SWAP 模型模拟暗管排水条件下土壤水盐运移

庄旭东，冯绍元，于 昊，袁成福，钱 争

（扬州大学 水利科学与工程学院，江苏 扬州225009）

0 引 言

【研究意义】内蒙古河套灌区是我国最大的一首制自流灌区，也是国家重要的商品粮基地[1]。河套灌区属于大陆性季风气候，年降雨量仅为140～223 mm，年蒸发量可达2 000～2 347 mm，引黄河水灌溉在河套灌区农业生产中起到了至关重要的作用，灌区农业灌溉用水量占总用水量的90%以上，是典型的没有灌溉就没有农业的灌区[2]。面对水资源日益短缺的严峻形势，未来几年河套灌区引水量将会在现有的50 亿m3基础上减少1/5 左右[3]，引水量减少会进一步加剧河套灌区各大产业的用水矛盾。同时，河套灌区土壤盐碱化又非常严重，节水灌溉和暗管排水工程的实施，打破了原有的农田土壤水盐运移规律和平衡条件，因此，研究河套灌区暗管排水条件下农田土壤水盐运移规律，优化暗管埋深和间距，对保障农业生产及改善当地生态环境、促进当地国民经济可持续发展具有重要意义。

【研究进展】SWAP（Soil Water Atmosphere Plant）模型由荷兰Wageningen 大学开发，主要用于模拟农田尺度田间土壤-水-植物-大气环境中的水分运动、溶质运移、热量传输和作物生长过程[4]。国内外已有许多学者在不同地区利用SWAP 模型来确定适宜当地的田间排水暗管规格以及分析当地的土壤水盐运动过程。薛静等[5]利用SWAP-WOFOST 模型对2000—2010 年河套灌区春小麦种植条件下适宜的田间排水暗管规格进行探讨，并模拟评价了该条件下作物产量和水分生产力的时空分布特征，为进一步改善灌区田间排水系统的效果提供了一定的参考。Sarwar等[6]在巴基斯坦旁遮普省利用SWAP模型分析了不同排水深度和间距对根区土壤水分状况、土壤盐碱化以及作物产量的影响。结果表明，排水深度的设定比间距的设定更为重要，其与作物产量和土壤盐分的相关性更好，并确定了该地区的最佳排水深度为2.2 m。Qureshi 等[7]在乌兹别克斯坦的锡尔河省利用SWAP 模型确定了保证棉花达到最高产量且土壤含盐量得到控制的优化排水深度为2.0 m。冯绍元等[8]在北京市典型农田开展冬小麦-夏玉米非充分灌溉试验，利用SWAP 模型模拟分析了根区和储水区之间的水分转化动态及其对作物耗水的影响，揭示了非充分灌溉条件下的作物耗水和土壤水分转化规律。袁成福等[9]在中国农业大学石羊河试验站对制种玉米的咸淡水轮灌模式进行研究，并利用SWAP 模型模拟分析了咸水非充分灌溉条件下不同土壤剖面水分和盐分通量的变化规律。

【切入点】本文基于2018—2019 年田间试验观测资料，对SWAP 模型进行率定和验证。考虑到研究区种植的主要农作物是油葵，作物的主要根系分布在0～40 cm 土壤剖面内，故利用率定和验证后的SWAP模型对不同暗管排水条件下剖面40 cm 处的土壤水分通量和盐分通量的变化过程进行模拟分析。

【拟解决的关键问题】通过设置4 种排水暗管布设规格，分析不同暗管布局下根系层的水盐运移规律和产量情况，探讨永济地区因地制宜保障作物生产的田间末级排水暗管的布设规格，为当地暗管排水规划和管理提供科学依据。

1 材料与方法

1.1 试验区概况

试验于2018—2019 年在河套灌区中国农业大学永济试验基地进行，该试验基地所在地理位置为107º16＇E，40º44＇N，平均海拔1 043.4 m，图1 为试验区示意图。研究区为中温带半干旱大陆性气候，降雨稀少，气候干燥，蒸发量大，年降雨量90～300 mm，年蒸发量2 032～3 179 mm，年平均气温3.7～7.6 ℃，无霜期145～160 d，土壤封冻期180 d 左右[10]。2018年生育期试验区平均地下水埋深为1.43 m，最大埋深2.05 m，最小埋深0.67 m，平均地下水矿化度为0.88 g/L；2019 年生育期试验区平均地下水埋深为1.40 m，最大埋深2.14 m，最小埋深0.75 m，平均地下水矿化度为0.98 g/L。试验区土壤机械组成及物理参数见表1。

图1 试验区示意图 Fig.1 Schematic diagram of experiment sites

表1 试验区土壤机械组成及物理参数 Table 1 Mechanical composition and physical parameters of soil in the test area

1.2 试验设计

在试验研究基地选择一典型研究区，农田种植面积为9.13 hm2，灌溉方式为畦灌。试验区种植油葵，品种为“YG361 号”，种植方向为东西方向，采用宽窄行种植方式（宽行100 cm，窄行40 cm），株距55 cm，具体作物种植模式见图2。2018 年油葵于6 月13 日播种，6 月20 日出苗，8 月4 日灌水，9 月28 日收获。2019 年油葵于5 月29 日播种，6 月8 日出苗，7月10 日灌水，9 月19 日收获。试验观测区从北往南分为A、B、C 3 个小区，每个小区灌水定额不同，分别为1 200、975、750 m3/hm2。试验区吸水管管材选取PE 打孔波纹管形式，采用砂砾石外包滤料作为吸水管的过滤材料。试验区共埋设7 根吸水管，1 根集水管，吸水管间距为45 m，平均埋深1.5 m，比降为1/2 000。具体试验设计见表2。

1.3 测定项目与方法

2018—2019 年的气象资料主要来源于河套灌区永济试验基地的小型气象站，包括：降雨量、辐射量、温度、湿度、风速等。试验期间分别在油葵播种前、收获后以及每次灌水前、后取土样，每个小区取3 个重复，取土壤含水率和全盐量平均值近似代表每个小区的平均值，用以模型的率定和验证。取土深度为100 cm，共分6 层，分别为0～10、10～20、20～40、40～60、60～80、80～100 cm，土壤质量含水率采用烘干法（土样在105 ℃烘箱内烘8 h）测定，再乘以干体积质量得到体积含水率。取样时另外用自封袋装入少许土样，将其置于晾土架上风干2～3 d，然后进行研磨和过筛，再调制1∶5 的土水比土壤浸取液，振荡过滤后用电导率仪（DDSJ-308A）测定浸取液的电导率值 EC1:5，并运用内蒙古河套地区经验公式（S=2.882EC1:5+0.183）将浸取液的电导率值换算成相应的土壤全盐量[11]。地下水位用钢尺水位计（JK50）进行测量，每3～4 d 观测1 次。

油葵出苗后每隔10 d 利用精度为0.01 m 的钢卷尺测量油葵的株高和叶片长宽，并采用估算法得到叶面积指数，其中油葵的拟合系数取0.75。在油葵收获之际，每个小区连续取10 株制作物，进行脱粒自然晒干，用卷尺测量花盘的直径，重复3 次。用天平测量花盘质量、籽粒质量、百粒质量等，再换算成每公顷作物产量。

图2 作物种植模式 Fig.2 Crop planting mode

表2 试验设计 Table 2 Experimental design

1.4 SWAP 模型

SWAP 模型将土壤水分、溶质和热量的运移简化为垂向一维运动，采用有限差分法求解偏微分方程[12]。模型采用Richards 方程来模拟非饱和带土壤的水流运动，采用对流-弥散方程来模拟盐分运移，在模拟作物生长方面分为简单作物生长模块和复杂作物生长模块，本研究采用的是简单作物生长模块，主要运用各生育阶段相对产量连乘的数学模型来表示整个生育阶段的相对产量（作物的实际产量与潜在产量的比值），其具体计算公式参见SWAP 模型手册[4]。SWAP 模型的排水模块采用Hooghoudt 或Ernst 排水公式计算，本研究中将饱和-非饱和带土壤剖面概化为均质，排水管的位置在不透水层之上（查阅有关文献[1]，可知河套灌区距地表36.2 m 存在致密的不透水层），通过变动排水暗管的埋深和间距来进行后期的数值模拟。根据土壤特性，将土壤剖面划分为3 层，第一层是0～20 cm，第二层是20～60 cm，第三层是60～100 cm。由于地下水埋深较浅，所以采用地下水位作为模型的下边界条件。SWAP 模型还需要输入作物生长资料、土壤水力特性参数、初始压力水头和溶质浓度等资料。作物生长资料主要采用田间试验实测数据；初始的土壤水力特性参数通过实测的土壤机械组成和干体积质量，利用HYDRUS-1D 软件的Rosetta神经网络模型预测得到（表3）；初始压力水头由初始土壤含水率通过水分特征曲线换算得到；初始溶质浓度由土壤初始含盐量换算得到。模型的输出结果包括水量和溶质平衡表、水分和盐分剖面分布、日水分平衡分量和水压力剖面分布等，输出格式包括文本、2 维图形和3 维图形3 种形式。模型模拟值与实测值吻合度采用均方误差（RMSE）、平均相对误差（MRE）2 个指标进行评价，其计算公式如下：

式中：N 为观测值的个数，Pi表示第i 个模拟值，Oi表示第i 个观测值。

表3 不同土层土壤水力特性参数的初始值和率定值 Table 3 Initial value and calibration value of soil hydraulic characteristic parameters of different soil layers

2 结果与分析

2.1 土壤水分模块的率定和验证

利用研究区实测和收集的土壤水盐数据、土壤水力特性参数、油葵生长资料、灌溉资料、排水资料以及气象数据等对SWAP 模型进行率定和验证。其中以2018 年C 处理的试验数据用于模型的率定，2019 年C 处理的试验数据用于模型的验证，土壤水分运动模块中的土壤水力特性参数率定值见表3，土壤含水率模拟结果见图3、图4。从图3、图4 可以看出，土壤含水率的模拟值与实测值吻合较好，模拟值较好地反映了实测值的变化趋势。表4 是率定和验证过程中不同深度土壤含水率模拟值与实测值的均方误差（RMSE）和平均相对误差（MRE）。由表4 可以看出，土壤含水率率定与验证过程中土壤含水率RMSE 值均在0.05 cm3/cm3以下，MRE 值在15%以下，判定指标均在合理的误差范围内，说明经过率定和验证后的SWAP 模型能够较好地模拟土壤水分动态变化规律。

2.2 土壤盐分模块的率定和验证

图5为SWAP模型率定和验证时不同时期土壤含盐量的模拟值与实测值的比较。由图5 可以看出，盐分随土层深度增加而不断减少，其中模拟值基本反映了剖面土壤盐分的分布趋势，但表层盐分模拟效果略差一些。表5 为土壤含盐量模拟值与实测值的RMSE和MRE。土壤含盐量率定与验证过程中，RMSE 值在3.0 mg/cm3以下，MRE 值均在25%以下，在允许的误差精度范围之内，模拟结果基本可行。率定后得到的分子扩散系数为5.0 cm/d，土壤弥散度为20 cm。

图4 模型验证过程中土壤含水率模拟值与实测值的比较 Fig.4 Comparison between simulated and measured soil water contents in validation

表4 土壤含水率模拟值与实测值的RMSE 和MRE Table 4 RMSE and MRE of simulated and measured soil moisture content

图5 土壤含盐量模拟值与实测值的比较 Fig.5 Comparison of simulated and measured values of soil salt content

表5 土壤含盐量模拟值与实测值的RMSE 和MRE Table 5 RMSE and MRE of simulated and measured values of soil salt content

2.3 作物生长模块的率定和验证

本文作物生长模块采用简单作物生长模块，SWAP 模型模拟得出的产量为相对产量。据调查，近年来河套灌区油葵的平均产量为5 450 kg/hm2，假定河套灌区油葵平均产量为可获得的最大产量，根据SWAP 模型模拟的相对产量与最大产量进行换算，可得到模拟产量。其中以2018 年C 处理的产量观测数据用于模型的率定，以2019 年C 处理的产量观测数据用于模型的验证。图6 为模型率定与验证时油葵产量实测值与模拟值的比较，由图6 可以看出，2018年模拟出来的油葵产量为4 850.0 kg/hm2，实际测产4 400 kg/hm2，2019 模拟出来的油葵产量为3 924 kg/km2，实际测产4 228.05 kg/hm2，产量模拟值与产量实测值基本一致，2019 年比2018 年产量减少是因为2018 年没有进行秋浇压盐，2019 年C 区0～40 cm土层初始含盐量平均值为3.56 g/kg，2018年C区0～40 cm 土层初始含盐量平均值为1.49 g/kg，2019 年是2018 年的2 倍多，导致作物生长受盐分胁迫影响比较大。模型率定与验证时油葵产量的均方误差RMSE在500 kg/hm2以内，相对误差MRE 均低于15%，在合理的误差范围内。上述模拟结果表明，率定和验证后的SWAP 模型可用于该地区油葵产量的模拟。

图6 模型率定(2018 年)和验证(2019 年)时 油葵产量的模拟值与实测值比较 Fig.6 Comparison of simulated and measured helianthus yield at model calibration (2018) and validation (2019)

2.4 SWAP 模型模拟

2.4.1 40 cm 剖面处土壤水分通量模拟

以2019 年的B 处理为基础，通过改变暗管埋深和间距，模拟分析不同暗管布局下土壤水分通量的变化特征。不同情景设计见表6。由于该油葵品种根系主要分布在0～40 cm 土壤剖面内，所以对不同暗管埋深和间距条件下40 cm剖面处的土壤水分通量进行分析，模拟结果见图7，其中水分通量向上为正（0 刻度线以上为正），向下为负，箭头代表灌水时间。由图7 可以看出，不同暗管埋深、间距下，40 cm 剖面处的土壤水分通量总体变化趋势基本相同，无灌水和降雨时土壤水分以向上运动为主，存在灌水和降雨时，土壤水分以向下运动为主。就整个生育期而言，基本情景、情景一、情景二和情景三的40 cm 剖面处向下水分通量累积量分别为-6.51、-6.85、-11.98、-11.97 cm，当基本情景的间距减小15 m 时，向下的水分通量累积量增加5.2%，当基本情景的埋深增加0.5 m 时，向下的水分通量累积量增加83.9%。在7 月10 日灌水当天，不同暗管埋深、间距情景下水分通量变化尤其明显，其中基本情景、情景一、情景二和情景三的向下水分通量分别为1.24、2.14、9.30、9.30 cm/d，由此可以看出，埋深越大，间距越小，40 cm 剖面处向下的土壤水分通量就越大，说明增加暗管埋深、减小暗管间距可以有效排除灌溉时根系层多余的水分。其中情景二和情景三的向下水分通量都一样，是因为此时埋深较深，排水效果好，9.30 cm/d 已经达到了灌溉当天的最大值，加之当地土壤以砂壤土和粉壤土为主，透水性良好，向下的水分通量主要受暗管埋深控制，受暗管间距影响十分小。在降雨量稀少的情况下，40 cm 剖面处的向下水分通量与灌水时呈相反的规律，比如8 月19 日，降雨仅有5.4 mm，此时基本情景、情景一、情景二和情景三向下的水分通量分别为0.081、0.076、0.036、0.043 cm/d，在基本情景下，当暗管间距减小15 m，向下的水分通量反而减少了6.2%，当暗管埋深增加0.5 m 时，向下的水分通量减少了46.9%，这是因为埋深越浅，间距越大，地下水位就越高，表层土壤就越湿润，降雨被表面土壤吸收的就越少，下渗的水分也就越多。

表6 不同情景设计 Table 6 Different design cases

2.4.2 40 cm 剖面处盐分通量模拟

图8 是不同暗管埋深和间距条件下40 cm 剖面处的土壤盐分通量模拟结果。盐分通量向上为正（0 刻度线以上为正），向下为负，箭头代表灌水时间。结合图7 和图8 可以看出，40 cm 剖面处的土壤盐分通量变化趋势和水分通量一样，无灌水和降雨时土壤盐分以向上运移为主，存在灌水和降雨时，土壤盐分以向下运移为主，充分说明了“盐随水来，盐随水走”的土壤盐分的运移特性。土壤盐分向下通量在7 月10 日达到最大，其中基本情景、情景一、情景二和情景三的向下盐分通量分别为13.4、22.9、93.6、93.2 mg/（cm2∙d），说明埋深越大，间距越小，40 cm 剖面处向下的盐分通量也就越大。就整个生育期而言，不同情景下40 cm剖面处盐分通量的累积量也存在差异，基本情景、情景一、情景二和情景三的向下盐分通量累积量分别为-65.1、-68.4、-119.0、-118.9 mg/cm2，当基本情景的间距减小15m 时，向下盐分通量累积量增加5.1%，当基本情景的埋深增加0.5 m 时，向下盐分通量累积量增加82.6%，说明暗管排水可以有效排除根系层中的盐分，而且暗管埋深对排盐的影响要比间距更为敏感。另外结合模拟出来基本情景、情景一、情景二和情景三的产量，4 142、4 306、4 578、4 524 kg/hm2，可以看出情景二的产量最高，说明合适的暗管布设埋深与间距，可以有效降低根系层的水盐胁迫，从而使产量得到提高。

图7 不同暗管排水条件下40 cm 剖面处土壤水分通量模拟结果 Fig.7 Simulation results of soil water flux at 40 cm profile under different drainage conditions

图8 不同暗管排水条件下40 cm 剖面处土壤盐分通量模拟结果 Fig.8 Simulation results of soil salt flux at 40 cm profile under different drainage conditions

3 讨 论

通过运用SWAP 模型对不同暗管布局下土壤的水分通量和盐分通量进行模拟，发现暗管埋深比暗管间距对向下的土壤水分通量和盐分通量的影响更为敏感，一是因为暗管埋深在控制地下水位中起到主导作用，二是因为当地土壤透水性良好，使得暗管间距的敏感性降低。在模拟中还发现，适当增加暗管埋深，其产量也会相应增加，这是因为埋深增加不仅可以有效排除根系层的盐分，而且埋深增加，地下水位就越低，可以降低潜水蒸发，抑制土壤返盐。

SWAP 模型可以较好地模拟研究区土壤水盐的变化，但在土壤盐分的模拟中RMSE 和MRE 偏大，这是因为SWAP 模型把盐分运动简化为一维垂向，而试验区附近存在一片盐荒地，SWAP 模型在模拟过程中没有考虑土壤盐分在农田与荒地间的水平运动，加之地下水位埋深较浅，当地日照充足，潜水蒸发量大，盐分向上累积速率快。而且，全盐量所换算的经验公式会存在误差，灌水人为控制不够精确等都会导致模型模拟结果与实测值产生偏差。同时，盐分模块调整参数是在土壤水力特性参数基础上进行的，弥散度、分子扩散系数、自由水与吸附水之间的溶质交换率等溶质参数的调整较难调整到最合适的值，所以在土壤含盐量的率定和验证过程中，模拟值与实测值的RMSE 和MRE 会偏大。

国内很多学者对不同暗管埋深和间距条件下的排水洗盐效果进行了研究[13-15]，但排水暗管规格的确定与不同地区的土壤、地下水、作物等密切相关，地区差异性大，只有根据实际情况确定适宜的规格，才能使农田排水系统的效果达到较为理想的水平。而且，截至目前，在河套地区通过模型模拟研究因地制宜的农田排水暗管规格的文章尚不多见，因此，本文基于河套灌区合济试验基地两年的实验数据，对SWAP模型进行率定和验证，确定了适合当地实际的相关模型参数，并对4 种暗管布局下的作物根系层水分通量、盐分通量及产量情况进行了定量分析，所得结果可为该地区制定合理的暗管埋深和间距提供理论参考。

4 结 论

1）经过田间试验资料率定和验证的SWAP 模型可以用于模拟分析研究区不同暗管布局下土壤水盐运移规律。

2）存在灌水和降雨时，40 cm 剖面处土壤水分通量以向下为主，在暗管间距为45 m，埋深为1.5 m时，就2019 年整个生育期而言，暗管间距减小15 m，向下的水分通量累积量增加5.2%，暗管埋深增加0.5 m时，向下的水分通量累积量增加83.9%。在没有灌水和降雨时期，40 cm 剖面处土壤水分通量以向上为主，暗管埋深和间距的变化对向上的水分通量影响不大，向上的水分通量在0 ～ 0.14 cm/d 之间变动。

3）土壤剖面盐分运动表现出与水分运动特性相似的规律性。在暗管间距为45 m，埋深为1.5 m 时，就2019 年整个生育期而言，暗管间距减小15 m，向下盐分通量累积量仅增加5.1%，暗管埋深增加0.5 m 时，向下盐分通量累积量增加82.6%，增幅与向下水分通量累积量基本一致。通过模拟分析不同暗管布局对排盐、产量的影响，认为永济试验区暗管埋深取2.0 m，暗管间距取45 m 较为适宜。