王麗川 ，侯保燈，周毓彥，陳曉清 ，王 欣 ，黃 亞

(1. 中國水利水電科學研究院 流域水循環(huán)模擬與調控國家重點實驗室，北京 100038；2. 廣西大學 土木建筑工程學院，廣西 南寧 530004；3. 華北水利水電大學 水利學院，河南 鄭州 450046)

水、能源和糧食是城市發(fā)展的重要資源，水-能源-糧食（W-E-F）三者之間的關系作為一種新的資源管理概念被提出，受到了全球各界的廣泛關注。水資源、能源和糧食之間高度互存，協(xié)調共生，但是在發(fā)展過程中也存在潛在的問題。目前，國外學者已經做了大量關于W-E-F系統(tǒng)的相關研究，2011年德國舉辦了關于水-能源-糧食關聯(lián)的國際性會議，首次提出將W-E-F系統(tǒng)作為整體進行研究，指出三種資源之間存在依存關系[1]。Bazilian等[2]通過構建CLEW模型，綜合分析在土地利用、人口增長和氣候變化等問題下對水資源、能源和糧食進行的系統(tǒng)研究；Hellegers等[3]研究了W-E-F相關的水政策問題和系統(tǒng)中存在的潛在沖突；Kelly等[4]通過資源管理技術和遙感技術對W-E-F進行了有效風險防控和綜合管理；Lucia等[5]研究了W-E-F在水資源安全前提下的跨流域協(xié)同管理辦法；Sahin等[6]應用系統(tǒng)動力學模型對W-E-F進行了量化和仿真；Guan等[7]應用WEAP模型對大城市的W-E-F進行了模擬并預測了未來系統(tǒng)需求；Salmoral等[8]用生命周期方法對W-E-F進行了系統(tǒng)消費優(yōu)勢研究。國內學者主要關注W-E-F系統(tǒng)中兩個子系統(tǒng)之間的關系研究，對W-E-F系統(tǒng)重要性、安全及風險防范的研究也有所涉及。張杰等[9]從能源開發(fā)效率和糧食生產種植中用水總量角度，對W-E-F系統(tǒng)的潛在沖突分析和協(xié)調控制進行研究；王慧敏等[10]通過構建“水-能源-糧食-經濟社會”PSR模型和SD模型，提出其協(xié)同框架，對區(qū)域綠色發(fā)展進行政策仿真研究；李良等[11]通過構建耦合模型得到多指標對系統(tǒng)產生的風險，并建立系統(tǒng)與風險間的關聯(lián)關系，從而進行區(qū)域W-E-F系統(tǒng)的風險管理與評估。彭少明等[12]引入?yún)f(xié)同學原理構建黃河流域W-E-F整體分析框架。

從現(xiàn)階段看，國內外對W-E-F系統(tǒng)的研究大多集中在定性討論、關聯(lián)關系探究、框架構建、風險管控和區(qū)域流域協(xié)同發(fā)展研究，在W-E-F系統(tǒng)協(xié)調發(fā)展程度方向研究較少，且大多是對于省份的研究，對城市協(xié)調發(fā)展研究較少。然而隨著城市化擴張進程加快、人口急劇增長，城市對水、糧食、能源需求會越來越多，且目前大多數(shù)城市資源短缺，城市W-E-F協(xié)調發(fā)展問題會越來越突出?；诖耍疚囊陨虾Ｊ袨槔?，選取了2003—2017年的數(shù)據(jù)進行實例分析，通過構建W-E-F系統(tǒng)綜合評價指數(shù)和耦合協(xié)調度模型，探究城市W-E-F三者之間的協(xié)調發(fā)展狀況，并通過灰色預測模型預測上海市未來8年的耦合協(xié)調度發(fā)展趨勢，以期為城市W-E-F資源安全管理利用與協(xié)調綠色可持續(xù)發(fā)展提供理論參考依據(jù)。

1 資料與方法

上海市是我國的經濟中心，地處長江入?？?，也是我國最大的工業(yè)城市。該地區(qū)氣候屬于亞熱帶季風氣候，面積為6 340.5萬km2，人口為2 423萬，為資源高強度流動地區(qū)。上海市雖然屬于濱海城市，水資源總量很大，但是因為水質污染、人口眾多，水資源嚴重短缺，其平均水資源量為140.6 m3/人，不足全國的2/5，人均糧食占有量不足全國的1/10。上海市能源緊缺，生產的一次性能源為100.68萬t標準煤，僅占全市能源消費總量的1/101，其主要來源依靠外?。ㄊ校┱{入和進口。隨著上海市新型工業(yè)化、城市化水平、人口急劇增長和經濟快速發(fā)展，上海市資源短缺問題越來越嚴重，未來將面臨巨大的資源壓力。在全球氣候變化和生態(tài)文明建設的背景下，用科學的方法探究上海市W-E-F系統(tǒng)耦合協(xié)調關系很有必要。

本文選取上海市2003—2017年W-E-F系統(tǒng)耦合協(xié)調度評價指標的數(shù)據(jù)作為研究對象，數(shù)據(jù)主要來自《中國統(tǒng)計年鑒》《上海統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國水資源公報》等。

1.1 評價指標體系構建

本文借鑒已有的研究成果[11-15]，結合W-E-F系統(tǒng)的特征，選取對各子系統(tǒng)具有代表性的評價指標，構建綜合評價指標體系。建立3個子系統(tǒng)，共28個重要指標，構建上海市W-E-F綜合評價指標體系如表1所示。

水資源和能源子系統(tǒng)主要考慮總量、結構和效益指標，水資源子系統(tǒng)中，降水量、人均用水量、人均水資源量和廢水排放量反映水資源總體狀況，用水占比反映各產業(yè)結構的用水比例，生態(tài)占比越大，說明產業(yè)用水結構越合理，萬元GDP用水量和萬元工業(yè)增加值用水量反映上海市水資源利用效率和效益。能源子系統(tǒng)中的結構指標反映了能源的使用狀況和利用結構，效率指標反映了能源利用效率。糧食子系統(tǒng)主要考慮與水資源、能源相關的生產指標和消費指標。其中正向指標對子系統(tǒng)產生促進作用，其數(shù)值越大對子系統(tǒng)越有益；負向指標對子系統(tǒng)產生阻礙作用，其數(shù)值越小對子系統(tǒng)越有益。

為解決單一計算權重方法的局限性，提高最終權重的準確率，采用熵值法和變異系數(shù)法確定各項指標的權重，然后取兩者平均值作為最終權重[12-16]。熵是對不確定性的一種度量，信息量與不確定性呈反比關系，熵與不確定性成正比關系。依據(jù)熵的特點，熵值可以用來評價某個指標的差異程度，指標的差異程度與該指標對綜合評價的影響（權重）成正比。熵值法是一種客觀賦值方法。變異系數(shù)法是通過各指標標準化后的數(shù)據(jù)，應用公式得到指標的權重，是一種客觀賦權的方法。該方法的常見步驟是：在綜合評價系統(tǒng)中，差值較大的指標，即指標不易實現(xiàn)，更難體現(xiàn)被評價單位之間的差距。模型最終確定的權重見表1。

表 1 上海市W-E-F系統(tǒng)綜合評價指標體系Tab. 1 W-E-F comprehensive evaluation index system of Shanghai

續(xù)表 1

1.2 綜合評價模型與耦合協(xié)調度模型

依據(jù)W-E-F系統(tǒng)的特征特性，構建W-E-F系統(tǒng)綜合評價函數(shù)，即：

式中：Ww、Ee、Ff分別為水資源、能源、糧食子系統(tǒng)的綜合評價指數(shù)；αl、βl、χl分別為各子系統(tǒng)評價指標的權重；wl、el、fl分別為各子系統(tǒng)標準化后的無量綱數(shù)值。

本文涉及3個子系統(tǒng)，分別為水資源、能源、糧食子系統(tǒng)，構建W-E-F系統(tǒng)耦合度模型：

式中：C 為耦合度， 0 ≤C≤1.0。 當C 處于0～0.3為低水平耦合階段，處于0.3～0.5為頡頏階段，處于0.5～0.8為磨合階段，處于0.8～1.0為高水平耦合階段。

根據(jù)W-E-F系統(tǒng)耦合度模型，可以計算出系統(tǒng)的耦合協(xié)調度 D，認為W-E-F系統(tǒng)中子系統(tǒng)對社會發(fā)展同等重要，即η =γ=μ=1/3（η、γ、μ分別為水資源、能源、糧食子系統(tǒng)的權重），計算W-E-F系統(tǒng)綜合評價指數(shù)T ，即：

根據(jù)已有研究成果[14]，劃分W-E-F系統(tǒng)耦合協(xié)調發(fā)展類型和標準見表2。

表 2 耦合協(xié)調發(fā)展類型和標準劃分Tab. 2 Types and standards of coupling and coordinated development

1.3 耦合協(xié)調度灰色預測

灰色預測模型[12,16-19]是一種基于少量不完整信息進行預測的模型預測方法。它可以利用少量已知信息尋求系統(tǒng)的運動規(guī)律，并且可以高精度地分析貧信息系統(tǒng)。因為W-E-F系統(tǒng)會隨著各子系統(tǒng)的良性發(fā)展，耦合協(xié)調度的上升趨勢會越來越平緩，并最終趨近于1，該模型就是研究具有飽和狀態(tài)的預測。建模過程如下:

式中： X(1)為由n個序列值累加生成的新序列；u為 灰作用量；a為 發(fā)展系數(shù)。

其中：

即灰色模型預測表達式為：

為了解決數(shù)據(jù)單位限制的約束，將數(shù)據(jù)無量綱化，并對數(shù)據(jù)標準化處理。

正向指標：

負向指標：

式中： Xi代 表標準化后的無量綱數(shù)值；分別代表數(shù)據(jù)處理之前的原數(shù)據(jù)實際值、最小值和最大值。

2 結果與分析

2.1 綜合評價指數(shù)時序分析

運用W-E-F系統(tǒng)綜合評價模型，計算得到上海市2003—2017年綜合評價指數(shù)見圖1。

從圖1可以看出，上海市W-E-F系統(tǒng)在2003—2013年綜合評價指數(shù)呈降低趨勢，從0.567降低至0.375，2013—2017年綜合評價指數(shù)呈上升趨勢，從0.375上升至0.496。水資源子系統(tǒng)較不穩(wěn)定，評價指數(shù)在2003—2007年減幅較大，從0.474降至0.391，在2007—2016年呈大幅度上升趨勢，從0.310上升至0.664，在2017年出現(xiàn)異常減少現(xiàn)象，減少至0.557。糧食子系統(tǒng)呈下降趨勢，從2003年的0.626降低至2017年的0.429，在2013—2017年情況良好，呈上升趨勢。能源子系統(tǒng)在2003—2011年呈大幅度下降趨勢，從0.599降低至0.318，在2011—2017年呈大幅度上升趨勢，從0.318上升至0.504?？傮w來看，W-E-F系統(tǒng)與各子系統(tǒng)2003—2013年呈波動下降趨勢，2013—2017年呈穩(wěn)定上升趨勢。

圖 1 上海市W-E-F系統(tǒng)歷年評價指數(shù)Fig. 1 Evaluation index of Shanghai W-E-F system over years

水資源綜合評價指數(shù)產生大幅度變化的原因是上海市人口在2003—2013年急劇增加，從1 766萬增長至2 415萬，增長率達37%，由于人口增長迅速，生活用水總量變化較小，導致人均用水量的急劇減少；經濟快速發(fā)展，GDP上升速度較快，總用水量變化較小，導致萬元GDP用水量的減少；工業(yè)用水量減少，工業(yè)增加值上升迅速，導致萬元工業(yè)增加值用水量迅速減少，并且人均水資源量和廢水排放量增加，這些因素影響了水資源子系統(tǒng)。糧食子系統(tǒng)中由于人口增長迅速，人均糧食產量大幅減少，由59.20 kg降低至41.25 kg。人均糧食消費量和人均糧食占有量也呈降低趨勢，上海城市化進程加快，產業(yè)結構發(fā)生變化，農業(yè)占比減少，導致糧食綜合評價指數(shù)下降較大。能源子系統(tǒng)主要由于經濟發(fā)展迅速，高耗能產業(yè)增加，能源消耗總量大幅度增長，且產業(yè)結構變化較大，第一產業(yè)占比減少，第二產業(yè)、第三產業(yè)占比增加。

2.2 耦合度和耦合協(xié)調度時序分析

根據(jù)本文采用的方法，結合表2，對上海市W-E-F系統(tǒng)耦合協(xié)調發(fā)展類型進行了評價。結果如表3、圖2所示。

由表3和圖2可知上海市W-E-F系統(tǒng)在2003—2017年耦合程度較好，均為高水平耦合，且發(fā)展趨勢穩(wěn)定。W-E-F系統(tǒng)耦合協(xié)調度在2003—2013年呈下降趨勢，且下降幅度較大，從0.750降低至0.609，2013—2017呈上升趨勢，從0.609上升至0.703。2003—2005年協(xié)調類型為中級協(xié)調，2006—2016年為初級協(xié)調，2017年上升至中級協(xié)調。從總體趨勢可以看出上海市W-E-F系統(tǒng)雖然前期呈現(xiàn)下降趨勢，但是從2013年開始，上海市正朝著良好的趨勢穩(wěn)定上升，2017年從初級協(xié)調過渡到了中級協(xié)調，可見上海市W-E-F系統(tǒng)正逐漸恢復。

為了進一步分析上海市W-E-F系統(tǒng)，將上海市W-E-F系統(tǒng)內兩兩子系統(tǒng)進行對比分析。

結果表明，上海市W-E-F系統(tǒng)水能系統(tǒng)的對比系數(shù)處于0.595～1.686，平均值為1.029；能糧系統(tǒng)的對比系數(shù)處于0.590～1.778，平均值為1.103；水糧系統(tǒng)的對比系數(shù)處于0.590～1.175，平均值為0.926。根據(jù)前人的研究成果[13,17]，子系統(tǒng)之間的對比系數(shù)分為5個階段，第一階段為極度損失型，比值小于0.6；第二階段為嚴重損失型，比值大于0.6小于0.8，第三階段為較為短缺型，比值大于0.8小于1.0，第四階段為充足型，比值大于1.0小于1.5，第五階段為特別充足型，比值大于1.5。上海市水能系統(tǒng)總體呈上升趨勢，2003年為嚴重損失型，2004—2005年為極度損失型，2006—2009年為嚴重損失型，2010年為較為短缺型，2011—2013、2017年為充足型，2016年為特別充足型；能糧系統(tǒng)2003、2004、2006年為嚴重損失型，2005年為極度損失型，2007—2009年為較為短缺型，2010—2013、2017年為充足型，2014—2016年為特別充足型；水糧系統(tǒng)較為穩(wěn)定，僅有2008年為嚴重損失型，2003—2004、2006—2007、2009—2015年為較為短缺型，2016—2017年為充足型?？梢?，雖然由于2017年受能源波動導致水能、能糧子系統(tǒng)降低，但是上海市W-E-F系統(tǒng)各子系統(tǒng)間的耦合度正朝著良性趨勢發(fā)展。

表 3 2003—2017年上海市W-E-F系統(tǒng)耦合協(xié)調發(fā)展類型Tab. 3 Types of W-E-F system coupling and coordinated development in Shanghai from 2003 to 2017

圖 2 2003—2017年上海市耦合度和耦合協(xié)調度Fig. 2 Shanghai coupling degree and coupling co-scheduling from 2003 to 2017

應用本文的耦合協(xié)調度模型，計算上海市W-E-F系統(tǒng)子系統(tǒng)間耦合度和耦合協(xié)調度，如圖3和4所示。

圖 3 2003—2017年上海市W-E-F系統(tǒng)子系統(tǒng)間耦合度Fig. 3 Coupling degree between subsystems of W-E-F system in Shanghai from 2003 to 2017

圖 4 2003—2017年上海市W-E-F系統(tǒng)子系統(tǒng)間耦合協(xié)調度Fig. 4 Coupling and cooperative scheduling among subsystems of W-E-F system in Shanghai from 2003 to 2017

由圖3可知，2003—2017年上海市W-E-F系統(tǒng)各子系統(tǒng)之間耦合度均為高水平耦合，雖然有不同程度的下降，但均大于0.960，處于0.960～1.000。其中，水能子系統(tǒng)的耦合度處于0.960～0.999，平均值為0.986；水糧子系統(tǒng)的耦合度處于0.967～1.000，平均值為0.984；能糧子系統(tǒng)的耦合度處于0.983～1.000，平均值為0.997，耦合度相對較大，波動最為平緩。由于水資源子系統(tǒng)波動幅度較大，導致水能系統(tǒng)和水糧系統(tǒng)波動較大。因此水能系統(tǒng)和水糧系統(tǒng)與W-E-F系統(tǒng)最為接近。

由圖4可知，2003—2017年上海市W-E-F系統(tǒng)與水能、水糧、能糧系統(tǒng)的耦合協(xié)調度時序發(fā)展趨勢較為一致，均在2003—2013年呈下降趨勢，2013—2017年呈上升趨勢。其中，水能系統(tǒng)的耦合協(xié)調度處于0.606～0.730，平均值為0.671；水糧系統(tǒng)的耦合協(xié)調度處于0.626～0.738，平均值為0.686；能糧系統(tǒng)的耦合協(xié)調度處于0.778～0.800，平均值為0.680。由于上海市2003—2013年人口屬于劇烈增加期，經濟發(fā)展迅速，水資源和糧食子系統(tǒng)的波動幅度較為劇烈，導致資源緊缺，各子系統(tǒng)耦合協(xié)調度持續(xù)降低，2013—2017年人口增長相對平緩，資源逐漸充足，各子系統(tǒng)間快速發(fā)展，因此W-E-F系統(tǒng)耦合協(xié)調度持續(xù)上升。

2.3 耦合協(xié)調度灰色預測

采用灰色GM (1, 1)模型，考慮到2003—2017年上海市W-E-F系統(tǒng)分為兩個發(fā)展階段，即2003—2013年為降低階段，2014—2017年為發(fā)展階段，且2012年有明顯的良性發(fā)展趨勢，采用2003—2008年上海市數(shù)據(jù)劃分為訓練集，將2009—2013年數(shù)據(jù)作為測試集對模型效果進行檢測，檢測結果如表4所示。采用2011—2017年上海市數(shù)據(jù)來預測2018—2025年上海市的耦合協(xié)調度，如圖5所示。

由表4可以看出預測集與訓練集數(shù)據(jù)預測結果誤差介于0.001～0.035，平均誤差為0.018，預測結果較好，準確度較高。由圖5可以看出2018—2025上海市耦合協(xié)調度持續(xù)升高，呈直線上升趨勢，耦合協(xié)調度從0.727上升至0.877，平均增長率為0.027，且增長速率穩(wěn)定，2018—2021年為中級協(xié)調發(fā)展類，2022—2025年發(fā)展至良好協(xié)調發(fā)展類，即將達到優(yōu)質協(xié)調發(fā)展類。整體來看上海市W-E-F系統(tǒng)未來發(fā)展態(tài)勢良好，各子系統(tǒng)間協(xié)調發(fā)展較快，耦合協(xié)調度穩(wěn)定升高。因此，未來在保持現(xiàn)有發(fā)展優(yōu)勢的同時，需要不斷關注水資源、糧食和能源的發(fā)展，提高資源利用效率，保證糧食的安全生產，也要注重各子系統(tǒng)間的協(xié)調發(fā)展。

表 4 預測結果有效性檢驗Tab. 4 Validity test of prediction results

圖 5 上海市W-E-F系統(tǒng)耦合協(xié)調度預測Fig. 5 Prediction of W-E-F system coupling coordination degree in Shanghai

3 結 語

水資源、能源和糧食作為我國重要的自然資源，在城市發(fā)展過程中起著重要作用。構建了2003—2017年上海市W-E-F系統(tǒng)耦合協(xié)調度模型，得到上海市耦合度和耦合協(xié)調度演化規(guī)律，從結果上看，上海市表現(xiàn)出對城市W-E-F系統(tǒng)發(fā)展具有現(xiàn)實意義的演化特征。

（1）從上海市W-E-F系統(tǒng)綜合評價指數(shù)可知，上海市W-E-F系統(tǒng)協(xié)調演化呈“U”型，發(fā)展趨勢為兩個階段，第一階段為2003—2013年綜合評價指數(shù)降低階段，第二階段為2013—2017年綜合評價指數(shù)穩(wěn)定發(fā)展階段。第一階段由于上海市人口增長迅速，經濟高速發(fā)展，導致各子系統(tǒng)呈下降趨勢，第二階段上海市人口趨近飽和，增長平緩，各子系統(tǒng)呈穩(wěn)定上升趨勢。盡管每個子系統(tǒng)是相對獨立的，但是3個系統(tǒng)指標具有明顯的相關性，提高每個子系統(tǒng)的發(fā)展水平將有助于W-E-F系統(tǒng)的協(xié)調發(fā)展。

（2）上海市W-E-F系統(tǒng)一直處于高水平耦合階段，標志著各子系統(tǒng)間的關聯(lián)程度較好，且耦合協(xié)調度自2013年一直呈穩(wěn)態(tài)上升，至2017年耦合協(xié)調度過渡到中級協(xié)調發(fā)展類，并在未來2025年呈良好協(xié)調發(fā)展類，通過上海市協(xié)調演化特征規(guī)律說明上海市W-E-F系統(tǒng)總體保持良好趨勢，且上升空間較大。

（3）從上海市城市發(fā)展規(guī)律可以得知，由于城市化擴張的進程加快，城市發(fā)展初期經濟和人口增長迅速，導致各資源嚴重短缺，各子系統(tǒng)發(fā)展均呈現(xiàn)降低趨勢，W-E-F系統(tǒng)耦合協(xié)調度較低，當城市發(fā)展逐漸平穩(wěn)，各子系統(tǒng)發(fā)展呈上升趨勢，W-E-F系統(tǒng)呈穩(wěn)定上升趨勢，且發(fā)展空間、增長速度較大。

（4）城市在發(fā)展中各系統(tǒng)耦和協(xié)調波動性較大，因此在注重城市化建設的同時，也要完善農業(yè)基礎設施建設，提高能源和資源的利用效率，加強資源綜合管理，防止城市在高速發(fā)展過程中出現(xiàn)資源失衡現(xiàn)象。