城市居民家庭生活用水量及其时空差异性研究
0 引言
2018年，我国城市居民家庭生活用水（以下简称居民用水）总量在城市总用水量中占比已达38.45%[1]，是城市用水的重要组成部分。发达国家的经验表明城市中居民用水量通常高于生产运营、公共服务以及其他用水量，如美国加州超过一半的用水量为居民用水量[2]，几乎所有欧盟国家的公共供水系统中居民用水量所占比例最高[3]。2014年联合国教科文组织预测，2050年全球居民用水量需求将增长近1.5倍[4]。
居民用水量受气候、经济、人口等因素的影响，不同地区的用水模式和用水量各不相同，且影响居民用水量的许多因素会在空间和时间上存在差异，从而对节水政策产生不同的影响[5,6]。为了使节水政策具有针对性，使其在每个城市取得显著的效果，需要了解我国居民用水量在空间和时间上的变化规律，探究造成其时空差异性的主要驱动因素以及识别用水的热点地区[7]。然而，目前国内相关研究主要针对局部区域，采用最小二乘法和多元线性回归进行居民用水量的预测[8]，未能从全国层面上考虑居民用水量的空间以及时间变化[9]。基于此，本文立足全国，采用全局与局部Moran’s I指数、基尼指数、变异系数等方法，利用全国275个地级以上城市2001至2018年用水量、经济等相关数据，分析了我国城市居民用水现状及其时空分布特征，并着重研究了空间分布特征以及聚集区域的分布情况，旨在揭示我国城市居民用水量的时空分布规律，为我国制定因地制宜的节水政策提供技术支持。
1 数据来源与研究方法
1.1 研究区域与数据来源
本研究的区域为全国31个省（自治区、直辖市，不包含港澳台数据）。基本地理单元为全国地级行政区（地级市、地区、自治州、盟）和4个直辖市。因2001至2018年间部分地级行政单元（以下统称为城市）出现了变化，部分城市的数据缺失过多，使其可比性受到影响。故本文在呈现全国居民用水量时空分布规律及探究其主要驱动因素时，以2018年的行政区划为标准，由于2001至2005年没有统计漏损及免费用水量，采用多年漏损率平均值对其进行修正；对只有少量数据缺失的城市，运用线性插值法进行补充；鉴于部分城市，或因数据缺失过多，或因重大行政区划改变导致数据落差过大，导致基础数据不准确，故予以剔除，最终选定275座地级及以上城市作为本文的研究对象，将其按七大地理分区归类如表1所示。
本研究的数据主要来自《中国城市建设统计年鉴》[1]中城市供水（公共供水）部分、《中国城市统计年鉴》[10]中的经济发展类指标以及各地的《水资源公报》、《中国区域经济统计年鉴》，时间跨度选择2001至2018年共计18年。
表1 275座城市的地理分区归类
Tab.1 Geographical classification of 275cities
1.2 研究方法
(1）空间差异性分析方法。本研究运用全局Moran’s I指数表征全国城市居民人均用水量空间关联程度。为了能够科学表达空间权重关系，在空间数据的地理信息系统（Geographic Information System,GIS）中，将城市间共边共点作为相邻的依据。Moran’s I指数计算方法如式（2）所示：
式中Yi、Yj———第i、j个城市人均用水量；
n———城市数量；
———所有城市人均用水量的平均值；
Wij———空间权重。
运用基尼指数与变异系数表征全国城市居民人均用水量的不均衡程度，计算方法如式（3）和式（4）所示：
式中G———基尼指数；
f(Yi）、f(Yj）———第i、j个城市的用水人口占全国区域内城市人口的比例；
μ———所有城市加权的居民人均用水量。
式中COVi———变异系数；
σi———城市居民人均用水量标准偏差。
(2）空间聚集区域城市群确定。采用局部Moran’s I指数表征局部区域相对于平均值而言，是否存在显著聚集的高值或者低值，计算方法如式（5）所示，并将计算结果运用Geoda软件将其可视化。
式中
;Ii为第i个城市的局部Moran’s I指数。Zi可反映出第i个地区的水平与整个区域的平均水平之间的高低情况，
可反映出第i个地区的周边地区与整个区域水平之间的高低情况，两两组合4种情况如表2所示。
表2 局部Moran’s I指数城市类型
Tab.2 Local Moran’s I index city type
为了判断空间相关性是否显著，进一步通过Z检验（也称U检验）进行验证，方法如式（6）～式（8）所示：
在显著性为0.05水平下，只要满足|Z|>1.96（或者P值小于0.05）即可拒绝原假设，认为局部Moran’sI指数显著。
2 城市居民用水量及其时空变化特征
2.1 城市居民用水量现状
城市居民用水总量占比随时间变化规律如图1所示。
图1 七大地理分区城市居民用水量总量占比
Fig.1 Proportion of total water consumption of urban residents in seven geographical regions
根据图1，七大地理分区城市居民用水总量占比整体呈上升趋势，2003至2006年波动较大。以2018年为例，占比最高的是西南地区，为50.11%；其次是华中地区，为47.21%；第三是华北、华南、西北地区，为38.37%～41.97%，略高于全国平均水平的38.45%；最低的是东北与华东地区，为29.79%～33.52%，低于全国平均水平。
全国城市居民用水总量占比由2001年的28.86%增至2018年的38.45%，表明我国在城镇化进程中，居民随着生活质量的提升对用水的需求量日益增加。但城市居民用水总量占比只能表征城市用水结构，无法很好的表征城市的居民用水水平的差异，故计算七大地理分区城市居民人均用水量如图2所示。
由图2可知，七大地理分区从人均用水量数值上可分为3个区间，低于全国平均水平的西北、华北、东北地区，处于70～100L/（人·d）；与全国平均水平相近的华东、华中、西南地区，处于120～140L/（人·d）；远高于全国平均水平的华南地区，处于170～190L/（人·d），七大地理分区城市居民人均用水量在空间地理分布上呈现由北至南逐渐增加的特征。
图2 七大地理分区城市居民人均用水量
Fig.2 Per capita water consumption of urban residents in seven geographical regions
2.2 城市居民人均用水量时空变化特征
2001年、2006年、2011年、2018年4个时期的城市居民人均用水量的全局基尼指数、变异系数、Moran’s I指数如表3所示。
表3 我国典型年份的基尼指数、变异系数、全局Moran’s I指数
Tab.3 Gini index,coefficient of variation and global Moran’s I index of typical years in China
基尼指数代表了城市居民人均用水量的均衡程度，数值越低，说明分布越均衡，差值越小。根据表3，我国城市居民人均用水量2001年至2018年的基尼系数均位于0.200至0.300，说明数值上我国城市居民人均用水量的均衡性较强，且随着时间的推移，基尼指数从2001年的0.291降至2018年的0.211，说明城市居民人均用水量的均衡性进一步增强。
变异系数说明离散程度，数值越高说明离散程度越大。根据表3，由2001年的0.566降低至2018年的0.378，反映出城市居民人均用水量的离散程度在不断减弱，且降幅较大，证明我国居民人均用水量分布区间在逐渐缩小。
与基尼指数和变异系数相比，全局Moran’s I指数还含有空间的概念，能够反映空间地理位置造成的影响，即城市居民人均用水量数值在空间上的聚集程度，数值越高，说明空间的聚集性越强，其与周围城市人均用水量数值的差异性越小。根据表3，全局Moran’s I指数从2001年的0.200上升至2018年的0.343，表明不同城市的居民人均用水量的空间自相关性在逐渐增强，但全局Moran’s I指数均不超过0.350，表明我国城市居民人均用水量空间差异性仍然比较显著。
3 城市居民人均用水量的空间分布特征
3.1 城市居民人均用水量空间分布及其演变特征
运用ArcGIS软件，将典型年份的城市居民人均用水量可视化，如图3所示；根据图3确定的0～80L/（人·d）、80～120L/（人·d）、120～160L/（人·d）、160～200L/（人·d）、大于200L/（人·d)5个用水量区间，统计各地区不同区间的城市数量，如图4所示。
图3 275座地级市典型年份居民人均用水量分布
Fig.3 Distribution of per capita water consumption of 275prefecture level cities in typical years
结合图3、图4可以看出，华北、东北、西北地区的城市主要集中在0～80L/（人·d）与80～120L/（人·d）两个区间内，反映出其用水量较低；2001年至2018年，位于0～80L/（人·d）的城市数量，华北地区减少了9座，东北地区增加了6座，西北地区保持不变；位于80～120L/（人·d）的城市数量，华北地区增加了6座，东北地区减少了3座，西北地区减少了1座。上述数据表明，华北地区的人均用水量上升，并趋于全国平均水平，可能与京津冀地区的城市发展有关；东北地区的人均用水量下降，可能与主要劳动力流失有关，原因还有待考究。
图4 各地区不同用水区间城市数量分布
Fig.4 Number distribution of cities with different water consumption areas in different regions
华东、华中、西南地区的城市主要集中在80～120L/（人·d）与120～160L/（人·d）两个区间内，与全国平均水平相近；2001年至2018年，位于0～80L/（人·d）区间的城市数量共计减少20座，大于200L/（人·d）区间的城市数量共计减少13座，3个地区高低两端用水区间内的城市数量减少，为削弱我国用水量空间差异做出了贡献。具体来说，华东地区，80～120L/（人·d）的城市数量增加了9座，120～160L/（人·d）的城市数量减少了4座，160～200L/（人·d）的城市数量增加了7座；华中地区，120～160L/（人·d）的城市数量增加了9座；西南地区，120～160L/（人·d）的城市数量增加了4座。因此可知，华东、华中、西南地区城市间的用水量差异逐步减小，与2.2节的结论相同；且这3个地区的城市总数为149个，超过总体样本的50%，表明我国居民人均用水量空间差异性的减少是由华东、华中、西南地区做出主要贡献。
2018年，华南地区的城市均匀分布在120～160L/（人·d）、160～200 L/（人·d）及大于200L/（人·d)3个区间内，在全国属于高用水地区，与其他地区已经形成断层，由图3可知，华南地区人均用水量远高于其他地区，故华南地区的节水潜力较大。但在华南地区内，人均用水量均较高，故削弱了其空间差异性。
综上，华北、东北、西北3个地区居民人均用水量的演变特征不一致，故在这3个地区的空间差异性增加；华东、华中、西南地区的演变特征一致，且均是向80～120 L/（人·d）、120～160 L/（人·d）、160～200L/（人·d)3个区间内聚集削弱了空间差异性；华南地区虽然居民人均用水量持续增长，但其均在较高用水量区间内，同样削弱了空间差异性；整体来看，2001年至2018年全国居民人均用水量0～80L/（人·d）区间内的城市总数减少23座，200L/（人·d）以上区间内城市总数减少10座，表明其空间差异性正在逐渐减小。2001至2018年间在各地区内有比较明显的城市连片，形成某一区域内的城市大多处于同一用水区间的现象，空间差异性在逐渐减弱。
3.2 城市居民人均用水量聚集区域分布
根据局部Moran’s I指数计算结果，确定的4种不同类型的城市数量如表4所示，运用Geoda软件将其可视化如图5所示。
表4 各类型城市数量
Tab.4 Number of cities of various types
图5 典型年份居民家庭人均用水量局部聚集特征分布
Fig.5 Distribution of local aggregation characteristics of per capita water consumption of households in typical years
由表4及图5可知，2001年，L-L型城市是人均用水量低于平均值的聚集区域，数量为17座，主要聚集于华北、西北地区的兰西、宁夏沿黄、呼包鄂榆、辽中南城市群；H-H型城市是人均用水量高于平均值的聚集区域，数量为30座，主要聚集在华东、华南地区的长江三角洲城市群、珠江三角洲城市群、长江中游城市群；L-H型城市是指在用水量高于平均值的聚集区内、用水量低于平均值的城市，数量为4座，主要在华南地区；H-L型城市是指在用水量低于平均值的聚集区内、用水量高于平均值的城市，仅有1座，位于西北地区。
2018年，L-L型城市数量减少至10座，且聚集区域逐渐由华北、西北地区转变为东北地区的哈长城市群及辽中南城市群，这与3.1中变化趋势相同。H-H型城市数量增长至60座，仍主要聚集在华东、华南地区，在原有长江三角洲、珠江三角洲、长江中游城市群的基础上，扩增到了四周以及海峡两岸、北部湾、黔中城市群；结合3.1节研究结果可知，华东地区形成聚集，是南部高用水量城市数量减少造成的，而华南地区的聚集，则是高用水量城市数量增加造成的。L-H型城市数量增加至4座，主要分布在西北的兰西城市群，可能是其在西北地区城市发展较好，用水水平相较周围城市较高；H-L型城市数量减少至2座，整个华南、西南、以及华东地区南部均呈现较好的聚集性，差异性减小。
综上可知，全国城市居民人均用水量中，高于平均值的城市主要聚集在华南、西南以及华东南部地区，用水量低于平均值的城市主要聚集在东北地区。
4 城市居民人均用水量时空差异性驱动因素分析
4.1 气候因素
许多研究表明，温度、湿度、降水量等气候变量是影响居民人均用水量的决定性因素[11,12]。姚运生等[13]研究统计了全国118个气象观测点30年的气象资料得出，我国范围内纬度每增加1°，年平均气温降低0.72℃；海拔高度每增加100m，年平均气温降低0.25℃。结合2.2节中图2与《民用建筑设计通则》[14]中对我国的气候区划分可知，气温的区域特征为华北、西北、东北地区<华东、西南、华中地区<华南地区，与居民人均用水量的区域特征一致。代侦勇等[15]研究统计了全国160个站点50年间年均降雨量数据，发现我国的降雨量呈现显著的区域特征，从北到南有明显的上升趋势，地理分布上广西、广东地区降雨量最高。结合图3可知，人均用水量分布特征为由北至南逐渐增加，与降雨量的区域特征相吻合，表明气候因素会对我国居民人均用水量造成影响。
王永良等[16]与田韶英等[17]的研究表明，月平均温度每上升1℃，居民人均用水量增加2.48L。当气温升高，家庭中饮水、清洁卫生和淋浴等用水行为频率大幅上升，且需要经常换洗衣物，因此对生活用水的需求量大幅提高。与国内不同，在国外发达国家中泳池的使用和室外景观灌溉明显受到严重的气候因素制约[18,19,20]。而国内绝大多数居民小区并没有室外庭院与泳池等室外用水设施，故在我国气候因素主要是影响家庭内的淋浴、清洁卫生等用水，进而引起居民人均用水量的空间差异性。
4.2 经济与政策因素
根据前文研究结果，我国城市居民人均用水量的特征是均衡性增强、空间差异性减小，这与我国城市化进程的发展一致。根据中国城市统计年鉴可知[10]，在本文涉及的275个城市中，2001年人均GDP低于2万元的城市数量占91.2%，但2018年这一类城市仅有5座，有41.97%的城市人均GDP大于6万元，说明城市经济发展成效显著，不同城市间的经济水平差异在不断缩小。
国内外有许多研究表明经济变量是影响居民人均用水量的关键，在国外家庭中随着收入的增加，住宅面积增大，泳池和浴室等用水量也随之增加[21,22]。Ashoori等[23]通过分析洛杉矶用水量数据，发现经济较发达地区的居民人均用水量比经济较落后的地区高18%，而高档社区的年均用水量明显高出其他社区约59%。赵卫华等[24]研究发现家庭支出水平对用水量有非常显著的影响，家庭消费总支出水平每提高5万元，其家庭月用水量平均增加1.5m3。
随着经济的发展，人们的生活水平提高、用水器具逐步完善升级，城市间因用水器具的差异而引起的用水量的差异，在逐渐被消除。由图4可知许多低于80L/（人·d）的城市（例如呼伦贝尔、开封、青岛、昆明等城市）逐渐转向80～120L/（人·d）甚至120～160L/（人·d）的区间，其余城市则是逐渐减少与同一地区内经济发展较快城市的差距，故经济因素在某一时间段内促进了居民人均用水量的增加。
而居民人均用水量是具有“天花板”的，并不会无限制的增长，其上限值由气候、用水行为习惯以及环境资源等因素决定的。这也侧面印证经济在城市发展到一定程度时，将不再对居民用水的变化做出主要贡献。伴随着“节水优先”十六字方针的重要指示，节水型城市的不断创建，经济发展较好的城市相继出台一系列的节水政策、加大节水资金投入、广泛普及节水器具、提高用水效率以及居民节水意识，以抑制城市中对于生活用水的不合理需求。部分高于200L/（人·d）城市（例如珠海、广州、厦门、哈尔滨、东莞等城市）人均用水量也逐渐降至160～200L/（人·d）或120～160L/（人·d）。
经济与政策在城市不同发展阶段发挥的作用，使我国同一地区内经济发展情况接近的城市，人均用水量逐渐趋近于同一区间内，这也解释了3.2节中居民人均用水量的聚集区域为何会与城市群的分布高度重合，以及为何我国城市居民人均用水量会呈现区域内聚集性增强，整体空间差异性减小的趋势。
5 结论
本文基于全国275座城市居民人均用水量数据，在分析城市居民人均用水量现状的基础上，运用基尼指数、变异系数、全局Moran’s I指数开展了城市居民人均用水量的时空分布特征研究，进一步结合ArcGIS软件将其可视化，研究其空间分布和演变特征，最后运用局部Moran’s I指数，确定了其聚集区域的分布，主要结论如下：
(1）我国城市居民人均用水量根据数值可分为3类：第一类为70～100L/（人·d），低于全国平均水平，位于西北、华北、东北地区；第二类120～140L/（人·d），接近全国平均水平，位于华东、华中、西南地区；第三类170～190L/（人·d），远高于全国平均水平，位于华南地区。
(2）基尼指数、变异系数由2001年的0.291、0.566，降至2018年的0.211、0.378，表明我国城市居民人均用水量不均衡程度有所下降；同期，全局Moran’s I指数由0.200增长至0.343，表明其空间差异性减小。
(3)2001至2018年，全国居民人均用水量位于0～80L/（人·d）区间内的城市，总数减少23座；位于200L/（人·d）以上区间内城市，总数减少10座，表明我国居民人均用水量的空间差异性正在逐渐减小。其中，华北、东北、西北3个地区均向0～80L/（人·d）、80～120L/（人·d）聚集，华东、华中、西南地区均向80～120L/（人·d）、120～160L/（人·d）、160～200L/（人·d）聚集；华南地区居民人均用水量持续增长，均匀分布在120～160L/（人·d）、160～200 L/（人·d）以及200 L/（人·d）以上的区间。
(4）我国城市居民人均用水量存在区域聚集现象，其中H-H型聚集区域主要分布在华南、西南以及华东南部地区，表明南方地区的城市居民人均用水量普遍较高，且聚集区域不断扩大，差异性逐渐减小；L-L型聚集区域主要分布在北方地区，聚集区域由华北、西北地区转至东北地区。
(5）居民人均用水量的空间差异性主要由气候因素影响居民用水行为习惯不同而导致，而随着城市的不断发展，经济与政策在不同时期发挥的作用是削弱其时空差异性的主要原因。
作者图片
许萍
参考文献
[1] 中国住房和城乡建设部．中国城市建设统计年鉴[M]．北京：中国计划出版社,2001-2018.
[2] GROVES D G,BLOOM E.Robust water-management strategies for the california water plan update 2013:Proof-of-Concept Analysis.2013.
[3] Eurostat.2015．“Water Statistics．”Accessed April 17 2017.http：//ec.europa.eu/eurostat/statistics-explained/index.php/Water_statistics.
[4] Connor R.The United Nations world water development report 2014[M]//The United Nations world water development report.UNESCO Pub.:Berghahn Books,2014.
[5] GAGE E,COOPER D J.The influence of land cover,vertical structure,and socioeconomic factors on outdoor water use in a Western US City[J].Water Resources Management,2015,29(10):1-14.
[6] Taylor, Laura, O, et al.Conservation policies:Who responds to price and who responds to prescription?[J].Journal of Environmental Economics&Management,2016.
[7] HUSSIEN W A,MEMON F A,SAVIC D A.Assessing and modelling the influence of household characteristics on per capita water consumption[J].Water Resources Management,2016,30(9):2931-2955.
[8] 石红旺,赵勇,屈吉鸿,等．天津市城市居民用水行为调查及影响因素识别[J]．水电能源科学,2015,33(6):143-147.
[9] Franczyk J,Chang H.Spatial Analysis of Water Use in Oregon,USA,1985-2005[J].Water Resources Management,2009,23(4):755-774.
[10] 中国城市统计年鉴[Z]．北京：中国统计出版社．2001-2018.
[11] CHANG H,BONNETTE M R.Climate change and waterrelated ecosystem services:impacts of drought in California,USA[J].Ecosystem Health and Sustainability,2016,2(12).DOI:10.1002/ehs2.1254.
[12] GATO S,JAYASURIYA N,ROBERTS P.Forecasting Residential Water Demand:Case Study[J].Journal of Water Resources Planning&Management,2007,133(4):309-319.
[13] 姚运生,任丽娟．我国气温分布规律[J]．吉林特产高等专科学校学报,2004(2):11-12.
[14] GB 50352-2005民用建筑设计通则[S].
[15] 代侦勇,姜婧,肖明科．基于时空Moran’s I指数的全国降雨量自相关分析[J]．华中师范大学学报(自然科学版),2014,48(6):923-929.
[16] 王永良,唐莲,张静,等．银川市城镇居民生活用水量需求影响因素分析[J]．宁夏工程技术,2018,317(3):239-243.
[17] 田韶英,李晓春,杨宝中,等．西安市城镇居民生活用水量需求影响因素分析[J]．中国农村水利水电,2014(2):35-38.
[18] MINI C,HOGUE T S,PINCETL S.Patterns and controlling factors of residential water use in Los Angeles,California[J].Water Policy,2014,16(6):1054-1069.
[19] HORNBERGER G M,HESS D J,GILLIGAN J.Water conservation and hydrological transitions in cities in the United States[J].Water Resources Research,2015,51(6):4635-4649.
[20] BALLING R C,GOBER P.Climate variability and residential water use in the city of phoenix,arizona[J].Journal of Applied Meteorology&Climatology,2015,46(7):1130-1137.
[21] 熊升银．城镇居民生活用水影响因素的实证分析———以成都市为例[J]．科技和产业,2018,18(1):92-97,142.
[22] PANAGOPOULOS G P.Assessing the impacts of socio-economic and hydrological factors on urban water demand:A multivariate statistical approach[J].Journal of Hydrology,2014,518(2):42-48.
[23] ASHOORI N,DZOMBAK D A,SMALL M J.Modeling the effects of conservation,demographics,price,and climate on urban water demand in Los Angeles,California[J].Water Resources Management,2016,30(14):5247-5262.
[24] 赵卫华．居民家庭用水量影响因素的实证分析———基于北京市居民用水行为的调查数据考察[J]．干旱区资源与环境,2015,29(4):137-142.