CN112462032B - 适用于盐渍土地区评价暗管排水排盐效果的方法 - Google Patents
适用于盐渍土地区评价暗管排水排盐效果的方法 Download PDFInfo
- Publication number
- CN112462032B CN112462032B CN202011259893.3A CN202011259893A CN112462032B CN 112462032 B CN112462032 B CN 112462032B CN 202011259893 A CN202011259893 A CN 202011259893A CN 112462032 B CN112462032 B CN 112462032B
- Authority
- CN
- China
- Prior art keywords
- soil
- pipe
- drainage
- concealed
- salt
- 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
Links
- 150000003839 salts Chemical class 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000000694 effects Effects 0.000 title claims abstract description 40
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 title claims abstract description 20
- 239000011780 sodium chloride Substances 0.000 title claims abstract description 20
- 239000002689 soil Substances 0.000 claims abstract description 152
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 130
- 238000012360 testing method Methods 0.000 claims abstract description 39
- 230000014509 gene expression Effects 0.000 claims abstract description 29
- 238000005516 engineering process Methods 0.000 claims abstract description 27
- 230000008030 elimination Effects 0.000 claims abstract description 23
- 238000003379 elimination reaction Methods 0.000 claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000009933 burial Methods 0.000 claims description 71
- 238000002386 leaching Methods 0.000 claims description 40
- 229920006395 saturated elastomer Polymers 0.000 claims description 23
- 230000035699 permeability Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 2
- 238000012314 multivariate regression analysis Methods 0.000 claims description 2
- 238000000611 regression analysis Methods 0.000 claims description 2
- 239000003673 groundwater Substances 0.000 description 26
- 238000010586 diagram Methods 0.000 description 5
- 238000003973 irrigation Methods 0.000 description 5
- 230000002262 irrigation Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 239000003621 irrigation water Substances 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 238000011119 multifactor regression analysis Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- 241000209149 Zea Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 238000011033 desalting Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003657 drainage water Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000010828 elution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/245—Earth materials for agricultural purposes
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明提供一种适用于盐渍土地区评价暗管排水排盐效果的方法,包括:确定影响暗管排水排盐的显著性因素;以田间试验数据为依据,采用暗管排水数值模型对不同土壤质地的各种显著性因素组合下的水盐排放状况进行数值模拟;建立不同土壤质地条件下多显著性因素与暗管水盐排放特征值之间的定量表达公式;测量不同盐渍土地区的土壤质地和土壤数据,将土壤数据结合上述定量表达式进行计算,并根据计算结果判断某盐渍土地区使用暗管技术的可行性;确定可以使用暗管技术后,计算暗管的最大排水排盐情况,并设置最优的暗管布置形式。本发明能快速准确地判断暗管排水排盐技术的可行性,为不同的盐渍农田如何采用暗管技术提供了更为简单方便的方法。
Description
技术领域
本发明属于暗管排水排盐技术的技术领域,具体涉及一种适用于盐渍土地区评价暗管排水排盐效果的方法。
背景技术
土壤盐渍化是由气候、地形、水文地质及不适当的人类活动等引起的土壤盐分过量聚集现象,从而导致一系列的生态环境问题,如农耕土壤质量下降、草地荒漠化和林地退化等,另外,由不合理的灌溉制度等人为因素导致的田间土壤盐渍化过程称为次生盐渍化,这些情况常发生在干旱和半干旱地区。目前,土壤盐渍化已成为全球性的环境问题,对农业和经济的可持续发展构成了严重威胁。因此,采取合理的盐渍土壤治理措施对农田土壤改良有积极作用。
暗管排盐技术结合淡水淋洗是盐渍土改良最为快捷、有效且应用广泛的方法之一,主要依据“盐随水来,盐随水去”的基本原理,土壤盐分充分溶于淋洗水中,通过暗管排出土体,从而控制地下水位和降低非饱和带土壤盐分,达到改良盐渍化耕地的目的。以往评价暗管排水排盐效果的方法通常采用试验对比法,即根据田间实际情况,通过改变参数设置多组试验,从而对比不同试验组中暗管的排水排盐效果,从而指导田间暗管埋设,结果较为可靠。但试验法存在周期长、难度大和人力物力消耗大的缺点,而且田间不可控因素较多,无法完全实现多组试验同时进行,具有一定的局限性。
目前,多数研究表明暗管的工程布置形式可以影响暗管排盐能力,如暗管埋深和淋洗水量的大小,衡通等人发现暗管的埋深显著影响土壤中的盐分分布和土壤脱盐效果,马凤娇等人研究表明当淋洗水量≥70mm时才能满足土壤的首次淋洗脱盐效果。而且在不同盐渍土地区,由于自然环境有所不同,同样也会影响暗管排盐能力,如于淑会等人证实土壤渗透性大和地下水埋深浅促进暗管发挥排水排盐作用。然而,已有研究未能综合考虑多种影响因素条件下暗管排水排盐效果的变化,并且无法量化各个影响因素与暗管水盐排放特征值之间的关系,很难进一步评价不同条件下暗管的排水排盐效果。另外,在上述的研究中大多结合数值模型计算的方法研究暗管排水排盐技术,例如DRAINMOD模型可以可靠的预测不同土壤、作物和气候的暗管水盐排放过程和地下水埋深变化过程,通过调整各个参数来得到不同的模拟情景,但实际操作较为繁琐。因此,需要开发出一种更简单可行的且能考虑多因素的评价不同条件下暗管的排水排盐效果的方法。
发明内容
本发明的目的在于针对现有技术的不足之处,提供一种适用于盐渍土地区评价暗管排水排盐效果的方法,通过开展田间试验结合数值模拟计算确定各个影响因素与暗管水盐排放特征值之间的定量关系,解决现有方法存在费时费力且考虑的因素较为单一的问题,为不同的盐渍农田如何采用暗管技术提供了更为简单、方便的可行性方法。
为解决上述技术问题,本发明采用如下技术方案:
一种适用于盐渍土地区评价暗管排水排盐效果的方法,其特征在于,包括如下步骤:
S1:根据田间实际情况确定影响暗管排水排盐的显著性因素;
S2:以田间试验数据为依据,采用暗管排水数值模型对不同土壤质地的各种显著性因素组合下的水盐排放状况进行数值模拟;
S3:根据步骤S2得到的水盐排放状况规律建立不同土壤质地条件下多显著性因素与暗管水盐排放特征值之间的定量表达公式;
S4:测量不同盐渍土地区的土壤质地和土壤数据,将土壤数据结合步骤S3得到的定量表达式进行计算,并根据计算结果判断某盐渍土地区使用暗管技术的可行性;如果确定可以使用暗管技术,则根据步骤S3得到的定量表达式结合已知参数计算暗管的最大排水排盐情况,并设置最优的暗管布置形式。
进一步地,步骤S1还包括如下子步骤:
S11,实地勘测当地土壤参数数据、土壤盐分数据、地下水数据和实际淋洗水量数据,设计不同土壤初始条件、暗管埋深的田间对比试验组;
S12,试验过程中测量暗管排水总量、暗管排盐总量、淋洗前后土壤剖面含水率和含盐量以及地下水埋深变化过程,以暗管排水率和排盐率作为评价暗管水盐排放效果的重要指标,分析试验结果及规律,初步确定影响暗管水盐排放效果的显著性因素。
进一步地,显著性因素包括有效淋洗水量、暗管埋深和初始地下水埋深。
进一步地,步骤S2还包括如下子步骤:
S21,以田间试验地的土壤参数、气象数据、排水参数和盐分数据为输入值,利用实测排水、排盐数据和地下水埋深数据对DRAINMOD模型进行率定验证;
S22,利用率定验证后的DRAINMOD模型对不同土壤质地条件下的显著性因素的各种组合进行数值模拟,得到多显著性因素共同影响下的暗管水盐排放特征值以及最大初始地下水埋深的变化规律。
进一步地,步骤S22中获得暗管水盐排放特征值的方法为:以暗管排水率和排盐率最大为目标,设置多显著性因素的不同组合情景,利用DRAINMOD模型进行模拟,获得不同条件下暗管的排水排盐情况。
进一步地,步骤S2中的不同质地土壤包括原状土壤、粘重均质土壤、不粘重均质土壤和轻质土壤。
进一步地,步骤S3还包括如下子步骤:
S31,通过多元回归分析法建立暗管埋深、土壤饱和含水率以及饱和渗透系数与最大初始地下水埋深之间的定量表达公式;
S32,通过多元回归分析法建立不同土壤质地条件下暗管排水率或排盐率与多显著性因素间的定量表达公式。
进一步地,步骤S4中测量不同盐渍土地区的土壤质地、土壤饱和含水率、饱和渗透系数和初始地下水埋深,参考当地种植作物的最大根系深度设置合适的暗管埋深,将土壤饱和含水率、饱和渗透系数以及暗管埋深结合步骤S31中得到的最大初始地下水埋深定量表达式计算最大初始地下水埋深,并根据土壤初始地下水埋深、计算得到的最大初始地下水埋深以及暗管埋深判断某盐渍土地区使用暗管技术的可行性。
进一步地,步骤S4中确定可以使用暗管排盐技术后,根据步骤S32中建立的定量表达式结合已知参数计算暗管的最大排水率和排盐率,以评价暗管的排水排盐效果,从而设计田间最优暗管埋深和实际淋洗水量。
进一步地,暗管的埋深深度不小于当地种植作物的最大根系深度。
与现有技术相比,本发明的有益效果为:本发明通过开展田间试验结合数值模拟计算确定各个影响因素与暗管水盐排放特征值之间的定量关系,再利用该定量关系即可计算评价暗管的排水排盐效果并判断暗管排盐技术的可行性,当确定可以使用暗管技术后,根据得到的定量表达式结合已知参数计算暗管的最大排水排盐情况,并设置最优的暗管埋深和实际淋洗水量,该方法操作简单,考虑了多种因素对暗管排水排盐的共同影响,能快速准确地判断暗管排水排盐技术的可行性,解决现有方法存在费时费力、不可控因素较多的问题,为不同的盐渍农田如何采用暗管技术提供了更为简单、方便的可行性方法。
附图说明
图1为本发明实施例评价盐碱地暗管排水排盐效果的方法的流程图;
图2为本发明实施例田间暗管排水模拟试验布置示意图;
图3为本发明实施例田间暗管排水模拟试验取样点布设示意图;
图4为本发明实施例田间地下水埋深变化过程示意图;
图5为本发明实施例DRAINMOD模型模拟不同土壤质地条件下初始地下水埋深、暗管埋深和有效淋洗定额组合情况示意图。
具体实施方式
下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合具体实施例对本发明作进一步说明,但不作为本发明的限定。
本发明提供一种适用于盐渍土地区评价暗管排水排盐效果的方法,包括如下步骤:
步骤1,根据田间实际情况确定影响暗管排水排盐的显著性因素。基于田间实际情况,设计田间暗管排水模拟试验,获得暗管排水排盐、淋洗前后土壤剖面含水率、含盐量和地下水埋深动态变化数据,并对试验结果进行分析,初步确定影响暗管水盐排放效果的因素。
田间暗管排水模拟试验布置示意图见图2。
在本实施例中,田间设置3个试验小区,分别命名为E0.8、E1.1和E1.4。每个小区总面积均为86×18m2,共布设3根暗管,暗管长度均为75m。暗管采用为双壁波纹管Ф90~160mm,壁厚2mm,3根暗管的埋深分别设置为0.80m、1.10m和1.40m,两两相邻的暗管间距均设置为6m,每根暗管外侧包裹土工布作为外包材料。田间采用淹灌的方式进行淋洗灌溉,灌溉水源来自田间渠道(灌溉水的电导率ECe=0.33mS/cm),灌溉水渠道与暗管布设方向垂直,打开渠道出口可自动灌溉,同时使用螺旋桨式电流表(LS25-1)频繁测量灌水流量,田间实际淋洗水量设置为475mm。由于三个试验小区土壤初始含水率存在差异(见表1),淋洗后实际淋洗水量会首先补给非饱和土壤,使土壤含水率达到田间持水率,再继续向下渗漏,因此,能被有效利用的淋洗水量称为有效淋洗定额(We),三个小区的有效淋洗水量分别计算得到为269mm、295mm和195mm,具体公式如下:
We=W-Ws (1)
式中,We为有效淋洗定额,cm;W为淋洗水总量,cm;Ws为土壤补给水量,cm;θ0为土壤初始含水率,m3/m3;θf为田间持水率,m3/m3;h为土壤深度,cm;Δh为土壤深度的变化量,cm。
表1为淋洗前土壤初始理化性质参数
田间试验前后通过打土钻获得土壤剖面的土样,取样点布设在田块的中央,与暗管的水平距离(x)分别为1m、2m和3m,取样深度为200cm,取样后测量土壤含水量和含盐量,淋洗前土壤初始理化性质见表1。采用翻斗式流量计测量暗管的排水流量和排水总量,同时每隔一段时间取水样,采用DDSJ-305F型电导率仪测量排出水的电导率(换算为土壤含盐量TDS);使用hobo自记式水位计测量观测井中的地下水埋深动态变化,在试验前后对地下水取样,测量其电导率(换算为TDS)。田间试验取样点布设示意图详见图3。标定出田间土壤含盐量(TDS)与电导率(EC1:5)之间的关系:
TDS=5.9EC1:5-0.264(R2=0.97) (3)
试验结束后使用SPSS20.0软件分析试验数据,以暗管排水率和排盐率作为评价暗管水盐排放效果的重要指标(公式4和5)。通过对试验结果进行分析,只有当地下水完全淹没暗管时,暗管才发生排水(图4);暗管埋深和有效淋洗水量共同影响暗管排水率和排盐率。经过显著性检验(表2),发现有效淋洗水量、暗管埋深和初始地下水埋深是显著影响暗管排水率、排盐率的因素,即被称为显著性影响因素。
式中,Rw为暗管排水率,%;Dw为暗管排水总量,cm;W为淋洗水总量,cm;Rs为暗管排盐率,%;Ds为暗管排盐总量,kg;Su为淋洗前0~200cm土壤剖面含盐量,kg。田间试验中,淋洗前E0.8的Su为8854.54kg,E1.1的Su为10045.57kg,E1.4的Su为12705.68kg。
表2田间暗管排水率、排盐率显著性检验
注:Beta系数是标准回归系数,用于比较各个系数之间的绝对作用或贡献大小;Sig.是自变量的显著性检验结果(使用单样本T检验),当Sig.小于0.05时,说明自变量对因变量具有显著影响,当Sig.大于0.05时,说明自变量对因变量没有显著影响;*表示在0.05水平上差异显著。
步骤2,以田间试验数据为依据,采用暗管排水数值模型对不同土壤质地的各种显著性因素组合下的水盐排放状况进行数值模拟。本实施例中以田间3个试验小区数据为基础,得到DRAINMOD模型所需参数,根据排水排盐试验结果对DRAINMOD模型相关参数进行率定和验证;以暗管排水率和排盐率最大为目标,设置不同的暗管埋深、初始地下水埋深以及有效淋洗水量的组合情景,利用DRAINMOD模型进行数值模拟,获得不同条件下暗管的排水排盐情况;另外,暗管是否发生排水取决于初始地下水埋深和暗管的相对位置,需要采用DRAINMOD模型模拟不同条件下最大初始地下水埋深(适用于暗管技术)数值大小的变化规律。
本实施例中DRAINMOD模型需要的输入参数包括气象数据、土壤数据、土壤盐分初始含量数据、排水系统设计参数、排水数据,这些数据可以从当地气象资料和步骤S1的田间试验中获取。
根据上述输入参数利用DRAINMOD模型对暗管排水排盐相关参数进行率定和验证,其中,DRAINMOD模型主要输入参数见表3所示。本实施例中,E0.8小区采用1-8d的暗管排水排盐数据进行率定,9-16d的暗管排水排盐数据进行验证;E1.1和E0.8小区采用1-9d的暗管排水排盐数据进行率定,10-18d的暗管排水排盐数据进行验证。为了评价模型的精度,采用常用的2个模型评价指标对其进行分析评价,分别是纳什系数(R2)和相对均方根误差(RRMSE),具体公式(6、7)如下:
式中:yi为实测值,yp为DRAINMOD模型模拟值,本研究中分别包括了暗管排水速率、排盐速率、排水总量和排盐总量的实测值和模型模拟值,为实测平均值,n为样本容量。率定后的DRAINMOD模型参数见表4和表5。见表5,暗管排水、排盐累积量模拟值与实测值的纳什系数NSE≥0.990,相对均方根误差RRMSE≤3.52%,吻合较好,率定后的DRAINMOD模型可以用于本实施过程。
表3 DRAINMOD模型主要输入参数
表4田间土壤水分特征曲线参数
表5 DRAINMOD模型验证田间暗管排水排盐数据
本实施例中采用正交试验法设置3种土壤质地条件下暗管埋深、初始地下水埋深和有效淋洗水量组合,土壤质地分成E0.8小区原状土壤、粘重均质土壤、不粘重均质土壤和轻质土壤,其土壤水分特征曲线和饱和渗透系数均取自率定后的E0.8小区不同土层参数。另外,暗管埋深(B)选择0.80~1.70m,计算增量1m;初始地下水埋深(G)选择2.20~1.20m,计算增量0.20m;有效淋洗水量(We)选择24~39cm,计算增量3cm。每种土壤质地的具体正交组见表6。
表6初始地下水埋深、暗管埋深和有效淋洗定额组合形式
以粘重均质土壤和轻质均质土壤为例,模拟结果如图5所示。在所述条件下,不同初始地下水埋深条件下,暗管埋深和有效淋洗水量与暗管排水率、排盐率之间构成一个曲面关系。无论土壤质地如何,暗管排水率均随着初始地下水埋深的减小、暗管埋深和有效淋洗水量的增大而逐渐增大;而排盐率随着初始地下水埋深的减小、有效淋洗水量的增大而增大,随着暗管埋深的增大呈先增大后减小的变化趋势,排盐率在暗管埋深等于1.4m时达到最大值。
另外,通过改变土壤质地和暗管埋深,采用DRAINMOD模型模拟不同条件下适用于暗管技术的最大初始地下水埋深(Gm)的变化规律。由表7所示,随着暗管埋深的增大,最大初始地下水埋深逐渐增大。轻质土壤的最大初始地下水埋深大于粘重土壤,三种均质土的最大初始地下水埋深的大小顺序为:轻质均质土>不粘重均质土>粘重均质土。通过显著性检验发现,适用于暗管技术的最大初始地下水埋深受到暗管埋深(B)、土壤饱和含水率(θs)和土壤饱和渗透系数(Ks)的影响(具体见表8),其中,暗管埋深与最大初始地下水埋深之间呈显著正相关,土壤饱和含水率和饱和渗透系数与最大初始地下水埋深之间呈显著负相关。
表7不同土壤质地和暗管埋深条件下暗管发生排水时的最大初始地下水埋深
表8不同土壤质地条件下多影响因素对最大初始地下水埋深的影响权重计算
步骤3,根据步骤S2得到的水盐排放状况规律建立不同土壤质地条件下多显著性因素与暗管水盐排放特征值之间的定量表达公式;具体地,根据步骤2得到的规律,确定最大初始地下水埋深与暗管埋深、土壤饱和含水率以及饱和渗透系数之间的定量关系式,确定暗管排水率或排盐率与暗管埋深、初始地下水埋深以及有效淋洗水量之间的定量关系式。
首先,采用多因素回归分析得到(适用于暗管技术)最大初始地下水埋深(Gm)的定量关系公式(公式8),公式8的自变量为土壤饱和渗透系数(Ks)、土壤饱和含水率(θs)以及暗管埋深(B),其因变量为最大初始地下水埋深(Gm)。经计算得到公式8的决定系数R2等于0.991,相对均方根误差RRMSE等于1.02%,所得经验公式十分可靠:
Gm=-12.71Ks-458.065θs+60.4B+419.747 (8)
然后,采用多因素回归分析得到不同土壤质地条件下暗管排水率或排盐率的经验定量表达公式(见表9),从而用于评价暗管的排水排盐效果。暗管排水率或排盐率的经验定量表达公式的自变量为暗管埋深(B)、有效淋洗水量(We)以及初始地下水埋深(G),由于暗管埋深大于1.4m时排盐率下降,因此暗管埋深设置范围在0~1.4m。表9所示为不同土质条件下暗管排水率和排盐率的经验定量表达公式(公式9~16),其所有公式的决定系数R2均大于0.970,相对均方根误差RRMSE小于5.0%,由此可见,使用多因素回归分析的方法得到的经验公式较为可靠。
表9不同土壤质地的暗管排水率、排脱比定量表达公式
步骤4,测量不同盐渍土地区的土壤质地和土壤数据,将土壤数据结合步骤S3得到的定量表达式进行计算,并根据计算结果判断某盐渍土地区使用暗管技术的可行性;如果确定可以使用暗管技术,则根据步骤S3得到的定量表达式结合已知参数计算暗管的最大排水排盐情况,并设置最优的暗管布置形式。具体地,测量不同盐渍土地区的土壤质地、土壤饱和含水率、饱和渗透系数和初始地下水埋深,参考当地种植作物的最大根系深度设置合适的暗管埋深,将土壤饱和含水率、饱和渗透系数以及暗管埋深结合得到的最大初始地下水埋深定量表达式计算最大初始地下水埋深,并根据土壤初始地下水埋深、计算得到的最大初始地下水埋深以及暗管埋深判断某盐渍土地区使用暗管技术的可行性;确定可以使用暗管排盐技术后,根据暗管排水率和排盐率的经验定量表达公式结合已知参数计算暗管的最大排水率和排盐率,以评价暗管的排水排盐效果,从而设计田间最优暗管埋深和实际淋洗水量。
在生产实践中,当某地区的初始地下水埋深大于最大初始地下水埋深公式计算值,则暗管不发挥排水排盐作用,例如,在E0.8小区中,暗管埋深在80cm时计算得到的最大初始地下水埋深范围在280cm之间,如实际地下水埋深大于280cm,则E0.8小区不适合采用暗管排盐技术。当有些盐渍土地区的地下水埋深较大时(>3m或4m),暗管需要埋设在较深位置才能发挥作用,此时采用暗管排盐技术的成本较高,且效果不佳,应考虑其他排盐方式,如竖井排盐、排水沟排盐技术等。
确定可以使用暗管排盐技术后,根据不同地区常年种植的作物来看,暗管的埋深深度不应小于作物最大根系深度。若作物的最大根系深度小于1.4m,暗管的最佳埋深为1.4m,例如某地区常年种植玉米,玉米的最大根系层深度为1.2m,因此,暗管的适宜埋深确定在1.4m左右;若作物的最大根系深度大于1.4m,暗管的最佳埋深等于最大根系层深度,但根系层大于1.4m的作物较少。另外,应适当增大田间有效淋洗水量,它与实际淋洗定额、土壤初始含水率和田间持水率之间存在密切关系。例如新疆地区农民淋洗土壤的实际水量控制在40~60cm,应尽量多灌,但由于不同田块的土壤质地和初始含水率存在差异,需设置合理的灌溉制度,增大初始含水率较小田块的淋洗水量,减小初始含水率较大田块的淋洗水量,使所有田块均能达到较大的有效淋洗定额。
因此,已知初始地下水埋深、暗管埋深和有效淋洗水量,通过暗管排水率和排盐率的经验定量表达公式可评价暗管的排水排盐效果,判断暗管排盐技术的可行性,也可依据此设计田间最优暗管埋深和实际淋洗水量。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (9)
1.一种适用于盐渍土地区评价暗管排水排盐效果的方法,其特征在于,包括如下步骤:
S1:根据田间实际情况确定影响暗管排水排盐的显著性因素;
S2:以田间试验数据为依据,采用暗管排水数值模型对不同土壤质地的各种显著性因素组合下的水盐排放状况进行数值模拟;
S3:根据步骤S2得到的水盐排放状况规律建立不同土壤质地条件下多显著性因素与暗管水盐排放特征值之间的定量表达公式;其中步骤S3还包括如下子步骤:
S31,通过多元回归分析法建立暗管埋深、土壤饱和含水率以及饱和渗透系数与最大初始地下水埋深之间的定量表达公式;
S32,通过多元回归分析法建立不同土壤质地条件下暗管排水率和排盐率与多显著性因素间的定量表达公式;
S4:测量不同盐渍土地区的土壤质地和土壤数据,将土壤数据结合步骤S31得到的定量表达式进行计算,并根据计算结果判断某盐渍土地区使用暗管技术的可行性;如果确定能够使用暗管技术,则根据步骤S32得到的定量表达式结合已知参数计算暗管的最大排水排盐情况,并设置最优的暗管布置形式。
2.根据权利要求1所述的适用于盐渍土地区评价暗管排水排盐效果的方法,其特征在于,步骤S1还包括如下子步骤:
S11,实地勘测当地土壤参数数据、土壤盐分数据、地下水数据和实际淋洗水量数据,设计不同土壤初始条件、暗管埋深的田间对比试验组;
S12,试验过程中测量暗管排水总量、暗管排盐总量、淋洗前后土壤剖面含水率和含盐量以及地下水埋深变化过程,以暗管排水率和排盐率作为评价暗管水盐排放效果的重要指标,分析试验结果及规律,初步确定影响暗管水盐排放效果的显著性因素。
3.根据权利要求1或2所述的适用于盐渍土地区评价暗管排水排盐效果的方法,其特征在于,显著性因素包括有效淋洗水量、暗管埋深和初始地下水埋深。
4.根据权利要求1所述的适用于盐渍土地区评价暗管排水排盐效果的方法,其特征在于,步骤S2还包括如下子步骤:
S21,以田间试验地的土壤参数、气象数据、排水参数和盐分数据为输入值,利用实测排水、排盐数据和地下水埋深数据对DRAINMOD模型进行率定验证;
S22,利用率定验证后的DRAINMOD模型对不同土壤质地条件下的显著性因素的各种组合进行数值模拟,得到多显著性因素共同影响下的暗管水盐排放特征值以及最大初始地下水埋深的变化规律。
5.根据权利要求4所述的适用于盐渍土地区评价暗管排水排盐效果的方法,其特征在于,步骤S22中获得暗管水盐排放特征值的方法为:以暗管排水率和排盐率最大为目标,设置多显著性因素的不同组合情景,利用DRAINMOD模型进行模拟,获得不同条件下暗管的排水排盐情况。
6.根据权利要求1所述的适用于盐渍土地区评价暗管排水排盐效果的方法,其特征在于,步骤S2中的不同土壤质地包括原状土壤、粘重均质土壤、不粘重均质土壤和轻质土壤。
7.根据权利要求1所述的适用于盐渍土地区评价暗管排水排盐效果的方法,其特征在于,步骤S4中测量不同盐渍土地区的土壤质地、土壤饱和含水率、饱和渗透系数和初始地下水埋深,参考当地种植作物的最大根系深度设置合适的暗管埋深,将土壤饱和含水率、饱和渗透系数以及暗管埋深结合步骤S31中得到的最大初始地下水埋深定量表达式计算最大初始地下水埋深,并根据土壤初始地下水埋深、计算得到的最大初始地下水埋深以及暗管埋深判断某盐渍土地区使用暗管技术的可行性。
8.根据权利要求1所述的适用于盐渍土地区评价暗管排水排盐效果的方法,其特征在于,步骤S4中确定可以使用暗管排盐技术后,根据步骤S32中建立的定量表达式结合已知参数计算暗管的最大排水率和排盐率,以评价暗管的排水排盐效果,从而设计田间最优暗管埋深和实际淋洗水量。
9.根据权利要求7所述的适用于盐渍土地区评价暗管排水排盐效果的方法,其特征在于,暗管的埋深深度不小于当地种植作物的最大根系深度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011259893.3A CN112462032B (zh) | 2020-11-12 | 2020-11-12 | 适用于盐渍土地区评价暗管排水排盐效果的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011259893.3A CN112462032B (zh) | 2020-11-12 | 2020-11-12 | 适用于盐渍土地区评价暗管排水排盐效果的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112462032A CN112462032A (zh) | 2021-03-09 |
CN112462032B true CN112462032B (zh) | 2022-03-04 |
Family
ID=74825049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011259893.3A Active CN112462032B (zh) | 2020-11-12 | 2020-11-12 | 适用于盐渍土地区评价暗管排水排盐效果的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112462032B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114492048B (zh) * | 2022-01-26 | 2024-04-16 | 武汉大学 | 预测合成外包料化学淤堵的模拟方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101045237A (zh) * | 2006-12-22 | 2007-10-03 | 薄学锋 | 滨海中重盐碱地改良及综合利用方法 |
CN102077711A (zh) * | 2010-12-13 | 2011-06-01 | 石河子大学 | 一种改良盐渍化农田的方法 |
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 |
CN104732073A (zh) * | 2015-03-04 | 2015-06-24 | 河海大学 | 地表水-地下水耦合模拟的计算方法 |
CN104929090A (zh) * | 2015-06-03 | 2015-09-23 | 李玉芳 | 一种农田暗管排水系统及施工方法 |
CN105359663A (zh) * | 2015-11-30 | 2016-03-02 | 天津吉天环境科技发展有限公司 | 盐碱地土壤改良方法 |
CN105960877A (zh) * | 2016-05-13 | 2016-09-28 | 福建农林大学 | 一种提高耕层土壤氮素固持能力的滨海盐渍土改良方法 |
CN106211836A (zh) * | 2016-07-30 | 2016-12-14 | 山东胜伟园林科技有限公司 | 一种暗管排盐方法及其在西北硫酸盐型盐碱地改良中的应用 |
CN106385843A (zh) * | 2016-08-30 | 2017-02-15 | 山东胜伟园林科技有限公司 | 一种提高耕层土壤盐分淋洗效率的方法 |
CN106385852A (zh) * | 2016-08-31 | 2017-02-15 | 山东胜伟园林科技有限公司 | 一种盐碱化土壤淋洗方法 |
CN208889080U (zh) * | 2018-08-03 | 2019-05-21 | 石河子大学 | 模拟暗管排水不同埋深的试验装置 |
CN109819746A (zh) * | 2019-01-08 | 2019-05-31 | 中国科学院南京土壤研究所 | 一种重度盐碱地节水控肥生态治理与增效利用方法 |
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 |
CN110990753A (zh) * | 2019-11-18 | 2020-04-10 | 河海大学 | 一种暗管系统淋洗效果的计算方法 |
AU2020102192A4 (en) * | 2020-09-09 | 2020-10-22 | Shihezi University | A salt drainage system for saline soil |
CN111898257A (zh) * | 2020-07-16 | 2020-11-06 | 武汉大学 | 区域暗管布局及排水排盐数值模拟方法和装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7539625B2 (en) * | 2004-03-17 | 2009-05-26 | Schlumberger Technology Corporation | Method and apparatus and program storage device including an integrated well planning workflow control system with process dependencies |
US20060020408A1 (en) * | 2003-08-14 | 2006-01-26 | Cole George M | Methodology for prediction of shallow groundwater levels |
CN102736123B (zh) * | 2012-07-11 | 2014-04-02 | 北京交通大学 | 一种浅埋圆形隧道上半断面施工诱发地面坍塌的预测方法 |
CN105230167B (zh) * | 2015-10-12 | 2017-03-01 | 潍坊友容实业有限公司 | 一种滨海重度盐碱地土壤改良及植被构建体系 |
CN106171739A (zh) * | 2016-07-11 | 2016-12-07 | 山东胜伟园林科技有限公司 | 一种低湿盐碱地种植金合欢的方法 |
US10711446B2 (en) * | 2017-12-05 | 2020-07-14 | Trenchless Groundwater Movers, LLC | Trenchlessly installed subterranean collector drain for surface and subsurface water |
CN109061105B (zh) * | 2018-08-02 | 2019-06-28 | 中国水利水电科学研究院 | 一种土壤盐渍化临界地下水埋深的计算方法 |
US10823720B2 (en) * | 2018-12-28 | 2020-11-03 | Wenbin Yang | Deep soil water percolation monitor and monitoring method therefor |
CN110646585A (zh) * | 2019-08-13 | 2020-01-03 | 长安大学 | 一种保水采煤中地下水位埋深上限阈值的确定方法 |
-
2020
- 2020-11-12 CN CN202011259893.3A patent/CN112462032B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101045237A (zh) * | 2006-12-22 | 2007-10-03 | 薄学锋 | 滨海中重盐碱地改良及综合利用方法 |
CN102077711A (zh) * | 2010-12-13 | 2011-06-01 | 石河子大学 | 一种改良盐渍化农田的方法 |
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 |
CN104732073A (zh) * | 2015-03-04 | 2015-06-24 | 河海大学 | 地表水-地下水耦合模拟的计算方法 |
CN104929090A (zh) * | 2015-06-03 | 2015-09-23 | 李玉芳 | 一种农田暗管排水系统及施工方法 |
CN105359663A (zh) * | 2015-11-30 | 2016-03-02 | 天津吉天环境科技发展有限公司 | 盐碱地土壤改良方法 |
CN105960877A (zh) * | 2016-05-13 | 2016-09-28 | 福建农林大学 | 一种提高耕层土壤氮素固持能力的滨海盐渍土改良方法 |
CN106211836A (zh) * | 2016-07-30 | 2016-12-14 | 山东胜伟园林科技有限公司 | 一种暗管排盐方法及其在西北硫酸盐型盐碱地改良中的应用 |
CN106385843A (zh) * | 2016-08-30 | 2017-02-15 | 山东胜伟园林科技有限公司 | 一种提高耕层土壤盐分淋洗效率的方法 |
CN106385852A (zh) * | 2016-08-31 | 2017-02-15 | 山东胜伟园林科技有限公司 | 一种盐碱化土壤淋洗方法 |
CN208889080U (zh) * | 2018-08-03 | 2019-05-21 | 石河子大学 | 模拟暗管排水不同埋深的试验装置 |
CN109819746A (zh) * | 2019-01-08 | 2019-05-31 | 中国科学院南京土壤研究所 | 一种重度盐碱地节水控肥生态治理与增效利用方法 |
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 |
CN110990753A (zh) * | 2019-11-18 | 2020-04-10 | 河海大学 | 一种暗管系统淋洗效果的计算方法 |
CN111898257A (zh) * | 2020-07-16 | 2020-11-06 | 武汉大学 | 区域暗管布局及排水排盐数值模拟方法和装置 |
AU2020102192A4 (en) * | 2020-09-09 | 2020-10-22 | Shihezi University | A salt drainage system for saline soil |
Non-Patent Citations (12)
Title |
---|
Mechanism of saline-alkali lands improvement of subsurface pipe drainage systems and agro-ecosystem response;Yu ShuHui et al.;《Zhongguo Shengtai Nongye Xuebao / Chinese Journal of Eco-Agriculture》;20121231;第20卷(第12期);第1664-1672页 * |
Modeling subsurface drainage for salt load management in southeastern Australia;M. A. S. Wahba et al.;《Irrigation and Drainage Systems》;20060727;第20卷;第267-282页 * |
不同暗管布置下棉田排水的硝态氮流失量分析;曾文治 等;《农业工程学报》;20120706;第28卷(第4期);第89-93页 * |
区域地下水埋深对暗管排水排盐系统的响应研究;谭莉梅 等;《中国生态学学会2011年学术年会论文集》;20120531;第151-152页 * |
基于DRAINMOD-S模型的滨海盐碱地农田暗管排水模拟;张展羽 等;《水科学进展》;20121231;第23卷(第6期);第782-788页 * |
基于改进的HYDRUS-2D模型暗管排水过程模拟;刘义 等;《干旱地区农业研究》;20200730;第38卷(第4期);第221-228页 * |
基于机械收割要求的稻麦轮作农田暗管排水布局模拟;邹家荣 等;《China Rural Water and Hydropower》;20200617(第3期);第4-9,17页 * |
塑料盲管在农田暗管排水中的应用研究;吴锦峰;《中国优秀硕士学位论文全文数据库 农业科技辑》;20200615(第6期);第D044-20页 * |
外包土工布暗管排盐条件下水盐运移规律;陈名媛 等;《农业工程学报》;20200131;第36卷(第2期);第130-139页 * |
河北滨海盐碱区暗管改碱技术的降雨有效性评价;马凤娇 等;《中国生态农业学报》;20110228;第19卷(第2期);第409-414页 * |
考虑排盐和控盐的干旱区暗管布局参数研究;钱颖志 等;《农业工程学报》;20190715;第35卷(第13期);第74-83页 * |
近滨海盐碱地暗管排水条件下地下水埋深动态变化模拟;刘浩杰 等;《中国生态农业学报》;20121231;第20卷(第12期);第1687-1692页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112462032A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | Simulation of salt dynamics in the root zone and yield of wheat crop under irrigated saline regimes using SWAP model | |
CN113011992B (zh) | 一种基于标准数据的流域农业面源污染入河系数测算方法 | |
Talukolaee et al. | Investigating long-term effects of subsurface drainage on soil structure in paddy fields | |
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 | |
Daniells et al. | Relationship between yield of grain sorghum (Sorghum bicolor) and soil salinity under field conditions | |
Yao et al. | Evaluation of pedotransfer functions for estimating saturated hydraulic conductivity in coastal salt-affected mud farmland | |
CN112462032B (zh) | 适用于盐渍土地区评价暗管排水排盐效果的方法 | |
Gunn et al. | Modeled climate change impacts on subirrigated maize relative yield in northwest Ohio | |
CN104345131B (zh) | 一种稻田氮磷径流流失负荷的田间尺度估算方法 | |
Davoodi et al. | Evaluating Drainmod‐s to predict drainage water salinity and groundwater table depth during winter cropping in heavy‐textured paddy soils | |
CN110346533A (zh) | 用于指导盐碱地暗管布置组合的方法 | |
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 | |
Cavero et al. | Simulation of maize grain yield variability within a surface‐irrigated field | |
CN112352494A (zh) | 一种利用生物炭、膨润土和有机肥改良风沙土的方法 | |
Li et al. | Quantification of lateral seepage from farmland during maize growing season in arid region | |
Maheshwari et al. | Modeling shallow overland flow in surface irrigation | |
He et al. | Reducing nitrogen leaching losses from paddy field under water-saving irrigation by water table control | |
Sheini-Dashtgol et al. | Evaluating moisture distribution and salinity dynamics in sugarcane subsurface drip irrigation | |
Dayyani et al. | Modeling water table depth, drain outflow, and nitrogen losses in a cold climate using DRAINMOD 5.1 | |
Jansons et al. | Temporal and spatial variation of nutrient leaching from agricultural land in Latvia: long term trends in retention and nutrient loss in a drainage and small catchment scale | |
Atajanov et al. | Issues of assessment of the surface area effect on irrigated water consumption | |
Du et al. | An Analysis on the Inter-annual Spatial and Temporal Variation of the Water Table Depth and Salinity in Hetao Irrigation District, Inner Mongolia, China | |
Salahou et al. | Determination of the control point position for the estimation of the optimal cutoff time of closed-end furrow irrigation systems. | |
Chen et al. | Irrigation quotas influenced the characteristics of the preferential flow in cotton fields under mulched drip irrigation in Northwest China | |
El‐Sadek et al. | Modeling water discharge and nitrate leaching using DRAINMOD–GIS technology at small catchment scale |
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 |