加拿大謝布魯克大學(xué)學(xué)術(shù)研究:量化可用剩余水的不確定性

加拿大謝布魯克大學(xué)（Universitéde Sherbrooke）位于魁北克省謝布魯克市，在謝布魯克（Sherbrooke）和朗基爾（Longueuil）分別設(shè)有校區(qū)。謝布魯克大學(xué)采用法語(yǔ)授課，是蒙特利爾東南部艾斯特地區(qū)（Estrie）唯一的法語(yǔ)大學(xué)。

謝布魯克大學(xué)規(guī)模較大，有超過(guò)4萬(wàn)名學(xué)生，6000余名教職工。除了兩個(gè)主校區(qū)外，還有另外三個(gè)規(guī)模較小的校區(qū)。學(xué)校包括9個(gè)學(xué)院，主要本科教育及學(xué)校的行政管理都位于主校區(qū)謝布魯克校區(qū)。

學(xué)術(shù)研究

雖然目前在生命周期評(píng)估中還沒有實(shí)踐應(yīng)用，但影響評(píng)估方法與其不確定性數(shù)據(jù)相結(jié)合能夠更好地指導(dǎo)決策者。這項(xiàng)工作使用了最佳可用信息來(lái)評(píng)估水資源短缺的可用剩余水AWARE模型的不確定性和相應(yīng)輸入?yún)?shù)的敏感性?？捎檬Ｓ嗨瓵WARE表征因子(CF)的不確定度估計(jì)可通過(guò)(1)陣列(每CF 5000個(gè)值)提供統(tǒng)計(jì)信息，(2)方差分析，(3)分布最佳擬合和參數(shù)實(shí)現(xiàn)。結(jié)果表明，不確定性在全球范圍內(nèi)存在顯著差異，其表現(xiàn)為數(shù)值的分散度，在資源稀缺程度較高的地區(qū)更為重要，而在全球大多數(shù)地區(qū)(以地區(qū)為基礎(chǔ))的絕對(duì)分散度較低。在全球范圍內(nèi)，差值分別為18.8和66.28，分別表示為百分位間范圍(95%)和四分位間范圍(25-75%)。對(duì)數(shù)正態(tài)分布最適合世界上大多數(shù)地區(qū)：可以用作默認(rèn)分布。有兩個(gè)參數(shù)會(huì)產(chǎn)生影響:實(shí)際可用水量(因?yàn)榻邓牟淮_定性)和全球水文模型本身(因?yàn)閺牟煌Ｐ瞳@得的結(jié)果的可變性)。與時(shí)空變化相關(guān)的不確定性相比，這項(xiàng)工作中發(fā)現(xiàn)的不確定性通常較低，因此提高水資源短缺評(píng)估的分辨率(按月和流域水平)應(yīng)該仍然是優(yōu)先考慮的問(wèn)題。最后，本研究提供了AWARE不確定度軟件集成所需的數(shù)據(jù)。本文滿足了在http://jie.click/badges上描述的Gold-Gold JIE數(shù)據(jù)開放徽章的要求。

由于生命周期評(píng)估(LCA)模型在行業(yè)、技術(shù)、地區(qū)或時(shí)間周期中存在一定的數(shù)據(jù)限制，決策者需要了解不同產(chǎn)品系統(tǒng)的LCA結(jié)果之間的不確定性和分歧，以做出好的決策。然而以往研究主要關(guān)注生命周期清單(LCI)的不確定性，對(duì)生命周期影響評(píng)價(jià)(LCIA)中的表征因子（CF）的不確定性分析關(guān)注很少。到目前為止，CF不確定性的量化還沒有得到很好的解決，而且CF之間的相關(guān)性常常被忽略，這可能會(huì)導(dǎo)致LCA不確定性的累積。本研究旨在解決可用剩余水評(píng)估模型(AWARE)中存在的這些缺陷。

水資源短缺足跡評(píng)估是評(píng)估一個(gè)地區(qū)內(nèi)水資源消耗對(duì)當(dāng)?shù)厮Y源可用性和潛在用戶水資源匱乏影響的一種方法。應(yīng)用該方法需要產(chǎn)品生命周期相關(guān)的不同工藝的用水量(清單數(shù)據(jù))，以及區(qū)域化的表征因子。不同的數(shù)據(jù)庫(kù)和模型用于計(jì)算AWARE所需的輸入數(shù)據(jù)，每個(gè)值都有一定的不確定性范圍，此外還有指標(biāo)的建模選擇，所有這些都導(dǎo)致了表征因子的不確定性。因而本研究的第一個(gè)目標(biāo)是估計(jì)輸入?yún)?shù)的不確定性，第二個(gè)目標(biāo)是通過(guò)蒙特卡羅模擬進(jìn)行AWARE模型表征因子CF的不確定度估計(jì)。謝布魯克大學(xué)

如原文表1中所述，AWARE模型需要每個(gè)流域分月份的多個(gè)輸入?yún)?shù)。其中用水量的不確定性是基于取水量的不確定性，而取水量的不確定性是根據(jù)全球地圖上報(bào)告的建模性能的不確定性類別得出的；水資源可得性的不確定性基于降水輸入數(shù)據(jù)選擇的不確定性和全球水文模型(GHM)選擇的不確定性兩個(gè)方面。AWARE模型在一個(gè)基于Python的模塊(AWAREStatic)中重新實(shí)現(xiàn)。該模型使用原文表1中描述的輸入變量，為9707個(gè)流域的每個(gè)流域生成農(nóng)業(yè)、非農(nóng)業(yè)和未指定用水量的靜態(tài)月CF值和年平均CF值。此外，本研究開發(fā)了第二個(gè)基于Python的模塊（AWAREStocastic），以使用蒙特卡洛方法生成結(jié)果集，以及用來(lái)分析和解釋結(jié)果的第三個(gè)Python模塊(AWAREAnalyser)。

更多留學(xué)干貨內(nèi)容，歡迎繼續(xù)關(guān)注學(xué)在加拿大官網(wǎng)和美國(guó)留學(xué)網(wǎng)以及我們的官方微信服務(wù)號(hào)。

更多留學(xué)申請(qǐng)規(guī)劃問(wèn)題歡迎掃碼聯(lián)系小助手免費(fèi)咨詢獲取干貨資料包

加拿大謝布魯克大學(xué)學(xué)術(shù)研究:量化可用剩余水表征因子的不確定性

輸入?yún)?shù)，數(shù)據(jù)來(lái)源及不確定度估計(jì)。顯示了與不同年度累計(jì)表征因子CF(農(nóng)業(yè)、非農(nóng)業(yè)和未指定)的靜態(tài)值比較的隨機(jī)因子的總體趨勢(shì)。

在對(duì)數(shù)尺度上，隨機(jī)因子(平均值和中位數(shù))與年度CF(農(nóng)業(yè)、非農(nóng)業(yè)和未知用途)靜態(tài)值的比值進(jìn)行比較。0代表靜態(tài)因子和隨機(jī)因子相等的值。數(shù)據(jù)補(bǔ)充在支撐材料S1中。

AWARE CFs的百分位差I(lǐng)PR值如原文t2a所示，顯示出30%的盆地值在10以上，8.6%的盆地值在50以上。原文t2b顯示了相當(dāng)高的相對(duì)價(jià)差范圍（2.5-97.5），世界大多數(shù)地區(qū)的值高于原始CF值的150%，但高稀缺區(qū)域（較大的已知值）除外，如尼羅河、墨累-達(dá)令或科羅拉多河流域。

2（a）未指定年值的AWARE CFs（97.5-2.5）的百分位數(shù)范圍及其相關(guān)的小提琴圖結(jié)果的流域分布（中位數(shù)=18.8）。（b）百分比間范圍（97.5-2.5）除以靜態(tài)值，用于未指定的年值，其相關(guān)的小提琴圖結(jié)果的流域分布（中值=1.32）。數(shù)據(jù)補(bǔ)充在支撐材料S4中。

與百分位差I(lǐng)PR類似，四分位差I(lǐng)QR給出的區(qū)間在25%和75%之間，如原文t3a所示。因此，在這種情況下，50%的值被排除在外，因此IQR低于IPR，因?yàn)樗砹朔植嫉闹行牟糠?，不考慮25%的最高值和25%的最低值。在原文t3b中，IPR再次除以靜態(tài)值，以顯示其與CF的比例。謝布克大學(xué)

3(a)四分位間范圍(75%-25%)，用于未指定的年度值及其相關(guān)小提琴圖結(jié)果的流域分布(中位數(shù)=6.28)。(b)四分位范圍(75%25%)除以靜態(tài)值，對(duì)于未指定的年度值，其相關(guān)小提琴圖結(jié)果的流域分布(中位數(shù)=0.435)。數(shù)據(jù)補(bǔ)充在支撐材料S4中。

不確定性數(shù)據(jù)通常通過(guò)分布及其描述參數(shù)來(lái)傳輸和使用。重疊率(OVL)有助于確定描述數(shù)據(jù)的最佳分布。它量化了與被測(cè)試的分布重疊的分布式數(shù)據(jù)區(qū)域的百分比。使用75%的值表示滿意的匹配，原文t4以較淺/較深的顏色標(biāo)識(shí)為每個(gè)流域確定了最高的OVL分布。原文t4b顯示了最佳擬合OVL與對(duì)數(shù)正態(tài)OVL之間的差異。

4(a)通過(guò)5000次迭代的不確定度數(shù)據(jù)計(jì)算出AWARE CF的最佳擬合(最高OVL)分布。深色代表擬合度好(OVL>75%)，淺色代表擬合度差(OVL<75%)。(b)最佳擬合分布與對(duì)數(shù)正態(tài)分布的OVL差值。這個(gè)差異的最大值是43%。數(shù)據(jù)補(bǔ)充在支撐材料S4中。

根據(jù)輸入?yún)?shù)和每個(gè)月/流域CF之間的rS，確定每個(gè)流域的MIP，如原文t5所示。圖5顯示，全球水文模型對(duì)年AWARECFs>10的大多數(shù)流域影響最大(94%)，而最重要的參數(shù)是全球水文模型(68%)和凈水可用性(來(lái)自降水)(29%)。

5基于等級(jí)相關(guān)性確定每個(gè)分水嶺中最多月份最具影響力的參數(shù)(MIP)，(a)MIP考慮到rS最大。(b)MIP的rS在(a)中確定。數(shù)據(jù)補(bǔ)充在支撐材料S4中。

各流域的遙感結(jié)果以每個(gè)月的組合形式提供。如原文表2顯示，平均而言計(jì)算可用性的全球水文模型的不確定性對(duì)CF的影響最大（平均相關(guān)系數(shù)為0.733），其次是凈水可用性（由于降水不確定性）（0.31），以及全球流域需水量AMD值和環(huán)境需水量EWR（各為0.17）和灌溉（0.17）。

2：所有流域-月份的CF和輸入?yún)?shù)的秩序相關(guān)性匯總（數(shù)據(jù)補(bǔ)充在支撐材料S4中）

3顯示，可用性和灌溉不確定性對(duì)較高的CFs具有較大的影響，而全球流域需水量AMD和環(huán)境需水量EWR在較低的CFs中具有較高的相關(guān)性。

3各流域、各月各參數(shù)的影響與得到的AWARE CF之間的等級(jí)和正態(tài)相關(guān)（數(shù)據(jù)補(bǔ)充在支撐材料S4中）

為了評(píng)估在LCA中對(duì)AWARE CFs進(jìn)行獨(dú)立抽樣而導(dǎo)致的誤讀不確定性風(fēng)險(xiǎn)，本研究計(jì)算了所有可能流域?qū)Φ哪昶骄鵆Fs(未指定使用)的Pearson相關(guān)系數(shù)，并使用5000次迭代。在11,050個(gè)流域中，有376個(gè)靜態(tài)值接近截止值(CFs>99或CFs<0.11)被排除在外，因?yàn)樵诿看蔚胁蓸酉嗤腃F值(100或0.1)會(huì)導(dǎo)致人為的高相關(guān)系數(shù)。其余流域?qū)Φ南嚓P(guān)系數(shù)如6所示。

平均CFs流域?qū)χg的Pearson相關(guān)系數(shù)(未指定使用)

使用本文提供的分布和相關(guān)數(shù)據(jù)，或者在簡(jiǎn)化方法中使用所有區(qū)域的對(duì)數(shù)正態(tài)分布，或者實(shí)現(xiàn)每個(gè)區(qū)域的特定分布，并根據(jù)這些信息解釋結(jié)果，可以在LCIA模型的使用和解釋中邁出重要一步。即使AWARE提供的不確定性通常很高，也不應(yīng)在生命周期評(píng)估中有所回避。它可以用于更有力地比較產(chǎn)品，并透明地報(bào)告LCI和LCIA的不確定性。

作為一所相對(duì)年輕的學(xué)校，布魯克大學(xué)固然沒有那些百年老校的光輝歷史，但也正是靠著年輕學(xué)校特有的創(chuàng)新進(jìn)取精神，學(xué)校才在建校以來(lái)的三十年里，迅速成長(zhǎng)為一所以一流的教學(xué)、友好的校園氛圍、高度負(fù)責(zé)的教師隊(duì)伍聞名的加拿大名校。擁有17000多名在校生的布魯克大學(xué)提倡無(wú)論是在學(xué)術(shù)上還是生活上，教師與學(xué)生，學(xué)生之間應(yīng)盡可能地進(jìn)行面對(duì)面的交流。在布魯克大學(xué)優(yōu)美的校園里，每個(gè)人感受到的是一種親切友好的氛圍。學(xué)生們有機(jī)會(huì)直接與教授一起工作，進(jìn)行項(xiàng)目研究。