秦 歡 歡

(1.東華理工大學 核資源與環(huán)境國家重點實驗室,江西 南昌 330013； 2.東華理工大學 水資源與環(huán)境工程學院，江西 南昌 330013)

大量研究證明，氣候變化和人類活動是影響陸面水文循環(huán)過程及水資源供需平衡最重要的兩大驅動因素[1-5], 對其進行研究是水科學研究中的熱點問題之一[3]。IPCC第五次評估報告[6]指出，相對于1850～1900年，預計到21世紀末(2081～2100年)，全球平均氣溫將上升0.30℃～ 4.80℃，以全球變暖為標志的氣候變化已成為世界上最重要的環(huán)境問題之一。氣候變化導致的全球變暖必定會對全球水文循環(huán)過程產(chǎn)生重要影響，造成水文循環(huán)各要素的變化及水資源的時空重分配，影響區(qū)域水資源總量，增加旱澇災害的頻率和強度，使得水資源供需不平衡問題更加突出[7]，從而對區(qū)域水資源開發(fā)利用、規(guī)劃管理、生態(tài)環(huán)境保護和社會經(jīng)濟發(fā)展等產(chǎn)生深遠的影響[1]。

諸如灌溉、工業(yè)用水、水庫大壩的修建、超采地下水、土地開發(fā)利用等人類活動[8]對流域水循環(huán)及水資源的影響隨著經(jīng)濟的發(fā)展和科技的進步而不斷增強，由此帶來水文循環(huán)要素和水資源數(shù)量在時空上發(fā)生了不可忽略的變化[9-11]。自20世紀80年代以來，由于經(jīng)濟的發(fā)展、人口的增長及城鎮(zhèn)化的推進，全球生活、工業(yè)和農(nóng)業(yè)用水不斷增加，人類活動產(chǎn)生的工農(nóng)業(yè)“三廢”造成區(qū)域水資源的污染和生態(tài)環(huán)境的惡化，使得水資源供需矛盾不斷加劇，已成為制約社會經(jīng)濟發(fā)展的關鍵要素之一。在氣候變化和人類活動雙重驅動因素影響下，針對水文循環(huán)及水資源變化進行研究，探討變化環(huán)境下水資源的可持續(xù)開發(fā)利用和規(guī)劃管理，對于解決水資源短缺的危機、促進生態(tài)環(huán)境的保護和社會經(jīng)濟的可持續(xù)發(fā)展都具有十分重要的意義。

區(qū)域需水量預測涉及復雜的社會經(jīng)濟和工程技術因素，是水資源可持續(xù)管理和規(guī)劃調(diào)度的重要依據(jù)[12]。一般來說，區(qū)域需水量預測的方法可分為時間序列法、結構分析法和系統(tǒng)方法等[13-15]。然而，傳統(tǒng)的方法無法系統(tǒng)地刻畫水資源供需之間復雜的動態(tài)反饋關系，亦無法在需水量預測中考慮諸多影響因素及其相互關系[16]，而系統(tǒng)動力學(System Dynamics, SD)是解決這一問題科學有效的方法[14,17-18]。

本文通過建立北京市需水量預測SD模型，考慮影響需水量的社會經(jīng)濟、水文、氣象、工程技術等因素，在模型校準的基礎上，通過情景分析法預測在氣候變化和人類活動雙重驅動因素影響下北京市未來需水量及水資源供需平衡關系，為北京市水資源短缺問題的解決和可持續(xù)發(fā)展提供科學有效的建議，進而為氣候變化和人類活動影響下全球缺水問題的解決提供有益的嘗試。

1 材料和方法

1.1 系統(tǒng)動力學

SD出現(xiàn)于1956年，是為分析生產(chǎn)和庫存管理等問題提出的系統(tǒng)仿真方法，現(xiàn)已逐漸發(fā)展成為一門認識和解決系統(tǒng)問題的交叉學科[19]。SD對問題的理解是基于系統(tǒng)行為與內(nèi)在機制間的依賴關系，通過數(shù)學模型的建立與操作而獲得，逐步發(fā)掘出產(chǎn)生變化形態(tài)的因果關系，構成的SD結構主要包括“流(flow)”、“積量(level)”、“率量(rate)”、“輔助變量(auxiliary)”等。SD模擬是按照步驟沿時間軸進行的，系統(tǒng)變量在每個時間步長末被更新，以代表前一步的模擬結果。目前，SD方法已經(jīng)廣泛應用于各個領域[12,14,16-18,20]，擅長處理具有高度非線性、高階次、多變量、多重反饋等特點的問題，取得了明顯的優(yōu)勢[19]?；诖?，SD方法可以在需水量預測中綜合考慮氣候變化和人類活動這兩大驅動因素的作用，通過模擬獲得區(qū)域水資源的供需狀態(tài)，有助于準確合理地刻畫水資源供需關系中諸多因素的復雜關系，為特大城市需水量預測和水資源可持續(xù)利用提供強有力的研究工具。

1.2 需水量計算方法

北京市需水量預測包括生活需水量、工業(yè)需水量、灌溉需水量、牲畜需水量、林漁業(yè)需水量和環(huán)境需水量，其中林漁業(yè)需水量和環(huán)境需水量是輸入量，牲畜需水量的計算采用定額法，而對前三者的計算，采用的是考慮了宏觀經(jīng)濟、水文、氣象等因素的方法進行計算。與生活需水量計算相關的因素包括人口、收入、生活水價、缺水指數(shù)等，與工業(yè)需水量計算相關的因素包括國內(nèi)生產(chǎn)總值、用水技術的進步、工業(yè)水價等；而對灌溉需水量的計算是依據(jù)農(nóng)作物水文學及農(nóng)學特征來進行計算的，相關的因素包括農(nóng)作物指數(shù)、農(nóng)作物生長階段指數(shù)、農(nóng)作物系數(shù)、農(nóng)作物面積、參考蒸散發(fā)、鹽分浸出因素、有效降水量等，具體的計算細節(jié)請參考文獻[12]和[14]，此處不再重復。

1.3 研究區(qū)概況

北京市位于華北平原最北端，與津冀接壤，總面積約16 808 km2，包括38%的平原區(qū)和62%的山區(qū)。2014年全市人口約2 150萬，人口密度1 311人/km2，城鎮(zhèn)化率86.3%。2014年，北京市農(nóng)業(yè)用地占土地總面積的67.5%。北京市的土地利用情況在過去30 a里發(fā)生了巨大變化，大量農(nóng)業(yè)用地逐漸成為城市用地，形成了從城市核心區(qū)、農(nóng)村—城市邊緣區(qū)到郊區(qū)等明顯的過渡結構。北京市屬于暖溫帶半濕潤大陸性季風氣候，多年(1956～2003年)平均降水量603 mm，但年際變化較大、年內(nèi)分布不均，約60%～80%的降水集中在6～9月的雨季，年均降水量呈減少的趨勢。北京市嚴重依賴地下水，這種情況在農(nóng)業(yè)領域特別顯著。北京市水資源短缺問題與其對地下水的依賴性和農(nóng)業(yè)用水量巨大關系密切[21]。

據(jù)統(tǒng)計，1988～2018年間，北京市年均總用水量達39.05億m3(見圖1)，年際間波動很大，而1999～2018年北京市平均水資源量則為24.64億m3。北京市總供水量年際波動較大，且大大低于總需水量(見圖1)，從而導致了北京市出現(xiàn)地下水過度開采及河流水庫枯竭的現(xiàn)象。北京市人均水資源占有量不足300 m3/a，遠低于國際上人均1 000 m3/a的缺水標準線，是全國40個嚴重缺水的城市之一[14,20]。

圖1 北京市需水量、水資源量和國內(nèi)生產(chǎn)總值曲線

2 北京市需水量預測SD模型

2.1 SD模型結構

北京市需水量分為生活、工業(yè)、農(nóng)業(yè)和環(huán)境四部分，而供水量由地表水、地下水、南水北調(diào)工程引水及廢水回用等組成。根據(jù)水資源供需之間關系，將北京市需水量預測SD模型分為人口、工業(yè)、農(nóng)業(yè)及水資源等相互影響的子系統(tǒng)。在此基礎上，通過建立變量之間的因果關系(見圖2)，在VENSIM Professional軟件中建立北京市需水量預測SD模型系統(tǒng)流圖，用于下一步的預測。

2.2 模型校準

模型的校準周期是2001～2018年，時間步長為1a，可用3個指標(式(1))來衡量模擬結果與歷史數(shù)據(jù)之間的吻合程度：

(1)

表1列出了衡量擬合效果的指標值，總體來說，生活及工業(yè)需水量擬合得很好(R>0.93)，農(nóng)業(yè)需水量次之(R=0.83)，而總需水量的表現(xiàn)則略差(R=0.41)，主要因為過量灌溉的現(xiàn)象在實際農(nóng)業(yè)活動中很常見但卻無法在模型中得到精確的模擬。表1表明:農(nóng)業(yè)和總需水量的模擬處于可接受水平，生活、工業(yè)及農(nóng)業(yè)需水量的R值均大于0.82，其他3個指標也適中?？傮w來說，模型校準的結果表明了模型的可行性和適用性。

圖2 北京市需水量預測SD模型因果關系

表1 擬合結果衡量標準的計算值

2.3 情景設計

情景可以用來評估在給定的時間段內(nèi)(通常是未來時期)潛在事件的合理性和不確定性，情景分析提供了一種實用的方法用于比較基于不同預測的系統(tǒng)未來狀態(tài)。本研究采用情景分析法，通過對不同情景的比較和分析來選擇一套方案，以幫助解決或減少北京市的缺水問題，進而給政策制定者提供水資源可持續(xù)發(fā)展的科學建議。

情景預測的周期是2019～2030年，本文共設計了4大類10小類情景(見表2)，分別是現(xiàn)狀保持情景(BAU)、氣候變化情景(包含3個情景CC_wet、CC_normal和CC_dry，分別代表未來濕潤、正常和干旱的氣候條件)；人類活動情景(包含3個情景HED、SNWDP和LWC，分別考慮經(jīng)濟發(fā)展、南水北調(diào)中線工程供水及牲畜節(jié)水等人類活動)；綜合情景(包含3個情景HED_SNWDP、HED_LWC和HED_SNWDP_LWC，分別考慮不同人類活動的綜合)。

表2 北京市需水量預測情景設計總結

2.3.1現(xiàn)狀保持情景

BAU情景是基準情景，該情景假設系統(tǒng)結構和發(fā)展政策在預測期間沒有顯著變化，將保持當前的發(fā)展趨勢，采用校準階段獲得的參數(shù)進行預測。2001～2018年的歷史氣象數(shù)據(jù)(降水、蒸散發(fā))用于生成代表2019～2030年的數(shù)據(jù)，由此獲得該場景及其他非氣候變化場景的氣象數(shù)據(jù)。根據(jù)研究區(qū)的實際情況和《北京市國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要》，2019～2030年的經(jīng)濟增長率設定為7.5%。

2.3.2氣候變化情景

模型中的降水數(shù)據(jù)是基于A1B二氧化碳排放情景下的3種大氣環(huán)流模型(GCM)，利用delta變化法(delta change method)對華北平原的數(shù)據(jù)進行了降尺度和偏差修正。由于研究區(qū)是華北平原的典型區(qū)域，用公式(2)來計算北京市的平均總降水量。該方法是利用歷史數(shù)據(jù)和GCM預測數(shù)據(jù)生成北京市總降水量數(shù)據(jù)的一種簡單、合理的方法。

TPBJ=TPNCP×TPBJ-base/TPNCP-base

(2)

式中，TPBJ和TPNCP分別是預測期北京市和華北平原的平均總降水量，TPBJ-base和TPNCP-base是目前北京市和華北平原的平均總降水量。本研究考慮了代表濕潤(UKMO_HADCM3模型)、正常(CSIRO _MK3模型)和干旱(CNRM_CM3模型)氣候條件的3種大氣環(huán)流模型。預測期內(nèi)，3種大氣環(huán)流模型下參考蒸散發(fā)數(shù)據(jù)根據(jù)北京氣象臺提供的數(shù)據(jù)來生成。

2.3.3人類活動情景

該情景考慮了經(jīng)濟高速發(fā)展、南水北調(diào)中線工程供水及牲畜節(jié)水措施等種人類活動對研究區(qū)需水量的影響，設計了3個情景(HED、SNWDP和LWC)。經(jīng)濟高速發(fā)展情景(HED)基于BAU情景而設計，假設2020年和2030年的經(jīng)濟增長率分別為15%和20%，其他參數(shù)與BAU情景一致。南水北調(diào)中線工程供水情景(SNWDP)考慮了該工程對北京市需水量預測及供需平衡的影響。根據(jù)計劃，南水北調(diào)中線工程從2014年12月27日起首次向北京供水，年供水量12億m3，模型結構和其他參數(shù)與BAU情景一致。牲畜節(jié)水情景(LWC)將4類牲畜的用水定額分別減少30%，其他參數(shù)與BAU情景一致。

2.3.4綜合情景

綜合情景包括3個情景(HED_SNWDP、HED_LWC和HED_ SNWDP_LWC)，這些情景綜合考慮了經(jīng)濟高速發(fā)展、南水北調(diào)中線工程供水和牲畜節(jié)水措施，參數(shù)使用了這些組合情景的參數(shù)。

3 結果與分析

表3是各種情景下北京市2020年和2030年生活、工業(yè)、農(nóng)業(yè)需水量和總需水量及缺水情況的預測結果。與2018年的數(shù)據(jù)相比，2030年北京市總用水量將至少增長15.1%(最多增長33.8%)，但不同情景具有不同的增長原因。氣候變化情景下灌溉需水量的大幅增長，導致北京市總需水量急劇增長，3種氣候條件下分別增長33.5%,33.8%和30.8%；人口的增長和工業(yè)的發(fā)展是經(jīng)濟高速發(fā)展、牲畜節(jié)水措施及南水北調(diào)中線工程供水等情景下北京市需水量增長的主要原因；經(jīng)濟高速發(fā)展情景下北京市總需水量比現(xiàn)狀保持情景下的總需水量更大，而在2030年，CC_dry和LWC情景的總需水量分別是所有情景中最大和最小的。結果表明，經(jīng)濟高速發(fā)展和氣候變化將增加北京市的總需水量和水資源短缺程度。如果經(jīng)濟高速發(fā)展繼續(xù)成為首要任務(情景HED)，那么到2030年，北京市總需水量將為51.82億m3；如果同時考慮經(jīng)濟高速發(fā)展、牲畜節(jié)水措施和南水北調(diào)中線引水工程(情景HED_SNWDP _LWC)，那么到2030年，北京市總需水量將為50.36億m3。因此，除了情景SNWDP、HED_SNWDP和HED_SNWDP_LWC外，水資源短缺問題在其他情景下將繼續(xù)存在(見表3)。圖3是各情景下總需水量的箱型圖，顯示了總需水量的最大值、最小值和平均值?？傂杷康淖畲笾禐?9.57億m3，最小值為38.03億m3，這些值根據(jù)情景的不同而有所不同。經(jīng)濟高速發(fā)展情景具有最大的總需水量最大值，而南水北調(diào)中線工程供水情景則具有最小的總需水量最大值。

缺水度(缺水量÷總需水量)是系統(tǒng)水資源短缺程度的衡量指標，其值為正表明系統(tǒng)存在缺水問題。根據(jù)模擬結果和表3，情景BAU、CC_wet、CC_normal、CC_dry、HED、LWC和HED_LWC下缺水度在預測期內(nèi)始終是正值，表明這些情景下研究區(qū)存在缺水問題；其他3種情景在預測期內(nèi)有多個年份缺水度為0，意味著在那些年份不存在缺水問題。雖然需水量會隨著社會的發(fā)展而增加，但南水北調(diào)中線工程可以通過增加供水來解決研究區(qū)缺水問題。然而，隨著社會的發(fā)展和作物灌溉的需要，這些情景下預測期末研究區(qū)又出現(xiàn)了缺水問題。畜牧業(yè)節(jié)水可以部分地解決缺水問題，但節(jié)約用水是一項全民、全行業(yè)參與的重要行動，只有全社會都參與到節(jié)約用水的活動中，才能發(fā)揮節(jié)約用水在水資源可持續(xù)發(fā)展中的作用。氣候變化可能會使缺水問題更加惡化，與其他情景相比，干旱的氣候條件導致研究區(qū)出現(xiàn)更加嚴重的缺水問題，需要采取適當?shù)牟呗詠響獙Α?/p>

表3 不同情景下北京市2020年和2030年的需水量及缺水情況

注：需水量單位為億m3。

根據(jù)模擬結果，情景HED_SNWDP 和HED_SNWDP_LWC是緩解北京缺水問題的最佳選擇。情景SNWDP亦可以通過南水北調(diào)中線工程增加供水，有效地解決研究區(qū)缺水問題。由于對供水和農(nóng)業(yè)用水有直接的影響，氣候變化將在很大程度上影響研究區(qū)未來的水平衡。

注：矩形盒中間水平線表示中值，上、下邊緣分別表示上四分位數(shù)(25%)和下四分位數(shù)(75%)；垂直線的上、下部分分別表示最大值和最小值；矩形盒里的正方形表示平均值

圖3 不同情景下總需水量的箱形圖

Fig.3 Box chart of total water demand under different scenarios

許多與北京市類似的特大城市都面臨著人口急劇增長、經(jīng)濟快速發(fā)展和水資源嚴重短缺的問題，本文建立的SD模型可以拓展至這些特大城市，以對其進行需水量的預測和缺水問題評估。首先，需水量預測的計算方法是通用的，可拓展至其他特大城市。該方法考慮了各種水文、氣候、農(nóng)藝、社會經(jīng)濟和技術因素及它們之間的相互作用，以計算生活、工業(yè)、灌溉和牲畜需水量。其次，本文構建的SD模型可以根據(jù)數(shù)據(jù)的可用性和用水條件的差異而進行相應地修改，以便用于其他特大城市。此外，本文闡述的情景設計和分析過程可以借助SD軟件提供的靈活接口而拓展至其他特大城市。

4 結 論

通過采用一種綜合的、系統(tǒng)的方法，考慮社會經(jīng)濟、農(nóng)業(yè)、水文和技術等因素及其之間相互作用的反饋關系，構建了北京市需水量預測SD模型，對生活、工業(yè)和農(nóng)業(yè)等不同用水部門進行需水量計算，以預測氣候變化和人類活動雙重因素影響下北京市的需水量，分析了北京市未來缺水情況，并探討了將模型推廣到其他特大城市的可行性，結果如下。

(1)2019～2030年，總需水量將增長15.1%(最多增長33.8%)，相應的缺水量范圍為3.94億～19.22億m3。然而，有3種情景在模擬末期存在水過剩，范圍為1.29億～4.16億m3。

(2)3種氣候變化情景下需水量和缺水度的增大表明：氣候變化可能在很大程度上影響北京市的水平衡；跨流域調(diào)水(南水北調(diào)中線工程)和節(jié)水措施在緩解研究區(qū)未來缺水問題方面發(fā)揮著重要作用。建議實施3種情景：經(jīng)濟高速發(fā)展和南水北調(diào)中線工程供水綜合情景(HED_SNWDP), 經(jīng)濟高速發(fā)展、南水北調(diào)中線工程供水和畜牧業(yè)節(jié)水綜合情景(HED_SNWDP_LWC)及南水北調(diào)中線工程供水情景(SNWDP)。

(3)基于需水量計算方法的普遍性及情景設計和分析過程的可移植性，本文建立的SD模型也適用于其他特大城市。由于模型考慮了各種水文氣候和社會經(jīng)濟條件，模擬結果及其分析可為水資源管理者和城市政策制定者提供借鑒。