利用winSRFR模拟畦灌入渗参数和灌水质量变化规律

2021-07-01孙秀路李金山

灌溉排水学报 2021年6期

刘洋，孙秀路，孙浩，李金山*

（1.中国农业科学院农田灌溉研究所/河南省节水农业重点实验室/农业农村部节水灌溉工程重点实验室，河南新乡 453002；2.中国农业科学院研究生院，北京 100081）

0 引言

【研究意义】我国有86%的灌溉面积采用地面灌溉，其中尤以畦灌为主[1]。畦灌是用田埂将耕地分为长条状畦田，水流在畦田上形成薄水层借助重力沿畦长方向流动至畦尾的灌水方式，因此畦灌的灌水历时同畦灌灌水量密切相关，而入渗系数通过影响田间水流下渗而影响水流推进速度，但是具体入渗参数的变化与水流推进速度的相关关系仍然不清楚。本文探讨了入渗系数与灌水历时的关系，可为入渗参数的估算提供一种简便的方法。

【研究进展】确定入渗参数及糙率是研究地面灌溉的前提，国内外众多学者利用winSRFR 模型计算相关参数，李佳宝等[2]和金建新等[3]利用winSRFR 模型，通过水流推进和消退过程推求土壤入渗参数，证实模拟值与实测值吻合度较高，提供了一种简便且可靠性较高的计算方法；章少辉等[4-6]结合遗传算法SGA 对winSRFR 进行解析处理，建立优化反演模型，实现优化反演过程的自动化运行，大大提高运算效率和计算精度；蔡焕杰等[7]和白寅祯等[8]利用winSRFR软件计算入渗系数，用以探究土壤入渗系数变化规律。

winSRFR 广泛运用于灌水质量评价模拟。优化畦田规格来提高灌水质量是有效措施[9]，聂卫波等[10-11]、白寅祯等[12]、薄晓东等[13]、彭遥等[14]、姚欣等[15]通过winSRFR 模型优化畦田规格，证实优化后畦田灌水质量有所提升；王维汉等[16]采用估算糙率和实测糙率值进行模拟，灌水效率和灌水均匀度最大误差分别为6.48%和66.67%，说明糙率对灌水质量影响较大。

【切入点】采用winSRFR 对畦田的入渗参数计算方法和畦田规格优化较多，但是对畦田入渗参数和灌水质量年内年际间变化规律，及其与灌水历时的关系研究较少。【拟解决的关键问题】为此，以7 次灌水试验（夏玉米-冬小麦轮作）为基础，基于winSRFR模拟结果探究入渗参数及灌水质量的变化规律及其同灌水历时之间的关系。

1 材料与方法

1.1 试验区概况

试验于2017年10月—2019年6月在中国农科院新乡综合试验基地（E113.8°，N35.1°）进行。基地属温带大陆性气候，年均降水量580 mm，集中于6—10月，年均蒸发量1 748 mm，年均气温14 ℃。以夏玉米-冬小麦轮作为主。试验区土壤主要为砂质壤土和壤土，土壤干体积质量在1 m 土层深度内平均值为1.48 g/cm3，1～2 m 土层深度内平均值为1.44 g/cm3，0～60 cm 土层平均田间持水率为30.13%，土壤物理性质见表1。

表1 试验田土壤物理性质Table 1 Physical properties of soil in experimental field

1.2 试验设计

试验进行夏玉米-冬小麦轮作（夏玉米品种为先玉335，冬小麦品种为矮抗12）。2017年10月—2019年6月，均采用畦灌灌溉，畦田尺寸为3.5 m×200 m，重复5 次，为防止畦田间的影响，相邻畦田间设立2 m×200 m 隔离带。每个生育季末进行激光平地，改水成数选为0.9。具体布置形式及取样点位置见图1。

图1 试验小区布置Fig.1 Layout of test area

试验前按坡度1/800 进行平地。水源选用浅层地下水，由管道引入田间，机井出水量46.75 m3/s，单宽流量为3.71 L/(s·m)。总计7 次灌水，灌水时间及作物生育期见表2。

表2 灌水时间Table 2 Irrigation time

1.3 观测项目与方法

1.3.1 田面坡度

采用水准仪测定高程，沿畦长方向每隔20 m 选定1 个测量点，每个测量点测量3 次取均值，利用高程差，计算田面坡度。

1.3.2 含水率

在灌前1 d 和灌后2 d 于取样点采用人工土钻取样。0～100 cm 土层，每20 cm 分层取样，采用烘干法测定土壤质量含水率，计算土壤体积含水率。

1.3.3 水流推进及消退

当占畦宽2/3 的畦田被水覆盖，此时记为水流推进时间点，当占畦宽2/3 的畦田已经退水，此时记为水流消退时间点，每20 m 设定1 个观测点，选定改水成数为0.9，即在180 m 处停水，停水后观测水流推进至200 m 处的时间。

1.3.4 灌水量

在开水和关水时通过读取主管道上的流量计来记录畦田的灌水量。

1.3.5 水分再分布评价指标

用灌水均匀度DU来定量描述土壤水分分布状况，用灌水效率AE来定量描述水分利用率状况，计算公式为[17]：

1.4 统计及分析

使用Excel 处理数据，winSRFR 4.1 进行模型模拟，采用SPSS 25 进行显著性分析，差异显著性采用在0.05 水平下的T检验。

1.5 模型介绍

winSRFR4.1 是由美国农业部开发的一维地面灌溉模拟模型，它是集地面灌溉模拟、设计、评价为一体的综合性分析软件[17]。winSRFR4.1 共包括4 个模块：灌溉分析评价模块（Event Analysis），水力学模拟模块（Simulation），系统设计模块（Physical Design）和运行分析模块（Operations Analysis）。主要实现土壤入渗参数及糙率的推求、利用土壤入渗参数求解明渠非恒定流方程、优化畦田规格和优化灌水技术。输入的参数主要有畦田规格（畦田长、宽和坡度），土壤参数（糙率、入渗系数、入渗指数）和灌水管理要素（入畦流量、灌水历时、改水成数及推进消退时间）。

2 结果与分析

2.1 模型计算

为使winSRFR4.1 模型模拟效果更符合实际情况，需对土壤参数进行优化调整，以达到较高拟合度。采用Event Analysis 模块，利用Merriam-Keller 法进行优化推求。由于推进与消退均方根误差存在一定差异性，故采用推进与消退均方根误差乘积达到最小值为优化结束[18]。通过反复模拟，进而求得Kostiakov 公式中的土壤入渗系数K和入渗指数α，同时求解糙率n，此时入渗参数作为最终优化结果。以2018年冬小麦第3 次灌水（2019年5月16日）为例计算（畦长200 m，畦宽3.5 m，流量13.2 L/s，地形坡度0.001 2）。调整糙率和入渗指数，最终当糙率为0.20，入渗指数为0.450 时，推进与消退均方根误差乘积达到最小值0.055 5。入渗参数见表3，灌水拟合效果见图2。

表3 田面糙率和入渗参数Table 3 Surface roughness and infiltration parameters

图2 2018 冬小麦第3 次灌水拟合Fig.2 The third irrigation fitting of winter wheat in 2018

经计算，推进均方根误差为0.15 h，占总推进时间4.76%，消退均方根误差为0.37 h，占总消退时间6.73%。由此可知，水量推进消退过程拟合度较好，这与章少辉[6]和Dong 等[19]研究结果类似。模拟结果中DU为91%，实测DU为91.28%，计算值与模拟值相差0.31%，模拟结果中AE为42%，实测AE为44.62%，计算值与模拟值相差 6.24%，吻合度高，说明winSRFR4.1 对灌水均匀度和灌水效率模拟效果良好。故winSRFR4.1 对地面灌溉过程及灌水质量指标的模拟精度较好，可用于灌溉参数计算及分析。

对各次灌水进行模拟，水流推进与消退的实测值与模拟值对比见图3，由于2018年9月2日缺乏消退数据，故采用 Elliot-Walker two-point method analysis 进行分析模拟。灌水前土壤含水率占田间持水率66.81%～75.47%，基本达到灌水下限。由图3 可知，水流推进实测数据与模拟数据吻合度较高，均方根误差介于0.05～0.41 h，推进时间均方根误差占总推进时间1.23%～7.16%；消退时间与模拟值吻合度较差，均方根误差介于0.06～0.71 h，消退时间均方根误差占总消退时间1.21%～23.37%，这主要因为地形的不平整及消退时间观测的误差。冬小麦灌水历时较夏玉米长，平均时间长123.99%。通过T检验，种植的作物对水流推进时间呈显著性影响，对于同一季冬小麦，第3 次灌水历时较前2 次灌水历时短，水流推进速度较第1 次灌水提高23.17%。

图3 各次灌水水流推进消退实测与模拟值Fig.3 The measured and simulated value of each irrigation water flow advance and recession

2.2 入渗参数变化规律

图4 为各次灌水的入渗系数、入渗指数及糙率随灌水时间的变化情况。2017年11月14日和2018年3月30日的2 次灌水为2017年冬小麦灌水数据，2018年7月27日和9月2日的2 次灌水为夏玉米灌水数据，2018年12月17日—2019年5月16日的3 次灌水为2018年冬小麦灌水数据。由此可见，第1 次灌水时入渗系数较大，2017年冬小麦第2 次灌水入渗系数较第1 次灌水小2.05%；2018年夏玉米第2 次灌水入渗系数较第1 次灌水小24.31%；2018 冬小麦第2 次灌水入渗系数较第1 次灌水小1.44%，第3 次灌水较第1 次灌水入渗系数小13.57%。整体土壤入渗系数介于55.87 ～148.541 mm/hα，入渗系数变化较大，且冬小麦的入渗系数较玉米大，平均大1.05 倍。

糙率对灌水过程及灌水质量影响较大，灌水质量对糙率的敏感性仅次于改水成数与单宽流量，但是当糙率偏差在20%内对畦田水流运动影响较小[20]。由图4 可知，本试验条件下，糙率在年内的变化幅度不大，介于0.14～0.26 之间，同一季作物糙率变化在4%～25%，基本对畦田灌水过程影响不大。冬小麦时期糙率普遍高于夏玉米时期，平均高39.31%，这是由于夏季雨水充足，且夏玉米根系对土壤的固化能力强，使得夏玉米时期表层土壤密实度大，糙率减小。

图4 各次灌水入渗系数、入渗指数及糙率Fig.4 Infiltration coefficient,infiltration index and roughness of each irrigation

由Kostiakov 入渗公式可知，当入渗速率一定时，入渗系数与入渗指数呈负相关性。本试验入渗指数介于0.410～0.733，2018年9月2日入渗指数最大，此次为夏玉米第2 次灌水，夏玉米时期土壤入渗指数较冬小麦时期平均高52.92%，由于第1 次灌水、降水及夏玉米根系对土壤的作用力，使得土壤密实度增加，土壤入渗能力降低，入渗指数增大。

当灌水管理要素和畦田规格一定时，入渗参数对水流推进起着决定作用。图5 为入渗系数与各次灌水总历时的关系，由图5 可知，本试验条件下，入渗系数与灌水历时呈线性关系，R2达到0.903 6，拟合效果良好，基于此可用于土壤入渗系数估算。由于试验限制，缺乏不同畦田规格组合，故难以确定畦田规格与灌水历时的关系。

图5 入渗系数与灌水历时关系Fig.5 Relationship between infiltration Parameters and irrigation time

2.3 灌水质量变化规律

由于缺失2018年9月2日消退时间数据，两点法未能计算出灌水均匀度。由图6 可知，灌水均匀度介于63%～91%，与实测值相差0.31%～29.49%，最低值出现在2018年12月17日，为2018年冬小麦第1次灌水。对于2018年冬小麦，灌水均匀度随灌水次数增加而提高，第3 次灌水的灌水均匀度较第1 次灌水高44.44%，由图6 所知，灌水效率介于18%～49%，与实测值差4.39%～35.41%。2018年冬小麦第1 次灌水效率最低，2018年夏玉米第1 次灌水效率最高。夏玉米灌水效率较冬小麦高，平均高113.04%，主要因为土壤密实度低，土壤入渗系数大，畦长较长，导致冬小麦灌水量大。冬小麦时期超过70%的水分通过重力作用下渗至根系活动层以下，造成大量的水资源浪费。由图中可看出，随着灌水次数的增加，灌水效率有所提高。2018年冬小麦第2 次灌水的灌水效率较第1 次灌水高22.22%，2018年冬小麦第3 次灌水的灌水效率较第1 次灌水高77.78%，说明增加灌水次数或降水，均有利于灌水效率的提升。

图6 灌水均匀度（DU）与灌水效率（AE）Fig.6 Uniformity(DU)and efficiency(AE)of irrigation

3 讨论

3.1 灌水历时差异性分析

冬小麦水流推进时间明显长于夏玉米，平均多用时123.99%，且同一季作物，冬小麦第3 次灌水历时较前2 次灌水历时短，水流推进速度较冬小麦第1 次灌水提高23.17%。有2 点原因：一是冬小麦种植密集，导致糙率较大；二是冬小麦根系对土壤的固化能力差，且冬天降水少，土质疏松，土壤入渗系数大，导致灌水入渗量增加，因此减缓水流推进速度，增加灌水历时。灌水有利于土壤密实度增加，从而减少灌水历时。

3.2 主要参数变化分析

冬小麦时期的土壤入渗系数较夏玉米时期平均增大1.05 倍，土壤入渗指数较夏玉米时期平均小34.61%，糙率较夏玉米平均增大39.31%，整体规律与蔡焕杰等[7]研究结果一致。主要由于冬小麦时期，降水少，土质较疏松，土壤孔隙度较大，导致其入渗系数和糙率偏大。对于同一季冬小麦，随灌水次数的增加，入渗系数和入渗指数均逐渐减小。这是由于每季作物播种前，均会进行耙地翻耕，表层土壤疏松，经过灌水，可有效减小表层土壤孔隙度，改善孔隙结构，导致入渗系数减小。通过分析入渗系数与灌水历时的关系，发现二者呈显著线性关系（R2=0.903 6），可用于入渗系数的初步估算。

3.3 灌水质量变化分析

冬小麦时期随着灌水次数增加，灌水质量有所提升，与白寅祯等[8]研究一致，这是由于土壤孔隙度逐渐减小，密实度增加，水流推进速度快，有利于土壤水量均匀分布，提高灌水均匀度。以往学者[12-15]通过优化灌水方式及畦田规格达到更高的灌水均匀度，对于不变的畦田规格及灌水方式，通过改善土壤物理性质以达到良好的灌水效果。今后可以从土壤物理性质角度进一步研究其与灌水质量的关系，以作为畦田耕作措施的指导。