大型噴灌條件下馬鈴薯田間土壤含水率空間變異特征及合理采樣數研究

2020-06-15 09:33:34張建豐熊思源張瑞晞

水土保持通報 2020年2期

李濤, 張建豐, 熊思源, 張瑞晞

(西安理工大學水利水電學院, 陜西西安 710048)

西北地區水資源稀缺，灌溉水有效利用率低。該地區土質疏松，日照時數長，晝夜溫差大，有利于植物光合產物的積累，適于馬鈴薯的種植。由于自然條件下，田間土壤質地一般具有空間變異性，同時由于灌溉水分在空間分布上也不完全均勻，導致了土壤含水率的時空變異性[1]。本文對比研究了馬鈴薯主要生育期內灌溉前后干旱沙漠地區田間土壤水分的空間變異性及動態變化，了解該土壤水分空間運動和分布，對改善田間管理，緩解該區域水資源緊張、農業水利技術的應用有著重要意義[2-5]。在水文與土壤學領域中，關于土壤含水率的時空變異已做了許多研究。Famiglietti等[6]探討了山坡表層土壤含水率的空間變異性及其影響因素，并認為Austin坡面土壤含水率的變異性主要受到地形和土壤屬性的聯合影響。蔣超等[7]研究了在沙壟不同位置的土壤含水率的空間變異性，結果表明土壤水分的結構性變異占總變異的大部分。Andrew等[8]通過田間試驗發現，土壤含水率的空間變異性與平均土壤含水率呈正相關。而Fitzjohn等[9]研究了徑流和侵蝕條件下流域內土壤含水率的時空變異性，發現土壤含水率的空間變異程度會隨著平均土壤含水量升高而降低。Petrone等[10]發現土壤含水率的空間結構在干和濕的情況下不同。王改改[11]等研究了四川盆地丘陵區土壤含水率的空間變異性，土壤含水率的垂向變異系數隨深度的增加而減小。Minha Choi[12]等采用遙感技術研究作物根區土壤含水率的變化情況，結果表明表層土壤水分在較低的情況下是對數正態分布，在較高的情況下是正態分布，而根系層土壤含水率均為正態分布。Brocca[13]等研究了一個小流域土壤含水率的時空變異特性，土壤含水率空間分布的離散性隨平均土壤含水率的增加而降低。農田中土壤含水率的空間變異性越大，為了較準確獲得一個區域內某一土壤屬性的平均值所需的采樣點數越多。目前不同尺度土壤屬性的合理采樣數的研究是國內外熱點問題。Liao等[14]對太湖流域一個山坡的土壤含水率空間變異特性進行了分析，并采用平均聚類分析法得到40個隨機取樣點可以得到這個區域的較準確的平均含水率。Wang等[15]發現山西平朔地區一個0.44 km2露天煤礦的0—80 cm深度的土壤中有機質含量的合理采樣數量約為40個取樣點。齊雁冰等[16]發現縣域尺度土壤有機質合理采樣數最少為2 213個，一個采樣單元的面積最大為17.8 hm2。謝寶妮等[17]采用Cochran 法研究得出在置信水平為95%、相對誤差為5%的條件下，白水縣內土壤中有效磷、堿解氮和速效鉀所需合理樣本數分別為526，279和256個。綜上所述，此前學者對自然條件下流域尺度土壤含水率變異特性及合理取樣數都進行了大量的研究，但近些年對大型噴灌條件下馬鈴薯田間土壤水分空間變異特性及合理取樣數影響的研究較少。鑒于此，本文采用經典統計學和地統計學相結合的方法，以大型噴灌條件下馬鈴薯農田土壤含水率為研究對象，主要探究內容包括： ①噴灌前后土壤含水率的空間變異特性及空間分布特征； ②噴灌前后獲得田間平均土壤含水率的合理采樣點數；研究結果將為大型噴灌條件下精準灌溉制度的制定提供科學的參考依據，為該地區提高馬鈴薯灌溉水分利用效率及節約水資源的具有重要意義。

1 材料與方法

1.1 研究區概況

馬鈴薯種植基地位于陜西省榆林市榆陽區管轄范圍(38°09′06.11″N，109°00′23.73″E，海拔高度1 183 m)，屬于黃土高原丘陵溝壑過渡地帶，干旱半干旱風沙性氣候。年均溫6.0～8.5 ℃，年降水量250～440 mm，集中于7—9月，占全年降水60%～75%。降水年際變率大，多雨年為少雨年2～4倍，常發生旱災和澇災，且旱多于澇。該基地的土壤是沙丘平整后覆蓋8 cm 壤土的沙壤土，與下層沙土充分混合，種植面積28.26 hm2。試驗地2016年馬鈴薯品種為荷蘭薯，5月上旬種植，8月底殺秧收獲，生長期115 d。2017年馬鈴薯品種為夏波蒂，4月下旬種植，9月中旬殺秧收獲，生長期155 d。馬鈴薯壟向為南北走向，播種密度為49 500株/hm2，株距20 cm，行距80 cm。灌溉采用大型指針式噴灌機，噴灌半徑300 m，灌水定額為11 mm，灌水周期平均約3 d，2016年灌溉定額為429 mm，2017年灌溉定額為473 mm，田間的土壤顆粒組成詳見表1。2016年和2017年馬鈴薯生育期內的累積降雨量分別為631.88和528.55 mm，2 a均屬于豐水年，降雨量在生育期內具體分布如圖1所示。

圖1 研究區2016-2017年馬鈴薯生長期內降雨量

1.2 試驗設計與數據采集

根據地統計學原理并參考相關文獻中取樣點的布置方式[2-5,8-11]，試驗中，以噴灌機基座為圓點，在夾角45°的8條半徑上以間隔25 m的距離均勻的布置96個固定采樣點和20個隨機采樣點，共計116個采樣點，如圖2所示。利用TDR水分傳感器(大連祺峰，SMS-Ⅱ-100)測定各月份116個采樣點灌溉前后0—20 cm，20—40 cm土壤體積含水率，并用烘干法測定質量含水率對其進行校正；研究區域土壤類型為沙壤土，試驗初期對采樣點0—20 cm，20—40 cm土樣進行取樣，經風干、過2 mm 篩后采用Mastersizer 2000型激光粒度儀測定樣品顆粒組成(表1)。

表1 馬鈴薯田間各土層土壤粒徑組成 %

1.3 數據分析方法

1.3.1 地統計分析地統計分析是基于區域化理論基礎的一種空間變量變異性分析方法,本文采用半方差函數分析噴灌條件下采樣空間內的土壤含水率的空間依賴性，半方差函數為：

(1)

式中：γ(h)表示采樣空間內相距為h兩點間的平均方差；N(h)表示在采樣空間上具有相同間隔距離h的點對數量；Z(xi)，Z(xi+h)表示土壤含水率在空間位置xi與xi+h上的測量值。

1.3.2 經典統計學確定合理采樣數傳統統計學一般用Cochran提出的針對隨機取樣而構建的最佳取樣數量，計算公式為：

(2)

式中：N為需要的采樣數；Cv為土壤含水率的變異系數；t為各顯著性水平對應的t氏分布值；d為估算精度。

1.3.3 克里格插值確定合理采樣數采用均方根誤差(RMSE)和相關系數(R)對插值精度進行評價，計算公式為：

(3)

(4)

式中：Y(Xi)，Y*(Xi)為土壤含水率的實測值和預測值，RMSE值越小，預測值越接近實測值; Cor(Y,Y*)為實測值和預測值的協方差； var[Y]，var[Y*]為實測值和預測值的方差，相關系數R越大，預測誤差就越小，精度就越高。試驗隨機選取29，42，58，87，116個采樣點進行克里格插值，分析不同采樣數下的土壤含水率的預測精度，確定噴灌條件下土豆地土壤含水率的合理采樣數目。

2 結果與討論

2.1 土壤含水率常規統計分析

表2顯示了不同時期0—20 cm與20—40 cm土壤體積含水率的統計特征值。由表2可知，2016年土壤平均含水率變化范圍分別為8.28%～16.12%，變異系數Cv變化范圍為20.55%～28.31%。2017年土壤平均含水率最小值為7.61%，出現在8月21日灌溉前0—20 cm土層，最大值14.65%出現在9月12日灌溉后20—40 cm土層，變異系數變化范圍為16.47%～28.55%。兩年中土壤含水率變異系數較為一致，均表現為中等程度的變異性，這表明馬鈴薯各生育階段灌水前后田間水分的空間分布均表現為中等程度的不均勻性，這與戚春華[18]在毛烏素沙漠噴灌種植紫花苜蓿的研究結果相一致。對比兩土壤層次土壤含水率的變異性大小，可知20—40 cm土層深度的變異性略高于0—20 cm的土層。由于研究區處于沙漠地區，日蒸發量較大。在20—40 cm土層馬鈴薯根系密度最大，存在較多的水分橫向移動，使得20—40 cm土層變異系數略大，這與趙文舉[19]等研究結果相似。對比灌水前后，灌溉后土壤含水率變異系數均小于灌水前，主要原因是噴灌機的噴灌均勻度經實測兩年分別為達到了79%與81%，噴灌水分在空間分布比較均勻一定程度的中和了田間土壤含水率的變異性，灌溉后由于田間的結構因素及隨機因素使得田間土壤含水率的差異越來越大。這與李寶富、李芳松等的研究結果相一致[20-21]。

表2 研究區2016與2017年土壤含水率描述性統計結果

圖2為2016年，2017年土壤平均含水率與變異系數關系的散點圖及其擬合曲線。從圖2可以看出，兩年擬合的結果相似，平均土壤含水率越大其對應的變異系數越小，土壤含水率變異系數隨著土壤含水率增加而減少,這與Fitzjohn等[9]的研究結果相一致。反映出了土壤平均含水率對土壤水分變異程度的關系。2016年與2017年都呈現出指數函數的關系：

Cv=aebφ

(5)

式中：φ為平均土壤含水率；a，b為擬合參數(表3)，擬合參數a和b的數量級及其公式與此前的一些研究結果相一致。兩年的擬合參數a和b大小趨近，決定系數R2分別為0.48，0.43擬合較好。

圖2 土壤平均含水率與變異系數關系的散點圖及其擬合曲線

表3 研究區土壤含水率與其Cv的指數擬合參數

2.2 土壤含水率時空變異特征分析

2.2.1 變異函數分析為反映土壤含水率的空間結構性及隨機性，應用ArcGIS 10.3軟件地統計學模塊，在不考慮各向異性的情況下，分別對各個時期各土層土壤含水率數據進行標準化處理后進行半方差分析。通過決定系數(R2)選擇最優半方差函數模型對其進行擬合，各時期最優擬合模型以球狀模型居多。因此，為了便于比較分析研究結構，統一采用球狀模型進行擬合，得到表4研究區土壤含水率地統計學參數。

表4 研究區2016和2017年土壤含水率的地統計學參數

從表4可以看出，連續兩年灌水周期內不同時期0—20 cm土壤含水率塊金值變化范圍為0.42～0.91，20—40 cm土層為0.52～0.95。總體上，土壤含水率的塊金值表現為土壤上層(0—20 cm)小于下層，原因與常規統計分析土壤含水率一致，在20—40 cm土層深度存在的根系較多，水分分布受根系吸水活動影響較大。塊基比是塊金值與基臺值的比值，反映了土壤含水率的空間變異程度，當塊基比小于25%時，表明空間變異性較小，當塊基比大于25%且小于75%時，表明空間變異程度中等，當塊基比大于75%時，表明空間變異性程度較強。當空間變異性達到中等及以下時，說明結構性變異是引起空間變異的主要因素，而不是隨機性因素引起的。0—20 cm和20—40 cm土壤含水率的塊基比差別不大，總體上塊基比范圍在0.41到0.71之間，平均值為0.60，呈現中等程度的變異性，說明40 cm以上土壤含水率的變異性相似，隨機性的變異大約占到60%，結構性的變異占40%。此外，總體上在0—40 cm土層中，土壤含水率的塊基比在灌溉前略小于灌溉后，表明噴灌略微減小了土壤含水率的隨機性變異，增加了結構性變異，進一步說明土壤含水量的增加，其空間相關性會隨平均土壤含水率的增加而增大，這與李寶富等在新疆干旱區研究灌溉前后土壤含水量的結果類似[2]。兩年間土壤含水率灌溉前變程在80.26～121.48 m之間，灌溉后變程范圍為87.76～182.97 m之間，變化范圍較大，這說明噴灌增大了土壤含水率的空間自相關距離。對比連續兩年馬鈴薯三個主要生育期塊莖膨大期(2016年7月13—15日、2017年6月23—24日)、淀粉積累期(2016年7月31至8月1日、2017年7月23—24日)和成熟期(2016年8月15—17日、2017年8月21—22日)，其成熟期的塊基比大體上小于淀粉積累期和塊莖膨大期，其原因可能是馬鈴薯消耗水量相對于塊莖形成期和塊莖膨大期是相對較小，土壤中水分橫向移動較小，受隨機因素影響較小，其空間相關性增強。

2.2.2 土壤含水率的空間分布特征為了能更直觀地反映土壤水分空間分布，用ArcGIS 10.3軟件運用普通Kinging法進行插值并繪制土壤含水率空間分布圖(以2016年為例)如圖3所示。從圖3可以看出，灌溉前土壤含水率高值區位于南部，低值區位于東部，這表明在噴灌區的南部灌水定額可以適當降低，在噴灌區東部灌溉定額可以適當增加。灌溉后高值中心與低值中心空間分布與灌前相似。灌水后土壤含水率增大，灌后土壤兩層的含水率均比灌前復雜，灌水后期斑塊較多且分布不均，可能與土壤黏粒和粉粒分布不勻有關。對比兩土層可看出，20—40 cm土層土壤含水率分布比表層斑塊分布更錯亂復雜，其原因可能為研究區位于沙漠地區日蒸發大，其蒸發因素“中和”了土壤含水率的復雜性。圖中水分分布大體上都呈現出東西方向較小，且沿正南方向遞增的趨勢，具有各向異性特征。其原因是研究區區域高層由北向南逐漸降低，導致了研究區南方土壤含水率較高，其東西方向上含水率較低可能是由于該方向上土壤砂粒含量較高，持水性能低。

2.3 合理采樣數確定

2.3.1 經典統計學確定合理采樣數表5為采用經典統計學方法計算〔公式(2)〕的2016年與2017年不同置信水平與估算精度下田間土壤含水率的合理采樣數。由表5可知，95%置信水平、5%相對誤差條件下兩年灌前平均合理采樣數為92個，灌后為75個，總平均合理采樣數為84個。從土壤含水率統計結果可以看出，水分變異系數灌溉前大于灌溉后，20—40 cm深度大于0—20 cm深度。為達到一定的精確度，各情況取樣數量也大致是一樣的順序。如20—40 cm灌溉前土壤含水率的變異系數最大，則要求的取樣數量也最多。在95%置信水平、5%相對誤差條件下，2016年8月15日為128個土壤樣本，2016年7月13日兩土層變異系數接近，因此其采樣個數也接近，都約為95個。而在同等條件下，最低只需要44個。隨著所要求的置信水平和相對誤差降低，土壤含水率的合理取樣數目都較大幅度的下降，如2016年7月31日20—40 cm土層深度，5%相對誤差95%置信水平條件下需要91個土壤含水率的采樣數量，而在10%的相對誤差時只需要23個土壤含水率的采樣數量。

2.3.2 隨機采樣克里格插值確定合理采樣數為了評價隨機選擇29，42，58，73，87，116采樣點進行克里格差值的預測精度，圖4—5分別為克里格插值的RMSE和R2的關系圖。由圖4—5可知，總體上，在2016和2017年中，不同采樣數量所計算的灌水前期和后期平均土壤含水率的RMSE和R2均表現相似，隨著采樣數的增多，RMSE值均逐漸減小，而R2則呈現逐漸增大趨勢。采樣點從29增加到87個時，在灌溉前期RMSE由約5.5%快速減小到約4%，R2由約50%快速增加到約70%；在灌溉后期RMSE由約4%快速減小到約3%，R2由約50%快速增加到約70%。當采樣點大于87個時，RMSE和R2的值均趨于穩定，在灌水前期RMSE趨近于4%，R2趨近于70%，在灌水后期RMSE趨近于3%，R2趨近于70%，這表明當采樣點數大于87時，該研究區域平均土壤含水率的計算值與真實值的誤差很小。因此，隨機采樣克里格插值確定的該區域計算平均土壤含水率的合理采樣數為87。傳統方法計算合理采樣數的原理比較簡單，操作方便，但不同的取樣位置或不同的取樣數量將會產生不同的結果，可靠性較差，采用隨機采樣克里格插值確定合理采樣數是根據實測數據進行大量數值模擬，得到的統計結果，可靠性較高，參考價值較高，但工作量較大，復雜，繁瑣。因此，在有條件情況下采用隨機采樣克里格插法確定合理采樣數較好。