阜新春播關鍵期土壤墑情變化特征及預測模型的構建

陶 倩,舒海燕,趙振宇,范 野,楊曉彤,趙 巍,趙 軍

(阜新市氣象局,遼寧 阜新 123000)

土壤墑情是農作物生長發育過程中的一個重要基礎條件,是農作物種植和農業氣象監測中重要考慮的因素。 影響土壤墑情的因素有很多,如:氣溫、降水、風速、徑流、土壤質地等。 不同地區氣候條件不同,影響土壤墑情的因子各有差異。 阜新地區農作物播種的關鍵季節是4 月,3 ～4 月期間多大風,氣溫回暖快,降水量很少[1～2],大部分年份不能滿足農作物出苗、育苗需要,春旱經常發生,俗有“十年九春旱”之稱。 所以研究阜新地區春播關鍵期土壤墑情變化特征及預測方法對指導本地農業生產具有重要意義。

一些氣象學者分析了地區級土壤濕度變化趨勢和突變性[3～5]。 胡春麗等分析了遼寧省春播期土壤濕度突變和周期性特征[6]。 張敬超等根據當地農業氣候特點,利用氣象因子對土壤墑情的影響建立了土壤墑情多元預測模型[7～12]。 孫美薇等研究了季節性凍土區土壤濕度的特征及影響因素[13～14]。 李雨鴻用歷史資料進行分析、差值計算、預測值回代等方法定量化預測了遼寧省土壤相對濕度[15]。 王小桃等發現前一年秋季封凍墑情對遼西地區春播期土壤濕度的影響特別顯著,并建立了預測模型[16～18]。 阜新地區位于遼寧西北部的內蒙古高原和遼河平原的中間過渡帶,為丘陵地帶,全境呈現長矩形。 屬于北溫帶大陸季風氣候,四季分明,光照充足,各季雨量分布不均勻,很容易發生春旱,對農作物產生嚴重影響,導致產量的下降。 目前,關于阜新地區春播關鍵期土壤墑情特征上的研究還存在不足,仍然停留在年際變化方面,還應增加突變性和周期性特征的研究。

本文對阜新地區春播關鍵期土壤墑情變化進行了分析,并利用前秋(9 ～11 月)和同期(1 ～4月)各氣象因子,建立了春播關鍵期耕作層土壤墑情的預測模型,以期為阜新地區有效應對春旱發生、合理安排灌溉提供科學依據。

1 數據來源與研究方法

1.1 數據來源

數據來源于阜新地區阜蒙縣農業氣象觀測站,1980～2021 年固定地段的春播關鍵期4 月10～20 cm 平均土壤墑情(土壤重量含水率)。 根據《農業氣象觀測規范》,土壤墑情測量采用人工取土烘干法,各觀測值的土壤含水量平均值按 3 點取樣法計。 將固定觀測日4 月3 日、8 日、13 日、18 日 、23 日、28 日觀測值做算術平均,作為春播關鍵期土壤墑情值。

阜蒙縣氣象觀測站1980 ～2022 年月平均氣溫、平均相對濕度、平均2 min 風速,前秋降水(定義為前一年秋季9、10、11 月各月累計降水量),秋季底墑(定義為前一年秋季11 月28 日土壤封凍前最后1 次觀測的土壤墑情平均值)。 前一年9～11 月氣象要素簡稱為前期因子,同一年1 ～4 月氣象要素簡稱為同期因子。

1.2 研究方法

1.2.1 土壤墑情分析

采用Mann-Kendall 突變分析方法進行趨勢檢驗和突變分析。 通過在MATLAB 2018a 中運行,得到1981～2022 年土壤墑情的M-K 檢驗值,以及逆序列M-K 檢驗值,進行趨勢檢驗和突變分析。 當UF＞0,表明氣候序列呈增加的趨勢;當UF＜0,表明氣候序列呈減少的趨勢。 給定顯著性水平α=0.05 或α=0.01(統計量臨界值±1.96 或±2.56),當曲線超過置信線時,表明突變增加或突變減少的趨勢明顯。 當超過臨界值±2.56 時,說明突變趨勢極其顯著。

采用周期分析方法對土壤墑情波動周期及尺度進行分析。 對土壤墑情值進行Morlet 小波變換獲取復小波系數,計算復小波系數的實部,繪制小波系數實部等值線圖,當小波系數實部值為正時,代表土壤墑情偏濕年,用暖色調表示;當小波系數實部值為負時,代表土壤墑情偏干年,用冷色調表示。 小波方差能反映土壤墑情時間序列中包含的時間尺度的周期性波動及其能量強弱隨尺度變化的特性。

1.2.2 預測模型的構建

采用多元線性回歸方法構建春播關鍵期耕作層土壤墑情的預測模型。 設因變量Y隨n個自變量的x1、x2、x3、x4、…、xn的變化而產生變化,其中a0、a1、a3、…、an,為回歸方程的回歸系數,ε 為隨機誤差。 因變量與自變量具有線性關系,公式表示為:

Y=a0+a1x1+a2x2+a3x3+…+anxn+ε

本文采用此方法建立了土壤墑情與氣象因子的預測模型,實現定量化的春播關鍵期農業干旱預測。

2 結果與分析

2.1 春播期土壤墑情年際變化

1981～2022年阜新春播關鍵期耕作層(10 ～20 cm)土壤墑情總體呈波動下降趨勢,氣候傾向率為-0.3/10 年(圖1)。 階段性較大值集中在1988、1990、2005、2013 年,歷史極大值15.7%出現在1990 年;較小值集中在2003、2010、2017、2019 年,歷史最小值6.2%出現在2003 年。 根據《阜新市農業標準規范DB2109》10 ～20 cm 層土壤旱與不旱的墑情臨界值是12%,統計得出近42年阜新地區春播關鍵期土壤墑情達到干旱的年份占71.4%。 用5 日滑動平均法進行趨勢分析,近42 年耕作層土壤墑情變化存在2 個階段的上升趨勢,2 個階段的下降趨勢。 1981 ～1990 年、2004～2015 年呈現波動上升趨勢, 1991 ～2003 年、2016～2022 年呈現波動下降趨勢。

圖1 1981～2022 年土壤墑情趨勢變化Figure 1 1981～2022 trend of soil moisture

2.2 春播期土壤墑情突變分析

Mann-Kendall 檢驗結果見圖2,UF、UB 統計量在1997、1998、1999 年出現交叉,用Pettitt 方法進一步驗證,確定春播關鍵期土壤墑情在1999 年發生了突變,突變后呈明顯的下降趨勢。 下降趨勢在2003～2005 年達到α=0.05 的顯著性水平,2018～2022 年達到α=0.01 的極顯著水平。

圖2 土壤墑情M-K 突變曲線Figure 2 M-K mutation curve of soil moisture

2.3 春播期土壤墑情周期變化

根據1981 ～2022 年春播關鍵期土壤墑情值,繪制小波系數實部等值線、小波方差曲線(圖3)。結果表明,土壤墑情存在二個尺度的主要周期變化規律,且二個周期尺度均存在于整個數據年限。其中一個周期為42 年,為主周期,20 世紀90 年代中前期～21 世紀初,小波系數實部等值線密度大,持續時間年限小,小波系數值有正值,說明該時間段土壤墑情下降劇烈,干旱強度最大,這與上文敘述的土壤墑情歷史極小值出現在2003 年是一致的;且在20 世紀80 年代～21 世紀20 年干濕交替顯著,共經歷了1.5 次交替震蕩。 另一個周期為12 年,為次周期,20 世紀80 年代初至20 世紀90 年代末,小波系數實部等值線密度小,系數為負值,說明該時間段為持續時間較長的干旱期;20 世紀90 年代末至今干濕交替顯著,共經歷4次交替震蕩。

圖3 土壤墑情小波系數實部等值線(a)及小波方差曲線(b)Figure 3 The isoline (a) and the variance curve (b) of the wavelet coefficients of soil moisture

2.4 月尺度氣象因子對春播期土壤墑情影響

2.4.1 月尺度降水影響因子

影響阜新地區春播關鍵期土壤墑情的降水因素主要是前秋降水,通過了α=0.01(Rc=0.666)顯著性檢驗。 前秋降水偏多,秋末封凍在土壤中的水分較多,來年春季氣溫回升土壤解凍返漿,土壤中含水量偏多,能減少春旱發生或減弱旱情強度;前秋降水偏少,秋末封凍在土壤中的水分偏少,來年容易發生春旱或加重旱情強度。 9 月降水與土壤墑情呈正相關,通過了α=0.01(Rc=0.651)顯著性檢驗,10 月降水與土壤墑情呈正相關,未通過顯著性檢驗,11 月降水與土壤墑情呈正相關,通過了α=0.05(Rc=0.325)顯著性檢驗;同期1 ～4 月各月降水與土壤墑情均呈正相關,但都沒有通過顯著性檢驗,這與歷年1 ～4 月降水次數偏少、有效降水少有關。 歷年(1991 ～2022 年)1 ～4 月阜蒙縣降水僅為32.9 mm,占全年降水的6.8%,當春季3～4 月降水偏多時,對緩解春播期土壤干旱是非常有利的。

2.4.2 月尺度氣溫、相對濕度、2 min 風速影響因子

經過計算分析得出,前期月平均氣溫、相對濕度、2 min 平均風速對土壤墑情的影響比同期氣象要素顯著;同期4 月上述氣象要素對土壤墑情影響顯著,其它月份影響不顯著。 前秋9 月氣溫與土壤墑情呈負相關,通過了α=0.05 顯著性檢驗,前秋9 月氣溫越高土壤水分蒸發越快儲存在土壤中的水分越少。 11 月氣溫與土壤墑情呈顯著正相關,11 月氣溫越高土壤結凍日期越晚,秋季末降水越容易滲透到土壤中封凍。 同期1 ～3月氣溫與土壤墑情呈負相關,未通過顯著性檢驗;同期4 月氣溫與土壤墑情呈顯著負相關,4 月氣溫越高,土壤水分蒸發流失越快,旱情強度越強。

空氣相對濕度對土壤墑情的影響順序為:前秋9 月＞同期4 月＞前秋10 月,均通過了α=0.01顯著性檢驗,11 月～翌年3 月影響不顯著。 前秋9～11 月2 min 平均風速與土壤墑情均呈負相關,前秋風速影響比同期風速影響顯著;同期1 ～3 月2 min 平均風速與土壤墑情相關性不顯著,而4 月份顯著,這是因為第二年春季,隨著氣溫升高,3月末～4 月初土壤開始解凍返漿,到4 月中旬10～20 cm 土壤完全化通,土壤化通后風速越大,會加快水分蒸發速度,墑情流失越多。

綜合考慮各要素,當前一年秋季氣溫高,空氣干燥,風速大,封凍前土壤失墑嚴重,土壤中儲存的水分含量少,第二年春季3 ～4 月氣溫回暖溫度高、風速大、空氣干燥,返漿水分流失多,雙重影響會加重春播期土壤旱情強度。

2.4.3 秋季底墑影響

很多學者研究發現遼西地區秋季底墑和春播期土壤墑情有顯著的正相關,前秋底墑含水量充足,來年土壤解凍返漿,土壤濕潤,不易發生春旱[15～17]。 分析阜蒙縣1980 ～2022 年數據發現,前秋降水和底墑對來年春播期土壤墑情都有顯著的正相關,底墑與春播期土壤墑情正相關,通過了α=0.01(Rc=0.583)顯著性檢驗。 秋季降水和底墑有正相關關系,通過了α=0.01(Rc=0.808)顯著性檢驗。 說明秋季降水偏多時滲透在土壤中的水分充足,封凍前保留在土壤中的水分多,造成底墑較好;反之當秋季降水偏少時,保留在土壤中的水分偏少,底墑就差。 因此,秋季降水量的多少是造成底墑好壞的直接原因。

根據《阜新市農業標準規范DB2109》,對近42 年秋季底墑和春播期土壤墑情干旱狀態進行分類,大于等于12%為不旱用2 表示,小于12%為干旱用1 表示。 分析秋季底墑干旱時翌年春季土壤干旱的分布情況,如圖4a 顯示,當秋季底墑干旱,春播期土壤也干旱的年份占61.9%。 圖4b顯示,春播期土壤墑情值與秋季底墑值之差,在±2.0%內振幅震蕩的年份占78.5%,在±1%內振幅震蕩的年份占61.9%。 說明秋季底墑對來年春播期土壤墑情的干旱狀態具有很好指示意義。

圖4 前秋底墑干旱與春播期墑情干旱狀態分類 (a)及前秋墑與春播墑差頻率(b)Figure 4 Classification of drought state of pre-autumn soil moisture and spring sowing date (a) and difference frequency of pre-autumn soil moisture and spring sowing soil moisture (b)

3 土壤墑情預測模型的構建

3.1 回歸模型

數據分析得出,前一年秋季和同期4 月氣溫、相對濕度與2 min 平均風速以及秋季底墑對土壤墑情的影響極其顯著。 本文建立翌年春播關鍵期耕作層(10～20 mm)土壤墑情的預測模型時引入因子除了前秋降水外還引入這4 個氣象要素的滑動平均值,利用spss17.0 用逐步回歸方法進行模型建立,最終預測模型為Y=3.881lnx1-1.873x2-1.559(x1為前秋降水3 年滑動平均值,x2為前秋2 min 平均風速5 年滑動平均值,其他因子因為存在共線性等原因而被剔除),擬合率R2=0.736,預測模型通過了α=0.01 顯著性檢驗,預測因子lnx1的相關系數Rc=0.760,p值為0.002;x2的相關系數Rc=-0.607,p值為0.005。

3.2 預測誤差分析

由圖5a 可見,預測模型整體上很好的模擬了實測值增加、減小的變化趨勢,異常偏小的年份共有4 年,其中2003 年、2010 年的預測結果誤差較小,但是2017 年和2019 年的預測相對誤差偏大,分別為17.3%和19.2%。

圖5 土壤墑情實測值與預測值趨勢變化曲線(a)及土壤墑情預測值相對誤差變化曲線(b)Figure 5 Trend change curve (a) and relative error change curve (b) of soil moisture measured and predicted

通過相對誤差分析得出(圖5b),預測值比實測值偏大年份有19 年,預測值比實測值偏小年份有18 年;±10%相對誤差以內的年份共有31 年,占73.8%;用模型定量預測出2023 年春播關鍵期耕作層土壤墑情值是13.04%,實測值12.76%,預測值相對誤差為2.2%,預測效果較好,在實際春耕服務中發揮了預期的指導作用。 綜上所述,該模型對春播期土壤墑情預測有很大的實用價值。

表1 耕作層土壤墑情與氣象因子相關性Table 1 Correlation between soil moisture in cultivated layer and meteorological factors

4 結論與討論

近42 年阜新地區春播關鍵期耕作層土壤墑情總體呈波動下降趨勢,氣候傾向率為-0.3/10年。 1999 年突變后呈明顯的下降趨勢,下降趨勢在2003 ～2005 年達到α=0.05 的顯著性水平,2018～2022 年達到α=0.01 的極顯著水平。

土壤墑情存在12～14 年、36 ～45 年兩個時間尺度的周期變化規律,20 世紀90 年代中前期至21 世紀10 年代初,土壤墑情下降劇烈,干旱強度最大,這與歷史極小值出現在2003 年是一致的。

春播關鍵期土壤墑情的顯著影響因子為前秋降水3 年滑動平均值、前秋2 min 平均風速5 年滑動平均值,預測模型為Y=3.881lnx1-1.873x2-1.559,通過了α=0.01 顯著性檢驗。

此方法簡單易行,極大的提高了農業氣象服務時效性,對指導當地農業生產具有重大意義。但是,多元回歸方法與氣象要素構建的相關關系局限為線性關系,預測準確率會受到限制。 因為土壤墑情數據具有非線性特征,未來可以嘗試用多種方法構建土壤墑情和氣象要素的非線性模型,進一步優化預測效果。