EN中文

JOURNAL OF NATURAL RESOURCES >

2025 , Vol. 40 >Issue 2: 550 - 568

DOI: https://doi.org/10.31497/zrzyxb.20250216

Regular Articles

Water resources asset accounting and driver analysis in the Yangtze River Economic Belt based on the "quantity-value" framework

  • LI Shu-qin , 1 ,
  • SHEN Ju-qin 2 ,
  • HUANG Xin 2 ,
  • ZHANG Kai-ze , 3
Expand
  • 1. School of Business School, Hohai University, Nanjing 211106, China
  • 2. School of Agricultural Science and Engineering, Hohai University, Nanjing 211106, China
  • 3. School of Economics and Finance, Hohai University, Nanjing 211106, China

Received date: 2023-12-04

  Revised date: 2024-07-17

  Online published: 2025-01-23

Fold

Abstract

Accounting for water resources assets is an important part of the inventory of nationally owned natural resources assets, and is a basic prerequisite for the preparation of natural resources balance sheets. This study examines the macroeconomic data of the 11 provincial-level regions in the Yangtze River Economic Belt (YREB) from 2012 to 2021. It begins by elucidating the natural system of water resources formation and the economic system of water resources asset formation. The concept of potential water resources assets is introduced, and the cyclical patterns of water resources asset evolution are investigated. Then, based on the "quantity-value" framework, the adjusted coefficient method and energy value analysis method are adopted to construct models for the physical quantity and value accounting of regional water resources assets. Finally, an indicator system is designed from economic, social, environmental, and ecological dimensions. The geographic detector model is selected to explore the influencing factors of spatial differentiation of water resources assets. The research findings reveal that: (1) The physical volume of water resources assets in the YREB demonstrates fluctuating changes, reaching a peak of 2734.27 billion m3 in 2019 and a low value of 2548.70 billion m3 in 2020. Specifically, Shanghai, Jiangsu, Hunan, and Yunnan display "N"-shaped trends, while Jiangxi, Hubei, and Guizhou demonstrate "W"-shaped trends. The remaining regions exhibit more moderate trends. (2) The overall value of water resources assets fluctuates, showing an upward trend with an average annual increase of 13.14%. The spatial distribution of water resources asset value exhibits a pattern of "downstream>midstream>upstream" differentiation. (3) Population density is identified as the primary driver of spatial differentiation in water resources assets within the YREB. The cumulative explanatory power of the social subsystem is the highest, indicating that social factors have the greatest influence on the spatial pattern of water resources assets. The research findings contribute to elucidating the cyclic evolution process of water resources, latent water assets, and water resources assets, improving the macroeconomic accounting system, and providing valuable insights for the sustainable utilization of water resources.

Key words： "quantity-value" framework; quantity of water resources assets; value of water resources assets; Yangtze River Economic Belt; driving factors

Cite this article

LI Shu-qin , SHEN Ju-qin , HUANG Xin , ZHANG Kai-ze . Water resources asset accounting and driver analysis in the Yangtze River Economic Belt based on the "quantity-value" framework[J]. JOURNAL OF NATURAL RESOURCES, 2025 , 40(2) : 550 -568 . DOI: 10.31497/zrzyxb.20250216

探索编制自然资源资产负债表是应对全球资源危机的中国主张，是推进中国特色社会主义生态文明建设的重大制度创新[1]。自2013年《中共中央关于全面深化改革若干重大问题的决定》中提出探索编制自然资源资产负债表以来，2015年《编制自然资源资产负债表试点方案》、2023年《全民所有自然资源资产所有权委托代理机制试点方案》等战略性文件的出台，无一不彰显着国家对自然资源管理及其可持续发展的重视。水资源是自然资源的重要组成部分，也是支撑国民经济可持续发展的战略性经济资源。据统计，2022年中国水资源总量为28670亿m3，人均水资源量为2051.21 m3/人，远低于世界平均水平，且水资源时空分布严重失衡，水资源利用效率较低，严重制约了社会经济的可持续发展。在水资源供需矛盾突出的背景下，迫切需要把脉水资源资产“家底”，科学反映水资源储水、来水、用水、排水等环节的存量和流量变化，以保障国家水安全战略，促进国民经济可持续发展。
水资源资产核算是编制资产负债表的关键问题[2]，也是自然资源资产清查的重要内容。国外水资源资产核算研究多是在《环境经济核算体系（2012）—中心框架》（以下简称“SEEA—2012”）的基础上进行的，如澳大利亚在水资源核算中将SEEA体系相结合，把水资源看作是一种现金流，使用复式记账法进行计量[3]；Vicente等[4]对SEEAW系统在西班牙河段的运用进行了研究，并采用水循环模式和水资源模式，使SEEA的水资源核算体系更加完善；Lyu等[5]提出传统水核算与水质量平衡相结合的水资源资产核算思路，以测量和评价各生产环节的用水效率。国内水资源资产核算是从实物量和价值量两方面进行研究的。其中，水资源资产实物量核算主要是基于国家统计局、水利部门等公布的相关数据，根据某一时点的水资源储量、消耗等情况，采用环境经济核算、投入产出法、单元—河道模型、综合系数法等模型及方法进行计算[6,7]。水资源资产价值量则是以实物量核算为基础，结合会计学、经济学、生态学等学科方法，采用收益法、替代法、影子价格法、目标效益法、市场逆算法、模糊数学综合评价模型、生态系统服务功能价值评估等模型及方法进行核算[8⇓-10]。此外，学者们多从压力、状态、响应等维度构建指标体系，采用广义矩估计模型、门槛模型、Tobit模型等计量方法考察水资源利用效率、管理绩效、承载能力等方面的驱动效应，但涉及水资源资产影响因素的研究较为匮乏[11,12]。
综上可知，首先，水资源资产核算研究已逐步受到重视，但现有研究多以水资源量代替水资源资产量，尚未分析演变过程对水资源资产量的影响，也未考虑水资源的重复利用性等特征，水资源资产实物量模型有待完善。其次，现行水资源资产价值量核算方法无法有效解决自然与经济系统的衔接问题，缺乏统一的度量标准，削弱了核算结果的可比性。再者，诸多学者对水资源效率、压力等的影响因素进行研究，但鲜有深入探究水资源资产的影响因素，导致其政策建议缺乏科学性。鉴于此，本文构建了基于“量—价”框架的水资源资产核算模型。一方面在水资源演变过程分析的前提下，考虑其重复利用性等特征，引入潜在水资源资产概念和调整系数法核算水资源资产实物量，以解决水资源资产“量”的计量难题；另一方面，采用能值分析法，将不同种类的水资源资产转换成能值，对其进行统一度量和比较，为水资源资产“价”的核算开拓一条新路径。此外，为进一步探究水资源资产的影响因素，本文从经济、社会、环境、生态四个维度构建指标体系，采用地理探测器模型揭示其空间分异的驱动因素，以期持续推动长江经济带高质量发展，更好地支撑和服务中国式现代化。

1 水资源资产的演变过程分析

1.1 相关概念界定

1.1.1 水资源

水资源是维持人类社会发展的重要自然资源，由于其类型繁多，定义各不相同。联合国教科文组织成员和世界气象组织成员联合出版的《国际水文名称术语》（International Glossary of Hydrology-2012）中，认为水资源是可供利用或潜在可利用的水源，需具备充足数量和适宜质量，以满足特定地区在特定时间内的实际利用需求。《中国自然资源丛书》指出水资源是可供人类生产和生活直接利用的资源，包括地表和地下径流以及陆地上可再生的水体[13]。中国水法规定水资源包括地表水和地下水，其中地表水是中国陆地表面所有动态水和静态水的总称，地下水是指埋藏在地下各种形式的水体。
本文中的水资源是指通过降雨径流等自然循环系统进入江河湖泊中可供人类生产和生活使用的这部分水资源，它强调自然系统中的水资源。

1.1.2 潜在水资源资产

天然水资源不具有资产属性，通过供水工程参与到社会经济活动中才具有了资产属性，两者之间存在明显的界限，即在水资源转化为水资源资产的过程中，存在一种特殊状态（通过供水工程取出但尚未被利用）的水资源。根据马克思的劳动价值论，经过供水工程取出的水资源是通过建设和管理投入形成的，体现了必要的社会劳动，因此这些水资源具有价值，可以称之为资产。但是由于这部分水资源在输送过程中可能存在蒸发、渗漏等合理损失，由于管网漏损等客观条件的限制，其能否全部形成水资源资产具有不确定性，这种介于水资源与水资源资产之间的状态称之为潜在水资源资产[14]。
潜在水资源资产可进一步划分为有效潜在水资源资产和无效潜在水资源资产。前者是指最终可以形成水资源资产的那一部分，包括经营性资产（主要指农业水资源资产、工业水资源资产、生活水资源资产等）和非经营性资产（主要指生态补给水资源资产等）；而无效潜在水资源资产指的是无法投入使用的潜在水资源资产，包括蒸发水量、在管网输送过程中导致的漏损水量等。

1.1.3 水资源资产

只有被自然系统取出进入经济系统并使用的潜在水资源资产才能成为水资源资产。按照水资源可重复性特征可将其分为两类：一类是直接使用的有效潜在水资源资产；另一类是在直接使用有效潜在水资源资产的基础上，通过重复使用获取的水资源资产。
按照行业划分，水资源资产包括农业水资源资产、工业水资源资产、生活水资源资产和生态水资源资产。农业水资源资产主要用于农田灌溉和林牧渔业用水，其中农田灌溉中的深层渗漏与田间流失用水占比较大，在计算有效潜在水资源资产和通过重复使用获取的水资源资产时应予以扣除；工业水资源资产通常按照新水取用量进行计量，且已包含合理损失；生活水资源资产主要包括居民生活用水、城镇公共用水（含餐饮业、服务业、建筑业及邮政业）和农村生活用水。同工业用水一致，由于重复利用性特征，市政回用、污水回用、海水淡化回用等行为会增加生活水资源资产的实物量；生态用水包括城市环境用水和河流、湖泊、湿地等的人工补水。

1.2 “自然—经济”系统分析

水资源具有自然和经济两种属性。其中，自然属性指其作为地球上自然存在的资源，涵盖了水的分布、数量、质量和循环等方面。经济属性指的是水资源作为生产要素和生活必需品，具有经济价值和社会影响。与水资源的双重属性相类似，水资源资产的演变也涉及到自然和经济两个系统。

1.2.1 水资源资产形成的自然系统分析

在自然界中，太阳能热量引发地表水蒸发，将液态水转化为水蒸气，水蒸气在高空冷却后凝结成云，云颗粒聚集形成水滴或冰晶，遇冷形成雨、雪、雾等降水形式，降水或在地表流动形成地表径流，或渗入地下形成地下径流汇入河流湖泊，最终又回归自然。这种随气候变化而变化、周而复始不同状态水的演变运动称之为水资源形成的自然系统。
自然界的水资源及其不同形态会随着气候的变化而变化，遵循水量平衡原理，是水循环的数量表示[15]。气候系统直接影响着水资源的分布和供应，如降水模式、温度变化和气候变化，会影响水资源的蒸发蓄积、蒸发速率和降水量，从而对水循环和水资源分配产生影响。长期以来，水文水资源学家们对气候变化与水资源的影响进行了大量研究，认为气候变化会影响流域径流变化、水安全、防洪安全和水生态环境安全[16]。

1.2.2 水资源资产形成的经济系统分析

水资源经济系统是指水资源资产生产、分配、使用等各环节的相互联系、相互制约的若干经济元素组成的有机整体，涉及到供需关系、资源配置、市场交易、政府管理、环境效应等多个方面。
基于供需关系，作为生产要素，水资源资产作用的发挥直接影响农业、工业、能源生产等经济活动，不同产业对水资源的需求量和质量要求各异，导致水资源供求的动态平衡成为一个关键问题。基于资源配置，水资源是有限的，在经济系统中需要同时发挥“两只手”的力量，合理配置以最大程度地满足各个部门和行业的需要，提高水资源资产化管理水平。基于市场交易，水资源市场是供求交易的平台，决定水的价格和分配，这其中的交易不仅包括从供水企业到消费者的供应链，也包括工业和农业领域的水资源买卖。基于政府管理，是以水资源的持续开发利用为最终目的，以水行政主管部门的行政、法律、技术和教育为手段，以开发与保护并重、水质水量统一管理、效益优先为原则，协调社会发展与水资源开发利用之间的关系。基于环境效应，水资源的经济利用会带来一系列的环境反应，如水质下降、气候调节、生物多样性变化、洪涝灾害频发等，可能影响生态系统的良性循环。

1.3 水资源资产的演变循环规律

水资源资产概念的提出体现了人类认知从单一视角到综合维度的转变，同时凸显了水资源在自然和经济系统中的多重价值。从图1中可以看出，水资源到水资源资产的演变包含自然系统和经济系统。
图1 水资源资产演变循环示意图

Fig. 1 Schematic of the evolutionary cycle of water resources assets

根据水文循环原理，自然系统中的水体蒸发凝结形成降水，部分进入江河湖泊形成可供人类使用的水资源，其余部分汇集成地表水。地表水自身所具有的调蓄功能，使之一部分渗入土壤并与地下水相互渗透，一部分经径流形成水资源。最终，地表水和土壤水通过蒸发、植物蒸腾等作用回归到大气中，再一次形成降水。水资源通过取水被消耗，且不断从大气降水中得到补给，存在周而复始的取水、消耗、补给、恢复的循环过程。
水资源在经济系统中通过分配和使用发挥其“资产”价值，具有强烈的经济属性。由图1和相关概念界定可知，潜在水资源资产形成的来源与自然系统供出的水资源相对应。潜在水资源资产通过使用，演变为水资源资产。由于用水行业的不同，潜在水资源资产可转化为农业水资源资产、工业水资源资产、生活水资源资产和生态水资源资产。已产生使用价值的水资源资产一部分经过污水回用等方式再次形成水资源，其余部分排放至自然系统中进入下一轮循环。
综合而言，当水资源由自然系统取用进入经济系统，则转变为潜在水资源资产，有效潜在水资源资产进入经济系统被使用、进而发挥其价值演变为水资源资产。在考虑水资源重复利用性特征的前提下，水资源资产经排放进入自然系统则重新演变为水资源。

2 研究方法与数据来源

2.1 研究区概况

长江经济带是中国经济密度最大的流域经济带和生态文明建设的先行示范带，包括长江下游（上海、江苏、浙江、安徽）、中游（江西、湖北、湖南）、上游（重庆、四川、云南、贵州）的11个省（直辖市），面积约205.23万km2，占全国的21.4%，人口、生产总值和水资源量均超过全国的40%（图2）。21世纪以来，“最严格水资源管理制度”“水污染防治行动计划”“长江大保护”等政策陆续落实，旨在协调好水资源、水生态与水环境之间的关系。然而，在产业转型的关键档口，水质性缺水、水污染事件频发、生物多样性锐减等一系列问题仍是制约长江经济带高质量发展的瓶颈[17]。本文以长江经济带11个省（直辖市）为对象，核算水资源资产的实物量和价值量，并进一步探究其影响因素，为全面掌握水资源资产现状、促进区域经济和生态协调发展奠定基础。
图2 研究区位

注：本图基于自然资源部标准地图服务系统下载的标准地图制作，底图无修改，下同。

Fig. 2 Location of the study area (Yangtze River Economic Belt)

2.2 研究方法

2.2.1 水资源资产实物量核算模型

由水资源资产的演变过程分析可知，潜在水资源资产是水资源资产形成的先决条件，而且考虑到水资源系统的复杂性，直接核算水资源资产实物量存在较大难度。因此，本文在概念界定的基础上，总结归纳水资源资产的演变循环规律，构建了潜在水资源资产—水资源资产的核算模型。该模型具有两个优势：一是不仅综合考虑了水资源的来源和使用情况（从供给和使用两个方面核算潜在水资源资产量），而且兼顾了水资源的重复利用性等特征（采用调整系数法核算水资源资产量）；二是较为规范、实用性强，便于不同地区、不同时段的水资源资产的比较与分析。
（1）基于自然—经济系统的潜在水资源资产量核算模型
结合前文的概念界定，参考张丹丹等[18]的研究成果，在构建潜在水资源资产实物量的核算模型过程中，可从自然系统水资源的供给（潜在水资源资产的“来源”）方面进行核算，也可从水资源在经济系统中的使用（潜在水资源资产的“去向”）方面进行核算，两者的核算结果基本一致。
当采用基于自然系统的取水量来核算潜在水资源资产时，结合水的表现形式，参照不同来源汇总核算供出的地表水、地下水和其他水，计算公式如下：
W A p = W A p s + W A p g + W A p o
式中：WAp为潜在水资源资产量（m3）； W A p s为潜在地表水资源资产（m3）； W A p g为潜在地下水资源资产（m3）； W A p o为潜在其他水资源资产（m3）。
当采用基于经济系统的使用量来核算潜在水资源资产时，按照水资源用途汇总核算使用的农业、工业、生活及生态用水，计算公式如下：
W A p = W A p a + W A p i + W A p d + W A p e
式中： W A p a为潜在农业用水资源资产（m3）； W A p i为潜在工业用水资源资产（m3）； W A p d为潜在生活用水资源资产（m3）； W A p e为潜在生态用水资源资产（m3）。
受自然、工程等因素的影响，各区域的潜在水资源资产具有蒸发、渗漏等损失，在核算有效潜在水资源资产时应予以扣除，计算公式如下：
W A p e f f = W A p - W A p i n e
W A p i n e = α 1 W A p a + α 2 W A p i + α 3 W A p d + α 4 W A p e
式中： W A p e f f为有效潜在水资源资产（m3）； W A p i n e为无效潜在水资源资产（m3）；α1、α2、α3、α4分别表示农业、工业、生活、生态用水过程中经由管网的漏损率。
（2）基于调整系数的水资源资产实物量核算模型
由以上分析可知，水资源资产是有效潜在水资源资产及其重复量之和。有效潜在水资源资产的计算过程如式（3）所示，有效潜在水资源资产的重复量参考水资源分配的常规做法[19]，采用系数进行调整，具体如下：
设置 β为工业用水资源资产调整系数。现有的工业用水统计量是基于新水取用量，未考虑企业内部的重复利用水量，这往往导致核算结果中工业用水资源资产会小于潜在工业用水资源资产。工业用水重复利用率是指工业生产中再循环利用水资源的比例，该指标反映了工业部门对水资源的可持续利用程度。高重复利用率意味着更有效地利用水资源，降低了对新鲜水的需求，证实了水资源资产“倍数效应”的存在。因此，本文根据工业用水重复利用率设置 β为工业用水资源资产调整系数。
设置 γ为生活用水资源资产调整系数。市政用水回用率是指市政部门在供水系统中将废水进行处理后再次用于生活的比例。该指标反映政府采取的水资源管理和回用措施的效率，有助于减轻对新水取用的需求，证明了水资源资产具有重复利用性特征。因此，本文根据市政用水回用率设置 γ为生活用水资源资产调整系数。
潜在农业用水资源资产和潜在生态用水资源资产不存在重复量的核算问题。由此，水资源资产 W A的计算公式如下：
W A = W A p e f f + R W A p e f f = W A p e f f + β 1 - α 2 W A p i + γ ( 1 - α 3 ) W A p d
式中： R W A p e f f为有效潜在水资源资产的重复量（m3）。

2.2.2 水资源资产价值量核算模型

能值分析方法是20世纪后期美国生态学家Odum[20]提出的，以能量作为测度单位的核算方法。近些年，诸多学者将其理论进行了推广和完善[21]。该方法以太阳能值为标准，将各类物质转换为同一标准的能值进行测算，为自然资源资产价值核算开辟了新途径[22]。本文采用该方法，将水资源中的能量转换为太阳能值进行计算和比较，计算公式如下：
（1）雨水化学能
C M r = W r × G w × ρ w
式中： C M r为雨水化学能（J）； W r为雨水水量（m3）； G w为水体的吉布斯自由能（J/g）； ρ w为水体密度（g/m³）。
（2）地表水、地下水和其他水化学能
C M i = W i × G w × ρ w
式中： C M i中的i取值为1, 2, 3，分别代表地表水化学能（J）、地下水化学能（J）、其他水化学能（J）； W i中的i取值为1, 2, 3，分别代表地表水量（m3）、地下水量（m3）、其他水量（m3）。
（3）雨水太阳能值
S E r = C M r × μ r
式中： S E r为雨水太阳能值（sej）； μ r为雨水太阳能值转换率（sej/J）。
（4）地表水、地下水和其他水太阳能值转换率
μ i = S E r / C M i
式中： μ i中的i取值为1, 2, 3，分别代表地表水太阳能值转换率（sej/J）、地下水太阳能值转换率（sej/J）、其他水太阳能值转换率（sej/J）。
（5）单位水资源太阳能值
S E p w = S E r / W
式中： S E p w为单位水资源太阳能值（sej/m3）；W为水资源量（m3）。
（6）单位水资源货币价值
E M $ p w = S E p w / E D R
式中： E M $ p w为单位水资源货币价值（元）；EDR为水资源量能值/货币比率（sej/元）。

2.2.3 地理探测器模型

地理探测器模型既可以考察单因子的影响程度，也能够评价交互因子对主体的驱动作用[23]。本文借鉴王兴民等[24]的做法，利用地理探测器模型中的因子探测和交互因子探测分析水资源资产空间分异的影响因素。
（1）因子探测
识别各因素对因变量Y（水资源资产）的空间分异解释力，探测模型为：
q = 1 - ∑ k = 1 M N k σ k 2 N σ 2 = 1 - S S W S S T
式中：q为水资源资产影响因素的解释力，取值范围为 [0,1]，其值越大，说明各因子的解释力越强，即对水资源资产空间分异的影响越显著，反之，则越小；k=1, 2, …；M为Y或X的分类或分区；Nk和N分别为层k和区域内单元数（个）； σ k 2和σ2分别为层k和区域内Y值的方差；SSW和SST分别为层内方差之和与区域总方差。
（2）交互探测
评估因子 X i和 X j共同作用时是否会对水资源资产的解释力产生影响，探测结果由比较各单因子q值与交互作用q值 [q( X i∩ X j)]得出，具体见表1。
表1 判断因子间交互作用的依据

Table 1 Basis for judging the interaction between factors

判断基础 交互作用类型
q(X1∩X2)<Min[q(X1), q(X2)] 非线性减弱
min[q(X1), q(X2)]<q(X1∩X2)<max[q(X1), q(X2)] 单因子非线性减弱
q(X1∩X2)>Max[q(X1), q(X2)] 双因子增强
q(X1∩X2)=q(X1)+q(X2) 独立
q(X1∩X2)>q(X1)+q(X2) 非线性增强

2.3 水资源资产影响因素的指标体系

本文结合文献计量方法进行了指标筛选[25]，研究区间为2012—2021年。首先，在中国知网的Web of Science（WOS， https://www.webofscience.com/wos）核心馆藏和CSSCI/CSCD期刊数据库（https://www.cnki.net/）中检索“水资源资产”或“自然资源资产”或“水资源管理”和“核算”或“评估”，共得到46篇高质量文献和28条中央层面的政策条例。其次，基于滚雪球法，选取被遗漏的文献（主要来源于同一作者的不同文章和引用的参考文献）和政策（主要来源于相关行业标准和部委规章），最终确定55篇文献和32条政策。再次，对描述水资源资产的影响因素指标进行分类和计数，并去除多个子系统中重复的指标，得到经济指标13项、社会指标34项、水资源指标45项、水环境指标27项。最后，在剔除含义相同、出现频率小于10的指标后，综合考虑数据的可获得性、指标的层次性和水资源资产特征，最终得到了由12个指标组成的简化指标体系，如表2。
表2 水资源资产的影响因素指标体系

Table 2 Indicator system of factors affecting water resources assets

目标层 准则层 内容层 符号 单位 属性
水资源资产 经济 万元工业增加值用水量 X1 亿m3/万元 负向
环境污染投资占比 X2 % 正向
第三产业占比 X3 % 正向
社会 人口密度 X4 人/km2 正向
城市化率 X5 % 正向
人均生活用水量 X6 m3 负向
环境 水资源开发利用率 X7 % 正向
产水模数 X8 m3/km2 正向
人均水资源量 X9 m3 正向
生态 万元GDP COD排放量 X10 t/万元 负向
污水处理率 X11 % 正向
水质达标率 X12 % 正向

2.4 数据来源

本文以2012—2021年水资源利用和社会经济数据为主。万元工业增加值用水量、环境污染投资占比、第三产业占比、人口密度等社会和经济指标数据来源于长江经济带各省（直辖市）的统计年鉴（2013—2022年）；降雨量、水资源供给、水资源使用、产水模数、污水处理率、水质达标率等水资源相关指标数据来源于长江经济带各省（直辖市）的水资源公报（2012—2021年）；工业用水重复利用率、市政再生水利用量、农田灌溉水有效利用系数指标数据来源于《中国城乡建设统计年鉴》（2013—2022年）；此外，参考Odum[20]的计算结果，雨水的吉布斯自由能为4.94 J/g，雨水的太阳能值转换率取1.82×104 sej/J，水体的密度为1×106 g/m3。特别地，能值/货币比率在3.98×1011 sej/元的基础上[26,27]，采用水资源总量/地区生产总值设置调整系数进行计算，其中，GDP相关指标根据2000年的不变价格进行转换。个别缺失数据采用线性插值法补齐。

3 结果分析

3.1 水资源资产实物量核算结果分析

2012—2021年，长江经济带水资源资产实物量呈现波动变化特征，其中，就空间序列层面而言，江苏的多年平均水资源资产最高（701.40亿m3），占比26.23%，湖北（309.17亿m3）次之。贵州和重庆的多年平均水资源资产较低，分别为94.17亿m3和76.79亿m3。就时间序列层面而言，研究期间内上海、江苏、湖南、云南呈现增长—下降—增长的“N”型波动态势。究其原因，前期工业化和城市化等因素的推动，促进了水资源需求快速增加，使得水资源资产实物量呈现增长趋势；随后，由于资源利用的饱和、环境压力等的影响，导致资源的有效利用受到限制，水资源资产实物量的下降态势较为明显；在后期，经济发展和技术进步提升了水资源利用效率，进而增加了水资源资产实物量。江西、湖北、贵州则呈现“W”型变化趋势，表明其在研究期间内经历了多次波动，形成了多个资源利用效率较高的“山峰”和资源利用效率下降的“低谷”，且这种周期性变化可能与经济周期、季节性变化或自然环境变化等因素密切相关。此外，水资源资产实物量在2014—2019年呈现逐年上升的趋势，2019年达到峰值（2734.27亿m3），但2020年由于新型冠状病毒肺炎疫情的影响，农业和工业水资源资产较低，导致该年度长江经济带水资源资产实物量谷值（2548.70亿m3）的出现。具体从构成和要素两个方面对水资源资产实物量进行分析。

3.1.1 水资源资产实物量的构成分析

如图3所示，长江经济带农业水资源资产的波动幅度较小，十年内变化率为7.39%。农业用水及农业水资源资产受水源条件、气候、技术等多重因素的影响，存在显著的地域差异。江苏和湖南的多年平均农业水资源资产较高，分别为184.10亿m3和102.01亿m3，上海最低。原因在于，江苏和湖南是研究区域内的产粮大省，主要农作物为稻谷，农业用水量大，且农田灌溉水有效利用系数普遍较高，最终导致农业水资源资产略高于其他地区。上海市的农田灌溉效率位居榜首，但由于其农作物播种面积很小，农业用水量及水资源资产成为长江经济带中的谷地。
图3 长江经济带农业、工业、生活、生态水资源资产核算结果

Fig. 3 Results of accounting for agricultural, industrial, domestic, and ecological water resources assets in the Yangtze River Economic Belt

2012—2021年，长江经济带工业水资源资产总量为14406.03亿m3，占比53.89%，且工业水资源资产与水资源资产总量在时间序列变化趋势方面基本保持一致。研究期间内长江经济带工业水资源资产实物量呈现“下游>中游>上游”的空间分异特征，其省（直辖市）平均水资源资产分别为2086.12亿m3、1331.07亿m3、517.18亿m3。以2021年为例，下游长三角地区GDP总量为27.70万亿元，占长江经济带的52.24%，该区域以金融、汽车、电子、石化等产业为核心，处于产业结构转型的关键档口，工业企业数量及规模明显高于其他地区，工业用水及其水资源资产化程度较高。中游地区长期受到长三角的辐射带动作用，区域经济发展较快，工业水资源资产次之。受限于地理位置、技术水平、创新能力等影响，上游地区的第二产业发展程度较低，一定程度上制约了工业水资源资产化水平的提高。
研究期间内长江经济带生活水资源资产呈现逐年增加的趋势，由2012年的348.48亿m3增长至2021年的482.94亿m3，年均增长率3.86%。具体而言，除上海变化趋势（-0.36%）稍有下降外，其余各省（直辖市）的生活水资源资产均呈现波动递增态势，其中，江苏、湖北的增长率位居前列，分别为27.51%、25.54%。进一步研究发现长江经济带绝大多数省（直辖市）生活用水总量和市政再生水利用量均逐年攀升，导致这一现象主要有两点原因：一是随着社会经济的发展和生活水平的提高，人们对水资源的需求不断增大；二是《国务院办公厅关于开展资源节约活动的通知》等政策的贯彻和落实，推动了市政再生水利用效率的提高，促进了供用水格局和结构不断优化。
得益于生态文明建设的持续推进，长江经济带生态水资源资产的增长趋势较为快速，近十年的增长率高达230.97%。以2019年为分界点，研究区域内生态水资源资产由缓慢波动增长转变为指数增长趋势。与工业水资源资产相类似，各省（直辖市）生态水资源资产地域差异显著，且与经济发展水平呈现正相关关系，下游、中游和上游地区的省（直辖市）平均水资源资产分别为39.35亿m3、36.10亿m3和25.98亿m3。原因在于，一是经济发展水平高的地区水资源法律政策较为健全，水生态环境治理体系更为完善；二是发达地区人们的环保意识更强，对水生态功能的要求更高；三是高经济发展水平的地区更加注重环境技术创新，环境基础设施相对较好，管网漏损率较低，客观上降低无效生态用水的占比，促进生态水资源资产的提升。

3.1.2 水资源资产实物量的要素分析

2012—2021年，长江经济带的多年平均潜在水资源资产在2600亿m3上下波动，变化趋势较为平缓。如图4所示，在省域层面，江苏、湖南、湖北的多年平均潜在水资源资产较高，分别为581.41亿m3、327.90亿m3、296.81亿m3，重庆最低。此外，除2020年受疫情影响严重的特殊年份外，各省（直辖市）潜在水资源资产的时间序列变化幅度较小，究其原因，2011年中央1号文件明确提出实行最严格水资源管理制度，划定了用水总量控制红线。
图4 长江经济带水资源资产要素核算结果

Fig. 4 Accounting results of water resources asset elements in the Yangtze River Economic Belt

有效潜在水资源资产是潜在水资源资产和水资源资产的重要组成部分，在其中占比分别为76.67%和74.84%。长江经济带有效潜在水资源资产基本呈现小幅上涨的趋势，由2012年的1920.91亿m3增长至2021年的2025.48亿m3，增长率为5.44%。从空间分布上看，长江经济带有效潜在水资源资产呈现东高西低的分异特征，下游、中游和上游省（直辖市）平均有效潜在水资源资产分别为2385.91亿m3、2092.64亿m3和1047.36亿m3，这与地区经济和科技发展水平密切相关。
无效潜在水资源资产是潜在水资源资产在使用过程中蒸发、渗漏等的损失量。研究期间内长江经济带无效潜在水资源资产基本呈现逐年降低的走势，下降率为16.72%。2012—2021年，除湖北、重庆的无效潜在水资源资产变化趋势略有上升外，长江经济带其余省（直辖市）均呈现下降态势，其中，江西、江苏、上海的降幅较大，减少率分别为39.94%、36.62%、25.49%。原因在于，水利基础设施的持续投入和科技水平的提高，进一步降低了供水管网漏损率，减少了潜在水资源资产的损失。
有效水资源资产重复量包括工业重复用水、市政再生水利用量、中水回用等。2012—2021年，长江经济带有效水资源资产重复量总体呈现“W”型发展趋势，变化率为9.92%。从时间序列上看，研究期间内江苏、湖南和贵州的有效水资源资产重复量小幅上涨，其余省（直辖市）均呈现波动下降的趋势，下降率区间为2.72%~40.23%。这表明研究区域内工业废水循环利用、再生水回用等重复用水存在较大的发展潜力，提高有效水资源资产重复量迫在眉睫。

3.2 水资源资产价值量核算结果分析

与水资源资产实物量变化特征（研究期间波动幅度较小）不同，2012—2021年，长江经济带水资源资产价值量总体呈现波动上升趋势，如表3所示。究其原因，能值分析法的原理是利用能值/货币比率将水资源资产实物量转换成能值进行核算和比较分析的，而能值/货币比率与地区生产总值密切相关，研究期间内长江经济带各省（直辖市）的经济发展水平逐年攀升，最终影响了水资源资产价值量的变化趋势。
表3 2012—2021年长江经济带水资源资产价值量核算结果

Table 3 Accounting results of the value of water resources assets in the Yangtze River Economic Belt, 2012-2021(亿元)

省（直辖市） 2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年 2020年 2021年
上海 94.23 99.46 83.53 40.33 45.11 68.05 69.21 61.72 54.90 70.20
江苏 259.38 329.79 489.82 436.30 417.07 623.91 759.90 963.99 667.65 731.44
浙江 143.19 183.69 180.49 183.59 201.39 262.88 317.06 256.33 312.43 319.79
安徽 119.14 139.55 143.56 137.92 132.22 184.07 207.53 247.75 192.07 241.46
江西 39.48 45.52 74.39 80.81 76.76 94.06 136.56 95.47 131.61 154.86
湖北 149.99 114.76 120.39 121.22 109.24 201.72 181.21 341.97 208.14 276.47
湖南 70.88 79.15 127.37 94.02 138.10 156.25 217.38 167.84 199.47 224.09
重庆 60.22 66.95 66.24 84.47 84.46 89.39 107.11 120.21 107.43 120.36
四川 115.09 150.33 140.89 164.65 175.66 194.80 205.86 216.53 212.89 251.14
云南 76.30 95.33 99.12 105.60 108.23 120.89 134.89 162.68 168.35 201.37
贵州 38.06 50.52 47.17 37.49 65.78 74.51 89.39 91.65 93.35 107.21
水资源资产价值总量从人民币1165.94亿元增长至2698.38亿元，年均增长153.24亿元。同时，多年平均的水资源资产价值与区域经济发展水平呈现正相关关系，下游的水资源资产价值普遍高于中游和上游。其中，江苏的水资源资产价值一直排名第一，浙江和安徽次之，贵州的多年平均水资源资产价值最低。值得注意的是，上海和重庆属于长江经济带的中心城市，区域发展水平较高，但是水资源价值较低。究其原因，水资源资产价值是基于其实物量计算而来的，上海和重庆的城市面积较小而导致水资源资产实物量和价值量偏小。从变化趋势来看，江苏、浙江、安徽、重庆、四川、云南和贵州的水资源资产价值量大体呈现逐年增加的态势。研究期间内，上海和湖北的水资源资产价值先下降后上升，呈现“U”型变化特点。相比之下，江西和湖南的水资源资产价值波动较大，但也基本呈现螺旋上升的发展趋势。
在单位水资源资产价值方面，长江经济带不同省（直辖市）的表现也不同（表4）。浙江、重庆和云南的水资源资产价值较高，分别为1.25元/m3、1.20元/m3和1.02元/m3。上海和江西的水资源资产价值最低，两者均为0.43元/m3。从整体的变化趋势来看，长江经济带的单位水资源价值随时间变化呈现“M”型波动增长趋势，从2012年的0.52元/m3增长到2021年的1.2元/m3。其中，江西和贵州的单位水资源资产价值增长速度较快，增长率分别为376%和218%。与整体变化趋势相反，上海的单位水资源资产价值量呈现“W”型的波动趋势，且增长率为-21%。查阅数据资料发现，上海工业用水占比占据绝对优势，研究期间内工业水资源资产占水资源资产总量的77.24%~79.02%。然而，2012—2021年间，该直辖市的工业用水及其产生的水资源资产占比下降显著，而单位工业用水太阳能值相对较高，导致其单位水资源资产价值的增长率为负。
表4 2012—2021年长江经济带单位水资源资产价值量核算结果

Table 4 Accounting results of the value of water resources assets per unit in the Yangtze River Economic Belt, 2012-2021 (元/m3)

省（直辖市） 2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年 2020年 2021年
上海 0.55 0.53 0.53 0.26 0.28 0.43 0.45 0.41 0.38 0.43
江苏 0.43 0.50 0.70 0.63 0.59 0.86 1.04 1.28 0.95 1.01
浙江 0.67 0.86 0.87 0.93 1.04 1.37 1.70 1.44 1.81 1.78
安徽 0.38 0.44 0.49 0.45 0.43 0.59 0.68 0.84 0.66 0.79
江西 0.15 0.22 0.35 0.39 0.37 0.44 0.65 0.44 0.61 0.71
湖北 0.45 0.39 0.41 0.39 0.36 0.67 0.59 1.07 0.71 0.81
湖南 0.27 0.29 0.47 0.34 0.51 0.57 0.73 0.55 0.75 0.76
重庆 0.73 0.79 0.83 1.11 1.13 1.17 1.42 1.58 1.49 1.71
四川 0.54 0.68 0.73 0.72 0.76 0.84 0.92 1.03 1.15 1.29
云南 0.68 0.82 0.78 0.85 0.91 0.91 1.06 1.28 1.36 1.57
贵州 0.34 0.56 0.51 0.41 0.72 0.83 0.93 0.92 1.12 1.09

3.3 水资源资产空间分异驱动因素分析

水资源资产是自然系统和社会系统共同作用的结果，影响因素较多[28]。本文运用地理探测器模型中的因子探测模块和交互探测模块分析各因素对长江经济带水资源资产时空分异特征的影响。首先，采用K-means聚类法将指标进行离散化处理[29]；其次，将处理后的指标数据导入GeoDa软件中，测算出水资源资产单因子和交互作用的探测结果。

3.3.1 单因子探测

因子探测结果（q值）反映了各因子对水资源资产影响的解释力。从区域整体角度看，对水资源资产实物量的解释力排在前五的因素从大到小依次为：人口密度（X4）、万元工业增加值用水量（X1）、人均水资源量（X9）、水质达标率（X12）和城市化率（X5）。其中，人口密度（X4）解释力q值在0.8以上，为主要驱动因素。相比之下，社会子系统的累计解释力最高，对水资源资产的影响最大，生态子系统的累积解释力普遍较低。可能存在的原因有二：一是社会子系统反映了人类生产生活对水资源的需求和利用情况，政府和管理部门通常会根据人口密度、城市化率等指标来制定水资源管理政策和规划，直接影响了水资源的配置和利用方式，进而影响水资源资产量；二是生态子系统指标主要反映了水资源的保护和治理情况，与社会、经济子系统相比，生态子系统并不直接影响水资源资产的数量，且这种间接影响存在滞后性。因此，在提高水资源资产量的过程中，关注的顺序应放在社会子系统、环境子系统、经济子系统和生态子系统。
将水资源资产价值量作为因变量进行单因子分析，发现解释力排在前五的因素从大到小依次为人口密度（X4）、万元工业增加值用水量（X1）、城市化率（X5）、第三产业占比（X3）和人均水资源量（X9），与水资源资产实物量相比，城市化率对水资源资产价值量的影响较大。由表5可知，社会子系统的累计解释力最高，环境子系统的累计解释力最低，这可能是因为水资源开发利用率、产水模数、人均水资源量等环境子系统指标倾向于反映水资源的数量和利用程度，对水资源资产的价值影响较小。
表5 长江经济带水资源资产驱动因子探测结果

Table 5 Detection results of water resources asset drivers in the Yangtze River Economic Belt

Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12
水资源资
产实物量		 q值 0.3247 0.0055 0.1581 0.8190 0.1812 0.1204 0.1285 0.1396 0.2567 0.0520 0.0104 0.2503
p值 0.000 0.9869 0.0149 0.000 0.000 0.0191 0.2568 0.0111 0.000 0.2906 0.9213 0.0060
排序 2 12 6 1 5 9 8 7 3 10 11 4
水资源资
产价值量		 q值 0.3765 0.0561 0.1890 0.6879 0.3493 0.1487 0.0832 0.1433 0.1870 0.0812 0.0553 0.0703
p值 0.000 0.2506 0.0027 0.000 0.000 0.0044 0.5028 0.0080 0.000 0.0736 0.2000 0.3058
排序 2 11 4 1 3 6 8 7 5 9 12 10

3.3.2 因子交互探测

在单因子探测的基础上进行因子间的交互探测，结果如表6所示（下三角汇报以水资源资产实物量为因变量的因子交互探测结果，上三角汇报以水资源资产价值量为因变量的因子交互探测结果）。从中可以发现，驱动因子对长江经济带水资源资产的驱动作用并不独立，而是呈现非线性增强效应或双因子增强效应，表明各因子间的交互作用更能解释水资源资产空间分布的地域差异。
表6 影响因子交互探测结果

Table 6 Influence factor interaction detection results

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12
X1 0.5218* 0.7281* 0.7302# 0.5822* 0.7486# 0.4885# 0.6643# 0.4565* 0.4110* 0.4322# 0.4854#
X2 0.4670# 0.3575# 0.8709# 0.4194# 0.2930# 0.1816# 0.3303# 0.2499# 0.2525# 0.1572* 0.2986#
X3 0.6222* 0.2376# 0.7996* 0.5132* 0.4162# 0.3738# 0.3452# 0.5955# 0.4543# 0.4269# 0.3984#
X4 0.8588* 0.8475# 0.8458* 0.7128* 0.7306* 0.7885# 0.7131* 0.7059* 0.7717# 0.7882# 0.8166#
X5 0.4871* 0.2889# 0.3801# 0.8723* 0.4372# 0.5936* 0.6737# 0.7084# 0.4123* 0.4350# 0.4221#
X6 0.8723# 0.1808# 0.3224# 0.8700* 0.3862# 0.2780# 0.4461# 0.7308# 0.2842# 0.2600# 0.2502#
X7 0.4240* 0.1883# 0.3532# 0.8847* 0.3661# 0.2887# 0.4232# 0.3242# 0.2580# 0.1736# 0.2609#
X8 0.7854# 0.2099* 0.3124# 0.8498* 0.7169# 0.4218# 0.5723# 0.4946# 0.4145# 0.2769# 0.2457#
X9 0.5136* 0.3719# 0.6371# 0.8289* 0.7493# 0.7742# 0.5334# 0.5435# 0.2857# 0.2835# 0.5149#
X10 0.4204# 0.1580# 0.4130# 0.8609* 0.2893# 0.2348* 0.2301# 0.3737# 0.3976# 0.2135# 0.3650#
X11 0.3907# 0.0767* 0.4093# 0.8384# 0.2983# 0.2189* 0.2311# 0.1859# 0.3330# 0.1675# 0.2203#
X12 0.4741* 0.3877# 0.5543# 0.8529* 0.4660# 0.4371* 0.4525# 0.4121# 0.5498# 0.5205# 0.3796#

注：#表示非线性增强，*表示双因子增强。

以水资源资产实物量为因变量，结果显示X4∩X7的解释力最强，q值为0.88，表明长江经济带人口密度和水资源开发利用率两者交互对水资源资产实物量空间格局的影响最大。q值大于0.85的还有X1∩X4、X4∩X5、X4∩X6、X4∩X10、X4∩X12，且作用类型均属于双因子增强，表明因子交互相较于单因子对水资源资产分异格局的驱动效果更大。其中，在q值大于0.85的交互因子中，X4出现的频率最高，进一步体现了人口密度对水资源资产空间分布的重要作用。同时，与X5和X11交互的各因子大多为非线性增强，提升作用较为明显，体现出城市化率和污水处理率对水资源资产配置的基础性作用。
以水资源资产价值量为因变量，结果显示因子交互的影响作用显著，且均为双因子增强或非线性增强。其中，X2∩X4是其主要的驱动因素，q值为0.87，表明环境污染投资和人口密度的共同作用可以促进长江经济带水资源资产价值的大幅度提升。同时，X3∩X4、X4∩X7、X4∩X10、X4∩X11、X4∩X12的q值均大于0.75，与最主要驱动因素的q值相差较小，说明这些因子的交互作用可以显著影响水资源资产价值的空间格局分布情况。此外，由表6可知，与X12交互的因子作用类型均为非线性增强，表明其他因子与X12之间存在显著的非线性关系，可以更好地揭示因子之间的潜在机制和相互作用模式，从而提高模型的解释能力，助力水资源资产价值的提升。
综上所述，无论是实物量还是价值量，交互效应对水资源资产的空间格局均具有显著影响，交互因子作用类型为非线性增强或双因子增强，且人口密度与其他因素交互的驱动作用更大。水资源资产实物量的解释变量主要涉及水资源开发利用率等与水资源本身相关的因素，侧重于水资源资产的物质量化情况；水资源资产价值量的解释变量则更关注环境污染投资等与水资源价值相关的因素，侧重于水资源资产在经济和社会价值方面的衡量。

4 结论与建议

4.1 结论

本文在水资源资产演变过程分析的基础上，构建基于“量—价”框架的水资源资产核算模型，借助调整系数、能值分析等方法核算长江经济带水资源资产量，采用地理探测器模型对其时空差异的影响因素进行探究。主要结论如下：
（1）2012—2021年，长江经济带水资源资产实物量呈现波动变化特征，2019年达到峰值（2734.27亿m3），谷值出现在2020年（2548.70亿m3），其中工业水资源资产实物量占比高达53.89%，有效潜在水资源资产在水资源资产实物量中占比为74.84%，且下游表现优于中游和上游。在空间序列层面，江苏的多年平均水资源资产最高（701.40亿m3），约占长江经济带的26.23%，湖北次之，贵州和重庆的多年平均水资源资产较低，分别为94.17亿m3和76.79亿m3。在时间序列层面，上海、江苏、湖南、云南呈现上升—下降—上升的“N”型变化趋势，江西、湖北、贵州呈现下降—上升—下降—上升的“W”型变化趋势，其余省（直辖市）的变化趋势较为平缓。
（2）2012—2021年，长江经济带水资源资产价值总体呈现波动上升趋势，价值总量从人民币1165.94亿元增长至2698.38亿元，年均涨幅13.14%；在空间格局上，长江经济带水资源资产价值呈现出“下游>中游>上游”的空间分异特征，江苏的多年平均水资源资产价值量（567.92亿元）位列第一，浙江（236.08亿元）和安徽（174.53亿元）次之，贵州最低（69.51亿元），进一步说明水资源资产价值量与区域经济发展水平呈现正相关关系，长三角城市群的辐射带动作用较为显著。此外，研究期间内长江经济带的单位水资源价值随时间变化呈现“M”型波动增长趋势，从2012年的0.52元/m3增长到2021年的1.2元/m3，且各省（直辖市）的空间差异是显著的，浙江、重庆和云南的单位水资源价值较高，上海和江西的单位水资源价值较低。
（3）由单因子探测结果可知，人口密度是长江经济带水资源资产空间分异的主要驱动因素，且社会子系统的累积解释力最高，该准则层对水资源资产空间格局的影响最大，管理部门通常会根据该子系统中的人口密度、城市化率等指标制定水资源管理规划，直接影响了水资源的分配和利用情况，进而影响了水资源资产量。由双因子探测结果可知，发现长江经济带水资源资产的驱动作用均为双因子增强或非线性增强，表明各因子间的交互作用更能解释水资源资产空间分布的地域差异。其中，城市化率和污水处理率对水资源资产实物量配置具有基础性作用，环境污染投资和人口密度的交互可以促进长江经济带水资源资产价值量的大幅度提升。
本文虽尝试重构了对水资源资产量的核算模型，但其实物量和价值量的核算主要依赖于宏观数据，未触及行业内部的水资源资产循环机理及核算方法，难以达到“从微观到宏观”的核算目标。在未来的研究中可按照行业分类，针对每个行业的典型特征探索水资源资产的形成规律，核算微观层面的水资源资产实物量和价值量。此外，本文的核算是从省域层面展开的，未来可根据需要遵循逐步推算原则，探究地市、县域、乡镇等不同行政区划层面的水资源资产量。

4.2 建议

基于以上结论，提出以下对策建议：
（1）因地制宜，提高水资源资产化管理水平。长江经济带上游地区应加强工业生产过程的监控与调控，优化设备运行参数，提高工业用水的循环利用率；中游地区应充分结合土壤水分特性和作物需水规律，合理安排灌溉时机和数量，提升有效农田灌溉利用系数，减少农业水资源资产的浪费；下游地区应注重水资源在不同生态系统之间的均衡分配，保障水生态系统的稳定运行。
（2）发展经济，确保水资源资产保值增值。一方面，充分发挥长三角地区的辐射带头作用，加强与其他地区的合作交流，共同制定水资源资产化管理政策，促进区域间水资源的优化配置；另一方面，中上游地区应大力发展经济，引导产业转型升级，通过技术创新和管理模式创新，减少水资源的滥用和浪费，提高水资源利用效率，实现经济增长与水资源资产保值增值的良性循环。
（3）科学规划，推动水资源资产有序利用。在水资源规划中应考虑人口密度、城市化率等社会因素的影响，采取加强水利基础设施承载力等政策措施来调节水资源的供需关系，保障水资源的可持续利用；重视社会、经济、生态、环境等层面的交互作用，厘清污水处理率、水质达标率等因素的驱动机制，减少污染物排放，改善水质环境，推动长江经济带高质量发展。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
杨世忠, 谭振华, 王世杰. 论我国自然资源资产负债核算的方法逻辑及系统框架构建. 管理世界, 2020, 36(11): 132-144.

[YANG S Z, TAN Z H, WANG S J. On the method logic and system framework construction of natural resource asset and liability accounting in China. Journal of Management World, 2020, 36(11): 132-144.]

[2]
贾亦真, 沈菊琴, 王晗. 区域水资源资产确认、计量及报表编制. 自然资源学报, 2022, 37(12): 3297-3312.

DOI

[JIA Y Z, SHEN J Q, WANG H. Research on the confirmation, measurement and form compilation of regional water resources assets. Journal of Natural Resources, 2022, 37(12): 3297-3312.]

[3]
STATISTICS A B O. Australian environmental-economic accounts. Canberra: Australian Bureau of Statistics, 2014, https://unstats.un.org/UNSD/envaccounting/ceea/archive/Air/Australia_EEA_2014.pdf.

[4]
VICENTE D J, RODRÍGUEZ-SINOBAS L, GARROTE L, et al. Application of the system of environmental economic accounting for water SEEAW to the Spanish part of the Duero Basin: Lessons learned. Science of the Total Environment, 2016, 563: 611-622.

[5]
LYU F G, ZHANG H B, DANG C H, et al. A novel framework for water accounting and auditing for efficient management of industrial water use. Journal of Cleaner Production, 2023, 395: 136458, Doi: 10.1016/j.jclepro.2023.136458.

[6]
曹升乐, 刘春彤, 李福臻, 等. 基于社会经济发展水平的济南市水资源资产与负债研究. 中国人口·资源与环境, 2019, 29(5): 88-97.

[CAO S L, LIU C T, LI F Z, et al. Research on water resource assets and liabilities in Jinan city based on sociol and economic development level. China Population, Resources and Environment, 2019, 29(5): 88-97.]

[7]
徐素波, 张山, 陈丽芬. 自然资源资产负债表编制探析. 财会月刊, 2019, (1): 79-85.

[XU S B, ZHANG S, CHEN L F. Study on the preparation of natural resources balance sheet. Finance and Accounting Monthly, 2019, (1): 79-85.]

[8]
沈菊琴, 郭孟卓, 万隆, 等. 水资源资产价值评估的替代法研究. 河海大学学报: 自然科学版, 2000, 28(3): 51-54.

[SHEN J Q, GUO M Z, WAN L, et al. Study on substitution method for value appraisal of water resource assets. Journal of Hohai University: Natural Sciences, 2000, 28(3): 51-54.]

[9]
王浩, 甘泓, 武博庆. 水资源资产与现代水利. 中国水利, 2002, (10): 151-153.

[WANG H, GAN H, WU B Q. Water resources assets and moden water. China Water Resources, 2002, (10): 151-153.]

[10]
张婕, 刘玉洁, 潘韬, 等. 自然资源资产负债表编制中生态损益核算. 自然资源学报, 2020, 35(4): 755-766.

DOI

[ZHANG J, LIU Y J, PAN T, et al. Ecological profit and loss accounting in the preparation of natural resources balance sheet. Journal of Natural Resources, 2020, 35(4): 755-766.]

DOI

[11]
邓淇中, 张玲. 长江经济带水资源绿色效率时空演变特征及其影响因素. 资源科学, 2022, 44(2): 247-260.

DOI

[DENG Q Z, ZHANG L. Spatiotemporal pattern and influencing factors of green efficiency of water resources in the Yangtze River Economic Belt. Resources Science, 2022, 44(2): 247-260.]

DOI

[12]
郑德凤, 王佳媛, 李钰, 等. 基于节水视角的中国水资源压力时空演变及影响因素分析. 地理科学, 2021, 41(1): 157-166.

DOI

[ZHENG D F, WANG J Y, LI Y, et al. Spatial-temporal variation of water resources stress and its influencing factors based on water-saving in China. Scientia Geographica Sinica, 2021, 41(1): 157-166.]

DOI

[13]
陈祖军, 李广鹏, 谭显英. 华东沿海城市水资源安全概念及未来战略示范研究. 水资源保护, 2017, 33(6): 38-46.

[CHEN Z J, LI G P, TAN X Y. Study on concept and future strategic demonstration of water resources security in East China coastal cities. Water Resources Protection, 2017, 33(6): 38-46.]

[14]
沈菊琴, 聂勇, 孙付华, 等. 河道水资源资产确认及计量模型研究. 会计研究, 2019, (8): 12-17.

[SHEN J Q, NIE Y, SUN F H, et al. Research on river water resources asset recognition and measurement model. Accounting Research, 2019, (8): 12-17.]

[15]
左其亭, 吴青松, 金君良, 等. 区域水平衡基本原理及理论体系. 水科学进展, 2022, 33(2): 165-173.

[ZUO Q T, WU Q S, JIN J L, et al. The basic principle and theoretical system of regional water balance. Advances in Water Science, 2022, 33(2): 165-173.]

[16]
张建云. 气候变化对国家水安全的影响及减缓适应策略. 中国水利, 2022, (15): 3-5, 14.

[ZHANG J Y. Impacts of climate change on national water security and mitigation strategies. China Water Resources, 2022, (15): 3-5, 14.]

[17]
SHI C F, LI L J, CHIU Y H, et al. Spatial differentiation of agricultural water resource utilization efficiency in the Yangtze River Economic Belt under changing environment. Journal of Cleaner Production, 2022, 346: 131200, Doi: 10.1016/j.jclepro.2022.131200.

[18]
张丹丹, 沈菊琴. 基于循环耦合视角的区域水资源资产核算. 自然资源学报, 2024, 39(1): 153-169.

DOI

[ZHANG D D, SHEN J Q. Regional water resource assets accounting based on cyclic coupling perspective. Journal of Natural Resources, 2024, 39(1): 153-169.]

[19]
李芳, 吴凤平, 陈柳鑫, 等. 基于加权破产博弈模型的跨境流域水资源分配研究. 地理科学, 2021, 41(4): 728-736.

DOI

[LI F, WU F P, CHEN L X, et al. Transboundary river water resource allocation based on weighted bankruptcy game model. Scientia Geographica Sinica, 2021, 41(4): 728-736.]

DOI

[20]
ODUM H.T. Enviromental Accounting-emergy and Enviromental Decision Making. NewYork: Wiley Interscience, 1996.

[21]
ULGIATI S, ODUM H T, BASTIANONI S. Emergy use, environmental loading and sustainability an emergy analysis of Italy. Ecological Modelling, 1994, 73(3-4): 215-268.

[22]
BROWN M T, ULGIATI S. Emergy-based indices and ratios to evaluate sustainability: Monitoring economies and technology toward environmentally sound innovation. Ecological Engineering, 1997, 9(1-2): 51-69.

[23]
SUN S A, ZHENG X Y, LIU X C, et al. Global pattern and drivers of water scarcity research: A combined bibliometric and geographic detector study. Environmental Monitoring and Assessment, 2022, 194(8): 523, Doi: 10.1007/s10661-022-10142-4.

[24]
王兴民, 吴静, 白冰, 等. 中国CO2排放的空间分异与驱动因素: 基于198个地级及以上城市数据的分析. 经济地理, 2020, 40(11): 29-38.

[WANG X M, WU J, BAI B, et al. Spatial differentiation and driving factors of CO2 emissions: Analysis based on 198 cities at prefecture level and above in China. Economic Geography, 2020, 40(11): 29-38.]

[25]
KONG Y, HE W J, GAO X, et al. Dynamic assessment and influencing factors analysis of water environmental carrying capacity in the Yangtze River Economic Belt, China. Ecological Indicators, 2022, 142: 109214, Doi: 10.1016/j.ecolind.2022.109214.

[26]
蓝盛芳, 钦佩, 陆宏芳. 生态经济系统能值分析. 北京: 化学工业出版社, 2002.

[LAN S F, QIN P, LU H F. Emergy Analysis of Eco-economic System. Beijing: Chemical Industry Press, 2002.]

[27]
黄晓荣, 秦长海, 郭碧莹, 等. 基于能值分析的价值型水资源资产负债表编制. 长江流域资源与环境, 2020, 29(4): 869-878.

[HUANG X R, QIN C H, GUO B Y, et al. Compilation of water resources value balance sheet based on emergy theory. Resources and Environment in the Yangtze Basin, 2020, 29(4): 869-878.]

[28]
潘楚元, 苏时鹏. 国有自然资源资产管理: 功能定位、特征事实与国别比较借鉴. 自然资源学报, 2023, 38(7): 1682-1697.

DOI

[PAN C Y, SU S P. State-owned natural resource asset management: Functional positioning, characteristic facts, and comparative country reference. Journal of Natural Resources, 2023, 38(7): 1682-1697.]

[29]
王劲峰, 徐成东. 地理探测器: 原理与展望. 地理学报, 2017, 72(1): 116-134.

DOI

[WANG J F, XU C D. Geodetector: Principle and prospective. Acta Geographica Sinica, 2017, 72(1): 116-134.]

DOI

Options
Outlines

/

〈 〉