上海市奉贤区土壤墒情变化规律与评价指标研究

顾建芹,江 健

(上海市奉贤区农业技术推广中心,上海201499)

农田土壤墒情是农业生产中不可缺少的基础性工作,以当地主要农田土壤类型的耕作层水分含量为研究对象,结合主要作物的种植模式和农业措施,通过定期定点测定土壤含水量和相关农业生产管理、作物表象等记载数据,及时掌握农田耕作层土壤水分的增长和消退规律。 土壤水分的多少直接影响着作物的生长发育、产量和品质的形成,是确定农田灌溉预报的主要依据之一,对节水灌溉、排水措施、施肥决策等制定具有重要意义[1-3]。 土壤水分受到多种内外因素的影响,包括气象(降水量、雨水持续时间和强度、气温、日照等)、土壤(质地、有机质、质地剖面等)、作物生长状况、田间管理等[4-6]。 上海市奉贤区总体上温热充足、雨水充沛,但降雨季节分配不平衡,因此,如何利用水资源,保证作物正常生长,减轻渍害发生,及时掌握土层水分动态变化状况尤为重要。

目前,土壤墒情的监测、诊断和预报工作日趋重视,常见的土壤墒情诊断和预报模型主要有:经验公式法、水量平衡法、消退指数法、土壤水动力学法、时间序列分析方法、神经网络法以及遥感监测法等[7],各种诊断和预报方法均有优缺点。 本研究以玉米-绿肥栽培方式为研究对象,通过连续5 年跟踪监测土壤含水量数据与土壤墒情变化高度相关的气象因子,包括降水量、平均温度、最高最低温度等相关分析,掌握奉贤区土壤墒情季节变化规律,定量评估降水量对土壤墒情的影响,初步建立平衡法墒情诊断模型,其可满足奉贤区墒情预报需要。 近几年,土壤水分自动监测系统逐渐完善和普及,较之人工观测数据具有快速便捷、灵敏度高、不滞后的特点。 本研究开展自动监测仪器与传统烘干称重法的测墒对比试验,客观评价自动水分监测仪的观测能力,并应用自动监测仪,动态监测小青菜生长过程中土壤墒情丰缺状况,初步掌握小青菜各生育期对水分的要求,建立奉贤区夏季叶菜类的墒情评价指标体系,为农业生产布局和结构调整、种植业技术配置、提高农业用水效率和效益、开展节水社会化服务提供科学依据。

1 研究区概况

奉贤区地处长江三角洲下游,上海市的西南远郊,北枕黄浦江,南滨杭州湾,地理坐标为东经121°21′—121°46′,北纬30°47′—31°01′。 全区呈长方形,南北窄,东西长,土壤总面积738.69 km2,拥有31.6 km 的海岸线,地势高程3.5—4.5 m。 区内水系发达,河道纵横,土地肥沃,物产丰富,属亚热带季风气候,气候四季分明,光照充足,雨量较多,光热水同期。 2014—2018 年年均降水量为1 421.22 mm,年降水天数141.4 d,6—9 月为汛期,平均降水量为734.98 mm,占年内平均降水量51.71%,年均气温16.98 ℃,年均日照时数1 790.08 h,年均无霜期242.6 d。 土壤类型相对较少,主要是水稻土,多为潴育型水稻土,土壤地势表现为西低东高的特点。

2 资料与方法

2.1 资料来源

研究区的土壤墒情人工监测点设于奉贤区奉城镇护民村,东经121°39′,北纬30°53.4′,土壤类型为黄夹砂,常年栽培作物为玉米、绿肥,具备灌溉条件。 每月10 日、25 日前,采用铝盒烘干法测定该点的土壤质量含水量,取样深度为0—20 cm、20—40 cm,并按土壤墒情计算公式W =(Wθ∕WH2O) ×100%测算出土壤相对含水量,其中W 为土壤墒情,Wθ为土壤质量含水量,WH2O为田间持水量。 监测点的土壤容重为1.18 g∕cm3。

自动监测仪埋设于奉贤区庄行镇穗轮村,东经121°24.1′,北纬30°54.9′,土壤类型为青黄土,栽培作物为绿叶菜类。 每日定时自动采集土层深度含水量,并在同时期同土层进行人工采集含水量对比。 监测田块的土壤容重为1.21 g∕cm3。 黄夹砂和青黄土较好地代表了研究区东西部土壤类型。 气象数据来源于2014—2018 年奉贤区气象局,包括降水量(mm)、日均温度( ℃)、日照时数(h)等多个气象因子。

2.2 观测记载方法

2.2.1 测墒精度对比试验

在非灌溉自然状态下的同一地块上,用烘干法和自动监测仪测量土层深度10 cm、20 cm、30 cm 的含水量,并对两组测量数据进行统计和相关性分析。 自动监测仪为多点土壤温湿度记录仪(JC-01),监测作物小青菜,监测时间为2016 年8 月15 日至9 月12 日。 对比过程中,尽可能排除自动监测仪安装中的误差和大田环境因素干扰,使获得观测数据具有较好的可比性,真实反映农田的土壤水分变化状况。

2.2.2 小青菜墒情评价指标体系建立

试验于2017 年8 月19 日至9 月30 日进行,共设置3 个处理,为干旱、适宜和过多,分别进行发芽试验和苗期生长试验。 栽培模式为盆栽,选用40 cm×40 cm×22 cm 规格,每盆土的质量均为10 kg。 播种量为100 粒∕盆。 因夏季小青菜生长周期短,根系较浅,故生育期监测土层深度为0—10 cm。 花盆泥土在小青菜播种前全部浇透水并沉实,干旱处理从播种至收获未浇水;适宜处理的小青菜按正常田间管理,视情况浇水,以保证小青菜的发芽和生长;而过多处理的花盆要多频次浇水,使盆内土壤水分一直处于饱和状态。 每处理重复3 次,除浇水不同外,其他栽培、施药及操作措施保持一致。 播种后,每天观察小青菜发芽量和生长特性,便于对比前后长势差异。 根据盆栽作物的田间表象,将监测得到小青菜不同生长阶段的田间水分系数和代表性土壤类型水分实时监测数据,结合SL568—2012《土壤墒情评价指标》等相关标准,确定小青菜不同生长时期的需水特点及适宜的土壤含水量,初步形成奉贤区小青菜的墒情评价指标体系。

2.3 分析方法

应用时段平衡法进行土壤墒情诊断方法及验证[8]。 将前一次土壤含水量监测数据和相邻两个监测日之间的时段降水量作为自变量,后一次测得土壤含水量作为因变量,再引入相邻两个监测日的土壤水分的“蒸渗流”项,建立平衡法墒情诊断模型。

3 结果与分析

3.1 土壤墒情变化规律

将2014—2018 年的0—20 cm、20—40 cm 土壤墒情监测数据分别进行时段水分值测算,分析各层墒情的总体变化规律。 0—20 cm 土壤平均含水量为85.86%,因受降水、气温的影响表现明显,变异幅度较大,与时段降雨、时段平均气温之间存在显著相关性;而降水和气温对20—40 cm 的土层含水量影响不显著,变化幅度较小,故深层土壤墒情变化相对平缓(表1)。

表1 不同土层含水量与降水量和气温的相关性分析Table 1 Correlation between soil moisture and precipitation and temperature in different layers

根据多年时段降水均值、时段气温均值和0—20 cm、20—40 cm 土层相对水分均值得到土壤墒情变化图(图1),由图1 可知,各层土壤墒情(土壤相对含水量)有较为明显的季节变化规律,且0—20 cm 和20—40 cm 的土层水分变化趋势一致。在正常降雨的情况下,奉贤区土壤墒情过多主要集中在4 月至6 月,此时主要受清明和梅雨期间降雨增加影响,土壤含水量随之升高,呈饱和状态。 出梅后(7—8 月),天气晴热,光照强烈,地表水分蒸发增强,土壤水分散失和消耗增加,土壤墒情开始快速下降,在7 月下旬至8 月上旬将会出现全年墒情最低值,此时0—20 cm 土层墒情多年最低均值为66.34%,20—40 cm 为80.2%,此阶段的田间作物生长受到一定影响,应加强田间水分管理。 9 月以后降雨减少、温度降低,土壤水分缓慢降低,进入稳墒期;冬、春两季降雨较少,土壤含水量较低。

3.2 平衡法时段墒情诊断模型形成和检验

在任意土壤区域,一定时段内进入的水量与输出的水量之差等于该区域内的贮水量[9]。 因表层土壤墒情更容易受气象因子影响,故以0—20 cm 土层墒情为主要分析对象,以实测墒情值(Pi)和降水量(Pw)为横坐标,每日蒸渗流Pv∕Days 为纵坐标,分析得到时段回归方程和确定参数(图2),并预测下阶段含水量和验证预测结果。

由图2 可以看出:Pv∕Days 随着(Pi+Pw)增加而上升,降水多的时间段土壤含水量相应较大。 两者的时段回归方程为y=0.061 4x-3.940 9(n=113),决定系数R2=0.921 4,表明方程达到极显著水平,且Pi、Pw对该区域的土壤墒情起主要作用。 当时段降水量达到一定量时,土壤含水量达到田间最大持水量,此时过多的降水量对土壤墒情作用不大,故需要剔除不显著变量。

根据时段回归方程对相应的土壤质量含水量进行预测效果检验,将自变量代入方程,分别得到相应的土壤墒情预测值,并与实际观测值进行对比,二者表现出较好的吻合性。 根据GB∕T 22482—2008《水文情报预报规范》规定,以实测值的20%作为许可误差,当预报的绝对误差小于许可误差方为合格预报,经误差验证发现(图3),平衡法时段墒情预报模型合格率为89.38%,达到甲级预报标准,表明该墒情预报模型在奉贤区代表性较好,可以进行预报作业。

3.3 测墒精度对比分析

目前,传统的烘干法测定土壤含水量虽能准确地监测土壤墒情,但连续性、时效性较差。 为解决这一难题,研究区建立一个土壤墒情自动监测点,并将自动土壤墒情监测仪和烘干法测得的土壤墒情数据进行精度对比分析。 在自动监测仪实际操作过程中,长时间使用后其稳定性会有偏差,需进行校正和调试,故监测周期较长作物会带来不便,而周期较短作物发挥的效果更好。 由表2 可知,土壤含水量的烘干法和监测仪观测值的相关系数随土层深度增加而更好。 10 cm、20 cm、30 cm 的相关系数分别为0.560 9、0.634 3 和0.761 5,均通过了0.01 水平的检验,为显著相关。 因奉贤区降水充足及地下水位较高的缘故,土层总体较为湿润,土层越深,水分含量越稳定,两者相关性就越高。

表2 烘干法和自动仪的测墒相关性分析Table 2 Correlation of artificial data and automatic data of soil moisture

3.4 小青菜墒情评价指标体系建立

基于上述土壤墒情精度试验结果,在作物生长过程中应用自动监测仪,极大地方便了当季作物土壤墒情数据的采集和处理,减轻干旱和水涝等自然灾害对其的不良影响,保证奉贤区夏季绿叶菜类的产量和供应。 利用自动监测仪的特性,测定夏季小青菜不同生育期的田间水分常数及相对含水量上下限,建立小青菜土壤墒情的评价指标体系(表3),可为今后提高农田综合生产能力和经济效益提供技术支撑。

因夏季温度高,小青菜生长周期短速度快,试验中的小青菜播种发芽期约5 d,苗期也较短,约20 d。在青菜种子播种3 d 后即能发芽,1—2 d 后会长出第一片真叶,此时测得各处理最大发芽率分别为干旱处理77.3%、适宜处理82%、饱和处理80.3%,由此可见,土壤墒情不足会影响种子发芽。 由表3 可知,在播种发芽期,当土壤相对含水量维持在85%—98%时,小青菜种子出苗快,整齐,无烂根,发芽率在82%以上;当土壤相对含水量超过98%或低于85%时,种子萌发受到不同程度影响,最终降低发芽率。 青菜苗期时,当土壤相对含水量维持在86%—96%时,青菜幼苗的死亡率是0%,可满足发芽生根和幼苗生长,商品性较好;相对含水量低于86%,青菜幼苗明显矮小,叶片较少,卷叶、黄叶增多,并开始出现死苗;相对含水量高于96%,青菜幼苗多细长和烂根,有霉变现象,反而不利于幼苗生长,最终腐烂死亡。 通过此次试验初步摸索出适宜夏季高温小青菜高产的土壤相对含水量下限为85%。 随着土壤含水量不断降低,从小青菜零星出现萎蔫状态至盆内90%幼苗出现萎蔫,这个过程所需时间较长,受空气中的温、光、水影响较大,试验最后测得的萎蔫系数分别为播种发芽期19.6%、苗期13.2%。 水分是小青菜增产至关重要的因素,发芽期需水量要高于苗期,故对高温时期的小青菜生长来说,要保证足够的水分促进其发芽及生长。

表3 夏季小青菜墒情评价指标和水分常数Table 3 Soil moisture valuation index system and water constant of green vegetables in summer

4 结论与讨论

对奉贤区2014—2018 年气象因子及土壤墒情监测数据统计分析,各土层土壤含水量与降水量、气温的变化趋势基本吻合。 表层土壤含水量受降水量和气温影响显著,变幅较大,而深层土壤含水量变化相对平缓,变幅小,受气象因素影响不显著,这与前人研究结果相似[10-13]。 奉贤区由于全年雨水较多,土壤含水量总体较高,墒情大致经历缓慢变化、剧烈变化、逐步稳定的3 个阶段。 剧烈变化期,主要集中在6—9 月。 这一阶段总体降雨充沛,远多于其他两个时期,多为强降雨天气。 当有明显降雨时,土壤含水量急剧上升,但此时期温度较高,光照强烈,作物生长需水量大,土层水分蒸散大,土壤含水量消耗增多,变化幅度较大。 逐步稳定期,为10 月至次年1 月。 此时气温、降水量和蒸发量逐步减弱,土层因低温被冻结,土层含水量呈缓慢下滑趋势,并最终基本处于稳定状态。 缓慢变化期,为2—5 月。 该阶段气温逐渐上升,地面回暖,降水量和蒸发量均有所增加,土壤含水量缓慢变化。 其中,4 月受清明节气影响,降水量逐渐增多,但此时温度回升,蒸散率增大,土壤水分储存和损耗平衡,变化仍较为平稳。

土壤墒情预报是农田作物合理种植、节水农业技术研究、适时施肥的基础和前提。 近年来,大多学者运用了不同原理和模型,对农田土壤水分进行了预报[14-17],其中基于水分平衡理论建立的农田土壤水分预报模型已在作物生产实践中得到广泛应用[18-21],该模型遵循质量守恒定律,是目前墒情预报中应用最广泛的模型[22]。 总体上该模型原理简单,便于理解,但在进行土壤水分动态预测时,需要大量实测资料才能达到较高的精度,计算过程较为复杂。 本研究采用数值模拟和农田实测数据相结合的方法,建立了以土壤水量平衡为基础原理的土壤时段墒情诊断模型,表现出极显著的线性相关性,R2=0.921 4,表明所形成的模型能较好地模拟农田作物含水值的动态变化。 同时,奉贤区已积累多年的土壤水分数据,满足墒情预报模型的精度要求,更能充分发挥模型的预测性能。 经预测值和实测值拟合检验比较,预报合格率为89.38%,满足《水文情报预报规范》的甲级预报要求,故通过平衡法墒情模型预报奉贤区时段土壤含水量是可行的,具有较好的代表性。 但文中所使用的降水量是奉贤区气象局提供的数据,与墒情监测点的实际降水量存在一定差距,两地间的降雨之差是影响模型建立、实测值和预测值误差大的主要原因,所以若能引入物联网技术对监测点的土壤含水量和降水量进行实时动态监测,可及时修正模型参数,大幅提高预测精度,实现田间作物的智能化精准灌溉和水资源高效利用[23-24]。 同时,该诊断模型在降水量不大的情况下,预测效果较好,但当遇强降雨天气或气象因素变化较大而引起土层含水量过多时,模型适用性降低,预测结果有所失真,需根据具体情况和专业知识做出确定适用范围,这增加了模型的应用难度。

采用自动监测仪实时监测土壤含水量,可解决人工烘干法操作复杂、时效性差的缺点,能快速、高效、准确的预报作物土壤墒情,做好旱涝时期的排灌措施。 本研究通过人工和自动同步测墒数据对比发现,自动监测仪与人工烘干法之间存在极显著相关性,相关系数随土层深度增加而增加,而且监测时间越长、对比数据越多,两者的相关性表现越显著。 但在自动监测仪器长运行时间时,监测仪感应器受到土壤水分时空变异、埋设环境温度和盐分等因素影响,造成测墒数据偏差和数据延时响应,往往需修正误差来提高自动监测数据的精度[25]。 建议今后墒情监测工作可以将二种监测手段结合,发挥各自优势,提高监测体系整体性能。 同时,本研究利用自动监测确定奉贤区夏季小青菜不同生长阶段的适宜土壤含水量,初步建立相应土壤墒情评价指标体系,研究表明该指标针对性强、评价结果合理,对提高水分利用效率,缓解夏季高温和雨水分配不平衡影响蔬菜生产起到了积极作用,引导农民适时种植和科学灌排[26-28]。 奉贤区的7—8 月因高温强光,土壤含水量反而为全年最低,此时种植小青菜应结合田间灌溉试验作进一步验证,使评价指标更为准确合理。