咸水畦灌農田土壤水熱鹽動態及油葵生長的試驗與模擬

王雅麗，毛曉敏，陳 帥，薄麗媛

咸水畦灌農田土壤水熱鹽動態及油葵生長的試驗與模擬

王雅麗1,2，毛曉敏1※，陳 帥1,2，薄麗媛1,2

（1. 中國農業大學水利與土木工程學院，北京 100083；2. 農業農村部作物高效用水武威科學觀測實驗站，武威 733000）

為探究中國西北旱區咸水畦灌條件下農田土壤水熱鹽動態及其對作物生長的影響，采用大田試驗和WASH-C模型（Layered Soil Water-Solute-Heat Transport and Crop Growth Model，土壤水熱鹽遷移和作物生長耦合的模擬模型）模擬相結合的方法，分析油葵全生育期內不同灌水量和礦化度處理下土壤剖面水鹽分布特征、溫度變化及油葵生長規律。試驗設置包括2個灌水量水平（分別為油葵畦灌需水量的100%、50%）和3種畦灌水礦化度（分別為0.7、4.0、8.0 g/L）。結果表明，土壤剖面的水、鹽、熱分布在根區（0～40 cm）的變動幅度要大于深層（40～100 cm），灌水量越多，水分、鹽分變幅越大。隨著灌水次數的增加，土壤剖面在0.7 g/L礦化度下出現脫鹽現象，4.0、8.0 g/L礦化度下出現積鹽現象，并且灌水量越大，相應的脫、積鹽率越高。試驗前期各層地溫變化幅度較后期大，溫度變化幅度隨土壤深度增加而減小。0.7 g/L、100%油葵需水量下的作物LAI和產量最大，8 g/L、50%油葵需水量下最小，兩處理的LAI分別為8.41、3.80 cm2/cm2，產量分別為5.49、3.08 t/hm2，差異顯著（<0.05）。模擬結果表明，WASH-C能夠較好地模擬各時期土壤中根區、深層含水率的分布特征，所有模擬結果的2不低于0.53。在咸水礦化度小于等于3 g/L的情景模擬下，作物根區不會產生明顯的積鹽現象。合理的咸水畦灌制度有利于充分利用咸水資源并提高油葵的水分利用效率和產量。

土壤水分；溫度；含鹽量；模型；咸水；灌溉；葉面積指數；油葵

0 引 言

石羊河流域地處中國西北旱區，該流域內用水矛盾突出、生態環境問題嚴重[1]，但淺層地表下咸水資源豐富[2]，合理利用咸水可以極大地緩解目前該流域用水緊張的局面。

已有研究表明，合理的畦灌制度下，咸水能對作物起到增加產量、提升農藝性狀的作用[3-4]；但不合理的咸水畦灌會使得土壤中鹽分大量積累，作物減產、品質降低[5-6]。因此，在進行咸水畦灌時，應防止土壤鹽分的過量積累[7]。土壤中水熱鹽的運移是密不可分的。鹽分的運動主要包括對流、分子擴散和水動力彌散驅動，因此土壤中水分的流動影響鹽分的分布[8]。同時，灌溉水礦化度與土壤滲透能力具有密切聯系[9]，鹽分可通過影響土壤滲透能力而影響水分運動。另一方面，土壤中的水分狀況與相變在很大程度上決定著土壤的熱特性，而土壤溫度能夠通過影響水的物理性質（如黏滯性、表面張力及滲透壓等），進而影響總土水勢的大小及土壤水分運動參數[10]。在作物生長條件下，土壤水鹽脅迫影響作物耗水和生長，而作物冠層發育反過來影響地面能量分配、水熱傳輸和根系吸水。綜上所述，農田土壤中的水、熱、鹽變化和作物生長具有協同、交叉影響。因此，為更好地指導咸水灌溉，需要全面探究旱區的農田水熱鹽遷移規律及其與作物的耦合效應。

傳統的大田試驗周期長，受到的影響因素多，通常不利于全面反映土壤水熱鹽和作物生長的相互關系，還需要將試驗和模型相結合。Liu等[11]利用HYDRUS-2D模擬了暗管條件下不同邊界條件下的水鹽運移。Wang等[12]耦合了HYDRUS-1D和EPIC作物模型，研究咸水灌溉下一維水鹽動態及作物生長的響應。Ma等[13]將RZWQM模型（Root Zone Water Quality Model，根區水質模型）和DSSAT（Support System for Agrotechnology Transfer，農業技術轉讓決策支持系統）中的CERES-Maize模塊耦合，提高了RZWQM模型中的作物生長模擬能力。WASH-C模型[14]（Layered Soil Water-Solute-Heat Transport and Crop Growth Model）是課題組開發的垂向一維農業生態水文模型，其前身LAWSTAC模型（Layered Soil Water-Solute Transport and Crop Growth Model）能夠模擬層狀土壤中水和溶質的運移及其與作物生長的相互作用，其對玉米[15]、春小麥[16]的適用性已在西北旱區得到了驗證。油葵（L.）是一種經濟型油料作物，因其耐鹽、耐旱、耐瘠薄的特性而在西北地區得到了廣泛種植。因此，本文通過開展的油葵試驗和應用WASH-C模型，研究咸水畦灌下農田水熱鹽遷移及其與油葵生長的耦合效應，以期為該地區的水資源高效利用、鹽堿地綜合調控和作物安全生產提供科學參考。

1 材料與方法

1.1 試驗區概況

田間試驗于2020年4—9月在農業農村部作物高效用水武威科學觀測實驗站（37°52′20″N，102°50′50″E）進行。該站位于甘肅省武威市涼州區，屬于典型的大陸性溫帶干旱荒漠氣候，光熱資源豐富，全年日照時間大于3 000 h，無霜期大于150 d，多年平均氣溫8 ℃，多年平均降雨量164 mm，多年平均蒸發量2 400 mm，地區水資源匱乏，屬于典型的“無灌溉則無農業”地區。試驗期內降雨蒸發數據見圖1，試驗區地下水埋深大于45m，土壤平均含鹽量為1.05 g/kg，從地表至100 cm深度的土壤大致可分5層，其基本物理性質見表 1。

表1 試驗區各土層土壤物理性質

1.2 試驗設計

試驗作物為油葵，品種567DW，俗稱“矮大頭”，為當地典型種植作物。灌溉方式為畦灌，石羊河流域咸水礦化度主要為3～18 g/L，特別是民勤地區，地下水礦化度在5 g/L以上[2]，而試驗站深層地下水的礦化度為0.7 g/L，參考當地地下水礦化度水平，試驗共設置了3個灌溉水礦化度水平，為0.7（S1）、4（S2）和8 g/L（S3）；2個灌水量水平，分別為作物畦灌需水量的100%（W100，394 mm）和50%（W50，197 mm），S1W100處理作為對照（CK）。試驗中作物需水量的確定采用參考作物騰發量法[17]，作物系數c值參考戴佳信等[18]關于油葵的研究結果。充分灌溉和虧水灌溉均于5月15日灌溉出苗水（出苗水均為淡水），6月19日后開始咸水處理，充分灌溉全生育期內灌溉總量394 mm，有效降雨（>5 mm）僅為37 mm，具體灌溉制度見表2。所用咸水為直接抽取的當地深層地下水摻兌NaCl配制而成。每個處理設置3個重復，隨機布置，共計18（3×2×3）個試驗小區，小區面積為21.84 m2（5.2 m×4.2 m）。

油葵播種方式采用人工點播，設計行距50 cm，株距30 cm。所有處理的施肥管理參照當地施行經驗，即播前施300 kg/hm2的磷酸二銨（P∶K=46∶18）和300 kg/hm2的氮磷鉀復合肥（N∶P∶K=15∶15∶15）作為基肥，現蕾期和花期均追施112.5 kg/hm2的尿素。

表2 畦灌制度

注：5月15日，所有處理的畦灌出苗水均為淡水。

Note: On May 15th, the border irrigation seedling water of all treatments was fresh water.

1.3 監測項目與方法

1.3.1 土壤含水率、含鹽量和溫度

試驗共6個處理，隨機選取每個處理的3個重復試驗小區中的1個，在小區中心處挖出豎直剖面，在剖面的10、30、50、70、90 cm處各插入1個水熱鹽監測探頭（5TE探頭，美國Decagon公司），探頭與EM50數據采集器（美國Decagon公司）相連接，采集依次代表0～20、>20～40、>40～60、>60～80、>80～100 cm土層的平均土壤體積含水率、電導率和溫度數據，獲取時間間隔為30 min。

在灌水前后和降雨（>5 mm）后，以土鉆法在每個小區對土壤進行取樣，取樣深度為100 cm，間隔20 cm，不同位置取3鉆。取得的土樣采用烘干法（105 ℃，8 h以上）得到各層土樣的體積含水率，以此對探頭獲取的含水率數據進行校正。將土樣風干、碾碎后過1 mm篩后，采用1∶5的土水比制成土壤浸提液，使用FE38型電導率儀（瑞士梅特勒-托利多公司）測定其電導率EC1:5，并將EC1:5按經驗公式轉化為土壤全鹽量，轉換公式[19]如下：

式中為土壤含鹽量，g/kg；EC1:5為電導率，mS/m。

土壤鹽分質量濃度、脫鹽率、積鹽率計算公式分別為

式中c為土壤鹽分質量濃度，g/L；為土壤容重，g/cm3；為土壤體積含水率，cm3/cm3；Δ小于0時為脫鹽率、大于0時為積鹽率，%；0、1為時段初、末土壤含鹽量，g/kg。

1.3.2 油葵葉面積指數、產量

葉面積監測從6月16日開始，在每個小區內隨機選取3株，采用精度為0.01 m的米尺，每個植株測量所有葉片的長和寬，每7～10 d測量1次。葉面積指數計算公式[20]為

式中LAI為葉面積指數，cm2/cm2；為葉面長度，cm；為葉片最大寬度，cm；為折減系數，取0.65[20]；為作物株距乘行距后得到的面積，本研究為1 500 cm2。

油葵成熟期，每個小區隨機選取5株，測量單株盤粒數，以精度為0.01g的天平稱量出單株千粒質量，小區產量計算公式為

式中為小區產量，kg/hm2；為單株盤粒數；為千粒質量，g；0為小區面積，m2。

1.3.3 水分利用效率（WUE）

水分利用效率指在田間單位蒸散發量所生產出的作物產量，計算公式為

式中WUE 為水分利用效率，kg/m3；ET 為作物生育期內耗水量，mm。

1.3.4 地面溫度

選取晴朗、無風少云的天氣，時間為中午13:00—13:30。于油葵的現蕾期、開花期和成熟期通過手持紅外熱像儀（UTI160V，優利德）拍攝冠層溫度，每個小區拍攝3張。將油葵日地面溫度（0）、氣溫（1）、土壤深度20 cm處的溫度（2）進行回歸分析[21]，擬合成二元二次函數

1.4 WASH-C模型

1.4.1 模型簡介

1）土壤水熱鹽運移

農田土壤的水分運動采用垂向一維“混合型”Richards方程進行描述

式中為時間，d；為垂直方向空間坐標（向下為正），cm；為土壤體積含水率，cm3/cm3；為土壤基質勢，cm；()為土壤導水率，cm/d；SS為源匯項（本文中表示作物根系吸水速率），cm3/(cm3·d)。其中，～～()的關系采van Genuchten-Mualem模型[22]表述。

模型中不考慮溶質的降解、沉淀、吸附等轉化過程，土壤鹽分運移采用垂向一維的對流-彌散方程

式中sh(,)為彌散系數，cm2/d；為水流通量，cm/d；為溶質質量濃度，mg/cm3。

土壤中的熱運移采用熱傳導方程

式中v為土壤的體積比熱容，J/(cm3·℃)；h為土壤熱導率，W/(cm·℃)；w為水的體積比熱容，J/(cm3·℃)；為土壤剖面上的溫度，℃；等號右邊第一、二項分別表示熱傳導、水分流動對土壤熱運移的影響。

2）作物生長及其與土壤水熱鹽運移的耦合

WASH-C模型中的作物生長模擬參考了EPIC模型[23]中作物生長模塊的計算方法，其考慮了冠層對光能的截獲過程、光能轉化為生物量的過程、基于生物量計算產量的過程以及水熱鹽的作物脅迫作用過程。耦合模型的基本框架以及各部分之間的相互聯系如圖2所示。

農田土壤水分運動、鹽分運移、熱傳導和作物生長動態在農田SPAC系統中是相互聯系的。首先，利用作物模塊計算的葉面積指數，將作物蒸散量的潛在蒸發量和蒸騰量進行比例分配。然后，根據土壤表面的含水率和含鹽量，計算出土壤表面的實際蒸發速率，作為土壤水分運動模擬的上邊界。再根據土壤中含水量、含鹽量和溫度的分布，計算出根系受到脅迫后的吸水速率（實際蒸騰速率），作為土壤水分運動模擬的源匯項。根據水分模塊計算的土壤含水率和水流通量，計算出求解對流-彌散方程、熱傳導方程所需的水分相關參數。通過求解土壤鹽分、溫度方程，得到鹽分和溫度在土壤中的遷移和分布，進而得到土壤中鹽分和溫度分布對作物根系吸水的脅迫作用。作物生長模擬得到的作物葉面積指數和根長，將對下一時間步長的水分運動、鹽分運動和熱運動的計算產生影響。

1.4.2 模型構建

選取油葵全生育期2020年5月15日—8月27日共計105 d的農田土壤水熱鹽及油葵的作物生長數據，進行相應的數值模擬。土壤模擬區域為0～100 cm，剖面的初始含水率、鹽分濃度和土壤溫度采用實測值。土壤水分運動的上邊界條件為大氣邊界，下邊界條件為自由排水邊界；土壤溶質運移的上下邊界條件分別為通量和零通量邊界；熱運移的上下邊界為第一類溫度邊界。以S1W50、S3W100處理的實測值對WASH-C模型進行率定，采用S1W100、S2W100、S2W50和S3W50，4個處理對模型進行驗證。

1）土壤水分、鹽分、熱遷移參數

根據實測的土壤粒徑組成和干容重，由Rosetta軟件采用人工神經網絡的方法得到相應van Genuchten- Mualem模型參數的預估值，溫度模塊模擬的初始值參考Chung等[24]文獻，然后采用實測數據進行參數調試，最終得到的van Genuchten-Mualem模型土壤水力特性參數和熱特性值，見表3。基于對流-彌散方程的溶質運移模型共有2個參數：縱向機械彌散系數D和水中的溶質分子自由擴散系數0，初始值參考Xu[25]等的文獻，經調試后取值分別為0.61 cm、3.01 cm2/d。

注：r為土壤殘余含水率；s為土壤飽和含水率；為孔徑分布指數；s為土壤飽和導水率；v為土壤的體積比熱容；123為計算土壤熱導率的經驗參數。

Note:ris the residual water content of soil;sis saturated water content of soil;andare aperture distribution indices;sis the saturated hydraulic conductivity of soil;vis the volume specific heat capacity of soil;1,2and3are empirical parameters for calculating soil thermal conductivity.

2）作物參數

作物模型參數初始值參考EPIC用戶手冊[23]確定，根據實測值調整后的具體參數見表4。

1.4.3 模型評價指標

為了定量描述模型的模擬精度與可靠性，模擬效果采用均方根誤差（RMSE）、平均相對誤差（MRE）和決定系數（2）3個統計學指標進行評價。其中，RMSE、MRE越接近于0，表明模擬值與觀測值吻合度越好；2越接近于1，表示模擬值與觀測值的變化趨勢越一致。

2 結果與分析

2.1 土壤剖面水熱鹽的分布規律及模擬

2.1.1 土壤剖面的水分分布規律

作物根系吸水、地面蒸發和生育期內的畦灌、降水，以及土壤結構性質的差異，均會影響土壤剖面的水分分布[26-27]。根據實地取根和竇旭等[28]的試驗結果，油葵根系主要分布于0～40 cm土層，因此分別對比了油葵全生育期內根系主要活動層（0～40 cm）和深層（>40～100 cm）的含水率模擬值和實測值，如圖3和圖4。

同一灌水量下，根區含水率變化幅度比深層大。W100的根區、深層含水率波動范圍分別為0.15～0.34、0.14～0.26 cm3/cm3，W50的根區、深層區含水率波動范圍分別為0.12～0.22、0.12～0.17 cm3/cm3。W100的深層土壤最大含水率比W50大了0.09 cm3/cm3，這是因為W50的灌水量較少，在維持作物吸收和蒸發后，只有較少的水量深入到土壤深層。總的來看，每次畦灌后，W100、W50的根區、深層土壤含水率均隨著作物根系吸水、土壤的蒸發逐漸降低，而隨著新一輪的畦灌或較大的降水補給，土壤剖面含水率又急劇上升。

試驗不同時期的土壤含水率下降速率不同。5月15日 —6月17日，油葵開始生長，植株小、氣溫低，作物耗水和地表蒸發量小，土壤各剖面含水率減少速率慢。6月18日后，油葵進入現蕾期，生長速率明顯加快，根系吸水增加，騰發量大，并且這一時期降水少，有效降水僅為15.8 mm，作物生長主要靠畦灌補給，土壤剖面含水率下降速率較快。8月2日后，油葵進入成熟期，植株耗水減少，土壤剖面含水率下降速率又開始降低。鹽分通過對油葵根系吸水產生脅迫，從而影響土壤含水率的再分布。相同灌水量下，咸水礦化度越高，土壤根區的含水率越高，而深層含水率各差異并不明顯，主要是因為這一深度范圍內幾乎沒有油葵根系分布，砂粒含量大，保水性差，并且地下水位埋深較深（>45 m），畦灌后水分很快滲漏，不利于水分存貯。

深層土壤受畦灌和降雨的影響小，土壤水分運動過程與表層相比較為簡單[29]，土壤深層模擬結果的RMSE比土壤根區小。各處理的MRE、2分別在0.04～0.15、0.53～0.94之間，模擬效果較好。

圖4 土壤深層（>40～100 cm）含水率實測模擬值對比

2.1.2 土壤典型剖面鹽分分布特征

咸水中含有大量鹽分，用其灌溉必然會影響土壤鹽分分布[30]，圖5是油葵生育期間的各處理實測得到的0～100 cm土壤含鹽量變化垂直剖面圖。

土壤中鹽分的分布主要受灌水量和礦化度的影響。S2、S3下的土壤各層含鹽量隨著咸水畦灌次數的增加不斷升高，土壤剖面鹽分出現分層現象；S1下土壤各層含鹽量變化趨勢則相反，隨著灌水次數的增加不斷降低。整個土壤剖面鹽分分布基本均衡。試驗后期，同一灌水量下的S2、S3和S1處理間土壤含鹽量差異顯著（<0.05）。

土壤100 cm內各處理脫、積鹽率分別見圖6和表5。相同灌水量下，礦化度越高，積鹽率模擬含鹽量和實測越大。當灌溉水平為W100時，S3處理的積鹽率比S2高了38個百分點；當灌溉水平為W50時，S3處理的積鹽率比S2高了12個百分點。同一礦化度下，灌水量越大，相應的脫、積鹽率越大。當畦灌水礦化度為S1時，W100脫鹽率比W50高了7%；當礦化度為S2時，W100積鹽率比W50高了14%；當礦化度為S3時，W100積鹽率比W50高了40%。淡水畦灌下，灌水量越多，推進的土壤濕潤鋒越深，鹽分淋洗效果越好。中、高礦化度下，W50灌入的咸水量少，有限的水量只能達到0～60 cm土層，鹽分積累主要在這一深度范圍內；W100因水量多，滲入的土壤深度更深，鹽分積累主要在0～90 cm內。所有處理的0～60 cm土壤層含鹽量波動程度（0.25～4.36 g/kg）比60～100 cm（0.32～3.39 g/kg）大，這是因為0～60 cm土壤層內易受灌降水、蒸發、耕作等因素的影響，含鹽量變化快。相同礦化度下，灌水量越大，所影響的土壤含鹽量的深度越深。

由于試驗地所有小區初始含鹽量高，5月15日所有處理第1次畦灌出苗水皆為淡水（0.7 g/L），中、高礦化度下土壤含鹽量在試驗初期出現了先下降再上升的趨勢，而后隨著咸水畦灌次數的增加，土壤含鹽量不斷上升，低礦化度下的處理則隨著淡水灌溉次數的增加土壤含鹽量不斷降低。綜合來看，S2、S3下的咸水連續畦灌必然會導致油葵根區積鹽現象的發生。

由圖6可以看出，各處理下模擬值與實測值的RMSE和2分別在0.05～0.31 g/kg和0.63～0.87之間，WASH-C模型模擬值能夠較好地反映實測值隨灌降水和蒸散發的變化趨勢。

圖5 各處理100 cm土層含鹽量變化剖面圖

圖6 土壤0～100 cm平均含鹽量模擬

表5 各處理土壤100 cm內實測脫、積鹽率

注：變化率小于0時為脫鹽率，大于0時為積鹽率。

Note: When the change rate is less than 0, it is desalting rate, and when the change rate is greater than 0, it is salt accumulation rate.

2.1.3 土壤剖面的溫度動態規律分析與模擬

油葵試驗溫度結果表明，各處理同一時期、同一土壤層的溫度差異較小（不超過0.5 ℃），不同灌水水平對溫度變化的影響不顯著，故為節省篇幅，僅以S1W100（CK）為例，分析同一土壤層不同時期和同一時期土壤各層的溫度變化規律。如圖7所示，土壤各層溫度的變化趨勢大體相同，溫度在垂直方向上隨深度的增加而降低。土壤淺層（0～20 cm）的溫度變化幅度要明顯大于其他各層，說明土壤淺層的溫度變化較深層更易受到氣溫波動的影響。從整個生育期來看，土壤各層的溫度在試驗初期變幅大、后期變幅小，這是因為試驗初期該地區晝夜溫差大，作物冠層覆蓋度低，大量表層土壤裸露，土壤溫度易受到外界條件干擾。而在試驗中后期該地區晝夜溫差逐漸減小，且冠層覆蓋度不斷上升，其截獲的太陽輻射增加，故土壤淺層溫度的變幅減小。后期隨著深層地溫的不斷升高，各層溫度差異減小。

油葵苗期及現蕾期前期的日平均地面（=0 cm處）溫度缺失，利用公式（7）計算得到每日的地面溫度，輸入模型中模擬，模擬結果見圖8，2在0.88～0.95之間。

圖7 S1W100處理下各層土壤實測溫度變化

2.2 不同咸水畦灌制度下的油葵葉面積指數及產量

各處理下的LAI變化趨勢一致（圖9）。油葵出苗后，LAI隨著作物的生長不斷增大，快速生長期（即現蕾期，6月28日—7月18日）迅速增加，開花期（7月19日—7月29日）生長速率略有降低，8月3日左右到達峰值（S1W100：8.41 cm3/cm3，所有處理中最大），之后葉片逐漸枯萎脫落，LAI開始下降。中、高咸水處理下LAI在生育后期與CK差異顯著（<0.05）。對比LAI的實測與模擬值，RMSE、MRE、2分別為0.30～0.51 cm3/cm3、0.15～0.23、0.95～0.99，模擬效果較好。

圖9 油葵LAI模擬結果

由表6可知，S1W100下的產量最大，為5.49 t/hm2。相同礦化度下，產量隨著灌水量的增加而增加；相同灌水量下，礦化度越高，產量越低。S1W100實測值與模擬值相差最大，RMSE為0.78 t/hm2，MRE為0.14，這主要是因為S1W100小區靠近路邊，幼苗期易有野雞啄苗，造成后期生長不均。產量總體模擬效果較好。

表6 產量實測模擬值對比

2.3 不同咸水畦灌制度下的情景模擬

田間試驗無法設置足夠多的礦化度和畦灌水平梯度來充分研究咸水畦灌對作物生長的影響，有必要采用模型進行更多情景下的模擬。因此，使用經過率定、驗證的WASH-C模型進一步模擬了4個灌水水平（分別為作物畦灌需水量的100%、90%、80%、70%，記作W100、W90、W80、W70）和2種較低畦灌水礦化度水平（分別為2、3 g/L，記作S4、S5）下的根區鹽分累積和作物生長狀況。

由表7可見，2 g/L礦化度下，S4W80、S4W90、S4W100處理下的LAI最大值比CK分別增加了0.14、0.32、0.41 cm2/cm2；S4W80的產量與CK基本持平（相差小于1%），S4W90的產量達到了5.80 t/hm2，比CK提高了6%。3 g/L礦化度下，S5W100的LAI最大值比CK大了0.04 cm2/cm2，其他灌水量下均比CK小，在7.99～8.36 cm2/cm2之間；S5W100的產量與CK基本持平（相差3%），其他灌水水平比CK降低3%～13%。從水分利用效率（WUE）上看，所有虧缺畦灌下的WUE均比充分畦灌下的大。以上說明，適當的水鹽脅迫可能有利于作物的生長和產量的提高，與前人的研究成果[4]一致。

表7 不同情景模擬的LAImax、產量和WUE

注：S4、S5為礦化度2、3 g/L；W100、W90、W80、W70分別為作物畦灌需水量的100%、90%、80%、70%；WUE為水分利用效率。

Note: The salinity of S4and S5is 2 and 3 g/L, respectively; W100, W90, W80and W70are 100%, 90%, 80% and 70% of the water demand of crop border irrigation, respectively; WUE is water use efficiency.

圖10為低礦化度咸水畦灌下，作物收獲后根區積鹽情況的模擬結果。2、3 g/L咸水礦化度下，隨著灌水次數的增加，所有處理的根區在油葵收獲時均發生了淋洗脫鹽現象，這與吳忠東等[31-32]的土壤在低于3 g/L的礦化度下會發生脫鹽現象的試驗結論一致。并且同一礦化度下，灌水量越大，脫鹽率越高；相同畦灌水平下，礦化度越低，淋洗現象越明顯，作物收獲時的平均根區土壤含鹽量S5(3 g/L)處理比S4(2 g/L)處理高了0.13 g/kg。綜合來看，在低于3 g/L礦化度及以下，咸水畦灌不會在作物根區產生明顯的積鹽現象，說明合理的咸水畦灌制度有利于充分利用咸水資源并提高油葵的水分利用效率和產量。

3 討 論

隨著灌水次數的增加，土壤深度越接近于表層，土壤剖面的水、鹽、熱變動幅度越大，越易受到灌、降水和土壤蒸發的影響，這與袁成福等[29-30]的研究成果相同。另外，S1處理下土壤剖面產生鹽分淋洗，S2、S3下土壤剖面發生積鹽，與趙志才等[33-34]研究的灌溉水礦化度在3 g/L及以上會導致土壤積鹽、3 g/L以下會導致脫鹽的結論一致。相同灌水量下，較高的咸水礦化度會增加濕潤鋒的推進深度[35]，灌水量越多則越明顯（圖4）。油葵的LAI和產量隨灌水量的減小而減小，隨礦化度的增大而減小，這與馬韜等[36]的研究結果一致。文中應用WASH-C模型得到的溫度模擬結果精度稍低，這主要是因為油葵模型模擬中輸入的油葵幼苗期地面溫度是由回歸方程得到的，與實際的地面溫度略有誤差。此外，情景模擬中得到的“低于3 g/L礦化度下，咸水畦灌不會在作物根區產生明顯積鹽現象”的結論，還需要今后的大田試驗數據結果來驗證。

WASH-C模型適用于垂向一維初始邊界條件下的水熱鹽動態模擬，不適用于滴灌、溝灌等灌溉條件下的水熱鹽模擬，與同樣適用于垂向一維條件下的Hydrus-1D模型[37]相比，多了地上作物生長模塊，能更精確地模擬大田試驗中土壤水熱鹽與作物的耦合情況。WASH-C模型中水分模擬的蒸散發部分是直接利用經驗公式以葉面積指數將蒸發和蒸騰分開的，計算結果較為粗糙。今后將考慮結合空氣動力學和能量平衡理論，利用地面溫度、冠層溫度數據來計算分配土壤蒸發和作物蒸散發，以提高這一部分的機理性。

4 結 論

針對中國西北旱區水資源短缺、咸水資源豐富的現狀，采用試驗和數值模擬相結合，分析了不同灌水量和畦灌水礦化度下的農田土壤剖面水熱鹽動態及其對油葵LAI和產量的影響。結果表明：

1）油葵全部生育期內，土壤剖面的水、鹽、熱分布的變動幅度與灌水量呈正相關，和土壤深度呈負相關。土壤中的積、脫鹽程度主要與灌水量和礦化度有關。油葵的LAI和產量與灌水量呈正相關，與礦化度呈負相關，S1W100下LAI、產量最大，分別為8.41和5.49 t/hm2。

2）WASH-C模型能夠很好地模擬土壤的根區、深層含水率分布特征，平均含鹽量變化規律，溫度變化趨勢和作物的LAI、產量規律，所有2不低于0.53。

3）設置的情景模擬中，礦化度3 g/L及以下，咸水畦灌不會在作物根區產生明顯的積鹽現象。合理的咸水畦灌制度有利于充分利用咸水資源、提高油葵的水分利用效率和產量。

[1]康紹忠，粟曉玲，沈清林，等. 石羊河流域水資源利用與節水農業發展模式的戰略思考[J]. 水資源與水工程學報，2004，15(4)：1-8.

Kang Shaozhong, Su Xiaoling, Shen Qinglin, et al. Strategy for water resources utilization and water-saving agriculture development models in Shiyanghe River Basin[J]. Journal of Water Resources and Water Engineering, 2004, 15(4): 1-8. (in Chinese with English abstract)

[2]李有林. 石羊河流域地下水水環境問題[J]. 地下水，2000，22(3)：113-116.

[3]Daliakopoulos I N, Apostolakis A, Wagner K, et al. Effectiveness of Trichoderma harzianum in soil and yield conservation of tomato crops under saline irrigation[J]. Catena, 2019, 175: 144-153.

[4]Liu C, Huang L P, Liu M L, et al. Effects of seawater irrigation on fruit quality of grapevine, soil properties and microbial diversity[J]. Scientia Horticulturae, 2019, 253: 80-86.

[5]Cova A, André D, Silva P, et al. Physiological and biochemical responses and fruit production of noni (L.) plants irrigated with brackish water[J]. Scientia Horticulturae, 2020, 260: 108852.

[6]Uri N. Cropland soil salinization and associated hydrology: Trends, processes and examples[J]. Water, 2018, 10(8): 1030.

[7]Xu P P, Feng W W, Qian H, et al. Hydrogeochemical characterization and irrigation quality assessment of shallow groundwater in the central-western Guanzhong basin, China[J]. International Journal of Environmental Research and Public Health, 2019, 16(9): 1492.

[8]王全九，王文焰，汪志榮，等. 鹽堿地膜下滴灌技術參數的確定[J]. 農業工程學報，2001，17(2)：47-50.

Wang Quanjiu, Wang Wenyan, Wang Zhirong, et al. Determination of technique parameters for saline-alkali soil through drip irrigation under film[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2001, 17(2): 47-50. (in Chinese with English abstract)

[9]史曉楠，王全九，蘇瑩. 微咸水水質對土壤水鹽運移特征的影響[J]. 干旱區地理，2005，28(4)：100-104.

Shi Xiaonan, Wang Quanjiu, Su Ying. Effects of slight saltwater quality on the characteristics of soil water and salt transference[J]. Arid Land Geography, 2005, 28(4): 100-104. (in Chinese with English abstract)

[10]雷志棟，楊詩秀，謝森傳. 土壤水動力學[M]. 北京：清華大學出版社，1988.

[11]Liu Y, Ao C, Zeng W Z, et al. Simulating water and salt transport in subsurface pipe drainage systems with HYDRUS-2D[J]. Journal of Hydrology, 2020, S92: 125823.

[12]Wang X P, Liu G M, Yang J S, et al. Evaluating the effects of irrigation water salinity on water movement, crop yield and water use efficiency by means of a coupled hydrologic/crop growth model[J]. Agricultural Water Management, 2017, 185: 13-26.

[13]Ma L, Hoogenboom G, Ahuja L R, et al. Evaluation of the RZWQM-CERES-Maize hybrid model for maize production[J]. Agricultural system, 2006, 87(3): 274-295.

[14]Chen S, Mao X M, Barry D A, et al. Model of crop growth, water flow, and solute transport in layered soil[J]. Agricultural Water Management, 2019, 221: 160-174.

[15]薄麗媛，趙引，毛曉敏，等. 農田水鹽運移與作物生長對虧水滴灌的響應和模擬研究[J]. 農業機械學報，2021，52(1)：248-255，237.

Bo Liyuan, Zhao Yin, Mao Xiaomin, et al. Response and simulation of farmland water-salt transport and growth of crops to deficit drip irrigation[J]. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(1): 248-255, 237. (in Chinese with English abstract)

[16]陳帥. 旱區農田水熱鹽過程與作物生長耦合模型及其應用[D]. 北京：中國農業大學，2020.

Chen Shuai. Model of Water/Heat/Salt Transfer and Crop Growth in Farmland and its Application in the Arid-area[D]. Beijing: China Agricultural University, 2020. (in Chinese with English abstract)

[17]Allen R G. Crop Evaportranspiration-guidelines for Computing Crop Water Requirements-FAO Irrigation and Drainage Paper 56[M]. Rome: FAO, 1998.

[18]戴佳信，史海濱，田德龍，等. 內蒙古河套灌區主要糧油作物系數的確定[J]. 灌溉排水學報，2011，30(3)：23-27.

Dai Jiaxin, Shi Haibin, Tian Delong, et al. Determined of crop coefficients of main grain and oil crops in inner Mongolia Hetao irrigated area[J]. Journal of Irrigation and Drainage, 2011, 30(3): 23-27. (in Chinese with English abstract)

[19]Wang Q M, Huo Z L, Zhang L D, et al. Impact of saline water irrigation on water use efficiency and soil salt accumulation for spring maize in arid region of China[J]. Agricultural Water Management, 2016, 163, 125–138.

[20]陳建忠. 向日葵葉面積調整系數[J]. 中國油料，1984(1)：72-75.

[21]趙引，毛曉敏，薄麗媛，等. 覆膜和灌水處理下土壤水分動態與玉米生長模擬研究[J]. 農業機械學報，2018，49(9)：195-204.

Zhao Yin, Mao Xiaomin, Bo Liyuan, et al. Simulation of soil moisture dynamics and seed- maize growth under different mulching and irrigation conditions[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(9): 195-204. (in Chinese with English abstract)

[22]Genuchten M T V. A closed‐form equation for predicting the hydraulic conductivity of unsaturated soils[J]. Soil Science Society of America Journal, 1980, 44(5): 893-898.

[23]Williams J R, Jones C A, Kiniry J R, et al. The EPIC crop growth model[J]. Transactions of the ASAE, 1989, 32(2): 497-511.

[24]Chung S O, Horton R. Soil heat and water flow with a partial surface mulch[J]. Water Resources Research, 1987, 23(12): 2175-2186.

[25]Xu X, Huang G H, Sun C, et al. Assessing the effects of water table depth on water use, soil salinity and wheat yield: Searching for a target depth for irrigated areas in the upper Yellow River basin[J]. Agricultural Water Management, 2013: 125: 46-60.

[26]雷廷武，肖娟，詹衛華，等. 溝灌條件下不同畦灌水質對玉米產量和土壤鹽分的影響[J]. 水利學報，2004，35(9)：118-122.

Lei Tingwu, Xiao Juan, Zhan Weihua, et al. Effect of water quality in furrow irrigation on corn yield and soil salinity[J]. Journal of Hydraulic Engineering, 2004, 35(9): 118-122. (in Chinese with English abstract)

[27]管孝艷，楊培嶺，呂燁. 咸淡水交替灌溉下土壤鹽分再分布規律的室內實驗研究[J]. 農業工程學報，2007，23(5)：88-91.

Guan Xiaoyan, Yang Peiling, Lv Ye. Laboratory experiment on the redistribution of soil salinity under saline and fresh water alternate irrigation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2007, 23(5): 88-91. (in Chinese with English abstract)

[28]竇旭，史海濱，李瑞平，等. 暗管排水條件下春灌定額對土壤水鹽運移規律的影響[J]. 農業機械學報，2020，51(10)：318-328.

Dou Xu, Shi Haibin, Li Ruiping, et al. Effects of spring irrigation quotas on soil water and salt sport under condition of subsurface drainage[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(10): 318-328. (in Chinese with English abstract)

[29]袁成福，馮紹元，蔣靜，等. 咸水非充分畦灌條件下土壤水鹽運動SWAP模型模擬[J]. 農業工程學報，2014，30(20)：72-82.

Yuan Chengfu, Feng Shaoyuan, Jiang Jing, et al. Simulation of water-salt transport by SWAP model under deficit irrigation with saline water[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(20): 72-82. (in Chinese with English abstract)

[30]王全九，單魚洋. 微咸水灌溉與土壤水鹽調控研究進展[J]. 農業機械學報，2015，46(12)：117-126.

Wang Quanjiu, Shan Yuyang. Review of research development on water and soil regulation with brackish water irrigation[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(12): 117-126. (in Chinese with English abstract)

[31]吳忠東. 微咸水灌溉對土壤水鹽分布特征和冬小麥產量影響研究[D]. 西安：西安理工大學，2008.

Wu Zhongdong. Study on the Effect of Soil Water and Salt Distribution Characteristics and Winter Wheat Yield by Saline Water Border Irrigation[D]. Xi’an: Xi’an University of Technology, 2008. (in Chinese with English abstract)

[32]郭太龍，遲道才，王全九，等. 入滲水礦化度對土壤水鹽運移影響的試驗研究[J]. 農業工程學報，2005，21(13)：84-87.

Guo Tailong, Chi Daolong, Wang Quanjiu, et al. Experimental study on salt and water movement affected by mineralization degree of infiltration water[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2005, 21(13): 84-87. (in Chinese with English abstract)

[33]趙志才，馮紹元，霍再林，等. 咸水畦灌條件下土壤水鹽分布特征[J]. 應用生態學報，2010，21(4)：945-951.

Zhao Zhicai, Feng Shaoyuan, Huo Zailin, et al. Distribution characteristics of water and salt in a spring wheat soil under brackish water irrigation[J]. Chinese Journal of Applied Ecology, 2010, 21(4): 945-951. (in Chinese with English abstract)

[34]張俊鵬，馮棣，鄭春蓮，等. 咸水灌溉對土壤水熱鹽變化及棉花產量和品質的影響[J]. 農業機械學報，2014，45(9)：161-167.

Zhang Junpeng, Feng Di, Zheng Chunlian, et al. Effects of saline water irrigation on soil water- heat- salt variation and cotton yield and quality[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(9): 161-167. (in Chinese with English abstract)

[35]劉小媛，高佩玲，張晴雯，等. 微咸水礦化度對重度鹽堿土壤入滲特征的影響[J]. 干旱地區農業研究，2018，36(1)：102-107.

Liu Xiaoyuan, Gao Peiling, Zhang Qingwen, et al. Effect of mineralization degree of infiltration water on infiltration characteristics of severely saline-alkali soil[J]. Agricultural Research in the Arid Areas, 2018, 36(1): 102-107. (in Chinese with English abstract)

[36]馬韜，曾文治，伍靖偉，等. 不同施氮量下鹽漬農田向日葵冠層生長與輻射利用規律[J]. 農業機械學報2020，51(12)：292-303.

Ma Tao, Zeng Wenzhi, Wu Jingwei, et al. Sunflower canopy development, radiation absorption and use efficiency at different nitrogen application rates in saline fields[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(12): 292-303. (in Chinese with English abstract)

[37]Simunek J. The HYDRUS 1D software package for simulating the one-dimensional movement of water, heat, and multiple solutes in variably saturated porous media[J]. Hydrus Software, 2005, 68: 13-20.

Experiments and simulation of soil moisture, temperature and salinity dynamics and oil sunflower growth in saline border irrigated farmland

Wang Yali1,2, Mao Xiaomin1※, Chen Shuai1,2, Bo Liyuan1,2

(1.,,100083,; 2.,,733000,)

Shiyang River Basin is located in northwest China, with a total area of 41 600 km2. Due to the lack of precipitation and large evaporation, the contradiction of water use in this basin is prominent, and the ecological environment problem is serious. Local industrial, domestic and agricultural water use is highly dependent on groundwater resources. The shallow subsurface salt water resources are abundant, and the rational use of salt water for irrigation can greatly alleviate the current water shortage in this basin. In order to explore the dynamics of water, heat and salt transport in farmland soil and its influence on the growth of oil sunflower under saline border irrigation, a field experiment was conducted in the Shiyanghe Experimental Station in northwest China in 2020. The experimental settings include two irrigation levels (100% and 50% of the water demand for border irrigation of oil sunflower, respectively) and three salinity of irrigation water (0.7, 4.0, and 8.0 g/L, respectively). The soil moisture content, soil salt content, temperature in the depth of 100 cm (20 cm as a layer), leaf area, and yield of oil sunflower were measured regularly during the whole crop growth period. With a combination of experiment and model simulation, the distribution characteristics of soil moisture and salt, the law of temperature changes during the growth and development of oil sunflowers, and their effects on the growth and yield of oil sunflowers under different experimental treatments were studied. The results showed that the variation range of water, salt and heat distribution in the root zone (0-40 cm) was larger than that in the deep layer (40-100 cm). The more irrigation water, the greater the variation range of water and salt. With the increase of irrigation times, the soil profile showed desalination at 0.7 g/L salinity, and salt accumulation at 4.0 g/L and 8.0 g/L salinity. The higher the irrigation amount, the higher the corresponding salt removal and accumulation rate. The variation range of ground temperature in each layer in the early stage of the experiment was larger than that in the later stage, and the variation range of temperature decreased with the increase of soil depth. The Leaf Area Index (LAI) and yield of oil sunflower were the highest at 0.7 g/L and 100% water requirement of crop and the lowest at 8 g/L and 50% water requirement. The LAI of two treatments were 8.41 and 3.80 cm2/cm2, and the yield was 5.49 and 3.08 t/hm2, respectively, with significant difference (<0.05). The simulation results showed that WASH-C model can well simulate the distribution characteristics of water content in root zone and deep layer of soil in different periods, the change rule of average salt content in soil within 0-100 cm, the change trend of temperature, the LAI and yield of crops, and the2of all simulation results is higher than 0.53. In addition, in the set scenario simulation, salt water with salinity of 3 g/L or less will not produce obvious salt accumulation in the root zone of crops. A reasonable border irrigation system of salt water is beneficial to make full use of salt water resources and improve water use efficiency and yield of oil sunflower.

soil moisture; temperature; salinity; models; saline water; irrigation; LAI; oil sunflower

王雅麗，毛曉敏，陳帥，等. 咸水畦灌農田土壤水熱鹽動態及油葵生長的試驗與模擬[J]. 農業工程學報，2021，37(8)：76-86.doi：10.11975/j.issn.1002-6819.2021.08.009 http://www.tcsae.org

Wang Yali, Mao Xiaomin, Chen Shuai, et al. Experiments and simulation of soil moisture, temperature and salinity dynamics and oil sunflower growth in saline border irrigated farmland[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(8): 76-86. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.08.009 http://www.tcsae.org

2021-01-12

2021-03-20

國家自然科學基金項目（51790535，51861125103）

王雅麗，研究方向為農田水利。Email：1351170115@qq.com

毛曉敏，教授，博士生導師，研究方向為水文循環機理與模型和多孔介質水分流動與溶質運移機理與模擬。Email：maoxiaomin@cau.edu.cn

10.11975/j.issn.1002-6819.2021.08.009

S274.1

A

1002-6819(2021)-08-0076-11