2024, Vol. 45
2. 河海大学环境学院, 南京 210098;
3. 南京水利科学研究院水文水资源与水利工程科学国家重点实验室, 南京 210029;
4. 四川大学水利水电学院, 成都 610065;
5. 河海大学水文水资源学院, 南京 210098
2. College of Environment, Hohai University, Nanjing 210098, China;
3. State Key Laboratory of Hydrology and Water Resources and Hydraulic Engineering Science, Nanjing Hydraulic Research Institute, Nanjing 210029, China;
4. College of Water Resource & Hydropower, Sichuan University, Chengdu 610065, China;
5. College of Hydrology and Water Resources, Hohai University, Nanjing 210098, China
当前我国仍处于工业化深入发展的历史阶段, 工业规模不断扩大. 2022年中国工业增加值达到40.2万亿元（当年价）, 占当年国内生产总值的33.2%, 相比1997年增长了8.1倍, 年均增长8.8%. 同时, 工业发展促进了工业用水量快速增长, 2011年中国工业用水量最高达到1 461.6亿m3, 相比1997年增长30.4%, 是同时期中国用水总量增长的主要贡献部门, 占到用水总量增幅的62.9%. 但2011年最严格水资源管理制度实施以来, 中国工业用水量逐步下降, 2022年已降至968.4亿m3, 相比2011年下降33.8%. 可见, 25年间中国工业用水经历了大幅增长和快速下降的深刻变化. 对比发达国家工业用水变化, 也发现大部分国家的工业用水都随着社会经济发展水平的提升出现了由增到减的转折点, 且不同国家工业用水拐点出现时的经济产业条件具有高度相似性[1]. 但无论从产业结构和人均GDP, 还是城镇化率水平来看, 中国工业用水拐点出现均早于发达国家, 难以确定现有峰值是否是中国工业用水需求的真实峰值[2~4]. 为避免未来工业用水量随社会经济发展可能再次增长, 有必要对驱动中国工业用水历史变化的各个因素进行分析, 量化其对工业用水增长或下降的贡献大小, 深化工业用水随社会经济发展变化规律的认识.
围绕工业用水与经济增长的关系, 当前众多学者通过环境库兹涅茨曲线（environmental Kuznets curve, EKC）[5~7]、水足迹理论[8, 9]、脱钩理论[10~12]和计量经济分析[13, 14]等多种方法对工业用水演变规律进行分析, 发现工业用水与经济发展具有相互促进作用, 但随着产业结构调整和工业用水效率提升工业用水可逐步实现负增长. 为此, 相关学者着重对产业结构适水优化和水资源利用效率变化开展进一步探讨. 采用关联性分析[15]、系统动力学[16]、数学规划模型[17]和投入产出理论[18]等方法研究了水资源约束下产业结构优化调整方案. 采用数据包络分析（data envelopment analysis, DEA）[19, 20]和随机前沿分析（stochastic frontier analysis, SFA）[21, 22]等方法测算了工业用水效率, 并通过回归分析发现经济发展水平、工业结构、环境规制和水资源禀赋条件是主要的工业用水效率影响因素. 通过上述研究可知, 工业用水变化涉及到经济规模增长、工业用水管理加强、产业结构优化和工业用水效率提升等多个方面, 不同因素间又存在着密切的相互关系. 为深入解析工业需水驱动机制, 国内外针对工业用水驱动因素分解量化开展了众多研究. 采用的方法主要有结构分解分析（structural decomposition analysis, SDA）方法和指数分解分析（index decomposition analysis, IDA）方法两类. 其中, 应用最广泛的平均迪氏指数（logarithmic mean divisia index, LMDI）方法即属于IDA方法的一种, 其数据要求相对简单, 主要对技术进步、产业结构变动、经济规模和人口增长的直接影响进行解析[23, 24]. 在此基础上, 学者们不断改进模型, 尝试将人口流动变化[25]、重复用水率变化[26]和城镇化率[27]等因素纳入模型, 或结合STIRPAT模型[28]和Laspeyres模型[29]等对不同因素间的相互影响进行准确量化, 但由于方法的局限性缺少对间接影响的考量, 难以细化识别生产规模和产业结构的变化原因[30, 31]. 而SDA方法虽然对数据要求较高, 但能够揭示国民经济各部门和各生产环节之间的内在联系, 这是IDA方法所不具备的[32~34]. 例如Cazcarro等[35]根据西班牙1980~2007年的投入产出和相应耗水量数据, 采用SDA方法研究表明家庭需求和出口增长是西班牙用水增长的关键因素. 李玮等[36]通过SDA方法分析了中国社会水循环演变的经济驱动因素, 结果显示1992~2005年间节水技术进步和最终需求增长是影响最大的因素. 高超[37]采用考虑了最终需求区域结构的SDA方法, 研究了中国生产用水量变化驱动因素. 结果表明经济规模是生产用水增加的主导因素, 其中消费与人口增长是主要驱动力. 王喜峰等[38]通过改进基于投入产出的SDA方法, 将总体技术效应进一步分解为真实节水效应、资源配置效应、结构调整和疏解效应, 结果表明总体技术效应在2010年之前是北京市用水总量变化的主要因素, 其中真实节水效应是主要动力, 但2010年之后真实节水效应到达瓶颈.
总体来看, 相关研究虽然在工业用水变化因素分析方面取得了诸多成果, 但局限于工业整体开展研究, 缺乏分行业的细化分析；而且, 基于工业用水驱动机制的认识差异, 对驱动因素的划分参差不齐, 难以有效揭示用水效率提高减缓原因, 以及社会经济发展如何驱动工业用水结构调整等问题[39]. 为此, 本文将LMDI法与SDA法相结合, 提出“双层嵌套式”的SDA方法, 在用水效率层面立足工业用水过程分解, 明确生产工艺和水资源重复利用率变化的影响；在宏观经济层面从支出法核算角度分解生产规模和结构变化过程, 将最终需求从消费、投资和出口方面细分, 明确进口和人口规模变化影响. 最终将不同行业的工业用水变化分解为工艺用水变动效应、重复利用率变动效应、投入产出技术变动效应、人均消费扩张效应、人口增长效应、投资扩张效应、出口扩张效应和进口替代效应共8种效应. 分行业和分时段对不同效应在工业用水变化中的贡献进行分解, 更加全面地分析中国工业用水出现由增到减拐点的原因.
1 材料与方法 1.1 研究方法本研究改进传统的SDA方法, 将分解出的用水强度效应进一步采用LMDI方法进行分解, 并按照投入产出关系将最终需求驱动细分为人均消费扩张、人口增长、投资扩张、出口扩张和进口替代, 形成“双层嵌套式”的SDA方法, 即可以识别工业用水重复利用率变化影响, 也能够解析社会经济发展驱动工业用水变化的内在原因. 该方法是建立在含有用水数据的投入产出表之上, 扩展后的竞争型投入产出简表如表 1所示, 其假设进口品和国内生产的产品之间没有区别.
|
表 1 竞争型用水扩展投入产出表结构1） Table 1 Water expansion input-output table form (competitive) |
根据投入产出模型, 不同行业工业用水量的计算公式为：
|
(1) |
式中, W为各行业工业用水量列向量；S为各行业单位产出用水量列向量, 
|
(2) |
采用两极分解方法[40]进行因素分解, 可得到第一层分解结果：
|
(3) |
式中, 加号两边分别表示用水强度变动效应和产出变动效应, Δ为变量第1期减去基准期第0期的变化.
在此基础上, 进一步对单位产出用水量（S）和总产出（X）细化分解后代入ΔW分解公式中即可形成“双层嵌套式”的SDA表达式. 其中, 工业用水过程是一个多环节过程, 涉及多种水资源用途, 但不同环节内和环节间用水均通过重复循环利用水资源降低取水量. 因此, 单位产出用水量（S）可按照单位产出工艺用水量（Q）和水资源重复利用率（R）分解, 两者关系根据水量平衡公式可表达为：
|
(4) |
式中, 
|
(5) |
而总产出（X）根据投入产出关系可表达为[41]：
|
(6) |
式中, A为投入产出直接消耗系数矩阵；C为单位人口消费向量, p为当年人口总数；F为资本形成向量；E为出口向量；U为国内供给比例向量, 
|
(7) |
将两层结构分解进行嵌套, 即公式（5）与公式（7）代入公式（3）中, 并令
|
不同效应代表的实际意义如下：①工艺用水变动效应, 工艺用水量为生产工艺对应的水资源投入, 包括取水量和重复利用水量, 表示生产工艺选择对工业用水量的影响；②重复利用率变动效应, 表示重复利用率提高对工业用水量的影响, 重复利用率越高则取水量越低；③投入产出技术变动效应, 表示中间投入结构变化引起的工业用水量变化, 反映生产技术变化后生产需要的商品或服务投入变化的间接影响；④人均消费扩张效应, 代表了居民生活水平变化对工业用水量的影响, 消费包括居民生活消费的各类商品和服务, 人均消费水平越高, 则需要更多产出用于消费, 相应工业用水量越高；⑤人口增长效应, 表示总人口变化对工业用水量的影响, 消费总量与人口直接相关, 人口越多, 则需要更多产出用于消费, 相应工业用水量越高；⑥投资扩张效应, 表示固定资产投资需求变化对工业用水量的影响, 投资需求越高, 则需要更多产出用于投资, 相应工业用水量越高；⑦出口扩张效应, 表示产品出口变化对工业用水量的影响, 出口量越高, 则需要更多产出用于出口, 相应工业用水量越高；⑧进口替代效应, 表示产品进口变化对工业用水量的影响, 进口量越高则国内生产占比越低, 相应工业用水量减少.
1.2 数据来源及处理“双层嵌套式”的SDA方法需要投入产出表和工业用水数据, 主要来自文献[42~45]和各省区统计年鉴. 其中全国投入产出表自1987年以来每5 a编制一次, 并编制逢0和逢5年份的全国投入产出延长表；但国家统计局发布的投入产出表均为当年价格数据, 为准确识别多种影响大小, 需要根基于价格指数缩减法统一调整为可比价投入产出表[46]. 分行业的全国工业用水数据和水资源重复利用率来自《中国环境年鉴》（2003~2016年）. 但自2015年之后不再对外公布分行业工业用水统计数据, 且统计口径不是工业全口径. 因此, 依据部分省级统计年鉴公布的分行业工业用水数据对全国数据进行延长, 并根据不同行业的工业产出数据和水资源公报中的工业用水总量将统计口径调整为全口径. 此外, 所需的中国历年人口数据、按行业划分的工业生产者出厂价格指数、居民消费价格指数、固定资产投资价格指数和分行业增加值指数等均来源于《中国统计年鉴》（2003~2021年）. 最终本研究采用处理后的中国2002~2020年逢2、逢5、逢7和逢0年份的可比价（2002年=100）投入产出表以及相应时段的分行业工业用水数据作为基础. 同时, 为确保工业用水分行业划分与投入产出表一致, 将工业部门统一分为20个行业（见表 2）.
|
|
表 2 采用的统一工业行业划分及对照 Table 2 Adopted industrial sector classification and cross-reference |
2 结果与讨论 2.1 中国工业用水演变特征
依据处理后得到的分行业工业用水数据可绘制中国工业用水结构变化（图 1）, 其中不同行业工业用水差异巨大, 电力和热力生产和供应业占工业用水比例最高达40%, 而仪器仪表制造业等部分行业占比仅在1%左右. 进一步对照全国工业用水量和万元工业增加值用水量变化趋势可将工业用水结构变化分为3个阶段：第一阶段（2002~2005年）, 以电力和热力的生产和供应业的工业用水占比提高为主, 意味着电力和热力的生产和供应业是该阶段工业用水量增长的主要贡献行业；第二阶段（2006~2011年）, 以采矿业和纺织业的工业用水占比提高为主, 金属冶炼和压延加工业等其他行业占比呈下降趋势；第三阶段（2012~2020年）, 以采矿业和纺织业的工业用水占比下降为主, 电力和热力的生产和供应业等其他行业占比呈上升趋势. 由此可见, 2002年以来中国工业用水结构变化与工业用水量由增到减拐点的出现密切相关, 采矿业和纺织业等高工业用水量变化推动了中国工业用水由增到减的拐点出现.
|
图 1 2002~2020年中国工业用水及其结构变化 Fig. 1 Industrial water use and its structural changes in China from 2002 to 2020 |
将不同工业行业的8种效应分解结果按累计影响分别绘制如图 2所示, 可以看出人均消费扩张效应、人口增长效应、投资扩张效应和出口扩张效应在不同工业行业均为正, 是工业用水增长的主要驱动力. 而工艺用水变动效应和水资源重复利用率变动效应在大部分行业为负, 是遏制工业用水增长的主要因素. 但不同行业工业用水变化的主要贡献效应存在明显差异. 对于工业用水增长驱动因素, 食品和烟草加工制造业、服装鞋帽皮革羽绒制品业、石油和燃气等燃料加工业、石油和天然气开采业中人均消费扩张效应占主导地位, 其贡献率在35%~50%之间, 代表居民消费增长是相关行业规模扩张的主要驱动力；仪器仪表制造业和电子设备制造业中出口扩张效应的贡献率最高分别达到了80%和60%, 表示出口增长是促进相应行业工业用水增长的主要原因；通用和专用设备制造业与交通运输设备制造业中投资扩张效应贡献率最高, 均超过50%, 是由于新增投资主要增加了各类设备需求；而非金属矿物制品业中投入产出技术变动效应贡献率较高, 说明生产技术向着增加非金属制品投入的方向发展. 正向效应在不同行业的这一差异影响直接推动了工业用水结构变化.
|
图 2 不同行业工业用水量变化的驱动因素累计影响 Fig. 2 Cumulative impact of factors driving changes in industrial water use by sectors |
对于工业用水下降驱动因素, 金属矿采选业、金属冶炼和压延加工业、金属制品业、电力和热力的生产和供应业中重复利用率变动效应贡献率在64%之上, 代表主要依靠提升水资源重复利用率遏制工业用水增长. 而在其他行业工艺用水变动效应占较大比重, 说明通过采用节水甚至无水的生产工艺显著减少了工业用水量. 此外, 人口增长效应虽然促进了工业用水增长, 但在各个工业行业中均影响很小（在正向效应中贡献率不超过3%）. 而进口替代效应在不同工业行业中的影响有正有负, 其中仅在石油和天然气开采业与仪器仪表制造业中通过增加进口产品比重削减了工业用水量, 这与研究期间我国石油和天然气等对外依存度逐年递增的实际情况相符合；而在其他大部分工业行业由于进口产品比重下降, 实际上增加了工业用水量.
2.3 4类工业用水驱动因素分解工业门类较多, 不同行业工业用水差异巨大, 但煤炭采选业、纺织业、化学产品制造业、非金属矿物制品业、金属冶炼和压延加工业以及电力和热力的生产和供应业这6个行业集中了工业用水总量的近70%. 因此, 在工业用水管理实践中按火（核）电工业、高用水工业、采矿业和其他一般用水工业这4类划分行业, 重点针对高用水工业进行管控. 4类工业汇总后同样绘制8种不同效应的累计影响如图 3所示. 可以看出：人均消费扩张、出口扩张和投资扩张是工业用水增长的主要驱动因素. 而投入产出技术变动效应呈先增后减趋势, 代表在初期生产技术变动是向着增加工业产品投入的方向发展, 但随后向着减少电力和矿产资源等投入的方向发展.
|
图 3 4类工业用水量变化的驱动因素累计影响 Fig. 3 Cumulative impact of factors driving changes in industrial water use aggregated by four industry categories |
在工业用水下降驱动因素中, 火（核）电工业主要是重复利用率变动效应, 贡献率达到了90%以上；而其他工业行业主要是工艺用水变动效应, 贡献率不低于50%. 这表示火（核）电工业生产工艺较为成熟, 主要节水途径是提高水资源重复利用率；而其他工业行业生产工艺尚有较大节水潜力. 同时, 对比驱动工业用水变化的正向效应与负向效应大小, 发现火（核）电工业正向效应偏大, 促使工业用水量累计增长了128亿m3；而高用水工业负向效应在2010年后偏大, 2010~2020年累计减少工业用水量243亿m3. 这说明工业用水增长的主要贡献行业是火（核）电工业, 而工业用水量出现由增到减拐点的主要贡献行业是高用水工业.
2.4 工业整体用水驱动因素分解进一步将各个行业汇总到工业整体, 可得到工业整体的不同效应累计影响如图 4所示. 在工业用水增长的驱动因素中, 人均消费扩张效应增长较快, 与我国经济增长模式逐步由投资驱动型转为消费驱动型的趋势一致. 在工业用水降低的驱动因素中, 重复利用率提升对工业用水的遏制作用相对更为突出, 而工艺用水变动效应变化趋缓, 说明在现有的技术条件下生产工艺的节水潜力较小. 但随着水资源重复利用率提高到较高水平, 工业用水效率提高可能出现瓶颈. 此外, 进口替代程度逐步降低促进了工业用水增长, 人口增长影响相对较小, 而投入产出技术变动仅在2002~2005年小幅增大, 随后呈缓慢下降趋势, 这与生产技术在短期内基本稳定, 并随技术进步提升有关. 总体上, 2002~2020年全国工业用水量累计减少了112亿m3, 其中消费、投资和出口扩张效应累计增加工业用水量2 115亿m3, 而工艺用水变动效应和水资源重复利用率变动效应分别累计减少工业用水量981亿m3和1 297亿m3.
|
图 4 工业用水总量变化的驱动因素累计影响 Fig. 4 Cumulative impact of factors driving changes in total industrial water use |
（1）针对消费驱动经济增长模式下食品和烟草加工制造业、电子设备制造业以及机械设备制造业等规模扩张迅速的行业, 建议重点加强相关行业的节水技术研发和市场推广应用, 提升工业用水效率；积极采用“水效标识”等节水举措, 推动消费领域的绿色转型, 控制消费驱动工业用水量增长.
（2）金属采选、冶炼加工和电力生产等行业的水资源重复利用率已提升到较高水平, 加之冷却用水在相关行业占比较高, 未来受节水技术发展制约和气候变暖影响, 其用水效率提升潜力较小. 因此, 建议相应行业应重点优化产业布局, 提高行业内用水效益较高的工业产出占比, 如水电和风电等在电力生产中的比重等, 优化工业生产结构, 促进工业绿色低碳转型发展.
（3）实施最严格水资源管理制度, 着重针对高用水工业强化用水管理, 有别于国外发达国家发展历程的粗放式增长路径, 中国工业用水量提前出现了由增到减的拐点. 在此基础上, 建议继续贯彻工业绿色发展理念, 将高用水工业节水管理经验拓展到工业全行业；同时, 在调整产业结构和布局促进适水发展基础上, 充分发挥工业用水对经济发展的支撑作用, 强化对战略新兴产业用水需求的保障, 确保我国工业用水量与经济增长脱钩.
4 结论（1）以人均消费扩张、投资扩张和出口扩张为代表的规模扩张因素是工业用水量增长的主要因素. 工艺用水变动和水资源重复利用率变动是遏制工业用水量增长的主要因素. 此外, 人口增长虽然促进了工业用水增长, 但在各工业行业中均影响很小. 而大部分工业行业由于进口产品比重下降, 进口替代效应实际上增加了工业用水量.
（2）不同行业工业规模扩张的主要驱动因素存在明显差异. 其中, 涉及居民消费品的工业行业主要受居民生活水平提高驱动；电子设备制造业和仪器仪表制造业等主要是由于出口增长影响；生产各类设备的工业行业随投资增长规模扩大；而非金属矿物制品业规模扩张主要是由于投入产出技术变动带动中间投入需求变化. 不同行业的这一差异影响直接推动了工业用水结构变化.
（3）不同行业工业用水下降的主要驱动因素同样存在差异. 其中, 金属矿采选业、金属冶炼和压延加工业、金属制品业以及电力和热力的生产和供应业主要依靠提升水资源重复利用率遏制工业用水增长, 而工艺用水变动的负向效应较小. 随着水资源重复利用率提高到较高水平, 将导致工业用水效率提高逐步减缓甚至趋于停滞.
| [1] |
刘昌明, 赵彦琦. 中国实现水需求零增长的可能性探讨[J]. 中国科学院院刊, 2012, 27(4): 439-446. Liu C M, Zhao Y Q. Possibility of the zero growth of water requirement in China[J]. Bulletin of Chinese Academy of Sciences, 2012, 27(4): 439-446. DOI:10.3969/j.issn.1000-3045.2012.04.006 |
| [2] |
吴丹. 中国经济发展与水资源利用的演变态势、"脱钩"评价与机理分析——以中美对比分析为例[J]. 河海大学学报(哲学社会科学版), 2016, 18(1): 47-53. Wu D. An analysis of evolution trend and decoupling evaluation mechanism of economic development and water resource utilization in China based on comparative analysis of China and America[J]. Journal of Hohai University (Philosophy and Social Sciences), 2016, 18(1): 47-53. |
| [3] |
赵勇, 李海红, 刘寒青, 等. 增长的规律: 中国用水极值预测[J]. 水利学报, 2021, 52(2): 129-141. Zhao Y, Li H H, Liu H Q, et al. The law of growth: prediction of peak water consumption in China[J]. Journal of Hydraulic Engineering, 2021, 52(2): 129-141. |
| [4] | Zhang C J, Zhao Y, Shi C F, et al. Can China achieve its water use peaking in 2030? A scenario analysis based on LMDI and Monte Carlo method[J]. Journal of Cleaner Production, 2021, 278. DOI:10.1016/j.jclepro.2020.123214 |
| [5] | Hao Y, Hu X L, Chen H Y. On the relationship between water use and economic growth in China: new evidence from simultaneous equation model analysis[J]. Journal of Cleaner Production, 2019, 235: 953-965. DOI:10.1016/j.jclepro.2019.07.024 |
| [6] | Katz D. Water use and economic growth: reconsidering the environmental Kuznets curve relationship[J]. Journal of Cleaner Production, 2015, 88: 205-213. DOI:10.1016/j.jclepro.2014.08.017 |
| [7] |
程亮, 胡霞, 王宗志, 等. 工业用水N型环境库兹涅茨曲线及其形成机制——以山东省为例[J]. 水科学进展, 2019, 30(5): 673-681. Cheng L, Hu X, Wang Z Z, et al. The N-shaped industrial water use environmental Kuznets curve and its formation mechanism: a case study from Shandong Province[J]. Advances in Water Science, 2019, 30(5): 673-681. |
| [8] | Li Y, Wang Z C, Wei Y G. Water lock-in within China's economic industry based on the input-output method and social network analysis[J]. Environmental Science and Pollution Research, 2022, 29(15): 22391-22403. DOI:10.1007/s11356-021-17463-w |
| [9] | Dong H J, Geng Y, Sarkis J, et al. Regional water footprint evaluation in China: a case of Liaoning[J]. Science of the Total Environment, 2013, 442: 215-224. DOI:10.1016/j.scitotenv.2012.10.049 |
| [10] |
姜明栋, 刘熙宇, 许静茹, 等. 京津冀地区经济增长对工业用水的脱钩效应及其驱动因素研究[J]. 干旱区资源与环境, 2019, 33(11): 70-76. Jiang M D, Liu X Y, Xu J R, et al. Decoupling effect between economic growth and industrial water use and its driving factors in Beijing-Tianjin-Hebei region[J]. Journal of Arid Land Resources and Environment, 2019, 33(11): 70-76. |
| [11] |
张峰, 宋晓娜, 薛惠锋, 等. 环境规制、技术进步与工业用水强度的脱钩关系与动态响应[J]. 中国人口·资源与环境, 2017, 27(11): 193-201. Zhang F, Song X N, Xue H F, et al. Decoupling relationship and dynamic response between industrial water intensity, environmental regulation and technological progress[J]. China Population Resources and Environment, 2017, 27(11): 193-201. |
| [12] |
郭丰源, 徐剑锋, 徐敏, 等. 我国工业用水现状、问题与节水对策[J]. 环境保护, 2022, 50(6): 58-63. Guo F Y, Xu J F, Xu M, et al. Present situation, problems and water-saving countermeasures of industrial water use in China[J]. Environmental Protection, 2022, 50(6): 58-63. DOI:10.3969/j.issn.1005-3158.2022.06.010 |
| [13] | Wang B X, Wang X J, Zhang X. An empirical research on influence factors of industrial water use[J]. Water, 2019, 11(11). DOI:10.3390/w11112267 |
| [14] |
金菊良, 崔毅, 杨齐祺, 等. 山东省用水总量与用水结构动态关系分析[J]. 水利学报, 2015, 46(5): 551-557. Jin J L, Cui Y, Yang Q Q, et al. Dynamic relationship analysis between total water consumption and water utilization structure in Shandong Province based on the VAR model[J]. Journal of Hydraulic Engineering, 2015, 46(5): 551-557. |
| [15] |
张丽娜, 吴凤平, 张陈俊, 等. 流域水资源消耗结构与产业结构高级化适配性研究[J]. 系统工程理论与实践, 2020, 40(11): 3009-3018. Zhang L N, Wu F P, Zhang C J, et al. The adaptability of basin water resources consumption structure and optimization of industrial structure[J]. Systems Engineering-Theory & Practice, 2020, 40(11): 3009-3018. DOI:10.12011/1000-6788-2019-0016-10 |
| [16] |
张玲玲, 王宗志, 李晓惠, 等. 总量控制约束下区域用水结构调控策略及动态模拟[J]. 长江流域资源与环境, 2015, 24(1): 90-96. Zhang L L, Wang Z Z, Li X H, et al. Study on regional water utilization structure controlling strategy and dynamic simulation within the gross volume constraints[J]. Resources and Environment in the Yangtze Basin, 2015, 24(1): 90-96. DOI:10.11870/cjlyzyyhj201501012 |
| [17] |
吴丹. 京津冀地区产业结构与水资源的关联性分析及双向优化模型构建[J]. 中国人口·资源与环境, 2018, 28(9): 158-166. Wu D. Correlation analysis and bidirectional optimization model of industrial structure and water resources in Beijing-Tianjin-Hebei region[J]. China Population Resources and Environment, 2018, 28(9): 158-166. |
| [18] | Zhao D D, Liu J G, Sun L X, et al. Quantifying economic-social-environmental trade-offs and synergies of water-supply constraints: an application to the capital region of China[J]. Water Research, 2021, 195. DOI:10.1016/j.watres.2021.116986 |
| [19] |
朱晓梅, 魏加华, 杨海娇, 等. 黄河流域城市群水资源利用效率评估及驱动因子分析[J]. 水资源保护, 2022, 38(1): 153-159. Zhu X M, Wei J H, Yang H J, et al. Evaluation and driving factor analysis of water resources utilization efficiency of urban agglomerations in the Yellow River Basin[J]. Water Resources Protection, 2022, 38(1): 153-159. |
| [20] |
孙付华, 张林林, 吕犇, 等. 中国省域工业用水效率评价及区域差异分析[J]. 水利经济, 2022, 40(1): 21-28. Sun F H, Zhang L L, Lyu B, et al. Evaluation of China's provincial industrial water efficiency and analysis of regional differences[J]. Journal of Economics of Water Resources, 2022, 40(1): 21-28. |
| [21] |
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 K, Wu F P, Cheng C C. 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. |
| [22] |
雷玉桃, 黄丽萍, 张恒. 中国工业用水效率的动态演进及驱动因素研究[J]. 长江流域资源与环境, 2017, 26(2): 159-170. Lei Y T, Huang L P, Zhang H. Research on the dynamic evolution and the driving factors of industrial water consumption efficiency in China[J]. Resources and Environment in the Yangtze Basin, 2017, 26(2): 159-170. DOI:10.11870/cjlyzyyhj201702001 |
| [23] |
何凡, 顾冰, 何国华, 等. 中国用水量变化的驱动效应[J]. 南水北调与水利科技(中英文), 2022, 20(3): 417-428. He F, Gu B, He G H, et al. Driving effect evolution and spatial differentiation of water use change in China[J]. South-to-North Water Transfers and Water Science & Technology, 2022, 20(3): 417-428. |
| [24] |
张强, 王本德, 曹明亮. 基于因素分解模型的水资源利用变动分析[J]. 自然资源学报, 2011, 26(7): 1209-1216. Zhang Q, Wang B D, Cao M L. Analysis of water resource utilization change based on factor decomposition model[J]. Journal of Natural Resources, 2011, 26(7): 1209-1216. |
| [25] |
张陈俊, 章恒全, 陈其勇, 等. 中国用水量变化的影响因素分析——基于LMDI方法[J]. 资源科学, 2016, 38(7): 1308-1322. Zhang C J, Zhang H Q, Chen Q Y, et al. Factors influencing water use changes based on LMDI Methods[J]. Resources Science, 2016, 38(7): 1308-1322. |
| [26] |
胡霞, 程亮, 王宗志, 等. 工业用水效率全过程驱动因子识别模型[J]. 南水北调与水利科技, 2019, 17(3): 201-208. Hu X, Cheng L, Wang Z Z, et al. A full decomposing model for industrial water use efficiency[J]. South-to-North Water Transfers and Water Science & Technology, 2019, 17(3): 201-208. |
| [27] | Bao C, Xu M Y. Spatiotemporal characteristics of water use change and its driving factors in China's urban agglomerations[J]. Ecological Indicators, 2023, 151. DOI:10.1016/j.ecolind.2023.110279 |
| [28] |
朱世垚, 宋松柏, 王小军, 等. 基于LMDI和STIRPAT模型的区域用水影响因素定量分析研究[J]. 水利水电技术(中英文), 2021, 52(2): 30-39. Zhu S Y, Song S B, Wang X J, et al. LMDI and STIRPAT model-based quantitative analysis and study on factors of impacts on regional water-use[J]. Water Resources and Hydropower Engineering, 2021, 52(2): 30-39. |
| [29] | Shang Y Z, Lu S B, Li X F, et al. Drivers of industrial water use during 2003–2012 in Tianjin, China: a structural decomposition analysis[J]. Journal of Cleaner Production, 2017, 140: 1136-1147. DOI:10.1016/j.jclepro.2016.10.051 |
| [30] |
郭朝先. 中国二氧化碳排放增长因素分析——基于SDA分解技术[J]. 中国工业经济, 2010(12): 47-56. Guo C X. An analysis of the increase of CO2 emission in China——based on SDA technique[J]. China Industrial Economics, 2010(12): 47-56. DOI:10.19581/j.cnki.ciejournal.2010.12.005 |
| [31] |
张标, 刘秀丽. 我国用水量变动影响因素的结构分解分析[J]. 管理评论, 2015, 27(5): 3-8, 18. Zhang B, Liu X L. Structural decomposition analysis of impacting factors of China's water consumption changes[J]. Management Review, 2015, 27(5): 3-8, 18. |
| [32] |
杨中文, 许新宜, 王红瑞, 等. 用水变化动态结构分解分析模型研究Ⅰ: 建模[J]. 水利学报, 2015, 46(6): 658-667. Yang Z W, Xu X Y, Wang H R, et al. Dynamic structural decomposition analysis model of water use evolution Ⅰ: modeling[J]. Journal of Hydraulic Engineering, 2015, 46(6): 658-667. |
| [33] |
杨中文, 许新宜, 陈午, 等. 用水变化动态结构分解分析模型研究Ⅱ: 应用[J]. 水利学报, 2015, 46(7): 802-810. Yang Z W, Xu X Y, Chen W, et al. Dynamic structural decomposition analysis model of water use evolution Ⅱ: application[J]. Journal of Hydraulic Engineering, 2015, 46(7): 802-810. |
| [34] |
陈秀莲, 郭家琦. 中国虚拟水贸易的测度、评价与影响因素的实证分析——基于投入产出公式和SDA分解模型[J]. 现代财经(天津财经大学学报), 2017, 37(1): 101-113. Chen X L, Guo J Q. Empirical analysis on the measurement, evaluation and influencing factors of virtual water trade in China——base on the input-output formula and SDA model[J]. Modern Finance and Economics -Journal of Tianjin University of Finance and Economics, 2017, 37(1): 101-113. |
| [35] | Cazcarro I, Duarte R, Sánchez-Chóliz J. Economic growth and the evolution of water consumption in Spain: a structural decomposition analysis[J]. Ecological Economics, 2013, 96: 51-61. DOI:10.1016/j.ecolecon.2013.09.010 |
| [36] |
李玮, 刘家宏, 贾仰文, 等. 社会水循环演变的经济驱动因素归因分析[J]. 中国水利水电科学研究院学报, 2016, 14(5): 356-361. Li W, Liu J H, Jia Y W, et al. Attribution analysis of economic driving factors of social water cycle evolution[J]. Journal of China Institute of Water Resources and Hydropower Research, 2016, 14(5): 356-361. |
| [37] |
高超. 中国生产用水量时空差异的影响因素研究[D]. 长沙: 湖南大学, 2018. Gao C. Study on the factors influencing the spatial and temporal variations of production water use in China[D]. Changsha: Hunan University, 2018. |
| [38] |
王喜峰, 沈大军, 李玮. 水资源利用与经济增长脱钩机制、模型及应用研究[J]. 中国人口·资源与环境, 2019, 29(11): 139-147. Wang X F, Shen D J, Li W. Research on the mechanism, model and application of decoupling between water resources utilization and economic growth[J]. China Population Resources and Environment, 2019, 29(11): 139-147. |
| [39] |
王浩, 王建华. 中国水资源与可持续发展[J]. 中国科学院院刊, 2012, 27(3): 352-358, 331. Wang H, Wang J H. Sustainable utilization of China's water resources[J]. Bulletin of Chinese Academy of Sciences, 2012, 27(3): 352-358, 331. |
| [40] | Vaccara B N, Simon N W. Factors affecting the postwar industrial composition of real product[A]. In: Kendrick J W (Ed.). The Industrial Composition of Income and Product[M]. Cambridge: NBER, 1968. |
| [41] | 廖明球. 投入产出及其扩展分析[M]. 北京: 首都经济贸易大学出版社, 2009. |
| [42] | 国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2003-2021. |
| [43] | 国家统计局. 中国环境统计年鉴[M]. 北京: 中国统计出版社, 2003-2016. |
| [44] | 中华人民共和国水利部. 中国水资源公报[R]. 北京: 中华人民共和国水利部, 2002-2020. |
| [45] | 国家统计局国民经济核算司. 中国投入产出表[M]. 北京: 中国统计出版社, 2002-2020. |
| [46] |
安蕾. 中国1987-2017年度间动态投入产出表的编制及应用[D]. 昆明: 云南财经大学, 2020. An L. Research on the construction and application of the China 1987~2017 inter-year dynamic input-output table[D]. Kunming: Yunnan University of Finance and Economics, 2020. |