北京市水资源短缺风险综合评价.doc

北京市水资源短缺风险综合评价西南财经大学 田乐蒙、唐志、淮琳摘 要：本文通过对北京市30多年来的水资源状况的分析，运用相关分析法和逐步回归分析法，在从北京市统计年鉴中查得的众多指标中找出了影响北京市水资源短缺风险的主要指标；运用因子分析法建立了北京市水资源短缺风险的综合评价模型，即设计了用水风险因子和供水风险因子这两个新变量，将其作为北京市水资源短缺的主要风险因子，并运用这两个变量建立二维坐标系，在坐标系上划分出了风险等级区域。通过判断各年计算所得的这两个变量的值在坐标系上的位置，我们确定了北京市各年的水资源短缺风险等级。据此，我们对北京市未来两年水资源的短缺风险进行了预测，得出了北京市未来两年仍处于水资源短缺的高风险状态的结论，并提出了应对措施。此模型对水资源短缺问题的解释十分精确，运用此模型得到的综合评价结果具有相当高的可信程度。此模型可以广泛运用于各个地区的水资源短缺综合评价，还可运用到空气质量的风险测评，水污染风险测评等各个领域，具有广泛的推广价值。关键词：水资源短缺风险 人均缺水量 逐步回归 因子分析 一、研究的背景和意义3二、研究的现状3三、本文研究的思路4四、模型的建立及风险因子的确定5（一）影响水资源风险指标的选择5（二）北京市水资源短缺风险的综合评价9五、北京市水资源短缺风险预测15（一）对三个主要风险因子的预测15（二）20102013年北京市水资源短缺风险等级预测19（三）应对措施19六、模型的评价与推广21参考文献21附录23一、研究的背景和意义近年来，我国北方地区的水资源短缺问题十分严重，作为首都的北京也面对着严重的缺水问题。北京的人均水资源占有量为300立方米左右，仅为全国人均占有量的1/7，为世界人均占有量的4，在世界各国首都中居百位之后。有数据称，2010年，北京平常年份缺水9.9亿立方米，枯水年缺水近20亿立方米。由于气候的变化，近年来旱灾严重，北京地表水越来越稀缺，作为北京主要供水来源的密云水库蓄水量仅为常年一半。再者，水体污染日益严重，增加水资源的供给的压力。北京市社科院长期研究水资源供应与城市人口容量的关系后得出结论：北京市总人口早已超过水资源供给能够负荷的水平，而北京的总人口数将以每年20万人的惊人速度继续增加。水资源问题是城市发展的重要问题。首先，水资源问题是影响和制约经济发展的主要因素。据推算，全国每年因缺水造成的经济损失达到2500亿元，其中工业产值2300亿元，农业产值200亿元，并且随着经济的发展，这两类经济损失都会呈上升趋势。北京作为我国的经济中心，对全国的经济发展有重大贡献，北京市的缺水问题会对北京以及全国的经济造成巨大的不利影响。其次，缺水引发的饮用水缺乏也会对人民的生活产生巨大影响。另外，在大量地下水长期超采之后，北京形成了2000多平方公里的地下漏斗区，最严重的东部地区过去40年已下沉了700多毫米。专家们指出，地面大面积下沉最终会影响整个城市建设，导致地基不稳，墙壁开、裂，道路中断等严重后果。以上说明解决北京市缺水问题的迫切性及其重大意义。我们希望通过对过去北京市的用水情况找出影响北京市水资源短缺的主要因子，并预测未来几年北京市的水资源情况，根据研究结果提出解决水资源短缺问题的建议，以应对未来水资源短缺的风险，保证北京市的平稳发展。二、研究的现状根据世界卫生组织统计，全球约又12亿人口缺乏安全饮用水，三分之一的人口面临水资源短缺的问题，水资源危机已经成为全球性的问题4。20世纪80年代以来，国际上开展了大量有关水资源短缺(Water Scarcity)研究。水资源的短缺表现为生活、工业、农业、环境等用户的用水需求得不到保障，与水资源数量及其时空分布、气候条件、经济结构、用水习惯、用水水平、管理水平等因素有关。Falkenmark指数5、社会水资源压力指数(SWSI)6、IWMI模型7、水匮乏指数(WPI)8等指数和模型，先后应用于全球尺度的水资源短缺风险评估。水资源短缺风险问题也日益得到国际社会及学术界的关注，2003年成立的国际综合风险防范理事会(IRGC)将水资源短缺风险作为其关注的焦点之一。随着社会经济的发展，特别是城市化水平的提高，对水资源短缺的评估要求也日益提高。近年来，特别是国内学者得出了很多有意义的成果。阮本清和韩宇平9等人最早探讨水资源短缺风险评价理论与方法，认为水资源短缺风险是指在特定的时空环境下，由于来水和用水两方面存在不确定性，使区域水资源系统发生供水短缺的概率以及由此产生的损失。再此基础上，以首都为例，研究了水资源短缺风险的模糊中和方法，并在水资源短缺风险分析的基础上，构建了区域水资源短缺的多目标风险决策模型10。引用了多个评价指标对水资源短缺风险进行描述，更进一步采用综合评价法对区域水资源短缺情况进行判别。马黎和汪党献11，在对风险理论及水资源风险研究进展回顾和展望的基础上，探讨了水资源短缺风险主导因子的辨识方式，提出了采用缺水率、人均缺水量和缺水边际损失3个指标的缺水风险评价指标体系，采用模糊层次分析评价方法对全国二级水资源分区的缺水风险进行了综合评价。评价结果表明，全国现有33个二级水资源分区面临着不同程度的水资源短缺风险，必须采取工程和非工程等防范措施和有效调控，方可减轻缺水风险对我国经济社会发展的危害程度。陈继光12主要对水资源短缺风险评价的层次分析决策中应用协商评价确定各属性的权重进行了研究。对评价者给出的区间赋值信息进行分类，确定各类信息的协商区间和协商值；然后利用所导出的有序加权平均(IOWA)算子对各类信息的协商区间和协商值进行集成，在此基础上提出了一种确定协商评价问题属性权重的方法。三、本文研究的思路现有的研究方法大都运用了复杂深奥的数学知识，结果不够直观，虽然得到的结果有足够的科学依据，但是实际应用中难以直接运用这些方法对水资源的短缺风险做出有效的评价或预测。所以，我们希望可以找到一套便于计算，得到的结果直观易懂，且可以保证准确度的水资源短缺风险综合评价方法，并将这套方法运用于水资源短缺风险的预测中。具体思路如下：1.我们希望可以通过对便于观测的量进行分析，得到水资源短缺风险情况，所以，我们首先要合理地选出对水资源短缺风险影响较大的指标，作为备选的风险指标。2.运用相关分析，逐步回归分析等方法，从我们选出的备选风险指标中选出对水资源短缺风险影响最大的主要风险指标。3.用因子分析法对主要风险指标进行提炼，得到新的因子，并建立评价北京市的水资源短缺风险的模型。4.对风险指标用适当的方法进行预测，应用所建立的水资源短缺风险模型，预测北京市未来的水资源短缺风险。 运用此方法，相关部门只需要用经过简单的计算，便可以得到准确的当地水资源短缺风险情况，并且便于预测。相较于其他的方法，我们的模型具有更强的实用性和推广价值，并且运用我们的模型得出的结果也相当准确。四、模型的建立及风险因子的确定为了使研究的方法严谨，研究的结果可用，本文对相关问题的做如下的假设：1.假设数据真实可靠。2.假设北京近几年内不会发生重大自然或人为灾害。3.考虑到北京市的水资源情况、人口情况和水资源相关的国际标准，引入了一个新变量：北京市人均缺水量Y，该变量是指国际人均水资源占有量标准底线与北京市人均水资源占有量的差值。假设此变量可以准确反应北京市的缺水情况。4.北京市居民对水资源的需求与世界水平相当。（一）影响水资源风险指标的选择1.指标的选择与符号定义首先，我们需要一个变量来准确衡量北京市的缺水风险情况。那么什么是缺水的风险？笔者认为，缺水的风险应该体现为民众对水资源的需求与他们得到的实际的水资源供应量的缺口。考虑到中国人均水资源占有量在国际上处于较低水平，我们根据国际人均水资源占有量标准正常范围的底线，将北京市居民的人均水资源年需求量确定为1000立方米/人。然后，我们用北京市的水资源总量除以北京市的总人口数，得到了北京市人均水资源的年供给量。最后，将这两个变量做差，便可以得到一个新的变量，我们将其定义为北京市的人均缺水量，其计算公式如下：人均缺水量的计算结果见附表1.接下来，笔者将把北京市人均缺水量作为衡量北京市缺水风险情况的标准。为了使我们的风险评价结果准确有效，我们需要全面可靠指标数据作为基础。所以，我们需要选出多项对北京市的缺水风险情况有着重大影响的指标作为备选风险指标。为了保证模型的准确性和可靠性，我们选择备选风险指标的标准是：a.备选指标应该对北京市的水资源短缺情况有明显的影响；b.备选指标的来源应真实可靠；c.备选指标应便于观测；d.备选指标应有足够久的历史资料，以支持我们接下来将要进行的相关分析等运算。比如，北京市的年降水量，该变量明显会对北京市的人均水资源占有情况造成影响从而影响北京市的人均缺水情况，气象局会定期用科学的方法对该指标进行观测，而且，在北京市统计局发布的统计年鉴中，我们可以找到30余年来北京市的降水量的精确数值，所以，北京市年降水量符合我们规定的备选风险指标的要求，我们可以将其选为备选风险指标。根据上述标准，我们选出了10项反映北京市缺水风险情况的备选风险指标（均以北京市为范围，时限为年），它们分别是：污水处理量、生产总值、年降水量、平均气温、年工业用水量、第三产业及生活等其他用水量、总人口数、水资源总量、年农业用水量。在我们的模型中，涉及到的各变量用符号表示如下： 年污水处理量(万立方米) 生产总值(亿元) 年降水量(mm) 平均气温(摄氏度) 年工业用水量(亿立方米) 第三产业及生活用水等其他用水量(亿立方米) 总人口数(万人) 水资源总量(亿立方米) 年农业用水量(亿立方米) 年用水总量(亿立方米) 人均缺水量(立方米/人) 国际人均水资源占有量标准底线(1000立方米/人) 年份 n: 总年数2.运用相关分析确定主要风险指标根据北京市19792009年的水资源状况及其影响因素的相关数据（见附表1），可以计算各指标(t=1,2,3,n)与人均缺水量的相关系数，以判断各缺水风险指标与人均缺水量之间的关系密切程度,相关系数的计算公式为： （4.1）相关系数计算结果如表4.1所示。表4.1 相关系数输出结果10.630310.62930.9691-0.7457-0.3686-0.311610.53230.54260.5796-0.19941-0.6594-0.9021-0.88340.4133-0.555010.75290.83450.8875-0.30600.7211-0.790610.73740.92040.9383-0.339690.6887-0.86780.95921-0.9210-0.3885-0.36550.8439-0.28540.4352-0.4644-0.44451-0.4304-0.6245-0.6319-0.0227-0.37380.4719-0.692-0.71950.18421-0.3054-0.6214-0.5746-0.0144-0.19890.5402-0.4942-0.60840.11080.90481按照相关系数常用的四级划分标准，相关系数的绝对值大于0.5表明两变量存在显著线性相关，从表4.1可以看出，与均存在显著线性相关关系，说明这些变量对北京市水资源的短缺风险存在显著影响。 3.运用逐步回归筛选主要的风险指标 根据相关分析结果，尽管，与之间存在显著相关关系，但是它们与表现出何种规律，还需要通过回归方程来解决。这里考虑到解释变量之间存在共线关系，我们利用SPSS逐步回归功能，建立标准化后的回归方程1。之所以采用标准化后的回归方程，是由于各备选风险指标的量纲不同，为了比较各因子的重要性，故选择标准化后的处理数据进行回归。回归分析结果如表4.2所示。表4.2 回归分析输出结果由表4.2可得回归方程如下： 未标准化的回归方程： （4.2）标准化后的回归方程： （4.3）标准差： 2.037 0.036 0.295 值： 2.76 2.51 -28.661 F= 648.424(SIG.=0.000)由公式（4.2）可知，第三产业及生活等其他用水每增加1亿立方米，人均缺水量可将增加5.623亿立方米；人口数每增加1万人，人均缺水量可将增加9万立方米；水资源总量每增加1亿立方米，人均缺水量可将减少8.451亿立方米。我们从公式（4.3）可以看出，对人均缺水量影响最大的是水资源总量，其次是第三产业及生活等其他用水，最后是人口数。从模型估计的t统计量可以看出，对人均缺水量的影响是十分显著的。，的线性变化已经可以解释人均缺水量的98.6%。也就是说，将这三个量作为主要风险指标来评价北京市的水资源短缺情况，可以得到相当准确可靠的结果，其准确度已经逼近100%。所以，将这三个指标作为风险变量，我们可以得到让人信服的评价结果。通过以上分析,可以得出影响北京市水资源短缺的主要风险变量为：第三产业及生活等其他用水，人口数和水资源总量。（二）北京市水资源短缺风险的综合评价在上文中，笔者通过相关分析法和逐步回归法筛选出了3个主要风险指标：第三产业及生活等其他用水，人口数，水资源总量为影响北京市水资源短缺的主要风险指标。通过观察，我们发现，这三个变量中，第三产业及生活等其他用水和人口数，会对北京市的用水情况带来直接影响，而水资源总量则直接影响北京市的供水情况。也就是说，变量主要体现了北京市的供水风险，因为北京市的用水和供水情况的好坏会直接影响北京市供水和用水风险的高低程度。接下来，笔者将使用因子分析的方法，对三个主要风险指标进行提炼，从而得到更具代表性的北京市缺水风险因子。因子分析是一种数据简化的技术。它通过研究众多变量之间的内部依赖关系，探求观测数据中的基本结构，并用少数几个假想变量来表示其基本的数据结构。这几个假想变量能够反映原来众多变量的主要信息。原始的变量是可观测的显在变量，而假想变量是不可观测的潜在变量，称为因子。因子分析的一般流程如下：下面，我们开始对前文中得出的三个主要的风险指标做因子分析1.寻找因子结构(i=1,2,3,p) (4.4),是不可观测的潜在因子。p个变量共享这m个因子，但是每个变量又有自己的个性，不被包含的部分，称为特殊因子。由于在因子求解中，初始的因子结构不利于因子命名，所以我们选择了方差最大旋转方法对因子进行旋转。表4.3 因子分析总差异结果表4.4 主要因子分析共同度结果由表4.3表和4.4可以看出，两个公共因子提取了3个风险指标的98.651%的方差。，和的共同度分别为0.98，0.98和1.00，说明因子分析的结果能够提取风险因子足够多的信息。接下来，我们将因子进行方差最大旋转,所得结果如表4.5所示。表4.5 方差最大旋转结果根据表4.5可知，旋转后的因子模型为： 从因子载荷可以看出，第一个公共因子与和高度相关，相关性分别为0.959和0.965,我们认为与用水风险存在高度相关关系，所以定义为用水风险指标。再通过对的观察可以看出，它与水资源总量的相关性高达0.972，所以定义为供水风险指标。可以通过F1和F2来综合评价水资源短缺风险。2.估计因子得分 为了进一步量化这两个潜在的因子，这里选择了回归分析法来估计因子得分情况，如表4.6所示：表4.6 回归分析估计因子得分表根据表4.6可知，因子得分函数为： 3.用因子建立坐标系，评价逐年水资源短缺风险通过因子得分函数，我们得到了31年间的和的观测点，将作为横轴，作为纵轴，绘制出各年耗水风险指数，供水风险指数的散点图，如图4.1所示： 图4.1 19792009年 耗(供)水风险指数散点图从因子结构可以看出，用水风险指标数值的大小表示用水风险的高低，数值越大，用水需求导致的水资源短缺风险越大；供水风险指标数值的大小代表了供水风险的高低，其数值越小，即表示供水量越小，导致的水资源短缺风险也越大。根据图4.1的散点分布，我们可将其划分为四个象限，下面以左上、左下、右上和右下来区别这四个象限。左上：实际供水量31年的供水平均值，用水需求量31年用水需求平均值，简称供多用少。左下：实际供水量31年的供水平均值，用水需求量31年用水需求平均值，简称供少用少。右上：实际供水量31年的供水平均值，用水需求量31年用水需求平均值，简称供多用多。右下：实际供水量31年的供水平均值，用水需求量31年用水需求平均值，简称供少用多。同时，为了清晰表述每个象限的具体含义，我们分别在各个象限选择一个典型年份进行对比分析，如表4.7所示。表4.7 主要因子典型年份风险指数年份象限1982左上-1.120.564.52935.0036.601981左下-1.54-0.924.30919.2024.002008右上2.111.0817.901633.0034.201999右下0.03-1.6212.701257.2014.20从表中可以看出：1982年的水资源总量大，人口数和第三产业及生活等其他用水量较小，散点位于左上。左下区域中； 1981年水资源总量较小，人口数和第三产业及生活等其他用水量较小；2008年位于右上位置，表明北京市水资源处于供多用多的状态，其主要原因是奥运期间北京水资源总量充足，需求量也较大。右下是构成水资源短缺风险的区域；1998年发生了长江特大洪水灾害，导致了1999年北京市水资源供给严重缺乏。从上述分析也可看出，近20年来北京市人口激增，导致了北京市水资源短缺问题的日益严重。 由此可以说明，真正存在水资源缺乏风险的是右下象限。4.风险的分级上面，笔者依概率将方差区间分为三个区域，这三个区域表示的是在北京市水资源用多供少的情况下，不同的用水风险等级。用水风险体现的是北京市居民对水资源需求的风险情况，这通常由人们对水的主观需求决定，有关部门不便于进行调控；而供水风险情况，有关部门可以靠南水北调等措施进行调控。所以，这里笔者选用了相对固定的北京市用水风险，对右下区域，以3倍的原则进行分隔，用这三个区域来表述风险的等级。从左至右分别是：1倍以内，12倍以内，2倍以上，定义的风险等级如表4.8所示。表4.8 风险等级评价标准区 间01倍标准差()以内12倍标准差()以内2倍标准差()以上风险等级三级二级一级五、北京市水资源短缺风险预测我们建立的这套模型，最重大的意义莫过于它能够准确地对北京市未来的缺水风险情况做出预测。为了预测未来北京市的水资源短缺风险，我们需要通过历史数据，选用适当的方法对三个主要的风险指标做出预测，然后计算出用水风险指数和供水风险指数，以判断当年的数值在坐标系上的位置。这样，我们便可以得出未来北京市的水资源短缺风险。（一）对三个主要风险因子的预测1.对第三产业及生活等其他用水量的预测我们对19792009年第三产业及生活等其他用水量做折线图进行分析：图5.1 1979 2009年第三产业及生活等其他用水量折线图由图5.1可知，第三产业及生活等其他用水量呈线性趋势变动，因此采用线性回归方程对2010年2013年的第三产业及生活等其他用水量进行预测。线性回归分析的结果如表5.1所示。表5.1 第三产业及生活等其他用水量回归分析结果由表5.1可得第三产业及生活等其他用水量的线性回归方程为： 905.233+0.459t （5.1）根据公式（5.1）计算出的20102013年各年的第三产业及生活等其他用水量分别为：17.357、17.816、18.275和18.734。(单位：亿立方米)由表5.1的统计量可以看出，模型在统计上显著。随着时间的推移，时间每增加一年，北京市第三产业及生活等其他用水量可望增加0.459亿立方米。2.预测北京市总人口数19792009年北京市总人口数折线图如图5.2所示。图5.2 19792009年北京市总人口数折线图由图5.2可知，北京市总人口数呈明显的线性变动趋势，因此我们选用了线性回归方程来对20102013年各年的北京市总人口数进行预测。线性回归分析结果如表5.2所示。表5.2 总人口数回归分析结果由表5.2可知，总人口数的线性回归方程为：50953.8+26.164t （5.2）由回归方程（5.2）计算得出2010年、2011年、2012年和2013年的北京市总人口数分别为：1635.20、1661.37、1687.53、1713.69。(单位：万人)由表5.2的统计量可以看出，模型在统计上显著。随着时间的推移，时间每增加一年，北京市总人口数可望增加26.164万人。3.预测北京市的水资源总量北京市19792009年水资源总量的折线图如图5.3所示。图5.3 19792009年北京市水资源总量折线图通过对图5.3的观察，我们可以看出，1999年北京市水资源总量受前一年的洪水灾害的影响，观测值发生了非正常跳跃，为了使预测值更为准确，我们引入了年度虚拟变量d。又因为历年水资源总量的数据波动较大，所以我们采用自回归的方法来预测北京市水资源总量，自回归分析结果如表5.3所示。表5.3水资源总量自回归分析结果由表5.3可得自回归方程为：21.239+11.73d+ (5.3) =0.216+ (5.4)由北京市水资源总量的自回归方程可计算20102013年的北京市水资源总量分别为：21.30525、21.41227、21.38912、21.39413。(单位：亿立方米)由表5.3的统计量可以看出，模型在统计上显著。（二）20102013年北京市水资源短缺风险等级预测根据公式(4.8)公式（4.9），可以计算2010、2011、2012和2013年、值，预测数据标准化后、的结果，及2010-2013年风险等级的预测结果如表5.4所示。表5.4 北京市20102013年风险预测结果年份标准预测值标准预测值标准预测值F1F2象限等级20101.7241291.721093-0.822651.684638-0.43582右下二级20111.8307251.828688-0.81121.806032-0.39448右下二级20121.937321.936241-0.813671.923697-0.36837右下二级20132.0439152.043795-0.813142.042165-0.33896右下一级 由表5.4我们可以得出结论：从2011年起的两年内，北京市仍存在水资源短缺的风险，其中2012年可能为二级风险，2013年为一级风险。（三）应对措施根据以上预测结果，未来两年内北京市水资源短缺将持续处于高风险状态，为解决北京市的缺水问题，减小水资源短缺风险，结合得到的三个最主要的风险因子，我们建议采取以下措施。1.由于水资源总量是造成缺水的因素之一，且与缺水量呈负相关，增加，即减小y。因此可加大水资源的供给，如南水北调工程，加快工程的进展，经济支持或政策支持。再由模型预测可知，到2013年北京市将处于一级缺水状态中。因此在2011年和2012年就应该做好对2013年将更为严重的缺水状态的准备，如保护地下水，开发利用再生水资源，并且出台新政策严厉打击水资源污染事件。首先，合理开发新水源。合理利用南水北调工程和从其他省市调运水资源等措施满足北京市水资源需求，明确此类工程每年的需水量，水质等。其次，建立污水处理厂和深度污水处理厂等工程治理水污染，增加能达到使用标准的再生水产量，加强对水资源的可持续利用。加大污染治理力度，投入充足资金与人力物力治理各类水污染。治理污染严重的企业（如皮革、造纸等企业），加强对农药、化肥等使用的管理，保证水源安全和水质不断提高。第三，实施水土保持、退耕还林等工程，建设水源保护的设施或工程保护水资源。同时科学开发水源，深度开发雨洪资源，科学利用中小洪水。2.提高节约用水意识。不断改进、完善现行的计划生育政策，控制人口总量。除此之外，制定对外来人员入京的限制措施限制流动人口规模，从而控制对水资源的需求。加大节水力度，增强社会节水意识，对企业等的用水制定相关法律法规，减少不必要的用水，增加重复利用量。3.在不影响第三产业正常运行和人民正常生活的前提下，除提高节水意识外，制定相应的节水鼓励或优惠政策，减少第三产业以及生活用水量从而控制北京市总用水量。4.加快产业结构的调整与升级，减少浪费，提高水资源利用率，减少污染。5.加快各项水资源工程与水利工程的建设，包括闸坝、水库、田间入渗工程、包括控制性水利工程在内的各种水利工程等。同时合理开发雨洪、地表水、地下水。6.加强对各类水利工程的管理力度，形成统一的管理和规划体系。政府在资金上应予以充分支持，加大对水资源开发、使用、管理以及各项工程设施建设的资金投入,各类建设与管理资金要严格管理，专款专用。完善水资源管理体制，对水资源进行全面、综合、统一的管理，建立统一水权、统一政策法规的新管理体制，水利法规建设要用实现水资源供需平衡相适应，同水资源统一管理相适应。7.调整水价，充分利用价格杠杆，加大水价调整力度促进节水。六、模型的评价与推广 此数学模型将抽象的数据图像化，把各年的水资源短缺的风险反映在了直角坐标系上，直观且易于理解。用此数学模型做综合评价所需要的数据易于收集，模型的可操作性很强。通过spss软件的分析结果，此模型对水资源短缺问题的解释十分精确，运用此模型得到的综合评价结果具有相当高的可信程度。 此模型可以广泛运用到各个地区的水资源短缺综合评价，各地的水行政主管部门可以运用此模型简单准确地评判该地区的水资源短缺情况。该数学模型的原理，还可以运用到空气质量风险测评，水污染风险测评等各个领域，具有广泛的可推广性。参考文献1韩宇平,王勇兵,冯小明.基于最大熵原理的区域水资源短缺风险综合评价 J.安徽农业科学, 2011,39(1):397-399.2王焕松,岳兵,王洁,雷坤,宗延燕,王亚伟,侯雅楠,佟明恒.北京市水资源可持续利用综合评价研究J.2011(1):69-73.3王耕,吴伟.辽宁海岸城市水资源紧缺程度量化评价方法研究 J.海洋开发与管理,2008(9):68-71.4 WHO. Water Sanitation and Health. /water_sanitation_health/hygiene/en/. 2003.5 Falkenmark M, Lundquist J, Widstrand C. Macro scale water scarcity requires micro-scale approaches: aspects of vulnerability in semi-arid development. Natural Resources .Forum, 1989, 13(4): 258-267. 6 Ohlsson L, Appelgren B. Water and Social Resource Scarcity. Rome, Italy: FAO Issue Paper, 1998. 7 Cosgrove W J, Rijsberman F R. World Water Vision: Making Water Everybodys Business. London, UK: Earth scan Publications, 2000. 8 Sullivan C. Calculating a water poverty index. World Development, 2002, 30(7): 1195-1211. 9 阮本清，韩宇平，王浩.水资源短缺风险的模糊综合评价。水力学报，2005,36(8): 906- 912.10 阮本清，韩宇平，王浩.区域水资源短缺的多目标风险决策模型研究.水力学报.2008, 39(6):667-673.11 马黎,汪党献.我国缺水风险分布状况及其对策.中国水利水电科学研究院学报,2008,6(2): 131-135.12陈继光.又到有序加权平均值算子在水资源状况评估中的应用.数学的实践与认识，2010附录 附表1 19792009年水资源状况及其影响因素的相关数据数据来源于：北京统计年鉴中国统计年鉴1979573.84908468.0120.10718.4011.1014.37 4.37897.1038.23 24.1842.921980712.48478468.0139.10380.7011.0013.77 4.94904.3026.00 31.8350.541981738.90339198.0139.20393.2012.3012.21 4.30919.2024.00 31.648.111982608.55659198.0154.90544.4012.8013.89 4.52935.0036.60 28.8147.221983634.73689198.0183.10489.9013.0011.24 4.72950.0034.70 31.647.561984592.64249198.0216.60488.8011.9014.38 4.02965.0039.31 21.8440.051985612.64069198.0257.10721.0011.5017.20 4.39981.0038.00 10.1231.711986737.06229636.0284.90665.3012.109.91 7.181028.0027.03 19.4636.551987630.75459636.0326.80683.9012.3014.01 7.261047.0038.66 9.6830.951988630.72539636.0410.20673.3012.7014.04 6.401061.0039.18 21.9942.431989799.53489636.0456.00442.2013.2013.77 6.451075.0021.55 24.4244.641990669.797411096.0500.80697.3012.7012.34 7.041086.0035.86 21.7441.121991613.436311096.0598.90747.9012.5011.90 7.431094.0042.29 22.742.031992796.37021642.5709.10541.5012.8015.51 10.981102.0022.44 19.9446.431993823.11151642.5886.20506.7013.0015.28 9.591112.0019.67 20.3545.221994596.26668942.51145.30813.2013.7014.57 10.371125.0045.42 20.9345.871995757.493421352.51507.70572.5013.3013.78 11.771251.1030.34 19.3344.881996635.778921352.51789.20700.9012.7011.76 9.301259.4045.87 18.9540.011997820.564521352.52077.10430.9013.1011.10 11.101240.0022.25 18.1240.321998697.334621352.52377.20731.7013.1010.84 12.201245.6037.70 17.3940.431999886.891521352.52678.80266.9013.1010.56 12.701257.2014.22 18.4541.712000876.356746902.53161.70371.1012.8010.52 13.391363.6016.86 16.4940.42001861.201452377.53708.00338.9012.909.20 12.301383.3019.20 17.438.92002886.874665919.04315.00370.4013.207.50 11.601423.2016.10 15.534.62003873.661078475.05007.20444.9012.908.40 13.601456.4018.40 13.835.82004856.635693075.06033.20483.5013.507.70 13.401492.7021.40 13.534.62005849.15471182606969.50410.7013.206.80 14.501538.0023.20 13.234.52006842.24081208158117.80318.0013.406.20 15.301553.0024.50 12.834.32007849.46231288459846.80483.9014.005.80 16.601581.0023.80 12.434.82008790.569512023111115.0626.3013.405.20 17.901633.0034.20 1235.12009875.783412994012153.0480.6013.305.20 18.301755.0021.80 1235.5附表2 19792009年水资源状况及其影响因素的标准化数据 表中数据由此公式计算的结果.1979-1.5833-0.6864-0.77181.2436-2.41430.9311-1.2900-1.31350.98511980-0.3094-0.6864-0.7664-1.0278-2.55710.7515-1.1578-1.2839-0.31881981-0.0667-0.6698-0.7664-0.9438-0.70000.2844-1.3063-1.2226-0.53201982-1.2644-0.6698-0.76190.07320.01430.7874-1.2552-1.15770.81131983-1.0238-0.6698-0.7538-0.29330.3000-0.0060-1.2088-1.09600.60871984-1.4106-0.6698-0.7442-0.3007-1.27140.9329-1.3719-1.03