基于地理加权回归的中国灰水足迹人文驱动因素分析

  本文关键词：基于地理加权回归的中国灰水足迹人文驱动因素分析，由笔耕文化传播整理发布。

第35卷第1期

2016年1月地理研究GEOGRAPHICALRESEARCHVol.35,No.1January,2016

基于地理加权回归的中国灰水足迹

人文驱动因素分析

2孙克1，，徐中民1

（1.中国科学院寒区旱区环境与工程研究所，中国科学院内陆河流域生态水文重点实验室，兰州730070；

2.赣南师范学院地理与规划学院，赣州341000）

摘要：根据Hoekstra和Chapgain提出的污染物吸纳理论，估算了2012年全国31个省（区、市）的灰水足迹，采用空间自相关分析方法探讨了2012年中国灰水足迹的空间分布特征，，通过构建

基于地理加权回归的STIRPAT模型，测算了人口和富裕等人文因素对灰水足迹的影响。结果

表明：中国灰水足迹存在较强的空间正相关性和空间分布不均衡性；人文因素对水资源环境的

威胁大小排序，依次为城市化率、人口数量、产业结构和富裕程度，其中，城市化率、人口数量、农业比重和人均GDP每提高1%，分别引起灰水足迹增加1.03%、0.85%、0.63%和0.52%；人文因

素对灰水足迹的影响存在空间差异，人口对灰水足迹的影响由北向南逐步加大，富裕对灰水足

迹的影响由西向东逐渐减小，农业和城市化对灰水足迹的影响由南向北逐步增大；在现有样本

范围内，计算结果有条件地支持环境Kuznets曲线。

关键词：人文因素；灰水足迹；空间自相关；STIRPAT模型；地理加权回归

DOI:10.11821/dlyj201601004

1引言

水是人类经济社会发展所依赖的关键性自然资源，在当下中国，水资源无论在数量方面，还是在质量方面，情况都不容乐观[1]。中国人均水资源占有量约为2200m3，为世界平均水平的1/4，且水资源时空分布极其不均，部分地区缺水严重[2]。中国水资源质量也令人堪忧，据2012年中国水资源公报显示：全国有54.8%的河流处于Ⅲ类标准（含Ⅲ类标准）以下，其中，处于Ⅳ类、Ⅴ类和劣Ⅴ类标准的河流占33%；全国198个地市级行政区地下水水质呈较好级以上的监测点2104个，占全部监测点的42.7%，水质呈较差和极差级的监测点2825个，占57.3%。水足迹作为一种全面核算人类活动对水资源占用的综合指标，将消费终端与水资源利用紧密关联，已成为衡量一个地区的水资源环境压力的常用指标[3,4]。但水足迹理论仅从资源消耗数量上考虑水资源压力，而未考虑到水质污染所带来的危害，有可能低估水资源问题的严重性[5]。随着各地区工业化和城镇化进程的加快，各地区水质性缺水问题日益凸显，Hoekstra等提出的以污染物吸纳理论为基础的灰水足迹理论，为定量评价水量—水质关系提供了新思路[6,7]。目前国内外的灰水足迹主要集中在农产品、工业产品和区域灰水足迹评价等三个方面[5-10]，如Mekonnen等评价了全球100多种作物的灰水足迹[8]，曹连海等评价了内蒙古河套区粮食生产灰水足迹[9]，Ericn等评价了软饮料中的灰水足迹[10]，曾昭等从区域角度对北京市的灰水足迹进行了评收稿日期：2015-06-09;修订日期：2015-11-02

基金项目：国家自然科学基金重点项目（91125019）

作者简介：孙克（1984-），女，河南开封人，博士研究生，讲师，主要从事生态经济问题研究。

E-mail:sunke07@163.com

37-48页

价[5]。相较传统的水足迹理论，灰水足迹能更直观、更直接地反映人类活动对水资源质量的影响。

精准辨析人文因素对资源环境的影响，尤其是对关键性自然资源的影响，是当前资源环境研究领域的核心问题之一[11,12]。Dietz等提出的人文驱动因素随机回归影响模型——STIRPAT模型，由于具备简单性、系统性和健全性，已在人文因素的环境影响评价中获得广泛应用[13-16]。但是，当前大多数研究运用的传统线性回归模型，忽略了人文因素的空间属性，根据Tobler的地理学第一定律即相近者相似，研究单元彼此独立且均质的假设很难成立，因此研究结果的准确性不可避免要受到影响[17,18]。1996年Fotheringham等提出可以采用地理加权回归模型（GWR模型）来处理空间异质性[19]。GWR模型可以对每个地理位置的函数变量系数给出局部估计值，通过对变量系数估计值的空间变化情况进行比较分析，可以较准确地把握变量回归系数的空间变异特征。目前，许多学者已在社会经济、城市地理、气象生态等领域运用GWR模型进行了实证研究，并已取得了较好的研究效果[20]，但在资源环境影响评价中，尤其是水资源研究领域中涉猎不多。

根据Hoekstra等提出的污染物吸纳理论[6]，估算2012年全国31个省（区、市）的灰水足迹，采用空间自相关分析方法探讨2012年中国灰水足迹的空间分布特征，利用地理加权回归建模技术，扩展传统的STIRPAT模型，测算人口规模、富裕和技术等人文因素对灰水足迹的影响，并通过GIS对模型的参数估计进行空间表达，进一步探索人文因素对灰水足迹影响的空间变异特征，最后验证环境Kuznets曲线假说。在人文因素对环境的影响分析中，增加了新的影响因素——地理位置，其分析结果可为因地制宜地制定水资源管理政策提供更准确的科学依据。

2中国灰水足迹的空间分布特征

2.1灰水足迹的计算方法

灰水足迹是指稀释人类活动所产生的污染物至环境可接受程度（符合现有水质标准）所需要的水资源数量[7]。鉴于数据的可得性，主要考虑了农业、工业和生活（含服务业）三个部门的灰水足迹，选取的污染物质主要为化学需氧量（COD）和氨氮物质量，由于水体可同时对化学需氧量和氨氮进行稀释，因此在实际计算中，选择由COD和氨氮物质量引发的灰水足迹中的较大者作为研究区域的灰水足迹[5,21]。具体计算方法如下：

（1）农业部门灰水足迹（WFagr-grey）计算公式为：

WFagr-grey=maxWFagr-COD,WFagr-NH-N{}（1）

式中：WFagr-COD=αLagr-codβLagr-n；WFagr-NH-N=；WFagr-COD和WFagr-NH-N分别为农业codn

部门产生的COD和氨氮物质量引发的灰水足迹；Lagr-cod和Lagr-n为农业部门排放的

COD和氨氮物质量；Ccod和Cn为COD和氨氮物质量的环境可接受浓度，一般采用国家

的二级污水排放标准（GB8978-1996），即分别为120mg/L和25mg/L；α和β为COD和氨氮物质量进入水体的比例，农业污染主要是面源污染（如种植、畜禽养殖、水产等），其计算较为复杂，最为简单的计算就是假定农业部门产生的污染物质全部进入水体即α和β的值为1。在农业污染物质进入水体的迁移路径、迁移方式和迁移时长等信息不清楚的情况下，这种假设可以满足粗略计算的需要[5,9]。

（2）工业灰水足迹（WFind-grey）和生活部门灰水足迹（WFdom-grey）计算公式为：

WFind-grey=max{WFind-COD,WFind-NH-N}（2）

式中：WFind-COD=Lind-cod

codWFdom-grey=max{WFdom-COD,WFdom-NH-N}（3）LL；WFind-NH-N=ind-n；WFdom-COD=dom-cod；WFdom-NH-N=ncod

Ldom-n；WFind-COD、WFind-NH-N、WFdom-COD、WFdom-NH-N分别为工业和生活部门产生n

的COD和氨氮物质量引发的灰水足迹；Lind-cod、Lind-n、Ldom-cod、Ldom-n分别为工业

和生活部门排放的COD和氨氮物质量。由于工业和生活部门主要为点源污染，其排放的污染物质绝大部分可以进入水体。

农业、工业和生活三部门灰水足迹之和为地区灰水足迹。

2.2灰水足迹的计算结果

计算数据来源于2013年《中国统计年鉴》、《中国水资源公报》和《中国环境年鉴》等资料。根据上述计算方法，得到2012年各省（区、市）的灰水足迹（图1）。

83从图1可以看出，2012年中国总的灰水足迹为2019.74×10m，其中农业部门灰水足

迹占比最高（47.6%），其次为生活部门（37.7%），最低为工业部门（14.7%），这表明就全国水足迹总量而言，农业部门对水环境的压力最大，但具体到各地区，表现有所不同，如沪、藏、滇、黔、浙、渝、桂、赣、闽、粤、苏、京、陕、晋、皖、川和甘等省份是生活部门对水环境压力最大，青海和宁夏是工业部门对水环境压力最大；灰水足迹

、广东（150.24×108m3）和黑龙江（124.9×108m3），的前3位分别是山东（160.1×108m3）

灰水足迹最小的是西藏，仅为2.15×108m3。

2.3灰水足迹的空间分布特征

利用空间自相关指数Moran'sI和Moran散点图可以揭示各省（区、市）灰水足迹的整体空间关联程度和各省（区、市）之间灰水足迹的局部空间关联特征。基于GeoDa软件，2012年中国灰水足迹的全局Moran'sI指数①[19]计算结果为0.172，通过了0.05的显著性水平检验，表明各省（区、市）灰水足迹空间分布存在显著正相关性，在地理上存在集聚现象。为进一步了解灰水足迹的空间集聚特征，将Moran散点图②中各象限的省

。分布数量上看，（区、市）划分为H-H型、L-L型、H-L型和L-H型四种类型③[22]（表1）

大部分省（区、市）属于H-H（11个）和L-L类型（10个），所占比重为67.74%；分布空间上看，H-H型主要集中在东中部地区，L-L型主要分布在东部和西部地区，H-L型和L-H型呈离散分布。以上分析总体上揭示出中国灰水足迹存在较强的空间正相关性和空

①Moran'sI的定义为：I=nˉ)(xj-xˉ)wij(xi-xnn

i=1j=1

为观测区域数；wij为用二进制表示的空间邻接权值矩阵，用以定义空间对象的相互邻接关系。一般当区域i和区域j相邻时，wij=1；当区域i和区域j不相邻时，wij=0。Moran指数I的取值一般在[-1,1]之间，小于0表示负相关，等于0表示不相关，大于0表示正相关。

②令xi=xi-x为坐标作散点图，一方面这些点的拟合直线斜率为Moran'sIˉ)，以（xi,wx）ˉ，wxi=∑wij(xj-xin

j=1S2wijnni=1j=1，式中：S2=1(xi-xˉ)2；xˉ=1xi；xi为i区域属性值；ni=1i=1nn

值，另一方面坐标系把区域划分为H-H型、L-L型、H-L型、L-H型四种类型。

邻；L-H型即低值区域和高值区域相邻。H-H和L-L表示正的空间自相关性，即相似性特征集聚在一起；而L-H和H-L表示负的空间自相关性，即差异性特征集聚在一起。③H-H型即高值区域和高值区域相邻；L-L型即低值区域和低值区域相邻；H-L型即高值区域和低值区域相

图12012年中国各省区的灰水足迹

Fig.1GreywaterfootprintinChinain2012

间分布不均衡性，即东中部省份灰水

足迹较高，西部省份灰水足迹较低。

由于空间自相关和空间非平稳性即空

间异质的存在，采用普通最小二乘法

（OLS）模型是不合适的。因此，在

建立人文因素对环境影响的计量模型

时必须将空间位置因素纳入其中。表12012年中国灰水足迹空间分布情况H-HL-L浙津京新宁藏滇青甘陕L-H闽琼沪晋赣吉黔桂渝川H-LTab.1SpatialdistributionofgreywaterfootprintinChinain2012东部地带中部地带西部地带鲁苏粤辽冀黑豫皖鄂湘内蒙古

3中国灰水足迹的地理加权回归分析

3.1STIRPAT的地理加权模型

运用STIRPAT模型不仅可以很便捷地分解人文因素对环境的影响，而且通过简单变换后，还可以进行有效地因果分析即弹性分析[16]。其一般表达式为：

I=aPbAcTde（4）

式中：I为环境影响；P、A和T分别为人口规模、富裕程度和技术水平；a为常数项；b、c、d分别为P、A和T的指数项；e为随机误差项。对（4）式两边取自然对数后，可以开展弹性分析[23]。

中国幅员广阔，不同地区之间存在显著差异，同样的政策在不同的地区会产生不同的政策效果[24]，即人文驱动因素存在空间异质性。地理加权回归（GWR）模型能够较好地刻画人文因素在不同地理位置的空间非平稳性即空间变异性，其计算结果更符合客观实际。因此采用GWR分析方法，在全局回归模型的基础上进行局部参数估计，以期获得更加有效的结果，具体GWR模型设定如下：

lnI=a(u,v)+b(u,v)lnP+c(u,v)lnA+d(u,v)lnT+e（5）

式中：(u,v)为研究单元的地理坐标；a(u,v)为常数项的位置函数；b(u,v)、c(u,v)、d(u,v)为自变量系数的位置函数。由于STIRPAT模型是随机形式，可以在模型中增加富裕的自然对数二项式来验证环境Kuznets曲线假说。参考孙克等的研究思路和方法[3,23]，设计无技术驱动因子和有技术驱动因子两种情景验证环境Kuznets曲线假说，具体形式分别如式（6）和式（7）所示：

lnI=a(u,v)+b(u,v)lnP+c(u,v)lnA+f(u,v)ln2A+e（6）

lnI=a(u,v)+b(u,v)lnP+c(u,v)lnA+f(u,v)ln2A+d(u,v)lnT+e（7

）

式中：如果f(u,v)为负，表明在(u,v)处存在环境Kuznets曲线，对式（6）或式（7）求极值，可以计算出曲线拐点值。

3.2指标选取和说明

灰水足迹的变化受很多因素的影响，从其定义和计算过程来看，除了人口、富裕和技术人文因数以外，还有政治和经济制度、社会资本、态度和信仰等人文因素，但这些人文因素很难概念化成乘积的形式[23]。为了保证在STIRPAT模型框架（即人文因素之间采用乘积的形式建立关联）下进行研究分析，没有更多地选取其他难以量化的人文因素指标，而是将研究聚焦在人口、富裕和技术这三个关键人文因素上，选取指标如下：

（1）人口（P）和富裕（A）的指标。一个国家人口越多，经济规模越大，其对自然资源的索取就越多，对环境的压力就越大。选取各省（区、市）的人口数量和人均GDP数据来表示该地的人口和经济活动对环境的压力，并预期其系数为正。

（2）技术（T）指标。指标可以分解为结构化（T1）指标和现代化（T2）指标。一个地区产业结构的转型升级，即由农业主导向工业主导或向服务业主导进行升级转变，可以有效地减少人类活动对灰水足迹的压力，考虑到全国灰水足迹压力主要来自农业部门的事实，选取第一产业（农业）产值占地区生产总值的比值作为结构化（T1）指标，并预期其系数为正；现代化水平的提高有利于舒缓环境压力，城市化率与许多现代化制度相关，可以比较综合地反映当地的现代化发展水平，选取2012年各省区城市化率（城市人口占总人口的比重）表示该地区的现代化（T2）水平，预期其系数为负。

3.3结果分析和讨论

3.3.1传统回归模型结果分析为掌握人口数量、富裕程度和技术对中国灰水足迹的全局（平均）影响，对式（4）进行自然对数变化，采用最小二乘法对其进行估计（表2）。

比较表2各人文因素系数估计值可以发现，对中国水资源环境的威胁大小，依次为城市化率、人口数量、产业结构和富裕程度，具体就是，城市化率每提高1%，引起灰水足迹增加1.03%；人口数量增加1%，引起灰水足迹增加0.85%；农业比重增加1%，引起灰水足迹增加0.63%；人均GDP提高1%，引起灰水足迹增加0.52%。对表2进一步分析可以发现，人口、富裕和产业结构的估计系数都为正，符合理论预期，而城市化率的系数估计值为正，这不符合理论预期。这里有三个原因值得考虑，一是农村青壮年劳动力或较高素质的农民进城后，老、弱、病、残、幼人员留在农村，农村空心化现象严重，农村剩余劳动力不足，传统的精耕细作农业生产方式不可持续，转而依靠化肥、农药等高投入、高污染的农业生产方式，这客观上引发了农业灰水足迹的增加；二是农业人口大量进城务工，导致城市人口不断膨胀，这客观上会引发城市生活灰水足迹的增加；三是中国的城市化很大程度不是现代意义上的城市化，而只是“户籍城市化”和“土地城市化”，很多现代制度没有真正建立，公共表2最小二乘法模型估计结果服务设施没有同步配套，城市化率这个指Tab.2EstimatedresultsoftheOLSmodel标（城市人口占总人口的比重）不能很准系数估值标准差T统计量确地衡量一个地区现代化发展水平。基于常数项2.32以上三点原因，地区城市化率的增加，不人口15.3030.850.055

仅不能使地区环境获得改善，反而会使地人均GDP2.0390.520.254

区环境压力增大。7.200产业结构指数0.630.088

3.3.2GWR模型结果分析省会城市一般城市化率2.8211.030.365

为各省份的政治、经济和文化中心，对全R0.93

省和周边地区有重要影响，因此，选取各注：表示在0.05水平上显著。*****2*

博泰典藏网btdcw.com包含总结汇报、计划方案、表格模板、自然科学、农林牧渔、行业论文、教学研究以及基于地理加权回归的中国灰水足迹人文驱动因素分析_孙克_图文等内容。

本文共2页12

  本文关键词：基于地理加权回归的中国灰水足迹人文驱动因素分析，由笔耕文化传播整理发布。