基于DZN2型自动土壤水分观测仪对比观测分析

2019-06-28安素霞李佳王艳斌

科技创新与应用 2019年15期

安素霞李佳王艳斌

摘要：土壤水分观测是农业、气象、水利等的重要项目，其数据可用性是业务部分关心的问题，文章从差值、相关性、标准偏差三个方面对郑州站半年多的对比观测数据进行了分析，重点分析了覆盖物差异时的外观表现、影响程度、处理方法，得出结论：该台站的自动土壤水分观测仪的数据是能够满足业务应用要求的，对设备的定期维护是保证数据可用性的关键，为台站常规维护提供了一种方法。

關键词：对比观测;差值;相关性;标准偏差;覆盖物

中图分类号：S152.7 文献标志码：A 文章编号：2095-2945（2019）15-0022-03

Abstract： Soil moisture observation is an important item in agriculture， meteorology， water conservancy and so on. The usability of data is a concern of business. This paper analyses the comparative observation data of Zhengzhou Station for more than half a year from three aspects： difference， correlation and standard deviation. It focuses on the analysis of the appearance， influence degree and treatment method of the difference of mulch， and draws a conclusion that the data of soil moisture observer can meet the requirements of business application. Periodic maintenance of equipment is the key to ensure the availability of data and provides a method for routine maintenance of stations.

Keywords： comparative observation; difference; correlation; standard deviation; mulch

水分是土壤的重要组成部分[1]，农田土壤水分是旱地农作物生长的重要控制因子，农田土壤水分信息是开展农事服务、农业干旱监测预警、农业遥感及产量预测的重要指标[2]，它是气象、农业和水利部门一个重要的业务观测项目[3]。

DZN2型自动土壤水分观测仪采用频域反射（FDR）原理定点测量作物地段或固定地段的各剖面的土壤水分。自2009年以来，中国气象局布设了上千套设备，有许多学者在对土壤水分观测及影响因素进行研究。成兆金等[4]研究了土壤容重的修订，指出对传感器的不断评估、标校是必不可少的。陈海波等[5]提出传感器周围需种植与农田内同类型的农作物，但是没有数据说明地表覆盖不同的差异。黄文杰[6]等指出造成对比观测差异大的一个主要原因是土壤水分差异大引起的人工数值差异大，分析对比的效果使用绝对误差平均值。

2017年10月，中国气象局气象探测中心根据中国气象局综合观测司批复的《2017年自动土壤水分观测仪装备质量监督检查工作方案》、《自动土壤水分观测仪功能规格需求书》等文件要求，对自动土壤水分观测仪开展了质量监督检查。在对郑州站（O2269）进行整改的过程中，我们收集了该台站最近半年多的人工和自动的数据，对数据进行了绝对误差、相关性、标准偏差的分析，评估了仪器的运行状况，同时对地表覆盖差异带来的影响也进行了分析。

1 研究方法

数据资料来源于郑州国家农业气象试验站，台站号：O2269，时间从2017年10月20日至2018年5月18日，分为0～10cm、10cm～20cm、20cm～30cm、30cm～40cm、40cm～50cm共5个剖面的土壤体积含水量人工和自动对比观测数据，观测地段为灌溉状态下的同一地块。人工逢8按照规范要求进行取样烘干分析处理，总共有22组的对比数据。本文采用文献[7]介绍的分析方法对数据进行绝对误差、概率、相关性的分析。

1.1 排除冻土数据

查阅郑州站（O2269）气温和地温数据，发现2018年1月0～10cm处于冻结状态，对比差值超出5%的要求。由于不属于规范要求的观测时间段，所以不参与下面的分析。

1.2 差值对比分析

人工体积含水量减去自动体积含水量得到差值。对107个差值进行分析，有4个超过±5%的业务要求，数据的不合格率为3.7%。

不合格数据出现在2018年4月18日和28日，出现在30cm～40cm有2次，在10cm～20cm、40cm～50cm各有1次。这些数据的出现和地表覆盖物不同有关，下面会具体分析。

1.3 相关性显著检验

对人工和自动体积含水量数据进行相关性和显著性水平分析，其结果见表1。

从表1可知：相关系数接近1;均通过置信水平为0.01的显著性检验，都为显著正相关。

2 实验结果与分析

分析2017年全年的数据，发现自动值在降雨后下降速率偏高，尤其是表面的0～10cm和10cm～20cm。通过对现场进行考察，发现传感器测量点和人工观测采样点存在差异。如图1。

郑州站（O2269）土质属于粉壤土，黏粒少砂粒多，表面容易受到破坏，从图2可以看到传感器周围土壤裸露、冲刷、龟裂，保墒性能低于作物覆盖地段，时间越长，器测与人工观测数据的差距会越大。

为了验证地表覆盖不同确实有差异，选择在传感器外30cm和麦田里分别使用环刀进行了取样，测定了重量含水量和土壤容重，分别见表3、表4所示。可以看出，土壤容重偏差不大，但重量含水量的偏差较大。

基于以往经验，通过对表面土壤锄松、凹坑填平等措施，以起到保墒效果，图3为台站维护（2018年3月29日）前后的体积含水量变化趋势，可以看出维护措施避免了自2018年3月18日降水过后表层体积含水量陡降现象。

1.2节提到超限数据出现在2018年4月18日和28日，经过分析，出现超限的原因可以归结为地表覆盖物的差异。据刘荣花等[8]对冬小麦根系分布规律的研究表明，0-50cm冬小麦的根长密度、根质量密度分别达到58%、67%，50-100cm的根长密度、根质量密度只占23%、19%，说明0-50cm是冬小麦全生育根量的主要分布层次[1]，也是土壤水分利用率最高的层次，因此作物生长的影响是造成人工与自动站数据差值明显偏大的原因之一。4月里小麦处于抽穗、乳熟期，根系大量吸收水分，导致人工测量值较低;仪器周围未种植作物，导致自动观测值偏高。

可以结合降水情况作为佐证。如图4所示，郑州站（O2269）于4月13日和4月21日均有不超过3mm的降水现象发生，而仪器40cm深度的体积含水量基本保持不变;此次降水对于正处于抽穗期的小麦来说远远满足不了水分需求，所以人工测量值就会降低，导致这段时间的对比偏差超出业务5%的要求。

3 结束语

通过对郑州站（O2269）数据的分析，有93%的数据达到业务要求;设备精度为3。

地表覆盖对自动土壤水分观测仪的准确运行有重要影响。第一，如果对观测仪的数据质量有较高要求，传感器周围应和大田进行同样的耕作活动，种植同样的作物;第二，如果无法达到上一条，传感器周围应该定期锄刨松土，达到和大田近似同样的保水保墒效果。

参考文献：

[1]郭占军，秦文虎，项学海.便携式土壤水分测试系统设计[J].测控技术，2009，28（12）：1-5.

[2]谭凯炎，房世波，任三学.灌溉农田土壤湿度的时空变化特征[J].中国农业气象，2010，31（3）：423-426.

[3]解彦维，李泽，杨鹤.DZN2型自动土壤水分监测站与人工观测数据对比分析[J].现代农业科技，2016（7）：254-256.

[4]成兆金，吴珂，张民凯，等.土壤容重的修订方法研究[J].中国农学通报，2013，29（35）：230-233.

[5]陈海波，冶林茂，薛龙琴，等.GStar-Ⅰ（DZN2）型自动土壤水分观测仪的维护方法及常见故障解析[J].气象与环境科学，2011，9（34）：178-181.

[6]黄文杰，吕军，翟伶俐，等.人工与自动土壤水分观测资料差异探討[J].中国农学通报，2013，29（14）：146-149.

[7]刘静，杨华.乌兰乌苏自动与人工土壤水分观测数据对比分析[J].新疆农业科技，2013（5）：40-41.