智墒在云南省农业用水效率监测中的应用研究

曹 言，王 杰，张 雷，宋兆鹏，李建查，戚 娜

(1.云南省水利水电科学研究院，昆明 650228；2.北京东方润泽生态科技股份有限公司，北京 100191；3.云南省农科院元谋热区生态农业研究所，昆明 651330)

智能灌溉是能够智能判断出作物需水数值，并能做出灌溉决策、动态监测执行过程以及实现精准水肥一体化的灌溉[1,2]。而智能灌溉需要基于连续精准的土壤含水量数据才能做出科学的灌溉决策，目前土壤湿度监测的方法主要有田间实测法、模型模拟法以及遥感卫星反演法[3-7]，其中田间实测法能够监测多层和多深度土壤水分，且精确度高，但其空间代表性有限，费时费力，且时效性差，信息量有限[3]；模型模拟法是根据物质守恒定律，建立水分平衡方程得到土壤水分，具有时空连续性较高的特点，但模型建立的参数多且复杂，模拟的精度误差较大[4]；遥感卫星反演法是通过建立遥感数据与土壤水分含量之间的数据模型，利用模型和遥感数据反演地表土壤水分，其具有监测范围广、速度快、频率高和成本低的特点，且能够实现土壤水分的实时监测，但由于反演模型本身存在一定的误差，导致反演的土壤水分误差较高[5-7]，且对单一作物土壤水分的监测精度较差。

智墒是一款能够监测土壤墒情的智能产品，其管式土壤水分传感器的土壤传感范围约是插针式水分仪的20倍[8]，且能够连续自动观测不同土壤深度的土壤含水量。云南省地处低纬度高原地区，典型的多山地区，立体气候突出，且区域气候差异大。独特的农业气候资源造就了云南省丰富多彩、复杂多样的高原特色农业。近年来，为贯彻落实农业用水效率考核和农业用水的定额管理，云南省先后建成了18个特色粮经作物需水试验站点，均采用云智能墒情(智墒)自动观测田间不同计划湿润层的土壤含水量和土壤温度，且已对柑橘、火龙果、小枣、葡萄、咖啡、柠檬、玉米、毛豆、番茄、大蒜和蚕豆等典型作物连续观测2年。智墒智能化的监测不仅能够摸清作物需水规律、精确计算灌溉水有效利用系数，也可以为当地农户进行合理灌溉提供了技术支撑。

1 材料与方法

1.1 智墒—云智能土壤水分监测仪

土壤含水量监测采用北京东方润泽生态科技股份有限公司生产的智墒·云享版，设备观测采用FDR原理，观测记录步长为1 次/h，设备以GPRS方式能够实现观测数据实时上传至云服务器，用户可通过互联网和微信同步查看10、20、30、40、50和60 cm处土壤体积含水量和土壤温度数据。

1.2 实验方法

元谋灌溉试验观测点位于云南省元谋县云南省农业科学院热区生态农业研究所后山实验基地内，总建设面积1 740 m2，建设试验小区29个，每个小区面积60 m2(5 m×12 m)，试验小区之间用空心砖隔开，并做必要的防渗处理。本试验区主要开展元谋县番茄、玉米、豆类等主要经济作物需水试验观测，所有小区均采用膜下滴灌方式进行灌溉。2016年5月采用烘干法对元谋6号小区(设备编号为27.2)和12号小区(设备编号为2913)智墒的土壤含水量精度进行验证。通过200 cm3大环刀取土样，取样时将环刀均匀分布在智墒周围3～5 cm左右，围绕智墒逆时针每层取土4个土样(见图1)，其中智墒编号27.2取5层土样，分别为10、20、30、40和50 cm，智墒编号2913取6层土样，分别为10、20、30、40、50和60 cm。土壤采集封盖完成后，记录环刀湿土重数据，随后返回实验室在105 ℃的烘箱内将土样烘12 h以上直至恒重，然后对烘干土样进行称重，即环刀干土重。

图1 取土壤位置示意图Fig.1 location of soil sample

2 结果与分析

2.1 智墒精度的比对

采用200 cm3大环刀烘干法验证智墒不同深度土壤含水量的精度。由表1可以发现，受27.2号智墒安装位置的影响(智墒未安装在两条滴灌带中间)，导致表层(0～20 cm)取样误差相对较大，取样误差为4.43%和3.30%，20～60 cm深度土层的取样误差相对较小，介于0.43%～0.65%之间，不同深度土壤体积含水量误差的绝对值介于0.08%～2.37%之间，其中60 cm处的误差最小，仅为-0.08%，40 cm处误差最大，为2.37%；而2913号智墒安装在两条滴灌带中间，不同深度土层的取样误差相对较小，介于0.33%～1.14%之间，不同深度土壤体积含水量的误差介于0.35%～3.50%之间，其中50 cm处的误差最大，40 cm处误差最小。综上所述，两组200 cm3大环刀烘干法得到的土壤体积含水量数据与27.2号、2913号智墒同步同时所测的土壤体积含水量数据误差均在可接受范围内，误差的绝对值均小于±3.5%，表明智墒所测的土壤含水量数据具有较好的可靠性，能够用于云南省土壤墒情监测工作中。

2.2 智墒应用

2.2.1 土壤含水量变化规律

智墒能够追踪不同土层土壤含水量逐天逐时的变化情况，识别降雨和灌水次数，也可以反映出降雨和灌水前后不同深度土壤含水量的变化情况，同时智墒自动计算作物每天的实际耗水量Et，智能选取一天内的两个时间节点，计算出该时间段内作物根系各土层土壤含水量减少量的累加，同时能够计算出逐天参考作物蒸发蒸腾量ET0，以及逐天实际蒸发蒸腾量Et与参考作物参考蒸发蒸腾量ET0的比值(k值)。图2(a)为元谋灌溉试验观测点1号小区甜玉米的土壤含水量连续变化情况，监测时间为2018年1月1日至2月10日，可以发现该时间段内各土层土壤含水量有7次比较明显上升现象，对照气象站数据发现1月3日和2月2日出现了明显降雨，其他5次则由灌溉所致；智墒能够实时计算出不同深度土壤含水量逐日的减少量，如2月10日凌晨10 cm处土壤含水量为21.06%，一天后土壤含水量下降至19.47%，土壤含水量减小量为1.59%，而智墒10 cm处的土壤含水量表示地表至地下100 mm厚土层体积百分比含水量的平均值，因此经过一天10 cm处土壤含水量实际减小了1.59 mm；由于元谋干热河谷地区燥热、少雨的特点[9]使得当地农业种植大量使用地膜覆盖，由图2(a)可以发现在无降雨和灌溉的情况下，各土层土壤含水量呈波动下降趋势，其主要原因是地膜覆盖导致反潮现象，致使土壤湿度再次升高，1月31日至2月8日，土壤含水量波动下降趋势不明显，主要原因是该时间段内经历一次大幅降温过程，地表土壤温度由24.7 ℃降至10.4 ℃，温度下降蒸发减弱，反潮现象不明显；由图2(b)可以看出，智墒能够反映出逐天耗水量Et、参考作物蒸发蒸腾量ET0及k值的变化情况，k值与ET0呈极显著的负相关(显著水平为0.01)，与Et呈极显著正相关(显著水平为0.01)，相关系数分别为-0.742和0.401，可知ET0对k值变化的影响明显大于Et。

表1 烘干法与智墒所测土壤体积含水量的对比Tab.1 Comparison of soil volumetric water content measured by drying method and cloud intelligent soil moisture monitor

注：设备27.2号智墒烘干为18 h，其中4-2样本中存在石头和骨头，因此剔除该数据；设备2913号智墒烘干30 h，样本编号5-1烘干土样由于是因为实验时操作失误没有将它进行30 h烘干，数据为18 h的烘干数据。

图2 不同土层土壤含水量及蒸发蒸腾量的变化情况Fig.2 Variation of soil moisture content and evapotranspiration in different soil layers

2.2.2 土壤蓄水潜力监测

YH土壤水分模型是王应海根据方便用户灌溉决策要求，在网络数据平台系统中能够动态反映出土壤中的有效储水量和蓄水潜力，其中有效储水量是指作物根系区域各土层当前含水量与历史实测最低土壤含水量之差的累积，其能够反映出当前作物是否缺水，从而保证作物正常生长；蓄水潜力是指作物根系区域各土层历史实测最高土壤含水量与当前土壤含水量之差的累积，其能够反映出土壤的“胃”还能容纳多少东西，每次灌溉的水量是否合理，可以避免水肥浪费[8]。YH土壤水分模型也能够识别当前作物的虚拟根系深度，即智墒识别到实际吸水根系到达的最大深度，同时分层计算出每天每层的耗水量，再根据耗水量的大小显示出根系在不同深度每天的耗水比例。图3和图4分别为元谋灌溉试验观测点21号小区番茄不同生育期的YH土壤水分模型和根层分布及分层耗水量的变化情况，时间为2016年7月14-11月14日，可知番茄生育期内有效储水量和蓄水潜力基本呈增加趋势，其中苗期、开花坐果期、膨大期、成熟期有效储水量分别为36、64、38、57 mm，蓄水潜力为53、58、113和151 mm，而开花坐果期当天发生灌水导致有效储水量偏大；由图4可知，随着番茄根系的不断深入，日耗水量也基本呈现增加趋势，其中膨大期日耗水量相对较大，苗期日耗水量相对较小。从不同生育期分层耗水量来看，0～10和10～20 cm处日耗水量占比较大，其中苗期和膨大期0～10 cm耗水量占日耗水总量的比例最大，分别为91.4%和34.1%，开花坐果期和成熟期10～20 cm处耗水量占比最大，分别为46.3%和26.0%。

图3 番茄不同生育期土壤有效储水量和蓄水潜力变化情况Fig.3 variation of available soil water storage and water storage potential of tomato at different growth stages

图4 番茄不同生育期根层分布及分层耗水量变化Fig. 4 Distribution of root layer and variation of stratified water consumption in tomato at different growth stages

2.2.3 灌溉水有效利用系数

农田灌溉水有效利用系数是国家实行最严格水资源管理“三条红线”的重要考核指标之一[10,11]。灌溉水有效利用系数是灌入田间可被作物利用的水量与灌溉系统取用的灌溉总水量比值[12,13]，是灌溉用水效率的表征之一[15]。而通过智墒计算灌溉水有效利用系数的步骤如下：首先根据智墒识别典型田块的灌水次数；其次识别灌前灌后的土壤含水量，根据灌前灌后土壤含水量的变化量，计算每次灌水各土层的净灌溉水量，见式(1)；最后根据该时间段内典型田块水表始末的读数差，得到典型田块的毛灌溉水量，并采用首尾测算法计算典型田块的灌溉水有效利用系数η。选取元谋灌溉试验观测点3号小区为典型田块，观测2016年度番茄生育期灌溉用水效率情况，对比气象站数据和小区灌水记录情况，统计计算每次灌水前后土壤含水量的变化量，将相邻10 cm的土壤含水量数据做平均值处理，作为20 cm处的数据，根据公式(1)计算出每次灌水的净灌溉水量，进而统计出番茄生育期内的净灌溉水量，对比生育期内小区水表读数差，计算出番茄生育期内灌溉水有效利用系数η。由表2可知，番茄生育期内灌水11次，每次灌水的净灌溉水量分别为0.817 2、0.973 8、1.325 4、2.412 6、2.251 2、1.675 8、0.326 4、1.653 6、1.144 2、1.236 6和1.438 8 m3，生育期内净灌溉水量为15.255 m3，生育期水表读数差为19.711 5 m3，计算得出番茄生育期内灌水有效利用系数η为0.773 9。

W田净i=AH(θv2-θv1)×10-4

(1)

式中：A为典型田块的面积，m2；H为灌水期内典型田块土壤计划湿润层深度，cm；θv1为某次灌水前典型田块H土层内土壤体积含水率，%；θv2为某次灌水后典型田块H土层内土壤体积含水率，%。

3 结 语

(1)27.2号设备和2913号设备所测的不同深度土壤体积含水量与实测值间误差的绝对值均小于±3.5%，表明智墒能够较好适用于云南省土壤墒情监测。

(2)智墒能够追踪不同土层土壤含水量逐天逐时的变化情况，识别降雨和灌水次数，自动计算作物每天的实际耗水量Et和参考作物蒸发蒸腾量ET0；YH土壤水分模型能够动态的反映出土壤中的有效储水量和蓄水潜力，能够反映出当前作物是否缺水，从而保证作物正常生长，此外YH土壤水分模型也能够识别当前作物的虚拟根系深度，并能够分层计算出每天每层的耗水量及其耗水比例。智墒能够根据灌前灌后不同土层土壤含水量的变化量，计算每次灌水各土层的净灌溉水量，通过毛灌溉水量的统计，采用首尾测算法计算出灌溉水有效利用系数。

表2 不同土层深度灌水前后土壤含水量变化情况Tab.2 Changes in soil water content before and after deep irrigation in different soil layers