长江科学院院报

长江科学院院报 >

2025 , Vol. 42 >Issue 6: 51 - 59

DOI: https://doi.org/10.11988/ckyyb.20240701

水资源

基于主成分分析法与系统动力学的水资源承载力评价——以庆阳市为例

  • 汪倩 , 1 ,
  • 袁波 2 ,
  • 吴剑 2 ,
  • 刘文士 1 ,
  • 吴雁 , 1
展开
  • 1 西南石油大学 化学与化工学院,成都 610000
  • 2 中国石油集团安全环保技术研究院有限公司,北京 102206
吴 雁(1977-),女,四川自贡人,教授,硕士,硕士生导师,主要从事环境催化方面的研究。E-mail:

汪 倩(1999-),女,四川德阳人,硕士研究生,主要从事水资源评价研究。E-mail:

Copy editor: 刘运飞

收稿日期: 2024-07-02

  修回日期: 2024-10-14

  网络出版日期: 2025-01-23

基金资助

国家重点研发计划项目(2023YFF0614100)

国家重点研发计划项目(2022YFC3702900)

收起

Assessment of Water Resources Carrying Capacity Based on Principal Component Analysis and System Dynamics: A Case Study of Qingyang City

  • WANG Qian , 1 ,
  • YUAN Bo 2 ,
  • WU Jian 2 ,
  • LIU Wen-shi 1 ,
  • WU Yan , 1
Expand
  • 1 College of Chemistry and Chemical Engineering, Southwest Petroleum University, Chengdu 610000, China
  • 2 CNPC Research Institute of Safety and Environment Technology Co., Ltd., Beijing 102206, China

Received date: 2024-07-02

  Revised date: 2024-10-14

  Online published: 2025-01-23

Fold

摘要

黄河流域资源型城市水资源承载力评价相关研究缺失,亟待填补以支撑黄河流域的生态保护与高质量发展战略。以油气资源城市庆阳市为例,其油气开发面临水资源短缺问题。结合庆阳市实际,融合动静评价法构建油气开发区水资源承载力评估体系,在静态评估中通过主成分分析法追溯历史变化并分析关键影响因素,动态评估则是采用系统动力学提出了4种优化方案,并对庆阳市2022—2035年水资源承载力趋势进行了预测。结果表明:2012—2022年,由于社会经济发展、水资源利用和生态建设等多方面因素的共同影响,庆阳市水资源承载力总体呈逐年下降趋势,年均下降幅度为18.78%;考虑节水、治污、经济调节等方面形成综合发展方案,认为可通过采取供需双向调整策略缓解水资源压力。研究成果可为庆阳市水资源调控提供参考。

关键词： 水资源承载力; 评估体系; 动静评价法; 主成分分析; 系统动力学; 水资源调控; 庆阳市

本文引用格式

汪倩 , 袁波 , 吴剑 , 刘文士 , 吴雁 . 基于主成分分析法与系统动力学的水资源承载力评价——以庆阳市为例[J]. 长江科学院院报, 2025 , 42(6) : 51 -59 . DOI: 10.11988/ckyyb.20240701

Abstract

[Objectives] This study aims to overcome the limitations of traditional static evaluation methods by developing a multidimensional assessment framework for water resource carrying capacity with spatiotemporal continuity. It seeks to reveal the evolution patterns of regional water resources carrying capacity and propose optimized regulation schemes. [Methods] A dynamic-static analytical framework combining principal component analysis (PCA) and system dynamics (SD) modeling was applied, with Qingyang City in Gansu Province—an area relatively short on water resources—as the study area. First, using data from 21 indicators from 2012 to 2022, PCA was used to extract principal components (cumulative variance contribution rate >85%) to establish a comprehensive evaluation system for water resources carrying capacity and identify key influencing factors. Subsequently, a complex dynamic model of water resources system was established by dividing the system into socioeconomic, water supply-demand, and ecological subsystems. The dynamic changes in water supply and demand under different development scenarios were simulated. Four optimization schemes were designed: status quo development (baseline), water-saving, wastewater treatment, and integrated coordinated development. Their optimization effects on regional water resources carrying capacity were evaluated from the perspectives of water demand control, water supply efficiency improvement, and coordinated governance. [Results] (1) The water resources carrying capacity of Qingyang City significantly declined, with an annual average decrease rate of 18.78% from 2015 to 2022. PCA revealed that socioeconomic development (population growth rate, GDP per capita), water resource allocation efficiency (crude oil processing volume, water resources per capita), and ecological development level (green coverage rate in built-up areas) were the key driving factors, contributing 35.2%, 28.6%, and 19.3% to the principal component loadings, respectively. (2) Dynamic simulations showed that under the status quo development scheme (scheme 1), water shortage in 2035 increased by 47.8% compared to the baseline year (2012), with a supply-demand gap expanding to 123 million m3. The water-saving scheme (scheme 2) reduced the shortage by 11.9% through improved reuse rates, but due to the inflexible growth in water demand, the imbalance remained significant. The wastewater treatment scheme (scheme 3) reduced water shortage by 15.1% by increasing reuse rate to 55%, demonstrating a 3.2-percentage-point greater improvement compared to scheme 2. The integrated coordinated development scheme (scheme 4) implemented a synergistic “water-saving and pollution-control” strategy, optimizing demand-side control (improving industrial water-saving and agricultural irrigation efficiency) and enhancing supply-side circulation (wastewater reuse rate at 60%). This ultimately reduced the water shortage in 2035 by 16.7% compared to scheme 1, lowered total water demand by 19.4%, and narrowed the supply-demand gap to 51 million m3. [Conclusions] This study innovatively establishes an analytical paradigm integrating “historical diagnosis, dynamic early warning, and strategy optimization.” The degradation of water resources carrying capacity in oil and gas resource-based cities is essentially a manifestation of the imbalance between energy development, economic growth, and ecological protection. An integrated development strategy that includes water-saving, pollution control, and economic adjustments proves effective in alleviating water resource pressure through dual supply-demand adjustments. Future water management in Qingyang City requires curbing its current development trends promptly and regulating key guiding factors. Among the four projected schemes, the integrated coordinated development scheme performs optimally.

Key words： water resources carrying capacity; evaluation system; dynamic and static evaluation method; principal component analysis; system dynamics; water resources regulation; Qingyang City

0 引言

水资源承载力是一个综合性指标,用于评估水资源与经济社会发展以及生态环境之间的协同发展状况[1]。水资源承载力研究对于全面评估地区水资源状况、指导水资源管理具有重要意义。学术界持续关注该概念内涵的深化和外延的拓展,体现了对水资源管理复杂性的认识[2-5]。当前水资源承载力研究采纳了多种方法,包括基于经验的估算、生态足迹计算、多维综合评估和复杂系统深入分析,以全面评估水资源的承载能力[6- 7]。经验估算法由于不够准确而难以形成有效调控方案[8-9],生态足迹法存在一定的主观性[8,10],多维综合评估法对评价指标之间的耦合关系关注不够[8]。这3类为静态研究,仅反映历史水资源承载力情况。复杂系统分析法将复杂系统划分为多个子系统,根据子系统间的联系来模拟水资源变化趋势[11],这契合了水资源承载力所具备的地域性、时效性和不确定性的鲜明特点[12]。杨光明等[13]、Wang等[14]、Liu等[15]基于系统动力学理论设计不同情景方案,分别模拟预测各方案下研究区域水资源承载力发展趋势,并根据研究结果择优选择水资源承载力优化调控方案。上述研究均进行了水资源承载力的动态预测预警工作。本文采用动静态分析相结合的方法,将现状评价与预测结合,以甘肃省庆阳市为例,采用主成分分析法评价区域水资源承载力现状,基于系统动力学法构建研究区域复杂水资源系统模型对研究区未来水资源供需情况及缺水程度进行动态分析,以期为庆阳市未来水资源承载力可持续发展及水资源优化配置提供理论依据。

1 研究区概况

庆阳市位于甘肃省东部,该地区冬季寒冷而干燥,夏季则酷热且降水频繁,降雨在时间和地域上呈现不均匀性,根据庆阳统计年鉴数据,近10 a年平均气温为9.75 ℃,年降水量147.38亿 m3,水资源量年平均值为6.87亿 m3。庆阳市是组成鄂尔多斯盆地的一部分,已探明油气总储量高达50亿 t[16],为油气资源型城市。此外,庆阳市地处黄河流域,河网密度小,据《甘肃省2022年水资源公报》,黄河流域面临着10.10 亿 m3的缺水问题,缺水率高达21.0%,这一状况既反映了资源指标型缺水的特征,也展现了工程型缺水的存在,两者并存[17],气候与地域位置导致庆阳市水资源相对匮乏。庆阳市2022年供水能力为2.840 7亿 m3,而总用水量达3.047 1亿 m3,水资源量缺口较大。如图1(a)所示,2012—2022年水资源量波动较大;图1(b)所示,2012—2022年庆阳市工业、农业、居民生活、生态用水量的变化,农业占比较大且呈增长趋势,第二是工业用水量,用水量需求较大。
图1 庆阳市水资源概况

Fig.1 Overview of water resources in Qingyang City

2 研究方法及资料来源

2.1 研究方法

2.1.1 主成分分析法确定评价指标体系

主成分分析法通过把多数初始变量转化为少量的综合指标,实现降维功能,以此达到简化数据结构的目的,计算过程应用SPSS25软件展开,具体步骤如下[18]:
(1)标准化处理原始数据。采集p维向量,n个样品,构成一个n×p阶的样本数据矩阵xij=(xi1,xi2,…,xip)T,i=1,2,…,n,n>p,j=1,2,…,p。对样本矩阵进行以下标准化变换: Z ' i j = x i j - x j - s j,i=1,2,…,n,其中, x - = ∑ i = 1 n x i j n , s j 2 = ∑ i = 1 n x i j - x - j 2 n - 1,得标准化矩阵Z[19]。
(2)对样本的相关系数矩阵R进行计算。R= r i j p × p,其中:rij= ∑ i = k - 1 n x k i - x - i x k j - x - j ∑ i = k - 1 n x k j - x - j 2 ∑ k = 1 n x k i - x - i 2,i,j=1,2,…,p。
(3)对特征向量及特征值进行计算。根据 λ i - R=0,得到R的前m个较大的特征值 λ1≥λ2≥…λm>0,满足并求出其对应的特征向量α1≥α2≥…≥αm,m即主成分个数。
(4)通过贡献率和累计贡献率确定主成分的数量。按 λ i ∑ i = 1 p x i ≥85%( 一般取特征值>1且累计贡献率达到85%以上的因子为主)。
(5)主成分得分确定。通过将各个构成要素的得分与其对应的方差值的平方根相乘[20]。 F i = α 1 i x 1 ' + α 2 i x 2 ' + … + α p i x p ',i=1,2,…,m[19]。
(6)计算综合指数得分F时,涉及将m个主成分的得分按照各自权重A(即主成分的特征值贡献率)进行累加求和。 F= ∑ i = 1 m AiFi,i=1,2……,m。
(7)主成分得分的正负只是体现了其在比较中的相对位置,并不直接代表水资源承载力的真实水平[21]。综合得分F值是评估水资源承载力强弱的关键量化指标。高F值表示承载力弱和开发潜力有限,而低F值则表示承载力强和开发潜力大,对水资源的可持续管理具有指导意义[22-24]。
为了更客观、精确地评价庆阳市水资源承载力状况,本文基于DPSIRM模型(驱动力(Driving)-压力(Pressure)-状态(State)-影响(Impact)-响应(Response)-管理系统(Manage))来选择,从水资源系统驱动力、压力、状态、影响因素、响应指标、管理指标六方面出发,参考相关文献[25-26]并结合庆阳市水资源压力大、油气资源丰富、气候等特点构建庆阳市水资源承载力评价指标体系[27],遵循代表性、独立性、整体性、可度量化的原则[22,28],具体而言,选取人均GDP(X1)、工业增加值(X2)、原油加工量(X3)、常住人口(X4)和人口增长率(X5)这5个驱动力子系统指标来表示庆阳市水资源承载力中的驱动力因素。压力子系统涉及5个关键指标,总用水量(X6)、单位GDP水耗量(X7)、单位工业增值水耗量(X8)、居民生活用水(X9)和人均供水量(X10)反映人类活动施加在水资源环境中的压力。在状态子系统的5个指标中,选取人均水资源量(X11)、年降水量(X12)、单位GDP工业COD排放量(X13)、万元工业增加值废水排放量(X14)显示在压力因子作用下区域水环境的实际变化及状态。在影响子系统方面,选取城镇化率(X15)、农田有效灌溉面积(X16)、城市建成区域植被覆盖比率(X17)表现对生态环境和社会经济的影响。对于响应子系统,城市污水处理厂日处理能力(X18)、生态耗水比例(X19)反映人类为减轻水环境负面影响采取措施的响应。在管理子系统方面,环境治理投资占比(X20)与污水处理回用量(X21)表示人们为控制水资源管理而采取的措施。指标之间关系如图2所示,详细指标类型、表示方法见表1。
图2 庆阳市水资源承载力的DPSIRM框架

Fig.2 DPSIRM framework of water resources carrying capacity in Qingyang City

表1 庆阳市水资源承载力综合评价指标体系

Table 1 Comprehensive evaluation indicator system for water resources carrying capacity in Qingyang City

序号 子
系统		 指标层 表示方法 指标
单位
1 驱动力 X1人均GDP GDP/常住人口 万元/人
2 X2工业增加值 统计数据 亿元
3 X3原油加工量 统计数据 万t
4 X4常住人口 统计数据 万人
5 X5人口增长率 统计数据 %
6 压力 X6总用水量 统计数据 亿m3
7 X7单位GDP水耗量 GDP/总用水量 万元/m3
8 X8单位工业增值
水耗量		 GDP/工业增加值 万元/m3
9 X9居民生活用水 统计数据 亿m3
10 X10人均供水量 供水总量/常住人口 m3/人
11 状态 X11人均水资源量 水资源总量/常住人口 m3/人
12 X12年降水量 统计数据 亿m3
13 X13单位GDP
工业COD排放量		 工业COD排放量/GDP t/亿元
14 X14万元工业增加值
废水排放量		 废水排放总量/
工业增加值		 t/万元
15 影响 X15城镇化率 统计数据 %
16 X16农田有效灌溉面积 统计数据 km2
17 X17城市建成区域
植被覆盖比率		 统计数据 %
18 响应 X18城市污水处理厂
日处理能力		 统计数据 万m3/日
19 X19生态耗水比例 生态环境用水量/
用水总量		 %
20 管理 X20环境治理投资占比 统计数据 %
21 X21污水处理回用量 统计数据 亿m3

2.1.2 系统动力学判断模型变量集

系统动力学,源自系统理论,结合了信息科学和控制科学,结合了结构功能、物质信息和科学实证等要素,架起了自然科学与社会科学间交流的桥梁,促进了跨学科的融合与知识发展[14]。系统动力学专注于研究系统内部变量之间的反馈机制及其结构联系,以此揭示系统行为的整体特征[5],强调系统的行为深受其结构影响,并指出系统的结构具有动态反馈特性,因此,可以利用控制论的方法对其进行深入研究[29]。系统动力学在解析非线性、多级反馈及动态演进的复杂系统难题时,展现出其分析优势[15],水资源承载力研究包含模糊性、非线性等复杂因素,系统动力学作为关键方法论,被用于区域水资源承载力的动态预测,通过数学建模为水资源管理提供决策支持[14]。
在构建庆阳市水资源系统动力学模型时,确定了关键辅助变量及其运算方式,公式类的变量计算方法为2021—2022年数据经Excel软件进行二次函数拟合而来,总人口数为5次拟合,R2≥0.7,其中t表示年份。非公式类变量计算方法是参考统计年鉴而来,整理于表2中。
表2 系统动力学模型主要变量及相关计算方法

Table 2 Main variables and related calculation methods in system dynamics model

变量 计算方法
总人口数 0.008 6t5-0.239 3t4+2.345 1t3-9.821 5t2+
17.517t+211.86
人口增长率 -0.014 7t2+0.090 3t+0.604 2
城镇化率 -0.034 9t2+2.015 5t+26.225
城镇人口数 人口总数×城镇化率
农村人口数 总人口-城镇人口
城市居民用水需求 城市居民总数×城市居民生活用水定额
农村居民用水需求 农村居民总数×农村居民生活用水定额
生活用水总需求量 农村居民用水总需求量+
城市居民用水总需求量
生活用水产生
的废水量		 生活用水总需求量×生活污水排放系数
工业增加值 5.218 9t2-49.74t+400.14
万元工业增加值
用水量		 1.008 7t2-15.54t+67.742
工业用水需求量 工业产出增值×每单位工业产出增值所需水量
工业废水排放量 工业用水总量×工业废水排放系数
农业用水总需求量 农田灌溉需水量+林牧渔畜需水量
农田灌溉需水量 -0.014 5t2+0.266 5t+0.066
林牧渔畜需水量 0.000 3t2-2.781 3t+8 418.591 3
生态需水量 0.000 4t2-3.363t+10 172.111 4
污水再利用量 0.000 8t2-0.001 2t+0.006
污水处理量 总污水量×污水处理率
地下水可供
水资源量		 -0.006 8t2+0.108 3t+0.383 6
地表水可供
水资源量		 0.000 7t2-5.942 3t+17 977.187 7
可利用水资源总量 地下可开采水资源量+地表可利用水资源
量+污水再利用量
总用水需求量 生态需水量+居民生活用水需求量+工业用水
需求量+农业用水需求量
缺水程度 水资源供需差额/总用水需求量
水资源供需差额 总用水需求-可利用水资源总量
根据实际情况,按照水循环在人类社会的6个子系统,分别是人口、工业、农业、生态、污水处理、水资源子系统,每个子系统中选取与水资源供需有关的变量,变量集32个,核心变量集为25个,其余7个常量,共同组成变量集。系统与系统之间,各变量之间的相互作用关系共同组成庆阳市水资源承载力系统流图。采用Vensim PLE软件构建起庆阳市水资源承载力系统动力学模型,以甘肃省庆阳市行政边界作为系统模型的边界,以2012年为起始年,模拟周期为1 a,模拟到2035年,如图3所示。
图3 庆阳市水资源承载力系统动力学流图

Fig.3 System dynamics model of water resource carrying capacity in Qingyang City

2.2 研究数据

本研究使用的样本数据主要来源于《甘肃省发展年鉴》(2013—2023年)、《甘肃省水资源公报》(2012—2022年)、《庆阳统计年鉴》(2013—2022年)、《庆阳市国民经济和社会发展统计公报》(2012—2022年)、《甘肃省行业用水定额(2023年版)》《甘肃省“十四五”节水型社会建设规划》、《庆阳市黄河流域高质量发展水资源高效利用与优化配置综合规划》。

3 实施与结果分析

3.1 研究实施

3.1.1 庆阳市水资源承载力综合评价

3.1.1.1 主成分筛选及评价

庆阳市2012—2022年的21项指标数据经IBM SPSS Statistics 25软件的标准化处理后,通过主成分分析法,由表3呈现计算后的特征值和方差贡献率,F1至F5的特征值均>1,累计方差百分比为90.5%,满足主成分分析的标准要求,表明5个主成分变量能够较全面地反映庆阳市水资源承载力状况。故本文选取前5个主成分用以进行水资源承载力评价研究。
表3 主成分特征值与方差的贡献率及累计值

Table 3 Principal component eigenvalues, variance contribution rates, and cumulative values

成分名称 特征值 方差的百分比% 方差的累积百分比%
F1 9.235 43.974 43.974
F2 3.502 16.675 60.649
F3 3.030 14.426 75.076
F4 1.900 9.049 84.124
F5 1.339 6.375 90.500

3.1.1.2 水资源承载力综合评价

根据2.1.1节中的计算方法,分别得到F1、F2、F3、F4、F5的线性关系表达式计算F1、F2、F3、F4、F5的主成分得分,依据各主成分百分比于累积百分比的相对比例,建立了水资源承载力综合得分F的函数表达式如下
F=0.486F1+0.184F2+0.159F3+0.01F4+0.07F5。

3.1.2 庆阳市水资源承载力优化方案探究

3.1.2.1 系统动力学模型构建及检验

构建完成庆阳市水资源承载力系统动力学模型后,输入各变量的计算公式及初始值。然而,要使模型投入实际应用,还需经过严格的检验。为此,本文采用了相对误差法[30],对比了2012—2022年主要变量的模拟值与实际值之间的相对误差,这些主要变量为评估后系统动力学模型中最基础的核心数据,具体检验结果详见表4。由表4可知,主要变量模拟结果与实际结果之间的相对误差均不超过±15%,多数在±5%以内[31],证明模型模拟值与实际值之间的相对误差较小[11],证实了模型实用性,可用于下一步预测。
表4 2012—2022年主要变量模拟结果与实际结果之间的相对误差

Table 4 Relative errors between simulated and actual values of main variables (2012-2022)

年份 总人口/万人 城镇化率/% 地表水源可供水资源量/(亿m3)
现实 模拟 相对误差/% 现实 模拟 相对误差/% 现实 模拟 相对误差/%
2012 221.84 221.84 0.00 0.28 0.26 -6.38 1.54 1.48 -3.87
2013 222.27 222.44 0.78 0.30 0.28 -4.68 1.41 1.49 6.02
2014 222.27 223.12 0.38 0.33 0.30 -9.99 1.45 1.52 4.67
2015 223.05 223.85 0.36 0.33 0.32 -4.49 1.51 1.54 1.56
2016 224.19 224.59 0.18 0.35 0.34 -3.61 1.82 1.56 -14.19
2017 225.66 225.32 -0.15 0.37 0.35 -4.24 1.49 1.59 6.93
2018 226.66 226.01 -0.29 0.38 0.37 -3.49 1.61 1.62 0.91
2019 227.88 226.63 -0.55 0.40 0.39 -3.25 1.68 1.65 -1.28
2020 217.91 227.14 4.24 0.42 0.40 -4.24 1.61 1.69 5.07
2021 215.94 227.53 5.37 0.43 0.42 -3.69 1.71 1.73 1.18
2022 215.84 227.76 5.52 0.44 0.43 -2.48 1.83 1.78 -2.60

3.1.2.2 水资源承载力优化方案设计

根据庆阳市水资源短缺、生态脆弱及产业结构局限等实际情况,参考相关规划文件,设计4种水资源承载力优化方案,详细说明如表5所示。
表5 水资源承载力优化方案设计

Table 5 Design of optimization schemes for water resources carrying capacity

编号 方案名称 方案内容
1 现状发展型 在保持现状发展趋势的前提下,不对变量采取任何形式的干预措施
2 水资源节约型 在方案一的基础上,污水回用率调高至65%,城市生活用水定额降为36.5 m3/(人·a),农村生活用水定额降为21.9 m3/(人·a)
3 污染治理型 在方案一的基础上,将污水处理率、污水再利用率提高到90%、60%
4 综合协调发展型 在结合方案二和方案三基础上,万元工业增加值用水量,每年减少12 m3/万元,农业用水量每年减少0.2亿m3用水量,生态环境用水量每年减少0.007亿m3。

3.2 结论分析

3.2.1 水资源承载力状况分析

庆阳市水资源承载力主要引导因素分析见图4,各年份水资源承载力计算结果呈现于图5中,高F值表示承载力弱和开发潜力有限,而低F值则表明承载力强和开发潜力大,在研究年限内,庆阳市水资源承载力逐年下降,平均下降幅度为18.78%。图4中,X5(人口增长率)在F1上投影最长,X5对F1的贡献最大,其次是X1(人均GDP)与X15(城镇化率);X17(建成区绿化覆盖率)在F2上投影最长,X17对F2的贡献最大,其次是X3(原油加工量)。F3与人均水资源量、年降水量有较强的相关关系,表明F3与庆阳市水资源分配利用相关。F4主要体现生活用水和污水处理情况的变化。F5与农田有效灌溉面积有较强的正相关关系。综上所述,水资源承载力主要引导因素为社会经济发展、水资源利用与生态建设方面。
图4 主成分分析法下的庆阳市水资源承载力主要引导因素解析

Fig.4 Analysis of main driving factors of water resources carrying capacity in Qingyang City based on PCA

图5 庆阳市水资源承载力综合得分

Fig.5 Comprehensive scores of water resources carrying capacity in Qingyang City

3.2.2 优化方案探究结果分析

通过对庆阳市水资源承载力系统动力学模型分别赋予现状发展型(方案1)、水资源节约型(方案2)、污水治理型(方案3)、综合协调发展型(方案4)下的各变量参数值后,运行模型得到各方案预测年份的水资源承载力变化,分别用总用水需求量(亿m3)、可利用水资源总量(亿m3)、供需差额(亿m3)、缺水程度来反映,其中,供需差额越大,缺水程度越高则代表该方案下庆阳市水资源承载力越小,各方案计算结果如图6所示。图7为4种方案下2012—2035年庆阳市水资源缺水程度发展趋势。
图6 4种方案下2012—2035年庆阳市水资源供需情况变化

Fig.6 Trends of water supply and demand in Qingyang City under four different schemes (2012-2035)

图7 4种方案下2012—2035年庆阳市水资源缺水程度发展趋势

Fig.7 Trends of water shortage degree in Qingyang City under four schemes (2012-2035)

方案一作为基准方案,未采取任何改进措施,直接反映了庆阳市当前水资源管理的现状。该方案下,水资源供需矛盾突出,分配不合理且浪费现象严重,同时水污染问题也未得到及时解决,这些因素共同作用,导致庆阳市缺水状况日益加剧,水资源承载力持续下降。
方案二以节水为主导思想,旨在通过提高水资源利用效率来减轻供需矛盾。尽管在粗放型经济发展模式下,需水量并未发生显著变化,但该方案通过提高水资源回用率,相对增加了供水量,从而有效缩小了供需差距。与方案一相比,缺水程度减少了近11.9%,这一变化直接提升了庆阳市水资源承载力,证明了水资源节约型方案在供应侧优化方面的有效性。
方案三则在方案一的基础上,进一步强化了污水回用措施,旨在全面提升庆阳市水资源承载力并加强保护。此举措有效提升了总可供水量,尽管庆阳市缺水程度逐年上升如图6(c)所示,但攀升速度得到了明显遏制,水资源承载力得以提升。相比现状发展型,方案三10 a间降低了15.1%。此外,方案三的缺水程度低于方案二,这表明在庆阳市水资源有限的背景下,污水处理及回用相较于单纯的节水措施,更能有效提升水资源承载力。
方案四综合了水资源节约、污水治理、经济发展等方面,采取了供需双向策略以减轻水资源承载力的负担,在需水层面,该方案从工业、农业、居民生活以及生态方面均作出了调整,从需水源头减少水资源需求量。在供水层面,综合了方案二和方案三,提高了污水处理率和污水回用率,在地表水和地下水供应量无法改变时,该方案能在一定程度上增加水资源的供应量,故能减小缺水程度。相较于其余方案,方案四的缺水程度与方案一对比最明显,减少了近17%,见图7。

4 结论

(1)主成分分析法的综合评价结果显示庆阳市水资源承载力逐年下降,年均下降幅度为18.78%,并解析了影响水资源承载力的社会经济发展、水资源利用与生态建设等主要引导因素。未来庆阳市水资源管理需及时遏制现有发展趋势,针对主要引导因素进行调控。
(2)在4种预测方案中,综合协调发展型方案最优,预测年份中2035年庆阳市的缺水程度达到最低水平,与现状发展方案对比减少了近17%。该方案具体措施可为庆阳市水资源管理工作提供理论参考。
(3)本研究提出的综合发展方案综合水资源节约、污水治理与经济发展等方面,从供需两个角度出发,为庆阳市水资源的可持续利用提供了切实可行的解决方案。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
CHEN S, ZHU X, HAN P. Measurement of Water Resources Carrying Capacity in Gugang Town of Central China based on Human-Water-Agriculture Framework[J]. Science of The Total Environment, 2023, 881: 163459.

[2]
KHORSANDI M, HOMAYOUNI S, VAN OEL P. The Edge of the Petri Dish for a Nation: Water Resources Carrying Capacity Assessment for Iran.[J]. Science of the Total Environment, 2022, 817: 153038.

[3]
WANG L, ZENG W, CAO R, et al. Overloading Risk Assessment of Water Environment Water Resources Carrying Capacity Based on a Novel Bayesian Methodology[J]. Journal of Hydrology, 2023, 622(Part B): 129697.

[4]
WANG T, JIAN S, WANG J, et al. Research on Water Resources Carrying Capacity Evaluation Based on Innovative RCC Method[J]. Ecological indicators, 2022, 139: 108876.

[5]
张礼兵, 胡亚南, 金菊良, 等. 基于系统动力学的巢湖流域水资源承载力动态预测与调控[J]. 湖泊科学, 2021, 33(1): 242-254.

(ZHANG Li-bing, HU Ya-nan, JIN Ju-liang, et al. Dynamic Prediction and Regulation of Water Resources Carrying Capacity in Chaohu Lake Basin Based on System Dynamics[J]. Journal of Lake Sciences, 2021, 33(1): 242-254. (in Chinese))

[6]
宋世强, 冯倩, 王萍根, 等. 基于系统动力学模型的江西省水资源承载力评价[J]. 人民珠江, 2023, 44(3): 74-83.

(SONG Shi-qiang, FENG Qian, WANG Ping-gen, et al. Evaluation of Water Resources Carrying Capacity in Jiangxi Province Based on System Dynamics Model[J]. Renmin Zhujiang, 2023, 44(3): 74-83. (in Chinese))

[7]
王茂吉. 广安市水资源承载力与城镇化质量耦合协调性研究[D]. 重庆: 重庆大学, 2021.

(WANG Mao-ji. Study on the Coupling Coordination Between Water Resources Carrying Capacity and Urbanization Quality in Guang’an City[D]. Chongqing: Chongqing University, 2021. (in Chinese))

[8]
左其亭. 水资源承载力研究方法总结与再思考[J]. 水利水电科技进展, 2017, 37(3): 1-6.

(ZUO Qi-ting. Summary and Rethinking of Research Methods on Water Resources Carrying Capacity[J]. Advances in Water Resources and Hydropower Science and Technology, 2017, 37(3): 1-6. (in Chinese))

[9]
李依, 杨艳昭, 闫慧敏, 等. 水资源承载力的研究方法:进展与展望[J]. Journal of Resources and Ecology. 2018, 9(5): 455-460.

DOI

(LI Yi, YANG Yan-zhao, YAN Hui-min, et al. Research Methods of Water Resources Carrying Capacity: Progress and Prospects[J]. Journal of Resources and Ecology, 2018, 9(5): 455-460. (in Chinese))

DOI

[10]
任波. 水资源承载力多模型耦合评价及时空分析方法研究[D]. 武汉: 华中科技大学, 2023.

(REN Bo. Research on Multi-Model Coupling Evaluation and Spatiotemporal Analysis Method of Water Resources Carrying Capacity[D]. Wuhan: Huazhong University of Science and Technology, 2023. (in Chinese))

[11]
SUN X, PENG A, Hu S, et al. Dynamic Successive Assessment of Water Resource Carrying Capacity Based on System Dynamics Model and Variable Fuzzy Pattern Recognition Method[J]. Water, 2024, 16(2): 304.

[12]
高玉琴, 吴迪, 刘海瑞, 等. 城市化影响下区域水资源承载力评价[J]. 水利水电科技进展, 2022, 42(3): 1-8.

(GAO Yu-qin, WU Di, LIU Hai-rui, et al. Evaluation of Regional Water Resources Carrying Capacity Under the Impact of Urbanization[J]. Advances in Water Resources and Hydropower Science and Technology, 2022, 42(3): 1-8. (in Chinese))

[13]
杨光明, 时岩钧, 杨航, 等. 基于系统动力学的水资源承载力可持续发展评估:以重庆市为例[J]. 人民长江, 2019, 50(8):6-13.

(YANG Guang-ming, SHI Yan-jun, YANG Hang, et al. Sustainable Development Evaluation of Water Resources Carrying Capacity Based on System Dynamics: A Case Study of Chongqing City[J]. Renmin Changjiang, 2019, 50(8): 6-13. (in Chinese))

[14]
WANG G, XIAO C, QI Z, et al. Development Tendency Analysis for the Water Resource Carrying Capacity Based on System Dynamics Model and the Improved Fuzzy Comprehensive Evaluation Method in the Changchun City, China[J]. Ecological Indicators, 2021, 122: 107232.

[15]
LIU Y, GAO C, JI X, et al. Simulation of Water Resources Carrying Capacity of the Hangbu River Basin Based on System Dynamics Model and TOPSIS Method[J]. Frontiers in Environmental Science, 2022, 10:1045907.

[16]
孙即才. 中国西部油气资源开发生态补偿机制建设的对策研究[J]. 中国矿业, 2019(12): 23-27.

(SUN Ji-cai. Research on Countermeasures for the Construction of Ecological Compensation Mechanism in Oil and Gas Resources Development in Western China[J]. Zhongguo Kuangye, 2019(12): 23-27. (in Chinese))

[17]
许程程. 甘肃省水资源承载力评价研究[D]. 兰州: 兰州财经大学, 2021.

(XU Cheng-cheng. Research on the Evaluation of Water Resources Carrying Capacity in Gansu Province[D]. Lanzhou: Lanzhou University of Finance and Economics, 2021. (in Chinese))

[18]
WANG H, WANG H, XU Y, et al. Comprehensive Evaluation of Water Carrying Capacity in Hebei Province, China on Principal Component Analysis[J]. Frontiers in Environmental Science, 2021, 9:761058.

[19]
张启森, 桂琳, 罗玲, 等. 北京消费者对B2C电商配套服务满意度研究:基于主成分分析法[J]. 物流科技, 2018, 41(8): 47-51.

(ZHANG Qi-sen, GUI Lin, LUO Ling, et al. Research on Satisfaction of Beijing Consumers with B2C E-commerce Supporting Services: Based on Principal Component Analysis[J]. Wuliu Keji, 2018, 41(8): 47-51. (in Chinese))

[20]
高策. 基于聚类-主成分分析法的储气库站场设备风险评价研究[D]. 北京: 中国石油大学(北京), 2020.

GAO Ce. Research on Risk Assessment of Gas Storage Station Equipment Based on Clustering-Principal Component Analysis[D]. Beijing: China University of Petroleum (Beijing), 2020. (in Chinese))

[21]
柴乃杰, 贾鼎元, 曾小雪. 水资源承载力的灰色模糊可变决策模型及应用[J]. 北京:水资源与水工程学报, 2020, 31(1): 70-76.

(CHAI Nai-jie, JIA Ding-yuan, ZENG Xiao-xue. Grey-Fuzzy Variable Decision Model and Its Application for Water Resources Carrying Capacity[J]. Beijing:Journal of Water Resources and Water Engineering, 2020, 31(1): 70-76. (in Chinese))

[22]
WU F, ZHUANG Z, SHIAU H L A Y. Evaluation of Water Resources Carrying Capacity Using Principal Component Analysis: An Empirical Study in Huai’an, Jiangsu, China[J]. Water, 2021, 13(18): 2587.

[23]
于昊含. 水资源现状与开发潜力分析:以固原市降水资源为例[D]. 银川: 宁夏大学, 2021.

(YU Hao-han. Analysis of Current Situation and Development Potential of Water Resources: A Case Study of Precipitation Resources in Guyuan City[D]. Yinchuan: Ningxia University, 2021. (in Chinese))

[24]
黄垒, 张礼中, 朱吉祥, 等. 河南省水资源承载力时空特征分析[J]. 南水北调与水利科技, 2019, 17(1):54-60.

(HUANG Lei, ZHANG Li-zhong, ZHU Ji-xiang, et al. Analysis of Spatiotemporal Characteristics of Water Resources Carrying Capacity in Henan Province[J]. South-to-North Water Diversion and Water Science and Technology, 2019, 17(1): 54-60. (in Chinese))

[25]
CHENG W, ZHU J, ZENG X, et al. Water Resources Carrying Capacity Based on the DPSIRM Framework: Empirical Evidence from Shiyan City, China[J]. Water, 2023, 15(3060): 3060.

[26]
CHAI N, ZHOU W. The DPSIRM-Grey Cloud Clustering Method for Evaluating the Water Environment Carrying Capacity of Yangtze River economic Belt[J]. Ecological Indicators, 2022, 136: 108722.

[27]
WANG T, JIAN S, WANG J, et al. Dynamic Interaction of Water-Economic-Social-Ecological Environment Complex System Under the Framework of Water Resources Carrying Capacity[J]. Journal of Cleaner Production, 2022, 368: 133132.

[28]
赵磊, 王立权, 戴长雷, 等. 基于DPSIRM模型的太原市水资源承载力研究[J]. 水资源与水工程学报, 2021, 32(2):109-115.

(ZHAO Lei, WANG Li-quan, DAI Chang-lei, et al. Research on Water Resources Carrying Capacity in Taiyuan City Based on DPSIRM Model[J]. Journal of Water Resources and Water Engineering, 2021, 32(2): 109-115. (in Chinese))

[29]
LIU B, QIN X. System-dynamics-based Scenario Simulation and Prediction of Water Carrying Capacity for China[J]. Sustainable Cities and Society, 2022, 82:103912.

[30]
CHEN X, XU Q, CAI J. Research on the Urban Water Resources Carrying Capacity by Using System Dynamics Simulation[J]. Hydrology Research, 2023, 54(3): 418-434.

[31]
王炳龙, 蔡宴朋, 李春晖. 基于区间分析的鄂尔多斯市水资源承载力研究[J]. 人民黄河, 2017, 39(3): 55-60.

(WANG Bing-long, CAI Yan-peng, LI Chun-hui. Research on Water Resources Carrying Capacity in Ordos City Based on Interval Analysis[J]. Renmin Huanghe, 2017, 39(3): 55-60. (in Chinese))

Options
文章导航

/

〈 〉

*严禁使用本系统存储、处理、传输涉密信息*
版权所有 © 《长江科学院院报》编辑部
技术支持：北京玛格泰克科技发展有限公司