Characteristics Deconstruction and Evolution Factors of Cross-regional Water Transfer Network

Teng QIN

PDF(2772 KB)
China Rural Water and Hydropower ›› 2022 ›› (5) : 157-163.

Characteristics Deconstruction and Evolution Factors of Cross-regional Water Transfer Network

Author information +
History +

Abstract

Based on the data of multi-regional input-output table and water resources bulletins in the year of 2007 and 2017, the relationships related to water transfers between different regions are identified. Then the characteristics of cross-regional water transfer network and its determinants can be revealed with social network analysis and ecological network analysis. The results show that relationships related to regional water transfers have developed into network topology with a “core-periphery structure”. However, the stability and transmission efficiency still need to be improved. Jiangsu and Guangdong occupy the center of the production-based and consumption-based regional water transfer networks. Xinjiang, Heilongjiang, Hunan and Jiangxi play a more producer role with a high out-degree; Guangdong, Chongqing, Zhejiang and Shaanxi play a more consumer role with a high in-degree; Jiangsu, Anhui and Henan with play a more transit role a high betweenness degree. QAP analysis shows that geographical location, close economic linkage and high openness are all beneficial to the formation and evolution of cross-regional water transfer network.

Key words

water resources / cross-regional transfer / multi-regional input-output analysis / network analysis

Cite this article

Download Citations
Teng QIN. Characteristics Deconstruction and Evolution Factors of Cross-regional Water Transfer Network. China Rural Water and Hydropower. 2022, 0(5): 157-163

0 引 言

庞大的人口基数和快速的经济增长决定了水资源短缺将是我国长期面临的重大挑战之一,与此同时,城镇化发展导致的大量人口和产业高度集聚进一步加剧了高密度区域的用水矛盾。如何有效落实《最严格水资源管理制度》,保障“三条红线”战略目标的顺利实现成为全社会共同关注的重要内容。作为关键的基础性生产要素之一,水资源与产业部门之间存在密切关系,有研究指出,80%以上的水资源消耗是通过直接或者间接的经济生产活动完成,更多的是以贸易或者最终消费的形式被人类利用1。为了更好地发挥自身的比较优势和弥补资源禀赋和技术等方面的缺陷,各地区通常会进行频繁的中间产品交换和最终产品贸易,由此导致水资源要素也在省域间频繁流动和转移。近年来在区域一体化战略和市场机制的双重推动下,省域间的商品流通速度不断加快,贸易往来也进一步加深,使得区域之间的水资源转移关系已经突破地理空间范围的限制,逐渐呈现为多节点、多路径的复杂网络结构形态2。可以预见的是,随着十九届五中全会提出“要破除妨碍生产要素市场化配置和商品服务流通的体制机制障碍,构建需求牵引供给、供给创造需求的高水平动态平衡国内大循环体系”,区域间水资源转移的网络结构特征将会更加明显。在这种情形下,继续执行单边水资源政策已无法有效应对区域间复杂多变的水资源问题,反而会弱化区域整体的政策实施效果。因此,有必要深入揭示跨区域水资源转移的网络结构特征及关键诱因,有效识别各地区在空间关联网络中的地位和角色,从而实现跨区域水资源的协调配置。
跨区域贸易导致的区域间水资源关系网络化为区域水资源政策的制定带来了新的机遇和挑战,而从网络视角探讨区域和产业间水资源关系的研究近年来也逐渐兴起。自Li首次将生态网络方法分析(Ecological Network Analysis,ENA)应用于黄河流域用水系统可持续发展评价后3,Mao4、Fang5、王悦斌6、谈箐7和阎晓东8等学者先后将其用于白洋淀流域、黑河流域、滇池流域、黄淮海流域以及中国区际农产品用水系统作用机制分析的研究中,为丰富流域和产业层面的水资源优化方案提供了有益借鉴。然而生态网络分析方法过分关注于个体属性的刻画及内部对象之间的作用关系,导致其难以有效揭示内部对象之间复杂的网络结构形态。针对这一缺陷,部分学者开始尝试将社会网络分析方法(Social Network Analysis,SNA)引入水资源的研究中,孙克9、徐绪堪10、孙才志11和秦腾12等先后利用此方法对中国灰水足迹、水足迹强度和水资源绿色效率以及安徽省用水量的空间关联网络结构特征进行了具体分析。
可以看出,学者们已经意识到水资源问题网络化的重要性,且取得了丰硕的研究成果,然而目前大部分研究多是基于各对象相互独立的数据,然后利用数理模型识别和构建各对象之间的用水关系,较少从要素流动视角考察地区及产业之间的水资源转移关系,导致分析结论及政策制定缺乏一定的科学性。现有研究中仅有孙才志和郑靖伟13结合投入产出分析考察了中国水足迹空间关联网络结构及属性特征,但是其研究一方面没有从消费侧角度揭示关系网络的形成机理,另一方面也缺乏对水资源转移网络动因的识别。有鉴于此,本文利用投入产出模型对中国区域间水资源转移关系进行构建,从而利用社会网络分析和生态网络分析方法多维度解构跨区域水资源转移网络结构特征,并进一步解析影响网络结构演变的诱因,以期为构建更加合理的跨区域水资源协同长效管理机制提供有效的决策参考。

1 网络建模与数据来源

1.1 跨区域水资源转移网络建模

基于各地区独立的投入产出表和区域间贸易数据综合编制而成的区域间投入产出表,通过将区域间商品和服务流入、流出内生化,能够较为全面系统地反映各区域间之间的经济联系14,也常被用于刻画各区域不同部门之间用水的物质技术联系。假设存在 m个区域,每个区域有 n个生产部门,则区间内投入产出模型的数学结构由 m×n个线性方程构成15。令 Wr r国的直接用水系数列向量,表示 r国各部门单位产出引致的用水量,矩阵 B为完全需求矩阵或列昂惕夫逆矩阵,矩阵 Y为最终产品需求矩阵,则完全需水矩阵 WT可表示为:
WT=W1000W2000WmB11B12B1mB21B22B2mBm1Bm2BmmY11Y12Y1mY21Y22Y2mYm1Ym2Ymm      =W1rmB1rYr1W1rmB1rYr2W1rmB1rYrmW2rmB2rYr1W2rmB2rYr2W2rmB2rYrmWmrmBmrYr1WmrmBmrYr2WmrmBmrYrm=WT11WT12WT1mWT21WT22WT2mWTm1WTm2WTmm
上式中的 WTij表示区域 i转移至区域 j的水资源数量。由于本文关注的只是区域间的水资源转移情况,因此将对角线设置为0,得到的水资源转移矩阵 WT'如下:
WT'=0WT12WT1mWT210WT2mWTm1WTm20
按照式(2)中的水资源转移关系可构建由众多节点和节点间连线构成的水资源转移网络,而根据节点间关系强度是否有差异,水资源转移网络又可分为加权网络和无权网络。在加权网络中,节点间的“关系数据” ωij是节点间水资源转移量归一化后的数据,既能更加反映水资源转移网络的实际情况,也不影响最终结果,而无权网络则是将节点间的水资源转移量与总体均值进行对比,超过均值赋值1,否则赋值0,最终将式(2)转化为二值有向矩阵。

1.2 网络结构特征分析

结合社会网络分析(SNA)16和生态网络分析(ENA)两种方法1718,从网络密度、网络关联度、网络效率和循环指数等方面来刻画水资源转移网络的整体特征19;基于TOP1等级网络来反映网络中最主要的信息20;通过度数中心度和中介中心度以及控制分配系数21来揭示网络中各节点的个体特征;最后运用QAP分析来挖掘影响水资源转移网络的关键因素。

1.3 数据来源与说明

基于数据的时效性、可得性和可比性,本文选用的投入产出数据来自于《2007年中国30个省市区域间投入产出表》和《2017年中国30个省市区域间投入产出表》(未包括西藏自治区、台湾地区、香港和澳门特别行政区)。与对应的年份一致,各地区的实际用水量来源于2007年和2017年的《中国水资源公报》以及2008年和2018年的《中国统计年鉴》。

2 跨区域水资源转移网络特征

基于中国区域间投入产出表和各省市的水资源数据,利用Ucinet可视化工具Netdraw绘制出2007年及2017年中国30省市跨区域水资源转移无权网络图(图1),动态展示跨区域水资源转移网络格局。可以直观地看出,随着区域间资源、贸易和信息等方面流通速度的逐渐加快,除极少数节点(2007年的海南、2017年的青海和宁夏)外,区域间的水资源转移关系趋于网络化,已经超出了单纯地理学意义上的邻近效应,不断向更宽和更广的层面演化。相较于2007年,2017年网络整体变化不大,资源禀赋和经济体量较大的省份在网络中处于核心地位,网络结构较为稳定。
Fig.1 Unweighted network of cross-regional water transfers

图1 水资源转移无权网络对比

Full size|PPT slide

为了直观显示水资源转移量的大小,进一步展示出水资源转移加权网络图(图2),可以看出2017年节点间加粗的连线数量增多,反映出区域间水资源转移量呈现扩大趋势。此外,水资源转移的空间格局也发生了明显变化,2007年水资源空间转移主要表现为广西和湖南向广东的调出、新疆向甘肃的调出以及黑龙江向吉林的调出,而2017年表现为江苏向广东和湖南的调出以及新疆向广东和山东的调出,水资源调出地更为集中。这种水资源转移空间格局的形成一方面与地理因素有关,主要表现为水资源要素倾向邻近地区转移,如新疆向甘肃的调出和江苏向山东的调出,而一方面则与区域间的贸易发生量和经济联系有关,如新疆向山东和广东的调出,而后者也是水资源转移空间格局变化的主要原因。
Fig.2 Weighted network of cross-regional water transfers

图2 水资源转移加权网络对比

Full size|PPT slide

2.1 空间关联整体网络特征

探究水资源转移网络的演变规律,有赖于对其整体网络特征的把握,本文主要从网络紧密程度和网络流通效率两个方面进行刻画,具体如表1所示。
Tab.1 Overall features of network structure

表1 整体网络结构特征

年份

实际

关系数

理论

关系数

网络

密度

网络关联度

网络

等级度

网络

效率

平均

距离

循环

指数

2007 269 870 0.309 0.805 0.25 0.542 1.736 0.277
2017 298 870 0.343 0.778 0.204 0.433 1.638 0.299
(1)网络紧密程度。相较于2007年,2017年跨区域水资源转移网络实际关系总数和网络密度均有一定程度的提高,分别为298个和0.343,表明区域间的空间用水关联愈发密切。但是从数值上看,目前我国区域间的用水关联程度并不是很高,整体网络的关联性和稳定性还有待进一步加强。网络关联度有所下降,由2007年的0.805变为0.778,说明网络的连通性和可达性有所减弱,主要原因在于整体网络的孤立节点增多,而未来如何增强图1中青海、宁夏两个孤立节点与网络中其他节点间的用水联系,将是完善整体网络结构,增强网络整体关联性的重点所在。
(2)网络流通效率。从表1中的平均距离、循环指数和网络效率来看,2017年的平均距离缩短,由1.736下降为1.638,表明网络中任意两个节点之间建立联系的时间和成本均有所降低,各省份内部的用水变化可以更快地传递到其他省份;循环指数有所上升,由2007年的0.277增加为2017年的0.299,表明区域间水资源循环流通比例增加,反映出整体网络结构趋于均衡发展,节点间对外溢出的可能性增强,由此导致各省份之间取得用水联系的方式和渠道更加顺畅,而从表1中的网络等级度也可以明显看出,2017年网络等级度0.204相较于2007年的0.25也有很大程度的降低;在平均距离下降和循环指数上升的情况,网络效率由2007年的0.542下降为2017年的0.433,反映出网络中存在大量的冗余连线且2017年这种现象进一步增强,区域间多重叠的用水关联关系降低了整体网络的传导效率,结合前文关于网络密度的分析,未来提升省域间水资源流通速率的重点应是如何优化整体网络结构,减少节点间的冗余连线,而不是单纯降低网络密度以及由此导致的网络稳定性下降。

2.2 TOP1等级网络分析

为了准确直观地展示网络中的最主要信息,进一步从生产侧和消费侧绘制了2007年和2017年水资源转移TOP1网络,其中生产侧进口水资源转移TOP1网络如图3所示。可以看出,2007年该网络呈现一个主网络加两个分支网络的形态,其中主网络是以新疆和江苏为主要核心的“双核”模式,而分支网络分别是以黑龙江和广东为核心的“单核”模式,随着区域间用水联系的不断增强,2017年呈现为完整的“双核”网络结构形态,而江苏则取代新疆,成为大多数省份的第一水资源输入地区,从水资源输出量来看,2017年江苏向其他地区输出的水资源量占区域间水资源转移总量的10%以上,且其输送的地区覆盖的范围较为广泛,反映出区域间的贸易往来和经济联系才是水资源转移的源动力,未来应该更加注重经济中心的水资源宏观调配。
Fig.3 TOP1 network of cross-regional water transfers on the production side in 2007 and 2017

图3 2007及2017年生产侧进口水资源转移TOP1网络

Full size|PPT slide

图5展示了消费侧出口水资源转移TOP1网络的变化情况,与进口水资源转移TOP1网络类似,2007年该网络呈现为多核心、多分支的网络结构形态,以广东、浙江和上海为核心构成主网络,而以吉林为核心构成分支网络,而到了2017年则转变为以广东为主要核心的“单核”网络结构形态,区域间消费侧的水资源转移更加集中,从水资源输入量来看,2017年广东输入的水资源量占区域间水资源转移总量的10%以上,进一步验证了经济发达地区在水资源转移网络中的核心地位,未来其水资源需求变化应被列为区域用水空间分布及水资源战略规划的重要内容。
Fig.4 TOP1 network of cross-regional water transfers on the consumption side in 2007 and 2017

图4 2007及2017年消费侧出口水资源转移TOP1网络

Full size|PPT slide

Fig.5 Control relationship between the core region and other regions in 2017

图5 2017年核心地区对其他地区的控制关系

Full size|PPT slide

2.3 空间关联个体网络特征

基于无权网络对水资源转移网络的拓扑属性进行分析,以此来揭示各地区在水资源转移整体网络中的地位和作用,本文主要选取度数中心度和中介中心度指数对2017年30个省份的个体网络特征进行刻画,并结合控制分配系数就核心地区对其他地区水资源溢出关系的支配程度进行剖析,具体如表2所示。
Tab.2 Network centrality of cross-regional water transfers

表2 跨区域水资源转移网络中心度

省份 度数中心度 中介中心度
点出度 点入度 中心度 排序 中心度 排序
北京 0 14 48.276 13 0 18
天津 0 10 34.483 20 0 19
河北 11 11 37.931 17 0.226 12
山西 2 6 20.690 24 0 20
内蒙古 15 10 51.724 10 0.452 10
辽宁 6 6 20.690 25 0 21
吉林 7 7 24.138 23 0.125 14
黑龙江 25 8 86.207 3 1.181 7
上海 4 11 37.931 18 0 22
江苏 26 19 89.655 1 14.881 1
浙江 12 20 68.966 9 4.122 5
安徽 25 18 86.207 4 10.538 2
福建 9 4 31.034 22 0 23
江西 15 4 51.724 11 0 24
山东 7 10 34.483 21 0.025 16
河南 20 21 72.414 6 9.404 3
湖北 14 9 48.276 14 0.439 11
湖南 21 11 72.414 7 1.395 6
广东 9 25 86.207 5 8.950 4
广西 14 5 48.276 15 0 25
海南 1 0 3.448 28 0 26
重庆 2 21 72.414 8 0.515 9
四川 11 8 37.931 19 0.173 13
贵州 2 4 13.793 27 0 27
云南 3 14 48.276 16 0.014 17
陕西 5 15 51.724 12 0.067 15
甘肃 6 2 20.690 26 0 28
青海 0 0 0 29 0 29
宁夏 0 0 0 30 0 30
新疆 26 5 89.655 2 0.695 8
均值 9.933 9.933 46.322 1.733
根据水资源流向的不同,度数中心度分为点入度和点出度,从表2中来看,点出度较高且明显大于点入度的省份分别有新疆、黑龙江、湖南和江西等地,上述省份的点出度均大于等于15,对其他省份水资源的溢出效应较为明显,不难看出,上述省份大多位于我国农业较为发达的东北平原或长江中下游平原地区,农业产品比重较大使得在这些地区与其他地区进行水资源转移过程中处于劣势地位,更多地扮演着“生产者”的角色,虽然在水资源转移网络中处于核心地位,但是在水资源转移量上呈现为净出口状态;点入度较高且明显大于点出度的省份分别有广东、重庆、浙江、陕西和北京等地,上述地区或位于经济较为发达的珠三角和长三角,或位于水资源较为贫乏的西北和京津冀地区,对其他地区水资源输入的依赖作用较为明显,在水资源转移网络中扮演着“消费者”的角色;点入度和点出度均较高且两者相差不大的省份分别有江苏、安徽和河南等地,与前两类地区相比,上述省份与其他地区的前后向联系均较强,不仅承受其他地区较多的水资源输入,同时其自身的水资源也不断向其他地区进行溢出,更多地扮演着“中转者”的角色。
中介中心度较高的省份分别有江苏、安徽、河南、广东和浙江等地,这些省份的中介中心度数值均超过4,表明这些地区在跨区域水资源转移网络中分别控制着超过4条以上的水资源溢出渠道,其中,以江苏为代表的长三角地区,控制着超过50%以上的水资源转移路径,凸显出长三角地区对整个网络的强大的控制力,是保障跨区域水资源转移网络得以有效运行的重要中转站。很显然,依托于长江黄金水道的长三角地区不仅经济较为发达,进出口贸易量占全国比重较高,而且交通运输体系也较为完备,以铁路、公路、航空和水路构成的综合立体交通走廊有力地保障了水要素的流转,使得长三角地区成为的水资源转移网络中的关键枢纽,这与前文关于长三角地区点入度和点出度均较高的结论也较为一致。
进一步就核心地区对其他地区的控制关系展开分析,以便更好地进行地区间的协同合作,具体如图5所示。可以看出,虽然同为核心节点,但是各地区之间的控制力差异较大,其中江苏和安徽对其他地区的控制力度较大,江苏掌握着北京、上海和辽宁超过13%的水资源转移渠道,而安徽则操纵着四川和广东近10%的水资源转移路径,再一次反映出长三角地区对于水资源转移整体网络的核心控制力,而且其控制的地区不限于长三角区域内部,已逐渐向京津冀、西南和东北等地扩散和辐射,未来不断应加强和注重这些地区与长三角地区用水关系的协调和合作,为优化跨区域水资源转移网络结构提供有效助力。

3 水资源转移网络影响因素分析

3.1 模型设定与指标选取

水资源转移网络的演变有赖于诸多因素的共同作用,本文拟采用社会网络分析中的非线性二次指派程序(Quadratic Assignment Procedure,QAP)方法,对其中的关键因素进行实证考察。根据对已有文献的总结和归纳,本文着重选取对外开放程度、经济发展水平、地理邻接、技术创新水平和信息化水平,基本模型如下:
WM=f(G,PG,OPEN,TECH,INFORM)
需要说明的是,由于被解释变量 WM表示水资源转移空间关联矩阵,因此各解释变量也需要转化为对应的空间关联关系的二值网络矩阵。具体的方法为:地理邻接矩阵 G根据两个地区是否接壤来构建,若两地接壤取1,不接壤取0,而其他变量之间的空间关联关系则根据Granger因果检验方法22来进行识别和构造。其中, PG表示经济发展水平空间关联矩阵,以地区人均GDP(万元/人)作为其代理变量; OPEN表示对外开放空间关联矩阵,以各省份进出口总额占GDP比值作为其代理变量; TECH表示技术创新水平空间关联矩阵,以技术创新水平以地区专利授权数(件)作为其代理变量; INFORM表示信息化水平空间关联矩阵,各省份互联网宽带接入端口(万个)作为其代理变量。以上数据均来自于《新中国60年统计资料汇编》和《中国统计年鉴》(1998-2020),且对于部分缺失的数据参照各省市的统计年鉴补齐。另外,为了避免通货膨胀对测算结果的影响,以上涉及到的经济数据均按照价格指数转换为2000年不变价格。

3.2 QAP相关性分析

主要选取2017年的水资源转移无权网络矩阵,首先采用QAP来检验整体网络与上述影响因素之间的相关关系,结果如表3所示。其中,最大值和最小值分别是各变量经过重复1万次迭代运算后的最大数值和最小数值;P≥0和P≤0分别表示随机置换中每一次得到的相关系数大于等于、小于等于最终相关系数的概率23。可以发现,地理空间邻接、对外开放程度和经济发展水平的相关系数显著为正,说明这3个因素是推动跨区域水资源转移网络形成和演化的重要力量,而技术创新和信息化水平的相关系数没有通过显著性检验,说明两者对于跨区域水资源转移网络的影响较为微弱。
Tab.3 Correlation analysis of spatial correlation factors of cross-regional water transfers

表3 水资源转移网络影响因素的相关性分析

变量 实际相关系数 显著水平 系数均值 标准差 最小值 最大值 P 0 P 0
G 0.069 0.044 -0.000 1 0.039 -0.163 0.145 0.044 0.972
PG 0.105 0.066 0.000 4 0.068 -0.222 0.249 0.066 0.942
OPEN 0.020 9 0.048 0.000 2 0.047 -0.158 0.152 0.048 0.987
TECH -0.047 0.241 -0.000 3 0.061 -0.221 0.2 0.782 0.241
INFORM 0.037 0.300 0.000 5 0.065 2 -0.221 0.25 0.300 0.727

3.3 QAP回归分析

进一步对跨区域水资源转移网络演变的影响因素进行QAP 回归分析,经过1万次随机置换得出的具体结果如表4所示。其中,概率A表示随机置换后的回归系数绝对值大于等于观察到的回归系数的概率,概率B表示随机置换后的回归系数绝对值小于等于观察到的回归系数的概率。
Tab.4 Regression analysis of influencing factors of cross-regional water transfers

表4 水资源转移网络影响因素的QAP回归分析

变量 非标准化回归系数 标准化回归系数 显著性概率 概率A 概率B
截距项 0.371 0 0 0 0
G 0.103 0.077 0.021 0.021 0.979
PG 0.096 0.100 0.057 0.056 0.944
OPEN 0.018 0.019 0.028 0.028 0.972
TECH -0.043 0.048 0.218 0.218 0.782
INFORM 0.027 0.028 0.360 0.360 0.640
从回归系数来看,地理空间邻接、经济发展水平和对外开放程度这三个变量的回归系数均在5%及10%的水平下显著为正,再一次显示了三者对于跨区域水资源转移网络形成的正向作用。很显然,较近的空间距离意味着较低的运输成本和较快的运输速度2425,更加方便两地之间进行产品或原料的交换,从而促进两地水资源转移空间关联关系的发生和形成;较为紧密的经济联系意味着地区之间较为频繁的贸易往来,而在产品流通和交换过程中带动的水要素流动,也为跨区域水资源网络的形成创造了有利条件;而对外开放程度的提高则有助于打破行政区划的边界和贸易壁垒,提升各类产品、资源和要素在区域间的流通速率,是跨区域水资源转移网络演化的持续动力。技术创新和信息化水平的回归系数不显著,两者对于跨区域水资源转移网络演化形成的影响微乎其微,未来应提高这方面的重视程度,尤其是技术创新的回归系数为负,表明两地之间的技术联系不能有效促进区域间的水要素流动,对跨区域水资源网络的形成产生了一定的阻碍作用。

4 结论与对策建议

利用多区域投入产出方法核算了2007年和2017年各地区最终使用所隐含的水资源消费状况,在此基础上,通过复杂网络理论构建了我国2007年和2017年的跨区域水资源转移网络,并借助社会网络和生态网络分析方法对水资源转移网络的结构特征和影响进行了详细分析,主要结论如下。
(1)区域间愈发频繁的水资源转移已经呈现为明显的网络化结构特征,虽然近年来关系总数和网络密度有所提升,但是整体网络的关联性和稳定性还有较大的提升空间,由于网络中存在较多的冗余连线,整体网络的传导效率也不是很高。从TOP1等级网络来看,无论是生产侧水资源转移网络还是消费侧水资源转移网络均呈现出“中心-外围”的非均质特征,江苏和广东逐渐成为水资源转移网络中生产和消费的核心,且两者覆盖和辐射的范围越来越广。
(2)个体网络特征显示,新疆、黑龙江、湖南和江西等地具有较高的出度中心度和较低的入度中心度,在水资源转移网络中更多地扮演“生产者”的角色,而广东、重庆、浙江、陕西和北京等地具有较高的入度中心度和较低的出度中心度,在水资源转移网络中更多地扮演“消费者”的角色,而江苏、安徽和河南等地的出度中心度和入度中心度相差不大且中介中心度较高,对其他地区之间水资源转移路径的控制力较强,在水资源转移网络中更多地扮演着“中转者”的角色。
(3)QAP相关性分析结果表明,地理空间邻接、对外开放程度和经济发展水平与跨区域水资源转移网络呈现出显著的正相关关系,而技术创新和信息化水平的相关系数没有通过显著性检验。QAP回归分析结果表明,地理空间邻接和经济发展水平、对外开放程度的提升均能够推动跨区域水资源转移网络的形成和演化,但是技术创新和信息化水平的影响较为微弱。
频繁的商品交换和要素流动使得区域间的用水关系愈发密切和复杂多变,缓解城镇化和市场化进程中的用水矛盾,需要从空间网络的视角构建新的思路:
(1)客观全面地审视区域之间存在的水资源转移网络结构特征,不仅要重视省份个体用水“数量”的节约和限额,还要考虑多边投入产出下主体之间的用水“关系”,形成“数量-关系”双控下的跨区域水资源协同优化机制。不断探寻跨区域水资源转移有效路径的同时要减少网络中各节点之间的冗余连线,提升水资源在区域间的传输效率,降低生产侧和消费侧网络的非均质性,逐步优化跨区域水资源转移网络结构。
(2)充分发挥网络个体及其所属板块对跨区域水资源协同优化机制的积极作用,对于出度中心度和中介中心度较高的江苏、安徽、河南等地,在注重自身内部用水结构改善和用水强度降低的同时,要通过区域间的用水联系向其他地区进行辐射和扩散,尤其是关键节点间的有效整合,如江苏与北京、上海以及安徽与四川、广东,从供给端提升网络整体的用水效率,而对于北京、广东、重庆等入度中心度较高的地区,应积极调整产业结构和贸易结构,提高节水产品的准入门槛,从需求端优化网络整体的节水效益。
(3)深入挖掘跨区域水资源转移网络演变的影响因素,在保持政府宏观调控功能的同时,充分利用技术、经济、交通和信息等手段,缩短两地之间的地理空间距离,提升水资源要素在地区之间的传输速度,强化网络中关键节点对其他节点的辐射和带动作用,以便做到及时有效的定向精准调控。

References

1
ZHAO D D KLAUS H FENG K S, et al. Explaining virtual water trade: A spatial-temporal analysis of the comparative advantage of land, labor and water in China[J]. Water Research2019153:304-314.
2
陈清怡,千庆兰,姚作林. 广东省城市创新发展水平及其网络结构演化[J]. 经济地理202141(4):38-47.
3
LI Y CHEN B YANG Z F. Ecological network analysis for water use systems-A case study of the Yellow River Basin[J]. Ecological Modelling2009220(22):3 163-3 173.
4
MAO X YANG Z. Ecological network analysis for virtual water trade system: A case study for the Baiyangdian Basin in Northern China[J]. Ecological Informatics201210: 17-24.
5
FANG D CHEN B. Ecological network analysis for a virtual water network[J]. Environmental Science & Technology201749(11): 6 722-6 730.
6
王悦斌,林常青,李媛,等. 基于多流域生态网络模型的用水系统结构特征演化分析[J]. 中国环境科学201838(2):755-765.
7
谈箐. 基于生态网络分析法的淮河流域用水系统演变特征分析[J]. 水利科技与经济202127(4):62-66.
8
阎晓东,孙才志. 中国省际水足迹空间转移网络特征研究[J]. 长江流域资源与环境202130(3):602-613.
9
孙克,聂坚. 基于引力模型的省域灰水足迹空间关联网络分析[J]. 水资源保护201935(6):29-36.
10
徐绪堪,赵毅,韦庆明. 中国省际水足迹强度的空间网络结构及其成因研究[J]. 统计与决策201935(7):84-88.
11
孙才志,马奇飞. 中国省际水资源绿色效率空间关联网络研究[J]. 地理研究202039(1):53-63.
12
秦腾,佟金萍,章恒全. 环境约束下中国省际水资源效率空间关联网络构建及演化因素[J]. 中国人口·资源与环境202030(12):84-94.
13
孙才志,郑靖伟. 基于MRIO与SNA的中国水资源空间转移网络分析[J]. 水资源保护202036(1):9-17.
14
冯青,吴志彬,徐玖平. 基于投入产出规模的省际碳排放配额分配研究[J]. 中国管理科学202129(6):1-10.
15
WANG Z Y HUANG K YANG S, et al. An input-output approach to evaluate the water footprint and virtual water trade of Beijing, China[J]. Journal of Cleaner Production201342:172-179.
16
BORGATTI S P, MEHRAA, BRASS D J, et al. Network analysis in the social sciences[J]. Science2009323(5916):892-895.
17
ZHANG Y ZHENG H YANG Z, et al. Multi-regional input-output model and ecological network analysis for regional embodied energy accounting in China[J]. Energy Policy201786:651-663.
18
穆献中,朱雪婷. 城市能源代谢生态网络分析研究进展[J]. 生态学报201939(12):4 223-4 232.
19
张涛,武金爽. 中国文化产业绿色发展效率的空间网络结构及影响机理研究[J]. 地理科学202141(4):580-587.
20
ZHOU M WU G XU H. Structure and formation of top networks in international trade, 2001-2010[J]. Social Networks201644:9-21.
21
杜金霜,付晶莹,郝蒙蒙. 基于生态网络效用的昭通市“三生空间”碳代谢分析[J]. 自然资源学报202136(5):1 208-1 223.
22
陈明华,王山,刘文斐,等. 非线性视角下中国城市房价关联效应测度与分析[J]. 中国软科学2020(10):96-106.
23
邵海琴, 王兆峰. 中国交通碳排放效率的空间关联网络结构及其影响因素[J]. 中国人口·资源与环境202131(4):32-41.
24
王庆喜, 徐维祥. 多维距离下中国省际贸易空间面板互动模型分析[J]. 中国工业经济2014(3):31-43.
25
孙才志,刘淑彬. 基于MRIO模型的中国省(市)区水足迹测度及空间转移格局[J]. 自然资源学报201934(5):945-956.
PDF(2772 KB)

Accesses

Citation

Detail

Sections
Recommended

/