新疆三工河流域绿洲地下水埋深动态演变规律及其模拟

doi:10.7522/j.issn.1000-694X.2024.00116

摘要/Abstract

摘要：

为研究灌溉农业发展背景下干旱绿洲区不同水力区域地下水埋深的动态变化特征，以新疆三工河流域中部绿洲区为研究区域，自南向北划分为冲洪积扇绿洲区（ADFO）、冲积平原上部绿洲区（APOU）和冲积平原下部绿洲区（APOL）3个水力单元，利用1995—2016年9口长期监测井的地下水埋深数据、灌溉农业发展数据、水文气象数据及区域社会经济等资料，采用集合经验模态分解、小波分析和灰色关联度等多种方法分析地下水埋深变化特征及其影响因素，构建BP神经网络模型预估未来该区域地下水埋深变化。结果表明：三工河流域绿洲区地下水埋深年际变化波动较大，22年间整体呈持续下降趋势，尤其ADFO区下降最显著，年均降幅1.03 m；流域灌溉方式转变的过渡期内（2006—2010年）地下水埋深发生突变，且节水灌溉时期（2012年之后）各水力区域地下水埋深均深于大水漫灌时期（2006年之前），增幅呈ADFO（12.25~15.59 m）>APOU（5.30~8.23 m）>APOL（1.03~1.71 m）；流域地下水埋深变化主要影响因素为耕地面积、地下水开采量和山区径流量；耦合不同水力区域地下水埋深的BP神经网络模型具有较高的模拟精度，在退地减水背景下，预测2017—2036年3个水力区域地下水位分别回升6.74 m（ADFO）、2.55 m（APOU）和0.35 m（APOL）。该研究结果对干旱区合理调控地下水资源、指导绿洲灌溉农业管理及生态环境保护具有重要的指导和借鉴意义。

关键词: 地下水埋深, 不同水力区域, 动态变化特征, BP神经网络, 三工河流域

Abstract:

To investigate the dynamic characteristics of groundwater table depth （GTD） in different hydrological regions of arid oasis areas under the development of irrigated agriculture， the oasis area in the central part of Sangong River Basin in Xinjiang was selected as the target study region， and this oasis area was divided into three hydraulic units from south to north， i.e.， the alluvial fan oasis area （ADFO）， upper alluvial plain oasis area （APOU） and lower alluvial plain oasis area （APOL）. Using the GTD data of 9 long-term monitoring wells as well as irrigation agriculture development， hydrometeorological and regional socio-economic information from 1995 to 2016， the variation characteristics and influencing factors of GTD were analyzed based on a variety of powerful methods such as ensemble empirical mode decomposition， wavelet analysis and grey correlation degree， and a BP neural network model was developed to predict the change of GTD in the studied region under the future changing environment. We note that the interannual variations of GTD fluctuated greatly in the oasis area of Sangong River Basin， with a continuous downward trend during the past 22 years， especially in ADFO area with an average annual decline rate of 1.03 m. The change points of GTD for all wells were found to have occurred during 2006-2010， which represents the transition period of agricultural irrigation schemes from traditional flood irrigation to water-saving irrigation， and the GTD during the water-saving irrigation period （after 2012） was deeper than that the traditional flood irrigation period （before 2006） in each hydrological region， with an increase of ADFO （12.25-15.59 m） > APOU （5.30-8.23 m） > APOL （1.03-1.71 m）. The main influencing factors of GTD change in the basin are the cultivated land area， groundwater pumping and mountain annual runoff. The simulation and validation results indicate that the BP neural network model coupled with groundwater table depth in different hydrological regions has good modelling accuracy， and under the implementation of the policy of reducing water consumption by returning farmland from 2017 to 2036， the GTD in the ADFO， APOU and APOL will rise by 6.74 m， 2.55 m and 0.35 m， respectively. This study would provide directives for maintaining the sustainability of groundwater in oasis-desert systems in other similar endorheic watersheds.

Key words: groundwater table depth, different hydrological regions, dynamic change characteristics, BP neural network, Sangong River Basin

中图分类号:

S273.4

柴娜英, 黄彩霞, 王泽义, 李福强, 刘蔚, 朱猛, 郑新军, 尹鑫卫. 新疆三工河流域绿洲地下水埋深动态演变规律及其模拟[J]. 中国沙漠, 2025, 45(2): 1-16.

Naying Chai, Caixia Huang, Zeyi Wang, Fuqiang Li, Wei Liu, Meng Zhu, Xinjun Zheng, Xinwei Yin. Evolution patterns and dynamic simulation of groundwater table depth in oasis areas of the Sangonghe River Basin， Xinjiang， China[J]. Journal of Desert Research, 2025, 45(2): 1-16.

图/表 11

图1 三工河流域地理位置及地下水位监测井分布示意图（A）、南北向含水层结构剖面图（B）、1995—2016年平均月降水量、气温和蒸发量动态变化图（C）、主要灌溉方式演化示意图（D）注：Q1代表第四系下更新统冰缘堆积砾岩及黄土状亚砂土层；Q3代表第四系上更新统山前戈壁砾石带；Q4代表第四系全新统沉积物；Nch代表新近系昌吉河群的砂、泥岩互层岩层。基于自然资源部标准地图服务网站标准地图（审图号：GS（2020）4619号）制作，底图边界无修改

Fig.1 Schematic diagram of geographical location and distribution of groundwater level monitoring wells （A）， profile of north-south aquifer structure， average monthly precipitation （B）， air temperature and evaporation from 1995 to 2016 （C）， and evolution of main irrigation methods （D） in the Sangong River Basin

表1 三工河流域绿洲区浅层地下水位长期监测井（W1~W9）概况

Table 1 Long-term shallow groundwater level monitoring wells （i.e.， W1-W9） in oasis area of Sangong River Basin

监测井编号	水力区域	海拔 /m	经度（E）	纬度（N）	井深 /m	井口直径/mm
W1	ADFO	690.02	87°58′	44°06′	30	325
W2		565.51	87°56′	44°08′	90	426
W3		524.59	87°59′	44°11′	30	325
W4	APOU	497.13	87°57′	44°13′	25	377
W5		473.70	87°54′	44°15′	10	377
W6		470.29	87°55′	44°17′	10	219
W7	APOL	464.81	87°52′	44°19′	10	377
W8		475.37	87°57′	44°20′	10	377
W9		466.97	87°57′	44°21′	10	377

图2 基于BP神经网络耦合不同水力区域的地下水埋深模拟模型机理图

Fig.2 Mechanism diagram of groundwater table depth modelling based on BP neural network by coupling different hydraulic regions

图3 研究区地下水位长期监测井（W1~W9）及3个水力区域（ADFO、APOU和APOL）地下水埋深年际变化特征注：CV和AV分别代表地下水埋深的变异系数和平均值；3个水力区域的误差棒样本容量n=3

Fig.3 Characteristics of interannual variation of groundwater table depth in long-term monitoring wells （W1-W9） and the defined hydraulic areas （ADFO， APOU， and APOL） in the study area

图4 研究区各水力区域（ADFO、APOU和APOL）地下水埋深序列EEMD法分解结果

Fig.4 Results of decomposition of groundwater table depth sequence by EEMD in each defined hydraulic areas （ADFO， APOU， and APOL） in the study area

图5 研究区地下水位长期监测井（W1~W9）地下水埋深累积距平曲线

Fig.5 Cumulative anomaly curve of groundwater table depth of long-term monitoring wells （W1-W9） in the study area

图6 研究区各水力区域（ADFO、APOU和APOL）地下水埋深小波系数实部等值线图、小波方差图及特征时间尺度曲线

Fig.6 Isoline map， wavelet variance map and characteristic time scale curve of real part of wavelet coefficients of groundwater table depth in the defined hydraulic hydraulic areas （ADFO， APOU， and APOL） in the study area

图7 不同灌溉时期研究区地下水位长期监测井（W1~W9）及不同水力区域（ADFO、APOU和APOL）地下水埋深年内变化特征注：1995—2006年为大水漫灌时期；2012—2016年为节水灌溉时期

Fig.7 Variation characteristics of groundwater table depth in long-term monitoring wells （W1-W9） and the defined hydraulic areas （ADFO， APOU， and APOL） during different irrigation periods in the study area

图8 不同灌溉时期研究区地下水位长期监测井（W1~W9）地下水埋深相关性分析注：1995—2006年为大水漫灌时期；2012—2016年为节水灌溉时期。*：P≤0.05；**：P≤0.01

Fig.8 Correlation analysis of groundwater table depth of long-term monitoring wells （W1-W9） during different irrigation periods in the study area

图9 不同灌溉时期研究区各水力区域（ADFO、APOU和APOL）地下水埋深影响因素关联度注：T、P、E、R、CLA、POP、GDP、GWE分别代表气温、降水量、蒸发量、径流量、耕地面积、人口数量、地区生产总值、地下水开采量

Fig.9 Correlation degree of influencing factors of groundwater table depth in different hydraulic areas （ADFO， APOU， and APOL） during different irrigation periods in this study area

图10 基于BP神经网络耦合不同水力区域（ADFO、APOU和APOL）地下水埋深模拟和预测结果注：A1~A3表示模型训练与验证效果图；B1~B3表示模拟值与实测值对比图；C1~C3表示预测值变化趋势图

Fig.10 Simulation and prediction results of groundwater table depth in different hydraulic regions （ADFO， APOU， and APOL） based on the BP neural network

参考文献 54

1	Lall U， Josset L， Russo T.A Snapshot of the world's groundwater challenges［J］.Annual Review of Environment and Resources，2020，45（1）：171-194.
2	陈雪萍，赵学勇，王瑞雄，等.气候变化与土地利用/覆被变化对中国北方农牧交错带水资源影响研究进展［J］.中国沙漠，2022，42（3）：170-177.
3	王思佳，刘鹄，赵文智，等.干旱、半干旱区地下水可持续性研究评述［J］.地球科学进展，2019，34（2）：210-223.
4	Torres-garcía M T， Oyonarte C， Cabello J，et al.The potential of groundwater-dependent ecosystems to enhance soil biological activity and soil fertility in drylands［J］.Science of The Total Environment，2022，826：154111.
5	尹立河，张俊，王哲，等.西北内陆河流域地下水循环特征与地下水资源评价［J］.中国地质，2021，48（4）：1094-1111.
6	丁宏伟，张荷生.近50年来河西走廊地下水资源变化及对生态环境的影响［J］.自然资源学报，2002（6）：691-697.
7	李元寿，贾晓红，鲁文元.西北干旱区水资源利用中的生态环境问题及对策［J］.水土保持研究，2006（1）：217-219+242.
8	樊自立，马英杰，艾力西尔·库尔班，等.试论中国荒漠区人工绿洲生态系统的形成演变和可持续发展［J］.中国沙漠，2004，24（1）：12-18.
9	孙青言，郭辉，陆垂裕.地下水动态演变研究现状与发展趋势［J］.灌溉排水学报，2021，40（）：58-64.
10	吴彬，杜明亮，穆振侠，等.1956-2016年新疆平原区地下水资源量变化及其影响因素分析［J］.水科学进展，2021，32（5）：659-669.
11	高宇阳，杨鹏年，阚建，等.人类活动影响下乌苏市地下水埋深演化趋势［J］.灌溉排水学报，2019，38（10）：90-96.
12	阮永健，吴秀芹.基于GRACE和GLDAS的西北干旱区地下水资源量可持续性评价［J］.干旱区研究，2022，39（3）：787-800.
13	Li D B， Li X L， He X L，et al.Groundwater dynamic characteristics with the ecological threshold in the northwest China oasis［J］.Sustainability，2022，14（9）：5390.
14	邵光成，章坤，王志宇，等.基于IABC-RBF神经网络的地下水埋深预测模型［J］.浙江大学学报（工学版），2019，53（7）：1323-1330.
15	Chen C， He W， Zhou H，et al.A comparative study among machine learning and numerical models for simulating groundwater dynamics in the Heihe River Basin，northwestern China［J］.Scientific Reports，2020，10：3904.
16	Jasechko S， Seybold H， Perrone D，et al.Rapid groundwater decline and some cases of recovery in aquifers globally［J］.Nature，2024，625：715-721.
17	Kuang X X， Liu J G， Scanlon B R，et al.The changing nature of groundwater in the global water cycle［J］.Science，2024，383（6686）：962.
18	肖鲁湘，罗格平，陈曦，等.干旱区冲洪积扇-冲积平原绿洲浅层地下水质时空变化初步分析：以三工河流域绿洲为例［J］.干旱区地理，2005（2）：225-228.
19	王玉朝，赵成义.三工河流域景观格局的形成与环境分异特征［J］.水土保持学报，2001（3）：98-101.
20	尚海敏，王文科，段磊，等.天山北麓地下水基于生态水位的调控模拟分析［J］.水土保持研究，2014，21（6）：144-147.
21	闫金凤，陈曦，罗格平，等.绿洲浅层地下水位与水质变化对人为驱动LUCC的响应：以三工河流域为例［J］.自然资源学报，2005（2）：172-180.
22	陆晴，刘丽娟，王玉刚，等.新疆三工河流域农业绿洲近30年景观格局变化及其驱动力［J］.生态学杂志，2013，32（3）：748-754.
23	年福华，李新.三工河流域水量转换特征及水资源利用［J］.干旱区研究，2000，17（1）：5-11.
24	Wu Z H， Huang N E.Ensemble empirical mode decomposition：a noise-assisted data analysis method［J］.Advances in Adaptive Data Analysis，2009，1（1）：1-41.
25	罗那那，巴特尔·巴克，吴燕锋.基于集合经验模态分解北疆降水多尺度变化特征［J］.水土保持研究，2017，24（4）：362-367.
26	张应华，宋献方.水文气象序列趋势分析与变异诊断的方法及其对比［J］.干旱区地理，2015，38（4）：652-665.
27	常耀文，吴一晗，刘霞，等.基于小波分析的荒漠草原土壤湿度周期变化特征［J］.中国草地学报，2023，45（9）：87-97.
28	束龙仓，徐丽丽，袁亚杰，等.三江平原典型区地下水流场变化及主要影响因素分析［J］.水利学报，2022，53（6）：644-654.
29	Deng J L.Control problems of grey systems［J］.Systems & Control Letters，1982，1（5）：288-294.
30	卫磊，杨桂莲，鲁程鹏，等.华北平原超采区浅层地下水埋深变化及控制因素分析［J］.水资源与水工程学报，2019，30（6）：39-44.
31	黄洲.“三条红线”条件下兵团第八师退地减水对水土资源影响及综合评估［D］.石河子：石河子大学，2023.
32	刘海丽，齐善忠，刘丽娟，等.基于地统计的新疆阜康绿洲地下水埋深空间异质性［J］.生态学杂志，2018，37（5）：1484-1489.
33	管春兴，张虹波，王战，等.玛纳斯河流域山前平原区地下水资源动态变化分析［J］.水利水电技术，2019，50（3）：1-9.
34	吉磊，刘兵，何新林，等.玛纳斯河下游灌区地下水埋深变化特征及成因分析［J］.灌溉排水学报，2015，34（9）：59-65.
35	刘志明，王贵玲，蔺文静.石羊河流域平原地下水位动态特征与监测网观测频率优化［J］.中国沙漠，2006，26（1）：85-89.
36	陈社明，卢文喜，罗建男，等.内蒙古德岭山地区灌溉农业发展对浅层地下水系统演化的影响［J］.农业工程学报，2012，28（3）：1-7.
37	丁启振，周金龙，杜明亮，等.新疆石河子-昌吉地区2016-2020年地下水位动态特征分析［J］.灌溉排水学报，2022，41（2）：109-117.
38	米丽娜，肖洪浪，朱文婧，等.1985-2013年黑河中游流域地下水位动态变化特征［J］.冰川冻土，2015，37（2）：461-469.
39	宋子奕，鲁程鹏，吴成城，等.2009-2019年河西走廊地下水位时空分布及演变趋势［J］.水资源保护，2023，39（2）：160-167.
40	崔佳琪，李仙岳，史海滨，等.节水改造前后永济灌域地下水环境时空变化特征［J］.干旱区研究，2022，39（3）：841-852.
41	陈彬鑫，何新林，杨丽莉，等.莫索湾灌区近22年来地下水埋深变化及影响因素分析［J］.干旱区资源与环境，2020，34（12）：155-160.
42	陈泽，吴彬，高凡，等.2011-2020年新疆鄯善县地下水位时空动态变化规律［J］.水土保持通报，2023，43（2）：60-68.
43	陈永金，艾克热木·阿布拉，张天举，等.塔里木河下游生态输水对地下水埋深变化的影响［J］.干旱区地理，2021，44（3）：651-658.
44	张震域，赵沛，畅祥生，等.额济纳绿洲1992-2015年地下水埋深变化分析［J］.人民黄河，2019，41（7）：33-37.
45	缑天宇，佟玲，康德奎，等.中国西北干旱区石羊河流域重点治理综合效应评价［J］.农业工程学报，2022，38（12）：74-84.
46	杨怀德，冯起，郭小燕.1999-2013年民勤绿洲地下水埋深年际变化动态及影响因素［J］.中国沙漠，2017，37（3）：562-570.
47	刘媛媛，刘业森，郑敬伟，等.BP神经网络和数值模型相结合的城市内涝预测方法研究［J］.水利学报，2022，53（3）：284-295.
48	薛萍，张召，雷晓辉，等.基于BP神经网络的不同时间尺度泵站前池水位预测模型［J］.南水北调与水利科技（中英文），2022，20（2）：393-407.
49	王虹，魏秉炎，王昊云.基于主成分分析的BP神经网络模型在铁矿产地溯源中的应用［J］.冶金分析，2021，41（9）：11-17.
50	杜云皓，仇锦先，冯绍元.改进GA-BP模型在地下水位埋深预测中的应用［J］.节水灌溉，2017（9）：81-84.
51	陈曦，夏军，钱静，等.三工河流域分布式水文模型研究［J］.干旱区地理，2003，26（4）：305-308.
52	张叶，刘兵，何新林，等.干旱灌区地下水位动态变化及驱动因素分析［J］.节水灌溉，2017（6）：63-67.
53	魏兴，贾瑞亮，周金龙，等.新疆玛纳斯河流域典型剖面地下水位动态分析［J］.南水北调与水利科技，2017，15（5）：127-133.
54	李彦，郑新军，王玉刚，等.绿洲-荒漠共生关系实验模拟平台（绿洲-荒漠平台）［J］.中国科学院院刊，2021，36（12）：1506-1514.

[1]	王永鹏, 阿里木江, 周龙, 杨鹏年, 冯思阳, 王延文. 塔里木河下游生态输水效应[J]. 中国沙漠, 2023, 43(4): 231-240.
[2]	王明娜, 张定海, 张志山, 路丽宁. 古尔班通古特沙漠灌木冠幅预测模型[J]. 中国沙漠, 2022, 42(4): 139-150.
[3]	苏天燕, 刘子涵, 丛安琪, 毛伟, 杨秋. 地下水埋深对半干旱区典型植物群落土壤酶活性的影响[J]. 中国沙漠, 2021, 41(4): 185-194.
[4]	王理想, 蔡明玉, 白雪莲, 乔荣荣, 季树新, 常学礼. 乌兰布和沙漠东南缘湖泊群消涨与驱动因素[J]. 中国沙漠, 2020, 40(2): 59-67.
[5]	白玉锋, 徐海量, 张沛, 张广朋, 凌红波. 塔里木河下游荒漠植物多样性、地上生物量与地下水埋深的关系[J]. 中国沙漠, 2017, 37(4): 724-732.
[6]	杨怀德, 冯起, 郭小燕. 1999-2013年民勤绿洲地下水埋深年际变化动态及影响因素[J]. 中国沙漠, 2017, 37(3): 562-570.
[7]	于海姣, 温小虎, 冯起, 尹振良, 常宗强, 鱼腾飞, 牛晓宇. 运用小波变换与支持向量机耦合模型(WA-SVM)预测干旱区地下水埋深[J]. 中国沙漠, 2016, 36(5): 1435-1442.
[8]	聂敏, 刘志辉, 刘洋, 姚俊强. 基于PCA和BP神经网络的径流预测[J]. 中国沙漠, 2016, 36(4): 1144-1152.
[9]	王希义, 徐海量, 潘存德, 凌红波, 张沛. 塔里木河下游优势草本植物与地下水埋深的关系[J]. 中国沙漠, 2016, 36(1): 216-224.
[10]	刘洪兰, 张强, 张俊国, 王海波, 闻小艳. BP神经网络模型在伏旱预测中的应用——以河西走廊为例[J]. 中国沙漠, 2015, 35(2): 474-478.
[11]	金晓媚, 夏薇, 郭任宏. 柴达木河都兰区植被覆盖率变化特征[J]. 中国沙漠, 2014, 34(2): 603-609.
[12]	谢姆斯叶·艾尼瓦尔, 塔西甫拉提·特依拜, 王宏卫, 买买提·沙吾提, 张飞. 人工智能计算技术在新疆干旱区典型绿洲土壤盐分预测中的应用[J]. 中国沙漠, 2014, 34(1): 153-161.
[13]	魏彬1，2，海米提·依米提1,3，王庆峰1,2，许宁1,2，李建涛1,2. 克里雅绿洲地下水埋深与土壤含水量的相关性[J]. 中国沙漠, 2013, 33(4): 1110-1116.
[14]	张新焕1, 肖艳秋2, 杨德刚1, 刘云同3. 基于Logistic模型的三工河流域农户节水灌溉驱动力分析[J]. 中国沙漠, 2013, 33(1): 288-294.
[15]	张新焕1, 汪菲1,2, 侯艳军3, 张文彪1,2. 三工河流域两种农田景观的差异及其成因[J]. 中国沙漠, 2012, 32(6): 1786-1793.