基于云模型的西宁市水资源承载力评价

2022-08-18李治军王美波

吉林水利 2022年7期

李治军，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）

2018 年2 月，国务院通过《兰州—西宁城市群发展规划》要把兰西城市群发展成维护西北经济生态稳定的重要城市群。兰西城市群的发展，对于保障国家生态安全具有重要作用[1]。水资源是人类赖以生存的必要条件，是经济发展的基础，水资源承载力是否良好对于城市能否实现可持续发展起着重要的作用。

目前对水资源承载能力的研究主要分为3类：区域水资源承载状态的评价、区域某状态下水资源承载能力评价、某地区水资源承载能力最大值的寻求。要想了解一个地区的水资源承载能力，就要用某个评价方法对该地区水资源承载力进行分析，水资源承载能力的评价方法主要有模糊综合评价法、系统动力学法、TOPSIS 法、主成分分析法、云模型法等。例如，周艳梅[2]利用模糊综合评价法对菏泽市水资源承载力进行了预测；刘夏[3]等利用系统动力学模型对我国最大的内陆干旱区流域的水资源承载力进行了研究；徐政华[4]等利用TOPSIS 模型对长春市的水资源承载力进行了研究；程芳芳[5]利用主成分分析法选取了14 个指标对太原的水资源承载力状况进行了分析；王文川[6]等利用云模型法对石羊河流域水资源承载力状况进行了分析。在以上研究的基础上，本文采用熵权-G1 组合赋权的云模型法对西宁市的水资源承载力进行评价。该方法确定权重时大多是利用熵权法和G1 法分别确定指标的权重，最后再求出组合权重。本文在参考各种文献的基础上，利用另一种组合方法即：先利用熵权法求出客观权重，之后直接利用熵权法所确定权重的大小关系作为G1法所需的唯一序关系，再直接利用G1 法求出最终的权重[7]，此方法结合了主观赋权法和客观赋权法的特点，使评价结果更合理。云模型理论是李德毅院士等人首次提出的，可实现不确定性问题定性与定量之间的转化[8]。本文利用云模型进行评价时，首先计算出云模型的特征参数，继而进行单指标隶属度的计算，之后计算得到样本综合隶属度和评价样本等级，最后进行水资源承载力的分析。相比于其他的评价方法，云模型应用到水资源承载力评价中，更好的展现了水资源承载力的不确定性。

1 数据来源与评价指标体系的构建

1.1 数据来源

本文的原始数据均来自于2012—2020 年《青海省水资源公报》《青海省统计年鉴》，并整理计算得到。

1.2 评价指标体系的构建

水资源承载力评价指标的选取应遵循科学性、全面性和可行性等特点。在分析国内外研究的基础上，综合考虑西宁市的特点，本文选取水资源-社会经济-生态环境准则层，并在这个准则层下选取11 个评价指标。在水资源子系统中选取人均水资源量、年降水量、人均用水量、地表水资源量4 个指标；在社会经济子系统中选取万元GDP用水量、第三产业比重、人均生活日用水量、工业用水量4 个指标；在生态环境子系统下选取万元工业增加用水量、农田灌溉亩均用水、生态用水率3 个指标。西宁市水资源承载力评价指标体系如表1；根据相关的水资源承载力的研究，结合当地的实际情况，将水资源承载力评价指标划分为Ⅰ-Ⅴ级，评价指标等级标准如表2。

表1 西宁市水资源承载力评价指标体系

表2 评价指标等级标准

2 研究方法

2.1 评价指标权重的确定

如果只使用一种方法计算权重会使指标产生较大的差异性，所以本文采用主客观结合的组合赋权法计算权重。即先用熵权法确定评价指标的客观权重，再对熵权法所确定的权重的大小关系进行排序，其权重的排序作为G1 法唯一的序关系，再根据G1 法计算权重，所得的权重即为最终的权重。

2.1.1 熵权法确定权重

熵权法是客观赋权法的一种，它是根据各指标的差异性来计算权重，其计算结果能够客观的反映出各个数据的信息[9]，计算过程如下：

（1）数据标准化

正向指标

负向指标

其中，amax和amin分别表示指标的最大值与最小值；aij′表示标准化后的值。

（2）计算指标的信息熵

（3）客观权重的计算

2.1.2 G1 法确定权重

（1）确定序关系a1＞a2＞a3＞…＞an-1＞an，本文中序关系已由熵权法计算得出；

（2）由专家组给出各指标间相对重要程度之比，即rk：

其中rk的理性赋值可参考程度良[10]等的文献得到。

（3）最终权重的计算

根据各个指标的数据以及式（1）-（7）计算得到西宁市水资源承载力评价指标权重（表3）。

表3 西宁市水资源承载力评价指标权重

2.2 云模型

云模型由若干云滴组成。每个云滴是一个确定的点，这些确定的点构成一个不确定的云。每个云都包含三个特征数即：Ex 期望，表示云滴在计算空间中的期望；En 熵，表示云团不确定性的大小；He 超熵，表示En 的不确定性程度。云模型的使用就是实现云发生器，云发生器有两种：正向云发生器：由（Ex，En，He）生成云团；逆向云发生器：从云团中提取（Ex，En，He）[11]，本文使用正向云发生器。云模型的计算过程如下：

2.2.1 云模型特征参数的计算

式中：xmax和xmin分别表示评价指标等级标准中的最大值和最小值；本文中He取0.001。依据表2 以及式（8）计算得到西宁市水资源承载能力不同等级云模型参数（表4）。

表4 西宁市水资源承载力不同等级云模型参数

2.2.2 单指标隶属度ujl的计算

根据云模型的3 个特征参数，利用正向云发生器计算得到ujl，ujl表示指标j 的第l 等级的隶属度。

2.2.3 样本综合隶属度gl的计算

2.2.4 评价样本等级的计算

样本等级的计算采用最大隶属度原则，评价样本级别特征值k′的计算采用级别特征值法。

3 计算结果及分析

3.1 计算结果

利用ujl和准则层内部权重，计算得到准则层各个子系统各等级水资源安全隶属度矩阵，采用最大隶属度原则确定其安全评价等级，同理可得西宁市水资源安全综合隶属度和评价等级（表5）。本文选取4 年的云模型图作为示例，云模型如图1所示。

图1 综合评价等级云模型图

表5 西宁市水资源安全评价等级

3.2 结果分析

3.2.1 权重分析

由表3 可得，从准则层权重所占比例来看，水资源子系统所占比例最高，共占39.48%。从准则层内部权重来看，水资源子系统中前两位分别为：人均用水量、地表水资源量，其所占权重比例分别为26.43%、24.57%；社会经济子系统前两位分别为：人均生活日用水量、第三产业比重，其所占权重比例分别为30.83%、28.02%；生态环境子系统前两位分别为农田亩均灌溉用水、生态用水率，其所占权重比例分别为33.98%、33.63%。

3.2.2 水资源安全评价结果分析

从水资源子系统来看，2013、2015 和2016 年为不安全等级，2020 年为安全等级，其余几年都为基本安全。这是因为在2013 年人均水资源量461m3，属于不安全等级，年降水量469.2mm，接近不安全等级。 2015 年人均用水量达到了247mm3，属于不安全等级，且年降水量相较于其他年份有所减少。2016 年地表水资源量11.93 亿m3，同样属于不安全等级。2020 年人均水资源量、年降水量和地表水资源量都达到了安全等级，且人均用水量达到了最低，这使得2020 年的安全评价等级达到了最高。

从社会经济子系统来看，2012—2018 年为基本安全等级，2019—2020 年为安全等级。这是因为万元GDP 用水量在2019 年为44m3，并且在2020年达到了最低水平33m3，均处于非常安全等级。第三产业比重2019 年和2020 年分别达到了66.1%、65.3%，均处于安全等级。人均生活日用水量和工业用水量在这两年都有减少。在2012—2020 年西宁市第三产业比重正在逐渐上升，而工业用水量正在逐年减少，这表明西宁市在近年来正在努力的进行产业的转变，这也使得社会经济子系统的安全评价等级得到了提高。

从生态环境子系统来看，2012—2014 年为安全等级，2015—2020 年为基本安全等级。这是因为农田灌溉亩均用水和万元工业增加用水量虽有一定的减少，但是生态环境用水率逐年增加，这使得2014—2015 年安全评价等级由安全转变为基本安全。但是生态环境子系统安全评价等级整体较好，均达到了基本安全及以上等级。

从综合评价等级来看，2012—2020 年安全等级有上升的趋势，说明西宁市整体的水资源承载力正在稳步上升。

3.2.3 评价结果对比

为了验证评价结果的可靠性，本文又利用TOPSIS 模型对西宁市水资源承载力进行了分析，在2012—2017 年以及2019 年安全评价等级为Ⅲ，2018 和2020 年安全评价等级为Ⅱ，仅在2018年云模型法与TOPSIS 法评价结果等级相差1 级，这表明云模型法在评价该地区水资源承载力时可靠性高，评价结果合理。