Multi-objective and multi-source irrigation area based on multi-scenario analysis of complex planting structure
-
摘要:
为改善多水源灌区农业用水供需矛盾，通过合理调整种植结构，优化灌区水资源配置，该研究以河北省邯郸市漳滏河灌区为研究对象，将农业灌溉缺水量最小和农作物经济效益最大作为目标函数，兼顾灌区生态安全约束，构建了基于种植结构优化的多目标多水源优化配置模型，针对作物熟制、作物种类、种植制度以及灌溉方式设置了8种不同的种植结构优化情景，通过自主改进的基于精英策略并协遗传算法（NSGAⅡ-S）对模型求解，获得不同情景下的水资源优化配置方案。结果表明：应用模型进行水资源配置后，各情景配水总量均有所减少，其中水库配水量高于其他水源的配水量，水库水、引黄水和引江水均达到用水总量控制目标，民有分区的各计算单元间的配水量变化明显，总配水量高于滏阳河分区；适当压减主要依靠抽取地下水灌溉的冬小麦的播种面积，变灌溉农业为旱作雨养农业，可以极大地减少地下水用量，增加灌区经济效益；最佳的种植结构优化方案为CS4（削减冬小麦的种植面积，种植苜蓿，灌溉方式采取管灌或喷灌），该方案冬小麦播种面积压减17.10%，地下水开采量减少了16.42%，灌区的经济效益增加了26.41%，在保证配水总量最小的同时，具有更高的经济效益。该研究所构建的多目标多水源优化配置模型和作物配水结果可为类似地区的水资源配置提供参考。
Abstract:Under the combined influence of global climate change and economic and social development, the contradiction between supply and demand of water resources has become increasingly prominent, and agricultural water use is facing serious challenges. Reasonable adjustment of planting structure and optimal allocation of agricultural water resources are the key ways to ensure regional agricultural water demand. In order to improve the contradiction between supply and demand of agricultural water in irrigation areas and scientifically optimize the allocation of water resources in irrigation areas, this study took the Zhangfu River irrigation area in Handan City, Hebei Province as the research object, the minimum water shortage of agricultural irrigation and the maximum economic benefits of crops as the objective functions, and took into account the ecological security constraints of the irrigation area. A multi-objective and multi-water source optimal allocation model based on planting structure optimization was constructed. Eight different planting structure optimization scenarios were set for cropping system, crop type, planting system and irrigation method. The model was solved by the self-improved elite strategy and co-genetic algorithm (NSGAⅡ-S) to obtain the optimal allocation of water resources under different scenarios. The results showed that after the application of the model to optimize the planting structure, the reservoir water and the river water can be supplied to the downstream units of the private partition. The groundwater exploitation of each calculation unit was significantly reduced, and the water distribution between the calculation units of the private partition was obvious. The total water distribution was higher than that of the Fuyang River partition. The proportion of reservoir water distribution and groundwater water distribution in different scenarios was relatively stable and was used in each month. The water distribution of the Yellow River was mainly concentrated in the summer of the peak period of water use, and the use of reservoir water and river water was more in winter. Appropriate reduction mainly depended on the planting area of winter wheat irrigated by groundwater extraction. Changing irrigated agriculture to rain-fed agriculture greatly reduced the amount of groundwater and increased the economic benefits of irrigation areas. The best planting structure optimization scheme was CS4. In this scheme, the planting area of winter wheat was reduced by 17.10%, the groundwater exploitation was reduced by 16.42%, and the economic benefit of the irrigation area was increased by 26.41%. While ensuring the minimum total water distribution, it had higher economic benefits. The multi-objective and multi-water source optimal allocation model of the irrigation area constructed in this study comprehensively considered the agricultural irrigation water consumption and economic benefits of the irrigation area, clarified the water supply relationship of each sub-unit, and explored the planting structure of the irrigation area and the optimal allocation of water resources under the goal of groundwater exploitation. The new model gave full play to the rational allocation of water resources in the irrigation area and provided a decision-making basis for the planning and management of water resources in the irrigation area. The research results are helpful to give full play to the water source advantages of the irrigation area, provide an example for the optimal allocation of water resources in similar areas, and provide theoretical basis for ensuring food security and sustainable development of agricultural economy.
-
0. 引 言
中国水资源时空分布不均，农业发展很大程度上依赖于灌溉，灌区作为农业灌溉的主体，是农业生产的重要基地，对保障国家粮食安全和社会稳定具有重要作用，对区域可持续发展有着重要影响[1]。在全球气候变化和人类活动的影响下，降水及水资源分布的不均匀性进一步加剧，加之随着经济社会的不断发展，特别是工业化和城镇化进程的加快，水资源供求矛盾日益明显，一些地方挤占农业用水的问题突出，农业用水面临的挑战越来越大[2]。同时，保障粮食安全需要确保粮食播种面积和提升作物单产，要求在水资源配置中充分考虑到农业用水和保障粮食安全的用水需求。因此，在当前水资源日益紧缺的形势下，如何优化种植结构及水资源的时空配置，是保证粮食安全及经济社会可持续发展的关键问题[3-5]。
随着对灌区水资源优化配置研究的不断深入，前人基于不同的优化目标提出了不同的灌区水资源优化配置方法。例如，谌芸等[6]以经济效益为优化目标，针对漳河灌区多水源、多用户的特点建立水资源优化配置模型； LI等[7]以地下水的开采量为优化目标，在都江堰灌区建立了多目标水资源优化配置模型，最大限度地节约了地下水的开采量；王慧等[8]以灌水量和灌水时间为优化对象建立了水资源优化配置模型，提高了灌区经济效益和生态效益。水资源的优化配置能够在一定程度上缓解供需矛盾，但鉴于水资源的多样性和多变性特点，单纯依赖优化配置难以满足复杂多变的水资源需求。在现有农业种植结构下，满足当地粮食生产、经济发展和地区可持续发展的需要，仅靠调节水资源是远远不够的。在此背景下，迫切需要优化调整农业种植结构，提高区域作物水分利用效率及效益[9-11]，这已经引发了国内外学者的广泛关注与探索。例如，BIRHANU等[12]利用机会约束线性规划模型，在土地和水资源供应受限的情况下实现产量和效益最大化，对埃塞俄比亚科加灌区主要农作物的种植模式进行了优化；EL-GHOBASHY等[13]通过改变作物种植方式，以获取最大的净效益，提高了土地生产力；王玉宝[14]以黑河为例，综合考虑了生态、经济和社会目标，构建了种植结构多目标优化模型；徐万林等[15]以甘肃省民勤灌区为例，构建了双层结构优化模型，该模型能同时优化作物灌溉制度、种植结构以及灌溉定额，实现了更高效的资源利用；王雷明[16]在河套灌区建立经济、粮食、生态、水资源目标情境下的种植结构优化模型，可有效提高灌区的综合效益；赵丹[17]以黑龙江省为例，基于水土资源匹配分析及脆弱性，探究对农业种植结构的调控策略。前人深入的研究及不同角度的研究方法极大地推动了灌区种植结构调整与水资源合理配置研究[18-21]，然而，种植结构调整有较强的地域性、时空性和综合性，现有的种植结构优化理论滞后于生产实践[22-27]，农业种植结构调整和水资源合理配置的模型缺乏实用性。
基于此，本文构建了基于种植结构优化的多目标多水源优化配置模型，模型以农业灌溉用水量和经济效益为目标函数，兼顾生态系统的需水要求和农业面源污染约束条件，并将模型应用于河北省漳滏河灌区的实例研究中，探索灌区种植结构优化和水资源配置模式，将有限的地表水资源和地下水资源科学分配给灌区内多种农作物，求解获得不同种植结构优化情景下的水资源优化配置方案，从而缓解邯郸市水资源供需紧张的矛盾，促进粮食安全与水资源高效利用，以期为灌区农业节水和可持续发展提供科学依据。
1. 模型建立与求解
1.1 优化配置模型构建
采用多目标规划方法来构建灌区多目标多水源优化配置模型，模型以农业灌溉缺水量最小和农作物经济效益最大作为目标函数，以生态环境、用水总量、粮食安全、工程条件等为约束条件，通过决策不同计算单元的配水量和不同作物的播种面积来权衡两个目标间的矛盾，进而达到节水增效和生态系统良性循环的目的。
1.1.1 决策变量
模型以不同计算单元的配水量xk,i,t和作物播种面积yi,j作为模型的决策变量，其中i代表不同计算单元；k代表不同水源；j代表不同作物；t代表时间尺度。
1.1.2 目标函数
1）农业灌溉缺水量最小
minW=n∑i=1J∑j=1yi,jmi,j−n∑i=1T∑t=1K∑k=1ηixk,i,t (1) 式中W为农业灌溉缺水量，m3；yi,j为第i单元第j种作物的播种面积，hm2；mi,j为第i单元第j种作物的灌溉定额，m3/hm2；ηi为第i单元的灌溉水利用系数；xk,i,t为第i单元第k种水源第t时段的配水量，m3；n为计算单元的数量；T为时段数；J为作物类型数量。
2）农作物经济效益最大
灌区的经济效益是农作物的净产值，其值等于总产值与总成本的差值，总成本包括物质与服务费用、人工成本和土地成本，其中物质与服务费用包括种子费、化肥费、农药费、农膜费、水费、燃料费以及其他费用等。
maxF=n∑i=1J∑j=1yi,jai,j(bi,j−ci,j+di,j) (2) 式中F为灌区农作物的净产值，元；ai,j为第i单元第j种作物单位面积的产量，kg/hm2；bi,j为第i单元第j种作物的售价，元/kg；ci,j为第i单元第j种作物的总成本，元/kg；di,j为第i单元第j种作物的政府补贴，元/kg。
1.1.3 约束条件
1）生态需水约束
为保障灌区的可持续发展，考虑经济效益的同时满足生态需水要求，改善灌区内部的生态环境，灌区需保留一定的生态环境用水以维持生态环境不再退化、生态系统功能正常运行。
n∑i=1T∑t=1K∑k=1xk,i,t≥Qmin (3) 式中Qmin为最小生态需水量，m3。
2）农业面源污染约束
为实现生态系统的良性循环，改善水环境质量，农药和化肥在农业生产过程中应当低于生态型灌区中所规定施用强度的最大限额。
\sum _{j=1}^{J}\frac{{y}_{i,j}{h}_{j}}{{S}_{i}}\le H (4) \sum _{j=1}^{J}\frac{{y}_{i,j}{r}_{j}}{{S}_{i}}\le R (5) 式中hj为不同作物单位播种面积化肥施用量，kg/hm2；Si为不同计算单元种植结构调整前农作物的总耕地面积，hm2；H为单位作物播种面积化肥施用强度，kg/hm2；rj为不同作物单位播种面积农药施用量，kg/hm2；R为单位作物播种面积农药施用强度，kg/hm2。
3）可供水量约束
\sum _{i=1}^{n}\sum _{t=1}^{T}\sum _{k=1}^{K}{x}_{k,i,t}\le {Q}_{k} (6) 式中Qk为灌区不同水源的可供水量，m3。
4）用水总量控制约束
种植结构调整后的各水源用水量不能超过各水源用水总量控制目标。
\sum _{i=1}^{n}\sum _{t=1}^{T}\sum _{k=1}^{K}{x}_{k,i,t}\le {W}_{k} (7) 式中Wk为不同水源用水总量控制目标，m3。
5）耕地面积约束
种植结构调整后各计算单元不同种植制度下总播种面积不高于各计算单元种植结构调整前农作物的总耕地面积。
\sum _{j=1}^{J}{y}_{i,j}\le {S}_{i} (8) 6）粮食安全约束
灌区内作物产量应不低于灌区所需承担的粮食生产安全红线。
\sum _{i=1}^{n}\sum _{t=1}^{T}\sum _{k=1}^{K}{x}_{k,i,t}{a}_{i,j}\le P (9) 式中P为粮食安全红线，kg。
7）水库水量平衡约束
{V}_{t+1}={V}_{t}-\left(\sum _{i=1}^{n}\sum _{t=1}^{T}\sum _{k=1}^{K}{x}_{k,i,t}\right)+{e}_{t}-{f}_{t}-{g}_{t} (10) 式中Vt、Vt+1分别为第t、t+1时段水库的蓄水量，m3；et为第t时段水库的入库流量，m3；ft为第t时段水库的渗漏量，m3；gt为第t时段水库的蒸发量，m3。
8）水库库容约束
{V}_{\rm{min}t}\le {V}_{t}\le {V}_{{\rm{max}}t} (11) 式中Vmin t、Vmax t分别是水库第t时段的最小、最大库容，m3。
9）渠道输水能力约束
从渠首引水后在渠道中输送的水量要控制在渠道允许的最大流量范围之内，保证渠道不淤不冲。
\sum _{i=1}^{n}\sum _{t=1}^{T}\sum _{k=1}^{K}{x}_{k,i,t}\le {Q}_{\max k,t} (12) 式中Qmaxk,t为第k种水源输水渠道第t时段的最大输水能力，m3。
10）非负约束
模型涉及的所有变量和参数包括计算单元配水量、农作物播种面积、作物需水量、灌溉水利用系数、水库蓄水量、水库取水许可量、水库渗漏量、水库蒸发量、最低蓄水量、最高蓄水量、渠道最大输水能力、生态需水量等均为非负值。
1.2 模型求解
首先，根据种植结构调整需求构建多目标数学优化模型，然后采用自主改进的基于精英策略并协遗传算法（NSGAⅡ-S）对优化模型进行求解，该算法是在NSGA-Ⅱ遗传算法的基础上，通过引入精英策略和协同进化的遗传算法。精英策略可保留每一代中的最优个体，避免丢失有价值的遗传信息；协同进化确保不同个体之间的协同优化，进一步增强多目标优化的效果。与传统遗传算法相比具有更好的适用性，在收敛速度和全局搜索能力上有所改进，求解过程更加快捷方便[28-29]，可以精准定量表示水资源变化情况，为水资源动态变化下的水资源适应性开发利用提供科学依据[30]。NSGAⅡ-S的求解利用Matlab R2019b通过GUI方式调用自带的Linprog函数进行编程计算，NSGAⅡ-S算法的原理及求解过程如图1所示。
![]()
图 1 NSGAⅡ-S算法求解流程图注：T为时段数。Figure 1. The solving process of NSGAⅡ-S algorithmNote: T is counts of time duration.2. 实例研究
2.1 研究区概况
漳滏河灌区位于河北省邯郸市中部（36˚13΄～36˚53΄N，114˚13΄～115˚16΄E），是河北省最大的灌区（图2），素有“冀南粮仓”“冀南棉海”之称[31]。灌区地处半湿润半干旱区，呈西南高、东北低的地形趋势，属北温带大陆性季风气候，年均耗水量700 mm以上，而年均降水量只有580 mm，水资源难以存续。灌区主要水源地为水库水、外调水和地下水，水库水包括东武仕水库和岳城水库，外调水包括引黄水和引江水，按照地表水源地的不同，整个灌区被划分为滏阳河分灌区和民有渠分灌区，总控制面积为3.48×105 hm2，其中耕地面积占比75%，农田灌溉用水量巨大[32]。
![]()
图 2 漳滏河灌区地理位置注：F01-F07中F为滏阳河分灌区7个计算单元。M01-M10为民有渠分灌区10个计算单元。下同。Figure 2. Geographical location of Zhangfu River Irrigation DistrictNote:F01-F07 is seven calculation units of Fuyang sub-river and M01-M10 is ten calculation units of Minyou sub-river. Same as below.长期以来，灌区形成了冬小麦-夏玉米一年两熟的主要粮食生产种植制度。2022年，灌区的种植结构以冬小麦、夏玉米、棉花、果树、蔬菜、花生、大豆以及苜蓿作为典型作物，作物种植面积分别为23.23、23.23、6.54、1.77、0.40、0.27、3.03、0.33 hm2。其中，以高耗水低效益的冬小麦、夏玉米为主的粮食作物播种面积占灌区农作物播种面积的71.41%，棉花、果树和蔬菜等经济作物占28.59%[33]。在冬小麦生育期，降水和地表水难以满足冬小麦的用水需求，因此抽取地下水补充灌溉成为保障粮食稳产、高产的关键。长期高强度的农业生产已经引发了地下水位下降、河道断流、地面沉降等一系列生态环境问题[34]，已成为生态文明建设的突出短板[35]，进一步加剧了华北平原的水资源危机[36-37]。
为严格地下水管理与保护，2019年邯郸市水利局制定了《邯郸市地下水超采综合治理实施意见》，要求以节水压采目标为导向，科学合理控制水资源开发程度，提高水资源利用效率，优先利用外调水和地表水，适当压减依靠地下水灌溉的冬小麦播种面积[38]，减少取用地下水总量，加快促进农业种植结构调整，进一步提高农业种植效益。地下水压采目标的实现是要在一定程度上减少冬小麦播种面积和耗水，而粮食安全的保障又需要稳定其产量。
根据灌区资料和计算需要，结合地形地貌、灌区内供水系统和灌溉水源的不同[39]，将2个节制闸之间控制的区域作为一个计算单元，共设置了17个计算单元，其中，滏阳河分区共有7个（F01～F07）计算单元，由东武仕水库供水；民有分区共有10个（M01～M10）计算单元，由岳城水库供水；引江水的供水单元为F01～F07、M01～M10，引黄水的供水单元包括M07和M10（图3）。
![]()
图 3 漳滏河灌区水资源系统网络Figure 3. Water resources system network diagram of Zhangfu River irrigation area2.2 模型参数
灌区作物种植结构和播种面积数据由美国国家航空航天局（National Aeronautics and Space Administration，NASA）网站（https://ladsweb.modaps.eosdis.nasa.gov/search/）提供的MODIS数据解译得出；农作物的灌溉定额数据来自《河北省地方标准：农业用水定额（DB13/T5449.1-2021）》[40]；农作物的产量、产值、利润、成本数据来自2022年《全国农产品成本收益资料汇编》的河北省农业费用及用工情况[41]；不同水源的可供水量和用水总量控制目标取自《漳滏河灌区水资源论证报告》，其中东武仕水库、岳城水库、引黄水和引江水以及地下水的用水总量红线分别为1.60×108、2.36×108、1.12×108、3.52×108、2.71×108 m3；东武仕水库和岳城水库的最大最小库容和各渠道的输水能力取自《漳滏河灌区水土资源平衡分析报告》[42]，优化配置模型的主要输入参数及变量如表1所示。
表 1 优化配置模型主要输入参数Table 1. The main input parameters of the optimal configuration model符号
Symbol输入参数
Input parameter单位
Unit数值
Value符号
Symbol输入参数
Input parameter单位
Unit数值
ValueQ1 东武仕水库可供水量 108 m3 1.60 e1 东武仕水库入库流量 104 m3 3 000 Q2 岳城水库可供水量 108 m3 2.36 e2 岳城水库入库流量 104 m3 15 000 Q3 引黄水可供水量 108 m3 1.12 f1 东武仕水库渗漏量 104 m3 484.50 Q4 引江水可供水量 108 m3 3.52 f2 岳城水库渗漏量 104 m3 3 900 Q5 地下水可供水量 108 m3 2.71 g1 东武仕水库蒸发量 104 m3 48 W1 东武仕水库取水许可 108 m3 2.10 g2 岳城水库蒸发量 104 m3 390 W2 岳城水库取水许可 108 m3 2.36 Qmax1 滏阳河干渠输水能力 104 m3 9 072 W4 地下水用水总量红线 109 m3 1.17 Qmax2 民有总干输水能力 104 m3 18144 V1 max 东武仕水库最大库容 108 m3 1.62 Qmax3 民有一干输水能力 104 m3 10368 V1 min 东武仕水库最小库容 108 m3 0.08 Qmax4 民有二干输水能力 104 m3 4665.60 V2 max 岳城水库最大库容 108 m3 13.00 Qmax5 民有三干输水能力 104 m3 2592 V2 min 岳城水库最小库容 108 m3 0.50 H 单位面积化肥施用强度 kg·hm-2 850 η 灌溉水利用系数 - 0.62(滏阳河)
0.64(民有)R 单位面积农药施用强度 kg·hm-2 30 2.3 情景方案设置
邯郸市提出推进农业种植结构调整行动，在地下水严重超采区将主要依靠抽取地下水灌溉的冬小麦播种面积适当压减，扩大低耗水作物和耐旱作物的播种面积，种植雨热同季的玉米、油料豆科和苜蓿，减少地下水用量。本研究以2022年漳滏河灌区种植结构作为现状情景（CS1），在此基础上，针对漳滏河灌区适宜的作物熟制、作物种类、种植制度、灌溉方式以及河北省邯郸市提出的农业种植结构调整实施方案又设置了7种情景，分别为CS2（种植结构保持现状，灌溉方式采取管灌或喷灌）、CS3（削减冬小麦的种植面积，种植苜蓿，灌溉方式采取渠道防渗）、CS4（削减冬小麦的种植面积，种植苜蓿，灌溉方式采取管灌或喷灌）、CS5（削减冬小麦和夏玉米的种植面积，种植花生、大豆、苜蓿，灌溉方式采取渠道防渗）、CS6（削减冬小麦和夏玉米的种植面积，种植花生、大豆、苜蓿，灌溉方式采取管灌或喷灌）、CS7（削减冬小麦、夏玉米和蔬菜的种植面积，种植花生、大豆、苜蓿，灌溉方式采取渠道防渗）、CS8（削减冬小麦、夏玉米和蔬菜的种植面积，种植花生、大豆、苜蓿，灌溉方式采取管灌或喷灌）；其中苜蓿为旱作雨养型作物，不进行灌溉。8种不同情景设置如表2所示。研究分析8种不同情景下作物种植结构优化前后水资源配置、农作物播种面积和经济效益变化情况。
表 2 情景设置Table 2. Scenario setting序号
No.作物类型Crop type 符号
Symbol冬小麦
Winter wheat夏玉米
Summer maize蔬菜
Vegetables花生
Peanuts大豆
Soybean苜蓿
Alfalfa棉花
Cotton果树
Fruit trees1 N-CA N-CA N-CA N-CA N-CA N-N N-CA N-CA CS1 2 N-PS N-PS N-PS N-PS N-PS N-N N-PS N-PS CS2 3 R-CA N-CA N-CA N-CA N-CA I-N N-CA N-CA CS3 4 R-PS N-PS N-PS N-PS N-PS I-N N-PS N-PS CS4 5 R-CA R-CA N-CA I-CA I-CA I-N N-CA N-CA CS5 6 R-PS R-PS N-PS I-PS I-PS I-N N-PS N-PS CS6 7 R-CA R-CA R-CA I-CA I-CA I-N N-CA N-CA CS7 8 R-PS R-PS R-PS I-PS I-PS I-N N-PS N-PS CS8 注：N代表不进行任何干预；CA代表渠道防渗；PS代表管灌或者喷灌；R代表压减种植面积；I代表增加种植面积。 Note: N represents no intervention; CA represents channel anti-seepage; PS represents pipe irrigation or spray irrigation; R represents the reduction of planting area; I represents an increase in planting area. 3. 结果与分析
3.1 不同情景优化方案水资源配置结果
通过模型对灌区各水源及各计算单元进行水资源优化配置，得到不同情景下的水资源配置情况，详见表3。可以看出水库配水量（岳城和东武仕水库总量）高于其他水源的配水量，水库水、引黄水和引江水均达到用水总量控制目标（表1），但仍难以满足灌区用水需求，需额外抽取地下水进行灌溉，不同情景中灌区配水总量最多的是CS1（11.27×108 m3），最少的是CS4（8.66×108 m3）。
表 3 不同情景水资源优化配置Table 3. Optimal allocation of water resources in different scenarios情景
Scenario配水量Allocation water/108 m3 水库水
Reservoir引黄水
Yellow River water引江水
River water地下水开采量
Groundwater exploration配水总量
Allocation waterCS1 3.96 1.12 3.52 2.67 11.27 CS2 3.96 1.12 3.52 0.55 9.15 CS3 3.96 1.12 3.52 0.67 9.27 CS4 3.96 1.12 3.52 0.06 8.66 CS5 3.96 1.12 3.52 0.84 9.44 CS6 3.96 1.12 3.52 0.21 8.81 CS7 3.96 1.12 3.52 0.78 9.38 CS8 3.96 1.12 3.52 0.15 8.75 为了进一步分析各情景的时空配水情况，需要对不同情景按照不同水源、不同单元进行统计分析。图4为不同情景多水源不同月份配水量统计图，可以看出不同情景的配水量主要集中在3月、5月、7月以及11月，其中水库水、引黄水和地下水的配水量在不同月份呈现出明显的差异；水库水的配水量比例相对稳定，在春季和夏季相对较高；引黄水的配水量主要集中在用水高峰期的冬小麦和夏玉米的生育期，在冬季，由于黄河冰期，水量减少，则更多地使用水库水；地下水的配水量相对较为稳定，在各月份都有所使用，但在夏季也出现了明显的增减。
![]()
图 4 不同情景多水源月配水量Figure 4. Monthly allocation water （AW） distribution of multi-water sources in different scenarios图5为不同情景计算单元配水量分布图，总体上滏阳河分区（F01～F07）的总配水量低于民有分区（M01～M10），滏阳河分区的各计算单元间的配水量较为均匀，而民有分区的各计算单元间的配水量变化明显。靠近水源的计算单元配置的水量较为均衡，水量变化不明显；而远离水源的计算单元，特别是M05、M07、M10、F07，由于上游用水量和渠道输水能力的限制，其配水量有着明显的变化。
![]()
图 5 不同情景计算单元配水量分布Figure 5. Allocation water per unit （AWPU）distribution in different scenarios图6为不同情景各计算单元不同水源的配水量，民有分区各单元不同水源的配水量明显多于滏阳河分区，各灌溉分区上游的配水量明显多于下游的配水量。种植结构优化前，滏阳河分区的各计算单元（F01～F07）及民有分区的上游计算单元（M01～M06）主要使用水库水和地下水，民有分区的下游M08和M09计算单元以地下水为主，下游M07和M10计算单元则主要使用引黄水和地下水。种植结构优化后，滏阳河分区的各计算单元（F01～F07）及民有分区的上游计算单元（M01～M06）以水库水为主，辅以地下水；水库水可以供给灌溉分区的下游计算单元，民有分区的下游M08和M09计算单元以水库水为主，下游M07和M10计算单元则主要使用引黄水，地下水用于补充灌溉。种植结构优化后，各计算单元地下水开采量明显减少，有效缓解灌区用水紧张情况，对于实施地下水压采政策和协调水粮矛盾具有一定的指导意义。
![]()
图 6 不同情景计算单元不同水源配水量Figure 6. Allocation water perunit from different water sources in different scenario units3.2 基于节水效果和经济效益的种植结构优化
通过模型进行种植结构优化以及地表水和地下水联合调度后，明显节约了农业灌溉用水量，减少了地下水开采量。计算出不同情景灌区水资源优化配置结果如表4所示，与种植结构优化前（CS1）相比，采取节水措施前，冬小麦播种面积压减17.70%（CS3），地下水压采比例为16.42%，灌区的经济效益增加了26.41%；冬小麦、夏玉米播种面积分别压减13.19%、22.60%（CS5），地下水压采比例为14.77%，灌区的经济效益增加了20.89%；冬小麦、夏玉米、蔬菜播种面积分别压减10.88%、22.60%、39.35%（CS7），地下水压采比例为15.41%，灌区的经济效益增加了20.54%；对比采取节水灌溉方式前后，CS2、CS4、CS6、CS8的配水量分别减少了18.83%、6.68%、6.75%、6.70%，由此可得出，种植结构优化前，由于作物种植模式粗放单一，节水灌溉方式可以节约大量农业用水，提高水资源利用效率；经过种植结构优化后，节水灌溉方式对其节水作用明显减弱。随着种植结构的不断优化和节水灌溉技术的不断进步，灌区农业生产将更加高效和可持续。
表 4 不同情景作物种植面积和经济效益Table 4. Crop planting area and economic benefit under different scenarios作物类型
Crop type种植面积
Planting area/104 hm2压减比例
Reduction ratio/%经济效益
Economic benefit/108元CS1
(CS2)CS3
(CS4)CS5
(CS6)CS7
(CS8)CS1
(CS2)CS3
(CS4)CS5
(CS6)CS7
(CS8)CS1
(CS2)CS3
(CS4)CS5
(CS6)CS7
(CS8)冬小麦
Winter wheat12.79 10.61 11.11 11.40 0 0 13.19 10.88 4.37 3.62 3.79 3.89 夏玉米
Summer maize12.79 12.79 9.90 9.90 0 0 22.60 22.60 6.78 6.78 5.25 5.25 蔬菜
Vegetables1.49 1.49 1.49 0.91 0 0 0 39.35 0.86 0.86 0.86 0.52 花生
Peanuts0 0 2.89 2.89 0 0 0 0 0 0 2.41 2.41 苜蓿
Alfalfa0 2.19 1.69 1.39 0 0 0 0 0 4.60 3.54 2.92 棉花
Cotton2.58 2.58 2.58 2.58 0 0 0 0 0.81 0.81 0.81 0.81 果树
Fruit trees1.05 1.05 1.05 1.05 0 0 0 0 1.75 1.75 1.75 1.75 总计Total 30.71 30.71 30.71 30.12 0 0 0 1.92 14.57 18.41 17.61 17.56 3.3 经济效益分析
不同情景种植结构如图7所示，CS3和CS4压减F01、M01、M07、M09的冬小麦种植面积，改种苜蓿；CS5和CS6压减F01、M01、M07的冬小麦种植面积和M10、F02-F07的夏玉米种植面积，分别种植苜蓿和花生；CS7和CS8压减F01、M01、M03的冬小麦种植面积、F01和F03～M10的蔬菜种植面积和M10、F02～F07的夏玉米种植面积，分别种植苜蓿和花生。
综上，压减高耗水低效益作物的播种面积，增加低耗水高效益作物的播种面积，灌区的经济效益会有明显增加，但是在保障粮食安全和地下水压采的前提下，进一步压减作物面积，其经济效益并不会增加。通过优化后的配水方案和相应的种植结构可知，CS4是最佳的种植结构优化方案，在保证配水总量最小的同时，具有更高的经济效益，也符合灌区的实际效益情况。由于河北省对苜蓿为主的旱作雨养作物补贴较高，因此，将主要依靠抽取地下水灌溉的冬小麦播种面积适当压减，种植苜蓿，变灌溉农业为旱作雨养农业，可以极大地减少地下水开采量，增加灌区经济效益。
4. 结 论
为科学优化灌区水资源配置，以河北省邯郸市漳滏河灌区为研究对象，构建了综合考虑农业灌溉用水量、经济效益的多目标多水源优化配置模型，获得不同情景下的水资源优化配置方案。结论如下：
1）应用模型进行种植结构优化后，各情景配水总量均有所减少，不同情景配水量减少比例为17.71%～23.20%；对比采取节水灌溉方式后的配水量减少比例为6.70%～18.83%。适当压减主要依靠抽取地下水灌溉的冬小麦的播种面积，变灌溉农业为旱作雨养农业，可以极大地减少地下水用量，与种植结构优化前相比，优化后不同情景地下水压采比例为14.77%～23.05%。
2）不同情景的配水量大部分集中在冬小麦和夏玉米的生育期，水库水配水量比例相对稳定，引黄水配水量主要集中在用水高峰期的夏季，在冬季则更多地使用水库水和引江水。滏阳河分区的总配水量低于民有分区，滏阳河分区的各计算单元间的配水量较为均匀，民有分区的各计算单元间的配水量变化明显。
3）压减高耗水低效益作物的播种面积，增加低耗水高效益作物的播种面积，可以明显增加灌区经济效益，不同情景经济效益增加比例为20.54%～26.41%。通过模型优化后的配水方案和相应的种植结构可知，最佳的种植结构优化方案为CS4（削减冬小麦的种植面积，种植苜蓿，灌溉方式采取管灌或喷灌），该方案冬小麦播种面积压减17.10%，地下水开采量减少了16.42%，灌区的经济效益增加了26.41%，在保证配水总量最小的同时，具有更高的经济效益。
本研究所构建的灌区多目标多水源优化配置模型综合考虑了灌区农业灌溉用水量和经济效益，探索了灌区种植结构优化和水资源配置的新模式。此外，通过灌区模型概化厘清了各计算单元的供水关系，充分发挥了灌区水资源的合理调配，为灌区的水资源规划与管理提供了决策依据。由于灌区不同水源的水价差异会对模型的配置结果产生影响，因此，在未来的研究中，应核算灌区不同水源的用水价格，以期获得更为准确的结果。
-
![]()
图 1 NSGAⅡ-S算法求解流程图
注：T为时段数。
Figure 1. The solving process of NSGAⅡ-S algorithm
Note: T is counts of time duration.
![]()
图 2 漳滏河灌区地理位置
注：F01-F07中F为滏阳河分灌区7个计算单元。M01-M10为民有渠分灌区10个计算单元。下同。
Figure 2. Geographical location of Zhangfu River Irrigation District
Note:F01-F07 is seven calculation units of Fuyang sub-river and M01-M10 is ten calculation units of Minyou sub-river. Same as below.
![]()
图 3 漳滏河灌区水资源系统网络
Figure 3. Water resources system network diagram of Zhangfu River irrigation area
![]()
图 4 不同情景多水源月配水量
Figure 4. Monthly allocation water （AW） distribution of multi-water sources in different scenarios
![]()
图 5 不同情景计算单元配水量分布
Figure 5. Allocation water per unit （AWPU）distribution in different scenarios
![]()
图 6 不同情景计算单元不同水源配水量
Figure 6. Allocation water perunit from different water sources in different scenario units
表 1 优化配置模型主要输入参数
Table 1 The main input parameters of the optimal configuration model
符号
Symbol输入参数
Input parameter单位
Unit数值
Value符号
Symbol输入参数
Input parameter单位
Unit数值
ValueQ1 东武仕水库可供水量 108 m3 1.60 e1 东武仕水库入库流量 104 m3 3 000 Q2 岳城水库可供水量 108 m3 2.36 e2 岳城水库入库流量 104 m3 15 000 Q3 引黄水可供水量 108 m3 1.12 f1 东武仕水库渗漏量 104 m3 484.50 Q4 引江水可供水量 108 m3 3.52 f2 岳城水库渗漏量 104 m3 3 900 Q5 地下水可供水量 108 m3 2.71 g1 东武仕水库蒸发量 104 m3 48 W1 东武仕水库取水许可 108 m3 2.10 g2 岳城水库蒸发量 104 m3 390 W2 岳城水库取水许可 108 m3 2.36 Qmax1 滏阳河干渠输水能力 104 m3 9 072 W4 地下水用水总量红线 109 m3 1.17 Qmax2 民有总干输水能力 104 m3 18144 V1 max 东武仕水库最大库容 108 m3 1.62 Qmax3 民有一干输水能力 104 m3 10368 V1 min 东武仕水库最小库容 108 m3 0.08 Qmax4 民有二干输水能力 104 m3 4665.60 V2 max 岳城水库最大库容 108 m3 13.00 Qmax5 民有三干输水能力 104 m3 2592 V2 min 岳城水库最小库容 108 m3 0.50 H 单位面积化肥施用强度 kg·hm-2 850 η 灌溉水利用系数 - 0.62(滏阳河)
0.64(民有)R 单位面积农药施用强度 kg·hm-2 30 
下载: 导出CSV
表 2 情景设置
Table 2 Scenario setting
序号
No.作物类型Crop type 符号
Symbol冬小麦
Winter wheat夏玉米
Summer maize蔬菜
Vegetables花生
Peanuts大豆
Soybean苜蓿
Alfalfa棉花
Cotton果树
Fruit trees1 N-CA N-CA N-CA N-CA N-CA N-N N-CA N-CA CS1 2 N-PS N-PS N-PS N-PS N-PS N-N N-PS N-PS CS2 3 R-CA N-CA N-CA N-CA N-CA I-N N-CA N-CA CS3 4 R-PS N-PS N-PS N-PS N-PS I-N N-PS N-PS CS4 5 R-CA R-CA N-CA I-CA I-CA I-N N-CA N-CA CS5 6 R-PS R-PS N-PS I-PS I-PS I-N N-PS N-PS CS6 7 R-CA R-CA R-CA I-CA I-CA I-N N-CA N-CA CS7 8 R-PS R-PS R-PS I-PS I-PS I-N N-PS N-PS CS8 注：N代表不进行任何干预；CA代表渠道防渗；PS代表管灌或者喷灌；R代表压减种植面积；I代表增加种植面积。 Note: N represents no intervention; CA represents channel anti-seepage; PS represents pipe irrigation or spray irrigation; R represents the reduction of planting area; I represents an increase in planting area.
下载: 导出CSV
表 3 不同情景水资源优化配置
Table 3 Optimal allocation of water resources in different scenarios
情景
Scenario配水量Allocation water/108 m3 水库水
Reservoir引黄水
Yellow River water引江水
River water地下水开采量
Groundwater exploration配水总量
Allocation waterCS1 3.96 1.12 3.52 2.67 11.27 CS2 3.96 1.12 3.52 0.55 9.15 CS3 3.96 1.12 3.52 0.67 9.27 CS4 3.96 1.12 3.52 0.06 8.66 CS5 3.96 1.12 3.52 0.84 9.44 CS6 3.96 1.12 3.52 0.21 8.81 CS7 3.96 1.12 3.52 0.78 9.38 CS8 3.96 1.12 3.52 0.15 8.75
下载: 导出CSV
表 4 不同情景作物种植面积和经济效益
Table 4 Crop planting area and economic benefit under different scenarios
作物类型
Crop type种植面积
Planting area/104 hm2压减比例
Reduction ratio/%经济效益
Economic benefit/108元CS1
(CS2)CS3
(CS4)CS5
(CS6)CS7
(CS8)CS1
(CS2)CS3
(CS4)CS5
(CS6)CS7
(CS8)CS1
(CS2)CS3
(CS4)CS5
(CS6)CS7
(CS8)冬小麦
Winter wheat12.79 10.61 11.11 11.40 0 0 13.19 10.88 4.37 3.62 3.79 3.89 夏玉米
Summer maize12.79 12.79 9.90 9.90 0 0 22.60 22.60 6.78 6.78 5.25 5.25 蔬菜
Vegetables1.49 1.49 1.49 0.91 0 0 0 39.35 0.86 0.86 0.86 0.52 花生
Peanuts0 0 2.89 2.89 0 0 0 0 0 0 2.41 2.41 苜蓿
Alfalfa0 2.19 1.69 1.39 0 0 0 0 0 4.60 3.54 2.92 棉花
Cotton2.58 2.58 2.58 2.58 0 0 0 0 0.81 0.81 0.81 0.81 果树
Fruit trees1.05 1.05 1.05 1.05 0 0 0 0 1.75 1.75 1.75 1.75 总计Total 30.71 30.71 30.71 30.12 0 0 0 1.92 14.57 18.41 17.61 17.56
下载: 导出CSV
-
[1] 南芳,李杨. 水资源约束下唐山市农业结构调整[J]. 河北理工大学学报(社会科学版),2009,9(4):54-56. NAN Fang, LI Yang. Agricultural structure adjustment in Tangshan City under water resources constraints[J]. Journal of Hebei University of Technology (Social Science), 2009, 9(4): 54-56. (in Chinese with English abstract)
[2] 庞博,李天霄,孙彦坤,等. 考虑生态环境的灌区双水源区间两阶段模糊可信性约束模型[J]. 农业工程学报,2023,39(3):102-112. doi: 10.11975/j.issn.1002-6819.202208076 PANG Bo, LI Tianxiao, SUN Yankun, et al. Interval two-stage stochastic fuzzy credibility constrained model for double water resources considering ecological environment in irrigation areas[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(3): 102-112. (in Chinese with English abstract) doi: 10.11975/j.issn.1002-6819.202208076
[3] 姜秋香,付强,朱长虹,等. 基于多维临界调控理论的水资源优化配置研究进展[J]. 东北农业大学学报,2015,46(7):103-108. JIANG Qiuxiang, FU Qiang, ZHU Changhong, et al. Research progress on optimal allocation of water resources based on multidimensional critical regulation theory[J]. Journal of Northeast Agricultural University, 2015, 46(7): 103-108. (in Chinese with English abstract)
[4] 李晨洋,张志鑫. 基于区间两阶段模糊随机模型的灌区多水源优化配置[J]. 农业工程学报,2016,32(12):107-114. doi: 10.11975/j.issn.1002-6819.2016.12.016 LI Chenyang, ZHANG Zhixin. Optimal allocation of multiple water sources in irrigation areas based on interval two-stage fuzzy random model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(12): 107-114. (in Chinese with English abstract) doi: 10.11975/j.issn.1002-6819.2016.12.016
[5] BEATRIZ A B, MICHAEL F D B, RAYMOND R T. Biochar systems in the water-energy-food nexus: The emerging role of process systems engineering[J]. Current Opinion in Chemical Engineering, 2017, 18: 32-37.
[6] 谌芸,洪林,李丹. 漳河灌区水资源优化配置模型[J]. 西南大学学报(自然科学版),2007, 29(7):158-162. CHEN Yun, HONG Lin, LI Dan. Water resources optimal allocation model for Zhanghe irrigation district[J]. Journal of Southwest University (Natural Science Edition), 2007, 29(7): 158-162. (in Chinese with English abstract)
[7] LI R H, CHANG Y L, WANG Z C. Study of optimal allocation of water resources in Dujiangyan irrigation district of China based on an improved genetic algorithm[J]. Water Supply, 2021, 21(6): 2989-2999.
[8] 王慧,高泽海,孙超,等. 基于NSGA-Ⅱ的灌区水资源优化配置模型及应用[J]. 灌溉排水学报,2021,40(9):118-124. WANG Hui, GAO Zehai, SUN Chao, et al. Optimal allocation model and application of water resources in irrigation area based on NSGA-II[J]. Journal of Irrigation and Drainage, 2021, 40(9): 118-124. (in Chinese with English abstract)
[9] 张展羽,司涵,冯宝平,等. 缺水灌区农业水土资源优化配置模型[J]. 水利学报,2014,45(4):403-409. ZHANG Zhanyu, SI Han, FENG Baoping, et al. The optimal allocation model of agricultural water and soil resources in water shortage irrigation area[J]. Journal of Hydraulic Engineering, 2014, 45(4): 403-409. (in Chinese with English abstract)
[10] 金涛. 中国粮食作物种植结构调整及其水土资源利用效应[J]. 自然资源学报,2019,34(1):14-25. doi: 10.31497/zrzyxb.20190102 JIN Tao. China 's grain crop planting structure adjustment and its water and soil resource utilization effect[J]. Journal of Natural Resources, 2019, 34(1): 14-25. (in Chinese with English abstract) doi: 10.31497/zrzyxb.20190102
[11] 王璐,杜雄,王荣,等. 基于NSGA-Ⅱ算法的白洋淀上游种植结构优化[J]. 中国生态农业学报(中英文),2021,29(8):1370-1383. WANG Lu, DU Xiong, WANG Rong, et al. Optimization of planting structure in the upper reaches of Baiyangdian Lake based on NSGA-Ⅱ algorithm[J]. Chinese Journal of Ecological Agriculture (Chinese and English), 2021, 29(8): 1370-1383. (in Chinese with English abstract)
[12] BIRHANU K T, MEGERSSA D T A, SEMU A O. Optimizing cropping pattern using chance constraint linear programming for Koga irrigation dam, Ethiopia[J]. Irrigation & Drainage Systems Engineering, 2015, 4(2): 1000134.
[13] El-GHOBASHY Y E, SHAMS A S, LAMLOM M M. Maximizing land use efficiency by intercropping cowpea with some maize cultivars under different maize planting geometries[J]. Agricultural Sciences, 2018, 9(12): 1601-1620. doi: 10.4236/as.2018.912112
[14] 王玉宝. 节水型农业种植结构优化研究[D]. 杨凌:西北农林科技大学,2010. WANG Yubao. Study on the Optimization of Water-saving Agricultural Planting Structure[D]. Yangling: Northwest A & F University, 2010. (in Chinese with English abstract)
[15] 徐万林,粟晓玲,史银军,等. 基于水资源高效利用的农业种植结构及灌溉制度优化——以民勤灌区为例[J]. 水土保持研究,2011,18(1):205-209. XU Wanlin, SU Xiaoling, SHI Yinjun, et al. Agricultural planting structure and irrigation system optimization based on efficient utilization of water resources - A case study of Minqin Irrigation District[J]. Research of Soil and Water Conservation, 2011, 18(1): 205-209. (in Chinese with English abstract)
[16] 王雷明. 水资源约束条件下的农业种植结构优化研究[D]. 杨凌:西北农林科技大学,2017. WANG Leiming. Research on Optimization of Agricultural Planting Structure under Water Resources Constraints[D]. Yangling: Northwest A & F University, 2017. (in Chinese with English abstract)
[17] 赵丹. 黑龙江省农业水土资源系统脆弱性测度及种植结构调控优化[D]. 哈尔滨:东北林业大学,2022. ZHAO Dan. Vulnerability Measurement of Agricultural Water and Soil Resources System and Optimization of Planting Structure Regulation in Heilongjiang Province[D]. Harbin: Northeast Forestry University, 2022. (in Chinese with English abstract)
[18] 张帆,任冲锋,蔡宴朋,等. 基于复合多目标方法的灌区水资源优化配置[J]. 农业机械学报,2021,52(11):297-304. ZHANG Fan, REN Chongfeng, CAI Yanpeng, et al. Optimal allocation of water resources in irrigation areas based on composite multi-objective method[J]. Transactions of the Chinese Society for Agricultural Machinery (Transactions of the CSAM), 2021, 52(11): 297-304. (in Chinese with English abstract)
[19] 何英,唐晓宇,彭亮,等. 南疆丰收灌区水资源多目标优化配置方案优选[J]. 农业工程学报,2021,37(6):117-126. HE Ying, TANG Xiaoyu, PENG Liang, et al. Optimization of multi-objective optimal allocation scheme of water resources in harvest irrigation area of southern Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(6): 117-126. (in Chinese with English abstract)
[20] 刘巍,雷波,廖晋一,等. 灌区分布式多水源时空优化配置[J]. 农业工程学报,2022,38(16):135-143. 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)
[21] 马嘉彤. 基于种植结构优化的豫北地区农业水资源高效利用研究[D]. 郑州:华北水利水电大学,2022. MA Jiatong. Research on Efficient Utilization of Agricultural Water Resources in Northern Henan Based on Optimization of Planting Structure[D]. Zhengzhou: North China University of Water Resources and Hydropower, 2022. (in Chinese with English abstract)
[22] 贾筱娟. 莫索湾灌区种植结构优化与水资源合理配置研究[D]. 石河子:石河子大学,2012. JIA Xiaojuan. Study on the Optimization of Planting Structure and Rational Allocation of Water resources in Mosuowan Irrigation District[D]. Shihezi: Shihezi University, 2012. (in Chinese with English abstract)
[23] GAI Q Y, XIA L, LI J H, et al. A solving approach for fuzzy multi-objective linear fractional programming and application to an agricultural planting structure optimization problem[J]. Chaos, Solitons and Fractals: The interdisciplinary journal of Nonlinear Science, and Nonequilibrium and Complex Phenomena, 2020, 141: 110352.
[24] MAO Y, LU W, HUA P Z. Research on multi-objective optimization model of the planting structure based on TOPSIS[J]. Journal of Physics: Conference Series, 2021, 1848(1): 012109.
[25] LI W, JUN F T, YAN L L, et al. Multi-objective crop planting structure optimisation based on game theory[J]. Water, 2022, 14(13): 2125.
[26] JIAN L, BIN S, HONG L S, et al. Crop water requirement and utilization efficiency-based planting structure optimization in the Southern Huang-Huai-Hai plain[J]. Agronomy, 2022, 12(9): 2219.
[27] GE S, GAO F R. Spatial response of cultivated land use efficiency to the maize structural adjustment policy in the "Sickle Bend" region of China: An empirical study from the cold area of northeast[J]. Land Use Policy, 2022, 123:106421.
[28] 王传生. 基于GWAS模型的武安市水资源优化配置研究[D]. 邯郸:河北工程大学,2022. WANG Chuansheng. Research on Optimal Allocation of Water Resources in Wu'an City Based on GWAS model[D]. Handan: Hebei University of Engineering, 2022. (in Chinese with English abstract)
[29] 栾清华,高昊悦,刘红亮,等. 基于GWAS模型的武安市水资源优化配置[J]. 水资源保护,2023,39(3):32-42. LUAN Qinghua, GAO Haoyue, LIU Hongliang, et al. Optimal allocation of water resources in Wu 'an City based on GWAS model[J]. Water Resources Protection, 2023, 39(3): 32-42. (in Chinese with English abstract)
[30] 桑学锋,王浩,王建华,等. 水资源综合模拟与调配模型WAS(I):模型原理与构建[J]. 水利学报,2018,49(12):1451-1459. SANG Xuefeng, WANG Hao, WANG Jianhua, et al. Water resources integrated simulation and allocation model WAS (I): Model principle and construction[J]. Journal of Hydraulic Engineering, 2018, 49(12): 1451-1459. (in Chinese with English abstract)
[31] 贾永华. 浅述漳滏河灌区续建配套建设管理模式[J]. 河北水利,2010, 7: 27. [32] 尚瑞朝,李苏,徐丹. 邯郸市农业用水结构时空变化特征及用水预测分析[J]. 人民珠江,2019,40(10):66-72, 136. SHANG Ruichao, LI Su, XU Dan. Spatio-temporal variation characteristics and prediction analysis of agricultural water use structure in Handan[J]. People 's Pearl River, 2019, 40(10): 66-72, 136. (in Chinese with English abstract)
[33] 邯郸市统计局. 2022年邯郸市统计年鉴[M]. 北京:中国统计出版社,2022. [34] 赵伟,张封. 南水北调中线工程对河北地下水超采综合治理的作用分析[C]//中国水利学会. 中国水利学会2019学术年会论文集第二分册. 北京:中国水利水电出版社,2019:57-59. [35] 泉涛,李红军,沈彦俊,等. 地下水压采下河北平原冬小麦面积及耗水变化[J]. 中国生态农业学报(中英文),2023, 31(9): 1460-1470. QUAN Tao, LI Hongjun, SHEN Yanjun, et al. Changes of winter wheat area and water consumption in Hebei Plain under groundwater pressure mining[J]. Chinese Journal of Eco-Agriculture(Chinese and English) , 2023, 31(9): 1460-1470. (in Chinese with English abstract)
[36] 张雅芳,郭英,沈彦俊,等. 华北平原种植结构变化对农业需水的影响[J]. 中国生态农业学报(中英文),2020,28(1):8-16. ZHANG Yafang, GUO Ying, SHEN Yanjun, et al. Effects of changes in planting structure on agricultural water demand in the North China Plain[J]. Chinese Journal of Eco-Agriculture (Chinese and English ), 2020, 28(1): 8-16. (in Chinese with English abstract)
[37] 崔硕,张国梅,杨祎娜,等. 水资源利用视角下邯郸市农作物种植结构调整研究[J]. 天津农业科学,2023,29(1):39-44. CUI Shuo, ZHANG Guomei, YANG Yina, et al. Study on crop planting structure adjustment in Handan City from the perspective of water resources utilization[J]. Tianjin Agricultural Science, 2023, 29(1): 39-44. (in Chinese with English abstract)
[38] 耿建康. 涿州市地下水超采综合治理探析[C]//中国水利学会,黄河水利委员会. 中国水利学会2020学术年会论文集第三分册. 北京:中国水利水电出版社,2020:202-205. [39] 胡艳玲,黄仲冬,齐学斌,等. 基于线性规划和MODFLOW耦合技术的人民胜利渠灌区水资源优化配置研究[J]. 灌溉排水学报,2019,38(12):85-92. HU Yanling, HUANG Zhongdong, QI Xuebin, et al. Research on optimal allocation of water resources in the People's Victory Canal Irrigation District based on linear programming and MODFLOW coupling technology[J]. Journal of Irrigation and Drainage, 2019, 38(12): 85-92. (in Chinese with English abstract)
[40] 河北省水利厅. 农业用水定额 第1部分:种植业:DB13/T5449.1-2021[S]. 石家庄:中国水利水电出版社,2021. [41] 国家发展和改革委员会价格司价格成本调查中心. 全国农产品成本收益资料汇编[M]. 北京:中国统计出版社,2022:101-164. [42] 朱秀珍. 河北省邯郸市漳滏河灌区水土资源平衡分析报告[R]. 北京:中国水利水电科学研究院,2023:8.
计量
- 文章访问数: 180
- HTML全文浏览量: 9
- PDF下载量: 55
