基于地理加权回归的中国灰水足迹人文驱动因素分析_孙克

地理研究

GEOGRAPHICALRESEARCH

Vol.35,No.1January,2016

基于地理加权回归的中国灰水足迹

人文驱动因素分析

2

孙克1，，徐中民1

（1.中国科学院寒区旱区环境与工程研究所，中国科学院内陆河流域生态水文重点实验室，兰州730070；

2.赣南师范学院地理与规划学院，赣州341000）

摘要：根据Hoekstra和Chapgain提出的污染物吸纳理论，估算了2012年全国31个省（区、市）

的灰水足迹，采用空间自相关分析方法探讨了2012年中国灰水足迹的空间分布特征，通过构建基于地理加权回归的STIRPAT模型，测算了人口和富裕等人文因素对灰水足迹的影响。结果表明：中国灰水足迹存在较强的空间正相关性和空间分布不均衡性；人文因素对水资源环境的威胁大小排序，依次为城市化率、人口数量、产业结构和富裕程度，其中，城市化率、人口数量、农业比重和人均GDP每提高1%，分别引起灰水足迹增加1.03%、0.85%、0.63%和0.52%；人文因素对灰水足迹的影响存在空间差异，人口对灰水足迹的影响由北向南逐步加大，富裕对灰水足迹的影响由西向东逐渐减小，农业和城市化对灰水足迹的影响由南向北逐步增大；在现有样本范围内，计算结果有条件地支持环境Kuznets曲线。关键词：人文因素；灰水足迹；空间自相关；STIRPAT模型；地理加权回归DOI:10.11821/dlyj201601004

1引言

水是人类经济社会发展所依赖的关键性自然资源，在当下中国，水资源无论在数量方面，还是在质量方面，情况都不容乐观[1]。中国人均水资源占有量约为2200m3，为世界平均水平的1/4，且水资源时空分布极其不均，部分地区缺水严重[2]。中国水资源质量也令人堪忧，据2012年中国水资源公报显示：全国有54.8%的河流处于Ⅲ类标准（含Ⅲ类标准）以下，其中，处于Ⅳ类、Ⅴ类和劣Ⅴ类标准的河流占33%；全国198个地市级行政区地下水水质呈较好级以上的监测点2104个，占全部监测点的42.7%，水质呈较差和极差级的监测点2825个，占57.3%。水足迹作为一种全面核算人类活动对水资源占用的综合指标，将消费终端与水资源利用紧密关联，已成为衡量一个地区的水资源环境压力的常用指标[3,4]。但水足迹理论仅从资源消耗数量上考虑水资源压力，而未考虑到水质污染所带来的危害，有可能低估水资源问题的严重性[5]。随着各地区工业化和城镇化进程的加快，各地区水质性缺水问题日益凸显，Hoekstra等提出的以污染物吸纳理论为基础的灰水足迹理论，为定量评价水量—水质关系提供了新思路[6,7]。目前国内外的灰水足迹主要集中在农产品、工业产品和区域灰水足迹评价等三个方面[5-10]，如Mekonnen等评价了全球100多种作物的灰水足迹[8]，曹连海等评价了内蒙古河套区粮食生产灰水足迹[9]，Ericn等评价了软饮料中的灰水足迹[10]，曾昭等从区域角度对北京市的灰水足迹进行了评

收稿日期：2015-06-09;修订日期：2015-11-02

基金项目：国家自然科学基金重点项目（91125019）作者简介：孙克（1984-），女，河南开封人，博士研究生，讲师，主要从事生态经济问题研究。

E-mail:sunke07@163.com

37-48页

38

地理研究35卷

价[5]。相较传统的水足迹理论，灰水足迹能更直观、更直接地反映人类活动对水资源质量的影响。

精准辨析人文因素对资源环境的影响，尤其是对关键性自然资源的影响，是当前资源环境研究领域的核心问题之一[11,12]。Dietz等提出的人文驱动因素随机回归影响模型——STIRPAT模型，由于具备简单性、系统性和健全性，已在人文因素的环境影响评价中获得广泛应用[13-16]。但是，当前大多数研究运用的传统线性回归模型，忽略了人文因素的空间属性，根据Tobler的地理学第一定律即相近者相似，研究单元彼此且均质的假设很难成立，因此研究结果的准确性不可避免要受到影响[17,18]。1996年Fotheringham等提出可以采用地理加权回归模型（GWR模型）来处理空间异质性[19]。GWR模型可以对每个地理位置的函数变量系数给出局部估计值，通过对变量系数估计值的空间变化情况进行比较分析，可以较准确地把握变量回归系数的空间变异特征。目前，许多学者已在社会经济、城市地理、气象生态等领域运用GWR模型进行了实证研究，并已取得了较好的研究效果[20]，但在资源环境影响评价中，尤其是水资源研究领域中涉猎不多。

根据Hoekstra等提出的污染物吸纳理论[6]，估算2012年全国31个省（区、市）的灰水足迹，采用空间自相关分析方法探讨2012年中国灰水足迹的空间分布特征，利用地理加权回归建模技术，扩展传统的STIRPAT模型，测算人口规模、富裕和技术等人文因素对灰水足迹的影响，并通过GIS对模型的参数估计进行空间表达，进一步探索人文因素对灰水足迹影响的空间变异特征，最后验证环境Kuznets曲线假说。在人文因素对环境的影响分析中，增加了新的影响因素——地理位置，其分析结果可为因地制宜地制定水资源管理提供更准确的科学依据。

2中国灰水足迹的空间分布特征

2.1灰水足迹的计算方法

灰水足迹是指稀释人类活动所产生的污染物至环境可接受程度（符合现有水质标准）所需要的水资源数量[7]。鉴于数据的可得性，主要考虑了农业、工业和生活（含服务业）三个部门的灰水足迹，选取的污染物质主要为化学需氧量（COD）和氨氮物质量，由于水体可同时对化学需氧量和氨氮进行稀释，因此在实际计算中，选择由COD和氨氮物质量引发的灰水足迹中的较大者作为研究区域的灰水足迹[5,21]。具体计算方法如下：

（1）农业部门灰水足迹（WFagr-grey）计算公式为：

WFagr-grey=maxWFagr-COD,WFagr-NH-N

{}（1）

式中：WFagr-COD=

αLagr-codβLagr-n

；WFagr-NH-N=；WFagr-COD和WFagr-NH-N分别为农业CcodCn

部门产生的COD和氨氮物质量引发的灰水足迹；Lagr-cod和Lagr-n为农业部门排放的COD和氨氮物质量；Ccod和Cn为COD和氨氮物质量的环境可接受浓度，一般采用国家的二级污水排放标准（GB78-1996），即分别为120mg/L和25mg/L；α和β为COD和

氨氮物质量进入水体的比例，农业污染主要是面源污染（如种植、畜禽养殖、水产等），其计算较为复杂，最为简单的计算就是假定农业部门产生的污染物质全部进入水体即α和β的值为1。在农业污染物质进入水体的迁移路径、迁移方式和迁移时长等信息不清楚的情况下，这种假设可以满足粗略计算的需要[5,9]。

1期孙克等：基于地理加权回归的中国灰水足迹人文驱动因素分析39

（2）工业灰水足迹（WFind-grey）和生活部门灰水足迹（WFdom-grey）计算公式为：

WFind-grey=max{WFind-COD,WFind-NH-N}（2）

式中：WFind-COD=

Lind-cod

Ccod

WFdom-grey=max{WFdom-COD,WFdom-NH-N}（3）

LL

；WFind-NH-N=ind-n；WFdom-COD=dom-cod；WFdom-NH-N=

CnCcod

Ldom-n

；WFind-COD、WFind-NH-N、WFdom-COD、WFdom-NH-N分别为工业和生活部门产生Cn

的COD和氨氮物质量引发的灰水足迹；Lind-cod、Lind-n、Ldom-cod、Ldom-n分别为工业和生活部门排放的COD和氨氮物质量。由于工业和生活部门主要为点源污染，其排放的污染物质绝大部分可以进入水体。

农业、工业和生活三部门灰水足迹之和为地区灰水足迹。2.2灰水足迹的计算结果

计算数据来源于2013年《中国统计年鉴》、《中国水资源公报》和《中国环境年鉴》等资料。根据上述计算方法，得到2012年各省（区、市）的灰水足迹（图1）。

83

从图1可以看出，2012年中国总的灰水足迹为2019.74×10m，其中农业部门灰水足迹占比最高（47.6%），其次为生活部门（37.7%），最低为工业部门（14.7%），这表明就全国水足迹总量而言，农业部门对水环境的压力最大，但具体到各地区，表现有所不同，如沪、藏、滇、黔、浙、渝、桂、赣、闽、粤、苏、京、陕、晋、皖、川和甘等省份是生活部门对水环境压力最大，青海和宁夏是工业部门对水环境压力最大；灰水足迹

、广东（150.24×108m3）和黑龙江（124.9×108m3），的前3位分别是山东（160.1×108m3）

灰水足迹最小的是，仅为2.15×108m3。2.3灰水足迹的空间分布特征

利用空间自相关指数Moran'sI和Moran散点图可以揭示各省（区、市）灰水足迹的整体空间关联程度和各省（区、市）之间灰水足迹的局部空间关联特征。基于GeoDa软件，2012年中国灰水足迹的全局Moran'sI指数①[19]计算结果为0.172，通过了0.05的显著性水平检验，表明各省（区、市）灰水足迹空间分布存在显著正相关性，在地理上存在集聚现象。为进一步了解灰水足迹的空间集聚特征，将Moran散点图②中各象限的省

。分布数量上看，（区、市）划分为H-H型、L-L型、H-L型和L-H型四种类型③[22]（表1）

大部分省（区、市）属于H-H（11个）和L-L类型（10个），所占比重为67.74%；分布空间上看，H-H型主要集中在东中部地区，L-L型主要分布在东部和西部地区，H-L型和L-H型呈离散分布。以上分析总体上揭示出中国灰水足迹存在较强的空间正相关性和空

①Moran'sI的定义为：I=

n∑ˉ)(xj-xˉ)∑wij(xi-x

n

ni=1j=1

为观测区域数；wij为用二进制表示的空间邻接权值矩阵，用以定义空间对象的相互邻接关系。一般当区域i和区域j相邻时，wij=1；当区域i和区域j不相邻时，wij=0。Moran指数I的取值一般在[-1,1]之间，小于0表示负相关，等于0表示不相关，大于0表示正相关。

②令xi=xi-x为坐标作散点图，一方面这些点的拟合直线斜率为Moran'sIˉ)，以（xi,wx）ˉ，wxi=∑wij(xj-xi

nj=1

S2∑∑wij

n

ni=1j=1

，式中：S2=1∑(xi-xˉ)2；xˉ=1∑xi；xi为i区域属性值；n

ni=1ni=1

n

n

值，另一方面坐标系把区域划分为H-H型、L-L型、H-L型、L-H型四种类型。

邻；L-H型即低值区域和高值区域相邻。H-H和L-L表示正的空间自相关性，即相似性特征集聚在一起；而L-H和H-L表示负的空间自相关性，即差异性特征集聚在一起。

③H-H型即高值区域和高值区域相邻；L-L型即低值区域和低值区域相邻；H-L型即高值区域和低值区域相

40

地理研究35卷

图12012年中国各省区的灰水足迹

Fig.1GreywaterfootprintinChinain2012

间分布不均衡性，即东中部省份灰水足迹较高，西部省份灰水足迹较低。由于空间自相关和空间非平稳性即空间异质的存在，采用普通最小二乘法（OLS）模型是不合适的。因此，在建立人文因素对环境影响的计量模型时必须将空间位置因素纳入其中。

表12012年中国灰水足迹空间分布情况

H-H

L-L浙津京新宁藏滇青甘陕

L-H闽琼沪晋赣吉黔桂渝

川H-L

Tab.1SpatialdistributionofgreywaterfootprintinChinain2012

东部地带中部地带西部地带

鲁苏粤辽冀黑豫皖鄂湘内蒙古

3中国灰水足迹的地理加权回归分析

3.1STIRPAT的地理加权模型

运用STIRPAT模型不仅可以很便捷地分解人文因素对环境的影响，而且通过简单变换后，还可以进行有效地因果分析即弹性分析[16]。其一般表达式为：

I=aPbAcTde（4）

式中：I为环境影响；P、A和T分别为人口规模、富裕程度和技术水平；a为常数项；b、c、d分别为P、A和T的指数项；e为随机误差项。对（4）式两边取自然对数后，可以开展弹性分析[23]。

中国幅员广阔，不同地区之间存在显著差异，同样的在不同的地区会产生不同的效果[24]，即人文驱动因素存在空间异质性。地理加权回归（GWR）模型能够较好地刻画人文因素在不同地理位置的空间非平稳性即空间变异性，其计算结果更符合客观实际。因此采用GWR分析方法，在全局回归模型的基础上进行局部参数估计，以期获得更加有效的结果，具体GWR模型设定如下：

lnI=a(u,v)+b(u,v)lnP+c(u,v)lnA+d(u,v)lnT+e（5）

式中：(u,v)为研究单元的地理坐标；a(u,v)为常数项的位置函数；b(u,v)、c(u,v)、d(u,v)为自变量系数的位置函数。由于STIRPAT模型是随机形式，可以在模型中增加富裕的自然对数二项式来验证环境Kuznets曲线假说。参考孙克等的研究思路和方法[3,23]，设计无技术驱动因子和有技术驱动因子两种情景验证环境Kuznets曲线假说，具体形式分别如式（6）和式（7）所示：

lnI=a(u,v)+b(u,v)lnP+c(u,v)lnA+f(u,v)ln2A+e（6）lnI=a(u,v)+b(u,v)lnP+c(u,v)lnA+f(u,v)ln2A+d(u,v)lnT+e（7）

1期孙克等：基于地理加权回归的中国灰水足迹人文驱动因素分析41

式中：如果f(u,v)为负，表明在(u,v)处存在环境Kuznets曲线，对式（6）或式（7）求

极值，可以计算出曲线拐点值。3.2指标选取和说明

灰水足迹的变化受很多因素的影响，从其定义和计算过程来看，除了人口、富裕和技术人文因数以外，还有政治和经济制度、社会资本、态度和信仰等人文因素，但这些人文因素很难概念化成乘积的形式[23]。为了保证在STIRPAT模型框架（即人文因素之间采用乘积的形式建立关联）下进行研究分析，没有更多地选取其他难以量化的人文因素指标，而是将研究聚焦在人口、富裕和技术这三个关键人文因素上，选取指标如下：

（1）人口（P）和富裕（A）的指标。一个国家人口越多，经济规模越大，其对自然资源的索取就越多，对环境的压力就越大。选取各省（区、市）的人口数量和人均GDP数据来表示该地的人口和经济活动对环境的压力，并预期其系数为正。

（2）技术（T）指标。指标可以分解为结构化（T1）指标和现代化（T2）指标。一个地区产业结构的转型升级，即由农业主导向工业主导或向服务业主导进行升级转变，可以有效地减少人类活动对灰水足迹的压力，考虑到全国灰水足迹压力主要来自农业部门的事实，选取第一产业（农业）产值占地区生产总值的比值作为结构化（T1）指标，并预期其系数为正；现代化水平的提高有利于舒缓环境压力，城市化率与许多现代化制度相关，可以比较综合地反映当地的现代化发展水平，选取2012年各省区城市化率（城市人口占总人口的比重）表示该地区的现代化（T2）水平，预期其系数为负。3.3结果分析和讨论

3.3.1传统回归模型结果分析为掌握人口数量、富裕程度和技术对中国灰水足迹的全局（平均）影响，对式（4）进行自然对数变化，采用最小二乘法对其进行估计（表2）。

比较表2各人文因素系数估计值可以发现，对中国水资源环境的威胁大小，依次为城市化率、人口数量、产业结构和富裕程度，具体就是，城市化率每提高1%，引起灰水足迹增加1.03%；人口数量增加1%，引起灰水足迹增加0.85%；农业比重增加1%，引起灰水足迹增加0.63%；人均GDP提高1%，引起灰水足迹增加0.52%。对表2进一步分析可以发现，人口、富裕和产业结构的估计系数都为正，符合理论预期，而城市化率的系数估计值为正，这不符合理论预期。这里有三个原因值得考虑，一是农村青壮年劳动力或较高素质的农民进城后，老、弱、病、残、幼人员留在农村，农村空心化现象严重，农村剩余劳动力不足，传统的精耕细作农业生产方式不可持续，转而依靠化肥、农药等高投入、高污染的农业生产方式，这客观上引发了农业灰水足迹的增加；二是农业人口大量进城务工，导致城市人口不断膨胀，这客观上会引发城市生活灰水足迹的增加；三是中国的城市化很大程度不是现代意义上的城市化，而只是“户籍城市化”和“土地城市化”，很多现代制度没有真正建立，公共表2最小二乘法模型估计结果服务设施没有同步配套，城市化率这个指Tab.2EstimatedresultsoftheOLSmodel标（城市人口占总人口的比重）不能很准系数估值标准差T统计量确地衡量一个地区现代化发展水平。基于常数项-5.112.32-2.203以上三点原因，地区城市化率的增加，不人口15.3030.850.055仅不能使地区环境获得改善，反而会使地人均GDP2.0390.520.254区环境压力增大。7.200产业结构指数0.630.0883.3.2GWR模型结果分析省会城市一般城市化率2.8211.030.365为各省份的政治、经济和文化中心，对全R0.93省和周边地区有重要影响，因此，选取各注：表示在0.05水平上显著。

*****

2

*

42

地理研究35卷

省会城市的经纬度作为地理坐标，以固定高斯函数（FixedGaussian）为权属函数，以交叉确认法确定带宽，运用GRW4.0软件，对式（5）进行回归计算（表3）。

表3

平均值

常数项人口人均GDP城市化率R2

-4.9511300.8200490.5020960.951156

地理加权回归模型估计结果

最大值

最小值0.7918260.4491450.51840.750920

上四分位值-4.8000520.8671530.5371630.6653401.0617030.96

中位值-5.1212800.8495940.5156310.6277470.974282

下四分位值-5.5272880.82650.5028330.5767230.874696

Tab.3EstimatedresultsoftheGWRmodel

-3.576361-5.56680.9032970.6115950.7558631.314798

产业结构指数0.602301

注：模型计算的局部回归标准化残差值范围为[-2.05,2.66]，96.78%的残差值都在[-2.58,2.58]范围内，残差的Moran'sI指数为-0.0032，残差呈空间随机分布。

GWR模型的拟合优度为0.96，高于最小二乘法模型的拟合优度0.93，这说明GWR模型的拟合结果要优于OLS模型。同时，对比分析表2和表3的变量系数估计值可以发现，GWR模型估计的变量系数平均值与OLS模型估计的变量系数值相差不大，这表明OLS模型估计的变量系数值仅具有平均意义，仅能反映人文因素的平均影响作用，而不能反映人文因素影响作用的空间差异。由于在GWR模型中，每个研究单元都有特定的系数估值，因此GWR模型的估计结果可以更为详细地反映人文因素在不同位置对环境的影响大小。为进一步探究人文因素对环境影响的空间变异特征，可以将每个研究单元的系数估值借助GIS平台进行空间表达，这样就能更直观地开展人文因素对灰水足迹影响的空间变异分析。

（1）人口数量对灰水足迹影响的空间变异特征。从回归系数的空间分布（图2）来看，回归系数由北向南梯次增大，说明在中国人口规模对灰水足迹的相对压力由北向南逐步加大，其中受人口规模相对影响最大的为海南，最小为黑龙江。就控制人口增长方面，南方比北方更迫切，更具有现实意义，在相同条件下，实行严格的人口，南方可以比北方取得更好的和环境效果。

（2）富裕程度对灰水足迹影响的空间变异特征。从回归系数的空间分布（图3）来看，回归系数由西向东逐渐减小，说明在发展经济（富裕程度）对灰水足迹的相对压力由西向东逐渐减小，其中受经济增长相对影响最大的为，最小为黑龙江。就发展经济而言，由于西部的生态环境较东部脆弱，相同的经济发展强度，对西部的环境冲击要比东部大得多。从地区生态环境对经济发展承受力或适应性这个角度来看，国家在进行主体功能区划时，将西部很多生态环境脆弱地区划分为发展区是很有必要的。

（3）产业结构对灰水足迹影响的空间变异特征。从回归系数的空间分布（图4）来看，回归系数由南向北逐渐增大，说明在中国农业对灰水足迹的相对压力由南向北逐步增大，其中农业对的灰水足迹相对影响最大，对海南相对影响最小。事实上总体而言，南方的经济结构要优于北方的经济结构，在调整产业结构方面，北方产业结构的调整潜力要大于南方，在相同条件下，如果北方有意识地减少农业比重，增加二产和三产比重，则可以比南方获得更多的生态环境效益。

（4）城市化对灰水足迹影响的空间变异特征。从回归系数的空间分布（图5）来看，回归系数由南向北逐渐增大，说明在城市化对灰水足迹的相对压力由南向北逐步增大，其中黑龙江的灰水足迹受城市化的相对影响最大，海南最小。城市化是现代化的重

1期孙克等：基于地理加权回归的中国灰水足迹人文驱动因素分析43

图2GWR模型人口数量回归系数空间分布

populationintheGWRmodel

图3GWR模型富裕程度回归系数空间分布

affluenceintheGWRmodel

Fig.2SpatialdistributionofregressioncoefficientsofFig.3Spatialdistributionofregressioncoefficientsof

图4GWR模型产业结构回归系数空间分布

industrystructureintheGWRmodel

图5GWR模型城市化率回归系数空间分布

urbanizationrateintheGWRmodel

Fig.4Spatialdistributionofregressioncoefficientsof

Fig.5Spatialdistributionofregressioncoefficientsof

44

地理研究35卷

要标志，理论上来说，应该积极推进城市化，但现阶段中国式的城市化却过多地依赖土地等自然资源，过分地追求城市规模，而忽视了城市核心产业的培育和配套制度的完善，重规模，轻质量，重外延，轻内涵，在某种程度上来说，是一种“伪城市化”。如果现有的城市化模式不改变，城市化进程对中国环境来说，就是一种持续伤害，尤其在水资源方面，由于南方水多北方水少的格局，在较长时间里不会获得根本改变，北方要比南方承受更大的水资源压力。

人口、富裕、产业结构和城镇化率对灰水足迹的影响所呈现出的规律性空间分布特征，应该可以用当今中国存在的四个基本国情事实来解释：一是人口分布上南多北少，这客观上导致了人口规模对灰水足迹的相对影响由南向北逐渐减小；二是降水分布上西旱东润或生态环境上西脆东强，这客观上会导致经济发展（富裕）对灰水足迹的相对压力由西向东逐渐减小；三是粮食调配上北粮南运，这客观上导致了农业（产业结构）对灰水足迹的相对影响会出现由北向南逐渐减小的现象；四是水资源分布上南多北少，这客观上会导致推进城镇化对灰水足迹的相对压力由南向北逐渐增大。同时也应该注意到，这四个基本国情事实会相互交织，相互叠加（如有些地区既属于西也属于南，既属于西也属于北，既属于东也属于南，既属于东也属于北），在每个具体地区发挥的影响作用又会有所差异。可以说，在中国，人口、富裕、产业结构和城市化率等人文因素对灰水足迹影响的空间分布特征不是随机产生的，里面蕴藏着深刻的基本国情背景事实。同时，从GWR的视角来看，在看待具体地区人文因素对灰水足迹的影响结果时，也要注意到这个影响结果不仅要受到自身自然、历史、人文条件的左右，而且还要受到周边自然、历史、人文条件的影响，这个影响结果不是孤立产生的，而是自身和周边综合影响的结果。

3.3.3环境Kuznets曲线假说验证对式（4）进行GWR回归计算，得到的人均GDP平方项估计系数在各个地区都为负值且都在0.05水平上显著（表4），说明式（6）所表征的

表4

省份天

津

人均GDP的平方项系数

（T统计量）

-1.5591(-4.74）-1.35(-4.21)-1.2937(-4.25)-1.2849(-4.05)-1.377(-4.25)-2.0267(-4.86）-1.0948(-3.27)-1.1731(-3.54)-1.4204(-4.58)-2.2059(-4.63)-1.1254(-3.82)-0.9886(-3.25)-1.0776(-3.65)-1.3798(-4.43)-2.2926(-4.36)-1.5435(-4.69)

人均GDP的平方项系数和拐点估计结果

拐点（元）4508545188436744394351745541451226624281044697450954383944742451084506344968

省份宁夏海南湖南山西河南青海江西安徽广西四川云南甘肃贵州

人均GDP的平方项系数

（T统计量）

-1.1408(-3.)-1.1199(-3.07)-1.0698(-3.54)-1.2836(-4.21)-1.7256(-3.33)-1.2071(-4.11)-1.0487(-3.34)-1.1269(-3.72)-1.2337(-4.13)-1.0637(-3.06)-0.9743(-3.19)-0.999(-2.92)-1.0481(-3.40)-1.1465(-3.10)-0.9988(-3.12)

拐点（元）459074236359445122462345866924339543857429614542844302462514713444065

Tab.4EstimatedresultsofcoefficientsofQuadraticofpercapitaGDPandinflectionpoints

北京上海江苏浙江内蒙古辽宁广东福建山东吉林湖北重庆陕西河北黑龙江

注：在0.05水平上显著。

1期孙克等：基于地理加权回归的中国灰水足迹人文驱动因素分析45

二次曲线是开口向下的，环境Kuznets曲线假说成立。通过求曲线的极值，可以得到各地

区的拐点值，拐点平均值为44610元，其中的拐点值最大（47134元），海南的拐点值最小（42366元）。进一步比较2012年各省（区、市）人均GDP，可以发现东部地带大部分省（区、市）人均GDP超过了拐点值（冀、琼除外），说明东部地带处于经济发展环境改善的阶段；而绝大部分中部和西部地带的省（区、市）人均GDP未到达拐点(内蒙古除外)，说明广大中西部地区仍然处于随着经济发展而环境压力不断增加的阶段。事实上，近年来东部地区环境投入逐年增大，新增加了许多环保设施（如污水处理厂），经济和环境的关系有缓和的趋势，而中西部地区经济基础薄弱，环境投入少，环境欠账较大，经济和环境关系紧张，要达到环境转变拐点，任重而道远。

式（7）在式（6）的基础上增加了技术驱动因素（农业比重和城市化率），运用GWR方法对其进行回归计算发现各省（区、市）的人均GDP平方项估计系数虽然都为负，但系数估值未通过0.05水平的显著性检验。这表明各省（区、市）存在环境转变拐点有前提条件，即如果现有的产业结构不调整，现有的城市化模式不改变，经济发展红利将被不合理的产业结构和不可持续的城市化模式所稀释，从而可能推迟拐点的到来。

4结论与讨论

根据灰水足迹理论计算了2012年中国各省（区、市）的灰水足迹，采用空间自相关分析方法探讨了2012年中国灰水足迹的空间分布特征，利用地理加权回归建模技术，扩展传统的STIRPAT模型，测算了人口规模、富裕和技术等人文因素对灰水足迹的影响，并开展了人文因素对灰水足迹影响的空间变异分析，最后验证了环境Kuznets曲线假说。主要结论如下：

（1）2012年中国总的灰水足迹为2019.74×108m3，其中农业部门灰水足迹占比最高（47.6%），其次为生活部门（37.7%），最低为工业部门（14.7%）。

（2）中国灰水足迹存在较强的空间正相关性和空间分布不均衡性，即东中部省（区、市）灰水足迹较高，西部省（区、市）灰水足迹较低。

（3）人文因素对水资源环境的威胁大小排序，依次为城市化率、人口数量、产业结构和富裕程度。其中，城市化率每提高1%，引起灰水足迹增加1.03%；人口数量增加1%，引起灰水足迹增加0.85%；农业比重增加1%，引起灰水足迹增加0.63%；人均GDP提高1%，引起灰水足迹增加0.52%。

（4）人文因素对灰水足迹的影响存在空间差异。人口规模对灰水足迹的影响由北向南逐步加大，其中受人口规模影响最大的为海南，最小的为黑龙江；富裕对灰水足迹的影响由西向东逐渐减小，其中富裕对的环境影响最大，对黑龙江的影响最小；农业对灰水足迹的影响由南向北逐步增大，其中农业对的环境影响最大，对海南的影响最小；城市化对灰水足迹的影响由南向北逐步增大，其中城市化对黑龙江的环境影响最大，对海南的影响最小。

（5）在现有样本范围内，计算结果有条件地支持环境Kuznets曲线，但如果现有的产业结构和城市化发展模式不改变，则环境Kuznets曲线不存在。

在中国社会经济新常态背景下，由于各种自然、人文因素的影响作用相互交织，相互叠加，环境问题日益严峻和复杂，以往单一的或“一刀切”的思路，将不能有效解决环境问题，而应该转变环境治理思路，综合施策，精准应对，尤其在水资源环境治理方面，不能忽视人文因素对水资源环境影响的空间差异，要结合实际，因地施

46

地理研究35卷

策，精细化各种环境治理措施。如在制定出台生育时，鉴于南方水资源环境对人口变化的响应比北方更敏感，南方需要比北方更加慎重地评估生育实施的结果，做好事前评估，以避免出现南方水资源环境因为生育的不当实施而恶化的情况；如在制定区域经济发展时，要充分考虑西部地区的水资源环境承载力，给予西部地区更多的生态补偿，以缓解西部水资源环境的压力；如在制定区域产业结构调整和推进城镇化时，要注意到北方水少，南方水多这个水资源分布事实，同时高度重视北方水资源环境对产业结构和城市化这两个人文因素变化的反应比南方更强烈这一环境影响事实，给予北方地区更多的产业扶植和城市化优惠，充分调动北方地区优化产业结构和提升城市化质量的积极性，以便有效地实现北方地区水资源环境质量的持续改善。

灰水足迹测算是一个新的研究领域，无论在理论上还是在计算方法上都还不够成熟。本研究只是对中国31个省级行政区的灰水足迹进行粗略计算，很多影响因素未进行考虑。如计算的关键污染物质较少（只有COD和氨氮物质），未考虑水体自身净化能力和各类污染物质之间的物理或化学反应，忽略了农业污染物质进入水体的复杂过程等。这些不足之处有待于灰水足迹理论和计算方法的完善和改进，是今后需要进一步深入研究的方向。

目前，涉及空间距离的计量模型一般仍然采用地理加权回归模型，因为地理加权回归模型的计算方法比较成熟，计算结果也比较好解释。但是，人文因素对环境的影响可能会随着时间的推移而发生变化，因此为了深入掌握人文因素对环境影响的时间分异特征，将时间因素纳入模型，建立时空地理加权回归模型，也应该是今后研究需要深化的重要方向。

参考文献(References)

[1]程国栋.虚拟水:中国水资源安全战略的新思路.中国科学院院刊,2003,18(4):260-265.[ChengGuodong.Virtual

Water:Astrategicinstrumenttoachievewatersecurity.JournalofChineseAcademyofSciences,2003,18(4):206-265.][2]徐中民,龙爱华,张志强.虚拟水的理论方法及在甘肃省的应用.地理学报,2003,58(6):861-869.[XuZhongmin,

LongAihua,ZhangZhiqiang.VirtualwaterconsumptioncalculationandanalysisofGansuprovincein2000.ActaofGeographicaSinica,2003,58(6):861-869.]

[3]孙克,徐中民.环境影响评价中人文因素作用的空间计量.生态学报,2009,29(3):1563-1570.[SunKe,XuZhong-min.AspatialeconometricanalysisoftheimpactsofhumanfactorsonenvironmentinChina.ActaEcologicaSinica,2009,29(3):1563-1570.]

[4]龙爱华,徐中民,王新华,等.人口、富裕及技术对2000年中国水足迹的影响.生态学报,2006,26(10):3358-3365.

[LongAihua,XuZhongmin,WangXinhua,etal.Impactsofpopupation,alluenceandtechnologyonwaterfootprintinChina.ActaEcologicaSinica,2006.26(10):3358-3365.]

[5]曾昭,.北京市灰水足迹评价.自然资源学报,2013,28(7):1169-1178.[ZengZhao,LiuJunguo.Historicaltrend

ofgreywaterfootprintofBeijing,China.JournalofNaturalResources,2013,28(7):1169-1178.]

[6]HoekstraAY,ChapagainAK.GlobalizationofWater:SharingthePlanet'sFreshwaterResources.Oxford:Black-well

Publishing,2008.

[7]ZarateE.WFNGreyWaterFootprintWorkingGroupFinalReport:AJointStudyDevelopedbyWFNParters.Nether-lands:WFN,2010.

[8]MekonnenMM,HoekstraAY.Thegreen,blueandgreywaterfootprintofcropsandderivedcropproducts.Hydrology

andEarthSystemSciences,2011,15(5):1577-1600.

[9]曹连海,吴普特,赵西宁,等.内蒙古河套灌区粮食生产灰水足迹评价.农业工程学报,2014,30(1)：63-72.[CaoLian-hai,WuPute,ZhaoXining,etal.ValuationofgreywaterfootprintofgrainproductioninHetaoirrigationdistrict,InnerMongolia.TransactionsoftheChineseSocietyofAgriculturalEngineering,2014,30(1):63-72.]

[10]ErcinAE,AldayaMM,HoekstraAY.Corporatewaterfootprintaccountingandimpactassessment:Thecaseofthewa-terfootprintofasugar-containingcarbonatedbeverage.WaterResourcesManagement,2011,25(2):721-741.

[11]徐中民,程国栋.人地系统中人文因素作用的分析框架探讨.科技导报,2008,26(3):86-92.[XuZhongmin,Cheng

1期孙克等：基于地理加权回归的中国灰水足迹人文驱动因素分析47

Guodong.Frameworktoaddresshumanfactorsinahuman-earthsystem.Science&TechnologyReview,2008,26(3):86-92.]

[12]XuZhongming,ChengGuodong,ChenDongjing,etal.DevelopmentcapacityandsustainabledevelopmentofChina.

EcologyEconomics,2002,40(3):369-378.

[13]WaggonerPR,AusubelJH.Aframeworkforsustainabilityscience:ArenovatedIPATidentity.ProceedingsoftheNa-tionalAcademyofSciencesoftheUnitedStatesofAmerica,2002,99(12):7860-7865.

[14]YorkR,RosaEA,DietzT.Bridgingenvironmentalsciencewithenvironmentalpolicy:Plasticityofpopulation,afflu-enceandtechnology.SocialScienceQuarterly,2002,83(1):18-34.

[15]YorkR,RosaEA,DietzT.FootprintsontheEarth:Theenvironmentalconsequencesofmodernity.AmericanSociologi-calReview,2003,68(4):279-300.

[16]YorkR,RosaEA,DietzT.STIRPAT,IPAT,andImPACT:Analytictoolsforunpackingthedrivingforcesofenvironmen-talimpacts.EcologicalEconomics,2003,46(3):351-365.

[17]ToblerW.AcomputermoviesimulatingurbangrowthintheDetroitregion.EconomicGeography,1970,46(2):234-240.[18]程叶青,王哲野,张守志,等.中国能源消费碳排放强度及其影响因素的空间计量.地理学报,2013,68(10):1418-1431.[ChengYeqing,WangZheye,ZhangShouzhi,etal.SpatialeconometricanalysisofcarbonemissionintensityanditsdrivingfactorsfromenergyconsumptioninChina.ActaofGeographicaSinica,2013,68(10):1418-1431.]

[19]FotheringhamAS,BrunsdonC,CharltonM.GeographicallyWeightedRegression:TheAnalysisofSpatiallyVarying

Relationships.Chichester:Wiley,2002.

[20]庞瑞秋,腾飞,魏冶.基于地理加权回归的吉林省人口城镇化动力机制分析.地理科学,2014,34(10):1210-1217.

[PangRuiqiu,TengFei,WeiYe.AGWR-basedstudyondynamicmechanismofpopulationurbanizationinJilinprov-ince.ScientiaGeographicaSinica,2014,34(10):1210-1217.]

[21]孙才志,陈栓,赵良仕.基于ESDA的中国省际水足迹强度的空间关联格局分析.自然资源学报,2013,28(4):571-582.[SunCaizhi,ChenShuan,ZhaoLiangshi.SpatialcorrelationpatternanalysisofwaterfootprintbasedonESDAmodelatprovincialscaleinChina.JournalofNaturalResources,2013,28(4):571-582.]

[22]AnselinL.SpatialEconometrics:MethodsandModels.Dordrecht:KluwerAcademicPublishers,1988.

[23]徐中民,程国栋.中国人口和富裕对环境的影响.冰川冻土,2005,27(5):767-773.[XuZhongmin,ChengGuodong.

ImpactofpopulationandaffluenceonenvironmentinChina.JournalofGlaciologyandGeocryology,2005,27(5):767-773.]

[24]鲁凤,徐建华.中国区域经济差异的空间统计分析.华东师范大学:自然科学版,2007,2(3):44-51.[LuFeng,XuJian-hua.ExploratoryspatialdataanalysisoftheregionaleconomicdisparitiesinChina.JournalofEastChinaNormalUni-versity:NaturalScience,2007,2(3):44-51.]

48

地理研究35卷

Theimpactsofhumandrivingfactorsongreywaterfootprint

inChinausingaGWRmodel

SUNKe1,2,XUZhongmin1

(1.KeyLaboratoryofEcohydrologyandIntegratedRiverBasinScience,CAREERI,CAS,Lanzhou730000,China;

2.GeographyandPlanningCollegeofGannanNormalUniversity,Ganzhou341000,Jiangxi,China)

Abstract:Waterisakeynaturalresourceonwhichhumaneconomicandsocialdevelopmentdepends.InChinatoday,watersourceshortageandwaterpollutionimposeamajorconstraintonsustainabledevelopmentinChina.Consumptionterminalandwaterresourceutilizationarecloselyrelatedbytheirwaterfootprint,whichisacomprehensiveindexoftheeffectofhumanactivitiesonwaterresources.Waterfootprinthasbecomeacommonindicatorformeasuringwaterresourcesandenvironmentalpressuresinaregion.However,thewaterfootprinttheoryonlytakesintoaccountwaterresourcepressurefromtheamountofresourceconsumptionanddoesnotconsidertheharmcausedbywaterpollution.Thus,thismayunderestimatetheseriousnessofthewaterresourceproblemusingwaterfootprinttheory.Comparedwithtraditionalwaterfootprinttheory,thegreywaterfootprinttheorycanbeamoredirectreflectionofhumanimpactonthewaterresourcequality.Accurateanalysisoftheimpactofhumanfactorsontheenvironmentisanimportantpartofthecurrentresearchonsustainabledevelopment.TheGWRmeasurementmodelismoreaccuratethanthetraditionalordinaryleastsquares(OLS)modelbecauseofitsspatialfactors.AccordingtothetheoryofabsorbingpollutantsproposedbyHoekstraandChapgain,weestimatedthegreywaterfootprintof31provincialregionsinChinain2012andexploredthefeaturesofspatialdistributionoftheChinesegreywaterfootprintusingthemethodofspatialautocorrelationanalysis.WequantitativelyexaminedtheimpactsofChina'spopulation,affluence,andtechnologyonthegreywaterfootprintbyconstructingaSTIRPATmodelbasedontheGWR.TheresultsshowthatChina'sgreywaterfootprinthasstronglypositivespatialcorrelationandimbalanceofspatialdistributionatprovincialscaleandtheorderofdegreeofhumanisticfactorsthreateningwaterenvironmentisurbanization,population,industrystructureandaffluence.Additionally,ourresultsshowthat1%changeinurbanization,population,percapitaGDPorshareofagricultureresultsin1.03%,0.85%,0.63%or0.52%changeinthegreywaterfootprint,respectively.Therearespatialdifferencesintheimpactsofhumanfactorsonthegreywaterfootprint.Theimpactofpopulationonthegreywaterfootprintgraduallyincreasesfromnorthtosouth,theimpactofaffluencegraduallydecreasesfromwesttoeast,andtheimpactsofagricultureandurbanizationonthegreywaterfootprintgraduallyincreasefromsouthtonorth.ThecalculationresultsusingexistingsampledataindicatethataninvertedU-shapedenvironmentalKuznetscurvewillappearincertainconditions,andthecurverelationmaynotexistifthepresentindustrialstructureandmodelofurbanizationdonotchange.Theseresultscanprovideamorescientificbasisforwaterresourcemanagementpolicy.

keywords:humanfactors;greywaterfootprint;spatialautocorrelation;STIRPATmodel;geo-graphicallyweightedregression