应对沿海海域的复杂性：非生物栖息地分类对底栖生物分类群和功能群落的表征不足

《Ecological Indicators》：Navigating the complexity of coastal seas: Poor representation of taxonomic and functional benthic communities by abiotic habitat classifications

水资源与生态环境的相互影响是综合水系统规划的关键，本研究构建了包含资源、环境、生态三维的水资源承载力（TDWCC）评估体系，结合DPSIR模型与熵权-可变权重法优化指标权重，运用TOPSIS和LSTM-LR混合模型预测2030-2050年TDWCC及风险等级，揭示生态流量满足率、单位工业增加值用水量等核心驱动因素，提出优化水资源空间配置、提升生态治理能力等政策建议。

　　水系统是一个复杂且动态变化的体系，它不仅涵盖了水资源本身，还涉及水环境和水生态的相互作用。在水资源日益紧张的背景下，这种三维水系统承载力（TDWCC）成为区域发展和可持续增长的关键因素。本文通过建立驱动-压力-状态-影响-响应（DPSIR）模型，并结合TOPSIS（逼近理想解的排序法）技术，评估了中国鄂尔多斯地区的TDWCC。通过将熵权法与变权法相结合，本文确定了综合指标权重，以更准确地评估TDWCC。此外，基于TDWCC现状和未来趋势，预测了2030年、2040年和2050年的TDWCC风险。研究结果表明，鄂尔多斯的TDWCC从2000年的0.35增长到2023年的0.59，但整体仍处于略微弱承载力的状态。康巴什区由于基础设施的改善和水管理政策的优化，其TDWCC迅速提升，从2016年的III级增长到2023年的IV级。相比之下，吉拉格旗则一直保持在II级或III级，主要由于水资源有限和工业用水量高。在五个子系统中，压力和影响子系统表现出相对较高的承载力。预计到2030年，TDWCC会暂时下降至0.51，发出严重预警信号。而到2040年和2050年，TDWCC预计将分别上升至0.63和0.68，进入轻度预警范围。鄂尔多斯TDWCC的主要驱动因素包括生态流量满足度、绿化覆盖率以及单位工业增加值的用水量（以人民币10,000元为单位）。未来，提升区域水资源承载力应重点优化水资源的空间分配、调整用水结构、增强生态调控能力，并强化水治理体系。本研究的发现为鄂尔多斯水资源的可持续利用和分区管理提供了决策支持，并为资源受限城市的水生态治理提供了理论指导。

水资源、水环境和水生态之间存在复杂的相互关系。这种关系不仅体现在它们的相互影响上，还体现在它们如何共同塑造水系统的可持续性。水系统承载力的评估需要考虑这些子系统之间的互动，因为它们共同决定了水资源能否支撑人类活动及其生态环境的长期发展。因此，将这三个子系统整合到一个统一的评估框架中，有助于更全面地理解水系统承载力的动态变化，并为区域可持续发展提供科学依据。

在水系统承载力的评估中，通常关注单一系统或两个系统之间的相互作用。这种做法可能会忽略三维水系统承载力（TDWCC）内部的复杂关系，而TDWCC正是水资源、水环境和水生态耦合的综合体现。因此，构建一个能够反映这些系统之间复杂关系的评估框架，对于准确评估水系统承载力至关重要。本研究基于DPSIR模型，提出了TDWCC的评估框架，并通过熵权法与变权法的结合，确定了综合指标权重。这一方法不仅能够动态反映指标对系统的影响，还能在评估过程中考虑到不同区域和时间点的特殊性，从而提高评估的科学性和实用性。

研究区域位于中国内蒙古自治区西南部，地理坐标为北纬37°35′24″至40°51′20″，东经106°42′40″至111°27′20″，总面积约为86,900平方公里。该地区具有典型的温带大陆性气候，气候季节波动较大，昼夜温差显著。年平均气温在5.3°C至8.7°C之间，年降水量在300毫米至400毫米之间，实际年蒸发量在2000毫米至3000毫米之间。鄂尔多斯地形复杂，西北高、东南低，周边有黄土高原和黄河。近年来，由于降水较少，该地区面临水资源短缺、严重干旱和生态脆弱等问题，人均水资源量低于全国平均水平和内蒙古自治区的平均水平，这对该地区的可持续经济发展产生了显著影响。本研究将鄂尔多斯划分为九个子区域，包括东胜区（DS）、达拉特旗（DQ）、吉拉格旗（ZQ）、鄂托克前旗（EQQ）、鄂托克旗（EQ）、杭锦旗（HJQ）、乌审旗（WSQ）、伊金霍洛旗（YQ）和康巴什区（KBS）。

在构建评估指标体系时，本文基于DPSIR框架，选择了20个二级指标，涵盖了五个子系统。DPSIR模型能够系统地揭示人类活动与水系统之间的关系，通过分析驱动、压力、状态、影响和响应之间的联系，可以全面了解环境问题的成因和演变趋势，并为决策者提供科学依据和决策支持。在水系统承载力评估中，水资源具有数量特征，水环境具有质量特征，而水生态则是这两者共同支撑的功能体现。因此，构建一个综合的评估指标体系，有助于更准确地反映水系统承载力的多维特性。

在确定指标权重时，本文采用了熵权法和变权法相结合的方法。熵权法是一种基于数据分布的客观赋权方法，它通过计算指标的变异程度来确定权重，变异程度越高，指标对系统状态的区分能力越强，因此权重也越高。变权法则是一种动态调整指标权重的方法，它能够根据系统状态的变化，对指标的重要性进行实时调整，从而优化模型的性能。这种方法特别适用于具有时空变化特征的系统，能够更真实地反映指标对系统的影响。通过熵权法和变权法的结合，本文不仅能够客观地确定指标的初始权重，还能根据系统状态的变化动态调整权重，使得评估结果更具科学性和适应性。

在计算TDWCC指数时，本文采用了TOPSIS方法，这是一种基于距离原理的多目标决策分析方法。TOPSIS方法通过计算评估对象与理想解之间的接近程度，来衡量其综合性能。接近理想解的程度越接近1，表示评估对象的承载力越强，反之则越弱。这种方法能够有效反映各子系统在不同时间点和空间区域的承载力变化，并且能够提供一个统一的评价尺度，便于不同区域之间的比较。

为了准确评估承载力状态，本文对承载力等级进行了分类。通过参考以往研究和研究区域的实际情况，本文确定了不同等级对应的TDWCC指数临界值。承载力等级包括：重载、较重载、较弱载、超载和严重超载。这些等级不仅反映了承载力的强度，还为政策制定提供了依据。例如，较弱载等级意味着承载力较低，需要采取措施来改善；而严重超载等级则意味着系统面临较高的风险，必须进行干预。

在预测未来指标时，本文采用了长短期记忆网络（LSTM）和线性回归（LR）相结合的方法。LSTM是一种深度学习模型，能够处理时间序列数据，并捕捉其中的非线性特征。LR则是一种简单的监督学习方法，能够通过计算斜率和截距来量化线性关系。这两种方法的结合，使得预测结果更加准确，能够反映指标在时间序列中的变化趋势。通过将LSTM和LR的输出进行加权平均，本文确保了预测结果的平衡性，并提高了模型的稳定性。

为了评估预测结果的准确性，本文采用了三种指标：均方根误差（RMSE）、平均绝对百分比误差（MAPE）和决定系数（R2）。这些指标能够反映模型预测与实际数据之间的差异程度，从而判断模型的可靠性。较低的MAPE和RMSE值通常意味着模型的预测结果较为准确，而较高的R2值则表明预测结果与实际数据之间的相关性较强。通过这些指标，本文验证了LSTM和LR模型的预测能力，并确保了预测结果的科学性和实用性。

根据预测结果，到2030年，鄂尔多斯的TDWCC预计会暂时下降至0.51，发出严重预警信号。这一下降主要归因于总用水量和工业用水量的快速增长，以及人均水资源的限制，这加剧了系统的压力。到2040年和2050年，TDWCC预计会分别上升至0.63和0.68，进入轻度预警范围。这种恢复主要得益于用水效率的提高、再生水的更广泛利用、生态补水的增强以及水质合规率的显著提升。然而，值得注意的是，在长期情景下，某些区域如达拉特旗、吉拉格旗、鄂托克前旗、杭锦旗和伊金霍洛旗仍然处于中度或轻度风险水平。这表明，由于自然资源禀赋的固有波动、区域发展的不平衡以及未解决的生态脆弱性，水系统仍然面临潜在的不利扰动风险。

为了进一步识别关键驱动因素，本文采用了SHAP（SHapley Additive exPlanations）分析。SHAP是一种基于博弈论的可解释机器学习方法，能够对模型输出进行解释，量化每个特征对预测结果的贡献。这种方法能够揭示不同指标对TDWCC的具体影响，并为政策制定提供支持。根据SHAP分析，生态流量满足度、绿化覆盖率以及单位工业增加值的用水量是影响TDWCC的关键因素。生态流量满足度的提高意味着人类用水与生态系统的平衡，有助于维持生态系统的稳定性和可持续性。绿化覆盖率的提升则有助于水体的保护和生态系统的恢复，从而增强区域的水资源承载力。而单位工业增加值的用水量减少则表明工业用水效率的提升，这对于缓解水资源压力具有重要意义。

从研究结果来看，虽然鄂尔多斯的TDWCC在整体上有所改善，但仍存在一定的挑战。首先，生态约束仍然显著，特别是在水资源稀缺和生态系统脆弱的地区。其次，产业结构和用水效率的不平衡，可能导致水资源承载力的进一步下降。因此，未来需要在优化水资源空间分配、调整用水结构、提高生态调控能力和加强水治理体系方面做出努力，以提升区域水资源承载力并实现可持续发展。

本文的研究成果为鄂尔多斯水资源的可持续利用和分区管理提供了决策支持，并为资源受限城市的水生态治理提供了理论指导。通过综合运用DPSIR模型、熵权法、变权法和TOPSIS方法，本文构建了一个能够反映水系统承载力的综合评估框架，并为未来水资源管理提供了科学依据。此外，通过LSTM和LR模型的结合，本文预测了未来水资源承载力的变化趋势，并通过SHAP分析识别了关键驱动因素，为政策制定者提供了具体可行的政策建议。这些建议不仅有助于缓解当前的水资源压力，还能够为未来的可持续发展奠定基础。