中国水资源-能源-粮食耦合系统安全评价及空间关联分析

2018-10-08孙才志阎晓东

水资源保护 2018年5期

孙才志，阎晓东

(1.辽宁师范大学城市与环境学院，辽宁大连 116029；2.辽宁师范大学海洋经济与可持续发展研究中心，辽宁大连 116029)

2011年《全球风险报告》中第一次提出了“水资源-能源-粮食风险群”的概念，该风险与“宏观经济失衡”“非法经济”成为当今备受关注的三大重点风险[1]。近年来，最突出的非传统安全问题就是水资源-能源-粮食安全。中国的耕地资源不足世界的10%，而每年的粮食消费量占世界消费总量的20%，是世界粮食贸易的2倍左右[2]；2015年，中国原油、液化石油气等产品进口量高达3.443亿t，同比增长了7.4%，而石油产品的消费量同比增长4.8%，达到5.420亿t，石油净进口量占消费比例也提高到2015年的63.5%[3]，为历史新高；2013年3月调查数据显示，过去60年，全国有23 000条河流已经干涸。2016年，全国耗水总量高达3 192.9亿m3，而人均水资源占有量仅为世界平均水平的1/4左右[4]，水资源的短缺严重影响了经济和社会的健康发展。因此，开展全国的水资源-能源-粮食耦合(water-energy-food Neuxs, W-E-F Neuxs)研究对促进资源可持续发展具有非常重要的现实意义。

目前关于水资源安全[5-6]、能源安全[7-8]和粮食安全[9-10]已有了大量的研究成果，但是多集中于单一资源，而割裂了水资源、能源和粮食之间的联系，现有关于多资源耦合系统安全性研究并不多见，特别是关于W-E-F Neuxs系统研究更是寥寥无几，而对于W-E-F Neuxs系统的研究都是以个别省份作为研究对象[1,11]，然而中国地区间差异较大，因此有必要从空间视角对差异格局进行测度与分析。国外学者在W-E-F Neuxs系统方面的研究工作较为丰富，特别是在2011年的波恩会议[12]和联合国粮农组织会议[13]上，更是提出了关于W-E-F Neuxs和气候变化之间的联系，并引入经济社会发展等社会属性，丰富了W-E-F Neuxs的研究思路。

本文在传统安全评价方法基础上，利用Logistic曲线考虑2001—2015年中国各省的水资源、能源和粮食安全模型测度并引入耦合协调度模型[14-16]对各省的耦合安全性进行量化分析，运用莫兰指数进行空间自相关检验，旨在为中国各省的水、能源、粮食持续稳定协调发展提供借鉴。

1 指标体系构建与数据来源

1.1 指标体系的构建

对水资源安全、能源安全和粮食安全做出评价是一个非常复杂而又庞大的命题。由于数据获取的限制，很难实现客观而又准确的评价。评价指标的选取和指标体系结构的把握非常重要，要从国情出发，做到科学性、系统性、全面性、真实性兼备。笔者根据水资源安全、能源安全和粮食安全的科学内涵，参考相关的水资源安全评价文献[17-18]、能源安全评价文献[19-20]、粮食安全评价文献[21-22]，并咨询关于水资源、能源和粮食安全领域的专家，构建了中国水资源、能源、粮食安全综合评价指标体系(表1)。

1.2 数据来源与说明

本文的研究对象为中国30个省、市、自治区(不含西藏、香港、澳门和台湾，以下简称“中国30省”)2001—2015年W-E-F Neuxs安全状况，所使用的数据均来自于2002—2016年的《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国农村统计年鉴》。部分缺失的数据由临近年份的拟合值或临近省份的近似值替代。

2 研究方法

2.1 逻辑斯蒂(Logistic)曲线模型

Logistic曲线最早是1837年由德国数学生物学家PF Verhust提出的，描述的是事物增长趋势，其增长速度刚开始较快，然后较慢，当达到极限后，增速停止。Logistic曲线广泛应用于生物学、医学、经济学和管理学[23]及资源环境领域[24-26]，因为水资源安全、能源安全和粮食安全测试值并不是线性地反映出整体社会安全中各个方面和层次状态的水平，所以用式(1)计算中国30省的水资源安全指数、能源安全指数和粮食安全指数。

表1 区域水资源安全、能源安全和粮食安全复合系统综合评价指标体系

进行单因子评价，Logistic曲线如图1所示。

图1 Logistic曲线

Logistic曲线函数表达式：

(1)

式中：Pi为第i项指标的安全评价值；xi为第i项指标测度值；a、b均为常数。

水资源、能源和粮食安全指数综合评价值P为

(2)

采用变异系数法确定各指标的权重Wi：

(3)

其中

式中σi、

、Vi分别为第i项指标的标准差、平均值和变异系数。

2.2 耦合协调度模型

“协调”是指两个或两个以上子系统相互配合、协调发展、良性循环的关系。根据中国各省的实际情况，基于杨士弘对协调发展度模型的研究，建立n个子系统评价模型[27]如下：

(4)

式中：C为耦合度；n为子系统个数，且n≥2；f1(x)、f2(x)、…、fn(x)分别为n个子系统综合评价值。耦合度的大小由fi(x)的大小决定。由于fi(x)∈[0,1]，因此C∈[0,1]。当C=0时，说明系统的耦合度最小，系统之间处于无关状态；当C=1时，说明系统的耦合度最大，系统之间达到良性耦合状态。

但是，耦合度的值只能代表各子系统之间的一种强弱关系，却不能反映出协调发展水平的高低，所以，本文引入耦合协调度模型[2]，以便分析求解几个系统的耦合协调发展的程度：

(5)

其中T=α1f1(x)+α2f2(x)+…+αnfn(x)

式中：D为耦合安全系数；T为子系统综合评价指数；α1、α2、…、αn为待定系数。

2.3 全局莫兰指数和局部莫兰指数

全局莫兰指数I是表征研究区域空间自相关性的一个常用且有效的指标[29]，其计算公式为

(6)

其中

式中：I为全局莫兰指数；n为观察值的数目；xi为在位置i的观察值；zi是xi的标准化变换。根据假定的空间数据分布可以计算全局莫兰指数的期望值和期望方差。

全局莫兰指数的取值范围为[-1,0)、0和(0,1]，其代表的含义分别为空间负相关、空间不相关和空间正相关。相比于全局莫兰指数，局部莫兰指数Ii用来验证研究对象是否存在异值集聚现象[29]，其计算公式为

(7)

若计算所得的局部莫兰指数为正，说明同类型的属性值(高高集聚或低低集聚)相邻近；若局部莫兰指数为负，说明不同类型的属性值(高低集聚或低高集聚)相邻近。指数值的绝对值越大，说明邻近效果越明显。本文用Z统计量来检验局部莫兰指数的显著性。

表2 中国30省水资源、能源和粮食安全指数测度结果

本文运用全局莫兰指数，对中国30省W-E-F Neuxs耦合安全系数的空间关联程度进行描述，运用局部莫兰指数对W-E-F Neuxs耦合安全系数的空间聚集特征进行描述，以便发现其内在联系与发展规律。

3 结果及分析

3.1 水、粮食、能源安全指数测度

3.1.1 Logistic曲线模型数据处理

本文采用待定系数法确定Logistic指数公式中的参数a和b：当xi=0.01时，Pi的值近似取0.001；当xi=0.99时，Pi的值近似取0.999，由待定系数法确定a和b的值分别为4.595和9.19，所以得到的Logistic曲线公式为

(8)

由于各指标的单位不同，所以要对原始指标数据进行无量纲化处理，对指标值越大越有利和越小越有利的原始指标数据分别按式(9)和(10)作无量纲化处理：

xi=(Xi-Xmin)/(Xmax-Xmin)

(9)

xi=(Xmax-Xi)/(Xmax-Xmin)

(10)

式中：xi为原始指标数据进行无量纲化处理后的指标值；Xi为样本各指标的实际值；Xmax、Xmin分别为样本的最大值、最小值。

将表1中各指标无量纲化处理后的数据代入式(8)和式(2)，计算得到30个省3个系统的安全评价得分，表2列出了2001年、2005年、2008年、2011年和2015年3个系统的安全指数。

3.1.2 基于耦合协调度的整体安全测度

由于本文度量的是水资源安全、能源安全和粮食安全的整体耦合状况，所以取n=3。随着时间的推移，面对着日益减少的资源，在不能影响经济增长和破坏环境的条件下，确保三方面协调发展，所以取α1=α2=α3=1/3，计算所得的耦合安全系数见表3。

表3 中国30省W-E-F Neuxs系统耦合安全系数

注：*表示极度耦合；**表示高度耦合；***表示中度耦合；****表示低度耦合。

根据计算得到的耦合安全系数的值，将其划分以下4个区间[30]：当00.8时，系统处于极度耦合状态。

为了更加全面直观地反映耦合发展程度，对表1中30个省的耦合安全系数组合分类。由于数据太多，不能直观反映变化趋势，选取2001年、2008年和2015年的数据进行分析，30省在这3个年份中出现了低度耦合、中度耦合、高度耦合和极度耦合4种耦合类型。①3个年份属于低度耦合的省份数分别为4、2和0个，属于中度耦合省份数分别为15、12和8个，属于高度耦合的省份数分别为11、16和21个，属于极度耦合的省份数分别为0、0和1个。②低度耦合和中度耦合的省份逐年减少，高度耦合呈逐年增加的趋势，而极度耦合相对低度、中度和高度耦合出现的次数较少，这表明随着时间的推移，人们越来越重视水资源-能源-粮食安全协调发展的问题，耦合安全性越来越高。③多数省份的耦合安全系数随着时间的推移逐渐变大，说明在出现水资源短缺、能源衰竭、耕地面积少等现象的同时，政府也正在着手解决此问题,如提高水资源效率，寻找替代能源，提高粮食单产等。部分省份如北京、天津、上海等地，虽然人口增长速率过快，但是经过一些相关政策的实施，虽然面对诸多的压力，耦合安全性并没有下降，如山东、河北、河南和陕西等几个资源大省，虽然自身的产量很大，但是供需严重不平衡，导致的直接现象就是耦合安全系数下降或者是增减交替。

3.2 W-E-F Neuxs系统安全性的空间格局分析

运用Geoda软件和matlab方法对中国30省2001—2015年W-E-F Neuxs系统安全程度进行全局空间相关性分析，表4给出了2001—2015年的3个指标层耦合安全系数的全局自相关莫兰指数的值。

表4 中国30省三大安全耦合安全系数全局自相关莫兰指数

由表4可以看出，中国30省的水资源、能源和粮食的耦合安全性在5%显著水平下，具有显著的集聚现象。这说明了中国30省的水资源、能源和粮食的耦合安全性在空间分布上具有明显的正相关关系，中国30省的水资源、能源和粮食耦合安全系数在空间分布上出现了集聚现象，较高的耦合安全系数地区相邻，较低的耦合安全系数地区相邻。因此，在进行中国30省水资源、能源和粮食耦合安全性研究中，要从客观的角度分析空间上的差异，不能忽视它，运用空间计量模型对中国各地区水资源、能源和粮食耦合安全的研究成为必然。

下面通过局部莫兰指数研究中国30省水资源、能源和粮食耦合协调性是否存在局部集聚现象。图2为2001年、2005年、2008年、2011年和2015年中国30省耦合安全系数的Lisa集聚地图。

由图2可以看出，高高集聚区主要集中在东部地区；低低集聚地区主要在西部和中部地区，由于经济发展缓慢，虽然地大物博，但是获取效率低；低高集聚区和高低集聚区介于高高集聚区和低低集聚区之间，这些省市地区相对于高高集聚和低低集聚地区出现的次数较少。