تاريخ الاستلام: 9 أبريل 2023
تم القبول: 9 يناير 2024
نُشر على الإنترنت: 06 فبراير 2024
(د) التحقق من التحديثات

الماء هو مورد أساسي لحياتنا والطبيعة. ومع ذلك، فإن 0.02% فقط من المياه على الأرض متاحة للناس والنباتات والحيوانات. يتم تقييم توفر المياه في الغالب من خلال التدفقات من الأنهار إلى البحار، مع تقدير التصريف السنوي العالمي بـ سنة، تعتمد بشكل كبير على التوزيع المكاني والزماني لهطول الأمطار والتبخر الم withdrawals السنوية العالمية الحالية أقل من التصريف السنوي العالمي. ومع ذلك، فإن اختلافاتها المكانية والزمانية تسبب عدم تطابق، مما يؤدي إلى ندرة المياه بين المناطق. .

ندرة المياه تشير عمومًا إلى الحالة التي لا يمكن فيها لتوافر المياه تلبية احتياجات الطبيعة والمجتمع. من المتوقع أن تتفاقم ندرة المياه في المستقبل، حيث تتأثر بشكل كبير بالتغيرات المناخية والاجتماعية والاقتصادية. يؤثر تغير المناخ على الأنماط المكانية والزمنية لدورة المياه، مما يؤدي إلى
إلى التغيرات في توفر المياه، مثل تصريف الأنهار . على سبيل المثال، هاجيمان وآخرون. تشير التوقعات إلى أنه في عام 2100، من المتوقع أن تتزايد توفر المياه في العديد من أحواض الأنهار، ولكن من المتوقع أيضًا أن تنخفض بشكل حاد في أحواض أخرى بسبب تغير المناخ. علاوة على ذلك، تؤثر التغيرات الاجتماعية والاقتصادية، مثل تغيير استخدام الأراضي، والري، وبناء السدود، بشكل مباشر على الدورة الهيدرولوجية من خلال تغيير توقيت وحجم تصريف المياه. . فكيتي وآخرون تشير إلى أن التغيرات البشرية المباشرة في أحواض المناطق الاقتصادية الكبرى، مثل الهند والصين، تتجاوز تأثير تغير المناخ بشكل كبير، مما يؤدي إلى انخفاض أكبر في تصريف المياه في المستقبل. بالإضافة إلى ذلك، تؤثر التغيرات الاجتماعية والاقتصادية أيضًا على الطلب على المياه. لقد كانت الزيادة السكانية والنمو الاقتصادي المحركات الرئيسية لزيادة الطلب على الغذاء، وارتفاع مستويات المعيشة، وتغير أنماط استهلاك الغذاء والطاقة، وتوسعات

الزراعة المروية. أدت هذه التغييرات إلى زيادة الطلب العالمي على المياه، مما تسبب في ندرة المياه .

حتى قبل بضع سنوات، كانت تقييمات ندرة المياه العالمية تركز بشكل أساسي على التغيرات في منظور كمية توفر المياه. ومع ذلك، فإن تدهور جودة المياه الناتج عن زيادة الملوثات الناشئة والجديدة أصبح أيضًا سببًا مهمًا لتقييد استخدام المياه بشكل آمن من قبل الطبيعة والبشر، مما زاد من تفاقم مشاكل ندرة المياه. على سبيل المثال، أدت intensification الزراعية والتحضر إلى إضافة ملوثات مفرطة مثل المغذيات والجراثيم والبلاستيك والمواد الكيميائية الأخرى إلى المسطحات المائية. من بين الملوثات، يمكن أن تؤدي المدخلات الزائدة من النيتروجين (N) إلى النظم البيئية المائية إلى عواقب سلبية مثل ازدهار الطحالب الضارة، ونقص الأكسجين، وموت الأسماك، وتزيد من تعقيد استخدامها كمياه شرب. . هذا يؤدي إلى تفاقم ندرة المياه لأن التلوث يحد من إمكانية استخدام المياه بأمان.

قامت دراستان بتحديد ندرة المياه الإقليمية من خلال دمج تقييمات جودة المياه وكميتها بشكل مبتكر. . فان فليت وآخرون لقد كانت الأولى في تقييم ندرة المياه على نطاق عالمي باستخدام نهج محدد للقطاعات يركز على ملوثات متعددة بما في ذلك النيتروجين للفترة التاريخية من 2000 إلى 2010. في دراساتهم، يتم تقييم ندرة المياه كنسبة من سحب المياه القطاعية ذات الجودة المقبولة إلى إجمالي توفر المياه مع الأخذ في الاعتبار متطلبات التدفق البيئي (تدفقات المياه اللازمة للحفاظ على النظم البيئية للمياه العذبة والمصبات). حسب علمنا، هناك نقص في التقييم العالمي الذي يحدد ندرة المياه المستقبلية بناءً على تلوث النيتروجين في الأنهار تحت سيناريوهات المناخ والاقتصاد الاجتماعي. مثل هذا التقييم ضروري لأن فهمًا أفضل لنقاط الساخنة المستقبلية لندرة المياه تحت التغيرات الاجتماعية والاقتصادية والمناخية سيساهم في صياغة سياسات إدارة المياه الفعالة. . وبالتالي، يسهل ذلك توفير المياه النظيفة للجميع، وهو أحد أهداف التنمية المستدامة للأمم المتحدة. .

تهدف هذه الدراسة إلى تقييم ندرة المياه النظيفة العالمية في عام 2050 تحت تأثير التغيرات المناخية والاجتماعية والاقتصادية. يتم تقييم ‘ندرة المياه النظيفة’ باستخدام مؤشرين: مؤشر قائم على كمية المياه ومؤشر قائم على جودة المياه (انظر الطرق). نحن نعرف ‘ندرة المياه النظيفة’ على أنها توفر المياه السطحية بجودة مقبولة. يتم إجراء تقييمنا لـ الأحواض الفرعية في جميع أنحاء العالم بناءً على تصريف الأنهار (كمية المياه) ومستويات تلوث النيتروجين (جودة المياه). لتحقيق هذه الغاية، نجمع بين نموذج MARINA-Nutrients (نموذج لـ

تقييم مدخلات الأنهار من الملوثات إلى البحار، ونماذج MAgPIE (نموذج الإنتاج الزراعي وتأثيره على البيئة)، وVIC (قدرة التسلل المتغيرة) في إطار نمذجة متكامل (الشكل 1، الطرق). تُستخدم نتائج هذا الإطار النمذجي لحساب مؤشرات ‘ندرة المياه النظيفة’ لعام 2010 و2050 تحت ثلاثة سيناريوهات تفترض قصصًا مختلفة من التغيرات المناخية والأنشطة الاجتماعية والاقتصادية التي تؤثر على ندرة المياه (انظر الطرق). بعد ذلك، نحدد النقاط الساخنة العالمية المستقبلية لندرة المياه النظيفة الشديدة وما إذا كان ذلك مدفوعًا بشكل رئيسي بقضايا كمية المياه أو جودة المياه (أي تلوث النيتروجين). أخيرًا، نناقش التفاعلات بين ندرة المياه، وإنتاج الغذاء، والمجتمع (أي السكان والصرف الصحي) في النقاط الساخنة، مع الأخذ في الاعتبار تحقيق أهداف التنمية المستدامة في هذه النقاط الساخنة. تسهم نتائجنا في فهم أفضل لندرة المياه المستقبلية الناتجة عن التغيرات في كل من توفر المياه وتلوث المياه. كما يسهل تحليل النقاط الساخنة استراتيجيات إدارة المياه الاستباقية للأحواض الفرعية حيث من المحتمل أن تكون ندرة المياه مرتفعة في المستقبل.

نجد أن ندرة المياه الحالية والمستقبلية تصبح قضية أكثر حدة على مستوى العالم عند تنفيذ تقييمنا لندرة المياه النظيفة. يتضاعف عدد الأحواض الفرعية التي تواجه ندرة شديدة في عام 2010 وقد يتضاعف ثلاث مرات في عام 2050 في تقييمنا لندرة المياه النظيفة، مقارنة بتقييم ندرة المياه التقليدي الذي يأخذ في الاعتبار توفر المياه من منظور الكمية فقط (الشكل 2). بسبب مستويات التلوث العالية بالنيتروجين، تصبح العديد من الأحواض الفرعية في جنوب الصين وأوروبا الوسطى وأمريكا الشمالية وأفريقيا نقاط ساخنة لندرة المياه. وهذا يعني أيضًا أكثر من ضعف المساحة والسكان العالميين المتأثرين بندرة المياه الشديدة في كل من عام 2010 وعام 2050، مما يعني أن ما يصل إلى 40 مليون من منطقة تصريف عالمية إضافية، بما في ذلك النظم البيئية المائية ذات التنوع البيولوجي العالي، يواجه 3 مليارات شخص إضافي تحديات ندرة المياه بسبب تلوث النيتروجين (الجدول 1).

في عام 2010، يواجه ربع (2517 من أصل 10,226) من الأحواض الفرعية العالمية نقصًا حادًا في المياه النظيفة، وفقًا لتقييمنا (نقاط ساخنة، الجدول 2). تتوزع هذه الأحواض الفرعية الساخنة بشكل رئيسي في الأجزاء الجنوبية من أمريكا الشمالية، وأوروبا، وأجزاء من شمال إفريقيا، والشرق الأوسط، وآسيا الوسطى، والهند، والصين، وجنوب شرق آسيا (الشكل 2). تغطي هذه الأحواض الفرعية من المساحة الأرضية العالمية.

الشكل 1 | إطار نمذجة لتقييم ‘ندرة المياه النظيفة’ في دراستنا. SSP-RCP-N هو السيناريو على طول مستقبلات النيتروجين في المسارات الاجتماعية والاقتصادية المشتركة. تم تطويره استنادًا إلى المسارات الاقتصادية المشتركة (SSPs) ومسارات التركيز التمثيلية (RCPs). VIC هو المتغير

نموذج قدرة التسلل. MAgPIE هو نموذج الإنتاج الزراعي وتأثيره على البيئة. MARINA-Nutrients هو النموذج لتقييم مدخلات الأنهار من الملوثات إلى البحار.

الشكل 2 | تقييم ‘ندرة المياه الكلاسيكية’ (WS) و’ندرة المياه النظيفة’ (CWS) على مستوى الأحواض الفرعية في عام 2010 و2050. يعتمد تقييم ندرة المياه الكلاسيكية فقط على كمية المياه ( )، بينما تقييم ندرة المياه النظيفة يعتمد على كل من كمية المياه ( ) وجودة ( ). معادلات حول كيفية و يتم حسابها متاحة في قسم الطريقة. الأرقام في الأسهم تظهر عدد النقاط الساخنة لنقص المياه الكلاسيكي.
وتقييم ندرة المياه النظيفة. النقاط الساخنة هي الأحواض الفرعية حيث إما أو أو كلاهما يعتبران مرتفعين في الجدول 2. بالنسبة لعام 2050، تم حساب ندرة المياه لثلاثة سيناريوهات: SSP1-RCP2p6، SSP2-RCP2p6، SSP5-RCP8p5. تتوفر تفاصيل السيناريوهات استنادًا إلى المسارات الاقتصادية المشتركة (SSPs) ومسارات التركيز التمثيلية (RCPs) في الجداول التكميلية S9-S11 في المعلومات الداعمة.

حول من إجمالي السكان يعيشون هناك، مما يساهم في من إجمالي خسائر النيتروجين (N) العالمية إلى الأنهار من النفايات البشرية. عادةً ما تكون الأنشطة الزراعية مكثفة في هذه المناطق. تغطي 44% من الأراضي الزراعية العالمية، وتتلقى 84% و53% من تطبيقات النيتروجين العالمية من الأسمدة والسماد، وتنتج 69% من النيتروجين في المحاصيل العالمية المحصودة.

تعاني الغالبية (2218؛ 88%) من الأحواض الفرعية الساخنة من ندرة المياه النظيفة التي تهيمن عليها تلوث النيتروجين. حدثت بؤر ندرة المياه القائمة على الجودة في الأجزاء الجنوبية من أمريكا الشمالية، وأوروبا، والشرق الأوسط، وجنوب شرق آسيا، والصين، والهند، وأجزاء من شمال إفريقيا (الشكل 2 والشكل التكميلي S3). تغطي هذه الأحواض الفرعية من منطقة الصرف العالمية، و من السكان يعيشون هناك (الجدول التكميلي S7). بينما يشير تقييم ‘ندرة المياه الكلاسيكية’ المعتمد فقط على كمية المياه إلى 984 حوضًا فرعيًا ساخنًا، تغطي من المساحة الأرضية العالمية و من إجمالي السكان العالميين (الجدول 1). بالمقارنة مع تقييم ندرة المياه النظيفة، يظهر التقييم الكلاسيكي مستوى أقل بكثير من ندرة المياه في جنوب الصين وأوروبا وأمريكا الشمالية، حيث مستويات تلوث المياه مرتفعة نتيجة التحضر والأنشطة الزراعية، والجريان النسبي العالي الذي ينقل النيتروجين إلى الأنهار (الشكل 2، الأشكال التكميلية S4 و S8). من الواضح أن النقاط الساخنة لندرة المياه الناتجة عن الجودة أثرت على المزيد من النظم البيئية والناس مقارنة بالنقاط الساخنة لندرة المياه الناتجة عن الكمية في عام 2010 (الأشكال التكميلية S5 و S6 في SI).

مثل المناطق الساخنة، فإن ندرة المياه النظيفة في الأحواض الفرعية غير الساخنة حيث تقدر ندرة المياه النظيفة بأنها منخفضة أو معتدلة
كانت المستويات أيضًا مهيمنة من قبل تلوث النيتروجين. في عام 2010، واجه أكثر من 2000 حوض فرعي احتمال نقص المياه بسبب تلوث المياه المعتدل، موزع بشكل رئيسي في أمريكا الجنوبية وأفريقيا، ولكن أيضًا في أمريكا الشمالية وآسيا الشمالية وأستراليا (الشكل 2). تغطي هذه الأحواض الفرعية 39% من مساحة الصرف العالمية ويعيش فيها 18% من السكان. الأحواض الفرعية التي لا تواجه حاليًا مشاكل نقص المياه مع جودة مياه عالية وكمية مياه عالية توجد في الغالب في مناطق ذات كثافة سكانية منخفضة مثل الأجزاء الشمالية من أمريكا الشمالية وآسيا، والأجزاء الوسطى من أستراليا (الشكل 2).

في عام 2050، من المتوقع أن تظل عدد المناطق الساخنة لنقص المياه النظيفة مرتفعة (2587 في SSP1-RCP2p6، 2785 في SSP2-RCP2p6) أو حتى تزداد (3061 في SSP5-RCP8p5)، مع هيمنة نقص الجودة على مستوى العالم (الأشكال 2 و3). في أسوأ سيناريو (SSP5-RCP8p5)، يُحسب أن تغطي المناطق الساخنة لنقص المياه النظيفة 48% من إجمالي منطقة الصرف، مقارنة بـ 32% في عام 2010، ومع من إجمالي السكان العالميين الذين يعيشون هناك، مقارنةً بـ في عام 2010 (الشكل 2). مثل عام 2010، تُوجد نقاط ساخنة لنقص المياه في الغالب في الأحواض الفرعية التي تشهد أنشطة زراعية مكثفة (الشكل 4). في عام 2050، تشهد حصة المساحة الزراعية ومدخلات النيتروجين والفوائض في الأحواض الفرعية الساخنة زيادات كبيرة بين السيناريوهات. على سبيل المثال، في SSP5RCP8p5، تغطي المناطق الساخنة ( في عام 2010) من الأراضي الزراعية العالمية. من المتوقع أن تتلقى هذه المناطق و من المدخلات العالمية من النيتروجين من الأسمدة والسماد العضوي، على التوالي، في عام 2050 (كان هذا 84% للأسمدة و53% للسماد العضوي في عام 2010). من المتوقع أن تساهم في العالمي
الجدول 1 | حصة المناطق (% من الإجمالي العالمي) من المساحة (مساحة أحواض التصريف الفرعية)، السكان، خسائر النيتروجين (N) إلى الأنهار من النفايات البشرية، الأراضي الزراعية، تطبيق الأسمدة النيتروجينية في الزراعة، تطبيق السماد العضوي النيتروجيني في الزراعة، النيتروجين في المحاصيل المحصودة، وفائض النيتروجين في الزراعة (المعرف بأنه إجمالي المدخلات النيتروجينية إلى الزراعة ناقص المخرجات النيتروجينية من امتصاص المحاصيل والرعي الحيواني) في ‘ندرة المياه الكلاسيكية’ (WS) و’ندرة المياه النظيفة’ (CWS) في عام 2010 و2050

السيناريوهات المستندة إلى المسارات الاقتصادية المشتركة (SSPs) ومسارات التركيز التمثيلية (RCPs) متاحة في الجداول التكميلية S9-S11 في المعلومات الداعمة.

تم تحديد ندرة المياه المستندة إلى المياه كمناطق ساخنة لندرة المياه النظيفة. تتوفر مزيد من المعلومات حول كيفية اشتقاق العتبات في قسم تحليل النقاط الساخنة في الطرق.
فائض النيتروجين الزراعي في عام 2050 (كان 69% في عام 2010). مساهم آخر مهم في تلوث المياه في الأحواض الفرعية الساخنة في سيناريو SSP5-RCP8p5 هو خسائر النيتروجين إلى الأنهار من النفايات البشرية. من المتوقع أن تمثل هذه الخسائر 91% من إجمالي الخسائر العالمية بسبب ارتفاع اتصالات الصرف الصحي وسوء معالجة مياه الصرف الصحي في هذا السيناريو الاقتصادي الأول والمتحضر بشكل كبير.

التوزيع المكاني لنقاط نقص المياه النظيفة في عام 2050 مشابه لعام 2010، ولكن من المتوقع أن يمتد إلى العديد من القارات، وخاصة في أفريقيا (الأشكال 3 و 4). من المتوقع أن تشهد أفريقيا زيادات كبيرة في نقص المياه، ناتجة بشكل رئيسي عن تلوث المياه الشديد. في عام 2010، تغطي نقاط نقص المياه في أفريقيا 20% من المساحة القارية، مع من السكان القاريين الذين يعيشون في الأحواض الفرعية الأفريقية في عام 2010. من المتوقع أن يرتفع هذا إلى 66% (منطقة التصريف) و (السكان) إذا لم يتم اعتماد خيارات إدارة المياه المحسنة في عام 2050 (SSP5-RCP8p5). ومع ذلك، حتى مع تحسين إدارة المياه (SSP1)، لا زلنا نتوقع زيادة إلى 27% (منطقة الصرف) و (السكان) في النقاط الساخنة. ستظل مشاكل ندرة المياه شديدة في قارات أخرى، لا سيما في آسيا وأمريكا الوسطى وأوروبا وأمريكا الشمالية.

تظهر تقييماتنا لندرة المياه أن تلوث النيتروجين في الأنهار هو سبب مهم لندرة المياه في عام 2010 ومن المحتمل أن يستمر في التسبب في ندرة المياه في عام 2050. وهذا يتطلب استراتيجيات عاجلة للتحكم في التلوث للحد من تأثير ندرة المياه المحتملة المستقبلية على الطبيعة والبشر. هناك حاجة إلى فهم أفضل للتوزيع المكاني والمصادر الرئيسية لتلوث النيتروجين لتطوير مثل هذه الاستراتيجيات. لذلك، نستخدم نموذج MARINA-Nutrients (نموذج لتقييم مدخلات الملوثات إلى الأنهار) ونحلل مدخلات النيتروجين إلى الأنهار على مستوى الأحواض الفرعية حسب المصادر لعام 2010 و2050.

في عام 2010، نقدر إجمالي مقدار مدخلات النيتروجين المذاب الكلي (TDN) إلى الأنهار، مع حدوث أعلى الأحمال في الصين والهند وأفريقيا الوسطى وأمريكا الجنوبية وأجزاء من أمريكا الشمالية (الشكل 5 والشكل التكميلي S7). في عام 2050، من المتوقع أن تكون إجمالي مدخلات TDN إلى الأنهار بين 112-147 كيلون/سنة بين السيناريوهات الثلاثة. وهذا يتوافق مع زيادة تتراوح بين 6-39% مقارنة بعام 2010. في أسوأ سيناريو (SSP5-RCP8p5)، يمكن تفسير هذه الزيادة من خلال زيادة المصادر البشرية مثل النفايات البشرية والأسمدة الاصطناعية (الشكل 5). في هذا السيناريو، من المتوقع أن تصبح مياه الصرف المصدر الرئيسي لتلوث النيتروجين في الأنهار، ويرجع ذلك أساسًا إلى الأنشطة المرتبطة بالتحضر السريع (أي، نمو السكان، وزيادة عدد السكان المتصلين بأنظمة الصرف الصحي في المدن)، ونقص تقنيات ومعايير معالجة مياه الصرف الصحي في هذا السيناريو. تختلف المصادر الرئيسية لتلوث النيتروجين في سيناريوهات SSP1-RCP2p6 وSSP2-RCP2p6 عن SSP5-RCP8p5. الزراعة (أي تطبيق الأسمدة) هي المصدر الأكثر أهمية في هذين السيناريوهين نتيجة لأنشطة إنتاج الغذاء لتغذية السكان المتزايدين. تساهم مياه الصرف بشكل أقل بكثير في هذين السيناريوهين، مستفيدة من تحسين الاتصال بشبكات الصرف الصحي وكذلك تحسين المعالجة. أعلى مدخلات TDN في SSP1-RCP2p6 وSSP2-RCP2p6 توجد في مناطق مشابهة لتلك الموصوفة لعام 2010 (الشكل 5).

الجداول S9-S11 في المعلومات الداعمة. النقاط الساخنة هي الأحواض الفرعية التي تعتبر فيها مستويات الندرة لمياه الكمية أو الجودة أو كليهما مرتفعة كما هو موضح في الجدول 2.

الشكل 4 | خصائص النقاط الساخنة لندرة المياه النظيفة في عامي 2010 و2050. تظهر الرسوم البيانية العنكبوتية حصة المنطقة (منطقة تصريف الحوض الفرعي)، والسكان، ومدخلات النيتروجين (N) إلى الأنهار من النفايات البشرية، وأراضي الزراعة، وتطبيق الأسمدة النيتروجينية في الزراعة، وتطبيق روث النيتروجين في الزراعة، والنيتروجين في المحاصيل المحصودة، والفائض من النيتروجين في الزراعة (المعرف على أنه إجمالي مدخلات النيتروجين إلى الزراعة ناقص مخرجات النيتروجين من خلال امتصاص المحاصيل ورعي الحيوانات) في النقاط الساخنة لندرة المياه النظيفة (% من الإجمالي القاري) في عامي 2010 و2050. النقاط الساخنة لندرة المياه النظيفة هي الأحواض الفرعية
حيث تعتبر مستويات الندرة لمياه الكمية أو الجودة أو كليهما مرتفعة كما هو موضح في الجدول 2. بالنسبة لعام 2050، تم حساب ندرة المياه النظيفة لثلاثة سيناريوهات: SSP1-RCP2p6، SSP2-RCP2p6، SSP5-RCP8p5. تفاصيل السيناريوهات بناءً على المسارات الاقتصادية المشتركة (SSPs) ومسارات التركيز التمثيلية (RCPs) متاحة في الجداول S9-S11 في المعلومات الداعمة.

تفاصيل السيناريوهات بناءً على المسارات الاقتصادية المشتركة (SSPs) ومسارات التركيز التمثيلية (RCPs) متاحة في الجداول S9-S11 في المعلومات الداعمة.

بالإضافة إلى الزيادة في ندرة المياه النظيفة الناتجة عن تلوث المياه، تظل الندرة الناتجة عن الكمية المدفوعة بتوافر المياه وسحب المياه قضية مهمة في سيناريوهات عام 2050. ويرجع ذلك إلى التغيرات الناتجة عن تغير المناخ في توافر المياه من خلال التغيرات في الدورة الهيدرولوجية وزيادة الطلب على المياه أو السحب المدفوعة بالتطورات الاجتماعية والاقتصادية.

من المتوقع أن يزداد توافر المياه في أكثر من ثلثي ( ) من الأحواض الفرعية وينخفض في بقية الأحواض الفرعية بين السيناريوهات بين عامي 2010 و2050 (الشكل التكميلي S8). في دراستنا، يتم تعريف توافر المياه على أنه التدفقات الطبيعية التراكمية للأنهار عند مخرجات الأحواض الفرعية. ومع ذلك، تختلف التغيرات في توافر المياه بشكل كبير بين القارات والأحواض الفرعية الفردية. على سبيل المثال، من المتوقع أن يزداد إجمالي توافر المياه (مجموع تدفقات الأنهار للأحواض الفرعية) في أفريقيا وآسيا وأمريكا الشمالية بنسبة 4-6% بين عامي 2010 و2050 للسيناريوهات الثلاثة. في المقابل، من المتوقع أن ينخفض إجمالي توافر المياه في أمريكا الوسطى وأوروبا وأوقيانوسيا وأمريكا الجنوبية بنسبة تصل إلى خلال الفترة من 2010 إلى 2050. تختلف التغيرات بين الأحواض الفرعية الفردية من -156 إلى سنة بين عامي 2010 و2050، مما يظهر تباينات كبيرة في توافر المياه التي قد تزيد من حدة ندرة المياه في المناطق الجافة في عام 2050. من المتوقع أن تزداد سحوبات المياه العالمية بنسبة بين سيناريوهات SSP-RCP في عام 2050 (الأشكال التكملية S10 وS11 في SI)، مما يترك الأجيال القادمة تحت ضغط متزايد من ندرة المياه. تعود هذه الزيادة إلى الطلب المستقبلي الأعلى على المياه، والذي يأتي في الغالب من التحضر وإنتاج الغذاء.

بينما تم تحديد النقاط الساخنة المستقبلية لندرة المياه النظيفة بشكل رئيسي في الصين والهند وأوروبا وأمريكا الشمالية وفي أسوأ سيناريو (SSP5-RCP8p5) أيضًا في أفريقيا الوسطى. تختلف أسباب ندرة المياه بين هذه المناطق، مما يقدم تحديات مختلفة تحتاج إلى معالجة للحد من ندرة المياه.

بالنسبة للندرة الناتجة عن الكمية، فإن الأسباب الرئيسية هي السحوبات المفرطة (ارتفاع سحب المياه مقارنة بتوافر المياه). تختلف حصة سحوبات المياه بين القطاعات بشكل كبير عبر القارات (الشكل التكميلي S12 في SI). تساهم الري بشكل أكبر في سحوبات المياه السطحية على المستوى العالمي وتعتبر المحرك الأكثر أهمية للندرة الناتجة عن الكمية في معظم المناطق بما في ذلك الصين والهند وأمريكا الجنوبية. ومع ذلك، يختلف هذا في أوروبا، حيث تساهم الري بأقل من من سحوبات المياه. المصدر الأكثر أهمية لسحب المياه هو القطاع الصناعي في أوروبا. يتم ملاحظة وضع مشابه في أمريكا الشمالية، حيث تأخذ الصناعة تقريبًا 50% من سحب المياه القاري بسبب الطلب الكبير على المياه لإنتاج الطاقة (مثل، محطة الطاقة الحرارية) والتصنيع .

بالنسبة للندرة الناتجة عن الجودة، فإن الأسباب الرئيسية لارتفاع مدخلات TDN إلى الأنهار تختلف أيضًا بين النقاط الساخنة. في عام 2010، كانت مدخلات TDN إلى الأنهار مدفوعة بشكل رئيسي بكفاءة استخدام النيتروجين المنخفضة في الصين والهند (الجدول التكميلي S3 في SI)، والإنتاج العالي في أوروبا وأمريكا الشمالية (الشكل التكميلي S19 في SI)، ومن خلال ترسيب النيتروجين الجوي والتثبيت على الأراضي الطبيعية في أمريكا الجنوبية وأفريقيا الوسطى. في المستقبل، سيكون السبب الرئيسي لمدخلات TDN إلى الأنهار مشابهًا عبر معظم النقاط الساخنة في SSP1 وSSP2، وهو الإنتاج الزراعي. من المهم أن نلاحظ أنه على الرغم من أن كفاءات استخدام النيتروجين
تحسنت إلى مستويات عالية، حيث إن الإنتاج الغذائي العالي في الصين والهند وأوروبا وأمريكا الشمالية (مثل نهر المسيسيبي) المدفوع بطلب الغذاء لا يزال يؤدي إلى فائض عالٍ من النيتروجين في الزراعة (الشكل التوضيحي التكميلي S20 في الملحق). في سيناريو SSP5، يتم دفع التلوث عالميًا بشكل رئيسي بواسطة مياه الصرف كما هو موضح أعلاه بسبب التحضر العالمي وعدم كفاية تطوير معالجة مياه الصرف. لا يزال ترسيب النيتروجين في الغلاف الجوي وثباته على الأراضي الطبيعية المصدر الرئيسي لإدخالات TDN إلى الأنهار في أمريكا الجنوبية ووسط أفريقيا في المستقبل، بينما يصبح فائض النيتروجين الزراعي أكثر أهمية بشكل متزايد في سيناريو SSP5 (الشكل التوضيحي التكميلي S20 في الملحق).

هناك وعي متزايد بأن جودة المياه تجمع بين ندرة المياه في العديد من المناطق. ومع ذلك، فإن معظم الدراسات العالمية حول ندرة المياه ركزت فقط على جوانب كمية المياه. حسب علمنا، هناك مؤشرين يأخذان في الاعتبار جودة المياه بشكل صريح. الأول هو مؤشر تخفيف جودة المياه (WSq). الذي تم تطبيقه لعدة مكونات جودة المياه (مثل درجة الحرارة، الملوحة، التلوث العضوي، النيتروجين الكلي والفوسفور الكلي) على نطاق عالمي. الثاني هو مؤشر متطلبات التدفق الكمي-الجودة-البيئي (QQE) الذي تم تطبيقه فقط في الصين. استنادًا إلى هذه المؤشرات، نقدم ‘ندرة المياه النظيفة’ كمصطلح ونقدم تقييمًا عالميًا يأخذ في الاعتبار كل من كمية المياه وجودتها استنادًا إلى تلوث النيتروجين العالمي تحت سيناريوهات مختلفة من التطورات المناخية والاجتماعية والاقتصادية. للقيام بذلك، قمنا بتطوير وتطبيق مؤشرين لندرة المياه (مؤشر قائم على كمية المياه وآخر قائم على الجودة) للأنهار العالمية على مستوى الأحواض الفرعية.

بشكل عام، تحدد تقييماتنا مناطق النقاط الساخنة المشابهة لعام 2010 كما هو الحال في الدراسات السابقة التي تعتمد فقط على جوانب كمية المياه من ندرة المياه في الفترة من 1971 إلى 2005. . ومع ذلك، تكشف تحليل السيناريو لدينا عن عدد أكبر من النقاط الساخنة لنقص المياه مقارنة بالدراسات الحالية التي تركز على الكمية. علاوة على ذلك، يوفر تقييمنا رؤية أكثر تفصيلاً حول المناطق غير الساخنة من خلال التمييز بين مستويات النقص المنخفضة والمتوسطة والعالية، مع الأخذ في الاعتبار الجوانب الكمية والنوعية. وتتمتع هذه المعلومات بقيمة إضافية من خلال تحديد تلك المناطق التي تواجه تحديات محتملة في نقص المياه إذا تم إدارة الموارد المائية والتلوث بشكل سيء. على سبيل المثال، فإن المحاكاة الأساسية (1971-2000) في دراسة هاناساكي وآخرون. تحدد مناطق نقص المياه المماثلة كما نفعل لعام 2010. بينما تتوقع دراستهم تقليلاً في نقص المياه المستقبلي في وسط أوروبا والهند والصين وأفريقيا، نجد زيادة في النقص في تلك المناطق بسبب سوء جودة المياه. بينما يؤثر استخدام نماذج ومجموعات بيانات مختلفة في الدراسات المذكورة أعلاه على توزيع مناطق نقص المياه، فإن الاختلافات تنبع بشكل كبير من إغفال تأثير تلوث المياه (النيتروجين في دراستنا) على نقص المياه.

تقديرات عدد السكان الذين يعانون من نقص المياه النظيفة في دراستنا عمومًا أعلى من الدراسات السابقة التي تركزت فقط على كمية المياه. قدرت الدراسات السابقة أنه بين و من السكان عاشوا في مناطق تعاني من نقص حاد في المياه في الفترة من 1995 إلى 2005. عند النظر فقط إلى كمية المياه، قدرنا أن من السكان العالميين عاشوا في مناطق تعاني من ندرة شديدة في المياه في عام 2010. ومع ذلك، إذا أخذنا في الاعتبار أيضًا قضايا جودة المياه، فإن تقديرنا يرتفع إلى من السكان العالميين الذين يعيشون في مناطق تعاني من نقص المياه في نفس العام. هذا يتوافق بشدة مع دراسة فوروسمارتي وآخرين. الذي وجد أن ما يقرب من من سكان العالم يعيشون في مناطق تواجه تحديات أمن المياه من حيث كمية المياه وجودتها.

نعتبر ندرة المياه القائمة على الجودة شديدة إذا تجاوزت تركيزات النيتروجين العتبة لتجنب الإثراء الغذائي في النظم البيئية المائية، وفقًا لـ De Vries وآخرون. يو وآخرون . قد يؤدي هذا إلى تحيز تجاه ندرة المياه البيئية. طريقة أخرى للتعامل مع العتبات المختلفة قد تكون من خلال التركيز على عتبات النيتروجين للاستخدامات القطاعية المحددة بدلاً من إجمالي توفر المياه.
مع دراسة فان فليت وآخرون الذي حدد توزيعًا مكانيًا عالميًا مشابهًا لندرة المياه النظيفة كما حددنا. على سبيل المثال، يرتبط العتبة للقطاع الزراعي بسحوبات الري. ، بينما عتبة مياه الشرب ( ) تُستخدم لحساب السحوبات المحلية. يمكن تقييم ندرة المياه لكل قطاع بشكل محدد بدلاً من حساب إجمالي ندرة المياه. ومع ذلك، تظهر هنا قضايا تتعلق بتوزيع المياه، مثل كيفية تضمين توزيع المياه بين القطاعات. هنا قررنا اتخاذ العتبة الصارمة للنظام البيئي المائي الذي ستؤثر وظائفه البيئية (مثل إمدادات مياه الري، مصايد الأسماك، الترفيه) سلبًا على كل من الطبيعة والبشر. بينما يمكن للمرء أن يجادل بأن هذه العتبة الصارمة قد تؤدي إلى تقدير مفرط لندرة المياه المعتمدة على الجودة، فإن المعايير الأكثر صرامة حتى ( تم تقديم معايير لمستويات المياه، مقارنة بالمستويات المعتدلة في تقييمنا، من قبل الأمم المتحدة لتقييم أمن المياه للاستخدام البيئي والبشري في إرشادات أهداف التنمية المستدامة الخاصة بهم. .

قمنا بإجراء تحليل لندرة المياه النظيفة على مقاييس زمنية سنوية ومكانية فرعية مع التركيز على تلوث النيتروجين. الافتراض هو أن التدفق الطبيعي السنوي التراكمي للأنهار عند مخرجات الأحواض الفرعية يمثل توفر المياه، وأن مجموع السحوبات القطاعية الموزعة على الشبكة سنويًا يمثل سحوبات المياه، وأن الحمل التراكمي للنيتروجين السنوي يمثل جودة المياه في الأحواض الفرعية. وبالتالي، تولد مؤشرات ندرة المياه قيمة متوسطة لكل حوض فرعي، مما يجمع الفروق في الزمن والمكان. ومع ذلك، فإن تقييمنا يخفي التغيرات داخل السنة وبين السنوات في موارد المياه العذبة. الأهم من ذلك، أن التصريف السنوي لا يمثل النسب المئوية لتدفق النهر الذي يأتي من التدفق الأساسي وتدفق العواصف. وهذا يعني أن التصريف السنوي قد يتكون من تدفق أساسي ثابت متاح طوال العام، ولكنه قد يمثل أيضًا تدفق عواصف مرتفع مع تدفق أساسي منخفض نسبيًا. بينما يحد الأول من ندرة المياه، فإن الثاني يزيد من حدتها بين الفصول. هذه المشكلة واضحة في سيناريو تغير المناخ المستقبلي، لا سيما في RCP8p5 حيث قد تنشأ توافر المياه الإقليمي الأعلى من تقلبات موسمية أعلى مع تدفقات عواصف أعلى. . هذا ينطبق على معدلات EFR في دراستنا، حيث قمنا بحساب معدلات EFR السنوية كنسبة (تتراوح بين ) من إجمالي المياه المتاحة للأحواض الفرعية بناءً على نهج طريقة التدفق الشهري المتغير وفقًا لـ باستور وآخرون. قد تؤدي التغيرات السنوية في الأنهار شديدة الرطوبة أو الجفاف إلى زيادة أو انخفاض في معدل تدفق المياه البيئي الشهري في هذه الأنهار، حيث يتراوح ذلك بين 30 إلى 60% بين الأحواض الفرعية والمواسم على مستوى العالم. بالإضافة إلى ذلك، فإن إجراء تحليل لندرة المياه على نطاق سنوي لا يأخذ في الاعتبار التغيرات الموسمية في تلوث النيتروجين. . إكزنر-كيتريدج وآخرون لقد لاحظنا اتجاهًا موسميًا في تركيزات النيتروجين في الأنهار، حيث تزداد في الشتاء وتنخفض في الصيف. يمكن أن يُعزى هذا الظاهرة إلى عوامل مختلفة مثل زيادة امتصاص النيتروجين في مجرى المياه ومعدلات نزع النيتروجين خلال الصيف مقارنة بالشتاء، والتغيرات البيوكيميائية الموسمية، أو التوقيت الموسمي لتطبيق الأسمدة وامتصاص النباتات. وبالتالي، بينما تشير نتائجنا إلى ندرة المياه على مدار العام، قد يختلف مستوى الندرة بشكل كبير بين الفصول. وهذا يعني أن تقييمنا يجب أن يُستخدم ويفسر لتقدير التوزيع العالمي لندرة المياه النظيفة واتجاهاتها على مر الزمن بدلاً من التركيز على تفاصيل ندرة المياه داخل السنة في مناطق محددة.

قمنا بتقييم ندرة المياه النظيفة استنادًا إلى إطار النمذجة المتكامل (الشكل 1) الذي يربط بين استخدام الأراضي والزراعة، ونماذج الهيدرولوجيا وجودة المياه. بينما توفر النماذج فرصًا كبيرة لاستكشاف الاتجاهات المستقبلية وأسباب ندرة المياه، هناك بعض الشكوك حول مدخلات النماذج وطرق النمذجة لـ MAgPIE وVIC وMARINA-Nutrients. أدناه نناقش لماذا نعتبر نهجنا في النمذجة موثوقًا وكافيًا في تقييم ندرة المياه النظيفة المستقبلية.

الشكوك في تقييمنا من MAgPIE تتعلق بشكل رئيسي بالميزانيات المقدرة للنيتروجين (N) (انظر قسم MAgPIE في الملحق للمقاربة النمذجة). لبناء الثقة في تقييمنا، قمنا بمقارنة ميزانية النيتروجين لدينا من MAgPIE مع ميزانية عالية الدقة حديثة (5 دقائق قوسية).
مجموعة بيانات N من تيان وآخرون. . تظهر النتيجة مقارنة واعدة. المدخلات العالمية من النيتروجين إلى الزراعة (الأراضي الزراعية والمراعي) وغير الزراعة متقاربة جداً، على الرغم من الفروق الصغيرة بين المصادر مثل الأسمدة، والسماد، والترسيب (الجدول التكميلي S8 في الملحق). على سبيل المثال، المدخلات العالمية الإجمالية من النيتروجين في العقد 2010 هي سنة في تيان وآخرون و سنة في هذه الدراسة. التوزيع المكاني لإدخالات النيتروجين قابل للمقارنة أيضًا بين تيان وآخرين. وتمت ملاحظة مدخلات النيتروجين الكلية العالية في الصين وجنوب آسيا وأوروبا والولايات المتحدة والبرازيل في كلا الدراستين. هناك استثناء للإيداع الجوي. بعض المناطق مثل جنوب أفريقيا لديها إيداع أعلى من المناطق الأخرى في دراسة تيان وآخرون. لكن ليس في دراستنا. ومع ذلك، فإن الحمل من النيتروجين الذي تم قياسه بواسطة نموذج MARINA ليس حساسًا للتغيرات في الترسيب الجوي بسبب مساهمته الصغيرة في تلوث المياه مقارنةً بمصادر أخرى. وقد تم الكشف عن ذلك في تحليل الحساسية الشامل في الملحق E من دراسة وان وآخرون. التغيرات في الترسيب الجوي في نموذج MARINA لا تؤدي تقريبًا إلى أي فرق في تصدير النيتروجين من الأنهار في MARINA. بالنظر إلى المدخلات الإجمالية للنيتروجين على اليابسة بين الدراستين، نعتقد أن نتائجنا حول النقاط الساخنة لنقص المياه الناتج عن الجودة لن تتغير كثيرًا عند استخدام بيانات النيتروجين من تيان وآخرون. يوفر هذا المقارنة ثقة عالية في استخدام نموذج MAgPIE لتقييمنا.

توافقت تصريفات VIC التاريخية المحاكية وسحوبات المياه القطاعية بشكل جيد مع التصريفات الملحوظة. وتم الإبلاغ عن سحب المياه للاستخدامات المنزلية والصناعية والري ومع ذلك، أظهرت دراسات المقارنة بين النماذج المتعددة أن الاختلافات بين النماذج الهيدرولوجية هي المصدر الرئيسي لعدم اليقين في توقعات تصريف المياه وطلب مياه الري. لذلك، فإن اختيار نموذج واحد، وهو نموذج فيك الهيدرولوجي في دراستنا، يؤثر على نتائج ندرة المياه. ومع ذلك، نعتقد أن نتائج التحقق من النموذج تظهر أداءً مقبولاً لنموذج فيك في تقييم ندرة المياه. تقديرات نموذج فيك قريبة في الغالب من متوسطات مجموعة النماذج المتعددة لتدفق المياه. والري علاوة على ذلك، فإن التمثيل الصريح لتوازن الطاقة في نموذج VIC يسمح للنموذج بالتقاط تأثيرات التغيرات الإشعاعية تحت تغير المناخ بشكل شامل، وهو أمر مهم للغاية، على سبيل المثال، لديناميات الثلوج. .

تم تطوير MARINA-Nutrients-Global-1.0 وتطبيقه في هذه الدراسة لت quantifying تحميل النيتروجين عند مخرجات الأحواض الفرعية. النسخ السابقة من هذا النموذج تم تقييمها بأداء مقنع على كل من المستويات العالمية والإقليمية استنادًا إلى نهج ‘دائرة بناء الثقة’ بما في ذلك 1) مقارنة مخرجات النموذج مع القياسات والدراسات الموجودة، 2) مقارنة النمط المكاني لنقاط تلوث الهواء، 3) تحليل الحساسية، و4) مقارنة مدخلات النموذج مع مجموعات بيانات مستقلة. ومع ذلك، لا يأخذ نموذج MARINA في الاعتبار المخزونات التاريخية للنيتروجين. يمكن أن يؤثر استخدام النيتروجين التاريخي على تلوث النيتروجين في المياه الجوفية. والأنهار بينما تتوازن آثار الإرث على مدى فترات زمنية أطول. إذا تم اعتبار آثار الإرث المتعلقة بالنيتروجين، فمن المحتمل أن يزيد ذلك من تلوث المياه المودل في معظم مناطق النقاط الساخنة مثل الصين وأوروبا وأمريكا الشمالية حيث كان استخدام النيتروجين التاريخي مرتفعًا، مما يؤكد استنتاجنا بأن تلوث المياه سيصبح سببًا مهمًا لندرة المياه النظيفة في هذه المناطق. هنا، نعتبر أن النسخة من MARINA التي تم تطويرها في هذه الدراسة توفر تقييمًا قويًا لندرة المياه المدفوعة بالجودة للأسباب التالية. أولاً، تم تقييم محاكاة تلوث المصادر النقطية من مياه الصرف الصحي على أنها واعدة في الدراسة العالمية التي أجراها ستروكال وآخرون. ثانياً، بالنسبة لتلوث المصادر المنتشرة، استخدمنا بيانات من MAgPIE، التي تظهر أداءً جيداً كما تم مناقشته أعلاه عند مقارنتها بميزانية النيتروجين في دراسات أخرى. ثالثاً، نتائجنا النموذجية تتوافق بشكل جيد جداً مع دراسات عالمية أخرى تقيس تلوث النيتروجين التاريخي أو المستقبلي في الأنهار. على سبيل المثال، أنماط تلوث النيتروجين العالمية لدينا قابلة للمقارنة مع أنماط النيتروجين الكلي للفترة من 2000 إلى 2010 التي أظهرها فان فليت وآخرون. . هذا هو نفسه بالنسبة للمستقبل الذي نقدر فيه وجود نقاط ساخنة مماثلة لتلوث النيتروجين في عام 2010 و2050 مقارنةً بـ Beusen وآخرون. .

تقييمنا له تداعيات مهمة على إدارة المياه والسياسات المستقبلية. هناك حاجة ماسة لاستراتيجيات للتكيف مع ندرة المياه المستقبلية أو التخفيف منها، خاصة مع استمرار التطورات الاجتماعية والاقتصادية في زيادة اعتماد العالم على موارد المياه. تركز استراتيجيات التكيف الحالية على ندرة المياه القائمة على الكمية، بدءًا من تقنيات الري الموفرة للمياه على المستوى القطاعي إلى تحويل المياه أو إعادة تخصيصها من خلال السدود على مستوى حوض النهر. استراتيجيات التخفيف التي تقلل من تلوث المياه تحتاج بالتأكيد إلى مزيد من الاهتمام، كما كشفت هذه الدراسة، أن انخفاض جودة المياه سيكون سببًا حاسمًا أو حتى سائدًا لندرة المياه في العديد من أحواض الأنهار في المستقبل، وأن السيطرة على تلوث النيتروجين تمثل تحديًا كبيرًا.

التحدي في السيطرة على تلوث النيتروجين ينشأ بشكل رئيسي من الاتجاهات الحضرية الحالية وزيادة الطلب على الغذاء والنفايات، والتي تسهم كلاهما في فقدان إضافي للنيتروجين إلى المياه. . حتى في سيناريو SSP1-RCP2p6 الطموح، مع افتراض إدارة مائية متفائلة، بالإضافة إلى تغييرات في النظام الغذائي نحو تقليل حصة المنتجات الحيوانية والهدر الغذائي، تظل ندرة المياه النظيفة مرتفعة في العديد من المناطق بسبب تلوث المياه. استنادًا إلى تحديد مصادر العناصر الغذائية في دراستنا وتقييمات جودة المياه السابقة تحسين إدارة المغذيات في إنتاج الغذاء وربط ومعالجة مياه الصرف الصحي أمران مطلوبان بشكل عاجل في الأحواض الفرعية ذات الكثافة السكانية العالية لتقليل ندرة المياه.

لقد اعتبرنا تلوث النيتروجين كمؤشر لجودة المياه في دراستنا. ومع ذلك، من المحتمل أن تتسبب العديد من المؤشرات الأخرى (مثل الملوحة، والأكسجين المذاب، والطلب البيولوجي، ودرجة الحموضة، ودرجة الحرارة، والمعادن الثقيلة) والملوثات الناشئة حديثًا (مثل مسببات الأمراض، والمضادات الحيوية، والبلاستيك، والمبيدات) في تدهور المياه بشكل خطير في المستقبل. لذا، هناك حاجة إلى البحث لتحديد تأثيرات هذه المؤشرات أو الملوثات على ندرة المياه المستقبلية بين القطاعات كجهد مشترك من مجتمع جودة المياه. ميزة مؤشرات ندرة المياه النظيفة لدينا هي أنها ليست محدودة بملوثات معينة أو بمقاييس زمنية أو مكانية محددة. لذلك، يمكن قياس المؤشرات لمختلف الملوثات الفردية عبر مقاييس زمنية ومكانية حسب الغرض من التقييم. فرصة أخرى هي دمج نهج التقييم الخاص بنا مع نماذج مؤشر جودة المياه (WQI). نماذج مؤشر جودة المياه هي أدوات قوية تعتمد على دوال التجميع لتحويل مجموعات بيانات جودة المياه المتنوعة إلى مؤشر جودة مياه واحد لتقييم جودة الجسم المائي. وبالتالي، يمكن أن تساعد هذه النماذج في تجميع المؤشرات المعتمدة على الجودة. لتحويل الملوثات الفردية إلى مؤشر بسيط واحد لتقييم ندرة المياه. بالإضافة إلى ذلك، فإن فهم التفاعلات بين ملوثات المياه المتعددة ومصادرها مفيد جدًا لتطوير استراتيجيات للتحكم في تلوث الملوثات المتعددة في الوقت نفسه. على سبيل المثال، تشترك المغذيات والمضادات الحيوية والجراثيم في نفس المصدر (السماد) في إنتاج الحيوانات. ستؤدي إدارة السماد المحسنة، مثل المعالجة وإعادة التدوير، إلى تأثيرات تآزرية في التحكم في تلوث المياه من جميع الملوثات الثلاثة.

علاوة على ذلك، فإن معالجة جودة المياه لها أهمية كبيرة في تحقيق عدة أهداف التنمية المستدامة (SDGs). تظهر الدراسات أن هناك العديد من التفاعلات (التآزر والمقايضات) بين الهدف السادس من أهداف التنمية المستدامة وأهداف التنمية المستدامة الأخرى، مثل الأهداف التي تضمن الأمن الغذائي (الهدف 2)، التحضر المستدام (الهدف 11)، الإنتاج والاستهلاك المسؤولين (الهدف 12)، وتخفيف تغير المناخ (الهدف 13). تظهر نتائجنا تآزرًا وتبادلات محتملة مماثلة بين أهداف التنمية المستدامة. على سبيل المثال، وجدنا أن ندرة المياه توجد بشكل رئيسي في الأحواض الفرعية ذات الإنتاج الزراعي المكثف (الهدف 2) أو/و ذات الكثافة السكانية العالية (الهدف 11)، مما يؤدي إلى تحميلات ملوثة عالية وسحب مياه مرتفع (الهدف 12) من توفر المياه المنخفض نسبيًا بسبب التغيرات الهيدرولوجية الناجمة عن تغير المناخ (الهدف 13). قد تؤدي استراتيجيات مثل تقليل استخدام الأسمدة للسيطرة على تلوث المياه في هذه النقاط الساخنة إلى تبادلات تتحدى توفير الغذاء. يمكن تحويل هذه التبادلات إلى تآزر من خلال تطبيق ممارسات زراعية (مثل، الأصناف البديلة، تخصيب المحاصيل بناءً على…
لتحسين كفاءة المغذيات في المحاصيل بحيث يتم الحفاظ على إنتاجية المحاصيل وتلبية الطلب على الغذاء. لذلك، من الضروري النظر في التفاعلات بين أهداف التنمية المستدامة المذكورة أعلاه في استراتيجيات ندرة المياه لتجنب الآثار السلبية على تحقيق الأهداف المتعلقة بالغذاء والمدن والمناخ. توفر نتائجنا حول النقاط الساخنة لندرة المياه النظيفة وخصائصها الاجتماعية والاقتصادية والمناخية مؤشراً قيماً للغاية حول الأماكن والتفاعلات التي تحتاج إلى معالجة للتخفيف من ندرة المياه وضمان التنمية المستدامة في مجالات أخرى من المجتمع.

تعتبر العديد من مؤشرات ندرة المياه كمية المياه، ومع ذلك فإن القليل منها فقط يأخذ في الاعتبار كل من كمية المياه وجودة المياه. على سبيل المثال، مؤشر الكمية-الجودة-الفعالية الاقتصادية (QQE) في دراسة ليو وآخرون. كان الأول الذي تم تطويره وتطبيقه لتقييم كل من ندرة المياه بناءً على الجودة والكمية استنادًا إلى بصمة المياه الزرقاء، بصمة المياه الرمادية، ومتطلبات التدفق البيئي (EFRs). مثال آخر هو مؤشر تخفيف جودة المياه (WSq) الذي تم تطويره وتطبيقه عالميًا لتقييم ندرة المياه التاريخية كنسبة من سحب المياه المحددة للقطاعات ذات الجودة المناسبة إلى إجمالي توفر المياه. في هذه الدراسة، قمنا بتطوير وتطبيق مؤشرات ندرة المياه النظيفة مع الأخذ في الاعتبار كلا الجانبين، مستلهمين من مؤشر الكمية-الجودة-الاحتياجات البيئية (QQE) الذي له ميزة في قياس ندرة المياه بناءً على الجودة والكمية بشكل منفصل. لذلك، ستعزز هذه المؤشرات لندرة المياه النظيفة من فهم ندرة المياه بشكل عام، مما يساعد في تحديد ما إذا كانت الندرة ناتجة بشكل أساسي عن قضايا الكمية أو الجودة.

قمنا بتقييم ندرة المياه النظيفة لـ أحواض فرعية في جميع أنحاء العالم استنادًا إلى مؤشرين: مؤشر قائم على الكمية ( ، المعادلة (1) ) ومؤشر قائم على الجودة ( ، المعادلة (2)).

هو المؤشر القائم على الكمية، يتم حسابه بناءً على نسبة الأهمية، أي معدل استخدام المياه إلى توفر المياه يمثل سحب المياه للقطاع j في الأحواض الفرعية سنة)، لإطلاق النهر الطبيعي عند مخرجات الأحواض الفرعية والذي يمثل إجمالي توافر المياه سنة)، ومتطلبات التدفق البيئي في الأحواض الفرعية ( سنة).

هو المؤشر القائم على الجودة. L تشير إلى حمل الملوث (النيتروجين في دراستنا) عند مخرجات الأحواض الفرعية (كيلوطن/سنة)، للتدفق الفعلي للنهر عند مخرجات الأحواض الفرعية /سنة)، لحدود جودة المياه القصوى للملوث ( ) لأغراض محددة لاستخدام المياه ( النيتروجين المذاب الكلي هو العتبة اللازمة للحفاظ على النظام البيئي المائي من الإثراء الغذائي انظر قسم البيانات لتقييم ندرة المياه النظيفة في المعلومات الداعمة (SI) لوصف مفصل للبيانات التي استخلصناها للمتغيرات المذكورة أعلاه.

لحساب مؤشرات ندرة المياه النظيفة (المعادلات (1) و(2))، قمنا بدمج نماذج MARINA-Nutrients (نموذج لتقييم مدخلات الملوثات من الأنهار إلى البحار)، وMAgPIE (نموذج الإنتاج الزراعي وتأثيره على البيئة)، وVIC (قدرة التسلل المتغيرة) في إطار نمذجة متكامل (في الشكل 1). استخدمنا نتائج هذا الإطار النمذجي لحساب الكمية-
مبني على ) ومرتبط بالجودة ( مؤشرات ندرة المياه النظيفة. قمنا بذلك لعام 2010 و2050 تحت سيناريوهات النيتروجين في المسارات الاجتماعية والاقتصادية المشتركة. تم تطويره استنادًا إلى مسارات الاقتصاد المشترك (SSPs) ومسارات التركيز التمثيلية (RCPs). و تم حساب المؤشرات لمنافذ الأحواض الفرعية لتقييم مستوى ندرة المياه في الأنهار. يقدم الجدول التكميلي S1 في الملحق تفاصيل كيفية اشتقاق كل متغير في المعادلتين (1) و (2) باستخدام النماذج في الشكل 1 لعام 2010 و2050.

مؤشر قائم على الكمية ) تم حسابه بشكل أساسي استنادًا إلى محاكاة تصريف الأنهار وسحب المياه القطاعية بواسطة نموذج VIC (الشكل 1). VIC هو نموذج هيدرولوجي قائم على الشبكة على نطاق واسع يحاكي توازن المياه وتوازن الطاقة السطحية (مثل، الاحتباس، التبخر والنتح، جريان السطح والجريان تحت السطح، وتصريف الأنهار) واستخدام المياه البشرية. هنا أخذنا في الاعتبار سحب المياه للاستخدام المنزلي والصناعي وسحب المياه للماشية والري ( ) في عام 2010 مستمد من VIC من خلال دراسة دروبيرز وآخرون. تم اشتقاق سحوبات المياه القطاعية المستقبلية في عام 2050 بناءً على التغيرات في سحوبات المياه بين عامي 2010 و2050 من نموذج MARINA-Nutrients-Global-1.0 الذي تم تطويره في هذه الدراسة وسحوبات المياه في عام 2010 من VIC كما تم اشتقاقه أعلاه. التدفق الطبيعي للأنهار ( كان يعتمد على تصريف النهر الطبيعي التراكمي، أي التصريف قبل سحب المياه، عند مخرجات الأحواض الفرعية، الذي تم محاكاته بواسطة VIC. وفقًا لنهج باستور وآخرون ، قمنا بحساب معدل التدفق البيئي المحدد للفرع الفرعي للبيئة، الذي تم الاحتفاظ به بعيدًا عن الاستخدام البشري للحفاظ على النظم البيئية في حالة بيئية عادلة. مزيد من التفاصيل حول المتغيرات ( ، و ) يُستخدم لتقييم متاحة في الجدول التكميلي S1 في المعلومات التكميلية (SI).

مؤشر قائم على الجودة ) تم حسابه من منظور تلوث النيتروجين استنادًا إلى VIC و MAgPIE و MARINA-Nutrients (الشكل 1). توافر المياه الفعلي ( ) لـ كان مستندًا إلى تصريف النهر الفعلي التراكمي، أي التصريف بعد سحب المياه داخل الأحواض الفرعية، عند مخارج الأحواض الفرعية، المستمد من MARINA-Nutrients الذي دمج الهيدرولوجيا من VIC (انظر الجدول التكميلي S1 في SI لمزيد من التفاصيل). من أجل أخذنا كعتبة للحفاظ على النظام البيئي المائي من التخصيب، استنادًا إلى دراسة دي فريز وآخرون. يو وآخرون . هنا، هو إجمالي حمل النيتروجين المذاب (TDN) عند مخرجات الأحواض الفرعية (كيلوطن/سنة). TDN هو مجموع النيتروجين غير العضوي المذاب (DIN) والنيتروجين العضوي المذاب (DON). يتم محاكاة أحمال DIN و DON عند مخرجات الأحواض الفرعية بشكل منفصل من خلال ربط MAgPIE و MARINA-Nutrients (المشار إليه بـ في المعادلة (S3) للأنهار الفردية أو الروافد، و في المعادلة (S4) للقناة الرئيسية؛ انظر الشكل التوضيحي الإضافي S1 لتعريف القناة الفرعية والقناة الرئيسية).

MAgPIE هو إطار عمل عالمي لنمذجة نظم الأراضي الذي يحاكي السيناريوهات طويلة الأجل لنظام الأرض والغذاء العالمي. إنه نموذج ديناميكي تكراري يحاكي كيف يمكن تلبية الطلب على الغذاء والعلف والمواد تحت مسارات مستقبلية محتملة مختلفة. يقدر النموذج مدى وتوزيع الأراضي الزراعية (الأراضي المزروعة وأراضي المراعي) ومناطق الغابات والأراضي الطبيعية الأخرى للمستقبل حتى عام 2100. يقدر MAgPIE ميزانيات النيتروجين على مستوى 18 منطقة عالمية، والتي يتم تقليصها إلى مستوى الشبكة في معالجة ما بعد النموذج واستخدم كمدخلات لـ MARINA-Nutrients لمحاكاة تلوث النيتروجين من المصادر المنتشرة. يتوفر وصف تفصيلي لـ MAgPIE في قسم MAgPIE في الملحق.

مارينا تقوم بت quantifying تصدير الأنهار السنوي لعدة ملوثات (مثل النيتروجين (N)، الفوسفور، البلاستيك الدقيق والضخم، مسببات الأمراض، والمواد الكيميائية) إلى البحار من مصادر نقطية ومتناثرة لـ الأحواض الفرعية في جميع أنحاء العالم . في دراستنا، قمنا بتطوير نموذج MARINA-Nutrients-Global-1.0 لتقييم تلوث مياه الأنهار والسواحل بالنيتروجين المذاب الكلي (TDN) إلى البحار من مصادر منتشرة ونقاط في عامي 2010 و2050. يشمل TDN النيتروجين المذاب غير العضوي والعضوي (DIN وDON). يعتمد النيتروجين من المصادر المنتشرة في الأراضي الزراعية وغير الزراعية على MAgPIE، بينما يأتي النيتروجين من النقاط
المصادر تعتمد على MARINA-Multi-Global-1.0 الذي تم تطويره بواسطة ستروكال وآخرون. لتحديد كميات المدخلات النيتروجينية إلى الأنهار العالمية من أنظمة الصرف الصحي (الشكل 1). التفاصيل في معادلات النموذج ومدخلات النموذج لـ MARINANutrients متاحة في قسم MARINA في الملحق.

أثناء تطوير هذا الإطار النمذجي، نعترف أيضًا بوجود العديد من النماذج الأخرى المفيدة جدًا التي يمكن اعتمادها لتقييم ندرة المياه النظيفة. هناك العديد من النماذج الهيدرولوجية العالمية الموجودة لتقييم توفر المياه. نموذج استخدام الأراضي والزراعة IMAGE، على سبيل المثال، هو نموذج معروف آخر في هذا المجال لمحاكاة استخدام الأراضي وميزانية النيتروجين. . علاوة على ذلك، توجد العديد من نماذج جودة المياه لتقييم تلوث المياه من ملوثات مختلفة عبر مقاييس زمنية (مثل: يومية، موسمية، سنوية) ومكانية (مثل: حوض، حوض فرعي، حوض نهري). على سبيل المثال، SWAT ورلد كوال ، و RTM وصورة-GNM لقد ثبت أنها نماذج متقدمة لتقييم تلوث النيتروجين في الأنهار. في هذه الدراسة، قررنا استخدام نموذج MARINA-Nutrients-Global-1.0 كنقطة انطلاق لتقييم المياه النظيفة، بالاشتراك مع MAgPIE وVIC، بسبب المزايا التالية. أولاً، يسمح نموذج MARINA بتحديد تلوث المياه حسب المصدر (مثل الأسمدة، والسماد، والصرف الصحي، وما إلى ذلك) مما يساعد على فهم الأسباب الرئيسية لتلوث المياه بشكل أفضل. ثانياً، يوفر نهج الأحواض الفرعية في MARINA فرصة لتحليل ندرة المياه في أحواض الأنهار الكبيرة بمزيد من التفصيل. علاوة على ذلك، ليست جميع النماذج متاحة لتقييم الاتجاهات المستقبلية في ندرة المياه النظيفة تحت سيناريوهات SSPs وRCPs، بينما يمكن لمزيج MAgPIE وVIC وMARINA القيام بمثل هذا التقييم المستقبلي.

استنادًا إلى المؤشرات المعتمدة على الكمية والجودة، حددنا النقاط الساخنة العالمية لنقص المياه النظيفة. أولاً، قمنا بتحديد مستويات نقص المياه في الأحواض الفرعية بمستويات منخفضة ومتوسطة وشديدة لكل من الكمية والجودة (الجدول 2). بالنسبة لنقص المياه المعتمد على الكمية ( ، المعادلة (1))، استخدمنا العتبات المقبولة عمومًا لندرة المياه المعتدلة و لنقص المياه الحاد. تم اشتقاق هذه المستويات من الدراسات الحالية . على سبيل المثال، تعتبر ندرة المياه القائمة على الكمية شديدة عندما يتجاوز من المياه المتاحة – تصريف النهر المتاح بعد خصم الكمية اللازمة للحفاظ على متطلبات التدفق البيئي – يتم استخدامه . من أجل ندرة المياه القائمة على الجودة ( ، المعادلة (2) ، استخدمنا عتبات لتلوث المياه المعتدل و للتلوث الشديد بالمياه نظرًا لتجنب الإثراء الغذائي في النظم البيئية المائية. عتبة يعني أن تركيزات TDN عند مخرجات الأحواض الفرعية أعلى من ، مما يشير إلى أن المسطحات المائية السطحية تبدأ في التحول من الحالة الأوليغوتروفية (المياه الصافية) إلى الحالة المتوسطة أو المخصبة (المياه المعكرة)، وفقًا لمؤشر الحالة الغذائية عتبة يعني أن تركيزات النيتروجين في المسطحات المائية أعلى من الذي يمكن أن يؤدي إلى الإثراء الغذائي في النظم البيئية المائية . بعد ذلك، حددنا النقاط الساخنة على أنها الأحواض الفرعية التي تعاني من نقص حاد في المياه بناءً على الكمية أو الجودة، أو كليهما (انظر الصفوف والأعمدة التي تحتوي على “مرتفع” في الجدول 2).

قمنا بتقييم ندرة المياه للعام الحالي (2010) والسنوات المستقبلية (2050). بالنسبة لعام 2050، تم وضع ثلاثة سيناريوهات تتماشى مع روايات مستقبل النيتروجين في المسارات الاجتماعية والاقتصادية المشتركة. وقصص تطور التحضر وإدارة مياه الصرف الصحي في المستقبل تم تطويرها استنادًا إلى المسارات الاقتصادية المشتركة (SSPs) والمسارات التمثيلية لتركيزات الغازات (RCPs). هذه السيناريوهات هي: SSP1-RCP2p6، SSP2-RCP2p6، وSSP5-RCP8p5 (الجدول التكميلي S9 في SI). يفترض سيناريو SSP1-RCP2p6 مستقبلًا يركز على التنمية الاجتماعية والاقتصادية المستدامة، وسياسات طموحة للغاية بشأن النيتروجين، وتحول غذائي طموح نحو نظام غذائي منخفض اللحوم، وتحسين الاتصال ومعالجة مياه الصرف الصحي، وسحب المياه المستدام، جنبًا إلى جنب مع التخفيف القوي من آثار المناخ على الهيدرولوجيا. بينما يفترض سيناريو SSP2-RCP2p6 تطويرًا اجتماعيًا واقتصاديًا يتبع الاتجاهات التاريخية، مع طموح معتدل بشأن النيتروجين.
السياسات والنظام الغذائي الغني باللحوم ومنتجات الألبان، عدم تحسين كبير في توصيل ومعالجة مياه الصرف الصحي، عدم تغييرات كبيرة في سحب المياه، جنبًا إلى جنب مع التخفيف القوي من آثار المناخ وتأثيراته على الهيدرولوجيا. تفترض SSP5-RCP8p5 مستقبلًا حضريًا مع تطوير اجتماعي واقتصادي مدفوع بالوقود الأحفوري، وسياسات ذات طموح منخفض ونظام غذائي غني باللحوم ومنتجات الألبان، وتحسين توصيل مياه الصرف الصحي ولكن مع تحسينات محدودة في معالجة مياه الصرف الصحي، وسحب مياه مرتفع، مع التخفيف المنخفض من آثار المناخ وتأثيراته على الهيدرولوجيا. الافتراضات المتعلقة بتوصيل ومعالجة مياه الصرف الصحي متاحة في الجدول التكميلي S10 في SI وفي Strokal et al. التي تم تنفيذها في MARINA-Nutrients-Global-1.0 لنمذجة تلوث المغذيات في الأنهار من المصادر النقطية. تم وصف افتراضات السيناريو لاستخدام الأراضي والزراعة بمزيد من التفصيل في الجدول التكميلي S11 في SI، والذي تم تنفيذه في نموذج MAgPIE لإنتاج مدخلات النموذج لـ MARINA-Nutrients-Global-1.0 لنمذجة تلوث المغذيات في الأنهار من المصادر المنتشرة.

جميع بيانات تقييم ندرة المياه النظيفة التي تم إنشاؤها وتحليلها حديثًا في هذه الدراسة متاحة للجمهور في مستودع خدمات الأرشفة والبيانات الشبكية (DANS Easy).https://doi.org/10.17026/PT/3ICWZM.

جميع المعادلات لنموذج MARINA متوفرة في ملفات المعلومات التكميلية للنشر المفتوح التالي: وانغ، م.، كروزي، ج.، ستروكال، م.، فان فليت، م.ت.هـ. وما، ل. يمكن أن يجعل التغير العالمي السيطرة على الإثراء الغذائي الساحلي في الصين أكثر صعوبة. مستقبل الأرض 8، e2019EF001280،https://doi.org/10.1029/2019ef001280 (2020).

Susquehanna River Basins. Glob. Biogeochemical Cycles 31, 2-23 (2017).
55. Beusen, A. et al. Exploring river nitrogen and phosphorus loading and export to global coastal waters in the Shared Socio-economic pathways. Glob. Environ. Change 72, 102426 (2022).
56. Wang, J., Li, Y., Huang, J., Yan, T. & Sun, T. Growing water scarcity, food security and government responses in China. Glob. Food Security 14, 9-17 (2017).
57. Gasbarro, F., Rizzi, F. & Frey, M. Adaptation measures of energy and utility companies to cope with water scarcity induced by climate change. Bus. Strategy Environ. 25, 54-72 (2016).
58. Alam, K. Farmers’ adaptation to water scarcity in drought-prone environments: A case study of Rajshahi District, Bangladesh. Agric. water Manag. 148, 196-206 (2015).
59. Grizzetti, B., Pretato, U., Lassaletta, L., Billen, G. & Garnier, J. The contribution of food waste to global and European nitrogen pollution. Environ. Sci. Policy 33, 186-195 (2013).
60. Springmann, M. et al. Options for keeping the food system within environmental limits. Nature 562, 519-525 (2018).
61. Kanter, D. R. et al. Nitrogen pollution policy beyond the farm. Nat. Food 1, 27-32 (2020).
62. Houlton, B. Z. et al. A world of cobenefits: solving the global nitrogen challenge. Earths Future 7, 865-872 (2019).
63. Beusen, A. H. W. et al. Exploring river nitrogen and phosphorus loading and export to global coastal waters in the Shared Socio-economic pathways. Glob. Environ. Change 72, 102426 (2022).
64. Bodirsky, B. L. et al. Reactive nitrogen requirements to feed the world in 2050 and potential to mitigate nitrogen pollution. Nat. Commun. 5, 1-7 (2014).
65. Strokal, M. et al. Global multi-pollutant modelling of water quality: scientific challenges and future directions. Curr. Opin. Environ. Sustain. 36, 116-125 (2019).
66. Li, A., Wang, M., Kroeze, C., Ma, L. & Strokal, M. Past and future pesticide losses to Chinese waters under socioeconomic development and climate change. J. Environ. Manag. 317, 115361 (2022).
67. Strokal, V. et al. Future microplastics in the Black Sea: River exports and reduction options for zero pollution. Mar. Pollut. Bull. 178, 113633 (2022).
68. Uddin, M. G., Nash, S. & Olbert, A. I. A review of water quality index models and their use for assessing surface water quality. Ecol. Indic. 122, 107218 (2021).
69. Parween, S., Siddique, N. A., Mahammad Diganta, M. T., Olbert, A. I. & Uddin, M. G. Assessment of urban river water quality using modified NSF water quality index model at Siliguri city, West Bengal, India. Environ. Sustain. Indic. 16, 100202 (2022).
70. Uddin, M. G., Nash, S., Rahman, A. & Olbert, A. I. A sophisticated model for rating water quality. Sci. Total Environ. 868, 161614 (2023).
71. Sutadian, A. D., Muttil, N., Yilmaz, A. G. & Perera, B. Development of river water quality indices-a review. Environ. Monit. Assess. 188, 1-29 (2016).
72. Xue, L., Weng, L. & Yu, H. Addressing policy challenges in implementing Sustainable Development Goals through an adaptive governance approach: A view from transitional China. Sustain. Dev. 26, 150-158 (2018).
73. Pradhan, P., Costa, L., Rybski, D., Lucht, W. & Kropp, J. P. A systematic study of sustainable development goal (SDG) interactions. Earths Fut. 5, 1169-1179 (2017).
74. Nilsson, M. et al. Mapping interactions between the sustainable development goals: lessons learned and ways forward. Sustain. Sci. 13, 1489-1503 (2018).
75. Flörke, M., Bärlund, I., van Vliet, M. T. H., Bouwman, A. F. & Wada, Y. Analysing trade-offs between SDGs related to water quality using salinity as a marker. Curr. Opin. Environ. Sustain. 36, 96-104 (2019).
76. Liu, K., Cao, W., Zhao, D., Liu, S. & Liu, J. Assessment of ecological water scarcity in China. Environ. Res. Lett. 17, 104056 (2022).
77. Ma, T. et al. Pollution exacerbates China’s water scarcity and its regional inequality. Nat. Commun. 11, 650 (2020).
78. Alcamo, J., Henrichs, T. & Rosch, T. World water in 2025. World water series report 2 (2000).
79. Kanter, D. R. et al. A framework for nitrogen futures in the shared socioeconomic pathways. Glob. Environ. Change 61, 102029 (2020).
80. Dietrich, J. P. et al. MAgPIE 4 – a modular open-source framework for modeling global land systems. Geosci. Model Dev. 12, 1299-1317 (2019).
81. Modi, P., Hanasaki, N., Yamazaki, D., Boulange, J. E. S. & Oki, T. Sensitivity of subregional distribution of socioeconomic conditions to the global assessment of water scarcity. Commun. Earth Environ. 3, 144 (2022).
82. Stehfest, E., van Vuuren, D., Bouwman, L. & Kram, T. Integrated assessment of global environmental change with IMAGE 3.0: Model description and policy applications (Netherlands Environmental Assessment Agency (PBL), 2014).
83. Arnold, J. G. et al. SWAT: Model use, calibration, and validation. Trans. ASABE 55, 1491-1508 (2012).
84. Fink, G., Alcamo, J., Flörke, M. & Reder, K. Phosphorus loadings to the world’s largest lakes: sources and trends. Glob. Biogeochemical Cycles 32, 617-634 (2018).
85. Liu, S. et al. Effects of anthropogenic nitrogen discharge on dissolved inorganic nitrogen transport in global rivers. Glob. change Biol. 25, 1493-1513 (2019).
86. Alcamo, J. & Henrichs, T. Critical regions: a model-based estimation of world water resources sensitive to global changes. Aquat. Sci. 64, 352-362 (2002).
87. Hanasaki, N., Yoshikawa, S., Pokhrel, Y. & Kanae, S. A quantitative investigation of the thresholds for two conventional water scarcity indicators using a state-of-the-art global hydrological model with human activities. Water Resour. Res. 54, 8279-8294 (2018).
88. Lake County Water Atals. Learn More About Trophic State Index (TSI) – Lake, http://www.lake.wateratlas.usf.edu/library/learn-more/ learnmore.aspx?toolsection=lm_tsi. (2002).

نحن نعترف بدعم مشروع KNAW-MOST: إدارة الموارد المستدامة لتوفير غذاء كاف وآمن (SURE+) (PSA-SA-E-01، دعم M.W.)، وبرنامج المواهب الهولندي Veni-NWO (0.16.Veni.198.001، دعم M.S.). نحن نعترف بدعم اتحاد الغذاء والزراعة والتنوع البيولوجي واستخدام الأراضي والطاقة (FABLE) (FABLE 2.0، منحة 94120، دعم F.B.)، وبرامج البحث والابتكار في إطار هورايزون 2020 التابعة للاتحاد الأوروبي (776479 COACCH و821010 CASCADES، دعم B.L.B.) ومنحة وزارة التعليم والبحث الألمانية (BMBF) (01LS2105A، ABCDR، دعم B.L.B.). كما نعترف أيضًا بدعم الاتحاد الأوروبي (منحة ERC Starting، B-WEX، مشروع 101039426، دعم MTHvV) ومنحة VIDI من المنظمة العلمية الهولندية (NWO) (VI.Vidi.193.019، دعم MTHvV).

صمم M.W. و R.R. البحث. قام M.W. و B.L.B. و F.B. و R.R. و M.P.B. و M.B. و A.P. بإجراء تقييم نمذجة نقص المياه النظيفة، الذي تم مراجعته والتعليق عليه من قبل B.D. و M.T.H.v.V. و M.S. قام M.W. و M.T.H.v.V. بإجراء تقدير متطلبات التدفق البيئي. كتب M.W. النسخة الأولى من المخطوطة. ساهم جميع المؤلفين المشاركين في تفسير النتائج، والمراجعة النقدية للمخطوطة، والموافقة على النسخة النهائية من المخطوطة.

يعلن المؤلفون عدم وجود مصالح متنافسة.

المعلومات التكميلية النسخة الإلكترونية تحتوي على
المواد التكميلية المتاحة على
https://doi.org/10.1038/s41467-024-44947-3.

يجب توجيه المراسلات وطلبات المواد إلى Mengru Wang.

معلومات مراجعة الأقران: تشكر Nature Communications Junguo Liu و Md Galal Uddin والمراجعين الآخرين المجهولين على مساهمتهم في مراجعة الأقران لهذا العمل. يتوفر ملف مراجعة الأقران.

معلومات إعادة الطبع والتصاريح متاحة على
http://www.nature.com/reprints

ملاحظة الناشر: تظل Springer Nature محايدة فيما يتعلق بالمطالبات القضائية في الخرائط المنشورة والانتماءات المؤسسية.

الوصول المفتوح: هذه المقالة مرخصة بموجب رخصة المشاع الإبداعي للاستخدام والمشاركة والتكيف والتوزيع وإعادة الإنتاج في أي وسيلة أو صيغة، طالما أنك تعطي الائتمان المناسب للمؤلفين الأصليين والمصدر، وتوفر رابطًا لرخصة المشاع الإبداعي، وتوضح ما إذا كانت هناك تغييرات قد تم إجراؤها. الصور أو المواد الأخرى من طرف ثالث في هذه المقالة مشمولة في رخصة المشاع الإبداعي للمقالة، ما لم يُشار إلى خلاف ذلك في سطر الائتمان للمادة. إذا لم تكن المادة مشمولة في رخصة المشاع الإبداعي للمقالة وكان استخدامك المقصود غير مسموح به بموجب اللوائح القانونية أو يتجاوز الاستخدام المسموح به، ستحتاج إلى الحصول على إذن مباشرة من صاحب حقوق الطبع والنشر. لعرض نسخة من هذه الرخصة، قم بزيارةhttp://creativecommons.org/licenses/by/4.0/.
© المؤلفون 2024

Received: 9 April 2023
Accepted: 9 January 2024
Published online: 06 February 2024
(D) Check for updates

Water is an essential resource for our life and nature. Yet only 0.02% of the water on Earth is available to people, plants, and animals. Water availability is mostly assessed through flows from rivers to seas, with an estimated global annual discharge of year, largely depending on the spatial and temporal distribution of precipitation and evaporation . Current global annual withdrawals are lower than global annual discharge. However, their spatial and temporal variations cause a mismatch, leading to water scarcity among regions .

Water scarcity generally refers to the condition wherein the water availability cannot meet the demand of nature and society . Water scarcity is expected to be exaggerated in the future, being largely affected by both climate and socio-economic changes. Climate change alters spatial and temporal patterns of the hydrological cycle, leading
to changes in water availability, such as river discharge . For example, Hagemann, et al. state that in 2100 , water availability is expected to increase in many river basins but also severely decrease in other river basins due to climate change. Furthermore, socio-economic changes, such as land-use change, irrigation, and dam constructions, directly affect the hydrological cycle by altering the timing and magnitude of water discharge . Fekete et al. state that direct anthropogenic alterations in basins of major economic areas, such as India and China, exceed the effect of climate change considerably, leading to a larger decline in runoff in the future. In addition, socio-economic changes also affect water demand. Population and economic growth have been the main drivers for growing food demand, increased living standards, changing food and energy consumption patterns, and expansions of

irrigated agriculture. These changes have led to ever-increasing global water demand, causing water scarcity .

Until a few years ago, global water scarcity assessments focused mainly on changes in the quantity perspective of water availability . However, decreasing water quality caused by increasing and newly emerging pollutants also became an important reason for limiting water to be safely used by nature and humans, aggravating the water scarcity problems. For example, agricultural intensification and urbanization have added excessive pollutants such as nutrients, pathogens, plastics, and other chemicals to the water bodies . Among the pollutants, excessive nitrogen (N) inputs to aquatic ecosystems can have negative consequences such as harmful algae blooms, hypoxia, and fish kills and complicate the use as drinking water . This leads to an aggravation of water scarcity because pollution limits water to be safely used.

Two studies have quantified regional water scarcity by innovatively integrating assessments of both water quality and quantity . Van Vliet et al. have been the first to assess water scarcity on a global scale using a sector-specific approach focusing on multiple pollutants including nitrogen for the historical period of 2000-2010. In their studies, water scarcity is assessed as the ratio of sectoral water withdrawals of acceptable water quality to the overall water availability taking into consideration of environmental flow requirements (EFRs water flows to sustain freshwater and estuarine ecosystems). To our knowledge, there is a lack of global assessment that quantifies future water scarcity based on nitrogen pollution in rivers under climate and socio-economic scenarios. Such an assessment is essential because a better understanding of future global hotspots of water scarcity under socio-economic and climate changes will contribute to formulating effective water management policies . Subsequently, this facilitates the supply of clean water for all, one of the United Nations Sustainable Development Goals (SDGs) for .

This study aims to assess future global clean-water scarcity in 2050 under climate and socio-economic changes. ‘Clean-water scarcity’ is assessed with two indicators: a water quantity-based and a water quality-based indicator (see Methods). We define ‘clean-water scarcity’ as the availability of surface water with acceptable quality. Our assessment is done for sub-basins worldwide based on their river discharges (water quantity) and nitrogen pollution levels (water quality). To this end, we combine the MARINA-Nutrients (Model to

Assess River Inputs of pollutaNts to seAs), MAgPIE (Model of Agricultural Production and its Impact on the Environment), and VIC (Variable Infiltration Capacity) models into an integrated modeling framework (Fig. 1, Methods). Results of this modeling framework are used to calculate the indicators for ‘clean-water scarcity’ for 2010 and 2050 under three scenarios assuming different storylines of climate changes and socio-economic activities that affect water scarcity (see Methods). Next, we identify the future global hotspots of severe cleanwater scarcity and whether this is mainly driven by water quantity or water quality issues (i.e., nitrogen pollution). Last, we discuss the interactions between water scarcity, food production, and society (i.e. population and sewage) in the hotspots, taking the perspective of achieving the SDGs in these hotspots. Our results contribute to a better understanding of future water scarcity caused by changes in both water availability and water pollution. The hotspot analysis also facilitates proactive water management strategies for sub-basins where water scarcity will be potentially high in the future.

We find that current and future water scarcity becomes a substantially more severe issue globally when implementing our clean-water scarcity assessment. The number of sub-basins facing severe scarcity doubles in 2010 and may even triple in 2050 in our clean-water scarcity assessment, compared to the classical water scarcity assessment that only considers water availability from the quantity perspective (Fig. 2). Due to their high nitrogen pollution levels, many sub-basins in South China, Central Europe, North America, and Africa become water scarcity hotspots. This also implies more than a doubling of the global area and population affected by severe water scarcity in both 2010 and 2050, meaning that up to 40 million of extra global drainage area, including highly biodiverse aquatic ecosystems and an additional 3 billion people are facing water scarcity challenges due to nitrogen pollution (Table 1).

In 2010, one-fourth (2517 out of 10,226) of the global sub-basins face severe scarcity of clean water, according to our assessment (hotspots, Table 2). These hotspot sub-basins are mainly distributed in southern parts of North America, Europe, parts of Northern Africa, the Middle East, Central Asia, India, China, and Southeast Asia (Fig. 2). These sub-basins cover of the global land area.

Fig. 1 | A modeling framework for the ‘clean-water scarcity’ assessment in our study. SSP-RCP-N is the scenario along the Nitrogen futures in the Shared Socio-economic Pathways developed based on the Shared-economic pathways (SSPs) and Representative Concentration Pathways (RCPs). VIC is the Variable

Infiltration Capacity model. MAgPIE is the Model of Agricultural Production and its Impact on the Environment. MARINA-Nutrients is the Model to Assess River Inputs of pollutaNts to seAs.

Fig. 2 | ‘Classical water scarcity’ (WS) and ‘Clean-water scarcity’ (CWS) assessments at the sub-basin scale in 2010 and 2050. Classical water scarcity assessment is only based on water quantity ( ), while clean-water scarcity assessment is based on both water quantity ( ) and quality ( ). Equations on how and are calculated are available in the Method section. The numbers in the arrows show the number of hotspots for classical water scarcity
and clean-water scarcity assessment. Hotspots are sub-basins where either or or both are considered high in Table 2. For 2050, water scarcity is calculated for three scenarios: SSP1-RCP2p6, SSP2-RCP2p6, SSP5-RCP8p5. Details of the scenarios based on the Shared-economic pathways (SSPs) and Representative Concentration Pathways (RCPs) are available in Supplementary Tables S9-S11 in the Supporting Information.

About of the total population lives there, contributing to of global total nitrogen (N) losses to rivers from human waste. Agricultural activities are usually intensive in these regions. They cover 44% of the global agricultural land, receive 84% and 53% of the global N applications from fertilizer and manure, and produce 69% of N in global harvested crops.

The majority (2218; 88%) of the hotspot sub-basins experience clean-water scarcity dominated by nitrogen pollution. Quality-based water scarcity hotspots occurred in southern parts of North America, Europe, the Middle East, Southeast Asia, China, India, and parts of Northern Africa (Fig. 2 and Supplementary Fig. S3). These sub-basins cover of the global drainage area, and of the population lives there (Supplementary Table S7). Whereas the ‘classical water scarcity’ assessment based solely on water quantity indicates 984 hotspot subbasins, covering of the global land area and of the global population (Table 1). Compared to the clean-water scarcity assessment, the classical assessment shows a much lower level of water scarcity in South China, Europe, and North America, where water pollution levels are high as the result of urbanization and agricultural activities, and the relatively high runoff that transports N to rivers (Fig. 2, Supplementary Figs. S4 and S8). Clearly, quality-induced water scarcity hotspots affected more ecosystems and people than quantityinduced water scarcity hotspots in 2010 (Supplementary Figs. S5 and S6 in SI).

Like hotspot regions, scarcity of clean water in non-hotspot subbasins where clean-water scarcity is estimated at low or moderate
levels was also dominated by nitrogen pollution. In 2010, more than 2000 sub-basins face potential water scarcity due to moderate water pollution, distributed mainly in South America and Africa, but also in North America, Northern Asia, and Australia (Fig. 2). These sub-basins cover 39% of the global drainage area and 18% of the population lives there. Sub-basins that currently do not face water scarcity issues with high water quality and high water quantity are mostly in sparsely populated regions such as northern parts of North America and Asia, and central parts of Australia (Fig. 2).

In 2050, the number of clean-water scarcity hotspot sub-basins is projected to remain high (2587 in SSP1-RCP2p6, 2785 in SSP2RCP2p6) or even increase (3061 in SSP5-RCP8p5), with qualityinduced scarcity dominating the globe (Figs. 2 and 3). In the worstcase scenario (SSP5-RCP8p5), the clean-water scarcity hotspots are calculated to cover 48% of the total drainage area, compared to 32% in 2010, and with of the total global population living there, compared to in 2010 (Fig. 2). Like in 2010, water scarcity hotspots are mostly found in sub-basins with intensive agricultural activities (Fig. 4). In 2050, the shares of agricultural area, nitrogen inputs, and surpluses in the hotspot sub-basins to the global total have large increases among the scenarios. For example, in SSP5RCP8p5, the hotspots regions cover ( in 2010) of the global agricultural land. These regions are projected to receive and of the global nitrogen inputs from fertilizer and manure, respectively, in 2050 (this was 84% for fertilizers and 53% for manure in 2010 ). They are projected to contribute to of the global
Table 1 | The shares (% of the global total) of area (sub-basins drainage area), population, N (nitrogen) losses to rivers from human waste, agriculture land, N fertilizer application in agriculture, N manure application in agriculture, N in harvested crops, and N surplus in agriculture (defined as total N inputs to agriculture minus N outputs by crop uptake and animal grazing) in the ‘Classical water scarcity’ (WS) and ‘Clean-water scarcity’ (CWS) in 2010 and 2050

of the scenarios based on the Shared-economic pathways (SSPs) and Representative Concentration Pathways (RCPs) are available in Supplementary Tables S9-S11 in the Supporting Information.

based water scarcities are identified as hotspots of clean-water scarcity. More information of how the thresholds are derived is available in Section Hotspot analysis in Methods.
agricultural N surplus in 2050 (this was 69% in 2010). Another important contributor to water pollution in the hotspot sub-basins in SSP5-RCP8p5 is the N losses to rivers from human waste. These N losses are projected to account for 91% of the total global losses due to the high sewage connections and poor wastewater treatment in this economic-first and highly urbanized future scenario.

The spatial distribution of the clean-water scarcity hotspots in 2050 is similar to 2010, but it is estimated to expand to many continents, mostly in Africa (Figs. 3 and 4). Africa is projected to have large increases in water scarcity, mainly caused by severe water pollution. In 2010, water scarcity hotspots in Africa cover 20% of the continental area, with of the continental population living in the African subbasins in 2010. This is projected to increase to 66% (drainage area) and (population) if no improved water management options are adopted in 2050 (SSP5-RCP8p5). Yet even with improved water management (SSP1), we still project an increase to 27% (drainage area) and (population) in the hotspots. The water scarcity issues will remain severe in other continents, particularly in Asia, Central America, Europe, and North America.

Our water scarcity assessment shows that nitrogen pollution in rivers is an important cause of water scarcity in 2010 and will likely continue causing water scarcity in 2050. This calls for urgent proactive pollution control strategies to reduce the impact of future potential water scarcity on nature and humans. A better understanding of the spatial distribution and main sources of nitrogen pollution to develop such strategies is needed. We, therefore, use the MARINA-Nutrients (Model to Assess River Inputs of pollutaNts to seAs) model and analyze nitrogen inputs to rivers at the sub-basin scale by sources for 2010 and 2050.

In 2010, we estimate a total amount of year total dissolved nitrogen (TDN) inputs to rivers, with the highest loads occurring in China, India, Central Africa, South America, and parts of North America (Fig. 5 and Supplementary Fig. S7). In 2050, the total TDN inputs to rivers are expected to be 112-147 kton/year among the three scenarios. This corresponds to an increase of 6-39% compared to 2010. Taking the worst-case scenario (SSP5-RCP8p5), this increase can be explained by the increased anthropogenic sources such as human waste and synthetic fertilizers (Fig. 5). In this scenario, sewage is projected to become the dominant source of nitrogen pollution in rivers mainly due to the activities around fast urbanization (i.e., population growth, more population connected to sewage systems in cities), and insufficient wastewater treatment technologies and infrastructures in this scenario. The dominant source of nitrogen pollution in the SSP1RCP2p6 and SSP2-RCP2p6 scenarios differ from SSP5-RCP8p5. Agriculture (i.e. fertilizer application) is the most important source in these two scenarios as the result of food production activities to feed the growing population. Sewage has much smaller contributions in these two scenarios, benefiting from the improved sewage connection as well as improved treatment. The highest TDN inputs in SSP1-RCP2p6 and SSP2-RCP2p6 are found in similar regions as described for 2010 (Fig. 5).

Tables S9-S11 in the Supporting Information. Hotspots are sub-basins where either the levels of scarcity for water quantity or quality or both are considered high in Table 2.

Fig. 4 | Characteristics of the clean-water scarcity hotspots in 2010 and 2050. The spider charts show the shares of area (sub-basin drainage area), population, N (nitrogen) inputs to rivers from human waste, agriculture land, N fertilizer application in agriculture, N manure application in agriculture, N in harvested crops, and N surplus in agriculture (defined as total N inputs to agriculture minus N outputs by crop uptake and animal grazing) in the clean-water scarcity hotspots (% of the continental total) in 2010 and 2050. Clean-water scarcity hotspots are sub-basins
where either the levels of scarcity for water quantity-driven or quality-driven or both are considered high in Table 2. For 2050, clean-water scarcity is calculated for three scenarios: SSP1-RCP2p6, SSP2-RCP2p6, SSP5-RCP8p5. Details of the scenarios based on the Shared-economic pathways (SSPs) and Representative Concentration Pathways (RCPs) are available in Supplementary Tables S9-S11 in the Supporting Information.

Details of the scenarios based on the Shared-economic pathways (SSPs) and Representative Concentration Pathways (RCPs) are available in Supplementary Tables S9-S11 in the Supporting Information.

In addition to the increasing scarcity of clean water caused by water pollution, quantity-induced scarcity driven by water availability and water withdrawals remains an important issue in 2050 scenarios. This is due to the climate change-induced changes in water availability through alterations in the hydrological cycle and the increasing water demand or withdrawals driven by socio-economic developments.

Water availability is projected to increase in more than twothirds ( ) of the sub-basins and decrease in the rest of the subbasins among the scenarios between 2010 and 2050 (Supplementary Fig. S8). In our study, water availability is defined as the cumulative natural river discharges at the sub-basin outlets. However, the changes in water availability vary largely among the continents and individual sub-basins. For example, the total water availability (the sum of river discharges of sub-basins) in Africa, Asia and North America is expected to increase by 4-6% between 2010 and 2050 for the three scenarios. In contrast, the total water availability in Central America, Europe, Oceania and South America is projected to decrease by up to during 2010-2050. The changes among the individual sub-basins vary from -156 to year between 2010 and 2050, showing large extremes in water availability which may exaggerate water scarcity in dry regions in 2050 . Global water withdrawals are projected to increase by among SSP-RCP scenarios in 2050 (Supplementary Figs. S10 and S11 in SI), leaving future generations under increasing pressure of water scarcity. This increase is due to the future higher water demand, mostly from urbanization and food production.

While future hotspots of clean-water scarcity are identified mainly in China, India, Europe, North America and in the worst-case scenario (SSP5-RCP8p5) also in Central Africa. The causes of water scarcity differ among these regions, presenting different challenges that need to be addressed to reduce water scarcity.

For quantity-induced scarcity, the main causes are the excessive withdrawals (high water withdrawal over water availability). The share of water withdrawals among sectors varies largely across continents (Supplementary Fig. S12 in SI). Irrigation contributes most to surface water withdrawals on the global scale and is the most important driver of quantity-induced scarcity in most regions including China, India and South America. However, this differs in Europe, where irrigation contributes to less than of water withdrawals. The most important water withdrawal is the industrial sector in Europe. A similar situation is observed in North America, where the industry takes almost 50% of the continental water withdrawal due to the large water demand for energy production (e.g., thermoelectric power plant) and manufacturing .

For quality-induced scarcity, the main causes of high TDN inputs to rivers are also different among hotspots. In 2010, TDN inputs to rivers are mainly driven by the low nitrogen use efficiencies in China and India (Supplementary Table S3 in SI), high production in Europe and North America (Supplementary Fig. S19 in SI), and by atmospheric N deposition and fixation on natural land in South America and Central Africa. In the future, the main cause of TDN inputs to rivers is similar across most hotspots in SSP1 and SSP2, which is agricultural production. It is important to note that although the nitrogen use efficiencies
have improved to high levels, the high food production in China, India, Europe and North America (e.g., Mississippi river) driven by food demand still leads to high N surpluses in agriculture (Supplementary Fig. S20 in SI). In SSP5, pollution is driven worldwide mainly by sewage as described above due to global urbanization and inadequate development of sewage treatment. Atmospheric N deposition and fixation on natural land remain the main source of TDN inputs to rivers in South America and Central Africa in the future, while agricultural N surpluses become increasingly more important in SSP5 (Supplementary Fig. S 20 in SI ).

There is a growing awareness that water quality aggregates water scarcity in many regions. Nonetheless, most global water scarcity studies focused solely on water quantity aspects . To our knowledge, there are two indicators that consider water quality explicitly. The first is the water quality dilution (WSq) indicator , which has been applied for several water quality constituents (e.g. temperature, salinity, organic pollution, total nitrogen and total phosphorus) on a global scale. The second is the Quantity-Quality-Environmental flow requirement (QQE) indicator , which has only been applied in China. Based on these indicators, we introduce ‘clean-water scarcity’ as a terminology and present a global assessment accounting for both water quantity and quality based on global nitrogen pollution under different scenarios of climatic and socio-economic developments. To do this, we developed and applied two water scarcity indicators (a water quantity-based and quality-based indicator) for global rivers at the sub-basin scale.

Overall, our assessment identifies similar hotspot regions for 2010 as those existing studies based only on the water quantity aspects of water scarcity in the period of 1971-2005 . However, our scenario analysis reveals a higher number of water scarcity hotspots than the existing quantity-focused studies. Moreover, our assessment provides a more detailed view on non-hotspot areas by differentiating between low, moderate, and high levels of scarcity, considering both quantity and quality aspects. Such information has the added value of identifying those regions facing potential water scarcity challenges if water resources and pollution are poorly managed. For example, the baseline simulation (1971-2000) in the study of Hanasaki et al. identifies similar water scarcity regions as we do for 2010. Whereas their study predicts reduced future water scarcity in Central Europe, India, China, and Africa, we find increased scarcity in those regions because of poor water quality. While the use of different models and datasets in the above-mentioned studies affects the distribution of water scarcity regions, the differences originate largely from neglecting the impact of water pollution (nitrogen in our study) on water scarcity.

Estimations of the population experiencing scarcity of clean water in our study are generally higher than in previous studies focusing only on water quantity . Previous studies estimated that between and of the population lived in severely water-scarce areas in 1995-2005. Looking only at water quantity, we estimated that of the global population lived in areas with severe water scarcity in 2010. Yet, if we also take into account water quality issues, our estimate rises to of the global population living in water-scarce regions in the same year. This strongly agrees with the study of Vörösmarty et al. who found that nearly of the world’s population lives in areas facing water security challenges from both water quantity and quality perspectives.

We consider quality-based water scarcity as severe if nitrogen concentrations exceed the threshold ( ) to avoid eutrophication in aquatic ecosystems, following De Vries et al. , Yu et al. . This may lead to a bias toward environmental water scarcity. Another way to deal with the different thresholds could be to focus on N thresholds for specific sectoral uses rather than the total water availability in line
with the study of van Vliet et al. , who identified a similar global spatial distribution of clean-water scarcity as we identify. For example, the threshold for the agricultural sector is linked to irrigation withdrawals , while the threshold for drinking water ( ) is used to calculate domestic withdrawals. Water scarcity could be assessed for each sector specifically instead of computing a total water scarcity. However, water allocation-related issues arise here, such as how to include water allocation among sectors. Here we decided to take the stringent threshold for the aquatic ecosystem whose ecosystem functions (e.g., irrigation water supply, fishery, recreation) will negatively impact both nature and humans. While one can argue that this strict threshold may lead to an overestimation of quality-based water scarcity, even stricter standards ( for rivers, comparable to the moderate levels in our assessment) have been introduced by United Nations to assess water security for ecosystem and human use in their SDG guidelines .

We conducted a clean-water scarcity analysis on annual temporal and sub-basin spatial scales with a focus on nitrogen pollution. The assumption is that the annual cumulative natural river discharge at sub-basin outlets represents water availability, annual summed gridded sectoral withdrawals represent water withdrawals, and the annual cumulative N load represents water quality in the sub-basins. Consequently, the water scarcity indicators generate an average value for each sub-basin, which aggregates the differences in time and space. Yet, our assessment masks intra- and inter-annual variabilities in the freshwater resources . Most importantly, the annual discharge does not represent the proportions of river flow that derive from base flow and stormflow. This means that the annual discharge might consist of a constant base flow available throughout the year but could also represent a high storm flow with a relatively low base flow. Whilst the former limits water scarcity, the latter aggravates among seasons. This issue is apparent in the future climate change scenario, particularly in RCP8p5 regional higher water availability might originate from higher seasonal fluctuations with higher stormflows . This holds the same for the EFRs in our study, for which we calculated annual EFRs as a fraction (ranging between ) of the total available water for sub-basins based the Variable Monthly Flow Method approach on Pastor et al. . The intra-annual variabilities in very wet or dry rivers may lead to a higher or lower monthly EFR in these rivers, ranging from 30 to 60% among sub-basins and seasons globally. Additionally, conducting a water scarcity analysis on an annual scale does not consider seasonal variability in nitrogen pollution . Exner-Kittridge et al. have observed a seasonal trend in nitrogen concentrations in rivers that increases in winter and decreases in summer. This phenomenon can be attributed to various factors such as higher in-stream nitrogen uptake and denitrification rates during the summer compared to the winter, seasonal biochemical changes, or the seasonal timing of fertilizer application and plant uptake. Thus, whilst our results indicate overall annual water scarcity, the level of scarcity may vary largely among seasons. This means that our assessment should be used and interpreted to estimate the global distribution of clean-water scarcity and their trends over time rather than zoom into the details of intra-annual scarcity in specific regions.

We assessed clean-water scarcity based on the integrated modeling framework (Fig. 1) that links land use and agriculture, hydrological and water quality models. While the models provide great opportunities for exploring future trends and causes of water scarcity, there are uncertainties around the model inputs and modeling approaches of MAgPIE, VIC and MARINA-Nutrients. Below we discuss why we consider our modeling approach reliable and sufficient in assessing future clean-water scarcity.

Uncertainties in our assessment from MAgPIE are mainly related to the estimated nitrogen (N) budgets (see Section MAgPIE in SI for the modeling approach). To build trust in our assessment, we compared our N budget from MAgPIE with a recent high-resolution (5 arc min
degree) N dataset from Tian et al. . The result shows a promising comparison. The global total nitrogen inputs to agriculture (cropland and pasture) and non-agriculture are very comparable, despite small differences among the sources as fertilizer, manure, and deposition (Supplementary Tables S8 in the SI). For example, the global total N input in 2010s is year in Tian et al. and year in this study. The spatial distribution of N inputs is also comparable between Tian et al. and our study (Supplementary Fig. S21 in SI). High total N inputs are observed in China, South Asia, Europe, United States and Brazil in both studies. There is an exception for atmospheric deposition. Some regions such as South Africa have higher deposition than in other regions in Tian et al. but not in our study. However, the N load quantified by the MARINA model is not sensitive to changes in atmospheric deposition due to its small contribution to water pollution compared to other sources. This was revealed in the thorough sensitivity analysis in Appendix E of Wang et al. changes in atmospheric deposition in the MARINA model hardly result in any difference in river export of N in MARINA. Considering the comparable total N inputs on land between the two studies, we believe that our results of quality-induced water scarcity hotspots will not change much when using N data from Tian et al. . This comparison provides a high confidence in using the MAgPIE model for our assessment.

VIC’s simulated historical discharge and sectoral water withdrawals compared well against observed discharge and reported domestic, industrial and irrigation water withdrawals . However, multi-model intercomparison studies have shown that differences between hydrological models are the main source of uncertainty in discharge and irrigation water demand projections . Therefore, the selection of a single model, the VIC hydrological model in our study impacts the water scarcity results. Nevertheless, we believe the model validation results show an acceptable performance of VIC for assessing water scarcity. VIC model estimates are mostly near the multi-model ensemble means for discharge and irrigation . Moreover, the explicit representation of the energy balance in the VIC model allows the model to comprehensively capture the impacts of radiation changes under climate change, which is highly important for, for example, snow dynamics .

MARINA-Nutrients-Global-1.0 was developed and applied in this study to quantify N load at the sub-basin outlets. The previous versions of this model have been evaluated with a convincing performance at both global and regional scales based on the ‘building trust circle’ approach including 1) compare model outputs with measurements and existing studies, 2) compare spatial pattern of pollution hotspots, 3 ) sensitivity analysis, and 4) compare model inputs with independent datasets. The MARINA model, however, does not consider the legacy pools of N. Considering the historical N use can have an impact on N pollution in groundwater and rivers , while the legacy effects balance out over longer time periods. If N legacy effects were considered, this would likely increase the modeled water pollution in most of the hotspot regions such as China, Europe, North America where historical N use was high, confirming our conclusion that water pollution will become an important cause of clean-water scarcity in these regions. Here, we consider that the MARINA version developed in this study provides a robust assessment of quality driven-water scarcity because of the following reasons. First, the simulation of point source pollution from wastewater has been evaluated as promising in the global study of Strokal et al. . Second, for diffuse source pollution we used data from MAgPIE, which shows good performance as discussed above when compared to N budget in other studies. Third, our modeled results compare very well with other global studies that quantify historical or future N pollution in rivers. For example, our global spatial patterns of N pollution are comparable to the total N patterns for 2000-2010 shown by van Vliet et al. . This is the same for the future that we estimate similar hotspots of N pollution in 2010 and 2050 compared to Beusen et al. .

Our assessment has important Implications for future water management and policies. Strategies to adapt to or mitigate future water scarcity are urgently needed, especially as socio-economic developments continuously increase the world’s dependence on water resources. Adaptation strategies currently focus on quantity-based water scarcity, varying from water-saving irrigation techniques at the sectoral scale to water diversion or reallocation through dams at the catchment scale . Mitigation strategies that reduce water pollution surely need more attention, as revealed by this study, that low water quality will be a critical or even dominant cause of water scarcity in many river basins in the future, and controlling nitrogen pollution is very challenging.

The challenge to control nitrogen pollution mainly arises from current urbanization trends and increasing food demands and waste which both contribute to additional nitrogen losses to water . Even in the ambitious SSP1-RCP2p6 scenario, assuming optimistic water management, as well as diet, changes towards lower shares of animal products and food waste, the scarcity of clean water remains high in many regions due to water pollution. Based on source attribution of nutrients in our study and previous water quality assessments , improving nutrient management in food production and sewage connection and treatment are urgently needed in densely populated sub-basins to reduce water scarcity.

We took nitrogen pollution as the water quality indicator in our study. However, many other indicators (e.g., salinity, dissolved oxygen, biological demand, pH , temperature, and heavy metals) and newly emerging pollutants (e.g., pathogens, antibiotics, plastics, and pesticides) will likely cause severe water degradation in the future . Research is thus needed to identify the impacts of these indicators or pollutants on future water scarcity among sectors as a joint effort of the water quality community. The advantage of our clean-water scarcity indicators is that they are not limited to specific pollutants and specific temporal or spatial scales. Therefore, the indicators can be quantified for various individual pollutants across temporal and spatial scales depending on the purpose of the assessment. Another opportunity is to combine our assessment approach with the Water Quality Index (WQI) models . WQI models are powerful tools based on aggregation functions to convert varying water quality datasets to a single water quality index to assess the quality of the waterbody. Such models can thus help to aggregate the quality-based indicators for individual pollutants to a simple single indicator for the water scarcity assessment. Additionally, a better understanding of the interactions between multiple water pollutants and their sources is very useful for developing strategies to simultaneously control the pollution of multiple pollutants. For example, nutrients, antibiotics, and pathogens share the same source (manure) in animal production. Improved manure management, such as treatment and recycling, will then have synergetic effects in controlling water pollution by all three pollutants.

Moreover, addressing water quality is of significant importance for achieving several Sustainable Development Goals (SDGs) . Studies show that there are many interactions (synergies and trade-offs) between SDG 6 and other SDGs, such as those goals ensuring food security (SDG 2), sustainable urbanization (SDG 11), responsible production and consumption (SDG 12), and mitigated climate change (SDG 13) . Our results show similar potential synergies and tradeoffs between the SDGs. For example, we found that water scarcity mostly exists in sub-basins with intensive agricultural production (SDG 2) or/and are densely populated (SDG 11), leading to high pollutant loads and high water withdrawals (SDG 12) from the relatively low water availability due to climate change-induced hydrological changes (SDG 13). Strategies such as reducing fertilizer use to control water pollution in these hotspots may lead to trade-offs that challenge food provision. Such trade-offs can be turned into synergies by applying agricultural practices (e.g., alternative varieties, fertilizing crops based
on their nutrient requirement) to improve nutrient efficiencies of crops such that the crop yield is maintained and food demand is met. It is thus essential to consider the interactions between the abovementioned SDGs in the water scarcity strategies to avoid negative impacts on achieving the goals for food, cities, and climate. Our results about the clean-water scarcity hotspots and their socio-economic and climate characteristics provide a very valuable indication of where and what interactions need to be addressed to mitigate water scarcity as well as ensure sustainable development for other domains of society.

Many water scarcity indicators consider water quantity, yet only a few consider both water quantity and water quality aspects . For example, the Quantity-Quality-EFR (QQE) indicator in Liu et al. was the first being developed and applied to assess both quality and quantity-based water scarcity based on the blue water footprint, gray water footprint, and environmental flow requirements (EFRs). Another example is the water quality dilution (WSq) indicator developed and applied globally to assess historical water scarcity as a proportion of sector-specific water withdrawals of suitable water quality to the total water availability . In this study we developed and applied cleanwater scarcity indicators considering both aspects, inspired by the Quantity-Quality-EFR (QQE) indicator which has an advantage in quantifying the quality and quantity-based water scarcity separately. Therefore, these clean-water scarcity indicators will enhance the understanding of overall water scarcity, aiding in the determination of whether the scarcity is predominantly due to issues of quantity or quality.

We assessed the scarcity of clean water for sub-basins worldwide based on two indicators: a quantity-based indicator ( , Eq. (1)) and a quality-based indicator ( , Eq. (2)).

is the quantity-based indicator, calculated based on the criticality ratio, i.e., the rate of water use to water availability stands for the water withdrawals for sector j in the sub-basins year), for the natural river discharge at the sub-basins outlets which stands for total water availability ( year), and EFR for the environmental flow requirements in the sub-basins ( year ).

is the quality-based indicator. L stands for the pollutant (nitrogen in our study) load at the sub-basins outlets (kton/year), for the actual river discharge at the sub-basins outlets ( /year), for the maximum water quality threshold of the pollutant ( ) for specific purposes of water use ( total dissolved nitrogen the threshold for sustaining the aquatic ecosystem from eutrophication ). See Section Data for clean-water scarcity assessment in Supporting Information (SI) for a detailed description of the data that we derived for the above variables.

To calculate the indicators for clean-water scarcity (Eqs. (1) and (2)), we combined the MARINA-Nutrients (Model to Assess River Inputs of pollutaNts to seAs), MAgPIE (Model of Agricultural Production and its Impact on the Environment), and VIC (Variable Infiltration Capacity) models into an integrated modeling framework (in Fig. 1). We used modeled results of this modeling framework to calculate the quantity-
based ( ) and quality-based ( ) clean-water scarcity indicators. We did this for 2010 and 2050 under the Nitrogen futures in the Shared Socio-economic Pathways developed based on the Sharedeconomic pathways (SSPs) and Representative Concentration Pathways (RCPs). The and indicators were calculated for the outlets of the sub-basins to assess the level of water scarcity in rivers. Supplementary Table S1 in the SI presents in detail how each variable in Eqs. (1) and (2) was derived using the models in Fig. 1 for 2010 and 2050.

Quantity-based indicator ( ) was calculated mainly based on simulations of river discharge and sectoral water withdrawal by the VIC model (Fig. 1). VIC is a macro-scale grid-based hydrological model that simulates water balance and surface energy balance (e.g., interception, evapotranspiration, surface and subsurface runoff, and river discharges) and anthropogenic water use. Here we took domestic, industrial, livestock and irrigation water withdrawals ( ) in 2010 derived from VIC by the study of Droppers et al. . Future sectoral water withdrawals in 2050 were derived based on the changes in water withdrawals between 2010 and 2050 from the MARINA-Nutrients-Global-1.0 model developed in this study and water withdrawals in 2010 from VIC as derived above. Natural river discharge ( ) was based on the cumulative natural river discharge, i.e., discharge before water withdrawals, at the sub-basins outlets, simulated by VIC . Following the approach of Pastor et al. , we calculated the sub-basin specific EFR for the environment, withheld from human usage to keep ecosystems in a fair ecological condition. More details on the variables ( , and ) used to assess are available in Supplementtary Table S1 in Supplementary Information (SI).

Quality-based indicator ( ) was calculated from the nitrogen pollution perspective based on VIC, MAgPIE and MARINA-Nutrients (Fig. 1). Actual water availability ( ) for was based on the cumulative actual river discharge, i.e., discharge after water withdrawals within the sub-basins, at the sub-basins outlets, derived from MARINA-Nutrients that incorporated hydrology from VIC (see Supplementary Table S1 in SI for details). For , we took as the threshold for sustaining the aquatic ecosystem from eutrophication, based on the study of De Vries et al. , Yu et al. . Here, is the total dissolved N (TDN) load at the sub-basins outlets (kton/year). TDN is the sum of dissolved inorganic (DIN) and organic nitrogen (DON). DIN and DON loads at the sub-basin outlets are simulated separately by linking MAgPIE and MARINA-Nutrients (referred as in Eq. (S3) for individual rivers or tributaries, and in Eq. (S4) for main channel; see Supplementary Fig. S1 for the definition of tributary and main channel).

MAgPIE is a global land-system modeling framework that simulates long-term scenarios for the global land and food system. It is a recursively dynamic model that simulates how food, feed and material demand can be fulfilled under different possible future pathways. The model estimates the extent and distribution of agricultural land (cropland and pastureland), forest areas and other natural lands for the future until the year 2100. MAgPIE estimates nitrogen budgets on the level of 18 global world regions, which are downscaled to grid level in the model post-processing and used as inputs for MARINA-Nutrients to simulate nitrogen pollution from diffuse sources. A detailed description of MAgPIE is available in Section MAgPIE in SI.

MARINA quantifies the annual river export of multiple pollutants (i.e. nitrogen (N), phosphorus, micro- and macro plastic, pathogens, and chemicals) to seas from point and diffuse sources for subbasins worldwide . In our study, we developed the MARINA-Nutrients-Global-1.0 model to assess river and coastal water pollution by total dissolved N (TDN) to seas from both diffuse and point sources in 2010 and 2050. TDN includes dissolved inorganic and organic N (DIN and DON). N from diffuse sources in agriculture and non-agriculture land is based on MAgPIE, while N from point
sources is based on MARINA-Multi-Global-1.0 developed by Strokal et al. to quantify nitrogen inputs to global rivers from sewage systems (Fig. 1). Details in model equations and model inputs for MARINANutrients are available in Section MARINA in SI.

While developing this modeling framework, we also acknowledge that there are many other very useful models which could be adopted to assess clean-water scarcity. Many global hydrological models exist to assess water availability . The land use and agriculture model IMAGE, for example, is another well-known model in the field for simulating land use and nitrogen budget . Moreover, many water quality models exist to assess water pollution from various pollutants across temporal (e.g. daily, seasonal, annual) and spatial scales (e.g., catchment, sub-basin, basin). For example, SWAT , WorldQual , and RTM and IMAGE-GNM have been proven to be advanced models for assessing N pollution in rivers. In this study, we decided to use the MARINA-Nutrients-Global-1.0 model as the starting point for clean-water assessment, in combination with MAgPIE and VIC, because of the following strengths. First, the MARINA model allows quantifying water pollution by source (i.e., fertilizer, manure, sewage and etc) which helps to better understand the main causes of water pollution. Second, the sub-basin approach of MARINA provides an opportunity to analyze water scarcity in large river basins in more detail. Moreover, not all models are available to assess future trends in clean-water scarcity under the SSPs and RCPs, while the combination of MAgPIE, VIC and MARINA is capable for such future assessment.

Based on the quantity- and quality-based indicators, we identified the global hotspots for clean-water scarcity. First, we determined the water scarcity levels for the sub-basins by low, moderate, and severe levels for both quantity and quality (Table 2). For quantity-based water scarcity ( , Eq. (1)), we used the generally accepted thresholds of for moderate water scarcity and for severe water scarcity. These levels were derived from existing studies . For example, quantity-based water scarcity is considered severe when more than of the available water – available river discharge after subtracting the amount for sustaining the environmental flow requirement – is used . For quality-based water scarcity ( , Eq. (2)), we used the thresholds of for moderate water pollution and for severe water pollution in view of avoiding eutrophication in aquatic ecosystems. The threshold of means that TDN concentrations at the outlets of the sub-basins are higher than , indicating that the surface water bodies start to switch from the oligotrophic (clear water) to mesotrophic or eutrophic (turbid water) states, according to the trophic state index . The threshold of means that nitrogen concentrations in the water bodies are higher than which can result in eutrophication in aquatic ecosystems . Next, we identified the hotspots as the sub-basins where there is a severe quantity-based, quality-based, or both quantity- and quality-based water scarcity (see rows and columns with High in Table 2).

We assessed water scarcity for the current (2010) and future (2050) years. For 2050, three scenarios along the storylines of the Nitrogen futures in the Shared Socio-economic Pathways and storylines of future urbanization and wastewater management developed based on the Shared-economic pathways (SSPs) and Representative Concentration Pathways (RCPs) were applied. These scenarios are: SSP1-RCP2p6, SSP2-RCP2p6, and SSP5-RCP8p5 (Supplementary Table S9 in SI). SSP1RCP2p6 assumes a future focusing on sustainable socio-economic development, high-ambition N policies and an ambitious diet shift to a low meat diet, improved sewage connection and treatment, sustainable water withdrawal, combined with strong climate mitigation and its impacts on hydrology. SSP2-RCP2p6 assumes a socio-economic development following the historical trends, moderate-ambition N
policies and medium meat & dairy diet, not much-improved sewage connection and treatment, not much-changes in water withdrawal, combined with strong climate mitigation and its impacts on hydrology. SSP5-RCP8p5 assumes an urbanized future with fossil-fuel-driven socioeconomic development, low-ambition N policies and meat & dairy-rich diet, improved sewage connection but limited improvements in sewage treatment, high water withdrawal, combine with low climate mitigation and its impacts on hydrology. The scenario assumptions for sewage connection and treatment are available in Supplementary Table S10 in SI and in Strokal et al. , which are implemented in MARINA-Nutrients-Global-1.0 for modeling nutrient pollution in rivers from point sources. The scenario assumptions for land use and agriculture are described in further detail in Supplementary Table S11 in SI, which is implemented in the MAgPIE model to produce model inputs for MARINA-Nutirents-Global-1.0 for modeling nutrient pollution in rivers from diffuse sources.

All data of the clean-water scarcity assessment newly generated and analyzed in this study are publicly available in the Data Archiving and Networked Services (DANS Easy) repository https://doi.org/10.17026/ PT/3ICWZM.

All equations for the MARINA model are provided in the Supplementary information files of the following open access publication: Wang, M., Kroeze, C., Strokal, M., van Vliet, M.T.H. & Ma, L. Global change can make coastal eutrophication control in China more difficult. Earth’s Future 8, e2019EF001280, https://doi.org/10.1029/ 2019ef001280 (2020).

Susquehanna River Basins. Glob. Biogeochemical Cycles 31, 2-23 (2017).
55. Beusen, A. et al. Exploring river nitrogen and phosphorus loading and export to global coastal waters in the Shared Socio-economic pathways. Glob. Environ. Change 72, 102426 (2022).
56. Wang, J., Li, Y., Huang, J., Yan, T. & Sun, T. Growing water scarcity, food security and government responses in China. Glob. Food Security 14, 9-17 (2017).
57. Gasbarro, F., Rizzi, F. & Frey, M. Adaptation measures of energy and utility companies to cope with water scarcity induced by climate change. Bus. Strategy Environ. 25, 54-72 (2016).
58. Alam, K. Farmers’ adaptation to water scarcity in drought-prone environments: A case study of Rajshahi District, Bangladesh. Agric. water Manag. 148, 196-206 (2015).
59. Grizzetti, B., Pretato, U., Lassaletta, L., Billen, G. & Garnier, J. The contribution of food waste to global and European nitrogen pollution. Environ. Sci. Policy 33, 186-195 (2013).
60. Springmann, M. et al. Options for keeping the food system within environmental limits. Nature 562, 519-525 (2018).
61. Kanter, D. R. et al. Nitrogen pollution policy beyond the farm. Nat. Food 1, 27-32 (2020).
62. Houlton, B. Z. et al. A world of cobenefits: solving the global nitrogen challenge. Earths Future 7, 865-872 (2019).
63. Beusen, A. H. W. et al. Exploring river nitrogen and phosphorus loading and export to global coastal waters in the Shared Socio-economic pathways. Glob. Environ. Change 72, 102426 (2022).
64. Bodirsky, B. L. et al. Reactive nitrogen requirements to feed the world in 2050 and potential to mitigate nitrogen pollution. Nat. Commun. 5, 1-7 (2014).
65. Strokal, M. et al. Global multi-pollutant modelling of water quality: scientific challenges and future directions. Curr. Opin. Environ. Sustain. 36, 116-125 (2019).
66. Li, A., Wang, M., Kroeze, C., Ma, L. & Strokal, M. Past and future pesticide losses to Chinese waters under socioeconomic development and climate change. J. Environ. Manag. 317, 115361 (2022).
67. Strokal, V. et al. Future microplastics in the Black Sea: River exports and reduction options for zero pollution. Mar. Pollut. Bull. 178, 113633 (2022).
68. Uddin, M. G., Nash, S. & Olbert, A. I. A review of water quality index models and their use for assessing surface water quality. Ecol. Indic. 122, 107218 (2021).
69. Parween, S., Siddique, N. A., Mahammad Diganta, M. T., Olbert, A. I. & Uddin, M. G. Assessment of urban river water quality using modified NSF water quality index model at Siliguri city, West Bengal, India. Environ. Sustain. Indic. 16, 100202 (2022).
70. Uddin, M. G., Nash, S., Rahman, A. & Olbert, A. I. A sophisticated model for rating water quality. Sci. Total Environ. 868, 161614 (2023).
71. Sutadian, A. D., Muttil, N., Yilmaz, A. G. & Perera, B. Development of river water quality indices-a review. Environ. Monit. Assess. 188, 1-29 (2016).
72. Xue, L., Weng, L. & Yu, H. Addressing policy challenges in implementing Sustainable Development Goals through an adaptive governance approach: A view from transitional China. Sustain. Dev. 26, 150-158 (2018).
73. Pradhan, P., Costa, L., Rybski, D., Lucht, W. & Kropp, J. P. A systematic study of sustainable development goal (SDG) interactions. Earths Fut. 5, 1169-1179 (2017).
74. Nilsson, M. et al. Mapping interactions between the sustainable development goals: lessons learned and ways forward. Sustain. Sci. 13, 1489-1503 (2018).
75. Flörke, M., Bärlund, I., van Vliet, M. T. H., Bouwman, A. F. & Wada, Y. Analysing trade-offs between SDGs related to water quality using salinity as a marker. Curr. Opin. Environ. Sustain. 36, 96-104 (2019).
76. Liu, K., Cao, W., Zhao, D., Liu, S. & Liu, J. Assessment of ecological water scarcity in China. Environ. Res. Lett. 17, 104056 (2022).
77. Ma, T. et al. Pollution exacerbates China’s water scarcity and its regional inequality. Nat. Commun. 11, 650 (2020).
78. Alcamo, J., Henrichs, T. & Rosch, T. World water in 2025. World water series report 2 (2000).
79. Kanter, D. R. et al. A framework for nitrogen futures in the shared socioeconomic pathways. Glob. Environ. Change 61, 102029 (2020).
80. Dietrich, J. P. et al. MAgPIE 4 – a modular open-source framework for modeling global land systems. Geosci. Model Dev. 12, 1299-1317 (2019).
81. Modi, P., Hanasaki, N., Yamazaki, D., Boulange, J. E. S. & Oki, T. Sensitivity of subregional distribution of socioeconomic conditions to the global assessment of water scarcity. Commun. Earth Environ. 3, 144 (2022).
82. Stehfest, E., van Vuuren, D., Bouwman, L. & Kram, T. Integrated assessment of global environmental change with IMAGE 3.0: Model description and policy applications (Netherlands Environmental Assessment Agency (PBL), 2014).
83. Arnold, J. G. et al. SWAT: Model use, calibration, and validation. Trans. ASABE 55, 1491-1508 (2012).
84. Fink, G., Alcamo, J., Flörke, M. & Reder, K. Phosphorus loadings to the world’s largest lakes: sources and trends. Glob. Biogeochemical Cycles 32, 617-634 (2018).
85. Liu, S. et al. Effects of anthropogenic nitrogen discharge on dissolved inorganic nitrogen transport in global rivers. Glob. change Biol. 25, 1493-1513 (2019).
86. Alcamo, J. & Henrichs, T. Critical regions: a model-based estimation of world water resources sensitive to global changes. Aquat. Sci. 64, 352-362 (2002).
87. Hanasaki, N., Yoshikawa, S., Pokhrel, Y. & Kanae, S. A quantitative investigation of the thresholds for two conventional water scarcity indicators using a state-of-the-art global hydrological model with human activities. Water Resour. Res. 54, 8279-8294 (2018).
88. Lake County Water Atals. Learn More About Trophic State Index (TSI) – Lake, http://www.lake.wateratlas.usf.edu/library/learn-more/ learnmore.aspx?toolsection=lm_tsi. (2002).

We acknowledge the support of the KNAW-MOST project: Sustainable Resource Management for Adequate and Safe Food Provision (SURE+) (PSA-SA-E-01, supporting M.W.), the Dutch Talent Program Veni-NWO project (0.16.Veni.198.001, supporting M.S.). We acknowledge the support of Food, Agriculture, Biodiversity, Land-Use, and Energy (FABLE) Consortium (FABLE 2.0, Grant 94120, supporting F.B.), European Union’s Horizon 2020 research and innovation program Grants (776479 COACCH and 821010 CASCADES, supporting B.L.B.) and German Ministry for Education and Research (BMBF) Grant (01LS2105A, ABCDR, supporting B.L.B.). We also acknowledge the European Union (ERC Starting Grant, B-WEX, Project 101039426, supporting MTHvV) and Netherlands Scientific Organisation (NWO) VIDI grant (VI.Vidi.193.019, supporting MTHvV).

M.W. and R.R. designed the research. M.W., B.L.B., F.B., R.R., M.P.B., M.B. and A.P. performed the modeling assessment of clean water scarcity, which were reviewed and commented on by B.D., M.T.H.v.V. and M.S. M.W. and M.T.H.v.V. performed the quantification of environmental flow requirements. M.W. drafted the first version of the manuscript. All coauthors contributed to the interpretation of the results, critical revision of the manuscript, and approval of the final version of the manuscript.

The authors declare no competing interests.

Supplementary information The online version contains
supplementary material available at
https://doi.org/10.1038/s41467-024-44947-3.

Correspondence and requests for materials should be addressed to Mengru Wang.

Peer review information : Nature Communications thanks Junguo Liu, Md Galal Uddin and the other, anonymous, reviewer(s) for their contribution to the peer review of this work. A peer review file is available.

Reprints and permissions information is available at
http://www.nature.com/reprints

Publisher’s note Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Open Access This article is licensed under a Creative Commons Attribution 4.0 International License, which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license, and indicate if changes were made. The images or other third party material in this article are included in the article’s Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the article’s Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder. To view a copy of this license, visit http://creativecommons.org/ licenses/by/4.0/.
© The Author(s) 2024