发布时间：2021-05-19所属分类：农业论文浏览：1次
摘 要： 摘要:为实现城市低碳可持续发展，分析土地利用、水资源利用、经济发展、人口增长及能源消费与城市碳排放的相互反馈机制，以构建城市水土资源利用碳排放模型。利用系统动力学建模方法，构建城市水土资源利用碳排放系统动力学模型，模拟预测天津市水土资源利用
摘要:为实现城市低碳可持续发展，分析土地利用、水资源利用、经济发展、人口增长及能源消费与城市碳排放的相互反馈机制，以构建城市水土资源利用碳排放模型。利用系统动力学建模方法，构建城市水土资源利用碳排放系统动力学模型，模拟预测天津市水土资源利用碳排放量变化趋势，分析不同因素对水土资源利用碳排放量的影响，设置并对比不同综合减排方案的减排效果。结果表明:构建的城市水土资源利用碳排放模型有效;若系统按现有趋势发展，天津市水土资源净碳排放量在2020—2030年将保持逐年上升趋势;经济快速发展、人口加速增长能显著提高水土资源利用碳排放量，土地利用结构优化、产业结构优化、产业能源效率提升是实现水土资源利用减排的有效途径，产业节水发展对减少城市水土资源利用碳排放作用较小，但由于水资源是城市发展的限制性因素，仍应引起足够重视;在水资源约束和经济稳步发展的前提下，通过实施水土资源利用碳排放综合调控方案，天津于2025年左右水土资源利用碳排放达峰。未来城市发展应主动优化土地利用结构和产业结构，推动产业实现低碳绿色发展，同时重视水资源底线的约束作用。
关键词:环境科学技术基础学科;水土资源利用;碳排放;系统动力学;天津市
0引言
近百年内全球气温明显升高，全球气候变暖趋势持续加剧[1]，气候变化对人类社会生存和持续发展带来一系列问题[2]。中国碳排放量居世界首位[3]，开展节能减排对减缓全球变暖具有重要意义。中国政府承诺在2030年实现二氧化碳排放达峰，单位GDP碳排放量比2005年下降60%～65%[4]，减排工作仍面临压力。天津市作为中国节能减排综合工作方案确定的重点减排区域之一[5]，存在产业结构偏重、城市碳汇保难增难等问题[6]，因此对碳排放问题开展研究，可为全市及京津冀区域实现低碳绿色可持续发展提供参考。
水资源和土地资源是区域发展的基础性资源[7]，城市水土资源禀赋决定其发展模式。2012年，Skaggs等[8]首次系统分析了水土资源利用的碳排放问题，开始了碳排放研究的新视角。土地资源是城市的空间载体，土地利用变化影响产业布局、人口布局，进而影响能源消费和碳排放水平，土地利用碳排放成为除化石燃料消费以外的最大温室气体排放来源[9]。水资源是城市发展的限制性因素，其利用情况决定城市人口增长水平、城镇化水平、产业发展格局等，而城市水生产和处理消耗大量的水资源[10]，进而产生碳排放。国内外学者开展的相关研究包括土地利用碳排放研究和水资源利用碳排放研究等。土地利用碳排放研究方面，Chuai等[11]对江苏沿海地区的不同土地利用类型的碳排放进行分析，并利用线性规划模型优化土地利用结构，发现能源消费对当地碳排放的贡献最大，城市用地限制对碳减排起关键作用。李春丽等[12]研究吉林省土地利用碳排放时空格局，发现该省主要碳排放源为建设用地，主要碳汇则为林地。2017年，吴萌等[13]以武汉市为研究对象，全面系统构建了城市土地利用碳排放系统动力学模型，结果表明优化土地利用结构、调整产业结构比提高能源利用效率更能有效减少城市土地利用系统碳排放量。水资源利用碳排放研究方面，有学者提出城市水系统各环节碳排放量核算方法，并开展了实例研究[14-15]。Rodriguez等[16]将“水-能-碳”耦合用于碳水资源规划中，并基于此开展生态系统服务功能评价。杨文娟等[17]测算河南省各产业碳水足迹效率，发现碳水足迹存在行业不匹配等问题，其中产业性质、水能消耗强度、能源结构等对该省产业碳水足迹效率产生主要影响。2017年，Chhipi-Shrestha等[18]最先利用系统动力学模型将“水-能-碳”关联并研究了城市水系统碳排放，发现住宅、商业、工业热水使用时耗能最高，且以90%的能源消费量贡献了系统93%的碳排放量。2016年，赵荣钦等[19]在国内最先提出“水-土-能-碳”耦合系统分析的新视角，认为土地利用、水循环、能量流和碳循环共同构成了区域“自然-经济-社会”的核心，是未来碳排放研究关注的热点，此后，部分学者基于此视角对农业碳排放问题同样进行了相关研究[20-22]。
经梳理发现，目前研究多从区域土地利用或水资源利用单一视角研究碳排放问题，对水土资源利用系统整体碳排放研究不足。部分有关区域水土资源利用的碳排放也仅针对农业等方面，对城市整体社会、经济、资源利用、能源消费与碳排放的系统分析不足。因此，本文利用系统动力学建模方法，刻画社会、经济、水资源、土地资源、能源等系统的相互作用及与碳排放的关系，构建城市水土资源利用碳排放仿真模型，并以天津市为研究对象，通过观察控制变量与输出变量的关系，为城市低碳可持续发展提供决策参考，同时，开展本研究对水资源匮乏、城市化率高的区域如何实现水土资源低碳化利用具有现实意义。
1数据来源与研究方法
1.1数据来源
本文建立城市水土资源利用碳排放系统动力学模型中涉及的农业、工业、生活、生态用水量等数据来源于《天津市水资源公报》[23]，耕地、园地、草地、林地、居民点及工矿用地、交通用地、水域及水利设施用地、未利用地面积等土地利用数据，总人口、城镇人口、GDP、农作物播种面积、农机总动力、农膜、化肥及农药使用量等社会经济数据来源于《天津市统计年鉴》[24]，各产业及生活原煤、焦炭、原油、汽油、柴油、燃料油、天然气、电力、热力等终端能源消费量数据来源于《中国能源统计年鉴》[25]中地区能源平衡表。
1.2模型构建思路
系统动力学(简称SD，SystemDynamics)是美国Forrester教授于1958年提出的系统仿真方法，是一门分析研究信息反馈系统的学科，也是一门认识系统问题和解决系统问题的交叉综合学科。系统动力学遵循结构决定功能的系统科学思想，依据某一系统内各组成部分相互反馈机制，建立各要素之间的数学模型，模拟该系统行为[26]，从系统内部结构刻画系统行为。目前，有部分学者运用系统动力学从不同尺度研究社会经济系统与能源消费、碳排放相互作用机制[27-29]，但相关研究对水土资源及社会经济系统的关注不够。因此，本文构建天津市水土资源利用碳排放系统动力学仿真模型，通过模拟对比，寻求城市水土资源利用的低碳可持续发展模式。
1.2.1模型时空边界
建立城市水土资源利用碳排放系统动力学模型，通过构建城市水土资源利用碳排放相关的各变量之间的反馈关系，定量分析不同情境下城市碳排放量、水土资源利用、社会经济发展等变化趋势。模型模拟的起始时间为2004年，模拟时间为20052030年，其中模型历史检验时间为20052018年，时间步长为1a。模型空间边界为天津市行政区域，总面积11966.5km2。模型参数根据历史数据及发展趋势预测，模拟软件为VensimPLE。1.
2.2模型系统结构
图1城市水土资源利用碳排放系统架构Fig.1Carbonemissionsystemframeworkofurbanwaterandlandresourcesutilization城市水土资源利用碳排放系统由5个子系统组成(图1)，分别为土地利用子系统、水资源利用子系统、经济子系统、人口子系统、能源消费子系统，各子系统及子系统内部各要素间存在相互作用及反馈机制，能够建立反馈回路和数量方程。土地利用子系统主要涉及农用地(包括耕地、园地、林地、草地、其他农用地)农业生产活动、建设用地(包括居民点及工矿用地、交通用地、水域及水利设施用地)开发建设活动;水资源利用子系统主要为城市水系统各环节(包括供水、用水、水处理)建设与服务活动;经济子系统主要包括城市经济发展速度、产业结构，主要包括GDP增长率、各产业GDP比重等反映城市经济运行状况的指标;人口子系统主要包括城市总人口和城镇人口;能源消费子系统主要包括居民生活能源消费和各产业活动消费。这些活动共同组成城市水土资源利用系统，该系统通过相互作用产生碳排放与碳汇，最后以净碳排放的形式汇入大气碳库。
1.2.3模型建立与模拟
根据系统结构和反馈机制构建城市水土资源利用碳排放系统的反馈回路，综合运用表函数、经验公式法、线性回归法等建立系统内各变量间的方程，确定相关参数值，进而构建系统存量流量图。对构建的模型进行运行检验、历史检验和灵敏度检验，使模型模拟结果符合天津市社会经济、水土资源利用、能源消费、碳排放实际情况。最后运用该模型进行未来城市水土资源利用碳排放情景模拟，寻找低碳可持续发展路径。
1.3城市水土资源利用碳排放系统动力学模型
通过模型时空边界、系统结构分析，建立由土地利用子系统、水资源利用子系统、经济子系统、人口子系统、能源消费子系统五个子系统共同构成的城市水土资源利用碳排放系统动力学模型(图2)，该模型由状态变量、流速变量、辅助变量、常量、表函数等组成，其中重要状态变量用方框表示。净碳排放量受碳排放量和碳汇量影响。碳排放量受水资源利用碳排放量和土地利用碳排放量影响，而水资源利用碳排放量受农业灌溉用水、第二产业用水、第三产业用水、居民生活用水、供水及污水处理碳排放的影响，土地资源利用碳排放受耕地碳排放、第二产业用地碳排放、第三产业用地碳排放、交通用地碳排放、居住用地碳排放的影响。碳汇量受耕地面积、林地面积、草地面积、园地面积、水域及水利设施用地、未利用地面积的影响。
相关期刊推荐：《安全与环境学报》本刊是安全与环境学科的学术性双月刊，主要刊载石油、化工、生态、环境、矿业、信息、网络、冶金、建筑、交通、勘探、国防等领域的相关论文。主要读者对象：相关科研院所科技工作者，大中专院校相关师生，政府部门管理及决策者，厂矿企业技术人员及管理人员。本刊特别注重为博士生、硕士生科研服务。
城市水资源利用系统碳排放量主要包括水资源在供水(取水、输水)、用水、水处理全生命周期中的碳排放。其中取水、输水、水处理环节碳排放量由供水及污水处理碳排放变量表征，为水的生产和供应行业能源消费碳排放量，受工业用水、建筑业用水、第三产业用水、生活用水、生态用水、海水淡化量、污水回用量的影响。用水环节的碳排放量主要包括农业灌溉用水过程能源消费碳排放、居民饮水及淋浴用水碳排放、居民热力消费碳排放、第二产业热力消费碳排放、第三产业热力消费碳排放[12-13，16]。城市土地利用系统碳排放量为不同土地利用类型上承载的人类活动的碳排放量，主要包括农用地上耕地种植活动产生的能源消费碳排放，居民点及工矿用地、交通用地等建设用地上居民生活、产业活动、车辆行驶等产生的能源消费碳排放量[11]。模型部分主要方程为
1)总人口=INTEG(+人口增长量，1023.67)单位:万
2)地区总GDP=INTEG(+GDP变化量，3141.35)单位:亿元
3)第二产业GDP=地区总GDP×第二产业GDP比例单位:亿元
4)总用水量=农业用水量+工业用水量+第三产业用水量+建筑业用水量+生活用水量单位:亿m3
5)总供水量=外调水量+地下水供水量+地表水供水量+污水回用量+海水淡化量单位:亿m3
6)水资源供需差=总供水量-总用水量单位:亿m3
7)农业灌溉用水量=有效灌溉面积×灌溉用水定额单位:亿m3
8)工业用水量=工业GDP×单位工业GDP用水量单位:亿m3
9)生活用水量=城镇生活用水量+农村生活用水量单位:亿m3
10)耕地面积=INTEG(+耕地面积变化量，4456.3)单位:km2
11)建设用地面积=居民点及工矿用地面积+交通用地面积+水域及水利设施用地面积单位:km2
12)未利用地面积=11966.5-农用地面积-建设用地面积单位:km2
13)水土资源利用净碳排放量=水土资源利用碳排放量-碳汇量单位:万t
14)第二产业原煤消费量=第二产业GDP×单位第二产业GDP原煤消费量单位:万t
15)水资源利用碳排放量=灌溉碳排放量+第二产业用水碳排放量+第三产业水资源利用碳排放量+居民生活水资源利用碳排放量+供水及污水处理碳排放量单位:万t
16)土地利用碳排放量=耕地碳排放量+第二产业用地碳排放量+第三产业用地碳排放量+交通用地碳排放量+居住用地碳排放量单位:万t
17)碳汇量=(耕地面积×0.042+林地面积×0.58+草地面积×0.021+园地面积×0.58+水域及水利设施用地×0.253+未利用地面积×0.005)×100×44/12/10000单位:万t
2结果与分析
2.1模型检验与灵敏度分析
系统动力学模型建立后需要进行检验以确保所建立的模型能够反映城市水土资源利用碳排放系统实际情况，模型检验包括模型运行检验、模型历史检验和模型灵敏度分析。
2.1.1模型运行检验用
VensimPLE软件中CheckModel和UnitsCheck对所建立的模型进行运行检验，检验结果显示模型结构、变量单位均通过检验，模型可正常运行。
2.1.2模型历史检验
2004年各变量值为初始值运行模型，利用2005—2018年的历史数据对模型进行历史检验，选择模型中的人口、地区总GDP、农业用水量、工业用水量、生活用水量、总供水量、农用地面积、建设用地面积、第二产业原煤消费量、生活天然气消费量为检验变量，将模型模拟数据与历史数据(表1)进行对比，计算各变量误差率。结果表明，各变量2005—2018年模拟值相对历史数据的误差值均小于10%，在允许误差范围内[24]，除个别变量中部分年份外，大多数年份变量误差在5%以内，表明模型通过历史检验，可以用来模拟天津市水土资源利用碳排放系统变化趋势。
2.1.3模型灵敏度分析
稳定性较好的系统动力学模型应对大多数参数变化不敏感。选择8个输出变量分析其对17个参数变化的灵敏度，输出变量为:总人口、地区总GDP、总用水量、总供水量、建设用地面积、农用地面积、碳汇量、水土资源利用净碳排放量，涵盖人口、经济、土地利用、水资源利用等子系统主要输出变量及整个水土资源利用碳排放系统的净碳输出量，是观测系统状态的主要指标。17个参数分别为:人口增长率、农用地地均第一产业GDP、建设用地地均第二产业GDP、建设用地地均第三产业GDP、人均交通用地变化量、人均居住及工矿用地变化量、人均耕地面积变化量、林地面积变化量、园地面积变化量、单位工业GDP用水量、灌溉用水定额、单位第二产业GDP原煤消费量、单位第二产业GDP热力消费量、单位第三产业GDP原煤消费量、单位第三产业GDP电力消费量、人均汽油消费量、人均热力消费量。每个参数增加原值的15%，计算2005—2018年各输出变量相应的变化幅度，将各输出变量各年变化幅度求均值，再计算出8个输出变量的变化幅度均值作为17个参数的灵敏度(图3)，以反映参数变化对输出结果的影响程度。从结果得知，所有参数灵敏度均小于15%，表明模型对参数变化不敏感，具有较好的稳定性。建设用地地均第二产业GDP较其他参数敏感度高，为2.92%，是模型中较为重要的参数，其次为建设用地地均第三产业GDP，灵敏度为1.06%，其余灵敏度较高的参数依次为人口增长率、灌溉用水定额、人均居住及工矿用地变化量、单位工业GDP用水量，是模型相对重要的参数，其他参数灵敏度均较低。——论文作者：江文渊1，2，曾珍香1，张征云2，张彦敏2
SCISSCIAHCI
