近20年中国不同地区农业用水量演变驱动因素研究.pdf

第 7 期收稿日期：2022-06-16基金项目：大学生创新创业训练计划项目（2021102941272）；国家级大学生创新创业计划项目（202110294082）作者简介：吴易桐（2001-），女，江苏南通人，在读本科生，研究方向为财务管理与产业经济政策，（电话）18901487242（电子信箱）；通信作者，吴敏（1980-），讲师，博士，主要从事环境、资源会计、审计研究工作，（电子信箱）。第 62 卷第 7 期2023 年 7 月湖北农业科学Hubei Agricultural SciencesVol.62 No.7Jul.，2023吴易桐，朱玲億，吴敏.近20年中国不同地区农业用水量演变驱动因素研究 J.湖北农业科学，2023，62（7）：19-23，31由于水资源短缺和污染，中国的淡水资源面临越来越大的压力。中国经济快速发展、城市化进程加快、人口增长、水资源管理不善、空间分布不均匀等因素增加了中国水资源危机发生的频率和严重程度。中国是农业大国，农业用水量占总用水量的60%以上1。其中，灌溉农作物所需水量增长较快2。因此，面对严峻的水资源状况，识别和量化导致农业用水量变化的主要影响因素及其驱动作用，可以准确把握农业用水变化趋势3，进一步探索各地区农业用水存在的问题，从而为地区政府科学制近20年中国不同地区农业用水量演变驱动因素研究吴易桐，朱玲億，吴敏（河海大学商学院，江苏 常州213022）摘要：基于31个省（市、自治区）的面板数据，并将31个省（市、自治区）分为六大地区，采用LMDI分解方法将农业用水量驱动因素分解为农业用水强度、农业化、省份经济发展、地区经济发展、经济增长（全国人均经济水平）和人口规模六大驱动因素，探究了各驱动因素对农业用水的影响程度。结果表明，农业用水强度和农业化对农业用水量的减少都起到正向作用，且农业用水强度效应占主导作用；经济增长和人口规模对农业用水量的减少均起到负向作用，且经济增长效应占主导作用。依据结果，提出在发展经济的同时应当兼顾农业用水强度，达成节水型经济增长新常态；缩小地区经济发展差异，控制其对节水产生的负面影响；投入资金加强农业用水强度效应等建议。关键词：农业用水量；LMDI；地区视角；驱动因素分解；节水中图分类号：F323.213；TV213.4文献标识码：A文章编号：0439-8114（2023）07-0019-05DOI:10.14088/ki.issn0439-8114.2023.07.004开放科学（资源服务）标识码（OSID）：Study on the driving factors of agricultural water consumption evolution in different regionsof China in recent 20 yearsWU Yi-tong，ZHU Ling-yi，WU Min（Business School，Hohai University，Changzhou 213022，Jiangsu，China）Abstract：The panel data of 31 provinces（cities，autonomous regions）was used，and provinces（cities，autonomous regions）were divided into six regions.The driving factors of agricultural water consumption were decomposed into six major driving factors：agricultural water consumption intensity，agriculturalization，provincial economic development，regional economic development，economicgrowth（national per capita economic level）and population size by LMDI model，and the impact of each driving factor on agriculturalwater consumption was explored.The results showed that the agricultural water consumption intensity and agriculturalization promotedthe reduction of agricultural water consumption，and the agricultural water consumption intensity effect was the dominant effect；theeconomic growth and population size inhibited the reduction of agricultural water consumption，and the economic growth effect was thedominant effect.Based on the results，the following recommendations were put forward：economic development should be balancedwith water consumption intensity to achieve a new normal of water-saving economic growth；regional economic development differences should be reduced to control their negative effects on water conservation；and funds should be invested to strengthen the intensity effect of water consumption.Key words：agriculture water consumption；LMDI；regional perspective；decomposition of driving factors；water conservation湖北农业科学2023 年定水资源管理政策提供相关依据，促进农业用水健康发展。在水资源供需矛盾突出和经济社会发展全面转型的现阶段，深入研究影响农业用水量的主要因素、时空变化及其内在作用机制具有重要的现实意义，也受到学术界的广泛关注。现有文献的研究方法主要有时间序列模型4，5、回归模型6，7和系统动力学模型8，9。刘渝等10采用了中国 31 个省（市、自治区）19992005年人均农业用水量和经济增长相关指标的面板数据，通过计量模型检验农业用水库兹涅茨曲线在中国是否存在，定量分析了农业用水量变动与经济增长之间的规律。王哲等11发现农业技术进步对河北省农业用水量的降低有明显的推动作用，且主要来源于科技进步的贡献。金巍等12指出提高农业生产效率是降低农业用水量的有效途径，并通过门槛模型检验了农业生产效率对农业用水量存在显著的“门槛抑制效应”，抑制强度呈“N”形走势。指数分解法中的对数平均迪氏指数法（Logarithmic mean Divisia index，LMDI）可以完全分解因素13，不产生无法解释的残差项14，且分项效应之和与总效应一致，被广泛应用于定量分析用水量的变化情况。Li等15建立了一个基于LMDI方法的综合分析框架，从经济和部门的角度确定北京能源和水关系的驱动因素。赵存学等16利用LMDI将居民生活用水分解为消费强度效应、人均消费效应、城镇化效应和人口规模效应。Long 等17运用 LMDI 模型，基于20002015年的面板数据将水资源消耗量分解为12个驱动因素，得出用水强度是减少水资源消耗的最重要驱动因素等结论。目前，LMDI 模型在农业用水领域的应用研究尚不多，但LMDI模型无论是从理论基础、适用性还是其易用性和结果的可解释性来说都具有较强优势。鉴于此，本研究采用LMDI模型，基于地区视角对中国农业用水量演变的驱动因素进行研究，并将中国农业用水量的演变驱动因素分解为农业用水强度、农业化、区域结构、经济增长和人口规模，定量研究中国农业用水量演变的内在机制，以期为制定中国用水量规划、实现中国用水量控制目标提供对策建议。1模型与数据1.1LMDI模型Divisia 指 数 方 法 主 要 包 含 AMDI（Arithmeticmean Divisia index decomposition，算术平均Divisia指数分解）和LMDI。AMDI和LMDI的区别在于AMDI没有完全分解，而 LMDI 完全分解没有剩余项，且LMDI被广泛用于分解能源和能源领域环境变化驱动因素总体指标18，19，因此本研究选取LMDI模型进行分解。中国农业用水量（IW）可以由式（1）表示。IW=IWijIAVijIAVijGijGijGiGiGGPP（1）此处，IWij为第i个地区第j个省（市、自治区）的农业用水量；IAVij为第i个地区第j个省（市、自治区）的农业经济增加值；Gij为第i个地区第j个省（市、自治区）的GDP；Gi为第i个地区的GDP；G表示GDP总值；P表示人口。Iij=IWijIAVij表示第i个地区第j个省（市、自治区）的农业用水强度；Sij=IAVijGij表示第i个地区第j个省（市、自治区）农业增加值占 GDP 比重（农业化）；PSij=GijGi表示第 i 个地区第 j 个省（市、自治区）的GDP 占第 i 个地区的 GDP 比重（地区经济发展）；RSi=GiG表示第 j 个省（市、自治区）的 GDP 占全国GDP 中的比重（省份经济发展）；EG=GP表示人均GDP；P表示全国人口规模。假设从 t-1到 t年农业用水的变化为IW，可以分解为农业用水强度、农业化、地区经济发展、省份经济发展、全国人均经济水平（以下简称经济增长）和人口规模效应，因此可以得出式（2）。IW=IWI+IWS+IWPS+IWRS+IWEG+IWP（2）由此：IWI=IWtij-IW0ijlnIWtij-lnIW0ijln(ItijI0ij)（3）IWS=IWtij-IW0ijlnIWtij-lnIW0ijln(StijS0ij)（4）IWPS=IWtij-IW0ijlnIWtij-lnIW0ijln(PStijPS0ij)（5）IWRS=IWtij-IW0ijlnIWtij-lnIW0ijln(RStiRS0i)（6）IWEG=IWtij-IW0ijlnIWtij-lnIW0ijln(EGtEG0)（7）IWP=IWtij-IW0ijlnIWtij-lnIW0ijln(PtP0)（8）式中，IWI、IWS、IWPS、IWRS、IWEG和IWP分别为农业用水强度效应、农业化、地区经济发展、省份经济发展、全国人均经济水平和人口规模效应。20第 7 期1.2数据说明本研究所用数据来源于国家统计局和 中国水资源公报，采用不包括港澳台在内的 31个省（市、自治区）的产值数据和用水量数据。其中，农业用水量从 中国水资源公报 中搜集；GDP、农业增加值、人口数量均由国家统计局官网整理得到。同时，在模型中因为用水强度涉及用水量与GDP的比率，为达到用水强度的一致性即消除每个时期的价格变化带来的影响，根据GDP指数将每个时期的GDP转换为基于2000年的价格。2实证结果与分析2.1全国农业用水量演变驱动因素分解利用LMDI模型分解20002019年中国农业用水量演变的驱动因素，分析结果如图 1所示。研究期内，中国农业用水总量在波动中经过了增减的过程后，累计下降了 104.32 亿 m3，体现出中国农业节水上取得的显著成效。其中，农业用水强度、农业化、省份经济发展 3个因素对累计农业用水量下降产生作用，且前 2个因素对总用水量的下降具有较大的正向作用。经济增长是导致农业用水量上升的最主要和突出的因素，地区经济发展、人口规模也在不同程度上增加了农业用水量。研究期内，农业用水强度与农业化分别造成农业用水量累计下降3 744.70亿、3 153.06亿m3，是抑制农业用水总量增加的主要因素。可见精心设计农业节水政策举措对用水量控制是必要的。同时，农业生产技术的发展带来了较高的经济效益，显著促进了农业用水效率的提高。省份经济发展总体上也对农业用水量的减少起到正向作用，然而由于20032005年省份经济发展导致用水量的大幅增加，其对农业用水量累计的减少起到的正向作用相对微小。经济增长是促进农业用水总量增加的首要因素，使其累计上升 6 424.59亿 m3。20002013年经济高速增长，致使农业用水量在此期间年均增长超过 300 亿 m3。在 2013 年之后经济增长速度逐渐放缓，但仍然有力地促进了农业用水量的增加。农民们脱贫致富的愿望促进了农业的快速发展，推动了农业用水量的增加。20002019 年，地区经济发展、人口增长使得农业用水量分别增长 75.85 亿、396.40亿m3。二者虽然也是使得农业用水量增加的因素，但是总体占比并不大，并且每年的数据波动微小，并未出现明显的转折或起伏，促增作用远远弱于经济增长。2.2中国分地区农业用水量演变驱动因素分解将全国 31个省（市、自治区）分为六大地区，分别为东北（包括辽宁省、吉林省和黑龙江省）、华北（包括北京市、天津市、河北省、山西省、山东省和河南省）、西北（包括内蒙古自治区、陕西省、甘肃省、青海省、宁夏回族自治区和新疆维吾尔自治区）、西南（包括广西壮族自治区、重庆市、四川省、贵州省、云南省和西藏自治区）、华中（包括安徽省、江西省、湖北省和湖南省）和东南沿海（包括上海市、江苏省、浙江省、福建省、广东省和海南省），从而进一步将全国20002019 年农业用水量累计演变分解至地区层面，结果如表 1所示。各地区的总效应存在明显差异，其中，华北、华中和东南沿海地区农业用水量的总效益在考察期内累计为负，对中国总农业用水量减少具有正向作用；东北、西北和西南地区农业用水量的总效益累计为正，对中国农业用水量减少起到了负向作用。华北和东南沿海地区是使得全国农业用水量累计下降最主要的地区，而东北地区使全国农业用水量明显上升。除此之外，西北、西南和华中地区对全国农业用水量的影响较小，尤其是华中地区，对中国农业用水量累计下降的正向作用可以忽略不计。对各地区总效应的分解情况中，农业用水强度效应和农业化效应是促进各地区农业用水量下降的主要效应。农业用水强度对西北地区的影响最大，其效应占总强度效应的29.19%，可见西北地区技术的发展促进了农业用水效率的提高，发展质量稳步提升。农业化对东南沿海的影响最大，其效应占总效应的 27.54%。省份经济发展对农业用水的下降也起到了正向作用，但其影响程度较小，地区之间具有明显差异。西北地区省份经济发展影响最为突出，使得该地区农业用水量下降79.39亿m3，东北地区省份经济发展效应最小，仅为2.21亿m3。在对农业用水量的减少起到负向作用的因素中，经济增长的影响最大，其数据绝对值大于其他各图 120002019年全国农业用水量演变的驱动因素分解吴易桐等：近20年中国不同地区农业用水量演变驱动因素研究21湖北农业科学2023 年项因素，大幅增加了各地区农业用水量。人口规模与地区经济发展也在一定程度上导致农业用水量增加。人口规模效应的变化趋势与经济增长效应非常相似，存在增减的同步性。地区经济发展产生的效应差异较大，地区经济发展促进了东北和华北地区农业用水量的减少，却使西北、西南、华中和东南沿海地区的农业用水量增加。由此可见，地区经济发展在中国农业用水量的演变过程中产生了影响，西部地区的省份经济发展以及东北和华北的地区经济发展有助于中国农业用水量的减少。2.3中国省际农业用水量演变驱动因素分解在考察期内，各省（市、自治区）总效应也存在一定差异，详见表2。有20个省（市、自治区）农业用水量下降，其中下降幅度较大的有河北省、广东省和浙表120002019年中国分地区农业用水量演变驱动因素分解（单位：亿m3）地区东北华北西北西南华中东南沿海全国农业用水强度效应-323.89-504.18-1 093.09-584.95-577.81-660.78-3 744.70农业化效应-193.19-418.76-492.43-465.94-714.32-868.42-3 153.06省份经济发展效应2.21-10.05-79.39-39.792.8320.79-103.40地区经济发展效应-130.13-50.7683.2161.1876.1136.2475.85经济增长效应681.46825.441 496.89972.181 140.861 307.766 424.59人口规模效应42.0550.9392.3659.9870.3980.69396.40总效应78.51-107.387.552.66-1.94-83.72-104.32表 220002019年中国省际农业用水量演变驱动因素分解（单位：亿m3）省（市、自治区）北京市天津市河北省山西省内蒙古自治区辽宁省吉林省黑龙江省上海市江苏省浙江省安徽省福建省江西省山东省河南省湖北省湖南省广东省广西壮族自治区海南省重庆市四川省贵州省云南省西藏自治区陕西省甘肃省青海省宁夏回族自治区新疆维吾尔自治区农业用水强度效应-12.1-9.1-159.7-10.9-138.9-77.0-79.2-167.76.2-147.4-108.6-68.8-109-128.7-172.4-140.0-154.6-225.7-253.8-260.1-48.2-15.6-101.4-52.4-142.3-13.2-71.3-130.1-26.7-114.9-611.1农业化效应-15.5-13.0-96.7-42.2-192.3-54.7-49.9-88.5-32.1-363.8-114.6-164.0-108.7-176.6-137.6-113.8-166.2-207.6-234.1-133.0-15.1-24.2-158.3-49.3-63.0-38.1-38.4-44.2-13.3-30.2-174.1省份经济发展效应0.00.9-27.3-6.031.3-0.6-0.43.2-2.722.3-4.0-2.18.77.62.020.4-1.1-1.60.0-43.8-3.54.33.64.8-12.23.41.9-14.0-1.0-10.6-87.1地区经济发展效应-0.9-1.1-14.3-4.214.1-27.6-27.5-74.90.813.54.515.64.618.2-16.6-13.618.523.911.122.51.72.415.66.111.92.85.38.81.96.746.3经济增长效应14.818.3233.367.9254.5144.8144.2392.427.8487.0163.7233.8166.9272.4270.2221.0276.9357.7402.0357.560.237.5247.496.4188.644.895.9158.834.6120.4832.7人口规模效应0.91.114.44.215.78.98.924.21.730.010.114.410.316.816.713.617.122.124.822.13.72.315.35.911.62.85.99.82.17.451.4总效应-12.8-2.9-50.48.7-15.5-6.2-3.988.61.641.7-48.828.9-27.09.7-37.7-12.3-9.3-31.2-49.9-34.8-1.26.722.211.5-5.42.5-0.7-10.9-2.3-21.258.222第 7 期江省，分别下降 50.4 亿、49.9 亿、48.8 亿 m3，其余省（市、自治区）下降幅度均在40亿m3内。可见，在严格的水资源管理制度约束下，部分省（市、自治区）农业用水总量明显下降，需要继续贯彻执行该项制度。11个省（市、自治区）农业用水量上升，其中黑龙江省上升幅度最大，达 88.6亿 m3，是第二名新疆维吾尔自治区58.2亿m3的1.5倍。农业用水强度对除上海市以外的其他地区农业用水量的减少产生正向作用，其使新疆维吾尔自治区农业用水量减少 611.1亿m3，是对天津市作用的67.2倍。农业化对所有地区农业用水量的减少均产生正向作用，对江苏省、广东省和湖南省尤为明显。省份经济发展对农业用水量的影响较小，对北京市和广东省不产生影响。地区经济发展效应呈差异化的变化趋势，其中，地区经济发展对黑龙江省农业用水量减少的正向作用最大，效应为 74.9亿 m3，而对新疆维吾尔自治区农业用水量减少的负向作用最大，为46.3亿m3。经济增长和人口规模对所有省（市、自治区）农业用水量的减少均起到负向作用。经济增长是导致农业用水量增加的最主要因素，且各地区差异明显，新疆维吾尔自治区的经济增长效应远大于其他各省（市、自治区），达 832.7 亿 m3，此外，江苏省、广东省、黑龙江省、湖南省、广西壮族自治区经济增长效应均达350亿 m3以上。人口规模呈现出与经济增长同比例变化的趋势。综上可以看出，在全国农业用水量变化的总体趋势下，各省（市、自治区）由于经济社会发展进程和水资源禀赋条件的巨大差异，用水量变化及其驱动效应也存在不同特征。3小结与讨论本研究利用 LMDI 方法，分解分析中国 20002019年农业用水量演变的驱动因素，考虑到地区差异对农业用水量的影响，将分析分为3个部分，分别为全国历年农业用水量演变、分地区农业用水量演变以及省际农业用水量演变，更全面地得到中国农业用水量演变的驱动因素，并得到以下结果。分解分析 20002019 年中国农业用水量演变的驱动因素，农业用水强度和农业化对中国农业用水量减少起到显著的正向作用，导致农业用水总量有所下降。在对农业用水量的减少起负向作用的因素中，经济增长的影响最大，人口规模效应的变化趋势与经济增长效应非常相似，存在增减的同步性。地区经济发展产生的差异较大，地区经济发展促进了东北和华北地区农业用水量的下降，却使西北、西南、华中和东南沿海地区的用水量增加，体现一定的南北差异。华北、华中和东南沿海地区农业用水量在考察期内累计变化为负，而东北、西北和西南地区的累计变化则为正。对中国各省（市、自治区）农业用水量演变的驱动因素进行分析，发现在全国农业用水量变化的总体趋势下，各省（市、自治区）由于经济社会发展进程和水资源禀赋条件的巨大差异，用水量变化及其驱动效应也存在不同特征。各省（市、自治区）在发展经济的同时应当兼顾农业用水强度，因为农业用水强度是农业用水量下降的主要因素，各省（市、自治区）应努力达成节水型经济增长新常态。省份经济发展效应与地区经济发展效应累计为负的地区应继续保持并扩展地区差异性带来的农业节水优势，其他地区应采取有效措施，缩小地区经济发展差异，控制这2个因素对节水所产生的负面影响。经济发达的东南沿海地区应当帮助其他地区加强农业用水强度效应，提供资金、技术等方面的支持。大部分省（市、自治区），尤其是华中地区需要对农业化带来的用水副作用进行控制，经济欠发达地区要抓住产业转移、升级的机遇，分担经济发展的压力，分散人口增长效应。参考文献：1胡劲红，何迅，谢军，等.我国农业用水与粮食安全 J.湖北农业科学，2013，52（21）：5174-5177.2周振亚，罗其友，李全新，等.中国的节粮空间与粮食安全战略研究 J.世界农业，2015（9）：107-111.3管驰明，张洋洋，石常峰.农业虚拟水消耗影响因素分解及时空差异以西北 5 省（自治区）为例 J.南水北调与水利科技（中英文），2020，18（5）：193-201.4常迪，齐学斌，黄仲冬.区域农业灌溉用水量预测研究进展 J.中国农学通报，2017，33（31）：1-5.5万晓安，李析男，姚军.基于经济定额法的农业灌溉需水预测研究 J.人民珠江，2018，39（4）：25-31.6刘涛，崔永正，李继霞.基于水污染视角的中国农业生态用水效率及其影响因素 J.水土保持研究，2021，28（5）：301-307.7张玲玲，丁雪丽，沈莹，等.中国农业用水效率空间异质性及其影响因素分析 J.长江流域资源与环境，2019，28（4）：817-828.8FENG L，CHEN B，HAYAT T，et al.Dynamic forecasting of agricultural water footprint based on Markov Chain-a case study of theHeihe River Basin J.Ecological modelling，2017，353：150-157.9王倩，黄凯.基于系统动力学的北京市农业水足迹模拟与影响因素分析 J.系统工程，2021，39（3）：13-24.10刘渝，杜江，张俊飚.中国农业用水与经济增长的Kuznets假说及验证 J.长江流域资源与环境，2008，17（4）：593-597.11王哲，陈煜.技术进步一定会带来一个区域农业用水总量下降吗基于河北省面板数据实证分析 J.农业技术经济，2020（6）：81-89.12金巍，刘双双，张可，等.农业生产效率对农业用水量的影响 J.自然资源学报，2018，33（8）：1326-1339.13韩松，张宝生，唐旭，等.中国能源强度变化的驱动因素分析基于对数平均迪氏指数方法 J.当代经济科学，吴易桐等：近20年中国不同地区农业用水量演变驱动因素研究（下转第31页）23第 7 期会发展的基础上，要对工业和城镇开展节约集约用水，深化水价、水权水市场改革，激发内生动力。要通过科学管理和技术创新降低单位产品所需用水量，通过优化配置水资源、合理调整经济结构和产业布局来实现水资源的高效利用。在城镇污水处理方面，各省（市、自治区）要根据国家减排指导意见和产业政策要求，制定和完善相关减排政策，削减污染排放量。对于生活源污染，一方面要加强城市污水收集系统和污水处理设施建设，促进污废水处理提质增效，另一方面要加强绿色发展理念宣传力度，凝聚绿色环保生活共识，引导居民自觉参与节水型社会建设过程，打造新型城镇绿色环保生活圈；对于工业源污染，要加强工业企业清洁生产和排污许可证管理，减少工业污水排放。在地区差异方面，要根据各省（市、自治区）的城镇水资源利用和经济社会发展的实际情况制定相应的政策，促进区域城镇水资源利用效率的空间协同提升，推动全国城镇水资源利用效率的整体改善。东部和西部地区应依据自身优势，在保持较高水平水资源利用效率的同时，辐射和带动周边地区城镇水资源利用效率提高，协同推动新型城镇化进程。中部和东北地区则应合理规划城镇转型政策，改善产业结构，促进生产要素优化配置，提升城镇水资源利用效率。参考文献：1张国基，吴华清，刘业政，等.中国水资源综合利用效率测度及其空间交互分析 J.数量经济技术经济研究，2020，37（8）：123-139.22020年度 中国水资源公报 J.水资源开发与管理，2021（8）：2.3李世祥，成金华，吴巧生.中国水资源利用效率区域差异分析 J.中国人口 资源与环境，2008（3）：215-220.4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，2020，30（12）：84-94.5岳立，雷燕燕.黄河流域绿色水资源效率空间关联网络构建及其演化因素 J.西北师大学报（社会科学版），2022，59（2）：62-74.6焦士兴，王安周，张崇崇，等.河南省水资源效率综合测度及时空分异 J.水资源保护，2022，38（2）：48-55.7陈关聚，白永秀.基于随机前沿的区域工业全要素水资源效率研究 J.资源科学，2013，35（8）：1593-1600.8张峰，薛惠锋.基于绿色发展的工业全要素水资源效率时空特征 J.资源科学，2021，43（5）：964-973.9马海良，黄德春，张继国，等.中国近年来水资源利用效率的省际差异：技术进步还是技术效率 J.资源科学，2012，34（5）：794-801.10赵良仕，冷明祥，孙才志.中国省际全要素水资源绿色效率及节水减排潜力分析 J.地域研究与开发，2021，40（4）：123-128.11张永凯，孙雪梅.黄河流域水资源利用效率测度与评价 J.水资源保护，2021，37（4）：37-43，50.12姜坤.水资源绿色效率测度与溢出效应研究 D.辽宁大连：辽宁师范大学，2018.13马海良，黄德春，张继国.考虑非合意产出的水资源利用效率及影响因素研究 J.中国人口 资源与环境，2012，22（10）：35-42.14俞雅乖，刘玲燕.中国水资源效率的区域差异及影响因素分析 J.经济地理，2017，37（7）：12-19.15杨骞，刘华军.污染排放约束下中国农业水资源效率的区域差异与影响因素 J.数量经济技术经济研究，2015，32（1）：114-128，158.16BIAN Y W，YAN S，XU H.Efficiency evaluation for regional urban water use and wastewater decontamination systems in China：A DEA approach J.Resources，conservation&recycling，2014，83：15-23.17孙才志，谢巍，姜楠，等.我国水资源利用相对效率的时空分异与影响因素 J.经济地理，2010，30（11）：1878-1884.18孙才志，赵良仕，邹玮.中国省际水资源全局环境技术效率测度及其空间效应研究 J.自然资源学报，2014，29（4）：553-563.19张峰，宋晓娜，薛惠锋.中国工业绿色水资源效率驱动机制的时空非平稳性 J.软科学，2021，35（6）：97-102，124.20FRE R，GROSSKOPF S，PASURKA C.Joint production of goodand bad outputs with a network applicationA.Encyclopedia ofenergy，natural resources and environmental economicsC.SanDie go，CA：Elsevier，2013，2：109-118.21高甜，杨肖丽，任立良，等.基于 SBM-GWR模型的中国省际用水效率及其影响因素分析 J.水电能源科学，2022，40（5）：34-37，54.22杨骞，徐青，陈晓英.中国全要素水资源绿色生产率的地区差距及收敛检验 J.财贸研究，2022，33（5）：15-30.陈晨等：中国城镇水资源利用效率测度及空间格局2016，38（5）：89-98.14周志刚，郑明亮.基于对数均值迪氏指数法的中国粮食产量影响因素分解 J.农业工程学报，2015，31（2）：1-6.15LI H，LIN J，ZHAO Y，et al.Identifying the driving factors of energy-water nexus in Beijing from both economy-and sector-wideperspectives J.Journal of cleaner production，2019，235：1450-1464.16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）：827-838.17LONG H，LIN B，OU Y，et al.Spatio-temporal analysis of driving factors of water resources consumption in China J.Science ofthe total environment，2019，690：1321-1330.18SONG Y，ZHANG M.Using a new decoupling indicator（ZM decoupling indicator）to study the relationship between the economicgrowth and energy consumption in ChinaJ.Natural hazards，2017，88（2）：1013-1022.19WANG W，LIU X，ZHANG M，et al.Using a new generalizedLMDI（logarithmic mean Divisia index）method to analyze China senergy consumption J.Energy，2014，67：617-622.（上接第23页）31