2020, Vol. 50
在以全球变暖为主要特征的气候变化背景下，水资源短缺问题日益加剧[1]：气温升高会增加水量蒸发损失率，降水波动会改变地表径流，极端事件频发会加剧水资源短缺风险[2]。因此，开展气候变化背景下区域水资源供给量的预估研究，对解决水资源供需矛盾、合理规划和配置水资源具有一定的实践意义。目前，在区域水资源供给预估研究中，根据对供给量预测方法的不同，大致可归纳为两种：一是机理模型法，例如神经网络模型[3]、系统动力学模型[4]、灰色模型[5]等，二是统计模型法[6-9]。其中，机理模型法对输入变量和参数的专业性要求较高，而统计模型则对统计数据的可获得性要求较高。
青岛市作为中国北方缺水城市的典型代表之一，长期遭受水资源短缺的困扰，多年平均人均水资源量仅为全国平均水平的11%，随着经济、社会的快速发展，青岛市水资源供需矛盾问题愈发突出。现阶段，青岛市的水资源供给主要来源于两个渠道：一是本地水资源供给，二是客水调引供给。其中，对于青岛市而言，本地水资源的主要来源为大气降水, 大气降水的周期变化会影响地表水资源和地下水资源量的水位变化。相关研究显示[10-11]，在气候变化背景下，未来青岛市将呈现气温攀升及降水量整体下降的趋势，且降雨分布的空间异质性增加，干旱型缺水问题将更加严重。因此，预估气候变化背景下本地水资源的供给能力，对青岛市未来水资源配置和客水调引数量确定及分配等工作而言，都具有一定的实际应用价值。
针对青岛市水资源本地供给的特点，本文将统计模型法与机理模型法有机结合，基于区域水资源水量平衡原理，构建基于地理信息系统(Geographic Information System，GIS)的青岛市本地水资源供给预估方法; 在此基础上，根据气候变化及其影响的不确定性，设置不同的自然补给情景，对未来青岛市本地水资源的供给及其空间异质性进行有效预估及分析，以期为未来青岛市合理配置水资源和适应气候变化工作提供一定的技术依据。
1 研究区概况及数据来源青岛市地处山东半岛南部，位于119°30′E~121°00′E、35°35′N~37°09′N，东、南濒临黄海。青岛市现辖市南区、市北区、李沧区、崂山区、西海岸新区、城阳区、即墨区、胶州市、平度市、莱西市10个行政区(见图 1)。青岛市属北温带季风区域，具有显著的海洋性气候特点。据气象资料[12]显示，青岛市的多年平均气温12.2 ℃，呈现气温波动上升趋势; 青岛市多年平均降水量为687.3 mm，且总体呈波动减少趋势; 降水量的年际、年内波动性较大，空间差异性明显，年平均降雨量呈现由西南沿海向内陆逐渐递减规律。青岛市内的大小河流共200余条，多为独立入海的山溪性小河，可分为大沽河、北胶莱河以及沿海诸河流三大水系，且河流均为季风区雨源型，其径流量受气候变化影响较大。
|
图 1 青岛市研究区概况图 Fig. 1 Administrative division of Qingdao |
本文采用的青岛市水资源相关数据来源于公报类资料，主要涉及《青岛市志-自然地理志/气象志》、历年青岛市水资源公报(2011—2017年)、青岛市水源建设及配置十三五规划等。此外，在本文的预估过程中还使用了以下数据：(1)气象数据：1961—2017年青岛市7个监测站点(青岛、崂山、莱西、即墨、平度、胶州、胶南)的气温、降雨逐日数据，该部分数据来源于国家气象信息中心及青岛气象局，并经过质量检验和控制; (2)青岛市土地利用现状数据：由Landsat 8 OLI_TIRS卫星数据(http://www.gscloud.cn/)解译获得; (3)未来情景下青岛市土地利用数据：参考《青岛市城市环境总体规划(2016—2030年)》，根据2030年的青岛市土地利用分类规划图，在土地利用现状基础上参照管控区、控制区范围进行相应的调整; (4)土壤数据：采用1:100万的世界土壤数据库(Harmonized World Soil Database version 1.1)中的中国土壤数据，该数据来源于联合国粮农组织[13]。
2 研究方法本文针对青岛市本地水资源供给特点，根据不同情景下区域水量平衡原理，利用GIS的空间分析和地统计分析功能，构建了基于GIS的青岛市本地水资源供给预估方法。
2.1 不同情景下区域水量平衡原理 2.1.1 水量平衡原理本文按照分区统计的思路，将可利用降水作为主要自变量，探究青岛市本地水资源供给对可利用降水量的响应; 并在此基础上，考虑气候变化及其影响的不确定性，设置不同的自然补给情景，构建青岛市本地水资源供给的区域水量平衡原理。其中需要说明的是，考虑预估局限性，本文参照气候变化预估时限的中期预测方案(非短期预测或长期预测)[14-15]，将2030年作为目标年，并假定在短中期内地下水开采等其他人为因素不发生明显改变。
2.1.1.1 区域水量平衡原理在区域尺度上，由于地表水和地下水存在着相互补排、转化和循环等过程，地表水资源和地下水资源之间存在会被重复计算的水量，因此在计算区域水资源总量的过程中，需要扣除这部分重复计算量。针对青岛市实际状况，本地水资源量的区域水量平衡基本公式可以简化为：
| $ W=Q+U-D。$ | (1) |
其中：W表示多年平均水资源总量，m3; Q表示多年平均径流量，即地表水资源量，m3; U为多年平均地下水补给量，即地下水资源量，m3; D为地表水与地下水之间相互转化的重复计算量，m3。
2.1.1.2 以可利用降水量主要自变量的区域水量平衡原理对于青岛市而言，大气降水是主要的自然补给来源。但是，大气降水因存在蒸发等影响不能被全部利用，从降水总量中减去因蒸发而减少的水量，剩余的降水量才是真正能够被实际利用的大气降水，这部分降水量被称之为可利用降水量[16-17]。可利用降水量是本地水资源实际补给量，并转化为地表径流和地下补给的增加量，因此针对青岛市而言，水量平衡基本公式可以被认为是以可利用降水量为自变量的水量平衡公式：
| $ W(H)=Q(H)+U(H)-D(H)。$ | (2) |
式中:H表示可利用降水量，mm; W(H)表示本地水资源总量，m3; Q(H)、U(H)、D(H)分别表现地表水、地下水及重复计算量对可利用降水量的响应，以m3为计算单位，具体的计算方法将在后续小节中详细介绍。
2.1.1.3 不同情景下以可利用降水量为主要自变量的区域水量平衡原理气候变化的背景下，区域温度和降水均会发生变化，进而影响可利用降水量的变化，并最终导致水资源量(W)的变动。因此，本文将由可利用降水量的变化量(ΔH)而引起的水资源量变化量定义为ΔW(ΔH)，那么水资源量W就可以近似认为是ΔW(ΔH)与多年平均水资源量(
由于气候变化及其对水资源影响的不确定性，在进行未来情景下水资源量预估时，本文设置了针对可利用降水量的未来情景(Hi)，并参照《水文情报预报规范》(GB/T 22482-2008)，将未来情景细化为三种，分别为平均状态情景、偏枯状态情景、偏丰状态情景。故水量平衡公式进一步转化为：
| $ \Delta W(\Delta H)=W\left(H_{i}\right)-W(\bar{H}), $ | (3) |
| $ \begin{array}{c} \text { 即 } W_{i}=\Delta W(\Delta H)+\bar{W}=\left(W\left(H_{i}\right)-W(\bar{H})\right)+\bar{W} , \\ i=\left\{\begin{array}{l} 1, \text { 平均状态情景 } \\ 2, \text { 偏枯状态情景 } \\ 3, \text { 偏丰状态情景 } \end{array}\right.~~~~~~~~~~~。\end{array} $ | (4) |
式中：Hi、
作为区域水量平衡公式中的重要因子——可利用降水量，实际上就是降水量减去蒸发量剩余的降水量，因此可利用降水量的计算可通过降水量与蒸发量的差值获取。
其中，降水量(P)可以直接从各气象站点的监测数据中得到; 对于蒸发量而言，在实际预估过程中，由于其易受监测手段和方法等的影响，经验公式法成为估算蒸发量的常用方法[18-19]。本文利用高桥浩一郎经验公式[20]，从影响蒸发的两大物理影响因素(气温、降水)着手，间接进行估算。
| $ E_{\mathrm{m}}\left(P_{\mathrm{m}}, T_{\mathrm{m}}\right)=\frac{3100 P_{\mathrm{m}}}{3100+1.8 P_{\mathrm{m}}^{2} \exp \left(-\frac{34.4 T_{\mathrm{m}}}{235+T_{\mathrm{m}}}\right)}。$ | (5) |
式中:Em为月蒸发量(mm); Pm为月降水量(mm); Tm月平均气温(℃)。本文按照行政区分别统计各代表测站点的月平均气温及月降水量，计算得到各行政区的年平均蒸发量E(mm)，因此区域年可利用降水量则可以表示为：
| $ H=P-E=\sum\limits_{m=1}^{12} P_{\mathrm{m}}-\sum\limits_{m=1}^{12} E_{\mathrm{m}}\left(P_{\mathrm{m}}, T_{\mathrm{m}}\right)。$ | (6) |
对于可利用降水量的预估而言，目前常用的预估方法有统计方法[21]、动力模式方法[22]等。根据对预测精度的要求，本文采用了趋势外推法[23](属于统计方法类别)对可利用降水量的基本趋势进行预估。在假定到2030年青岛市的气候变化基本趋势不发生显著性变化的情况下，本文利用长时间序列(1961—2017年)的可利用降水量数据，采用趋势外延法，得到2030年各气象站点的可利用降水量预估值。
2.1.2.2 降水补给情景的划分本文参照《水文情报预报规范》，利用距平百分比法[24-25]，对可利用降水量进行情景划分。平水等级(-10% < 距平≤10%)对应的可利用降水量预估值为H1，将H1对应的降水补给情景称为历史趋势情景; 偏枯等级(-10% < 距平≤-20%)对应的可利用降水预估值为H2，将H2对应的降水补给情景称为偏枯状态情景; 偏丰等级(10% < 距平≤20%)对应的可利用降水预估值为H3，将H3对应的降水补给情景称为偏丰状态情景。其中，H1由趋势外延法得到，并根据各等级的距平范围，将H2、H3确定为相较H1发生±30%波动的预估值。
2.1.3 本地水资源供给对可利用降水量的响应 2.1.3.1 地表水补给量本文参照相关研究[26-27]，采用经典的美国农业部的径流曲线法(Soil Conservation Service-Curve Number Method，SCS-CN)，估算由可利用降水量产生的地表径流量，即地表水补给量，则可以将地表径流的估算公式写作：
| $ \begin{array}{c} Q(H)=\frac{(H-0.2 S)^{2}}{H+0.8 S} \times A \times 10^{3} \\ (H \geqslant 0.2 S, \text { 否则 } Q=0) \\ 其中~~~S=\frac{25400}{C N}-254 \end{array} $ | (7) |
式中:H为上文提到的可利用降水量，mm; Q(H)表示对可利用降水量响应的地表水补给量，m3; A表示地表水补给面积，km2; S为潜在最大持流量，mm; CN为反映区域特性的无量纲综合参数，表示形成地表径流的能力。
2.1.3.2 地下水补给量地下水补给量是指降水入渗土壤后由于重力作用下渗补给地下水的量。针对地下水补给，结合土地利用类型，根据大气降水入渗补给量计算方法(Precipitation Infiltration Recharge Calculation Based on Landuse Type，PIRCL)[28-29]，计算地下水入渗补给量。计算公式为：
| $ U(H)=\alpha \times H \times F \times 10^{3}。$ | (8) |
其中:U(H)表示对可利用降水量响应的地下水补给量，m3; F表示可入渗面面积，km2; α表示无量纲的大气降水入渗补给系数，它与土地利用情况有密切关系。
2.1.3.3 重复计算量根据相关研究，区域地表水和地下水的重复计算量与地形地貌具有一定的相关性[30-31]。假定在预测期内，地形地貌不发生变化，则：
| $ \begin{array}{l} D(H)=D(Q(H), U(H))= \\ a \times Q(H)+b \times U(H)+c。\end{array} $ | (9) |
式中:D(H)表示对可利用降水量响应的重复计算量; 系数a、b分别代表与地表水、地下水的相关性系数，c表示公式中的常系数。
2.2 基于GIS的青岛市本地水资源供给预估步骤根据不同情景下区域水量平衡原理，本文运用GIS的统计功能和空间分析功能，对不同情景下青岛市各行政单元的本地水资源供给进行预估，主要步骤如下：
2.2.1 研究区的合并与划分本文以青岛市所属的行政区划分研究单元，并综合考虑行政区划的历史变革，将青岛市共划为市内三区(市南区、市北区、李沧区)、崂山区、西海岸新区、城阳区、即墨区、胶州市、平度市、莱西市共八个研究单元。
2.2.2 基础地理数据的获取及预处理本文使用的基础地理信息数据主要分为三类：气象空间数据、土地利用数据、土壤类型数据。(1)针对气象空间数据，在气象站历史逐日气温、降水数据的统计分析基础上，将计算得出的气象数据与经纬度信息关联，在GIS平台上，通过创建事件图层，实现文本数据向空间点要素的转化; (2)针对土地利用数据，在遥感影像辐射校正、几何校正等预处理基础上，采用监督分类的方法解译，并利用GIS平台对解译结果进行矢量化、预测期土地利用变化调整等操作; (3)针对土壤类型数据，在获取世界土壤数据的中国数据库基础上进行预处理，利用GIS平台对数据库进行相应的空间分析，并得到土壤信息的栅格数据。
2.2.3 CN值与入渗系数的计算(1) 对于地表径流补给量计算中所需的CN值，结合青岛市土地利用类型、植被覆盖度、土壤类型等因素，对应水文土壤组的属性划分，查表获取(见《美国国家工程手册》[32])。在此基础上利用GIS平台的条件函数及重分类工具，完成CN值的栅格赋值; (2)对地下水入渗补给量计算中涉及到的入渗补给系数α，参照相关文献[28-29]，按照青岛市植被与土地利用分布特征，划分水域、可入渗地面、硬化地面三类土地利用类型分别赋值。对于小数型α值，结合栅格重分类与栅格运算完成小数型转换。
2.2.4 水资源数据的栅格化与计算由公报资料所获取的水资源数据多为文本数据，为实现基于GIS的多数据融合，本文利用数据关联、矢量转栅格等操作实现水资源数据的空间化，主要涉及：各研究单元的多年平均水资源量、地表地下水重复计算量的函数关系常量等。并在此基础上，根据不同情景下区域水量平衡原理，借助于GIS的栅格计算器、分区统计、多值提取至点等功能进行空间运算。
3 结果与分析 3.1 青岛市本地水资源供给的预估 3.1.1 不同情景下预估结果利用上述的预估方法，本文对2030年青岛市本地水资源供给量进行了预估，得到了在历史趋势、偏枯状态、偏丰状态三种情景下，青岛市本地水资源供给的预估结果(见表 1)。其中利用各行政单元的贡献率分别表示各行政单元本地水资源供给的预估量对青岛市本地水资源预估总量的贡献程度。
|
表 1 2030年青岛市本地水资源供给预估结果 Table 1 Prediction results of local water supply in Qingdao in 2030 |
历史趋势情景下的青岛市可利用降水量呈减少趋势，预计到2030年，全市本地水资源预估总量约108 220.0万m3。从各行政单元的贡献率来看，各行政单元对本地水资源预估总量的贡献率差异较大，表现为西海岸新区>平度市>莱西市>胶州市>崂山区>即墨区>城阳区>市内三区，其中西海岸新区和平度市两地的贡献率超50.0%，而市内三区及城阳区两地的贡献率却不足4.0%。
3.1.1.2 偏枯状态情景偏枯状态情景下的青岛市可利用降水的减少程度加剧，对本地水源的补给明显减少。青岛市本地水资源预估总量约41 611.2万m3，仅约占历史趋势情景预估总量的38.5%。从各行政单元的贡献率来看，从大到小为西海岸新区>崂山区>市内三区>胶州市>城阳区>莱西市>平度市>即墨区。对比历史趋势情景，各行政单元之间的贡献率差异增加，其中贡献率增加的行政单元为西海岸新区、崂山区、市内三区及城阳区，西海岸新区贡献率达59.4%，而下降明显的即墨区与平度区却出现了贡献率负值，表现出本地水资源的供给不足。
3.1.1.3 偏丰状态情景偏丰状态情景下，除西海岸新区的可利用降水量略有增加外，青岛市其他行政单元的可利用降水量值仍呈现减少趋势。全市本地水资源预估总量为177 459.7万m3，约为历史趋势情景预估总量的1.64倍。从各行政单元的贡献率来看，贡献率表现为西海岸新区>平度市>莱西市>即墨区>胶州市>崂山区>城阳区>市内三区。对比历史趋势及偏状态两种情景，各行政单元之间的供给率差异减小，其中，贡献率增加的行政单元均集中在即墨区、胶州市、平度市及莱西市，下降明显的西海岸新区的贡献率与平均贡献率更加接近。
3.1.2 预估结果的变化量本文根据上述不同情景下的预估结果，对比青岛市多年平均水资源量，对青岛市本地水资源供给的预估结果从数量变化上进行了比较。如图 2所示，利用预估得到的不同情景下青岛全市及各行政单元水资源供给的预估结果，分别与其各自的多年平均水资源量进行差值运算，得到本地水资源供给的情景预估结果较多年平均水资源量的变化量，下文简称变化量。
|
图 2 青岛市2030年本地水资源供给的预估量较多年平均水资源的变化量 Fig. 2 The change value of the local water in 2030 compared with the average water in Qingdao |
从整体来看，在设置的三种情景中，青岛市本地水资源供给整体呈现负变化量，以偏枯状态情景最为显著。偏枯情景下全市本地水资源供给的变化量达-106 577.0万m3，约为历史趋势情景变化量的1.6倍、偏丰状态情景变化量的4.6倍。
从各行政单元来看，在同一情景下的青岛市各行政单元本地水资源供给的变化量差异较大。综合来说，各行政单元变化量的绝对值从大到小依次为平度市、即墨区、莱西市、胶州市、西海岸新区、城阳区、崂山区、市内三区，历史趋势情景及偏枯状态情景下的变化量绝对值排序与其保持一致。但在偏丰状态情景下，西海岸新区呈现唯一的正变化量，变化量的绝对值排序则变为即墨区>平度市>莱西市>城阳区>崂山区>胶州市>市内三区>西海岸新区。
综上所述，在气候变化背景下青岛市本地水资源供给的预估量呈现整体减少状态，这使得未来青岛市本地水资源供给在气候变化背景下的紧缺性增加，即使是在偏丰状态情景下，供给仍然明显偏少。从各行政单元对预估总量的贡献率来看，各行政单元在不同情景下的贡献率相对大小不同，综合三种情景预估结果，平均贡献率呈现西海岸新区(41.1%)>崂山区(14.2%)>市内三区(14.1%)>胶州市(9.7%)>城阳区(9.0%)>莱西市(4.7%)>平度市(4.5%)>即墨区(2.6%)的特点; 从各行政单元预估结果的变化量来看，各行政单元在同一情景下的变化量差异较明显，三种不同情景下预估水资源减少量明显且超过3亿m3的区域集中在平度市、即墨区两地。同时本文利用已知数据，对部分研究区段进行趋势验证，结果显示
在对青岛市本地水资源供给的预估结果(预估量)数量关系分析的基础上，本文对未来青岛市预估量的空间分布进行了探讨。如图 3所示，预测到2030年青岛市本地水资源供给的预估量在历史趋势、偏枯状态、偏丰状态三种情景下呈现不同的空间分布特征：
|
图 3 历史趋势情景(a)、偏枯状态情景(b)、偏丰状态情景(c)下青岛市本地水资源供给的预估量(单位：104 m3) Fig. 3 Prediction of local water supply in Qingdao under different scenarios, historical trend scenario(a)、dry trend scenario(b) and wet trend scenario(c)(Unit:104 m3) |
历史趋势情景下的青岛市本地水资源供给的预估量整体呈西多东少的空间分布特征，预估量的高值地区主要分布在西海岸新区东部以及平度市中部，预估量的低值地区则主要分布于城阳区的东西两侧。从各个行政单元来说，历史趋势情景下的各行政单元之间的本地水资源预估量差别较大，根据行政单元的平均预估量(万m3)，呈现西海岸新区(37 928.3)>平度市(20 814.9)>莱西市(11 605.7)>胶州市(11 353.7)>崂山区(11 290.7)>即墨区(7 604.0)>城阳区(3 943.1)>市内三区(3 679.7)的分布特征。就行政单元内部的空间差异性来说，主要的空间分布特征如下：西海岸新区、胶州市的预估量呈东多西少趋势; 即墨、市内三区及崂山呈南多北少趋势; 城阳区与平度市呈现中心多外侧少的特点; 莱西市则呈现沿流域(大沽河)向外减少的分布特点。
3.2.1.2 偏枯状态情景偏枯状态情景下的青岛市本地水资源供给的预估量整体呈南多北少的空间分布特征，预估量的高值地区仍集中在西海岸的东部，而预估量的低值地区则集中于即墨区的北部。从各个行政单元来说，偏枯状态情景下的各行政单元的本地水资源呈现偏枯趋势，但较历史趋势情景预估量差别缩小，根据行政单元的平均预估量(万m3)，呈现西海岸新区(24 728.9)>崂山区(10 533.1)>市内三区(3 601.1)>胶州市(3 079.0)>城阳区(2 937.7)>莱西市(1 589.4)>平度市(-424.6)>即墨区(-4 433.4)的分布特征。且行政单元内部的空间分布特征与历史趋势情景下的内部分布特征基本一致，但内部的空间差异性增加，表现为即墨区南北部、莱西流域内外部、与平度市中心/外侧区域预估量的差异增加。
3.2.1.3 偏丰状态情景偏丰状态情景下的青岛市本地水资源供给的预估量整体分布特征与历史趋势情景相同，呈西多东少的空间分布特征。预估量的高值地区主要集中在西海岸的西南部，预估量的低值地区则主要分布于城阳区的东西两侧。从各个行政单元来说，偏枯状态情景下的各行政单元的本地水资源呈现偏枯趋势，但较历史趋势情景预估量差别缩小，根据行政单元的平均预估量(万m3)，呈现西海岸新区(51 267.4)>平度市(43 009.3)>莱西市(22 046.2)>即墨区(20 198.1)>胶州市(20 055.4)>崂山区(12 081.0)>城阳区(5 037.3)>市内三区(3 765.1)的分布特征。就行政单元内部的空间差异性来说，除西海岸新区外，其他行政单元内部的空间分布特征与历史趋势、偏枯状态情景下基本一致，而西海岸新区预估量的空间分布特征则与另外两种情景相反，呈东多西少的空间分布特征。同时，行政单元内部的空间差异性相对缩小，即墨区的南北部、莱西的流域内外部及平度市的中心与外侧区域尤为明显。
综上所述，在未来不同的气候变化背景下，青岛市本地水资源供给的预估量无论在整体还是行政单元内部，均呈现较大的空间差异性，这使得未来青岛市本地水资源供给在气候变化背景下的空间不均衡性增加。从预估量的整体空间分布特征来看，未来青岛市本地水资源供给的预估量大致呈西多东少、南多北少的空间分布特征; 各行政单元的预估量分布来看，各行政单元之间的预估量差异性明显，综合三种不同情况的本地水资源平均预估量(万m3)，呈现西海岸新区(37 974.8)>平度市(21 133.2)>莱西市(11 747.1)>胶州市(11 496.0)>崂山区(11 301.6)>即墨区(7 789.6)>城阳区(3 972.7)>市内三区(3 682.0)的空间分布特征; 且行政单元内部的空间分布特征各异，预估量的高值地区主要集中在西海岸新区，预估量的低值地区则主要分布于城阳区或偏枯状态情景下的即墨区。
3.2.2 预估量变化率的空间分布为进一步探讨青岛市本地水资源供给的预估量在不同情景下的空间异质性，本文对预估量较多年平均水资源量的变化率(简称变化率)的空间分布特征进行如下分析。
从整体来看，青岛市的预估量变化率主要在负值范围内波动，呈现预估量的下降趋势，且在设置的三种情景下差异性明显。根据变化率绝对值对比发现：历史趋势情景下，全市平均变化率约为-45.5%，变化率绝对值的高值地区分布于城阳区的东西两侧，而低值地区主要分布于西海岸新区东部以及市内三区; 偏枯趋势情景下，全市平均变化率约为-69.7%，变化率绝对值的高值地区主要分布于即墨区北部以及城阳区的东西两侧，而低值地区仍分布于西海岸新区东部以及市内三区; 偏丰趋势情景下，全市平均变化率约为-20.2%，变化率绝对值的高值地区分布在城阳区的东西两侧外，而低值地区则变为西海岸新区的西南部。
从各行政单元来看，在同一情景下各行政单元的预估量变化率差异较大。综合三种情景来说，行政单元中预估量变化率最明显的为城阳区的东西两侧以及即墨区北部。根据变化率的空间分布情况，在历史趋势情景下，未来本地水资源预估量变化程度呈现即墨区(-77.4%)>城阳区(-65.1%)>莱西市(-61.7%)>平度市(-59.8%)>胶州市(-45.5%)>崂山区(-30.7%)>西海岸新区(-18.2%)>市内三区(-5.2%)的特征; 在偏枯状态情景下，青岛市北部的变化率较历史趋势情景绝对值增加明显，未来本地水资源预估量变化排序则变为即墨区(-113.2%)>平度市(-100.8%)>莱西市(-94.8%)>胶州市(-85.2%)>城阳区(-74.0%)>西海岸新区(-46.6%)>崂山区(-35.4%)>市内三区(-7.2%); 在偏丰状态情景下，各行政单元的变化率波动较大，青岛市北部、中部地区负值变化率呈现增加，南部西海岸地区的变化率变为正值，故呈现城阳区(-55.4%)>即墨区(-40.0%)>莱西市(-27.3%)>崂山区(-25.9%)>平度市(-17.0%)>胶州市(-3.7%)>市内三区(-3.0%)>西海岸新区(10.6%)的变化程度分布特征(见图 4)。
|
图 4 历史趋势情景(a)、偏枯状态情景(b)、偏丰状态情景(c)下青岛市本地水资源供给的预估量较多年平均水资源量变化率(单位：%) Fig. 4 Change rate of local water resources'prediction compared with average water resources in Qingdao under historical trend scenario(a)、dry trend scenario(b)、wet trend scenario(c)(Unit:%) |
综上所述，从各行政单元预估量较多年平均水资源量的变化率分布来看，同一情景下行政单元内部的不同区域、与不同情景下行政单元内部的同一区域变化率的差异性均较明显。从前者同一情景下的差异性来看，变化程度较高的区域主要集中于本地水资源供给相对匮乏且城市化程度较高的市内三区、城阳区的东西两侧以及西海岸新区东部; 从后者不同情景下的差异性来看，变化率绝对值超过80%的区域主要集中在第一产业占比较大的即墨区、平度市、莱西市、胶州市，以偏枯状态情景时的变化程度最为显著。
4 结语从区域尺度上来看，本地水资源的供给是影响整个区域水资源供给和供需平衡的根本因素之一，对于水资源匮乏且仍处于快速城市化的北方城市尤其如此。气候变化背景下，未来水资源的供给将更加严峻，因此关注本地水资源供给及其空间异质性，将对未来水资源配置和适应气候变化工作起到重要的基础性作用。
本文从可利用降水量为切入点，利用水量平衡原理，构建了基于GIS的本地水资源供给预估方法，对未来青岛市本地水资源供给及其空间异质性进行有效预估及分析。结果显示，在无论何种自然补给情景的气候变化背景下，青岛市本地水资源供给将持续出现供给短缺且不均衡分布的特点。且对于青岛市而言，虽然气候变化及其对水资源影响存在着较大的不确定性，但结合青岛市气象水文历史统计资料和相关气候模拟结果来看，未来青岛市自然补给呈现较大可能性的偏枯状态趋势，本地水资源供给面临的挑战将更加严峻。因此在今后的水资源调配过程中，不仅要关注需求量，同时也要关注气候变化影响下本地水资源供给的空间差异性，特别是供需短缺严峻的区域，以达到将水资源配置与适应气候变化工作有机结合的目的。
致谢: 特别感谢中国海洋大学环境科学与工程学院江文胜教授、彭辉副教授、以及中国农业科学院许吟隆研究员对本文思路及方法的指导！
| [1] |
Educational U N. The United Nations World Water Development Report 2019: Leaving No One Behind[R]. Paris: UNESCO, 2019.
(  0) |
| [2] |
Educational U N. The United Nations World Water Development Report 4: Managing Water Report under Uncertainty and Risk[R]. Paris: UNESCO, 2013.
( 0) |
| [3] |
Jain A, Kumar V A, Chandra J U. Short-term water demand forecast modelling at ⅡT Kanpur using artificial neural networks[J]. Water Resources Management, 2001, 15(5): 299-321. DOI:10.1023/A:1014415503476
( 0) |
| [4] |
杨明杰, 杨广, 高普章, 等. 基于SD模型的干旱区城市水资源供需分析——以新疆克拉玛依市为例[J]. 人民长江, 2018, 49(5): 45-51. Yang M J, Yang G, Gao P Z, et al. Analysis of the supply and demand of water resources for city in arid region based on SD model: A case of Karamay, Xinjiang[J]. Yangtze River, 2018, 49(5): 45-51. ( 0) |
| [5] |
沈亮, 谢焕田. 基于组合模型的城市供水预测及水价调整决策[J]. 统计与决策, 2009(16): 46-48. Shen L, Xie H. Urban water supply forecast and water price adjustment decision based on combined model[J]. Statistics & Decision, 2009(16): 46-48. ( 0) |
| [6] |
刘珊珊.基于灰色预测的城市水资源可持续利用与管理研究[D].济南: 山东建筑大学, 2016. Liu S S. Research on Sustainable Utilization and Management of Water Resources Based on the Grey Prediction[D]. Jinan: Shandong Jianzhu University, 2016. ( 0) |
| [7] |
王春超.城市水资源供需预测方法及应用研究[D].北京: 华北电力大学, 2013. Wang C C. Methods and Application for Supply and Demand Prediction of Urban Water Resources[D]. Beijing: North China Electric Power University, 2013. ( 0) |
| [8] |
李楠. Logistic-ARIMA预测模型在城市水资源需求导向及优化配置中的应用分析[J]. 地下水, 2017, 39(4): 137-139. Li N. Logistic-ARIMA forecasting model in urban water demand orientation and application analysis in optimized configuration[J]. Ground Water, 2017, 39(4): 137-139. ( 0) |
| [9] |
赵军凯, 赵秉栋, 李九发, 等. 城市水资源供需平衡及预测分析——以开封市为例[J]. 水文, 2009, 29(6): 50-57. Zhao J K, Zhao B D, Li J F, et al. Analysis of water balance and prediction of water demand and supply in Kaifeng city[J]. Journal of China Hydrology, 2009, 29(6): 50-57. ( 0) |
| [10] |
田咏梅, 马艳, 于进付, 等. 气候变化背景下青岛地区气候环境特征分析[J]. 海洋湖沼通报, 2012(4): 10-15. Tian Y M, Ma Y, Yu J F, et al. Characteristics of Qingdao City climate under the background of global climate change[J]. Transactions of Oceanology and Limnology, 2012(4): 10-15. ( 0) |
| [11] |
张军岩, 於琍, 于格, 等. 胶州湾地区近50年气候变化特征分析及未来趋势预估[J]. 资源科学, 2011, 33(10): 1984-1990. Zhang J, Wu L, Yu G, et al. Analysis of climate change during the period 1959—2008 and climatic projection during the period 2011-2030 over the Jiaozhou Bay[J]. Resources Science, 2011, 33(10): 1984-1990. ( 0) |
| [12] |
青岛市史志办公室编.青岛市志·自然地理志/气象志[M].北京: 新华出版社, 1997. Editorial Board of Qingdao Shizhi Office. Journal of Qingdao City·Natural Geography/Meteorology[M]. Beijing: Xinhua Publishing House, 1997. ( 0) |
| [13] |
Nachtergaele F, Velthuizen H, Verelst L. Harmonized World Soil Database[M]. Italy: FAO, 2009.
( 0) |
| [14] |
周天军, 吴波. 年代际气候预测问题:科学前沿与挑战[J]. 地球科学进展, 2017, 32(4): 331-341. Zhou T J, Wu B. Decadal climate prediction: Scientific frontier and challenge[J]. Advances in Earth Science, 2017, 32(4): 331-341. ( 0) |
| [15] |
赵宗慈, 罗勇, 黄建斌. 10年时间尺度气候预测[J]. 气候变化研究进展, 2015, 11(2): 153-156. Zhao Z C, Luo Y, Huang J B. Decadal climate prediction[J]. Advances in Climate Change Research, 2015, 11(2): 153-156. ( 0) |
| [16] |
葛朝霞, 薛梅, 宋颖玲. 多因子逐步回归周期分析在中长期水文预报中的应用[J]. 河海大学学报(自然科学版), 2009, 37(3): 255-257. Ge C X, Xue M, Song Y L. Application of multi-factor stepwise regression cycle analysis in medium and long-term hydrological forecast[J]. Journal of Hohai University(Natural Sciences), 2009, 37(3): 255-257. ( 0) |
| [17] |
宋正山, 杨辉, 张庆云. 华北地区水资源各分量的时空变化特征[J]. 高原气象, 1999(4): 552-566. Song Z S, Yang H, Zhang Q Y. The characteristics of temporal and spatial variation of water resource components over North China[J]. Plateau Meteorology, 1999(4): 552-566. ( 0) |
| [18] |
吴立君, 葛朝霞, 曹琨, 等. 西北地区可利用年降水量趋势分析及预测[J]. 人民黄河, 2011, 33(12): 51-53. Wu L J, Ge Z X, Cao K, et al. Trend analysis and prediction of utilizable annual precipitation in northwest china[J]. Yellow River, 2011, 33(12): 51-53. ( 0) |
| [19] |
徐盼盼, 林涛, 钱会, 等. 1951—2015年西安市大气降水资源趋势分析及预测[J]. 水土保持研究, 2018, 25(5): 313-318. Xu P P, Lin T, Qian H, et al. Trend analysis and prediction of atmospheric precipitation in Xi'an during 1951—2015[J]. Research of Soil and Water Conservation, 2018, 25(5): 313-318. ( 0) |
| [20] |
高桥浩一郎, 王长根. 根据月平均气温、月降水量推算蒸散量[J]. 气象科技, 1980(S4): 48-50. Gao Q, Wang Z. Estimation of evapotranspiration based on monthly average temperature and monthly precipitation[J]. Meteorological Science and Technology, 1980(S4): 48-50. ( 0) |
| [21] |
程增辉, 陆宝宏, 王慧凤, 等. 山东地区气候要素变化特征分析及预测[J]. 水电能源科学, 2017, 35(5): 10-14. Cheng Z H, Lu B H, Wang H F, et al. Analysis and prediction of change characteristics of main climatic factors in Shandong Province[J]. Water Resources and Power, 2017, 35(5): 10-14. ( 0) |
| [22] |
周超. 区域气候模式RegCM3对华北地区未来气候变化的数值模拟[J]. 科技创新导报, 2017, 14(23): 130-131. Zhou C. Regional climate model RegCM3 numerical simulation of future climate change in North China[J]. Science and Technology Innovation Herald, 2017, 14(23): 130-131. ( 0) |
| [23] |
郎燕.城镇水资源保护规划优化模型研究[D].南京: 河海大学, 2006. Lang Y. Research on Optimal Model of Urban Water Resources Protection Planning[D]. Nanjing: Hohai University, 2006. ( 0) |
| [24] |
高桂霞, 许明丽, 唐继业. 干旱指标及等级划分方法研究[J]. 安徽农业科学, 2011, 39(9): 5301-5305. Gao G X, Xu M L, Tang J Y. Study on drought index and classification method[J]. Journal of Anhui Agricultural Sciences, 2011, 39(9): 5301-5305. ( 0) |
| [25] |
毛慧慧, 冯平, 周潮洪. 基于集对原理的水资源补偿特性分析方法[J]. 应用基础与工程科学学报, 2009, 17(2): 188-195. Mao H H, Feng P, Zhou C H. Analysis on water resources compensation characteristic based on set pair theory[J]. Journal of Basic Science and Engineering, 2009, 17(2): 188-195. ( 0) |
| [26] |
刘泉, 任三强, 黄文军. 基于SCS-CN模型的陕南地区坡地径流预测[J]. 绵阳师范学院学报, 2016, 35(11): 84-90. Liu Q, Ren S Q, Huang W J. Runoff estimation in hillslope cropland of the southern Shanxi area based on SCS-CN model[J]. Journal of Mianyang Normal University, 2016, 35(11): 84-90. ( 0) |
| [27] |
许璐, 曹广超, 魏星涛, 等. 利用与GIS相结合的SCS-CN方法估算降雨径流潜力[J]. 邢台职业技术学院学报, 2018, 35(3): 98-104. Xu L, Cao G C, Wei X T, et al. Estimation of rainfall runoff potential by SCS-CN method combined with GIS[J]. Journal of Xingtai Polytechnic College, 2018, 35(3): 98-104. ( 0) |
| [28] |
庞园, 曾慧, 张明珠. 基于GIS的广州市中心城区地下水资源评价[J]. 人民珠江, 2018, 39(8): 14-19. Pang Y, Ceng H, Zhang M Z. Groundwater resource evaluation in Guangzhou central based on GIS[J]. Pearl River, 2018, 39(8): 14-19. ( 0) |
| [29] |
张施跃, 束龙仓, 闵星, 等. 基于土地利用类型的大气降水入渗补给量计算[J]. 吉林大学学报(地球科学版), 2017, 47(3): 860-867. Zhang S Y, Shu L C, Min X, et al. Calculation of precipitation infiltration recharge based on land-use type[J]. Journal of Jilin University(Earth Science Edition), 2017, 47(3): 860-867. ( 0) |
| [30] |
祝岩石.三江平原地表水地下水资源重复计算量评价与分析[D].哈尔滨: 黑龙江大学, 2015. Zhu Y. Evaluation and Analysis of Surface Water and Groundwater Resources in San Jiang Plain[D]. Harbin: Heilongjiang University, 2015. ( 0) |
| [31] |
Gedeon M, Wemaere I, Marivoet J. Regional groundwater model of north-east Belgium[J]. Journal of Hydrology, 2006, 335(1): 133-139.
( 0) |
| [32] |
USDA-SCS. National Engineering Handbook Section 4: Hydrology[M]. Washington DC: Soil Conservation Service, US Department of Agriculture, 1985.
( 0) |