张之颖，张 辉，章 静，缪丽娟

(1.南京信息工程大学 长望学院，江苏 南京 210044；2.南京信息工程大学 地理科学学院，江苏 南京 210044)

目前，较多学者针对我国用水规律[1]、用水效率[2]、影响要素[1,3-4]、用水预测[5]等方面展开研究。针对用水量的时空规律研究，主要集中于趋势拟合分析和地域分布差异，对变化过程及其空间集聚现象的研究相对较少；针对用水效率、用水价值等指标的空间规律和归因分析等方面的研究相对较多，且研究区域大多数是基于省级尺度或以流域分区，研究的时间范围相对较短；精度较高的研究则主要针对短时间段内、基于小空间尺度、某一部门的用水，对更高精度、长时间段的中国综合用水时空规律，如时间序列的变化过程、空间集聚现象研究相对不足。

国内外针对水文序列的监测方法较多，包括Mann-Kendall 检验法、Pettitt 法、双累积曲线法、BFAST（Breaks for Additive Seasonal and Trend）算法等[6]。其中，BFAST 算法能够克服季节变化的影响、突变点位置随子序列长度变化而漂移等缺陷[7]，是时间序列趋势成分和趋势断点估计的有效手段[8]，无需选择参考周期、设置阈值或定义变化轨迹[9]，广泛用于植被、水文、气象等领域的时间序列分析中。衡量空间自相关的常用指标有Moran’s I、Geary’s C、G 系数等[10-11]。比较而言，判断一个区域是否存在空间集聚，尤其是集聚区域位于研究区域边缘或存在偏离正态分布情况时，Moran’s I 统计结果更可靠，适合大多数应用[10-11]。

基于此，对我国大陆341 个行政单位各部门用水量的时空演变特征进行监测评估，运用BFAST 算法检测1965—2013 年间用水量的时间变化趋势类型和突变点，运用空间自相关法，评估我国用水量在空间上整体和局部的关联性，采用LISA（Local indicators of spatial association）集聚图，分析我国用水量的空间分布规律。本研究旨在为我国水资源空间调配与合理用水提供科学支撑，为缓解水危机、保障国民生计及实现水资源利用可持续发展做铺垫。

1 数据及方法

1.1 数据源

研究选取1965—2013 年中国大陆341 个行政区用水量数据（包括4 个直辖市、286 个地级市、14 个地区、30 个自治州、3 个盟和4 个直管市），使用的中国用水量数据集 NLWUD （National Long-term Water Use Dataset of China）由Zhou 等建立[4]。数据主要来源于1965—2000 年的第一次和第二次全国水资源调查评价资料、2001—2013 年31 个省级行政区的水资源公报，具有较好的空间分辨率、时间连续性和可靠性，包含灌溉、工业、城市和农村等4 个部门的用水和相关规模指标。本研究采用该数据集中中国用水量（总用水量）、灌溉用水量、工业用水量、城市用水量和农村用水量等指标。其中，灌溉用水量是用于农业灌溉的用水量；工业用水量是用于发展工业的用水量；城市用水量是供城市居民直接使用的水量；农村用水量是供农村居民直接使用的水量；总用水量为灌溉、工业、城市和农村用水量的总和。1965—2013 年间，我国行政区划发生了变化，调整了行政区划和对应用水量数据，使其与2013 年的中国行政区划图（http://geodata.pku.edu.cn）匹配，地区名称修改为最新的名称（http://xzqh.mca.gov.cn/）。因香港特别行政区、澳门特别行政区、台湾省及南海诸岛缺乏统计数据，所以对这些区域不予分析。

1.2 研究方法

选用BFAST 算法进行用水量趋势验算，运用Moran’s I 和LISA 空间集聚图进行空间自相关分析。

1.2.1 趋势检验算法 BFAST 将时间序列迭代分解成季节、趋势和噪声成分，并检测趋势和季节分量的断点[12]，既可识别时间序列的突变，也可解析阶段性变化趋势[6]。分解模型表示为：

式中：Yt为在时间t的观测数据；Tt为趋势分量；St为季节性分量；et为噪声成分，代表除季节和趋势成分之外的剩余变化[13]。该方法能在检测变化的同时，将时间序列的年际变化、季节性变化、突变变化分离。

BFAST 算法采用叠加分解模型迭代拟合分段线性趋势和季节模型，假设趋势分量可以通过分段线性模型近似拟合，则连续线性模型的截距和斜率分别表示变化的幅度和方向，并通过断点前后的截距和斜率推算断点处的突变幅度和方向[9]。如图1 所示，BFAST 算法将变化趋势类型分为7 种[12]。

图1 基于BFAST 算法的变化趋势类型Fig.1 Trend types based on BFAST

1.2.2 空间自相关 空间自相关可判断某一要素属性值与相邻空间点上的同一要素属性值之间的相关程度，度量其空间聚集性[14]，Moran’s I 是空间自相关分析方法中较为常用的指标。

全局空间自相关是对观测变量在整个研究区域内的空间聚集性的综合度量，以判断某属性在特定区域内是否存在聚集特征[15]。计算式如下：

式中：N为行政区的个数（N=341）；xi和xj为区域i和区域j的属性值（即中国用水量和各部门用水量），x-为各相邻区域属性值的平均值；wij为区域i和区域j之间的空间权重矩阵元素；W为所有权重之和。Ig的取值范围在-1 到1 之间，大于0 表示正相关，小于0 表示负相关，等于0 表示不相关。本研究选用一阶权重矩阵为参考，分别采用Rook 和Queen 邻接矩阵进行计算，Rook 邻接反映了与每个单元直接邻接的上下左右4 个位置的邻接关系，Queen 邻接在Rook 邻接的基础上增加了斜对角线元素的影响，共考虑了8 个单元的邻接关系[10]。计算发现两者的结果相似，同时基于Rook 是空间自相关分析中最常用的邻接形式[10]，故选用Rook 一阶邻接矩阵进行后续操作。

局部空间自相关是对属性值在局部区域的空间自相关程度的可视化表达，指出显著聚集的具体位置，以弥补全局空间自相关无法显示空间集聚区和空间异常值的不足[16]。用LISA 指标表示局部空间自相关程度，计算式如下：

式中：zi和zj表示偏离均值的程度。Ii＞0，表示空间集聚区，即研究区内的目标属性值与其邻近区域的观测值具有一定程度的相似性，主要包括高-高集聚和低-低集聚；Ii＜0，表示空间异常值，即观测值被与其属性不同的值包围，主要包括高-低集聚和低-高集聚[16]。其中，高-高集聚指用水量高的地区彼此相邻，即高值集聚区；低-低集聚是用水量低的地区彼此相邻，即低值集聚区；高-低集聚指用水量低值区包围高值区；低-高集聚是用水量高值区包围低值区[17-18]。

2 结果分析

2.1 基于BFAST 算法的中国用水量变化规律分析

借助BFAST 算法，分析得到中国用水量和各部门（灌溉用水、工业用水、城市用水和农村用水）用水量的变化趋势及突变时间的空间分布（见图2 和3）。针对各部门用水量变化趋势，变化趋势类型的分布基本不存在一致特征（图2），但分布较为一致的是无断点类型（在西藏、青海等处在胡焕庸线以北的区域）。针对用水量的BFAST 结果，中断类型Ⅰ（37%）、反转类型Ⅰ（31%）、单调增加（正间断）（27%）占比较多，单调减少（负间断）、中断类型Ⅱ、反转类型Ⅱ占比总和不足5%。我国用水量总体趋势在1965—2013 年持续不断增加，但东部沿海和西北内陆的部分地区呈反转类型Ⅰ，即先增加后减小。单调增加（正间断）和中断类型Ⅰ基本分布于我国各省，其中中断类型Ⅰ在空间上的分布更为连续，而反转类型Ⅰ与灌溉用水中反转类型Ⅰ中的部分地区相对匹配。

图2 中国用水量和各部门用水量变化趋势的空间分布Fig.2 Spatial distributions of trend types of China’s human water use and sectoral water use

灌溉用水量突变最早发生在内陆地区，之后在胡焕庸线及其以南开始出现，其中最主要的类型是反转类型Ⅰ，占比超过60%，首先发生在甘肃，随后在胡焕庸线东南侧不断出现；其次是中断类型Ⅰ，最先出现在甘肃、陕西、四川等位于胡焕庸线周边的地区，最后位于我国的东南、东北地区。工业用水量的突变集中在1991—1995 年间和2000 年后，3 种类型占比相近，突变地区分散。其中中断类型Ⅰ占比相对较多，最后以内蒙古地区最为明显；单调增加（正间断）首先位于南方地区，而后北方地区也不断出现；反转类型Ⅰ先出现于华北地区，后期突变最明显的地区是江苏。城市用水量突变类型以单调增加（正间断）最明显，集中在青藏高原以外的地区，1990 年前位于东部沿海，之后出现在西部内陆地区。农村用水量的突变以单调增加（正间断）为主，在青海、陕西、北京等少数几个地区以外的省份均有分布，最早主要出现在内陆地区；反转类型Ⅰ在1995 年后出现于南方和华北的部分地区。

我国用水量及各部门用水量变化突变点基本分布在1974—2003 年，集中在1990 年后。单调增加（正间断）和反转类型Ⅰ的突变点主要集中在1990 年以后，且均以1991—1995 年最为突出，而中断类型Ⅰ则主要出现在1995 年以后（图2 和图3）。用水量变化的突变现象普遍存在，突变前各部门用水量主要呈增加趋势，突变后用水量增加与减少并存（仍以增加为主）（图2 和图3），这说明用水量增长速率在减小。其中，城市用水量增长趋势最明显，其次是工业和农村用水量，灌溉用水量在突变后表现出较明显的减少趋势。

图3 中国用水量和各部门用水量变化突变点的空间分布Fig.3 Spatial distributions of break points of China’s human water use and sectoral water use

2.2 1965—2013 年中国用水量的空间集聚分析

我国用水量及各部门用水量的全局Moran’s I 指数均保持在0 以上，这表明341 个行政区的用水量呈现正向的空间集聚（图4）。我国用水量的空间集聚程度低于农村用水量和灌溉用水量，而高于工业用水量和城市用水量，这表明农村用水量和灌溉用水量集聚是中国用水量出现集聚的主要原因；农村用水量Moran’s I 指数基本保持在0.35～0.40，表示集聚性相对稳定，1991 年后表现出较强的空间集聚性；我国用水量和灌溉用水量的指数变化趋势相对一致，空间集聚性有所下降。工业和城市用水量的空间集聚度在增加，增加幅度相似，但趋势差异明显，其中工业用水量在1980 年和2005 年前后集聚性增加较为明显，城市用水量集聚性的增长则在1990 年之后。

图4 中国用水量和各部门用水量的Global Moran’s I 指数Fig.4 Global Moran’s I of China’s human water use and sectoral water use

图5 为中国用水量的LISA 空间集聚图（1965 年、1975 年、1985 年、1995 年、2005 年及2013 年）。可见，我国用水量空间集聚区的分布面积远大于空间异常区，其中用水量的高-高集聚区面积在缩小，低-低集聚区不断增大。对于灌溉用水量、工业用水量和城市用水量，高-高集聚区主要出现在东北、南方等水资源丰沛、人口较多或经济发达地区，农村用水量的高-高集聚区集中体现在南方地区；各部门用水量的低-低集聚区则主要位于胡焕庸线以北（灌溉用水量除外），也是缺水、人口较少、经济相对落后的地区（图6）。

图5 基于中国用水量的LISA 空间集聚图Fig.5 Local indicators of spatial association based on China’s human water use

图6 中国各部门用水量的LISA 空间集聚图Fig.6 Local indicators of spatial agglomeration based on China’s sectoral water use

我国用水量与灌溉用水量的集聚区在1995 年前相对一致，高-高集聚区主要集中在新疆和长三角地区。位于南方地区的高-高集聚区在1965 年之后明显缩小，但后期扩张相对明显，高-高集聚区向西转移；东北地区后期出现高-高集聚区。不同的是，用水量的高-高集聚区在长三角地区基本保持不变，位于新疆的面积在缩小，而灌溉用水量与之相反；低-低集聚区均集中在西藏、东北局部地区及黄河流域的省份，但灌溉用水量的低-低集聚区规模则在缩小。

我国用水量与工业用水量的集聚区在1995 年后较为相似，工业用水量与城乡用水量的高-高集聚区的分布和面积的差异相对较大。工业用水量的高-高集聚区分布比较分散，在东北、华北、东南等地区均有分布，随时间向湖北、江苏、广东等地区聚集，而后分散于南方地区；东北地区在逐渐消失之后形成了一个相对明显的集聚区。城市用水量的高-高集聚区主要分布于东北地区，在京津冀和贵州北部也有两个小的高-高集聚区；随时间的推移东北地区和贵州北部的高-高集聚区逐渐消失，京津冀的不断缩小；1995 年后在天津、江苏、广东的沿海地区聚集。农村用水量的高-高集聚区集中在华东地区及南方部分省份的交界处，并不断向四川东部、贵州北部、湖南等地聚集；位于华东地区的高-高集聚区北移，后期江苏省大部分高-高集聚区已消失。这三类用水量的低-低集聚区分布地区相对类似，都集中在我国西部地区，但工业用水量的低-低集聚区面积增加幅度较小，在南方地区逐渐消失；城市用水量的集聚区域面积相对较小，且向西北方向扩张相对明显，而后在东北地区也开始出现；农村用水量则是向西南方向扩张，至1995 年开始减小，东北地区较小的低-低集聚区扩张至1985 年后不断缩小。

3 讨论

研究发现1965—2013 年我国用水量不断增加，用水量趋势变化的突变点主要集中在1990 年后，发生突变后增加与减少趋势并存，虽然仍以增加趋势为主，但用水量的增加速率在减小。这一发现与一些学者的结论[4,19-20]相似。我国用水量和各部门用水量都存在显著的空间集聚特征，各部门用水量空间集聚的位置特征不同。这主要是因为：1995 年前我国用水量与灌溉用水量集聚区的一致性较高，1995 年后我国用水量与工业用水量集聚区的一致性越来越明显。这是由于不同时段各部门（农业和工业）对我国用水的贡献不同。1975 年前主要因素是灌区扩张、次要因素是工业增长，1975—1992 年工业增长是主要驱动因素，1992 年后主要驱动力是工业增长和灌区扩大[4]。1980 年前，灌溉农业的迅速发展增加了农业用水量，使我国用水量急剧增长；1980 年后经济社会迅速发展，工业用水和生活用水增长较快、农业用水量占比相对稳定甚至减少[19]。近20 年农业用水在我国用水的占比下降，工业用水和生活用水占比上升[1,20]。

针对各部门用水存在高-高集聚区的现象，灌溉用水量的高-高集聚区域基本存在水资源投入冗余的现象，这可能与农业规模、作物需水量等因素有关。如位于高-高集聚区的江苏、新疆，是对我国粮食产量贡献较高的地区[3]，也是农业用水效率提升空间和节水潜力很大的地区[21]。新疆内部农业用水配置高度公平，但农业用水浪费现象严重，节水灌溉技术并未普及等原因导致用水效率低[22-23]。同时，由于新疆降水量少、农业生产规模大及作物需水量大，灌溉水不足，农业用水效果较差[24]。江苏的单位面积水足迹较大，这可能与当地水稻种植有关[24]，但由于2010—2013 年江苏省农业用水效率均值均小于1（未达有效），省内差异明显（苏南大于苏北大于苏中）[25]，所以2013 年苏南和苏北局部地区不存在高-高集聚。工业用水量和城乡用水量的高-高集聚区域与工业用水量、生活用水量呈现的南高北低的空间分布规律[19]大致符合，主要分布在南方地区。我国东海岸、西北和东南省份工业生产用水效率高，西北和东南内陆省份用水效率相对较低[26]。江苏、上海、广东等地区工业用水效率较高，具有良好的产业基础和经济水平，但因为产业结构转型，加上人口密集、支撑我国大量高耗水工业产值，导致全国用水量增加[2,4,27]。城市化对生活用水具有集聚作用，加上不同城市规模和水资源禀赋导致的用水量差异，京津冀、长三角、珠三角城市群也是城市用水集中的区域[28]。京津冀地区，城市生活用水量、人均生活用水是农村的两倍多，且农村生活用水效率总体上高于城镇，此地区只体现出城市用水量的高-高集聚，却没有农村用水量的集聚特征[28]。

各部门用水量集聚区存在差异，用水量高-高集聚区的分布特点如下：①各部门用水量的高-高集聚区主要分布在胡焕庸线以南人口较多的区域（新疆除外）；②科学技术相对落后导致用水量高-高集聚区用水效率偏低；③水资源较丰沛且经济相对发达的城市群，人们的节水意识相对欠缺。灌溉用水量高-高集聚区的新疆、江苏及东北地区，是保障国家粮食安全的重要地区，需大力发展高效节水农业等技术、增加农田水利设施等投入、因地制宜合理安排种植结构，努力提高灌溉效率、作物单产[3,23]。针对工业用水高-高集聚区，注重产业结构转型升级，实行合理的用水政策和节水技术，努力发展循环产业，提高用水效率，经济欠发达区还需加快经济和工业的发展[27,29]。因此，在开发、利用水资源过程中，要全面了解和遵循水资源自然分布规律、水循环系统演变规律、人水关系和谐发展规律，以促进水资源空间均衡[30]。此外，气候变暖会导致居民生活饮用、沐浴、洗涤等用水需求上升，需要适当调控用水价格、大力宣传提高节水意识，培养人们节约用水的习惯[31-32]。

4 结语

基于我国用水量数据集、BFAST 算法和空间自相关分析方法，探究了1965—2013 年我国用水量和各部门用水量的时空变化规律，得出以下结论：

（1）我国用水量不断增加，增加速率在减小，用水的时间序列主要在1990 年之后发生突变，突变类型以中断类型Ⅰ、反转类型Ⅰ和单调增加（正间断）为主，表明用水量趋势在突变前保持增加，突变之后虽然以增加为主，但增加和减小趋势并存。

（2）我国用水量存在空间上的集聚效应，各部门用水量高-高集聚区主要分布在胡焕庸线以南，低-低集聚区集中在胡焕庸线以北（新疆除外）。

（3）灌溉用水量的高-高集聚区分布于新疆、南方部分地区，后期在东北也有出现；工业用水量与城乡用水量高-高集聚区分布于我国的东北、华北和南方地区。1995 年后，城市用水量的高-高集聚区由东北地区转移至天津、江苏、广东等沿海地区，范围不断缩小。农村用水量的集聚现象最明显，由华东地区及南方部分省份的交界处不断向四川东部、贵州北部、湖南等地聚集。

本研究旨在增进对我国用水量特征的了解，建议通过合理配置水资源来缓解水资源短缺的问题，进而保障用水安全、粮食安全、社会经济安全，实现合理用水的良性发展。