魏欢欢 李晓东 许龙

摘要 [目的] 通过对土壤冻融过程中电导率特征分析及模拟，为季节性冻土条件下精细农业的发展提供指导作用。[方法] 主要通过EM50采集的土壤温度、土壤湿度、土壤电导率数据，对土壤冻融过程中表层土壤电导率的变化特征进行了分析。[结果] 土壤电导率并不是随土壤剖面深度的增加而增大，而是土壤剖面20 cm处的土壤电导率最大，并且在土壤融冻期土壤电导率随时间呈现增-减-增-减的变化趋势。通过建立BP神经网络模型对土壤电导率进行模拟预测，得出的土壤电导率模拟值与观测值拟合程度高。[结论]BP神经网络模型可以对土壤电导率的实际观测进行辅助和验证。

关键词 土壤冻融过程;土壤电导率;BP神经网络模型;变化特征

中图分类号 S152  文献标识码 A  文章编号 0517-6611（2015）03-075-03

Analysis and Simulation of Soil Electrical Conductivity Characteristics in Soil Freezing and Thawing Process

WEI Huanhuan¹，LI Xiaodong1，2*，XU Long1，3

（1.College of Resources and Environmental Sciences of Xinjiang University， Urumqi， Xinjiang 830046; 2.Tourism College of Xinjiang University， Urumqi， Xinjiang 830046; 3.Aasis Ecological Key Laboratory of The Ministry of Education of Xinjiang University， Urumqi， Xinjiang 830046）

Abstract [Objective] The research aimed to analyze the variation characteristics of soil electrical conductivity and simulating in the process of soil freezing and thawing .It could provide important guiding significance for the development of precision agriculture under the condition of seasonal frozen soil. [Method] The variation characteristics of soil electrical conductivity of surface soil in freezing and thawing process through large numbers of data concluding soil temperature， soil humidity and soil electrical conductivity were mainly analyzed. [Result] The soil electrical conductivity isnt increased with the increase of the depth of soil profile， but it was the biggest when the soil profile was 20 cm. At the same time， soil electrical conductivity presented the trend of increasedecreaseincreasedecrease in the soil freezing period. BP neural network model was established for simulating and predicting. It was concluded that fitting degrees of simulated values and observed values were high. [Conclusion] BP neural network model could assist and validate the soil electrical conductivity.

Key words Soil freezing and thawing process; Soil electrical conductivity; BP neural network model; Variation characteristics

基金項目 国家自然科学基金面上项目“天山北坡典型流域积雪-冻土水热耦合中融水产汇流机制研究”（41171023）;重点项目“干旱区湖泊流域陆面过程及人类活动适应性—以艾比湖流域为例”（41130531）;水利部公益性行业科研专项经费项目（201301103）。

作者简介 魏欢欢（1988- ），女，河南巩义人，硕士研究生，研究方向：地理学。*通讯作者，副教授，博士，硕士生导师，从事地理学、旅游规划与管理方面的研究。

收稿日期 20141119

当前，全球面临着资源紧张、能源短缺的重大挑战。如何协调发挥土壤的生产功能、生态工程建设支撑功能和全球变暖缓解功能，是现代土壤学为人类可持续发展应做的重要工作。季节性冻土和融化层在温度年变化层的上部，更接近地表，对气候变化更敏感，反应更迅速。当地面日净支出热通量为正时，土壤冻结面加大;当地面日净支出热通量为负时，冻结面退缩^[1]。大量研究多针对土壤冻结过程中水分迁移机制和由于土壤冻融发生的物理地质灾害等。但，对由于冻融作用改变土壤墒情，甚至通过创造一定条件主动利用冻融作用使土壤水分增加的研究，尚不多见^[2]。在我国，冻土有广泛的分布，季节性冻土和多年冻土影响的面积约占中国陆地总面积的70 %，如果算上短时冻土面积，则占90%左右，其中多年冻土约占22.13%^[3]。土壤电导率是限制植物和微生物活性的阈值，影响土壤养分和污染物的转化、存在状态及有效性^[4]。近年来土壤学研究结果表明，土壤电导率这一参数本身包含反映土壤品质和物理性质的丰富信息^[5]。借助于测量土壤电导率评价农作物的生长环境是当前发达国家精细农作研究的热点之一^[6]。王全久等^[7]用实验装置研究了土壤电导率与含水量和含盐量的关系及容重对其的影响。结果表明，在黄土地区利用电导法测定土壤含盐量的适用范围为土壤含水量大于10%，土壤含盐量小于3%。同时，利用电导法，必须考虑容重的影响^[7]。蔡阿兴等^[8]研究了我国不同盐渍地区盐分含量与电导率的关系。根据野外的观测和室内的分析测定，初步研究土壤含盐量、水的矿化度与电导率的关系以及不同盐渍地区不同盐分组成对其的影响，并且得出土壤电导率与土壤含盐量回归方程为y=0.018 2x+0.390。罗毅等^[9]用电导率指标法和传统烘干残渣法相结合做了一种电导率新指标测可溶性盐分含量新方法，得出土壤浸提液浓度与电导率的关系为C=0.000 3EC³-0.005 4EC²+1.562EC（式中，C为土壤浸提液浓度，EC为电导率）。综上，我国在土壤全盐量与土壤溶液电导率的关系方面做的研究较多，得到全盐量和电导率的关系^[10-13]，但多是室内试验研究，野外直接测得的土壤电导率较少，而且没有建立土壤电导率、土壤温、湿度的模型进行预测。根据土壤温度、土壤湿度以及土壤电导率资料，笔者研究了季节性冻土冻融过程中土壤电导率的变化规律，建立了它们之间的关系，并且根据不同时期土壤电导率随土壤温度、土壤湿度的变化规律建立了BP神经网络模型，对土壤电导率进行模拟预测。

1 材料与方法

1.1 模型介绍

BP网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入、输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。这种网络具有极强的非线性映射能力，适用于非线性函数逼近模拟^[14]。目前，已发展了十几种神经网络，在众多神经网络模型中应用广泛的是多层感知机神经模型。多层感知机神经模型的研究始于20世纪50年代，但一直进展不大，直到1985年Rumelhart等提出误差反向传递学习算法（即BP算法）才实现Minsky的多層网络设想。

1.2 研究区概况

选取地处新疆天山北坡昌吉州呼图壁县内的军塘湖流域为典型研究区。通过GIS工具的统计分析，全流域源头高程约3 400 m，大部分高程在1 000～1 500 m之间。该次试验场位于军塘湖河流中上游汇流区内，距河谷200 m左右，坡度小于5°。测点地理位置（E 86°28′30″，N 43°51′44″），海拔1 080 m。试验场内积雪融化期为每年的3～4月，融雪期间多年最高气温16.78 ℃，多年最低气温1555 ℃，有少量降水，土壤类型为山地栗钙土。

1.3 试验及数据获取

试验场选在新疆天山北坡昌吉州呼图壁县内的军塘湖流域。试验选取的仪器是EM50。它是美国DECAGON公司推出的5通道数据采集器，适于多种地理区域，测量不同深度土壤，能够准确监测每天和每小时的含水量，可实现土壤水分、温度和电导度的同步测量，提供关于土壤状况的诸多信息。根据不同的监测要求，EM50可以配置多种类型传感器。该试验选取的传感器有土壤温度、土壤湿度、土壤电导率传感器，分别将传感器水平插入土壤剖面5、10、15、20、30、40、50、60、70、80 cm等深度。试验数据采集时间为2012年11月17日的13：30至2013年3月17日的12：00，数据采集时间间隔设置为30 min。各传感器共采集数据6 208条。初始数据采集时土壤温度为负值，有季节性冻土存在且数据采集经历土壤冻融的全过程。

1.4 数据处理及利用

用Excel软件和DPS等分析软件对采集数据进行详细的处理。首先，用Excel软件对土壤冻结期数据做日均值处理;再用DPS分析软件中的因子分析、逐步回归分析、主成分分析对数据做偏相关分析，并用BP神经网络模型对土壤电导率进行模拟和预测。

2 结果与分析

2.1 土壤电导率随土壤温度、湿度的变化特征分析

通过对5、10、15、20、30 cm不同土壤剖面深度的土壤电导率数据进行分析，得到土壤电导率（EC）随土壤剖面深度的变化规律（图1）。

图1 土壤电导率随时间变化特征

由于在3月2～17日之间融雪水下渗土壤湿度、土壤温度的变化很剧烈，土壤电导率随时间的变化非常复杂。为了更清晰地展示，便于分析，选择3月2～17日的数据做土壤电导率随时间的变化。

从图2、3可以看出，在土壤冻结期（2012年11月17日～2013年3月3日），各剖面自身的土壤电导率起伏变化较小，但由于土壤湿度和土壤温度的变化，土壤电导率也有一定的波动。土壤剖面为5 cm，土壤电导率在2012年12月24日之前一直是0，到12月24日后当土壤湿度达到0.184 4 m³/m³，土壤温度达到-2.51 ℃时，土壤电导率的值从0开始增大。所以，土壤电导率的变化需要土壤湿度和土壤温度达到一定程度。土壤剖面为10、15 cm，在土壤冻结期土壤电导率很小，并在0.010 dS/m上下波动，土壤电导率在土壤冻结期的变化并不随剖面深度的增加而增加，而是土壤剖面20 cm处的电导率值最大，其次是30、5、10和15 cm。这是不同剖面深度土壤湿度和土壤温度的差异作用的结果。从图3还可以看出，土壤剖面为20 cm处土壤湿度最大，其次是5、15 cm，30 cm处土壤湿度最小。也可以看出土壤电导率和土壤湿度的一致性，但是因为各剖面土壤湿度的差异，各自的变化时间和程度不同，主要是随着融雪水下渗，土壤湿度增加，离子浓度上升，土壤电导率达到最大，随后土壤电导率降低。不同的土壤剖面深度由于土壤湿度和离子浓度不同，土壤电导率达到峰值的时间和大小也不一样。在土壤剖面深度为5、20 cm处，土壤电导率在3013年3月4日达到最大值，分别为0.825和2.612 dS/m;在土壤剖面深度为10 cm处，土壤电导率在2013年3月6日达到最大值，为1.675 dS/m;土壤剖面深度为15 cm处，土壤电导率在2013年3月10日达到最大值（0.692 dS/m）。从图4可以看出，土壤温度在0 ℃以上，即冻土的融化过程主要在2013年3月3日后。在这个过程中，各剖面深度土壤电导率变化特别复杂，但各剖面间变化趋势是一致的，都是增-减-增-减。

图2 3月2～17日土壤电导率随时间变化特征

图3 土壤湿度随时间变化特征

图4 土壤温度随时间变化特征

2.2 土壤电导率与土壤温度、土壤湿度的偏相关分析

2.2.1 土壤冻结期。

对EM50采集的数据进行筛选，选择土壤温度为负值，土壤电导率值>0且对应的土壤湿度的数据，具体数据选择为2013年1月3日～3月3日土壤温度、湿度及土壤电导率数据。用DPS软件多因素分析中的因子分析方法做了在土壤冻结期土壤电导率与土壤温度、土壤湿度的偏相关分析。

当相关系数临界值（a）=0.05时，r=0.254 2;当a=0.01时，r=0.330 1。可以看出，土壤湿度与土壤电导率的偏相关达到r=0.944，为正相关;土壤温度与土壤电导率为负相关，偏相关（r）达到-0.765 2。土壤湿度和土壤温度与土壤电导率的相关水平都达0.01显著相关。所以，在土壤冻结期，土壤湿度、土壤温度对土壤电导率的贡献都很明显。