摘要 水資源承載力的評(píng)價(jià)是水資源合理配置和開發(fā)利用的基礎(chǔ)?；赟市2012—2021年的水資源統(tǒng)計(jì)資料，選取年底總?cè)丝诘?5項(xiàng)指標(biāo)，建立水資源承載力評(píng)價(jià)體系，采用主成分分析方法對(duì)研究區(qū)水資源承載力進(jìn)行時(shí)空演變分析。結(jié)果表明，影響研究區(qū)水資源承載力的三大主成分包括社會(huì)經(jīng)濟(jì)發(fā)展水平、人口與農(nóng)業(yè)發(fā)展因素和水資源的自然狀況；從時(shí)間上看，2012—2021年研究區(qū)的水資源承載力總體呈現(xiàn)波動(dòng)上升趨勢(shì)；從空間上看，研究區(qū)水資源承載力大體呈東部最高，中部、北部次之的空間分布格局。

關(guān)鍵詞 水資源承載力；主成分分析法；時(shí)空演變；綜合評(píng)價(jià)

中圖分類號(hào) TV213.4" "文獻(xiàn)標(biāo)識(shí)碼 A

文章編號(hào) 1007-7731（2024）11-0085-06

Temporal and spatial evolution of water resources carrying capacity in S City"based on principal component analysis

LIAO Jia" " OUYANG Xin" " ZHOU Xiang" " ZHOU Lu" " YANG Qiyong

（College of Agriculture Forestry Ecology， Shaoyang University，Shaoyang 422000， China）

Abstract Evaluation of water resource carrying capacity is the basis for rational allocation， utilization， and development of water resources. Based on the statistical data of S City from 2012 to 2021， the evaluation system of water resources carrying capacity was established by selecting 15 indexes including total population at the end of the year. The principal component analysis method was used to analyze the temporal and spatial evolution of the water resources carrying capacity in S City. The results showed that the main factors affecting the water resources carrying capacity in the study area include the level of social and economic development， population and agricultural development factors and the natural condition of water resources; from the perspective of time，the water resources carrying capacity of the study area showed a trend of fluctuant increase from 2012 to 2021; from the perspective of space， the water resources carrying capacity of the study area generally presents the highest spatial pattern in the east，followed by the middle and north.

Keywords water resources carrying capacity; principal component analysis; temporal and spatial evolution; comprehensive evaluation

水資源是人類生存和發(fā)展不可缺少的自然資源之一，隨著經(jīng)濟(jì)社會(huì)的發(fā)展，部分地區(qū)的水資源短缺和水污染等水安全問題顯現(xiàn)。通過對(duì)水資源進(jìn)行合理評(píng)價(jià)，并對(duì)其承載力進(jìn)行優(yōu)化，可以適當(dāng)減輕水資源安全問題給自然環(huán)境和經(jīng)濟(jì)社會(huì)發(fā)展帶來的不利影響[1]。區(qū)域水資源承載力是指在一定社會(huì)經(jīng)濟(jì)和科技發(fā)展水平條件下，以生態(tài)、環(huán)境健康發(fā)展與社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展相協(xié)調(diào)為前提的區(qū)域水資源系統(tǒng)能夠支撐社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展的合理規(guī)模[2]。

評(píng)價(jià)水資源承載力的方法主要有常規(guī)趨勢(shì)法[3]、主成分分析法[4]、模糊綜合評(píng)價(jià)法[5]和密切值法[6]等。焦嬌等[7]使用模糊綜合評(píng)價(jià)法對(duì)黑河中游區(qū)域水資源承載力進(jìn)行了綜合評(píng)價(jià)；劉友存等[6]使用密切值法對(duì)梅江流域水資源承載力進(jìn)行了分析評(píng)價(jià)。實(shí)踐中，影響水資源承載力的指標(biāo)是復(fù)雜、多維度的，上述評(píng)價(jià)方法在某些方面可能存在一定的局限性，難以做到全面、系統(tǒng)和客觀評(píng)價(jià)。主成分分析法可以將多個(gè)復(fù)雜變量進(jìn)行降維處理，簡(jiǎn)化為少數(shù)幾個(gè)綜合指標(biāo)，既保留了原有指標(biāo)的關(guān)鍵信息，又消除了冗余和邊緣的信息，客觀地確定指標(biāo)間的權(quán)重關(guān)系，消除了過多考慮單承載因子的不足，彌補(bǔ)了因參變量難以確切把握而導(dǎo)致得出不合理結(jié)論的不足等[8]。目前，主成分分析法在水資源承載力評(píng)價(jià)上得到了廣泛應(yīng)用，例如，楊小華等[9]運(yùn)用主成分分析法對(duì)江西省的水資源承載力進(jìn)行了研究；孟慶偉等[10]運(yùn)用主成分分析法對(duì)烏魯木齊市的水資源承載力進(jìn)行了分析與評(píng)價(jià)等。目前，已有的研究主要集中在水資源承載力的時(shí)間變化上，而水資源承載力時(shí)空演變的研究有待進(jìn)一步深入。

本文根據(jù)S市2012—2021年的水資源承載力相關(guān)數(shù)據(jù)，采用主成分分析法建立影響該研究區(qū)水資源承載力的評(píng)價(jià)指標(biāo)體系，對(duì)區(qū)域的水資源承載力進(jìn)行時(shí)空演變綜合評(píng)價(jià)，為該區(qū)域水資源的合理配置和開發(fā)利用提供參考。

1 材料與方法

1.1 研究區(qū)基本情況

研究區(qū)位于湖南省中部，資江上游，地處109°49′～112°5′ E，25°58′～27°40′ N，總面積20 824 km2，其水資源分屬資水、沅江、湘江和柳江流域，流域面積分別占總面積的70.8%、20.1%、6.6%和2.5%。屬典型的中亞熱帶濕潤(rùn)季風(fēng)氣候，年平均氣溫17.3 ℃。2021年降水量1 380.2 mm，水資源總量171.6×108 m3，降水充沛，但季節(jié)分配不均勻，主要集中在4—8月。區(qū)域經(jīng)濟(jì)發(fā)展穩(wěn)中向好。

1.2 水資源承載力指標(biāo)體系構(gòu)建與數(shù)據(jù)來源

水資源承載力涉及社會(huì)經(jīng)濟(jì)等多方面復(fù)雜要素，本文參考其他學(xué)者對(duì)水資源承載力的研究[11]，遵循科學(xué)性、可持續(xù)性和可行性等原則，選取15個(gè)評(píng)價(jià)指標(biāo)建立了研究區(qū)水資源承載力評(píng)價(jià)體系。具體指標(biāo)見表1。

評(píng)價(jià)指標(biāo)相關(guān)數(shù)據(jù)來源于2013—2022年研究區(qū)?。ㄊ校┙y(tǒng)計(jì)年鑒，2012—2021年省水資源公報(bào)，以及2014—2021年市水資源公報(bào)。

1.3 水資源承載力的主成分分析方法

主成分分析法是一種多元統(tǒng)計(jì)方法，可將多個(gè)水資源承載力指標(biāo)變量簡(jiǎn)化為少數(shù)幾個(gè)綜合指標(biāo)，是一種對(duì)高維變量空間降維的技術(shù)[12]，計(jì)算步驟如下[13]。

（1）原始數(shù)據(jù)變換。為了去除在實(shí)際應(yīng)用時(shí)量綱與數(shù)量級(jí)的不同而造成的影響，需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，公式如下。

[Yij=Xij?XjSj（i=1， 2， …， I;j=1， 2， …， J）] （1）

式（1）中，Yij為標(biāo)準(zhǔn)化后的數(shù)據(jù)，Xij為第i個(gè)樣本中第j個(gè)指標(biāo)的原始數(shù)據(jù)，Xj為第j個(gè)指標(biāo)的樣本均值，Sj為第j個(gè)指標(biāo)的標(biāo)準(zhǔn)差。

（2）計(jì)算相關(guān)系數(shù)矩陣R，公式如下。

[R=（Yij）I×J] （2）

式（2）中，[R=1n?1 ∑nk=1（Xkj?Xi）（Xkj?Xj）]

[i=1， 2， …， I;" j=1， 2， …， J]

（3）計(jì)算R的J個(gè)特征值λ1，λ2，…，λJ，以及對(duì)應(yīng)的特征向量U1，U2，…，UJ。

（4）計(jì)算累計(jì)貢獻(xiàn)率并確定主成分，公式如下。

[E=∑mk=1λk∑Jj=1λj] （3）

一般取Egt;85%時(shí)最小的m，得到主成分。

[Fk=∑Jj=1UkjXkj]（k=1，2，…，m） （4）

（5）求主成分權(quán)重ek，公式如下。

[ek=λk∑Jj=1λj]（k=1，2，…，m） （5）

（6）求綜合評(píng)價(jià)得分F。

[F=∑mk=1ekFk] （6）

1.4 數(shù)據(jù)處理與分析

采用SPSS 27.0軟件對(duì)指標(biāo)數(shù)據(jù)進(jìn)行計(jì)算處理，ArcGIS 10.8軟件對(duì)數(shù)據(jù)進(jìn)行空間分析處理。

2 結(jié)果與分析

2.1 水資源承載力影響因素的主成分分析

研究區(qū)水資源承載力各評(píng)價(jià)指標(biāo)的相關(guān)系數(shù)矩陣見表2。由表2可以看出，選取的15個(gè)評(píng)價(jià)指標(biāo)之間存在一定的相關(guān)性，其中X2與X3、X4之間的相關(guān)系數(shù)在0.980以上，存在極強(qiáng)正相關(guān)性；X5、X6與X2、X3、X4之間的相關(guān)系數(shù)在-0.920以上，存在強(qiáng)負(fù)相關(guān)性，這在一定程度上反映了主成分分析的合理性與必要性。

使用主成分分析得到研究區(qū)水資源承載力各主成分的特征值及貢獻(xiàn)率（表3）。由表3可知，前3個(gè)主成分的累計(jì)貢獻(xiàn)率已經(jīng)達(dá)到89.179%，按照累計(jì)貢獻(xiàn)率大于85.000%確定主成分?jǐn)?shù)量的原則，可以判定前3個(gè)主成分是影響該區(qū)域水資源承載力的主要因素。因此，本文選取前3個(gè)主成分對(duì)研究區(qū)的水資源承載力進(jìn)行分析評(píng)價(jià)。進(jìn)而計(jì)算各指標(biāo)在第一、二、三主成分上的載荷（表4）。

從表4可以看出，第一主成分與X2、X3和X4存在強(qiáng)正相關(guān)關(guān)系，與X5、X6和X8存在強(qiáng)負(fù)相關(guān)，主要代表社會(huì)經(jīng)濟(jì)發(fā)展水平；第二主成分與X10、X1和X7存在較強(qiáng)的正相關(guān)，與X9存在較強(qiáng)的負(fù)相關(guān)，主要代表人口與農(nóng)業(yè)發(fā)展因素；第三主成分與X11、X12存在較強(qiáng)的負(fù)相關(guān)，主要代表水資源的自然狀況。三大主成分包含了社會(huì)經(jīng)濟(jì)發(fā)展水平、人口與農(nóng)業(yè)發(fā)展因素和水資源的自然狀況等方面，比較全面、系統(tǒng)地概括了影響研究區(qū)水資源承載力的因素。因此，這3個(gè)主成分可以較好地反映研究區(qū)水資源承載力的變化狀況。

第一主成分的貢獻(xiàn)率達(dá)到53.799％，說明社會(huì)經(jīng)濟(jì)發(fā)展水平特別是工業(yè)經(jīng)濟(jì)發(fā)展水平是影響研究區(qū)水資源承載力的首要因子，在很大程度上影響著水資源承載力的大小和變化趨勢(shì)。水資源是社會(huì)經(jīng)濟(jì)發(fā)展不可或缺的重要組成部分，2012年研究區(qū)生產(chǎn)總值為1 028.41×108元，到2021年，生產(chǎn)總值達(dá)到2 461.53×108元，提高了139.35%；固定資產(chǎn)投資從2012年的761.60×108元增加到2021年的2 461.53×108元，增幅達(dá)223.21%，隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，水資源的消耗必然會(huì)增加。同時(shí)，隨著科學(xué)技術(shù)的不斷發(fā)展和工業(yè)用水效率的提高，每萬(wàn)元GDP用水量和萬(wàn)元工業(yè)增加值用水量也在逐年減少，這在一定程度上增加了研究區(qū)的水資源承載力。

第二主成分的貢獻(xiàn)率達(dá)到21.036%，說明人口與農(nóng)業(yè)發(fā)展因素也是影響水資源承載力的重要因子。2012—2021年，研究區(qū)總?cè)丝跀?shù)量保持在800.00×104人以上，總體呈上升趨勢(shì)，較大的人口數(shù)量對(duì)水資源的需求較大。研究區(qū)為重要農(nóng)業(yè)生產(chǎn)區(qū)，農(nóng)業(yè)用水量達(dá)總用水量的比重較大，一些農(nóng)業(yè)灌溉措施（如大水漫灌）和較低的用水效率，造成部分水資源浪費(fèi)，這些因素都可能會(huì)降低研究區(qū)的水資源承載力。

第三主成分的貢獻(xiàn)率14.344%，說明水資源的自然狀況也是不可忽視的一個(gè)影響因素。研究區(qū)位于亞熱帶季風(fēng)氣候區(qū)，年降水量豐富，資水自西南向東北橫貫研究區(qū)，總體水資源量充足。但水資源量在季節(jié)分配和年際變化上差異較大，存在明顯的豐、枯水季與豐、枯水年，這在一定程度上增加了研究區(qū)水資源承載力的不穩(wěn)定性。

2.2 研究區(qū)水資源承載力時(shí)間變化分析

計(jì)算3個(gè)主成分得分F1、F2和F3，并根據(jù)3個(gè)主成分的方差貢獻(xiàn)率加權(quán)平均，得出主成分的綜合得分F。研究區(qū)水資源承載力的各主成分得分和綜合得分及其排序見表5。

從表5可以看出，研究區(qū)水資源承載力綜合評(píng)分F在2012年最低，2020年最高，整體呈波動(dòng)式上升發(fā)展趨勢(shì)。第一主成分的得分F1與綜合得分F的變化趨勢(shì)大致一致，整體呈逐年上升趨勢(shì)，這與研究區(qū)逐年上升的經(jīng)濟(jì)發(fā)展程度密不可分，其中2020年達(dá)到最高，其原因可能可能是經(jīng)濟(jì)生產(chǎn)受到影響，經(jīng)濟(jì)生產(chǎn)用水量減少，一定程度上緩解了水資源承載力壓力。第二主成分的得分F2在2016年達(dá)到最高，波動(dòng)較大，并在2020年之后急劇降低，這與研究區(qū)人口數(shù)量有密切聯(lián)系。研究區(qū)人口數(shù)量在2016年之前持續(xù)增長(zhǎng)，并在2016年達(dá)到高峰，從2017年開始下降，并在2020年之后明顯減少，這一變化趨勢(shì)與第二主成分的得分F2變化趨勢(shì)高度吻合，說明人口數(shù)量是影響水資源承載力的一個(gè)重要因素。第三主成分的得分F3波動(dòng)較大，主要是因?yàn)檠芯繀^(qū)屬季風(fēng)區(qū)，降水年際變化較大，存在不穩(wěn)定性，隨著水利設(shè)施的建設(shè)和水資源的季節(jié)、年度調(diào)配增強(qiáng)，不穩(wěn)定的降水帶來的影響越來越小，研究區(qū)的水資源承載力逐漸趨向穩(wěn)定。

2.3 研究區(qū)水資源承載力的空間變化分析

為全面了解水資源承載力時(shí)空演變特征，對(duì)研究區(qū)各區(qū)域2014—2021年水資源承載力進(jìn)行計(jì)算，得到水資源承載力綜合得分時(shí)空演變，如圖1所示。從圖1可以看出，研究區(qū)東部的SD區(qū)域水資源承載力得分始終位于高值區(qū)；SQ區(qū)域水資源承載力得分明顯減少，從2014年的高值區(qū)下降到2021年的中等值區(qū)；WG區(qū)域水資源承載力得分則邁入較高水平，從2014年的中等值區(qū)提高到2021年的高值區(qū)；北部的XS區(qū)域、南部的SN和XN區(qū)域的水資源承載力略有下降；總體呈東部最高，中部、北部次之，南部最低的三級(jí)空間分布格局，變化趨勢(shì)呈北部、南部向中部和東部集中，且不同地區(qū)的得分差距增大，水資源承載力向經(jīng)濟(jì)發(fā)達(dá)區(qū)域集中化的趨勢(shì)明顯。

3 結(jié)論

本研究基于S市2012—2021年的社會(huì)經(jīng)濟(jì)水平及水資源相關(guān)數(shù)據(jù)，選取年底總?cè)丝诘?5項(xiàng)指標(biāo)建立水資源承載力評(píng)價(jià)體系，采用主成分分析方法對(duì)研究區(qū)水資源承載力進(jìn)行時(shí)空演變分析。通過主成分分析確定了影響該區(qū)域水資源承載力的三大主成分，即社會(huì)經(jīng)濟(jì)發(fā)展水平、人口與農(nóng)業(yè)發(fā)展因素和水資源的自然狀況。

2012—2021年研究區(qū)水資源承載力整體呈波動(dòng)上升趨勢(shì)，社會(huì)經(jīng)濟(jì)的快速發(fā)展不可避免地會(huì)加大水資源的開發(fā)利用強(qiáng)度。因此，應(yīng)在開發(fā)利用水資源的過程中，逐步提高水資源的利用效率，優(yōu)化生產(chǎn)用水機(jī)制，不斷提高單位水資源量的產(chǎn)值；加大對(duì)農(nóng)業(yè)技術(shù)的投入，實(shí)現(xiàn)農(nóng)業(yè)高質(zhì)量用水；加強(qiáng)水利設(shè)施管理，實(shí)現(xiàn)高質(zhì)量水資源調(diào)控。

研究區(qū)水資源承載力空間上大體呈東部較高，中部、北部次之空間分布格局，變化趨勢(shì)呈北部、南部向中部和東部集中，且不同地區(qū)的得分差距增大，水資源承載力向經(jīng)濟(jì)發(fā)達(dá)區(qū)域集中的趨勢(shì)明顯。

參考文獻(xiàn)

[1] 楊海燕，孫曉博，程小文，等. 基于VIKOR法的濰坊市水資源承載力綜合評(píng)價(jià)[J]. 環(huán)境科學(xué)學(xué)報(bào)，2020，40（2）：716-723.

[2] 段春青，劉昌明，陳曉楠，等. 區(qū)域水資源承載力概念及研究方法的探討[J]. 地理學(xué)報(bào)，2010，65（1）：82-90.

[3] 黨麗娟，徐勇. 水資源承載力研究進(jìn)展及啟示[J]. 水土保持研究，2015，22（3）：341-348.

[4] 李治軍，景安琳，黃佳俊，等. 基于主成分分析法的山西省水資源承載力分析[J]. 水利科學(xué)與寒區(qū)工程，2022，5（6）：70-74.

[5] 李建國(guó)，賈冬梅，吳東，等. 基于模糊綜合評(píng)價(jià)的水資源承載力研究[J]. 海河水利，2023（4）：5-10.

[6] 劉友存，張水燕，劉伊楠，等. 基于密切值法的梅江流域水資源承載力評(píng)價(jià)[J]. 中國(guó)國(guó)土資源經(jīng)濟(jì)，2023，36（6）：21-27，58.

[7] 焦嬌，胡廣錄，李嘉楠，等. 基于模糊綜合評(píng)判模型的黑河中游水資源承載力評(píng)價(jià)[J]. 水電能源科學(xué)，2023，41（2）：27-30.

[8] 肖迎迎，宋孝玉，張建龍. 基于主成分分析的榆林市水資源承載力評(píng)價(jià)[J]. 干旱地區(qū)農(nóng)業(yè)研究，2012，30（4）：218-223，235.

[9] 楊小華，黃尚書，何紹浪. 基于主成分分析的江西省水資源承載力評(píng)價(jià)[J]. 水利發(fā)展研究，2019，19（9）：38-41.

[10] 孟慶偉，蒲莉莉. 烏魯木齊市水資源承載力評(píng)價(jià)與分析[J]. 測(cè)繪與空間地理信息，2022，45（增刊1）：29-33.

[11] 劉佳駿，董鎖成，李澤紅. 中國(guó)水資源承載力綜合評(píng)價(jià)研究[J]. 自然資源學(xué)報(bào)，2011，26（2）：258-269.

[12] 徐建華.現(xiàn)代地理學(xué)中的數(shù)學(xué)方法[M].2版.北京：化學(xué)工業(yè)出版社，2001.

[13] 傅湘，紀(jì)昌明. 區(qū)域水資源承載能力綜合評(píng)價(jià)：—主成分分析法的應(yīng)用[J]. 長(zhǎng)江流域資源與環(huán)境，1999，8（2）：168-173.

（責(zé)編：何 艷）