CN114493011B - 考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法 - Google Patents
考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法 Download PDFInfo
- Publication number
- CN114493011B CN114493011B CN202210103616.6A CN202210103616A CN114493011B CN 114493011 B CN114493011 B CN 114493011B CN 202210103616 A CN202210103616 A CN 202210103616A CN 114493011 B CN114493011 B CN 114493011B
- Authority
- CN
- China
- Prior art keywords
- soil
- salt
- model
- crop
- drip irrigation
- 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
- 238000003973 irrigation Methods 0.000 title claims abstract description 120
- 230000002262 irrigation Effects 0.000 title claims abstract description 120
- 150000003839 salts Chemical class 0.000 title claims abstract description 111
- 230000033228 biological regulation Effects 0.000 title claims abstract description 19
- 238000010276 construction Methods 0.000 title claims abstract description 10
- 239000002689 soil Substances 0.000 claims abstract description 127
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 67
- 230000012010 growth Effects 0.000 claims abstract description 53
- 238000004088 simulation Methods 0.000 claims abstract description 50
- 238000010168 coupling process Methods 0.000 claims abstract description 17
- 239000003621 irrigation water Substances 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 16
- 230000008878 coupling Effects 0.000 claims abstract description 16
- 238000005859 coupling reaction Methods 0.000 claims abstract description 16
- 230000008030 elimination Effects 0.000 claims abstract description 14
- 238000003379 elimination reaction Methods 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 238000013508 migration Methods 0.000 claims abstract description 9
- 230000005012 migration Effects 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 30
- 238000005259 measurement Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 10
- 238000001704 evaporation Methods 0.000 claims description 8
- 230000008020 evaporation Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 3
- 230000002195 synergetic effect Effects 0.000 abstract description 2
- 238000011282 treatment Methods 0.000 description 15
- 240000008042 Zea mays Species 0.000 description 7
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 7
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 7
- 235000005822 corn Nutrition 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 238000002386 leaching Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 5
- 241000227653 Lycopersicon Species 0.000 description 4
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000005068 transpiration Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 239000003673 groundwater Substances 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000009331 sowing Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 239000003513 alkali Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 239000002362 mulch Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 208000005156 Dehydration Diseases 0.000 description 1
- 230000003698 anagen phase Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010612 desalination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004745 nonwoven fabric Substances 0.000 description 1
- 238000000643 oven drying Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 230000003938 response to stress Effects 0.000 description 1
- 230000002786 root growth Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000013014 water-saving technology Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Environmental & Geological Engineering (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Operations Research (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Atmospheric Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法，包括：开展试验获取作物生长指标的变化情况以及生育期末产量，并获取土壤中水分和盐分的含量变化；将土壤水盐运移模型HYDRUS‑2D和作物生长模型SWAP耦合构建成H2DSWAP模型，并对其参数进行率定，找出最优参数；设置灌水量和滴灌年限的多种组合，以最优参数作为输入参数，并采用率定后的H2DSWAP模型对多种组合进行模拟，根据模拟结果初步得出需要启用暗管排盐的年限；根据得出的暗管排盐年限，设置不同的滴灌水量和不同的暗管排盐周期，运行H2DSWAP模型得出膜下滴灌与暗管排盐的协同调控运行模式。本发明能够精确模拟膜下滴灌与暗管排盐的协同作用，为确定膜下滴灌与暗管排盐协同调控运行提供了研究基础。
Description
技术领域
本发明属于重度盐碱地膜下滴灌与暗管排盐的技术领域，具体涉及一种考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法。
背景技术
膜下滴灌作为一种新型的农业节水技术，是解决水资源短缺问题的重要措施，截至2019年，新疆膜下滴灌的应用面积已超过200万公顷。与传统灌溉方式(如漫灌、畦灌、沟灌等)不同，虽然膜下滴灌的灌溉频率很高，但每次灌溉水量较小，这一特点使土壤水盐运移发生了新的变化，主要变现为：对浅层根区具有一定的淋溶作用，但盐分大多在深层积累无法带走，特别是采用微咸水灌溉的地区更容易面临土壤盐渍化的风险。关于长期实行膜下滴灌是否会导致盐分积累存在着一定的争议，以往的报道得到的发现是长期膜下滴灌会使土壤盐分下降或者累积或者稳定在某一水平。这些结论存在着诸多矛盾，因此有必要弄清膜下滴灌的盐分运移机制。
西北旱区传统的盐碱防治模式是在每年农作物播种前或收获后，通过大水漫灌的方式进行洗盐。但漫灌往往需要大量的淋洗用水，淋洗定额占全年用水量的1/3以上，甚至达到1/2，造成了水资源的严重浪费。为了减少淋洗水量，提高排盐效率，西北部分地区引入了暗管排盐的技术。与常规漫灌相比，暗管不仅可以排走管道上方土壤淋溶的盐分，还可以排出部分盐分浓度较高的地下水，土壤的脱盐效果得到了很大的提升。由于主要耕作区(0-100cm)的土壤剖面含盐量较低，一年或多年内可能不会发生土壤盐渍化，埋设暗管后是否需要每年进行一次冬灌，还有待进一步研究。
目前可以用来模拟暗管排水的模型有很多，如HYDRUS-2D、DRAINMOD、SALTMOD、SWAT等。其中，DRAINMOD、SALTMOD、SWAT等没有专门针对覆膜边界的模块。相比之下，HYDRUS-2D具有灵活的边界条件，可以用来描述膜下滴灌的覆膜特性。然而HYDRUS-2D没有作物模块，不能考虑作物生长与动态土壤水盐之间的相互作用，这可能会对模型的模拟精度产生较大影响。针对这种不足，许多学者尝试将土壤水盐运移模型与作物模型相耦合。但是这些耦合模型仍然存在着许多局限，它们大多关注作物生长与土壤水分的相互作用，很少考虑土壤盐分对作物生长的影响。此外，大部分耦合模型考虑的灌溉条件为沟灌，没有能够考虑膜下滴灌和暗管排水相互作用的耦合模型。
发明内容
本发明的目的在于针对现有技术的不足之处，提供一种考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法，模型能够精确模拟膜下滴灌与暗管排盐的协同作用，为后续确定膜下滴灌与暗管排盐协同调控运行模式提供了良好的研究基础。
为解决上述技术问题，本发明采用如下技术方案：
一种考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法，包括如下步骤：
S1：开展试验获取不同灌水量下的作物在生长周期内的生长指标的变化情况以及在生育期末的产量，并获取不同作物生育期内和暗管排水前后的土壤水分和盐分的含量；
S2：将土壤水盐运移模型HYDRUS-2D和作物生长模型SWAP通耦合构建成H2DSWAP模型，将获得的相关作物生长数据和土壤水盐数据输入H2DSWAP模型，对H2DSWAP土壤模块的土壤水力参数和作物模块的作物参数进行率定，找出生长指标、作物产量、生育期内和暗管排水前后土壤水分盐分含量的模拟值与实测值误差最小的土壤水力参数和作物参数作为最优参数；
S3：设置气候条件(太阳辐射、气温、风速、大气湿度、降雨和气压等)、灌水量和滴灌年限的多种组合，以步骤S2得到的最优参数作为经过率定后的H2DSWAP模型的输入参数，并采用率定后的H2DSWAP模型对多种组合进行模拟，根据模拟结果初步得出需要启用暗管排盐的年限；
S4：根据S3中初步得出的暗管排盐年限，以试验地实际灌水量为基准设置不同的滴灌水量和不同的暗管排盐周期，运行H2DSWAP模型，根据土壤盐分和作物水分生产率的模拟结果最终得出膜下滴灌与暗管排盐的协同调控运行模式。
进一步地，步骤S1中还需的主要数据包括土壤的粒径分布、气象数据、地下水的埋深和含盐量数据以及作物的品种参数。
进一步地，步骤S2中两种模型的具体耦合方式是通过输入文件和输出文件之间的相互转换实现的，具体地，首先将HYDRUS-2D和SWAP模型进行初始化，在一个时间步长内SWAP输出的作物蒸散发量和作物根系生长作为HYDRUS-2D的输入文件，HYDRUS-2D输出的土壤含水率和含盐率作为SWAP在下一个时间步长的输入文件。
进一步地，对H2DSWAP的土壤水力参数和作物参数进行率定的具体方法为：首先利用试错法缩小土壤参数和作物参数的变化范围，然后采用多目标校正法对参数进行率定，通过H2DSWAP模型进行模拟，每组模拟值包括步骤S1中的生长指标、产量、土壤含盐量和含水量，通过数据处理软件将模拟值与实测值进行比较，选出最优参数。
进一步地，率定方法具体还包括：在率定过程中先对土壤剖面的水盐动态变化进行率定，然后对作物的叶面积指数和最终产量进行率定，土壤水力参数的初始值由HYDRUS中各土层的实测容重和粒径分布计算得出，初始作物生长参数由SWAP模型的作物参数数据库获得，采用多目标校正法提取土壤剖面含水量和含盐量的模拟值与实测值进行对比用于率定土壤水力参数，提取作物生长指数指数和作物产量的模拟值与实测值进行对比用于校准作物生长参数。
进一步地，步骤S3中还包括如下步骤：
设置多种滴灌水量，进行作物生育期的生长模拟和休耕期的地面曝露模拟，观察不同深度土壤盐分和水分的动态变化以及生育期末土壤盐分累积对作物产量的影响，利用数据处理软件评估土壤盐分的累积程度和作物减产情况，初步得出需要启用暗管排盐的年限。
与现有技术相比，本发明的有益效果为：
本发明将土壤水盐运移模型HYDRUS-2D与作物生长模型SWAP相耦合，构建成新的H2DSWAP模型，新开发的H2DSWAP模型不仅可以描述膜下滴灌的覆膜边界以及暗管排水排盐过程，还可以考虑作物生长与土壤水盐之间的相互作用，与原始水盐运移模拟模型相比，H2DSWAP模型攻克了原始模型无法考虑作物生长指数和作物根系生长对实时蒸散发的影响的缺陷；此外，H2DSWAP模型还重点解决了现有技术无法模拟膜下滴灌与暗管排盐协同作用的问题，将新开发的H2DSWAP模型应用到田间系统的模拟可以准确的模拟膜下滴灌和暗管排盐下的作物的生长指数、产量以及土壤水盐的动态变化，从而根据模拟结果快速确定膜下滴灌与暗管排盐的运行模式，极大程度上减少了资金和人力的投入。
附图说明
图1为本发明实施例中基于HYDRUS-2D和SWAP模型的耦合模型H2DSWAP构建流程图；
图2为本发明实施例中H2DSWAP模型率定阶段模拟值与实测值的对比图，其中，(a)土壤剖面水分的动态变化过程，(b)土壤剖面的盐分变化过程；
图3为本发明实施例中H2DSWAP模型验证阶段模拟值与实测值的对比图，其中，(a)土壤剖面水分的动态变化过程，(b)土壤剖面的盐分变化过程；
图4为本发明实施例中作物叶面积指数的模拟值与实测值对比图，其中，(a)率定阶段，(b)验证阶段；
图5为本发明实施例中长时间序列膜下滴灌下的土壤盐分累积趋势；
图6为本发明实施例中长时间序列膜下滴灌下的作物产量的变化趋势；
图7为本发明实施例中不同滴灌水量和不同冬灌模式下土壤盐分的变化，其中，(a)2年一灌，(b)3年一灌，(c)4年一灌，(d)5年一灌；
图8为本发明实施例中不同滴灌水量和不同冬灌模式下作物水分生产率(WP)的变化，其中，(a)2年一灌，(b)3年一灌，(c)4年一灌，(d)5年一灌。
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。
本发明提供一种考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法，包括如下步骤：
S1：开展试验获取不同灌水量下的作物在生长周期内的生长指标的变化情况以及在生育期末的产量，并获取不同作物生育期内和暗管排水前后的土壤水分和盐分的含量；
本实施例中选取玉米和番茄为研究对象开展两年的田间实验，第一次实验种植玉米，第二次实验种植番茄。在田间选取两个埋有暗管的小区，在生育期设置两个灌溉水平，即充分灌溉(玉米灌水量W1：600mm；番茄灌水量W1：500mm)和非充分灌溉(玉米灌水量W1：540mm；番茄灌水量W1：450mm)，实行一膜一管的种植方法，覆膜宽度和间距分别为70cm和40cm，玉米行距为15cm，株距为13cm。在非生育期冬灌水量设置为400mm，暗管埋深为1.1m，每个小区埋设3根暗管，直径为90mm，坡度为3‰在暗管周围包裹一层无纺布防止堵塞。
本实施使用简易气象站监测气象数据包括：风速、气温、风向、相对湿度、短波和长波辐射以及降水量。作物生育期，第一次实验灌溉时间分别在DAS(播种后天数)＝9,19,33,48,58,67,80,86和116天，第二次实验灌水时间分别在DAS＝6,14,24,41,52,61,79和91天，灌水量由水表控制。在本实施例中，生长指数选择作物叶面积指数LAI，作物叶面积指数LAI采用叶面积仪进行监测，产量在收获前监测一次；在冬灌时期，第一次灌水时间DAS＝164天，第二次灌水时间DAS＝168天，每个小区只监测中间暗管的排水排盐情况，旁边两根暗管作为保护行。此外，分别于DAS＝13,25,39,52,67,86,103,115,128,163(第一次试验)和183天和DAS＝1，15,28,43,60,80,100,127,167和180天(第二次实验)用土钻采集样品，采样深度为10，20,30,40,60,80和100cm。利用烘箱干燥法(105℃，8h)和1:5土水比法测定土壤含盐量。
S2：将土壤水盐运移模型HYDRUS-2D和作物生长模型SWAP通耦合构建成H2DSWAP模型，将获得的相关作物生长数据和土壤水盐数据输入H2DSWAP模型，对H2DSWAP土壤模块的土壤水力参数和作物模块的作物参数进行率定，找出生长指标、作物产量、生育期内和暗管排水前后土壤水分盐分含量的模拟值与实测值误差最小的土壤水力参数和作物参数作为最优参数；
在本实施例中，模型是用FORTRAN 90编写的外部程序进行耦合的，该程序集成了土壤水流动、溶质运移、暗管排水、排盐过程和作物生长。在本实施例中HYDRUS-2D和SWAP是独立运行的，外部代码用于交换它们的输入和输出文件。外部程序可以使HYDRUS-2D在图形用户界面(GUI)之外运行，并在每个时间步长结束时将输出的水头、水分和盐分的二进制文件转换成可读的文本文件。下面以作物生长天数m，模拟周期n为例，具体耦合过程如图1所示：
1)首先，将HYDRU-2D和SWAP的模拟时间步长都设置为1天；
2)将土壤水力参数和作物生长参数进行初始化，读取HYDRUS-2D和SWAP的初始输入文件；
3)作物生长期间，在每个时间步长内，外部耦合代码首先运行SWAP，然后让HYDRUS-2D从SWAP的输出文件中接收每日蒸发、蒸腾和生根深度，以更新输入文件并运行HYDRUS-2D。HYDRUS-2D的输出文件，包括土壤含盐量和压头，被传输到SWAP中，作为下一个时间步长的初始输入条件；
4)重复步骤3)直到计算的天数大于m。然后，作物生长周期的计算过程结束；
5)运行HYDRUS-2D并计算无作物期间的土壤水盐运移并且通过SWAP计算土壤日蒸发量；
6)土壤剖面的水盐分布、作物生长结果在每日计算完成后进行保存。
7)重复步骤3)至6)，直到模拟周期大于n。
本实施例中，模拟以日(day)为单位，两年时间模拟周期分别为2019年5月15日至11月13日(率定)和2020年5月17日至11月12日(验证)。使用试错法缩小参数的范围，对土壤水力参数和作物生长参数进行了率定和验证。在率定过程中先对土壤剖面的水盐动态变化进行率定，然后对作物的叶面积指数和最终产量进行率定。土壤水力参数的初始值由HYDRUS中的Rosetta Lite(V1.1)根据各土层的实测容重和粒径分布计算得出，初始作物生长参数由SWAP模型的作物参数数据库获得。运用参数率定软件PEST采用多目标校正法提取土壤剖面含水量和含盐量的模拟值与实测值进行对比用于率定土壤水力参数，提取作物叶面积指数和作物产量的模拟值与实测值进行对比用于校准作物生长参数，选出生长指标、作物产量、生育期内和暗管排水前后土壤水分盐分含量的模拟值与实测值误差最小的土壤水力参数和作物参数作为最优参数。
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：
式中是n为样本总量；ai是测量值；bi是模拟值；是测量值的平均值；/>为模拟值的平均值。
H2DSWAP模型采用改进的二维饱和-非饱和Richards方程描述土壤水分运动:
式中：θ为体积含水率(L-3L-3)；h为土壤负压水头(L)；和/>为各项异性张量KA的分量(-)；K为非饱和土壤水力传导度(LT-1)；S为代表根系吸水的源汇项(T-1)；t为时间(T)；xi和xj为空间坐标，其中i,j分别代表x方向和z方向。
模型采用van Genuchten-Mualem模型描述土壤水力特性：
式中：θ(h)为土壤体积含水率(L3L-3)；θr为土壤残余体积含水率(L3L-3)；θs为土壤饱和体积含水率(L3L-3)；h为负压水头(L)；K(h)为土壤非饱和导水率(LT-1)；Ks为土壤饱和导水率(LT-1)；Se是有效饱和度；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。
H2DSWAP模型中使用二维对流弥散方程来描述土壤盐分的运移:
式中，c为溶质浓度(ML-3)；t为时间(T)；qi为在xi方向的达西流速(LT-1)；Dij饱和-非饱和水动力弥散系数(L2T-1)，i,j分别表示x,z方向；xi，xj为空间坐标。
H2DSWAP模型采用彭曼公式计算潜在作物蒸散量(ET0)，并用以下方程估算潜在蒸散量(ETp)，如下所示:
ETP＝KcET0；
式中：Kc为作物系数。
根据作物生长阶段测得的叶面积指数，ETp分为潜在蒸腾(Tp)和潜在蒸发(Ep)，如下所示：
式中：k为辐射系数，LAI为叶面积指数。
根系吸水速率可通过以下公式计算：
S(x,z,h)＝α(x,z,h)b(x,z)LtTp；
式中：α(x，z，h)是土壤水分胁迫响应函数；b(x，z)是归一化的根系分布函数(L-2)；Lt是与蒸腾过程相关的土壤表面宽度(L)；Tp是潜在蒸腾量(LT-1)。
根分布函数b(x，z)可以定义如下：
其中，Xm(t)和Zm(t)是与时间t(L)相关的水平和垂直方向上的最大生根长度和深度；x和z分别是水平和垂直方向上距离植物原点的距离；x*和z*是分别描述水平和垂直方向上最大根系吸水位置的参数(L)；px和pz是水平和垂直方向的经验参数，在本研究中均设为1。
此外，SWAP模型包含详细的作物生长模块。在本实施例中，作物产量是使用SWAP中的作物生长模块计算的，该模块可以计算由于水分和盐分胁迫导致的潜在产量和实际产量。
图2展示了H2DSWAP模型在率定阶段时，土壤剖面在15，30，60和90cm深度处土壤含水量和含盐量的观测值与模拟值的对比结果。结果表明：在滴灌期间，上层土壤剖面的盐分含量显著降低，反映了膜下滴灌对盐分的淋溶作用；然而，从收获后到冬灌前土壤含盐量呈现出了明显的增加迹象。此外，发明人还比较了HYDRUS-2D和H2DSWAP在模拟土壤水盐变化的精度。与HYDRUS-2D相比，耦合模型H2DSWAP在观测值和模拟值之间获得了更高的一致性。对于HYDRUS-2D模型，土壤含水率和土壤含盐率的平均绝对误差(MAE)分别为0.019cm3cm-3和0.933g kg-1，而H2DSWAP的土壤含水率和土壤含盐率的MAE分别为0.008cm3 cm-3和0.231gkg-1，小于HYDRUS-2D模型。在均方根误差(RMSE)的比较中，两个模型也得到了类似的结果，H2DSWAP的RMSE普遍小于HYDRUS-2D。此外，H2DSWAP的R2值分别为0.869和0.959，均高于HYDRUS-2D。这些结果表明耦合模型H2DSWAP比HYDRUS-2D模型更能准确地预测含水率和含盐率的变化。
参数率定完成之后，将第二次试验用于对模型进行验证。结果表明冬灌后土壤剖面中含盐量的初值普遍低于前一年(图3)，耦合模型的含水量和含盐量的MAE值分别为0.014cm3 cm-3和0.225g kg-1，RMSE值分别为0.016cm3 cm-3和0.288g kg-1，R2值分别为0.799和0.915。尽管验证阶段的R2值低于率定阶段，但模拟精度仍在令人满意的范围内。总体而言，耦合模型H2DSWAP可用于预测土壤剖面中含水率和含盐率的变化趋势。
为了方便说明H2DSWAP模型在主要作物产量方面的预测精度，我们选取了第一次试验中不同灌水处理下的玉米生长试验对模型进行率定和验证(图4)，结果表明在玉米生长前期，叶面积指数呈逐渐增大趋势，播种后70-90天达到峰值。后期随着时间的推移，叶面积指数逐渐下降。灌水处理W2(540mm)的LAI总体上小于W1(600mm)，这是因为W2处理的灌溉量小于W1。与原始SWAP模型相比，H2DSWAP的RMSE和MAE分别为0.254-0.281和0.193-0.232，均小于SWAP。此外，H2DSWAP的LAI的R2大于SWAP，表明耦合模型模拟LAI的精度较原始SWAP模型有了很大的提高。关于产量的模拟效果如表1所示，率定阶段产量模拟值为9.43t ha-1，小于实测值，验证阶段产量模拟值为8.54t ha-1，大于实测值。然而，两个模拟值的标准差分别为0.45和0.68t ha-1误差较小，因此耦合模型对作物产量的模拟精度是可以接受的。
表1作物产量的模拟
S3：设置气候条件、灌水量和滴灌年限的多种组合，以步骤2得到的最优参数作为经过率定后的H2DSWAP模型的输入参数，并采用率定后的H2DSWAP模型对多种组合进行模拟，根据模拟结果初步得出需要启用暗管排盐的年限；
本实施例中设置了4个情景用于说明新建立的H2DSWAP模型在预测长期膜下滴灌下的盐分累积趋势和作物产量变化方面的应用，为后续提出膜下滴灌与暗管排盐协同调控运行模式提供依据。为此，本实施例中设置了4个灌水处理(S1:600mm,S2:540mm,S3:480mm,S4:420mm)，对每个处理采取10年连续的膜下滴灌并且不进行冬灌洗盐，其中气候条件输入为国家气象站新疆焉耆站点在2006至2015年的观测数据(数据来源：http://data.cma.cn)，以步骤2的最优参数作为经过率定后的H2DSWAP模型的输入参数，并采用率定后的H2DSWAP模型对上述四种处理的不同年限进行模拟，结果如图5所示。
图5显示了在1-10年的膜下滴灌条件下，不同灌水处理0-40cm和40-100cm深度土壤含盐量的动态变化。在没有冬灌的情况下，土壤盐分呈现逐年积累的趋势，在滴灌过程中，浅层土壤中的盐分被淋溶到深层土壤中。虽然在作物生长期应用膜下滴灌有利于盐分的淋溶，但是休耕期强烈的土壤蒸发仍会使土壤发生返盐的现象。此外随着滴灌水量的减少，作物浅根层(0-40cm)土壤盐分积累速率呈出增加的趋势。尤其是在滴灌前5年，S1-S4处理分别以3.05％-6.85％、5.97％-9.68％、8.62％-12.23％和11.48％-14.70％的速度增长，其中S1的增长率最小。因此，增加滴灌量有利于减缓浅层土壤盐渍化的增长趋势。
研究表明土壤盐分的积累对作物籽粒产量(以下简称产量)有很大影响，图6描述了不同滴灌年限下作物产量的变化。总体上来看，作物产量随着滴灌水量的增加而增加。随着时间的增长，作物产量呈现逐渐下降的趋势，前3年，各灌水量下作物产量的下降幅度在1.4％-10.2％之间，产量的损失在可接受范围内。然而在第4-5年间，不同灌水量下产量下降了17.2％-32.4％，减产严重。由于新疆水资源短缺，冬灌需要大量的水。为节约水资源，初步考虑每2-5年实施一次冬灌。
S4：根据S3中初步得出的暗管排盐年限，以试验地实际灌水量为基准设置不同的滴灌水量和不同的暗管排盐周期，运行H2DSWAP模型，根据土壤盐分和作物水分生产率的模拟结果最终得出膜下滴灌与暗管排盐的协同调控运行模式；
为了探究膜下滴灌与暗管排盐协同调控运行模式，根据S3中模拟得到的结果，设置4个灌水水平，即S1(600mm)、S2(540mm)、S3(480mm)和S4(420mm)，冬灌灌水量与实验一致。每种灌水量均设置了周期为2年、3年、4年和5年的冬灌模式，共计16个情景。使用H2DSWAP模型对每种情景进行模拟得到土壤剖面的水盐和作物产量的变化，引入水分生产率(WP)来评估不同冬灌模式的效益，结果如图7所示。
图7(a)-(d)描述了不同冬灌周期和不同滴灌水量下0-100cm深度土壤盐分的变化特征。在本实施例中，以两年为周期的冬灌模式使土壤中的盐分维持在低水平，大约在1-4gkg-1之间。随着冬灌周期变长，土壤盐分仍会呈现逐年积累的趋势，这是土壤蒸发和地下水返盐造成的。在3至5年一灌的冬灌模式下，虽然土壤盐分的积累得到了有效控制，但随着滴灌水量的减少，每个冬灌周期结束时，每个处理的含盐量均不同程度地超过了初始值。
在本实施例中，通过情景分析并引入作物水分生产率(WP)为评价指标，针对生育期不同的灌水量建立了不同的冬灌模式。结果表明(图8)在每2年一次的冬灌模式中，所有灌溉处理的WP相似，虽然产量可以维持在较高水平，但作物的WP一般小于冬灌周期为3-5年的处理。在冬灌周期为3年的模式中，S3处理的WP最大，可以维持在较高水平。在4年一灌的模式中，S2处理的WP最高。当冬灌周期为5年时，作物的WP随着滴灌年限的增加而逐渐减少，总体上S1处理高于其他处理。因此，为了获得最佳的节水增产效果，我们建议在灌水量大于540mm时，每4-5年进行一次冬灌；在灌水量为480mm时，每3年进行一次冬灌；在灌水量为420mm时，每2年进行一次冬灌。与每年实施一次冬灌相比我们建议的运行模式平均每年可节6.4％-12.2％。
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 (5)
1.一种考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法，其特征在于，包括如下步骤：
S1：开展试验获取不同灌水量下的作物在生长周期内的生长指标的变化情况以及在生育期末的产量，并获取不同作物生育期内和暗管排水前后的土壤水分和盐分的含量；
S2：将土壤水盐运移模型HYDRUS-2D和作物生长模型SWAP通耦合构建成H2DSWAP模型，将获得的相关作物生长数据和土壤水盐数据输入H2DSWAP模型，对H2DSWAP土壤模块的土壤水力参数和作物模块的作物参数进行率定，找出生长指标、作物产量、生育期内和暗管排水前后土壤水分盐分含量的模拟值与实测值误差最小的土壤水力参数和作物参数作为最优参数；
S3：设置气候条件、灌水量和滴灌年限的多种组合，以步骤S2得到的最优参数作为经过率定后的H2DSWAP模型的输入参数，并采用率定后的H2DSWAP模型对多种组合进行模拟，根据模拟结果初步得出需要启用暗管排盐的年限；
S4：根据S3中初步得出的暗管排盐年限，以试验地实际灌水量为基准设置不同的滴灌水量和不同的暗管排盐周期，运行H2DSWAP模型，根据土壤盐分和作物水分生产率的模拟结果最终得出膜下滴灌与暗管排盐的协同调控运行模式；
其中，步骤S2中两种模型的具体耦合方式是通过输入文件和输出文件之间的相互转换实现的，具体地，首先将HYDRUS-2D和SWAP模型进行初始化，在一个时间步长内SWAP输出的作物蒸散发量和作物根系生长作为HYDRUS-2D的输入文件，HYDRUS-2D输出的土壤含水率和含盐率作为SWAP在下一个时间步长的输入文件。
2.根据权利要求1所述的考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法，其特征在于，步骤S1中还需的主要数据包括土壤的粒径分布、气象数据、地下水的埋深和含盐量数据以及作物的品种参数。
3.根据权利要求1所述的考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法，其特征在于，对H2DSWAP的土壤水力参数和作物参数进行率定的具体方法为：首先利用试错法缩小土壤参数和作物参数的变化范围，然后采用多目标校正法对参数进行率定，通过H2DSWAP模型进行模拟，每组模拟值包括步骤S1中的生长指标、产量、土壤含盐量和含水量，通过数据处理软件将模拟值与实测值进行比较，选出最优参数。
4.根据权利要求1所述的考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法，其特征在于，率定方法具体还包括：在率定过程中先对土壤剖面的水盐动态变化进行率定，然后对作物的叶面积指数和最终产量进行率定，土壤水力参数的初始值由HYDRUS中各土层的实测容重和粒径分布计算得出，初始作物生长参数由SWAP模型的作物参数数据库获得，采用多目标校正法提取土壤剖面含水量和含盐量的模拟值与实测值进行对比用于率定土壤水力参数，提取作物生长指数指数和作物产量的模拟值与实测值进行对比用于校准作物生长参数。
5.根据权利要求1所述的考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法，其特征在于，步骤S3中还包括如下步骤：
设置多种滴灌水量，进行作物生育期的生长模拟和休耕期的地面曝露模拟，观察不同深度土壤盐分和水分的动态变化以及生育期末土壤盐分累积对作物产量的影响，利用数据处理软件评估土壤盐分的累积程度和作物减产情况，初步得出需要启用暗管排盐的年限。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210103616.6A CN114493011B (zh) | 2022-01-27 | 2022-01-27 | 考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210103616.6A CN114493011B (zh) | 2022-01-27 | 2022-01-27 | 考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114493011A CN114493011A (zh) | 2022-05-13 |
| CN114493011B true CN114493011B (zh) | 2024-05-24 |
Family
ID=81476298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210103616.6A Active CN114493011B (zh) | 2022-01-27 | 2022-01-27 | 考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114493011B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116090914B (zh) * | 2023-02-01 | 2023-09-05 | 中国水利水电科学研究院 | 微咸水用于农业灌溉的矿化度安全阈值识别方法及系统 |
| CN116868713A (zh) * | 2023-05-25 | 2023-10-13 | 中电建路桥集团有限公司 | 一种基于人工智能感知的盐碱土壤改良方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017106962A1 (en) * | 2015-11-17 | 2017-06-29 | Universite Laval | System and method for real-time water management |
| 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 |
| CN111896429A (zh) * | 2020-07-10 | 2020-11-06 | 武汉大学 | 水盐模拟模型中暗管排水排盐边界的改进方法 |
-
2022
- 2022-01-27 CN CN202210103616.6A patent/CN114493011B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017106962A1 (en) * | 2015-11-17 | 2017-06-29 | Universite Laval | System and method for real-time water management |
| 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 |
| CN111896429A (zh) * | 2020-07-10 | 2020-11-06 | 武汉大学 | 水盐模拟模型中暗管排水排盐边界的改进方法 |
Non-Patent Citations (1)
| Title |
|---|
| 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;;灌溉排水学报;20200815(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114493011A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Vazifedoust et al. | Increasing water productivity of irrigated crops under limited water supply at field scale | |
| Celette et al. | Spatial and temporal changes to the water regime of a Mediterranean vineyard due to the adoption of cover cropping | |
| Chen et al. | The effects of biodegradable and plastic film mulching on nitrogen uptake, distribution, and leaching in a drip-irrigated sandy field | |
| Xu et al. | Modeling rice development and field water balance using AquaCrop model under drying-wetting cycle condition in eastern China | |
| Kumar et al. | Simulation of salt dynamics in the root zone and yield of wheat crop under irrigated saline regimes using SWAP model | |
| Faramarzi et al. | Modelling blue and green water resources availability in Iran | |
| Montenegro et al. | Improving agricultural water management in the semi-arid region of Brazil: experimental and modelling study | |
| Ning et al. | Generalization of the root length density distribution of cotton under film mulched drip irrigation | |
| He et al. | Simulation of water balance in a maize field under film-mulching drip irrigation | |
| Phogat et al. | Evaluation of water movement and nitrate dynamics in a lysimeter planted with an orange tree | |
| Peddinti et al. | Dynamics of crop coefficients for citrus orchards of central India using water balance and eddy covariance flux partition techniques | |
| CN114493011B (zh) | 考虑膜下滴灌与暗管排盐协同调控运行模型的构建方法 | |
| Ran et al. | Performance of AquaCrop and SIMDualKc models in evapotranspiration partitioning on full and deficit irrigated maize for seed production under plastic film-mulch in an arid region of China | |
| Verma et al. | Use of saline water for irrigation in monsoon climate and deep water table regions: Simulation modeling with SWAP | |
| Jiang et al. | Irrigation management for spring maize grown on saline soil based on SWAP model | |
| Abedinpour | Evaluation of Growth-Stage-Specific Crop Coefficients of Maize Using Weighing Lysimeter. | |
| Abbs et al. | Recharge estimation for the Liverpool Plains | |
| Tu et al. | Water budget components estimation for a mature citrus orchard of southern China based on HYDRUS-1D model | |
| Nazari et al. | Measurement and simulation of the water flow and root uptake in soil under subsurface drip irrigation of apple tree | |
| Zhang et al. | Incorporating root distribution factor to evaluate soil water status for winter wheat | |
| Zhang et al. | Evaluation of saline water irrigation on cotton growth and yield using the AquaCrop crop simulation model | |
| Chen et al. | Evaluating soil salts dynamics under biodegradable film mulching with different disintegration rates in an arid region with shallow and saline groundwater: Experimental and modeling study | |
| Bai et al. | Simulating on the effects of irrigation on jujube tree growth, evapotranspiration and water use based on crop growth model | |
| Liu et al. | A field-validated surrogate crop model for predicting root-zone moisture and salt content in regions with shallow groundwater | |
| Wang et al. | Significant differences in agro-hydrological processes and water productivity between canal-and well-irrigated areas in an arid region |
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 |