基于多流域生態網絡模型的用水系統結構特征演化分析

王悅斌,林常青,李 媛*,王曉慧 (1.北京化工大學化學工程學院,北京 100029；2.北京市水處理材料工程技術研究中心,北京 100029)

隨著人口與社會經濟的不斷發展,我國的用水需求逐年遞增,日益突出的水資源匱乏問題已經嚴重影響到國民經濟的發展與居民生活水平的提高.以2015年為例,我國用水總量為6180億m3,達到水資源可利用量的21.83%,大于國際經驗所提出的20%這一“水危機”標準.因此,如何更有效利用水資源和實現水資源的可持續發展,成為了我國水資源規劃與管理中急需解決的問題之一.

近年來,針對流域水資源系統這樣一個綜合了水資源的自然、環境、生態、社會和經濟等5種基本屬性,且各屬性關聯伴生相互影響的復雜系統[1-2],系統的復雜性受到了越來越多研究學者的重視,因此系統學的研究方法相繼出現并逐漸成為近些年的研究趨勢[3-8].其中,生態網絡分析(Ecological Network Analysis, ENA)方法由于其具備從系統整體角度出發、且能“自上而下”對系統進行建模并以此來對系統狀態進行描述的特點,和提出涵蓋系統各種屬性的系統性度量指標的優勢而在水資源領域得到了越來越多的應用和研究[9-15].研究學者們利用生態網絡分析方法從水資源管理、水資源系統結構、水體代謝系統等多個方面對黑河、黃河流域、滇池流域、海河流域和淮河流域等水域進行系統分析,最終目的是實現該水域的可持續性發展.但是,這些研究目前尚局限于單一流域,沒有考慮多流域之間的相互關系與影響.鑒于我國自五十年代以來已開展多項跨流域調水工程,在各個流域之間建立了緊密的輸配水關系,因此,將多流域的水資源系統作為研究對象,進行水資源系統的生態網絡分析研究亟待開展.

基于此,本研究將資源性嚴重缺水和水資源承載力與經濟社會發展不相符的黃淮海流域(2003～2014年)為研究對象,采用生態網絡分析方法,構建多流域生態網絡模型,從系統整體角度分析和研究多流域水資源系統結構特征的發展與演變規律,并提出相應的管理措施,促進黃淮海流域水資源的可持續利用.

1 研究區域概況

黃淮海流域位于中國東北部地區(東經31～42°,北緯114～121°),流域總面積為144萬km2,包括13個省市和2個直轄市,分別為青海、四川、甘肅、寧夏、內蒙古、山西、陜西、河南、河北、山東、安徽、江蘇、北京和天津(圖1).

黃、淮、海三大流域緊密相連,是我國社會經濟最大的集中區域.盡管黃淮海流域人口、GDP和糧食產量均占全國的1/3以上,但自20世紀80年代以來,黃淮海流域就已經成為我國最嚴重缺水地區[16],水資源的短缺問題嚴重限制了其社會經濟的發展[17].為解決嚴重的水資源匱乏及水資源分布不均的現象,我國自五十年代提出“南水北調”工程后相繼提出了“引灤入津”“引黃濟青”等20多項大型跨流域調水工程,其中,“引黃工程”將黃河、淮河、海河三大流域相互聯結,實現了水資源在流域之間的調配,從一定程度上緩解了該地區水資源的短缺問題.

黃淮海流域2003～2014年的社會經濟情況如下表1所示.

表1 黃淮海流域2003～2014年社會經濟和水資源情況Table 1 Socioeconomic and water resources situations of the HHH basins during 2003～2014

圖1 黃淮海河流域區位及邊界Fig.1 Mapof HHHbasinsand its location in China

2 研究方法

生態網絡分析是廣泛應用于生態系統研究中的一種系統學分析方法,它將復雜的生態系統表示成由節點和節點之間物質、能量、信息傳輸所構成的一個網絡,關注于系統元素之間介質的流動,基于投入產出分析[18-21],通過矩陣計算研究生態系統的結構、功能以及發展與演變規律[22-27].在對復雜系統研究的應用中,該方法可以從系統的整體角度出發,通過研究系統內部組分的直接與間接聯系,從而可以對系統內部某組分對其他組分的影響作用進行量化.并且,通過情景模擬的方法,生態網絡分析還可以預測系統內部某組分或某連接的變化對系統其他組分或整體產生的影響,以及通過表征系統整體特性的網絡指標對比同一系統在不同時間或不同系統在同一時間內的變化.近年來,隨著生態網絡理論的不斷完善與發展,該方法不僅在生態系統中得到了廣泛應用[28-31],同時也引入到了水資源領域[32-34].

以三組分的系統為例,所構建的三組分生態網絡模型如圖2(a)所示;在此基礎上,建立網絡組分間流量矩陣F、系統邊界輸入流矩陣z和系統邊界輸出流矩陣y,如圖2(b)所示.基于構建的網絡模型,對各路徑流量進行賦值,通過對生態網絡指標進行計算開展分析.

圖2 三組分生態網絡模型圖及組分間流量矩陣、系統邊界輸入流矩陣和系統邊界輸出流矩陣示意Fig.2 Athree-compartmentsecologicalnetwork model and flow adjacent matrix, input adjacentmatrix and output adjacent matrix

2.1 系統整體分析法

在生態網絡分析中,由MacArthur首次將Shannon信息理論應用到生態系統網絡中[35],形成了系統整體分析法,相繼提出了TST(Total System Throughflow)、A(Ascendency)、Φ(Resilience)、O(Overhead)、R(Redundancy)、C(Development capacity)等評價系統整體特性的指標[25].

式中:n為生態網絡模型中的節點數(即組分數),節點0表征物質能量由環境輸入系統各組分的輸入源;n+1表征系統中的物質能量由各組分向環境進行輸出的輸出源;節點n+2表征系統中的物質能量在各組分上被消耗的消耗源;Ti,j為從節點i流到節點j的流量(即圖2中的組分間流fij);Ti為流入節點i的流量之和(即圖2中的輸入流zi之和);Tj為從節點j流出的流量之和(即圖2中的輸出流yi之和).系統總通量TST(式1)表征在系統網絡中物質能量在各組分間傳輸以及與環境進行輸入輸出的總流量.在水資源系統中應用時,通過TST指標的計算,可以準確量化水資源系統中進行傳輸轉化利用的所有水量,進而表征系統的規模大小.對于A和Φ兩個指標,在生態網絡理論中,作為兩個重要的結構指標被用來進行系統可持續性的度量[23].其中,指標A(式2)度量的是系統發展過程中正向反饋的大小[20,34],代表系統中可以維持系統長期完整性的有序組織部分,用以衡量系統在進行物質能量傳輸時的效率[36].指標Φ(式3)描述的是系統的冗余R(Redundancy)和開銷O(Overhead),二者之和用以表征系統遇到外界干擾時恢復到穩態的能力,即系統恢復力的大小[39].指標A與?的和表征系統的發展容量大小,即系統中所有正向反饋與冗余及開銷的和,用指標C(式4)來表示.在基于A和Φ所進行的生態系統的可持續度量研究中,Ulanowicz提出了關于生態系統可持續發展的生態網絡結構平衡理論.該理論認為在一個自然生態系統中,系統中物質能量的傳輸效率與系統受到外界干擾后的恢復力之間應該存在著一個平衡的關系才能保證系統的可持續發展,即A或?在系統發展容量C中所占的比例過高與過低都不利于系統的可持續發展,只有當二者處于一個平衡狀態時,系統的發展才是可持續的[24,26].據此,研究者提出了指標a和φ來分別表示A與C的比值和Φ與C的比值,如公式(7)(8)所示.

2.2 多流域水資源利用系統生態網絡模型構建

根據黃淮海3個流域之間的相互聯系以及各流域內各用水部門之間的水量傳輸轉化關系,本研究構建了具有18個節點(表2)、37條路徑的多流域生態網絡模型.其中,為了將流域中生態用水在模型中的存量形式轉化為模型中的流量形式以參與系統整體指標的計算,根據研究者所提出的虛擬節點和路徑的構建方法[40],設置了4、8、12三個虛擬節點和f2,4、f4,1、f6,8、f8,5、f10,12、f12,9六條虛擬路徑.模型如圖3所示,zi表示從環境輸入系統節點i的流量;yj表示節點j消耗的流量或向環境輸出的流量;fi,j表示由節點i到節點j的流量.其中,z1、z5、z9為3個流域當年的降水量;z14、z15為通過“引江工程”跨流域調水進入淮河、海河的水資源量.將來自于流域水體的水量通過f1,2、f5,6、f9,103條路徑輸入到配水系統中,進入配水系統的水量通過f2,3、f6,7和f10,113條路徑分別分配到工業、農業、生活等生產生活用水中,生態用水通過f2,4、f6,8和f10,123條路徑分配到4、8、123個節點中,生產生活用水中未處理的水量通過f3,1、f7,5和f11,93條路徑直接排放到河流中,其余生產生活用水通過f3,16、f7,17和f11,183條路徑排入污水處理廠進行處理,經處理達標后的生活、工業廢水排入河流,用f16,1、f17,5和f18,93條路徑表示.f13,15、f13,14分別是通過“引黃工程”將黃河流域的水資源跨流域引入到海河流域和淮河流域的水量.

基于以上構建的多流域生態網絡模型,根據2003～2014年黃淮海流域水資源基礎數據對其路徑流量進行賦值,結果如表4所示.計算所需數據來自《黃河水資源公報》、《淮河水資源公報》、《海河水資源公報》、《中國環境年鑒》、《國民經濟和社會發展統計公報》和《環境狀況公報》.其中,生態用水是指在特定的時空范圍內,生態系統維持一定的穩定狀態所消耗的、不作為社會和經濟用水的水資源量[41-42].由于缺少該區域詳細的生態用水量數據,根據生態用水定義及參考Li等[13]對生態用水量計算的研究方法,本研究利用總水資源量和水資源利用量的差值來進行簡化計算,其中在本研究水資源利用系統模型中生態用水量包含景觀用水量,所以需要加上景觀用水量,即生態用水量=水資源總量+景觀用水量-水資源利用量,如表3所示.對于超采的情況,生態用水量取值0.

圖3 黃淮海流域水資源利用系統的多流域生態網絡模型Fig.3 Multi-basin ecological network model of water use systems for HHH basins

表2 多流域生態網絡模型節點描述Table 2 Description of the compartments in the multi-basin ecological network model

表3 2003～2014年海河、淮河、黃河流域生態用水量(億m3/a)Table 3 Environmental water consumption for the HHH River Basin during 2003～2014 (108m3/a)

表4 2003～2014年黃淮海流域水資源利用系統網絡流量值(億m3/a)Table 4 Ecological network flows of HHH basins during 2003～2014 (108m3/a)

續表4

3 結果與討論

3.1 TST變化趨勢及分析

圖4 黃淮海流域水資源利用系統TST變化趨勢Fig.4 Changes of TST during 2003～2014 for HHH basins

圖4顯示了黃淮海流域水資源利用系統總通量的變化趨勢.在2003～2014年期間黃淮海流域的TST呈現先直線下降而后在一定波動中逐漸趨于穩定的變化特點.總體分為3個階段:第一階段為2003～2004年,TST減少了9065.09 億m3,降低33%;第二階段是2004～2007年期間,TST值存在較大的波動,在2007年達到22129.81 億m3;最后直到2014年,TST浮動于20000 億m3左右,趨于平穩.

根據TST的計算方法,在網絡路徑不變的前提下,影響TST變化的主要因素是系統輸入量.在該模型中系統的輸入量包括降水量和“引江工程”跨流域調入的水量.通過數據分析發現,調水量在2003～2014年間變化不明顯,所以降水量成為影響TST變化的主要因素.以2003年、2004年和2006年降水量為例,2003年是降水量最豐沛的一年,降水量為9742.81億m3,2004年和2006年是相對最少的2年,分別為7221.56億m3和6992.23億m3,這與TST在2003年、2004年和2006年出現最高值和最低值的變化一致.

在本研究中,由于數據的缺乏,生態用水量的計算主要是基于水資源總量和社會經濟用水的開發程度之間的差值.由于黃淮海流域社會經濟用水開發程度在2003～2014年間逐年增加,所以水資源總量的變化成為了主導其生態用水量大小的主要因素,也因此,在本研究中,降水量變化趨勢和生態用水量的變化趨勢相一致:在2003～2004年大幅度下降,之后在2004～2014年間在一定波動中趨于平穩.因此,本研究中,TST的變化不僅一方面和降水量變化趨勢一致,另一方面也反映了黃淮海流域在2003～2014年間生態用水被不斷擠占的現狀.

圖5 黃淮海流域萬元GDP用水量變化趨勢Fig.5 Changes of water consumption amount per 10000 Yuan GDP during 2003～2014 for HHH basins

為了緩解生態用水被不斷擠占的現狀以改善生態環境質量,提高其社會經濟用水效率可以有效改善生產用水的增加對生態環境所產生的壓力.本研究計算了2003～2014年期間黃淮海流域的萬元GDP耗水量指標,結果如圖5所示.由結果可見,在2003～2014年間黃淮海流域用水效率不斷提升,從172.16m3/萬元提高到42.56m3/萬元.雖然這在一定程度上減緩了生產生活用水量的增加,但實際的生態環境用水仍得不到滿足.從表3中F(2,4)、F(6,8)和F(10,12)數據可見,其生態用水量仍呈現逐年遞減的變化特征,其中尤以淮河和黃河流域生態用水量的減小情況最為明顯,表明了該流域的生態環境用水問題較為嚴峻.因此,針對該區域生態需水不能得到滿足的現狀,在后續的水資源管理中,需要繼續通過調節水價、開展農業節水灌溉、增加工業循環水利用等方式來提高用水效率,減少生產生活用水量,降低水資源的開發利用程度,緩解生產生活與生態環境間的用水競爭,以保證流域中具有足夠的生態用水量以滿足生態環境健康發展的需求.

3.2 A(Ascendency)、R(Redundancy)和O(Overhead)變化趨勢及分析

圖6 黃淮海流域水資源利用系統A、R、O變化趨勢Fig. 6 Changes of A、R、O during 2003～2014 for HHH basins

通過圖6可以看出黃淮海流域水資源利用系統的A、R和O具有相似的變化趨勢.2014年A、R和O的值相比2003年分別降低了31.02%、53.96%和37.24%,在2003～2004年間大幅度降低,之后在2004～2007年存在較大的波動,直至2014年3個指標在一定波動中趨于平緩.

將TST(圖4)和A[圖6(a)]的變化趨勢圖進行對比,發現TST與A具有相同的變化趨勢,經計算,二者相關系數高達0.997.這并不難解釋,因為根據A的計算公式可知A綜合了TST和AMI兩方面的共同作用[43-44].并且,這一結論也與Latham所提出A與TST具有很強的相關性,且TST是影響A變化的主導因素[45]的研究結論相符.由此可以得出,在2003～2014年間黃淮海流域水資源利用系統中TST是A變化的主要影響因素,同時隨著系統總通量的減小,網絡組織中的有序部分也會隨之不斷減少.

根據生態網絡理論,當外界環境對系統的干擾減小時,R會隨之減小[45].因此,R的計算結果[圖6(b)]反映了黃淮海流域在2003～2014年間系統所受到的外界環境壓力在逐漸減小.在黃淮海流域水資源利用系統中,外界環境對系統的干擾強弱主要由各節點消耗量和輸入量兩方面構成.由系統網絡流量值,表3中F(3,0)、F(7,0)、F(11,0)的變化情況可知,黃淮海流域的總耗水量在2003～2004年間大幅度下降,由9769.71億m3降至7256.88億m3,總體減少25.72%;而在2004～2014年期間又在一定波動中小幅度上升了8.2%.可見,從總體上來說,在2003～2014年間外界環境對系統的干擾逐漸減弱.

根據生態網絡理論,O反應了網絡中各節點與環境間所產生的開銷大小,當該值減小時,說明系統受到外界環境的壓力減小,當該值增加時,則相反[47].因此,如圖6(c)所示,O在波動中逐漸減小的這一結果說明了在2003～2014年期間,黃淮海流域水資源利用系統的開銷在一定波動中逐漸減小,系統受到來自于環境的壓力在一定波動中不斷減小,這和上述R的分析結果中所提到的外界環境對系統干擾減小的結論相一致.

結合R和O的分析結果可知,在2003～2014年期間,黃淮海流域水資源利用系統受到來自于環境的壓力減小,而該壓力的減小主要是由于系統中生產生活耗水量的減小造成的.對黃淮海流域在該期間所開展的水資源管理措施進行調查發現,在國家“十一五”、“十二五”規劃提出建設節水型社會的總綱領下,黃淮海流域所屬的各省份圍繞建設節水型社會“四大體系”逐步建立并完善了節水型制度體系,從管理體系、經濟結構體系、工程技術體系和行為規范體系等方面提出相應具體措施,如調整產業結構、開展農業節水灌溉技術、加強清潔生產、提高城鄉居民生活用水和工業循環水利用的效率,由此大幅度提高生產生活的用水效率,有效減少了生產生活中的耗水量,從而使系統受到的環境壓力減小,更有利于系統的穩定發展.

3.3 a和φ變化趨勢及分析

圖7顯示了在2003～2014年間a和φ的變化趨勢.a的變化主要分為3個階段:第一階段是2003～2007年,a在2003～2004年間大幅度下降達到最低值后逐漸升高;第二階段是2007～2012年,a緩慢下降;第三階段則是2012～2014年,a呈現升高的變化趨勢.相應的,由于a+φ=1,所以φ呈現了與a完全相反的變化特征.2004年,系統的φ大于a,說明在2004年系統的恢復力即抵御外界干擾的能力比系統自組織能力強.除去2004年,在其他年份中,系統的a大于φ,說明此時系統的物質傳輸及轉換能力比系統恢復力強.總體來說,該系統在此期間呈現出了a大于φ的網絡結構特征.

圖7 黃淮海流域水資源利用系統網絡a和φ變化趨勢Fig.7 Changes of a and φ during 2003～2014 for HHH basins

根據Baird[48]的研究理論,在生態系統中,系統內部即關于節點間物質傳輸的AInternal和CInternal的比值aI(即aI=AInternal/CInternal)代表系統的成熟度,aI值越大系統越成熟和穩定,具有更好的自組織性能.據此,本研究計算了2003～2014年黃淮海流域水資源利用系統aI的變化情況,如圖8所示,隨著時間的變化,系統的aI值在2004年達到最大值,在2005年達到最低值,而后在一定波動中逐漸增大.如果依據Baird理論,則2004年、2009年、2013～2014年是黃淮海流域水資源利用系統成熟度相對較高的4a,且成熟度在2005～2014年間不斷增大.但是,通過對比歷年生態用水量的變化情況可知,在以上所提到的系統相對成熟的年份中,生態用水量的值均相對較低,說明當年該系統的生態用水量短缺問題嚴重,由生態用水短缺帶來的一系列生態環境問題會對系統的可持續性發展產生較大的影響.可見,這一結果與Baird的成熟度理論相悖.這是因為,對于水資源利用系統來說,它不僅包含了自然生態環境要素,還包含了社會經濟等人工要素的共同作用,相比生態系統來說屬于半自然半人工復雜系統.因此,應用于自然生態系統中的成熟度指標并不能完全適用于水資源利用系統.從該角度而言,在水資源利用系統的分析中,生態網絡分析中所提到的系統成熟度與系統的可持續性并不具有相關性.所以,在未來的研究中,需要進一步研究提出適用于水資源利用系統的可持續度量指標和研究方法.

圖8 黃淮海流域水資源利用系統aI變化趨勢Fig.8 Changes of aI during 2003～2014 for HHH basins

綜上所述,自2003年以來,黃淮海流域水資源利用系統受到的外界壓力越來越小,但生態用水短缺的問題仍十分嚴峻,可持續性有待提高.在未來的發展過程中,可以進一步通過提高水價、加強農業節水灌溉、提高循環水利用等措施來提高黃淮海流域的用水效率,并通過調水引流、閘壩控制等方式來提高生態補水量,以持續減小系統所受到的外界壓力和干擾,促進黃淮海流域水資源利用系統的可持續發展.

4 結論

4.1 在2003～2014年期間,系統TST在一定波動中不斷減小,主要受自然環境(降雨量)的影響;同時也反應了在該期間,其生態用水量受到擠占,生態環境脆弱性加大的現狀.盡管當地通過提高城鄉生活用水水價、改善農業節水灌溉、增強工業水循環利用等措施很大程度上提高了用水效率,在一定程度上抑制了生產生活用水量的增加,但未能有效改善生態需水無法得到滿足、依然短缺的現狀.

4.2 系統的A、R和O在2003～2014年期間具有相同的變化趨勢,均在一定波動中逐漸減小.由該結果可知,在此期間,黃淮海流域通過建立并完善節水型社會制度體系,促進了生活、農業、工業等多方面用水效率的提高,使得耗水量逐漸減小,從而減小了其受到來自外界環境的壓力和干擾.

4.3 通過a和φ分析,黃淮海流域水資源利用系統在2003～2014年期間,在總體上呈現出了a大于φ的網絡結構特征.同時,通過對aI進行分析發現,應用于自然生態系統中的成熟度指標并不能完全適用于水資源利用系統.在水資源利用系統的分析中,生態網絡分析中所提到的系統成熟度與系統的可持續性并不具有相關性,對水資源利用系統的成熟度與可持續性仍需進一步研究.

[1] 王 浩,秦大庸,王建華.流域水資源規劃的系統觀與方法論 [J].水利學報, 2002,33(8):1-6.

[2] 王 浩,王建華,秦大庸,等.基于二元水循環模式的水資源評價理論方法 [J]. 水利學報, 2006,37(12):1496-1502.

[3] 趙建世,王忠靜,翁文斌.水資源復雜適應配置系統的理論與模型 [J]. 地理學報, 2002,57(6):639-647.

[4] 彭 祥,胡和平.黃河水資源配置博弈均衡模型 [J]. 水利學報,2006,37(10):1199-1205.

[5] 趙建世,王忠靜,甘 泓,等.雙要素水資源承載能力計算模型及其應用 [J]. 水力發電學報, 2009,28(3):176-180.

[6] 孫冬營,王慧敏,于 晶.基于模糊聯盟合作博弈的流域水資源優化配置研究 [J]. 中國人口.資源與環境, 2014,24(12):153-158.

[7] Berger T, Briner R, Diaz J. Capturing the complexity of water uses and water users within a multi-agent framework [J]. Water Resources Management, 2007,21:129-148.

[8] 程 蕾,郝增超,曾維華.基于生態網絡分析法的煤化工水網絡結構解析 [J]. 中國環境科學, 2017,37(6):2363-2368.

[9] 石 紅,張 博,李 媛,等.基于生態網絡分析的流域水資源可持續性評價方法研究 [J]. 水電能源科學, 2015,33(4):38-42.

[10] Kharrazi A, Akiyama T, Yu Y, et al. Evaluating the evolution of the Heihe River basin using the ecological network analysis:efficiency, resilience, and implications for water resource management policy [J]. Science of the Total Environment, 2016,572:688-696.

[11] Li Y, Chen B, Yang Z F. Ecological network analysis for water use systems—A case study of the Yellow River Basin [J].Ecological Modelling, 2009,220(22):3163-3173.

[12] Li Y, Yang Z. Network structure analysis for environmental flow toward sustainable water use [J]. Procedia Environmental Sciences, 2010,2(6):1737-1744.

[13] Yuan Li, Yuebin Wang, Changqing Lin, et al. Evaluating the Revised Water Use Network Model based on Ecological Network Analysis with the Consideration of Environmental Flow [J].Journal of Environmental Accounting and Management, 2017,5(3):255-271.

[14] Wu B, Zeng W, Chen H, et al. Grey water footprint combined with ecological network analysis for assessing regional water quality metabolism [J]. Journal of Cleaner Production, 2016,112:3138-3151.

[15] Mao X, Yang Z. Ecological network analysis for virtual water trade system: A case study for the Baiyangdian Basin in Northern China [J]. Ecological Informatics, 2012,10(7):17-24.

[16] 中國水利水電科學研究院.黃淮海流域水資源合理配置研究簡介 [J]. 中國水利, 2003,(2):39-47.

[17] 邵薇薇,黃 昊,王建華,等.黃淮海流域水資源現狀分析與問題探討 [J]. 中國水利水電科學研究院學報, 2012,10(4):301-309.

[18] Leontief W W. Quantitative input and output relations in the economic systems of the United States [J]. Review of Economics& Statistics, 1936,18(3):105-125.

[19] Leontief W W. The structure of American economy, 1919～1939:an empirical application of equilibrium analysis [J]. Economic Journal, 1952,62(248):908.

[20] Leontief W W. Input-output economics [M]. Oxford University,1966:35-50.

[21] Hannon B. The structure of ecosystems [J]. Journal of Theoretical Biology, 1973,41(3):535-546.

[22] Patten B C. Systems approach to the concept of environment [J].Ohio Journal of Science, 1978,78(4):255-271.

[23] Fath B D, Patten B C. Review of the foundations of network environ analysis [J]. Ecosystems, 1999,2(2):167-179.

[24] Zorach A C, Ulanowicz R E. Quantifying the complexity of flow networks: How many roles are there? [J] Complexity, 2003,8(2):68-76.

[25] Ulanowicz R E. Quantitative methods for ecological network analysis [J]. Computational Biology & Chemistry, 2004,28(5/6):321-339.

[26] Ulanowicz R E, Goerner S J, Lietaer B, et al. Quantifying sustainability: resilience, efficiency and the return of information theory [J]. Ecological Complexity, 2009,6:27-36.

[27] Tollner E W, Schramski J R, Kazanci C, et al. Implications of network particle tracking (NPT) for ecological model interpretation [J]. Ecological Modelling, 2009,220(16):1904-1912.

[28] Heymans J J, Baird D. A carbon flow model and network analysis of the northern Benguela upwelling system, Namibia [J].Ecological Modelling, 2000,126(1):9-32.

[29] Christian R R, Thomas C R. Network analysis of nitrogen inputs and cycling in the Neuse River estuary, North Carolina, USA [J].Estuaries, 2003,26(3):815-828.

[30] Whipple S J, Borrett S R, Patten B C, et al. Indirect effects and distributed control in ecosystems: Comparative network environ analysis of a seven-compartment model of nitrogen flow in the Neuse River estuary, USA—Time series analysis [J]. Ecological Modelling, 2007,206(1/2):1-17.

[31] Schramski J R, Gattie D K, Patten B C, et al. Indirect effects and distributed control in ecosystems: Distributed control in the environ networks of a seven-compartment model of nitrogen flow in the Neuse River Estuary, USA—time series analysis [J].Ecological Modelling, 2007,206:18-30.

[32] Bodini A, Bondavalli C. Towards a sustainable use of water resources: a whole-ecosystem approach using network analysis[J]. International Journal of Environment & Pollution, 2002,18(5):463-485.

[33] Li Y, Yang Z F. Quantifying the sustainability of water use systems: Calculating the balance between network efficiency and resilience [J]. Ecological Modelling, 2011,222(10):1771-1780.

[34] Hai R, Shi H, Zhang B, et al. An ecological information analysis-based approach for assessing the sustainability of water use systems: a case study of the Huaihe River Basin, China[J].Clean Technologies & Environmental Policy, 2015,17(8):2197-2211.

[35] Hairet T, Wang W, Li Y, et al. Assessment of water ecological carrying capacity based on ecological network structure [J].Journal of Environmental Accounting & Management, 2014,2(4):335-345.

[36] Mac Arthur. Fluctuations of animal populations, and a measure of community stability [J]. Ecology, 1955,36:533-536.

[37] Weber B H, Depew D J, Dyke C, et al. Evolution inthermodynamic perspective: An ecological approach [J].Biology & Philosophy, 1989,4(4):373-405.

[38] May R M. Will a large complex system be stable? [J] Nature,1972,238:413-414.

[39] Holling C S. Resilience and stability of ecological systems [J].Annual Review of Ecology & Systematics, 1973,4:1-23.

[40] Fath B D. Ecological network analysis: network construction [J].Ecological Modelling, 2007,208:49-55.

[41] 王西琴,劉昌明,楊志峰.生態及環境需水量研究進展與前瞻 [J].水科學進展, 2002,13(4):507-514.

[42] King J, Brown C, Sabet H. A scenario-based holistic approach to environmental flowassessments for rivers [J]. River Research and Applications, 2003,19:619—639.

[43] Ulanowicz R E. Growth and development: ecosystems phenomenology [J]. Quarterly Review of Biology, 1986,11(1):73.

[44] Ulanowicz R E. An hypothesis on the development of natural communities [J]. Journal of Theoretical Biology, 1980,85(2):223-245.

[45] Latham L G, Scully E P. Quantifying constraint to assess development in ecological networks [J]. Ecological Modelling,2002,154:25-44.

[46] Ulanowicz R E. Ecology, the ascendent perspective [J]. Quarterly Review of Biology, 1999,22(2):207-226.

[47] Ulanowicz R E, Norden J S. Symmetrical overhead in flow networks [J]. International Journal of Systems Science, 1990,21(2):429-437.

[48] Baird D, Mcglade J M, Ulanowicz R E. The comparative ecology of six marine ecosystems [J]. Philosophical Transactions of the Royal Society B Biological Sciences, 1991,333(333):15-29.