李繼清， 劉佳， 謝開杰

(華北電力大學 可再生能源學院，北京 102206)

基于水貧乏指數(shù)的北京市水生態(tài)足跡核算及其動態(tài)演變預測

李繼清， 劉佳， 謝開杰

(華北電力大學 可再生能源學院，北京 102206)

水足跡分析法是近幾年發(fā)展起來的定量測度水資源可持續(xù)利用的方法，水生態(tài)足跡以水資源為起點估算流域、區(qū)域水代謝強度。北京是嚴重缺水的大城市之一，隨著人口的增長和社會經濟的快速發(fā)展，水生態(tài)系統(tǒng)對自然災害的抗干擾能力和自我調節(jié)能力下降，出現(xiàn)了一系列的生態(tài)環(huán)境問題?；诒本┦兴Y源開發(fā)利用情況，利用水貧乏指數(shù)(Water Poverty Index,WPI)法核算北京市水生態(tài)足跡，用水資源狀況(Resource)、供水設施狀況(Access)、利用能力(Capacity)、使用效率(Use)及環(huán)境狀況(Environment)5個分指數(shù)定量評價北京市1986—2014年的相對缺水程度。在此基礎上，用EViews軟件建立了差分自回歸移動平均(Autoregressive Integrated Moving Average,ARIMA)模型，用ARIMA(p,d,q)模型對時間序列進行預測分析，預測北京市2015—2030年WPI指數(shù)水生態(tài)足跡，結合各指數(shù)的預測數(shù)據分析預測北京市水資源可持續(xù)利用情況，并據此提出了北京市水資源可持續(xù)利用的用水效率、節(jié)水意識、技術發(fā)展、產業(yè)結構、環(huán)保意識等方面的相關管理對策。

水生態(tài)足跡；WPI指數(shù)；ARIMA模型；北京市；可持續(xù)利用

隨著人口的增長和經濟的高速發(fā)展，水資源的需求量不斷增加，而水環(huán)境不斷惡化，水資源短缺成為全球性問題，成為限制城市區(qū)域發(fā)展的重要因素。當前有關水資源利用的指標和定量評價方法是水資源可持續(xù)規(guī)劃與管理研究的前沿和熱點[1]。水足跡模型可以定量判斷區(qū)域的水資源生產消費活動是否處于當?shù)厮Y源的生態(tài)承載能力范圍內，其本質是可持續(xù)評價方法。水生態(tài)足跡(Water Ecological Footprint)分析法是測度水資源可持續(xù)利用的定量方法，它以水資源為出發(fā)點，估算流域或區(qū)域水代謝強度。自從William教授提出用生態(tài)足跡定量分析自然資源可持續(xù)發(fā)展的理論后，該方法在全球范圍內得到了廣泛應用，它以“水”為要素核算城市經濟發(fā)展用水和人類生活保障用水，這對城市(尤其是水資源短缺城市)可持續(xù)發(fā)展具有重要意義。Jenerette等[2]應用Luck提出的空間異質性生態(tài)足跡的方法計算了美國和中國33個城市的水生態(tài)足跡，并分析了其影響因素。1999年，徐中民將生態(tài)足跡研究模型理論及方法引入中國，隨后國內學者應用該模型對我國部分城市和省份的水足跡及水資源利用進行了相關研究，并且在水資源可持續(xù)利用、水資源安全、生態(tài)環(huán)境等多方面取得了豐碩的成果[3-5]。

北京市是一座嚴重缺水的城市，聯(lián)合國發(fā)布的極度缺水城市的人均年水資源量為1 000 m3，而北京市人均水資源量不足200 m3，遠低于極度缺水標準。且經濟發(fā)展水平和水資源占有量極度不匹配，20世紀70年代以前，北京市水資源開發(fā)利用以地表水為主，地下水開采量和補給量基本保持動態(tài)平衡，水污染較少；70年代后，隨著人口增長與社會經濟的高速發(fā)展和人類活動對水生態(tài)系統(tǒng)的影響，水生態(tài)系統(tǒng)對于自然災害的抗干擾能力和自我調節(jié)能力不斷下降，出現(xiàn)了一系列的生態(tài)環(huán)境問題，如持續(xù)的干旱、地下水水位下降、水環(huán)境污染等，這些問題很大程度上是由于人類占有水資源數(shù)量過多，城市生態(tài)用水量減少造成的。本文以水資源短缺的北京市為例進行水生態(tài)足跡分析，探討城市水生態(tài)足跡的內涵和發(fā)展軌跡，采用基于生態(tài)需水量的水貧乏指數(shù)(Water Poverty Index,WPI)核算方法，計算分析北京市水生態(tài)足跡的動態(tài)變化過程，并通過水生態(tài)足跡變化的差分自回歸移動平均(Autoregressive Integrated Moving Average,ARIMA) 模型預測未來水生態(tài)足跡演變過程，根據計算結果評估北京市水資源可持續(xù)利用的程度并提出相關措施。

1 水生態(tài)足跡核算及其動態(tài)演變預測方法

水生態(tài)足跡研究是定量分析和研究城市人類活動對水資源系統(tǒng)產生的壓力和影響的程度，為城市水資源可持續(xù)利用規(guī)劃與管理提供新的思路和科學依據。用基于生態(tài)需水量的水貧乏指數(shù)(Water Poverty Index,WPI)核算法分析歷史水生態(tài)足跡動態(tài)變化，運用EViews軟件建立水生態(tài)足跡動態(tài)變化的ARIMA分析模型，用ARIMA模型預測未來水生態(tài)足跡變化，判斷水資源可持續(xù)利用的程度。

1.1 水貧乏指數(shù)(WPI)核算水生態(tài)足跡

1.1.1 WPI指數(shù)簡介

2002年，英國生態(tài)與水文研究中心(Center for Ecology and Hydrology，CEH)研究員Sullivan提出水貧乏指數(shù)(WPI)的概念，指出該指數(shù)是定量評價國家或地區(qū)相對缺水程度的指標，也是關于水資源評價管理的綜合性指標[6]。WPI指數(shù)不僅能反映評價地區(qū)水資源本底狀況，還能反映經濟、管理、環(huán)境、使用效率等社會因素對水資源影響的情況。WPI指數(shù)由潛在水資源狀況(Resource，R)、供水設施狀況(Access，A)、利用能力(Capacity，C)、使用效率(Use，U)及環(huán)境狀況(Environment，E) 5個分指數(shù)組成，這5個分指數(shù)的取值范圍是[0,100]，WPI指數(shù)值越大則水資源狀況越好。水貧乏指數(shù)的數(shù)學表達形式為:

W=∑WiEi∑Wi-1。

(1)

式中:W為WPI指數(shù)；Ei為WPI指數(shù)的分指數(shù)，分別代表資源(R)、途徑(A)、利用(U)、能力(C)和環(huán)境(E)；Wi為分指數(shù)Ei的權重。

WPI指數(shù)是其分指數(shù)的加權平均和，展開式(1)得到：

(2)

式中Xi為分指數(shù)的值。

計算某一地區(qū)的WPI指數(shù)值時，需要從相關部門獲得大量可靠的原始數(shù)據并進行處理，根據評價區(qū)域和目的，選擇WPI指數(shù)的5個分指數(shù)下的二級指標構建WPI指數(shù)計算框架，CEH給出了計算WPI指數(shù)的具體方法與依據[7]，見表1。

表1 WPI指數(shù)計算方法與依據

由表1可知，WPI指數(shù)的計算建立在多學科的基礎上，它將水資源、水的供給、經濟發(fā)展、社會保障等多方面的因素結合起來反映水資源短缺對人類的影響。

1.1.2 WPI指數(shù)的計算方法

WPI指數(shù)的計算方法有均衡法和非均衡法兩種。均衡法中WPI指數(shù)各分指數(shù)和二級指標是等權重的，而非均衡法是不等權重的。WPI指數(shù)的值越大，表明所評價地區(qū)的水資源狀況越好，反之，則越糟糕。均衡法與非均衡法都要將各個指標數(shù)據標準化處理，使各個指標的值位于區(qū)間[0,1]中，然后將標準化處理后的數(shù)據乘以相應的權重，再乘以100，最后求和即可得到所評價地區(qū)的WPI指數(shù)值。均衡法適用于評價范圍較大的區(qū)域，其優(yōu)點是計算量相對較小。

非均衡法的特點是通過不等權重表示WPI指數(shù)分指數(shù)的不同重要性，該法適用于評價范圍較小的評價地區(qū)，且有關于針對性政策的研究(如強調環(huán)境保護時，給予環(huán)境分指數(shù)較高權重)。Heidecke等[8]對WPI指數(shù)的歸一化計算部分做出了改進，將變量數(shù)據系列的極值分別增減5%，避免了0和1的邊界值問題，并改進了擁有WPI高值地區(qū)的評價結果。

正向指標歸一化公式為：

i=(Xi-Xmin/1.05)/(1.05Xmax-Xmin/1.05)。

(3)

負向指標歸一化公式為：

i=1-(Xi-Xmin/1.05)/(1.05Xmax-Xmin/1.05)。

(4)

式中：i為各指標變量歸一化后的值，無量綱；Xi為所評價地區(qū)對應變量i的數(shù)值；Xmin、Xmax分別為評價地區(qū)對應變量i數(shù)據系列的最小值和最大值。

1.1.3 權重確定

運用層次分析法[9]確定WPI指數(shù)的分指數(shù)和二級指標的權重，在比較同一層次各指標的相對重要性后，綜合計算指標的權重，將指標層中的各個指標兩兩比較，構造判斷矩陣，將判斷矩陣的各行向量進行幾何平均，歸一化計算得到的行向量就是權重。判斷矩陣的最大特征根為λmax，計算一致性指標CI=(λmax-n)/(n-1)和一致性比率CR=CI/RI，當CR<0.1時，判斷矩陣具有較好的一致性，若CR>0.1則要重新做判斷矩陣，直到具有較好的一致性為止。

1.2 水生態(tài)足跡動態(tài)演變的ARIMA模型

1.2.1 ARIMA模型簡介

1970年，Box和Jenkins提出差分自回歸移動平均ARIMA模型，也稱為Box-Jenkins模型[10]。ARIMA(p,d,q)模型中的AR表示自回歸，p為自回歸項數(shù)，MA表示移動平均，q為移動平均項數(shù)，d為將原始時間序列差分為平穩(wěn)時間序列時的差分次數(shù)。ARIMA模型的基本思想是：原始時間序列數(shù)據是一個隨機序列，用一定的數(shù)學模型描述隨機序列，并利用原始時間序列數(shù)據預測未來時間段的序列值[11]。

1.2.2 ARIMA模型的構建

ARIMA模型的構建可分為以下4個步驟[12]：模型識別及定階、模型參數(shù)估計(p、q)、模型適應性檢驗和模型預測。

1)模型識別及定階。ARIMA模型適用于分析預測平穩(wěn)時間序列，差分使非平穩(wěn)時間序列變?yōu)槠椒€(wěn)時間序列，差分的次數(shù)是階數(shù)d。通過查看平穩(wěn)時間序列的自相關和偏自相關圖，判斷模型的類型。

2)模型參數(shù)估計(p、q)。確定模型參數(shù)p，q的方法主要有3種：自相關和偏相關圖特性分析；FPE 準則法(Final Prediction Error，F(xiàn)PE，也稱為最小最終預報誤差)；赤池信息量準則法(Akaike Information Criterion，AIC)和施瓦茲準則法SC(Schwarz Criterion，SC)。

3)模型適應性檢驗。模型擬合適應性檢驗的實質是對模型殘差序列做白噪聲檢驗。

4)模型預測。模型預測分為靜態(tài)預測和動態(tài)預測，靜態(tài)預測一般適用于樣本內預測，動態(tài)預測一般適應于樣本外預測。

1.2.3 模型求解

運用EViews(Econometrics Views)軟件求解ARIMA模型，美國QMS(Quantitative Micro Software Co.)公司開發(fā)的EViews軟件是對社會經濟關系與經濟活動的數(shù)量規(guī)律采用計量經濟學方法與技術進行“觀察”[13]，是運行于Windows環(huán)境下的對以時間序列為主的多種數(shù)據類型進行分析和預測的工具，已應用到科學實驗數(shù)據分析與評估、應用經濟計量學、成本分析和預測等學科中。EViews軟件的優(yōu)點是操作靈活、數(shù)據管理簡單方便。

2 實例應用

北京市位于中國華北平原北部，毗鄰天津市和河北省，總面積16 140.54 km2。北京市地形西北高、東南低，西部為所屬太行山脈的西山，北部和東北部為所屬燕山山脈的軍都山。北京市氣候是典型的溫帶半濕潤大陸性季風氣候，夏天高溫多雨，冬天寒冷干燥，春秋短暫，降水時間分布不均勻。全市多年平均降水量為534.38 mm，地下水資源量多年平均為19.01億m3，地表水資源量多年平均為12.12億m3。北京市天然河道有五大水系，自西向東分別為：拒馬河、永定河、北運河、潮白河和薊運河水系，北京市沒有天然湖泊，有水庫85座，其中大型水庫有密云水庫、官廳水庫等。

2.1 北京市水生態(tài)足跡核算

基于北京市水資源開發(fā)利用的情況，利用WPI指數(shù)法核算北京市水生態(tài)足跡，用水資源狀況(R)、供水設施狀況(A)、利用能力(C)、使用效率(U)及環(huán)境狀況(E) 5個分指數(shù)，定量評價北京市1986—2014年相對缺水程度。

2.1.1 基本數(shù)據及歸一化處理

WPI指數(shù)法的5個分指數(shù)中，水資源狀況是反映與可利用的水資源量有關的因素，應用水文技術評價地表水、地下水，對水資源可靠性做定量與定性評價等；供水設施狀況反映公眾用水安全狀況，人們使用清潔水的途徑、清潔的自來水供給到用戶的時間和比例等能反映社會經濟水平對水資源的影響，例如人均GDP、家庭消費水平等；使用效率反映人們用水的效率，例如人均生活用水量、人均農業(yè)用水量等；環(huán)境狀況反映水資源的利用對環(huán)境造成的影響，例如水質觀測值、水污染負荷等。

通過查閱相關文獻選取指標，指標層的選取原則是科學性、完整性、可行性、可比性和客觀性。針對WPI指數(shù)的5個分指數(shù)，共選取1986—2014年中的16個指標，作為核算北京市水生態(tài)足跡的指標層。其中，表征水資源狀況的指標有年平均降水量、地表水資源量和地下水資源量；表征供水設施狀況的指標有廢污水排放量、污水處理率和人均供水量，其中廢污水排放量是工業(yè)污水和生活污水的排放量的和，人均供水量是指平均為用戶提供的包括輸水損失在內的毛供水量；表征使用效率的指標有人均工業(yè)用水量、人均農業(yè)用水量、人均生活用水量和萬元 GDP 用水量；表征利用能力的指標有人均GDP、人均可支配收入和家庭恩格爾系數(shù)；表征環(huán)境狀況的指標有城市綠化覆蓋率、人均公園綠地面積和COD(化學需氧量)排放量。16個指標的原始數(shù)據資料來源于北京市水務局、北京市統(tǒng)計信息網站等，采用非均衡法歸一化計算各指標。

2.1.2 層次分析法確定權重模型

運用層次分析法確定WPI指數(shù)分指數(shù)和分指數(shù)下的二級指標的權重，各指標的權重計算結果見表2。WPI指數(shù)各分指數(shù)權重大小順序是：能力(0.251 5)>環(huán)境(0.247 9)>資源(0.173 3)>利用(0.168 1)>途徑(0.159 3)。

表2 北京市水貧乏指數(shù)WPI指標權重

通過計算，RI為1.594，計算得λmax為18.355，CI為0.157，CR為0.098，CR<0.10，說明判斷矩陣具有合理的一致性，指標權重合理。

2.1.3 WPI計算結果

用各指標權重乘以歸一化處理后的數(shù)據再乘以100便得到北京市1986—2014年水生態(tài)足跡，依據核算結果繪制的相應雷達圖如圖1所示。

圖1 北京市1986—2014年水生態(tài)足跡雷達圖

由圖1可知：北京市WPI指數(shù)5個分指數(shù)中，2000年以前，資源和途徑分指數(shù)值較大，說明這些年北京市處于豐水期，其他3個分指數(shù)中，利用分指數(shù)增長較快，能力和環(huán)境分指數(shù)增長緩慢，說明生活和工業(yè)用水效率增長較快，人們的環(huán)保意識也逐漸被喚醒；2000年以后，環(huán)境、能力和利用分指數(shù)值較大，資源和途徑分指數(shù)值較小，說明人們的環(huán)保意識較高，對水環(huán)境保護和管理方面采取的措施有了明顯的效果，社會經濟和文化發(fā)展狀況較好，同時，北京市也已啟用南水北調工程。

2.1.4 結果分析

WPI指數(shù)及其5個分指數(shù)(潛在水資源狀況、供水設施狀況、利用能力、使用效率及環(huán)境狀況)隨時間變化的情況如圖2和圖3所示。

圖2 1986—2014年北京市WPI分指數(shù)隨時間變化情況圖

圖3 1986—2014年北京市WPI指數(shù)隨時間變化圖

由圖2可知，資源的變化波動性較強，原因是年均降水量、地表水和地下水資源量很大程度上受降水影響較大，遇到豐水年，水資源的總量自然就較多，北京市從2008年開始實施調水工程，用于緩解該市水資源短缺的問題；途徑隨時間的變化趨勢逐漸減小，原因是污水處理率隨環(huán)保意識的加強逐漸增高的同時人口也在逐年增長，這導致廢污水排放量的增長和人均供水量的減少；資源和途徑固然是對生態(tài)水足跡重要的影響因素，但是和它們具有耦合性的能力、環(huán)境和利用等分指數(shù)也不可忽略。利用和能力分指數(shù)隨時間的變化趨勢是上升的，利用分指數(shù)從2005年開始增長較為緩慢。原因是：北京市農業(yè)種植糧食面積逐年減少，導致人均農業(yè)用水量逐年減少；降雨對農業(yè)灌溉也有很大的影響；同時，北京市的重工業(yè)企業(yè)大都已搬遷，主要第二產業(yè)為高新技術制造業(yè)、現(xiàn)代制造業(yè)、戰(zhàn)略性新興產業(yè)等，這些企業(yè)對于水資源的消耗也是逐漸減少的。此外，隨著生產技術的提高，萬元GDP用水量也逐年減少；能力分指數(shù)增長的原因是，隨著經濟的發(fā)展，人均GDP、人均可支配收入逐年增長，恩格爾系數(shù)逐年減少；環(huán)境分指數(shù)總體趨勢是逐年增長的，主要是這期間政府加大了對環(huán)境治理方面的投資，同時，人們的環(huán)保意識不斷增強。

水資源短缺的類型有工程型、污染型、管理型和資源型4種，WPI 的5個分指數(shù)中資源和途徑分指數(shù)基本能反映資源型及工程型缺水狀況，利用和能力分指數(shù)基本能反映管理型缺水狀況，環(huán)境分指數(shù)基本能反映污染型缺水狀況。由圖3可知，北京市WPI指數(shù)變化的總體趨勢是上升的，說明北京市水資源利用基本呈可持續(xù)狀態(tài)。其中的潛在水資源狀況分指標較低，驗證了北京市屬于資源型缺水城市，但由于水資源利用和能力分指數(shù)相對較高，說明水資源的利用效率、管理能力方面的工作做得比較好，最終使其水資源利用處于可持續(xù)狀態(tài)，也為后期北京市實施水資源可持續(xù)利用措施奠定了基礎。

2.2 北京市水足跡動態(tài)演變預測

運用EViews 8.0軟件建立水生態(tài)足跡變化的ARIMA模型，通過ARIMA模型預測北京市2015—2030年WPI指數(shù)的水生態(tài)足跡。WPI指數(shù)有5個分指數(shù)，共建立5個ARIMA模型，本文以途徑(A)分指數(shù)為例建立ARIMA模型，其他4個分指數(shù)建立模型的過程與其類似。通過數(shù)據錄入、判斷時間序列平穩(wěn)性、單位根檢驗(Augmented Dickey Fuller檢驗，ADF)、差分處理等建立ARIMA模型，用傳統(tǒng)的Box-Jenkins方法(自相關和偏自相關圖如圖4所示，查看判定系數(shù)R2、殘差平方和最小準則、AIC準則和SC準則等)確定模型的參數(shù)p和q，見表3和表4。對擬合模型進行適應性檢驗，表明建立的ARIMA模型的殘差序列是白噪聲序列，不存在自相關關系。

圖4 途徑(A)對數(shù)后一階差分時間序列自相關和偏自相關圖

模型(p，q)常數(shù)項C自回歸項AR(p=1)自回歸項AR(p=2)移動平均項MA(q=1)移動平均項MA(q=2)移動平均項MA(q=3)移動平均項MA(q=4)移動平均項MA(q=5)(2，5)4．65e?070．3190．4960．0120．4030．6340．6000．795(2，4)2．53e?060．7910．9820．0960．9230．8110．161(2，3)1．11e?120．0030．0240．0000．0170．013

比較各模型的R2、殘差平方和、AIC和SC的值，結果見表4。

表4 途徑(A)分指數(shù)不同模型參數(shù)值

對水足跡變化進行預測，常用預測方法有兩種：動態(tài)預測(Dynamic Forecast)和靜態(tài)預測(Static Forecast)。本文靜態(tài)預測時的預測樣本區(qū)間為“1986—2014年”，動態(tài)預測時的預測樣本區(qū)間為“1986—2030年”，選擇Theil不等系數(shù)(Theil Inequality Coefficient)和協(xié)方差比率(Covariance Proportion)衡量模型擬合效果，Theil不等系數(shù)取值區(qū)間是[0,1]，值越接近0，模型擬合效果越好；協(xié)方差比率值越大,則模型擬合效果越好，一般要求協(xié)方差比率大于0.6。本次預測中，Theil不等系數(shù)分別為0.283和0.324，協(xié)方差比率為0.869和0.824，說明本次擬合效果較好。類似于建立ARIMA-A(WPI指數(shù)中途徑(A)指數(shù))模型過程，可分別建立出WPI指數(shù)其他分指數(shù)的ARIMA模型，則可得到各分指數(shù)建立的模型的參數(shù)，見表5。

表5 北京市WPI分指數(shù)預測模型參數(shù)表

各分指數(shù)建立的模型公式如下：

資源(R)：

DRt=-0.043-1.097DRt-1-1.204DRt-2- 0.593DRt-3+0.439εt-1+0.908εt-2。

(5)

途徑(A)：

DAt=-0.032+0.611DAt-1-0.329DAt-2- 1.241εt-1+0.825εt-2-0.583εt-3。

(6)

能力(C)：

D2Ct=0.006-0.439D2Ct-1-0.058D2Ct-2+ 0.878εt-1-0.110εt-2。

(7)

環(huán)境(E)：

lnEt=2.773+0.876ln(Et-1)。

(8)

利用(U)：

D2Ut=-0.004-0.715D2Ut-1-0.099D2Ut-2+0.083D2Ut-3-0.063D2Ut-4-1.037εt-1-0.273εt-2+0.703εt-3。

(9)

式中：DRt、DAt分別為對資源和途徑原始時間數(shù)據系列先做對數(shù)處理,再一階差分的結果；D2Ct、D2Et、D2Ut分別為對能力、環(huán)境和利用原始數(shù)據系列先做對數(shù)處理,再二階差分的結果；DRt-1為P的項數(shù)，即自回歸的項數(shù)；εt-1為q的項數(shù)，即移動平均的項數(shù)。

運用表5中的模型對北京市水資源分別進行靜態(tài)分析和動態(tài)預測，對平穩(wěn)時間序列進行預測，預測出結果后做差分和對數(shù)化的還原處理，還原后的結果為最終的預測結果，各年的WPI及其5個分指數(shù)的預測結果見表6。

表6 2015—2030年WPI指數(shù)水生態(tài)足跡預測結果

由表6可知，北京市潛在水資源狀況分指數(shù)波動較大，途徑分指數(shù)則是緩慢減少的；利用、能力和環(huán)境分指數(shù)是逐年遞增的，但是后期增加的幅度越來越??；WPI指數(shù)的基本趨勢是逐年增長的，個別年份略有變化(如2020年)。北京市是資源型缺水城市，降水年際變化幅度大，水資源總量受降水影響較大，未來出現(xiàn)豐、平、枯水年組交替變化，故資源分指數(shù)有所波動；由于人口的逐年增長，便導致廢污水排放量的增長和人均供水量的減少，途徑分指數(shù)緩慢減?。煌瑫r，隨著未來北京市高新技術的發(fā)展、環(huán)保意識的提高和經濟的高速增長，北京市對于水資源的管理與運用會更加高效、科學、合理，故利用、能力和環(huán)境分指數(shù)是逐年遞增的。這5個分指數(shù)耦合到一起后，WPI指數(shù)是逐年增長的，表明北京市對于水資源的利用是良性的。

要繼續(xù)維持和實現(xiàn)北京市水資源的可持續(xù)利用的目標，需要從用水效率、產業(yè)結構、環(huán)保意識及管理政策等方面采取相關措施：①提高用水效率，加強節(jié)水意識。加強節(jié)水宣傳力度提高市民節(jié)水意識；增加節(jié)水設備的應用，將節(jié)水設備運用到生產、生活的方方面面以達到時刻都節(jié)水、處處都節(jié)水的目的；制定階梯水價的政策，從經濟方面促使提高人們節(jié)水意識。②加強技術發(fā)展，優(yōu)化產業(yè)結構，在促進經濟增長的同時，也加強水資源的高效利用，進一步加強技術更新，優(yōu)化產業(yè)結構，提高水資源的利用率，實現(xiàn)更加高效、合理、科學的用水。③提高環(huán)保意識，加強水污染的防治和保護。提高再生水的利用效率，實現(xiàn)污水的再利用，提高水資源的可持續(xù)利用；提高污水處理廠的建設標準，從源頭控制水體污染；通過宣傳提高人們的環(huán)保意識，倡導在生活中重復用水，一水多用，倡導和鼓勵企業(yè)、單位等循環(huán)用水。④調整管理政策?？刂票本┦腥丝诘脑鲩L，利用相關落戶政策限制；建立統(tǒng)一的水資源管理制度，建立完善的水資源管理制度和法規(guī)；制定北京市水資源可持續(xù)利用方面的相關規(guī)定。

3 結語

水生態(tài)足跡法使得管理者和民眾直觀了解到城市或區(qū)域水生態(tài)占用現(xiàn)狀，通過城市水足跡的計算與分析，定量分析了城市人類活動對水資源系統(tǒng)產生的壓力和影響程度，為城市水資源可持續(xù)利用規(guī)劃與管理提供新的思路和科學依據。水貧乏指數(shù)逐漸成為城市發(fā)展的戰(zhàn)略輔助性工具，能為水行業(yè)的發(fā)展和城市水資源管理提供依據，幫助政策制定者有效地進行水資源管理。本文基于WPI指數(shù)研究了北京市的水生態(tài)足跡，通過運用WPI指數(shù)核算其水生態(tài)足跡，用EViews軟件建立了ARIMA模型，并對時間序列進行預測分析，預估北京市2015—2030年WPI指數(shù)水生態(tài)足跡的動態(tài)演變過程，根據預估結果，提出北京市水資源可持續(xù)利用的用水效率、節(jié)水意識、技術發(fā)展、產業(yè)結構、環(huán)保意識加強等方面的管理政策和措施。此外，若有充足的水質指標數(shù)據，則可有效地提升WPI指數(shù)的代表性和可行性。

[1]鄧曉軍,謝世友,王李云，等.城市水足跡計算與分析：以上海市為例[J].熱帶資源環(huán)境學報,2008,3(1):62-63.

[2]JENERETTE G D,WU W,GOLDSMITH S,et al.Contrasting water footprints of cities in china and the united states[J].Ecological Economics,2006,57(3):346-358.

[3]周文華,張克鋒,王如松.城市水生態(tài)足跡研究:以北京市為例[J].環(huán)境科學學報,2006,29(9):15-25.

[4]杜軼,張治國,董曉輝，等.基于水資源生態(tài)足跡模型的水資源可持續(xù)性研究[J].山西水土保持科技,2015,12(4):15-16.

[5]吳全志,蘇喜軍,龍林玲.基于生態(tài)足跡模型的貴州省水資源可持續(xù)利用分析[J].華北水利水電大學學報(自然科學版),2016,37(3):36-40.

[6]SULLIVAN C.Calculating a Water Poverty Index[J].World Development,2002,30(7):1195-1210.

[7]王曉妮,尹雄銳,張翔.WPI指數(shù)及其在松遼流域的應用研究[J].水利學報,2007,38(增刊1):635-636.

[8] HEIDECKE C.Development and evaluation of a regional Water Poverty Index for Benin[R].Washington D C,USA:International Food Policy Research Institute,Environment and Production Technology Division,2006:35.

[9]鄧雪,李家銘,曾浩健，等.層次分析法權重計算方法分析及其應用研究[J].數(shù)學的實踐與認識,2012,42(7):94-95.

[10]薛薇.SPSS統(tǒng)計分析方法及應用[M].北京:電子工業(yè)出版社,2004:453-470.

[11]張勃,劉秀麗.基于ARIMA 模型的生態(tài)足跡動態(tài)模擬和預測：以甘肅省為例[J].生態(tài)學報,2011,31(20):6253-6254.

[12]董曉曉,李玉環(huán),王靜，等.基于ARIMA模型的生態(tài)足跡模擬與預測[J].水土保持通報,2015,35(1):144-146.

[13]王乃靜,李國鋒.基于EVIEWS軟件的計量經濟學建模檢驗案例解讀[J].數(shù)量經濟技術經濟研究,2001，18(10):94-96.

(責任編輯：杜明俠)

Water Ecological Footprint Accounting and Its Dynamic Evolution Prediction of Beijing City Based on the Water Poverty Index

LI Jiqing , LIU Jia, XIE Kaijie

(Renewable Energy School, North China Electric Power University, Beijing 102206, China)

Water footprint analysis is a quantitative method to measure the sustainable utilization of water resources in recent years. The method takes the water resource as the starting point to estimate the water metabolic intensity of watershed and region. Beijing is one of the major cities with severe water scarcity, with the population growth and rapid socio-economic development, the anti-disturbance and self-regulation ability of the aquatic ecosystem to natural disasters begin to decline, and then there has been a series of ecological and environmental problems. Based on the development and utilization of water resources in Beijing, the Water Poverty Index (WPI) method was used to calculate the water ecological footprint of Beijing. And the relative water shortage degree in Beijing from 1986 to 2014 was quantitatively evaluated by five sub-indices: water resource, access, capacity, use and environment. On this basis, the Autoregressive Integrated Moving Average (ARIMA) model was established by EViews software, and the ARIMA (p,d,q) model was used to predict the time series. Further the water ecological footprint of WPI index in Beijing from 2015 to 2030 was predicted. Combined with the forecast data of each index, the water resources sustainable utilization in Beijing was analyzed and forecasted. And accordingly the related management countermeasures of water efficiency, water-saving awareness, technological development, industrial structure, environmental awareness and so on of water resources sustainable utilization in Beijing were put forward.

water ecological footprints; WPI index; ARIMA model; Beijing; sustainable use

2016-09-10

國家重點研發(fā)計劃項目(2016YFC0402208)；長江科學院開放研究基金資助項目(CKWV2015232/KY)。

李繼清(1972—),女,河北邢臺人,教授,碩導,博士,主要從事水(能)資源規(guī)劃利用及管理方面的研究。E-mail:jqli6688@163.com。 劉佳(1994—),女,新疆昌吉人,碩士生,主要從事水資源風險管理方面的研究。E-mail:1813441232@qq.com。 謝開杰(1992—),男,安徽桐城人,碩士生,主要從事水資源規(guī)劃利用方面的研究。E-mail:869889870@qq.com。

10.3969/j.issn.1002-5634.2016.06.002

TV213.4

A

1002-5634(2016)06-0007-07