沭陽縣人工與自動土壤水分觀測資料對比分析

葉 杰，周 偉，葉 劍，漆正蓉　(.江蘇省沭陽縣氣象局，江蘇沭陽 3600；.江蘇省宿遷市氣象局，江蘇宿遷 3800)

?

沭陽縣人工與自動土壤水分觀測資料對比分析

葉 杰1，周 偉1，葉 劍2，漆正蓉1(1.江蘇省沭陽縣氣象局，江蘇沭陽 223600；2.江蘇省宿遷市氣象局，江蘇宿遷 223800)

摘要[目的]客觀評估DZN1型自動土壤水分觀測儀的監(jiān)測能力。[方法]采用對比差值、逐步回歸等方法，比較分析了2013年1月1日～7月31日沭陽國家農(nóng)氣一級站的人工與自動土壤體積含水量觀測數(shù)據(jù)。[結(jié)果]人工觀測值略高于自動站觀測值，兩者在淺層的平均差值最小，變化趨勢相當一致；在分析了人工與自動觀測值相關(guān)系數(shù)后，為降低DZN1型自動土壤水分觀測儀的系統(tǒng)性誤差，獲得較準確的訂正數(shù)據(jù)，運用逐步回歸法建立了沭陽土壤水分自動站觀測資料序列訂正模型，并利用該站2014年4月1日～5月31日對比觀測資料對其訂正效果進行了檢驗，檢驗結(jié)果顯著。[結(jié)論]該研究為發(fā)揮觀測資料的應用價值和氣象服務效益提供依據(jù)。

關(guān)鍵詞人工觀測；自動觀測；土壤水分；對比分析；訂正模型

土壤水分是植物水分的直接來源，土壤水分含量的多少決定著植物生長狀況的好壞。同時，土壤水分是土地持續(xù)利用[1]、水資源管理[2-3]及節(jié)水農(nóng)業(yè)技術(shù)研究[4-5]的基礎，深入分析土壤水分狀況及其變化規(guī)律，對農(nóng)業(yè)灌溉[6]、土壤墑情[7-9]、土壤水資源的開發(fā)利用以及農(nóng)業(yè)干旱[10-11]的監(jiān)測預測具有十分重要的意義。

近幾年來，隨著土壤水分自動觀測系統(tǒng)的逐漸完善和應用，較人工觀測數(shù)據(jù)在時間密度、空間密度上更具優(yōu)勢，為人們研究土壤規(guī)律提供了實時依據(jù)。然而，人工觀測和自動觀測之間不可避免地存在著差異，這種差異對歷史氣象資料的均一性提出了挑戰(zhàn)，并對業(yè)務應用產(chǎn)生了影響。我國學者在人工與自動觀測資料對比分析方面開展了相關(guān)工作[12-14]，針對的觀測要素涵蓋空氣相對濕度、土壤水分、溫度與水汽壓等，分析方法多采用誤差分析、差值概率及相關(guān)法。筆者利用沭陽縣國家農(nóng)氣一級站人工與自動土壤體積含水量觀測數(shù)據(jù)，采用對比差值、逐步回歸等方法，對這2組數(shù)據(jù)進行對比分析，客觀評價DZN1型土壤水分觀測儀的觀測能力，為發(fā)揮觀測資料的應用價值和氣象服務效益提供依據(jù)。1資料與方法

所用資料為2013年1月1日～7月31日沭陽縣國家基本氣象站的日降水量數(shù)據(jù)和兩組土壤濕度對比觀測資料，所有數(shù)據(jù)均經(jīng)過初步的質(zhì)量控制。其中一組為DNZ1型自動土壤水分觀測儀觀測的10、20、30、40、50、60、80、100 cm共8個土層逐小時的土壤濕度資料；另一組為每旬逢3、逢8日同樣8個土層的同步人工觀測土壤水分資料，其鉆孔取土的位置均分布在自動站傳感器埋設位置四周半徑2～10 m，如遇≥10 mm以上的降水則延遲至次日取土，各層每次均取4個重復，測定方法采用中國氣象局《農(nóng)業(yè)氣象觀測規(guī)范》規(guī)定的烘干稱重法，觀測地段為非灌溉自然狀態(tài)下的地塊。自動土壤水分觀測儀傳感器需遵循土壤體積含水量在0～50%的工作范圍要求。為了便于與DZN1型土壤水分觀測儀測定的土壤體積含水量Q進行比較，統(tǒng)一將人工觀測數(shù)據(jù)土壤重量含水率w通過公式換算成土壤體積含水量[15]，二者的換算公式為Q=wρ，其中，ρ為地段實測土壤容重(g/cm3)。

人工土壤濕度觀測一般僅在每旬逢3、逢 8日有觀測數(shù)據(jù)，所以取與其同時期對應土層的自動獲取的土壤濕度觀測數(shù)據(jù)，構(gòu)成2個組42個時次的樣本序列。因為土壤濕度一般受當天及前幾天發(fā)生的降水影響，在此取當天和前2 d(共3 d)的平均降水量作為影響當天土壤濕度的降水量。

2結(jié)果與分析

2.1人工和自動觀測數(shù)據(jù)對比差值分析利用沭陽站評估對比觀測階段(2013年1月1～7月1日)的人工和自動觀測42組數(shù)據(jù)以及相應時段的日降水量進行對比差值(人工-自動)分析。由圖1可見，10 cm淺層平均土壤體積含水量的人工觀測值基本上高于自動觀測值，但兩者差值較小，均在1.8%以內(nèi)；在前11組觀測數(shù)據(jù)無有效降水時段內(nèi)，兩者觀測值均有明顯的下滑趨勢；在有效降水時段內(nèi)，人工與自動站觀測值每一次升高均與對應時間發(fā)生的降水相匹配，即受降水影響較大。在中層(50 cm)，土層土壤體積含水量的人工觀測與自動站觀測值有明顯的差距，尤其是在強降水發(fā)生時，其中降水最強的第12組對應的差值達4.3%；在前11組無有效降水時段內(nèi)，人工與自動觀測值均有下降趨勢，其中人工觀測值下降更為明顯；與淺層相比，兩者下降速度均較緩慢，即受降水影響相對較??；在有較小降水時，自動站觀測值有較小幅度的上升，而人工觀測數(shù)據(jù)明顯大于自動站。在深層(100 cm)，土層土壤體積含水量的人工觀測與自動站觀測值的差值更明顯，最大差值達5.4%；在前11組無有效降水時段內(nèi)，人工觀測值有較明顯上升，而自動站觀測值卻基本保持平穩(wěn)；在有較小有效降水發(fā)生期間，人工觀測值數(shù)據(jù)有所上升，而自動站卻緩慢下降；在有強降水發(fā)生時，人工觀測值有明顯上升，而自動站觀測值上升波動較小。

由此可見，人工觀測值總體高于自動觀測值，在強降水發(fā)生時更加明顯；人工與自動站觀測對比差值隨土壤深度加深，總體增大。造成差異的原因可能是：在強降水出現(xiàn)時，淺層土壤濕度很高，在人工鉆孔取土過程中有一定水分隨土鉆擠壓滲透到所取土壤樣本中，導致所取土壤樣本的濕度值偏高。

2.2自動與人工觀測值相關(guān)系數(shù)分析從表1可以看出，土壤體積含水量的人工與自動站觀測值的相關(guān)系數(shù)在淺層(10 cm)和中層(50 cm)分別為0.975 4和0.714 1，均通過了0.01的信度檢驗，為顯著相關(guān)；而深層(100 cm)的相關(guān)系數(shù)為0.167 3，未通過0.05的信度檢驗?？梢?，淺層土壤體積含水量人工與自動站觀測值相關(guān)性最好，中層其次，而深層相關(guān)性最差。這與前面的對比差值分析相吻合。

表1沭陽土壤水分自動與人工觀測數(shù)據(jù)的偏差與相關(guān)性

Table 1Deviation and correlation of automatic and artificial observation data of soil moisture in Shuyang

注：*、** 分別表示通過α=0.05、α=0.01的信度檢驗。

Note：*，** stand for pass through α=0.05，α=0.01 reliability test.

2.3訂正模型及效果檢驗將2013年1月1日～7月31日0～10、10～20、20～30、30～40、40～50、50～60、70～80、90～100 cm土層人工觀測和自動觀測每兩組土壤體積含水量及與其有關(guān)的日降水量、日蒸發(fā)量作為序列，以人工觀測土壤體積含水量為自變量Y，以自動站土壤體積含水量(X1)、降水量(X2)和蒸發(fā)量(X3)作為因變量[16]，建立沭陽站不同土壤層次的自動站觀測資料序列訂正多元回歸模型[17-18]。

假定各個影響因素與Y的關(guān)系是線性的，則多元線性回歸模型為Y=b0+b1X1+b2X2+b3X3。顯著性檢驗(表2)發(fā)現(xiàn)，0～10、10～20、20～30、30～40、40～50、50～60 cm各土層建立的回歸模型F檢驗的P值很小，有的近似為0，小于顯著性水平α=0.05，所以0～60 cm土層的自動站觀測資料序列訂正多元回歸方程檢驗結(jié)果顯著。因深層相關(guān)性較小，80～100 cm建立的模型并未能通過顯著檢驗，故表2中未列出。

利用2014年4月1日～5月31日沭陽站2個月的人工觀測土壤體積含水量和自動觀測值共計12組資料對各土層自動站觀測資料序列訂正多元回歸模型進行驗證。從圖2可以看出，沭陽站2014年4～5月10、20、30、40、50、60 cm土層自動站土壤水分含水量訂正值與人工實測值的相關(guān)系數(shù)分別為0.921 498、0.763 423、0.795 265、0.809 845、0.828 102、0.784 374，表明自動站土壤體積含水量訂正值與人工土壤體積含水量均擬合一致，驗證效果顯著。

3結(jié)論與討論

(1)自動站相對于人工觀測方法，各層土壤體積含水量均存在一定的偏差，這可能與儀器本身的系統(tǒng)誤差有關(guān)，也可能與取土時間、地點及其他形式的偶然誤差有關(guān)。但盡管如此，二者仍具有一致的相關(guān)性，0～60 cm土層的相關(guān)系數(shù)均高于顯著性水平α=0.05的臨界值，通過自動站土壤體積含水量和日降水量、日蒸發(fā)量建立的多元線性訂正模型效果也比較明顯。

(2)人工觀測值基本高于自動站觀測值，兩者在淺層的平均差值最小，變化趨勢相當一致，均受降水影響較大。兩者在中層的平均差值比淺層大，在出現(xiàn)強降水時尤為明顯。在深層的對比差值比淺層、中層均大，其中自動觀測值變化基本穩(wěn)定，受降水影響很小，而人工觀測波動較大，受降水影響相對較大。

(3)淺層的人工與自動觀測值相關(guān)性最好，深層相關(guān)性最差，總體來說兩者相關(guān)性隨土層深度的加深而遞減。

(4)0～60 cm土層的訂正回歸方程F檢驗的P值很小，檢驗結(jié)果顯著；而深層(80～100 cm)建立的模型未能通過顯著性檢驗。

(5)利用2014年4月1日～5月31日沭陽站2個月的人工觀測土壤體積含水量和自動觀測值共計12組資料對各土層自動站觀測資料序列訂正多元回歸模型進行驗證，結(jié)果表明，各土層的訂正模型效果較好。

參考文獻

[1] 連綱，郭旭東，王靜，等.土壤質(zhì)量與可持續(xù)土地利用管理[J].生態(tài)學雜志，2005(2)：163-169.

[2] 丁文喜.中國水資源可持續(xù)發(fā)展的對策與建議[J].中國農(nóng)學通報，2011(14)：221-226.

[3] 夏軍，翟金良，占車生.我國水資源研究與發(fā)展的若干思考[J].地球科學進展，2011(9)：905-915.

[4] 李玉義，逄煥成，王婧，等.中國節(jié)水農(nóng)作制度發(fā)展趨勢探討[J].中國農(nóng)業(yè)大學學報，2010(3)：88-93.

[5] 康紹忠，蔡煥杰，馮紹元.現(xiàn)代農(nóng)業(yè)與生態(tài)節(jié)水的技術(shù)創(chuàng)新與未來研究重點[J].農(nóng)業(yè)工程學報，2004(1)：1-6.

[6] 姚林，鄭華斌，劉建霞，等.中國水稻節(jié)水灌溉技術(shù)的現(xiàn)狀及發(fā)展趨勢[J].生態(tài)學雜志，2014(5)：1381-1387.

[7] 粟容前，康紹忠，賈云茂.農(nóng)田土壤墑情預報研究現(xiàn)狀及不同預報方法的對比分析[J].干旱地區(qū)農(nóng)業(yè)研究，2005(6)：198-203.

[8] 朱新國，林方存，高湖濱.墑情監(jiān)測研究進展綜述[J].節(jié)水灌溉，2011(11)：53-55，58.

[9] 張益，馬友華，江朝暉，等.土壤水分快速測量傳感器研究及應用進展[J].中國農(nóng)學通報，2014(5)：170-174.

[10] 王利娜，蘇靜，鄭曉東，等.我國農(nóng)業(yè)干旱風險研究進展簡述[J].水科學與工程技術(shù)，2011(2)：3-7.

[11] 李芬，于文金，張建新，等.干旱災害評估研究進展[J].地理科學進展，2011(7)：891-898.

[12] 周清，朱保美.DZN1型自動站與人工測定土壤濕度對比分析[J].中國農(nóng)學通報，2013(6)：108-112.

[13] 黃文杰，呂軍，翟伶俐，等.人工與自動土壤水分觀測資料差異探討[J].中國農(nóng)學通報，2013(14)：146-149.

[14] 費啟瓅，袁慧玲，阿不都外力·阿不力克木，等.江蘇省自動土壤水分觀測與人工觀測對比分析及應用[J].氣象科學，2013(3)：302-307.

[15] 馬玉瑩，雷廷武，張心平.測量土壤質(zhì)量含水率的體積置換方法[J].農(nóng)業(yè)機械學報，2013(12)：148-153.

[16] 李涵茂，方麗，賀京，等.基于前期降水量和蒸發(fā)量的土壤濕度預測研究[J].中國農(nóng)學通報，2012(14)：252-257.

[17] 張翔，陳建能.關(guān)于回歸方程自變量的選擇[J].福建農(nóng)業(yè)大學學報，1999(3)：357-360.

[18] 盧文喜，司昌亮，程衛(wèi)國，等.基于多元線性回歸的水稻產(chǎn)量與各生理參數(shù)關(guān)系研究[J].節(jié)水灌溉，2012(12)：37-39，42.

Comparative Analysis of Artificial and Automatic Soil Moisture Observation Data in Shuyang County

YE Jie1, ZHOU Wei1,YE Jian2et al

(1. Shuyang Meteorological Bureau, Shuyang, Jiangsu 223600; 2. Suqian Meteorological Bureau, Suqian, Jiangsu 223800)

Key wordsArtificial observation; Automatic observation; Soil moisture; Comparative analysis; Correction model

Abstract[Objective] The aim was to objectively evaluate the monitoring ability of the DZN1 type automatic soil moisture monitoring instrument. [Method] By using contrast difference, regressive regression methods, artificial and automatic observation data of soil volumetric moisture content from Shuyang National Agricultural Gas primary station during Jan.1-Jul.31, 2013 was compared and analyzed. [Result] The artificial observed value was slightly higher than that of the automatic station, the average difference was minimum in shallow layer, the change trend was quite consistent; after analyzing the correlation coefficient between artificial and automatic observation value, in order to reduce the systematic errors of the DZN1 type automatic soil moisture meter and obtain more accurate correction data, using the stepwise regression method, the sequence correction model of soil moisture automatic observation data in Shuyang was established. The correction effect was detected using contrast data during Apr.1-May 31, 2014, the test result was significant. [Conclusion] The study provides a basis for application of the observed data and meteorological service benefit.

基金項目宿遷市氣象局氣象科研項目(sq201403)。

作者簡介葉杰(1980- )，女，江蘇宿遷人，助理工程師，從事地面測報、農(nóng)業(yè)氣象研究。

收稿日期2016-02-16

中圖分類號S 164

文獻標識碼A

文章編號0517-6611(2016)07-224-03