CN111896429B - 水盐模拟模型中暗管排水排盐边界的改进方法 - Google Patents

水盐模拟模型中暗管排水排盐边界的改进方法 Download PDF

Info

Publication number
CN111896429B
CN111896429B CN202010663696.1A CN202010663696A CN111896429B CN 111896429 B CN111896429 B CN 111896429B CN 202010663696 A CN202010663696 A CN 202010663696A CN 111896429 B CN111896429 B CN 111896429B
Authority
CN
China
Prior art keywords
soil
salt
water
boundary
drainage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010663696.1A
Other languages
English (en)
Other versions
CN111896429A (zh
Inventor
曾文治
刘义
敖畅
雷国庆
蒋永华
黄介生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202010663696.1A priority Critical patent/CN111896429B/zh
Publication of CN111896429A publication Critical patent/CN111896429A/zh
Application granted granted Critical
Publication of CN111896429B publication Critical patent/CN111896429B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N13/00Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
    • G01N13/04Investigating osmotic effects
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/06Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a liquid
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24Earth materials
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24Earth materials
    • G01N33/246Earth materials for water content
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N13/00Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
    • G01N2013/003Diffusion; diffusivity between liquids

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种水盐模拟模型中暗管排水排盐边界的改进方法,包括:获取试验地的相关数据并设计室内暗管排水试验以获得暗管排水排盐数据;在暗管原始边界周围建立虚拟土层,并对虚拟土层的土壤水力参数进行率定,找出最优的土壤水力参数;建立不同模拟区域中虚拟土层的环宽RW与饱和导水率Ks的函数关系,再将得到的Ks函数替换步骤S2中的最优参数中的Ks从而得到虚拟土层边界参数;将虚拟土层边界参数作为改进后的水盐模拟模型的暗管边界参数,并根据田间实际灌水情况对改进后的暗管边界进行评价。本发明建立的虚拟土层能够减缓暗管出流从而更能反映实际排水情况,应用于田间也能快速准确地模拟田间暗管排水过程,大大减少了时间成本和人工投入。

Description

水盐模拟模型中暗管排水排盐边界的改进方法
技术领域
本发明涉及重度盐碱地暗管排水排盐的技术领域,具体涉及一种水盐模拟模型中暗管排水排盐边界的改进方法。
背景技术
土壤盐渍化是一个全球性的农业环境问题,它不仅抑制作物生长,降低作物产量和质量,还降低肥料利用率,增加土壤养分流失的风险。暗管排水和沟渠排水通常用于控制地下水位,以降低盐碱地的土壤盐分。但与沟渠排水相比,暗管排水提高了土地利用效率,促进了农业机械化。此外,暗管排水增加了盐的横向排放,从而提高了盐的排放效率。然而,地下管道的不合理布局往往需要更多的淋溶水,并导致更多的土壤养分流失和农业化学污染。因此,有必要对土壤水盐运移过程进行精确量化,以优化暗管的布置和淋溶方案。
暗管的布局,包括间距、埋深和管径是影响暗管排水排盐的主要因素。研究暗管组合的排水规律主要有室内试验和野外试验。然而,这样的试验通常,并且结果通常是针对当地的土壤质地和气候条件,缺乏普遍适用性的。此外,影响暗管布局的参数众多,无论是室内试验还是野外试验都很难对这些影响因素进行系统的定量的研究。
目前,考虑暗管排水规律的常用模型有DRAINMOD模型、dual-permeability模型、HYDRUS-2D模型。在这些模型中,DRAIMOD模型的基础是简单的总(水、盐)平衡,模型的输入参数容易获取,但对土壤中水和溶质运动的具体过程描述较少。虽然dual-permeability模型被广泛用于模拟田间暗管排水,但是模型参数的确定相对来说较为困难。相比之下,HYDRUS-2D模型具有灵活的边界条件,可以模拟二维饱和与非饱和土中的水盐运移规律。但是现有的应用均是从土壤水、盐含量和其他化学物质迁移的角度来校准模型,忽略了排水和排盐过程。其主要原因是HYDRUS-2D中的渗透边界的排水能力远大于实际暗管,只运用渗透边界很难模拟暗管的排水过程。
在确定暗管排水量方面,孙秀玲等提出了一种暗管排水量的试验方法以及各影响因素的权重。但试验操作较为繁琐,且对暗管的排水过程描述较少。因此,针对传统试验方法的不足,有必要确定一种改进的暗管边界模型,进而能通过模型就能快速、系统地预测暗管排水过程的方法。
发明内容
本发明的目的在于提供一种水盐模拟模型中暗管排水排盐边界的改进方法,该方法针对HYDRUS-2D模型在其原始暗管边界中加入虚拟土层边界,并将虚拟土层作为改进的暗管边界,大大提高了模拟精度,解决现有技术中确定暗管排水过程费时费力和模型模拟精度差的问题。
本发明解决上述技术问题所采用的方案是:
一种水盐模拟模型中暗管排水排盐边界的改进方法,包括如下步骤:
S1:获取试验地的相关数据,根据试验地情况设计室内暗管排水试验以获得暗管排水排盐数据,其中,室内试验土壤情况与试验地一致;
S2:在水盐模拟模型的暗管原始边界周围建立虚拟土层边界,将试验地相关数据和获得的暗管排水排盐数据作为水盐模拟模型的输入参数,对虚拟土层的土壤水力参数进行率定,找出模拟的排水排盐量与实测的排水排盐量误差最小的一组土壤水力参数作为最优参数;
S3:以精确预测暗管排水排盐过程为目标,采用线性回归分析方法,建立不同模拟区域中虚拟土层的环宽RW与土壤水力参数中的饱和导水率Ks的函数关系,再将得到的Ks函数替换步骤S2中得到的最优参数中的饱和导水率Ks从而得到虚拟土层边界参数;
S4:将步骤S3得到的虚拟土层边界参数作为改进后的水盐模拟模型的暗管边界参数,根据需要获得暗管排水过程的试验地的实际灌水情况对水盐模拟模型改进后的暗管边界进行验证和评价。
进一步地,步骤S1中的室内暗管排水试验包括:
设计室内试验土槽,在土槽两个相邻的侧壁顶部处设置有溢水孔,在土槽设置有溢水孔的一侧壁上还布置暗管埋设孔,在土槽底部设置排水管,排水管上设置有控制闸,此外土槽底部还设置有用于观测地下水的连通管,连通管上设置有刻度;
在试验地取土,保持土层的容重和层状分布与试验地原状土相同,在此过程中一并埋设暗管,暗管埋设在40-60cm的土层中,暗管外壁上包裹有一层可渗透的无纺布。
进一步地,试验地相关数据包括原始土壤水力参数、各层土壤初始含水量与含盐量、气象数据以及地下水埋深数据,步骤S1中进行多次试验,每次施以不同的灌水量,暗管排水排盐数据包括暗管排水量和排盐量、水流速度、地下水位数据、土壤剖面各层最终的含水量与含盐量。
进一步地,步骤S2具体还包括:
步骤1中的试验地相关数据包括原始土壤水力参数,先以原始土壤水力参数为基础对虚拟土层的土壤水力参数进行率定,然后将率定后的虚拟土层的土壤水力参数作为水盐模拟模型改进后的暗管边界的输入参数,最后分别运行原始边界和改进后的暗管边界模型,并评估改进后的暗管边界的模拟精度。
进一步地,对虚拟土层的土壤水力参数进行率定的方法为:将率定时输入的土壤水力参数的变化范围设置为原始土壤水力参数的0.80-1.20倍,其中,每层土壤的土壤水力参数变化相互独立,再通过水盐模拟模型计算得到多组模拟值,每组模拟值包括排水模拟值和排盐模拟值,然后通过数据处理软件将多组模拟值分别与对应的实测值进行比较,找出与实测值误差最小的一组模拟值对应的土壤水力参数作为最优参数。
进一步地,步骤S3还包括:
设置不同的环宽RW,采用水盐模拟模型模拟计算不同环宽对应的各组排水量和排盐量,之后通过数据处理软件计算出与各组排水量和排盐量对应的饱和导水率Ks,得到多组不同的Ks值;
将不同的环宽RW与所对应的Ks值进行回归分析与线性拟合得到它们之间的函数关系。
与现有技术相比,本发明至少具有以下有益效果:本发明在暗管的原始渗透边界周围建立了虚拟土层,建立的虚拟土层的主要作用是用于模拟无纺布和波纹管的结合界面从而刻画无纺布和小开孔率产生的阻力,从而使得重新建立的边界更接近实际管流情景,即虚拟土层能够实现减缓暗管出流从而更能反映实际排水情况的目的,从而使得改进暗管边界后的HYDRUS-2D在不同模拟区域中实现了不仅对排水排盐量,而且对暗管排水排盐过程都能准确预测;将改进暗管边界后的HYDRUS-2D用于对复杂的田间试验进行系统的模拟,能快速准确地模拟田间暗管排水过程,大大减少了时间成本和人工投入。
附图说明
图1为本发明实施例中室内试验暗管排水装置的示意图;
图2为暗管原始边界和虚拟土层边界的示意图,(a)为原始渗透边界,(b)为改进后的暗管边界;
图3本发明实施例中率定土壤水力参数的最优参数的方法;
图4为本发明实施例率定过程中暗管原始边界和虚拟土层边界模拟结果与实测结果的对比图,其中,(a)排水过程,(b)排盐过程;
图5为本发明实施例验证过程中暗管原始边界和虚拟土层边界模拟结果与实测结果的对比图,其中,(a)排水过程;(b)排盐过程;
图6为本发明实施例虚拟土层的环宽(RW)与饱和导水率(Ks)的关系图;
图7为本发明实施例改进边界模型对大田试验的排水排盐过程模拟图,其中,(a)排水过程;(b)排盐过程。
具体实施方式
为更好的理解本发明,下面的实施例是对本发明的进一步说明,但本发明的内容不仅仅局限于下面的实施例。
鉴于现有技术中确定暗管排水过程费时费力和模型模拟精度差的问题,本发明提供一种水盐模拟模型中暗管排水排盐边界的改进方法,包括如下步骤:
S1:获取试验地的相关数据,根据试验地情况设计室内暗管排水试验以获得暗管排水排盐数据,其中,室内试验土壤情况与试验地一致。
试验地的相关数据包括原始土壤水力参数、各层土壤初始含水量与含盐量、气象数据,其中,气象数据可通过当地设置的气象站资料获取,原始土壤水力参数和各层土壤初始含水量和含盐量可通过对土壤进行取样、测试及分析获得。其中,土壤水力参数包括残余含水率(θr)、饱和含水率(θs)、影响水力函数形状的经验系数(α,n)、饱和导水率Ks,孔隙连通性参数(l)。地下水埋深数据可通过布设水位观测井观测得到。
所述室内试验装置图见图1
本实施例中取土槽1,土槽1为1.5m*0.51m*0.95m的(壁厚5mm)矩形槽,上部0.15m为有机玻璃材料。为了控制水深并确保大水漫灌期间的连续淋溶条件,在距离土槽顶部3.5cm处的正面侧壁上设置4个溢流孔11,在侧面侧壁上对应高度设置2个溢流孔11(每个溢流孔2的直径
Figure BDA0002579554980000051
)。在土槽1正面侧壁上设置有一根暗管埋设孔12。在土槽1下方设置地下水抽水孔。在土槽1的底部设置排水管,该排水管上设置有控制阀门。土槽1底部还设置有用于观测地下水的连通管2,为了便于观察,该连通管2上设置有刻度。
在本实施例中,土壤样品采集于盐碱地,通过激光粒径分析仪测量土壤粒径分布,并且通过环刀法测量试验地原装土的容重。将土壤风干,并用2mm的土壤筛预处理以除去杂质。为了模拟田间土壤分布,将土壤按照田间原状土形式分层填入土槽中。土壤分成4层,每层厚度为20cm。每层的体积密度保持与田间相同。在土槽中填土时,一并将暗管埋设在土层中,暗管为波纹管,其外径为54mm,内径为50mm,埋深50cm,其距土槽两侧均为0.75m。其中,暗管开孔率为3%,暗管的坡度为2‰。在埋入之前,先在暗管外壁上包裹一层可渗透的无纺布,以防止土壤颗粒堵塞暗管。
该室内试验用于获得暗管埋设下土壤剖面水分盐分变化过程以及暗管排水排盐的过程,并得到暗管排水排盐数据。暗管排水排盐数据包括暗管排水量和排盐量、水流速度、地下水位数据、土壤剖面各层最终的含水量与含盐量。具体的试验方法为:第一次试验的总灌溉量为19.2cm,表层积水持续19.5h,入渗阶段地表积水均匀分布在表层土壤中。灌溉4.2h后开始排水,排水历程持续了85.8h。第一次试验结束两周后进行第二次试验,其中,第一次试验用于率定土壤水力参数,第二次试验用于验证所得的土壤水力参数。第二次试验的总灌溉量为9.2cm,表面积水持续了9.6h。灌溉1.6h后开始排水,排水历程持续了58.4h。用有机玻璃标尺测量表面积水的入渗流量,每30min记录一次;用翻斗式流量计测量暗管排水流量,并且每30min收集一次排水样品,用电导率仪测量其电导率以分析暗管的排盐量。
在每次排水结束后,用土钻分别采集10、15、20、25、30、35、40、45、50、55、60、65、70和75cm深度的土壤样品,每个土壤样品的体积为20cm3。用烘箱干燥法(105℃,8h)测定每个样品的含水率从而获得土壤剖面的含水量。烘干后,每个土壤样品取15g,研磨,过筛,然后放入含有75ml去离子水(水∶土壤质量比=1∶5)的150ml锥形瓶中。锥形烧瓶在振荡仪上充分振荡。静置24小时后,用电导率仪测量上溶液过滤液的电导率以分析土壤剖面的含盐量。总可溶性盐(TDS)含量由提取的EC1:5值计算,土壤盐含量和EC1:5之间的关系用干燥残渣法校准如下:
TDS=4.3EC1:5-0.6118(R2=0.97)
式中,TDS为土壤全盐量(g·kg-1)和EC1:5为电导率(ds·m-1)。
至此,完成室内试验,得到室内试验的暗管排水排盐数据。
S2:在水盐模拟模型的暗管原始边界周围建立虚拟土层边界,将试验地相关数据和获得的暗管排水排盐数据作为水盐模拟模型的输入参数,对虚拟土层的土壤水力参数进行率定,找出模拟的排水排盐量与实测的排水排盐量误差最小的一组土壤水力参数作为最优参数。
为了优化暗管边界,因此需要将暗管外的无纺布层和小开孔率产生的阻力考虑进来。因此,本发明在暗管的原始渗透边界周围建立了虚拟土层。暗管原始渗透边界和改进后的暗管边界如图2所示。虚拟土层的主要作用是模拟无纺布和波纹管的结合界面从而刻画无纺布层和小开孔率产生的阻力,图2中内环代表渗透边界,环内为虚拟土层。基于对实际管流情景的模拟,虚拟土层能够实现减缓暗管出流从而更能反映实际排水情况的目的。
为了改进HYDRUS-2D的暗管边界在预测排水过程中的应用,本实施例先以原始渗透边界作为基础进行率定获得虚拟土层的最优参数,再以获得的虚拟土层最优参数作为改进后的暗管边界。
本实施例中,模拟的时间单位是小时(h),依据两次室内试验持续的时间,分别将模拟周期设为90(率定)和60(验证)小时,初始输入参数由步骤S1中的室内试验过程获得。其中,虚拟土层的初始土壤水力参数设定为与暗管所在的40-60cm土层对应的各项参数相同。本发明先以原始土壤水力参数为基础对虚拟土层的环内土壤水力参数进行单独率定,然后将率定后的环内土壤水力参数作为改进后的暗管边界的输入参数,最后分别运行原始边界和改进后的暗管边界模型,并评估改进后的暗管边界的模拟精度。
在率定阶段,对排水、排盐过程和土壤剖面含水率以及含盐量进行率定。具体而言,在模拟过程中,提取暗管在5、10、15、20、25、30、35、40、45、50、55、60、65、70和75小时内的累积排水和累积排盐量。同时将模型中的观察点设在10、15、20、25、30、35、40、45、50、55、60、65、70和75cm的深度来提取土壤剖面的盐分和水分含量。随后,通过PEST多目标校正方法将测量值与模拟值进行比较并选出最优参数。以上率定过程的具体操作方法和过程如图3所示,首先准备好PEST和HYDRUS-2D所需的输入文件并进行初始化,即准备两者所需的输入参数文件;然后读取并更改SELECTOR.IN文件中的土壤水力参数,更改方法为将该文件中土壤水力参数的变化范围设置为原始土壤水力参数的0.8-1.2倍,且每层土壤参数的变化相互独立,即同层土壤水力参数中的各项参数用同一个比例,不同层土壤水力参数可以用同一个比例也可用不同的比例。之后使用HYDRUS-2D进行模拟计算并输出排水过程文件、排盐过程文件、土壤含水率文件和土壤含盐率文件,从而获得各组模拟值,每组模拟值包括排水模拟值和排盐模拟值。最后,使用PEST软件将以上输出的每组排水模拟值和排盐模拟值与从试验中得到的对应的每组排水测量值和排盐测量值进行比较,选出与测量值误差最小(RMSE和MAE最小)的模拟值对应的土壤水力参数,则认为此组土壤水力参数为最优参数,并停止调参。否则,继续进行以上步骤,直到参数最优为止。
本实施例中采用均方根误差(RMSE),平均绝对误差(MAE)和决定系数(R2)对模型进行评价:
Figure BDA0002579554980000081
Figure BDA0002579554980000082
Figure BDA0002579554980000083
式中是n为样本总量;ai是测量值;bi是模拟值;
Figure BDA0002579554980000084
是测量值的平均值。
本实施例中,模型采用以下基本控制方程:
(1)模型中用二维饱和-非饱和Richards方程来描述HYDRUS-2D中的土壤水分运动:
Figure BDA0002579554980000085
式中,θ为土壤体积含水率(L3·L-3);K(θ)为非饱和土壤导水率(L·T-1);t为时间(T);z为土壤深度(L)。
(2)模型采用土壤水力参数van Genuchten模型来描述土壤水力特性:
Figure BDA0002579554980000086
Figure BDA0002579554980000091
式中,θ(h)为土壤体积含水率(L3·L-3);θr为土壤残余体积含水率(L3·L-3);θs为土壤饱和体积含水率(L3·L-3);h为负压水头(L);K(h)为土壤非饱和导水率(L·T-1);Ks为土壤饱和导水率(L·T-1);Se是有效饱和度;α是与土壤物理性质有关的经验参数;n是与多孔介质有关的参数,其中m=1-1/n;l为经验拟合参数,通常取值为0.5。
(3)模型中使用二维对流弥散方程来描述土壤盐分的运移:
Figure BDA0002579554980000092
式中,C为溶质浓度(M·L-3);t为时间(T);q为达西流速(L·T-1);D为饱和-非饱和水动力弥散系数(L2·T-1)。
土壤水力参数率定结束后,进行第二次试验以对土壤水力参数进行验证。图4和图5描述了累积水通量(CWF)、累积排盐通量(CSF)模拟值和测量值的对比结果。就原始边界而言,很明显,在早期阶段,CWF被大大高估,曲线无法描述实际排水过程。对于改进后的暗管边界来说,曲线形状与排水过程几乎一致。两种边界在率定和验证阶段的统计结果,见表1,虚拟土层边界的RMSE和MAE分别为3.42L和2.91L,小于原始边界;且其决定系数(R2)为0.97,大于原始模型。结果表明,虚拟土层边界对于模拟排水过程的精度有了显著的提高。与排水过程类似,对于排盐过程来说,虚拟土层边界在校准和验证阶段产生较小的RMSE和MAE值以及较大的R2值,这表明虚拟土层边界模型在CSF模拟中表现更好。
表1两种边界在率定和验证阶段的统计结果
Figure BDA0002579554980000093
Figure BDA0002579554980000101
S3:以精确预测暗管排水排盐过程为目标,采用线性回归分析方法,确定不同模拟区域中虚拟土层的环宽RW与土壤水力参数中的饱和导水率Ks的函数关系,再将得到的Ks函数替换步骤S2中得到的最优参数中的饱和导水率Ks参数从而得到虚拟土层边界参数。
本实施例中,饱和导水率Ks和虚拟土层的圆环宽度(RW)是影响HYDRUS-2D模型模拟精度的两个关键参数。为此,我们分析了暗管排水过程、排盐过程、土壤剖面含盐率和含水率对参数Ks和RW的敏感性,具体见表2。当参数Ks和RW变化50%分别导致暗管排水过程(CWF)变化3.1%-4.6%,排盐过程(CSF)变化3.4%-4.5%;而土壤剖面盐分分布(SWC)和水分分布(SSC)变化范围分别为0.6%-7.14%和0.73%-7.38%。这些结果表明暗管排水过程和排盐过程对参数Ks有较高的敏感性,而土壤剖面盐分和水分对RW的敏感性较高。可见,Ks和RW的变化对排水、排盐过程和土壤剖面水盐运移具有显著影响。为了定量表征它们之间的关系,将虚拟土层环宽RW分别设置为0.5,1,1.5,2和2.5cm,采用HYDRUS-2D模型计算不同环宽对应的各组排水量和排盐量,然后通过数据处理软件PEST计算出与各组排水量和排盐量对应的饱和导水率Ks,得到多组不同的Ks值。经过计算发现在不同的RW情景下,通过调整Ks,该模型能够很好地模拟土壤剖面的盐分和水分以及暗管的排水和排盐过程。将所得的RW与其对应的Ks进行线性拟合,拟合效果较好(图6),关系如下:
Ks=0.468RW+0.0054 R2=0.99
式中,Ks为虚拟土层饱和导水率(cm h-1);RW为虚拟土层环宽(cm)。
表2参数敏感性分析结果
Figure BDA0002579554980000102
Figure BDA0002579554980000111
将上述得到的Ks函数替换步骤S2中得到的最优参数中的饱和导水率Ks从而得到虚拟土层边界参数,并将该虚拟土层边界作为改进后的暗管边界,从而使得该暗管边界适用范围更广。
S4:将步骤S3得到的虚拟土层边界参数作为改进后的水盐模拟模型的暗管边界参数,根据需要获得暗管排水过程的试验地的实际灌水情况对水盐模拟模型改进后的暗管边界进行验证和评价。
本实施例中,利用试验地一年的田间试验对HYDRUS-2D模型改进后的暗管边界进行应用评价。根据实验条件设置暗管埋深为130cm,地下水埋深为3m,黏土夹层为90-110cm。暗管半径为5cm,设置环宽RW为2cm,则对应的Ks取值为0.94cm·h-1。HYDRUS-2D模型输入数据包括土壤数据、降雨灌溉数据、改进后的暗管边界条件数据。验证过程包括设置输入数据、绘制单个暗管埋设下的土壤剖面图、确定初始条件、设置边界条件、模拟计算。经过模拟和验证,模拟结果如图7所示,且模拟值与测量值之间的R2达0.98-0.99,可见改进的暗管边界能够准确预测田间暗管排水过程,可用于指导含黏土夹层地区的暗管埋设,并为研究暗管排水条件下水盐运移理论进行科学指导。
以上所述是本发明的优选实施方式而已,当然不能以此来限定本发明之权利范围,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和变动,这些改进和变动也视为本发明的保护范围。

Claims (6)

1.一种水盐模拟模型中暗管排水排盐边界的改进方法,其特征在于,包括如下步骤:
S1:获取试验地的相关数据,根据试验地情况设计室内暗管排水试验以获得暗管排水排盐数据,其中,室内试验土壤情况与试验地一致;
S2:在水盐模拟模型的暗管原始边界周围建立虚拟土层边界,将试验地相关数据和获得的暗管排水排盐数据作为水盐模拟模型的输入参数,对虚拟土层的土壤水力参数进行率定,找出模拟的排水排盐量与实测的排水排盐量误差最小的一组土壤水力参数作为最优参数;
S3:以精确预测暗管排水排盐过程为目标,采用线性回归分析方法,建立不同模拟区域中虚拟土层的环宽RW与土壤水力参数中的饱和导水率Ks的函数关系,再将步骤S2中得到的最优参数中的饱和导水率Ks代入步骤S3得到的Ks函数中从而得到虚拟土层的环宽RW;
S4:将步骤S3得到的虚拟土层环宽RW作为改进后的水盐模拟模型的暗管边界参数,根据需要获得暗管排水过程的试验地的实际灌水情况对水盐模拟模型改进后的暗管边界进行验证和评价。
2.如权利要求1所述的水盐模拟模型中暗管排水排盐边界的改进方法,其特征在于,步骤S1中的室内暗管排水试验包括:
设计室内试验土槽,在土槽两个相邻的侧壁顶部设置有溢水孔,在土槽设置有溢水孔的一侧壁上还布置暗管埋设孔,在土槽底部设置排水管,排水管上设置有控制闸,此外土槽底部还设置有用于观测地下水的连通管,连通管上设置有刻度;
在试验地取土,保持土层的容重和层状分布与试验地原状土相同,在此过程中一并埋设暗管,暗管埋设在40-60 cm的土层中,暗管外壁上包裹有一层可渗透的无纺布。
3.如权利要求1所述的水盐模拟模型中暗管排水排盐边界的改进方法,其特征在于,试验地相关数据包括原始土壤水力参数、各层土壤初始含水量与含盐量、气象数据以及地下水埋深数据,步骤S1中进行多次试验,每次施以不同的灌水量,暗管排水排盐数据包括暗管排水量和排盐量、水流速度、地下水位数据、土壤剖面各层最终的含水量与含盐量。
4.如权利要求1所述的水盐模拟模型中暗管排水排盐边界的改进方法,其特征在于,步骤S2具体还包括:
步骤1中的试验地相关数据包括原始土壤水力参数,先以原始土壤水力参数为基础对虚拟土层的土壤水力参数进行率定,然后将率定后的虚拟土层的土壤水力参数作为水盐模拟模型改进后的暗管边界的输入参数,最后分别运行原始边界和改进后的暗管边界模型,并评估改进后的暗管边界的模拟精度。
5.如权利要求4所述的水盐模拟模型中暗管排水排盐边界的改进方法,其特征在于,对虚拟土层的土壤水力参数进行率定的方法为:将率定时输入的土壤水力参数的变化范围设置为原始土壤水力参数的0.80-1.20倍,其中,每层土壤的土壤水力参数变化相互独立,再通过水盐模拟模型计算得到多组模拟值,每组模拟值包括排水模拟值和排盐模拟值,然后通过数据处理软件将多组模拟值分别与对应的实测值进行比较,找出与实测值误差最小的一组模拟值对应的土壤水力参数作为最优参数。
6.如权利要求1所述的水盐模拟模型中暗管排水排盐边界的改进方法,其特征在于,步骤S3还包括:
设置不同的环宽RW,采用水盐模拟模型模拟计算不同环宽对应的各组排水量和排盐量,之后通过数据处理软件计算出与各组排水量和排盐量对应的饱和导水率Ks,得到多组不同的Ks值;
将不同的环宽RW与所对应的Ks值进行回归分析与线性拟合得到它们之间的函数关系。
CN202010663696.1A 2020-07-10 2020-07-10 水盐模拟模型中暗管排水排盐边界的改进方法 Active CN111896429B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010663696.1A CN111896429B (zh) 2020-07-10 2020-07-10 水盐模拟模型中暗管排水排盐边界的改进方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010663696.1A CN111896429B (zh) 2020-07-10 2020-07-10 水盐模拟模型中暗管排水排盐边界的改进方法

Publications (2)

Publication Number Publication Date
CN111896429A CN111896429A (zh) 2020-11-06
CN111896429B true CN111896429B (zh) 2021-08-03

Family

ID=73192287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010663696.1A Active CN111896429B (zh) 2020-07-10 2020-07-10 水盐模拟模型中暗管排水排盐边界的改进方法

Country Status (1)

Country Link
CN (1) CN111896429B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114493011B (zh) * 2022-01-27 2024-05-24 武汉大学 考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法
CN117216822B (zh) * 2023-08-30 2024-06-04 长江水利委员会长江科学院 一种批量处理非饱和带水盐运移数值模拟的方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU5216096A (en) * 1995-05-09 1996-11-21 Heini Schenker Underground watering system
CN103215911A (zh) * 2013-04-26 2013-07-24 中国科学院遗传与发育生物学研究所 一种模拟暗管排水排盐渗流场和盐分变化的装置与方法
CN205607992U (zh) * 2016-05-17 2016-09-28 石河子大学 一种模拟大田暗管排水试验装置
CN106198920A (zh) * 2016-04-12 2016-12-07 北京林业大学 模拟盐碱地水盐运动的实验装置及利用该装置筛选盐碱地防止返盐措施的方法
CN206725562U (zh) * 2017-05-31 2017-12-08 石河子大学 暗管排水实验装置
CN108951532A (zh) * 2018-09-25 2018-12-07 长春工程学院 灌排一体化农田暗管模拟装置及确定暗管组合的方法
CN109034496A (zh) * 2018-08-29 2018-12-18 中国水利水电科学研究院 一种减缓坡面农业面源污染的坡垄沟最优参数确定方法
CN110082503A (zh) * 2019-05-07 2019-08-02 内蒙古农业大学 一种不同地类土壤和地下水水盐运移实验模拟箱及方法
CN110346533A (zh) * 2019-06-28 2019-10-18 武汉大学 用于指导盐碱地暗管布置组合的方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN206149775U (zh) * 2016-11-04 2017-05-10 深圳市贵人园林建设有限公司 盐碱地排盐管道系统
CN106847048B (zh) * 2017-02-28 2019-11-22 济南轨道交通集团有限公司 模拟承压地下水回灌的仿真边界试验系统
CN110771291B (zh) * 2019-11-05 2022-01-28 河海大学 一种提高淋洗排盐效率的覆盖层分区方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU5216096A (en) * 1995-05-09 1996-11-21 Heini Schenker Underground watering system
CN103215911A (zh) * 2013-04-26 2013-07-24 中国科学院遗传与发育生物学研究所 一种模拟暗管排水排盐渗流场和盐分变化的装置与方法
CN106198920A (zh) * 2016-04-12 2016-12-07 北京林业大学 模拟盐碱地水盐运动的实验装置及利用该装置筛选盐碱地防止返盐措施的方法
CN205607992U (zh) * 2016-05-17 2016-09-28 石河子大学 一种模拟大田暗管排水试验装置
CN206725562U (zh) * 2017-05-31 2017-12-08 石河子大学 暗管排水实验装置
CN109034496A (zh) * 2018-08-29 2018-12-18 中国水利水电科学研究院 一种减缓坡面农业面源污染的坡垄沟最优参数确定方法
CN108951532A (zh) * 2018-09-25 2018-12-07 长春工程学院 灌排一体化农田暗管模拟装置及确定暗管组合的方法
CN110082503A (zh) * 2019-05-07 2019-08-02 内蒙古农业大学 一种不同地类土壤和地下水水盐运移实验模拟箱及方法
CN110346533A (zh) * 2019-06-28 2019-10-18 武汉大学 用于指导盐碱地暗管布置组合的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
numerical simulations of water movement in a subsurface drip irrigation system under field and laboratory conditions using HYDRUS-2D;Maziar M. Kandelous;《AgriculturalWater Management》;20100315;全文 *
基于HYDRUS模型的暗管排水水盐运移模拟;石培君;《干旱地区农业研究》;20190531;全文 *
基于PEST的MODFLOW_HYDRUS耦合模型参数优化;胡丹;《中国农村水利水电》;20170715;全文 *
基于改进的HYDRUS_2D模型暗管排水过程模拟;刘义;《干旱地区农业研究》;20200731;全文 *

Also Published As

Publication number Publication date
CN111896429A (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
Dörner et al. Anisotropy of pore functions in structured Stagnic Luvisols in the Weichselian moraine region in N Germany
Warsta et al. Simulation of water balance in a clayey, subsurface drained agricultural field with three-dimensional FLUSH model
Rezaei et al. The relevance of in-situ and laboratory characterization of sandy soil hydraulic properties for soil water simulations
CN105334311A (zh) 一种多层土壤水肥迁移转化参数测试装置及方法
CN111896429B (zh) 水盐模拟模型中暗管排水排盐边界的改进方法
Jiang et al. Irrigation management for spring maize grown on saline soil based on SWAP model
Coppola et al. Hydrological behaviour of microbiotic crusts on sand dunes: Example from NW China comparing infiltration in crusted and crust-removed soil
Pagenkemper et al. Effects of root‐induced biopores on pore space architecture investigated with industrial X‐Ray computed tomography
Mudgal et al. Effects of long-term soil and crop management on soil hydraulic properties for claypan soils
Smets et al. Salinization and crop transpiration of irrigated fields in Pakistan's Punjab
CN110346533B (zh) 用于指导盐碱地暗管布置组合的方法
Amin Salehi et al. Evaluation of HYDRUS-2D model to simulate the loss of nitrate in subsurface controlled drainage in a physical model scale of paddy fields
Santini et al. Evaluation of a laboratory inverse method for determining unsaturated hydraulic properties of a soil under different tillage practices
Karandish et al. Application of HYDRUS (2D/3D) for predicting the influence of subsurface drainage on soil water dynamics in a rainfed‐canola cropping system
Abbasi et al. Water flow and solute transport in furrow-irrigated fields
Cameira et al. Evaluating field measured soil hydraulic properties in water transport simulations using the RZWQM
Adhanom et al. Comparison of methods for determining unsaturated hydraulic conductivity in the wet range to evaluate the sensitivity of wetting front detectors
Teixeira et al. Soil water.
Maraux et al. Comparison between mechanistic and functional models for estimating soil water balance: deterministic and stochastic approaches
Hayashi et al. A constant-head well permeameter method for measuring field-saturated hydraulic conductivity above an impermeable layer
Amatya et al. A daily water table depth computing model for poorly drained soils
Bond Soil Physical Methods for Estimating Recharge-Part 3
Snow et al. Predicting soil water, tile drainage, and runoff in a mole‐tile drained soil
Hart et al. In situ characterization of hydrologic properties of Sparta sand: relation to solute movement
Diekkrüger et al. Temporal variability of soil surface crust conductivity

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant