高　杨

(宿州学院环境与测绘工程学院，安徽宿州 234000)



淮北市农业用水变化影响因素的灰色关联分析

高杨

(宿州学院环境与测绘工程学院，安徽宿州 234000)

[摘要]本文基于2005-2014年淮北市农业用水资料及相关社会经济统计数据，进行淮北市农业用水变化影响因素的灰色关联分析。结果表明：淮北市农业用水量变化整体呈现出先增加后减少的趋势，农业用水占总用水比重变化趋势和农业用水量变化基本保持一致，2005-2008年农业用水量及所占比重逐年增加，2008年以后农业用水量逐渐减少，近两年趋于稳定，农业用水占总用水比重表现为逐年降低；产业结构、灌溉面积和农业生产水平是影响淮北市近年农业用水变化的主要因素。

[关键词]农业用水变化；影响因素；灰色关联分析；淮北市

随着社会经济的快速发展，各类用水部门的用水需求都在逐渐增加，合理配置水资源，缓解各部门用水矛盾成为关键，其中农业用水是保障农业发展的基础条件，农业用水变化对农业生产将产生很大影响，必然引起专家和学者的关注，相关研究也日益增多。目前，在不同地区进行了农业用水多个层面的研究，一方面集中在对各地区农业用水变化的分析研究[1-3]，另一方面集中在对农业用水影响因素的研究，既有对影响因素的综合分析[4-5]，也有特定因素影响农业用水的针对性分析[6-7]，此外采用不同评价模型和方法对农业用水效率的评价研究也在增多[8-10]，区域水资源现状及用水结构差异较大，各项研究也反映出不同地区农业用水变化特征及影响因素具有明显差异。淮北市是全国重要的能源基地和皖北地区的重要城市，矿业型城市的农业用水变化不仅影响到区域农业生产，也影响到工业用水量的配额。通过分析淮北市近年农业用水变化，准确认识影响农业用水变化的因素，为矿业型城市区域水资源合理配置和有效利用提供科学的理论依据。

1研究区概况

淮北市位于安徽省北部，地处淮海经济区的腹心，市辖三区一县，包括烈山区、相山区、杜集区和濉溪县，总面积约2741 km2，其中耕地面积1359.9 km2，总人口215.9万人。淮北市属暖温带半湿润季风气候区，季风明显，四季分明，年平均气温14.5 ℃，多年平均降水量844.3 mm，降水年内分配不均，集中在夏季。辖区境内的主要河流属季节性河流，年际变化大且地表水贫乏，地下水资源较丰富，主要由第四系潜水和裂隙岩溶承压水构成，共分为相山、青龙山至王场和符离集3个水系。淮北市地水资源总量9.8亿m3，人均水资源占有量453.9 m3，亩均水资源量481.3 m3，不足全省平均水平的1/2，全国平均水平的1/4。2014年，全市总供水量为4.84亿m3，其中地表水源供水量1.37亿m3，地下水源供水量3.32亿m3，其它水源供水量0.15亿m3。

2研究方法与数据来源

2.1研究方法

利用淮北市农业用水量数据资料进行农业用水量变化趋势分析，同时分析农业用水占总用水量的比例变化。在此基础上进行影响农业用水变化主要因素的灰色关联分析，根据区域农业用水特点构建影响农业用水量变化的指标体系，利用灰色关联分析方法研究系统中不同因素之间的相关关系和关联程度的特点[11]，设定农业用水量的时间序列为参考序列，影响因素的时间序列作为比较序列，分别为

x0(k)={x0(1)，x0(2)，…，x0(n)}，

xi(k)={xi(1)，xi(2)，…，xi(n)}(i=1，2，…，m).

为保证数据的统一性，需要对量纲不同的原始数据进行无量纲处理，计算处理后的参考序列与比较序列之间的关联系数，公式为

(1)

其中，Δx0i(k)=|x0(k)-xi(k)|是绝对差序列，Zmax=maximaxkΔx0i(k)是两极最大差，Zmin=miniminkΔx0i(k)是两极最小差，Δ∈(0，1)是分辨系数，一般取值为0.5，可以削弱可能产生偏大最大绝对差值引起的失真带来的影响。

参考序列和比较序列的灰色关联度用各个时期的关联系数进行平均来表示，可以反映出参考序列与比较序列的整体性关联，关联度公式为

(2)

其中，r0i越大表示该影响因素对区域农业用水量变化的影响越大，r0i越小则表明对农业用水量变化的影响越小。

2.2数据来源

淮北市各类用水量数据来源于2005-2014年安徽省水资源公报，研究中农业用水量为农田灌溉和林牧渔畜用水两部分之和。灌溉面积、农业机械动力、粮食单产、农业各项产值等社会经济数据则来源于2005-2014年淮北市国民经济和社会发展统计公报和2006-2015年安徽省统计年鉴。

3淮北市农业用水变化分析

淮北市2005-2014年农业用水量及所占总用水量比重变化如图1所示，近十年农业用水量变化明显，呈现出先增加后减少的趋势。2005-2008年农业用水量逐年增加，从1.44亿m3增加至3.4亿m3，2008-2012年农业用水量持续减少，2012年农业用水量减少至2.05亿m3，近两年的农业用水量保持相对稳定，2013和2014年农业用水量分别为2.13亿m3、2.02亿m3。结合淮北市总用水量计算得出农业用水占总用水比重变化趋势和农业用水量变化基本保持一致，也表现为先升高后降低。2005-2008年农业用水占总用水比重从34.12%增加至53.88%，2008年以后农业用水占总用水比重逐年降低，到2014年降低至41.74%。

图1　淮北市2005-2014年农业用水量及占总用水比重变化

4淮北市农业用水变化影响因素分析

4.1主要指标选取

农业用水量的逐年变化受人文环境、社会经济、资源条件等多种因素的影响和制约，根据淮北市农业用水特点及近十年经济发展基本情况，选取12个可能对淮北市农业用水变化产生影响的指标因素，包括：X1—年降水量(mm)，X2—年均温(℃)，X3—总人口数(万人)，X4—播种面积(千 hm2)，X5—有效灌溉面积(千 hm2)，X6—粮食产量(吨)，X7—畜产品产量(吨)，X8—水产品产量(吨)，X9—农业机械总动力(万kw)，X10—主要粮食单产(kg/hm2)，X11—农业产值比重(%)，X12—工业产值比重(%)。选取的影响淮北市农业用水变化的指标因素2005-2014年原始数据如表1所示。

表1　2005-2014年淮北市农业用水变化影响因素相关指标数据

4.2灰色关联分析

对农业用水变化的影响因素进行关联分析时，采用初值化方法对原始数据进行无量纲处理，把表1中选取指标的数据序列作为比较序列，参考序列则为淮北市对应年份农业用水量变化的数据序列。表2所示为计算得到的淮北市农业用水变化与12个选取指标的关联度以及排序。从计算结果可以看出，有5项指标的关联度超过0.7，其中粮食产量与农业用水量变化的关联度最大，排序居于首位，显著高于畜产品产量及水产品产量，说明农业生产结构中粮食生产很大程度上决定了农业用水量的变化；反映农业生产水平的2项指标农业机械总动力和主要粮食单产在关联度排序上分别处在第二和第四位，说明农业生产水平是影响淮北市农业用水变化的重要因素；有效灌溉面积关联度为0.8025，排在各项指标的第三位，对应了灌溉用水作为农业用水大户对其变化的重要影响；关联度排序在第五位的是工业产值比重，表明由于产业结构的调整，各类用水类型相互影响制约，工业发展带来的用水量增加对农业用水变化产生一定影响；其余的7项指标显示的关联度较小，都未超过0.7，需要说明的是降水量因素排在最后一位，与相关研究[5]得出降水量对农业用水量的影响不同，通过分析数据发现近十年淮北市降水变率大，2007年降水量达1224.6 mm，2011年仅为653.6 mm，相较农业用水变化，降水量过大的变化幅度必然使计算得出的关联度较小，同时说明了降水量对淮北市农业用水量变化的影响在减小。根据关联度计算分析结果，淮北市农业用水变化的主要影响因素可以归纳为产业结构、灌溉面积和农业生产水平等三个方面。

表2　淮北市农业用水变化影响因素的灰色关联度及排序

4.3主要影响因素分析

4.3.1产业结构

产业结构变化对农业用水量变化产生影响包括三大产业结构和农业内部结构两个方面。一方面，随着区域产业结构的优化调整，各部门的用水量需要进行合理配置，工业和农业是并立的两大用水部门，工业发展必然带来农业用水量的变化。2005-2014年淮北市农业用水和工业用水变化对比如图2所示，可以看出淮北市农业用水和工业用水的变化呈现出明显的反向变化关系，与农业用水变化表现为先增加后减少的趋势对应，工业用水变化总体呈现出先减少后增加的趋势，其中2006年工业用水量最高，为2.14亿m3，到2009年减少为近年最低的1.28亿m3，2014年增加至1.83亿m3，这种变化与淮北市近年工业产值比重变化呈现出一致性；另一方面，农业用水包括农、林、牧、渔等各类用水，农业内部结构的关系也会影响农业总用水量的变化。淮北市农业用水主要包括农田灌溉用水和林牧渔畜用水两类，两类用水量及所占农业总用水量比例如表3所示，农田灌溉用水在农业用水量中占绝对优势，2011年所占比重最高，达94.74%，占比重最低的2006年也有76.16%，说明农田灌溉用水的变化决定了农业用水量的变化趋势，这与关联分析中粮食产量与农业用水量的关联度排在各指标的首位是相对应的。

图2　2005-2014年淮北市农业用水和工业用水变化对比

年份2005200620072008200920102011201220132014农田灌溉用水量(亿m3)1.281.311.473.02.192.122.161.922.01.28比例(%)88.8976.1680.7788.2489.3988.7094.7493.6693.9088.89林牧渔畜用水量(亿m3)0.160.410.350.40.260.270.120.130.130.16比例(%)11.1123.8419.2311.7610.6111.305.266.346.1011.11

4.3.2灌溉面积

淮北地区降水的时空分布极不均匀，尤其是雨量的季节分配并不完全与农作物的需水要求相适应，进行农田灌溉是保证粮食生产的必要条件。农田灌溉用水量作为农业用水中的主要部分，主要取决于单位面积的需水量和有效灌溉面积，有效灌溉面积是指在水利工程或设备已装配的情况下可以进行灌溉的农田面积，它是影响区域农业用水量的一个重要因素。表1中可以看出，淮北市2005-2014年有效灌溉面积的变化同样呈现出先增加后减少的趋势，特别是2005-2008年增幅最大，从83 300 hm2增加至127 260 hm2，对应了同时期农业用水量的大幅增加，近五年淮北市有效灌溉面积虽有增加变化，但浮动不大，一般保持在14万hm2左右，与近年农业用水变化幅度不大也具有一致性。

4.3.3农业生产水平

农业生产水平的提高，一方面可以提高农业用水效率，降低单位农业产值的耗水量，起到抑制农业用水增加的作用，例如滴灌、喷灌等节水灌溉技术等；另一方面可以扩大农业用水范围，起到促进农业用水量增加的作用，例如农田水利建设扩大灌溉面积等。表1中的淮北市农业机械动力呈现出逐年增加的变化趋势，但增加的幅度有一定差异，2010年以前的五年农业机械总动力增幅明显，年均增加超过10万kw，2010年以后年均增加在8万kw左右，另外淮北市主要粮食单产在研究期的前半段波动较大，而在后半段相对平稳，这些都与农业用水量变化幅度前期大后期小具有一定关联性。

5结论

通过对淮北市2005-2014年农业用水量变化特征分析和影响因素的灰色关联分析得出结论：(1)近十年淮北市农业用水量变化整体呈现出先增加后减少的趋势，2005-2008年农业用水量逐年增加，2008-2012年农业用水量持续减少，2013-2014年的农业用水量保持相对稳定；(2)农业用水占总用水比重变化趋势和农业用水量变化基本保持一致，2005-2008年农业用水占总用水比重呈增加趋势，2008年以后逐年降低；(3)淮北市农业用水变化的主要影响因素有产业结构、灌溉面积和农业生产水平等。

[参考文献]

[1]乔梁.邢台市农业用水结构变化特征分析[J].水利科技与经济,2015,21(4):86-89.

[2]黄晶,宋振伟,陈阜.北京市水足迹及农业用水结构变化特征[J].生态学报,2010,30(23):6546-6554.

[3]李保国,黄峰.1998-200年中国农业用水分析[J].水科学进展,2010,21(4):575-583.

[4]邵薇薇,刘海振,周祖昊,等.东北地区城镇化、工业化进程中农业用水影响因素分析与对策[J].水利经济,2015,33(1):1-3,17.

[5]黄晶,宋振伟,陈阜,等.北京市近20年农业用水变化趋势及其影响因素[J].中国农业大学学报,2009,14(5):103-108.

[6]李青,陈红梅,王雅鹏.基于面板VAR模型的新疆农业用水与农业经济增长的互动效应研究[J].资源科学,2014,36(8):1679-1685.

[7]高晓薇,邵薇薇,刘学欣,等.城镇化与工业化进程对农业用水的影响[J].人民黄河,2015,37(7):59-63.

[8]佟金萍,马剑锋,王圣,等.长江流域农业用水效率研究:基于超效率DEA和Tpbit模型[J].长江流域资源与环境,2015,24(4):603-608.

[9]徐辉,莫文春,张大伟.黑河中游地区农业用水效率研究——以张掖市为例[J].兰州文理学院学报:社会科学版,2015,31(1):55-60.

[10]宋岩,刘群昌,江培福.基于改进AHP模糊物元模型的农业用水效率评价[J].人民长江,2013,44(22):30-33.

[11]邓聚龙.灰色系统理论教程[M].武汉:华中理工大学出版社,1990.

Grey Correlation Analysis of Agricultural Water Consumption and Its Influence Factors in Huaibei

GAO Yang

(School of Environment and Surveying Engineering, Suzhou University, Suzhou Anhui 234000, China)

Abstract:Based on the data of agricultural water consumption and socio-economic statistics from 2005-2014 in Huaibei, the change of agricultural water was analyzed. And the leading factors were analyzed by grey correlation analysis method. The results indicate that agricultural water and agricultural water proportion in total water presented decreasing trend after the first increase. There were gradually increased in 2005-2008. Agricultural water consumption decreased gradually after 2008, and tended to be stable the past two years. Agricultural water proportion in total water gradually decreased in 2008-2014. Industrial structure, irrigation area and agricultural production level were the main factors to lead to the change of agricultural water in Huaibei.

Key words:change of agricultural water; influence factors; grey correlation analysis; Huaibei

[中图分类号]TV211.1

[文献标识码]A

[文章编号]2095-7602(2016)04-0064-05

[作者简介]高杨(1979- )，男，讲师，硕士，从事水资源与水环境研究。

[基金项目]安徽高校省级人文社会科学研究重点项目“产业结构调整下的皖北地区用水结构变化及用水量预测研究”(SK2016A0995)；宿州学院优秀青年人才支持计划项目“皖北地区用水结构与产业结构的协调优化研究”(2016XQNRL006)。

[收稿日期]2016-01-03