基于云模型的干旱扬水灌区水土环境演化响应评价

徐存东，程 慧，刘璐瑶，王国霞，田子荀，韩立炜

(1.华北水利水电大学 水利学院，郑州 450045；2.水资源高效利用与保障工程河南省协同创新中心，郑州 450046)

0 引 言

我国西北地区光热条件充足，土地资源丰富，但水资源严重紧缺，生态环境极度脆弱，通过在荒漠中建设人工绿洲可在实现对西北地区大批长期荒芜的土地有效开发的基础上逐步改善区域的气候环境，逐步提高综合环境质量[1]。然而，位于我国西北的灌区长期采用的大水漫灌及由灌溉入渗产生的水盐运移，致使灌区的水土环境形成了长期性、立体性的影响[2]。当前，针对区域尺度的水土环境演化的定量化揭示、水土环境的演化规律探讨已成为学术界关注的重点领域。王浩等以植被与水分间作用机理为出发点，研究了水土资源的开发利用对自然生态环境演变的影响[3]。康绍忠等分析了水土环境与水资源开发间的联系，构建了水土环境效应评估的指标体系，进行了论证与分析[4]。徐存东等利用改进的AHP法对我国西北具有典型性的景电灌区水土环境变迁的响应进行了评估[5]。MP Kennedy等人对集体植被变量、优势植物种群性状以及水文和水化学变量的评价,对淡水湿地植被对水文驱动因子的水土环境响应进行了研究[6]。NV Anh等利用半分布式水文模型对越南琮流域的水文循环和质量动态进行了动态评估，在此基础上对流域水土环境进行动态管理与调控[7]。目前学术界针对干旱灌区的水土环境演变分析的方法及模型较少，方法单一同化，主观性较强且未构建区域尺度的多要素耦合模型[8,9]。因此，本文引入云模型转化的方法开展区域的水土环境演化响应评价。云模型是定性、定量互换模型，它将模糊性和随机性有机地综合在一起，可实现定性概念与定量数值间自然转换，其运算过程和判断结果可将水土环境演化的定性特征定量表征[10,11]。以甘肃景电灌区为研究区，引入云模型对干旱扬水灌区水土环境的演化进行评估分析，可强化对干旱荒漠区发展扬水灌溉对环境变迁演化内在机理的认识，同时可为干旱荒漠区的水土资源可持续利用及宏观调控提供有益借鉴。

1 研究区概况

以地处腾格里沙漠边缘的甘肃景电灌区为研究区域，其地理位置如图1所示。处于东经103°20′-104°04′，北纬37°00′-38°21′，属典型大陆气候，蒸发量大降雨量稀少。独特的自然环境与特殊的地理位置决定了该地区的水土环境问题具有重要研究意义。灌区运行40多年来，林木覆盖率由提水前的0%变为提水后14%，同样，年均降水量由185 mm变为201.6 mm，相对湿度由46%变为48%，平均风速3.5 m/s变为2.4 m/s，年蒸发量3 390 mm变为2 433 mm，即经过大量的提水灌溉，景电灌区的水土环境产生了一定的积极变化。然而，灌区内田间大水漫灌及集中洗盐等粗放的灌溉方式交替发生，及区域内水盐调控及人工排碱等人工活动不断演进，大量的水资源调入原本干旱缺水的地区，人工灌溉所引起的水盐运移和水土资源的变迁重组也逐步趋于稳定，该过程虽然缓慢而漫长，但长期潜在和立体化的影响已逐步显现。

图1 景电灌区地理位置示意图Fig.1 Schematic diagram of the geographical location of jingjing irrigation area

2 评价指标体系及数据源

2.1 评价指标体系构建

干旱灌区水土环境演化，是指在干旱灌区调入大量的水资源及灌溉作用下，区域水土环境产生了长期性的影响，使区域原有水土环境发生变迁。而评价指标的确定关系到结果的正确性，参考文献[5]及文献[12]中徐存东及宋松柏的研究，结合景电灌区水土环境现状及特征，以可操作性、数据可得性、完整性、科学可比性及层次性为原则，结合水土环境演化的“原因-效应-响应”3个层次，从区域水土环境的区域气候、土地利用、地下水及地表水4个层次21个指标构建了干旱扬水灌区水土环境演化评价指标体系。表1为所构建的水土环境演化评价指标体系。鉴于环境演化的“方向性”，将指标细分为负向、正向指标。负向值越大，表明水土环境的演化朝着越“低敏感”的方向演化；正向值越大，表明水土环境的演化朝着越“高敏感”的方向演化。

地表水效应层：反映景电灌区水土环境演化变迁中地表水响应变化，景电灌区水土环境变迁最为突出的是由于扬水灌溉引起的水情变化及土地的盐碱化，因此，选取灌区年提水量、灌区灌溉水量、径流模数、灌溉水水质指数、地表水水质指数、灌溉水矿化度作为因素指标。

地下水效应层：反映景电灌区水土环境演化变迁中地表水响应变化，目前，景电灌区水土环境变迁中变化最为剧烈的是地下水埋深及矿化度，因此，选取地下水埋深、地下水位年变幅、回归水矿化度、地下水矿化度、地下水水质指数作为因素指标。

土地效应层:反映景电灌区水土环境演化变迁中土壤等因素的变化，目前，由于人工提灌的作用，在长周期的缓慢作用下，绿洲面积增加，同时，土壤的盐碱化也更为明显，因此，选用绿洲面积变化率、土壤盐渍化程度、土壤盐渍面积比、盐渍土含盐量作为因素指标。

气候效应层：考虑景电灌区位于我国西北的干旱荒漠区，选用年降水量、平均气温、相对湿度、蒸发量、植被覆盖率、平均风速作为因素指标。

表1 水土环境演化响应评价指标体系Tab.1 Evaluation index system of water-soil environment evolution response

2.2 指标权重及评价标准确定

传统层次分析法(AHP)是由美国数学家SAATY T L 提出的一种基于多目标定量和定性相结合的决策分析法[13]。传统的分析法首先将问题层次化，依据要达到的目标及问题的性质，分解问题成不同组成要素，且依据各因素间隶属关系和相互影响关系进行分层，之后组合构成一个多层次结构的分析模型。之后，对各层因素对比分析，采用1～9标度法构建判断矩阵，判断矩阵见表2，判断矩阵中R层与下层C因素之间有关联关系。最后，求解判断矩阵最大特征值及特征向量，进而确定各指标因素权重，以此作为决策判断依据。

表2 AHP法判断矩阵Tab 2 AHP judgment matrix

传统AHP中，判断矩阵的求解采用1～9标度法，即表2中cij对Rk而言，Ci对Cj数值表示相对重要度，然而，1～9标度法与判断习惯不协调且主观性较强。因此，本文采用一种新的指数标度法进行改进[5,14]，表3为基于指数标度的改进AHP法指数标度取值范围。

表3 改进AHP法指数标度取值范围Tab.3 The value range of the improved AHP method

依据已建立评价指标体系，对各指标进行两两重要度判断，确定基于指数标度的判断矩阵，进而得到的21个指标权重见表4。

表4 水土环境演化响应评价指标标准Tab.4 Evaluation indexes of water-soil environment evolution

续表4 水土环境演化响应评价指标标准

表4中水土环境演化评价指标标准是参考国内外相关研究和国际公认及国内均值的基础上[15-17]，根据景电灌区水土环境的特征及现状，综合分析后归纳确定。

2.3 数据来源

本文在对甘肃省景电灌区1970s以来地表水监测资料、地下水监测资料、土壤勘察资料及气象资料充分分析基础上。重点收集2004-2014年来研究区地下水及地表水分布特征、灌区总提水量及农田配水量、区域不同区带的地下水埋深及化学特征、区域不同水文地质单元的田间土壤化学特征、区域土地利用及盐碱地斑块分布特征、区域蒸发、降雨、气温、风速等气象数据。上述所收集的数据为干旱扬水灌区水土环境演化响应评价提供了基础数据资料。结合表1，其主要指标的数据收集及指标解释如下：

(1)降水量、区域气温、相对湿度、蒸发量及平均风速数据在中国气象数据网站下载，下载每日参数，经统计分析后，得到研究区2004年及2014年年度基本数据。

(2)绿洲面积变化率、土壤盐渍面积比及植被覆盖率数据由研究区2004年和2014年TM遥感影像解译而成，土壤盐渍化程度及盐渍土含盐量由通过实地考察、取样调查取得。

(3)灌区灌溉水量及用水量，由甘肃省景电管理局提供得到2004年及2014年的本底数据库，地下水位相关资料为灌区各典型水文单元所布置的40多口监测井收集化验，整理分析得到两个年度的区域地下水埋深、地下水化学类型等资料。

(4)地表水水质、地表水矿化度及灌溉水水质资料，经由现场收集水样，经化验整理分析得到2004年及2014年相关资料。

3 水土环境演化的云模型构建

3.1 云模型原理

见图2为模拟该过程的多条件多规则云发生器，云模型是钟形隶属函数和正态分布演化发展而成的数学模型。其云的生成算法称为云发生器，云发生器包括逆向和正向发生器。逆向是定量到定性，正向则是从定性到定量，研究水土环境演化响应评估是实现定性到定量值，故采用正向发生器[18]。其运算步骤如下：

(1)产生正态随机数En′i=Norm(En,He2)。其中，En为期望；He2为方差；Norm()为正态随机分布函数。

(2)再产生正态随机数xi=Norm(Ex,En′2i)。其中，Ex为期望；En′2i为方差；Norm()为正态随机分布函数。

(4)得到数值论域中一个云滴(xi,ui)。

(5)重复(1)～(4)，当生成满足要求的n个云滴，计算终止。

3.2 正态云评价模型

针对干旱灌区水土环境演化进行研究，引入云理论作为理论基础，构建正态云评价模型，其模型构建流程如下。

(1)确定水土环境演化的评估因素域U={u1,u2,u3,…,un}。

(2)确定水土环境演化的评估等级域V={v1,v2,v3,…,vn}，确定评估指标权重Q={q1,q2,q3,…,qn}。

(3)构造模糊关系矩阵S。S表示评估因素域U对应评估等级域V的隶属关系，模糊关系矩阵S中元素sij表征评估因素域U内第i个元素ui相对于评估等级域V内第j个等级的隶属度S={S1,S2,S3,…,Sn}。

(4)特征参数确定。由(4)中隶属度，采用正态云模型确定评估因素隶属度，生成的云模型为：

(1)

式中：Exij为正态云模型中评估因素i(i=1,2,3,…,n)对应等级j(j=1,2,3,…,m)的期望；x上ij与x下ij分别为因素i(i=1,2,3,…,n)对应等级j(j=1,2,3,…,m)上、下边界值，即为一个级别过渡到下一个级别的临界值。

水土环境演化评估中各评估域中边界值为相互过渡的临界值，该边界值应隶属两个级别，且值相等，有：

(3)

式中：Enij为正态云模型中评估因素i(i=1,2,3,…,n)对应等级j(j=1,2,3,…,m)的熵；x上ij与x下ij分别为因素i(i=1,2,3,…,n)对应等级j(j=1,2,3,…,m)上、下边界值。

超熵He表示熵的离散度，对应模型中云厚度。可通过试验经验取值，超熵所取的值越大，则正态云越厚，反之则越薄。

(5)根据干旱扬水灌区水土环境演化评估体系中各指标值，在构建好评估指标体系后，建立水土环境演化因素规则库和效应规则库，由正向云发生器，输入水土环境演化的各指标定量化值，依据正态云模型CGAj云发生器随机产生一个确定度uij。uij反映了xi对定性规则CGaj的激活强度，uij经过“Soft and”操作获得一确定度ui，作为后件(水土环境演化)云发生器CGB的输入，随机的产生一个输出yi。最后将得到的CG(Byi)进行加权平均，即为水土环境演化评估指标的量化分值。计算原理见图2。

(6)将(3)得到的模糊关系矩阵S与评估的权重集Q进行模糊转换，由于评估的权重集Q为评估因素域U在评估域V内模糊子集，即为区域宏观水土环境演化评估中评估域V上模糊子集R,即：

R=Q⊗S=(r1,r2,…,rj,…,rm)

(4)

(5)

图2 多条件多规则云发生器Fig.2 Multi conditional of multi rule cloud generator

由最大隶属度原则，本次水土环境演化响应评价的综合等级即为最大隶属度对应的等级。

3.3 模型构建

依据干旱灌区区域水土环境演化响应评价的各指标标准，由正太云模型原理可建立各评价指标对应的正态云模型见表2，干旱扬水灌区水土环境演化综合标准云模型见图3。

表5 干旱扬水灌区水土环境演化指标云模型Tab.5 Soil and water environment in arid pumping irrigation area evolution index cloud model

图3 水土环境演化综合标准云模型Fig.3 Comprehensive model of water-soil environment evolution cloud model

4 结果及分析

4.1 单因子隶属度

由所构建的云模型，依据各指标量化数据，计算可得各指标在位于各层次的隶属度，由最大隶属度原则，可到各指标评估单因子最大隶属度值，见表6。

由表6，地表水效应层6个的因子指标，除去灌溉水量及提水量，2004-2014年度变化较为稳定，其中引水量和灌溉水量均由2004年较高敏感(Ⅳ)上升至2014年高敏感(Ⅴ)，表明近10 a来，这两个因子是主要变化因子；同时，这6个因子中，灌区提水量、灌溉水量及地表水水质指数两年度所处敏感度等级较高，表明在地表水效应层中，这3个因子是地表水演化的主要响应因子。

地下水效应层5个因子中，地下水埋深及地下水水位年变幅为主要变化因子，分别由低一等级上升至高一等级，表明近10 a年来，随着不断的提水灌溉，这两个因子响应效果不断凸显；同时，地下水的水质及矿化度2004～2014年来一直处于较高敏感(Ⅳ)，表明灌区的引水灌溉以来，这两个因子是地下水演化的主要响应因子。

土地效应层4个因子指标，在2004-2014年度其最大隶属度所处敏感等级均未发生变化，表明景电灌区的水土环境在这10 a年演化中，其土地层的响应变化是最为迟缓的。但是，除去土壤盐渍面积比这个响应因子，其他三个所处敏感度等级均较高，表明随着灌区的灌溉运行，虽然出现了土壤的盐碱化，但是发生盐碱化的土壤面积较小且变化不大，只是封闭单元的盐碱区盐碱程度更加严重了。这个与灌区土壤盐碱化调研结果是一致的[19]。

表6 2004及2014年水土环境指标因素隶属度Tab.6 Indicators of water-soil environmental indicators in 2004 and 2014 membership

气候效应层6个因子指标，除去灌区的蒸发量的敏感等级发生了变化，其他因子均为变化，表明近10a年，区域气候的响应变迁程度较为稳定，分析这一原因，是灌区其所处独特的西北干旱荒漠区的气候条件决定的，虽然不断的引水灌溉对灌区的气候产生了一定的积极影响，但其影响程度及过程是潜在而缓慢的，在十年内是无法产生巨大变化的。

4.2 综合隶属度

由各指标权重及各等级各因子隶属度，得到2004年及2014年水土环境位于不同等级的综合隶属度，由最大隶属度原则，即可得到为2004及2014年水土环境综合隶属度，见表7。

表7 2004及2014年水土环境综合隶属度Tab.7 Comprehensive membership of water-soil environment in 2004 and 2014

由表7知，2004年景电灌区水土环境总体综合演化的平均隶属度“低敏感(Ⅰ)为0.2126，“较低敏感(Ⅱ)为0.284 8，中等敏感(Ⅲ)为0.157 0，较高敏感(Ⅳ)为0.369 8，高敏感(Ⅴ)为0.086 0。由最大隶属度原则，可知2004年景电灌区水土环境为较高敏感(Ⅳ)，最大隶属度为0.369 8；同理，2014年景电灌区水土环境为高敏感(Ⅴ)，其对应的隶属度为0.261 9。表明2004-2014年景电灌区水土环境总体朝着“高敏感”方向演化，对应图2中曲线“Ⅳ”逐步过渡到“Ⅴ”。究其原因，近10 a来，灌区调入的水资源量不断增加，致使灌区地下水、地表水量不断增加，过量的水资源调入加上不尽合理的利用方式，致使灌区水环境及土地环境不断发生变化，具体表征为地下水位不断抬升，土壤盐渍化严重。

5 结 论

(1)2004-2014年以来，随着灌区的提水灌溉，水土环境不断朝着高敏感度的方向演化，其中灌区2004年水土环境的综合等级为较高敏感，最大隶属度为0.369 8，2014年灌区水土环境为高敏感(Ⅴ)，其对应的隶属度为0.261 9。

(2)水土环境发生随着灌区的引水灌溉而发生演化，其中灌区提水量、灌溉水量、地表水水质指数、地下水水质、地下水矿化度、绿洲面积变化率、土壤盐碱化程度、盐渍土含盐量等指标因子响应程度较为强烈，处于较高敏感和高敏感等级。同时，近10 a来，灌区提水量、灌溉水量、地下水埋深、地下水水位年变幅等指标因子响应变化较为强烈，均由低一等级上升至高一等级。

(3)水土环境的演化及其机理，加上影响因素、响应结果及效应表征所构成的指标体系是一个非常复杂的系统问题，而确定其指标标准是需要长期探索的过程，其复杂性较强，目前尚未形成完整的理论体系。因此，如何更加科学的确定评估指标体系及评估标准需要进一步的探索与研究。

□

[1] 徐存东. 景电灌区水盐运移对局域水土资源影响研究[D]. 兰州：兰州大学, 2010.

[2] 亓沛沛, 冉圣宏, 张 凯. 不同灌溉方式和作物类型对西北干旱区耕地土壤盐渍化的影响[J]. 农业环境科学学报, 2012,31(4):780-785.

[3] 王 浩, 秦大庸, 王 研,等. 西北内陆干旱区生态环境及其演变趋势[J]. 水利学报, 2004,35(8):0008-0014.

[4] 师彦武, 康绍忠, 简艳红. 干旱区内陆河流域水资源开发对水土环境效应的评价指标体系设计[J]. 水土保持通报, 2003,23(3):24-27.

[5] 徐存东, 连海东, 聂俊坤,等. 基于改进层次分析法的干旱扬水灌区水土环境变迁响应评估[J]. 干旱区地理, 2015,38(5):880-886.

[6] Kennedy M P, Lang P, Grimaldo J T, et al. Environmental drivers of aquatic macrophyte communities in southern tropical African rivers: Zambia as a case study[J]. Aquatic Botany, 2015,124:19-28.

[7] Anh N V, Fukuda S, Hiramatsu K, et al. Sensitivity-Based Calibration of the Soil and Water Assessment Tool for Hydrologic Cycle Simulation in the Cong Watershed, Vietnam[J]. Water Environment Research, 2015,87(8):735.

[8] 黄德亮, 何江涛, 杨 蕾,等. 某市再生水灌区水土环境中PPCPs污染特征分析[J]. 中国环境科学, 2016,36(9):2 614-2 623.

[10] 周启刚, 张晓媛, 王兆林. 基于正态云模型的三峡库区土地利用生态风险评价[J]. 农业工程学报, 2014,30(23):289-297.

[11] 王迎超, 靖洪文, 张 强,等. 基于正态云模型的深埋地下工程岩爆烈度分级预测研究[J]. 岩土力学, 2015,36(4).

[12] 宋松柏, 蔡焕杰. 旱区流域水土环境质量的综合定量评价模型[J]. 应用生态学报, 2005,16(2):345-349.

[13] Wu Y, Li W, Liu P, et al. Application of analytic hierarchy process model for landslide susceptibility mapping in the Gangu County, Gansu Province, China[J]. Environmental Earth Sciences, 2016,75(5):1-11.

[14] 闫 铁, 张 杨, 李 玮,等. 基于分形维数的钻头优选指数标度法及其应用[J]. 石油学报, 2012,33(3):472-476.

[15] 刘 畅, 师学义, 高 奇. 基于熵权物元模型的土地利用规划环境影响跟踪动态评价[J]. 环境科学学报, 2015,35(8):2 641-2 647.

[16] 璩路路, 师学义, 刘 畅. 基于改进SPA法的土地利用规划环境影响跟踪评价[J]. 水土保持研究, 2016,23(4):104-109.

[17] 师彦武, 康绍忠, 简艳红. 干旱区内陆河流域水资源开发对水土环境效应的评价指标体系设计[J]. 水土保持通报, 2003,23(3):24-27.

[18] 李德毅, 孟海军, 史雪梅. 隶属云和隶属云发生器[J]. 计算机研究与发展, 1995,(6):15-20.

[19] 徐存东, 刘 辉, 聂俊坤,等. 干旱区扬水灌溉对区域地下水动态特征的影响分析[J]. 水利水电技术, 2015,46(9):123-127.