周 骅

(上海城投水务<集团>有限公司，上海 200002)

自2020年初，新型冠状病毒肺炎疫情在全球肆虐横行。近两年我国采取积极的防疫抗疫政策，各行各业都对疫情期间的运行管控方式方法进行了系统深入的研究与改善。供水行业在法规政策及技术储备上已做了充足的工作，先后发布和出台了《突发公共卫生事件应急条例》《应对新型冠状病毒感染肺炎疫情应急监测方案》《饮用水厂加强病毒去与控制的运行管理建议》等[1]。疫情期间，各地供水部门和供水企业参照前述政策及技术建议，在确保城市安全优质供水方面取得了重大胜利。但对在疫情封控管理期间的水量分析、水资源科学调控等方面，因数据获取艰难和传统机理研究与分析方法的不足，存在一定的研究空白。

水资源是重要的战略资源，供水事业是城市运行的生命线，疫情封控管理期间对城市供水的影响较大，本文以特大型城市上海在2022年3月—4月新型冠状病毒肺炎疫情封控管理期间的城市用水量影响进行分析，以期为供水行业相关部门及供水企业在遭遇疫情封控影响时提前分析预判供水需求，迅速行动，提前储备，为科学调控工作提供参考。

1 上海供水用水概况和疫情的主要影响

经长期建设，目前上海已经建成投用了青草沙、陈行、金泽和东风西沙4座大型水库，原水供应规模达到1 330余万m3/d。全市生活饮用水水厂共38座，供水能力约为1 230万m3/d，其中上海城投水务集团共运营18座水厂，主要服务中心城区以及部分郊区，供水能力为900余万m3/d，在2021年全市实际供水量中，贡献率达到72%。供水量中的居民和非居民水量占比大体各50%，其中非居民用水中以经营和工业两大类别为主，合计约占非居民用水的70%。

2022年3月起，上海遭遇新冠疫情，且疫情形势逐步严峻，防控手段逐步增强，对各行各业的影响也随之扩大，供水企业也面临人员极限配置、供水量波动等问题。5月起，本轮疫情呈现出逐步向好的趋势。

2 疫情封控期间用水量变化因素及分析方法确定

2.1 用水量变化影响因素确定

城市用水量的变化具有周期性，随着用户轮休及工业企业生产的变化呈现不稳性波动。一般而言，用水量的变化受诸多因素影响[2-6]，根据对城市用水量产生影响的周期长短，可分为短期波动影响因素和长期波动影响因素，如表1所示。

表1 用水量变化影响因素的分类Tab.1 Classification of Influence Factors of Water Consumption Change

上海本轮突发疫情因分析周期较短(2022年3月—4月)，上述影响因素中长期波动影响因素暂不予研究。短期波动影响因素中，上海的管网运行和管理状况稳定，且期间没有发生剧烈的气温波动，没有发生爆管等突发意外，对管网运行带来的冲击性影响不存在。因此，管网运行和管理状况的影响因素也暂不予考虑。水重复利用率影响因素主要发生在工业及经营用水环节，与工业总产值息息相关，可与工业总产值影响因素一并进行考虑。因此，本文的主要考虑影响因素为气象条件、节假日和工业总产值3个短期波动影响因素，即综合考虑疫情封控期间停工停产造成的工业总产值变化导致工业及经营类用水量的变化、气象变化可能造成的用水量变化，以及因居民封控居家造成的节假日用水规律变化。

2.2 用水量数据获取

为提高对用水量变化影响因素研究结论的准确性，通过现有数据采集手段获取用水量数据。用水量数据的采集以远传水表为主，目前上海已安装约有160万只远传水表，主要分布在浦西地区，其中经营类、工业类用户的远传表在其领域的占比均在60%以上。远传水表还未实现对用户的全覆盖，特别对居民用户的覆盖率较低，以至于居民用户的远传数据代表性不够。因此，采用供水量数据弥补远传水表尚无法完整显示疫情对总用水量影响程度的缺陷。供水量数据采集自18家水厂的总供水量。

2.3 水量变化分析方法

本文借鉴3种经典分析方法，对不同时期和不同目标的用水量变化进行多维度分析。第一种方法为环比法，将疫情前后同周期内的日均用水量进行对比，计算损失用水量；第二种方法为同比法，将今年和去年同期周期内的日均用水量进行对比，计算损失用水量；第三种方法是在横比法基础上进行创新改进，把封控管理期间的实际用水量与根据变化规律计算所得的预测用水量对比，计算损失水量。

3 疫情封控期间用水量变化的分析结果

3.1 气象条件分析

根据气象数据分析，与常年相比，2022年3月—4月呈现出气温偏高、降水量偏多、降雨时段较为集中的气象特点。其中，2022年3月的全市平均气温和市区平均气温均较常年同期高出2.9 ℃，3月14日出现市区极端最高气温为28.8 ℃；全市降水量为147.9 mm，比常年同期高出约60%，主要降雨发生在3月20日—21日，中心城区过程雨量大于80 mm。4月全市平均气温和市区平均气温均比常年同期偏高1.4 ℃，4月12日出现市区极端最高气温为33.1 ℃；全市降水量为165.4 mm，比常年同期高出约100%，主要降雨发生在4月13日，中心城区24 h雨量达100 mm以上。

3.2 工业用水量的变化分析

2022年和2021年3月—4月每日气温和工业类的水量变化对比如图1所示。由图1可知，2021年和2022年3月—4月每日用水量和气温的变化未见显著相关，可认为无论是否受疫情封控的影响，气象条件对工业用水量的影响并不明显。

图1 2022年和2021年3月—4月每日气温和工业用水量的变化Fig.1 Changes of Daily Air Temperature and Industrial Water Consumption during March to April in 2022 and 2021

在无疫情封控影响的2021年3月—4月，工业用水量呈现出较明显的“节假日效应”，即节假日第1 d的水量会比前1 d有所下降，而之后的第一个工作日又会上升。但是受疫情封控的影响，2022年3月上中旬起，工业用水量逐步下降，“节假日效应”几近消失。因此，通过对照分析疫情封控影响下节假日因素对用水量的影响，对供水企业预判用水量波动变化具有一定价值。

3.2.1 工业用水量下降时间的确定

2022年3月12日—13日为双休日，期间工业用水量为3月表现出的最后一个“节假日效应”，此后工业用水量再未恢复，这与上海3月中旬起封控范围逐步扩大，工业生产受影响面逐步扩大直接关联。从工业用水量变化曲线分析，随着疫情封控措施的趋严，最后一个“节假日效应”出现的时间点可作为疫情或其他突发状况下工业用水量变化的警醒点和甄别点，但正常情况下节假日本身就会体现工业用水量的下降。因此，不可直接将最后一个“节假日效应”出现的时间节点作为疫情封控导致的用水量突变点，需要结合封控措施的具体实施日期做综合研判。

为了判断本轮疫情封控下工业用水量下降的准确节点，对未受疫情封控影响下“节假日效应”进行分析。如图1所示，2021年3月—4月每个“节假日效应”首日的工业用水量平均降幅为10.88%，“节假日效应”后第1 d的工业用水量升幅平均为14.24%；2022年3月首个“节假日效应”出现时，首日工业用水量降幅为9.44%，节假日后首日的工业用水量升幅为16.3%，规律基本和2021年同期持平；2022年3月第二个“节假日效应”出现时，首日(3月12日,周六)工业用水量降幅10.42%，尚符合正常规律，但节假日后首日(3月14日,周一)的升幅仅为5.36%，明显低于正常规律。而且由于两日之间的工业用水量仅小幅波动，说明3月14日的水量变化属异常情况。统计表明，2022年3月1日—13日的平均工业用水量为18.2万m3，3月14日当日为16.9万m3，虽然之后的15 d小幅度上升到17.1万m3，但16日又降到16.5万m3并此后一路下滑，说明3月14日后，疫情封控导致的大规模停工停产对工业用水量的影响效果已充分显现。因此，可将2022年3月14日确定为工业用水量的下降时间，这与上海自3月12日起实施全市中小学全部在线教学、大量居民开始转为居家办公的时间点基本吻合。

3.2.2 工业用水的损失用水量分析

2021年3月—4月，工业用水量总体上相对稳定，4月较3月增加1.43%。2022年根据确定的工业用水量下降时间，以3月14日为界，采用3种分析方法进行对比。

(2)同比法。和2021年相比，2022年3月14日—4月30日期间工业用水量同比减少约5.0万m3/d。

(3)改进的横比法。根据2022年3月1日—13日的日均工业用水量，假设正常情况下2022年3月的日均水量始终能维持在18.2万m3，且以2021年4月较3月的工业用水量增长率预测2022年4月的日均工业用水量，并与疫情封控下实际的2022年3月14日—4月30日期间的日均工业用水量作对比，损失用水量约为4.0万m3/d。

通过3种分析方法综合判断，受疫情封控影响，工业用水的损失用水量为4万～5万m3/d，损失用水量约占正常情况下工业用水量的25%。

3.3 经营用水量变化分析

2021年和2022年3月—4月期间每日气温和经营用水量的变化规律如图2所示，与工业用水量的变化规律一致，3月—4月期间气温和用水量的变化未见显著关系。

图2 2022年和2021年3月—4月每日气温和经营用水量的变化Fig.2 Changes of Daily Air Temperature and Business Water Consumption during March to April in 2021 and 2022

3.3.1 经营用水量下降时间的确定

同3.2小节工业用水量下降时间分析的方法，由图2可知，经营用水量早于工业用水量出现下降趋势，与疫情封控首先影响到市民的正常出行和经营活动的规律相符。正常情况下，2021年3月—4月的“节假日效应”表现为：节假日首日的经营用水量平均降幅为8.01%，节假日后第1 d的升幅平均为9.06%。受疫情封控影响，2022年3月首个节假日首日的经营用水量降幅为8.21%，节假日后第1 d的升幅为8.72%，和去年同期的水平相当。但随后(3月8日，周二)经营用水量持续下跌，第二个节假日首日(3月12日，周六)的水量降幅高达12.66%，且节假日后第1 d(3月14日，周一)的升幅仅为4.81%，表现出剧烈下降和小幅上升的波动规律。从2022年3月整体的经营用水量数据分析，3月1日—7日的日均经营用水量为42.5万m3，但自3月8日起连续下降，下降趋势再无改变。据此，把2022年3月8日定为经营用水的下降时间，这与3月上旬上海市单日确诊病例数字激增，居民普遍减少非必要外出和消费娱乐活动相关。

3.3.2 经营用水的损失用水量分析

2021年3月—4月，经营用水总体上相对稳定，4月较3月增加3.87%。2022年根据确定的经营用水量下降时间，以3月8日为界，同样采用3种方法对损分析水量进行计算。

2.1 不同恶性肿瘤疾病组血浆Hsp90α表达水平比较 各恶性肿瘤疾病组血浆Hsp90α表达水平均明显高于健康对照组，差异有统计学意义(P<0.05)，见图1。

(1)环比法。将2022年3月1日—7日的日均经营用水量为42.5万m3视为疫情风控前的日均水量，和3月8日—4月30日日均经营用水量26.8万m3相比，受疫封控情影响下的日均损失经营用水量为15.7万m3；

(2)同比法。将2022年3月8日—4月30日期间的经营用水量和2021年同期进行对比，损失的经营用水量约17.5万m3；

(3)改进的横比法。假设2022年3月全月的日均水量，能维持在疫情封控前的42.5万m3/d，且以2021年4月较3月的增长率预测2022年4月的日均经营用水量，与2022年疫情封控后的实际经营用水量做对比，日均损失经营用水量约17.9万m3。

通过3种分析方法综合判断，受疫情封控影响，综合来看，经营用水的损失用水量为16万～18万m3/d，损失用水量约占正常情况下经营用水量的35%。

综上，以浦西中心城区为主区域内的工业和经营类所损失的用水量，合计20万～23万m3/d，以远传水表占比在60%以上的数据采集量估算，则浦西地区的工业和经营类用水量损失预计为33万～38万m3/d，损失用水量约占正常情况下工业及经营用水量的30%～35%。

3.4 供水量变化分析

由于客观条件下，上海的智能远程表布局有限，上述分析只限于估算主要非居民用户的损失用水量，还存在其他非居民用户和大量居民用户的数据缺口。为了深入分析疫情封控对特大型城市总体用水量的影响程度，采用主要对应前述工业及经营类用户的18家水厂总供水量数据再做补充分析。

3.4.1 疫情封控期间居民用水量与非居民用水量的“对冲效应”分析

节假日影响方面，由于居民和非居民用水呈现出规律相反的“节假日效应”，且上海的居民用水和非居民用水占比总量基本相当，因此，反映在供水量上的“节假日效应”并不明显。

气象条件影响方面，非居民用水基本不受气象条件影响，而居民用水受气象条件影响较大(图3)。2022年3月—4月，最大日供水量出现在3月12日，当日供水量达601.8万m3，当日是全市中小学全部线上教学的第1 d，可以认为是居民用水量的急剧上升导致供水量的上升。说明受疫情封控影响，随着大量居民从工作场所转向居住场所，居民用水和非居民用水此消彼长，对总供水量产生“对冲效应”。为了进一步判断“对冲效应”的规律，分别以最大供水量日(3月12日)和最高气温日(3月14日)作为节点，将3月供水量数据分为3个阶段做同期水量和气温的比较(表2)。

图3 2021年和2022年3月—4月每日气温和供水量的变化Fig.3 Changes of Daily Air Temperature and Water Supply Quantity during March to April in 2021 and 2022

表2 2021年和2022年3月供水量对比Tab.2 Comparison of Water Supply Quantity in March 2021 and March 2022

由表2可知，2022年3月1日—11日，气温和2021年相比略高，日均供水量略高于去年；3月12日—14日，供水量和气温均明显高于2021年同期；3月15日—31日，气温虽与2021年同期相当，但供水量却显著小于去年。结合上海自3月12日起实行的学生居家线上教学的措施和后续不断扩大的封控范围，虽然居民用水量会随气温上升同步上升，但3月15日—31日期间的日均供水量比2021年同期明显降低，甚至低于2022年疫情封控前的日均供水量，说明在疫情封控措施的影响下，居民用水中随气温上升而升高的用水量无法抵充非居民用水的损失量。

3.4.2 疫情封控期间供水量损失情况的分析

结合工业用水量下降时间3月14日和经营用水量下降时间3月8日，选取3月15日(周二)为例进行分析，当日的供水量(564万m3)比前1 d的供水量(586万m3)已明显下降。此后气温逐日升高，最高出现连续32 ℃以上的气温，但供水量再未超过564万m3/d。因此,可以认为受疫情封控影响，最迟到3月15日，上海总供水量出现了下降。

2022年3月15日—4月30日，18家水厂总的供水量同比下降约60万m3/d，损失供水量约占正常情况下供水量的7%，其中非居民用水量的损失为主要原因。若考虑到2022年的气温要明显高于2021年同期，疫情封控期间造成的用水量损失可能更大。

4 总结

疫情封控对城市供水量的影响非常明显，非居民用水量的大幅度减少是其中最主要影响结果。以上海特大型城市为例，对2022年3月—4月疫情封控期间的用水量变化情况进行分析，结论如下。

(1)疫情封控对城市用水量影响明显，用水量的下降时间和封控措施实施的时间同步。

(2)疫情封控期间，非居民用水量的损失较大，工业类用水损失用水量约占正常情况下用水量的25%，经营类用水损失用水量约占正常情况下用水量的35%。

(3)疫情封控期间，居民用水量随气温变化而起伏的规律依然存在，但“节假日效应”已非常微弱，这主要是受疫情和管控措施发展，大量人员居家所致。上海18家水厂的供水总量的损失量约占正常情况下的7%，其中非居民用水量的损失为主要原因。

疫情封控期间，供水企业在岗人员显著精简的情况下，进行数据分析挖掘，定量分析或预判疫情对工作的影响程度，是供水企业提前预判最低供水量、制定相应预案、合理地减少生产负荷、确保城市水资源供应处于合理、高效的优化配置状态的重要技术保障，对供水企业在疫情封控状况下的运营具有重要意义。但为确保相关数据采集和分析预判的准确性，建议如下几点。

(1)供水企业必须加快信息化、智能化建设。远传水表的实时数据是突发情况下用水量分析的重要依据，应加快远传水表的普及，消除明显的数据样品缺失或样本量不够的问题。

(2)开展更细小颗粒度的深入研究，进一步设置不同行业、区域，以及每日天气情况等复杂影响因子，研究它们对用水量影响的规律，为城市精细化管理提供更为丰富的分析预测手段。

(3)进一步加强数据挖掘，以大数据分析方法支撑供水保障及用水计划调整，更高效地应对未来的不可控因素造成的人为决策缺陷，进一步提高城市水资源应急状态下配置、管理的科学性。