“一带一路”沿线国家农作物虚拟水贸易时空格局及驱动因素分析
1.
2.
Analysis of Spatiotemporal Pattern and Drivers of Virtual Crops Water Trade Along the Belt and Road
1.
2.
通讯作者: 陈少辉(1976-),男,河北保定人,副研究员,主要从事遥感水文研究. E-mail:chensh@igsnrr.ac.cn
收稿日期: 2021-02-28 修回日期: 2021-03-28 网络出版日期: 2021-05-31
基金资助: |
|
Corresponding authors: CHEN Shaohui (1976-), male, Baoding City, Hebei Province, Associate professor. Research areas include remote sensing hydrology. E-mail:chensh@igsnrr.ac.cn
Received: 2021-02-28 Revised: 2021-03-28 Online: 2021-05-31
作者简介 About authors
陈良侃(1996-),男,湖北咸宁人,硕士研究生,主要从事生态水文研究.E-mail:chenlk.19s@igsnrr.ac.cn
“一带一路”沿线地区水资源短缺且空间分布不均衡,虚拟水贸易实现了对水资源的远距离空间调配。以2010—2018年“一带一路”沿线59个国家和37种农作物为研究对象核算各国农作物虚拟水贸易,利用标准差椭圆、Moran's I指数、LISA指数刻画农作物虚拟水贸易的时空格局特征,通过地理探测器和地理加权回归模型分析农作物虚拟水贸易的驱动因素及其空间异质性。研究发现:
关键词:
Water resources are scarce and unevenly distributed along the Belt and Road, whereas virtual water trade could achieve the spatial allocation of water resources over long distances. The virtual crop water trade was calculated, including 37 crops from 59 countries along the Belt and Road between 2010-2018.Based on the results, the spatiotemporal patterns of virtual crop water trade were studied with the method of the standard deviation ellipse, Moran's I index, and LISA index, and the spatial variation of driving forces were analyzed by the geographical detector and geographically weighted regression. The proportion of "low water-consuming and high export" of crops was 4.013%, and the "high water-consuming and high export" was 1.926% among these 8countries. Its import spatiotemporal pattern had a trend of contraction, conversely, the export showed an expansive trend. Some aggregation characteristics arose in the local area, with the high-high concentrated regions for import were mainly distributed among South Asia, and the high-high concentrated areas for export were almost in Central and Eastern Europe. The significant drivers could explain the forcing of net crop virtual water exports well along the Belt and Road, with negative driving characteristics for GDP and positive driving characteristics for arable land area, while population scale, forest area, and the number of bordering neighbors showed positive and negative bipolar driving characteristics among different countries.
Keywords:
本文引用格式
陈良侃, 陈少辉.
CHEN Liangkan, CHEN Shaohui.
1 引 言
国内外学者对虚拟水的研究已取得了较多成果,研究内容主要包括虚拟水的核算方法、区域间虚拟水贸易量的测算和虚拟水贸易的驱动因素3类。其中,对虚拟水的核算方法分为“自下而上”和“自上而下”两类[8]:“自下而上”是指特定产品在生产过程中的直接耗水量即为虚拟水含量,代表计算模型有CropWat模型[9,10]和GEPIC模型[11]等,模型根据农作物生长期的蒸散发总量结合产量进行计算;“自上而下”根据区域的投入产出情况来估算耗水量,分为单区域投入产出模型(Single Region Input-Output,SRIO)[12]和多区域投入产出模型(Multi-Regional Input-Output,MRIO)[13]。SRIO模型核算单一研究区整体的虚拟水量,MRIO模型考虑研究区与其他区域贸易的联系,描述区域间虚拟水的流动关系。在区域间虚拟水贸易格局的量化研究中,不同学者测量了国家尺度[14,15]、省级尺度[16~18]和地级市尺度[19]虚拟水贸易的流动特征,提出通过调整贸易结构减少水资源的不合理消耗[20]。在虚拟水贸易的驱动因素分析方面,多利用相关分析[21]、引力模型[22]和结构分解分析法(Structure Decomposition Analysis,SDA)[23]等对虚拟水驱动因素进行分解分析,方法从全局对驱动因素进行拟合,忽略了各类因素作用的空间异质性。自“一带一路”倡议提出以来,已有学者从中国与沿线典型国家间的虚拟水贸易结构[24]、农产品虚拟水贸易的流动特征[25]和相关驱动因素[26]的视角展开研究。
综上,由于投入产出法计算各国虚拟水贸易量过程中数据获取困难的问题,现有研究较少对“一带一路”区域从国别角度较全面地探查沿线各国的农作物虚拟水贸易量,对虚拟水贸易的时空格局变化特征进行研究。目前对虚拟水贸易驱动因素的研究多采用经典统计方法进行全局的因素分解分析,而未考虑各因素对农作物虚拟水贸易作用强度的空间异质性。鉴于此,本研究主要从以下2个方面开展新工作,一是选取沿线59个国家和37种农作物为研究对象计算各国农作物虚拟水贸易;二是从地理学角度,运用空间统计学方法考察沿线各国2010—2018年农作物虚拟水贸易格局的演变特征,进一步按经济、社会、自然和地理4个维度选取12项驱动因素,以地理探测器和地理加权回归模型,对探测得到的显著驱动因素在地理空间中存在的空间异质性进行定量分析。本研究通过核算各国农作物需水量及虚拟水贸易量,明确“一带一路”区域农作物虚拟水贸易的空间格局演变及空间集聚模式,研究结果为“一带一路”沿线国家水资源的绿色可持续发展提供参考。
2 研究区、数据源与方法
2.1 研究区概况
表1 研究区国家地理位置划分
Table 1
区域 | 国名 | 国家数量/个 |
---|---|---|
东北亚 | 中国、蒙古国、俄罗斯 | 3 |
中亚 | 哈萨克斯坦、吉尔吉斯斯坦、土库曼斯坦、塔吉克斯坦、乌兹别克斯坦 | 5 |
东南亚 | 新加坡、印度尼西亚、马来西亚、泰国、越南、菲律宾、柬埔寨、缅甸、老挝 | 9 |
南亚 | 印度、巴基斯坦、斯里兰卡、孟加拉国、尼泊尔、马尔代夫 | 6 |
西亚北非 | 阿联酋、科威特、土耳其、卡塔尔、阿曼、黎巴嫩、沙特阿拉伯、巴林、以色列、也门、埃及、伊朗、约旦、叙利亚、伊拉克、阿富汗、阿塞拜疆、格鲁吉亚、亚美尼亚 | 19 |
中东欧 | 波兰、阿尔巴尼亚、爱沙尼亚、立陶宛、斯洛文尼亚、保加利亚、捷克、匈牙利、北马其顿、罗马尼亚、斯洛伐克、克罗地亚、拉脱维亚、波黑、乌克兰、白俄罗斯、摩尔多瓦 | 17 |
2.2 数据源
2.2.1 农作物选取
表2 研究选取农作物种类HS编码
Table 2
农作物 | HS编码 | 农作物 | HS编码 | 农作物 | HS编码 | 农作物 | HS编码 |
---|---|---|---|---|---|---|---|
洋蓟 | 070991 | 柑橘 | 080590 | 青葱 | 070310 | 葵花籽 | 120600 |
香蕉 | 080390 | 葡萄 | 0806 | 豌豆 | 070810 | 甘薯 | 071420 |
大麦 | 100300 | 花生 | 1202 | 辣椒 | 0904 | 烟草 | 240110 |
红豆 | 071332 | 莴苣 | 070519 | 马铃薯 | 0701 | 番茄 | 070200 |
绿豆 | 071331 | 玉米 | 1005 | 大米 | 100640 | 蔬菜 | - |
卷心菜 | 070511 | 芒果 | 080450 | 红花籽 | 120760 | 西瓜 | 080711 |
胡萝卜 | 070610 | 小米 | 100820 | 高粱 | 100700 | 小麦 | 100810 |
花椰菜 | 070410 | 燕麦 | 1004 | 黄豆 | 1201 | ||
棉籽 | 120927 | 棕榈 | 120710 | 菠菜 | 070970 | ||
黄瓜 | 070700 | 干洋葱 | 071220 | 甜菜 | 121291 |
2.2.2 驱动因素指标选取
农作物虚拟水贸易受多重因素的综合影响,本文参考相关学者的研究成果[19~21,24],以沿线各国农作物虚拟水贸易净出口量作为被解释变量,分别从经济、社会、自然和地理4个维度选取12项指标作为解释变量(表3)。经济维度指标反映国家的经济发展规模,包括国内生产总值(X1)、物价水平比(X2)和农业增加值(X3);社会维度指标反映国家贸易环境及贸易需求,包括物流绩效指数(X4)、对外贸易系数(X5)和人口规模(X6);自然维度指标反映自然资源丰富度,包括耕地面积(X7)、森林面积(X8)、人均淡水资源(X9)和水资源紧缩率(X10);地理维度指标反映地理区位优势度,包括是否为内陆国(X11)和邻国接边数(X12)。指标数据选取2014年为时间截面,数据源包括世界发展指标数据库(World Development Indicators,WDI)和国际前瞻研究中心数据库(Center for International Prospective Studies,CEPII)。
表3 驱动因素指标的变量说明
Table 3
维度 | 指标 | 指标解释 | 单位 | 变量符号 | 预期作用 |
---|---|---|---|---|---|
经济因素 | 国内生产总值 | 反映国家经济发展水平 | 美元 | X1 | 正 |
物价水平比 | 购买力平价/汇率,购买相同产品所需的统一货币数 | % | X2 | 负 | |
农业增加值 | 衡量农业生产力水平 | % | X3 | 正 | |
社会因素 | 物流绩效指数 | 贸易与物流基础设施评分(低1~高5) | - | X4 | 正 |
对外贸易系数 | 进出口总额/GDP,反映国家对外贸易的依赖程度 | % | X5 | 正 | |
人口规模 | 人口规模越大,对农作物的需求量越高 | 人 | X6 | 负 | |
自然因素 | 耕地面积 | 反映国家具备的农业耕地资源 | km2 | X7 | 负 |
森林面积 | 反映国家的环境蓄水能力 | km2 | X8 | 负 | |
人均淡水资源 | 反映国家水资源的富裕程度 | m3 | X9 | 正 | |
水资源紧缩率 | 反映国家水资源的紧缺程度 | % | X10 | 负 | |
地理因素 | 是否为内陆国 | 反映国家的地理位置情况,有无海岸线 | - | X11 | 正 |
邻国接边数 | 领国间趋于贸易成本降低,贸易量增加 | 国 | X12 | 正 |
2.3 研究方法
2.3.1 虚拟水计算方法
农作物属于贸易中的“初级产品”,计算农作物贸易中的虚拟水含量只需核算作物生长期的直接耗水。农作物虚拟水含量定义为某种作物生长期间的蒸散发量除以其产量[15],计算公式如下:
式中:
Hoekstra[28]根据联合国粮食及农业组织(Food and Agriculture Organization of the United Nations,FAO)提供的CropWat模型,采用修正的标准彭曼公式[29]计算得出1999年全球208个国家及地区的38种农作物需水量,是目前对农作物需水量较为科学、全面的计算结果[15,30]。本文基于Hoekstra的计算结果,根据对应作物的各年单位面积产量数据对需水量系数进行调整[15,31~33]。理论基于假设气候因素对作物需水量的影响不变的情况下,作物水分生产率(Crop Water Productivity, CWP)与作物产量存在较强的线性关系[34],参考作物需水量计算公式亦可对此关系进行验证。该方法将农作物虚拟水含量变化归因于产量趋势,忽略蒸散发变化的影响,全球尺度下农作物虚拟水的量化结果误差小于10%[35]。2010—2018年农作物需水量调整的计算公式如下:
式中:
式中:
2.3.2 标准差椭圆
探索性空间统计分析中,标准差椭圆(Standard Deviational Ellipse,SDE)是一种定量研究地理要素空间分布特征的方法[37]。椭圆中心代表贸易重心,1倍椭圆的面积范围包括区域内贸易量的68%。椭圆长轴方向表示贸易分布的主要趋势,扁率(椭圆长短半轴之差)代表贸易空间分布方向的显著性。本文运用标准差椭圆方法,定量刻画沿线国家农作物虚拟水贸易整体的空间分布特征及演变规律。
2.3.3 空间自相关分析
式中:
式中:
全局
2.3.4 地理探测器
地理探测器是测度空间分异性并揭示驱动因素的空间统计方法。模型通过计算自变量
式中:
2.3.5 地理加权回归
地理加权回归(Geographic Weighted Regression,GWR)模型是一种局部线性回归模型。传统的普通最小二乘法(Ordinary Least Squares,OLS)模型为全局线性回归,掩盖了变量的局部系数特征,GWR模型通过将地理位置嵌入到回归方程中,有效解释了因地理位置变化而引起的变量间线性关系的局部变异[40]。本文采用GWR模型对沿线国家农作物虚拟水贸易的显著驱动因素强度进行量化分析,模型的一般公式表达为:
式中:
3 结果与分析
3.1 沿线国家农作物需水量结果分析
本文通过
表4 2010—2018年“一带一路”国家主要出口农作物平均需水量排序情况(前后5国)
Table 4
排名 | 国家 | 小麦 | 国家 | 棕榈 | 国家 | 玉米 | 国家 | 水稻 | 国家 | 葵花籽 |
---|---|---|---|---|---|---|---|---|---|---|
前1 | 捷克 | 669 | 俄罗斯 | 341 | 约旦 | 215 | 波兰 | 740 | 保加利亚 | 1 060 |
前2 | 黎巴嫩 | 685 | 中国 | 381 | 爱沙尼亚 | 264 | 克罗地亚 | 754 | 以色列 | 1 112 |
前3 | 乌兹别克斯坦 | 720 | 土耳其 | 560 | 立陶宛 | 269 | 中国 | 793 | 匈牙利 | 1 193 |
前4 | 中国 | 783 | 泰国 | 594 | 以色列 | 273 | 捷克 | 824 | 捷克 | 1 286 |
前5 | 匈牙利 | 815 | 马拉西亚 | 678 | 乌兹别克斯坦 | 318 | 爱沙尼亚 | 826 | 中国 | 1 419 |
倒5 | 马来西亚 | 5 188 | 越南 | 1 054 | 伊拉克 | 1 775 | 泰国 | 3 387 | 伊拉克 | 5 134 |
倒4 | 蒙古 | 5 914 | 印度 | 1 628 | 阿富汗 | 1 831 | 沙特阿拉伯 | 3 462 | 巴基斯坦 | 6 396 |
倒3 | 哈萨克斯坦 | 5 982 | 以色列 | 1 983 | 印度 | 1 919 | 阿曼 | 3 706 | 吉尔吉斯斯坦 | 8 272 |
倒2 | 阿联酋 | 13 697 | 伊朗 | 7 737 | 黎巴嫩 | 2 304 | 也门 | 3 719 | 印度 | 8 522 |
倒1 | 约旦 | 15 245 | 埃及 | 14 230 | 也门 | 3 863 | 柬埔寨 | 4 395 | 伊朗 | 14 145 |
进一步将2010—2018年各国农作物的平均需水量数据和总出口量数据结合,采用Jenks自然间断点分级法将各作物的需水量和出口量依次划分为高、低2类,运用叠加分析方法识别区域内各国的贸易结构中各农作物需水量与其出口量的相应关系(图1)。各国出口的农作物类型,从比例上看,区域内各国农作物出口中“高耗水—高出口型”作物占比1.926%;“低耗水—高出口型”作物占比4.013%;从数量上看,“高耗水—高出口型”作物数排名从高到低依次为印度、乌克兰、泰国、中国和俄罗斯,“低耗水—高出口型”作物数排名从高到低依次为中国、印度、埃及、乌克兰、俄罗斯和波黑。
图1
图1
“一带一路”国家农作物“出口量—需水量”叠加分析识别示意图
Fig.1
Overlay analysis identification of export volume and water demand of crops alone the Belt and Road
3.2 沿线国家农作物虚拟水贸易时空格局演变
3.2.1 贸易时空演变特征
运用ArcGIS的标准差椭圆工具,从2010年、2014年和2018年3个时间截面分别对农作物虚拟水贸易的进口量和出口量进行标准差椭圆分析,研究“一带一路”沿线区域农作物虚拟水贸易的空间特征(图2,表5)。2010—2018年沿线区域内进口标准差椭圆呈现明显且稳定的“西北—东南”方向分布,方向角(从正北方向起)增大朝东南向偏移。进口的1倍标准差椭圆覆盖面呈收缩趋势,其短轴标准差的变化幅度较小,主要表现为长轴标准差从2010年的5 160.973 km逐渐减小到2018年的4 788.369 km。2010—2018年的出口标准差椭圆同样呈稳定的“西北—东南”方向分布,但方向角逐渐减小。出口标准差椭圆的覆盖范围呈现扩张趋势,短轴标准差从2010年的2 241.388 km持续增长到2018年的2 693.165 km,而长轴标准差以“先增加后减少”的模式变化,整体从 2010年的5 066.206 km增加到2018年的5 245.863 km。进出口标准差椭圆扁率总体上均表现为增大,说明农作物虚拟水贸易进出口量在空间分布方向上的显著性减弱,削弱了长轴方向上出现的极化现象。以净出口为综合指标,进一步揭示沿线国家农作物虚拟水贸易中虚拟水净流出量的空间重心变化(图2中小图)。净出口重心的变化范围集中分布在中国与哈萨克斯坦接壤处,呈现“先东北后西南”的迁移规律,重心整体向东北方向偏移。从沿线各国农作物虚拟水贸易量的变化情况(图3)可知,区域内整体进口平均值从9.954×109 m3提高到14.878×109 m³,整体出口平均值从4.735×109 m³增加到7.851×109 m³,净出口量的平均水平降低。
图2
图2
2010—2018年“一带一路”国家农作物虚拟水贸易量标准差椭圆分析
Fig.2
Standard deviation ellipse analysis of virtual crop water trade alone the Belt and Road from 2010 to 2018
表5 “一带一路”沿线国家农作物虚拟水进出口的标准差椭圆参数
Table 5
年份 | 转角θ/° | 长轴标准差/km | 短轴标准差/km | ||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
进口 | 出口 | 净出口 | 进口 | 出口 | 净出口 | 进口 | 出口 | 净出口 | |||
2010年 | 99.974 | 113.891 | 105.089 | 5 160.973 | 5 066.206 | 4 721.529 | 2 043.477 | 2 241.883 | 2 271.388 | ||
2014年 | 99.326 | 113.108 | 99.250 | 4 884.139 | 5 260.009 | 4 742.635 | 1 986.897 | 2 410.292 | 2 382.010 | ||
2018年 | 101.007 | 111.654 | 87.328 | 4 788.369 | 5 245.863 | 4 826.110 | 2 017.251 | 2 693.165 | 2 049.326 |
图3
图3
2010—2018年“一带一路”地区农作物虚拟水进出口量排名前20的国家
Fig.3
Top 20 countries in virtual crop water imports and exports alone the Belt and Road from 2010 to 2018
沿线国家淡水资源总量为“东部丰富、西部匮乏”的格局,但人均淡水资源水平差异显著(图4),中东欧、东南亚诸国和俄罗斯人均淡水资源量较为丰富,普遍高于1×104 m3/人。人均淡水资源量低于1.7×103 m3/人(水资源压力警戒线)的国家有21个,主要为位于南亚的印度和巴基斯坦,西亚与中东诸国和部分中东欧国家。人均淡水资源量低于500 m3/人(严重缺水警戒线)的国家有13个,集中分布在西亚北非地区。沿线各国农作物虚拟水净出口量,正值分布在东北亚的俄罗斯、中亚的哈萨克斯坦、南亚的印度,以及中东欧和东南亚的大部分国家;负值集中在西亚北非和中亚缺水国家,同时由于中国作为人口大国,对大豆、玉米和小麦等大宗农作物的进口量持续增加,虚拟水净出口量在沿线区域呈显著负值。值得注意的是,乌克兰和印度人均淡水资源均低于水资源压力警戒线,而作为粮食出口大国每年以农作物虚拟水贸易的形式流出300亿~500亿t水资源。从变化来看,2010—2018年区域内农作物虚拟水净出口量年变化率的平均值为2.626%,沿线各国中俄罗斯、柬埔寨、哈萨克斯坦和乌克兰等国的虚拟水净出口量显著增加;越南、巴基斯坦、土耳其和印度等国虚拟水净出口量出现了不同程度的下降。
图4
图4
2010—2018年“一带一路”国家农作物虚拟水净出口量的空间分布格局
人均淡水资源数据从World Bank数据库中获取,由部分国家连续年份数据的缺失,所选数据时间均为2014年;净出口基期为负时,变化率=1-(末期/基期)^(1/年数)
Fig.4
Spatial distribution pattern of net export of virtual crop water alone the Belt and Road from 2010 to 2018
Renewable internal freshwater resources per capita from the World Bank database, by the absence of data for some countries in consecutive years, data of 2014 is selected for the graph; When the net export base period is minus, the rate of changes equals 1-(end/base period)^(1/years)
3.2.2 贸易空间关联特征
为进一步分析沿线地区各国农作物虚拟水贸易的空间关联特征,对贸易值进行全局空间自相关分析。结果显示(表6),进口、出口和净出口的Moran's I指数均为正值,且大部分I值对应的Z得分大于1.96,说明沿线区域内总体呈现较为显著的正空间分布,农作物虚拟水贸易存在一定程度的集聚现象。2010—2018年沿线区域各国农作物虚拟水的进口量、出口量及净出口量在空间上分别表现出集聚性不同程度升高,相邻国家间虚拟水贸易的空间关联特征增强。
表6 2010—2018年“一带一路”沿线国家农作物虚拟水进出口Moran’s I估计值
Table 6
指标 | 指数 | 2010年 | 2011年 | 2012年 | 2013年 | 2014年 | 2015年 | 2016年 | 2017年 | 2018年 |
---|---|---|---|---|---|---|---|---|---|---|
进口 | 0.079 | 0.101 | 0.077 | 0.096 | 0.117 | 0.123 | 0.131 | 0.096 | 0.131 | |
Z得分 | 1.511 | 1.855 | 1.477 | 1.771 | 2.098 | 2.188 | 2.304 | 1.762 | 2.321 | |
P值 | 0.131 | 0.064 | 0.140 | 0.077 | 0.036 | 0.029 | 0.021 | 0.078 | 0.020 | |
出口 | 0.075 | 0.144 | 0.164 | 0.204 | 0.190 | 0.195 | 0.256 | 0.250 | 0.164 | |
Z得分 | 1.432 | 2.506 | 2.808 | 3.437 | 3.209 | 3.292 | 4.241 | 4.149 | 2.806 | |
P值 | 0.152 | 0.012 | 0.005 | 0.001 | 0.001 | 0.001 | 0.000 | 0.000 | 0.005 | |
净出口 | 0.167 | 0.150 | 0.193 | 0.209 | 0.230 | 0.261 | 0.349 | 0.316 | 0.266 | |
Z得分 | 3.917 | 3.558 | 4.454 | 4.791 | 5.236 | 5.907 | 7.769 | 7.080 | 6.013 | |
P值 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 |
运用LISA指数进一步研究区域内进口、出口和净出口的局部集聚特征,通过ArcGIS软件分析得到通过95%显著性检验的LISA集聚图(图5)。进口格局中,热点区域主要分布在南亚和西亚北非,冷点区域位于中东欧;出口格局中,中东欧国家出现热点集聚现象,西亚北非国家表现为冷点集聚区;净出口的局部集聚特征中,热点区域分布于中东欧,冷点主要位于西亚北非和东南亚各国,局部的集聚现象更加明显。以2010年、2014年和2018年为时间截面分析LISA的时空跃迁特征,位于南亚地区的印度、尼泊尔进口热点集聚特征表现得更加显著;中东欧地区的乌克兰、波兰等国逐渐显现出局域内出口热点的集聚现象;而伊朗和阿富汗出现的净出口冷点现象,使得西亚北非地区的净出口冷点特征区域随年逐渐扩张。另一方面,印度对农作物虚拟水的净出口量出现迅速降低,进而中国的净出口“低—高集聚”特征不再显著。
图5
图5
2010—2018年“一带一路”沿线国家农作物虚拟水贸易LISA集聚图
Fig.5
LISA map for virtual crop water trade along the Belt and Road from 2010 to 2018
3.3 沿线国家农作物虚拟水贸易驱动因素分析
3.3.1 驱动因素的探测识别
使用地理探测器对驱动因素进行分析,基于探测结果解释度q值及显著性检验识别指标中的显著驱动因素,将其作为模型解释变量。探测结果(表7)显示,2014年“一带一路”沿线国家的各指标数据中,通过0.01水平显著性检验的驱动因素解释力排序结果为:耕地面积(X7)大于人口规模(X6)大于国内生产总值(X1)大于森林面积(X8)大于邻国接边数(X12)。耕地面积和人口规模的解释度高达95%,显著高于其他驱动因素,表明“一带一路”沿线各国农作物虚拟水净出口受耕地面积和人口规模的主导影响,其原因是沿线国家多为发展中国家,以农作物出口作为国民经济的重要支撑,耕地和人口规模是影响农作物生产和需求的主要驱动因素。
表7 驱动因素的地理探测结果
Table 7
因素分类 | 变量 | 显著性水平 | 解释力排序 | ||
---|---|---|---|---|---|
经济因素 | 国内生产总值 | <0.001 | 0.01 | 0.942 | 3 |
物价水平比 | 0.815 | - | 0.306 | ||
农业增加值 | 0.933 | - | 0.239 | ||
社会因素 | 物流绩效指数 | 0.262 | - | 0.523 | |
对外贸易系数 | 0.999 | - | 0.119 | ||
人口规模 | <0.001 | 0.01 | 0.951 | 2 | |
自然因素 | 耕地面积 | <0.001 | 0.01 | 0.953 | 1 |
森林面积 | <0.001 | 0.01 | 0.917 | 4 | |
人均淡水资源 | 0.513 | - | 0.443 | ||
水资源紧缩率 | 0.935 | - | 0.245 | ||
地理因素 | 是否为内陆国 | 0.365 | - | 0.015 | |
邻国接边数 | <0.001 | 0.01 | 0.827 | 5 |
3.3.2 显著驱动因素的空间异质性分析
传统OLS模型建立在研究区为均质的假设基础上对研究区进行全局线性回归。本文在运用GWR模型进行回归分析前,使用OLS模型将各国农作物虚拟水净出口量与各显著驱动因素进行全局拟合,VIF值均小于7.5,各显著驱动因子间不存在多重线性关系。GWR模型使用前需要判断被解释变量的空间分布特征,其2014年净出口Moran's I值显著为正(表6),具有较明显的空间集聚特征。GWR模型中每个研究单元均有对应的回归系数,较好地解释了显著驱动因子在空间上的异质性。OLS模型和GWR模型拟合的结果显示(表8),利用GWR模型回归得到的调整可决系数R2为0.907,高于OLS模型的0.833,GWR模型的修正赤池信息准则(corrected Akaike Information Criterion,AICc)值比OLS模型低8.855,综合表明GWR模型的拟合结果更优。
表8 GWR模型与OLS模型结果对比
Table 8
调整后 | |||
---|---|---|---|
OLS | -178.332 | 0.848 | 0.833 |
GWR | -187.187 | 0.942 | 0.907 |
通过GWR回归分析,测算得到国内生产总值、人口规模、耕地面积、森林面积和邻国接边数5个显著驱动因素的空间分异回归系数。从标准化残差空间分布图(图6f)来看,区域内标准化残差的均值为-0.118、标准差为1.133,大部分国家的标准化残差围绕均值分布,其中泰国的标准化残差偏大,伊朗、印度尼西亚和约旦偏低,GWR模型整体上对各研究单元的拟合精度较好。
图6
图6
沿线国家农作物贸易虚拟水净出口驱动因素作用的空间差异
Fig.6
Spatial variations in the driving factors of virtual crop water net export in countries along the route
显著驱动因素中,国内生产总值(图6a)回归系数均为负值,范围为-1.980~-1.111,空间上表现为东南亚地区、西亚北非部分呈高值集聚,中东欧地区呈低值集聚的特征。人口规模(图6b)的回归系数有正有负,范围为1.512~0.540,正值集中在东南亚和南亚地区,负值出现在东北亚、中亚、西亚北非部分和中东欧地区,中东欧地区系数最低。耕地面积(图6c)的回归系数均为正值,范围为0.124~0.389,高值影响区域在中东欧和中亚周边地区,低值影响区主要在东北亚、东南亚和西亚部分国家。森林面积(图6c)的回归系数有正有负,在区域内有显著的空间异质性,呈现出“自西向东”的逐级递减特征,高值主要集中在中东欧地区。邻国接边数(图6e)回归系数有正有负,范围为-0.160~0.156,变化波动较为稳定,高值区域主要在东北亚、东南亚和中东欧地区,低值区域在中亚、南亚和西亚北非部分地区。
综上所述,沿线各国农作物虚拟水贸易受经济、社会、自然和地理等多维度驱动因素的共同影响,不同维度的驱动因素对农作物虚拟水贸易的影响方式和强度均存在空间异质性。国内生产总值和人口规模能反映国家对农作物虚拟水的供给能力和需求能力。一般农业国家经济规模越大,其潜在的农作物供给能力将越强。但经济发展推动产业结构转型升级和城镇化水平提升,普遍造成农业就业人口及水土资源比例下降,而引起国家对进口农作物需求的提升[3]。沿线各国的国内生产总值的回归系数均为负值,表现为随经济与市场规模发展,社会消费所需的农作物量将持续增加,从而使农作物虚拟水净出口量降低。东南亚地区是全球重要的粮食供应基地,农业就业人口比例显著高于沿线其他国家,人口规模的扩大对农作物虚拟水净出口的影响正相关。中东欧地区被称为欧洲粮仓,自然条件优越,但城镇化的过程中农村劳动力流失造成农业就业人口比例较低,人口规模的扩大对其农作物虚拟水净出口显著负相关。耕地面积对沿线区域内国家的回归系数均为正值,沿线国家自然资源在绝对数量和人均数量上存在显著差异,东北亚和东南亚地区大部分国家人均耕地面积较低,耕地面积的增加对农作物虚拟水净出口的影响较小。森林面积能一定程度地描述国家生态环境中对水资源的储蓄能力,在沿线区域内的影响差异显著,主要可能受气候条件和农业用地生产效率等因素共同影响。邻国接边数描述国家双边贸易的便利程度,双边贸易的距离成本下降会促进农作物虚拟水的贸易,俄罗斯在区域内即为典型高值,而东南亚地区表现出高值,其原因可能更多地归因于该区域较为密集的港口海运为贸易带来了便利。
4 结论与讨论
4.1 结论
“一带一路”建设不断推进沿线各国的经济贸易活动,各国通过农作物虚拟水贸易的形式产生水资源的远距离运输。本文以2010—2018年“一带一路”沿线各国农作物虚拟水的贸易量为研究基础,对沿线区域的农作物虚拟水贸易进行时空格局变化分析,从地理学空间异质性角度分析农作物虚拟水贸易的驱动因素,相关结论如下。
(1)“一带一路”沿线59个国家出口贸易的37种农作物中,各国生产同种作物的需水量之间差异显著,区域内统计“低耗水—高出口型”作物占比4.013%,“高耗水—高出口型”作物占比1.926%。“高耗水—高出口型”作物主要来自于印度、乌克兰、泰国、中国和俄罗斯等国。
(2)“一带一路”沿线各国2010—2018年农作物虚拟水的进口格局呈收缩趋势,出口格局呈扩张趋势,进出口量在区域内空间分布的方向性显著减弱。区域内农作物虚拟水的年进口量平均水平增加4.924×109 m³,年出口量平均水平增加3.116×109 m³,沿线各国平均净出口量水平降低。净出口量显著增加的国家包括俄罗斯、乌克兰、哈萨克斯坦和埃及,显著降低的有中国、印尼、越南、伊朗和印度。沿线国家农作物虚拟水贸易存在显著的空间关联特征,局部空间存在一定的集聚现象,进口“高—高集聚”区域主要处于南亚地区,出口“高—高集聚”区域主要在中东欧地区。
(3)基于地理探测器分析结果,各维度指标中解释强度从高到低依次为耕地面积、人口规模、国内生产总值、森林面积和邻国接边数,显著解释沿线各国农作物虚拟水净出口量,其中耕地面积和人口规模是主要驱动因素。GWR模型分析得出沿线各国农作物虚拟水净出口量的驱动因素中,国内生产总值呈负相关驱动特征,耕地面积呈正相关驱动特征,人口规模、森林面积和邻国接边数对研究单元呈正负两极的差异驱动特征。
4.2 讨论
根据以上研究结论,结合“一带一路”沿线各国农作物虚拟水贸易的时空演变特征和驱动因素作用异质性机理,本文从以下3个方面给出建议:
(1)沿线各国种植同种农作物的需水量之间存在显著差异,参考“出口量—需水量”叠加分析结果,各国应着重减少“高耗水—高出口型”作物的出口量比重,扩大“低耗水—高出口型”作物的出口贸易,针对性地调整农作物贸易结构,从节约水资源角度降低“一带一路”沿线区域的可再生淡水资源损耗。
(2)沿线各国间农作物对外贸易政策、国家经济支柱结构和经济规模差异较大。区域内大部分国家作物生产效率低下,但农业在国民经济中占据重要地位,存在如印度等人均淡水资源低于水资源压力警戒线,却同时以农作物贸易形式大量净出口虚拟水的国家。各国应重视淡水资源安全,提高农业基础设施条件,以政策和科技手段共同调控节约国内人均可利用淡水资源。
(3) 沿线各国农作物虚拟水贸易的出口格局呈扩张趋势,各国应综合考虑多种驱动因素的影响机制,避免过度伐树造田、围湖造田,合理控制耕地和森林绿化面积占比以期降低农作物虚拟水净出口中的因自然种植环境而引起的淡水资源消耗。
参考文献
Scientific understanding of the Belt and Road Initiative of China and related research themes
[J]. ,
“一带一路”战略的科学内涵与科学问题
[J]. ,
Progress in research on the Belt and Road Initiative
[J]. ,
“一带一路”建设研究进展
[J]. ,
On the fusion development of the Belt and Road Initiative and new-type urbanization
[J]. ,
“一带一路”与新型城镇化的融合发展
[J]. ,
Water resources endowment and exploitation and utilization of countries along the Belt and Road
[J]. ,
“一带一路”沿线国家水资源禀赋及开发利用分析
[J]. ,
Analysis of water resources and their utilization in countries targeted by the Belt and Road initiative
[J]. ,
“一带一路”沿线国家水资源及开发利用
[J]. ,
Virtual water: A strategic resource global solutions to regional deficits
[J]. ,
Virtual water—A strategic instrument to achieve water security
[J]. ,
虚拟水——中国水资源安全战略的新思路
[J]. ,
Evolution and contrast of water footprint research at home and abroad based on bibliometric analysis
[J]. ,
水足迹研究演变与中外研究对比——基于文献计量分析
[J]. ,
Globalisation of water resources: International virtual water flows in relation to crop trade
[J]. ,
Virtual water trade: An assessment of water use efficiency in the international food trade
[J]. ,
Global consumptive water use for crop production: The importance of green water and virtual water
[J]. ,
Assessment of regional trade and virtual water flows in China
[J]. ,
Understanding virtual water flows: A multiregion input-output case study of Victoria
[J]. ,
A global and high-resolution assessment of the green, blue and grey water footprint of wheat
[J]. ,
Evolution of the global virtual water trade network
[J]. ,
Provincial virtual energy-water use and its flows within China: A multiregional input-output approach
[J]. ,
Local and distant virtual water trades in Beijing-Tianjin-Hebei region
[J]. ,
京津冀城市群虚拟水贸易的近远程分析
[J]. ,
Theory and method of virtual water:A case study of northwest China
[J]. ,
虚拟水理论方法与西北4省(区)虚拟水实证研究
[J]. ,
Study on characteristics of virtual water flow spatial change and influencing factors in China
[J]. ,
城市化背景下中国虚拟水流动空间变化特征及其驱动因素研究
[J]. ,
Study on virtual water of chinese foreign trade and adjusting of trade structure
[J]. ,
中国外贸中虚拟水与外贸结构调整研究
[J]. ,
Research on formation mechanism and support mechanism of virtual water flows pattern embedded in agricultural products trade
[J]. ,
中国农产品虚拟水流动格局的形成机理与维持机制研究
[J]. ,
A study on the determinants of the agricultural virtual water trade between China and other countries
[J]. ,
中国农业虚拟水国际贸易影响因素研究——基于引力模型的分析
[J]. ,
Measurement of virtual water trade and its impact factors in China
[J]. ,
中国虚拟水贸易的测算及影响因素研究
[J]. ,
Virtual water in trade between China and typical countries along the Belt and Road
[J]. ,
中国与“一带一路”沿线典型国家贸易虚拟水分析
[J]. ,
Characteristics of virtual water volume flow of agricultural products trade between China and countries along "Belt and Road
"[J]. ,
中国与“一带一路”沿线国家农产品贸易的虚拟水量流动特征
[J]. ,
Driving factors for virtual water trade of agricultural products between China and countries along "Belt and Road
"[J]. ,
中国和“一带一路”沿线国家农产品虚拟水贸易的驱动因素
[J]. ,
An evaluation of the Belt and Road cereals production from a view of spatial-temporal patterns
[J]. ,
“一带一路”沿线国家粮食生产的时空格局分析
[J]. ,
Virtual water trade: A quantification of virtual water flows between nations in relation to international crop trade
[C]//
Crop evapotranspiration-Guidelines for computing crop water requirements
[M].
China's virtual water flows in the international trade of agricultural products
[D].
我国农产品国际贸易中的虚拟水流动研究
[D].
How sustainable is the increase in the water footprint of the Spanish agricultural sector?A provincial analysis between 1955 and 2005-2010
[J]. ,
Virtual water trade flows and savings under climate change
[J]. ,
Understanding agricultural virtual water flows in the world from an economic perspective: A long term study
[J]. ,
Historical trends in China's virtual water trade
[J]. ,
A fast track approach to deal with the temporal dimension of crop water footprint
[J]. ,
Virtual water in food production and global trade: Review of methodological issues and preliminary results
[C]//
Projecting the spatial variation of economic based on the specific ellipses in China
[J]. ,
基于特征椭圆的中国经济空间分异研究
[J]. ,
Spatial pattern and evolution of cereal trade networks among the Belt and Road countries
[J]. ,
“一带一路”国家粮食贸易网络空间格局及其演化机制
[J]. ,
Geodetector: Principle and prospective
[J]. ,
地理探测器: 原理与展望
[J]. ,
/
〈 | 〉 |