干旱区人工绿洲水土资源承载状态演变分析

徐存东，胡小萌，刘子金，王鑫，任子豪，訾亚辉

(1. 华北水利水电大学水利学院，河南 郑州 450046；2. 浙江省农村水利水电资源配置与调控关键技术重点实验室，浙江 杭州 310018； 3. 河南省水工结构安全工程技术研究中心，河南 郑州 450046)

水土资源承载力指在特定区域内，水资源和土地资源对社会发展和生态系统的最大支撑力.中国西北干旱区水资源极度短缺，土壤水分长期处于负平衡状态，开展人工绿洲提水灌溉有效解决了干旱区土地资源的开发利用问题[1-3].灌区低降水、高蒸发、大温差的独特气候以及大量水资源外调，对区域水土资源本底产生了长期性和立体式的驱动影响，其自身约束性与稀缺性之间的矛盾日渐剧烈.因此开展干旱区灌溉背景下的水土资源承载力状态演化分析研究，对丰富及推动干旱区水土资源优化配置具有重要的科学意义.

近年来，针对水土资源承载力演化进程、驱动响应过程等方面的研究已取得了一定进展.其中，孙海枫等[4]围绕水土资源、社会、经济和生态系统构建评价指标体系，基于熵权-TOPSIS模型揭示了中国2005—2018年水土资源承载力演化进程；朱薇等[5]集成层次分析法和熵权法建立评价模型，对哈萨克斯坦2001—2017年的农业水土资源承载力动态变化规律进行了揭示；及茹等[6]基于TOPSIS、障碍度研究分析了2011—2018年中国多个粮食主产区农业的水土资源承载状态演化特征；TAN等[7]引用DPSIR与两级网络DEA模型，评估了中国2009—2017年31个省份的水土资源承载力.以上研究取得了丰富成果，但仍存在2点不足：其一，现有研究大多侧重于以行政区域(省、市、县)为单元的非干旱区域；其二，干旱区水土资源承载能力受多要素耦合驱动，水土资源耦合系统表征出复杂的模糊性，传统评估方法往往会忽视各要素间的驱动影响.

物元分析理论将各指标进行信息耦合分析，能够较为全面地揭示某一特征问题的具体状态[8-10]；云理论旨在处理不确定性问题，优势在于刻画模糊系统的随机性和不确定性，可很好地规避描述水土资源承载状态时产生的主观性和经验性的影响[11-13].

鉴于此，文中选定景电灌区作为研究区，从地形、土壤植被、水资源、人类干扰等层面展开，建立水土资源承载状态多级模糊评价指标体系，引入熵权法、组合赋权法确定水土资源承载力驱动要素权重，构建基于综合关联度、隶属度云模型的综合评价系统，运用物元分析模型与综合评价云模型对灌区不同时期水土资源承载状态进行评估分析，揭示灌区1994—2018年的水土资源承载力演变趋势.研究方法可为相似研究区开展水土资源承载力演变趋势研究提供方法借鉴.

1 研究区与数据来源

1.1 研究区概况

景电灌区地处甘肃省中部，年均气温约为8.3 ℃、降水量为185.7 mm，为典型的温带大陆性气候.灌溉工程的建设使得区域内发生了剧烈的水土资源变迁过程，同时出现了土壤次生盐碱化[14-15]等水土环境退化问题，严重阻碍了当地社会经济与生态环境的协同发展.研究区地理位置如图1所示.

图1 景电灌区地理位置示意图Fig.1 Geographic map of Jingdian Irrigation District

1.2 数据来源

具体数据来源见表1.

表1 数据来源Tab.1 Data sources

对水土资源承载力发生变迁的关键节点进行摸排，最终选定研究代表年：1994年灌区正式发挥工程作用，灌溉面积3.47万hm2，年提水量2.66亿m3；2002年结束一期工程续建配套，灌溉面积3.85万hm2，年提水量3.22亿m3；2010年设置研究节点为8 a，灌溉面积4.92万hm2，年提水量3.86亿m3；2018年为研究现状年，灌溉面积6.05万hm2，年提水量4.60亿m3.

2 研究方法

2.1 多级模糊评价指标体系构建

引入多级模糊理论揭示灌区水土资源承载状态的驱动过程，结合水土资源开发演变机理的相关研究[3]，将灌区水土资源承载状态评价体系划分为4个层面，其中评语层用“严重承载V1”、“轻微承载V2”、“临界承载V3”、“承载安全V4”、“承载良好V5”表征水土资源承载状态[16]，如图2所示.

图2 水土资源承载系统多级模糊评价指标体系Fig.2 Multi-level fuzzy evaluation index system of water and soil resources carrying system

2.2 物元分析模型

物元分析法[8-10]于20世纪80年代提出，通过关联度进行指标信息耦合分析，较为全面地揭示了某一特征问题的具体状态，多用于评估生态环境状态及资源承载能力.权重的确定是运用物元分析模型的中心环节，而熵权法作为一种客观赋权方法，可由各评价指标的初始值确定效用价值.

2.2.1 指标熵值与熵权计算

在获取指标权重时，为了消除量纲的影响，首先运用极差法[3]进行指标标准化处理.由信息熵表征各指标值的变异性，若某一指标的信息熵越小，说明变异性越强，则指标权重越大.

(1)

(2)

式中：eij为熵值；pij为第i个系统第j项指标的综合标准化值；n为评价单元数量；ωij为权重(熵权).

2.2.2 确定综合关联度

评价物元由描述对象N及其特征c和N关于c的量值v构成.经典域物元Roj、节域物元Rp及关联函数Kh(xi)可分别定义为

(3)

式中：Roj为经典域物元；Noj为划分水土资源承载力的第j个评价等级；ci为第i个评价指标；voji为ci对应评价等级j的量值范围，即经典域.

(4)

式中：Rp为节域物元；Np为水土资源承载力的标准对象；vpi为Np关于ci的量值范围，即节域.

(5)

式中：Kh(xi)为关联函数；xi，Xoji，Xpi分别为水土资源承载状态物元量值、经典域物元量值范围和节域物元量值范围；ρ(xi，Xoji)，ρ(xi，Xpi)分别为xi到有限区间Xoji及Xpi的距离.

(6)

式中：ωi为指标权重.

当Khmax=max{Kh}(h=1,2,3，…，k)时，评价对象N的水土资源承载能力等级为h级.若-1.0≤Kh<0，则代表Kh与N所处状态的稳定性成正相关；若0≤Kh<1.0，则N符合评价状态要求.

2.3 综合评价云模型

云模型[11-13]以Ex(期望)、En(熵)、He(超熵)3个云数字特征表明多变量之间的模糊性；Ex，En，He分别代表云滴重心、云滴离散程度及云滴厚度.

2.3.1 指标权重

运用组合赋权法对指标赋权.计算式为

(7)

式中：m为指标个数；i为排队等级.

2.3.2 评价标准与隶属度云模型

四名斗虎英雄分别引领①、②、③、④号虎交叉跑位，①号虎由东北角跑至西南角，②号虎由西北角跑至东南角，③号虎由西南角跑至西北角，④号虎由东南角跑至东北角，①号虎与②号虎在场地南面，③号虎与④号虎在场地北面，四虎两两相对。这时领舞者持钓鱼鞭进入场中央，随鼓点分别向东西方向各打出一鞭，相对两虎在斗虎英雄的引领下跑至中间两虎相遇交叉换位。

为规避传统评估方法主观性的干扰，引入黄金分割法进行水土资源承载力评估.基于水土资源承载状态评语集构建评价标准云模型，设定“临界承载V3”特征参数为Ex3=0.500 0，En3=0.031 0，He3=0.005 0，相邻评级间的En与He倍数为0.618.依次得出V1(0,0.103 0,0.013 1)，V2(0.309 0,0.064 0,0.008 1)，V4(0.691 0,0.064 0,0.008 1)，V5(1,0.103 0,0.013 1).聘请专家学者、灌区管理人员和工作人员对指标打分，确定各指标评价值，并及时对不满足基本原则的数据进行调整，直至符合要求，如图3所示.若He>En/3，则云滴相对离散、偏离正态；反之云滴分布较好.

图3 隶属度云模型计算过程Fig.3 Computing process of membership cloud model

通过指标权重和相应的隶属度云模型，得出综合评价云C(Ex，En，He)，其中

(8)

3 评价结果

3.1 基于物元分析模型的水土资源承载力综合评价

3.1.1 各指标因子权重

将源数据进行标准化处理，由式(2)确定各指标因子权重，见表2.

表2 指标权重Tab.2 Indicator weight

由表2可知，水土协调度、地下水矿化度、地下水埋深、表层土壤含盐量、地下水开采率和地表灌水量的指标权重值较高，是驱动干旱区人工绿洲水土资源承载系统演化进程的主导因素.

3.1.2 评价指标关联度

结合各年份评价指标数据，对其评价指标综合关联度等级进行求解，以1994年的地下水矿化度(I2)为例，可以得出K1(I2)=-0.041 0，K2(I2)=-0.004 0，K3(I2)=-0.003 0，K4(I2)=0.024 0，K5(I2)=-0.031 0，即所处等级为V4，结果见表3.

表3 评价指标关联度Tab.3 Correlation degree of evaluation indicators

依据上述方式得到其余年份对应指标关联度，利用Origin 8.0软件得到雷达图，如图4所示.

图4 各指标等级比例分布图Fig.4 Proportion distribution of each index grade

可以发现，灌区内地下水埋深、地下水矿化度及土壤含盐量等要素的空间面积占比总体呈上升趋势，其他要素未见明显变化.

3.1.3 综合关联度评价

各代表年综合关联度见表4.

表4 综合关联度评价Tab.4 Comprehensive correlation evaluation

结合灌区水土资源承载力指标权重及指标关联度，可以发现灌区4个时期水土资源承载状态分别处于“轻微承载”、“临界承载”、“临界承载”及“承载安全”.

3.2 基于综合评价云模型的水土资源承载力综合评价

3.2.1 指标权重求解及隶属度云模型

通过咨询专家确定评价指标的重要性及排队等级，由式(7)得出指标权重，见表5.结合专家评判结果，基于云发生器计算出1994年各因子的隶属度云模型，见表6.

表5 式(7)计算的指标权重Tab.5 Index weight by eq. (7)

表6 1994年水土资源承载力隶属度云模型Tab.6 Membership degree cloud model of water and soil resources carrying capacity in 1994

3.2.2 综合评价云

依据上述方式得到其余年份水土资源承载力隶属度云模型，由式(8)得出代表年份水土资源承载状态综合评价云数字特征分别为C1994(0.456 6,0.027 1,0.006 7)，C2002(0.506 8,0.026 3,0.007 8)，C2010(0.554 5,0.024 4,0.006 5)，C2018(0.585 9,0.026 7,0.005 7)，并由Matlab进行云图可视化表达，如图5所示.

图5 水土资源承载状态综合评价云图Fig.5 Cloud map of comprehensive evaluation of water and soil resources carrying state

可以看出，灌区各时期水土资源承载状态分别为1994年处于“轻微承载-临界承载”，2002年处于“临界承载”，2010年处于“临界承载-承载良好”，2018年处于“临界承载-承载良好”.整体上，灌区水土资源承载状态呈现一种“健康化”、“持续式”的演变趋势，说明灌区水土资源承载能力一直处于改善状态.

4 讨 论

由2种模型评价结果可以看出，1994—2018年灌区水土资源承载状态呈健康态势演化，结合朱兴林[3]、LI等[17]的研究成果发现这与研究区实际水土资源承载状态相符.探其原因，灌区生态本底较为脆弱，灌溉工程的使用使区域内水源供给与需求趋向平衡状态，使区域土地资源得到了进一步利用；灌溉水的使用，有效缓解了地下水过度开采状态，区域地下水环境得以恢复.但随着灌区的运行，不合理的灌溉方式造成区域地下水矿化度升高、地下水水位抬高，盐分随溶质运移至地表形成盐渍化土，削弱了区域水土资源承载状态良性演化速率.为此，灌区通过建造渠道排碱沟、布设暗管排水工程、灌水洗盐，以减少盐分在土地中的沉积，疏通地下水排泄路径以降低地下水埋深和矿化度.对区域提水灌溉设施的完善、人们生态环境意识的增加及调控措施的实施，使干旱区人工绿洲的水土资源承载状态得到了进一步改善.

文中通过引入多级模糊理论构建了评价指标体系，对以往忽视多驱动要素对水土资源承载力的影响进行了补充；通过熵权法、组合赋权法对评价指标进行赋权，有效降低了人为主观性的干扰；基于物元分析理论和云理论构建评估模型，定量揭示了干旱区人工绿洲水土资源承载状态演变趋势.2种模型的综合运用，对评估结果进行了相互验证，增大了结果的客观性及准确性，使其更加接近于灌区的实际水土资源承载状态.

5 结 论

1) 由水土资源承载系统驱动影响要素综合排序得到水土协调度、地下水矿化度、地下水埋深、表层土壤含盐量、地下水开采率和地表灌水量是驱动干旱区人工绿洲水土资源承载系统演变的主导因素.

2) 灌区1994，2002，2010及2018年水土资源承载力综合评价云数字特征分别为C1994(0.456 6,0.027 1,0.006 7)，C2002(0.506 8,0.026 3,0.007 8)，C2010(0.554 5,0.024 4,0.006 5)，C2018(0.585 9,0.026 7,0.005 7)，水土资源承载力综合评价云的熵值及超熵值分别为0.027 1，0.026 3，0.024 4，0.026 7和0.006 7，0.007 8，0.006 5，0.005 7，数值较小，且He/En小于1/3.表明评价结果与水土资源承载状态实际情况相吻合.

3) 综合2种模型评价结果，研究区1994，2002，2010及2018年水土资源承载状态均处于“轻微承载-承载良好”之间，说明灌区水土资源承载状态处于一种“健康化”、“持续式”的变迁过程.该评价方法可为干旱区水土资源承载能力状态评估及演变趋势分析提供借鉴思路.