一、研究核心：用“动态模型”破解静态评估困境
传统的水环境承载力评估，多采用指标评价、阈值量化等静态方法，无法反映人口、经济、水环境之间相互影响、相互制约的动态关系——比如人口增长会增加生活用水需求，进而加剧污水排放压力，而污水排放又会恶化水环境，反过来限制经济发展。
为破解这一难题，研究团队搭建了一套整合“水环境、社会、经济”三大子系统的SD模型，就像给南京的水环境系统画了一张“动态关系图”，清晰呈现各因素之间的反馈循环的相互作用。
（1）三大子系统：拆解水环境承载力的核心构成
研究基于PSR（压力-状态-响应）框架，将整个系统拆解为三个相互关联的核心子系统，每个子系统各司其职、相互联动（如图1所示）：
• 水环境子系统：作为核心载体，进一步分为供水、用水、污水收集处理、污水回用排放4个模块，涵盖地表水、地下水、再生水等供水来源，以及生活、生产、生态三大用水需求，完整覆盖“取水-用水-排污-回用”的全链条。
• 社会子系统：以人口为核心，包括城镇与农村人口分布、城市化率等关键因素，同时关联生态环境承载能力——人口增长会直接增加生活用水和污水排放，进而影响水环境状态。
• 经济子系统：聚焦三大产业发展，重点分析农业、工业（第二产业）、服务业（第三产业）的用水需求与污水排放特点，其中工业是主要用水大户，农业污水则多直接排放，对水环境压力显著。
图1 | 各子系统主要因果关系图。A：水环境子系统；B：第一产业；C：人口子系统；D：第二产业；E：生态子系统；F：第三产业。
（2）SD模型构建：从定性到定量的精准落地
为让模型更具科学性和实用性，团队做了三大关键工作：
• 参数校准与验证：选取2010-2019年历史数据对模型进行验证，核心指标误差均控制在3%以内，确保模型能精准反映南京水环境的实际状况。
• 变量与方程设计：设置5个核心状态变量（总人口、GDP、城市道路广场面积等）、5个速率变量（人口增长率、GDP增长率等）、60个辅助变量和13个常数，用DYNAMO模拟语言编写方程，量化各变量之间的关系。
• 灵敏度分析：通过调整19个关键参数±10%，测试各因素对水环境承载力的影响，精准锁定核心驱动因子。
图2 | 南京市水环境承载力系统动力学模型流程图（含各变量反馈循环）。
二、核心结果：2024年污染物入河量预测与关键驱动因素
基于构建的SD模型，团队对南京水环境承载力进行了量化模拟与分析，得出两大核心结论，既有精准数据支撑，也为后续管理提供了明确方向。
（1）2024年污染物入河量精准预测
通过模型模拟，预测2024年南京河流COD、NH₃-N、TN、TP四大污染物年入河量分别为：
• COD（化学需氧量）：120969.2 吨/年
• NH₃-N（氨氮）：13638.48 吨/年
• TN（总氮）：39143.86 吨/年
• TP（总磷）：1579.66 吨/年
同时，研究还分析了各行政区污染物入河占比（如图3A）和各污染源类型占比（如图3B），为精准治污提供了靶向依据——比如可根据各区域污染贡献度，制定差异化管控措施。
图3 | 南京市水污染来源及分担率。A：各行政区污染源占比；B：各污染源类型占比。
（2）灵敏度分析：找到影响承载力的“关键变量”
通过对19个关键参数的灵敏度测试，团队发现了两个核心规律：
• 多数参数对“供水需求危机”不敏感，而GDP增长率是影响供水需求危机的最敏感参数——这意味着经济发展速度过快，会显著加剧水资源供需矛盾。
• 从整个模型系统来看，GDP增长率（GDPGS）和产业结构（STR）是最敏感的两个参数，直接决定了水环境承载力的变化趋势。
这一发现揭示了核心逻辑：南京水环境承载力的提升，并非单纯依靠污水治理，更需要兼顾经济发展速度与产业结构优化，实现生态与经济的协同发展。
三、优化路径：提升南京水环境承载力的3条关键措施
基于上述研究结果，团队针对性提出了3条可落地的管理建议，为南京水环境治理提供了科学参考：
1. 合理控制人口增长速率：减少人口增长带来的生活用水压力和污水排放负荷，缓解水资源供需矛盾。
2. 适当放缓经济发展速度：避免盲目追求GDP增速，平衡经济发展与水环境承载能力，避免水资源过度消耗。
3. 持续调整产业结构：降低高耗水、高污染的第二产业占比，提升第三产业比重，同时加强农业污水、工业污水的收集处理，减少污染物直接入河。
10个月宝宝每天需要喝多少奶粉？
