人民勝利渠灌區地下水與作物布局匹配度分析

劉中培，冷 靜，韓宇平，曹潤祥，齊明坤

（1.華北水利水電大學，鄭州 450046；2.河南省黃河流域水資源節約集約利用重點實驗室，鄭州 450046）

0 引 言

受全球氣候變化和人類活動影響，人們對地下水資源的依賴性不斷加強，地下水開采量遠大于補給量，生態系統的抗干擾能力和自我修復能力變弱，威脅到了區域社會經濟發展［1］。地下水資源在時空上產生了一系列新的變化特征［2］，變化環境下地下水埋深顯著性擾動及驅動因素分析，也成為了近期研究熱 點［3-6］。SEN Z［7］提出了新的統計方法為創新趨勢分析（ITA），該方法在分析不同等級數據趨勢中無需統計假設，已經用于水文氣象變化趨勢分析領域［8，9］。一些學者在生態輸水、植被指數、典型植被群落分布等方面研究了對地下水埋深變化的影響［10-12］。隨著地下水埋深的不斷增大，土地利用方面對地下水埋深的相關性影響問題也越來越突出［13，14］。地下水與作物布局匹配關系的惡化會對灌區產生不良影響，嚴重時可產生一系列的生態環境地質問題。本文從黃河下游人民勝利渠灌區地下水和作物布局的空間分布相關關系入手，采用雙變量Moran's I 分析對灌區1993-2018年期間地下水埋深與作物布局的空間自相關性進行定量分析，探討地下水與作物布局匹配度，指導井灌渠灌用水，可為黃河流域灌區高質量發展及優化灌區水資源配置指導提供科學支撐。

1 材料與方法

1.1 研究區概況

人民勝利渠灌區位于河南省新鄉境內（圖1），由黃河古河道沖積平原和太行山前沖積扇所組成，居于黃河下游的北部，面積約為1 183 km2，屬于暖溫帶大陸性季風氣候，多年平均降水量為581.2 mm，農田灌溉以利用地下水和引黃河水為主。近年來灌區引黃水量受到了限制，且供水形勢較為嚴峻，降水和灌溉入滲為地下水補給主要來源［15］。灌區地下水排泄以淺層地下水開采和蒸發消耗為主。

圖1 人民勝利渠灌區及站點位置分布圖Fig.1 People's Victory canal irrigation area and site location distribution map

1.2 數據來源及處理

地下水埋深數據來源于人民勝利渠灌溉管理局。地下水埋深時間序列為1993-2018年逐年逐月觀測數據，僅有極少數地下水埋深月觀測數據缺失，已采用鄰近點的線性趨勢方法插補，通過SPSS軟件的轉換工具實現。地下水埋深空間分布圖采用普通Kriging 插值得到，通過ArcGIS 軟件的空間分析工具實現。本文將地下水埋深劃分5 個等級：0～2，2～4，4～6，6～10 和＞10 m。研究采用的作物布局數據來源于土地利用和土地覆蓋（LULC）產品（歐洲航天局氣候變化倡議項目，地下水埋深與作物布局雙變量空間自相關分析通過ArcGIS 與GeoDa 軟件結合實現。地下水埋深年內分析有關四季定為：春季（3-5月），夏季（6-8月），秋季（9-11月）和冬季（12-次年2月）［16］。

1.3 研究方法

1.3.1 ITA方法

創新趨勢分析（ITA）方法將整個時間序列數據集劃分為兩個相等的部分，前半部分和后半部分分別位于X軸和Y軸上，兩組子序列在二維笛卡爾坐標系中表示為一一對應的散點。通過坐標系上1∶1（45°）直線，將散點分割成低、中、高三類，為所考慮的時間序列內部趨勢結構提供了詳細信息。如果數據散點落在1∶1直線上，則時間序列中沒有趨勢，如果第一象限上的散點落在散射區域上（下）三角區域，則時間序列呈現增加（減少）趨勢，如果散點離1∶1直線越近，則時間序列趨勢越弱［16-23］。在目前分析26年時間趨勢研究中，提取兩組子系列，每組13年（1993-2005年和2006-2018年）。

1.3.2 Mann-Kendall分析

地下水埋深時間序列變化特征采用Mann-Kendall 方法分析。該方法有不受樣本值和分布類型等條件影響的優點，采用Z值可進行趨勢判別，Z＞0，數據序列隨時間呈增加趨勢，Z＜0為減少趨勢。Z值絕對值越大，趨勢性就越明顯，可根據檢驗結果判斷顯著性［24-27］。

1.3.3 雙變量Moran′s I分析

空間自相關分析衡量了空間變量是否具有集聚性，主要包含全局空間自相關和局部空間自相關［28］。Anselin 在此基礎上提出了雙變量空間自相關分析［29］，揭示了多個變量之間的空間相關性。莫蘭指數（Moran＇s I）可分析地理要素間的空間分布特征和相關程度，在雙變量Moran＇s I基礎上的空間自相關分析可以描述不同要素空間分布的相關程度［30-32］。公式為：

1.3.4 SMI分析

空間錯配指數（SMI）由Martin 提出，可用于計算地下水埋深與作物分布之間的不匹配程度［33，34］。公式為：

式中：SMIgiri為空間單元i的地下水埋深與作物分布之間的空間錯配指數；gi為空間單元i的地下水埋深；ri為空間單元i的作物分布（某地下水埋深數值模塊下對應的作物分布量）。

2 地下水結果分析

2.1 地下水埋深年內變化特征

灌區主要以農業種植為主，農業用水占比相對較大，除引黃灌溉外，地下水開采使用量不可忽視。選取29 個監測站點1993-2018年地下水埋深數據，以后河、夏莊、常村（如圖1）為典型站點分析，采用ITA 方法揭示地下水埋深等級年內季節性變化趨勢。圖2（a）～（l）中的13 個散點是由1993-2005年逐年某季節地下水埋深與2006-2018年逐年某季節地下水埋深一一對應得出，散點分布位置代表地下水埋深變化趨勢，由45°線分割。

圖2 灌區地下水埋深序列年內變化趨勢Fig.2 Annual variation trend of groundwater depth series in irrigated areas

0～2 m 和2～4 m 深度等級中，常村站點地下水埋深序列點多數位于45°線上三角區，呈增加趨勢，圖2（k）地下水埋深增加程度最高；4～6 m 深度等級中，后河站點和夏莊站點序列散點均位于1∶1線上部，夏莊的序列散點與1∶1線偏離距離最大。圖2（h）、（k）常村埋藏深度4 m 左右的點位于45°線上無趨勢變化，圖2（k）、（b）減少趨勢散點距離-5%帶較近；6～10 m深度等級中夏莊四季點位均位于45°線上三角區域，增加趨勢變化顯著，后河散點位于45°線的兩側，且偏離±5%帶較近，說明地下水埋深下降趨勢有所減緩；＞10 m深度等級中，僅有夏莊序列點位于1∶1線的上三角區域，總體呈增加趨勢，點位偏移隨著地下水埋深的增加而逐漸靠近+5%帶，說明夏莊站點＞10 m 深度等級趨勢的增加，進一步加劇了地下水位下降的程度。

2.2 地下水埋深年際變化特征

2.2.1 時間尺度及趨勢變化

灌區地下水埋深年際變化的計算在時間尺度上通過典型站點逐年月平均值變化量得到，地下水埋深年平均值體現年際變化趨勢，結合Mann-Kendall 方法分析地下水埋深年際變化統計量特征，見圖3和表1。

圖3 地下水埋深變化特征曲線Fig.3 Groundwater depth change characteristic curve

表1 典型站點地下水埋深變化Mann-Kendall統計量特征Tab.1 Mann-Kendall statistics of groundwater depth variation in typical stations

由表1知，后河站點Z值為3.461，通過了置信度為95%的顯著性檢驗，地下水埋深增大趨勢顯著。表2中，地下水埋深變化量的最值均對應其階段的月平均變化量最值，地下水位變幅為階段末12月份的平均地下水埋深減去階段初1月份的平均地下水埋深。結合圖3來看，后河站點1993-2003年地下水埋深變化量圍繞著0刻度線上下浮動，而2004-2018年大部分在0刻度線上方波動。2014-2018年地下水位變幅最大，1993-1998年地下水位變幅最小，在-0.42～3.36 m 之間；常村站點Z值為4.959，并通過置信度為95%的顯著性檢驗，地下水埋深呈現出增加趨勢。結合圖3和表2可以看出，常村站1993-2008年地下水埋深年平均變化量特征曲線位于0 刻度線兩側波動較均勻，變化量在-2.82～2.38 m 之間。2009-2018年特征曲線大部分居于0 刻度線上方，浮動范圍在-2.01～2.3 m 之間。地下水埋深呈現出逐年緩慢下降趨勢；夏莊站Z值為6.326，并通過置信度為95%的顯著性檢驗，地下水埋深呈現出顯著增加趨勢。結合圖3和表2可以看出，地下水位總變幅為10.36 m，該地區地下水埋深逐年持續大幅增加。

表2 地下水埋深變化量 mTab.2 Variation of groundwater depth

2.2.2 空間分布變化

空間分布上，以每隔5年為一個時間點對各站點的年平均地下水埋深進行插值分析。由圖4知，渠首東部和灌區東北部地下水埋深在研究時段內變化最為顯著，其次為東部地區，中部地區變化相對較小。

圖4 1993-2018年地下水埋深時空變化（單位：m）Fig.4 Temporal and spatial variation of groundwater depth from 1993 to 2018

灌區地下水埋深從年際變化來看：1993-1998年，圖4（a）、（b）最大埋深出現在灌區東部，最小埋深出現在灌區中部，渠首東部地區地下水埋深有緩慢增大趨勢；2003-2008年，圖4（c）、（d）最大埋深由灌區東北部向渠首東部地區轉移；2013-2018年，圖4（e）、（f）灌區地下水埋深整體增大，渠首端與其他地區相比埋深較小。從空間分布變化來看：東部地區地下水埋深變化相對較緩，平均以0.185 m/a 的速度增加；中部地區地下水埋深平均以0.284 m/a的速度增加；渠首東部漏斗區地下水埋深變化最快，平均以0.398 m/a的速度增加，西部渠首位置的水源豐富，地下水埋深較小。原因在于，灌區末端主要以開采井灌為主，渠灌為輔，中部以井灌和渠灌結合為主，西部渠首主要以渠灌為主，以井為輔［35］。多年來渠道年久失修，灌溉效果有所下降，逢干旱年加大了地下水的開采量，導致地下水位持續下降。

3 地下水與作物布局空間匹配分析

3.1 雙變量空間自相關分析

3.1.1 全局空間自相關

灌區地下水埋深與作物布局雙變量Moran＇s I 的計算通過GeoDa 軟件實現，根據各地下水埋深數值模塊下相對應的作物分布量，將作物布局設為第一變量，地下水埋深設為第二變量。灌區1993、1998、2003、2008、2013 和2018年的年度雙變量全局空間自相關Moran＇s I 分別為0.219、0.057、0.143、0.279、0.058 和0.040，指數波動呈現出先減小后增大再減小的趨勢，其中2008年表現最為突出，雙變量空間集聚性最強。同期變異系數（CV）值的變化趨勢顯示了Queen鄰接空間權重矩陣中樣本值差異的趨勢，變異系數CV表現出與雙變量Moran＇s I 指數相同的趨勢，但變動幅度較小且與空間位置無關。雙變量Moran＇s I 指數與同期變異系數CV的差異，表明地下水埋深和作物布局相近的區域存在著穩定的空間集聚。1993-2018年期間，灌區地下水埋深與作物布局之間在空間上呈正向相關關系，表現出先減弱再增強后減弱的變化趨勢（見圖5）。

圖5 1993-2018年地下水埋深與作物布局的雙變量莫蘭指數及變異系數Fig.5 Moran index and variation coefficient of groundwater depth and crop distribution from 1993 to 2018

3.1.2 局部空間自相關

對地下水埋深與作物布局進行空間關聯局部（LISA）聚類分析，LISA 圖（圖6）直觀反映出地下水埋深與作物布局在空間上的聚集和分異特征隨著時間的變化。

1993-1998年，圖6（a）、（b）高-高（農田密度高-地下水埋深大）聚集主要集中在灌區末端，這里灌渠引水相對困難，大量農田灌溉采用井灌，造成地下水位下降。高-低（農田密度高-地下水埋深?。┚奂饕性谇锥?，這里渠灌發達，引水方便，渠灌水對補充了下水，使得地下水位相對較高。中部地區出現了顯著的低-高（農田密度低-地下水埋深大）聚集，可能是這個階段城區生活大量取用地下水造成了地下水位下降。這一階段多數地區地下水埋深與作物布局的匹配關系明顯，表明灌區主要受農業取水的影響。

2003-2008年，圖6（c）、（d）空間集聚性集中在灌區的西部地區，這一階段地下水埋深與作物布局匹配關系顯著性較弱。高-高聚集由灌區渠末端轉移到渠首端東部夏莊地下水降落漏斗區，原因在于該地農田密度較高，主要以小麥、玉米等高耗水作物為主，大量取用了地下水。伴隨著工廠的迅速發展，工業取用水量大大增加［36］，強烈干擾了大部分地區地下水埋深與作物布局的匹配關系，導致顯著性丟失。

2013-2018年，圖6（e）、（f）地下水埋深與作物布局的高-低（農田密度高-地下水埋深?。┚奂P系又重新變得顯著。原因在于2008年以來渠首引水能力僅為6～10 m3/s，灌區引水能力明顯降低，作物灌溉的需水量增大，地下水埋深持續下降，城鎮化水平提高，人口增加和工農業的迅速發展，灌區水資源供需矛盾突出［37］。夏莊漏斗區的相關（不具有因果的顯著聚集）仍然存在，其在2013年達到高峰。這一階段水資源管理力度加強，節水壓采政策的施行，新鄉市及周邊企業的自備井開始關停，工業取用地下水開始減少，2018年高-高聚集關系也進一步減弱。

圖6 1993-2018年地下水埋深與作物分布的雙變量LISA聚類圖Fig.6 Bivariate LISA cluster diagram of groundwater depth and crop distribution from 1993 to 2018

1993-2018年，高-高聚集由灌區東部向西部轉移，原因在于地下水漏斗由的轉移（由灌區的東部轉向西部），地下水埋深大，農田分布密度高；低-低聚集由中部轉向西部，說明中部城鎮化水平的提高導致了匹配關系的消失；高-低聚集在灌區中部和西部之間的轉換，是由節水政策的施行及地下、地表水資源配置變動引起；低-高聚集分布規律不明顯。

3.2 空間錯配分析

圖7（a）中將灌區現狀年（2018年）地下水埋深劃分為5 個等級，渠首端地下水埋深較小為0.67 m。渠首東部漏斗區和東北部地區地下水埋深較大，最大埋深值為17.36 m。圖7（b）和表3將灌區現狀年地下水埋深與作物布局的空間錯配指數按照自然斷點法［38，39］劃分為5 個等級，從灌區西部到東部五級空間錯配指數（SMI）分布規律為：西部渠首端地下水埋深與作物分布比例相匹配；漏斗區和東北部地區地下水埋深比重高，作物分布比重低，空間錯配指數等級高；中部地區地下水埋深比重低，作物分布比重高，空間錯配指數等級較低；東部大部分地區地下水埋深比例低而作物分布比例高，空間錯配指數等級低?？臻g變化規律與地下水埋深和作物布局雙變量空間格局一致。

圖7 2018年灌區地下水埋深和地下水埋深與作物布局的空間錯配Fig.7 Groundwater depth in irrigated areas and spatial mismatch between groundwater depth and crop distribution in 2018

圖7和表3顯示，2018年人民勝利渠灌區地下水埋深與作物布局空間錯配嚴重。圖4灌區1993-2018年地下水埋深增加約11 m，作物分布比例減少約5%，城市分布比例增長了約10%，灌區作物分布的比例遠小于地下水埋深的比例。因此，在灌區地下水埋深增加和作物分布減少的情況下，需要合理開采地下水，適當調整井灌與渠灌的輪換，發展節水農業。

表3 2013年灌區地下水埋深與作物布局的空間匹配關系分類Tab.3 Classification of spatial matching relationship between groundwater depth and crop distribution in irrigated areas in 2013

4 結 論

（1）從年際變化來看，1993-2018年灌區地下水埋深隨時間呈增大趨勢；空間分布上，灌區渠首東部地下水降落漏斗區地下水埋深最大，中、東部次之，西部最小。

（2）灌區近26年來，地下水埋深與作物布局雙變量全局Moran＇s I 均在［0，1］之內，在空間上呈正向相關關系，表現出先減弱再增強后減弱的變化趨勢。將雙變量Moran＇s I 與同期CV比較，二者的變化規律不同，原因在于雙變量Moran＇s I 考慮了各研究區域的空間關系，而CV值與空間位置無關。

（3）灌區地下水埋深與作物布局雙變量局部空間相關結構具有較強的穩定性，空間過渡具有一定的路徑或空間鎖定特征。4 種LISA 聚類模式中，高-高聚集由灌區東部轉移到西部，高-低聚集在灌區中部和西部之間的轉換，低-低聚集由中部轉向西部，低-高聚集分布規律不明顯。

（4）灌區現狀年地下水埋深越大的地區空間錯配等級越高，地下水埋深與作物布局空間錯配越嚴重，空間錯配等級的空間變化規律與地下水埋深和作物布局雙變量空間格局一致。研究成果可指導井灌渠灌用水，為黃河流域灌區高質量發展及優化灌區水資源配置指導提供科學支撐。