黑河流域不同农作物耗水量时间序列变化研究

2020-05-26 14:12韩杰
锋绘 2020年2期
关键词:时间序列

韩杰

摘 要:黑河流域作为以灌溉农业为主的区域,存在用水效率较低,水资源浪费严重的问题,农业用水供需矛盾十分突出。所以,本研究在水足迹的基础上,通过Penman-Monteith公式,计算了流域尺度10种主要农作物1991-2013年蒸散量、总耗水量的时间序列变化特征,研究结果表明:黑河流域主要农作物ETC时间序列阶段性特征在三个流域中最为显著;除春小麦外,其他农作物的ETC整体波动曲线相似,但棉花、葡萄和瓜类作物ETC随时间波动较大,其他作物之间差别不明显。春小麦和胡麻作物总耗水量呈显著下降趋势,玉米、薯类、棉花、蔬菜、瓜类、葡萄作物则表现为显著上升趋势。

关键词:水足迹;农业耗水量;时间序列

1 研究区概况

黑河发源于祁连山北麓,流经青海、甘肃、内蒙古三省,是我国第二大内陆河,在西北干旱半干旱地区,在绿洲发育、生态屏障等方面,发挥着重要功能。该流域气候干燥,降水稀少且集中,太阳福射强烈,昼夜温差大。受大陆性气候和祁连山-青海湖气候区的影响,黑河流经河西走廊的区域属于中温带气候区。由于黑河流域受季风的影响,流域内水资源在时空上发生了不均匀分布,汛期降水量大而集中,春季降水量少而不稳。

黑河流域中游地区包括甘肃省的民乐、山丹、临泽、张掖、高台等县(市),属于灌溉农业经济区域。2013年本区总人口为207.29万人,作物播种面积为528.39万亩,其中粮食作物播种面积为319.99万亩,经济作物面积191.99万亩,饲草面积16.41万亩。黑河流域中游的张掖地区、酒泉地区和嘉峪关市的部分地区,有干渠192条之多,总长度达到2545km,平均衬砌率为57.5%。据统计,该流域现有机电井6484眼,年开采能力达到5.115亿m3。

黑河中游地区面临严重的区域生态环境问题,在水土资源问题上表现的尤其突出。近几十年来,随着人类社会的进步和经济的逐步发展,人工绿洲面积也在不断扩大,但是,水土资源系统却遭到了重大打击,生态用水被农田用水大量的挤占,天然草场快速退化,取而代之的是不断增加的耕地、城镇聚落,水土资源系统与人工绿洲之间已经不能协调发展。

2 作物绿水与蓝水计算方法

水足迹的概念被用来评估黑河流域10种主要农作物的需水量,农作物生长期内水足迹(WF crop)的计算方法参照Hoekstra et al:WFcrop=WFcrop,green+WFcrop,blue[m3/ton]

WFcrop,green指的是作物生长过程中绿水消耗量,绿水其实就是作物生育期内雨水的总蒸发量,WFcrop,blue是蓝水资源的消耗量,包括河水、湖水、地下水或總灌溉水蒸发量[m3/ha]。

这里因为数据的局限性以及农作物的灰水消耗量并不是严格意义上的实体水消费,而主要和水污染相关,所以灰水没有被考虑进去。为了计算WFgreen和WFblue,需要通过作物调节系数(Kc)计算作物蒸散量(ETC),参考作物蒸散量(ET0)的计算公式如下:

ETcrop=Kc×ET0(mm/day)

WFcrop=10×∑lgpd=1ETcrop(m3/ha)

作物蒸散量是两部分的水分流失,分别为土壤表面的蒸发和作物蒸腾。ETcrop是作物蒸散量(mm/day),Kc为作物调节系数(无量纲),ET0是参考作物蒸散量(mm/day),参照联合国粮农组织(FAO)推荐的Penman-Monteith公式,运用Cropwat作物需水软件进行计算。此方程是WFcrop的一般计算方法。因子10是将水深单位mm转化为水的体积单位m3/ha。求是指作物生长期内从播种日(第一天)到收获日总蒸散量,lgp表示生长期的天数。通过作物蒸散量ETcrop计算WFgreen和WFblue的具体步骤如下:

计算每种作物的蒸散量ETcrop;计算作物生长期内的有效降水量;

WFcrop,green通过比较作物生长期内的潜在蒸散量与有效降水量(ER)来确定,当ET>ER时,WFcrop,green等于有效降水量;然而,当ET

WFcrop,blue即是灌溉需水量,如果ET>ER,WFcrop,green=ET-ER;若ET

3 作物潜在蒸散量(ETC)时间序列分析

用线性回归分析法对黑河流域尺度农作物ETC时间序列变化进行线性倾向性分析,用变差系数Cv表示作物蒸散量年际变化的离散程度,用时间序列距平值判断时间节点和异常值。

根据黑河流域ETC时间序列变化特征以及不同时间段的距平值,对近25年作物ETC时间序列变化做分阶段研究。

黑河流域主要农作物ETC随时间均呈上升趋势,且阶段性特征明显,以2004年为分界点分为两个显著的波动阶段,除春小麦外,其他农作物的ETC波动曲线存在整体一致性,变化特征相似。1991-2013年农作物ETC随时间上升较快的是玉米、油菜、胡麻和葡萄作物,分别为每10年增加47mm、41mm、38mm、52mm,上升相对较慢的为春小麦和苹果作物,分别每10年增加26mm、28mm。通过变差系数可知,1991-2013年棉花、葡萄和瓜类作物的潜在蒸散量随时间波动较大,其他作物之间差别不大。

1991-2004年黑河流域多数作物ETC距平值为负,ETC的突变性在河西三大流域中最为显著,以2004年为突变年份。除春小麦和瓜类外,其他作物的线性倾向率均为负值,ETC随时间变化呈下降趋势,且作物之间线性倾向率相差较大,玉米、薯类、棉花、胡麻、油菜、蔬菜、苹果、葡萄每10年作物蒸散量分别下降16mm、11mm、16mm、6mm、7mm、12mm、5mm和22mm,春小麦ETC随时间每10年增加74mm。根据1991-2004年作物ETC变差系数,10种作物的ETC波动幅度差异性不显著。

2005-2013年所有作物的距平值均为正,潜在蒸散量均高于平均值,线性倾向率也都为正,作物ETC随时间变化均呈上升趋势,其中玉米和葡萄作物上升幅度较大,分别为每10年增加20mm、21mm,蔬菜和薯类ETC每10年增加量相对缓慢,分別为6mm、11mm。在两个时期内,多数作物ETC的波动性存在减小的趋势。

4 黑河流域分作物总耗水量时序分析

1991-2013年黑河流域作物总耗水量随时间呈逐渐增加趋势,且曲线波动存在阶段性,1991-2002年作物总耗水量在波动中呈下降趋势,2003-2013年近10年间作物总耗水量呈现显著上升趋势。分农作物耗水量占比时间序列变化特征表明,春小麦、棉花、薯类、蔬菜、瓜类、葡萄作物总耗水量占比呈现逐年增加趋势,玉米、油料作物(胡麻、油菜)耗水量占比则逐年降低。其中春小麦下降趋势较为显著,2001年以前,春小麦作物总耗水量占比最大,达到36%以上,是主要耗水作物,2001年之后,玉米则上升为主要耗水作物,占据主导地位,近两年玉米作物总耗水占比已达40%。目前三大主要耗水作物分别为玉米、春小麦和蔬菜,三种作物总耗水量已经占黑河流域农业总耗水量的60%以上。

1991-2013年分农作物总耗水量时间序列变化曲线如图3-11所示,春小麦、胡麻、油菜、苹果作物总耗水量随时间均呈下降趋势,其中,春小麦和胡麻作物变化趋势通过显著性检验,拟合优度分别达到0.586、0.689,每10年耗水量分别下降108m3、2×107m3。油菜作物总耗水量随时间波动性较大,下降趋势不显著。玉米、马铃薯、棉花、蔬菜、瓜类、葡萄作物总耗水量随着时间逐渐上升,且通过显著性检验,拟合优度分别为0.791、0.799、0.497、0.926、0.403、0.829,作物总耗水量每10年分别增加2×108m3、6×107m3、18×106m3、8×107m3、106m3、12×106m3。

参考文献

[1]魏怀东,李亚,了峰,等.黑河流1951-200年气候变化特征[J].草业科学,2014,31(4):590-598.

[2]周俊菊,雷莉,石培基,等.黑河流域河川径流对气候与止地利用变化的响应[J].生态学报,2015,35(11):1-13.

[3]Gheewala S H, Silalertruksa T, Nilsalab P, et al. Water footprint and impact of water consumption for food, feed, fuel crops production in Thailand[J]. Water,2014,6(6):1698-1718.

[4]Allen R G, Pereira L S, Raes D, et al. Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56[J]. FAO, Rome,1998,300(9):D05109.

猜你喜欢
时间序列
基于分布式架构的时间序列局部相似检测算法
基于嵌入式向量和循环神经网络的用户行为预测方法
医学时间序列中混沌现象的初步研究
基于时间序列分析南京市二手房的定价模型
基于Eviews上证综合指数预测
上证综指收益率的影响因素分析
基于指数平滑的电站设备故障时间序列预测研究
基于时间序列的我国人均GDP分析与预测
基于线性散列索引的时间序列查询方法研究
基于组合模型的能源需求预测