不同土地利用类型土壤含水率与热导率相关性研究

李建波， 王卫华

(昆明理工大学现代农业工程学院，云南昆明 650500)



不同土地利用类型土壤含水率与热导率相关性研究

李建波， 王卫华*

(昆明理工大学现代农业工程学院，云南昆明 650500)

摘要[目的]研究自然条件下不同土地类型土壤含水率与热导率的相关性。[方法]选取露天状态下农耕地、裸地、草地、灌木地4种土地利用类型作为供试地块，在0～15 cm深度土层取样，通过烘干法测量土壤含水率，利用非稳态探针热脉冲技术测量土壤热导率。[结果]4种土地利用类型下，土壤含水率变化范围为12.79%～25.08%，土壤热导率的变化范围为0.481～1.291 W/(m·K)；农耕地和裸地采样带相邻点间数据的波动性较大，灌木地和草地采样带相邻点间数据的连续性较好。[结论]农耕地、裸地、草地、灌木地4种土地利用类型中，自然状态下的土壤含水率与热导率表现为正相关性关系。

关键词土地利用类型；土壤含水率；土壤热导率；回归分析

土壤含水率与热导率是土壤物理学的重要参数，在田间环境中土壤热导率受其本身理化性质的影响，如土壤粒径、含水率、容重、孔隙分布和有机质含量等。其中，土壤含水率常被作为关键因素出现在国内外学者的研究成果中。康绍忠[1]研究指出，在土壤中固体部分维持稳定的条件下，土壤含水率直接决定土壤热导率的大小，土壤热导率是含水率的函数。de等[2]以土壤临界含水率为界，根据土壤含水率范围，提出不同计算热导率的理论公式。土壤热导率测定方法有稳态法和瞬态法。稳态法分析的出发点是维持土柱两端恒定温度梯度，通过测定土柱的热通量计算热导率，该过程测量时间较长，且水分的迁移与再分布易对试验结果造成影响；瞬态法是利用瞬态导热微分方程进行计算，测量时间短，常适用于田间实地测量[3-4]。在土壤含水率与热导率的测定中，学者多着眼于实验室扰动土范畴，通过调节土样含水率级配测定热导率[5-8]。然而，该过程往往忽视了自然状态下土壤结构、孔隙分布和水分分布等条件。鉴于此，笔者研究了农耕地、裸地、灌木地和草地4种不同土地利用类型的土壤含水率与热导率相关性，旨在为田间水热耦合运移过程研究提供科学依据。

1材料与方法

1.1研究区概况研究区设在云南省昆明市东川区舍块乡茂麓村(102°50′49″E，26°18′15″N)，地处东川境内西端，北隔金沙江，与四川会东县相望，海拔900～1 150m。茂麓村地处山脚，山坡坡度一般30～45°，局部地段达60～80°，地区内山高谷深、地表径流下切和溯源作用明显，引起强烈的坡道细沟侵蚀现象。该村因森林茂密和产铜而闻名，村中有铜都矿业有限公司驻地，茂麓厂冶铜遗址位于铜都矿业选矿厂南200m处，该遗址附近地块土地利用方式有农耕地、裸地、草地和灌木地，类型多样，因此供试地块选取于该地。该地区气候为亚热带高原季风气候，年均降水量约为1 000mm，年均气温为14.9 ℃。降水量集中在5～9月，10～4月为旱季，降水稀少。

1.2仪器设备及其原理土壤热导率测量仪器使用德国进口便携式土壤热传导性测量仪(MTN01)，其方法是基于单探针瞬态法测量技术，通过加热丝和温度传感器及相应的计算程序实现，仪器操作见图1。使用时将热探针插入供试土样中(探针长度15cm)，通过接收加热过程中温度回馈值，计算土壤热导率，理论公式：

ΔT=(Q/4πλ)(lnt+B)

(1)

式中，ΔT为某时间段内温度的上升值，K；Q为加热功率，W/m；λ为介质热导率，W/(m·K)；t为时间，s；B为常数。t1到t2的测量过程中热导率计算公式如下：

λ=(Q/4πΔT)ln(t2/t1)

(2)

试验前，以丙三醇为标准介质，对MTN01探针进行标定[丙三醇 20 ℃热导率为0.287 2W/(m·K) ，40 ℃热导率为0.289 7W/(m·K)[9]]。标定过程中，将探针插入盛有丙三醇的容器中，分别设置2、3、4V电压，加热时间300s，记录温度变化范围及热导率测量值(表1)，每个电压处理下测量3次，取平均值。

表1标定过程中温度变化范围约为20～40 ℃，取20～40 ℃丙三醇热导率均值0.288 45W/(m·K)作为标准值。将热导率测量均值与丙三醇热导率标准值相比，误差为1.89%，仪器精度符合试验要求。计算探针校正系数α：

(3)

校正系数用于修正实测热导率。

图1　MTN01操作示意Fig.1　Schematic diagram of MTN01 operation

1.3样地选取采样时间为2016年4月，该时间为旱季末期，之前整个阶段降雨量极少，可看作为稳定的自然状态。选取农耕地、裸地、灌木地和草地，每个地块布设24.0 m长的条状采样带，每隔0.5 m设置1个采样点，共192个采样点。

表1　丙三醇标定结果

1.4测定项目与方法为保证土壤含水率与热导率同步获取，首先在各采样点测量该点的热导率值，将各测点3个电压处理下热导率的实测数据导入计算机后取均值，后期数据处理中将该值乘以α作为该测点的热导率值。在各采样点测完热导率之后，用土钻分别取距地表0～15 cm的扰动土样20～30 g，各采样点3次重复。土样装入小铝盒，称重后置于105 ℃烘箱中8 h，待冷却后再次称重，测定土样质量含水率。

采用重铬酸钾加热法测量有机质含量，通过环刀法测试验小区土样容重、饱和含水率和田间持水率，将土样烘干、研磨后，过2 mm土壤筛，利用马尔文激光分析仪进行土壤颗粒分析。

1.5数据统计利用SPSS 17.0进行数据预处理，做经典统计学分析；将剖面数据导入Origin 8.0，分析每种土地利用类型下，土壤含水率与热导率在取样条带上的变化趋势；利用Excel 2007进行相关性与回归分析。

2结果与分析

2.1土壤基本物理性质将土样粒径分级结果导入土壤质地自动识别系统(Soil Texture Automatic Recognition System，STARS)[10]，采用国际制标准进行分类。由表2可知，4类土地利用类型土壤各粒径含量差异较小，均为黏壤土，容重从大到小依次为裸地、农耕地、草地、灌木地，田间持水率从大到小依次为灌木地、草地、农耕地、裸地，有机质含量从大到小依次为灌木地、草地、农耕地、裸地，饱和含水率从大到小依次为灌木地、草地、农耕地、裸地。

表2　供试土样基本性质

2.2土壤含水率与热导率统计特征值由表3、4可知，4种土地利用类型土壤含水率均值最高为灌木地，农耕地、裸地和草地的含水率分别比灌木地低17.37、17.46和4.01个百分点；土壤热导率均值最高也为灌木地，农耕地、裸地和草地分别比灌木地低33.53、35.39和10.95个百分点。标准差一般用来反映同一量纲数据的离散程度，土壤含水率的标准差变化范围为0.933～2.615，数据离散性由大到小依次为农耕地、裸地、灌木地、草地；土壤热导率的标准差变化范围为0.111～0.229，数据离散性由大到小依次为灌木地、农耕地、裸地、草地。变异系数多用来比较测量尺度相差较大或量纲不同的数据组的离散性，可见土壤热导率的变异系数略高于土壤含水率。

2.3土壤含水率与热导率的相关性在Excel 2007中对不同土地利用类型土壤含水率与热导率进行相关性分析，结果表明：4种土地利用的总相关系数为0.951，变化范围为0.909～0.982，从大到小依次为草地(0.982)、灌木地(0.978)、农耕地(0.930)、裸地(0.909)。

表3　不同土地利用类型土壤含水率与变异系数

表4　不同土地利用类型土壤热导率与变异系数

将数据导入Origin 8.0绘制土壤含水率与热导率随采样带距离变化趋势线，观察、分析各采样点土壤含水率与热导率的趋势变化关系。从图2可以看出，农耕地和裸地的土壤含水率和热导率在相邻采样点的波动性较大，各参数在采样带上变化不具有明显的规律性，但2个参数的变化趋势较为一致；灌木地和草地土壤含水率和热导率在相邻采样点的连续性较好，2个参数变化趋势也较一致。这说明土壤含水率与热导率的相关性较高，且土壤利用类型对二者相关性的影响较小。

注：a.农耕地；b.裸地；c.灌木地；d.草地。测定的点位布设方向为自南向北。Note: a was farm land; b was bare land; c was shrub land; d was grass land.The detecting points was from south to north.图2　不同土地利用类型土壤含水率与热导率变化趋势Fig.2　Change trend of soil water content and thermal conductivity in different land use types

2.4土壤含水率与热导率的回归分析及残差利用Excel软件对4种土地利用类型所有采样点的土壤含水率与热导率进行回归分析，结果见图3，拟合优度R2=0.967。图4中各参数均接近于0。上述结果中，R2越接近于1.000,说明拟合结果越好，而在图4中，越是无趋势、无规则，表明回归结果可靠度越高[11]。

在土壤含水率与热导率的回归拟合结果中(图3)，可以看出，当含水率为12%～17%时，土壤热导率随含水率增长的斜率变化较缓；当含水率为17%～22%时，土壤热导率随含水率增长的斜率变化明显变陡；当含水率为22%～25%时，土壤热导率随含水率变化趋于缓和。总体来看，在含水率为12%～25%时，土壤含水率与热导率存在正相关性关系。

图3　土壤含水率与热导率回归拟合结果Fig.3　Regression fitting of soil water content and thermal conductivity

图4　土壤含水率与热导率残差分析Fig.4　Residual analysis of soil water content and thermal conductivity

3结论

(1)在稳定的自然状态下，农耕地、裸地、灌木地、草地4种土地利用类型地块中土壤含水率变化范围为12.79%～25.08%，土壤热导率的变化范围为0.481～1.291 W/(m·K)，农耕地和裸地采样带相邻点间数据的波动性较大，灌木地和草地采样带相邻点间数据的连续性较好。

(2)回归结果表明，农耕地、裸地、灌木地、草地4种土地利用类型的土壤自然含水率与热导率均表现为正相关性关系，土地利用类型对二者的相关性影响较小。

参考文献

[1] 康绍忠.农业水土工程概论[M].北京：中国农业出版社，2007.

[2] DE VRIES D A.Thermal properties of soils[M]//VAN WIJK W R.Physics of plant environment.Amsterdam：North-Holland Publishing Company, 1963.

[3] 陆森, 任图生, 杨泱,等.多针热脉冲技术测定土壤热导率误差分析[J].农业工程学报, 2010, 26(6):20-25.

[4] 周媛媛, 江海峰, 李辉,等.含水砂土导热系数实验研究[J].工程热物理学报, 2015, 36(2):265-268.

[5] 付永威, 卢奕丽, 任图生.探针有限特性对热脉冲技术测定土壤热特性的影响[J].农业工程学报, 2014,30(19):71-77.

[6] 于明志, 曹西忠, 王善明,等.水分含量对土壤导热系数的影响及机理[J].山东建筑大学学报, 2012, 27(2):152-154.

[7] 李毅, 邵明安, 王文焰,等.质地对土壤热性质的影响研究[J].农业工程学报, 2003, 19(4):62-65.

[8] 李婷, 王全九, 樊军.土壤热参数确定方法比较与修正[J].农业工程学报, 2008, 24(3):59-64.

[9] 刘光启, 马连湘,刘杰.化学化工物性数据手册[M].北京:化学工业出版社，2002.

[10] 李建波, 房宗启，纪全菊,等.基于WPF的三角图自动识别系统构建方法：以土壤质地分类系统为例[J].排灌机械工程学报,2016,34(4): 339-345.

[11]陈彦光.基于Excel的地理数据分析[M].北京：科学出版社，2010.

基金项目国家自然科学基金资助项目(51409136)；昆明理工大学自然科学研究基金资助项目(KKSY201423023)。

作者简介李建波(1990- )，男，山东青岛人，硕士研究生，研究方向：土壤物理、地理信息系统。*通讯作者，副教授，博士，硕士生导师，从事土壤物理、节水灌溉研究。

收稿日期2016-05-17

中图分类号S 152

文献标识码A

文章编号0517-6611(2016)16-122-04

CorrelationbetweenSoilWaterContentandThermalConductivityinDifferentLandUseTypes

LIJian-bo,WANGWei-hua*

(FacultyofModernAgriculturalEngineering,KunmingUniversityofScienceandTechnology,Kunming,Yunnan650500)

Abstract[Objective] To explore the correlation between soil water content and thermal conductivity in different land use types.[Method] Four land use types in the open air were used as the test plots.Soil water content was measured at 0-15 cm layer by oven-drying method.Unsteady heat probe pulse technology was used to measure the soil thermal conductivity.[Result] Under the four land-use types, change range of soil water content was 12.79%-25.08%; change range of soil thermal conductivity was 0.481-1.291 W/(m·K).The sampling data between adjacent sampling point in farm land and bare land showed higher fluctuation, while the sampling data in the shrub land and grass land had higher continuity.[Conclusion] The soil water content and thermal conductivity in the four types of land utilization show a positive correlation relationship in the natural state.

Key wordsLand-use types; Soil water content; Soil thermal conductivity; Regression analysis