有限供水條件下玉米灌水時間確定方法的研究

時晴晴，王仰仁，李炎，楊麗霞，申孝軍，李金玉，劉宏武

有限供水條件下玉米灌水時間確定方法的研究

時晴晴1，王仰仁1*，李炎1*，楊麗霞2，申孝軍1，李金玉3，劉宏武3

（1.天津農(nóng)學(xué)院 水利工程學(xué)院，天津 300392；2.太原理工大學(xué) 水利科學(xué)與工程學(xué)院，太原 030024；3.山西省中心灌溉試驗站，太原 030012）

【目的】充分發(fā)揮自然降水的生產(chǎn)力，最大限度提高有限灌溉水資源利用效率，研究灌溉預(yù)報中確定灌水時間的方法?！痉椒ā炕谧魑锷L模型和土壤水熱動態(tài)模擬模型，建立了玉米產(chǎn)量與水分關(guān)系模型，利用山西省文峪河試驗站2017—2020年玉米生長季試驗資料，通過最小二乘法確定了模型參數(shù)。并利用該站1957—2018年氣象資料以灌溉需水量從小到大的順序做頻率分析，確定了5個典型年（分別對應(yīng)5%、25%、50%、75%和95%這5個頻率）；針對不同的灌水定額（45、75 mm和105 mm）和灌水次數(shù)（1、2、3、4次和5次）組合，優(yōu)化確定了相應(yīng)的灌水時間，以累計有效降水量為自變量，以考慮可供水量修正的累計蒸散量為因變量，分析構(gòu)建了相鄰2次灌水期間累計蒸散量和累計有效降水量的關(guān)系，基于該關(guān)系提出了確定灌水時間的K-M法；在此基礎(chǔ)上，利用2009—2018年的氣象資料，通過模擬分析比較了3種方法（K-M法、動態(tài)灌水下限法和經(jīng)驗灌水法）的增產(chǎn)效益。【結(jié)果】結(jié)果表明，不同灌水定額下，累計蒸散量和累計有效降水量關(guān)系的相關(guān)系數(shù)均能達(dá)到0.92以上，表明該模型在年際間和不同灌水定額之間均有較好的適用性；隨著灌水定額的增大，K-M法中參數(shù)呈增大的趨勢，表明參數(shù)一定程度上具有灌水定額的物理特性?！窘Y(jié)論】基于產(chǎn)量、效益和用水效率3方面對3種確定灌水時間方法的評價表明，與經(jīng)驗灌水法相比，以K-M法最好，動態(tài)灌水下限法次之。

作物生長模型；灌水下限；蒸散量；灌水時間；限量灌溉

0 引言

【研究意義】灌水時間是影響作物產(chǎn)量的重要因素，灌水量一定時確定合理的灌水時間可以顯著提高作物產(chǎn)量，如冬小麥提前灌水，產(chǎn)量可增加475.3 kg/hm2，產(chǎn)量增幅10.1%；玉米推后灌水產(chǎn)量可增加734.6 kg/hm2，產(chǎn)量增幅9.5%[1]。但是由于年際間降雨量及其分布的不確定性，不同年得出的試驗結(jié)果是不相同的，為此，人們對作物合理灌水時間的確定進(jìn)行了大量的理論研究?！狙芯窟M(jìn)展】首先，利用作物水分生產(chǎn)函數(shù)（產(chǎn)量與供水量的關(guān)系），基于產(chǎn)量最大，對于給定的灌水量，通過優(yōu)化方法確定作物某一典型年的灌水時間，即通過優(yōu)化灌溉制度確定灌水時間[2-3]?？紤]到年際間降雨量及其分布的隨機(jī)特性，崔遠(yuǎn)來等[4]基于水分敏感指數(shù)累積函數(shù)方法將作物生長期劃分為更短的時段，以降雨量為隨機(jī)變量，灌水定額和灌水時間為決策變量，以可供灌溉水量和田面蓄水深度為狀態(tài)變量，采用隨機(jī)動態(tài)規(guī)劃的方法確定了水稻的優(yōu)化灌溉制度。Raju等[5]將作物的干物質(zhì)量及土壤含水率作為狀態(tài)變量，灌水量作為決策變量，并用降水量作為隨機(jī)變量來修正動態(tài)規(guī)劃模型。采用隨機(jī)動態(tài)規(guī)劃方法確定的灌水時間，實(shí)際上給出了當(dāng)?shù)亟涤昙捌浞植紬l件下多年平均的優(yōu)化灌水時間，是現(xiàn)在廣泛采用的經(jīng)驗灌水方法中灌水時間確定的理論化方法。由于年際間降水量和蒸發(fā)量的隨機(jī)變化，該灌水時間不同于某一具體年份的最優(yōu)灌水時間。為了使得灌水時間盡可能地接近于具體年份的最優(yōu)灌水時間，對墑情預(yù)測和灌溉預(yù)報進(jìn)行了廣泛研究，提出了實(shí)時灌溉預(yù)報的方法。其核心是充分利用降雨、氣溫、光照等氣象、作物生長和土壤墑情等實(shí)時信息，對作物根系層土壤含水率做出精準(zhǔn)預(yù)測，當(dāng)土壤含水率小于給定的灌水下限值時做出灌水預(yù)報。實(shí)時灌溉預(yù)報有助于節(jié)水灌溉、增加作物產(chǎn)量、提高灌溉經(jīng)濟(jì)效益，但是，現(xiàn)狀的灌溉預(yù)報僅適用水資源能夠滿足作物需水要求的情況[6]。在限量供水條件下，孫景生等[7]通過確定小麥葉片光合速率的高值區(qū)域?qū)?yīng)的土壤水分，來確定適宜土壤水分上下限指標(biāo)?？紤]到有限供水條件下，土壤含水率調(diào)控下限值應(yīng)該是變化的，王仰仁等[8]提出了動態(tài)灌水下限方法，按照該方法確定的灌水時間進(jìn)行灌水，較經(jīng)驗灌水有明顯的增產(chǎn)效果[9]?！厩腥朦c(diǎn)】但是基于土壤水分監(jiān)測的方法往往需要大量傳感器，且由于年際間降雨量強(qiáng)烈隨機(jī)變化特性，有限灌溉供水量條件下，干旱年份難以維持既定的灌水下限值。鑒于此，人們在分析利用多種方法求得實(shí)際蒸散量[10-13]的基礎(chǔ)上，通過蒸散量來確定灌水時間[14-21]。如：顧哲等[22]基于蒸散量和水量平衡，設(shè)計當(dāng)田間蒸發(fā)蒸騰總量大于土壤中可供作物利用水分時便啟動灌溉的灌水決策方法。杜江濤等[23]基于DSSAT模型，對新疆棉花膜下滴灌進(jìn)行了分析，提出了當(dāng)階段實(shí)際蒸散量與同期降雨量之差達(dá)到25 mm時灌溉的灌水決策方法。由于降雨量較大時會產(chǎn)生深層滲漏，甚至徑流等原因，簡單利用蒸散量與降雨量的日差值確定灌水時間會帶來較大誤差；另外，現(xiàn)在利用蒸散量確定灌水時間的方法仍然只適用于充分供水灌溉?！緮M解決的關(guān)鍵問題】針對以上問題，本研究依據(jù)作物蒸散量隨灌溉供水量變化規(guī)律，通過典型年灌溉制度優(yōu)化，給出不同灌水定額不同灌水次數(shù)條件下的優(yōu)化灌水時間；以優(yōu)化灌水時間為依據(jù)，分析確定相鄰2次灌水之間（對于第1次灌水是指播種日到第1次灌水日之間）的累計蒸散量和累計有效降雨量的關(guān)系?；谠撽P(guān)系構(gòu)建提出確定灌水時間的方法，稱為蒸散量法。并利用2009—2018年的氣象資料分析比較了蒸散量法、動態(tài)灌水下限法和經(jīng)驗灌水方法的增產(chǎn)增收效益。

1 材料與方法

1.1 試驗區(qū)概況

文峪河試驗區(qū)（E112°01′，N37°28′，海拔788.2 m），地處山西省中部呂梁山東側(cè)文峪河灌區(qū)，研究區(qū)屬暖溫帶大陸性半干旱季風(fēng)氣候區(qū)。多年平均降雨量453.5 mm，平均無霜期160～180 d，年平均日照時間為3 004.0 h，多年平均氣溫10.1 ℃。中等肥力，土壤質(zhì)地為中壤土，0～100 cm 平均土壤體積質(zhì)量1.38 g/cm3，地下水埋深大于10 m。

1.2 研究方法

1.2.1 有限供水條件下灌水時間的優(yōu)化

1）典型年的選取

由于降雨量年際間和年內(nèi)分布不均，每年的灌溉需水量差異較大，所以在進(jìn)行灌溉制度設(shè)計的時候，需確定一個特定的水文年作為規(guī)劃設(shè)計的依據(jù)，即：典型年。根據(jù)歷年灌溉需水量（作物潛在最大蒸發(fā)蒸騰量與降雨量的差值）從小到大進(jìn)行排序，做頻率分析，選擇與頻率5%、25%、50%、75%、95%相同或相近的年份作為典型年。

2）灌水時間的優(yōu)化

在選出典型年的基礎(chǔ)上，用規(guī)劃求解法進(jìn)行典型年的灌水時間（以播種日開始算起的天數(shù)表示）優(yōu)化計算，具體方法是針對某一個典型年，假定可供水量分別為1次水、2次水、…、等，利用Excel軟件進(jìn)行規(guī)劃求解，灌水按照全生育期均勻分布、播種后10～20 d、收獲前10～20 d、生育期中間前后7～8 d、生育期前末、生育期后期末和經(jīng)驗灌水7種不同的灌水時間初始值，例如灌1次水時，灌水時間按全生育期均勻分布初始值為18、70、128；灌2次水時，初始值為11/15、27/59、61/110、67/120、68/72、85/102、127/129（上述數(shù)據(jù)分別表示第幾日，下同）；灌3次水時，初始值為11/15/18、27/45/57、58/71/90、61/85/110、65/85/105、70/74/78、123/125/127。對每種灌水次數(shù)進(jìn)行優(yōu)化計算，直到灌水次數(shù)對應(yīng)的凈效益開始減小時停止計算。灌溉制度優(yōu)化模型（式（1）），灌水定額設(shè)置45、75和105 mm，給定灌水次數(shù)=1、2、3、…，m，其中，m為最大灌水次數(shù)，根據(jù)凈效益最大確定。

目標(biāo)函數(shù)為：

1.2.2 蒸散量法

蒸散量法是基于蒸散量確定灌水時間的一種方法。本研究利用5個典型年灌溉制度優(yōu)化結(jié)果確定相鄰2次灌水期間的累計蒸散量和累計有效降雨量，考慮可供灌水次數(shù)對累計蒸散量的修正，建立了有效降雨量和蒸散量之間的定量關(guān)系，見式（2），并用修正的累計蒸散量與累計有效降雨量的相關(guān)系數(shù)[25]評價模型的擬合精度。

1.2.3 其他確定灌水時間方法

1）動態(tài)灌水下限法

在有限供水條件下灌水下限值隨灌水時間和可供灌溉水量變化，式（3）給出了灌水下限值與可供水量和灌水時間的關(guān)系[26]。以式（3）計算的值為模擬值，以灌溉制度優(yōu)化確定的灌水前的含水率作為灌水下限實(shí)測值，以二者之間誤差平方和最小為目標(biāo)函數(shù)進(jìn)行規(guī)劃求解，可求得參數(shù)0、1、2、1、2。為了應(yīng)用方便，以相對含水率tr（占田間持水率的比例）表示含水率下限值，并用灌水下限實(shí)測值與式（3）計算的模擬值的相關(guān)系數(shù)[25]進(jìn)行擬合結(jié)果的評價。該方法以下簡稱為D-T法。

式中：r為相對生長時間（d），r=/m，其中，為從播種日期算起的生長時間（d）；m為最大生長天數(shù)；0、1、2、1、2為待定參數(shù)；為每次灌水前的可供灌溉水量（mm）。

2）經(jīng)驗灌溉法

經(jīng)驗灌溉法是指按照大量的試驗研究和生產(chǎn)實(shí)踐確定的灌水時間進(jìn)行灌溉的一種方法。本研究根據(jù)文獻(xiàn)[1]確定的灌水時間段的中間日作為經(jīng)驗灌水時間。以下將該方法簡稱為J-Y法。

2 結(jié)果與分析

2.1 產(chǎn)量與水分關(guān)系模型

產(chǎn)量與水分關(guān)系模型是灌溉制度優(yōu)化的依據(jù)，其模型參數(shù)包括土壤水分動態(tài)模擬模型參數(shù)和作物生長模型參數(shù)，利用文峪河試驗站2017—2020年玉米生長季試驗資料，確定了相關(guān)參數(shù)（表1、表2）。其中利用分層土壤含水率進(jìn)行了土壤水分動態(tài)模型參數(shù)的率定，其0～60 cm土壤含水率平均值的模擬值與實(shí)測值的相關(guān)系數(shù)能達(dá)到0.876 4（樣本數(shù)為128）；利用莖、葉、籽粒干物質(zhì)質(zhì)量的實(shí)測值對作物生長模型參數(shù)進(jìn)行了率定，其籽粒產(chǎn)量實(shí)測值與模擬值的相關(guān)系數(shù)能達(dá)到0.854 1（樣本數(shù)46個），說明2種模型的模擬精度均較高。由表2可見，g為0.472 0，與文獻(xiàn)[27]計算的轉(zhuǎn)化效率值（0.341 8～0.498 6）較為接近。

表1 土壤水分動態(tài)模擬模型參數(shù)優(yōu)化結(jié)果

注s為飽和含水率；r為殘余含水率；、為土壤水分特征曲線形狀參數(shù)；s為土壤飽和導(dǎo)水率；為經(jīng)驗指數(shù)；50為作物蒸騰量減小到最大可能蒸騰量50%時所對應(yīng)的土壤水勢[28]。

表2 作物生長模型關(guān)鍵參數(shù)優(yōu)化結(jié)果

注1234均為經(jīng)驗系數(shù)；g為光合產(chǎn)物轉(zhuǎn)化效率[20]。

2.2 典型年灌溉制度優(yōu)化

根據(jù)玉米灌溉需水量進(jìn)行頻率分析確定了5個典型年（1971、1983、2017、1994年和2015年），不同典型年的水文信息見表3。從表3可以看出，隨著頻率的增大，玉米的灌溉需水量由-150.0 mm增加到301.3 mm；相應(yīng)地，生長期降雨量呈減少的變化趨勢，由5%典型年的571.3 mm減小到95%典型年的173.0 mm，變化幅度較大；參考作物蒸散量和潛在作物蒸散量隨頻率增大，沒有明顯的變化趨勢。

表3 典型年水文信息

當(dāng)灌水定額為45、75 mm和105 mm時，對于5%典型年灌1次水與不灌水比較，產(chǎn)量和效益均有所降低，即不需要灌溉（本研究所有典型年均未考慮澇漬災(zāi)害），因而表4只給出了其他4個典型年的優(yōu)化灌溉制度，表中灌水時間以播種后的時間表示。

從表4可以看出，隨著灌水次數(shù)的增加，產(chǎn)量均增加，總體效益也在增加，但增加的幅度逐漸減小。如灌水定額為45 mm時，75%典型年，灌2次水較灌1次水產(chǎn)量增加了1.34 t/hm2，效益增加了1 783元/hm2；灌3次水較灌2次水產(chǎn)量增加了0.89 t/hm2，效益增加了978元/hm2；灌4次水較灌3次水，產(chǎn)量增加了0.53 t/hm2，效益增加了208元/hm2。同一典型年，隨著灌水定額的增大，最大灌水次數(shù)對應(yīng)的產(chǎn)量和效益都在減小。就75%典型年而言，灌水定額為45、75 mm和105 mm時，最大灌水次數(shù)分別為4、2次和2次，對應(yīng)的產(chǎn)量分別為11.53、10.69 t/hm2和10.57 t/hm2，對應(yīng)的效益分別為6 878、5 798元/hm2和4 863元/hm2。不同灌水次數(shù)條件下，不同典型年適宜的灌水定額不同。如灌1次水時，25%和50%典型年均以灌水定額為45 mm時，產(chǎn)量效益最高；75%和95%典型年均以灌水定額為105 mm時，產(chǎn)量效益最高。25%和50%典型年中隨著灌水定額增大，產(chǎn)量卻在降低。

表4 不同典型年不同灌水定額的灌溉制度優(yōu)化結(jié)果

2.3 K-M法和D-T法參數(shù)的確定結(jié)果及分析

表5給出45、75、105 mm這3種灌水定額條件下2種決策方法的模型參數(shù)。由表5可知，對于K-M法，3種灌水定額的值都在0.9以上，該公式在不同灌水定額下擬合效果均較好，表明該方法在不同年份和不同灌水定額二方面均具有較好的適用性；且參數(shù)隨灌水定額的增加呈增大的趨勢，表明參數(shù)一定程度上具有灌水定額的物理特性。在D-T法中，當(dāng)灌水定額為75 mm時，值最大，為0.810 4，擬合效果最好，表明當(dāng)灌水定額為75 mm時，該法在不同年份上有較好的適用性。

表5 不同灌水定額條件下K-M法和D-T法的參數(shù)

2.4 增產(chǎn)效益對比分析

利用2009—2018年的氣象資料，在給定3種灌水次數(shù)的條件下，按照3種確定灌水時間的方法，求出了不同灌水定額下相應(yīng)的灌水時間（表6）和產(chǎn)量效益（表7），并給出了2009—2018年的產(chǎn)量和效益的平均值。

由于J-Y法確定的灌水時間每年都是相同的（灌1次水時間為播種后第61天，灌2次水為播種后第61、110天，灌3次水為播種后第61、85、110天），所以表6僅給出了K-M法和D-T法確定的灌水時間。由表6可以看出，不同灌水定額不同灌水次數(shù)條件下，K-M法確定的灌水時間均比D-T法確定的灌水時間晚。同一灌水次數(shù)情況下，灌水定額增大，出現(xiàn)不灌水的年份也增多，如灌3次水時，45 mm和75 mm的灌水定額，不灌水年份有2 a；105 mm的灌水定額，不灌水年份有3 a。主要原因是濕潤年份玉米生長期降雨量較多，灌水定額越大，深層滲漏越多，同樣施肥條件下作物吸收的養(yǎng)分越少，因而會造成不同程度的減產(chǎn)，所以灌水定額越大，不灌水的年份越多。

由表7可知，不同灌水定額和灌水次數(shù)條件下，K-M法的用水效率（灌溉水的增產(chǎn)量與灌溉水量的比值）均是3種方法中最高的。當(dāng)灌水定額為45 mm和105 mm時，無論灌幾次水，從產(chǎn)量和效益來看，K-M法均最高；當(dāng)灌水定額為75 mm時，從產(chǎn)量來看，不同灌水次數(shù)時，D-T法產(chǎn)量均高于K-M法和J-Y法；從效益來看，1次水和2次水時，D-T法最高；3次水時，K-M法最高。綜合分析，K-M法效果最好，其次是D-T法，J-Y法最差。

表6 不同灌水定額在不同方法下的灌水時間

表7 不同灌水定額在不同方法下的產(chǎn)量效益

3 討論

1）隨著灌水定額的增加，玉米千粒質(zhì)量、籽粒產(chǎn)量均呈先增大后減小的趨勢[29]，與此不同，本研究發(fā)現(xiàn)隨著灌水定額的增大，產(chǎn)量有降低的趨勢（表4），主要原因是在產(chǎn)量與水分關(guān)系模型中，考慮了灌溉和降雨對土壤氮素的淋失使根系層氮素的濃度降低，由此導(dǎo)致作物產(chǎn)量的降低。

2）蒸散量法與經(jīng)驗法相比較，優(yōu)勢在于考慮了年際間氣象要素變化對作物生長及灌水時間的影響，因而增產(chǎn)增收效果顯著；與灌水下限法比較，蒸散量法考慮了蒸散量隨供水量的減小而減小的特性，且克服了灌水下限的確定依賴于田間試驗的弊端，因而描述蒸散量法的模型有更高的擬合精度，更適合于限量供水條件下灌水時間的確定。經(jīng)驗法較差的主要原因是該法確定的灌水時間就多年平均而言，是最優(yōu)的，但對于某一個具體年份而言，一般不是最優(yōu)的。

3）以蒸散量為基礎(chǔ)確定灌水時間的研究中，有些只考慮蒸散量對灌溉的影響，忽略了土壤和作物本身因素[30]，有些只適合于溫室及膜下滴灌[22-23]，有些以蒸發(fā)蒸騰量和深層滲漏量來預(yù)測灌溉時間[31]。以上研究均沒有考慮有限供水對灌溉時間的影響。為了能更好地適用于限量灌溉，本研究引入可供灌溉水次數(shù)，更好地提高蒸發(fā)蒸騰量與有效降雨量之間的關(guān)系精度，從而更精準(zhǔn)地確定灌水時間。

4）本研究在確定K-M法和D-T法的參數(shù)時發(fā)現(xiàn)，不同灌水定額條件下各個參數(shù)均有差異，所以，對于不同的灌水定額，應(yīng)當(dāng)運(yùn)用與之相對應(yīng)的模型參數(shù)，以便由此確定的灌水時間更準(zhǔn)確。且在確定K-M法參數(shù)時，值均能達(dá)到0.92以上，表明模型的擬合精度較高，結(jié)果可信度也較高，這為大田確定灌水時間的實(shí)際應(yīng)用提供了依據(jù)?；诖_定K-M法參數(shù)的方法，提供了一種確定灌水時間的理論化方法，避免了傳統(tǒng)灌水下限法單純依賴田間試驗的弊端，豐富了非充分灌溉理論。用K-M法代替以土壤含水率為指標(biāo)的灌水下限法，不僅適用于有限供水灌溉，也適用于充分供水灌溉，同時也可以將K-M法編程，植入灌溉控制器[32]，實(shí)施自動化灌水。

4 結(jié)論

1）基于灌溉制度優(yōu)化結(jié)果確定了研究區(qū)不同灌水定額條件下，玉米灌水控制下限與可供灌溉水量和灌水時間的關(guān)系（D-T法）；提出了基于蒸散量和有效降雨量確定灌水時間的方法（K-M法）。為有限供水條件下灌區(qū)農(nóng)田水分精準(zhǔn)調(diào)控提供依據(jù)。

2）基于產(chǎn)量、效益和用水效率等對3種確定灌水時間方法綜合評價結(jié)果表明，K-M法確定灌水時間更為精確，動態(tài)灌水下限法次之，經(jīng)驗法最差。

[1] 王仰仁, 孫小平. 山西農(nóng)業(yè)節(jié)水理論與作物高效用水模式[M]. 北京: 中國科學(xué)技術(shù)出版社, 2003.

WANG Yangren, SUN Xiaoping. Shanxi agricultural water-saving theory and crop high-efficiency water use model[M]. Beijing: China Science and Technology Press, 2003.

[2] FLINN J C, MUSGRAVE W F Development and analysis of input-output relations for irrigation water[J]. Australian Journal of Agricultural Economics. 1967, 11(1): 1-19.

[3] 榮豐濤.節(jié)水型農(nóng)田灌溉制度的初步研究[J].水利水電技術(shù),1986, 17(7): 17-21.

RONG Fengtao.Preliminary study on irrigation degree of water-saving farmland[J].Water Resources and Hydropower Engineering, 1986, 17(7): 17-21.

[4] 崔遠(yuǎn)來, 袁宏源, 李遠(yuǎn)華. 考慮隨機(jī)降雨時稻田高效節(jié)水灌溉制度[J]. 水利學(xué)報,1999, 30(7): 40-45.

CUI Yuanlai, YUAN Hongyuan, LI Yuanhua. The optimum irrigation scheduling for rice with stochastic rainfall under limited water supply[J]. Journal of Hydraulic Engineering, 1999, 30(7): 40-45.

[5] RAJU K S, BIERE A W, ANEMASU E T, et al. Irrigation scheduling based on a dynamic crop response model[J]. In D.Hi11e1, ed. Advances in irrigation, Orlando, Florida, USA, Academic press, 1983, 54(2): 134-141.

[6] 茆智, 李遠(yuǎn)華, 李會昌. 實(shí)時灌溉預(yù)報[J]. 中國工程科學(xué),2002, 4(5): 24-33.

MAO Zhi, LI Yuanhua, LI Huichang. Real-time forecast of irrigation[J]. Engineering Science, 2002, 4(5): 24-33.

[7] 孫景生, 劉祖貴, 肖俊夫, 等. 冬小麥節(jié)水灌溉的適宜土壤水分上、下限指標(biāo)研究[J]. 中國農(nóng)村水利水電, 1998(9): 10-12.

SUN Jingsheng, LIU Zugui, XIAO Junfu, et al. On the research of upper and lower limit indicators of suitable soil moisture for water-saving irrigation of winter wheat[J]. China Rural Nater and Hydropower, 1998 (9): 10-12.

[8] 王仰仁, 杜秀文, 張紹強(qiáng). 限量供水條件下灌溉預(yù)報增產(chǎn)效益分析[J]. 中國農(nóng)村水利水電, 2016(12): 1-7.

WANG Yangren, DU Xiuwen, ZHANG Shaoqiang. Analytical investigation on the irrigation forecast and its benefit of increasing yield under limited supply water[J]. China Rural Water and Hydropower, 2016(12): 1-7.

[9] 杜娟娟, 王仰仁, 李粉嬋. 基于動態(tài)灌水下限值的冬小麥非充分灌溉預(yù)報研究[J]. 節(jié)水灌溉, 2017(5): 93-97.

DU Juanjuan, WANG Yangren, LI Fenchan. Research on insufficient irrigation forecasting for winter wheat based on lower limit value of dynamic irrigation amount[J]. Water Saving Irrigation, 2017(5): 93-97.

[10] MCCAUELY D M, NACKLEY L L. Development of mini-lysimeter system for use in irrigation automation of container-grown crops[J] HardwareX, 2022(11): 1-10.

[11] SINGH R P, PARAMANIK S, BHATTACHARYA B K, et al. Modelling of evapotranspiration using land surface energy balance and thermal infrared remote sensing[J]. Tropical Ecology, 2020,61(6): 42-50.

[12] KHAN M S, JEONG J, CHOI M. An improved remote sensing based approach for predicting actual Evapotranspiration by integrating LiDAR[J]. Advances in Space Research, 2021, 68(4): 1 732-1 753.

[13] REZAEI M, GHASEMIEH H, ABDOLLAHI K. Simplified version of the METRIC model for estimation of actual evapotranspiration[J]. International Journal of Remote Sensing, 2021, 42(14): 5 568-5 599.

[14] 趙穎, 紀(jì)建偉, 崔會坤, 等. 基于作物蒸散量模型的新型滑蓋溫室智能灌溉系統(tǒng)設(shè)計[J]. 節(jié)水灌溉, 2017(8): 83-87, 91.

ZHAO Ying, JI Jianwei, CUI Huikun, et al. Design of A new type intelligent irrigation system based on crop evapotranspiration model[J]. Water Saving Irrigation, 2017(8): 83-87, 91.

[15] 劉小飛, 張寄陽, 孫景生, 等.自動補(bǔ)水蒸發(fā)皿裝置的原理及應(yīng)用[J]. 排灌機(jī)械工程學(xué)報, 2012, 30(1): 80-84.

LIU Xiaofei, ZHANG Jiyang, SUN Jingsheng, et al. Principle and application of evaporation pan with device of water automatic replenishing[J]. Journal of Drainage and Irrigation Machinery Engineering, 2012, 30(1): 80-84.

[16] 任夢之. 基于蒸發(fā)互補(bǔ)原理的新疆干旱灌區(qū)節(jié)水灌溉效果評估[D]. 西安: 西安理工大學(xué), 2021.

REN Mengzhi. Evaluation of water-saving irrigation effect in Xinjiang arid irrigation area based on evaporation complementary principle[D]. Xi’an: Xi’an University of Technology, 2021.

[17] 張伶鳦, 王潤濤, 張長利, 等. 基于調(diào)虧理論和模糊控制的寒地水稻智能灌溉策略[J]. 農(nóng)業(yè)工程學(xué)報, 2016, 32(13): 52-58.

ZHANG Lingyi, WANG Runtao, ZHANG Changli, et al. Intelligent irrigation strategy based on regulated deficit theory and fuzzy control for rice in cold region[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(13): 52-58.

[18] PEREA R G, GARCíA I F, ARROYO M M, et al. Multiplatform application for precision irrigation scheduling in strawberries[J]. Agricultural Water Management, 2017, 183: 194-201.

[19] 田強(qiáng)明, 溫宗周, 李麗敏, 等. 基于APSO-ELM和模糊邏輯的灌溉時間決策[J]. 中國農(nóng)村水利水電, 2020(4): 124-128.

TIAN Qiangming, WEN Zongzhou, LI Limin, et al. Irrigation time decision based on APSO-ELM and fuzzy logic system[J]. China Rural Water and Hydropower, 2020(4): 124-128.

[20] THYSEN I, DETLEFSEN N K. Online decision support for irrigation for farmers[J]. Agricultural Water Management, 2006, 86(3): 269-276.

[21] 張明岳, 李麗敏, 溫宗周, 等.基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)和模糊控制的智能灌溉算法設(shè)計[J]. 國外電子測量技術(shù), 2021, 40(11): 155-160.

ZHANG Mingyue, LI Limin, WEN Zongzhou, et al. Design of intelligent irrigation algorithm based on improved Elman neural network and fuzzy control[J]. Foreign Electronic Measurement Technology, 2021, 40(11): 155-160.

[22] 顧哲, 袁壽其, 齊志明, 等. 基于ET和水量平衡的日光溫室實(shí)時精準(zhǔn)灌溉決策及控制系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報, 2018, 34(23): 101-108.

GU Zhe, YUAN Shouqi, QI Zhiming, et al. Real-time precise irrigation scheduling and control system in solar greenhouse based on ET and water balance[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(23): 101-108.

[23] 杜江濤, 張楠, 龔珂寧, 等. 基于DSSAT模型的南疆膜下滴灌棉花灌溉制度優(yōu)化[J]. 生態(tài)學(xué)雜志, 2021, 40(11): 3 760-3 768.

DU Jiangtao, ZHANG Nan, GONG Kening, et al. Optimization of cotton irrigation schedule under mulch drip irrigation in southern Xinjiang based on DSSAT model[J]. Chinese Journal of Ecology, 2021, 40(11): 3 760-3 768.

[24] 王鐵英, 王仰仁, 柴俊芳, 等. 根系水分脅迫響應(yīng)函數(shù)對土壤水及作物生長動態(tài)和產(chǎn)量模擬影響的研究[J]. 干旱區(qū)地理, 2022, 45(2): 566-577.

WANG Tieying, WANG Yangren, CHAI Junfang, et al. Effect of root water stress response function on soil water, crop growth dynamics and yield simulation[J]. Arid Land Geography, 2022, 45(2): 566-577.

[25] 明道緒. 田間試驗與統(tǒng)計分析[M]. 3版. 北京: 科學(xué)出版社, 2013.

MING Daoxu. Field experiments and statistical analysis[M]. Beijing: Science Press, 2013.

[26] 姚麗. 限量供水條件下精準(zhǔn)灌溉技術(shù)集成效益分析[D]. 天津: 天津農(nóng)學(xué)院, 2020.

YAO Li. Benefit analysis of precision irrigation technology integration under limited water supply[D].Tianjin: Tianjin Agricultural University, 2020.

[27] 王佳旭, 王宏偉, 姜文野, 等. 不同種植方式對玉米干物質(zhì)積累、分配和產(chǎn)量的影響[J]. 玉米科學(xué), 2021, 29(5): 128-136.

WANG Jiaxu, WANG Hongwei, JIANG Wenye, et al. Effects of different planting patterns on dry matter accumulation, distribution and yield of maize[J]. Journal of Maize Sciences, 2021, 29(5): 128-136.

[28] 尚松浩, 毛曉敏, 雷志棟. 土壤水分動態(tài)模擬模型及其應(yīng)用[M]. 北京: 科學(xué)出版社, 2009.

SHANG Songhao, MAO Xiaomin, LEI Zhidong. Dynamic simulation model of soil moisture and its application[M]. Beijing: Science Press, 2009.

[29] 曹雪松, 鄭和祥, 苗平, 等. 引黃滴灌條件下水氮互作對玉米耗水特性及產(chǎn)量的影響[J]. 灌溉排水學(xué)報, 2022, 41(3): 33-39.

CAO Xuesong, ZHENG Hexiang, MIAO Ping, et al.The effect of drip fertigation with yellow river water on water consumption and yield of summer maize[J].Journal of Irrigation and Drainage, 2022, 41(3): 33-39.

[30] BARTLETT A C, ANDALES A A, ARABI M, et al. A smartphone app to extend use of a cloud - based irrigation scheduling tool[J]．Computers and Electronics in Agriculture，2015, 111: 127-130.

[31] 武開福. 基于調(diào)虧理論的小麥智能灌溉設(shè)計[J]. 水利技術(shù)監(jiān)督, 2017, 25(3): 34-37.

WU Kaifu. Intelligent irrigation design of wheat based on deficit adjustment theory[J]. Technical Supervision in Water Resources. 2017, 25(3): 34-37.

[32] 曲頌, 劉玉敏, 宋博, 等. 自動灌溉控制器設(shè)計與實(shí)現(xiàn)[J]. 黑龍江大學(xué)工程學(xué)報, 2021, 12(4): 72-77.

QU Song, LIU Yumin, SONG Bo, et al. Design and implementation of automatic irrigation controller[J]. Journal of Engineering of Heilongjiang University, 2021, 12(4): 72-77.

Methods to Determine the Timing of Maize Irrigation When Irrigation Amount is Restricted

SHI Qingqing1, WANG Yangren1*, LI Yan1*, YANG Lixia2, SHEN Xiaojun1, LI Jinyu3, LIU Hongwu3

(1. College of Hydraulic Engineering, Tianjin Agricultural University, Tianjin 300392, China;2. School of Hydraulic Science and Engineering, Taiyuan University of Technology, Taiyuan 030024, China;3. Shanxi Provincial Central Irrigation Experimental Station, Taiyuan 030012, China)

【Objective】To reverse the continued decline of dwindling water resources in northern China, most regions have proposed to restrict groundwater extraction for irrigation. Optimizing irrigation timing and making most of natural precipitation and irrigation water is essential to minimizing crop yield loss due to the reduced irrigation amount. The purpose of this paper is to study the optimization of timing of maize irrigation. 【Method】Models relating maize yield and water usage were established based on crop growth model and soil water-heat coupling model. The model parameters were determined based on data measured from 2017—2020 from a maize field at Wenyuhe Experiment Station in Shanxi province. Meteorological data measured from 1957—2018 at the station was used in the frequency analysis for determining the irrigation amount by dividing the frequency from 5% to 95%. We optimized the timing of the irrigation assuming that the irrigation amount varied from 45 to 105 mm, and the times of irrigation varied from 1 to 5. The K-M model was used to determine the relationship between cumulative evapotranspiration and cumulative precipitation between two adjacent irrigations. Using the meteorological data measured from 2009 to 2018, the model was applied to optimize the irrigation timing, from which we compared the yield-increasing benefits obtained from the K-M method, the dynamic irrigation water limit method, and the empirical irrigation method. 【Result】The correlation coefficient between the cumulative evapotranspiration and the cumulative effective precipitation under different irrigation amount was greater than 0.92. With the increase in irrigation amount, the parameter M in the K-M method, which characterizes the irrigation amount, increased. 【Conclusion】Evaluation of the three methods for determining the optimal irrigation timing based on yield, benefit and water use efficiency showed that, compared with the empirical irrigation method, the K-M method was the best, followed by the dynamic irrigation water limit method.

crop growth model; low limit of irrigation; evapotranspiration method; irrigation time; limited irrigation

時晴晴, 王仰仁, 李炎, 等. 有限供水條件下玉米灌水時間確定方法的研究[J]. 灌溉排水學(xué)報, 2022, 41(10): 51-57.

SHI Qingqing, WANG Yangren, LI Yan, et al. Methods to Determine the Timing of Maize Irrigation When Irrigation Amount is Restricted[J]. Journal of Irrigation and Drainage, 2022, 41(10): 51-57.

1672 - 3317（2022）10 - 0051 - 07

S275

A

10.13522/j.cnki.ggps.2021598

2021-12-03

國家自然科學(xué)基金項目（51779174）；天津市科技計劃項目（20YDTPJC01450）；天津市“項目+團(tuán)隊”重點(diǎn)培養(yǎng)專項（XB202016）

時晴晴（1996-），女。碩士研究生，主要研究方向為灌溉排水理論與新技術(shù)。E-mail: 1240777143@qq.com

王仰仁（1962-），男。教授，博士，主要研究方向為灌溉排水理論與新技術(shù)。E-mail: wyrf@163.com

李炎（1973-），男。副教授，博士，主要研究方向為灌溉排水理論與新技術(shù)。E-mail: bfsqz0922@163.com

責(zé)任編輯：趙宇龍