中国省域生活废水排放量的时空分布特征及驱动因素分析

齐 漫，陈 昆 仑，丁 镭，廖 启 鹏*

(1.中国地质大学艺术与传媒学院，湖北 武汉 430074；2.湖北大学资源环境学院，湖北 武汉 430062；3.区域开发与环境响应湖北省重点实验室，湖北 武汉 430062；4.中国地质大学环境学院，湖北 武汉 430074)

中国省域生活废水排放量的时空分布特征及驱动因素分析

齐 漫1，陈 昆 仑2,3，丁 镭4，廖 启 鹏1*

(1.中国地质大学艺术与传媒学院，湖北 武汉 430074；2.湖北大学资源环境学院，湖北 武汉 430062；3.区域开发与环境响应湖北省重点实验室，湖北 武汉 430062；4.中国地质大学环境学院，湖北 武汉 430074)

利用ESDA和LMDI相结合，探讨2002-2013年我国省域生活废水排放量的时空分布特征和驱动因素。研究发现：1)我国省域生活废水排放量呈稳定上升趋势，年均增长率为6.3%，生活废水排放量增长率在2011年达到峰值12.66%后，开始呈下降趋势。2)生活废水排放量在空间上呈现集聚分布，高排放区主要分布在广东、江苏、山东等东部沿海经济发达区，低排放区主要分布在新疆、西藏、宁夏、海南等经济欠发达地区。3)根据LMDI分解模型将生活废水排放量变化分解为资源利用水平、技术进步水平、经济发展规模和城镇人口规模，各指标累计贡献值分别为：1.99×1010t、-4.90×1010t、4.02×1010t和1.39×1010t，表明技术进步水平和经济发展规模是生活废水排放量变化的主导驱动因素。4)利用最小方差法并结合四因素水平，将各省域生活废水排放量变化的主导驱动因素类型划分为两因素支配型、三因素主导型、四因素颉颃型(Ⅰ型和Ⅱ型)，并针对每种类型提出生活废水减排建议，以期在一定程度上为提升减排目标制定和实现的有效性以及区域环境治理政策的科学性提供依据。

生活废水排放量；ESDA;时空分布特征；LMDI；废水减排

0 引言

随着工业化、城市化的快速推进，高污染、高消耗、低效率的粗放型经济发展方式已经成为制约我国城市可持续发展的核心问题[1,2]。我国水资源短缺现象日益严重[3,4]，而城市的工业和生活用水量却在快速增长，且水污染物排放量大大超出水环境容量[5]，因此，有效控制污染物排放、切实改善城市水环境质量，成为当前中国生态文明建设和社会经济绿色发展的重要目标。

污染物减排和总量控制是当前环境管理的重要手段。自我国“十一五”规划提出节能减排目标以来，针对废水排放量的研究逐渐成为热点。苏丹等分析了辽河流域工业废水污染物排放的时空分布特征[6]；在工业废水排放量的宏观影响因素方面，研究方法主要包括环境库兹涅茨曲线(EKC)[7]、投入产出模型[8]、因素分解模型LMDI[9]和向量自回归模型[10]等。李长嘉[11]、李名升[12]、Geng[13]等探讨了不同时间尺度下我国工业废水排放量变化的驱动因素，包括经济规模、工业结构、技术进步和人口规模等，并提出行业或区域减排策略。由此可见，目前学界对工业废水排放量变化的驱动因素及减排措施的研究较为丰富。

从废水排放的来源看，城市生活废水排放呈现出快速增长的趋势，从1998年起生活废水排放量开始超过工业废水排放量[14]，已成为废水排放的主要来源。因此，如何有效控制城镇生活废水的排放是继工业废水减排控制后的新难题和城市环境热点问题。然而目前学者对生活废水的研究还较少，且主要集中在生活废水排放量的预测[15-19]和生活废水处理技术[20,21]。在城镇生活废水排放量的影响因子分析方面，曹连海从城市生活用水系统、城市发展水平及水资源缺乏程度三方面进行了探讨[22]。综上，目前对城市生活废水排放量变化的时空特征及驱动因素的研究较为缺乏，针对生活废水排放量影响因素的研究还未得到足够的重视。

基于此，本文研究我国生活废水排放量的空间格局和分布模式，分析影响生活废水排放量变化的驱动因素，以期对我国省域生活废水排放量的时空格局和驱动因素形成认识，并在一定程度上为提升减排目标制定和实现的有效性以及区域环境治理政策的科学性提供依据。

1 数据来源和研究方法

1.1 数据来源

根据我国环境统计报表制度，农村生活废水排放量并未被纳入统计范围内，因此本研究生活废水排放量仅为城镇生活废水排放量,是指居民生活污水、公共设施污水、第三产业污水排放量及雨污。由于我国城市化从1996年开始进入快速成长阶段[23]，本研究选用城市化发展最为迅速的12年(2002-2013年)作为研究时限；考虑研究数据的可获性，研究对象为除港澳台之外的中国省级行政区域。生活废水排放量数据来自2003-2014年的《中国环境统计年鉴》；经济、人口和生活用水量相关数据来源于2003-2014年的《中国统计年鉴》。

1.2 研究方法

1.2.1 探索性空间数据分析方法(ESDA) 运用探索性空间数据分析方法(ESDA)描述我国省域生活废水排放量在空间上的分布特征。本文采用全局空间自相关和局域空间自相关两类空间关联测度系数，前者主要探索某一属性在整个研究区域中的分布特性，而后者是用来分析局部子系统所表现出的分布格局或空间异质性[24]。通过Moran′sI指数计算分析全局空间集聚特征：Moran′sI指数值接近1时，表明空间集聚性较强；接近于0，则表明空间上随机分布，或不存在空间自相关；小于0，表示空间负相关。计算公式如下[25]：

(1)

通过Moran散点图、LocalMoran′sI统计量等局部空间自相关方法揭示局部层面各邻近地理单元的空间相互作用关系。Moran散点图由4个象限组成：高高(HH)型、高低(HL)型、低高(LH)型和低低(LL)型，分别反映了某省区生活废水排放量与其邻域省区排放量的4种关系[26]。Moran′sI 指数的计算由ArcGIS10.0完成，蒙托卡罗检验及Moran散点图由GeoDa0.95软件计算。

1.2.2LMDI分解模型构建LMDI(theLogarithmicMeanDivisaIndex)即迪式指数分解法中的对数平均法，是由新加坡学者Ang在1998年提出[27,28]，由于在分解过程中不会产生残差项，结论较其他分解方法更为精确，因此被广泛应用于碳排放、能源政策及环境政策研究领域[29-32]。根据Kaya恒等式[33]的分解思路和Zhao等的研究[34]，构建生活废水排放量变化的LMDI分解模型：

(2)

根据LMDI分解公式，可以进一步计算目标年t相对于基期年m的变化量，记作ΔWt-m，则t年到m年产生的生活废水排放变化量可以表示为：

ΔWt-m=ΔWeff，i+ΔWtec，i+ΔWeco，i+ΔWpop，i

(3)

每一个分解指标所产生的变化量可用下式计算：

以上公式分别代表资源利用水平、技术进步水平、经济发展规模和城镇人口规模对生活废水排放量变化的贡献量。其中，正值代表该项指标对排放量有增加的作用，负值则代表该指标对排放量具有抑制作用。

2 生活废水排放量的时空特征

2.1 总体时间演化特征

2002-2013年我国生活废水排放量总体保持稳定上升趋势(图1)，期间每年生活废水排放量均高于工业废水排放量，且差值不断扩大。生活废水排放量由2002年的2.32×1010t增长至2013年的4.85×1010t，年均排放量为3.39×1010t，年均增长率为6.3%；其中生活废水排放量增长率在2011年达到峰值(12.66%)后呈下降趋势，这表明国家“十二五”期间加强城镇生活污水处理设施建设，提升污水治理能力，在一定程度上缓解了生活废水排放的增长趋势。

2.2 空间演化特征

2.2.1 总体空间分布变化 将2002-2013年我国省域生活废水排放量按照自然断点法划分为5个等级(高排放区、中高排放区、中低排放区、低排放区和极低排放区)，绘制生活废水排放量的省际差异(图略),结果表明：1)总体上高排放区数量在增加，其中广东在研究期内一直都是高排放区；江苏和山东生活废水排放量增长十分显著，并逐渐转向高排放区。作为中国经济最为发达的3个省区，其日益严峻的城镇生活废水排放压力是未来城市环境问题治理的重点之一。2)中高排放区多集中在中东部地区，其中河北、河南、湖北、湖南、浙江生活废水排放增长较为显著。3)从空间上看，全国生活废水排放量在空间分布上呈现出由东部沿海向中西部地区扩散的趋势。

图1 2002-2013年我国生活废水排放量变化趋势

2.2.2 空间关系变化

(1)计算2002-2013年我国生活废水排放量的全局Moran′sI指数(表1)，发现我国省域生活废水排放量的分布存在显著的空间正相关性。2002-2006年Moran′sI指数由0.1633上升到峰值0.2109，表明这一时期我国省域生活废水排放量的空间集聚态势逐渐强化；2007-2013年Moran′sI指数值相对稳定或波动较小，表明这一时期我国省域生活废水排放量的空间集聚态势较为稳定。

表1 2002-2013年我国省域生活废水排放量的全局Moran′s I检验

(2)利用Moran散点图进一步探讨省域局部空间关系(图2)，发现HH区域主要集中在上海、江苏、山东等较高排放区。LL区域数量较多，主要分布在新疆、宁夏、西藏等西部地区，且在研究期内保持较为稳定的状态。HL型区域位于四川和辽宁，从数量上看HL型区域在减少，2010年河北生活废水排放量超过辽宁，但总体上辽宁及邻近省区生活废水排放量均较低，故辽宁转向LL型。LH区域主要是福建、江西、重庆，位于广东、浙江、四川、湖北等较高排放区的周边。

图2 2002—2013年我国省域生活废水排放量Moran散点图

3 基于LMDI模型的驱动因素分析及区域差异

3.1 分指标贡献量变化趋势

根据LMDI模型的各指标计算公式计算各指标的贡献量并绘制其变化趋势图(图3)。从全国总量看，经济发展规模是促使生活废水排放量增加的主导驱动因素，平均每年经济发展规模带来的增量超过3.6×109t；技术进步水平是抑制生活废水排放量增加的主导因素，平均每年带来的减排量超过4.4×109t。自“十一五”后,国家不断加大污水处理设施等环境公共基础设施建设，2012年国务院出台了《“十二五”全国城镇污水处理及再生利用设施建设规划的通知》[35]，使得2011-2012年技术进步水平主导的生活废水排放量明显下降。水资源利用水平对生活废水排放变化量的贡献值在2002-2012年整体处于上升趋势，但从2012年后开始出现大幅度下降，表明“十二五”期间水资源利用效率及水污染治理能力有较大提升。城镇人口规模对生活废水排放变化量的贡献值年均超过1.2×109t，且保持较稳定的状态，表明城市化给城市水环境带了较大的压力。

图3 LMDI模型各分解指标贡献量变化趋势

3.2 各省域生活废水排放变化量的分指标贡献量

为进一步探究各省区的主要驱动因素差异，绘制出2002-2013年各地区累计生活废水排放变化量分布图，并与各地区各分解指标累计贡献量柱状图进行叠加(图4)。

图4 我国省域生活废水排放累计变化量及各分解指标贡献量分布

经济发展规模是促使生活废水排放量增加的主导驱动因素，但也存在明显的区域差异。其中，经济发展规模对广东和江苏的增加量分别高达5.43×109t和3.22×109t，其次是湖北、河南、山东、湖南和浙江，均超过1.7×109t；而宁夏、新疆、西藏、海南地区因为经济发展水平较低，由经济发展规模产生的增加量较小。

技术进步水平是抑制生活废水排放量增加的主导驱动因素，抵消由经济发展规模带来的增加量。经济发展规模主导产生较大增量的广东、江苏，其由技术进步水平产生的减排量也高达6.14×109t、3.89×109t，其次是山东、河南和湖南，减排量均超过2.8×109t，而西藏、青海等地区由于经济发展较为落后，技术进步不明显，产生的减排量也较低。

资源利用水平也是促使生活废水排放量增加的重要驱动因素，总体看全国范围内城镇污水再利用率还较低。资源利用水平的贡献值除上海出现负值，其他地区均是正值。贡献值较高的地区主要有广东、山东、江苏和河南，分别为2.55×109t、1.69×109t、1.65×109t和1.61×109t。以广东为例，2010年城市污水再生利用量仅为2.80×107t，而同时期北京为2.65×109t。西藏、海南、宁夏等地区由于总体的生活废水排放量较小，其资源利用水平贡献的增加量也较小。

从城镇人口规模看，全国范围内除少数地区在个别年份贡献量是负值外，其他均是正值。广东、山东、江苏和上海是人口规模产生增量最高的4个省区，分别为1.64×109t、1.12×109t 、1.06×109t和7.91×108t，这些地区城市化水平较高，但同时面临着较大的水环境问题。

4 主导驱动因素类型划分及减排控制建议

4.1 主导驱动因素类型划分

计算各驱动因素的累计贡献量值，利用最小方差法，根据结构的相似性和差异性的大小进行归类(表2)，划分出31个省区主导驱动因素类型[36]。中国各省区生活废水排放量变化的主导驱动因素类型可划分为3大类：两因素支配型、三因素主导型和四因素颉颃型(结合四因素水平对颉颃型进行了细分)。根据划分结果，1个省区为两因素主导型，9个省区为三因素主导型，4个省区为四因素颉颃Ⅰ型，17个省区为四因素颉颃Ⅱ型。

表2 我国省域生活废水排放量变化的主导驱动因素类型划分

4.2 主导驱动因素类型分析

4.2.1 两因素支配型 本类型以技术进步水平和经济发展规模影响为主，只有广东属于此类型，其资源利用水平、技术进步水平、经济发展规模和城镇人口规模的累计贡献量分别为：2.55×109t、-6.14×109t、5.43×109t和1.64×109t。这一类型应分担更多的生活废水减排额度；推行并不断完善水污染排放权有偿使用和交易政策，以市场化手段进行污染物总量控制[37]，不断提高城市污水处理量，不断创新生活废水处理技术和治理模式。

4.2.2 三因素主导型 本类型以资源利用水平、技术进步水平和经济发展规模为主，包括江苏、浙江、辽宁等9个省区。以浙江为例，各驱动因素累计贡献量分别为：1.27×109t、-1.92×109t、1.73×109t和5.59×108t。此类区域一方面可以通过限制用水定额、采用阶梯式收费等调控制度，以促进生活废水再回收利用；另一方面应提高再生水利用率，在城市绿化、道路清扫及生态景观等方面优先使用再生水。

4.2.3 四因素颉颃Ⅰ型和四因素颉颃Ⅱ型 四因素颉颃Ⅰ型包括北京、天津、上海和重庆4个省区，属于高水平的颉颃。这一类型经济规模和城镇化发展到较高水平，同时水资源利用效率和污水处理技术水平较高，各驱动因素对生活废水排放变化量的贡献值相对较为均衡。以北京为例，各驱动因素累计贡献量分别为2.74×108t、-12.95×108t、10.58×108t和5.18×108t。对于这类经济较发达的区域，一方面应不断提升人们的节水意识，鼓励居民使用节水器具，公共建筑推广使用节水器具；另一方面建立和完善集渗、蓄、用和排为一体的雨水收集利用设施，以提升水资源利用效率和城镇污水再利用水平。四因素颉颃Ⅱ型主要包括新疆、西藏、宁夏等17个省区，属于较低水平的颉颃，各分解驱动因素对生活废水排放量的贡献量都相对较低。以宁夏为例，各驱动因素的累计贡献量分别为1.20×108t、-3.32×108t、2.31×108t和8.9×107t。对这类经济欠发达地区，国家应该实施生态补偿制度[38]，如进行跨界水环境补偿，给予政策上的倾斜支持此类区域生活废水的控制与治理，并引进较发达地区的先进技术和废水治理模式。

5 结论与讨论

本文利用ESDA探究我国生活废水排放量的时空分布特征和差异性，进而运用LMDI模型对省域生活废水排放量变化的驱动因素进行分解阐述，并划分出不同省区的主导驱动因素类型，提出针对性的生活废水减排建议，以期一定程度上为提升减排目标制定和实现的有效性以及区域环境治理政策的科学性提供依据。主要结论如下：

(1)研究期内我国生活废水排放量呈现稳定上升趋势，由2002年的2.32×1010t增长至2013年的4.85×1010t，年均增长率为6.3%。生活废水已成为废水排放的主要来源，生活废水减排应成为当前及未来我国废水减排工作的重点。从空间上看，生活废水高排放区和中高排放区在不断增加，广东、江苏和山东是我国生活废水排放量最高的3个省区，应是未来国家制定区域减排政策所关注的重点区域。我国省域生活废水排放量的分布呈现出显著的空间自相关，空间集聚态势在2002-2006年期间不断强化，2007-2013年期间逐渐保持稳定。

(2)基于LMDI分解模型将我国生活废水排放变化量分解为资源利用水平、技术进步水平、经济发展规模和城镇人口规模，各指标贡献量分别为：1.99×1010t、-4.90×1010t、4.02×1010t和1.39×1010t。从全国范围看，经济发展规模和技术进步水平是生活废水量变化的主导驱动因素，其中经济发展规模是促使生活废水排放量增加的主导驱动因素，而技术进步水平是抑制生活废水排放量增加的主导驱动因素，资源利用水平整体上对生活废水排放产生促进作用，城镇人口规模对广东、江苏、山东等经济较发达地区生活废水排放量有较大的促进作用。

(3)我国省域生活废水排放量变化的主导驱动因素类型存在显著的区域差异，根据最小方差法并结合四因素水平，可将31个省区划分为4种类型：两因素支配型、三因素主导型、四因素颉颃Ⅰ型和四因素颉颃Ⅱ型。从国家层面看，国家应实施生态补偿制度，不同区域类型应承担不同的废水减排额度，并给予相应的政策支持；从区域看，废水减排工作的重点和举措要从影响区域生活废水排放量变化的主导驱动因素出发，因地制宜。

随着2015年国务院《水污染防治行动计划》的颁布实施，未来针对生活废水防治需突出重点污染物、重点行业和重点区域的减排控制，可进一步结合我国主体功能区划制定针对不同区域的环境政策及具体减排目标。

[1] WANG Q S,YUAN X L,LAI Y H,et al.Research on interactive coupling mechanism and regularity between urbanization and atmospheric environment:A case study in Shandong Province,China[J].Stochastic Environmental Research and Risk Assessment,2012,26(7):887-898.

[2] CHEN R J,WANG X,MENG X,et al.Communicating air pollution-related health risks to the public:An application of the air quality health index in Shanghai,China[J].Environment International,2013,51(1):168-173.

[3] 方创琳.中国城市化进程及资源环境保障报告[M].北京:科学出版社,2009.

[4] 贾绍凤,张杰.变革中的中国水资源管理[J].中国人口·资源与环境,2011,21(10):102-106.

[5] 刘年磊,蒋洪强,卢亚灵,等.水污染物总量控制目标分配研究——考虑主体功能区环境约束[J].中国人口·资源与环境,2014,24(5):80-87.

[6] 苏丹,王彤,刘兰岚,等.辽河流域工业废水污染物排放的时空变化规律研究[J].生态环境学报,2010,19(12):2953-2959.

[7] 周静,杨桂山.江苏省工业废水排放与经济增长的动态关系[J].地理研究,2007,26(5):931-939.

[8] 唐志鹏,付雪,周志恩.我国工业废水排放的投入产出重要系数确定研究[J].中国人口·资源与环境,2008,18(5):123-127.

[9] 章渊,吴凤平.基于LMDI方法我国工业废水排放分解因素效应考察[J].产业经济研究,2015(6):99-110.

[10] 陈桂月,李海涛,梁涛.山西省工业废弃物排放与经济增长之间的关系分析[J].资源科学,2013,35(6):1184-1193.

[11] 李长嘉,潘成忠,雷宏军,等.1992-2008年我国工业废水排放变化效应[J].环境科学研究,2013,26(5):569-575.

[12] 李名升,佟连军,仇方道.工业废水排放变化的因素分解与减排效果[J].环境科学,2009,30(3):707-712.

[13] GENG Y,WANG M,SARKIS J,et al.Spatial-temporal patterns and driving factors for industrial wastewater emission in China[J].Journal of Cleaner Production,2014,76(4):116-124.

[14] 国家统计局.中国统计年鉴1998 [M].北京:中国统计出版社，1998.

[15] 於方,曹东,王金南.中国城镇居民生活用水需求与污染压力预测[J].资源科学,2009,31(1):75-83.

[16] 李磊,刘学,刘洁.江苏省生活废水排放量的多元非线性回归预测[J].经济数学,2012,29(1):90-93.

[17] YOSHIAKI,TSUZUKI,MASATO,et al.Natural purification effects in the river in consideration with domestic wastewater pollutant discharge reduction effects[J].Journal of Environmental Sciences,2010,22(6):892-897.

[18] EL-DIN A G,SMITH D W.A neural network model to predict the wastewater inflow incorporating rainfall events[J].Water Research,2002,36(5):1115-1126.

[19] 韩振宇.中国2020年城市生活污水排放量预测及淡水资源财富GDP指标的建立[J].环境科学研究,2005,18(5):88-90.

[20] 梁爽,赵佳华,张敏.生活废水处理新方法的研究[J].化工时刊,2006,20(4):55-57.

[21] 吕素娟,张维,彭小伟,等.城市生活废水用于产油微藻培养[J].生物工程学报,2011,27(3):445-452.

[22] 曹连海,宋刚福,陈南祥.城市生活污水排放量的影响因子分析及关联性研究[J].环境科学与技术,2009,32(1):102-106.

[23] 方创琳.中国快速城市化过程中的资源环境保障问题与对策建议[J].中国科学院院刊,2009,24(5):468-474.

[24] 沈宏婷,陆玉麒.中国省域R&D投入的区域差异及时空格局演变[J].长江流域资源与环境,2015,24(6):917-924.

[25] 李建豹,张志强,曲建升,等.中国省域CO2排放时空格局分析[J].经济地理,2014,34(9):158-165.

[26] 丁镭,黄亚林,刘云浪,等.1995-2012年中国突发性环境污染事件时空变化特征及影响因素[J].地理科学进展,2015,34(6):749-760.

[27] ANG B W,CHOI K H.Decomposition of aggregate energy and gas emission intensities for industry:A refined divisia index method[J].Energy,1997,18(3):59-73.

[28] ANG B W.The LMDI approach to decomposition analysis:A practical guide[J].Energy Policy,2005,33(7):867-871.

[30] SHI Y,ZHAO T.A decomposition analysis of carbon dioxide emissions in the Chinese nonferrous metal industry[J].Mitigation & Adaptation Strategies for Global Change,2016，21(6)：823-838.

[31] TIAN Y,ZHU Q,GENG Y.An analysis of energy-related greenhouse gas emissions in the Chinese iron and steel industry[J].Energy Policy,2013,56(2):352-361.

[32] SHEINBAUM C,OZAWA L,CASTILLO D.Using logarithmic mean divisia index to analyze changes in energy use and carbon dioxide emissions in Mexico′s iron and steel industry[J].Energy Economics,2010,32(6):1337-1344.

[33] KAYA Y.Impact of carbon dioxide emission on GNP growth:Interpretation of proposed secnarios[R].Presentation to the Energy and Industry Subgroup,Response Strategies Working Group.Paris:Response Strategies Working Group,1989.

[34] CHUNFU Z,BIN C.Driving force analysis of the agricultural water footprint in China based on the LMDI method[J].Environmental Science & Technology,2014,48(21):12723-12731.

[35] 国办发〔2012〕24号,国务院办公厅关于印发“十二五”全国城镇污水处理及再生利用设施建设规划的通知.http://www.gov.cn/gongbao/content/2012/content_2137640.html.2012-12-31.

[36] 孙才志,谢巍,邹玮.中国水资源利用效率驱动效应测度及空间驱动类型分析[J].地理科学,2011(10):1213-1220.

[37] 李云生,吴悦颖,叶维丽,等.我国水污染物排放权有偿使用和交易政策框架[J].环境经济,2009(4):24-28.

[38] 刘春腊,刘卫东.中国生态补偿的省域差异及影响因素分析[J].自然资源学报,2014(7):1091-1104.

Spatial-Temporal Patterns and Driving Factors for Household Waste Water Discharge in China

QI Man1,CHEN Kun-lun2,3,DING Lei4,LIAO Qi-peng1

(1.SchoolofArtsandCommunication,ChinaUniversityofGeosciences,Wuhan430074；2.FacultyofResourcesandEnvironmentalScience,HubeiUniversity,Wuhan430062;3.KeyLaboratoryofRegionalDevelopmentandEnvironmentalResponseofHubeiProvince,Wuhan430062;4.SchoolofEnvironmentalStudies,ChinaUniversityofGeosciences,Wuhan430074,China)

This paper discusses the spatial-temporal patterns of household waste water discharge at national level in China during 2002-2013 by using Exploration Space Data Analysis(ESDA) method,analyzes the main drivers of household waste water discharge by using LMDI decomposition model as well as divides dominated driver space type.The results are as follows:the amount of household waste water discharge in China shows an increasing trend,and the average annual growth rate is 6.3%,however,the growth of household waste water discharge reached to summit of 12.66% in 2011,and has shown a downward trend since 2011.Household waste water discharge in space shows a cluster distribution,high discharge regions are mainly in Guangdong,Jiangsu,Shandong and Sichuan,low discharge regions are mainly in Xinjiang,Tibet,Ningxia and Hainan.According to LMDI model decomposition formula,household waste water discharge are divided into the resources use,technological improvement,economic development and regional urban population,and contribution of each driver was:1.99×1010t,-4.90×1010t,4.02×1010t and 1.39×1010t.By calculating each driver,it′s found that technological improvement and economic development are the main drivers of household waste water discharge.Based on decomposition results and using minimum variance method,the dominated driver type of 31 provinces are divided into two-factor dominated type,three-factor dominated type and four factors dominated typeⅠandⅡ,at last ,wastewater reduction proposals are put up according to different types,and we hope to provide some advice for national household wastewater reduction work.

household waste water discharge;Exploration Space Data Analysis;spatial-temporal patterns;LMDI;wastewater reduction

2016-02-26；

2016-05-15

国家自然科学基金项目(41401181、41301443)；中国博士后科学基金项目(2012M521420、2014T70693);教育部人文社科基金青年项目(15YJC760057);国家留学基金(201506415041)

齐漫(1994-)，女，硕士研究生，研究方向为城市环境规划。*通讯作者E-mail:qpliao@126.com

10.3969/j.issn.1672-0504.2016.04.018

X508

A

1672-0504(2016)04-0106-07