黑龙江省地下水资源承载力时空差异

付　强，戴春胜

(1.东北农业大学水利与建筑学院，哈尔滨 150030；2.黑龙江省水利水电勘测设计研究院，哈尔滨 150080)



黑龙江省地下水资源承载力时空差异

付强1，戴春胜2

(1.东北农业大学水利与建筑学院，哈尔滨 150030；2.黑龙江省水利水电勘测设计研究院，哈尔滨 150080)

摘要：为了定量评价区域地下水资源承载力的时空差异性，引入支持向量机分类模型，根据黑龙江省2008—2012年统计数据，8项评价指标作为输入向量，地下水资源承载力等级作为输出，通过模型仿真和优化，计算了黑龙江省5 a地下水资源承载力指数，结果表明：黑龙江省地下水资源承载力总体呈现下降趋势；2012年，西北林区地下水资源承载力较强，东南粮食主产区地下水资源承载力水平中等，西南地区地下水资源承载力较弱。研究成果对于指导黑龙江省科学合理的利用地下水资源具有一定的理论和实践意义。

关键词：地下水资源；承载力；支持向量机(SVM)；时空差异

0引言

近年来，承载力大小成为地下水资源是否可以继续开采的限制因素。随着社会经济的发展及人口的增长，人类对地下水资源的影响程度和依赖不断增大[1]。黑龙江省作为我国粮食生产大省，地下水资源在粮食产能中发挥着重大的作用。如：粮食产能核心区三江平原，主要以开采地下水为主，导致地下水位逐年下降，部分地区生态环境甚至遭到一定程度的破坏。

因此，研究黑龙江省地下水资源的承载能力对于缓解地下水危机具有一定的理论和实践意义。地下水资源承载力研究的方法主要有物元模型[2]、投影寻踪[3]、改进的逼近理想解[4]、多目标遗传算法[5]、不确定性模型[6]等。

上述方法运算过程较为复杂，关键步骤较为繁琐，且以往研究多侧重于局部地区。而支持向量机方法属于机械学习，算法简单，能充分利用训练样本的分布特性，不需要过多的先验信息和使用技巧。因此，本文尝试利用支持向量机模型，分析黑龙江省地下水资源承载力及其空间差异性，以期为黑龙江省地下水资源的可持续利用提供理论支撑。

1支持向量机模型

支持向量机(SVM)是20世纪90年代中期Vapnic等提出的，是基于统计学习理论发展而来，相比于传统学习方法，支持向量机采用结构风险最小化准则，在满足最小化样本点误差的同时，缩小了模型泛化误差的上界，保证了模型的泛化能力，在很大程度上解决了模型中的过学习、非线性、维数灾难等问题[7]。支持向量机方法通过求解一个凸二次优化问题，最终达到全局最优，避免了神经网络的局部极值问题，而且支持向量决定了其拓扑结构，不存在经验试凑，能够较好解决小样本、非线性及高维模式识别等问题[8]。

目前SVM已广泛应用于突然环境质量评价、信号处理、语音识别、水质评价等领域。而将该法应用于地下水资源承载力评价方面目前尚很少见，采用神经网络、SP和SVM方法进行训练分类的情况，SVM法准确率几乎达到100 %[9]；支撑向量机的评价方法与传统的BP神经网络方法比较，有训练样本小，训练精度高的优点，这些优点使支撑向量机能成为一种好的评价方法[10]。其具体建模过程如下[11]：

给定一组训练样本集(x1，y1) ，(x2，y2) … ，(xl，yl)，其中xi(xi∈Rn)是第i个样本的输入列向量，称为特征值；yi(yi∈Rn)为对应的输出值，称为目标值。构造回归函数为：

f(x)=(w×x)+b

(1)

式中：w为权值向量；b为偏置。

采用ε不敏感损失函数作为误差函数，其数学表达式为：

(2)

先假设所有样本点到回归函数的距离都<ε，于是可以把求解回归函数的问题描述成如下一个二次凸优化问题：

(3)

(4)

(5)

(6)

(7)

将这些偏导数带入函数L中得到对偶优化公式：

maxJ(α)=

0≤αi，αi*≤C(i=1,2,L,l)

(8)

进而得到最优线性回归超平面的解析表达式为：

(9)

2黑龙江省地下水资源承载评价

2.1地下水资源承载力指标体系的构建

建立地下水资源承载力评价指标体系时，应充分考虑地下水资源的现状、发展趋势以及地下水资源系统与经济、社会发展、生态环境等子系统的协调程度。由于研究者对地下水资源承载力的理解和评价目标不同，在进行地下水资源承载力评价时选择的评价指标也有所不同。根据地下水资源承载力的相关概念和指标的选取原则，结合黑龙江省的实际情况，参考有关黑龙江省地下水资源承载力研究的相关文献，并考虑资料的连续性和可获得性，选取了8个指标[12-16]，分别代表的意义如下：

1)地下水资源利用率：现状年地下水供水量/地下水资源可利用量(%)；

2)地下水资源开发利用程度：现状年地下水供水量/地下水资源量(%)；

3)供水模数：地下水年供水量/土地面积(104m3/km2)；

4)需水模数：地下水年需水量/土地面积(104m3/km2)；

5)地下水资源耕地灌溉率：地下水资源灌溉面积/耕地面积(%) ；

6)工业用水重复利用率：工业重复用水量/生产用水总量(%)；

7)人均供水量：地下水年供水量/总人口(m3/人)；

8)生态环境地下水用水率：生态环境地下水用量/总用水量(%)。

这8项指标中，通过(1)-(4)来反映地下水承载力中的水资源系统评价指标；(5)-(6)是反映经济系统评价指标，(7)作为社会系统中的评价指标，(8)作为生态环境系统的评价指标。依据黑龙江省省情，结合已有研究成果确定各指标分类等级标准值，见表1。

表1　地下水资源承载力评价指标分类等级标准值

2.2地下水资源承载力指数

地下水资源承载力指数为评价指标向量与相应的阈值向量的比值。当各个指标都在Ⅰ类数值范围内，可以认为此时地下水资源承载能力处于相对最优水平，对应的承载力水平能力指数为(0.6,1]；当各个指标都取在第Ⅱ类范围内时，地下水资源承载能力处于相对安全状态，对应的承载能力指数为(0.2,0.6]；当各个指标都取在第Ⅲ类范围内时，地下水资源承载能力处于相对最低状态，此时没有完全失去承载能力，而是承载能力很弱，所以此时对应的承载能力指数取(0,0.2][16]。

2.3模型构建和应用

2.3.1数据归一化采用公式

(10)

2.3.2确定SVM模型结构和参数

针对地下水资源承载力的特点，建立地下水资源承载力评价的支持向量机模型，其中，评价指标作为输入向量，承载力等级为输出向量。对模型中的参数赋予初值，然后利用SVM进行学习训练，根据训练后获得的参数进行预测。该模型需设定惩罚参数，在对训练样本进行训练时，然后执行交叉验证参数寻优程序，选取最优惩罚参数C为100[9]；给定惩罚参数初值为100，循环步长为1，不敏感损失函数初始值0.01，不敏感损失参数的上界为500，择优标准采用误差绝对差方法，迭代次数4000。通过上述设置的初始参数，对模型进行学习训练，最终得出的最优模型参数为：惩罚参数为100，核参数为0.2。

2.3.3承载力评价

黑龙江省2008年到2012年的各项指标值见表2。在指标评价中，指标值越大越优的为正向指标，指标值越小越优的为逆向指标，指标值越接近某个值越好的为合适指标。在实际应用时，将指标根据公式(1)进行了归一化处理，然后按照SVM模型步骤，计算出黑龙江省2008—2012年地下水资源承载力指数，见图2。

表2　黑龙江省地下水资源

从图2可以看出，黑龙江省地下水资源承载力在2009年有一定的提升，随后又逐年降低，通过分析各项指标值，水资源系统的各项指标呈减弱趋势，水资源系统受到严重的人为开采利用，致使承载力水平不断下降，这需要坚持可持续发展来恢复；工业用水中60%以上为地下水，重复利用率的提高，体现出对地下水的节约利用，人均供水量和生态环境地下水用量的增加体现出社会和生态环境系统的提高，综合来说，由于长期开采利用地下水，使得黑龙江省近5 a地下水资源承载指数在0.19～0.42，属于中等和较弱的承载力水平，这说明地下水资源的合理利用和规划还需进一步加强，着重加强水资源系统的修复，从而增强地下水资源的承载能力。

为深入了解黑龙江省各个城市的地下水资源承载力情况，运用SVM模型对黑龙江省13个城市2012年的承载力进行评价，结果如图2所示。

从图2可以看出，2012年黑龙江省各个城市的地下水资源承载力指数在0.16～0.86，分为3个等级，其中大兴安岭、黑河市、伊春市、鹤岗市属于I等级，地下水资源承载力较强；双鸭山市、鸡西市、七台河市、牡丹江市、佳木斯市和哈尔滨市属于II等级，地下水资源承载力处于中等水平；齐齐哈尔市、绥化市和大庆市属于III等级，地下水资源的承载能力较弱。从地下水资源承载力指数可以看出，黑龙江省西北部地下水资源开发程度不高，多处于山丘地形，承载力较强；黑龙江省东南部城市地下水开采量增多，且大部分城市为平原所在地，粮食作物地下水需水量较多，地下水资源承载力逐渐下降，处于中等水平；齐齐哈尔、绥化和大庆属于黑龙江省重工业较发达城市，随着工业废水达标排放率的增加，地下水资源承载力指数偏低，承载能力较弱。

图2　黑龙江省各地区2012年地下水资源承载力指数

根据在计算出黑龙江省2012年各市地下水资源承载力的基础上，利用ArcGIS软件绘制黑龙江省地下水资源承载力分区图，如图3所示。

图3　黑龙江省地下水资源承载力分区图

通过区分和圈定地下水资源不同承载力区域，可直观看出全省地下水资源承载力情况，西北地区承载力较强，水资源丰富，但是人口稀少，对地下水资源的开发利用较低；东南地区承载力中等，主要以农业为主；地下水资源承载力较低的地区位于西南地区，这些地区应该大力发展节水型农业，低耗水型工业为主；越往东北方向承载力水平逐渐提高。黑龙江省地下水资源承载力空间分布不均，东西部差异较大。根据分区图的承载力分布结论，便于开展相应的地下水资源管理和保护，对全省地下水合理开发利用以及全省经济发展、环境保护等提供参考，具有一定的指导和示范作用。

3结论

1)本文建立了地下水资源承载力评价的支持向量机模型，计算了2008—2012年黑龙江省地下水资源承载力指数，并绘制了黑龙江省地下水资源承载力分区图。总体而言，黑龙江省地下水资源丰富，可开发利用空间较大，但是地下水资源在空间上分布极为不均，黑龙江省70%的城市地下水资源承载力水平是中等及以下水平，说明黑龙江省的地下水资源承载能力整体水平较弱。

2)黑龙江省西北部山丘地区承载力较强，地下水资源开发利用程度较低；西南地区经济较发达，承载力较低，地下水资源承载力无法满足社会和经济的发展需要，对今后的可持续发展造成影响，所以在西南地区，尤其是地下水资源承载力较低的齐齐哈尔市、绥化市、大庆市，应该加大产业结构调整，控制耗水量较大以及污染严重的企业；东南地区属于平原地区，一方面在农业上调整粮食种植结构，减少个别需水量较大的农作物的种植规模；另一方面研究地表水资源跨区域配置工程支撑粮食基地农业生产与生态用水。

参考文献：

[1]苏荣.呼和浩特市地下水资源承载力研究[D].郑州：华北水利水电大学，2013.

[2]门宝辉，王志良，梁川，等.物元模型在区域地下水资源承载力综合评价中的应用[J].四川大学学报(工程科学版)，2003，35(1)：34-37.

[3]王顺久，杨志峰，丁晶.关中平原地下水资源承载力综合评价的投影寻踪方法[J].资源科学，2004，26(6)：104-110.

[4]屈吉鸿，陈南祥，黄强，等.改进的逼近理想解在地下水资源承载力评价中的应用[J].水利学报，2008，39(12)：1309-1315.

[5]Yang CC，Chang LC，Chen CS，et al.Multi-objective planning for conjunctive use of surface and subsurface water using genetic algorithm and dynamics programming[J].Water Resources Management，2009，23(3):417-437.

[6]Baú D A.Planning of Groundwater Supply Systems Subject to Uncertainty Using Stochastic Flow Reduced Models and Multi-Objective Evolutionary Optimization[J].Water Resources Management，2012，26(9)：2513-2536.

[7]姜雪，卢文喜，杨青春，等.应用支持向量机评价土壤环境质量[J].中国环境科学，2014，34(05)：1229-1235.

[8]徐纬芳.支持向量机及其在区域水资源可持续利用中的应用[D].兰州：甘肃农业大学，2011.

[9]张宇，齐欢.支撑向量机在沧州水资源可持续利用评价中的应用[J].燕山大学学报，2005，29(5)：418-422.

[10]胡蓉.基于多输出支持向量回归算法的股市预测[J].云南民族大学学报(自然科学版)，2007，16(3)：189-192.

[11]陈永义，熊秋芬.支持向量机方法应用教程[M].北京：气象出版社，2011.

[12]卢敏，张展羽.基于支持向量机的水资源可持续利用评价[J].水电能源科学，2005，23(5)：18-21.

[13]张鑫，王纪科，蔡焕杰，等.区域地下水资源承载力综合评价研究[J].水土保持通报，2001，21(3)：24-27.

[14]匡建超，李宁，姜林.大庆市地下水资源承载力评价及对策研究[J].南水北调与水利科技，2007，5(4)：46-49.

[15]刘东，付强，孟军.集对分析法在三江平原井灌区地下水资源承载力评价中的应用[J].中国农村水利水电，2009，02:1-4+8.

[16]王俭，孙铁珩，李培军，等.基于人工神经网络的区域水环境承载力评价模型及其应用[J].生态学杂志，2007，26(1)：139-144.

个 人 简 介 补 充

付强，现任东北农业大学水利与建筑学院院长，黑龙江省人事厅农业水土工程学科领军人才梯队带头人。目前担任教育部高等学校水利学科教指委委员，中国农业工程学会农业水土工程专委会副主任、中国农业工程学会农业系统工程专委会副主任等10余项学术兼职，担任《农业工程学报》(EI)、《IJABE》(SCI)、《灌溉排水学报》、《南水北调与水利科技》等期刊编委。2002年、2007年分别在四川大学水利工程博士后流动站及北大荒农垦集团公司博士后科研工作站完成博士后研究工作，2008年8月至2009年4月在加拿大University of Alberta作访问学者。

主要从事农业节水灌溉理论与技术、农业水土资源高效利用理论与技术等方面研究。发表学术论文300余篇，其中被SCI、EI收录100余篇，出版学术专著10部。主持国家自然科学基金4项，国家“863”计划与“十一五”科技支撑计划子课题各1项，其它项目10余项。获省科学技术二等奖5项、三等奖2项，其它奖励10余项，授权专利4项，计算机软件著作权7项。2006年获第七届黑龙江省青年科技奖；2010年获省优秀研究生指导教师称号；2011年获省优秀科技工作者称号；2010年入选省教育厅新世纪优秀人才支持计划；2011年入选教育部新世纪优秀人才支持计划；2012年荣获龙江学者特聘教授称号；2013年荣获省政府特殊津贴，同年入选黑龙江省高校长江学者后备支持计划；2014年，获国务院特殊津贴和黑龙江省杰出青年基金，并入选科技部创新人才推进计划。

戴春胜，1993年后曾获中国水利学会、全国优秀青年科技工作者；黑龙江省水利系统青年学术带头人；省委省政府授予黑龙江省抗洪模范；授予全国水利勘测设计行业优秀中青技术人员称号黑龙江省政府特殊津贴；国务院政府特殊津贴；2006年5月至今黑龙江省级领军人才梯队带头人；2010年水利部5151人才工程部级人选；2012年获黑龙江省勘察大师称号；先后主持和负责40余项全省大、中型水利水电规划、可研、设计等工作，获奖成果有20余项，有7项获省部级优秀成果，科技进步奖，其中主持完成的“桩基钢筋混凝土墙装配式钢闸板组合防洪墙研究”、“三江平原，水土资源利用与保护对策研究”获省科学技术二等奖，负责的“黑龙江省水资源开发利用工程选点战略研究”获中国工程咨询优秀成果奖，负责的“建国四十年黑龙江省水利经济效益计算”获黑龙江省科技进步三等奖。

Time-space Differences on Groundwater Bearing Capacity in Heilongjiang Province

FU Qiang1and DAI Chun-sheng2

(1.Water Conservancy and Building Institute Northeast Agricultural University, Harbin 150030,China;2. Heilongjiang Provincial Water Conservancy & Hydroelectric Power Investigation,Design and Research Institute,Harbin 150080, China)

Abstract：In order to evaluate quantitatively the temporal and spatial differences on groundwater bearing capacity in the area, the classification models of support vector machine are introduced to calculate the indexes of groundwater bearing capacity for Heilongjiang Province in five years based on statistical data from 2008 to 2012 in Heilongjiang Province, meanwhile, 8 evaluated indexes act as input vectors, the grades of groundwater bearing capacity act as output vectors, and the models are simulated and optimized. The results show that groundwater bearing capacity in Heilongjiang Province is in the tendency of decreasing generally; the groundwater bearing capacity was strong in northwestern forestry land, medium in southeastern grain production area, and weak in southwestern in 2012. The research has a certain theoretical and practical significance in guiding the scientific and reasonable use for groundwater resources in Heilongjiang Province.

Key words：groundwater resources; bearing capacity; support vector machine (SVM); temporal and spatial differences

文章编号：1007-7596(2016)04-0008-06

[收稿日期]2016-03-16

[基金项目]国家自然科学基金(51179032、51479032、51579044)；黑龙江省普通高等学校长江学者后备；黑龙江省水利科技项目(201318、201503)

中图分类号：TV213.4

文献标识码：A

[作者简介]付强(1973-)，辽宁锦州人，教授，博士生导师，本刊编委；研究方向为农业水土资源高效利用；戴春胜(1962)，男，江苏宝应人，教授级二级高级工程师，院长，本刊主编。(文章后另附补充简历)