葉 杰，周 偉，葉 劍，漆正蓉　(.江蘇省沭陽(yáng)縣氣象局，江蘇沭陽(yáng) 3600；.江蘇省宿遷市氣象局，江蘇宿遷 3800)

?

沭陽(yáng)縣人工與自動(dòng)土壤水分觀測(cè)資料對(duì)比分析

葉 杰1，周 偉1，葉 劍2，漆正蓉1(1.江蘇省沭陽(yáng)縣氣象局，江蘇沭陽(yáng) 223600；2.江蘇省宿遷市氣象局，江蘇宿遷 223800)

摘要[目的]客觀評(píng)估DZN1型自動(dòng)土壤水分觀測(cè)儀的監(jiān)測(cè)能力。[方法]采用對(duì)比差值、逐步回歸等方法，比較分析了2013年1月1日～7月31日沭陽(yáng)國(guó)家農(nóng)氣一級(jí)站的人工與自動(dòng)土壤體積含水量觀測(cè)數(shù)據(jù)。[結(jié)果]人工觀測(cè)值略高于自動(dòng)站觀測(cè)值，兩者在淺層的平均差值最小，變化趨勢(shì)相當(dāng)一致；在分析了人工與自動(dòng)觀測(cè)值相關(guān)系數(shù)后，為降低DZN1型自動(dòng)土壤水分觀測(cè)儀的系統(tǒng)性誤差，獲得較準(zhǔn)確的訂正數(shù)據(jù)，運(yùn)用逐步回歸法建立了沭陽(yáng)土壤水分自動(dòng)站觀測(cè)資料序列訂正模型，并利用該站2014年4月1日～5月31日對(duì)比觀測(cè)資料對(duì)其訂正效果進(jìn)行了檢驗(yàn)，檢驗(yàn)結(jié)果顯著。[結(jié)論]該研究為發(fā)揮觀測(cè)資料的應(yīng)用價(jià)值和氣象服務(wù)效益提供依據(jù)。

關(guān)鍵詞人工觀測(cè)；自動(dòng)觀測(cè)；土壤水分；對(duì)比分析；訂正模型

土壤水分是植物水分的直接來(lái)源，土壤水分含量的多少?zèng)Q定著植物生長(zhǎng)狀況的好壞。同時(shí)，土壤水分是土地持續(xù)利用[1]、水資源管理[2-3]及節(jié)水農(nóng)業(yè)技術(shù)研究[4-5]的基礎(chǔ)，深入分析土壤水分狀況及其變化規(guī)律，對(duì)農(nóng)業(yè)灌溉[6]、土壤墑情[7-9]、土壤水資源的開(kāi)發(fā)利用以及農(nóng)業(yè)干旱[10-11]的監(jiān)測(cè)預(yù)測(cè)具有十分重要的意義。

近幾年來(lái)，隨著土壤水分自動(dòng)觀測(cè)系統(tǒng)的逐漸完善和應(yīng)用，較人工觀測(cè)數(shù)據(jù)在時(shí)間密度、空間密度上更具優(yōu)勢(shì)，為人們研究土壤規(guī)律提供了實(shí)時(shí)依據(jù)。然而，人工觀測(cè)和自動(dòng)觀測(cè)之間不可避免地存在著差異，這種差異對(duì)歷史氣象資料的均一性提出了挑戰(zhàn)，并對(duì)業(yè)務(wù)應(yīng)用產(chǎn)生了影響。我國(guó)學(xué)者在人工與自動(dòng)觀測(cè)資料對(duì)比分析方面開(kāi)展了相關(guān)工作[12-14]，針對(duì)的觀測(cè)要素涵蓋空氣相對(duì)濕度、土壤水分、溫度與水汽壓等，分析方法多采用誤差分析、差值概率及相關(guān)法。筆者利用沭陽(yáng)縣國(guó)家農(nóng)氣一級(jí)站人工與自動(dòng)土壤體積含水量觀測(cè)數(shù)據(jù)，采用對(duì)比差值、逐步回歸等方法，對(duì)這2組數(shù)據(jù)進(jìn)行對(duì)比分析，客觀評(píng)價(jià)DZN1型土壤水分觀測(cè)儀的觀測(cè)能力，為發(fā)揮觀測(cè)資料的應(yīng)用價(jià)值和氣象服務(wù)效益提供依據(jù)。1資料與方法

所用資料為2013年1月1日～7月31日沭陽(yáng)縣國(guó)家基本氣象站的日降水量數(shù)據(jù)和兩組土壤濕度對(duì)比觀測(cè)資料，所有數(shù)據(jù)均經(jīng)過(guò)初步的質(zhì)量控制。其中一組為DNZ1型自動(dòng)土壤水分觀測(cè)儀觀測(cè)的10、20、30、40、50、60、80、100 cm共8個(gè)土層逐小時(shí)的土壤濕度資料；另一組為每旬逢3、逢8日同樣8個(gè)土層的同步人工觀測(cè)土壤水分資料，其鉆孔取土的位置均分布在自動(dòng)站傳感器埋設(shè)位置四周半徑2～10 m，如遇≥10 mm以上的降水則延遲至次日取土，各層每次均取4個(gè)重復(fù)，測(cè)定方法采用中國(guó)氣象局《農(nóng)業(yè)氣象觀測(cè)規(guī)范》規(guī)定的烘干稱(chēng)重法，觀測(cè)地段為非灌溉自然狀態(tài)下的地塊。自動(dòng)土壤水分觀測(cè)儀傳感器需遵循土壤體積含水量在0～50%的工作范圍要求。為了便于與DZN1型土壤水分觀測(cè)儀測(cè)定的土壤體積含水量Q進(jìn)行比較，統(tǒng)一將人工觀測(cè)數(shù)據(jù)土壤重量含水率w通過(guò)公式換算成土壤體積含水量[15]，二者的換算公式為Q=wρ，其中，ρ為地段實(shí)測(cè)土壤容重(g/cm3)。

人工土壤濕度觀測(cè)一般僅在每旬逢3、逢 8日有觀測(cè)數(shù)據(jù)，所以取與其同時(shí)期對(duì)應(yīng)土層的自動(dòng)獲取的土壤濕度觀測(cè)數(shù)據(jù)，構(gòu)成2個(gè)組42個(gè)時(shí)次的樣本序列。因?yàn)橥寥罎穸纫话闶墚?dāng)天及前幾天發(fā)生的降水影響，在此取當(dāng)天和前2 d(共3 d)的平均降水量作為影響當(dāng)天土壤濕度的降水量。

2結(jié)果與分析

2.1人工和自動(dòng)觀測(cè)數(shù)據(jù)對(duì)比差值分析利用沭陽(yáng)站評(píng)估對(duì)比觀測(cè)階段(2013年1月1～7月1日)的人工和自動(dòng)觀測(cè)42組數(shù)據(jù)以及相應(yīng)時(shí)段的日降水量進(jìn)行對(duì)比差值(人工-自動(dòng))分析。由圖1可見(jiàn)，10 cm淺層平均土壤體積含水量的人工觀測(cè)值基本上高于自動(dòng)觀測(cè)值，但兩者差值較小，均在1.8%以?xún)?nèi)；在前11組觀測(cè)數(shù)據(jù)無(wú)有效降水時(shí)段內(nèi)，兩者觀測(cè)值均有明顯的下滑趨勢(shì)；在有效降水時(shí)段內(nèi)，人工與自動(dòng)站觀測(cè)值每一次升高均與對(duì)應(yīng)時(shí)間發(fā)生的降水相匹配，即受降水影響較大。在中層(50 cm)，土層土壤體積含水量的人工觀測(cè)與自動(dòng)站觀測(cè)值有明顯的差距，尤其是在強(qiáng)降水發(fā)生時(shí)，其中降水最強(qiáng)的第12組對(duì)應(yīng)的差值達(dá)4.3%；在前11組無(wú)有效降水時(shí)段內(nèi)，人工與自動(dòng)觀測(cè)值均有下降趨勢(shì)，其中人工觀測(cè)值下降更為明顯；與淺層相比，兩者下降速度均較緩慢，即受降水影響相對(duì)較??；在有較小降水時(shí)，自動(dòng)站觀測(cè)值有較小幅度的上升，而人工觀測(cè)數(shù)據(jù)明顯大于自動(dòng)站。在深層(100 cm)，土層土壤體積含水量的人工觀測(cè)與自動(dòng)站觀測(cè)值的差值更明顯，最大差值達(dá)5.4%；在前11組無(wú)有效降水時(shí)段內(nèi)，人工觀測(cè)值有較明顯上升，而自動(dòng)站觀測(cè)值卻基本保持平穩(wěn)；在有較小有效降水發(fā)生期間，人工觀測(cè)值數(shù)據(jù)有所上升，而自動(dòng)站卻緩慢下降；在有強(qiáng)降水發(fā)生時(shí)，人工觀測(cè)值有明顯上升，而自動(dòng)站觀測(cè)值上升波動(dòng)較小。

由此可見(jiàn)，人工觀測(cè)值總體高于自動(dòng)觀測(cè)值，在強(qiáng)降水發(fā)生時(shí)更加明顯；人工與自動(dòng)站觀測(cè)對(duì)比差值隨土壤深度加深，總體增大。造成差異的原因可能是：在強(qiáng)降水出現(xiàn)時(shí)，淺層土壤濕度很高，在人工鉆孔取土過(guò)程中有一定水分隨土鉆擠壓滲透到所取土壤樣本中，導(dǎo)致所取土壤樣本的濕度值偏高。

2.2自動(dòng)與人工觀測(cè)值相關(guān)系數(shù)分析從表1可以看出，土壤體積含水量的人工與自動(dòng)站觀測(cè)值的相關(guān)系數(shù)在淺層(10 cm)和中層(50 cm)分別為0.975 4和0.714 1，均通過(guò)了0.01的信度檢驗(yàn)，為顯著相關(guān)；而深層(100 cm)的相關(guān)系數(shù)為0.167 3，未通過(guò)0.05的信度檢驗(yàn)。可見(jiàn)，淺層土壤體積含水量人工與自動(dòng)站觀測(cè)值相關(guān)性最好，中層其次，而深層相關(guān)性最差。這與前面的對(duì)比差值分析相吻合。

表1沭陽(yáng)土壤水分自動(dòng)與人工觀測(cè)數(shù)據(jù)的偏差與相關(guān)性

Table 1Deviation and correlation of automatic and artificial observation data of soil moisture in Shuyang

注：*、** 分別表示通過(guò)α=0.05、α=0.01的信度檢驗(yàn)。

Note：*，** stand for pass through α=0.05，α=0.01 reliability test.

2.3訂正模型及效果檢驗(yàn)將2013年1月1日～7月31日0～10、10～20、20～30、30～40、40～50、50～60、70～80、90～100 cm土層人工觀測(cè)和自動(dòng)觀測(cè)每?jī)山M土壤體積含水量及與其有關(guān)的日降水量、日蒸發(fā)量作為序列，以人工觀測(cè)土壤體積含水量為自變量Y，以自動(dòng)站土壤體積含水量(X1)、降水量(X2)和蒸發(fā)量(X3)作為因變量[16]，建立沭陽(yáng)站不同土壤層次的自動(dòng)站觀測(cè)資料序列訂正多元回歸模型[17-18]。

假定各個(gè)影響因素與Y的關(guān)系是線(xiàn)性的，則多元線(xiàn)性回歸模型為Y=b0+b1X1+b2X2+b3X3。顯著性檢驗(yàn)(表2)發(fā)現(xiàn)，0～10、10～20、20～30、30～40、40～50、50～60 cm各土層建立的回歸模型F檢驗(yàn)的P值很小，有的近似為0，小于顯著性水平α=0.05，所以0～60 cm土層的自動(dòng)站觀測(cè)資料序列訂正多元回歸方程檢驗(yàn)結(jié)果顯著。因深層相關(guān)性較小，80～100 cm建立的模型并未能通過(guò)顯著檢驗(yàn)，故表2中未列出。

利用2014年4月1日～5月31日沭陽(yáng)站2個(gè)月的人工觀測(cè)土壤體積含水量和自動(dòng)觀測(cè)值共計(jì)12組資料對(duì)各土層自動(dòng)站觀測(cè)資料序列訂正多元回歸模型進(jìn)行驗(yàn)證。從圖2可以看出，沭陽(yáng)站2014年4～5月10、20、30、40、50、60 cm土層自動(dòng)站土壤水分含水量訂正值與人工實(shí)測(cè)值的相關(guān)系數(shù)分別為0.921 498、0.763 423、0.795 265、0.809 845、0.828 102、0.784 374，表明自動(dòng)站土壤體積含水量訂正值與人工土壤體積含水量均擬合一致，驗(yàn)證效果顯著。

3結(jié)論與討論

(1)自動(dòng)站相對(duì)于人工觀測(cè)方法，各層土壤體積含水量均存在一定的偏差，這可能與儀器本身的系統(tǒng)誤差有關(guān)，也可能與取土?xí)r間、地點(diǎn)及其他形式的偶然誤差有關(guān)。但盡管如此，二者仍具有一致的相關(guān)性，0～60 cm土層的相關(guān)系數(shù)均高于顯著性水平α=0.05的臨界值，通過(guò)自動(dòng)站土壤體積含水量和日降水量、日蒸發(fā)量建立的多元線(xiàn)性訂正模型效果也比較明顯。

(2)人工觀測(cè)值基本高于自動(dòng)站觀測(cè)值，兩者在淺層的平均差值最小，變化趨勢(shì)相當(dāng)一致，均受降水影響較大。兩者在中層的平均差值比淺層大，在出現(xiàn)強(qiáng)降水時(shí)尤為明顯。在深層的對(duì)比差值比淺層、中層均大，其中自動(dòng)觀測(cè)值變化基本穩(wěn)定，受降水影響很小，而人工觀測(cè)波動(dòng)較大，受降水影響相對(duì)較大。

(3)淺層的人工與自動(dòng)觀測(cè)值相關(guān)性最好，深層相關(guān)性最差，總體來(lái)說(shuō)兩者相關(guān)性隨土層深度的加深而遞減。

(4)0～60 cm土層的訂正回歸方程F檢驗(yàn)的P值很小，檢驗(yàn)結(jié)果顯著；而深層(80～100 cm)建立的模型未能通過(guò)顯著性檢驗(yàn)。

(5)利用2014年4月1日～5月31日沭陽(yáng)站2個(gè)月的人工觀測(cè)土壤體積含水量和自動(dòng)觀測(cè)值共計(jì)12組資料對(duì)各土層自動(dòng)站觀測(cè)資料序列訂正多元回歸模型進(jìn)行驗(yàn)證，結(jié)果表明，各土層的訂正模型效果較好。

參考文獻(xiàn)

[1] 連綱，郭旭東，王靜，等.土壤質(zhì)量與可持續(xù)土地利用管理[J].生態(tài)學(xué)雜志，2005(2)：163-169.

[2] 丁文喜.中國(guó)水資源可持續(xù)發(fā)展的對(duì)策與建議[J].中國(guó)農(nóng)學(xué)通報(bào)，2011(14)：221-226.

[3] 夏軍，翟金良，占車(chē)生.我國(guó)水資源研究與發(fā)展的若干思考[J].地球科學(xué)進(jìn)展，2011(9)：905-915.

[4] 李玉義，逄煥成，王婧，等.中國(guó)節(jié)水農(nóng)作制度發(fā)展趨勢(shì)探討[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2010(3)：88-93.

[5] 康紹忠，蔡煥杰，馮紹元.現(xiàn)代農(nóng)業(yè)與生態(tài)節(jié)水的技術(shù)創(chuàng)新與未來(lái)研究重點(diǎn)[J].農(nóng)業(yè)工程學(xué)報(bào)，2004(1)：1-6.

[6] 姚林，鄭華斌，劉建霞，等.中國(guó)水稻節(jié)水灌溉技術(shù)的現(xiàn)狀及發(fā)展趨勢(shì)[J].生態(tài)學(xué)雜志，2014(5)：1381-1387.

[7] 粟容前，康紹忠，賈云茂.農(nóng)田土壤墑情預(yù)報(bào)研究現(xiàn)狀及不同預(yù)報(bào)方法的對(duì)比分析[J].干旱地區(qū)農(nóng)業(yè)研究，2005(6)：198-203.

[8] 朱新國(guó)，林方存，高湖濱.墑情監(jiān)測(cè)研究進(jìn)展綜述[J].節(jié)水灌溉，2011(11)：53-55，58.

[9] 張益，馬友華，江朝暉，等.土壤水分快速測(cè)量傳感器研究及應(yīng)用進(jìn)展[J].中國(guó)農(nóng)學(xué)通報(bào)，2014(5)：170-174.

[10] 王利娜，蘇靜，鄭曉東，等.我國(guó)農(nóng)業(yè)干旱風(fēng)險(xiǎn)研究進(jìn)展簡(jiǎn)述[J].水科學(xué)與工程技術(shù)，2011(2)：3-7.

[11] 李芬，于文金，張建新，等.干旱災(zāi)害評(píng)估研究進(jìn)展[J].地理科學(xué)進(jìn)展，2011(7)：891-898.

[12] 周清，朱保美.DZN1型自動(dòng)站與人工測(cè)定土壤濕度對(duì)比分析[J].中國(guó)農(nóng)學(xué)通報(bào)，2013(6)：108-112.

[13] 黃文杰，呂軍，翟伶俐，等.人工與自動(dòng)土壤水分觀測(cè)資料差異探討[J].中國(guó)農(nóng)學(xué)通報(bào)，2013(14)：146-149.

[14] 費(fèi)啟瓅，袁慧玲，阿不都外力·阿不力克木，等.江蘇省自動(dòng)土壤水分觀測(cè)與人工觀測(cè)對(duì)比分析及應(yīng)用[J].氣象科學(xué)，2013(3)：302-307.

[15] 馬玉瑩，雷廷武，張心平.測(cè)量土壤質(zhì)量含水率的體積置換方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013(12)：148-153.

[16] 李涵茂，方麗，賀京，等.基于前期降水量和蒸發(fā)量的土壤濕度預(yù)測(cè)研究[J].中國(guó)農(nóng)學(xué)通報(bào)，2012(14)：252-257.

[17] 張翔，陳建能.關(guān)于回歸方程自變量的選擇[J].福建農(nóng)業(yè)大學(xué)學(xué)報(bào)，1999(3)：357-360.

[18] 盧文喜，司昌亮，程衛(wèi)國(guó)，等.基于多元線(xiàn)性回歸的水稻產(chǎn)量與各生理參數(shù)關(guān)系研究[J].節(jié)水灌溉，2012(12)：37-39，42.

Comparative Analysis of Artificial and Automatic Soil Moisture Observation Data in Shuyang County

YE Jie1, ZHOU Wei1,YE Jian2et al

(1. Shuyang Meteorological Bureau, Shuyang, Jiangsu 223600; 2. Suqian Meteorological Bureau, Suqian, Jiangsu 223800)

Key wordsArtificial observation; Automatic observation; Soil moisture; Comparative analysis; Correction model

Abstract[Objective] The aim was to objectively evaluate the monitoring ability of the DZN1 type automatic soil moisture monitoring instrument. [Method] By using contrast difference, regressive regression methods, artificial and automatic observation data of soil volumetric moisture content from Shuyang National Agricultural Gas primary station during Jan.1-Jul.31, 2013 was compared and analyzed. [Result] The artificial observed value was slightly higher than that of the automatic station, the average difference was minimum in shallow layer, the change trend was quite consistent; after analyzing the correlation coefficient between artificial and automatic observation value, in order to reduce the systematic errors of the DZN1 type automatic soil moisture meter and obtain more accurate correction data, using the stepwise regression method, the sequence correction model of soil moisture automatic observation data in Shuyang was established. The correction effect was detected using contrast data during Apr.1-May 31, 2014, the test result was significant. [Conclusion] The study provides a basis for application of the observed data and meteorological service benefit.

基金項(xiàng)目宿遷市氣象局氣象科研項(xiàng)目(sq201403)。

作者簡(jiǎn)介葉杰(1980- )，女，江蘇宿遷人，助理工程師，從事地面測(cè)報(bào)、農(nóng)業(yè)氣象研究。

收稿日期2016-02-16

中圖分類(lèi)號(hào)S 164

文獻(xiàn)標(biāo)識(shí)碼A

文章編號(hào)0517-6611(2016)07-224-03