CN114925944A - 一种地下水位恢复量的预测方法 - Google Patents

一种地下水位恢复量的预测方法 Download PDF

Info

Publication number
CN114925944A
CN114925944A CN202210873878.0A CN202210873878A CN114925944A CN 114925944 A CN114925944 A CN 114925944A CN 202210873878 A CN202210873878 A CN 202210873878A CN 114925944 A CN114925944 A CN 114925944A
Authority
CN
China
Prior art keywords
crop
data
water
grid
annual
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210873878.0A
Other languages
English (en)
Other versions
CN114925944B (zh
Inventor
史文娇
王鸣雷
邓祥征
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN202210873878.0A priority Critical patent/CN114925944B/zh
Publication of CN114925944A publication Critical patent/CN114925944A/zh
Application granted granted Critical
Publication of CN114925944B publication Critical patent/CN114925944B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Abstract

本公开保护一种地下水位恢复量的预测方法，包括：对目标种植区域建立网格模型，网格模型包括多个网格单元；根据每个网格单元获取网格作物灌溉需水量和可持续灌溉供水量，并得到每个网格单元逐年作物净用水量和每个网格单元逐年累计作物净用水量；根据逐年作物净用水量和逐年累计作物净用水量，得到每个网格单元目标时期累计作物净用水量；从每个监测站点获取地下水水位监测数据，并将水位监测数据和逐年累计作物净用水量进行关系拟合；根据监测站点拟合系数，预测每个网格单元的网格拟合系数；得到每个网格单元目标时期地下水水位恢复数据。本公开使得地下水资源得到可持续利用，为未来地下水位恢复提供可行的方案。

Description

一种地下水位恢复量的预测方法
技术领域
本公开属于地下水位量化技术领域，具体涉及一种地下水位恢复量的预测方法。
背景技术
随着未来人口增长、城镇化水平提升以及饮食结构改变等，对粮食的需求将进一步增加。灌溉作为粮食产量提升的主要手段之一，水稻和小麦等高耗水的主粮作物灌溉比例可能会进一步增加，进而导致未来对水资源的需求也持续增长，地下水资源风险也将加剧。通过优化调整耗水作物的种植结构、实行休耕免耕轮作措施或者改良作物品种等手段减少超采区作物的耗水量，进而缩减对地下水资源的依赖、缓解地下水位持续下降成为关注的重点问题。
然而在当前研究中，针对地下水问题，量化农业优化措施实施后的节水潜力的研究很多，但是很少有进一步量化节水潜力对地下水位恢复的积极影响的研究。针对网格化作物种植区域的作物优化管理措施中，目前只涉及量化管理措施实施后的节水潜力，却没有针对量化地下水位可能的恢复量的研究。为了高效地优化农业节水潜力和缓解未来水资源的需求压力，针对网格化地下水位恢复量量化的研究迫在眉睫。
发明内容
本公开的目的是提供一种地下水位恢复量的量化方法，能够量化分析未来不同的耗水作物种植布局下地下水位的恢复程度。
为解决上述问题，本公开提供了一种地下水位恢复量的预测方法，包括：对目标种 植区域建立网格模型，所述网格模型包括多个网格单元，其中，部分网格单元设置有监测站 点，每个所述监测站点对应一个所述网格单元；根据每个网格单元获取网格作物灌溉需水 量和可持续灌溉供水量，并得到每个网格单元逐年作物净用水量和每个网格单元逐年累计 作物净用水量；根据所述网格单元逐年作物净用水量和所述逐年累计作物净用水量，得到 每个网格单元目标时期累计作物净用水量；从每个所述监测站点获取地下水水位监测数 据；根据拟合公式，将所述水位监测数据和所述逐年累计作物净用水量进行关系拟合，以获 取每个监测站点的监测站点拟合系数
Figure 739953DEST_PATH_IMAGE001
；根据反距离加权插值法对所述监测站点拟合系数
Figure 617036DEST_PATH_IMAGE001
进行空间插值，以得到每个网格单元的网格拟合系数
Figure 506494DEST_PATH_IMAGE002
；根据所述每个网格单元目标时 期累计作物净用水量和所述网格拟合系数
Figure 323272DEST_PATH_IMAGE002
，得到每个网格单元目标时期地下水水位恢复 数据，以对目标时期水位恢复量进行预测。
进一步地，根据每个网格单元获取网格作物灌溉需水量包括：部分网格单元设置有气象站点，每个所述气象站点对应一个网格单元；获取每个气象站点的气象数据和每个气象站点对应的土壤数据；根据所述气象数据和土壤数据得到每个气象站点的气象站点作物灌溉需水量；根据反距离加权插值法对所述气象站点作物灌溉需水量进行空间插值，以得到所述网格作物灌溉需水量。
进一步地，所述根据所述气象数据和土壤数据得到每个气象站点的气象站点作物灌溉需水量包括：根据所述气象数据和土壤数据得到每个气象站点的参考作物潜在蒸散量；获取每个气象站点的作物系数数据；根据所述气象数据、所述土壤数据、所述作物系数数据和所述参考作物潜在蒸散数据，得到每个气象站点的作物潜在蒸散量和作物实际蒸散量；根据所述作物潜在蒸散量和作物实际蒸散量得到所述气象站点作物灌溉需水量。
进一步地，根据所述气象数据、所述土壤数据、所述作物系数数据和所述参考作物潜在蒸散数据，得到每个气象站点的作物潜在蒸散量和作物实际蒸散量包括：根据所述气象数据、土壤数据得到每个气象站点的作物水分胁迫系数，并结合所述作物系数数据和所述参考作物潜在蒸散数据得到所述每个气象站点的作物潜在蒸散量和作物实际蒸散量。
进一步地，通过下式得到每个网格单元逐年作物净用水量：
Figure 639984DEST_PATH_IMAGE003
Figure 502897DEST_PATH_IMAGE004
Figure 664888DEST_PATH_IMAGE005
其中，
Figure 929648DEST_PATH_IMAGE006
表示每个网格单元逐年作物净用水量，
Figure 151682DEST_PATH_IMAGE007
表示作物灌溉需水 总量，
Figure 236312DEST_PATH_IMAGE008
表示作物灌溉需水量，
Figure 444136DEST_PATH_IMAGE009
表示作物灌溉面积，
Figure 297822DEST_PATH_IMAGE010
表示可持续灌溉供水总 量，
Figure 425178DEST_PATH_IMAGE011
表示灌溉用水比例，
Figure 997105DEST_PATH_IMAGE012
表示所述可持续灌溉供水量，
Figure 766478DEST_PATH_IMAGE013
表示耕地总面积，10 为比例系数。
进一步地，所述获取每个地下水监测站点的地下水水位监测数据包括：获取每个气象站点对应的作物播种期数据和作物收获期数据；根据反距离加权插值法对所述每个气象站点对应作物播种期数据和所述作物收获期数据进行空间插值，以得到每个网格单元作物播种期数据和作物收获期数据；根据所述每个网格单元作物播种期数据和作物收获期数据，提取每个监测站点对应网格单元内的作物播种期数据和作物收获期数据；根据所述每个监测站点对应网格单元内的作物播种期数据和作物收获期数据，提取每个监测站点逐年作物播种期和作物收获期之间的地下水位数据。
进一步地，所述获取每个地下水监测站点的地下水水位监测数据，并将所述水位监测数据和所述逐年累计作物净用水量进行关系拟合，以获取每个监测站点的监测站点拟合系数包括：根据所述每个监测站点逐年作物播种期和作物收获期之间的地下水位数据，得到每个监测站点的逐年作物播种期和作物收获期之间的平均地下水位数据；获取每个监测站点的作物净用水量，并得到每个监测站点的逐年累计作物净用水量；根据所述每个监测站点的逐年累计作物净用水量、所述逐年作物播种期和所述作物收获期之间的平均地下水位数据，形成数据集，其中，所述每个监测站点的逐年累计作物净用水量、所述逐年作物播种期和所述作物收获期之间的平均地下水位数据一一对应；根据所述数据集，对所述每个监测站点的逐年累计作物净用水量、所述作物播种期和所述作物收获期之间的平均地下水位数据进行所述关系拟合，以得到每个监测站点的监测站点拟合系数。
进一步地，通过下式将所述水位监测数据和所述逐年累计作物净用水量进行关系拟合：
Figure 5830DEST_PATH_IMAGE014
其中，
Figure 304087DEST_PATH_IMAGE015
表示所述每个监测站点的逐年作物播种期和作物收获期之间的平均地 下水位数据，
Figure 894468DEST_PATH_IMAGE016
表示所述监测站点逐年累计作物净用水量，
Figure 936373DEST_PATH_IMAGE017
表示所述监测站点的拟 合系数，所述拟合系数用于反映地下水位随用水量变化的快慢，
Figure 764652DEST_PATH_IMAGE018
表示截距。
进一步地，通过下式得到每个网格单元目标时期地下水水位恢复数据：
Figure 499390DEST_PATH_IMAGE019
其中，
Figure 45909DEST_PATH_IMAGE020
表示目标时期每个网格单元的地下水位变化数据，
Figure 157084DEST_PATH_IMAGE021
表 示所述网格单元累计作物净用水量，
Figure 105449DEST_PATH_IMAGE022
表示所述目标时期网格单元累计作物 净用水量，
Figure 276667DEST_PATH_IMAGE023
表示所述网格单元的拟合系数。
（三）有益效果
本公开从水资源可持续理论出发，通过评估耗水作物在农业可持续灌溉用水补充下的实际用水量，结合多年地下水位变化趋势，分析作物实际用水量与地下水位之间的时空耦合关系，量化分析未来不同的耗水作物种植布局下实际用水量变化对地下水位的影响程度，进而使得地下水资源得到可持续利用，为未来地下水位恢复提供可行的方案。
附图说明
图1是本公开实施例一种地下水位恢复量的预测方法的流程结构图；
图2是本公开实施例一种地下水位恢复量的预测方法优化前灌溉需水量示意图；
图3是本公开实施例一种地下水位恢复量的预测方法优化后灌溉需水量示意图；
图4是本公开实施例一种地下水位恢复量的预测方法优化后地下水位相对于基准（历史）情景下的变化量。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本公开进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在附图中示出了根据本公开实施例的示意图。这些图并非是按比例绘制的，其中为了清楚的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域的形状以及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
此外，下面所描述的本公开不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
农业绿色革命以来，农业集约化的发展使得全球粮食产量大幅提升。然而作物产量提高不仅与作物品种改良、施肥等因素有关，还与灌溉水量有着密切关系。全球农业生产占用约70%的淡水资源，在降雨充足地区，充沛的降水和地表水资源为农业增产提供了必要保障。而在一些降雨集中、降雨不充分、年际变化大的地区，地表水资源十分有限，以至于农业粮食生产对灌溉具有较大的依赖性。但由于地表水资源匮乏，地下水成为很多地区农业灌溉的主要供水水源。农业灌溉长期大量的开采地下水，导致地下水位不断下降，进而严重影响区域农业生产的可持续发展。
随着未来人口增长、城镇化水平提升以及饮食结构改变等，对粮食的需求将进一步增加。灌溉作为粮食产量提升的主要手段之一，水稻和小麦等高耗水的主粮作物灌溉比例可能会进一步增加，进而导致未来对水资源的需求也持续增长，地下水资源风险也将加剧。通过优化调整耗水作物的种植结构、实行休耕免耕轮作措施或者改良作物品种等手段减少超采区作物的耗水量，进而缩减对地下水资源的依赖、缓解地下水位持续下降成为关注的重点问题。
然而在相关实施例中，针对地下水问题，量化农业优化措施实施后的节水潜力的研究很多，但是很少有进一步量化节水潜力对地下水位恢复的积极影响的研究。针对网格化作物种植区域的作物优化管理措施中，目前只涉及量化管理措施实施后的节水潜力，却没有针对量化地下水位可能的恢复量的研究。为了高效地优化农业节水潜力和缓解未来水资源的需求压力，针对网格化地下水位恢复量量化的研究迫在眉睫。
本公开从水资源可持续理论出发，通过评估耗水作物在农业可持续灌溉用水补充下的实际用水量，结合多年地下水位变化趋势，分析作物实际用水量与地下水位之间的时空耦合关系，量化分析未来不同的耗水作物种植布局下实际用水量变化对地下水位的影响程度，进而使得地下水资源得到可持续利用，为未来地下水位恢复提供可行的方案。
根据本公开一相关技术在地下水位恢复的研究方案中，一是通过建设地表输水工程和关井压采相结合的方式，使得地下水位得到有效恢复；二是通过进行作物种植结构优化调整或休耕免耕等措施，节约灌溉水，量化地下水位的恢复量。
根据本公开另一相关技术在地下水位恢复潜力的评估方案中，一是通过地下水数值模拟模型或综合区域气候经济条件变化的水需求模型等（如CWatM模型），调整各项地下水影响参数，如给水度、渗透系数、水流流量、地下水流场或地下水利用方式等，评估地下水位的恢复潜力；二是从农业角度出发，在实验田上进行作物的农业优化管理措施，并通过设置地下水位监测装置来评估农业优化管理措施的地下水位恢复潜力；三是从农田水量平衡角度出发，模拟农田水量变化等，结合水量平衡模型（如Kendy模型），应用土壤参数、作物参数和气候参数等量化灌溉水的减少带来的地下水位恢复量。
相关技术中存在关于量化地下水位恢复量的研究方法，然而目前的研究方法中仍有一定的缺陷，如量化成本高、效率低和量化参数不易获取等。第一，通过地下水数值模拟模型等数值模拟方法能够有效量化不同管理措施下的地下水位恢复量，然而该模型需要综合多项参数，如给水度、渗透系数、水流流量、地下水流场、潜水区域的边界、断层岩性等，这些参数的搜集和模拟存在一定困难，并且拓展到区域单元也存在一定难度。第二，在实验田上进行作物的农业优化管理措施，并通过设置地下水位监测装置能够准确量化地下水位的变化，但同样存在难以拓展到区域单元的困难。第三，在当前区域网格单元的作物优化管理措施中，往往量化管理措施实施后的节水潜力，很少有进一步量化地下水位可能的恢复量的研究。
如图1-4所示，本公开实施例一种地下水位恢复量的预测方法，包括：对目标种植 区域建立网格模型，网格模型包括多个网格单元，其中，部分网格单元设置有监测站点，每 个监测站点对应一个网格单元；根据每个网格单元获取网格作物灌溉需水量和可持续灌溉 供水量，并得到每个网格单元逐年作物净用水量和每个网格单元逐年累计作物净用水量； 根据网格单元逐年作物净用水量和逐年累计作物净用水量，得到每个网格单元目标时期累 计作物净用水量；从每个监测站点获取地下水水位监测数据；根据拟合公式，将水位监测数 据和逐年累计作物净用水量进行关系拟合，以获取每个监测站点的监测站点拟合系数
Figure 44903DEST_PATH_IMAGE024
； 根据反距离加权插值法对监测站点拟合系数
Figure 694190DEST_PATH_IMAGE024
进行空间插值，以得到每个网格单元的网格 拟合系数
Figure 497061DEST_PATH_IMAGE025
；根据每个网格单元目标时期累计作物净用水量和网格拟合系数
Figure 573602DEST_PATH_IMAGE025
，得到每个 网格单元目标时期地下水水位恢复数据，以对目标时期水位恢复量进行预测。在一些实施 例中，逐年作物净用水量为数据采集时期内每个网格单元对应年份的作物净用水量，逐年 累计作物净用水量为数据采集时期内每个网格单元对应年份与以往本时期内各年份的累 计作物净用水量之和。目标时期累计作物净用水量为目标时期内各对应年份与以往本时期 内各年份的累计作物净用水量之和。网格单元累计作物净用水量表示已知时期或者历史时 期的网格单元累计作物净用水量。网格作物灌溉需水量表示在一特定时间周期内，每个网 格单元作物生长所需要的水量。可持续灌溉供水量表示在不造成地下水位下降的情况下， 每个网格单元内可用于农业灌溉的用水量。可持续灌溉供水量通过采用地表水资源可利用 量与浅层地下水资源可开采量的农业用水相加，再扣除两者之间的重复计算量得到。在一 些实施例中，根据监测站点拟合系数，预测每个网格单元的网格拟合系数可以通过计算工 具实现。
在一些实施例中，反距离加权插值法被认为被估计单元块的属性与其周围一定距离内已知点的属性有关，并且认为这种关系与已知点到被估计单元块中心点的距离的多次幂成反比。计算公式如下：
Figure 829134DEST_PATH_IMAGE026
公式（4）
Figure 16532DEST_PATH_IMAGE027
公式（5）
公式（4）和公式（5）中，
Figure 673910DEST_PATH_IMAGE028
表示估计值，本公开实施例在估计网格单元拟合系数
Figure 186931DEST_PATH_IMAGE029
、 灌溉需水量以及作物播种期和作物收获期的过程中，
Figure 195338DEST_PATH_IMAGE028
用于分别表示拟合系数
Figure 920849DEST_PATH_IMAGE029
的估计 值、灌溉需水量的估计值以及作物播种期估计值和作物收获期估计值；
Figure 557366DEST_PATH_IMAGE030
为第
Figure 710130DEST_PATH_IMAGE031
（
Figure 674675DEST_PATH_IMAGE031
=1, 2, 3···n）个已知点的属性值，分别对应上述计算中已知站点单元的拟合系数
Figure 469456DEST_PATH_IMAGE032
、灌溉需水 量以及作物播种期和作物收获期数据；
Figure 835846DEST_PATH_IMAGE033
表示已知站点个数，即获取的监测站点个数或者气 象站点个数；
Figure 284145DEST_PATH_IMAGE034
为距离的幂，其显著影响内插的结果，它的选择标准是最小平均绝对误差， 通常取值为2；
Figure 1565DEST_PATH_IMAGE035
表示被估计单元块距离第
Figure 334458DEST_PATH_IMAGE031
个已知点的距离，即要求解的未知拟合系数
Figure 289775DEST_PATH_IMAGE036
， 或者未知灌溉需水量和作物播种期和收获期的网格单元，与已知拟合系数
Figure 174555DEST_PATH_IMAGE037
的监测站点，以 及已知灌溉需水量、作物播种期和收获期的气象站点之间的距离；
Figure 379271DEST_PATH_IMAGE038
和
Figure 250275DEST_PATH_IMAGE039
表示已知拟合系 数
Figure 325679DEST_PATH_IMAGE037
的监测站点，以及已知灌溉需水量、作物播种期和收获期的气象站点的横纵坐标值，
Figure 256725DEST_PATH_IMAGE040
和
Figure 807792DEST_PATH_IMAGE041
表示未知拟合系数
Figure 216908DEST_PATH_IMAGE036
的网格单元，或者未知灌溉需水量和作物播种期和收获期的网格 单元的横纵坐标值。
在一些实施例中，通过下式得到每个网格单元逐年作物净用水量：
Figure 412397DEST_PATH_IMAGE042
公式（6）
Figure 779925DEST_PATH_IMAGE043
公式（7）
Figure 428075DEST_PATH_IMAGE044
公式（8）
公式（6）-（8）中，
Figure 765515DEST_PATH_IMAGE045
表示每个网格单元逐年作物净用水量，
Figure 81090DEST_PATH_IMAGE046
表示作 物灌溉需水总量，
Figure 839093DEST_PATH_IMAGE047
表示作物灌溉需水量，
Figure 725272DEST_PATH_IMAGE048
表示作物灌溉面积，
Figure 413873DEST_PATH_IMAGE049
表示可持续 灌溉供水总量，
Figure 521637DEST_PATH_IMAGE050
表示灌溉用水比例，
Figure 230967DEST_PATH_IMAGE051
表示可持续灌溉供水量，
Figure 791393DEST_PATH_IMAGE052
表示耕地总 面积，10为比例系数。本公开实施例所要解决的技术问题是提供一种地下水位恢复量预测 方法。在模拟过程中，通过计算可用于农业灌溉的可持续利用水量，结合作物生长季内灌溉 需水量，计算实际造成地下水位下降的作物用水量，进而将造成地下水位下降的实际作物 用水量与地下水位数据建立耦合关系，预测未来优化调整后灌溉需水量的减少导致的地下 水位变化。本公开实施例中，可持续灌溉用水量可以展示不会造成地下水位进一步下降的 水平，如果作物生长过程中的用水量超过这个水平，就会造成地下水位下降，因此通过两者 的差值计算净用水量，能够精确量化能够造成地下水位下降的作物用水量。
在一些实施例中，根据每个网格单元获取网格作物灌溉需水量包括：部分网格单元设置有气象站点，每个气象站点对应一个网格单元；获取每个气象站点的气象数据和每个气象站点对应的土壤数据；根据气象数据和土壤数据得到每个气象站点的气象站点作物灌溉需水量；根据反距离加权插值法对气象站点作物灌溉需水量进行空间插值，以得到网格作物灌溉需水量。
在一些实施例中，通过下式进行得到作物灌溉需水量步骤：
Figure 408319DEST_PATH_IMAGE053
公式（10）
公式（10）中，
Figure 698486DEST_PATH_IMAGE054
表示每个网格单元作物灌溉需水量，
Figure 578717DEST_PATH_IMAGE055
即无水分胁迫下的作物 潜在蒸散量与水分胁迫下耗水作物实际蒸散量的差值。
Figure 95280DEST_PATH_IMAGE056
表示作物潜在蒸散量，
Figure 742597DEST_PATH_IMAGE057
表 示作物实际蒸散量。
在一些实施例中，根据作物潜在蒸散量和作物实际蒸散量计算气象站点的作物灌溉需水量包括：根据作物潜在蒸散量和实际蒸散量两者的差表示作物灌溉需水量。
在一些实施例中，根据气象数据和土壤数据得到每个气象站点的气象站点作物灌溉需水量包括：根据气象数据和土壤数据得到每个气象站点的参考作物潜在蒸散量；获取每个气象站点的作物系数数据；根据气象数据、土壤数据、作物系数数据和参考作物潜在蒸散数据，得到每个气象站点的作物潜在蒸散量和作物实际蒸散量；根据作物潜在蒸散量和作物实际蒸散量得到气象站点作物灌溉需水量。在本公开实施例中，首先通过气象站点获得作物播种期和作物收获期数据，再通过数据插值（本公开实施例使用反距离空间插值法），得到空间上的作物播种期和作物收获期数据，最后通过监测站点去提取对应网格单元上的播种期数据和收获期数据。
在一些实施例中，每个监测站点对应一个网格单元，每个气象站点对应一个网格单元。在本公开一些实施例中，每个网格单元按照1km*1km划分。在相关实施例中，如果一个网格单元内有多个地下水位监测站点或气象站点，当处理数据时，可以选取这个网格内的监测站点数据平均值。
在一些实施例中，根据气象数据、土壤数据、作物系数数据和参考作物潜在蒸散数据，得到每个气象站点的作物潜在蒸散量和作物实际蒸散量包括：根据气象数据、土壤数据得到每个气象站点的作物水分胁迫系数，并结合作物系数数据和参考作物潜在蒸散数据得到每个气象站点的作物潜在蒸散量和作物实际蒸散量。
在一具体实施例中，根据土壤数据、气象数据、作物系数数据和参考作物潜在蒸散数据，得到每个气象站点的作物潜在蒸散量和作物实际蒸散量，使用下式表示：
Figure 152850DEST_PATH_IMAGE058
公式（10-1）
Figure 672824DEST_PATH_IMAGE059
公式（10-2）
公式（10-1）为作物在第
Figure 535738DEST_PATH_IMAGE060
天潜在蒸散量
Figure 697729DEST_PATH_IMAGE061
的计算，其中
Figure 962488DEST_PATH_IMAGE062
为第
Figure 184522DEST_PATH_IMAGE060
天的作物系数，
Figure 800311DEST_PATH_IMAGE063
为第
Figure 500414DEST_PATH_IMAGE060
天的参考作物潜在蒸散；
公式（10-2）为作物在第
Figure 619680DEST_PATH_IMAGE060
天实际蒸散量
Figure 278194DEST_PATH_IMAGE064
的计算，其中
Figure 72625DEST_PATH_IMAGE065
为第
Figure 248522DEST_PATH_IMAGE060
天的作物水分胁 迫系数，具体计算公式如下：
Figure 628819DEST_PATH_IMAGE066
公式（10-3）
公式（10-3）中，
Figure 192656DEST_PATH_IMAGE067
为第
Figure 517458DEST_PATH_IMAGE068
天的水分胁迫系数，
Figure 559363DEST_PATH_IMAGE069
为作物根部平均深度的土壤含水 量；
Figure 653221DEST_PATH_IMAGE070
为根区最大土壤有效含水量；
Figure 653538DEST_PATH_IMAGE071
为作物从根区土壤中吸收的无水分胁迫的水分含 量占根区最大土壤有效含水量
Figure 934478DEST_PATH_IMAGE072
的比例；
Figure 311233DEST_PATH_IMAGE073
公式（10-4）
公式（10-4）中，
Figure 994018DEST_PATH_IMAGE074
为前一时期的土壤含水量，
Figure 899657DEST_PATH_IMAGE075
为1天，
Figure 933472DEST_PATH_IMAGE076
为第
Figure 582759DEST_PATH_IMAGE077
天的有效降雨，
Figure 651209DEST_PATH_IMAGE078
为第
Figure 727750DEST_PATH_IMAGE077
天的灌溉用水；
Figure 248861DEST_PATH_IMAGE079
为第
Figure 170681DEST_PATH_IMAGE077
天的作物实际蒸散量；
Figure 93637DEST_PATH_IMAGE080
为第
Figure 200133DEST_PATH_IMAGE077
天的径流；
Figure 208541DEST_PATH_IMAGE081
公式（10-5）
公式（10-5）中，
Figure 199630DEST_PATH_IMAGE082
为常数，在雨养地区为2，灌溉地区为3；
Figure 977094DEST_PATH_IMAGE083
公式（10-6）
公式（10-6）中，
Figure 536382DEST_PATH_IMAGE084
为常数，
Figure 625561DEST_PATH_IMAGE085
为作物在第
Figure 420341DEST_PATH_IMAGE086
天的潜在蒸散量。
Figure 52311DEST_PATH_IMAGE087
公式（11-1）
公式（11-1）中，
Figure 375976DEST_PATH_IMAGE088
表示第
Figure 358976DEST_PATH_IMAGE089
天的实际降雨量，当第
Figure 426289DEST_PATH_IMAGE089
天的平均温度低于0℃时，认为
Figure 912765DEST_PATH_IMAGE090
等于
Figure 915052DEST_PATH_IMAGE091
，当第
Figure 854189DEST_PATH_IMAGE092
天有积雪，且第
Figure 725194DEST_PATH_IMAGE089
天的平均温度高于0℃，则认为
Figure 331755DEST_PATH_IMAGE093
等于平均温 度乘以4mm/℃。
在一些实施例中，获取每个地下水监测站点的地下水水位监测数据包括：获取每个气象站点对应的作物播种期数据和作物收获期数据；根据反距离加权插值法对每个气象站点对应作物播种期数据和作物收获期数据进行空间插值，以得到每个网格单元作物播种期数据和作物收获期数据；根据每个网格单元作物播种期数据和作物收获期数据，提取每个监测站点对应网格单元内的作物播种期数据和作物收获期数据；根据每个监测站点对应网格单元内的作物播种期数据和作物收获期数据，提取每个监测站点逐年作物播种期和作物收获期之间的地下水位数据。本公开实施例中，监测站点通过特定的监测设备定期获取地下水位数据，然后将得到的地下水位数据存储，提取即获取作物播种期和收获期在对应时间段内监测站点所监测的数据。本公开实施例获取作物生长过程中的地下水位数据，并不是简单的使用当年的全部地下水位数据，而是使用作物生长期内的地下水位数据，并用于后续地下水位和灌溉用水的拟合，能够更准确反映由于作物灌溉对地下水位的影响程度。
在一些实施例中，获取每个地下水监测站点的地下水水位监测数据，并将水位监测数据和逐年累计作物净用水量进行关系拟合，以获取每个监测站点的监测站点拟合系数包括：根据每个监测站点逐年作物播种期和作物收获期之间的地下水位数据，得到每个监测站点的逐年作物播种期和作物收获期之间的平均地下水位数据；获取每个监测站点的作物净用水量，并得到每个监测站点的逐年累计作物净用水量；根据每个监测站点的逐年累计作物净用水量、逐年作物播种期和作物收获期之间的平均地下水位数据，形成数据集，其中，每个监测站点的逐年累计作物净用水量、逐年作物播种期和作物收获期之间的平均地下水位数据一一对应；根据数据集，对每个监测站点的逐年累计作物净用水量、作物播种期和作物收获期之间的平均地下水位数据进行关系拟合，以得到每个监测站点的监测站点拟合系数。本公开实施例简单高效地建立灌溉水和地下水位之间的关系。
在一些实施例中，通过下式将水位监测数据和逐年累计作物净用水量进行关系拟合：
Figure 528381DEST_PATH_IMAGE094
公式（12）
公式（12）中，
Figure 813869DEST_PATH_IMAGE095
表示每个监测站点的逐年作物播种期和作物收获期之间的平均 地下水位数据，
Figure 895089DEST_PATH_IMAGE096
表示监测站点逐年累计作物净用水量，
Figure 215212DEST_PATH_IMAGE097
表示监测站点的拟合系 数，拟合系数用于反映地下水位随用水量变化的快慢，
Figure 317160DEST_PATH_IMAGE098
表示截距。
在一些实施例中，通过下式得到每个网格单元目标时期地下水水位恢复数据：
Figure 496469DEST_PATH_IMAGE099
公式（13）
公式（13）中，
Figure 709275DEST_PATH_IMAGE100
表示目标时期每个网格单元的地下水位变化数据，
Figure 24850DEST_PATH_IMAGE101
表示网格单元累计作物净用水量，
Figure 828858DEST_PATH_IMAGE102
表示目标时期网格单元累计 作物净用水量，
Figure 964304DEST_PATH_IMAGE103
表示网格单元的拟合系数。本公开实施例该步骤公式通过计算两个累计 用水量的差值，在通过差值乘以系数得到地下水位变化量。本公开另一实施例可以把公式 （13）中计算的括号拆开，相当于分开计算一个目标时期的地下水位数据和已知时期的地下 水位，相减就是变化量的。本公开实施例相比现有技术，通过在网格单元上模拟未来地下水 位的恢复量，操作简单方便，节省了人力和物力成本。
在一些实施例中，根据每个网格单元获取网格作物灌溉需水量和可持续灌溉供水量包括：获取地表水资源量；获取地下水资源量；获取地表水和地下水重复量；获取农业用水比例。
在一些实施例中，根据气象数据计算每个气象站点的参考作物潜在蒸散数据包括：
Figure 246381DEST_PATH_IMAGE104
公式（14）
公式（14）中，
Figure 947621DEST_PATH_IMAGE105
表示为温度曲线和饱和水气压相关的斜率，KPa/℃；
Figure 391372DEST_PATH_IMAGE106
表示地表净 辐射量，MJ/m2·d；
Figure 279693DEST_PATH_IMAGE107
表示土壤热通量，MJ/m2·d，一般取0；
Figure 99882DEST_PATH_IMAGE108
表示干湿度常数，KPa/℃；
Figure 390049DEST_PATH_IMAGE109
表 示空气平均温度，℃；
Figure 739122DEST_PATH_IMAGE110
表示2m处风速，m/s；
Figure 114739DEST_PATH_IMAGE111
表示饱和水气压，KPa；
Figure 738619DEST_PATH_IMAGE112
表示实际观测水气 压差，KPa。
在一些实施例中，根据每个气象站点作物灌溉需水量计算每个网格单元灌溉需水量包括：利用相关软件将监测站点单元的作物灌溉需水量进行空间插值，扩展到网格单元。
在一些实施例中，地下水位的持续下降是由于长时间作物灌溉用水量超过可持续 灌溉用水造成的，即逐年的作物净用水量为正值（
Figure 883292DEST_PATH_IMAGE113
＞0）。因此计算逐年累计作 物净用水量。首先依据研究时段，计算起始年到结束年份逐年的累计作物净用水量，如研究 时段为2005-2015，则2006年累计作物净用水量为2005和2006年当年的作物净用水量相加， 2015年的累计作物净用水量为2005-2015年逐年作物净用水量累加。该结果同样为网格单 元。本公开实施例能够快速的模拟未来作物实际灌溉用水量，相比现有技术，操作简单方 便。
假设未来基准情景下逐年的作物净用水量为结束年的作物净用水量，未来优化情景下逐年的作物净用水量为基于现状条件优化调整后的作物净用水量，以此预测年份的累计作物净用水量。计算每个网格单元内目标时期累计作物净用水量包括：
Figure 934425DEST_PATH_IMAGE114
公式（16）
公式（16）中，
Figure 797339DEST_PATH_IMAGE115
表示目标时期的累计作物净用水量，
Figure 959330DEST_PATH_IMAGE116
表 示研究时段内结束年份对应的累计作物净用水量，
Figure 224089DEST_PATH_IMAGE117
表示目标时期年份，
Figure 711702DEST_PATH_IMAGE118
表示 研究时段的结束年份，
Figure 61912DEST_PATH_IMAGE119
表示基准情景或优化情景下目标时期逐年的净耗水量。
在一些实施例中，并对监测站点地下水监测数据和监测站点逐年累计作物净用水量进行关系拟合包括：根据逐年播种期和收获期内地下水位数据计算逐年平均地下水位数据；根据逐年累计作物净用水量和逐年平均地下水位数据，得到数据集；根据数据集，对作物净用水量和地下水位数据进行关系拟合，以得到拟合系数，并根据反距离加权插值法进行空间插值，得到网格单元的拟合系数。
在一些实施例中，根据数据集，对作物净用水量和地下水位数据进行关系拟合，以得到拟合系数。再通过从《中国地质环境监测地下水位年鉴》中获取研究区范围内的地下水位监测站点，依据地下水位监测站点提取上述得到的作物播种期和收获期数据，进而获取作物生长季内逐月或逐日的地下水位实测数据。
在一些实施例中，计算每个网格单元目标时期地下水水位恢复数据，以对目标时期水位恢复量进行预测包括：
Figure 762015DEST_PATH_IMAGE120
公式（18）
公式（18）中，
Figure 881280DEST_PATH_IMAGE121
表示目标时期的地下水位变化数据，
Figure 274216DEST_PATH_IMAGE122
表示累计 作物净用水量，
Figure 846142DEST_PATH_IMAGE123
表示目标时期累计作物净用水量。
本公开从水资源可持续理论出发，通过评估耗水作物在农业可持续灌溉用水补充下的实际用水量，结合多年地下水位变化趋势，分析作物实际用水量与地下水位之间的时空耦合关系，量化分析未来不同的耗水作物种植布局下实际用水量变化对地下水位的影响程度，进而使得地下水资源得到可持续利用，为未来地下水位恢复提供可行的方案。
本公开是一种在网格单元上量化农业优化调整措施实施后地下水位恢复量的方法，得到的结果能够全面反映区域单元上农业优化管理措施带来的有益效果，有助于相关部门更加方便的展开有针对性的、具体的规划措施。本公开的关键点是量化造成地下水位下降的作物净用水量。地下水位的持续下降是由于长时间灌溉用水超过地下水供水能力造成的。本公开通过综合水平衡和可持续理论，计算得到农业灌溉可持续水量，进而可以量化农业生产造成的地下水的实际超采量。并通过将超采量与地下水位进行时空耦合，确立地下水位与作物用水之间的关系，用于评估不同农业优化管理措施下的地下水位恢复量。
本公开是一种在网格单元上量化农业优化调整措施实施后地下水位恢复量的方法，该方法中通过综合水平衡和可持续理论，量化了实际造成地下水位下降的作物净用水量与地下水位之间的时空耦合关系，进而评估未来年份下优化措施实施后地下水位相对基准情景的恢复潜力。此外，该方法与现有技术相比，具有成本低、效率高的优点。由于该方法是在网格单元上进行的，得到的结果能够全面反映区域单元上农业优化管理措施带来的有益效果，有助于相关部门更加方便的展开有针对性的、具体的规划措施，从网格单元进行管理、调整，从而有效的缓解地下水位下降问题，减少不必要的人力和财力。
下面结合黄淮海区的一具体实例对本公开实施例做出详细描述。
1. 研究区概况
黄淮海区是我国三大粮食主产区之一，耕地面积占全国平原面积的30%，也是我国 最大的小麦种植区，2000年至2019年，小麦播种面积在全国所占比重由56.28%增长至 73.01%，小麦产量也由6933.79万t提升至10796.6万t，在全国所占比重达到80.82%，成为我 国小麦输送到其他地区的中心。在我国粮食增产的规划中，黄淮海区的新增粮食产能约占 全国1000亿斤新增产能的32.9%。然而，黄淮海区的农业发展导致地下水超采范围和超采程 度日益严重，并且成为全球最大的地下水超采区，1983-1993年间浅层地下水位下降速率达 到
Figure 349936DEST_PATH_IMAGE124
，2003-2010年间下降速率达到
Figure 58129DEST_PATH_IMAGE125
，2002-2014年间消耗了6Bt的地下水资源， 黄淮海区内粮食生产的可持续受到密切关注。在此问题上，本公开选择黄淮海作为案例进 行解释本研究方法的可行性和有效性。
2. 研究数据：
平均温度、降雨、相对湿度、风速、大气压和日照时数等监测站点的日值数据来源于中国气象数据网，使用相关软件对各项气象因子进行空间插值；县级单元主要作物的单产、总产和播种面积数据来源于各类农业统计年鉴；小麦的农田管理措施数据来源于农作物生长发育数据集；土壤数据、地形数据、土地利用数据、土地利用网格百分比数据等来源于地理空间数据云、中国科学院资源环境科学数据中心；土壤有效含水量数据来源于ISRIC-WISE全球土壤属性数据集；主要作物蒸散计算相关的作物系数Kc来源于《北方地区主要农作物灌溉用水定额》；灌溉比例数据来源于SPAM2010数据集；地下水位监测数据来源于《中国地质环境监测地下水位年鉴》。
3. 研究方法
（1）小麦灌溉需水量的计算。
利用各类气象数据，采用FAO推荐的以能量平衡和水汽扩散理论为基础的Penman-Monteith公式，计算潜在蒸散。并结合作物系数和水分胁迫系数，计算小麦在生育期内逐日的潜在蒸散量和实际蒸散量，两者的差值即为小麦的灌溉需水量。具体算法如下：
Figure 621966DEST_PATH_IMAGE126
（1A）
Figure 540243DEST_PATH_IMAGE127
（2A）
Figure 988673DEST_PATH_IMAGE128
（3A）
Figure 36526DEST_PATH_IMAGE129
（4A）
Figure 771263DEST_PATH_IMAGE130
（5A）
式中，
Figure 583362DEST_PATH_IMAGE131
表示为温度曲线和饱和水气压相关的斜率，KPa/℃；
Figure 428958DEST_PATH_IMAGE132
表示植物表层的净 辐射量，MJ/m2·d；
Figure 377322DEST_PATH_IMAGE133
表示土壤的热通量，MJ/m2·d，一般取0；
Figure 689486DEST_PATH_IMAGE134
表示干湿度的常用量，KPa/ ℃；
Figure 723301DEST_PATH_IMAGE135
表示饱和水气压，KPa；
Figure 372588DEST_PATH_IMAGE136
表示实际观测水气压差，KPa；
Figure 441039DEST_PATH_IMAGE137
表示空气的平均温度，℃；
Figure 517579DEST_PATH_IMAGE138
表示2m处的风速，m/s。，
Figure 773111DEST_PATH_IMAGE139
表示不同作物的作物系数，
Figure 757247DEST_PATH_IMAGE140
表示作物的水分胁迫系数，
Figure 945783DEST_PATH_IMAGE141
为 作物根部平均深度的土壤含水量，
Figure 193225DEST_PATH_IMAGE142
为土壤有效含水量，
Figure 936053DEST_PATH_IMAGE143
表示作物从根部地区土壤中可 以吸收水分量占
Figure 927143DEST_PATH_IMAGE142
的比例，
Figure 704606DEST_PATH_IMAGE144
为常数。对于灌溉作物，认为水分充足，水分胁迫系数
Figure 857370DEST_PATH_IMAGE145
等 于1。
Figure 353073DEST_PATH_IMAGE146
为前一时期的土壤水分，
Figure 616695DEST_PATH_IMAGE147
表示1天，
Figure 537682DEST_PATH_IMAGE148
表示有效降水，
Figure 126926DEST_PATH_IMAGE149
为灌溉用水（仅针对灌溉 作物），
Figure 844346DEST_PATH_IMAGE150
为根部下方的深层渗滤。由于雨养条件下认为无灌溉，则
Figure 177239DEST_PATH_IMAGE151
为0。
公式（1A）为P-M公式计算潜在蒸散，公式（2 A）为小麦实际蒸散和潜在蒸散的计 算，公式（3 A）为水分胁迫系数的计算，公式（4 A）和（5 A）为水分胁迫系数计算公式中
Figure 929294DEST_PATH_IMAGE152
和
Figure 689440DEST_PATH_IMAGE153
参数的计算。
（2）本研究以气象站点数据为依据，采用反距离加权插值法对计算得到的小麦灌溉需水量进行空间连续插值。
（3）农业可持续灌溉水量计算（可持续灌溉供水量）
通过各省统计年鉴、水资源公报以及，搜集各地级市单元的地表水资源量、地下水资源量、地表水和地下水重复量等数据；通过《中国地下水资源与环境图集》搜集各地级市的农业用水比例等，结合多种数据计算农业可持续灌溉水量。具体算法如下。
Figure 894156DEST_PATH_IMAGE154
（6A）
Figure 765160DEST_PATH_IMAGE155
（7A）
式中，
Figure 371722DEST_PATH_IMAGE156
表示可持续灌溉水量，
Figure 302769DEST_PATH_IMAGE157
表示地表水可利用量，
Figure 994781DEST_PATH_IMAGE158
表 示地下水可开采量，
Figure 935055DEST_PATH_IMAGE159
表示地表水和地下水的重复量，
Figure 661703DEST_PATH_IMAGE160
表示入渗量，
Figure 498072DEST_PATH_IMAGE161
表示农业用地 下水比例，
Figure 677381DEST_PATH_IMAGE162
表示入渗系数。
（4）造成地下水位下降的作物净用水量计算
本公开通过将逐年作物灌溉需水总量与逐年农业可持续灌溉水总量相减，计算得到能够造成地下水位下降的作物净用水量。
Figure 155766DEST_PATH_IMAGE163
（8A）
Figure 471341DEST_PATH_IMAGE164
（9A）
Figure 9770DEST_PATH_IMAGE165
（10A）
式中，
Figure 410796DEST_PATH_IMAGE166
表示能够造成地下水位下降的作物净用水量，
Figure 551927DEST_PATH_IMAGE167
表示作物 的灌溉用水总量，
Figure 722008DEST_PATH_IMAGE168
表示作物灌溉需水量，
Figure 165759DEST_PATH_IMAGE169
表示作物的灌溉面积，
Figure 54081DEST_PATH_IMAGE170
表示用于 作物的农业可持续灌溉水总量，
Figure 608690DEST_PATH_IMAGE171
表示作物的灌溉用水比例，
Figure 898857DEST_PATH_IMAGE172
为S2计算得到的农业可 持续灌溉水量，
Figure 44667DEST_PATH_IMAGE173
表示耕地总面积，10为比例系数。
（5）地下水位与作物净用水量拟合
依据地下水位监测站点提取对应的逐年累计作物净用水量，进而得到逐年地下水位数据和累计作物净用水量相对应的数据集，用于进行关系拟合。具体拟合形式如下：
Figure 154706DEST_PATH_IMAGE174
（11A）
式中，
Figure 778585DEST_PATH_IMAGE175
为对应的地下水位，
Figure 923259DEST_PATH_IMAGE176
为累计作物净用水量，
Figure 974391DEST_PATH_IMAGE177
为斜率，反映地下 水位随用水量变化的快慢，
Figure 571726DEST_PATH_IMAGE178
为截距。
（6）地下水位恢复量预测
Figure 733717DEST_PATH_IMAGE179
（12A）
式中，
Figure 857531DEST_PATH_IMAGE180
表示预测年份的累计作物净用水量，
Figure 548406DEST_PATH_IMAGE181
表示研究时 段内结束年份对应的累计作物净用水量，
Figure 164195DEST_PATH_IMAGE182
表示未来预测年份，
Figure 864298DEST_PATH_IMAGE183
表示研究时段 的结束年份，
Figure 983564DEST_PATH_IMAGE184
表示基准情景或优化情景下的未来逐年作物净用水量。
（7）农业优化管理措施
本研究采用网格化小麦优化布局调整的方法，解释农业优化调整对地下水位的可能影响。
本公开使用通用代数建模系统（GAMS）的Python API接口，选择CONOPT4解决器中的非线性求解算法，模拟小麦的优化布局。通过在优化算法中综合考虑耕地面积、种植适宜性面积、灌溉比例、单产、灌溉需水量和农业可持续灌溉用水量等条件，进行小麦种植结构的优化调整，得到优化后网格单元上小麦的种植面积等。
4. 研究结果
（1）黄淮海区优化布局的小麦灌溉需水量空间分布变化
从黄淮海区整体来看，大部分地区小麦的灌溉需水量均有较大幅度的下降，尤其 是黄淮海区的中部地区。其中，在河北省南部地区、山东省西部和河南省北部和东部地区灌 溉水消耗量减少超过
Figure 376499DEST_PATH_IMAGE185
立方米。通过优化布局，在限制小麦灌溉需水量的情景下，黄淮 海区整体可减少
Figure 682847DEST_PATH_IMAGE186
立方米的灌溉用水。从不同省市来看，在河北省的南部地区略有 缩减，但是北部地区略有增加，整体表现为增加5.49%的灌溉用水。小麦产量较高但灌溉需 水量低的江苏省由于未考虑灌溉面积的增加，灌溉需水量略有下降，减少了5.76%。河南省 的小麦种植面积最大，结构调整后的小麦缩减也较多，灌溉需水量减少了41.7%。山东省西 部平原和安徽省北部平原区的小麦缩减也比较多，灌溉需水量也分别缩减了23.88%和 27.64%。北京和天津地区的小麦灌溉需水量分别减少了10.14%和18.01%。
（2）黄淮海区优化布局后平原区范围内地下水位变化情况
通过调整小麦的种植结构，灌溉需水量大幅下降，有效缓解了地下水的下降问题。本研究以2005-2014年为研究时段，并探索2005-2014年间地下水位与实际用水量之间的关系，分析了到2020年基准情景下和优化情景下的地下水位变动。研究结果显示，优化调整后，平原区地下水位平均恢复1.05m。在河北平原中南部、鲁西平原、豫东平原等地，地下水位以恢复为主，相对基准情景下可恢复1.5m以上，在皖北平原、豫南平原和豫北平原等地，地下水位可相对恢复0-1.5m，在山东鲁西平原以东，整体地下水位会有持续下降的可能，但是其优化后的小麦灌溉用水量并不会超过可持续用水量。
本公开从水资源可持续理论出发，通过评估耗水作物在农业可持续灌溉用水补充下的实际用水量，结合多年地下水位变化趋势，分析作物实际用水量与地下水位之间的时空耦合关系，量化分析未来不同的耗水作物种植布局下实际用水量变化对地下水位的影响程度，进而使得地下水资源得到可持续利用，为未来地下水位恢复提供可行的方案。
应当理解的是，本公开的上述具体实施方式仅仅用于示例性说明或解释本公开的原理，而不构成对本公开的限制。因此，在不偏离本公开的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。此外，本公开所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
以上参照本公开的实施例对本公开予以了说明。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。本公开的范围由所附权利要求及其等价物限定。不脱离本公开的范围，本领域技术人员可以做出多种替换和修改，这些替换和修改都应落在本公开的范围之内。
尽管已经详细描述了本公开的实施方式，但是应该理解的是，在不偏离本公开的精神和范围的情况下，可以对本公开的实施方式做出各种改变、替换和变更。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本公开创造的保护范围之中。

Claims (9)

1.一种地下水位恢复量的预测方法，包括：
对目标种植区域建立网格模型，所述网格模型包括多个网格单元，其中，部分网格单元设置有监测站点，每个所述监测站点对应一个所述网格单元；
根据每个网格单元获取网格作物灌溉需水量和可持续灌溉供水量，并得到每个网格单元逐年作物净用水量和每个网格单元逐年累计作物净用水量；
根据所述网格单元逐年作物净用水量和所述逐年累计作物净用水量，得到每个网格单元目标时期累计作物净用水量；
从每个所述监测站点获取地下水水位监测数据；
根据拟合公式，将所述水位监测数据和所述逐年累计作物净用水量进行关系拟合，以 获取每个监测站点的监测站点拟合系数
Figure 381664DEST_PATH_IMAGE001
；
根据反距离加权插值法对所述监测站点拟合系数
Figure 111854DEST_PATH_IMAGE002
进行空间插值，以得到每个网格 单元的网格拟合系数
Figure 626012DEST_PATH_IMAGE003
；
根据所述每个网格单元目标时期累计作物净用水量和所述网格拟合系数
Figure 817959DEST_PATH_IMAGE004
，得到每个 网格单元目标时期地下水水位恢复数据，以对目标时期水位恢复量进行预测。
2.根据权利要求1所述的方法，其特征在于，根据每个网格单元获取网格作物灌溉需水量包括：
部分网格单元设置有气象站点，每个所述气象站点对应一个网格单元；
获取每个气象站点的气象数据和每个气象站点对应的土壤数据；
根据所述气象数据和土壤数据得到每个气象站点的气象站点作物灌溉需水量；
根据反距离加权插值法对所述气象站点作物灌溉需水量进行空间插值，以得到所述网格作物灌溉需水量。
3.根据权利要求2所述的方法，其特征在于，所述根据所述气象数据和土壤数据得到每个气象站点的气象站点作物灌溉需水量包括：
根据所述气象数据和土壤数据得到每个气象站点的参考作物潜在蒸散量；
获取每个气象站点的作物系数数据；
根据所述气象数据、所述土壤数据、所述作物系数数据和所述参考作物潜在蒸散数据，得到每个气象站点的作物潜在蒸散量和作物实际蒸散量；
根据所述作物潜在蒸散量和作物实际蒸散量得到所述气象站点作物灌溉需水量。
4.根据权利要求3所述的方法，其特征在于，根据所述气象数据、所述土壤数据、所述作物系数数据和所述参考作物潜在蒸散数据，得到每个气象站点的作物潜在蒸散量和作物实际蒸散量包括：
根据所述气象数据、土壤数据得到每个气象站点的作物水分胁迫系数，并结合所述作物系数数据和所述参考作物潜在蒸散数据得到所述每个气象站点的作物潜在蒸散量和作物实际蒸散量。
5.根据权利要求1所述的方法，其特征在于，通过下式得到每个网格单元逐年作物净用水量：
Figure 242118DEST_PATH_IMAGE005
Figure 126898DEST_PATH_IMAGE006
Figure 862773DEST_PATH_IMAGE007
其中，
Figure 609143DEST_PATH_IMAGE008
表示每个网格单元逐年作物净用水量，
Figure 340338DEST_PATH_IMAGE009
表示作物灌溉需水总量，
Figure 943489DEST_PATH_IMAGE010
表示作物灌溉需水量，
Figure 494556DEST_PATH_IMAGE011
表示作物灌溉面积，
Figure 44617DEST_PATH_IMAGE012
表示可持续灌溉供水总量，
Figure 302423DEST_PATH_IMAGE013
表示灌溉用水比例，
Figure 529005DEST_PATH_IMAGE014
表示所述可持续灌溉供水量，
Figure 380418DEST_PATH_IMAGE015
表示耕地总面积，10为比例 系数。
6.根据权利要求1所述的方法，其特征在于，所述获取每个地下水监测站点的地下水水位监测数据包括：
获取每个气象站点对应的作物播种期数据和作物收获期数据；
根据反距离加权插值法对所述每个气象站点对应作物播种期数据和所述作物收获期数据进行空间插值，以得到每个网格单元作物播种期数据和作物收获期数据；
根据所述每个网格单元作物播种期数据和作物收获期数据，提取每个监测站点对应网格单元内的作物播种期数据和作物收获期数据；
根据所述每个监测站点对应网格单元内的作物播种期数据和作物收获期数据，提取每个监测站点逐年作物播种期和作物收获期之间的地下水位数据。
7.根据权利要求6所述的方法，其特征在于，所述获取每个地下水监测站点的地下水水位监测数据，并将所述水位监测数据和所述逐年累计作物净用水量进行关系拟合，以获取每个监测站点的监测站点拟合系数包括：
根据所述每个监测站点逐年作物播种期和作物收获期之间的地下水位数据，得到每个监测站点的逐年作物播种期和作物收获期之间的平均地下水位数据；
获取每个监测站点的作物净用水量，并得到每个监测站点的逐年累计作物净用水量；
根据所述每个监测站点的逐年累计作物净用水量、所述逐年作物播种期和所述作物收获期之间的平均地下水位数据，形成数据集，其中，所述每个监测站点的逐年累计作物净用水量、所述逐年作物播种期和所述作物收获期之间的平均地下水位数据一一对应；
根据所述数据集，对所述每个监测站点的逐年累计作物净用水量、所述作物播种期和所述作物收获期之间的平均地下水位数据进行所述关系拟合，以得到每个监测站点的监测站点拟合系数。
8.根据权利要求7所述的方法，其特征在于，通过下式将所述水位监测数据和所述逐年累计作物净用水量进行关系拟合：
Figure 452279DEST_PATH_IMAGE016
其中，
Figure 830171DEST_PATH_IMAGE017
表示所述每个监测站点的逐年作物播种期和作物收获期之间的平均地下水 位数据，
Figure 712807DEST_PATH_IMAGE018
表示所述监测站点逐年累计作物净用水量，
Figure 300783DEST_PATH_IMAGE019
表示所述监测站点的拟合系 数，所述拟合系数用于反映地下水位随用水量变化的快慢，
Figure 927068DEST_PATH_IMAGE020
表示截距。
9.根据权利要求1所述的方法，其特征在于，通过下式得到每个网格单元目标时期地下水水位恢复数据：
Figure 159466DEST_PATH_IMAGE021
其中，
Figure 727851DEST_PATH_IMAGE022
表示目标时期每个网格单元的地下水位变化数据，
Figure 288276DEST_PATH_IMAGE023
表示 所述网格单元累计作物净用水量，
Figure 233099DEST_PATH_IMAGE024
表示所述目标时期网格单元累计作物净 用水量，
Figure 156490DEST_PATH_IMAGE025
表示所述网格单元的拟合系数。
CN202210873878.0A 2022-07-25 2022-07-25 一种地下水位恢复量的预测方法 Active CN114925944B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210873878.0A CN114925944B (zh) 2022-07-25 2022-07-25 一种地下水位恢复量的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210873878.0A CN114925944B (zh) 2022-07-25 2022-07-25 一种地下水位恢复量的预测方法

Publications (2)

Publication Number Publication Date
CN114925944A true CN114925944A (zh) 2022-08-19
CN114925944B CN114925944B (zh) 2022-10-21

Family

ID=82815571

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210873878.0A Active CN114925944B (zh) 2022-07-25 2022-07-25 一种地下水位恢复量的预测方法

Country Status (1)

Country Link
CN (1) CN114925944B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732073A (zh) * 2015-03-04 2015-06-24 河海大学 地表水-地下水耦合模拟的计算方法
CN109858666A (zh) * 2018-12-12 2019-06-07 中国水利水电科学研究院 一种湖泊水资源量评估与预测方法
CN110689173A (zh) * 2019-09-12 2020-01-14 黄河水利委员会黄河水利科学研究院 一种灌区农业灌溉用水需求决策方法及系统
CN111062537A (zh) * 2019-12-17 2020-04-24 黄河勘测规划设计研究院有限公司 临河灌区节水量计算方法与系统
US20210179446A1 (en) * 2019-12-12 2021-06-17 Hyorim Co., Ltd. Iot-based system for measurement of contamination distribution of contaminated groundwater through real-time monitoring of contamination degree of contaminated groundwater well for control of contaminated groundwater purification device and prediction of purification period based on measurement result
CN114676545A (zh) * 2021-11-19 2022-06-28 天津科技大学 一种基于gms分析地下水压采方案效果的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732073A (zh) * 2015-03-04 2015-06-24 河海大学 地表水-地下水耦合模拟的计算方法
CN109858666A (zh) * 2018-12-12 2019-06-07 中国水利水电科学研究院 一种湖泊水资源量评估与预测方法
CN110689173A (zh) * 2019-09-12 2020-01-14 黄河水利委员会黄河水利科学研究院 一种灌区农业灌溉用水需求决策方法及系统
US20210179446A1 (en) * 2019-12-12 2021-06-17 Hyorim Co., Ltd. Iot-based system for measurement of contamination distribution of contaminated groundwater through real-time monitoring of contamination degree of contaminated groundwater well for control of contaminated groundwater purification device and prediction of purification period based on measurement result
CN111062537A (zh) * 2019-12-17 2020-04-24 黄河勘测规划设计研究院有限公司 临河灌区节水量计算方法与系统
CN114676545A (zh) * 2021-11-19 2022-06-28 天津科技大学 一种基于gms分析地下水压采方案效果的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YANPING CAO: "Estimating groundwater storage changes in the Heihe river basin using grace", 《 2012 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 *

Also Published As

Publication number Publication date
CN114925944B (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
Guo et al. Agricultural water supply/demand changes under projected future climate change in the arid region of northwestern China
Faramarzi et al. Modelling blue and green water resources availability in Iran
Notter et al. Impacts of environmental change on water resources in the Mt. Kenya region
Chen et al. Effects of irrigation on water and energy balances in the Heihe River basin using VIC model under different irrigation scenarios
Valayamkunnath et al. Intercomparison of surface energy fluxes, soil moisture, and evapotranspiration from eddy covariance, large-aperture scintillometer, and modeling across three ecosystems in a semiarid climate
Cai et al. Agriculture intensification increases summer precipitation in Tianshan Mountains, China
Yin et al. Thermodynamic driving mechanisms for the formation of global precipitation extremes and ecohydrological effects
Liu et al. Impact of farmland changes on production potential in China during 1990–2010
CN102508961A (zh) 一种高分辨率的全分布式水文模型topx的设计方法
Liu et al. Optimization of planning structure in irrigated district considering water footprint under uncertainty
CN112837169A (zh) 一种干旱过程网格化旱情综合监测、预警与评估方法
WANG et al. Spatial-temporal evolution of vegetation evapotranspiration in Hebei Province, China
CN111062537A (zh) 临河灌区节水量计算方法与系统
CN113657781A (zh) 一种适用于极端气候条件下的小麦估产方法及系统
Zhang et al. Coupled hydrology-crop growth model incorporating an improved evapotranspiration module
CN113641946B (zh) 耗水作物种植布局优化方法及装置
Tang et al. Spatial-temporal distribution of climate suitability of winter wheat in North China Plain for current and future climate scenarios
Zhang et al. Agricultural drought characteristics in a typical plain region considering irrigation, crop growth, and water demand impacts
Wei et al. Regional water-saving potential calculation method for paddy rice based on remote sensing
CN114925944B (zh) 一种地下水位恢复量的预测方法
Yin et al. Regional agricultural water footprint and crop water consumption study in yellow river basin, China
Xu et al. A distributed eco-hydrological model and its application
Zadsar et al. Using SWAT model to investigate the impact of Rangeland management practices on water conservation (case study: Gorganroud Watershed, Golestan, Iran)
CN115797790A (zh) 区域尺度整段土壤剖面盐分的卫星遥感分区建模方法
Yang et al. Surface water and energy budgets for the Mississippi River basin in three NCEP reanalyses

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant