中国水资源-能源-粮食纽带系统效率时空分异特征

孙才志，郝 帅，赵良仕

(1.辽宁师范大学海洋经济与可持续发展研究中心，辽宁 大连 116029；2.辽宁师范大学地理科学学院，辽宁 大连 116029)

水资源、能源、粮食作为支撑人类生存和区域经济社会发展的战略性、基础性资源，三者之间相互作用、交互影响。在17项可持续发展目标(sustainable development goals， SDGs)中，SDG2、SDG6和SDG7重点阐述了粮食、水与能源对实现联合国《2030年可持续发展议程》的重要意义[1-2]。当前，中国已成为世界水资源、能源和粮食第一消费国，其中能源、粮食对国际市场的依赖程度逐渐加深，加之工业化及城镇化进程不断加快，以及人口增加、气候变化等因素将不可避免地加大资源供给压力，同时加剧水资源、能源、粮食所面临的挑战。因此，开展水资源-能源-粮食纽带系统(water resources-energy-food nexus system, WEF系统)的综合研究对保证水资源安全、能源安全及粮食安全具有重要意义。

2011年，Hoff[3]于波恩会议上提出水资源、能源、粮食纽带关系，为研究三者之间的相互作用提供了基本框架；亚洲开发银行、国际可再生能源机构、联合国粮农组织则分别以“水资源”“能源”“粮食”为中心对三者之间的“纽带”关系进行了进一步的阐述[4-6]。目前，关于WEF系统的研究尺度各异[7-8]，但就研究方法来看，常用方法有生命周期评估法(life cycle assessment， LCA)[9-10]、投入产出分析法(input-output analysis， IOA)[11-12]、指标体系法[13-14]及系统动力学法(system dynamics， SD)[15]。Salmoral等[10]以英格兰南部的Tamar河流域为研究对象，基于生命周期评估法对该区域粮食消费过程中的水资源和能源进行了量化，并对粮食供应链中的关键投入进行了评估，研究结果可为应对WEF系统的潜在风险提供依据；Owen等[16]运用投入产出分析法，基于能源、水和粮食的消费情况计算了英国1997—2013年从原料提取到最终消费不同产品供应链之间能源、水资源和粮食的相互作用；Zhang等[17]基于“资源依赖”“资源供给”和“资源集成”3个视角构建了城市WEF系统之间关联关系的基本框架；Liu等[18]基于多区域投入产出方法，对中国WEF系统之间的关联关系进行了研究，在此基础上识别、确定了WEF系统中的关键区域和流量，研究结果可为研究WEF系统之间的相互作用及区域WEF系统的协调管理提供借鉴；Chu等[19-21]则从水资源的视角探讨了中国能源(化石能源及电能)消费与区域水资源之间的关系，为研究WEF系统提供了一种新的视角；Yan等[22]认为产业联动是推动WEF系统发展的一个经济原因，据此基于产业联动视角构建了结构向量自回归(structural vector autoregression， SVAR)模型对中国1997—2016年的WEF系统的内部作用机制进行了分析；孙才志等[23-25]通过构建WEF系统评价指标，采用空间计量方法对中国省际WEF系统的偶合协调程度进行了测度。

综上所述，当前关于WEF系统之间的关系框架研究、系统中两两之间的关系研究相对成熟，研究成果较为丰富，而关于WEF系统的效率研究则相对较少[26]。现有关于WEF系统效率研究存在的不足之处在于：一是虽然将WEF系统作为一个相互依赖、相互作用的系统进而构建效率评价指标体系，但所选指标并未能明确各子系统内部之间的相互联系[27]；二是以某一系统为导向进行指标构建，忽视了WEF系统之间的相互消耗关系及三者之间的传导性。鉴于此，本文以1997—2017年中国30个省级行政区为研究对象，基于网络数据包络分析(data envelopment analysis, DEA)模型结构的思想，构建WEF系统网络结构并据此构建效率评价指标体系，采用基于松弛变量度量(slack based measure, SBM)-DEA模型对各子系统的效率值进行测度，在此基础上采用双变量空间自相关方法对WEF系统中两两之间的空间分布特征进行分析，同时运用网络DEA模型对WEF系统的综合效率进行测度并对其进行时空演变特征分析，以期为实现中国WEF系统的良性循环提供参考。

1 研究方法

1.1 SBM-DEA模型

SBM-DEA模型是一种非径向非角度的DEA模型，与传统DEA模型相比优点在于不要考虑投入产出指标的量纲问题，不影响效率值的测算，且所计算的效率值会根据投入产出松弛程度的变化而严格单调递减[28-29]。因此本文选取SBM-DEA模型计算WEF系统各子系统的效率值，计算公式如下：

(1)

(2)

式中：ρ为效率值;m、n分别为投入、产出指标的个数；sb、sg分别为投入、产出指标的松弛量；sbk、sgr分别为第k个投入指标和第r个产出指标的松弛量；xbo、ygo分别为被评价单元o投入、产出值；xbko、ygro分别为被评价单元o的第k个投入值和第r个产出值；λ为强度向量，即λ=(λ1，λ2，…，λK)，其中K为评价单元个数；Xb、Yg分别为投入、产出值构成的矩阵。目标函数ρ关于sb、sg严格单调递减，且0<ρ≤1。

1.2 双变量空间自相关

与以往空间自相关仅考虑一个变量相比，双变量空间自相关可对不同地理要素的空间关联关系进行表征，双变量空间自相关所得到的莫兰指数被用于评价一个位置变量与其他变量之间的相关程度[30]。本文采用双变量空间自相关方法探究水资源、能源和粮食子系统之间的空间相互作用，相关计算公式如下：

(3)

(4)

其中

1.3 网络DEA模型

由于传统DEA模型在计算效率时均是得出某一阶段的效率值，而且在计算过程中，模型将决策单元看作一个“黑箱”，彼此之间相互独立，并没有充分考虑“黑箱”内部资源的运作和整合，仅以“投入-产出”的视角对评价单元进行效率测度，容易造成评价单元整体效率的高估，不能有效地表达更多的信息来帮助管理者进行管理和决策[31]。对此，Färe等[32]提出网络DEA模型(图1(a))，其实质是打开“黑箱”具体分析内部结构，即将评价单元系统内部的运作过程进行分解细化，分为若干连续的子阶段，通过对各个子阶段进行效率分析评价，进而探讨各节点即子阶段对整体效率的影响。因此，本文基于网络DEA的基本框架，构建了WEF系统网络结构(图1(b))，运用网络DEA模型对WEF系统的综合效率进行测度，相关计算公式见文献[33]，同时参考现有研究成果将效率值θ分为5级[34]：低效率(0<θ≤0.4)，较低效率(0.4<θ≤0.6)，中等效率(0.6<θ≤0.8)，较高效率(0.8<θ<1)，高效率(θ=1)。

(a) 网络DEA的基本框架

2 评价指标体系构建与数据来源

2.1 评价指标体系构建

结合DEA模型的特点及图1中WEF系统的网络结构，同时考虑数据的代表性及可获得性构建WEF系统效率测度指标体系如图2所示。

图2 中国WEF系统效率测度指标体系

2.2 数据来源

本文的研究对象为中国30个省级行政区(由于数据限制，不包含香港、澳门、台湾和西藏)，所涉及的数据来源于1998—2018年《中国统计年鉴》《中国能源统计年鉴》《中国农村统计年鉴》《中国固定资产投资统计年鉴》《中国劳动统计年鉴》。粮食子系统中能源投入包括农村用电量、农用柴油使用量、农药使用量及化肥施用量，其中电、柴油的发热量数据来源于《中国能源统计年鉴》，农药及化肥的能源转换系数来源于《农业技术经济手册》。

3 结果与分析

3.1 子系统效率时空演变特征

3.1.1时间序列演变分析

根据已获取的相关数据，利用式(1)(2)并基于MaxDEA Ultra7.0软件计算得到1997—2017年中国30个省级行政区水资源、能源、粮食子系统效率值，结果如图3所示。

图3 1997—2017年中国水资源、能源、粮食子系统效率变化趋势

由图3可知，研究期内，中国水资源、能源、粮食子系统的效率值均呈现波动上升态势，其中粮食子系统由1997年的0.228上升至2017年的0.796，增长幅度最大，水资源子系统次之，能源子系统效率值增幅相对较小。分阶段来看，第一阶段(1997—2011年)水资源子系统效率平均值最高(0.427)，能源子系统效率平均值次之(0.378)，而粮食子系统效率平均值最低，仅为0.297。第二阶段(2012—2017年)粮食子系统效率值增速最快，而能源子系统效率值增幅趋缓，该阶段内粮食子系统效率平均值为0.693，水资源子系统效率平均值为0.655，而能源子系统效率平均值最低，为0.589。两个阶段内，3个子系统效率值的变化情况表明中国在节约资源、提升资源利用效率及能源消费结构调整方面成效显著，但需要注意的是，能源子系统的效率值增幅逐渐趋缓，因此需要继续提升清洁能源在能源消费中的占比，降低能源密集型产业占比。水资源子系统和粮食子系统的效率值稳步提升，说明中国在生产、生活用水方面逐步实现了资源的高效利用。

3.1.2空间格局分析

表1为代表年份水资源、能源、粮食3个子系统效率值及研究期内的均值。由表1可知：①1997年中国水资源子系统效率平均值为0.389，效率值在0.300以内的有7个省(市、区)，其中西南地区的云南、广西、贵州3省(区)的水资源效率值排名后3位，天津、江苏、浙江、广东4省(市)的水资源效率值均在0.500以上，其中江苏水资源效率值最高，达到0.687；能源子系统效率平均值为0.313，其中仅上海达到中等效率(0.610)，而山西、甘肃等6省(区)的能源效率值均在0.200以内，主要分布在中国的西北及西南地区；粮食子系统效率平均值为0.228，低于水资源子系统和能源子系统效率值，粮食子系统效率值介于0.099～0.339之间，普遍较低。②相比1997年，2007年3个子系统效率平均值均有所提升，分别为0.486、0.399和0.361。水资源子系统低效率区主要分布在西北地区，水资源效率值均在0.400以内，而北京、上海、广东的水资源效率值均在0.600以上，其中广东最高，达到0.781；能源子系统中等及较高效率区主要是北京、天津、上海、江苏等5省(市)，其中江苏能源效率值最高，达到0.850，低效率分布区与1997年相比变化较小；粮食子系统效率值与1997年相比整体提升较为显著，效率值在0.300以内的仅有山西、贵州、云南等9省(市、区)，相比1997年减少了16个省(区)。③2017年，3个子系统效率值提升显著，分别为0.767、0.622和0.796，粮食子系统效率值最高，水资源子系统效率值在0.600以内的仅有海南、青海、宁夏和新疆4省(区)，北京、上海的水资源子系统效率达到高效率水平(1.000)；能源子系统低效率区主要是山西、内蒙古、甘肃等8省(区)，天津、上海、江苏的能源子系统效率达到高效率水平；粮食子系统效率值在0.600以内的仅有山西、云南、甘肃、宁夏4省(区)，江苏、浙江等6省的粮食子系统效率达到高效率水平。

3.2 子系统效率值空间相关特征

为进一步了解各子系统效率值的空间相关作用关系，根据已获得的水资源、能源、粮食子系统效率值，利用式(3)并基于GeoDa软件进行双变量全局自相关莫兰指数测度，并选取1997年、2007年和2017年的数据绘制各子系统之间的LISA集聚图如图3～5所示。

根据式(3)计算得到1997年、2007年和2017年中国水资源子系统与能源子系统效率之间的莫兰指数分别为0.450、0.465和0.244，水资源子系统与粮食子系统效率之间的莫兰指数分别为0.159、0.359和0.262，能源子系统与粮食子系统效率之间的莫兰指数分别为0.229、0.422和0.437，且均通过了1%水平的显著性检验。

由图4可知，高-高集聚主要分布东部地区，低-低集聚主要分布在西北及西南地区，高-低集聚主要分布在东北，而华北地区则呈现低-高集聚特征，研究期内，高-高集聚的数量增加至12个省(市)，低-低集聚数量减少至8个省(区)，结合全局莫兰指数逐年下降的情况可知两个子系统之间的负向协同作用在减弱。

表1 1997—2017年中国水资源、能源、粮食子系统效率值

(a) 1997年

图5显示，高-高集聚主要集中在东部地区，其数量从1997年的7个省(市)增加至2017年的11个省(市)；低-低集聚由研究初期的西北、西南地区逐渐集中于黄河流域，其数量从1997年的11个省(区)减少至2017年的7个省(区)；低-高集聚主要分布在华南地区，高-低集聚则较为分散。表明两个子系统效率值之间的正向协同作用在增强。

图6显示，高-高集聚分布与图4、图5高-高集聚分布一致，全局莫兰指数呈上升趋势，其数量由1997年的8个省(市、区)增加至2017年的11个省(市)；低-低集聚则仍以西北、西南地区为主，高-低集聚的分布范围由1997年的东北地区逐渐转移至华中地区，低-高集聚较少。虽然低-低集聚的数量呈减少趋势，但全局莫兰指数呈上升态势，说明两个子系统之间的协同作用在增强。

(a) 1997年

(a) 1997年

综合来看，水资源、能源、粮食3个子系统的效率值两两之间的空间相互作用存在一定的差异，但协同作用地区(高-高集聚和低-低集聚)的分布范围大致相同，西部地区应在自然生态环境约束背景下，加快产业结构调整，降低单位GDP的资源消耗量，提升区域资源综合利用效率，避免水资源、能源、粮食3个子系统进入恶性循环。

3.3 中国WEF系统效率时空演变特征

3.3.1时间序列演变分析

为进一步探究WEF系统的综合效率，基于网络DEA理论计算得到WEF系统综合效率，结果如图7所示。图7显示，中国WEF系统效率值呈波动上升趋势，从1997年的较低效率水平(0.447)上升至2017年的中等效率水平(0.756)，增加幅度超过69%；就四大地区而言，其效率值的变化趋势与全国效率值的变化趋势基本一致。东部效率值从1997年的低效率水平(0.377)上升至2017年的较高效率水平(0.957)，中部地区(0.377)、西部地区(0.314)和东北地区(0.385)均从1997年的低效率水平分别上升至2017年的中等效率水平(0.683)、较低效率水平(0.590)和较高效率水平(0.845)。研究期内各区域之间虽然存在部分交替上升的年份，但整体上东部地区(0.621)、东北地区(0.490)、中部地区(0.422)、西部地区低(0.324)效率平均值呈依次下降趋势。其原因在于东部及东北地区作为中国资本、技术的集聚区，第三产业占比较高，资源利用效率高，单位GDP能耗远低于中、西部地区，因此研究期内WEF系统的效率值较高；而中部和西部地区虽然资源丰度高于东部，但该地区同时兼顾中国的能源与粮食生产，加之人口众多、城镇化率较低以及第一、第二产业占比较高，且西部地区资源环境承载能力脆弱，致使研究期内WEF系统的效率值较低。

图7 1997—2017年中国WEF系统效率变化趋势

3.3.2空间格局分析

根据已获取的WEF系统效率值，选取1997年、2007年与2017年绘制中国WEF系统效率空间分布图如图8所示。

(a) 1997年

由图8可知，1997年WEF系统低效率区主要是河北、内蒙古、云南等中部、西部及西南地区以及浙江、海南等省，吉林、辽宁等5省(区)处于较低效率水平，山东、安徽、江西及湖南处于中等效率水平，黑龙江、山西处于较高效率水平，仅广东呈现高效率水平，效率达到完全有效；相比1997年，2007年效率值整体有所下降，其中山西、黑龙江效率值下降幅度较大，均从较高效率值降为低效率值，北京、天津的效率值则呈上升态势，全国效率由1997年的较低效率水平(0.447)降为低效率水平(0.371)；2017年，低效率区大幅下降，由2007年的21个省(市、区)降为3个省(区)，内蒙古、吉林等8省(区)由2007年的低效率水平转为较低效率水平，四川、重庆等5省(市)上升为中等效率水平，其余省(市、区)则为高效率水平，全国效率水平相比2007年提升至中等效率水平(0.756)。综合来看，高效率区主要分布在东部沿海及黄河流域中下游地区，中等效率区则分布于长江上中游地区，较低效率区集中于华北及西南地区，而西部地区则是低效率聚集区。

4 结 论

a. 中国水资源、能源、粮食3个子系统效率值呈逐年上升趋势，水资源子系统与粮食子系统效率值稳步提升，能源子系统效率值提升较为缓慢；空间上，效率值呈自东向西逐渐递减的趋势。

b. 双变量空间自相关分析表明，各子系统之间的协同作用分布区较为一致，东部地区呈现正向的协同作用，而西部地区则为负向协同作用。

c. 中国WEF系统效率值呈波动上升趋势，区域间东部效率值最高，东北地区次之，西部最低；空间分布上，东部沿海地区及黄河中下游区是高效率集聚区。