首页 > 分享 > Quantification of Canal and Well Irrigation Water Usage Ratio in Irrigation District Based on a Social Hydrological Model Considering Farmers’ Irrigation Behavior

Quantification of Canal and Well Irrigation Water Usage Ratio in Irrigation District Based on a Social Hydrological Model Considering Farmers’ Irrigation Behavior

花匠小妙招
2024-10-29 18:44

0 引言

我国是一个农业大国，灌区在我国国民经济和社会发展中发挥重要作用，灌区用占全国40%的耕地生产了75%的粮食和90%以上的经济作物，为我国社会经济发展和粮食安全提供了重要的基础保障[1]。随着人口增长、居民生活水平提高和气候变化影响的加剧，人类社会对水资源的需求急剧增加，水资源供需矛盾日益突出，导致部分区域农业用水供需矛盾加剧。尤其是干旱半干旱的西北地区，由于缺乏足够的地表径流来满足灌溉用水，发展了大规模的井灌区与原有的渠灌形成了渠井结合灌溉模式，以井灌代替排水，形成了渠井双灌模式[2]。

地表水和地下水联合利用提高了灌溉用水保证率，增加了灌区应对气候变化的韧性，对保障灌区生态环境的良性循环和经济社会的可持续发展发挥了重要作用。受气候变化和人类活动的双重影响，我国部分渠井结合灌区的水资源供需矛盾日益突出。由于地下水资源的开发利用缺乏有效监管，致使一些灌区地下水超采严重，渠井灌溉用水比例失调、地下水采补失衡，进而引发了一系列农业生态环境问题，直接影响灌区水资源的高效安全利用和灌溉农业的可持续发展[3]。灌区是气候变化的敏感区和人类活动的密集区，渠井结合灌区的水循环受诸多人类活动的影响[4]，因此过程复杂且难以量化。传统的研究方法（如统计模型）[5]可以得到水量平衡关系，但难以定量计算人类活动因素对水循环的影响，难以做到对地下水循环过程的准确描述[6]。

当前部分井渠结合管理中存在诸多问题，如运行管理费缺乏有效保障，灌溉水水价偏低，农户对灌区地下水涵养认知不足，渠井分属不同的管理部门等导致许多灌区没有真正实现“渠井双灌”，而是走向了“渠井分灌”之路[7]，使得地表水和地下水联合调度优势无法发挥，灌区水资源高效利用和农业可持续发展受到严峻挑战。

随着计算机技术的发展和灌区水资源管理水平的提高，模型在水循环机理研究和水资源管理利用方面发挥着越来越重要的作用[8]。当前灌区水资源管理方式的改进需要深入了解利益相关者用水行为的驱动因素，即农户的灌溉行为应该作为模型开发中重要的一环，国际水文科学协会也提倡应多关注水文学和社会之间的相互作用和反馈以加深对水循环的理解[9]。在传统灌区水文模型中，往往将人类的水资源管理活动视作水循环动力系统的外部因子，虽然模拟了复杂的物理过程，但往往忽略了水文系统与人类活动之间的互馈机制。

灌区大规模引、抽、灌、排等人类活动显著改变了灌区水循环各环节的水分通量[10]，因此研究必须要定量考虑人类活动的影响。Srinivasan等[11]建议将用水户的社会行为纳入水循环的建模范围，在此基础上进一步发展水文模型，考虑人类行为与水文过程的密切作用，构建社会水文学模型来解决水资源管理问题[12, 13]。Pankaj等[14]探讨了如何将人与水之间的关系联系起来，以管理当地的用水需求，同时减轻对水文循环的不利影响。Nazemi等[15]发现目前大量模型在代表人类用水需求的能力相当有限，强调了传统水资源管理模型的局限性。英国帝国理工学院的O'Keeffe等[16]基于印度灌区的野外调查提出了一个包括农民灌溉用水行为的社会水文学框架，提供了一个“自下而上”构建灌区水文模型的方法，通过模型概化将农户的行为和决策与水文模型相结合，定量分析不同灌溉情景对灌区地下水位的影响，以帮助决策者进行科学的决策。当前尽管有部分考虑人类活动的社会水文学模型，但针对渠井结合灌区考虑农户灌溉用水的社会水文学模型较少。

O'Keeffe等的研究结果表明在模型开发中直接纳入利益相关者的见解和经验可以增加模型的适用性，但是文献中没有提供模型的源代码，且印度与中国在灌区管理模式、基本政策和农民行为存在许多差异，而且其模型设置的灌溉方式仅是渠灌或井灌的单一模式，并不符合渠井结合灌区的实际情况。

因此，本研究以典型渠井结合灌区——陕西省宝鸡峡灌区为例，进行了大量的田间调查，收集了作物种植类型、产量和种植成本，灌溉水源选择、灌溉用水量等基础数据，并将观察到的农户灌溉行为概念化和程序化，基于Python语言开发了一个农户灌溉用水模型。该模型将农户的灌溉用水行为与水文物理过程耦合，包含水文、作物产量、农民生计三大模块，在塬上、塬下分别设置了多种情景，模拟了不同渠井灌溉用水比例对地下水位动态、作物产量和农户生计的影响，分区确定地下水取水用量和水位控制指标，为准确量化渠井结合灌区的地下水取用量提供依据，为灌区地表水地下水联合高效安全利用提供强有力的技术支撑。

1 研究区域概况和调查方法

1.1 研究区域概况

宝鸡峡灌区位于陕西省关中盆地，属大陆性季风气候区，总面积2 355 km2。降水年内分配不均，冬春夏多旱，秋季多涝，7-9月降水量占全年的50%左右。宝鸡峡灌区是一典型的渠井结合灌区[17]，自渭河左岸引水，灌溉范围包括宝鸡、咸阳、杨凌、西安4个市（区）的14个县（区）。灌溉面积约为19.44 万hm2，粮食总产量和商品粮供应分别占全省的1/7和1/4，是陕西省最大的国有灌区，也是全省粮、油、菜、果的生产基地。主要农作物有小麦、玉米、棉花和油菜等，按自然地理和工程布局分为塬上和塬下两大灌溉系统[18]。

目前，宝鸡峡灌区的供水模式以地表水与地下水联合供水为主，形成了农业、工业、城乡镇生活用水多元化的灌区用水格局。但灌区人均水资源可用量不足500 m3，水资源供需矛盾极为突出，在社会经济快速发展的大背景下，一系列水资源问题接踵而至，如灌区渠井用水比例失调，地下水超采，枯水期渭河径流量减少，河流冲沙能力降低等，水资源的高效安全利用存在很大隐患[19, 20]。

1.2 调查方法

本研究采用社会科学领域采用的半结构化访谈来收集灌溉水源选择、农户灌溉行为特征和其他用水驱动因素的定性和定量信息。传统的结构化访谈以相同方式向所有受访者提出的一系列固定问题，而半结构化访谈则是围绕某一个主题对受访者进行面试，能够让受访者更充分地表达自己对相关问题的理解。半结构化访谈有助于快速、有效地在数据匮乏的地区收集丰富和详细的数据，能更好地揭示各种事件的驱动因素和农户用水决策背后的动机[21]。

访谈主要在咸阳、礼泉、宝鸡、乾县、扶风5个地区进行，通过查阅文献和典型农户问询设计了半结构化访谈调查问卷，对信义、段家湾、常兴、杏林、贞元等15个管理站的200个典型农户进行了面对面谈话，典型农户的选择标准为：①种植作物为典型作物，作物包括种植冬小麦、夏玉米或果树等；②灌溉经验丰富；③长期在家务农，熟悉农田灌溉情况（见

图1

）。

图 1 宝鸡峡灌区调查区域示意图

Fig.1 A diagram of the survey area of Baojixia Irrigation Area

Full size|PPT slide

调查的内容主要分为4个方面：①农户作物种植情况（作物类型、种植面积、产量、经营情况）；②灌溉水源情况（渠、井灌作物类型及其用水量、灌溉方式、灌溉成本）；③土地流转情况；④节水灌溉开展情况。

2 模型构建和开发

2.1 模型概化

为充分了解农户灌溉用水行为对灌区水循环的影响，对野外调查的调查问卷进行分析总结，将研究区农民灌溉用水情况总结，为后续构建水文模型提供理论依据。野外调查的主要信息可概括为：①灌区地势平坦，侧向径流量小；②渠井结合灌溉是灌区的主要灌溉方式，农户根据所处地理位置和水源条件选择灌溉水源，在渠道设施完好时倾向用渠水灌溉粮食作物，渠系水量不足时用井水灌溉经济价值较高的经济作物；③农户通常遵循传统灌溉实践模式进行灌溉，灌区管理局按照灌溉制度在相应的时段开闸放水；④部分渠系工程年久失修，地下水渗漏量大；⑤农户反映灌溉时间增加时井灌区的地下水位会不断下降，农户需支付更多电费抽取相同数量的地下水，导致灌溉成本增加，当渠灌比例上升后，灌区地下水位会有所回升。基于以上几点，本研究构建了农户灌溉用水模型，该模型包括水文、作物产量和农民生计3个模块。

2.2 水文模块

针对作物根系土层进行水量平衡分析，设植物根区耗散量为，对作物根区土层建立日尺度的水量平衡方程：

式中：为作物实际蒸散量，mm；为作物根系对地下含水层的补给量，mm；为降雨，mm；为灌溉量，mm；t和T分别代表日和年。

假设当作物根部区域的含水量超过田间持水量时，发生从根部区域到地下含水层的补给，补给量设为，计算如下：

干旱缺水条件下，作物遭受水分胁迫，此时作物的实际蒸散量可以用下式进行估算：

式中：为参考作物蒸散量，用Penman-Monteith公式估算；为作物系数，反映了作物自身的生物学特性，它与作物种类、品种、生育期、作物群体叶面指数等因素有关，对于每种作物的作物系数的具体值可以参阅FAO文献。

是水分胁迫系数，计算如下：

其中，是作物最大可利用的总有效土壤水量，不同作物及同一作物不同的生育阶段对土壤含水量有不同的要求，通常将田间持水量作为土壤有效水分的上限，凋萎系数作为土壤有效水分的下限，因此计算如下：

式中：为田间持水量；为凋萎系数；为最大根深，mm。

称为容易被植物利用的土壤有效水分，是在水分胁迫发生前作物从根区内吸收的土壤水分，用下式计算：

式中：为水分胁迫发生前根区消耗的土壤水分占总有效土壤水的比例。

值随作物种类、作物蒸发蒸腾量的大小而变化。FAO-56提供了不同作物在 =5 mm/d时的值，在该条件下冬小麦、夏玉米的推荐值为0.55。

模型运行过程中，渠井灌溉用水比例( )设为渠道灌溉水量占总灌溉量的比例。则含水层存储量的变化计算如下：

其中：；

式中：为单位面积含水层存储量，mm；为渠道渗漏系数；Ic 为渠灌用水量；Iw 为井灌用水量。

则地下水埋深 (m)为前一天的埋深减去逐日地下水位变化量，计算如下：

2.3 作物模块

在该模块中，作物产量是农民生计和农业用水的重要联系。它使用Doorenbos and Kassam (1979)开发的作物生产和蒸发之间的关系来计算，这可以表示为：

式中： (T)为最大产量，kg/hm2，根据实地调查的田间报告确定； (T)为实际产量，kg/hm2；为产量响应因子；为作物最大蒸发量，mm；为作物实际蒸发量，mm；为播种日；为收获日。

2.4 农户生计模块

农民一年的净收入L(元)用农民收入与支出的差额确定：

假设农民收入全部来自于作物的售卖，则农民收入为：

式中：为一个年度种植的农作物数量；为农作物售卖的毛利润，元/kg；为种植面积，hm2。

由于种植成本（化肥、种子，雇工等）每年基本不变，因此公式中已经考虑了种植成本。农民支出仅考虑灌溉成本（渠灌和井灌），则农民每年支出计算如下：

式中： (T)为渠灌支出；为渠道水水价，元/m3； (T)为井灌支出，农民仅支付电费。

将1 t水提升1 m消耗的电量为0.002 72 kWh，为电泵机效率，灌区抽水站实际运行效率约为60%～70%，为日提水量（t），为机井用电综合单价（元/kWh），为提水净泵扬程（m），计算如下：

式中：为给水度；为地下水年初始埋深，m。

2.5 模型开发

农户灌溉用水模型采用Python（3.8.2）语言开发，使用的第三方库主要为具有强大数据处理和分析能力的NumPy（1.18.4）、Sympy（1.0）和Pandas（1.0.3），将前期准备好的数据以CSV文件保存，以Excel为可视化的操作界面，基于Pandas库的Dataframe对数据进行分析计算，并用Matplotlib（3.2.1）进行图形绘制。由于目前的模型版本（v1.0）需要通过手工调参的方式来校准，故在模型开发时用字典分别为模型的3个子模块设置了参数集dic1、dic2、dic3，方便后续调参。

3 模型应用

3.1 模型初始化和模型校准

对灌区气象站连续30年（1986-2016）的实测气象资料系列进行了水文频率分析计算后，得到相应的年降水频率曲线，最终选取2003年作为丰水年，2006年作为平水年，2013年作为枯水年，其降雨量分别为771.6、445.0、360 mm。根据作物生长期，水文年设定为10月初到翌年10月初。

根据调查，兴平区和秦都区近十年来的灌溉模式都是渠井结合灌溉，故设置模型初始化参数时选取的两个观测井分别位于塬上的兴平（066号井）和塬下的秦都（013号井），通过查阅《陕西省地下水埋深年鉴》和相关文献资料，两个典型灌域的模型初始参数设置如

表1

所示。

表1 模型初始化参数设置值表

Tab.1 The model initializes the parameter setting value table

模型参数塬上典型灌域塬下典型灌域纬度 34.34 34.32 经度 108.41 108.75 海拔/m 523.00 384.52 面积/万hm2 6 667 8 000 初始地下水埋深 /m 67.00 16.42 渠道泄漏系数 0.55 0.55 给水度 0.03 0.05 田间持水量 %（体积比） 0.230 0.244 凋萎系数 %（体积比） 0.067 0.130 最大根深Zr /m 1 1 产量响应因子Ky（小麦） 0.33 0.57 产量响应因子Ky（玉米） 0.37 0.64

将2001-2011年秦都区013号井地下水埋深的实测值和模拟值绘制如图，并用纳什效率系数NSE对模型进行检验，计算如下：

式中：为实测值；为模型预测值；NSE值越接近1，表明模型预测能力越好。

输入典型灌区模型的相关参数和数据，输出模型模拟结果和实测值对比如

图2

所示，计算得NSE=0.58，表明估计误差的方差较小，模型具有可靠性。由对比图也可以看出，模拟值较好地模拟出了实测点的整体趋势。

图2 地下水埋深模拟值和实测值对比图

Fig.2 A diagram of the survey area of Baojixia Irrigation Area

Full size|PPT slide

3.2 渠井用水比例变化情景设置

本文设置的情景为丰水年的地下水位在一定范围内上升，发挥地下水库的调蓄作用；枯水年的地下水位在一定范围内下降，发挥地下水的抗旱作用；平水年的地下水位需要在一定范围内维持稳定。模型设定了不同的渠井用水比例，保持灌溉总量不变，改变渠井用水比例，使得丰水年，平水年和枯水年的地下水位呈现不同幅度的变化，为决策者制定灌区水资源管理政策提供依据。模拟过程中设置的情景如

表2

所示。

表2 模型情景设置

Tab.2 Model scenario settings

区域代表年 PCW 地下水位塬上丰水年 S1 上升 S2 上升平水年 S3 不变枯水年 S4 下降 S5 下降塬下丰水年 X1 上升 X2 上升平水年 X3 不变枯水年 X4 下降 X5 下降

3.3 数据来源和数据输入

根据宝鸡峡灌区的灌溉制度给农民分配灌溉水量，为了考虑灌溉的时空异质性，模型在进行编程时根据正态分布确定每日的灌溉量，正态分布的均值和标准差依据田间调查资料和灌溉制度率定，灌区小麦和玉米充分灌溉的灌溉制度如

表3

所示[22]。

表3 灌区小麦和玉米充分灌溉时的灌溉制度

Tab.3 Irrigation system under the condition of full irrigation of wheat and corn in irrigation areas

作物生长期灌溉日期

灌溉定额/

（m3·hm-2）

灌溉天数/d 小麦分蘖 11月20日-12月31日 825 42 拔节 3月9日-4月20日 750 43 玉米拔节 7月7日-7月25日 600 19 抽穗 7月26日-8月11日 600 17

通过查阅FAO文献[23]，计算每种作物的作物系数的平均值见

表4

。

表 4 小麦、玉米的作物系数

Tab.4 Crop coefficients for wheat and corn

作物 10月 11月 12月 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月平均小麦 0.685 0.798 1.313 1.177 0.962 1.092 1.138 1.005 0.849 0.989 玉米 0.669 0.943 0.998 1.498 0.845

气象数据主要包括气温、降雨、土壤三方面的数据，来源于国家科学气象数据中心，用水量数据来自《陕西省水利统计年鉴》，模型使用的社会经济数据主要来自于田间实地调查。

4 结果

4.1 分灌季的适宜渠井用水比例方案

为方便决策者管理，模型分灌季制定渠井用水比例方案。由灌溉定额，夏灌的灌溉量为1 200 m3/hm2，冬、春灌分别为825和750 m3/hm2，因此夏灌对于地下水位的影响更大，为简化方案设置，将冬灌与春灌的PCW设为定值，只改变夏灌的渠井用水比例，观察地下水埋深的变化情况。根据“丰蓄枯补”原则，允许丰水年的地下水位在一定范围内上升，枯水年的地下水位在一定范围内下降，平水年的地下水位需要在一定范围内维持稳定，因此，模拟过程中从方案1到方案5逐渐提高井灌所占比例，使地下水位从上升到稳定再到下降：S1、X1使地下水位上升了2 m；S2、X2使地下水位上升了1 m；S3、X3使地下水位保持稳定；S4、X4使地下水位下降了1 m；S5、X5使地下水位下降了2 m（

图3

和

图4

）。比例设置见

表5

和

表6

。

图3 分灌季时塬上地下水埋深模拟结果

Fig.3 The simulation results of groundwater burial depth on the upper part of Baojixia irrigation district during the sub-irrigation season

Full size|PPT slide

图4 分灌季时塬下地下水埋深模拟结果

Fig.4 The simulation results of groundwater burial depth on the lower part of Baojixia irrigation district during the sub-irrigation season

Full size|PPT slide

表5 塬上渠井用水比例

Tab.5 The proportion of water used on the upper part of Baojixia irrigation district

地区代表年灌季渠井用水比例 S1 S2 S3 S4 S5 塬上丰水年冬、春灌 2∶98 夏灌 22∶78 11∶89 2∶98 全井灌 * 平水年冬、春灌 28∶72 夏灌 50∶50 40∶60 28∶72 17∶83 6∶94 枯水年冬、春灌 30∶70 夏灌 53∶47 42∶58 30∶70 19∶81 8∶92注：表中的渠井用水比例是渠灌量：井灌量；S3、X3为模型模拟出的年地下水位保持稳定的比例；“*”表示已达下限，不适用。 表6 塬下渠井用水比例

Tab.6 The proportion of water used on the lower part of Baojixia irrigation district

地区代表年灌季渠井用水比例方案 X1 X2 X3 X4 X5 塬下丰水年冬、春灌全井灌夏灌 37∶63 21∶79 全井灌 * * 平水年冬、春灌 28∶72 夏灌 65∶35 46∶54 28∶72 8∶92 全井灌枯水年冬、春灌 30∶70 夏灌 67∶33 50∶50 30∶70 10∶90 全井灌注：表中的渠井用水比例是渠灌量：井灌量；S3、X3为模型模拟出的年地下水位保持稳定的比例；“*”表示已达下限，不适用。

由于丰水年降雨量对灌区地下水动态变化影响比枯水年更为明显，所以丰水年即使全部井灌，地下水位也下降得也并不明显[见

图3

(a)]，故塬上丰水年只设置了4种方案，塬下丰水年只设置了3种方案。因此丰水年可以适度开采地下水，加大井灌比例避免地下水过度抬升避免土地盐碱化。而枯水年可以加大渠灌比例涵养地下水。

塬上塬下3个典型年不同方案下的地下水埋深变化如

图3

和

图4

所示。

4.2 不分灌季的适宜渠井用水比例方案

为更好地反映地下水埋深特征，将全年的渠井用水比例统一，同样对于塬上塬下的不同典型年分别制定5种方案：渠井用水比例S1、X1使地下水位上升了2 m；S2、X2使地下水位上升了1 m；S3、X3使地下水位保持稳定；比例S4、X4使地下水位下降了1 m；S5、X5使地下水位下降了2 m（

图5

和

图6

）。

图5 不分灌季时塬上地下水埋深模拟结果

Fig.5 The simulation results of groundwater burial depth on the upper part of Baojixia irrigation district during both irrigation season

Full size|PPT slide

图6 不分灌季时塬下地下水埋深模拟结果

Fig.6 The simulation results of groundwater burial depth on the lower part of Baojixia irrigation district during both irrigation season

Full size|PPT slide

由于即使全部井灌，在丰水年时塬上塬下地下水位都下降不多，故塬上丰水年只设置了4种方案，塬下丰水年只设置了3种，比例见

表7

和

表8

。

表7 塬上不分灌季的渠井用水比例

Tab.7 The proportion of water used on the upper part of Baojixia irrigation district during both irrigation season

地区代表年渠井用水比例方案 S1 S2 S3 S4 S5 塬上丰水年 10∶90 7∶93 2∶98 全井灌 * 平水年 38∶62 33∶67 28∶72 23∶77 18∶82 枯水年 42∶58 8∶92 30∶70 25∶75 21∶79注：表中的渠井用水比例是渠灌量：井灌量；S3、X3为模型模拟出的年地下水位保持稳定的比例；“*”表示已达下限，不适用。 表8 塬下不分灌季的渠井用水比例

Tab.8 The proportion of water used on the lower part of Baojixia irrigation district during both irrigation season

地区代表年渠井用水比例方案 X1 X2 X3 X4 X5 塬下丰水年 17∶83 23∶77 全井灌 * * 平水年 43∶57 36∶64 28∶72 17∶83 10∶90 枯水年 48∶52 38∶62 29∶71 20∶80 13∶87注：表中的渠井用水比例是渠灌量：井灌量；S3、X3为模型模拟出的年地下水位保持稳定的比例；“*”表示已达下限，不适用。

塬上塬下3个典型年不同方案下的地下水埋深变化如

图5

和

图6

所示。

综上所述，根据模拟结果，在相同的地下水埋深变化下，塬上塬下渠井用水比例区别不大，但是当埋深从上升2 m到下降2 m时，塬下井灌增加的幅度要更大，比如塬上平水年井灌比例从62％提升到82%，塬下从57%提升到90%（

表7

和

表8

），即塬上的地下水埋深对PCW更加敏感。

这一现象与模型设置的初始参数和塬上塬下地理位置都有关，但主要原因是塬上的给水度小于塬下，因此输入的灌溉总量相同时，塬上含水层存储量的变化量大于塬下，因此PCW变化幅度相同时，塬上年地下水埋深变化更大。

4.3 作物产量与农户生计

由于模型模拟中，假设农民严格按照灌溉制度进行灌溉，各方案并未改变灌溉总量，只改变了渠井用水比例，因此作物产量固定不变，则农户的总收入不变，当井灌增加时灌溉成本增加，反而导致农民净收入下降。但是作物产量会随降雨量改变，各比例下的每公顷净收入以及各水平年的作物产量如

表9

所示。

表9 作物产量和农户收入的模拟结果

Tab.9 Simulation results of crop yields and farmers' income

地区代表年井灌占比/% 净收入/(元·hm-2) 小麦产量/(kg·hm-2) 玉米产量/(kg·hm-2) 地区代表年井灌占比/% 净收入/(元·hm-2) 小麦产量/(kg·hm-2) 玉米产量/(kg·hm-2) 塬上丰 90 10 695 6 315 6 450 塬下丰 83 13 230 4 665 4 230 93 10 605 77 13 200 98 10 470 100 13 185 100 10 410 * * * * * * 平 62 12 210 6 180 7 290 平 57 10 200 4 387 5 752 67 12 060 64 10 185 72 11 895 72 10 185 77 11 760 83 10 155 82 11 610 90 10 140 枯 58 12 810 6 660 7 207 枯 52 11 250 5 272 5 715 64 12 630 62 11 220 70 12 480 71 11 205 75 12 315 80 11 190 79 12 195 87 11 175

根据模型模拟结果，随着井灌占比增大导致灌溉成本增加，塬上和塬下灌区亩均净收入也随之下降，但塬上灌区下降幅度远大于塬下，塬下净收入下降幅度较小。这是由于塬上灌区地下水埋深较大，地下水灌溉的费用更大，因此井灌成本远大于塬下，而塬下地下水的埋深相对较小，农民的井灌成本相应也小。

5 结论

本文在大量野外调查的基础上基于Python语言开发了一个适用于渠井结合灌区的农户灌溉用水模型，该模型包括水文、作物和农户生计3个模块。该模型将农户的灌溉用水行为与水文过程紧密耦合，模型在典型区域应用的纳什效率系数为0.58，表明模型可以用来模拟渠井结合灌区的地下水位，并能够量化不同渠井用水比例对地下水位、作物产量和农户生计的影响，为灌区的水资源可持续管理提供了新的技术支持，同时突出了将农户灌溉用水纳入灌区水资源管理政策制定的重要性。

根据模型模拟结果，若要维持地下水稳定，塬上丰、平、枯水年推荐的全年渠井用水比例分别为2∶98、28∶72、30∶70，塬下丰、平、枯水年推荐的渠井用水比例分别为全井灌、28∶72、29∶71；根据丰蓄枯补原则，丰水年地下水位上升2 m时，塬上的渠井比例为10∶90，塬下的渠井比例为17∶83；枯水年地下水位下降2 m时，塬上的渠井比例为21∶79，塬下的渠井比例为13∶87，总体来说塬下用水比例要比塬上的变化幅度更大，即塬下地下水埋深对PCW的变化更加敏感，故塬上塬下应进行分区管理，确定不同的地下水取水用量和水位控制指标。

纳入农民行为可以使模型模拟结果更符合实际，本文通过向模型输入不同的渠井结合用水比例，来分析其对地下水位动态的影响，同时得到不同比例下的每亩净收入，由于灌溉总量不变，不同PCW下作物产量没有改变，而亩净收入下降。在模型的实际运用过程中，可以根据实际情况改变灌溉总量，从而分析其对作物产量和农户收入的影响，以此为依据在小尺度范围优化农民灌溉决策。

该模型也可以量化其他多种因素对灌溉用水的影响，如种植结构变化，节水灌溉技术应用等。比如渠井结合灌区采取滴灌等节水措施时，水源都取自于地下水，随着节水灌溉技术的推行导致井灌用水增加，从而导致PCW和灌溉用水总量都随之改变，即可根据模型模拟结果分析节水灌溉技术对地下水位、作物产量和农户生计的影响，因此本模型在渠井结合灌区具有较好的应用前景。

=2" class="main_content_center_left_zhengwen_bao_erji_title main_content_center_left_one_title" style="font-size: 16px;">{{custom_sec.title}}{{custom_sec.content}}