《Water Research》：Exploring Pathway Scenarios for Future Urban Water Resilience Using Systems Approach Coupled with An Agent-Based Model Operated on Synthetic Social-Policy Networks
编辑推荐：
新加坡水资源需求预测研究采用系统动力学与代理模型结合的混合方法，基于合成多层数据网络模拟人口增长、进口缩减及集水区变化情景。结果显示政策覆盖率达20%时可在2040-2050年抵消人口需求增长，长期累积效应显著（2030年需求差异3.4升/人/日增至2060年20.3升/人/日）。小世界网络结构有效捕捉社会影响力，验证了分层干预的必要性。
Dineshkumar Muthuvel|秦晓生|Saman Maroufpoor
南洋理工大学土木与环境工程学院，新加坡南洋大道50号，邮编639798
摘要
本研究开发了一个混合系统动力学模型，并结合了基于代理的模型，在合成社会政策网络上运行，以预测新加坡未来供水和需求动态的情景。模拟探讨了多种轨迹，包括人口增长、进口水量减少以及不同本地流域水平的变化，每种情况都在不同的政策覆盖率（受保护政策激励的人口比例）下进行评估。这些情景根据从替代水源（即海水淡化和再生水）获取的水量，在三个未来时间点进行排名。在短期内（2030年），在假设的轨迹中，进口量的迅速下降显著增加了对替代水源的压力。然而，到了中期（2045年）和长期（2060年），政策覆盖开始发挥更大的影响：在大约55%到60%的表现最好的情景中，20%的政策覆盖率与减少对替代水源的依赖相关。模拟还揭示了两种对政策干预的响应行为。首先，政策覆盖产生了累积的长期效应：在2030年，有政策干预和没有政策干预的情景之间的人均需求差异为3.4升/天，到2060年这一差异增加到20.3升/天。这突显了早期和持续的政策参与对于实现长期节约的重要性。其次，当政策覆盖率达到30%以上时，人均需求增长趋于平稳，这是因为对低消费群体实施了最低限度的限制以维护公平性。总体而言，该混合模型通过一系列假设情景为政策制定者提供了有价值的反馈，支持更稳健的长期规划和准备。
引言
提供清洁、可获取和可持续的水资源是联合国可持续发展目标6（SDG 6）的核心（Ma等人，2025年）。为了实现这些目标，政策制定者必须设计策略，以应对气候变化和未来人口增长带来的挑战，确保公平供水。为此，水务机构需要预见未来的供水和需求动态。这涉及到投资多种可持续的供水来源，同时通过了解用水行为来控制家庭和工业需求。水资源可用性与受政策影响的人类需求之间的相互作用构成了一个基本的社会水文问题（Lyu等人，2024年）。解决这一关键的社会水文问题需要一个全面的研究框架。
系统动力学（SD）模型已被证明能够有效表示复杂的供需互动并模拟未来条件。其关键变量之间的因果反馈机制驱动系统行为，并支持在各种假设情景下预测未来的水资源需求。例如，Sahin等人（2017年）使用系统动力学方法评估了不同定价策略下的节水潜力。Enteshari等人（2020年）为内流盆地开发了一个类似的模型，并建议调整各部门之间的水资源分配策略，以实现可持续的水资源系统。Liu等人（2022年）开发了一个国家级模型，从经济增长、环境保护和可持续性的不同角度分析未来的供水和需求动态。Zhou等人（2023年）采用类似的方法，针对半干旱研究区域，建议通过技术改进来抑制个人用水需求，以实现可持续的未来。最近，Panda等人（2025年）应用系统方法，根据气候模型预测，识别出在全球变暖背景下面临未来供水短缺风险的亚洲大城市。其他研究探讨了通过跨流域调水（Abdi-Dehkordi等人，2024年；Naderi等人，2021年）或更广泛的供应多样化策略（Crookes，2018年；Naeem等人，2024年）来解决未来短缺的可行性。总体而言，这些工作模拟并比较了需求增长、供应限制和政策干预的各种情景，展示了系统动力学作为水资源规划和管理中可行性评估的有效工具的价值。
尽管系统动力学模型具有整体视角，但它没有考虑系统内人口的异质性。解决社会水文问题需要捕捉家庭在水政策干预下的多样化用水行为及其适应性决策。基于代理的模型（ABMs）非常适合这一目的。ABMs采用自下而上的方法，其中具有不同属性的个体代理在定义的网络中互动，产生出系统的新兴行为。在供水和需求方面的一个开创性应用中，Mashhadi Ali等人（2017年）将居民建模为代理，以考察他们在不同保护计划情景下的使用模式。相反，Darbandsari等人（2020年）使用ABMs来解决不同水资源管理政策下利益相关者和水用户之间的冲突。Vidal Lamolla等人（2022年）和Vidal-Lamolla等人（2024年）研究了代表不同收入水平（如低收入、中等收入和高收入代理）的水用户对电价变化的反应。采用类似的框架，Karrenberg等人（2026年）发现低收入代理受分时电价系统的影响最大，这挑战了用水的社会公平性。Ehsanitabar等人（2025年）将城市、农业和工业部门视为代理，探讨了他们在各种水库管理策略下的互动。虽然这些基于ABM的研究成功捕捉了利益相关者互动和集体收入群体之间的政策互动，但它们没有纳入家庭之间的同伴影响，而这可能显著影响用水行为（Zhang等人，2023年）。
最近，一些研究在ABMs中纳入了社会网络，以解决传统方法的局限性。这种方法通常用于流行病建模（Johnson，2024年；López和Giovanini，2025年；Wan等人，2022年），其中代理是在网络中通过社会互动在每个时间步骤之间转换状态的个体（如易感、暴露、传染或因疾病而死亡）。一些研究最近将这种技术应用于与供水和需求动态相关的研究中。例如，Pesantez等人（2024年）使用Moore邻域概念捕捉了代理之间的节水行为的同伴影响，该概念假设一个代理与其在二维网格结构中的八个邻近代理之间的互动。然而，这种简化的基于网格的概念简化了社会互动。另一方面，小世界网络可以更好地模拟真实的社会互动，同时捕捉局部影响和拓扑上的远距离连接（Watts和Strogatz，1998年）。在这方面，Vizanko等人（2024年，2025年）在明尼阿波利斯的城市模型中使用了合成小世界网络，以了解在社会影响下的供水和需求动态。将这种网络拓扑结构整合到基于代理的模型中，可以实现同伴之间的影响，从而显著塑造与水相关的行为。然而，这些现有的结合社会网络的ABMs没有使用系统动力学来提供全面的和汇总的反馈。Putri等人（2025年）在关于流域治理中的决策制定和利益相关者互动方法的综述中发现，系统动力学和基于代理的建模是最有效的方法之一。鉴于它们的互补优势，该综述还建议在未来的研究中整合这两种技术。在这样的混合模型中（Ding等人，2022年；Zhang等人，2025年），系统动力学组件捕捉宏观层面的反馈机制，而基于代理的模型跟踪微观层面的个体行为。此外，使用社会网络运行这样的混合模型可以通过捕捉同伴之间的影响来增加细节。
尽管在从社会水文角度研究供水和需求动态的技术方面有很多进展，但仍存在一些研究空白。首先，有许多研究单独使用系统动力学或基于代理的建模，并取得了很好的效果，但只有少数研究（Giordano等人，2021年；Nazeryzadeh等人，2024年；Wang等人，2018年）将这两种技术结合起来用于供水和需求动态。尽管这些混合模型能够实现强大的互补优势，但它们没有整合社会网络，从而增加同伴之间社会政策影响的细节。其次，即使是一些利用网络来研究社会影响的基于代理的研究，也不一定关注代理之间的政策传播。在这方面，与政策相关的研究使用二分网络（Lo等人，2025年；Tang等人，2023年），其中政策表示为一组节点，代理表示为另一组节点。这样的政策网络层可以叠加在社会网络上，以了解通过社会结构进行的政策传播。第三，系统动力学和基于代理的模型经常因缺乏长期数据以及确定模型中关键变量所需的复杂参与式研讨会而受到批评（Phan等人，2021年）。在这种情况下，将结果与公共讨论（如关于水问题的议会讨论的文本挖掘（Tortajada等人，2021年）进行比较，可以提供额外的见解，并帮助判断模型变量和输出是否与现实世界的关切大致一致。最后，由于未来本地流域水平的限制（源于土地限制）及其对进口水的依赖以及预期的人口增长，新加坡面临水资源压力。尽管之前的几项研究使用系统动力学分析了新加坡的供水和需求问题（Xi和Poh，2015年；Xu等人，2020年），但它们没有探讨基于代理的模型结合社会网络整合可以带来的个体在水政策互动下的异质用水行为。
为了解决这些研究空白，本研究旨在开发一个整体系统动力学模型，其中一个变量通过在一个合成多层网络环境中运行的基于代理的模型动态确定，以了解个体代理的用水行为。该混合模型是为新加坡这个城市国家开发的，由于几乎封闭的循环（不包括进口水）和明确定义的水系统（Lafforgue和Lenouvel，2015年），因此适合进行测试。最初，使用观察数据校准混合模型，然后将模型输出与新加坡与水相关的议会讨论的文本挖掘结果进行比较。接下来，利用校准后的参数，在人口增长、进口减少、本地流域水平和政策干预率的几个假设情景下生成未来的供水和需求动态预测。多种路径的结果将揭示对政策制定者有用的供水和需求的新兴轨迹。文章的其余部分组织如下：第2节介绍了混合模型的详细方法论和数据描述。第3节实施该框架，检查模型的有效性，并讨论不同情景的政策含义，第4节总结了研究的关键发现。
章节摘录
材料与方法
图1(a)通过概念性的存量-流量图展示了变量之间的反馈。混合系统动力学（SD）模型模拟在不同供需情景下每年运行一次。该模型通过随时间演变的存量、流量和辅助变量之间的多个反馈循环来捕捉供应、需求和政策组件之间的互动。
混合模型的校准
在预测未来不同人口的人均需求、水进口量和本地流域水平情景之前，首先根据2007年和2019年的观察人均需求数据校准混合模型中的供应规划阈值（SPT）参数。人均需求通常基于给定年份的家庭供应侧总用水量和需求侧总人口计算（Sahin等人，2016年）。
结论
- •
本研究表明，在长期水资源限制下，需求侧的政策干预可以减少人口压力。
- •
在多种人口、流域和进口减少路径中，20%的政策覆盖率足以抵消2040年至2050年间由人口增长驱动的需求增长。
- •
研究的关键发现是，持续的政策覆盖对水资源保护具有长期的滚雪球效应。
- •
在实践中，水务委员会和其他相关机构可以增加政策
CRediT作者贡献声明
Dineshkumar Muthuvel：撰写——原始草稿，可视化，验证，软件，资源，方法论，正式分析，数据管理。Xiaosheng Qin：撰写——审阅与编辑，撰写——原始草稿，验证，监督，资源，项目管理，方法论，调查，资金获取，正式分析，概念化。Saman Maroufpoor：撰写——审阅与编辑，撰写——原始草稿，概念化。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
本研究得到了新加坡教育部的支持，该研究属于MOE学术研究基金第三级（奖项编号MOE-MOET32022-0006）。这项工作还得到了新加坡教育部的部分支持，属于MOE学术研究基金第一级（授权编号RG147/24）。本材料中表达的任何观点、发现、结论或建议均为作者的观点，并不代表新加坡教育部的立场。
