中国主要稻区水稻灌溉需求变化及其规律分析

罗万琦，吕辛未，吴从林，杨 洋，崔远来，罗玉峰

（1.武汉大学水资源与水电工程科学国家重点实验室，武汉430072；2.百度在线网络技术(北京)有限公司，北京100085；3.长江勘测规划设计研究有限责任公司，武汉430010）

0 引 言

水稻是我国三大粮食作物之一，目前种植面积已居世界第二位，产量占全球32%左右[1]，为保障中国粮食安全做出了巨大贡献。通常稻田需要通过灌溉水保持在淹没状态，因此与其他作物相比，水稻灌溉需水量非常巨大[2]，消耗了我国65%以上的农业灌溉用水[3]。传统淹没灌溉具有悠久的历史，其操作简单，经济可行性高，目前仍然是我国大部分稻区采用的灌溉方式[4]，尤其是在降雨丰富、水价低廉的南方稻区被广泛使用，但这种方式耗水巨大，浪费较严重。有效利用水资源是水稻可持续发展的重要基础，随着人口和工业用水不断挤占，未来农业用水将持续减少，掌握我国水稻灌溉需水规律，将为制定高效节水的灌溉决策、缓解我国用水压力提供有效指导[5,6]。

水稻作物耗水与灌溉需水是制定灌溉定额的科学依据，为了解水稻需水规律，近年来国内外许多学者对水稻的灌溉需求进行了深入分析。在1984年，Terjung 等[7]就通过计算中韩地区水稻的耗水量，发现为了保证产量，中国西北和西南地区需要超过1 000 mm 的灌溉量，而中南部地区的灌溉量约为500 mm。刘钰等[8]对全国30 种作物的需水量进行研究，发现东北和南方地区水稻对灌溉需求较低，而华北地区的水稻对灌溉依赖程度较高。王卫光等[9]以长江中下游中稻为研究对象，分析气候变化下水稻的灌溉需水时空变化特征。符娜等[10]分析了西南地区水稻生育期的耗水量及灌溉需求分布规律，发现分蘖和抽穗期是西南水稻需水的关键期，西南水稻整体对灌溉依赖程度较低。目前，这些研究主要是针对某一地区，采用较简单的单作物系数法和有效降雨量计算方法来估算水稻灌溉量，而对于在全国范围内，通过构建田间水量平衡模型来分析不同水稻类型的需水规律和灌溉需求还鲜有研究。

综上，本文选取全国12 个典型水稻种植区，通过构建田间水量平衡模型推求水稻灌溉制度，分析长时间序列下不同水稻类型的作物需水和灌溉需求规律，以期为明确我国不同稻区灌溉需求差异和提高降雨在水稻灌溉中的利用提供参考。

1 材料与方法

1.1 研究区概况

中国水稻主要划分为六大水稻种植区[11]，本文基于地理位置、种植面积和种植类型等因素选取了全国12 个典型水稻种植区，这些稻区具有稳定的灌溉水源、完整的水稻生长参数及广阔的种植面积，在此基础上确定12 个典型站点，分别为富锦、银川、唐山、开封、高邮、钟祥、都江堰、金华、南昌、大理、桂林以及湛江（图1和表1）。其中，南昌主要种植早中晚三季水稻，桂林和湛江主要种植早晚双季稻、其余站点主要种植单季稻（中稻）。

表1 研究站点的基本信息Tab.1 The basic information of the study stations

图1 研究站点分布图Fig.1 Geographical distribution of the study stations

1.2 数据来源

通过中国气象数据网（http：//data.cma.gov.cn）收集12 个代表性站点1960-2019年的逐日气象数据，包括日最高气温、日最低气温、日平均气温、平均风速、日照时数、平均相对湿度以及日降雨量。通过全国灌溉试验成果信息服务平台（http：//ggsy.jsgg.com.cn：9080/EISFlex/）收集各站点的水稻生育期划分信息。

1.3 水稻灌溉需水量计算方法

采用FAO（1998）推荐的Penman-Monteith 公式计算参考作物蒸散量（ET0）[12]：

式中：Rn为作物表面净辐射，MJ/(m2·d)；G为土壤热通量，MJ/(m2·d)；T为地面2 m高处日平均气温，℃，u2为2 m高处风速，m/s；es为饱和水汽压，kPa；ea为实际水汽压，kPa；Δ为饱和水汽压与气温关系曲线斜率，kPa/℃；γ为湿度表常数，kPa/℃。

1.3.2 单作物系数法

通过单作物系数法计算水稻作物需水量，计算公式如下[12]：

式中：ETc为作物实际耗水量，mm/d；Kc为作物系数；ET0为参考作物蒸散量，mm/d。

根据各研究区灌溉试验数据并参考相关文献，确定各站点水稻的作物系数和常规灌溉模式如表2所示。

1.3.3 田间水量平衡模型

社会的需要是检验毕业设计质量的标准。研究制订适合新工科背景的教学质量标准，及时了解企业与市场的动态化需求，做好与毕业生的交流与反馈工作，开展多维度的毕业设计教学质量评价等的，是进一步提高毕业设计质量的阶梯。

通过构建田间水量平衡模型来推求水稻灌溉制度[24,25]：

（1）以插秧为起始，水稻生育期逐日灌溉需水量按下式计算：

式中：S′t为第t天灌排前的田间蓄水量，mm；St-1为前一天末的田间蓄水量，mm；Rt为第t天的降雨量，mm；Pt为第t天的田间渗漏量，mm。

考虑日渗漏量为常量，通过全国灌溉试验成果信息服务平台（http：//ggsy.jsgg.com.cn：9080/EISFlex/）获取研究站点稻田渗漏量数据，对于缺乏数据的站点，则根据相关文献及当地土壤类型确定日渗漏量，各站点水稻生育期稻田渗漏量如表3所示。

表3 不同水稻类型的田间日渗漏量Tab.3 Daily field leakage of different rice types

（2）第t天的灌排量按以下原则计算：

式中：It、Dt分别为第t天的灌溉量和排水量，mm；Sdt、Smt和Sut分别为第t天的适宜水层下限、适宜水层上限及雨后最大蓄水深度，mm。考虑实际生产情况，各站点均采用常规灌溉模式进行灌溉（表2）。

表2 不同水稻类型的作物系数及常规灌溉模式Tab.2 The crop coefficients and conventional irrigation schedule of different rice types

（3）严格按照以上原则进行灌排量计算，则第t天末的田间蓄水量为：

（4）重复以上计算步骤计算出水稻每日灌溉需求，得到整个生育期的灌溉制度。

1.4 Mann-Kendall趋势检验

Mann-Kendall 趋势检验法[26,27]基于非参数检验，可以分析气候因素的长期变化特征。该方法能处理非正态分布的数据，同时能有效排除缺失值和异常值的干扰，因此非常适用于水文、气象数据的时间序列趋势分析和突变检验。

1.5 最大互信息系数(MIC)

水稻灌溉是一个复杂的随机过程，本文采用最大互信息系数(MIC)来分析水稻灌溉参数之间的联系。这种方法能衡量变量之间的线性或非线性强度，是一种探索数据关联的有效方法[28]。该方法的计算原理是考虑将两个变量分散在二维空间中（定义为x、y变量），并使用散点图来表示，然后将该二维空间在X，Y方向上划分成一定的区间数，检查落在每个网格中的散点情况。MIC的计算公式如下：

式中：a，b为在X，Y方向上的划分网格个数，I(x；y)为x，y的联合概率；B为变量，设置为数据量的0.6 次方。MIC(x；y)的值在0 到1 之间，值越大，说明两个变量之间的关联性越强。

2 结果与讨论

2.1 中国水稻灌溉需求差异

通过田间水量平衡模型推求1960-2019年各站点水稻常规灌溉制度，从而计算出早中晚稻的灌溉要素年均值（表4）及各站点水稻水量平衡要素年均值（图2）。由表4 可知，近60年来作物需水量ETc表现为中稻（556.39 mm）＞晚稻（491.47 mm）＞早稻（393.54 mm），生育期降雨量表现为早稻（654.36 mm）＞中稻（432.08 mm）＞晚稻（399.67 mm），早稻灌溉量最小，年均值为147.52 mm，其次是晚稻（346.87 mm），中稻灌溉量最大（435.94 mm）。排水量则表现为早稻＞中稻＞晚稻。对于灌排次数来说，早稻灌溉次数为5 次，远低于晚稻的14次和中稻的15 次，而排水次数为13 次，高于中稻和晚稻。对于多年平均降雨利用率来说，晚稻最高，达到了69.60%，其次是中稻，早稻最低（54.68%）。

表4 早、中、晚稻的灌溉要素年均值Tab.4 Annual average value of irrigation elements for early，middle and late rice

进一步分析不同站点水稻之间的灌溉差异，图2绘制了各站点水稻的灌溉要素年均值。由图2（a）可知，由于种植地区和生育期的不同，16 种水稻类型的作物需水量相差较大，其中YC-中最大（769.63 mm），NC-早最小（339.62 mm），中稻作物需水量普遍较高。早稻生育期降雨量较多，ZJ-早、GL-早和NC-早的降雨量都达到了550 mm 以上，而中稻和晚稻不同站点之间差异较大。ETc是水稻灌溉量的重要决定因素，同时生育期降雨与水稻灌排存在着密切联系，一般来说降雨量越大，灌溉量越小，而排水量越大。GL-早、YC-中表现出这一规律，两者分别具有最高、最低的生育期降雨量，相应地，灌溉量在所有水稻类型中表现为最低（74.56 mm）、最高（873.71 mm），排水量则表现出最高（418.77 mm）和最低（43.92 mm）[图2（a）]，同时灌溉次数和排水次数也相应表现出最少、最多和最多、最少的结果[图2（b）]。但其他站点并不完全表现一致，DL-中、ZJ-晚的生育期降雨量仅次于GL-早（降雨量分别为601.23 mm 和586.33 mm），它们的灌溉量却远高于DJY-中和NC-早，这是由于DL-中和ZJ-晚的ETc（564.01 mm、579.77 mm） 远大于DJY-中（369.36 mm） 和NC-早（339.62 mm），较高的作物需水量导致灌溉需求大；而对于ZJ-晚、GY-中和DL-中，它们的ETc相差不大，GY-中的生育期降雨量为511.06 mm，远低于ZJ-晚和DL-中，灌溉量却非常接近；另外GL-早和NC-早的ETc相近，生育期降雨量相差218.80 mm，灌溉量却仅相差了31.91 mm。这说明除了降雨量影响水稻灌溉需求以外，降雨分布、降雨天数、降雨间隔等因素对水稻灌溉需求的影响也不可忽略[29]。对于16 种水稻类型来说，降雨利用率具有较大差异，其中NC-晚的多年平均降雨利用率最高，达到了76.92%，GL-早最低，仅为47.99%[图2（c）]。整体来说中稻和晚稻利用率较高，早稻较低，提高降雨利用具有较大发挥空间。

图2 各站点水稻类型水量平衡要素年均值Fig.2 Annual average value of water balance elements of different rice types

2.2 水量平衡各要素相关性分析

为分析水量平衡要素之间的关系，表5 给出了“ETc-降雨-灌溉-排水”之间的Pearson 相关系数r和MIC计算结果。结果表明，ETc和生育期降雨量是影响水稻灌溉量的主要因素。ETc与灌溉量呈明显正相关关系，两者的MIC值基本都达到了0.4 以上，除DJY-中和TS-中外，所有站点水稻的ETc与灌溉量的正相关性均达到了极显著水平；而降雨量与灌溉呈明显的负相关关系，除GL-早外，相关系数r都超过了-0.6，且MIC值普遍高于0.5，关联性较强，所有站点的负相关性均达到了极显著水平。

表5 水量平衡各要素的相关系数r及MIC计算结果表Tab.5 The correlation coefficients and MIC results of water balance elements

对于稻田排水量来说，ETc与排水量的相关性在不同站点差异较大。在DJY-中，两者呈现微弱的正相关，r仅为0.08；而在其他站点ETc与排水量表现为负相关关系，r和MIC值均在NC-早达到最大（-0.62、0.42），且为极显著水平；而在TS-中，其相关系数、MIC值仅为-0.01和0.24。稻田排水量与ETc之间的相关性在不同站点变化大，关联性不强，这可能是因为ETc主要是通过影响灌溉来间接影响排水，而水稻灌溉是一个复杂的随机过程，受到气候条件、土壤类型、农艺技术等因素的影响，因此灌溉对排水的影响是多因素导致的综合影响，不同地区各因素影响程度不同，从而ETc对排水的影响减弱，两者之间的相关性也具有较大空间差异。

水稻生育期降雨量则直接决定了稻田排水量的多少，通常降雨量越大，田间水层深度超过雨后蓄水上限的可能性越大，大量的降雨需要被排出，因此降雨与排水之间呈极显著的正线性相关。除YC-中外，所有站点的相关系数r均达到0.75 以上，DJY-中更是高达0.97。两者的MIC值普遍较大，尤其在JH-中和DL-中超过了0.9，说明降雨与排水之间具有紧密的负关联性。对于灌溉与排水来说，通常灌溉量越大，意味着降雨量少，较少的雨量不会超过稻田水层深度上限，能够被水稻利用，从而排水量少，因此两者呈明显的负相关关系。但由于水稻灌排的复杂与随机性，两者之间相关系数较小，仅JH-中、ZX-中、TS-中达到了-0.5 以上，MIC值也基本在0.3 左右，仅NC-早达到了0.64。降雨与排水之间具有明显的线性关联，对于湿润的南方稻区，充足的雨量将会给稻田造成巨大的排水负担，随着未来降雨事件的不断变化，如何减轻稻田的排水压力，避免水稻遭受洪涝灾害是必须考虑的问题。

2.3 水量平衡各要素年际变化趋势

表6 为水稻ETc、生育期降雨量、灌溉量及排水量的M-K趋势检验结果。由表可知，近60年来中国水稻的ETc主要呈下降趋势，除ZJ-早、ZJ-晚、NC-早和GY-中以外，其余稻区的Um-k值均小于0，水稻的耗水在逐渐减小。长江中下游稻区和华南稻区的降雨主要呈上升趋势，而西南和北方稻区主要呈下降趋势，仅YC-中略有上升。ETc和降雨的变化共同影响灌溉的变化趋势，对于GL-早、NC-中、NC-晚、JH-中、ZX-中以及YC-中，ETc的下降和降雨的上升导致水稻灌溉量呈现明显的下降趋势，在这些水稻区未来水稻的灌溉需求可能会进一步减小；而对于NC-早来说，ETc的上升和降雨的下降导致灌溉量增加，未来灌溉需求可能会继续增大。当ETc和降雨同趋势变化时，由于两者变化程度不同，导致不同地区水稻灌溉变化具有差异，降雨减少对灌溉的正效应超过ETc减少对灌溉量的负效应时，水稻灌溉呈上升趋势（GL-晚、DJY-中、DL-中、KF-中和TS-中）；ETc减少对灌溉的负效应超过降雨减少对灌溉的正效应时，灌溉呈下降趋势（FJ-中）；而当ETc增加对灌溉的正效应超过降雨增加对灌溉的负效应时，灌溉呈上升趋势（ZJ-早），反之下降（ZJ-晚）。由于降雨与排水量呈明显的正相关，两者主要表现为同步变化。对于变化趋势不一致的站点，一方面可能是由于作物耗水变化对灌溉影响程度较大，从而间接影响排水（ZJ-早、FJ-中）；另一方面可能是随着极端降雨的频繁出现，降雨分布特征对水稻灌溉的影响加剧，导致排水增加（NC-早、KF-中）。

表6 水量平衡各要素的M-K趋势检验结果Tab.6 The M-K trend test results of water balance elements

水稻灌溉是一个复杂的生产过程，过去60年里水稻的ETc下降，意味着水稻的耗水减小，但由于降雨对灌溉的影响，水稻的灌溉需求变化在不同地区差异较大[30,31]。对于降雨较少的稻区，水稻生育期累计降雨量对灌溉需求的影响占主导因素，通常降雨越多水稻灌溉越少；而对于降雨丰富的稻区，水稻灌溉不仅取决于降雨量，还受到降雨天数、暴雨频率和强度等降雨分布特征的影响，甚至降雨分布特征对灌溉的影响远超过降雨量。因此，在湿润稻区考虑制定提高降雨利用率的灌溉决策时，降雨分布特征不可忽视。

3 结 论

本文选取全国12 个典型水稻种植区，通过构建田间水量平衡模型推求水稻常规灌溉制度，在此基础上分析不同水稻类型的灌溉要素差异及其变化趋势，同时分析了灌溉要素之间的联系。主要结论如下：

（1）我国水稻ETc表现为中稻（556.39 mm） ＞ 稻（491.47 mm）＞早稻（393.54 mm）；灌溉需求表现为中稻（435.94 mm）＞晚稻（346.87 mm）＞早稻（147.52 mm）；降雨利用率表现为晚稻（69.60%） ＞中 稻（65.46%） ＞早稻（54.68%）。水稻ETc和生育期降雨是引起灌溉需求差异的主要原因，南方稻区的降雨主要集中在早稻生育期，充足的雨量会给稻田造成较高的排水负担，未来应注意水稻遭受洪涝灾害的风险。

（2）近60年来，全国稻区的ETc主要呈下降趋势，意味着水稻耗水在逐步减少。长江中下游和华南稻区的降雨主要呈上升趋势，而西南和北方稻区主要呈下降趋势。ETc和降雨的变化共同影响灌溉需求变化，华中、华南和东北稻区水稻灌溉量呈现明显的下降趋势，而西南和北方稻区灌溉量主要呈上升趋势。降雨对灌溉的影响在不同地区差异较大，对于干旱稻区水稻生育期累计降雨量对灌溉需求的影响占主导因素，而对于湿润稻区主要由降雨分布特征主导灌溉变化。