基于模拟-优化技术的畦灌系统性能提升：一种改进SCS模型与灰狼优化算法的集成方法

本研究针对传统地面灌溉系统因设计和管理不当导致的水分利用效率低下问题，开发了一种结合改进的水文经验SCS模拟框架与灰狼优化器(GWO)算法的模拟-优化模型。该模型以畦田长度(L)、坡度(s)、入流流量(Qu)和亏缺灌溉因子(DIP)为决策变量，通过优化五个水力性能指标（Ea, DPR, TWR, Er, DU）的加权单目标函数，显著减少了推进时间，改善了水分分布均匀性(DU)和需求效率(Er)，同时大幅降低了总灌水量。研究成果为设计资源高效、运行稳健的畦灌系统提供了计算高效且水力可靠的新途径，对提升农业水资源利用效率具有重要意义。

　　

在全球水资源日益紧张的背景下，农业作为用水大户，其灌溉效率的提升至关重要。地面灌溉，特别是畦灌、沟灌和格田灌溉，因其低廉的投资和运行成本，至今仍是全球范围内应用最广泛的灌溉方式。然而，现实中许多地面灌溉系统由于设计不合理和管理粗放，存在着严重的效率低下问题，主要表现为灌溉不均匀、深层渗漏和尾水流失严重，这不仅浪费了宝贵的水资源，还可能引发土壤盐渍化和养分流失等环境问题。因此，如何科学地设计和优化地面灌溉系统，实现节水、增效、环保的目标，已成为农业水资源管理领域的迫切需求和重大挑战。

传统的灌溉系统设计方法，如美国农业部水土保持局（SCS）提出的水文经验法，虽然计算简单、所需参数少，但其将灌溉效率（E_a）作为预设输入而非输出结果，无法全面评估系统的均匀性（DU）和 adequacy (E_r)，且难以完整模拟灌溉过程的各个阶段（推进、存储、消退、 depletion），限制了其优化设计的能力。另一方面，基于圣维南方程和理查兹方程的完全水动力模型虽然精度高，但计算复杂、耗时，且对输入数据和计算资源要求高，不便于在规划设计阶段快速应用和优化。面对这一困境，研究人员开始探索将计算高效的模拟方法与强大的优化算法相结合的技术路径。

为了克服现有模型的局限性，伊朗阿拉克大学水资源科学与工程系的Mahmood Akbari和Saeed Farahani在《Agricultural Water Management》上发表了他们的最新研究成果。他们致力于回答三个核心科学问题：首先，能否对水文经验的SCS设计方法进行改进，使其在保持较低计算成本的同时，能够完整地模拟畦灌过程？其次，能否将改进的SCS模型与元启发式优化技术相结合，在考虑决策变量和设计约束的条件下，实现畦灌系统的优化设计？最后，在决策变量中，哪个对畦灌水力性能的影响最为关键？

为了解决这些问题，研究人员开发了一个全新的模拟-优化模型。该模型的核心是将改进的SCS模拟框架与灰狼优化器（Grey Wolf Optimizer, GWO）算法进行集成。改进的SCS模型融合了体积平衡法和Strelkoff（1977）的设计方法，使其能够模拟灌溉的四个阶段，并计算沿畦田长度的下渗曲线。优化部分则采用GWO算法，以畦田长度（L）、坡度（s）、单位宽度入流流量（Q_u）和亏缺灌溉因子（DIP）作为决策变量，以最小化一个包含应用效率（E_a）、深层渗漏率（DPR）、尾水率（TWR）、需求效率（E_r）和分布均匀度（DU）五个性能指标的加权目标函数（z(OF)）为优化目标。

为验证模型的有效性，研究选取了三个具有不同土壤质地（从中等质地到砂壤土）和灌溉需求的真实案例进行应用，分别种植苜蓿、大麦和菜豆。研究人员对每个案例进行了初始模拟和优化设计，对比分析了优化前后系统的水力性能指标、水量平衡分量以及灌溉时间参数的变化。

本研究采用的关键技术方法主要包括：1) 对传统SCS水文经验模型进行改进，结合体积平衡法，使其能完整模拟畦灌 advance-recession 曲线和沿程入渗；2) 应用灰狼优化器(GWO)这一元启发式算法进行多变量（L, s, Q_u, DIP）自动寻优；3) 构建包含E_a, DPR, TWR, E_r, DU 五个关键指标的综合目标函数进行性能评估；4) 利用来自美国农业部手册和伊朗阿拉克地区实地测量的三个案例数据对模型进行验证。

2.1. 模型构建与性能指标

研究构建的模拟-优化模型框架清晰地区分了输入参数、决策变量、模型输出和性能指标。与原始SCS方法将E_a作为输入不同，本模型将E_a以及DPR、TWR、E_r、DU均作为输出指标进行计算，从而能更全面地评估系统性能。目标函数z(OF)被设计为最小化问题，其理论最优值为0，代表理想的灌溉性能。

2.2. 改进的SCS模拟能力

结果表明，改进的SCS模型能够成功模拟畦灌的整个水力过程，包括计算沿畦田任意点的推进时间（T_t(x)）和消退时间（T_r(x)），从而确定入渗机会时间剖面和沿程入渗水深（Z_x）。这使得计算V_t、V_Net、V_dpr、V_tw等水量平衡分量成为可能，为准确评估性能指标奠定了基础。与原始SCS方法相比，改进模型揭示了初始设计中为满足下游灌溉 adequacy (Z_L ≥ i_n) 而必需的较长 cutoff time (T_co)，这导致了较低的E_a但更高的系统整体合理性。

2.3. 优化结果与性能提升

优化过程显著改善了所有三个案例的灌溉性能。优化后，目标函数z(OF)值均显著下降，表明综合性能提升。具体表现在：

• •
  推进时间（T_t）显著缩短：这是优化模型提升性能的核心策略。通过调整决策变量（主要是减少L，在案例1和3中减少Q_u，增加s），有效地缩短了水流到达畦田末端的时间。
• •
  水分分布均匀性（DU）提高：由于推进阶段缩短，畦田上游和下游的入渗机会时间差异减小，使得沿畦田的入渗水深更加均匀，DU指标得到改善。
• •
  应用效率（E_a）的变化：优化后E_a的变化因案例而异。在案例1中，由于L和Q_u的大幅减少导致总用水量（V_t）急剧下降，尽管净入渗量（V_Net）也减少，但其在V_t中的占比增加，从而提高了E_a。在案例2和3中，L/Q_u的降低和s的增加也促进了E_a的提升。
• •
  总用水量和损失量减少：优化设计普遍导致总施用水量（V_t）、尾水损失（V_tw）和深层渗漏损失（V_dpr）大幅降低，实现了节水目标。

2.4. 决策变量的影响分析

通过控制变量法分析各决策变量对优化结果的贡献度，发现：

• •
  单位宽度入流流量（Q_u）的影响最大：单独优化Q_u能在不引起约束惩罚的情况下，最有效地降低目标函数值。
• •
  畦田长度（L）的影响次之：减少L有助于缩短推进时间，但需注意其下限设置，避免过于碎片化的田块给田间管理带来不便。
• •
  畦田坡度（s）的影响相对较小：增加s可以加快水流推进和消退，但其优化值常受限于地形条件和土壤侵蚀风险设定的上限。

2.5. 约束处理与可行性

优化过程中，模型成功处理了各类约束条件，包括决策变量的上下限（L_min1/L_max1, S_min1/S_max1）、基于水力学和经验的约束（如最大允许流量Q_u-max、最小允许流量Q_u-min、最大坡度S_max2、最大长度L_max2和最大水深度d_max）。优化解均满足这些约束，确保了方案的物理可行性和实用性。

本研究通过集成改进的SCS模型与灰狼优化算法，成功开发了一个高效、实用的畦灌系统模拟-优化设计工具。该模型不仅克服了原始SCS方法的局限性，能够全面评估灌溉系统的性能，而且通过优化决策变量，显著提升了系统的水力性能，实现了节水、均匀灌溉和满足作物需求的多重目标。研究明确指出了缩短推进时间是优化设计的关键策略，并量化了不同决策变量（Q_u, L, s）对性能改善的相对重要性。这些成果为灌溉工程师和农户提供了强大的决策支持，有助于在资源有限条件下设计出高性能的灌溉系统。未来研究可考虑将经济成本、劳动消耗以及作物生长模型纳入优化框架