基于RK的土壤墑情預測

，

(西北大學城市與環(huán)境學院，陜西 西安 710127)

土壤墑情，即土壤含水量占烘干土重的百分比。土壤墑情通過影響作物根系對水分的吸收進而影響農作物的生長發(fā)育及產量，精確預測土壤墑情不僅可以有效合理調整農業(yè)產業(yè)結構，對于復雜多變的氣候環(huán)境下的農業(yè)生產管理工作具有重大指導意義。土壤墑情及其變化是一個復雜的耦合系統(tǒng)，不僅與土壤自身屬性有關，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雜的非線性關系，通過選取適宜的土壤墑情影響因子，結合實時獲取的監(jiān)測數(shù)據(jù)，建立科學合理的精準土壤水分預測模型[2]。目前常用的土壤墑情預測模型有實測數(shù)據(jù)的經驗預報模型[3]、遙感數(shù)據(jù)反演改進的水云模型[4]、地表水和地下水質量守恒的土壤水動力模型[5]、支持向量機模型[6]和具有自我學習能力的人工神經網絡模型[7]。經驗模型簡單、易于應用，但預測精度有限；水量平衡模型和水動力模型具有較高的精度，但參數(shù)較復雜、建立過程復雜；回歸克里格法( Regression Kriging，RK) 和普通克里格(Ordinary Kriging，OK)相比能利用多個環(huán)境變量進行插值，考慮了土壤屬性空間分布過程中的結構性因子與隨機性因子，有效提高插值精度[8]。插值方法可分為三類：傳統(tǒng)統(tǒng)計學，地統(tǒng)計學和混合方法[9]。插值方法被認為是影響插值精度的一個關鍵因素。

在全球變暖趨勢下，陜西省近年氣溫升高，降雨呈減少趨勢，土壤成分變化不穩(wěn)定，對農業(yè)生產影響較大。本文綜合考慮陜西省復雜多變的氣候和地形特點，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)，應用RK法構建土壤墑情預測模型，對土壤墑情精確預估、精確田間灌溉和干旱評估有重要意義。

1 研究方法

1.1 研究區(qū)概況

陜西省位于中國西北地區(qū)黃河中游，地處東經105°29′～111°15′和北緯31°42′～39°35′之間，全省地域南北長、東西窄，南北長約880 km，東西寬約160～490 km。地勢南北高、中間低，有高原、山地、平原和盆地等多種地形，秦嶺山脈作為中國南北氣候分界線的橫貫全省。陜西橫跨三個氣候帶，南北氣候差異較大，陜南屬亞熱帶氣候，關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，陜南為濕潤區(qū)，關中為半濕潤區(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](見圖1)。

圖1 研究區(qū)樣點分布圖

1.2 數(shù)據(jù)來源及預處理

陜西省冬小麥關鍵生長期和需水期為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系，土壤墑情數(shù)據(jù)采用中國農作物生長發(fā)育和農田土壤濕度旬值數(shù)據(jù)集；氣象資料來自中國氣象數(shù)據(jù)網的中國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(http://www.gscloud.cn)下載30 m分辨率的ASTER GDEM高程數(shù)據(jù)，在ArcGIS10.3中計算樣點處的坡度(slope)、坡向(aspect)、地形起伏度、水平曲率(horizontal curvature)、剖面曲率(profile curvature)指數(shù)對研究區(qū)域0～20 cm土壤相對濕度資料進行統(tǒng)一整編, 并建立數(shù)據(jù)庫并進行數(shù)據(jù)清洗和補全，以便符合模型輸入數(shù)據(jù)格式。

1.3 研究方法

1.3.1 預測因子的選取和優(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，以陜西省農業(yè)氣象站2013年3月土壤含水量月均值為模型的目標值，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模型通過建立因變量與自變量之間的線性回歸關系后得到代表確定性部分的趨勢項與代表隨機性部分的殘差項，然后用OK模型對殘差插值，最后將二者相加得到回歸克里格插值結果。其過程可表示為:

f(x) = m( x)+ε(x)

(1)

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

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項表面并獲得相應殘差，然后在ArcGIS地統(tǒng)計分析模塊對殘差部分進行普通克里格插值得到殘差空間分布表面，最后利用柵格計算器將兩表面進行柵格計算，得到回歸克里格插值結果。

1.3.3 精度評價

為了檢驗RK模型在研究區(qū)土壤墑情預測方面的效果，以OK模型作為參照，對RK預測精度進行評價。從原始獲取的樣點中隨機選取30%的數(shù)據(jù)作為驗證點(驗證子集僅用于驗證插值精度)，通過計算平均誤差(ME)、平均絕對誤差(MAE)和標準差(SD)評價模型的預測精度，其中各誤差值越小，預測精度越高。ME 是插值無偏性的量度，其越接近0說明結果越無偏; MAE是插值精度的量度，其越小則說明插值方法越精確; R是模擬值與測量值的相關系數(shù)，其越接近于1說明結果越準確。

表1 陜西省土壤墑情因子

2 結果與分析

2.1 土壤墑情的描述統(tǒng)計

經描述性統(tǒng)計，研究區(qū)樣點的土壤墑情均值為65.02%，范圍為43.00%～98.00%，峰度與偏度分別為0.27 和0.73，經過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)境因子的相關性分析

表2表明該線性回歸模型符合數(shù)理統(tǒng)計規(guī)律，墑情與降水量、濕度和水汽壓呈顯著正相關；與水平曲率之間呈較為顯著負相關；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 土壤墑情空間預測結果

從土壤墑情預測圖2來看，RK和OK預測方法對同一研究區(qū)的空間趨勢一致，即研究區(qū)南部土壤相對水分普遍高于研究區(qū)的中北部。RK預測結果與OK預測結果具有相似性，0～20 cm土壤相對濕度主要與平均相對濕度與降水量成正比；其與地形也有一定關系。從制圖效果來看，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實測值;其土壤相對濕度范圍不同的小區(qū)域明顯增多，對于細部的表達明顯優(yōu)于OK法。

從土壤墑情空間分布狀況來看，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重的氣候干旱，渭北及關中西部降雨較少；渭北、關中土壤表層，屬輕度到重度缺墑，影響了冬小麥的生長。

表2 土壤墑情各因子相關系數(shù)矩陣

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

2.4 預測精度評價

通過計算預測點的擬合優(yōu)度(R2)、平均誤差(ME)、平均絕對誤差(MAE)和標準差(SD)，檢測兩種方法的預測精度。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的預測誤差低于OK模型，精度較高。

圖2 土壤墑情預測效果對比圖

預測模型土層深度/cmR2MEMAESDRK0^200.872-0.2002.8844.028OK0^200.790-0.2363.6885.440

3 結語

(1)RK模型對土壤含水量預測結果優(yōu)于OK模型預測。RK模型表明土壤墑情范圍小區(qū)域細部的表達明顯優(yōu)于OK法，在土壤墑情預測方面具有較好效果，可以在墑情預測中發(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，與剖面曲率呈負相關；土壤墑情空間分布以秦嶺為界，南北差異較大。

(3)模型預測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，提供預測精度。由于部分因子之間存在較強相關性，采用PCA降維提取重要因子集合，以減少數(shù)據(jù)冗余對預測結果的影響。