袁宏偉，湯廣民，袁先江，趙 暉

(1.安徽省水利部淮委水利科學研究院 水利水資源安徽省重點實驗室，合肥 230088；2.山東省臨沂市國土資源局土地整理中心，山東 臨沂 276000)

0 引 言

土壤物理性質的測定是測量和確定土壤不發(fā)生化學變化就表現出來的性質，土壤物理性質與其水分、空氣、熱量狀況以及對農田灌排的要求和耕作效果密切相關。因此，測定土壤物理性質是調節(jié)水、肥、氣、熱矛盾，進行土壤管理的基礎工作，具有非常重要的意義[1-3]。

安徽省淮北平原砂姜黑土區(qū)是全省主要的糧食產區(qū)，種植的主要糧食作物為冬小麥和夏玉米。隨著近幾年政府倡導秸稈禁燒政策之后，夏玉米的耕作方式發(fā)生了極大的變化，由焚燒冬小麥秸稈后翻耕播種變?yōu)榻斩掃€田免耕播種。耕作方式的變化也造成了夏玉米播種前的土壤物理性質與以往不同[1]，因此有必要對夏玉米播種后的土壤基礎物理性質進行重新取樣分析。

土壤水分特征曲線作為土壤的最基本物理特性，是研究包氣帶土壤水分保持能力和運移的基礎及與水分運動相關的熱量、溶質運動的基礎[6]。土壤水分特征曲線表示土壤水吸力和含水率之間的關系，可用于分析土壤中孔隙大小及分布、土壤的持水性及土壤水的有效性，關系到農作物灌溉制度的確定[4-10]。土壤水分特征曲線測定方法主要有經驗公式法及直接測定法，其中經驗公式法主要有Brooks-Corey模型、Van Genuchten模型(簡稱VG模型)和Arya-Paris模型等，直接測定法則包括離心機法、張力計法、壓力膜儀法、平衡水汽壓法、砂芯漏斗法等[4-10]。因VG模型的線型與實測曲線的吻合程度較高且參數具有明確物理意義，故目前國內外多采用該模型對土壤水分特征曲線進行描述[4,5]。如何得到精確的模型參數成為相關研究的重點。VG模型參數的確定是典型的非線性擬合問題，傳統(tǒng)最小二乘法等擬合方法效果不理想，而隨著人工智能技術的發(fā)展，可以利用智能算法對模型參數進行自動優(yōu)化，粒子群算法、模擬退火算法、遺傳算法和螢火蟲算法等智能算法已經被應用于解決該問題[4,5]。上述算法各有優(yōu)缺點，但普遍存在計算量大，優(yōu)化速度慢等問題，因此本文利用金菊良[13]等提出的加速遺傳算法(accelerating genetic algorithm)，來優(yōu)化VG模型參數，為參數優(yōu)化提供更為高效且精確的方法，同時可以為探索加速遺傳算法在該領域的應用提供參考。

本文對淮北平原區(qū)免耕農田不同深度的原狀土壤進行取樣，用激光法和壓力膜儀法測定了土壤的機械組成和水分特征曲線，分析其分布變化規(guī)律，并利用實測數據通過加速遺傳算法對VG模型的4項參數進行了優(yōu)化率定，對土壤脫濕過程進行了模擬。研究結果為淮北平原砂姜黑土土壤水分運移以及合理設計農田灌排工程、田間管理和灌溉制度提供重要的最新理論依據。

1 材料與方法

1.1 研究區(qū)概況

選取新馬橋農水綜合試驗站為試驗點，試驗站地處東經117°22′，北緯33°09′，位于皖北平原中南部、安徽省蚌埠市北25 km的固鎮(zhèn)縣新馬橋鎮(zhèn)境內，地面高程19.7 m，試驗站的地理環(huán)境、自然條件和作物種植等均在淮北平原具有很好的代表性。據統(tǒng)計，試驗區(qū)多年平均降雨量911 mm、蒸發(fā)量916 mm，每年降水多集中于6-9月，約占全年降水量的60%，降雨多以暴雨形式降落，時空分布不均、極易形成區(qū)域農作物旱澇漬災害。試驗區(qū)土壤為砂姜黑土，土壤分類中劃分為青黑土，屬于典型的中低產田土壤，其理化性狀均屬不良，質地黏重，脹縮率大，滲透性差，易澇易旱。

1.2 試驗方法

夏玉米完成播種后(前茬為冬小麥)，在試驗站大田內選取一點開挖剖面。用厚度3 cm，內徑6.1 cm的環(huán)刀取0～10、10～20、20～30、30～40、40～50、50～60 cm深度的6組原狀土，每組取3個原狀土樣(覆蓋10 cm土層)，以3個土樣的平均值代表該土層的物理性質，同時每層取混合土樣用于土壤機械組成分析。

(1)土壤機械組成測定方法。風干后的土樣過2.5 mm篩；稱取土樣0.5 g，用30%過氧化氫加熱去除有機質；加入六偏磷酸鈉超聲60 s后用激光粒度儀Mastersizer 3000測量土壤粒徑的體積百分比[11，12]。

(2)土壤水分特征曲線實測方法。本文用壓力膜儀法測量土壤水分特征曲線，壓力膜儀為日本產DIK-3404。將環(huán)刀和原狀土樣下墊濾紙放在壓力膜板上，將其一起浸沒入純凈水中浸泡72 h使其達到飽和，后放入壓力膜儀中逐次加壓，本文選取10個壓強點，包括10.00、15.85、39.82、100.03、316.32、631.13、1 000.28、1 585.33、4 080.00、10 200.00(以上單位均為cm水柱/cm)，每次加壓后以排水管不再出水為達到平衡狀態(tài)標志，每次平衡后均需稱出環(huán)刀加濕土的質量，實驗最后將土樣及環(huán)刀放入烘箱在105 ℃下烘干，得出干土質量。

(3)Van Genuchten 模型。Mualem在1976年提出可以利用土壤水分特征曲線和飽和導水率推導非飽和導水率的模型。1980年Van Genuchten在Mualem等的模型基礎上提出了描述土壤水分特征曲線的新模型[4,7-9]，其表達形式為：

(1)

式中：θh為土壤體積含水率，cm3/cm3；h為土壤水吸力，cm；θs為土壤飽和含水率，cm3/cm3；θr為土壤殘余含水率，cm3/cm3，實際應用中一般取凋萎含水率[4]，cm3/cm3；α、n為表征土壤水分特征曲線的形狀參數。

(4)基于加速遺傳算法的參數率定。以VG模型的土壤飽和含水率θs、土壤殘余含水率θr及形狀參數α、n為優(yōu)化變量，根據試驗站30多年試驗經驗和前人相關研究，對4個參數設定合理的上下限，以擬合值與實測值的絕對誤差和最小為目標函數，采用加速遺傳算法進行優(yōu)化求解[13]，為：

(2)

(3)

(5)評價指標。采用均方根誤差(root mean square error，RMSE)、平均絕對誤差(mean absolute error，MAE)和平均相對誤差(mean relative error，MRE)對基于VG模型和加速遺傳算法的土壤水分特征曲線擬合方法進行適用性、精確性評估[4,7,10,14]。

(4)

(5)

(6)

式中：m為土壤水吸力取值樣本數。RMSE、MAE以及MRE越小，表明擬合值與實測值的偏差越小，估算方法的適用性和精確性越強。

2 結果與分析

2.1 不同土層干容重和粒徑組成特征分析

郝振純[6]等研究表明國際制分類比美國制能更好地反映砂姜黑土土壤剖面質地的變異性，因此本研究對土壤粒徑及質地分類均采用國際制。依照國際制土壤粒徑分級標準對0～60 cm土層的土壤粒徑進行分級，每層的土壤干容重和粒徑分級數據見表1。

表1 不同土層深度土壤干容重及粒徑組成

根據試驗站30多年的試驗經驗和郝振純等的研究表明[6]，翻耕耕作條件下農田表層0～10 cm土層土壤干容重最小，其值一般在1.20～1.30 g/cm3之間；而表1中免耕條件下0～10 cm土層土壤干容重為1.57 g/cm3，明顯大于翻耕農田土壤干容重，其值與10～30 cm土層土壤干容重相差很小，表明農田0～30 cm土層土壤經過冬小麥210 d左右的生長期后，因自然沉降及人類活動使得土壤容重明顯增加，土壤變緊實。0～60 cm土層土壤干容重呈現先逐漸增大，在30～40 cm土層突然明顯變小，然后又逐漸增大的變化規(guī)律，其與30～50 cm土層存在大量砂姜有關。以上分析表明免耕會增大土壤表層容重，不利于苗期玉米根系向深層土壤的生長，增大玉米倒伏風險。

由表1可知，砂姜黑土0～60 cm土層黏粒含量在23.33%～30.57%之間，10～20 cm土層黏粒含量最大，為30.57%。根據國際制土壤質地分類，0～60 cm土層土壤分類包括粉質黏土和粉質黏壤土2種，20～40 cm土壤存在明顯分層。本文分析認為，由于受人類活動影響較重，土壤的翻耕及作物秸稈還田等，導致0～30 cm土層的平均砂粒含量要小于其他土層，進而使得其粉粒和黏粒含量亦較高于其他土層。

2.2 不同土層實測土壤水分特征曲線規(guī)律分析

土壤水分特征曲線斜率的倒數即單位基質勢(吸力)的變化引起的含水量變化，稱為比水容量(C)，是分析土壤水分運動的一個重要參數。同一吸力下，土壤的含水率越大，表示其持水性越好，斜率越大，C值越小[6]。由圖1可知，各土層的土壤水分特征曲線變化規(guī)律基本一致，在10～631.13 cm土壤水吸力范圍內隨著壓力的增加土壤含水率顯著降低，當壓力繼續(xù)增加時土壤含水率隨著壓力的升高變化較為平緩。由圖1還可看出，10～50 cm土層在相同吸力下土壤含水率逐漸增大，說明其持水性隨深度增加而逐漸增強，到50～60 cm土層時土壤持水性明顯下降；0～10 cm與20～30 cm土層的土壤水分特征曲線基本重合，免耕條件下農田表層0～10 cm土壤持水性并非最?。辉诘臀r，0～30 cm土層土壤水分特征曲線基本重合，表明低吸力時該土層的土壤持水性基本相同。

圖1 0～60 cm分層土壤實測水分特征曲線Fig.1 0～60 cm layered soil measured moisture characteristic curve

2.3 不同土層土壤水分特征曲線擬合結果分析

通過壓力膜儀法測得0～60 cm土層的分層土壤水分特征曲線，基于實測數據利用加速遺傳算法對VG模型進行優(yōu)化率定，優(yōu)化參數值見表2。將優(yōu)化的參數值代入VG模型，得到不同土壤水吸力下對應的土壤體積含水率，作為擬合含水率，將其與實測體積含水率進行對比，結果見表2和圖2。

表2 加速遺傳算法優(yōu)化VG模型參數結果

圖2 0～60 cm分層土壤實測與擬合水分特征曲線Fig.2 0～60 cm layered soil measured and fitted water characteristic curve

由表2可知，實測含水率和擬合含水率的MAE、MRE和RMSE都很小，各土層的MAE和RMSE均小于0.01 cm3/cm3，MRE均小于1.6%，而付強[4]等利用改進螢火蟲算法得到的0～20 cm土層MRE為0.91%，RMSE為1.11 cm3/cm3；由圖2可知，各土層絕大部分實測點落在擬合曲線上，近乎重合，綜合以上結果表明利用加速遺傳算法優(yōu)化率定VG模型后的擬合結果誤差小精度高，擬合效果好，適用于砂姜黑土土壤水分特征曲線的擬合，所以用優(yōu)化模型參數的物理含義來描述實際的土壤水分特征曲線的特征是可行可靠的。0～20 cm土層在土壤水吸力為10 200.00 cm時存在較大誤差，這可能與砂姜黑土的脹縮率較大有關，在不斷加壓失水過程中砂姜黑土體積會有不同程度縮小，但本文由于試驗條件所限未考慮該因素的影響，可能會導致測量的土壤體積含水率比實際值偏大，這也表明0～20 cm土層土壤的脹縮率較其他土層更高。

由表1和表2中數據對比分析可知，土壤干容重越大，飽和含水率越小，凋萎含水率則越大，土層中能被作物吸收利用的水分則越少。本文分析認為，由于冬小麥生長期較長(210 d左右)，在灌溉、降水及打藥等人類活動影響下，土壤經長期的自然沉降后導致農田表層土壤緊實度增加，凋萎含水率增大，土壤有效供水能力變差，增大了玉米的干旱風險。

3 結 語

(1)利用加速遺傳算法優(yōu)化率定VG模型后的擬合結果誤差小精度高，擬合效果好，用優(yōu)化后模型參數的物理含義來描述砂姜黑土實際的土壤水分特征曲線的特征是可行可靠的。

(2)經冬小麥210 d左右的生長期后，在灌溉、降水和打藥追肥等人類活動影響下，土壤經長期的自然沉降后導致農田表層土壤緊實度增加，干容重增大，飽和含水率變小，凋萎含水率增大，土壤有效供水能力變差，增大了玉米的干旱風險。農田表層土壤緊實度的增加也會造成玉米苗期根系向深層土壤的生長，增加后期的倒伏風險。因此本文認為玉米播種前宜對農田土壤進行深翻處理。

(3)本文利用壓力膜儀測量土壤水分特征曲線過程中未考慮砂姜黑土的脹縮率大這一因素，這可能是導致0～20 cm土層在水吸力為10 200.00 cm時實測點與擬合曲線存在較大誤差的原因，因此在今后的土壤水分特征曲線實測

中必須要對砂姜黑土實際體積進行測量，依此才能得到更為真實可靠的實測數據。