雅鲁藏布江—布拉马普特拉河流域GDP数据空间化估算与分析

周秋文+杨胜天+蔡明勇

摘要：雅鲁藏布江-布拉马普特拉河是重要的国际河流，掌握该流域GDP数据空间分布状况及其变化信息，有助于制定合理的国际河流管理政策，维护区域稳定和发展。传统的GDP数据以行政区为统计单元，不便于国际河流相关信息的统计分析。以土地利用数据为基础，实现了雅江流域GDP数据空间化估算。结果表明，印度、孟加拉国在GDP总量方面均有一定优势，不丹和藏南的总量相对较小，但是增速最快，所有区域中第二产业所占比重均不大，说明全流域整体工业发展水平不高，而藏南主要经济来源是农业，其它产业比重较小。

关键词：国际河流；GDP；空间化；雅鲁藏布江

中图分类号：TP79 文献标识码：A 文章编号：1672-1683（2017）05-0176-07

国内生产总值（GDP）能够全面反映全社会经济活动的总规模，是评价经济形势的重要综合指标，也是体现社会经济发展程度的重要指标之一。雅鲁藏布江-布拉马普特拉河（以下简称雅江）是我国的重要国际河流，流域涉及中国、印度、孟加拉国、不丹。该流域的安全对南亚地区稳定及流域相关国家关系协调发展都有重要影响。掌握雅江流域GDP空间分布状况及其变化信息，有助于国际河流相关各方制定合理的国际河流管理政策，维护区域稳定和发展。

雅江流域涉及多个国家，不仅难以获取境外GDP数据，且各国空间统计单元不一致，能获取到的数据通常是以一级行政区（省、邦）为单元。现有的经济统计数据不仅空间分辨率较粗，且行政单元边界与流域边界不一致，导致无法通过统计数据确切了解流域经济状况。因此，仅依靠现有的GDP统计数据，难以得到雅江流域的GDP总量数据、分区数据及其空间分布特征，这极大地阻碍了雅江流域社会经济状况分析工作。

Goodchild等认为社会经济数据的空间单元从点到连续面的转变，是未来的趋势。与行政区为单元的GDP统计数据相比，空间化后的GDP数据具有以下几点优势：（1）网格化的GDP空间数据能够反映统计区域内部的GDP水平差异，更能反映其区域空间分布特征；（2）具有空间信息的GDP公里格网的密度值在空间分析中具有更多的应用价值；（3）GDP公里格网的数值不受行政区域变更的影响，有利于长期的持续研究。

目前，对国际河流的研究虽然较多，但多以理论分析为主。对雅江流域的研究，多是针对雅江流域水资源安全的分析，对流域经济状况分析较少。因此，本文通过国内、国外多种数据渠道获取GDP统计数据，选择目前应用广泛、且适宜的GDP数据空间化方法，从而实现雅江流域GDP数据空间化估算。进而基于GDP数据空间化估算结果，分析雅江流域GDP空间分布及其变化特征。

1研究区概况

雅鲁藏布江发源于喜马拉雅山脉中段北麓的杰马央宗冰川，从藏南进入印度，在藏南巴昔卡附近与其他两河合流后始称布拉马普特拉河（印度境内），流经孟加拉国后称为贾木纳河，于瓜伦多卡德与恒河汇合，最后注入孟加拉湾，全长为2900 km（图1）。总流域面积约52万km²，中国境内33万km²（其中巴昔卡站控制流域面积约24万km²），印度境内面积12.6万km²，不丹全境面积4万km²均在雅江流域范围内，孟加拉国境内面积2.3万km²。雅鲁藏布江是世界海拔最高的大河，平均海拔约4 000 m以上，总落差达5 400 m，水能资源极为丰富。上游地区流域地貌类型为高原地貌，從进入西藏林芝地区开始逐渐过渡到高山峡谷地貌，从雅鲁藏布大拐弯到巴昔卡流出中国国境处，河床下降了2 200 m，平均每公里下降10 m左右；进入印度后，主要地貌类型为低山丘陵，孟加拉国境内为洪泛平原。在接近流域出口的巴哈杜拉巴德（Bahadura-bad）测站多年平均径流量为6 180亿m³，年输沙量为4.99亿t，流域内地下水蕴藏量为279亿m³。雅江流域气候多样，在喜马拉雅山脉以北，属于高原气候，寒冷而干燥；在喜马拉雅山脉以南，气候温暖湿润，受西南季风和孟加拉湾气旋的影响，是世界上降雨量最多的地区，年均降雨量为2 650 mm，60%～70%的降雨发生在雨季的6月-9月。

在喜马拉雅山脉以北地区，居民以藏人为主，从事畜牧业并耕耘河谷，灌溉用水取自该河及其支流。以林芝地区为例，2012年实现地区生产总值72 39亿元，其中，第一产业占10%，第二产业占36%，第三产业占54%；人口密度2.6人/km²。喜马拉雅山脉以南，人口密集，经济以农业为主。以印度阿萨姆邦为例，当地53%的劳动人口从事农业生产，根据2011年的人口普查报告，人口密度为397人/km²。

2研究方法与数据获取

2.1 GDP数据空间化方法选择

现有的GDP数据空间化方法根据其原理主要分为三种类型：面积一距离加权法、夜间灯光指数法、基于地表覆盖的空间化方法。面积-距离加权法优点是简单易用，但是实际上经济指标往往在空间上呈不均一分布，使得其结果与GDP实际空间分布状况不符，难以满足实际需要。夜间灯光指数法通过夜间灯光强度与GDP建立统计关系，其优点在于物理机制明显，计算得到的结果通常也较为合理；缺点在于，城市以外的地区由于夜间灯光强度较弱，GDP的空间估算精度不高。基于地表覆盖的GDP数据空间化方法其原理在于，通过建立土地利用类型与GDP分布的统计关系，实现GDP数据空间化。其优点在于，能体现GDP各大组成部分的空间分布特征，并且能反映GDP数据在不同时间的空间分布变化，是目前较为常用的GDP数据空间化方法。本研究区大部分属于夜间灯光较弱甚至无灯光的地区，且需要反映雅江流域逐年的GDP空间变化，因此采用基于地表覆盖的GDP数据空间化方法。

2.2基于地表覆盖的GDP数据空间化方法

国民经济由三大产业构成，相应地，GDP分三次产业估算的总体公式（1）：

式中：GDP为国内生产总值；GDP 1为第一产业增加值；GDP2为第二产业增加值；GDP3为第三产业增加值。

第一产业可以进一步细分为农、林、牧、渔四大行业，因此第一产业增加值空间化的基本公式如下：

式中：GDP11至GDP14分别为农、林、牧、渔四大行业增加值。

土地是各类国民经济活动的载体人类对土地资源的利用是GDP产生的基础。王建华和江东通过对GDP与土地利用之间的关系分析得出，三次产业增加值与土地利用要素（土地利用格局）存在一定的对应关系，并根据这种关系，得到了GDP-土地利用格局的关系矩阵（表1）。从GDP-土地利用格局的关系矩阵可以得出：第一产业内部四大行业增加值的产生与耕地、林地、草地、水体有紧密的对应关系。通过该关系矩阵，结合第一产业四大行业的增加值统计数据和土地利用数据，便可得到各行政区单位面积上的第一产业四大行业的增加值，然后将其分配到行政区内对应的耕地、林地、草地、水体等土地利用空间数据上，最终实现第一产业增加值数据空间化。第二产业和第三产业增加值由工业、商业、服务业产生，这些经济活动主要在居民地和城乡工矿用地开展，因此将第二产业和第三产业增加值与城乡工矿用地建立对应关系，实现GDP数据空間化。

2.3数据来源与处理

（1）经济统计数据。

西藏境内四个地区的GDP统计数据来源于西藏自治区统计年鉴。2011年开始可能由于统计口径变化，农业增加值显著下降。GDP统计数据采用当期价格，单位为万元，将单位统一转换为万美元。

除西孟加拉邦外，印度GDP统计数据来源于印度东北部数据库，原始数据中的三次产业和行业统计数据时间序列不全。缺失年份根据该年GDP乘以最近一年三次产业占各邦GDP的比例，得到三次产业和各行业的GDP。西孟加拉邦数据来源于印度统计年鉴，原始统计数据中只有各GDP总量，没有区分三次产业和各大行业，因此以全国GDP总量中各部分的比例，划分出西孟加拉邦三次产业和各具体行业的GDP数量。此外，由于印度全国统计年鉴和印度东北部数据库的分行业统计中，都没有单独列出畜牧业，因此本研究参考发展中国家的普遍水平，将农业中划分出20%作为畜牧业。原GDP统计数据采用当期价格，单位为印度卢比，按1印度卢比=0.017 38美元换算，将单位统一转换为万美元。不丹各年GDP数据来源于世界银行数据库，单位为万美元。GDP分行业比例数据来源于不丹统计年鉴，孟加拉国的GDP数据获取与处理也采用同样的方式。

（2）土地利用数据。

土地利用数据来源于M ODIS 500m分辨率土地利用产品（Land Cover data），数据选取时段为2001年-2012年。M ODIS土地覆盖类型产品包含五个数据集，对应五个分类方案，本研究中土地利用类型划分基于美国马里兰大学分类体系。并以实际需要为依据进行了相应的土地利用类型归并，最后将研究区土地利用类型划分为水域、耕地、林地、草地、城乡工矿用地、未利用地6类。本文中GDP数据空间化及相应的时空分析时间范围均为2001年-2012年。

3结果分析

3.1雅江流域GDP数据空间化结果验证

社会经济数据空间化结果验证是研究的难点，主要体现在，社会经济要素是一种场分布，它不同于一般位置固定的地理要素，如植被、土壤、土地利用等，场分布要素可以无限细分。因此，社会经济数据空间化分辨率确定十分重要，空间分辨率过高，不仅数据难以获取，而且应用必要性不大；但如果分辨率过低，又难以反映社会经济要素在空间上的实际分布情况。社会经济数据空间化就是要以最适合的空间尺度体现社会经济要素实际空间分布，使得空间化的模型既可行，结果又具有一定的实际意义。因此，很难对社会经济要素空间化模型进行充分性检验，一般只能进行必要性检。

雅江流域社会经济数据空间化结果验证分境内和境外两部分开展。受数据可获取性限制，境内部分选择流域涉及县的2008年统计GDP和第一产业、第二产业增加值数据进行验证。境外部分由于省级以下行政单元统计数据难以获取，因此选择数据相对完整的印度阿萨姆邦2010年区级GDP统计数据验证。

雅江流域GDP空间化数据的验证结果表明，境内部分2008年第一产业增加值统计和估算值的R²为0.76（图2），第二产业增加值统计和估算值的R²为0.74（图2），境外印度阿萨姆邦各区2010年统计与估算GDP的R²为0.68（图3）。相比而言，境内部分的验证精度略高，该规律与GDP数据空间化的验证结果大体一致。总体而言，估算结果在可接受的范围内。

3.2雅江流域第一产业增加值时空分布分析

雅江流域内第一产业增加值（多年平均）印度所占比重最大，占流域第一产业增加值的60%，其次为孟加拉国，占全流域的30%，境内（不含藏南，下同）占流域第一产业增加值的5%，藏南和不丹分别占2%和3%。雅江流域第一产业增加值密度最高的是孟加拉国，达到1.8万美元/km²，其次为印度，第一产业增加值密度最低的是境内，仅为0.15万美元/km²。从2001年到2012年，第一产业增加值增长最快的区域是藏南地区，12年间第一产业增加值增长了24 124万美元，年均增长率为23.2%，其次为印度，12年间第一产业增加值增长了635 963万美元，年均增长率为19.5%，第一产业增加值增长最慢的区域为中国境内，年均增长率为8%。从上述统计结果可得出，雅江流域第一产业增加值印度和孟加拉国最高，藏南虽然总量小，但是增长速度较快，境内第一产业增加值总量、密度和增长速度均较低。雅江流域第一产业增加值空间化结果见图4。

3.3雅江流域第二产业增加值时空分布分析

雅江流域内第二产业增加值（多年平均）印度所占比重最大，占流域第二产业增加值的47%，其次为孟加拉国，占全流域第二产业增加值的39%，境内占流域第二产业增加值的9%，藏南和不丹分别占1%和4%。雅江流域第二产业增加值密度最高的是孟加拉国，达到18.5万美元/km²，其次为印度，第二产业增加值密度最低的是藏南，第二产业增加值密度仅为0.13万美元，km²。从2001年到2012年，第二产业增加值增长最快的区域是境内，12年间第二产业增加值增长了262，219万美元，年均增长率为37.9%，其次为孟加拉国，8年间第二产业增加值增长了130，385万美元，年均增长率为27%，第二产业增加值增长最慢的区域为孟加拉国，年均增长率为8%。从上述统计结果可知，雅江流域第二产业增加值中，印度和孟加拉国在總量和密度方面都较高，境内第二产业增加值虽然总量较小，但是近年增长较快。雅江流域第二产业增加值空间化结果见图5。

3.4雅江流域第三产业增加值时空分布分析

雅江流域内印度第三产业增加值（多年平均）所占比重最大，达到全流域的一半以上，占流域第三产业增加值的58%，其次为孟加拉国，占全流域第三产业增加值的27%，境内占流域第三产业增加值的比重为12%，藏南和不丹分别占1%和2%。雅江流域第三产业增加值密度最高的是孟加拉国，达到18.6万美元/km²，其次为印度，第三产业增加值密度最低的是藏南，仅为0.16万美元/km²。从2001年到2012年，第三产业增加值增长最快的区域是不丹，12年间增长了39 717万美元，年均增长率为24%，其次为境内，12年间增长了229 123万美元，年均增长率为23.7%，第三产业增加值增长最慢的区域为孟加拉国，年均增长率为13.5%。从上述统计结果可得出，雅江流域第三产业增加值中，印度和孟加拉国在总量方面占优势，境内的总量也较大，不丹第三产业增加值虽然总量较小，但是近年发展较快，藏南无论在总量和速度方面都处于劣势。雅江流域第三产业增加值空间化结果见图6。

3.5雅江流域GDP时空分布分析

雅江流域内印度GDP（多年平均）所占比重最大，达到全流域的一半以上，占流域GDP的56%，其次为孟加拉国，占全流域GDP的31%，境内占流域GDP的比重为9%，藏南和不丹分别占1%和3%。雅江流域GDP密度最高的是孟加拉国，达到48万美元/km²，其次为印度，GDP密度最低的是藏南，仅为0.5万美元/km²。三次产业中，第三产业GDP所占比重最大的是境内，第二产业所占比重最大的是不丹，第一产业所占比重最大的是藏南（图7）。从2001年到2012年，GDP增长最快的区域是不丹，12年间GDP增长了130 207万美元，年均增长率为24%，其次为藏南，12年间GDP增长了44 644万美元，年均增长率为23.4%；GDP增速最慢的区域为孟加拉国，年均增长率为13.4%。雅江流域GDP空间化结果见图8。

4结论

研究表明，基于土地利用的GDP数据空间化方法适用于雅江流域，精度验证结果境内外的R²都在0.6以上，总体估算精度较好，境内精度略高。雅江流域2001年-2012年GDP数据空间化的结果表明，在雅江流域范围内，印度、孟加拉国在GDP总量方面均有一定优势，不丹和藏南的总量相对较小，但是增速最快；所有区域中第一产业所占比重最大，第二产业所占比重小，说明全流域整体工业发展水平不高。采用GDP数据空间化的方法，可以获得时空连续的GDP分布数据，克服了传统GDP数据以行政区为统计单元的问题。该方法为国际河流地区社会经济分析、水资源管理等领域提供有效的信息与技术支撑。