水环境安全评价方法及其在京津冀地区的应用

刘秀丽, 涂卓卓

(1.中国科学院数学与系统科学研究院，北京 100190;2.中国科学院预测科学研究中心，北京 100190;3.中国科学院大学，北京 100049；4.中国科学院管理、决策与信息系统重点实验室，北京 100190)

1 引言

水，作为人类所需的不可替代的一种资源，是人类生存和发展的物质基础。21世纪以来，随着社会经济的快速发展，人类不断增加对水资源的开发利用。近年来，由于水资源不合理利用，大量废水、污水排入水体，世界范围内水资源状况不断恶化，水资源供需矛盾日益突出。针对该问题，各国政府都在采取积极的措施和对策，促进水资源的合理开发利用，治理水环境污染、保证水资源的质量，并解决水资源短缺，以适应人类可持续发展的需要。我国是一个公认的贫水国，2015年水资源总量为28306亿立方米，人均水资源量仅为2081立方米，远低于人均3000立方米的轻度缺水标准。我国大部分流域水体受到不同程度的污染，水环境质量日益恶化。部分河段水污染情况十分严重，失去了饮用水功能，直接影响沿岸城市生活用水。2015年全国967个地表水环境质量监测点之中，水质较差以及极差的比例合计35.5%。为了缓解我国面临的水环境问题，实现水环境的可持续发展，“十三五”规划纲要和《水污染防治行动计划》提出关于全面改善水环境安全的要求，充分发挥重点流域水污染防治中央预算内投资引导作用，推进“十三五”重点流域水环境综合治理重大工程建设，切实增加和改善环境基本公共服务供给，改善重点流域水环境质量、恢复水生态、保障水安全。“十三五”期间，“水专项”将聚焦京津冀区域和太湖流域，实施一批大型水环境综合整治工程，带动北京—廊坊—天津这一京津冀核心区的水环境质量实现根本性转变。京津冀地区作为我国经济发展的核心区域，战略地位非常重要。城镇人口的增长、产业规模的扩大、城市化水平的提升，意味着需要更可靠的水资源保障、更安全的水生态环境支撑。然而，京津冀是我国缺水最严重的地区，2014年三省市人均水资源量239立方米，大大低于国际公认的500立方米极度缺水警戒线。同时，该地区地下水超采严重，三省市年均超采量达67.6亿立方米，占全国的1/3，地面沉降漏斗区面积超过5万平方公里，平原主要河流1200公里河段干涸。除此之外，京津冀地区还存在着局部地区水环境质量差、近海水域污染严重等问题，2014年地表水劣五类水质比重超过30%。在此背景下，对京津冀地区的水环境安全进行评价，探寻其有效治理措施具有重要的现实意义和理论意义，是京津冀实现一体化的一项重大任务。

目前，还没有形成对水环境安全比较公认的定义。不少学者认为水环境安全指水质安全。张翔等[1]、韩宇平等[2]、陈绍金[3]提出水环境安全不是只与水有关的水体，而是与水、水生物以及污染结合的综合体。本文采用曾畅云等[4]的定义，水环境安全是水体保持足够的水量、安全的水质条件以维持正常的生态功能和保障周围的环境处于良好的状态，同时能最大限度的满足人类生产和生活的需求。该定义从环境学角度出发，强调水环境是一个完整的生态系统，是水量和水质的统一体。

在水环境安全评价中，涉及大量的复杂现象和多种因素的相互作用，而且评价过程中出现的水质级别和水质标准都是一些模糊概念。模糊评价法是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清的因素进行量化。由于该方法充分体现了水环境评价过程中客观存在的模糊性和不确定性，模糊综合评价法在水环境安全评价中得到了广泛的运用。Zhu Lin和Lu Hongxing[5]、Pan Feng等[6]和Zhang Bing等[7]将模糊综合评价方法应用到水环境质量评价研究中，通过建立评价的因子集、评价集、隶属函数和权重集，实现对各水体样本的质量等级综合评价与排序。

在模糊综合评价法中，权重的选择是非常重要的，它直接影响到最终的评价结果。在传统的综合评价方法中，权重的选取是通过污染物超标加权法进行计算的[8]。但这样的计算方法存在一些缺陷，首先它是基于单个评价个体，即对每一个评价样本，我们需要计算该个体的指标权重，当评价样本比较多的时候，会极大的增加我们的计算量。其次，在计算过程中，它仅仅考虑单个指标包含的信息，而忽略了各指标之间的影响关系。

为了解决上述问题，一些学者提出了其他计算权重的方法。汤丽华等[9]、Zou Zhihong等[10]以及Liu Li等[11]将熵的概念应用到水环境安全评价中,利用熵来测量各指标观测值中所包含信息的大小，当某个指标观测值变化范围比较大，代表该指标能提供的信息比较多，因此该指标的权重也会比较大。该方法能很好的避免主观因素的影响，但是它没有考虑到各指标之间的影响关系。崔杰等[12]采用灰色关联分析法，根据各指标之间发展态势的相似或相异程度来衡量指标的相对权重大小，该方法能够很好的反映出各指标之间的关联程度大小，但是受关联度两级极差的影响，评价值趋于均化，分辨率较低，不易区分不同级别之间的差异。韩小孩等[13]使用主成分分析法对原始指标进行线性组合，用几个综合指标代替原始指标，在保证信息丢失少的前提下，使高维的数据得到简化，但是当权重为负数时，综合评价函数的意义往往不明确。陈建民和张仲义[14]使用层次分析法计算指标权重，采用专家打分的形式构造对比矩阵，并进行一致性检验，最后计算组合权重向量，但该方法一定程度上受主观因素的影响。陈晓红和杨志慧[15]提出基于AHP方法确定主观权重，基于因子分析法确定客观权重，最后将主客观权重集结得到指标的综合权重的方法，但仍无法避免专家打分这一主观因素的影响。

另外，模糊综合评价方法中常用的取大取小算法以及最大隶属度原则都会造成一定的信息丢失，常常出现分辨率较低、最终评价结果无法真实反映样本之间差异的问题[16]。苏为华[17]指出了最大最小算法的不合理性，并提出了幂平均合成算子方法，该方法可以保证隶属度更加符合评价实际，并且实践中可以直接采用梯形函数确定初始隶属度，但是它对于幂次的选择却没有统一的标准。卢厚涛等[18]为了克服模糊综合评价取大取小算法的一些弊端，提高其通用性。以比较运算的接近原则为标准，给出了确定指标权重总和的非线性规划数学模型，但是该模型计算量较大而且实际意义不明确。李玉琳等[19]在考虑评价系统状态因素特征顺序的基础上，借助于模糊理论的模糊测度概念，提出了模糊测度合成方法。该方法考虑了评价系统各因素之间的相互关联性，但是它更适合于独立性较强的评价指标体系。

目前已经有一些针对水环境安全评价的研究，何贝贝等[20]只对天津市2009-2011年城市水环境安全状况进行了等级评价计算；路瑞等[21]从水污染防治角度出发构建了水环境安全指标体系，对全国31个省(自治区、直辖市)2011-2013年的水环境安全状况进行评估。但该研究缺少对水环境安全影响因素的弹性分析，没有给出各因素对水环境安全的影响程度。

针对上述问题，本文首先以熵权法、灰色关联分析法以及主成分分析法为基础，建立了组合权重模型，以综合多种方法的优势和规避单一方法的缺陷。其次，在加权平均原则[22]下，对常用的最大最小算法进行了改进，提出一种改进的模糊综合评价方法。最后运用该改进方法对京津冀地区水环境安全进行评价，再对评价结果进行分析，辨识出京津冀地区水环境安全的主要影响因素，在此基础上，提出提高京津冀地区水环境安全的建议。

2 水环境安全评价指标体系

2.1 评价指标的初筛

指标的选择是水环境安全评价中的一项基础但非常重要的工作。它的好坏直接影响我们最终的评价结果。为了对京津冀地区水环境安全作出科学的评价，应尽可能全面的选取能反映水环境安全信息的指标。但指标过多又会使评价过程变得复杂，还可能因为无法获得有效的数据而影响评价结果的可靠性。本文在前人[23-28]工作的基础上，基于指标体系的科学性、系统性、可操作性、定性与定量相结合以及数据可获取性等原则，结合曾畅云等[4]对水环境安全的定义，通过指标的初步筛选建立了京津冀地区水环境安全评价指标体系，涉及经济社会、水质状况和生态环境三个方面，共计17个指标，见表1。

2.2 数据来源

上述初筛得到的17个指标原始数据分别来自于北京市水资源公报，北京市环境状况公报，河北省水资源公报，河北省环境状况公报，河北省国民经济和社会发展统计公报，天津市环境状况公报、天津市水资源公报，万方数据库等，样本期为2006-2014年。

2.3 指标的筛选

主成分分析方法是一种常见的指标筛选方法，它通过指标负载系数大小反映指标对综合评价结果影响显著性上的差异，删掉负载系数小的指标，保证筛选出的指标对评价结果有显著性影响[29]。通过对上述17个指标进行主成分分析，计算出前五个特征根依次为λ1=5.8，λ2=4.65，λ3=2.34，λ4=1.51，λ5=0.77，其累计贡献率达到89%，因此，取此5个特征根对应的特性向量u1，u2，u3，u4，u5，然后计算负载系数矩阵，结果如表1所示。我们选取各主成分中负载系数绝对值在0.6[27]以上的指标，从而保证筛选出的指标对综合评价影响显著，筛选结果见表1。

表1 主成分负载系数计算结果

3 评价标准

综合考虑我国水资源状况和目前所处的社会经济发展水平，并结合地表水环境质量标准、相关文献和检测数据，将水环境安全评价各指标划分5个等级，分别对应于非常安全、安全、正常、稍差以及比较差，见表2。其中GDP增长率、污水处理率、降水量、城市城建区绿化覆盖率、森林覆盖率、人均水资源以及水资源利用率评价标准参照文献[23-28]，而CODMn指标评价标准参照中国地表水环境质量标准[30]，人均受教育年限评价标准参照我国学制年数，其他几个指标由于没有明确的划分标准，在文中我们根据各指标历史数据的五分位数进行等级划分。

表2 水环境安全评价标准

4 评价方法

模糊综合评价法是利用模糊变化，考虑与被评价事物相关的各个因素，并对其进行综合评价的方法。一般需要以下几个步骤：

第一步：求隶属度函数

根据单一污染因素的等级划分标准和实测浓度来计算隶属度。采用如下线性函数计算[31]：

属于第一等级的隶属度表示如下：

(1)

属于第二、三、四等级的隶属度表示如下：

(2)

属于第五等级的隶属度表示如下：

(3)

其中rij表示第j个污染因素属于第i个等级的隶属度，而ck表示第j个污染因素第k级水质标准浓度值。对于那些浓度越小越安全的因素，采取公式(1)-(3)计算隶属度。而对于浓度越大越安全的因素，我们只需要将公式(1)-(3)的≤换成≥即可。对于PH 值，我们采取计算公式(4)隶属度。

(4)

第二步：权重确定

在本文中，我们采用熵权法、灰色关联分析法以及主成分分析法，分别求出权重并计算评价结果。然后利用Kendall协同系数法对三种方法的评价结果进行一致性检验，若检验通过的话，则将三种评价结果进行加权组合并给出最终评价结果[32]。

第三步：综合评价

为了避免信息损失，我们采用加权平均原则，将等级看作一种相对位置，使其连续化，用1，2，3，4，5依次表示各等级，称它为各等级的秩。由第一步我们可以得到一个5×13的隶属度矩阵R，R的第j列代表第j个影响因素Cj属于各等级的隶属度。水环境安全等级可以表示成

(5)

其中rij表示第j个影响因素属于等级i的隶属度，wj是第j个影响因素的权重系数，C表示水环境安全所处的相对位置。

根据公式，水环境安全等级C处于1-5之间，最小值为1，最大值为5。只有当各指标都达到1级标准，C=1；当所有指标都达到或超过5级标准，C=5，其余情况，1

5 京津冀地区水环境安全评价

本文以京津冀地区为研究对象，对2006-2014年间北京、天津、河北以及京津冀整体水环境安全进行评价。

5.1 水环境安全评价

采用熵权法、灰色关联法以及主成分分析法分别计算权重，结果如表3所示。然后采用Kendall协同系数检验法对三种方法评价结果进行一致性检验，协同检验的系数为0.989，卡方值为104，p值为0.000，表明三种方法的评价结果通过了Kendall协同系数检验，即三种方法的评价结果具有统计上的一致性。

表3 各指标权重表

由图1我们可以看出京津冀地区水环境安全基本呈现北京优于河北优于天津的趋势。2006-2014年，北京市水环境安全位于第三等级，其中2006年和2014年略微偏向于第四等级，其它年份都偏向于第二等级。整体上来看，从2006-2011年，北京水环境安全逐渐变好，但从2012年开始呈现变差的趋势。2006-2010年，天津市水环境安全处于第四等级，从2011年开始，水环境安全都是处于第三等级。总体上，天津市水环境安全呈现逐渐变好的规律，但在2013年之后基本上在第三等级附近波动。河北省在2006-2008年期间位于第四等级，2009年之后基本上处于第三等级。在2009-2013年期间，河北水环境安全是明显偏向于第四等级的，但偏向的程度在逐渐降低，整体上呈现变好的趋势，但是在2013年之后又开始呈现变差的趋势。2006-2014年京津冀地区总体的水环境安全基本呈现先变好再变差的趋势。从2008年开始，京津冀地区总体水环境安全处于第三等级，虽然有一定程度偏向于第四等级，但偏向的程度越来越小，但在2012年之后，水环境安全又慢慢的偏向第四等级。将上述结果与何贝贝等[20]、路瑞等[21]的评价结果进行对比，我们发现何贝贝等[20]计算得到的天津市2010年和2011年水环境安全等级和路瑞等[21]关于北京、天津和河北省2011-2013年水环境安全变化趋势与我们的评价结果一致，但是路瑞等[21]的评价结果没有给出水环境安全等级划分。

图1 水环境安全评价结果

由公式知，水环境安全等级是由13项求和得到，每项对应于一个影响因素。根据水环境安全等级定义，当C越小的时候，水环境越安全。我们可以求出每个影响因素在最终水环境安全评价等级中所占的比例，计算公式如下所示：

(6)

lmj越大，代表该因素对水环境安全的负向影响程度越大，越不利水环境安全。应用公式，我们可在13个影响因子中找出lmj最大的三个指标，2006、2010以及2014年的结果如图2所示。

从图2中可以看出，2006-2011年对北京市水环境安全影响最大的因素是森林覆盖率，其次是人均水资源和人口自然增长率，2012年之后GDP增长率取代了森林覆盖率成为了对北京市水环境安全影响最大的因素，其中森林覆盖率所占比重由2006的15.4%下降到2014年的13.4%，而GDP增长率所占比重却由2012年的2.5%上升至2014年的15.6%。2006-2014对天津市水环境安全影响最大的因素仍是森林覆盖率，其次是人口自然增长率和Ⅰ-Ⅲ类水质占比，其中森林覆盖率占比从2006的12.6%上升到2014年的14.0%，增加了1.4%。而河北省的森林覆盖率是最大影响因素，其次是第三产业占GDP的比重、城市化率和Ⅰ-Ⅲ类水质占比。2006-2014对整个京津冀地区水环境安全影响最大的因素是森林覆盖率，其次是第三产业占GDP的比重、Ⅰ-Ⅲ类水质占比以及人均水资源量。

图2 主要影响因素及其lm值

5.2 影响因素的弹性分析

由水环境安全评价公式可知，当第j影响因素改变1单位，最终的水环境安全等级变化程度可以用下式表示：

Δrij=f(Δxj)

(7)

(8)

其中rij表示Cj对应于等级i的隶属度，Δrij按照公式(1)-(3)计算。由于在不同的等级水平下，rij是按照不同的公式进行计算的。因此我们对ΔC的计算要分情况讨论，结果如表 4所示。

表4 ΔC计算结果

由表4可以看出，对于GDP增长率、水资源利用率、CODMn这三个指标，当影响因素增加1个单位时，ΔC是大于0的，而由前面的定义,C越小代表水环境越安全，所以这些指标与水环境安全呈负相关作用，而其他的指标则与水环境安全呈正相关作用。

各指标对水环境安全的作用效果随着各指标所处的范围不同而不同，大部分指标是在位于中间等级时对水环境安全的作用效果最大。例如当各指标都处于正常区间时，改善人口自然增长率、居民平均受教育年限以及CODMn指标对提高水环境安全是最有效的。

由5.1知，对整个京津冀地区水环境安全影响最大的因素是森林覆盖率。而由表4知，当森林覆盖率和建成区绿化率处于同一区间时，森林覆盖率对水环境安全的作用效果要大于建成区绿化率。例如当它们都位于安全或比较差区间时，森林覆盖率的ΔC是-0.0048，而城建区绿化率的ΔC仅为-0.0037。

需要说明的是，当指标处于最好或最差等级时，ΔC=0，这是因为在综合评价方法中，当某一指标检测值大于对应于其非常安全等级的标准浓度时，它属于非常安全等级的隶属度为常数1，不再随着指标检测浓度变化而变化。因此，在非常安全以及比较差两个极端情况下，无法计算出合理的弹性系数，这是该方法的一个局限性。

6 政策建议

基于上述的分析，为提高京津冀地区水环境安全，提出如下建议：

①提高京津冀地区森林覆盖率，在京津、京冀交界地带，构建起大规模的生态过渡带。开展景观生态林合作、生态廊道绿化等项目，建立环首都国家公园体系，实施森林生态系统重点保护。同时，开展公益植树活动，加大植树造林力度。

②为了改善京津冀地区人均水资源严重偏低现状，国家已开展南水北调工程，每年有将近50亿方的江水滋润京津冀地区。但是，仅依靠调水工程并不能从根本上扭转京津冀严重的缺水困局。建议全方位考虑水的各种功能，统筹外调水与本地水，实现一水多用、循环利用，加大污水回用率，提高水资源利用效率。同时，大力发展海水淡化产业，提高淡化海水的利用规模[33]。

③公众的参与及社会监督是水污染治理和严格水环境执法的有效措施。建议整合涉水信息[34]，建立京津冀地区市、区(县)、乡镇三级供水和水质实时监测信息管理平台，向社会公开供水厂站、责任人、供水热线、供水价格、实时水质等基础信息，实施供用水量、供水水质的动态监管。可为公众强有力的参与水环境保护及监督水环境治理提供信息平台，为水环境治理的执法提供强有力依据。同时充分利用有线电视、标语、宣传栏、发放宣传资料等方式广泛深入宣传水污染治理的重大意义，及时曝光各类涉水违法行为，提高公众的水环境保护意识。

7 结语

本文从经济社会、水质状况和资源条件三个方面出发，初步建立了包含17个指标的水环境安全评价体系。利用主成分分析法对初步建立的指标体系进行了筛选，最终确定了13个指标作为评价指标。在筛选之后的水环境安全评价体系下，运用改进的模糊综合评价方法对北京、天津、河北以及京津冀地区总体的水环境安全进行了评价。具体结论如下：①2006-2014年间，京津冀地区总体的水环境安全呈现先变好再变差的趋势。②对于整个京津冀地区，2006-2014年间影响水环境安全最主要的因素是森林覆盖率，其次是第三产业占GDP的比重、人均水资源量以及Ⅰ-Ⅲ类水质占比。③当森林覆盖率和建成区绿化率处于同一区间时，森林覆盖率对水环境安全的作用效果要大于建成区绿化率。

[1] 张翔, 夏军, 贾绍凤. 水安全定义及其评价指数的应用[J]. 资源科学, 2005, 27(3):145-149.

[2] 韩宇平, 阮本清. 区域水安全评价指标体系初步研究[J]. 环境科学学报, 2003, 23(2):267-272.

[3] 陈绍金. 水安全概念辨析[J]. 中国水利, 2004, (17): 13-15.

[4] 曾畅云, 李贵宝, 傅桦. 水环境安全及其指标体系研究——以北京市为例[J]. 南水北调与水利科技, 2004, 2(4): 31-35.

[5] Zhu Lin, Lu Hongxing. An qverall evaluation of surface water quality by fuzzy method[J]. Water Resources & Water Engineering, 1994, 2.

[6] Pan Feng, Fu Qiang, Liang Chuan. Applying fuzzy synthesize judgement in the study of water environment quality evaluation [J]. Environmental Engineering, 2002, 20(2): 58-62.

[7] Zhang Bing, Song Xianfang, Zhang Yinghua, et al. Hydrochemical characteristics and water quality assessment of surface water and groundwater in Songnen plain, Northeast China[J]. Water research, 2012, 46(8): 2737-2748.

[8] Fan Baodong. Fuzzy comprehensive evaluation model for groundwater quality [J]. China Rural Nater and Hydropower, 1998, 9: 008.

[9] 汤丽华, 赵吴静, 金菊良,等. 基于熵的水质综合评价的相似插值模型[J]. 中国管理科学, 2006, 14(S1):91-94.

[10] Zou Zhihong, Yi Yun, Sun Jingnan. Entropy method for determination of weight of evaluating indicators in fuzzy synthetic evaluation for water quality assessment[J]. Journal of Environmental Sciences, 2006, 18(5): 1020-1023.

[11] Liu Li, Zhou Jianzhong, An Xueli, et al. Using fuzzy theory and information entropy for water quality assessment in Three Gorges region, China[J]. Expert Systems with Applications, 2010, 37(3): 2517-2521.

[12] 崔杰, 党耀国, 刘思峰. 基于灰色关联度求解指标权重的改进方法[J]. 中国管理科学, 2008, 16(5):141-145.

[13] 韩小孩, 张耀辉, 孙福军,等. 基于主成分分析的指标权重确定方法[J]. 四川兵工学报, 2012, 33(10):124-126.

[14] 陈建明, 张仲义. 模糊方法在信息系统评价中的应用[J]. 中国管理科学, 2000, 8(1): 75-80.

[15] 陈晓红, 杨志慧. 基于改进模糊综合评价法的信用评估体系研究——以我国中小上市公司为样本的实证研究[J]. 中国管理科学, 2015, 23(1): 146-153.

[16] Wang Haiyan. Assessment and prediction of overall environmental quality of Zhuzhou City, Hunan Province, China[J]. Journal of Environmental Management, 2002, 66(3): 329-340.

[17] 苏为华. 模糊综合评价合成过程中 “取小取大” 算子的不合理性及改进[J]. 商业经济与管理, 2003， (4): 32-36.

[18] 卢厚涛, 袁辉, 刘华丽, 等. 模糊综合评价取大取小算法的改进[J]. 解放军理工大学学报: 自然科学版, 2013, 13(6): 679-683.

[19] 李玉琳, 高志刚, 韩延玲. 模糊综合评价中权值确定和合成算子选择[J]. 计算机工程与应用, 2006, 42(23): 38-42.

[20] 何贝贝, 李绍飞, 朱习爱. 天津市水环境安全评价及其指标体系研究[J]. 水资源保护, 2016, 32(1):125-129.

[21] 路瑞, 赵越, 续衍雪,等. 从水污染防治角度出发的全国分省域水环境安全研究[J]. 中国环境管理, 2016, 8(3):48-52.

[22] 潘峰, 付强. 模糊综合评价在水环境质量综合评价中的应用研究[J]. 环境工程, 2002, 20(2): 58-60.

[23] Zhang C, Liu W, Su Z, et al. Index system and method for assessing water environment security of Luan River-Tianjin Water diversion project[C]//2010 4th International Conference on Bioinformatics and Biomedical Engineering (iCBBE). IEEE， Chengdu, 2010: 1-5.

[24] 刘永叶. 长江流域水环境安全及其评价指标体系初探 [D]. 武汉: 华中科技大学, 2007.

[25] Li Lu, Shi Zhihua, Yin Wei, et al. A fuzzy analytic hierarchy process (FAHP) approach to eco-environmental vulnerability assessment for the Danjiangkou reservoir area, China[J]. Ecological Modelling, 2009, 220(23): 3439-3447.

[26] 曾嵘, 魏一鸣, 范英, 等. 北京市人口, 资源, 环境与经济协调发展分析与评价指标体系[J]. 中国管理科学, 2000,8(S1):310-317.

[27] 沈珍瑶, 杨志峰. 黄河流域水资源可再生性评价指标体系与评价方法[J]. 自然资源学报, 2002, 17(2): 188-197.

[28] 代倩倩. 河北省水环境安全及其评价体系构建 [D]. 保定：河北农业大学, 2011.

[29] 陈洪海, 迟国泰. 基于信息显著性差异的绿色产业评价指标筛选模型及实证[J]. 运筹与管理, 2014，23(6):193-204.

[30] GB3838-2002，地表水环境质量标准, 2002.

[31] Dong Deng, Li Yijie. Application of rough set and fuzzy comprehensive evaluation method in water quality assessment[C]// International Conference on Computing, Control and Industrial Engineering. IEEE Computer Society, Wuhan, 2010:126-128.

[32] 梁小珍, 刘秀丽, 杨丰梅. 考虑资源环境约束的我国区域生猪养殖业综合生产能力评价[J]. 系统工程理论与实践, 2013, 33(9): 2263-2270.

[33] Zou Qingrong, Liu Xiuli. Economic effects analysis of seawater desalination in China with input-output technology[J]. Desalination, 2016, 380: 18-28.

[34] 李香云. 京津冀协同发展中的流域管理问题与对策建议[J]. 水利发展研究, 2016, 16(5): 1-3.