淮北地区旱情评估预测的土壤墒情模型方法探究_刘玉.pdf

DOI:10 19807/j cnki DXS 2023 03 043淮北地区旱情评估预测的土壤墒情模型方法探究刘玉(蚌埠水文水资源局，安徽 蚌埠 233000)摘要干旱是农业生产活动中主要的灾害之一，开展旱情评估预测意义重大。本文以淮北地区为例，针对淮北区域环境和干旱的特点，提出了该地区干旱评价指标，并对旱情建立分级是研究对比多种高效能氨基酸检测方法的在饲料检验中的应用，以大豆、鱼粉等综合饲料为例标准;选取了合适的方法，建立了土壤墒情模型，对降水量和土壤含水率进行预测;最后，将该模型进行实例应用验证。验证结果显示，该土壤墒情模型的预测结果与实际情况基本一致，可以用于旱情评估预测服务。关键词淮北地区;干旱评价指标;旱情预测;土壤墒情模型中图分类号S152 7文献标识码B文章编号1004 1184(2023)03 0127 03收稿日期2022 09 12作者简介刘玉(1971 )，男，安徽宿州人，工程师，主要从事水文水资源勘测工作。干旱灾害是安徽省淮北地区最重要的自然灾害之一，涉及范围广、持续时间长、发生频率高，已成为制约区域社会经济和农业快速发展的主要因素之一1 3。干旱指数是描述干旱状况的定量表达，是监测、评价和研究干旱发生发展的基础。目前常用的指标包括四类，即气象干旱指标、水文干旱指标、农业干旱指标和社会经济干旱指标4 5。然而，干旱指标只评价已经发生的干旱状况，不能预测未来的干旱状况。因此，有必要建立干旱评估和预测模型。1淮北地区区域概况淮北地区一般指淮河以北地区，小区指宿州、淮北、蚌埠、阜阳、亳州等，大区指淮河以北流域包括信阳、驻马店、周口、商丘、永州、江苏徐州、连云港、宿迁等地的部分城市，包括安徽、江苏、河南、山东等省的部分地区。淮北地区地势由西北向东南倾斜，海拔 15 40 m。平川、广野是淮北区地形的主要特征。寒武系和奥陶系地层形成的山脊由东北向西南延伸两排。淮北区土壤类型以水土和黑砂土为主。氢荧光土壤主要分布在黄平原，面积约 1 080 km2，占陆地总面积的 41 1%;黑沙土是淮北地区古老的农业土壤，分布面积最大，面积约 1 440 km2，占国土总面积的 54 8%。此外，境内石灰石遗迹中还有小面积的黑灰土、红灰土和棕壤。淮北地处中纬度地区，属暖性半湿润气候区，属季风气候。主要气候特征为季风明显、四季分明、气候温和、雨量适中、春季气温多变、秋高气爽、冬季突出、夏季雨水集中。降水形成坡地径流，在人工村、洼地的沟渠、河流或池塘中汇集，形成地表水。在该地区的旱季和旱年，由于降水量减少，河流径流明显减少，说明该地区的河流都是雨源河流，水资源的干旱和丰富完全取决于降水的补给量。新中国成立以来，淮北地区共发生旱灾 38 次，其中特大旱灾 17 次。2土壤墒情预测模型2 1土壤墒情模型的选择土壤水分作为一项基本的土壤参数，对农作物的生长发育起着重要作用，是确定灌溉制度、实现适时灌溉所必须掌握的参数指标。土壤水分预测早在二十世纪就开始了，大致可分为经验公式法、水分平衡法、回归指数法、土壤动力学法、时间序列法、神经网络法、遥感监测法等6 8。本文依托现有的科研成果，建立干旱评价体系，预测干旱的水分含量等指标，然后用干旱程度标准来判断未来五到十天的干旱情况并进行综合评估，为区域防旱和抗旱提供技术支持。2 2数据的来源本研究使用的数据包括气象数据和土壤水分数据。气象数据包括气温、气压、降水、蒸发、日照、风速、相对湿度和地温，为日平均数据。土壤水分数据主要包括体积平均含水量、相对湿度、重量含水量和浅层土壤有效蓄水量。2 3干旱评价指标通过分析安徽省淮北区干旱的成因及前期研究成果，气象干旱指标(降水异常百分比、降雨频率、连续无痛天数)、农业干旱指标(相对土壤湿度)和水文干旱指标(地下水埋深)安徽省淮北区干旱评价指标体系。脱水分为四度:轻度干旱、中度干旱、重度干旱、特大干旱。2 4土壤墒情模型的建立研究土壤水分指数的影响因素，取决于土壤的含水率，综合农业生产的灌溉特性和农作物的根系发育，选择水分流失敏感层(以 20 cm 深度表示)和根系生长层(以深度为 50cm)。定义水分指数为根系生长层的土壤含水率，水分指数计算模型可用下式表示。t+1=Kt(t+St+Qt)(1)式中:t为第 t 天的土壤墒情指数，mm;t+1为第 t+1 天的土壤墒情指数，mm;St为第 t 天的降雨量，mm;Qt为第 t 天的灌雨量，mm;Kt为第 t 天时的土层含水递减指数。2 4 1土壤层含水的计算土壤层含水的计算集中包括失墒敏感层和根系生长层土层平均含水率，其计算公式如下:0，20=(1+2)/2(2)7212023 年 5 月第 45 卷第 3 期地下水Ground waterMay，2023Vol.45NO.30，50=5i=1i/5(3)式中:1、2、5分别代表测量处的土壤深度在 10cm、20 cm、50 cm 时的土壤层含水，%。2 4 2土壤墒情指数计算此次研究利用失墒敏感层土壤平均含水率计算根系发育层墒情指数。6 月 11 月计算公式为:=0 11420，20+0 7740，20 7 423(4)12 月 5 月计算公式为:=0 13620，20+0 2430，20 3 774(5)式中:20，20为 20 cm 深土壤含水率实测值，%，为土壤墒情指数，mm。2 4 3土壤墒情指数预测模型的计算本次模型计算以第 t 天的测点深度在 50 cm 的墒情指数来推算第 t+n 天的测点深度在 50 cm 的墒情指数。其推算公式可表示:t+n=Kt(t+St+Qt)(6)式中:t代表第 t 天的计算墒情指数，mm;t+n为第 t+n天的推算墒情指数，mm;Kt为土壤水分消退系数，根据土壤类型选择具有不同的数值。2 4 4土壤含水率预测模型在此次模型建立中，依据计算出的未来 10 d 和未来 5 d的测点深度在 50 cm 的墒情指数来预测土壤含水。其推算公式可表示:6 11 月计算公式为:=0 00620，20+1 2040，20+5 462(7)12 月 5 月计算公式为:=0 00520，20+1 1120，20+3 974(8)式中:为 测 点 深 度 在 50 cm 时 土 壤 墒 情 指 数 推 算值，%;0，20为测点土壤 深 度 在 50 cm 时 土 壤 含 水 率 推 算值，%。为便于全区比较应用，将其换算为相对土壤水分，即土壤实际含水量与田间持水量的比值。3模型的实际应用3 1实际旱情分析根据 2018 年冬季淮北地区的干旱情况(2018 年 11 月 2019 年 2 月)，利用该评价体系开展旱情评价分析，利用迭代法对多指标综合分析，分析结果如表 1 所示。表 1淮北地区旱情分析表各市降水距平降水排频无雨天数地下水深土壤墒情综合评价淮北423212蚌埠123333阜阳231243亳州311123宿州222122注:数字代表旱情的级别，从大到小分别代表特大旱情、严重旱情、中度旱情、轻度旱情。2018 年，淮北地区都呈现不同程度的冬旱倾向。其中，淮北市和宿州市整体呈现中度旱情，蚌埠市、阜阳市和亳州市整体呈现出严重旱情。2018 年，淮北地区各个地市受旱情影响，小麦受灾面积约 80 万 hm2，其中严重干旱面积为 14 5万 hm2，小麦减产约 12%。干旱评估结果与实际干旱情况基本一致。3 2旱情的预测基于 2019 年 2 月 1 日，预计未来 10 d 干旱，冬季是冬小麦变绿的季节，根系发育不充分。本次主要考虑土层 20 cm的含水量。根据天气预报，这 10 d 会有降水，但降雨量不大。这一过程加上之前的降雨，缓解了该地区各地的干旱状况。大多数城市土壤的含水都利于冬小麦的发育生长。仅有部分地区的土壤含水相对较低，呈现出中度干旱。这主要是由于降水总量少，20 cm 土层没有得到有效的降水营养。未来十天土壤水分的预期值与实测值之差普遍低于 10%，甚至有的低于 6%，能够较好地应对干旱预报的工作要求。表 2土层土壤墒情预测值与实际值情况对比各市观测站土壤墒情指数预测值实测值差值土壤相对湿度/%干旱级别淮北濉溪县20 119 518 7+0 881 2轻度蚌埠固镇县18 717 615 9+0 764 5中度阜阳界首市22 122 223 1 0 982 3轻度亳州蒙城县17 817 517 9 0 468 9中度宿州砀山县17 318 519 1 0 667 5中度2019 年 2 月 11 日，对降水异常百分比、降水频率、连续无雨天数、地下水深度和土壤水分指数进行了评价。淮北市和阜阳市为轻度干旱，部分地区中度干旱;宿州市、亳州市和蚌埠市主要为中度干旱，部分地区重度干旱，基本符合淮北地区干旱实际情况。表 3淮北地区旱情预测表各市降水距平降水排频无雨天数地下水深土壤墒情综合评价淮北232122蚌埠232122阜阳211232亳州233133宿州122322从表 3 给出的分析预测结果可以看出，因为各个指标的集中度不相同，导致多项指标的评价结果并不一致。本研究以高频率干旱水平为主要依据。在干旱程度上，冬季阶段降水量明显降低，因此降水距平百分比、降水频率和无雨天数的研判结果以重旱和中旱为主。土层补水，有效缓解土壤干涸;但由于降水不足，地下水没有得到有效补充，冬季不是农作物的主要浇水季节，地下水下降并不特别明显。4结语(1)本研究以安徽省淮北区为研究区，选取降水距平、降水频率、土壤湿度等进行干旱评价。该指标体系分为特大旱情、严重旱情、中度旱情、轻度旱情，主要采用迭代分析法确定各指标干旱条件的分类标准。(2)建立了土壤墒情预测模型，预测未来五到十天土壤墒情指数和土壤含水等各指标的变化，结合已建立的干旱评估指821第 45 卷第 3 期地下水2023 年 5 月标体系，根据标准对各指标进行评价，从而确定干旱情况。(3)将该土壤墒情预测模型应用于安徽省淮北区 2018年冬季旱情评估，检验结果与实际情况基本一致，说明该模型具有很好的适用性。参考文献 1李敬明，倪志伟，朱旭辉，等 基于佳点萤火虫算法与 BP 神经网络并行集成学习的旱情预测模型J 系统工程理论与实践2018 38(05):1343 1353 2陈小凤，王再明，王振龙，等 基于土壤墒情模型的旱情评估预测模型研究J 中国农村水利水电 2014(05):165 169 3牛宏飞，张钟莉莉，孙仕军，等 土壤墒情预测模型对比J 中国农业大学学报 2018 23(08):142 150 4乔光建 北方干旱地区土壤墒情预测模型J 南水北调与水利科技 2009 7(01):39 42 5王铁英，王仰仁，战国隆，等 基于实时含水率数据的土壤墒情动态建模及预测J 中国农业气象 2021 42(01):13 23 6冀荣华，张舒蕾，郑立华，等 基于多值神经元复数神经网络的土壤墒情预测J 农业工程学报 2017 33(S1):126 131 7吴敬东 神经网络法在土壤墒情预测中的应用J 吉林农业2017(18):80 8米长虹，王铄今，侯显达，等 基于东北区吉林省监测数据的土壤墒情综合诊断模型验证J 生态学杂志 2017 36(12):3392 3398(上接第 8 页)ZK15 钻孔水位和污染物浓度得到验证。此外，该途径还存在地温差的作用，将液态的潜水地下水蒸发，形成气态、上升，到达一定高度后，受温度降低、填埋体隔水等作用，气态地下水液化时，冲刷、溶解填埋场或包气带内的污染物，再类似“途径 3 1”污染潜水地下水。表 2ZK12 钻孔地下水位及污染物浓度一览表上图编号2021 年 12 月 20 日2021 年 12 月 29 日2022 年 1 月 5 日2022 年 1 月 10 日2022 年 1 月 18 日污染物 1污染物 2污染物 1污染物 2污染物 1污染物 2污染物 1污染物 2污染物 1污染物 2浓度/mg/L0 4736 740 2730 690 3655 770 050 19 0 0050 91水位高程/m418 21418 2418 21460 11436