京津冀水资源承载力风险评估模型构建研究

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

余灏哲^,¹, 李丽娟^,², 李九一²

1. 陕西理工大学人文学院,汉中723001

2. 中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室,北京 100101

Construction of risk assessment model of water resources carrying capacity in Beijing-Tianjin-Hebei region

YU Haozhe^,¹, LI Lijuan^,², LI Jiuyi²

1. School of Humanities, Shaanxi University of Science and Technology, Hanzhong 723001, Shaanxi, China

2. Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

通讯作者: 李丽娟（1961-）, 女,吉林吉林人,研究员,博士生导师,主要从事水文与水资源研究。E-mail: lilj@igsnrr.ac.cn

收稿日期:2020-11-3接受日期:2021-03-3

基金资助:

国家重点研发计划(2016YFC0401402)
陕西省教育厅科研计划(21JK0076)
陕西省重点研发计划(2021SF-487)
陕西理工大学人才启动项目(SLGRCQD2033)

Received:2020-11-3Accepted:2021-03-3

Fund supported:

(21JK0076)(2021SF-487)(SLGRCQD2033)

作者简介 About authors
余灏哲（1992-）, 男,陕西汉中人,讲师,主要研究方向资源经济与可持续发展。E-mail: yuhaozhe1992@126.com

摘要
本文聚焦国家重要战略区——京津冀地区需水压力增大、水资源超载等问题,基于水资源承载力理论,将风险评估引入水资源承载系统,探索建构水资源承载力风险的概念内涵、因子识别与评估模型等理论体系,综合考虑气候变化、城镇化与产业结构变动等影响水资源承载系统的关键因子,利用多种计量经济模型、遥感反演模型与地理信息技术等分别开展水资源承载力危险性、脆弱性与暴露性实证评估研究,旨在客观反映未来京津冀水资源承载状态特征与风险演变规律。结果表明：① 未来京津冀水资源承载力危险性指数平均值为0.531,属中危险等级,其中人口增长与城镇化危险性等级（平均值为0.682,高危险）最高,其次为气候变化危险性（0.471,中危险）与经济与产业发展危险性（0.254,弱危险）。② 未来京津冀水资源承载力脆弱性程度呈升高趋势,脆弱性指数平均值为0.726,属高脆弱等级。③ 未来京津冀水资源承载力暴露性指数平均值为0.483,属于中暴露等级,并呈增强趋势,其中2035年暴露性最强。④ 未来2025年、2030年、2035年京津冀水资源承载力风险综合指数平均值较2016年分别增加了9.3%、11.5%、13.9%,高风险等级城市数量由2016年的3个增加到2035年的9个,高风险城市主要集中在北京及冀中南等地,由此表明未来京津冀水资源承载力风险程度持续加剧,水资源承载系统受风险扰动强烈。
关键词： 水资源承载力风险;危险性;脆弱性;暴露性;京津冀地区

Abstract

Focusing on issues of increasing pressure of water demand and water overload in Beijing-Tianjin-Hebei region, an important national strategic area, and based on the theory of water resources carrying capacity, the risk assessment was introduced into water resources carrying system, and the theoretical systems of water resources carrying capacity risk were explored such as the concept and connotation, factor identification and evaluation models. Considering the key factors such as climate change, urbanization and industrial structure changes that affect the water resources carrying system, the hazard, vulnerability and exposure assessment models of water resources carrying capacity risk were constructed by using the metrological geography methods, remotely sensed retrieval model and geographic information technology. This study aims to objectively reflect the future characteristics of water resources carrying status and the law of risk evolution in Beijing-Tianjin-Hebei region. The results show that: （1） The future average value of the comprehensive hazard index in the study region is 0.53, which belongs to the middle risk level, with the risk level of population growth and urbanization being the highest in the future （0.68, high risk）, followed by climate change risk （0.47, medium risk） and economic and industrial development risk （0.25, weak risk）. （2） In the future, the vulnerability degree is increasing, and the average vulnerability index is 0.72, which belongs to high vulnerability level. （3） In the future, the average exposure index is 0.48, which belongs to the middle exposure level and shows an increasing trend, of which the overall exposure of the study area is the strongest in 2035. （4） In the years of 2025, 2030 and 2035, the average value of water resources carrying capacity risk index will increase by 9.3%, 11.5% and 13.9% compared with 2016 in this region. The number of high-risk cities will increase from 3 in 2016 to 9 in 2035, which shows that in the future, the risk degree of water resources carrying will increase, the risk disturbance of water resources carrying system will be strong, and the possibility of water resources overloading will increase, especially in Beijing and southern Hebei.

Keywords：water resources carrying capacity risk;hazard;vulnerability;exposure;Beijing-Tianjin-Hebei region

PDF (4566KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
余灏哲, 李丽娟, 李九一. 京津冀水资源承载力风险评估模型构建研究[J]. 地理研究, 2021, 40(9): 2623-2637 doi:10.11821/dlyj020201055
YU Haozhe, LI Lijuan, LI Jiuyi. Construction of risk assessment model of water resources carrying capacity in Beijing-Tianjin-Hebei region[J]. Geographical Research, 2021, 40(9): 2623-2637 doi:10.11821/dlyj020201055

1 引言

水资源承载力表征了水资源对经济社会发展的支撑能力（规模）,是衡量区域可持续发展的重要指标^[1]。已有研究主要从水资源能够承载多大的人口或经济规模入手,关心水资源现有承载潜力、承载压力多大,然而在气候变化与高强度人类活动胁迫影响下,快速城镇化区域水量短缺、水质污染、水域侵占、水生态系统退化等水资源量-质-域-流问题日趋凸显^[2],水资源承载力具有不确定性,使得其具备风险内涵^[3]。

目前关于水资源风险研究主要集中在以下方面：① 水资源风险概念界定,****大多从水资源系统的旱涝关系、供需关系、保障关系等角度入手,开展了干旱洪涝风险^[4]、水资源供需风险^[5]、水资源安全风险^[6]、水资源保障风险^[7]等研究。② 水资源风险要素解析,通常认为风险是由危险性、脆弱性、暴露性等共同作用的结果^[8];例如Xia等^[8]认为水资源综合风险是由水资源脆弱性（敏感性、抗压性）、干旱危险性、暴露度构成;钱龙霞等^[9]将水资源供需风险分解为危险性（缺水量的概率、缺水程度）、脆弱性（固有脆弱性、安全补偿因子）与暴露性。③ 水资源风险评估方法,包括指标综合法评估法、概论统计法,其中针对单变量的刻画主要借助频率统计法、Logistic模型、蒙特卡洛模型等;对于多变量常用Copula函数等方法,例如宁理科^[10]借助Copula函数得到干旱历时与干旱强度的联合分布,实现对干旱危险性的概率估计。

纵观水资源风险研究,从承载关系视角切入水资源系统,开展水资源承载力风险机理揭示、因子解析与评估模型构建等系统性研究还比较少见。因此,本研究将风险评估引入水资源承载系统,对水资源承载力风险理论体系进行探索,并以水资源问题突出的京津冀地区为例,开展水资源承载力风险评估实证研究,这对丰富和拓展水资源承载力理论具有理论创新价值,对促进京津冀地区水资源协调与可持续利用、提升水资源综合管理水平具有现实指导价值。

2 数据来源与研究方法

2.1 水资源承载力风险理论

2.1.1 水资源承载力风险概念水资源承载系统是由承载对象、承载体与利用方式构成,其中承载体是指自然-社会二元水循环系统,主要包括水资源、水环境与水生态等要素;承载对象为人类生活生产,主要包括人口数量与城镇布局、产业演进与社会发展等要素;利用方式是指水循环系统（承载体）对人类生活生产（承载对象）的保障与支撑过程,主要包括水利工程设施状况、水资源开发利用技术与水资源管理方式等因素^[1,3]。

水资源承载力是以维护生态环境良性循环与可持续发展为约束前提,在特定的区域经济条件与开发水平下,水资源对经济社会发展的最大支撑能力或水资源的最大可开发利用规模^[11]。从承载体要素来看,水资源承载力是指承载经济社会发展的水资源-水环境-水生态的极限值,即水资源承载力侧重于表征水资源承载系统的“极值”^[3]。

而水资源承载潜力是指人类为了满足自我的发展,水循环系统进一步被开发利用的潜力。与水资源承载力相比,水资源承载潜力反映的是“存量”,即在现有人口数量与城镇布局、产业与经济发展格局下,水资源-水环境-水生态还有多少潜力能够被开发利用。当水资源承载潜力越大,表明承载体对人类生活生产的支撑能力越强,即可依据水资源承载潜力大小,将水资源承载系统划分为可承载、超载、临界超载等不同状态。

受全球气候变化与高强度取用水活动等影响,水资源数量短缺、水环境状况恶化、水生态功能下降等不利事件频发,导致水资源承载系统发生超载。水资源承载力风险即是从风险视角切入,度量水资源超载事件发生的概率,水资源承载力风险与气候变化、人口增长与城镇化、产业发展演进等因素相关。基于此,本研究将水资源承载力风险概念界定为：在气候变化、城镇化、经济与产业发展等不确定因素影响下,未来水资源承载系统发生水量短缺、水质污染、水生态失衡等超载事件的概率（或可能性）,水资源承载系统与水资源承载力风险示意见图1。

图1

新窗口打开|下载原图ZIP|生成PPT
图1水资源承载系统与水资源承载力风险

Fig. 1Water resources carrying system and water resources carrying capacity risk

2.1.2 水资源承载力风险内涵本研究基于灾害风险理论^[12]与IPCC气候变化风险框架^[13],认为水资源承载力风险是致险因子的危险性（Hazard）、承险体的脆弱性（Vulnerability）与孕险环境的暴露性（Exposure）共同耦合作用形成（图2）。

图2

新窗口打开|下载原图ZIP|生成PPT
图2水资源承载力风险评估框架

Fig. 2Assessment framework of water resources carrying capacity risk

（1）致险因子的危险性。致险因子是指导致风险发生的关键影响因子,其危险性取决于因子的环境变异程度与活动频次。气候变化、人口增长与城镇化、经济与产业结构演进具有不确定性,未来其发生变异变化可能致使水资源承载系统发生超载。

气候变化危险性因子。旱灾是造成农业生产损失最大、影响范围最广的自然灾害之一,特别是在全球气候变暖的背景下,干旱事件也明显呈增加趋势,给经济社发展带来危害与损失。因此,由气候变化引发的干旱事件的度量可作为危险性因子。

人口增长与城镇化危险性因子。城镇化进程中引发水资源承载系统的危险性主要有3条影响路径：① 城镇化会提高用水定额,相比农村地区,城市除满足基本的用水需求外,对水的其他用途有了更高的需求,例如洗浴用水、游泳等高层级的用水需求将进一步加大。② 城镇化进程的加快导致城市人口数量剧增,引起城市用水基数增长;此外城镇化地区第三产业较发达,因此需要更多的水资源供给来满足城市发展的需求。③ 城镇化地区超量排污导致水环境污染,增加了水资源承载力风险。

经济与产业发展危险性因子。产业结构对应水资源需求结构,在需水强度不变的情况下,当高耗水型、高污染型产业比例升高,会导致水资源需求迅速增长、水环境质量下降,使得危险性升高。

（2）承险体的脆弱性。脆弱性是指水资源承载系统在风险因子干扰或影响下遭受损害的可能性、状态或程度。脆弱性的本质是承险系统能够降低风险程度与损害的所有能力、资源与途径等的总和。具体针对水资源承载系统,其脆弱性是由承载体脆弱性、承载对象脆弱性与开发利用水平脆弱性构成。

水循环系统（承载体）脆弱性是指水循环系统的脆弱程度,表征水循环系统对致险因子变异的响应,例如水资源禀赋越丰富、取用水强度越小的区域,其脆弱性越低;而天然径流量减少、水量短缺、生态用水不足的区域,其脆弱性较大。

社会经济系统（承载对象）脆弱性。与经济发展水平、产业结构变化等有关,例如当区域产业结构日趋优化、各项基础设施完备、具有良好的应对风险能力时,则脆弱程度较低。

开发利用水平脆弱性。与水资源开发利用的管理水平、方式等有关,例如当区域用水效率较高,有完备的供用水设施,工业节水技术与居民节水意识较强时,则其脆弱性较低。

（3）孕险环境的暴露性。暴露性是指人类生活生产资料、自然资源、基础设施等与之相关的各类要素在危险因子胁迫影响下所处的不利位置或状态。在本研究中,人口、经济与土地等暴露于不利事件所发生的区域,风险程度与暴露因子的数量规模、类型、分布格局等有关。

人口暴露性。与区域内人口的数量规模、增长状况、分布密度等有关。当区域人口总量越大、分布越集中,则暴露程度越大。经济暴露性。与区域经济发展水平相关,一般认为当GDP越高,区域综合应对风险的能力越强,暴露性越小。土地暴露性。在相同风险影响下,不同的土地利用类型其暴露程度不同,例如耕地则容易受到干旱灾害的影响,其暴露性较大。

2.1.3 水资源承载力风险因子识别首先借助文献统计方法,对相关文献中涉及水资源承载力风险的指标进行归纳初筛^[14,15,16],同时搜集全国2000—2016年相关指标数据,形成指标库;其次,以水资源承载力风险概念内涵作为理论基础,对水资源承载力风险评估框架下的危险性、脆弱性、暴露性因子进行进一步解析;最后,借助Delphi法、DEMATEL（Decision Making Trial and Eva-luation Laboratory）法等主客观方法,对影响因子定量识别（图3）。DEMATEL法是基于图论揭示各要素之间的逻辑关系,通过计算出各要素的中心度与原因度,从而有效的识别关键要素^[17]。水资源承载力风险因子识别见表1~表3。

Tab. 1
表1
表1水资源承载力风险危险性因子识别初集
Tab. 1Preliminary identification set of hazard factors of water resources carrying capacity risk

气候变化		人口增长与城镇化		经济与产业发展
Delphi法	DEMATEL法	Delphi法	DEMATEL法	Delphi法	DEMATEL法
干旱指数	干旱指数	生活用水比重	生活用水比重	工、农业用水效率	工、农业用水效率
干燥度	蒸发量变幅	生活日用水定额	生活日用水定额	工业发展进程	工、农业用水比重
温度变幅	干燥度	城镇化率	城镇建设用地变化	作物水分亏缺度	作物水分亏缺度
湿润度指数		水生态面积侵占比例	人均GDP增长率		工业发展进程
径流变化

新窗口打开|下载CSV

图3

新窗口打开|下载原图ZIP|生成PPT
图3水资源承载力风险因子识别思路流程

Fig. 3Research flow chart of risk factor identification for water resources carrying capacity

Tab. 2
表2
表2水资源承载力风险脆弱性因子识别初集
Tab. 2Preliminary identification set of vulnerability factors of water resources carrying capacity

水循环系统		社会经济系统		开发利用方式
Delphi法	DEMATEL法	Delphi法	DEMATEL法	Delphi法	DEMATEL法
水资源短缺度	水资源总量	人均GDP	城镇化率	万元农业增加值用水量	人均生活用水量
产水系数	人均水资源占有量	GDP增长率	人均GDP	水资源开发利用率	万元农业增加值用水量
供水模数	供水模数	建成区面积比例	工业增加值	万元工业增加值用水量	水资源开发利用率
废水排放量	污染物排放量	工业增加值	二三产比重	工业废水处理率	万元工业增加值用水量
径流系数	水域功能达标率		灌溉面积比例	工业用水重复利用率	灌溉用水有效利用系数
污水处理率			化肥施用强度		再生水供水占比

新窗口打开|下载CSV

作为表征经济发展水平的宏观性指标——人均GDP具有多重属性内涵,既可以反映经济社会系统脆弱性,也可作为暴露性指标。本研究将人均GDP作为脆弱性指标,在暴露性评估中只考虑人口暴露性与土地利用暴露性。

Tab. 3
表3
表3水资源承载力风险暴露性因子识别初集
Tab. 3Preliminary identification set of exposure factors of water resources carrying capacity risk

人口		土地
Delphi法	DEMATEL法	Delphi法	DEMATEL法
人口密度	人口密度	土地利用类型	土地利用类型
人口数量	人口数量
年龄构成

新窗口打开|下载CSV

表1~表3是水资源承载力风险因子识别初集,表中各因子可作为实证评估的参考指标。考虑到京津冀地区实际情况以及数据的可获得性,在构建水资源承载力风险因子时,需增删调整相关因子指标,表4为诊断出的京津冀水资源承载力风险关键因子。

Tab. 4
表4
表4京津冀水资源承载力风险关键因子
Tab. 4Key factors of water resources carrying capacity risk in Beijing-Tianjin-Hebei region

危险性			脆弱性			暴露性
气候变化	人口增长与城镇化	经济与产业发展	水循环系统	社会经济系统	开发利用方式	人口	土地
干旱指数	生活用水比重	工业用水效率	水资源短缺度	人均GDP	人均生活用水量	人口密度	土地利用类型
		工业发展进程	供水模数	城镇化率	万元工业增加值用水量
		作物水分亏缺度	万元工业增加值废水量	工业增加值	水资源开发利用率
				建成区面积比例

新窗口打开|下载CSV

2.1.4 水资源承载力风险评估表达式宁理科^[10]、张会等^[18]、黄崇福^[19]研究指出,风险函数实际上是危险性、脆弱性与暴露性的合成运算,当风险转化为风险度时,合成运算便是乘积运算。因此,本研究利用乘积运算进行风险度量,其表达式如下：

（1）

WRCR = H^{a_{1}} \times V^{a_{2}} \times E^{a_{3}}

式中：

WRCR

为水资源承载力风险指数,该数值越大表明风险性越高;

H

为水资源承载力危险性指数;

V

为水资源承载力脆弱性指数;

E

为水资源承载力暴露性指数;

a_{1}

、

a_{2}

、

a_{3}

分别为危险性、脆弱性与暴露性指数的权重。

2.2 京津冀水资源承载力危险性评估模型构建

2.2.1 气候变化危险性评估模型基于多源遥感数据构建综合遥感干旱指数（Comprehensive Remote Sensing Drought Index,CDI）,并借助CDI干旱指数来构建气候变化危险性指标,CDI干旱指数构建流程见图4,关于CDI指数构建过程与模型验证可见文献[20]。

图4

新窗口打开|下载原图ZIP|生成PPT
图4CDI干旱指数构建流程

Fig. 4Construction flow chart of CDI drought index

在得到CDI指数后,统计不同等级下的干旱频率,将干旱频率与干旱强度的乘积作为气候变化危险性指数^[21]。

（2）

HC = |\overset{5}{\sum_{i = 2}} F_{Ci} P_{Ci}|

（3）

P_{Ai} = \frac{N_{ci}}{n}

式中：

HC

为气候变化危险性指数,

HC

值介于0~1之间,当

HC

越大表明危险性越强;

F_{Ci}

为第i个干旱等级下的强度,这里取值为发生轻旱及以上干旱等级时CDI指数的平均值;

P_{Ci}

为发生第i类干旱等级频率,这里取值为发生轻旱及以上干旱等级的频率之和;

N_{ci}

表示发生不同等级干旱的次数;n表示统计时长;i表示干旱等级,干旱划分为5个等级,i=1表示无旱,i=5表示特旱,其它以此类推,这里统计的是轻旱及以上干旱等级（i=2~5）。2.2.2 人口增长与城镇化危险性评估模型本研究主要对由城镇化导致的需水压力增加,所引起的水资源承载风险进行定量研究,计算公式如下：

（4）

HU = α_{1} R + β_{1} U

（5）

\begin{array}{l} U = \frac{城镇生活用水量}{用水总量} \\ = \frac{城镇生活日用水定额 \times 城镇人口 \times 天数}{人均日用水定额 \times 人口总量 \times 天数} \\ = \frac{城镇生活日用水定额}{人均日用水定额} \times 城镇化率 \end{array}

式中：

HU

表示人口增长与城镇化危险性指数,

HU

范围在0~1之间,越接近1表明危险性越强;

R

表示城镇化（子序列）对用水量（母序列）的灰色关联度（图5）^[22],当关联度数值越大表明城镇化对用水量的影响就越大;

U

表示城镇生活用水量与用水总量之比;

α_{1}

、

β_{1}

为权重,利用AHP法得分别得到

α_{1}

=0.3,

β_{1}

=0.7。

图5

新窗口打开|下载原图ZIP|生成PPT
图5城镇化与水资源利用灰色关联指标

Fig. 5Grey correlation index system of urbanization to water consumption

2.2.3 经济与产业发展危险性评估模型危险性评估模型公式为：

（6）

HIS = α_{2} HI + β_{2} HA

式中：

HIS

表示经济与产业发展危险性指数;

HI

表示工业危险性指数;

HA

表示农业危险性指数;以各地区近5年平均工业用水、农业用水比重作为

α_{2} 、 β_{2}

的权重系数。（1）工业危险性指数。危险性指数公式为：

（7）

HI = α_{3} H I_{1} + β_{3} H I_{2}

式中：

HI

表示工业危险性指数;

H I_{1}

表示工业发展进程指数;

H I_{2}

表示工业用水效率指数;

α_{3}

=0.4,

β_{3}

=0.6（AHP法）。① 工业发展进程指数。工业发展进程的很难用某一项指标进行准确度量,因此本研究从工业结构（选取第二产业占GDP比重X₁、第三产业占GDP比重指标X₂）、工业产值（选取工业增加值指标X₃）与工业能耗（选取万元GDP能耗指标X₄）等方面构建工业发展进程指标体系,以表征工业发展变化对水资源承载系统的危险性。并采用改进TOPSIS法对工业发展进程表征指标进行评估^[23]。将模型的贴近度

C_{i}

值作为工业发展进程指数

H I_{1}

H I_{1}

介于0~1之间,越接近1表明工业发展越不协调,对水资源承载系统的危险程度越大。指标权重分别为X₁=0.212、X₂=0.311、X₃=0.324、X₄=0.153（熵权法）。② 工业用水效率指数。在实际生产中,控制投入要比控制经济产出更容易,即在产出不变的情况下,通过减少资源等要素投入、提高用水效率等措施,保证收益不变;本研究更关注各评价单元整体的用水效率情况。因此,本研究选择以投入为主导的C²R模型计算工业用水效率。在投入要素上选择工业用水量、固定资产投资与人口数量分别作为水资源、资本、劳动力的投入量,选择GDP作为经济产出要素的产出量^[24],并借助于MaxDEA8.0软件求解。将综合用水效率值（CE）定义为工业用水效率,由于综合效率越接近1表明用水效率越高,为了与危险性保持一致,将工业用水效率指数定义为：

（8）

H I_{2} = 1 - CE

（2）农业危险性指数。农业危险性是指作物生长过程中降水量不能满足作物生长水分的需求,引起灌溉需水增多,致使水资源承载风险升高。作物水分亏缺指数（Crop Water Deficit Index,CWDI）直接反映了作物水分盈亏状况,当CWDI为负且绝对值越大,表明作物生长期水分亏缺量越大,灌溉需水量就越大。CWDI计算公式如下：

（9）

CWDI = \frac{P_{t} - E T_{c}}{E T_{c}}

式中：CWDI为水分亏缺指数;

P_{t}

为月降水量;

E T_{c}

为作物需水量。农业危险性指数是由农作物发生水分亏缺的强度和在生育期内发生水分亏缺频率共同决定^[25]。

（10）

HA = α_{4} {|\overset{5}{\sum_{i = 2}} F_{Ai} P_{Ai}|}_{冬小麦} + β_{4} {|\overset{5}{\sum_{i = 2}} F_{Ai} P_{Ai}|}_{玉米}

式中：

HA

为农业危险性指数,由冬小麦和玉米两种作物构成,

HA

值介于0~1之间,当

HA

值越大表明危险性越强;

F_{Ai}

为发生轻度水分亏缺及以上等级时CWDI指数的平均值;

P_{Ai}

为发生轻度水分亏缺及以上等级的频率之和;i表示水分亏缺等级。以各地区近5年平均冬小麦和玉米产量比重作为

α_{4} 、 β_{4}

的权重值。2.2.4 危险性指数指数公式为：

（11）

H = {(HC)}^{0.25} \times {(HU)}^{0.45} \times {(HIS)}^{0.30}

式中：

H

为危险性指数;各危险性因子权重分别为0.25、0.45、0.30（Delphi法）。

2.3 京津冀水资源承载力脆弱性评估模型构建

京津冀水资源承载力脆弱性指标见表4,其中供水模数、工业增加值与人均GDP指标为正向型指标,其他各脆弱性指标均为负向型指标。本文基于可变模糊集对模型对京津冀水资源承载力脆弱性指标进行定量评估,可变模糊集对模型计算步骤见文献[26],将评估结果作为脆弱性指数

V

V

值介于0~1之间,越接近1表明脆弱性越强。

2.4 京津冀水资源承载力暴露性评估模型构建

本研究将暴露性界定为人口暴露性与土地利用类型暴露性。

（12）

E = a_{5} E_{1} + β_{5} E_{2}

式中：

E

表示水资源承载系统暴露性指数;

E_{1}

表示人口暴露性指数;

E_{2}

表示土地利用类型暴露性指数;

a_{5}

、

β_{5}

权重分别为0.6、0.4（AHP法）。2.4.1 人口暴露性指数京津冀人口密度分级区间、人口暴露性区间与计算方法见公式（13）、表5。

（13）

E_{1} = \{\begin{array}{l} \begin{matrix} \frac{x - 1000}{2000 - 1000} \times 0.2 + 0.8, & x \in [1000,2000 ） \end{matrix} \\ \begin{matrix} \frac{x - 500}{1000 - 500} \times 0.2 + 0.6, & x \in [500,1000 ） \end{matrix} \\ \begin{matrix} \frac{x - 400}{500 - 400} \times 0.2 + 0.4, & x \in [400,500 ） \end{matrix} \\ \begin{matrix} \frac{x - 200}{400 - 200} \times 0.2 + 0.2, & x \in [200,400 ） \end{matrix} \\ \begin{matrix} \frac{x - 50}{200 - 50} \times 0.2, & x \in [50,200 ） \end{matrix} \end{array}

式中：

E_{1}

为人口暴露性指数;

x

为人口密度。

Tab. 5
表5
表5人口密度暴露性分级区间
Tab. 5Exposure classification interval of population density

分区	极高密度	高度密	中高度密	中度密	低度密
人口密度区间（人/km²）	1000~2000	500~1000	400~500	200~400	50~200
人口暴露性区间	0.8~1.0	0.6~0.8	0.4~0.6	0.2~0.4	0~0.2

新窗口打开|下载CSV

2.4.2 土地利用暴露性指数不同的土地利用类型其暴露程度不同,一方面参考宁理科^[10]、刘焱序等^[27]关于土地利用类型赋权的研究,另一方面结合专家咨询意见,最终得到京津冀土地利用类型暴露性强度（表6）。

Tab. 6
表6
表6土地利用类型暴露性强度
Tab. 6Exposure intensity of land use types

类型	耕地	林地	草地	水域	建设用地	其他
强度	0.40	0.05	0.08	0.11	0.35	0.01

新窗口打开|下载CSV

2.5 京津冀水资源承载力风险评估表达式

水资源承载力风险评估表达式为：

（14）

WRCR = H^{0.25} \times V^{0.50} \times E^{0.25}

式中：危险性指数、脆弱性指数与暴露性指数权重分别为0.25、0.50与0.25（Delphi法）。根据指数值分布情况,选定0.2、0.4、0.6、0.8区间刻度将各指数划分为弱、低、中、高、极高5个等级。选择2016年作为现状年,2025年、2030年、2035年作为未来时段代表年,以反映未来京津冀水资源承载力风险变化情况。

2.6 数据来源

（1）遥感数据。归一化植被指数（NDVI）采用MODIS 13A3的月合成指数产品,空间分辨率均为1km;陆地表面温度数据（LST）采用MODIS 11A2的8d合成产品,空间分辨率为1km。降水数据采用TRMM 3B43的月尺度降水产品数据,空间分辨率为0.25°;NDVI,LST,TRMM数据时间跨度为2007—2016年,均来源于NASA（https://www.nasa.gov）。由于无法预测未来植被指数与地表温度数据,本文将逐月计算2006—2017年12个月份的平均值,并作为其未来2025、2030、2035预测年植被指数与地表温度数据。

（2）气候模式预估数据。采用CMIP5气候预估降尺度数据集,该数据集是Liu等^[28]构建的降尺度气候模式数据库,包含33个气候变化模式,涉及中国区域有763个站点的日尺度产品数据,时间跨度为1961—2100年,其中气候要素包括气温、降水量、地表净辐射、水气压、潜在蒸散发等变量。Zhang^[29]研究得到,BCC-CSM1-1气候模式数据对中国区域具有较优的模拟能力。气候情景是对未来气候状态的科学预估,根据不同的典型浓度路径（RCPs）排放方案,RCPs共设置4种情景：RCP 2.6（低排放方案）、RCP 4.5（中低排放方案）、RCP 6.0（中高排放方案）和RCP 8.5（高排放方案）其中,RCP 4.5和RCP 6.0结果较为近似,RCP 2.6目标很难实现^[30]。因此,本文基于BCC-CSM1-1模式下的RCP4.5与RCP8.5情景数据,预测未来2025、2030、2035预测年降水量数据,并依此计算未来气候变化危险性指数。

（3）气象站点数据。搜集整理京津冀地区23个气象站点2007—2016年的气温、降水量、光照时长、平均风速、平均湿度等逐月数据,历史年份各气象要素数据来源于中国气象数据共享服务平台（http://www.cma.gov.cn）。

（4）土地利用数据。土地利用数据采用中国土地利用遥感监测数据产品,空间分辨率为1km,包括耕地、林地、草地、水域、居民地和未利用土地6个一级类型以及25个二级类型,该数据基于Landsat 8遥感影像通过人工目视解译生成,来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn）。未来2025年、2030年、2035年土地利用数据是基于历史年份各地类的分布与变化,借助 CA-Markov（元胞自动机-马尔可夫）模型进行计算预测。

（5）经济社会发展数据。2007—2016年人口总量、城镇化率、工业增加值、人均GDP等经济社会类指标主要来源于京津冀各地区《统计年鉴》（北京：http://tjj.beijing.gov.cn;天津：http://stats.tj.gov.cn;河北：http://tjj.hebei.gov.cn）。未来2025年、2030年、2035年经济社会指标主要基于历史序列数据,借助相关数学模型进行计算预测。

（6）水资源及利用数据。2007—2016年水资源总量、供用水量等指标主要来源于京津冀各地区《水资源公报》（http://www.mwr.gov.cn/sj/tjgb/szygb）;未来2025年、2030年、2035年生活需水量、工业需水量等指标据,主要采用定额法进行预测,即通过研究不同需水部门的主导因素及其数量关系,以历史用水数据为基础,再借助回归模型等进行合理预测。

3 结果分析

（1）危险性评估结果。综合考虑HC、HU与HIS指数,利用公式（11）计算得到京津冀水资源承载力危险性指数（图6）。

图6

新窗口打开|下载原图ZIP|生成PPT
图6京津冀水资源承载力危险性指数

Fig. 6Hazard index of water resources carrying capacity risk in Beijing-Tianjin-Hebei region

2016年京津冀地区危险性指数（H）平均值为0.477,未来2025年、2030年、2035年分别为0.523、0.532、0.538,均属于中危险等级,虽然危险等级未变,但从整体来看,H指数总体呈升高趋势。从空间分布来看,北京、天津、廊坊为高危险等级,并且这3个地区人口增长与城镇化危险性（HU）为极高危险等级,这与北京、天津作为特大城市群的核心城市有关,受空间溢出效益影响,京津两地对外吸引力强,人口规模大,对生活需水量影响极大,其HU指数为极高危险等级;而地处北京与天津之间的卫星城——廊坊市,人口聚集度较高,以2016年为例,其生活用水量比例已超过20%,因此其HU处于极高危险等级,评估结果与实例情况相吻合。

（2）脆弱性评估结果。依据2.3节构建的水资源承载力脆弱性指标体系,基于可变模糊集对模型计算得到京津冀水资源承载力脆弱性指数（图7）

图7

新窗口打开|下载原图ZIP|生成PPT
图7京津冀水资源承载力脆弱性指数

Fig. 7Vulnerability index of water resources carrying capacity risk in Beijing-Tianjin-Hebei region

由图8可得,京津冀水资源承载力脆弱性程度呈升高趋势。京津冀地区水资源短缺,人口密集,人类活动影响强烈,尤其是伴随城镇化进程的加快,各城市需水压力增大,以2030年为例,预测研究区水资源短缺度平均值高达0.84,仅承德市低于0.6;水资源开发利用率平均值为145%,仅承德（36%）、秦皇岛（65%）、张家口市（69%）小于100%。

图8

新窗口打开|下载原图ZIP|生成PPT
图8京津冀地区暴露性指数

Fig. 8Exposure index of water resources carrying risk in Beijing-Tianjin-Hebei region

（3）暴露性评估结果。结合表5、表6,并利用公式（12）、公式（13）计算得到京津冀水资源承载力暴露性指数（图8）。

由图8可得,张家口、承德、秦皇岛暴露性较低,属于弱暴露、低暴露等级,其它地区处于中暴露等级以上,2035年暴露性最大,其中北京市、天津市、廊坊市、邯郸市为高暴露等级,从整体上来看,未来京津冀地区暴露性呈现增加趋势。高暴露区域主要分布在农业耕作区以及城市建设区域,干旱对农作区耕地的影响较大,廊坊以南的绝大部分区域耕地面积比重大,暴露性强;城市建设用地区域也为暴露性强的地区,例如北京、天津市城市建设用地比重高。

（4）水资源承载力风险综合评估结果。综合考虑危险性、脆弱性、暴露性指数,利用公式（14）计算得到京津冀水资源承载力风险综合指数（图9）。

图9

新窗口打开|下载原图ZIP|生成PPT
图9京津冀水资源承载力风险综合指数

Fig. 9Comprehensive index of water resources carrying capacity risk in Beijing-Tianjin-Hebei region

由图9可得,2016年京津冀地区水资源承载力风险指数平均值为0.537,属于中风险等级,2025年、2030年、2035年风险指数较2016增高了9.3%、11.5%、13.9%,未来京津冀地区水资源承载力风险等级呈现增高趋势,值得开展风险预警研究。

从空间分布来看,2016年承德市为弱风险级别（0.328）,高风险等级为廊坊市（0.660）、石家庄市（0.607）、邯郸市（0.638）,其余为中风险等级;高风险等级呈现增加趋势,由2016年3个高风险城市增长到2035年的9个,其中北京市风险增长率最高,2016年北京市风险值为0.512,2035年为0.654,增长了27.8%。从整体来看,京津冀地区水资源承载力风险值呈现较快增长趋势,表明未来京津冀地区水资源承载系统风险扰动强烈,由此可能导致的水资源-水环境-水生态不利事件将会增多,尤其是集中在北京市及以南的冀中南区域,未来京津冀地区水资源压力依然比较严峻,水资源形势不容乐观。

4 结论与展望

4.1 结论

本研究将风险评估引入水资源承载力,对水资源承载力风险进行理论探索,并以京津冀为研究区开展评估实证研究。主要结论如下：

（1）本研究从水资源承载关系视角切入,基于致险因子危险性、承险体脆弱性与孕险环境暴露性三个部分,创新构建了水资源承载力风险评估框架,搭建起水资源承载力风险“机理分析-综合评估”的研究体系,并在国家重要战略区域京津冀进行实践应用,为应对气候变化、城镇化与产业发展等风险挑战提供决策参考,也为后续开展水资源承载力风险预警与水资源综合管理等提供科学依据。

（2）绘制了京津冀水资源承载力风险时空分布图,从时间变化来看,未来京津冀水资源承载力风险指数呈升高态势,高风险等级城市数量增多,风险程度加剧;从空间分布来看,北京及以南的冀中南地区为高风险区域,风险扰动强烈,由此导致的水资源-水环境-水生态不利事件将会增多,水资源发生超载的可能性极大,需加强风险管理以及灾害防范。

（3）高风险地区均具备高危险性与高脆弱性,人口增长与城镇化是影响京津冀水资源承载系统最强的危险因子,其次是气候变化因子;并且未来研究区水资源承载力脆弱性和暴露性均呈现增强趋势。因此,高风险区域可从城镇适水发展布局、人口调控优化、政府刚性约束与政策导向等方面着手,降低人口增长与城镇化带来的风险。此外,由于气候变化对京津冀地区农业生产影响较大,尤其是干旱对冀中南冬小麦生长状况影响较大,因此京津冀地区应该加强区域联防联动,构建长效的干旱监测预警机制,保障粮食生产安全,抵御不利气候事件带来的风险。

4.2 展望

（1）与矢量面状数据相比,栅格尺度空间分辨率较高,能更好地反映要素的空间差异特征;在数据运算性方面也具有优势,更有利于进行空间叠置分析,可提取每个栅格单元组建时间序列,继而开展更为系统深入的地理时空分析;基于栅格尺度的风险分布图能够为后续空间规划提供更有效的决策支撑。因此数据的栅格化成为研究的难点,本研究在度量气候变化危险性、农业危险性、土地利用暴露性时采用了栅格尺度数据,但社会经济发展类数据还未进行空间栅格化,这也是未来研究工作的方向。

（2）水资源承载力风险评估研究需要准确理解气候变化、人口增长与城镇化、产业发展演进等致险因子对水资源承载系统的影响路径,明晰危险性因子、脆弱性因子与暴露性因子之间作用机理。本研究初步给出了水资源承载力风险评估模型,但对其物理机制还需进一步细化厘清,对评估模型的适用性也需要加强验证。

致谢:

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对本文水资源承载力风险概念界定、风险评估框架、结果分析与结论梳理等方面的修改意见,使本文获益匪浅。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

余灏哲, 李丽娟, 李九一. 基于量-质-域-流的京津冀水资源承载力综合评价
资源科学, 2020, 42（2）:358-371.

[本文引用: 2]

[ Yu

Haozhe

, Li

Lijuan

, Li

Jiuyi

. Evaluation of water resources carrying capacity in the Beijing-Tianjin-Hebei Region based on quantity-quality-water bodies-flow
Resources Science, 2020, 42（2）:358-371.]. DOI: 10.18402/resci.2020.02.14.

[本文引用: 2]

[2]

王建华, 何凡, 何国华. 关于水资源承载力需要厘清的几点认识
中国水利, 2020, （11）:1-5.

[本文引用: 1]

[ Wang

Jianhua

, He

Fan

, He

Guohua

. Some understandings about the clarification of water resources carrying capacity
China Water Resources, 2020, （11）:1-5.]. DOI: CNKI:SUN:SLZG.0.2020-11-005.

[本文引用: 1]

[3]

吕爱锋, 韩雁, 张士锋, 等. 水资源承载风险的理论、方法与实践
中国水利, 2020, （19）:47-51.

[本文引用: 3]

[ Lv

Aifeng

, Han

Yan

, Zhang

Shifeng

, et al. Theory, method and practice of water resources carrying risk
China Water Resources, 2020, （19）:47-51.]

[本文引用: 3]

[4]

Shahid

, Behrawan

. Drought risk assessment in the western part of
Bangladesh. 2008, 46（3）:391-413. DOI: 10.1007/s11069-007-9191-5.

[本文引用: 1]

[5]

Mohammad M

, Bussi

, Elliott J

, et al. Assessment of risks to public water supply from low flows and harmful water quality in a changing climate
Water Resources Research, 2019, 55（12）:10386-10404. DOI: 10.1029/2018WR022865.

URL [本文引用: 1]

[6]

Dadson

, Hall J

, Garrick

, et al. Water security, risk, and economic growth: Insights from a dynamical systems model
Water Resources Research, 2017, 53（8）:6425-6438. DOI: 10.1002/2017WR020640.

URL [本文引用: 1]

[7]

郑景云, 何凡能, 吴文祥. 中国能源与水资源保障风险综合评价研究的若干问题
地理科学进展, 2010, 29（9）:1027-1031.

[本文引用: 1]

[ Zheng

Jingyun

, He

Fanneng

, Wu

Wenxiang

. Several problems in the study on integrated evaluation of security risks of china's energy and water resources
Progress in Geography, 2010, 29（9）:1027-1031.]. DOI: 10.11820/dlkxjz.2010.09.001.

[本文引用: 1]

[8]

Xia

, Ning L

, Wang

, et al. Vulnerability of and risk to water resources in arid and semi-arid regions of west China under a scenario of climate change
Climatic Change, 2017, 144（3）:549-563. DOI: 10.1007/s10584-016-1709-y.

URL [本文引用: 2]

[9]

钱龙霞, 张韧, 王红瑞, 等. 基于Logistic回归和DEA的水资源供需月风险评价模型及其应用
自然资源学报, 2016, 31（1）:177-186.

[本文引用: 1]

[ Qian

Longxia

, Zhang

Ren

, Wang

Hongrui

, et al. Monthly risk assessment model of water supply and demand based on logistic regression DEA and its application
Journal of Natural Resources, 2016, 31（1）:177-186.]. DOI: 10.11849/zrzyxb.20141452.

[本文引用: 1]

[10]

宁理科. 气候变化下干旱半干旱区水资源脆弱性及其风险评估研究: 以塔里木河流域为例
北京: 中国科学院大学博士学位论文, 2016: 66-68.

[本文引用: 3]

[ Ning

. Research on assessment of vulnerability of and risk to water resources in the arid and semi-arid regions of northwest China under climate change: A case study of the Tarim River Basin
Beijing: Doctoral Dissertation of Chinese Academy of Sciences, 2016: 66-68.].

[本文引用: 3]

[11]

张宁宁, 粟晓玲, 周云哲, 等. 黄河流域水资源承载力评价
自然资源学报, 2019, 34（8）:1759-1770.

[本文引用: 1]

[ Zhang

Ningning

, Su

Xiaoling

, Zhou

Yunzhe

, et al. Water resources carrying capacity evaluation of the Yellow River Basin based on EFAST weight algorithm
Journal of Natural Resources, 2019, 34（8）:1759-1770.]. DOI: 10.31497/zrzyxb.20190815.

URL [本文引用: 1]

[12]

史培军. 四论灾害系统研究的理论与实践
自然灾害学报, 2005, 14（6）:1-7.

[本文引用: 1]

[ Shi

Peijun

. Theory and practice on disaster system research in a fourth time
Journal of Natural Disasters, 2005, 14（6）:1-7.]. DOI: CNKI: SUN: ZRZH.0.2005-06-000.

[本文引用: 1]

[13]

IPCC. Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation: Special Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2012: 31-32.

[本文引用: 1]

[14]

席丹墀, 许新宜, 韩冬梅, 等. 京津冀地区水资源承载力评价
北京师范大学学报（自然科学版）, 2017, 53（5）:575-581.

[本文引用: 1]

[ Xi

Danchi

, Xu

Xinyi

, Han

Dongmei

, et al. Evaluation of water resources carrying capacity in Beijing Tianjin Hebei region
Journal of Beijing Normal University （Natural Science Edition）, 2017, 53（5）:575-581.]. DOI: 10.16360/j.cnki.jbnuns.2017.05.012.

[本文引用: 1]

[15]

樊杰, 周侃, 王亚飞. 全国资源环境承载能力预警（2016版）的基点和技术方法进展
地理科学进展, 2017, 36（3）:266-276.

DOI:10.18306/dlkxjz.2017.03.001 [本文引用: 1]

本文探讨了资源环境承载能力预警机制的设计基点,阐释了资源环境承载能力、承载能力评价和预警的基本概念,创建了资源环境承载能力预警的理论模型,并制定了2016版全国资源环境承载能力预警的技术流程、评价体系、集成方法与类型划分等技术要点,为全国资源环境承载能力预警全面试行提供技术参考。研究表明：增长极限论是资源环境承载能力预警的理论基础;以县级行政区为评价单元的资源环境承载能力预警,分别开展陆域评价和海域评价,二者均包括基础评价和专项评价两部分,基础评价采用统一指标体系对所有县级行政区进行全覆盖评价,专项评价根据主体功能区规划选取特征指标对优化开发、重点开发和限制开发区域进行评价;采取“短板效应”原理确定资源环境超载、临界超载和不超载3种类型,结合资源环境耗损过程评价划分红色(极重警)、橙色(重警)、黄色(中警)、蓝色(轻警)和绿色(无警) 5个预警等级,通过陆海统筹校验确定资源环境承载能力“三类五级”评价方案。

[ Fan

Jie

, Zhou

Kan

, Wang

Yafei

. Basic points and progress in technical methods of early-warning of the national resource and environmental carrying capacity （V2016）
Progress in Geographical Sciences, 2017, 36（3）:266-276.]. DOI: 10.18306/dlkxjz.2017.03.001.

[本文引用: 1]

[16]

段春青, 刘昌明, 陈晓楠, 等. 区域水资源承载力概念及研究方法的探讨
地理学报, 2010, 65（1）:82-90.

[本文引用: 1]

[ Duan

Chunqing

, Liu

Changming

, Chen

Xiaonan

, et al. Preliminary research on regional water resources carrying capacity conception and method
Acta Geographica Sinica, 2010, 65（1）:82-90.]. DOI: 10.11821/xb201001009.

[本文引用: 1]

[17]

刘颖, 戚宏亮, 宁云才. 基于DEMATEL煤炭开发效率评价影响因素研究
煤炭经济研究, 2019, 39（2）:26-30.

[本文引用: 1]

[ Liu

Ying

, Qi

Hongliang

, Ning

Yuncai

. Research on influencing factors of coal development efficiency evaluation based on DEMATEL
Coal Economic Research, 2019, 39（2）:26-30.]. DOI: 10.13202/j.cnki.cer.2019.02.021.

[本文引用: 1]

[18]

张会, 李铖, 程炯, 等. 基于“H-E-V”框架的城市洪涝风险评估研究进展
地理科学进展, 2019, 38（2）:175-190.

DOI:10.18306/dlkxjz.2019.02.003 [本文引用: 1]

在全球气候变化与城市扩张的背景下,城市洪涝问题频发并引发严重的社会问题与经济损失。当前城市洪涝管理的主要内容已从工程性防御性措施转向洪涝风险管理,而城市洪涝风险评估又是城市洪涝管理的关键环节。基于此背景,论文首先介绍了IPCC采纳的城市洪涝风险评估框架“危险性(Hazard)—暴露性(Exposure)—脆弱性(Vulnerability)”即“H-E-V”的概念内涵,在此基础上梳理了其危险性、暴露性、脆弱性3大要素的主要研究内容,探讨分析不同研究方法的优缺点。最后提出了城市洪涝风险评估的主要发展趋势及关键问题,主要有以下4个方面：①危险性方面,建立适应于城市地区的耦合型二维洪涝淹没模型是洪涝风险评估要求下的必然趋势;②暴露性分析在大数据及GIS技术支撑下正逐步精细化、动态化;③脆弱性正从早期侧重的物理维度定量评估转向社会、经济、文化、环境等多维度的评估;④此外,气候变化与城市扩张下的多情景城市洪涝风险评估是未来城市洪涝管理的研究热点与难题。

[ Zhang

Hui

, Li

Cheng

, Cheng

Jiong

, et al. A review of urban flood risk assessment based on the framework of hazard-exposure-vulnerability
Progress in Geography, 2019, 38（2）:175-190.]. DOI: 10.18306/dlkxjz.2019.02.003.

[本文引用: 1]

[19]

黄崇福. 自然灾害动态风险分析基本原理的探讨
灾害学, 2015, 30（2）:1-7.

[本文引用: 1]

[ Huang

Chongfu

. Exploration on the basic principles of dynamic risk analysis in natural disasters
Journal of Catastrophology, 2015, 30（2）:1-7.]. DOI: 10.3969/j.issn.1000-811X.2015.02.001.

[本文引用: 1]

[20]

余灏哲, 李丽娟, 李九一. 基于TRMM降尺度和MODIS数据的综合干旱监测模型构建
自然资源学报, 2020, 35（10）:2553-2568.

[本文引用: 1]

[ Yu

Haozhe

, Li

Lijuan

, Li

Jiuyi

. Establishment of comprehensive drought monitoring model based on downscaling TRMM and MODIS data
Journal of Natural Resources, 2020, 35（10）:2553-2568.]. DOI: 10.31497/zrzyxb.20201019.

URL [本文引用: 1]

[21]

, LV A

, Wu J

, et al. Drought hazard assessment and spatial characteristics analysis in China
Journal of Geographical Sciences, 2011, 21（2）:235-249. DOI: 10.1007/s11442-011-0841-x.

URL [本文引用: 1]

[22]

李景保, 何蒙, 于丹丹, 等. 水利工程对长江荆南三口水系结构变化的影响
地理科学, 2019, 39（6）:1025-1035.

DOI:10.13249/j.cnki.sgs.2019.06.018 [本文引用: 1]

利用1954、1975、1990、2008和2016年5期长江荆南三口水系图进行解译,并运用灰色关联度模型定量评价区内外水利工程对水系结构变化的影响。结果表明：① 近60 多年来,荆南三口在水系结构一般特征上,河流数量由264条缩减为132条,河流长度由2 183.6 km缩短为1 560.6 km,河频率与水面率分别由0.084条/km 2、17.45%减小为0.042条/km 2、14.33%;在水系结构发育特征上,河网密度、面积长度比和河网发育系数由1954年的0.687 km/km 2、3.96 km/km 2、6.902,依次减小为2016年的0.475 km/km 2、3.17 km/km 2、4.165;从分形特征上看,三口水系4个河区的分维数都在1.5~2.0之间波动,但均呈下降趋势。这表明随着水利工程的不断建设,荆南三口水系自然发育过程受到严重干扰;② 水系结构特征变化受水库总库容影响最大,内部水利工程次之,外部水利工程影响最小,各项指标的灰色关联度均大于0.5。其中,区外水利工程与河频率、水面率、河网密度、河网发育系数、分形维数的灰色关联度分别为0.571 8、0.592 2、0.585 8、0.577 1、0.634 0;区内水利工程数量与各项指标的灰色关联度分别为0.632 5、0.652 7、0.646 5、0.630 6、0.693 7;水库总库容与各项指标的灰色关联度依次为0.707 0、0.729 4、0.722 6、0.712 7和0.728 4。③ 水利工程对水系结构的影响在不同时段呈现出不同的状态,在不同时期水利工程相继运行的叠加影响下,水系受到水利工程影响逐渐增大,水系结构逐步呈现简化趋势。

[ Li

Jingbao

, He

Meng

, Yu

Dandan

, et al. Effect of hydrological projects on river network structure in the three outlets of Southern Jingjiang River
Scientia Geographica Sinica, 2019, 39（6）:1025-1035.]. DOI: 10.13249/j.cnki.sgs.2019.06.018.

[本文引用: 1]

To study the effect of hydrological projects on the river network structure in the three outlets of Southern Jingjiang River, this article interpreted maps of river network of the year 1954, 1975, 1990, 2008 and 2016, and quantitatively evaluated the effect of projects on variation in river network with the help of grey correlation model. Results show that: 1) In the last 60 years, in terms of the general features, the number and length of river decreased from 264 to 132 and 2 183.6 to 1 560.6 km respectively; River density and water surface ratio reduced from 0.084 per km 2 to 0.042 per km 2 and 17.45% to 14.33%. In terms of growing features, drainage density, ratio of area to length, and growth index were decreased from 0.687 km/km 2, 3.96 km/km 2, and 6.902 in 1954 to 0.475 km/km 2, 3.17 km/km 2, and 4.165 in 2016; fractal dimension of the four rivers in the three outlets, though ranged between 1.5 and 2.0, all demonstrated a declining trend. These indicate that natural evolution of river network in the three outlets of Southern Jingjiang River has been significantly disturbed by construction of hydrological projects. 2) The first important factor responsible for the change of river network is the total capacity of reservoirs, followed by inside projects and outside projects. Factors’ grey coefficients were all above 0.5. The coefficient of outside projects to river density, water surface ratio, drainage density, ratio of area to length, and growth index was 0.571 8, 0.592 2, 0.5858, 0.577 1, and 0.634 0, respectively, while the value of inside projects and total capacity of reservoirs to these indicators were 0.6325, 0.652 7, 0.6465, 0.6306, and 0.693 7, 0.707 0, 0.729 4, 0.722 6, 0.712 7, and 0.7284. 3) The effects of hydrological projects on river network structure were of different characteristics in different periods. Because of the superimposed effect induced by successive operating projects, the influence of hydrological projects on river network has been enlarged, causing simplified structure of river network. Results of this research will play a significant role in the distribution of hydrological projects, channel improvement, and river-lake connectivity projects in both the upper reaches of Yangtze River and the three outlets of Southern Jingjiang River.

[23]

张一达, 刘学录, 范亚红, 等. 基于改进TOPSIS法的兰州市土地利用多功能性评价
干旱区地理, 2019, 42（2）:444-451.

[本文引用: 1]

[ Zhang

Yida

, Liu

Xuelu

, Fan

Yahong

, et al. Multi-functional evaluation on land use in Lanzhou City based on the improved TOPSIS
Arid Land Geography, 2019, 42（2）:444-451.]. DOI: 10.12118/j.issn.1000-6060.2019.02.24.

[本文引用: 1]

[24]

宋周莺, 康蕾, 刘毅. 中国区域投入产出效率的综合测度与时空格局
地理研究, 2019, 38（2）:326-336.

DOI:10.11821/dlyj020170979 [本文引用: 1]

改革开放40多年来,中国经济发展与资源环境之间的矛盾日益突出,资源环境安全面临严峻的挑战。在此背景下,基于要素投入和经济、环境总产出的综合视角,构建区域投入产出效率评价指标体系,应用数据包络分析方法,采用CCR模型、Super-CCR模型,测算1995-2015年间不同时期中国各省区市的投入产出效率,并对其变化趋势及空间分异进行分析。结果表明,全国投入产出效率在波动中呈上升态势,特别是2010年之后投入产出效率提升较明显;2015年,中国区域投入产出效率呈较明显的由东向西、由北向南逐渐降低的空间格局分异。分区域看,东部地区投入产出效率相对最高,其中北京、天津、广东等省市的上升态势明显;东北地区投入产出效率整体偏低,特别是黑龙江的投入产出效率表现为持续下降;中部各省投入产出效率普遍不高,但河南相对较高且2010年较之前提升明显;西部地区投入产出效率的省际差异明显,其中西南各省投入产出效率下降态势较明显。

[ Song

Zhouying

, Kang

Lei

, Liu

. Spatio-temporal analysis of provincial input-output efficiency in China
Geographical Research, 2019, 38（2）:326-336.]. DOI: 10.11821/dlyj020170979.

[本文引用: 1]

With rapid economic growth, the problem of resources depletion and environmental pollution has become increasingly prominent in China. According to the CO2 emission reduction target, by 2020 the amount of CO2 emission per output unit (GDP) will drop by 40%-45% compared to 2005, and China is facing a severe challenge in national sustainable development. It is against such background that this paper will make a comprehensive examination of regional input and output efficiency, aiming to discover a green and compatible way. From the perspective of the integrated view of factor input and economic-environmental output, this paper establishes provincial input and output efficiency indicator system, and then measures the changing trend and spatial differences of provincial input and output efficiency in China comprehensively, using CCR model and super-CCR mode. The major findings were summarized as follows. First, the input and output efficiency in China is rising, although there are fluctuations; especially after 2010, the efficiency in China has increased significantly, due to the government's efforts of development of green economy. In 2015, the input and output efficiency in China is 1.667, compared to 1.354 in 1995. Second, in 2015, provincial efficiency decreases gradually from eastern to central and western region, from north to south; while the provincial differences have been more significiant, compared to 1995. Third, the input and output efficiency of eastern region is higher than that of other regions, due to obvious location advantages, large economic volume and relatively high resource allocation efficiency. And the efficiency of Beijing, Tianjin and Guangdong has been increasing in the last two decades. The input and output efficiency in the western and northeastern regions are much lower, while Heilongjiang's efficiency has been decreasing since 1995. The input and output efficiency in central region with heavy industrial structure is at the middle level. Among the provinces, Shanxi, Anhui and Hubei have decreased the efficiency, while Henan has increased significantly after financial crisis. There exist clear differences of input and output efficiency in the western region, where the efficiency of most provinces is lower due to the weakness of natural background, too large proportion of energy and raw materials industry. But the efficiency of Qinghai is always the forfront, while that of southwest provinces has an obvious decreasing trend.

[25]

李崇瑞, 游松财, 武永峰, 等. 改进作物水分亏缺指数用于东北地区春玉米干旱灾变监测
农业工程学报, 2019, 35（21）:175-185.

[本文引用: 1]

[ Li

Chongrui

, You

Songcai

, Wu

Yongfeng

, et al. Improved crop water deficit index for monitoring drought disaster change process of spring maize in the Northeast China
Transactions of the Chinese Society of Agricultural Engineering, 2019, 35（21）:175-185.]. DOI: 10.11975/j.issn.1002-6819.2019.21.021.

[本文引用: 1]

[26]

Cui

, Feng

, Jin J

, et al. Water resources carrying capacity evaluation and diagnosis based on set pair analysis and improved the entropy weight method
Entropy, 2018, 20（5）:359-279. DOI: 10.3390/e20050359.

URL [本文引用: 1]

[27]

刘焱序, 王仰麟, 彭建, 等. 基于生态适应性循环三维框架的城市景观生态风险评价
地理学报, 2015, 70（7）:1052-1067.

DOI:10.11821/dlxb201507003 [本文引用: 1]

本研究以城市社会—生态系统为风险评价对象,引入生态适应性循环三维框架,将景观生态风险评价指标从单一的景观指数层面扩展至“潜力—连通度—恢复力”三维准则,并以深圳市为研究区,基于有序加权平均（OWA）算法对评价结果进行情景设置。研究结果显示,评价中干扰指标主要影响风险评价结果属性值域,而风险空间格局则受暴露指标制约;深圳全市景观生态风险整体呈现“西高东低”的分布格局,城市新建成区风险最高,大鹏半岛风险最低,羊台山与笔架山公园则是城区内部的相对风险低值区;基于OWA方法设置情景偏好,绘制“忽视”、“正常”及“重视”三种风险情景下的城市景观生态风险图。本研究基于生态适应性循环理念集成社会—生态系统时空动态干扰与暴露指标表征城市景观生态风险,并通过OWA方法变换主观偏好、降低评价不确定性,可以满足不同发展思路下的城市开发布局需求,从而为城市景观发展空间权衡提供决策支持。

[ Liu

Yanxu

, Wang

Yanglin

, Peng

Jian

, et al. Urban landscape ecological risk assessment based on the 3D framework of adaptive cycle
Acta Geographica Sinica, 2015, 70（7）:1052-1067.]. DOI: 10.11821/dlxb201507003.

[本文引用: 1]

As the city social-ecological system was regarded as the risk assessment target, a 3D framework of ecological adaptive cycle was built, which extended the landscape ecological risk assessment indicators to the potential-connectedness-resilience 3D criteria from the former landscape index level. Emphasis was placed on the principle of static spatial pattern with interactive dynamic trend from a geographical spatial analysis view. It was believed that the 3D framework could describe the pattern-process interaction with specific landscape elements much more clearly. Taking Shenzhen city as a study area, this study adopted the 3D framework of ecological adaptive cycle in building a landscape ecological risk assessment index system with the help of GIS spatial analysis method. Different scenarios were established based on the ordered weighted averaging (OWA) algorithm in the risk assessment. The results show that among the three scenarios, the concrete value of landscape ecological risk showed a similar distribution trend that the Dapeng Peninsula had the lowest landscape ecological risk in Shenzhen city; Yangtai Mountain and Bijiashan Park showed relatively low risks in the city area, even though the risks in each scenario were specifically different. This indicated that the choice of the specific threshold in "development" or "protection" largely depended on the city development strategy created by decision makers under current cognition. The emphasis of scenario tradeoff was extracting the risk and uncertainty interval rather than an optimal value. The development or protection methods through each of the specific planning objectives would be the ultimate goal of the ecological risk assessment at a regional scale. The evaluation in this study improved the landscape ecological risk assessment indices and methods based on the adaptive cycle concept, which reflected the spatiotemporal dynamics and exposure disturbed by human interference. Furthermore, the preference transform in OWA method reduced the uncertainty caused by the subjective risk assessment, which could improve the theoretical basis as well as maneuverability in urban planning. This study not only extended the landscape ecological risk assessment to spatial-temporal integration perspective, but also made a significant improvement in ecological risk assessment of landscape indicator system. Therefore, the results of this study could offer a powerful quantitative support for landscape development and protective measures effectively, such as city construction and demarcation of ecological control line.

[28]

Liu

D.L

., Zuo H.

. Statistical downscaling of daily climate variables for climate change impact assessment over New South Wales, Australia
Climatic Change, 2012, 115（3-4）:629-666. DOI: 10.1007/s10584-012-0464-y.

URL [本文引用: 1]

[29]

Zhang

., Dong

., Wu

. Changes in precipitation extremes over eastern china simulated by the Beijing Climate Center Climate System Model （BCC_CSM1.0）
Climate Research, 2011, 50（2）:227-245. DOI: 10.3354/cr01066.

URL [本文引用: 1]

[30]

姜大川. 气候变化下流域水资源承载力理论与方法研究
北京: 中国水利水电科学研究院博士学位论文, 2018: 40.

[本文引用: 1]

[ Jiang

Dachuan

. Study on theory and method of water resources carrying capacity in river basin under climate change
Beijing: Doctoral Dissertation of China institute of Water Resources & Hydropower Research, 2018: 40.]

[本文引用: 1]