，

(西北大學(xué)城市與環(huán)境學(xué)院，陜西 西安 710127)

土壤墑情，即土壤含水量占烘干土重的百分比。土壤墑情通過(guò)影響作物根系對(duì)水分的吸收進(jìn)而影響農(nóng)作物的生長(zhǎng)發(fā)育及產(chǎn)量，精確預(yù)測(cè)土壤墑情不僅可以有效合理調(diào)整農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，對(duì)于復(fù)雜多變的氣候環(huán)境下的農(nóng)業(yè)生產(chǎn)管理工作具有重大指導(dǎo)意義。土壤墑情及其變化是一個(gè)復(fù)雜的耦合系統(tǒng)，不僅與土壤自身屬性有關(guān)，還受氣候、地形、水文、季節(jié)因素等影響[1]，且各因子之間存在較為復(fù)雜的非線性關(guān)系，通過(guò)選取適宜的土壤墑情影響因子，結(jié)合實(shí)時(shí)獲取的監(jiān)測(cè)數(shù)據(jù)，建立科學(xué)合理的精準(zhǔn)土壤水分預(yù)測(cè)模型[2]。目前常用的土壤墑情預(yù)測(cè)模型有實(shí)測(cè)數(shù)據(jù)的經(jīng)驗(yàn)預(yù)報(bào)模型[3]、遙感數(shù)據(jù)反演改進(jìn)的水云模型[4]、地表水和地下水質(zhì)量守恒的土壤水動(dòng)力模型[5]、支持向量機(jī)模型[6]和具有自我學(xué)習(xí)能力的人工神經(jīng)網(wǎng)絡(luò)模型[7]。經(jīng)驗(yàn)?zāi)Ｐ秃?jiǎn)單、易于應(yīng)用，但預(yù)測(cè)精度有限；水量平衡模型和水動(dòng)力模型具有較高的精度，但參數(shù)較復(fù)雜、建立過(guò)程復(fù)雜；回歸克里格法( Regression Kriging，RK) 和普通克里格(Ordinary Kriging，OK)相比能利用多個(gè)環(huán)境變量進(jìn)行插值，考慮了土壤屬性空間分布過(guò)程中的結(jié)構(gòu)性因子與隨機(jī)性因子，有效提高插值精度[8]。插值方法可分為三類：傳統(tǒng)統(tǒng)計(jì)學(xué)，地統(tǒng)計(jì)學(xué)和混合方法[9]。插值方法被認(rèn)為是影響插值精度的一個(gè)關(guān)鍵因素。

在全球變暖趨勢(shì)下，陜西省近年氣溫升高，降雨呈減少趨勢(shì)，土壤成分變化不穩(wěn)定，對(duì)農(nóng)業(yè)生產(chǎn)影響較大。本文綜合考慮陜西省復(fù)雜多變的氣候和地形特點(diǎn)，選取陜西省2013年3月0～20 cm的土壤墑情數(shù)據(jù)、氣象數(shù)據(jù)及地形數(shù)據(jù)，應(yīng)用RK法構(gòu)建土壤墑情預(yù)測(cè)模型，對(duì)土壤墑情精確預(yù)估、精確田間灌溉和干旱評(píng)估有重要意義。

1 研究方法

1.1 研究區(qū)概況

陜西省位于中國(guó)西北地區(qū)黃河中游，地處東經(jīng)105°29′～111°15′和北緯31°42′～39°35′之間，全省地域南北長(zhǎng)、東西窄，南北長(zhǎng)約880 km，東西寬約160～490 km。地勢(shì)南北高、中間低，有高原、山地、平原和盆地等多種地形，秦嶺山脈作為中國(guó)南北氣候分界線的橫貫全省。陜西橫跨三個(gè)氣候帶，南北氣候差異較大，陜南屬亞熱帶氣候，關(guān)中及陜北大部屬暖溫帶氣候，陜北北部屬中溫帶氣候。降水分布南多北少，陜南為濕潤(rùn)區(qū)，關(guān)中為半濕潤(rùn)區(qū)，陜北為半干旱區(qū)。全省年平均氣溫自南向北、自東向西遞減。陜西水系以秦嶺為界，分屬黃河和長(zhǎng)江兩大流域水系。秦嶺以北為黃河流域水系，有河流2 524條，流域面積占全省總面積的64.8%。秦嶺以南為長(zhǎng)江流域水系，有河流1 772條，流域面積占總面積的35.2%。陜西省土壤類型多種多樣，全省共有21個(gè)土類，土壤的地帶性分布規(guī)律明顯，自北向南依次分布黃綿土、黑壚土、塿土、棕壤、黃褐土等[10](見(jiàn)圖1)。

圖1 研究區(qū)樣點(diǎn)分布圖

1.2 數(shù)據(jù)來(lái)源及預(yù)處理

陜西省冬小麥關(guān)鍵生長(zhǎng)期和需水期為3～5月，0～20 cm處小麥根系分布與土壤水分的吸收與消耗有密切關(guān)系，土壤墑情數(shù)據(jù)采用中國(guó)農(nóng)作物生長(zhǎng)發(fā)育和農(nóng)田土壤濕度旬值數(shù)據(jù)集；氣象資料來(lái)自中國(guó)氣象數(shù)據(jù)網(wǎng)的中國(guó)地面氣候資料年值數(shù)據(jù)集；從地理空間數(shù)據(jù)云平臺(tái)(http://www.gscloud.cn)下載30 m分辨率的ASTER GDEM高程數(shù)據(jù)，在ArcGIS10.3中計(jì)算樣點(diǎn)處的坡度(slope)、坡向(aspect)、地形起伏度、水平曲率(horizontal curvature)、剖面曲率(profile curvature)指數(shù)對(duì)研究區(qū)域0～20 cm土壤相對(duì)濕度資料進(jìn)行統(tǒng)一整編, 并建立數(shù)據(jù)庫(kù)并進(jìn)行數(shù)據(jù)清洗和補(bǔ)全，以便符合模型輸入數(shù)據(jù)格式。

1.3 研究方法

1.3.1 預(yù)測(cè)因子的選取和優(yōu)化

在僅考慮自然因素情況下，陜西省土壤墑情主要受氣象因素和土壤地理位置的影響，以陜西省農(nóng)業(yè)氣象站2013年3月土壤含水量月均值為模型的目標(biāo)值，以氣象因子和地形因子的月均值為模型的輸入值，各因子如表1所示。

1.3.2 RK模型

RK模型通過(guò)建立因變量與自變量之間的線性回歸關(guān)系后得到代表確定性部分的趨勢(shì)項(xiàng)與代表隨機(jī)性部分的殘差項(xiàng)，然后用OK模型對(duì)殘差插值，最后將二者相加得到回歸克里格插值結(jié)果。其過(guò)程可表示為:

f(x) = m( x)+ε(x)

(1)

式中：f(x)為因變量在點(diǎn)x 處的模擬值; m(x)為用普通最小二乘法(OLS)擬合的趨勢(shì)項(xiàng); ε( x)為用OK法插值的殘差項(xiàng)。

在SPSS中用逐步回歸得到墑情與環(huán)境因子的回歸模型，利用該方程可得到土壤墑情的趨勢(shì)項(xiàng)表面并獲得相應(yīng)殘差，然后在ArcGIS地統(tǒng)計(jì)分析模塊對(duì)殘差部分進(jìn)行普通克里格插值得到殘差空間分布表面，最后利用柵格計(jì)算器將兩表面進(jìn)行柵格計(jì)算，得到回歸克里格插值結(jié)果。

1.3.3 精度評(píng)價(jià)

為了檢驗(yàn)RK模型在研究區(qū)土壤墑情預(yù)測(cè)方面的效果，以O(shè)K模型作為參照，對(duì)RK預(yù)測(cè)精度進(jìn)行評(píng)價(jià)。從原始獲取的樣點(diǎn)中隨機(jī)選取30%的數(shù)據(jù)作為驗(yàn)證點(diǎn)(驗(yàn)證子集僅用于驗(yàn)證插值精度)，通過(guò)計(jì)算平均誤差(ME)、平均絕對(duì)誤差(MAE)和標(biāo)準(zhǔn)差(SD)評(píng)價(jià)模型的預(yù)測(cè)精度，其中各誤差值越小，預(yù)測(cè)精度越高。ME 是插值無(wú)偏性的量度，其越接近0說(shuō)明結(jié)果越無(wú)偏; MAE是插值精度的量度，其越小則說(shuō)明插值方法越精確; R是模擬值與測(cè)量值的相關(guān)系數(shù)，其越接近于1說(shuō)明結(jié)果越準(zhǔn)確。

表1 陜西省土壤墑情因子

2 結(jié)果與分析

2.1 土壤墑情的描述統(tǒng)計(jì)

經(jīng)描述性統(tǒng)計(jì)，研究區(qū)樣點(diǎn)的土壤墑情均值為65.02%，范圍為43.00%～98.00%，峰度與偏度分別為0.27 和0.73，經(jīng)過(guò)log變換，符合正態(tài)分布,變異系數(shù)為24.62%，屬中等變異。

2.2 土壤墑情與環(huán)境因子的相關(guān)性分析

表2表明該線性回歸模型符合數(shù)理統(tǒng)計(jì)規(guī)律，墑情與降水量、濕度和水汽壓呈顯著正相關(guān)；與水平曲率之間呈較為顯著負(fù)相關(guān)；且模型的決定系數(shù)較高，表明該模型具有一定的普適性[11][12]。

2.3 土壤墑情空間預(yù)測(cè)結(jié)果

從土壤墑情預(yù)測(cè)圖2來(lái)看，RK和OK預(yù)測(cè)方法對(duì)同一研究區(qū)的空間趨勢(shì)一致，即研究區(qū)南部土壤相對(duì)水分普遍高于研究區(qū)的中北部。RK預(yù)測(cè)結(jié)果與OK預(yù)測(cè)結(jié)果具有相似性，0～20 cm土壤相對(duì)濕度主要與平均相對(duì)濕度與降水量成正比；其與地形也有一定關(guān)系。從制圖效果來(lái)看，RK 法得到的土壤墑情變化范圍為52.466%～89.447%，在2種方法中接近采樣點(diǎn)實(shí)測(cè)值;其土壤相對(duì)濕度范圍不同的小區(qū)域明顯增多，對(duì)于細(xì)部的表達(dá)明顯優(yōu)于OK法。

從土壤墑情空間分布狀況來(lái)看，土壤墑情以秦嶺為界，南北差異較大。2013年初陜西省遭遇了一次嚴(yán)重的氣候干旱，渭北及關(guān)中西部降雨較少；渭北、關(guān)中土壤表層，屬輕度到重度缺墑，影響了冬小麥的生長(zhǎng)。

表2 土壤墑情各因子相關(guān)系數(shù)矩陣

注：“**”表示在0.01 水平(雙側(cè))上極顯著相關(guān)；“*”表示在0.05 水平(雙側(cè))上顯著相關(guān)

2.4 預(yù)測(cè)精度評(píng)價(jià)

通過(guò)計(jì)算預(yù)測(cè)點(diǎn)的擬合優(yōu)度(R2)、平均誤差(ME)、平均絕對(duì)誤差(MAE)和標(biāo)準(zhǔn)差(SD)，檢測(cè)兩種方法的預(yù)測(cè)精度。從表3中發(fā)現(xiàn)RK的ME、MAE和SD均為最小，表明RK模型在0～20 cm的預(yù)測(cè)誤差低于OK模型，精度較高。

圖2 土壤墑情預(yù)測(cè)效果對(duì)比圖

預(yù)測(cè)模型土層深度/cmR2MEMAESDRK0^200.872-0.2002.8844.028OK0^200.790-0.2363.6885.440

3 結(jié)語(yǔ)

(1)RK模型對(duì)土壤含水量預(yù)測(cè)結(jié)果優(yōu)于OK模型預(yù)測(cè)。RK模型表明土壤墑情范圍小區(qū)域細(xì)部的表達(dá)明顯優(yōu)于OK法，在土壤墑情預(yù)測(cè)方面具有較好效果，可以在墑情預(yù)測(cè)中發(fā)揮作用。

(2)陜西省土壤墑情與降水量、濕度及水汽壓呈顯著正相關(guān)，與剖面曲率呈負(fù)相關(guān)；土壤墑情空間分布以秦嶺為界，南北差異較大。

(3)模型預(yù)測(cè)因子僅涉及氣象因素和地形因素，今后需考慮植被類型、地下水位的和土壤類型，提供預(yù)測(cè)精度。由于部分因子之間存在較強(qiáng)相關(guān)性，采用PCA降維提取重要因子集合，以減少數(shù)據(jù)冗余對(duì)預(yù)測(cè)結(jié)果的影響。