潘争伟,金菊良,王 晶,吴成国

(1.蚌埠学院 土木与水利水电工程学院,安徽 蚌埠 233030;2.合肥工业大学 土木与水利工程学院,安徽 合肥 230009;3.合肥工业大学 水资源与环境系统工程研究所,安徽 合肥 230009)

1 研究背景

联合国政府间气候变化专门委员会(IPCC)从不同视角识别全球气候变化的关键要素，并强调人类发展与气候变化适应的重要性[1]，对气候变化的影响和适应评估进行了大量研究。IPCC特别报告《全球升温1.5℃》[2]中的适应概念更强调人类系统的作用。在人类系统中，调整实际或预期气候及其影响的过程，以减轻损害或利用有益机会；在自然系统中，调整实际气候及其影响的过程。适应逐渐被认为是减缓气候变化脆弱性的有效途径[3]。Seif-Ennasr等[4]综合考虑到效益、实施时间、成本和可行性等因素，提出一种新的适应性评估方法，并对水管理措施对气候变化的适应性进行评估；Yatesa等[5]在未来气候和非气候压力因素的不确定性条件下，论证了以决策为中心的适应性评估过程，并应用于科罗拉多河流域上游区域；Goosen等[6]提出气候变化适应分析的基本内容主要包括气候变化影响或脆弱性评估、适应方案的设计与选择，以及适应方案的评估等；左其亭[7]对水资源适应性利用模式、理论体系框架、关键内容等进行了研究；姜海波等[8]分析了塔里木河流域水量和水质两方面的水资源脆弱性成因，并提出了适应性对策。

淮河流域位于中国东中部，处于中国南北气候过渡带，人均水资源量不足500 m3，属严重缺水地区。流域多年平均降水量约920 mm，其分布状况大致是由南向北递减，年内年际变化较大，特殊的地理位置和气候条件，导致淮河流域洪涝灾害频发，气候变化对淮河流域水资源的影响和适应性等问题值得关注[9]。本文以安徽省淮河流域为研究区，通过水资源系统的自然系统和社会(人工)系统对变化环境的适应过程分析，探讨变化环境下水资源系统适应性机理，并提出基于联系数-模糊风险矩阵的系统分析方法，对变化环境下水资源系统适应性进行定量分析。

2 水资源系统适应性机理与驱动因子识别

2.1 变化环境下水资源系统适应性机理分析

水资源系统因气候条件、自然特征和社会特征、经济水平等变化环境的影响，其稳定性和协调性遭到破坏，致使系统处于一种脆弱性状态。水资源系统包括自然系统和社会(人工)系统，水资源自然系统自身具有应对气候变化的自我调节和修复反应，而水资源社会(人工)系统具有通过主动调整应对变化环境的能力，并由适应主体通过适应因素的反馈作用实现减弱变化环境的不利影响[10]，水资源系统历经自我反应、与之适应、主动调整以应对系统脆弱性，变化环境下水资源系统适应性机理过程如图1所示。

图1中，水资源自然系统对系统脆弱性的自我应对，使系统恢复初始状态的能力称之为水资源系统应对变化环境的自然适应性或自然恢复性(natural resilience，NR)；水资源社会(人工)系统对系统脆弱性的主动调整应对是由适应主体通过适应因素的反馈作用实现的，称之为水资源系统的人为适应性(artificial adaptation，AA)；自然恢复性和人为适应性的双重作用使系统脆弱性减弱。因此，水资源系统适应性是指系统对变化环境的干扰和破坏的应对和响应能力，包括自然系统应对变化环境的自然恢复能力，以及社会(人工)系统由适应主体通过适应因素主动应对变化环境的人为适应能力，是自然恢复性(NR)和人为适应性(AA)的函数，可表示为：

图1 变化环境下水资源系统适应性机理过程

A=f(NR,AA)

(1)

2.2 水资源系统适应性驱动因子识别分析

水资源系统是由水资源、生态、环境、人口、社会、经济等子系统和要素构成，由自然系统和社会(人工)系统相结合的开放的复合系统。通过水资源系统适应性机理分析，结果显示，变化环境下水资源系统适应性是由水资源自然系统的自然恢复性和社会(人工)系统的人为适应性构成。

(1) 自然恢复性因子。自然恢复性(NR)是水资源自然系统对变化环境的应对，通过水资源禀赋，生态环境等因素自我调节应对自然系统的变化，目的是调整或修复受损的水资源系统。从功能的角度来看，水具有资源、环境和生态的功能，表现为水量、水质和水生态。因此，自然恢复性因子应包括水量、水质和水生态指标。采用频度分析、统计分析、专家咨询、系统分析等方法，筛选出的自然恢复性因子为：“水量”，主要包括降水量、降水变率、干旱指数、水资源量、产水模数；“水质”，主要包括地表水环境质量、水污染事件；“水生态”，主要包括水域面积比、湿地面积比、水土流失面积比。

(2) 人为适应性因子。人为适应性(AA)是社会(人工)系统与变化环境相协调的主动调整，通过主动调整人类行为来减轻气候变化对自然生态系统和人类社会系统的不利影响，人为适应性与自然系统和社会系统密切相关。对自然生态系统而言，是通过人为干预对预期变化环境及其影响做出应对；对人类社会系统而言，是通过改变人类生产生活行为方式，主动探求如何降低变化环境的损害。人为适应性是由适应主体通过适应因素的反馈作用实现的，适应因素主要指自然生态系统的资源因素和生态环境因素，以及人类社会系统的社会经济因素和技术因素。采用频度分析、统计分析、专家咨询、系统分析等方法，筛选出的人为适应性因子为：“资源”，主要包括用水量、水资源利用率、用水模数；“生态环境”，主要包括植被指数、污水排放量、污水处理率、水土流失治理面积比、水功能区水质达标率、生态环境用水比例；“社会经济”，主要包括区域开发程度、人均GDP、固定资产投资完成额；“技术”，主要包括用水效率指标(农田灌溉亩均用水量、万元工业增加值用水量、人均生活日用水量)、R&D(research and development)经费支出占GDP比例。

采用模糊层次分析法分别对自然恢复性因子和人为适应性因子进行识别分析，获得水资源系统适应性驱动因子。水资源系统适应性因子关系见图2。

图2 水资源系统适应性因子关系图

3 数据来源与研究方法

3.1 研究区概况

安徽省淮河流域处于淮河中游，包括六安、淮南、蚌埠等10个市，涉及30个县(市)，流域面积为6.7×104km2，约占淮河流域总面积的四分之一；截至2015年底，安徽省淮河流域内总人口为4 229.90×104人，占淮河流域总人口的22.84 %。2015年淮河片水资源公报[11]显示，安徽省淮河流域平均降水量为999.30 mm，较常年偏多5.9 %，水资源总量为260.14×108m3，总用水量为117.81×108m3，水资源利用率为45.29 %，农田灌溉亩均用水量为228.20 m3，万元工业增加值用水量为72.50 m3。

3.2 数据来源

按行政区划分，收集2015年安徽省淮河流域各市水资源系统适应性指标样本数据，数据主要来源于治淮汇刊(年鉴)[12]和淮河片水资源公报[11]，安徽统计年鉴[13]和安徽省水资源公报[14]，以及安徽省淮河流域各市统计年鉴和水资源公报。

3.3 研究方法

3.3.1 集对分析(set pair analysis) 集对分析是中国学者赵克勤[15]1989年提出的一种新的系统分析方法，该方法将确定性与不确定性作为一个整体，对研究问题进行同-异-反分析，并采用联系数结构式进行定量化，联系数的基本表达式为:

u=a+bI+cJ

(2)

式中：a为集对的同一度;b为集对的差异度;c为集对的对立度;a、b、c∈[0,1]，且a+b+c=1；I为差异度系数，I∈[-1,1]，有时仅起差异标记作用；J为对立度系数，一般取值为J=-1，有时仅起对立标记作用。

根据联系数的层次性和扩展性，基于联系数的层次结构，构造同异反层次法联系数为[10]:

u=a1+a2+b1I1+b2I2+b3I3+c1J1+c2J2

(3)

式中:a1和a2分别为同一度和偏异同一度，其系数可看作为1；b1、b2和b3分别为偏同差异度、中差异度和偏反差异度;I1、I2和I3分别为其相应的系数，且I1、I2、I3∈[-1，1]；c1和c2分别为对立度和偏异对立度;J1和J2分别为其相应的系数，规定均取值为-1。

水资源研究中指标水平一般可分为5个层次，设xij(i=1,2,…,n；j=1,2,…,m)为指标样本值，skj(k=0,1,2,…,5)为指标标准阈值，则同异反层次法联系数的计算式为[16]：

式中：xij(i=1,2,…,n；j=1,2,…,m)为第j个指标的第i个样本值；skj(k=0,1,2,…,5)为第j个指标的第k个标准阈值；I1、I2、I3分别为其相应的系数,且I1、I2、I3∈[-1，1];J1、J2分别为其相应的系数，规定均取值为-1。

3.3.2 模糊风险矩阵(fuzzy risk matrix) 风险矩阵是通过二维平面刻画相关联事件的概率(P)和损失程度(S)，并根据危险事件的重要程度识别风险的一致定量结构方法，其经典逻辑判断过程为事件概率P条件下损失程度为S，则风险为R[17]。风险矩阵的输入变量一般可划分为5个等级：事件概率P分别为非常小概率(Ⅰ)，小概率(Ⅱ)，中概率(Ⅲ)，大概率(Ⅳ)和非常大概率(Ⅴ)；损失程度S分别为可忽略不计(Ⅰ)，损失(Ⅱ)，严重损失(Ⅲ)，重大损失(Ⅳ)和灾难性损失(Ⅴ)，图3给出了传统5×5风险矩阵风险指数的判别方法[18]。传统风险矩阵风险指数是一个离散值，对相同的事件概率P，当不同的损失程度值接近两相邻损失程度的临界值时，传统风险矩阵可能产生两个不同的风险指数值[19]。需要寻求更好的逻辑运算来定义风险矩阵的判断过程，以获得更准确的风险指数值[20]，Markowski等[17]构造了风险矩阵变量的模糊集和模糊推理系统，提出模糊风险矩阵。在逻辑运算中，很自然地选择乘法公式作为风险指数的判断过程[20]，Ni等[19]描述了乘、除、加、减4种经典逻辑运算，图4给出了乘法公式的判别方法。

图3 传统5×5风险矩阵风险指数判别方法 图4 乘法公式风险指数判别方法

3.3.3 基于联系数-模糊风险矩阵的水资源系统适应性分析方法

步骤1：水资源系统适应性因子联系数。根据水资源系统适应性因子样本数据和指标标准阈值，由公式(4)计算水资源系统自然恢复性和人为适应性因子联系数，分别为uij(NR)和uij(AA)。

步骤2：自然恢复性和人为适应性因子权重。采用模糊层次分析法确定自然恢复性和人为适应性因子权重，分别为wj(NR)和wj(AA)。

步骤3：水资源系统自然恢复性和人为适应性联系数。采用加法加权综合法[16]，通过水资源系统自然恢复性因子联系数uij(NR)计算自然恢复性联系数ui(NR)：

(5)

同样，由水资源系统人为适应性因子联系数uij(AA)计算人为适应性联系数ui(AA)：

(6)

步骤4：水资源系统适应性评判准则。公式(4)中的差异度系数可以采用均值法取值：I1=0.5，I2=0，I3=-0.5。此外，对立度系数J1和J2取值均为-1。则由公式(5)和(6)分别计算自然恢复性和人为适应性联系数值。以自然恢复性和人为适应性联系数作为模糊风险矩阵的两要素，构建基于联系数的模糊风险矩阵如图5所示。

图5 基于联系数的模糊风险矩阵

图5(a)为相对严格的评判准则，即以自然恢复性和人为适应性二者同时满足的距离作为评判标准，称为悲观评判准则；图5(b)为相对宽松的评判准则，即以自然恢复性和人为适应性只要有一方满足的距离作为评判标准，称为乐观评判准则。由此，给出基于联系数-模糊风险矩阵的水资源系统适应性评判区间[Apess，Aopt]。

根据基于联系数-模糊风险矩阵的评判准则，给出水资源系统适应性量化公式如下：

(7)

(8)

(9)

式中：Apess,i为水资源系统适应性等级悲观值；Aopt,i为水资源系统适应性等级乐观值；di为模糊风险矩阵的距离。

4 结果与分析

4.1 适应性因子参考标准

通过对变化环境下水资源系统适应性过程机理分析，参考现有水资源系统适应性的研究成果[16,21]，确定水资源系统自然恢复性因子和人为适应性因子的参考评价标准均划分为5级标准，各级标准的数值区间见表1。

表1 水资源系统适应性因子参考评价标准

4.2 安徽省淮河流域水资源系统适应性分析

步骤1：适应性因子联系数。根据安徽省淮河流域2015年各行政区样本数据，利用公式(4)计算水资源系统适应性因子联系数，以蚌埠市样本数据为例，见表2。

步骤2：适应性因子权重。根据模糊层次分析法对水资源系统适应性因子筛选结果，确定自然恢复性因子权重和人为适应性因子权重，见表2。

表2 2015年蚌埠市水资源系统适应性因子联系数

步骤3：自然恢复性和人为适应性联系数。由式(5)和(6)计算自然恢复性和人为适应性联系数，见表3。

表3 2015年安徽省淮河流域各行政区水资源系统自然恢复性和人为适应性联系数

步骤4：水资源系统适应性等级评判。采用均值法[15]，差异度系数取值I1=0.5，I2=0，I3=-0.5；对立度系数J1和J2取值为-1，获得自然恢复性和人为适应性联系数值，见表4。根据水资源系统适应性等级评判准则，由公式(7)～(9)确定水资源系统适应性等级，见表4。图6给出了2015年安徽省淮河流域水资源系统适应性状况分布图。

表4 2015年安徽省淮河流域各行政区水资源系统适应性等级评判

图6 2015年安徽省淮河流域水资源系统适应性状况分布图

4.3 讨 论

表4结果显示，安徽省淮河流域水资源系统适应性等级为[2.711,3.833]，悲观评判准则下为弱适应，乐观评判准则下为中度适应。各行政分区水资源系统适应性由高到低依次为：合肥(淮河流域)([3.093,4.374])、六安(淮河流域)([3.089,4.369])、淮南([3.039,4.297])、蚌埠([2.762,3.906])、亳州([2.707,3.828])、阜阳([2.594 ,3.669])、淮北([2.565,3.627])、滁州(淮河流域)([2.557,3.616])、宿州([2.557,3.616])。图6表明，安徽省淮河流域水资源系统适应性空间分布呈现两个特点：上游区域适应性状况优于下游区域，江淮地区适应性状况优于淮北地区。进一步对安徽省淮河流域水资源系统适应性状况分析如下。

(1) 六安与宿州对比分析。六安(淮河流域)与宿州水资源系统适应性等级分别为[3.089,4.369]和[2.557,3.616]，二者差异较大，六安与宿州水资源系统适应性各指标适应等级如图7所示。

图7 六安与宿州水资源系统适应性各指标适应等级对比

由图7可看出，由于地理位置的差异，六安与宿州的大部分指标适应性存在较大差异。①六安地处安徽省淮河流域上游，区域范围内水资源丰沛，地表水水质良好，而宿州地处淮北平原，水资源状况和地表水水质均不及六安，反映在指标上，六安水资源模数(x1)、地表水环境质量(x2)和水功能区水质达标率(x5)等指标适应性明显比宿州高；②六安西南部属大别山脉及其支脉，山地和丘陵水土流失较为严重，六安水土流失面积比(x3)指标适应性远比宿州低；六安社会经济欠发达，工农业用水指标比宿州稍大，反映在指标上，六安人均GDP(x7)、农田灌溉亩均用水量(x8)和万元工业增加值用水量(x9)等指标适应性比宿州稍低。

(2) 合肥(淮河流域)与滁州(淮河流域)对比分析。合肥(淮河流域)与滁州(淮河流域)水资源系统适应性等级分别为[3.093,4.374]和[2.557,3.616]，二者差异较大，合肥(淮河流域)与滁州(淮河流域)水资源系统适应性各指标适应等级如图8所示。

图8 合肥(淮河流域)与滁州(淮河流域)适应性各指标适应等级对比

图8显示，因为地理位置相邻，合肥(淮河流域)与滁州(淮河流域)各指标适应性的差异不太大，但均存在差异。近年来，合肥工业用水效率有较大提高，水资源利用率不断降低；而滁州(淮河流域)属江淮丘陵地区，淮河沿岸又多圩区，水土流失严重，反映在指标上，合肥(淮河流域)地表水环境质量(x2)、水土流失面积比(x3)、人均GDP(x7)和万元工业增加值用水量(x9)等指标适应性比滁州(淮河流域)高；而滁州(淮河流域)水资源利用率(x4)和农田灌溉亩均用水量(x8)等指标适应性比合肥(淮河流域)高。

(3) 适应性指标对比分析。安徽省淮河流域水资源系统适应性各指标适应等级如图9所示。

图9 安徽省淮河流域水资源系统适应性各指标适应等级分析

图9显示，安徽省淮河流域水资源系统大部分指标适应性在评判区间内；农田灌溉亩均用水量(x8)指标适应性明显优于乐观评判准则结果；地表水环境质量(x2)和水功能区水质达标率(x5)指标适应性略低于悲观评判准则结果，而生态环境用水比例(x6)指标适应性明显小于悲观评判准则结果。

5 结论与建议

(1) 通过对水资源系统应对变化环境的过程分析，探讨变化环境下水资源系统适应性机理，从水量、水质、水生态等方面识别分析自然恢复性因子，从资源、生态环境、社会经济、技术等方面识别分析人为适应性因子，构建符合过程机理的水资源系统适应性因子指标体系。利用风险矩阵的思想，考虑二维因素同时达到标准的严格准则和只要一方达到标准的宽松准则的两种情况，建立模糊风险矩阵的悲观评判准则和乐观评判准则，得出基于联系数-模糊风险矩阵的水资源系统适应性评判区间[Apess，Aopt]，提出基于联系数-模糊风险矩阵的系统分析方法。

(2) 安徽省淮河流域水资源系统适应性分析结果表明，安徽省淮河流域水资源系统适应性等级为[2.711,3.833]，悲观评判准则下为弱适应，乐观评判准则下为中度适应。安徽省淮河流域水资源系统适应性空间分布呈现两个特点：上游区域适应性状况优于下游区域，江淮地区适应性状况优于淮北地区。

(3) 通过安徽省淮河流域水资源系统适应性指标对比分析，建议着重从水质和生态环境方面改善安徽省淮河流域水资源系统适应性。一方面，继续保持安徽省淮河流域上游六安(淮河流域)、合肥(淮河流域)的水质和生态环境质量；另一方面，通过加强水资源管理，大力实施节水，提高用水效率，强化水污染治理和生态修复，严格纳污总量控制，保障水质达标率等措施，提高其他区域的水质和生态环境质量，不断改善安徽省淮河流域水资源系统适应性状况。