Evaluation of Irrigation Water Source Suitability Based on Group Decision Entropy Optimization-CRITIC Algorithm

DING Si-yu; CHEN Jing; HE Yi-fan; ZHONG Li-en; LI Jin-gang; WANG Shou; YAN Ai-zhong; ZHONG Ming-ke

doi:10.12396/jsgg.2023485

Water Saving Irrigation ›› 2024 ›› (5) : 100-106. DOI: 10.12396/jsgg.2023485

Evaluation of Irrigation Water Source Suitability Based on Group Decision Entropy Optimization-CRITIC Algorithm

Author information +

History +

Abstract

There is a lack of targeted evaluation methods for the suitability of irrigation water sources in arid and semi-arid areas. Existing evaluation methods tend to have limited applicability and rely on single indicators, which restricts their usefulness across different water sources. Therefore, this paper takes arid and semi-arid areas as the research object to explore the evaluation methods that can be applied to the suitability of different irrigation water sources. The suitability evaluation index system of irrigation water source was constructed by comprehensively considering factors such as the available supply of irrigation water source, the timeliness of irrigation water supply, the consumption of water lifting energy, and the irrigation water temperature. The group decision entropy optimization method algorithm was introduced to determine the combined weight of the evaluation index. Taking three available irrigation water sources in Pingluo County of Ningxia as a typical case, the TOPSIS method was used to comprehensively evaluate the irrigation suitability of three different water sources from April to September, combined with the constructed evaluation index system and weight determination method. The closeness degree values of Yellow River water and drainage in Pingluo County from April to September were all greater than 0.31, suggesting their suitability for irrigation. The close degree value of groundwater in April is only 0.241 2, which is not suitable for irrigation. Still, the closeness degree value of groundwater from May to August exceeds 0.31, which is suitable for irrigation, and is consistent with the actual situation of Yinbei Irrigation District in Ningxia. The evaluation index system constructed in this paper and the introduced combination weight determination method (group decision entropy optimization-CRITIC algorithm) are suitable for the suitability evaluation of irrigation water sources in arid and semi-arid areas.

Key words

suitability of irrigation water source / Yinbei irrigation district / group decision-making / entropy optimization / combination weight / index system

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations

DING Si-yu , CHEN Jing , HE Yi-fan , ZHONG Li-en , LI Jin-gang , WANG Shou , YAN Ai-zhong , ZHONG Ming-ke. Evaluation of Irrigation Water Source Suitability Based on Group Decision Entropy Optimization-CRITIC Algorithm. Water Saving Irrigation. 2024, 0(5): 100-106 https://doi.org/10.12396/jsgg.2023485

0 引言

水是生命之源，是人类赖以生存和发展的重要物质资源^[1]。农业生产离不开灌溉，适时适量的灌溉能极大地促进农业生产。然而，由于水源水质、水源水量、气候条件、作物种植结构、农田土壤性质等差异，即便相同灌溉水质在不同环境条件下可能呈现不同适宜性。因此，开展灌溉水源适宜性评价，是科学合理地利用农业水源的前提，对充分挖掘农业区水资源利用潜力、缓解农业用水供需矛盾、提高水资源利用效率具有重要意义。目前关于灌溉适宜性研究较少，主要围绕灌溉水质^[2-4]、不同灌溉技术^[5-7]、地理地质^{[8, 9]}等方面进行探讨，考虑的影响因子较为单一，缺少对作物、气象、土壤、水文、灌排工程等因素的综合考虑，并且不同的水源之间面临着水文气象不一致，水质、水量、作物特性、土壤特性等差异较大的情况。此外，为集中专家的主观意见，反映数据的特点，很多学者将主、客观赋权法相结合建立多指标分析评价模型。曲丽英等^[10]在闽江流域洪涝风险区划快速评估研究中采用了AHP-熵权组合权重法；卞华民等^[11]为解决水质评价中存在的随机性和模糊性问题，通过博弈论组合层次分析法、熵权法、变异系数法得到组合权重，并耦合云模型构建了一种水质评价方法；张智等^[12]在探寻温室甜瓜最佳水肥组合方案时，利用灰色关联与TOPSIS耦合模型进行综合评价。但是在以往的研究中，通常将群体的评价意见作为等权重群体意见的近似估计，但此方法忽略了个人之间意见的差异。汲取多领域专家的意见进行聚合计算主观权重，而后组合赋权对灌溉水源适宜性进行评估的研究较少。本文在深入调查研究的基础上，构建灌溉水源适宜性评价指标体系，分别引入群体决策熵优法和CRITIC法分析每个指标的主观权重和客观权重，结合TOPSIS模型进行综合评估，并以宁夏银北灌区为典型研究区，结合构建的灌溉水源适宜性评价体系评估渠引黄河水、浅层地下水和农田排水的灌溉适宜性，以期为灌溉农业区水源的选择提供理论依据。

1 不同灌溉水源适宜性评价指标体系

不同灌溉水源适宜性评价，其目的在于综合反映评价区域不同水源用于灌溉的适宜程度。通过调查研究^{[13, 14]}，将影响灌溉水源适宜性的影响因素归为七类，分别为水文、气象、作物特性、灌排措施、土壤特性、灌溉水资源和灌溉水质，细分为土壤碱化度、土壤饱和导水率、灌溉水源可供应量、灌溉水供应及时程度、提水能耗费、灌溉水温等27个指标。在相关研究^{[13, 14]}的基础上，新增了灌溉水源可供应量、灌溉水供应及时程度、提水能耗费、灌溉水温和土壤碱化度5个指标。新增部分指标简要说明如下。

（1）灌溉水源可供应量：指在作物生育期和非生育期，可供开采利用的水资源总量。由于部分评价地区，譬如宁夏银北灌区，黄河来水量逐年减少，引黄灌溉不能足量满足农业灌溉的需求，对其他水源的需求量逐渐增大^[15]，故灌溉水源可供应量是灌溉水源评价中必不可少的指标。

（2）灌溉水供应及时程度：受轮灌周期及水源丰枯水期的限制，如不考虑灌溉水供应及时程度，极易导致作物用水高峰期灌溉不及时，对作物的生长以及产量产生较大的影响。

（3）提水能耗费：部分水源如地下水，抽水至地表用于灌溉，是高耗能型用水，对仪器的损耗也大，易导致水与能源相互牵制构成压力。且灌溉水源的能耗费用越低，越能提高农业生产者的积极性，对作物产量越有利。

（4）灌溉水温：灌溉水温是影响作物生长的重要水质因素，水温过低会抑制作物的生长，水温过高会降低水中溶解氧的含量^[16]。研究表明，从增产角度，最优的灌溉方式为灌溉水温26.38 ℃的夜间灌溉^[17]。

（5）土壤碱化度：相较于土壤盐化程度，对于土壤碱化度的关注度偏少。当碱化度达到一定程度时，土壤的理化性质会发生一系列的变化，如土粒分散、湿时泥泞、不透气、不透水、干时硬结、耕性极差^[18]。碱化度是盐碱土分类、利用和改良的重要指标。

本文新增的指标使评价体系适用范围扩大，能够参照不同地区的情况产生合适的评价结果，因地制宜反映灌溉水源的适宜程度，更能贴近实际，有效地运用在农业灌溉中。不同灌溉水源适宜性评价指标体系具体见图1。

Fig.1 Suitability evaluation index system of different irrigation water sources

图1 不同灌溉水源适宜性评价指标体系

Full size|PPT slide

2 灌溉水源适宜性评估方法

本文首先对灌溉水源适宜性影响因素进行识别与判断，然后构建灌溉水源适宜性评价指标体系，再利用群体决策熵优法-CRITIC法计算各指标权重，后用TOPSIS法综合评估，最终得出灌溉水源适宜性评价结果。此次在群体决策的基础上，引入一种新型的用于专家算子聚合的平均诱导算子（AIOWA）^[19]，该算子有助于捕捉意见数据相对于共识的分布特征，构建非线性聚合，为专家意见的平均汇集提供了一个新的框架，并且将熵优化模型引入聚合算子中，使得聚合过程更加灵活。灌溉水适宜性评价流程见图2。

Fig.2 Irrigation water suitability evaluation process

图2 灌溉水适宜性评价流程

Full size|PPT slide

2.1 评价指标权重计算

2.1.1 基于群体决策熵优化法的主观权重

群体决策是指全部决策人共同发表意见，并将这些意见按照某种规则组合，依此进行最优方案选择的过程，通常将群体的评价意见作为等权重群体意见的近似估计，但这样的方法忽略了个人之间意见的差异，因此本文提出了一种用于专家算子聚合的诱导有序加权算子，即平均诱导OWA（AIOWA）算子。AIOWA算子将顺序诱导变量定义为每个个体专家的意见相对于群体平均意见的相似性，一次捕捉意见数据相对于共识的分布特征，并构建个人意见的非线性聚合^[19]，提高信息的利用率。在使用AIOWA运算符的聚合过程中有4个步骤。

（1）征求专家意见。邀请数名专家对不同类别和不同指标分别打分。

（2）使用内在信息重新排序，即每个参数与参数平均值之间的相似度。维度为n的AIOWA算子是映射AIOWA：

R^{n} \times R^{n} \to R

，与加权向量

\vec{w} = {(w_{1}, \dots, w_{n})}^{T}

2.1.2 基于CRITIC法的客观权重

CRITIC（criteria importance through intercriteria correlation）是一种综合考虑评价指标的差异信息和两个指标之间的相似信息的指标赋权方法，它对横向相似性大的指标赋予较小的权重，对纵向差异性大的指标赋予较大的权重，最后将横向相似性信息和纵向差异性信息相乘从而对指标赋权^[23]。

在CRITIC客观权重计算过程中，针对归一化矩阵：

M = [m'_{i j}] = [\begin{matrix} m'_{11} & m'_{12} & \dots & m'_{1 n} \\ m'_{21} & m'_{22} & \dots & m'_{2 n} \\ ⋮ & ⋮ & ⋮ \\ m'_{n 1} & m'_{n 2} & \dots & m'_{3 n} \end{matrix}]

（5）

对矩阵 M 中的每一列分别进行标准差运算：

δ_{y} = \sqrt[]{\frac{{\sum_{i = 1}^{m} ({m^{'}}_{i j} - \frac{\sum_{i = 1}^{m} {m^{'}}_{i j}}{m})}^{2}}{m}}, (j = 1,2 \dots, n)

（6）

δ_{y}

是第y组重要性指数的标准差，其代表了各个评价指标重要性指数取值差距的大小。接下来计算第i组和第j组重要性指数数据之间的相关系数

σ_{i j}

：

\begin{matrix} σ_{i j} = \frac{\sum_{x = 1}^{m} (({m^{'}}_{x i} - \frac{\sum_{x = 1}^{m} {m^{'}}_{x i}}{n}) ({m^{'}}_{x j} - \frac{\sum_{x = 1}^{m} {m^{'}}_{x j}}{n}))}{\sqrt[]{\sum_{x = 1}^{m} {({m^{'}}_{x i} - \frac{(\sum_{x = 1}^{m} {m^{'}}_{x i})}{n})}^{2} \sum_{x = 1}^{m} {({m^{'}}_{x j} - \frac{(\sum_{x = 1}^{m} {m^{'}}_{x j})}{n})}^{2}}} \\ (i, j = 1,2 \dots, n) \end{matrix}

（7）

则各权重向量所包含的信息量可由公式表示：

R_{j} = δ_{j} \sum_{i = 1}^{n} (1 - σ_{i j}) (i, j = 1,2 \dots, n)

（8）

第j个权重向量K_j 所对应的CRITIC权重为：

T_{J} = \frac{R_{j}}{\sum_{j = 1}^{y} R_{j}}

（9）

2.1.3 组合权重

通过群体决策熵优化法计算权重

C_{j}

与CRITIC权重

T_{j}

相乘得到权重

W_{j}

，通过归一化处理得到组合权重

H_{j}

，详见公式（10）与（11）。

W_{j} = C_{j} T_{J} (j = 1,2 \dots, n)

（10）

H_{j} = \frac{W_{j}}{\sum_{j = 1}^{n} W_{j}} (j = 1,2 \dots, n)

（11）

2.2 TOPSIS法综合评估

TOPSIS法（Technique for Order Preference by Similarity to Ideal Solution）是对多个对象系统性评价和分析的方法，通过判定评价对象与理想化目标的贴近程度完成优劣排序，常被用于综合评价中通过指标得分排序选出最优方案，关键过程如下：

（1）构建标准化决策矩阵。

θ_{i j} = \frac{x_{i j}}{\sqrt[]{\sum_{k = 1}^{m} x_{k j}^{2}}}

（12）

式中：i=1,2,…,m；j=1,2,…,n；

x_{i j}

为第i个灌溉水源第j个指标的量化值；

θ_{i j}

为i个灌溉水源第j个指标的标准化值。

（2）构建加权决策矩阵。

r_{i j} = H_{j} θ_{i j}

（13）

（3）计算正理想解和负理想解。

第j个指标的正理想解

{r_{j}}^{+}

与负理想解

{r_{j}}^{-}

，下列两式分别表示效益型指标和成本型指标的正负理想解。

{r_{j}}^{+} = m a x (r_{i j}) {r_{j}}^{-} = m i n (r_{i j}) (i = 1,2 \dots, m)

（14）

{R_{j}}^{+} = m i n (r_{i j}) {r_{j}}^{-} = m a x (r_{i j}) (i = 1,2 \dots, m)

（15）

（4）计算每个方案与正、负理想解的距离。

G_{i}^{+} = \sqrt[]{\sum_{j = 1}^{n} {(r_{i j} - {r_{j}}^{+})}^{2}} (i = 1,2 \dots, m)

（16）

G_{i}^{-} = \sqrt[]{\sum_{j = 1}^{n} {(r_{i j} - {r_{j}}^{-})}^{2}} (i = 1,2 \dots, m)

（17）

（5）各方案与理想解的贴近程度及决策。

ε_{i} = \frac{G_{i}^{-}}{G_{i}^{+} + G_{i}^{-}} (i = 1,2 \dots, m)

（18）

ε_{i}

越大，该灌溉水源越接近最优水平。贴近度

ε_{i}

是介于0~1的数值。

ε_{i}

=1时,灌溉水源适宜性程度最高；

ε_{i}

=0时,水源不适宜灌溉。将贴近度

ε_{i}

划分为4个等级标准^[24]，表征不同灌溉水源的适宜性程度（表1）。

Tab.1 Critical criteria for suitability of different irrigation water sources

表1 不同灌溉水源的适宜性评判标准

贴近度 $ε_{i}$	0.00~0.30	0.31~0.60	0.61~0.80	0.81~1.00
适宜程度	不适宜	较适宜	适宜	很适宜

3 应用实例

3.1 研究区概况

研究区位于宁夏回族自治区石嘴山市平罗县的黄河冲积平原，研究区地势低平，由西南向东北倾斜，地面坡降0.15％，受黄河水顶托倒灌影响排水较困难。属于中温带干旱气候，日照充足、温差大、蒸发强烈，降雨量年内分配不均，多年平均降水量为185 mm，降水集中分布在6-9月，约占全年降水总量的75.11%。研究区表层土壤具有明显的平原区河床相二元结构特征，上部为砂壤土夹粉细砂，下部为砂砾卵石层，因受独特的气候条件及人为不合理灌排活动的影响，研究区土壤盐碱化明显，表层土壤容重介于1.346～1.512 g/cm³之间。

近年来，随着对黄河取水量的限制和用水部门对水资源需求量的持续增加，引黄灌区灌溉用水局面紧张，对替代水源的需求日益增长。故基于本文所提出的方法评价研究区3种灌溉水源4-9月不同月份的灌溉适宜性。

3.2 指标权重计算

（1）群体决策熵优化法计算的主观权重。不同灌溉水源适宜性评价指标体系（图1），共有7类，27种指标。通过咨询宁夏水利科学研究院、宁夏水文水资源勘测局石嘴山分局、河海大学等单位的共7个相关专家，对各个指标进行打分。各个指标的打分数据在经过AIOWA运算符的聚合过程中的重新排列参数、确定权重、聚合参数、归一化处理4个步骤后，得出各个指标的主观权重，见表2。

Tab.2 Subjective weights of categories and indicators

表2 各类别及指标的主观权重

类别	指标	AIOWA	C_j	类别	指标	AIOWA	C_j
水文	地下水埋深（C1）	70.826	0.031 89	灌溉水质	矿化度（C15）	87.355	0.039 34
气象	有效降雨量（C2）	76.052	0.034 25		灌溉水pH（C16）	87.261	0.039 30
气象	潜在蒸发蒸腾量（C3）	82.095	0.036 97		钠吸附比（C17）	81.061	0.036 50
土壤特性	土壤盐分含量（C4）	81.636	0.036 76		氯化物浓度（C18）	83.144	0.037 44
	土壤碱化度（C5）	77.429	0.034 87		化学需氧量（C19）	80.761	0.036 37
	土壤饱和含水率（C6）	83.367	0.037 54		灌溉水温（C20）	80.127	0.036 08
	土壤有机质含量（C7）	74.632	0.033 61		悬浮物含量（C21）	87.193	0.039 27
作物特性	作物耐盐阈值（C8）	82.367	0.037 09		氟化物含量（C22）	85.735	0.038 61
作物特性	作物类型（C9）	88.504	0.039 86		挥发酚含量（C23）	84.500	0.038 05
灌排措施	灌溉措施（C10）	85.353	0.038 44		镉元素含量（C24）	86.776	0.039 08
灌排措施	排水措施（C11）	80.570	0.036 28		铬元素含量（C25）	79.044	0.035 60
灌溉水资源	水源可供应量（C12）	87.420	0.039 37		铅元素含量（C26）	88.244	0.039 74
	水源供应及时程度（C13）	78.627	0.035 41		砷元素含量（C27）	81.967	0.036 91
	提水能耗费（C14）	78.555	0.035 38

由表2分析可知，主观权重中最大的类别是作物特性，其次是灌溉水质和灌排措施；最小的类别是水文特征。这说明不同的作物对不同水源的耐受程度在很大程度上决定了水源的适宜性。

（2）CRITIC法计算的客观权重。通过公式（5）～（9）计算黄河水、地下水和农田排水6个月的数据，可以得到不同灌溉水源各指标客观权重趋势，见图3。

Fig.3 Objective weight of each index of different irrigation water sources

图3 不同灌溉水源各指标的客观权重

Full size|PPT slide

结合灌区实际情况，对黄河水影响最强烈的类别是作物特性，其次是灌溉水质；在指标权重占比上，作物类型（C9）为最大，其次为氟化物（C22）。对于地下水影响最强烈的类别是气象，其次是灌溉水质，最后是灌排措施；在指标层面权重最大的是悬浮物含量（C21），最小的是水资源可利用量（C12）。对于排水影响最强烈的类别是水文；指标层面上，位列第一的为作物类型（C9），其次是水费（C14），最后是pH（C16）。

据图3，不同灌溉水源在不同指标中的客观权重取值区别较大，但个别指标如作物类型（C9）在黄河水和排水所占权重极为相近，且占比都位列第一；3种水源在灌溉水质指标（C15-C27）上都展示出部分水质指标权重较大。

（3）组合权重。根据公式（10）与（11），得到不同灌溉水源的组合权重，见图4。

Fig.4 The combination weight trend of each index of different irrigation water sources

图4 不同灌溉水源各指标的组合权重趋势

Full size|PPT slide

结合实际情况，作物特性是黄河水能否作为灌溉水源的最重要的影响因素，其次是灌溉水质，可能是由于黄河水具有含盐量少、有毒有害物质含量少等特点，因此决定灌溉适宜性的主动权在于所灌溉的作物特性，其中最重要的指标为作物类型（C9）。土壤特性是地下水能否作为灌溉水源的最重要的影响因素，其次是灌溉水质。在灌溉水质中最重要的指标是灌溉水质中的悬浮物（C21）含量。对农田排水来说，灌溉水质是农田排水能否作为灌溉水源的最重要的影响因素，可见若要用排水灌溉，需要密切关注其水质的走向，最重要的指标是作物类型（C9），其次是悬浮物（C21）含量。

图3与图4中3种水源各指标的客观权重与组合权重的走向近乎一致，也有个别指标如土壤有机质含量（C7）、作物类型（C9）、钠吸附比（C17）等体现差异，这表明指标的组合权重经过群体决策熵优法-CRITIC法，融合主客观权重的各个优势，能较为准确地得计算出贴近实际的结果。

3.3 灌溉水适宜性评价结果

通过TOPSIS法，运用公式（12）~（18）计算出3种灌溉水源的贴近程度值，见表3。

Tab.3 The closeness degree and order of different irrigation water sources from April to September

表3 不同灌溉水源4-9月的贴近程度值

月份	黄河水		地下水		农田排水
月份	$ε_{i}$	排序	$ε_{i}$	排序	$ε_{i}$	排序
4	0.383 1	6	0.241 2	6	0.584 3	1
5	0.554 0	3	0.710 0	1	0.327 9	6
6	0.637 7	1	0.337 2	5	0.508 2	2
7	0.532 3	4	0.485 8	2	0.503 7	3
8	0.583 7	2	0.376 3	3	0.431 9	4
9	0.427 2	5	0.344 0	4	0.380 8	5

基于表3的不同灌溉水源4-9月的贴近程度值，再对照表1，绘制出3种水源的灌溉适宜性热力图（图5）。

Fig.5 Irrigation suitability of different water sources

图5 不同水源灌溉适宜性热力图

Full size|PPT slide

结果表明，平罗县黄河水4-9月均适宜灌溉，6月最为适宜，可能是由于黄河水灌溉水质较好，在黄河流域是较为适宜灌溉的水源。4月地下水不适宜作为灌溉水源，5-9月均适宜，可能是由于4月平罗县入春，春季干燥，升温快，使对地下水灌溉适宜性影响最大的土壤特性发生较大的变化，致使其不满足灌溉需求。而平罗县农田排水4-9月的相对贴近程度均处在0.31～0.80的范围内，均适宜作为灌溉水源进行灌溉。综上，5-9月，3种水源皆适宜作为灌溉水源灌溉，而在4月，由于气候变化，各水源各指标的反应程度不同，从而导致3种水源的灌溉适宜程度不同。

4 结论

本文考虑了灌溉水源可供应量、供应及时程度、水温、提水能耗费及土壤碱化度对农田灌溉的影响，在既往研究的基础上构建了灌溉水适宜性评价指标体系，通过引入群体决策熵优法和CRITIC法分析每个指标的主观权重和客观权重，结合TOPSIS模型进行评估，综合考虑了专家意见和不同灌溉水源的实际情况，降低了主观因素对权重的影响，使权重结果更加符合实际，能够便捷地得出不同灌溉水源不同时间的灌溉适宜性。以宁夏银北灌区作为研究对象，分析了平罗县黄河水、地下水和农田排水的在主要作物生育期内（4-9月）的灌溉适宜程度。结果表明，不同时期不同的灌溉水源灌溉适宜程度有所差别，黄河水及农田排水的灌溉适宜程度较好；地下水灌溉水源由于受水质的影响较大，5月“不适宜”灌溉，若需要利用当地浅层地下水作为灌溉水源，有必要实时监测地下水的水质动态变化并进行合理调控。

综上，本文构建的灌溉水源适宜性评价指标体系及引入的群体决策熵优法-CRITIC法能较为准确地评估干旱、半干旱区可利用水源的灌溉适宜性。然而，本文仅针对宁夏银北灌区黄河水、地下水及农田排水的单一水源利用进行评估，未考虑作物生长季多种水源联合利用的情况。并且此方法面临由于需要采集各时期多类指标数据以及多位不同领域的专家打分，前期准备难度较大，评价过程步骤较多，计算较为复杂的问题。未来可进一步探究适用于多水源联合灌溉的适宜性评价方法，以期为灌区科学合理利用水资源，提高水资源利用效率提供理论支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within

1	杨晓占, 冯文林, 冉秀芝. 新能源与可持续发展概论 [M]. 重庆：重庆大学出版社, 2019. 本文引用 [1]

2	李泽岩, 曹文庚, 王卓然, 等. 内蒙古河套灌区浅层地下水化学特征和灌溉适宜性分析 [J]. 现代地质, 2022, 36(2): 418-426. LI Z Y, CAO W G, WANG Z R, et al. Hydrochemical characterization and irrigation suitability analysis of shallow groundwater in Hetao irrigation district, Inner Mongolia[J]. Geoscience, 2022, 36(2): 418-426. 本文引用 [1]

田志强, 王霞, 徐红梅. 基于水质适宜性的河套灌区夏灌期农田排水资源灌溉利用评价 [J]. 农业技术与装备, 2022(1): 86-89, 91.

TIAN

Z Q

, WANG

, XU

H M

. Irrigation evaluation of farmland drainage resources based on water quality suitability in the Hetao irrigation area during summer irrigation period[J]. Agricultural Technology & Equipment, 2022(1): 86-89, 91.

唐金平, 胡漾, 张强, 等. 湔江冲洪积扇地下水氮分布特征及灌溉用水适宜性评价 [J]. 中国农村水利水电, 2019(10): 28-33.

TANG

J P

, HU

, ZHANG

, et al. Characteristics of groundwater nitrogen distribution and suitability evaluation of irrigation water in alluvial-diluvial fan of Jianjiang River[J]. China Rural Water and Hydropower, 2019(10): 28-33.

本文引用 [1]

5	MOGHADAM M H N, NASAB S B, ALBAJI M. Land suitability evaluation for different irrigation systems in Pashmineh Zar Plain, Iran [J]. Research on Crops, 2009, 10(3): 598-606. 本文引用 [1]

6	NASERI A A, ALBAJI M, SAHOTI G R K, et al. Investigation of soil quality for different irrigation systems in Baghe Plain, Iran [J]. Journal of Food Agriculture & Environment, 2009, 7(2): 713-717.

7	ECHRESH F, HASSUNIZADEH H, NASAB S B, et al. Land suitability evaluation for different irrigation systems in the Zaviehha plain, Iran [J]. RESEARCH ON CROPS, 2010, 11(2): 545-552. 本文引用 [1]

8	HAGOS Y G, MENGIE M A, ANDUALEM T G, et al. Land suitability assessment for surface irrigation development at Ethiopian highlands using geospatial technology [J]. Applied Water Science, 2022, 12(5). 本文引用 [1]

9	HALDER S, DAS S, BASU S. Land suitability analysis using a multicriteria decision-making approach for optimal irrigation in a medium irrigation scheme in West Bengal, India [J]. Irrigation and Drainage, 2023,1-12. 本文引用 [1]

10	曲丽英.闽江流域洪涝风险区划快速评估研究[J].中国农村水利水电, 2023(10):30-37, 46. QU L Y, Research on the rapid ass-essment of flood risk zoning in the Minjiang Basin[J]. China Rural Water and Hydropower, 2023(10): 30-37, 46. 本文引用 [1]

11	卞华民,李贺.改进云模型在宜兴入太湖河流断面水质评价中的应用[J].中国农村水利水电, 2022(7): 67-72, 81. BIAN H M, LI H, Application of improved cloud model in water quality evaluation of river cross-sections into Taihu Lake in Yixing[J]. China Rural Water and Hydropower, 2022(7): 67-72, 81. 本文引用 [1]

张智, 杨志, 黎景来, 等. 基于灰色关联与TOPSIS耦合模型的甜瓜水肥灌溉决策 [J]. 农业机械学报, 2021, 52(9): 302-311, 330.

ZHANG

, YANG

, LI

J L

, et al. Water and fertilizer irrigation decision of melon based on grey relation analysis and TOPSIS coupling model[J]. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(9): 302-311, 330.

本文引用 [1]

13	王少丽, 刘大刚, 许迪, 等. 基于模糊模式识别的农田排水再利用适宜性评价 [J]. 排灌机械工程学报, 2015, 33(3): 239-245. WANG S L, LIU D G, XU D, et al. Assessment of suitability of farmland drainage water reuse based on fuzzy pattern recognition[J]. Journal of Drainage and Irrigation Machinery Engineering, 2015, 33(3): 239-245. 本文引用 [2]

14	刘大刚, 王少丽, 许迪, 等. 农田排水资源灌溉利用适宜性评价指标体系研究 [J]. 灌溉排水学报, 2013, 32(2): 93-96. WANG S L, LIU D G, XU D, et al. Evaluation index system of the suitability of drainage water for irrigation in agriculture[J]. Journal of Irrigation and Drainage, 2013, 32(2): 93-96. 本文引用 [2]

15	史晓杰, 张永庭, 吴加敏. 宁夏银北地区灌溉水资源的合理利用 [J]. 农业科学研究, 2006(4): 5-8. SHI X J, ZHANG Y T, WU J M, et al. Rational utilization of the water resources for irrigation in the northern area of Ningxia[J]. Journal of Agricultural Sciences, 2006(4): 5-8. 本文引用 [1]

16	周志远. 农田水利学 [M]. 北京: 水利电力出版社, 1993. 本文引用 [1]

王振华, 武小荻, 王天宇, 等. 灌溉时段及水温对膜下滴灌棉花生长及产量的影响 [J]. 排灌机械工程学报, 2022, 40(10): 1 040-1 047.

WANG

Z H

, WU

X D

, WANG

T Y

, et al. Effects of irrigation timing and water temperature on cotton growth and yield under mulched drip irrigation[J]. Journal of Drainage and Irrigation Machinery Engineering, 2022, 40(10): 1 040-1 047.

本文引用 [1]

18	欧阳真. 沅江市耕地质量和耕地产能评价研究 [D]. 武汉：华中师范大学, 2018. OUYANG Z. Study on cultivated land quality and farmland productivity evaluation in the county of Yuanjiang[D]. Wuhan: Central China Normal University, 2018. 本文引用 [1]

19	CHUNLI J, XIWEN L, WENJUN Z. Development of new operators for expert opinions aggregation: Average‐induced ordered weighted averaging operators [J]. International Journal of Intelligent Systems, 2020, 36(2): 997-1 014. 本文引用 [2]

20	HAGAN M O. Aggregating Template Or Rule Antecedents In Real-time Expert Systems With Fuzzy Set Logic[C]// proceedings of the Twenty-Second Asilomar Conference on Signals, Systems and Com-puters, F 31 Oct.-2 Nov. 1988, 1988 [C]. 本文引用 [1]

21	YAGER R R. On ordered weighted averaging aggregation operators in multicriteria decisionmaking [J]. IEEE Transactions on Systems, Man, and Cybernetics, 1988, 18(1): 183-190. 本文引用 [2]

22	KIM E Y, AHN B S. Implicit elicitation of attitudinal character in the OWA operator [J]. International Journal of Intelligent Systems, 2018, 33(2). 本文引用 [1]

23	贺玉德, 马祖军. 基于CRITIC-DEA的区域物流与区域经济协同发展模型及评价：以四川省为例[J]. 软科学, 2015, 29(3): 102-106. HE Y D, MA Z J. Study on CRITIC-DEA for regional logistics and regional economic coordinated development model and evaluation：A case study of Sichuan Province[J]. Soft Science, 2015, 29(3): 102-106. 本文引用 [1]

鲁春阳,文枫,杨庆媛,等. 基于改进TOPSIS法的城市土地利用绩效评价及障碍因子诊断: 以重庆市为例[J]. 资源科学, 2011, 33(3): 535-541.

C Y

, WEN

, YANG

Q Y

, et al. An evaluation of urban land use performance based on the improved TOPSIS method and diagnosis of its obstacle indicators: A case study of Chongqing[J]. Resources Science, 2011, 33(3): 535-541.

本文引用 [1]

PDF(1603 KB)

365

Accesses

Citation

Detail

Sections

Recommended

Abstract
Key words
Cite this article
0 引言
1 不同灌溉水源适宜性评价指标体系
Fig.1 Suitability evaluation index system of different irrigation water sources
2 灌溉水源适宜性评估方法
Fig.2 Irrigation water suitability evaluation process
2.1 评价指标权重计算
2.1.1 基于群体决策熵优化法的主观权重
2.1.2 基于CRITIC法的客观权重
2.1.3 组合权重
2.2 TOPSIS法综合评估
Tab.1 Critical criteria for suitability of different irrigation water sources
3 应用实例
3.1 研究区概况
3.2 指标权重计算
Tab.2 Subjective weights of categories and indicators
Fig.3 Objective weight of each index of different irrigation water sources
Fig.4 The combination weight trend of each index of different irrigation water sources
3.3 灌溉水适宜性评价结果
Tab.3 The closeness degree and order of different irrigation water sources from April to September
Fig.5 Irrigation suitability of different water sources
4 结论
References

Received	Accepted	Published
2023-12-06	2024-02-07	2024-05-10
Online
2024-05-28

Please choose a citation manager

Content to export

Abstract

Key words

Cite this article

0 引言

1 不同灌溉水源适宜性评价指标体系

Fig.1 Suitability evaluation index system of different irrigation water sources

2 灌溉水源适宜性评估方法

Fig.2 Irrigation water suitability evaluation process

2.1 评价指标权重计算

2.1.1 基于群体决策熵优化法的主观权重

2.1.2 基于CRITIC法的客观权重

2.1.3 组合权重

2.2 TOPSIS法综合评估

Tab.1 Critical criteria for suitability of different irrigation water sources

3 应用实例

3.1 研究区概况

3.2 指标权重计算

Tab.2 Subjective weights of categories and indicators

Fig.3 Objective weight of each index of different irrigation water sources

Fig.4 The combination weight trend of each index of different irrigation water sources

3.3 灌溉水适宜性评价结果

Tab.3 The closeness degree and order of different irrigation water sources from April to September

Fig.5 Irrigation suitability of different water sources

4 结论

{{custom_sec.title}}

{{custom_sec.title}}

References

Please choose a citation manager

Content to export

Abstract

Key words

Cite this article

0 引 言

1 不同灌溉水源适宜性评价指标体系

Fig.1 Suitability evaluation index system of different irrigation water sources

2 灌溉水源适宜性评估方法

Fig.2 Irrigation water suitability evaluation process

2.1 评价指标权重计算

2.1.1 基于群体决策熵优化法的主观权重

2.1.2 基于CRITIC法的客观权重

2.1.3 组合权重

2.2 TOPSIS法综合评估

Tab.1 Critical criteria for suitability of different irrigation water sources

3 应用实例

3.1 研究区概况

3.2 指标权重计算

Tab.2 Subjective weights of categories and indicators

Fig.3 Objective weight of each index of different irrigation water sources

Fig.4 The combination weight trend of each index of different irrigation water sources

3.3 灌溉水适宜性评价结果

Tab.3 The closeness degree and order of different irrigation water sources from April to September

Fig.5 Irrigation suitability of different water sources

4 结 论

{{custom_sec.title}}

{{custom_sec.title}}

References

0 引言

4 结论