李 楠，張振華，宋 揚

（德州市水利局，山東 德州 253014）

德州市水資源極其匱乏，人均占有水資源量211 m3，在保證全省1/6 糧食產(chǎn)量的同時，全市用水總量不足全省用水總量的1/10，是全國108 座、全省4 座嚴重缺水城市之一。德州市農(nóng)業(yè)用水量約占全市用水總量的80%，作為農(nóng)業(yè)大市，需要實行農(nóng)業(yè)節(jié)水措施，實現(xiàn)精準(zhǔn)灌溉，因此研究農(nóng)作物灌溉需水量預(yù)報是十分必要的。

農(nóng)作物灌溉需水量的影響因素很多，對于農(nóng)作物整個生長期來說，是一個復(fù)雜的動態(tài)過程，主要取決于農(nóng)作物的品種、氣象因素、地理因素3 個方面。本文考慮農(nóng)作物的品種、氣象、土壤墑情等影響因素，將農(nóng)作物灌溉需水量模型的建立作為一個系統(tǒng)來研究，通過數(shù)據(jù)基礎(chǔ)、模型建立、校正系統(tǒng)三部分共同加以詮釋，建立農(nóng)作物灌溉需水量預(yù)報系統(tǒng)模型，能夠較為準(zhǔn)確地進行農(nóng)作物需水量預(yù)報。

1 農(nóng)作物需水量預(yù)報系統(tǒng)模型數(shù)據(jù)基礎(chǔ)

1.1 試驗站概況

德州市屬于暖溫帶半濕潤半干旱季風(fēng)氣候區(qū)，具有溫度適宜、光照充足、四季分明的特點。根據(jù)試驗站60 a氣象資料分析，全市多年平均氣溫12.9 ℃，平均干燥度1.29，太陽輻射125.5 kCal/cm2，日照2 660.6 h，濕度65.38%，無霜期204 d，平均風(fēng)速3.3 m/s；多年平均降水量547.5 mm，蒸發(fā)量2 000 mm；0～200 cm土壤質(zhì)地均為粉砂壤土，平均容重1.37 g/cm3，田間持水量22.3%（質(zhì)量含水率），凋萎系數(shù)7.0%（質(zhì)量含水率）；耕層土壤有機質(zhì)、pH 值和銨態(tài)氮、硝態(tài)氮、速效磷、速效鉀的含量分別為1.27%、8.40和6.5、23.5、19.5、85.7 mg/kg。

1.2 農(nóng)作物品種與其生育期

德州市主要農(nóng)作物為小麥、玉米和棉花，試驗站以這3 種主要農(nóng)作物的生育期需水量作為研究對象。3種農(nóng)作物生育期，詳見表1—3。

表1 小麥不同生育期和不同生育期天數(shù)

表2 玉米不同生育期和不同生育期天數(shù)

表3 棉花不同生育期和不同生育期天數(shù)

1.3 研究因子

1.3.1 作物蒸發(fā)蒸騰量

作物蒸發(fā)蒸騰量ETc計算公式為：

式中：ETc為作物蒸發(fā)蒸騰量（mm 或mm/d）；Kc為作物系數(shù)；Ks為土壤水分修正系數(shù)；ET0為參考作物蒸發(fā)蒸騰量（mm或mm/d）。

參考作物蒸發(fā)蒸騰量ET0按Penman-monteith公式計算，Penman-monteith 公式依據(jù)的是能量平衡原理和水汽擴散原理及空氣的熱導(dǎo)定律，1948 年由英國科學(xué)家彭曼提出，由于它的準(zhǔn)確性和易操作性，所以以此作為參考作物蒸發(fā)蒸騰量ET0的計算方法：

式中：ET0為參考作物蒸發(fā)蒸騰量（mm/d）；Δ 為溫度與飽和水氣壓關(guān)系曲線在T處的切線斜率（kPa/℃）；Rn為凈輻射量[MJ/（m2·d）]；G為土壤熱通量[MJ/（m2·d）]；γ為濕度表常數(shù)（kPa/℃）；T為平均氣溫（℃）；u2為2 m高處風(fēng)速（m/s）；es為飽和水氣壓（kPa）；ea為實際水氣壓（kPa）。

1.3.2 氣象因子

氣象因子考慮農(nóng)作物蒸散量、降雨量、氣溫、氣壓、濕度等，具體數(shù)據(jù)來自試驗區(qū)附近的氣象站實測資料。

1.3.3 土壤墑情因子監(jiān)測

土壤水是植物吸收水分的主要來源，其主要來源是降水和灌溉水。墑就是指土壤適宜植物生長發(fā)育的濕度，土壤墑情是反映土壤含水量多少的主要指標(biāo)，直接影響農(nóng)作物的生長，是決定農(nóng)作物灌溉需水量的一個重要影響因子。采用土壤墑情自動監(jiān)測技術(shù)，能夠?qū)崟r監(jiān)測土壤墑情，實現(xiàn)土壤墑情信息存儲標(biāo)準(zhǔn)化和信息上傳自動化，為德州市干旱預(yù)報、預(yù)警服務(wù)提供可靠的監(jiān)測資料。

土壤墑情自動觀測系統(tǒng)利用在地下35 cm 處放置傳感器，實時采集土壤墑情資料，由設(shè)備程序控制定點發(fā)送采集到的原始數(shù)據(jù)，采集完數(shù)據(jù)后采集器主板通過GPRS 網(wǎng)絡(luò)上傳數(shù)據(jù)，土壤墑情信息處理系統(tǒng)儲存并處理數(shù)據(jù)，生成便于查找、檢查、決策等工作的土壤墑情分布情況，用圖表的形式加以顯示，并采用干旱等級標(biāo)注土壤墑情特性，對農(nóng)作物灌溉用水量給予指導(dǎo)。

土壤墑情評價指標(biāo)以土壤含水量與田間持水量比值的百分數(shù)表示。根據(jù)墑情評價指標(biāo)，把土壤墑情分為5 個等級，即過多、適宜、輕度不足、不足、嚴重不足；在土壤墑情評價的基礎(chǔ)上，根據(jù)旱情評價指標(biāo)，把旱情分為輕旱、中旱、重旱、極旱4個等級。小麥、玉米和棉花土壤墑情與旱情評價指標(biāo)體系，詳見表4—6。

表4 小麥土壤墑情與旱情評價指標(biāo)體系

表5 玉米土壤墑情與旱情評價指標(biāo)體系

表6 棉花土壤墑情與旱情評價指標(biāo)體系

本灌溉需水量預(yù)報系統(tǒng)在實時墑情所對應(yīng)的干旱等級低于適宜等級時，會自動發(fā)出農(nóng)作物水量不足的預(yù)警。

2 農(nóng)作物需水量預(yù)報系統(tǒng)模型建立和預(yù)報結(jié)果分析

2.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)報模型

人工神經(jīng)網(wǎng)絡(luò)是對人腦若干基本特性通過數(shù)學(xué)方法進行的抽象和模擬，是一種模仿人腦結(jié)構(gòu)及其功能的非線性信息處理系統(tǒng)[1]。它具有并行的結(jié)構(gòu)、非線性處理功能、較強的容錯性以及自組織自學(xué)習(xí)能力等，能夠?qū)δ：畔⒒驈?fù)雜的非線性關(guān)系進行識別與處理。其主要特征是自學(xué)習(xí)，通過對樣本模式的學(xué)習(xí)模擬信息之間的內(nèi)在機制。

農(nóng)作物種類、不同地區(qū)的不同氣候條件和管理條件等都會影響到農(nóng)作物需水量的預(yù)報，而當(dāng)今多數(shù)的預(yù)報方法多以線性理論為基礎(chǔ)，考慮問題偏于簡單化，導(dǎo)致計算預(yù)報精度不高。在描述非線性、不確定性和模糊關(guān)系等方面，人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，簡稱ANN）具有其他方法難以比擬的優(yōu)勢。其中，BP（Back Propagation，逆向傳播）神經(jīng)網(wǎng)絡(luò)理論和方法已經(jīng)比較成熟。

2.2 農(nóng)作物需水量預(yù)報模型

2.2.1 農(nóng)作物需水量預(yù)報模型建立

BP 神經(jīng)網(wǎng)絡(luò)是一種解決復(fù)雜非線性函數(shù)逼近問題的較好方法。農(nóng)作物各生育階段各氣象因素和土壤墑情對農(nóng)作物需水量影響的機理甚為復(fù)雜，目前尚難用嚴格準(zhǔn)確的物理方程加以描述。而利用BP 神經(jīng)網(wǎng)絡(luò)，通過各氣象因子、土壤墑情因子與農(nóng)作物需水量的相關(guān)分析，確定網(wǎng)絡(luò)的拓撲結(jié)構(gòu)，用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)來實時預(yù)報農(nóng)作物需水量，對于發(fā)展節(jié)水農(nóng)業(yè)、進行高效灌溉具有十分重要的意義。

運用BP 神經(jīng)網(wǎng)絡(luò)預(yù)報模型對灌溉演進機制進行識別的實質(zhì)，是通過選擇適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)模型逼近實際系統(tǒng)的動態(tài)過程[2]。若以灌溉要素作為輸入，以某種農(nóng)作物相應(yīng)的需水量要素作為輸出，神經(jīng)網(wǎng)絡(luò)模型通過對歷史影響因子資料的學(xué)習(xí)，就能對輸出蘊含在該種農(nóng)作物的需水規(guī)律進行映射。

應(yīng)用BP神經(jīng)網(wǎng)絡(luò)建模進行模擬預(yù)報時，先要確定模型的輸入和輸出。選擇對農(nóng)作物需水量影響較大的因子作為模型的輸入，將蒸散發(fā)量、降雨量、土壤含水率作為模型輸入因子，以農(nóng)作物生育期需水量作為模型輸出因子，利用Matlab 語言編寫程序并使用神經(jīng)網(wǎng)絡(luò)工具箱中Newff 函數(shù)來初始化網(wǎng)絡(luò)，建立BP 神經(jīng)網(wǎng)絡(luò)農(nóng)作物需水量預(yù)報模型。BP 神經(jīng)網(wǎng)絡(luò)建模示意，如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)建模示意

2.2.2 農(nóng)作物需水量預(yù)報模型預(yù)報結(jié)果

灌溉需水量預(yù)報系統(tǒng)模型當(dāng)實時墑情所對應(yīng)的干旱等級低于適宜等級時，發(fā)出農(nóng)作物水量不足的預(yù)警。本系統(tǒng)根據(jù)農(nóng)作物的品種和生育期耗水量自動對農(nóng)作物進行灌溉預(yù)報，灌溉水量由土壤實時墑情和農(nóng)作物的灌溉定額決定。小麥、玉米和棉花灌溉用水量計算結(jié)果，詳見表7—9。

表7 灌溉系統(tǒng)模型模擬結(jié)果（小麥）

表8 灌溉系統(tǒng)模型模擬結(jié)果（玉米）

表9 灌溉系統(tǒng)模型模擬結(jié)果（棉花）

2.2.3 模型預(yù)報結(jié)果分析

從表10可以看出，對于農(nóng)作物玉米、棉花和小麥來說，基于系統(tǒng)對農(nóng)作物生育期耗水量的預(yù)報，再根據(jù)實時氣象因子、土壤墑情因子和農(nóng)作物灌溉定額，進行農(nóng)作物生育期灌溉，其結(jié)果符合農(nóng)作物生長需水規(guī)律。玉米和棉花經(jīng)系統(tǒng)預(yù)報計算，生育期水量都富裕，且不超過10%，對農(nóng)作物影響不大；只有小麥缺水，但缺水量為262.5 m3/hm2，占小麥灌溉定額的9.75%。分析其原因發(fā)現(xiàn)，玉米和棉花生育期大多處于汛期，降雨量充沛，且玉米和棉花生育期分別為98、142 d，生育期相對較短，所以計算結(jié)果為不缺水；小麥的生育期為237 d，且處于非汛期，降雨量僅145.8 mm，僅占需水量的30%，基本依靠灌溉用水，所以計算結(jié)果為小麥缺水?？傮w結(jié)果表明，本系統(tǒng)符合農(nóng)作物實際生長規(guī)律，準(zhǔn)確率較高，可以進行實際操作。

表10 灌溉系統(tǒng)模型模擬結(jié)果對比

2.3 校正系統(tǒng)

依據(jù)數(shù)理統(tǒng)計理論及農(nóng)田水量平衡原理的農(nóng)作物需水量預(yù)報系統(tǒng)模型理論依據(jù)明確、結(jié)構(gòu)合理、利用信息全面，在用于農(nóng)作物生育期耗水量預(yù)報檢驗中獲得良好效果。但農(nóng)作物需水量受眾多因素的影響，具有很大的不確定性，考慮到越新的資料對預(yù)報系統(tǒng)的預(yù)報結(jié)果影響越大，預(yù)報系統(tǒng)的結(jié)果更具有代表性和準(zhǔn)確性，根據(jù)氣象數(shù)據(jù)、實時監(jiān)測土壤墑情等因子，對農(nóng)作物需水量預(yù)報模型進行實時校正，確保預(yù)報系統(tǒng)引入影響因子的最新資料，以確保系統(tǒng)的準(zhǔn)確性和時效性。

3 結(jié)語

模型的輸入變量中降雨量、蒸發(fā)量、土壤含水量等因子都是比較容易監(jiān)測的，因此本預(yù)報模型便于實際應(yīng)用。根據(jù)德州市實際農(nóng)業(yè)可供水量和對未來一段時間內(nèi)的短期氣象因子、墑情因子的預(yù)報信息，通過模型預(yù)報出不同時期農(nóng)作物需水量，與適宜墑情對比，運用本預(yù)報模型進行灌溉水量和灌溉時間的預(yù)報，可以指導(dǎo)不同區(qū)域、不同農(nóng)作物的灌溉用水量和灌溉時間，為農(nóng)民灌溉提供可靠的依據(jù)，避免了農(nóng)民盲目灌溉造成的水量和經(jīng)濟損失。