袁菊紅，陳拉，胡綿好

（1. 江西財經(jīng)大學(xué) 省級生態(tài)環(huán)境實驗教學(xué)示范中心，江西 南昌 330322；2. 江西財經(jīng)大學(xué) 生態(tài)文明研究院，江西 南昌 330032；3. 江西財經(jīng)大學(xué) 經(jīng)濟學(xué)院，江西 南昌 330032）

城市群是城市化發(fā)展到高級階段的一種現(xiàn)象，還是城市化格局形成的重要載體，已成為帶動我國及區(qū)域經(jīng)濟增長的重要核心區(qū)和增長極[1]，其作為新時期經(jīng)濟發(fā)展的引擎，還是水資源消耗的主體。隨著城市群的不斷擴張和發(fā)展，對水資源需求量不斷增大，水資源供需矛盾日益突出，這給城市群水資源可持續(xù)利用帶來嚴重壓力。如何提高水資源效率不僅是城市群應(yīng)對資源和環(huán)境問題的重要途徑，還是全球廣泛關(guān)注的焦點問題。因此加強城市群水資源利用效率及其相關(guān)問題的研究，對經(jīng)濟社會和自然環(huán)境的可持續(xù)發(fā)展具有重要的意義。

目前，有關(guān)國內(nèi)外通過不同模型對水資源利用效率及其影響因素研究方面進行了大量報道，如韓文艷等[2]利用DEA模型測度了中國284個地級上城市的水資源利用效率，并對其空間格局進行了分析；王瑩[3]利用投入導(dǎo)向型的Super-DEA模型計算了2012年我國31個省份的水資源利用效率情況，并利用Tobit模型分析了影響水資源利用效率省級差異的主要因素；俞雅乖等[4]采用Super-DEA-Tobit的兩階段模型，測度了我國不同區(qū)域的水資源效率及其差異，并采用Tobit模型剖析了影響區(qū)域水資源效率差異的主要因素；趙良仕等[5]采用了非期望產(chǎn)出的兩階段SBM模型測算了我國31個省份的水資源利用效率，并運用空間計量模型分析了水資源利用整體效率地區(qū)差異的影響因素；趙玉田等[6]利用DEA-BCC模型和Malmquist指數(shù)測度了甘肅省沿黃地區(qū)的農(nóng)業(yè)水資源利用效率和農(nóng)業(yè)用水的全要素生產(chǎn)率；朱曉梅等[7]利用超效率SBM模型測度了黃河流域城市群水資源利用效率，并采用Tobit模型探討了各區(qū)域水資源利用效率差異的驅(qū)動因素；郭炳南等[8]利用Super-SBM模型測度了中國八大綜合經(jīng)濟區(qū)的水資源利用效率，并分別利用Dagum基尼系數(shù)法和空間杜賓模型分析了其水資源利用效率的區(qū)域差異和影響因素；許晶榮等[9]在全要素分析框架下構(gòu)建了Shephard水資源距離函數(shù)，并利用SFA模型測度了我國的全要素水資源利用效率；何偉等[10]利用super-SBM模型和Tobit回歸模型分別測度和分析了黃河流域54個地級市的水資源利用效率及其影響因素；丁緒輝等[11]利用非期望產(chǎn)出SE-SBM模型估算省際水資源利用效率，并采用Tobit模型探究了其水資源利用效率的驅(qū)動因素；姜坤[12]利用SBM-DEA模型測度了中國省際的水資源綠色效率，并用空間Durbin模型科學(xué)識別了水資源綠色效率的空間驅(qū)動機理；SONG等[13]利用非期望產(chǎn)出的ML生產(chǎn)率指數(shù)測算了中國30個省份的水資源利用效率，并運用面板Tobit模型分析了水資源利用效率的影響因素；CHEN等[14]利用EBM-DEA模型測度了中國的水資源利用效率，并運用OLS模型和SEM模型分析了水資源利用效率的影響因素；DING等[15]利用SE-SBM模型測度了長江經(jīng)濟帶的水資源利用效率，并利用面板門檻模型分析了環(huán)境規(guī)制等因素對水資源利用效率的影響；梁星等[16]利用三階段EBM-DEA模型和GML指數(shù)對中國30個省份的水資源利用效率進行了評價，并從經(jīng)濟發(fā)展水平、水資源稟賦等環(huán)境因素對中國水資源效率的影響因素進行了分析；劉莉等[17]利用人工魚群投影尋蹤模型評價了廣東省21個地級市的水資源利用效率，并利用地理探測器模型探討了影響區(qū)域水資源利用效率的主要因素；李健等[18]利用非期望產(chǎn)出的超效率-SBM模型測度京津冀城市群的綠色水資源利用效率，并運用利用地理探測器模型分析了其綠色水資源利用效率的驅(qū)動因素；楊高升等[19]引入人類可持續(xù)發(fā)展指標，建立了綠色水資源效率SESBM模型，對長江經(jīng)濟帶11省市水資源效率進行了對比分析，并利用ML指數(shù)方法探討綠色水資源效率影響因素。以上研究雖涉及省級、地級市、城市群等各個尺度，也將廢水排放等因素納入水資源利用效率測度指標內(nèi)，但由于所采用方法各異，加之在指標構(gòu)建的科學(xué)性等方面還有所欠缺，故所得研究結(jié)果差異較大；且在考慮人類可持續(xù)發(fā)展方面的研究也較少。綠色發(fā)展是以效率、和諧、持續(xù)為目標的經(jīng)濟增長和社會發(fā)展方式的一種模式創(chuàng)新，其實質(zhì)是堅持“以人為本”的社會發(fā)展理念。因此，將人與自然和諧共處、永續(xù)發(fā)展的綠色發(fā)展理念貫穿于水資源利用效率的指標體系構(gòu)建中并考慮社會維度內(nèi)容，在此基礎(chǔ)上測度的水資源利用效率，即綠色水資源利用效率，修正了由于指標體系構(gòu)建欠缺性引起的上述水資源利用效率的偏差估計[20]?；诖?，本文將人類可持續(xù)發(fā)展指標作為期望產(chǎn)出納入綠色水資源利用效率評價體系中以體現(xiàn)社會效益，結(jié)合水生態(tài)足跡在水資源利用評價的相關(guān)理念，將改進的指標體系運用到綠色水資源利用效率研究中，利用非期望產(chǎn)出的SBM-DEA模型測度2010—2019年“中四角”38個城市的綠色水資源利用效率，引入ESDA方法，探討綠色水資源利用效率的時空分異格局及空間關(guān)聯(lián)性，通過地理探測器中的因子探測和交互探測模塊來識別“中四角”城市綠色水資源利用效率空間分異的影響因素及其交互作用，以期為切實提高地區(qū)綠色水資源利用效率而采取相應(yīng)的制度措施和技術(shù)措施、調(diào)整用水規(guī)劃和保障經(jīng)濟的綠色發(fā)展提供理論依據(jù)。

1 研究區(qū)概況

“中四角”，即長江中游城市群，是以武漢、長沙、南昌、合肥為中心[21]，形成的以武漢城市群、長株潭城市群、環(huán)鄱陽湖城市群和江淮城市群為主體的特大城市群（圖1）。2014年2月，武漢、長沙、南昌、合肥四省會城市共同簽署發(fā)布《長沙宣言》，攜手沖刺未來中國經(jīng)濟發(fā)展的重要增長極。盡管2015年4月國務(wù)院印發(fā)的《長江中游城市群發(fā)展規(guī)劃》中并未將以合肥為中心的江淮城市帶納入到長江中游城市群的發(fā)展規(guī)劃中，但在城市群發(fā)展規(guī)劃頒布之前和近年來武漢、長沙、合肥、南昌四中心城市合作深度和廣度的不斷拓展，在創(chuàng)新資源大流動、產(chǎn)業(yè)發(fā)展大協(xié)作、基礎(chǔ)設(shè)施大聯(lián)通、社會事業(yè)大聯(lián)合及生態(tài)環(huán)境大保護等推動方面取得了顯著的成果；2019年12月四省會城市再次聯(lián)合簽署了《長江中游城市群省會城市高質(zhì)量協(xié)同發(fā)展行動方案》，這些舉措都極大地推動了長江經(jīng)濟帶的高質(zhì)量發(fā)展進程。因此本文對長江中游城市群地理范圍界定包含了以合肥為中心的江淮城市群，故研究總體范圍涵蓋湖北、湖南、江西和安徽四省共38個城市[22]。這些城市是我國實施中部崛起戰(zhàn)略、推進新型城鎮(zhèn)化和深化改革開放的關(guān)鍵區(qū)域。

圖1 “中四角”區(qū)域城市分布示意圖

“中四角”總面積約44萬平方千米，是長三角的3倍，珠三角的5倍；總?cè)丝诩s1.6億，占地面積和人口數(shù)量分別占我國的4.58%和11.68%[23]；2019年，“中四角”4個省會核心城市中，武漢地區(qū)生產(chǎn)總值達1.62萬億元，長沙為1.16萬億元，合肥為9409.4億元，南昌為5596.18億元?！爸兴慕恰彼Y源非常豐富，但隨著區(qū)域城市化水平不斷提高，經(jīng)濟快速發(fā)展和地區(qū)生產(chǎn)總值大幅提升，城市社會經(jīng)濟及水生態(tài)環(huán)境問題也日益突出，在過去全球城市群（城市圈或大都市）建設(shè)過程中，由于水資源不合理開發(fā)利用，均付出了生態(tài)破壞、水環(huán)境污染的慘重代價，因此，加強水資源的保護與可持續(xù)利用、提高水資源利用效率，不僅是“中四角”城市群可持續(xù)建設(shè)發(fā)展的重要保障和支撐，也是在全面深化改革中對長江經(jīng)濟帶沿岸城市形成發(fā)展新格局的迫切要求。

2 研究方法與數(shù)據(jù)來源

2.1 非期望產(chǎn)出SBM-DEA模型

傳統(tǒng)DEA方法屬于徑向和線性分段的測量方法，由于沒有考慮投入和產(chǎn)出的松弛性問題，致使最終測度的效率值存在一定偏差。作為DEA的擴展模型——SBM-DEA模型不僅解決了傳統(tǒng)DEA模型的投入、產(chǎn)出松弛性問題，還解決了評價過程中所包含的非期望產(chǎn)出問題[24-25]。故本文借鑒TONE[26]提出的SBM—DEA模型，構(gòu)建了固定規(guī)模報酬來測算綠色水資源利用效率。包含非期望產(chǎn)出SBM—DEA模型是在假設(shè)現(xiàn)有K個決策單位基礎(chǔ)上，分析每個決策單位中包含的N種投入、M種期望產(chǎn)出、I種非期望產(chǎn)出[11,19]，模型具體表達式為：

式中：ρ為綠色水資源利用效率值；N、M、I分別為投入、期望產(chǎn)出、非期望產(chǎn)出個數(shù)；為投入產(chǎn)出的松弛向量；為第K個地區(qū)在t時期的投入產(chǎn)出值；Zt k表示每個決策單元的權(quán)重。目標函數(shù)ρ關(guān)于嚴格單調(diào)遞減，且0＜ρ≤1；當ρ=1時，表明GWUE完全有效；當ρ＜1時，表明GWUE存在一定的損失，可以通過調(diào)整投入量、期望產(chǎn)出及非期望產(chǎn)出量來進一步改善GWUE[20]。

2.2 探索性空間數(shù)據(jù)分析法

探索性空間數(shù)據(jù)分析（ESDA）是通過統(tǒng)計學(xué)、概率論、地理信息系統(tǒng)等來識別空間數(shù)據(jù)的分布規(guī)律，探測其分布的隨機性或自相關(guān)性等現(xiàn)象的一種統(tǒng)計方法[27]。通過ESDA中的全局空間自相關(guān)分析和局部Getis-Ord Gi*來識別考察對象冷熱點區(qū)域的空間分布狀態(tài)；最后將局部差異的空間格局通過ArcGIS10.8進行可視化[28]。

2.2.1 全局空間自相關(guān)分析

全局空間自相關(guān)是用來分析區(qū)域某一屬性值在總體空間的關(guān)聯(lián)特征狀況[29]，常用Moran’s I指數(shù)來測算。本文利用Moran’s I指數(shù)判斷“中四角”GWUE的空間相關(guān)性，計算公式[29]為：

式中：I表示全局Moran’s I指數(shù)；n代表“中四角”城市數(shù)量（個）；xi、xj分別為“中四角”城市i和j的GWUE；表示“中四角”城市GWUE的平均值；wij是通過最近鄰分類法計算得到的空間權(quán)重矩陣。I值范圍為[-1, 1]，當0＜I＜1時，表明“中四角”各城市GWUE存在空間正相關(guān)關(guān)系，即“中四角”各城市GWUE呈集聚狀態(tài)；當-1＜I＜0時，表明“中四角”各城市GWUE存在空間負相關(guān)關(guān)系，即“中四角”各城市GWUE空間異質(zhì)性較大，呈分散狀態(tài)；當I=0時，表明“中四角”各城市GWUE呈隨機狀態(tài)[30-31]。

2.2.2 冷熱點分析

冷熱點分析是一種基于要素屬性值的空間分布完全隨機的推論統(tǒng)計，主要用來識別不同空間位置的熱點區(qū)（高值集聚區(qū)）與冷點區(qū)（低值集聚區(qū)），其判別工具為Getis-Ord Gi*統(tǒng)計返回的Z值[32]。本文借助熱點分析來識別“中四角”GWUE的高值集聚區(qū)和低值集聚區(qū)的空間位置，計算公式[33]為：

2.3 地理探測器

地理探測器是用來揭示空間分異現(xiàn)象驅(qū)動因素的統(tǒng)計學(xué)方法，是一種重要探測地理要素空間格局及成因的新方法，已被逐漸用于城市發(fā)展等各領(lǐng)域研究中[34-36]。該模型包括因子探測、交互作用探測、風(fēng)險探測和生態(tài)探測四個模塊，本文主要采用因子探測和交互作用探測。

（1）因子探測。因變量Y（GWUE值）的空間分異，及自變量X對Y值的空間分異解釋力，探測模型為：

式中：q是GWUE影響因素的解釋力，取值范圍為[0, 1]，其值越大，說明各因子的解釋力越強，即對GWUE空間分異的影響越顯著；反之，則越小。k＝1, 2, …,M為Y或X的分類或分區(qū)；Nk和N分別為層k和區(qū)域內(nèi)單元數(shù)；和σ2分別為層k和區(qū)域內(nèi)Y值的方差；SSW和SST分別為層內(nèi)方差之和與區(qū)域總方差[37]。

（2）交互作用探測。識別不同影響因子X之間的交互作用，評估影響因子共同作用時，是增強還是減弱對因變量Y的解釋力，或這些影響因子對Y的影響是相互獨立的。其探測結(jié)果由比較各單因子q值與交互作用q值[q(X1∩X2)]得出[37-38]，當q(X1∩X2)＜min[q(X1),q(X2)]，則交互作用為非線性減弱；min[q(X1),q(X2)]＜q(X1∩X2)＜max[q(X1),q(X2)]為單因子非線性減弱；q(X1∩X2)=q(X1)+q(X2)為兩因子相互獨立；q(X1∩X2)＞max[q(X1),q(X2)]為雙因子增強；q(X1∩X2)＞q(X1)+q(X2)為非線性增強。

2.4 指標選取及數(shù)據(jù)處理

2.4.1 GWUE測度指標選取

本文在綠色水資源利用效率測度時，選取水資源生態(tài)足跡（不包括水污染生態(tài)足跡）、勞動力和全社會固定資產(chǎn)投資額[39-44]作為投入指標，選取GDP和人類可持續(xù)發(fā)展指數(shù)（HSDI）[45-46]作為期望產(chǎn)出指標，選取水污染生態(tài)足跡[47]作為非期望產(chǎn)出。其中，水資源生態(tài)足跡、人類可持續(xù)發(fā)展指數(shù)和水污染生態(tài)足跡的計算方法分別參考了前任的研究文獻[48-51]。

2.4.2 GWUE影響因素指標選取

為了更好地解釋“中四角”綠色水資源利用效率時空分異的形成機制，對其驅(qū)動因素的實證檢驗很有必要，但綠色水資源利用效率的影響因素眾多，本文根據(jù)已有文獻[3-5,16,32,52-54]和數(shù)據(jù)的可獲取、可觀察性及代表性原則，最終選擇12個解釋變量對綠色水資源利用效率的驅(qū)動機理進行分析（表1）。

表1 影響“中四角”綠色水資源利用效率變量指標及描述

2.4.3 數(shù)據(jù)來源與處理

本文數(shù)據(jù)主要來自2011—2020年湖北、湖南、江西、安徽四省的統(tǒng)計年鑒和水資源公報，以及“中四角”范圍內(nèi)武漢、黃石、鄂州、黃岡、孝感、咸寧、仙桃、潛江、天門、長沙、株洲、湘潭、衡陽、常德、岳陽、益陽、婁底、南昌、景德鎮(zhèn)、萍鄉(xiāng)、九江、新余、鷹潭、吉安、宜春、撫州、上饒、合肥、蕪湖、蚌埠、淮南、馬鞍山、銅陵、安慶、滁州、六安、池州、宣城共計38個市級行政區(qū)劃2011—2020年的統(tǒng)計年鑒、國民經(jīng)濟和社會發(fā)展統(tǒng)計公報和環(huán)境狀況統(tǒng)計公報，部分數(shù)據(jù)通過《中國城市年鑒》和各省、地級市的環(huán)保規(guī)劃中得以補充。保證數(shù)據(jù)的可比性，采用2000年為基期的GDP指數(shù)將歷年的全社會固定資產(chǎn)投資額GDP轉(zhuǎn)化為不變價格來進行人均GDP的計算。

3 結(jié)果與分析

3.1 GWUE測度結(jié)果分析

采用Maxdea Ultra 8.0軟件中SBM模型對2010—2019年“中四角”38個城市的綠色水資源利用效率（GWUE）進行測度，得到各城市和四大城市群的GWUE（表2和圖2）。研究期內(nèi)，“中四角”GWUE各城市GWUE在不同年份差異較大，空間分布不平衡（表2）。潛江市和新余市的效率值為1.00，效率完全有效，表明這兩個城市的GWUE處在前沿面上，投入產(chǎn)出處于有效狀態(tài)，投入與產(chǎn)出達到了最優(yōu)匹配。效率值較高的有武漢、鄂州、天門、仙桃、長沙和鷹潭，其值均在0.9以上；效率最低的有黃岡、孝感、吉安、宜春、上饒、撫州、滁州和六安，其值均在0.4以下，表明這些城市的投入產(chǎn)出處于非有效狀態(tài)，投入與產(chǎn)出不匹配。汪克亮等[55]對長江經(jīng)濟帶工業(yè)綠色水資源效率的研究中也得到了相似的結(jié)論。

表2 2010—2019年“中四角”38個城市綠色水資源利用效率

圖2 2010—2019年“中四角”次級城市群綠色水資源利用效率變化趨勢

研究期內(nèi)，“中四角”GWUE值較低，整體呈波動下降趨勢，城市群間差異顯著（表2、圖2）?！爸兴慕恰盙WUE由2010年的0.672降至2019年的0.394，整體呈波動下降趨勢（表2、圖2）。四個次級城市群的GWUE的變化趨勢與“中四角”總體趨勢相一致，整體均呈下降趨勢（圖2），武漢城市群從2010年的0.747降至2019年的0.596，長株潭城市群從2010年的0.737降至2019年的0.313，環(huán)鄱陽湖城市群從2010年的0.639降至2019年的0.423，江淮城市群從2010年的0.595降至2019年的0.261。這說明城市群的水資源最優(yōu)配置距離發(fā)生了不同程度的偏離。該結(jié)果與楊高升等[19]對長江經(jīng)濟帶的綠色水資源效率研究結(jié)果相一致。由圖2還可知，GWUE值從高至低依次為武漢城市群＞長株潭城市群＞環(huán)鄱陽湖城市群＞江淮城市群。

3.2 GWUE時空分異

3.2.1 分異格局

為了更直觀地摸清2010—2019年“中四角”GWUE的空間分布狀態(tài)，本文采用ArcGIS10.8空間計量軟件的最佳自然斷點法對“中四角”GWUE由高至低劃分高效區(qū)、較高效區(qū)、中效區(qū)和低效區(qū)四個等級（圖3）。

圖3 2010—2019年“中四角”綠色水資源利用效率時空分異格局

研究期間，“中四角”GWUE在各城市具有明顯的時空差異性（圖3）。2010年GWUE位于高效區(qū)的有11個城市，其中4個來自武漢城市群，說明武漢城市群GWUE高于其他城市群，而南昌、新余和鷹潭來自經(jīng)濟相對弱的環(huán)鄱陽湖城市群，但其GWUE位于高效區(qū)，這表明區(qū)域GWUE的高低與經(jīng)濟發(fā)展水平?jīng)]必然聯(lián)系[12,56]，GWUE有效僅說明其投入與產(chǎn)出達到了最優(yōu)。位于較高效區(qū)的有7個城市；中效區(qū)的有9個城市，其中5個來自江淮城市群；低效區(qū)的有11個城市，其中5個來自環(huán)鄱陽湖城市群。2015年GWUE位于高效區(qū)的有12個城市，其中5個來自武漢城市群；較高效區(qū)的有3個城市；中效區(qū)的有12個城市，其中5個來自長株潭城市群；低效區(qū)的有11個城市，其中5個來自環(huán)鄱陽湖城市群。2019年GWUE位于高效區(qū)的有7個城市，其中4個來自武漢城市群；中效區(qū)的僅有3個城市；低效區(qū)的城市數(shù)量明顯增加，達28個，主要來自江淮城市群，其次是長株潭城市群。從“中四角”GWUE在各城市的時空分布格局看（圖3），高值區(qū)與低值區(qū)可能存在一定的空間關(guān)聯(lián)性，因此本文對“中四角”GWUE的空間分布模式將進行深入探索。

3.2.2 空間關(guān)聯(lián)性

利用GeoDa 1.18軟件對“中四角”38個城市的2010年、2015年和2019年的綠色水資源利用效率進行全局空間自相關(guān)分析（圖4）。根據(jù)全局Moran’s I指數(shù)散點圖可知，2010年、2015年和2019年的GWUE全局Moran’s I指數(shù)分別為-0.0830、-0.0152和0.0864，均不為零，說明“中四角”GWUE并非空間無關(guān)，而是呈不明顯的空間關(guān)聯(lián)，其中2010年、2015年呈負的空間自相關(guān)，2019年呈現(xiàn)正的空間自相關(guān)。研究期間，全局Moran’s I指數(shù)隨著時間的變化整體呈上升趨勢，從-0.0830上升到0.0864，表明隨著“中四角”經(jīng)濟的不斷發(fā)展壯大，城市間聯(lián)系越來越緊密切，綠色水資源利用效率的全局空間相關(guān)性越來越大，空間分布的集聚現(xiàn)象也在逐漸增強?；贕eoda軟件中Monte Carlo模擬方法對全局Moran’s I指數(shù)的顯著性進行檢驗發(fā)現(xiàn)，全局Moran’s I指數(shù)均沒通過0.05水平的顯著性檢驗，說明“中四角”綠色水資源利用效率的空間自相關(guān)性不顯著，即空間上基本呈隨機分布模式；姜坤[12]對中國綠色水資源效率的研究結(jié)果也佐證這一結(jié)論。

圖4 2010—2019年“中四角”38個城市綠色水資源利用效率的全局Moran’s I散點圖

Moran’s I指數(shù)統(tǒng)計值是一個全局指標，只能反映綠色水資源利用效率在“中四角”整體上的空間關(guān)聯(lián)模式，即趨同、異質(zhì)或是隨機分布，卻無法反映局部城市的空間關(guān)聯(lián)性和空間關(guān)聯(lián)程度。因為區(qū)域內(nèi)不同城市的空間相關(guān)性可能存在一定差異，因此采用冷熱點分析法對局部空間關(guān)聯(lián)特征進行深入識別，依據(jù)Getis-Ord Gi*方法測度出綠色水資源利用效率的熱點區(qū)（高值聚集區(qū)）和冷點區(qū)（低值聚集區(qū)）在空間上的分布（圖5），這樣能更準確識別局域空間的關(guān)聯(lián)及集聚特征。研究期間，“中四角”各城市GWUE主要為熱點區(qū)且空間關(guān)聯(lián)變化較大，其中2010年和2015年的熱點區(qū)主要集中在仙桃和潛江兩個城市，而2019年的熱點區(qū)范圍逐漸擴大，由2個城市擴大到5個城市，最終涵蓋武漢城市群的仙桃、潛江、天門、咸寧四個城市和環(huán)鄱陽湖城市的萍鄉(xiāng)市，這與上述“中四角”GWUE時空分布格局的分析基本吻合。

圖5 2010—2019年“中四角”綠色水資源利用效率冷熱點空間分布

3.3 GWUE空間分異的影響因素解析

3.3.1 因子探測

通過地理探測器測算得到的q值表示各影響因素對GWUE空間分異的影響程度，q值越大表示該因素對GWUE空間分異影響力越強。由圖6可知，各影響因素在不同年份對GWUE空間分異的影響存在一定差異。2010年，經(jīng)濟發(fā)展水平和人口密度是影響GWUE空間分異的主要因素，說明2010年，經(jīng)濟發(fā)展水平和人口密度在一定程度上推動了GWUE空間分異。這可能一方面由于在經(jīng)濟發(fā)展水平高的地區(qū)，政府的扶持力度強，同時擁有豐富的經(jīng)濟資源和先進的技術(shù)[16]，提高了相關(guān)產(chǎn)業(yè)產(chǎn)品的競爭力，這些均將有助于提高地區(qū)的水資源利用效率；另一方面雖然人口密度增加是城鎮(zhèn)化速度加快的一種表現(xiàn)形式，且人口密度與水資源利用效率呈“U”型，但我國現(xiàn)在的城鎮(zhèn)化水平還未處于拐點處[57]。而到2015年，經(jīng)濟發(fā)展水平和醫(yī)療資源占用情況成為GWUE空間分異的主要推動因子，表明2015年，經(jīng)濟發(fā)展水平和醫(yī)療資源占用情況的大幅提高，促進了GWUE空間分異。由于城鎮(zhèn)化是將資源不斷地集中來提高效率，收獲巨大的效益，因此城鎮(zhèn)化的高度發(fā)展不僅能促進了各城市醫(yī)療衛(wèi)生服務(wù)水平的提高，還可以實現(xiàn)水資源利用效率的提升[58]。2019年更多地受到醫(yī)療資源占用情況和政府重視程度的影響，相比2015年和2010年兩者的影響均有所增加，分別為0.392和0.269，表明醫(yī)療資源占用情況和政府重視程度對GWUE空間分異起決定作用；這可能是由于各地政府對科學(xué)和教育資金的投入力度加大所致。這與姜坤[12]和孫才志等[59]的研究結(jié)果相一致。

圖6 “中四角”綠色水資源利用效率空間分異的因子探測結(jié)果

觀察各因子影響力變動還可以發(fā)現(xiàn)，綠色水資源利用效率由多要素綜合作用的特征不變，但整體上水資源豐裕程度、政府重視程度和醫(yī)療資源占用情況因素的影響力隨時間逐漸增強。

3.3.2 交互探測

由表3～表5可知，不同影響因素兩兩間交互作用均呈增強關(guān)系，主要表現(xiàn)為雙因子增強和非線性增強關(guān)系，沒出現(xiàn)減弱和獨立關(guān)系。2010年，經(jīng)濟發(fā)展水平與其他因素的交互作用對GWUE空間分異的強化作用較為明顯，其中經(jīng)濟發(fā)展水平與人口密度的交互作用達0.584，與城市對房地產(chǎn)依賴程度的交互作用達0.569，和醫(yī)療資源的占用情況的交互作用達0.549。另外，城市對房地產(chǎn)依賴程度與人口密度、對外開放程度及醫(yī)療資源占用情況的交互作用也分別達0.580、0.583和0.552，這三組因素的交互作用對GWUE的空間分異也起到一定的強化效應(yīng)。

表3 2010年“中四角”綠色水資源利用效率空間分異影響因素的交互作用探測結(jié)果

表4 2015年“中四角”綠色水資源利用效率空間分異影響因素的交互作用探測結(jié)果

表5 2019年“中四角”綠色水資源利用效率空間分異影響因素的交互作用探測結(jié)果

2015年，經(jīng)濟發(fā)展水平與其他因素的交互作用對GWUE空間分異的強化作用進一步提高，其中經(jīng)濟發(fā)展水平與政府重視程度的交互作用高達0.654，與城市對房地產(chǎn)依賴程度的交互作用達0.631，與對外開放程度的交互作用達0.628。水資源豐裕程度與經(jīng)濟發(fā)展水平、經(jīng)濟外向度與城市對房地產(chǎn)依賴程度、城市對房地產(chǎn)依賴程度與醫(yī)療資源占用情況的交互作用也分別達0.549、0.517和0.544，說明這三組因素的交互作用對GWUE的空間分異有一定的強化效應(yīng)。

2019年，對GWUE空間分異的強化影響最明顯為醫(yī)療資源占用情況與其他因素的交互作用；其次是經(jīng)濟發(fā)展水平與其他因素的交互作用；其中醫(yī)療資源占用情況與政府重視程度、經(jīng)濟發(fā)展水平和城市對房地產(chǎn)依賴程度的交互作用分別達0.731、0.670和0.659；經(jīng)濟發(fā)展水平與城市對房地產(chǎn)依賴程度和產(chǎn)業(yè)轉(zhuǎn)型程度的交互作用分別達0.669和0.612。水資源豐裕程度與產(chǎn)業(yè)轉(zhuǎn)型程度的交互作用上升達0.641；政府重視程度與水資源豐裕程度、人口密度和產(chǎn)業(yè)轉(zhuǎn)型程度的交互作用均上升到0.5以上。

4 結(jié)論

（1）2010—2019年，“中四角”GWUE值較低，整體呈波動下降趨勢，各城市GWUE差異較大，空間分布不平衡；城市群GWUE值從高至低依次為武漢城市群＞長株潭城市群＞環(huán)鄱陽湖城市群＞江淮城市群。

（2）2010—2019年，“中四角”GWUE在各城市具有明顯的時空差異性，高效區(qū)主要來源武漢城市群，低效區(qū)主要來源于環(huán)鄱陽湖城市群；各城市的GWUE具有明顯的時空差異性，空間自相關(guān)性不顯著，但空間分布格局由隨機分布逐漸向集聚分布演變。

（3）2010—2019年，影響“中四角”GWUE空間分異的主要作用因子不同，這與不同城市群經(jīng)濟發(fā)展水平與所處的發(fā)展階段緊密相關(guān)。整體上研究期間水資源豐裕程度、政府重視程度和醫(yī)療資源占用情況因素等因子的影響作用隨時間逐漸增強；經(jīng)濟發(fā)展水平、人口密度和經(jīng)濟外向度等因子的影響作用隨時間逐步減弱。

（4）本研究的政策啟示為：①在追求物質(zhì)經(jīng)濟高速發(fā)展過程中，要注重與社會—生態(tài)環(huán)境的匹配，在不減少社會福利的前提下，以綠色發(fā)展來釋放生態(tài)紅利，使綠色水資源利用效率總體水平得以提高。②強化促進跨區(qū)域經(jīng)濟技術(shù)交流的措施，以提高落后地區(qū)綠色水資源利用效率從低到高的逐漸轉(zhuǎn)變。③環(huán)鄱陽湖城市群和江淮城市群在基礎(chǔ)設(shè)施、社會服務(wù)能力、社會保障制度、現(xiàn)代化信息等方面存在均落后于武漢和長株潭城市群，因此必須加快推進其城市化水平，以提升其綠色水資源利用效率。④要充分考慮城市所處的發(fā)展階段特征及其資源稟賦、生態(tài)環(huán)境承載力和今后的發(fā)展?jié)摿?，深入分析影響各城市綠色水資源利用效率低的具體原因和影響機制，以制定差異化提升各城市綠色水資源利用效率的具體方案和路徑措施。