黔中城市群水资源空间均衡状态分析

向 征,高 海 丽

(1.贵州师范学院 地理与资源学院,贵州 贵阳 550018; 2.贵州师范学院 贵州省流域地理国情监测重点实验室,贵州 贵阳 550018)

0 引 言

水资源是人类生存和社会发展不可缺少的资源之一。中国水资源具有人均占有量少、时空分布不均、水土资源不匹配、人类活动影响显著等特点[1]。随着中国社会经济的快速发展,水资源开发利用强度日渐加大,水资源空间不均的问题在未来可预见的一个较长时期内仍将持续[2-3]。长江上游的喀斯特地区,由于具有复杂的水文地质条件,雨水下渗迅速,地表裸岩多、土层薄、储水能力弱,使得便于有效利用的地表水资源相当有限[4],水资源空间不均的问题更为严峻,导致位于喀斯特地区的城市水资源承载能力较非喀斯特地区更弱,给该地区社会经济的高质量发展和水资源可持续开发利用带来了更大的挑战。因此,科学量化长江上游喀斯特地区城市群水资源空间均衡状态,对该地区水资源与社会经济协调发展具有重要意义。

水资源空间均衡已逐渐成为水资源开发利用领域的研究热点。目前国内以金菊良、左其亭等为代表的学者在水资源空间均衡的概念内涵、理论框架、评价方法等方向进行了探索,初步形成了“理论研究-综合评价-调控措施”的框架体系。在理论研究方面,金菊良[5]、左其亭[6-7]、郦建强[8-9]等梳理总结了水资源空间均衡的概念和内涵、理论和框架体系、要义和基本特征,为综合评价水资源空间均衡状态、识别影响因素、分析优化调控措施等提供了理论基础。在综合评价方面,金菊良[10-12]、左其亭[13]、杨亚峰[14]等结合基尼系数、联系数、洛伦兹曲线、耦合协调度、可变集原理、偏联系数等理论和数学方法,相继发展出了多种不同的评价模型,丰富了水资源空间均衡状态的量化方法。此外,夏帆[15]、韩春辉[16]、苏维[17]、缪昭旺[18]等学者也分别从不同的角度对现有的评价方法进行了完善和改进,均取得了较好的效果。然而目前针对喀斯特地区的研究成果则相对较少,主要有张艳敏等[19]采用基于秩次差异的计算方法,对岩溶地貌区水资源空间均衡性的分析评价进行了一定的尝试。在研究尺度方面,当前的成果主要集中于市域、省域或流域,以城市群为对象的研究较少。目前有熊鹰[20]、黄锋华[21]等运用基尼系数法分别对长株潭城市群和粤港澳大湾区等非喀斯特地区城市群的水资源空间均衡性进行过分析,而针对喀斯特地区城市群的研究尚需进一步开展。

长江上游的成渝、滇中、黔中城市群是国家实施新型城镇化战略和新一轮西部大开发战略的重点区域,并且大部分城市位于喀斯特地区。综合现有的研究成果可以看出,针对喀斯特地区水资源空间均衡的相关研究较少,尤其是喀斯特地区城市群的相关研究仍然缺乏必要的探索。为支撑喀斯特地区城市群社会经济的高质量发展,有必要对独特地形地貌条件下水资源空间均衡性呈现的特征进行量化分析。因此,本文以位于长江上游典型喀斯特地区的黔中城市群为研究区,采用基尼系数法分析2011～2020年该地区水资源-人口、水资源-GDP、水资源-土地资源的空间分布均衡性,并结合水资源负载指数对水资源的开发利用程度和潜力进行评价,以期为该地区社会经济发展和水资源开发利用政策的制定,以及长江经济带上游喀斯特地区城市群的培育和建设提供相关的参考。

1 研究区概况

黔中城市群位于贵州省中部地区,范围包括贵阳市的南明区、云岩区、白云区、花溪区、乌当区、观山湖区、清镇市、修文县、息烽县、开阳县,遵义市的红花岗区、汇川区、播州区、绥阳县、仁怀市,毕节市的七星关区、大方县、黔西县、金沙县、织金县,安顺市的西秀区、平坝区、普定县、镇宁县,黔东南州的凯里市、麻江县,黔南州的都匀市、福泉市、贵定县、瓮安县、长顺县、龙里县、惠水县,共 6个市(州)的33个县(市、区),区域总面积5.38万km2,占贵州省总面积的30.6%。2020年末全区常住人口1 870万人,占贵州省的49.5%,地区生产总值10 028亿元,占贵州省的56.0%。2011～2020年平均水资源量为298亿m3,仅占贵州省的28.1%。由此可见,黔中城市群以较少的水资源量和国土面积,承载了贵州省大部分的人口和经济,该地区水资源与社会经济的矛盾较为突出。

2 数据与方法

研究区范围覆盖贵阳市、遵义市、毕节市、安顺市、黔东南州、黔南州6个市(州)的33个县(市、区)。本研究按照33个县(市、区)所属的市(州)级行政区和所在的地理位置,将研究区划分为北、中、南三个区域进行空间均衡性分析计算(见图1)。北部区域包括遵义市和毕节市的10个县(市、区);中部区域为黔中城市群的核心区,包括贵阳和安顺的14个县(市、区);南部区域包括黔南州和黔东南州的9个县(市、区)。

根据各区域2011～2020年的水资源量、耕地面积、常住人口以及地区生产总值,计算历年基尼系数并以此分析研究区的水资源空间均衡性。同时构建水资源负载指数模型,进一步分析研究区水资源开发利用程度和潜力。

2.1 基尼系数法

基尼系数也称为洛伦兹系数,由意大利经济学家基尼于1922 年根据洛伦兹曲线提出,最初用于评价国民收入分配之间的差异性[22],其值介于0～1之间,越趋近于0表明收入分配越公平。本研究分别对研究区水资源-人口、水资源-GDP、水资源-耕地面积的基尼系数进行计算,以此评估水资源分布与人口、经济发展、耕地资源等要素匹配的均衡性。基尼系数有多种计算方法,本研究采用最常用的梯形面积法计算,计算公式为

(1)

式中:Gi为基尼系数;xi为某区域第i个县级行政区的水资源总量占区域水资源总量的累计百分比;yi为第i个县级行政区的人口、GDP或耕地面积占区域的累计百分比;n为划分的区域数量。

参考文献[21],将水资源空间均衡程度划分为5个等级:高度均衡、比较均衡、相对均衡、不均衡和极不均衡,等级划分标准见表1。

表1 基尼系数等级评价标准Tab.1 Gini coefficient level evaluation criteria

2.2 水资源负载指数

水资源负载指数能够反映水资源开发利用的程度和潜力[23],本研究以此进一步分析研究区水资源开发利用的均衡性。计算公式为

(2)

式中:C为水资源负载指数,表示水资源的开发利用程度;R为常住人口数量,万人;Z为地区生产总值,亿元;W为水资源总量,亿m3。K为与降水有关的系数,其计算公式为

(3)

式中:P为全年降水量,mm。

为直观反映水资源开发利用的程度,参照文献[21],将水资源负载指数同样划分为5个等级,如表2所示。

表2 水资源负载指数等级标准Tab.2 Water resource load index level criteria

2.3 数据来源

各县(市、区)水资源总量、降雨量数据来源于各市(州)2011～2020年水资源公报。人口、GDP数据来自各市(州)2012～2021年统计年鉴。耕地面积数据来源于中国年度土地覆盖数据集(Annual China Land Cover Dataset,CLCD)和中国科学院资源环境科学与数据中心的遥感监测数据,数据分辨率为30 m。

3 结果分析

3.1 水资源总量变化趋势

研究区各区域2011～2020年水资源总量变化情况如图2所示。由图2可以看出:整体上,2011年和2013年各区域水资源量相对偏低,2014年以后各区域水资源量均有不同程度的增长。中部区域2011年和2013年水资源量不足50亿m3,2017年以后水资源量则较高,基本稳定在80亿m3以上。北部区域除2011年略低于80亿m3以外,其余年份均高于90亿m3,尤其是2014年以来大部分年份维持在110亿m3以上,但2017和2018年有一定回落。南部区域除2011年和2013年水资源量维持在70亿m3左右以外,其余年份均超过或接近90亿m3。

图2 研究区水资源总量变化Fig.2 Water resources variation of study area

3.2 水资源与人口空间均衡性

根据2011～2020年黔中城市群33个县(市、区)水资源量和常住人口数据,采用前述基尼系数算法分析计算研究区水资源-人口空间均衡性,计算结果见表3。由于篇幅限制选取2011,2014,2017,2020年绘制水资源-人口空间均衡等级分布图(见图3)。

表3 2011～2020年研究区水资源-人口基尼系数计算结果Tab.3 Gini coefficient of population and water resources of study area from 2011 to 2020

图3 研究区水资源-人口空间均衡等级分布Fig.3 Water resources-population spatial equilibrium level distribution of study area

由表3和图3可以看出,黔中城市群全区域2011～2020年中大部分年份水资源-人口基尼系数介于0.4～0.5之间,其余年份尽管介于0.3～0.4之间,但十分接近0.4,基本处于不均衡的状态,表明黔中城市群的人口和水资源空间分布不匹配。城市群北部区域水资源-人口均衡性最好,除2020年以外历年基尼系数均未超过0.3,基本处于比较均衡的状态。南部区域均衡性也较好但呈现一定的波动,部分年份基尼系数小于0.2,处于高度均衡的状态,而部分年份则介于0.3～0.4之间,仅为相对均衡。中部区域均衡性较差,基尼系数均高于0.4,处于不均衡甚至极不均衡的状态。

图4给出了研究区各区域水资源量、人口、GDP和耕地比例。结合图4来看,中部区域为黔中城市群的核心区,常住人口比例约占全区的40%左右,但水资源总量却不足全区的30%。此外,由于中部区域位于长江流域和珠江流域的分水岭地带,水资源开发利用难度较大,最终导致水资源与人口分布不匹配,空间均衡性较差。尤其是近年来随着城镇化的推进,人口不断增长,使得中部区域水资源与人口均衡性开始向极不均衡的状态演变。北部区域尽管常住人口也较多,占全区的40%以上,但水资源量比较丰富,同样约占全区的40%左右,因此水资源量与人口均衡性较好。南部区域常住人口最少,基本维持在全区的17%左右,水资源量则介于全区的30%～40%之间,总量丰富但有一定的波动,因此南部区域的水资源量与人口均衡性也较好,但呈现小幅的波动状态。

3.3 水资源与GDP空间均衡性

根据2011～2020年黔中城市群33个县(市、区)水资源量和GDP数据,计算研究区水资源-GDP基尼系数,结果见表4。选取2011,2014,2017,2020年绘制水资源-GDP空间均衡等级分布图(如图5所示)。

表4 2011～2020年研究区水资源-GDP基尼系数计算结果Tab.4 Gini coefficient of GDP and water resources of study area from 2011 to 2020

图5 研究区水资源-GDP空间均衡等级分布Fig.5 Water resources-GDP spatial equilibrium level distribution map of study area

由表4和图5可以看出,黔中城市群全区2011～2020年水资源-GDP基尼系数大部分介于0.5～0.6之间,处于极不均衡的状态,表明全区经济发展和水资源空间分布极不匹配。城市群南部区域水资源-GDP均衡性最好,10 a间仅有3 a基尼系数介于0.4～0.5之间,处于不均衡的状态,其余年份基尼系数均低于 0.4,处于比较均衡或相对均衡的状态,表明南部区域社会经济的发展与水资源匹配较好。北部区域水资源-GDP均衡性相对较差,10 a间基尼系数均高于0.4,一直处于不均衡或极不均衡的状态,表明社会经济的发展与水资源长期不匹配。中部区域作为城市群核心区,水资源-GDP均衡性最差,所有年份基尼系数均高于0.5,部分年份甚至超过0.6,处于极不均衡的状态。

结合图4来看,南部区域GDP总量最少,不足全区的14%,水资源量则比较丰富,介于全区的30%～40%之间,因此南部区域的水资源量与GDP均衡性较好。北部区域尽管水资源量丰富,约占全区的40%左右,但GDP总量也占全区的近40%,因此北部区域水资源量与人口均衡性相对较差。中部区域GDP总量最高,占全区的50%左右,但水资源量不足全区的30%,以全区1/3不到的水资源量承载了全区近一半的经济总量,因此水资源-GDP处于极不均衡的状态。

3.4 水资源与耕地空间均衡性

根据2011～2020年研究区水资源量和耕地面积数据,计算分析研究区水资源-耕地的基尼系数和空间均衡性,结果见表5。选取2011,2014,2017,2020年绘制水资源-耕地空间均衡等级分布图,如图6所示。

表5 2011～2020年研究区水资源-耕地基尼系数计算结果Tab.5 Gini coefficient of cultivated land and water resources of study area from 2011 to 2020

图6 研究区水资源-耕地空间均衡等级分布Fig.6 Water resources-cultivated land spatial equilibrium level distribution of study area

由表5和图6可以看出,相对于水资源-人口和水资源-GDP,全区大部分年份水资源-耕地的基尼系数大部分稳定在0.3以内,少数年份略高于0.3,基本处于比较均衡的状态,表明水资源和耕地分布较为匹配。中部区域水资源-耕地的均衡状态最好,历年基尼系数均低于0.2,处于高度均衡的状态。南部区域次之,基尼系数大部分年份低于0.2,少部分年份介于0.2～0.3之间,基本处于高度均衡或比较均衡的状态。北部区域尽管从均值上看基尼系数最高,但仍未超过 0.2,大部分年份基尼系数介于0.2～0.3之间,少数年份低于0.2,基本处于比较均衡的状态。

结合图4来看,城市群中部区域尽管水资源量最为贫乏,但由于处于城市群核心区,受城市化的影响,耕地面积较少,基本保持在全区的30%左右,因此水资源和耕地空间分布能够处于高度均衡的状态。南部区域耕地面积最少,约占全区的21%左右,且水资源比较丰富,因此处于比较均衡的状态。北部区域尽管耕地面积最大,几乎占全区的50%,但同时水资源量也较大,因此也能保持比较均衡的状态。

3.5 水资源负载指数分析

根据2011～2020年黔中城市群33个县(市、区)降水量、水资源量、常住人口和GDP数据,采用前述算法计算研究区水资源负载指数,并选取2011,2014,2017,2020年绘制等级分布图(见图7)。

图7 研究区水资源负载指数等级分布Fig.7 Water resource load index level distribution of study area

由图7可以看出,研究区水资源负载指数在空间上呈现中部高、南北低的特点。中部区域历年水资源负载指数基本维持在Ⅰ级,属于开发利用程度极高、开发潜力极小、开发难度艰巨的状态。结合前述空间均衡性分析成果来看,主要原因在于中部区域水资源量最少,但GDP总量最大,人口较多,给水资源的开发利用带来了巨大的压力。

北部区域水资源负载指数尽管比中部区域低,但也一直维持在Ⅱ级水平,属于开发利用程度高、潜力小、开发难度大的状态。结合前述水资源空间均衡性成果来看,北部区域同样承载了相对较多的人口和GDP,但得益于该区域丰富水资源,负载指数较中部区域略低。

南部区域水资源负载指数基本维持在Ⅲ级水平,属于开发利用程度中等,且仍具有一定开发潜力的状态。结合前述水资源空间均衡性成果来看,南部区域水资源十分丰富,承载的人口和GDP在3个区域中最少,因此水资源尚有一定的开发利用空间。

图8给出了2011～2020年研究区水资源负载指数变化趋势。由图8可以看出,在时间变化上,中部区域水资源负载指数在波动中呈现出一定的降低趋势,这与该区域近年来水资源量的增加有一定的关系。结合3.1节相关内容,中部区域由于2011年和2013年水资源量不足50亿m3,水资源压力较大,因此水资源负载指数较高。2017年以后水资源量增长至80亿m3以上,在一定程度上缓解了社会经济发展带来的水资源压力,因此负载指数有所降低。

图8 研究区水资源负载指数变化Fig.8 Water resources load index variation trend of study area

北部区域与中部区域相反,水资源负载指数在波动中呈现出一定的上升趋势,主要原因是2017～2018年负载指数偏高,因而拉高了北部区域近年的变化趋势。根据3.1节相关内容来看,2017～2018年北部区域水资源量有一定回落,相对其他年份较低。再结合空间均衡分析成果,北部区域历年承载的人口和GDP大致维持在全区40%左右的较高水平。因此在水资源量偏少的年份,社会经济发展给水资源带来的压力较大,最终影响了整个北部区域负载指数的变化趋势。

南部区域水资源负载指数虽略有提升但趋势不明显,基本处于稳定的状态。主要原因在于该区域人口和GDP总量较小,历年基本稳定在全区的17%和13%左右,而水资源则十分丰富,10 a间社会经济的增长变化给该区域丰富的水资源带来的影响较小。

4 结 论

(1) 基于基尼系数分析,黔中城市群全区2011～2020年水资源-耕地空间均衡性最好,水资源-人口次之,水资源-GDP则最差,表明全区水资源与耕地的空间匹配最为均衡,水资源与GDP的匹配最不均衡。中部区域为城市群核心区,由于水资源量较少,且承载了较多的人口和GDP,因此水资源、人口、GDP三者空间均衡状态较差。北部和南部区域,由于水资源量较为丰富,承载的人口和GDP相对较少,因此均衡状态优于中部区域。水资源-耕地空间均衡状态则相反,由于受城市化的影响耕地较少,因此各区域均呈现出较好的均衡状态,其中中部区域均衡状态最优。

(2) 基于水资源负载指数分析,黔中城市群2011～2020年历年来水资源负载指数在空间上呈现中部高、南北低的特点。北部和中部区域由于承载了大量的人口和GDP,水资源开发利用程度较高、开发潜力较小,南部区域由于水资源丰富且人口和GDP较少,水资源尚有一定的开发利用空间。在时间变化上,中部区域由于近年来水资源量的增长,水资源负载指数呈现出一定的降低趋势。北部区域由于部分年份水资源量偏低,使得水资源负载指数较高,最终导致整体变化呈现出一定的上升趋势。南部区域由于承载的人口和GDP较少,并且水资源丰富,社会经济的变化对水资源的影响不大,因此水资源负载指数基本处于稳定的状态。

(3) 为支撑黔中城市群的进一步发展,在中部水资源均衡状态较差、开发利用强度较大的区域,未来建议优化水资源的配置和调度,充分发挥黔中水利枢纽、夹岩水利枢纽等大型水利工程的作用,保障社会经济发展的需求。同时严格执行用水定额管理,根据不同行业的用水特点加大节水改造力度,积极推进再生水的利用,降低水资源开发利用的强度。在北部水资源量丰富、空间均衡性相对较好,但水资源开发利用程度较高的区域,建议加强节水措施,提高用水效率,减少水资源的浪费,进一步提高水资源空间均衡程度,缓解社会经济发展给水资源带来的压力。在南部社会经济体量较小,水资源空间均衡性较好,并且尚有一定开发潜力的区域,建议提前做好水资源规划,在保护水资源的前提下,严格遵照“以水四定”的原则进行合理的开发,以水资源的可持续利用促进社会经济的高质量发展。