中亚农业水资源脆弱性及其变化特征分析*

于 水, 黄法融, 李兰海

中亚农业水资源脆弱性及其变化特征分析*

于 水1,2,3,5, 黄法融1,2,4,5**, 李兰海1,2,3,4,5

(1. 中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室 乌鲁木齐 830011; 2. 中国科学院伊犁河流域生态系统研究站 新源 835800; 3. 中国科学院大学 北京 100049; 4. 中国科学院中亚生态与环境研究中心 乌鲁木齐 830011; 5. 新疆干旱区水循环与水利用重点实验室 乌鲁木齐 830011)

农业用水是链接自然环境和社会经济发展的重要环节, 研究农业水资源脆弱性的时空变化对揭示水资源的可持续开发利用、保障水资源安全、应对洪旱灾害具有重要意义。为研究中亚地区农业水资源脆弱性变化特征, 本文以中亚五国为研究区, 基于气象、土地覆盖、地形和社会经济数据, 依据脆弱性概念框架, 从暴露度、敏感度和适应度3个方面选取18个指标, 建立了农业水资源脆弱性评价指标体系, 采用等权重法和主成分分析法确定指标权重, 对1992－2017年中亚农业水资源脆弱性进行了评价及特征分析。结果表明: 1)中亚农业水资源脆弱性空间分布表现为“南高北低”的特征, 5国中土库曼斯坦农业水资源脆弱性最强, 其次为乌兹别克斯坦、塔吉克斯坦和吉尔吉斯斯坦, 而哈萨克斯坦农业水资源脆弱性最弱; 研究时段内农业水资源脆弱性空间分布格局变化较小。2)中亚农业水资源脆弱性随时间变化表现为“前期升高, 中期降低, 后期稳定”的态势, 整个研究期内研究区农业水资源脆弱性变化类型以相对稳定为主。不同地区农业水资源脆弱性随时间的变化存在差异, 吉尔吉斯斯坦西部和土库曼斯坦的农业水资源脆弱性升高, 乌兹别克斯坦、塔吉克斯坦以及咸海地区水资源脆弱性降低, 其他地区相对稳定。3)不同地区农业水资源脆弱性对各指标的敏感性不同, 北部农业水资源脆弱性动态变化对农田灌溉定额和灌溉指数以负敏感为主, 对其他指标以正敏感为主, 而南部对各指标的敏感性正负均有; 相关性分析表明, 森林覆盖率、农业用水比例、农田灌溉定额、水分胁迫指数、灌溉指数和农业水分生产率是导致中亚农业水资源脆弱性空间差异的重要因素。4)为降低农业水资源脆弱性, 中亚地区需发展集约型农业, 调整作物种植结构, 推广耐旱品种农作物, 进行节水灌溉。研究结果可为中亚农业水资源规划管理、农业生产布局调整以及农业可持续发展提供参考依据。

农业; 水资源; 脆弱性评价; 中亚

脆弱性出现在生态学、灾害学、环境学等领域的有关文献中, 是用来衡量系统自身及其构成要素受到影响和破坏后, 因此而缺乏抵御干扰和恢复初始状态的能力[1]。在水资源研究领域, 法国学者Albinet和Marget在20世纪60年代率先提出地下水资源脆弱性概念, 随后美国国家科学委员会、美国环保署、国际水文地质协会以及政府间气候变化专业委员会等相关研究人员都把水资源脆弱性作为重要研究领域, 使水资源脆弱性的概念与内涵不断丰富和发展[2-5]。随着水资源脆弱性的深入研究, 地表水脆弱性研究越来越受到重视[6]。邹君等[7-8]详细研究了地表水资源脆弱性的概念与内涵及评价方法, 并已经在多个地区得到广泛应用。夏军等[9]对气候变化下水资源脆弱性的概念和评价方法进行了适应性研究, 认为水资源脆弱性可以由暴露程度、敏感性以及适应能力组成的函数来表达。当前, 水资源脆弱性研究实现了由单一的地下水脆弱性或地表水脆弱性向多方向水资源脆弱性转变。农业水资源脆弱性是指正常运作的农业水资源系统在遭受人类活动和自然灾害时所展现的受损状态, 以及受损后难以恢复到原来状态的性质[10-11]。因此, 农业水资源脆弱性可以作为衡量农业水资源系统影响农业可持续发展能力的重要指标。通过开展区域农业水资源脆弱性评价, 不仅可以了解区域农业水环境脆弱状况的空间分布差异, 还可以为区域农业水资源规划提供参考依据。

在脆弱性评价方法上, 主要分为定性评价和定量评价两类。定性评价是分析与水资源变化有紧密关联的众多要素, 找出影响水资源脆弱性的主要因子, 并结合区域地理特征和生态特征, 提出降低水资源脆弱性的具体措施。如黄友波等[12]对黑河流域水资源脆弱性进行分析, 并基于研究区生态地理特征提出保护水资源及生态环境的建议。定量评价是从水资源脆弱性的影响因素入手, 在评价过程中引入１个能够描述水资源脆弱程度的变量来计算水资源系统抵抗干扰的能力, 其方法主要包括函数法、综合指标法和指标权重法等。如焦士兴等[13]利用熵值法和线性加权综合法, 对河南省农业水资源脆弱性进行评价; 杨琴等[14]采用改进的主成分分析法和熵值法综合确定指标权重, 对湖南省水资源脆弱性特征进行分析。在选择评价方法时, 应遵循区域适用性原则, 优先选择操作简单、评价结果适当的方法。在脆弱性实际评价过程中, 多种方法可以相互组合使用[15]。在脆弱性评价框架上, Polsky等[16]提出VSD (vulnerability scoping diagram)框架, Acosta- Michlik等[17]提出ADV (agents differential vulnerability)框架, 与其他脆弱性评价方法相比, 这些框架具有多元的数据组织、明确的脆弱性内涵和科学构建的指标体系, 给研究者提供了清晰的评价思路。

中亚地区自然条件复杂, 生态环境脆弱, 对气候变化响应极为敏感。水资源来源于高山区的冰雪融水和中山区的降水, 经空间转移到河流下游的绿洲和荒漠区, 最终被沿途耗散以及社会经济活动所利用[18]。近年来, 一些学者对该地区的自然和社会脆弱状况等方面进行了研究[19-24]。但这些研究多针对区域内的典型流域或典型地区, 鲜有学者对整个中亚地区的农业水资源脆弱性变化情况进行深入研究。本文以中亚五国为研究对象, 基于VSD脆弱性框架, 采用多指标加权平均方法对中亚农业水资源脆弱性及其变化特征进行分析, 以期为中亚农业水资源管理和“一带一路”倡议落实提供参考依据。

1 材料与方法

1.1 研究区概况

中亚包括哈萨克斯坦、乌兹别克斯坦、土库曼斯坦、吉尔吉斯斯坦、塔吉克斯坦5个国家(46°45′~87°21′E, 35°5′~55°33′N), 东起西天山的南脉, 与中国相邻; 西至里海, 与俄罗斯、阿塞拜疆相望; 南以科毕达山脉和阿姆河中游及其源头喷赤河为界, 与伊朗、阿富汗毗邻; 北到西伯利亚大草原, 与俄罗斯相接。该地区地势东南高、西北低, 自东向西依次为山区、丘陵和平原, 其中以平原和丘陵为主, 且沙漠广布(图1)。气候以温带沙漠、温带草原和温带大陆性气候为主, 光照充足, 蒸发量大[25], 形成山地森林草原—盆地平原绿洲寓于荒漠, 并与荒漠共存的生态地理格局[26]。

1.2 数据来源

本研究所用数据包括: 1)作物生育期平均气温、降水量和潜在蒸散量, 来源于英国东英吉利大学气候研究中心(CRU) (http://data.ceda.ac.uk/badc/cru/ data/)提供的1992—2017年气象数据集(TS4.02), 空间分辨率为0.5°; 2)土地覆盖类型, 来源于欧空局(CCI) 1992—2015年土地覆盖产品(https://www.esa- landcover-cci.org), 空间分辨率为300 m; 3)土壤有效含水量, 来源于寒区旱区科学数据中心的基于世界土壤数据库(HWSD)的土壤数据集(V1.2)(http://data. casnw.net/portal/); 4)地形起伏度, 来源于地理空间数据云(http://www.gscloud.cn), 空间分辨率为90 m; 5)森林覆盖率和人均农业生产总值指数, 来源于世界银行(https://data.worldbank.org.cn/indicator); 6)施政效率(法律法规、监管质量和政府效能), 来源于世界银行(https://databank.worldbank.org/databases/ rule-of-law); 7)人均水资源量、产水系数、农村安全饮用水指数、农业用水比例、农田灌溉定额、水分胁迫指数和灌溉指数, 来源于联合国粮农组织(http://www.fao.org/faostat/en/#data); 8)农业增加值用水量和农业用水产出率,来源于世界银行(https://data.worldbank.org.cn/indicator)和联合国粮农组织(http://www.fao.org/faostat/en/#data)。以上均为1992—2017年各国统计数据。对上述数据, 利用最邻近法重采样至1 km空间分辨率。

1.3 研究方法

1.3.1 框架模型及评价指标的构建

根据Polsky于2007年提出的VSD框架概念, 将脆弱性定义为暴露度、敏感度和适应度3个一级指标, 采用一级指标—二级指标—三级指标逐级递进、细化的方式研究脆弱性[16,27]。其中, 暴露度是农业水资源系统受到自然与社会环境冲击的程度; 敏感度是农业水资源系统受到气候环境变化影响的程度; 适应度是农业水资源系统在采取相应措施后达到适应环境变化以及应对不利后果中恢复的程度。脆弱度与暴露度和敏感度呈正相关, 暴露度或敏感度越大, 脆弱度就越大; 脆弱度与适应度呈负相关, 适应度越大, 脆弱度越小。中亚地区下垫面条件和水资源质量空间差异明显, 各地区对水资源的处理方式不同, 导致居民饮用水达标程度不同, 特别是东部农区近年来才开始关注居民饮用水安全; 同时苏联解体后中亚五国管理模式不一, 各国的法律法规、监管质量和政府效能存在差异, 导致各国施政效率和农业水资源的管理方式不同。因此, 本文基于VSD框架, 依据暴露度、敏感度和适应度的定义, 结合区域自然环境和社会经济条件[27], 考虑上述更能体现中亚地区特征的农业水资源脆弱性因素, 并根据已有农业水资源脆弱性研究[13,19,21,24], 从科学性和完备性原则、主导性和相互独立性原则、可操作性和可比性原则以及区域性和动态性原则出发, 构建了中亚农业水资源脆弱性评价指标体系(表1)。

表1 中亚农业水资源脆弱性评价指标体系

1.3.2 指标权重及脆弱性等级的确定

1)归一化处理。为了消除农业水资源脆弱性评价中各指标量纲的影响, 采用极差正规化法将各级指标进行无量纲归一化处理[24], 即: 各个指标值介于0~1。

正向指标归一化公式为:

X=(x−xmin)/(xmax−xmin) (1)

负向指标归一化公式为:

X=(xmax−x)/(xmax−xmin) (2)

式中:X为归一化值,x为评价指标的样本值,xmax和xmin分别为评价指标最大值和最小值。归一化处理前研究时段内中亚农业水资源脆弱性评价指标的空间分布图(图2)。

2)农业水资源暴露度、敏感度和适应度计算公式为:

式中:F值介于0~1, 为各二级指标综合作用于一级指标暴露度、敏感度和适应度的结果;为F的二级指标数量, 文中=6;X为各一级指标下的二级指标;e为X的权重。等权重法假定构成综合指标的各指标对研究对象的影响程度相同。从社会全面发展角度来看, 水资源脆弱性所涉及的各个方面都同等重要, 地理学者哈特向也认为二级指标权重应当相同[28]。因此, 本研究采用等权重法确定各二级指标权重,e=1/6。

3)农业水资源脆弱性计算公式为:

式中:值介于0~1, 为各级指标综合作用于水资源脆弱性的结果;为一级指标数量, 文中=3;F为暴露度、敏感度或适应度, 即脆弱性的一级指标;w为F的权重系数。为降低一级指标之间的相互影响, 本研究通过差异权重法将一级指标的权重差异化, 而主成分分析法能够实现权重的差异化, 同时相对准确地评估研究对象。因此, 本研究利用主成分分析法获得了暴露度、敏感度和适应度的权重系数(表2), 再通过加权平均计算农业水资源脆弱性[29-30]。

表2 1992—2017年中亚农业水资源脆弱性一级指标权重系数

4)农业水资源脆弱性等级划分。水资源系统具有复杂性和变化性, 各研究人员对水资源脆弱性概念与内涵的理解以及研究区域均存在差异, 因此对水资源脆弱性分级并没有统一的评价标准。本文参考相关文献[31-33], 采用自然间断点法将中亚农业水资源脆弱性时空分布结果分为微度(0~0.189)、轻度(0.189~0.357)、中度(0.357~0.573)、重度(0.573~0.739)和极度(0.739~ 1.000)5个等级, 并将不同时段中亚农业水资源脆弱性空间分布结果两两相减, 把农业水资源脆弱性演变信息分为显著降低(最小值~−0.079)、缓慢降低(−0.079~ −0.028)、相对稳定(−0.028~0.019)、缓慢升高(0.019~ 0.063)和显著升高(0.063~最大值)5个等级。

1.3.3 指标敏感分析

将中亚1992—2017年划分为5个分时段(1992—1996年、1997—2001年、2002—2006年、2007—2011年和2012—2017年)。根据敏感分析方法[34-35], 获得1992—2017年各二级评价指标对中亚农业水资源脆弱性的敏感系数。其公式为:

式中:X为各二级指标分时段的序列值,V为脆弱性分时段的序列值, 文中=1, 2, 3, 4, 5;和分别为X与V的平均值;为各二级指标的敏感系数,为正表明脆弱性随着该二级指标的增加而增加, 为负表明随着该二级指标的增加而减小。

2 结果与分析

2.1 中亚农业水资源脆弱性时空分布特征

根据1.3.3划分的5个分时段(1992—1996年、1997—2001年、2002—2006年、2007—2011年、2012—2017年)以及一个全时段(1992—2017年), 分别得到各时段中亚农业水资源脆弱性空间分布图(图3), 并提取各时段不同等级脆弱性的面积和比例(表3)。

在分时段内, 中亚农业水资源脆弱性空间格局表现为“南高北低”的态势(图3a-e), 但其分布格局随时间变化较小。微、轻度脆弱面积在各分时段内变化较小, 其分布面积比例为66.06%~68.34%, 该等级脆弱性变化主要发生在哈萨克斯坦; 中度脆弱面积比例从5.04%增加到10.04%, 其中2007—2011年和2012—2017年两个时段在乌兹别克斯坦部分地区出现明显增加; 极重度脆弱面积比例从27.28%减少到21.93%, 其中2007—2011年和2012—2017年两个时段在乌兹别克斯坦部分地区呈现明显减少。从各国农业水资源脆弱性分布来看, 哈萨克斯坦以微轻度脆弱为主, 吉尔吉斯斯坦以中度脆弱为主, 塔吉克斯坦以重度脆弱为主, 土库曼斯坦以极度脆弱为主, 乌兹别克斯坦由极重度脆弱向中重度脆弱转变。

在全时段内, 中亚农业水资源脆弱性空间格局也表现为“南高北低”的态势(图3f)。极重度脆弱区域主要分布于乌兹别克斯坦、土库曼斯坦和塔吉克斯坦, 微轻度脆弱区域主要分布于哈萨克斯坦, 中度脆弱区域仅分布于吉尔吉斯斯坦。由此可见, 中亚北部农业水资源脆弱性较低, 但南部4国脆弱程度较高。总体而言, 中亚农业水资源脆弱性重度以上和轻度以下面积比例分别为27.03%和68.03%, 其中轻度以下脆弱区域所占比例超过重度以上脆弱区域41.00%。此外, 仅有4.94%的区域呈中度脆弱。

2.2 中亚农业水资源脆弱性演变特征

根据2.1中各时段的农业水资源脆弱性空间格局, 利用1.3.2中所述农业水资源脆弱性演变分级方法, 得到4个分时期(1992—2001年、1997—2006年、2002—2011年、2007—2017年)以及一个全时期(1992—2017年)中亚农业水资源脆弱性演变特征图(图4), 并提取各时期不同变化等级的面积和比例(表4)。

在分时期内, 中亚农业水资源脆弱性变化整体表现为“前期升高, 中期降低, 后期稳定”的特点, 其变化类型主要以相对稳定为主(图4a-d)。1992—2001年脆弱性升高区域达47.30%, 而脆弱性降低区域仅占5.67%; 1997—2006年脆弱性降低区域达33.85%, 而脆弱性升高区域占比15.84%; 2002—2011年和2007—2017年两时期, 脆弱性降低区域占比分别为11.16%和14.14%, 而脆弱性升高区域占比分别为18.55%和0.76%, 农业水资源脆弱性变化类型中相对稳定占主导。从各国变化情况来看, 哈萨克斯坦脆弱性变化经历升高-降低-稳定-稳定的过程, 吉尔吉斯斯坦脆弱性变化主要经历稳定-降低-升高-降低的过程, 塔吉克斯坦脆弱性变化主要表现为升高-降低-稳定-降低的过程, 土库曼斯坦脆弱性变化主要表现为升高-升高-升高-稳定的过程, 乌兹别克斯坦脆弱性变化主要表现为稳定-升高-降低-降低的过程。

表3 1992—2017年不同时段中亚农业水资源脆弱性的面积与比例

表4 1992—2017年不同时期中亚农业水资源脆弱性变化类型的面积与比例

在全时期内, 中亚农业水资源脆弱性变化主要表现为相对稳定(图4e)。脆弱性升高区域主要分布在吉尔吉斯斯坦西部和土库曼斯坦, 脆弱性降低区域主要分布在乌兹别克斯坦、塔吉克斯坦和哈萨克斯坦境内咸海地区, 而哈萨克斯坦和吉尔吉斯斯坦的大部分地区脆弱性变化较小。总体来看, 中亚农业水资源脆弱性升高与降低面积比例分别为16.24%和15.28%, 有68.49%的区域脆弱性相对稳定。由此可见, 中亚农业水资源脆弱性整体上变化较小, 但区域内部变化差异较大。

2.3 中亚农业水资源脆弱性敏感分析

评价中亚农业水资源脆弱性时, 从暴露度、敏感度、适应度中所选取的18个二级指标中, 地形起伏度和土壤有效含水量在整个研究时段内为定值, 因此只对其余16个二级指标进行敏感分析。

中亚农业水资源脆弱性对各暴露度二级指标的敏感系数如图5所示: 农业水资源脆弱性对人均水资源量的敏感程度在咸海和阿尔泰山地区较大, 对作物生育期降水量的敏感程度在泽拉夫尚河流域较大, 对作物生育期平均气温和作物生育期潜在蒸散量的敏感程度在哈萨克斯坦部分地区较高, 对产水系数的敏感程度相对较小。

中亚农业水资源脆弱性对各敏感度二级指标的敏感系数如图6所示: 咸海地区对农村安全饮用水指数的敏感程度大于其他地区, 乌兹别克斯坦北部和中部对森林覆盖率的敏感程度较高, 塔吉克斯坦对农业用水比例和水分胁迫指数的敏感性较高, 而乌兹别克斯坦对农田灌溉定额的敏感程度较高。

中亚农业水资源脆弱性对各适应度二级指标的敏感系数如图7所示: 农业水资源脆弱性对灌溉指数敏感的地区主要位于吉尔吉斯斯坦, 对土地覆盖类型敏感的地区较为分散, 对农业增加值用水量的高敏感地区主要位于咸海, 对农业水分生产率高敏感的地区主要位于吉尔吉斯斯坦, 对人均农业生产总值和施政效率高敏感的地区主要位于土库曼斯坦。

2.4 中亚农业水资源脆弱性相关分析

利用相关分析探讨了18个二级指标对中亚农业水资源脆弱性空间分布的影响(表5), 结果表明农业水资源脆弱性与各二级指标间的相关系数差异较大。中亚农业水资源脆弱性与森林覆盖率、农业用水比例、农田灌溉定额、水分胁迫指数和灌溉指数呈显著正相关(相关系数>0.80), 而与农业水分生产率和施政效率呈显著负相关(相关系数<−0.80)。从相关系数随时间的变化来看, 仅有施政效率与农业水资源脆弱性之间的负相关系数在逐时段增强, 这表明中亚各国施政效率的提高, 一定程度上可以减缓中亚农业水资源脆弱性。

表5 1992—2017年不同时段中亚农业水资源脆弱性与各指标的相关系数

3 讨论

本文从暴露度、敏感度和适应度3个方面选择反映研究区自然因素和社会因素的18个指标研究中亚农业水资源脆弱性, 采用等权重法和主成分分析法相结合的方式确定指标权重, 揭示了研究区1992—2017年农业水资源脆弱性的时空变化特征。结果表明, 哈萨克斯坦农业水资源脆弱性较低, 但是南部4国农业水资源脆弱性相对较高。农业水资源极度脆弱区主要分布在土库曼斯坦、乌兹别克斯坦北部以及塔吉克斯坦的部分地区, 主要原因在于这些地区自然条件和社会经济条件较差, 同时锡尔河流域和阿姆河流域作为经济活动区, 水资源不合理利用导致水资源时空分布不均, 进而出现土地荒漠化和盐碱化等环境问题[36-37]。此外, 咸海面积不断缩小, 水资源量骤减使得地区农业水资源脆弱程度较高[38]。在研究时段前期, 中亚农业水资源脆弱性升高, 水资源安全存在风险, 这与已有研究结果基本一致[19-23]。但部分地区的研究结果也存在差异, 如哈萨克斯坦南部等地在该研究中呈轻度脆弱, 而在相关研究中脆弱程度较高[39-41]。

由于不同地区气候和社会环境主导因素不同[20], 中亚农业水资源脆弱性在地区间的分布差异显著。例如, 中亚北部农业水资源脆弱性对多数二级指标的敏感性以正敏感为主, 但对农田灌溉定额和灌溉指数以负敏感为主, 而南部则对多数指标的敏感程度正负均有, 表明南部农业水资源脆弱性的影响因素较为复杂, 解决农业水资源问题更加困难。从相关分析结果来看, 施政效率的提高对缓解地区水资源压力, 促进农业发展有着积极作用[36-37]。森林覆盖率、农业用水比例、农田灌溉定额、水分胁迫指数、灌溉指数和农业水分生产率等二级指标与各时段农业水资源脆弱性相关系数的绝对值≥0.85, 表明这些指标对农业水资源脆弱性空间分布影响较为明显。

为有效缓解中亚地区农业水资源问题, 需要从多方向加以应对[36-37,42]: 1)以水资源承载力为依据, 调整农业结构与发展规模相协调。农业发展必须由粗放型向集约型转变, 调整农作物种植结构与规模, 推广耐旱农作物品种, 发展农业节水灌溉技术。2)以生态系统管理为指导, 实现水资源科学保护与区域调水相统一。要实现农业水环境的健康与发展, 应退耕还草还湖、保障生态需水, 建立区域水资源管理机构, 在跨界流域下游的哈萨克斯坦、土库曼斯坦和乌兹别克斯坦应当顾及塔吉克期坦和吉尔吉斯斯坦的利益诉求。3)以水资源管理为目标, 保障水资源安全与国际合作相联结。各国应在水资源合作委员会(ICWC)下, 制定跨界水资源分配方案和补偿协议。同时, 应借“一带一路”倡议开展同中国的交流与合作, 共享资金、技术和经验优势, 实现共同发展。

本文根据研究区自然与社会环境状况, 选择具有区域特点的指标来探究农业水资源脆弱性变化特征, 这对中亚农业水资源管理具有指导意义。目前中亚农业水资源脆弱性研究仍处于起步阶段, 可以借鉴的数据及文献资料相对匮乏, 诸多方面需要完善与改进, 如数据资料需要提高精度、评价模型需要改进完善、影响因素需要定量分析等, 特别是社会经济资料的空间分辨率需要精细到各国的州或县尺度, 因为研究发现国家尺度社会经济资料严重影响农业水资源脆弱性的空间分布特征。农业水资源脆弱性能够反映地区农业水资源系统受到外界波动或干扰时的响应与恢复能力, 获取更加完备的数据资料和反映区域特征的评价模型来深刻了解中亚农业水资源脆弱性特征及其影响因素是未来需要解决的问题。

4 结论

本文基于1992—2017年中亚五国气象、土地覆盖、地形、社会经济资料等, 借助主成分分析、敏感分析、相关分析等方法, 对中亚农业水资源脆弱性及其变化特征进行分析, 并探讨了影响中亚农业水资源脆弱性的主要因子, 主要得出以下结论:

1)中亚农业水资源脆弱性空间格局表现为“南高北低”的态势, 该分布格局随时间变化较小。各国农业水资源脆弱性存在差异, 哈萨克斯坦以微轻度脆弱为主, 吉尔吉斯斯坦以中度脆弱为主, 塔吉克斯坦以重度脆弱为主, 土库曼斯坦以极度脆弱为主, 乌兹别克斯坦由极重度脆弱向中重度脆弱转变。

2)中亚农业水资源脆弱性变化随时间的推移表现为“前期升高, 中期降低, 后期稳定”的特点, 其变化类型以相对稳定为主。脆弱性升高地区分布在吉尔吉斯斯坦西部和土库曼斯坦地区, 而脆弱性降低地区分布在乌兹别克斯坦、塔吉克斯坦和咸海等地, 其他地区脆弱性变化较小。

3)中亚北部农业水资源脆弱性对农田灌溉定额和灌溉指数以负敏感为主, 对其他指标以正敏感为主, 而南部对各指标的敏感程度正负均有, 影响南部农业水资源脆弱性的因素较为复杂。从相关系数上来看, 森林覆盖率、农业用水比例、农田灌溉定额、灌溉指数和农业水分生产率是影响中亚农业水资源脆弱性空间差异的重要因素。

致谢 感谢中国科学院新疆生态与地理研究所周宏飞研究员在农学方面的指导。

[1] 商彦蕊. 自然灾害综合研究的新进展——脆弱性研究[J]. 地域研究与开发, 2000, 19(2): 73−77 SHANG Y R. Vulnerability study — The new development of synthetized study on natural disasters[J]. Areal Research and Development, 2000, 19(2): 73−77

[2] DOERFLIGER N, JEANNIN P Y, ZWAHLEN F. Water vulnerability assessment in karst environments: A new method of defining protection areas using a multi-attribute approach and GIS tools (EPIK method)[J]. Environmental Geology, 1999, 39(2): 165−176

[3] BOSCH D D. Ground water vulnerability assessment: Predicting relative contamination potential under conditions of uncertainty[J]. Journal of Environmental Quality, 1995, 24(2): 387−388

[4] GOGU R C, DASSARGUES. Current trends and future challenges in groundwater vulnerability assessment using overlay and index methods[J]. Environmental Geology, 2000, 39(6): 549−559

[5] 崔利芳, 王宁, 葛振鸣, 等. 海平面上升影响下长江口滨海湿地脆弱性评价[J]. 应用生态学报, 2014, 25(2): 553−561 CUI L F, WANG N, GE Z M, et al. Vulnerability assessment on the coastal wetlands in the Yangtze Estuary under sea-level rise[J]. Chinese Journal of Applied Ecology, 2014, 25(2): 553−561

[6] 马芳冰, 王烜, 李春晖. 水资源脆弱性评价研究进展[J]. 水资源与水工程学报, 2012, 23(1): 30−37 MA F B, WANG X, LI C H. Research progress in water resources vulnerability assessment[J]. Journal of Water Resources and Water Engineering, 2012, 23(1): 30−37

[7] 邹君, 杨琴. 基于GIS/RS的衡阳盆地农村水资源系统脆弱性动态演变研究[J]. 中国生态农业学报, 2015, 23(12): 1597−1604 ZOU J, YANG Q. Evaluation of the vulnerability of rural water resources system in Hengyang Basin based on GIS and RS[J]. Chinese Journal of Eco-Agriculture, 2015, 23(12): 1597−1604

[8] 邹君, 郑文武, 杨玉蓉. 基于GIS/RS的南方丘陵区农村水资源系统脆弱性评价——以衡阳盆地为例[J]. 地理科学, 2014, 34(8): 1010−1017 ZOU J, ZHENG W W, YANG Y R. Evaluation of water resources system vulnerability in southern hilly rural region based on the GIS/RS — Take Hengyang Basin as an example[J]. Scientia Geographica Sinica, 2014, 34(8): 1010−1017

[9] 夏军, 邱冰, 潘兴瑶, 等. 气候变化影响下水资源脆弱性评估方法及其应用[J]. 地球科学进展, 2012, 27(4): 443−451 XIA J, QIU B, PAN X Y, et al. Assessment of water resources vulnerability under climate change and human activities[J]. Advances in Earth Science, 2012, 27(4): 443−451

[10] 刘绿柳. 水资源脆弱性及其定量评价[J]. 水土保持通报, 2002, 22(2): 41−44 LIU L L. Concept and quantitive assessment of vulnerability of water resource[J]. Bulletin of Soil and Water Conservation, 2002, 22(2): 41−44

[11] 冯少辉, 李靖, 朱振峰, 等. 云南省滇中地区水资源脆弱性评价[J]. 水资源保护, 2010, 26(1): 13−16 FENG S H, LI J, ZHU Z F, et al. Study on water resources vulnerability assessment in Central Yunnan[J]. Water Resources Protection, 2010, 26(1): 13−16

[12] 黄友波, 郑冬燕, 夏军, 等. 黑河地区水资源脆弱性及其生态问题分析[J]. 水资源与水工程学报, 2004, 15(1): 32−37 HUANG Y B, ZHENG D Y, XIA J, et al. Analysis of water resources vulnerability and ecological problems in Heihe River Basin[J]. Journal of Water Resources and Water Engineering, 2004, 15(1): 32−37

[13] 焦士兴, 陈林芳, 王安周, 等. 河南省农业水资源脆弱性时空特征及障碍度诊断[J]. 农业现代化研究, 2020, 41(2): 312−320 JIAO S X, CHEN L F, WANG A Z, et al. The spatial-temporal patterns of vulnerability analysis and the obstacle diagnosis of agricultural water resource in Henan Province[J]. Research of Agricultural Modernization, 2020, 41(2): 312−320

[14] 杨琴, 柯樱海, 李小娟, 等. 湖南省水资源脆弱性时空演变研究[J]. 河南理工大学学报: 自然科学版, 2018, 37(3): 79−85 YANG Q, KE Y H, LI X J, et al. Spatial-temporal evolution of water resources vulnerability in Hunan Province[J]. Journal of Henan Polytechnic University: Natural Science, 2018, 37(3): 79−85

[15] 陈攀, 李兰, 周文财. 水资源脆弱性及评价方法国内外研究进展[J]. 水资源保护, 2011, 27(5): 32−38 CHEN P, LI L, ZHOU W C. Research progress on vulnerability of water resources and assessment methods at home and abroad[J]. Water Resources Protection, 2011, 27(5): 32−38

[16] POLSKY C, NEFF R, YARNAL B. Building comparable global change vulnerability assessments: The vulnerability scoping diagram[J]. Global Environmental Change, 2007, 17(3/4): 472−485

[17] ACOSTA-MICHLIK L, ESPALDON V. Assessing vulnerability of selected farming communities in the Philippines based on a behavioural model of agent’s adaptation to global environmental change[J]. Global Environmental Change, 2008, 18(4): 554−563

[18] CHEN F H, WANG J S, JIN L Y, et al. Rapid warming in mid-latitude central Asia for the past 100 years[J]. Frontiers of Earth Science in China, 2009, 3(1): 42−50

[19] VARIS O, KUMMU M. The major Central Asian river basins: An assessment of vulnerability[J]. International Journal of Water Resources Development, 2012, 28(3): 433−452

[20] LIOUBIMTSEVA E, HENEBRY G M. Climate and environmental change in arid Central Asia: Impacts, vulnerability, and adaptations[J]. Journal of Arid Environments, 2009, 73(11): 963−977

[21] HILL A F, MINBAEVA C K, WILSON A M, et al. Hydrologic controls and water vulnerabilities in the Naryn River basin, Kyrgyzstan: A socio-hydro case study of water stressors in Central Asia[J]. Water, 2017, 9(5): 325

[22] ALEKSANDROVA M, GAIN A K, GIUPPONI C. Assessing agricultural systems vulnerability to climate change to inform adaptation planning: An application in Khorezm, Uzbekistan[J]. Mitigation and Adaptation Strategies for Global Change, 2016, 21(8): 1263−1287

[23] 陈桃, 包安明, 郭浩, 等. 中亚跨境流域生态脆弱性评价及其时空特征分析——以阿姆河流域为例[J]. 自然资源学报, 2019, 34(12): 2643−2657 CHEN T, BAO A M, GUO H, et al. Ecological vulnerability assessment for a transboundary basin in Central Asia and its spatiotemporal characteristics analysis: Taking Amu Darya River Basin as an example[J]. Journal of Natural Resources, 2019, 34(12): 2643−2657

[24] 于水, 陈迪桃, 黄法融, 等. 中亚农业水资源脆弱性空间格局及分区研究[J]. 中国农业资源与区划, 2020, 41(4): 11−20 YU S, CHEN D T, HUANG F R, et al. Spatial pattern and zoning of agricultural water resources vulnerability during crop growth period in Central Asia[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2020, 41(4): 11−20

[25] 吉力力·阿不都外力, 马龙. 中亚环境概论[M]. 北京: 气象出版社, 2015 ABUDUWAILI J, MA L. Overview of Central Asian Environments[M]. Beijing: China Meteorological Press, 2015

[26] 陈曦, 姜逢清, 王亚俊, 等. 亚洲中部干旱区生态地理格局研究[J]. 干旱区研究, 2013, 30(3): 385−390 CHEN X, JIANG F Q, WANG Y J, et al. Characteristics of the eco-geographical pattern in arid land of Central Asia[J]. Arid Zone Research, 2013, 30(3): 385−390

[27] 陈佳, 杨新军, 尹莎, 等. 基于VSD框架的半干旱地区社会-生态系统脆弱性演化与模拟[J]. 地理学报, 2016, 71(7): 1172−1188 CHEN J, YANG X J, YIN S, et al. The vulnerability evolution and simulation of the social-ecological systems in the semi-arid area based on the VSD framework[J]. Acta Geographica Sinica, 2016, 71(7): 1172−1188

[28] 周瑞瑞, 米文宝, 李俊杰, 等. 宁夏县域城镇居民生活质量空间分异及解析[J]. 干旱区资源与环境, 2017, 31(7): 14−21 ZHOU R R, MI W B, LI J J, et al. Spatial differentiation of quality of urban life in Ningxia on county scale[J]. Journal of Arid Land Resources and Environment, 2017, 31(7): 14−21

[29] 林海明, 杜子芳. 主成分分析综合评价应该注意的问题[J]. 统计研究, 2013, 30(8): 25−31 LIN H M, DU Z F. Some problems in comprehensive evaluation in the principal component analysis[J]. Statistical Research, 2013, 30(8): 25−31

[30] 王莺, 王静, 姚玉璧, 等. 基于主成分分析的中国南方干旱脆弱性评价[J]. 生态环境学报, 2014, 23(12): 1897−1904 WANG Y, WANG J, YAO Y B, et al. Evaluation of drought vulnerability in southern China based on principal component analysis[J]. Ecology and Environmental Sciences, 2014, 23(12): 1897−1904

[31] 苏贤保, 李勋贵, 刘巨峰, 等. 基于综合权重法的西北典型区域水资源脆弱性评价研究[J]. 干旱区资源与环境, 2018, 32(3): 112−118 SU X B, LI X G, LIU J F, et al. Vulnerability assessment of water resources in the northwest typical area based on comprehensive weighting method[J]. Journal of Arid Land Resources and Environment, 2018, 32(3): 112−118

[32] 刘倩倩, 陈岩. 基于粗糙集和BP神经网络的流域水资源脆弱性预测研究——以淮河流域为例[J]. 长江流域资源与环境, 2016, 25(9): 1317−1327 LIU Q Q, CHEN Y. Vulnerability prediction of basin water resources based on rough set and BP neural network — a case of Huaihe basin[J]. Resources and Environment in the Yangtze Basin, 2016, 25(9): 1317−1327

[33] 李彤玥. 基于“暴露—敏感—适应”的城市脆弱性空间研究——以兰州市为例[J]. 经济地理, 2017, 37(3): 86−95 LI T Y. Spatial vulnerability based on the framework of the exposure-sensitivity-adaptive capacity: A case study of Lanzhou[J]. Economic Geography, 2017, 37(3): 86−95

[34] ZHENG H X, ZHANG L, ZHU R R, et al. Responses of streamflow to climate and land surface change in the headwaters of the Yellow River Basin[J]. Water Resources Research, 2009, 45(7): W00A19

[35] 陈迪桃, 黄法融, 李倩, 等. 1966—2015年天山南北坡空气湿度差异及其影响因素[J]. 气候变化研究进展, 2018, 14(6): 562−572CHEN D T, HUANG F R, LI Q, et al. Spatial variation of humidity and its influencing factors in the north and south slopes of the Tianshan Mountains, China during 1966–2015[J]. Climate Change Research, 2018, 14(6): 562−572

[36] 姚海娇, 周宏飞. 中亚地区跨界水资源问题研究综述[J]. 资源科学, 2014, 36(6): 1175−1182 YAO H J, ZHOU H F. A review of transboundary water resources in Central Asia[J]. Resources Science, 2014, 36(6): 1175−1182

[37] 杨胜天, 于心怡, 丁建丽, 等. 中亚地区水问题研究综述[J]. 地理学报, 2017, 72(1): 79−93 YANG S T, YU X Y, DING J L, et al. A review of water issues research in Central Asia[J]. Acta Geographica Sinica, 2017, 72(1): 79−93

[38] VINOGRADOV S, LANGFORD V P E. Managing transboundary water resources in the Aral Sea Basin: In search of a solution[J]. International Journal of Global Environmental Issues, 2001, 1(3/4): 345−362

[39] LIOUBIMTSEVA E. A multi-scale assessment of human vulnerability to climate change in the Aral Sea Basin[J]. Environmental Earth Sciences, 2015, 73(2): 719−729

[40] WHITE C J, TANTON T W, RYCROFT D W. The impact of climate change on the water resources of the Amu Darya Basin in Central Asia[J]. Water Resources Management, 2014, 28(15): 5267−5281

[41] WANG X X, CHEN Y N, LI Z, et al. Development and utilization of water resources and assessment of water security in Central Asia[J]. Agricultural Water Management, 2020, 240: 106297

[42] DADABAEV T. Water resource management in Central Asia: A Japanese attempt to promote water resource efficiency[J]. Journal of Comparative Asian Development, 2016, 15(1): 64−90

Analysis of agricultural water resource vulnerability and its variable characteristics in Central Asia*

YU Shui1,2,3,5, HUANG Farong1,2,4,5**, LI Lanhai1,2,3,4,5

(1. State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, China; 2. Ili Station for Watershed Ecosystem Research, Chinese Academy of Sciences, Xinyuan 835800, China; 3. University of Chinese Academy of Sciences, Beijing 100049, China; 4. Research Center for Ecology and Environment of Central Asia, Chinese Academy of Sciences, Urumqi 830011, China; 5. Key Laboratory of Water Cycle and Utilization in Arid Zone, Xinjiang Uygur Autonomous Region, Urumqi 830011, China)

Agricultural water utilization is a key link between natural environment and socio-economic system. It is important to investigate the vulnerability of agricultural water resources to secure water resource sustainability and mitigate flood and drought risks. To investigate the variable characteristics of agricultural water resource vulnerability in Central Asia, an index system was established with 18 indicators from three components — exposure, sensitivity, and adaptation — according to the scheme of vulnerability assessment. Based on the data on socio-economic factors, topography, land cover, and soil from 1992 to 2017, agricultural water resource vulnerability in Central Asia was calculated via the Equal-Weights and Principal Component Analysis (PCA) method. The results showed that the vulnerability of agricultural water resources in Central Asia was high in the south and low in the north. Among the five countries in Central Asia, the highest agricultural water resource vulnerability occurred in Turkmenistan, followed by Uzbekistan, Tajikistan, and Kyrgyzstan; the lowest agricultural water resource vulnerability occurred in Kazakhstan. These spatial patterns varied little over the past 26 years. Agricultural water resource vulnerability in Central Asia showed an increasing-decreasing-stabilizing pattern during the study period. Regional changes in the agricultural water resource vulnerability were dominated by a steady state during the entire study period. The variations in agricultural water resource vulnerability differed spatially over time, increasing in the west of Kyrgyzstan and Turkmenistan, declining in Uzbekistan, Tajikistan, and the Aral Sea region of Kazakhstan, and with little variation in the rest of the study area. Sensitivity analysis indicated that the agricultural water resource vulnerability varied in different areas of Central Asia. Temporal variations in the agricultural water resource vulnerability in the north were negatively related to the farmland irrigation quota and irrigation index but positively related to other indices. The sensitivities of indices were more complex in the south. Correlation analysis demonstrated that the forest coverage rate, proportion of agricultural water, farmland irrigation quota, water stress index, irrigation index, and agricultural water productivity ratio more strongly affected the spatial differences in agricultural water resource vulnerability than the other factors. Therefore, intensive agriculture practices, cropping structure adjustments, application of drought-tolerant crop varieties, and water-saving irrigation technology and measures should be implemented to reduce the vulnerability of agricultural water resources in Central Asia. This study analyzed the spatial and temporal variations in agricultural water resource vulnerability in Central Asia, explored the impact factors of these variations, and proposed recommendations to reduce the vulnerability of agricultural water resources. This work can inform agricultural water resources planning and management, adjustments of the agricultural production structure, and help to secure sustainable agricultural development in Central Asia.

Agriculture; Water resources; Vulnerability assessment; Central Asia

10.13930/j.cnki.cjea.200433

于水, 黄法融, 李兰海. 中亚农业水资源脆弱性及其变化特征分析[J]. 中国生态农业学报(中英文), 2021, 29(2): 256-268

YU S, HUANG F R, LI L H. Analysis of agricultural water resource vulnerability and its variable characteristics in Central Asia[J]. Chinese Journal of Eco-Agriculture, 2021, 29(2): 256-268

S273.1

* 中国科学院战略性先导科技专项(XDA2004030202)和新疆维吾尔自治区自然科学青年基金(2017D01B52)资助

黄法融, 研究方向为生态水文。E-mail:huangfr@ms.xjb.ac.cn

于水, 研究方向为水文与水资源。E-mail: yushui17@mails.ucas.edu.cn

2020-06-08

2020-09-22

* This study was funded by theStrategic Priority Research Program of Chinese Academy of Sciences (XDA2004030202), and the Natural Science Foundation of Xinjiang Uygur Autonomous Region of China (2017D01B52).

, E-mail: huangfr@ms.xjb.ac.cn

Jun. 8, 2020;

Sep. 22, 2020