大凌河流域水贫困时空分异特征及影响因素分析

王克龙

(辽宁省河库管理服务中心,沈阳 110003)

大凌河流域是我国重要的重工业基地和农业粮食生产基地之一,该流域人口密度大,城镇化率高,也是东北地区重要的经济发展区域[1]。然而,在多种影响因素的综合作用下该流域逐渐表现出水生态环境持续恶化、水土流失严重、水资源供给短缺、水资源空间分布不均匀以及洪水灾害频繁等特性,对大凌河流域高质量发展构成严重制约[2-5]。文章以大凌河流域5个地区为例,从资源、环境、能力、设施和利用5个维度构建水贫困评价体系,采用WPI模型测算分析2014—2020年流域水贫困影响因素及其时空分异特征,为加快转变大凌河流域水贫困现状以及构建适应高质量可持续发展要求的水资源环境提供参考依据。

1 研究方法

1.1 数据来源

以朝阳市、北票市、义县、凌海市和葫芦岛市等大凌河流域主要流经的5个地区为例,数据来源于2015—2021年各地统计年鉴、环境年鉴和水资源公报等相关资料。

1.2 分析方法

1)构建指标体系。根据大凌河流域水资源开发现状和水贫困相关研究资料,遵循可操作性、系统性、代表性、科学性等原则,从资源、环境、能力、设施和利用5个维度选择20项典型指标构建水贫困评价体系,如表1所示。

2)计算指标权重。各参评指标的属性、初始数据量纲和数量级不同无法直接参与计算,为了保证评价结果的准确性、可比性以及统一比较标准,必须先标准化处理所有指标,然后利用熵权法计算客观权重[6]。熵权法是一种综合考虑每个指标所包含的有效信息量来计算权重的客观赋权法,该方法可以有效避免主观随意性对判断结果的干扰,能够有效解决多个因素之间的数据信息重叠的问题,主要流程如下:

对于各个正向和负向指标的初始数据,必须利用下式进行标准化处理,即:

(1)

然后利用公式(2)～(4)计算指标比重pij、熵值Hj和权重Wj,具体如下:

(2)

(3)

(4)

式中:Xij、Zij为参评指标j的初始数据和标准化值;max(Xij)、min(Xij)为参评指标j的最大值域最小值;m、n为评价的地区数和参评指标数。

3)水贫困指数(WPI)模型。该模型覆盖资源(R)、环境(E)、能力(C)、设施(A)和使用(U)5个维度,可以反映当地环境状况、水工程、水管理以及水资源的本底状况。根据各参评指标权重进一步计算确定WPI,该指数值越高则代表流域水贫困程度越低,其计算公式为:

(5)

式中:ωj、Zij为参评指标j的权重及其标准化值;WPI代表水贫困指数。

4)水贫困影响因素。由于水贫困指数属于受限因变量,其最小数值可以取0,故利用最小二乘法回归会引起较大偏差,为准确识别关键因素研究选择面板Tobit模型[7]。水贫困既是融合水土流失自然灾害治理、农业水利、科技发展、环境治理、产业发展等多方面影响的结果,也是大凌河流域水资源禀赋问题,充分考虑大凌河流域水贫困现状和相关研究成果,选择技术水平(tech)、环境规制(envir)、产业结构(indu)、水土流失治理面积(csw)和农田水利设施建设(farm)为计量分析的解释变量,模型表达式如下:

WPIit=β0+β1indu+β2envir+
β3tech+β4farm+β5csw+μit

(6)

式中:i、t为地区和时间;β0、β1、β2、β3、β4、β5为常数项和对应于各解释变量的系数,变量解释如表2所示。

表2 能量解释说明

2 结果与分析

2.1 指标权重分析

采用熵权法测算各项参评指标权重,如表3所示。结果表明,设施和资源子系统具有较大的权重,表明水资源本底条件和设施对大凌河流域水贫困程度的贡献较高。2014—2016年权重最小的是环境影响指标,环境退化尚未表现出不利影响,2017—2020年环境影响指标权重呈现出增大趋势,使用子系统权重逐渐减小并成为权重最小的子系统,而能力子系统权重逐渐增加,对流域水贫困程度的贡献居中。

表3 2014—2020年水贫困指标权重

2.2 时空测度分析

对水贫困指标体系利用WPI公式进行计算,从而确定朝阳市、北票市、义县、凌海市和葫芦岛市等大凌河流域主要流经地区的WIP值,如表4所示。

从表4可以看出,大凌河流域主要流经地区的水贫困程度整体较严重,具体可以将2014—2020年水贫困指数划分成两个时期:2014—2016年大凌河流域5个地区的WPI平均值0.51,其中低于平均值的地区(义县和凌海市)占40%,高于平均值的地区(朝阳市、北票市和葫芦岛市)占60%,且只有2015年低于该时段平均值;2017—2018年大凌河流域5个地区的WPI平均值增大到0.54,低于或者高于平均值的地区及其占比均未发生改变;2019—2020年大凌河流域5个地区的WPI平均值进一步增大到0.55,与2014—2016年相比提高7.84%,其中低于平均值的地区(义县、临海市和葫芦岛市)占60%,高于平均值的地区(朝阳市、北票市)占40%。2014—2020年大凌河流域5个地区的水贫困差距逐渐扩大,从大到小对2014年大凌河流域5个地区的水贫困指数(WPI)排序有:北票市>朝阳市>葫芦岛市>义县>凌海市,对2020年大凌河流域5个地区的水贫困指数(WPI)排序有:北票市>朝阳市>义县>葫芦岛市>凌海市,其中义县和葫芦岛的排名发生改变。

为了更加直观地反映大凌河流域5个地区的水贫困程度空间分布差异特征,对2014年、2017年和2020年的WPI值利用Arc GIS 10.0软件进行可视化处理,将水贫困程度按照相关研究资料划分成4个等级,即极度水贫困(WPI≤0.2)、严重水贫困(0.20.7。结果显示,大凌河流域5个地区的水贫困程度表现出明显的空间差异。对于不同时段,2014年凌源市处于严重水贫困等级,义县和葫芦岛市处于中度水贫困等级,朝阳市和北票市处于轻度水贫困等级;2017年凌海市水资源条件明显改善,从严重转变成中度水平贫困等级,葫芦岛市从中度转变成轻度水贫困等级,其它地区的水贫困程度未发生明显改变。大凌河流域大都位于辽西地区,水资源禀赋条件较差,自然降水量相对较少,所以必须通过加强水利工程建设,进一步提升用水效率,加快转变大凌河流域水贫困现状[8-9]。2020年大凌河流域各地区水贫困程度基本稳定,只有义县从中度转变成轻度水贫困等级,葫芦岛市又转变成中度水贫困等级,其它地区未发生明显改变。

2.3 影响因素分析

大凌河流域贯穿辽西大部分地区,地理位置、资源禀赋等条件差异使得影响水贫困程度的因素具有明显差异,对大凌河流域5个地区和整体水贫困影响因素利用Stata16软件进行Tobit回归,结果如表5所示。

表5 Tobit回归分析

从整体上,在1%显著水平下产业结构对WPI存在负向影响,大凌河流域位于辽宁粮食主产区,有牧区+农业、牧区+粮区等农业类型带,而农业是我国基础产业,严重污染浪费会提高水贫困程度;环境规制对水贫困指数产生显著的正向影响,这是人类管理生态环境的方式,为缓解水贫困现状应调整合适的环境规则强度;技术水平对WPI存在显著正影响,大凌河流域整体技术水平明显提升,环保、绿色、水利等高科技研发有利于提高水资源利用效率,有效保护自然资源禀赋条件及水贫困现状;水土流失治理面积对水贫困指数具有显著正向影响,随着大凌河流域水利绿化工作和水生态文明建设开展,水土保持治理范围的增大,修建水库、植树造林等治理措施的实施,水资源用水效率不断提高,在一定程度上缓解了水贫困程度;另外,未通过显著性检验的是农田水利设施建设。

从各地区上,北票市农田水利设施建设、技术水平和环境规制对WPI存在负向影响,并且通过显著性检验,水土流失治理面积对水贫困程度的具有显著正向影响,未通过显著性检验的是产业结构。朝阳市中土流失治理面积、农田水利设施建设、技术水平和产业结构对WPI有显著正向影响,环境规制对水贫困程度具有显著负向影响。义县5个因素对水贫困程度均具有显著负影响,属农业大县,第一产业在产业结构中起着重要作用,农田水利设施建设和技术水平落后会导致农业灌溉用水浪费;另外,环境规制强度与农业面源污染不匹配,这对WPI也具有负向作用。技术水平和产业结构是凌海市水贫困程度的关键影响因素,而葫芦岛市水贫困程度受5个因素的影响均不显著[11-12]。总体而言,流域内地貌形态具有较大差异,自然资源禀赋条件和经济发展模式不同,所以水贫困程度关键影响因素也不尽相同。

3 结 论

文章利用水贫困模型测算大凌河流域2014—2020年水贫困指数,并利用Tobit模型准确识别关键影响因素,主要结论如下:

1)大凌河流域主要流经地区的水贫困程度整体较严重,水贫困差距也逐渐扩大,2014—2020年义县和葫芦岛水贫困指数排名发生改变。

2)大凌河流域5个地区的水贫困程度表现出明显的空间差异,凌海市从严重转变成中度水平贫困等级,义县从中度转变成轻度水贫困等级,葫芦岛市经历中度—轻度—中度水贫困的发展过程,其它地区的水贫困程度未发生明显改变。

3)总体上,农田水利设施建设、水土流失治理面积、技术水平和环境规制对水平程度具有显著正向影响,产业结构具有显著负向影响,各地区的水贫困程度关键影响因素具有一定差异。