基于水-能源粮食纽带关系的用水量分解与测度
摘 要：基于水-能源-粮食纽带关系视角，采用Kaya扩展恒等式和对数平均迪氏分解法(LMDI)对1998—2019年我国用水量变化的影响因素进行定量评估，重点探讨水-能源-粮食纽带效应、技术进步效应、经济规模效应和人口效应的贡献率及其变化趋势。研究表明：工农业生产用水量逐渐减小，而居民生活用水量逐渐增大；水-能源-粮食纽带效应是抑制用水量增长的首要因素，其中能源-粮食纽带效应贡献最大，但是逐年波动幅度较大，而水-能源纽带效应和水-粮食纽带效应波动较小且从2001年起表现为持续的负效应；虽然研究期内技术进步效应对用水量的抑制效果开始减弱，但是以工农业能源强度下降为主要表现形式的技术创新对用水量增长仍有很好的抑制效果；工农业经济规模扩张推动了用水量的增长，且近年来工业经济规模效应强于农业经济规模效应；人口效应的贡献较小，但是内部效应却表现出明显的两极分化现象，城镇化、人口规模和农村居民人均消费对用水量增长均具有促进作用，而逆城镇化和城镇居民人均消费则表现为抑制效应。
关键词:水能源_粮食;水资源;用水量; Kaya扩展恒等式;对数平均迪氏分解法(LMDI);
Decomposition and Evaluation of Water Consumption Based on
Water- Energy-Food Nexus Relationship
QIN Teng
School of Business, Changzhou University
Abstract：
Extended Kaya identity and LMDI were used to evaluate the change of water consumption incorporating water-energy-food nexus, and four factors including water-energy-food nexus effect, technological progress, economic scale and population effect were discussed. The empirical results show that the demand for water of industrial and agricultural production has gradually weakened, while residents' water use has become the main source for the growth of water consumption in the past 20 years. Water-energy-food nexus effect with three sub-factors(water-energy nexus, water-food nexus and food-energy nexus) is the primary factor in restraining the growth of water consumption. The contribution of water-energy nexus is far more than the other two sub-factors, while fluctuated with large range. The contribution of water-food nexus and food-energy nexus are relatively stable and present as continuous negative effect from 2001. Although the negative effect of technological progress on water consumption is weakened gradually during the study period, technological innovation manifested as the decline in agro-industrial energy intensity still can restrain the growth of water consumption. The scale expansion of agro-industrial economy has promoted the growth of water consumption, and the scale effect of the industrial economy is stronger than that of the agricultural economy in recent years. The contribution of the population effect is smaller, but the internal factors show obvious polarization. Urbanization, population size and per capita consumption of rural residents can promote the growth of water consumption, while counter-urbanization and per capita consumption of urban residents show restriction effect.
Keyword：
water-energy-food; water resources; water consumption; extended Kaya identity; LMDI;
作为生存和生产必需的基础要素，水资源、能源和粮食之间存在天然的纽带关系[1],而且随着产业分布格局和资源结构的不断调整，3种资源相互依赖的关系将更加紧密[2],任何忽视三者关系、基于单一资源的战略规划都将产生严重的不利后果。在此背景下，以水资源、能源和粮食纽带关系为出发点，重新审视水资源变化的影响因素，进一步分析其变化特征与作用机制，并由此探寻水-能源-粮食纽带关系的高效节水路径，对于缓解区域水资源压力和提高水资源管理政策的科学性及有效性具有重要的理论和现实意义。
虽然通常将水资源认定为一种可再生资源[3],但是现阶段可用水量的持续下降与经济社会需水量的不断上升，给水资源供需平衡带来了严峻挑战，因此明晰水资源消耗的影响因素并界定其贡献率具有重要意义。近年来，众多学者对长江经济带、长三角、黄河流域以及各省市用水量演变趋势及成因进行了大量研究[4,5,6,7,8,9,10,11,12,13,14],且得出了一系列有意义的结论，但是受研究视角的限制，以往研究大多从单一资源角度出发，缺乏运用系统性思维从水资源、能源和粮食相互作用的角度探讨水资源消耗的影响因素。因此，笔者通过对传统Kaya恒等式进行扩展与优化，将水-能源-粮食纽带关系置于生产与生活用水量变化情境之中，揭示用水量变化的原因及演变特征，以期为探讨多资源协同的水资源管理机制提供参考。
1 研究方法与数据来源
1.1 研究方法
用水量通常由农业、工业、生活和生态4方面用水组成。考虑到生态用水的占比较小以及影响因素难以捕捉，本文的用水量主要为生产(工业和农业)用水量和生活用水量，据此构建的Kaya扩展恒等式为
W=FW+IW+RW=FWF×FFE×FEFY×FY+IWIE×IEIY×IY+∑i=12RWiCi×CiPi×PiP×P (1)
式中：W、FW、IW和RW分别为总用水量、农业用水量、工业用水量和生活用水量；FE和IE分别为农业和工业能源消费量；FY和IY分别为农业增加值和工业增加值；F为粮食生产总量；C为居民消费总额；P为人口数量；i=1、2分别代表城镇、农村。
令fw=FWF,表示单位粮食产出的耗水量，即水-粮食纽带因子；fe=FFE,表示单位能耗的粮食产出，即能源-粮食纽带因子；f=FEFY,表示单位增加值的农业能源消费量，即农业能源强度；we=IWIE,表示单位能耗的用水量，即水-能源纽带因子；k=IEIY,表示单位增加值的工业能源消费量，即工业能源强度；rwi=RWiCi,表示居民人均耗水量，即生活用水强度；rci=CiPi,表示城镇和农村居民人均消费额；psi=PiP,表示城镇和农业人口占总人口的比例，即人口结构。则式(1)可转换为
W=fw×fe×f×FY+we×k×IY+rwi×rci×psi×P (2)
为避免残差项和零值的影响，准确测度各因素对用水量变化的贡献大小，采用对数平均迪氏分解法(LMDI)[15]对式(2)进行分解，以上标0和T分别表示基期和计算期，可得各因素对用水量变化发挥的效应(贡献值),其中：水-粮食纽带效应表达式为
FWnexus=FWT−FW0lnFWT−lnFW0lnfwTfw0 (3)
能源-粮食纽带效应表达式为
FEnexus=FWT−FW0lnFWT−lnFW0lnfeTfe0 (4)
农业能源强度效应表达式为
FEint=FWT−FW0lnFWT−lnFW0lnfTf0 (5)
农业经济规模效应表达式为
FYscale=FWT−FW0lnFWT−lnFW0lnFYTFY0 (6)
水-能源纽带效应表达式为
WEnexus=IWT−IW0lnIWT−lnIW0lnweTwe0 (7)
工业能源强度效应表达式为
IEint=IWT−IW0lnIWT−lnIW0lnkTk0 (8)
工业经济规模效应表达式为
IYscale=IWT−IW0lnIWT−lnIW0lnIYTIY0 (9)
生活用水强度效应表达式为
RWint=∑i=12RWTi−RW0ilnRWTi−lnRW0ilnrwTirw0i (10)
居民人均消费效应表达式为
HCE=∑i=12RWTi−RW0ilnRWTi−lnRW0ilnrcTirc0i (11)
人口结构效应表达式为
PSE=∑i=12RWTi−RW0ilnRWTi−lnRW0ilnpsTips0i (12)
人口规模效应表达式为
PE=∑i=12RWTi−RW0ilnRWTi−lnRW0ilnPTP0 (13)
按照人口城乡属性的不同，生活用水强度效应可以划分为城镇居民生活用水强度效应URWint和农村居民生活用水强度效应VRWint,居民人均消费效应可以划分为城镇居民人均消费效应UHCE和农村居民人均消费效应VHCE,人口结构效应可以划分为城镇化效应UPSE和逆城镇化效应VPSE,故总效应可以表示为
ΔW=WT-W0=FWnexus+FEnexus+WEnexus+FEint+IEint+URWint+VRWint+FYscale+IYscale+UHCE+VHCE+UPSE+VPSE+PE (14)
式中：WT和W0分别为计算期和基期的用水量；ΔW为用水变化量。
1.2 数据来源与说明
按照数据的可得性、连续性和时效性原则，选取1998—2019年我国农业用水量(亿m3)、工业用水量(亿m3)、城镇和农村居民生活用水量(亿m3)、城镇人口数(万人)、农村人口数(万人)、粮食生产总量(万t)、农业能源消费量(万t标准煤)、工业能源消费量(万t标准煤)、农业增加值(亿元)、工业增加值(亿元)以及城镇和农村居民消费额(亿元)作为基础数据，数据主要来源于《新中国六十年统计资料汇编》、1998—2019年《中国水资源公报》、1998—2020年《中国统计年鉴》和《中国能源统计年鉴》。
需要说明的是：因农业能源消费量数据无法直接获取，故以农林牧渔业能源消费量作为替代指标；城镇和农村居民生活用水量先用城镇和农村人均生活用水量(L/d)分别乘以城镇和农村人口数，再参照生活用水量(亿m3)进行修正(先计算城镇居民生活用水量与农村居民生活用水量分别占两者之和的比例，再将其乘以生活用水量);为了消除价格因素的影响，农业增加值、工业增加值以及城镇和农村居民消费额均按照价格指数转换为2000年不变价格。
2 结果分析
根据研究目的，对研究期的用水变化量进行分解，并分别测算各影响因素的逐年效应(见图1)。由图1可知：除个别年份外，经济规模效应和人口效应对用水量均表现为促进作用(水资源作为生产和生活的基础资源，经济规模扩大和人口增长必然导致其需求量增大);水-能源-粮食纽带效应和技术进步效应对用水量起到显著的抑制作用，原因是技术进步与水-能源-粮食纽带之间存在密切的联系(如煤炭开采技术创新会减少耗水量，而提高粮食作物灌溉技术可节约水资源),可以说水-能源-粮食纽带的节水效应在很大程度上是技术进步效应导致的。
各因素对用水量变化的效应分解及效应值见表1,可以看出：经济规模效应和水-能源-粮食纽带效应对用水量变化的贡献较大。经济规模效应主要表现为促进作用，农业和工业经济发展均对用水量增长产生较大拉动作用，研究期间共导致用水量增长5 675.64亿m3;水-能源-粮食纽带效应则抑制用水总量增长，水-粮食纽带效应、粮食-能源纽带效应和水-能源纽带效应均表现为显著的负向影响，三者共导致用水量减少4 190.39亿m3;技术进步效应和人口效应也是影响用水量变化的因素，但其内部因子的作用方向却并不一致，技术效应中的农业能源强度、工业能源强度和农村生活用水强度对用水量变化表现为抑制作用，而城镇生活用水强度则表现为促进作用(但其数值较小，难以逆转技术进步的负向效应),技术进步效应共导致用水量减少1 592.93亿m3;人口效应中的农村居民人均消费、城镇化和人口规模均对用水量增长起促进作用，而城镇居民人均消费和逆城镇化则表现为抑制作用，人口效应总体表现为促进作用。
2.1 水-能源-粮食纽带效应
1998—2019年我国水-能源-粮食纽带各因子对用水量变化的效应见图2,可以看出，虽然各因子在大多数年份对用水量变化的贡献为负值，但是变化趋势却不尽相同。水-能源纽带因子的变化幅度最小，且在2000年之后表现为负向效应，对用水量变化的贡献值在5亿～140亿m3之间波动，反映出经济发展尤其是工业生产过程中良好的水-能源协调关系。为了实现经济社会又好又快发展的战略目标，我国在推进工业化进程的同时始终重视节能节水技术的开发和环保政策的制定与衔接。2000年以来我国火电单位发电量的耗水量、排污量逐年递减，有效地避免了高耗能行业出现耗水同比例增长的现象，研究期内工业能源消费量增长了1.8倍，而工业用水量仅增长8.62%,每吨标准煤能源的耗水量从1997年的97.83 m3降至2019年的37.92 m3。
粮食-能源纽带因子对用水量变化的贡献波动幅度较大，且呈现出一定的阶段性特征。1999年贡献值由正转为负后负效应不断增强，在2003年达到极值-722.6亿m3;2004—2008年负效应不断减弱且在2006年左右转变为正向效应，并在2008年达到最大值313.32亿m3;在2009年重新表现为负向效应，之后较为稳定。本文以每吨标准煤能耗的粮食产出表示粮食-能源纽带因子，随着农业机械化程度的提高，我国每吨标准煤能耗的粮食产出由1997年的11.44 t降为2019年的7.33 t, 表明单位粮食产出需要消耗更多的能源，而粮食生产的耗水量逐渐降低，农业用水节约量高达1 641.17亿m3。
水-粮食纽带因子对用水量变化的贡献经历了由正到负的转变，1999—2001年其对用水量变化的影响主要表现为促进作用，而2002年之后主要起抑制作用，但变幅不大，基本稳定在100亿m3上下。受粮食流通体制改革和价格机制调控的影响，1997—2001年粮食价格在波动中持续走低，农民种植粮食作物热情下降导致粮食总产量不断减少，为了维持粮食产量，只能加大水资源和土地等资源投入，期间农业生产中的水-粮食协调程度不高，没有成为抑制用水量增长的有效助力。随着国家对粮食生产重视程度的提升，粮食作物种植结构不断调整，农业用水效率不断提高，使得农田灌溉单位面积用水量逐渐降低，改善和优化了农业生产中的水-粮食协调关系，使每吨粮食产出的耗水量由2001年的845.21 m3下降至2019年的554.69 m3。
2.2 技术进步效应
技术进步效应主要分工农业能源强度效应和生活用水强度效应，其对用水量变化的效应如图3所示。可以看出，除少数年份外，工农业能源强度效应对用水量的变化总体上表现为负效应，表明能源技术进步对用水量增长主要起抑制作用。能源和水资源之间存在天然的纽带关系，能源技术进步在导致能耗下降的同时也减少了与此相关的水资源消耗。从图3可以看出，2005年以来能源技术进步对用水量变化主要表现为负效应，表明“十一五”以来国家在提升能源技术进步方面取得了显著成效，也为促进水资源和能源利用之间的协调奠定了一定的技术基础。但能源技术进步引发的用水节约量近年来呈现减少的趋势，原因可能是现有技术水平对节水的整体作用有所弱化，未来应该更加重视技术创新，维持并扩大其产生的节水效应。
生活用水强度效应包括城镇居民生活用水强度效应和农村居民生活用水强度效应。由图3可知，城镇居民生活用水强度对用水量变化主要表现为促进效应，而农村居民生活用水强度则表现为抑制效应。随着生活水平的不断提高，城镇居民对于水资源的需求不断增长，导致城镇居民生活用水强度持续提高，据统计，研究期城镇居民每元消费引发的用水量(虚拟水)由1997年的12.16 L增长为2019年的19.44 L,由此导致用水量增长了178.5亿m3;而农村居民每元消费引发用水量则由1997年的11.85 L/元减少为2018年的5.77 L/元，虽然农村居民用水强度效应对用水量变化的贡献很小(效应值在0上下波动),但是2003年以来其效应值始终为负，在一定程度上抑制了用水量的增长。
2.3 经济规模效应
经济规模效应主要分为农业经济规模效应和工业经济规模效应两个方面，两者对用水量变化的效应值如图4所示。可以看出，1998—2019年经济规模效应对用水量变化表现为持续的促进作用，农业经济规模和工业经济规模扩大是推动用水量急剧增长的主要因素。2010年之前经济规模效应对用水量的影响总体表现为波动上升趋势，2011年之后则表现为持续下降状态，这与国家的产业发展战略有很大关系。“十一五”之前，国家主要集中精力发展工业，期间工业增加值增长速度由1998年的8.9%上升到2010年的12.6%;“十一五”之后，国家更加重视经济质量提升和产业结构优化，工农业经济规模发展速度开始放缓，农业增加值增长速度和工业增加值增长速度分别由2010年的4.3%和12.6%降低为2018年的3.2%和5.7%,这也使得工农业经济规模效应对于用水量增长的促进作用不断减弱。
经历了前期的波动之后，工业经济规模效应从2011年开始弱于农业经济规模效应，表明近年来工业经济规模扩大对用水量增长的促进作用小于农业经济规模扩大。然而，工业增加值的增长速度明显高于农业增加值的增长速度，2019年工业和农业增加值分别比2018年增长了5.7%和3.2%,但是两者导致的用水增量分别为68.7亿m3和116.16亿m3,原因是万元农业增加值用水量远超过万元工业增加值用水量，2019年分别为2 139.81 m3和55.5 m3,由农业产出引起的用水增量自然超过相同规模的工业产出引起的。
2.4 人口效应
人口效应主要分为人口规模效应、人口结构效应和人均消费效应，各效应对用水量变化的效应值大致在-20亿～20亿m3之间，见图5。可以看出，城镇化、人口规模和农村居民人均消费效应均对用水量增长产生了一定的促进作用，而逆城镇化和城镇居民人均消费效应表现为抑制作用。其中：人口总数增长产生的用水增量为85.52亿m3,且年际间的用水量变化甚微；城镇化和逆城镇化效应对用水量的影响表现为明显的反向趋势，2019年城镇和农村居民人均生活用水量分别为225 L/d和89 L/d, 说明一个农村居民转变为城镇居民将导致136 L/d的用水增长量，反之则会节约136 L/d的用水量；城镇和农村居民人均消费对用水量变化的影响也表现出明显的反向趋势，且处于不断波动之中，这可能与测算方法有关，本文测算的人均消费是居民消费总额与人口总数的比值，根据《中国统计年鉴》[16],在消除通货膨胀的影响后，城镇居民消费总额增速远低于城镇人口增速，导致城镇居民实际人均消费表现为下降趋势，而农村居民消费总额则在增长的同时农村人口数量持续减少，因而农村居民实际人均消费表现为上升趋势，由此导致城镇和农村居民人均消费效应对用水量变化的影响呈现为反向效应。
3 结 论
(1)用水总量的变化主要是由水-能源-粮食纽带效应、技术进步效应、经济规模效应和人口效应共同作用的结果，1998—2019年经济规模效应和人口效应均表现为促进作用，而水-能源-粮食纽带效应和技术进步效应则表现为抑制作用。
(2)水-能源-粮食纽带效应和技术进步效应是抑制用水总量增长的关键因素，其中：水-能源-粮食纽带效应中的水-能源纽带效应和水-粮食纽带效应从2001年开始对用水量变化表现为持续的负向影响且变化趋势较为平稳，虽然生活用水强度效应对用水量增长起到促进作用，但是农业能源强度效应和工业能源强度效应组成的能源技术进步效应抑制了用水量的增长。
(3)经济规模效应和人口效应是推动用水总量增长的两个重要因素，其中：经济规模效应中的农业和工业经济规模效应对用水量增长均表现为持续的促进作用，但是从2011年之后效应不断减弱；人口效应中的城镇化效应、人口规模效应和农村居民人均消费效应均推动了用水量的增长，而逆城镇化和城镇居民人均消费则产生了抑制作用。
参考文献
[1] HOFF H.Understanding the Nexus[C]//Background Paper for the Bonn 2011 Conference:the Water,Energy and Food Security Nexus.Stockholm:Stockholm Environment Institute,2011:1-52.
[2] 孙才志，靳春玉，郝帅.黄河流域水资源-能源-粮食纽带关系研究[J].人民黄河，2020,42(9):101-106.
[3] HARRIS A.The Drop in Demand,Climate Change Sustainability[J].Engineering and Technology Magazine,2012,19:50-51.
[4] 张陈俊，许静茹，张丽娜，等.长江经济带水资源消耗时空差异驱动效应研究[J].资源科学，2018,40(11):2247-2259.
[5] 张陈俊，赵存学，林琳，等.长江三角洲地区用水量时空差异的驱动效应研究[J].资源科学，2018,40(1):89-103.
[6] 孙思奥，汤秋鸿.黄河流域水资源利用时空演变特征及驱动要素[J].资源科学，2020,42(12):2261-2273.
[7] 杨翊辰，刘柏君，崔长勇.黄河流域用水演变特征及水资源情势识别研究[J].人民黄河，2021,43(1):61-66.
[8] 李胜楠，王远，罗进，等.福建省灰水足迹时空变化及驱动因素[J].生态学报，2020,40(21):7952-7965.
[9] 王康.基于IPAT等式的甘肃省用水影响因素分析[J].中国人口·资源与环境，2011,21(6):148-152.
[10] 张丽娜，曹逸文，庞庆华，等.产业结构高级化对区域用水总量时空差异的驱动效应研究[J].软科学，2020,34(7):1-7.
[11] 刘建华，黄亮朝.黄河下游水资源利用与高质量发展关联评估[J].水资源保护，2020,36(5):24-30,42.
[12] 孙才志，谢巍.中国产业用水变化驱动效应测度及空间分异[J].经济地理，2011,31(4):666-672.
[13] 赵存学，邓建高，张陈俊，等.长江经济带居民生活用水的重心移动与驱动效应研究[J].长江流域资源与环境，2021,30(4):827-838.
[14] 孟之琳，薛永基，张园圆.内蒙古水资源与产业结构耦合协调发展研究[J].人民黄河，2021,43(7):67-72.
[15] ANG B W.The LMDI Approach to Decomposition Analysis:Apractical Guide[J].Energy Policy,2005,33(7):867-871.
[16]中国统计年鉴2019[M].北京:中国统计出版社，2020:29-102.
