雅魯藏布江—布拉馬普特拉河流域GDP數據空間化估算與分析

周秋文+楊勝天+蔡明勇

摘要：雅魯藏布江-布拉馬普特拉河是重要的國際河流，掌握該流域GDP數據空間分布狀況及其變化信息，有助于制定合理的國際河流管理政策，維護區域穩定和發展。傳統的GDP數據以行政區為統計單元，不便于國際河流相關信息的統計分析。以土地利用數據為基礎，實現了雅江流域GDP數據空間化估算。結果表明，印度、孟加拉國在GDP總量方面均有一定優勢，不丹和藏南的總量相對較小，但是增速最快，所有區域中第二產業所占比重均不大，說明全流域整體工業發展水平不高，而藏南主要經濟來源是農業，其它產業比重較小。

關鍵詞：國際河流；GDP；空間化；雅魯藏布江

中圖分類號：TP79 文獻標識碼：A 文章編號：1672-1683（2017）05-0176-07

國內生產總值（GDP）能夠全面反映全社會經濟活動的總規模，是評價經濟形勢的重要綜合指標，也是體現社會經濟發展程度的重要指標之一。雅魯藏布江-布拉馬普特拉河（以下簡稱雅江）是我國的重要國際河流，流域涉及中國、印度、孟加拉國、不丹。該流域的安全對南亞地區穩定及流域相關國家關系協調發展都有重要影響。掌握雅江流域GDP空間分布狀況及其變化信息，有助于國際河流相關各方制定合理的國際河流管理政策，維護區域穩定和發展。

雅江流域涉及多個國家，不僅難以獲取境外GDP數據，且各國空間統計單元不一致，能獲取到的數據通常是以一級行政區（省、邦）為單元?，F有的經濟統計數據不僅空間分辨率較粗，且行政單元邊界與流域邊界不一致，導致無法通過統計數據確切了解流域經濟狀況。因此，僅依靠現有的GDP統計數據，難以得到雅江流域的GDP總量數據、分區數據及其空間分布特征，這極大地阻礙了雅江流域社會經濟狀況分析工作。

Goodchild等認為社會經濟數據的空間單元從點到連續面的轉變，是未來的趨勢。與行政區為單元的GDP統計數據相比，空間化后的GDP數據具有以下幾點優勢：（1）網格化的GDP空間數據能夠反映統計區域內部的GDP水平差異，更能反映其區域空間分布特征；（2）具有空間信息的GDP公里格網的密度值在空間分析中具有更多的應用價值；（3）GDP公里格網的數值不受行政區域變更的影響，有利于長期的持續研究。

目前，對國際河流的研究雖然較多，但多以理論分析為主。對雅江流域的研究，多是針對雅江流域水資源安全的分析，對流域經濟狀況分析較少。因此，本文通過國內、國外多種數據渠道獲取GDP統計數據，選擇目前應用廣泛、且適宜的GDP數據空間化方法，從而實現雅江流域GDP數據空間化估算。進而基于GDP數據空間化估算結果，分析雅江流域GDP空間分布及其變化特征。

1研究區概況

雅魯藏布江發源于喜馬拉雅山脈中段北麓的杰馬央宗冰川，從藏南進入印度，在藏南巴昔卡附近與其他兩河合流后始稱布拉馬普特拉河（印度境內），流經孟加拉國后稱為賈木納河，于瓜倫多卡德與恒河匯合，最后注入孟加拉灣，全長為2900 km（圖1）?？偭饔蛎娣e約52萬km²，中國境內33萬km²（其中巴昔卡站控制流域面積約24萬km²），印度境內面積12.6萬km²，不丹全境面積4萬km²均在雅江流域范圍內，孟加拉國境內面積2.3萬km²。雅魯藏布江是世界海拔最高的大河，平均海拔約4 000 m以上，總落差達5 400 m，水能資源極為豐富。上游地區流域地貌類型為高原地貌，從進入西藏林芝地區開始逐漸過渡到高山峽谷地貌，從雅魯藏布大拐彎到巴昔卡流出中國國境處，河床下降了2 200 m，平均每公里下降10 m左右；進入印度后，主要地貌類型為低山丘陵，孟加拉國境內為洪泛平原。在接近流域出口的巴哈杜拉巴德（Bahadura-bad）測站多年平均徑流量為6 180億m³，年輸沙量為4.99億t，流域內地下水蘊藏量為279億m³。雅江流域氣候多樣，在喜馬拉雅山脈以北，屬于高原氣候，寒冷而干燥；在喜馬拉雅山脈以南，氣候溫暖濕潤，受西南季風和孟加拉灣氣旋的影響，是世界上降雨量最多的地區，年均降雨量為2 650 mm，60%～70%的降雨發生在雨季的6月-9月。

在喜馬拉雅山脈以北地區，居民以藏人為主，從事畜牧業并耕耘河谷，灌溉用水取自該河及其支流。以林芝地區為例，2012年實現地區生產總值72 39億元，其中，第一產業占10%，第二產業占36%，第三產業占54%；人口密度2.6人/km²。喜馬拉雅山脈以南，人口密集，經濟以農業為主。以印度阿薩姆邦為例，當地53%的勞動人口從事農業生產，根據2011年的人口普查報告，人口密度為397人/km²。

2研究方法與數據獲取

2.1 GDP數據空間化方法選擇

現有的GDP數據空間化方法根據其原理主要分為三種類型：面積一距離加權法、夜間燈光指數法、基于地表覆蓋的空間化方法。面積-距離加權法優點是簡單易用，但是實際上經濟指標往往在空間上呈不均一分布，使得其結果與GDP實際空間分布狀況不符，難以滿足實際需要。夜間燈光指數法通過夜間燈光強度與GDP建立統計關系，其優點在于物理機制明顯，計算得到的結果通常也較為合理；缺點在于，城市以外的地區由于夜間燈光強度較弱，GDP的空間估算精度不高?；诘乇砀采w的GDP數據空間化方法其原理在于，通過建立土地利用類型與GDP分布的統計關系，實現GDP數據空間化。其優點在于，能體現GDP各大組成部分的空間分布特征，并且能反映GDP數據在不同時間的空間分布變化，是目前較為常用的GDP數據空間化方法。本研究區大部分屬于夜間燈光較弱甚至無燈光的地區，且需要反映雅江流域逐年的GDP空間變化，因此采用基于地表覆蓋的GDP數據空間化方法。

2.2基于地表覆蓋的GDP數據空間化方法

國民經濟由三大產業構成，相應地，GDP分三次產業估算的總體公式（1）：

式中：GDP為國內生產總值；GDP 1為第一產業增加值；GDP2為第二產業增加值；GDP3為第三產業增加值。

第一產業可以進一步細分為農、林、牧、漁四大行業，因此第一產業增加值空間化的基本公式如下：

式中：GDP11至GDP14分別為農、林、牧、漁四大行業增加值。

土地是各類國民經濟活動的載體人類對土地資源的利用是GDP產生的基礎。王建華和江東通過對GDP與土地利用之間的關系分析得出，三次產業增加值與土地利用要素（土地利用格局）存在一定的對應關系，并根據這種關系，得到了GDP-土地利用格局的關系矩陣（表1）。從GDP-土地利用格局的關系矩陣可以得出：第一產業內部四大行業增加值的產生與耕地、林地、草地、水體有緊密的對應關系。通過該關系矩陣，結合第一產業四大行業的增加值統計數據和土地利用數據，便可得到各行政區單位面積上的第一產業四大行業的增加值，然后將其分配到行政區內對應的耕地、林地、草地、水體等土地利用空間數據上，最終實現第一產業增加值數據空間化。第二產業和第三產業增加值由工業、商業、服務業產生，這些經濟活動主要在居民地和城鄉工礦用地開展，因此將第二產業和第三產業增加值與城鄉工礦用地建立對應關系，實現GDP數據空間化。

2.3數據來源與處理

（1）經濟統計數據。

西藏境內四個地區的GDP統計數據來源于西藏自治區統計年鑒。2011年開始可能由于統計口徑變化，農業增加值顯著下降。GDP統計數據采用當期價格，單位為萬元，將單位統一轉換為萬美元。

除西孟加拉邦外，印度GDP統計數據來源于印度東北部數據庫，原始數據中的三次產業和行業統計數據時間序列不全。缺失年份根據該年GDP乘以最近一年三次產業占各邦GDP的比例，得到三次產業和各行業的GDP。西孟加拉邦數據來源于印度統計年鑒，原始統計數據中只有各GDP總量，沒有區分三次產業和各大行業，因此以全國GDP總量中各部分的比例，劃分出西孟加拉邦三次產業和各具體行業的GDP數量。此外，由于印度全國統計年鑒和印度東北部數據庫的分行業統計中，都沒有單獨列出畜牧業，因此本研究參考發展中國家的普遍水平，將農業中劃分出20%作為畜牧業。原GDP統計數據采用當期價格，單位為印度盧比，按1印度盧比=0.017 38美元換算，將單位統一轉換為萬美元。不丹各年GDP數據來源于世界銀行數據庫，單位為萬美元。GDP分行業比例數據來源于不丹統計年鑒，孟加拉國的GDP數據獲取與處理也采用同樣的方式。

（2）土地利用數據。

土地利用數據來源于M ODIS 500m分辨率土地利用產品（Land Cover data），數據選取時段為2001年-2012年。M ODIS土地覆蓋類型產品包含五個數據集，對應五個分類方案，本研究中土地利用類型劃分基于美國馬里蘭大學分類體系。并以實際需要為依據進行了相應的土地利用類型歸并，最后將研究區土地利用類型劃分為水域、耕地、林地、草地、城鄉工礦用地、未利用地6類。本文中GDP數據空間化及相應的時空分析時間范圍均為2001年-2012年。

3結果分析

3.1雅江流域GDP數據空間化結果驗證

社會經濟數據空間化結果驗證是研究的難點，主要體現在，社會經濟要素是一種場分布，它不同于一般位置固定的地理要素，如植被、土壤、土地利用等，場分布要素可以無限細分。因此，社會經濟數據空間化分辨率確定十分重要，空間分辨率過高，不僅數據難以獲取，而且應用必要性不大；但如果分辨率過低，又難以反映社會經濟要素在空間上的實際分布情況。社會經濟數據空間化就是要以最適合的空間尺度體現社會經濟要素實際空間分布，使得空間化的模型既可行，結果又具有一定的實際意義。因此，很難對社會經濟要素空間化模型進行充分性檢驗，一般只能進行必要性檢。

雅江流域社會經濟數據空間化結果驗證分境內和境外兩部分開展。受數據可獲取性限制，境內部分選擇流域涉及縣的2008年統計GDP和第一產業、第二產業增加值數據進行驗證。境外部分由于省級以下行政單元統計數據難以獲取，因此選擇數據相對完整的印度阿薩姆邦2010年區級GDP統計數據驗證。

雅江流域GDP空間化數據的驗證結果表明，境內部分2008年第一產業增加值統計和估算值的R²為0.76（圖2），第二產業增加值統計和估算值的R²為0.74（圖2），境外印度阿薩姆邦各區2010年統計與估算GDP的R²為0.68（圖3）。相比而言，境內部分的驗證精度略高，該規律與GDP數據空間化的驗證結果大體一致?？傮w而言，估算結果在可接受的范圍內。

3.2雅江流域第一產業增加值時空分布分析

雅江流域內第一產業增加值（多年平均）印度所占比重最大，占流域第一產業增加值的60%，其次為孟加拉國，占全流域的30%，境內（不含藏南，下同）占流域第一產業增加值的5%，藏南和不丹分別占2%和3%。雅江流域第一產業增加值密度最高的是孟加拉國，達到1.8萬美元/km²，其次為印度，第一產業增加值密度最低的是境內，僅為0.15萬美元/km²。從2001年到2012年，第一產業增加值增長最快的區域是藏南地區，12年間第一產業增加值增長了24 124萬美元，年均增長率為23.2%，其次為印度，12年間第一產業增加值增長了635 963萬美元，年均增長率為19.5%，第一產業增加值增長最慢的區域為中國境內，年均增長率為8%。從上述統計結果可得出，雅江流域第一產業增加值印度和孟加拉國最高，藏南雖然總量小，但是增長速度較快，境內第一產業增加值總量、密度和增長速度均較低。雅江流域第一產業增加值空間化結果見圖4。

3.3雅江流域第二產業增加值時空分布分析

雅江流域內第二產業增加值（多年平均）印度所占比重最大，占流域第二產業增加值的47%，其次為孟加拉國，占全流域第二產業增加值的39%，境內占流域第二產業增加值的9%，藏南和不丹分別占1%和4%。雅江流域第二產業增加值密度最高的是孟加拉國，達到18.5萬美元/km²，其次為印度，第二產業增加值密度最低的是藏南，第二產業增加值密度僅為0.13萬美元，km²。從2001年到2012年，第二產業增加值增長最快的區域是境內，12年間第二產業增加值增長了262，219萬美元，年均增長率為37.9%，其次為孟加拉國，8年間第二產業增加值增長了130，385萬美元，年均增長率為27%，第二產業增加值增長最慢的區域為孟加拉國，年均增長率為8%。從上述統計結果可知，雅江流域第二產業增加值中，印度和孟加拉國在總量和密度方面都較高，境內第二產業增加值雖然總量較小，但是近年增長較快。雅江流域第二產業增加值空間化結果見圖5。

3.4雅江流域第三產業增加值時空分布分析

雅江流域內印度第三產業增加值（多年平均）所占比重最大，達到全流域的一半以上，占流域第三產業增加值的58%，其次為孟加拉國，占全流域第三產業增加值的27%，境內占流域第三產業增加值的比重為12%，藏南和不丹分別占1%和2%。雅江流域第三產業增加值密度最高的是孟加拉國，達到18.6萬美元/km²，其次為印度，第三產業增加值密度最低的是藏南，僅為0.16萬美元/km²。從2001年到2012年，第三產業增加值增長最快的區域是不丹，12年間增長了39 717萬美元，年均增長率為24%，其次為境內，12年間增長了229 123萬美元，年均增長率為23.7%，第三產業增加值增長最慢的區域為孟加拉國，年均增長率為13.5%。從上述統計結果可得出，雅江流域第三產業增加值中，印度和孟加拉國在總量方面占優勢，境內的總量也較大，不丹第三產業增加值雖然總量較小，但是近年發展較快，藏南無論在總量和速度方面都處于劣勢。雅江流域第三產業增加值空間化結果見圖6。

3.5雅江流域GDP時空分布分析

雅江流域內印度GDP（多年平均）所占比重最大，達到全流域的一半以上，占流域GDP的56%，其次為孟加拉國，占全流域GDP的31%，境內占流域GDP的比重為9%，藏南和不丹分別占1%和3%。雅江流域GDP密度最高的是孟加拉國，達到48萬美元/km²，其次為印度，GDP密度最低的是藏南，僅為0.5萬美元/km²。三次產業中，第三產業GDP所占比重最大的是境內，第二產業所占比重最大的是不丹，第一產業所占比重最大的是藏南（圖7）。從2001年到2012年，GDP增長最快的區域是不丹，12年間GDP增長了130 207萬美元，年均增長率為24%，其次為藏南，12年間GDP增長了44 644萬美元，年均增長率為23.4%；GDP增速最慢的區域為孟加拉國，年均增長率為13.4%。雅江流域GDP空間化結果見圖8。

4結論

研究表明，基于土地利用的GDP數據空間化方法適用于雅江流域，精度驗證結果境內外的R²都在0.6以上，總體估算精度較好，境內精度略高。雅江流域2001年-2012年GDP數據空間化的結果表明，在雅江流域范圍內，印度、孟加拉國在GDP總量方面均有一定優勢，不丹和藏南的總量相對較小，但是增速最快；所有區域中第一產業所占比重最大，第二產業所占比重小，說明全流域整體工業發展水平不高。采用GDP數據空間化的方法，可以獲得時空連續的GDP分布數據，克服了傳統GDP數據以行政區為統計單元的問題。該方法為國際河流地區社會經濟分析、水資源管理等領域提供有效的信息與技術支撐。