阜新春播关键期土壤墒情变化特征及预测模型的构建

2024-01-02舒海燕赵振宇杨晓彤

辽宁农业科学 2023年6期

陶倩,舒海燕,赵振宇,范野,杨晓彤,赵巍,赵军

(阜新市气象局,辽宁阜新 123000)

土壤墒情是农作物生长发育过程中的一个重要基础条件,是农作物种植和农业气象监测中重要考虑的因素。影响土壤墒情的因素有很多,如:气温、降水、风速、径流、土壤质地等。不同地区气候条件不同,影响土壤墒情的因子各有差异。阜新地区农作物播种的关键季节是4 月,3 ～4 月期间多大风,气温回暖快,降水量很少[1～2],大部分年份不能满足农作物出苗、育苗需要,春旱经常发生,俗有“十年九春旱”之称。所以研究阜新地区春播关键期土壤墒情变化特征及预测方法对指导本地农业生产具有重要意义。

一些气象学者分析了地区级土壤湿度变化趋势和突变性[3～5]。胡春丽等分析了辽宁省春播期土壤湿度突变和周期性特征[6]。张敬超等根据当地农业气候特点,利用气象因子对土壤墒情的影响建立了土壤墒情多元预测模型[7～12]。孙美薇等研究了季节性冻土区土壤湿度的特征及影响因素[13～14]。李雨鸿用历史资料进行分析、差值计算、预测值回代等方法定量化预测了辽宁省土壤相对湿度[15]。王小桃等发现前一年秋季封冻墒情对辽西地区春播期土壤湿度的影响特别显著,并建立了预测模型[16～18]。阜新地区位于辽宁西北部的内蒙古高原和辽河平原的中间过渡带,为丘陵地带,全境呈现长矩形。属于北温带大陆季风气候,四季分明,光照充足,各季雨量分布不均匀,很容易发生春旱,对农作物产生严重影响,导致产量的下降。目前,关于阜新地区春播关键期土壤墒情特征上的研究还存在不足,仍然停留在年际变化方面,还应增加突变性和周期性特征的研究。

本文对阜新地区春播关键期土壤墒情变化进行了分析,并利用前秋(9 ～11 月)和同期(1 ～4月)各气象因子,建立了春播关键期耕作层土壤墒情的预测模型,以期为阜新地区有效应对春旱发生、合理安排灌溉提供科学依据。

1 数据来源与研究方法

1.1 数据来源

数据来源于阜新地区阜蒙县农业气象观测站,1980～2021 年固定地段的春播关键期4 月10～20 cm 平均土壤墒情(土壤重量含水率)。根据《农业气象观测规范》,土壤墒情测量采用人工取土烘干法,各观测值的土壤含水量平均值按 3 点取样法计。将固定观测日4 月3 日、8 日、13 日、18 日、23 日、28 日观测值做算术平均,作为春播关键期土壤墒情值。

阜蒙县气象观测站1980 ～2022 年月平均气温、平均相对湿度、平均2 min 风速,前秋降水(定义为前一年秋季9、10、11 月各月累计降水量),秋季底墒(定义为前一年秋季11 月28 日土壤封冻前最后1 次观测的土壤墒情平均值)。前一年9～11 月气象要素简称为前期因子,同一年1 ～4 月气象要素简称为同期因子。

1.2 研究方法

1.2.1 土壤墒情分析

采用Mann-Kendall 突变分析方法进行趋势检验和突变分析。通过在MATLAB 2018a 中运行,得到1981～2022 年土壤墒情的M-K 检验值,以及逆序列M-K 检验值,进行趋势检验和突变分析。当UF＞0,表明气候序列呈增加的趋势;当UF＜0,表明气候序列呈减少的趋势。给定显著性水平α=0.05 或α=0.01(统计量临界值±1.96 或±2.56),当曲线超过置信线时,表明突变增加或突变减少的趋势明显。当超过临界值±2.56 时,说明突变趋势极其显著。

采用周期分析方法对土壤墒情波动周期及尺度进行分析。对土壤墒情值进行Morlet 小波变换获取复小波系数,计算复小波系数的实部,绘制小波系数实部等值线图,当小波系数实部值为正时,代表土壤墒情偏湿年,用暖色调表示;当小波系数实部值为负时,代表土壤墒情偏干年,用冷色调表示。小波方差能反映土壤墒情时间序列中包含的时间尺度的周期性波动及其能量强弱随尺度变化的特性。

1.2.2 预测模型的构建

采用多元线性回归方法构建春播关键期耕作层土壤墒情的预测模型。设因变量Y随n个自变量的x1、x2、x3、x4、…、xn的变化而产生变化,其中a0、a1、a3、…、an,为回归方程的回归系数,ε 为随机误差。因变量与自变量具有线性关系,公式表示为:

Y=a0+a1x1+a2x2+a3x3+…+anxn+ε

本文采用此方法建立了土壤墒情与气象因子的预测模型,实现定量化的春播关键期农业干旱预测。

2 结果与分析

2.1 春播期土壤墒情年际变化

1981～2022年阜新春播关键期耕作层(10 ～20 cm)土壤墒情总体呈波动下降趋势,气候倾向率为-0.3/10 年(图1)。阶段性较大值集中在1988、1990、2005、2013 年,历史极大值15.7%出现在1990 年;较小值集中在2003、2010、2017、2019 年,历史最小值6.2%出现在2003 年。根据《阜新市农业标准规范DB2109》10 ～20 cm 层土壤旱与不旱的墒情临界值是12%,统计得出近42年阜新地区春播关键期土壤墒情达到干旱的年份占71.4%。用5 日滑动平均法进行趋势分析,近42 年耕作层土壤墒情变化存在2 个阶段的上升趋势,2 个阶段的下降趋势。 1981 ～1990 年、2004～2015 年呈现波动上升趋势, 1991 ～2003 年、2016～2022 年呈现波动下降趋势。

图1 1981～2022 年土壤墒情趋势变化Figure 1 1981～2022 trend of soil moisture

2.2 春播期土壤墒情突变分析

Mann-Kendall 检验结果见图2,UF、UB 统计量在1997、1998、1999 年出现交叉,用Pettitt 方法进一步验证,确定春播关键期土壤墒情在1999 年发生了突变,突变后呈明显的下降趋势。下降趋势在2003～2005 年达到α=0.05 的显著性水平,2018～2022 年达到α=0.01 的极显著水平。

图2 土壤墒情M-K 突变曲线Figure 2 M-K mutation curve of soil moisture

2.3 春播期土壤墒情周期变化

根据1981 ～2022 年春播关键期土壤墒情值,绘制小波系数实部等值线、小波方差曲线(图3)。结果表明,土壤墒情存在二个尺度的主要周期变化规律,且二个周期尺度均存在于整个数据年限。其中一个周期为42 年,为主周期,20 世纪90 年代中前期～21 世纪初,小波系数实部等值线密度大,持续时间年限小,小波系数值有正值,说明该时间段土壤墒情下降剧烈,干旱强度最大,这与上文叙述的土壤墒情历史极小值出现在2003 年是一致的;且在20 世纪80 年代～21 世纪20 年干湿交替显著,共经历了1.5 次交替震荡。另一个周期为12 年,为次周期,20 世纪80 年代初至20 世纪90 年代末,小波系数实部等值线密度小,系数为负值,说明该时间段为持续时间较长的干旱期;20 世纪90 年代末至今干湿交替显著,共经历4次交替震荡。

图3 土壤墒情小波系数实部等值线(a)及小波方差曲线(b)Figure 3 The isoline (a) and the variance curve (b) of the wavelet coefficients of soil moisture

2.4 月尺度气象因子对春播期土壤墒情影响

2.4.1 月尺度降水影响因子

影响阜新地区春播关键期土壤墒情的降水因素主要是前秋降水,通过了α=0.01(Rc=0.666)显著性检验。前秋降水偏多,秋末封冻在土壤中的水分较多,来年春季气温回升土壤解冻返浆,土壤中含水量偏多,能减少春旱发生或减弱旱情强度;前秋降水偏少,秋末封冻在土壤中的水分偏少,来年容易发生春旱或加重旱情强度。 9 月降水与土壤墒情呈正相关,通过了α=0.01(Rc=0.651)显著性检验,10 月降水与土壤墒情呈正相关,未通过显著性检验,11 月降水与土壤墒情呈正相关,通过了α=0.05(Rc=0.325)显著性检验;同期1 ～4 月各月降水与土壤墒情均呈正相关,但都没有通过显著性检验,这与历年1 ～4 月降水次数偏少、有效降水少有关。历年(1991 ～2022 年)1 ～4 月阜蒙县降水仅为32.9 mm,占全年降水的6.8%,当春季3～4 月降水偏多时,对缓解春播期土壤干旱是非常有利的。

2.4.2 月尺度气温、相对湿度、2 min 风速影响因子

经过计算分析得出,前期月平均气温、相对湿度、2 min 平均风速对土壤墒情的影响比同期气象要素显著;同期4 月上述气象要素对土壤墒情影响显著,其它月份影响不显著。前秋9 月气温与土壤墒情呈负相关,通过了α=0.05 显著性检验,前秋9 月气温越高土壤水分蒸发越快储存在土壤中的水分越少。 11 月气温与土壤墒情呈显著正相关,11 月气温越高土壤结冻日期越晚,秋季末降水越容易渗透到土壤中封冻。同期1 ～3月气温与土壤墒情呈负相关,未通过显著性检验;同期4 月气温与土壤墒情呈显著负相关,4 月气温越高,土壤水分蒸发流失越快,旱情强度越强。

空气相对湿度对土壤墒情的影响顺序为:前秋9 月＞同期4 月＞前秋10 月,均通过了α=0.01显著性检验,11 月～翌年3 月影响不显著。前秋9～11 月2 min 平均风速与土壤墒情均呈负相关,前秋风速影响比同期风速影响显著;同期1 ～3 月2 min 平均风速与土壤墒情相关性不显著,而4 月份显著,这是因为第二年春季,随着气温升高,3月末～4 月初土壤开始解冻返浆,到4 月中旬10～20 cm 土壤完全化通,土壤化通后风速越大,会加快水分蒸发速度,墒情流失越多。

综合考虑各要素,当前一年秋季气温高,空气干燥,风速大,封冻前土壤失墒严重,土壤中储存的水分含量少,第二年春季3 ～4 月气温回暖温度高、风速大、空气干燥,返浆水分流失多,双重影响会加重春播期土壤旱情强度。

2.4.3 秋季底墒影响

很多学者研究发现辽西地区秋季底墒和春播期土壤墒情有显著的正相关,前秋底墒含水量充足,来年土壤解冻返浆,土壤湿润,不易发生春旱[15～17]。分析阜蒙县1980 ～2022 年数据发现,前秋降水和底墒对来年春播期土壤墒情都有显著的正相关,底墒与春播期土壤墒情正相关,通过了α=0.01(Rc=0.583)显著性检验。秋季降水和底墒有正相关关系,通过了α=0.01(Rc=0.808)显著性检验。说明秋季降水偏多时渗透在土壤中的水分充足,封冻前保留在土壤中的水分多,造成底墒较好;反之当秋季降水偏少时,保留在土壤中的水分偏少,底墒就差。因此,秋季降水量的多少是造成底墒好坏的直接原因。

根据《阜新市农业标准规范DB2109》,对近42 年秋季底墒和春播期土壤墒情干旱状态进行分类,大于等于12%为不旱用2 表示,小于12%为干旱用1 表示。分析秋季底墒干旱时翌年春季土壤干旱的分布情况,如图4a 显示,当秋季底墒干旱,春播期土壤也干旱的年份占61.9%。图4b显示,春播期土壤墒情值与秋季底墒值之差,在±2.0%内振幅震荡的年份占78.5%,在±1%内振幅震荡的年份占61.9%。说明秋季底墒对来年春播期土壤墒情的干旱状态具有很好指示意义。

图4 前秋底墒干旱与春播期墒情干旱状态分类 (a)及前秋墒与春播墒差频率(b)Figure 4 Classification of drought state of pre-autumn soil moisture and spring sowing date (a) and difference frequency of pre-autumn soil moisture and spring sowing soil moisture (b)

3 土壤墒情预测模型的构建

3.1 回归模型

数据分析得出,前一年秋季和同期4 月气温、相对湿度与2 min 平均风速以及秋季底墒对土壤墒情的影响极其显著。本文建立翌年春播关键期耕作层(10～20 mm)土壤墒情的预测模型时引入因子除了前秋降水外还引入这4 个气象要素的滑动平均值,利用spss17.0 用逐步回归方法进行模型建立,最终预测模型为Y=3.881lnx1-1.873x2-1.559(x1为前秋降水3 年滑动平均值,x2为前秋2 min 平均风速5 年滑动平均值,其他因子因为存在共线性等原因而被剔除),拟合率R2=0.736,预测模型通过了α=0.01 显著性检验,预测因子lnx1的相关系数Rc=0.760,p值为0.002;x2的相关系数Rc=-0.607,p值为0.005。

3.2 预测误差分析

由图5a 可见,预测模型整体上很好的模拟了实测值增加、减小的变化趋势,异常偏小的年份共有4 年,其中2003 年、2010 年的预测结果误差较小,但是2017 年和2019 年的预测相对误差偏大,分别为17.3%和19.2%。

图5 土壤墒情实测值与预测值趋势变化曲线(a)及土壤墒情预测值相对误差变化曲线(b)Figure 5 Trend change curve (a) and relative error change curve (b) of soil moisture measured and predicted

通过相对误差分析得出(图5b),预测值比实测值偏大年份有19 年,预测值比实测值偏小年份有18 年;±10%相对误差以内的年份共有31 年,占73.8%;用模型定量预测出2023 年春播关键期耕作层土壤墒情值是13.04%,实测值12.76%,预测值相对误差为2.2%,预测效果较好,在实际春耕服务中发挥了预期的指导作用。综上所述,该模型对春播期土壤墒情预测有很大的实用价值。