在马希河流域的历史和未来气候条件下，评估不同行业的水资源利用情况以及降水量变化对蓝色水资源短缺的影响

《Agricultural Water Management》：Evaluating sectoral water use and precipitation variability on blue water scarcity under historical and future climate conditions in the Mahi River Basin

本研究基于蓝色水稀缺指数（WSI_bw）量化印度Mahi河流域的水资源压力，分析农业、工业和居民用水对稀缺性的贡献，发现农业用水占比达70%以上。通过标准化降水偏差分类，揭示干旱年WSI_bw较均值增加20-30%，而湿润年则下降。气候情景模拟表明，SSP5-8.5路径下远期（2066-2100）干旱年WSI_bw增幅超60%，尤其在北部上流域。研究强调需通过跨部门协同管理、农业节水及气候适应性措施缓解水资源压力。

　　蓝水，即人类可使用的地表和地下淡水，正面临日益严重的压力。这种压力主要源于人口增长、工业化和农业扩张等人类活动导致的需求增加，以及气候变化引起的降水模式改变。特别是在半干旱地区，这种压力更为显著。尽管如此，对蓝水稀缺性的全面评估，尤其是在流域尺度上，仍存在不足。本研究旨在通过整合农业、工业和居民部门的蓝水使用情况，量化印度马希河盆地（MRB）的蓝水稀缺指数（WSI_bw），并分析其对历史和未来降水变化的敏感性。研究采用标准化异常分类法，结合共享社会经济路径（SSP）情景，包括SSP1-2.6（可持续发展）、SSP3-7.0（区域竞争）和SSP5-8.5（化石燃料驱动的发展），评估不同时间段内的降水变化对蓝水稀缺性的影响。

### 1. 引言

水稀缺是指水资源供应无法满足农业、经济发展、社会需求和生态环境可持续性的状况。随着气候变化的加剧，水稀缺正逐渐成为影响人类和生态系统可持续性的重大威胁。全球淡水资源仅占地球总水量的约3%，而这一有限的资源正因不断增长的需求而变得愈发紧张。农业灌溉、城市化和工业化等人类活动显著增加了各行业的用水量，导致水资源分配不均。近年来，越来越多的研究开始关注降水模式变化对水稀缺的影响，尤其是在农业用水方面。然而，对降水与蓝水稀缺之间的关系，尤其是在历史背景和未来气候情景下的研究仍显不足。本研究填补了这一空白，探讨了降水变化如何影响马希河盆地的蓝水稀缺性，并提供了针对半干旱流域的水管理策略。

### 2. 研究区域与数据来源

马希河盆地位于印度西部，地理范围从72°21′到75°19′E经度和21°46′到24°30′N纬度。该流域覆盖约34,184平方公里，农业用地占63.63%，表明该地区对农业的高度依赖。马希河分为上、下两个子流域，其季节性明显，分为夏季（3月至5月）、雨季（6月至9月）和冬季（10月至2月）。由于气候因素，该流域北部为亚热带湿润气候，而南部则为热带湿润气候。年均降水量约为899.98毫米，其中超过95%集中在雨季。然而，随着人类活动和气候变化的加剧，水资源的分布变得更加不稳定。

本研究的数据来源于多套气候模型和水文模型，其中H08模型被广泛用于模拟全球地表水平衡和各行业用水情况。H08模型考虑了灌溉面积、作物需求、人口、人均GDP和牲畜密度等因素，从而估算各行业用水量。为了评估降水变化对蓝水稀缺性的影响，研究采用了标准化异常（SA）方法，通过比较某一年的降水量与长期平均值，判断该年是干旱年还是湿润年。同时，研究还分析了不同SSP情景下的未来降水变化，包括SSP1-2.6、SSP3-7.0和SSP5-8.5，这些情景代表了不同的社会经济发展路径和辐射强迫水平。

### 3. 方法

#### 3.1 蓝水稀缺指数（WSI_bw）

蓝水稀缺指数（WSI_bw）用于衡量水需求与可用蓝水资源之间的平衡，扣除环境流需求后。该指数定义为灌溉和其它行业用水总量与扣除环境流需求后的蓝水可用量的比值。WSI_bw值大于1意味着水需求超过了可用蓝水供应，表明存在水稀缺；而小于或等于1则表示水资源供应足以满足需求。通过计算每月的WSI_bw值并取年均值，可以更准确地评估流域内的水稀缺状况。此外，研究还采用了变量月流（VMF）方法来计算环境流需求（EFR），这种方法能够更精确地反映不同流况下的水需求分配。

#### 3.2 行业用水趋势分析

为了分析历史和未来时期各行业用水量的变化趋势，研究采用了曼-肯德尔趋势检验（Mann-Kendall test），这是一种非参数统计方法，适用于检测时间序列中是否存在上升或下降趋势，并评估其统计显著性。该方法不依赖于数据的特定分布，因此特别适合用于分析环境和水文时间序列。研究结果显示，各行业用水量均呈现显著上升趋势（p < 0.05），其中农业用水量增长最为明显，从1981年的2.3×10?立方米/年增加到2015年的3.7×10?立方米/年。这表明农业用水对蓝水稀缺性的影响远大于工业和居民用水。

#### 3.3 行业用水对WSI_bw的贡献

研究通过比例分配方法量化了不同行业用水对WSI_bw的贡献。具体而言，研究计算了各行业用水量占总用水量的比例，并据此分配其对WSI_bw的影响。结果显示，农业用水对WSI_bw的贡献约为70%，表明农业是蓝水稀缺性的主要驱动因素。这一发现突显了农业用水在流域内的重要性，也强调了改善农业用水效率的必要性。

#### 3.4 降水条件的定义

研究采用标准化异常（SA）方法来定义不同降水条件，包括干旱年、中度干旱年、中度湿润年和湿润年。SA值计算为某一年降水量与长期平均值的差值除以标准差。根据SA值，年降水被分为多个区间，其中SA值低于-1σ的年份被视为干旱年，而高于+1σ的年份则被归类为湿润年。这种分类方法有助于识别不同年份的降水异常，并评估其对蓝水稀缺性的影响。

#### 3.5 降水变化对WSI_bw的影响

研究分析了不同降水条件对WSI_bw的影响，发现降水异常对蓝水稀缺性有显著影响。特别是在干旱年，WSI_bw值会明显高于长期平均值，而湿润年则会显著降低。这种影响在下子流域尤为明显，其中降水的变率更高，导致蓝水可用量波动更大。研究还发现，降水变率与WSI_bw的变化之间存在显著的负相关关系，表明降水的不确定性会加剧水稀缺。

#### 3.6 未来蓝水稀缺性的预测

未来WSI_bw的变化通过比较未来与历史时期的平均值来评估。研究计算了不同SSP情景下的未来WSI_bw变化，并将其与历史数据进行对比。结果显示，未来干旱年份的WSI_bw变化幅度显著增加，尤其是在远期未来（2066–2100）情景下，一些上子流域的地区可能会经历超过60%的干旱年水稀缺增加。这表明，在未来气候条件下，水稀缺可能会进一步加剧，尤其是在依赖季节性降水的半干旱地区。

### 4. 结果

#### 4.1 WSI_bw的时空动态

在1981–2015年期间，马希河盆地各行政区的WSI_bw值显示出显著的空间差异。约19%的行政区WSI_bw值小于1，表明蓝水供应充足；而其余81%的行政区WSI_bw值大于1，表明存在水稀缺。WSI_bw值在下游地区最为显著，反映了更严重的水资源短缺。相比之下，上游地区的WSI_bw值较低。Vadodara和Anand行政区的WSI_bw值最高，达到7.5，表明严重的水稀缺。而Udaipur和Chittorgarh行政区的WSI_bw值低于1，表明蓝水供应超过了相应的用水需求。

#### 4.2 行业用水趋势

历史数据表明，各行业用水量均呈上升趋势。其中，农业用水增长最快，从1981年的2.3×10?立方米/年增加到2015年的3.7×10?立方米/年。这表明农业用水在流域内占据了主导地位，且对蓝水稀缺性的贡献最大。同时，工业和居民用水也呈现显著增长，尤其是在快速城市化和工业化的地区。这种增长趋势表明，水稀缺不仅源于农业需求的增加，还受到社会经济变化的影响。

#### 4.3 行业用水对WSI_bw的贡献

行业用水对WSI_bw的贡献显示出显著的区域差异。农业用水对WSI_bw的贡献占比最高，平均约为70%。这表明农业是蓝水稀缺性的主要驱动因素。同时，工业和居民用水的增加也加剧了水资源的竞争，特别是在下游地区，这些行业用水占比较高，进一步提高了WSI_bw值。研究还发现，WSI_bw值与降水变率之间存在显著的负相关关系，表明降水的不确定性对水稀缺的影响较大。

#### 4.4 降水变化对WSI_bw的影响

降水变化对WSI_bw的影响主要体现在干旱年和湿润年。在干旱年，WSI_bw值显著上升，而湿润年则会显著下降。研究发现，降水变率与WSI_bw的变化之间存在显著的负相关关系，尤其是在农业需求较高的地区。此外，降水变率还与WSI_bw的变化幅度相关，表明降水波动越大，水稀缺性越显著。这种关系在下子流域尤为明显，其中降水的变率更高，导致蓝水可用量波动更大。

#### 4.5 未来WSI_bw的预测

未来气候情景下的WSI_bw变化显示出显著的增加趋势，尤其是在干旱年。远期未来（2066–2100）情景下的WSI_bw变化幅度大于近期未来（2031–2065）。某些上子流域的行政区可能会经历超过60%的干旱年水稀缺增加。这表明，未来的水稀缺性可能会更加严重，尤其是在干旱条件加剧的地区。同时，研究还发现，某些下子流域的行政区可能会出现WSI_bw值的下降，这可能是由于降水增加或用水效率提高所致。

### 5. 讨论

#### 5.1 行业用水对水稀缺的主导作用

行业用水是马希河盆地水稀缺的主要驱动因素。特别是在有大量灌溉渠道的地区，农业用水占据了主导地位，导致蓝水供应的枯竭。同时，工业和居民用水的增加进一步加剧了水资源的竞争，尤其是在城市化和工业化迅速发展的地区。这种趋势表明，水稀缺不仅是物理供应的问题，也是治理结构的问题。当前的水管理政策未能充分考虑不同行业之间的用水需求，导致水资源分配的碎片化和缺乏协调性。因此，需要采取综合性的水管理措施，以确保农业、工业、居民和生态环境的用水需求得到平衡。

#### 5.2 气候变化对水稀缺的影响

研究发现，降水变化对水稀缺的影响显著，尤其是在半干旱地区。干旱年份的降水减少会直接导致蓝水可用量的下降，从而加剧水稀缺。同时，湿润年份的降水增加会暂时缓解水稀缺，但这种缓解是短暂的。此外，降水变率与WSI_bw的变化之间存在显著的负相关关系，表明降水的不确定性对水稀缺的影响较大。这种关系在下子流域尤为明显，其中降水的变率更高，导致蓝水可用量波动更大。

#### 5.3 未来变化与政策启示

未来气候情景下的水稀缺变化表明，水稀缺性可能会进一步加剧，尤其是在干旱年。研究发现，某些行政区的WSI_bw值在远期未来情景下可能增加超过60%。这表明，未来的水稀缺性可能会更加严重，特别是在依赖季节性降水的半干旱地区。因此，需要采取适应性的水管理措施，如加强水资源储存和输送基础设施、提高农业用水效率以及推广基于预测的水资源分配方法。

#### 5.4 研究局限与未来研究方向

本研究采用WSI_bw指数来评估降水变化对水稀缺的影响，但该指数未能考虑水质和非传统水源（如回收水、海水淡化和不可再生地下水）的因素。未来研究可以扩展该指数，以更全面地反映水稀缺性。此外，研究采用了VMF方法来计算环境流需求（EFR），但其他方法（如Tessmann或Tennant方法）可能提供不同的EFR估算结果。因此，未来研究可以探索不同的EFR计算方法，以提高WSI_bw的准确性。同时，研究还发现，不同气候强迫数据集对模拟结果和WSI_bw估算的影响较大，因此未来研究可以进一步验证不同数据集对结果的影响，以提高预测的可靠性。

### 6. 结论

本研究通过整合行业用水、降水变化和气候预测，评估了马希河盆地的蓝水稀缺性。结果显示，农业用水是蓝水稀缺性的主要驱动因素，占总用水量的70%。降水变化对蓝水稀缺性有显著影响，特别是在干旱年和湿润年。未来气候情景下的预测表明，水稀缺性可能会进一步加剧，尤其是在干旱年。因此，需要采取综合性的水管理措施，以确保农业、工业、居民和生态环境的用水需求得到平衡。同时，提高农业用水效率、加强水资源储存和输送基础设施、推广适应性措施和基于预测的水资源分配方法，将对维持半干旱流域的水安全至关重要。