干旱区灌区水盐综合调控研究

刘柏君，权 锦，雷晓辉，蒋云钟，王 浩,2

(1.中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室，北京 100038;2.河海大学 水文水资源学院，南京 210098；3.联邦科学与工业研究组织 水土研究所，澳大利亚 珀斯 WA6014 )

水资源作为不可或缺的自然资源，战略地位显著。在气候变化、人类活动及竞争用水的三重影响下，发生变化的水循环过程对区域水资源开发利用从水量、水质方面造成了不小的影响，威胁经济社会的可持续发展，需水与水资源开发已然成为现阶段的主要矛盾。对于国际水文科学协会(IAHS)重点关注的干旱区，其特殊的气候和地质条件使区域灌区内土壤盐渍化和地下水过度开采问题愈发凸显，这也成为了阻碍区域农业发展的重要因素之一。近年来，干旱区内灌区的不断扩增，大量引用的地表灌溉用水致使灌区地下水位升高，同时地下水开采剧烈致使地下水位多变，由于地下水循环的时滞性和干旱区水盐运动过程的复杂性，灌区水-盐平衡日益不均，严重危害作物生长甚至出现弃耕现象[1-3]。土壤盐渍化和地下水超采既关乎水生态环境和土地资源保护问题，又影响着地表-地下水统筹规划利用，还涉及农业灌溉发展和粮食安全保证，同时盐渍地作为重要的耕地资源之一，具有不小的经济价值[4,5]。地下水过度开采造成地下水位下降，使得地下水中的盐量滞留在土壤层，用于洗盐和灌溉的淡水量不足与干旱区蒸发较强烈等原因会让盐分不断累积，造成土壤盐渍化不断加剧，情势不容乐观。

近年来，诸多学者分别针对干旱区土壤盐渍化和地下水问题进行了大量研究。如陈小兵等[6]对渭干河灌区灌排管理措施进行了详细分析并选用多种方法研究了灌区的水盐平衡关系。遥感与GIS技术被Metternicht[7]应用在土壤盐渍化及时、准确、全面地监测上。李新国和高婷婷等利用野外考察并采用多种分析方法研究了干旱区下游绿洲土壤盐渍化程度、特征空间分布规律及特征间的耦合关系和土壤盐分变异特征[8-10]。余根坚和余美等利用构建的水盐模型模拟不同灌水模式下的水盐运移过程并分析了其中规律[11,12]。张浩佳等多位学者在构建地表-地下水耦合模型模拟多情况下地表水-地下水转换关系的同时，也详细分析了地下水转化机理和流动规律，为地表-地下水资源统一管理、地下水流动过程模拟及高效利用提供了科学支撑[13-18]。赵丹等建立了疏勒河流域灌区的水盐动态模型用来模拟不同灌溉方案下的水盐分布及脱盐状况，并对水盐调控措施进行了探讨[19]。苏新礼和张志芳通过分析土壤水与土壤盐渍化的相互关系，提出确保土壤排水量占引水量的18%可以让土壤盐分处于调低的水平[20]。孙贯芳等也以内蒙古河套灌区为例对地下水膜下滴灌-引黄水补灌的时空调控进行了详细的探讨[21]。然而，现有的研究主要集中在盐分特征分析及模拟和地表地下水转化模型上，针对我国干旱区水资源短缺与土壤盐渍化的严峻形势，现有的单一的调控方式已经无法满足干旱区灌区水盐综合调控的要求。如何有效评价并选择合理的干旱区灌区水盐调控模式，是有效管理灌区土壤盐渍化、高效利用水资源、平衡灌区生态的重要基础。此外，建立可靠的针对干旱区灌区的水盐调控模式评估体系也是实现水盐综合调控目标的理论基础。因此，本文在分析干旱区灌区水盐平衡与地表-地下水转换特点的基础上，对典型灌区的不同水盐调控模式进行综合评估，探索出以“地表-地下水资源统筹配置-土壤盐分控制-灌溉节水”三元一体的土地资源保护、灌溉模式改进和流域水资源开发的综合调控模式，以期实现干旱区灌区土地资源和灌溉引水流域水资源可持续利用的目标，也为灌区水盐调控模式评估提供更具适应性的理论与方法。

1 水盐调控模式评估模型

1.1 评价指标体系

考虑到干旱区灌区水盐条件的复杂性，采用频度统计法、理论分析法和专家咨询法对体系指标进行设立及筛选。频度统计法，即从各类相关水资源开发利用报告、论文中选择使用频率较高的指标；理论分析法，即根据流域水资源开发利用特征和指标数据的可得性选择具有代表性的重要发展特征指标；专家咨询法，即通过征询专家意见对所提出的原始指标进行筛选及调整，最终确定各项评价指标。特别地，灌区地表水中的盐分平衡主要受到河道入口盐度序列、水量蒸发程度、灌区回水、灌区引水量等因素的影响，且灌区可以根据季节不同有计划地安排井灌与渠灌的用水量和用水时间，以达到既利用地下水又防止土壤盐碱化的目的。因此，所建立的用于评估流域节水、治盐和地下水开发利用目标的指标体系如图1所示(指标说明详见表1)。

图1 干旱区灌区水盐调控模式评价指标体系Fig.1 Evaluating index system of water-salt regulate and control modes for irrigated area in arid region

1.2 评估模型

层次分析法(AHP)是对所选定的评价指标进行无量纲化处理及整合、从而对方案进行定量评价的方法。但AHP存在主观因素作用，且层次关系难以梳理，而BP神经网络却具有自适应性强、自我学习能力优秀和大规模并行等特征，可以有效消除层次分析法的缺点。因此，本文选用基于AHP的BP神经网络构建干旱区灌区水盐调控模式评估模型，即以AHP所得到的调控模式的评价指标权重作为BP神经网络的无关联输入层，节点为n=17；输出层为水盐调控模式综合评估值，节点为m=1；隐含层节点数通过计算为s=30；利用调控模式的评价指标权值对BP神经网络进行训练，期望值由AHP算出的评价指标权重加权求得，设定输出值与期望值误差在0.5%以内，达到目标后停止训练，所得输出值即可用于水盐调控模式的综合评估。将根据加权所得的综合评估值排序，最终用于决策辅助。评价指标权重结果可见表2。

2 案例研究

2.1 研究区自然地理

本文选择隶属巴州，地理坐标介于82°58′～86°55′E，41°47′～43°21′N之间的开都河流域为研究区域。开都河流域位于焉耆盆地，发源于天山山脉中部依连哈比尔尕山南坡，全长560 km，河源海拔4 292～4 812 m，地形西北高、东南低，高山、峡谷和盆地交错，地形复杂，出口山以上流域面积18 670 km2，多年平均径流量35.05 亿m3，是盆地中最大的由冰川融水、雨雪与河川基流补给的常年性河流，供给了博斯腾湖85%的水量。

表1 评价指标体系说明Tab.1 Description for evaluating index system

表2 评价指标权重Tab.2 Synthesize weight of evaluating index

开都河流域深处亚欧内陆，属大陆性温带干旱气候，具有太阳辐射强、日照时间长、夏热冬寒、昼夜温差大、蒸发大、降水少、气候干等特点。流域年均降雨284 mm，主要集中在5-9月；年均径流量高达34.4 亿m3，其中雨雪约占80%，冰川融水约占15.2%；年均气温-4.16 ℃，冬季最低气温低至-48 ℃；年均蒸发量1 159 mm，远大于降水。特别地，2 500～5 000 m海拔间地区的年降雨量300～600 mm，年蒸发皿蒸发量500～800 mm，年均气温-6.5～-3.5 ℃； 1 500～2 500 m海拔间地区的年降雨量100～300 mm，年蒸发皿蒸发量600～1 100 mm，年均气温7.3～-9.2 ℃；1 000～1 500 m海拔间地区的年降雨量70～100mm，年蒸发皿蒸发量1 100～1 500 mm，年均气温9.2～-11.5 ℃。流域降雨、蒸发具有明显的时空分布不均匀性。

2.2 研究区水盐状况

流域卫星遥感图像显示(图3)，1973到1990年间流域土壤盐渍化面积增加了122.83 km2，1990到2000年间流域土壤盐渍化面积减少了202.64 km2，2000到2010年间流域土壤盐渍化面积增加了11.37 km2，即1973-2010年间流域土壤盐渍化面积总体呈现增加趋势。同时，由于部分地下水超采和地表水过量灌溉，流域地下水埋深在2000-2010年间呈现明显的下降与深度转移趋势(图3)。流域土壤盐渍化和地下水水位异变问题不容乐观。本文选择与下游河段紧邻的南岸、北岸、27号及五号4个国家级灌区为研究区域(位置分布如图2所示)，各灌区灌溉面积分别为340.97、650.00、148.25、296.5 km2。

2.3 水盐调控模式情景设置

本文所用到的河流径流量、流域降雨量、土地资源变化量、各盐分含量、灌区水资源量等数据选自于中国水利水电科学研究院及新疆省水利厅。将2015年与2020年分别选为现状水平年与规划水平年，经济的发展、灌溉方式的革新、外调水的利用均会对灌区取水量产生影响。根据新疆对于2020年流域灌溉的规划可知，开都河流域灌溉总面积呈减小趋势，由15.62 万hm2减小到14.82 万hm2，减小率达5.40%；滴灌面积增加趋势，由3.48万公顷增长为5.72 万hm2，增长率达64.11%；漫灌面积则呈现减小趋势，由12.13 万hm2降低为9.07 万hm2，减小率达24.9%。具体作物耕种面积变化可见表3。

图2 流域概况及灌区位置分布Fig.2 Basin survey and the location distribution of irrigated area

图3 流域水盐状况Fig.3 Soil salinization status of the Kaidu River Basin

同时，变化的径流过程对河段下游灌区供水及地下水位具有不同的影响，换言之，河流的水文过程因降水频率不同而产生的变化是情景设置的重要条件之一。为了设置更具有代表性的水盐调控模式，需要对河流的降雨-径流关系进行探讨。选取河流上游的大山口水文站1956年到2015年间的逐月流量进行经验频率计算，得到差异来水频率下的月径流分布，如图4所示。其中，1969年、1987年、1961年和1957年分别对应了P=25%的来水偏丰年、P=50%的来水平水年、P=75%的来水偏枯年和P=95%的来水枯水年。由图4可知，不管在哪个来水频率下，干旱区典型流域的径流主要集中在北半球的夏季(即6-8月)，这与夏季季风降雨有直接关系。径流大小与来水频率相关性不大，其不仅取决于降雨量，也与流域水文、地质、用水等特性密切相关。

表3 现状水平年与规划水平年作物面积表Tab.3 Respective crop areas in 2015 and 2020

图4 差异来水频率下的月径流分布Fig.4 Monthly distribution of runoff under the different water frequency

因此，在考虑流域灌区种植作物与径流特征的基础上，设置4种结合了节水措施、地下水开采强度及灌溉方式的灌区水盐调控模式情景(可见表4)。A1B1为现状水平年情景，作为基本比对情景；A2B2较之A1B1增加了作物滴灌比例，属于灌溉方式与节水措施共同影响的情景；A2B3较之A2B2修改了滴灌作物的地表水与地下水的供水比例，即加大开发地表水，减轻地下水开采力度；A2B4较之A2B3提高了灌溉水利用效率，属于节水措施影响的情景。

表4 水盐调控模式情景Tab.4 Scenes of water-salt regulate and control modes

3 结果讨论

将开都河划分为大山口水文站到第一分水枢纽(河段1)(向南岸与北岸灌区供水)、第一分水枢纽到焉耆水文站(河段2)(向27团与五号渠灌区供水)和焉耆水文站到宝浪苏木闸(河段3)共三个河段，利用澳大利亚CSIRO和流域水文合作研究中心的TOPOG_Dynamic模型计算灌区水盐运移过程[22-25]。TOPOG_Dynamic为基于Richards方程、达西定律、彭曼公式及比尔-朗伯定律的非饱和多孔介质水和溶质运移数值模型，通过有限差分法求解，可模拟土壤水一维及地下水二维沉积物运移过程。该模型不仅包含了河段损失系数、灌区退水系数、地下水排水系数和盐分模拟的各类校正系数等需率定参数，同时包含了河道划分信息、灌区信息(如种植结构比例、不同作物灌溉定额、地表水引水水源、地下水初始埋深、农区面积、非农区面积等)、滴灌使用地下水利用系数、渠系渗漏系数、漫灌地表水利用系数、上下土壤层初始含盐量、地下含水层厚度、地下水初始浓度、河段初始浓度及上游入口处河道浓度过程等主要输入参数。采用SCE-UA算法[26,27]对模型参数进行率定，并用河流实测径流、灌区实测水位及盐分值对模型进行验证，最终使模型径流模拟值与实测值间的纳什系数达到0.9以上、均方误小于0.003，地下水位模拟值与实测值间的偏离度在20%以内，盐分模拟值与实测值间的偏离度在8%以内。利用率定及验证后的TOPOG-Dynamic模型分别模拟计算A1B1、A2B2、A2B3、A2B4水盐调控模式情景的水盐平衡结果。不同情景下各灌区地下水盐平衡与供用水量结果可见表5及表6。

表5 不同情景下各灌区地下水盐平衡结果 万t

表6 不同情景下各灌区供用水量 亿m3

不同情景的综合评价值可见表7。由表7可知A2B3是较适合开都河流域灌区水盐调控的情景。为了分析结果的合理性，根据表5及表6可以发现，A2B2与A1B1相比，开都河出口处宝浪苏木径流量增加了8.4%，地下水埋深增加了0.05 m，地下水脱盐量增加了0.9 万t，所以，增加滴灌比例、减少灌溉定额可以增大地下水埋深，降低地下水矿化度，但不利于土壤的脱盐作用。A2B3与A2B2相比，地下水埋深减小了0.02 m，地表水供给灌区的水量增加了0.861 亿m3，地下水开采量减少了0.5 亿m3，地下水脱盐量减少了1.26 万t，土壤脱盐总量增加到了1.87 万t，限制地下水的开采不仅使地表水用量增加，也使土壤层由积盐状态变为脱盐状态，因此，地下水开采量对土壤盐分状态影响较大，减小地下水开采量可以在一定程度上防止土壤盐渍化。A2B4与A2B3相比，土壤脱盐总量增加了2.91 万t，地下水脱盐量减少了2.98 万t，所以，降低地下水灌溉比例并提高灌水效率，有利于土壤的脱盐作用，同样可以缓解土壤盐渍化。情景模式A2B3在减少地下水开采量的条件下既可以满足灌区农业用水量，也可以降低地下水矿化度，即将滴灌作物的用水组成变更为60%地下水与40%地表水，大力发展滴灌，能够实现节水、土壤脱盐和地下水高效开发利用等目标，达到灌区水盐综合调控的目的。

4 结 论

本文根据干旱区灌区特点，从灌区盐分含量、灌区地下水、灌区水资源量和河流水资源量四个方面构造了包含17个指标的水盐调控模式评价体系，并通过基于层次分析法的BP神经网络对研究区4种水盐调控情景进行综合评价和排序，可知增加灌区作物滴灌比例、限制地下水开采量、实行冬灌措施既可以减少地表用水量，保证河流下游生态健康，维持地下水位的年际稳定，更可以促进土壤的脱盐作用，减缓土壤盐渍化进程。此外，文中所构建的评价指标体系及所得的结论可以为干旱区灌区水盐综合调控评价及调控措施研究提供一定的技术支撑。

表7 水盐调控模式综合评价结果Tab.7 Comprehensive evaluation results of water-salt regulate and control modes

□

[1] 李新国, 樊自立, 李会志, 等. 开都河下游灌区土壤盐渍化动态研究[J]. 水土保持研究, 2011,18(3):64-67.

[2] Langevin C, Swain E, Wolfert M. Simulation of integrated sreface-water/guround-water flow and salinity for a coastal wetland and adjacent estuary[J]. Journal of Hydrology, 2005,314(1):212-234.

[3] Oster J D, Schroer F W. Infiltration as influenced by irrigation water quality[J]. Soil Science Society of American Journal, 1979,43:444-447.

[4] 王玉宝, 李 涛, 金英春. 浅析新疆焉耆盆地土壤次生盐渍化治理途径[J]. 水文地质工程地质, 2004,(6):99-101.

[5] Murtaza G, Ghafoor A, Qadir M. Irrigation and soil management strategies for using saline-sodic water in a cotton-wheat rotation[J]. Agricultural Water Management, 2006,81(1-2):98-114.

[6] 陈小兵, 杨劲松, 杨朝辉, 等. 渭干河灌区灌排管理与水盐平衡研究[J]. 农业工程学报, 2008,24(4):59-65.

[7] Metternicht G I, Zinck J A. Remote sensing of soil salinity: potentials and constraints[J]. Remote Sensing of Environment, 2003,85:1-20.

[8] 李新国, 樊自立, 李会志, 等. 开都河下游灌区土壤盐渍化特征分析[J]. 干旱地区农业研究, 2011,29(2):147-151.

[9] 李新国, 李会志, 王 影, 等. 开都河下游灌区土壤盐渍化研究[J]. 水土保持研究, 2010,17(6):111-114.

[10] 高婷婷, 丁建丽, 哈学萍, 等. 基于流域尺度的土壤盐分空间变异特征-以渭干河-库车河流域三角洲绿洲为例[J]. 生态学报, 2010,30(10):2 695-2 705.

[11] 余根坚, 黄介生, 高占义. 基于HYDRUS模型不同灌水模式下的土壤水盐运移模拟[J]. 水利学报, 2013,44(7):826-834.

[12] 余 美, 芮孝芳. 宁夏银北灌区水盐均衡模型及其应用[J]. 河海大学学报(自然科学版), 2009,(4):368-372.

[13] 张浩佳, 吴剑锋, 林 锦, 等. GSFLOW在干旱区地表水与地下水耦合模拟中的应用[J]. 南京大学学报(自然科学版), 2015,(3):597-602.

[14] Scibek J, Allen D M, Cannon A J, et al. Groundwater-surface water interaction under scenarios of climate change using a high-resolution transient groundwater model[J]. Journal of Hydrology, 2007,333(2):165-181.

[15] Sophocleous M A, Koelliker J K, Govindaraju R S, et al. Integrated numerical modeling for basin-wide water management: The case of the Rattlesnake Creek basin in south-central Kansas[J]. Journal of Hydrology, 1999,214(1):179-196.

[16] 刘路广, 崔原来. 灌区地表水-地下水耦合模型的构建[J]. 水利学报, 2012,43(7):826-833.

[17] 王中根, 朱新军, 李 尉, 等. 海河流域地表水与地下水耦合模拟[J]. 地理科学进展, 2011,30(11):1 345-1 353.

[18] 胡立堂, 王忠静, 赵建世, 等. 地表水和地下水相互作用及集成模型研究[J]. 水利学报, 2007,38(1):54-59.

[19] 赵 丹, 邵东国, 代 涛. 干旱灌区水盐动态模拟与实验研究[J]. 灌溉排水学报, 2004,23(2):42-45.

[20] 苏新礼, 张志芳. 青铜峡灌区土壤盐化与水盐均衡问题探析[J]. 宁夏农林科技, 2011,52(12):222-224.

[21] 孙贯芳, 屈忠义, 于 健,等. 干旱盐渍化灌区节水控盐灌溉新模式探讨[C]∥ 中国农业工程学会农业水土工程专业委员会学术研讨会. 2014.

[22] Davis S H, Vertessy R A, Silberstein R P. The sensitivity of a catchment model to soil hydraulic properties obtained by using different measurement techniques[J]. Hydrological Processes, 2015,13(13):677-688.

[23] Silberstein R P, Bartle G A, Salama R B, et al. Mechanisms and control of water logging and groundwater flow in the 'Ucarro' sub-catchment[J]. Agricultural Water Management, 2002,53(1-3):227-257.

[24] 钟瑞森, 董新光. 新疆博斯腾湖水盐平衡及水环境预测[J]. 湖泊科学, 2008,20(1):58-64.

[25] Silberstein R P, Vertessy R A, Morris J, et al. Modelling the effects of soil moisture and solute conditions on long-term tree growth and water use: a case study from the Shepparton irrigation area, Australia[J]. Agricultural Water Management, 1999,39(2-3):283-315.

[26] Duan Q, Sorooshian S, Gupta V K. Optimal use of the SCE-UA global optimization method for calibrating watershed models[J]. Journal of Hydrology, 1994,158(3-4):265-284.

[27] Vrugt J A, Gupta H V, Bastidas L A, et al. Effective and efficient algorithm for multiobjective optimization of hydrologic models[J]. Water Resources Research, 2003,39(8): 5-1.