廣西水資源壓力時空特征分析及未來狀態預測研究

莫崇勛，祝 燦，阮俞理，雷興碧，莫細喜，楊云川

（1.廣西大學土木建筑工程學院，南寧 530004；2.工程防災與結構安全教育部重點實驗室，南寧 530004；3.廣西防災減災與工程安全重點實驗室，南寧 530004）

中國的水資源供需矛盾十分突出，水資源短缺已成為制約國民社會經濟發展的重要因素之一。水資源壓力分析能夠揭示區域水資源缺乏的狀況，已引起水資源管理研究領域的廣泛關注，如廖樂等［1］以湖北省為研究區域，對2009年湖北省各主要地市的水資源壓力指數進行了計算和分析；朱法君［2］從人口數量壓力、水資源數量壓力、水環境壓力等6個方面提出了水資源壓力分項指標以及水資源綜合壓力指數的計算方法，并對2008年浙江省各地市的水資源壓力指數進行了研究；丁超等［3］結合虛擬水的社會循環過程，分別對2007、2012、2017年的中國西北地區水資源狀況進行了分析評價；王晶等［4］通過構建PSRMDS 水資源承載力評價模型對河北省2018年水資源狀況進行了研究；卞錦宇等［5］通過構建水資源承載力評價指標體系對2016年太湖流域的水資源承載力進行了現狀評價；Fang［6］將二元指標法和折減指標法相結合，對2015年太湖流域地區各地級市的水資源承載力進行了評估。

上述已有的水資源壓力研究大多基于歷史數據對某些特定年份進行分析，針對未來水資源壓力的演變趨勢及狀態預測鮮少涉及。因此，論文選取廣西全區作為研究區域，采用水資源壓力指數計算了其2002-2019年的水資源壓力，并運用Mann-Kendall 檢驗法及馬爾科夫鏈風險預警模型對水資源壓力變化進行趨勢分析和未來狀態預測，以期為當地水資源的開發利用和綜合管理提供科學依據。

1 研究方法

1.1 水資源壓力指數

水資源開發利用程度定義為年取用的水資源量占可獲得的水資源總量的百分率，論文將其選定為水資源壓力指數WSI（Water Stress Index）用以描述廣西各地區水資源壓力分布情況［7，8］。其計算公式為：

式中：i為各地級市的空間序列；t為時間序列；Wi，t為流域水資源總量；SAi，t、SIi，t、SDi，t、SEi，t分別為研究區域內用于農業、工業、生活以及生態環境的供水量。

WSI在表征水資源緊缺程度時，將其劃分為4 個壓力［9，10］：低壓力、中低壓力、中高壓力以及高壓力。其水資源壓力指數分區標準見表1。

表1 水資源壓力指數分區標準Tab.1 Classification criteria of Water Stress Index

1.2 Mann-Kendall趨勢檢驗方法

Mann-Kendall 趨勢檢驗法（簡稱M-K 檢驗）是提取趨勢變化的非參數統計檢驗方法，其特點是不需要數據樣本遵從一定的分布規律，也不受少數異常值的干擾，適用于數據序列隨時間變化的趨勢分析，因而在降雨時空演變規律［11-14］、水資源壓力時空變化特征［7，15］等研究領域得到了較好的應用。采用M-K檢驗法對式（1）計算得出的WSI進行顯著性分析，計算原理如下：

假定時間序列（x1，x2，x3，…，xn）獨立同分布，計算統計量S。計算式為：

S為正態分布，其方差Var(s)如公式（4）所示，標準的正態統計變量Z可通過公式（5）計算。

在雙邊的趨勢檢驗中，在給定的α 置信水平上，如果|Z|≥Z1-α/2，則時間序列數據存在明顯的上升或下降趨勢，當統計變量Z＞0時，呈上升趨勢；Z＜0，呈下降趨勢。變化趨勢指數β計算如式（6）所示。式中，M為所求序列的中位數。

1.3 馬爾科夫鏈風險預警模型

馬爾科夫過程是一種特殊的隨機運動過程，它通過初始概率和狀態之間的轉移概率，可以預測事件未來所處的狀態和發展趨勢［16，17］。由于水系統具有風險性和不確定性的特點，假設其未來狀態僅取決于當前狀態，即水系統具有馬爾可夫性質［18］。因此，本文采用馬爾科夫鏈風險預警模型來描述水資源壓力的隨機變化，其計算原理如下：

假設序列（x1，x2，x3，…，xn）含有k個狀態，nij為狀態Si經過1 次轉移到達狀態Sj的頻數，由nij組成的矩陣就是相應的狀態轉移頻數矩陣。將轉移頻數矩陣中第i行第j列的元素nij除以第i行的元素之和，得到轉移概率Pij，其組成的矩陣叫做狀態轉移概率矩陣，記作P：

對于齊次馬爾科夫鏈，轉移概率Pij只與狀態Si、Sj以及時間間距t有關，此時未來第n期的狀態概率分布P(n)是初始狀態概率分布P(0)的n次方，即：

分析P(n)中的概率分布，概率最大值所對應的狀態即是預測對象未來所處的狀態。

2 結果分析

2.1 廣西水資源壓力時空特征

采用公式（1）計算廣西整體水資源壓力，結果如圖1。由圖1可知，在2002-2019年間，廣西水資源壓力較低，WSI最小值為2017年的0.12，最大值為2011年的0.22。WSI由0.13 的低壓力狀態過渡到中低壓力狀態，2011年達到峰值后開始大幅減小，2019年又上升至0.14。廣西水資源總量最大值為2015年的2 434 億m3，最小值為2011年的1 350.6 億m3，最小值僅為最大值的55.49%，說明廣西水資源年際間分配不均。而在研究期內，廣西水資源總量由研究起始年份的2 372.6 億m3降低到2019年的2 105 億m3，降低了11.28%；總供水量由2002年的297.6 億m3降低到2019年的283.4 億m3，僅降低了4.77%，用水總量緩慢減少，而水資源總量下降相對較快，導致2019年廣西全區的水資源壓力相較于研究起始年份增長了7.69%。

對廣西各市WSI變化進行研究，其分布情況如圖2所示。廣西大部分區域在2002、2003、2006、2008、2016、2017年這6年內總體WSI相對偏小，其余年份水資源壓力相對較大。特別的，2007年南寧市、貴港市、百色市、玉林市水資源壓力達到高壓力狀態（WSI≥0.4），水資源嚴重稀缺，與社會經濟環境發展極不協調，水沖突一觸即發；2009年南寧市、貴港市、北海市水資源壓力達到高壓力狀態；2010年北海市和貴港市WSI均大于0.4，水資源壓力狀態為高壓力狀態；2011年全區共有10 個地級市其WSI大于0.2，且百色市水資源壓力歷年來首次達到0.23。水資源壓力受氣候變化的影響較大，Wada 等［19］發現水資源壓力與水文干旱和社會經濟干旱密切相關，歷史上記載發生干旱的地區，其干旱年對應的WSI值較大。據《廣西壯族自治區水資源公報》記載，2007年廣西接連發生嚴重的春旱、夏伏旱、秋冬連旱；2009年廣西氣候異常，先后發生了春旱、夏秋冬連旱；2010年，廣西遭遇百年一遇的特大干旱災害；而在2011年，廣西氣候異常，出現了歷年罕見的主汛期夏旱災。廣西WSI分布情況與歷史旱災吻合，表明水資源壓力與水文干旱具有一定聯系。

從WSI空間分布來看，河池市、防城港市水資源狀況良好，僅在2004年和2007年防城港市水資源壓力達到中低壓力狀態，其余年份WSI均小于0.1；柳州市、百色市、崇左市水資源壓力相對較小，其WSI均小于0.2（2007年和2011年例外），處于中低壓力狀態；梧州市和桂林市除2003、2007、2011年WSI處于中高壓力狀態（0.2≤WSI＜0.4）外，其余年份均為中低壓力狀態，水資源狀況較為良好；欽州市在2004、2005、2007 等6年，水資源壓力達到中高壓力狀態，其余年份其WSI均介于0.1～0.2之間；廣西中部及南部部分地區（南寧市、貴港市、來賓市、北海市、玉林市）水資源壓力較大，其WSI多大于0.2，處于中高壓力狀態。高壓力地區其WSI年際變化情況如圖3所示，五市水資源壓力變化在2006-2011這6年間變化劇烈，而在2012-2019年間變化幅度較小。據《廣西壯族自治區統計年鑒》統計，2006-2011年間水平年分別為：平水年、枯水年、豐水年、枯水年、平水年、枯水年。水資源總量最小值1 350.6 億m3（2011年）僅為最大值2 282.5 億m3（2008年）的59.2%，這種枯—豐（平）—枯交替的水文變化狀況，致使五市水資源壓力波動強烈。而2012年以后，僅有2018年為平水年，其余年份均為豐水年，因而資源壓力變化平緩。

2.2 水資源壓力變化趨勢

運用M-K 檢驗對廣西全區及14 個市級行政區的水資源壓力指數進行趨勢分析，結果見表2。由表2可知，呈上升趨勢的地區有3 個，呈下降趨勢的有12 個。而對于給定的α置信水平（本文取α=0.05），水資源壓力呈顯著下降趨勢的地區為桂林市和防城港市（|Z|≥1.96），下降速率分別為-0.004 5/a 和-0.001 3/a。根據《廣西壯族自治區統計年鑒》數據資料，對具有顯著下降趨勢的桂林市及防城港市進行分析。桂林市在2002-2019年間GDP 增長了4.84 倍，供水總量減少了30.84%，第一產業生產總值占總值的23.12%，工業用水減少了36.75%；防城港市供水總量減少了30.99%，農業用水減少了41.37%，工業用水增加71.43%，第二產業生產總值占總值的47.18%，說明合理地調整產業結構可以降低水系統的風險。

表2 2002-2019年研究區水資源壓力變化統計Tab.2 Statistics on changes in water stress during 2002-2019

2.3 水資源壓力預測

根據分區標準，將廣西水資源壓力分為4 個狀態：S1（WSI＜0.1）、S2（0.1≤WSI＜0.2）、S3（0.2≤WSI＜0.4）、S4（WSI≥0.4）。將驗證年（2017-2019年）廣西WSI的預測分布（圖4）和實際分布（圖1）進行對比。從圖中可知，2017年玉林市、賀州市、來賓市實際水資源壓力狀態屬于S2（0.1≤WSI＜0.2），而預測的狀態為S3（0.2≤WSI＜0.4），預測的水資源壓力值偏大；2018年二者水資源壓力狀態分布大體相同，但北海市實際水資源壓力狀態屬于S4（WSI≥0.4），而預測的狀態為S3（0.2≤WSI＜0.4），預測的水資源壓力值偏小，并且玉林市預測值反而偏小；2019年欽州市預測值偏小，但百色市、崇左市、柳州市等5 市預測值偏大。2017-2019年預測準確率分別為66.67%、80%、60%，2017年和2019年精度相對較低，究其原因主要有以下3點：①研究期較短。由于廣西歷年來有多次行政區劃變更，為保證數據的準確性和一致性，本研究選取最后一次重大變更年份（2002年）作為研究起始年，整個研究期較短僅有18年。②豐-枯水平年分布不均。廣西豐水年主要集中于2012-2019年，而枯水年集中于2006-2011年，驗證期內2017年和2019年因均為豐水年預測準確度接近，而2018年為平水年，基于2002-2012年內較為集中的平（枯）水年樣本致使預測精度較高。③固定的狀態劃分的閾值。造成準確度低的部分地區如柳州市，其2017年和2019年實際WSI分別為0.095、0.092，與狀態S1、S2劃分的閾值0.1過于接近。此外，當水資源壓力狀態為S1或S2（WSI＜0.2）時，水資源安全狀況仍處于較良好狀態，無須過分警惕，因而采用馬爾科夫鏈預警模型對未來水資源壓力狀態進行預測仍具有一定的可行性。

基于馬爾科夫鏈風險預警模型，預測廣西2020-2022年未來狀態的轉移概率見圖5。由圖5可知，隨著年份增長，轉移概率增大的地區有：廣西全區、梧州市、欽州市、百色市、賀州市，減小的地區有：北海市、貴港市、玉林市、來賓市；南寧市、防城港市、河池市轉移概率先增后減，柳州市、桂林市、崇左市轉移概率先減后增。廣西各地市整體水資源狀況最終趨于穩定，狀態波動較小。根據目前的發展趨勢和水資源壓力指數的轉移概率，2022年廣西全區的水資源壓力將處于中低壓力狀態；河池市和防城港市水資源壓力處于低壓力狀態；柳州市、桂林市、梧州市、欽州市、百色市、賀州市、崇左市水資源壓力將介于0.1～0.2 間；而南寧市、北海市、貴港市、玉林市、來賓市水資源壓力狀態將達到中高壓力狀態，需要保持警惕。

3 結 論

（1）南寧市、貴港市、來賓市、北海市、玉林市水資源壓力常年處于中高壓力狀態，由于枯—豐（平）—枯交替的水平年變化狀況，導致五市在2006-2011水資源壓力波動強烈。特別的，由于干旱影響2007年、2009年、2010年以及2011年廣西整體水資源壓力偏大。

（2）通過對廣西各地市長時間序列的水資源壓力進行計算和趨勢分析，桂林市和防城港市WSI呈顯著下降趨勢。

（3）2020-2022年廣西整體水資源狀況趨于穩定，驗證年（2017-2019年）預測準確率分別為66.67%、80%、60%。

（4）論文以年尺度的地表水資源進行分析預測，對水資源壓力的季節性變化特征并未涉及，同時也未考慮地下水資源對水資源壓力的影響，今后需加強這方面的研究。□