丛东来, 于少鹏, 陈 曦, 刘 献
(1.哈尔滨学院 地理与旅游学院, 黑龙江 哈尔滨 150086; 2.黑龙江省寒区湿地生态与环境研究重点实验室,黑龙江 哈尔滨 150086; 3.哈尔滨湿地研究院, 黑龙江 哈尔滨 150086; 4.哈尔滨学院 食品工程学院, 黑龙江 哈尔滨 150086)
城镇化是以人口和经济活动向特定地域集中为基本特征的发展过程,是现代化的必由之路。按国家行政建制设立的市、镇是城镇化发展的重要空间载体,而可供开发利用的各类资源则是城镇化发展不可或缺的物质保障。当前中国城镇化率已接近60%,未来25 a中国城镇化水平每提高1%所需水量、建设用地和造成的生态超载分别是过去25 a的1.88倍,3.45,2.42倍[1],表明未来取水难度、用地难度和生态重建难度会越来越大。水是自然系统中最为活跃的因子,具有原生的生态属性和次生的“生态—社会”关联属性[2],水作为基础性的自然资源和战略性的经济资源[3],已成为中国建设“生态文明”和进行“绿色发展”的重要支撑条件。新世纪以来,伴随着中国城镇数量的增加和城镇面积的不断扩大,城镇化发展与水资源、水环境和水生态的相互作用日趋复杂。因此,探讨水资源开发利用与城镇化发展的复杂关系具有现实价值和长远的战略意义。
由于发达国家城镇化发展较早,并且目前多数发达国家已进入城镇化进程后期,因此国外对城镇化进程与水资源开发利用相互关系的研究成果较多。主要涉及水资源管理、政策与城镇化环境的关系[4]、水污染对城镇化的影响[5]、城镇化增长与水资源危机[6]、城镇化发展阶段与水资源开发利用阶段的对应关系[7]等。国内学者对城镇化与水资源开发利用关系的研究,从内容上看主要包括城镇化与水资源系统的动态耦合及其效应分析[8],城镇化与水足迹、水污染的关系[9],城镇化进程中水资源承载力的测度[10],城镇化与水系统的演变[11],城镇化与水资源利用的互动机理和调控模式[12],水资源对城镇化发展的约束作用[13]等;从研究区域看,多集中在西北干旱、半干旱地区、华北地区和两湖地区[14-16];从研究的空间尺度看,以全国范围、流域范围和规模较大的城市群地区为主[17-19]。整体而言,现有成果以宏观、中观尺度的城镇化发展为背景,探讨城镇化进程中水资源的承载力、约束力问题较多,而针对人水关系、地水关系相对紧张的城镇化核心城市的研究尚有不足。基于此,本文选取北方地区典型的缺水型中心城市——哈尔滨市为研究对象,评价其水资源开发利用与城镇化发展状态,并建立二者的响应关系模型,以期揭示城镇化进程与水资源开发利用的作用机制。
哈尔滨市是黑龙江省省会,地处东北亚中心位置,是中国东北北部的区域性中心城市、哈长城市群的核心城市之一和第一批国家新型城镇化综合试点城市。同时,哈尔滨也是中国重要的制造业基地和商品粮基地。作为东北地区“T”型经济网络的关键节点和哈大齐工业走廊的起点,哈尔滨是地区经济的增长极和人口的聚集地。截止到2017年末,哈尔滨市辖9区9县(市),全市常住人口1092.9万人,其中户籍总人口955万人,常住人口城镇化水平64.5%;市域总面积53 076 km2,其中市辖区面积10 193 km2,建成区面积434 km2;国内生产总值6.355亿元,占全省国内生产总值39.2%。
哈尔滨市为北温带大陆性季风气候,年降水变率较大。水资源空间分布呈东—中—西依次递减的格局,具有东丰西欠、贫富不均的特征。市域多年平均降水量为611 mm,6月至9月汛期径流量占多年平均径流量的60%~75%,多年平均水资源量为1.14×1010m3,地下水资源总量约为3.00×109m3。松花江干流中段在哈尔滨穿城而过,城市过境水资源相对丰富。2017年,全市人均综合用水量708.3 m3,万元工业增加值用水量22.9 m3。按照国际通行的水资源紧缺指标判断[20],哈尔滨市属于中、重度缺水地区。2008年到2013年,哈尔滨市先后被列为第三批全面节水型社会建设试点地区,国家级水生态系统保护与修复试点城市,第一批全国水生态文明城市建设试点。但受水资源时空分布不均,水质污染和用水供需矛盾突出等因素影响[21],哈尔滨市社会经济发展与水资源开发利用的形势依然严峻。
系统论的视角有利于揭示“人—地—水”复合系统内部的相互作用及其整体性特征,按照“要素—子系统—系统”的构成关系[22],本研究通过选取要素指标构建城镇化系统和水资源系统,评价其发展状况,并运用响应度模型分析二者的响应关系。
(1) 要素指标。通过理论分析和频度统计法初步选取城镇化系统和水资源系统的基本要素指标。运用SPSS19.0软件筛选出相关系数较大的指标并予以去除,再利用因子分析法,提取累计贡献率超过85%的指标作为终选指标[16]。由于水资源系统要素指标的统计数量及统计年份都有一定的局限,因此综合考虑数据的可得性,对少部分相关系数较高但对系统评价重要的要素指标予以保留,最终确定的要素指标详见表1。
表1 哈尔滨市城镇化系统与水资源系统评价体系及指标权重
(2) 系统、子系统综合评价指数。采用层次分析法,结合熵权法对初始指标进行修正[23],并进行标准化处理。运用逐层加权法分别计算系统、子系统综合评价指数。
(3) 水资源系统与城镇化系统的响应指数和响应度模型。响应指数通常用响应度来表达,其内涵来自于经济学点弹性的概念,表示因变量对自变量变化的敏感程度。响应度模型[24]可以揭示水资源开发利用与城镇化发展的响应关系及作用强度。
(1)
(4) 水资源子系统和城镇化子系统的相互作用。采用SPSS19.0软件,对水资源和城镇化的子系统 相关系数矩阵进行运算,得出相关系数及其p值,据此判断二者之间的关联程度和作用机制。
本研究采用的2006—2017年城镇化发展和水资源开发利用的数据,来自于相应的《哈尔滨统计年鉴》《哈尔滨市国民经济和社会发展统计公报》《中国城市统计年鉴》《哈尔滨市水资源公报》,以及哈尔滨市水务局年度工作总结和部门决算(网址:http:∥www.hrbwrb.gov.cn/n_zwgk/n_bmysxx/)。对个别年份数据缺失的百户城市居民汽车拥有量、生态环境用水量、城镇生活用水量、灌溉水有效利用系数指标,进行了相关部门补充调查或相邻年份插值法处理。
2.1.1 城镇化系统发展的主要影响因素 哈尔滨市城镇化系统的主要影响因素可通过其子系统和要素指标的权重来体现(见表1)。4个子系统的影响力从大到小依次为经济城镇化(0.307)、人口城镇化(0.278)、社会城镇化(0.242)和空间城镇化(0.173)。前三者权重合计82.7%,对哈尔滨城镇化系统的影响较大,经济城镇化子系统起主导作用。在评价哈尔滨城镇化系统的18个要素指标中,二三产业经济密度(0.178)、城镇人口比重(0.136)、人均GDP(0.091)等9个指标的权重合计约80%,是哈尔滨城镇化系统发展的主要影响因素,主要影响因素指标的权重分布与城镇化子系统权重值相互对应,可以看出影响哈尔滨城镇化系统发展的主要影响因素集中在二三产业经济结构、城镇人口的规模分布和生产消费方面。
2.1.2 城镇化系统的时序演化特征 由图1可知,2006—2017年哈尔滨城镇化系统及经济、社会、空间子系统均呈同步上升、增速放缓的态势。人口城镇化的发展变化较为剧烈和复杂,呈前期陡增、中期波动、后期趋稳态势。2006—2014年,经济城镇化和社会城镇化滞后于人口城镇化和空间城镇化,说明这期间哈尔滨城镇化发展主要受人口城镇化驱动,其次是空间城镇化驱动。具体表现为2006—2014年城镇人口数量增长了1.19倍,建成区面积增加了1.33倍,城乡人口转变加快,外延型城市土地扩张明显,是典型的粗放型城镇化发展;同期经济城镇化和社会城镇化虽然持续增长,但整体效率不高,城镇化质量有待提升。2014以后空间城镇化、经济城镇化和社会城镇化稳步上升,人口城镇化的发展趋于平稳。原因在于哈尔滨在城市发展战略上注重人口—经济—空间—社会发展的协调性,在空间布局上延续“北跃—南拓—中兴—强县”的空间均衡思想,人口集聚更加趋于理性;而空间城镇化仍有较快发展原因在于哈尔滨市双城等地撤市划区的行政区划变动、二三产业的布局调整,促进了哈尔滨都市圈内部土地利用的优化。
图1 哈尔滨市城镇化系统及其子系统综合评价指数
根据哈尔滨城镇化系统综合评价指数及其年增长率的变化,可将2006—2017年哈尔滨城镇化系统的发展分为两个阶段: ①2006—2010年城镇化快速增长阶段。此阶段是东北振兴战略启动以后的红利释放期,哈尔滨城镇化发展迎来较大机遇。②2011—2017年城镇化阶梯式增长阶段。这一阶段中国先后提出了新型城镇化内涵式发展和经济新常态,东北经济处在转型升级的进程中,哈尔滨市通过出台一系列以“紧凑型城市”和“精明增长”为目标的政策法规,有效控制了城市建设用地的无序蔓延,逐步提升城镇化效率。
2.2.1 水资源系统开发利用的影响因素 哈尔滨市水资源系统的4个子系统影响作用从大到小依次为水资源利用(0.383)、水资源管理(0.270)、水资源禀赋(0.179)、水资源荷载(0.168)。在构成水资源系统的18个要素指标中,水资源开发利用率(0.143)、万元工业增加值废水排放量(0.105)、万元GDP用水量(0.099)等9个指标的权重和为80%,其中4个与工业用水密切相关的指标约占总权重的1/3以上,即哈尔滨水资源系统开发利用的主要影响因素是工业经济的用水需求和用水效率,其次是水利行政管理和农业用水因素。
2.2.2 水资源系统的时序演化特征 由图2可知,2006—2017年哈尔滨市水资源系统整体呈上升发展态势,研究期内系统波动变化明显,波动幅度逐渐减小。各子系统中: ①水资源禀赋波动最为剧烈,主要原因是受季风区自然条件影响,哈尔滨市年降水变率较大,研究期内降雨量最大值为2013年的4.10×1010m3,最小值为2007年的2.15×1010m3,分别比多年平均降雨量浮动+26.4%和-33.6%; ②水资源荷载在研究期的首末时间点上变动不大,水资源荷载略有增加,但整体发展过程中的变动十分明显。2006—2008年荷载的指标值明显高于水资源其他3个子系统,表明哈尔滨市在快速的城镇化进程中,人口和社会经济的发展压力造成水资源负荷过重;2008—2013年水资源负荷持续降低,与推行严格的节水制度、建设节水型城市以及产业用水调整有很大关联;2013—2017年用水负荷再次持续增加,主要是受气候条件影响,农业用水增加较多; ③水资源管理整体上不断提升进步,反映在水利行政经费投入占比逐年增加、城镇污水处理率、水质监测达标率持续上升等方面,管理系统的稳步发展得益于哈尔滨水资源管理制度的高效落实和水处理技术的应用推广; ④水资源利用与水资源系统的变动趋势大体保持同步。万元GDP用水量连续下降,下降幅度达132%,工业产业的水依赖逐渐减小;工业用水重复率和灌溉水有效利用系数持续增大,得益于水处理技术的提升和水利工程设施的增加。但是,在技术进步和城镇化内涵发展的背景下,哈尔滨市人均用水量和水资源开发利用率(用水量与水资源总量的比值)两项指标仍有明显增加,具体表现为工业用水量减小的同时,农业用水量不断增加,并且哈尔滨市农田灌溉用水占全市各产业用水比重常年保持在80%以上。
综合考虑水资源系统及其子系统的变化,可以将2006—2017年哈尔滨市水资源系统的发展划分为两个阶段。①2006—2011年波动发展阶段,这一阶段前期哈尔滨市水资源系统发展退化的压力较大,后期因国家生态、环保政策调整和区域增长方式转变使得水资源系统快速恢复和提升; ②2012—2017年阶梯式发展阶段,此阶段在生态水文明背景下哈尔滨市进行了水生态保护与修复试点城市建设,以技术进步和产业升级为基础水资源系统得以稳步发展。水资源系统与城镇化系统的阶段划分在时间节点上较为接近,表明二者的发展在系统内外部环境上存在一定关联。由于城镇化系统和水资源系统在自身各阶段的发展速度和内容并不一致,必然导致两个系统间产生差异性的响应。
图2 哈尔滨市水资源系统及其子系统综合评价指数
2.3.1 水资源系统与城镇化系统响应关系的函数表达 一般而言,两系统的响应关系是由A→B和B→A共同组成。A对B的响应(B→A),是指以B为自变量,以A为因变量,考察B变动时A的变动幅度,反之亦然。因此,表征水资源系统与城镇化系统响应关系的函数如表2和表3所示。使用SPSS19.0软件,进行线性模型、指数模型、幂函数模型、二次项模型、三次项模型、逻辑斯蒂模型、生长曲线模型等多种曲线估计分析,对城镇化和水资源的系统及子系统的响应指数分别进行曲线拟合,通过比较拟合优度建立最佳响应函数(表2和表3)。从响应函数的类型看,除水资源禀赋对城镇化的响应方程为指数函数、经济城镇化和社会城镇化对水资源系统的响应方程为二次函数以外,其他响应函数均为三次函数。对拟合的响应函数进行检验,当F>F0.1(1,10)=3.285,p<0.1时,响应函数具有显著性意义。测定系数R2值越大表明拟合优度越高。
表2 2006-2017年哈尔滨市水资源系统对城镇化系统的响应函数及其检验
注:表中Y,Y1,Y2,Y3,Y4表示水资源系统和水资源禀赋、荷载、利用、管理子系统;X表示城镇化系统。
表3 2006-2017年哈尔滨市城镇化系统对水资源系统的响应函数及其检验
注:X,X1,X2,X3,X4表示城镇化系统和城镇化人口、经济、社会、空间子系统;Y表示水资源系统。
2.3.2 水资源系统与城镇化系统的响应关系 从水资源对城镇化的响应来看(见表2): ①水资源管理与城镇化拟合程度最高,其次是水资源荷载和水资源利用,水资源禀赋与城镇化系统拟合度较低。说明城镇化发展通过促进技术进步和提高社会组织效能,进而对水资源管理能力提升产生显著影响。而水资源禀赋受自然条件影响较大,受人类活动影响相对较小;②水资源荷载和水资源管理对城镇化系统的响应度较大,表明哈尔滨市的用水和水资源管理对城镇化发展有更强的敏感性。一方面2006—2017年水资源荷载的发展呈剧烈波动的双U结构(见图2),与城镇化的发展轨迹并不具有对应性;另一方面在某些年份,如2006,2013,2017年水资源荷载与水资源禀赋的变化呈反向对应关系,反映出水资源荷载的响应强度不仅与城镇化自身演进有关,也受区域降水等自然因素影响; ③水资源系统综合评价指数位于拟合曲线上方(见图3),反映出这些年份哈尔滨市水资源系统具有较大的承载空间,能够对城镇化发展起支撑作用,保障城镇化健康发展;其余年份水资源系统综合评价指数位于拟合曲线下方,表明城镇化对水资源系统的消耗较大,水资源对城镇化发展产生了约束作用。
从城镇化系统对水资源系统的响应来看(表3): ①空间城镇化与水资源系统拟合度最高,其次是经济城镇化、社会城镇化和人口城镇化。表明哈尔滨市水资源系统与社会—经济—空间的城镇化关联性较强,而与人口城镇化的关联相对较弱; ②城镇化系统及其子系统对水资源系统的响应度数值较为接近,极值差仅为0.288,说明响应的敏感性差异较小,反映出生态文明背景下哈尔滨的城镇化发展追求生产、生活、生态的全面效益,进而优化了水资源系统结构; ③从城镇化和水资源各类指数的响应度数值来看(表2—3),前者明显大于后者,表明哈尔滨市城镇化发展对水资源系统的变动更具敏感性,水资源变动对城镇化发展的影响有放大效应。尤其是哈尔滨城镇化粗放式快速增长时期,大量新增的用水需求对水资源系统形成胁迫作用,增大了水资源系统衰退的风险。
图3 水资源系统与城镇化系统发展的关系
2.3.3 水资源子系统和城镇化子系统的相关性分析 对哈尔滨水资源子系统评价指数和城镇化子系统评价指数进行相关性分析,形成的4×4关系矩阵可反映出子系统间的关系(见表4)。①水资源荷载与经济城镇化呈“显著”的负相关,与空间城镇化呈“非常显著”的负相关,表明哈尔滨市水资源的负荷压力与经济活动和空间扩张关联较大。哈尔滨新区建设和城镇空间拓展,导致水需求加大,加剧了水资源负荷;②水资源利用、水资源管理与经济、社会和空间城镇化都存在“非常显著”的正相关,说明城镇化的发展加强了水资源开发利用程度、提升了水资源管理能力,从而提高水资源利用效率; ③水资源禀赋与城镇化各子系统均不相关,体现出水资源禀赋的自然属性与城镇化发展的社会经济属性具有一定的独立性。
表4 哈尔滨市水资源子系统与城镇化子系统的相关关系
注:**表示p<0.01,差异非常显著; *表示p<0.05,差异显著。
(1) 从发展过程看,2006—2017年哈尔滨市水资源开发利用与城镇化发展均呈阶段性增长趋势。水资源开发利用过程变化剧烈,城镇化发展过程相对平稳。二者均以2011年前后为时间节点,表现出前期波动、后期趋稳的阶段性特征。
(2) 从系统构成看:①哈尔滨市城镇化系统中经济、空间和社会3个子系统的上升发展较为同步。哈尔滨市城镇化由2014年以前单一的人口城镇化驱动转变为2014年以后的经济、空间和社会城镇化共同驱动。空间城镇化的发展表明,在人地协调和均衡开发的前提下,哈尔滨市的外围县(市)、镇尚有较大的城镇化提升空间。人口城镇化在研究期内起伏较大,虽然发展渐趋平稳,但是需要警惕持续人口外流带来系统衰退的风险;②水资源系统中,受哈尔滨市自然条件影响水资源禀赋表现出明显的不稳定性。尽管水资源利用和水资源管理整体上升发展,但水资源负荷仍有少量增加,主要原因在于哈尔滨市农业耗水居高不下抵消了工业节水和其他节水的效果。
(3) 从响应关系来看:①城镇化系统对水资源系统的响应强度明显高于水资源系统对城镇化系统的响应程度。表明在哈尔滨市这类缺水城市中,城镇化发展对水资源的变动具有更强的敏感性,水资源的量和质是制约城镇化发展的重要因素;②空间、经济和社会城镇化对水资源系统响应较强,说明哈尔滨市的经济集聚和空间扩张产生了明显的资源消耗效应。人口城镇化对水资源系统的响应较弱,原因在于受人口外流影响,哈尔滨市人口城镇化的发展阶段与水资源系统改善并不具有对应关系;③水资源荷载与经济城镇化和空间城镇化呈明显的负相关,表明哈尔滨市水资源的负荷压力与经济活动和空间扩张关联较大,水资源开发利用受到城镇化发展的胁迫,城镇化对资源环境的剥夺效应明显。水资源利用、水资源管理与经济、社会和空间城镇化都存在“非常显著”的正相关,说明城镇化的发展能够加强水资源开发利用程度、提升水资源管理能力,促进水资源系统的优化。
(1) 运用系统观和整体性思维解决“人—地—水”的复杂矛盾问题。①整合管理资源,协调水利、城建、土地和环保等多个部门探索新的管理机制,处理好哈尔滨市水利规划、国土规划和城市总体规划的关系;②以水资源时空分布为依据,适时调整产业结构和布局,构建节水型产业体系,形成“以供定需”和“分质供水”的水资源利用格局;③保持城镇化适度发展,推进主城区海绵城市建设,加速水生态修复和城市修补的“双修工程”进度,实现水生态文明和新型城镇化建设的同步发展。
(2) 加快城乡基础设施信息化建设,增强水资源时空调控能力和区域供水保障能力。与“数字龙江”和“智慧城市”云平台对接,提升水资源管理的集成化和智能化水平,实现大数据驱动的水资源优化配置,实时评估和预测水资源与城镇化的匹配程度,减少水资源对城镇化发展的硬约束。
与社会经济发展数据相比,水资源指标统计类型、统计年限都较为有限,在一定程度上制约了水资源与城镇化响应关系的规律性总结。并且由于样本数的限制,基于“点弹性”的响应模型在变量拟合的精度上受到一定限制。此外,哈尔滨市建成区与外围县(市)乡在经济发展和资源环境方面差异较大,因此市域内部差异带来的复杂影响、人口城镇化与水资源开发利用的作用机制等问题的解决还有待于统计数据的积累和测度模型的进一步完善。