Page 123 - 2025年第56卷第5期

4.4 未来不同情景供水效益预测 在本文中，SNWDP-DCGE 模型通过了历史期动态检验，结果显示，
模型在 2018—2023 年间对 GDP 的年度预测值与实际值的误差均在 1% 以内 （如图 10），表明模型具有
较 高 精 度 和 可 靠 性 。 在 此 基 础 上 ， 鉴 于 一 期 工 程 2023 年 供 水 量 为 85.37 亿 m ， 距 离 规 划 目 标 值
3
（121.3 亿 m ） 尚有差距，本文假设未来供水量递增至工程规划目标后稳定运行。为此，设定 3 种供水
3
增长情景，其中，低速供水增长情景参考 2018—2023 年平均供水增速，设定增长率为 4.78%；中速供
水增长情景以 2014—2023 年平均增速为依据，增长率为 12.05%；高速情景假定 2025 年达成工程供水
规划目标，增长率为 21.04%。在不同情景下，供水效益通过冲击原水、自来水及居民的年度水量消费
变化进行模拟，供水分配比例参考一期工程的平均供水情况设定。

图 10 南水北调东、中线一期工程未来供水效益情况

模拟结果如图 10 所示，2024—2035 年低速增长、中速增长和高速增长供水情景累计供水量分别
为 1302 亿、1407 亿和 1437 亿 m ，对应的供水效益分别为 31 059 亿、34 321 亿和 37 778 亿元，单方水
3
多年平均效益分别为 23.8、24.4 和 26.3 元。其中，高速增长供水情景效益是其他情景的 1.10 ~ 1.21 倍，
说明工程越早实现供水规划目标，对受水区的经济推动作用越大。到 2035年，在年度供水量（121.3亿 m）
3
相同的情况下，低速增长、中速增长和高速增长供水情景下，单方供水效益分别为 28.9、30.6 和 33.7 元，
较 2024 年分别提高 1.31、1.39 和 1.51 倍。这一变化主要得益于技术进步和管理水平的提升，使单位增
加值用水量逐渐下降，用水效率不断提高，单位水资源价值有所上升。不同供水情景下单方供水效益
的差异，主要来源于供水规模的累积效应。在高速增长供水情景下，由于受水区更早获得大量水资
源，从而较早地实现生产要素的优化配置，提升了水资源的经济价值。

5 讨论与结论

本文从全生命期视角梳理了工程效益发挥途径，对南水北调东、中线一期工程综合效益以及不同
供水情景的经济效益进行了模拟评价。在建设投资效益方面，一期工程建设投资对研究区 GDP 贡献率
整体为 1.24，与宏观经济学中的投资拉动理论相符，表明新增投资对经济增长具有显著推动作用。供
水效益方面，本文将供水对象进行了细化，发现服务业高产值低耗水的特性提高了各地区整体单方水
效益，例如北京受水区的单方水效益（46.3 元）高于杨丽等 对同一地区的评估结果（25.5 元）。生态效
［4］
益评估中，本文采用了生态补水量占当年地表水储量的比例，剥离了工程生态补水对地表生态效益的
［8］
影响。北京市平均单方生态补水效益为 5.8 元，接近曾子悦等 相关研究结果（约 4.8 元），说明该方法
在数据有限的情况下具有一定合理性。然而，考虑到跨流域调水工程在地表水生态系统良性循环和植
被恢复等方面的长期作用，未来可尝试从水循环的角度分析水资源对生态系统价值的贡献 ［29］ 。产业机
会发展损失方面，大多研究集中于水源区机会发展损失的评估，以作为生态补偿的依据。本文中，水

— 669 —