覆膜集雨渗灌系统在半干旱区土壤水分监测中的应用

冯 娜, 张维江,2,3, 李 娟,2,3, 马 芳,姜瑞洋, 李伟建, 黄 艳, 丁 广, 姜茂付, 王旭东

(1.宁夏大学 土木与水利工程学院, 宁夏 银川 750021; 2.宁夏节水灌溉与水资源调控工程技术研究中心,宁夏 银川 750021; 3.旱区现代农业水资源高效利用教育部工程研究中心, 宁夏 银川 750021)

土壤水分是植物所需水分的重要来源，是土壤的重要参数之一，土壤水分的含量[1]及变化关系到整个植物的生长及果实的发育，对土壤水分各个特性的研究为模拟土壤水分分布等其他领域提供了基础信息。随着科技的不断发展与进步，土壤水分的监测手段更加智能化、自动化[2]。国内外许多专家学者基于土壤水分空间变异性[3-4]和时间稳定性[5-6]等各种方法对不同灌溉方式和不同农作物的土壤水分监测点数量[7]、位置[8]、布设方法[9]进行了广泛研究，对区域土壤水分监测点的布设提供了宝贵的理论依据。起垄覆膜[10]集雨渗灌技术针对半干旱、干旱地区无效降水[11]无法到达作物根系、蒸渗损失大、降水有效利用率低等特点，通过覆膜集流渗灌对作物实施根系区域补水，提高作物土壤水分利用效率[12]。目前对于起垄覆膜集雨渗灌技术下的土壤水分监测点的布设研究较少，本文以宁夏回族自治区固原市原州区彭堡镇红梅杏经济林为研究对象，监测其不同位置的土壤含水量情况，研究其土壤含水量的时空[13]分布特征，并基于时间稳定性选取合理代表监测点[14]，构建各监测点土壤水与代表样点间的关系。在保证一定精度的条件下，用少量监测点来反映红梅杏根区土壤含水量的概况，降低土壤水分传感器成本，为半干旱区果园水分管理提供了科学支撑，具有一定的科学意义。

1 材料与方法

1.1 试验地概况

试验地点位于宁夏回族自治区固原市原州区(106°13′E， 36°14′N[15])彭堡镇，地处宁夏南部，六盘山东北麓，黄土高原中西部，区域内山多川少，为内陆暖温带半干旱气候，年平均降水量300～500 mm，年平均蒸发量800～1 200 mm，多年平均气温6.75 ℃，多年平均日照时2 250～2 700 h，无霜期144 d。该区域的土质组成质地较为单一、土层较为深厚、地下水埋深较浅。土壤机械组成详见表1。试验所需观测红梅杏树树龄均为4 a，林相整齐，单株差异较小。

表1 试验地土壤机械组成

1.2 田间布置

覆膜集雨渗灌技术是以主干[16]为中心，沿果树行向[17]在树干两侧100 cm各覆盖0.01 mm厚的黑色地膜[18]，在距树干两侧50 cm处各埋置渗灌器，渗灌器埋设位置顶部较四周田面低，利于集水。渗灌器为自主创新研发，渗灌器底部直径为14 cm，顶部直径为16 cm，高为35 cm，顶部封口并打孔，渗灌器器身距顶部5 cm，底部5 cm，中间全打孔。埋置土壤水分传感器的方式为：水平方向以渗灌器顶部边缘处为观测原点，渗灌器顶部边缘延长线为基准线，向远离树干径向延伸；垂直方向以渗灌器顶部边缘为观测原点，渗灌器垂向边缘切线为基准线，向地表以下方向延伸，传感器按10 cm×10 cm呈网格状布置，共30个监测点，监测点第一层L10D10(L代表横向，D代表纵向)为1号点，依次按远离渗灌器方向为2，3，4，5号点，第2层为6—10号，其他层以此类推。

1.3 数据采集与分析

(1) 降雨量的测定。在红梅杏树附近的空旷地设置翻斗式雨量计，每次降雨后雨量计所得数据即为天然降雨量。

(2) 土壤体积含水量的测定。采用EC5土壤水分传感器测定，设定为每1 min记录1次，数据采集使用EM50记录仪。

(3) 用Excel 2016对所得土壤体积含水量数据进行处理，用SPSS 25进行统计分析，用Origin 2 017进行绘图。

本次试验采用2019年9月22—26日共5 d数据，其中22日为降雨前1 d，23日为降雨日，累计降雨量为20 mm，24—26日为降雨后3 d，期间无降雨。

2 结果与分析

2.1 土壤体积含水量分布特征

图1为竖直剖面降雨前1 d，降雨日、降雨后3 d土壤水分的分布情况。从图1可以看出,分析时段内，不同深度处土壤含水量的分布特征基本一致[19]，含水量由率先入渗点30 cm向上向下均呈先增大后减小[20]趋势，在20—40 cm深度范围内达到最大；相比降雨前，在降雨历时范围内，土壤含水量在各个深度处均有显著的增加；随着雨后时间的延长，整个果树周围土壤水分含量逐渐减小；分析时段内，不同径距土壤含水量的分布特征也基本一致，含水量随着径距的增加先增大后减小，在20—40 cm径距范围内达到最大；相比降雨前，在降雨历时范围内，土壤水含量在各个径距处均有显著的增加；随着雨后时间的延长，土壤水进行再分布，各个径距处土壤含水量逐渐减小。表2为整个分析时段内土壤含水量在不同深度处的分布特征。从表2可以看出，各层土壤水分的稳定性有所差异；由率先入渗点30 cm处往上土壤水分变异程度逐渐减小，土壤水分逐渐趋于稳定；往下变异程度先增大后减小，40—50 cm深度范围内，土壤水分变异程度最大，表明该部分土壤中的水分最为活跃，这与此范围内土壤含水量较小和根系分布较密有关。表3为整个分析时段内土壤含水量在径向的分布特征。从表3可以看出，各个径距处土壤水分的稳定性也有所差异：整体上距离渗灌器越远，土壤水分的变异程度越小，即越稳定。综上，覆膜集雨渗灌条件下土壤水分的空间变异性是各尺度[21]上各种复杂因素和过程综合作用的结果[22]。

图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 土壤水分径向监测点的布设研究

将深度0—60 cm的土壤分为6层，每10 cm为1层，由时间稳定性特征选取径向代表样点，根据刘玉娇[14]和朱绪超[23]等的研究，土壤水分的时间稳定性计算公式为：

(1)

(2)

(3)

对各监测点在分析时段内的土壤含水量进行时间稳定性[24]分析，结果如图2所示。土壤平均含水量相对偏差主要分布在-0.3～0.3之间，湿润区22，13，12，26，1，11号和干旱区30，15，10，2，19号的Sδi<0.15，时间稳定性较好；9，8，5，18，4，27号的Sδi>0.25，时间稳定性较差；其余点的Sδi在0.15～0.25之间，时间稳定性一般。在所有监测点中，11号监测点代表最湿润，22号时间稳定性最好，30号最干旱，9号时间稳定性最差，21号最接近该层的平均土壤含水量但是稳定性较差，22号与21号在同一层且时间稳定性最好，故横向代表测点选22号。

表3 不同径距土壤含水量分布特征

图2 各测点平均土壤含水量的相对偏差排序

2.3 垂向监测点的布设研究

因为22号监测点最稳定且较湿润，同时考虑到土壤水分传感器探头的长度(5 cm)，故选定22号(L20D50)的垂向(0—60 cm)各测点土壤含水量数据来反映根区土壤水分状况。

2.3.1 相关性分析 由分析时段内的数据分析L20各监测点的土壤含水量之间的相关关系，结果详见表4。由表4可知，L20各深度土壤含水量之间存在一定的相关关系，除第3层与第4层的相关性较小外，其他相邻两层间土壤含水量的相关系数都大于0.7。相关系数为负一是由于随着降雨量的增加，渗灌器中的积水在深度30 cm处开始入渗，湿润锋不断向上下两侧推进，加之重力作用，在入渗过程中湿润锋向上推进速率比向下推进要小，二是由于果树的根系分布的影响，从而使某几层土壤含水量呈现负相关。其他土层间相关系数绝对值均在0.4以上。其中，第5层和第6层相关性最高，达到0.996。因此在布设监测点时，可以适当拉大监测点的布设间距，从而减少布设个数，使0—60 cm土层中各层的土壤含水量状况可以用某几层来反映。

表4 L20不同深度土壤体积含水量相关系数

2.3.2 聚类分析 利用相关分析所得出的结果，以L20垂向每个埋深处的土壤含水量作为一个变量，可得到6个变量，分别为D10，D20，D30，D40，D50，D60，利用R聚类分析对这6个变量进行分类。R型聚类分析将变量数据集自身作为1类，然后根据不同变量之间相似度或距离进行合并，合并后重新计算类间距离，直到将所有变量归为一类。本文选用欧氏距离最短距离法[25]分析L20处各深度的土壤含水量数据。图3为各深度处土壤含水量聚合过程谱系图，由图3可知，代表第1层、第5层、第6层处土壤水分的变量首先合并在一起，说明这3层的土壤含水量变量距离最小，所以可以考虑减少这3层的传感器的埋设数量。当6层土壤含水量状况被划分为2类时，第4层和其余的土层就是两大类;分为3类时，第2层和第3层的土壤含水量分为第1类，代表率先入渗时土壤含水量情况，考虑到渗灌器初始入渗点为30 cm处即第3层，故此处布设一个监测点；第4层为第2类，代表中层土壤含水量情况，且为根域层，此处布设一个监测点；第3类为第5层和第6层的土壤含水量，代表深层土壤含水量情况，在第6层处设置一个监测点;以此类推，分类数目越大，归类越详细，需要布设的监测点越多，传感器的需求量也就越大。综上所述，在0—60 cm范围内，只需在第3层，第4层，第6层处埋设3个土壤水分传感器即可。

图3 6个深度土壤水分的聚类谱系图

2.4 平均土壤含水量预测模型建立

采用整个分析时段测得的土壤体积含水量数据，建立： ①第1—3层(10—30 cm)平均土壤含水量与L20D30测点含水量回归模型； ②第5—6层(50—60 cm)平均土壤含水量与L20D60测点含水量回归模型，模型表达式分别为：

Y=1.109X-0.067

(4)

式中：Y为1—3层(10—30 cm)土壤体积含水量均值；X为L20D30测点的土壤体积含水量的实测值。

Y=1.427X-0.070

(5)

式中：Y为第5—6层(50—60 cm)土壤体积含水量均值；X为L20D60测点的土壤体积含水量的实测值。对回归方程进行显著性检验，结果详见表5。

表5 10-30 cm和50-60 cm相关回归系数的显著性检验

2.5 预测模型验证

根据上述预测模型和雨量计记录的数据，选取2019年10月23—27的土壤体积含水量数据(10月24日为降雨日，前1 d后3 d无降雨)进行预测，并与实测值进行比较，以检验模型的精确度与可靠性。从降雨开始前到降雨后3 d每隔10 h选取1个数据，共10个数据，第1个数据作为0时。从表6中可知，将L20D30,L20D60测点的回归值分别与30，60 cm深度土壤含水量实测值比较，绝对误差率在±5%以内；回归值与实测平均值相对误差在±5%以内，误差较小，符合实际要求，说明L20D30,L20D60点的实测值可以估算10—30，50—60 cm深度土壤含水量。

表6 模型预测和实测的土壤含水量对比

3 结 论

(1) 整个分析时段内，土壤含水量的垂向和径向分布特征基本一致，水分含量在垂向和径向均先增大后减小。垂向由率先入渗点30 cm处往上土壤水分变异系数逐渐减小，往下变异系数先增大后减小；径向整体上距离渗灌器越远，土壤水分的变异系数越小。

(2) 通过相关性分析，除第3层与第4层的相关性较小外，其他相邻两层间土壤含水量的相关系数均在0.7以上；利用聚类分析得出，只需在L20处的第3层(30 cm)，第4层(40 cm)，第6层(60 cm)处各埋设1个土壤水分传感器。

(3) 利用线性回归模型分析，并采用各监测点数据与模型预测值进行对比，绝对误差率在±5%内；模型预测值与相应代表层的平均值进行对比，相对误差率±5%内。这说明L20D30，L20D60处的含水量分别可以反映10—30 cm和50—60 cm处的含水量情况。