贝叶斯多阶段因子分析在揭示水资源、环境和生态协同承载能力的多指标影响中的应用：以鄂尔多斯为例

《Ecological Indicators》：Bayesian multistage factorial analysis for unveiling multi-indicator effects on synergistic carrying capacity of water resource, environment and ecology: A case study of Ordos

水资源、水环境与水生态协同承载能力评估

　　水是人类生存和发展的重要资源，它不仅支撑着区域的社会经济进步，还对环境质量和生态完整性有着深远的影响。近年来，随着全球气候变化和人类活动的加剧，水资源短缺、水环境污染以及水生态系统退化等挑战日益严峻。这些问题的出现不仅影响了自然生态系统的健康，也对人类社会的可持续发展构成了威胁。为了应对这些挑战，科学家们开始关注水资源、水环境和水生态之间的协同关系，并探索如何在多指标、复杂相互作用和多维依赖的背景下评估这种协同承载力。

水资源、水环境和水生态是流域系统中的相互关联要素，对区域的可持续发展具有重要意义。然而，准确评估水资源、水环境和水生态协同承载力（简称WSCC）仍面临诸多困难，主要是由于评估过程中涉及的指标众多、相互作用复杂以及多维依赖性高。为了解决这些问题，本研究提出了一种基于贝叶斯模型平均（BMA）、耦合协调模型（CCM）和多阶段因子分析（MFA）的综合方法，即贝叶斯多阶段因子分析（BMFA）。BMFA方法不仅可以量化WSCC的多层多维评估框架，还能减少在权重分配过程中的人为主观性和单一方法依赖性，同时揭示影响WSCC的关键指标及其个体和交互效应。该方法被应用于评估一个典型的水资源紧张、水环境退化和水生态恶化的城市——鄂尔多斯市，以期为区域可持续发展提供科学依据和管理建议。

在过去的文献中，已有许多研究聚焦于单独评估水资源承载力（WRE）、水环境承载力（WEN）和水生态承载力（WEC）。例如，生态足迹、指标重要性通过指标相关性（CRITIC）、主成分分析（PCA）以及熵权法等方法被广泛应用于水资源、水环境和水生态承载力的评估中。这些方法各有其优势，但它们在权重分配过程中往往存在主观性或单一性的问题，导致评估结果不够稳定或难以反映复杂的系统互动。因此，为了提高评估的科学性和全面性，需要引入更加综合和多维度的方法，以克服现有方法的局限性。

贝叶斯模型平均（BMA）是一种基于贝叶斯理论的统计技术，能够通过结合不同模型的后验概率权重来有效减少模型选择的不确定性（H?ge et al., 2019; Sattari et al., 2024）。BMA已被应用于地下水脆弱性评估（Gharekhani et al., 2022）和地下水质量评估（Lee et al., 2020; Wang et al., 2023b），其核心优势在于减少主观权重的偏差，并通过整合多种客观方法来降低单一方法评估的不稳定性。然而，此前尚未有研究将BMA应用于评估WSCC，以减少权重分配的主观性并减少对单一评估方法的依赖。

水资源、水环境和水生态之间的互动关系是复杂且多维的。在这一背景下，多阶段因子分析（MFA）通过引入田口设计技术，为识别关键指标的个体和交互效应提供了一种更加高效的方法。MFA的引入使得评估能够在早期筛选出关键指标，并在后续阶段通过减少实验次数来分析这些指标对系统的影响。这种方法能够有效应对指标数量多带来的实验负担，提高评估效率。

本研究中，BMFA方法的框架主要包含三个阶段：首先，通过BMA整合熵权法、变异系数法、CRITIC法和PCA法的权重结果，以提高权重分配的稳定性和客观性；其次，利用耦合协调模型（CCM）评估水资源、水环境和水生态之间的协同程度，并量化WSCC；最后，通过MFA分析关键指标的个体和交互效应，从而为科学管理提供依据。BMFA方法相较于传统评估方法具有显著优势，它不仅能够整合多种权重方法，减少主观性，还能够揭示关键指标及其交互效应，从而支持更有效的管理决策。

为了验证BMFA方法的可靠性，研究团队对不同权重方法下的WSCC进行了评估，并通过斯皮尔曼相关系数（Spearman’s rho）和肯德尔一致性系数（Kendall’s W）分析了权重分配的一致性。结果显示，BMA方法在不同权重方法中表现出更高的可靠性，其权重分配更贴近WSCC的变化趋势。此外，BMA方法在不同年份和不同县区之间显示出较强的稳定性，从而确保了评估结果的科学性和代表性。

在具体应用中，研究团队对鄂尔多斯市的八个行政区域进行了评估，涵盖了2000年至2022年的数据。评估结果表明，鄂尔多斯市的WSCC在整体上处于良好状态，其平均值为0.696。从2000年到2022年，WSCC经历了从中等到良好的演变。其中，杭锦旗的WSCC值最高（0.731），主要得益于人均水资源丰富、有效的污染控制以及较低的地下水依赖度；而鄂托克前旗的WSCC值最低（0.655），这主要是由于地下水过度开采和自然资源稀缺所导致。这些结果反映了鄂尔多斯市在不同区域中WSCC的空间和时间变化特征，同时也揭示了影响WSCC的主要指标及其相互作用。

研究发现，影响鄂尔多斯市WSCC的前三大指标是城市化率（贡献58.4%）、工业污水处理运行费用（26.0%）和湿地覆盖率（11.1%）。这些指标不仅对WSCC的提升具有重要作用，而且它们之间的相互作用也对系统的稳定性产生了显著影响。例如，城市化率的提升虽然促进了经济发展，但也增加了水资源的需求和生态系统的压力，因此需要在推动城市化的同时加强水资源的可持续管理。工业污水处理运行费用的增加则反映了污水处理设施的建设和运营成本，这些成本对于改善水环境承载力至关重要。湿地覆盖率的提升有助于提高水生态系统的自我调节能力，从而对WSCC的提升产生积极影响。

研究还分析了不同权重方法在评估WSCC时的差异。结果显示，熵权法在某些县区的评估结果与其他方法相比存在较大的偏差，这可能与其对特定指标的过度依赖有关。相比之下，BMA方法在不同县区的评估结果更加稳定，且更贴近实际的WSCC变化趋势。此外，BMA方法能够通过结合多种权重方法，减少主观性和单一性，从而提高评估的科学性和代表性。

在评估过程中，研究团队还考虑了干旱对WSCC的影响。干旱年份（即年降水量低于25%分位数）往往会导致WSCC的显著下降，其中鄂托克前旗和东胜区的WSCC下降幅度最大，分别达到4.4%和4.0%。这些结果表明，干旱对不同区域的WSCC影响存在差异，且某些区域的生态韧性较低，因此在制定水资源管理政策时需要特别关注这些区域的特殊需求。此外，干旱不仅影响了水资源的供应，还加剧了水体中的污染物浓度，对水生态系统的健康构成威胁。

在分析关键指标的交互效应时，研究团队发现，某些指标组合对WSCC的影响尤为显著。例如，工业污水处理运行费用与湿地覆盖率的组合对WSCC的贡献最大（59.0%），其次是城市化率与工业污水处理费用的组合（64.5%）和生态用水率与污水处理费用的组合（61.6%）。这些结果表明，有效的污水处理和湿地保护对于提高WSCC至关重要。因此，在政策制定过程中，需要综合考虑这些指标的相互作用，并采取针对性的措施，以实现水资源、水环境和水生态的协同管理。

本研究的政策建议主要包括：首先，应优化水资源配置，提高地表水的利用效率，并限制地下水的过度开采；其次，推广节水技术，提高灌溉效率，特别是在降水较少的地区；再次，需要加强污水处理设施的建设和运营，确保长期资金支持，并将污染控制目标纳入区域发展规划；最后，应重视生态系统的恢复和保护，特别是湿地修复、植被改善和河流湖泊的生态连接。这些措施不仅有助于提升WSCC，还能增强区域的生态韧性，为可持续发展提供保障。

未来的研究可以进一步结合遥感技术，如SWOT卫星提供的高分辨率数据，以补充现有的评估指标，特别是在水资源和水生态承载力方面。遥感数据能够提供更精确的水体变化信息，有助于提高WSCC评估的准确性。此外，结合遥感数据中的土壤水分和地下水数据，可以更好地分析不同区域之间的WSCC差异。这将有助于进一步优化BMFA方法，提高其在复杂系统中的适用性和科学性。