土壤保湿的方法范文第1篇

关键词：温度植旱指数（TVDI）；土壤水分反演；湿地；TM影像

中图分类号：S127；S152.7 文献标识码：A 文章编号：0439-8114（2015）05-1066-07

DOI：10.14088/ki.issn0439-8114.2015.05.010

Abstract： The two-dimensional feature space between the surface temperatures（Ts）and normalized differential vegetation index （NDVI） was established by using the TM remote sensing images. The dry and wet side equation needed by the method of arid vegetation index was fitted in the feature space with the programming of IDL. The soil moisture condition of Yeyahu wetland was inversed rapidly. The correlation coefficient between inversion results and measured values was 0.860， with root mean square error of 0.1042 and the average absolute error of 0.0845. The results of soil moisture inversion showed that image retrieval accuracy of middle-resolution was better than that of the low-resolution， proving that using temperature vegetation dryness index（TVDI） to invert the wetland soil moisture content on a small scale such as in Wild Duck Lake wetland was feasible.

Key words： TVDI； soil moisture； wetland； TM image

湿地的水文条件创造了湿地独特的物理化学环境，使得湿地生态系统与深水水域生态系统以及排水良好的陆地生态系统有极大的不同。在湿地水文、湿地植被和湿地土壤对湿地的识别中，湿地水文是决定性的因素，它能促成其他两个湿地特征的形成[1]。湿地水文特征在非淹没区重点表现为土壤水分含量，由此可见土壤水分在湿地研究中的重要意义。在湿地土壤水分的相关研究中，关注土壤水分对湿地植被特征分布以及对湿地土壤结构特征和养分变化分布影响的较多[2-4]。在获取湿地土壤水分时，采用野外实测数据居多。随着遥感技术的发展，用遥感方法监测湿地土壤水分将成为一种趋势，可以为湿地的监测和保护提供可靠、准确的面上基础数据。湿地系统的水文特性不同于其他陆上系统的特征，土壤水分数值区间分布相对较宽，在模型的选择上可以利用这一特点，有利于反演精度的提高。

在土壤干湿情况的监测中，相较于以点源数据监测为基础的传统土壤水分监测方法，遥感技术监测土壤水分是用面数据来实时监测，具有时效性高、覆盖范围广、监测结果连续性好等特点。遥感技术主要从可见光-近红外、热红外及微波波段入手，结合一些植被指数、地表温度、后向散射系数、地表粗糙度等变量，建立一定的模型来反映土壤水分含量。微波遥感因为自身特点优越性，在反演土壤水分方面具有一定的优势，但是如何消除地表植被盖度以及地表粗糙度对反演结果的影响依然是当前的一个研究热点和难点[5]。基于光学的遥感检测方法主要是热惯量法和建立在植被指数（NDVI）与地表温度指数（Ts）基础上的方法，其中温度植旱指数（TVDI）方法使用较广泛[6]。TVDI方法是建立在NDVI-Ts特征空间基础上的方法，综合了植被指数和地表温度信息，增强了对土壤湿度状况的理解，是近年来广泛使用的估算模型[7]。国内学者利用TVDI开展了大量的研究工作：姚春生等[8]利用温度植旱指数法反演了新疆8、9两个月每16天的土壤湿度，使用野外与卫星同步采样的土壤湿度数据进行验证，发现TVDI指标与实测土壤湿度数据显著相关。陈斌等[9]利用温度植旱指数（TVDI）对内蒙古锡林郭勒盟草原的土壤干旱情况进行了监测，证明了基于NDVI-Ts特征空间的TVDI更适用于干旱监测。齐述华等[10]利用温度植旱指数（TVDI）法反演了全国的土壤水分，表明该方法能较好地反映表层土壤水分变化趋势，同时讨论了TVDI同NDVI和Ts之间的敏感性，得出TVDI随Ts的变化而变化的规律更明显。国内学者的研究表明TVDI模型能很好表征土壤墒情，同时这些研究都提到空间分辨率对反演结果的影响。当用点数据验证相对较大的空间分辨率的面数据时，会导致两者不能很好匹配，进而产生误差。同时，TVDI模型在估算较大区域的土壤水分时，由于统计特征空间区域内太阳总辐射不均和大气背景条件不一致而导致反演精度降低，而在小尺度范围内可以将这些方面因素的影响降得更低。

基于此，利用2010年6月TM遥感影像，反演北京野鸭湖湿地保护区的土壤水分，以期在小尺度范围内，利用中分辨率卫星数据进行土壤水分的反演，达到利用遥感技术快速监测湿地土壤墒情，提高反演精度的目的。

1 研究区概况

研究区为北京市野鸭湖湿地保护区及周边区域。野鸭湖市（省）级湿地自然保护区是华北最大、北京惟一湿地鸟类自然保护区，位于北京市延庆县西南部的官厅水库上游，其地理位置为东经115°47′-115°54′，北纬40°25′-40°30′。属北温带大陆性季风气候，处于暖温带与中温带、半干旱到半湿润之间的过度地带，具有四季分明的特点，降水大多集中在夏季的6～8月，占全年降水量的75%。该区域土壤类型以褐土为主，湿地植被资源丰富，为水禽和各种鸟类提供了优越的觅食、隐藏、繁殖场所，是候鸟南北迁徙的主要信道。地表河流为发源于北京延庆县黑汉岭的妫水河[11，12]（图1）。

2 数据资料来源及研究方法

2.1 数据源

利用遥感影像反演土壤水分，除了受到大气气溶胶的影响外，植被的疏密程度也会左右反演结果。植被太茂密，NDVI会出现饱和现象[13]，在NDVI饱和后，如果地表蒸散量继续提高，NDVI将无法正常反映土壤的干湿情况[14]。植被长势太过稀疏，说明雨水不够充沛，不利于湿地植物生长，裸土面积较大，NDVI较低，影响特征方程的拟合和反演精度。根据研究区的植被和气候特点，6、7、8月是雨季，选择植被覆盖度相对适中的6月数据比较合理。

考虑遥感数据的光谱信息丰富度、空间分辨率及时间分辨率的合适度、价格的合理性，选择美国国家航天局（NASA）发射的Landsat 5号卫星数据作为此次试验的基础数据。因此采用野鸭湖地区2010年6月5日的Landsat TM遥感数据，轨道号123/32，空间分辨率为30 m（TM6为120 m），包含从蓝光波段到热红外波段的光谱信息，有利于根据不同需要进行不同波段组合和信息提取。

2.2 影像预处理

做过几何校正的影像预处理主要包括辐射校正和大气校正两部分。辐射校正可以消除因传感器自身条件、太阳高度角、大气条件等引起的传感器测量值与被测目标实际辐亮度或光谱反射率等物理量之间的差异。利用Landsat TM 影像数字量化值（DN）与表观辐亮度（At-sensor spectral radiance）之间的定量关系，完成两者之间的转换。综合表观辐亮度、大气参数、传感器信息，利用6S大气校正模型消除大气影响，得到地表目标的光谱反射率信息。

2.3 技术路线与研究方法

2.3.1 技术路线图 对TM数据进行几何精校正、6S大气校正[15]，经过大气校正后的数据能更好地去除气溶胶的影响。综合研究比较了主要的利用光谱数据反演土壤水分模型[16，17]后，本研究采用建立在地表温度（Ts）和植被指数（NDVI）二维特征空间基础上的温度植旱指数（TVDI）法来反演土壤水分。利用Erdas建模求出地表比辐射率；选择覃志豪等[18，19]的单窗算法模型，利用TM影像的热红外波段（波段6）结合野鸭湖湿地气象站的数据估算地表温度Ts；利用可见光和近红外范围的波段（波段3、4）得出归一化植被指数NDVI（Normalized difference vegetation index）。利用Ts和NDVI构建二维特征空间，通过IDL编程筛选出特征图的边界点图，拟合需要的干湿边方程，从而反演出土壤墒情。通过实测值对反演的土壤水分进行精度验证（图2）。

国内学者在遥感技术反演不同深度土壤水分方面取得了一些成果。王纯枝等[20]研究了TVDI和0～10 cm、10～20 cm、20～30 cm土壤湿度的相关性后发现，TVDI能稳定反映地表10～20 cm土壤水分情况；陈怀亮等[21]认为表层土壤水分易受环境因素影响，与遥感资料的关系不好且不稳定，20 cm左右深度土壤水分与影像数据相关性好；郭铌等[22]用NOAA/AVHRR分别反演了10、20、30 cm深度的土壤相对湿度，同样得出20 cm土壤湿度与遥感数据的相关关系最好且稳定的结论；孙丽等[23]通过研究冬小麦的10、20 cm土壤水分，也表明TVDI能更好地反映20 cm深度土壤湿度。所以大部分学者认为多光谱反演土壤水分时，20 cm左右深度土壤水分与遥感资料相关性较好[24]。本研究的实测数据也采用10～20 cm深度的土壤水分。

2.3.2 温度植旱指数（TVDI）法 在利用光谱数据反演土壤水分的模型中，主要有基于指数的方法、基于土壤热惯量的方法[25]，在反演模型的选择上不仅需要具有良好的精度，而且要简单易行，容易实现，尽可能少用地面实测资料，尽可能多地从遥感影像上提取所需要的信息。对于裸地或者低植被盖度区域，选择表观热惯量模型可满足要求；在有植被覆盖的情况下，作物缺水指数法虽然精度较高，但其计算复杂。对于中高植被盖度的区域选择温度植旱指数法（TVDI）比较合理[26]。结合本研究区实际情况以及国内相关研究，此次研究也采用温度植旱指数法（TVDI）反演野鸭湖湿地的土壤水分。

Sandholt等[27]在研究土壤湿度时提出了温度植旱指数（Temperature-vegetation dryness index， TVDI）的概念。TVDI由植被指数和地表温度计算得到，其定义为：

式中，Ts是任意像元的地表温度；Tsmin对应的是湿边方程，表示最小的地表温度；Tsmax对应的是干边方程，表示最大的地表温度。

Moran等[28]研究发现，在假设Ts-NDVI特征空间呈梯形的基础上，从理论上计算梯形4个顶点坐标的研究结果表明，在不同的植被覆盖度条件下，Ts-NVDI特征空间中最低温度Tsmin随植被覆盖度变化而变化。Price[29]研究发现，一般情况下，某时刻某区域的地表温度和植被指数的散点图不能覆盖由干到湿的整个范围，此时特征空间呈三角形或者梯形。三角形的下边表示TVDI对应的最低温度，对应特征空间的湿边，三角形的上边表示TVDI对应的最高地表温度，对应特征空间的干边[30]。湿边和干边的线性拟合方程为：

式中，a，b为系数。

基于国内专家的研究，TVDI在反演土壤水分方面方法成熟，利用广泛，具有可信度。

2.3.3 研究区地表温度的反演 覃志豪等[19]从辐射传输方程发展了用于TM数据的对温度反演的单窗算法。单窗算法的表达如下：

式中，Ts单位为K；a、b为常量，是根据热辐射强度和亮温关系拟合出来的系数，在亮度温度范围为10～40 ℃时，a=-63.188 5，b=0.444 11，只剩下3个位置量Ta、C、D。

Ta为大气平均作用温度，覃志豪等[19]根据温度随高度的变化对4个标准大气剖面进行拟合，得到一系列的经验公式，对于中纬度夏季，由下式计算：Ta=16.011 0+0.926 21T0。其中T0为近地层大气温度，单位为K；C、D为中间变量。

式中，τ为大气透射率，ε为地表比辐射率。

覃志豪等[19]根据大气中的水气含量对大气透射率进行估算，分别根据地面附近大气温度为高和低时作出了不同的估算方程，且在沙漠干燥气候区，大气水分含量一般较低，只有0.5～1.5 g/cm2，所以在这里选择气温较高且水分含量为2.0～3.5 g/cm2的估算模型：

式中，ω 为大气水气含量。

以上的气象数据可以从野鸭湖湿地保护区内的气象站获得。

2.3.4 干湿边方程的确定 植被指数和地表温度组成的散点图通常呈现为梯形或三角形，上边界称为热边（即干边），下边界即为湿边。热边的理想状态为一近似斜线，实际上常常为不同程度的凹形或凸型。常用软件编程在温度Ts和植被指数NDVI建立的特征空间内提取相同NDVI对应的Ts的最大值像元，根据这些像元进行拟合得到热边方程，从而得到每个像元的Tsmax值。湿边的理想状态为一近似水平的直线，是散点图的下边界，实际上为不同程度的“S”形。可利用最小值方法，选择湿边的像元进行拟合得到湿边方程的参数。也可根据经验，根据湿边的平均值，参考区域内水面温度以及同期多年平均值综合确定湿边。

利用地表温度（Ts）和归一化植被指数（NDVI）建立二维特征空间，可以发现NDVI值介于-1和1之间，而Ts介于290.27 K和312.84 K之间，且散点图符合梯形特征，符合该模型的使用条件。当NDVI

将拟合的干边方程（R2=0.948）、湿边方程（R2=0.901）公式代入TVDI定义式（1），于是可以得出反演公式为：

从拟合结果来看，干边的斜率小于0，说明随着植被覆盖度的增加，地表温度的最大值有减小的趋势，湿边斜率是近乎水平的直线，在植被覆盖度较高区域温度有降低趋势，这和实际情况也是相符的，因为植被稀疏区的整体温度要高于植被稠密区的整体温度。

2.3.5 TVDI转换为土壤水分相对湿度 利用温度干旱植被指数（TVDI）反演土壤水分得到的只是一个表征某一区域的干旱相对程度的指数，它的值介于0～1。范辽生等[31]提供的模型将干旱植被指数（TVDI）转化成土壤的相对湿度。通过下式获得土壤的相对湿度（%）：

式中，RSM表示某一像元土壤相对含水量； RSMW是湿边对应的土壤相对含水量（最大）；RSMD 是干边对应的土壤相对含水量（最小）。

1）湿边的土壤相对湿度的确定。在拟合野鸭湖湿地Ts-NDVI特征空间湿边方程时，选取水体的温度作为特征空间温度的最小值，而且水体的湿度可以确定为100%，因此湿边上的土壤相对湿度确定为100%。

2）干边土壤相对湿度的确定。通过实地测量，理论上能获得干边的土壤相对湿度，但是操作难度较大。设法通过抽样的方式在实地测量一部分点的土壤相对湿度，结合相应的TVDI得到干边对应的土壤相对湿度。知道了湿边的土壤相对湿度，借助式（12）得到利用某一点的干边土壤相对湿度，计算公式为：

式中，RSMDi为利用某点实测值得到的干边土壤相对湿度；Yi为该点实测的土壤相对湿度；Xi为该点对应的TVDI。然后对所有计算出的 RSMDi值求平均，以均值作为干边上的土壤相对湿度RSMD。

3）利用求得的干边、湿边的土壤相对湿度RSMD和RSMW，结合式（12）反演野鸭湖湿地土壤相对湿度。

3 结果与分析

3.1 土壤水分反演结果

经遥感软件ENVI、ArcGIS操作处理后，反演的野鸭湖湿地土壤水分结果图如图4所示。

在反演的湿地土壤水分含量效果图中，右下方山区的土壤湿度值比平原区域的值高；平原区靠近水体的土壤湿度值高于远离水体的值；湿地保护区内地势较高区域、土壤中含沙量较多区域的土壤湿度值低于地势较低区域；植被茂密区域的值高于植被稀疏区域的值，这些跟实际情况基本一致。

3.2 反演精度评价

选取部分实测点对反演的土壤湿度进行分析并做精度评价。

从实测数据和反演数据的分布趋势图图5中可以得出，反演的土壤水分含量和实际测量值的增减趋势大体一致。利用统计软件SPSS分析两者相关性（图6），相关系数为0.860，呈显著相关，说明反演结果具有可信度。反演值与实测值的回归方程的r2值为0.739 3，高于陈斌等[9]的草原干旱监测研究的0.335，同时也高于齐述华等[10]全国旱情检测研究的0.461 6。从表1还可以看出，两者之间的平均相对误差为0.249 3，平均绝对误差在0.084 5左右，均方根误差为0.104 2，优于闫峰等[32]对河北省土壤水分估算研究的结果，说明反演精度较高，反演效果较好，温度植旱指数法（TVDI）适用于野鸭湖湿地保护区土壤水分的反演。

从实测数据和反演数据的分布趋势图图6中可以得出，反演的土壤水分含量值和实际测量值的增减趋势大体一致。当土壤含水量>60%时，遥感反演结果低于实测值；当土壤含水量

4 结论与讨论

研究采用2010年6月5日的TM影像数据对野鸭湖湿地保护区内的土壤水分进行反演。利用该方法反演的土壤水分的反演结果和实测值的相关系数为0.860，P

由于遥感技术发展需要一个过程，相应技术需要不断完善，同时植物-土壤-水分系统拥有自身的复杂性，造成土壤水分遥感监测的困难，也产生了一些误差和不足。因此在以后的研究中应该从以下几方面考虑，有助于提高反演精度：

1）遥感监测方法通常是先将地表物理参数进行反演，再建立相应关系式。所以，定量遥感推算地表物理参量成为这一过程的关键，推算精度直接影响监测效果。因此建立更高效的参量反演模型显得十分重要。譬如，在该反演模型中，与地表温度相比，植被指数反映土壤墒情的能力有限。国内学者做过相应研究，在植被指数很小或者很大时，会降低该方法的精度。可以考虑使用其他遥感参量替代来表示植被覆盖度。由于在NDVI接近饱和时，叶面积指数与植被覆盖度仍然具备良好的关系，可以考虑用叶面积指数替换，具体研究方法有待于进一步研究。

2）遥感数据空间分辨率的存在，以点状数据验证面状数据的方法决定遥感影像数据和地面实测数据不能很好一一对应，导致误差的出现，这也是定量遥感的难题之一。本次试验采用了中分辨率TM遥感影像，反演精度也高于此前研究采用的低分辨率MODIS遥感影像，误差随之降低。说明提高影像数据空间分辨率对反演精度提高有帮助。下一步可以采用更高分辨率影像数据进行试验，以提高精度。

参考文献：

[1] Committee On Characterization Of Wetlands， WSAT. Wetlands： Characteristics and Boundaries [R]. Washington，DC： National Academy Press， 1995.

[2] 张华兵，刘红玉，李玉凤，等.自然条件下盐城海滨湿地土壤水分/盐度空间分异及其与植被关系研究[J].环境科学，2013，34（2）：540-546.

[3] 张华兵，刘红玉，李玉凤，等.盐城海滨湿地景观演变关键土壤生态因子与阈值研究[J].生态学报，2013，33（21）：6975-6983.

[4] 仲崇庆，王进欣，邢 伟，等.不同植被和水文条件下苏北盐沼土壤TN、TP和OM剖面特征[J].北京林业大学学报，2010，32（3）： 186-190.

[5] 汪 潇，张增祥，赵晓丽，等.遥感监测土壤水分研究综述[J].土壤学报，2007，44（1）：157-163.

[6] 赵杰鹏，张显峰，廖春华，等.基于TVDI的大范围干旱区土壤水分遥感反演模型研究[J].遥感技术与应用，2011，26（6）：742-750.

[7] 杨 曦，武建军，闫 峰，等.基于地表温度-植被指数特征空间的区域土壤干湿状况[J].生态学报，2009，29（3）：1205-1216.

[8] 姚春生，张增祥，汪 潇.使用温度植旱指数法（TVDI）反演新疆土壤湿度[J].遥感技术与应用，2004，19（6）：473-478.

[9] 陈 斌，张雪霞，华 开，等.温度植旱指数（TVDI）在草原干旱监测中的应用研究[J].干旱区地理，2013，36（5）：160-167.

[10] 齐述华，王长耀，牛 铮.利用温度植被旱情指数（TVDI）进行全国旱情监测研究[J].遥感学报，2003，7（5）：420-427，436.

[11] 王 颖，宫辉力，赵文吉，等.北京野鸭湖湿地资源变化特征[J]. 地理学报，2005，60（4）：656-664.

[12] 林 川，宫兆宁，赵文吉，等.基于光谱特征变量的湿地典型植物生态类型识别方法――以北京野鸭湖湿地为例[J].生态学报， 2013，33（4）：1172-1185.

[13] HUETE A，DIDAN K， MIURA T， et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J]. Remote Sensing of Environment， 2002，83： 195-213.

[14] 韩丽娟，王鹏新，王锦地，等.植被指数-地表温度构成的特征空间研究[J].中图科学（D辑）：地球科学，2005，35（4）：371-377.

[15] 阿布都瓦斯提・吾拉木，秦其明，朱黎江.基于6S模型的可见光、近红外遥感数据的大气校正[J].北京大学学报（自然科学版），2004，40（4）：611-618.

[16] 王鹏新，龚健雅，李小文，等.基于植被指数和土地表面温度的干旱监测模型[J].地球科学进展，2003，18（4）：527-533.

[17] 王鹏新，孙 威.基于植被指数和地表温度的干旱监测方法的对比分析[J].北京师范大学学报（自然科学版），2007，43（3）： 319-323.

[18] 覃志豪，ZHANG M H，ARNON K，等.用陆地卫星TM6数据演算地表温度的单窗算法[J].地理学报，2001，56（4）：456-466.

[19] 覃志豪，LI W J，ZHANG M H，等.单窗算法的大气参数估计方法[J].国土资源遥感，2003（2）：37-43.

[20] 王纯枝，毛留喜，何延波，等.温度植旱指数法（TVDI）在黄淮海平原土壤湿度反演中的应用研究[J].土壤通报，2009，40（5）：998-1005.

[21] 陈怀亮，冯定原，邹春辉.麦田土壤水分NOAA/AVHRR遥感监测方法研究[J].遥感技术与应用，1998，13（4）：27-35.

[22] 郭 铌，陈添宇，雷建勤，等.用NOAA卫星可见光和红外资料估算甘肃省东部农田区土壤湿度[J].应用气象学报，1997，8（2）：85-91.

[23] 孙 丽，吴 全，裴志远，等.温度植旱指数（TVDI）与多因子关系研究[J].地理与地理信息科学，2010，26（2）：31-34，88.

[24] 许小燕.表层土壤水分预测下层土壤水分的模型研究[D].陕西杨凌：西北农林科技大学，2005.

[25] 陈书林，刘元波，温作民.卫星遥感反演土壤水分研究综述[J]. 地球科学进展，2012，27（11）：1192-1203.

[26]. 姚春生.使用MODIS数据反演土壤水分研究[D].北京：中国科学院，2003.

[27] SANDHOLT I，RASMUSSEN K，ANDERSEN J. A simple interpretation of the surface temperature vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment， 2002，79： 213-234.

[28] MORAN M S， CLARKE T R， INOUE Y， et al. Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index[J]. Remote Sens Environ， 1994， 49： 246-263.

[29] PRICE J C. Thermal inertia mapping：a new view of the earth[J]. Journal of Geophysical Research，1977，82： 2582-2590.

[30] 张增祥，姚春生.使用温度植旱指数（TVDI）反演新疆土壤湿度[J].中国农业气象，2009，19（6）：230-234.

土壤保湿的方法范文第2篇

关键词：土壤；PH值；湿度；单片机

引言

土壤的酸碱度（PH）、温度和湿度是影响植物生长的重要因素，特别是土壤的酸碱性将直接影响植物是否可以生长。获取土壤酸碱度是植物种植前重要的环节，土壤湿度是植物生长期间指示作物正常生长的重要因素之一，因此酸碱度（PH）和温度测量仪的设计有非常重要的实际意义。

本文对当前市场上常见土壤测量仪器进行分析，发现目前使用的土壤测量仪器存在的问题，比如测量误差大、操作麻烦、测量信息单一等不足。为此，提出改进的设计方案，并设计了相应控制系统的低功耗硬件电路和软件流程，最后对产品进行了测试验证，得到了较好的结果。本测量设备可以改进市场上土壤测量仪器存在的一些不足，取得更高的测量精度、更好的稳定性和简便的校准。

1 测量原理

1.1 复合电极测量PH值

2 系统设计

2.1 系统整体机构

基于PIC18F系列单片机的土壤酸碱度和湿度测量仪可以实现土壤酸碱度、湿度、温度的测量，通过LCD显示屏将采集的信息显示到屏幕。按键及其电路可以实现对单片机的操作，可以通过按键实现数据采集、保存、查看和删除、校准操作，也可以通过串口将数据发送到电脑上位机，对采集的数据信息进行集中管理。土壤酸碱度（PH）和温度测量仪系统框图如图1。

2.2 硬件电路设计

2.2.1 酸碱度信号采集电路

PH信号采集电路如图所示，图中字母PH代表PH传感器返回的电压信号，先经过了一个电压跟随器，电路的第二级是一个减法运算电路，将一个1V左右的信号与PH传感器的电压信号相减，通过表1可知PH传感器的电压变化可正可负，而PIC18F单片机的AD采样只能采集大于零的电压信号，经过二级电路时，当PH为0时PHout为0.6V左右，当PH为14时PHout为1.4V左右，传感器的信号经过图电路后信号整体被抬高到大于零，且PH与电压成正向关系，PHout输出范围为，AD可以正常采集此信号。电容C2用于消除输入端的干扰。电路如图2所示。

2.2.2 湿度信号采集电路

湿度信号采集电路采用了分压的方式，单片机的AD直接采集电压变化。电路R1和R3起分压作用，R4和R5分压，C4起滤波作用，防止干扰信号的影响。电路如图3。

3 PH和湿度标定

3.1 PH标定

从表1可知PH与电压呈线性关系，在理想状态下线性方程符合公式（2），在实际测量过程中需要通过二点标定法算出斜率和零点：

（1）在25摄氏度的室温下准备两种常用标定溶液混合磷酸盐

pH 值为6.86PH、硼砂pH值为9.18PH。

（2）通过功能键将土壤PH和湿度测量仪调到校准功能，当

LCD上读取到CAL和6.86PH字样时，将测量仪在磷酸盐标定液中测量数次，继续按功能键从LCD上读取到CAL和9.18PH字样时，将测量仪在硼砂标定液中测量数次。

（3）按确认键单片机会自动计算两种溶液中读取到的电压平均值，算出斜率和零点保存在单片机中。

长时间使用该土壤PH和湿度测量仪时会造成PH传感器信号返回值漂移，所以需要定期对该产品进行重新标定。

3.2 湿度标定

从室外田地取土若干，用烘干机烘烤6小时，然后用烘干的土配置含水量不同的土壤标本，使用单片机读取含水量不同时传感器返回的电压值，经过大量测试数据表明土壤含水量低于与18%时含水量越大AD采样电压值也越大，有较好的线性关系；含水量超过18%随含水量的增加AD采样电压值下降；当含水量超过25%时土壤稀释度就比较大，在实际土壤灌溉中没有意义。

通过上面结论具体研究了土壤含水量低于18%时与电压的关系：

（1）取10组土壤样本，放入烘干箱中烘烤6小时。

（2）将10组烘干的土壤称重记录，然后分别加入不同含量的

水，配制含水量不同的土壤。

（3）分别测量对应的电压关系，每组土壤隔2min记录一次，共记录4次，算出平均值，记录如表1。

对表中的数据进行一元线性回归可得拟合曲线如图4。

4 实验测试

为了测试本土壤酸碱度和湿度测量仪的准确性，进行了以下实验测量。在温度为25℃的实验室中配制了10组酸碱度和湿度不同的土壤样本，PH以PHS-3C型酸度计测量数值为准确值，本土壤酸碱度和湿度测量仪测量的PH值为测量值，湿度百分比以10组土壤样本烘干前后计算值为准确值，本土壤酸碱度和湿度测量仪测量的湿度值为测量值，将PHS-3C型酸度计和本土壤酸碱度和湿度测量仪分别插入10组样本中测量记录，然后将10组土壤样本烘干、天平称重，计算湿度并记录，记录如表2。

本次实验测量的土壤PH主要集中在4-10，湿度集中在3%-18%，在实际的农田中，土壤的酸碱度和湿度在上述区间内有实际的意义，通过实验测量结果可以得出，土壤的PH误差小于0.1PH，湿度误差小于0.5%，符合产品生产要求。

5 结束语

本文介绍了一种基于单片机的酸碱度（PH）和湿度测量仪，硬件上采用了运放电路和AD采样实现，分别通过二点标定法和线性回归获得PH和湿度相关曲线，软件上采用了温度补偿和两点校准来保证测量的准确性，通过实验测试该酸碱度（PH）和湿度测量仪的PH测量误差小于0.1PH，湿度的测量误差小于0.5%，指标满足设计要求。综上所述该测量仪具有性能优良、可靠性高、操作简单、节约成本等优点，可以满足农田土壤酸碱度和湿度的测量，具有一定的应用前景。

参考文献

[1]邹应全，行鸿彦.高精度PH测量仪研究[J].测控技术，2010，29（9）：1-4.

[2]王凤花，裘正军，介邓飞.农田土壤PH值和电导率采集仪设计与实验[J].农业机械学报，2009，40（6）：164-168.

[3]李民赞，王琦，汪懋华.一种土壤电导率实时分析仪的试验研究[J].农业工程学报，2004，20（1）：51-55.

[4]许国忠，饶连周.基于单片机ADuC845的pH计的设计[J].三明学院学报，2009，26（2）：168-171.

[5]田思庆，史庆武，程佳生.基于单片机的土壤湿度测试仪的研究[J].农机化研究，2015，V43（5）：130-135.

[6]刁硕，王红旗，邱晨.土壤酸碱度测定方法的差异研究与探讨[J].环境工程，2015，33（增刊）：1015-1017.

土壤保湿的方法范文第3篇

土壤湿度是陆地水循环的关键环节，也是陆地和大气之间水汽和能量交换过程中的重要因子。长期以来，科学家们对土壤湿度在气候系统中的作用已经开展了大量的研究，但也存在一些尚未解决的问题;其主要原因，是土壤湿度观测资料极为缺乏。王国杰介绍说，近几年，国际水文与遥感学界致力于利用卫星遥感手段提取陆面土壤湿度，欧洲的科学家已经开发出了较为完善的微波辐射传输遥感模型，利用美国、欧洲、日本的极轨卫星资料，发展了最近30年的日分辨率的全球土壤湿度。但是在这其中，中国的遥感资料和产品并没有参与进来。意识到这一情况，王国杰不畏艰难，毅然决定利用中国气象局的风云三号气象卫星资料开展研究，参与到多国遥感合作项目中，扩大中国卫星产品的国际影响。

目前任教于南京信息工程大学地理与遥感学院的王国杰，2007年就获得中国科学院水文学博士，2011年获得荷兰阿姆斯特丹自由大学气象学博士，凭借深厚的专业积累和多学科背景，将工作着眼于土壤湿度产品的研发及其在气象预报和水文预报等领域的应用，致力于实现水文学与气象学的结合。每一个科研新项目都源自过往的积淀，对他来说更是如此，在多年的工作中，他脚踏实地、勤勤恳恳，用辛劳和汗水筑牢了科研的根基。

推动中国卫星产品参与国际合作

2013年，王国杰开始进行教育部国际合作项目“利用中国风云三号气象卫星遥感资料提取陆面土壤湿度”的研究。基于中国气象局风云三号气象卫星微波遥感资料，王国杰与荷兰合作方进行密切合作，采用合作研发的陆面参数遥感模型（LPRM）提取土壤湿度。LPRM模型是一个较为成熟的辐射传输遥感模型，在国际上有很高的知名度，已经被应用于多颗卫星资料来研发全球土壤湿度产品，包括SMMR、SSM/I、TRMM、AMSR-E、WindSat、AMSR-2等。利用成熟的土壤湿度反演技术和风云三号气象卫星微波亮温资料，王国杰已经研发了空间分辨率为25km、时间分辨率为12小时的全球土壤湿度产品，效果极优;并且基于WebGIS技术搭建了数据服务器，成立“信大遥感数据网”（http：//），供全球用户在线浏览、查询和下载土壤湿度数据。目前，这一产品已经用于国家自然科学基金委中德科学中心“中德合作组项目“水资源综合管理：模型模拟到适应措施”的工作之中。

王国杰介绍说，利用风云三号B星和最近发射的风云三号C星资料，可以把土壤湿度产品的时间分辨率提高到6小时;利用风云气象卫星多载荷融合技术，可以把土壤湿度产品的空间分辨率提高到1km。提高风云卫星土壤湿度产品的时、空分辨率，是王国杰研究工作的一个重要方向。

通过这一系列的工作，王国杰为后续的水文气象过程研究提供了高质量的基础数据。与此同时，他也与荷兰阿姆斯特丹自由大学、澳大利亚新南威尔士大学和美国NOAA的土壤湿度遥感团队建立了长期、紧密的学术联系，为今后的进一步研究奠定了基础。

揭秘东亚季风区降水机制

东亚季风区是我国人口最稠密、经济最发达的地区。在过去30年来，随着全球气温变暖，东亚季风区极端降水的频率和强度显著增加。极端降水所导致的洪涝灾害，对社会经济和人们生活产生了重要的影响。这使得人类对水资源的调控及洪水风险管理，对于大气降水尤其是极端降水的预报提出了更高的要求。然而，大气过程具有混沌特征，并且极端降水频率和强度增加，使得大气降水的可预报性降低。因此，在全球变暖的条件下，加强对我国东部季风区夏季降水的预报能力，是我国水文气象工作者迫在眉睫的任务。

众多研究表明，中国东部地区夏季土壤湿度对同期降水可能存在正反馈机制，但是尚无法厘清是直接反馈还是间接反馈。同时，东亚季风区春季土壤湿度对夏季大气降水的动力反馈，不仅会改变夏季风的强度，也可能改变其路径。因而，这种反馈机制对夏季降水的影响及其空间分布更加复杂。

近几年，陆面水文遥感技术快速发展，开始提供大尺度的土壤湿度观测资料。在对现有成果深入分析研究后，王国杰认为，以数值模拟手段研究土壤湿度对大气降水的反馈作用，不同数值模式输出的结果有很大分歧;而单纯采用数学手段则难以准确地分离出反馈信号并确定反馈机制。要厘清土壤湿度对大气降水的反馈机制，需要综合利用数值模拟和数据分析两种手段。

为了在这一领域获得突破，王国杰带领课题组成员开展了国家自然科学基金项目“东亚季风区土壤湿度对大气降水的反馈作用研究”。在这项工作中，王国杰潜心科研，着重解决关键科学和技术问题，瞄准土壤湿度遥感产品的交叉验证和优化处理，为该项研究提供高质量的数据基础。土壤湿度与大气降水之间存在双向的相互作用，相关分析等传统手段无法捕捉和量化土壤湿度对大气降水的影响。为了有效地分析反馈信号，王国杰采用反映统计因果关系的Granger causality等方法分离土壤湿度和大气降水之间的相互作用，并试图提出新的数学方法以剔除外生变量如SST所导致的虚假信号。同时，王国杰领导的研究团队采用集合卡尔曼滤波等技术手段，把卫星遥感土壤湿度产品同化到WRF等数值模式中，进行陆面-大气相互作用的数值模拟。目前，这项研究还在进行中，王国杰说，项目进展非常顺利，东亚季风区土壤湿度相关研究初见成效。

同时，在手头工作量很重的情况下，王国杰不畏辛劳，与荷兰国际航天测量与地球科学学院、美国海洋与大气管理局开展合作，主持开展了国家自然科学基金重大研究计划项目“青藏高原春夏季土壤湿度热力效应及其对东亚夏季风和季风降水的影响”的研究。

青藏高原热力作用显著地影响东亚夏季风和季风降水。春夏季土壤湿度对高原热源有重要影响，但土壤湿度观测数据不足，学术界对土壤湿度的热力效应及其对东亚夏季风和季风降水的影响仍然缺乏研究。为此，王国杰带领团队利用高质量的土壤湿度遥感数据，综合利用诊断分析和数值模拟两种手段，研究青藏高原春夏季土壤湿度的热力效应，及其对东亚夏季风和季风降水的影响机制。

在这一过程中，王国杰将研究重点放在三个方面，集中优势资源优化现有多源卫星资料，建立全国最近20多年土壤湿度数据库。同时，他诊断分析青藏高原春夏季土壤湿度的热力效应，及其与东亚夏季风环流和季风降水的关系。除此之外，他以土壤湿度遥感数据驱动区域气候模式进行敏感性实验，揭示土壤湿度异常通过热力效应影响东亚夏季风和季风降水的具体过程和物理机制。

探索土壤湿度与气候变化之间关系的奥秘

气候变化对人类社会和生态系统带来的最直接和最重要的影响，是导致地表水资源短缺;而地表水资源短缺，尤其是土壤水分缺乏，又会通过反馈机制作用于大气过程，放大变暖的信号。那么，在我国东部地区，气候变化和地表土壤湿度之间有什么样的具体联系呢？2015年底，王国杰受国家自然科学基金国际合作项目资助，与加拿大谢布克大学合作开展“我国东部地区土壤湿度卫星反演及其对气候变化的响应机制研究”，共同研究我国东部地区土壤湿度对气候变化的响应机制。

王国杰认为，要认识土壤湿度对气候变化的响应机制，需要从水平衡原理入手。地表土壤湿度，取决于大气降水和蒸散发的差值;大气降水的变化易于研究，而陆地蒸散发是陆地水循环中最大的不确定项，受太阳辐射、风速、气温等诸多因素的影响，难以厘清并量化它们之间的复杂关系。因而，这是一个比较艰巨的任务。经过大量的文献调研，王国杰发现，“基于传统水量平衡原理计算过的干旱指数，并不能够准确反映气候变化对地表水资源及水循环的影响;只有采用大尺度土壤湿度观测资料开展研究，才能更加准确描述气候变化对我国东部地区水资源的影响，探明陆地-大气界面水循环对气候变化的响应机制”。

那大尺度的土壤湿度观测资料又来源于何处呢？

基于近十年来，国际卫星遥感反演手段的快速发展，为获取大尺度长序列的土壤湿度数据提供了可行途径。王国杰很有信心：“可能当前土壤水分卫星遥感技术并不尽完美，但可以为我们提供一个独立于气象观测的地表土壤湿度数据集，这种客观的数据是极其重要的”，利用卫星遥感技术建立土壤湿度数据库，并对其进行详细分析，可以量化气候变化对地表水循环的影响。

可是，问题又来了！是不是拟采用的卫星反演手段就一定能准确测定土壤湿度呢？

在查阅大量文献后，王国杰发现并非如此。每颗卫星的原始观测资料，都有自己的优势和缺陷;不同的土壤湿度反演算法同样如此。因此，采用多卫星、多传感器联合反演手段，可以整合各种卫星数据和各种反演算法的优点，提高土壤湿度的反演精度。另外，基于单颗卫星资料反演土壤湿度，其时间序列较短;采用多卫星资料融合，可以延长土壤湿度时间序列，更有利于分析气候变化对土壤湿度的影响。通过国家自然科学基金委中-加合作项目，可以充分利用双方团队的科研和技术优势，开发高质量的土壤湿度产品。王国杰领导的研究团队，擅长利用微波遥感技术反演土壤湿度产品。加拿大团队则擅长采用合成孔径雷达反演土壤湿度，尤其擅长利用L波段开发高植被覆盖地区的土壤湿度产品。

王国杰介绍说，欧美国家近年斥巨资研发专门卫星以探测土壤湿度。2010年，欧洲空间局（ESA）耗资3.15亿欧元，发射了“土壤湿度和海水盐度”（SMOS）卫星;2015年，美国NASA耗资9.16亿美元，发射了“土壤水分主被动探测”卫星（SMAP）。我国目前尚没有土壤湿度专门卫星。基于中国自主知识产权的风云卫星资料研发自主知识产权的土壤湿度和植被光学深度数据，可以满足并保障国家重大需求，也可促进我国卫星资料的深化利用，参与在该领域内的国际竞争。加强国际合作与交流，并可借鉴和吸收SMAP和SMOS的优秀研究成果，为发展我国遥感反演土壤数据集提供技术支持和参考。

勇于发现，开拓创新。在梳理科研工作中面临的诸多问题后，王国杰及合作团队决定利用卫星反演高质量的土壤湿度资料，从地表水平衡原理及水循环动力机制出发，重新厘定中国东部地区土壤湿度对气候变化的响应机制。

土壤保湿的方法范文第4篇

关键词 果树；需水特性；水分运动；滴灌方法；建议

中图分类号 S274 文献标识码 A 文章编号 1007-5739（2013）15-0116-02

我国果园面积有700万hm2（河北农业信息网，2008年），其中很大一部分没有灌溉设施。其中，大部分果树是在干旱和半干旱地区栽培，为了实现果树丰产、优质、高效栽培的目标，一方面要进行灌溉，而另一方面要考虑节水。如何利用我国有限的水资源发展如此大面积果园灌溉，提高水分利用率是果树灌溉研究的一个重要课题。目前，世界灌溉发展的趋势是既要提高水分利用效率，又要减少灌溉对环境产生的影响（诸如地下水位抬高、盐碱化和地下水污染等）。滴灌是一种既能有效地提高灌溉水的利用效率又能减少作物根系层化学物质淋失的灌溉方法。因此，如何根据果树种类、生长周期、土壤结构及需水要求合理布置、滴灌系统的设计和运行成为果树滴灌工程研究的主要任务。

1 果树特性及其与水分的关系

1.1 果树需水特性

果树需水量的多少或灌溉时间，主要取决于自身遗传因素和外界环境的影响，其中环境因素主要包括土壤性质和结构、气温、风速、降雨等，而影响果树需水量多少和灌溉时间的自身因素主要有果树的种类、品种、砧木特性、树龄大小以及生长时期等。

按照抗旱能力和需水量不同，可将果树分为以下3类。一是抗旱力强的品种，如桃、杏、石榴、枣、无花果、核桃和风梨；二是抗旱力中等的品种，如苹果、梨、柿、樱桃、李梅及柑橘；三是抗旱力弱的品种，如香蕉、枇杷、杨梅[1]。

一般果树灌溉应抓好4个时期：一是花前水（又称催芽水）。在果树发芽前后到开花前期，若土壤中有充足的水分，可促进新梢的生长，增大叶片面积，为丰产打下基础。因此，在春旱地区，花前灌水能有效促进果树萌芽、开花、新梢叶片生长以及提高坐果率。一般可在萌芽前后进行灌水，若提前早灌效果则更好。二是花后水（又称催梢水）。果树新梢生长和幼果膨大期是果树的需水临界期。此时期果树的生理机能是最旺盛，若土壤水分不足，会致使幼果皱缩和脱落，并影响根的吸收功能，减缓果树生长，明显降低产量。因此，该时期若遇干旱，应及时进行灌溉。一般可在落花后15 d至生理落果前进行灌水。三是包花芽分化水（又称成花保果水）。就多数落叶果树而言，此时正值果实迅速膨大及花芽大量分化期，应及时灌水。四是休眠期灌水（即冬灌）。一般在土壤结冻前进行，可起到防旱御寒作用，且有利于花芽发育，促使肥料分解，有利于果树翌年春天生长[1-2]。

1.2 果树根系与水分的关系

果树依靠根系吸收水分，因此灌溉水量、灌溉土壤湿润体形状、体积与根系分布的配合是影响灌溉水利用率的决定因素。果树根系的分布由遗传决定，不同种类的果树根系分布不尽相同。一般情况下，在条件适宜的果园，根系主要集中在地表下10～40 cm范围内，而土层深达80 cm以下，各种根的分布量均显著减少[3]。

根系的分布也同样受环境因素比如土壤结构、质地、温度、肥力等影响。如山地果园，如果下层是半风化的母岩或纵生岩层，根系分布则深，但根量少；若为横生岩板时，根系分布浅。沙地果园若下层有黏板层，根系分布只限制在黏板层之上。一般来说，土层深厚根系分布较深。但在黏重土壤上下层为紧实的生土层，也会限制根系广泛分布。另外，无论什么样的土壤，只要地下水位高，根系分布就会受限制。土壤肥力是影响根系分布的重要因素。当土壤中的水、肥、气、热等肥力因素协调时，果树根系则相对集中，形成根系富集区。土壤越肥沃，根系越集中；相反，土壤越贫瘠，根越分散而走得远[4]。同样，土壤水分对根系的分布也有相应影响，当土壤水势下降时，根冠比增加利于吸收和水分利用率的提高，这是对干旱的一种适应。根冠比大虽有利于抗旱，但过分庞大的根系是以消耗大量光合产物为前提的，因而影响了地上部的生物产量和经济产量[3]。

2 滴灌水分运动研究进展

影响滴灌土壤湿润体的因素很多，一般来说主要有土壤、灌水器以及灌水方法等方面的原因，土壤方面的影响因素主要有土壤结构、初始含水率、容重和土壤质地等，灌水器和灌水方法方面主要有滴头流量 、灌水量 、灌水间歇或连续等。

2.1 滴灌条件下湿润峰研究

付琳[5]对滴灌过程中湿润锋运移速度、湿润体的形状和体积、湿润体内的水分分布等问题进行田间试验时发现，地表湿润锋半径及垂向湿润深度均与入渗历时较好的符合幂函数关系。刘晓英等[6]在研究指出，滴灌条件下水平和垂直方向的最大湿润锋运移近似为■的线性函数。

张振华等[7]进行的室内模拟试验表明，对于同一滴头流量，在相同的入渗时间内（灌水量相同），大容重土壤的水平扩散距离明显大于小容重土壤，而其垂直入渗距离则小于小容重土壤；对于同一种土壤而言在其他条件一致的情况下，初始含水率大的土壤水分扩散大于初始含水率小的土壤，在相同的入渗时间内其土壤湿润体也较大。同样，马玉祥[8]等研究表明，对于同一种土壤，滴头流量的增加，可使湿润峰的宽度增大，而且灌水量的增加湿润峰的宽度也随着增大。在相同的灌水量情况下，横向湿润峰宽度重壤土>中壤土>砂土，而纵向湿润峰重壤土

2.2 滴灌条件下湿润体研究

陈渠昌等[9]对不同性质的土壤滴灌湿润体的测量结果表明，土壤湿润体的形状与土壤土层、土壤均匀性、渗透能力等关系极为密切，近似于旋转抛物体。透水性差的土壤，其滴灌湿润体最大直径部位往往在地表面，且湿润深度小，直径大，底部趋平；层状土壤湿润体在土层界面处变形，湿润锋面呈“3”形；不均匀土壤，湿润体形状复杂多变，呈不规则状。吕殿青等[10]的研究结果表明，滴头流量相同时，随着灌水量的增加，湿润体的范围增大，滴头附近的含水量也增大；滴头流量和灌水量不变的情况下，随着初始含水率的增加，滴头附近各节点的含水量也相应增加。

张振华等[11]研究表明，点源入渗的土壤湿润体形状受到滴头流量和入渗时间的影响，一般条件下，地表点源入渗条件下土壤湿润体为1/2个椭球体。滴灌湿润体水平和竖直方向的入渗距离与入渗时间存在显著的幂函数关系。滴灌土壤湿润体体积和灌水量之间存在显著的直线关系，在灌水量确定的条件下，滴头流量对湿润体体积影响很小。

3 果树滴灌方法

果树滴灌系统设计，需要考虑树木生育期、根系特点、土壤类型与结构因素的影响。苗期、幼树与成龄期、盛果期的需水量及毛管布置都应该有区别。对成龄树木开始采用滴灌，应使50%以上根区的土壤湿润。

3.1 单行毛管直线布置

毛管顺作物行布置，1行作物布置1条毛管，此种布置适合于株行距较小的果树和幼树。对于幼树，一株树安装2～3个单口出水口滴头。对于果树，可沿毛管等距安装滴头，也可采用多孔毛管（滴灌管或滴灌带）作灌水器。毛管沿作物行向布置，在山丘区，毛管是沿等高线布置的。对于果树，滴头（或灌水点）与树干的距离通常为树冠半径的2/3[12]。

3.2 双行毛管平行布置

对于高大果树，可采用双行毛管平行布置的形式，树行两侧各设1条毛管，每株树两边各安装2～4个滴头。此种布置形式使用的毛管数量较多。毛管沿作物行向布置，在山丘区，毛管是沿等高线布置的。对于果树，滴头（或灌水点）与树干的距离通常为树冠半径的2/3。

3.3 单行毛管环状布置

对于成龄果树，可沿1行树布置1条毛管，围绕每株树布置1条环状灌水器，其上安装5～6个滴头。此种布置形式由于增加了环状管，因而增加了工程费用。毛管沿作物行向布置，在山丘区，毛管是沿等高线布置的。对于果树，滴头（或灌水点）与树干的距离通常为树冠半径的2/3。

4 建议

4.1 根据果树的种类、根系结构、需水特性等设计滴灌系统

果树滴灌工程设计不仅仅是水利设计，应该结合农艺科学，根据果树的种类、根系结构、需水特性等方法设计果树滴灌系统。针对不同种类的果树、不同的栽种方式应该采用不同的滴灌方式。比如对于葡萄等密植果树，应该采用单行毛管直线布置，即位于葡萄种植行一侧铺设1条滴灌管或滴灌带；而对于植株较高、株行距较大的成年果树，可采用单行毛管环状布置，以更有利于高效利用灌溉水源，促进果树生长。

4.2 结合土壤结构、气候环境等确定灌溉水量和灌溉时间

一是果树滴灌水量应合理，比如花期干旱或水分过多，常引起落花落果，降低坐果率；果实发育期灌溉水量过多易引起后期落果或造成裂果，还易造成果实病害。二是果树滴灌应掌握好灌溉时机，应在果树生长未受到缺水影响以前就进行，不要等到果树已从形态上显露出缺水时才进行灌溉。如果当果实出现皱缩、叶片发生卷曲等时才进行灌溉，则对果树的生长和结果将造成不可弥补的损失。三是果树需要水分，但有时果树适度的缺水还能促进果树根系深扎。抑制果树的枝叶生长，减少剪枝量，并使果树尽早进入花芽分化阶段，使果树早结果，并可提高果品的含糖量及品质等。

4.3 引入农艺节水理念，提高水分利用率，达到增产高效的目标

可采取地膜覆盖措施，在保肥保墒的同时，减少地面蒸发，节约灌溉水源。还可以采取水肥一体化，实现水肥的同步耦合，进而提高土壤肥力，使根系分布集中而富有生机，从而进一步提高了水分利用率。

5 参考文献

[1] 邹新群.果树需水规律与节水灌溉[J].北京农业，2006（11）：27-28.

[2] 丁三姐，魏钦平，徐凯.果树节水灌溉研究进展[J].北方园艺，2006（4）：38-41.

[3] 赵领军，张丽军，赵善仓.果树根系与水分关系[J].河北果树，2007（1）：1-4.

[4] 李天忠，张志宏.现代果树生物学[M].北京：科学出版社，2008：132-133.

[5] 付琳.滴灌时的土壤浸润状况[J].灌溉排水，1983（3）：36-45.

[6] 刘晓英，杨振刚，王天俊.滴灌条件下水分运动规律的研究[J].水力学报，1990（1）：11-22.

[7] 张振华，蔡焕杰，郭永昌，等.滴灌湿润体影响因素的试验研究[J].农业工程学报，2002，18（2）：17-20.

[8] 马玉祥，候振龙，封金祥.滴灌条件下不同土壤湿润峰变化研究[J].甘肃农业，2006（4）：120-121.

[9] 陈渠昌，吴忠渤.滴灌条件下沙地土壤水分分布与运移规律[J].灌溉排水，1999，18（1）：28-31.

[10] 吕殿青，王全九，王文焰，等.膜下滴灌水盐运移影响因素研究[J].土壤学报，2002，39（6）：794-801.

土壤保湿的方法范文第5篇

    1材料与方法

    1.1供试土壤试验于2011年7月在杨凌旱区节水农业研究院进行,本区域位于东经108°~108°7',北纬34°12'~34°2',土壤属于黏壤土,试验用土取自表层0~40cm熟土,自然风干后过2mm孔径筛子,过筛后土壤的基本物理特性见表1,其中η为粒径d的土壤百分比,γ为土壤容重.

    1.2测试装置试验系统由供水系统和土箱两部分组成(见图1).试验用土箱由厚10mm的有机玻璃制成,其规格为45cm×45cm×80cm(长×宽×高).供水系统由自制供水箱提供恒定水头,通过调节旋钮开度来控制流量.

    1.3试验方法在试验过程中共设置了5个土壤初始含水率,分别为4.01%,7.11%,8.76%,10.85%,14.68%,其中8.76%为验证含水率.用烘干法测土壤含水率,按设定的土壤含水率配制后用塑料防水布裹好放置24h后,让水分充分分布,以保证土壤内部含水率基本均匀.将试验用土分层装入土箱,每5cm为一层,层间打毛,装箱控制土壤容重为1.35g/cm3,为防止表层土壤水分蒸发,土壤表面用塑料膜覆盖,土壤装入土箱自然沉降24h后进行试验.试验中设定的滴头流量为7L/h,灌水器垂直埋入土中,灌水器顶部与土壤表层齐平.灌水历时为6h,每个处理重复3次.灌水试验开始后用秒表计时,在最初的1h内,每隔10min在土箱上标记湿润锋位置,用钢尺测量土壤表面湿润半径、土箱侧面的湿润半径,并记录;1h后至3h,每隔20min标记、测量、记录一次;3h后每隔30min记录一次,直到试验结束.灌水结束后,立即用直径1cm土钻,在沿土箱侧边45°方向湿润体剖面半径上取样,不同取样点水平、垂直间距为5cm,取土至湿润锋位置结束,用烘干法测量土壤含水率.

    2结果与分析选取土壤表面水平湿润半径r、最大水平湿润半径R、垂直入渗深度H和灌溉时间t为特征值.

    2.1土壤表面湿润半径土壤表面湿润面积是反映湿润体特征的重要参数.试验初期,土壤表面含水率随着时间的增加,水分逐渐入渗到土壤表面,土壤表面湿润半径逐渐增大.图2为土壤表面湿润半径的变化趋势图.由图2可以看出,随着土壤初始含水率的增高,水分渗透到土壤表面的时间逐渐缩短,当土壤初始含水率θ分别为4.01%,7.11%,8.76%,10.85%,14.68%时,土壤表面湿润出现的时间分别为71,50,39,35,25min.随着灌溉时间的延长,地表湿润半径逐渐增大,相同时刻,土壤表面湿润半径也随着土壤初始含水率的增大而增大,可用对数函数关系(r=alnt-b)拟合表面湿润半径与灌溉时间t的关系,见表2.由表2可以看出,决定系数均大于0.99,相关性较好.参数a随着土壤含水率的增大而增大,与初始含水率θ呈幂函数关系,参数b随着土壤含水率的增大而减小,与初始含水率呈线性关系,其决定系数大于0.94.因此,土层表面水平湿润半径r与灌溉当含水率为4.01%,7.11%,8.76%,10.85%,14.68%时,用式(2)计算的表层湿润半径为0时的灌溉时间t分别为68.47,47.45,39.39,31.38,21.19min,与实测值的平均相对误差仅为6.65%.说明该拟合关系式可以较好地计算涌泉根灌地表湿润时间及湿润区扩大速度.

    2.2湿润体最大水平湿润半径和垂直湿润深度土壤湿润体最大水平湿润半径和垂直湿润深度是衡量湿润体湿润范围的重要特征值,掌握特定土壤条件下不同初始含水率下入渗过程中该值随灌水时间变化的规律,能够为涌泉根灌毛管铺设和灌水器布置提供重要的理论参考.图3为土壤初始含水率对最大水平湿润半径和垂直入渗深度变化的影响.由图3可以看出,初始含水率显着地影响了水平和垂直方向湿润锋的运移速度,最大水平湿润半径R和垂直入渗深度H都随着土壤初始含水率的增大而增大,且垂直入渗深度H的变化趋势明显大于水平湿润半径.随着水分扩散时间的延长,它们之间的差距逐渐增大.可用幂函数拟合最大水平湿润半径(R=ctd)和垂直入渗深度(H=mtf)的经验计算公式,拟合参数见表3.分析表3中的拟合参数,c与f均随着土壤初始含水率的增加呈明显增加趋势,c与含水率θ呈指数函数关系,而f与含水率θ呈线性关系,d几乎不随土壤含水率的变化而变化.当含水率大于7%时,参数m几乎不随着土壤初始含水率变化而变化,因此最大水平湿润半径R、垂直入渗深度H与入渗时间t关系可以表示为。式中:R为土壤湿润体最大水平湿润半径,cm;H为垂直湿润深度,cm.用初始含水率为8.76%的实测值对经验公式(2)-(4)进行验证.计算后将与实测值和计算值的整体相对误差(IRE)和均方根误差(RMSE)列于表由表4可知,采用式(2)-(4)推求的表面湿润半径r、土壤湿润体最大水平湿润半径R、垂直湿润深度H与实测值比较接近,对应数据点基本上都落在1∶1线附近.土壤表面湿润半径、水平最大湿润半径及垂直入渗距离的IRE和RMSE分别为0.63%,0.40%,0.83%和0.59%,0.12%,0.73%.计算误差较小,可用上述经验公式计算涌泉根灌土壤水分渗透参数.

    2.3湿润体内水分分布湿润体内的水分分布状况也是制订灌溉制度的重要参考依据之一[7],利用Sigmaplot软件对湿润体土壤水分实测含水率进行绘制,获得土壤湿润体内垂直剖面含水率分布等值线图,见图4.从图4可以看出,湿润体内含水率等值线形状和入渗过程中湿润体湿润锋形状变化相似,都是以滴头位置为中心,由近到远等值线由疏到密分布,土壤水势梯度逐渐增大,土壤含水率逐渐变小.当灌水时间相同时,同一位置土壤含水率随着初始含水率增大而增大,以含水率等值线25%为例,不同初始含水率下水平方向最大宽度基本上都发生在25cm左右处,垂直方向最大深度分别发生在40.5,46.5,46.3和47.5cm;湿润体体积呈增大趋势.由于湿润体体积随着初始含水率的增大而增大,当初始含水率分别为4.01%,7.11%,10.85%,14.68%时,灌水结束时实测湿润体体内的平均含水率分别为23.97%,25.23%,26.19%,26.75%.另外,试验结果表明单位时间内入渗量随时间的增加而减小.土壤平均入渗率与初始含水率呈正相关关系,随时间的延长,初始含水率对土壤入渗率的影响逐渐变弱,减去初始含水率,平均滞留含水率分别增大了19.96%,18.12%,15.34%和12.07%.湿润体平均滞留含水率增量随着初始含水率的增大而减小,说明土壤初始含水率越大,湿润体内水分分布越均匀.

    3讨论

    土壤初始含水率越大,涌泉根灌过程中水分扩散速度越快,平均入渗率越大,与陈洪松等[14]研究结果有所不同,可能的原因是,本试验滴头入渗面属于垂直柱状地下入渗,尤其是增大了水平方向水分与土壤接触面,且在灌水过程中套管内会有一定高度的水柱,形成有压渗灌,而传统的滴灌或线源灌属于无压或低压灌溉,因此在相同时间内入渗量就越大,平均入渗率就越大.这似乎与初始含水率越小,基质势越小,土壤的水吸力就越大相矛盾.但实际上,水分扩散的驱动力大小并非直接反映到运移速率的快慢.灌溉过程中,土壤孔隙首先需要部分水分填充,初始含水率越小,土壤孔隙所需填充水分越多,滴头周围土壤达到饱和状态需要时间越长,湿润锋运移速度较慢.该结果与吴启发等[15]研究结果一致,因此,土壤初始含水率越大,涌泉根灌土壤水分传输越快.湿润体最大水平半径和垂直入渗深度随初始含水率的增大而增大,湿润体内平均滞留含水率随着初始含水率的增大而减小,但是由于湿润体体积增大更快,水分扩散速率也快,因此,初始含水率越高,湿润体内水分分布越均匀.该结果与黎朋红等[12]对涌泉根灌特征值的研究结果一致.湿润体形状呈近似椭圆形,湿润锋的扩散速率随土壤初始含水率增大而增大,湿润体最大水平湿润半径小于垂直入渗深度,随着入渗时间的延长,差距越来越显着.这主要是由于垂直方向由基质势吸力和重力势作为驱动力,水平方向由土壤基质势作为驱动力,并且随着时间延长,重力势作用越显着,最终湿润体的形状呈近似垂直椭球体.试验中采用均质土壤研究,与大田土壤相比存在一定差距,对涌泉根灌在实际大田中的水分入渗及水分分布规律还有待进一步深入研究.