農業用水統計方法改進的探索與實踐以麗水市為例

沈春玲，戚核帥，溫進化

（1.麗水市水利局，浙江 麗水 323000；2.浙江省水利河口研究院（浙江省海洋規劃設計研究院），浙江 杭州 310020）

1 問題的提出

用水總量統計是水資源管理的常規工作，各級地方水利部門每年都要開展用水量分析、統計、校核等工作，并定期向社會發布。同時，用水總量統計成果也是各地落實最嚴格水資源管理制度用水總量目標考核的重要依據。以麗水市為例，農業用水量約占全市用水總量的64.7%，農業用水量統計是麗水市用水總量統計的重點。但在南方豐水地區，灌區一般都存在水源數量多、水源供水隨機性強等特點，且受水資源監控計量設施建設資金少及后期運行管理難度大等因素制約，要按照辦資管〔2020〕76號《關于做好用水統計調查制度實施工作的通知》要求，對灌區水源供水量進行全面監控進而精確統計農業用水量，存在較大的難度。

目前，農業用水統計方法主要可分為2類[1]：一是基于監測數據的統計分析，多數采用典型調查或現行灌溉定額與實灌面積進行匡算[2]，是目前用水統計工作中最常用的方法；二是基于水循環過程的物理模型方法，常見的有SWAT模型[3]等，但建模對灌區基礎資料的支撐情況具有較高要求。根據麗水市灌區管理的實際情況，普遍采用以農田灌溉水有效利用系數測算等為依據的定額推算方式，但現行測算統計工作主要基于典型渠段或田塊推算得到灌區水量，由于灌區渠系的多樣性和復雜性，難以反映事物的全貌[4]，統計方式相對粗放。

本文以麗水市為例，基于農田灌溉水有效利用系數測算等樣點灌區數據成果，在分析篩選農業用水量主要影響因素的基礎上，結合氣象水文、種植結構、管理實際等情況引入相應影響系數，對傳統灌溉定額推算方法進行改進，提出麗水市農業用水統計方法，為同類型地區農業用水統計工作提供參考。

2 研究區域概況

麗水市地處浙江省西南浙閩兩省結合部，位于東經118o41′～120o26′、北緯27o25′～28o57′。東南與溫州市接壤，西南與福建省寧德市、南平市毗鄰，西北與衢州市相接，北部與金華市交界，東北與臺州市相連。屬亞熱帶濕潤季風氣候，熱量豐富，降水充沛，四季分明。

麗水市均為中小型灌區，以自流型灌區為主。其中，3 333.3～10 000.0 hm2的中型自流灌區2處，666.7～3 333.3 hm2的中型自流灌區8處，666.7 hm2以下的小型自流及提水灌區共有3 843處。全市有效灌溉面積為95 066.0 hm2，以種植水稻為主，主要農作物還包括豆類、薯類、油菜籽、藥材、蔬菜、瓜類等。

3 改進思路

參考美國采用的灌溉面積×灌溉定額估算，綜合考慮不同作物的耗水差異、氣候條件等不確定因素的方法[5]，通過影響因素分析與篩選，對傳統定額法進行改進，提出適用于麗水市實際情況的農業用水統計方法。

3.1 數據來源與處理

選取麗水市19個樣點灌區作為研究數據來源。由于灌區基礎條件基本維持穩定，且同一區域內灌溉技術及管理水平也基本相當，結合數據獲取的可靠性以及實際管理的可行性，選取近5 a（2014—2018年）有效灌溉面積、播種面積、降水深、代表灌區基礎條件的農田灌溉水有效利用系數、代表麗水市種植結構特征的水稻種植面積、茶葉種植面積、蔬菜種植面積、其他種植面積作為數據樣本，并對其進行無量綱化處理。各樣點灌區基本情況見表1。

表1 麗水市樣點灌區基本情況表

續表1

3.2 影響因素分析

目前農業用水影響因素分析的常用方法有多元線性回歸法和Tobit模型等。首先采取全要素分析的方式，將選取的全部影響因素納入分析樣本，然后在全要素分析結果基礎上，結合影響因素物理意義的判斷，通過樣本篩選組合分析后，得到農業用水主要影響因素。

3.2.1 多元線性回歸法

多元線性回歸[6]是計量經濟學里最基本的回歸方法，是利用線性回歸方程的最小平方函數對多個自變量和因變量之間關系進行建模的一種回歸分析，應用于經濟、水文、氣象等多個領域，是目前應用廣泛的回歸分析方法。

以二元線性回歸模型為例：

式中：Y為因變量；X為自變量；b為對應變量的回歸系數。

3.2.2 Tobit模型

Tobit模型[7]是美國諾貝爾經濟學獎獲得者James Tobin在分析家庭耐用品支出情況時對Probit回歸進行的一種推廣，能夠很好地解決受限或截斷因變量的模型構建問題，在農業用水效率的影響因素分析中廣泛應用。

Tobit模型如下：

式中：Y、Y*為因變量；X為自變量；α為截距項；β為未知參數；ε為擾動項。

3.3 統計方法改進

根據農業用水影響因素的影響特征關系，引入水文特征系數、種植結構系數、管理水平系數等，以適用不同年型、不同區域、不同種植結構的情況，提升方法的通用性與可靠性。改進定額法的一般表達式如下：

式中：W為區域農業用水量，萬m3；f1、f2、f3分別為水文特征系數、種植結構系數、管理水平系數；S為區域灌溉面積，萬hm2；Q為平均灌溉用水量，m3/hm2。

根據農業用水影響因素的物理特征，結合管理實際和數據量化情況，確定水文特征系數、種植結構系數和管理水平系數的指標定義如下：

（1）水文特征系數采用蒸發降水比，即蒸發強度與降水深度之比。

（2）種植結構系數采用體現水稻種植結構特征的指標，為保證統計指標的規范合理性，以及規避全是水稻種植或全非水稻種植的情況，以“（播種面積+水稻種植面積）/播種面積”作為計算指標。

（3）基于數據獲取和數據量化的考慮，采用農田灌溉水有效利用系數的倒數作為管理水平 系數。

4 結果與分析

4.1 農業用水量影響因素分析

4.1.1 全要素分析

多元線性回歸法全要素分析結果見表2；Tobit模型法全要素分析結果見表3。

由表2～3可知，2種方法在全要素分析中呈現出較大分歧。其中，多元線性回歸法中播種面積（相關性弱）、有效灌溉面積（P＞|t| =0.068）、茶葉種植面積（P＞|t|=0.814）呈現非顯著性的影響程度；Tobit模型法中有效灌溉面積（P＞|t|=0.056）、水稻種植面積（P＞|t|=0.566）、其他作物種植面積（相關性弱）呈現非顯著性的影響程度。

表2 多元線性回歸法全要素分析結果表

表3 Tobit模型法全要素分析結果表

4.1.2 主成分要素分析

經樣本篩選組合后，以有效灌溉面積、年降水深、農田灌溉水有效利用系數、播種面積、水稻種植面積為主成分要素，分析如下：

多元線性回歸法主成分要素分析結果見表4，Tobit模型法主成分要素分析結果見表5。

表4 多元線性回歸法主成分要素分析結果表

表5 Tobit模型法主成分要素分析結果表

續表5

由表4～5可知，對于主成分要素的影響因素分析，2種方法表現出較高的一致性。根據P＞|t|指標的分析，各主成分要素都呈現出較為顯著的影響程度，其中年降水深和播種面積要素的影響程度相對偏弱。根據變量影響系數指標的分析，農業用水量與有效灌溉面積、播種面積、水稻種植面積呈正相關影響，而與年降水深、農田灌溉水有效利用系數呈負相關影響，并且有效灌溉面積是農業用水量最主要的影響因素。

4.2 農業用水量統計分析

以農業用水量主要影響因素作為統計分析樣本，采用改進定額法，利用Stata軟件進行模型構建和求解，得到麗水市農業用水量改進定額統計模型如下：

式中：W為區域農業用水量，萬m3；X2為年降水深，mm；E為蒸發量，mm；X3為農田灌溉水有效利用系數；X4為播種面積，萬hm2；X5為水稻種植面積，萬hm2；S為有效灌溉面積，萬hm2。

根據麗水市農業用水量統計結果（見圖1），分別采取“全市統計”和“典型測算+非典型統計”2種方式，對比分析麗水市水資源公報2014—2018年農業用水量得到：統計結果年際間呈現一定偏差，但總體尚可，平均統計偏差在-8.0%左右；研究采取的2種統計方式，統計結果基本一致。

圖1 麗水市農業用水統計結果對比圖

5 結 語

本文在用水影響因素分析和定額改進的基礎上，通過基于麗水市樣點灌區數據的農業用水量統計方法的探索與實踐，得到主要結論如下：1農業用水量受水文特征、種植結構、管理水平等密切影響，采用多元線性回歸法和Tobit模型法對影響因素的影響顯著性分析，可較好地確定影響區域農業用水的主要因素；2通過引入水文特征系數、種植結構系數、管理水平系數等影響系數提出的農業用水改進定額統計法，總體表現較好，可為麗水市農業用水統計工作提供支撐。