环境科学学报  2018, Vol. 38 Issue (8): 3329-3338
引用本文
熊鸿斌, 周凌燕. 2018. 基于水足迹-灰靶的安徽省水资源可持续利用评价[J]. 环境科学学报, 38(8): 3329-3338.
Xiong H B, Zhou L Y. 2018. Sustainable utilization evaluation on water resources in Anhui Province based on water footpint-gray target theory[J]. Acta Scientiae Circumstantiae, 38(8): 3329-3338.
基于水足迹-灰靶的安徽省水资源可持续利用评价    [PDF全文]
熊鸿斌 , 周凌燕     
合肥工业大学资源与环境工程学院, 合肥 230009
收稿日期: 2017-12-29; 修回日期: 2018-03-10; 录用日期: 2018-03-10
基金项目: 安徽省重大科技攻关课题（No.08010302114）
作者简介: 熊鸿斌(1963-), 男, E-mail: xhb6324@sina.com
通讯作者（责任作者）: 熊鸿斌
摘要: 目前，在水资源可持续利用评价过程中，评价指标标准值及权重的确定均存在一定的主观性.针对该问题，本文以水资源时空分布不均的安徽省为研究对象，计算安徽省16个城市各类水足迹，并融合常规评价指标，基于PSR理论构建了水资源可持续利用综合评价体系.同时，采用熵权法对各评价指标进行赋权，选用灰靶模型进行计算，通过靶心度判断各城市水资源可持续利用水平的空间差异性，以增强不同评价单元之间的可比性.结果表明：2016年，农业生产用水足迹在安徽省16个城市总用水足迹中占比均居首位，在除马鞍山、铜陵、芜湖的多个城市中所占比重超过80%；工业用水足迹所占比重居次，马鞍山、铜陵、芜湖分别为45.94%、32.46%、25.17%，其余城市多集中在2%~10%；各城市生活用水水足迹和生态用水水足迹所占比重较小，均低于6%.2016年安徽省水资源可持续利用水平以中、差等级为主，大体呈北低南高的空间布局特征，优、良等级集中在皖南的黄山、铜陵、池州；压力层和状态层靶心度的空间分布与此相似，提升空间较大，响应层靶心度总体较高，未呈现明显空间差异性.
关键词: 水足迹     灰靶     安徽省     水资源     空间差异    
Sustainable utilization evaluation on water resources in Anhui Province based on water footpint-gray target theory
XIONG Hongbin , ZHOU Lingyan    
School of Resources and Environmental Engineering, Hefei University of Technology, Hefei 230009
Received 29 December 2017; received in revised from 10 March 2018; accepted 10 March 2018
Supported by the Significant Scientific and Technical Project of Anhui Province(No.08010302114)
Biography: XIONG Hongbin(1963—), male, E-mail:xhb6324@sina.com
*Corresponding author: XIONG Hongbin
Abstract: At present, there is some certain subjectivity in the evaluation process of sustainable utilization of water resources in terms of the standard value of the evaluation index and the establishment of weight. Aiming at the problems, to build a comprehensive evaluation system for the sustainable utilization of water resources with the integration of conventional evaluation indexes based on PSR theory, the water resources in Anhui Province with an unequal spatial and temporal distribution was taken as the research object, and the water footprints of 16 cities in Anhui Province were calculated. Furthermore, to enhance the comparability between different evaluation units, the gray target model was established, using the entropy weight method to empower the evaluation indexes, and the spatial difference of sustainable utilization level of urban water resources was judged by the target degree. The results showed as follows, ① In 2016, the water footprint of agricultural production is the highest in the total water footprint of 16 cities in Anhui Province, accounting for more than 80% of the cities except Ma'anshan, Tongling and Wuhu. The proportion of industrial water footprint occupies the second place, which are respectively 45.94%, 32.46% and 25.17% in Ma'anshan, Tongling and Wuhu, while the values are concentrated between 2% and 10% in the remaining cities. The proportion of domestic water footprint and ecological water footprint of each city is smaller than 6%. ② In 2016, the sustainable utilization of water resources is dominated by the middle and poor grades in Anhui Province, which are generally characterized by the spatial layout of north low and south high, while the excellent and good level are concentrated in Huangshan, Tongling and Chizhou in the southern Anhui. This is similar to the spatial distribution of the target degree of the pressure layer and the state layer, therefore, the space can be further increased. The response level is generally higher without obvious spatial difference.
Key words: water footprint     gray target     Anhui Province     water resources     spatial difference    
1 引言(Introduction)

水资源是支撑区域社会经济发展的物质基础, 也是生态系统平衡得以维持的必备自然资源(严岩等, 2017).随着经济不断发展和人口持续增长, 对水资源的需求量与日俱增, 水资源短缺问题已经成为制约城市可持续发展的关键因素(赵良仕等, 2014).安徽省地处长江和淮河中下游, 水资源时空分布不均, 人均水资源占有量不足全国平均水平的1/2, 水资源矛盾极其严重.因而, 如何对水资源的可持续性进行科学评价, 从而实现高效配置, 对实现安徽省的可持续发展具有重大意义.当前的水资源评价主要是通过构建常规的水资源指标体系, 就人类活动对水资源的可持续性、承载力和安全等产生的影响进行评价, 多运用模糊综合评价法(王睿等, 2017)、TOPSIS法(屈小娥, 2017)等来进行定量计算分析.模糊综合评价法通过数字手段对评价对象进行量化处理, 具有较好的预测性, 但确立隶属函数和隶属度的过程具有较强主观性, 往往使评价结果产生较大偏差；TOPSIS法基于实测数据对评价对象进行处理, 可有效避免主观因素干扰, 信息失真小, 但可能会改变原始数据间的关系结构.由于评价指标标准模式的难确定性, 上述方法往往缺乏对不同评价单元之间水资源状况的可比性的考虑(李玉凤等, 2012).而灰靶是处理模式序列的灰关联分析理论, 可在指标标准值难以确定的情况下, 根据指标原始数据设置标准值完成评价计算过程(税宁等, 2015).目前已有将灰靶理论应用于土地生态安全评价及土地利用规划的环境影响评价(李建龙等, 2016；侯玉乐等, 2017)的实例, 而采用灰靶评价水资源可持续利用状况的案例十分少见.

水足迹是“水在生产和消费过程中走过的足迹”(周玲玲等, 2014).2002年荷兰学者Hoekstra提出水足迹的概念, 并将其表述为在一特定的时间段内, 基于一定的物质标准, 某一区域或某一人群生产或消费一定数量的产品和服务所耗费的水资源数量(Hoekstra et al., 2004).从水足迹的视角评价水资源的利用情况, 可以有效体现水资源在经济活动中的流动性, 从本质上揭示人类消费模式对水资源产生的影响.近些年来, 我国学者在水足迹理论框架下进行水资源定量评价的研究也日益活跃.戚瑞等(2011)引入水足迹理论, 从水资源可持续性、水资源生态安全、水资源结构和效益等方面构建区域水资源利用评价指标体系, 识别水资源利用的真实情况；潘安娥等(2014)基于水足迹理论, 定量评价湖北省经济发展与水资源利用间的协调关系；潘文俊等(2012)建立水资源评价指标, 对九龙江流域的水足迹进行综合比较分析.但纵观我国的水足迹研究, 多直接采用水足迹计算结果评价水资源状况, 将水足迹相关指标与常规水资源可持续利用指标结合构建综合指标体系进行水资源分析的研究尚不多见.

因此, 本研究对安徽省2016年的水足迹进行核算和分析, 基于PSR框架模型, 将部分水足迹指标与常规水资源指标结合, 构建区域水资源可持续利用评价指标体系, 采用灰靶模型对区域水资源的利用状况进行综合评价, 以增强不同评价单元之间的可比性, 并应用于安徽省的具体实例中, 旨在从更全面科学的角度探究安徽省水资源可持续利用水平的空间差异.通过对评价结果进行分析, 证明该模型具有实际应用性, 并提出针对性的水资源开发利用措施, 以期为安徽省水资源的合理开发和高效配置提供方向和理论支撑.

2 研究方法(Research methods)

本研究基于水足迹理论核算相关水足迹指标, 对安徽省水足迹进行分析, 并根据PSR模型从压力、状态、响应3个方面构建水资源利用综合评价指标体系, 采用客观赋权法中的熵权法对指标进行赋值, 并引入灰靶模型对安徽省水资源的利用状况进行评价.

2.1 水足迹计算

水足迹的计算方法目前共有4种, 本研究采用自下而上法对水足迹进行计算(刘民士等, 2014), 即水足迹总量等于内部水足迹和外部水足迹之和, 通过对研究区域内产品或服务耗费的水资源量进行求和来获取水足迹的计算结果, 具体计算公式(余灏哲等, 2017)如式(1)~(4)所示, 其中所涉物理量单位均为108 m3.

(1)

式中, WUA为该研究区域的农业生产用水量(不包含农业灌溉中的那部分损失量)；WUI表示该研究区域工业生产所用水量；WUD表示该研究区域的居民生活用水量；WUE表示该研究区域的生态环境所用水量；VWEDOM表示该研究区域向其它区域输出的虚拟水量(数值上等于进口贸易值与生产总值之比, 再乘以总生产耗水量).

(2)

式中, WFP是一个国家或区域的水足迹总量; IWFP是内部水足迹, 表示一定量人口消费该区域内的产品或服务所需要的水资源总量; EWFP是外部水足迹, 即从外部区域输入到本区域的虚拟水总量.

(3)

式中, WUA1是农作物产品的用水量；WUA2是动物产品的用水量.

(4)

式中, VWI表示从其它区域输入到该研究区域的虚拟水量(数值上等于出口贸易值与生产总值之比, 再乘以总生产耗水量)；VWi-e表示向其它国家或地区输出的进口产品再出口的虚拟水含量, 由于该数据较难获取, 假定其为0.

2.2 评价指标体系构建

PSR模型从总体上反映了资源环境与人类活动之间相互制约的关系, 包含压力指标、状态指标及响应指标.其中, 压力通常反映人类活动给生态环境带来的负荷, 回答为什么会发生的问题；状态则表征自然资源、环境和生态系统的状况及其变化趋势, 回答发生了什么的问题；响应是指人类采取的各种有效措施和对策, 旨在缓解人类活动对环境造成的破坏, 保障可持续发展(邱微等, 2008).

2.3 指标权重计算

熵权法是一种客观赋权方法, 它的基本原理是根据各评价指标的变异程度, 利用信息熵计算各指标的熵权, 再通过熵权对各指标权重进行修正, 得出最终的权重计算结果(张向东等, 2014).在熵权法中, 信息熵越大, 熵权越小, 所反映的信息越少, 表明该指标越不重要；反之亦然.本研究参照文献(孙鸿鹄等, 2015)进行指标权重计算.

2.4 灰靶评价

灰靶模型的原理是在缺乏标准模式的情况下, 设定一个灰靶, 然后找到靶心将其设置为标准模式；并将待评模式和标准模式进行比较, 从而识别模式接近靶心的程度, 简称靶心度；最后依据靶心度等级的划分标准进行模式分级, 确定水资源利用的评价等级(李红等, 2012).

2.4.1 标准化评价矩阵构建

假设共有m个评价单元, 每个单元有n个评价指标, 首先构建原始判断矩阵A：

(5)

式中, aij表示评价单元i中第j个评价指标的对应数值.

评价指标有正向指标与负向指标之分, 要分别对其指标数据进行标准化处理.对于正向指标, 按照式(6)进行标准化处理；对于负向指标, 按照式(7)进行标准化处理；最后得到标准化评价矩阵R (式(8)).

(6)
(7)
(8)

式中, rij为aij标准化后的数据, rij∈[0, 1].

2.4.2 标准模式的构建

标准模式是由评价指标标准化后数据组成的序列, 最能够反映评价单元的优劣程度(李建龙等, 2016).本研究构建标准模式的公式如下所示：

(9)

式中, X0为标准模式序列, Un为第n个评价指标, X0(Un)为Un的标准值, 当Un为正向指标时, X0(Un)取原始数据的极大值, 反之则取极小值.

2.4.3 灰靶变换和灰色关联差异信息的确定

灰靶靶心的计算公式如下:

(10)

式中, x0为靶心, m为评价单元的个数, 则对评价单元Xi中的评价指标Uk进行灰靶变换的公式如下所示：

(11)

式中, xi(Uk)为对评价单元Xi中的评价指标Uk进行灰靶变换后的值, Xi(Uk)为评价单元Xi中的评价指标Uk的原始值, X0(Uk)为评价指标Uk的标准值.

灰色关联差异信息空间计算公式如下所示：

(12)

式中, Δ为差异信息集, x0(Uk)的值为1, 所以上式等价为：

(13)
2.4.4 靶心系数和靶心度的计算

靶心系数的计算方法如式(14)所示, 靶心度计算过程如式(15)所示.

(14)
(15)

式中, γ[x0(Uk), xi(Uk)]为评价单元Xi中的评价指标Uk与标准模式X0中相对应指标的靶心系数, Δ0i(Uk)为评价单元Xi中的评价指标Uk的灰色关联差异信息, γ(x0, xi)是评价单元Xi的靶心度, Wk为第k个指标的权重.

3 研究区概况与数据来源(Situation of the study area and data source) 3.1 研究区概况

安徽省属中国华东地区(114°54′~119°37′E, 29°41′~34°38′N), 地处热带与亚热带之间, 全省辖有16个地级市.截至2016年底, 全省总面积14.01万km2, 人口总数约为6950万.安徽省境内主要有三大流域, 包括淮河流域、长江流域和东南诸河, 全省人均水资源占有量不足全国平均水平的1/2.地形和季风环流导致安徽省的降水量时空差异较为明显, 旱涝等自然灾害频发.近些年来, 安徽省经济的快速发展进一步激化了水资源之间的供需矛盾(周亮广等, 2011).

3.2 数据来源

农产品及动物产品单位质量虚拟水含量由于缺乏相关气象数据, 不做相关计算, 参照Chapagain等(2011)关于中国地区的研究成果并类比刘民士等(2014)关于安徽省水足迹的研究进行修正和计算, 安徽省2016年的农作物、动物产品的总产量数据, 以及工业用水、生活用水、生态用水数据及常规的环境、经济指标等数据均来源于2017年《安徽省统计年鉴》, 部分无法直接得到的指标数据通过公式计算获取.

4 评价结果与分析(Assessment results and analysis) 4.1 水足迹核算结果

农业生产水足迹主要由农产品水足迹和动物产品水足迹两部分构成.通过选取主要的农畜产品, 结合刘民士等(2014)关于安徽省单位质量农业产品虚拟水含量研究成果和统计年鉴中各类农产品总产量数据, 将两者相乘得到2016年安徽省各城市主要农产品的水足迹结果(表 1), 主要动物产品的水足迹总量如表 2所示, 综合表 1和表 2的计算结果并根据公式(1)~(4)得到安徽省各类水足迹(表 3).

表 1 安徽省各地市2016年主要农产品水足迹总量 Table 1 The total water footprint of every city′s main crop products in Anhui Province, 2016

表 2 安徽省各地市2016年主要动物产品水足迹总量 Table 2 The total water footprint of every city′s main animal products in Anhui Province, 2016

表 3 安徽省各地市2016年各类水足迹 Table 3 The various water footprint of every city in Anhui Province, 2016

为便于各城市之间作定量比较, 分析了安徽省不同城市水足迹总量结构组成的差异性, 根据表 3计算得到各用水行业水足迹占比的具体数据如表 4所示.基于表 3中各类水足迹计算结果绘制2016年安徽省水足迹总量及各产业用水量图如图 1所示.

表 4 2016年安徽省各城市生产用水量占比 Table 4 The proportion of various water footprint of every city in Anhui Province, 2016

图 1 2016年安徽省各城市水足迹总量 Fig. 1 The total water footprint of every city in Anhui Province, 2016

结合表 4, 从水足迹的结构组成来看, 安徽省各城市农业生产水足迹所占比重最大, 其次为工业生产水足迹, 而生活用水水足迹和生态用水水足迹所占比重则相对较小, 集中分布在6%以下.除马鞍山、铜陵、芜湖等城市的工业生产水足迹在总水足迹中占据较大的比重外, 安徽省其余城市均表现出典型的农业城市特征, 农业用水水足迹在总水足迹中占比均超80%.这表明安徽省总体上以农业生产为主, 而单位质量的农产品的经济价值较低, 产业结构不够合理, 造成水资源可持续利用水平总体较差, 存在很大的提升空间.此外, 由表 4可看出：内部水足迹是总水足迹的重要组成部分, 除铜陵市外, 其余城市占比均超90%；但从内部水足迹总量的角度看, 不同城市之间差异明显, 这与安徽省的社会经济发展和人口增长等因素密不可分, 而外部水足迹总量小、占比低, 对总水足迹的影响微乎其微.

结合图 1, 从水足迹总量的角度来看, 宿州、阜阳、滁州、亳州、蚌埠等城市地处淮北平原, 该区位于暖温带的南缘, 水热条件较好, 适宜农业的综合发展, 故而农业水足迹占据很大比重, 水足迹总量居于安徽省的前列；合肥、安庆、六安属江淮丘陵农业区, 该区地处亚热带与暖温带的过渡地带, 自然条件优越, 种植业以稻麦等粮食作物为主, 产量高, 农业水足迹大, 因而水足迹总量次之；而宣城、池州、黄山等地农业生产以林茶为主, 虽然茶叶等单位质量虚拟水含量高, 但由于总产量远低于粮食作物, 因而水足迹总量居于安徽省末位；而淮南、芜湖、马鞍山、铜陵、淮北等城市工业较为发达, 工业水足迹在总水足迹中占据较大比重, 水足迹结构独特, 水足迹总量较低.

4.2 水资源可持续利用综合评价指标体系构建

水资源可持续利用能力与自身所处自然环境状况息息相关, 人类活动也会导致其呈现不同状态, 研究区域的经济、管理水平也将影响水资源的显著变化.因此, 研究区域水资源可持续利用水平需要全面考虑内在的社会属性和外在的自然属性(贾紫牧等, 2017).近年来, 已有部分学者基于水足迹理论, 从对水环境系统的影响出发构建区域水资源可持续利用综合评价指标体系.本研究参照戚瑞等(2011)、余灏哲等(2017), 周玲玲等(2014)的研究成果, 统计相关文献中各类指标的使用频率, 根据指标数据的可获取性作适当删减, 并基于PSR框架的理论基础, 确定具体的指标包括3个方面：压力指标、现有状态指标和响应指标.在压力指标方面, 主要考虑由于人类的生产和生活活动给水资源系统带来的影响, 直接影响因素包括区域的人口增长情况、城市的发展状况、区域水资源系统承载的用水负荷, 并考虑城市发展过程中工业、农业、生活和生态用水等带来的压力；在现有状态指标方面, 主要考量研究区域对内外部水资源的开发利用程度、单位质量的水足迹所负载的人口数量和土地面积及区域内部的水资源数量及水源涵养情况, 此外, 农田的抗旱能力也从某一方面反映水资源的可持续利用状况；在响应指标方面, 主要选取各种能够反映水资源遭受破坏或污染后恢复能力的因素, 包括对环保的重视程度、区域的绿化现状和发展速度及污水处理率等(赵颢瑾等, 2018).最终选取共计19项指标构建综合评价指标体系, 具体指标及相关描述见表 5.

表 5 基于水足迹理论的安徽省水资源可持续利用综合评价指标体系 Table 5 The comprehensive indicator system of evaluating sustainable utilization of water resources based on water footprint method in Anhui Province

基于指标原始数据并参照文献(孙鸿鹄等, 2015)中的熵权法进行指标权重计算, 结果如表 6所示.

表 6 评价指标权重 Table 6 Evaluation index weight
4.3 灰靶评价结果

在构建标准模式的过程中, 根据表 5可知：指标C1、C8、C9、C10、C11、C12、C16、C17、C18、C19具有极大值属性, 指标C2、C3、C4、C5、C6、C7、C13、C14、C15具有极小值属性.因而根据公式(9)和指标原始数据可知, 本次研究的标准模式为{1.53%, 0.26%, 0.07, 51.21%, 2.16%, 1.28%, 38.28%, 190.90, 14.23, 10.18%, 491.15, 83.25%, 10.64, 0.07, 89.82%, 1.39%, 48.50%, 99.71%, 17280}.根据公式(11)、(13)可对指标原始数据进行灰靶变换得到灰色关联差异信息空间, 并根据公式(14)计算得到靶心系数, 基于靶心系数计算结果和公式(15)可得到目标层的靶心度综合, 压力层、状态层和响应层的靶心度也可依据上述过程计算得到, 具体结果见表 7.

表 7 各评价单元靶心度 Table 7 Approaching degree in each unit

灰靶模型基于靶心度计算结果人为划分评价等级, 可以有效避免传统等级划分及参照标准的适用性存在局限性的问题.多位学者根据等分取整原则(张俊凤等, 2014；李建龙等, 2016)来进行评价等级划分, 即根据靶心度的集中分布范围将其等分成几个等级.由表 7可知, γ的取值范围主要集中在0.40~0.80, 本文参照相关学者(韩美等, 2015；凌红波等, 2015；王壬等, 2015)的研究成果, 按照等分取整原则最终确定将安徽省水资源可持续利用水平划分为4个等级, 划分标准如表 8所示.

表 8 评价等级划分标准 Table 8 The standard of evaluation grade

根据表 7可得到安徽省2016年各城市压力层、状态层、响应层的靶心度, 同时依据表 8, 将安徽省16个城市的压力层、状态层、响应层靶心度划分为4类, 结果分别见图 2a~2c.同样依据表 7中靶心度综合值和表 8中评价等级划分标准将安徽省水资源可持续利用水平划分为优、良、中、差4个等级, 分析安徽省水资源可持续利用水平空间差异(图 2d).

图 2 安徽省2016年各城市压力层靶心度(a)、状态层靶心度(b)、响应层靶心度(c)及水资源可持续利用水平(d) Fig. 2 The approaching degree of pressure layer(a), state layer(b), response layer(c) and sustainable utilization level of water resources (d) in Anhui Province, 2016

由图 2a可知, 安徽省各城市2016年压力层靶心度较低, 大多数城市处于较差或中等级别, 总体呈现出南高北低的分布规律.这说明安徽省各城市的水资源利用方式和产业结构不合理, 发展不协调, 对水资源利用产生很大压力；另一方面, 社会生产力高速发展, 城市化不断推进, 高度密集的人口对水资源的需求量与日俱增, 水资源的利用也面临新的挑战；总体而言, 安徽省各城市压力层的靶心度仍有很大的提升空间.由图 2b可知：安徽省各城市2016年状态层靶心度的分布规律与压力层相似, 安徽省南部相对较高, 基本处于中等级别, 北方城市靶心度较低, 但各城市情况均不容乐观.这主要是由于安徽省水资源总量匮乏, 降水时空分布不均, 而过度依赖城市内部水资源, 缺乏与外部的水资源贸易导致水资源利用形势严峻.由图 2c可知, 2016年安徽省各城市响应层的靶心度较高, 响应措施较为完善, 各城市的靶心度均处于优或良的级别.这说明随着对环境问题重视程度的提高和可持续发展观念意识的增强, 安徽省各城市环保投资的力度日趋加大, 而对废水进行高效处理, 积极造林以提高森林覆盖率和绿化覆盖率也取得了明显的成效.综上所述, 安徽省各城市压力层、状态层的靶心度大多处于较差级别, 采取有效措施可使水资源可持续利用水平得到明显提升, 而响应层靶心度表现较优, 仍需做适当的调整和优化.

由图 2d可看出, 安徽省水资源可持续利用水平总体呈南高北低的趋势, 这与安徽省降雨量时空分布不均, 生产方式和产业结构多样化及快速发展的经济和高速增长的人口等因素带来的巨大压力密切相关.具体分析如下：

1) 安徽水资源可持续利用水平与降雨量空间分布关系密切:安徽省行政区域内主要有三大流域, 包括淮河流域、新安江流域和东南诸河, 全省季风明显, 东南季风的影响由南向北逐渐减弱, 降雨量空间分布呈现由北向南递增的趋势, 长江以南降水量较大, 淮河以北降水量较小, 且山地多于平原.而安徽省水资源可持续利用状况较优的城市主要分布在淮河以南区域, 如黄山、池州、铜陵等地的靶心度综合值均位居前列；而降水量较少的淮河以北地区, 诸如淮北、淮南、蚌埠等城市的水资源可持续利用状况则处于较差水平.

2) 生产方式和产业结构对水资源的可持续利用水平产生一定的影响:以工业为主导产业的马鞍山、淮南、淮北、芜湖等城市的工业用水水足迹相较其它城市占据更大的比重, 靶心度相对较低, 水资源可持续利用均面临较大压力.除上述城市以外, 安徽省其余城市的农业用水水足迹在总水足迹中占据绝对优势.虽然农业是这些区域的支柱产业, 但却呈现出明显的差异性.这主要与种植的农产品种类、数量与灌溉方式有关.

3) 人口和经济增长给水资源可持续利用带来很大压力:相较于人口密度较小、城市化率较低、经济较不发达的亳州、六安、安庆等地, 人口密集、经济发展迅速的合肥、芜湖、马鞍山、蚌埠等城市由于可用水资源量相对较少, 而各行各业对水资源的需求量大, 产生较多污染物质, 影响水资源安全, 对水资源的可持续利用产生很大的阻力.

4.4 建议及对策

1) 发展跨流域调水, 重新分配水资源.安徽省地处南北过渡带, 虽然河流众多, 但水资源空间分布极为不均, 呈现由北向南递增的趋势, 长江以南降水量较大, 淮河以北降水量较小.从水资源丰沛的安徽南部城市向缺水区域适当调水, 缓解缺水区域的用水矛盾, 在确保可行性的基础上, 这是实现经济、社会、环境、资源可持续发展的有效途径.但与此同时, 也不可忽视被调水区域水资源的合理利用等问题.

2) 优化产业结构, 改善用水结构.对于安徽省各城市来说, 积极促进第一、第二、第三产业的协调发展, 积极扶持对水资源利用产生较小压力的第三产业, 增加资金投入从而使其占据更大的比例, 可以有效缓解安徽省的用水压力；以工业为主导的马鞍山、淮南、淮北、芜湖等城市应当通过优化产业结构, 创新工业发展模式, 改善能源结构, 提高水资源的重复循环利用率, 使水资源在经济活动中的配置更加合理；以农业为主导的安徽省其余城市要积极发展节水农业, 推广节水灌溉, 因地制宜, 适当调整农作物的种植种类和数量, 优先栽培单位质量农产品虚拟水含量较少的作物, 从一定程度上会减少农业产品水足迹数量, 提高区域水资源可持续利用水平.

3) 增加环保投入, 加强污染治理.安徽省各地经济发展状况存在明显差异, 经济高速发展、人口密度大的合肥、芜湖、马鞍山等城市对水资源的需求量巨大, 对污染物质的治理和监管力度却与此不相协调.这些城市要增强水足迹贸易, 提高公众的水资源保护意识与节水意识, 提高城市污水的处理率和再生利用率, 适当将高耗水的产业转移到水资源丰富的城市将会使经济发展和水资源可持续利用更加协调.其余城市虽然人口和经济带来的压力相对较小, 也要积极引入各类新工艺、新技术, 对生产生活过程中产生的废弃物进行有效处置, 使各产业向可持续发展的方向转变.

5 结论(Conclusions)

1) 2016年安徽省水足迹总量呈北高南低的空间布局, 各城市的农业用水水足迹在总水足迹中占据绝对优势, 发展节水农业将取得明显成效；水资源可持续利用水平集中在中、差等级, 呈现由北向南变优的趋势, 提升空间较大.

2) 本研究构建的耦合评价模型充分吸收了水足迹理论和灰靶模型的优点.从水足迹角度入手能够更加科学合理地反映水资源在经济活动中的流动性, 揭示人类的生产消费方式给水资源带来的影响；灰靶模型基于指标原始数据和靶心度计算结果确立标准模式和等级划分标准, 可解决其适用性问题, 增强不同评价单元之间的可比性；同时, 采用熵权法确定指标权重, 能提高客观性.该模型所得结论与实际情况相符, 说明模型具有理论指导与实际应用意义.

参考文献
Chapagain A K, Hoekstra A Y. 2011. The blue, green and grey water footprint of rice from production and consumption perspectives[J]. Ecological Economics, 70(4): 749–758. DOI:10.1016/j.ecolecon.2010.11.012
韩美, 杜焕, 张翠, 等. 2015. 黄河三角洲水资源可持续利用评价与预测[J]. 中国人口·资源与环境, 2015, 25(7): 154–160.
Hoekstra A Y, Hung P Q. 2004. Globalization of water resources:International virtual water flows in relation to crop trade[J]. Global Environmental Change, 15(1): 45–46.
侯玉乐, 李钢, 渠俊峰, 等. 2017. 基于改进灰靶模型的土地生态安全评价-以江苏省徐州市为例[J]. 水土保持研究, 2017, 24(1): 285–290.
贾紫牧, 陈岩, 王慧慧, 等. 2017. 流域水环境承载力聚类分区方法研究-以湟水流域小峡桥断面上游为例[J]. 环境科学学报, 2017, 37(11): 4383–4390.
李红, 周波. 2012. 基于改进后灰靶模型的四川省水资源紧缺度评价[J]. 四川大学学报(工程科学版), 2012, 44(1): 43–49.
李建龙, 师学义. 2016. 基于熵权灰靶生态系统服务价值模型的土地利用规划环境影响评价—以晋城市为例[J]. 环境科学学报, 2016, 36(2): 717–725.
李玉凤, 刘红玉, 郝敬锋, 等. 2012. 湿地水环境健康评价方法及案例分析[J]. 环境科学, 2012, 33(2): 346–351.
凌红波, 于洋, 于瑞德. 2015. 吐鲁番地区水资源可持续利用评价[J]. 人民黄河, 2015, 37(1): 70–73, 78.
刘民士, 刘晓双, 侯兰功. 2014. 基于水足迹理论的安徽省水资源评价[J]. 长江流域资源与环境, 2014, 23(2): 220–224.
潘安娥, 陈丽. 2014. 湖北省水资源利用与经济协调发展脱钩分析—基于水足迹视角[J]. 资源科学, 2014, 36(2): 328–333.
潘文俊, 曹文志, 王飞飞, 等. 2012. 基于水足迹理论的九龙江流域水资源评价[J]. 资源科学, 2012, 34(10): 1905–1912.
戚瑞, 耿涌, 朱庆华. 2011. 基于水足迹理论的区域水资源利用评价[J]. 自然资源学报, 2011, 26(3): 486–495. DOI:10.11849/zrzyxb.2011.03.015
邱微, 赵庆良, 李崧, 等. 2008. 基于"压力-状态-响应"模型的黑龙江省生态安全评价研究[J]. 环境科学, 2008, 29(4): 1148–1152.
屈小娥. 2017. 陕西省水资源承载力综合评价研究[J]. 干旱区资源与环境, 2017, 31(2): 91–97.
税宁, 姚凯文. 2015. 灰靶理论在移民后期扶持效果评价中的应用[J]. 华北电力大学学报(社会科学版), 2015(2): 32–34.
孙鸿鹄, 程先富, 倪玲, 等. 2015. 基于云模型和熵权法的巢湖流域防洪减灾能力评估[J]. 灾害学, 2015(1): 222–227.
王壬, 陈兴伟, 陈莹. 2015. 区域水资源可持续利用评价方法对比研究[J]. 自然资源学报, 2015, 30(11): 1943–1955. DOI:10.11849/zrzyxb.2015.11.014
王睿, 周立华, 陈勇, 等. 2017. 基于模糊综合评判的杭锦旗水资源承载力评价[J]. 水土保持研究, 2017, 24(2): 320–324.
严岩, 贾学秀, 单鹏, 等. 2017. 基于水劣化足迹的城市发展的水环境效应评价—以北京市为例[J]. 环境科学学报, 2017, 37(2): 779–785.
余灏哲, 韩美. 2017. 基于水足迹的山东省水资源可持续利用时空分析[J]. 自然资源学报, 2017, 32(3): 474–483. DOI:10.11849/zrzyxb.20160406
张俊凤, 花盛, 刘友兆, 等. 2014. 基于改进灰靶模型的土地整治可持续性评价研究-以江苏省为例[J]. 长江流域资源与环境, 2014, 23(2): 153–160.
张向东, 张成, 吴野. 2014. 基于组合权重的尾矿库重金属污染性灰靶评价[J]. 金属矿山, 2014(3): 147–151.
赵颢瑾, 付正辉, 陆文涛, 等. 2018. 河流陆域环境交互区域风险评估方法研究[J]. 环境科学学报, 2018, 38(1): 372–379.
赵良仕, 孙才志, 郑德凤. 2014. 中国省际水足迹强度收敛的空间计量分析[J]. 生态学报, 2014, 34(5): 1085–1093.
周亮广, 戴仕宝, 江玉晶. 2011. 基于水资源供需平衡机制的安徽省干旱时空分布[J]. 自然资源学报, 2011, 26(6): 1030–1039. DOI:10.11849/zrzyxb.2011.06.014
周玲玲, 王琳, 余静. 2014. 基于水足迹理论的水资源可持续利用评价体系—以即墨市为例[J]. 资源科学, 2014, 36(5): 913–921.