作物需水量及灌溉需水量趋势性分析及方法

张泉

(开封市城市水务集团有限公司，河南 开封 475002)

0 引言

中国是农业大国，也是水资源不足，降雨分布不均的国家，随着农业的发展，农业作物生产的条件逐步提高，提高作物的抗灾抗旱抗害能力，改善作物生态环境，引入良性的农田水利技术，有效利用现有的水资源显然具有非常重要的意义。只有充分利用水资源，做好灌区规划，做好灌溉需水量的统筹考虑，才能改进节水灌溉技术，准确规划预测作物的需水量，改善农业生产条件，促进灌区良性运行。

项目选点河南省豫东水利工程管理局惠北水利科学试验站(以下简称惠北试验站)节水试验基地开展相关试验工作。惠北试验站是水利部批复的全国100所重点灌溉试验站之一，多年来系统开展了气象观测、土壤墒情和地下水观测，连续开展了大田和测坑作物需水量试验、节水灌溉制度试验，并利用采集的数据建立了数学模型，并对模型进行了对比分析及验证。

1 确认不同气象因子，不同时间尺度主要作物的需水量

影响作物需水量的因素是多样的，其中气象因子是显著因素，气象因子包括降雨量P、蒸发量E、参考作物蒸发蒸腾量ET、平均温度Tmean、最大温度Tmax、最小温度Tmin、净辐射Rn、日照时数SD、饱和水汽压差VPD、风速u、相对湿度RH。显然，一年四季的天气条件是不同的，每个季节都有其气象特点，气象因子的特点和作物的生长特点共同作用，影响着作物的需水量数值，在进行作物需水量研究时，针对影响因素之间的随机变化特征以及不确定性量化的关系，充分考虑多重因子共同作用以确定不同的时段、不同的尺度作物需水量与各类影响因素的相关性关系。

1.1 作物需水量计算

ETC=ET0×KC

(1)

式中：ETC—作物需水量；ET0—参照作物蒸发蒸腾量(mm/d)；KC—综合作物系数。

其中，参照作物蒸发蒸腾量ET0，采用1992年联合国粮农组织推荐的修正彭曼-蒙蒂斯公式进行计算。根据已知的气象因子数据，其计算公式如下：

(2)

式中：es—饱和水汽压(kPa);ea—实际水汽压(kPa);G—土壤热通量(MJ/m2·d)。

综合作物系数KC可采用单作物系数法和双作物系数法确定。

1.2 不同作物各尺度内需水量差异的分析方法

根据河南省惠北水利科学试验站大田试验资料分析，针对不同作物的生长特点，同样气象条件下的需水量也是不同的。以小麦、棉花、玉米为例说明。(月尺度作物需水量变化线见图1)

图1 月尺度小麦、棉花、玉米需水量均值图

根据日平均需水量试验资料分析，需水量从大到小依次为玉米、棉花、小麦，其呈现了气象因子对作物的需水量影响。玉米在6-9月份为其生长周期，棉花在6-9月份也处于成长期，此阶段气温高、湿度低，作物需水量大，但由于玉米的叶面积远远大于棉花的叶面积，而叶面积的大小又会直接影响作物的蒸腾量，故棉花的需水量是小于玉米的。而小麦生育期在10月至来年5月，该时段内气温等气象因子变化相对平缓，故得出以上结论。

汇总统计分析月平均需水量数值，得出同日尺度统计分析相同的结论。其原因是玉米需水量在6-7月份递增，棉花需水量在4-6月份递增，而小麦在1-5月份需水量出现递增，结合每种作物需水量递增周期以及降雨和土壤墒情的因素，月尺度和日尺度结论相同。

从年平均数值来看，作物需水量数值排序发生变化。冬小麦年均值为555.70 mm，棉花年均值为588.90 mm，夏玉米年均值为422.60 mm。棉花年需水量最大，冬小麦次之，夏玉米年需水量最小。其主要原因是棉花月需水量最大，以棉花的月平均需水量为参照水平线，棉花的月需水量大于参考水平线出现了4个月(5-8月)，而小麦的月需水量大于参考水平线出现了3个月(3-5月)，玉米的月需水量大于参考水平线出现了3个月(6-8月)，故从年尺度的需水量分析上我们得出结论，不同尺度内，不同作物的需水量是有着较大变化的。

2 分析作物净灌溉需水量的方法

2.1 净灌溉需水量

在作物根系计划湿润层水分和自然降水无法满足作物生长所需要水分的情况下，需要通过灌溉来满足作物正常生长需求。作物在其生长过程中，需要依靠灌溉所补充的水，称之为净灌溉需水量 。灌区内作物的灌溉需求量既和气象因子紧密相关，也与作物自身需水特性紧密相连。作物自身需水量是满足蒸发蒸腾条件形成植株而需要的水量。而在作物生长过程中，形成植株体所需要的水量在作物的总需水量中占比极其微小，一般小于百分之一，故认为满足作物生长条件下棵间蒸发和植株蒸腾的水量总和即为作物需水量。

净灌溉用水量的计算为作物需水量与有效降水量的差。其公式为：

IRi=ETi-Pei-εi

(3)

式中：IRi—灌区内i时段内净需水量；Pei—有效降雨量；ETi—作物需水量；εi—地下水利用量。

需要注意的是，有效降雨量特指自然降雨中能够达到作物的根部土壤，而被土壤充分利用的水量，并非所有的降水量都会被作物全部利用，一部分水量因径流或渗漏而损失掉。有效降雨量是计算过程中重要的因素参数。

2.2 不同作物各尺度内灌溉需水量分析比较

以玉米、小麦、棉花为例(月尺度作物灌溉需水量与有效降水量对比见图2)，利用日尺度的灌溉水量资料分析，三种作物灌溉需水量均为正值，这意味着在作物的生长发育期，降水量不能保证其生长需要，仍要进行适度的补充灌溉；而汇总统计月尺度作物灌溉需水量，小麦的灌溉需水量最大，其原因是小麦在1-5月份的生长发育期，降水较少，仍需要补灌。而玉米和棉花，由于其生长周期的7、8、9三个月份雨水充足，从而降低了灌溉的需求量。从作物灌水年尺度数据比较来看，仍是小麦的灌溉需求量较其他两种作物大，小麦生长周期为10-12月及来年的1-5月，其生长周期长，而棉花和玉米虽然灌溉需求量小，但仍然需要在关键生育期及时补灌。以上例子充分说明，灌区内作物的灌溉需求量是和气象因子紧密相关的。

图2 月尺度降雨量、小麦、棉花、玉米灌溉需水量均值图

2.3 灌区作物灌溉需水量及气象因子相关因素分析

利用大田试验资料，我们结合当地的气象条件，分别在日、月、年尺度的基础上对不同作物进行了分析，通过对2000—2012年的试验数据分析得出，小麦、玉米、棉花的灌溉需水量与相对湿度RH、有效降水量P呈现显著性的负相关，与其他气象因子呈现出正相关性。但每种作物不同的生长、生殖周期与每个气象因子的相关程度是不同的。鉴于作物需水量及影响因子间的不确定的量化及随机特征，同时基于作物需水量与气象因子之间的不同相关分析，需建立不同尺度下作物需水量的经验模型，指导规划作物的需水量变化原因及数据趋势，利用剩余数据进行模型校验，达到检验模型的目的，从而确定模型的同步性。

3 作物灌溉需水模型建立

基于各种气象影响因子的作用，按照其相关性，整理出一部分的数据，借助Orgin8.1系统分别在日、月、年三个时间尺度上建立作物的灌溉需水量经验预测模型，并使用剩余的资料数据对建立的经验模型进行验证，从而确定作物的需水量在因子作用下的变化状况，对了解作物用水需求和灌区灌水预测做出合理的判断。

3.1 模型建立

以玉米作物日尺度模型为例，根据气象因子的日尺度数据与作物灌溉需水量之间的联系，利用2000、2002、2004、2006、2009年的数据进行模型的建立，模型如下：

IR=-1.050 6×Pe+1.996 3

(4)

式中:IR—玉米生育期内灌区内净灌溉需水量；Pe—玉米生育期内有效降雨量。

如何检验模型的准确度，如上所述，需采用2001、2010、2012、2014年的数据进行验证，并借助拟合指数W，平均偏离差MBE，置性指数C，平均离差MAE，决定系数R2，作为模型精确度的评价指标，其误差分析如表1。

表1 日尺度玉米模型检验的误差分析表

3.2 灌溉需水量实测值与模拟值对比

根据日尺度玉米模拟的灌溉需水量和实测值绘制散点图(见图3)，实测值与模拟值的回归线都在1∶1线的附近，充分说明了使用经验模型测算的预测净灌溉需水量与实际的净灌溉需水量相近。同时表1中的MBE为负值，则表明模型预测结果低于作物的实际净灌溉需水量。

图3 日尺度玉米净灌溉需水量实测值与模拟值对比图

4 作物灌溉需水量的趋势性论证及分析

4.1 灌溉需水量Z值统计

在不同气候的变化及不同气象因子的作用下，利用去趋势预置白处理的Mann-Kendall法分析作物需水量和作物灌溉净需水量之间的关系，准确预测作物需水量的趋势性变化过程，进一步确定灌区灌溉水量的情况，更好的评价模拟的精度，这将对灌区预报，了解农作物灌溉用水的趋势起到非常重要的作用。

作物的灌溉需水量，趋势变化的显著水平是通过Z值来体现和评价的，Z为正值，表示为上升的趋势，如Z为负值，表示为下降的趋势。以玉米月尺度灌溉需水量的趋势性分析为例，见图4。由图4可以看出，玉米的灌溉需水量在6-7月呈显著性增加趋势(α=0.05)，且最大增加值发生在7月份，增加值为8.987 mm/月，而在8、9月份则呈现下降趋势。

图4 月尺度玉米灌溉需水量Z值统计值图

由此得出结论，通过作物统计值Z的柱状图评价影响作物需水量的显著性水平，其充分表示各因子在该阶段的作用下影响需水量的显著程度，同时也通过Z柱状图充分体现灌溉需水量的趋势，为确定灌区需水量预报提供依据。

4.2 时间尺度下的气象因子影响的趋势性分析

作物在各时间尺度上受气象因子影响的程度不同，结合作物需水量变化的趋势以及形成原因，分析时间尺度影响灌溉需水量的趋势性结论。以影响玉米灌溉需水量气象因子月尺度的数据分析为例，作物灌溉需水量与P、RH因子呈负相关，与SD、VPD、Rn、Tmean、Tmax、Tmin因子呈正相关，根据各项数据分析，各因子系数绝对值的大小依次为P>Tmin >Tmean>Tmax>SD>RH>VPD>Rn，P在6、7月份呈现降低趋势，Tmean、Tmax等温度因子显著上升和增加，则玉米灌溉需水量表现出增加的趋势，而随着8、9月份P呈增加趋势，Tmean、Tmax、RH、Rn等影响因子显著减小，使得玉米的灌溉需水量进一步降低，故在分析作物的灌溉需水量时需综合考虑各因子在不同尺度上的影响，结合不同作物的生长条件，科学论证其灌溉需水量的趋势，进一步做好灌区灌水预测和用水管理。

5 结语

通过对灌区主要农作物生长特点的分析，研究了在不同时间尺度内作物需水量及灌溉需水量之间的关系和变化趋势。利用惠北水利科学试验站多年大田试验资料，对不同时间尺度上的部分气象因子建立冬小麦、夏玉米、夏棉花在不同时间尺度上的灌溉需水量经验模型，均能准确预测作物的灌溉需水量；作物灌溉需水量趋势分析采用去趋势预置白处理的Mann-Kendall模型，定量分析了引黄灌区主要作物不同时间尺度灌溉需水量的变化趋势，并实现了对灌区作物需水量趋势分析，为灌区引黄需水量研究、灌区精细化灌溉提供了先进的技术支持，同时作为节水型农业灌溉的重要组成部分，对了解和预测灌区的灌溉水量趋势具有指导意义。