青海湖流域生态环境问题集中表现在青海湖水量平衡和水位变化上［1］。由于人为活动相对较少，青海湖被认为是研究近代环境演化和气候变化的良好地区之一，国内许多学者利用水文、气象实测资料，定量分析计算青海湖水量平衡要素及其与气象因素的关系，预测未来可能的水位变化［2－4］。近几十年，由于人类活动加剧和气候变化的综合影响，青海湖流域天然草地退化、沙化、河道侵蚀、湿地旱化，湖区沼泽面积逐年缩小，使青海湖流域水资源重新分配并影响其入湖水量［5］。为了恢复和保护青海湖流域生态，国家实施了退化草地综合治理、河道整治、沙漠化土地治理、生态林建设、湿地保护等一系列的综合措施［6］。但是，由于社会、经济、环境系统及其关系的复杂性和动态性，以及流域生态治理和水资源开发利用的不确定性和多目标性［7］，使得各种水资源政策对青海湖水安全格局的影响缺乏定量化的手段和方法［8］。因此有必要建立一个系统的、动态的水资源预测模型，以反映水资源供求、分配关系和不同政策的影响［9］。系统动力学方法可以动态反映复杂系统的组分关系，并具有定量预测的优点［10－11］，是研究青海湖水量平衡和水资源承载力的理想工具。笔者在分析青海湖流域水资源和社会系统相关要素的基础上，建立青海湖流域水资源系统动力学模型，对青海湖流域生态保护与综合治理实施后，青海湖流域水资源环境承载力与承载状况进行动态仿真及趋势预测，为青海湖流域的社会经济与水资源之间寻求一种协调发展的有效途径。 1系统动力学模型构建 1．1系统边界 青海湖流域位于青藏高原东北隅，为四周群山环抱的封闭式山间内陆盆地，流域面积29661km2，山区面积约占流域面积的68．6%。2000年底，青海湖流域拥有人口9．72万人，其中农村人口7．41万人;各类牲畜共302．86万头(只)，其中大牲畜34．78万头，猪3．33万头，小牲畜264．75万只;耕地面积约20000hm2，其中灌溉面积11400hm2。主要的农作物有小麦、青稞、燕麦、豌豆及青饲料等，以油菜、青稞占主导地位;年产粮食3600t;工业产值1．19亿元。2000年青海湖流域现状总用水量0．49×108m3，其中工业用水0．0016×108m3，牲畜用水0．1504×108m3，生活用水0．0142×108m3，灌溉用水0．3216×108m3。模型的空间边界是整个青海湖流域。模拟时间段为2001—2050年，以2001年为基准年，模拟步长为1a。 1．2系统反馈机制图的构建 青海湖流域水资源系统是一个复杂大系统，以青海湖水量平衡为核心，以整个流域为研究对象，通过系统结构和因素分析，确定与水资源相关的主要因素及其与水资源承载力的关系。青海湖水量平衡中来水量主要包括湖面降水、地表水入湖补给和地下水入湖补给3部分，耗水量包括青海湖水面蒸发、人类生活用水、牲畜饮用水、农业灌溉用水、工业耗水和生态环境用水，据此建立青海湖水量平衡方程如下:ΔW=P+Rs+Rg－E－Hu。(1)式中:E为湖水面蒸发量，P为湖面降水量，Rs为地表水入湖补给量，Rg为地下水入湖补给量，Hu为人类活动耗水，ΔW为湖水储量变化。青海湖流域水资源系统因果反馈机制如图1。 1．3系统流图的建立 在分析青海湖流域水资源系统特征和影响因素的基础上，采用SD方法构建青海湖水量平衡和水资源动态预测模型，从整体上反映政策、资源、人口和经济发展之间的相互关系，模拟不同生态治理措施对青海湖水量平衡和水资源承载力的影响及其长远效果。青海湖水资源系统动力学模型由6个模块组构建成，分别是:工业用水、农业灌溉用水、生态环境用水、人口用水、牲畜饮用水和水量平衡模块。运用SD专用建模软件VensimPLE来表示子系统间的相互联系及内部的结构关系，建立青海湖流域水资源系统流图(图2)。 1．4数据来源及参变量的确定 系统流图仅表明系统结构与各变量间的逻辑关系，不能显示其定量关系。通常情况下由于数据不足或函数关系复杂，变量间的关系难以用严格的数学函数关系量化，需采用简化、近似、概括等方法进行处理。本研究采用了灰色系统预测、趋势外推法及依据调查与统计数据估测参数，并进行必要的检验，将复杂的函数关系加以简化，来确定模型中的参数值。模型数据主要来源于青海省统计年鉴，青海湖流域海北州刚察县和海晏县、海西州天峻县、海南州共和县及国有农牧场(三角城种羊场、湖东种羊场、铁卜加草改站和青海湖农场)的调查资料。农田和草地灌溉用水以及生活和牲畜用水来源于青海省用水定额。变量初始值以2001年为基准年，基准年以前的数据为模型检验数据，基准年以后的变量值分别采用了灰色模型预测、几何平均值法、加权平均值法、趋势外推等方法，部分变量值参考有关规划和研究成果确定(表1)。有关参数和变量的说明:青海湖水资源系统动力学模型包含工业用水、农业用水、生态环境用水、人口和牲畜用水和青海湖水量平衡模块，其中工业用水以万元GDP用水量与GDP总量的乘积计算，农业用水以农田(草地)灌溉定额与灌溉面积的乘积计算，生态环境用水以林地灌溉定额与林地面积的乘积计算，人口和牲畜用水以用水定额与地区人口和牲畜总量的乘积计算。模块中GDP增速参考青海省“十二五”发展规划成果，并采用了趋势外推法确定，万元GDP用水量、农田(草地)灌溉定额、用水定额采用青海省用水定额标准，人口出生率和死亡率引用孙发平等的研究成果［12］。 2系统动力学模型检验 在使用模型预测前，需进行模型有效性检验，以验证构造的模型与现实系统的吻合度，检验模型获得的信息是否反映了现实系统的特征和变化规律。模型有效性检验分为直观检验、运行检验、历史检验和灵敏度分析。 2．1模型的直观检验与运行检验 用VensimPLE软件对模型进行直观检验与运行检验，证明模型中变量设置、因果关系、流图结构以及方程表达式合理。方程的量纲检验表明，方程等式两边的量纲一致，模型试运行未产生病态结果。#p#分页标题#e# 2．2模型的历史检验 将青海湖流域水资源系统模型各种指标、参数代入仿真系统，对所建立的系统模型正确性进行检验。根据青海湖1959—2000年历年水量平衡数据运行模型，得出1959—2000年各个变量时间序列数据并与实测数据比较，误差均在6%以内，其中实测水位与模型计算水位误差均为4．3%(图3)。表明模型能够反映青海湖水量平衡系统的实际特征，因而可以用来预测未来各种流域治理方案实施后的动态发展过程。 3青海湖水资源承载力和优化配置 为了应对青海湖流域日益严峻的生态环境和水资源问题，国家启动实施了青海湖流域生态保护与综合治理工程。工程实施年限为2008—2017年。工程的实施将对流域生态环境以及青海湖水量平衡与水资源承载力产生积极影响。规划内容涉及水资源承载力与优化配置的核心政策和措施有5项:①实施人工增雨。通过人工增雨作业的实施，年均可增加降水量9．2×108m3～13．8×108m3，可直接为青海湖增加1．9×108m3～2．9×108m3的水量。在模型中作为2017年工程完成后的直接入湖水量。②退化土地保护与治理。在荒漠化土地防治和生态林建设中，营造灌木林1．08×104hm2，封山育林2．83×104hm2。在模型中作为2017年工程完成后生态环境用水，以林地灌溉定额与林地面积的乘积计算。③改善农牧民生产生活条件。通过建设生态畜牧业，转变经济增长方式和农牧民生活方式，建立人工草地5．39×104hm2。全部为灌溉草地。在模型中作为2017年工程完成后草地灌溉用水，以草地灌溉定额与草地面积的乘积计算。④退耕还草工程。流域现有耕地面积1．79×104hm2。规划退耕面积1．05×104hm2，种植多年生牧草。保留耕地面积0．74×104hm2。全部为灌溉耕地。在模型中作为2017年工程完成后农田灌溉用水，以农田灌溉定额与农田面积的乘积计算。⑤实施人畜转移和退化草地修复。流域现有草地面积213．65×104hm2。可利用草地面积189．90×104hm2。通过退化草地修复增加牲畜饲养量62．1万只。通过退牧还草减少牲畜饲养量99．6万只。合计减少牲畜饲养量37．5万只。2004年牲畜总数401．9万只，因此规划牲畜饲养量364．4万只。在模型中作为2017年工程完成后牲畜饮用水，以用水定额与牲畜总量的乘积计算。将上述治理措施指标代入青海湖流域水资源系统动力学模型，运行结果与工程实施前比较，青海湖流域人类活动耗水从工程实施前2008年的0．48×108m3增加到工程完成后2017年的2．60×108m3(图4)。另一方面，从青海湖的水量平衡角度考虑，在不进行青海湖流域生态保护与综合治理工程的情况下，青海湖水位将从2000年的3193．3m下降到2050年的3187．0m;实施青海湖流域生态保护与综合治理工程后，由于人工降水增加入湖水量，2050年青海湖水位将达到的3190．2m，下降趋势减缓(图5)。 4结论与建议 青海湖流域水资源系统动力学模型较好地反映了流域内水资源与社会经济的时空耦合关系，模拟结果所显示的系统动态行为过程，为解决青海湖流域水资源分配问题和生态环境问题提供了直观可靠的方法和依据，对地区发展具有一定的现实指导意义。模型模拟结果表明，按照目前的青海湖流域生态保护与综合治理工程规划，由于植被恢复过程中植物耗水增加，受农田和草场水利化的影响，工程完成后，青海湖流域人类活动耗水显著增加，对青海湖水量平衡将产生较为严重的负面影响，因此在植被恢复过程中应该考虑流域水分承载力，避免大范围的农田和草场灌溉，这一点应该引起决策者的重视。青海湖水量平衡受气候变化影响显著，未来人工降雨的实施效果各家存在不同意见，未来青海湖水位下降趋势减缓仍有疑问。由于流域人类活动和气候变化加强，青海湖流域水资源—社会经济耦合系统在演化过程中，系统内部的结构将发生变化，但在系统动力学模型运行中各方案的结构是不可改变的，另外，要素间函数关系的准确性也会随着时间的推移而降低，这些都可能导致仿真结果和评价结论出现一定的偏差。因此，需要对模型结构和参数不断更新，以使仿真和评价结果更具科学性。
