黄河流域水资源利用时空演变特征及驱动要素

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

孙思奥^,¹^,², 汤秋鸿²^,³

1.中国科学院地理科学与资源研究所区域可持续发展与模拟重点实验室,北京100101

2.中国科学院大学,北京100049

3.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室,北京100101

Spatiotemporal patterns and driving factors of water resources use in the Yellow River Basin

SUN Siao^,¹^,², TANG Qiuhong²^,³

1. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

2. University of Chinese Academy of Sciences, Beijing 100049, China

3. Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

收稿日期:2020-02-10修回日期:2020-05-27网络出版日期:2020-12-25

基金资助:

国家自然科学基金重点项目.41730645
国家自然科学基金重大项目.41790424
国家****科学基金项目.41425002

Received:2020-02-10Revised:2020-05-27Online:2020-12-25
作者简介 About authors
孙思奥,女,湖南津市人,博士,副研究员,主要从事水资源管理与可持续发展研究。E-mail: suns@igsnrr.ac.cns

摘要
黄河流域水资源供需矛盾突出,在有限的水资源条件下,亟需开展水资源需求管理,以保障社会经济可持续发展。本文以二级流域为基本单元,采用对数均值迪氏指数方法分析2003—2015年黄河流域用水量的时空演变特征,揭示流域用水时空变化的主要影响因素。结果显示：①黄河流域用水量占比全国用水量8.0%~9.3%,年用水总量呈现上升趋势,而人均用水量则呈下降趋势。②各二级流域用水量随时间变化的主导因素不一致,人口与人均GDP增长为用水量增加的主导因素,用水强度降低与产业结构升级能起到抑制用水量增长的作用。黄河二级流域人均用水量空间差异显著,用水强度对人均用水量空间差异的影响最显著,各因素对二级流域人均用水量空间差异的影响逐年减小。研究结果可为黄河流域水资源需求管理提供科学依据。
关键词： 水资源管理;黄河流域;对数均值迪氏指数;用水量;社会经济要素

Abstract

Along with the rapid population growth and socioeconomic development, the Yellow River Basin (YRB) in China is facing water scarcity. Given limited water resources availability in the YRB in the semi-arid and arid regions, water resources management on the demand side is essential for sustainable development in the region. Previous studies on driving forces of water use were mostly based on administrative units. In this study, we analyzed the spatiotemporal patterns and change of water use in the YRB in 2003-2015 at the second-order basin scale. In addition, we examined the main influencing factors that drive the temporal and spatial changes of water use using the logarithmic mean divisia index (LMDI) method. The results indicated that the total water use in the YRB represented 8.0%~9.3% of the total water use in China. The total water use in the YRB exhibited an increasing trend, while water use per capita showed a decreasing trend. The main driving factors for the spatial evolution of water use in different second-order basins were different. The increasing water uses in the second-order YRBs were mainly attributed to population growth and per capita GDP increase, whereas water use efficiency improvement and industrial structure upgrading contributed to offsetting increasing water use. Per capita water uses in the second-order basins showed large spatial heterogeneity. The spatial LMDI results showd that water use intensity was the largest contributor to the spatial difference of per capita water uses. The effects of all the contributing factors to the spatial differences of per capita water use tended to decrease with time. The results are useful in informing relevant policies towards sustainable water use and management in the YRB.

Keywords：water resources management;Yellow River Basin;logarithmic mean divisia index (LMDI);water use;socioeconomic factors

PDF (8667KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
孙思奥, 汤秋鸿. 黄河流域水资源利用时空演变特征及驱动要素. 资源科学[J], 2020, 42(12): 2261-2273 doi:10.18402/resci.2020.12.01
SUN Siao, TANG Qiuhong. Spatiotemporal patterns and driving factors of water resources use in the Yellow River Basin. RESOURCES SCIENCE[J], 2020, 42(12): 2261-2273 doi:10.18402/resci.2020.12.01

1 引言

黄河是中国的第二长河,是中国西北、华北地区的重要水源^[1]。黄河流域西起青藏高原,北抵阴山,南至秦岭,东注渤海,以占全国7.7%的面积承载着全国15%耕地面积、12%人口和50多座大中城市^[1],在中国经济社会发展格局中占有十分重要的地位^[2,3]。受地理位置与东亚季风气候的影响,流域大部分属于干旱、半干旱地区,多年平均降水量在200~600 mm之间,水资源禀赋严重不足^[4],生态环境十分脆弱^[5,6]。20世纪70年代,黄河下游开始出现断流,80年代后期和90年代尤为严重,对黄河中下游地区生态环境及工农业生产产生了深远的影响^[6]。尽管通过实施流域水量统一管理和调度,至2019年黄河已实现连续20年不断流,但随着社会经济的发展与人口增长,地区日益增长的水资源需求与有限的水资源供给矛盾仍然突出^[7],严重制约着地区社会经济的可持续发展^[8]。黄河流域是中国重要的生态屏障和经济地带,其生态保护和高质量发展已经上升为重大国家战略。

在可利用水资源总量有限的约束条件下,水资源需求管理成为保障缺水地区社会经济发展的重要途径^[9],以水而定,量水而行是实现绿色发展的要求。已有研究对中国及不同地区用水量和用水强度的变化特征及演变机制进行了详细分析,为理解中国各地区水资源利用演变规律与驱动原因提供了很好的基础。目前,用水量或用水强度演变趋势的效应分解主要集中于时间视角^[10,11],马海良等^[12]从城镇化进程视角,探讨中国城镇化率与全国用水总量、水资源利用效率和用水结构之间的关系;孙才志等^[13]构建了产业用水变化的全要素分解模型,用于测度辽宁省驱动产业用水变化的经济增长效应、结构效应和强度效应;秦昌波等^[14]采用对数均值迪氏指数分析（LMDI）方法从经济规模效应、产业结构效应和用水技术效应等方面分析了陕西省生产用水变动的驱动因素及影响程度。近年来,受到能源环境领域空间差异驱动效应分解研究的启发^[15,16,17],水资源利用量空间差异驱动效应分解得到初步应用^[18],采用LMDI方法,国内****将中国各省市或地区^[11,19,20]、长江经济带^[10]、西北地区各省市^[21]的水资源消耗时空差异分解为多个社会经济要素的效应,为制定有针对性的地区水资源管理政策提供依据。

已有研究多以行政单元为基础,分析国家及省市尺度用水量的变化规律与驱动要素,而水资源禀赋等自然条件常常依附于流域单元,且水资源分配与管理政策常常在流域尺度实施,因而亟需开展流域子单元的用水量与用水强度时空变化规律分析。目前,针对黄河子流域用水时空规律及影响因素的认识还缺乏系统研究。基于此,本文以黄河二级流域为基本单元,分析各单元用水总量和人均用水量的时空演变特征,揭示各二级流域内部用水量（不包括流域外调水）随时间变化的主要影响因素,并探讨不同二级流域间人均用水量空间分异的主导因素。研究结果将为黄河流域可持续水资源管理政策制定提供科学支撑,有助于促进黄河流域水资源的高效利用,缓解水资源危机,对生态环境保护与社会经济可持续发展都具有重要意义。

2 数据与方法

2.1 研究区域与基础数据

本文研究区域为黄河流域。黄河全长5464 km,流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东等9省（区）,流域总面积为79.5万km²。全河划分为龙羊峡以上、龙羊峡至兰州、兰州至河口镇、河口镇至龙门、龙门至三门峡、三门峡至花园口、花园口以下、黄河内流区等8个二级流域分区。黄河流域人均水资源占有量不到全国平均水平的30%,水资源开发率超过40%的生态警戒线,水资源是流域社会经济发展的最重要约束之一。

本文以二级流域为基本单元,分析水资源利用时空演变特征及驱动要素,时间跨度为2003—2015年。主要数据包括各部门用水量、国内生产总值（GDP）和人口数据。本文主要讨论黄河二级流域内部社会经济发展用水（不包括流域外部调水）规律与驱动因素。《黄河水资源公报》提供了各二级流域单元农业、工业、生活与生态环境用水量（包括流域内、外取水）,并将省级单元（主要包括河南、山东、天津、北京）从黄河流域取水用于满足流域外需求的数量单独给出^[22]。根据各省级单元沿黄河取水位置扣除二级流域外部取水（流域外部取水主要分布在兰州至河口镇、三门峡至花园口、花园口以下）,得到各二级流域内用水量。地级市尺度GDP与人口数据从《中国城市统计年鉴》获取,不同年份GDP折算为2005年可比价数据。根据2005年与2010年人口与GDP栅格尺度（1 km×1 km）信息^[23,24],计算各地级市黄河二级流域范围内外的人口与GDP比例,其他年份比例根据2005年与2010年数据插值结果得到。在此基础上,由地级市GDP与人口数据推算黄河8个二级流域历年人口与GDP,将用于流域时空用水变化社会经济影响因素分析。表1为黄河二级流域用水与主要社会经济指标2003—2015年均值。

Table 1
表1
表12003—2015年黄河二级流域用水与主要社会经济指标均值
Table 1Water use and socioeconomic data of the sub-catchments of the Yellow River Basin, 2003-2015

二级流域	面积/km²	流域内用水量/ （亿m³/年）	流域外取水/ （亿m³/年）	流域内农业用水占比/%	流域内工业用水占比/%	流域内生活用水占比/%	人口/ 万人	GDP/ （亿元/年）	农业GDP 占比/%	工业GDP 占比/%
龙羊峡以上	131341	2.2	0	83.8	5.5	10.4	113.0	836.9	10.7	53.2
龙羊峡至兰州	91090	34.0	0	66.3	20.9	11.2	968.3	2746.4	12.1	45.9
兰州至河口镇	152581	178.9	2.1	86.0	8.4	4.0	1911.7	8012.4	9.0	49.3
河口镇至龙门	122335	18.2	0	60.2	22.5	14.5	1094.0	5975.2	8.9	53.2
龙门至三门峡	191108	102.1	0.2	62.7	18.0	17.1	5384.6	13217.9	9.8	52.6
三门峡至花园口	41694	23.6	14.0	49.5	32.9	15.0	2220.7	11620.5	7.1	54.3
花园口以下	22621	44.8	81.1	77.5	9.9	8.1	2477.8	12926.8	7.3	55.3
内流区	42270	4.4	0	85.6	8.2	3.9	49.1	1875.6	7.0	59.3
黄河流域	795040	408.2	97.3	74.2	13.9	9.3	14219.2	57211.6	8.5	53.1

注：流域内用水量为流域取水总量扣除流域外取水。

新窗口打开|下载CSV

2.2 用水量时间变化原因解析

LMDI模型是分析能源利用、水资源利用、污染物排放等变化量影响因素的常用分解方法^[25,26,27],相对于其他基于指标分解分析方法（例如PDM和AMDI等方法）,LMDI为无残差分解方法^[28,29]。本文以LMDI模型为基础,将黄河各二级流域用水（包括农业、工业、生活用水）随时间变化量分解为用水强度、产业结构、人均GDP、人口等多个因素变化的效应,同时计算生态环境用水随时间的变化量。一个二级流域的用水总量wu为各个部门用水量总和：

（1）

wu = \sum_{k = 1,2, 3,4} w u_{k}

式中：

w u_{k}

（

k = 1,2, 3,4

）为农业、工业、生活、生态环境用水量（亿m³）,将流域用水总量在时段t至时段t+1的变化量

Δ wu

分解为多因素变化带来的效应：

（2）

\begin{array}{l} Δ wu = w u^{t + 1} - w u^{t} \\ = Δ w u_{I} + Δ w u_{α} + Δ w u_{gdp} + Δ w u_{pop} + Δ w u_{eco} \end{array}

式中：

Δ w u_{I}

、

Δ w u_{α}

、

Δ w u_{gdp}

、

Δ w u_{pop}

、

Δ w u_{eco}

分别为用水强度、产业结构、人均GDP、人口、生态环境用水等5个因素在研究时间段内变化的效应。用生活用水量近似替代服务业用水量^[14,19],将流域农业、工业与生活用水总量

w u_{j}

表达为下式：

（3）

\begin{array}{l} \sum_{k = 1,2, 3} w u_{k} = \sum_{k = 1,2, 3} \frac{w u_{k}}{GD P_{k}} \frac{GD P_{k}}{GDP} \frac{GDP}{pop} pop \\ = \sum_{k = 1,2, 3} w i_{k} \times α_{k} \times gdp \times pop \end{array}

式中：

GD P_{k}

为农业、工业、服务业GDP（万元）;GDP为流域GDP总量;pop为流域总人口（万人）;

w i_{k}

为流域农业、工业、服务业用水强度（m³/万元）;

α_{k}

为农业、工业、服务业GDP产出比值,表征产业结构;gdp为人均GDP（元/人）。LMDI模型计算如下：

（4）

Δ w u_{I} = \sum_{k = 1,2, 3} w_{k} \ln (\frac{w i_{k}^{t + 1}}{w i_{k}^{t}}) Δ w u_{α} = \sum_{k = 1,2, 3} w_{k} \ln (\frac{α_{k}^{t + 1}}{α_{k}^{t}}) Δ w u_{gdp} = \sum_{k = 1,2, 3} w_{k} \ln (\frac{gd p^{t + 1}}{gd p^{t}}) Δ w u_{pop} = \sum_{k = 1,2, 3} w_{k} \ln (\frac{po p^{t + 1}}{po p^{t}}) w_{k} = \frac{w u_{k}^{t + 1} - w u_{k}^{t}}{\ln w u_{k}^{t + 1} - \ln w u_{k}^{t}}

式中：

w i_{k}^{t + 1}

、

w i_{k}^{t}

分别为研究流域时段t+1、时段t的用水强度;

α_{k}^{t + 1}

、

α_{k}^{t}

分别代表研究流域时段t+1、时段t的产业结构;

gd p^{t + 1}

、

gd p^{t}

分别为研究流域在时段t+1、时段t的人均GDP;

po p^{t + 1}

、

po p^{t}

分别为研究流域时段t+1、时段t的人口数量;

w_{k}

为中间变量。生态环境用水变化量为：

（5）

Δ w u_{eco} = w u_{eco}^{t + 1} - w u_{eco}^{t}

式中：

w u_{eco}^{t + 1}

、

w u_{eco}^{t}

分别为研究流域时段t+1、时段t的生态环境用水量。本文基于LMDI方法将农业、工业、生活用水变化量分解为由多个社会经济因素变化带来的效应,在水资源相关研究中已有广泛应用^[10];将生态环境用水变化效应单独计算,保持了用水量变化分解的无残差,该作法在水资源短缺驱动因素研究中已有应用^[30]。

2.3 用水量空间变异原因解析

由于黄河二级流域规模差异较大（例如龙门至三门峡子流域人口是内流区子流域人口的100倍以上）,因而各流域间用水总量的可比性不大。以黄河流域整体人均用水量为比较基准,将二级流域与黄河流域整体人均用水量的差值分解为用水强度、产业结构、人均GDP、人均生态环境用水4个因素的效应。一个流域的人均用水量wup可由以下公式表达：

（6）

wup = \frac{wu}{pop} = \sum_{k = 1,2, 3,4} \frac{w u_{k}}{pop}

将二级流域与黄河流域人均用水量的差值分解为流域多种因素差别带来的效应：

（7）

\begin{array}{l} Δ wup = wu p^{i} - wu p^{YRB} \\ = Δ wu p_{I} + Δ wu p_{α} + Δ wu p_{g dp} + Δ wu p_{eco} \end{array}

式中：

wu p^{i}

与

wu p^{YRB}

分别为二级流域i和黄河流域的人均用水量,

Δ w u_{I}

、

Δ w u_{α}

、

Δ w u_{gdp}

、

Δ wu p_{eco}

分别为用水强度、产业结构、人均GDP、人均生态环境用水等4个因素流域间差异带来的效应。式（6）中的农业、工业、服务业人均用水量可用以下公式表达：

（8）

\begin{array}{l} \sum_{k = 1,2, 3} \frac{w u_{k}}{pop} = \sum_{k = 1,2, 3} \frac{w u_{k}}{GD P_{k}} \frac{GD P_{k}}{GDP} \frac{GDP}{pop} \\ = \sum_{k = 1,2, 3} w i_{k} \times α_{k} \times gdp \end{array}

基于式（8）,采用LMDI方法,

Δ wu p_{I}

、

Δ wu p_{α}

、

Δ wu p_{gdp}

分别由下式计算：

（9）

Δ wu p_{I} = \sum_{k = 1,2, 3} w p_{k} \ln (\frac{w i_{k}^{i}}{w i_{k}^{YRB}}) Δ wu p_{α} = \sum_{k = 1,2, 3} w p_{k} \ln (\frac{α_{k}^{i}}{α_{k}^{YRB}}) Δ wu p_{gdp} = \sum_{k = 1,2, 3} w p_{k} \ln (\frac{gd p^{i}}{gd p^{YRB}}) w p_{k} = \frac{wu p_{k}^{i} - wu p_{k}^{YRB}}{\ln wu p_{k}^{i} - \ln wu p_{k}^{YRB}}

式中：

w i_{k}^{i}

、

w i_{k}^{YRB}

分别为二级流域i与黄河流域在同一时段的用水强度;

α_{k}^{i}

、

α_{k}^{YRB}

分别为二级流域i与黄河流域的产业结构;

gd p^{i}

、

gd p^{YRB}

分别为二级流域i与黄河流域的人均GDP。人均生态环境用水效应为：

（10）

Δ wu p_{eco} = wu p_{eco}^{i} - w u_{eco}^{YRB}

式中：

wu p_{eco}^{i}

、

w u_{eco}^{YRB}

分别为二级流域i和黄河流域的人均生态环境用水量。

3 结果与分析

3.1 黄河流域水资源利用时空演化规律

二级流域人均用水量呈现较大的空间差异性（图1）：二级流域三门峡至花园口人均用水量最小,2003—2015年期间平均值仅为116.4 m³;兰州至河口镇人均用水量最大,均值为943.8 m³。整体而言,黄河流域上游地区（包括河口镇以上3个二级流域）及内流区人口密度相对较小,人均用水量较大,中下游地区人口密度相对较大,人均用水量相对较小。

图1

新窗口打开|下载原图ZIP|生成PPT
图12003—2015年黄河二级流域人均用水量平均值

Figure 1Per capita water use in Yellow River sub-basins, 2003-2015

2003—2015年期间,黄河流域年总用水量为429.1亿~570.1亿m³,占比全国总用水量8.0%~9.3%,其中,流域外用水为68.1亿~119.4亿m³。黄河流域人均用水量（除去流域外用水）为248.9~356.6 m³（表2）,低于同时期全国平均水平（约450 m³）。

Table 2
表2
表22003—2015年黄河流域用水量与人均用水量
Table 2Total and per capita water use in the Yellow River Basin, 2003-2015

年份	2003	2004	2005	2006	2007	2008	2009	2010	2011	2012	2013	2014	2015
流域年用水总量/亿m³	429.1	444.2	464.9	512.1	484.9	491.0	524.5	512.1	564.2	523.5	514.8	534.8	570.1
流域外年用水/亿m³	73.0	68.1	69.7	96.6	85.5	92.5	102.1	105.8	115.7	112.5	107.6	116.7	119.4
人均年用水量/m³	321.6	340.6	356.6	345.3	306.7	285.2	283.3	252.4	275.2	251.2	248.9	254.8	278.0

新窗口打开|下载CSV

黄河各二级流域用水总量与人均用水量表现出不同的年际变化趋势（图2）。根据Mann-Kendall趋势检验分析结果（表3）,龙羊峡以上、河口镇至龙门、龙门至三门峡、花园口以下、内流区等5个二级流域年用水总量呈现出显著上升趋势（p值<0.05）,龙羊峡至兰州段用水总量呈现显著下降趋势（p值<0.05）,兰州至河口镇、三门峡至花园口用水总量无显著上升或下降趋势。龙羊峡以上、龙羊峡至兰州、兰州至河口镇、三门峡至花园口、花园口以下等5个二级流域人均用水量呈现出显著下降趋势（p值<0.05）,龙门至三门峡段人均用水量表现出显著上升趋势（p值<0.05）,河口镇至龙门和内流区无明显上升或下降的趋势（p值>0.05）。整体而言,黄河流域年用水总量呈现出上升趋势（p值<0.05）,但由于人口逐年增长,人均用水量呈现出显著下降趋势（p值<0.05）。

图2

新窗口打开|下载原图ZIP|生成PPT
图22003—2015年黄河二级流域用水总量与人均用水量

Figure 2Total and per capita water use in Yellow River sub-basins, 2003-2015

Table 3
表3
表32003—2015年黄河二级流域用水总量与人均用水量Manne-Kendall趋势检验结果
Table 3Mann-Kendall trend analysis results for total and per capita water use in Yellow River sub-basins, 2003-2015

流域	用水总量		人均用水量
流域	Z	p-value/%	Z	p-value/%
龙羊峡以上	2.2	1.40	-3.6	0.02
龙羊峡至兰州	-2.6	0.44	-4.1	0.00
兰州至河口镇	1.2	12.32	-2.3	1.20
河口镇至龙门	3.5	0.03	0.2	42.74
龙门至三门峡	3.7	0.01	2.7	0.30
三门峡至花园口	0.9	18.01	-2.5	0.62
花园口以下	2.6	0.44	-2.7	0.30
内流区	2.1	1.90	1.5	6.36
黄河流域整体	3.0	0.14	-3.0	0.14

注：Z为Manne-Kendall趋势检验标准化统计变量,正值代表上升趋势,负值代表下降趋势。

新窗口打开|下载CSV

3.2 黄河流域水资源用量变化原因解析

在LMDI方法应用的基础上,将黄河各二级流域用水年际变化量分解为由多个社会经济因素变化带来的效应,结果见图3。以2003—2015年期间用水总量增长趋势最显著的龙门至三门峡二级流域为例,此二级流域用水量由2003年的89.7亿m³增长到2015年的117.2亿m³。用水量增长主要归因于经济发展,人均GDP由1.12万元增加至4.03万元,使流域年用水量增长124.9亿m³。其次,人口由5063.3万人增至5578.6万人,使流域年用水量增长9.4亿m³。龙门至三门峡二级流域生态环境用水量略有增长,2015年较2003年增加了1.5亿m³。用水强度减小与产业结构升级则有利于用水总量的减少,总体用水强度由80.0 m³/万元降低至28.9m³/万元,农业产值占比由12.0%降低至8.9%,两者分别带来该二级流域用水量减少92.9亿和15.4亿m³。在黄河其他二级流域,各因素对流域用水量变化的正负效应与龙门至三门峡基本保持一致：人口与经济增长带来流域用水量的增长,生态环境用水量逐年缓慢增长,用水强度降低与产业结构升级则带来流域用水量的减少。

图3

新窗口打开|下载原图ZIP|生成PPT
图32003—2015年黄河二级流域各因素对用水量随时间变化的累积效应

Figure 3Accumulated effects of different influencing factors on temporal water use changes in Yellow River sub-basins, 2003-2015

不同二级流域用水量随时间变化的主导因素不一致。人口增长为龙羊峡以上、三门峡至花园口、花园口以下等3个二级流域用水量增长的主导因素;人均GDP增长为龙羊峡至兰州、兰州至河口镇、河口镇至龙门、龙门至三门峡、内流区等5个二级流域用水量增加的主导因素。用水强度降低为龙羊峡至兰州、龙门至三门峡、三门峡至花园口、花园口以下等4个二级流域抵消用水量增加的主要因素;而在龙羊峡以上、兰州至河口、河口至龙门镇、内流区等4个二级流域,用水强度降低、产业结构升级同为抵消用水量增加的主导因素。

不同因素对用水量的增长或减少效应表现出较大的年际波动性。以龙门至三门峡二级流域为例,用水强度因素带来的用水变化量为-13.5亿~2.1亿m³/年,人均GDP因素带来的用水变化量为7.2亿~12.2亿m³/年,产业结构因素带来的用水变化量为 -8.0亿~1.0亿m³/年,人口因素带来的用水变化量为-0.4亿~2.0亿m³/年,生态环境用水因素带来的用水变化量为-1.0亿~1.0亿m³/年。

综合各二级流域分析结果,可量化不同社会经济要素变化对于黄河流域总用水量变化的作用。总体而言,扣除流域外用水后,黄河流域2003年总用水量为356.1亿m³,2015年增长至450.7亿m³。其中,人均GDP提高是流域总用水量增加的首要原因,使总用水量增加481.5亿m³,人口增长为次要原因,使总用水量增加121.0亿m³,生态环境用水量的逐年增长导致总用水量增加9.1亿m³;而用水强度减小和产业结构升级的作用抵消了一部分其他3个要素对总用水量的增长效应,分别使流域总用水量减少363.4亿m³与153.6亿m³。以上5个因素导致黄河流域总用水量在12年间净增长94.6亿m³。尽管黄河流域人均用水量普遍低于长江经济带,黄河流域用水量随时间变化原因与长江经济带省级单元解析结果基本一致,经济总量增长是两个流域用水总量上升的主要原因,用水强度降低是用水总量上升的最主要抑制因素^[10]。

3.3 黄河流域人均用水量空间变异解析

以黄河流域整体人均用水量为基准,进行二级流域人均用水量空间差异的原因分析。以2015年为例,黄河流域整体人均用水量为278.0 m³,不同二级流域人均用水量分布于112.3~894.8 m³之间,空间差异显著。其中,龙羊峡以上、河口镇至龙门、龙门至三门峡、三门峡至花园口、花园口以下等5个二级流域的人均用水量低于全流域均值;龙羊峡至兰州、兰州至河口镇、内流区等3个二级流域的人均用水量高于全流域均值。2015年黄河各二级流域与整体人均用水量差异原因分解结果见图4。

图4

新窗口打开|下载原图ZIP|生成PPT
图42015年黄河二级流域人均用水量空间差异原因解析

注：向上与向下箭头分别表示相对于黄河流域平均水平而言,某个因素带来二级流域人均用水量的增长和减少效应。
Figure 4Decomposition results of spatial difference of per capita water use in the sub-catchments of the Yellow River Basin, 2015

2015年,三门峡至花园口二级流域人均用水量最小,仅为112.3 m³,比黄河流域人均用水量低165.7 m³（图4f）。此二级流域农业、工业与服务业用水强度分别为110.7 m³/万元、8.5 m³/万元、9.0 m³/万元,远低于黄河流域农业、工业与服务业用水强度441.5 m³/万元、11.3 m³/万元、15.6 m³/万元;三门峡至花园口人口密度高,水资源供需矛盾突出,节水水平相对较高、用水强度低为三门峡至花园口二级流域人均用水量低的主要原因。三门峡至花园口社会经济发展水平相对较高,农业产值占比低于黄河流域平均水平（图4中产业结构因素）,人均生态环境用水也略低于黄河平均水平,这两个因素也带来该二级流域人均用水量的降低效应。三门峡至花园口人均GDP高于黄河流域平均水平,带来该二级流域人均用水量的增长效应。兰州至河口镇二级流域人均用水量最高,为894.8 m³,比黄河流域人均用水量高616.8 m³（图4c）。该二级流域农业、工业与服务业用水强度分别为1528.4 m³/万元、20.6 m³/万元、22.3 m³/万元,远高于黄河流域整体各部门相应的用水强度,是造成该二级流域人均用水量高的主要原因。同时,较高的人均GDP也带来兰州至河口镇二级流域相对于黄河流域较高的人均用水量。而兰州至河口镇二级流域农业占比相对较低的产业结构带来人均用水量的略微降低。由图4可知,二级流域生态环境用水量的空间差异对人均用水量差别的影响相对较小,带来人均用水量相对流域平均值变化-8.6 m³~15.8 m³。

可见,不同因素对各二级流域人均用水量的效应表现出空间差异性。2015年,龙羊峡以上、河口镇至龙门、龙门至三门峡、三门峡至花园口、花园口以下、内流区等6个二级流域的用水强度低于黄河流域用水强度平均水平,因而带来人均用水量相对于黄河流域平均水平的减少效应;龙羊峡至兰州、兰州至河口镇等2个二级流域的用水强度高于黄河流域平均水平,因而带来人均用水量的增加效应。龙羊峡至兰州、龙门至三门峡等2个二级流域的人均GDP低于黄河流域平均水平,带来人均用水量相对于黄河流域平均水平的减少效应;龙羊峡以上、兰州至河口镇、河口镇至龙门、三门峡至花园口、内流区和花园口以下等6个二级流域的人均GDP高于黄河流域平均水平,带来人均用水量的增加效应。兰州至河口镇、三门峡至花园口、花园口以下、内流区等4个二级流域产业结构中农业GDP占比相对较低,带来人均用水量相对于黄河流域平均水平的减少效应;龙羊峡以上、龙羊峡至兰州、河口镇至龙门、龙门至三门峡等4个二级流域农业GDP占比相对较高,产业结构因素带来人均用水量的增加效应。龙羊峡以上、龙羊峡至兰州、龙门至三门峡、三门峡至花园口、花园口以下等5个二级流域的生态环境用水量相对较低,带来人均用水量相对于黄河流域平均水平的减少效应;兰州至河口镇、河口镇至龙门、内流区等3个二级流域的生态环境用水量较高,带来人均用水量的增加效应。

由于黄河各二级流域人均用水量表现出年际变化,各影响因素对二级流域人均用水量空间差异的贡献作用也呈现出年际波动性（图5）。一般而言,某特定因素对某二级流域人均用水量的正向或负向效应（相对于黄河流域均值）在2003—2015年期间基本保持不变。但在兰州至河口镇二级流域,2008年人均GDP对人均用水量的影响从减少效应转换为增长效应,产业结构对人均用水量的影响从增长效应转换为减少效应,这是由于2008年兰州至河口镇产业升级速度高于流域平均水平,带来经济水平从低于黄河流域平均水平到超过平均水平、农业产出占比从高于黄河流域平均水平到低于平均水平所致;在内流区,2003—2004年农业产值占比高于黄河流域平均水平,2005年之后逐步低于黄河流域平均水平,产业结构对人均用水量的影响从增长效应转换为减少效应。总体而言,社会经济影响因素在二级流域的空间差异随时间逐渐缩小,因而各影响因素对二级流域空间差异的效应也逐渐缩小。

图5

新窗口打开|下载原图ZIP|生成PPT
图52003—2015年黄河二级流域各因素对人均用水量空间差异贡献解析

Figure 5Contribution of the factors to the spatial difference of per capita water use in the sub-catchments of the Yellow River Basin, 2003-2015

不同因素在各年份对各二级流域人均用水量的效应见图6,此箱型图给出了不同因素对二级流域人均用水量影响绝对值的中值、1/4分位数、3/4分位数以及最大值和最小值。所有影响因素中,用水强度对二级流域人均用水量空间差异性的影响最显著,其影响效应的中值为201.4 m³;其次为人均GDP,影响效应的中值为85.1 m³,该因素在内流区二级流域对人均用水量影响较大,相较于黄河流域平均水平带来超过1000 m³的差值效应;产业结构空间差异性影响效应的中值为29.2 m³;生态环境用水因素对二级流域人均用水量的影响效应最小,中值为4.3 m³。

图6

新窗口打开|下载原图ZIP|生成PPT
图6不同因素在各年份对各二级流域人均用水量效应的箱型图

Figure 6Boxplots of the effects of different factors on per capita water use in the sub-catchments of the Yellow River Basin, 2003-2015

本文中用水量、人口、GDP等数据都来自于统计数据且经过了一系列转换或运算（如数据的尺度转换等）,具有一定的不确定性。以2015年黄河各二级流域与整体人均用水量差异原因分解为例,假定各二级流域用水、人口、GDP不确定性服从相对标准偏差为0.05的正态分布,采用Monte Carlo模拟方法（基于10000次Monte Carlo模拟）,分析数据不确定性对不同因素效应分析结果的影响,结果见图7。在多数情况下,数据的不确定性不会带来某因素对二级流域人均用水量空间差异贡献方向（正向或负向）的改变,但对贡献值的大小有一定影响。

图7

新窗口打开|下载原图ZIP|生成PPT
图72015年不同因素对人均用水量空间差异贡献不确定性分析结果

注：图中每个二级流域的4个不确定性区间依次代表用水强度、人均GDP、产业结构和生态环境用水的效应。
Figture 7Uncertainty intervals of the effects of different factors on per capita water use in the sub-catchments of the Yellow River Basin, 2015

4 结论与政策建议

4.1 结论

本文以黄河8个二级流域为基本单元,分析了用水量时空变化特征,主要应用LMDI方法,将黄河二级流域用水量随时间变化量分解为由用水强度、人均GDP、产业结构、人口、生态用水等因素变化的效应,将二级流域人均用水量空间差异分解为由用水强度、人均GDP、产业结构、生态用水等因素变化的效应,得出如下结论：

（1）2003—2015年期间,黄河流域年用水量为429.1亿~570.1亿m³,占比全国总用水量8.0%~9.3%,其中流域外用水量为68.1亿~119.4亿m³。黄河流域整体年用水量呈现出上升趋势,但由于人口逐年增长,人均用水量呈现出显著下降趋势。二级流域用水总量与人均用水量则表现出不同的上升或下降趋势。多数二级流域年用水总量呈现出上升趋势。龙门至三门峡段的人均用水量表现出显著上升趋势,龙羊峡以上、龙羊峡至兰州、兰州至河口镇、三门峡至花园口、花园口以下等5个二级流域人均用水量表现出显著下降趋势。

（2）不同二级流域用水量随时间变化的主导因素不一致,且影响因素的效应表现出较大的年际波动性。龙羊峡以上、三门峡至花园口、花园口以下等3个二级流域用水量增长的主导因素为人口增长;龙羊峡至兰州、兰州至河口镇、河口镇至龙门、龙门至三门峡、内流区等5个二级流域用水量增加的主导因素为人均GDP提高。而用水强度降低与产业结构升级同为抵消二级流域用水量增加的主导因素。

（3）扣除流域外用水后,黄河流域用水量在2003—2015年间净增长94.6亿m³。用水量变化原因解析结果显示,人均GDP提高与人口增长是流域总用水量增加的主要原因,分别带来用水量增加481.5亿和121.0亿m³,生态用水量的逐年增长导致用水量增加9.1亿m³;而用水效率提高和产业结构升级的作用抵消了一部分增长效应,分别带来流域总用水量减少363.4亿和153.6亿m³。

（4）黄河二级流域人均用水量空间差异显著,最高人均用水量（兰州至河口镇段）是最低值（龙羊峡以上）的5倍以上。不同因素对各二级流域人均用水量的影响效应表现出空间差异性。总体而言,用水强度对二级流域人均用水量空间差异性的影响最显著,其次为人均GDP。各影响因素对二级流域人均用水量空间差异的贡献作用呈现出年际波动性,且各因素对二级流域空间差异的效应表现出随时间逐渐减小的趋势。

4.2 政策建议

尽管一部分黄河二级流域人均用水量实现了下降,但绝大多数二级流域用水总量仍在增长,黄河流域水资源供需矛盾突出,由于水资源过度开采导致的生态环境压力巨大,水资源可持续利用与管理任重而道远。结合本文研究结论,对黄河流域水资源管理提出以下政策建议：

（1）人口与经济增长是社会发展的动力,将不可避免地导致用水量增加,而用水强度降低与产业升级是抑制用水量增加的主要影响因素。因此,需要引进节水设施与技术,提高用水效率,重视农业节水,推广旱作雨养种植模式,提高农田灌溉有效利用系数,推进工业循环用水。在保障粮食安全的前提下,优化升级产业结构,由耗水强度大的农业向第二、三产业转移,严格准入高耗水工业,支持耗水强度小的行业发展。

（2）不同二级流域人均用水量及影响因素效应表现出巨大的空间差异性,表明许多二级流域有较大的节水空间。将用水强度高于流域平均水平的兰州至河口、花园口以下等2个二级流域作为重点节水地区,给予节水基础设施建设、技术等各方面支持,大力推广高效节水,提高节水水平。将由于产业结构因素导致用水量高于流域平均水平的龙羊峡以上、龙羊峡至兰州、龙门至三门峡等3个二级流域列为重点产业结构升级地区,给予政策倾斜,发展附加值高耗水少的产业行业,优化产业结构,以减少水资源需求量。

（3）整个黄河流域与流域外取水地区应通力合作,合理分配上下游与流域内外水权,加强各二级流域与流域外用水总量的控制,在各二级流域制定执行具有差异化的针对性的水资源管理政策。提倡经济发达地区对经济欠发达地区的资金、技术、人才和管理等方面的支持,各地区间相互借鉴技术经验,发挥经济、制度等其他因素的积极作用,优化水资源配置,实现流域水资源的可持续利用。

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]

王玉娟, 王树东, 杨胜天, 等. 黄河流域植被生态用水过程动态模拟
[J]. 自然资源学报, 2014,29(3):431-440.

[本文引用: 2]

[ Wang Y

, Wang S

, Yang S

, et al. Dynamic simulation of vegetation eco-water of the Yellow River Basin
[J]. Journal of Natural Resources, 2014,29(3):431-440.]

[本文引用: 2]

[2]

金凤君, 马丽, 许堞. 黄河流域产业发展对生态环境的胁迫诊断与优化路径识别
[J]. 资源科学, 2020,42(1):127-136.

[本文引用: 1]

[ Jin F

, Ma

, Xu

. Environmental stress and optimized path of industrial development in the Yellow River Basin
[J]. Resources Science, 2020,42(1):127-136.]

[本文引用: 1]

[3]

贾绍凤, 梁媛. 新形势下黄河流域水资源配置战略调整研究
[J]. 资源科学, 2020,42(1):29-36.

[本文引用: 1]

[ Jia S

, Liang

. Suggestions for strategic allocation of the Yellow River water resources under the new situation
[J]. Resources Science, 2020,42(1):29-36.]

[本文引用: 1]

[4]

刘华军, 乔列成, 孙淑惠. 黄河流域用水效率的空间格局及动态演进
[J]. 资源科学, 2020,42(1):57-68.

[本文引用: 1]

[ Liu H

, Qiao L

, Sun S

. Spatial distribution and dynamic change of water use efficiency in the Yellow River Basin
[J]. Resources Science, 2020,42(1):57-68.]

[本文引用: 1]

[5]

杨大文, 李翀, 倪广恒, 等. 分布式水文模型在黄河流域的应用
[J]. 地理学报, 2004,59(1):143-154.

DOI:10.11821/xb200401018 URL [本文引用: 1]

流域的水资源规划和管理都离不开水资源的定量化评估。而准确评估流域的水资源量,尤其是在大流域,必须明晰不同气候、地形、土地利用等自然条件下的水文循环过程。同时农业灌溉及水库调节等人工的直接取水和调控使水文过程变得更为复杂。仅依靠气象及水文观测数据,已很难拟合出单一的降雨-径流关系来模拟和预测流域水资源的时空分布。这时就需要一种新型水文模拟手段,它可以利用地理信息来描述流域的空间不均一性,并基于物理控制方程来描述水文过程,这就是分布式水文模型。作者介绍了这种模型及其在黄河流域的应用。

[ Yang D

, Li

, Ni G

, et al. Application of a distributed hydrological model to the Yellow River Basin
[J]. Acta Geographica Sinica, 2004,59(1):143-154.]

[本文引用: 1]

[6]

史建国, 严昌荣, 何文清, 等. 黄河流域水分亏缺时空格局变化研究
[J]. 自然资源学报, 2008,23(1):113-119.

DOI:10.11849/zrzyxb.2008.01.013 URL [本文引用: 2]

针对黄河流域水资源匮乏日益严重的状况,根据国家气象局整编的1957~2001年(45a)黄河流域93个气象站点气象资料,应用1998年FAO最新推荐的Penman-Monteith法计算潜在蒸散量,研究黄河流域水分变化特点,尤其是水分亏缺时空格局。同时,应用克里格(Kriging)插值法生成黄河流域区域的水分亏缺分布图。研究结果显示黄河流域水分亏缺的空间分布格局变化十分复杂,受气候、地形和地貌等多种因素影响,具有明显的地域特点。总体上,水分亏缺由北向南逐步递减,流域北部水分亏缺由西北向东南依次递减;流域水分亏缺在年际间的变幅具有增大趋势,在年内也表现出明显的季节变化特点,春季、夏季的亏缺量比较大,而冬季和秋季的亏缺量比较小,且在不同区域之间存在明显差别。

[ Shi J

, Yan C

, He W

, et al. Study on spatial and temporal variation of water surplus and deficiency in Yellow River Basin
[J]. Journal of Natural Resources, 2008,23(1):113-119.]

[本文引用: 2]

[7]

刘昌明, 郑红星. 黄河流域水循环要素变化趋势分析
[J]. 自然资源学报, 2003,18(2):129-235.

DOI:10.11849/zrzyxb.2003.02.001 URL [本文引用: 1]

根据月降水、径流资料进行水循环要素分解,并应用Mann-Kendall方法分析了7个主要的水循环要素的变化趋势。分析表明:对于兰州控制断面而言,地表径流有明显的减少趋势,而其它水循环要素变化的趋势并不十分明显。但是,对于花园口控制断面而言,天然径流、地表径流和地下径流减少的趋势十分明显,而降水、蒸散发、壤中流和土壤水分通量也都呈减少趋势,但变化并不突出。进一步的研究表明了用水量的增加、降水减少以及径流系数减小与黄河流域水循环变化的关系。水循环是水资源科学评价与合理开发利用基本依据,黄河流域地处半干旱地区水循环具有垂向运动的特征,蒸发旺盛。因此,对黄河流域来说,应从其水循环的特征,考虑用水结构的调整。

[ Liu C

, Zheng H

. Trend analysis of hydrological components in the Yellow River Basin
[J]. Journal of Natural Resources, 2003,18(2):129-235.]

[本文引用: 1]

[8]

Yin Y

, Tang Q

, Liu X

, et al. Water scarcity under various socio-economic pathways and its potential effects on food production in the Yellow River Basin
[J]. Hydrology and Earth System Sciences, 2017,21(2):791-804.

DOI:10.5194/hess-21-791-2017 URL [本文引用: 1]

[9]

王晓君, 石敏俊, 王磊. 干旱缺水地区缓解水危机的途径: 水资源需求管理的政策效应
[J]. 自然资源学报, 2013,28(7):1117-1129.

DOI:10.11849/zrzyxb.2013.07.004 URL [本文引用: 1]

水资源短缺是制约干旱区经济发展的瓶颈因素,缓解水资源供需矛盾必须引入水资源需求管理政策。基于市场机制的价格调整和基于行政管理的数量控制是水资源需求管理的两种重要手段。论文基于分布式水资源-经济模型,在用水需求零增长、用水结构升级调整的情景下,研究了水价调整和水量控制在抑制农业用水需求中的政策效应。结果表明,因现行灌溉水价过低,农户对水价上涨不敏感,水量控制比水价调整更加有效。如果要达到相同的节水效果,水价调整政策下农户收入损失比水量控制要更大。水价调整政策下农户收入损失由于成本上涨和作物结构转换导致,水量控制政策下农户收入损失主要是作物种植规模压缩所致,两种政策均需考虑一定的利益补偿。水价调整和水量控制都会导致种植结构转换,但对区域粮食安全影响不大,对经济作物的影响较大,水价上涨会减少用水量多的作物种植,水量控制会使作物种植结构由单方水效益低的作物转向单方水效益高的作物。

[ Wang X

, Shi M

, Wang

. Solutions to water scarcity in arid regions: Effectiveness of water demand management policy
[J]. Journal of Natural Resources, 2013,28(7):1117-1129.]

[本文引用: 1]

[10]

张陈俊, 许静茹, 张丽娜, 等. 长江经济带水资源消耗时空差异驱动效应研究
[J]. 资源科学, 2018,40(11):2247-2259.

DOI:10.18402/resci.2018.11.11 URL [本文引用: 4]

量化长江经济带水资源消耗时空差异的驱动效应,对双控行动的贯彻实施具有重要意义。本文采用LMDI方法,将用水量的时空差异分解为经济规模效应、产业结构效应和技术进步效应,用水强度的时空差异分解为产业结构效应和技术进步效应。结果显示：技术进步、产业结构调整是抑制用水量上升和促进用水强度下降的主次因素,而经济增长始终推动用水量上升;三次产业用水效率普遍提高和第一产业比重下降,有力促进了用水量和用水强度下降;与重庆相比,其他省份产业用水强度始终较大,尤其是第一、二产业,不利于用水量空间差异的缩小,长江三角洲省份产业结构更加高级缩小了用水量空间差异;与上海相比,其他省份第三产业用水强度始终较大和产业结构低级扩大了用水强度空间差异;水资源消耗时空差异之间存在相互转换的关系。因此,用水量控制应该围绕提高用水效率和优化产业结构,还需要辅助于经济、制度等手段,同时,根据三次产业特征差异而有所侧重;各省份选定参照对象后,依据空间差异驱动效应情况,提出适用的节水对策。

[ Zhang C

, Xu J

, Zhang L

, et al. Driving effect of spatial-temporal difference in water resource consumption in the Yangtze River Economic Zone
[J]. Resources Science, 2018,40(11):2247-2259.]

[本文引用: 4]

[11]

孙才志, 谢巍. 中国产业用水变化驱动效应测度及空间分异
[J]. 经济地理, 2011,31(4):666-672.

[本文引用: 2]

[ Sun C

, Xie

. Measurement of the driving effects on industrial water utilization change and its spatial difference analysis in China
[J]. Economic Geography, 2011,31(4):666-672.]

[本文引用: 2]

[12]

马海良, 徐佳, 王普查. 中国城镇化进程中的水资源利用研究
[J]. 资源科学, 2014,36(2):334-341.

[本文引用: 1]

[ Ma H

, Xu

, Wang P

. Water resource utilization and China’s urbanization
[J]. Resources Science, 2014,36(2):334-341.]

[本文引用: 1]

[13]

孙才志, 王妍. 辽宁省产业用水变化驱动效应分解与时空分异
[J]. 地理研究, 2010,29(2):244-252.

URL [本文引用: 1]

辽宁省是我国严重缺水地区,水资源问题已经成为辽宁老工业基地振兴的瓶颈因素。通过构建产业用水变化的全要素分解模型,测度了1994~2007年辽宁省产业用水变化驱动的经济增长效应、产业结构效应与用水强度效应,计算了各种效应对用水变化的贡献率,并对各种效应进行了时间分异分析;运用全要素分解模型测度了1994~2007年辽宁省14个地级市产业用水变化驱动的三种效应,结合ISODATA聚类模型对各种效应进行空间聚类,进而对各种效应进行空间分异分析。研究结果表明,辽宁省产业用水变化是由经济增长的稳定作用、结构变动的冲击作用和技术进步的动力作用共同决定的。该结论对于正确理解辽宁省产业用水变化与经济发展之间的关系具有一定的参考价值。

[ Sun C

, Wang

. Decomposition of driving effects for industrial water utilization change and spatial-temporal difference in Liaoning Province
[J]. Geographical Research, 2010,29(2):244-252.]

[本文引用: 1]

[14]

秦昌波, 葛察忠, 贾仰文, 等. 陕西省生产用水变动的驱动机制分析
[J]. 中国人口·资源与环境, 2015,25(5):131-136.

[本文引用: 2]

[ Qin C

, Ge C

, Jia Y

, et al. Driving mechanism analysis for productive water consumption changes in Shaanxi Province
[J]. China Population, Resources and Environment, 2015,25(5):131-136.]

[本文引用: 2]

[15]

Ang B

, Xu X

, Su

. Multi-country comparisons of energy performance: The index decomposition analysis approach
[J]. Energy Economics, 2015,47:68-76.

DOI:10.1016/j.eneco.2014.10.011 URL [本文引用: 1]

[16]

Ang B

, Su

, Wang

. A spatial-temporal decomposition approach to performance assessment in energy and emissions
[J]. Energy Economics, 2016,60:112-121.

DOI:10.1016/j.eneco.2016.08.024 URL [本文引用: 1]

[17]

, Ang B

. Multi-region comparisons of emission performance: The structural decomposition analysis approach
[J]. Ecological Indicators, 2016,67:78-87.

DOI:10.1016/j.ecolind.2016.02.020 URL [本文引用: 1]

[18]

Sun

, Fang C

. Factors governing variations of provincial consumption-based water footprints in China: An analysis based on comparison with national average
[J]. Science of the Total Environment. 2019,654:914-923.

DOI:10.1016/j.scitotenv.2018.11.114 URL [本文引用: 1]

[19]

Zhang C

, Wu Y

, Yu

. Spatial decomposition analysis of water intensity in China
[J]. Socio-Economic Planning Sciences, 2020, DOI: 10.1016/j.seps.2019.01.002.

DOI:10.1016/0038-0121(91)90026-n URLPMID:10111675 [本文引用: 2]

In recent years, the health care industry has been experiencing change to a degree unprecedented since the inception of the Medicare program. With traditional in-hospital care on the decline, hospitals are being forced to compete for business. They must identify within their own systems feasible alternatives for dealing with these changes and then determine which ones will best accomplish the goals of the organization. This paper offers a procedure that utilizes the analytic hierarchy process--a multicriteria decision-making tool that helps arrange the possible alternatives in hierarchical order given the priorities of relevant decision makers. An application of the method to a mid-sized hospital is presented. Although the procedure is structured, it is flexible enough to be updated for the realities of any health care institution.

[20]

张陈俊, 章恒全, 陈其勇, 等. 中国用水量变化的影响因素分析: 基于LMDI 方法
[J]. 资源科学, 2016,38(7):1308-1322.

[本文引用: 1]

[ Zhang C

, Zhang H

, Chen Q

, et al. Factors influencing water use changes based on LMDI methods
[J]. Resources Science, 2016,38(7):1308-1322.]

[本文引用: 1]

[21]

张陈俊, 董娟娟, 林琳, 等. 区域水资源消耗差异的影响因素分析: LMDI 模型的新应用
[J]. 水利经济, 2017,35(6):71-76.

[本文引用: 1]

[ Zhang C

, Dong J

, Lin

, et al. Influence factors for differences in regional water use based on LMDI method
[J]. Journal of Economics of Water Resources, 2017,35(6):71-76.]

[本文引用: 1]

[22]

水利部黄河委员会. 黄河水资源公报2003-2015年
[EB/OL]. (2015-12) [2020-02-10]. http://www.yrcc.gov.cn/other/hhgb/.

URL [本文引用: 1]

[ Yellow River Conservancy Commission of the Ministry of Water Resources. Yellow River Water Resources Bulletin (2013-2015)
[EB/OL]. (2015-12) [2020-02-10]. http://www.yrcc.gov.cn/other/hhgb/.]

URL [本文引用: 1]

[23]

付晶莹, 江东, 黄耀欢. 中国公里网格人口分布数据集
[J]. 地理学报, 2014,69(S1):41-44.

[本文引用: 1]

[ Fu J

, Jiang

, Huang Y

. 1 km grid GDP data of China
[J]. Acta Geographica Sinica, 2014,69(S1):41-44.]

[本文引用: 1]

[24]

Liu

, Jiang

, Yang

, et al. Spatialization approach to 1 km grid GDP supported by remote sensing
[J]. Geo-information Science, 2005,7(2):120-123.

[本文引用: 1]

[25]

Ang B

. LMDI decomposition approach: A guide for implementation
[J]. Energy Policy, 2015,86:233-238.

[本文引用: 1]

[26]

Chong C

, Tan W

, Ting Z

, et al. The driving factors of energy-related CO₂ emission growth in Malaysia: The LMDI decomposition method based on energy allocation analysis
[J]. Renewable and Sustainable Energy Reviews, 2019,115:109356.

[本文引用: 1]

[27]

Fang D

, Hao

. Study of the influence mechanism of China’s electricity consumption based on multi-period ST-LMDI model
[J]. Energy, 2019,170:730-743.

[本文引用: 1]

[28]

韩琴, 孙才志, 邹玮. 1998-2012 年中国省际灰水足迹效率测度与驱动模式分析
[J]. 资源科学, 2016,38(6):1179-1191.

[本文引用: 1]

[ Han

, Sun C

, Zou

. Grey water footprint efficiency measure and its driving pattern analysis on provincial scale in China from 1998 to 2012
[J]. Resources Science, 2016,38(6):1179-1191.]

[本文引用: 1]

[29]

Ang B

, Wang

. Index decomposition analysis with multidimensional and multilevel energy data
[J]. Energy Economics, 2015,51:67-76.

[本文引用: 1]

[30]

Sun

, Fu G

, Bao

, et al. Identifying hydro-climatic and socioeconomic forces of water scarcity through structural decomposition analysis: A case study of Beijing City
[J]. Science of the Total Environment, 2019,687:590-600.

[本文引用: 1]