四川省水资源承载力研究

胡淑杰，邓英尔

(成都理工大学 地质灾害防治与地质环境保护国家重点实验室，四川 成都 610059)

水资源承载力是对某一区域或流域下的水资源在不破坏生态环境的条件下，可以维持所在区域经济发展的所需的水资源的支持能力。其变化总是与该区域的社会发展阶段和经济技术水平相联系。因此了解一个国家或地区的水资源承载力情况有助于调控人口、经济与水资源利用量之间的协调发展。本文收集了四川省省份连续几年水资源数据，对四川省水资源承载力评价，进而了解该地区目前承载力状况和变化趋势，为以后的的学者提供一些参考依据。

水资源承载力的评价指标很多，且相互之间不存在线性关系。目前对于水资源承载力的研究已经相当成熟，评价方法也有很多。往往适用于多指标综合评价的方法都适用于水资源承载力评价。如金菊良，等构建基于最大信息熵的投影寻踪方法对安徽省水资源承载力进行评价，采用加速遗传算法优化最佳投影方向，最终得到较合理的评价结果[1]。许郎等.利用主成分分析法对江苏省水资源承载力进行研究[2]。邢军等将因子分析与模糊综合评价相结合对合肥市水资源承载力进行评价[3]。任书军采用模糊综合评价法对葫芦岛市水资源承载力进行评价，期间选择不同的方法对各指标层权重进行计算[4]。另外也可构建模型实现对水资源承载力的评价，如刘敬东基于DPSIRM模型下研究区域水资源承载力[5]，李少明等创建AHP-TOPSIS模型以江苏省为研究区域进行水资源承载力评价等[6]。在对四川省水资源评价研究时采取的方法包括主成分分析[7]、集对分析[8]、DEA模型[9]等。这些都对本文的评价方法选取提供了依据。

在对水资源承载力进行评价之前，首先选择评价方法，基于本次的数据量本文选取因子分析对评价指标进行处理，采取熵权法[10]指标赋权确保综合得分的客观性。为消除偶然因素影响，收集近十年数据作为基础[11-14]横向上利用多年平均值来分析影响承载力各因素特征，在纵向上分析该区域近几年水资源承载力变化趋势和目前水资源所处状态。本文除对多年四川省水资源承载变化情况做了分析外，还分别计算省内各城市多年的承载力综合得分，并对其进行排名。简要说明与四川省承载力变化之间的关系，使得分析更加全面。

1 研究区水资源概况

四川省位于中国的西南方向，位置介于97°21′E～108°31′E与 26°03′N～34°19′N之间，全省总面积约48.43万 km2。地处长江上游，地势西高东低，全省共辖18个地级市、3个自治州。以河川径流为主，全省河流分属7个水资源二级区。

根据06-17年数据平均值[15，16]，四川省水资源总量约2 512.278亿 m3。西部高原区水资源总量约1 433.753亿 m3，占全省的57.07%。全省人均水资源量约2 936.8 m3，多年来人均水资源量高于全省的有攀枝花3 566.833 m3、乐山3 605.667 m3、雅安9 572.5 m3、甘孜州55 028.167 m3、凉山州8 402 m3和阿坝州41 944.5 m3。甘孜州、凉山州、阿坝州水资源总量最大，自贡与遂宁水资源总量最小。通过计算水资源开发潜力来分析各市水资源可利用程度。

我们用水资源负载指数来表示水资源开发潜力[17]，计算公式为

(1)

式中: C为水资源负载指数; P为人口(万人); G 为 GDP(亿元); W为水资源总量(亿m3); K的取值见下式

(2)

带入式1，2得到各市水资源负载指数，并以此为依据将各市水资源潜力分为五级。结果如图1。

图1 各市水资源潜力

从区域面积角度来看四川省西北部水资源开发潜力较大，面积约占四川省总面积的50%。从各城市水资源利用量来看，四川省约80%以上的城市水资源开发利用率较高。特别是像成都、德阳等这些地区的水资源总量不足以支撑该地区的经济发展能力，可能还会产生入不赘出的情况。为更清楚的了解四川省水资源状况，还应考虑多方指标对水资源承载力进行计算。

2 分析方法

2.1 因子分析

因子分析是利用各原始变量之间相关性，将相关性高的多个变量合并成一个一个新的变量，使多个指标可以合并成较少指标来进行评价的多维简化方法。这个新的变量叫做公共因子，要求各公共因子之间相互独立。评价结果较为真实客观，在各个领域都得到了广泛的应用。

因子分析模型及步骤过程如下：

将原始变量表达为少数几个公共因子f1,f2，…，fm的线性组合。实现x1,x2,…,xp→f1,f2,…,fm的转换，具体模型如下：

(3)

其中f1,f2,…,fm为m个公共因子，aij,为xi在因子fj上的载荷(i∈[1 p],j∈[1 m])ε1,ε2,…,εp为误差项。μi为xi的均值。

因子分析步骤：①将原始数据标准化处理。②求原始数据的相关性矩阵，对数据进行KMO(Kaiser-Meyer-Olkin)和Bartlett's球形统计量检验，判断数据是否适合降维。本次所选取数据中kmo值0.676，Bartlett's球状检验值p=0小于0.05，拒绝零假设可以做因子分析。③取累计贡献率大于85%的前m个因子作为公共因子。④求因子载荷矩阵并进行适当的因子旋转，使结果更易解释。⑤利用Fi=μi1X1+μi2X2+…+μimXn，i=1，2，…，m公式来计算每个因子的得分。

2.2 熵权法

根据各公共因子的离散程度客观计算各指标权重，计算步骤如下：

(1)对m个指标，n个样本，有xij为第i个样本的第j个指标的数值(i=1，…,n;j=1，…,m);

(2)指标的归一化处理：也为同趋向处理，即把指标的绝对值转化为相对值，如果数据中包含正负两项指标，不同方向的指标有不同的归一化方式

(4)

(5)

(3)计算第j项指标下第i个样本值占该指标的比重：

(6)

(7)

其中，k=1/ln(n)>0,

(8)

这里的1-ej为信息熵的冗余度

(9)

3 四川省水资源承载力计算与评价

3.1 指标构建

在选取地下水资源承载力评价指标时，要考虑地下水资源影响因素、经济、社会的发展状况和生态环境保护三个方面。根据收集的指标数据和查阅水资源承载力相关文献，采取频率统计法选取以下11个具代表性的指标：灌溉率(x1,%)、人均水资源量(x2,m3)、水资源利用率(x3,%)、供水总量(x4,亿m3)、人均综合用水量(x5,m3)、供水模数(x6,万m3/km2)、水资源总量(x7,亿m3)、降水总量(x8,亿m3、地下水供水比例(x9,%)、万元GDP用水量(x10,m3/万元)、废水排放总量(X11,亿m3)。为了保持指标的一致性将人均水资源量、降水总量和水资源总量三个正向指标进行负向处理。

3.2 熵权法的应用

目前主因子已经确定随后利用熵权法来计算主因子之间的离散程度，故将水资源承载力的三个主因子代入式(5)-(9)，计算出各主因子的权重分别为：W1=0.369 1,W2=0.386 8,W3=0.244 1。四川省2006-2017的水资源承载力综合得分见图2。

图2 2006-2017水资源承载力综合得分

从图2可以看出从2006-2008年水资源承载力逐渐增强，从2008年之后到2012年水资源承载力波动较大。2012年到2015年水资源承载力急剧下降，2015年至2017年承载力有增强的趋势但增长缓慢。2006年四川省水资源承载力很低，那是因为该年水资源总量及径流系数均为统计记录最低年，除此之外同年降水量比往年降低15.2%，因此导致该年水资源承载力较低。之后几年降水量增大，承载力也相对提升。

从结果来看2008年与2010年的承载力差不多处于同一水平，从数据来看2018年降水量要比2010年增加了209.25亿 m3，但2010年水资源总量高出89.1亿 m3，再加上径流系数也比2008年要大，最终导致2010年承载力要强一些。相反2009和2011年降水量比往年分别减少了7.9%和9%。

从2012年开始四川省年末常住人口持续增加，人口增长率从2.97%增长到4.23%，从而导致生活用水量也在逐年增加。另外经济不断发展，地区生产总值增加都是使水资源承载力降低的因素。

2015年是十二年内承载力最低的一年，原因在于人口增长压力和经济用水压力。该年降水量比往年平均降低8.6%水资源总量比往年减少15.1%，产生入不敷出的状况。从2015-2017年四川省供水总量趋于稳定逐年相差约1～2 m3。但生产总值却增加2～4千亿元, 2017年万元GDP用水量仅为2006年的29.67%，代表各行业水资源利用效率不断提高。随科技发展水资源供需矛盾紧张的局面可以得到一定程度的缓解。

从整体情况来看水资源承载力影响较大的指标主要为降水量和水资源总量和供水总量，能够很好的预测这三个指标的变化对水资源承载力发展方向有很大的作用。

3.3 因子得分结果分析

运用SPSS23.0对原始数据进行因子分析，其中前三个公因子的总贡献率达到91.862%，故本次选取三个公共因子，表1为旋转后的载荷矩阵。

表1 旋转后的因子载荷矩阵

F1在供水总量、人均综合用水量、供水模数、和废水排放量中有较大载荷呈现出较大的正相关，但在灌溉率、地下水供水比例和万元GDP用水量上呈现负相关。代表了四川省经济发展情况和水资源使用量。F2代表总体的水资源自然状况。F3主要指标为水资源利用率代表水资源利用程度。因此可通过这三个方面来反应四川省水资源承载力的状况。图3为该区水资源承载力三个主因子的得分情况。

图3 三个主因子得分情况

从图3可以看出F1说明四川省水资源使用量虽然在逐年增加，但是地下水开采量和万元GDP用水量在不断降低，代表了行业用水效率增强，四川省技术发展速度增长较快。F2所代表的三项指标均为正向指标由于把水资源总量这些指标正向指标做了负向处理即得分越高水资源可利用量越少，其中2006年得分最高说明该年水资源最匮乏。2013年F3得分最低说明该年水资源利用率最低，这也于实际数据相符合。2013年水资源利用率为4.2%，为十二年来利用率最低的一年。

3.4 各市水资源承载力变化

采用2012-2017年的平均数据计算四川省各市水资源承载力，分析各区域承载力差异，为承载力较差城市的水资源管理提供依据，评价指标同上。利用因子分析得到前四个主因子的累积贡献率达到89.116%，将四个主因子作为新的变量带入熵权法公式计算得到权重W1=0.365 6，W2=0.173 2，W3=0.251 6，W4=0.209 5，最后得到各市水资源承载力分布图4。

图4 四川省各市水资源承载力

从图4可以看出四川省水资源承载力空间分布不均匀。西部高原区水资源承载力较强。东部地区水资源承载力较差，在21个城市中成都市水资源承载力最差，其原因归结为以下几点：(1)人口，成都市人口总量约占全省人口的18%。近六年呈现缓慢增长的趋势从2012年的1 407万增长到2017年的1 604万一直位于各市首位。人数的增多进而导致水资源使用量的增大。(2)成都市第一、二、三产业生产总值远远高于四川省内任何一个城市，因此工业用水量也相对较高。成都市平均水资源总量约为78.53亿 m3，相对于四川省其他城市来水总水资源量不高。(3)平原潜水蒸发量最大，约为全省的70.4%，不过将成都市六年来数据单独做因子分析发现综合得分却在缓慢增加，可以看出成都市水资源状况在逐渐改善。

下面我们计算多年各市水资源得分，了解水资源承载力的变化情况。数据范围同样为06-17年水资源数据，由于未获取到各市废水排放量，评价指标在上述基础上除去废水排放量，增加生活用水定额。分析方法不变，得到各市承载力排名如表2。

表2 四川省各市水资源承载力得分排名

由表2我们可以清晰的观察12年内以城市为单位的四川省内水资源承载力变化趋势。进而可以将四川省整体水资源承载力改善情况针对到某一区域，以城市为单位对全省水资源进行调节。我们可以在表中获取两个信息：(1)根据排名的变化来推测承载力发展的大致趋势，(2)通过相邻年份之间的名次差距来观察城市用水量和水资源补给量之间的稳定程度。可以尽快的提取出稳定性较差的城市，进而从降水径流补给量的变化和生产生活用水量的变化两个角度来探究影响该市承载力的原因，采取相应的解决措施，最后使全省的水资源承载力得到改善。

从表2中看出四川省水资源承载力12年变化趋势与南充市及雅安市基本吻合。将两市排名分别与四川省承载力排名绘到同一张图中，其趋势变化相似更易看出，见图5和图6。

图5 四川省与南充市得分排名曲线

图6 四川省与雅安市得分排名曲线

自贡市、遂宁市、内江市、南充市、达州市、广安市、阿坝州自10年以后存在至少连续四年水资源承载力持续降低的情况，就目前情况来看亦有继续降低的趋势。成都市、雅安市、巴中市相邻年份之间承载力排名差距较大，表明使用量和开采量之间的稳定程度不佳。不过成都市无论是水资源开采潜力还是平均水资源承载力都较差，年降水量和水资源使用量稍有变化就会对其整体的承载力产生很大的影响，相对于其他城市而言虽不稳定但已有变好的趋势。

4 结语

(1)基于12年以来的数据根据每年水资源承载力的得分情况，水资源承载力制约着经济的发展，其主要因素为降水量、水资源总量和水资源利用量。但近几年的情况表明，在生产总值增长速度远远大于用水量的增加量。这是各工业用水效率的提高和城市居民节水意识的增强的结果。

(2)四川省各地区水资源可利用程度不同，差异较明显，甘孜州等西部地区水资源丰富，东部地区水资源承载力较低，区域性水资源短缺。特别是成都、德阳等城市水资源承载力较差，且开采潜力很小，有条件情况下需要外流域调水。对于水资源承载力较差区域除控制人口增长和提高行业用水效率外可考虑修建调水和增加新水源等各种水利工程来满足经济迅速发展。

(3)因子分析对于多指标评价体系来说，操作较简单，本次求取21市12年的水资源承载力得分工作量是比较大的，所选取的计算方法比较适合。但在进行计算时很难得到较大的KMO值，本次所有的KMO值基本处于0.6左右。通过对各市水资源承载力变化情况的了解，使得对全省各地区水资源承载力了解更立体，更全面，更有益于全省水资源承载力改善。