基于系統動力學的干旱區植被生態需水量預測算法

曹曉磊

(河北省石家莊水文勘測研究中心，河北 石家莊 050051)

在所有的生態環境危機中，對人類生產和生活有重大影響的問題就是水資源問題，水資源作為可持續利用資源，支撐著所有生命[1]。在人們的生活中對于水資源的利用應做到不影響生態系統的可持續性，如果忽視生態系統與水資源之間關系，將直接導致森林退化、生態環境惡化等諸多問題[2-4]。特別是干旱區域，由于干旱地區降水稀少，可利用的水資源比較少，研究該地區的植被生態需水量有著重要意義[5]。

植被作為生態系統中的生產者，對維持生態平衡有很大作用，對于干旱地區的生態建設首先需要解決的就是植被需水問題[6]。在20世紀80年代初期美國研究的生態和環境需水分析已初具雛形；90年代后，在許多專家學者和研究機構的研究下，針對不同類型的生態系統，分析植被和水資源利用之間的相互關系，推動了生態環境和植被需水量的研究與發展。國內的研究中，對于植被生態需水量的研究還不夠深入，從目前的研究現狀可知，現階段對于干旱區植被需水量的預測還沒有特別成熟的技術，使用的較為常見的預測算法有基于水量平衡的需水量預測算法和基于分數階灰色模型的需水量預測算法。以上兩種預測算法在實際應用中，并沒有將各個變量之間的反饋關系考慮到，導致算法可靠性差，預測結果不能滿足生態環境發展策略，算法經濟效益低、污染負荷大。因此，研究基于系統動力學的干旱區生態需水量預測算法，利用系統動力學模型建立能夠表現出水資源配置的模型，預測出需水量最優解，解決傳統算法中存在的問題。

1 基于系統動力學的干旱區植被生態需水

量預測算法設計

1.1 建立水資源動力學模型

干旱區植被生態需水量的預測與該地區整個水資源的配置有緊密聯系，利用系統動力學建立水資源動力學模型，將具有因果關系的要素通過箭頭的形式連接起來，形成因果反饋回路圖，表示出水資源動力學模型內部各部分之間的關系。水資源因果關系反饋回路如圖1所示。

圖1 因果關系反饋回路圖

根據圖1中顯示的因果關系，建立水資源供給子模型。水資源供給子模型主要包括地表水、地下水可供水資源量、污水處理量和回歸水量。相關的系統動力學方程如下：

W地表=Lookkupfunction1(time)

(1)

W地下=Lookkupfunction2(time)

(2)

Whg=Wws×αhg

(3)

Wws=Wsh+Wgy

(4)

以上方程中Wdb表示地表水量；Wdx表示地下水量；Whg表示回歸水量；Wws表示污水處理量；Wsh和Wgy分別表示生活和工業上的污水處理量；αhg表示回歸系數。生態環境需水量子模型相關參數為園林綠化用水量、湖泊補給量、水面蒸發量和植物蒸騰量。相關系統動力學方程為：

Mhp=Mzf+Mzt

(5)

Mlh=Mld-Whg

(6)

上列方程中Mhp表示湖泊補給量；Mzf表示水面蒸發量；Mzt表示植物蒸騰量；Mlh表示園林綠化用水量；Mld表示綠地用水量。將水資源供給子模型和生態環境需水量子模型結合在一起，建立水資源動力學模型，利用水資源動力學模型預測干旱區植被生態需水量。

1.2 計算生態需水量相關參數

使用CN3型傳感器測定土壤熱通量和土壤溫度，傳感器探頭分別安置在地表不同埋深距離處，每隔一分鐘采集一組數據，自動保存干旱地區的土壤數據。傳感器布置如圖2所示。

圖2 土壤參數測量裝置布置示意圖

同理測定土壤水分和土壤蒸發量。根據測定的相關參數，確定蒸發系數與埋深的關系為：

mc=0.50exp(-2.11L)

(7)

式中：mc表示蒸發系數；L表示埋深距離。

測定的土壤水分蒸發量見表1所示。

表1 土壤水分蒸發量

通過折算系數可知植被生長狀況比較好的情況下，植被系數φ與埋深的關系：

φ=2.52exp(-0.174L)

(8)

對于比較稀疏的植被，需要根據蓋度進行修正，修正后的植被系數為：

φc=1+λ[2.52exp(-0.174L)-1]

(9)

公式中λ表示修正系數，當植被系數等于1時，修正系數為0，反之修正系數等于1。根據干旱區不同植被類型的蓋度確定修正系數。如表2所示。

表2 不同類型植被的修正系數

通過以上過程確定蒸發系數和植被系數，利用這兩個系數預測干旱區植被生態需水量。

1.3 預測干旱區植被生態需水量

在給定氣候條件下，以保證干旱區具備適宜土壤水分，使植被達到完全生產能力為目的，計算植被蒸散量：

Mzt=φcmc

(10)

式中：φc表示作物系數；mc表示參考作物蒸騰量。在非標準情況下，土壤含水量會影響植被生長狀況，當土壤含水量低于閾值，植被受到水分的脅迫。植被受到影響的程度主要由土壤水分限制系數決定，在這種情況下，植被蒸散量的計算公式為：

Mzt-a=φtφcmc

(11)

式中：Mzt-a表示非標準條件下的植被蒸散量，mm/d；φt表示土壤水分限制系數。在干旱地區，降雨量稀少，土壤水分不能達到植被最適合的程度，在這種情況下，植被覆蓋率低。面對非完全覆蓋的天然植被，生態需水量的預測需要在非標準情況下進行，假設不同種類植被的覆蓋面積為Sp，則植被生態需水量預測結果為：

M0=Spφtφcmc×10-3

(12)

式中：Sp表示植被分布面積，單位為m2。通過以上公式即可預測出干旱區植被生態需水量，基于系統動力學的干旱區植被生態需水量預測算法設計完成。

2 干旱區植被生態需水量預測算法實驗研究

2.1 實驗準備

在干旱區植被生態量預測算法實驗中，需要大量的空間數據和屬性數據，利用GIS軟件對選擇的實驗區域進行投影變換等操作，轉換成需水量預測所需要的Grid格式，根據實驗地區的實際情況，建立需水量預測算法需要的屬性數據庫。轉換后的實驗區域內土壤粒徑組成如表1所示。

基于以上數據，以經濟效益和污染負荷作為研究目標，設計對比實驗，主要驗證不同預測算法的實際應用水平。

2.2 經濟效益實驗及分析

實驗中使用天氣發生器模擬實際的天氣，輸入的數據以實際干旱地區的每月氣象數據為主。實驗結果如下所示。

表4中顯示的經濟成本是在預測結果的基礎上進行水資源規劃所需要的成本，表中算法1為基于水量平衡的預測算法，算法2表示基于分數階灰色模型的預測算法，算法3為基于系統動力學的預測算法。從表中結果可以看出，當月降雨量大于月蒸發量時，需要消耗的成本為負數，三組結果對比來看，在月降雨量小于蒸發量時，所需要的經濟成本最少，在月降雨量大于蒸發量時，帶來的經濟效益最高。綜上所述，設計的基于系統動力學的干旱區植被生態需水量預測算法經濟效益更高。

表4 不同預測算法經濟效益實驗結果

2.3 污染負荷實驗及分析

干旱地區的污染來源主要包括點源污染和非點源污染，點源污染主要是排放出的污染氣體，這種污染已經得到了控制；非點源污染主要包括農業施肥、農藥的使用等造成的污染。因此，在污染負荷實驗中，主要是使用不同的預測算法，基于表3中數據，根據預測結果獲得實驗區域的污染負荷情況。實驗結果如圖3所示。

表3 實驗區域的土壤粒徑組成

圖3 不同預測算法的污染負荷實驗結果

圖中顯示的深色為比較嚴重的干旱地區，淺色地區表示半干旱地區，標記A表示污染負荷高，標記B表示污染負荷低。對比觀察圖中結果，從中可以看出，圖a中結果污染情況相對集中，在干旱區污染負荷較高，在其它區域污染負荷低；圖b中結果顯示，污染情況比較分散，干旱區污染負荷高、半干旱區污染負荷較低，整體污染范圍比較廣；圖c中顯示，污染范圍較小，只在小區域內存在，從整體上看，污染負荷比較低，污染程度在可控范圍內。結合經濟效益實驗結果可知，設計的基于系統動力學的干旱區植被生態需水量預測算法經濟效益高、污染負荷少，符合生態環境發展的策略，該算法優于傳統的植被需水量預測算法。

3 結語

在干旱地區，植被通常不能將土壤表面完全覆蓋，在干旱季節更為嚴重。本文結合干旱區土壤和水文觀測資料，設計基于系統動力學的干旱區植被生態需水量預測算法。利用系統動力學建立水資源動力模型，挖掘出更深層次的因果關系，為后續植被生態需水量的預測提供強有力的支撐。通過設計的對比實驗，驗證了設計的預測算法解決了傳統算法中存在的問題。但是由于時間、數據等條件的限制，在確定參數過程中，沒有對參數的精度進行處理，這可能對最后的植被生態需水量的預測產生一些影響，希望在后續的研究中，能夠對這一方面重點展開，為干旱區植被生態需水量的預測提供更好的預測結果，滿足更高的精度需求。