灌水延续时间对作物产量及灌溉制度影响的研究

车 政，王仰仁(天津农学院水利工程学院，天津 300384)

0 引 言

灌水率是指灌区单位面积上所需灌溉净流量，又称为灌溉模数，其中灌水延续时间直接影响着灌水率的大小，进而影响着渠道的设计流量和灌溉工程造价。灌水延续时间应根据当地作物品种、灌水条件、灌区规模与水源条件以及当地降雨气候等因素确定。若灌水延续时间过短，确定的灌水率会偏大，由此会加大渠道过水断面，增加成本；若灌水延续时间过长，则有可能造成作物供水不及时而减产。因此，合理确定灌水延续时间对于确定工程造价，确保灌区高效用水具有重要的意义。本文希望通过分析灌水延续时间对作物产量和优化灌溉制度的影响，为灌水延续时间的合理确定提供依据。

1 计算方法

1.1 产量计算

作物水模型采用作物生长模型与作物腾发量模型以及在腾发量影响下的土壤水热溶质运移模型耦合形成的产量与灌水施肥的关系表示。这里采用P M Driessen等[1]给出P123作物生长模型计算光合产物量

Pdi=PdmiFWiFNi

(1)

式中：Pdi为第i天在水分、养分胁迫下的作物实际光合产物量，kg /(hm2·d)；Pdmi为第i天无水分、养分胁迫条件下的光合产物量，kg/(hm2·d)；FWi和FNi分别为水分胁迫系数和养分胁迫系数。

式(1)中Pdmi采用下式计算：

Pdmi=FgciYg30/44

(2)

(3)

A=Rm[βef3+βs(1-fe)]

(4)

作物生长期土壤水分动态模拟参数包括土壤水分特性参数和作物蒸发蒸腾量模拟的有关参数。土壤水分特性参数包括土壤水分特征曲线、饱和导水率、田间持水率等，依土壤剖面结构情况分层取样，实际测试得出(表1)。

RtpyN(i)=min[1,PN(i)/PcrtN(i)]

(5)

式中：Tai为水分胁迫条件下第i天的作物实际蒸腾量，mm/d；Tpi为作物的潜在蒸腾量，mm/d；σ为水分胁迫指数，反映了水分亏缺对作物生长影响的敏感性程度；λ为养分胁迫指数，反映了养分亏缺对作物生长和产量影响的敏感性程度；PN(i)为i时刻作物植株含氮量，%；PcrtN为i时刻作物植株临界含氮量，即作物生长不受氮素胁迫所要求的最低含氮量，%。

式(3)和式(4)中的实际蒸腾量、潜在蒸腾量和植株含氮量通过作物生长期根系层土壤水、热、氮素的动态模拟求得。其中土壤水分动态模拟采用以基质势为因变量的一维土壤水动力学方程[4]，根系吸水量采用康绍忠给出的方法计算[5]，热流方程采用尚松浩给出的改进方法计算[6]。冬小麦生长期降水量较小，降雨入渗过程中很少产生地表径流；另外，由于降雨灌溉入渗过程较之蒸发蒸腾过程要短得多，故采用概念化的方法处理，由地表渗入土壤的水量首先补充上层土壤，只有当上层土壤含水率超过其田间最大持水率时，入渗的水量才会向下运移[7]。土壤水分运动模拟过程中采用饱和度和土壤水分特征曲线的方法计算非饱和土壤水导水率和扩散率[8-11]，同时考虑土壤温度变化的影响[8]。土壤氮素变化模拟采用以铵态氮和硝态氮为因变量的耦合方程表示[3，12]，其中氮素的水动力弥散系数分为水流速率和扩散率两部分计算[13]。

1.2 灌溉制度优化方法

1.2.1灌溉制度优化模型

加强法治宣传教育 推动社会主义法治文化建设——在“社会主义法治文化建设”专题论坛上的讲话赵大程（2018年第6期）

目标函数，使单位面积效益最大：

maxB=Pcy-PwmJ/(η×1.5)-C0

(6)

约束条件，主要是灌水时间限制：

1）数据分类。数据分类主要将档案实体数据按照数据类型进行分类，不同类型的数据需要通过不同的特征提取技术进行特征提取。在实际应用中，档案数据都是经过著录整理过的有序数据，一般已经归档的档案数据均包含数据类别信息。

t1≤x1

(7)

依据测试的根、茎、叶和籽粒干物质重计算Ksl、Kse和A，与相应的RDS做回归分析，求得待定参数及对应的相关系数为asl=4.547 2、bsl=2.233、R=0.960 1，ase=20.21、bse=-26.85、cse=1.675 3、RDSg=0.72、R=0.980 6，am=0.337 9、bm=-1.293 1、R=0.948 4。

本文讨论的探测对象是飞行速度慢、RCS小的目标，简称“慢小目标”(Slow and Small Target，SST)。随着各类满足SST特征飞行器的快速发展和我国低空开放的迫切需求[1]，SST对现代防空预警系统威胁程度越来越大。由于缺乏专用于SST的探测装备，使得目前对SST的发现概率很低。即使常规雷达信号处理能够部分检测到SST，也往往会因为杂波干扰强度大和目标回波微弱等原因[2-3]，导致雷达操纵员将其误当成杂波点[4-5]。

FNi=[RtpyN(i)]λ0

2 实例计算

相比于赛道，我更喜欢驾驶阿斯顿·马丁Vantage行驶于乡间的公路。舒适的真皮座椅、令人难以自拔的车门开启质感以及同事们爱不释手的车厢内细节，这辆阿斯顿·马丁代表着充满了英伦气息的少数派风格。令人陶醉的听觉盛宴和散发着独到驾驶乐趣的后轮则使Vantage更加的与众不同。

2.1 试验概况及土壤水分物理特性参数的确定

天津农学院灌溉试验基地位于天津市杨柳青镇大柳滩村，东经116°57′，北纬39°08′，海拔高程5.49 m。全年平均气温11.6 ℃，全年无霜期203 d，日照时数2 810.4 h。降水量586.1 mm。试验田总面积1 hm2，地下水位变幅在4.70～2.60 m之间，土壤剖面分层特性较为明显，从上向下依次为壤土、砂壤土 、黏土夹砂、黏壤土，分层土壤容重和土壤水分特征曲线参数及田间持水率见表1。其中土壤水分特征曲线用离心机法测定，用van Genuchten公式[16][式(8)]拟合。试验基地有80 m3蓄水池一个，灌溉水源为地下水，用塑胶软管输水灌溉，水表量水。

针对某一典型年，假定可供灌溉水量为1次，通过优化计算，可确定最优灌水时间；依次假定可供灌溉水量为2次、3次、…，逐个计算其优化灌水时间。由此可确定该典型年不同灌溉供水量条件下的优化灌水时间。其中越冬灌水有多个方面的作用，包括踏实土壤，避免土壤架空蓬松现象以预防冻害，为返青后生长提供水分条件等，因而本研究中越冬灌水时间取为75 d，不做优化计算。优化灌水时间的精度为天，优化计算方法为模式法[14]，采用外推法[15]确定优化计算的初始点。

表1 试验田剖面土壤质地与土壤水分特征参数表Tab.1 Experimental field profile soil texture and soil moisture characteristic parameters

(8)

K(h)=KsSle[1-(1-S1/me)m]2

(9)

式中：θ为土壤含水率，cm3/cm3；θs为饱和含水率，cm3/cm3；θr为土壤残余含水率，cm3/cm3；h为土壤水吸力，cm水柱；K(h)为非饱和土壤水导水率，cm/min；Ks为饱和土壤水导水率，cm/min；Se为饱和度，Se=(θ-θr)/(θs-θr)；l为孔隙关联度参数，通常取为0.5；m=1-1/n；α、h为待定参数。

2.2 土壤水分动态模拟参数

其中

作物蒸发蒸腾量模拟的有关参数主要是作物系数。冬小麦越冬前后参考作物需水量较小，因而可将冬小麦越冬前和越冬期合并作为初始生长期，由此将冬小麦生育期划分为初始生长期(播种-返青)、快速发育期(返青-孕穗)、生育中期(孕穗-灌浆末)和成熟期(灌浆末-收获)4个阶段，以段爱旺等[17]给出的作物系数为初始值，利用2009年度灌水较多的处理1和不灌水处理5，以分层土壤含水率模拟值与实测值误差平方和最小为目标函数，优化求解得出了冬小麦作物系数分别为0.38、0.38～1.19、1.19和1.19～0.44，对应的生育阶段天数分别为146、41、40和21d。调参过程的同时，对根系吸水模型有关参数的取值也进行了验证。相应的分层土壤含水率模拟值与实测值的相关系数R=0.843 0，相对误差平均值ARE=13.4%，样本数为396。

2.3 土壤氮素动态模拟参数

术后6个月，实验组有15个患牙(75.00%)AH增加，有新骨生成，其余5个患牙(25.00%)未见牙槽骨继续吸收；对照组仅1个患牙(5.56%)AH略有增加，有6个患牙(33.33%)出现了不同程度的骨吸收，其余11个患牙(61.11%)AH无变化(图1)。附典型病例X线片(图2)。

5年来，全系统恢复发展1万多家基层社，总数超过3万家，接近历史最高水平，基层社乡镇覆盖率由2012年的56%提高到2017年的95%。各地因地制宜推进基层社分类改造，通过劳动合作、资本合作、土地合作等多种途径，广泛吸纳农民和新型农业经营主体入社，逐步推进基层社“三会”制度建设，多种方式密切与农民组织上和经济上的联结。

2.4 作物水模型参数的率定及检验

如图4所示，在PMA/A23187刺激的KU812模型中，细胞上清中TNF-α，IL-6和PGE2含量明显升高（P＜0.01），而0.5%，1.0%和2.0%SHLI可抑制上述3种细胞因子的分泌，其中TNF-α分别降低35%，55%和69%（P＜0.01），IL-6分别降低29%，51%和74%（P＜0.01），PGE2分别降低31%，40%和54%（P＜0.01）。

表2 氮素运移转化模拟参数Tab.2 The parameters of nitrogen transport and transformation model

2.4.1光合产物分配计算中的有关参数

式中：B为单位面积的纯收益，元/hm2；y为作物产量，kg/hm2；t1为冬小麦分蘖日，以从播种日算起的天数表示，d；t2为停止灌水日，d；tm为作物全生育期天数，d；xj为第j次灌水的时间，d；1.5为单位换算系数；J为返青到收获期的灌水次数；m为灌水定额，mm，为简化计算，全生育期灌水定额不变化，本研究取为60 mm；η为灌溉水利用系数，取η=0.5；Pc为冬小麦产品价格，元/kg；Pw为灌溉水价格(灌溉水价格中考虑了灌水投工费用)，元/m3；C0为除灌溉水外的其他农业投入，元/hm2，不随灌溉水量变化。

Ksl=aslRDSbsl

(10)

式中：Fgci为第i天密闭参照作物的总CO2吸收率，kg/(hm2·d)，采用P M Driessen给出的公式计算；30/44为CH2O和CO2的分子量之比；Yg为光合产物转化效率[2]。

(11)

除了控制方向，迈凯伦720S的方向盘没有任何多余的功能。得益于精准而直接的转向设定，它对行驶路线的掌控如高速火车一般精准、可靠。行驶在高品质柏油铺装的路面上，720S的车头会有些许降低，四条轮胎同时紧紧抓住地面，犹如一匹在加速前低下头的骏马，正等待着一段奋力的冲刺。

(12)

Rm=amRDSbm

式中：Ksl、Kse和A为分别为茎叶、粒茎和根冠生长平衡系数，是作物生长发育时间的函数，与作物品种有关；RDS为相对生长率[1]；Tat为从播种日(t=1)算起第t天的冬小麦有效积温，℃；T0为冬小麦全生长期有效积温，℃；Rm为冬小麦正常生长条件下的根冠比；βe和βs分别为冬小麦籽粒和秸秆(包括根、茎、叶)的临界含氮量，kg/kg，取值分别为0.01和0.004[1]；fe为作物正常生长条件下，计算日前1天的籽粒光合产物分配系数；asl、bsl、ase、bse、cse、am、bm和RESg为待定参数。

光合产物分配计算的有关参数包括茎叶、粒茎和根冠生长平衡系数[3]。采用2009年度高水高肥处理冬小麦根、茎、叶和籽粒干物重动态测试资料，以相对生长率为自变量，经回归分析，得出了3个生长平衡系数的变化规律：

虽听说最近有城里姑娘下嫁农村的事儿，可那只是听说而已。在我看来，像她这样漂亮姑娘的下眼皮总比上眼皮长，像画上的人一样，是可望而不可即的。我把手一挥，学电影上那样，喝了一声：“上！”抢先占领了有利地形——炕头。大家先一怔，接着也呼噜一下拥上炕。猴子的二齿钩眼睛盯着人家不放，我扯膀子给拉了上来。巴克夏冲他做个鬼脸，他红着脸伸手借抓扑克来掩饰，巴克夏却一把按住了他的手：“不忙，白磨手不干，讲一下，输了咋办？”

2.4.2水分养分胁迫指数和光合产物转化效率的率定与作物水模型的检验

光合产物转化效率与水分胁迫指数和养分胁迫指数一起通过根、茎、叶和籽粒干物重拟合求得。使用资料为2008和2009年度高水高肥处理和零水零肥处理。拟合结果为，Yg=0.66，σ=0.80，λ=1.0，相应的根、叶、茎和籽粒的相关系数R分别为0.901 6、0.771 0、0.846 3和0.951 4，平均相对误差分别为21.4%、29.6%、22.8%和21.2%,样本数为17。其中籽粒模拟结果最好，其模拟值与实测值的相关系数最大，相对误差也较小。随着干物重的增加，各处理籽粒干物重模拟值的相对误差有明显减小的趋势，到收获时，相对误差平均值减小为10.7%。

使用2008和2009年度处理2～处理4,共计六个处理资料，对模型的整体合理性进行检验。由此计算的根、叶、茎和籽粒相关系数R分别为0.796 6、0.704 1、0.971 7和0.985 8，相对误差平均值分别为38.7%、28.3%、13.6%和16.6%，样本数51。茎和籽粒相关系数较大，相对误差较小，尤其产量预测结果最好，相关系数到0.98以上，表明所构建的模型及其参数可以很好地用于预测灌溉施肥数量及时间对作物产量的影响。而且，茎重和籽粒重的模拟精度要好于参数率定精度，主要原因是参数率定时采用了灌水施肥最大和最小处理，所得到参数能够覆盖较大范围。同样，随干物质重的增加，各处理的籽粒干重模拟值相对误差也均有明显减小的趋势，到收获时，籽粒干重相对误差平均值减小为3.7%。也即，作物产量的模拟精度是较高的。

2.5 灌溉制度优化模型参数取值

灌溉制度优化模型参数取值结果见表3。水价中包括了灌水投工等支出，表中C0为除灌溉水外的其他农业投入，不随灌溉水量变化；越冬水除具有增加土壤墒情的作用外，还有储水和促进根系生长的作用，本研究中按照经验给定越冬水的灌水时间，不做优化计算。

表3 冬小麦灌溉制度优化模型参数取值结果Tab.3 The model parameters of optimizing irrigation scheduling for winter wheat

以天津市1951-2013年气象资料系列为依据，按照冬小麦生长期(10月1日到翌年6月10日)降水量做频率分析，由此确定的50%典型年为1970-1971，对应的潜在腾发量ETm为579 mm、降水量为119.3 mm、平均气温6.8 ℃、累计日照时数1 909 h。

等效电流源iP(t)继续减小,当电流源为负半周期时,VA>VB时,PMOS管MP 1截止,比较器CMP2输出低电平,NMOS管MN2也截止。同理,整流电路可以被划分为与输入信号正半周期对应的3种操作状态。

3 结果分析

3.1 不考虑灌水延续时间时的优化灌溉制度

本研究以50%典型年为例分析灌水延续时间对作物产量和优化灌溉制度的影响，且只考虑生产中常采用的3种灌水次数(2次、3次和4次)，为了说明灌水的增产效益，给出了生育期不灌水的产量和效益。不考虑灌水延续时间情况下，亦即，目前采用的常规灌溉制度优化方法，由此确定的优化灌溉制度见表4。

表4 不考虑灌水延续时间条件下50%典型年的优化灌溉制度Tab.4 50% typical year optimized irrigation scheduling regardless of the irrigation duration

图1 冬小麦产量随灌水延续时间内天数变化(优化前)Fig.1 The variation of yields of winter wheat with days in irrigation duration (before optimizing)

3.2 灌水延续时间对作物产量和优化灌溉制度的影响

灌水延续时间15 d 3次灌水，以及灌水延续时间20 d的3次和4次灌水，产量随灌水日的变化曲线不再具有由小到大再变小的趋势，而且出现了3次灌水大于4次灌水的产量。主要原因是灌水延续时间过大导致优化灌水时间大大偏离了作物最优灌水时间。

由表5可看出，考虑灌水延续时间分析确定的优化灌水时间(以最大产量对应的灌水时间表示)均不同于按照常规方法确定的优化灌水时间，对应的最大产量小于按照常规方法确定的产量。相反，考虑灌水延续时间优化确定的产量，则均高于未优化的产量，对应灌水延续时间10、15和20 d平均产量增加率分别为0.86%、0.97%和1.26%。而且，随着灌水延续时间的加大，增产率有变大的趋势。因此，应该考虑灌水延续时间进行灌溉制度优化，由此确定的灌溉制度更符合生产实际情况。

图2 冬小麦产量随灌水延续时间内天数变化(优化后)Fig.2 The variation of yields of winter wheat with days in irrigation duration (after optimizing)

表5 考虑灌水延续时间优化结果Tab.5 The optimal irrigation time and yields under considering irrigation duration

4 结 语

(1)不考虑灌水延续时间时，小麦的产量和效益随着灌水次数的增加而增加，最大产量可达7 099 kg/hm2，效益可达13 944 元/hm2；随着灌水次数的不断增加，相邻两次最优灌水时间间隔明显减小。

(2)在有限供水条件下，考虑灌水延续时间进行灌溉制度优化可增加平均产量，如灌水次数为2次和3次时，产量增加达0.59%～2.09%。因此，确定优化灌溉制度时应该考虑灌水延续时间。

同时，由该两名医师采用上述3分法分别独立评价“uWS-MI”医学影像处理软件的交互性和工作流(包括界面友好性、时效性及操作便捷性)，以及系统的稳定性、可靠性、数据管理是否满足临床要求。

(3)考虑灌水延续时间确定的优化灌水时间，较常规不考虑灌水延续时间确定的最优灌水时间有明显的提前或延后现象。

□

[1] [荷]P M Driessen, N T Konijn 著. 土地利用系统分析[M]. 宇振荣，王建武，邱建军，等 译. 北京：中国农业科技出版社，1997：105-164.

[2] 施建忠，王天铎. 植物营养生长期同化物分配的机理模型[J].植物学报，1994，36(3)：181-189.

[3] 王仰仁，考虑水分和养分胁迫的SPAC水热动态与作物生长模拟研究[D]. 陕西杨凌：西北农林科技大学，2004.

[4] 雷志栋，杨诗秀，谢森传. 土壤水动力学[M].北京：清华大学出版社，1988：57-78.

[5] 康绍忠，刘晓明，熊运章. 土壤-植物-大气连续体水分传输理论及其应用[M].北京：水利电力出版社，1994：85-121.

[6] 尚松浩，毛晓敏，雷志栋，等.土壤水分动态模拟模型及其应用[M].北京：科学出版社，2009：63-85，101-148.

[7] J T Ritchie. Soil water balance and plant water stress, Gordon Y. Tsuji, G. Hoogenboom, Philip K. Thornton (eds): Understanding Options for Agricultural Production[M]. Great Britain: Kluwer Academic Publishers, 1998,41-54.

[8] 王 康. 非饱和土壤水流运动及溶质迁移[M].北京：科学出版社，2010：97-103.

[9] 李久生，张建君，薛克宗. 滴灌施肥灌溉原理与应用[M].北京：中国农业科学技术出版社，2003：128-155.

[10] 许 迪，刘 钰，杨大文，等. 蒸散发尺度效应与时空尺度拓展[J].北京：科学出版社，2015：313-359.

[11] 任 理，毛 萌. 农药在土壤中运移的模拟[M].北京：科学出版社，2008：50-58.

[12] 王相平，黄冠华，于利鹏，等. 土壤水氮迁移转化与作物生长耦合模拟[J].农业工程学报, 2011, 27(3):19-25.

[13] 邵东国，过龙根，王修贵，等. 水肥资源高效利用[M].北京：科学出版社，2012：139-151.

[14] 尚松浩. 水资源系统分析方法及应用[M]. 北京：清华大学出版社，2006.

[15] 张 莹. 运筹学基础[M]. 北京：清华大学出版社，1997.

[16] Van Genuchten MTh. A closed-form equation for predicting the Hydraulic conductivity of unsaturated soils [J]. Soil Sci. Soe. Am J，1980，44(5)：892-898.

[17] 段爱旺，孙景生，刘 钰，等．北方地区主要农作物灌溉用水定额[M]．北京：中国农业科学技术出版社，2004：52-80.