基于ESTDA模型的中國水生態(tài)足跡及水生態(tài)壓力評價

郝 帥, 孫才志, 宋強敏

1 遼寧師范大學地理科學學院, 大連 116029 2 遼寧師范大學海洋經(jīng)濟與可持續(xù)發(fā)展研究中心, 大連 116029

隨著四化建設(shè)的持續(xù)推進,資源約束趨緊、環(huán)境污染嚴重、生態(tài)系統(tǒng)退化的形勢日趨嚴峻,水資源短缺、水生態(tài)損害及水環(huán)境污染等問題愈加突出,已嚴重制約到區(qū)域經(jīng)濟發(fā)展及生態(tài)安全。而堅持以水定城、以水定地、以水定人、以水定產(chǎn),把水資源作為最大的剛性約束,合理規(guī)劃人口、城市與產(chǎn)業(yè)發(fā)展是中國推進水資源高效利用的重要舉措。因此,如何客觀把握區(qū)域水資源與經(jīng)濟發(fā)展的聯(lián)系,實現(xiàn)兩者的協(xié)調(diào)可持續(xù)發(fā)展已成為當前研究的重點。

生態(tài)足跡(Ecological Footprint,EF)作為一種測定人類活動對資源消費程度、判斷自然資產(chǎn)是否存在被過度利用的有效工具,目的在于從定量視角揭示人類對資源消耗量[1-2]。其相關(guān)研究方法主要有生命周期法(LCA)[3-4]、投入產(chǎn)出法(IOA)[5-6]、凈初級生產(chǎn)力(NPP)[7-8]以及能值[9-10]等方法,而隨著相關(guān)研究的不斷深入,Niccolucci等將資本存量是否減少及減少的程度用于衡量可持續(xù)性的強弱,在此基礎(chǔ)上提出生態(tài)足跡廣度與深度兩個概念,用于揭示人類社會發(fā)展對自然資本流量及存量的占用和消耗程度,標志著生態(tài)足跡模型由傳統(tǒng)的二維向三維的轉(zhuǎn)變,推動其研究向縱深方向發(fā)展[11],而有關(guān)學者也進一步闡釋了自然資本存量、流量及實現(xiàn)區(qū)域可持續(xù)發(fā)展之間的相互聯(lián)系,即只要保證區(qū)域自然資本存量不減少,無論其流量資本是否被完全占用,仍然可以實現(xiàn)區(qū)域的可持續(xù)發(fā)展[12]。目前,生態(tài)足跡理論及其相關(guān)模型得到了國內(nèi)外學者的認可及廣泛應(yīng)用,同時針對評價模型的不足,相關(guān)學者也采用了不同方法對其進行改進[13-16]。

而由生態(tài)足跡衍生出的水生態(tài)足跡,則常用于衡量特定區(qū)域?qū)λY源的實際需求和占用情況。當前,國內(nèi)有關(guān)水生態(tài)足跡的研究多集中于省區(qū)[16-17]、城市(群)[18-20]及流域等[21-22]。劉子剛等初步界定了水生態(tài)足跡與水生態(tài)承載力的內(nèi)涵,并將水生態(tài)足跡分為水產(chǎn)品生態(tài)足跡、水資源生態(tài)足跡和誰污染生態(tài)足跡,在此基礎(chǔ)上分析了2000—2007年浙江省湖州市的水生態(tài)足跡和水生態(tài)承載力[23]；程超等運用水資源生態(tài)足跡模型、基尼系數(shù)及重心模型,對2006—2014年滇中城市群水資源生態(tài)承載力的供需平衡、時空平衡及平衡性的偏離程度進行了相關(guān)分析[24]；王剛毅等基于改進的水生態(tài)足跡模型,對中原城市群2001—2016年水量生態(tài)足跡和水質(zhì)生態(tài)足跡進行了計算,在此基礎(chǔ)上構(gòu)建了脫鉤評價模型和協(xié)調(diào)度模型,并對區(qū)域經(jīng)濟發(fā)展和水資源環(huán)境協(xié)調(diào)關(guān)系進行研究[18]；賈焰等生態(tài)足跡模型,構(gòu)建了5個二級水資源賬戶,對石羊河流域2001—2011年水生態(tài)足跡、水生態(tài)承載力及生態(tài)赤字進行了研究[25]；孫才志等基于生態(tài)足跡理論,將水資源分為流量資本和存量資本,在此基礎(chǔ)上測度分析了1997—2014年中國31個省市水生態(tài)足跡廣度與深度,并對其空間分布格局進行分析[26]；張智雄等將灰水足跡與水生態(tài)足跡相結(jié)合,在此基礎(chǔ)上運用擴展的Kaya恒等式和LMDI指數(shù)分解對中國各省市的人均灰水生態(tài)足跡變化的驅(qū)動因素進行測度,并結(jié)合ISODATA聚類模型對各效應(yīng)進行空間聚類,從而分析各效應(yīng)的空間特征[27]。

水資源作為一種可再生資源,定量表征區(qū)域水生態(tài)足跡、水生態(tài)承載力與水生態(tài)壓力,進而探討其水資源流量資本的占用程度及存量資本的消耗狀況,對實現(xiàn)區(qū)域水資源的可持續(xù)利用具有重要意義。此外,區(qū)域差異性研究主要體現(xiàn)在地理要素不均衡性分析中的時空思維運用,而當前有關(guān)水生態(tài)足跡及水生態(tài)壓力空間分布的動態(tài)性研究僅注重空間維度,忽視了時間因素對地理要素空間分布狀態(tài)的影響,而只有將地理要素的時間屬性與空間屬性相結(jié)合,才能更加準確的揭示地理要素空間分布的動態(tài)規(guī)律[28]。Rey等[29-30]提出的探索性時空數(shù)據(jù)分析(Exploratory Time-Space Data Analysis,ESTDA),克服了傳統(tǒng)探索性空間數(shù)據(jù)分析(Exploratory Space Data Analysis,ESDA)僅考慮截面數(shù)據(jù)而忽視時間維度的局限,從而實現(xiàn)了時間與空間的良性耦合,該模型已在研究地理要素時空動態(tài)性分析中得以運用,并取得了理想效果[28,31-33]。鑒于此,本文從水足跡視角出發(fā),引入三維水生態(tài)足跡模型,對2000—2018年中國31個省份水生態(tài)足跡廣度與深度、水生態(tài)承載力及水生態(tài)壓力進行測度分析,同時基于Rey等提出的ESTDA模型,借助LISA時間路徑及時空躍遷等分析方法,對水生態(tài)足跡廣度、深度及水生態(tài)壓力空間格局的動態(tài)變化特征進行分析,以期為實現(xiàn)中國水資源的可持續(xù)利用、緩解水生態(tài)壓力提供參考借鑒。

1 研方法與數(shù)據(jù)來源

1.1 水生態(tài)足跡相關(guān)模型

水生態(tài)足跡是將人類生產(chǎn)、生活所消耗的水資源量轉(zhuǎn)化為相應(yīng)的產(chǎn)水面積。可進一步表征為在某一特定區(qū)域內(nèi),經(jīng)濟規(guī)模與人口總量達到一定程度時,滿足該區(qū)域發(fā)展所消耗的水資源量及吸納生產(chǎn)、生活所產(chǎn)生的廢棄物所需要的水資源量,包括水量生態(tài)足跡、水質(zhì)生態(tài)足跡和水產(chǎn)品生態(tài)足跡(囿于數(shù)據(jù)限制,本文暫不考慮),反映了該區(qū)域?qū)λY源的實際占用與需求程度；水生態(tài)承載力則用于表征某區(qū)域的水生態(tài)系統(tǒng)可為支撐區(qū)域經(jīng)濟—社會—環(huán)境協(xié)調(diào)發(fā)展的最大供給能力,即產(chǎn)水能力所能供給的最大土地面積。通過對兩者的對比分析,能更好地揭示區(qū)域水資源可持續(xù)利用狀況。相關(guān)公式如下[26]：

WEF=WEFwv+WEFwq

(1)

WEFwv=γ×(WF/w)

(2)

WEFwq=γ×Max(EFCOD,EFNH3)

(3)

式中,WEF、WEFwv、WEFwq分別為區(qū)域水生態(tài)足跡總量(hm2)、水量生態(tài)足跡(hm2)和水質(zhì)生態(tài)足跡(hm2)；WF表示區(qū)域水足跡總量(m3)；γ、w表示水資源均衡因子和水資源平均生產(chǎn)能力(γ取5.19,w取3140m3/hm2)[34]；EFCOD、EFNH3分別表示區(qū)域COD、NH3的水生態(tài)足跡(hm2)。

1.2 水生態(tài)足跡廣度與深度

水生態(tài)足跡廣度和深度分別表征人類社會發(fā)展對水資源流量資本的占用水平和存量資本的消耗程度。此外,由于水生態(tài)承載力即為水生態(tài)系統(tǒng)可提供的水資源流量資本的上限,因此亦是水生態(tài)足跡廣度的上限。相關(guān)計算公式見文獻[26]。

1.3 水生態(tài)壓力指數(shù)

由于存在空間尺度問題,以往所采用的水生態(tài)足跡赤字或盈余難以準確的衡量某區(qū)域水資源可持續(xù)利用水平以及生態(tài)環(huán)境所承受的壓力強度的大小[35]。在此,本文引入水生態(tài)壓力指數(shù),用于表征區(qū)域水生態(tài)壓力的大小。計算公式如下：

WEPI=WEFwv/WEC

(4)

WEC=k×γ×φ×(Q/w)φ=WM/w

(5)

式中,WEPI為水生態(tài)壓力指數(shù),當WEPI>1說明區(qū)域水資源消費量超過供給量,水資源利用處于不安全狀態(tài)；當0

1.4 探索性時空數(shù)據(jù)分析方法

1.4.1LISA時間路徑

LISA時間路徑將時間維度納入傳統(tǒng)的靜態(tài)LISA,使其實現(xiàn)了動態(tài)的連續(xù)表達,亦是LISA空間馬爾科夫轉(zhuǎn)移矩陣的一種連續(xù)表達。常用于反映地理要素的局部時空協(xié)同變化特征,揭示區(qū)域地理要素時空交互作用的程度、方向(競合態(tài)勢)以及時空依賴效應(yīng)對區(qū)域系統(tǒng)演化的影響程度。LISA時間路徑的幾何特征常用相對長度和彎曲度表示,計算公式如下：

(6)

式中,Rli、Di分別表示相對長度和彎曲度；n表示區(qū)域數(shù)量；T表示研究時間序列；Li,t、Li,t+1分別表示t、t+1年份區(qū)域i在Moran′sI散點圖中的位置；d(Li,t,Li,t+1)、d(Li,t,Li,T)分別表示區(qū)域i從t年移動到t+1年、末年的距離；如果區(qū)域i在研究時段內(nèi)的移動長度超過平均水平,則Rli>1,反之,Rli<1。Rli越大,表明區(qū)域地理要素的局部空間依賴性和空間結(jié)構(gòu)更具有動態(tài)性,同時也說明地理要素Moran′sI散點隨時間推移,其移動路徑穩(wěn)定性較差；Di越大,表明區(qū)域i的移動路徑越彎曲,反映出一個更加動態(tài)的局部空間依賴方向和更加波動的增長過程,也說明了該區(qū)域受局部結(jié)構(gòu)的時空依賴影響越大,即區(qū)域i自身受鄰域空間(溢出/極化)效應(yīng)影響越大,同時自身隨時間推移增幅越顯著或遇特殊時段波動越劇烈,反之則受到的影響越小,波動越平穩(wěn)。

1.4.2LISA時空躍遷

LISA常被用于揭示地理要素的空間依賴特征,Rey等在此基礎(chǔ)上將Moran′sI散點圖中各空間單元在特定時間間隔內(nèi)的移動距離、方向、凝聚等屬性與傳統(tǒng)馬爾科夫轉(zhuǎn)移矩陣相結(jié)合,提出了局部馬爾科夫轉(zhuǎn)移矩陣和時空躍遷,并將躍遷劃分為Type0、Type1、Type2、Type3四種類型[29]。其中Type0型表示區(qū)域自身和鄰域均不發(fā)生狀態(tài)轉(zhuǎn)移；Type1型表示區(qū)域自身躍遷,鄰域不變,包括：高高→低高、高低→低低、低高→高高、低低→高低；Type2型表示區(qū)域自身不變,鄰域發(fā)生躍遷,包括：高高→高低、高低→高高、低高→低低、低低→低高；Type3型表示區(qū)域自身與鄰域均發(fā)生躍遷,其中,若自身與鄰域躍遷方向一致稱為Type3A(包括：高高→低低、低低→高高),否則稱為Type3B(包括：高低→低高、低高→高低)。Rey將區(qū)域系統(tǒng)中的時空流動和凝聚來表征研究對象的空間格局路徑依賴和鎖定特征,計算公式如下：

(7)

(8)

式中,SF、SC分別表示研究對象的時空流動和凝聚；Type0、Type1、Type2、和Type3A分別表示各自的躍遷數(shù)量；p為相對移動率,Pi,i為時空躍遷矩陣對角線元素,K=4,當p=1時表示所有區(qū)域均發(fā)生狀態(tài)躍遷,p=0時表示沒有區(qū)域發(fā)生躍遷,p越大表明狀態(tài)轉(zhuǎn)移越劇烈。本文m=(2018-2000)×31=558。

1.5 數(shù)據(jù)來源

本文所涉及數(shù)據(jù)均來源于2001—2019年《中國統(tǒng)計年鑒》、《中國水資源公報》、《中國環(huán)境統(tǒng)計年鑒》、《中國環(huán)境統(tǒng)計年報》等,缺失數(shù)據(jù)由現(xiàn)有數(shù)據(jù)線性擬合獲得。在計算水質(zhì)生態(tài)足跡時,污染物排放濃度標準采用中國《地表水環(huán)境質(zhì)量標準》(GB3838—2002)中Ⅲ類水質(zhì)規(guī)定的污染物含量選取COD和氨氮的排放濃度標準分別為20 mg/L、1 mg/L。

2 結(jié)果分析

2.1 中國水生態(tài)足跡及水生態(tài)承載力時空特征分析

根據(jù)相關(guān)公式計算得到2000—2018年中國水量生態(tài)足、水質(zhì)生態(tài)足跡和水生態(tài)承載力,并繪制其變化趨勢圖(圖1),此外,囿于頁面限制,在此僅給出水量生態(tài)足、水質(zhì)生態(tài)足跡、水生態(tài)足跡和水生態(tài)承載力初期、末期及均值,結(jié)果如圖2所示。

圖1 2000—2018年中國水量生態(tài)足跡、水質(zhì)生態(tài)足跡和水生態(tài)承載力變化趨勢Fig.1 Trends of water quantity ecological footprint, water quality ecological footprint and water ecological carrying capacity in China from 2000 to 2018

圖2 2000—2018年中國各省份水生態(tài)足跡和水生態(tài)承載力Fig.2 Water ecological footprint and water carrying capacity of all provinces in China from 2000 to 2018

由圖1可以看出,研究時段內(nèi),中國水量生態(tài)足跡與水生態(tài)足跡的變化趨勢相似,均呈現(xiàn)波動上升的態(tài)勢,年均增長率分別為1.16%、1.11%,2012—2013年,水量生態(tài)足跡和水生態(tài)足跡增幅最大,分別達到12.71%、12.20%,兩者均在2013年達到最高值。整個研究時期內(nèi),中國用水總量從2000年的5497.59×108m3增加至2018年的6015.5×108m3,國內(nèi)生產(chǎn)總值年均增長率達到12.97%,人口增加10%以上,水足跡總量由研究初期的9200.49×108m3增加至末期的11330.10×108m3,水資源消耗量與經(jīng)濟、人口呈現(xiàn)同步增長趨勢,使中國水量生態(tài)足跡的變化趨勢呈逐年增加態(tài)勢；水質(zhì)生態(tài)足跡整體呈下降態(tài)勢,年均降幅為0.41%,在水生態(tài)足跡中的占比由2000年的4.2%降至末期的3.2%。2000—2011年水質(zhì)生態(tài)足跡經(jīng)歷了“上升-下降-平穩(wěn)-上升”的變化趨勢,并在2005年達到最大值(74.29×106hm2),占比達到4.48%,2011年以后,水質(zhì)生態(tài)足跡呈現(xiàn)平穩(wěn)下降態(tài)勢。研究期內(nèi),雖然廢水排放量年均增長率超過3%,2018年廢水排放量相比2000年增幅超過70%,但工業(yè)廢水排放達標率由82.1%增加至90%以上,廢水處理率的提升以及污染物排放量的降低使灰水足跡總量呈逐年下降態(tài)勢,進而使水質(zhì)生態(tài)足跡總量下降,占比減少,從而也反映了中國在水生態(tài)環(huán)境保護、治理方面成效明顯；除2009年外,2000—2010水生態(tài)承載力變化趨勢與水生態(tài)足跡呈同步變化趨勢,2011—2018年,與水生足跡呈此消彼長的變化趨勢,2009年水生態(tài)承載力為研究時期內(nèi)最低值,僅1382.214×106hm2,該年份中國水資源總量相比研究期內(nèi)平均水資源量減少15.35%。

由圖2可以看出,①研究時期內(nèi),水量生態(tài)足跡排名前六的省份是廣東、江蘇、四川、山東、河南、湖南,其總量均超過90×106hm2,其中廣東最高,達到154.10×106hm2,原因在于,這5個省份人口數(shù)量較多,經(jīng)濟規(guī)模大,農(nóng)業(yè)發(fā)達,致使社會經(jīng)濟發(fā)展過程中需水量較大,并導致水足跡總量較大,進而影響區(qū)域水量生態(tài)足跡；西藏、青海、寧夏均地處中國西部地區(qū),人口數(shù)量少,經(jīng)濟規(guī)模較小,2018年,人口總量僅占全國總量的1.17%,國內(nèi)生產(chǎn)總值占比僅為0.89%,因此,水資源消耗量及水足跡總量較小,水量生態(tài)足跡總量均在10×106hm2以內(nèi),排在研究區(qū)域的后三位；②中國水質(zhì)生態(tài)足跡均值為68.17×106hm2,相關(guān)研究表明,農(nóng)業(yè)面源污染及生活廢水對水生態(tài)環(huán)境的影響遠大于工業(yè)廢水污染,因此,兼具農(nóng)業(yè)發(fā)達和人口眾多兩個特點的省份水質(zhì)生態(tài)足跡總量較大,如河南、四川、山東、廣東、湖南、河北6個省份的水質(zhì)生態(tài)足跡總量均在3.5×106hm2,其中河南最大,達到5.63×106hm2,而農(nóng)業(yè)經(jīng)濟占比較小,人口數(shù)量較少的省份,水質(zhì)生態(tài)足跡總量較小,如北京、天津、寧夏、海南、上海、青海6個省份的水質(zhì)生態(tài)足跡均在1.00×106hm2以內(nèi)；③受降水的時空分布及地表水資源量空間分布差異的影響,區(qū)域水資源總量及水生態(tài)承載力差異較大,整體呈現(xiàn)自東南向西北逐漸較少的趨勢,廣東、西藏、廣西、湖南等11省份的水生態(tài)承載力均在200×106hm2以上,而地處華北和西北地區(qū)的寧夏、北京、天津、山西、甘肅、河北6個省份的水生態(tài)承載力僅在3.00×106hm2以內(nèi)。

2.2 中國水生態(tài)足跡廣度、深度時空特征分析

根據(jù)公式相關(guān)計算得到2000—2018年中國水生態(tài)足廣度、深度和水生態(tài)壓力指數(shù),并繪制其變化趨勢圖(圖3),水生態(tài)足廣度、深度和水生態(tài)壓力指數(shù)研究初期、末期及均值,結(jié)果如表1所示。

表1 2000—2018年中國各省份水生態(tài)足跡廣度、深度及水生態(tài)壓力指數(shù)

圖3顯示,研究期內(nèi),水生態(tài)足跡廣度與水生態(tài)承載力整體呈現(xiàn)同步的變化趨勢,結(jié)合圖1及水生態(tài)足跡廣度的取值范圍可知,除2000—2002年、2010年及2016年外,水生態(tài)足跡總量均超過水生態(tài)承載力,一方面說明人類社會的經(jīng)濟發(fā)展已接近水資源可提供的流量資本上限,另一方面,自2016年以來,水量生態(tài)足跡與水生態(tài)承載力呈截然相反的變化態(tài)勢,說明中國水資源可提供的流量資本的上限在逐漸降低,社會經(jīng)濟發(fā)展對水資源流量資本的占用將進一步加大,進而將消耗更多的水資源存量資本。2000—2018年水生態(tài)足跡深度與水生態(tài)壓力指數(shù)呈現(xiàn)同步變化趨勢,2011年水生態(tài)足跡深度(1.29)與水生態(tài)壓力指數(shù)(1.25)均達到最大值,但與水生態(tài)承載力及水生態(tài)足跡廣度則呈現(xiàn)此消彼長的變化趨勢,這也進一步說明當區(qū)域水資源需求量超過水生態(tài)承載力時,水生足跡廣度下降,水資源流量資本占用達到極限,進而加大對水資源存量資本的消耗,導致區(qū)域水生態(tài)足跡深度及水生態(tài)壓力持續(xù)升高。

圖3 2000—2018年中國水生態(tài)足跡廣度、深度及水生態(tài)壓力指數(shù)變化趨勢Fig.3 The changing trend of the water ecological footprint size, depth and water ecological pressure in China from 2000 to 2018

結(jié)合圖2、表1可知,浙江、福建、江西、湖南等15個省份在研究期內(nèi)年均水生態(tài)足跡均低于年均水生態(tài)承載力,說明上述區(qū)域水資源流量資本的占用程度較低,水資源流量資本能夠滿足區(qū)域自身發(fā)展的用水需求,無需動用存量資本,因此,水生態(tài)足跡深度均為1；相應(yīng)地,其余省份的水資源流量資本的占用已達到區(qū)域水生態(tài)承載力的上限,因此需要動用水資源存量資本以彌補水資源流量資本的短板,致使水生態(tài)足跡深度較高,其中北京、天津、陜西、內(nèi)蒙古等9個省份均超過10,而寧夏最高,達到215.51。水生態(tài)壓力指數(shù)用于反映區(qū)域水資源生態(tài)壓力的強度,進而可反映區(qū)域水資源的安全狀態(tài)及可持續(xù)利用狀況。結(jié)合由圖2所得結(jié)論可知,水生態(tài)壓力指數(shù)小于1的區(qū)域與水生態(tài)足跡深度為1的區(qū)域相吻合,表明這些省份水資源供給量大于消費量,水資源利用處于安全狀態(tài)。而其余省份水生態(tài)壓力指數(shù)均大于1,其中寧夏的平均水生態(tài)壓力指數(shù)最高,這些省份均主要分布于黃淮海流域區(qū)、松遼流域區(qū)及西北諸河區(qū),研究時段內(nèi),上述區(qū)域年均水資源量僅為全國總量的17.83%,但耕地面積、人口數(shù)量、經(jīng)濟總量占比均超過50%,經(jīng)濟社會發(fā)展與區(qū)域水資源儲量的不匹配,是造成上述現(xiàn)象的主要原因。

2.3 中國水生態(tài)足跡與水生態(tài)壓力時空動態(tài)分析

2.3.1LISA時間路徑分析

根據(jù)公式(6),分別計算得到水生態(tài)足跡廣度、深度及水生態(tài)壓力指數(shù)的LISA時間路徑的相對長度和彎曲度,同時采用自然斷點法均將其分為4類(高相對長度,較高相對長度,中等相對長度,低相對長度；高彎曲度,較高彎曲度,中等彎曲度,低彎曲度),結(jié)果如圖4、圖5所示。

圖4 LISA時間路徑相對長度的空間分布Fig.4 The spatial distribution of relative length of LISA time path

圖5 LISA時間路徑彎曲度的空間分布Fig.5 The spatial distribution of curvature of LISA time path

圖4、圖5顯示,水生態(tài)足跡廣度、深度及水生態(tài)壓力的相對移動長度小于均值的省份數(shù)量占比均在50%以上,表明三者的整體空間格局均具有較強的穩(wěn)定性。①水生態(tài)足跡廣度的相對移動長度高的地區(qū)主要集中在黃淮海區(qū)、西北地區(qū)和東北地區(qū),低值區(qū)主要分布在東南沿海地區(qū)及西南地區(qū),原因在于受中國降水空間分布的影響,南方地區(qū)水系發(fā)達,降水年際變化較小,水資源總量占全國水資源總量的80%以上,產(chǎn)水模數(shù)較高,進而具有較高的水生態(tài)承載力,區(qū)域水資源流量資本可以滿足當?shù)厣a(chǎn)、生活用水需求；而西北地區(qū)、東北地區(qū)和黃淮海區(qū)一方面在于人口眾多、農(nóng)業(yè)發(fā)達,地下水資源開發(fā)程度過高,另一方面在于降水年際變化較大,區(qū)域產(chǎn)水模數(shù)較低,致使區(qū)域水生態(tài)足跡廣度的空間格局呈現(xiàn)較強的波動性。②雖然在時間尺度上水生態(tài)足跡深度與廣度呈此消彼長的發(fā)展趨勢,但由于兩者均受水生態(tài)足跡總量及水生態(tài)承載力影響,而當區(qū)域水資源流量資本被占用至極限時,將會消耗存量資本以滿足區(qū)域用水需求,因此,水生態(tài)足跡深度與廣度的空間結(jié)構(gòu)穩(wěn)定的區(qū)域相吻合,同時與表1所得結(jié)果一致。③從水生態(tài)壓力的相對移動長度來看,水生態(tài)壓力Moran′sI散點隨著時間推移其躍遷路徑較為穩(wěn)定。但就類型而言,低相對長度仍然集中分布于南方地區(qū),并且與水生態(tài)足跡廣度、深度移動路徑長度低值區(qū)較為一致,因此,隨著時間推移,南方地區(qū)更能保持區(qū)域內(nèi)部結(jié)構(gòu)的穩(wěn)定性,而北方及西北地區(qū)則呈現(xiàn)較強的波動性。

中國水生態(tài)足跡廣度(20.307)、深度(18.433)及水生態(tài)壓力(13.579)的時間路徑的平均彎曲度依次降低,表明局部空間結(jié)構(gòu)在空間依賴方向上的穩(wěn)定性依次加強。從空間分布來看,水生態(tài)足跡廣度彎曲度的高值區(qū)主要分布在華北及西北地區(qū),表明上述地區(qū)各省份的水生態(tài)足跡深度時空依賴效應(yīng)較強,受外界影響較大,波動較為劇烈。低值區(qū)主要集中在西南及東南地區(qū),說明空間依賴方向上的穩(wěn)定性最大。水生態(tài)足跡深度的彎曲度處于中等彎曲度和低彎曲度的省份達18個,說明整體上中國水生態(tài)足跡深度呈現(xiàn)更加穩(wěn)定的局部空間依賴方向,其中較高及高彎曲度主要分布中國西部及長江中下游地區(qū),表明該區(qū)域水生態(tài)足跡深度在空間依賴方向上具有強波動性的特征。水生態(tài)壓力時間路徑的高彎曲度主要集中在湖北、安徽、江蘇、上海、浙江、寧夏、甘肅及新疆等省份,表明上述地區(qū)水生態(tài)壓力對其鄰近省份的空間依賴方向上具有更大的波動性,同時自的水生態(tài)壓力隨時間推移波動越劇烈。水生態(tài)壓力時間路徑彎曲度處于中等及以下類型的共有19個省份,表明中國水生態(tài)壓力在空間上的穩(wěn)定性使得整體在空間依賴方向上的波動性相對穩(wěn)定。

2.3.2LISA時間路徑移動方向分析

LISA時間路徑移動方向可用于揭示地理要素局部空間格局變化的空間整合特性。分別對比2000年和2018年水生態(tài)足跡廣度、深度和水生態(tài)壓力Moran′sI散點圖的位置,計算得到各個省份水生態(tài)足跡廣度、深度和水生態(tài)壓力LISA坐標點的移動方向,并將其分為4類,其中0°—90°表示某區(qū)域的地理要素與其相鄰區(qū)域具有協(xié)同正向增長趨勢；90°—180°和270°—360°表示呈反向增長趨勢；180°—270°表示具有協(xié)同負向增長趨勢,結(jié)果見圖6。

圖6 LISA時間路徑移動方向的區(qū)域分布Fig.6 Distribution of movement direction of the LISA time path

由圖6可知,2000年以來,中國水生態(tài)足跡廣度、深度及水生態(tài)壓力呈現(xiàn)協(xié)同增長的省份數(shù)量分別為17個、22個、20個,表明中國水生態(tài)足跡深度空間格局演化的空間整合性最強,水生態(tài)壓力次之,水生態(tài)足跡廣度最小。其中,呈現(xiàn)正向協(xié)同增長的省份均為8個,分別占比47%、40%和36%,水生態(tài)足跡廣度正向協(xié)同增長省份主要集中于南方省份,反映了這些地區(qū)水生態(tài)承載力相對較高,而水生態(tài)足跡深度和水生態(tài)壓力正向協(xié)同增長區(qū)則分布于華北、西北地區(qū),表明這些區(qū)域水資源存量資本相對不足及水資源利用處于相對不安全狀態(tài),并呈現(xiàn)出明顯的協(xié)同高速增長的態(tài)勢；呈負向協(xié)同增長的省份的數(shù)量分別為9個、14個、12個,分別集中在水生態(tài)承載力較低西北地區(qū)、水資源存量資本相對充足及水資源利用處于相對安全狀態(tài)的南方地區(qū),整體呈現(xiàn)協(xié)同低速增長特征。

2.3.3LISA時空躍遷分析

根據(jù)Moran′sI散點圖,分別計算得到其2000—2018年時空躍遷概率,并利用公式(7)—(8),分別計算到得到各要素的時空流動、時空凝聚和相對移動率,結(jié)果如表2所示。

表2 水生態(tài)足跡廣度、深度及水生態(tài)壓力Moran散點圖的時空躍遷矩陣

由表2可知,研究時期內(nèi),水生態(tài)足跡廣度、深度及水生態(tài)壓力最普遍的躍遷類型均為Type0型,所占比例分別為0.914、0.952、0.927,表明多數(shù)省份在2000—2018年內(nèi)均未發(fā)生顯著狀態(tài)轉(zhuǎn)移,及Moran′sI散點處于同一象限的概率均超過了90%。從Type3型躍遷來看,水生態(tài)足跡廣度僅發(fā)生高高→低低(概率0.008),水生態(tài)足跡深度發(fā)生高高→低低、低低→高高、高低→低高的概率分別為0.006、0.003、0.083,水生態(tài)壓力則未發(fā)生Type3型躍遷。此外,時空凝聚均超過0.9,其中水生態(tài)足跡深度最大,達到0.955,而時空流動性均未超過0.1,說明了水生態(tài)足跡廣度、深度及水生態(tài)壓力的狀態(tài)轉(zhuǎn)移具有較強的惰性,即各要素的空間分布格局表現(xiàn)出較強的路徑依賴及鎖定特征。從相對移動率而言,相對移動率(p)用于表征狀態(tài)轉(zhuǎn)移程度,其中水生態(tài)壓力的相對移動率為0.150,說明相比水生態(tài)足跡廣度、深度而言,水生態(tài)壓力的狀態(tài)轉(zhuǎn)移程度相對較大。整體來看,多數(shù)省份均未發(fā)生顯著的時空躍遷,一方面表明水生態(tài)足跡廣度、深度及水生態(tài)壓力空間分布的空間凝聚性很強,空間格局穩(wěn)定,短時期內(nèi)難以改變當前的空間分布狀況,另一方面也反映了中國當前水資源流量資本占用程度高于水生態(tài)承載力的現(xiàn)象,水生態(tài)壓力并未得到有效緩解。

3 結(jié)論

(1)研究時段內(nèi),水量生態(tài)足跡與水生態(tài)足跡的變化趨勢相似,均呈波動上升態(tài)勢,水質(zhì)生態(tài)足跡則呈逐年下降趨勢,其占比從研究初期的4.20%降至研究末期的3.20%；而受區(qū)域水資源總量稟賦差異的影響,水生態(tài)承載力在研究期內(nèi)處于波動態(tài)勢,其空間分布格局整體呈現(xiàn)自東南向西北逐漸降低的趨勢。

(2)水生態(tài)足跡廣度與水生態(tài)承載力呈同步變化趨勢,除個別年份外,其余年份均已接近水資源可提供的流量資本上限,其空間分布亦呈現(xiàn)南高北低的態(tài)勢；水生態(tài)足跡深度與廣度則呈現(xiàn)此消彼長的變化趨勢,空間分布上,研究期內(nèi)南方15省份的水生態(tài)足跡深度均為1,而其余省份則需要動用水資源存量資本以彌補水資源流量資本的短板。

(3)研究期內(nèi),水生態(tài)壓力指數(shù)小于1的區(qū)域與水生態(tài)足跡深度為1的區(qū)域相吻合,表明這些省份水資源利用處于安全狀態(tài),社會發(fā)展無需動用水資源存量資本；水生態(tài)壓力指數(shù)大于1的區(qū)域主要分布在華北及西北地區(qū),水資源利用處于不安全狀態(tài)。

(4)LISA時間路徑的相對長度表明,水生態(tài)足跡廣度、深度及水生態(tài)壓力的整體空間格局均具有較強的穩(wěn)定性；LISA時間路徑的彎曲度表明,三者的局部空間結(jié)構(gòu)在空間依賴方向上的穩(wěn)定性依次加強；水生態(tài)足跡深度空間格局演化的空間整合性最強,水生態(tài)壓力次之,水生態(tài)足跡廣度最小,其中水生態(tài)足跡廣度正向協(xié)同增長省份主要集中于南方省份,而水生態(tài)足跡深度和水生態(tài)壓力正向協(xié)同增長區(qū)則分布于華北、西北地區(qū)；三者Type0型躍遷比例、時空凝結(jié)均超過0.9,時空流動性則均未超過0.1,表明多數(shù)省份在研究時段內(nèi)均未發(fā)生顯著狀態(tài)轉(zhuǎn)移,各要素的空間分布格局表現(xiàn)出較強的路徑依賴及鎖定特征。

本文基于ESTDA模型對中國水生態(tài)足跡及水生態(tài)壓力的空間格局動態(tài)變化特征進行分析,但在計算水質(zhì)生態(tài)足跡時僅考慮了化學需氧量和氨氮兩種污染物,而且不同的排放標準使得計算結(jié)果存在一定的出入,未來,需要全面考慮人類生產(chǎn)、生活所產(chǎn)生的多種污染物,并結(jié)合不同的排放標準,在提升評價結(jié)果科學性的同時開展閾值效應(yīng)的研究；在利用ESTDA模型時采用的是對稱性的空間權(quán)重矩陣,默認兩個空間單元之間的相互影響是一致的,未來有必要嘗試使用非對稱性的空間權(quán)重矩陣以便能更好的體現(xiàn)地理要素屬性值的空間異質(zhì)性,進而相互驗證研究結(jié)論,提高評價結(jié)果的科學性與可靠性；此外,需要在充分考慮各省份及其所在流域的水文特征的基礎(chǔ)上,進一步對水資源均衡因子及水資源生產(chǎn)能力進行修正、細化,提升評價結(jié)果的精度。