辽阳灌区农业灌溉用水水质评价

田 力

(辽宁省辽阳水文局，辽宁 辽阳 111000)

农业用水安全不仅是保证农产品质量安全的重要基础条件，而且是影响农作物生长的关键因素[1]。目前，我国农业用水水质标准通常是由地方、行业以及国家等相关部门制订的，影响农业灌溉用水水质评价的因素较多，科学、有效地协调各指标之间的影响作用对于防范农业生态环境破坏具有极其重要的现实意义。目前，投影寻踪法、模糊综合评价法、线性回归法、水质标识指数法以及系统动力学法等为农业灌溉用水水质评价的主要方法[2- 4]。近年来，许多学者逐渐将水质评价侧重于不确定性影响因素的研究分析，如巩奕成等[5]基于萤火虫算法建立了投影寻踪模型，有效解决了水质评价过程中存在指标不相容性与模糊性问题；余勋等[6]通过构建贝叶斯模糊综合评价模型，更加客观、全面地刻画了水质评价中参数的不确定性与模型结构的问题，从而显著提高了评价结果的可靠性与真实性；梁中耀等[7]利用二项分布检验法分析了水质不确定性可能引起的决策风险，并科学评价了水质达标值状况。

本研究依据已有文献资料和辽阳灌区农业用水特征，通过分析监测数据存在的中间过渡状态构造了投影寻踪函数，对各等级分区粒度运用正态云模型隶属度判别，科学、合理评价了该区域农业用水水质状况。

1 改进的投影寻踪-云模型

水质评价标准及各指标为确定的，而水环境质量各评价因子的浓度值是一个动态变化的，具有不确定性特征，因此水质评价是综合考虑了确定性与不确定性两方面内容的过程。对农业灌溉用水水质利用数学模型和具有代表性的指标值进行所属等级的综合评判，为本研究水质评价的主要思路。由于水质分析的各评价指标通常具有不可公度、非线性、多维特征，考虑到数字化限制采用传统的数据分析法往往难以获取数据的内在规律，而在处理高维非正态分布方面投影寻踪法具有表现出较强的适用性。因此，本文对辽阳灌区农业灌溉用水水质评价时引入投影寻踪法，以期为更加客观、全面、科学的评价农业生态环境提供借鉴和参考。

1.1 投影寻踪函数

假设数据服从某种分布，数值模拟为传统分析方法的主要流程，其本质是对数据进行证实性分析的方法。投影寻踪法可有效处理传统方法中存在的形式化以及数学化等相关问题，可通过投影的方式将高维探索性数据转化为低维样本，从而确定高维数据特征或结构形式，该过程可不必对指标权重进行预先假定，因此可降低无关投影方向对评价结果的干扰，并避免主观性与指标权重不确定性对整体评价的不利影响。在处理非正态、非理性高维数据方面该方法具有较强的适用性，被认为是一种有深度理论依据和科学背景的方法[8]。

Q(a)=SzDz

(1)

式中，Sz、Dz—分别为投影值z(i)的标准差和局部密度，表达式分别如下所示：

(2)

(3)

式中，Ez—投影值序列的均值；R—局部密度的窗口半径，可利用经验公式进行求解通常为αSz，其中α为0.1、0.01或0.001等，可结合在区间内投影点的分布状况进行调整。R值既不能使得窗口内投影点平均个数太少，也不能使得它随n的增加而增大过多，从而减少滑动平均偏差。单位阶跃函数为u(R-rij)，其中距离为rij=|z(i)-z(j)|，若R-rij≥0则与其对应的函数值为1；若R-rij<0则与其对应的函数值为0。

按照一定的方向将归一化处理后的数值进行投影，并得到对应于数值信息和特征值的唯一评价对象，因此水样最优投影值可表示为：

(4)

z=(z1，z2，，zn)为最优数值向量，即按照a=(a1，a2，，an)方向得到的各指标数据一维投影值。

在给定样本集指标值的条件下，则投影方向a为影响目标函数的唯一变量，因此对不同数据的结构特征可根据不同的投影方向进行表征，高维数据某类特征结构的投影方向即可通过最优投影方向反映。所以，对最优投影方向的向量和通过对目标函数最优化问题的求解进行转化，水质评价模型可表示为：

(5)

1.2 云模型

对云模型的3个数字特征可利用下述方法确定，如果农业灌溉用水水质标准存在上、下边界条件[Bij，min，Bij，max]，则数字特征可表述为：

(6)

式中，Bij，max、Bij，min—第j个级别下指标i的上、下边界；Exij、Enij—第j个级别下指标i的期望与熵；He—超熵，可依据变量模糊阀度进行适量的调整。

(7)

利用云发生器和上述确定的云参数Ex、He、En可对指标Xj的等级隶属度进行计算，然后根据指标权重可得到水质综合确定度U，如下所示：

(8)

式中，μj—指标的等级确定度。

对每组监测数据的水质评价等级利用综合确定度值和下述公式进行确定，如下：

C=max(U1，U2，，Up)

(9)

式中，C—最大隶属度。

1.3 等级区分粒度

(10)

式中，δi、Uisec—等级区分粒度值和次大隶属度。

2 实例应用

2.1 辽阳灌区概况

辽阳灌区位于辽阳城西部和太子河中部区域，属于典型的中型自流灌区，葠窝水库经太子河输水为辽阳灌区的主要水源。灌溉面积约100km2，主要涉及到大、中和小型灌区，其中小型灌区占总面积约1/5，并显著影响到整个灌区的农业灌溉用水水质。在灌溉过程中由于灌溉技术和制度较为传统落后其水资源浪费现象严重，并且根据灌区特点可灌区主要浇灌方式为喷灌、灌溉形式。辽阳灌区渠首拦河坝建设在城东鹅房其引水总干为护城河，灌溉范围主要南北边界为太子河和北地河、东西边界为柳壕河和辽阳城郊，可控制面积和实际灌溉面积分别为185km2和67.3km2。

2.2 水质评价指标与分级标准

本文结合辽阳灌区实际情况和已有水质评价标准，在遵循可操作性、代表性、科学性、合理性原则的基础上选取了灌溉用水溶解性固体、氨氮、氯化物以及盐度4项水质指标，其中溶解性固体主要是反映农业灌溉用水的整体受污染程度；氨氮指标主要是体现在农业灌溉时肥料的使用状况；氯化物指标主要包括镁离子、钙离子等指标，采用该指标对水体的矿化度水平进行反映；盐度指标主要包括硝酸盐、硫酸盐参数，可体现水环境的盐碱化状态[10- 14]。

依据辽阳灌区农业用水污染现状并参考国家农田灌溉水质标准，将水质标准划分为Ⅰ～Ⅳ4个级别，分别代表水质好、中等、差、劣水平，各指标在不同水质标准下的取值范围见表1。

表1 水质评价指标及分级标准

2.3 结果分析

利用文中所述的评价方法和计算流程对该灌区10个水样进行监测评价，结果见表2。

由表2可知，大部分水样的经验等级值范围与评价结果之间相差不大，个别样本的经验等级与计算等级存在较大的差异，如水样10的等级区分粒度值相对较小为0.6730，由此表明对此样本的模型评价效果并不理想，然而该水样评价值仍处于0.3028～1区间，该水样评价结果的不确定性并未对最终的评价结果造成显著的不利影响，对水质评价等级的影响作用较低。所选取的10个水样具有较高的经准确，各水样的相对平均误差为0.1247，该灌区水质整体处于“中等”水平。

表2 辽阳灌区农业灌溉用水水质等级评价

对水质各评价指标利用云发生器生成云模型，水质样本的评价等级即为各指标最大隶属度所处等级，结果表明经验得到的水样分级标准与综合确定度所属级别基本保持一致。

3 结语

本文在分析了云模型与投影寻踪函数的基础上提出了一种综合评价方法，建立水质评价指标体系与分级标准，并利用模型对辽阳灌区农业灌溉用水水质进行了评价，得出的主要结论如下。

(1)利用改进的投影寻踪函数可有效处理投影值与各水质类别之间的非线性关系，对于监测数据波动的情况下利用云模型的客观权重分配法进行水质等级的准确判断。

(2)为防止细微噪声对评价等级的影响并体现评价结果等级间的区分程度，引入等级区分粒度的概念，从而进一步提高了评价结果的准确性与可行性。

(3)大部分水样的经验等级值范围与评价结果之间相差不大，个别样本的经验等级与计算等级存在较大的差异；辽阳灌区水质整体处于“中等”水平。