华南地区省际用水效率时空差异及驱动因子研究

刘雯昱，陈晓宏

华南地区省际用水效率时空差异及驱动因子研究

刘雯昱1，陈晓宏2*

（1.中山大学，广东 珠海 519082；2.中山大学 水资源与环境研究中心，广州 510275）

【】识别华南地区省际间的用水效率水平差异及主要影响因素。制定有针对性的措施以有效提高华南地区的用水效率水平。本文主要采用TOPSIS-信息量权重法，从生活、农业、工业、生态、社会经济5大方面构建全面的用水效率评价指标体系，对华南地区以省行政区为单位，综合评价其用水效率水平，分析2000—2018年华南地区用水效率水平的时间差异及变化趋势。其次，运用泰尔系数分析了各指标省际间的空间差异变化趋势，采用灰色关联法深入探求华南各省用水效率的主要驱动因子。2000—2018年，福建省用水效率水平最高，远超广西和海南，广东省第二；指标空间差异方面，万元GDP用水量及万元工业增加值用水量空间差异最大，农田灌溉用水效率及综合人均用水量空间差异最小；驱动因素方面，4省均受用水环节相关指标影响，耗水量、排水量影响最大，其次还与经济、水资源总量有关。华南地区用水效率水平逐年上升，空间差异主要表现为自东南向西北，用水效率逐渐降低。经济发展及城镇化水平更高的省份用水效率更高，如福建省、广东省，其用水效率主要受用水环节相关因素影响，还受经济发展水平、水资源总量驱动。

华南地区；用水效率；TOPSIS分析；信息量权重；泰尔系数；灰色关联

0 引言

【研究意义】我国水资源具有时空差异大，人均水资源占有量少的典型特征。其中，水资源量从西北至东南逐渐增多，节水主要关注点往往放在西北干旱缺水的地区，对于水资源丰富的华南地区缺少节水制约及指导，但是，华南地区由于水资源量较丰富，人民节水意识反而较为薄弱，因此，制定有针对性的措施来有效提高华南地区的用水效率水平至关重要。通过深入研究分析华南地区的用水效率时空特征及关键影响因素，可找出华南各省提高用水效率的方法措施，有利于推动节水型社会的建设及贯彻可持续发展战略，对华南地区的节水建设具有重要的现实指导意义。

【研究进展】以往研究中主要用到的水资源利用效率评价方法主要有层次分析法、模糊综合评价法、灰色聚类评价法、主成分分析法、数据包络分析评价法。段长桂等[1]运用迭代思想，即综合运用均值法、Copeland法、模糊Borda法，对单一评价方法结果进行循环修正，对山东省的用水效率进行了评价排名分析，该方法结合了主观、客观评价法，弥补了单一评价方法的不足，但该方法只能得出评价对象的大小排序，即评价对象的相对关系，无法量化以分析各评价对象的用水效率时空变化情况。唐德善等[2]基于DEA-CCR与复合系统评价分析了上海市2001—2015年的用水效率变化情况，先用DEA-CCR模型求出各子系统用水效率，再运用多目标线性加权求出综合用水效率，有利于分别对子系统及综合的用水效率进行量化排序，但模型应用较为复杂。孟令爽等[3]运用主成分分析法，构建了基于用水效率红线的评价指标体系对上海市2008—2015年的用水效率情况进行了对比分析，将用水效率这一多变量多指标的多维问题进行了简化，实用性高，有利于提取主要的影响因素，但难以细化全面地分析所有影响因素且易受主观因素影响。陈璇璇等[4]运用超效率DEA模型对陕晋两省水资源利用效率进行了投入产出评价。傅妍芳等[5]运用非期望产出SBM-Malmquist模型对安徽省工业用水效率进行了评价分析。DEA法考虑投入及产出指标，计算便捷，但结果只是用水效率相对大小，无法深入分析其影响因素。罗凯等[6]基于熵权-正态云模型对安徽省2010—2017年的农业用水效率进行了评价，得出了安徽省农业用水效率综合评价等级，分析了其历年变化趋势。

【切入点】本文结合了TOPSIS综合评价法与信息量权重法，构建全面的用水效率评价指标体系，对华南地区以省行政区为单位，综合评价其用水效率水平，分析2000—2018年华南地区用水效率水平的时空差异及其变化趋势，并采用信息量权重进行赋权，使分析结果更具客观性。针对各评价指标，运用泰尔系数分析各指标省份之间的空间差异变化趋势。为了寻找出用水效率的主要驱动因子，采用灰色关联法，各省用水效率水平作为参考序列，选取影响因子作为比较序列，查找出关联度高的影响因子，即为该省用水效率主要驱动因子，从而更有针对性地提出用水效率提高的制度措施。

【拟解决的关键问题】鉴于此，本文关键问题为中国华南地区的用水效率的时空差异。以省行政区为研究单位，以2000—2018年的数据作为研究基础，揭示东南沿海地区的用水效率差异及其演变规律，探究用水效率的主要驱动因素及其中缘由。

1 研究区域及数据来源

1.1 研究区概况

本文研究区域为华南地区，位于中国最南部，整体地势为西北高，东南低，海岸线长。主要包括广东省、广西壮族自治区、海南省、福建省，气候为亚热带季风气候及热带季风气候，是一个高温多雨，四季常绿的区域。最冷月平均气温10 ℃以上，极端最低气温-4 ℃以上，1年中日平均气温高于10 ℃的时间在300 d以上。大部分区域年降水量为1 400～2 000 mm。其中，广东省属于东亚季风区，从北向南分别为中亚热带、南亚热带和热带气候，降水充沛，降雨的空间分布基本上呈南高北低的趋势，年内分配不均。最南端的海南省属热带季风气候，年平均气温22～27 ℃，光温充足，日温差大，冬季温暖，雨量充沛，有明显的多雨季和少雨季。华南最西边的广西壮族自治区属亚热带季风气候区，全区各地极端最高气温为33.7～42.5 ℃，极端最低气温为-8.4～2.9 ℃，年平均气温在16.5～23.1 ℃之间。东北部的福建省，九成陆地面积为山地丘陵地带，全区大部地区气候温暖，热量丰富，雨水丰沛，季节变化不明显，冬少夏多，森林覆盖率达65.95%，居全国第一，海岸线长，岛屿众多。沿海的广东、海南、福建省是暴雨洪涝灾害及台风多发的地区。

1.2 数据来源

数据取自广东省、福建省、广西壮族自治区、海南省统计年鉴、水资源公报、生态环境状况公报。其中，缺失的某些年份的居民人均生活用水量及农田灌溉水利用效率数据，以及不合理的统计数据，利用SPSS进行合理的插补延展，其中，农田灌溉水利用效率数据用邻近点线性趋势法进行插补，城镇、农村居民人均生活用水量用线性插值法进行空值替换。

图1 华南地区高程及行政区划

2 评价指标体系及研究方法

2.1 指标体系

参考以往的研究文献及评价体系[3,7,10]，在理论分析、实践研究的基础上，遵循以下原则构建华南地区用水效率评价指标体系：

1）全面性：选取的指标要能全面地反映城市社会经济用水、生活用水、农业用水、工业用水、生态用水的各个环节和方面，客观地反映城市用水的水平。

2）系统性：将用水效率评价体系分为目标层、准则层、指标层3个层次进行计算分析，并选取了社会经济、生活、农业、工业、生态五大维度的相关指标构建评价体系。

3）科学性：指标体系的设计应能客观表征城市用水水平的特点，应从指标的数据获取、计量分析、应用指导等环节提升指标的科学性。

4）可行性：选取的指标及构建指标体系应遵循可行性原则，评价结果应给实践提供指导依据。

采用TOPSIS分析法对所构建的用水效率评价指标进行计算及综合分析，在进行TOPSIS分析之前，采用信息量权重分析法求取各评价指标的权重。

本文目标层为用水效率，准则层分为社会经济、生活、农业、工业、生态5大方面。社会经济层选取综合人均用水量（m3）、万元GDP用水量（m3）作为指标；生活层选取城镇居民人均生活用水量（L/d）、农村居民人均生活用水量（L/d）作为指标；农业方面选取单方水农业净产值（元）、亩均灌溉用水量（m3）、灌溉水利用系数作为指标；工业层指标选取万元工业增加值用水量（m3）；生态层指标选取人均废污水排放量（t/a）、污水处理率（%）。其中，除了单方水农业净产值、灌溉水利用系数、污水处理率对用水效率评价为正向影响（即值越大表示用水效率越好）外，其余各指标均为负影响，在TOPSIS评价前需对负影响数据进行正向化处理，使得所有指标同趋势化；而后解决量纲问题，本文运用平方和归一法对数据进行标准化，即无量纲化处理。指标数据均来自各省水资源公报、统计年鉴、生态环境状况公报。

2.2 TOPSIS信息量权重综合评价法

本文结合信息量权重及TOPSIS法对华南地区的用水效率水平进行综合评价，采用信息量权重对各评价指标进行赋权，使结果更客观可信。通过检测评价对象与最优解、最劣解的距离来进行排序，若评价对象最靠近最优解同时又最远离最劣解，则为最优[7]。本文中，用计算得出的相对贴进度来量化表示用水效率水平，相对贴进度越大，表明用水效率水平越高，具有合理性与可行性。该法主要包含6大步骤，同趋势化、归一化、确定正负理想解矩阵、计算相对贴进度，具体计算公式见参考文献[7]，其中，信息量权重在欧氏距离中赋权。

表1 信息量权重计算结果

2.3 泰尔系数

采用泰尔系数来测算华南地区各省之间的用水效率具体指标的空间差异。取值范围为[0,1]，值越大，空间差异越大。泰尔系数可以对不同省份的用水效率空间差异进行比较[8]。

2.4 灰色关联法

为了深入研究华南各省用水效率关键驱动因子，从而得出用水效率提高的主要措施，采用灰色关联法进行分析。灰色关联度分析是一种表征两两因素之间动态发展过程的关联度的方法。此分析方法不要求样本符合特定的分布规律，且允许使用少量样本进行分析。在系统发展过程中，确定参考序列及比较序列，如果2个序列变化的态势是一致的，即同步变化程度较高，则可以认为二者关联较大，比较序列对参考序列的影响程度越大；反之，则二者关联度较小，比较序列对其影响程度越小。该算法主要包括3大步骤，具体计算方法及公式见文献[8]。

3 结果与分析

3.1 华南省际用水效率时间差异

将2000—2018年的用水效率指标运用改进TOPSIS法进行整体评价。根据评价年份内各指标，正向化及归一化之后2018年正负理想解结果如表2所示，对正负理想解进行信息量权重加权计算得到正负理想解距离及最终的相对贴进度值（表3）。由表3可知，华南地区中福建省用水效率水平最高，且远超广西壮族自治区及海南省，广西用水效率水平最低。从图2（图中越红表示用水效率越差，越绿表示用水效率越好）可以看出，2000—2018年，华南4省用水效率水平均有上升，其中，2000—2008年，海南省、广东省、广西壮族自治区用水效率相差不大，均处于较低水平，福建省用水效率在评价年间均为最高水平。评价年内，随着时间的推移，省际间的用水效率水平空间差异愈加显著，用水效率水平从高到低依次为福建省、广东省、海南省、广西壮族自治区。从图3可以看出，评价年内，福建省及广东省用水效率水平提升最快，2000—2005年，广东省用水效率均较差，甚至低于海南省，但在2005—2015年，广东省用水效率水平迅速提升，赶超海南省及福建省，但自2015年后，广东省用水效率水平增速放缓，福建省则维持原有提升速率，保持优良的用水效率水平；整体来看，近10年来，华南地区中，沿海3省的用水效率水平明显优于靠近内陆的广西壮族自治区，其中，福建省用水效率水平最高，其绿化覆盖率大，涵养水源能力强，农业用水效率高，水资源较充沛，且政府对城市节水的重视程度高、相关政策措施较完善。广东省用水效率水平居其二，与福建省不相上下，2省远超海南省及广西壮族自治区，广西壮族自治区用水效率水平较落后。

表2 正负理想解

表3 TOPSIS评价结果(2018年)

3.2 华南省际用水效率空间差异

具体分析华南地区省际间的用水效率评价指标差距，采用泰尔系数分析各指标的空间差异变化情况。从2018年指标分布表4可看出，华南地区省际间的万元GDP用水量差距最大，广东、福建省万元GDP用水量较小，广西壮族自治区最大，且远大于广东、福建2省。其次为万元工业增加值用水量及人均废污水排放量，其中，万元工业增加值用水量中，广东省的最少，其次为福建、海南省，广西壮族自治区最差；人均废污水排放量中，海南省的最少，广东最多。单方水农业净产值中，海南、福建省最优，广西壮族自治区及广东省水平相差不大；污水处理率及农村居民生活人均用水量差距不大。

图3 2000—2018年相对贴进度（即用水效率水平）变化

表4 2018年各省评价指标分布

图4 2000—2018年用水效率指标泰尔系数变化情况

根据图4，采用泰尔系数来量化反映各用水效率指标的空间差异情况中，2000—2005年，万元GDP用水量空间差异最大，亩均灌溉用水量及综合人均用水量空间差异最小。万元GDP用水量及人均废污水排放量的空间差异随时间变化幅度最大，除万元GDP用水量空间差异先增后减外，其他指标空间差异整体呈明显下降趋势。综合人均用水量空间差异有轻微增大，亩均灌溉用水量及污水处理率空间差异逐渐缩小，但变化幅度较小。

3.3 华南各省用水效率驱动因素

参考以往的研究文献[8,17-18]，选取常住人口、地区生产总值、第一产业生产总值、第二产业生产总值、第三产业生产总值、人均地区生产总值、水资源总量、供用耗排水量等指标从城镇化水平、经济发展水平、用水结构等方面综合反映用水效率的驱动因素。采用灰色关联法分析华南地区各省的用水效率水平的影响因素，表5为华南地区4省关联度的对比情况。用TOPSIS-信息量权重综合评价法所得出的相对贴进度值表示用水效率水平大小，作为参考序列。比较序列指标中，广东省、广西壮族自治区、海南省选取常住人口、地区生产总值、第一产业生产总值、第二产业生产总值、第三产业生产总值、人均地区生产总值、水资源总量、供用耗排水量，福建省由于缺少耗水量、排水量数据，因此用水环节因素选取供用水量，得出各省用水效率水平与比较序列之间的关联度，关联度越大，表示指标对用水效率水平的影响越大，为用水效率的主要驱动因子。针对比较序列各评价项，以及19项数据（即2000—2018年共19个年份数据（参考序列））进行灰色关联度分析。使用灰色关联度分析时，分辨系数取0.5，结合关联系数计算式计算出关联系数值，根据关联系数值计算出关联度值用于评价判断。结合上述关联系数结果进行加权处理，最终得出关联度值，使用关联度值针对4省份评价项（即比较指标）进行评价排序。4省关联度结果见表5。

表5 灰色关联度对比结果

关联度值介于0、1之间，该值越大代表其与“参考值”之间的相关性越强，评价越高。由表5可知，针对各省评价项，福建省用水效率中，用水量关联度最高（0.82）。广东省用水效率中，排水量的关联性最高（0.96），其次是耗水量（0.89）。广西壮族自治区用水效率中，排水量关联最高（0.92），其次是耗水量（0.90）。海南省用水效率中，排水量关联性最高（0.99），其次是耗水量（0.98）。由此可见，华南地区的用水效率水平普遍受地区各用水环节影响较大，尤其受排水及耗水环节影响最大，因此，首先提高节水意识，推广节水技术措施，减少耗水量及污水排放量，从而提高华南地区用水效率水平。其次，华南用水效率水平还与经济、水资源量有关；除用水环节相关指标之外，广东省用水效率受水资源总量因素影响，节水政策技术等较完善，因而用水效率水平变化不大，主要受政策发布的用水总量控制红线影响，此外，省内外来人口多，年际间人口数变化大，节水意识参差不齐，对用水效率水平影响大；广西壮族自治区用水效率水平还受经济、三产结构因素影响，因其相较其他省份，经济发展水平较低，且农业、工业生产中节水技术措施相较落后，经济发展与耗水量关系紧密；海南省受水资源总量及农业发展程度影响，其农业灌溉耗水量最大，节水灌溉相关技术尚未有效推广。

4 讨论

以往的用水效率水平评价体系容易只侧重于农业灌溉或者城市生活等某一方面进行分析，需要寻求一种更全面有效的评价方法及体系，对不同地区的用水、节水水平进行更完整全面的分析，从而更好地指导实践。本文采用信息量权重及TOPSIS综合方法，从社会经济、生活、农业、工业、生态5大层面，对华南地区4省用水效率进行评价，整体来看，福建省、广东省的用水效率水平最高，海南省、广西壮族自治区的用水效率水平稍显落后。

其评价结果与CRITIC-TOPSIS分析法[7]所得评价结果完全相同，与主成分分析法[3]所得排序结果不超过一个位次，与前人研究方法所得结果基本一致，且与实际用水情况相似，评价结果具有一定合理性。对3种方法的评价结果采用Spearman系数进行相关性分析，结果发现，相关性系数均在0.9以上，呈显著相关。分别采用3种分析方法的2016年用水效率评价结果如表6所示。信息量权重-TOPSIS法、主成分分析法、CRITIC-TOPSIS分析法的极差分别为0.38、1.47、0.14，变异系数分别为0.3、4.6、0.1。信息量权重-TOPSIS法的极差及变异系数处于平均水平，评价结果相较更平稳，适用于分析省际间用水效率的时空差异。

表6 评价方法结果对比分析

运用灰色关联法分析各省用水效率水平的影响因素时，发现用水4大环节：供水量、用水量、耗水量、排水量，以及经济发展指标—人均地区生产总值等对评价用水效率影响最大。但分析结果可能存在指标选取不够全面的问题，未能深入分析发现用水结构及经济发展与城市用水效率水平的具体作用方式。研究方法及结果有一定局限性，评价结果受各省统计数据的准确性影响较大。

本研究分析了我国华南地区的用水效率时空差异情况及其驱动因素，对正确认识华南城市的用水情况有一定的现实意义，研究结果对节水社会的建设具有一定的实践指导意义。下一步研究可考虑找寻一种更客观、直接、有效的用水效率评价方法，对全国各城市的用水效率分析其差异及影响因素，发现整体规律及趋势，从而更好地指导实践，有效地提高全国各地用水效率水平，推动节水社会建设，促进生态文明发展。

5 结论

1）用水效率情况方面，整体来看，2000—2018年，华南地区中福建省用水效率水平最高，且远超广西壮族自治区及海南省，广西用水效率水平最低。评价年间，4省用水效率水平均有上升，省际间的用水效率水平空间差异愈加显著，其中，2000—2008年，海南省、广东省、广西壮族自治区用水效率相差不大，均处于较低水平，福建省用水效率在评价年间均为最高水平。用水效率水平从高到低依次为福建省、广东省、海南省、广西壮族自治区。

2）空间差异方面，华南地区省际间的万元GDP用水量差距最大，其次为万元工业增加值用水量及人均废污水排放量。单方水农业净产值中，海南、福建省最优，广西壮族自治区及广东省水平相差不大；污水处理率及农村居民人均生活用水量省际差距不大。万元工业增加值、万元GDP用水量及人均废污水排放量的空间差异随时间变化幅度最大，除万元GDP用水量空间差异先增后减外，其他指标空间差异整体呈明显下降趋势。

3）采用灰色关联法分析各省用水效率主要影响因素发现，华南地区的用水效率水平普遍受地区用水环节影响最大，尤其受排水量、耗水量影响最大，其次还与经济、水资源量有关；除用水环节各指标之外，广东省用水效率受人口及水资源总量因素影响；广西壮族自治区用水效率水平主要受经济、三产结构因素影响；海南省受水资源总量及农业发展程度影响，其农业灌溉耗水量最大，节水灌溉相关技术尚未有效推广。

[1] 段长桂, 董增川, 管西柯, 等. 基于迭代思想的山东省水资源利用效率评价[J]. 人民黄河, 2017, 39(12): 62-66.

DUAN Changgui, DONG Zengchuan, GUAN Xike, et al. Evolution for water use efficiency of Shandong Province based on Circulation Correction model[J]. Yellow River, 2017, 39(12): 62-66.

[2] 唐德善, 孟令爽, 史毅超, 等. 基于DEA-CCR与复合系统的用水效率评价[J]. 中国农村水利电, 2017(10): 153-157, 168.

TANG Deshan, MENG Lingshuang, SHI Yichao, et al. Evaluation of comprehensive water use efficiency based on DEA-CCR model and composite system[J]. China Rural Water and Hydropower, 2017(10): 153-157, 168.

[3] 孟令爽, 唐德善, 史毅超. 基于主成分分析法的用水效率评价[J]. 人民长江, 2018, 49(5): 36-40.

MENG Lingshuang, TANG Deshan, SHI Yichao. Evaluation on water use efficiency based on principal components analysis[J]. Yangtze River, 2018, 49(5): 36-40.

[4] 陈璇璇, 张旖旎, 刘莉, 等. 基于超效率DEA模型的陕晋两省水资源利用效率评价[J]. 灌溉排水学报, 2020, 39(10): 138-144.

CHEN Xuanxuan, ZHANG Yini, LIU Li, et al. Water use efficiency in Shaanxi and Shanxi Province analyzed using the super efficiency DEA model[J]. Journal of Irrigation and Drainage, 2020, 39(10): 138-144.

[5] 傅妍芳, 贾莉, 孙建平. 基于非期望产出SBM-Malmquist模型的安徽省工业用水效率研究[J]. 长春师范大学学报(自然科学版), 2020, 39(10): 117-122.

FU Yanfang, JIA Li, SUN Jianping. Study on industrial water use efficiency in Anhui Province based on SBM-Malmquist model with unexpected output[J]. Journal of Changchun Normal University (Natural Science Edition), 2020, 39(10): 117-122.

[6] 罗凯, 唐德善, 唐彦. 基于熵权-正态云模型的农业用水效率评价[J]. 中国农村水利水电, 2020(10): 159-163.

LUO Kai, TANG Deshan, TANG Yan. Evaluation of agricultural water use efficiency based on Entropy Weight-Cloud model[J]. China Rural Water and Hydropower, 2020(10): 159-163.

[7] 岳俊涛, 鄢笑宇, 刘启阳. 基于CRITIC-TOPSIS方法的江西省用水效率评价研究[J]. 江西水利科技, 2019, 45(4): 275-279.

YUE Juntao, YAN Xiaoyu, LIU Qiyang. Evaluation of water use efficiency in Jiangxi based on CRITIC-TOPSIS[J]. Jiangxi Hydraulic Science & Technology, 2019, 45(4): 275-279.

[8] 胡德秀, 刘子晨, 刘铁龙, 等. 陕西省渭河流域用水效率时空差异性分析[J]. 人民黄河, 2020, 42(8): 56-61.

HU Dexiu, LIU Zichen, LIU Tielong, et al. Analysis on spatial-temporal difference of water use efficiency in Weihe River Basin of Shaanxi Province[J]. Yellow River, 2020, 42(8): 56-61.

[9] 赵敏, 刘姗. 基于双前沿面SBM-DEA模型的农业用水效率评价[J]. 水利经济, 2020, 38(1): 54-60, 67, 87.

ZHAO Min, LIU Shan. Evaluation of agricultural water use efficiency based on SBM-DEA model with double frontiers[J]. Journal of Economics of Water Resources, 2020, 38(1): 54-60, 67, 87.

[10] 高雄, 王红瑞, 高媛媛, 等. 基于迭代修正的水资源利用效率评价模型及其应用[J]. 水利学报, 2013, 44(4): 478-488.

GAO Xiong, WANG Hongrui, GAO Yuanyuan, et al. A model based on iteration correction for water resources utilization efficiency evaluation and its application[J]. Journal of Hydraulic Engineering, 2013, 44(4): 478-488.

[11] 孙冬营, 佘靖雯, 刘凌燕, 等. 长江三角洲城市群工业用水效率评价及时空差异研究[J]. 长江流域资源与环境, 2018, 27(9): 1 901-1 908.

SUN Dongying, SHE Jingwen, LIU Lingyan, et al. Efficiency evaluation for industrial water use and analysis of the spatio-temporal differences in the Yangtze River Delta Urban Agglomeration[J]. Resources and Environment in the Yangtze Basin, 2018, 27(9): 1 901-1 908.

[12] 孙付华, 陈汝佳, 张兆方. 基于三阶段DEA-Malmquist区域农业水资源利用效率评价[J]. 水利经济, 2019, 37(2): 53-58, 78, 87-88.

SUN Fuhua, CHEN Rujia, ZHANG Zhaofang. Evaluation of utilization efficiency of regional agricultural water resources based on three-stage DEA-Malmquist model[J]. Journal of Economics of Water Resources, 2019, 37(2): 53-58, 78, 87-88.

[13] 王帅, 刘磊. 水资源利用效率的评价方法研究[J]. 河南科技, 2020(4): 81-83.

WANG Shuai, LIU Lei. Study on evaluation method of water resources utilization efficiency[J]. Henan Science and Technology, 2020(4): 81-83.

[14] 庞庆华, 周未沫. 基于DEA-Malmquist模型的用水效率综合评价研究[J]. 人民长江, 2020, 51(9): 90-95.

PANG Qinghua, ZHOU Weimo. Comprehensive evaluation of water use efficiency by using DEA-Malmquist model in seven major basins of China[J]. Yangtze River, 2020, 51(9): 90-95.

[15] 汪紫薇, 董四方, 王文鹏, 等. 长江经济带典型城市用水效率变化特征分析[J]. 地下水, 2020, 42(5): 112-116.

WANG Ziwei, DONG Sifang, WANG Wenpeng, et al. Variation of urban water use efficiencies among cities across Yangtze River economic belt[J]. Groundwater, 2020, 42(5): 112-116.

[16] 许士林, 朱磊, 张先杰, 等. 基于DEA模型对中国用水效率的综合评价[J]. 齐齐哈尔大学学报(自然科学版), 2019, 35(2): 78-81, 86.

XU Shilin, ZHU Lei, ZHANG Xianjie, et al. Comprehensive evaluation of water use efficiency in China based on DEA model [J]. Journal of Qiqihar University(Natural Science Edition), 2019, 35(2): 78-81, 86.

[17] 赵悦, 蒋金荷, 李富强. 中国水资源使用效率影响因素分析[J]. 水利经济, 2018, 36(1): 52-55, 63, 90-91.

ZHAO Yue, JIANG Jinhe, LI Fuqiang. Factors for water use efficiency in China[J]. Journal of Economics of Water Resources, 2018, 36(1): 52-55, 63, 90-91.

[18] TIAN F, ZHANG Y, LU S H. Spatial-temporal dynamics of cropland ecosystem water-use efficiency and the responses to agricultural water management in the Shiyang River Basin, northwestern China[J]. Agricultural Water Management,2020, 237, 106176.

[19] LAVERGNE A, GRAVEN H, DE KAUWE M G, et al. Observed and modelled historical trends in the water-use efficiency of plants and ecosystems[J]. Global Change Biology, 2019, 25(7): 2 242-2 257.

Spatiotemporal Variation of Water Use Efficiency and Its Drivers in South China

LIU Wenyu1, CHEN Xiaohong2*

(1.Sun Yet-sen University, Zhuhai 519082, China;2. Center for water resources and environment, Sun Yet-sen University, Guangzhou 510275, China)

【】Spatiotemporal variation in water use efficiency and its underlying drivers are important factors in ecosystem management. South China is relatively abundant in water resources and saving water has not yet received as much attention as in other parts of the country. However, seasonal water shortage does occur and it is hence imperative to improve its water use efficiency. The purpose of this paper is to analyze the spatiotemporal variation of water use efficiency in this region.【】A comprehensive index system for evaluating water use efficiency was constructed based on living standards, agriculture, industry, ecology and economy in each province in southern China. The water use efficiency and its temporal change from 2000 to 2018 in each province was evaluated based on administrative region. The provincial variation of each index was analyzed using the Thiel coefficient, and its drivers were analyzed using the grey correlation method.】Among the four provinces we analyzed, Fujian province was most effective in water use during this period, far ahead of Hainan and Guangdong provinces, while Guangxi autonomous region was the worst. The difference in water consumption per 10 000 yuan GDP and 10 000 yuan industrial-added value was the greatest between the four studied provinces. In contrast, the difference in irrigation water use efficiency and water consumption per capita was the smallest. Water use efficiency in the four provinces was mostly affected by water consumption and drainage, in addition to the economy and total water resource availability.【】Water use efficiency in south China has been in steady increase. Overall, water use efficiency decreased from the southeast to northwest, and was higher in the highly industrialized province such as Fujian and Guangdong provinces. In addition to water-related factors, variation in water use efficiency was also affected by economic development and water resource availability.

Southern China; water use efficiency; TOPSIS analysis; information weight; Thiel coefficient; grey correlation method

X24

A

10.13522/j.cnki.ggps.2021071

1672 - 3317（2021）11 - 0122 - 07

刘雯昱, 陈晓宏. 华南地区省际用水效率时空差异及驱动因子研究[J]. 灌溉排水学报, 2021, 40(11): 122-128.

LIU Wenyu, CHEN Xiaohong. Spatiotemporal Variation of Water Use Efficiency and Its Drivers in South China[J]. Journal of Irrigation and Drainage, 2021, 40(11): 122-128.

2021-06-19

国家自然科学基金项目（U1911204，51861125203）；国家重点研发计划项目（2017YFC0405900）

刘雯昱（1997-），女。硕士研究生，主要从事城市水文水资源研究。E-mail: liuwenyu1997@163.com

陈晓宏（1963-），男。博士生导师，主要从事水资源水生态研究。E-mail: eescxh@mail.sysu.edu.cn

责任编辑：韩 洋