區域用水結構演變研究進展

魏 榕，王素芬，訾 信

(中國農業大學水利與土木工程學院，北京 100083)

當今社會水資源供需不平衡問題突出，水資源配置管理已成為社會治理中最受關注的問題之一。根據2018年世界水資源開發報告，受人口增長、經濟發展以及消費模式的變化等因素影響，未來20 a全球水資源需求量將繼續顯著增長。預計到2025年，生活、工業、家畜方面的水資源需求量將上升50%，各行業用水矛盾進一步加劇，水資源管理問題變得更加嚴峻復雜。用水結構是某一地區在一定時期內各行業用水比重的反映，是水資源管理進程中的一項重要參考指標。通過優化水資源使用結構，能夠將水資源的利用效益發揮到最大。從微觀角度而言，深入分析用水結構演變規律及其驅動要素，是了解人類用水過程、緩解水資源利用矛盾的前提和基礎；從宏觀角度而言，用水結構是區域水資源條件、社會政策、經濟狀況等多重因素作用下的結果，合理規劃用水結構是實現水資源高效配置，區域經濟社會可持續發展的支撐和保障。

1 用水結構分類

用水結構研究可分為2個層次，第1層為常規意義上按用水部門劃分的用水結構，國外的分類方式通常為農業用水、工業用水、市政用水和水庫蓄存，國內學者通常將用水結構分為農業用水、工業用水、生活用水和生態用水，或者按照用戶特征分為生產用水、生活用水和生態用水[1]。第2層為各部門用水結構內部的劃分，比如，基于我國農業用水占比大的現實情況，有學者對農業用水結構進行單獨研究，進一步將農業用水劃分為農、林、牧、漁用水和糧、經、飼作物用水[2,3]，還有學者將流域生態用水又細分為農田生態用水和城市綠化用水，并分別歸入到農業用水和生活用水中進行分析[4]。

2 用水結構時空演變研究

早期的用水結構演變研究主要集中于統計學等定量分析方法[5]對城市各部門的用水現狀分析和用水時間過程量化研究。用水結構時序選取主要有1 a和多年2種方式，時間序列長短因分析方法而異。隨著社會經濟的發展與產業結構的調整，用水結構問題關注點轉變為區域用水結構與種植結構[6]、產業結構的關聯研究[7]，用水結構與人口、耕地、經濟等多要素的時空協調分析[8,9]。演變結果的表達也更加豐富直觀，例如王樹旺在分析安徽省用水結構演變規律時，引入信息熵的概念，并利用GIS軟件繪制信息熵空間變化圖，使計算結果可視化[10]。近年來，隨著對虛擬水貿易研究的深化，傳統的依靠工程措施和技術措施的水資源管理模式得到轉變，為地區水資源危機提供了新的解決思路[11,12]。田貴良等基于虛擬水貿易理論建立了區域虛擬水貿易量計算模型[13]，其結論對于中國缺水城市的用水結構優化具有指導作用；Zhi等通過構建GRIT-IO-WAD框架對海河流域的水足跡變化進行了分解分析，并建議通過產業結構調整以達到節水目標[14]。

目前，用水結構時空演變的研究對象多為經濟結構發達的省市，針對流域和灌區尺度開展的研究較少[15]。從時間上看，由于區域部分長序列資料缺乏完備性，可能導致實證結果與實際情況出現偏差，且對各水平年的橫向對比研究較少。常用的研究方法有協調度模型[16]、信息熵理論[17]、基尼系數與洛倫茲曲線[18]以及水足跡理論。每種方法各有利弊，比如熵權法和基尼系數法均有計算簡便、適用性強、評價結果直觀等優點，但熵權法的權數確定依賴于樣本，缺乏各指標間的橫向比較；在用洛倫茲曲線和基尼系數法劃分用水不均衡等級時，劃分標準比較模糊，缺乏統一量化標準；協調度理論雖然實現了對不同時間、空間及用途的用水協同分析，但復合系統的復雜性會使計算工作任務量加重。水足跡理論的出現豐富并拓展了傳統的水資源管理理念，它將糧食安全、水安全和生態安全納入一個統一的體系，結合我國基本國情，具有戰略意義，但由于目前我國的虛擬水交易量尚小，理論和經驗存在不足。

3 用水結構驅動因素分析

用水結構驅動因子主要分為2大類，分別是包括人口、經濟發展、科技進步和政策行為等在內的社會驅動因子及自然環境驅動因子，或按照用水部門分為農業用水變化驅動力因子、工業用水變化驅動力因子及生活用水變化驅動力因子。數理統計法是目前分析用水結構驅動因子主要采用的方法，主要包括回歸分析法、相關分析法、主成分分析法等。例如，劉兵等[19]分別以干旱灌區為研究對象，利用主成分分析法，篩選并確定了用水結構演變的主要驅動因子。這一類方法的共同特點是對樣本數量要求較高，且要求數據具有典型的概率分布，計算復雜，有時在實際工作中難以實現，經常會由于系統發展的“不確定性”趨勢而導致實證結果發生“偽回歸”。此外，灰色系統關聯分析也是一種常用的量化用水結構驅動因素影響度的方法，這種方法建立在灰色系統理論基礎上，通過序列相似程度來判斷驅動因素與用水結構間的關聯程度[20,21]。相比于數理統計法，該方法對處理小樣本、數據規律性不強、信息不完備、經驗缺乏的問題具有優勢，較適合復雜的用水結構演變動態歷程分析，但也存在主觀性強、最優值難以確定等方法應用上的局限性。因此，在實際分析中，還應根據不同情況作出不同選擇。

4 用水結構預測

在準確分析用水結構驅動因子的基礎上，建立模型對用水結構進行預測主要具有如下意義：①為供水、配水及相關部門提供參考依據，從而提前制定用水管理計劃；②為區域水資源的優化調度提供理論依據，提高水資源的配置效率。

目前較為成熟的用水結構預測方法有趨勢法、用水定額法[22]和灰色預測法[23,24]。灰色預測法適合預測時序短、數據資料少且波動不大的數據列預測，短期預測精度高，且計算方法簡便，而趨勢法和用水定額法雖然適用性較強、模型處理簡單，但不能夠充分反映不確定的社會因素對用水量的影響，必然導致模型與實際情況存在一定偏差。此外，人工神經網絡[25-27]、馬爾可夫模型[28]在用水量分析預測方面也得到了廣泛應用。人工神經網絡法的優勢是充分考慮了不確定的社會因素對用水量的影響，但在實際應用過程中存在訓練時間長、對于有限樣本訓練的神經網絡結構不穩定等問題，而馬爾可夫鏈對長期預測中隨機波動性較大的問題預測精度較高，對需水量預測中的不確定性具有較好的適用性。隨著預測方法的不斷發展和完善，模型的構建已不再拘泥于單一方法，而是開始嘗試組合預測或通過組合模型對原方法進行修正[29-31]。組合預測方法的優勢在于可以充分利用各種信息，且預測精度均優于單一模型的預測精度，但由于狀態的劃分具有主觀性，須進行多次比較檢驗，對組合權系數的確定也有待探索。但目前在這方面開展的研究主要集中在城市居民生活用水量需求方面，少有在區域或流域范圍開展的研究。

5 結 語

本文對用水結構時空演變、用水結構驅動因素及用水結構預測研究現狀和方法進行了總結，可以發現，目前關于用水結構方面的研究已經取得了一定的成果，主要集中于數理統計法、信息熵法、基尼系數與洛倫茲曲線、主成分分析法等定量分析方法對用水結構時間演變和驅動要素的量化研究，以及基于神經網絡、灰色系統和馬爾可夫模型的城市需水量預測，研究對象多集中在省域或經濟結構發達的地級市，針對流域和灌區開展的研究有限，缺乏對用水結構在時空上的動態演變研究，且對各地區的研究方法與研究成果間的異同和關聯并未作深入探討。

對用水結構預測問題的研究具有耦合多學科模型的發展趨勢，結果的表達也更加多元化、直觀化。擁有較高預測精度的組合預測模型為研究提供了新的思路，不僅能反映出數據序列發展變化的總體趨勢，還能夠描述系統各狀態之間的內在規律，但對于組合權系數的確定以及模型的普適性等問題還需作深入研究。在生態文明建設和節水型社會的大環境下，用水結構與水足跡，水資源的環境、經濟和社會問題的一體化問題[32]都將成為研究熱點。同時，從以經濟和法律為主的社會科學視角開展研究，例如不同用水部門間的水權轉換也是水資源管理者關注的重點。如何在最嚴格水資源管理制度的背景下實現對區域用水結構的合理規劃配置是我們今后要思考的問題。

□