水资源管理绩效评价模型研究进展

秦 聪 郭 华 李 扬

（1.太原理工大学 山西太原 030024；2.山西农业大学果树研究所 山西太原 030031）

水，一切生命活动赖以生存的自然资源和战略资源。中国，一个水资源严重短缺的国家，水资源利用效率不高：农田灌溉水有效利用系数远低于0.7～0.8 的世界先进水平；工业用水是世界先进水平的2～3 倍；城镇供水管网漏失率高达20%[1]。

随着我国经济社会的发展，水资源短缺、水安全问题日益凸显。党的十八大以来，习近平总书记谈生态环境保护最多，讲水资源水生态水环境等问题最实，论述生态文明建设最具体，习近平生态文明思想为推动新发展理念和实现经济新常态提供了方向指引和根本遵循[2]。

2021年，水资源管理工作要深入学习贯彻党的十九届五中全会精神和习近平总书记关于治水工作的重要论述，坚持以水而定、量水而行，强化水资源刚性约束，按照水利部党组提出的“三对标、一规划”专项行动要求，以改促干、以改促建，进一步夯实水资源管理基础，不断提升监管能力，推进水生态突出问题治理和水资源保护，促进生态文明建设和经济社会高质量发展。

1 水资源现状

根据《中国水资源公报》，2020年我国年平均降水量706.5 mm，水资源总量31 605.2 亿m3，比多年平均值偏多14%。全国用水总量为5 812.9 亿m3，其中生活用水、工业用水和农业用水分别为863.1 亿m3、1 030.4 亿m3和3 612.4 亿m3，人工生态环境补水307.0 亿m3，人均综合用水量307.0 亿m3。

目前，我国水资源存在匮乏、涉及面广的问题，并且地下水超采严重，随着城市规模的扩大，水资源污染严重，影响可持续利用。

2 水资源管理制度

我国严重的水问题，除了经济发展等外部因素外，管理方面也是重要原因。由于水资源管理手段、措施、技术、能力甚至制度不到位，在一定程度上导致和恶化了我国严重的水资源和水环境问题，主要表现为：水资源管理的技术审查严重滞后，不能满足水资源管理的行政管理要求；水资源管理的行政管理没有实现技术审查的目标；水资源管理的层次性脱节；水资源管理的宏观和微观管理脱节。

针对以上水资源存在问题，我国以“目标水平年水资源可利用量或取水许可总量控制指标与流域和区域取水总量、水域纳污能力与入河污染排放总量”为原则，将水资源分区管理建立为红黄蓝分区。

水资源红黄蓝分区制度主要实现以下三个目标：水资源的可持续利用、水资源的有效保护、水资源的高效利用。

3 水资源管理绩效评价模型

为了有效监控水资源管理水平，从多方面审视水资源管理成效，以水资源红黄蓝分区制度“水资源的可持续利用、水资源的有效保护、水资源的高效利用”为目标，诸多学者对水资源管理绩效进行了评价。

罗浩、周维博等[3]采用GC-TOPSIS 模型，对西安市2005-2016年水资源管理绩效进行评价，结果显示，水资源综合管理水平为良好；GC 模型是定性分析和定量分析相结合，排除人为因素带来的影响，使评价结果更加客观准确，整个计算过程简单，通俗易懂，易于为人们所掌握，但要求样本数据且具有时间序列特性；TOPSIS 模型对样本资料无特殊要求，比较充分地利用了原有的数据信息，与实际情况较为吻合，可对每个评价对象的优劣进行排序，但不能分档管理，灵敏度不高；GC-TOPSIS 模型通过博弈论耦合而成，克服了GC 模型和TOPSIS 模型的不足。

郝光玲、王烜等[4]运用改进的综合评价模型（改进的FCE 模型和GC 模型）对北京市14年的水资源短缺风险进行了评价，结果表明，北京市水资源短缺风险整体逐渐下降并趋于稳定，但2012年以后有升高趋势；FCE 模型数学模型简单，容易掌握，对多因素、多层次的复杂问题评判效果较好，但不能解决评价指标间相关造成的评价信息重复问题，隶属函数的确定还没有系统的方法，而且合成的算法也有待进一步探讨，带有一定的主观性；GC 模型是定性分析和定量分析相结合，排除人为因素带来的影响，使评价结果更加客观准确，整个计算过程简单，通俗易懂，易于为人们所掌握，但要求样本数据且具有时间序列特性；为了避免主观权重和客观权重的偏差，改进的综合评价模型采用了组合赋权法对水资源管理进行评价。

以2016—2018年江苏省水资源管理制度为例，纪静怡、方红远等[5]基于组合赋权云模型对其进行了评估，评估结果与实际考核基本相符；云模型仿真能力强，结果比较精确，但运算过程复杂，权重确定单一，具有一定主观性；基于组合赋权云模型采用AHP和熵权法确定权重，改进了权重确定单一问题，减少了主观因素的影响。

黄珊、冯起等[6]运用综合指数法，对石羊河流域集成水资源管理绩效进行评价，评价结果表明，IWRM绩效在2000、2007、2017年呈上升趋势；综合指数法评价过程系统、全面、计算简单，数据利用充分；但标准的确定较为困难，指标无上下限，若存在极大值会影响评价结果的准确性。

为分析铁岭市昌图县水资源管理水平，雷书姗[7]利用SDA 法对2008—2018年的水资源管理水平进行分析，为水资源管理评价提出了新方法；SDA 法可以明确、简洁的概括了变量之间的关系，但各因素之间存在相互影响。

徐鸿[8]基于灰色关联分析的改进TOPSIS 模型，以衡水市水资源管理能力为例，进行了评价分析。

为研究水资源管理评价模型，代兴兰[9]以曲靖市水资源管理为例，构建了基于SVR 和RBF 模型，研究结果表明，该模型评价精度高，应用范围广，适用于最严格的水资源管理评价；SVM 模型可以解决小样本情况下的机器学习问题，提高泛化能力，解决高维问题，解决非线性问题，避免神经网络结构选择和局部极小点问题，但对缺失数据敏感，对非线性问题没有通用解决方案；SVR 模型是基于SVM 模型的改进模型，RBF 模型具有唯一最佳逼近的特性，且无局部极小问题存在，具有较强的输入和输出映射能力，分类能力好，学习过程收敛速度快，但没能力解释自己的推理过程和推理依据。

杨阳、方国华等[10]采用改进模糊物元分析法，对南京市高淳区的水资源管理进行分析，结果表明，此方法稳定性好，适用性强；模糊物元分析法计算简便，分辨率高，解决了模糊不相容问题，但权重确定存在一定主观性；改进模糊物元分析法克服了这一缺点，客观确定权重，并对水资源管理进行评价。

由此可见，国内学者进行水资源管理评价的方法主要为模糊综合评价（FCE）模型、灰色关联分析（GC）模型、TOPSIS 模型、支持向量机模型（SVM）、云模型、综合指数法、结构分解分析（SDA）法、径向基（RBF）神经网络、层次分析法（AHP）、BP 神经网络法和模糊物元分析法。FCE 模型、GC 模型、AHP 模型和模糊物元分析法主观成分大，TOPSIS 模型和综合指数法灵敏度不高，而SVM 模型、云模型、SDA 法以及BP 神经网络法计算复杂，不易掌握。

在此基础上，部分学者进行了评价模型的改进[11-14]，结合了不同模型单一评价的不足，克服了权重分配不合理、主观因素太强等缺点，构建了GC-TOPSIS 模型、SVR 模型、组合赋权云模型、改进模糊物元分析法等，对水资源管理绩效进行了评价。

4 结论

水资源分区管理的核心是“因地制宜、分类指导”，即通过分区识别和归类流域或区域不同的水问题，建立与分区相对应的水资源管理措施。为有效监管水资源管理制度，更好地开展水资源管理工作，学者们因地制宜，以“水资源的可持续利用、水资源的有效保护、水资源的高效利用”为目标，建立不同评价模型，对不同区域水资源管理绩效进行分析。

针对不同省份的水资源管理制度，在今后的水资源分区管理绩效评价中，借鉴前人经验，结合各评价模型的优缺点，采用适合当地水资源管理制度的方法，对其进行评价。在此基础上，对评价模型进行改进和完善，以构建出简单、合理、适用性强、评价精度高的模型，为开展好水资源管理工作做好准备。