黄河流域城市群水资源利用效率评估及驱动因子分析

朱晓梅,魏加华,3,杨海娇,吴国宏,康倍铭,唐晨洋,杨梦瑶

(1.青海大学水利电力学院，青海 西宁 810016； 2.黄河上游生态保护与高质量发展实验室，青海 西宁 810016；3.清华大学水沙科学与水利水电工程国家重点实验室，北京 100084)

黄河流域横跨我国温带季风、大陆干旱和高寒三大气候带，连接青藏高原、黄土高原、华北平原，是“丝绸之路”经济带和欧亚大陆桥的重要走廊。黄河流域内有多个城市群和国家级经济区，是我国重要的粮食和能源基地，也是我国推进西部大开发，形成新格局的主体承载区，在我国经济格局中具有沟通南北方、协同东中西的作用。黄河流域7大城市群的经济总量占整个流域的70%以上，聚集了流域内60%以上的人口，供水总量占流域总耗水量的14%左右。1990年以来，沿黄九省(区)GDP增长了近50倍；2000年以来流域内植被覆盖率持续增长，归一化植被指数(normalized difference vegetation index, NDVI)平均每10 a增长0.055[1]。面对国家实施的黄河流域生态保护和高质量发展重大战略，水资源保障形势严峻、发展质量有待提高。新时期国家提出“节水优先、空间均衡、系统治理、两手发力”的治水方针，在水资源刚性约束下，水资源利用效率的提升，是落实节水优先、支撑社会经济高质量发展的重要举措。

水资源利用效率是指单位水资源所带来的经济、社会或生态等效益[2]，是衡量水资源利用水平的重要指标[3-4]，亦是反映节水效能的重要指标，具有复杂性[5]、系统性[6]、投入产出性[7]和相对有效性[8]等特性。常用的评价方法有指标体系评价法、随机前沿分析法(stochastic frontier analysis, SFA)和数据包络分析法(data envelopment analysis, DEA)等。孙爱军等[9]基于生产函数，运用SFA对我国工业用水技术效率进行了分析。李世祥等[10]选用比值分析法对我国东、中、西部各省(市、区)水资源利用效率进行了分析。刘晓君等[11]基于松弛测度(slack based measure, SBM)-undesirable超效率包络法分析了我国西部各省(市、区)水资源利用效率的动态演化趋势，选用Tobit模型进行了影响因素研究。郭一鸣等[12]基于两阶段super-SBM模型分析了我国城市的能源效率空间特征，并从内生因素和外部环境剖析了影响因素。左其亭等[13]结合super-DEA模型得出黄河流域九省(区)2012—2018年水资源利用效率总体呈增加趋势，用水水平具有显著空间差异性，并通过Malmquist全要素生产率指数(下称Malmquist指数)分解水资源利用效率，分析效率变动的内在原因，得出九省(区)水资源利用效率的提升主要得益于技术进步。

DEA是一种非参数相对效率评价方法，可评价多投入、多产出的效率问题，不需统一量纲、估计生产函数、确定权重，操作性强，可得到内涵丰富的测度结果。在处理多目标决策问题时，DEA可针对每个决策单元进行优化，对分析结果进行排序，并提供具体的优化建议，具有更好的适用性[14-15]。本文以黄河流域7大城市群(48个大中型城市)为研究对象，从投入产出视角对1989—2018年城市群水资源利用效率进行研究，采用super-SBM模型评估静态水资源利用效率，结合Malmquist指数对水资源利用效率进行动态分解，选用Tobit回归模型探讨7大城市群水资源利用效率整体变化的驱动因子。

1 数据来源与指标构建

1.1 数据来源

数据主要来源于《中国城市统计年鉴》(1990—2019年)、国家科技基础条件平台——国家地球系统科学数据中心(http://www.geodata.cn)和水资源公报等。研究对象为城市区域(即市辖区)(图1)，以非农业产业为主，故本研究剔除了辖区内农业用水的输入和输出。依据国务院印发的《关于调整城市规模划分标准的通知》，以城区常住人口为统计口径，将城市划分为五类七档。按2017年城区常住人口统计，沿黄省(区)有75个大中型城市，选择48个较具备研究条件的大中型城市作为黄河流域7大城市群的研究对象。

图1 黄河流域7大城市群Fig.1 Seven large urban agglomerationsin the Yellow River Basin

1.2 指标构建

从投入-产出和水资源消耗关系出发，以单位水资源消耗产生的经济效益衡量水资源利用效率，选择直接反映经济产出的地区生产总值作为产出指标，地区供水总量作为反映自然资源要素的投入指标，固定资产投资作为反映资本要素的投入指标，地区从业人员(当年年末与上年度年末从业人员的平均值)作为反映劳动力要素的投入指标[14-18]。

基于数据可获得性，选取经济发展水平、产业结构、人口密度和科技创新作为水资源利用效率的驱动因子。经济发展水平用人均GDP衡量，经济发展水平与水资源保护和利用政策密切相关，直接影响水资源利用效率；产业结构对水资源利用效率有控制性作用，减少高耗水产业，增加低耗水产业，可显著提升水资源利用效率；人口密度直观反映地区的紧凑程度，建设紧凑型城市可更好地实施自然资源集约化，降低水资源消耗；科技创新对水资源利用效率提升有助推作用[19-20]。

建立的水资源利用效率和驱动因子指标体系如图2所示。

2 研究方法

2.1 super-SBM模型

DEA测算的是相对效率，径向DEA对无效率程度测算仅限于所有投入(产出)等比例缩减(增加)的比例，为此，Tone[21]提出的SBM模型解决了径向DEA对无效率测量不包含松弛变量的问题。针对SBM测出效率最大值为1，且对于同为1的效率值无法进一步区分效率高低的问题，Tone[22]又提出了super-SBM模型(式(1)(2))，其核心思想是将被评价的决策单元(decision making unit, DMU)分为参考组和待评价组，待评价组DMU效率值基于参考组的前沿计算得出，因此待评价组的有效DMU效率值通常会大于1。

(1)

(2)

2.2 Malmquist指数

DEA模型通常只能测算单一时期DMU效率，当数据包含多个时间节点时，应将技术效率和技术进步对水资源利用效率所起的作用进行分解。因此，将Malmquist指数分解为技术效率变化(technical efficiency change, TEC)指数和生产技术变化(technological change, TC)指数：

CTEk,t→t+1CTk,t→t+1

(3)

式中：Mk,t→t+1为评价单元k从t到t+1时刻Malmquist全要素生产率变化率，即Malmquist指数；Dk,t、Dk,t+1分别为评价单元k在t、t+1时刻的技术效率值；Dk,t→t+1为评价单元k以t时刻为参考，得到的t+1时刻的技术效率值；Dk,t+1→t为评价单元k以t+1时刻为参考，得到的t时刻的技术效率值；CTEk,t→t+1为评价单元k从t到t+1时刻技术效率变化率，即TEC指数；CTk,t→t+1为评价单元k从t到t+1时刻生产技术的变化率，即TC指数。Mk,t→t+1、CTEk,t→t+1、CTk,t→t+1大于1则效率(或技术)提高，小于1则效率(或技术)降低。

2.3 Tobit模型

将驱动因子作为自变量，水资源利用效率值作为因变量，建立Tobit回归模型：

(4)

(5)

式中：d′为原始因变量，即水资源利用效率的实际测算值；d为截断因变量；cj为驱动因子j的值；β0为常数项；βj为驱动因子j的回归系数；ε为误差项，独立且服从正态分布。

3 结果与分析

3.1 基于super-SBM模型的静态水资源利用效率

采用super-SBM模型测算48个大中型城市水资源利用效率，得到7大城市群不同时期水资源利用效率均值(表1)，结果表明，与1989—1990年相比，2016—2018年7大城市群水资源利用效率均值整体提升了0.12。

青海人均水资源量大，但水资源利用条件差；甘肃水资源开发利用难度大。兰西城市群经济发展水平总体偏低，科技和城市节水投入不足，技术落后，水资源利用效率偏低，1989—2018年水资源利用效率在流域中处于最低水平，均值0.42；水资源利用效率从1989—1990年的0.39提升到2016—2018年的0.43，整体稳定提升，但增幅不大。

山东半岛和呼包鄂榆城市群水资源利用效率均处于较高水平，均值分别为0.82和0.83。山东半岛城市群地处沿海地区，经济发展水平位于全国前列，水资源利用效率处于流域较高水平，2000年以来出现波动，2006—2010年山东半岛城市群把工业节水确定为节水型社会建设的重点，水资源利用效率提高到0.81，2011—2015年以水资源消耗为代价的经济快速发展导致水资源利用效率略有下降，2016—2018年顺应国家提出的绿色、创新、协调、开放、共享五大发展理念，水资源利用效率回升到0.79。

表1 黄河流域7大城市群不同时期水资源利用效率Table 1 Water resources utilization efficiency of seven large urban agglomerations in the Yellow River Basin in different periods

呼包鄂榆城市群水资源利用效率从1989—1990年的0.63稳步提升，1991—2010年较稳定，均值为0.79，2011—2015年，城市群第三产业占比显著提高，群众节水意识增强，城市群通过大批建设工业园区和产业集中区，实施创新驱动发展战略，优势产业装备技术达国内先进水平，使呼包鄂榆城市群水资源利用效率达到1.13，2016—2018年略有下降，但仍达到0.90。

表2 黄河流域7大城市群Malmquist指数Table 2 Malmquist index for seven large urban agglomerations in the Yellow River Basin

关中平原、晋中和中原城市群水资源利用效率总体平稳。关中平原城市群水资源利用效率维持在0.63～0.74，整体接近0.69；晋中城市群整体提升幅度相对较大，从1989—1990年的0.49提升到2016—2018年的0.60；中原城市群人口数量大、城市群空间大、分布相对分散、供水管网漏损严重，水资源利用效率在流域中偏低，均值为0.50。

宁夏沿黄城市群水资源利用效率均值为0.66，处于流域中等水平，但波动较大，从1989—1990年的0.51持续增长到1996—2000年的0.69，2001—2005年可能由于用水结构不合理、污水排放量大等原因，导致水资源利用效率降低，2006年以来通过政策调控，水资源利用效率持续增长，2016—2018年达到0.89。

3.2 基于Malmquist指数的水资源利用效率动态分解

从表2的Malmquist指数变化分析发现，黄河流域7大城市群Malmquist指数基本大于1，表明黄河流域主要城市水资源利用效率整体提升。从空间分布看，下游城市群水资源利用效率高于中游，上游兰西城市群水资源利用效率相对较低；从时间分布看，水资源利用效率提升幅度略有差异，2000年以来水资源利用效率提升幅度较大。近30年来，山东半岛城市群水资源利用效率呈略降—较大提升—大幅提升；中原和关中平原城市群呈略降—较大提升—稳定提升—大幅提升；晋中城市群呈持续提升，增幅变化较大；呼包鄂榆城市群呈稳定提升—较大提升—稳定提升；宁夏沿黄和兰西城市群呈基本不变—稳定提升。

从TEC指数和TC指数看(表3和表4)，1990—2018年黄河流域7大城市群TC指数的均值为1.10，表明7大城市群水资源利用技术整体不断提升，2016年后快速发展，TC指数均值达到1.39；1990—2018年7大城市群TEC指数在1.0附近波动，均值为1.04，需因时因地调整产业结构、用水结构和水资源管理模式。技术效率提高和技术进步均推动了Malmquist指数的提升，表明城市群在引进先进技术、提高管理水平和优化生产规模方面不断进步，其中技术进步是主导因素。30年来，7大城市群的技术效率提升幅度差距不大，而山东半岛和晋中城市群的Malmquist指数及TC指数提升幅度较大，能源和重工业的创新和技术水平大幅提升，中上游地区由于产业结构、人口分布、气候和地理条件等影响，水资源利用效率提升幅度相对较小。

表3 黄河流域7大城市群TEC指数Table 3 TEC index for seven large urban agglomerations in the Yellow River Basin

表4 黄河流域7大城市群TC指数Table 4 TC index for seven large urban agglomerations in the Yellow River Basin

表5 黄河流域城市群不同时期驱动因子Table 5 Driving factors of urban agglomerations in the Yellow River Basin in different periods

1990年以来，7大城市群技术效率总体稳中求进，1996—2000年宁夏沿黄和兰西城市群有轻微衰退，用水结构和产业结构出现不匹配情况，2016年以来呼包鄂榆城市群电力、煤炭和化工等高耗水产业急剧增加，导致技术效率下降。1995年以来，国家调整水资源开发利用管理策略，不断提出新的用水理念，强调水资源供给侧改革，使得技术进步对黄河流域7大城市群水资源利用效率提升起到显著的推动影响，但少数城市群技术效率的下降抵消了同时期技术进步带来的水资源利用效率的提升程度。

3.3 水资源利用效率驱动因子分析

采用Tobit回归模型分析驱动因子(图2)对7大城市群整体水资源利用效率的影响程度。不同时期的驱动因子值见表5，回归分析结果见表6。

经济发展水平代表生产、管理技术及产业集聚效应等水平，1989—2018年7大城市群人均GDP增长了数十倍，经济发展水平对推动黄河流域城市群水资源利用效率提升起着显著的促进作用，各时期的回归系数均通过1%显著水平检验。

1989年以来，第三产业占比逐步上升，2016—2018年达52.21%，比第二产业占比高出6.82%；1989—2018年7大城市群的第二产业占比变化不大。回归分析结果显示，产业结构变化对城市群水资源利用效率变化起着较小的抑制作用，表明黄河流域城市群的工业水平尚处于初级阶段，增长方式属粗放型的扩大再生产，流域城市群的水资源消耗量大，整体水资源利用效率有待提高，有较大的节水空间。

表6 不同时期Tobit回归分析结果Table 6 Tobit regression analysis results in different periods

人口密度的变化受基数和国家政策影响较大，变化趋势显著，人口密度的增加对流域内水资源利用效率总体呈现轻微的抑制作用，2000年以后，回归系数均通过1%显著水平检验，反映出居民节水意识有待加强。

科技创新的回归系数在2001—2005年和2011—2015年通过10%显著水平检验，表明黄河流域城市群还需要加强科学技术在水资源利用效率提升方面的支撑力度。技术进步推动了城市群整体水资源利用效率的提升，但科技创新的影响不显著，两者结果差异与上中游和中下游各城市群科技创新投入力度差异大等因素有关。

4 结 论

a.7大城市群水资源利用效率提升幅度略有差异，2000年以来提升幅度较大。下游城市群水资源利用效率整体高于中上游城市群，上游兰西城市群水资源利用效率相对较低。技术效率提高和技术进步均推动了水资源利用效率的提升，其中技术进步是主导因素，这与我国稳步推进节水型社会建设、实施水价改革、推行最严格水资源管理制度和节水优先战略密不可分。

b.1989—2018年7大城市群人均GDP增长了数十倍，经济发展水平显著促进了城市群水资源利用效率的提升。7大城市群的产业整体水资源消耗量逐步趋稳，产业结构对城市群水资源利用效率的提升有抑制作用；居民节水意识薄弱，导致人口密度对水资源利用效率的提升起轻微抑制作用。黄河流域城市群需加大科技投入，工业向创新型、集约化用水方式转变，通过节水科普、阶梯水价等途径提高节水水平。

c.2016—2018年7大城市群水资源利用效率均值为0.67，空间差异大，中上游水资源利用效率较低，在黄河水资源刚性约束下，需强化节水型社会建设，重视城市群经济发展水平和水资源禀赋差异，提高水资源利用效率，稳步推进黄河流域生态保护和高质量发展。