李茂娜，孫 宇，嚴海軍※，王春曄

（1.中國農業(yè)大學水利與土木工程學院，北京，100083；2.中農智冠（北京）科技有限公司，北京，100088）

0 引 言

隨著中國農業(yè)集約化、規(guī)?；牟粩喟l(fā)展，進行統(tǒng)一管理的農田尺度不斷提升。然而，當大農田尺度土壤物理特性存在較大差異時，若仍采用傳統(tǒng)的均勻灌溉，將會引起局部地塊灌水過多或不足，不但造成作物長勢不均，還會大幅降低水分利用效率[1]。變量灌溉技術根據(jù)土壤空間變異性，將田塊劃分成不同管理小區(qū)，依據(jù)各小區(qū)實際需求調整灌水量，而非所有小區(qū)均勻灌溉，從而為提高灌溉水利用效率提供重要保障[2]。管理小區(qū)的劃分是實現(xiàn)變量灌溉管理的基礎，其合理性對變量灌溉系統(tǒng)控制精度、投資成本與經濟效益均有重要意義。當前，變量灌溉管理小區(qū)劃分大多是依據(jù)土壤特性的差異而進行的，主要包括基于土壤質地[3-4]與土壤可利用水量[5]2種方法。然而，這2種方法雖然可直觀地反映出土壤持水能力，但受田塊大小、測量設備及人力資源的影響較大，如測量過程中取樣點數(shù)量過少則小區(qū)劃分準確性較低，取樣點數(shù)量過多則耗時耗力[6-7]，因此較難成為規(guī)模化農田快速評估土壤空間變異性的有效方法。

土壤表觀電導率（Apparent Soil Electrical Conductivity，ECa）的傳導途徑包括3種：1）土壤顆粒與相鄰土壤溶液間的固-液傳導，2）土壤溶液間的液-液傳導，3）相鄰土壤顆粒間的固-固傳導。多種傳導途徑使得ECa能夠綜合反映土壤物理和化學特性[8]。通常，ECa受土壤鹽度、質地、陽離子交換量（Cation Exchange Capacity，CEC）、孔徑大小和分布以及土壤水分含量等眾多因素影響[9-10]。然而，對于含鹽量很低的非鹽漬土，ECa則主要受土壤質地、土壤水分含量、土壤容重等參數(shù)影響[8]，可用于表征因土壤質地變化引起的相關物理參數(shù)變異狀況。同時，較多研究證明[11-13]，采用具有高精度GPS系統(tǒng)的電阻式或電磁式感應系統(tǒng)，諸如Veris EC與EM 38儀器，能夠實現(xiàn)大尺度農田的ECa高精度空間分布圖的快速獲取。因此，研究者們認為ECa或可成為高精度定量評估土壤變異程度的有效方法[2,14]。然而，關于如何依據(jù)ECa空間分布特點劃分變量灌溉管理小區(qū)，以及ECa如何反映土壤理化性質變異性等系列問題還需開展進一步研究。同時，獲取ECa數(shù)據(jù)后，通常需先采用商業(yè)軟件（如ArcGIS）進行數(shù)據(jù)處理，過程復雜、費時，不但不利于變量灌溉的實時管理，也大大增加了普通用戶使用變量灌溉的難度[15-16]。

為此，本研究采用Veris EC大地電導率儀對試驗地ECa進行調查，分析不同ECa土壤空間分布特征，研究ECa與土壤顆粒組成間的關系，在此基礎上提出基于ECa的變量灌溉管理小區(qū)劃分方法，開發(fā)相應分區(qū)軟件并進行應用。研究結果將為變量灌溉的實時管理與應用實踐提供技術支持。

1 材料與方法

1.1 試驗地概況

于2018年9月—2019年4月分別對3塊試驗地開展試驗。1號試驗地位于中國農業(yè)大學通州實驗站內，該實驗站位于北京市通州區(qū)（39°41′N，116°41′E）。試驗地塊為長方形，長約187 m，寬約99 m，總面積約為1.85 hm2，試驗地塊地勢平坦。試驗地前茬作物為夏玉米，0～80 cm土層內土壤類型（美國制）為砂壤土。2號與3號試驗地均位于河北省涿州市東城坊鎮(zhèn)中國農業(yè)大學教學科研基地內，位于河北省中部（39°27′N，115°51′E）。其中，2號試驗地為一個約80°的扇形，半徑約為140 m，總面積約為1.37 hm2，前茬作物為苜蓿，0～80 cm土層內土壤類型（美國制）以砂壤土為主。3號試驗地為一個約100°的扇形，半徑約為140 m，總面積約為1.71 hm2，前茬作物為夏玉米，0～80 cm 土層內土壤類型（美國制）以砂土為主。試驗地俯瞰圖如圖1所示，各地塊分層土壤基礎信息如表1所示。

圖1 試驗地示意圖Fig.1 Diagram of test fields

表1 各試驗地土壤物理化學特性Table 1 The physical and chemical properties of soil in each test field

1.2 試驗過程

本研究對3塊試驗地均進行ECa測量，分析其ECa分布情況。其中 1號試驗地，分別測量翻耕（前茬作物為玉米，翻耕時間為2018年10月4日）前后的ECa值，探討翻耕對ECa值的影響；對3塊試驗地ECa數(shù)據(jù)進行統(tǒng)計學特征分析，選擇變異系數(shù)最大且ECa聚類分區(qū)結果最明顯的試驗地，探討土壤質地與ECa關系，進行變量灌溉管理小區(qū)劃分，并開發(fā)相應的分區(qū)軟件。

1.3 數(shù)據(jù)獲取與預處理

1.3.1 ECa的獲取

試驗地的ECa由大地電導率勘測儀（Veris EC 3100，USA）測定。該設備可同時測量0～30 cm (ECash)與0～90 cm (ECadp) 2種土層深度的值，通過GPS系統(tǒng)（地理坐標系為WGS 1984）實時記錄測量點的位置。大地電導率勘測儀通過犁刀電極感測土壤表觀電導率，該儀器電極配置采用Wenner陣列模式，其對于不同深度的相對電極感應強度變化如式（1）所示[17]：

式中Rw為相對感應強度；L為兩電極間的距離，本儀器取2.2 m；z為土層深度，cm。本系統(tǒng)中，GPS精度為1 m，犁刀電極采集頻率為1 Hz，系統(tǒng)采用544 kg的配重以確保犁刀電極與土壤的貼合，以保證系統(tǒng)較高的精準度。

選擇晴朗天氣，進行試驗地 ECa數(shù)據(jù)調查。1號試驗地ECa調查分別于2018年9月29日與10月6日進行。3號與2號試驗地ECa 調查試驗分別于2019年3月18日、3月19日進行，大地電導率勘測儀由拖拉機牽引，于南北方向上往返測量，最終獲得整塊試驗地的ECa數(shù)值。采集過程中（圖2），大地電導率勘測儀的行進速度為2.3 m/s。每個試驗地塊的ECa數(shù)據(jù)測量耗時均未超過2 h，測量過程中未發(fā)生降雨與灌溉，可認為土壤水分無明顯變化。

1.3.2 ECa的統(tǒng)計特征分析

利用EC 3100在3塊試驗地進行數(shù)據(jù)采集，分別對同一位置的重復樣本值進行平均化處理，1號試驗地翻耕前后分別得到了4 748與5 154組有效源數(shù)據(jù)；2號與3號試驗地分別得到了3 717與5 844組有效數(shù)據(jù)。表2列出了各試驗地ECa的統(tǒng)計特征分析結果。

1.3.3 土壤質地

根據(jù) ECa數(shù)據(jù)預處理結果（表2）可知，1號地的ECa空間變異性較低，其變異系數(shù)僅在19.88%～29.23%之內，故本文選擇ECa空間變異程度較高的2號與3號試驗地，分析ECa與各土壤顆粒體積分數(shù)間的關系，以進一步探討ECa表征土壤空間變異性的可行性。具體過程為：將根據(jù)ECa結果對試驗地進行管理小區(qū)劃分，分別在高值區(qū)、中值區(qū)、低值區(qū)內任取3～4個點，按照0～20、20～30、30～50、50～70、70～90 cm分層取樣，利用馬爾文激光粒度儀（MS3000，Malvern，UK）測量土壤砂粒、粉粒、黏粒體積百分數(shù)，并根據(jù)美國制標準確定土壤質地。

圖2 利用大地電導率勘測儀獲取土壤表觀電導率Fig.2 Measuring apparent soil electrical conductivity by Veris EC 3100

表2 各試驗地土壤表觀電導率統(tǒng)計特征值Table 2 The statistical characteristics of apparent soil electrical conductivity in each field

1.4 研究方法

1.4.1 ECa數(shù)據(jù)插值與歸類

由于 Veris EC 3100在數(shù)據(jù)采集過程中可能遇到礫石，導致犁刀電極彈出土壤，從而采集到空值，此空值點需借助周圍已知數(shù)據(jù)點進行插值估算，以生成ECa分布圖。本文利用反距離權重插值法對已知數(shù)據(jù)進行差值。具體過程：選取未知點周圍n個已知點，根據(jù)式（2）[18]計算各已知點i的權重Wi后，將各已知點的值與權重Wi相乘后累加，便可估算出未知點。

式中Wi為已知點i對于未知點的權重；di為已知點i與未知點距離，m；n為已知點個數(shù)，本文取12。

采用自然間斷法對現(xiàn)有的數(shù)據(jù)進行分級歸類，分類原則為組內方差最小，組間方差最大，本文分級數(shù)為 7個。采用擬合度指數(shù)（Goodness of Fit Index，GFI）判斷分類結果的優(yōu)劣，計算如式（3）：

式中d*為各組均值的平均偏差平方和，d為整體的偏差平方和。GFI越接近 1，分類結果越好，一般要求 GFI為0.9以上。

1.4.2 不同土層土壤質地與ECa關系的確定

根據(jù)試驗地 ECa數(shù)據(jù)采用自然間斷法分級形成的 7個等級結果，按照數(shù)值大小劃分為高、中、低值3個區(qū)，再確定各區(qū)內土壤顆粒組成與ECa的關系。

由Sudduth 等[17]對Veris EC 3100系統(tǒng)的測量原理研究可知，隨著深度的逐漸增加，ECa感應強度在深度方向無限接近 0，不同土層深度對 ECa的測量值的貢獻率不同。即系統(tǒng)在獲取0～30 cm與0～90 cm 2種土層深度的ECa值時，測量范圍外的土層仍會對結果有影響，但影響較小。因此，分析ECa與土壤顆粒體積分數(shù)間的關系時，首先需確定各土層對于最終ECa測量結果的貢獻權重。采用的方法為：首先，根據(jù)式（1）對土層深度進行積分，以獲得各層土壤的原始權重；隨后，將各原始權重進行歸一化處理，使得各土層深度累積權重值為1，即歸一化后的權重為各土層深度對 ECa貢獻的最終權重。具體過程為：土壤顆粒組成測量時的分層深度為0～20、＞20～30、＞30～50、＞50～70、＞70～90 cm，對于ECash，則0～20與＞20～30 cm土層的顆粒體積分數(shù)對應的原始權重分別為0.759、0.138，歸一化處理后的最終權重分別為0.846和0.154。對于ECadp，0～20、＞20～30、＞30～50、＞50～70、＞70～90 cm土層的顆粒體積分數(shù)對應的原始權重分別為0.209、0.169、0.266、0.152、0.082，歸一化處理后分別為0.238、0.192、0.303、0.173、0.093。隨后，將各樣點不同土層深度的砂粒、粉粒與黏粒體積分數(shù)分別乘以對應權重，得到某點0～30與0～90 cm土層的綜合顆粒體積分數(shù)。

1.4.3 軟件開發(fā)

為了方便用戶根據(jù)獲取到的ECa空間分布圖進行變量灌溉小區(qū)的劃分與實時管理，本文以Eclipse和Tomacat為開發(fā)環(huán)境，采用Java語言編寫，通過PostgreSQL建立數(shù)據(jù)庫，開發(fā)了基于Web平臺的變量灌溉管理分區(qū)軟件。

1.5 數(shù)據(jù)分析與制圖

本文采用 SPSS 20.1進行數(shù)據(jù)統(tǒng)計學分析，采用ArcGIS進行數(shù)據(jù)插值與聚類分析，并生成空間分布圖。

2 結果與分析

2.1 ECa空間分布

由表2可知，1～3號試驗地ECa平均值范圍分別為13.20～29.25、2.34～5.79、2.69～6.86 mS/m，對應的變異系數(shù)均值為 25.60%、67.64%與64.20%。由于ECa通常與土壤含水率、陽離子交換量等成正相關[17-18]，因此，1號試驗地的ECa明顯高于2號與3號試驗地。1～3號試驗地ECa的變異系數(shù)在19.88%～78.81%之間，根據(jù)土壤變異程度分類[19]可知，3塊試驗地的ECa空間變異系數(shù)均在10%～100%范圍之內，故均為中等變異程度。

表3列出了1號試驗地在土地翻耕前后的ECa頻數(shù)分布。當以頻數(shù)超過150為劃分依據(jù)時，翻耕前，0～30 cm的ECash值集中分布在15～40 mS/m范圍內；翻耕后，則集中分布在5～25 mS/m范圍內。翻耕前、后，0～90 cm的ECadp值均集中分布在10～30 mS/m范圍內。

圖3分別列出了1號試驗地在翻耕前、后的ECa空間分布情況。由圖可知，在土地翻耕后，ECash高位值區(qū)域發(fā)生了較大移動，高位 ECash區(qū)域面積明顯減小，而ECadp空間分布情況在翻耕前后并未發(fā)生較大變化。這主要是由于翻耕會對淺層土壤造成極大擾動，翻耕后土壤蒸發(fā)能力加強，降低了土壤水分含量，削弱由土壤毛細管吸力作用引起的土壤可溶性鹽類的聚積作用，并引起其空間分布的變化。

表3 1號地試驗表觀電導率頻數(shù)分布Table 3 The frequency distribution of apparent soil electrical conductivity in No.1 field

表4列出了2號試驗地ECash與ECadp的頻數(shù)分布。ECash值在各區(qū)間范圍均有一定數(shù)量值的分布，ECash水平空間變異程度較高，其變異系數(shù)高達67.79%。ECadp值多分布在1～4 mS/m之間。由2號試驗地的ECa空間分布情況（圖4）可知，ECa值在淺層與深層土壤中均有明顯的分區(qū)，故而 ECa水平空間變異程度均較高，分別為67.79%和67.48%。

由表4可知，3號試驗地ECash值分布范圍較廣，在不同區(qū)間范圍均有一定數(shù)量值的分布，ECash水平空間變異程度很高，其變異系數(shù)高達78.81%。ECadp值的分布范圍相對較小，當以頻數(shù)超過150為劃分依據(jù)時，ECadp值主要分布在0～6 mS/m范圍內，但在該范圍的不同區(qū)間內均有一定數(shù)量值分布，ECadp水平空間變異程度較高，其變異系數(shù)為49.58%。由3號試驗地的ECa空間分布情況（圖5）可知，0～30 cm土層中，地塊中除有少量高位值以斑狀分布于東南方向，其余基本均為中位值。0～90 cm土層中，ECa聚集分區(qū)結果明顯。

表4 2號與3號試驗地表觀電導率頻數(shù)分布Table 4 The frequency distribution of apparent soil electrical conductivity in No.2 and No.3 fields

2.2 土壤顆粒體積分數(shù)與ECa的關系

圖6列出了2號、3號試驗地各類土壤顆粒體積分數(shù)與 ECa值的綜合關系。由圖可知，各土壤顆粒體積分數(shù)與ECa間的線性趨勢在0～30 cm與0～90 cm土壤中均保持呈一致，其中 ECa值與砂粒體積分數(shù)呈線性負相關，與粉粒、黏粒體積分數(shù)呈正相關關系，即ECa值隨著砂粒體積分數(shù)的增加而降低，但會隨著粉粒與黏粒體積分數(shù)的增加而增加，這與 Anderson-Cook等[14]與Hedley等[20]的結論基本一致。土壤空間變異性多由土壤質地差異造成，而本研究中土壤中的各顆粒體積分數(shù)均與ECa間存在良好的線性關系，表明土壤ECa的分布可以較好地反映地塊內土壤質地的變化，因此依據(jù) ECa對田塊劃分變量管理小區(qū)是可行的。此外，相比于 ECash，ECadp與砂粒、粉粒與黏粒體積分數(shù)具有更強的線性關系，其R2分別可達0.83、0.90與0.86，表明 ECadp更適合用于快速反演推斷出田塊中土壤各顆粒體積分數(shù)以及質地情況，這與Sudduth等[17]的研究結果一致。因此，基于ECadp分布進行管理小區(qū)劃分會更加可靠。

圖4 2號試驗地表觀電導率空間分布Fig.4 Spatial distribution of apparent soil electrical conductivity in No.2 field

圖5 3號試驗地表觀電導率空間分布Fig.5 Spatial distribution of apparent soil electrical conductivity in No.3 field

圖6 2號與3號試驗地土壤顆粒體積分數(shù)與土壤表觀電導率ECa的關系Fig.6 The relationships between soil particle content and apparent soil electrical conductivity ECa in No.2 and No.3 fields

2.3 灌溉管理小區(qū)的劃分

當前，變量灌溉的應用對象多為圓形噴灌機系統(tǒng)與平移式噴灌機系統(tǒng)。其中，圓形噴灌機控制面積大、在較大尺度田塊內可能存在土壤空間變異性，又因其設備自動化程度高，因此具有發(fā)展變量灌溉的巨大優(yōu)勢。本文 3塊試驗地的灌溉系統(tǒng)均為圓形噴灌機。通常，實現(xiàn)圓形噴灌機變量灌溉主要采用3種方式：1）調整機組行走速度；2）在噴頭上端安裝電磁閥，通過調節(jié)電磁閥占空比，調整噴頭開啟與關閉的時間；3）上述兩者結合使用。其中，調整噴灌機行走速度可實現(xiàn)環(huán)向方向上噴灌水深的改變；調整不同噴頭啟閉時間（電磁閥占空比）可實現(xiàn)徑向方向上噴灌水深的改變；徑向與環(huán)向方向的疊加組合，可以實現(xiàn)不同形狀和面積的管理小區(qū)內灌溉水深的調整，實現(xiàn)變量灌溉。

根據(jù)2.1與2.2節(jié)的結果可知，翻耕會造成ECash的空間分布發(fā)生較大變化，并且ECadp與土壤顆粒體積分數(shù)具有更好的線性關系，更適合用于反演土壤顆粒組成。因此，基于ECadp空間分布進行變量灌溉管理小區(qū)劃分更為可靠。分析1～3號試驗地ECadp統(tǒng)計特征可知，1號試驗地在翻耕前后的ECadp空間變異程度均較低，其變異系數(shù)均值僅為23.58%。并且進一步分析1號試驗地ECadp空間分布圖（圖3）可知，同一分級的 ECa在地塊內多以面積較小的斑狀呈現(xiàn)，即同一分級的ECa分布較為離散，較難據(jù)此劃分出有效的灌溉管理小區(qū)，故認為對 1號試驗地開展變量灌溉管理的潛力較低。相比之下，2號與 3號試驗地 ECadp空間變異系數(shù)分別為 67.48%與49.58%，顯然變異程度較高。進一步分析這 2塊試驗地ECadp空間分布圖（圖4與圖5）可知，同一分級的ECa面積較大且分布較為集中，可用于生成管理小區(qū)并執(zhí)行變量灌溉控制，故認為2號與3號試驗地開展變量灌溉管理的潛力較高。

因此，本文在綜合考慮試驗地ECadp變異系數(shù)與空間分布特征的基礎上，對2號與3號試驗地分別進行變量灌溉管理小區(qū)的劃分。根據(jù)2號與3號試驗地數(shù)值聚集與空間分布結果，并與噴頭變量控制組數(shù)與噴頭有效噴幅相適應，本文劃分了 3個管理小區(qū)，結果如圖7所示。

圖7 變量灌溉管理小區(qū)V1～V3劃分結果Fig.7 Delineation management zones V1 to V3 of variable rate irrigation

3 變量灌溉管理分區(qū)軟件

3.1 框架設計與功能介紹

本文基于圓形噴灌機系統(tǒng)開發(fā)了變量灌溉管理分區(qū)軟件，以實現(xiàn)對變量灌溉小區(qū)進行實時劃分與管理。該軟件主要包括插值計算模塊、管理小區(qū)劃分模塊、變量灌溉控制三大模塊。操作流程大致為：1）輸入田間ECa與灌溉系統(tǒng)基礎信息；2）利用反距離權重法進行ECa插值分析；3）利用自然間斷點分類方法生成ECa空間分布圖；4）依據(jù)ECa空間分布，結合灌溉系統(tǒng)變量控制系統(tǒng)，確定管理小區(qū)數(shù)量；5）自動生成變量灌溉小區(qū)的空間劃分，實現(xiàn)變量灌溉。軟件流程如圖8所示。

3.2 應用案例

本文應用開發(fā)的軟件對 3號試驗地進行了變量灌溉小區(qū)劃分與實時管理，并與ArcGIS聚類分區(qū)結果進行對比。首先，進入軟件的插值計算模塊，輸入地塊邊界坐標、分組數(shù)、迭代次數(shù)等相關信息，上傳ECadp數(shù)據(jù)并點擊計算。圖9a為本軟件根據(jù)數(shù)據(jù)繪制出的ECa空間分布圖。由圖可知，本軟件形成的各等級區(qū)間范圍和 Eca插值結果及對應的空間位置與圖5b中展示的ECa分布結果基本一致，由此說明本軟件的數(shù)據(jù)分析與計算準確、可靠。隨后，進入管理小區(qū)劃分模塊，輸入噴灌機機組長度和噴頭數(shù)量，輸入管理小區(qū)數(shù)，軟件便可自動劃分出管理小區(qū)，如圖9b所示。最后，進入變量灌溉控制模塊，輸入灌溉計劃名稱、各管理小區(qū)的噴灌水深，軟件可根據(jù)噴灌機系統(tǒng)參數(shù)、地塊基本參數(shù)，自動計算管理小區(qū)的環(huán)向方向上變量灌溉控制參數(shù)（噴灌機行走速度的百分率值）以及徑向方向上變量灌溉控制參數(shù)（噴頭電磁閥占空比）并將這些信息自動發(fā)送至控制平臺，從而實施自動變量灌溉。

圖8 軟件流程圖Fig.8 Flowchart of software

圖9 軟件操作界面Fig.9 Interface of software

4 討 論

變量灌溉主要是為了解決由較大土壤空間變異性導致灌水不均而造成的水資源浪費、灌溉水利用效率低下等問題，因此選擇可有效區(qū)分土壤空間變異性的指標作為田塊管理小區(qū)劃分依據(jù)是其中的關鍵環(huán)節(jié)。同時，隨著中國規(guī)?；r業(yè)生產的不斷推進，確定可用于快速評估大尺度農田的土壤空間變異性的方法變得極為重要。本研究利用Veris EC 3100系統(tǒng)進行試驗地ECa空間分布圖的快速獲取，并基于ECa開展變量灌溉管理小區(qū)劃分方法研究。

研究結果表明，ECa與土壤中砂粒、粉粒與黏粒體積分數(shù)具有很強的線性關系，證明ECa可用于間接估計土壤質地，這與現(xiàn)有結果較為一致[21-23]。盡管，有研究者指出田塊ECa值會隨季節(jié)發(fā)生變動[14]，但整體而言，當外界影響條件（如降雨、灌水、施肥等）一致時，土壤的各項物理化學性質在一段時間內仍可保持相對固定。本文采用Veris EC 3100系統(tǒng)快速獲取地塊ECa需要的時間較短，可認為測量期間的土壤水分基本不發(fā)生明顯變化，不會對ECa結果產生影響。因此，本文提出利用Veris EC 3100 快速獲取田間ECa分布情況，計算分析土壤空間變異程度與空間分布特征，并在此基礎上進行變量灌溉管理小區(qū)劃分。相比于基于土壤質地、土壤可利用水量進行變量灌溉小區(qū)劃分，這種方法較具有快速、可靠、操作簡單等明顯優(yōu)勢。

對于含鹽量很低的非鹽漬土壤，ECa主要受土壤質地、土壤水分含量、土壤容重等參數(shù)的影響[24-25]。同時，本研究及他人的研究結果[20]均表明，ECa與土壤顆粒組成具有良好的線性關系，可以于快速反演較大尺度田塊的土壤質地情況。相比于 ECash，ECadp與土壤中各顆粒體積分數(shù)的線性相關程度更高，這可能是由于深層土壤中土壤含水率與CEC受到外界因素（如耕地、降雨等）的影響較小，因此土壤顆粒體積分數(shù)對ECa變化的貢獻更高，可以更加準確地反映土壤自身特征引起的空間變異性。Zhao等[26]采用基于土壤可利用水量的方法，對本研究的 3號試驗地劃分了管理小區(qū)，對比結果可知，本研究中提出的基于ECadp的進行管理小區(qū)劃分是合理的。此外，Cinthia等[27]的研究也表明，相比于ECash，ECadp空間變異性與玉米產量空間變異性相關性更高。因此，基于 ECadp空間分布特征進行管理小區(qū)劃分可靠程度更高。本文的研究結果表明，ECa與砂粒體積分數(shù)負相關，與黏粒與粉粒體積分數(shù)正相關，但如何根據(jù)ECa值的高低制定變量灌溉制度還需要開展進一步研究。因為，ECa與產量之間既存在正相關也存在負相關關系[11-12,28]。這主要是因為土壤ECa值高時，即土壤黏性體積分數(shù)高時，土壤的保水性能則較好，但透氣性則較差，不同作物生長過程對土壤透氣性要求存在差異，當雨季來臨時，若排水設施得當，則高ECa易獲得較高的作物產量，反之則會造成減產。

確定小區(qū)的個數(shù)也是變量灌溉管理小區(qū)劃分的重要環(huán)節(jié)。在基于ECa確定管理小區(qū)個數(shù)的過程中，不僅需要考慮ECa數(shù)據(jù)變異性，還需要考慮經濟效益以及小區(qū)的變量灌溉控制是否滿足灌溉設備要求。一般來說，管理小區(qū)劃分個數(shù)越多，變量灌溉管理則越精細，但同樣也意味著傳感器網(wǎng)絡系統(tǒng)個數(shù)、控制系統(tǒng)投資以及灌溉系統(tǒng)運行成本會增加。以圓形噴灌機系統(tǒng)為例，相比于均勻灌溉，變量灌溉系統(tǒng)的節(jié)水率達到5%～26%[29]，但其成本增加至 300～550 $/hm2[16]?？傮w而言，研究者們認為，2～6個數(shù)量的管理小區(qū)便可減少大部分不同尺寸地塊的產量變異性[30-31]。Haghverdi等[32]的研究也證明，即使對于面積高達73 hm2的大尺寸田塊，4～5個管理小區(qū)也足以解決土壤空間變異性導致的產量分布不均。本文根據(jù)2號與3號試驗地ECa空間變異大小與分布聚集性，對每個試驗地均劃分 3個管理小區(qū)，這與上述結果基本保持一致。然而，建立ECa變異程度與管理小區(qū)個數(shù)的量化關系，需對大量的試驗數(shù)據(jù)進行統(tǒng)計分析。同時，劃分管理小區(qū)時，還需要綜合考慮ECa空間變異系數(shù)及空間聚集分布狀態(tài)、經濟成本、硬件控制條件等諸多因素。因此，本文尚不能僅根據(jù)現(xiàn)有數(shù)據(jù)，簡單地給出ECa變異系數(shù)與管理小區(qū)個數(shù)的定量關系，基于ECa劃分變量灌溉管理小區(qū)方法雖然可行，但在較多方面仍需開展深入研究。

本文利用Java語言開發(fā)了變量灌溉管理分區(qū)軟件。軟件選擇了簡單高效的反距離權重法進行 ECa插值分析，大大減少了計算量，節(jié)省分析時間，也可有效降低軟件報錯率。同時，軟件利用自然間斷法進行分組聚類，獲得土壤表觀電導率在空間上的分布情況，自動生成變量灌溉小區(qū)劃分圖，極大地簡化了使用流程并縮短了處理時間，同時本軟件操作簡單，適用于普通技術人員。本軟件可對變量灌溉小區(qū)的實時管理，對提高灌溉效率具有重要意義。

5 結 論

本文利用Veris EC 3100大地電導率勘測儀調查了3塊地的土壤表觀電導率（Apparent Soil Electrical Conductivity，ECa），分析了ECa空間變異性并繪制空間分布圖，研究了ECa與土壤顆粒體積分數(shù)的關系，探討了基于ECa劃分變量灌溉管理小區(qū)的可行性。主要結論如下：

1）1～3 號試驗地 ECa的變異系數(shù)在 19.88%～78.81%之間，均屬于中等變異程度?？衫?Veris EC 3100快速獲取田間ECa分布情況，并根據(jù)ECa空間變異程度與空間分布結果劃分變量灌溉小區(qū)。

2）ECa與砂粒體積分數(shù)負相關，與粉粒、黏粒體積分數(shù)正相關。相比于0～30 cm土層的ECa（ECash），0～90 cm土層的ECa（ECadp）與砂粒、粉粒與黏粒體積分數(shù)具有更強的線性關系，其R2分別可達0.83、0.90和0.86，根據(jù)ECadp劃分變量灌溉小區(qū)更加可靠。

3）利用 Java語言開發(fā)了一款變量灌溉管理分區(qū)軟件，軟件利用反距離權重法進行ECa插值分析，采用自然間斷法進行分組聚類，自動劃分變量灌溉小區(qū)，可為實現(xiàn)變量灌溉實時管理提供技術支持。