城市水-能源-粮食耦合协调发展研究

王丽川 ，侯保灯，周毓彦，陈晓清 ，王 欣 ，黄 亚

(1. 中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室，北京 100038；2. 广西大学 土木建筑工程学院，广西 南宁 530004；3. 华北水利水电大学 水利学院，河南 郑州 450046)

水、能源和粮食是城市发展的重要资源，水-能源-粮食（W-E-F）三者之间的关系作为一种新的资源管理概念被提出，受到了全球各界的广泛关注。水资源、能源和粮食之间高度互存，协调共生，但是在发展过程中也存在潜在的问题。目前，国外学者已经做了大量关于W-E-F系统的相关研究，2011年德国举办了关于水-能源-粮食关联的国际性会议，首次提出将W-E-F系统作为整体进行研究，指出三种资源之间存在依存关系[1]。Bazilian等[2]通过构建CLEW模型，综合分析在土地利用、人口增长和气候变化等问题下对水资源、能源和粮食进行的系统研究；Hellegers等[3]研究了W-E-F相关的水政策问题和系统中存在的潜在冲突；Kelly等[4]通过资源管理技术和遥感技术对W-E-F进行了有效风险防控和综合管理；Lucia等[5]研究了W-E-F在水资源安全前提下的跨流域协同管理办法；Sahin等[6]应用系统动力学模型对W-E-F进行了量化和仿真；Guan等[7]应用WEAP模型对大城市的W-E-F进行了模拟并预测了未来系统需求；Salmoral等[8]用生命周期方法对W-E-F进行了系统消费优势研究。国内学者主要关注W-E-F系统中两个子系统之间的关系研究，对W-E-F系统重要性、安全及风险防范的研究也有所涉及。张杰等[9]从能源开发效率和粮食生产种植中用水总量角度，对W-E-F系统的潜在冲突分析和协调控制进行研究；王慧敏等[10]通过构建“水-能源-粮食-经济社会”PSR模型和SD模型，提出其协同框架，对区域绿色发展进行政策仿真研究；李良等[11]通过构建耦合模型得到多指标对系统产生的风险，并建立系统与风险间的关联关系，从而进行区域W-E-F系统的风险管理与评估。彭少明等[12]引入协同学原理构建黄河流域W-E-F整体分析框架。

从现阶段看，国内外对W-E-F系统的研究大多集中在定性讨论、关联关系探究、框架构建、风险管控和区域流域协同发展研究，在W-E-F系统协调发展程度方向研究较少，且大多是对于省份的研究，对城市协调发展研究较少。然而随着城市化扩张进程加快、人口急剧增长，城市对水、粮食、能源需求会越来越多，且目前大多数城市资源短缺，城市W-E-F协调发展问题会越来越突出。基于此，本文以上海市为例，选取了2003—2017年的数据进行实例分析，通过构建W-E-F系统综合评价指数和耦合协调度模型，探究城市W-E-F三者之间的协调发展状况，并通过灰色预测模型预测上海市未来8年的耦合协调度发展趋势，以期为城市W-E-F资源安全管理利用与协调绿色可持续发展提供理论参考依据。

1 资料与方法

上海市是我国的经济中心，地处长江入海口，也是我国最大的工业城市。该地区气候属于亚热带季风气候，面积为6 340.5万km2，人口为2 423万，为资源高强度流动地区。上海市虽然属于滨海城市，水资源总量很大，但是因为水质污染、人口众多，水资源严重短缺，其平均水资源量为140.6 m3/人，不足全国的2/5，人均粮食占有量不足全国的1/10。上海市能源紧缺，生产的一次性能源为100.68万t标准煤，仅占全市能源消费总量的1/101，其主要来源依靠外省（市）调入和进口。随着上海市新型工业化、城市化水平、人口急剧增长和经济快速发展，上海市资源短缺问题越来越严重，未来将面临巨大的资源压力。在全球气候变化和生态文明建设的背景下，用科学的方法探究上海市W-E-F系统耦合协调关系很有必要。

本文选取上海市2003—2017年W-E-F系统耦合协调度评价指标的数据作为研究对象，数据主要来自《中国统计年鉴》《上海统计年鉴》《中国能源统计年鉴》《中国水资源公报》等。

1.1 评价指标体系构建

本文借鉴已有的研究成果[11-15]，结合W-E-F系统的特征，选取对各子系统具有代表性的评价指标，构建综合评价指标体系。建立3个子系统，共28个重要指标，构建上海市W-E-F综合评价指标体系如表1所示。

水资源和能源子系统主要考虑总量、结构和效益指标，水资源子系统中，降水量、人均用水量、人均水资源量和废水排放量反映水资源总体状况，用水占比反映各产业结构的用水比例，生态占比越大，说明产业用水结构越合理，万元GDP用水量和万元工业增加值用水量反映上海市水资源利用效率和效益。能源子系统中的结构指标反映了能源的使用状况和利用结构，效率指标反映了能源利用效率。粮食子系统主要考虑与水资源、能源相关的生产指标和消费指标。其中正向指标对子系统产生促进作用，其数值越大对子系统越有益；负向指标对子系统产生阻碍作用，其数值越小对子系统越有益。

为解决单一计算权重方法的局限性，提高最终权重的准确率，采用熵值法和变异系数法确定各项指标的权重，然后取两者平均值作为最终权重[12-16]。熵是对不确定性的一种度量，信息量与不确定性呈反比关系，熵与不确定性成正比关系。依据熵的特点，熵值可以用来评价某个指标的差异程度，指标的差异程度与该指标对综合评价的影响（权重）成正比。熵值法是一种客观赋值方法。变异系数法是通过各指标标准化后的数据，应用公式得到指标的权重，是一种客观赋权的方法。该方法的常见步骤是：在综合评价系统中，差值较大的指标，即指标不易实现，更难体现被评价单位之间的差距。模型最终确定的权重见表1。

表 1 上海市W-E-F系统综合评价指标体系Tab. 1 W-E-F comprehensive evaluation index system of Shanghai

续表 1

1.2 综合评价模型与耦合协调度模型

依据W-E-F系统的特征特性，构建W-E-F系统综合评价函数，即：

式中：Ww、Ee、Ff分别为水资源、能源、粮食子系统的综合评价指数；αl、βl、χl分别为各子系统评价指标的权重；wl、el、fl分别为各子系统标准化后的无量纲数值。

本文涉及3个子系统，分别为水资源、能源、粮食子系统，构建W-E-F系统耦合度模型：

式中：C 为耦合度， 0 ≤C≤1.0。 当C 处于0～0.3为低水平耦合阶段，处于0.3～0.5为颉颃阶段，处于0.5～0.8为磨合阶段，处于0.8～1.0为高水平耦合阶段。

根据W-E-F系统耦合度模型，可以计算出系统的耦合协调度 D，认为W-E-F系统中子系统对社会发展同等重要，即η =γ=µ=1/3（η、γ、μ分别为水资源、能源、粮食子系统的权重），计算W-E-F系统综合评价指数T ，即：

根据已有研究成果[14]，划分W-E-F系统耦合协调发展类型和标准见表2。

表 2 耦合协调发展类型和标准划分Tab. 2 Types and standards of coupling and coordinated development

1.3 耦合协调度灰色预测

灰色预测模型[12,16-19]是一种基于少量不完整信息进行预测的模型预测方法。它可以利用少量已知信息寻求系统的运动规律，并且可以高精度地分析贫信息系统。因为W-E-F系统会随着各子系统的良性发展，耦合协调度的上升趋势会越来越平缓，并最终趋近于1，该模型就是研究具有饱和状态的预测。建模过程如下:

式中： X(1)为由n个序列值累加生成的新序列；u为 灰作用量；a为 发展系数。

其中：

即灰色模型预测表达式为：

为了解决数据单位限制的约束，将数据无量纲化，并对数据标准化处理。

正向指标：

负向指标：

式中： Xi代 表标准化后的无量纲数值；分别代表数据处理之前的原数据实际值、最小值和最大值。

2 结果与分析

2.1 综合评价指数时序分析

运用W-E-F系统综合评价模型，计算得到上海市2003—2017年综合评价指数见图1。

从图1可以看出，上海市W-E-F系统在2003—2013年综合评价指数呈降低趋势，从0.567降低至0.375，2013—2017年综合评价指数呈上升趋势，从0.375上升至0.496。水资源子系统较不稳定，评价指数在2003—2007年减幅较大，从0.474降至0.391，在2007—2016年呈大幅度上升趋势，从0.310上升至0.664，在2017年出现异常减少现象，减少至0.557。粮食子系统呈下降趋势，从2003年的0.626降低至2017年的0.429，在2013—2017年情况良好，呈上升趋势。能源子系统在2003—2011年呈大幅度下降趋势，从0.599降低至0.318，在2011—2017年呈大幅度上升趋势，从0.318上升至0.504。总体来看，W-E-F系统与各子系统2003—2013年呈波动下降趋势，2013—2017年呈稳定上升趋势。

图 1 上海市W-E-F系统历年评价指数Fig. 1 Evaluation index of Shanghai W-E-F system over years

水资源综合评价指数产生大幅度变化的原因是上海市人口在2003—2013年急剧增加，从1 766万增长至2 415万，增长率达37%，由于人口增长迅速，生活用水总量变化较小，导致人均用水量的急剧减少；经济快速发展，GDP上升速度较快，总用水量变化较小，导致万元GDP用水量的减少；工业用水量减少，工业增加值上升迅速，导致万元工业增加值用水量迅速减少，并且人均水资源量和废水排放量增加，这些因素影响了水资源子系统。粮食子系统中由于人口增长迅速，人均粮食产量大幅减少，由59.20 kg降低至41.25 kg。人均粮食消费量和人均粮食占有量也呈降低趋势，上海城市化进程加快，产业结构发生变化，农业占比减少，导致粮食综合评价指数下降较大。能源子系统主要由于经济发展迅速，高耗能产业增加，能源消耗总量大幅度增长，且产业结构变化较大，第一产业占比减少，第二产业、第三产业占比增加。

2.2 耦合度和耦合协调度时序分析

根据本文采用的方法，结合表2，对上海市W-E-F系统耦合协调发展类型进行了评价。结果如表3、图2所示。

由表3和图2可知上海市W-E-F系统在2003—2017年耦合程度较好，均为高水平耦合，且发展趋势稳定。W-E-F系统耦合协调度在2003—2013年呈下降趋势，且下降幅度较大，从0.750降低至0.609，2013—2017呈上升趋势，从0.609上升至0.703。2003—2005年协调类型为中级协调，2006—2016年为初级协调，2017年上升至中级协调。从总体趋势可以看出上海市W-E-F系统虽然前期呈现下降趋势，但是从2013年开始，上海市正朝着良好的趋势稳定上升，2017年从初级协调过渡到了中级协调，可见上海市W-E-F系统正逐渐恢复。

为了进一步分析上海市W-E-F系统，将上海市W-E-F系统内两两子系统进行对比分析。

结果表明，上海市W-E-F系统水能系统的对比系数处于0.595～1.686，平均值为1.029；能粮系统的对比系数处于0.590～1.778，平均值为1.103；水粮系统的对比系数处于0.590～1.175，平均值为0.926。根据前人的研究成果[13,17]，子系统之间的对比系数分为5个阶段，第一阶段为极度损失型，比值小于0.6；第二阶段为严重损失型，比值大于0.6小于0.8，第三阶段为较为短缺型，比值大于0.8小于1.0，第四阶段为充足型，比值大于1.0小于1.5，第五阶段为特别充足型，比值大于1.5。上海市水能系统总体呈上升趋势，2003年为严重损失型，2004—2005年为极度损失型，2006—2009年为严重损失型，2010年为较为短缺型，2011—2013、2017年为充足型，2016年为特别充足型；能粮系统2003、2004、2006年为严重损失型，2005年为极度损失型，2007—2009年为较为短缺型，2010—2013、2017年为充足型，2014—2016年为特别充足型；水粮系统较为稳定，仅有2008年为严重损失型，2003—2004、2006—2007、2009—2015年为较为短缺型，2016—2017年为充足型。可见，虽然由于2017年受能源波动导致水能、能粮子系统降低，但是上海市W-E-F系统各子系统间的耦合度正朝着良性趋势发展。

表 3 2003—2017年上海市W-E-F系统耦合协调发展类型Tab. 3 Types of W-E-F system coupling and coordinated development in Shanghai from 2003 to 2017

图 2 2003—2017年上海市耦合度和耦合协调度Fig. 2 Shanghai coupling degree and coupling co-scheduling from 2003 to 2017

应用本文的耦合协调度模型，计算上海市W-E-F系统子系统间耦合度和耦合协调度，如图3和4所示。

图 3 2003—2017年上海市W-E-F系统子系统间耦合度Fig. 3 Coupling degree between subsystems of W-E-F system in Shanghai from 2003 to 2017

图 4 2003—2017年上海市W-E-F系统子系统间耦合协调度Fig. 4 Coupling and cooperative scheduling among subsystems of W-E-F system in Shanghai from 2003 to 2017

由图3可知，2003—2017年上海市W-E-F系统各子系统之间耦合度均为高水平耦合，虽然有不同程度的下降，但均大于0.960，处于0.960～1.000。其中，水能子系统的耦合度处于0.960～0.999，平均值为0.986；水粮子系统的耦合度处于0.967～1.000，平均值为0.984；能粮子系统的耦合度处于0.983～1.000，平均值为0.997，耦合度相对较大，波动最为平缓。由于水资源子系统波动幅度较大，导致水能系统和水粮系统波动较大。因此水能系统和水粮系统与W-E-F系统最为接近。

由图4可知，2003—2017年上海市W-E-F系统与水能、水粮、能粮系统的耦合协调度时序发展趋势较为一致，均在2003—2013年呈下降趋势，2013—2017年呈上升趋势。其中，水能系统的耦合协调度处于0.606～0.730，平均值为0.671；水粮系统的耦合协调度处于0.626～0.738，平均值为0.686；能粮系统的耦合协调度处于0.778～0.800，平均值为0.680。由于上海市2003—2013年人口属于剧烈增加期，经济发展迅速，水资源和粮食子系统的波动幅度较为剧烈，导致资源紧缺，各子系统耦合协调度持续降低，2013—2017年人口增长相对平缓，资源逐渐充足，各子系统间快速发展，因此W-E-F系统耦合协调度持续上升。

2.3 耦合协调度灰色预测

采用灰色GM (1, 1)模型，考虑到2003—2017年上海市W-E-F系统分为两个发展阶段，即2003—2013年为降低阶段，2014—2017年为发展阶段，且2012年有明显的良性发展趋势，采用2003—2008年上海市数据划分为训练集，将2009—2013年数据作为测试集对模型效果进行检测，检测结果如表4所示。采用2011—2017年上海市数据来预测2018—2025年上海市的耦合协调度，如图5所示。

由表4可以看出预测集与训练集数据预测结果误差介于0.001～0.035，平均误差为0.018，预测结果较好，准确度较高。由图5可以看出2018—2025上海市耦合协调度持续升高，呈直线上升趋势，耦合协调度从0.727上升至0.877，平均增长率为0.027，且增长速率稳定，2018—2021年为中级协调发展类，2022—2025年发展至良好协调发展类，即将达到优质协调发展类。整体来看上海市W-E-F系统未来发展态势良好，各子系统间协调发展较快，耦合协调度稳定升高。因此，未来在保持现有发展优势的同时，需要不断关注水资源、粮食和能源的发展，提高资源利用效率，保证粮食的安全生产，也要注重各子系统间的协调发展。

表 4 预测结果有效性检验Tab. 4 Validity test of prediction results

图 5 上海市W-E-F系统耦合协调度预测Fig. 5 Prediction of W-E-F system coupling coordination degree in Shanghai

3 结 语

水资源、能源和粮食作为我国重要的自然资源，在城市发展过程中起着重要作用。构建了2003—2017年上海市W-E-F系统耦合协调度模型，得到上海市耦合度和耦合协调度演化规律，从结果上看，上海市表现出对城市W-E-F系统发展具有现实意义的演化特征。

（1）从上海市W-E-F系统综合评价指数可知，上海市W-E-F系统协调演化呈“U”型，发展趋势为两个阶段，第一阶段为2003—2013年综合评价指数降低阶段，第二阶段为2013—2017年综合评价指数稳定发展阶段。第一阶段由于上海市人口增长迅速，经济高速发展，导致各子系统呈下降趋势，第二阶段上海市人口趋近饱和，增长平缓，各子系统呈稳定上升趋势。尽管每个子系统是相对独立的，但是3个系统指标具有明显的相关性，提高每个子系统的发展水平将有助于W-E-F系统的协调发展。

（2）上海市W-E-F系统一直处于高水平耦合阶段，标志着各子系统间的关联程度较好，且耦合协调度自2013年一直呈稳态上升，至2017年耦合协调度过渡到中级协调发展类，并在未来2025年呈良好协调发展类，通过上海市协调演化特征规律说明上海市W-E-F系统总体保持良好趋势，且上升空间较大。

（3）从上海市城市发展规律可以得知，由于城市化扩张的进程加快，城市发展初期经济和人口增长迅速，导致各资源严重短缺，各子系统发展均呈现降低趋势，W-E-F系统耦合协调度较低，当城市发展逐渐平稳，各子系统发展呈上升趋势，W-E-F系统呈稳定上升趋势，且发展空间、增长速度较大。

（4）城市在发展中各系统耦和协调波动性较大，因此在注重城市化建设的同时，也要完善农业基础设施建设，提高能源和资源的利用效率，加强资源综合管理，防止城市在高速发展过程中出现资源失衡现象。