银北灌区水资源安全评价与预测

陈月娟

(石嘴山市农业综合开发办公室，宁夏 石嘴山 753000)

1 研究区概况

银北灌区地处宁夏北部河套地区，属于引黄灌溉区，总面积3518km2。居于贺兰山、黄土高原、内蒙古高原结合部，地势周高中低，其中灌区内评价高程为1147m。属于典型的温带大陆性气候，年平均气温8.4℃～9.9℃，降水量167.5～188.8mm，蒸发旺盛。灌区内水资源缺乏，地表水资源总量1.58亿m3，人均占有量仅为128m3，仅为全国平均水平的1/25。区域气候干旱。地表径流缺失，引黄灌溉是区域经济社会可持续发展的基础工程之一。

2 基于RF的水资源安全评价方法

2.1 水资源安全评价指标体系

水资源安全具有结构性、复杂性等特点，指标体系须立足于区域水资源安全结构特征，充分反映区域水资源安全现行状态。PSR模型基于层次关联的理念内涵，将水资源安全逐层分解为压力、状态、响应，从这三个方面确立水资源安全评价各项指标，可以更深刻地解析水资源生态环境、经济社会效益、人居生活间相互作用的机理。借鉴相关学者经验，在对银北灌区人口、经济、资源、环境等要素进行系统分析的基础上，构建银北灌区水资源安全评价指标体系，见表1。

2.2 水资源安全评价标准

分级标准是对水资源综合效益进行准确评价的关键，指标节域既要能反映水资源综合效益的渐进演替规律，还应具有公开性、统一性。虽然国内外学者展开了大量研究，但出于水资源综合效益区域性的特点，尚未形成具有通用性的阈值范式。鉴于此，以《宁夏工业与生活用水定额》、国际水安全标准以及其他学者研究经验，确定了银北灌区水资源综合效益指标分级阈值。将其划分为5个等级，见表2。

2.3 基于RF的水资源安全评价

水资源安全水平受PSR各维度下指标因素共同影响，应用RF算法对水资源安全进行评价的关键在于，根据评价分级标准构建水资源安全水平与指标系统中的单一指标间的隶属规则，评价流程如下。

2.3.1数据处理

将各指标按照分级标准区间随机内插生成200组样本数据，5个评价等级共计样本量1000组；在此基础上将样本予以归一化处理，正负指标归一化方式见参考文献[2]。

2.3.2样本设置

从5个分级样本组中各随机选出100组数据，将这挑选出的500组数据设置为训练样本，余下500组为检测样本，样本中指标因子为输入向量，与分级标准对应的评价结果I、II、III、IV和V依次用数字1，2，3，4，5表示，并作为输出向量，然后进行RF网络训练。

2.3.3参数优选与模型优化

模型训练过程中可根据袋外误差(Out of bag error rate，OOB)的大小对敏感参数mtry和ntree进行选择，RF算法中mtry为分裂属性的类别，通常设置为变量的方根值，本研究中变量总数为20，其取整为4或5，经多次实验验证，表明mtry为5时评价结果较好；ntree为RF模型中树的数量，其影响着模型运算速率与精度，当值大于500后OOB小而平稳。

注：正指标即指标数值越大，生态越安全，负指标则相反。

表2 水资源安全评价分级标准

2.3.4指标度量

RF模型可通过增减某一指标因子后OOB变化量的大小判定该指标的重要性，构造的样本均以分级区间内随机生成，不失一般性，能够免除噪声污染，因而对水资源安全评价指标重要性的度量更加客观。

2.3.5模型评价

根据模型训练后产生的输出值与实际值评价RF模型性能。

2.3.6阀值设定与模型应用

根据表2中各指标分级的临界值，运用RF算法进行模拟计算，其模拟值作为不同分级标准阀值，也是水资源安全等级区分的依据，阀值见表3。

2.4 基于RF的水资源安全预测

水资源安全受多维复合因素共同制约，其在一定时空范围内的变化呈现惯性、随机性、相关性特点，所以对水资源安全进行预测须先获取其变化规律。RF回归模型把这种规律的变化抽象为某个足够复杂的泛函，把问题的关键转化成泛函数的回归问题。依据RF回归原理，设置1996—2016年银北灌区水资源压力、状态、响应指数和水资源安全指数为训练样本，采取迭代滚动方式对2020—2030年银北灌区水资源压力、状态、响应的安全指数进行预测，设定单次预测步长为1。运用Matlab 2016b的设计程序，实施模拟和预测，经大量实验，选取核函数为径向基函数类型，确定嵌入维数为10(即利用前10年的指数预测后一年的指数)，并各预测模型中的最佳参数。经计算，各预测模型拟合度良好，其平均相对误差值分别为0.023、0.038、0.034、0.041，决定系数R2优于0.95，模型精度均在可接受范围内，据此对2020—2025年银北灌区水资源安全进行预测。

3 结果分析

3.1 压力系统分析

依据前述水资源安全评价与预测方法，得到银北灌区1996—2016年和2020—2030年水资源安全各项指数，结果如图1所示。由图1可知，1996—2016年压力指数呈现波动特征，数值介于2.545～4.015之间，由较安全演变为临界安全等级；其中1999年的指数偏高主要人口自然增长率为最低。新世纪以来银北灌区工业化和城市化进入快速发展时期，用水量迅速增加同时水资源供需形势紧张；工业化进程中导致工业废物大量积累，也造成水源污染。在这些因素的影响下，银北灌区水资源压力之沉重，在一段时期内难以消减。

图1 银北灌区水资源安全评价与预测结果

预测显示未来几年压力指数趋于减小，水资源安全面临的压力增加。一方面，未来几年是银北灌区人口将持续增长致使水资源力加剧，农业生态污染短时间难以控制；另一方面随着经济技术水平的提高，银北灌区经济结构趋于合理，经济运行压力减弱，自然灾害防控力度加强。预测显示，2020—2030年灌区水资源压力指数介于1.176～2.550之间，属于较不安全等级。

表3 水资源安全指数分级

3.2 状态系统分析

1996—2016年状态指数呈现起伏升高，如图1所示，由1.672上升至3.670，其中前8年的状态指数小于2.237，处于较不安全等级，原因是森林覆盖率、单位面积农业产值均较低；2009—2016年状态指数逐渐攀升处于临界安全水平，表明水资源安全状态系统趋于稳定呈良性发展，出现这种趋势归功于森林覆盖率、水资源生产能力的升高与水土协调度较好。这数年间银北灌区林草恢复成效显著，森林覆盖率由12.5%提高到23.3%，水土流失治理率达到65%，水资源盐碱化得到控制，与此同时，水资源生产潜力有一定增加。

2020年银北灌区森林覆盖率进一步增加，区域环境逐步改善；农业部门将逐步推进高标准农田建设，以优化耕地质量和结构，并完善耕地占补平衡体系，控制耕地资源流失；水利部门大力推进江河水利建设，扭转灌区水利建设滞后的局面，更加保障水资源安全，从而为巩固农业灌溉工程体系，改善农业环境提供有利基础。预测可知，2020—2030年银北灌区水资源压力指数将稳定在2016年以上水平。

3.3 响应系统分析

从图1可以看出，1996—2016年响应指数由1.157上升至3.756，其中1996—1998年压力指数为最低，此后稳定于2.3以上，2014—2016年以来更是达到3.52。近十几年来，银北灌区对生态环境建设投入巨大，上世纪末银北灌区启动退耕还林还草工程，展开水资源盐碱化监测与治理工作，并加大力度治理水土流失；同时提高了工业“三废”排放标准。截至2016年银北灌区生态环境建设取得显著成效，省内盐碱水资源面积得到控制，针对水资源、耕地资源等建立起合理开发利用与保护机制。预测结果显示，2020—2030年压力呈上升趋势，发展态势良好，由较安全趋于安全等级。

3.4 水资源安全综合分析

受压力、状态、响应等要素综合影响，银北灌区水资源安全指数呈波动变化，1996—2016年水资源安全指数由2.034上升至3.543，安全水平由较不安全发展至临界安全、较安全等级，表明银北灌区生态环境趋于优化，水资源安全有效提升。预测显示，2020—2030年银北灌区水资源安全指数稳定于3.75～4.65之间，依然处于较安全水平，这一阶段水资源安全指数呈平缓升高，区域水资源安全格局进一步稳固。

4 结论

1996—2030年银北灌区水资源安综合演变呈良性发展，主要归功于人们的水环境保护意识加强以及大力推进生态修复工程建设和水环境污染治理。当前灌区内生态质量并不高，结合实际，当从以下几点进行调控：①规范资源开发与矿区生态环境治理体系，合理有序开采资源的同时强化环境责任意识和环保投入，把对环境破坏和污染降到最低。②依托中原农业区位优势，大力发展和推广农业高新技术，因地制宜安排农业生产，合理推广区域农作物品种和栽培技术。③珍惜保护水资源，科学调水引水，确保水资源安全；完善农田水利设施建设，缓解耕地缺水状态。④持续推进土地盐碱化防控治理工程和水土保持工程，积极应对生态灾害；科学开辟森林公园和自然保护区，保护野生动物、林草覆被、湿地水域等。