黑龍江省不同規模與水源類型典型樣點灌區用水評價

孫雪梅，李夢玲，謝世堯，戴長雷

（1.黑龍江省水利科學研究院，哈爾濱150080；2.黑龍江大學水利電力學院，哈爾濱150080；3.黑龍江大學寒區地下水研究所，哈爾濱150080）

0 引言

灌溉用水對農業生產、農民的生活以及糧食安全等問題都起著重要的保障和支撐作用[1]。灌區用水情況能夠反映灌區的灌溉工程質量、灌溉技術水平和灌溉用水管理的基本狀況，是評價農業水資源利用、指導節水灌溉和大中型灌區續建配套及節水改造健康發展的重要參考，對提高用水效率起到關鍵作用[2-4]。不同規模的灌區由于管理因素、工程因素的不同，灌溉用水情況也存在很大的差距，根據不同規模灌區的特點實施相應的措施，對于提高灌區用水效率具有重要意義。

灌區高效用水直接關系到農業的發展，且受到多重因素的影響。當前研究較多的是針對灌溉用水效率及其影響因素分析，主要應用的方法有層次分析法、Malmquist 指數、模糊綜合評價法、灰色關聯分析、DEA-Tobit 模型等[5-8]。楊曉慧等[9]利用DSSAT-CERES-Wheat 模型分析結果表明灌溉水利用率大小受降雨量的影響。李瑩瑩等[10]基于農業用水特征及內涵，構建農業用水效率評價指標體系，為提高農業用水效率提供參考依據。但是對于不同規模與水源類型灌區用水情況的對比研究相對較少。

本研究基于GINI 系數得到不同規模與水源類型灌區灌溉用水量與灌溉面積的匹配度，采用主成分分析法對灌區用水情況的影響因素進行分析，為實現黑龍江省灌區用水科學管理以及水資源的優化配置提供理論依據。

1 材料與方法

1.1 研究區概況

黑龍江省位于我國東北地區的北部，面積47.3 萬km2，地勢西北、東南高，東北、西南低，為溫帶季風氣候，四季較為分明。黑龍江省是我國重要糧食產區之一，主要盛產水稻、玉米、大豆[11]。全省農業灌溉分為東、西兩大平原區和南、北兩大山地區，全省灌區分屬13 個地市、農墾系統、森工系統和監獄系統。

全省主要灌溉作物為水稻，按區域布局分，東部三江平原水田灌溉面積占全省水田灌溉總面積的59%；西部松嫩平原水田灌溉面積占全省水田灌溉總面積的32%；中部地區水田灌溉面積占全省水田灌溉總面積的9%。按灌區類型分，660 hm2以上灌區水田面積占全省水田灌溉面積的26%；五小工程水田面積占全省水田灌溉面積74%。按水源類型分，水田地表水灌溉面積占全省水田灌溉面積38%；地下水灌溉面積占全省水田灌溉面積62%。就取水類型而言，提水灌區主要分布在哈爾濱、齊齊哈爾、牡丹江、佳木斯、綏化、大慶、雞西、雙鴨山、鶴崗9個地市；自流灌區主要分布在除大興安嶺以外的12個地市；純井灌區主要分布在三江平原地區。

近10年全省不同規模灌區有效灌溉面積見圖1，純井灌區有效灌溉面積大于大、中、小型灌區，且各規模灌區灌溉面積變化趨勢基本一致，近五年變化幅度較小。純井灌區的數量和面積占全省灌區的比重較大，2018年純井灌區數占全省灌區的96%，有效灌溉面積占全省總有效灌溉面積的72%。

圖1 黑龍江省不同規模灌區有效灌溉面積Fig.1 Effective irrigated area in different scale irrigated areas in Heilongjiang Province

1.2 數據來源

黑龍江省灌區大部分集中在松嫩和三江兩大平原，本研究綜合考慮了研究區的灌區規模、水源類型、灌區地形、土壤類型等因素，共選取80 個典型樣點灌區。其中大、中、小以及純井灌區各選取20 個，包括自流引水、提水以及純井灌區的噴灌和土質渠道地面灌溉的不同水源類型。灌區地形以平原和丘陵為主，分別占77%和20%，少部分為山地區。土壤類型多為壤土，兼顧沙壤土、黏壤土、草甸土，同時包括比較有區域特點的白漿土和沼澤土，基本包含了黑龍江省種植區所有土壤類型。

樣點灌區分布示意圖見圖2。所選樣點灌區工程設施和管理水平以能夠代表所在區域內同類型灌區的水平為準。黑龍江省灌區種植作物以水稻和玉米兩種作物為主，而灌溉作物主要是水稻，玉米只在個別純井灌區中進行灌溉，樣點灌區作物種植結構即包括水稻和玉米兩種?；跀祿占碾y易程度以及研究區的實際情況，選取2018年各典型樣點灌區的灌溉面積、節水灌溉工程面積、灌溉用水量、地下水埋深、降水量等數據對黑龍江省不同規模灌區用水情況進行評價。

圖2 選取典型樣點灌區分布示意圖Fig.2 Select the distribution diagram of irrigation area of typical sample points

1.3 研究方法

（1）洛倫茲曲線與GINI 系數。洛倫茲曲線最初是由美國統計學家洛倫茲提出，用來研究經濟學中收入中的不均問題，目前已經廣泛應用于其他各個領域[12]。GINI 系數是由意大利經濟學家基尼根據洛倫茲曲線提出，用來表示人口累計百分比和收入累計百分比之間的對應關系曲線，曲線的彎曲程度有重要的意義，反映了收入分配的不平等程度，且與其成正比關系[13]。本文基于黑龍江省不同規模和水源類型樣點灌區的灌溉用水量和灌溉面積原始數據繪制洛倫茲曲線，并計算GINI 系數，得到灌溉用水量與灌溉面積的匹配度，從而反映出不同規模和水源類型灌區的用水情況。

（2）主成分分析。選取黑龍江省不同規模和水源類型樣點灌區的用水量、灌溉面積、降水量、地下水埋深、節水灌溉工程面積、骨干渠系防滲率等原始數據，運用主成分分析法對灌溉用水量與灌溉面積匹配度的影響因素進行分析。使用SPSS 24.0 對原始數據進行標準化，對選取的各指標進行相關性分析，運用KMO 和巴特利特球度進行檢驗，證明所選指標的合理性，然后再進行主成分的提取[14]。

2 結果與分析

2.1 灌溉用水量與灌溉面積的匹配度

2.1.1 繪制洛倫茲曲線

以各典型樣點灌區為基本元，選取毛灌溉用水量作為匹配原象，以有效灌溉面積作為匹配對象。計算單位用水量所對應的灌溉面積按從小到大的升序次序對不同規模與水源類型的各灌區進行排序，并計算累計百分比。分別構建不同規模與水源類型灌區的洛倫茲曲線，如圖3所示。

圖3 不同規模與水源類型洛倫茲曲線Fig.3 Lorentz curves of different sizes and water sources

2.1.2 計算GINI系數

根據洛倫茲曲線和GINI 系數，采用梯形面積法求取灌區灌溉用水量與灌溉面積的區域基尼系數，即灌區灌溉用水量與灌溉面積的匹配度G。計算公式為：

式中：G為灌溉用水量與灌溉面積的匹配度；Xi為灌區內灌溉用水量累計百分比；Yi為灌溉面積的累計百分比，當i=1 時，(Xi－1，Yi－1)視為(0，0)。G取值范圍為［0，1］。

GINI系數越小表明灌溉用水量與灌溉面積的匹配度越好，數值越大，則表明其匹配度越差，GINI 系數匹配程度等級劃分見表1。

表1 GINI系數的國際劃分標準Tab.1 International GINI coefficient division standard

不同規模與水源類型灌區的GINI 系數計算結果與匹配度度排名見表2。結果顯示：除純井灌區外，其他類型灌區的匹配度均較優；其中小型灌區自流引水的GINI 系數最小，表明灌溉用水量與灌溉面積的匹配度最好；其次是大型灌區自流引水、中型灌區自流引水；然后是大型灌區提水、中型灌區提水、小型灌區提水；純井灌區的土質渠道地面灌溉和噴灌所得GINI 系數較大，表明灌溉用水量與灌溉面積的匹配度相對較差。綜合GINI 系數的結果，大、中、小型自流引水灌區的匹配度均優于提水灌區。

表2 不同規模與水源類型GINI系數Tab.2 GINI coefficients of different sizes and water sources

2.2 影響因素分析

2.2.1 因素選取

灌溉用水量與灌溉面積的匹配度受到多重因素的影響，主要包括自然和人為兩個方面。考慮到數據指標收集的難易程度以及黑龍江省的實際情況，分析灌溉用水從渠首取水、渠道輸水到農田灌水的水流過程，結合樣點灌區的選取原則，將選取的因素分為自然因素和人為因素，自然因素包括降水量和地下水埋深，人為因素包括管理因素和工程因素（實際灌溉面積、節水灌溉工程面積、骨干渠系防滲率等）。

2.2.2 因子分析

樣點灌區的灌溉用水量與灌溉面積的匹配度受到多種因素的綜合影響，通過主成分分析找到影響最大的因素，為進一步提高灌溉用水量與灌溉面積的匹配度的措施方法提供有力的理論支撐。通過收集每個樣點灌區的原始數據，并結合各灌區實際情況運用理論分析和頻率統計等的方法選取實際灌溉面積(X1)、有效灌溉面積(X2)、節水灌溉工程面積(X3)、毛灌溉用水量(X4)、凈灌溉用水量(X5)、灌區地下水埋深上限(X6)、灌區地下水埋深下限(X7)、當年降水量(X8)、骨干渠系防滲率(X9)9個指標，運用SPSS 24.0進行主成分分析處理。

灌溉用水量與灌溉面積的匹配度各指標相關系數矩陣見表3。結果表明各指標之間存在必然程度的相關性，這是進行主成分分析的基礎和條件，驗證了主成分分析的合理性。

表3 相關系數矩陣Tab.3 Correlation coefficient matrix

運用KMO 和巴特利特球度依次進行檢驗，結果見表4，輸出結果中KMO 的值為0.705，大于0.5，且巴特利特球度檢驗統計量的伴隨幾率小于顯著性水平0.05，表明所選變量適合做因子分析。

表4 KMO檢驗和巴特利特球度檢驗結果Tab.4 KMO test and Bartlett sphericity test results

主成分的提取結果見表5，累計程度由大到小排序，前3個成分的特征值均大于1，且累計貢獻率為78.123%，基本可以反應原始數據的信息。

表5 主成分提取結果Tab.5 Principal component extraction results

主成分載荷反映了主成分與變量之間的相關系數，灌溉用水量與灌溉面積匹配度的成分矩陣見表6。第1 主成分中毛灌溉用水量(X4)、凈灌溉用水量(X5)、實際灌溉面積(X1)以及有效灌溉面積(X2)所占比例較大；第2 主成分中灌區地下水埋深上限(X6)和灌區地下水埋深下限(X7)占比較大，代表了自然因素對匹配度的影響；第3 主成分中當年降水量(X8)和骨干渠系防滲率(X9)占比較大，代表了自然因素和工程因素對匹配度的影響。

2.2.3 結果分析

綜合表6 結果，通過主成分的貢獻率可知，第1 主成分的因素中主要代表了人為因素中的管理因素，且累計貢獻率為47.615%，其中占比較大的實際灌溉面積主要反映了灌區的管理水平因素，對灌溉用水量與灌溉面積的匹配度具有較強的正面影響。純井灌區灌溉面積較小，且多為分散管理，而其他規模灌區多為集中管理，且專業管理人員會集中在大、中型灌區，純井灌區缺乏管理人員的現象較常見，因此純井灌區的灌溉用水量與灌溉面積的匹配度低于其他規模灌區。通過加強管理水平讓灌溉水充分灌溉的田間各處，能夠提高灌溉用水量與灌溉面積的匹配度。第2主成分的因素中地下水埋深的上限和下限占比較大，表明灌區地下水埋深對灌區灌溉用水量與灌溉面積的匹配度影響較大。

表6 成分矩陣Tab.6 Component matrix

第3主成分的因素中占比較大的是降水量和骨干渠系防滲率，其中當年降水量荷載為負數，說明此因素對灌區灌溉用水量與灌溉面積的匹配度有一定的負面影響。2018年黑龍江省平均降水量628.9 mm，比多年平均多17.9%，屬于豐水年。但是部分地區雖在作物生育期內降雨量大，但在作物灌溉關鍵期降雨少，大量雨水不能被充分利用，雖然降雨量大，毛灌溉水量卻并未減少，因此對灌區灌溉用水量與灌溉面積的匹配度具有負面影響。骨干渠系防滲率代表了灌區的工程因素，能夠減少灌溉用水在輸配水和田間灌水過程中的損失和深層滲漏，對灌區灌溉用水量與灌溉面積的匹配度有一定的正面影響，尤其對自流引水灌區。而提水灌區較多使用電力提水灌溉，受渠防滲情況影響較小。通過加大對灌區資金投入，進行標準化建設，完善灌區渠道整修和防滲處理，從而提高灌溉用水量與灌溉面積的匹配度，因此各規模灌區中自流引水灌區的匹配度均高于提水灌區。

3 結論

本文采用GINI系數得到灌溉用水量與灌溉面積的匹配度，選取影響因素使用主成分分析法對灌溉用水量與灌溉面積匹配度的影響因素進行分析，得到以下結論：

（1）黑龍江省不同規模和不同水源類型灌區的灌溉用水量與灌溉面積的匹配度排名：小型灌區自流引水＞大型灌區自流引水＞中型灌區自流引水＞大型灌區提水＞中型灌區提水＞小型灌區提水＞純井灌區土質渠道地面灌溉＞純井灌區噴灌。且自流引水灌區灌溉用水量與灌溉面積的匹配度均優于提水灌區。

（2）灌溉用水量與灌溉面積的匹配度同時受到人為因素和自然因素的影響，其中管理因素和工程因素對匹配度具有正面影響，自然因素中當年降水量對匹配度具有一定的負面影響。

（3）純井灌區由于灌溉面積較小，多為分散管理，且缺乏專業管理人員等，灌溉用水量與灌溉面積的匹配度低于其他規模灌區。提水灌區由于多使用電力提水灌溉，與自流引水灌區不同，受渠道防滲情況影響較小，主要受管理水平的影響，灌溉用水量與灌溉面積的匹配度低于自流引水灌區?？赏ㄟ^自動化、信息化用水管理技術，加強灌區管理水平，從而提高提水灌區的灌溉用水量與灌溉面積的匹配度。