删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

基于地理加权回归的中国灰水足迹人文驱动因素分析

本站小编 Free考研考试/2021-12-29

孙克¹^,²^,, 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

The impacts of human driving factors on grey water footprint in China using a GWR model

SUNKe¹^,²^,, XUZhongmin¹

1. Key Laboratory of Ecohydrology and Integrated River Basin Science, CAREERI, CAS, Lanzhou 730000, China

2. Geography and Planning College of Gannan Normal University, Ganzhou 341000, Jiangxi, China

收稿日期:2015-06-9
修回日期:2015-11-2
网络出版日期:2016-01-23
版权声明:2016《地理研究》编辑部《地理研究》编辑部
基金资助:

国家自然科学基金重点项目（91125019）

作者简介:
-->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

展开

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
Abstract
Water is a key natural resource on which human economic and social development depends. In China today, water source shortage and water pollution impose a major constraint on sustainable development in China. Consumption terminal and water resource utilization are closely related by their water footprint, which is a comprehensive index of the effect of human activities on water resources. Water footprint has become a common indicator for measuring water resources and environmental pressures in a region. However, the water footprint theory only takes into account water resource pressure from the amount of resource consumption and does not consider the harm caused by water pollution. Thus, this may underestimate the seriousness of the water resource problem using water footprint theory. Compared with traditional water footprint theory, the grey water footprint theory can be a more direct reflection of human impact on the water resource quality. Accurate analysis of the impact of human factors on the environment is an important part of the current research on sustainable development. The GWR measurement model is more accurate than the traditional ordinary least squares (OLS) model because of its spatial factors. According to the theory of absorbing pollutants proposed by Hoekstra and Chapgain, we estimated the grey water footprint of 31 provincial regions in China in 2012 and explored the features of spatial distribution of the Chinese grey water footprint using the method of spatial autocorrelation analysis. We quantitatively examined the impacts of China's population, affluence, and technology on the grey water footprint by constructing a STIRPAT model based on the GWR. The results show that China's grey water footprint has strongly positive spatial correlation and imbalance of spatial distribution at provincial scale and the order of degree of humanistic factors threatening water environment is urbanization, population, industry structure and affluence. Additionally, our results show that 1% change in urbanization, population, per capita GDP or share of agriculture results in 1.03%, 0.85%, 0.63% or 0.52% change in the grey water footprint, respectively. There are spatial differences in the impacts of human factors on the grey water footprint. The impact of population on the grey water footprint gradually increases from north to south, the impact of affluence gradually decreases from west to east, and the impacts of agriculture and urbanization on the grey water footprint gradually increase from south to north. The calculation results using existing sample data indicate that an inverted U-shaped environmental Kuznets curve will appear in certain conditions, and the curve relation may not exist if the present industrial structure and model of urbanization do not change. These results can provide a more scientific basis for water resource management policy.

Keywords：human factors;grey water footprint;spatial autocorrelation;STIRPAT model;geographically weighted regression

-->0
PDF (5090KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
孙克, 徐中民. 基于地理加权回归的中国灰水足迹人文驱动因素分析[J]. , 2016, 35(1): 37-48 https://doi.org/10.11821/dlyj201601004
SUN Ke, XU Zhongmin. The impacts of human driving factors on grey water footprint in China using a GWR model[J]. 地理研究, 2016, 35(1): 37-48 https://doi.org/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2200 m³,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****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（

\begin{matrix} W F_{agr - grey} \end{matrix}

）计算公式为：

\begin{matrix} W F_{agr - grey} = \max \{W F_{agr - COD}, W F_{agr - NH - N}\} \end{matrix}

（1）
式中：

\begin{matrix} W F_{agr - COD} = \frac{α L_{agr - cod}}{C_{cod}} \end{matrix}

;

\begin{matrix} W F_{agr - NH - N} = \frac{β L_{agr - n}}{C_{n}} \end{matrix}

;

\begin{matrix} W F_{agr - COD} \end{matrix}

和

\begin{matrix} W F_{agr - NH - N} \end{matrix}

分别为农业部门产生的COD和氨氮物质量引发的灰水足迹;

\begin{matrix} L_{agr - cod} \end{matrix}

和

\begin{matrix} L_{agr - n} \end{matrix}

为农业部门排放的COD和氨氮物质量;

\begin{matrix} C_{cod} \end{matrix}

和

\begin{matrix} C_{n} \end{matrix}

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120 mg/L和25 mg/L;

\begin{matrix} α \end{matrix}

和

\begin{matrix} β \end{matrix}

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

\begin{matrix} α \end{matrix}

和

\begin{matrix} β \end{matrix}

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（

\begin{matrix} W F_{ind - grey} \end{matrix}

）和生活部门灰水足迹（

\begin{matrix} W F_{dom - grey} \end{matrix}

）计算公式为：

\begin{matrix} W F_{ind - grey} = \max \{W F_{ind - COD}, W F_{ind - NH - N}\} \end{matrix}

（2）

\begin{matrix} W F_{dom - grey} = \max \{W F_{dom - COD}, W F_{dom - NH - N}\} \end{matrix}

（3）
式中：

\begin{matrix} W F_{ind - COD} = \frac{L_{ind - cod}}{C_{cod}} \end{matrix}

;

\begin{matrix} W F_{ind - NH - N} = \frac{L_{ind - n}}{C_{n}} \end{matrix}

;

\begin{matrix} W F_{dom - COD} = \frac{L_{dom - cod}}{C_{cod}} \end{matrix}

;

\begin{matrix} W F_{dom - NH - N} = \end{matrix} \begin{matrix} \frac{L_{dom - n}}{C_{n}} \end{matrix}

;

\begin{matrix} W F_{ind - COD} \end{matrix}

、

\begin{matrix} W F_{ind - NH - N} \end{matrix}

、

\begin{matrix} W F_{dom - COD} \end{matrix}

、

\begin{matrix} W F_{dom - NH - N} \end{matrix}

分别为工业和生活部门产生的COD和氨氮物质量引发的灰水足迹;

\begin{matrix} L_{ind - cod} \end{matrix}

、

\begin{matrix} L_{ind - n} \end{matrix}

、

\begin{matrix} L_{dom - cod} \end{matrix}

、

\begin{matrix} L_{dom - n} \end{matrix}

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）。

显示原图|下载原图ZIP|生成PPT
图12012年中国各省区的灰水足迹
-->Fig. 1Grey water footprint in China in 2012
-->

从图1可以看出,2012年中国总的灰水足迹为2019.74×10⁸ m³,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;灰水足迹的前3位分别是山东（160.1×10⁸ m³）、广东（150.24×10⁸ m³）和黑龙江（124.9×10⁸ m³）,灰水足迹最小的是西藏,仅为2.15×10⁸ m³。

2.3 灰水足迹的空间分布特征

利用空间自相关指数Moran's I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's I指数^①（①Moran's I的定义为：

\begin{matrix} I = \frac{n \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij} (x_{i} - \overset{ˉ}{x}) (x_{j} - \overset{ˉ}{x})}{S^{2} \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij}} \end{matrix}

,式中：

\begin{matrix} S^{2} {= \frac{1}{n} \overset{n}{\sum_{i = 1}} (x_{i} - \overset{ˉ}{x})}^{2} \end{matrix}

;

\begin{matrix} \overset{ˉ}{x} = \frac{1}{n} \overset{n}{\sum_{i = 1}} x_{i} \end{matrix}

;x_i为i区域属性值;n为观测区域数;w_ij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,w_ij=1;当区域i和区域j不相邻时,w_ij=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。）^[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（② 令

\begin{matrix} x_{i} = x_{i} - \overset{ˉ}{x} \end{matrix}

\begin{matrix} w x_{i} = \overset{n}{\sum_{j = 1}} w_{ij} (x_{j} - \overset{ˉ}{x}) \end{matrix}

,以（x_i, wx_i）为坐标作散点图,一方面这些点的拟合直线斜率为Moran's I 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。）中各象限的省（区、市）划分为H-H型、L-L型、H-L型和L-H型四种类型^③（③ H-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。）^[22]（表1）。分布数量上看,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。
Tab. 1
表1
表12012年中国灰水足迹空间分布情况
Tab. 1Spatial distribution of grey water footprint in China in 2012

	H-H	L-L	L-H	H-L
东部地带	鲁苏粤辽冀	浙津京	闽琼沪
中部地带	黑豫皖鄂湘		晋赣吉
西部地带	内蒙古	新宁藏滇青甘陕	黔桂渝	川

新窗口打开

3 中国灰水足迹的地理加权回归分析

3.1 STIRPAT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=aP^bA^cT^de（4）
式中：

\begin{matrix} I \end{matrix}

为环境影响;

\begin{matrix} P \end{matrix}

、

\begin{matrix} A \end{matrix}

和

\begin{matrix} T \end{matrix}

分别为人口规模、富裕程度和技术水平;

\begin{matrix} a \end{matrix}

为常数项;

\begin{matrix} b \end{matrix}

、

\begin{matrix} c \end{matrix}

、

\begin{matrix} d \end{matrix}

分别为

\begin{matrix} P \end{matrix}

、

\begin{matrix} A \end{matrix}

和

\begin{matrix} T \end{matrix}

的指数项;

\begin{matrix} e \end{matrix}

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：

\begin{matrix} lnI = a (u, v) + b (u, v) lnP + c (u, v) lnA + d (u, v) lnT + e \end{matrix}

（5）
式中：

\begin{matrix} (u, v) \end{matrix}

为研究单元的地理坐标;

\begin{matrix} a (u, v) \end{matrix}

为常数项的位置函数;

\begin{matrix} b (u, v) \end{matrix}

、

\begin{matrix} c (u, v) \end{matrix}

、

\begin{matrix} d (u, v) \end{matrix}

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：

\begin{matrix} lnI = a (u, v) + b (u, v) lnP + c (u, v) lnA + f (u, v) l n^{2} A + e \end{matrix}

（6）

\begin{matrix} lnI = a (u, v) + b (u, v) lnP + c (u, v) lnA + f (u, v) l n^{2} A + d (u, v) lnT + e \end{matrix}

（7）
式中：如果

\begin{matrix} f (u, v) \end{matrix}

为负,表明在

\begin{matrix} (u, v) \end{matrix}

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）。
Tab. 2
表2
表2最小二乘法模型估计结果
Tab. 2Estimated results of the OLS model

	系数估值	标准差	T统计量
常数项	-5.11	2.32	-2.203^*
人口	0.85	0.055	15.303^*
人均GDP	0.52	0.254	2.039^*
产业结构指数	0.63	0.088	7.200^*
城市化率	1.03	0.365	2.821^*
R²	0.93

注：^*表示在0.05水平上显著。

新窗口打开
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,公共服务设施没有同步配套,城市化率这个指标（城市人口占总人口的比重）不能很准确地衡量一个地区现代化发展水平。基于以上三点原因,地区城市化率的增加,不仅不能使地区环境获得改善,反而会使地区环境压力增大。
3.3.2 GWR模型结果分析省会城市一般为各省份的政治、经济和文化中心,对全省和周边地区有重要影响,因此,选取各省会城市的经纬度作为地理坐标,以固定高斯函数（Fixed Gaussian）为权属函数,以交叉确认法确定带宽,运用GRW 4.0软件,对式（5）进行回归计算（表3）。
Tab. 3
表3
表3地理加权回归模型估计结果
Tab. 3Estimated results of the GWR model

	平均值	最大值	最小值	上四分位值	中位值	下四分位值
常数项	-4.951130	-3.576361	-5.895668	-4.800052	-5.121280	-5.527288
人口	0.820049	0.903297	0.791826	0.867153	0.849594	0.826645
人均GDP	0.502096	0.611595	0.449145	0.537163	0.515631	0.502833
产业结构指数	0.602301	0.755863	0.518894	0.665340	0.627747	0.576723
城市化率	0.951156	1.314798	0.750920	1.061703	0.974282	0.874696
R²	0.96

注：模型计算的局部回归标准化残差值范围为[-2.05,2.66],96.78%的残差值都在[-2.58,2.58]范围内,残差的Moran's I指数为-0.0032,残差呈空间随机分布。

新窗口打开
GWR模型的拟合优度为0.96,高于最小二乘法模型的拟合优度0.93,这说明GWR模型的拟合结果要优于OLS模型。同时,对比分析表2和表3的变量系数估计值可以发现,GWR模型估计的变量系数平均值与OLS模型估计的变量系数值相差不大,这表明OLS模型估计的变量系数值仅具有平均意义,仅能反映人文因素的平均影响作用,而不能反映人文因素影响作用的空间差异。由于在GWR模型中,每个研究单元都有特定的系数估值,因此GWR模型的估计结果可以更为详细地反映人文因素在不同位置对环境的影响大小。为进一步探究人文因素对环境影响的空间变异特征,可以将每个研究单元的系数估值借助GIS平台进行空间表达,这样就能更直观地开展人文因素对灰水足迹影响的空间变异分析。
（1）人口数量对灰水足迹影响的空间变异特征。从回归系数的空间分布（图2）来看,回归系数由北向南梯次增大,说明在中国人口规模对灰水足迹的相对压力由北向南逐步加大,其中受人口规模相对影响最大的为海南,最小为黑龙江。就控制人口增长方面,南方比北方更迫切,更具有现实意义,在相同条件下,实行严格的人口政策,南方可以比北方取得更好的政策和环境效果。

显示原图|下载原图ZIP|生成PPT
图2GWR模型人口数量回归系数空间分布
-->Fig. 2Spatial distribution of regression coefficients of population in the GWR model
-->

（2）富裕程度对灰水足迹影响的空间变异特征。从回归系数的空间分布（图3）来看,回归系数由西向东逐渐减小,说明在发展经济（富裕程度）对灰水足迹的相对压力由西向东逐渐减小,其中受经济增长相对影响最大的为新疆,最小为黑龙江。就发展经济而言,由于西部的生态环境较东部脆弱,相同的经济发展强度,对西部的环境冲击要比东部大得多。从地区生态环境对经济发展承受力或适应性这个角度来看,国家在进行主体功能区划时,将西部很多生态环境脆弱地区划分为限制发展区是很有必要的。

显示原图|下载原图ZIP|生成PPT
图3GWR模型富裕程度回归系数空间分布
-->Fig. 3Spatial distribution of regression coefficients of affluence in the GWR model
-->

（3）产业结构对灰水足迹影响的空间变异特征。从回归系数的空间分布（图4）来看,回归系数由南向北逐渐增大,说明在中国农业对灰水足迹的相对压力由南向北逐步增大,其中农业对新疆的灰水足迹相对影响最大,对海南相对影响最小。事实上总体而言,南方的经济结构要优于北方的经济结构,在调整产业结构方面,北方产业结构的调整潜力要大于南方,在相同条件下,如果北方有意识地减少农业比重,增加二产和三产比重,则可以比南方获得更多的生态环境效益。

显示原图|下载原图ZIP|生成PPT
图4GWR模型产业结构回归系数空间分布
-->Fig. 4Spatial distribution of regression coefficients of industry structure in the GWR model
-->

（4）城市化对灰水足迹影响的空间变异特征。从回归系数的空间分布（图5）来看,回归系数由南向北逐渐增大,说明在城市化对灰水足迹的相对压力由南向北逐步增大,其中黑龙江的灰水足迹受城市化的相对影响最大,海南最小。城市化是现代化的重要标志,理论上来说,应该积极推进城市化,但现阶段中国式的城市化却过多地依赖土地等自然资源,过分地追求城市规模,而忽视了城市核心产业的培育和配套制度的完善,重规模,轻质量,重外延,轻内涵,在某种程度上来说,是一种“伪城市化”。如果现有的城市化模式不改变,城市化进程对中国环境来说,就是一种持续伤害,尤其在水资源方面,由于南方水多北方水少的格局,在较长时间里不会获得根本改变,北方要比南方承受更大的水资源压力。

显示原图|下载原图ZIP|生成PPT
图5GWR模型城市化率回归系数空间分布
-->Fig. 5Spatial distribution of regression coefficients of urbanization rate in the GWR model
-->

人口、富裕、产业结构和城镇化率对灰水足迹的影响所呈现出的规律性空间分布特征,应该可以用当今中国存在的四个基本国情事实来解释：一是人口分布上南多北少,这客观上导致了人口规模对灰水足迹的相对影响由南向北逐渐减小;二是降水分布上西旱东润或生态环境上西脆东强,这客观上会导致经济发展（富裕）对灰水足迹的相对压力由西向东逐渐减小;三是粮食调配上北粮南运,这客观上导致了农业（产业结构）对灰水足迹的相对影响会出现由北向南逐渐减小的现象;四是水资源分布上南多北少,这客观上会导致推进城镇化对灰水足迹的相对压力由南向北逐渐增大。同时也应该注意到,这四个基本国情事实会相互交织,相互叠加（如有些地区既属于西也属于南,既属于西也属于北,既属于东也属于南,既属于东也属于北）,在每个具体地区发挥的影响作用又会有所差异。可以说,在中国,人口、富裕、产业结构和城市化率等人文因素对灰水足迹影响的空间分布特征不是随机产生的,里面蕴藏着深刻的基本国情背景事实。同时,从GWR的视角来看,在看待具体地区人文因素对灰水足迹的影响结果时,也要注意到这个影响结果不仅要受到自身自然、历史、人文条件的左右,而且还要受到周边自然、历史、人文条件的影响,这个影响结果不是孤立产生的,而是自身和周边综合影响的结果。
3.3.3 环境Kuznets曲线假说验证对式（4）进行GWR回归计算,得到的人均GDP平方项估计系数在各个地区都为负值且都在0.05水平上显著（表4）,说明式（6）所表征的二次曲线是开口向下的,环境Kuznets曲线假说成立。通过求曲线的极值,可以得到各地区的拐点值,拐点平均值为44610元,其中西藏的拐点值最大（47134元）,海南的拐点值最小（42366元）。进一步比较2012年各省（区、市）人均GDP,可以发现东部地带大部分省（区、市）人均GDP超过了拐点值（冀、琼除外）,说明东部地带处于经济发展环境改善的阶段;而绝大部分中部和西部地带的省（区、市）人均GDP未到达拐点(内蒙古除外),说明广大中西部地区仍然处于随着经济发展而环境压力不断增加的阶段。事实上,近年来东部地区环境投入逐年增大,新增加了许多环保设施（如污水处理厂）,经济和环境的关系有缓和的趋势,而中西部地区经济基础薄弱,环境投入少,环境欠账较大,经济和环境关系紧张,要达到环境转变拐点,任重而道远。
Tab. 4
表4
表4人均GDP的平方项系数和拐点估计结果
Tab. 4Estimated results of coefficients of Quadratic of per capita GDP and inflection points

省份	人均GDP的平方项系数（T统计量）	拐点（元）	省份	人均GDP的平方项系数（T统计量）	拐点（元）
天津	-1.5591(-4.74）	45085	宁夏	-1.1408(-3.64)	45907
北京	-1.5435(-4.69)	45188	海南	-1.1199(-3.07)	42366
上海	-1.3645(-4.21)	43674	湖南	-1.0698(-3.54)	43594
江苏	-1.2937(-4.25)	43899	山西	-1.2836(-4.21)	45122
浙江	-1.2849(-4.05)	43517	新疆	-1.7256(-3.33)	46236
内蒙古	-1.377(-4.25)	45541	河南	-1.2071(-4.11)	44586
辽宁	-2.0267(-4.86）	45126	青海	-1.0487(-3.34)	46692
广东	-1.0948(-3.27)	42662	江西	-1.1269(-3.72)	43395
福建	-1.1731(-3.54)	42810	安徽	-1.2337(-4.13)	43857
山东	-1.4204(-4.58)	44697	广西	-1.0637(-3.06)	42961
吉林	-2.2059(-4.63)	45095	四川	-0.9743(-3.19)	45428
湖北	-1.1254(-3.82)	43839	云南	-0.999(-2.92)	44302
重庆	-0.9886(-3.25)	44742	甘肃	-1.0481(-3.40)	46251
陕西	-1.0776(-3.65)	45108	西藏	-1.1465(-3.10)	47134
河北	-1.3798(-4.43)	45063	贵州	-0.9988(-3.12)	44065
黑龙江	-2.2926(-4.36)	44968

注：在0.05水平上显著。

新窗口打开
式（7）在式（6）的基础上增加了技术驱动因素（农业比重和城市化率）,运用GWR方法对其进行回归计算发现各省（区、市）的人均GDP平方项估计系数虽然都为负,但系数估值未通过0.05水平的显著性检验。这表明各省（区、市）存在环境转变拐点有前提条件,即如果现有的产业结构不调整,现有的城市化模式不改变,经济发展红利将被不合理的产业结构和不可持续的城市化模式所稀释,从而可能推迟拐点的到来。

4 结论与讨论

根据灰水足迹理论计算了2012年中国各省（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,利用地理加权回归建模技术,扩展传统的STIRPAT模型,测算了人口规模、富裕和技术等人文因素对灰水足迹的影响,并开展了人文因素对灰水足迹影响的空间变异分析,最后验证了环境Kuznets曲线假说。主要结论如下：
（1）2012年中国总的灰水足迹为2019.74×10⁸ m³,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%）。
（2）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,即东中部省（区、市）灰水足迹较高,西部省（区、市）灰水足迹较低。
（3）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%。
（4）人文因素对灰水足迹的影响存在空间差异。人口规模对灰水足迹的影响由北向南逐步加大,其中受人口规模影响最大的为海南,最小的为黑龙江;富裕对灰水足迹的影响由西向东逐渐减小,其中富裕对新疆的环境影响最大,对黑龙江的影响最小;农业对灰水足迹的影响由南向北逐步增大,其中农业对新疆的环境影响最大,对海南的影响最小;城市化对灰水足迹的影响由南向北逐步增大,其中城市化对黑龙江的环境影响最大,对海南的影响最小。
（5）在现有样本范围内,计算结果有条件地支持环境Kuznets曲线,但如果现有的产业结构和城市化发展模式不改变,则环境Kuznets曲线不存在。
在中国社会经济新常态背景下,由于各种自然、人文因素的影响作用相互交织,相互叠加,环境问题日益严峻和复杂,以往单一的政策或“一刀切”的政策思路,将不能有效解决环境问题,而应该转变环境治理思路,综合施策,精准应对,尤其在水资源环境治理方面,不能忽视人文因素对水资源环境影响的空间差异,要结合实际,因地施策,精细化各种环境治理政策措施。如在制定出台生育政策时,鉴于南方水资源环境对人口变化的响应比北方更敏感,南方需要比北方更加慎重地评估生育政策实施的结果,做好事前评估,以避免出现南方水资源环境因为生育政策的不当实施而恶化的情况;如在制定区域经济发展政策时,要充分考虑西部地区的水资源环境承载力,给予西部地区更多的生态补偿政策,以缓解西部水资源环境的压力;如在制定区域产业结构调整和推进城镇化政策时,要注意到北方水少,南方水多这个水资源分布事实,同时高度重视北方水资源环境对产业结构和城市化这两个人文因素变化的反应比南方更强烈这一环境影响事实,给予北方地区更多的产业扶植和城市化优惠政策,充分调动北方地区优化产业结构和提升城市化质量的积极性,以便有效地实现北方地区水资源环境质量的持续改善。
灰水足迹测算是一个新的研究领域,无论在理论上还是在计算方法上都还不够成熟。本研究只是对中国31个省级行政区的灰水足迹进行粗略计算,很多影响因素未进行考虑。如计算的关键污染物质较少（只有COD和氨氮物质）,未考虑水体自身净化能力和各类污染物质之间的物理或化学反应,忽略了农业污染物质进入水体的复杂过程等。这些不足之处有待于灰水足迹理论和计算方法的完善和改进,是今后需要进一步深入研究的方向。
目前,涉及空间距离的计量模型一般仍然采用地理加权回归模型,因为地理加权回归模型的计算方法比较成熟,计算结果也比较好解释。但是,人文因素对环境的影响可能会随着时间的推移而发生变化,因此为了深入掌握人文因素对环境影响的时间分异特征,将时间因素纳入模型,建立时空地理加权回归模型,也应该是今后研究需要深化的重要方向。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	程国栋. 虚拟水:中国水资源安全战略的新思路 . 中国科学院院刊, 2003, 18(4): 260-265.URL [本文引用: 1] [Cheng Guodong.Virtual Water: A strategic instrument to achieve water security. Journal of Chinese Academy of Sciences, 2003, 18(4): 206-265.]URL [本文引用: 1]
[2]	徐中民, 龙爱华, 张志强. 虚拟水的理论方法及在甘肃省的应用 . 地理学报, 2003, 58(6): 861-869.Magsci [本文引用: 1]摘要 <p>水资源短缺问题是中国西北地区面临的突出问题，解决西北地区水资源短缺问题必须要有新的思路。虚拟水是水问题与水资源安全研究中的新概念，是指生产商品和服务所需要的水资源数量。虚拟水战略是指缺水国家或地区通过贸易的方式从富水国家或地区购买水密集型产品 (尤其是粮食) 来获得本地水和粮食的安全，将水短缺问题的解决途径扩展到社会经济系统，人口—粮食—贸易之间的连接关系是虚拟水战略分析的主线。作者引入了虚拟水的概念，并简要介绍了当前国际研究的进展情况和计算方法。结合甘肃省的实际情况，初步计算得到2000年甘肃省生产产品中和城乡居民消费的产品中的虚拟水含量分别为222.02×108m<sup>3</sup>和183.75×108m<sup>3</sup>，分别是实体水资源利用量的1.8和1.5倍。分析了虚拟水战略的政策影响和虚拟水战略的优缺点，指出了在虚拟水理论与应用方面需要焏待开展的研究内容。</p> [Xu Zhongmin, Long Aihua, Zhang Zhiqiang.Virtual water consumption calculation and analysis of Gansu province in 2000. Acta of Geographica Sinica, 2003, 58(6): 861-869.]Magsci [本文引用: 1]摘要 <p>水资源短缺问题是中国西北地区面临的突出问题，解决西北地区水资源短缺问题必须要有新的思路。虚拟水是水问题与水资源安全研究中的新概念，是指生产商品和服务所需要的水资源数量。虚拟水战略是指缺水国家或地区通过贸易的方式从富水国家或地区购买水密集型产品 (尤其是粮食) 来获得本地水和粮食的安全，将水短缺问题的解决途径扩展到社会经济系统，人口—粮食—贸易之间的连接关系是虚拟水战略分析的主线。作者引入了虚拟水的概念，并简要介绍了当前国际研究的进展情况和计算方法。结合甘肃省的实际情况，初步计算得到2000年甘肃省生产产品中和城乡居民消费的产品中的虚拟水含量分别为222.02×108m<sup>3</sup>和183.75×108m<sup>3</sup>，分别是实体水资源利用量的1.8和1.5倍。分析了虚拟水战略的政策影响和虚拟水战略的优缺点，指出了在虚拟水理论与应用方面需要焏待开展的研究内容。</p>
[3]	孙克, 徐中民. 环境影响评价中人文因素作用的空间计量 . 生态学报, 2009, 29(3): 1563-1570.Magsci [本文引用: 2]摘要辨明人文因素对环境影响作用的大小，并依此找寻发展的对策是当前可持续发展研究的核心问题之一。采用中国2000年各省（区、市）的水足迹作为环境影响测算指标，运用空间自相关模型，分析了中国2000年水足迹的空间分布特征，结果表明：中国各省市的水足迹具有明显的空间相关性，在地理上存在集聚现象。进而在传统的人文驱动因素的随机回归影响模型——STIRPAT模型的基础上，通过加入空间项构建空间滞后模型和空间误差模型，定量地检验了中国的人口数量和富裕程度等人文因素对环境的影响，结果表明：人口数量对环境影响显著，而富裕程度对其影响较小；转变传统的经济增长方式，走新型工业化道路对环境影响显著，城市化率对环境没有显著影响；在控制人口变量的基础上，现有样本数据支持倒U形的环境Kuznets曲线假说，其拐点值为10560.92元；在技术水效率方面，海南的技术水效率最高，而青海和内蒙古的技术水效率最低。 [Sun Ke, Xu Zhongmin.A spatial econometric analysis of the impacts of human factors on environment in China. Acta Ecologica Sinica, 2009, 29(3): 1563-1570.]Magsci [本文引用: 2]摘要辨明人文因素对环境影响作用的大小，并依此找寻发展的对策是当前可持续发展研究的核心问题之一。采用中国2000年各省（区、市）的水足迹作为环境影响测算指标，运用空间自相关模型，分析了中国2000年水足迹的空间分布特征，结果表明：中国各省市的水足迹具有明显的空间相关性，在地理上存在集聚现象。进而在传统的人文驱动因素的随机回归影响模型——STIRPAT模型的基础上，通过加入空间项构建空间滞后模型和空间误差模型，定量地检验了中国的人口数量和富裕程度等人文因素对环境的影响，结果表明：人口数量对环境影响显著，而富裕程度对其影响较小；转变传统的经济增长方式，走新型工业化道路对环境影响显著，城市化率对环境没有显著影响；在控制人口变量的基础上，现有样本数据支持倒U形的环境Kuznets曲线假说，其拐点值为10560.92元；在技术水效率方面，海南的技术水效率最高，而青海和内蒙古的技术水效率最低。
[4]	龙爱华, 徐中民, 王新华, 等. 人口、富裕及技术对2000年中国水足迹的影响 . 生态学报, 2006, 26(10): 3358-3365.Magsci [本文引用: 1]摘要 21世纪水资源短缺问题将成为全球资源环境的首要问题，由于水资源的诸多问题与人类活动密不可分，因此辨明人类活动各因素对水资源影响作用的大小，并依此找寻发展的对策是当前水资源可持续利用研究的一个核心问题。在计算2000年中国的水足迹的基础上，应用STIRPAT模型分析了中国水足迹的影响因素，分解了人口、富裕和技术等对中国水资源的环境影响。结果表明：2000年，中国水资源的消费足迹为7678.45亿m3，人均609.3m3/a。人口数量是当前我国水足迹的一个主要驱动因子，富裕程度的提高会增加人类对水资源的总消费，气候因素和区位条件对水足迹具有显著影响，而提高土地生产能力对减少水足迹具有重要作用。在观测数据范围内，分析结果并不支持环境Kuznets曲线存在的论断。最后分析讨论了水足迹研究需要进一步完善的问题以及STIRPAT模型实证分析的政策意义。 [Long Aihua, Xu Zhongmin, Wang Xinhua, et al.Impacts of popupation, alluence and technology on water footprint in China. Acta Ecologica Sinica, 2006. 26(10): 3358-3365.]Magsci [本文引用: 1]摘要 21世纪水资源短缺问题将成为全球资源环境的首要问题，由于水资源的诸多问题与人类活动密不可分，因此辨明人类活动各因素对水资源影响作用的大小，并依此找寻发展的对策是当前水资源可持续利用研究的一个核心问题。在计算2000年中国的水足迹的基础上，应用STIRPAT模型分析了中国水足迹的影响因素，分解了人口、富裕和技术等对中国水资源的环境影响。结果表明：2000年，中国水资源的消费足迹为7678.45亿m3，人均609.3m3/a。人口数量是当前我国水足迹的一个主要驱动因子，富裕程度的提高会增加人类对水资源的总消费，气候因素和区位条件对水足迹具有显著影响，而提高土地生产能力对减少水足迹具有重要作用。在观测数据范围内，分析结果并不支持环境Kuznets曲线存在的论断。最后分析讨论了水足迹研究需要进一步完善的问题以及STIRPAT模型实证分析的政策意义。
[5]	曾昭, 刘俊国. 北京市灰水足迹评价 . 自然资源学报, 2013, 28(7): 1169-1178.https://doi.org/10.11849/zrzyxb.2013.07.009 Magsci [本文引用: 5]摘要 <p>北京市属于重度资源型缺水地区,加上严重的水污染情况,使得水问题成为制约当地社会经济发展和生态安全的关键性因素。研究采用灰水足迹理念将北京市1995-2009年间不同部门产生的污染物以"稀释水"的形式进行量化。研究表明:①北京市2009年灰水足迹为49.5×10<sup>8</sup> m<sup>3</sup>,约为北京当年水资源量的2.3倍;②生活部门的灰水足迹最大,农业部门次之,工业部门的灰水足迹最小;③北京市灰水足迹呈现逐年下降的趋势,农业、生活和工业部门的灰水足迹在1995-2009年间分别下降了45%、62%和93%;④虽然北京市灰水足迹逐年减小,水体水质却呈现逐年恶化的趋势,剩余灰水足迹(即灰水足迹与水资源的差值)累积值的增加,是北京市水质逐年恶化的直接原因。严格控制灰水足迹是实现水环境总体改善的重要途径。</p> [Zeng Zhao, Liu Junguo.Historical trend of grey water footprint of Beijing, China. Journal of Natural Resources, 2013, 28(7): 1169-1178.]https://doi.org/10.11849/zrzyxb.2013.07.009 Magsci [本文引用: 5]摘要 <p>北京市属于重度资源型缺水地区,加上严重的水污染情况,使得水问题成为制约当地社会经济发展和生态安全的关键性因素。研究采用灰水足迹理念将北京市1995-2009年间不同部门产生的污染物以"稀释水"的形式进行量化。研究表明:①北京市2009年灰水足迹为49.5×10<sup>8</sup> m<sup>3</sup>,约为北京当年水资源量的2.3倍;②生活部门的灰水足迹最大,农业部门次之,工业部门的灰水足迹最小;③北京市灰水足迹呈现逐年下降的趋势,农业、生活和工业部门的灰水足迹在1995-2009年间分别下降了45%、62%和93%;④虽然北京市灰水足迹逐年减小,水体水质却呈现逐年恶化的趋势,剩余灰水足迹(即灰水足迹与水资源的差值)累积值的增加,是北京市水质逐年恶化的直接原因。严格控制灰水足迹是实现水环境总体改善的重要途径。</p>
[6]	Hoekstra A Y, Chapagain A K.Globalization of Water: Sharing the Planet's Freshwater Resources. Oxford: Black-well Publishing, 2008.https://doi.org/10.1002/9780470696224.ch2 URL [本文引用: 2]摘要 People in Japan can affect the hydrological system in the United States. People in Europe can affect regional water systems in Thailand or Brazil. There are basically two mechanisms that make global connections between seemingly local water systems. First, the climate system connects different places on earth, because evaporation in one place results in precipitation in another place. The climate system is inherently global: local emissions of greenhouse gases contribute to a changing global climate, thus affecting temperature, evaporation, and precipitation patterns elsewhere. In this way, human activities in the economic centers of the world affect base and peak flows in rivers throughout the world. There is, however, a second mechanism through which people can affect water systems in other parts of the world. A European consumer of Thai rice raises rice demand in Thailand and subsequently the use of water for rice irrigation in Thailand. Globally, roughly one-fifth of the water used in agriculture is applied in areas used for producing export commodities. This fraction is increasing in line with the increase of global trade. Scientists have known for several decades that human activities within a river basin strongly impact on the water flows and water quality in such a river basin. It is more recent that scientists have started to realize that local water problems are often, in their roots, problems that cannot be solved locally or regionally, because the driving forces lay outside the region. The gradual disappearance of the Aral Lake in Uzbekistan鈥揔azakhstan, for instance, is directly linked to the global demand for cotton.
[7]	Zarate E.WFN Grey Water Footprint Working Group Final Report: A Joint Study Developed by WFN Parters. Netherlands: WFN, 2010. [本文引用: 2]
[8]	Mekonnen M M, Hoekstra A Y.The green, blue and grey water footprint of crops and derived crop products. Hydrology and Earth System Sciences, 2011, 15(5): 1577-1600.https://doi.org/10.5194/hess-15-1577-2011 URL [本文引用: 1]摘要 This study quantifies the green, blue and grey water footprint of global crop production in a spatially-explicit way for the period 1996-2005. The assessment improves upon earlier research by taking a high-resolution approach, estimating the water footprint of 126 crops at a 5 by 5 arc minute grid. We have used a grid-based dynamic water balance model to calculate crop water use over time, with...
[9]	曹连海, 吴普特, 赵西宁,等. 内蒙古河套灌区粮食生产灰水足迹评价 . 农业工程学报, 2014, 30(1):63-72.https://doi.org/10.3969/j.issn.1002-6819.2014.001.009 URL [本文引用: 2]摘要随着面源污染和土壤盐渍化成为重要的环境污染源和粮食安全的制约要素,如何评价和量化农业生产的负面效应,成为亟需解决的问题。水足迹理论的出现使该负面效应的量化成为可能,水足迹包括蓝水、绿水和灰水足迹,灰水足迹可以表征不同类型负面效应的大小,粮食生产灰水足迹反映了单位粮食产量的负面效应。该文应用水足迹理论,以内蒙古河套灌区为研究区,给出粮食生产灰水足迹的计算方法,选取环境最大允许浓度Cmax和本底浓度Cnat,逐项计算各项灰水足迹,并根据短板原理得出总灰水足迹, 计算分析河套灌区粮食生产灰水足迹。结果表明:2005-2008年面源污染的灰水足迹为0.55~0.58亿m3;积盐的灰水足迹从2005年的 4.570亿m3减少到2008年的1.825亿m3。总灰水足迹从2006年的5.872亿m3,减少到2008年的1.825亿m3,总灰水足迹在总水足迹中比例小于10%,有逐年降低的趋势。2005-2008年粮食生产灰水足迹分别为0.129、0.159、0.062和0.043 m3/kg,粮食生产灰水足迹有逐年降低的趋势,2008年的粮食生产灰水足迹仅相当于2006年的27.04%。节水灌溉等新技术的推广是其主要原因, 节水灌溉可以减少无效灌溉水量和水分的无效蒸发量,从而减小粮食生产灰水足迹。在此基础上,给出减少粮食生产灰水足迹的措施,即节水灌溉、种植业结构调整、合理确定地下水位和合理使用化肥、农药。研究成果较好地量化了大型灌区粮食生产的负面效应和粮食生产灰水足迹,可为其他粮食主产区农业可持续发展及制定农业产业政策提供参考。 [Cao Lianhai, Wu Pute, Zhao Xining, et al.Valuation of grey water footprint of grain production in Hetao irrigation district, Inner Mongolia. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(1): 63-72.]https://doi.org/10.3969/j.issn.1002-6819.2014.001.009 URL [本文引用: 2]摘要随着面源污染和土壤盐渍化成为重要的环境污染源和粮食安全的制约要素,如何评价和量化农业生产的负面效应,成为亟需解决的问题。水足迹理论的出现使该负面效应的量化成为可能,水足迹包括蓝水、绿水和灰水足迹,灰水足迹可以表征不同类型负面效应的大小,粮食生产灰水足迹反映了单位粮食产量的负面效应。该文应用水足迹理论,以内蒙古河套灌区为研究区,给出粮食生产灰水足迹的计算方法,选取环境最大允许浓度Cmax和本底浓度Cnat,逐项计算各项灰水足迹,并根据短板原理得出总灰水足迹, 计算分析河套灌区粮食生产灰水足迹。结果表明:2005-2008年面源污染的灰水足迹为0.55~0.58亿m3;积盐的灰水足迹从2005年的 4.570亿m3减少到2008年的1.825亿m3。总灰水足迹从2006年的5.872亿m3,减少到2008年的1.825亿m3,总灰水足迹在总水足迹中比例小于10%,有逐年降低的趋势。2005-2008年粮食生产灰水足迹分别为0.129、0.159、0.062和0.043 m3/kg,粮食生产灰水足迹有逐年降低的趋势,2008年的粮食生产灰水足迹仅相当于2006年的27.04%。节水灌溉等新技术的推广是其主要原因, 节水灌溉可以减少无效灌溉水量和水分的无效蒸发量,从而减小粮食生产灰水足迹。在此基础上,给出减少粮食生产灰水足迹的措施,即节水灌溉、种植业结构调整、合理确定地下水位和合理使用化肥、农药。研究成果较好地量化了大型灌区粮食生产的负面效应和粮食生产灰水足迹,可为其他粮食主产区农业可持续发展及制定农业产业政策提供参考。
[10]	Ercin A E, Aldaya M M, Hoekstra A Y.Corporate water footprint accounting and impact assessment: The case of the water footprint of a sugar-containing carbonated beverage. Water Resources Management, 2011, 25(2): 721-741.https://doi.org/10.1007/s11269-010-9723-8 URL [本文引用: 2]摘要 All water use in the world is ultimately linked to final consumption by consumers. It is therefore interesting to know the specific water requirements of various consumer goods, particularly the water-intensive ones. This information is relevant not only for consumers, but also for food processors, retailers, and traders. The objective of this paper is to carry out a pilot study on water footprint accounting and impact assessment for a hypothetical sugar-containing carbonated beverage in a 0.5 l PET-bottle produced in a hypothetical factory that takes its sugar alternatively from sugar beet, sugar cane and high fructose maize syrup and from different countries. The composition of the beverage and the characteristics of the factory are hypothetical but realistic. The data assumed have been inspired by a real case. This paper does not only look at the water footprint of the ingredients of the beverage, but also at the water footprint of the bottle, other packaging materials and construction materials, paper and energy used in the factory. Although most companies focus on their own operational performance, this paper shows that it is important to consider freshwater usage along the supply chain. The water footprint of the beverage studied has a water footprint of 150 to 300 l of water per 0.5 l bottle, of which 99.7-99.8% refers to the supply chain. The study also shows that agricultural ingredients that constitute only a small fraction in weight of the final product have the biggest share at the total water footprint of a product.
[11]	徐中民, 程国栋. 人地系统中人文因素作用的分析框架探讨 . 科技导报, 2008, 26(3): 86-92.https://doi.org/10.3321/j.issn:1000-7857.2008.03.017 URL [本文引用: 1]摘要总结了人文科学理论和方法演变的一般规律，分析了人文科学理论和方法的思考范式．结合思考范式，阐述了当前人文因素研究方面主要的理论进展和评价分析方法．以环境影响评价为例，详细介绍了如何辨析人文因素及结构性成分之间的关系．最后以水资源管理为例，提出一个分析人地系统中人文因素作用的概念框架，并总结了这种思考范式所带来的启示． [Xu Zhongmin, Cheng Guodong.Framework to address human factors in a human-earth system. Science & Technology Review, 2008, 26(3): 86-92.]https://doi.org/10.3321/j.issn:1000-7857.2008.03.017 URL [本文引用: 1]摘要总结了人文科学理论和方法演变的一般规律，分析了人文科学理论和方法的思考范式．结合思考范式，阐述了当前人文因素研究方面主要的理论进展和评价分析方法．以环境影响评价为例，详细介绍了如何辨析人文因素及结构性成分之间的关系．最后以水资源管理为例，提出一个分析人地系统中人文因素作用的概念框架，并总结了这种思考范式所带来的启示．
[12]	Xu Zhongming, Cheng Guodong, Chen Dongjing, et al.Development capacity and sustainable development of China. Ecology Economics, 2002, 40(3): 369-378. [本文引用: 1]
[13]	Waggoner P R, Ausubel J H.A framework for sustainability science: A renovated IPAT identity. Proceedings of the National Academy of Sciences of the United States of America, 2002, 99(12): 7860-7865.https://doi.org/10.1073/pnas.122235999 URL [本文引用: 1]摘要 Learning actors' leverage for change along the journey to sustainability requires quantifying the component forces of environmental impact and integrating them. Population, income, consumers' behavior, and producers' efficiency jointly force impact. Here, we renovate the “IPAT Identity” to identify actors with the forces. Forcing impact I are P for population, A for income as gross domestic product (GDP) per capita, C for intensity of use as a good per GDP, and T for efficiency ratios as impact per good. In the “ImPACT Identity,” parents modify P, workers modify A, consumers modify C, and producers modify T. Because annual percentage changes in component forces add to a change in national impact, actors' leverage is reflected transparently in consistent units of annual percentage changes that can be compared from force to force. Examples from energy and food, farming and manufacturing, and steel and water show that declining C, called dematerialization, can temper the sustainability challenge of growth (P × A), and that innovation or efficient technology that lowers T can counter rising consumption (P × A × C). Income elasticity can accommodate connections between income and other forces. From rates of change of forces, the identity can forecast impacts. Alternatively, by identifying the necessary change in forces to cause a projected impact, ImPACT can assay the likelihood and practicability of environmental targets and timetables. An annual 2–3% progress in consumption and technology over many decades and sectors provides a benchmark for sustainability.
[14]	York R, Rosa E A, Dietz T.Bridging environmental science with environmental policy: Plasticity of population, affluence and technology. Social Science Quarterly, 2002, 83(1): 18-34.https://doi.org/10.1111/1540-6237.00068 URL
[15]	York R, Rosa E A, Dietz T.Footprints on the Earth: The environmental consequences of modernity. American Sociological Review, 2003, 68(4): 279-300.https://doi.org/10.2307/1519769 URL摘要 ABSTRACT Growing evidence demonstrating clear threats to the sustainabilily of the ecosystems supporting human societies has given rise to a variety of sociological theories of human-environment interactions. These environmental impact theories fall into three general perspectives: human ecology, modernization, and political economy. These theories, however, have not been empirically tested in a common analytic framework. Here, a framework that relies on ecological principles is adopted and modified. Using a revised stochastic formulation of that framework and the most comprehensive measure of environmental impact to date-the ecological footprint-the factors driving the environmental impacts of societies are assessed. The overall findings support the claims of human ecologists, partially support the claims of political economists, and contradict the claims of modernization theorists. Basic material conditions, such as population, economic production, urbanization, and geographical factors all affect the environment and explain the vast majority of cross-national variation in environmental impact. Factors derived from neo-liberal modernization theory, such as political freedom, civil liberties, and state environmentalism have no effect on impacts. Taken together, these findings suggest societies cannot be sanguine about achieving sustainability via a continuation of current trends in economic growth and institutional change.
[16]	York R, Rosa E A, Dietz T. STIRPAT, IPAT,ImPACT: Analytic tools for unpacking the driving forces of environmental impacts. Ecological Economics, 2003, 46(3): 351-365. [本文引用: 2]
[17]	Tobler W.A computer movie simulating urban growth in the Detroit region. Economic Geography, 1970, 46(2): 234-240.URL [本文引用: 1]
[18]	程叶青, 王哲野, 张守志, 等. 中国能源消费碳排放强度及其影响因素的空间计量 . 地理学报, 2013, 68(10): 1418-1431.https://doi.org/10.11821/dlxb201310011 Magsci [本文引用: 1]摘要碳排放所引起的全球气候变化对人类经济社会发展带来了严峻的挑战。中国政府承诺到2020 年GDP碳排放强度较2005 年降低40%~45%,这一目标的实现有赖于全国层面社会经济和产业结构的实质性转型,更有赖于省区层面节能减排的具体行动。基于联合国政府间气候变化专门委员会(IPCC) 提供的方法,本文估算了全国30 个省区1997-2010 年碳排放强度,采用空间自相关分析方法和空间面板计量模型,探讨了中国省级尺度碳排放强度的时空格局特征及其主要影响因素,旨在为政府制定差异化节能减排的政策和发展低碳经济提供科学依据。研究结果表明:① 1997-2010 年,中国能能源消费CO<sub>2</sub>排放总量从4.16 Gt 增加到11.29Gt,年均增长率为7.15%,而同期GDP年均增长率达11.72%,碳排放强度总体上呈逐年下降的态势;② 1997-2010 年,碳排放强度的Moran's I 指数呈波动型增长,说明中国能源消费碳排放强度在省区尺度上具有明显的空间集聚特征,且集聚程度有不断增强的态势,同时,碳排放强度高值集聚区和低值集聚区表现出一定程度的路径依赖或空间锁定;③ 空间面板计量模型分析结果表明,能源强度、能源结构、产业结构和城市化率对中国能源消费碳排放强度时空格局演变具有重要影响;④ 提高能源利用效率,优化能源结构和产业结构,走低碳城市化道路,以及实行节能减排省区联动策略是推动中国实现节能减排目标的重要途径。 [Cheng Yeqing, Wang Zheye, Zhang Shouzhi, et al.Spatial econometric analysis of carbon emission intensity and its driving factors from energy consumption in China. Acta of Geographica Sinica, 2013, 68(10): 1418-1431.]https://doi.org/10.11821/dlxb201310011 Magsci [本文引用: 1]摘要碳排放所引起的全球气候变化对人类经济社会发展带来了严峻的挑战。中国政府承诺到2020 年GDP碳排放强度较2005 年降低40%~45%,这一目标的实现有赖于全国层面社会经济和产业结构的实质性转型,更有赖于省区层面节能减排的具体行动。基于联合国政府间气候变化专门委员会(IPCC) 提供的方法,本文估算了全国30 个省区1997-2010 年碳排放强度,采用空间自相关分析方法和空间面板计量模型,探讨了中国省级尺度碳排放强度的时空格局特征及其主要影响因素,旨在为政府制定差异化节能减排的政策和发展低碳经济提供科学依据。研究结果表明:① 1997-2010 年,中国能能源消费CO<sub>2</sub>排放总量从4.16 Gt 增加到11.29Gt,年均增长率为7.15%,而同期GDP年均增长率达11.72%,碳排放强度总体上呈逐年下降的态势;② 1997-2010 年,碳排放强度的Moran's I 指数呈波动型增长,说明中国能源消费碳排放强度在省区尺度上具有明显的空间集聚特征,且集聚程度有不断增强的态势,同时,碳排放强度高值集聚区和低值集聚区表现出一定程度的路径依赖或空间锁定;③ 空间面板计量模型分析结果表明,能源强度、能源结构、产业结构和城市化率对中国能源消费碳排放强度时空格局演变具有重要影响;④ 提高能源利用效率,优化能源结构和产业结构,走低碳城市化道路,以及实行节能减排省区联动策略是推动中国实现节能减排目标的重要途径。
[19]	Fotheringham A S, Brunsdon C, Charlton M.Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. Chichester: Wiley, 2002. [本文引用: 2]
[20]	庞瑞秋, 腾飞, 魏冶. 基于地理加权回归的吉林省人口城镇化动力机制分析 . 地理科学, 2014, 34(10): 1210-1217.Magsci [本文引用: 1]摘要 <p>以吉林省各县域(市辖区)为基本单元,借助第六次人口普查和统计年鉴的相关数据,结合地理加权回归模型和空间自相关分析方法,讨论人口城镇化水平和国有动力、非国有动力、农业动力及外向动力等因素的空间相关关系,并以此解释人口城镇化分县域(市辖区)差异的影响因素。结果表明:国有动力对吉林省人口城镇化的影响作用最大,影响强度由中北部向西南、东南两个方向递减;农业动力和非国有动力分居二、三位,但差别不明显。其中农业动力的影响强度由西北向东南方向递减,非国有动力的影响强度由东南向西北递减;外向动力对人口城镇化的影响力较弱,影响强度各地区差别较大。吉林省人口城镇化未来发展应重视非国有动力的影响和农村现代化的作用;关注人口城镇化动力多元化,考虑实现错位发展和个性化发展。</p> [Pang Ruiqiu, Teng Fei, Wei Ye.A GWR-based study on dynamic mechanism of population urbanization in Jilin province. Scientia Geographica Sinica, 2014, 34(10): 1210-1217.]Magsci [本文引用: 1]摘要 <p>以吉林省各县域(市辖区)为基本单元,借助第六次人口普查和统计年鉴的相关数据,结合地理加权回归模型和空间自相关分析方法,讨论人口城镇化水平和国有动力、非国有动力、农业动力及外向动力等因素的空间相关关系,并以此解释人口城镇化分县域(市辖区)差异的影响因素。结果表明:国有动力对吉林省人口城镇化的影响作用最大,影响强度由中北部向西南、东南两个方向递减;农业动力和非国有动力分居二、三位,但差别不明显。其中农业动力的影响强度由西北向东南方向递减,非国有动力的影响强度由东南向西北递减;外向动力对人口城镇化的影响力较弱,影响强度各地区差别较大。吉林省人口城镇化未来发展应重视非国有动力的影响和农村现代化的作用;关注人口城镇化动力多元化,考虑实现错位发展和个性化发展。</p>
[21]	孙才志, 陈栓, 赵良仕. 基于ESDA的中国省际水足迹强度的空间关联格局分析 . 自然资源学报, 2013, 28(4): 571-582.https://doi.org/10.11849/zrzyxb.2013.04.004 Magsci [本文引用: 1]摘要 <p>水足迹强度是一个反映水的利用效率的指标,论文在对1995-2009年中国31个省(市、区)水足迹计算的基础上(因资料所限,未考虑香港、澳门和台湾地区),利用探索性空间数据分析(ESDA)对15 a来各地区水足迹强度空间分布格局以及演变态势进行了分析和探讨。结果表明:①中国水足迹强度整体呈现明显的下降趋势,说明水资源的利用效率明显提高,但是区域发展并不平衡;②从全局空间分异来看,中国各地区水足迹强度呈现出正的空间相关性特征,存在着空间集聚特征,即水足迹强度高的地区相互邻接,强度低的地区相互邻接;③从局部空间分异来看,空间正相关模式(LL集聚和HH集聚)所占比例很大,且在研究年份内逐渐增加,反映出水足迹强度的LL集聚和HH集聚变得越来越显著。LL集聚主要分布在东部沿海一带,在空间上有明显的向周边扩散的趋势;HH集聚主要分布在西部地区,在空间分布上较稳定。</p> [Sun Caizhi, Chen Shuan, Zhao Liangshi.Spatial correlation pattern analysis of water footprint based on ESDA model at provincial scale in China. Journal of Natural Resources, 2013, 28(4): 571-582.]https://doi.org/10.11849/zrzyxb.2013.04.004 Magsci [本文引用: 1]摘要 <p>水足迹强度是一个反映水的利用效率的指标,论文在对1995-2009年中国31个省(市、区)水足迹计算的基础上(因资料所限,未考虑香港、澳门和台湾地区),利用探索性空间数据分析(ESDA)对15 a来各地区水足迹强度空间分布格局以及演变态势进行了分析和探讨。结果表明:①中国水足迹强度整体呈现明显的下降趋势,说明水资源的利用效率明显提高,但是区域发展并不平衡;②从全局空间分异来看,中国各地区水足迹强度呈现出正的空间相关性特征,存在着空间集聚特征,即水足迹强度高的地区相互邻接,强度低的地区相互邻接;③从局部空间分异来看,空间正相关模式(LL集聚和HH集聚)所占比例很大,且在研究年份内逐渐增加,反映出水足迹强度的LL集聚和HH集聚变得越来越显著。LL集聚主要分布在东部沿海一带,在空间上有明显的向周边扩散的趋势;HH集聚主要分布在西部地区,在空间分布上较稳定。</p>
[22]	Anselin L.Spatial Econometrics: Methods and Models. Dordrecht: Kluwer Academic Publishers, 1988.URL [本文引用: 1]
[23]	徐中民, 程国栋. 中国人口和富裕对环境的影响 . 冰川冻土, 2005, 27(5): 767-773.Magsci [本文引用: 3]摘要辨明人类活动各因素对环境影响作用的大小,并依此找寻发展的对策是当前可持续发展研究的核心问题之一.分析了IPAT等式在分解环境影响中人文因素的作用;采用生态足迹作为环境影响的测量指标,利用STIRPAT模型,以1999年中国各省市的截面数据为例,分析了人口数量、富裕程度、现代化及经济区位和自然区位对环境影响的具体作用,并在此基础上探讨了中国各省(市)的技术生态效益.结果表明:人口数量是当前环境影响的一个主要驱动因子,环境影响与人口数量近同比例变化,富裕程度或现代化程度增加也将加剧人类对环境的影响.在观测数据范围内,分析结果不支持存在环境Kuznets曲线的观点.最后分析讨论了不支持存在环境Kuznets曲线的原因及STIRPAT模型的优缺点,并指出社会适应性能力可作为下一步深入研究的方向. [Xu Zhongmin, Cheng Guodong.Impact of population and affluence on environment in China. Journal of Glaciology and Geocryology, 2005, 27(5): 767-773.]Magsci [本文引用: 3]摘要辨明人类活动各因素对环境影响作用的大小,并依此找寻发展的对策是当前可持续发展研究的核心问题之一.分析了IPAT等式在分解环境影响中人文因素的作用;采用生态足迹作为环境影响的测量指标,利用STIRPAT模型,以1999年中国各省市的截面数据为例,分析了人口数量、富裕程度、现代化及经济区位和自然区位对环境影响的具体作用,并在此基础上探讨了中国各省(市)的技术生态效益.结果表明:人口数量是当前环境影响的一个主要驱动因子,环境影响与人口数量近同比例变化,富裕程度或现代化程度增加也将加剧人类对环境的影响.在观测数据范围内,分析结果不支持存在环境Kuznets曲线的观点.最后分析讨论了不支持存在环境Kuznets曲线的原因及STIRPAT模型的优缺点,并指出社会适应性能力可作为下一步深入研究的方向.
[24]	鲁凤, 徐建华. 中国区域经济差异的空间统计分析 . 华东师范大学:自然科学版, 2007, 2(3): 44-51.https://doi.org/10.3969/j.issn.1000-5641.2007.02.006 URL [本文引用: 1]摘要运用GIS技术与空间统计分析的综合集成方法，对1978—2001年间全国各省区人均GDP的格局及其空间动态演变进行分析和研究．利用完善的ESDA方法，包括MoranI指数、Moran散点图和LISA等，来揭示1978—2001年间全国各省区经济发展水平及增长的空间自相关和空间异质性．以有效地认识中国经济活动的空间分布特征，揭示空间联系的结构，认识其内在规律性及其动态演变过程，并对实证研究的结果进行了成因分析． [Lu Feng, Xu Jianhua.Exploratory spatial data analysis of the regional economic disparities in China. Journal of East China Normal University: Natural Science, 2007, 2(3): 44-51.]https://doi.org/10.3969/j.issn.1000-5641.2007.02.006 URL [本文引用: 1]摘要运用GIS技术与空间统计分析的综合集成方法，对1978—2001年间全国各省区人均GDP的格局及其空间动态演变进行分析和研究．利用完善的ESDA方法，包括MoranI指数、Moran散点图和LISA等，来揭示1978—2001年间全国各省区经济发展水平及增长的空间自相关和空间异质性．以有效地认识中国经济活动的空间分布特征，揭示空间联系的结构，认识其内在规律性及其动态演变过程，并对实证研究的结果进行了成因分析．

基于地理加权回归的中国灰水足迹人文驱动因素分析

本站小编 Free考研考试/2021-12-29

The impacts of human driving factors on grey water footprint in China using a GWR model

1 引言