內(nèi)蒙古興安盟作物生長季土壤濕度預(yù)測模型建立及檢驗

高紅霞，張曉磊，陳素華

(1.內(nèi)蒙古興安盟氣象局，內(nèi)蒙古 烏蘭浩特 137400； 2.內(nèi)蒙古生態(tài)與農(nóng)業(yè)氣象中心，內(nèi)蒙古 呼和浩特 010051)

影響土壤濕度變化的因素很多，除與降水、蒸發(fā)及日照時數(shù)等氣象因子有關(guān)外，還與土壤類型、土壤質(zhì)地及土壤持水機制等因素相關(guān)。目前，國內(nèi)外已研制的土壤水分預(yù)報模型主要有經(jīng)驗?zāi)Ｐ?、統(tǒng)計模型、隨機性模型、土壤水分平衡模型和機理性模型。一個地區(qū)的土壤性質(zhì)一般是不變的，在無灌溉的條件下，大氣水分是土壤水分的根本來源。前期降水偏少引發(fā)的土壤水分虧損，是產(chǎn)生農(nóng)業(yè)干旱的最重要因素。因此，許多學(xué)者利用氣象和土壤水分資料研究土壤水分預(yù)測模型。馬柱國等利用100°E以東地區(qū)98個氣象站共11 a的旬土壤濕度、降水和氣溫資料研究中國東部區(qū)域土壤濕度與降水和氣溫的相關(guān)關(guān)系。宋獻方等研究華北地區(qū)降水的季節(jié)性變化對土壤水和地下水的影響。柴波等利用東北地區(qū)29個氣象站點的土壤相對濕度資料和同期的氣象資料構(gòu)建東北地區(qū)旬土壤濕度的模擬模型。環(huán)海軍等利用土壤水分自動站逐小時資料和氣象站資料建立魯中地區(qū)土壤水分精細化預(yù)報模型。目前已有的土壤濕度預(yù)測模型在實際應(yīng)用中具有一定的空間局限性，且部分方法參數(shù)獲取也較為困難。

興安盟位于內(nèi)蒙古自治區(qū)東北部(44°14′～47°39′N，119°28′～123°38′E)，受東亞大陸季風(fēng)氣候的控制，熱量資源空間變異性大，降水量時空分布不均，年際變化率較大，氣象災(zāi)害較為頻繁，其中干旱災(zāi)害對農(nóng)牧業(yè)生產(chǎn)影響最大。美國氣象學(xué)者將干旱分為氣象干旱、水文干旱、農(nóng)業(yè)干旱和社會經(jīng)濟干旱4種類型。作為農(nóng)業(yè)干旱重要指標(biāo)之一的土壤濕度，目前在興安盟多以監(jiān)測為主，對其預(yù)測預(yù)警的能力較差。鑒于此，以興安盟突泉縣氣象局1982—2015年生長季逐旬10～20 cm土壤的相對濕度數(shù)據(jù)資料，結(jié)合其同期的逐日氣象觀測資料，通過回歸分析法研究興安盟歷年氣象干旱指數(shù)與土壤濕度間的相關(guān)關(guān)系，以氣溫、降水、日照及水汽壓等常規(guī)氣象要素為參數(shù)，構(gòu)建基于氣象干旱指數(shù)的作物生長季(4-9月)土壤濕度預(yù)測模型，并采用興安盟阿爾山、索倫和胡爾勒等8個國家氣象站(下面簡稱“8個站”)2016—2018年生長季逐旬10～20 cm土壤相對濕度數(shù)據(jù)對模型進行檢驗，以期為內(nèi)蒙古興安盟及類似地區(qū)生長季土壤干旱預(yù)測預(yù)警提供參考。

1 資料與方法

1.1 資料

興安盟突泉縣氣象局1982—2015年作物生長季(4—9月)逐旬10～20 cm土層土壤的相對濕度數(shù)據(jù)資料，其觀測時間為每月8日、18日和28日；興安盟阿爾山、索倫、胡爾勒、音德爾、烏蘭浩特、突泉、巴彥呼舒及高力板8個(圖1)站2016—2018年生長季逐旬10～20 cm土層土壤相對濕度數(shù)據(jù)；8個站1982—2018年逐日氣象觀測數(shù)據(jù)，包括平均氣溫、最高最低氣溫、日照時數(shù)、降水量、風(fēng)速和相對濕度等。

1.2 方法

1.2.1 干旱指數(shù)的選取 4-9月是興安盟各地降水較為集中的時段，此時土壤水分基本來源于大氣降水，且潛在蒸散對土壤水分的負作用十分顯著。因此，選擇標(biāo)準(zhǔn)化降水指數(shù)(SPI)和相對濕潤度指數(shù)(MI)2種氣象干旱指數(shù)表征氣象干旱。具體計算方法參見《GB/T 20481—2006 氣象干旱等級》[10]。

1.2.2 模型的構(gòu)建 采用回歸分析法研究興安盟突泉站歷年氣象干旱指數(shù)與土壤濕度間的相關(guān)關(guān)系，以相關(guān)系數(shù)表示各氣象干旱指數(shù)與土壤相對濕度間的相關(guān)程度。1) 計算突泉站1982—2015年4—9月旱作耕地10～20 cm土層土壤逐旬土壤相對濕度觀測值和相應(yīng)時段不同尺度氣象指數(shù)間的相關(guān)系數(shù)。干旱指數(shù)包括前30 d、前60 d、前90 d和前120 d的SPI值(標(biāo)準(zhǔn)化降水指標(biāo))，及前30 d和前60 d的MI值(相對濕度指數(shù))。2) 篩選生長季與土壤相對濕度相關(guān)性最高的3個氣象干旱指數(shù)。3) 通過SPSS 19.0進行數(shù)據(jù)線性回歸分析，獲得土壤相對濕度的預(yù)測方程。

1.2.3 模型檢驗 采用上述模型對興安盟8個站點2016—2018年4-9月的旬土壤相對濕度進行預(yù)測；通過計算預(yù)測值與相應(yīng)時段實測值的絕對誤差及相對誤差(R)檢驗?zāi)Ｐ偷念A(yù)測效果；并根據(jù)土壤相對濕度干旱等級標(biāo)準(zhǔn)[10]對興安盟8國家氣象站2016—2018年生長季干旱等級預(yù)測準(zhǔn)確率進行統(tǒng)計。干旱等級標(biāo)準(zhǔn)：1級，無旱，10～20 cm土壤相對濕度為60%

式中，R為相對誤差，SMp為土壤相對濕度模擬值，SM為土壤相對濕度實測值，|SMp-SM|為絕對誤差。

2 結(jié)果與分析

2.1 土壤相對濕度預(yù)測模型的構(gòu)建

各氣象干旱指數(shù)SPI30、SPI60、SPI90、SPI120、MI30和MI60與10～20 cm土層土壤相對濕度(M)的相關(guān)系數(shù)依次為0.44、0.43、0.40、0.38、0.40和0.29，表明，生長季土壤相對濕度與時間尺度較短的氣象干旱指數(shù)相關(guān)性較高，與時間尺度較長的氣象干旱指數(shù)相關(guān)性略差；但其相關(guān)性均通過0.01水平的顯著性檢驗。相關(guān)系數(shù)較高的干旱指數(shù)有前30 d和前60 d的SPI值，即SPI30和SPI60，及前30 d的MI值，即MI30。說明，近1～2個月的降水和蒸發(fā)對后續(xù)土壤濕度變化影響較大。結(jié)合前述相關(guān)系數(shù)，通過數(shù)據(jù)線性回歸分析得出興安盟生長季土壤濕度預(yù)測模型：M=1.9SPI30+3.7SPI60+6.9MI30+71.6(r=0.49，F(xiàn)=66.8，P<0.01)。

2.2 預(yù)測模型的檢驗效果

從表1看出，興安盟8個站2016—2018年生長季逐旬土壤相對濕度模型預(yù)測值與實測值的平均絕對誤差以巴彥呼舒最大，為12.9%；其次是高力板，為11.2%；其余各站平均絕對誤差均在10.0%左右，其中，突泉最小，僅9.5%。預(yù)測值與實測值的平均相對誤差以巴彥呼舒最高，為24.4%，即預(yù)測精度為75.6%；高力板其次，預(yù)測精度為77.9%；其余各站的預(yù)測精度均在80.0%以上，突泉的預(yù)測精度最高，為86.4%。

分析平均相對誤差偏大的巴彥呼舒和高力板的土壤相對濕度資料可以發(fā)現(xiàn)，2個站小于50%的頻次較多，而模型預(yù)測極端干旱的能力略差(表2和表3)，因此，在平均絕對誤差相差不大的情況下，二者的平均相對誤差較其他站明顯偏大。進一步分析各站點預(yù)測值與實測值的誤差頻數(shù)得出，模型預(yù)測值較實測值偏大的概率較大，二者變幅在[0,20%]的概率為30%～76%；模型預(yù)測值較實測值偏小的概率較小，二者變幅在[0,-20%]的概率為11%～39%。

阿爾山、索倫、胡爾勒、音德爾、烏蘭浩特、突泉、巴彥呼舒及高力板8個站干旱等級預(yù)測的準(zhǔn)確率依次為80.9%、80.2%、83.3%、81.7%、79.1%、86.7%、60.2%和67.3%，其中，巴彥呼舒和高力板的土壤干旱等級預(yù)測準(zhǔn)確率均低于70%，其余6個站的預(yù)報準(zhǔn)確率均在80%左右。誤差主要表現(xiàn)為預(yù)測干旱等級較實際干旱等級偏輕，8個站平均偏輕比率為23.6%，其中，70.6%偏輕1個等級，即將輕旱至重旱預(yù)測為無旱至中旱，29.4%偏輕2個等級，即將中旱至重旱預(yù)測為無旱至輕旱。

表1 8個站土壤相對濕度預(yù)測值與實測值平均誤差Table 1 Average error in soil relative humidity between predicted value and measured value at 8 meteorological stations %

表2 8個站2016—2018年生長季逐旬土壤相對濕度的實測值與預(yù)測值及其等級Table 2 Measured and predicted value of soil relative humidity in ten-day period during growing season at 8 meteorological station from 2016 to 2018

續(xù)表2

年份Year月份Month項目Item阿爾山Aershan索倫Suolun胡爾勒Hurler音德爾Yinder烏蘭浩特Ulanhot突泉Tuquan巴彥呼舒Bayanhushu高力板Gaoliban預(yù)測值6859565956605965實測/預(yù)測等級無/無無/輕輕/輕輕/輕輕/輕無/無無/無無/無6實測值7245575749584157預(yù)測值6258585656556458實測/預(yù)測等級無/無中/輕輕/輕輕/輕中/輕輕/輕中/無輕/輕7實測值4759605161615152預(yù)測值5863615459586755實測/預(yù)測等級中/輕輕/無無/無輕/輕無/輕無/輕輕/無輕/輕8實測值5483918275827561預(yù)測值6377886867668474實測/預(yù)測等級輕/無無/無無/無無/無無/無無/無無/無無/無9實測值4473966665816559預(yù)測值6272836865687977實測/預(yù)測等級中/無無/無無/無無/無無/無無/無無/無輕/無20184實測值8063866066474758預(yù)測值7372727169586563實測/預(yù)測等級無/無無/無無/無無/無無/無中/輕中/無輕/無5實測值7359795372465156預(yù)測值7071716865606058實測/預(yù)測等級無/無輕/無無/無輕/無無/無中/無輕/無輕/輕6實測值7060767171705357預(yù)測值6965677072727370實測/預(yù)測等級無/無無/無無/無無/無無/無無/無輕/無輕/無7實測值7377929383946570預(yù)測值7276777887837471實測/預(yù)測等級無/無無/無無/無無/無無/無無/無無/無無/無8實測值7476816669946165預(yù)測值7280717378827369實測/預(yù)測等級無/無無/無無/無無/無無/無無/無無/無無/無9實測值9071787560685864預(yù)測值7374717169717271實測/預(yù)測等級無/無無/無無/無無/無無/無無/無輕/無無/無

注：“無”表示無旱，“輕”表示輕旱，“中” 表示中旱，“重”表示重旱。
Note: No means no drought，mild means mild drought，moderate means moderate drought and severe means severe drought.

表38個站土壤相對濕度預(yù)測值與實測值的誤差頻數(shù)分布
Table 3 Error frequency distribution between predicted value and measured value in soil relative humidity at 8 meteorological stations

次

3 結(jié)論與討論

該研究通過回歸分析法建立了興安盟作物生長季(4-9月)土壤相對濕度預(yù)報方程：M=1.9SPI30+3.7SPI60+6.9MI30+71.6(r=0.49，F(xiàn)=66.8，P<0.01)。表明：生長季土壤相對濕度與時間尺度較短的氣象干旱指數(shù)相關(guān)性較高，與時間尺度較長的指數(shù)相關(guān)性略差，但其相關(guān)性均通過0.01水平的顯著性檢驗。

興安盟8個站2016—2018年生長季逐旬土壤相對濕度模型預(yù)測值與實測值的平均絕對誤差以巴彥呼舒最大，為12.9%；高力板其次，為11.2%；其余各站平均絕對誤差均在10%左右。平均相對誤差以巴彥呼舒最高，為24.4%，即預(yù)測精度為75.6%；高力板其次，預(yù)測精度為77.9%；其余各站的預(yù)測精度均在80%以上。

各站誤差頻數(shù)分析顯示，模型預(yù)測值較實測值偏大的概率較大，預(yù)測值較實測值偏小的概率較小。

巴彥呼舒和高力板土壤干旱等級的預(yù)測準(zhǔn)確率低于70%，其余6個站的預(yù)報準(zhǔn)確率均在80%左右。誤差主要表現(xiàn)為預(yù)測干旱等級較實際干旱等級偏輕，8個站平均偏輕比率為23.5%，其中63.8%偏輕1個等級，即將輕旱至重旱預(yù)測為無旱至中旱，36.2%偏輕2個等級，即將中旱至重旱預(yù)測為無旱至輕旱。

該研究僅考慮了10～20 cm土層土壤的平均相對濕度與氣象干旱指數(shù)的關(guān)系，更深層次土壤濕度的預(yù)測有待進一步研究。此外，模型對于極端干旱的預(yù)測效果較差，未來需要綜合其他要素條件進行更加深入的研究。