山東省城市用水量變化驅(qū)動(dòng)力分析

Analysis of Driving Forces for Changes in Urban Water Consumption of Shandong Province

WANG Yaolei ^1，2 ，CHEN Huawei ^2，3 ， LI Fulin ^2，3 ， ZHANG Jian ⁴ （204號(hào)

（1.School of Water Conservancy and Environment，University of Jinan，Jinan 25OO22，Shandong，China; 2.Water Resource Research Institute of Shandong Province，Jinan 25OO14，Shandong，China； 3.Key Laboratory of Water Resourcesand Environment of Shandong Province，Jinan 25oo14，Shandong，China; 4.Dezhou Water Resources Bureau，Dezhou 253O11，Shandong，China）

Abstract：Tofurtheranalyze thedriving forcesof waterconsumption change indiferentcities，basedonthe surveyand statistical dataof urban waterconsumption indicators in Shandong Provincefrom2O09 to2O20，principalcomponentanalysis and grey corelation method were used to reveal the driving forces of urban water consumption changes of Shandong Province.Theresults showthatindustrial structure indicators such as urbanizationrate，ndustrialadded value，percapita grossregional product，and tertiary industryadded value have the greatest impactonthechanges of urban water consumption in Shandong Province.Crop planting structure is an important indicator foroptimizing waterresource allocation.Qingdao Cityhas the highest driving forcescore andthe best water resources allcation.The grey corelation degres of water-saving irigation area，water consumption of state-owned and above-scale industries，annual average water consumptionof urban residentsandannual temperaturewith agricultural，industrial，domesticand ecological water consumptionare 0.871， 0.731，0.92Oand O.82O，respectively，whichare the main driving factors afecting urban water consumptionchanges.

Keywords：urban water consumption；driving force；principalcomponent analysis；grey correlation；Shandong Province

水資源系統(tǒng)具有非線性、復(fù)雜性和開放性等顯著特點(diǎn)，且與其他系統(tǒng)關(guān)系密切[1]。在自然界和人類社會(huì)中，流動(dòng)的水資源配置受到自然和人為的雙重驅(qū)動(dòng)，其中：人為驅(qū)動(dòng)因子較為活躍，短時(shí)間內(nèi)可深入影響水資源系統(tǒng)的配置情況；自然驅(qū)動(dòng)因子的影響需要長(zhǎng)時(shí)間的累積，相對(duì)穩(wěn)定[2]。明確用水驅(qū)動(dòng)力是完善水資源配置的必要途徑，能夠使水資源的經(jīng)濟(jì)、社會(huì)和環(huán)境價(jià)值得到更均衡、更有效的發(fā)揮。評(píng)價(jià)用水量變化驅(qū)動(dòng)力要充分考慮區(qū)域的經(jīng)濟(jì)狀況、人口數(shù)量和水資源稟賦等因素，雖然不同區(qū)域的驅(qū)動(dòng)力不盡相同，但也緊密地聯(lián)系在一起[3]。

氣候變化和社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力是影響全球水資源壓力的主要因素，而水資源壓力增加的重要原因是收入增加所刺激的生活用水量的變化[4]。受氣候條件驅(qū)動(dòng)，預(yù)計(jì)2050年瑞士的水資源供應(yīng)將會(huì)受到限制，原水價(jià)格將大幅提高[5]。我國(guó)水資源利用的供需矛盾日益加劇，各地水資源稟賦條件差異較大。Gao等[6研究了生產(chǎn)用水變化的驅(qū)動(dòng)因素，提出革新節(jié)水技術(shù)并以低用水量促進(jìn)經(jīng)濟(jì)增長(zhǎng)的舉措建議。全李宇等7研究發(fā)現(xiàn)，以工業(yè)為主的驅(qū)動(dòng)因子是目前河南省鄭州市水資源利用的重要驅(qū)動(dòng)因子。包鑫如等提出工業(yè)生產(chǎn)總值、國(guó)內(nèi)生產(chǎn)總值（GDP）等指標(biāo)是長(zhǎng)江經(jīng)濟(jì)帶主要水資源利用驅(qū)動(dòng)力。易晶晶等利用對(duì)數(shù)平均迪氏分解（LMDI）模型分析了廣東省產(chǎn)業(yè)用水的驅(qū)動(dòng)力和驅(qū)動(dòng)效應(yīng)，得到了產(chǎn)業(yè)結(jié)構(gòu)對(duì)用水產(chǎn)生負(fù)向驅(qū)動(dòng)的結(jié)論。劉兵等[10]研究了典型干旱灌區(qū)的用水驅(qū)動(dòng)力，提出了調(diào)整種植結(jié)構(gòu)和種植規(guī)模的建議。徐蘊(yùn)韻等[\"]運(yùn)用灰色關(guān)聯(lián)理論分析了南水北調(diào)東線江蘇段的用水驅(qū)動(dòng)力，提出了優(yōu)化地區(qū)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)控措施。吳昊等[12]研究發(fā)現(xiàn)，經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和人口演變等因素是影響江蘇省南京市水資源利用的主要驅(qū)動(dòng)力。

目前對(duì)用水量變化驅(qū)動(dòng)力的研究以時(shí)間演變?yōu)橹?，?duì)不同城市用水量的驅(qū)動(dòng)力分析較少。本文中以山東省為研究區(qū)，利用主成分分析和灰色關(guān)聯(lián)等方法研究不同城市用水量變化驅(qū)動(dòng)力，為實(shí)現(xiàn)水資源合理分配，提高用水效率，建設(shè)節(jié)水型社會(huì)提供參考。

研究方法與數(shù)據(jù)來(lái)源

1. 1 主成分分析

Pearson在1901年提出主成分分析這一多元統(tǒng)計(jì)分析的重要統(tǒng)計(jì)方法[13]，利用降維的思想在缺失少量信息的前提下，將多指標(biāo)轉(zhuǎn)換為幾個(gè)主要綜合指標(biāo)。轉(zhuǎn)換后的指標(biāo)關(guān)聯(lián)性較小，同時(shí)能有效反映總體信息，可以在一定程度上克服主觀隨意性，增加評(píng)價(jià)體系的可信性。本文中將統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案軟件包（SPSS）用于主成分分析的計(jì)算。

1. 2 基尼系數(shù)

基尼系數(shù)是用于定量評(píng)價(jià)收入分配差異的統(tǒng)計(jì)指標(biāo)[14]，取值為0＼～1，數(shù)值越小，財(cái)富分配越平均，表達(dá)式為

式中： G 為基尼系數(shù)； A_r 、 A_r+1 分別為 r，r+1 區(qū)域的總用水累積比例； B_r ） B_r+1 分別為 r，r+1 區(qū)域的各類型用水累積比例； n 是區(qū)域的個(gè)數(shù)。

基尼系數(shù)的評(píng)價(jià)區(qū)間劃分標(biāo)準(zhǔn)如表1所示。通常將0.4作為基尼系數(shù)的“警戒線”。

本文中將用水量分為農(nóng)業(yè)、工業(yè)、生活和生態(tài)4種類型。首先利用基尼系數(shù)評(píng)價(jià)各用水類型的空間分布情況，再將基尼系數(shù)與灰色關(guān)聯(lián)法相結(jié)合作為母序列，進(jìn)一步分析用水量變化的驅(qū)動(dòng)力。

1.3 灰色關(guān)聯(lián)分析

同一系統(tǒng)中2個(gè)因素變化趨勢(shì)的相似程度可用灰色關(guān)聯(lián)法進(jìn)行量化分析[15]。首先針對(duì)母序列 x₀ 和特征序列 x_i 進(jìn)行無(wú)量綱化處理，進(jìn)一步求解灰色關(guān)聯(lián)系數(shù)，表達(dá)式為

式中： x₀（k） 為時(shí)間序列 k 對(duì)應(yīng)的母序列， k=1 ，2，…， n;x_i（k） 為時(shí)間序列 k 對(duì)應(yīng)的指標(biāo) i 的特征序列，i=1，2，…。

得到關(guān)聯(lián)系數(shù)值后求解關(guān)聯(lián)度值，表達(dá)式為

式中關(guān)聯(lián)度 γ_i 取值為 0～1 ，數(shù)值越大關(guān)系越密切。最后將關(guān)聯(lián)度值排序，得出結(jié)論。

1.4 數(shù)據(jù)來(lái)源與選取

研究數(shù)據(jù)來(lái)源于歷年《山東省統(tǒng)計(jì)年鑒》《山東省水資源公報(bào)》，包括山東省各城市2009—2020 年的農(nóng)業(yè)、工業(yè)、生活、生態(tài)用水量以及各用水指標(biāo)等基礎(chǔ)數(shù)據(jù)資料。

用水量受到多種因素變化的影響，水資源配置的長(zhǎng)期演變是社會(huì)經(jīng)濟(jì)因素和自然環(huán)境變化因素共同作用的結(jié)果，例如，人口數(shù)量的增加導(dǎo)致生活用水量的增長(zhǎng)，城市環(huán)境質(zhì)量的改善和服務(wù)業(yè)的發(fā)展導(dǎo)致公共用水量的增加，重復(fù)利用率和用水定額水平的提高對(duì)工業(yè)用水變化的負(fù)驅(qū)動(dòng)作用等。通過(guò)比較分析，初步選取了12個(gè)具有代表性的指標(biāo)作為主成分分析的基本參數(shù)，如表2所示。

在灰色關(guān)聯(lián)度分析中，區(qū)域用水量分為農(nóng)業(yè)、工業(yè)、生活和生態(tài)用水量，選取了相應(yīng)的驅(qū)動(dòng)因子，如表3所示。

2 研究區(qū)概況

山東省位于中國(guó)東部沿海地區(qū)，下轄16個(gè)地級(jí)市，陸域面積為18.58萬(wàn) km² ，地跨黃河、淮河、海河、小清河和膠東水系，屬暖溫帶季風(fēng)氣候。山東省水資源的特點(diǎn)是總量不足，人均、地均占有量少，地區(qū)分布不均勻，年際年內(nèi)變化劇烈。全省多年人均占有水量為 298m³ ，屬于嚴(yán)重缺水地區(qū)[16] 。

水資源緊缺是山東的基本省情，也是制約社會(huì)經(jīng)濟(jì)發(fā)展的重要因素[17]。山東省2009—2020 年用水量的變化如圖1所示。由圖可以看出：全省年度用水量從2009年的219.99億 m³ 增加至2020年的222.5億 m³ ，波動(dòng)中略有上升，其中農(nóng)業(yè)用水量總體呈下降趨勢(shì)，工業(yè)用水量波動(dòng)上升，生活與生態(tài)用水量穩(wěn)步增加。2020年全省用水量較2019年略有下降，農(nóng)業(yè)生產(chǎn)仍為最大用水單元。

3結(jié)果分析

3.1 用水量變化驅(qū)動(dòng)力主成分分析

選取12個(gè)相關(guān)因子組成的序列對(duì)2020年山東省各城市的用水量變化驅(qū)動(dòng)力進(jìn)行主成分分析，總方差解釋如表4所示。按照以累積貢獻(xiàn)率大小選擇主成分的原則，選取表4中的前3個(gè)成分，累積貢獻(xiàn)率為 82.767% ，特征值均大于1。

成分矩陣如表5所示。由表可知，主成分1中荷載較高的因子均與產(chǎn)業(yè)結(jié)構(gòu)有關(guān)，城鎮(zhèn)化率、工業(yè)增加值、人均地區(qū)生產(chǎn)總值和第三產(chǎn)業(yè)增加值具有較大的正荷載量，萬(wàn)元國(guó)內(nèi)生產(chǎn)總值（GDP）用水量、第一產(chǎn)業(yè)產(chǎn)值比例和萬(wàn)元工業(yè)增加值用水量具有較大的負(fù)荷載量。主成分1的貢獻(xiàn)率為 43.832% ，說(shuō)明產(chǎn)業(yè)結(jié)構(gòu)驅(qū)動(dòng)因子影響最大，優(yōu)化區(qū)域內(nèi)的產(chǎn)業(yè)結(jié)構(gòu)是完善水資源配置的重點(diǎn)。主成分1的回歸方程為

Y₁=-0.386X₁+0.38X₂-0.37X₃+0.364X₄+0.359X₅+ 0.346X₆-0.286X₇+0.081X₈-0.194X₉+0.119X₁₀+ 0. 171X1 -0. 138X12，

式中： Y₁ 為主成分1的分值； X₁ 為萬(wàn)元GDP用水量； X₂ 為城鎮(zhèn)化率； X₃ 為第一產(chǎn)業(yè)產(chǎn)值比例； X₄ 為工業(yè)增加值； X₅ 為人均地區(qū)生產(chǎn)總值； X₆ 為第三產(chǎn)業(yè)增加值； X_γ 為萬(wàn)元工業(yè)增加值用水量； X₈ 為年均降水量； X₉ 為有效灌溉面積； X₁₀ 為建成區(qū)綠化覆蓋率； X₁₁ 為廢水排放量； X₁₂ 為農(nóng)作物種植結(jié)構(gòu)。

主成分2的貢獻(xiàn)率是 24.432% ，其中貢獻(xiàn)較大的是年均降水量、有效灌溉面積、建成區(qū)綠化覆蓋率和廢水排放量（廢水排放量包括工業(yè)廢水與城鎮(zhèn)生活污水排放量），代表了自然因素、農(nóng)業(yè)與環(huán)境因素對(duì)用水量變化的影響。主成分2的回歸方程為

052X₅+ 0. 253X6-0.048X，-0. 424Xg-0. 411X，-0. 407X10 + 0. 405X +0. 353X12 ，

式中 Y₂ 為主成分2的分值。

主成分3的貢獻(xiàn)率為 14.503% ，主要代表因子為農(nóng)作物種植結(jié)構(gòu)，具有較大的正荷載量，在主成分2中也有一定的貢獻(xiàn)量，表明農(nóng)作物種植結(jié)構(gòu)對(duì)用水量變化的影響是多方面的，是用水量變化優(yōu)化效果最顯著的指標(biāo)之一。主成分3的回歸方程為

0. 178X.， +0. 517X12 ，

式中 Y₃ 為主成分3的分值。

根據(jù)上述3個(gè)主成分的特征值和貢獻(xiàn)率，可得主成分 Y 的綜合得分計(jì)算式為

主成分分析模型計(jì)算得到的山東省各城市用水量驅(qū)動(dòng)力綜合得分如表6所示。從表中可以看出，各城市中青島市得分最高，水資源配置情況最好。

山東省各城市用水量驅(qū)動(dòng)力在主成分1、2上的分布如圖2所示。從圖中可以看出，驅(qū)動(dòng)力因子未呈現(xiàn)明顯的聚集分布，同一劃分區(qū)域（魯中、魯北、膠東半島和魯南魯西南）內(nèi)各城市用水量變化驅(qū)動(dòng)力無(wú)明顯相似，其中菏澤、和濱州市的分布較為聚集，相關(guān)性較強(qiáng)，水資源配置情況相似。

3.2 用水量變化情況評(píng)價(jià)

將山東省2009—2020 年用水量分為農(nóng)業(yè)、生活、工業(yè)與生態(tài)4個(gè)部分，利用基尼系數(shù)評(píng)價(jià)用水量的變化，如圖3所示。由圖可以看出，2009—2020年全省農(nóng)業(yè)用水量的基尼系數(shù)評(píng)價(jià)為絕對(duì)平均，保持增加趨勢(shì)；工業(yè)與生活兩類用水量的基尼系數(shù)評(píng)價(jià)為比較平均，年際變化不大，除2019年外，同期差值均在 3% 以內(nèi)；生態(tài)用水量的基尼系數(shù)離散程度最大，其中2019年的最大值為0.48，且12a內(nèi)有7a的基尼系數(shù)均超過(guò)了“警戒線”，表明山東省農(nóng)業(yè)用水量的空間配置最好，工業(yè)用水量和生活用水量次之，生態(tài)用水量配置最差，年際差異較大。

3.3 基于灰色關(guān)聯(lián)的驅(qū)動(dòng)力分析

按時(shí)間序列對(duì)驅(qū)動(dòng)因子取值，水資源配置的基尼系數(shù)為參考值，即母序列，各驅(qū)動(dòng)因子為特征序列。根據(jù)數(shù)值大小將關(guān)聯(lián)度分為3個(gè)等級(jí)：關(guān)聯(lián)度為 0～0.35 時(shí)，為弱相關(guān)；關(guān)聯(lián)度為 gt;0.35～0.70 時(shí)，為中等相關(guān)：關(guān)聯(lián)度為 gt;0.70～1.00 時(shí)，為強(qiáng)相關(guān)。山東省城市用水量驅(qū)動(dòng)因子的灰色關(guān)聯(lián)度計(jì)算及評(píng)價(jià)結(jié)果如表7所示。由表可知：各驅(qū)動(dòng)因子的灰色關(guān)聯(lián)度均大于0.5，具有一定的代表性。在時(shí)間序列上，節(jié)水灌溉面積對(duì)農(nóng)業(yè)用水的影響最大，灰色關(guān)聯(lián)度為0.871，農(nóng)作物種植結(jié)構(gòu)和有效灌溉面積的灰色關(guān)聯(lián)度都大于0.6，年均降水量與林牧漁產(chǎn)值占比的影響次之。山東省節(jié)水灌溉面積占有效灌溉面積的比例從2009年的 43.78% 增加為2020年的70.69% ，可見這一指標(biāo)的增加可縮短年際和各城市間的農(nóng)業(yè)用水差距，對(duì)提升農(nóng)田灌溉用水效率也具有重要意義。同樣地，2020年山東省耕地面積約為2008年的 65% ，加上農(nóng)作物種植結(jié)構(gòu)的調(diào)整，糧食作物播種面積占農(nóng)作物播種面積比例的逐年提高，都使得農(nóng)業(yè)用水的利用更加科學(xué)、合理[18]

在影響工業(yè)用水合理性的因子中，前4項(xiàng)關(guān)聯(lián)強(qiáng)度均為強(qiáng)相關(guān)，國(guó)有及規(guī)模以上工業(yè)用水量的灰色關(guān)聯(lián)度為0.731，最后一項(xiàng)火電工業(yè)用水量的關(guān)聯(lián)度也在0.6以上。在第二產(chǎn)業(yè)比重逐年下降的前提下，工業(yè)產(chǎn)值和國(guó)有規(guī)模以上工業(yè)用水量穩(wěn)步增加，萬(wàn)元工業(yè)增加值用水量逐年減少，更凸顯了山東省工業(yè)用水向著更科學(xué)、合理的生產(chǎn)方向前進(jìn)[19]值得注意的是，2018年前火電工業(yè)用水量呈上升趨勢(shì)，對(duì)年際間用水均衡性的影響很大，對(duì)這一高耗水、高污染的行業(yè)要予以管控

在影響生活用水均衡性的因子中，城鎮(zhèn)居民生活年均用水量、城鎮(zhèn)化率和第三產(chǎn)業(yè)比重的灰色關(guān)聯(lián)呈強(qiáng)相關(guān)，灰色關(guān)聯(lián)度分別為0.920、0.855和0.837，人口自然增長(zhǎng)率為中等相關(guān)。生活水平的提高、人口增長(zhǎng)和城鎮(zhèn)化發(fā)展所帶來(lái)的生活方式的改善和第三產(chǎn)業(yè)結(jié)構(gòu)的發(fā)展，將會(huì)是很長(zhǎng)一段時(shí)間內(nèi)影響用水合理性的主要因素，普及節(jié)水意識(shí)，增加節(jié)水器具使用率，是提高生活用水均衡性和用水效率的重要措施，同時(shí)在城鎮(zhèn)化率逐年提升而人口自然增長(zhǎng)率快速下降的趨勢(shì)下，城鎮(zhèn)相關(guān)生活用水的優(yōu)化顯得尤為重要。

在生態(tài)用水驅(qū)動(dòng)因子中，年均氣溫與建成區(qū)綠化覆蓋面積為強(qiáng)相關(guān)，其中年均氣溫的灰色關(guān)聯(lián)度最大，為0.820，年均降水和公園面積呈中等相關(guān)。隨著人們生態(tài)文明意識(shí)的不斷提高，城市生態(tài)面積逐年增加，生態(tài)用水會(huì)成為越來(lái)越重要的驅(qū)動(dòng)因素[20] 。

4結(jié)論

本文中利用主成分分析和灰色關(guān)聯(lián)等方法研究山東省不同城市用水量變化驅(qū)動(dòng)力，從相關(guān)因子中提取了影響用水量變化的主要成分，評(píng)價(jià)了2009—2020年用水量的空間分布情況，同時(shí)對(duì)不同類型用水量的驅(qū)動(dòng)因子進(jìn)行了分析，得到如下主要結(jié)論：

1）城鎮(zhèn)化率、工業(yè)增加值、人均地區(qū)生產(chǎn)總值和第三產(chǎn)業(yè)增加值等產(chǎn)業(yè)結(jié)構(gòu)因子為主成分1，對(duì)山東省用水量變化的影響最大，累積貢獻(xiàn)率為 43.832% 。年均降水量、有效灌溉面積、建成區(qū)綠化覆蓋率和廢水排放量等因子組成主成分2，累積貢獻(xiàn)率為24.432% 。主成分3的累積貢獻(xiàn)率 14.503% ，主要代表因子為農(nóng)作物種植結(jié)構(gòu)，具有較大的正荷載量。在該主成分分析模型下，青島市的得分最高，水資源配置情況最好。

2）山東省2009—2020年農(nóng)業(yè)用水量的配置最好，基尼系數(shù)評(píng)價(jià)為絕對(duì)平均；工業(yè)和生活用水量的基尼系數(shù)評(píng)價(jià)為比較平均，空間分布較為合理；生態(tài)用水量空間分布不均衡，基尼系數(shù)評(píng)價(jià)多為差距較大。

3）節(jié)水灌溉面積與農(nóng)業(yè)用水量的基尼系數(shù)的關(guān)系為強(qiáng)相關(guān)，關(guān)聯(lián)度為0.871；國(guó)有及規(guī)模以上工業(yè)用水量、萬(wàn)元工業(yè)增加值用水量、第二產(chǎn)業(yè)比重、工業(yè)產(chǎn)值與工業(yè)用水量的基尼系數(shù)呈強(qiáng)相關(guān)關(guān)系，其中國(guó)有及規(guī)模以上工業(yè)用水量灰色關(guān)聯(lián)度最高，為0.731；在生活用水的驅(qū)動(dòng)因子中，城鎮(zhèn)居民生活年均用水量、城鎮(zhèn)化率和第三產(chǎn)業(yè)比重為強(qiáng)相關(guān)，城鎮(zhèn)居民生活年均用水量關(guān)聯(lián)度最大，為0.920；年均氣溫、建成區(qū)綠化覆蓋面積與生態(tài)用水量基尼系數(shù)關(guān)系為強(qiáng)相關(guān)，年均氣溫的關(guān)聯(lián)度最大，為0.820。

4）膠東半島和魯中地區(qū)的城市用水量驅(qū)動(dòng)力綜合得分較高，工業(yè)和服務(wù)業(yè)發(fā)達(dá)，應(yīng)進(jìn)一步優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，完善第三產(chǎn)業(yè)用水定額標(biāo)準(zhǔn)。魯南魯西南和魯西北地區(qū)是山東省主要的產(chǎn)糧基地，在主成分分析中排名較為靠后，應(yīng)大力發(fā)展農(nóng)業(yè)節(jié)水技術(shù)，提升水資源利用效率。

5）節(jié)水意識(shí)的普及、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整以及生活方式的變更等對(duì)水資源分配利用有著深遠(yuǎn)的影響。山東省應(yīng)著力落實(shí)節(jié)水措施，適當(dāng)調(diào)整農(nóng)作物的種植結(jié)構(gòu)，優(yōu)化城鎮(zhèn)生活的用水配置，重點(diǎn)關(guān)注經(jīng)濟(jì)、民生用水情況。

參考文獻(xiàn)：

[1] 李謹(jǐn)，董亞軍，傅新，等．基于生態(tài)足跡法的徒駭河-馬頰河流域水資源承載力動(dòng)態(tài)分析與預(yù)測(cè)[J]．大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，36（5）：524.

[2] 王樹旺．區(qū)域用水結(jié)構(gòu)演變規(guī)律及驅(qū)動(dòng)力分析[D]．合肥：合肥工業(yè)大學(xué)，2015.

[3] 張兵兵．中國(guó)用水結(jié)構(gòu)優(yōu)化研究［D]．杭州：浙江大學(xué)，2017.

[4] ALCAMO J， FLORKE M， MARKER M. Future long-term changesin global water resources driven by socio-economic and climaticchanges[J]. Hydrological Sciences Journal，2007，52（2）： 247.

[5] FAUST AK，GONSETHC，VIELLE M. The economic impact ofclimate-driven changes in wateravailability in Switzerland[J].WaterPolicy，2015，17（5）：848.

[6] GAOC，XIER，ZHANGYG，etal.Drivers ofdynamicevolu-tion in provincial production water usage： perspective of regional

（上接第331頁(yè)）

[20] 呂建樹，張祖陸，劉洋，等．日照市土壤重金屬來(lái)源解析及環(huán)境風(fēng)險(xiǎn)評(píng)價(jià)[J]．地理學(xué)報(bào)，2012，67（7）：971.

[21] 李偉，孫晶，熊健，等．西藏拉魯濕地表層土壤重金屬分布特征和風(fēng)險(xiǎn)評(píng)價(jià)[J]．環(huán)境科學(xué)與技術(shù)，2023，46（1）：92.

[22] 于元赫，呂建樹，王亞夢(mèng)．黃河下游典型區(qū)域土壤重金屬來(lái)源解析及空間分布[J]．環(huán)境科學(xué)，2018，39（6）：2865.

[23] GIERSZJ，BARTOSIAKM，JANKOWSKIK.Sensitivedetermi-nation of Hg together with Mn，F(xiàn)e，Cu bycombined photochemi-cal vapor generation and pneumatic nebulizationin the program-mable temperature spray chamber and inductively coupled plasmaoptical emissionspectrometry[J].Talanta，2017，167：279.

[24]KARIMZ，QURESHIBA，MUMTAZM，et al.Heavy metalcontent in urban soilsasan indicator of anthropogenic and naturalInternational，2021，28（12）：15130.

[7］全李宇，牛超杰，劉成帥，等．鄭州市用水結(jié)構(gòu)演變及驅(qū)動(dòng)力分析［J]．水電能源科學(xué)，2022，40（10）：48.

［8］包鑫如，張行南，張文婷，等.長(zhǎng)江經(jīng)濟(jì)帶用水結(jié)構(gòu)演變及驅(qū)動(dòng)力分析[J]．長(zhǎng)江科學(xué)院院報(bào)，2023，40（2）：19.

[9]易晶晶，陳志和．基于LMDI模型的廣東省產(chǎn)業(yè)用水驅(qū)動(dòng)力和驅(qū)動(dòng)效應(yīng)分析［J]．人民珠江，2019，40（8）：39.

［10］劉兵，何新林，張少博，等．干旱灌區(qū)用水結(jié)構(gòu)演變及驅(qū)動(dòng)力分析[J]．中國(guó)農(nóng)村水利水電，2017（4）：12.

［11］徐蘊(yùn)韻，吳昊，李永泰，等．南水北調(diào)東線江蘇段用水結(jié)構(gòu)及其時(shí)空演變[J]．水資源保護(hù)，2022，38（2）：97.

[12］吳昊，華驊，王臘春，等．區(qū)域用水結(jié)構(gòu)演變及驅(qū)動(dòng)力分析[J]．河海大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，44（6）：477.

[13]LIT，ZHANGHC，YUANC，etal.APCA-based method forconstruction of composite sustainability indicators[J].The Inter-national Journal ofLife Cycle Assessment，2012，17：593.

[14]DARKWAHKA，NORTEYENN，LOTSIA.Estimationof theGini coefficient for the lognormal distribution of income using theLorenz curve[J].SpringerPlus，2016，5：1196.

[15］孫秀秀，王維平，李文良，等．基于投入產(chǎn)出表的山東省水資源利用狀況研究[J]．大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，35（3） ： 223.

［16］陳學(xué)群，管清花，題宇洋，等．水資源剛性約束研究與山東實(shí)踐[J]．中國(guó)水利，2022（16）：14.

［17］吳振，李福林，陳華偉，等．基于優(yōu)化配置的多水源多環(huán)節(jié)綜合水價(jià)研究[J]．中國(guó)農(nóng)村水利水電，2021（9）：76.

［18］欒軍強(qiáng)，王榮成，朱子媛，等．山東省糧食供需變動(dòng)下農(nóng)業(yè)生產(chǎn)格局研究[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2021，42（8）：201.

［19］刁子乘，趙晶，韓宇平．中國(guó)北方地區(qū)工業(yè)用水邊際效益及影響因素研究［J]．人民珠江，2022，43（11）：8.

[20]趙賓華，黃金華，李占斌，等.基于AHP-熵值法組合賦權(quán)的甘肅省城市生態(tài)用水安全綜合評(píng)價(jià)及影響因素分析[J]．水土保持通報(bào)，2023，43（1）：167.

（責(zé)任編輯：于海琴）

influencesonlandscape of Karachi：amultivariate spatio-temporal analysis[J].Ecological Indicators，2014，42：20.

[25] LI XY，LIULJ，WANGYG，et al.Heavy metal contamination ofurbansoil inan old industrial city（Shenyang）in Northeast China[J].Geoderma，2013，192（1）：50.

[26] LYUJS，LIUY，ZHANGZL，etal.Identifying theorigins and spatial distributions of heavy metals in soils ofJu country（Eastern China）using multivariate and geostatistical approach[J]. Journal of Soils and Sediments，2015，15（1）：163.

[27]LU A X，WANG JH，QIN XY，et al. Multivariate and geostatistical analyses of the spatial distributionand originof heavy metals inthe agricultural soils inShunyi，Beijing，China[J].Science of the Total Environment，2012，425：66.

（責(zé)任編輯：于海琴）