基于水-能源-糧食紐帶關系的灌區水土資源多目標優化配置模型研究

陳 丹，付 責，張 鵬，季 巍，袁秀偉

（1.河海大學農業科學與工程學院，南京 210098；2.南通市水利局，江蘇 南通 226007；3.淮安市洪澤區水利局，江蘇 淮安 223100）

0 引 言

水安全、能源安全和糧食安全是人類生存和可持續發展的關鍵戰略目標，而灌區作為國家糧食安全的重要保障，科學認識和正確應對灌區水-能源-糧食紐帶關系（Water-Energy-Food nexus，簡稱WEF Nexus）是實現灌區水土資源高效利用的重要內容。灌區水土資源優化配置是灌區水-能源-糧食紐帶關系落地實踐的關鍵之一，一般是指遵循有效性、公平性和可持續性的原則，按照市場經濟規律和資源配置準則，通過各種工程與非工程措施對水資源與土地資源進行科學合理分配，從而最大限度地發揮其生態、經濟、社會各方面綜合效益，以此促進灌區可持續發展［1］，合理匹配水土資源不僅對區域農業發展起到決定性作用，還會影響生態系統組成部分的空間格局［2］。然而受限于經濟技術條件，以及水土資源時空分布不均的特點，我國在灌區水土資源調度上仍存在著不合理的現象，當前灌溉水有效利用系數僅為0.559［3］，人均耕地資源也不足世界人均水平的一半，水土資源的不匹配以及水資源、能源與土地資源利用效率不高等問題并存導致糧食生產受限從而影響農業可持續發展。因此，從水-能源-糧食紐帶關系角度開展灌區水土資源優化配置對實現灌區水土資源可持續利用具有重要意義。

水土資源優化配置一般具有多尺度、多階段、多層次、多變量、非線性等特點［4］，已有的研究多將水資源、土地資源單獨配置，例如在種植面積確定的情況下進行水資源調配的“以需定配”做法［5］、以水資源總量決定土地利用方向的“以水定需”做法［6］、基于分質供水的水量水質聯合調配［7］、以低碳排放等生態效應為目標的水資源配置等等［8］，然而農業生產能力還與水土資源在時間空間尺度上的分布關系、供需平衡關系息息相關，因此在開發利用中應把水土資源作為一個整體考慮［9］，在這方面，研究方法主要是構建水土資源承載力評價指標體系，包括模糊綜合評價法、因子分析、決策分析等［10］；之后開展了水土資源聯合配置相關研究，灌區尺度上的研究方法多集中在優化模型的構建與智能算法求解［4，11，12］，包括線性及非線性規劃、多目標決策技術、模糊優化方法以及衍生的一些其他相關方法等［13］。這些方法一般只考慮水資源、土地資源和社會經濟因素，模型建立在灌區對水資源、土地資源各單方面的限制條件和優化目標上，在各要素之間相互聯系方面考慮不足，而現實中灌區除了水資源、土地資源的配置形式對最終優化結果具有影響外，化肥、農藥的施用以及人力、機械等直接或間接形式的能源投入也會產生不可忽視的影響，且這些因素存在一定程度上的相互作用。在灌區尺度上，水資源、能源與糧食的關聯主要體現在糧食生產中耗水耗能及提水灌溉中對電力的消耗方面，作物在各個生育階段均需要消耗水資源，農藥、化肥、機械、人力、電力等要素的投入也可看作是直接或間接形式的能源消耗，作物收獲、加工、運輸及儲存過程中同樣需要水資源與能源的參與，因此糧食生產可以看作是水資源與能源轉化為糧食的過程；在無法自流灌溉滿足作物需水要求時，需消耗電力進行提水灌溉；灌區農業面源污染的稀釋處理則需要消耗水資源或者污水處理耗電耗能；灌區中產出的部分作物及秸稈則可作為原料用于生物質能發電生產能源。三者相互作用、相互轉化、相互支撐，對于其中一方投入的增減均會造成另外兩種因素的變化，且這種變化是動態的、非線性且長序多年的，加之土地資源的限制，以及氣候變化、人類活動、社會經濟限制等多方面因素的影響，其構成的系統具有動態性、邊界模糊性以及開放性，導致了該系統研究的復雜程度較高。管理者和決策者需要周全分析該動態反饋關系，并考慮到其潛在資源沖突，對灌區資源做出合理的權衡取舍。水-能源-糧食紐帶關系能夠反映水資源、能源及糧食安全之間相互關聯、相互影響的關系，以及三種資源在區域水土資源管理中權衡取舍的重要性，可為傳統的灌區水土資源配置研究提供新的思路和解決途徑［14］。

因此，本文以2019年某灌區實際作物生產和資源消耗情況為例，相比于傳統的水土資源配置形式，一方面加入了灌區內化肥、農藥、機械等直接或間接能源產物投入的考慮，另一方面在目標函數中體現出提水灌溉對能源的消耗、水資源消耗對糧食的增產效應以及能源消耗對糧食的增產效應等環節的系統間作用和關系，以此建立起包含水-能源-糧食紐帶關系思想的多目標優化模型，以規劃的思維對灌區當年水土資源情況進行重新配置，并對比分析當年該灌區實際配置下和進行優化配置下的綜合效益，從新的視角探索更加符合實際的水土資源配置方法，為灌區水土資源高效利用管理提供理論依據和實踐工具。

1 研究方法

1.1 建模思路

在灌區水土資源配置方面，傳統的多目標優化模型一般是以糧食產量最大化、或水資源消耗最小為優化目標，并將水資源總量、種植比例限制等作為約束，以此進行求解。本研究則在傳統多目標優化決策技術上加入水-能源-糧食紐帶關系的思想，在配置過程中體現水-能源關系、水-糧食關系、以及能源-糧食關系。約束條件方面，除了傳統的水土資源總量限制外，還包括能源、社會、經濟等多方面的限制；優化目標方面，不只考慮糧食產量最大化或水資源消耗最小化，而是綜合考慮水資源消耗、能源消耗對糧食產出的效益，即水分生產率和能源生產率，以及綜合灌溉成本和作物收成計算出的直接經濟收益，以期優化結果能反映糧食產出中水資源與能源的貢獻程度。決策變量方面以水資源和土地資源分配量為模型變量；在優化模型的基礎上，利用智能算法對模型求解得到多個優化解后，提出水-能源-糧食優選指數和水-能源-糧食綜合效益指數開展優化方案的評價，并與灌區當年實際產出消耗情況進行分析比較，驗證優化結果的可靠性。本模型構建基本思路見圖1。

圖1 模型建立的基本思路Fig.1 Basic idea of model establishment

1.2 基于WEF Nexus理論的多目標優化模型

（1）目標函數。灌區水土資源優化配置的最終目的是實現各類資源的最優利用，從而保證灌區綜合效益最大化，考慮到水-能源-糧食系統的相互反饋作用，例如一般情況下糧食產量的增加是以水資源、農肥機械等投入的增加為代價的，而水資源投入增加的同時又會進一步增加電力消耗，因此本研究綜合考慮糧食生產、水資源消耗和能源消耗三方面構建子目標函數，分別是灌溉效益凈值最大化（maxZ）、水分生產率最大化（maxY1）、糧食生產能源效率最大化（maxY2）。其中，灌區糧食總效益是通過計算灌溉帶來作物增長收益，扣除灌溉用水成本和配套設施運行成本得到的，收益方面能反映灌溉前后糧食產量的變化（即水-糧食系統反饋），成本方面則反映出灌溉增加時引起的能源消耗（水-能源系統反饋）；水分生產率是指單位毛灌溉用水量所獲得的農作物產量；能源效率是指單位能源投入的糧食產量。三類目標函數均能反映出水-能源-糧食系統間相互反饋作用，以及糧食產出中水資源、能源消耗的貢獻程度。計算公式如表1所示。

表1 灌區水土資源配置優化模型目標函數Tab.1 Objective function of water and soil resources allocation optimization model in irrigation area

其中，對于糧食生產能源效率最大化目標函數，農業生產中涉及到機械投入、人力投入、化肥與能源投入、灌溉排水的電力投入等多種能源消耗。投入的能源包括直接以能源形式投入（包括柴油、電力等）和以能源產物或勞動力資料等形式投入（包括機械、人工、化肥、農藥等）。為了將各類農業生產要素進行比較分析，采用農業生產能量指標體系，柴油、電力能量折算系數參考《綜合能耗計算通則》（GB/T2589-2020），化肥、農藥及人力能量折算系數根據實際調查結果以波動范圍內的平均值確定取值，將各類農業生產要素統一為能量量綱。各類型能源投入量化方法如表2所示。

表2 各形式能源投入量化計算方法Tab.2 Quantitative calculation method of various forms of energy input

（2）決策變量。考慮到灌區農業生產中不同作物經濟效益、耗水、耗能具有差異，而且灌區可利用地表水和地下水資源量調度成本和能源消耗不同，因此選取各作物種植面積Xi、灌區逐月灌溉引水量Wi和井灌抽水量qi為決策變量。

（3）約束條件。本研究結合案例灌區實際主要考慮以下方面限制：①土地資源總量約束；②逐月水資源總量約束；③泵站單次輸排水能力約束；④社會、政策因素約束（糧食作物產量約束、水旱田比例約束、蔬菜作物種植比例約束）。本研究中同一時期以月為單位，各約束條件的計算公式及公式中各符號含義如表3所示。

表3 灌區水土資源配置優化模型約束條件Tab.3 Constraints of water and soil resources allocation optimization model in irrigation area

（4）模型參數取值。模型中的能量折算系數、灌溉效益分攤系數、灌排模數等部分參數會隨著耕作方式、投入要素種類及形式的不同而發生變化，例如不同化肥農藥種類、農作機械型號等有著不一樣的能量折算系數，并非固定值，本研究為了方便計算，在灌區多點調查結果基礎上取了波動范圍內的平均值作為固定值。以波動范圍的平均值作為整體參數取值，從宏觀尺度來看具有一定的合理性，能夠反映灌區作為一個整體的資源配置情況。

（5）模型求解方法。為了提升計算精確性和計算效率，本研究選擇非支配排序遺傳算法Ⅱ（NSGA-Ⅱ）進行求解。該算法是一種在傳統的遺傳算法基礎之上進行改進的優化算法［15］，具有傳統方法不具有的優勢，包括計算過程進行簡化，減少了數據處理的時間，并且獲得的結果更為有效，逐漸成為主流的優化算法［16］。

1.3 優化方案評價指標

上述算法可求解出多組優化配置方案，它們對于各優化目標的優化程度不同，因此需要對求解各種方案進行進一步優選。本研究中優化方案的評價包括兩個方面：①水-能源-糧食優選指數（CWEFN），用于反映出各優化方案與理想解的接近程度，以進行水土資源優化方案比選；②水-能源-糧食綜合效益指數（WEFNI），用于綜合增產效益、經濟效益、節水程度、節能程度多方面對灌區當年實際配置下和優化配置下的綜合效益進行評價。

（1）水-能源-糧食紐帶優選指數CWEFN。TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）法具有直觀的幾何意義，應用范圍廣，是一種有效的多屬性決策方法［17，18］，適用于該部分涉及到的多準則決策問題，因此本研究基于該方法構建了水-能源-糧食優選指數CWEFN。

式中：Zi，Y1i，Y2i，yi分別是三項優化目標和糧食產量進行無量綱處理后的評價值；ω1，ω2，ω3，ω4是上述四項子目標權重；uWEFN是加權評價指標矩陣，即各項子目標構成的原始矩陣乘以所選權重ωi后的矩陣；uWEFN+、uWEFN-分別是加權評價指標矩陣中的最大最小值；DWEFN+和DWEFN-分別表示各優化方案優選指標與最優值的最大、最小差；CWEFN表示為水-能源-糧食紐帶優選指數。

采用專家打分法確定權重，本研究一共咨詢了11 位專家，包括灌區試驗站相關管理人員3 位、當地水利局工作人員3 位、以及學校從事相關研究工作的科研人員5位。在告知本研究各項子目標的含義與算法后，請求專家對各項子目標的重要程度進行賦權，最后根據專家賦權的平均值，確定本研究中作物總產量yi、灌溉效益凈值Zi、水分生產率Y1i和能源生產率Y2i所賦權重分別為0.205、0.268、0.272、0.255。以上方法構建的水-能源-糧食紐帶優選指數CWEFN本質上是優化方案與理想解的接近程度，數值介于0～1之間，數值越大表明優化方案越理想。

（2）水-能源-糧食綜合效益指數WEFNI。對于某一種優化方案，綜合考慮其水資源投入量Wc、單位水資源作物產量Wp、單位水資源經濟收益Wep、能源投入量Ec、單位能源作物產量Ep、單位能源經濟收益Eep，可計算不同作物的水-能源-糧食評價指數WEFNI，具體計算公式如下：

式中：Wc＇、Wp＇、Wep＇、Ec＇、Ep＇、Eep＇為無量綱化處理后的結果；Ai為各類作物的種植面積；WEFNIi為各類作物的水-能源-糧食紐帶評價指數；WEFNI為整個灌區的水-能源-糧食紐帶評價指數。

水-能源-糧食紐帶評價指數WEFNI是考慮增產效益、經濟效益、節水程度、節能程度多方面對灌區優化前后的綜合評價。該指數數值越大，表明灌區的水-能源-糧食綜合效益越高。

2 研究實例

2.1 研究區概況與數據來源

本研究灌區案例處于暖溫帶半濕潤季風氣候區，灌區用水為引提結合灌溉，水源包括上游水庫引水、地下水和攔蓄回歸水。根據當地氣象、水文條件和統計數據得出，2019年該灌區逐月可供水量在700～6 700 萬m3之間變化；當年灌區主要種植水稻、小麥、棉花、玉米、蔬菜、油料及經濟作物，耕地面積共計3.33 萬hm2，各種作物均按照其耗水規律安排適宜灌溉制度，例如水稻主要在6-9月進行灌溉，年灌溉量為6 603 m3/hm2，小麥主要在3、10、12月進行灌溉，年灌溉量為1 152 m3/hm2，各類作物的種植面積、逐月灌溉量等已知；灌區能源投入包括機械、柴油、勞動力、化肥、農藥及用于提水灌溉的電力等。本研究涉及數據主要來源于灌區所在地縣級統計年鑒及相關總結報告與調查，能源投入量、作物灌溉制度、作物單價等數據來源于灌區試驗站資料及實地走訪調研，部分參數（如灌區糧食需求量等）根據所在省統計年鑒中對應的人均消費糧食數據結合實際情況測算得出。主要數據及來源如表4所示。

2.2 水土資源配置優化結果分析

根據1.2 節構建的多目標優化模型，將目標函數、變量、約束條件等參數轉化成MATLAB 代碼寫入程序中，經過500 次迭代后結果趨于穩定，共生成100 組優化結果。該100 組優化結果對于三個子目標具有不同的趨向性，如圖2所示，其Pareto 解集在子目標組成的坐標系中呈現出三維空間結構，按照空間均勻分布的原則，在解集中均勻選擇8點作為典型代表，將其對應的8 組優化結果的種植結構和優化目標值導出，結果如表5所示。

圖2 Pareto前沿及所選方案位置Fig.2 Pareto front and location of selected scheme

由表5可以看出，8組優化結果的水稻種植面積（X1）均接近于水稻面積下限（X1min=1.22），表明在本研究的多目標優化配置模型中，水稻的綜合效益較低，應當減少水稻的種植面積；與之相反，優化后的蔬菜種植面積（X5）接近于蔬菜面積上限（X5max=0.50），即蔬菜的綜合效益較高；棉花和油料的種植面積（X3、X6）接近于0，表明兩者在該區域種植綜合效益較低，應當減少棉花和油料的種植面積；小麥、玉米、經濟作物的種植面積（X2、X4、X7）在不同優化結果中差距較大，且小麥和玉米的種植面積變化呈負相關，說明在不同的灌區發展目標條件下，需要對三者種植面積做出權衡。

表5 8組典型優化配置種植面積 萬hm2Tab.5 Planting area of 8 groups of typical optimized configuration

水資源分配優化方面，按照灌區實際水量配置形式，當年毛灌溉總用水量為24 739.44 萬m3，其中3、6、7、12月份由于地表可供水量不足，還需一定量的水井抽水灌溉。本優化模型在地表水和地下水總量能滿足逐月自流引水量與水井抽水量的前提下，求解出各優化方案逐月分配水量，按照各方案配置形式，年毛灌溉用水量均低于當年的實際值，其中方案1年毛灌溉用水量最少（20 358.41 萬m3），相比實際降低了17.71%，用水量最多的方案8（23 074.50 萬m3）也比實際值降低了6.73%。另外，按照方案1～3的配置形式，可實現灌區全年僅依靠自流灌溉滿足作物生長，方案4～8 則僅需在作物需水量較大的7月份和地表可供水量較小的12月份進行抽水灌溉，各方案年抽水灌溉量均顯著小于當年灌區實際抽水灌溉量（1 104.91 萬m3），即使是所需抽水量最大的方案8（353.83 萬m3）也相比實際值降低了67.98%。初步來看，本優化模型確實一定程度上減少了灌區內的水量耗費和能源消耗（抽水耗能量降低），僅從節水角度來考慮，方案1的優化效果無疑最為明顯，但是考慮到模型除了節水效果還包括糧食總效益、糧食產量、能源效率等方面，各方案優劣程度的評估還需進行進一步綜合效益評價。

2.3 優化結果綜合效益評價

將8 種配置方案對應的優化目標和糧食產量導出，由圖3所示，各方案對于優化目標有著不同的優化結果。其中，糧食總產量方面，方案4 提升最大，其作物總產量達到45.30 萬t，較當年實際值提高了0.35 萬t；灌溉凈效益方面，方案8 的灌溉凈效益值為1.48 億元，較當年實際值提高了466.51 萬元；水資源利用上，同樣是方案4的優化最為出色，其水分生產率達到2.01 kg/m3，較當年實際值提高了0.32 kg/m3，改善程度顯著；能源利用上提升最顯著的是方案1，能源效率達到3.66 kg/MJ，較當年實際值提高了0.64 kg/MJ。4 種優化目標相對當年實際值的增長率如圖4所示，可以看出除了方案1、方案2的糧食總產量，以及方案1～4 的灌溉凈效益相比實際值有下降外，其余方面均得到不同程度的提升，其中方案4 灌溉凈效益相比實際值變化不大，而糧食總產量、水分生產率和能源效率的增長程度均在8種方案中較為出色。

圖3 各方案優化子目標及糧食總產量結果對比Fig.3 Comparison of optimization sub objectives and total grain output results of each scheme

圖4 優化方案子目標及糧食總產量相比當年實際值增長率Fig.4 Growth rate of sub objectives of optimization scheme and total grain output compared with actual value

為進一步對各種方案進行優選，通過計算各方案的水-能源-糧食優選指數（CWEFN）選出綜合效益最好的方案；接著計算選定方案的水-能源-糧食效益評價指數（WEFNI），與灌區實際值對比，從而檢驗選定方案的優越性以及提升程度。

（1）優化方案的篩選。采用1.3 節的方法，導出各方案的優化子目標后，根據權重構建加權評價指標矩陣如下：

計算出8 組優化方案的水-能源-糧食紐帶優選指數CWEFN，從而對8 組優化方案進行比較分析。根據計算結果，該灌區實際配置下優選指數CWEFN為0.59，各優化方案的優選指數均大于該實際值，其中優化指數最高的是方案4（0.92），最小的是方案1（0.65），表明在綜合考慮灌區糧食產量、糧食經濟效益、水分生產率和能源效率的情況下，方案4的綜合效益是最高，該結論與3.2 節中各子目標優化結果基本一致，可見水-能源-糧食紐帶優選指數可以作為最優方案的篩選指標；方案5 和方案3 的優選指數分別為0.91和0.86，可作為較優替代方案。

（2）選定方案的綜合效益評價與檢驗。根據1.3 節的方法，計算該灌區內各種作物的水資源投入量Wc、單位水資源作物產量Wp、單位水資源經濟收益Wep、能源投入量Ec、單位能源作物產量Ep和單位能源經濟收益Eep六項指標，進行無量綱化后，再按照式（5）計算出各作物對應的WEFNIi值，然后根據優化方案4和灌區實際種植結構，按照式（6）計算出該方案以及實際配置下水-能源-糧食效益評價指數，結果如表6所示。

表6 灌區實際配置及方案4配置下的水-能源-糧食指標及評價指數Tab.6 Water energy grain indicators and evaluation indexes under the actual configuration and scheme 4 configuration

由此可見，灌區內的主要7 種作物中，從灌溉效益凈值來看，效益最高的是蔬菜作物（13 204.5 元/hm2），效益最低的是小麥（2 464.5 元/hm2）；從水分質量生產率來看，蔬菜作物的生產率最高（6.77 kg/m3），棉花最低（1.16 kg/m3）；從水分經濟生產率來看，經濟作物生產率最高（3.06 元/m3），水稻最低（0.56 元/m3）；從能源質量效率來看，蔬菜的效率最高（11.03 kg/MJ），棉花最低（0.91 kg/MJ）；從能源經濟效率來看，能源投入與經濟收益費效比最高的是蔬菜作物（3.48 元/MJ），最低的是水稻（0.76元/MJ）。綜合水資源投入、能源投入、作物產量與經濟效益幾方面來看，WEFNI最低的作物為水稻（0.02），表明水稻的水-能源-糧食綜合效益較低，而最高的作物為蔬菜（0.78）。對比可知，優化后方案4 的灌溉凈效益值相比實際值僅降低0.32%，而糧食總產量、水分生產率和能源效率的增長率分別達到8.31%、18.93%和15.49%；當前種植結構下整個灌區的WEFNI數值為0.45，優化后的灌區WEFNI值為0.5，綜合效益相比實際效益提升11.11%。

表7 灌區實際配置及方案4配置下的綜合效益對比Tab.7 Comparison of comprehensive benefits between actual configuration and scheme 4 configuration

3 結果與討論

實現水土資源合理配置是保證灌區可持續發展的重要因素，本文提出從水-能源-糧食紐帶關系角度開展的灌區水土資源優化配置研究思路，并通過實例驗證了方法的可行性。結果表明：①通過合理的種植結構調整和不同生育期水資源分配，能夠發掘傳統灌區在節水、節能、增產方面的潛力，優化方案的灌區糧食總產量、水分生產率和能源效率相比采用傳統配置模式提升了8.31%、18.93%和15.49%。②水-能源-糧食紐帶關系能夠反映出灌區內作物產出、水量投入、農藥化肥等要素投入間的相互聯系，基于該理論的多目標優化模型相比傳統優化配置方法更加全面地考慮到灌區內實際約束條件和優化目標，能夠保證優化結果的準確性和適用性。③基于水-能源-糧食紐帶關系的多目標優化模型能夠求解出多個具有不同優化趨向性的配置方案，分別在節水、節能、增產和增收方面有不同程度的提升，在不同的灌區發展目標條件下，可對不同的方案做出權衡。④基于水-能源-糧食紐帶關系的灌區綜合效益指數WEFNI能夠全面評價灌區的產出與消耗，量化比較灌區的綜合效益。本研究灌區優化方案綜合效益指數為0.50，相比傳統配置方案下提升了11.11%，證明本研究提出優化配置方案的可行性。

本文的研究方法是以多目標優化模型為基礎，通過綜合考慮灌區的約束條件與優化目標得到一系列可行方案。該類多目標優化模型和智能算法求解相結合的研究方法較為常見，例如金江躍在探究陜西涇惠渠灌區水資源優化配置研究中，耦合多目標遺傳算法NSGA-III和地下水數值模擬軟件，構建了水資源模擬優化模型，得到豐水年、平水年和枯水年下最適合該灌區的配置方案［19］；郭萍以灌區灌溉凈效益和用水效率為優化目標建立非線性多目標水土資源聯合配置模型，對地表、地下灌溉水量、種植結構進行了聯合優化，該研究將灌區水土資源分配內在復雜的博弈關系展現出來，且隨著目標傾向性改變，作物的重要性也會隨之改變［20］。與這些研究類似，本文也得到了合理的水土資源配置能夠提升區域綜合效益這一結論，本研究的創新點在于，在模型建立過程中考慮了農藥、化肥等各類型能源投入對結果的影響，并以水資源-糧食生產效率、能源-糧食生產效率、糧食增收經濟凈效益為優化目標，將水-能源-糧食系統作為一個整體進行優化，而非單獨追求糧食產量和節水效果。此外，在常規配置方法中，在得到可行的配置方案結果后可對其實施后可能產生的效果評估，包括社會合理性、經濟合理性、生態合理性及效率合理性等［21］，本文的優化方案評價部分，糧食總產量、灌溉總效益分別對應了上述的社會合理性（糧食安全）、經濟合理性（作物經濟收益），而水分生產率和能源效率則基于水-能源-糧食紐帶關系，通過糧食產出與水資源消耗、能源消耗間的關系，對應了上述的生態合理性及效率合理性（節水、節能水平）。研究結果包括偏向性不同的優化配置方案，除研究區域外，對其余相似發展模式的灌區同樣具有參考意義。

由于灌區多個子系統間動態反饋關系的復雜性，例如水資源的豐缺會影響管理者對于之后作物種植種類、結構、灌溉方式的決策，從而進一步對能源投入、作物產出等造成非線性變化，使得多年尺度下水資源、能源和糧食系統間相互反饋的動態模擬是開展大型灌區水土資源配置研究的關鍵，也是當前研究難點所在。然而本研究受限于數據的可獲得性，僅以規劃的思想根據該灌區當年水、土地、能源實際供給情況，考慮水-能源、以及水-糧食系統間的單向反饋作用進行重新配置，并與當年實際配置形式下水資源、能源投入造成的糧食產出效率和經濟收益進行對比，未能進行全方位、長序列的系統間多次反饋動態模擬，在今后的研究中會嘗試選定現狀年對后續5年或更久時間段內的動態反饋進行模擬；在系統間相互反饋方面，僅考慮了水量灌溉對產量的影響（水-糧食系統反饋）以及提水灌溉對能源消耗的影響（水-能源系統反饋），未能考慮能源投入對于糧食產量的影響，且水-能源系統和水-糧食系統的實際作用機制遠比本研究所呈現的更加復雜。另外本研究基本假設是各類作物全年灌溉的均勻度與化肥、農藥、人力機械等要素投入方式與密度一致，即毛灌溉水量、能源投入量與種植面積成正比，而灌區實際運作中由于自然環境、社會經濟等因素的影響，該比例無法嚴格成立，相同種植面積的同種作物可能會有不同程度的要素投入，該點同樣是同類研究中的一大難點。在多目標優化模型求解中，參數的不確定性對優化結果的影響較為重要，當前較為常見的處理包括采用簡單的平均方法即用一組隨機變量的實現來評價個體，計算個體目標函數的平均值，并進行種群進化操作［22］，或是采用噪聲遺傳算法的思想，評價個體目標函數，并通過引入隨機Pareto 控制排序和隨機擁擠度技術，改進快速非支配排序遺傳算法進行多目標進化操作，尋求滿足多個不確定目標的Pareto最優解［23］等。受具體耕作環境、農戶耕作習慣等因素的影響，本研究模型涉及參數較多，且參數具有一定的不確定性，由于本研究為灌區尺度下的資源配置，為便于數據的整合計算，本文采用研究范圍內多點調查求平均值的方式進行模型中的參數取值，參數取值具有一定代表性，但是對目標函數不確定性處理的不夠，優化解的可靠性有一定的局限性。本文未進行相關參數不確定性對優化結果的影響分析，僅把灌區整體作為對象進行優化配置，最終優化結果反映的是灌區整體配置情況，從宏觀層面可為管理者和決策者提供參考，但對于小尺度的配置還有待加強。最后是在優選指標CWEFN的構建上，由于傳統TOPSIS 法在權重確定和歐式距離求解上存在一定缺陷，計算結果和理論最優方案存在一定偏差［24］，尚存在改進空間。在后續研究中，有待擴大時間尺度，深入挖掘水、能源、糧食及土地資源間內在的影響機制，進行系統間多年的動態反饋模擬；考慮更多小尺度空間范圍下田間自然、人為因素對系統的影響，量化該影響程度并進一步優化改進模型；加大數據的樣本量，利用蒙特卡羅模擬等方法針對參數不確定性對優化結果的影響進行分析，使得優化結果更具代表性和指導意義。

4 結 論

本文從水-能源-糧食紐帶關系的角度研究構建了灌區水土資源多目標優化配置模型方法，包括能體現水資源、能源和糧食生產之間交互關系的目標函數、約束條件和優化求解方法，以及評價優化方案的水-能源-糧食優選指數和水-能源-糧食綜合效益指數。將該模型方法應用于某大型灌區，得到了8組優化結果和一個最優方案，結果表明：該模型優化效果明顯，優化方案的糧食產量、水分生產率和能源效率比傳統配置模式提升了8.31%、18.93%和15.49%，灌溉凈效益僅減少0.32%，但灌區綜合效益提升了11.11%；該模型能較為清晰地展現灌區在節水、節能、增產等方面的相互制約關系，以此開展水土資源優化配置，能充分發揮灌區水資源及能源的利用效率、提升作物產量和灌溉效益，為灌區水土資源高效利用提供了一種新思路。