新型FDR系统的校正及在土壤水分监测中的应用

李 立，张泽中，王盈盈

(华北水利水电大学，郑州 450000)

1 概 述

水是干旱区生产和发展的最重要限制因素，也是植物生存的主要限制因子[1-2]。化学肥料的溶解、土壤中有机养分的分解、养分离子的迁移，以及作物植物对养分的吸收都必须通过水分介质来实现。土壤水分是土壤的重要物理参数，对土壤水分及其变化的监测是农业、生态、环境、水文和水土保持等研究工作中的一个基础工作[3]。土壤水分含量也是农业灌溉决策、管理中的最基础数据，在实现农业精准灌溉中的作用是相当明显的。因此，准确获得可靠的土壤水分数据在农业生产中极为重要。

土壤水分含量可以通过测量土壤的质量含水量和体积含水率或者通过测量土壤的基质势来确定，这两种方法通过与土壤相接触直接获得土壤水分含量。近年来，通过采用非接触式的测量方法也发展迅速。在测量土壤的质量和体积含水量时，烘干法[4]、中子仪法[5]、TDR、FDR方法应用广泛；张力计法、电阻块法、干湿计法是测量土壤的基质势主要方法。光学测量法不用接触土壤，在部分土壤含水量的测定中拥有优势。土壤含水量测定方法都有各自的特色及优缺点。FDR(Frequency Domain Reflectometry)频域反射仪具有方便、快速、准确、不扰动土壤，工作频率范围广、水分测量范围宽，而且不受滞后作用影响，可在同一地点连续自动监测土壤水分及其动态变化的优点[6]，它可与时域反射仪TDR及中子水分仪相媲美[7-9]，但价格相对便宜且无放射性污染源，近年在国内的许多区域得到了广泛的应用。本文介绍了一种新型管式一体化FDR系统的测量原理、安装方法与数据读取、校正结果及其在土壤水分连续监测中的应用，从操作和实验数据来揭示FDR在土壤水分监测中的便利性和准确性，以期到达FDR系统的推广价值。本文采用的是新型FDR系统，能够适应沙质土壤水分监测。本次选取的内蒙古河套灌区土壤的特殊性，通过校正FDR系统监测土壤水分为FDR系统在沙质土壤中的应用提供依据。

2 FDR系统的测量原理

由于土壤体积含水量和土壤的表观介电常数存在特定关系，FDR利用电磁脉冲原理，测量出电磁波在土壤中的传播频率得到土壤的介电常数，从而得到土壤的含水量。土壤的介电特性是以下几个因子的函数：电磁频率、温度和盐度，土壤容积含水量、束缚水与土壤总容积含水量之比、土壤容重、土壤颗粒形状及其所包含的水的形态[10]。在无线电频率标准状态时(20℃，1标准大气压)，纯水的介电常数为80.4，空气的介电常数为1，土壤颗粒的介电常数为3～7，可以看出土壤的介电常数的大小与土壤水分的高低有直接关系。郭卫华等将FDR系统测量做了较为详细的论述[11]。FDR的探头称为介电传感器，主要由一对电极(平行排列的金属棒或圆形金属环)构成，这两个电极相当于振荡电路中的正负两个极板，整体结构作为一个电容，其间的土壤充当电介质，振荡器工作频率随土壤电容的增加而降低，通过频率值可以实时计算土壤含水量。Topp、Whalley等[12-13]多年的研究结果表明，在多种土壤中介电常数的平方根与土壤体积含水率之间存在线性关系；土壤的介电常数主要取决于土壤体积含水率，而与土壤的质地、类型、温度(>0℃)和土壤可溶性盐分含量的关联度较低。这些研究成果为FDR水分测试仪提高测量精度提供了一定参考依据，为之后FDR大面积推广应用奠定了基础。

3 管式智能一体化FDR的安装与数据读取

本文所采用的FDR系统是由北京东方润泽生态科技股份有限公司生产的“智墒TM”牌管式智能一体化高度集成的土壤墒情监测仪。该FDR系统主要由以下4部分组成：充电及快速启动模块、数据采集及传输模块、土壤水分、温度和盐分监测模块、内置充电电池模块。整机防护等级为IP68防水防尘。该FDR系统地下埋设部分直径为63 mm，监测深度为1 m，每10 cm为一层，每层的中心位置都布设有一对圆形金属环探头，监测地表以下多个深度10、20、30、40、50、60、70、80、90和100 cm的土壤体积含水量(每层100 mm厚土层的体积含水量的平均值)、土壤温度和总的盐分含量。用与该FDR土壤水分监测仪配套的取土钻在2株玉米根系附近土壤中钻取直径为65 mm、适当深度、表面光洁的垂直孔洞，将取出的部分土壤掺水拌和成芝麻糊状的泥浆灌入孔洞，快速插入仪器以避免产生土壤孔隙。土壤空隙对介电常数的影响较大，在土壤密实度不好、产生土壤空隙的情况下，仪器测量的是空气而非土壤水分的介电常数，而且土壤孔隙会阻碍电磁场穿透周围的土壤，因此用FDR系统测量土壤含水量时一定不能产生土壤空隙。

该FDR系统自动连续监测同一位置多个土层深度的土壤水分、温度，并将监测的本地数据实时传输至云端，用户通过登录Web浏览器或使用微信公众号读取或处理数据。数据发送可以设置成实时或定时发送模式，本实验所用FDR系统为定时发送模式，发送数据时间间隔为1 h。

4 FDR系统的校正及在土壤水分连续监测中的应用

4.1 FDR观测值的校正

本实验在内蒙古河套灌区巴彦淖尔市水利科学研究所曙光水利科研试验站进行，2017年4～5月份在试验场玉米田测量了不同位置的土壤含水量。该实验地土壤0～40 cm为壤土层，土壤干容重1.50～1.75；40 cm以下为沙土，土壤干容重在1.56～1.65 g/cm，地下水位埋深较浅，距地表约1.2 m。由于该地土壤的独特性，在其土壤水分的长期监测中需要进行校正。传统烘干法测量的土壤水分是最准确的，通常作为其它含水量测量方法的校正标准。因此，本文校正中使用200cc环刀取同位置的土壤样本，用烘干法测得该位置的土壤质量含水量和土壤干容重，将FDR测定的体积含水量转化为质量含水量与烘干法标准值进行比较，在不同时间段对该FDR监测范围内不同深度土壤分别同步测定了120对数据对。测定结果表明,在0～40 cm壤土层烘干法测得标准水分值与FDR测量值的质量含水率绝对误差在正负4%以内，符合国家水利行业标准土壤墒情监测规范监测精度要求。其计算公式如下：

(1)

在40 cm以下沙土层土壤含水量数据误差较大，FDR系统质量含水量明显比烘干法偏高，需要重新进行率定。对沙土层80对数据对回归分析，烘干法标准值与FDR测定值之间的相关系数R2=0.76，自由度为79，经检验α<0.001，达到极显著相关水平。回归分析结果见图1。校正方程为：

y=1.0567x+8.3889R2=0.76

(2)

式中：x为烘干法测得的土壤质量含水量标准值；y为FDR系统的质量含水量值；R2为模型拟合优度。

R2=0.76说明校正以后所得FDR系统测定得出的土壤含水量与传统的烘干法测得的水分值相符，可以很好地反映实际土壤水分状况，说明该FDR系统的运行和监测到的水分数据是可靠的。从校正结果来看，FDR的校正较为简单，近似线性输出，相对于其它测量系统复杂繁琐的校正过程而言，具有显著的优势。

图1 FDR测量值的校正结果

4.2 FDR在土壤水分连续监测中的应用

1) 通过监测土壤含水量的连续变化情况，获得土壤中客观发生的水分数据见图2。FDR系统连续密集采集土壤水分数据时，可观察到土壤中水分的连续动态变化情况，分析可得到以下信息：①4次土壤含水量的迅速升高，说明发生4次降雨或灌溉。②灌溉或降雨结束后，土壤水分开始下渗，含水量迅速下降，入渗结束后土壤含水量下降曲线呈现出阶梯状的变化规律。从对应的时间来看，白天由于土壤蒸发、植物(该实验为玉米)蒸腾耗水，含水量下降速度较夜间快。③可以直接计算出某天该10 cm土层的含水量减少值。图2中凌晨土壤含水量为10.93%，到夜间土壤含水量值降到9.82%；一天中10 cm深土层的含水量减少量为1.11%，即地表到地下10 cm，100 mm深土层中包含的水分由10.93 mm下降到9.82 mm，共减少了1.11 mm。

2) 通过该FDR监测位置的历史水分数据，根据当前土壤含水量状态、吸水根系深度，实时计算作物根系所在土壤当前有效储水量和蓄水潜力。图3为根据FDR监测到的土壤水分数据分析处理建立的“YH土壤水分模型”。

图2 10 cm深度土壤含水量连续变化曲线图

图3 FDR系统土壤水分分析“YH土壤水分模型”

该模型具有以下特点：①该水分模型中所有数据都是该FDR系统采集到的数据；②该模型中的历史最低、历史最高含水量、作物吸水根系所在位置、当前土壤含水量都是随着FDR系统数据的采集进行动态调整；③该模型系统可动态计算出作物吸水根系所在位置土壤的有效储水量(可供作物利用的水分总量，与土壤质地、农作物种类、农作物生育期、吸水根系深度等多因素有关)及蓄水潜力(土壤还可以存蓄的水分总量，与灌溉模式、土壤质地、土壤中有机物的含量等多因素有关)。其原理是根据作物根系区域所在的各个土层中，当前土壤含水量与该监测位置监测到的历史最低、最高含水量的差值的绝对值叠加，即为该作物吸水根系所在位置土壤有效储水量和蓄水潜力，单位为mm。

5 结 语

1) 管式智能一体化FDR土壤水分传感器水分探测单元不与土壤直接接触，水分探头直接内置于耐腐蚀的PVC管壳中，延缓了电子器件和水分探头的的氧化和腐蚀，增强了FDR系统运行的稳定性和获取结果的可靠性。采用打孔后原状土灌浆安装管式FDR的方法对土壤扰动很小，也确保了FDR系统与土壤的紧密接触，提高了FDR测量结果的准确性。

2) 管式智能一体化FDR在出厂时已进行过系统校正，但在实际使用时仍需根据实际情况做进一步的校正，其土壤校正过程较为简单，且校正以后的土壤水分值与标准烘干法测得的值相符，具有明显的优势。

3) 管式智能一体化FDR系统通过监测土壤含水量的连续变化情况可获得土壤中客观发生的、反映土壤水分变化规律的连续曲线。可以通过FDR自动、连续监测到的土壤含水量数据，结合未来降雨量、作物耗水量预测数据分析处理，做出科学的灌溉决策，实现人对土壤和植物根系水分状况的深度感知。