基于氣象因子的啟東市土壤墑情預(yù)報研究

顧天真， 徐 云， 張 琪， 顧沛澍

(江蘇省南通市氣象局，江蘇南通 226000)

基于氣象因子的啟東市土壤墑情預(yù)報研究

顧天真， 徐 云， 張 琪， 顧沛澍

(江蘇省南通市氣象局，江蘇南通 226000)

利用逐步回歸方法，分別分析啟東市2011—2014年的土壤表墑、底墑與同時期的氣象因子(降水量、溫度、濕度、日照、風(fēng))的相關(guān)性，篩選出影響土壤墑情的關(guān)鍵氣象因子，并結(jié)合經(jīng)驗公式法建立土壤墑情預(yù)報模型。結(jié)果表明，影響啟東市土壤墑情的氣象因子主要是降水量、日照和氣溫，由此建立的預(yù)報模型預(yù)報未來30 d內(nèi)土壤墑情的平均相對誤差在5%以內(nèi)，檢驗效果理想，說明利用該模型可以較為準確地預(yù)報未來30 d內(nèi)土壤墑情，并用于指導(dǎo)農(nóng)業(yè)生產(chǎn)。

土壤墑情；氣象因子；逐步回歸；統(tǒng)計預(yù)報

南通是長江中下游地區(qū)的平原，屬北亞熱帶濕潤氣候區(qū)。受季風(fēng)影響，年降水量的分布不均勻，夏季平均降雨量占全年降雨總量的60%。曹乃和等[1]研究發(fā)現(xiàn)，1963—2002年4—11月南通地區(qū)發(fā)生的月尺度干旱事件達87例，年均達2.2例，最多年份有5例。因干旱持續(xù)時間長、覆蓋范圍廣，常給工農(nóng)業(yè)生產(chǎn)和人民生活帶來極其不利的影響，亦會給國民經(jīng)濟造成巨大損失。農(nóng)業(yè)干旱的首要表現(xiàn)就是土壤墑情的持續(xù)下降，如果能掌握土壤墑情的變化規(guī)律，及時采取相應(yīng)措施，就有可能實現(xiàn)作物的穩(wěn)產(chǎn)、高產(chǎn)。

我國的土壤墑情預(yù)報研究始于20世紀70年代，但由于影響土壤墑情的因素太多，如氣候因素、地貌特征、土質(zhì)差異、植被生長情況等，且相互之間的關(guān)系較為復(fù)雜，導(dǎo)致這一研究的發(fā)展一直比較緩慢。國內(nèi)外學(xué)者從不同的角度對土壤墑情預(yù)報進行了相關(guān)研究[2-7]，如舒素芳等[2]采用灰色關(guān)聯(lián)度分析法，分析土壤濕度與相關(guān)氣象因子的關(guān)系，找出關(guān)鍵氣象因子，并由此建立了土壤墑情預(yù)測模型；馬曉剛[3]研究了春播關(guān)鍵期的土壤墑情與前一年秋季降水量的關(guān)系，由此建立了土壤墑情的預(yù)測模型。但目前針對江蘇省南通地區(qū)土壤特性的土壤墑情預(yù)報研究較少。筆者以啟東市為例，采用逐步回歸方法分析氣象因子(降水、日照、氣溫、濕度、風(fēng)速)與土壤墑情之間的相關(guān)性，篩選與土壤墑情關(guān)系密切、影響顯著的氣象因子，并由此建立土壤墑情預(yù)報模型，驗證其預(yù)報準確率，證明其在啟東地區(qū)的可行性。

1 資料與方法

1.1 資料來源 氣象資料來源于南通市氣象局啟東氣象觀測站點2011—2014年逐日溫度、降水、日照、相對濕度、風(fēng)速等常規(guī)氣象資料。土壤墑情資料來源于江蘇省自動土壤水分監(jiān)測系統(tǒng)中南通市啟東自動觀測站點2011—2014年土壤相對濕度的逐小時資料。選取10～20 cm的土壤相對濕度作為土壤表墑，40～50 cm的土壤相對濕度作為土壤底墑。

1.2 分析方法

1.2.1 預(yù)報方法。當(dāng)前國內(nèi)外用于土壤墑情預(yù)報的方法主要有神經(jīng)網(wǎng)絡(luò)模型、遙感監(jiān)測法、經(jīng)驗公式法、水量平衡法、消退指數(shù)法、土壤水動力學(xué)法、時間序列法等[8]。考慮到各個方法的優(yōu)缺點，結(jié)合工作實際，在此采用經(jīng)驗公式法從氣象角度建立土壤墑情預(yù)報模型。該方法的優(yōu)點是預(yù)報方法比較簡單，各項數(shù)據(jù)容易得到，缺點是預(yù)報模型中的經(jīng)驗系數(shù)對于不同的土壤和作物變化較大，所以一個地區(qū)建立的預(yù)報模型只能在該地區(qū)應(yīng)用，有一定局限性。

1.2.2 經(jīng)驗公式。土壤墑情的影響因素很多，如氣候、地貌、土質(zhì)、植被及農(nóng)業(yè)生產(chǎn)活動等。在不考慮人為因素后，氣候因素對土壤墑情的影響最大。因為大氣降水是土壤水分最基本的來源，而溫度、濕度、光照和風(fēng)等又直接影響土壤水分的蒸發(fā)速度。在此基礎(chǔ)上，建立經(jīng)驗公式：

W= aW0+bP+cS+dT+eRH+fV+g

(1)

式中，W為時段末土壤濕度，W0為時段初土壤濕度，P為累積有效降雨量，S為日照時數(shù)，T為平均氣溫，RH為平均相對濕度，V為平均風(fēng)速，a、b、c、d、e、f、g為經(jīng)驗系數(shù)。

在汛期以及對流天氣多發(fā)季節(jié)，啟東市常會出現(xiàn)雨量大、強度高的短時間降水，容易在地表形成徑流，從地表流走的水分不能全部滲入土壤，所以需要對降水量進行有效性處理。在此采用簡化的方法如下：

P=σR

(2)

式中，P為累積有效降雨量，R為一次降雨量，σ為一次降雨的有效利用系數(shù)。由于缺乏實測資料確定有效利用系數(shù)σ，所以在此參考徐鳳琴[9]的研究，當(dāng)R<5 mm時，σ=0,；當(dāng)R=5～50 mm時，σ=1.0；當(dāng)R>50 mm時，σ=0.7～0.8(在此取其中間值0.75)。

2 結(jié)果與分析

2.1 土壤墑情年變化規(guī)律 從圖1可以看出，啟東的土壤墑情具有一定的年變化規(guī)律。5月初—10月底土壤墑情的波動幅度較大，其余時間段波動幅度較小。土壤表墑(10～20 cm)的年變幅遠大于土壤底墑(40～50 cm)。究其原因，一般土壤底墑受外在因素影響較小，而土壤表墑在降水、灌溉、耕作等外界影響下，其波動幅度較大，尤其是當(dāng)出現(xiàn)有效降水時，土壤表墑的變化最為直接。謝志清等[10]研究也表明，在濕潤研究區(qū)，土壤含水量的變化周期與降水周期配合較好，因此土壤含水量的主要影響因子可能是降水。

2.2 土壤墑情的影響因子分析 將每日20：00的土壤相對濕度資料作為因變量(W)，前1 d 20：00的土壤相對濕度(W0)及前1 d 20：00至當(dāng)日20：00的有效降水量(P)、日照時數(shù)(S)、平均氣溫(T)、平均相對濕度(RH)、平均風(fēng)速(V)作為自變量，進行相關(guān)性分析。利用逐步回歸方法逐步引入新的方差貢獻顯著的自變量，同時逐步剔除相關(guān)性不顯著的變量，始終僅保留對因變量方差貢獻顯著的自變量。

從表1可以看出，在全年各個時段，無論是土壤表墑還是底墑，均與前1 d的土壤相對濕度和有效降水量呈顯著正相關(guān)；而11月—次年4月，土壤墑情的另一顯著影響因子為平均氣溫，兩者成反比；5—10月，表墑的另一顯著影響因子則為日照時數(shù)，兩者亦成反比。平均相對濕度和平均風(fēng)速與土壤墑情的相關(guān)性較差。

圖1 2011—2013年啟東10～20 cm(a)和40～50 cm(b)土壤相對濕度變化Fig.1 Annual change of soil relative humidity in 10-20 cm (a) and 40-50 cm (b) in Qidong during 2011-2013

土層Soillayer∥cm時段Period土壤濕度Soilrelativehumidity有效降水量Effectiveprecipitation日照時數(shù)Sunshinehours平均氣溫Averagetemperature10～205—10月0．880．17-0．2211月—次年4月0．940．18-0．0540～505—10月0．930．0411月—次年4月0．940．06-0．02

2.3 預(yù)報模型的建立 將已獲得的土壤墑情的顯著影響因子作為土壤墑情的預(yù)報因子，根據(jù)經(jīng)驗方程，建立土壤墑情的多元回歸模型，結(jié)果見表2。對回歸方程的顯著性進行檢驗，發(fā)現(xiàn)各方程擬合情況較好。

表2 土壤墑情的多元線性回歸方程

Table.2 Multiple linear regression prediction equations of soil moisture

土層Soillayer∥cm時段Period回歸方程Regressionequation相關(guān)系數(shù)Correlationcoefficent10～205—10月W=11．22+0．88W0+0．17P-0．22S0．94411月—次年4月W=5．54+0．94W0+0．18P-0．05T0．97640～505—10月W=6．08+0．93W0+0．04P0．96511月—次年4月W=5．91+0．94W0+0．06P-0．02T0．983

2.4 預(yù)報模型效果檢驗 利用2011—2013年土壤墑情資料和同期氣象資料分別對預(yù)報模型預(yù)報效果進行回代檢驗，將自變量代入各預(yù)報模型，分別計算出相應(yīng)的土壤墑情值，并與實際觀測的土壤墑情值進行對比，得到平均相對誤差為0.26%～1.84%(表3)。而利用2014年的資料對預(yù)報模型進行預(yù)測檢驗的平均相對誤差為0.36%～1.75%。由誤差檢驗擬合結(jié)果可知，預(yù)報模型所擬合的未來土壤墑情效果很好，可利用該預(yù)報模型進行土壤墑情預(yù)報。從預(yù)報模型預(yù)報未來5、10、15、30 d的平均相對誤差(表4)可看出，其平均相對誤差均控制在5%以內(nèi)，檢驗結(jié)果良好。表明利用此預(yù)報模型預(yù)報啟東市土壤墑情的精度很高，可以作為一種可能的預(yù)報方法。另外，通過比較發(fā)現(xiàn)，表墑的平均相對誤差大于底墑，說明用此方法預(yù)報底墑的預(yù)報準確率高于表墑；11月—次年4月的預(yù)報準確率高于5—10月。

表3 土壤墑情2011—2013年回代檢驗平均相對誤差

Table 3 The average relative test error of return test for soil moisture during 2011-2013

%

表4 土壤墑情2014年預(yù)測檢驗平均相對誤差

3 結(jié)論與討論

利用逐步回歸方法分析氣象因子(降水量、溫度、濕度、日照、風(fēng)等)與土壤表墑和底墑的相關(guān)性，并結(jié)合經(jīng)驗公式法，建立了土壤墑情預(yù)報模型。為了提高精度，將全年分為5—10月和11月—次年4月2個時段，建立不同的預(yù)報方程。結(jié)果表明，土壤墑情自相關(guān)系數(shù)很高，土壤墑情與降水量成正比、與日照時數(shù)和平均氣溫成反比，這是建立土壤墑情預(yù)報方程的基礎(chǔ)；建立的預(yù)報模型預(yù)報30 d以內(nèi)土壤墑情的誤差<5%，可用于實際的土壤墑情動態(tài)預(yù)測，并以此指導(dǎo)作物灌溉和其他農(nóng)事生產(chǎn)活動，為農(nóng)業(yè)生產(chǎn)服務(wù)。

該研究僅采用了氣象數(shù)據(jù)以及土壤濕度數(shù)據(jù)進行土壤墑情預(yù)報，數(shù)據(jù)獲得比較方便，適合氣象工作者采用。但另一方面，該研究中的墑情預(yù)報均是建立在氣象預(yù)報的基礎(chǔ)之上，實際上，較長時間的降水和溫度等氣象因子的預(yù)報也存在一定時效問題，其預(yù)報準確率將直接影響土壤墑情的預(yù)報準確率，該研究中隱含了假設(shè)降水、溫度等氣象因子均為實際值或接近實際值。另外，由于南通地區(qū)各縣市之間的土壤質(zhì)地也有差別，今后將繼續(xù)修正此方程組，使之能在南通其他市縣中應(yīng)用。

[1] 曹乃和，張鵬，曹成，等.1963—2002年南通地區(qū)旱澇天氣氣候事件的類型及其預(yù)兆[J].現(xiàn)代農(nóng)業(yè)科技，2013(19):270-273.

[2] 舒素芳，錢華峰，邱小偉，等.基于氣象因子的金華市土壤墑情預(yù)測模型[J].中國農(nóng)業(yè)氣象，2009，30(2)：180-184.

[3] 馬曉剛.基于秋季降水量的春播關(guān)鍵期土壤墑情預(yù)測[J].中國農(nóng)業(yè)氣象，2008，29(1)：56-57.

[4] 陳斌，丁裕國，劉晶淼.土壤濕度的一種統(tǒng)計預(yù)報模型初步試驗[J].氣象科學(xué)，2005，25(3)：231-237.

[5] 彭小燕，劉晶淼，丁裕國.濕潤氣候區(qū)無資料站點土壤濕度插補及預(yù)報試驗[J].氣象科學(xué)，2007，27(4)：400-406.

[6] 楊勝天，劉昌明，王鵬新.黃河流域土壤水分遙感估算[J].地理科學(xué)進展，2003，22(5)：454-462.

[7] 劉雪琴，李寧，溫玉婷，等.內(nèi)蒙中西部土壤水分統(tǒng)計插值模型試驗[J].氣象科學(xué)，2009，29(6)：734-741.

[8] 粟容前，康紹忠，賈云茂.農(nóng)田土壤墑情預(yù)報研究現(xiàn)狀及不同預(yù)報方法的對比分析[J].干旱地區(qū)農(nóng)業(yè)研究，2005，23(6)：194-199.

[9] 徐鳳琴.有效降水量淺析[J].氣象水文海洋儀器，2009，26(1)：96-100.

[10] 謝志清,丁裕國,劉晶淼.不同下墊面條件下土壤含水量時空變化特征的對比分析[J].大氣科學(xué)學(xué)報,2002,25(5):625-632.

Study on Soil Moisture Forecast Based on Meteorological Factors in Qidong City

GU Tian-zhen,XU Yun,ZHANG Qi et al

(Nantong Meteorological Bureau, Nantong,Jiangsu 226000)

The stepwise regression method was used to find the relationship between the soil moisture and meteorological factors,based on the soil moisture and meteorological data of 2011-2014 in Qidong City.Key meteorological factors were found,and the soil moisture forecast model were established,combined empirical formula.The results showed that the precipitation, sunshine and temperature were the key meteorological factors affecting soil moisture of Qidong City.The average forecast error for soil moisture was controlled in less than 5% within the next 30 days. The results for the soil moisture forecasted by this model within 30 days can be used to guide agricultural production.

Soil moisture;Meteorological factor;Stepwise regression; Statistical forecast

顧天真(1988- )，女，江蘇南通人，助理工程師，碩士，從事農(nóng)業(yè)氣象預(yù)報與服務(wù)研究。

2016-09-09

S 162

A

0517-6611(2016)34-0174-03