中国水利新质生产力评价及障碍因子诊断

摘 要：

发展水利新质生产力是推动我国水利事业乃至整个经济社会高质量发展的内在要求和重要着力点，而水利新质生产力评价及其发展的障碍因子诊断是目前亟待解决的关键性问题。从高科技、高效能、高质量和绿色4个维度构建了水利新质生产力评价指标体系，采用基于实码加速遗传算法的投影寻踪模型（RAGA-PP模型）对我国2021年31个省份的水利新质生产力发展水平进行了综合评价，并结合障碍度模型识别了影响其发展的主要障碍因子。结果表明：广东、江苏、浙江等东南部沿海省份的水利新质生产力发展水平相对较高，西藏、青海等西北部省份的相对较低;准则层障碍度排序为高科技gt;绿色gt;高质量gt;高效能;水利工业企业专利是制约水利新质生产力发展的关键障碍因子。

关键词：水利新质生产力;RAGA-PP模型;障碍度模型

中图分类号：TV213 ""文献标识码：A """"""文章编号：2096-6792（2024）06-0001-08

Evaluation and Obstacle Factor Diagnosis of New Quality Productivity of Water Conservancy in China

YANG Yafeng1， ZHOU Xiaoxiao1， WANG Hongrui2， LIU Yimeng1， LI Xinrui1

（1.College of sciences， North China University of Science and Technology， Tangshan 063210， China;

2.College of Water Science， Beijing Normal University， Beijing 100875， China）

＼=

Abstract：

The development of water conservancy new quality productivity is to promote China′s water conservancy cause and even the entire economic and social development of high-quality inherent requirements and important focus. The evaluation of new quality productivity in water conservancy and the diagnosis of obstacles to its development are key issues that urgently need to be addressed. The evaluation index system of water conservancy new quality productivity is constructed from the four dimensions of high technology， high efficiency， high quality and green. A comprehensive evaluation of the development level of water conservancy new quality productivity in 31 provinces of China in 2021 was conducted using the Real-Coded Accelerated Genetic Algorithm-based Projection Pursuit Model （RAGA-PP model）. The main obstacle factors affecting its development were identified by combining the obstacle degree model. The results are as follows. The development levels of new water conservancy productivity in southeastern coastal provinces such as Guangdong， Jiangsu， and Zhejiang are relatively high. The northwestern provinces such as Xizang and Qinghai are relatively low. The guideline tier barriers are ranked as high techgt;greennessgt;high qualitygt;high performance. The patent of water conservancy industry enterprise is the key obstacle factor restricting the development of water conservancy new quality productivity.

Keywords：

new quality productivity of water conservancy; RAGA-PP model; obstacle degree model

生产力不仅是经济增长的关键驱动力，还是提高社会福祉和国家发展水平的重要保障［1-3］。新质生产力是指在传统生产力基础上，通过创新、技术进步和制度变革等手段，实现生产方式、产品质量和服务水平等方面的全面提升和创新［4-6］。自2023年9月习近平总书记在黑龙江考察期间提出新质生产力的概念以来［7］，国内涌现了关于新质生产力的大讨论，不同领域的学者对新质生产力的内涵、概念、发展水平等进行了探讨和分析［8-12］。

水利事业攸关国计民生，是人类社会发展的重要支撑之一，对经济、社会、生态等方面都具有重要意义［13-18］。然而，随着人口增长、城市化进程加快以及气候变化等因素的影响，传统的水资源利用方式已经难以满足社会发展的需求［19-21］。2024年2月，水利部部长李国英提出水利新质生产力，其是以水利科技创新为主导，以新一代信息技术为支撑，追求水利高科技、高效能、高质量，符合新发展理念的先进水利生产力。有学者针对水利新质生产力的内涵、发展路径、演进过程等进行了深入解读［22-23］。其中，左其亭等［24］从不同角度深入阐述了发展水利新质生产力的重要意义并提出了发展水利新质生产力的框架。戴济群［25］从传统生产力三要素，探讨了水利新质生产力因地制宜发展的总体理解。刘建华等［26］研究了黄河流域水利新质生产力的动态演进过程。相关研究为水利新质生产力的基础理论研究提供了重要支撑，而如何对全国水利新质生产力进行定量评价并识别影响水利新质生产力发展的障碍因子是亟待研究的基础性问题之一。

鉴于此，从高科技、高效能、高质量和绿色4个维度出发，选取能揭示水利新质生产力理论内涵的22个指标，构建了水利新质生产力评价指标体系，借助耦合实码加速遗传算法的投影寻踪模型和障碍因子诊断模型对我国水利新质生产力进行评价，并识别影响其发展的主要障碍因素，以期为我国不同地区开展水利新质生产力评价，并为探索水利新质生产力因地制宜的发展提供理论与技术支撑。

1 研究方法及数据来源

1.1 评价指标体系构建

水利新质生产力是以水利科技创新为主导，以新一代信息技术为支撑，追求水利高科技、高效能、高质量，符合新发展理念的先进水利生产力质态。发展水利新质生产力，有助于提升水资源利用效率、优化水资源配置、增强水资源可持续利用能力［27-28］；有助于保护生态环境、促进社会公平、提升抗灾减灾能力，从而推动经济社会可持续发展［29］。结合相关研究［30-31］，本文从高科技、高效能、高质量与绿色4个维度［32］，对水利新质生产力评价指标进行阐释。

1）高科技：是对水利发展过程中应用先进技术和科技创新状况的度量。选取水利行业研发机构情况-经费支出、水利工程新品开发和销售-开发项目数、水利工业企业专利、水利技术获取和技术改造以及国外水利技术引进作为评价高科技发展水平的指标层。经费支出反映了一个国家或地区在科技领域的投入程度，高额的经费支出通常意味着对科技研发的重视和扶持，有利于推动科技创新和发展。新品开发和销售以及开发项目数反映了科技创新成果的转化能力和市场竞争力，高水平的新品开发和销售以及丰富的开发项目数表明了科技创新活动的活跃度和成果转化的效率。专利申请和授权反映了一个国家或地区在技术创新方面的实力和成就，水利工业企业专利数量是评价水利科技创新水平不可缺少的重要指标之一。技术获取和技术改造是促进科技进步和产业升级的重要手段，能够提高企业的技术水平和竞争力。国外技术引进可以弥补国内科技短板，加快科技进步和产业发展，有助于提高整体的高科技发展水平。因此，选取以上指标作为评价高科技发展水平的依据具有合理性，能够全面反映科技创新、技术应用和产业发展方面的实际情况。

2）高效能：指在资源生产方面表现优异，达到用最少的资源获得最大产出的状态。万元GDP用水量和万元工业增加值用水量反映了单位经济产出或工业增加值所消耗的水资源量。低的用水量意味着在经济增长或工业发展过程中，相对较少的水资源被消耗，显示出水资源利用效率的高低和对水资源依赖的程度。农田灌溉水有效利用系数衡量了农田灌溉系统对水资源的有效利用程度。高效的灌溉系统可以减少水资源浪费，提高农业生产效率，有助于保护地下水和水体生态系统的健康。人均用水量反映了人口对水资源的消耗程度。低的人均用水量通常与水资源的有效利用和节约密切相关，是水利新质生产力高效能的重要表现之一。因此，选取万元GDP用水量、万元工业增加值用水量、农田灌溉水有效利用系数、人均用水量作为评价水利高效能发展水平的指标。

3）高质量：是在有效管理和利用水资源的基础上，通过优化技术和管理手段，提升水资源利用效率和水环境质量，从而实现水资源的可持续发展。企业数量和经费支出是评价水利产业发展规模和投入力度的重要指标，大量的企业数量和高额的经费支出通常意味着水利产业的发展活力和潜力，有助于促进水利高质量研发和推广。高校人员素质是评价一个国家或地区高质量发展水平的重要指标之一，高水平的水利专业高校人才队伍能够为科技创新和产业发展提供强有力的人才支撑。科学普及情况反映了社会对科学知识的了解程度和科学素养水平，良好的水科学普及环境有利于提升整个社会的科技水平和文化素质，为高质量发展提供良好的社会氛围和文化支撑。产品质量是评价一个国家或地区产业发展水平的重要指标之一，优质的产品质量能够提升企业的市场竞争力，促进水利产业健康和高质量发展。

4）绿色：指通过采用环保技术和管理手段，实现水资源利用过程中的生态保护和环境友好。化学需氧量和氨氮排放量是评价环境质量和水体污染程度的重要指标，其减少反映了环境保护工作的成效和水资源管理的有效性。废水处理情况直接关系到水环境的净化和保护，良好的废水处理系统有助于提高水质和生态环境的整体质量。固体废物产生和利用情况反映了资源利用的效率和循环经济发展水平，有效的固体废物管理有助于减少环境污染和资源浪费。此外，森林覆盖率和造林情况是评价生态环境质量和生态系统服务功能的重要指标，适当增加森林覆盖率和实施良好的造林工程有助于改善生态环境和防止自然灾害。自然灾害损失、除涝和水土流失是评价自然灾害风险和生态安全的重要指标，有效的灾害防治和水土保护措施有助于减少灾害损失和维护生态平衡。因此，选取以上指标反映环境保护、绿色生态建设和自然资源管理等方面的实际情况。

综上所述，构建水利新质生产力评价指标体系，详见表1。

1.2 实码加速遗传算法的投影寻踪模型

实码加速遗传算法（Real-coded Accelerated Genetic Algorithm）的投影寻踪（Projection Pursuit）模型（RAGA-PP模型）［33-35］是一种优化算法，常用于解决连续参数优化问题，例如机器学习中的超参数优化、工程优化中的参数调整等;高维空间中的参数搜索，能够在复杂参数空间寻找最优解。由于实码加速遗传算法的特性，投影寻踪模型也适用于非线性优化问题，包括复杂的非凸优化问题。它是基于遗传算法的基本原理，并在此基础上引入了加速机制和投影操作，其高效性、稳定性和适应性更优于一般的传统模型。通过寻求最佳投影方向确定各指标权重，既解决了高维数据的“维数祸根”问题，又避免了主观因素的影响。

利用投影寻踪模型得到的投影特征值可以反映综合指标的特性，同时根据构建的特征值和因变量的投影指标函数，获取最优投影值。投影值越大，表示水利新质生产力水平越高，根据其大小得到水利新质生产力发展水平在空间维度的排序。具体如下：

1）评价指标样本值标准化处理。设{x′iji=1，2，…，m;j=1，2，…，n}为不同评价指标样本值。其中：x′ij为第i个样本的第j个指标值;m为样本数量;n为指标个数。为了消除各指标变化范围的差异性和量纲带来的不利影响，采用式（1）（2）对各指标样本值进行标准化处理。

正向指标：

1.4 数据来源

研究区为中国31个省级行政区（不含港澳台），所使用的数据均来自2022年《中国科技统计年鉴》《中国统计年鉴》《中国水资源公报》《工业企业活动统计年鉴》和各省份的《水资源公报》等相关资料。

2 结果分析

2.1 水利新质生产力效应分析

根据式（9）计算各指标的最佳投影方向，结果如图1所示。

由图1可知，影响水利新质生产力发展前10位的指标由高到低排序为：水利工业企业专利A3、企业数量C1、水土保持及生态投资D6、农田灌溉水有效利用系数B3、水利研发机构情况-经费支出A1、企业经费支出C2、万元工业增加值用水量B2、水利技术获取和技术改造A4、科学普及情况C3、新品开发和销售-开发项目数A2。这些指标对全国水利新质生产力发展水平具有较大的贡献率，是影响水利新质生产力的主要因素，对提升水利新质生产力具有重要的意义。对水利新质生产力发展的贡献率偏低的指标有除涝面积D7、水土流失面积D8、产品质量C5、万元GDP用水量B1。

绿色生态对可持续发展至关重要，忽视生态可能对水利新质生产力的可持续发展造成威胁，危及生态系统平衡和人类生存。因此，发展水利新质生产力必须以高科技生产力为主导，以绿色生产力为保障，实现经济社会的可持续发展。

将各指标投影方向代入式（3），可得各省份水利新质生产力综合投影值，如图2所示。

根据图2，可计算出2021年全国水利新质生产力投影均值为1.473 7。高于平均水平的省份排序为：广东、江苏、浙江、河北、上海、河南、北京、山东、陕西、山西，水利新质生产力发展水平最高的3个省份均位于中国东南部地区。水利新质生产力投影值低于1的仅有青海和西藏两个省份。这两个省的经济社会发展相对落后，高等教育和研究机构较少、在科研投入上并不充足，创新和生态系统并不完善，导致水利新质生产力发展水平偏低。高于全国水利新质生产力发展平均水平的10个省份，其投影值均高于1.5，这些地区普遍拥有较多高水平的科研机构和高校，为水利发展积累了丰富的科研经验;经济发展较快，工农业生产活动频繁，对水资源的需求量大。因此这些地区对水利科技的发展有着迫切的需求，推动了水利新质生产力水平的提升。

中国省域水利新质生产力的分布明显呈现出空间不均衡的特征：东南部地区的水利新质生产力发展水平相对较高，而西北部地区则较为低迷。东南部地区依托沿海地带，享有丰富的水资源条件，同时具备更为健全的经济基础设施、产业结构和人力资源，这一优势使其持续吸引了大量人才和资金，从而推动水利新质生产力的提升。相反，西北部地区的地理环境较为恶劣，资源相对稀缺，基础设施和产业发展水平相对较低，这些因素制约了该地区水利新质生产力的提升。

中国水利新质生产力发展空间不均衡的现状是多种复杂因素相互作用的结果。为了消除这一现象，应当加大对西北部地区的投入和支持，重点加强基础设施建设，优化产业结构，提升人力资源素质，以促进该地区水利新质生产力发展。同时，制定相应政策支持措施，鼓励和引导投资流向西北部地区，推动东南部地区的水利新质生产力向西北部地区有序转移，以缩小不同地区之间的发展差距。

2.2 水利新质生产力发展障碍因子诊断

2021年中国（不含港澳台）准则层的障碍度如图3所示。

由图3可知，障碍度从大到小的准则层排序为：高科技、绿色、高质量、高效能。高科技指标的障碍度位居高位，说明高科技是制约水利新质生产力发展水平的最关键因素。现代水利工程需要依靠高科技手段进行设计、建设和管理，例如利用先进的传感器和遥感技术等实现对水资源的实时监测和管理，提高水资源利用效率和水灾风险预警能力。高科技手段在水资源调控和水环境治理方面发挥着重要作用，如利用智能水泵、水质传感器等设备实现对水资源的精细化调控和监测，以及采用先进的水处理技术实现水环境的净化和改善。高科技手段也可以促进水利工程的智能化和自动化发展，提高水利设施的运行效率和管理水平，从而推动水利生产力的提升。高科技在水利领域的应用已经成为推动水利新质生产力发展的关键因素，需要不断推进科技创新，加强高科技与水利产业的融合，以应对水资源管理和水环境治理面临的挑战，实现水利新质生产力的可持续发展。

绿色生态的障碍度仅次于高科技指标，说明绿色生态是制约水利新质生产力发展水平的重要因素。传统的水利工程建设和水资源利用模式存在浪费和不合理利用现象，需要转向更加科学、合理的水资源管理方式以保障生态系统的稳定和人类生活的持续发展。水环境污染严重影响水生态系统健康，威胁到农业、工业等生产活动的可持续发展。气候变化导致的水灾风险增加，对水利工程和水资源管理提出了新的挑战，需要加强水资源的保护和调控以减少灾害影响。而生态系统服务功能受损影响着水资源的可持续利用，需要通过重建和维护生态系统来实现水资源的可持续利用和生产力的持续发展。因此，绿色生态发展成为解决水利生产力发展水平问题的重点，需要采取科学的水资源管理、环境保护和生态恢复等综合措施来应对挑战，实现水资源和生产力的可持续发展。

2021年中国（不含港澳台）指标层的障碍度如图4所示。

由图4可知，水利工业企业专利A3是指标层障碍度最大的指标，属于高科技准则层，说明高科技对水利新质生产力的发展有着举足轻重的地位。高科技应用可以实现对水资源的实时监测、数据分析和精细化管理，从而降低水利工程建设、运营和维护的成本，并提高效率和安全性，减少了资源投入和运营风险。指标障碍度的前10位中，有5个指标属于高科技准则层，2个指标属于高效能准则层，2个指标属于高质量准则层，1个指标属于绿色准则层，这足以说明高科技是制约水利新质生产力的发展的关键因素。因此，要加强人才培养和技术转移。通过投资于水利从业人员的培训和教育，使其具备掌握和应用高科技水利技术的能力。加强国际合作和共享资源，通过国际合作平台和资源共享，促进全球范围内水资源管理和高科技应用方面的合作与交流。这不仅有助于解决气候变化和水资源管理的共同挑战，还能推动全球水利新质生产力的快速发展。

3 结论

本研究从高科技、高效能、高质量、绿色四个维度构建了水利新质生产力发展水平测度指标体系，利用2021年中国31个省份的相关数据，基于RAGA-PP模型和障碍因子诊断模型，对中国水利新质生产力水平进行了分析。主要结论包括：

1）水利工业企业专利、企业数量、水土保持及生态投资、农田灌溉水有效利用系数、水利研发机构情况-经费支出、企业经费支出、万元工业增加值用水量、水利技术获取和技术改造、高校人员、新品开发和销售-开发项目数在中国各省份水利新质生产力综合评价中贡献率较高，对水利新质生产力的发展具有重要影响。

2）2021年全国水利新质生产力的东部省份如广东、江苏、浙江等的投影值高于平均水平，而青海、西藏等边疆省份的则相对较低，这反映了科研投入、创新和生态系统的差异，影响了各地水利新质生产力的发展水平。

3）高科技是制约水利新质生产力发展水平最关键的因素，其在现代水利工程设计、建设和管理中的应用对水利新质生产力发展至关重要。同时，绿色生态也成为至关重要的制约因素，需要采取科学的水资源管理、环境保护和生态恢复等综合措施来实现水资源和生产力的可持续发展。

4）水利工业企业专利指标障碍度排在首位，表明企业自身需要增加对技术研发的投入，提高创新能力和专利申请数量。高科技准则层的指标障碍度均在前10位，突显高科技在水利新质生产力发展中的重要性，其应用能降低成本、提高效率、减少资源投入与运营风险。

水利新质生产力的发展往往伴随着技术的快速更新和变革，生产过程变得更加灵活、自动化和数字化，这将促使生产关系向更加灵活和适应性更强的方向发展。如何在发展新质生产力的背景下，促进生产力与生产关系的协调发展，是需要进一步探讨的课题。同时，随着水利事业的不断发展，在水利新质生产力评价中应不断优化调整评价指标，使评价结果更加科学合理。

参 考 文 献

［1］

SCHMITT T，BEJARANO R，ASSUAD C.Challenges and opportunities of automated data pipelines for environmental sustainability applications in industrial manufacturing［J］.Procedia CIRP，2024，122：623-628.

［2］ROSRIO A T，DIAS J C.How has data-driven marketing evolved：challenges and opportunities with emerging technologies［J］.International journal of information management data insights，2023，3（2）：100203.

［3］SCHIRPKE U，GHERMANDI A，SINCLAIR M，et al.Emerging technologies for assessing ecosystem services：a synthesis of opportunities and challenges［J］.Ecosystem services，2023，63：101558.

［4］HASSAN S T，WANG P，KHAN I，et al.The impact of economic complexity，technology advancements，and nuclear energy consumption on the ecological footprint of the USA：towards circular economy initiatives［J］.Gondwana research，2023，113：237-246.

［5］KIHOMBO S，AHMED Z，CHEN S，et al.Linking financial development，economic growth，and ecological footprint：what is the role of technological innovation？［J］.Environmental science and pollution research，2021，28（43）：61235-61245.

［6］AHMAD M，JIANG P，MAJEED A，et al.The dynamic impact of natural resources，technological innovations and economic growth on ecological footprint：an advanced panel data estimation［J］.Resources policy，2020，69：101817.

［7］蒲清平，黄媛媛.习近平总书记关于新质生产力重要论述的生成逻辑、理论创新与时代价值［J］.西南大学学报（社会科学版），2023，49（6）：1-11.

［8］朱迪，叶林祥.中国农业新质生产力：水平测度与动态演变［J］.统计与决策，2024，40（9）：24-30.

［9］吴文生，荣义，吴华清.数字经济赋能新质生产力发展：基于长三角城市群的研究［J］.金融与经济，2024（4）：15-27.

［10］陈秀英，刘胜，沈鸿.以数字化转型赋能提升新质生产力［J］.新疆社会科学，2024（2）：41-45.

［11］蒋永穆，乔张媛.新质生产力：逻辑、内涵及路径［J］.社会科学研究，2024（1）：10-18，211.

［12］高帆.“新质生产力”的提出逻辑、多维内涵及时代意义［J］.政治经济学评论，2023，14（6）：127-145.

［13］武峥.新质生产力赋能中国式现代化：理论逻辑、动力机制与未来路径［J］.新疆社会科学，2024（2）：20-28，148.

［14］左其亭.国家多层水生态健康保障体系构建［J］.水利学报，2021，52（11）：1347-1354.

［15］陈进，王永强，张晓琦.长江经济带供水安全保障战略研究［J］.水利学报，2021，52（11）：1369-1378.

［16］GIANNETTI B，AGOSTINHO F，ERAS J，et al.Cleaner production for achieving the sustainable development goals［J］.Journal of cleaner production，2020，271：122127.

［17］NEZ-LPEZ J，RUBIO-CASTRO E，PONCE-ORTEGA J M.Optimizing resilience at water-energy-food nexus［J］.Computers amp; chemical engineering，2022，160：107710.

［18］王红瑞，刘艺欣，张力，等.“双碳”目标下流域生态城市绿色发展与高质量发展实施路径［J］.水资源保护，2024，40（1）：16-24.

［19］杨庚霞.黄河流域生态脆弱区水资源利用评价［J］.人民黄河，2024，46（增刊1）：33-34，36.

［20］张晗璐，王晶.基于生态环境探讨缓解水资源供需矛盾的措施［J］.人民黄河，2024，46（增刊1）：45-46.

［21］赵良仕，刘思佳，孙才志.黄河流域水-能源-粮食安全系统的耦合协调发展研究［J］.水资源保护，2021，37（1）：69-78.

［22］许全喜，许继军.长江流域发展水利新质生产力路径探析［J］.中国水利，2024（6）：12-16.

［23］王喜峰.水利新质生产力的内涵界定及发展路径研究［J］.中国水利，2024（6）：26-30.

［24］左其亭，秦西，马军霞.对水利新质生产力的理解及发展思考［J］.中国水利，2024（6）：21-25.

［25］戴济群.关于因地制宜发展水利新质生产力的思考［J］.中国水利，2024（6）：6-11.

［26］刘建华，闫静，王慧扬，等.黄河流域新质生产力水平的动态演进及障碍因子诊断［J］.人民黄河，2024，46（4）：1-7，14.

［27］宋松柏，蔡焕杰.区域水资源可持续利用的综合评价方法［J］.水科学进展，2005，16（2）：244-249.

［28］宋松柏，蔡焕杰.区域水资源可持续利用的Bossel指标体系及评价方法［J］.水利学报，2004，35（6）：68-74.

［29］邓捷铭，贾绍凤.区域水安全评价指标体系构建与应用［J］.水科学进展，2022，33（1）：48-56.

［30］赵勇，常奂宇，李海红，等.缺水胁迫区水系统优化调控理论与模式［J］.水利学报，2024，55（2）：202-213，225.

［31］王平，周亮广，金菊良，等.基于集对分析的区域水利高质量发展评价方法［J］.华北水利水电大学学报（自然科学版），2024，45（1）：52-62.

［32］左其亭，秦西，马军霞.水利新质生产力：内涵解读、理论框架与实施路径［J］.华北水利水电大学学报（自然科学版），2024，45（3）：1-8.

［33］NIU H，LIU Z.Measurement on carbon lock-in of China based on RAGA-PP model［J］.Carbon management，2021，12（5）：451-463.

［34］YANG J，MAO Y，MA Y，et al.Integrated RAGA-PP water demand forecast model（case study：Shaanxi Province，China）［J］.Water supply，2021，21（4）：1806-1816.

［35］JI J，CHEN J.Urban flood resilience assessment using RAGA-PP and KL-TOPSIS model based on PSR framework：a case study of Jiangsu Province，China［J］.Water science amp; technology，2022，86（12）：3264-3280.

［36］罗紫薇，胡希军，汤佳，等.基于熵值-TOPSIS模型的湖南省水资源安全空间评价及障碍因子诊断［J］.水资源与水工程学报，2022，33（6）：35-45.

（编辑：陈海涛）