SaRVO-UWM框架下的城市水管理：基于认知映射的印度古尔冈市居民水资源价值观差异研究

为解决城市水管理中居民价值观差异导致的政策失效问题，Chandni Bedi团队开发了SaRVO-UWM框架，结合模糊认知映射(FCM)技术，对比分析了印度古尔冈市三类居民区（城市核心区、贫民窟、城郊）对水资源的价值认知差异。研究发现不同群体对水回用、供水安全等指标的优先级显著不同，提出了差异化适应性策略（如强制雨水收集），为构建公平、韧性的水敏感城市提供了认知科学依据。

　　

在全球气候变化和快速城市化的双重压力下，城市水资源管理正面临前所未有的挑战。联合国教科文组织数据显示，过去40年全球淡水需求每年增长1%，到2050年面临缺水危机的城市人口将翻倍，其中印度就占四分之一。这种背景下，传统"一刀切"的水资源管理模式日益暴露出局限性——政策制定者往往忽视了一个关键事实：不同社区群体对"水价值"的认知存在巨大差异。主流城区居民可能更关注中水回用，而贫民窟居民则挣扎于基本用水权保障。这种认知鸿沟直接影响了政策有效性，使得许多技术先进的解决方案在落地时遭遇"水土不服"。

为破解这一难题，来自国内的研究团队Chandni Bedi、Arun Kansal和Pierre Mukheibir在《Environmental Science》发表了一项开创性研究。他们创新性地将社会学认知理论与水资源管理相结合，开发出SaRVO-UWM（城市水管理中的利益相关者-关系-价值-结果）分析框架，并首次将模糊认知映射(Fuzzy Cognitive Mapping, FCM)技术应用于全球南方城市的居民水价值观研究。研究选取印度哈里亚纳邦古尔冈市作为典型案例，该城市包含1254平方公里辖区，涵盖城市核心区、贫民窟和城郊三类典型聚居形态，具有显著的代表性。

研究团队采用混合方法：通过焦点小组讨论(FGDs)收集三类社区共90名居民的认知数据，构建包含环境、社会、技术、经济四大维度的评估体系；运用FCM技术量化分析居民对28个水管理要素（如C7-废水处理、C8-水回用）的价值排序；结合批判系统启发法(Critical Systems Heuristics)识别被边缘化的利益相关者。所有数据处理均采用Mental Modeler软件进行网络分析和驱动力识别。

Perception differences in the values of water部分揭示了三类居民的鲜明差异：城市核心区居民最重视废水处理(C7)和中水回用(C8)，其认知网络呈现多中心结构；贫民窟居民则聚焦供水可靠性(C1)和水价承受力(C5)，认知路径单一；城郊居民表现出对传统水文化(C12)的特殊依赖。这种差异直接反映在FCM生成的影响路径图中——城市居民的水回用偏好通过技术维度影响经济系统，而贫民窟居民的需求则形成"供水安全-健康风险-社会公平"的强关联回路。

Stakeholders and actors分析暴露了政策制定的盲点：虽然市政部门（如MCG）掌握着控制权(Control)，但贫民窟居民作为高动机(Motivation)、低合法性(Legitimacy)群体，其诉求常被排除在决策体系外。这种结构性失衡导致技术方案（如集中式管网）在贫民窟的失败率高达67%，远高于城区的23%。

研究最终提出三大突破性策略：一是建立"水价值观图谱"辅助政策制定，例如对贫民窟实施阶梯水价而城区推行循环用水激励；二是将传统水文化(如印度Stepwell系统)编码为现代管理参数；三是开发基于SaRVO框架的"数字孪生"系统，模拟不同政策对各社区的影响。这些发现不仅弥补了现有水敏感城市(Water-sensitive cities)理论在认知维度的缺失，更为落实联合国"新城市议程"中的"不让任何人掉队"原则提供了可操作路径。

这项研究的里程碑意义在于：首次实证证明了居民水价值观的空间分异规律，将原本抽象