王友芝 李強(qiáng)坤 韓金旭 張翔宇 殷會娟

(1.黃河水利委員會黃河水利科學(xué)研究院, 鄭州 450003; 2水利部黃土高原水土保持重點(diǎn)實(shí)驗室, 鄭州 450003)

0 引言

西北旱區(qū)蒸發(fā)量遠(yuǎn)大于降水量,農(nóng)業(yè)生產(chǎn)主要依靠灌溉,但其仍然存在水資源短缺的問題,同時,農(nóng)業(yè)水資源供需矛盾隨著社會經(jīng)濟(jì)發(fā)展日益加劇。農(nóng)業(yè)節(jié)水及水分生產(chǎn)力提升是實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)高質(zhì)量轉(zhuǎn)變的重要方式,因此,農(nóng)業(yè)生產(chǎn)不僅要關(guān)注農(nóng)業(yè)產(chǎn)量,同時要保證水分生產(chǎn)力[1-2]。隨著氣候變化和人類活動的影響,極端干旱或降水事件頻發(fā),加劇了農(nóng)業(yè)生產(chǎn)的風(fēng)險[3-4]。從風(fēng)險規(guī)避角度來講,農(nóng)業(yè)生產(chǎn)預(yù)警為農(nóng)業(yè)生產(chǎn)風(fēng)險規(guī)避提供了重要的前期信號,是一種識別農(nóng)業(yè)生產(chǎn)風(fēng)險的有效方式[5-6]。近年來,農(nóng)業(yè)預(yù)警模型多基于預(yù)警系統(tǒng)理論和綜合預(yù)警指數(shù)的方法進(jìn)行農(nóng)業(yè)旱災(zāi)風(fēng)險預(yù)警研究或者基于農(nóng)業(yè)氣象災(zāi)害預(yù)警探究農(nóng)業(yè)氣象災(zāi)害對農(nóng)業(yè)生產(chǎn)的影響[7-8]。然而以往研究卻忽略了各生育階段灌溉、土壤類型、氣象等多交互要素對農(nóng)業(yè)產(chǎn)量風(fēng)險的影響,也忽略了農(nóng)業(yè)系統(tǒng)應(yīng)綜合考慮產(chǎn)量風(fēng)險和水分生產(chǎn)力風(fēng)險的相互作用。農(nóng)業(yè)生產(chǎn)預(yù)警預(yù)報為一種多影響輸入要素和多響應(yīng)輸出要素的綜合預(yù)警系統(tǒng)。

警情指標(biāo)及目標(biāo)警情閾值決定了系統(tǒng)警度級別。警情指標(biāo)受到社會經(jīng)濟(jì)發(fā)展、水資源等供需關(guān)系等的影響,不再為單一的確定數(shù)值,具有多值屬性,即具有模糊不確定性,而不確定性降低了預(yù)警預(yù)報系統(tǒng)的準(zhǔn)確性和魯棒性[9-11]。因此,需要引入不確定性方法來降低不確定性參數(shù)對系統(tǒng)預(yù)警預(yù)報的影響。目前,農(nóng)業(yè)生產(chǎn)預(yù)警模型多為確定性模型,較少考慮不確定性參數(shù)。然而,農(nóng)業(yè)生產(chǎn)預(yù)警模型涉及影響因素較多,交互過程及作用復(fù)雜,水資源要素等受到水文氣象要素變化的復(fù)雜性具有不確定性,而不確定性加劇了農(nóng)業(yè)生產(chǎn)預(yù)警的復(fù)雜性。常見三角模糊數(shù)和梯形模糊數(shù)均能表征參數(shù)的模數(shù)不確定性,而梯形模糊數(shù)相較于三角模糊數(shù)具有涵蓋更多信息的特點(diǎn)[12-14]。因此,本文引入梯形模糊數(shù)來處理模型中存在的不確定性因素。

農(nóng)業(yè)生產(chǎn)系統(tǒng)受到水文氣象、土壤類型、作物類型等的影響具有空間異質(zhì)性,這導(dǎo)致了農(nóng)業(yè)生產(chǎn)系統(tǒng)需要配套精細(xì)化、高精度的預(yù)警預(yù)報模式,即農(nóng)業(yè)生產(chǎn)系統(tǒng)預(yù)警預(yù)報系統(tǒng)要考慮空間異質(zhì)性特征[15-16]。分布式作物模擬模型能夠?qū)崿F(xiàn)空間異質(zhì)性的產(chǎn)量和水分生產(chǎn)力的動態(tài)模擬。分布式作物模擬模型種類繁多,常見的模型有分布式AquaCrop模型、分布式SWAP(Soil and water assessment tool)模型、HYDRUS-EPIC (Erosion-productivity impact calculator)模型等。上述模型均能實(shí)現(xiàn)分布式作物產(chǎn)量模擬,相較于其他作物產(chǎn)量模擬模型,分布式AquaCrop模型所需數(shù)據(jù)較少,操作相對簡單,因此,本文選擇分布式AquaCrop模型來模擬預(yù)測作物產(chǎn)量。分布式作物模擬模型由于考慮到空間異質(zhì)性氣象、作物結(jié)構(gòu)、土壤類型對作物產(chǎn)量的影響,涉及數(shù)據(jù)較多,計算過程復(fù)雜,因此,分布式作物模擬模型較少應(yīng)用在農(nóng)業(yè)生產(chǎn)預(yù)警預(yù)報。另外,相較于統(tǒng)計關(guān)系及機(jī)器學(xué)習(xí)等深度學(xué)習(xí)方法來模擬作物產(chǎn)量,分布式作物模擬模型輸入數(shù)據(jù)和輸出數(shù)據(jù)較多,通過人工手動改變數(shù)據(jù)費(fèi)時費(fèi)力,產(chǎn)生低效率的問題[17-20]。因此,本文基于計算機(jī)平臺采用空間分布式作物模型作為基礎(chǔ)進(jìn)行空間分布式農(nóng)業(yè)生產(chǎn)風(fēng)險預(yù)報。

綜上,本文將構(gòu)建不確定性條件下基于空間分布式作物模擬模型的精準(zhǔn)化農(nóng)業(yè)生產(chǎn)預(yù)警預(yù)報模型,模型引入梯形模糊數(shù)來表征目標(biāo)警情的不確定性,采用分布式作物AquaCrop模擬模型來量化產(chǎn)量和水分生產(chǎn)力的空間異質(zhì)性,計算現(xiàn)狀和未來RCP4.5氣候變化情景下常規(guī)灌溉、2種虧缺灌溉條件下的農(nóng)業(yè)生產(chǎn)預(yù)警等級,以及產(chǎn)量與水分生產(chǎn)力的靜態(tài)與動態(tài)協(xié)調(diào)度,為農(nóng)業(yè)生產(chǎn)預(yù)警預(yù)報提供一種高精度、高效率的方法和模式,并揭示灌溉對于農(nóng)業(yè)生產(chǎn)風(fēng)險的影響,為降警措施提供前期理論基礎(chǔ)。

1 技術(shù)路線

本文技術(shù)路線見圖1。

圖1 技術(shù)路線

2 模型構(gòu)建

2.1 警兆、警情及警度

警兆是警情的預(yù)示指標(biāo),用來刻畫警情發(fā)生之前出現(xiàn)先兆的指標(biāo),為先行指標(biāo)。

(1)警兆指標(biāo)篩選

警兆指標(biāo)通過敏感性分析方法進(jìn)行篩選,敏感度高的指標(biāo)被選擇為警兆指標(biāo)。警兆指標(biāo)的篩選通過敏感性分析的方法來實(shí)現(xiàn),計算公式為

(1)

式中Q——狀態(tài)變量

X——所要測試的數(shù)據(jù)

SQ——狀態(tài)變量Q對參數(shù)X的敏感度

ΔQ、ΔX——Q、X在不同狀態(tài)下的改變量

(2)警度計算

警情是警度計算的指標(biāo),警情轉(zhuǎn)換為警度的計算方法為

U=∑ωiFi

(2)

(3)

式中U——綜合警度

Fi——產(chǎn)量警度或水分生產(chǎn)力警度

ωi——產(chǎn)量或水分生產(chǎn)力警度的權(quán)重

N——模擬單元個數(shù),取10

Wi,n——每n個模擬單元的產(chǎn)量或水分生產(chǎn)力

i=1表示產(chǎn)量,i=2表示水分生產(chǎn)力。

綜合警度的警限、警度區(qū)和警級如表1所示。

表1 綜合警度的警限、警度區(qū)和警級劃分結(jié)果

(3)產(chǎn)量和水分生產(chǎn)力的靜態(tài)和動態(tài)協(xié)調(diào)度

產(chǎn)量和水分生產(chǎn)力的協(xié)調(diào)度反映了兩者的協(xié)調(diào)程度,同時也能證明綜合警情指標(biāo)能否有效表征綜合警情以及所選警情指標(biāo)的有效性。協(xié)調(diào)度包括靜態(tài)協(xié)調(diào)度和動態(tài)協(xié)調(diào)度,前者表征了每一個時刻任意狀態(tài)變量之間的協(xié)調(diào)性,后者表征了任意一個時段內(nèi)任意狀態(tài)變量間的協(xié)調(diào)性,其計算公式為

靜態(tài)協(xié)調(diào)度

γ(A,B)=r(A,B)τ(A,B)

(4)

(5)

動態(tài)協(xié)調(diào)度

(6)

式中γ(A,B)——向量A和B的靜態(tài)協(xié)調(diào)度

r(A,B)——向量A和B的相關(guān)系數(shù)

τ(A,B)——向量A和B的貼近度,利用模糊數(shù)學(xué)中的嚴(yán)格貼近度計算

μA(xi)、μB(xi)——向量A和B中元素x的隸屬度,由隸屬度函數(shù)獲得[21]

N——元素個數(shù)

ω(τ1,τ2,…,τN;t1,t2,…,tN)為相鄰A和B在任意兩個時間間隔(tN,t1)的動態(tài)協(xié)調(diào)度。

協(xié)調(diào)度與協(xié)調(diào)狀態(tài)關(guān)系如表2所示。

表2 協(xié)調(diào)度與協(xié)調(diào)狀態(tài)關(guān)系

2.2 模糊數(shù)

圖2 梯形模糊數(shù)示意圖

梯形模型數(shù)為非線性形式,需要轉(zhuǎn)換為線性形式進(jìn)行后續(xù)計算,轉(zhuǎn)換過程為

(7)

2.3 數(shù)據(jù)來源

本文以黑河中游盈科灌區(qū)小麥、制種玉米和大田玉米為研究對象,對灌區(qū)內(nèi)3種作物的產(chǎn)量損失和水分生產(chǎn)力損失進(jìn)行預(yù)警預(yù)報。共涵蓋4種土壤類型,分別為T1(上下層均為粉砂壤土)、 T2(上層為粉砂壤土、下層為砂質(zhì)壤土)、 T3(上層為粉砂壤土、下層為壤土)和T4(上下層均為壤土),土壤類型數(shù)據(jù)為實(shí)際調(diào)研和土壤采樣分析獲取。作物種植結(jié)構(gòu)為遙感數(shù)據(jù)反演獲取。氣象數(shù)據(jù)從國家氣象科學(xué)數(shù)據(jù)中心獲得,作物產(chǎn)量為實(shí)際調(diào)研以及擬合效果較好的作物模擬模型獲取。灌溉數(shù)據(jù)為實(shí)際調(diào)研獲取。根據(jù)歷史調(diào)研數(shù)據(jù),將研究區(qū)共劃分為10個模擬單元。

2.4 基于人機(jī)交互的分布式作物模擬模型

作物模擬模型(AquaCrop)能夠?qū)崿F(xiàn)基于作物生長過程的作物產(chǎn)量和水分生產(chǎn)力模擬,能夠更加準(zhǔn)確地反映作物的物理生長機(jī)制,其計算產(chǎn)量公式為

Y=BHI

(8)

其中

B=WP∑Tr

(9)

(10)

式中Y——產(chǎn)量,kg/hm2

B——生物量,kg/hm2

HI——收獲指數(shù)

WP——生物量水分生產(chǎn)效率, kg·hm2/mm

Tr——作物騰發(fā)量, mm

Ks——土壤水分脅迫系數(shù)

Kctr,x——根區(qū)水分充足且地表完全覆蓋時的作物騰發(fā)系數(shù),即最大作物騰發(fā)量,受作物老化和衰老的影響

ET0——作物參考蒸散發(fā),mm

分布式作物模擬模型是由單點(diǎn)尺度的作物模擬模型擴(kuò)展到區(qū)域尺度的作物模擬模型。分布式作物模擬模型考慮了區(qū)域種植結(jié)構(gòu)、土壤類型、氣象條件等的空間差異性,能夠更精準(zhǔn)化地模擬作物產(chǎn)量和水分生產(chǎn)力。模型構(gòu)建需將非均質(zhì)研究區(qū)劃分為若干個均質(zhì)的模擬單元,基于GIS平臺,對作物種植結(jié)構(gòu)(小麥、制種玉米和大田玉米)、土壤類型(T1、T2、T3、T4)進(jìn)行空間疊加,共得到10個模擬單元,分別為小麥-T1、 小麥-T3、 小麥-T4、 制種玉米-T1、 制種玉米-T2、制種玉米-T3、 制種玉米-T4、 大田玉米-T1、大田玉米-T3和大田玉米-T4。

分布式作物模擬模型涉及較多的數(shù)據(jù)輸入和輸出,費(fèi)時費(fèi)力,因此,需要借助于計算機(jī)平臺實(shí)現(xiàn)快速、高效率輸入輸出數(shù)據(jù)。另外,基于計算機(jī)平臺,可以實(shí)現(xiàn)人機(jī)交互,人機(jī)交互體現(xiàn)在分布式作物模型輸入數(shù)據(jù)中的灌溉水量可以通過人為調(diào)節(jié)來實(shí)現(xiàn)不同的節(jié)水目標(biāo)要求,以及通過更改灌溉水量來實(shí)現(xiàn)決策者對于農(nóng)業(yè)生產(chǎn)風(fēng)險的調(diào)整。

3 結(jié)果與分析

3.1 模擬模型有效性

基于分布式作物模擬模型(AquaCrop)計算 10個模擬單元的產(chǎn)量和水分生產(chǎn)力。分別驗證單點(diǎn)尺度作物產(chǎn)量擬合精度和區(qū)域尺度產(chǎn)量擬合精度,結(jié)果表明分布式AquaCrop作物模擬模型可以應(yīng)用在區(qū)域產(chǎn)量模擬,具體結(jié)果見文獻(xiàn)[22]。

小麥和玉米的灌溉制度存在差異,各階段的灌溉水量分別為110、110、100 mm和110、110、100、100 mm。為了研究不同虧缺灌溉條件下農(nóng)業(yè)生產(chǎn)預(yù)警預(yù)報等級,將0.8倍灌溉定額和0.6倍灌溉定額情景輸入作物模擬模型,并計算農(nóng)業(yè)生產(chǎn)預(yù)警等級。

1973—2012年在常規(guī)灌溉制度下區(qū)域尺度綜合警度等級為4級警告,為輕微預(yù)警,產(chǎn)量損失介于目標(biāo)產(chǎn)量的20%～40%之間,水分生產(chǎn)力損失介于目標(biāo)水分生產(chǎn)力的20%～40%之間。單個模擬單元警級和系統(tǒng)警級存在差異。系統(tǒng)警級在常規(guī)灌溉條件下為4級警告,而某些決策單元警級為0,處于無警狀態(tài)。差異化原因在于系統(tǒng)警級為模擬單元警級的均值,能夠從系統(tǒng)全局角度進(jìn)行考慮,而不能具體反映各模擬單元的警級。模擬單元警級則包含更多的信息,其結(jié)合系統(tǒng)警級,能夠快速定位出警級發(fā)生的關(guān)鍵模擬單元,進(jìn)行精準(zhǔn)化降警處理,這也凸顯了空間異質(zhì)性農(nóng)業(yè)生產(chǎn)預(yù)警模型的優(yōu)勢?？臻g農(nóng)業(yè)生產(chǎn)降警處理的關(guān)鍵影響因素為灌溉水量,空間降警需要空間分布式灌溉水量的優(yōu)化配置或者調(diào)整作物種植結(jié)構(gòu),以降低農(nóng)業(yè)生產(chǎn)風(fēng)險,相應(yīng)研究將在下一步展開。

3.2 未來氣候變化情景下預(yù)警等級

將未來氣候變化RCP4.5情景下2026—2045年的氣象數(shù)據(jù)、現(xiàn)狀年的常規(guī)灌溉制度(S1)、0.8倍常規(guī)灌溉(S2)和0.6倍常規(guī)灌溉(S3)(節(jié)水灌溉)數(shù)據(jù)輸入模擬模型,并計算未來20年不同灌溉水平下的警級,結(jié)果如表3所示。

表3 不同灌溉水平下未來2026—2045年的警級

常規(guī)灌溉情景下2026—2045年警級為4級和 3級警告,產(chǎn)量和水分生產(chǎn)力綜合損失占目標(biāo)的20%～40%以及40%～60%,后者屬于較為嚴(yán)重的損失,需要采取相應(yīng)的降警措施進(jìn)行風(fēng)險處理。未來各年份警級差異的原因在于每年的降雨、氣溫和蒸散發(fā)的差異使得作物產(chǎn)量和水分生產(chǎn)力在不同時間點(diǎn)存在差異。0.8倍常規(guī)灌溉水平下2026—2045年警度為4級警告,相較于常規(guī)灌溉的警度,警情有所緩解,且總灌溉水量減少1 260 m3/hm2。原因在于水分生產(chǎn)力警級隨著灌溉水量的增加而降低,而產(chǎn)量警級隨著灌溉水量的減小變化幅度較小,兩者交互作用下綜合警級降低,警情得到緩解。0.6倍常規(guī)灌溉情景下的警級相較于常規(guī)灌溉的警級降低,總灌溉水量減少2 520 m3/hm2。上述結(jié)果說明產(chǎn)量隨著灌溉水量變化的敏感度小于水分生產(chǎn)力隨著灌溉水量變化的敏感度,即使灌溉水量減少,作物產(chǎn)量減小程度小于水分生產(chǎn)力增大程度,這也凸顯了綜合指標(biāo)相較于單一的產(chǎn)量警級指標(biāo)或者水分生產(chǎn)力指標(biāo)的優(yōu)勢。

為了研究不同作物警級的差異性,以0.8倍常規(guī)灌溉水平T1土壤類型制種玉米、大田玉米和小麥為代表進(jìn)行警級計算,結(jié)果如表4所示。

表4 0.8倍常規(guī)灌溉水平T1土壤類型下制種玉米、大田玉米和小麥的警級

同一作物在不同年份的綜合警級存在差異,原因主要在于氣象條件的差異性導(dǎo)致的產(chǎn)量和水分生產(chǎn)力差異。不同作物在同一年份警級差異主要在于作物類型導(dǎo)致的產(chǎn)量和水分生產(chǎn)力差異,另一方面則在于設(shè)定的目標(biāo)產(chǎn)量和水分生產(chǎn)力的差異。制種玉米的警級高于大田玉米的警級,原因在于制種玉米和大田玉米的目標(biāo)產(chǎn)量和水分生產(chǎn)力設(shè)置為相同值,而大田玉米的產(chǎn)量高于制種玉米和小麥,導(dǎo)致制種玉米的警級小于大田玉米的警級。小麥警度處于無警和4級警告。上述結(jié)果也顯示出目標(biāo)警情指標(biāo)設(shè)置的重要性。

以制種玉米-T3為代表,研究不同灌溉水平下的警級,結(jié)果如表5所示。

表5 3種灌溉水平下制種玉米的警級

表5表明,隨著灌溉水量的減少,制種玉米警級降低,原因在于水分生產(chǎn)力警級降低程度大于產(chǎn)量警級增加程度。一般而言,產(chǎn)量隨著灌溉水量的減少而減少,該規(guī)律適用于不同土壤類型下的制種玉米和小麥。然而,對大田玉米,其產(chǎn)量隨著灌溉水量的減少呈現(xiàn)不規(guī)則變化。例如:2026年T3土壤下大田玉米產(chǎn)量在常規(guī)灌溉、0.8倍常規(guī)灌溉和0.6倍常規(guī)灌溉下分別為9 769、9 772、9 547 kg/hm2。這說明一定程度的灌溉水量減少可能并不會導(dǎo)致作物產(chǎn)量降低,反而對產(chǎn)量有促進(jìn)作用,當(dāng)水量繼續(xù)減少達(dá)到某一灌溉閾值后,作物產(chǎn)量降低,這也表明作物不同生育階段的灌溉水量對作物產(chǎn)量起著至關(guān)重要的作用。例如,玉米在播種-拔節(jié)期、拔節(jié)-抽雄期、抽雄-灌漿期和灌漿-成熟期的需水量和水分敏感系數(shù)不同,播種-拔節(jié)期水分敏感系數(shù)為負(fù)值,說明玉米在該階段水分虧缺對其產(chǎn)量有一定的促進(jìn)作用。玉米其他生育階段的水分敏感系數(shù)為正值,說明玉米在該階段水分虧缺對其產(chǎn)量有一定的抑制作用。合理的灌溉水量不僅能保證作物產(chǎn)量,還能實(shí)現(xiàn)節(jié)水的效果。因此,在降警過程中,實(shí)現(xiàn)作物不同生育階段的灌溉水量優(yōu)化配置能夠有效地降低警度。

3.3 產(chǎn)量和水分生產(chǎn)力靜態(tài)和動態(tài)協(xié)調(diào)性

以5年為標(biāo)準(zhǔn),將2026—2045年劃分為4個時間周期,計算每個周期內(nèi)不同節(jié)水灌溉和現(xiàn)狀灌溉水平下的產(chǎn)量和水分生產(chǎn)力的靜態(tài)協(xié)調(diào)度,結(jié)果如圖3所示。

圖3 3種灌溉水平下2026—2045年產(chǎn)量和水分生產(chǎn)力的靜態(tài)協(xié)調(diào)度

圖3表明,常規(guī)灌溉水平下2026—2045年靜態(tài)協(xié)調(diào)度處于基本協(xié)調(diào)和協(xié)調(diào)之間,為0.80～0.95,表明常規(guī)灌溉下產(chǎn)量隸屬度和水分生產(chǎn)力隸屬度差異較小,處于平衡狀態(tài)。0.8倍常規(guī)灌溉水平下未來20年靜態(tài)協(xié)調(diào)度處于基本不協(xié)調(diào)和基本協(xié)調(diào)之間,為0.6～0.95。靜態(tài)協(xié)調(diào)度橫跨兩個協(xié)調(diào)區(qū)域的原因在于2034—2039年產(chǎn)量和水分生產(chǎn)力相較于其他年份較高。該結(jié)果也說明產(chǎn)量隸屬度和水分生產(chǎn)力隸屬度差異相對較大,處于相對不平衡狀態(tài)。而0.8倍常規(guī)灌溉下的某些年份的綜合警級低于常規(guī)灌溉下綜合警級,上述結(jié)果表明虧缺灌溉下綜合警級降低,但是產(chǎn)量隸屬度與水分生產(chǎn)力隸屬度增大,兩者之間不平衡性增強(qiáng)。0.6倍常規(guī)灌溉水平下未來20年的靜態(tài)協(xié)調(diào)度處于不協(xié)調(diào)、基本不協(xié)調(diào)和基本協(xié)調(diào)狀態(tài),基本協(xié)調(diào)時間維持在2036—2039年之間,相較于S2,基本協(xié)調(diào)年份減小,不協(xié)調(diào)年份增多。原因在于灌溉水量減少使產(chǎn)量大幅度減少,而水分生產(chǎn)力大幅度增加,兩者之間的差異性越來越大。綜合上述結(jié)果,綜合警級既要考慮產(chǎn)量、水分生產(chǎn)力,也要考慮兩者之間的協(xié)調(diào)度。

圖4為2026—2045年每5年4期的動態(tài)協(xié)調(diào)度,結(jié)果表明不同灌溉水平下不同規(guī)劃年時間段動態(tài)協(xié)調(diào)度呈現(xiàn)顯著差異。常規(guī)灌溉條件下,4期規(guī)劃年的動態(tài)協(xié)調(diào)度處于基本協(xié)調(diào)狀態(tài);0.8倍常規(guī)灌溉水平下4期規(guī)劃年的動態(tài)協(xié)調(diào)度處于基本不協(xié)調(diào)和基本協(xié)調(diào)兩種狀態(tài);0.6倍常規(guī)灌溉水平下4期規(guī)劃年的動態(tài)協(xié)調(diào)度處于不協(xié)調(diào)和基本不協(xié)調(diào)狀態(tài)。上述結(jié)果表明協(xié)調(diào)度隨著灌溉水平的降低而降低。常規(guī)灌溉下系統(tǒng)協(xié)調(diào)發(fā)展水平較高,警情較高。原因在于產(chǎn)量與水分生產(chǎn)力是高度相關(guān)的兩個警情指標(biāo),且隨著灌溉水平的降低,產(chǎn)量減少程度遠(yuǎn)小于水分生產(chǎn)力增大幅度,產(chǎn)量減少幅度為0.07%～4.17%,水分生產(chǎn)力增大幅度為19.79%～25.03%,兩者之間的協(xié)調(diào)性降低,代表了兩者發(fā)展出現(xiàn)不協(xié)調(diào),但不代表系統(tǒng)綜合發(fā)展水平降低。因此,協(xié)調(diào)度和警度從兩個角度來衡量了預(yù)警系統(tǒng)。

圖4 3種灌溉水平下2026—2045年產(chǎn)量和水分生產(chǎn)力的動態(tài)協(xié)調(diào)度

3.4 與單一農(nóng)業(yè)生產(chǎn)風(fēng)險預(yù)警預(yù)報模型比較

為了凸顯空間分布式農(nóng)業(yè)生產(chǎn)預(yù)警預(yù)報模型的優(yōu)勢,將構(gòu)建的模型與單一農(nóng)業(yè)生產(chǎn)預(yù)警預(yù)報模型進(jìn)行比較。兩者的不同點(diǎn)在于后者不考慮作物產(chǎn)量和水分生產(chǎn)力空間異質(zhì)性,差異點(diǎn)主要在土壤類型上的差異導(dǎo)致的警級差異。

制種玉米在常規(guī)灌溉水平4種土壤類型警度級別均為4級;0.8倍常規(guī)灌溉水平下4種土壤類型警級為4級和無警,T4無警占比25%,T1～T3均為4級;0.6倍常規(guī)灌溉水平下T1、T2、T3、T4類型無警占比分別為10%、5%、75%和85%。小麥在常規(guī)灌溉條件下T1、T3、T4無警占比分別為5%、65%、20%;0.8倍常規(guī)灌溉水平下T1、T3、T4無警占比分別為40%、90%、65%;0.6倍灌溉水平T1、T3、T4無警占比分別為5%、5%、20%。

上述結(jié)果表明不同作物在不同土壤類型下警級呈現(xiàn)空間差異性和變異性,僅采用單一土壤類型下作物的警級不能完全覆蓋所有可能發(fā)生的情況,不利于有效進(jìn)行農(nóng)業(yè)生產(chǎn)風(fēng)險預(yù)警預(yù)報,這也凸顯空間分布式農(nóng)業(yè)生產(chǎn)風(fēng)險預(yù)警模型的優(yōu)勢。

基于農(nóng)業(yè)生產(chǎn)風(fēng)險預(yù)警模型,決策者根據(jù)氣象條件預(yù)測作物產(chǎn)量損失預(yù)警等級。如果等級較高,則決策者可以采取相應(yīng)的降警措施,如灌溉水量優(yōu)化配置、種植結(jié)構(gòu)調(diào)整等措施;如果風(fēng)險等級較低且在決策者可接受的范圍內(nèi),決策者可以不采取降警措施。

3.5 與單一警情指標(biāo)比較

為了凸顯采用產(chǎn)量和水分生產(chǎn)力作為綜合指標(biāo)的優(yōu)勢,與單一警情指標(biāo)進(jìn)行比較。常規(guī)灌溉水平下,制種玉米在某些年份的水分生產(chǎn)力達(dá)到3級警級,趨于3級警告下限。隨著灌溉水量的減小,制種玉米產(chǎn)量預(yù)警達(dá)到3級警級,水分生產(chǎn)力警級降低,趨于4級警告下限。

上述結(jié)果表明,綜合考慮作物產(chǎn)量和水分生產(chǎn)力指標(biāo)能夠折中作物產(chǎn)量和水分生產(chǎn)力的極端情況,在一定程度上避免了警級的極端化。當(dāng)出現(xiàn)單一要素極端警級,根據(jù)農(nóng)業(yè)生產(chǎn)風(fēng)險預(yù)警模型,基于灌溉水量與作物產(chǎn)量和水分生產(chǎn)力的關(guān)系,進(jìn)行動態(tài)的灌溉水量調(diào)整,進(jìn)而降低農(nóng)業(yè)生產(chǎn)風(fēng)險。決策者可以避免片面追求某一目標(biāo)而導(dǎo)致的失衡,實(shí)現(xiàn)多個目標(biāo)間的權(quán)衡以及多維目標(biāo)全面協(xié)調(diào)發(fā)展。

3.6 討論

本文在灌區(qū)農(nóng)業(yè)生產(chǎn)風(fēng)險預(yù)警方面展開了探索性的研究工作,為灌區(qū)分布式農(nóng)業(yè)生產(chǎn)風(fēng)險預(yù)警提供了一定的理論基礎(chǔ)。決策者可以根據(jù)農(nóng)業(yè)生產(chǎn)風(fēng)險預(yù)警結(jié)果實(shí)現(xiàn)風(fēng)險的預(yù)報,進(jìn)而提前采取相應(yīng)的措施進(jìn)行降警處理,在一定程度上有效規(guī)避農(nóng)業(yè)生產(chǎn)風(fēng)險。另外,決策者可以實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)風(fēng)險的時空動態(tài)預(yù)警預(yù)報,精準(zhǔn)定位風(fēng)險發(fā)生的時空位置,實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)風(fēng)險的精準(zhǔn)化管理。

目前該模型實(shí)現(xiàn)了農(nóng)業(yè)生產(chǎn)預(yù)警預(yù)報功能,在此基礎(chǔ)上,實(shí)現(xiàn)降警處理能夠全面應(yīng)對風(fēng)險。灌溉是影響作物產(chǎn)量和水分生產(chǎn)力的重要因素,且基于優(yōu)化配置模型的灌溉水量優(yōu)化配置能夠有效降低風(fēng)險。后續(xù)工作將以此為基礎(chǔ),實(shí)現(xiàn)基于水資源優(yōu)化配置模型的農(nóng)業(yè)生產(chǎn)風(fēng)險的降警處理。

4 結(jié)束語

構(gòu)建了不確定性條件下基于分布式作物模擬模型的空間分布式農(nóng)業(yè)生產(chǎn)預(yù)警預(yù)報模型。模型量化了空間異質(zhì)性作物產(chǎn)量和水分生產(chǎn)力綜合作用下警級,不同節(jié)水灌溉水平下警級;實(shí)現(xiàn)了未來氣候變化情景下農(nóng)業(yè)生產(chǎn)的警情預(yù)報,并探究了未來RCP4.5情景下2026—2045年的靜態(tài)協(xié)調(diào)度和動態(tài)協(xié)調(diào)度,表征了模型中作物產(chǎn)量和水分生產(chǎn)力的模糊不確定性。空間分布式農(nóng)業(yè)生產(chǎn)預(yù)警模型能夠反映作物、土壤和灌溉空間異質(zhì)性導(dǎo)致的預(yù)警等級差異,具有更高的魯棒性和適用性;目標(biāo)產(chǎn)量和水分生產(chǎn)力的設(shè)定影響著預(yù)警等級,而兩者都具有不確定性,引入梯形模糊數(shù)來表征目標(biāo)產(chǎn)量和水分生產(chǎn)力的不確定性能夠更有效地反映實(shí)際情況;不同作物不同土壤類型不同灌溉水平下預(yù)警等級出現(xiàn)差異性和變異性。該模型能夠精準(zhǔn)反映作物產(chǎn)量損失風(fēng)險和水分生產(chǎn)力風(fēng)險相互作用下的系統(tǒng)綜合警情,精準(zhǔn)定位風(fēng)險發(fā)生的時間和地點(diǎn),識別不同灌溉下的預(yù)警等級,提高預(yù)警預(yù)報模型的魯棒性,為應(yīng)對產(chǎn)量和水分生產(chǎn)力風(fēng)險提供了決策基礎(chǔ)。