中国高分辨率月尺度分部门用水数据集(HSWUD)的构建及其在水资源管理中的应用

为解决中国现有用水数据时空分辨率不足的问题，中国科学院地理科学与资源研究所的研究团队整合多源遥感、气象和社会经济数据，开发了降尺度算法，构建了1965-2022年中国0.1°分辨率月尺度分部门用水数据集(HSWUD)。该数据集涵盖灌溉、制造业、热电冷却和居民用水四大部门，与地级市统计数据相关性达R2=0.88，显著提升了中国用水模式的时空解析能力，为气候变化背景下的水资源精细化管理提供了重要数据支撑。

　　

水是生命之源，也是社会经济发展的命脉。随着全球气候变化和人类活动加剧，水资源短缺已成为制约可持续发展的重大挑战。中国作为世界上人口最多的发展中国家，用水需求持续增长，超过40%的城市面临不同程度的缺水问题。然而，现有的中国用水数据多按行政边界或流域汇总，缺乏足够的时空分辨率，这严重限制了对人类用水模式和时空变化的深入分析。

针对这一关键问题，中国科学院地理科学与资源研究所陆地表面格局与模拟重点实验室的Yuqian Zhang、Yunhe Yin等研究人员开展了一项开创性研究，构建了中国高分辨率分部门用水数据集(High-resolution Sectoral Water Use Dataset, HSWUD)。该数据集覆盖1965-2022年，空间分辨率达0.1°×0.1°，包含灌溉、制造业、热电冷却和居民用水四大部门，首次实现了中国用水数据的精细时空解析。相关成果发表在《Scientific Data》期刊上，为水资源管理和政策制定提供了重要科学依据。

研究团队采用多源数据融合和降尺度算法，整合了遥感土地利用数据、人口密度图、再分析气象数据、热电厂地理空间信息和工业企业微观调查数据。关键技术包括：(1)基于社会经济变量的省级年用水量空间降尺度；(2)利用气象和月度经济数据将年尺度数据分解为月尺度网格；(3)针对不同用水部门采用特异性分配方法，如制造业用水采用企业级效率估算，灌溉用水采用CROPWAT模型计算作物需水量。

研究结果部分，通过多个维度验证了HSWUD的可靠性：

数据量对比方面，HSWUD与地级市统计数据的相关性(R²=0.85)显著高于HUANG和ISIMIP3a数据集，均方根误差(RMSE=4.68亿m³)更低。在部门用水量模拟上，HSWUD表现出更小的误差范围和更窄的误差分布。

季节性变化方面，HSWUD准确捕捉了中国灌溉用水夏季高峰的特征，这与作物生长周期和高温蒸腾作用相符。热电冷却和居民用水也呈现出与温度变化一致的季节性波动，夏季需求显著增加。

年际趋势上，HSWUD反映了中国用水结构的重大转变：居民用水持续增长(1965年157亿m³/月→2022年777亿m³/月)，而制造业和热电冷却用水在2008-2011年达到峰值后开始下降，体现了节水政策的成效。

空间分布上，HSWUD揭示了显著的地区差异：华东地区和珠江三角洲用水量最高，华北平原的工业和灌溉区次之。灌溉用水集中在长江中下游、黄河流域和新疆绿洲灌溉区，制造业用水则密集分布在珠三角、长三角等工业集聚区。

研究讨论部分指出，HSWUD数据集通过整合高分辨率社会经济数据和过程模型，显著提升了中国用水数据的时空解析能力。与依赖全球水文模型(GHMs)或国家统计数据的现有产品相比，HSWUD能更准确地反映区域异质性和政策影响。特别是对企业级用水效率的考量，使制造业用水估算更加可靠。

该研究的创新价值体现在：(1)首次实现中国0.1°分辨率月尺度用水数据的长时序(58年)重建；(2)开发了针对不同用水部门的特异性降尺度方法；(3)揭示了中国用水结构的时空演变规律及其驱动因素。这些成果为评估水资源管理政策效果、预测气候变化影响提供了重要基准数据。

当然，研究也存在一定局限性，如工业企业的空间采样偏差、热电厂位置数据的不完整性等。未来可通过纳入更多企业级用水数据、更新灌溉面积动态等进一步提升数据质量。总体而言，HSWUD为理解人类用水与自然水循环的相互作用提供了新视角，将有力支持中国乃至全球的水资源可持续管理。