武汉大学顶刊Hydrology and Earth System Sciences:基于CA模型与GLUE结合实现多尺度用水模拟

点击上方蓝色字关注我们~

全球水资源短缺问题日益严峻，气候变化、人口增长和社会经济转型加剧了水资源压力。准确评估水资源短缺需要同时考虑供水和用水两方面，但现有研究多集中于供水侧的多尺度建模，用水侧模拟仍受限于固定空间尺度和粗糙统计数据，难以捕捉空间异质性。这种尺度不匹配限制了水资源分配策略的准确性。

2.1 研究区域与数据 

研究覆盖中国341个地级市，基于Zhou等（2020）整理的用水统计数据（包括灌溉、工业和生活用水），结合气象、遥感、社会经济等多源数据，生成不同空间尺度的用水网格图（1公里、适宜尺度、地级市尺度）。数据预处理包括空间插值、降尺度及变量选择（如NDVI、夜间灯光、GDP等）。 

2.2 元胞自动机（CA）模型 

CA模型通过网格单元的状态更新规则模拟用水动态，支持多尺度建模： 

概率规则：将用水量划分为k个区间，拟合各区间概率分布（如正态、伽马分布），并通过状态转移矩阵生成随机样本。 

线性规则：基于邻域加权平均更新单元状态，公式为：

其中权重按距离衰减（ωi=1/dip）。 

2.3 不确定性量化与空间异质性分析 

GLUE方法：通过参数采样（如k、α、β、p）生成多个参数组合，计算RMSE和RE似然值，筛选“行为参数集”并生成95%置信区间的不确定性范围。 

空间异质性指标：

变异系数（CV）：衡量用水量的相对变异性。

结 果

3.1 CA模型模拟效果 

（1）概率规则模拟 

参数校准：最优状态区间数k随空间尺度变化（1公里尺度k≈5–6，地级市尺度k≈3–4）。 

概率分布：1公里尺度以正态/对数正态分布为主，适宜尺度在农业区多见伽马分布。 

空间格局：1公里尺度捕捉到城市用水热点，地级市尺度平滑局部细节。 

（2）线性规则模拟 

参数特征：1公里尺度α与β平衡，地级市尺度以α主导（β影响减弱）。 

模拟结果：线性规则在长三角、珠三角等经济发达区域表现稳定，但难以捕捉突变式用水变化。

3.2 不确定性分析（GLUE） 

概率规则的不确定性范围普遍大于线性规则，尤其在西部数据稀疏区域（如新疆、青海）。

六代表性地级市（如大庆、重庆）的时间序列显示，适宜尺度在稳定性与异质性间取得最佳平衡。

讨 论

4.1 更新规则的影响 

线性规则：RMSE（0.28亿m³）和RE（±22.4%）更低，适合长期稳定区域。 

概率规则：能捕捉局部随机性（如工业区波动），但不确定性较高（RE±29.8%）。 

Δsigned指标：概率规则在工业省份（如山东、广东）模拟值更高，线性规则在内陆缺水区更稳健。

4.2 空间尺度的作用 

1公里尺度：细节丰富但噪声敏感（RMSE较高）。 

地级市尺度：过度平滑空间异质性。

适宜尺度：在省级聚合后误差最小（表3），平衡了细节与稳定性。 

4.3 空间异质性分析 

结 论