图1 城市水与能耦合关系的框架示意图[2]
Fig. 1 Schematic diagram of coupling relationship between urban water and energy[2]
曹烨1 邹振东1 陈文磊2 卓锦新1 邱国玉1,†
1.深圳市太阳能与风能海水淡化关键技术工程实验室, 北京大学深圳研究生院环境与能源学院, 深圳 518055; 2.中南财经政法大学金融学院, 武汉 430073; †通信作者, E-mail: qiugy@pkusz.edu.cn
摘要 对深圳市1996—2015年水资源和能源安全状况进行因子分析, 得到经济和平均因子(f1)、人口和弹性因子(f2)两个主因子。f1表明支撑城市正常运行对水资源和能源安全的威胁程度, 权重为68%; f2表明经济和人口的增量给水–能系统安全带来的不确定性, 权重为32%; 综合得分表明深圳市总的水–能系统安全状况趋于下降。此结论符合深圳市水–能系统的实际情况, 说明将该评估模型用于深圳市水–能安全形势的分析是有效的, 可以为深圳市的有关决策提供参考依据。
关键词 深圳市; 水与能; 因子分析; 区域安全
作为国际大都市, 深圳市常住人口超过1100万,国民生产总值(GDP)总量约2万亿人民币。城市规模膨胀和经济高速发展, 使得深圳市长期面临“四个难以为继”(土地、人口、资源和环境承载力)的挑战[1]。特别是水资源和能源, 这二者是维系城市正常运转的两大支柱。
据深圳市统计年鉴(2015年), 深圳市常住人口从1995年的449.15万增加到2015年的1137.87万, 年均增长4.76%; GDP从1995年的8424.833亿元增加到2015年的175028.634亿元, 年均增长16.38%。2015年深圳市的总用水量为19.9亿m3, 其中境外引水为16.44亿m3, 2006—2015年境外引水以年均3.67%的速度逐年增长。深圳市发电量从1979年的609万kWh增长到2015年的681.94亿kWh, 年均增长21.76%; 用电总量从1990年的35.97亿kWh增长到2015年的815.54亿kWh, 年均增长13.30%。
生产自来水需要用电, 而生产电能需要耗水, 可以说, 节水就是节能, 节能就是节水[2]。显而易见, 城市自来水与电能具有较强的相关性, 前人开展的多资源关联作用研究为水–能关系奠定了基础(图1), 也建立起较完善的水–能影响因素体系, 为了揭示水–能系统的一般规律, 提供了丰富的参照资料[3–4], 但是更多地聚焦于国家或区域宏观层面, 基于某一城市的实证研究偏少。深圳市是全国严重缺水城市之一, 有必要对其近二三十年的用水用电情况进行全面的梳理, 探索深圳市的水资源和能源安全形势, 并进行综合评价。
2015年, 深圳市电力、燃气及水的生产和供应业的总能耗约518.22万吨标准煤, 占全市总能耗的13.25%。考虑到深圳市水资源利用与电力生产之间有极强的耦合关系, 我们从人口和经济两个要素出发, 选取人均用水量、人均用电量、单位GDP用水量、单位GDP用电量、水人口弹性系数、电人口弹性系数、水GDP弹性系数和电GDP弹性系数等8个指标。
通过深圳市统计年鉴(2010—2015年)的数据, 8个指标值计算结果见表1。可以看出, 1996—2005年, 深圳市人均用电量逐年增长, 从2100.74kWh/人稳步增长到7167.29 kWh/人; 人均用水量比较平稳, 在170~200m3/人之间变化; 单位GDP用电量和用水量逐年减小; 电人口弹性系数平均值为3.16, 表明用电增长率大于人口增长率, 用电强度比较大;水人口弹性系数平均值等于1, 表明用水增长率等于人口增长率。电GDP弹性系数均值为0.67, 水GDP弹性系数均值为0.27, 表明用电用水增长率小于GDP增长率, 但用电强度大于用水强度。
图1 城市水与能耦合关系的框架示意图[2]
Fig. 1 Schematic diagram of coupling relationship between urban water and energy[2]
文章选取的是水资源、能源、经济和人口4个因素组成的8个指标, 但各指标的变化趋势各不相同。为了查明各指标之间的相互关系, 避免信息之间的重叠, 用因子分析法将8个指标简化为少数几个综合指标, 以便摸清经济和人口增长和水–能系统安全的相互关系。
因子分析法是考察多个变量间相关性的一种多元统计方法, 它研究如何通过少数几个因子来解释多变量的方差–协方差结构。具体来说, 是导出几个因子, 使其尽量多地保留原始变量的信息, 且彼此线性无关[5]。
使用SPSS 20.0软件, 进行能源安全评价的因子分析。Bartlett球度检验统计量为143.097, 适合做因子分析。检验的P值接近0, 表明8个变量之间有较强的相关关系, 而KMO统计量为0.545, 大于0.5, 可以做因子分析。
相关系数矩阵的前两个特征值为50.060%和23.370%, 累计贡献率73.430%(表2), 说明前两个主成分基本上包括8个指标的信息。因此, 取前两个主成分作为评价水资源–能源安全的公共因子。
另外, 为了使水–能安全的影响因子更加明确, 本文用极大方差正交旋转法, 对因子载荷矩阵进行具有Kaiser标准化的正交旋转变换(图2), 旋转在3次迭代后收敛。从图2可以发现, 第一主成分的主要指标是单位GDP用水量、人均用电量、单位GDP用电量和水GDP弹性系数, 这些指标的主要指向是水与能源消耗的经济和平均因子(f1), 其载荷值为0.963; 第二主成分的主要指标是电人口弹性系数、人均用水量、电GDP弹性系数和水人口弹性系数, 该指标反映水–能消耗的人口和弹性因子(f2), 其载荷值为0.846。
构造主因子得分矩阵, 建立综合得分数学模型, 求出综合得分。利用具有Kaiser标准化的正交旋转法得到因子得分系数(表3), 根据得分系数可以构成公因子的线性函数方程。
代入标准化的数据后, 得到各主因子的得分fi值, 同时构建综合评价的数学模型:
表1 深圳市水资源–能源系统安全评价指标值
Table 1 Safety evaluation index of water and energy system in Shenzhen
年份人均用电量/ (kWh·人–1)人均用水量/ (m3·人–1)单位GDP用电量/ (kWh·万元–1)单位GDP用水量/ (m3·万元–1)电人口弹性系数水人口弹性系数电GDP弹性系数水GDP系数 19962100.74174.78967.5680.501.472.510.450.77 19972133.17181.15867.7173.681.181.430.460.56 19982230.34185.58843.3670.181.501.270.820.69 19992369.35181.80830.7963.751.750.750.900.39 20002714.47174.98870.1956.092.490.621.270.32 20012929.84177.62855.1451.843.461.470.850.36 20023481.24178.40875.2844.867.371.151.140.18 20034155.75191.45901.9941.555.762.801.180.57 20044873.95199.93911.4737.397.142.571.060.38 20055318.14202.60889.1533.873.801.410.820.30 20065592.97198.83838.0529.792.040.630.610.19 20076223.56197.40834.8426.483.490.840.970.23 20086117.27193.55749.6823.720.610.560.190.18 20095886.18180.50706.4721.660.08-0.650.05-0.43 20106397.49182.99678.9419.423.141.340.740.32 20116649.40186.77604.4016.985.323.270.270.17 20126846.28184.22556.6914.984.90-0.800.30-0.05 20136865.88179.42500.7813.091.37-2.400.09-0.15 20147316.93179.42492.8712.095.721.000.820.14 20157167.29174.89465.9511.370.610.520.360.31
表2 主成分的解释的总方差
Table 2 The total variance of the interpretation of principal components
成分初始特征值提取平方和载入旋转平方和载入 合计方差解释率/%累积方差解释率/%合计方差解释率/%累积方差解释率/%合计方差解释率/%累积方差解释率/% 14.00550.06050.0604.00550.06050.0603.85148.14348.143 21.87023.37073.4301.87023.37073.4302.02325.28773.430 30.91411.42984.860 40.6778.46493.323 50.3214.01697.340 60.1581.97199.311 70.0460.57699.887 80.0090.113100.000
F=λ1/(λ1+λ2)f1+λ2/(λ1+λ2)f2,
式中, λ为每个因子对应的特征根, F为综合得分值。根据表2, λ1=4.005, λ2=1.870。代入加权后特征根后, F= 0.681732f1+ 0.31826 f2, 计算系统安全综合评价得分系数(图3)。
图2 方差极大正交旋转后的因子载荷图
Fig. 2 The factor load diagram after variance maxima orthogonal rotation
表3 因子得分系数矩阵
Table 3 The matrix of factor score coefficient
指标成分1成分2 人均用电量-0.2710.164 电人口弹性系数-0.0700.437 单位GDP用电量0.2070.072 电力消费弹性系数0.1040.268 人均用水量-0.0770.347 水资源人口弹性系数0.1070.260 水消费弹性系数0.2130.025 单位GDP用水量0.275-0.174
将水–能安全影响因素的两个主成分和综合因子安全得分的趋势用拟合曲线表示(图3)。f1的拟合优度R2=0.9619, f2的R2=0.4326, F的R2=0.8112, f1和F拟合优度较好, 趋势明显; f2拟合优度较低, 趋势不明显。从图3可知, f1得分逐年减小, 说明1996—2015年间, 深圳市人口和经济的增长对水资源和能源系统安全的威胁逐年增大, f1得分从1996年的1.8下降到2015年的-1。f2得分呈现波动变化, 1996—2005年f2为正值, 而2005—2015年f2为负值, 表明人口和经济的增长对水–能系统安全带来很大的不确定性, 体现在人口和经济规模的增长、人口和经济质量的变化(人均收入、教育程度、产业结构等)以及人口、经济的空间分布的变化都会对水资源和能源消费产生明显的不确定性。就水–能系统安全综合评价来看, 20年间深圳市安全评价的总体得分在波动中下降, 水–能系统安全状况趋于变坏, 不确定性增加[6–7]。
图3 1996—2015年深圳市水资源与能源系统安全状况变化
Fig. 3 Security situation changes of water and energy system in Shenzhen during 1996–2015
本文通过考察人口、经济因素对水资源与能源的影响发现, 经济和平均因子(f1)的权重为68%, 表明支撑深圳市经济运行对水资源和能源安全的威胁程度较大; 人口和弹性因子(f2)为32%, 表明人口和经济的增量对水–能系统安全带来的不确定性相对较小。
城市水–能系统安全是国家安全的一部分, 二者之间相互制约。水–能系统具有开放性, 表现出一般系统所不具有的路径依赖和自组织现象。此外, 地区水资源和能源的可供性及相关的科学技术水平在短期内难以大幅提高, 若要实现水资源与能源安全, 需要把握系统的协调性和整体性, 同时找到决定系统变化的序参量的特殊性[8–9]。
本文仅对深圳市近20年的水–能安全现状进行了评价, 研究结果还应当使用不同的方法加以验证, 并进行深入的理论解释; 同时还需要考虑水–能系统的对外依存度和保障程度, 并预测深圳市水–能安全的未来走势。
参考文献
[1]中国经济网. 解读深圳新十年规划: 有效突破“四个难以为继”瓶颈[EB/OL]. (2010–08–24)[2017–10–20]. http://district.ce.cn/zg/201008/24/t20100824_21752384.shtml
[2]李文江. 城市水与能的耦合关系研究——以深圳市为例[D]. 北京: 北京大学, 2016
[3]王忠诚, 李宁, 李春华, 等. 基于因子分析方法的江苏省能源安全系统评价. 中国农学通报, 2011, 27(17): 200–207
[4]李璐, 陈远, 何希吾, 等. 城市水系统水-能关系研究进展. 中国水利, 2012(6): 22–25
[5]张坤民, 温宗国, 杜斌, 等. 生态城市评估与指标体系. 北京: 化学工业出版社, 2003
[6]胡德胜, 许胜晴. 能–水关联及我国能源和水资源政策法律的完善. 西安交通大学学报(社会科学版), 2015, 35(4): 115–119
[7]Sahin O, Stewart R A, Richards R G. Addressing the water-energy-climate nexus conundrum: a system approach // Conference: 7th International Congress on Environment Modelling and Software. San Diego, 2014: 457–458
[8]唐霞, 曲建升. 我国能源生产与水资源供需矛盾分析和对策研究. 生态经济, 31(10): 50–51
[9]高京津. 我国水资源利用与电力生产关联分析[D]. 天津: 天津大学, 2012
Analysis of Water Resources and Energy Security in Shenzhen Based on Factor Analysis Method
CAO Ye1, ZOU Zhendong1, CHEN Wenlei2, ZHUO Jinxin1, QIU Guoyu1,†
1. Shenzhen Engineering Laboratory for Water Desalination with Renewable Energy, School of Environment and Energy, Peking University Shenzhen Gradate School, Shenzhen 518055; 2. School of Finance, Zhongnan University of Economics and Law, Wuhan 430073; †Corresponding author, E-mail: qiugy@pkusz.edu.cn
Abstract The factor analysis of water resources and energy security in Shenzhen in 1996–2015 was carried out. Economic and average factor (f1), population and elasticity factor (f2) are two main factors. f1 shows the threat of supporting the city’s normal operation to water resources and energy security, with a weight of 68%. f2 shows the uncertainty brought about by the increments of economic and population to water energy system safety, with a weight of 32%. The composite score shows that the total water energy system safety in Shenzhen tends to decline. This conclusion accords with the actual situation of water energy system in Shenzhen municipality. It shows that the evaluation model is effective for the analysis of water energy security situation in Shenzhen, and can provide reference for the decision-making of Shenzhen municipality.
Key words Shenzhen municipality; water and energy; factor analysis; regional security
中图分类号 X24
doi: 10.13209/j.0479-8023.2018.087
深圳市科技计划项目(JCYJ2017081809224745)和国家自然科学基金(71473274, 71872181, 51309138)资助
收稿日期: 2017-11-29;
修回日期: 2018-01-09;
网络出版日期: 2018-10-22