白城市水资源脆弱性评价研究

2022-08-10李治军陈海枫王美波

水利科学与寒区工程 2022年7期

李治军，陈海枫，汪超，王美波

(1.黑龙江大学水利电力学院，黑龙江哈尔滨 150080;2.黑龙江大学寒区地下水研究所，黑龙江哈尔滨 150080)

“水资源脆弱性”这一概念最早在20世纪60年代由法国学者提出，之后不断丰富与发展[1]。对于水资源脆弱性的研究，研究者从不同角度不同领域进行了探索，任源鑫等借助层次分析与熵值法相结合的方式对宝鸡市水资源进行了脆弱性评价[2]，图布新等借助主成分分析法对新疆自治区水资源脆弱性进行评价[3]，源彩萍等采用模糊集对法对山西省水资源脆弱性进行评价[4]，刘海娇利用GIS模型对黄河三角洲区域进行水资源脆弱性进行评价[5]，王莹莹等借助综合指数法研究了康平县的水资源动态特征[6]。在现有研究基础上，以吉林省白城市为例，创建水资源脆弱性关键影响指标体系，通过模糊综合评价对白城市进行水资源脆弱性评价，其结果可为白城市水资源管理提供相关参考依据。

1 研究区概况

白城市是吉林省地级市，坐落在吉林省西北部，总面积2.6 km2。属于温带大陆性季风气候，水文地质条件极其复杂，素有“十年九旱”之说，境内有8条较大河流，但受气候和丰枯的影响，年内降水分布不均，年际变化较大，常年干旱少雨，人均占有量低，水资源供需问题突出[7]，据2020年白城市水资源数据统计显示，境内19条河流全部断流。嫩江和洮儿河作为白城市主要的地表水资源，受区域地理位置的影响，水资源时空分布不均，河流进入枯水期，对社会经济和生态造成了很严重的影响，对地表水资源开发利用率低，地下水是主要的生产生活用水，随着白城市经济的不断发展和人口的不断增长，用水需求量逐年递增，地下水的利用已经超过极限，加重了水资源的承载负担。

2 研究内容与方法

2.1 影响因子集的构建

水资源脆弱性受多方面因素的影响，分析评价白城市的水资源脆弱性，指标的选择要综合考虑到社会、经济、环境等各方面因素。本文结合前人的相关研究成果，根据白城市的水资源动态以及区域发展状况，初步选取15项指标构建白城市影响因子集合，脆弱性指标因子集见图1。

图1 脆弱性指标因子集

2.2 关键影响指标体系的构建

初步构建的水资源脆弱性影响因子之间有主次之分，为了提高计算的准确度，需要通过主成分分析法提取关键影响因子。主成分分析法是一种多元统计方法，对原有的多个相关性指标，通过降维处理技术，转化成少数几个相互独立的综合指标，它不仅可以反映初始变量的绝大部分信息，还能使复杂因素简单化，是一种高效的数据处理方法[8]。具体的计算步骤如式(1)～式(4)：

(1)指标标准化处理：

(1)

(2)计算评价指标相关系数矩阵R*:

(2)

(3)

式中：rij为第i个指标与第j个指标的相关系数；n为评价对象的个数；Z为标准化矩阵。

(3)确定相关系数矩阵的特征值与特征向量，依据主成分累计方差贡献率确定主成分的个数，将累计方差贡献率大于等于85%的确定为主成分，根据特征向量计算主成分荷载:

(4)

式中：λj为相关系数矩阵R*的特征值;t为主成分个数。

(4)对荷载矩阵进行方差最大化旋转，根据荷载结果综合选取关键影响因子。

根据收集到的资料，结合《白城市水资源公报》(2011—2019)、《吉林省统计年鉴》(2011—2019)，通过spss软件对15个指标因子进行主成分分析，选取关键影响因子，旋转后的矩阵如表1所示。

表1 旋转后的成分矩阵

由表1可知，主成分1控制的主要因子有人口密度、工业用水量、污水处理率、城镇化率、GDP增长率、人均生活用水量，主成分2控制的主要因子有水资源开发利用率、产水模数、人均水资源量，主成分3控制的主要因子有绿化覆盖率，主成分4控制的主要因子有供水模数，综合选取11项指标作为关键影响因子，最终建立的关键影响指标体系如表2所示。其中，指标数值越大，造成的脆弱性越高为正向指标，指标数值越小，造成的脆弱性越低为负向指标。

表2 关键影响指标体系

2.3 基于熵权法确定指标权重

熵权法是一种客观计算权重的方法，具有准确度高，客观性较强的优点，熵权法的计算步骤如式(5)～式(11)[9]：

第一步：对指标数据进行标准化处理。对于正向指标，采用公式(5)计算标准化值；对于负向指标，采用公式(6)计算标准化值。

rij=(xij-xjmin)/(ximax-xjmin)

(5)

rij=(xjmax-xij)/(xjmax-xjmin)

(6)

式中:rij为第i年第j项评价指标的标准化值；xij为第i年第j项评价指标的指标值；xjmin为第j项指标的最小值；xjmax为第j项指标的最大值。

第二步:构建标准化指标矩阵。指标数据标准化后构成标准化判断矩阵，标准化判断矩阵用R表示，如式(7)。

R={rij}m×n

(7)

式中：R为由标准化后的指标数据构成；m为评价年份数；n为评价指标的个数。

第三步：计算各评价指标的权重,定义熵。在有m个被评价对象、n个指标的评价问题中，第j个指标的熵如式(8)～式(10)。

(8)

(9)

k=1/lnm,

(10)

式中：hj为评价指标的熵；k为常数；m为评价年份数。定义了第j个指标的熵之后，可得到第j个指标的熵权如式(11)

(11)

式中：wj为评价指标的权重；n为评价指标的个数。

通过熵权法的计算，得出白城市水资源脆弱性评价指标的熵权如表3所示：

表3 白城市水资源脆弱性评价指标的熵权

2.4 模糊综合评价

通过熵权得到各项指标的权重以后，利用模糊数学评价法计算评价结果。如式(12)计算[10]：

(12)

式中：B为模糊综合评价的结果；W为熵权法计算得到的权重组成的权向量矩阵。

由权重的计算结果可知：W=(0.0959,0.0423,0.0908,0.0663,0.0435,0.0954,0.1595,0.0687,0.1727,0.0768,0.0881)。

通过标准化处理得到如下的模糊关系矩阵R，合成运算计算白城市水资源脆弱性综合得分。

3 结果与分析

本文根据白城市区域水资源现状以及相关文件，参考文献等评价标准[11-13]，结合现有的研究成果，建立了白城市水资源脆弱性评价标准，将评价等级划分为4个等级，根据水资源脆弱性评价划分等级，得出2011—2019年白城市水资源脆弱性评价结果如表4所示。

表4 2011—2019白城市水资源脆弱性评价结果

2011—2019年期间，白城市水资源脆弱性综合得分整体呈现先上升后下降的趋势，综合得分越高，水资源脆弱性越严重，在2011—2012期间，水资源脆弱性由中度脆弱降为轻度脆弱，在2012—2016年期间，随着时间的增长，水资源脆弱性越来越严重，由中度脆弱转为重度脆弱，2016年水资源脆弱性最为严重，在2016—2019年期间，水资源脆弱性由重度脆弱转为轻度脆弱，水资源脆弱性严重程度处于减缓的趋势。

综合各项指标以及区域的发展情况进行分析，白城市由于工业发展的需要，在2011—2016年期间，工业用水量需求增加，水资源开发利用率持续增加，城镇化进程加快，人口密度增加，对水资源需求量增加，水资源脆弱性保持上升趋势，在2016年达到重度脆弱，2016—2019年，城市加强污水设施建设，污水处理率由76.45%上升到94.70%，工业用水量由0.61亿m3下降为0.52亿m3，产水模数增加，水质提高，水资源抵抗外界因素能力提高，人口密度下降，人均用水量减少，由中度脆弱转为轻度脆弱。