周 科，徐蘇容

(1.華北水利水電大學(xué)，鄭州 450011；2.河南建筑職業(yè)技術(shù)學(xué)院，鄭州 450007)

0 引 言

進(jìn)入21世紀(jì)以來(lái)，農(nóng)業(yè)發(fā)展大大增加了全球糧食供應(yīng)，同時(shí)對(duì)生態(tài)環(huán)境也造成了一定的損害[1]。尤其是干旱缺水地區(qū)，激烈的人類活動(dòng)與耕地的過(guò)度開(kāi)發(fā)，引起了日益嚴(yán)峻的缺水、水污染、土地質(zhì)量下降、水土流失等一系列的生態(tài)環(huán)境問(wèn)題[2]。大量實(shí)踐證明，科學(xué)合理的生態(tài)環(huán)境措施可以減少污水排放、實(shí)現(xiàn)水土保持、防止土地沙化等。但是，農(nóng)業(yè)活動(dòng)與生態(tài)環(huán)境保護(hù)之間的需水關(guān)系往往存在矛盾，從而限制了某些生態(tài)功能(尤其是缺水地區(qū))的發(fā)揮。因此，綜合考慮灌溉、生態(tài)環(huán)境策略、生態(tài)工程建設(shè)和生態(tài)效應(yīng)，制定合理的水管理規(guī)劃對(duì)于促進(jìn)灌區(qū)經(jīng)濟(jì)發(fā)展和生態(tài)環(huán)境同步改善具有十分重要的意義。

針對(duì)灌溉系統(tǒng)的復(fù)雜性，以及主客觀條件的不確定性，許多學(xué)者提出了灌區(qū)規(guī)劃的優(yōu)化方法，用來(lái)解決決策過(guò)程中的不確定性問(wèn)題[3], 雖然這些不確定性問(wèn)題可以用隨機(jī)規(guī)劃的方法得到處理[4]。然而，對(duì)于一個(gè)具體的灌溉規(guī)劃，往往缺乏必要的基礎(chǔ)資料(如經(jīng)濟(jì)損失、供水成本等)，同時(shí)，化肥施用和其他污染物質(zhì)的擴(kuò)散運(yùn)移也具有特殊性和復(fù)雜性，缺乏精準(zhǔn)的資料。所以，往往采用模糊規(guī)劃(FP)法描述有關(guān)資料的模糊性[5]。但是在模糊決策過(guò)程中，往往存在樂(lè)觀與悲觀態(tài)度問(wèn)題，無(wú)法用常規(guī)的FP方法解決[6]。因此需要在篩選資料時(shí)，同時(shí)考慮悲觀與樂(lè)觀態(tài)度的混合影響[7].通過(guò)引進(jìn)悲觀與樂(lè)觀協(xié)調(diào)因子并設(shè)置一個(gè)區(qū)間值，能夠?qū)?lè)觀和悲觀態(tài)度的模糊性做出評(píng)價(jià)。但是，悲觀與樂(lè)觀區(qū)間值是作為原始可行區(qū)間的一個(gè)確定性映射，由于事件的混合模糊性(自然的和人工的)，并不能反映總體可行趨勢(shì)。為了簡(jiǎn)化可行區(qū)間模擬方法，引入了粗糙集理論(RST),通過(guò)兩個(gè)近似值模型描述模糊性(即上下近似值模型)，于是，可以更快地得出更加接近真值的決策結(jié)果[8]。

雖然上述優(yōu)化方法可以處理主客觀不確定性，但是當(dāng)灌區(qū)僅有不連續(xù)的基礎(chǔ)資料，又要求較高的預(yù)測(cè)精度時(shí)，問(wèn)題就暴露出來(lái)。例如，一個(gè)灌溉系統(tǒng)的多個(gè)組成部分都會(huì)對(duì)需水量預(yù)測(cè)有影響，而由于需水量的預(yù)測(cè)精度較差，就會(huì)使優(yōu)化結(jié)果偏離真值。同時(shí)，預(yù)測(cè)精度也會(huì)增加決策過(guò)程的復(fù)雜性。因此，可以引入支持向量機(jī)(SVR)的方法來(lái)提高預(yù)測(cè)精度, 處理小樣本資料、非線性問(wèn)題、多維和局部誤差帶來(lái)的問(wèn)題[9]。雖然SVR方法可以用于許多水利規(guī)劃問(wèn)題，但是，在干旱缺水地區(qū)，針對(duì)灌區(qū)的不確定性問(wèn)題，如何將SVR方法應(yīng)用于生態(tài)灌溉水環(huán)境規(guī)劃，卻很少有人關(guān)注。因此，本文研究的主要目標(biāo)是考慮樂(lè)觀與悲觀情景下，通過(guò)引入隨機(jī)規(guī)劃(SP)和模糊規(guī)劃(FP)方法，開(kāi)發(fā)隨機(jī)逼近水生態(tài)環(huán)境管理模型(SRAWM)，并將其應(yīng)用于黃河下游引黃灌區(qū)水生態(tài)環(huán)境規(guī)劃。本模型反映了決策過(guò)程中包括悲觀和樂(lè)觀在內(nèi)的模糊性，用模擬技術(shù)預(yù)測(cè)灌溉發(fā)展和生態(tài)需水的動(dòng)態(tài)變化。研究成果對(duì)于改進(jìn)灌溉與工程建設(shè)布局、改善水生態(tài)環(huán)境，實(shí)現(xiàn)經(jīng)濟(jì)社會(huì)和生態(tài)環(huán)境可持續(xù)發(fā)展具有重要的理論意義和實(shí)用價(jià)值。

1 隨機(jī)逼近水生態(tài)環(huán)境管理模型構(gòu)建(SRAWM)

1.1 模型構(gòu)建

(1)悲觀與樂(lè)觀態(tài)度是指規(guī)劃決策人員對(duì)未來(lái)形勢(shì)發(fā)展的態(tài)度，包括經(jīng)濟(jì)、社會(huì)、自然(水資源、生態(tài)環(huán)境等)、管理以及技術(shù)層面等。由于決策人員在不同情形下悲觀與樂(lè)觀的程度不同，因此處理樂(lè)觀與悲觀態(tài)度方法多樣，本文通過(guò)引進(jìn)一個(gè)協(xié)調(diào)因子λ(0≤λ≤1)為樂(lè)觀-悲觀參數(shù)，確定決策人員的綜合態(tài)度，組成一個(gè)新的規(guī)劃模型。

(2)兩階段模糊隨機(jī)規(guī)劃，是指對(duì)約束條件與目標(biāo)函數(shù)中的不確定性因素(人為的和自然因素)進(jìn)行處理的一種方法。本文研究的兩階段模糊隨機(jī)規(guī)劃包括用水目標(biāo)規(guī)劃和水資源開(kāi)發(fā)利用規(guī)劃。

于是，對(duì)于一個(gè)傳統(tǒng)的灌溉規(guī)劃問(wèn)題，決策者的主要任務(wù)是將有限的水資源配置到各類農(nóng)作物，實(shí)現(xiàn)灌溉效益最大化(經(jīng)濟(jì)、社會(huì))。對(duì)于這樣一個(gè)問(wèn)題，可選擇水資源可利用量作為隨機(jī)變量(第二階段決策)對(duì)配水目標(biāo)(第一階段決策)進(jìn)行協(xié)調(diào)。形成一個(gè)兩階段隨機(jī)規(guī)劃(TSP)模型如下：

(1)

屬于

(2)

yhi≤xi≤ximaxyhi≤xi≤ximax

(3)

xi≥0,i=1,2,…I

yih≥0,i=1,2,…,I;h=1,2,…,H

(4)

式中：f為灌溉效益，元；i為作物類型(i=1,2,…,I);h為隨機(jī)可利用水量概率水平(h=1,2,…,H);ci為單方水i類作物灌溉的凈效益，元/m3；ei為灌溉指標(biāo)，代表i類作物單位面積耗水量，m3/hm2；xi為第i類作物計(jì)劃灌溉面積，hm2；Qhi為保證率為phi時(shí)可利用水資源總量，m3;phi為隨機(jī)可利用水量Qhi在h(%)水平下的保證率；di為i類作物缺水時(shí)的經(jīng)濟(jì)損失，元/m3；yhi為第i類作物的缺水面積，hm2。

當(dāng)不確定性問(wèn)題以模糊系數(shù)表示為可行性分布時(shí)，可以引入模糊集理論。根據(jù)模糊集理論概念，引入可行性與必然性變量估計(jì)如下：

(5)

(6)

式中：ξ為對(duì)于函數(shù)μ的模糊變量；u和r為實(shí)際個(gè)數(shù)?？尚行远x為pos{ξ≤r}，代表模糊事件發(fā)生的可行性。模糊事件的必然性定義為Nec{ξ≤r}; 其中，pos和Nec僅限于處理風(fēng)險(xiǎn)決策的實(shí)際模糊性。但是由于決策人員在不同情形下悲觀與樂(lè)觀的程度不同，這就需要引進(jìn)一個(gè)悲觀與樂(lè)觀參數(shù)，用來(lái)表示決策人員的悲觀與樂(lè)觀態(tài)度。設(shè)估計(jì)值Nec為參考估值，為決策人員的悲觀態(tài)度，同時(shí)引進(jìn)樂(lè)觀和悲觀調(diào)整因子(k)，則，組成一個(gè)新的估計(jì)值Me, 表達(dá)式如下：

Me{ξ≤r}=Nec{ξ≤r}+λ(Pos{ξ≤r}-NEc{ξ≤r})

(7)

式中：λ(0≤λ≤1)為樂(lè)觀-悲觀參數(shù)，用來(lái)確定決策人員的綜合態(tài)度。式(7)可用來(lái)評(píng)價(jià)一個(gè)模糊變量在一個(gè)區(qū)間內(nèi)基于Pos和Nec凸組合、不同樂(lè)觀與悲觀態(tài)度的取值大小。由此，可以得到一個(gè)基于樂(lè)觀悲觀態(tài)度的隨機(jī)逼近模型(SAOP)如下：

(8)

屬于：

(9)

i=1,2,…,I;h=1,2,…,H;r=1,2,…,R

yhi≤xi≤ximax,i=1,2,…,I;h=1,2,…H

(10)

xi≥0,1,2,…,I;h=1,2,…,H

(11)

式中：δr為決策人員的置信水平，包含決策人態(tài)度是悲觀還是樂(lè)觀的信息。

Me={ξ≥r}=

(12)

(13)

設(shè)V為一個(gè)有限的非空集，W是一個(gè)與V有關(guān)的等價(jià)關(guān)系；則對(duì)任意兩個(gè)子集X，V;S=(V,W)稱之為它的近似空間[10]?？捎孟率奖磉_(dá)：

WX={x∈V|[x]w?V}

(14)

(15)

設(shè)P={(x,ξ)|Pos{gr(x,ξ)}≤0}≥δr;

N={(x,ξ)|Nec{gr(x,ξ)≤0}≥δr}, 得到：

N?X?P?

Ne{gr(x,ξ)≤0}≤Me{gr(x,ξ)≤0}≤Poc{gr(x,ξ)≤0}

(16)

(17)

(18)

(19)

δr?(1-δr)Qhir≥eir(xi-yhi)

(20)

δr?Qhir+(1-δr)Qhir≥eir(xi-yhi)

(21)

(22)

屬于：

(1-δr)Qhir≥eir(xi-yhi),

r=1,2,…,p;i=1,2,…,I;h=1,2,…H

(23)

yhi≤xi≤xmax,i=1,2,…,I;h=1,2,…,H

(24)

xi≥0,i=1,2,…,I

(25)

yhi≥0,i=1,2,…,,I;h=1,2,…,H

(26)

yih≥0,i=1,2,…,I;h=1,2,…,H

(27)

(28)

屬于：

Qhir+(1-δr)Qhir≥eir(xi-yhi),

r=1,2,…,p;i=1,2,…,I;h=1,2,…H

(29)

yhi≤xi≤xmax,i=1,2,…,I;h=1,2,…,H

(30)

(31)

(32)

解公式(17)～公式(21)和公式(22)～公式(27)，可以對(duì)約束條件與目標(biāo)函數(shù)中的不確定性因素(包括人為的和自然因素)進(jìn)行處理。

1.2 模型優(yōu)化解

所構(gòu)建的模型涉及隨機(jī)約束非線性規(guī)劃問(wèn)題(SNP)的求解方法。本文采用求解隨機(jī)約束非線性規(guī)劃的SNG算法。實(shí)際求解時(shí),SNG算法采用計(jì)算機(jī)非線性規(guī)劃系統(tǒng)軟件中的SNG程序。幾個(gè)不同規(guī)模的(SNP)問(wèn)題的計(jì)算效果如表1所示。

表1 不同規(guī)模SRAWM隨機(jī)約束規(guī)劃計(jì)算效果統(tǒng)計(jì)Tab.1 Solution of fuzzy stochastic planning

由幾種方法對(duì)比可見(jiàn)，本文構(gòu)建的隨機(jī)規(guī)劃(SRAWM)模型利用數(shù)論方法求解可獲得滿意的效果。當(dāng)隨機(jī)向量為5維正態(tài)分布時(shí)，可采用數(shù)論點(diǎn)法求解。具體步驟可參考有關(guān)文獻(xiàn)[15,16,20]。

2 典型灌區(qū)應(yīng)用案例

2.1 概 況

黃河下游山東省位山引黃灌區(qū)南臨黃河，北靠衛(wèi)運(yùn)河，設(shè)計(jì)灌溉面積33.87 萬(wàn)hm2。灌區(qū)涉及東昌府、臨清、茌平、高唐、陽(yáng)谷、東阿和冠縣 7 個(gè)縣( 市、區(qū)) 100 個(gè)鄉(xiāng)鎮(zhèn)，總土地面積5 734 km2。灌區(qū)始建于1958年，1962年停灌，1970年恢復(fù)引水。灌區(qū)渠首設(shè)計(jì)引水流量為 240 m3/s( 東渠160 m3/s、西渠80 m3/s)。位山灌區(qū)是山東省的重要農(nóng)業(yè)發(fā)展區(qū)、黃河下游重要糧棉生產(chǎn)基地。位山引黃灌區(qū)土地利用情況見(jiàn)表2。

近些年來(lái)，隨著人口不斷增加，引黃灌區(qū)水資源供需矛盾和生態(tài)環(huán)境壓力增加，灌區(qū)管理面臨的巨大挑戰(zhàn)如下：一是糧食生產(chǎn)需求增加，耕地質(zhì)量下降，生態(tài)環(huán)境不斷惡化。二是灌溉需水量不斷上升，已經(jīng)超過(guò)了引黃與當(dāng)?shù)刈匀幌到y(tǒng)的水資源承載力，導(dǎo)致嚴(yán)重的缺水現(xiàn)象。三是過(guò)度的農(nóng)業(yè)開(kāi)發(fā)引起了嚴(yán)重的水污染，進(jìn)一步減少了水資源可利用量。在如此嚴(yán)峻的水生態(tài)環(huán)境形勢(shì)下，急需開(kāi)發(fā)一個(gè)有效的水生態(tài)環(huán)境管理模式，實(shí)現(xiàn)經(jīng)濟(jì)、社會(huì)和水生態(tài)環(huán)境的可持續(xù)發(fā)展。但是，由于可利用水資源量的時(shí)空變化以及其他資料的模糊特性，制定有效的灌溉管理方案存在種種困難，也加劇了水資源優(yōu)化配置和綜合決策的復(fù)雜性。因此，構(gòu)建基于樂(lè)觀與悲觀條件下，隨機(jī)逼近水生態(tài)環(huán)境管理模型(SRAWM)，并結(jié)合灌區(qū)實(shí)際，對(duì)灌區(qū)系統(tǒng)水資源優(yōu)化高效配置，具有十分重要的意義。

2.2 主要模擬結(jié)果

2.2.1 基本資料

2015年位山灌區(qū)工農(nóng)業(yè)生產(chǎn)總值約為 200 億元，城市人口83.87萬(wàn)，農(nóng)村人口470萬(wàn); 2015年降水量為694 mm，屬偏豐年份; 灌區(qū)內(nèi)有徒駭、馬頰兩條河流，年徑流約2 億m3; 2010 年引黃水量為9.16 億m3，地下水開(kāi)采量約11.77 億m3。以2015年為現(xiàn)狀年，按照灌區(qū)行政分區(qū)現(xiàn)狀，將整個(gè)灌區(qū)劃分為7個(gè)分區(qū)。即：東昌府、臨清、茌平、高唐、陽(yáng)谷、東阿和冠縣7個(gè)縣( 市、區(qū))，土地利用分類見(jiàn)表2。

表2 位山灌區(qū)土地利用類型與面積 km2

2.2.2 不同水量組成結(jié)構(gòu)模擬結(jié)果

針對(duì)各類不確定性因素，為獲得準(zhǔn)確的需水量預(yù)測(cè)結(jié)果，引進(jìn)支持向量機(jī)回歸分析技術(shù)(SVR)[21]。SVR是將監(jiān)督學(xué)習(xí)模型與學(xué)習(xí)算法相結(jié)合的一種方法，對(duì)有關(guān)資料進(jìn)行分析，分類和回歸計(jì)算。

本文選擇2001-2010作為訓(xùn)練系列，選擇2011-2015年作為檢驗(yàn)系列。獲得了從2015年到2020年的來(lái)水、排水與耗水情況，模擬預(yù)測(cè)值和實(shí)測(cè)值模擬結(jié)果誤差在10%以內(nèi)。模型模擬優(yōu)化結(jié)果見(jiàn)表3。

表3 位山灌區(qū) 2015 年不同水量組成模擬結(jié)果 萬(wàn)m3

由表3 可見(jiàn)，位山灌區(qū)來(lái)水主要由降水、引黃水量組成。2015年，灌區(qū)總耗水約 36.8 億m3，農(nóng)田耗水占76%;地下蓄水量增加 0.64 億m3，地下水埋深略有上升。進(jìn)一步分析不同土地利用的水分消耗即騰發(fā)量情況，見(jiàn)表4。

表4 位山灌區(qū)2015年區(qū)域耗水量模擬結(jié)果 mm

農(nóng)田騰發(fā)量約650 mm，模型采用參照騰發(fā)量與作物系數(shù)[22]、土壤水系數(shù)的乘積作為實(shí)際騰發(fā)量，5-7 月的土壤水系數(shù)為0.90～1.0，表明整個(gè)灌區(qū)的供水相對(duì)充分，水資源的利用效率不高。

2.3 不同策略條件下模擬結(jié)果分析

2.3.1 不同策略條件下，水資源開(kāi)發(fā)利用

(1)不同策略情景設(shè)定。目標(biāo)函數(shù)的求解采取上下逼近的辦法，通過(guò)求解SRAWM模型，可以獲得灌區(qū)內(nèi)農(nóng)作物與生態(tài)作物在不同情景下的缺水面積。不同情景設(shè)定見(jiàn)表5。

表5 不同策略情景設(shè)計(jì)Tab.5 Scenario assumption

(2)灌區(qū)地下水開(kāi)采量。對(duì)應(yīng)不同情景的地下水開(kāi)采量，灌區(qū)平均地下水埋深年內(nèi)變幅模擬結(jié)果見(jiàn)表6。

表6 不同情景條件下地下水開(kāi)采量模擬結(jié)果Tab.6 Underground water utilization in different conditions

隨著地下水開(kāi)采量的增加，地下水水位呈下降趨勢(shì)。一般枯水年份，地下水開(kāi)采量12.0億m3，保持地下水埋深在合理范圍內(nèi)。

(3)引黃水量。對(duì)應(yīng)不同的引黃水量，灌區(qū)平均地下水埋深年內(nèi)變幅模擬結(jié)果見(jiàn)表 7。

表7 不同引黃水量的模擬結(jié)果Tab.7 Simulation results for different Yellow River water diversion volume

隨著引黃水量的增加，地下水位變幅減小，一般 枯水年份，當(dāng)引黃水量在9.0 億m3時(shí)，地下水變幅在1.95 m,可以控制在合理范圍內(nèi)(變幅不超過(guò)2.0 m),基本可以保證灌區(qū)生態(tài)平衡。

2.3.2 不同策略條件下用水效益分析

綜合考慮灌區(qū)不同情景條件下引黃水量、當(dāng)?shù)亟邓俊⒌叵滤衫昧?、其他過(guò)境水可利用量，水利工程配套建設(shè)情況、灌區(qū)水資源管理策略，以及灌區(qū)種植作物布局，應(yīng)用本文構(gòu)建的SRAWM模型，計(jì)算不同策略用水效益。結(jié)果見(jiàn)表8。

2.3.3 模擬計(jì)算結(jié)果分析

(1)對(duì)比水資源總量配置，灌溉用水是灌區(qū)用水大戶，面臨著嚴(yán)重缺水。

(2)灌區(qū)農(nóng)村生活用水占的比例很小，所以很少發(fā)生缺水情況。

(3)生態(tài)耗水僅占5.62%，對(duì)灌區(qū)污染物自然凈化，生態(tài)平衡等產(chǎn)生積極的作用。

(4)水資源配置隨經(jīng)濟(jì)發(fā)展水平而變化，經(jīng)濟(jì)發(fā)展水平越高，缺水程度就越大，反之，缺水就小。例如，情景1條件下，當(dāng)水資源可利用量低的時(shí)候，東昌分區(qū)生活用水的LAV和UAV在α=0.6時(shí)，分別為0.26和0.32億m3,則實(shí)際水資源分配為1.79和5.32 億m3(LAV和UAV),但是，當(dāng)α=0.9時(shí)，分別為1.62和4.74 億m3。

表8 不同策略用水效益模擬結(jié)果Tab.8 Simulation results of water use efficiency in different deferent Scenario 2

3 灌溉系統(tǒng)效益和風(fēng)險(xiǎn)敏感度分析

通過(guò)求解模型，可以得出如下結(jié)論。

(1)灌溉系統(tǒng)效益隨著生態(tài)效應(yīng)和不同情景而變化，灌溉系統(tǒng)效益隨生態(tài)效應(yīng)而增加。

(2)將悲觀與樂(lè)觀態(tài)度相結(jié)合，采取折中的辦法可以獲得中等的效益，因此決策人員采取權(quán)衡樂(lè)觀與悲觀的辦法可以加強(qiáng)決策過(guò)程中的風(fēng)險(xiǎn)控制，

(3)可利用水量較低的置信水平(d-level)可能會(huì)提高風(fēng)險(xiǎn)水平，從而降低系統(tǒng)效益。

以上分析可知，將悲觀與樂(lè)觀態(tài)度與不同置信水平相結(jié)合，可以獲得綜合性的效果，而區(qū)間解的方法可以提供決策人員最優(yōu)決策的上下邊界。在模糊不確定性情況下，基于更多的信息資料，當(dāng)置信水平較高時(shí)，決策者可以在一個(gè)灌溉系統(tǒng)內(nèi)選擇樂(lè)觀的態(tài)度，獲得較高的經(jīng)濟(jì)價(jià)值。

4 結(jié) 語(yǔ)

本文針對(duì)灌溉系統(tǒng)的不確定性問(wèn)題，基于樂(lè)觀與悲觀態(tài)度的選擇，構(gòu)建了隨機(jī)逼近模型(SRAWM),選擇典型灌區(qū)，研究了水管理與生態(tài)環(huán)境策略方案規(guī)劃。

(1)本文開(kāi)發(fā)的SRAWM模型可以處理目標(biāo)函數(shù)與約束條件中模糊集的主客觀不確定性問(wèn)題。

(2)將決策人員的風(fēng)險(xiǎn)行為表達(dá)為樂(lè)觀與悲觀態(tài)度，并設(shè)置了衡量值Me來(lái)處理，該值可以支持決策者面臨風(fēng)險(xiǎn)與保守選擇，做出可靠的決策方案。

(3)將模糊問(wèn)題轉(zhuǎn)化為上下逼近真值，便于決策人員選擇正確的方案。

(4)將SVR技術(shù)隱含到SRAWM模型中，考慮了各類影響因素，提高需水預(yù)測(cè)的精度，從而為模擬與優(yōu)化提供了一個(gè)鏈接，充分反映動(dòng)態(tài)變化、交互協(xié)調(diào)以及灌溉系統(tǒng)的不確定性特征。

(5)位山灌區(qū)農(nóng)業(yè)用水仍然存在著缺水現(xiàn)象。缺水原因，除了干旱之外，主要是不科學(xué)的灌溉計(jì)劃、落后的灌溉模式、需水量的不斷增加以及水污染帶來(lái)的水資源可利用量減少。

(6)研究結(jié)果表明，生態(tài)功能不僅給灌溉系統(tǒng)帶來(lái)間接效益，而且也使灌區(qū)獲得長(zhǎng)期回報(bào)。例如，灌區(qū)自凈能力的提高可以將污染水體轉(zhuǎn)化為無(wú)害的水體，從而減少污水處理成本，增加經(jīng)濟(jì)效益。

(7)決策人員的悲觀與樂(lè)觀態(tài)度對(duì)灌溉規(guī)劃有直接的影響。樂(lè)觀與悲觀態(tài)度的協(xié)調(diào)處理有助于制定折中的決策方案，通過(guò)引入合理的置信水平和樂(lè)觀與悲觀調(diào)整因子，可以調(diào)整灌區(qū)缺水面積。

(8)位山灌區(qū)的灌溉規(guī)劃與農(nóng)業(yè)施肥帶來(lái)的污染不可輕視，水資源短缺與污水排放量增加對(duì)灌區(qū)可持續(xù)發(fā)展帶來(lái)嚴(yán)重影響。因此，應(yīng)當(dāng)調(diào)整灌區(qū)農(nóng)業(yè)與生態(tài)保護(hù)之間的用水結(jié)構(gòu)，通過(guò)改變用水模式，減少缺水程度，改善生態(tài)環(huán)境和灌區(qū)系統(tǒng)效益，實(shí)現(xiàn)飲水安全、糧食安全和水生態(tài)環(huán)境保護(hù)。

□