魯中地區作物系數確定及土壤水分預報模型研究

環海軍++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平原和山區兩種地形冬小麥和夏玉米的作物系數進行修正，建立了理論模型和統計模型，并進行了回代和預報對比分析。結果表明：魯中地區冬小麥、夏玉米生育階段作物系數山區較平原低，最大值分別出現在拔節至乳熟、拔節至抽雄階段；兩種模型多數時段回代和預報絕對均方根誤差均在5 mm內，相對均方根誤差基本在2%以內；兩種模型對平原地區土壤水分的回代和預報效果接近，統計模型誤差略偏小，對山區的回代和預報效果多數時段統計模型偏好；模型對平原土壤水分的預報效果較山區好。綜上所述，統計模型基本能用于實際業務中，但其穩定性和機理機制仍需深入研究。

關鍵詞：作物系數；小麥；玉米；預報模型；魯中地區

中圖分類號：S152.7+5文獻標識號：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基礎，干旱是制約農業生產的主要氣象災害之一，所以研究土壤水分預報模型對農業生產和節水灌溉有重要意義。國內外有許多學者從多個方面研究了土壤墑情預報，如利用不同方法建立土壤水分經驗模型[1-3]，結合遙感衛星資料建立土壤水分預報模型[4-7]，利用實測資料基于土壤水量平衡原理建立了研究區域的土壤墑情預報模型[8-11]，基于BP神經網絡模型和ARIMA模型等數學模型建立土壤水分預報方法[12-19]，基于遙感和GIS建立土壤墑情預報模型[20-22]。現在國內對土壤墑情的研究已經有了很大進展，逐步在全國范圍內建立了土壤墑情的實時監測系統。利用大范圍農田逐日土壤水分實時觀測資料進行分析和建立預報模型在灌溉預測中有實際意義。

魯中地區地處暖溫帶大陸性季風氣候區，多數區域為亞濕潤氣候。受季風影響，氣候變化具有明顯的季節性，季節性干旱較常見，尤其春、秋季干旱發生頻繁。魯中地區主要種植小麥和玉米，干旱是制約當地農業生產的主要氣象災害之一，其頻繁發生和長期持續性給當地農業生產帶來巨大損失，但目前針對該地區土壤水分預報模型的研究較少，故結合實時農田土壤水分觀測資料，建立適合該地區的土壤水分預報模型對干旱監測和實際農業生產具有指導意義。

1材料與方法

1.1數據來源

本研究所需數據來自于魯中地區自南而北的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、水汽壓和日照時數等）；地形包括平原和山區，土壤水分資料來源于2010—2014年魯中地區與8個國家一般氣象觀測站臨近的土壤水分自動監測站逐時數據。各監測站點分布見圖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）。農田實際蒸散量運用土壤水分平衡法獲取，魯中地區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為研究時段內農田蒸散量，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分別為研究時段內的降水量和灌溉量；G為研究時段內的地下水補給量，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。

2結果與分析

2.1土壤水分預報理論模型

2.1.1作物系數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，其中關鍵在于作物蒸散量的計算。冬小麥和夏玉米的作物系數雖可由FAO-56查出，但各地作物系數不盡相同，本研究利用公式（1）至（5）對魯中地區冬小麥和夏玉米各生育階段的作物系數進行了修正，結果見圖2。由于越冬期間（11月下旬至次年2月下旬）土壤凍結，不對該階段進行修正計算。由圖2可知，兩種地形同種作物的作物系數變化規律基本一致，山區較平原偏小，拔節至乳熟是冬小麥作物系數的最高階段，拔節至抽雄是夏玉米作物系數的最高階段；冬小麥生育期作物系數呈“Z”形分布，夏玉米呈單峰形分布，基本符合魯中地區主要農作物生長特征。

2.1.2理論模型的誤差分析運用修正的作物系數結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果見表1。可以看出，平原地區回代和預報的相對均方根誤差均在2.0%以內，整體模擬效果較好，旬絕對均方根誤差隨時間的推進呈先增加后減小的趨勢；多數時段預報誤差較回代誤差小。山區除了在部分時段回代和預報絕對均方根誤差較大外，多數時段低于5 mm，誤差變化規律與平原地區基本一致，整體回代和模擬效果較平原地區略差。

2.2土壤水分預報統計模型

為了在實際業務中結合天氣預報進行土壤水分預報，本研究以土壤水分平衡方程為基礎，結合常規天氣預報要素——降水、地下水位、最高氣溫、最低氣溫、風速、天氣狀況和日照時數，建立了魯中地區0～100 cm土壤水分貯存量預報統計模型。依據氣象上的分類標準和日照時數觀測結果，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；將風速按莆田風速標準劃分為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）進行均一化處理，以去除初始土壤水分貯存量對結果的影響。本研究對8個預報要素與土壤水分日降幅百分率進行相關性分析，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，然后選擇擬合優度高和通過0.01水平F檢驗的模型進行回代和預報檢驗，旬絕對均方根誤差和相對均方根誤差計算結果見表2。

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

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計模型絕對均方根誤差的差值對比分析兩種模型，結果見圖3。可知，平原地區理論模型和統計模型回代絕對均方根誤差在各旬統計中各有優勢，而山區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大。在模擬預報方面，多數時段，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；多數時段兩種模型對平原地區2014年土壤水分貯存量的預報模擬誤差接近，但在山區的模型預報中，理論模型偏高幅度較大。綜合來看，統計模型更適用于實際預報業務，但還需相關的機理機制解釋支撐。

3討論與結論

（1）魯中地區作物系數隨著時間推移，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，峰值分別出現在拔節—乳熟、拔節—抽穗期；多數時段平原地區作物系數較山區略高。

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

（3）兩種模型平原地區的回代絕對誤差在各旬統計中各有優勢，理論模型在山區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報絕對均方根誤差偏大，山區偏差幅度較平原地區大。

（4）通過結合實際天氣預報業務建立統計模型，并與修正作物系數后的理論模型進行比較分析，結果表明統計模型的精度更能夠適用于實際業務運行。但該模型的時間序列較短，穩定性、精度和機理機制仍有待進一步研究。精細化的土壤水分預報模型能夠為糧食安全生產、節水灌溉和進行更及時、更精細、更準確的農業氣象服務提供科學依據。

參考文獻：

[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. 內蒙古地區玉米農田土壤墑情動態預測模式[J]. 干旱地區農業研究， 2000， 18（4）： 50-56.

[9]蔣洪庚， 夏自強， 陳海芳. 區域土壤墑情模型研究[J]. 河海大學學報， 2000， 28（5）： 21-24.

[10]鄧天宏， 方文松， 李英敏， 等. 冬小麥土壤墑情預報及優化灌溉技術的計算機模型[J]. 氣象與環境科學， 2001（1）： 29-31.

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

[12]尚松浩， 雷志棟， 楊詩秀. 冬小麥田間墑情預報的經驗模型[J]. 農業工程學報， 2000， 16（5）： 31-33.

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

[14]范愛武， 劉偉， 龍妍. 基于BP網絡的土壤水分預報研究[J]. 華中科技大學學報（自然科學版）， 2002， 30（5）：85-87.

[15]尚松浩， 毛曉敏， 雷志棟， 等. 冬小麥田間墑情預報的BP神經網絡模型[J]. 水利學報， 2002（4）： 60-63.

[16]李興旺， 馮寶平. 基于BP神經網絡的土壤含水量預測[J]. 水土保持學報， 2002， 16（5）： 117-119.

[17]李帆， 史巖， 孫凱， 等.基于BP網絡的土壤墑情預報模型研究[J].萊陽農學院學報（自然科學版），2006， 23（2）：136-140.

[18]楊紹輝， 王一鳴， 郭正琴， 等. ARIMA模型預測土壤墑情研究[J]. 干旱地區農業研究， 2006， 24（2）： 114-118.

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

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

[21]鄒春輝， 陳懷亮， 薛龍琴， 等. 基于遙感與GIS集成的土壤墑情監測服務系統[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律及預報模型研究[D]. 呼和浩特： 內蒙古農業大學， 2008.