基于IPAT-LMDI的中国水足迹变化驱动力分析

奚 旭,孙才志,赵良仕

(辽宁师范大学城市与环境学院,辽宁 大连 116029)

水是生命之源,也是人类社会经济发展所必需的战略资源。近年来,伴随社会经济的快速发展,水资源供需矛盾日益突出,影响到生态环境、粮食、水资源乃至社会安全,对水资源进行合理配置和科学管理成为可持续发展的重要环节。Hoekstra[1]于2002年首次提出水足迹概念,它是指在一定物质生活标准下,生产一定人群(个体、城市或国家)消费的产品和服务所需要的水资源数量,由于水足迹包含了所消费产品或服务中的虚拟水量以及直接消费的实体水量,因而能够衡量人们对水资源的真实占有情况,并且水足迹揭示了人类生产生活消费与水资源利用之间的联系,为人们对水资源的科学管理进行了开拓创新[2]。

自水足迹概念提出以来,其研究方向与方法不断得到丰富,目前国外研究主要集中在全球视角下对水足迹或某特定产品水足迹核算以及基于水足迹理论的水资源安全评价,如Mekonnen等[3]依次完成了对全球主要粮食和衍生品的水足迹核算以及全球畜产品的水足迹核算[4];Ercin等[5]对全球棉花消费的水足迹进行了研究;Feng等[6]对一种含糖碳酸饮料中的水足迹进行了研究;此外,Hoekstra等[7]最先完成全球范围内对水足迹的核算,并在此基础上对全球水资源安全问题进行分析与预测[8-9]。我国学者开展水足迹研究主要集中在国家或省市一级的水足迹核算与分析,如蔡振华等[10]和黄晶等[11]分别对甘肃省和北京市的水足迹进行了测算;龙爱华等[12]对2000年中国水足迹进行了测算并进行影响因素分析,但没有把水污染足迹考虑在内,且只考虑了一年的影响因素;孙才志等[13-14]完成了对中国1997—2010年水足迹的测算,并对水足迹的空间格局和演变进行了分析,但没有对引起变化的人文因素进行分析。

鉴于此,笔者在补充修正中国各省市水足迹的基础上,运用IPAT模型将影响中国水足迹变化的人文因素进行分解，并运用LMDI分解法对各因素的贡献率进行定量计算。IPAT模型被广泛用于测度人文因素对环境影响程度的研究,而水足迹作为区域水资源评价的一个重要指标,与环境Kuznets曲线具有共性:一方面伴随人口数量的增加以及社会经济的发展,区域水足迹呈现出不断上涨趋势,而经济发展到一定程度时,在人为干涉以及科技水平的提升下水足迹开始逐步下降,变化态势呈“倒U”型。变化过程中人为因子起到决定性作用,因此可利用IPAT模型对引起水足迹变化的人文驱动因素进行分解。

1 研究方法与数据来源

1.1 IPAT模型

IPAT恒等式是由美国著名人口学家Ehrlich等[15]提出的,其经典模式为

I=PAT

(1)

式中：I为环境指标,如废物排放量、资源或能源消耗等;P为常用人口数量;A为富裕程度，一般用人均GDP表示,即A=GDP/P;T为技术,用单位GDP产生的环境指标表示,即T=I/GDP。

该模型主要用于测度人文因素对环境指标的影响程度。本次研究将该模型用于水足迹领域进行人口、富裕与技术三方面的因式分解可得:

(2)

1.2 LMDI分解法

LMDI分解法最初是由Ang等[16-17]提出的,它是一种不产生残差的分解分析方法,能够有效解决分解过程中的剩余问题和数据汇总的零值与负值问题,最开始主要用于能源强度的变化分析,目前作为一种常用分解方法被广泛应用于各个领域。

根据LMDI分解法,基期和第t年的水足迹数量可分别表示为W0和Wt,则从基期到t年的水足迹的变化值称为ΔW,结合式(1)对影响水足迹变化量的3个因素进行分解:

ΔW=Wt-W0=Peff+Aeff+Teff

(3)

(4)

式中：Peff，Aeff和Teff分别为人口、富裕度和技术效应的贡献率,若各影响因素为正值,则表示人口数量、富裕程度和技术水平的变化促进了水足迹数量的增加,为增量效应,反之,称为减量效应。

1.3 数据来源

本文以中国31个省市自治区为研究区(不包括台湾、香港、澳门),选取1997—2011年的相关指标数据进行计算分析,数据来源于《中国统计年鉴》、《各省统计年鉴》、《中国水资源公报》、《各省市水资源公报》、《中国环境年鉴》等,其中国内外农畜产品虚拟水含量数据来自参考文献[13-14,18-19]。

2 水足迹的核算

2.1 中国各省市水足迹计算

本文在文献[14,20]中的水足迹计算基础上,进行补充和修正,补充水足迹数据至2011年,修正1997—2002年缺失的生态水足迹数据,限于篇幅,本文将1997—2011年各省市的多年平均水足迹列于表1中。由表1可得,中国1997—2011的多年平均水足迹数量为20 174.05亿m3/a,水足迹构成中农畜产品的水足迹所占比例最大,占84.9%,生态水足迹所占比例最小,仅为0.38%,其中平均水足迹最高的地区是山东省,达到1 815.108 6亿m3/a,最低的是西藏,仅为41.374 0亿m3/a。

表1 中国各地区1997—2010年平均水足迹 亿m3/a

2.2 中国各省市水足迹强度统计

水足迹强度是由水足迹总量除以国内生产总值(GDP)得到,它是一个反应水资源利用效率的指标,水足迹强度越大,说明创造单位GDP所耗水量越多。参照文献[14],本文GDP是以1990年为基期计算转换而来。从图1(限于篇幅,分别从中国华北、华南、华东、华中、东北、西北、西南各选一个省市表示)中可以看出,各省市水足迹强度从1997—2011年呈现不断下降趋势,说明伴随技术水平的提升,中国水资源利用效率在不断提高。

图1 1997—2011年中国水足迹强度变化

表3 中国各省市水足迹变化的各影响因素年均贡献率 %

3 模型结果与分析

通过IPAT模型进行因式分解之后,将各影响因素从1997—2011年的数据代入LMDI分解公式,可得3个影响因素的逐年贡献率(表2)以及各省市各个影响因素的多年平均贡献率(表3)。

3.1 中国水足迹变化的驱动机理分析

由表2可得,促进中国水足迹变化的最主要因素是富裕程度,1997—2011年的平均贡献率达到415.806%,为正向驱动;技术效应的影响程度较富裕程度稍小,年均贡献率达到-346.634%,为负向驱动,是制约中国水足迹增长的主要因素;人口数量对水足迹的影响程度较富裕程度和技术效应小很多,年均贡献率为30.806%,为正向驱动。富裕程度的驱动效应与技术效应一般呈现出对立状态。

表2 中国1997—2011年水足迹变化的各影响因素分解及统计量 %

3种影响因素共同作用驱使水足迹数量发生变化,并且多种效应的相对变化使叠加后的结果呈现出一定程度的波动性。从统计数据可得,富裕程度是水足迹增长的基础和条件,富裕程度的提升即经济增长是提升人们生活水平的直接原因,除了产品产量提升,还包括服务业水足迹的提升。人口因素对中国水足迹的影响程度较小,我国是人口大国,并且数量持续增长,呈现老龄化状态,在经济水平同步增长的情况下,人口数量的影响程度显得比较小。技术效应为双向驱动力,在不同时期对水足迹变化起到不同的性质影响。一方面伴随现代化进展,技术水平的不断提高,促进了各产品的产量,人们物质生活得到丰富,从而刺激消费水平,间接促使了水足迹的增长;另一方面,伴随技术水平的提升,水资源利用效率越来越高,单位产品产量的耗水量得到缩减,当产品产量达到一定程度时,技术效应对水足迹变化的影响性质为负向驱动。从本次统计结果看,当前技术效应对中国水足迹变化呈现出减量效应,即技术水平的提升在研究期内使水足迹数量得以减少。

计算各影响因素的标准差,除以均值,可得人口数量、富裕程度和技术效应的变异系数分别为3.398，1.947和-2.575。富裕程度的变异系数绝对值最小,说明富裕程度对中国水足迹变化的影响比较稳定,可见伴随人均GDP的持续增长,人们生活水平的提高刺激了消费,对水足迹具有持续拉动作用;人口数量的贡献率变异系数的绝对值最大,说明人口数量对水足迹的影响存在较大波动,但人口数量对水足迹的影响程度相较富裕程度和技术效应的贡献率低很多,由表2可以看出，虽然人口数量贡献率变异系数的绝对值最大，但其逐年贡献率趋势依旧比较平稳,这与大部分发达国家人口密度较中国要少，但人均水足迹量要大于中国的形势是一样的;技术效应的变异系数绝对值介于两者之间,说明技术效应具有反复性,这与伴随水资源利用效率的不断提升,水足迹数量先提升后下降的趋势相吻合。

3.2 中国各省市水足迹变化的差异分析

人类活动对水足迹的影响十分复杂,不同地区经济活动相差比较大,由此造成水足迹变化的各驱动因素贡献率不同,如各地区人口数量和经济收入不同,因而影响物质消费量不同;受宗教信仰和消费习惯影响具有不同的消费模式;受气候、技术水平和生产实践影响的水土资源生产能力[12]不同等。因此,了解每个因素对水足迹影响程度的大小对于制定水资源利用对策是十分必要的。

从表3中可以看出,上海、浙江和广东这3个地区人口数量的影响程度要明显高于其他地区,这3个省市均为全国经济最发达的地区,且人口密度比较大,外来人口较多,持续的人口增加造成这些地区的水资源压力日益增大,需在发展经济的基础上控制人口增长;人口因素对水资源影响程度最小的2个省份是内蒙古和黑龙江,仅为-0.4%和0.4%,这2个省份面积居全国前列,但人口密度均非常小,因此小规模的人口数量对水足迹的影响相对其他因素要小得多。

浙江、广东、广西、宁夏、江西和陕西等地的富裕程度的影响作用要明显大于其他省市,其中陕西省的富裕程度为负向驱动,同时这些地区技术效应的影响程度也要远高于其他地区。这几个省市中,浙江和广东是经济强省,同时也是人口压力最大的2个省市,可见这2个省份的经济增长或水足迹消费离不开庞大的人口基数,片面追求经济的发展导致水资源压力增大,因此技术效应是这2个省份水足迹影响的首要因素,迫切需要在控制人口的基础上进行技术改革,提升水资源利用效率和水土资源生产能力;而其他几个省市经济在全国排名相对落后,人均GDP比较低,经济发展刺激消费是促进当地水足迹增长的首要因素,这与地理位置、土壤条件以及气候条件造成这些地区生产力低下有关,因此需要通过科学技术来提高单位面积土地的粮食产量,在可持续发展基础上大力发展经济。

4 结 论

水足迹揭示了人类生产生活消费与水资源利用和管理之间的关系,本文通过IPAT模型对影响水足迹变化的人文因素进行分解，并通过LMDI分解方法对各因素进行测度,得出以下结论:

a. 中国1997—2011年的水足迹变化影响因素中富裕度是最主要的正向驱动因子,富裕度的提升是刺激水足迹增长的基本条件;技术效应的影响作用略小于富裕度,且一般与富裕度为对立关系,技术效应主要表现在水资源利用效率的提升或水土资源单位面积产量的提升,能够有效降低水足迹数量;人口对水足迹变化的影响相对比较小,一般为正向驱动。

b. 上海、浙江和广东的人口影响因素要远高于其他省份,面临较大人口密度带来的水资源压力;浙江和广东等经济强省,技术效应对水足迹的影响程度要大于其他省市,在人口压力不断增加的情况下需通过技术改革改变生产模式;广西、宁夏、江西和陕西等经济发展相对落后的地区,富裕程度是影响水足迹变化的最主要因素,需在可持续发展基础上大力发展经济。

c. 减轻水资源系统的压力可从控制人口、改变片面追求经济增长速度、调整经济结构和提升水资源效率(包括改善水资源管理制度和提升水土资源单位面积产量等)等方面入手。本次研究将水足迹的影响因素分为人口、富裕和技术三大要素,而各个要素可以分解成许多细节要素,细分化研究有助于了解消费模式、产业结构、气候因素和土地生产力等对水足迹的具体影响,能够更深层次地挖掘水足迹的科学意义,也是未来的研究探讨方向。

参考文献：

[1] HOEKSTRA A Y.Virtual water trade:an introduction[C]//HOEKSTRA A Y,Virtual water trade proceedings of the international expert meeting on virtual water trade.Delft:UNESCO-IHE,2003.

[2] 程国栋.虚拟水：中国水资源安全战略的新思路[J].中国科学院院刊,2003(4):260-265.

[3] MEKONNEN M M,HOEKSTRA A Y.National water footprint accounts: the green,blue and grey water footprint of production and consumption[C]//HOEKSTRA A Y.Value of Water Research Report Series No.50.Delft:.UNESCO-IHE,2011.

[4] MEKONNEN M M,HOEKSTRA A Y.A global assessment of the water footprint of farm animal products[J].Ecosystems,2012,15(3): 401-415.

[5] ERCIN A E,ALDAYA M M,HOEKSTRA A Y.Corporate water footprint accounting and impact assessment: the case of the water footprint of a sugar-containing carbonated beverage[J].Water Resources Management,2011,25(2): 721-741.

[6] FENG K S,SIU L Y,GUAN D B,et al.Assessing regional virtual water flows and water footprints in the Yellow River Basin,China: a consumption based approach[J].Applied Geography,2012,32(2):691-701.

[7] 马晶,彭建.水足迹研究进展[J].生态学报,2013,33(18):5458-5466.

[8] HOEKSTRA A Y,MEKONNEN M M,CHAPAGAIN A K,et al.Global monthly water scarcity: blue water footprints versus blue water availability[J].Plos ONE,2012,7(2): 632-688.

[9] ERCIN A E,HOEKSTRA A Y.Water footprint scenarios for 2050: a global analysis and case study for europe[C]//HOEKSTRA A Y,Value of Water Research Report Series No.59.Delft: UNESCO-IHE,2012.

[10] 蔡振华,沈来新,刘俊国,等.基于投入产出方法的甘肃省水足迹及虚拟水贸易研究[J].生态学报,2012,32(20): 6481-6488.

[11] 黄晶,宋振伟,陈阜.北京市水足迹及农业用水结构变化特征[J].生态学报,2010,30(23):6546-6554.

[12] 龙爱华,徐中民,王新华,等.人口、富裕及技术对2000年中国水足迹的影响[J].生态学报,2006,26(10):3358-3365.

[13] 孙才志,刘玉玉,陈丽新,等.基于基尼系数和锡尔指数的中国水足迹强度时空差异变化格局[J].生态学报,2010,30(5):1312-1321.

[14] 孙才志,陈栓,赵良仕.基于ESDA的中国省际水足迹强度的空间关联格局分析[J].自然资源学报,2013,28(4): 571-582.

[15] EHRLICH P R,HOLDRENS J P.The impact of population growth [J].Science,1971,171: 1212-1217.

[16] ANG B W,Decomposition analysis for policy making in energy: which is the preferred method[J].Energy Policy,2004,32: 1131-1139.

[17] ANG B W,LIU N.Energy decomposition analysis: IEA model versus other methods [J].Energy policy,2007,35:1426-1432.

[18] 马静,汪党献,HOEKSTRA A Y,等.虚拟水贸易在我国粮食安全问题中的应用[J].水科学进展,2006,17(1):102-107.

[19] 王新华,徐中民,李应海.甘肃2003年的水足迹评价[J].自然资源学报,2005,20(6):909-915.

[20] 孙才志,赵良仕.环境规制下的中国水资源利用环境技术效率测度及空间关联特征分析[J].经济地理,2013,33(2): 26-32.