基于冠气温差的淮北地区水稻日需水量估算模型研究

2020-06-11徐烈辉牟汉书王景才周明耀

灌溉排水学报 2020年3期

徐烈辉，牟汉书，王景才，周明耀*

（1.扬州大学水利科学与工程学院，江苏扬州 225009；2.淮安市水利局，江苏淮安 223005）

0 引言

农业精细化和水利信息化的发展对灌区灌溉用水管理提出了更高的要求。实现动态用水管理的先决条件是对作物需水量的准确估算，在此基础上做出灌溉用水管理的决策和控制，是灌区灌溉用水管理的技术核心。传统作物需水量的估算方法主要为：经验公式法、水文学法和微气象学法，上述方法在我国灌区灌溉管理中发挥了重要作用，但针对灌区动态用水调度有一定的局限性[1]。随着灌区用水管理日益强调时效、准确性，如何实时、精确地获取灌区作物日需水量成为国内外学者关注的问题[2]。

近年来，随着红外遥感测温技术的快速发展，利用冠层温度估算作物日需水量呈现了良好的应用前景[3]。其理论基础是：作物冠层温度与其能量吸收和释放过程有关，当土壤水分供应充足时，作物以潜在速率蒸腾，此时叶片温度较低；而当土壤水分供应不足时，叶片水势降低，气孔关闭，抑制蒸腾使冠层温度上升[4-5]。彭世彰等[6]探讨了水稻冠层温度和土壤水分的关系，指出随着土壤含水量增加，冠层温度呈下降趋势，叶水势和蒸腾速率上升。白岩等[7]发现，葡萄液流速率与冠层温度关系密切。张立伟等[8]发现，玉米气孔导度随着冠气温差增加线性降低，气孔关闭作物日需水量减少。冠气温差能直接反映作物蒸腾速率，由此众多学者通过冠层温度建立了作物日需水量估算模型，蔡焕杰等[9]将冬小麦郁闭地面后的日需水量与冠气温差建立联系，其估值与能量平衡法相比误差不超过10%；黄凌旭等[10]通过采集玉米冠气温差并以此建立回归模型，发现日需水量估算值绝对误差小于0.2 mm/d；彭记永等[11]利用冠层温度、太阳净辐射构建夏玉米日需水量模型，利用叶面积修正该模型后提高了计算准确度。冠层温度和作物日需水量之间存在很大的关联性，冠层温度上升，叶片气孔关闭，日需水量下降，通过冠层温度建立作物日需水量回归模型精度较为理想。但目前研究对象多集中于旱作物，利用冠层温度信息直接构建水稻日需水量估算模型的研究尚不多见。本文以淮北淮涟灌区水稻为研究对象，分析水稻日需水量与冠气温差之间的变化规律，构建水稻日需水量估算模型，并以对应时段叶面积指数修正该模型，以期为淮北稻作区灌溉预报和动态用水管理提供一定依据。

1 材料与方法

1.1 研究区概况

试验在淮安市淮阴区农田水利试验站进行，试验站位于东经118°58′1″，北纬33°48′37″，海拔高度8 m，试验土壤为沙壤土，饱和含水率（体积）47.35%，土壤体积质量为1.35 g/cm3。淮阴区地处北亚热带和暖温带交界区，多年平均气温14.1 ℃，年平均日照时间为2 233 h；年均降雨量954.8 mm。

1.2 试验设计与数据测定

本次试验以当地大规模推广的水稻品种“徽两优898”作为供试材料，试验设1 个处理，共3 次重复。根据试验站节水灌溉技术应用情况及相应试验资料，灌溉方式选定为浅湿灌溉，各生育期土壤水分控制指标如表1 所示。利用试验站原有3 个相邻的2 m×2 m×2 m 测坑作为测桶放置坑，测坑上方布置有防雨棚架。在每个测坑中心埋置1 个面积为35 cm×35 cm，深度为50 cm 的有底方形测桶，每个测桶栽插3 株水稻，测桶地上部分为10 cm，测桶内土壤采自测坑，且与测坑地表持平，测桶内外水稻灌溉管理方式相同。测桶外另置一稍大于测桶的套筒，减少土壤或水分附着对测桶质量称量的影响；套筒较测桶高5 cm，以防止地表水流入测桶。受试水稻生育期为6 月10 日—10 月20 日，共计133 d，数据监测阶段为水稻拔节孕穗期（2018 年8 月4—29 日）、抽穗开花期（2018年8 月30 日—9 月18 日）和成熟期（2018 年9 月19 日—10 月10 日），此时作物冠层基本覆盖地面。

表1 水稻浅湿灌溉各生育阶段灌溉调控指标 Table 1 Irrigation control index of rice shallow-wet irrigation at different growth stages

试验测定项目为水稻冠层温度、水稻日需水量以及空气温度等气象信息，方法以定点观测为主。

水稻日需水量：测定方法为称质量法，通过德产赛多利斯4-150ll 型平台秤，精度为5 g（换算成水层深度约为0.04 mm），每天早上08:00 定时秤量桶的质量，并换算成前1 天的水稻日需水量，若发生降雨，则打开降雨棚架。

冠层温度：采用TYD-5A 型红外温度测量系统24 h 连续自动监测水稻冠层温度，探头安装高度为1.5 m，布置在测桶上方，每15 min 采集1 次数据。由于13:00—15:00 的冠气温差最能反映水稻的生理状况[12]，因此试验采用14:00 的冠气温差进行分析。为减少该时段风速和云晴阴翳变化对冠层温度采集的影响，14:00 前后15 min 采集3 次冠层温度，取平均值。

水稻叶面积指数：叶面积指数（LAI）采集方法为人工测量，在试验阶段每隔7 d 测算1 次桶内水稻叶面积指数。

土壤含水率：当测桶无水层时，采用土壤水分速测仪（TSC II）每天早上08:00 测定桶内土壤水分状况。

气象资料：淮安市淮阴区农田水利试验站测定与冠层温度同步的空气温度、风速、大气压强、日照时间、湿度以及降雨等气象数据据。

1.3 模型评价指标

为验证模型的可靠性和精度，计算实测值与模拟值之间的统计分析指标，指标包括：决定系数R2、均方根误差RMSE、相对误差RE和一致性指数d。其中RMSE、RE越小，R2和d 越接近于1，说明模型预测性越好。通过文献[9-11]可知，利用冠层温度估算作物日需水量，通常计算结果的R2大于0.85，RE≤10%，一致性指数d≥0.90，说明该模型精度满足灌溉用水管理要求。

2 结果与分析

2.1 水稻日需水量模型参数分析

利用2018 年8 月9 日—9 月22 采集到的水稻日需水量、冠气温度以及太阳净辐射量等信息进行相关性分析（样本数45），结果如图1、表2 所示。由表2 可知，实测水稻日需水量ETd与太阳净辐射量Rn、饱和水汽压差（es-ed）、14:00 瞬时冠层温度Tc、日平均冠层温度Tca、14:00 瞬时空气温度Ta以及日平均空气温度Taa均表现出显著的正相关性，而与冠气温差Tc-Ta表现出显著的负相关性。在Tc、Ta、Tca和Taa的4 个温度参数中，Tc与ETd的相关性最高（0.706）。Tca的相关性较Tc弱，而Taa相关性较Ta的相关性强，说明冠层温度在14:00 瞬时与水稻生理活动联系较为密切，日平均气温较14:00 瞬时空气温度对水稻蒸腾作用的影响更强。

从图1（a）可以发现，Rn综合反映了气温、日照时间长等气象要素，因此相关系数最高（0.918），随着Rn的增加，ETd也逐渐增大，二者表现出显著的线性变化关系。ETd与Tc-Ta的相关系数仅低于Rn，r=-0.884，这是由于冠气温差直接反应了作物蒸腾作用的强弱；ETd总体上随着Tc-Ta的增大而减小，Tc-Ta致在-5～3℃范围内（见图1（b））。由图1（c）可知，ETd与（es-ed）呈显著正相关性，这与（es-ed）表现水稻蒸发面水分运移梯度有关。比较图1（d）、图1（e）发现14:00 瞬时Tc比Ta的相关性高，二者与ETd均呈指数关系。该测站风速基本保持在0～3 m/s，与ETd的关系并不明显，这与测站附近建筑物干扰有关。

表2 实测水稻日需水量ETd 与气象因子相关性分析结果 Table 2 Correlation analysis results between measured daily water requirement (ETd) and the meteorological factors

图1 实测水稻日需水量ETd 与气象因子相关关系 Fig.1 The correlation curves between measured rice daily water requirement (ETd) and the meteorological factors

饱和水汽压差与冠气温差存在线性关系[13]，作者根据实测数据（样本数45）发现二者表现出较明显的负线性变化关系，r=-0.727，且14:00 瞬时冠气温差与水稻日需水量的相关性高于饱和水汽压差，可以认为冠气温差包含饱和水汽压差对水稻日需水量的影响，表明太阳净辐射和14:00 瞬时冠气温差是影响该灌区水稻日需水量的关键因子。

2.2 水稻冠气温差日变化规律

2018 年实测水稻冠气温差日变化规律如图2 所示。由图2 可知，水稻不同生育期冠气温差在1 d 内表现为先增加后减小的规律。早晨太阳辐射较弱，空气温度和冠层温度均较小，此时冠气温差多为负值；随着太阳辐射的增强，冠层温度和空气温度均有不同程度的增加，且冠层温度的上升速度明显快于空气温度，水稻冠气温差一般在12:00—14:00 前后达到最大，此时冠气温差一般为正值；之后随着太阳辐射的减少，冠气温差逐步变小。其变化规律因水稻生育期不同而异。

比较图2（a）、图2（b）可以发现，水稻在抽穗期（9 月10 日）、成熟期（10 月1 日）的变化范围分别在-3.7～1.3、-1.4～2.9 ℃之间。随着水稻生育期的延续，冠气温差有逐渐上升的趋势，这与水稻进入成熟期，同时太阳辐射减少、温度降低造成水稻植株蒸腾减弱有关。

图2 水稻不同生育期冠气温差日变化 Fig.2 Diurnal variation of canopy-air temperature difference in different growth stages of rice

式中：ET1为模型估算水稻日需水量（mm/d）；Rn太阳净辐射（MJ/（m2·d））；Tc-Ta为冠气温差（℃）；a0、a1、a2均为系数。

2.3.2 基于LAI 的水稻日需水量修正模型

上述模型仅考虑了气象要素对水稻日需水量的影响，但植株本身的生长发育状况同样会对日需水量产生影响，因此有必要对水稻群落进行数学描述来修正该模型。叶面积指数（LAI）可以定量描述群体水平上叶片密度的变化，其对水稻腾发的影响主要包括2 个方面：一是LAI 越大，单位面积上气孔数目越多，植株蒸腾量大；二是LAI 越大，棵间蒸发量越小，二者互为消长。有关学者认为作物因素可由叶面积指数全部表达，且为一次函数[14]，得到水稻日需水量的修正形式：

2.3 水稻日需水量模型构建

2.3.1 基于冠气温差的水稻日需水量模型

根据相关性分析结果，模型输入参数选定为太阳净辐射和冠气温差。考虑到二者与水稻日需水量为线性关系，估算模型结构为：

式中：ET2为修正后水稻日需水量（mm/d），b0、b1分别为系数，其余各项意义同前。

在生态学中，Logistic 方程被广泛用来模拟种群动态变化的规律，且同一作物在不同的生长环境下生长曲线大体相似，国内学者将该模型用来模拟作物干物质量增长的动态过程，其积分形式如式（4）所示[15]。2018 年8 月6 日—10 月2 日采集的叶面积指数（样本数7）构建了拟合模型，拟合结果如表3 所示。

式中：LAI 为水稻叶面积指数拟合值；t 为栽插天数（d）；LAImax为实测水稻叶面积指数最大值；c0、c1、c2为叶面积拟合参数。

表3 水稻叶面积指数参数拟合结果 Table 3 Fitting parameters of rice leaf area index

2.3.3 水稻日需水量模型参数估计

将2018 年8 月9 日―9 月22 日的实测数据及拟合叶面积指数输入上述2 个模型中进行回归分析，参数估计值见表4。其中a0是Rn的系数，为正值；a1是Tc-Ta的系数，为负值，这与相关性分析结果吻合。从表4 可知，2 个模型的F 检验值均大于临界值，且p＜0.01，因此用上述2 个模型计算水稻日需水量大体上是可行的。

2.4 水稻日需水量模型评价

2018 年水稻生育期连续15 d（9 月23 日—10 月7 日）日需水量的模拟值与实测值的变化趋势如图3所示。从图3 可知，随着生育期的延续，实测值与模拟值均呈下降趋势，修正模型的残差更集中于0 轴附近。9 月26 日、10 月2 日2 个估算模型误差均较大，可能是因为9 月26 日、10 月2 日均为阴雨天气，冠层温度与大气温度十分接近，因而水稻日需水量估算值出现较大误差。

表4 水稻日需水量估算模型参数估计值 Table 4 Estimated parameters of rice daily water requirement estimation model

图3 水稻日需水量模拟值与实测值对比 Fig.3 Comparison of simulated and measured values of rice daily water requirement

表5 为不同模型精度评价结果。

表5 水稻日需水量估算模型评价结果 Table 5 Evaluation results of rice daily water requirement estimation model

由表5 可知，2 个模型的决定系数R2均在0.85以上；修正模型的均方根误差RMSE为0.183 mm/d，较原模型低0.116 mm/d；修正模型相对误差RE为5.07%，较原模型减少3.19%；修正模型的一致性指数d 也较原模型高，可见通过水稻叶面积指数建立的修正模型在精度评价上总体优于原模型。

3 讨论

研究表明水稻日需水量和冠气温差呈负相关，这与李丽等[16]、魏征等[17]研究结果类似，主要原因是：冠气温差与土壤含水量、水稻蒸腾速率之间为反比关系，随着水稻冠气温差的上升，蒸腾速率下降，水稻日需水量也随之降低。闫苗祥等[18]研究表明对水稻日需水量影响最大的因素为太阳净辐射，这与本次研究的结论相吻合。

Jackson 等[19]通过冠气温差建立冬小麦日需水量回归模型，其估算值与田测法相比误差不超过15%。研究通过Logistic 函数模拟水稻叶面积指数，得出的日需水量修正模型相对误差为5.07%，表明通过冠气温差结合叶面积指数获取水稻日需水量信息是可行的，修正后水稻日需水量估算模型可指导当地灌区实时用水管理。

本试验以定点观测为主，由于下垫面条件的物理特性和水平非均匀性，可能与实际生产中的数据存在偏差。近年来，随着无人机技术在农业工程领域中的广泛应用，大面积获取作物冠层温度和叶面积指数信息已日趋成熟[20]，结合水稻日需水量估算模型，实时、准确反映灌区水稻日需水量信息，呈现出良好的应用前景。