魯中地區(qū)作物系數(shù)確定及土壤水分預(yù)報模型研究

環(huán)海軍++姚丹丹++劉巖++夏福華

摘要：通過土壤水分平衡方程對魯中地區(qū)平原和山區(qū)兩種地形冬小麥和夏玉米的作物系數(shù)進(jìn)行修正，建立了理論模型和統(tǒng)計模型，并進(jìn)行了回代和預(yù)報對比分析。結(jié)果表明：魯中地區(qū)冬小麥、夏玉米生育階段作物系數(shù)山區(qū)較平原低，最大值分別出現(xiàn)在拔節(jié)至乳熟、拔節(jié)至抽雄階段；兩種模型多數(shù)時段回代和預(yù)報絕對均方根誤差均在5 mm內(nèi)，相對均方根誤差基本在2%以內(nèi)；兩種模型對平原地區(qū)土壤水分的回代和預(yù)報效果接近，統(tǒng)計模型誤差略偏小，對山區(qū)的回代和預(yù)報效果多數(shù)時段統(tǒng)計模型偏好；模型對平原土壤水分的預(yù)報效果較山區(qū)好。綜上所述，統(tǒng)計模型基本能用于實(shí)際業(yè)務(wù)中，但其穩(wěn)定性和機(jī)理機(jī)制仍需深入研究。

關(guān)鍵詞：作物系數(shù)；小麥；玉米；預(yù)報模型；魯中地區(qū)

中圖分類號：S152.7+5文獻(xiàn)標(biāo)識號：A文章編號：1001-4942（2017）06-0143-05

AbstractThe crop coefficients of winter wheat and summer maize in the plain and mountain areas in the middle area of Shandong Province were modified by soil moisture balance equation， then the theoretical model and statistical model were established， and the backward substitution and prediction analysis were conducted. The results showed that the crop coefficients of winter wheat and summer maize in plain were higher than those in mountain area in the middle area of Shandong Province， and their peak values appeared at jointing-milky stage and jointing-tasseling stage respectively. The absolute root mean square errors of backward substitution and prediction were within 5 mm in most time of the two models， and their relative root mean square errors were basically less than 2%. The backward substitution and prediction results of two models on soil moisture in the plain were close to each other， in which， the error of statistical model was slightly smaller. The backward substitution and prediction results of statistical model in the mountain area was better in most time. The prediction results of two models in the plain were better than those in the mountain area. Thus， the statistical model could be used in the actual business， but its stability and mechanism still needed further research.

KeywordsCrop coefficient； Wheat； Summer maize； Forecast model； Middle area of Shandong Province

土壤水分是作物生長的物質(zhì)基礎(chǔ)，干旱是制約農(nóng)業(yè)生產(chǎn)的主要?dú)庀鬄?zāi)害之一，所以研究土壤水分預(yù)報模型對農(nóng)業(yè)生產(chǎn)和節(jié)水灌溉有重要意義。國內(nèi)外有許多學(xué)者從多個方面研究了土壤墑情預(yù)報，如利用不同方法建立土壤水分經(jīng)驗(yàn)?zāi)Ｐ蚚1-3]，結(jié)合遙感衛(wèi)星資料建立土壤水分預(yù)報模型[4-7]，利用實(shí)測資料基于土壤水量平衡原理建立了研究區(qū)域的土壤墑情預(yù)報模型[8-11]，基于BP神經(jīng)網(wǎng)絡(luò)模型和ARIMA模型等數(shù)學(xué)模型建立土壤水分預(yù)報方法[12-19]，基于遙感和GIS建立土壤墑情預(yù)報模型[20-22]?，F(xiàn)在國內(nèi)對土壤墑情的研究已經(jīng)有了很大進(jìn)展，逐步在全國范圍內(nèi)建立了土壤墑情的實(shí)時監(jiān)測系統(tǒng)。利用大范圍農(nóng)田逐日土壤水分實(shí)時觀測資料進(jìn)行分析和建立預(yù)報模型在灌溉預(yù)測中有實(shí)際意義。

魯中地區(qū)地處暖溫帶大陸性季風(fēng)氣候區(qū)，多數(shù)區(qū)域?yàn)閬啙駶櫄夂颉Ｊ芗撅L(fēng)影響，氣候變化具有明顯的季節(jié)性，季節(jié)性干旱較常見，尤其春、秋季干旱發(fā)生頻繁。魯中地區(qū)主要種植小麥和玉米，干旱是制約當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)的主要?dú)庀鬄?zāi)害之一，其頻繁發(fā)生和長期持續(xù)性給當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)帶來巨大損失，但目前針對該地區(qū)土壤水分預(yù)報模型的研究較少，故結(jié)合實(shí)時農(nóng)田土壤水分觀測資料，建立適合該地區(qū)的土壤水分預(yù)報模型對干旱監(jiān)測和實(shí)際農(nóng)業(yè)生產(chǎn)具有指導(dǎo)意義。

1材料與方法

1.1數(shù)據(jù)來源

本研究所需數(shù)據(jù)來自于魯中地區(qū)自南而北的8個國家一般氣象觀測站2010—2014年逐日氣象資料（包括降水量、氣溫、水汽壓和日照時數(shù)等）；地形包括平原和山區(qū)，土壤水分資料來源于2010—2014年魯中地區(qū)與8個國家一般氣象觀測站臨近的土壤水分自動監(jiān)測站逐時數(shù)據(jù)。各監(jiān)測站點(diǎn)分布見圖1。

1.2研究方法

參考作物蒸散量利用Penman-Monteith模型計算，見式（1）。農(nóng)田實(shí)際蒸散量運(yùn)用土壤水分平衡法獲取，魯中地區(qū)作物地段畦間有畦埂，故由降水和灌溉引起的徑流量可忽略為0，簡化變換后見式（2），其中ET為研究時段內(nèi)農(nóng)田蒸散量，WT+i、WT由土壤水分自動觀測站逐日資料（體積含水率）獲取，R、I分別為研究時段內(nèi)的降水量和灌溉量；G為研究時段內(nèi)的地下水補(bǔ)給量，其計算方法見式（3）；H為地下水位深度（mm）；Is為降水作物截流量，與作物葉面積有關(guān)。

2結(jié)果與分析

2.1土壤水分預(yù)報理論模型

2.1.1作物系數(shù)的確定土壤水分平衡方程是計算土壤水分變化的理論基礎(chǔ)，其中關(guān)鍵在于作物蒸散量的計算。冬小麥和夏玉米的作物系數(shù)雖可由FAO-56查出，但各地作物系數(shù)不盡相同，本研究利用公式（1）至（5）對魯中地區(qū)冬小麥和夏玉米各生育階段的作物系數(shù)進(jìn)行了修正，結(jié)果見圖2。由于越冬期間（11月下旬至次年2月下旬）土壤凍結(jié)，不對該階段進(jìn)行修正計算。由圖2可知，兩種地形同種作物的作物系數(shù)變化規(guī)律基本一致，山區(qū)較平原偏小，拔節(jié)至乳熟是冬小麥作物系數(shù)的最高階段，拔節(jié)至抽雄是夏玉米作物系數(shù)的最高階段；冬小麥生育期作物系數(shù)呈“Z”形分布，夏玉米呈單峰形分布，基本符合魯中地區(qū)主要農(nóng)作物生長特征。

2.1.2理論模型的誤差分析運(yùn)用修正的作物系數(shù)結(jié)合土壤水分平衡方程，回代計算2010—2013年土壤水分貯存量逐日變化，并預(yù)報2014年土壤水分貯存量的逐日變化，旬絕對均方根誤差和相對均方根誤差計算結(jié)果見表1?？梢钥闯?，平原地區(qū)回代和預(yù)報的相對均方根誤差均在2.0%以內(nèi)，整體模擬效果較好，旬絕對均方根誤差隨時間的推進(jìn)呈先增加后減小的趨勢；多數(shù)時段預(yù)報誤差較回代誤差小。山區(qū)除了在部分時段回代和預(yù)報絕對均方根誤差較大外，多數(shù)時段低于5 mm，誤差變化規(guī)律與平原地區(qū)基本一致，整體回代和模擬效果較平原地區(qū)略差。

2.2土壤水分預(yù)報統(tǒng)計模型

為了在實(shí)際業(yè)務(wù)中結(jié)合天氣預(yù)報進(jìn)行土壤水分預(yù)報，本研究以土壤水分平衡方程為基礎(chǔ)，結(jié)合常規(guī)天氣預(yù)報要素——降水、地下水位、最高氣溫、最低氣溫、風(fēng)速、天氣狀況和日照時數(shù)，建立了魯中地區(qū)0～100 cm土壤水分貯存量預(yù)報統(tǒng)計模型。依據(jù)氣象上的分類標(biāo)準(zhǔn)和日照時數(shù)觀測結(jié)果，按日照百分率S≥60%、20%≤S<60%、0≤S<20%劃分為晴天、多云和寡照3種天氣類型，分別用1、2、3表示；將風(fēng)速按莆田風(fēng)速標(biāo)準(zhǔn)劃分為6級，分別用1、2、3、4、5、6表示；將土壤水分日降幅百分率（日土壤水分變化幅度/初始土壤水分×100）進(jìn)行均一化處理，以去除初始土壤水分貯存量對結(jié)果的影響。本研究對8個預(yù)報要素與土壤水分日降幅百分率進(jìn)行相關(guān)性分析，將通過0.05顯著水平的要素選入方程，建立不同月份的回歸模型，然后選擇擬合優(yōu)度高和通過0.01水平F檢驗(yàn)的模型進(jìn)行回代和預(yù)報檢驗(yàn)，旬絕對均方根誤差和相對均方根誤差計算結(jié)果見表2。

由表2可知，回代和預(yù)報絕對均方根誤差均在5 mm內(nèi)，相對均方根誤差基本在2%以內(nèi)，需水高峰時的誤差較其他時段的誤差大；多數(shù)時段預(yù)報誤差比回代誤差略小，模擬預(yù)報效果較好。

2.3兩種模型的對比分析

以理論模型絕對均方根誤差與統(tǒng)計模型絕對均方根誤差的差值對比分析兩種模型，結(jié)果見圖3。可知，平原地區(qū)理論模型和統(tǒng)計模型回代絕對均方根誤差在各旬統(tǒng)計中各有優(yōu)勢，而山區(qū)理論模型回代絕對均方根誤差整體偏大，而且差值幅度較平原地區(qū)大。在模擬預(yù)報方面，多數(shù)時段，兩種地形理論模型的絕對均方根誤差偏大，但3月下旬至4月上旬偏小幅度較大；多數(shù)時段兩種模型對平原地區(qū)2014年土壤水分貯存量的預(yù)報模擬誤差接近，但在山區(qū)的模型預(yù)報中，理論模型偏高幅度較大。綜合來看，統(tǒng)計模型更適用于實(shí)際預(yù)報業(yè)務(wù)，但還需相關(guān)的機(jī)理機(jī)制解釋支撐。

3討論與結(jié)論

（1）魯中地區(qū)作物系數(shù)隨著時間推移，冬小麥呈減少-增加-減少的變化趨勢，玉米呈增加-減少的趨勢，峰值分別出現(xiàn)在拔節(jié)—乳熟、拔節(jié)—抽穗期；多數(shù)時段平原地區(qū)作物系數(shù)較山區(qū)略高。

（2）平原地區(qū)理論模型回代和預(yù)報相對均方根誤差均在2.0%以內(nèi)，整體模擬效果較好；山區(qū)多數(shù)時段絕對均方根誤差在5 mm范圍內(nèi)，誤差變化規(guī)律與平原地區(qū)基本一致，整體回代和預(yù)報效果較平原地區(qū)略差。統(tǒng)計模型的回代和預(yù)報絕對均方根誤差均在5 mm內(nèi)，相對均方根誤差基本在2.0%以內(nèi)，需水高峰的誤差較其他時段的誤差大。

（3）兩種模型平原地區(qū)的回代絕對誤差在各旬統(tǒng)計中各有優(yōu)勢，理論模型在山區(qū)回代絕對均方根誤差整體偏大；理論模型對兩種地形的模擬預(yù)報絕對均方根誤差偏大，山區(qū)偏差幅度較平原地區(qū)大。

（4）通過結(jié)合實(shí)際天氣預(yù)報業(yè)務(wù)建立統(tǒng)計模型，并與修正作物系數(shù)后的理論模型進(jìn)行比較分析，結(jié)果表明統(tǒng)計模型的精度更能夠適用于實(shí)際業(yè)務(wù)運(yùn)行。但該模型的時間序列較短，穩(wěn)定性、精度和機(jī)理機(jī)制仍有待進(jìn)一步研究。精細(xì)化的土壤水分預(yù)報模型能夠?yàn)榧Z食安全生產(chǎn)、節(jié)水灌溉和進(jìn)行更及時、更精細(xì)、更準(zhǔn)確的農(nóng)業(yè)氣象服務(wù)提供科學(xué)依據(jù)。

參考文獻(xiàn)：

[1]Lewin J. A simple soil water simulation model for assessing the irrigation requirements of wheat[J]. Israel J. Agric. Res.， 1972， 22（4）： 201-213.

[2]Rao N H， Sarma P B S， Chander S.Irrigation scheduling under a limited water supply[J]. Agriculture Water Management， 1988，15（2）： 165-175.

[3]Aboitiz M， Labadie J W， Heermann D F. Stochastic soil moisture estimation and forecasting for irrigated fields[J]. Water Resources Research， 1986， 22（2）： 180-190.

[4]Magagi R D， Kerr Y H. Retrieval of soil moisture vegetation characteristics by use of ERS-1 Wind Scatterometer over arid and semi-arid areas[J]. Journal of Hydrology， 1997， 188（1）： 361-384.

[5]Pulliainen J T， Manninen T， Hallikainen M T. Application of ERS-1 Wind Scatterometer data to soil frost and soil moisture monitoring in boreal forest zone[J]. IEEE Transactions on Geoscience & Remote Sensing， 1998， 36（3）： 849-863.

[6]Wagner W， Lemoine G， Rott H. A method for estimating soil moisture from ERS Scatterometer and soil data[J]. Remote Sensing of Environment， 1999， 70（2）： 91-207.

[7]Weimann A. Soil moisture estimation with ERS-1 SAR data in the East-German loess soil area[J]. Remote Sensing， 1998， 19 （2）： 237-243.

[8]侯瓊， 郝文俊. 內(nèi)蒙古地區(qū)玉米農(nóng)田土壤墑情動態(tài)預(yù)測模式[J]. 干旱地區(qū)農(nóng)業(yè)研究， 2000， 18（4）： 50-56.

[9]蔣洪庚， 夏自強(qiáng)， 陳海芳. 區(qū)域土壤墑情模型研究[J]. 河海大學(xué)學(xué)報， 2000， 28（5）： 21-24.

[10]鄧天宏， 方文松， 李英敏， 等. 冬小麥土壤墑情預(yù)報及優(yōu)化灌溉技術(shù)的計算機(jī)模型[J]. 氣象與環(huán)境科學(xué)， 2001（1）： 29-31.

[11]王振龍. 安徽淮北地區(qū)墑情監(jiān)測預(yù)報和抗旱信息系統(tǒng)研究[J]. 灌溉排水， 2001， 20（4）： 60-62.

[12]尚松浩， 雷志棟， 楊詩秀. 冬小麥田間墑情預(yù)報的經(jīng)驗(yàn)?zāi)Ｐ蚚J]. 農(nóng)業(yè)工程學(xué)報， 2000， 16（5）： 31-33.

[13]馬孝義， 王君勤， 李志軍. 基于土壤消退指數(shù)的田間土壤水分預(yù)報方法的研究[J].水土保持研究， 2002， 9（2）：93-96.

[14]范愛武， 劉偉， 龍妍. 基于BP網(wǎng)絡(luò)的土壤水分預(yù)報研究[J]. 華中科技大學(xué)學(xué)報（自然科學(xué)版）， 2002， 30（5）：85-87.

[15]尚松浩， 毛曉敏， 雷志棟， 等. 冬小麥田間墑情預(yù)報的BP神經(jīng)網(wǎng)絡(luò)模型[J]. 水利學(xué)報， 2002（4）： 60-63.

[16]李興旺， 馮寶平. 基于BP神經(jīng)網(wǎng)絡(luò)的土壤含水量預(yù)測[J]. 水土保持學(xué)報， 2002， 16（5）： 117-119.

[17]李帆， 史巖， 孫凱， 等.基于BP網(wǎng)絡(luò)的土壤墑情預(yù)報模型研究[J].萊陽農(nóng)學(xué)院學(xué)報（自然科學(xué)版），2006， 23（2）：136-140.

[18]楊紹輝， 王一鳴， 郭正琴， 等. ARIMA模型預(yù)測土壤墑情研究[J]. 干旱地區(qū)農(nóng)業(yè)研究， 2006， 24（2）： 114-118.

[19]張展羽， 賴明華， 朱成立. 非充分灌溉農(nóng)田土壤水分動態(tài)模擬模型[J]. 灌溉排水學(xué)報， 2003， 22（1）： 22-25.

[20]李忠武， 蔡強(qiáng)國， 曾光明， 等.基于GIS的黃土丘陵溝壑區(qū)土壤水分模型研究[J]. 水利學(xué)報， 2004（3）： 123-128.

[21]鄒春輝， 陳懷亮， 薛龍琴， 等. 基于遙感與GIS集成的土壤墑情監(jiān)測服務(wù)系統(tǒng)[J]. 氣象科技， 2005， 33（增刊）：161-165.

[22]陸圣女. 基于GIS解放閘灌域土壤墑情變化規(guī)律及預(yù)報模型研究[D]. 呼和浩特： 內(nèi)蒙古農(nóng)業(yè)大學(xué)， 2008.