基于完全分解法的长江三角洲地区用水量时空分异研究

Spatial-Temporal Differences in Water Use in the Yangtze River Delta Based on Complete Decomposition Method

摘要: 基于完全分解法，将2000~2015年长江三角洲地区用水量时空差异分解为人口效应、收入效应、结构效应和强度效应，结果表明：1) 经济增长和人口规模扩大是推动用水量增加的主次因素，而产业用水强度下降和产业结构升级是抑制用水量增加的主次因素；2) 长江三角洲地区三次产业用水效率普遍提高，有力促进用水量下降，第二产业贡献最大，产业结构调整促进用水量下降的来源主要是第一产业比重下降；3) 江苏和浙江用水量大于上海的原因主要是人口规模较大和产业结构低级。因此，进一步降低产业用水强度，优化升级产业结构来实现用水量下降，针对不同产业应该有所侧重；权衡经济增长与水资源消耗之间的关系；控制人口规模也是减少用水量的重要途径；江苏、浙江可以通过控制人口规模和优化升级产业结构缩小用水量与上海的差异。

Abstract: Based on the complete decomposition method, this paper decomposes the spatio-temporal dif-ferences in water use in the Yangtze River Delta from 2000 to 2015 into population effect, income effect, structural effect and intensity effect. The results show that: 1) Economic growth and expan-sion of population size are main factors to promote the increase of water use, while the decline in industrial water intensity and upgrading of industrial structure are the factors that inhibit the in-crease in water use; 2) The water use efficiency in the three industries in the Yangtze River Delta has generally risen, which has effectively promoted the decline in water use, especially the sec-ondary industry. The role of industrial restructuring mainly comes from primary industry; 3) The main reasons for the higher water use in Jiangsu and Zhejiang than Shanghai are the large popula-tion size and low industrial structure. Therefore, to achieve a reduction in water use, we should further reduce industrial water intensity, optimize and upgrade the industrial structure, of course, still need focus on different industries; weighing the relationship between economic growth and water use, and controlling population size are also important ways to reduce water consumption; Jiangsu and Zhejiang can reduce the difference between water use and Shanghai by controlling population size and optimizing and upgrading industrial structure.

1. 引言

按照1978年不变价格计算，1978~2017年中国GDP年均增长率达到9.51%，快速经济增长却是以资源消耗和环境污染为代价。其中，水资源是重要的生产要素，用水量年均增长率为0.64%，而中国是一个严重缺水的国家，人均水资源量不足世界人均水平的1/3。水是生命之源、生产之要、生态之基，人多水少、水资源时空分布不均是中国的基本国情和水情，当前中国水资源面临的形势十分严峻，水资源短缺、水污染严重、水生态环境恶化等问题日益突出，已成为制约社会经济可持续发展的主要瓶颈 [1] 。因此，对用水量演变趋势进行分解有助于掌握过去不同因素对用水量的影响情况，将有利于制定执行可操作的适用的水资源政策，对“三条红线”和“双控行动”的落实具有重要意义。

学术界已经开展了大量关于用水量或用水强度变化影响因素的指数分解研究。陈东景将中国工业水资源消耗强度变化分解为结构份额和效率份额 [2] 。刘翀等将安徽省工业用水量变化分解为规模效应、结构效应和用水定额效应，结果显示规模效应是驱动工业用水量增加的主要因素，而用水定额效应和结构效应都促进了工业用水量减少 [3] ，张礼兵等还考察了节水效应对抑制安徽省工业用水量增加的贡献 [4] 。秦昌波等将陕西省生产用水量变化分解为经济规模效应、产业结构效应和用水技术效应 [5] 。孙才志和谢巍将中国产业用水量变化分解为经济水平效应、产业结构效应、用水强度效应和人口规模效应 [6] 。Xu等将北京市1978~2012年农作物水足迹变化分解为节水技术效应、种植结构效应、产出规模效应、城市化效应和人口效应 [7] 。韩琴等将中国31个省份灰水足迹效率变化分解为效率效应、结构效应、经济效应、禀赋效应、开发效应和技术效应 [8] 。陈东景、张陈俊等考察了区域经济份额对中国用水量变化的影响 [9] [10] ，另外，张陈俊等还分析了区域人口分布对用水量变化的影响 [11] 。从现有研究成果来看，用水量或用水强度演变趋势的分解主要集中于时间视角，缺乏空间差异影响因素的指数分解。国外空间差异驱动效应分解研究主要集中于能源环境领域 [12] 。用水量空间差异驱动效应分解的意义在于有利于探索用水量地域差异的形成原因和影响机理，用水量少的地区可以给予用水量多的地区可借鉴的节水对策，先后实现用水量的“零增长”，甚至“负增长”。

长江三角洲地区是中国经济最发达的热点地区，也是水资源对经济发展约束尤为突出的地区。本文选择长江三角洲地区作为研究对象，从时间和空间两个视角分解长江三角洲地区用水量的驱动效应，有利于挖掘用水量时空差异的影响因素，为控制用水总量提供对策建议。

2. 模型构建

完全分解模型由Sun [13] 于1998年提出，是指数分解法中的一种重要模型，本文利用该模型分解长江三角洲地区用水量时空差异的驱动效应。

假定地区用水总量W由公式(1)表示：

$W={\displaystyle \underset{i=1}{\overset{3}{\sum }}{W}_i}={\displaystyle \underset{i=1}{\overset{3}{\sum }}P\times \frac{G}{P}}\times \frac{G_i}{G}\times \frac{W_i}{G_i}$ (1)

式中，P和G分别代表人口数和国内生产总值， $G_i$ 和 $W_i$ 分别表示第i产业增加值和用水量，并且满足

$G={\displaystyle \underset{i=1}{\overset{3}{\sum }}{W}_i}$ ( $i=1,2,3$ )。

将公式(1)进一步改写成公式(2)的形式：

$W={\displaystyle \underset{i=1}{\overset{3}{\sum }}P\times Inc}\times S_i\times I_i$ (2)

式中， $Inc=G/P$ 表示人均国内生产总值， $S_i=G_i/G$ 表示第i产业增加值占国内生产总值的比重， $I_i=W_i/G_i$ 表示第i产业用水强度。

假定时间从0变化到t，用水总量变化量 $\Delta W$ 可以由公式(3)表示：

$\Delta W=W^t-W^0={\displaystyle \underset{i=1}{\overset{3}{\sum }}{P}^t}\times In{c}^t\times S_i^t\times I_i^t-{\displaystyle \underset{i=1}{\overset{3}{\sum }}{P}^0}\times In{c}^0\times S_i^0\times I_i^0$ (3)

可以将用水总量变化量 $\Delta W$ 分解为4个驱动效应，如公式(4)所示：

$\Delta W=\Delta W_P+\Delta W_{Inc}+\Delta W_S+\Delta W_I$ (4)

依据“共同创造，平等分配”原则 [13] ，4个驱动效应分别如公式(5)~(8)所示：

人口效应：

$\begin{array}{l}\Delta W_P={\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta P\cdot In{c}^0\cdot S_i^0\cdot I_i^0}+\frac{1}{2}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta P\cdot \left(\Delta Inc\cdot S_i^0\cdot I_i^0+\Delta S_i\cdot In{c}^0\cdot I_i^0+\Delta I_i^0\cdot In{c}^0\cdot S_i^0\right)}\\ +\frac{1}{3}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta P\cdot \left(\Delta Inc\cdot \Delta S_i\cdot I_i^0+\Delta Inc\cdot \Delta I_i\cdot S_i^0+\Delta S_i\cdot \Delta I_i\cdot In{c}^0\right)}\\ +\frac{1}{4}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta P\cdot \left(\Delta Inc\cdot \Delta S_i\cdot \Delta I_i\right)}\end{array}$ (5)

收入效应：

$\begin{array}{l}\Delta W_{Inc}={\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta Inc\cdot P^0\cdot S_i{}^0\cdot I_i^0}+\frac{1}{2}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta Inc\cdot \left(\Delta P\cdot S_i^0\cdot I_i^0+\Delta S_i\cdot P^0\cdot I_i^0+\Delta I_i\cdot P^0\cdot S_i^0\right)}\\ +\frac{1}{3}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta Inc\cdot \left(\Delta P\cdot \Delta S_i\cdot I_i^0+\Delta P\cdot \Delta I_i\cdot S_i^0+\Delta S_i\cdot \Delta I_i\cdot P^0\right)}\\ +\frac{1}{4}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta Inc\cdot \left(\Delta P\cdot \Delta S_i\cdot \Delta I_i\right)}\end{array}$ (6)

结构效应：

$\begin{array}{l}\Delta W_S={\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta S_i\cdot P^0\cdot In{c}^0\cdot I_i^0}+\frac{1}{2}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta S_i\cdot \left(\Delta P\cdot In{c}^0\cdot I_i^0+\Delta Inc\cdot P^0\cdot I_i^0+\Delta I_i\cdot P^0\cdot In{c}^0\right)}\\ +\frac{1}{3}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta S_i\cdot \left(\Delta P\cdot \Delta Inc\cdot I_i^0+\Delta P\cdot \Delta I_i\cdot In{c}^0+\Delta Inc\cdot \Delta I_i\cdot P^0\right)}\\ +\frac{1}{4}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta S_i\cdot \left(\Delta P\cdot \Delta Inc\cdot \Delta I_i\right)}\end{array}$ (7)

强度效应：

$\begin{array}{l}\Delta W_I={\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta I_i\cdot P^0\cdot In{c}^0\cdot S_i^0}+\frac{1}{2}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta I_i\cdot \left(\Delta P\cdot In{c}^0\cdot S_i^0+\Delta Inc\cdot P^0\cdot S_i^0+\Delta S_i\cdot P^0\cdot In{c}^0\right)}\\ +\frac{1}{3}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta I_i\cdot \left(\Delta P\cdot \Delta Inc\cdot S_i^0+\Delta P\cdot \Delta S_i\cdot In{c}^0+\Delta Inc\cdot \Delta S_i\cdot P^0\right)}\\ +\frac{1}{4}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta I_i\cdot \left(\Delta P\cdot \Delta Inc\cdot \Delta S_i\right)}\end{array}$ (8)

式中， $\Delta W_P$ 、 $\Delta W_{Inc}$ 、 $\Delta W_S$ 和 $\Delta W_I$ 分别表示人口效应、收入效应、结构效应和强度效应，分别反映人口规模变化、经济增长、产业结构调整、产业用水强度变化对用水总量变化量 $\Delta W$ 的影响。

公式(4)~(8)展现了用水总量W从时间0变化到t时，用水总量变化量 $\Delta W$ 的驱动效应。若存在两个地区，分别用R0和R1表示，用水总量的空间差异如公式(9)所示：

$\Delta W=W^{R1}-W^{R0}={\displaystyle \underset{i=1}{\overset{3}{\sum }}{P}^{R1}}\times In{c}^{R1}\times S_i^{R1}\times I_i^{R1}-{\displaystyle \underset{i=1}{\overset{3}{\sum }}{P}^{R0}}\times In{c}^{R0}\times S_i^{R0}\times I_i^{R0}$ (9)

式中各变量的含义与公式(3)相同，只不过公式(9)表示空间差异，而公式(3)表示时间差异。

将地区R1和地区R0用水总量空间差异 $\Delta W^{R1-R0}$ 也分解为4个驱动效应，即人口效应、收入效应、结构效应和强度效应，如下所示：

$\Delta W^{R1-R0}=\Delta W_P^{R1-R0}+\Delta W_{Inc}^{R1-R0}+\Delta W_S^{R1-R0}+\Delta W_I^{R1-R0}$ (10)

$\begin{array}{l}\Delta W_P^{R1-R0}={\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta P\cdot In{c}^{R0}\cdot S_i^{R0}\cdot I_i^{R0}}\\ +\frac{1}{2}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta P\cdot \left(\Delta Inc\cdot S_i^{R0}\cdot I_i^{R0}+\Delta S_i\cdot In{c}^{R0}\cdot I_i^{R0}+\Delta I_i\cdot In{c}^{R0}\cdot S_i^{R0}\right)}\\ +\frac{1}{3}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta P\cdot \left(\Delta Inc\cdot \Delta S_i\cdot I_i^{R0}+\Delta Inc\cdot \Delta I_i\cdot S_i^{R0}+\Delta S_i\cdot \Delta I_i\cdot In{c}^{R0}\right)}\\ +\frac{1}{4}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta P\cdot \left(\Delta Inc\cdot \Delta S_i\cdot \Delta I_i\right)}\end{array}$ (11)

$\begin{array}{l}\Delta W_{Inc}^{R1-R0}={\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta Inc\cdot P^{R0}\cdot S_i^{R0}\cdot I_i^{R0}}\\ +\frac{1}{2}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta Inc\cdot \left(\Delta P\cdot S_i^{R0}\cdot I_i^{R0}+\Delta S_i\cdot P^{R0}\cdot I_i^{R0}+\Delta I_i\cdot P^{R0}\cdot S_i^{R0}\right)}\\ +\frac{1}{3}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta Inc\cdot \left(\Delta P\cdot \Delta S_i\cdot I_i^{R0}+\Delta P\cdot \Delta I_i\cdot S_i^{R0}+\Delta S_i\cdot \Delta I_i\cdot P^{R0}\right)}\\ +\frac{1}{4}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta Inc\cdot \left(\Delta P\cdot \Delta S_i\cdot \Delta I_i\right)}\end{array}$ (12)

$\begin{array}{l}\Delta W_S^{R1-R0}={\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta S_i\cdot P^{R0}\cdot In{c}^{R0}\cdot I_i^{R0}}\\ +\frac{1}{2}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta S_i\cdot \left(\Delta P\cdot In{c}^{R0}\cdot I_i^{R0}+\Delta Inc\cdot P^{R0}\cdot I_i^{R0}+\Delta I_i\cdot P^{R0}\cdot In{c}^{R0}\right)}\\ +\frac{1}{3}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta S_i\cdot \left(\Delta P\cdot \Delta Inc\cdot I_i^{R0}+\Delta P\cdot \Delta I_i\cdot In{c}^{R0}+\Delta Inc\cdot \Delta I_i\cdot P^{R0}\right)}\\ +\frac{1}{4}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta S_i\cdot \left(\Delta P\cdot \Delta Inc\cdot \Delta I_i\right)}\end{array}$ (13)

$\begin{array}{l}\Delta W_I^{R1-R0}={\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta I_i\cdot P^{R0}\cdot In{c}^{R0}\cdot S_i^{R0}}\\ +\frac{1}{2}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta I_i\cdot \left(\Delta P\cdot In{c}^{R0}\cdot S_i^{R0}+\Delta Inc\cdot P^{R0}\cdot S_i^{R0}+\Delta S_i\cdot P^{R0}\cdot In{c}^{R0}\right)}\\ +\frac{1}{3}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta I_i\cdot (\Delta P\cdot \Delta Inc\cdot S_i^{R0}+\Delta P\cdot \Delta S_i\cdot In{c}^{R0}+\Delta Inc\cdot \Delta S_i\cdot P^{R0})}\\ +\frac{1}{4}{\displaystyle \underset{i=1}{\overset{3}{\sum }}\Delta I_i\cdot \left(\Delta P\cdot \Delta Inc\cdot \Delta S_i\right)}\end{array}$ (14)

式中， $\Delta W_P^{R1-R0}$ 、 $\Delta W_{Inc}^{R1-R0}$ 、 $\Delta W_S^{R1-R0}$ 和 $\Delta W_I^{R1-R0}$ 也分别表示人口效应、收入效应、结构效应和强度效应，分别反映地区R1与地区R0人口规模差异、经济增长差异、产业结构差异和产业用水强度差异对用水总量空间差异 $\Delta W^{R1-R0}$ 的影响。

3. 数据来源

本文所用数据的时间跨度为2000~2015年，所涉原始数据为人口指标、增加值指标、用水量指标，数据来源于历年《中国统计年鉴》 [14] 和《中国水资源公报》(纸质版) [15] ，对相关变量解释如下：

1) 人口指标。人口指标分为常住人口和户籍人口两种口径，经济发展带动了大规模的人口流动，但是户籍却未发生变化，因此，常住人口指标更能反映一个地区的人口状况。

2) 增加值指标。三次产业增加值均根据2000年不变价格进行调整，以便消除价格因素影响，国内生产总值由调整后的三次产业增加值加总得到，人均国内生产总值由国内生产总值除以人口指标得到。

3) 用水量指标。《中国水资源公报》将省际用水总量划分为农业用水、工业用水、生活用水和生态用水，并不是按照三次产业口径进行划分，为了用水量口径与三次产业口径相一致，因此，需要对用水量分类进行调整，过程如下：将农业用水作为第一产业用水，由于建筑业用水所占比重较小，工业用水作为第二产业用水，同时，参考孙才志 [6] 的处理方法，将生活用水作为第三产业用水，用水总量由三次产业用水加总得到，产业用水强度由产业用水量除以产业增加值计算得到。

4. 实证分析

4.1. 长江三角洲地区用水量变化趋势

图1~图3分别反映上海、江苏和浙江用水量变化趋势。

1) 从时间视角来看，江苏用水总量从2000年的445.60亿m³增加到2005年的514.76亿m³，从2010年的548.99亿m³增加到2015年的572.50亿m³，2000~2015年16年期间，年均增长率为1.68%，其中，第一产业用水量所占比重最大，4个年份都在40%以上，2000年将近60%，第二产业用水量次之，第三产业用水量最小。

Figure 1. The change of water use for Shanghai from 2000 to 2015

图1. 2000~2015年上海用水量变化情况

Figure 2. The change of water use for Jiangsu from 2000 to 2015

图2. 2000~2015年江苏用水量变化情况

浙江用水总量从2000年的201.15亿m³下降到2005年的196.15亿m³，从2010年的193.74亿m³下降到2015年的180.60亿m³，2000~2015年16年期间，年均下降率为0.72%，其中，第一产业用水量所占比重最大，4个年份都在45%以上，2000年超过60%，第二产业用水量次之，第三产业用水量最小。

上海用水总量从2000年的108.38亿m³增加到2005年的119.55亿m³，从2010年的125.07亿m³下降到2015年的103.00亿m³，呈上升后下降的趋势，其中，第二产业用水量所占比重最大，4个年份都在60%以上，2000年达到70%以上，除2000年外，第三产业用水量大于第一产业。

2) 从空间视角来看，江苏用水总量在4个年份最大，浙江次之，上海最小。其中，三次产业用水量都是江苏最大，第一、三产业用水量浙江次之，上海最小，而第二产业却是上海次之，浙江最小。

Figure 3. The change of water use for Zhejiang from 2000 to 2015

图3. 2000~2015年浙江用水量变化情况

4.2. 长江三角洲地区用水量时间差异的效应分解

利用公式(4)~(8)将长江三角洲地区用水总量变化的驱动效应分解为人口效应、收入效应、结构效应和强度效应，分解结果如表1所示。

1) 在2000~2015年期间，江苏用水总量累计增加了126.90亿m³，其中，收入效应 $\Delta W_{Inc}$ 和人口效应 $\Delta W_P$ 分别达到875.53亿m³和45.70亿m³，前者是后者的19倍，表明经济增长和人口规模扩大是推动用水总量增加的主要和次要因素。强度效应 $\Delta W_I$ 和结构效应 $\Delta W_S$ 分别达到−479.95亿m³和−314.38亿m³，前者是后者的1.5倍，表明产业用水强度下降和产业结构优化升级是抑制用水总量增加的主要和次要因素。

基于中国每五年制定实施一个社会经济发展规划的事实，将2000~2015年划分为三个子时间段：2000~2005年(“十五”时期)、2005~2010年(“十一五”时期)和2010~2015年(“十二五”时期)，三个规划期用水总量分别增加了69.16亿m³、34.23亿m³和23.51亿m³，用水总量增加量逐渐缩小，“十二五”时期增加量最小，与《最严格水资源管理制度》的贯彻实施密切相关。收入效应 $\Delta W_{Inc}$ 和人口效应 $\Delta W_P$ 都是正值，表明经济增长和人口规模扩大始终是用水量增加的推动因素，尤其是前者。强度效应 $\Delta W_I$ 和结构效应 $\Delta W_S$ 始终是负值，表明产业用水强度下降和产业结构优化升级是用水量增加的抑制因素，尤其是前者。由于经济增长和人口规模扩大对用水量的促增作用完全抵消了产业用水强度下降和产业结构优化升级对用水量的促减作用，最终导致用水量增加。

2) 浙江在考察期内用水总量累计下降了20.55亿m³，其中，收入效应 $\Delta W_{Inc}$ 和人口效应 $\Delta W_P$ 分别达到281.07亿m³和34.32亿m³，前者是后者的8倍，表明经济增长和人口规模扩大是推动用水总量增加的主要和次要因素。强度效应 $\Delta W_I$ 和结构效应 $\Delta W_S$ 分别达到−223.10亿m³和−112.84亿m³，前者是后者的2倍，表明产业用水强度下降和产业结构优化升级是抑制用水总量的主要和次要因素。三个规划期用水总量分别下降了5.00亿m³、2.41亿m³和13.14亿m³。收入效应 $\Delta W_{Inc}$ 和人口效应 $\Delta W_P$ 都是正值，表明经济增长和人口规模扩大始终是用水量增加的推动因素，尤其是前者。强度效应 $\Delta W_I$ 和结构效应 $\Delta W_S$ 始终是负值，表明产业用水强度下降和产业结构优化升级是用水量增加的抑制因素，尤其是前者。与江苏不同的是，产业用水强度下降和产业结构优化升级对用水量的促减作用大于经济增长和人口规模扩大

Table 1. The driving effect decomposition results of water use in Yangtze River Delta from 2000 to 2015

表1. 2000~2015年长江三角洲地区用水总量变化的驱动效应分解结果

对用水量的促增作用，引致用水量出现下降。

3) 上海在考察期内用水总量累计下降了5.38亿m³，其中，收入效应 $\Delta W_{Inc}$ 和人口效应 $\Delta W_P$ 分别达到124.88亿m³和49.51亿m³，前者是后者的2.5倍。表明经济增长和人口规模扩大是推动用水总量增加的主要和次要因素。强度效应 $\Delta W_I$ 和结构效应 $\Delta W_S$ 分别达到−142.01亿m³和−37.77亿m³，前者是后者的3.8倍，表明产业用水强度下降和产业结构优化升级是抑制用水总量的主要和次要因素。三个规划期用水总量变化量分别为11.17亿m³、5.52亿m³和−22.07亿m³。收入效应 $\Delta W_{Inc}$ 和人口效应 $\Delta W_P$ 都是正值，表明经济增长和人口规模扩大始终是用水量增加的推动因素，尤其是前者。强度效应 $\Delta W_I$ 和结构效应 $\Delta W_S$ 始终是负值，表明产业用水强度下降和产业结构优化升级是用水量增加的抑制因素，尤其是前者。

由于强度效应 $\Delta W_I$ 和结构效应 $\Delta W_S$ 在三次产业内部具有明显的差异，因此用水量控制策略也应有所侧重。表2显示了2000~2015年长江三角洲地区结构效应和强度效应在三次产业内部的差异。

在2000~2015年期间及其各子时间段，整体上看，江苏、浙江强度效应 $\Delta W_I$ 始终是负值，表明三次产业用水效率普遍提高，有力抑制了用水量增加，强度效应 $\Delta W_I$ 在第二产业内部最显著，第一产业次之，第三产业最小。上海强度效应 $\Delta W_I$ 在第二、三产业内部始终是负值，且在第二产业内部更显著，第一产业仅在2005~2010年为负值，其他时间段都为正值。

结构效应 $\Delta W_S$ 在三次产业内部差异的分析过程与强度效应不同，根据产业结构演变规律，第一产业逐渐向第二、三产业转移，即第一产业比重逐渐缩小，第二、三产业比重逐渐扩大。结构效应 $\Delta W_S$ 在某产业内部为负值时，表明该产业比重下降，从而促进用水量下降，对第一产业的政策启示是降低比重，但是完全不适用于第二、三产业，因此，本文仅仅分析结构效应在第一产业内部的大小。长江三角洲地区结构效应 $\Delta W_S$ 在第一产业内部始终是负值，表明第一产业比重下降普遍促进了用水量下降，但是随着时间的推移，第一产业比重下降对用水量下降的贡献逐渐缩小，主要因为下降下界的存在。

Table 2. The industrial difference of driving effect of water use in Yangtze River Delta

表2. 长江三角洲地区用水量变化驱动效应的产业差异

4.3. 长江三角洲地区用水量空间差异的效应分解

在2000年、2005年、2010年和2015年4个年份，上海用水总量都是最小，因此，以上海为参考对象，分别测算江苏与上海、浙江与上海用水总量空间差异的驱动效应。基于公式(10)~(14)，将用水总量空间差异分解为人口效应、收入效应、结构效应和强度效应，分解结果如表3和表4所示。

1) 江苏与上海用水总量空间差异的驱动效应分解：在2000年、2005年、2010年和2015年，江苏用水总量比上海分别多337.22亿m³、395.21亿m³、423.92亿m³和469.50亿m³，差距逐渐扩大。其中，人口效应 $\Delta W_P^{R1-R0}$ 和结构效应 $\Delta W_S^{R1-R0}$ 始终是正值，表明江苏与上海相比，人口规模更大，产业结构比较低级，是江苏用水总量大于上海的推动因素。收入效应 $\Delta W_{Inc}^{R1-R0}$ 始终是负值，表明江苏与上海相比，人均GDP较小，抑制了江苏用水总量与上海的差距拉大，不过其绝对值呈递减特征，说明两个地区经济发展水平差异带动用水总量差异的作用逐渐缩小。强度效应 $\Delta W_I^{R1-R0}$ 在2000年和2005年为正值，在2010年和2015年为负值，表明江苏产业用水强度由高于上海转变为低于上海，有利于缩小两个地区用水总量的差异。

2) 浙江与上海用水总量空间差异的驱动效应分解：在2000年、2005年、2010年和2015年，浙江用水总量分别比上海多92.77亿m³、76.60亿m³、68.67亿m³和77.60亿m³。其中，人口效应 $\Delta W_P^{R1-R0}$ 和结构效应 $\Delta W_S^{R1-R0}$ 是正值，表明浙江与上海相比，人口规模更大，产业结构比较低级，是浙江用水总量大于上海的推动因素。收入效应 $\Delta W_{Inc}^{R1-R0}$ 和强度效应 $\Delta W_I^{R1-R0}$ 始终是负值，表明浙江与上海相比，人均GDP较小，产业用水强度更低，对浙江用水总量大于上海起到抑制作用。

5. 结论与建议

本文利用完全分解模型将长江三角洲地区用水总量时空差异分解为人口效应、收入效应、结构效应和强度效应，得到如下结论：

1) 2000~2015年以及子时间段内，经济增长( $\Delta W_{Inc}$ )和人口规模扩大( $\Delta W_P$ )是推动长江三角洲地区用

Table 3. Decomposition effect of water spatial difference between Jiangsu and Shanghai

表3. 江苏与上海用水量空间差异分解效应

Table 4. Decomposition effect of water spatial difference between Zhejiang and Shanghai

表4. 浙江与上海用水量空间差异分解效应

水总量增加的主次因素，而产业用水强度下降( $\Delta W_I$ )和产业结构优化升级( $\Delta W_S$ )是抑制用水总量增加的主次因素。2) 整体来看，长江三角洲地区三次产业用水效率普遍提高，促进用水量下降，第二产业的贡献最大，对江苏、浙江而言，第一产业次之，第三产业最小，对上海而言，第一产业仅在2005~2010年为负值；产业结构调整促进用水量下降主要来源于第一产业比重的下降。3) 以上海为参考对象，分解了江苏、浙江与上海用水总量差异的驱动效应，得到人口规模较大和产业结构比较低级是江苏、浙江用水总量大于上海的主要原因；经济发展水平相对较低，对江苏、浙江用水总量大于上海起到抑制作用；浙江用水强度始终小于上海，而江苏仅在2010年和2015年小于上海，有利于缩小用水量空间差异。

基于以上结论，得到如下政策建议：

1) 进一步降低产业用水强度，优化升级产业结构来实现用水量下降；正确权衡经济增长与水资源消耗、经济增长的数量与质量之间的关系；控制人口规模也是减少用水量的重要途径。2) 针对不同产业，用水效率提高策略应该有所侧重，应该重点放在第二、一产业，第三产业用水效率提升空间有限；优化产业结构主要在于降低第一产业比重。3) 与上海相比，江苏、浙江缩小用水总量差异，可以通过控制人口规模，优化升级产业结构(由高耗水的第一产业向低耗水的第二、三产业转移)来实现。

基金项目

本文受到教育部人文社会科学研究青年基金项目(17YJC790194)资助。