四川省水資源承載力研究

胡淑杰，鄧英爾

(成都理工大學 地質災害防治與地質環境保護國家重點實驗室，四川 成都 610059)

水資源承載力是對某一區域或流域下的水資源在不破壞生態環境的條件下，可以維持所在區域經濟發展的所需的水資源的支持能力。其變化總是與該區域的社會發展階段和經濟技術水平相聯系。因此了解一個國家或地區的水資源承載力情況有助于調控人口、經濟與水資源利用量之間的協調發展。本文收集了四川省省份連續幾年水資源數據，對四川省水資源承載力評價，進而了解該地區目前承載力狀況和變化趨勢，為以后的的學者提供一些參考依據。

水資源承載力的評價指標很多，且相互之間不存在線性關系。目前對于水資源承載力的研究已經相當成熟，評價方法也有很多。往往適用于多指標綜合評價的方法都適用于水資源承載力評價。如金菊良，等構建基于最大信息熵的投影尋蹤方法對安徽省水資源承載力進行評價，采用加速遺傳算法優化最佳投影方向，最終得到較合理的評價結果[1]。許郎等.利用主成分分析法對江蘇省水資源承載力進行研究[2]。邢軍等將因子分析與模糊綜合評價相結合對合肥市水資源承載力進行評價[3]。任書軍采用模糊綜合評價法對葫蘆島市水資源承載力進行評價，期間選擇不同的方法對各指標層權重進行計算[4]。另外也可構建模型實現對水資源承載力的評價，如劉敬東基于DPSIRM模型下研究區域水資源承載力[5]，李少明等創建AHP-TOPSIS模型以江蘇省為研究區域進行水資源承載力評價等[6]。在對四川省水資源評價研究時采取的方法包括主成分分析[7]、集對分析[8]、DEA模型[9]等。這些都對本文的評價方法選取提供了依據。

在對水資源承載力進行評價之前，首先選擇評價方法，基于本次的數據量本文選取因子分析對評價指標進行處理，采取熵權法[10]指標賦權確保綜合得分的客觀性。為消除偶然因素影響，收集近十年數據作為基礎[11-14]橫向上利用多年平均值來分析影響承載力各因素特征，在縱向上分析該區域近幾年水資源承載力變化趨勢和目前水資源所處狀態。本文除對多年四川省水資源承載變化情況做了分析外，還分別計算省內各城市多年的承載力綜合得分，并對其進行排名。簡要說明與四川省承載力變化之間的關系，使得分析更加全面。

1 研究區水資源概況

四川省位于中國的西南方向，位置介于97°21′E～108°31′E與 26°03′N～34°19′N之間，全省總面積約48.43萬 km2。地處長江上游，地勢西高東低，全省共轄18個地級市、3個自治州。以河川徑流為主，全省河流分屬7個水資源二級區。

根據06-17年數據平均值[15，16]，四川省水資源總量約2 512.278億 m3。西部高原區水資源總量約1 433.753億 m3，占全省的57.07%。全省人均水資源量約2 936.8 m3，多年來人均水資源量高于全省的有攀枝花3 566.833 m3、樂山3 605.667 m3、雅安9 572.5 m3、甘孜州55 028.167 m3、涼山州8 402 m3和阿壩州41 944.5 m3。甘孜州、涼山州、阿壩州水資源總量最大，自貢與遂寧水資源總量最小。通過計算水資源開發潛力來分析各市水資源可利用程度。

我們用水資源負載指數來表示水資源開發潛力[17]，計算公式為

(1)

式中: C為水資源負載指數; P為人口(萬人); G 為 GDP(億元); W為水資源總量(億m3); K的取值見下式

(2)

帶入式1，2得到各市水資源負載指數，并以此為依據將各市水資源潛力分為五級。結果如圖1。

圖1 各市水資源潛力

從區域面積角度來看四川省西北部水資源開發潛力較大，面積約占四川省總面積的50%。從各城市水資源利用量來看，四川省約80%以上的城市水資源開發利用率較高。特別是像成都、德陽等這些地區的水資源總量不足以支撐該地區的經濟發展能力，可能還會產生入不贅出的情況。為更清楚的了解四川省水資源狀況，還應考慮多方指標對水資源承載力進行計算。

2 分析方法

2.1 因子分析

因子分析是利用各原始變量之間相關性，將相關性高的多個變量合并成一個一個新的變量，使多個指標可以合并成較少指標來進行評價的多維簡化方法。這個新的變量叫做公共因子，要求各公共因子之間相互獨立。評價結果較為真實客觀，在各個領域都得到了廣泛的應用。

因子分析模型及步驟過程如下：

將原始變量表達為少數幾個公共因子f1,f2，…，fm的線性組合。實現x1,x2,…,xp→f1,f2,…,fm的轉換，具體模型如下：

(3)

其中f1,f2,…,fm為m個公共因子，aij,為xi在因子fj上的載荷(i∈[1 p],j∈[1 m])ε1,ε2,…,εp為誤差項。μi為xi的均值。

因子分析步驟：①將原始數據標準化處理。②求原始數據的相關性矩陣，對數據進行KMO(Kaiser-Meyer-Olkin)和Bartlett's球形統計量檢驗，判斷數據是否適合降維。本次所選取數據中kmo值0.676，Bartlett's球狀檢驗值p=0小于0.05，拒絕零假設可以做因子分析。③取累計貢獻率大于85%的前m個因子作為公共因子。④求因子載荷矩陣并進行適當的因子旋轉，使結果更易解釋。⑤利用Fi=μi1X1+μi2X2+…+μimXn，i=1，2，…，m公式來計算每個因子的得分。

2.2 熵權法

根據各公共因子的離散程度客觀計算各指標權重，計算步驟如下：

(1)對m個指標，n個樣本，有xij為第i個樣本的第j個指標的數值(i=1，…,n;j=1，…,m);

(2)指標的歸一化處理：也為同趨向處理，即把指標的絕對值轉化為相對值，如果數據中包含正負兩項指標，不同方向的指標有不同的歸一化方式

(4)

(5)

(3)計算第j項指標下第i個樣本值占該指標的比重：

(6)

(7)

其中，k=1/ln(n)>0,

(8)

這里的1-ej為信息熵的冗余度

(9)

3 四川省水資源承載力計算與評價

3.1 指標構建

在選取地下水資源承載力評價指標時，要考慮地下水資源影響因素、經濟、社會的發展狀況和生態環境保護三個方面。根據收集的指標數據和查閱水資源承載力相關文獻，采取頻率統計法選取以下11個具代表性的指標：灌溉率(x1,%)、人均水資源量(x2,m3)、水資源利用率(x3,%)、供水總量(x4,億m3)、人均綜合用水量(x5,m3)、供水模數(x6,萬m3/km2)、水資源總量(x7,億m3)、降水總量(x8,億m3、地下水供水比例(x9,%)、萬元GDP用水量(x10,m3/萬元)、廢水排放總量(X11,億m3)。為了保持指標的一致性將人均水資源量、降水總量和水資源總量三個正向指標進行負向處理。

3.2 熵權法的應用

目前主因子已經確定隨后利用熵權法來計算主因子之間的離散程度，故將水資源承載力的三個主因子代入式(5)-(9)，計算出各主因子的權重分別為：W1=0.369 1,W2=0.386 8,W3=0.244 1。四川省2006-2017的水資源承載力綜合得分見圖2。

圖2 2006-2017水資源承載力綜合得分

從圖2可以看出從2006-2008年水資源承載力逐漸增強，從2008年之后到2012年水資源承載力波動較大。2012年到2015年水資源承載力急劇下降，2015年至2017年承載力有增強的趨勢但增長緩慢。2006年四川省水資源承載力很低，那是因為該年水資源總量及徑流系數均為統計記錄最低年，除此之外同年降水量比往年降低15.2%，因此導致該年水資源承載力較低。之后幾年降水量增大，承載力也相對提升。

從結果來看2008年與2010年的承載力差不多處于同一水平，從數據來看2018年降水量要比2010年增加了209.25億 m3，但2010年水資源總量高出89.1億 m3，再加上徑流系數也比2008年要大，最終導致2010年承載力要強一些。相反2009和2011年降水量比往年分別減少了7.9%和9%。

從2012年開始四川省年末常住人口持續增加，人口增長率從2.97%增長到4.23%，從而導致生活用水量也在逐年增加。另外經濟不斷發展，地區生產總值增加都是使水資源承載力降低的因素。

2015年是十二年內承載力最低的一年，原因在于人口增長壓力和經濟用水壓力。該年降水量比往年平均降低8.6%水資源總量比往年減少15.1%，產生入不敷出的狀況。從2015-2017年四川省供水總量趨于穩定逐年相差約1～2 m3。但生產總值卻增加2～4千億元, 2017年萬元GDP用水量僅為2006年的29.67%，代表各行業水資源利用效率不斷提高。隨科技發展水資源供需矛盾緊張的局面可以得到一定程度的緩解。

從整體情況來看水資源承載力影響較大的指標主要為降水量和水資源總量和供水總量，能夠很好的預測這三個指標的變化對水資源承載力發展方向有很大的作用。

3.3 因子得分結果分析

運用SPSS23.0對原始數據進行因子分析，其中前三個公因子的總貢獻率達到91.862%，故本次選取三個公共因子，表1為旋轉后的載荷矩陣。

表1 旋轉后的因子載荷矩陣

F1在供水總量、人均綜合用水量、供水模數、和廢水排放量中有較大載荷呈現出較大的正相關，但在灌溉率、地下水供水比例和萬元GDP用水量上呈現負相關。代表了四川省經濟發展情況和水資源使用量。F2代表總體的水資源自然狀況。F3主要指標為水資源利用率代表水資源利用程度。因此可通過這三個方面來反應四川省水資源承載力的狀況。圖3為該區水資源承載力三個主因子的得分情況。

圖3 三個主因子得分情況

從圖3可以看出F1說明四川省水資源使用量雖然在逐年增加，但是地下水開采量和萬元GDP用水量在不斷降低，代表了行業用水效率增強，四川省技術發展速度增長較快。F2所代表的三項指標均為正向指標由于把水資源總量這些指標正向指標做了負向處理即得分越高水資源可利用量越少，其中2006年得分最高說明該年水資源最匱乏。2013年F3得分最低說明該年水資源利用率最低，這也于實際數據相符合。2013年水資源利用率為4.2%，為十二年來利用率最低的一年。

3.4 各市水資源承載力變化

采用2012-2017年的平均數據計算四川省各市水資源承載力，分析各區域承載力差異，為承載力較差城市的水資源管理提供依據，評價指標同上。利用因子分析得到前四個主因子的累積貢獻率達到89.116%，將四個主因子作為新的變量帶入熵權法公式計算得到權重W1=0.365 6，W2=0.173 2，W3=0.251 6，W4=0.209 5，最后得到各市水資源承載力分布圖4。

圖4 四川省各市水資源承載力

從圖4可以看出四川省水資源承載力空間分布不均勻。西部高原區水資源承載力較強。東部地區水資源承載力較差，在21個城市中成都市水資源承載力最差，其原因歸結為以下幾點：(1)人口，成都市人口總量約占全省人口的18%。近六年呈現緩慢增長的趨勢從2012年的1 407萬增長到2017年的1 604萬一直位于各市首位。人數的增多進而導致水資源使用量的增大。(2)成都市第一、二、三產業生產總值遠遠高于四川省內任何一個城市，因此工業用水量也相對較高。成都市平均水資源總量約為78.53億 m3，相對于四川省其他城市來水總水資源量不高。(3)平原潛水蒸發量最大，約為全省的70.4%，不過將成都市六年來數據單獨做因子分析發現綜合得分卻在緩慢增加，可以看出成都市水資源狀況在逐漸改善。

下面我們計算多年各市水資源得分，了解水資源承載力的變化情況。數據范圍同樣為06-17年水資源數據，由于未獲取到各市廢水排放量，評價指標在上述基礎上除去廢水排放量，增加生活用水定額。分析方法不變，得到各市承載力排名如表2。

表2 四川省各市水資源承載力得分排名

由表2我們可以清晰的觀察12年內以城市為單位的四川省內水資源承載力變化趨勢。進而可以將四川省整體水資源承載力改善情況針對到某一區域，以城市為單位對全省水資源進行調節。我們可以在表中獲取兩個信息：(1)根據排名的變化來推測承載力發展的大致趨勢，(2)通過相鄰年份之間的名次差距來觀察城市用水量和水資源補給量之間的穩定程度。可以盡快的提取出穩定性較差的城市，進而從降水徑流補給量的變化和生產生活用水量的變化兩個角度來探究影響該市承載力的原因，采取相應的解決措施，最后使全省的水資源承載力得到改善。

從表2中看出四川省水資源承載力12年變化趨勢與南充市及雅安市基本吻合。將兩市排名分別與四川省承載力排名繪到同一張圖中，其趨勢變化相似更易看出，見圖5和圖6。

圖5 四川省與南充市得分排名曲線

圖6 四川省與雅安市得分排名曲線

自貢市、遂寧市、內江市、南充市、達州市、廣安市、阿壩州自10年以后存在至少連續四年水資源承載力持續降低的情況，就目前情況來看亦有繼續降低的趨勢。成都市、雅安市、巴中市相鄰年份之間承載力排名差距較大，表明使用量和開采量之間的穩定程度不佳。不過成都市無論是水資源開采潛力還是平均水資源承載力都較差，年降水量和水資源使用量稍有變化就會對其整體的承載力產生很大的影響，相對于其他城市而言雖不穩定但已有變好的趨勢。

4 結語

(1)基于12年以來的數據根據每年水資源承載力的得分情況，水資源承載力制約著經濟的發展，其主要因素為降水量、水資源總量和水資源利用量。但近幾年的情況表明，在生產總值增長速度遠遠大于用水量的增加量。這是各工業用水效率的提高和城市居民節水意識的增強的結果。

(2)四川省各地區水資源可利用程度不同，差異較明顯，甘孜州等西部地區水資源豐富，東部地區水資源承載力較低，區域性水資源短缺。特別是成都、德陽等城市水資源承載力較差，且開采潛力很小，有條件情況下需要外流域調水。對于水資源承載力較差區域除控制人口增長和提高行業用水效率外可考慮修建調水和增加新水源等各種水利工程來滿足經濟迅速發展。

(3)因子分析對于多指標評價體系來說，操作較簡單，本次求取21市12年的水資源承載力得分工作量是比較大的，所選取的計算方法比較適合。但在進行計算時很難得到較大的KMO值，本次所有的KMO值基本處于0.6左右。通過對各市水資源承載力變化情況的了解，使得對全省各地區水資源承載力了解更立體，更全面，更有益于全省水資源承載力改善。