賈 浩，王振華，張金珠，李文昊，任作利，賈哲誠(chéng)

(1.石河子大學(xué)水利建筑工程學(xué)院，新疆 石河子 832000；2.現(xiàn)代節(jié)水灌溉兵團(tuán)重點(diǎn)實(shí)驗(yàn)室，新疆 石河子 832000)

水資源對(duì)生態(tài)環(huán)境的控制及對(duì)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展的作用無(wú)可替代[1]。我國(guó)水資源的現(xiàn)狀是總量大而空間分布不均，農(nóng)業(yè)用水占比62.4%，其中90%用于農(nóng)業(yè)灌溉[2]，農(nóng)業(yè)生態(tài)發(fā)展問(wèn)題依舊突出，尤其在新疆綠洲灌溉農(nóng)業(yè)區(qū)，農(nóng)業(yè)用水占比更大。雖然近5年內(nèi)高效節(jié)水灌溉面積增長(zhǎng)近1倍[3]，膜下滴灌技術(shù)成為保障以新疆為代表的干旱半干旱地區(qū)農(nóng)業(yè)經(jīng)濟(jì)快速發(fā)展的必要手段，但是農(nóng)業(yè)用水浪費(fèi)依然嚴(yán)重，灌溉水利用效率仍然較低，這嚴(yán)重制約生態(tài)農(nóng)業(yè)的發(fā)展，因此，隨著我國(guó)“一帶一路”經(jīng)濟(jì)帶建設(shè)推進(jìn)，開(kāi)展農(nóng)業(yè)灌溉水利用系數(shù)研究，大力發(fā)展現(xiàn)代生態(tài)節(jié)水農(nóng)業(yè)，實(shí)行最嚴(yán)格的水資源管理，提高灌溉水利用系數(shù)，促進(jìn)水資源高效利用，實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)的可持續(xù)發(fā)展，對(duì)于落實(shí)新疆水資源的“三條紅線”具有十分重要的現(xiàn)實(shí)意義[4]。

灌溉水利用系數(shù)是指灌入田間可被作物利用的水量與水源地取用的灌溉總水量的比值[5]，它是評(píng)價(jià)農(nóng)業(yè)水資源利用、進(jìn)行區(qū)域科學(xué)配置、指導(dǎo)節(jié)水灌溉發(fā)展以及政府部門進(jìn)行宏觀決策的重要依據(jù)[6]。國(guó)內(nèi)外學(xué)者從各個(gè)方面對(duì)灌溉水利用系數(shù)進(jìn)行了研究，Barbara等[7]主要基于水足跡法評(píng)估了2005—2011年西班牙農(nóng)業(yè)灌溉現(xiàn)代化政策對(duì)提高灌溉用水效率的影響，國(guó)內(nèi)許多學(xué)者[8-11]認(rèn)為灌溉水利用系數(shù)是分析評(píng)價(jià)灌溉用水效率和節(jié)水潛力、提高灌溉技術(shù)和用水管理水平的一項(xiàng)重要綜合指標(biāo)。近年來(lái)，周和平、譚芳等[12-13]分析了灌溉水利用系數(shù)相關(guān)的自然條件、管理因素、渠道防滲率、節(jié)灌面積和種植結(jié)構(gòu)。國(guó)內(nèi)外學(xué)者[14-16]針對(duì)Copula函數(shù)進(jìn)行了金融風(fēng)險(xiǎn)方面的研究，隨著Copula函數(shù)被多數(shù)學(xué)者廣泛應(yīng)用，水利相關(guān)領(lǐng)域也引入Copula函數(shù)針對(duì)水文事件進(jìn)行評(píng)價(jià)分析，其過(guò)程精簡(jiǎn)，方便快捷。截止目前，利用Copula函數(shù)分析研究灌溉水有效利用系數(shù)的成果較少。因此，本文在應(yīng)用主成分分析法對(duì)指標(biāo)體系降維處理的基礎(chǔ)上，采用Copula函數(shù)構(gòu)建PCA-Copula評(píng)價(jià)分析方法，對(duì)新疆生產(chǎn)建設(shè)兵團(tuán)十二師的中型水庫(kù)的灌溉水利用系數(shù)進(jìn)行測(cè)算，為分析灌溉水利用系數(shù)影響因素提供了一種新方法。

1 材料與方法

1.1 研究區(qū)概況

試驗(yàn)于2018年和2019年在新疆生產(chǎn)建設(shè)兵團(tuán)第十二師(以下簡(jiǎn)稱第十二師)位于(43°51′～44°03′N，87°15′～87°28′E)，屬中溫帶大陸性半干旱氣候區(qū)，夏熱冬寒，晝夜溫差大，日照長(zhǎng)，光熱資源豐富，降水稀少。年均氣溫5℃，≥10℃有效積溫2 600℃，無(wú)霜期為150 d左右。年降水量178～228 mm，年蒸發(fā)量1 814～2 617 mm，年均相對(duì)濕度為57%～63%，年太陽(yáng)總輻射量5 100～5 500 MJ·m-2，適宜種植葡萄。截止2017年底，第十二師共有4個(gè)中型灌區(qū)，其中667～3 333 hm2灌區(qū)1個(gè)，10 000～20 000 hm2灌區(qū)3個(gè)，如表1所示。為減小試驗(yàn)誤差，各個(gè)灌區(qū)選取10 a(2008年定植)成齡無(wú)核白葡萄樹為試驗(yàn)材料。各個(gè)灌區(qū)施行統(tǒng)一的施肥制度(施肥比例N∶P2O5∶K2O=2∶1∶2)，除草、打藥等田間農(nóng)藝管理措施也統(tǒng)一進(jìn)行，各個(gè)灌區(qū)葡萄的種植情況、灌溉方式、灌溉制度如表2所示?？紤]灌區(qū)所在區(qū)域、灌區(qū)面積和灌區(qū)管理水平的代表性，在試驗(yàn)區(qū)選擇4個(gè)灌區(qū)，分別在灌區(qū)的上、下游各選取3塊樣點(diǎn)地塊，共24個(gè)樣點(diǎn)地塊，試驗(yàn)區(qū)樣點(diǎn)分布如圖1所示。

表1 不同規(guī)模與水源類型灌區(qū)情況

圖1 試驗(yàn)區(qū)樣點(diǎn)灌區(qū)分布

表2 各灌區(qū)葡萄種植及灌溉方式、灌溉制度統(tǒng)計(jì)表

1.2 首尾測(cè)算分析法

首尾測(cè)算分析法是指直接測(cè)量統(tǒng)計(jì)灌區(qū)從水源引入(取用)的毛灌溉用水總量，通過(guò)分析測(cè)算得到田間實(shí)際凈灌溉用水總量，田間實(shí)際凈灌溉用水總量與毛灌溉用水總量的比值即為灌溉用水有效利用系數(shù)。首尾測(cè)算分析法的好處是可以減少在灌溉水有效利用系數(shù)測(cè)定過(guò)程中的大量繁雜工作，直接從灌溉水源取水量(首端)和灌溉水的利用量(末端)計(jì)算灌溉水有效利用系數(shù)，避免了渠系水利用系數(shù)和田間水利用系數(shù)等中間輸水過(guò)程損失的復(fù)雜測(cè)量和計(jì)算。

田間水利用效率采用實(shí)時(shí)監(jiān)測(cè)灌前、灌后及全生育期內(nèi)所選地塊土壤含水率，進(jìn)而計(jì)算十二師代表作物葡萄田間水利用效率。利用固定位置(滴灌帶下、距滴灌帶各15 cm等典型位置)埋設(shè)的智墑水溫傳感器(北京嘉禾ET60)對(duì)葡萄全生育期的地下(0～120 cm)分層監(jiān)測(cè)其含水率變化，記錄灌水前、后數(shù)據(jù)(即為上一個(gè)灌水周期)。本次研究數(shù)據(jù)來(lái)源于“中國(guó)大型灌區(qū)網(wǎng)站”，并通過(guò)實(shí)地調(diào)研數(shù)據(jù)與統(tǒng)計(jì)年鑒數(shù)據(jù)進(jìn)行校正。生育期降雨量、作物需水量、灌區(qū)毛灌溉用水量、葡萄種植比、葡萄凈灌溉定額、渠道襯砌率、滴灌灌溉面積比等根據(jù)現(xiàn)有方法和統(tǒng)計(jì)數(shù)據(jù)計(jì)算所得[17-18]。其中灌區(qū)田間凈灌水量是通過(guò)測(cè)定的含水率經(jīng)過(guò)典型田塊某次每公頃凈灌溉用水量計(jì)算出典型樣點(diǎn)地塊整個(gè)生育期的凈灌溉用水量，通過(guò)上、下游求得平均值，之后利用樣點(diǎn)地塊和面積的加權(quán)平均計(jì)算求得。具體計(jì)算公式如式(1)～(4)。

首尾測(cè)算分析法計(jì)算公式如下：

(1)

式中,η為灌區(qū)灌溉水有效利用系數(shù)；W凈為灌區(qū)凈灌溉用水總量(m3)；W毛為灌區(qū)毛灌溉用水總量(m3)。

w田凈i=0.667H(θv2-θv1)

(2)

式中，w田凈i為典型田塊某次每公頃平均凈灌溉用水量(m3·hm-2)；H為灌水期內(nèi)典型田塊土壤計(jì)劃濕潤(rùn)層深度(mm)；θv2為某次灌水前典型田塊H土層內(nèi)土壤體積含水率(%)；θv1為某次灌水后典型田塊H土層內(nèi)土壤體積含水率(%)。

(3)

式中，W樣凈為樣點(diǎn)灌區(qū)年凈灌溉用水總量(m3)；wij為樣點(diǎn)灌區(qū)j個(gè)片區(qū)內(nèi)第i種作物每公頃平均凈灌溉用水量(m3·hm-2)；Aij為樣點(diǎn)灌區(qū)j個(gè)片區(qū)內(nèi)第i種作物灌溉面積(hm2)；m為樣點(diǎn)灌區(qū)j個(gè)片區(qū)內(nèi)的作物種類(種)；n為樣點(diǎn)灌區(qū)片區(qū)數(shù)量(個(gè))。

(4)

式中，W樣毛為樣點(diǎn)灌區(qū)年毛灌溉用水總量(m3)；W樣毛i為樣點(diǎn)灌區(qū)第i個(gè)水源取水量(m3)；n為樣點(diǎn)灌區(qū)水源數(shù)量(個(gè))

1.3 主成分分析法

主成分分析(principal component analysis，PCA)是采用降維處理辦法，在充分利用現(xiàn)有數(shù)據(jù)的基礎(chǔ)上把多個(gè)指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)的統(tǒng)計(jì)分析方法[19]。主成分分析方法最重要的是提取研究對(duì)象的主要影響因素，而考慮到本研究所在的地理位置、自然條件、種植條件和節(jié)水工程等，選取以下8個(gè)變量作為樣點(diǎn)灌區(qū)的影響因素，詳見(jiàn)表3。

表3 灌區(qū)灌溉水利用系數(shù)影響因子

1.4 Copula函數(shù)

Copula函數(shù)最早由Sklar提出，是定義域?yàn)閇0，1]的均勻分布的連接函數(shù)，可以通過(guò)邊緣分布和相關(guān)性結(jié)構(gòu)兩部分來(lái)構(gòu)造聯(lián)合分布以描述變量之間的相依性[20-21]。關(guān)于函數(shù)的具體介紹、選取、參數(shù)估計(jì)等問(wèn)題已有相關(guān)文獻(xiàn)詳細(xì)描述，在此不再進(jìn)行贅述[22-23]。Copula函數(shù)形式可具體表述為：

F(X1,X2,…,Xn)=Cθ(F1(X1),F2(X2),…,Fn(Xn))

=C(u1,u2,…,un)

(5)

式中,F為n維隨機(jī)變量分布函數(shù)，即n為樣本容量；C為代表Copula函數(shù)；θ為代表Copula參數(shù)；u1=F1(X1)，u2=F2(X2)，…，un=Fn(Xn)為隨機(jī)變量X1，X2，…，Xn的邊緣分布函數(shù)。

本文采用PCA方法構(gòu)建評(píng)價(jià)主成分因子，各因子之間無(wú)相關(guān)性，即主成分因子所構(gòu)成的新變量之間相互獨(dú)立，則相應(yīng)的Copula函數(shù)可表述為：

C(u1,u2,…,un)=u1·u2…un

(6)

1.5 邊緣分布的確定

以Kolmogorov-Smirnov(K-S)檢驗(yàn)方法檢驗(yàn)擬合效果，并通過(guò)比較均方根誤差值RMSE和信息準(zhǔn)則值A(chǔ)IC的大小優(yōu)選邊緣分布，對(duì)于分布線型的優(yōu)選原則是RMSE值及AIC值越小則擬合效果越好[24]。均方根誤差值：

(7)

式中,drj為第r個(gè)主成分因子第j年的數(shù)據(jù)對(duì)應(yīng)的理論頻率值與經(jīng)驗(yàn)頻率值之差，其中經(jīng)驗(yàn)頻率值通過(guò)Gringorten(1963)公式計(jì)算；Z為第r個(gè)主成分因子中數(shù)據(jù)的個(gè)數(shù)，即本文所研究的年數(shù)。

信息準(zhǔn)則值：

AIC=zlnRMSE+2a

(8)

式中，a為所選分布線型中參數(shù)的個(gè)數(shù)。

2 結(jié)果與分析

2.1 灌溉水利用系數(shù)測(cè)算結(jié)果

表4是2018年和2019年第十二師樣點(diǎn)灌區(qū)灌溉水利用系數(shù)測(cè)算結(jié)果。表4顯示，在2018年和2019年灌溉水利用系數(shù)測(cè)算的4個(gè)灌區(qū)中，大河沿河灌區(qū)在2018年和2019年的灌溉水利用系數(shù)低于0.65，這是由于大河沿河灌區(qū)位于吐魯番市高昌區(qū)，是極端干旱區(qū)，光照充足，熱量豐富，降雨稀少，蒸發(fā)量大，同時(shí)灌區(qū)規(guī)模大，灌區(qū)輸配水距離相應(yīng)加大，導(dǎo)致蒸發(fā)嚴(yán)重;其余灌區(qū)兩年灌溉水利用系數(shù)都高于0.66，其中2018年的烏魯木齊河灌區(qū)灌溉水利用系數(shù)略低于0.66，這是因?yàn)榇斯鄥^(qū)節(jié)水灌溉面積比例小，灌區(qū)種植結(jié)構(gòu)單一。2019年各灌區(qū)灌溉水利用系數(shù)都明顯優(yōu)于2018年，且兩年灌溉水利用系數(shù)最優(yōu)的是引額灌區(qū)。采用首尾法測(cè)定的樣點(diǎn)灌區(qū)灌溉水利用系數(shù)兩年間的年際變化在±1%以內(nèi)，且有2個(gè)樣點(diǎn)灌區(qū)年際變化在±0.3%以內(nèi)。據(jù)資料顯示[17]，2018年全國(guó)中型灌區(qū)灌溉水利用系數(shù)為0.5984，新疆維吾爾自治區(qū)中型灌區(qū)灌溉水利用系數(shù)為0.6324，第十二師中型灌區(qū)灌溉水利用系數(shù)分別高于同期全國(guó)、全疆平均水平10.15%、5.05%，但仍然存在不足，原因在于：(1)第十二師中型灌區(qū)各級(jí)渠道輸水距離長(zhǎng)且襯砌率低，導(dǎo)致滲漏量大；(2)第十二師獨(dú)特的氣候特征，即夏季氣溫的持續(xù)增加、降雨量減少，導(dǎo)致作物需水量增加，又因第十二師灌區(qū)分散不集中，渠系級(jí)別增多，導(dǎo)致輸配水建筑物較多，致使灌溉水利用系數(shù)較低；(3)據(jù)第十二師2017年灌溉年報(bào)數(shù)據(jù)顯示，全師滴灌節(jié)水工程覆蓋率已達(dá)90%左右，隨著對(duì)現(xiàn)有的渠道升級(jí)改造，加大水利投資，輸配水渠道損失得到些許控制，但仍存在輸水損失；(4)灌區(qū)用水管理不足，近年來(lái)第十二師開(kāi)展了一部分中型灌溉區(qū)信息化建設(shè)項(xiàng)目，但仍處于初級(jí)階段，配套基礎(chǔ)設(shè)施不完善，缺乏信息化技術(shù)相關(guān)人才。

表4 2018年和2019年第十二師樣點(diǎn)灌區(qū)灌溉水利用系數(shù)測(cè)算結(jié)果

2.2 灌溉水利用系數(shù)影響因素分析

2.2.1 主成分分析

(1)從表5和表6中的初始特征值和累積率可以看出，在兩年監(jiān)測(cè)影響十二師中型灌區(qū)灌溉水利用系數(shù)的眾多因素中，前3個(gè)成分的特征值均超過(guò)1，累積貢獻(xiàn)率分別為95.495%和95.218%，能基本反映影響灌溉水利用系數(shù)的大部分信息。

表5 特征值及貢獻(xiàn)率(2018年)

表6 特征值及貢獻(xiàn)率(2019年)

(2)從表7主成分荷載可知，兩年試驗(yàn)監(jiān)測(cè)中，各個(gè)影響因素通過(guò)主成分荷載分析得出：第1主成分主要反映灌區(qū)種植結(jié)構(gòu)和節(jié)水灌溉狀況，因?yàn)槠渲衅咸逊N植比、渠道襯砌率及滴灌灌溉面積比具有較高荷載；第2主成分主要反映灌區(qū)管理狀況，因?yàn)槠渲凶魑镄杷?、灌區(qū)實(shí)際灌溉面積和灌區(qū)毛灌溉用水量具有較高荷載；第3主成分主要反映灌區(qū)所處的自然條件和灌區(qū)管理狀況，因?yàn)槠渲猩诮涤炅亢推咸褍艄喔榷~具有較高荷載。

表7 主成分荷載

2.2.2 主成分結(jié)果分析

(1)由表5和表6知，在第1主成分中X5(葡萄種植比)、X7(渠道襯砌率)、X8(滴灌灌溉面積比)荷載較大，而這幾個(gè)因素集中反映當(dāng)?shù)胤N植結(jié)構(gòu)和節(jié)水灌溉工作狀況，與第2、3主成分中荷載較大的因素同列相比較，發(fā)現(xiàn)其較大荷載的因素都具有較大的正貢獻(xiàn)率，且貢獻(xiàn)率都高于50%，可以基本代表所有因素的綜合狀況，節(jié)水灌溉本質(zhì)就是利用新型灌溉方式來(lái)提高灌溉水利用系數(shù)，而選擇的渠道襯砌率和滴灌灌溉面積比等影響因素正能體現(xiàn)該灌區(qū)節(jié)水灌溉的現(xiàn)狀本質(zhì)。由于所研究區(qū)的葡萄園采用滴灌方式，部分也有漫灌現(xiàn)象，與其他灌溉作物相比，未覆膜處理蒸發(fā)嚴(yán)重，故葡萄種植比與灌溉水利用系數(shù)呈負(fù)相關(guān)。

(2)在第2主成分中X2(作物需水量)、X3(實(shí)際灌溉面積)和X4(灌區(qū)毛灌溉用水量)荷載較大，而這些因素主要反映了灌區(qū)的管理狀況。作物需水量和實(shí)際灌溉面積都具有較大的正貢獻(xiàn)率，灌區(qū)毛灌溉用水量具有較大的負(fù)貢獻(xiàn)率。分析表明，灌溉、排水和耕作栽培技術(shù)等人為措施是影響作物需水量的因素，當(dāng)人為措施效率提高，致使作物需水量變小，相應(yīng)灌溉水利用系數(shù)就變??；在一定區(qū)域規(guī)模和種植結(jié)構(gòu)情況下，實(shí)際灌溉面積大意味著灌溉水量分配比較均勻，相應(yīng)灌溉水利用系數(shù)也就越高；灌區(qū)面積大，蒸發(fā)強(qiáng)烈，渠道滲漏損失嚴(yán)重，導(dǎo)致毛灌溉用水量增大，故灌溉水利用系數(shù)變小。

(3)剩余的X1(生育期降雨量)和X6(葡萄凈灌溉定額)等影響因素在第3主成分中荷載較大，且都是正貢獻(xiàn)率，可以反映灌區(qū)自然條件的實(shí)際情況，由于自然條件的變化會(huì)影響人為管理，因此可以說(shuō)明其對(duì)灌溉水利用系數(shù)既存在直接影響也存在間接影響。

2.2.3 確定邊緣分布函數(shù) 根據(jù)十二師灌區(qū)現(xiàn)狀，結(jié)合各個(gè)灌區(qū)灌溉水有效利用系數(shù)主成分因子的分布線型進(jìn)行優(yōu)選，根據(jù)當(dāng)?shù)貙?shí)際情況和相關(guān)文獻(xiàn)[25]，本文選取正態(tài)分布( normal distribution，N)、指數(shù)分布、極大值I型分布(I-type maximum distribution，Max I)、極小值I型分布( I-type minimum distribution，Min I)以及Gamma分布分別擬合各灌區(qū)主成分因子值[18]。經(jīng)檢驗(yàn)，正態(tài)分布、極大值I型分布和極小值I型分布均能通過(guò)K-S檢驗(yàn)，同時(shí)根據(jù)RMSE值和AIC值的大小最終確定各灌區(qū)主成分因子的分布線型[26]，RMSE值和AIC值以及分布線型如表8所示。

基于正態(tài)分布及各主成分相對(duì)應(yīng)的極值分布類型，進(jìn)一步獲取各邊緣分布對(duì)應(yīng)的RMSE和AIC(表8)，可以看出，除頭屯河灌區(qū)優(yōu)選正態(tài)分布，其余各個(gè)灌區(qū)優(yōu)選分布都是極大值I型分布，依據(jù)邊緣分布的RMSE及AIC越小擬合效果越好的優(yōu)選原則，最終確定第十二師中型灌區(qū)兩年灌溉水有效利用系數(shù)的3個(gè)主成分因子值的最優(yōu)邊緣分布。從表7中可以看出，3個(gè)主成分的邊緣分布存在差異，但Copula函數(shù)具有不受單變量服從何種邊緣分布的優(yōu)越性，使其能較好地用于構(gòu)建3個(gè)主成分間的聯(lián)合分布。

表8 灌區(qū)灌溉水有效利用系數(shù)主成分因子的分布線型優(yōu)選

2.2.4 PCA-Copula評(píng)價(jià)分析 從定性分析的角度來(lái)說(shuō)，考慮灌區(qū)地質(zhì)地貌、氣候、水源以及種植結(jié)構(gòu)的影響，當(dāng)水源類型和氣候相似，灌溉水利用系數(shù)差別較小。但是隨著地質(zhì)地貌和種植結(jié)構(gòu)的變化，覆膜耕作系統(tǒng)灌溉水有效利用系數(shù)優(yōu)于其他。

從定量分析的角度來(lái)說(shuō)，利用SPSS Statistic20.0將灌溉水利用系數(shù)與灌區(qū)規(guī)模、自然條件、灌溉管理及節(jié)水狀況等相關(guān)指標(biāo)進(jìn)行偏相關(guān)分析可知，灌溉水利用系數(shù)與各指標(biāo)之間均有顯著相關(guān)性，其相關(guān)性如表9所示。

由表9可知，灌區(qū)毛灌溉用水量和葡萄凈灌溉定額對(duì)灌溉水有效利用系數(shù)的影響極其顯著(P<0.01)，其他影響因素對(duì)灌溉水有效利用系數(shù)影響顯著(P<0.05)。灌區(qū)基本情況對(duì)其測(cè)算結(jié)果影響的原因是：(1)灌區(qū)實(shí)灌面積越大，渠道襯砌率高，節(jié)水灌溉的面積比例升高，導(dǎo)致灌區(qū)毛灌溉用水量也增多，最終影響整個(gè)灌區(qū)的灌溉有效利用系數(shù)變大，主要是因?yàn)楣鄥^(qū)規(guī)模影響節(jié)水概況發(fā)展和管理水平，從而影響灌溉水有效利用系數(shù)；(2)灌溉水有效利用系數(shù)受降雨量影響顯著，主要由于自然條件的改變影響人為管理，對(duì)灌區(qū)的作物凈灌溉定額和毛灌溉用水量進(jìn)行控制，從而影響灌溉水有效利用系數(shù)。

表9 基于PCA-Copula的灌溉水利用系數(shù)與灌區(qū)基本情況的關(guān)系

本文結(jié)合各灌區(qū)灌溉水有效利用系數(shù)統(tǒng)計(jì)資料，利用PCA-Copula評(píng)價(jià)法對(duì)2018年和2019年灌溉水利用系數(shù)進(jìn)行綜合評(píng)價(jià)并排序，兩年對(duì)比結(jié)果如表10所示。結(jié)果表明，隨著灌溉水利用系數(shù)數(shù)值大小變化，其排序呈現(xiàn)一致的變化，兩年數(shù)據(jù)規(guī)律一致且排序無(wú)差異。同時(shí)，為繼續(xù)驗(yàn)證其合理性，利用Spearman等級(jí)相關(guān)系數(shù)檢驗(yàn)法和線型回歸來(lái)檢驗(yàn)PCA-Copula評(píng)價(jià)法與熵值法的密切程度，檢驗(yàn)結(jié)果分別是相關(guān)系數(shù)為 0.87(P<0.05)和0. 52(P<0.001)，說(shuō)明兩種方法對(duì)研究灌溉水利用系數(shù)影響因素有相似結(jié)果，故PCA-Copula評(píng)價(jià)方法非常適用。

表10 2018年和2019年灌溉水利用系數(shù)的PCA-Copula評(píng)價(jià)對(duì)比分析

3 討 論

本文充分利用首尾法的優(yōu)勢(shì)，在人員和設(shè)備都不完備的情況下，對(duì)第十二師中型灌區(qū)進(jìn)行灌溉水利用系數(shù)測(cè)算。在測(cè)算過(guò)程中為提高測(cè)算精度，在滴灌系統(tǒng)首部安裝水表，對(duì)流量數(shù)據(jù)進(jìn)行檢測(cè)，獲得了良好的效果。針對(duì)相關(guān)灌溉水有效利用系數(shù)的因素，大量學(xué)者研究表明，灌區(qū)節(jié)水工程對(duì)灌區(qū)灌溉水有效利用系數(shù)影響較大[27]。本研究也得出類似結(jié)論，增加灌區(qū)節(jié)水配套設(shè)施可以顯著提高農(nóng)田灌溉水有效利用系數(shù)。但是由于新疆氣候特殊，蒸發(fā)強(qiáng)烈，輸配水距離較長(zhǎng)，損失嚴(yán)重。葡萄作為第十二師頭屯河特色產(chǎn)業(yè)，必須解決這一矛盾，一方面要增加葡萄產(chǎn)業(yè)收益，另一方面要提高灌溉水利用系數(shù)，因此還需努力做好以下工作：(1)繼續(xù)建議政府加大資金投入，改善輸水設(shè)施，提升節(jié)水工程基礎(chǔ)建設(shè)水平。(2)增強(qiáng)用水管理水平，提升水管工作人員專業(yè)技術(shù)水平，數(shù)據(jù)資料收集采用有效的信息化管理模式，避免繁雜的重復(fù)工作。(3)加大監(jiān)管力度，對(duì)各個(gè)灌區(qū)基礎(chǔ)數(shù)據(jù)測(cè)算工作進(jìn)行抽查，同時(shí)增強(qiáng)農(nóng)戶節(jié)水意識(shí)。

本文采用的PCA-Copula分析評(píng)估方法，為灌溉水利用系數(shù)影響因素的分析提供一種新方法，且證明了其在灌溉水利用系數(shù)方面的適用性。同時(shí)也有許多國(guó)內(nèi)外學(xué)者將Copula函數(shù)理論引入水文水資源研究后得到類似結(jié)論，并將其在水利監(jiān)測(cè)中廣泛應(yīng)用[28]。Salvadori等[29]、Hao等[30]學(xué)者對(duì)Copula函數(shù)在國(guó)內(nèi)水文方面進(jìn)行研究并取得一些成果，同時(shí)Zhao等[31]為分析河流流量與灌溉用水效率的關(guān)系，利用Copula函數(shù)建立了相關(guān)的聯(lián)合分布。本文在主成分分析基礎(chǔ)上，提取主成分因子，通過(guò)構(gòu)建邊緣分布函數(shù)，利用PCA-Copula分析評(píng)估方法對(duì)灌溉水有效利用系數(shù)與灌區(qū)情況進(jìn)行分析評(píng)估，分析表明將 PCA-Copula分析法引入到灌溉水有效系數(shù)測(cè)算分析環(huán)節(jié)是可行的。同時(shí)，PCA-Copula的分析結(jié)果有利于更直觀地區(qū)別各灌區(qū)灌溉水有效利用系數(shù)的影響因素。

4 結(jié) 論

1)通過(guò)利用首尾法對(duì)新疆生產(chǎn)建設(shè)兵團(tuán)第十二師中型灌區(qū)2018年和2019年灌溉水有效利用系數(shù)進(jìn)行測(cè)算，樣點(diǎn)灌區(qū)灌溉水有效利用系數(shù)結(jié)果普遍在0.63以上，分別高于同期全疆、全國(guó)平均水平6.5%、7.4%。

2)利用PCA-Copula分析評(píng)估方法得出，作物種植比例和節(jié)水灌溉工程狀況對(duì)十二師中型灌區(qū)灌溉水有效利用系數(shù)影響顯著(P<0.05)，渠道襯砌率(0.944)、滴灌灌溉面積比(0.746)、作物需水量(0.635)、實(shí)際灌溉面積(0.734)等都具有超過(guò)60%的正貢獻(xiàn)率，而葡萄種植比(-0.586)和灌區(qū)毛灌溉用水量(-0.645)等具有超過(guò)58%的負(fù)貢獻(xiàn)率。葡萄凈灌溉定額和灌區(qū)毛灌溉用水量對(duì)灌溉水有效利用系數(shù)的影響極其顯著(P<0.01)，相關(guān)系數(shù)分別為0.875、0.742，其他影響因素對(duì)灌溉水有效利用系數(shù)影響顯著(P<0.05)，因此，針對(duì)灌區(qū)實(shí)際情況，優(yōu)化種植結(jié)構(gòu)和管理制度，加強(qiáng)節(jié)水灌溉工程建設(shè)，大力推行覆膜滴灌等節(jié)水灌溉技術(shù)是提高灌溉水利用系數(shù)的主要措施。

3)利用Spearman等級(jí)相關(guān)系數(shù)檢驗(yàn)法和線型回歸來(lái)檢驗(yàn)PCA-Copula評(píng)價(jià)法與熵值法的密切程度，檢驗(yàn)結(jié)果是相關(guān)系數(shù)分別為 0.87(P<0.05)和0. 52(P<0.001)，得出PCA-Copula評(píng)價(jià)方法非常適用于研究灌溉水利用系數(shù)影響因素。而本次僅對(duì)第十二師中型灌區(qū)進(jìn)行測(cè)算，樣點(diǎn)灌區(qū)較少，測(cè)算分析具有局限性且缺乏代表性，后續(xù)應(yīng)以南疆片區(qū)、北疆片區(qū)、東疆片區(qū)分別開(kāi)展大尺度、大規(guī)模的測(cè)算研究，充分利用Copula函數(shù)理論構(gòu)建的PCA-Copula分析方法對(duì)其進(jìn)行深入分析。