淮河生态经济带用水转移网络特征及影响因素分析

安 敏， 方 雪， 何伟军， 黄 进， 文法广， 童 星， 宋孟斐

(1.三峡大学 水库移民研究中心， 湖北 宜昌 443002； 2.三峡大学 经济与管理学院，湖北 宜昌 443002； 3.山东大学 数学学院， 山东 济南 250100)

1 研究背景

地区水资源供给与需求的突出矛盾已成为约束我国经济与社会可持续发展的主要障碍[1-3]。近年来，伴随我国区域和城乡一体化的进程加快，区域间水权交易的愈发频繁以及水污染边界的持续蔓延使得区域间水资源流动的空间联系程度愈发增强[4]，各地区之间呈现出较为复杂、多线程的空间用水关系[5]，仅针对单一行政区制定的政策已难以适应目前的水资源管理需求。在此背景下，从整体角度考察区域间水资源空间流动关系转移特征，梳理区域间复杂用水关系，科学鉴别用水网络中各地区所处的位置和所起的作用，进一步识别出影响区域用水网络形成的关键因素能够为有效缓解当前我国水资源分布不均难题提供重要参考。

目前，学者们已通过多种方法对不同尺度水资源空间转移格局及其影响因素进行了深入探讨。在水资源空间转移格局分析方面，已有研究主要应用了彭曼公式[6-7]、投入产出模型[8-9]、扩展LMDI(logarithmic mean Divisia index)脱钩模型[10-11]和探索性空间数据分析[12]对全国及区域层面的水资源空间转移情况进行测算和分析，这些方法为不同区域的水资源空间转移格局研究打开了新思路，也为水资源空间转移测算提供了可靠的理论支撑，但这些方法多是基于用水强度来反映区域间用水关联情况，难以考察由地区间复杂的用水联系导致的用水空间关联结构特征，所得出的结论过于片面。为克服这一缺陷，一些学者开始将网络分析方法引入到区域间用水关系分析中。如Zhang等[13]、Fang等[14]、阎晓东等[15]应用生态网络分析方法并以广东省、黑河流域以及中国省份层面为例，分析了城市系统中不同用水部门之间的相互控制关系，然而这种方法过分关注于个体属性的刻画及内部对象之间的作用关系，导致其难以有效揭示内部对象之间复杂的网络结构形态。为有效解决这一难题，部分学者将社会网络分析方法应用在水资源管理研究中。如孙才志等[16-17]、徐绪堪等[18]和孙克等[19]考察了中国30个省份之间的用水关系，发现部分地区的空间溢出效应有限，与其他省份之间不存在用水关系。秦腾等[20]研究发现安徽省内部城市间的用水网络结构稳定，且用水联系紧密。社会网络分析方法为揭示区域间用水关联结构提供了一个新的工具，目前学者们已将这种方法广泛运用于省份以及城市间用水关联关系的研究上，但从特定生态经济带角度切入的研究还非常少。

在探究水资源空间转移影响因素方面，现有文献大多采用了计量分析方法来探究水资源流动变化的影响因素。如曹雪锋[21]、张凡凡等[12]和Song等[22]学者通过建立面板模型研究了我国30个省份水资源的现状，发现国内生产总值、技术水平、产业结构和对外贸易情况是整体上影响我国水资源流动的关键因素。张标等[23]和孙思奥等[24]运用结构分解分析以及对数均值迪氏指数方法研究了中国和黄河流域用水量的变化趋势，发现人均GDP和用水强度是影响用水变化的主要因素。焦士兴等[25]和黄楚珩等[26]通过客观权重分析法考察了省份水资源体系，发现社会经济和城镇化率会对水资源利用效率产生极大影响。但这些研究在用水空间关联分析方面过于简化，可能会造成研究结果的偏误。

现有文献为本文的研究奠定了良好基础。但仍存在两方面的局限：一是现有研究对象主要为全国30个省份和某一省份内部的城市，对于特定经济区域的深入研究不够。以省份为研究单位可能会出现地区之间发展差异过大，且距离过远会导致部分地区难以与其他地区产生用水关系；而以某一省份内部的城市为研究单位，容易忽略城市在更大空间范围内的用水空间溢出效应，这两种结果都可能会导致对水资源重点管理区域的界定错误，无法对特定经济区水资源跨区域流动管理形成有效的政策建议。二是现有探究用水关系影响因素的研究都很少考虑用水关系的空间关联性，难以对地区用水关系的时空演变进行整理总结，导致所分析出的影响因素不够全面。

鉴于此，本文以淮河生态经济带为例，通过修正引力模型测算区域间城市用水联系强度，并构造用水空间关联网络矩阵，其次通过社会网络分析SNA(social network analysis)方法探讨淮河生态经济带区域间用水空间关联网络结构特征及各城市在网络中所处的位置和所起的作用，最后使用二次指派程序QAP(quadratic assignment procedure)方法探究影响构成淮河生态经济带用水空间关联网络的关键因素，刻画其用水空间关联网络结构的形成规律，并根据结论提出相应的水资源管理政策，为优化现有区域水资源协同治理方案提供参考建议。

2 数据来源与研究方法

2.1 研究区概况

淮河生态经济带是国家发改委在2018年《淮河生态经济带规划》中正式提出的我国第4个增长极发展策略[27]，其规划面积覆盖25个市及4个县，约24.3×104km2。2018年常住人口为1.94×108人，地区生产总值为7.84×1014元，分别占全国的14.0%和8.7%，水资源总量为1.03×1015m3，总用水量为5.62×1010m3，人均用水量为288.97 m3。

淮河生态经济带是一个水资源分布极不均衡的区域[28-29]，已有研究证明该区域城市间水资源使用情况具有空间溢出效应[30-31]，且经济发展、水资源禀赋等与该地区水环境之间有着紧密联系[32]。但是现有关于淮河生态经济带水资源的研究均未能揭示出该地区内部的用水关联情况，也未能揭示出影响用水关联的关键因素，所得出的结论过于片面，难以解决当下淮河生态经济带面临的严峻水资源问题。因此，为厘清淮河生态经济带内部用水关系，识别水资源重点管理区域，本文将深入探究淮河生态经济带用水转移网络特征及其演化影响因素，并提出针对性建议，对优化区域水资源协同治理方案具有很强的参考价值。

2.2 数据来源

数据来源于25个市及4个县所在市，共28个市的《统计年鉴》和《水资源公报》(2005-2018年)。通过百度地图(https：//map.baidu.com)得到各城市间推荐驾车路线所需时间以及各城市的弧度坐标，并运用两点距离公式计算城市间的线性距离。

2.3 研究方法

2.3.1 修正引力模型 本文参考已有研究，运用修正引力模型[18-19]来测算淮河生态经济带各城市间用水关联关系，计算公式如下：

(1)

(2)

(3)

式中：Fab为地区a与地区b的用水联系强度；Wa和Wb为地区a和地区b的用水总量，104m3；Ga和Gb为地区a和地区b的生产总值，104元；Pa和Pb为地区a和地区b的总人口，104人；dab为地区a和地区b的线性距离，km；tab为百度地图所推荐地区a和地区b最短驾车路线所需耗费的时间，h。

2.3.2 社会网络分析法 社会网络分析法(SNA)能够有效探讨网络成员之间、网络成员与其所在网络之间的联系以及网络成员间关系模式对网络中成员的影响，清晰地描述网络中各成员的角色和作用，目前已被广泛应用于区域间经济发展关系的研究[33]。本文将采用网络密度、网络关联度和中心度来描述淮河生态经济带区域间用水空间关联网络结构特征[34]；同时使用块模型对用水网络中各城市的角色进行分析[16]，最后借助SNA中的二次指派程序(QAP)探讨淮河生态经济带形成城市用水空间关联网络的影响因素[35]。

3 结果与分析

3.1 淮河生态经济带用水空间关联网络特征

3.1.1 整体网络特征分析 依据公式(1)～(3)的计算结果构建淮河生态经济带用水空间关系矩阵，并借助ArcGIS软件制作出研究期2005-2018年内4个年份淮河生态经济带的用水空间关联网络图，如图1所示。圆点为城市的位置，任意两个圆点间的连线表示这两个城市之间存在用水联系，箭头指向表示用水的流动方向。图1显示出淮河生态经济带在研究期4个年份的用水空间关联网络中没有任何孤立城市，每个市均有多条与其他市的联系线，表明淮河生态经济带各城市间用水存在普遍联系。

图1 2005-2018年内4个年份研究区的用水空间关联网络图

计算2005-2018年淮河生态经济带用水空间关联网络的密度及关联关系数，讨论淮河生态经济带用水空间关联的网络关联性，结果见图2。由图2可看出，网络密度和网络关联关系数整体均呈现出波动减小的演变趋势，网络密度从2005年的0.354减小至2018年的0.345，关联关系数也相应由268减小至261，说明城市间用水空间关联性小幅度减弱，整体网络较为稳定。计算得出网络关联度在考察期间均为1，表明28个城市间存在非常紧密的用水联系，即任意两个地区之间均能通过其他地区形成用水联系，空间关联关系十分显著。

图2 2005-2018年研究区用水关联网络密度与关联关系数

3.1.2 个体网络特征分析 表1为2018年研究区用水空间关联网络中心性分析。

由表1可知，宿州、周口、徐州、蚌埠4个城市的度数中心度和接近中心度均远超过其他24个城市，说明在28个城市间的用水空间关联网络中，这些城市处于重要位置，表现为它们与其他城市存在多个直接用水联系，拥有较强协作性，能迅速地与其他城市形成用水关系。对这一结论的解释为这4个城市均与多个城市相邻，地理位置较为优越，如图1(d)关联网络图所示，2018年4个城市均与周边多数城市形成了用水关系。同时，4个城市均为点入度高于点出度，体现了这些地区对其他地区的辐射作用，且存在较为明显的用水溢出效应。

表1 2018年研究区用水空间关联网络中心性分析

连云港、济宁、临沂和孝感市的度数中心度和接近中心度排在最后4位，说明这些城市在整个用水网络中很大程度上需要借助别的城市才能与其他城市产生联系，受其他城市控制的可能性较大。对这一结论的解释为这4个城市均位于淮河生态经济带外围，临近城市少，因而与其产生用水关联的城市少。

中间中心度指标反映了某节点控制其他节点的程度，排名前4的城市依次为徐州、信阳、周口和淮安。排名靠后的4个城市为菏泽、随州、漯河和孝感，这4个城市处于较为偏僻的位置，相邻城市少，难以控制其他城市。上述结论显示在用水空间关联网络中，与其他城市接壤越多的城市越容易在用水网络中处于核心位置。

3.2 淮河生态经济带用水关联网络块模型分析

参考现有关于块模型分析的研究[36]，以2018年为例，根据淮河生态经济带城市间用水关联关系将28个城市划分为4个板块，4个板块内部的关系数为126个，板块间关系总数为135个，总关系数为261个，表明板块内部城市间用水存在着较强的空间关联，且各板块之间的用水空间溢出效应非常显著，分析结果见表2。其中板块1包括徐州、连云港、枣庄、临沂和宿迁5个城市，其特点为沿海且经济发展较快；板块2包括菏泽、随州、孝感、淮北、济宁、信阳和商丘共7个城市，其特点为水资源较为丰富但经济发展一般；板块3包括扬州、滁州、盐城、泰州、宿州、六安、淮安共7个城市，其特点为位于淮河主干道下游两侧，水资源十分丰富；板块4包括阜阳、蚌埠、南阳、淮南、毫州、周口、驻马店、平顶山以及漯河共9个城市，其特点为水资源较为匮乏，且人口较多。

由表2可见：(1)板块1共发送用水关系数为42个，向板块内部发送18个，向其他板块发送24个，实际内部关系比例为42.86%，接受另外3个板块用水关系数为23个，外部的用水联系略高于其内部的，且接收和发送用水关系基本相当，板块1在用水网络中主要起到搭建与其他用水板块关系的“桥梁”作用，可界定为“经纪人板块”；(2)板块2共发送用水关系数为68个，向板块内部发送25个，向其他板块发送43个，实际内部关系比例为36.76%，接受另外3个板块用水关系数为18个，其他板块向板块2发送用水关系仅为板块2向其他板块发送用水关系的41.86%，板块2起激发用水关系作用，可界定为“双向溢出板块”；(3)板块3共发送用水关系数为65个，向板块内部发送25个，向其他板块发送40个，实际内部关系比例为38.46%，接受另外3个板块用水关系数为45个，板块3向其他板块发送用水关系为其他板块向板块3发送用水关系的88.87%，板块3接受用水关系较多，可界定为“主受益板块”；(4)板块4共发送用水关系数为86个，向板块内部发送58个，向其他板块发送28个，实际内部关系比例为67.44%，接受另外3个板块用水关系数为49个，板块4向其他板块发送用水关系仅为其他板块向板块4发送用水关系的57.14%，可界定为“净收益板块”。

表2 研究区用水空间关联网络块模型分析结果

为进一步描述淮河生态经济带用水板块间的传递关系和关联结构，首先基于用水关联关系得到板块的密度矩阵，然后取2018年整体网络密度0.345为临界值，将各板块的密度值与该临界值对比，若大于临界值则取值为1，表示此板块的用水情况的集聚性较好，否则取值为0，最终得到板块之间的像矩阵。研究区用水空间关联网络板块的密度矩阵及像矩阵见表3，据此制作出4个用水板块间的空间溢出关系如图3所示。

表3 研究区用水空间关联网络板的块密度矩阵及像矩阵

由图3可知，用水板块之间的空间溢出效应显著，且呈现出链条状的趋势。板块2对板块1产生溢出效应，板块1又在整个用水关系传递过程中起到关键的“桥梁”作用，在接收板块2的溢出关系时又对板块3产生溢出效应，最后这种溢出效应由板块3传达到板块4。这种空间溢出效应具有鲜明的梯度特征，体现出淮河生态经济带水资源丰富地区对水资源匮乏地区的用水空间溢出效应是通过板块间传递来实现的。

图3 研究区4个用水板块的空间溢出关系

3.3 淮河生态经济带用水空间关联网络的形成机制

3.3.1 QAP相关分析 为进一步探究淮河流域用水空间关联网络形成的重要因素，以2005、2010、2015和2018年为代表年份，构建各影响因素差异矩阵，并采用QAP相关性分析来检验淮河流域经济带城市用水空间关联关系与地理位置临近性(地理临近性矩阵采用省际Rook邻接权重矩阵进行表征，省份相邻设为1，不相邻则设为0，并假设淮河主干道两侧的城市相邻)、经济水平(人均GDP，元)、产业结构(第三产业生产总值占地区生产总值的比例，%)、城镇化率(%)、人均水资源量(m3)的相关关系，选择随机置换次数为5 000次，分析结果列于表4。

由表4可知，代表年份用水空间关联关系与地理位置临近性的相关系数为正，且相关系数在0.460以上，显著性水平为0，说明地理位置临近性对城市间用水空间关联网络的构建存在明显正向影响，即地理位置越相近的城市越容易发生用水联系。

代表年份用水空间关联关系矩阵与经济水平差异、产业结构差异、城镇化率差异以及人均水资源量差异的相关系数为负，说明这4个因素对城市间用水空间关联网络的构建具有负向影响，反映出发展程度和自然资源禀赋相差越大的城市之间可能越难产生用水联系。其中经济水平差异的相关系数由不显著变为显著，表明经济水平对城市间用水空间关联负向影响的可能性在增加，但这种影响目前还比较小；产业结构差异的相关系数不显著，说明第三产业在产业结构中的比重未能对城市间用水关联关系产生明显影响；城镇化率与人均水资源量的显著性水平较好，说明城市间城镇化率差异与人均水资源量差异对空间关联和溢出具有一定的负向影响。

3.3.2 QAP回归分析 本文以2018年为代表年份，根据表4的相关结果，选择对4个年份用水空间关联关系显著性水平都较高的地理位置临近性、城镇化率和人均水资源量进行QAP回归分析，结果见表5。

表4 用水空间关联关系矩阵演变因素的分析结果

由表5可知，调整后的R2为0.227，且概率值为0，说明调整结果在1%的置信水平上显著，拟合效果较好。地理位置临近性、城镇化率和人均水资源量的回归系数显著性水平较高，说明这三者均为影响用水空间关联关系的重要因素，可以解释淮河流域用水空间关联关系22.7%的变化。

表5 各变量矩阵的回归系数及检验指标

4 讨 论

(1)在2005-2018年考察期内，淮河生态经济带用水网络结构稳定，28个城市间用水具有非常紧密的用水联系和鲜明的溢出效应，宿州、周口、徐州、蚌埠4个城市位于淮河生态经济带用水空间关联网络的核心地位，控制着网络中水资源的流动。本文结论中宿州市为淮河生态经济带用水网络的核心城市与秦腾等[20]对淮河流域安徽段用水网络特征结论中宿州市是边缘城市有相矛盾之处，其主要原因在于秦腾等[20]仅考察了宿州市在安徽省内的用水关联情况，但本文发现在2018年淮河生态经济带用水网络中，宿州市向外发出用水关系8个，仅3个是发往安徽省内其他地级市，其他地级市向宿州市发送用水关系17个，仅5个来自安徽省内其他地级市，本文的研究刻画了宿州市在更大空间范围内的用水空间溢出效应，对现有研究进行了拓展。

(2)块模型分析显示，用水网络可划分为“经纪人”、“双向溢出”、“主受益”和“净收益”4个特征板块，板块之间的空间溢出效应呈现出链条状的趋势。这种空间溢出效应与孙才志等[16-17]、徐绪堪等[18]对中国30个省份用水板块的研究结论相似，进一步说明城市之间用水空间溢出效应是广泛存在的，并且这种效应有益于制定更为精确的水资源政策。针对各板块发挥的不同功能，要结合各地区的特点制定更为准确的水资源管理政策。其中，对在区域用水网络中充当重要桥梁作用的“经纪人”板块，要进一步加强这些地区的传导功能，借助区域间用水空间关联网络，将高效的节水方法和完善的用水管理策略传递给其他城市；针对水资源较为丰富的“双向溢出”板块，要继续增强其资源控制能力，以激发用水空间溢出效应的动力源，可以加大板块内部地区向外部地区输送含水量丰富产品的数量，这样既能增强地区经济，也能有效缓解缺水地区的水资源压力；针对水资源一般丰富的“主受益”板块，既要继续加强其中介作用，将水资源丰富地区输送的含水量丰富产品及时发送到水资源匮乏地区，同时要增强板块内部地区向水资源较为匮乏地区的溢出效应，以及对“双向溢出”和“经纪人”板块的反哺。

(3)淮河生态经济带区域间用水空间关联网络构建的主要影响因素是地理位置临近性、人均水资源量以及城镇化率。本文对比现有关于淮河生态经济带水资源空间溢出效应的研究发现，杨静雯等[31]的研究中也反映出这3个因素对水资源利用效率存在正向显著空间溢出效应，故提高经济落后城市的发展水平、减少城市间经济发展差异，有助于放大淮河生态经济带用水网络的空间溢出效应。

5 结 论

(1)淮河生态经济带用水关联关系呈现出较为复杂的网络结构，城市间用水联系紧密，网络密度在样本考察期内轻微减小，由2005年的0.354减小至2018年的0.345；宿州、周口、徐州、蚌埠4个城市处于用水网络的核心地位，对其他城市间的用水联系具有较强的控制作用。

(2)块模型分析结果表明，菏泽、随州、孝感等7个城市为“双向溢出”板块，在用水网络中起激发用水空间溢出效应的“动力源”作用；徐州、连云港、枣庄等5个城市为“经纪人”板块，在用水网络中起“传导”作用；扬州、滁州、盐城等7个城市为“主受益”板块，起“中介”作用；阜阳、蚌埠、南阳等9个城市为“净收益”板块，在网络中处于边缘地位。

(3)地理位置临近性、城镇化率以及人均水资源量是影响淮河生态经济带用水空间关联关系的主要因素，可解释淮河生态经济带用水空间关联关系22.7%的变化，其中城市间地理位置临近性对区域间用水空间关联网络构建有显著的正向影响，城镇化率差异以及人均水资源量差异有显著的负向影响。

本文的研究结论可以帮助淮河生态经济带厘清内部用水关系，识别水资源重点管理区域，制定更为精确的水资源管理政策，同时也能为优化区域水资源协同治理方案，有效缓解缺水地区水资源压力提供可靠的参考依据。但由于各市部分指标数据不足，本文所判断出的3个重要影响因素仅能解释淮河流域用水空间关联关系变化的22.7%，在今后的研究中可以增加一些其他指标，使评价结果更完整。