高 潔，吳普特，謝朋軒，卓 拉

灌區(qū)藍綠水資源與作物生產(chǎn)水足跡多時空分布量化分析

高 潔1,2，吳普特2,3,4※，謝朋軒1,2，卓 拉2,3,4

（1. 西北農(nóng)林科技大學水利與建筑工程學院，楊凌 712100；2. 西北農(nóng)林科技大學旱區(qū)節(jié)水農(nóng)業(yè)研究院，楊凌 712100；3. 西北農(nóng)林科技大學水土保持研究所，楊凌 712100；4. 中國科學院水利部水土保持研究所，楊凌 712100）

作物生產(chǎn)水足跡度量作物生產(chǎn)過程對不同類型水資源的消耗，為實現(xiàn)農(nóng)業(yè)水資源管理與評價提供了更全面的新視角。該研究通過耦合土壤水分動態(tài)平衡模塊，考慮輸配水損失，構建灌區(qū)藍、綠水資源與作物生產(chǎn)水足跡多時間尺度分布式量化模型；以寶雞峽灌區(qū)為例，定量評價不同典型年灌區(qū)藍綠水資源與作物生產(chǎn)水足跡多時間尺度演變規(guī)律。結果表明：寶雞峽灌區(qū)藍綠水資源總量在2008－2017年呈上升趨勢。各作物對綠水資源利用效率均持續(xù)上升，而小麥藍水資源利用效率呈下降趨勢；玉米、小麥生產(chǎn)總水足跡整體呈上升趨勢，多年平均值分別為573和779 m3/t；作物生產(chǎn)綠水足跡在拔節(jié)-灌漿期占比較高，成熟期占比較低；作物生產(chǎn)水足跡在日尺度波動幅度最大；平水年、豐水年灌區(qū)用水存在不合理現(xiàn)象，枯水年作物生產(chǎn)單產(chǎn)水平最高，總水足跡最低，水資源利用效率最高。該研究所構建模型可移植適用于無排水渠系灌區(qū)水文模擬，準確量化灌區(qū)農(nóng)業(yè)生產(chǎn)耗水，解析日-月尺度作物生產(chǎn)水足跡演變特征，有助于明確灌區(qū)作物耗水規(guī)律，進而高效利用綠水資源，合理配置藍水資源，提高作物產(chǎn)量，實現(xiàn)高效生產(chǎn)。

水資源；作物；模型；水足跡；藍綠水；SWAT；多時間尺度；灌區(qū)

0 引 言

農(nóng)業(yè)是中國第一大用水戶，根據(jù)2019年水利部水資源公報數(shù)據(jù)，農(nóng)田灌溉用水占總用水量的64.8%。灌區(qū)以不足全國耕地一半的灌溉面積生產(chǎn)了全國75%的糧食和90%的棉花、蔬菜等經(jīng)濟作物，是保障糧食安全的重要基地，也是農(nóng)業(yè)水資源管理的重要基本用水單元[1]。

當前中國主要實行農(nóng)業(yè)藍水資源管理模式，即更多關注地下水與地表水的利用，設置用水總量控制、用水效率控制等目標，以期實現(xiàn)藍水資源高效配置與利用[2]。對綠水資源，即源于降雨，儲存于非飽和土壤中被植物所吸收利用的水分[3]，由于科學理論以及方法等的局限性，對其進行高效利用及合理評價的相關研究主要集中在全球或流域尺度，針對灌區(qū)尺度相關研究較少[4-6]。水足跡理論的提出為進一步核算作物對藍綠水資源的消耗量提供了方法[7]。作物生產(chǎn)水足跡指在特定時間內特定地理范圍內進行作物生產(chǎn)所消耗的水資源數(shù)量，其中包括藍水足跡（即作物生長過程中所消耗灌溉水量）和綠水足跡（即作物生長過程中所消耗的有效降水），已被廣泛應用于水資源分析與管理領域[8]。目前，作物生產(chǎn)水足跡的量化方法多數(shù)基于Hoekstra等建立的水足跡標準核算方法框架，利用CropWat、AquaCrop等基于點尺度垂直土壤水分平衡原理的作物水分生產(chǎn)率模型[8-10]，對于灌區(qū)、流域尺度，由于沒有考慮地理環(huán)境變化所引起的水文效應，適用范圍局限性高。Luan等[11]以河套灌區(qū)為例，基于Soil and Water Assessment Tool（SWAT）分布式水文模型，較為完整地量化了具有完整灌排渠系的灌區(qū)的作物生產(chǎn)水足跡，對流域水文模型在灌區(qū)尺度量化作物生產(chǎn)水足跡的應用做了初步探索，但黃土高原由于土層深厚，許多灌區(qū)不設有排水溝（例如寶雞峽灌區(qū)、涇惠渠灌區(qū)），故相關模型構建方法在該類灌區(qū)的適用性有待進一步研究。此外，受到季風影響，中國大部分地區(qū)冬春少雨，夏秋多雨，然而目前多數(shù)作物生產(chǎn)水足跡演變僅涉及年際尺度[12-13]，尚未明晰年內作物生產(chǎn)水足跡演變機制。

綜上，本文以2008－2017年陜西省關中西部寶雞峽灌區(qū)作物生產(chǎn)為例，耦合土壤水分動態(tài)平衡模塊，并結合傳統(tǒng)輸配水損失計算方法，構建灌區(qū)藍綠水資源與作物生產(chǎn)水足跡多時間尺度分布式水文模型，實現(xiàn)灌區(qū)作物生產(chǎn)水足跡完整量化；同時選取典型水文年，解析年內日-月尺度作物生產(chǎn)水足跡演變規(guī)律，旨在明確作物年內耗水變化，充分利用綠水資源，合理配置藍水資源，為灌區(qū)高效生產(chǎn)管理以及作物生產(chǎn)水足跡時間尺度相關研究提供參考。

1 材料與方法

1.1 研究區(qū)概況

寶雞峽灌區(qū)位于陜西省關中地區(qū)西部（圖1），以占全省1/18的耕地面積，生產(chǎn)了占全省總產(chǎn)量1/7的糧食和1/4的商品糧，成為全省重要的糧油果蔬基地和名副其實的“三秦第一大糧倉”[14]。灌區(qū)東西長181 km，南北寬14 km，最寬處超40 km，有引水樞紐兩處，總干渠、干渠、支渠等107條，屬大陸性季風氣候的半干旱地區(qū)，多年平均降水量570 mm。受季風影響，降雨年內分布不均，夏秋多雨，冬春少雨。農(nóng)作物以小麥、玉米為主，進行輪作制度，每年1月、4月、8月進行集中灌溉。灌區(qū)內設有1個水文站（咸陽站）和2個氣象站（秦都站和武功站）。

1.2 灌區(qū)分布式藍綠水資源與水足跡量化的水文模型構建與驗證

構建灌區(qū)尺度SWAT分布式水文模型以量化灌區(qū)分布式藍綠水資源與水足跡。在SWAT模型中，默認設置是自然流域模式，即地表水由支流匯入干流，并以河流、湖泊等為排泄區(qū)來進行子流域劃分。然而，在灌區(qū)，這種模式是不適用的，配水是由灌溉渠系完成的。若直接根據(jù)灌溉渠系對灌區(qū)空間離散化，則無法考慮渠系逆匯流特征，且寶雞峽灌區(qū)由于土層深厚，地下水埋深較深等原因，不設有排水溝，多余的水分往往通過土壤自然下滲。故本研究將DEM繪制的水系與灌區(qū)實際渠系分布相結合構建完整的灌區(qū)河網(wǎng)水系，以劃分子流域。隨后，結合灌區(qū)土地利用類型、土壤屬性、氣象數(shù)據(jù)，在模型的農(nóng)田管理模塊中設定寶雞峽灌區(qū)對應的播種、灌溉、收獲等農(nóng)田管理措施，劃分計算水文響應單元（Hydrologic Response Unit，HRU）。以2006—2007年為預熱期，運行模型，隨后基于SWAT Calibration and Uncertainty Procedures （SWAT-CUP）軟件，以2008—2013年為率定期，2014—2017年為驗證期，利用灌區(qū)內咸陽水文站多年逐月徑流數(shù)據(jù)，校準模型。通常認為決定系數(shù)（2）大于0.5，納什效率系數(shù)（Nash Efficiency Coefficient，NSE）大于0.36時[15-17]，模型模擬結果較好。同時，為加強驗證模型可靠性，以NASA發(fā)布的蒸散發(fā)產(chǎn)品MOD16A2GF (Version 6)(2000—2019)[18-19]即MOD16，與模型計算結果進行對比。

1.2.1 灌區(qū)藍綠水資源量化

寶雞峽灌區(qū)作物消耗藍水資源量（WRb, mm）主要來源于3個部分（式（1）），根據(jù)灌區(qū)統(tǒng)計資源可獲得渠首引水量（，mm），由SWAT模型輸出結果可獲得時間步長內由子流域匯入渠道的總水量（WYLD，mm），作物所利用地下水量（GW，mm）由于用量較小，難以獲取準確數(shù)據(jù)，暫不考慮。綠水資源量（WRg，mm）包括兩部分（式（2）），根據(jù)Zhuo等[10]提出的土壤水分平衡原理，結合SWAT模型輸出結果（PR[t]，IRR[t]，RO[t]，DP[t]，LOSS[t]，ET[t]），得到改進后的公式（式（3）～式（7）），可得到源于降水、儲存于非飽和土壤中被植物吸收利用的蒸散發(fā)部分（ETg, mm），另一部分土壤初始含水率（SW0, mm）也由SWAT模型輸出結果得到[5]。

WRb=+WYLD+GW（1）

WRg=ETg+SW0（2）

[t]=[t-1]+PR[t]+IRR[t]-ET[t]-RO[t]-DP[t]-LOSS[t]（5）

式中[t]表示第天土壤儲水量，mm；[t-1]表示前一天的土壤儲水量，mm；S[t]表示第天土壤綠水儲水量，mm；S[t-1]表示前一天的土壤綠水儲水量，mm；S[t]表示第天土壤藍水儲水量，mm；S[t-1]表示前一天的土壤藍水儲水量，mm；表示時間，d；PR[t]表示第天的降雨，mm；IRR[t]表示第天的灌水定額，mm；RO[t]為第天地表徑流，mm；DP[t]為根區(qū)滲漏水量，mm；LOSS[t]為其他損失量，mm；ET[t]表示第天的蒸散發(fā)量，mm；ETb為作物消耗藍水量，mm；ETg為作物消耗綠水量，mm。

1.2.2 作物生產(chǎn)水足跡量化

灌區(qū)作物生產(chǎn)水足跡包括3個部分：

WF=WFb+WFb-l+WFg（8）

式中WF為單位產(chǎn)量作物生產(chǎn)水足跡，m3/t；WFb為作物生產(chǎn)藍水足跡，m3/t；WFb-l為輸配水損失藍水足跡，m3/t；WFg為作物生產(chǎn)綠水足跡，m3/t。

由式（3）～式（7）計算得到作物消耗的藍綠水量，進而得到作物生產(chǎn)藍水足跡、綠水足跡（式（9）～式（10））；根據(jù)灌區(qū)資料中每年灌區(qū)渠首取水量與灌溉水利用系數(shù)，利用經(jīng)驗公式（式（11））得到灌區(qū)輸配水損失總量，進而得到年際灌溉輸配水損失藍水足跡（式（12））[20]。

WFb=10ETb/（9）

WFg=10ETg/（10）

Loss=(1?)（11）

WFb-l=Loss/（12）

式中為灌區(qū)作物產(chǎn)量，t/hm2；10為單位轉換系數(shù)；Loss為渠道輸配水損失總量，m3；為灌溉水利用系數(shù)。

1.3 數(shù)據(jù)來源

SWAT模型中所用的90 m DEM來源于中國科學院計算機網(wǎng)絡信息中心地理空間數(shù)據(jù)云平臺[21]，30 m分辨率的土地利用數(shù)據(jù)來源于中國科學院資源環(huán)境科學數(shù)據(jù)中心[22]，土壤類型來源于中國科學院南京土壤研究所中國土壤科學數(shù)據(jù)庫[23]，氣象數(shù)據(jù)來源于國家氣象科學數(shù)據(jù)中心[24]；咸陽水文站徑流數(shù)據(jù)來源于水利部黃河水利委員會[25]，MOD16數(shù)據(jù)來源于美國國家航空航天局[18-19]，灌區(qū)平面圖、灌溉制度、凈灌溉定額、渠首取水量、灌溉水利用系數(shù)以及作物產(chǎn)量等由寶雞峽灌溉管理局獲得[14]。

2 結果與分析

2.1 SWAT模型用于灌區(qū)水文模擬的適用性驗證

采用咸陽站數(shù)據(jù)，利用SWAT-CUP中的Sequential Uncertainty Fitting version 2（SUFI2）算法對模型進行率定、驗證，結果如圖2所示。咸陽站徑流模擬值與實測值的擬合，其R與NSE在率定期分別為0.74、0.69，在驗證期均為0.51（圖2），滿足SWAT模型校準評價標準，同時，MOD16與SWAT模型所得ET在典型年月尺度上進行對比驗證（圖3），得到相對誤差范圍在-18%～19%內，RMSE為4.13 mm，屬于可接受誤差（±20%）范圍。由此，本文所構建SWAT分布式水文模型適用于寶雞峽灌區(qū)水文模擬。經(jīng)率定驗證后最終獲得的主要敏感性參數(shù)值如表1所示。

表1 SWAT模型校準后主要敏感性參數(shù)最優(yōu)取值

注：“r_”代表參數(shù)值與1加給定值的積，“v_”代表參數(shù)值被給定值代替。

Note: “r_” means product of an existing parameter value and sum of given value and 1; “v_” means the existing parameter value is to be replaced with a given value.

2.2 灌區(qū)藍綠水資源量時空演變

圖4展示了寶雞峽灌區(qū)2008－2017年玉米和小麥生長期藍綠水資源量變化趨勢。對于玉米生產(chǎn)，藍水資源量年均值為352 mm，平均占總水資源量57%，其中灌溉水量（即灌區(qū)引水量）平均占藍水資源量68%，整體呈緩慢上升趨勢，降雨量下降導致子流域匯入渠道的總水量顯著下降，使得藍水資源量呈下降趨勢。綠水資源中，作物消耗綠水量緩慢上升，平均占綠水資源74%，但初始土壤含水率明顯下降導致綠水資源變化基本平穩(wěn)，其年均值為259 mm，平均占總水資源量43%。對于小麥生產(chǎn)，灌溉水量平均占藍水資源量86%，呈緩慢上升趨勢，同時降雨量也緩慢上升導致匯入渠道的總水量上升，進而藍水資源量整體呈上升趨勢，其年均值為483 mm，占總水資源57.5%。綠水資源量中，作物消耗綠水量緩慢上升，平均占綠水資源65%，而玉米生長期降雨量下降且玉米綠水消耗量增長，致使玉米收獲后土壤含水率即小麥初始土壤含水率下降，小麥綠水資源呈下降趨勢，其年均值為360 mm，平均占總水資源量42.5%。

表2展示了研究期內寶雞峽灌區(qū)各縣區(qū)玉米和小麥生長期多年平均藍綠水資源量。對于玉米生產(chǎn)，楊凌區(qū)、渭城區(qū)由于多年平均灌溉水量大，分別達到469、401 mm，導致其藍水資源量較大，平均每年分別達到642、519 mm，禮泉縣由于灌溉水量（150 mm）、產(chǎn)水量（63 mm）均最低，導致藍水資源量最低。興平市多年平均綠水消耗量與初始土壤含水率均較大，使其綠水資源量最大，達到283 mm，其次分別為武功縣（279 mm）、禮泉縣（275 mm），涇陽縣多年平均綠水消耗量與初始土壤含水率均最低，導致其綠水資源量最低，為230 mm。對于小麥生產(chǎn)，同樣楊凌區(qū)多年平均藍水資源量最大，達到931 mm，其次為渭城區(qū)，777 mm，藍水資源量最低則為乾縣，268 mm。武功縣多年平均綠水消耗量（240 mm）與初始土壤含水率（148 mm）均較大，使其多年平均綠水資源量達到最大，其次為興平市（384 mm）、禮泉縣（379 mm），同樣涇陽縣綠水資源量最低，為319 mm。

表2 寶雞峽灌區(qū)各縣區(qū)玉米和小麥生長期多年平均藍綠水資源

2.3 灌區(qū)作物生產(chǎn)水足跡多時間尺度演變

由表3可知，玉米生產(chǎn)總水足跡呈上升趨勢，由2008年的436 m3/t 增長到2017年的606 m3/t，增長39%，年均值為573 m3/t。其中，藍水足跡由2008年50 m3/t 增長到2017年64 m3/t，年均值為58 m3/t，平均占總水足跡10%；綠水足跡由2008年的353 m3/t 增長到2017年的477 m3/t，年均值為457 m3/t，平均占總水足跡80%；輸配水損失藍水足跡多年平均值為59 m3/t。玉米種植期間降雨較集中（5－9月），消耗綠水較多（年均192 mm），僅8月灌溉1次，藍水消耗較少（年均34 mm），綠水足跡平均高達藍水足跡8倍。2011年相比2010年，單產(chǎn)幾乎保持穩(wěn)定，灌溉水量僅降低7%，而降雨量增長42%，導致綠水足跡高達藍水足跡11倍。

小麥生產(chǎn)總水足跡同樣呈上升趨勢（表4），由2008年的719 m3/t 增長到2017年的884 m3/t，增長23%，年平值為779 m3/t。其中，藍水足跡由2008年96 m3/t 增長到2017年131 m3/t，年均值為114 m3/t，平均占總水足跡15%；綠水足跡由2008年的518 m3/t 增長到2017年的685 m3/t，增長32%，年均值為550 m3/t，平均占總水足跡70%；輸配水損失藍水足跡由2008年104 m3/t降低到2017年69 m3/t，年均值為116 m3/t。整個研究期內，小麥單產(chǎn)水平由2008年4.43 t/hm2變?yōu)?017年的3.95 t/hm2，同樣波動很小，水足跡變化主要受作物消耗水量所影響。

表3 寶雞峽灌區(qū)玉米生產(chǎn)水足跡年際變化

表4 寶雞峽灌區(qū)小麥生產(chǎn)水足跡年際變化

根據(jù)2008－2017年陜西省水資源公報選取2008－2010年分別為枯水年、平水年、豐水年進行研究。表5展示了灌區(qū)作物生產(chǎn)水足跡在典型年內月尺度上的演變。由于無法獲取年尺度以下輸配水損失，故年尺度以下作物生產(chǎn)總水足跡只包括藍水足跡、綠水足跡兩部分。2008年月尺度玉米生產(chǎn)總水足跡均值為101 m3/t，其中綠水足跡呈下降趨勢，均值為88 m3/t，平均占總水足跡87%，藍水足跡呈上升趨勢，均值為12.5 m3/t；2009年玉米生產(chǎn)總水足跡均值為132 m3/t，藍、綠水足跡變化趨勢與2008年相同，綠水足跡均值為118 m3/t，平均占總水足跡89.4%，藍水足跡均值為14 m3/t；2010年玉米生產(chǎn)總水足跡均值為134 m3/t，藍、綠水足跡均呈上升趨勢，綠水足跡均值為118 m3/t，平均占總水足跡88.6%，藍水足跡均值為15 m3/t。對于玉米綠水足跡，7月處于拔節(jié)—孕穗期，玉米營養(yǎng)生長與生殖生長并進，生長旺盛，大量消耗土壤儲水量以及有效降雨，使得綠水足跡占比相對較高，8月進行灌溉，藍水足跡隨之大幅增長，8－9月約占整個生長期藍水足跡65%左右，隨后玉米生長逐漸成熟，綠水足跡、藍水足跡均逐漸降低，其中2009年由于玉米生長前期降雨充沛，導致6月綠水足跡略高。對于灌區(qū)小麥生產(chǎn)，2007－2008年（表中2008年）月尺度上藍、綠水足跡均緩慢上升，綠水足跡均值為65 m3/t，平均占總水足跡84%，藍水足跡均值為13 m3/t，占總水足跡16%；2008－2009年（表中2009年），藍、綠水足跡同樣緩慢上升，綠水足跡均值為65 m3/t，平均占總水足跡81%，藍水足跡均值為15 m3/t；2009－2010年（表中2010年），總水足跡呈下降趨勢，均值為91 m3/t，其中綠水足跡均值為78 m3/t，呈下降趨勢，平均占總水足跡85%，藍水足跡緩慢上升，均值為14 m3/t。在枯水年，11－12月（分蘗-越冬期）與3－4月（返青-抽穗期）處于冬小麥生長旺盛階段，期間綠水資源較多，使得綠水足跡相對占比較高，其余月份處于越冬期或成熟期，生長較緩或逐漸停止生長，綠水足跡及藍水足跡占比逐漸降低；平水年、豐水年相比枯水年，降雨有所增加且分布相對均勻，致使各月綠水足跡占比較為接近。同樣，小麥藍水足跡在1月、4月灌溉后大幅增長，1－5月藍水足跡約占整個生長期藍水足跡95%左右。

圖5展示了灌區(qū)玉米、小麥生產(chǎn)水足跡在典型年日尺度上的變化。對于玉米生產(chǎn)，2008－2010年總水足跡日均值分別為3.4、4.4、4.4 m3/t，主要隨綠水足跡變化而波動，藍、綠水足跡變化趨勢與月尺度相同。3 a內藍水足跡變異系數(shù)分別為93%、93%、83%，綠水足跡變異系數(shù)分別為53%、50%、55%，均波動性較大。對于小麥生產(chǎn)，3 a間總水足跡日均值分別為2.5、2.6、3.0 m3/t，2007－2008年藍水足跡變異系數(shù)達到116%，綠水足跡變異系數(shù)為42%。2009、2010年灌溉水量、降水量均高于2008年，土壤始終含水率充足，作物消耗綠水變化較為平穩(wěn)，綠水足跡變異系數(shù)分別為13%、12%，由于灌溉后藍水消耗量大幅度增長，藍水足跡變異系數(shù)較高，分別為90%、92%。

表5 寶雞峽灌區(qū)典型年內玉米和小麥生產(chǎn)水足跡

3 討 論

以往研究多數(shù)關注國家及流域尺度藍綠水資源量化[26-27]，本研究實現(xiàn)了基于SWAT分布式水文模型的灌區(qū)尺度作物生產(chǎn)藍綠水資源量化；與薛冰等[28-29]研究相比，本研究在年際及典型年尺度作物生產(chǎn)水足跡量化基礎上，考慮灌區(qū)年內水資源分布差異，實現(xiàn)了典型水文年日-月尺度灌區(qū)作物生產(chǎn)水足跡量化。從本文研究結果來看，研究期內灌區(qū)整體水資源量呈上升趨勢，作物生產(chǎn)總水足跡呈上升趨勢。玉米生長期內，藍水資源量下降，藍水足跡升高，藍水足跡占玉米生長期藍水資源比例呈緩慢上升趨勢，平均占30.2%，綠水足跡占綠水資源比例緩慢上升，平均占綠水資源74.3%（圖6）；小麥生長期內，藍水資源量及藍水足跡均上升，其藍水足跡占藍水資源比例逐漸下降，平均29.7%，綠水足跡占綠水資源比例緩慢上升，平均64.9%（圖6）?？梢钥闯?，灌區(qū)作物生產(chǎn)對綠水資源利用效率逐漸提高。

與丁浩[30]所得寶雞峽灌區(qū)玉米、小麥生長多年平均需水量分別為468.61、447.32 mm相比，本研究中玉米、小麥耗水分別為214.58、277.15 mm，遠沒有滿足作物需水量，故隨著降雨量及灌溉水量的增長，玉米、小麥總水足跡同步增長，但玉米、小麥多年單產(chǎn)水平并無大幅度變化。例如，2008年小麥冬灌、春灌2次凈灌水定額分別為75、81 mm，2009年分別為111、115 mm，2010年分別為129、121 mm，3 a間降雨逐年增加的同時，灌溉水量逐年增加，但小麥單產(chǎn)水平幾乎沒有明顯變化（2008—2010分別為4.4，4.2，4.2 t/hm2），說明灌區(qū)存在用水不合理現(xiàn)象。通過日尺度小麥生產(chǎn)水足跡演變可以更加直觀地看出，冬小麥生長在分蘗期、返青期、拔節(jié)期需水相對較大，其他時期需水較少，且對產(chǎn)量并無明顯影響，則灌區(qū)可通過進一步結合氣象條件，采取措施提高綠水利用效率的同時，有針對性地在具體時間節(jié)點分配灌溉水量，進一步提高作物產(chǎn)量，以實現(xiàn)精準灌溉，高效用水。同時灌區(qū)多年平均灌溉效率為54%[14]，與發(fā)達國家70%～90%的灌溉效率[31]有一定差距，灌區(qū)可結合各縣區(qū)實際情況，采用加強渠道防滲，有利于防止土壤次生鹽堿化，減少渠道泥沙淤積，提高渠道輸水能力。

4 結 論

本文通過構建灌區(qū)SWAT水文模型，量化灌區(qū)作物藍綠水資源量及作物生產(chǎn)水足跡，得到以下主要結論：

1）本文所構建寶雞峽灌區(qū)SWAT分布式水文模型，咸陽水文站徑流模擬值與實測值的擬合在率定期R與納什效率系數(shù)分別達到0.74、0.69，驗證期均達到0.51，滿足SWAT模型校準評價標準，適用于無排水溝類型灌區(qū)水文模擬；

2）灌區(qū)2008－2017年間水資源量整體呈上升趨勢，楊凌區(qū)多年平均藍水資源量最高，涇陽縣多年平均綠水資源量最低；

3）玉米、小麥多年平均總水足跡分別為573、779 m3/t，呈上升趨勢，其波動主要受綠水足跡變化影響，玉米、小麥生產(chǎn)綠水足跡分別約占總水足跡80%、70%；

4）作物生產(chǎn)綠水足跡一般拔節(jié)-灌漿期占比較高，成熟期占比較低；

5）作物生產(chǎn)水足跡在日尺度波動幅度最大，隨時間累積，波動幅度變?。恍←溕a(chǎn)藍水足跡、綠水足跡在枯水年波動幅度最大，分別高達116%、42%；

6）典型年內，灌區(qū)枯水年作物生產(chǎn)灌溉水量均低于平水年、豐水年，玉米、小麥單產(chǎn)最高，總水足跡最低，分別為436、719 m3/t。

[1]國務院. 2011年中央一號文件[R/OL]. (2010-12-31) [2020-09-21]. http://www.gov.cn/.

[2]吳普特，卓拉，劉藝琳，等. 區(qū)域主要作物生產(chǎn)實體水-虛擬水耦合流動過程解析與評價[J]. 科學通報，2019，64(18)：1953-1966.

Wu Pute, Zhuo La, Liu Yilin, et al. Assessment of regional crop-related physical-virtual water coupling flows[J]. Chinese Science Bulletin, 2019, 64(18): 1953-1966. (in Chinese with English abstract)

[3]Falkenmark M. Meeting water requirements of an expanding world population[J]. Philosophical Transactions of the Royal Society B: Biological Sciences, 1997, 352: 929-936.

[4]Rost S, Dieter G, Alberte B, et al． Agricultural green and blue water consumption and its influence on the global water system[J]. Water Resources Research, 2008, 44: 1-17.

[5]Xie P X, Zhuo L, Yang X, et al. Spatial-temporal variations in blue and green water resources, water footprints and water scarcities in a large river basin: A case for the Yellow River basin[J]. Journal of Hydrology, 2020, 590: 125222.

[6]操信春，任杰，吳夢洋，等. 基于水足跡的中國農(nóng)業(yè)用水效果評價[J]. 農(nóng)業(yè)工程學報，2018，34(5)：1-8.

Cao Xinchun, Ren Jie, Wu Mengyang, et al. Assessing agricultural water use effect of China based on water footprint framework[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(5): 1-8. (in Chinese with English abstract)

[7]操信春，劉喆，吳夢洋，等. 水足跡分析中國耕地水資源短缺時空格局及驅動機制[J]. 農(nóng)業(yè)工程學報，2019，35(18)：94-100.

Cao Xinchun, Liu Zhe, Wu Mengyang, et al. Temporal-spatial distribution and driving mechanism of arable land water scarcity index in China from water footprint perspective[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(18): 94-100. (in Chinese with English abstract)

[8]Hoekstra A Y, Chapagain A K, Aldaya M M, et al. The Water Footprint Assessment Manual: Setting the Global Standard[M]. London, UK: Earthscan, 2011.

[9]孫世坤，王玉寶，吳普特，等. 小麥生產(chǎn)水足跡區(qū)域差異及歸因分析[J]. 農(nóng)業(yè)工程學報，2015，31(13)：142-148.

Sun Shikun, Wang Yubao, Wu Pute, et al. Spatial variability and attribution analysis of water footprint of wheat in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(13): 142-148. (in Chinese with English abstract)

[10]Zhuo L, Mekonnen M M, Hoekstra A Y, et al. Inter- and intra-annual variation of water footprint of crops and blue water scarcity in the Yellow River basin (1961–2009)[J]. Advances in Water Resources, 2016, 87: 29-41.

[11]Luan X B, Wu P T, Sun S K, et al. Quantitative study of the crop production water footprint using the SWAT model[J]. Ecological Indicators, 2018, 89: 1-10.

[12]Zheng J Z, Wang W G, Ding Y M, et al. Assessment of climate change impact on the water footprint in rice production: Historical simulation and future projections at two representative rice cropping sites of China[J]. Science of the Total Environment, 2020, 709: 136190.

[13]郭相平，高爽，吳夢洋，等. 中國農(nóng)作物水足跡時空分布與影響因素分析[J]. 農(nóng)業(yè)機械學報，2018，49(5)：295-302.

Guo Xiangping, Gao Shuang, Wu Mengyang, et al. Analysis of temporal-spatial distribution and influencing factors of water footprint in crop production system of China[J]. Transactions of The Chinese Society for Agricultural Machinery, 2018, 49(5): 295-302. (in Chinese with English abstract)

[14]陜西省寶雞峽引渭灌溉管理局. 單位概括[EB/OL]. (2007-07-17) [2020-04-13]. http://www.sxbjx.com/index.php? catid=47

[15]崔遠來，吳迪，王士武，等. 基于改進SWAT模型的南方多水源灌區(qū)灌溉用水量模擬分析[J]. 農(nóng)業(yè)工程學報，2018，34(14)：94-100.

Cui Yuanlai, Wu Di, Wang Shiwu, et al. Simulation and analysis of irrigation water consumption in multi-source water irrigation districts in Southern China based on modified SWAT model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(14): 94-100. (in Chinese with English abstract)

[16]Nash J E, Sutcliffe J V. River flow forecasting through conceptual models: Part I. A discussion of principles[J]. Journal of Hydrology, 1970, 10(3): 282-290.

[17]崔遠來，劉路廣. 灌區(qū)水文模型構建與灌溉用水評價[M]. 北京：科學出版社，2015.

[18]National Aeronautics and Space Administration. U. S. Geological Survey [EB/OL]. (2020-03-11) [2021-01-10] https://lpdaac.usgs.gov/products/mod16a2gfv006/

[19]Running S, Mu Q, Zhao M, et al. MOD16A2GF MODIS/Terra Net Evapotranspiration Gap-Filled 8-Day L4 Global 500 m SIN Grid V006. NASA EOSDIS Land Processes DAAC, 2019.

[20]汪志農(nóng). 灌溉排水工程學[M]. 北京：中國農(nóng)業(yè)出版社，2010.

[21]中國科學院計算機網(wǎng)絡信息中心地理空間數(shù)據(jù)云平臺. DEM數(shù)字高程數(shù)據(jù)[EB/OL]. (2018-11-15) [2019-04-05]. http://www.gscloud.cn/

[22]中國科學院資源環(huán)境科學數(shù)據(jù)中心資源環(huán)境數(shù)據(jù)云平臺. 2015年中國土地利用現(xiàn)狀遙感監(jiān)測數(shù)據(jù)[EB/OL]. (2007-07-17) [2018-11-13]. http://www.resdc.cn/

[23]中國科學院南京土壤研究所. 中國土壤科學數(shù)據(jù)庫[EB/OL]. (2020-01-09) [2020-04-22]. http://vdb3.soil.csdb.cn/

[24]國家氣象科學數(shù)據(jù)中心. 中國地面氣候資料日值數(shù)據(jù)集（V3.0）[EB/OL]. (2012-08-28) [2019-02-23]. http://data.cma.cn/

[25]水利部黃河水利委員會. 水情信息[EB/OL]. (2018-01-01) [2019-08-05]. http://www.yrcc.gov.cn/

[26]Zang C F, Liu J, van der Velde M, et al. Assessment of spatial and temporal patterns of green and blue water flows under natural conditions in inland river basins in Northwest China[J]. Hydrology and Earth System Sciences, 2012, 16(8): 2859-2870.

[27]Abbaspour K C, Rouholahnejad E, Vaghefi S, et al. A continental-scale hydrology and water quality model for Europe: Calibration and uncertainty of a high-resolution large-scale SWAT model[J]. Journal of Hydrology, 2015, 524: 733-752.

[28]薛冰，董書恒，黃裕普，等. 1980—2016年遼寧省主要糧食作物生產(chǎn)水足跡時空演變特征[J]. 生態(tài)學雜志，2019，38(9)：2813-2820.

Xue Bing, Dong Shuheng, Huang Yupu, et al. Spatial-temporal evolution of water footprint during the production of main grain crops in Liaoning Province from 1980 to 2016[J]. Chinese Journal of Ecology, 2019, 38(9): 2813-2820. (in Chinese with English abstract)

[29]高海燕，李王成，李晨，等. 寧夏主要農(nóng)作物生產(chǎn)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. (in Chinese with English abstract)

[30]丁浩. 氣候變化條件下寶雞峽灌區(qū)主要作物需水量時空演變及節(jié)水潛力分析[D]. 楊凌：西北農(nóng)林科技大學，2017.

Ding Hao. Effect of Climate Change on Crop Water Requirement and Water Saving Potential of Baojixia Irrigation District in Northwestern China[D]. Yangling: Northwest A&F University, 2017. (in Chinese with English abstract)

[31]Zhu X F, Li Y Z, Li M Y, et al. Agricultural irrigation in China[J]. Journal of Soil and Water Conservation, 2013, 68(6): 147A-154A.

Distributed quantification of blue and green water resources and water footprint of crop production in an irrigation district at multiple temporal scales

Gao Jie1,2, Wu Pute2,3,4※, Xie Pengxuan1,2, Zhuo La2,3,4

(1.,,712100,; 2.,,712100,;3.,712100,; 4.,,712100)

Water resources management in irrigation districts is important to ensure food security. The current water resources management in China focuses on underground water and surface water (i.e. blue water), and precipitation (green water). However, most studies are on large scale such as global or basin scales and few are on irrigation district scale. The aim of this paper was to quantify and evaluate the consumption of different types of water resources in the irrigation district by the concept of water footprint (WF). The maize and wheat production in the Baojixia Irrigation District of Shaanxi in China from 2008 to 2017 were selected as the case study. One hydrological station and two weather stations were included in the study area. Data of runoff, precipitation irrigation and soil-related physical properties were collected. A regional distributed hydrological model (Soil and Water Assessment Tool, SWAT) based on the hydrological cycle was established. The model was constructed by coupling with the soil water balance model and considering the water delivery losses of the irrigation canals. The blue and green water resources and WFs of crop production were quantified. The variability of the annual WFs of crops during the study period was analyzed, and the WFs of crops on daily and monthly scales were also analyzed in three typical years (dry, normal, wet). The runoff data was used to validate the SWAT model, and the MOD16A2GF Version 6 Evapotranspiration product (MOD 16) at a 500 m pixel resolution was used to verify the evapotranspiration simulation results. Then, the change of WF was analyzed. The results showed that the model could simulate well the runoff with the values of2of 0.74, Nash Efficiency Coefficient (NSE) of 0.69 during the calibration period. By validation, the model was still well and both the values of2and NSE were 0.51. It indicates that the model established in this study could accurately simulate the hydrological process in irrigation districts. During the period from 2008 to 2017, the blue and green water resources in Baojixia Irrigation District increased on the whole. The multi-year average blue water resources in Yangling was the highest but the multi-year average green water resources in Jingyang was the lowest. The multi-year average total WF values of maize and wheat (including the blue WF of irrigation delivery losses) were 573 and 779 m3/t, respectively, showing an overall rising trend. The fluctuations of total WFs were mostly affected by the green WF. The green WF of crop production was higher at the jointing and filling stages and lower at the maturing stage. The WFs of crop production were fluctuated the most on the daily scale and the fluctuation decreased gradually from month scale to annual scale. The fluctuations of the green and blue WFs of wheat were the largest in the dry year. Although the irrigation water in the dry year was lower than the normal and wet years, the unit maize yield and the unit wheat yield were the highest and the total WF values of maize and wheat were the lowest. This study can provide valuable information for crop production and management in irrigation districts..

water resources; crops; models; water footprint; blue and green water; SWAT; multiple temporal scales; irrigation district

高潔，吳普特，謝朋軒，等. 灌區(qū)藍綠水資源與作物生產(chǎn)水足跡多時空分布量化分析[J]. 農(nóng)業(yè)工程學報，2021，37(5)：105-112.doi：10.11975/j.issn.1002-6819.2021.05.012 http://www.tcsae.org

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 (Transactions of the CSAE), 2021, 37(5): 105-112. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.05.012 http://www.tcsae.org

2020-11-14

2021-01-04

國家重點研發(fā)計劃（2018YFF0215702）

高潔，博士生，研究方向為區(qū)域農(nóng)業(yè)高效用水。Email：gao_jie@nwafu.edu.cn

吳普特，研究員，研究方向為區(qū)域農(nóng)業(yè)高效用水。Email：gjzwpt@vip.sina.cn

10.11975/j.issn.1002-6819.2021.05.012

S273; TV213

A

1002-6819(2021)-05-0105-08