重属性共同约束下的水资源承载力测算模型以评价不同区域的水资源承载力, 以水资源承载力作为投入要素测算资源效率; 其次构建基于SFA效率测算模型进行水资源效率评估; 最后应用Kernel密度估计和Markov链对中国省际水资源利用效率的动态演进特征进行时序分析.

1 材料与方法 1.1 研究方法 1.1.1 “资源禀赋-经济社会-生态环境”三重属性约束下的水资源承载力模型

本文基于水资源的资源禀赋-社会经济-生态环境三重属性约束, 将水资源承载力纳入三重属性的复合系统中综合考量, 见图 1.水资源的效率最大化体现在其可持续利用方面, 而水资源的可持续利用不仅仅包含经济的可持续, 还包含社会的可持续和生态的可持续, 水资源利用要同时保证经济效益、社会效益和生态效益, 而非毫无节制地追求经济效益.由此延伸出水资源的三重属性: 资源禀赋、社会经济和生态环境.资源禀赋是水资源的固有属性, 是水资源作为战略性基础性资源的根源, 体现在水资源的时空分异、量质区分和循环再生等特征, 体现水资源的不可替代性; 社会经济属性是水资源参与经济生产活动的基础, 体现在经济生产的过程中体现的商品和市场效应, 需要水资源基础性资源属性所能提供的用途的多样性, 保证资源利用的效率性和公平性; 生态环境属性是水资源在全球气候循环、生态系统的保护和修复的体现, 也是生态文明建设的重要抓手之一, 体现在生态系统的保护和修复的服务特征上, 保证水资源的贯序使用性.

图 1 水资源“资源禀赋-社会经济-生态环境”三重属性与复合系统的耦合关系 Fig. 1 Coupling relationship between the triple attributes of "resource endowment-social economy-ecological environment" of water resources and composite system

水资源承载力评价指标的选取对评价结果具有关键性作用.在设置评价指标体系时参考了诸多国家标准及相关研究[30, 32, 34~39], 与文献[39]的评价指标体系大致相同, 不同之处有以下2点: ①本文所构建的区域水资源承载力评估指标体系没有将水质指标单独列出, 由于本文所测度的水资源利用效率更大程度偏向于水资源对社会经济规模的承载能力, 因此将水质指标放在社会经济系统层中; ②水利部技术大纲将水资源承载能力与水资源承载负荷分开进行分析, 而本文是从水资源的三重属性所延伸出的三重复合系统构建水资源承载力指标体系, 将承载能力和承载负荷融入三重系统中综合考虑.

本文将水资源“资源-社会经济-生态”三重属性延伸出的三重复合系统作为承载力评价指标选取的依据, 将资源禀赋, 社会经济和生态环境作为系统层指标, 指标层指标选取遵循全面、协调、可持续和独立的筛选原则, 同时兼顾最严格水资源管理“三条红线”原则.①全面.指标选取应当考虑区域经济社会发展需要和水资源开发利用现状, 所选指标尽量涵盖水资源承载力涉及的各个方面.②协调.水资源承载力评价指标要与经济社会发展的目标、规模、水平和速度相适应, 充分考虑水资源条件.③可持续.评价指标应当统筹协调生活、生产和生态环境用水, 强化水资源的节约与保护, 保证水资源的可持续利用.④独立.所选每个指标反映一个侧面情况, 指标之间尽量不重复交叉.综上, 本研究选取具有明显代表性的指标, 构建中国区域水资源承载力综合评价指标体系(表 1)和分级标准(表 2), 以省为评价单位对中国水资源承载力进行评价.

表 1 中国区域水资源承载力综合评价指标体系 Table 1 Comprehensive evaluation index system of regional water resources carrying capacity in China

表 2 中国水资源承载力指标评价分级标准与权重 Table 2 Grading standard and weight of water resources carrying capacity index in China

计算区域水资源承载力的思路如下: ①单指标承载力计算.根据表 1的指标体系和表 2中的分级标准, 应用公式(1)计算单指标承载力, 单指标承载力按照承载力由高到低划分为Ⅰ级、Ⅱ级和Ⅲ级, a和b是通过对单指标承载度等级划分中Ⅰ级、Ⅱ级和Ⅲ级所对应的最优值(1)、及格值(0.6)和最差值(0)计算得出单指标承载度模型中的参数, 由此可得到单指标承载力模型, 代入数据后可得各省单指标承载力.②权重计算.本文采用能够克服层次分析法(AHP)判断矩阵不一致的G1法计算各指标权重, 通过建立指标间的序关系, 给出评价指标间的相对重要程度的比值判断, 最终确定权重系数(表 2), 具体计算步骤参考文献[40].③水资源承载力综合评价.根据前两步所得结果, 应用公式(2)可得到区域水资源承载力综合评价结果.

(1)
(2)

式中, E为水资源承载力, m为评价指标个数, wi为第i个指标的权重, Ei为第i个指标的单指标承载力, x为指标原值, a和b为待估参数.

1.1.2 SFA效率测算模型

SFA模型通过极大似然估计来确定生产的前沿边界, 使用复合扰动项表示随机前沿边界, 模型参考文献[41], 本文将C-D函数的劳动力(Li)、资本(Ki)以及水资源承载力(Wi)纳入统一的投入要素体系中, 以经济效益为产出变量综合评判水资源利用效率.

(3)

式中, Yi为产出变量, 选取各省区域生产总值(gross regional product, GRP), Li为劳动力投入, 以全社会从业人员表示, Ki为资本投入, 以固定资产投资总额表示, Wi为水资源投入, 以水资源承载力评估结果表示.

1.1.3 Kernel密度估计方法

Kernel密度估计是非参数估计方法用以探究数据分布的模型, 用于估计概率密度函数的非参数方法.Kernel密度估计的公式为:

(4)

式中, K为核函数, N为样本观测值总数, h为带宽.

本研究的核函数采用高斯内核对中国省际水资源利用效率的动态演进进行估计, 表达式如下:

(5)
1.1.4 Markov链分析方法

Markov链能够通过构建转移概率矩阵, 用以描述区域水资源利用效率的长期转移趋势, 可以准确反映各区域水资源利用效率的动态变化和发生状态转移的概率.本文将水资源利用效率划分为N种状态, 得到一个N×N的转移矩阵, 根据下一期和当期的水资源效率的变动, 将转移方向定义为提高、降低和不变这3种类型.

1.2 指标选取与数据来源

本文将劳动力、资本和水资源作为投入要素, 区域生产总值作为产出要素, 对中国省际水资源利用效率进行评估.其中, 劳动力投入用全社会从业人员(L万人)表示, 资本投入用固定资产投资总额(K亿元)表示, 水资源用水资源承载力评估结果W表示, 产出用各省区域生产总值GRP(亿元)表示.

本文研究范围是中国31个省市自治区, 样本区间为2003~2017年, 数据来自文献[42~44]、CEIE数据库和各省区水资源公报、统计年鉴.

2 结果与讨论 2.1 三重属性约束下中国省际水资源承载力测算与分析

无论单指标承载度是正向指标或是反向指标, 水资源承载力测算结果应当在[0, 1]区间内, 0~1表示水资源承载力从劣到优, 及格值为0.6, 因此对超出区间范围的数据需要进行调整, 超出1的结果调整为1, 使其落在[0, 1]之间. 2003~2017年中国省际水资源承载力测算结果如图 2所示.由于篇幅限制, 只列出2003~2017的单数年测算结果.

该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2019)1823号的标准地图制作, 底图无修改, 中国香港、澳门和台湾资料暂缺, 下同 图 2 资源-社会-生态三重属性约束下中国省际水资源承载力分级评价(2003~2017年) Fig. 2 Grading evaluation of China's inter provincial water resources carrying capacity under the constraints of resource, society, and ecology (2003-2017)

从时间维度来看, 中国大部分省份在研究期内的水资源承载力在逐步提升, 全国水资源承载力由0.581缓慢上升至0.686, 在研究期内由于水利设施的不断建造修缮, 节水型社会不断推进完善和最严格水资源管理制度“三条红线”的不断规制倒逼, 全国的水资源承载力均有提升, 但区域间、流域间和省际间的变化趋势存在差异.从省际区域角度来看, 中国西北、华北和华中地区的水资源承载力较全国其他区域呈现较低水平, 特别是宁夏、甘肃、河北、新疆和山西等省份, 2003~2017年水资源承载力始终在0.6以下, 值得注意的是, 在2013年后中国北部地区部分省市的水资源承载力有转坏趋势, 包括内蒙古、天津和河北等地区.中国西南、华南地区、海南、青海等省份的水资源承载力较全国其他区域呈现较高水平, 且承载力呈逐步提高态势.

2.2 基于SFA模型中国省际水资源利用效率测算与分析

根据2003~2017年间中国水资源相关投入产出数据, 采用Frontier4.1测度中国31个省水资源效率值, 估计值和检验结果见表 3.

表 3 随机前沿生产函数的OLS和极大似然估计参数估计结果1) Table 3 Parameter estimation results of OLS and MLE of stochastic frontier production function

表 3显示, 劳动力投入、资本投入和水资源投入均与区域生产总值呈正相关关系, 说明目前中国经济增长并未达到技术密集型和资金密集型的拐点, 资金、劳动力和水资源的投入均会对区域生产总值起到显著的正向影响, 在不增加区域水资源的条件下提升区域生产总值需要提高水资源的利用效率.从OLS和MLE的t统计量的情况看, 除β0在极大似然估计时拒绝0假设, β3在OLS估计时在5%的显著性水平下拒绝0假设, 其他变量均在1%的显著性水平下拒绝0假设, 表明变量对区域生产总值的影响都表现为显著.

从表 3可得出以下结论: ①在OLS估计中, 资本投入对区域生产总值的促进作用最为明显, 在其他要素不变的条件下, 资本投入每增加1%, 产出增加1.729%; 水资源投入的弹性系数为-0.307, 且在1%的显著水平下通过检验, 由于水资源与其他投入要素的配置不合理, 使水资源的投入无法与其他要素投入形成规模效应对区域生产总值产生正向影响, 这个判断也在γ的估计值处得到印证, γ值为0.9说明生产函数中水资源的效率损失主要来自于管理的效率损耗.②在极大似然估计中, 劳动力、资本和水资源的弹性系数都为正数, 分别为0.507、1.371和1.182, 资本投入和水资源投入对区域生产总值的影响较高, 劳动力投入对区域生产总值的影响较低, 与OLS相比, 极大似然估计的参数估计更贴合实际情形.

中国31省水资源利用效率在2003~2017年的测算结果如图 3所示, 由于篇幅限制, 只列出单数年测算结果.从中可知, 中国水资源利用效率整体呈现为东高西低, 南高北低的空间态势.从时间趋势来看, 中国所有省份在研究期内的水资源效率均为正增长, 西部地区比中东部地区增长幅度更大, 2003~2017年间增长幅度较高的省份包括西藏、青海、宁夏和贵州等, 增长幅度较低的省份包括广东、江苏、山东、浙江和上海等, 中国西部欠发达省份的水资源效率提升幅度较大, 而东部沿海社会经济较为发达地区的水资源效率提升幅度较小, 可以推测西部地区在研究期的初始时间节点的水利用效率普遍较低, 基数较小, 即使在研究期内增长的绝对数较小, 增长幅度也会较大, 反观东部地区, 由于期初该区域省份的资源利用效率已较高, 研究期内的增长幅度与西部地区相比会较低.从地区来看, 中国中东部地区的水资源利用效率在研究期内始终高于西部地区, 其中广东、江苏、山东、上海和浙江等省(市)的利用效率较高, 而部分中西部地区的利用效率较低, 水资源利用效率较高的省份多数集中在社会经济发达地区.

图 3 基于SFA模型中国省际水资源利用效率分级评价(2003~2017年) Fig. 3 Provincial water resources utilization efficiency grading evaluation in China based on SFA model (2003-2017)

2.3 基于Kernel密度估计的中国省际水资源利用效率动态演进分析

根据上节计算所得中国省际水资源利用效率结果, 按照国家统计局2020年发布的统计制度及分类标准, 应用Matlab2019a软件, 对中国31个省区以及东、中、西、东北地区的水资源利用效率进行核密度估计, 绘制Kernel密度分布.

中国省际水资源利用效率的核密度估计分布如图 4所示.中国省际的水资源利用效率核密度曲线估计有明显右移现象, 说明中国水资源利用效率有较为明显的增长趋势; 从密度分布曲线的峰度变化可知, 中国水资源利用效率的始终保持为三峰, 均由宽峰形演变为尖峰形, 说明中国大部分省份的水资源利用效率有向尖峰处趋同的趋势, 且左边两锋的高度明显低于右峰, 左边两峰的高度逐渐降低, 右峰高度逐渐升高, 说明中国水资源利用效率逐渐向0.65左右集中, 且利用效率在不断提升, 说明中国水资源利用效率出现多极性和梯度性变化, 且趋同性在逐渐增强.

图 4 中国省际水资源利用效率核密度估计分布 Fig. 4 Distribution map of Kernel density estimation of inter-provincial water resources utilization efficiency in China

按照东、中、西、东北地区划分, 各地区省份的水资源利用效率核密度估计如图 5所示.①东部地区.效率核密度估计逐渐右移, 表明东部地区省份的水资源利用效率整体有逐步提升趋势; 密度曲线始终保持双峰状态, 同时左峰低于右峰, 且右峰有升高变尖趋势, 表明东部地区的水资源利用效率有两个聚集趋势, 且左峰的高度基本不变, 右峰的高度逐渐在升高, 表明在0.55左右的聚集趋势不明显, 在0.6左右的聚集趋势较为明显, 东部地区的水资源利用效率的马太效用凸显.②中部地区.效率核密度曲线呈右移演进特征, 且移动幅度较大, 表明中部地区的水资源利用效率提升幅度较大; 中部地区的密度曲线始终呈现为单峰状态, 峰值高度在不断提升, 但高度变化幅度不大, 表明中部地区的效率值有逐渐集中现象, 但集中的趋势并不明显.③西部地区.效率核密度估计曲线呈现向右位移, 呈现三峰状态, 从左至右的三峰高度逐渐提升, 第三峰高度明显高于第二峰, 且第三峰呈现为明显的尖峰形, 表明西部地区省份的水资源利用效率有提升趋势, 存在多极化聚集的演变趋势, 同时也存在梯度效应.④东北地区.该区域只包含3个省份, 核密度估计向右位移明显, 表明东北三省的水资源使用效率提升较大; 该地区的曲线始终呈现单峰状态, 且峰值高度不断提升, 表明集聚趋势较为明显.

图 5 中国分区域水资源利用效率核密度估计分布 Fig. 5 Distribution of Kernel density estimation of water resources utilization efficiency in China

2.4 基于Markov链的中国省际水资源利用效率空间时序差异动态演进分析

传统Markov链动态演进分析.基于SFA模型测算的中国31个省份水资源利用效率按照历年样本的四分位点划分为4种类型, 分别为高、中高、中低和低水平.应用Matlab2019a软件分别测算了时间跨度为1、2、3和4 a的中国各省水资源效率水平的转移概率矩阵, 结果如表 4所示.①对角线上的元素转移概率较高.表明中国省际水资源利用效率的演变具有俱乐部趋同特征, 特别在低水平和高水平地区, 俱乐部趋同现象较为明显且较为稳定, 中低和中高地区的俱乐部趋同现象存在但不稳定; ②趋同俱乐部现象集中在向相邻的更高水平类型转移.跨状态的转移概率较小, 且随着时间跨度的加大, 向邻近更高状态转移的概率在逐渐加大, 在时间跨度为4 a时, 中低水平甚至全部转移为中高水平; ③随着时间跨度的逐渐拉长, 在低水平、中低水平和中高水平地区的省份保持原有水平的稳定性在逐渐降低, 而高水平地区的稳定性较高.这表明低、中低、中高水平地区的俱乐部趋同程度有所下降, 流动性增强, 持续性减弱, 而高水平地区始终保持在高水平, 无流动性.

表 4 中国水资源利用效率传统马尔科夫转移概率矩阵(2003~2017年) Table 4 Traditional Markov transition probability matrix of water resources utilization efficiency in China (2003-2017)

空间Markov链动态演进分析.采用空间Markov链方法可以分析周边地区的用水效率是否会影响本地区的水资源利用效率的概率转移情况.表 5展示了当时间跨度为1 a和4 a时, 空间要素对中国省际水资源利用效率动态演进的影响. ①大部分地区的对角线元素的稳定转移概率大于非对角线元素.这说明在考虑空间影响因素后, 中国水资源利用效率仍具有俱乐部收敛特征和马太效应, 其中低水平和高水平地区的俱乐部收敛特征较为明显. ②空间滞后周边地区效率水平的提高对各地区的稳定转移促进作用不明显.没有出现随着空间滞后的周边地区效率水平的提高, 地区的稳定性有逐步提升的现象, 只有高水平地区稳定转移始终保持为1. ③当时间跨度加大后, 低水平、中低水平和中高水平地区的平稳转移的概率在降低, 高水平地区平稳转移概率始终为1.这与传统马尔科夫转移概率矩阵的结果一致, 说明时间跨度因素对空间马尔科夫转移概率矩阵影响较为有限.

表 5 中国水资源利用效率空间马尔科夫转移概率矩阵1)(2003~2017年) Table 5 Spatial Markov transition probability matrix of water resources utilization efficiency in China (2003-2017)

3 建议

(1) 提升水资源利用效率应当充分考虑区域水资源承载力.提升水资源利用效率是综合性系统工程, 需要充分考虑区域水资源承载能力和承载负荷, 综合水资源资源禀赋系统与社会经济系统, 生态环境系统的协调耦合关系, 各区域选择适宜的合理发展模式, 稳步推进节水减排工作, 加快调整高耗水行业结构, 优化产业布局.

(2) 统筹全国及区域水资源供需协调发展战略, 缩小区域内用水效率差异.中国水资源利用效率, 区域间、区域内差异化明显, 多极分化现象有加快趋势, 应当有针对性地制定区域水资源效率提升策略, 弱化区域差异, 不能“一刀切、一把抓”, 要对水资源利用效率较低的省份给予政策支持, 促进不同省份间节水减排技术的交流合作.

(3) 构建水权交易市场, 促进水资源合理“流动”.对于区域间、流域间有条件有能力进行水权交易的地区, 应当积极建立水权交易中心, 让市场成为资源配置的主导力量, 在保证农业用水和生态环境用水的前提下, 促使水资源向利用效率更高、创造效应更高的生产单位“流动”, 用市场机制倒逼水资源效率有效提升.

4 结论

(1) 测算水资源利用效率时将水资源承载力作为投入要素进行综合评判较为科学合理.

(2) 中国水资源利用效率从时间维度上总体保持稳定增长, 西部地区比中东部地区增长幅度更大, 从空间分布上整体呈现东高西低, 南高北低的空间态势.

(3) 中国水资源利用效率存在多极化和趋同化效应, 且演变速率逐渐加快, 部分地区存在梯度效应.

(4) 中国水资源利用效率的演进存在俱乐部收敛特征, 流动性差, 马太效应凸显.

参考文献
[1] 赵良仕, 孙才志, 郑德凤. 中国省际水资源利用效率与空间溢出效应测度[J]. 地理学报, 2014, 69(1): 121-133.
Zhao L S, Sun C Z, Zheng D F. Water resource utilization efficiency and its spatial spillover effects measure in China[J]. Acta Geographica Sinica, 2014, 69(1): 121-133.
[2] 孙才志, 刘玉玉. 基于DEA-ESDA的中国水资源利用相对效率的时空格局分析[J]. 资源科学, 2009, 31(10): 1696-1703.
Sun C Z, Liu Y Y. Analysis of the Spatial-temporal pattern of water resources utilization relative efficiency based on DEA-ESDA in China[J]. Resources Science, 2009, 31(10): 1696-1703.
[3] 丁绪辉, 贺菊花, 王柳元. 考虑非合意产出的省际水资源利用效率及驱动因素研究——基于SE-SBM与Tobit模型的考察[J]. 中国人口·资源与环境, 2018, 28(1): 157-164.
Ding X H, He J H, Wang L Y. Inter-provincial water resources utilization efficiency and its driving factors considering undesirable outputs: based on SE-SBM and Tobit model[J]. China Population, Resources and Environment, 2018, 28(1): 157-164.
[4] 任俊霖, 李浩, 伍新木, 等. 长江经济带省会城市用水效率分析[J]. 中国人口·资源与环境, 2016, 26(5): 101-107.
Ren J L, Li H, Wu X M, et al. Analysis of water efficiency of capital cities in Yangtze River economic belt in China[J]. China Population, Resources and Environment, 2016, 26(5): 101-107.
[5] Wang Y S, Bian Y W, Xu H. Water use efficiency and related pollutants' abatement costs of regional industrial systems in China: a slacks-based measure approach[J]. Journal of Cleaner Production, 2015, 101: 301-310. DOI:10.1016/j.jclepro.2015.03.092
[6] Deng G Y, Li L, Song Y N. Provincial water use efficiency measurement and factor analysis in China: Based on SBM-DEA model[J]. Ecological Indicators, 2016, 69: 12-18. DOI:10.1016/j.ecolind.2016.03.052
[7] Zhou X Y, Luo R, Yao L M, et al. Assessing integrated water use and wastewater treatment systems in China: a mixed network structure two-stage SBM DEA model[J]. Journal of Cleaner Production, 2018, 185: 533-546. DOI:10.1016/j.jclepro.2018.02.278
[8] 佟金萍, 马剑锋, 王圣, 等. 长江流域农业用水效率研究: 基于超效率DEA和Tobit模型[J]. 长江流域资源与环境, 2015, 24(4): 603-608.
Tong J P, Ma J F, Wang S, et al. Research on agricultural water use efficiency in Yangtze River basin based on super-efficiency DEA and Tobit model[J]. Resources and Environment in the Yangtze Basin, 2015, 24(4): 603-608.
[9] 孙才志, 马奇飞, 赵良仕. 基于GWR模型的中国水资源绿色效率驱动机理[J]. 地理学报, 2020, 75(5): 1022-1035.
Sun C Z, Ma Q F, Zhao L S. Analysis of driving mechanism based on a GWR model of green efficiency of water resources in China[J]. Acta Geographica Sinica, 2020, 75(5): 1022-1035.
[10] 张国基, 吴华清, 刘业政, 等. 中国水资源综合利用效率测度及其空间交互分析[J]. 数量经济技术经济研究, 2020, 37(8): 123-139.
Zhang G J, Wu H Q, Liu Y Z, et al. Measurement and the spatial interaction analysis of the water resource comprehensive utilization efficiency in China[J]. The Journal of Quantitative & Technical Economics, 2020, 37(8): 123-139.
[11] 杨骞, 武荣伟, 王弘儒. 中国农业用水效率的分布格局与空间交互影响: 1998~2013年[J]. 数量经济技术经济研究, 2017, 34(2): 72-88.
Yang Q, Wu R W, Wang H R. Regional disparities and spatial interaction of agricultural water use efficiency: 1998~2013[J]. The Journal of Quantitative & Technical Economics, 2017, 34(2): 72-88.
[12] 杨骞, 刘华军. 污染排放约束下中国农业水资源效率的区域差异与影响因素[J]. 数量经济技术经济研究, 2015, 32(1): 114-128, 158.
Yang Q, Liu H J. Regional disparity and influencing factors of agricultural water resources efficiency with the constraint of pollution[J]. The Journal of Quantitative & Technical Economics, 2015, 32(1): 114-128, 158.
[13] 王学渊, 赵连阁. 中国农业用水效率及影响因素——基于1997-2006年省区面板数据的SFA分析[J]. 农业经济问题, 2008, 29(3): 10-18.
Wang X Y, Zhao L G. Agricultural water efficiency and the causal factors: a stochastic frontier analysis based on Chinese provincial panel data: 1997-2006[J]. Issues in Agricultural Economy, 2008, 29(3): 10-18.
[14] 程永毅, 沈满洪. 要素禀赋、投入结构与工业用水效率——基于2002-2011年中国地区数据的分析[J]. 自然资源学报, 2014, 29(12): 2001-2012.
Cheng Y Y, Shen M H. Factor endowments, inputs structure and industrial water efficiency: a study based on China's provincial data during 2002-2011[J]. Journal of Natural Resources, 2014, 29(12): 2001-2012.
[15] 王有森, 许皓, 卞亦文. 工业用水系统效率评价: 考虑污染物可处理特性的两阶段DEA[J]. 中国管理科学, 2016, 24(3): 169-176.
Wang Y S, Xu H, Bian Y W. Industrial water use system efficiency evaluation: a two-stage DEA model considering pollutants disposability[J]. Chinese Journal of Management Science, 2016, 24(3): 169-176.
[16] 邓光耀, 张忠杰. 基于网络SBM-DEA模型和GML指数的中国各省工业用水效率研究[J]. 自然资源学报, 2019, 34(7): 1457-1470.
Deng G Y, Zhang Z J. The study on industrial water use efficiency of Chinese provinces: Based on network SBM-DEA model and GML index[J]. Journal of Natural Resources, 2019, 34(7): 1457-1470.
[17] 张峰, 王晗, 薛惠锋. 环境资源约束下中国工业绿色全要素水资源效率研究[J]. 中国环境科学, 2020, 40(11): 5079-5091.
Zhang F, Wang H, Xue H F. China's industrial green total factor water efficiency under the constraints of environment and resource[J]. China Environmental Science, 2020, 40(11): 5079-5091.
[18] 曾贤刚, 牛木川. 高质量发展下长江经济带生态效率及影响因素[J]. 中国环境科学, 2020, 40(2): 906-918.
Zeng X G, Niu M C. Measurement and influence factors of ecological efficiency of the Yangtze River economic belt under high quality development conditions[J]. China Environmental Science, 2020, 40(2): 906-918.
[19] 陈菁泉, 信猛, 马晓君, 等. 中国农业生态效率测度与驱动因素[J]. 中国环境科学, 2020, 40(7): 3216-3227.
Chen J Q, Xin M, Ma X J, et al. Chinese agricultural eco-efficiency measurement and driving factors[J]. China Environmental Science, 2020, 40(7): 3216-3227.
[20] 蒋自然, 金环环, 王成金, 等. 长江经济带交通碳排放测度及其效率格局(1985~2016年)[J]. 环境科学, 2020, 41(6): 2972-2980.
Jiang Z R, Jin H H, Wang C J, et al. Measurement of traffic carbon emissions and pattern of efficiency in the Yangtze River economic belt (1985-2016)[J]. Environmental Science, 2020, 41(6): 2972-2980.
[21] 李健, 马晓芳, 苑清敏. 区域碳排放效率评价及影响因素分析[J]. 环境科学学报, 2019, 39(12): 4293-4300.
Li J, Ma X F, Yuan Q M. Evaluation and influencing factors' analysis of regional carbon emission efficiency[J]. Acta Scientiae Circumstantiae, 2019, 39(12): 4293-4300.
[22] 雷玉桃, 黄丽萍. 中国工业用水效率及其影响因素的区域差异研究——基于SFA的省际面板数据[J]. 中国软科学, 2015(4): 155-164.
Lei Y T, Huang L P. Regional differences in industrial water consumption efficiency and its influencing factors for China's major industrial provinces: a study of provincial panel data based on SFA[J]. China Soft Science, 2015(4): 155-164.
[23] 耿献辉, 张晓恒, 宋玉兰. 农业灌溉用水效率及其影响因素实证分析——基于随机前沿生产函数和新疆棉农调研数据[J]. 自然资源学报, 2014, 29(6): 934-943.
Geng X H, Zhang X H, Song Y L. Measurement of irrigation water efficiency and analysis of influential factors: an empirical study based on stochastic production frontier and cotton farmers' data in Xinjiang[J]. Journal of Natural Resources, 2014, 29(6): 934-943.
[24] 任玉芬, 方文颖, 欧阳志云, 等. 基于面板数据的我国城市水资源水环境随机前沿面分析[J]. 环境科学学报, 2020, 40(7): 2638-2643.
Ren Y F, Fang W Y, Ouyang Z Y, et al. Stochastic frontiers analysis of urban water resources and water environment in China based on panel data[J]. Acta Scientiae Circumstantiae, 2020, 40(7): 2638-2643.
[25] 刘华军, 乔列成, 孙淑惠. 黄河流域用水效率的空间格局及动态演进[J]. 资源科学, 2020, 42(1): 57-68.
Liu H J, Qiao L C, Sun S H. Spatial distribution and dynamic change of water use efficiency in the Yellow River Basin[J]. Resources Science, 2020, 42(1): 57-68.
[26] 周迪, 周丰年. 中国水资源利用效率俱乐部趋同的检验、测度及解释: 2003-2015年[J]. 自然资源学报, 2018, 33(7): 1103-1115.
Zhou D, Zhou F N. Inspection, Measurement and interpretation of club convergence of water resources utilization efficiency in China: 2003-2015[J]. Journal of Natural Resources, 2018, 33(7): 1103-1115.
[27] 张峰, 王晗, 薛惠锋. 工业绿色全要素水资源效率的空间格局特征[J]. 软科学, 2020, 34(10): 43-49.
Zhang F, Wang H, Xue H F. Spatial pattern characteristics of industrial green total factor water resources efficiency[J]. Soft Science, 2020, 34(10): 43-49.
[28] 王喜峰. 考虑区域承载力的水资源效率研究[J]. 城市与环境研究, 2018(2): 97-110.
Wang X F. Study of Water resources efficiency by considering the regional water carrying capacity[J]. Urban and Environmental Studies, 2018(2): 97-110.
[29] 段春青, 刘昌明, 陈晓楠, 等. 区域水资源承载力概念及研究方法的探讨[J]. 地理学报, 2010, 65(1): 82-90.
Duan C Q, Liu C M, Chen X N, et al. Preliminary research on regional water resources carrying capacity conception and method[J]. Acta Geographica Sinica, 2010, 65(1): 82-90.
[30] 余灏哲, 李丽娟, 李九一. 基于量-质-域-流的京津冀水资源承载力综合评价[J]. 资源科学, 2020, 42(2): 358-371.
Yu H Z, Li L J, Li J Y. Evaluation of water resources carrying capacity in the Beijing-Tianjin-Hebei Region based on quantity-quality-water bodies-flow[J]. Resources Science, 2020, 42(2): 358-371.
[31] 李笑诺, 丁寿康, 陈卫平, 等. 土壤环境承载力评价体系构建与应用[J]. 环境科学, 2020, 41(5): 2373-2380.
Li X N, Ding S K, Chen W P, et al. Construction and application of an evaluation system for soil environmental carrying capacity[J]. Environmental Science, 2020, 41(5): 2373-2380.
[32] 刘雁慧, 李阳兵, 梁鑫源, 等. 中国水资源承载力评价及变化研究[J]. 长江流域资源与环境, 2019, 28(5): 1080-1091.
Liu Y H, Li Y B, Liang X Y, et al. Study on water resource carrying capacity evaluation and change in China[J]. Resources and Environment in the Yangtze Basin, 2019, 28(5): 1080-1091.
[33] 李丽娟, 郭怀成, 陈冰, 等. 柴达木盆地水资源承载力研究[J]. 环境科学, 2000, 21(2): 20-23.
Li L J, Guo H C, Chen B, et al. Water resource supporting capacity of Chaidamu basin[J]. Environmental Science, 2000, 21(2): 20-23.
[34] 万炳彤, 赵建昌, 鲍学英, 等. 基于SVR的长江经济带水环境承载力评价[J]. 中国环境科学, 2020, 40(2): 896-905.
Wan B T, Zhao J C, Bao X Y, et al. Evaluation of water environment bearing capacity of Yangtze River economic belt based on SVR Model[J]. China Environmental Science, 2020, 40(2): 896-905. DOI:10.3969/j.issn.1000-6923.2020.02.051
[35] 崔丹, 李瑞, 陈岩, 等. 基于结构方程的流域水环境承载力评价——以湟水流域小峡桥断面上游为例[J]. 环境科学学报, 2019, 39(2): 624-632.
Cui D, Li R, Chen Y, et al. An evaluation of the water environmental carrying capacity using structural equation modeling: A case study of the upstream areas of Xiaoxia Bridge Section in Huangshui River Basin[J]. Acta Scientiae Circumstantiae, 2019, 39(2): 624-632.
[36] 丁超, 胡永江, 王振华, 等. 虚拟水社会循环视域下的水资源承载力评价[J]. 自然资源学报, 2021, 36(2): 356-371.
Ding C, Hu Y J, Wang Z H, et al. Assessment of water resources carrying capacity from the perspective of virtual water social cycle[J]. Journal of Natural Resources, 2021, 36(2): 356-371.
[37] 郑德凤, 徐文瑾, 姜俊超, 等. 中国水资源承载力与城镇化质量演化趋势及协调发展分析[J]. 经济地理, 2021, 41(2): 72-81.
Zheng D F, Xu W J, Jiang J C, et al. Evolutionary trend and coordinated development between water resources carrying capacity and urbanization quality in China[J]. Economic Geography, 2021, 41(2): 72-81.
[38] 许长新, 吴骁远. 水环境承载力约束下区域城镇化发展合理速度分析[J]. 中国人口·资源与环境, 2020, 30(3): 135-142.
Xu C X, Wu X Y. Analysis of reasonable speed of regional urbanization development under the constraint of water environmental carrying capacity[J]. China Population, Resources and Environment, 2020, 30(3): 135-142.
[39] 水利部水利水电规划设计总院. 全国水资源承载能力监测预警技术大纲(修订稿)[R]. 北京: 水利部水利水电规划设计总院, 2016. 1-56.
[40] 王学军, 郭亚军. 基于G1法的判断矩阵的一致性分析[J]. 中国管理科学, 2006, 14(3): 65-70.
Wang X J, Guo Y J. Analyzing the consistency of comparison matrix based on G1 method[J]. Chinese Journal of Management Science, 2006, 14(3): 65-70.
[41] Aigner D, Lovell C A K, Schmidt P. Formulation and estimation of stochastic frontier production function models[J]. Journal of Econometrics, 1977, 6(1): 21-37.
[42] 国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2003-2018.
[43] 国家统计局, 生态环境部. 中国环境统计年鉴[M]. 北京: 中国统计出版社, 2003-2018.
[44] 国家统计局人口和就业统计司. 中国人口和就业统计年鉴[M]. 北京: 中国统计出版社, 2003-2018.