灌區(qū)分布式多水源時空優(yōu)化配置

劉 巍，雷 波，廖晉一，杜麗娟

灌區(qū)分布式多水源時空優(yōu)化配置

劉 巍1,2，雷 波1,2※，廖晉一3，杜麗娟1,2

（1. 中國水利水電科學研究院水利所，北京 100048；2. 中國水利水電科學研究院流域水循環(huán)模擬與調(diào)控國家重點實驗室，北京，100048；3. 安徽理工大學信息與測繪工程學院，淮南 232001）

為充分考慮灌區(qū)多水源供需水時空分布不均問題，該研究以河北省邯鄲市漳滏河灌區(qū)為例，通過遙感技術反演土壤含水率并計算不同生育期的土壤水分修正系數(shù)，進而計算各子單元的作物需水量；分別以水庫配水缺水量最小、灌區(qū)效益最大作為配置目標建立灌區(qū)分布式多水源優(yōu)化配置模型，計算并分析9種水文情景下（蓄水高值-降水豐值、蓄水高值-降水平值、蓄水高值-降水枯值、蓄水中值-降水豐值、蓄水中值-降水平值、蓄水中值-降水枯值、蓄水低值-降水豐值、蓄水低值-降水平值、蓄水低值-降水枯值）配水量的時空分布規(guī)律。結果表明：通過遙感反演并模擬得出的灌區(qū)土壤含水率空間分布符合灌區(qū)實際土壤情況；漳滏河灌區(qū)4—8月的累計需水量最大，占全年總需水量的76.8%；不同情景下，民有分區(qū)的配水量均高于滏陽河分區(qū)，且空間分布變化規(guī)律明顯；為保證灌區(qū)的經(jīng)濟效益，應優(yōu)先選擇水價較低、單位面積配水量較高的引黃水作為主要外調(diào)水源。研究結果可為灌區(qū)水資源時空配置及水資源高效管理提供新思路。

時空分布；土壤含水率；降水；灌區(qū)；多水源；農(nóng)業(yè)水資源；優(yōu)化配置

0 引 言

水資源是糧食生產(chǎn)必不可少的投入要素，是保證糧食安全的戰(zhàn)略物資[1]。隨著社會不斷發(fā)展，水資源的需求量逐漸增長，加之環(huán)境污染、氣候變化等問題使得水資源的供需矛盾日益凸顯[2-3]。中國是農(nóng)業(yè)大國，土地資源豐富，但水資源時空分布不均問題導致單位面積的供需水量不平衡，水土資源難以發(fā)揮最大效益[4-6]。因此，在當前水資源日益緊缺的局面下，如何優(yōu)化水資源的時空配置，提升農(nóng)業(yè)生產(chǎn)的最大效益是保證糧食安全及農(nóng)業(yè)經(jīng)濟可持續(xù)發(fā)展的關鍵問題[7-10]。

灌區(qū)是農(nóng)業(yè)生產(chǎn)的重要基地，也是組成灌溉系統(tǒng)的基本要素。灌區(qū)水資源優(yōu)化配置是通過合理調(diào)控供水量、調(diào)整種植面積等方式以滿足灌區(qū)效益、水量平衡、環(huán)境可持續(xù)發(fā)展等目標的決策方法[11-14]。隨著灌區(qū)水資源優(yōu)化配置研究的不斷豐富，研究者們從多角度提出了灌區(qū)水資源優(yōu)化配置方法。例如，付強等[15]針對灌區(qū)多水源特點，以及作物在不同生育期的水分敏感程度，以黑龍江省和平灌區(qū)水稻不同生育期的灌溉水資源優(yōu)化配置作為實例研究，該模型在保證產(chǎn)量的同時，提升了灌區(qū)的灌溉水利用系數(shù)。李茉等[16]從水循環(huán)角度，建立了灌區(qū)多水源優(yōu)化配置模型，通過和平灌區(qū)的實例驗證，灌區(qū)水分生產(chǎn)率可提升11%。Brown等[17]針對季節(jié)性缺水問題建立了一種適用農(nóng)場的逐日灌溉水優(yōu)化配置模型以滿足效益最大化。隨著研究角度的不斷延伸，不同理論的融入使得灌區(qū)水資源優(yōu)化配置模型的研究更為系統(tǒng)，而水源時空分布問題對水資源優(yōu)化配置結果影響的研究仍有不足。由于灌區(qū)水源時空分布不均、土壤類型及種植結構差異等問題，致使以往的水資源優(yōu)化配置模型難以在時空上最大限度地達到供需水平衡，限制灌區(qū)用水效率的進一步提升[18-20]。因此，綜合考慮灌區(qū)水源分布特點及不同生育期土壤水分變化情況，對灌區(qū)進行時空水資源優(yōu)化配置更符合實際的配水需求，可避免由渠首控制整個灌區(qū)配水而導致灌區(qū)配水不均、排水量大、灌溉水利用效率低等問題[21-22]。基于此，本研究以河北省邯鄲市漳滏河灌區(qū)為例，建立了考慮土壤含水率、水源及作物種植結構時空分布特點的灌區(qū)分布式多水源優(yōu)化配置模型，以期為灌區(qū)多水源時空優(yōu)化配置提供理論與技術參考，提升灌區(qū)水資源的最優(yōu)化管理。

1 研究區(qū)域與方法

1.1 研究區(qū)域概況

漳滏河灌區(qū)位于河北省邯鄲市中部，地處半濕潤半干旱區(qū)，呈西南高、東北低的地形趨勢，由滏陽河分區(qū)和民有分區(qū)構成，總控制面積3.48×105hm2。主要種植冬小麥、棉花和玉米。年均蒸發(fā)量1 120 mm，年均降水量580 mm。灌區(qū)水源包括水庫水、南水北調(diào)水和引黃水，其中，東武仕水庫和岳城水庫為灌區(qū)的首選水源，其水價低、管控方便；南水北調(diào)水和引黃水作為外調(diào)水源以緩解用水高峰時的缺水問題。為了便于灌區(qū)用水管理，綜合考慮水源供水關系、渠系之間水力聯(lián)系等因素，將漳滏河灌區(qū)劃分17個子單元，分別為：滏陽河分區(qū)的F01、F02、F03、F04、F05、F06、F07和民有分區(qū)的M01、M02、M03、M04、M05、M06、M07、M08、M09、M10（圖1a）；其中，東武仕水庫供水子單元包括：F01～F07，岳城水庫供水子單元包括：M01～M10，南水北調(diào)供水子單元包括：F01～07、M01～M06、M08～M09，引黃供水子單元包括：M07、M10（圖1b）。

注：F01～F07為滏陽河分區(qū)子單元；M01～M10為民有分區(qū)子單元。

1.2 研究思路

本研究通過遙感技術獲取灌區(qū)種植面積、土壤含水率等數(shù)據(jù)，以水庫配水的缺水量最小和灌區(qū)配水效益最大分別作為目標函數(shù)建立灌區(qū)分布式多水源優(yōu)化配置模型。研究技術路線見圖2。

圖2 研究技術路線圖

1.3 需水量計算

該研究采用聯(lián)合國糧農(nóng)組織推薦的作物系數(shù)法估算作物需水量，該方法根據(jù)作物在自然條件下需水量受溫度、濕度、土壤水分和作物長勢等因素的影響程度，計算基礎作物系數(shù)和土壤水分修正系數(shù)，進而結合通過彭曼公式（Penman-Monteith）計算出的參考作物蒸散發(fā)量，得出作物需水量。公式[23]如下：

式中為作物需水量，mm；K為土壤水分修正系數(shù)；K為基礎作物系數(shù)；0為日參考蒸散量，mm；R為作物表面的凈輻射量MJ/m2；為土壤熱通量，MJ/(m2·d)；Δ為飽和水汽壓與溫度的關系曲線斜率值，kPa/℃；是濕度計常數(shù)，kPa/℃；為日平均氣溫，℃；2為2 m高地面的日平均風速，m/s；e為空氣飽和水汽壓，kPa；e為實際水汽壓，kPa/℃；K為FAO-56推薦的標準狀況下的作物系數(shù)；min為日均最小相對濕度，%；為研究期作物麥的株高，m。

1.4 土壤水分修正系數(shù)反演與計算

1.4.1 土壤含水率反演

因地表光譜特征與土壤含水率之間存在密切聯(lián)系，因此，可通過兩者之間的關系建立基于地表光譜特征的土壤水分監(jiān)測模型[24]。本研究利用植被冠層和裸地在近紅外波段和紅光波段的光譜特征，反演獲取垂直干旱指數(shù)（Perpendicular Drought Index，PDI）[25-28]，建立PDI與實測土壤含水率之間的關系模型，進而計算灌區(qū)的土壤含水率。公式如下：

式中R為近紅外波段反射率；為土壤線斜率；R為紅光波段反射率；I為土壤線在縱坐標上的截距；為PDI與土壤含水率之間的關系模型，為通過模型得出的土壤含水率，%。

1.4.2 土壤水分修正系數(shù)

土壤水分修正系數(shù)是宏觀根系吸水模型的重要組成部分，主要用于反映土壤水分脅迫對根系吸水的抑制作用[29]。公式如下：

式中θ為凋萎含水率，%；θ為田間最大持水率，%。

1.5 優(yōu)化配置模型

本節(jié)建立的灌區(qū)分布式多水源優(yōu)化配置先后以水庫配水缺水量最小和經(jīng)濟效益最大作為模型的目標函數(shù)。通過一階段模型獲取首選水源的缺水量值，將其作為二階段模型的約束條件，進而通過二階段模型決策出外調(diào)水源的最優(yōu)配水量及灌區(qū)的最大效益值。該模型通過分布式的方法避免了多目標之間的矛盾，更符合灌區(qū)首選水源和外調(diào)水源的配水順序。

1.5.1 一階段模型

1）目標函數(shù)

灌區(qū)的首要目標是保障作物的正常生長，要在供水工程允許的條件下盡可能滿足作物需水要求。一階段模型中，以作物需水量與首選水源配水量差值最小，即水庫配水缺水量最小為目標，具體如下：

式中為一階段水庫配水缺水量，m3；ET,t為第子單元第時段需水量，m3；x,t為第子單元第時段水庫配水量，m3；η為第子單元灌溉水利用系數(shù)；K(,)為第子單位第時段的土壤水分修正系數(shù)；K(,,)為第子單元第時段作物的作物系數(shù)；0(,)為第子單元第時段參考作物蒸散發(fā)量，m3；為子單元數(shù)量；為時段數(shù)；為作物種類數(shù)量。

2）約束條件

在一階段模型中，主要針對首選水源、作物需水量以及渠道輸水能力進行約束。具體如下：

①水庫水量平衡約束。

式中V、(nt-1)分別為第、(-1)時段2個水庫各時段的蓄水量，m3；R為第時段岳城水庫和東武仕水庫入庫水量，m3；S為第時段2個水庫的滲漏量，m3；E為第時段2個水庫蒸發(fā)水量，m3；W為2個水庫的取水許可量，m3；為水庫數(shù)量，1代表東武仕水庫，2代表岳城水庫。其中，水庫滲漏損失按計算時段平均蓄水量的1%計算，滿足如下方程：

②需水量約束

式中A為第子單元的作物灌溉面積，hm2；P,t為第子單元第時段有效降水量，mm。

③水庫庫容約束

式中MinVMaxV分別為2個水庫的死庫容、總庫容m3。

④渠道輸水能力約束

式中MaxQ,t為輸送水庫水的第渠道第時段最大輸水能力，m3；I為負責為子單元輸送水庫水的條渠道。

⑤非負約束

模型涉及的變量包括：作物需水量、灌溉水利用系數(shù)、水庫蓄水量、水庫取水許可量、水庫滲漏量、水庫蒸發(fā)量、渠道最大輸水能力、死庫容、總庫容等均為非負值。

1.5.2 二階段模型

1）目標函數(shù)

灌區(qū)的經(jīng)濟效益是管理部門和農(nóng)戶關注的重點，主要取決于作物的產(chǎn)量及成本、水源供水量及水價。在二階段模型中，通過優(yōu)化配置外調(diào)水源的配水量，以保證灌區(qū)的經(jīng)濟效益最大。具體如下：

2）約束條件

在二階段模型中，主要針對缺水量和外調(diào)水源的渠道輸水能力進行約束。其中，缺水量約束是將通過一階段模型得出的水庫配水缺水量作為二階段模型的約束條件，即外調(diào)水源的配水量之和不超水庫配水缺水量。具體如下：

①缺水量約束

②渠道輸水能力約束

式中MaxQ,t為輸送外調(diào)水源的第渠道第時段最大輸水能力，m3；I為子單元輸送外調(diào)水的條渠道。

3）非負約束

模型中涉及的變量，包括：糧食作物產(chǎn)量、糧食作物價格、水庫水價、引黃和南水北調(diào)水水價，糧食作物成本及南水北調(diào)和引黃配水量等均為非負值。

1.6 方案設置

灌區(qū)的配水量受來水情況影響，根據(jù)漳釜河灌區(qū)資料顯示，外調(diào)水源的取水量較小，不受來水頻率限制，因此，僅設置了水庫蓄水量和降水量的來水頻率，即水庫蓄水量高、中、低和降水量豐、平、枯的9種組合情景，見表1。

表1 不同水文情景信息表

注：V代表水庫蓄水量、P代表降水量；V和P的累計頻率劃分區(qū)間分別為25%、75%；VH、VM、VL分別代表水庫蓄水量高、中、低；PH、PM、PL分別代表降水量豐、平、枯。

Note: V is the storage capacity of the reservoir and P is the precipitation; The cumulative frequency division of V and P are 25%, 75%；VH, VM and VL represent high, medium and low reservoir water storage respectively. PH, PM and PL represent abundant, flat and dry precipitation respectively.

2 結果分析

2.1 土壤水分修正系數(shù)結果

遙感數(shù)據(jù)采用美國地質(zhì)勘探局Sentinel -2A光學遙感影像（https://earthexplorer.usgs.gov/）。綜合考慮作物主要生育期及遙感影像可利用度，選取2020年1月8日（冬小麥-越冬期）、4月27（冬小麥-快速發(fā)育期及生育中期；棉花-初始生長期）、6月8日（冬小麥成熟期；玉米-快速生長期；棉花-快速發(fā)育期）、8月4日（棉花-快速發(fā)育期、發(fā)育中期；棉花-生育中期）、9月9日（玉米-成熟期；棉花-成熟期）、11月13日（冬小麥-初始生育期、凍融期）的遙感數(shù)據(jù)。利用Sen2Cor插件對影像數(shù)據(jù)預處理，并通過ENVI軟件反演PDI，利用公式（7）建立通過TDR實測獲得的不同生育期32個耕層10 cm土壤樣本的實際土壤含水率（體積含水率）和PDI的轉(zhuǎn)換關系，得出土壤含水率模擬值與實測值之間的誤差區(qū)間為（-0.029～0.032），模型誤差較小。經(jīng)計算得出不同生育期的土壤含水率（圖 3），可以看出4月和6月2個生育期的土壤含水率高于其他生育期，8月和11月生育期的土壤含水率較低。

灌區(qū)的主要土壤類型為黏土，通過取樣測定凋萎含水率為16.6%；田間持水率為32%，通過公式（7）計算得出作物不同生育期土壤水分修正系數(shù)（圖4）。整體上看，北部滏陽河分區(qū)的土壤水分修正系數(shù)高于南部的民有分區(qū)，中部及東部的土壤水分修正系數(shù)偏低。分析其原因，或與灌區(qū)地勢走向和水源有關，灌區(qū)整體呈現(xiàn)北高南低、西高東低的地勢及相應的水流走向，因此，地勢高靠近水源的區(qū)域土壤水分修正系數(shù)相對較高。

a. 1月a. Januaryb. 4月b.Aprilc. 6月c.June

d. 8月d. Auguste. 9月e. Septemberf. 11月f. November

2.2 灌區(qū)需水量計算結果

根據(jù)公式（1）～（3）計算12個月3種主要作物的灌區(qū)需水量（表2）。灌區(qū)需水量全年共計1.133×109m3，其中，5月和12月的灌區(qū)需水量分別為全年最大和最小值，全年占比分別為25.3%和1.2%，4月至8月為作物生長需水高峰期，5個月的累計需水量占全年需水量的比值高達76.8%。

圖4 土壤水分修正系數(shù)分布圖

表2 不同生育期灌區(qū)需水量統(tǒng)計結果

2.3 優(yōu)化配置結果分析

將表2、表3中的結果及參數(shù)代入一階段模型中。其中，表3為優(yōu)化配置模型主要輸入?yún)?shù)及變量。1、2、Min1、Max1、Min2、Max2數(shù)據(jù)源自漳釜河灌區(qū)規(guī)劃設計報告，1、2通過公式（12）計算得出，、P、P1、P2數(shù)據(jù)源自《邯鄲市統(tǒng)計年鑒》。

2.3.1 一階段模型結果分析

利用Matlab和Lingo11求解建立的漳滏河灌區(qū)分布式多水源優(yōu)化配置模型。圖5為不同情景多水源配水量統(tǒng)計圖，可以看出首選水源的配水量均高于外調(diào)水源，水庫配水量配水區(qū)間為4.100×108～5.045×108m3;南水北調(diào)配水量區(qū)間為1.143×108～2.156×108m3，引黃配水量區(qū)間為0.982×108～1.486×108m3，引黃配水量略低于南水北調(diào)配水量，但南水北調(diào)的供水子單元要多于引黃供水子單元，因此，從單位面積配水量角度上看，模型優(yōu)先選擇引黃水作為外調(diào)水源。9種情景的灌區(qū)總缺水量區(qū)間跨度大，其中，VH-PL、VM-PL和VL-PL情景的缺水量明顯，VH-PH、VM-PH、VL-PH情景的缺水量幾乎為0。隨著降水量的增加，不同水源的配水量及灌區(qū)總缺水量變化明顯，而水庫來水流量的變化對配水結果的影響甚微；可見，對于漳釜河灌區(qū)而言，降水量較水庫來水流量對灌區(qū)配水的影響明顯，這與該灌區(qū)的土壤類型有關[30]。

表3 優(yōu)化配置模型主要輸入?yún)?shù)及變量

圖5 不同情景多水源配水量統(tǒng)計圖

進一步分析各子單元的空間配水情況。因水庫來水流量對配水結果的影響較小且受篇幅限制，此處將9種情景按照豐、平、枯3種來水水平統(tǒng)計不同子單元的總配水量。表4為不同情景配水量的空間統(tǒng)計結果。整體上民有分區(qū)的總配水量高于滏陽河分區(qū)，這與2.1節(jié)中土壤含水率的結果相呼應，對于土壤含水率低的子單元，模型會分配更多水量；隨著來水水平增加，滏陽河分區(qū)各子單元間的配水量比例相對穩(wěn)定，而民有分區(qū)各子單元的配水量變化明顯，特別是M05、M06、M07的配水量變化最明顯。對比圖3可以看出，靠近北部及西部水源的子單元，其土壤含水率相對較高且變化趨勢穩(wěn)定，模型對該區(qū)域分配的水量也相對均衡，而對于東南部的子單元，由于遠離水源、土壤含水率低，作物配水過程受水源的影響會更明顯?？傮w而言，模型的配水結果符合實際配水情況。

2.3.2 二階段模型結果分析

通過1.5.2節(jié)中二階段模型計算出不同情景灌區(qū)最大經(jīng)濟效益分別為：265 053.2萬元（VH-PH）、271 386.6萬元（VH-PM）、264 238.3萬元（VH-PL）、265 053.2萬元（VM-PH）、271 116.9萬元（VM-PM）、276 027.2萬元（VM-PL）、264 219.1萬元（VL-PH）和270 847.1萬元（VL-PM）、276 000.0萬元（VL-PL）；灌區(qū)收益最大的情景為VH-PM，最小為VL-PH情景。為分析漳滏河灌區(qū)經(jīng)濟效益受不同水源的影響程度，將灌區(qū)經(jīng)濟效益與總配水量、水庫配水量、南水北調(diào)配水量、引黃配水量、降水量及總缺水量進行相關分析（表5）。從表5看出灌區(qū)經(jīng)濟效益南水北調(diào)配水量呈顯著負相關。灌區(qū)經(jīng)濟效益與供水成本和水價有關，成本及水價越低，灌區(qū)經(jīng)濟效益越大[32]，由于南水北調(diào)水源的水價相對較高，因此，模型在水庫配水不足的情況下，優(yōu)先選擇水價低、單位面積配水量大的引黃水源，以達到灌區(qū)經(jīng)濟效益最大的目標，這與2.3.1小節(jié)的結論相吻合。此外，總配水量與降水量、引黃配水量，以及水庫配水量與引黃配水量、引黃配水量與降水量之間的相關系數(shù)均在0.99以上，相關性顯著。某水源的配水量增加會導致總配水量的增加；而降水量與各水量呈顯著負相關，降水充足的情況下，相應的各子單位的配水量隨之減少，可見灌區(qū)多水源形成配水系統(tǒng)內(nèi)部聯(lián)動緊密[31]。

表5 灌區(qū)經(jīng)濟效益與各水量間相關分析

注：**表示在0.01水平上顯著；*表示在0.05水平上顯著。

Note: ** Indicates significant at 0.01 level; * Indicates significant at 0.05 level.

3 結論與建議

為研究灌區(qū)多水源時空配水問題，本文分別以水庫配水缺水量最小、灌區(qū)經(jīng)濟效益最大為目標建立了分布式多水源時空優(yōu)化配置模型，并以河北省邯鄲市漳滏河灌區(qū)為應用實例，分析9種情景下的優(yōu)化配置結果。主要結論如下：

1）漳滏河灌區(qū)4月、6月的土壤含水率高，8月和11月較低；滏陽河分區(qū)的土壤含水率高于民友分區(qū)；通過遙感技術獲取的不同生育期土壤水分修正系數(shù)精確度高；灌區(qū)年需水量1.133×109m3。

2）外調(diào)水源中，南水北調(diào)配水量略高于引黃配水量；滏陽河分區(qū)各子單元間的配水量比例相對穩(wěn)定，而民有分區(qū)各子單元的配水量變化明顯，民有分區(qū)的總配水量高于滏陽河分區(qū)。

3）灌區(qū)收益最大的情景為蓄水高值-降水平值（VH-PM），最小為蓄水低值-降水豐值（VL-PH）情景；外調(diào)水源優(yōu)先選擇水價低、單位面積配水量大的引黃水；多水源間的相關性顯著，配水系統(tǒng)內(nèi)部聯(lián)動緊密。

水資源優(yōu)化配置模型是應用性較強的系統(tǒng)性模型，本研究構建的灌區(qū)分布式多水源時空優(yōu)化配置模型的創(chuàng)新性體現(xiàn)在：1）考慮了灌區(qū)土壤水分參數(shù)的空間性，使得各子單元的土壤水分修正系數(shù)都能夠反映作物和土壤的實際情況。2）厘清了各子單元的供水關系，為實際配水管理工作提供了更具體的理論指導和技術支撐。3）提升了灌區(qū)多水源配水管理的決策能力，使灌區(qū)綜合效益最大化。

灌區(qū)水循環(huán)過程的不確定性會對配水結果產(chǎn)生影響。因此，在今后的研究中需補充多水源的不確定性分析。由于遙感數(shù)據(jù)質(zhì)量和實測土壤樣本數(shù)量的限制，本研究只得出了全年6個月的土壤水分修正系數(shù)，下一步研究會結合不同作物種植結構得出更符合實際情況的土壤水分修正系數(shù)。

[1] Li M, Cao X, Liu D, et al. Sustainable management of agricultural water and land resources under changing climate and socio-economic conditions: A multi-dimensional optimization approach[J]. Agricultural Water Management, 2022, 259: 107235.

[2] Li M, Fu Q, Singh V P, et al. Stochastic multi-objective modeling for optimization of water-food-energy nexus of irrigated agriculture[J]. Advances in Water Resources, 2019, 127: 209-224.

[3] 齊學斌，黃仲冬，喬冬梅，等. 灌區(qū)水資源合理配置研究進展[J]. 水科學進展，2015, 26(2)：287-295.

Qi Xuebi, Huang Zhongdong, Qiao Dongmei, et al. Research advances on the reasonable water resources allocation in irrigation district[J]. Advances in Water Science, 2015, 26(2): 287-295. (in Chinese with English abstract)

[4] 齊學斌，樊向陽，王景雷，等. 井渠結合灌區(qū)水資源高效利用調(diào)控模式[J]. 水利學報，2004，35(10)：119-124.

Qi Xuebi, Fan Xiangyang, Wang Jinglei, et al. Optimal allocation of water resources in well-canal combined irrigated area for high efficient utilization of water[J]. Journal of Hydraulic Engineering, 2004, 35(10): 119-124. (in Chinese with English abstract)

[5] 張展羽，高玉芳，李龍昌，等. 沿海缺水灌區(qū)水資源優(yōu)化調(diào)配耦合模型[J]. 水利學報，2006，37(10)：1246-1252, 1258.

Zhang Zhanyu, Gao Yufang, Li Longchang, et al. Optimal utilization of water resource in coastal water-deficient irrigation region[J]. Journal of Hydraulic Engineering, 2006, 37(10): 1246-1252, 1258. (in Chinese with English abstract)

[6] 李茉，姜瑤，郭萍，等. 考慮不同層次利益主體的灌溉水資源優(yōu)化配置[J]. 農(nóng)業(yè)機械學報，2017，48(5)：199-207.

Li Mo, Jiang Yao, Guo Ping, et al. Irrigation water optimal allocation considering stakeholders of different levels[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(5): 199-207. (in Chinese with English abstract)

[7] 姜秋香，付強，朱長虹，等. 基于多維臨界調(diào)控理論的水資源優(yōu)化配置研究進展[J]. 東北農(nóng)業(yè)大學學報，2015，46(7)：103-108.

Jiang Qiuxiang, Fu Qiang, Zhu Changhong, et al. Research progress of water resources optimal allocation based on theory of multidimensional critical regulation and control[J]. Journal of Northeast Agricultural University, 2015, 46(7): 103-108. (in Chinese with English abstract)

[8] 李晨洋，張志鑫. 基于區(qū)間兩階段模糊隨機模型的灌區(qū)多水源優(yōu)化配置[J]. 農(nóng)業(yè)工程學報，2016，32(12)：107-114.

Li Chenyang, Zhang Zhixin. Multi-water conjunctive optimal allocation based on interval-parameter two-stage fuzzy-stochastic programming[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(12): 107-114. (in Chinese with English abstract)

[9] Abdullah A, Ahmed A, Akhter P, et al. Potential for sustainable utilisation of agricultural residues for bioenergy production in Pakistan: An overview[J]. Journal of Cleaner Production. 2021, 287: 125047.

[10] Belmonte B A, Benjamin M F D, Tan, Raymond R T. Systems in the water-energy-food nexus: The emerging role of process systems engineering[J]. Current Opinion in Chemical Engineering. 2017, 18: 32-37.

[11] 何英，唐曉宇，彭亮，等. 南疆豐收灌區(qū)水資源多目標優(yōu)化配置方案優(yōu)選[J]. 農(nóng)業(yè)工程學報，2021，37(6)：117-126.

He Ying, Tang Xiaoyu, Peng Liang, et al. Optimized selection of the solution for multi-objective optimal allocation of water resources in Fengshou Irrigation Areas of South Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(6): 117-126. (in Chinese with English abstract)

[12] 潘琦，郭萍，張帆，等. 考慮渠道滲漏的黃羊灌區(qū)農(nóng)業(yè)水資源多目標優(yōu)化配置研究[J]. 水資源與水工程學報，2020，31(4)：166-173.

Pan Qi, Guo Ping, Zhang Fan, et al. Study on multi-objective optimal allocation of agricultural water resources in Huangyang Irrigated Area considering canal leakage[J]. Journal of Water Resources and Water Engineering, 2020, 31(4): 166-173. (in Chinese with English abstract)

[13] Li M, Fu Q, Singh V P, et al. Managing agricultural water and land resources with tradeoff between economic, environmental, and social considerations: A multi-objective non-linear optimization model under uncertainty[J]. Agricultural Systems, 2020, 178: 102685.

[14] Wang Y Z, Liu L, Guo S S, et al. A bi-level multi-objective linear fractional programming for water consumption structure optimization based on water shortage risk[J]. Journal of Cleaner Production, 2019, 237: 117829.

[15] 付強，劉銀鳳，劉東，等. 基于區(qū)間多階段隨機規(guī)劃模型的灌區(qū)多水源優(yōu)化配置[J]. 農(nóng)業(yè)工程學報，2016，32(1)：132-139.

Fu Qiang, Liu Yinfeng, Liu Dong, et al. Optimal allocation of multi-water resources in irrigation area based on interval-parameter multi-stage stochastic programming model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(1): 132-139. (in Chinese with English abstract)

[16] 李茉，曹凱華，付強. 不確定條件下考慮水循環(huán)過程的灌區(qū)多水源高效配置[J]. 農(nóng)業(yè)工程學報，2021，37(18)：62-73.

Li Mo, Cao Kaihua, Fu Qiang, et al. Efficient allocation of multiple water sources in irrigation areas considering water cycle process under uncertainty[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(18): 62-73. (in Chinese with English abstract)

[17] Brown P D, Cochrane T A, Krom T D. Optimal on-farm irrigation scheduling with a seasonal water limit using simulated annealing[J]. Agricultural Water Management, 2010, 97(6): 892-900.

[18] 彭世彰，王瑩，陳蕓，等. 灌區(qū)灌溉用水時空優(yōu)化配置方法[J]. 排灌機械工程學報，2013，31(3)：259-264.

Peng Shizhang, Wang Ying, Chen Yun, et al. Method for optimal spatial and temporal allocation of water in irrigation districts[J]. Journal of Drainage and Irrigation Machinery Engineering, 2013, 31(3): 259-264. (in Chinese with English abstract)

[19] 喬長錄，劉招，茯苓. 基于COMGIS和Matlab的涇惠渠灌區(qū)灌溉決策支持系統(tǒng)[J]. 干旱地區(qū)農(nóng)業(yè)研究，2010，28(3)：31-36，70.

Qiao Changlu, Liu Zhao, Fu Ling. lrrigation decision support system based on COMGIS and Matlab for Jinghuiqu irrigation district[J]. Agricultural Research in the Arid Areas, 2010, 28(3): 31-36, 70. (in Chinese with English abstract)

[20] Chen Y, Yu J, Khan S. Spatial sensitivity analysis of multi-criteria weights in GIS-based land suitability evaluation[J]. Environmental Modeling and Software, 2010, 25(12): 1582-1591.

[21] Zaragoza C A, García Irene F, García Isabel M, et al. Spatio-temporal analysis of nitrogen variations in an irrigation distribution network using reclaimed water for irrigating olive trees[J]. Agricultural Water Management, 2022, 262(31): 107353.

[22] Janik G, K?osowicz I, Walczak A, et al. Application of the TDR technique for the determination of the dynamics of the spatial and temporal distribution of water uptake by plant roots during injection irrigation[J]. Agricultural Water Management, 2021, 252(30): 106911.

[23] Allen R, Pereira L S, Raes D, et al. Crop evapotranspiration: Gudelines for computing crop water requirements-FAO Irrigation and Drainage Paper 56[R]. Rome: Food and Agricultural Organization of the United Nations (FAO), 1998: 56.

[24] Waston K, Rowen L C, Offield T W. Application of thermal modeling in the geologic interpretation of IR images[J]. Remote Sensitive Environment, 1971, 3: 2017-2041.

[25] Price J C. Thermal inertia mapping: A new view of the earth[J]. Journal of Geophysical Research, 1977, 82: 2582-2590

[26] 柯麗娟. 遙感反演土壤含水率在灌溉用水管理中的應用研究[D]. 蘭州：蘭州交通大學，2015.

Ke Lijuan. Application of Remote SensingInversion of Soil Moisture in the Irrigation Water Management Research[D]. Lanzhou: Lanzhou Jiaotong University, 2015. (in Chinese with English abstract)

[27] Jackson R D, Idso S B, Reginato R J, et al. Canopy temperature as a crop water stress indicator[J]. Water Resource Research, 1981, 17(4): 1133-1138.

[28] Price J C. Using spatial context in satellite data to infer regional scale evapotranspiration[J]. IEEE Transactions on Geoscience and Remote Sensing, 1990, 28: 940-948.

[29] Feddes R A, Kowalik P, Kolinska K M, et al. Simulation of field water uptake by plants using a soil water dependent root extraction function[J]. Journal of Hydrology, 1976, 31(1/2): 13-26.

[30] 趙敏，郭萍，張妍. 考慮土壤水平衡的灌區(qū)水資源優(yōu)化配置研究[J]. 中國農(nóng)業(yè)大學學報，2020，25(7)：91-102.

Zhao Min, Guo Ping, Zhang Yan. Study on the water potential allocation in irrigation district based on considering soil water balance[J]. Journal of China Agricultural University, 2020, 25(7): 91-102. (in Chinese with English abstract)

[31] 閆旖君，徐建新，陸建紅. 人民勝利渠灌區(qū)多水源循環(huán)轉(zhuǎn)化模型研究[J]. 灌溉排水學報，2017，36(2)：52-57.

Yan Yijun, Xu Jianxin, Lu Jianhong. Research on the multi-water cycle and transformation model in the people’s victory canal irrigation district[J]. Journal of Irrigation and Drainage, 2017, 36(2): 52-57. (in Chinese with English abstract)

Spatial-temporal optimal allocation of distributed multi-water sources in irrigation areas

Liu Wei1,2, Lei Bo1,2※, Liao Jinyi3, Du Lijuan1,2

(1.,,100048,; 2.,,100048,;3.,,232001,)

This research aims to fully consider the spatial and temporal distribution in the process of water supply and demand. A case study was selected as the Zhangfuhe irrigation area, Handan City, Hebei Province, China. The soil moisture and its correction coefficients were also calculated at different growth stages using remote sensing inversion. The demand for each unit was then evaluated in the study area. An optimal allocation model of multi-water sources was established in the irrigation area, particularly with the allocation objectives of the minimum water shortage for the reservoir and the maximum benefit in the irrigation area. The temporal and spatial distribution of water allocation was obtained for the different water sources under nine scenarios, including the high water storage and high precipitation (VH-PH), high water storage and low precipitation (VH-PM), high water storage value and low precipitation value (VH-PL), water storage median and precipitation abundance (VM-PH), water storage median and downgrade value (VM-PM), median impoundment and withered precipitation (VM-PL), low water storage and high precipitation (VL-PH), low water storage and low precipitation (VL-PM), low water storage and low precipitation (VL-PL). The results showed that there was high soil moisture in April and June of the growth period in the irrigation area, and relatively low in August and November. The soil moisture correction coefficient in the Fuyang River district was outstandingly higher than that in the Minyou district. The annual water demand of the irrigation area was 1.133×109m3. Specifically, the water demands in May and December were the maximum and minimum of the whole year, accounting for 25.3% and 1.2%, respectively. The water demand peak of crops was from April to August. Among them, the ratio of cumulative water demand in the five months to the total water demand in the whole year was as high as 76.8 %. The soil moisture correction coefficient using remote sensing inversion was a better agreement with the actual situation. Among the external water sources, the water volume allocated from the south to the north was slightly higher than that of the Yellow River. But, the water volume allocated per unit area of the south to the north water transfer was significantly lower than that of the Yellow River. It infers that the Yellow River was preferentially selected as the external water source in the model. The allocation of water of the Minyou district was higher than that of the Fuyang River district in different scenarios, where the spatial distribution changed outstandingly. The allocation of water in the model better coincided with the practical situation. The economic benefits of the irrigation area were positively related to the precipitation and the total water shortage, while negatively related to the total allocation of water, the allocation of water of the reservoir, the water allocation of the south to the north water, and the allocation water of the Yellow River. Therefore, there was a significant correlation between the water sources, indicating the close internal linkage of the water system. The improved model can provide a new idea for the zoning management of irrigation water, considering the spatial and temporal distribution of multiple water sources and the variation of soil moisture at different growth stages of crops in the irrigation area.

spatial and temporal distribution; soil moisture; precipitation; irrigation area; multiple water sources; agricultural water resources; optimal allocation

10.11975/j.issn.1002-6819.2022.16.015

TV213.4

A

1002-6819(2022)-16-0135-09

劉巍，雷波，廖晉一，等. 灌區(qū)分布式多水源時空優(yōu)化配置 [J]. 農(nóng)業(yè)工程學報，2022，38(16)：135-143.doi：10.11975/j.issn.1002-6819.2022.16.015 http://www.tcsae.org

Liu Wei, Lei Bo, Liao Jinyi, et al. Spatial-temporal optimal allocation of distributed multi-water sources in irrigation areas[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(16): 135-143. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.16.015 http://www.tcsae.org

2022-07-06

2022-08-10

國家自然科學基金（52109049），黑龍江省自然科學基金（LH2019E009）

劉巍，博士，高級工程師，研究方向為農(nóng)業(yè)水資源高效利用。Email：liuwei@iwhr.com

雷波，博士，正高級工程師，研究方向為農(nóng)業(yè)水管理。Email：leibo@iwhr.com