基于水贫乏指数的北京市水生态足迹核算及其动态演变预测

李继清， 刘佳， 谢开杰

(华北电力大学 可再生能源学院，北京 102206)

基于水贫乏指数的北京市水生态足迹核算及其动态演变预测

李继清， 刘佳， 谢开杰

(华北电力大学 可再生能源学院，北京 102206)

水足迹分析法是近几年发展起来的定量测度水资源可持续利用的方法，水生态足迹以水资源为起点估算流域、区域水代谢强度。北京是严重缺水的大城市之一，随着人口的增长和社会经济的快速发展，水生态系统对自然灾害的抗干扰能力和自我调节能力下降，出现了一系列的生态环境问题。基于北京市水资源开发利用情况，利用水贫乏指数(Water Poverty Index,WPI)法核算北京市水生态足迹，用水资源状况(Resource)、供水设施状况(Access)、利用能力(Capacity)、使用效率(Use)及环境状况(Environment)5个分指数定量评价北京市1986—2014年的相对缺水程度。在此基础上，用EViews软件建立了差分自回归移动平均(Autoregressive Integrated Moving Average,ARIMA)模型，用ARIMA(p,d,q)模型对时间序列进行预测分析，预测北京市2015—2030年WPI指数水生态足迹，结合各指数的预测数据分析预测北京市水资源可持续利用情况，并据此提出了北京市水资源可持续利用的用水效率、节水意识、技术发展、产业结构、环保意识等方面的相关管理对策。

水生态足迹；WPI指数；ARIMA模型；北京市；可持续利用

随着人口的增长和经济的高速发展，水资源的需求量不断增加，而水环境不断恶化，水资源短缺成为全球性问题，成为限制城市区域发展的重要因素。当前有关水资源利用的指标和定量评价方法是水资源可持续规划与管理研究的前沿和热点[1]。水足迹模型可以定量判断区域的水资源生产消费活动是否处于当地水资源的生态承载能力范围内，其本质是可持续评价方法。水生态足迹(Water Ecological Footprint)分析法是测度水资源可持续利用的定量方法，它以水资源为出发点，估算流域或区域水代谢强度。自从William教授提出用生态足迹定量分析自然资源可持续发展的理论后，该方法在全球范围内得到了广泛应用，它以“水”为要素核算城市经济发展用水和人类生活保障用水，这对城市(尤其是水资源短缺城市)可持续发展具有重要意义。Jenerette等[2]应用Luck提出的空间异质性生态足迹的方法计算了美国和中国33个城市的水生态足迹，并分析了其影响因素。1999年，徐中民将生态足迹研究模型理论及方法引入中国，随后国内学者应用该模型对我国部分城市和省份的水足迹及水资源利用进行了相关研究，并且在水资源可持续利用、水资源安全、生态环境等多方面取得了丰硕的成果[3-5]。

北京市是一座严重缺水的城市，联合国发布的极度缺水城市的人均年水资源量为1 000 m3，而北京市人均水资源量不足200 m3，远低于极度缺水标准。且经济发展水平和水资源占有量极度不匹配，20世纪70年代以前，北京市水资源开发利用以地表水为主，地下水开采量和补给量基本保持动态平衡，水污染较少；70年代后，随着人口增长与社会经济的高速发展和人类活动对水生态系统的影响，水生态系统对于自然灾害的抗干扰能力和自我调节能力不断下降，出现了一系列的生态环境问题，如持续的干旱、地下水水位下降、水环境污染等，这些问题很大程度上是由于人类占有水资源数量过多，城市生态用水量减少造成的。本文以水资源短缺的北京市为例进行水生态足迹分析，探讨城市水生态足迹的内涵和发展轨迹，采用基于生态需水量的水贫乏指数(Water Poverty Index,WPI)核算方法，计算分析北京市水生态足迹的动态变化过程，并通过水生态足迹变化的差分自回归移动平均(Autoregressive Integrated Moving Average,ARIMA) 模型预测未来水生态足迹演变过程，根据计算结果评估北京市水资源可持续利用的程度并提出相关措施。

1 水生态足迹核算及其动态演变预测方法

水生态足迹研究是定量分析和研究城市人类活动对水资源系统产生的压力和影响的程度，为城市水资源可持续利用规划与管理提供新的思路和科学依据。用基于生态需水量的水贫乏指数(Water Poverty Index,WPI)核算法分析历史水生态足迹动态变化，运用EViews软件建立水生态足迹动态变化的ARIMA分析模型，用ARIMA模型预测未来水生态足迹变化，判断水资源可持续利用的程度。

1.1 水贫乏指数(WPI)核算水生态足迹

1.1.1 WPI指数简介

2002年，英国生态与水文研究中心(Center for Ecology and Hydrology，CEH)研究员Sullivan提出水贫乏指数(WPI)的概念，指出该指数是定量评价国家或地区相对缺水程度的指标，也是关于水资源评价管理的综合性指标[6]。WPI指数不仅能反映评价地区水资源本底状况，还能反映经济、管理、环境、使用效率等社会因素对水资源影响的情况。WPI指数由潜在水资源状况(Resource，R)、供水设施状况(Access，A)、利用能力(Capacity，C)、使用效率(Use，U)及环境状况(Environment，E) 5个分指数组成，这5个分指数的取值范围是[0,100]，WPI指数值越大则水资源状况越好。水贫乏指数的数学表达形式为:

W=∑WiEi∑Wi-1。

(1)

式中:W为WPI指数；Ei为WPI指数的分指数，分别代表资源(R)、途径(A)、利用(U)、能力(C)和环境(E)；Wi为分指数Ei的权重。

WPI指数是其分指数的加权平均和，展开式(1)得到：

(2)

式中Xi为分指数的值。

计算某一地区的WPI指数值时，需要从相关部门获得大量可靠的原始数据并进行处理，根据评价区域和目的，选择WPI指数的5个分指数下的二级指标构建WPI指数计算框架，CEH给出了计算WPI指数的具体方法与依据[7]，见表1。

表1 WPI指数计算方法与依据

由表1可知，WPI指数的计算建立在多学科的基础上，它将水资源、水的供给、经济发展、社会保障等多方面的因素结合起来反映水资源短缺对人类的影响。

1.1.2 WPI指数的计算方法

WPI指数的计算方法有均衡法和非均衡法两种。均衡法中WPI指数各分指数和二级指标是等权重的，而非均衡法是不等权重的。WPI指数的值越大，表明所评价地区的水资源状况越好，反之，则越糟糕。均衡法与非均衡法都要将各个指标数据标准化处理，使各个指标的值位于区间[0,1]中，然后将标准化处理后的数据乘以相应的权重，再乘以100，最后求和即可得到所评价地区的WPI指数值。均衡法适用于评价范围较大的区域，其优点是计算量相对较小。

非均衡法的特点是通过不等权重表示WPI指数分指数的不同重要性，该法适用于评价范围较小的评价地区，且有关于针对性政策的研究(如强调环境保护时，给予环境分指数较高权重)。Heidecke等[8]对WPI指数的归一化计算部分做出了改进，将变量数据系列的极值分别增减5%，避免了0和1的边界值问题，并改进了拥有WPI高值地区的评价结果。

正向指标归一化公式为：

i=(Xi-Xmin/1.05)/(1.05Xmax-Xmin/1.05)。

(3)

负向指标归一化公式为：

i=1-(Xi-Xmin/1.05)/(1.05Xmax-Xmin/1.05)。

(4)

式中：i为各指标变量归一化后的值，无量纲；Xi为所评价地区对应变量i的数值；Xmin、Xmax分别为评价地区对应变量i数据系列的最小值和最大值。

1.1.3 权重确定

运用层次分析法[9]确定WPI指数的分指数和二级指标的权重，在比较同一层次各指标的相对重要性后，综合计算指标的权重，将指标层中的各个指标两两比较，构造判断矩阵，将判断矩阵的各行向量进行几何平均，归一化计算得到的行向量就是权重。判断矩阵的最大特征根为λmax，计算一致性指标CI=(λmax-n)/(n-1)和一致性比率CR=CI/RI，当CR<0.1时，判断矩阵具有较好的一致性，若CR>0.1则要重新做判断矩阵，直到具有较好的一致性为止。

1.2 水生态足迹动态演变的ARIMA模型

1.2.1 ARIMA模型简介

1970年，Box和Jenkins提出差分自回归移动平均ARIMA模型，也称为Box-Jenkins模型[10]。ARIMA(p,d,q)模型中的AR表示自回归，p为自回归项数，MA表示移动平均，q为移动平均项数，d为将原始时间序列差分为平稳时间序列时的差分次数。ARIMA模型的基本思想是：原始时间序列数据是一个随机序列，用一定的数学模型描述随机序列，并利用原始时间序列数据预测未来时间段的序列值[11]。

1.2.2 ARIMA模型的构建

ARIMA模型的构建可分为以下4个步骤[12]：模型识别及定阶、模型参数估计(p、q)、模型适应性检验和模型预测。

1)模型识别及定阶。ARIMA模型适用于分析预测平稳时间序列，差分使非平稳时间序列变为平稳时间序列，差分的次数是阶数d。通过查看平稳时间序列的自相关和偏自相关图，判断模型的类型。

2)模型参数估计(p、q)。确定模型参数p，q的方法主要有3种：自相关和偏相关图特性分析；FPE 准则法(Final Prediction Error，FPE，也称为最小最终预报误差)；赤池信息量准则法(Akaike Information Criterion，AIC)和施瓦兹准则法SC(Schwarz Criterion，SC)。

3)模型适应性检验。模型拟合适应性检验的实质是对模型残差序列做白噪声检验。

4)模型预测。模型预测分为静态预测和动态预测，静态预测一般适用于样本内预测，动态预测一般适应于样本外预测。

1.2.3 模型求解

运用EViews(Econometrics Views)软件求解ARIMA模型，美国QMS(Quantitative Micro Software Co.)公司开发的EViews软件是对社会经济关系与经济活动的数量规律采用计量经济学方法与技术进行“观察”[13]，是运行于Windows环境下的对以时间序列为主的多种数据类型进行分析和预测的工具，已应用到科学实验数据分析与评估、应用经济计量学、成本分析和预测等学科中。EViews软件的优点是操作灵活、数据管理简单方便。

2 实例应用

北京市位于中国华北平原北部，毗邻天津市和河北省，总面积16 140.54 km2。北京市地形西北高、东南低，西部为所属太行山脉的西山，北部和东北部为所属燕山山脉的军都山。北京市气候是典型的温带半湿润大陆性季风气候，夏天高温多雨，冬天寒冷干燥，春秋短暂，降水时间分布不均匀。全市多年平均降水量为534.38 mm，地下水资源量多年平均为19.01亿m3，地表水资源量多年平均为12.12亿m3。北京市天然河道有五大水系，自西向东分别为：拒马河、永定河、北运河、潮白河和蓟运河水系，北京市没有天然湖泊，有水库85座，其中大型水库有密云水库、官厅水库等。

2.1 北京市水生态足迹核算

基于北京市水资源开发利用的情况，利用WPI指数法核算北京市水生态足迹，用水资源状况(R)、供水设施状况(A)、利用能力(C)、使用效率(U)及环境状况(E) 5个分指数，定量评价北京市1986—2014年相对缺水程度。

2.1.1 基本数据及归一化处理

WPI指数法的5个分指数中，水资源状况是反映与可利用的水资源量有关的因素，应用水文技术评价地表水、地下水，对水资源可靠性做定量与定性评价等；供水设施状况反映公众用水安全状况，人们使用清洁水的途径、清洁的自来水供给到用户的时间和比例等能反映社会经济水平对水资源的影响，例如人均GDP、家庭消费水平等；使用效率反映人们用水的效率，例如人均生活用水量、人均农业用水量等；环境状况反映水资源的利用对环境造成的影响，例如水质观测值、水污染负荷等。

通过查阅相关文献选取指标，指标层的选取原则是科学性、完整性、可行性、可比性和客观性。针对WPI指数的5个分指数，共选取1986—2014年中的16个指标，作为核算北京市水生态足迹的指标层。其中，表征水资源状况的指标有年平均降水量、地表水资源量和地下水资源量；表征供水设施状况的指标有废污水排放量、污水处理率和人均供水量，其中废污水排放量是工业污水和生活污水的排放量的和，人均供水量是指平均为用户提供的包括输水损失在内的毛供水量；表征使用效率的指标有人均工业用水量、人均农业用水量、人均生活用水量和万元 GDP 用水量；表征利用能力的指标有人均GDP、人均可支配收入和家庭恩格尔系数；表征环境状况的指标有城市绿化覆盖率、人均公园绿地面积和COD(化学需氧量)排放量。16个指标的原始数据资料来源于北京市水务局、北京市统计信息网站等，采用非均衡法归一化计算各指标。

2.1.2 层次分析法确定权重模型

运用层次分析法确定WPI指数分指数和分指数下的二级指标的权重，各指标的权重计算结果见表2。WPI指数各分指数权重大小顺序是：能力(0.251 5)>环境(0.247 9)>资源(0.173 3)>利用(0.168 1)>途径(0.159 3)。

表2 北京市水贫乏指数WPI指标权重

通过计算，RI为1.594，计算得λmax为18.355，CI为0.157，CR为0.098，CR<0.10，说明判断矩阵具有合理的一致性，指标权重合理。

2.1.3 WPI计算结果

用各指标权重乘以归一化处理后的数据再乘以100便得到北京市1986—2014年水生态足迹，依据核算结果绘制的相应雷达图如图1所示。

图1 北京市1986—2014年水生态足迹雷达图

由图1可知：北京市WPI指数5个分指数中，2000年以前，资源和途径分指数值较大，说明这些年北京市处于丰水期，其他3个分指数中，利用分指数增长较快，能力和环境分指数增长缓慢，说明生活和工业用水效率增长较快，人们的环保意识也逐渐被唤醒；2000年以后，环境、能力和利用分指数值较大，资源和途径分指数值较小，说明人们的环保意识较高，对水环境保护和管理方面采取的措施有了明显的效果，社会经济和文化发展状况较好，同时，北京市也已启用南水北调工程。

2.1.4 结果分析

WPI指数及其5个分指数(潜在水资源状况、供水设施状况、利用能力、使用效率及环境状况)随时间变化的情况如图2和图3所示。

图2 1986—2014年北京市WPI分指数随时间变化情况图

图3 1986—2014年北京市WPI指数随时间变化图

由图2可知，资源的变化波动性较强，原因是年均降水量、地表水和地下水资源量很大程度上受降水影响较大，遇到丰水年，水资源的总量自然就较多，北京市从2008年开始实施调水工程，用于缓解该市水资源短缺的问题；途径随时间的变化趋势逐渐减小，原因是污水处理率随环保意识的加强逐渐增高的同时人口也在逐年增长，这导致废污水排放量的增长和人均供水量的减少；资源和途径固然是对生态水足迹重要的影响因素，但是和它们具有耦合性的能力、环境和利用等分指数也不可忽略。利用和能力分指数随时间的变化趋势是上升的，利用分指数从2005年开始增长较为缓慢。原因是：北京市农业种植粮食面积逐年减少，导致人均农业用水量逐年减少；降雨对农业灌溉也有很大的影响；同时，北京市的重工业企业大都已搬迁，主要第二产业为高新技术制造业、现代制造业、战略性新兴产业等，这些企业对于水资源的消耗也是逐渐减少的。此外，随着生产技术的提高，万元GDP用水量也逐年减少；能力分指数增长的原因是，随着经济的发展，人均GDP、人均可支配收入逐年增长，恩格尔系数逐年减少；环境分指数总体趋势是逐年增长的，主要是这期间政府加大了对环境治理方面的投资，同时，人们的环保意识不断增强。

水资源短缺的类型有工程型、污染型、管理型和资源型4种，WPI 的5个分指数中资源和途径分指数基本能反映资源型及工程型缺水状况，利用和能力分指数基本能反映管理型缺水状况，环境分指数基本能反映污染型缺水状况。由图3可知，北京市WPI指数变化的总体趋势是上升的，说明北京市水资源利用基本呈可持续状态。其中的潜在水资源状况分指标较低，验证了北京市属于资源型缺水城市，但由于水资源利用和能力分指数相对较高，说明水资源的利用效率、管理能力方面的工作做得比较好，最终使其水资源利用处于可持续状态，也为后期北京市实施水资源可持续利用措施奠定了基础。

2.2 北京市水足迹动态演变预测

运用EViews 8.0软件建立水生态足迹变化的ARIMA模型，通过ARIMA模型预测北京市2015—2030年WPI指数的水生态足迹。WPI指数有5个分指数，共建立5个ARIMA模型，本文以途径(A)分指数为例建立ARIMA模型，其他4个分指数建立模型的过程与其类似。通过数据录入、判断时间序列平稳性、单位根检验(Augmented Dickey Fuller检验，ADF)、差分处理等建立ARIMA模型，用传统的Box-Jenkins方法(自相关和偏自相关图如图4所示，查看判定系数R2、残差平方和最小准则、AIC准则和SC准则等)确定模型的参数p和q，见表3和表4。对拟合模型进行适应性检验，表明建立的ARIMA模型的残差序列是白噪声序列，不存在自相关关系。

图4 途径(A)对数后一阶差分时间序列自相关和偏自相关图

模型(p，q)常数项C自回归项AR(p=1)自回归项AR(p=2)移动平均项MA(q=1)移动平均项MA(q=2)移动平均项MA(q=3)移动平均项MA(q=4)移动平均项MA(q=5)(2，5)4．65e⁃070．3190．4960．0120．4030．6340．6000．795(2，4)2．53e⁃060．7910．9820．0960．9230．8110．161(2，3)1．11e⁃120．0030．0240．0000．0170．013

比较各模型的R2、残差平方和、AIC和SC的值，结果见表4。

表4 途径(A)分指数不同模型参数值

对水足迹变化进行预测，常用预测方法有两种：动态预测(Dynamic Forecast)和静态预测(Static Forecast)。本文静态预测时的预测样本区间为“1986—2014年”，动态预测时的预测样本区间为“1986—2030年”，选择Theil不等系数(Theil Inequality Coefficient)和协方差比率(Covariance Proportion)衡量模型拟合效果，Theil不等系数取值区间是[0,1]，值越接近0，模型拟合效果越好；协方差比率值越大,则模型拟合效果越好，一般要求协方差比率大于0.6。本次预测中，Theil不等系数分别为0.283和0.324，协方差比率为0.869和0.824，说明本次拟合效果较好。类似于建立ARIMA-A(WPI指数中途径(A)指数)模型过程，可分别建立出WPI指数其他分指数的ARIMA模型，则可得到各分指数建立的模型的参数，见表5。

表5 北京市WPI分指数预测模型参数表

各分指数建立的模型公式如下：

资源(R)：

DRt=-0.043-1.097DRt-1-1.204DRt-2- 0.593DRt-3+0.439εt-1+0.908εt-2。

(5)

途径(A)：

DAt=-0.032+0.611DAt-1-0.329DAt-2- 1.241εt-1+0.825εt-2-0.583εt-3。

(6)

能力(C)：

D2Ct=0.006-0.439D2Ct-1-0.058D2Ct-2+ 0.878εt-1-0.110εt-2。

(7)

环境(E)：

lnEt=2.773+0.876ln(Et-1)。

(8)

利用(U)：

D2Ut=-0.004-0.715D2Ut-1-0.099D2Ut-2+0.083D2Ut-3-0.063D2Ut-4-1.037εt-1-0.273εt-2+0.703εt-3。

(9)

式中：DRt、DAt分别为对资源和途径原始时间数据系列先做对数处理,再一阶差分的结果；D2Ct、D2Et、D2Ut分别为对能力、环境和利用原始数据系列先做对数处理,再二阶差分的结果；DRt-1为P的项数，即自回归的项数；εt-1为q的项数，即移动平均的项数。

运用表5中的模型对北京市水资源分别进行静态分析和动态预测，对平稳时间序列进行预测，预测出结果后做差分和对数化的还原处理，还原后的结果为最终的预测结果，各年的WPI及其5个分指数的预测结果见表6。

表6 2015—2030年WPI指数水生态足迹预测结果

由表6可知，北京市潜在水资源状况分指数波动较大，途径分指数则是缓慢减少的；利用、能力和环境分指数是逐年递增的，但是后期增加的幅度越来越小；WPI指数的基本趋势是逐年增长的，个别年份略有变化(如2020年)。北京市是资源型缺水城市，降水年际变化幅度大，水资源总量受降水影响较大，未来出现丰、平、枯水年组交替变化，故资源分指数有所波动；由于人口的逐年增长，便导致废污水排放量的增长和人均供水量的减少，途径分指数缓慢减小；同时，随着未来北京市高新技术的发展、环保意识的提高和经济的高速增长，北京市对于水资源的管理与运用会更加高效、科学、合理，故利用、能力和环境分指数是逐年递增的。这5个分指数耦合到一起后，WPI指数是逐年增长的，表明北京市对于水资源的利用是良性的。

要继续维持和实现北京市水资源的可持续利用的目标，需要从用水效率、产业结构、环保意识及管理政策等方面采取相关措施：①提高用水效率，加强节水意识。加强节水宣传力度提高市民节水意识；增加节水设备的应用，将节水设备运用到生产、生活的方方面面以达到时刻都节水、处处都节水的目的；制定阶梯水价的政策，从经济方面促使提高人们节水意识。②加强技术发展，优化产业结构，在促进经济增长的同时，也加强水资源的高效利用，进一步加强技术更新，优化产业结构，提高水资源的利用率，实现更加高效、合理、科学的用水。③提高环保意识，加强水污染的防治和保护。提高再生水的利用效率，实现污水的再利用，提高水资源的可持续利用；提高污水处理厂的建设标准，从源头控制水体污染；通过宣传提高人们的环保意识，倡导在生活中重复用水，一水多用，倡导和鼓励企业、单位等循环用水。④调整管理政策。控制北京市人口的增长，利用相关落户政策限制；建立统一的水资源管理制度，建立完善的水资源管理制度和法规；制定北京市水资源可持续利用方面的相关规定。

3 结语

水生态足迹法使得管理者和民众直观了解到城市或区域水生态占用现状，通过城市水足迹的计算与分析，定量分析了城市人类活动对水资源系统产生的压力和影响程度，为城市水资源可持续利用规划与管理提供新的思路和科学依据。水贫乏指数逐渐成为城市发展的战略辅助性工具，能为水行业的发展和城市水资源管理提供依据，帮助政策制定者有效地进行水资源管理。本文基于WPI指数研究了北京市的水生态足迹，通过运用WPI指数核算其水生态足迹，用EViews软件建立了ARIMA模型，并对时间序列进行预测分析，预估北京市2015—2030年WPI指数水生态足迹的动态演变过程，根据预估结果，提出北京市水资源可持续利用的用水效率、节水意识、技术发展、产业结构、环保意识加强等方面的管理政策和措施。此外，若有充足的水质指标数据，则可有效地提升WPI指数的代表性和可行性。

[1]邓晓军,谢世友,王李云，等.城市水足迹计算与分析：以上海市为例[J].热带资源环境学报,2008,3(1):62-63.

[2]JENERETTE G D,WU W,GOLDSMITH S,et al.Contrasting water footprints of cities in china and the united states[J].Ecological Economics,2006,57(3):346-358.

[3]周文华,张克锋,王如松.城市水生态足迹研究:以北京市为例[J].环境科学学报,2006,29(9):15-25.

[4]杜轶,张治国,董晓辉，等.基于水资源生态足迹模型的水资源可持续性研究[J].山西水土保持科技,2015,12(4):15-16.

[5]吴全志,苏喜军,龙林玲.基于生态足迹模型的贵州省水资源可持续利用分析[J].华北水利水电大学学报(自然科学版),2016,37(3):36-40.

[6]SULLIVAN C.Calculating a Water Poverty Index[J].World Development,2002,30(7):1195-1210.

[7]王晓妮,尹雄锐,张翔.WPI指数及其在松辽流域的应用研究[J].水利学报,2007,38(增刊1):635-636.

[8] HEIDECKE C.Development and evaluation of a regional Water Poverty Index for Benin[R].Washington D C,USA:International Food Policy Research Institute,Environment and Production Technology Division,2006:35.

[9]邓雪,李家铭,曾浩健，等.层次分析法权重计算方法分析及其应用研究[J].数学的实践与认识,2012,42(7):94-95.

[10]薛薇.SPSS统计分析方法及应用[M].北京:电子工业出版社,2004:453-470.

[11]张勃,刘秀丽.基于ARIMA 模型的生态足迹动态模拟和预测：以甘肃省为例[J].生态学报,2011,31(20):6253-6254.

[12]董晓晓,李玉环,王静，等.基于ARIMA模型的生态足迹模拟与预测[J].水土保持通报,2015,35(1):144-146.

[13]王乃静,李国锋.基于EVIEWS软件的计量经济学建模检验案例解读[J].数量经济技术经济研究,2001，18(10):94-96.

(责任编辑：杜明侠)

Water Ecological Footprint Accounting and Its Dynamic Evolution Prediction of Beijing City Based on the Water Poverty Index

LI Jiqing , LIU Jia, XIE Kaijie

(Renewable Energy School, North China Electric Power University, Beijing 102206, China)

Water footprint analysis is a quantitative method to measure the sustainable utilization of water resources in recent years. The method takes the water resource as the starting point to estimate the water metabolic intensity of watershed and region. Beijing is one of the major cities with severe water scarcity, with the population growth and rapid socio-economic development, the anti-disturbance and self-regulation ability of the aquatic ecosystem to natural disasters begin to decline, and then there has been a series of ecological and environmental problems. Based on the development and utilization of water resources in Beijing, the Water Poverty Index (WPI) method was used to calculate the water ecological footprint of Beijing. And the relative water shortage degree in Beijing from 1986 to 2014 was quantitatively evaluated by five sub-indices: water resource, access, capacity, use and environment. On this basis, the Autoregressive Integrated Moving Average (ARIMA) model was established by EViews software, and the ARIMA (p,d,q) model was used to predict the time series. Further the water ecological footprint of WPI index in Beijing from 2015 to 2030 was predicted. Combined with the forecast data of each index, the water resources sustainable utilization in Beijing was analyzed and forecasted. And accordingly the related management countermeasures of water efficiency, water-saving awareness, technological development, industrial structure, environmental awareness and so on of water resources sustainable utilization in Beijing were put forward.

water ecological footprints; WPI index; ARIMA model; Beijing; sustainable use

2016-09-10

国家重点研发计划项目(2016YFC0402208)；长江科学院开放研究基金资助项目(CKWV2015232/KY)。

李继清(1972—),女,河北邢台人,教授,硕导,博士,主要从事水(能)资源规划利用及管理方面的研究。E-mail:jqli6688@163.com。 刘佳(1994—),女,新疆昌吉人,硕士生,主要从事水资源风险管理方面的研究。E-mail:1813441232@qq.com。 谢开杰(1992—),男,安徽桐城人,硕士生,主要从事水资源规划利用方面的研究。E-mail:869889870@qq.com。

10.3969/j.issn.1002-5634.2016.06.002

TV213.4

A

1002-5634(2016)06-0007-07