覆膜集雨滲灌系統在半干旱區土壤水分監測中的應用

馮 娜, 張維江,2,3, 李 娟,2,3, 馬 芳,姜瑞洋, 李偉建, 黃 艷, 丁 廣, 姜茂付, 王旭東

(1.寧夏大學 土木與水利工程學院, 寧夏 銀川 750021; 2.寧夏節水灌溉與水資源調控工程技術研究中心,寧夏 銀川 750021; 3.旱區現代農業水資源高效利用教育部工程研究中心, 寧夏 銀川 750021)

土壤水分是植物所需水分的重要來源，是土壤的重要參數之一，土壤水分的含量[1]及變化關系到整個植物的生長及果實的發育，對土壤水分各個特性的研究為模擬土壤水分分布等其他領域提供了基礎信息。隨著科技的不斷發展與進步，土壤水分的監測手段更加智能化、自動化[2]。國內外許多專家學者基于土壤水分空間變異性[3-4]和時間穩定性[5-6]等各種方法對不同灌溉方式和不同農作物的土壤水分監測點數量[7]、位置[8]、布設方法[9]進行了廣泛研究，對區域土壤水分監測點的布設提供了寶貴的理論依據。起壟覆膜[10]集雨滲灌技術針對半干旱、干旱地區無效降水[11]無法到達作物根系、蒸滲損失大、降水有效利用率低等特點，通過覆膜集流滲灌對作物實施根系區域補水，提高作物土壤水分利用效率[12]。目前對于起壟覆膜集雨滲灌技術下的土壤水分監測點的布設研究較少，本文以寧夏回族自治區固原市原州區彭堡鎮紅梅杏經濟林為研究對象，監測其不同位置的土壤含水量情況，研究其土壤含水量的時空[13]分布特征，并基于時間穩定性選取合理代表監測點[14]，構建各監測點土壤水與代表樣點間的關系。在保證一定精度的條件下，用少量監測點來反映紅梅杏根區土壤含水量的概況，降低土壤水分傳感器成本，為半干旱區果園水分管理提供了科學支撐，具有一定的科學意義。

1 材料與方法

1.1 試驗地概況

試驗地點位于寧夏回族自治區固原市原州區(106°13′E， 36°14′N[15])彭堡鎮，地處寧夏南部，六盤山東北麓，黃土高原中西部，區域內山多川少，為內陸暖溫帶半干旱氣候，年平均降水量300～500 mm，年平均蒸發量800～1 200 mm，多年平均氣溫6.75 ℃，多年平均日照時2 250～2 700 h，無霜期144 d。該區域的土質組成質地較為單一、土層較為深厚、地下水埋深較淺。土壤機械組成詳見表1。試驗所需觀測紅梅杏樹樹齡均為4 a，林相整齊，單株差異較小。

表1 試驗地土壤機械組成

1.2 田間布置

覆膜集雨滲灌技術是以主干[16]為中心，沿果樹行向[17]在樹干兩側100 cm各覆蓋0.01 mm厚的黑色地膜[18]，在距樹干兩側50 cm處各埋置滲灌器，滲灌器埋設位置頂部較四周田面低，利于集水。滲灌器為自主創新研發，滲灌器底部直徑為14 cm，頂部直徑為16 cm，高為35 cm，頂部封口并打孔，滲灌器器身距頂部5 cm，底部5 cm，中間全打孔。埋置土壤水分傳感器的方式為：水平方向以滲灌器頂部邊緣處為觀測原點，滲灌器頂部邊緣延長線為基準線，向遠離樹干徑向延伸；垂直方向以滲灌器頂部邊緣為觀測原點，滲灌器垂向邊緣切線為基準線，向地表以下方向延伸，傳感器按10 cm×10 cm呈網格狀布置，共30個監測點，監測點第一層L10D10(L代表橫向，D代表縱向)為1號點，依次按遠離滲灌器方向為2，3，4，5號點，第2層為6—10號，其他層以此類推。

1.3 數據采集與分析

(1) 降雨量的測定。在紅梅杏樹附近的空曠地設置翻斗式雨量計，每次降雨后雨量計所得數據即為天然降雨量。

(2) 土壤體積含水量的測定。采用EC5土壤水分傳感器測定，設定為每1 min記錄1次，數據采集使用EM50記錄儀。

(3) 用Excel 2016對所得土壤體積含水量數據進行處理，用SPSS 25進行統計分析，用Origin 2 017進行繪圖。

本次試驗采用2019年9月22—26日共5 d數據，其中22日為降雨前1 d，23日為降雨日，累計降雨量為20 mm，24—26日為降雨后3 d，期間無降雨。

2 結果與分析

2.1 土壤體積含水量分布特征

圖1為豎直剖面降雨前1 d，降雨日、降雨后3 d土壤水分的分布情況。從圖1可以看出,分析時段內，不同深度處土壤含水量的分布特征基本一致[19]，含水量由率先入滲點30 cm向上向下均呈先增大后減小[20]趨勢，在20—40 cm深度范圍內達到最大；相比降雨前，在降雨歷時范圍內，土壤含水量在各個深度處均有顯著的增加；隨著雨后時間的延長，整個果樹周圍土壤水分含量逐漸減小；分析時段內，不同徑距土壤含水量的分布特征也基本一致，含水量隨著徑距的增加先增大后減小，在20—40 cm徑距范圍內達到最大；相比降雨前，在降雨歷時范圍內，土壤水含量在各個徑距處均有顯著的增加；隨著雨后時間的延長，土壤水進行再分布，各個徑距處土壤含水量逐漸減小。表2為整個分析時段內土壤含水量在不同深度處的分布特征。從表2可以看出，各層土壤水分的穩定性有所差異；由率先入滲點30 cm處往上土壤水分變異程度逐漸減小，土壤水分逐漸趨于穩定；往下變異程度先增大后減小，40—50 cm深度范圍內，土壤水分變異程度最大，表明該部分土壤中的水分最為活躍，這與此范圍內土壤含水量較小和根系分布較密有關。表3為整個分析時段內土壤含水量在徑向的分布特征。從表3可以看出，各個徑距處土壤水分的穩定性也有所差異：整體上距離滲灌器越遠，土壤水分的變異程度越小，即越穩定。綜上，覆膜集雨滲灌條件下土壤水分的空間變異性是各尺度[21]上各種復雜因素和過程綜合作用的結果[22]。

圖1 土壤含水量分布特征

表2 不同深度土壤含水量分布特征

2.2 土壤水分徑向監測點的布設研究

將深度0—60 cm的土壤分為6層，每10 cm為1層，由時間穩定性特征選取徑向代表樣點，根據劉玉嬌[14]和朱緒超[23]等的研究，土壤水分的時間穩定性計算公式為：

(1)

(2)

(3)

對各監測點在分析時段內的土壤含水量進行時間穩定性[24]分析，結果如圖2所示。土壤平均含水量相對偏差主要分布在-0.3～0.3之間，濕潤區22，13，12，26，1，11號和干旱區30，15，10，2，19號的Sδi<0.15，時間穩定性較好；9，8，5，18，4，27號的Sδi>0.25，時間穩定性較差；其余點的Sδi在0.15～0.25之間，時間穩定性一般。在所有監測點中，11號監測點代表最濕潤，22號時間穩定性最好，30號最干旱，9號時間穩定性最差，21號最接近該層的平均土壤含水量但是穩定性較差，22號與21號在同一層且時間穩定性最好，故橫向代表測點選22號。

表3 不同徑距土壤含水量分布特征

圖2 各測點平均土壤含水量的相對偏差排序

2.3 垂向監測點的布設研究

因為22號監測點最穩定且較濕潤，同時考慮到土壤水分傳感器探頭的長度(5 cm)，故選定22號(L20D50)的垂向(0—60 cm)各測點土壤含水量數據來反映根區土壤水分狀況。

2.3.1 相關性分析 由分析時段內的數據分析L20各監測點的土壤含水量之間的相關關系，結果詳見表4。由表4可知，L20各深度土壤含水量之間存在一定的相關關系，除第3層與第4層的相關性較小外，其他相鄰兩層間土壤含水量的相關系數都大于0.7。相關系數為負一是由于隨著降雨量的增加，滲灌器中的積水在深度30 cm處開始入滲，濕潤鋒不斷向上下兩側推進，加之重力作用，在入滲過程中濕潤鋒向上推進速率比向下推進要小，二是由于果樹的根系分布的影響，從而使某幾層土壤含水量呈現負相關。其他土層間相關系數絕對值均在0.4以上。其中，第5層和第6層相關性最高，達到0.996。因此在布設監測點時，可以適當拉大監測點的布設間距，從而減少布設個數，使0—60 cm土層中各層的土壤含水量狀況可以用某幾層來反映。

表4 L20不同深度土壤體積含水量相關系數

2.3.2 聚類分析 利用相關分析所得出的結果，以L20垂向每個埋深處的土壤含水量作為一個變量，可得到6個變量，分別為D10，D20，D30，D40，D50，D60，利用R聚類分析對這6個變量進行分類。R型聚類分析將變量數據集自身作為1類，然后根據不同變量之間相似度或距離進行合并，合并后重新計算類間距離，直到將所有變量歸為一類。本文選用歐氏距離最短距離法[25]分析L20處各深度的土壤含水量數據。圖3為各深度處土壤含水量聚合過程譜系圖，由圖3可知，代表第1層、第5層、第6層處土壤水分的變量首先合并在一起，說明這3層的土壤含水量變量距離最小，所以可以考慮減少這3層的傳感器的埋設數量。當6層土壤含水量狀況被劃分為2類時，第4層和其余的土層就是兩大類;分為3類時，第2層和第3層的土壤含水量分為第1類，代表率先入滲時土壤含水量情況，考慮到滲灌器初始入滲點為30 cm處即第3層，故此處布設一個監測點；第4層為第2類，代表中層土壤含水量情況，且為根域層，此處布設一個監測點；第3類為第5層和第6層的土壤含水量，代表深層土壤含水量情況，在第6層處設置一個監測點;以此類推，分類數目越大，歸類越詳細，需要布設的監測點越多，傳感器的需求量也就越大。綜上所述，在0—60 cm范圍內，只需在第3層，第4層，第6層處埋設3個土壤水分傳感器即可。

圖3 6個深度土壤水分的聚類譜系圖

2.4 平均土壤含水量預測模型建立

采用整個分析時段測得的土壤體積含水量數據，建立： ①第1—3層(10—30 cm)平均土壤含水量與L20D30測點含水量回歸模型； ②第5—6層(50—60 cm)平均土壤含水量與L20D60測點含水量回歸模型，模型表達式分別為：

Y=1.109X-0.067

(4)

式中：Y為1—3層(10—30 cm)土壤體積含水量均值；X為L20D30測點的土壤體積含水量的實測值。

Y=1.427X-0.070

(5)

式中：Y為第5—6層(50—60 cm)土壤體積含水量均值；X為L20D60測點的土壤體積含水量的實測值。對回歸方程進行顯著性檢驗，結果詳見表5。

表5 10-30 cm和50-60 cm相關回歸系數的顯著性檢驗

2.5 預測模型驗證

根據上述預測模型和雨量計記錄的數據，選取2019年10月23—27的土壤體積含水量數據(10月24日為降雨日，前1 d后3 d無降雨)進行預測，并與實測值進行比較，以檢驗模型的精確度與可靠性。從降雨開始前到降雨后3 d每隔10 h選取1個數據，共10個數據，第1個數據作為0時。從表6中可知，將L20D30,L20D60測點的回歸值分別與30，60 cm深度土壤含水量實測值比較，絕對誤差率在±5%以內；回歸值與實測平均值相對誤差在±5%以內，誤差較小，符合實際要求，說明L20D30,L20D60點的實測值可以估算10—30，50—60 cm深度土壤含水量。

表6 模型預測和實測的土壤含水量對比

3 結 論

(1) 整個分析時段內，土壤含水量的垂向和徑向分布特征基本一致，水分含量在垂向和徑向均先增大后減小。垂向由率先入滲點30 cm處往上土壤水分變異系數逐漸減小，往下變異系數先增大后減小；徑向整體上距離滲灌器越遠，土壤水分的變異系數越小。

(2) 通過相關性分析，除第3層與第4層的相關性較小外，其他相鄰兩層間土壤含水量的相關系數均在0.7以上；利用聚類分析得出，只需在L20處的第3層(30 cm)，第4層(40 cm)，第6層(60 cm)處各埋設1個土壤水分傳感器。

(3) 利用線性回歸模型分析，并采用各監測點數據與模型預測值進行對比，絕對誤差率在±5%內；模型預測值與相應代表層的平均值進行對比，相對誤差率±5%內。這說明L20D30，L20D60處的含水量分別可以反映10—30 cm和50—60 cm處的含水量情況。