基于系統動力學的青銅峽灌區農業用水效率調控研究

賈易周，劉子西，唐蓮*

基于系統動力學的青銅峽灌區農業用水效率調控研究

賈易周1,2，劉子西1，唐蓮1*

（1.寧夏大學，銀川 750021；2.黃河水利委員會西峰水土保持科學試驗站，甘肅 慶陽 745000）

【目的】提出青銅峽灌區合理有效的節水政策。【方法】基于作物蒸發蒸騰量，計算青銅峽灌區主要糧食作物的藍水足跡、綠水足跡，建立青銅峽灌區農業用水效率系統動力學模型，研究青銅峽灌區內的農業用水效率，對其水資源利用效率的可變影響因素進行調控。【結果】青銅峽灌區的農業種植需水來源主要是灌溉水，形成了以藍水為主、綠水為輔的生產用水格局，同時當作物需水量被滿足時，藍水足跡和綠水足跡表現出相反的變化趨勢；在保證青銅峽灌區內糧食作物藍水用水量不變的前提下，選取綠水利用系數和灌溉水利用系數為主要參數對模型進行仿真模擬，當綠水利用系數從0.7增加為0.8時，2020年小麥產量增加了0.27萬t，水稻產量增加了0.2萬t，玉米產量增加了0.55萬t；當灌溉水利用效率增加10%時，2020年小麥產量增加了0.47萬t，水稻產量增加0.35萬t，玉米產量增加0.77萬t；當綠水利用系數和灌溉水利用系數同時增加時，2020年小麥產量增加0.75萬t，水稻產量增加0.55萬t，玉米產量增加1.32萬t。【結論】青銅峽灌區農業種植用水應增加對綠水的利用率，通過各種工程或非工程措施提高灌區內的農業用水效率。

水足跡；系統動力學；農業用水效率；青銅峽灌區；灌溉水利用系數

0 引言

【研究意義】中國水資源嚴重短缺，水資源不足是社會經濟發展的瓶頸[1]，農業節水戰略對保障水安全與糧食安全問題至關重要。灌區灌溉節水是農業節水的重中之重。對灌區發展而言，首要前提應是保障灌區生態環境健康，重點發展高效節水灌溉技術的應用，優化農業用水效率與提升作物品質[2]，農業虛擬水戰略的科學建立有利于解決我國水資源供需矛盾以及時空分布不均問題，也是水資源可持續利用定量評價的基礎[3]。水足跡概念及其相關研究成果為全面評價農業用水效率提供了全新的方法。【研究進展】在以往對農業水足跡分析中，大多數成果都集中在對作物水足跡的量化以及時空分布特征，不能全面反映農業生產過程中對不同來源水資源依賴程度以及實際用水效率[4]。能夠給農業用水管理提供的有效建議不多，隨著基于水足跡的農業用水和節水評價研究的探索，作物水足跡在農業用水效率評價中的優勢正在逐漸顯現[4-9]。采用水足跡的研究思路對灌區的作物生產用水進行合理評價，明確作物對藍水、綠水的消耗總量，以及其調控策略，有助于分析灌區主要糧食作物的用水形勢，實現水資源高效利用。而在氣候變化和人工干預雙重影響的背景下，對水資源系統來說，在評估現狀的基礎上預測未來的需水情勢非常迫切。農業用水受氣候變化、經濟發展、科技進步等多種因素的影響，系統動力學方法可研究多個因素對同一變量的影響，通過建立不同的情景，控制不同變量，比較各因素的影響程度，從而提出適應性管理策略。水足跡和系統動力學都是研究水資源優化問題的有效方法，在研究過程中可以將二者有機結合，能取得較好效果。王倩等[10]基于系統動力學模型研究發現，農業用水量主要受經濟發展和科技進步調控策略的影響，農業用水量對科學管理水資源的分配、提高灌溉水利用系數極其敏感；王方劍[11]構建了關中地區水足跡系統動力學方法仿真模型，在設置的4種不同農業發展及用水模式中，引入降水入滲和灌溉水利用系數作為關鍵調控因子，實現關中地區水足跡預測；黃會平等[12]基于系統動力學模擬藍水足跡、綠水足跡調控對農業水資源承載力變化影響，通過工程技術手段同時提高綠水入滲系數及灌溉水利用效率，結果表明藍水、綠水資源的進一步有效利用能提高灌區糧食安全生產保障率。李新生[13]構建京津冀農業生產系統動力學模型，探討京津冀農業水資源管理中通過調控降水入滲系數及灌溉水利用系數，可以針對性地提出具體的調控措施，取得較好效果；劉寧[14]則嘗試從水足跡角度構建京津冀地區水資源配置系統動力學模型。以上研究表明，嘗試將藍水足跡、綠水足跡、灰水足跡引入降水入滲及灌溉水利用系數的研究，結合系統動力學模型構建，可針對農業水資源承載力、農業水資源管理等問題開展研究，實現預測與調控。【切入點】在以往的農業水足跡研究中，研究者重點分析了農作物的水足跡及其空間的分布特征，對農業生產過程中的農業用水效率多關注藍水足跡，針對藍水、綠水綜合調控的研究還不多見。

【擬解決的關鍵問題】本文綜合考慮作物對灌溉水和降水的利用特征，從同時提高灌溉水資源（藍水）和降水資源（綠水）利用效率出發，將水足跡研究與系統動力學模型相結合，首先明確青銅峽灌區農業生產對灌溉即降水資源的真實占用情況，進一步從藍綠水綜合角度探討青銅峽灌區主要糧食作物農業用水效率的調控潛力，為提升青銅峽灌區的節水潛力，科學提高灌區內農作物的用水效率提供參考。

1 材料與方法

1.1 研究區概況

1.1.1 研究區域

青銅峽灌區地處寧夏中北部，在行政區劃上主要包括銀川、石嘴山、吳忠3個地級市和青銅峽、利通區、靈武、永寧、銀川郊區、賀蘭、平羅、惠農、陶樂、鹽池、同心等11個縣市及13個國營農、林、牧、漁場。地理位置介于東經105°37′—106°39′，北緯37°49′—39°23′之間，南始于黃河青銅峽水利樞紐，東接鹽靈臺地，西抵賀蘭山脈，北至石嘴山，位于寧夏平原地勢最低處。灌區多年平均降水量為180～220 mm，年內分布不均，主要集中在每年7、8、9月，年均蒸發量1 000～1 500 mm，年均氣溫8.5 ℃，＞10 ℃的年平均積溫3 630～3 830 ℃，無霜期達到174 d。水資源的基本特征是蒸發強烈、降水稀少，農業發展過于依賴過境黃河水。地下水資源總量為9 877萬m3，其中大氣降水補給6 377萬m3，賀蘭山山前側向徑流以及山洪入滲補給3 500萬m3。青銅峽灌區基本均以引黃水灌溉為主。

1.1.2 數據來源

青銅峽灌區作物種植主要為水稻、小麥和玉米，再輔種其他豆類、薯類以及油料、蔬菜等經濟作物，受數據收集限制，本文水足跡主要計算1993—2020年糧食作物的水足跡，且由于灌區統計資料不足，因此計算方式是收集1993—2020年灌區內行政區劃的相關數據，包括氣象、農業統計和作物等數據。

氣象數據源于中國氣象網，包括青銅峽灌區行政區劃內的各氣象站點的經緯度和海拔等地理數據，以及氣溫、風速、日照時間和平均相對濕度等氣象數據。農業統計數據主要來自于1993—2020年的《寧夏統計年鑒》，主要包括水稻、小麥、玉米的產量以及播種面積等數據。作物數據包括生育期數據和作物系數，參考《FAO-56作物需水量計算指南》。

1.2 研究方法

1.2.1 水足跡計算方法

由于本文僅考慮田間作物的耗水過程，為了評價田間尺度水分利用效率，因此選擇的方法為基于作物蒸發蒸騰量的計算方法[15]。該方法主要計算式為：

式中：green和blue為作物綠水足跡和藍水足跡；green和blue為農作物綠水和藍水消耗量（m3/hm2）；常數10為單位轉換系數，將單位由水深（mm）轉化為單位面積水容量（m3/hm2）；green和blue分別為每種農作物綠水和藍水的蒸散發量（mm）；為單位面積農作物的產量（kg/hm2）。

每種農作物綠水和藍水的蒸散發量計算式為[16]：

式中：C為農作物蒸散發量（mm）；eff為有效降水量（mm）。由于無法計算污染物水資源體積，本文只計算藍水足跡和綠水足跡。

參考作物蒸散發和作物系數的乘積為農作物蒸散發量，使用Penman-Monteith公式計算參考作物蒸散發量[17]：

式中：C為作物蒸散發總量（mm/d）；0為參考騰發速率（mm/d）；C為作物系數；n為作物表面上的凈輻射（MJ/（m2·d））；為土壤熱通量（MJ/（m2·d））；為2 m高處日平均氣濕（℃）；2為2 m高處的風速（m/s）；s為飽和水汽壓（kPa）；a為實際水汽壓（kPa）；sa為飽和水汽壓差（kPa）；Δ為飽和水汽壓曲線的傾率；為濕度計常數（kPa/℃）。

eff計算式為：

式中：dee為旬降水量（mm）；e(dee)為旬有效降水量，作物生育期內的有效降水量可由各旬有效降水量累加得到[18]。

農作物水足跡的計算式為：

green和blue主要由農作物產量以及各氣候因素決定。農作物水足跡是綠水足跡、藍水足跡的總和，因此，可以通過不同的途徑來控制農業用水量。

1.2.2 系統動力學模型

系統動力學方法可以把水資源、社會、經濟、生態等融合成一個系統整體，通過微分方程組模擬預測相關指標變化情況，來進一步研究農業用水效率[19]。系統動力學模型的建立是一個迭代的過程，在這個過程中需要將流程循環往復，可以概括為反饋-分析-迭代-擬合的過程，基本步驟如下：

1）收集相關數據資料，由于資料可獲取性的限制，將系統邊界確定為2011—2020年。

2）確定模型內含的變量，同時找出影響關鍵變量的可控因素為綠水有效利用系數和灌溉水利用系數，根據假設繪制模型相關結構圖。

3）確定模型參數，建立模型的相關方程，利用Vensim來進行模型的建立。

4）對模型進行測試，查看模型是否能夠擬合系統，將相關參數進行調整，對模型進行優化調整。

本文利用系統動力學模型，主要是把區域典型農作物生產過程作為研究系統，選取一定的要素建立農業用水效率仿真模型，引入藍水足跡、綠水足跡，從更廣泛的角度討論調控灌區農業種植水資源利用效率的可能性。首先要確定系統模型與外界環境之間的邊界范圍，邊界建立范圍大，系統所能包含的影響因素就多[20]。本文的系統空間邊界選擇青銅峽灌區行政區劃，由于相關數據無法全部收集，因此系統動力學模型時間邊界為2011—2020年，時間步長為1 a。之后選擇影響力較大的相關因素進行調整，對模型進行模擬調控，討論青銅峽灌區內農業用水效率的合理調控政策，提升灌區農業用水效率。

2 結果與分析

2.1 水足跡計算結果

青銅峽灌區作物的綠水足跡和藍水足跡見表1、表2。由表1可知，2002年青銅峽灌區綠水足跡最大，其次為2012年，2005年最低。這是因為2002年灌區內3種主要糧食的種植面積最大，同時說明2002年降水量最高，為260.52 mm，其次為2012年，降水量為259.97 mm，2005年最低，降水量為80.86 mm。2002年各主要作物綠水足跡排序為玉米<水稻<小麥，其值分別為0.281、0.290、0.641 m3/kg，分別占2002年總綠水足跡的23.2%、23.9%、52.9%。2012年各主要作物綠水足跡排序同樣為玉米<水稻<小麥，其值分別為0.266、0.319、0.484 m3/kg，占比分別為24.9%、29.8%、45.3%。2005年中各主要作物的總綠水足跡僅為0.198 m3/kg，說明2005年青銅峽灌區降水量偏少，各主要作物綠水足跡都受到較大的影響。結合氣候數據可知，降水量是影響作物綠水足跡的主要因素，呈顯著的正相關關系。

表1 青銅峽灌區1993—2020年各主要糧食作物綠水足跡

由表2可知，2005年青銅峽灌區的藍水足跡最高，表明2005年的灌溉用水量最高，是因為該年降水量比其他年份降水量少，為了保證作物的正常生長，增加了灌溉用水量。2005年，小麥的藍水足跡最大，為2.225 m3/kg，占2005年總藍水足跡的52.0%，這主要是由于在青銅峽灌區主要種植小麥為春小麥，而在其生育期內寧夏區域降水并不充足，因此灌溉水量增加，而水稻藍水足跡為0.973 m3/kg，玉米的藍水足跡為1.079 m3/kg，分別占2005年總藍水足跡的22.8%、25.2%，雖然水稻的種植面積遠不如玉米，但水稻需水量大，另外，寧夏地區降水量偏少，因此，二者藍水足跡相差不大。2003年各主要作物中，水稻的藍水足跡為0.879 m3/kg，占2003年總藍水足跡的20.9%，小麥的藍水足跡最高，占當年總藍水足跡的58.3%，玉米的藍水足跡占當年總藍水足跡的20.8%。2016年的總藍水足跡為2.418 m3/kg，該年青銅峽灌區降水量較高，作物生長發育條件較好，因此所需灌溉水量不多。小麥的藍水足跡一直較大，可能與其種植面積較大有關。結合相關氣象數據可知，降水量與藍水足跡負相關，而平均風速與藍水足跡正相關，各氣象因素在不同時期的綜合作用能夠影響作物的生長狀況，對藍水足跡、綠水足跡的影響程度也不同。

表2 青銅峽灌區1993—2020年各主要糧食作物藍水足跡

在研究時段內，除2005年降水量最少，其對應的綠水足跡最低，藍水足跡最高，符合藍綠水此消彼長的規律外，2002年降水量最大時，其對應的綠水足跡最大，但藍水足跡卻并不是最小；2012年也是如此。說明藍綠水的此消彼長過程中，不同年份的綠水利用率、藍水利用率都沒有達到較好的匹配性[11]，還有提高潛力。

青銅峽灌區1993—2020年主要農作物總水足跡中，綠水足跡占比為16.9%，藍水足跡占比為83.1%。可以看出藍水足跡占比更多，且要遠高于綠水足跡，這意味著青銅峽灌區的農業用水主要是灌溉水，在農作物生產中主要以藍水為主，但充分利用綠水可降低灌區農作物生產中灌溉水的使用量，有效改善對灌溉水資源的浪費情況。

2.2 灌區農業用水效率系統動力學模型

青銅峽灌區農業用水效率優化系統以優化灌區農業藍水、綠水用水效率，從而能夠更合理的使用灌區水資源并提高產量為最終目的，在模型建立中選擇可用的變量，分析變量之間的相關關系，以此來反饋系統內部的信息。根據資料選擇具有代表性的變量，將變量分為4個類型，包括常量（C）、狀態變量（L）、速率變量（R）、輔助變量（A）。表3為系統模型選取變量。

表3 青銅峽灌區農業用水效率模型變量

根據變量與系統之間的聯系，可以得到青銅峽灌區的農業用水效率系統動力學模型如圖1所示。

圖1 青銅峽灌區農業用水效率系統動力學結構

對青銅峽灌區農業用水效率系統動力學進行仿真模擬，將灌區內主要糧食產量的模擬結果用來檢驗模型。本文將2011年作為基準年，選擇2011、2015、2020年3種糧食作物產量的實際值與模擬值來檢驗，可以得到表4。由表4可知，3種糧食作物的產量模擬值與實際值最大誤差為6.72%，其絕對值不超過10%，滿足要求。

表4 模型誤差檢驗和模擬結果

根據所建立的模型以及青銅峽灌區的現實情況來看，主要可以進行調控的因素有農作物藍水用量、綠水有效利用系數和灌溉水利用系數。

1）綠水利用系數的仿真調控

為了保證青銅峽灌區糧食作物的正常生長，需要充分滿足作物需水量，而青銅峽灌區屬于北方干旱地區，水資源短缺問題明顯，節水灌溉是當地的一項重要政策，因此需要通過不同方式來增加農作物對綠水的利用率，減少灌溉用水的消耗量，有助于增加農業用水效率。提升土壤持水能力的途徑包括深松耕作、地膜覆蓋等耕作措施，以此來增加農作物對綠水的利用效率，保證即使灌溉用水不足時也能滿足作物正常發育的需水量，充分貫徹節水灌溉政策。

綠水有效利用系數的提高可以通過各種工程或者非工程措施，在本文中綠水利用系數初始值為0.7，在綜合考慮青銅峽灌區內各種技術措施的施行后，在模擬調控時將綠水利用系數提升為0.8。控制其他值不變，將綠水利用系數進行相應調控得到表5。

表5 綠水利用系數調整下模型模擬結果

在青銅峽灌區3種糧食作物的藍水用水量不變的前提下，提升綠水利用系數，可以看出各種糧食作物產量均有一定程度的提升，與同年未進行調控時的模擬值相比，2020年小麥產量增加了0.27萬t，水稻產量增加了0.2萬t，玉米產量增加了0.55萬t，說明此時農業用水效益也有了一定的提升。

2）灌溉水利用系數

灌溉水的損失主要包括輸送損失和灌溉損失量，因此通過減少渠系輸水損失、增加灌溉時的節水意識可以有效提高灌溉水利用系數，大力向農戶宣傳節水政策，提高農戶自主節水意識，合理使用各種節水灌溉技術，如渠道防滲、噴灌等，優化作物灌溉用水管理政策，積極研制優良作物品種，保證作物對水資源充分利用。

通過《寧夏回族自治區農田灌溉水有效利用系數測算分析成果報告》可知，青銅峽灌區的灌溉水利用系數在0.4～0.55之間，規劃是2025年前達到0.65以上，灌溉水利用系數跟國內平均水平及規劃水平相比仍有很大差距，依然有較大的提升空間，在系統動力學的仿真模擬中，將灌溉水利用系數每年提升10%，灌溉水系數調整后模擬結果見表6。

表6 灌溉水利用系數調整下模型模擬結果

在青銅峽灌區3種糧食作物的藍水用水量不變的前提下，提高灌溉水利用系數，可以看出各種糧食作物產量均有一定程度的提升，與同年調控前的模擬值相比，2020年時小麥產量增加0.47萬t，水稻產量增加0.35萬t，玉米產量增加0.77萬t，說明此時農業用水效益增加。

3）綠水利用系數和灌溉水利用系數綜合仿真調控

在系統動力學模型中同時對綠水有效利用系數和灌溉水利用系數進行調控，將綠水有效利用系數提升至0.8，灌溉水利用系數提升10%，分析在二者的綜合作用下，青銅峽灌區農業用水效率的變化，可以得到表7。

表7 綜合性調控措施下模型模擬結果

在青銅峽灌區3種糧食作物的藍水用水量不變的前提下，提高綠水利用系數和灌溉水利用系數，可以看出各種糧食作物產量均有一定程度的提升，與同年調控前的模擬值相比，2020年小麥產量增加0.75萬t，水稻產量增加0.55萬t，玉米產量增加1.32萬t，說明此時農業用水效益有一定提升，且增加幅度大于單一參數的調整。

3 討論

青銅峽灌區1993—2020年主要糧食作物水足跡及其變化趨勢表明，青銅峽灌區灌溉水利用效率逐年提高，實現了有效節水[21]。而其主要糧食作物的生產水足跡均以藍水足跡為主，這與趙芮[22]在寧夏中部揚黃灌區研究相同，因此，對青銅峽灌區當前的灌溉模式進行適當的調整能夠有效節約資源浪費和提高糧食產量，應該結合農田實際情況加強節水灌溉建設，規范用水管理，改善農藝措施，提高灌溉水利用效率來實現節水增產[23]。

降水和灌溉用水同時在作物生產和糧食生產中發揮非常重要的作用[13,24]。從青銅峽灌區農業用水效率系統動力學模型的模擬結果來看，提高綠水有效系數和灌溉水利用系數也能夠有效增加糧食作物產量，二者相結合對糧食作物產量的提升有更加明顯的作用。因此對于青銅峽灌區這類干旱缺水地區，應保證在不增加灌溉水量的前提，通過節約藍水、提高綠水利用效率來進一步提高灌溉效益，可以將各種管理及技術、工程措施相結合的方式來增加當地的水資源承載力水平，滿足作物生長需水過程中藍水和綠水需求，共同保證其正常生長。

與此同時，青銅峽灌區主要糧食作物農業用水效率的進步空間依然很大，主要表現在藍水資源有限，灌溉水利用系數依然較低，規劃水平為2025年達到0.65；對降水資源的利用在引黃灌區目前則沒有明確的利用規劃。因此母彩霞[25]提出可以通過提高灌溉水利用系數的方式來增加青銅峽灌區對水資源的利用，主要調控措施是通過減少渠系輸水損失、增加灌溉節水意識來有效提高灌溉水利用系數，加大灌區節水改造，優化種植結構，減少高耗水作物的種植面積，大力向農戶宣傳節水政策，提高農戶自主節水意識，以及合理使用各種高效節水灌溉技術，如渠道防滲、噴灌、滴灌等，優化作物灌溉用水管理政策[26]，保證作物對水資源充分利用，科學提高農業用水效率。同時在灌區管理上，引導農民深松耕作、地膜覆蓋、秸稈還田、免耕種植等耕作措施，改善土壤持水性能，降低土層體積質量[13]，增加土壤總孔度，提高土壤飽和導水率，從而提高綠水利用效率，在灌溉用水短缺時保障作物生長發育。

本文采用的是通用性方法，得出的主要結論同樣適用于主要種植小麥、玉米、水稻的其他北方大型灌區，但對于南方地區而言，其灌溉系統結構差異使得各影響因素對灌區的作用程度不一樣，因此需要另外開展研究，同時節水會對灌區區域生態環境影響如何還有待進一步研究。

4 結論

1）青銅峽灌區主要糧食作物藍水足跡占總水足跡的83.1%，綠水足跡占總水足跡的16.9%，1993—2020年藍水足跡最大年份為2005年，最小年份為2008年，綠水足跡歷年最大年份為2002年，歷年最小年份為2005年。藍水足跡總體呈下降趨勢，綠水足跡整體不變，可以看出灌區總體用水效率有所提升，但對降水利用率不高。

2）在作物需水量被滿足的前提下，藍水足跡、綠水足跡的變化趨勢相反，但同年的互補關系并不完全匹配，如2002、2005、2012年，說明存在灌溉綠水利用不充分、藍水利用不合理現象。

3）提升綠水有效利用系數或灌溉水有效利用系數均可以有效提高青銅峽灌區內的糧食作物產量，而在同時對2種參數進行調控時，其對產量的提升明顯高于對單一參數的調控。

[1] 紀曉玲, 王小林, 張靜, 等. 榆林市黃土丘陵溝壑區農業節水潛力分析[J]. 中國農業資源與區劃, 2019, 40(3): 130-135.

JI Xiaoling, WANG Xiaolin, ZHANG Jing, et al. Analysis on agricultural water-saving potential in loess hilly-gully district of Yulin[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2019, 40(3): 130-135.

[2] 史海濱, 楊樹青, 李瑞平, 等. 內蒙古河套灌區節水灌溉與水肥高效利用研究展望[J]. 灌溉排水學報, 2020, 39(11): 1-12.

SHI Haibin, YANG Shuqing, LI Ruiping, et al. Water-saving irrigation and utilization efficiency of water and fertilizer in Hetao irrigation district of Inner Mongolia: Prospect for future research[J]. Journal of Irrigation and Drainage, 2020, 39(11): 1-12.

[3] 吳兆丹, 趙敏, UPMANU Lall, 等. 關于中國水足跡研究綜述[J]. 中國人口·資源與環境, 2013, 23(11): 73-80.

WU Zhaodan, ZHAO Min, UPMANU Lall, et al. A review of researches on Chinese water footprint[J]. China Population, Resources and Environment, 2013, 23(11): 73-80.

[4] 姜秋香, 李鑫瑩, 王子龍, 等. 黑龍江省農業水足跡時空分布及用水效率分析[J]. 東北農業大學學報, 2020, 51(11): 87-96.

JIANG Qiuxiang, LI Xinying, WANG Zilong, et al. Spatio-temporal distribution of agricultural water footprint and analysis of water use efficiency in Heilongjiang Province[J]. Journal of Northeast Agricultural University, 2020, 51(11): 87-96.

[5] 錢逸穎, 董會娟, 田旭, 等. 應對水資源危機的中國水足跡研究綜述[J]. 生態經濟, 2018, 34(7): 162-166, 173.

QIAN Yiying, DONG Huijuan, TIAN Xu, et al. A review of the research on China’s water footprint responding to water crisis[J]. Ecological Economy, 2018, 34(7): 162-166, 173.

[6] KONAR M, MARSTON L. The water footprint of the United States[J]. Water, 2020, 12(11): 3 286.

[7] 王麗川, 侯保燈, 周毓彥, 等. 基于水足跡理論的北京市水資源利用評價[J]. 南水北調與水利科技(中英文), 2021, 19(4): 680-688.

WANG Lichuan, HOU Baodeng, ZHOU Yuyan, et al. Evaluation of water resources utilization based on water footprint theory in Beijing[J]. South-to-North Water Transfers and Water Science & Technology, 2021, 19(4): 680-688.

[8] SIDHU B S, SHARDA Rakesh, SINGH Sandeep, et al. Water footprint of crop production: A view[J]. Indian Journal of Ecology, 2021, 48(2): 358-366.

[9] ZHAI Y J, BAI Y Y, WU Z, et al. Grain self-sufficiency versus environmental stress: An integration of system dynamics and life cycle assessment[J]. Renewable and Sustainable Energy Reviews, 2022, 159: 112 153.

[10] 王倩, 黃凱. 基于系統動力學的北京市農業水足跡模擬與影響因素分析[J]. 系統工程, 2021, 39(3): 13-24.

WANG Qian, HUANG Kai. Simulation of agricultural water footprint and analysis of influencing factors in Beijing based on system dynamics[J]. Systems Engineering, 2021, 39(3): 13-24.

[11] 王方劍. 基于系統動力學的關中地區水足跡模擬與調控研究[D]. 西安: 西北大學, 2019.

WANG Fangjian. Simulation and countermeasures of water footprint based on system dynamics in Guanzhong area[D]. Xi’an: Northwest University, 2019.

[12] 黃會平, 王如廠, 李新生, 等. 農業水足跡生產和消費協調度評價及調控研究[J]. 華北水利水電大學學報(自然科學版), 2021, 42(2): 66-75.

HUANG Huiping, WANG Ruchang, LI Xinsheng, et al. Evaluation and regulation of agricultural water footprint coupling production and consumption coordination degree[J]. Journal of North China University of Water Resources and Electric Power (Natural Science Edition), 2021, 42(2): 66-75.

[13] 李新生. 京津冀農業水足跡協調度與調控研究[D]. 鄭州: 華北水利水電大學, 2020.

LI Xinsheng. Study on coordination and regulation of agricultural water footprint in Beijing, Tianjin and Hebei[D]. Zhengzhou: North China University of Water Resources and Electric Power, 2020.

[14] 劉寧. 基于水足跡的京津冀水資源合理配置研究[D]. 北京: 中國地質大學(北京), 2016.

LIU Ning. Research on water resources optimal allocation in Beijing-Tianjin-Hebei region based on water footprint[D]. Beijing: China University of Geosciences, 2016.

[15] 吳普特, 孫世坤, 王玉寶, 等. 作物生產水足跡量化方法與評價研究[J]. 水利學報, 2017, 48(6): 651-660, 669.

WU Pute, SUN Shikun, WANG Yubao, et al. Research on the quantification methods for water footprint of crop production[J]. Journal of Hydraulic Engineering, 2017, 48(6): 651-660, 669.

[16] 金謙, 桂東偉, 高霄鵬, 等. 新疆主要農作物生產水足跡研究[J]. 干旱地區農業研究, 2018, 36(6): 243-249.

JIN Qian, GUI Dongwei, GAO Xiaopeng, et al. Water footprints of primary crop production in Xinjiang[J]. Agricultural Research in the Arid Areas, 2018, 36(6): 243-249.

[17] 徐鵬程, 張興奇. 江蘇省主要農作物的生產水足跡研究[J]. 水資源與水工程學報, 2016, 27(1): 232-237.

XU Pengcheng, ZHANG Xingqi. Study on water footprint of main crops production in Jiangsu Province[J]. Journal of Water Resources and Water Engineering, 2016, 27(1): 232-237.

[18] 高海燕, 李王成, 李晨, 等. 寧夏主要農作物生產水足跡及其變化趨勢研究[J]. 灌溉排水學報, 2020, 39(3): 110-118.

GAO Haiyan, LI Wangcheng, LI Chen, et al. Water footprints of main crops and their change in Ningxia[J]. Journal of Irrigation and Drainage, 2020, 39(3): 110-118.

[19] 趙歡歡. 寧夏水資源承載力預警研究[D]. 西安: 西北大學, 2021.

ZHAO Huanhuan. Research on early warning of water resources carrying capacity in Ningxia[D]. Xi’an: Northwest University, 2021.

[20] 海洋. 基于SD模型的南疆地區節水發展及水資源承載力模擬評估[D].北京: 中國水利水電科學研究院, 2019.

HAI Yang. Evaluation of water saving development and water resources carrying capacity in southern Xinjiang based on SD model[D]. Beijing: China Institute of Water Resources and Hydropower Research, 2019.

[21] 高潔, 吳普特, 謝朋軒, 等. 灌區藍綠水資源與作物生產水足跡多時空分布量化分析[J]. 農業工程學報, 2021, 37(5): 105-112.

GAO Jie, WU Pute, XIE Pengxuan, et al. Distributed quantification of blue and green water resources and water footprint of crop production in an irrigation district at multiple temporal scales[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(5): 105-112.

[22] 趙芮. 基于水足跡的寧夏中部干旱帶揚黃灌區種植業結構優化[D]. 銀川: 寧夏大學, 2018.

ZHAO Rui. Optimization of planting structure based on water footprint at the Yellow River pumping irrigation area in the middle arid zone of Ningxia[D]. Yinchuan: Ningxia University, 2018.

[23] 馮東溥, 魏曉妹, 降亞楠. 寶雞峽灌區小麥水足跡時空變化特征與歸因分析[J]. 農業機械學報, 2017, 48(12): 269-277.

FENG Dongpu, WEI Xiaomei, JIANG Yanan. Temporal and spatial variation characteristics and attribution analysis of wheat water footprint in baojixia irrigation area, China[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(12): 269-277.

[24] 操信春, 吳普特, 王玉寶, 等. 基于DEA的灌區生產效率分析: 以江蘇省為例[J]. 排灌機械工程學報, 2014, 32(2): 173-178.

CAO Xinchun, WU Pute, WANG Yubao, et al. Analysis of production efficiency of irrigation districts based on DEA method: Take Jiangsu Province as an example[J]. Journal of Drainage and Irrigation Machinery Engineering, 2014, 32(2): 173-178.

[25] 母彩霞. 青銅峽灌區灌溉用水有效利用系數測算及影響因素研究[D]. 銀川: 寧夏大學, 2014.

MU Caixia. The estimation of effective utilization coefficient of irrigated water of Qingtongxia irrigation area and research of impact factors[D]. Yinchuan: Ningxia University, 2014.

[26] 謝朋軒. 黃河流域藍綠水資源、水足跡和水短缺評價[D]. 楊凌: 西北農林科技大學, 2021.

XIE Pengxuan. Estimating blue and green water resources, water footprints and water scarcities in the Yellow River Basin[D]. Yangling: Northwest A & F University, 2021.

Using System Dynamics to Improve Agricultural Water Use Efficiency in Qingtongxia Irrigation District

JIA Yizhou1,2, LIU Zixi1, TANG Lian1*

(1. Ningxia University, Yinchuan 750021, China;2. Xifeng Management Supervision Bureau of Yellow River Soil and Water Conservation, Qingyang 745000, China)

【Objective】Qingtongxia irrigation district is one of the irrigation districts in northwestern China which rely on Yellow River water for irrigation. Using the water footprint concept, this paper proposes a system dynamic model to help improve agricultural water use efficiency in this district.【Method】Blue and green water footprints of major crops in the district were calculated from their evapotranspiration and transpiration. A system dynamics model for agricultural water use efficiency was then established, and the model was solved using the Vensim software.【Result】Irrigation water is the primary water source for agriculture in the district, forming a production water use pattern in which blue water is the main source and green water is a supplementary source. The blue and green water footprints vary oppositely in order to meet the demand of crops for water. On the premise to ensure constant blue water use for the crops, we selected the green water use coefficient and irrigation water use coefficient as parameters in the modelling. The model results show that increasing green water utilization coefficient from 0.7 to 0.8 can increase wheat production by 2.7×105t, rice production by 2×105t, and corn production by 5.5×105t. We also found that increasing the irrigation water utilization efficiency by 10 can increase wheat production by 4.7×105t, rice production by 3.5×105t, and corn production by 7.7×105t. Collectively, increasing green water utilization coefficient and irrigation water utilization coefficient simultaneously can increase wheat production by 7.5×105t, rice production by 5.5×105t, and maize production by 1.32×107t.【Conclusion】Agricultural production in Qingtongxia irrigation area should consider increasing utilization of green water and improving agricultural water use efficiency by improving engineering and non-engineering facilities to increase crop yields.

water footprint;system dynamics;agricultural water efficiency; Qingtongxia irrigation district; water use efficiency

1672 - 3317（2023）04 - 0137- 08

TV213

A

10.13522/j.cnki.ggps.2022461

賈易周, 劉子西, 唐蓮. 基于系統動力學的青銅峽灌區農業用水效率調控研究[J]. 灌溉排水學報, 2023, 42(4): 137-144.

JIA Yizhou, LIU Zixi, TANG Lian. Using System Dynamics to Improve Agricultural Water Use Efficiency in Qingtongxia Irrigation District[J]. Journal of Irrigation and Drainage, 2023, 42(4): 137-144.

2022-10-13

寧夏自然科學基金項目（2022AAC03093）；寧夏高等學校一流學科（水利工程學科）項目（NXYLXK2021A03）；寧夏2018重點研發計劃項目（2018BEG03008）

賈易周（1996-），男。碩士研究生，主要從事水資源調控研究。E-mail: 287714265@qq.com

唐蓮（1975-），女。教授，主要從事旱區水資源調控理論及技術研究。E-mail: nxdxtl@126.com

責任編輯：白芳芳