劉玉東

（新疆塔里木河流域希尼爾水庫管理局，新疆 庫爾勒 841000）

基于相關(guān)分析與粗糙集理論的區(qū)域水資源承載力評(píng)價(jià)

劉玉東

（新疆塔里木河流域希尼爾水庫管理局，新疆 庫爾勒 841000）

本文圍繞區(qū)域水資源承載力指標(biāo)體系的初始、優(yōu)化和評(píng)價(jià)檢驗(yàn)三個(gè)構(gòu)建過程，針對(duì)構(gòu)建中的指標(biāo)信息重復(fù)和干擾問題，提出基于相關(guān)分析與粗糙集 Horafa屬性約簡(jiǎn)算法相結(jié)合的指標(biāo)體系優(yōu)化，并采用灰色系統(tǒng)理論與粗糙集耦合的評(píng)價(jià)方法對(duì)優(yōu)化結(jié)果進(jìn)行評(píng)價(jià)。以新疆和田地區(qū)為例，從水資源系統(tǒng)、社會(huì)系統(tǒng)、經(jīng)濟(jì)系統(tǒng)和生態(tài)環(huán)境系統(tǒng)四個(gè)方面，構(gòu)建由 16項(xiàng)指標(biāo)組成的初始水資源承載力評(píng)價(jià)體系，通過篩選得到由 10項(xiàng)指標(biāo)構(gòu)成的優(yōu)化ISAWRCC，進(jìn)而對(duì)這兩套指標(biāo)體系進(jìn)行評(píng)價(jià)。結(jié)果表明:相關(guān)分析與粗糙集 Horafa屬性約簡(jiǎn)算法相結(jié)合的指標(biāo)信息優(yōu)化方案是可靠的；篩除重復(fù)和干擾指標(biāo)信息，簡(jiǎn)化了繁雜的指標(biāo)體系，降低了后續(xù)評(píng)價(jià)的計(jì)算復(fù)雜度，并且信息篩選后的優(yōu)化水資源承載力評(píng)價(jià)體系比初始體系評(píng)價(jià)結(jié)果更合理。

水資源；承載力；評(píng)價(jià)體系；分析；灰色系統(tǒng)理論

水資源承載力是區(qū)域可持續(xù)發(fā)展戰(zhàn)略的重要組成部分，區(qū)域水資源承載力評(píng)價(jià)對(duì)于區(qū)域社會(huì)經(jīng)濟(jì)的持續(xù)發(fā)展、生態(tài)環(huán)境的良性循環(huán)具有重要意義。水資源承載力評(píng)價(jià)指標(biāo)體系（Indicators System for Assessment of Water Resources Carrying Capacity，ISAWRCC）的構(gòu)建則是水資源承載力評(píng)價(jià)的核心內(nèi)容之一，但關(guān)于如何構(gòu)建 ISAWRCC尚未形成一致觀點(diǎn)。目前，ISAWRCC構(gòu)建的常見方法大致有：①從理論探討入手構(gòu)建指標(biāo)體系，如基于協(xié)調(diào)論、和諧論和可持續(xù)發(fā)展理論的內(nèi)容，以水資源、社會(huì)經(jīng)濟(jì)和生態(tài)環(huán)境等系統(tǒng)為準(zhǔn)則層，從水資源可供性、開發(fā)利用效率、合理配置程度和管理能力等方面選擇評(píng)價(jià)因子；②結(jié)合固定模型，劃分體系結(jié)構(gòu)及選取評(píng)價(jià)指標(biāo)，如 PSR模型或DPSIR模型；③通過指標(biāo)歸類處理或指標(biāo)使用頻度統(tǒng)計(jì)，確定體系準(zhǔn)則，選取高頻指標(biāo)參與評(píng)價(jià)，如以總量、比例、強(qiáng)度和效益四類指標(biāo)構(gòu)建ISAWRCC。

本文基于ISAWRCC構(gòu)建的一般方法與步驟，圍繞初始、優(yōu)化和評(píng)價(jià)檢驗(yàn)三個(gè)過程構(gòu)建ISAWRCC；針對(duì)常用篩選方法的不足，提出相關(guān)分析與粗糙集Horafa屬性約簡(jiǎn)算法相結(jié)合的優(yōu)化方案，進(jìn)行水資源承載力評(píng)價(jià)指標(biāo)的篩選；并采用灰色系統(tǒng)理論與粗糙集耦合的評(píng)價(jià)方法，對(duì)指標(biāo)篩選后的優(yōu)化結(jié)果進(jìn)行檢驗(yàn)。以新疆和田地區(qū) 2005年至2012年8年的基礎(chǔ)數(shù)據(jù)為樣本，進(jìn)行ISAWRCC構(gòu)建研究，以期為 ISAWRCC構(gòu)建提供科學(xué)合理的方法和指導(dǎo)。

1 水資源承載力指標(biāo)體系的構(gòu)建方法

1.1 初始ISAW RCC

依據(jù)理論分析和專家經(jīng)驗(yàn)，建立初始ISAWRCC，這一過程主要涉及體系結(jié)構(gòu)確定、指標(biāo)選取和指標(biāo)內(nèi)涵界定三方面內(nèi)容。體系結(jié)構(gòu)確定，即通過理論分析設(shè)計(jì)指標(biāo)體系的層次和準(zhǔn)則，形成構(gòu)建ISAWRCC的結(jié)構(gòu)框架；指標(biāo)選取，是在把握區(qū)域水資源特性及數(shù)據(jù)現(xiàn)實(shí)性的基礎(chǔ)上，依據(jù)相關(guān)理論及專家經(jīng)驗(yàn)選取參評(píng)指標(biāo)；指標(biāo)內(nèi)涵界定，指遵循通用性和科學(xué)性原則，對(duì)各項(xiàng)指標(biāo)所表征的實(shí)際意義給出明確規(guī)定，且界定各項(xiàng)指標(biāo)對(duì)于評(píng)價(jià)目標(biāo)的“正負(fù)”向類型，即數(shù)據(jù)的方向。

1.2 優(yōu)化ISAW RCC

針對(duì)指標(biāo)信息的重復(fù)和干擾，應(yīng)用適當(dāng)?shù)臄?shù)學(xué)方法進(jìn)行指標(biāo)篩選，有助于簡(jiǎn)化繁雜的指標(biāo)體系，提高評(píng)價(jià)結(jié)果的精確度。其中，粗糙集可有效處理數(shù)據(jù)不確定性，刪除冗余信息，與數(shù)理統(tǒng)計(jì)法相比，具有魯棒性好、靈活性強(qiáng)的優(yōu)點(diǎn)，而相關(guān)分析能發(fā)掘數(shù)據(jù)間隱含的線性關(guān)系，揭示重復(fù)指標(biāo)。本文擬將相關(guān)分析與粗糙集屬性約簡(jiǎn)法結(jié)合，應(yīng)用到ISAWRCC構(gòu)建中，以避免信息重復(fù)和干擾。

1.2.1 相關(guān)分析

若兩組指標(biāo)數(shù)據(jù)相關(guān)系數(shù)的絕對(duì)值越大，則它們的相關(guān)程度越高，反之獨(dú)立性越強(qiáng)。設(shè)Rij是第

i、j項(xiàng)指標(biāo)的相關(guān)系數(shù)，xki為數(shù)據(jù)無量綱化后第k個(gè)評(píng)價(jià)對(duì)象的第 i項(xiàng)指標(biāo)，且第 i項(xiàng)指標(biāo)的數(shù)據(jù)平均值為，則第 i項(xiàng)與第 j項(xiàng)指標(biāo)的相關(guān)系數(shù)表示為：

相關(guān)系數(shù)絕對(duì)值|Rij|衡量了第 i項(xiàng)與第 j項(xiàng)指標(biāo)數(shù)據(jù)的線性相關(guān)程度，對(duì)相關(guān)關(guān)系的顯著性檢驗(yàn)通常有臨界值法和方差分析檢驗(yàn)法，這里采用臨界值法，結(jié)合相關(guān)系數(shù)顯著性檢驗(yàn)表，確定高度線性相關(guān)的臨界值。臨界值法中，通過比較 |Rij|和臨界值 r（α，n-2）的大小判定線性關(guān)系的顯著性，其中 n為樣本個(gè)數(shù)，α為顯著性水平。為在避免指標(biāo)誤刪的前提下發(fā)掘高度相關(guān)的指標(biāo)，確定當(dāng)顯著性水平達(dá)0.01，即 |Rij|≥r（0.01，n-2）時(shí)，可以判定第 i項(xiàng)與第j項(xiàng)指標(biāo)數(shù)據(jù)高度線性相關(guān)。

1.2.2 Horafa屬性約簡(jiǎn)算法

粗糙集理論常利用二維信息表來描述一個(gè)知識(shí)系統(tǒng)，描述對(duì)象的指標(biāo)稱為屬性。粗糙集屬性約簡(jiǎn)是在保留關(guān)鍵信息的前提下對(duì)數(shù)據(jù)進(jìn)行化簡(jiǎn)并求得知識(shí)的最小表達(dá)，常見的屬性約簡(jiǎn)法可歸納為：上、下近似集法；區(qū)分矩陣法；屬性重要性法。其中，Horafa算法是基于區(qū)分矩陣并以屬性加權(quán)頻度為啟發(fā)信息的屬性約簡(jiǎn)法。該算法擺脫了對(duì)原數(shù)據(jù)表的依賴，結(jié)合反映區(qū)分矩陣特性的屬性加權(quán)頻度進(jìn)行計(jì)算，使得約簡(jiǎn)更加靈活。此外，Horafa算法以屬性加權(quán)頻度為指標(biāo)選取的第二參考信息，而屬性加權(quán)頻度刻畫了屬性重要性，若屬性重要性越大，則輸出信息越多、作用越顯著，因此該算法優(yōu)先選取重要度大的指標(biāo)參與評(píng)價(jià)，在一定程度上確保了參評(píng)指標(biāo)有顯著作用。

1.2.3 基于相關(guān)分析與粗糙集的ISAWRCC優(yōu)化

將相關(guān)分析與粗糙集Horafa屬性約簡(jiǎn)算法相結(jié)合，以篩除初始ISAWRCC中的重復(fù)和干擾信息，步驟如下：

（1）數(shù)據(jù)無量綱化處理。這里采用極值無量綱化法，對(duì)于“正向”類型的指標(biāo)用公式 Yi=（ximin xi）/（max xi-m in xi）進(jìn)行無量綱化，對(duì)于“負(fù)向”類型的指標(biāo)則采用公式Y(jié)i=（max xi-xi）/（max xi-min xi）無量綱化。

（2）利用相關(guān)分析篩選高度線性相關(guān)指標(biāo)。得到 n項(xiàng)底層指標(biāo)的 n×n階相關(guān)系數(shù)矩陣，依據(jù)相關(guān)系數(shù)顯著性水平α的檢驗(yàn)臨界值，并結(jié)合理論分析篩選重復(fù)指標(biāo)，由于無量綱數(shù)據(jù)均已轉(zhuǎn)化為正方向，因此當(dāng)相關(guān)系數(shù)為正時(shí)是真相關(guān)。

（3）無量綱數(shù)據(jù)離散化處理。采用等距離劃分法將連續(xù)型數(shù)據(jù)化為 n個(gè)等級(jí)，如用等級(jí) 1、2、3和 4分別代表［0，0.25）、［0.25，0.5）、［0.5，0.75）和［0.75，1］區(qū)間上的值。

（4）約簡(jiǎn)冗余性干擾信息。基于離散化數(shù)據(jù)表，構(gòu)造區(qū)分矩陣，結(jié)合粗糙集 Horafa屬性約簡(jiǎn)算法，約簡(jiǎn)冗余指標(biāo)，最終得到信息篩選后的優(yōu)化ISAWRCC。

1.3 評(píng)價(jià)檢驗(yàn)

指標(biāo)體系優(yōu)化結(jié)果的評(píng)價(jià)檢驗(yàn)是確定優(yōu)化方案是否科學(xué)合理的必要過程?；趦?yōu)化ISAWRCC的指標(biāo)數(shù)量少而初始 ISAWRCC指標(biāo)數(shù)量多的特點(diǎn)，并考慮客觀賦予指標(biāo)權(quán)重、避免過多主觀影響的重要性，這要求所采用的評(píng)價(jià)方法必須對(duì)指標(biāo)數(shù)量改變不敏感，且充分滿足指標(biāo)權(quán)重賦予客觀的要求?；疑到y(tǒng)理論的灰色關(guān)聯(lián)度評(píng)價(jià)法，不僅適用于大樣本數(shù)據(jù)量，而且適用于小樣本數(shù)據(jù)量，并依據(jù)數(shù)據(jù)變化發(fā)展的狀態(tài)和趨勢(shì)客觀賦權(quán)；而粗糙集賦權(quán)法將指標(biāo)權(quán)重轉(zhuǎn)化為屬性重要度，通過屬性重要度的計(jì)算和分析客觀確定指標(biāo)權(quán)重。因此，本文將灰色關(guān)聯(lián)度評(píng)價(jià)法與粗糙集的屬性重要度賦權(quán)法耦合，對(duì)初始ISAWRCC和優(yōu)化ISAWRCC兩套指標(biāo)體系進(jìn)行評(píng)價(jià)，這避免了由于賦權(quán)主觀或指標(biāo)數(shù)量改變對(duì)評(píng)價(jià)結(jié)果造成的影響，該方法計(jì)算過程如下：

（1）設(shè)水資源承載力評(píng)價(jià)指標(biāo)的最優(yōu)參考序列x0=｛x0i｝（i=1，2，…，n），即無量綱化后的分量值均為1，此時(shí)的區(qū)域水資源承載力到理想化的最優(yōu)狀態(tài)。令水資源承載力評(píng)價(jià)指標(biāo)的比較序列 ui=｛uij｝（i=1，2，…，m；j=1，2，…，n），即第 i個(gè)評(píng)價(jià)對(duì)象第 j項(xiàng)指標(biāo)的無量綱值。

計(jì)算比較序列與最優(yōu)參考序列的絕對(duì)差列：

（2）根據(jù)絕對(duì)差列，可得兩級(jí)最大差 Δ（max）為1和兩級(jí)最小差 Δ（min）為 0，取分辨系數(shù)ρ= 0.5（0＜ρ＜1），則第 i個(gè)評(píng)價(jià)對(duì)象與最優(yōu)參考序列的關(guān)聯(lián)系數(shù)為：

（3）采用加權(quán)平均法，計(jì)算各評(píng)價(jià)對(duì)象與參考序列的關(guān)聯(lián)度，即第 i個(gè)評(píng)價(jià)對(duì)象的綜合評(píng)價(jià)值，計(jì)算模型為：

式中：Wk為指標(biāo) k的權(quán)重。

（4）利用粗糙集屬性重要度賦權(quán)法確定指標(biāo)k的權(quán)重 Wk。粗糙集理論中，知識(shí)是一種對(duì)信息系統(tǒng)的分類能力，其屬性重要度的計(jì)算可依據(jù)屬性依賴性或信息熵，其中基于信息熵的屬性重要度通過從屬性集中去掉一屬性后對(duì)系統(tǒng)分類能力的影響來測(cè)度，定義如下：

在信息系統(tǒng) S=（U，R）中，U為評(píng)價(jià)對(duì)象組成的論域，R為屬性集合，則知識(shí) Xi輸出的信息熵大小為：

式中：p（Xi）為區(qū)分矩陣中知識(shí)的概率分布，則對(duì)于信息系統(tǒng) S=（U，R），指標(biāo) r∈R的重要度表示為：

由此可見，該評(píng)價(jià)方法利用灰色關(guān)聯(lián)度和指標(biāo)屬性重要度組合賦權(quán)，計(jì)算簡(jiǎn)單易行，所得評(píng)價(jià)值的大小客觀地反映了水資源承載力的優(yōu)劣。

2 模型應(yīng)用

2.1 建立初始ISAWRCC

根據(jù)文獻(xiàn)數(shù)據(jù)資料，新疆和田地區(qū)水資源承載力體系包括 4個(gè)方面、16項(xiàng)指標(biāo)。4個(gè)方面包括水資源系統(tǒng)、社會(huì)系統(tǒng)、經(jīng)濟(jì)系統(tǒng)和生態(tài)環(huán)境系統(tǒng)。其中水資源系統(tǒng)包括人均水資源量（C1，m3）、水資源開發(fā)利用率（C2，%）、單位面積水資源量（C3，萬m3·km-2）與供水模數(shù)（C4，萬 m3·km-2）這4項(xiàng)指標(biāo)；社會(huì)系統(tǒng)包括人口密度（C5，人·km-2）、人口自然增長率（C6，‰）、城鎮(zhèn)化率（C7，%）、農(nóng)村飲用水不安全率（C8，%）4項(xiàng)指標(biāo)；經(jīng)濟(jì)系統(tǒng)包括人均 GDP產(chǎn)值（C9，元）、GDP年增長率（C10，%）、耕地灌溉率（C11，%）與第一產(chǎn)業(yè)占GDP比例（C12，%）這 4項(xiàng)指標(biāo)；生態(tài)環(huán)境系統(tǒng)包括林 草 地 覆蓋 率 （C13，%）、生態(tài) 環(huán)境 用水 率（C14，%）、地下水開采率（C15，%）與工業(yè)廢水處理率（C16，%）這 4項(xiàng)指標(biāo)。和田地區(qū)水資源承載力評(píng)價(jià)指標(biāo)體系詳見表1。

表1 和田地區(qū)水資源承載力評(píng)價(jià)體系

2.2 優(yōu)化ISAW RCC

根據(jù)文獻(xiàn)數(shù)據(jù)資料，借助 SPSS統(tǒng)計(jì)分析軟件，對(duì)表1中的 16項(xiàng)評(píng)價(jià)指標(biāo)進(jìn)行相關(guān)分析，得到描述各指標(biāo)間相關(guān)程度的 16×16階相關(guān)系數(shù)矩陣。本實(shí)例指標(biāo)的樣本個(gè)數(shù) n=8，當(dāng)顯著性水平 α= 0.01時(shí)，顯著性臨界值 r（0.01，6）=0.8343，因此當(dāng)相關(guān)系數(shù) Rij≥0.8343時(shí)，判定第 i項(xiàng)指標(biāo)與第 j項(xiàng)指標(biāo)為真高度相關(guān)。根據(jù)相關(guān)系數(shù)法，剔除C1、C2與 C9這3項(xiàng)評(píng)價(jià)指標(biāo)。

在相關(guān)分析剔除了 3項(xiàng)重復(fù)指標(biāo)的基礎(chǔ)上，應(yīng)用Horafa屬性約簡(jiǎn)算法進(jìn)一步優(yōu)化指標(biāo)體系，對(duì)剩余的 13項(xiàng)指標(biāo)進(jìn)行知識(shí)約簡(jiǎn)，以篩除冗余性指標(biāo)，得到各準(zhǔn)則層信息系統(tǒng)的最小知識(shí)表達(dá)，以該最小信息系統(tǒng)反映本準(zhǔn)則層的特征。首先將無量綱數(shù)據(jù)等距離劃為“1，2，3，4”四個(gè)等級(jí)，用 Visual C+ +6.0編程實(shí)現(xiàn)區(qū)分矩陣的構(gòu)造算法，依據(jù)所構(gòu)造的區(qū)分矩陣及Horafa算法流程進(jìn)行冗余分析。通過粗糙集的約簡(jiǎn)分析，篩除了 3項(xiàng)冗余性干擾指標(biāo)（C6、C13與 C16），得到如表 2所示的約簡(jiǎn)后保留屬性集結(jié)果。最終，以此約簡(jiǎn)后保留屬性集構(gòu)成新疆和田地區(qū)優(yōu)化ISAWRCC。2.3 評(píng)價(jià)檢驗(yàn)

表2 約簡(jiǎn)后的和田地區(qū)水資源承載力評(píng)價(jià)體系

應(yīng)用灰色關(guān)聯(lián)度與粗糙集屬性重要度耦合的評(píng)價(jià)方法，分別對(duì)新疆和田地區(qū)初始ISAWRCC和優(yōu)化ISAWRCC這兩套指標(biāo)體系進(jìn)行水資源承載力評(píng)價(jià)，以檢驗(yàn)和分析該指標(biāo)優(yōu)化結(jié)果是否科學(xué)合理，評(píng)價(jià)結(jié)果如表 3所示。

2.4 結(jié)果分析

從表 3可知，不同年份研究區(qū)水資源承載力均穩(wěn)定在Ⅱ級(jí)，兩套指標(biāo)體系評(píng)價(jià)結(jié)果基本吻合。對(duì)評(píng)價(jià)結(jié)果橫向?qū)Ρ瓤芍?，與初始 ISAWRCC相比，優(yōu)化ISAWRCC中的指標(biāo)不存在高度相關(guān)指標(biāo)和冗余指標(biāo)。高度相關(guān)指標(biāo)重復(fù)反映了評(píng)價(jià)信息，使同一指標(biāo)數(shù)據(jù)的趨勢(shì)在綜合評(píng)價(jià)結(jié)果中得到線性增強(qiáng)或減弱，而通過優(yōu)化的指標(biāo)體系，確保了指標(biāo)獨(dú)立性，避免了重復(fù)信息參評(píng)。此外，優(yōu)化ISAWRCC剔除了冗余指標(biāo)，這改變了權(quán)重的賦予狀況，使重要指標(biāo)獲得了更大權(quán)重。

表3 和田地區(qū)初始ISAWRCC和優(yōu)化ISAWRCC評(píng)價(jià)結(jié)果

因此，可以確定和田地區(qū)優(yōu)化 ISAWRCC比初始ISAWRCC評(píng)價(jià)結(jié)果更加合理，這說明通過相關(guān)分析和粗糙集進(jìn)行指標(biāo)體系的優(yōu)化，篩除重復(fù)和干擾信息，既減少了參評(píng)指標(biāo)，又得到了更合理的結(jié)果。

3 結(jié)論

（1）將定性與定量分析有機(jī)結(jié)合，提出了圍繞初始、優(yōu)化和評(píng)價(jià)檢驗(yàn)三個(gè)過程進(jìn)行 ISAWRCC構(gòu)建的方法。

（2）提出了相關(guān)分析與粗糙集屬性約簡(jiǎn)法相結(jié)合的方法，篩除指標(biāo)體系中的重復(fù)和干擾信息，實(shí)現(xiàn)了 ISAWRCC的優(yōu)化。其中，基于相關(guān)分析剔除了高度線性相關(guān)的重復(fù)指標(biāo)，通過粗糙集Horafa算法進(jìn)一步約簡(jiǎn)冗 余性干 擾信息，并 一定程度上確保了參評(píng)指標(biāo)對(duì)評(píng)價(jià)結(jié)果有顯著作用，解決了指標(biāo)信息重復(fù)和干擾問題；在此基礎(chǔ)上，基于對(duì)指標(biāo)數(shù)量改變不敏感，及對(duì)指標(biāo)賦權(quán)客觀的需求，采用了灰色關(guān)聯(lián)度與粗糙集屬性重要度耦合的評(píng)價(jià)方法，進(jìn)行優(yōu)化結(jié)果的評(píng)價(jià)檢驗(yàn)，為ISAWRCC的構(gòu)建提供了科學(xué)合理的方法和指導(dǎo)。

（3）通過新疆和田地區(qū)的實(shí)例研究表明，基于相關(guān)分析與粗糙集 Horafa屬性約簡(jiǎn)算法相結(jié)合的指標(biāo)信息優(yōu)化方案是可靠的，篩除重復(fù)和干擾信息，簡(jiǎn)化了繁雜的指標(biāo)體系，降低了后續(xù)評(píng)價(jià)的計(jì)算復(fù)雜度，并且信息篩選后的優(yōu)化 ISAWRCC比初始ISAWRCC評(píng)價(jià)結(jié)果更合理。 參考文獻(xiàn)

［1］宋松柏，蔡煥杰.水資源可持續(xù)利用指標(biāo)體系及評(píng)價(jià)方法研究［J］.水科學(xué)進(jìn)展，2003，14（05）：647-652.

［2］左東啟，戴樹聲.水資源評(píng)價(jià)指標(biāo)體系研究［J］.水科學(xué)進(jìn)展，1996，7（04）：367-373.

［3］稅偉，張啟春.當(dāng)代美國地理學(xué)與可持續(xù)發(fā)展的理論、實(shí)踐［J］.地理與地理信息科學(xué)，2004，20（04）：56-60.

［4］黃初龍，章光新.中國水資源可持續(xù)利用評(píng)價(jià)指標(biāo)體系研究進(jìn)展［J］.資源科學(xué)，2006，28（02）：33-40.

［5］金菊良，丁晶.區(qū)域水資源可持續(xù)利用系統(tǒng)評(píng)價(jià)的插值模型［J］.自然資源學(xué)報(bào)，2002，17（05）：610-615.

［6］鄒積君，劉志文.區(qū)域水資源可持續(xù)利用指標(biāo)體系的設(shè)計(jì)及評(píng)價(jià)方法研究［J］.干旱區(qū)資源與環(huán)境，2003，17（01）：37-40.

［7］楚文海，吳曉微.西南巖溶地區(qū)水資源可持續(xù)利用評(píng)價(jià)［J］.資源科學(xué)，2008，30（03）：150-156.

［8］李魏武，陶濤，鄒鷹.太湖流域水資源可持續(xù)利用評(píng)價(jià)研究［J］.環(huán)境科學(xué)與管理，2012，37（01）：85-89.

［9］劉恒，耿雷華.區(qū)域水資源可持續(xù)利用評(píng)價(jià)指標(biāo)體系的建立［J］.水科學(xué)進(jìn)展，2003，14（03）：265-270.

［10］吳湘婷.區(qū)域水資源可持續(xù)利用水平評(píng)價(jià)指標(biāo)體系研究［J］.人民黃河，2007，29（06）：31-33.

［11］崔東文，郭榮.基于 GRNN模型的區(qū)域水資源可持續(xù)利用評(píng)價(jià)［J］.人民長江，2012，43（05）：26-31.

［12］馮海霞.基于 PSR概念模型的水資源可持續(xù)利用指標(biāo)體系研究［J］.水資源研究，2002，23（02）：13-17.

［13］周豐，郭懷成.濕潤區(qū)湖泊流域水資源可持續(xù)發(fā)展評(píng)價(jià)方法［J］.自然資源學(xué)報(bào)，2007，22（02）：290-301.

［14］鐘定勝，孫亞梅，張宏偉.水資源可持續(xù)開發(fā)的綜合評(píng)價(jià)指標(biāo)體系研究與應(yīng)用［J］.天津工業(yè)大學(xué)學(xué)報(bào)，2005，24（02）：65-70.

［15］吳雪梅.基于PSO-PPE模型的和田水資源承載力評(píng)價(jià)［J］.干旱地區(qū)農(nóng)業(yè)研究，2014，32（02）：28-233.

TV211.1

A

1672-2469（2015）08-0057-04

DO I：10.3969/j.issn.1672-2469.2015.08.019

劉玉東（1974年—）男，技術(shù)員。