人民胜利渠灌区地下水与作物布局匹配度分析

刘中培，冷 静，韩宇平，曹润祥，齐明坤

（1.华北水利水电大学，郑州 450046；2.河南省黄河流域水资源节约集约利用重点实验室，郑州 450046）

0 引 言

受全球气候变化和人类活动影响，人们对地下水资源的依赖性不断加强，地下水开采量远大于补给量，生态系统的抗干扰能力和自我修复能力变弱，威胁到了区域社会经济发展［1］。地下水资源在时空上产生了一系列新的变化特征［2］，变化环境下地下水埋深显著性扰动及驱动因素分析，也成为了近期研究热 点［3-6］。SEN Z［7］提出了新的统计方法为创新趋势分析（ITA），该方法在分析不同等级数据趋势中无需统计假设，已经用于水文气象变化趋势分析领域［8，9］。一些学者在生态输水、植被指数、典型植被群落分布等方面研究了对地下水埋深变化的影响［10-12］。随着地下水埋深的不断增大，土地利用方面对地下水埋深的相关性影响问题也越来越突出［13，14］。地下水与作物布局匹配关系的恶化会对灌区产生不良影响，严重时可产生一系列的生态环境地质问题。本文从黄河下游人民胜利渠灌区地下水和作物布局的空间分布相关关系入手，采用双变量Moran's I 分析对灌区1993-2018年期间地下水埋深与作物布局的空间自相关性进行定量分析，探讨地下水与作物布局匹配度，指导井灌渠灌用水，可为黄河流域灌区高质量发展及优化灌区水资源配置指导提供科学支撑。

1 材料与方法

1.1 研究区概况

人民胜利渠灌区位于河南省新乡境内（图1），由黄河古河道冲积平原和太行山前冲积扇所组成，居于黄河下游的北部，面积约为1 183 km²，属于暖温带大陆性季风气候，多年平均降水量为581.2 mm，农田灌溉以利用地下水和引黄河水为主。近年来灌区引黄水量受到了限制，且供水形势较为严峻，降水和灌溉入渗为地下水补给主要来源［15］。灌区地下水排泄以浅层地下水开采和蒸发消耗为主。

图1 人民胜利渠灌区及站点位置分布图Fig.1 People's Victory canal irrigation area and site location distribution map

1.2 数据来源及处理

地下水埋深数据来源于人民胜利渠灌溉管理局。地下水埋深时间序列为1993-2018年逐年逐月观测数据，仅有极少数地下水埋深月观测数据缺失，已采用邻近点的线性趋势方法插补，通过SPSS软件的转换工具实现。地下水埋深空间分布图采用普通Kriging 插值得到，通过ArcGIS 软件的空间分析工具实现。本文将地下水埋深划分5 个等级：0～2，2～4，4～6，6～10 和＞10 m。研究采用的作物布局数据来源于土地利用和土地覆盖（LULC）产品（欧洲航天局气候变化倡议项目，地下水埋深与作物布局双变量空间自相关分析通过ArcGIS 与GeoDa 软件结合实现。地下水埋深年内分析有关四季定为：春季（3-5月），夏季（6-8月），秋季（9-11月）和冬季（12-次年2月）［16］。

1.3 研究方法

1.3.1 ITA方法

创新趋势分析（ITA）方法将整个时间序列数据集划分为两个相等的部分，前半部分和后半部分分别位于X轴和Y轴上，两组子序列在二维笛卡尔坐标系中表示为一一对应的散点。通过坐标系上1∶1（45°）直线，将散点分割成低、中、高三类，为所考虑的时间序列内部趋势结构提供了详细信息。如果数据散点落在1∶1直线上，则时间序列中没有趋势，如果第一象限上的散点落在散射区域上（下）三角区域，则时间序列呈现增加（减少）趋势，如果散点离1∶1直线越近，则时间序列趋势越弱［16-23］。在目前分析26年时间趋势研究中，提取两组子系列，每组13年（1993-2005年和2006-2018年）。

1.3.2 Mann-Kendall分析

地下水埋深时间序列变化特征采用Mann-Kendall 方法分析。该方法有不受样本值和分布类型等条件影响的优点，采用Z值可进行趋势判别，Z＞0，数据序列随时间呈增加趋势，Z＜0为减少趋势。Z值绝对值越大，趋势性就越明显，可根据检验结果判断显著性［24-27］。

1.3.3 双变量Moran′s I分析

空间自相关分析衡量了空间变量是否具有集聚性，主要包含全局空间自相关和局部空间自相关［28］。Anselin 在此基础上提出了双变量空间自相关分析［29］，揭示了多个变量之间的空间相关性。莫兰指数（Moran＇s I）可分析地理要素间的空间分布特征和相关程度，在双变量Moran＇s I基础上的空间自相关分析可以描述不同要素空间分布的相关程度［30-32］。公式为：

1.3.4 SMI分析

空间错配指数（SMI）由Martin 提出，可用于计算地下水埋深与作物分布之间的不匹配程度［33，34］。公式为：

式中：SMIgiri为空间单元i的地下水埋深与作物分布之间的空间错配指数；gi为空间单元i的地下水埋深；ri为空间单元i的作物分布（某地下水埋深数值模块下对应的作物分布量）。

2 地下水结果分析

2.1 地下水埋深年内变化特征

灌区主要以农业种植为主，农业用水占比相对较大，除引黄灌溉外，地下水开采使用量不可忽视。选取29 个监测站点1993-2018年地下水埋深数据，以后河、夏庄、常村（如图1）为典型站点分析，采用ITA 方法揭示地下水埋深等级年内季节性变化趋势。图2（a）～（l）中的13 个散点是由1993-2005年逐年某季节地下水埋深与2006-2018年逐年某季节地下水埋深一一对应得出，散点分布位置代表地下水埋深变化趋势，由45°线分割。

图2 灌区地下水埋深序列年内变化趋势Fig.2 Annual variation trend of groundwater depth series in irrigated areas

0～2 m 和2～4 m 深度等级中，常村站点地下水埋深序列点多数位于45°线上三角区，呈增加趋势，图2（k）地下水埋深增加程度最高；4～6 m 深度等级中，后河站点和夏庄站点序列散点均位于1∶1线上部，夏庄的序列散点与1∶1线偏离距离最大。图2（h）、（k）常村埋藏深度4 m 左右的点位于45°线上无趋势变化，图2（k）、（b）减少趋势散点距离-5%带较近；6～10 m深度等级中夏庄四季点位均位于45°线上三角区域，增加趋势变化显著，后河散点位于45°线的两侧，且偏离±5%带较近，说明地下水埋深下降趋势有所减缓；＞10 m深度等级中，仅有夏庄序列点位于1∶1线的上三角区域，总体呈增加趋势，点位偏移随着地下水埋深的增加而逐渐靠近+5%带，说明夏庄站点＞10 m 深度等级趋势的增加，进一步加剧了地下水位下降的程度。

2.2 地下水埋深年际变化特征

2.2.1 时间尺度及趋势变化

灌区地下水埋深年际变化的计算在时间尺度上通过典型站点逐年月平均值变化量得到，地下水埋深年平均值体现年际变化趋势，结合Mann-Kendall 方法分析地下水埋深年际变化统计量特征，见图3和表1。

图3 地下水埋深变化特征曲线Fig.3 Groundwater depth change characteristic curve

表1 典型站点地下水埋深变化Mann-Kendall统计量特征Tab.1 Mann-Kendall statistics of groundwater depth variation in typical stations

由表1知，后河站点Z值为3.461，通过了置信度为95%的显著性检验，地下水埋深增大趋势显著。表2中，地下水埋深变化量的最值均对应其阶段的月平均变化量最值，地下水位变幅为阶段末12月份的平均地下水埋深减去阶段初1月份的平均地下水埋深。结合图3来看，后河站点1993-2003年地下水埋深变化量围绕着0刻度线上下浮动，而2004-2018年大部分在0刻度线上方波动。2014-2018年地下水位变幅最大，1993-1998年地下水位变幅最小，在-0.42～3.36 m 之间；常村站点Z值为4.959，并通过置信度为95%的显著性检验，地下水埋深呈现出增加趋势。结合图3和表2可以看出，常村站1993-2008年地下水埋深年平均变化量特征曲线位于0 刻度线两侧波动较均匀，变化量在-2.82～2.38 m 之间。2009-2018年特征曲线大部分居于0 刻度线上方，浮动范围在-2.01～2.3 m 之间。地下水埋深呈现出逐年缓慢下降趋势；夏庄站Z值为6.326，并通过置信度为95%的显著性检验，地下水埋深呈现出显著增加趋势。结合图3和表2可以看出，地下水位总变幅为10.36 m，该地区地下水埋深逐年持续大幅增加。

表2 地下水埋深变化量 mTab.2 Variation of groundwater depth

2.2.2 空间分布变化

空间分布上，以每隔5年为一个时间点对各站点的年平均地下水埋深进行插值分析。由图4知，渠首东部和灌区东北部地下水埋深在研究时段内变化最为显著，其次为东部地区，中部地区变化相对较小。

图4 1993-2018年地下水埋深时空变化（单位：m）Fig.4 Temporal and spatial variation of groundwater depth from 1993 to 2018

灌区地下水埋深从年际变化来看：1993-1998年，图4（a）、（b）最大埋深出现在灌区东部，最小埋深出现在灌区中部，渠首东部地区地下水埋深有缓慢增大趋势；2003-2008年，图4（c）、（d）最大埋深由灌区东北部向渠首东部地区转移；2013-2018年，图4（e）、（f）灌区地下水埋深整体增大，渠首端与其他地区相比埋深较小。从空间分布变化来看：东部地区地下水埋深变化相对较缓，平均以0.185 m/a 的速度增加；中部地区地下水埋深平均以0.284 m/a的速度增加；渠首东部漏斗区地下水埋深变化最快，平均以0.398 m/a的速度增加，西部渠首位置的水源丰富，地下水埋深较小。原因在于，灌区末端主要以开采井灌为主，渠灌为辅，中部以井灌和渠灌结合为主，西部渠首主要以渠灌为主，以井为辅［35］。多年来渠道年久失修，灌溉效果有所下降，逢干旱年加大了地下水的开采量，导致地下水位持续下降。

3 地下水与作物布局空间匹配分析

3.1 双变量空间自相关分析

3.1.1 全局空间自相关

灌区地下水埋深与作物布局双变量Moran＇s I 的计算通过GeoDa 软件实现，根据各地下水埋深数值模块下相对应的作物分布量，将作物布局设为第一变量，地下水埋深设为第二变量。灌区1993、1998、2003、2008、2013 和2018年的年度双变量全局空间自相关Moran＇s I 分别为0.219、0.057、0.143、0.279、0.058 和0.040，指数波动呈现出先减小后增大再减小的趋势，其中2008年表现最为突出，双变量空间集聚性最强。同期变异系数（CV）值的变化趋势显示了Queen邻接空间权重矩阵中样本值差异的趋势，变异系数CV表现出与双变量Moran＇s I 指数相同的趋势，但变动幅度较小且与空间位置无关。双变量Moran＇s I 指数与同期变异系数CV的差异，表明地下水埋深和作物布局相近的区域存在着稳定的空间集聚。1993-2018年期间，灌区地下水埋深与作物布局之间在空间上呈正向相关关系，表现出先减弱再增强后减弱的变化趋势（见图5）。

图5 1993-2018年地下水埋深与作物布局的双变量莫兰指数及变异系数Fig.5 Moran index and variation coefficient of groundwater depth and crop distribution from 1993 to 2018

3.1.2 局部空间自相关

对地下水埋深与作物布局进行空间关联局部（LISA）聚类分析，LISA 图（图6）直观反映出地下水埋深与作物布局在空间上的聚集和分异特征随着时间的变化。

1993-1998年，图6（a）、（b）高-高（农田密度高-地下水埋深大）聚集主要集中在灌区末端，这里灌渠引水相对困难，大量农田灌溉采用井灌，造成地下水位下降。高-低（农田密度高-地下水埋深小）聚集主要集中在渠首端，这里渠灌发达，引水方便，渠灌水对补充了下水，使得地下水位相对较高。中部地区出现了显著的低-高（农田密度低-地下水埋深大）聚集，可能是这个阶段城区生活大量取用地下水造成了地下水位下降。这一阶段多数地区地下水埋深与作物布局的匹配关系明显，表明灌区主要受农业取水的影响。

2003-2008年，图6（c）、（d）空间集聚性集中在灌区的西部地区，这一阶段地下水埋深与作物布局匹配关系显著性较弱。高-高聚集由灌区渠末端转移到渠首端东部夏庄地下水降落漏斗区，原因在于该地农田密度较高，主要以小麦、玉米等高耗水作物为主，大量取用了地下水。伴随着工厂的迅速发展，工业取用水量大大增加［36］，强烈干扰了大部分地区地下水埋深与作物布局的匹配关系，导致显著性丢失。

2013-2018年，图6（e）、（f）地下水埋深与作物布局的高-低（农田密度高-地下水埋深小）聚集关系又重新变得显著。原因在于2008年以来渠首引水能力仅为6～10 m³/s，灌区引水能力明显降低，作物灌溉的需水量增大，地下水埋深持续下降，城镇化水平提高，人口增加和工农业的迅速发展，灌区水资源供需矛盾突出［37］。夏庄漏斗区的相关（不具有因果的显著聚集）仍然存在，其在2013年达到高峰。这一阶段水资源管理力度加强，节水压采政策的施行，新乡市及周边企业的自备井开始关停，工业取用地下水开始减少，2018年高-高聚集关系也进一步减弱。

图6 1993-2018年地下水埋深与作物分布的双变量LISA聚类图Fig.6 Bivariate LISA cluster diagram of groundwater depth and crop distribution from 1993 to 2018

1993-2018年，高-高聚集由灌区东部向西部转移，原因在于地下水漏斗由的转移（由灌区的东部转向西部），地下水埋深大，农田分布密度高；低-低聚集由中部转向西部，说明中部城镇化水平的提高导致了匹配关系的消失；高-低聚集在灌区中部和西部之间的转换，是由节水政策的施行及地下、地表水资源配置变动引起；低-高聚集分布规律不明显。

3.2 空间错配分析

图7（a）中将灌区现状年（2018年）地下水埋深划分为5 个等级，渠首端地下水埋深较小为0.67 m。渠首东部漏斗区和东北部地区地下水埋深较大，最大埋深值为17.36 m。图7（b）和表3将灌区现状年地下水埋深与作物布局的空间错配指数按照自然断点法［38，39］划分为5 个等级，从灌区西部到东部五级空间错配指数（SMI）分布规律为：西部渠首端地下水埋深与作物分布比例相匹配；漏斗区和东北部地区地下水埋深比重高，作物分布比重低，空间错配指数等级高；中部地区地下水埋深比重低，作物分布比重高，空间错配指数等级较低；东部大部分地区地下水埋深比例低而作物分布比例高，空间错配指数等级低。空间变化规律与地下水埋深和作物布局双变量空间格局一致。

图7 2018年灌区地下水埋深和地下水埋深与作物布局的空间错配Fig.7 Groundwater depth in irrigated areas and spatial mismatch between groundwater depth and crop distribution in 2018

图7和表3显示，2018年人民胜利渠灌区地下水埋深与作物布局空间错配严重。图4灌区1993-2018年地下水埋深增加约11 m，作物分布比例减少约5%，城市分布比例增长了约10%，灌区作物分布的比例远小于地下水埋深的比例。因此，在灌区地下水埋深增加和作物分布减少的情况下，需要合理开采地下水，适当调整井灌与渠灌的轮换，发展节水农业。

表3 2013年灌区地下水埋深与作物布局的空间匹配关系分类Tab.3 Classification of spatial matching relationship between groundwater depth and crop distribution in irrigated areas in 2013

4 结 论

（1）从年际变化来看，1993-2018年灌区地下水埋深随时间呈增大趋势；空间分布上，灌区渠首东部地下水降落漏斗区地下水埋深最大，中、东部次之，西部最小。

（2）灌区近26年来，地下水埋深与作物布局双变量全局Moran＇s I 均在［0，1］之内，在空间上呈正向相关关系，表现出先减弱再增强后减弱的变化趋势。将双变量Moran＇s I 与同期CV比较，二者的变化规律不同，原因在于双变量Moran＇s I 考虑了各研究区域的空间关系，而CV值与空间位置无关。

（3）灌区地下水埋深与作物布局双变量局部空间相关结构具有较强的稳定性，空间过渡具有一定的路径或空间锁定特征。4 种LISA 聚类模式中，高-高聚集由灌区东部转移到西部，高-低聚集在灌区中部和西部之间的转换，低-低聚集由中部转向西部，低-高聚集分布规律不明显。

（4）灌区现状年地下水埋深越大的地区空间错配等级越高，地下水埋深与作物布局空间错配越严重，空间错配等级的空间变化规律与地下水埋深和作物布局双变量空间格局一致。研究成果可指导井灌渠灌用水，为黄河流域灌区高质量发展及优化灌区水资源配置指导提供科学支撑。