农田水利工程灌溉效果综合评价研究

2019-01-16贺建宇

水利规划与设计 2018年12期

贺建宇

(大宁县水利局，山西大宁 042300)

现有灌区的农田水利工程存在建设时间长、配套设施弱、质量管理措施落后等缺点。20世纪90年代以来，国家开始出台相关政策，大力推进农田水利工程的建设[1- 2]。我国是农业大国，农业的发展离不开农田水利工程建设[3- 5]。对于农田水利工程的设计，我们应根据当地的实际需要，推广最新的节水灌溉技术，发展绿色节水农业，与国家可持续发展目标对接[6]。目前国内研究尚未从灌溉效果角度，明确农田水利工程建设的实际效益，本文以山西省大宁县农田水利工程为例，列出农田水利工程的具体设计方案，以期为农田水利工程设计提供依据，通过综合比较农田水利工程建设前后的灌溉效果，更直观地反映农田水利工程建设的必要性。

1 农田水利工程建设地基本情况

大宁县总面积967.13km2，区内气候属暖温带半干旱大陆性气候，年均气温为11.1℃，极端最低气温-20℃，极端最高气温38.7℃，多年平均降水515mm，最高年降水794.7mm，最低年降水280.2mm，日照时数2466.7h，无霜期213d，多年平均水面蒸发量996.7mm，干旱指数1.9。灌区0.38万亩，小型泵站灌区3.0471万亩。全县农田水利工程运行费投入不足，农民收入低，集体经济薄弱，加上农村税费制度的改革，使得早年建设的小型自流工程老化失修，不能发挥灌溉效益。目前的管理办法不能保证工程持续发展。

2 农田水利工程设计

以山西省大宁县滴灌工程为例，地块总面积为400亩，根据实际调查，400亩地块分散为两部分，分别为258亩及142亩(以下以系统A和系统B进行区分)，种植作物为蔬菜。根据GB/T 50485—2009《微灌工程技术规范》，设计滴灌灌水定额mmax为：

mmax=0.001γzp(θmax-θmin)=0.001×45×36×(28-15)=21.049(mm)

(1)

式中，mmax—最大净灌水定额，mm；γ—土壤容重，g/cm3；z—土壤计划湿润土层深度，m，取0.45m；p—微灌土壤湿润比，根据实际情况，取35%；θmax—适宜土壤含水率上限(重量百分比)，%；θmin—适宜土壤含水率下限(重量百分比)，%。

根据灌水临界期作物最大日需水量值，按式(1)计算理论灌水周期。因为，实际灌水中可能会出现停水、配水设备故障等原因，故设计灌水周期应小于理论灌溉周期，根据式(2)可算得灌水周期为：

T理=mmax/ETc>T设=23.39∕4.5=5.20d

(2)

式中，T理—理论灌水周期，d；ETc—需水量，根据相关规范及当地种植经验，取4.5mm/d；T设—设计灌水周期，d。

系统A，系统B均按照地形条件分为10个大小相当的小区，每个小区分为1个轮灌组，共10个轮灌组。由于滴灌周期计算结果为5d，每2小区即可按照1d的时间进行规划，每个轮灌组一次灌溉用时8h。根据地形和植被种植模式，将高程相近、地块毗邻、面积相似的小区划作一个轮灌组，具体轮灌组划分见表1。

表1 轮灌组分区表

综合考虑不同材料管材的价格、脆塑性、购买和安装便利性以及地方实际情况，本项目用于系统管网的管材干支管均选用PE管，压力校核时，为了方便采购及安装，所有干管所选用的压力等级均一致，最终校核结果干管压力采用1.0MPa，支管同样的校核原理，校核结果为0.8MPa。

在干支管管径计算上，采用下列经验公式进行分析计算：

当Q>120m3/h时

D=11.5×Q1/2

(3)

当Q≤120m3/h时

D=13×Q1/2

(4)

式中，D—计算管径，mm；Q—管道设计流量，m3/h。

3 农田水利工程灌溉效果评价

3.1 评价指标体系构建及评价方法

本文选取农田水利工程建成前后2年，即建成前2012、2013，建成后2016、2017年的统计数据，在经济、社会和生态3个层面，综合比较建成前后的灌溉效果，可较全面的反映农田水利工程建设对当地的影响。由于综合评价法存在主观性和客观性[7]，为使得评价方法兼顾事实的客观性和专家的主观性，本文基于反映主观性的层次分析法[8]和反映客观的熵权法[9]，并结合灰色关联度分析法[10]形成新型的综合评价方法，对不同指标进行打分，最后形成不同年份灌溉效果的综合得分情况，具体方法见文献[10]。该方法可较全面地反映灌溉效果。同时，从经济、社会和生态3个方面，共选取12项指标，综合判定灌溉效果。综合评价指标体系构建如图1所示。

图1 农田水利工程灌溉效果综合评价指标体系构建

3.2 灌溉效果综合评价结果分析

综合分析农田水利工程建成前后的2012、2013年和2016、2017年的实测数据，依据层次分析法的原理，并根据经济、社会管理方面和生态效益方面不同指标的重要性，得到第二层指标的判断矩阵，从而计算得出第二层指标的权重，结果见表2。以经济方面指标为例，算得其判断矩阵见表3，可算出其所在第三层各指标的权重，以此类推，可算出其余两个方面各指标的最终权重，结果见表4。

根据表2中的数据，可得出第二层指标的权重，根据表4的数据，可得出第三层指标的初始权重，综合两方面数据，可得出第三层指标的最终权重，得出了灌溉效果评价的主观权重，结果见表5。

表2 第二层指标层次分析法判断矩阵

表3 经济方面指标判断矩阵

表4 第三层指标权重

根据文献[8]计算不同指标的相对隶属度矩阵，从而可得出熵权法第三层指标的客观权重，根据表5中由层次分析法计算得出的主观权重，最终可得出第三层指标的最终权重，结果见表6。

根据文献[11]计算第三层指标的关联系数，结果见表6。根据表6中的最终综合权重，对表7中的数据进行综合加权，得出每一年不同指标的综合加权关联系数，结果见表8。

根据表8中的结果，可知不同年份的灌溉效果综合排名。表8显示，不同年份综合排名由高到低依次为2017、2016、2013、2012年。由此可知，在建设农田水利工程前，当地灌溉效果较差，但在建成工程之后的2016、2017年，灌溉效果有了明显提高，这与实际情况相符，验证了该方法的准确性，也从数据角度反映了农田水利工程的效果。