叶 杰，周 伟，叶 剑，漆正蓉　(.江苏省沭阳县气象局，江苏沭阳 3600；.江苏省宿迁市气象局，江苏宿迁 3800)



沭阳县人工与自动土壤水分观测资料对比分析

叶 杰1，周 伟1，叶 剑2，漆正蓉1(1.江苏省沭阳县气象局，江苏沭阳 223600；2.江苏省宿迁市气象局，江苏宿迁 223800)

摘要[目的]客观评估DZN1型自动土壤水分观测仪的监测能力。[方法]采用对比差值、逐步回归等方法，比较分析了2013年1月1日～7月31日沭阳国家农气一级站的人工与自动土壤体积含水量观测数据。[结果]人工观测值略高于自动站观测值，两者在浅层的平均差值最小，变化趋势相当一致；在分析了人工与自动观测值相关系数后，为降低DZN1型自动土壤水分观测仪的系统性误差，获得较准确的订正数据，运用逐步回归法建立了沭阳土壤水分自动站观测资料序列订正模型，并利用该站2014年4月1日～5月31日对比观测资料对其订正效果进行了检验，检验结果显著。[结论]该研究为发挥观测资料的应用价值和气象服务效益提供依据。

关键词人工观测；自动观测；土壤水分；对比分析；订正模型

土壤水分是植物水分的直接来源，土壤水分含量的多少决定着植物生长状况的好坏。同时，土壤水分是土地持续利用[1]、水资源管理[2-3]及节水农业技术研究[4-5]的基础，深入分析土壤水分状况及其变化规律，对农业灌溉[6]、土壤墒情[7-9]、土壤水资源的开发利用以及农业干旱[10-11]的监测预测具有十分重要的意义。

近几年来，随着土壤水分自动观测系统的逐渐完善和应用，较人工观测数据在时间密度、空间密度上更具优势，为人们研究土壤规律提供了实时依据。然而，人工观测和自动观测之间不可避免地存在着差异，这种差异对历史气象资料的均一性提出了挑战，并对业务应用产生了影响。我国学者在人工与自动观测资料对比分析方面开展了相关工作[12-14]，针对的观测要素涵盖空气相对湿度、土壤水分、温度与水汽压等，分析方法多采用误差分析、差值概率及相关法。笔者利用沭阳县国家农气一级站人工与自动土壤体积含水量观测数据，采用对比差值、逐步回归等方法，对这2组数据进行对比分析，客观评价DZN1型土壤水分观测仪的观测能力，为发挥观测资料的应用价值和气象服务效益提供依据。1资料与方法

所用资料为2013年1月1日～7月31日沭阳县国家基本气象站的日降水量数据和两组土壤湿度对比观测资料，所有数据均经过初步的质量控制。其中一组为DNZ1型自动土壤水分观测仪观测的10、20、30、40、50、60、80、100 cm共8个土层逐小时的土壤湿度资料；另一组为每旬逢3、逢8日同样8个土层的同步人工观测土壤水分资料，其钻孔取土的位置均分布在自动站传感器埋设位置四周半径2～10 m，如遇≥10 mm以上的降水则延迟至次日取土，各层每次均取4个重复，测定方法采用中国气象局《农业气象观测规范》规定的烘干称重法，观测地段为非灌溉自然状态下的地块。自动土壤水分观测仪传感器需遵循土壤体积含水量在0～50%的工作范围要求。为了便于与DZN1型土壤水分观测仪测定的土壤体积含水量Q进行比较，统一将人工观测数据土壤重量含水率w通过公式换算成土壤体积含水量[15]，二者的换算公式为Q=wρ，其中，ρ为地段实测土壤容重(g/cm3)。

人工土壤湿度观测一般仅在每旬逢3、逢 8日有观测数据，所以取与其同时期对应土层的自动获取的土壤湿度观测数据，构成2个组42个时次的样本序列。因为土壤湿度一般受当天及前几天发生的降水影响，在此取当天和前2 d(共3 d)的平均降水量作为影响当天土壤湿度的降水量。

2结果与分析

2.1人工和自动观测数据对比差值分析利用沭阳站评估对比观测阶段(2013年1月1～7月1日)的人工和自动观测42组数据以及相应时段的日降水量进行对比差值(人工-自动)分析。由图1可见，10 cm浅层平均土壤体积含水量的人工观测值基本上高于自动观测值，但两者差值较小，均在1.8%以内；在前11组观测数据无有效降水时段内，两者观测值均有明显的下滑趋势；在有效降水时段内，人工与自动站观测值每一次升高均与对应时间发生的降水相匹配，即受降水影响较大。在中层(50 cm)，土层土壤体积含水量的人工观测与自动站观测值有明显的差距，尤其是在强降水发生时，其中降水最强的第12组对应的差值达4.3%；在前11组无有效降水时段内，人工与自动观测值均有下降趋势，其中人工观测值下降更为明显；与浅层相比，两者下降速度均较缓慢，即受降水影响相对较小；在有较小降水时，自动站观测值有较小幅度的上升，而人工观测数据明显大于自动站。在深层(100 cm)，土层土壤体积含水量的人工观测与自动站观测值的差值更明显，最大差值达5.4%；在前11组无有效降水时段内，人工观测值有较明显上升，而自动站观测值却基本保持平稳；在有较小有效降水发生期间，人工观测值数据有所上升，而自动站却缓慢下降；在有强降水发生时，人工观测值有明显上升，而自动站观测值上升波动较小。

由此可见，人工观测值总体高于自动观测值，在强降水发生时更加明显；人工与自动站观测对比差值随土壤深度加深，总体增大。造成差异的原因可能是：在强降水出现时，浅层土壤湿度很高，在人工钻孔取土过程中有一定水分随土钻挤压渗透到所取土壤样本中，导致所取土壤样本的湿度值偏高。

2.2自动与人工观测值相关系数分析从表1可以看出，土壤体积含水量的人工与自动站观测值的相关系数在浅层(10 cm)和中层(50 cm)分别为0.975 4和0.714 1，均通过了0.01的信度检验，为显著相关；而深层(100 cm)的相关系数为0.167 3，未通过0.05的信度检验。可见，浅层土壤体积含水量人工与自动站观测值相关性最好，中层其次，而深层相关性最差。这与前面的对比差值分析相吻合。

表1沭阳土壤水分自动与人工观测数据的偏差与相关性

Table 1Deviation and correlation of automatic and artificial observation data of soil moisture in Shuyang

注：*、** 分别表示通过α=0.05、α=0.01的信度检验。

Note：*，** stand for pass through α=0.05，α=0.01 reliability test.

2.3订正模型及效果检验将2013年1月1日～7月31日0～10、10～20、20～30、30～40、40～50、50～60、70～80、90～100 cm土层人工观测和自动观测每两组土壤体积含水量及与其有关的日降水量、日蒸发量作为序列，以人工观测土壤体积含水量为自变量Y，以自动站土壤体积含水量(X1)、降水量(X2)和蒸发量(X3)作为因变量[16]，建立沭阳站不同土壤层次的自动站观测资料序列订正多元回归模型[17-18]。

假定各个影响因素与Y的关系是线性的，则多元线性回归模型为Y=b0+b1X1+b2X2+b3X3。显著性检验(表2)发现，0～10、10～20、20～30、30～40、40～50、50～60 cm各土层建立的回归模型F检验的P值很小，有的近似为0，小于显著性水平α=0.05，所以0～60 cm土层的自动站观测资料序列订正多元回归方程检验结果显著。因深层相关性较小，80～100 cm建立的模型并未能通过显著检验，故表2中未列出。

利用2014年4月1日～5月31日沭阳站2个月的人工观测土壤体积含水量和自动观测值共计12组资料对各土层自动站观测资料序列订正多元回归模型进行验证。从图2可以看出，沭阳站2014年4～5月10、20、30、40、50、60 cm土层自动站土壤水分含水量订正值与人工实测值的相关系数分别为0.921 498、0.763 423、0.795 265、0.809 845、0.828 102、0.784 374，表明自动站土壤体积含水量订正值与人工土壤体积含水量均拟合一致，验证效果显著。

3结论与讨论

(1)自动站相对于人工观测方法，各层土壤体积含水量均存在一定的偏差，这可能与仪器本身的系统误差有关，也可能与取土时间、地点及其他形式的偶然误差有关。但尽管如此，二者仍具有一致的相关性，0～60 cm土层的相关系数均高于显著性水平α=0.05的临界值，通过自动站土壤体积含水量和日降水量、日蒸发量建立的多元线性订正模型效果也比较明显。

(2)人工观测值基本高于自动站观测值，两者在浅层的平均差值最小，变化趋势相当一致，均受降水影响较大。两者在中层的平均差值比浅层大，在出现强降水时尤为明显。在深层的对比差值比浅层、中层均大，其中自动观测值变化基本稳定，受降水影响很小，而人工观测波动较大，受降水影响相对较大。

(3)浅层的人工与自动观测值相关性最好，深层相关性最差，总体来说两者相关性随土层深度的加深而递减。

(4)0～60 cm土层的订正回归方程F检验的P值很小，检验结果显著；而深层(80～100 cm)建立的模型未能通过显著性检验。

(5)利用2014年4月1日～5月31日沭阳站2个月的人工观测土壤体积含水量和自动观测值共计12组资料对各土层自动站观测资料序列订正多元回归模型进行验证，结果表明，各土层的订正模型效果较好。

参考文献

[1] 连纲，郭旭东，王静，等.土壤质量与可持续土地利用管理[J].生态学杂志，2005(2)：163-169.

[2] 丁文喜.中国水资源可持续发展的对策与建议[J].中国农学通报，2011(14)：221-226.

[3] 夏军，翟金良，占车生.我国水资源研究与发展的若干思考[J].地球科学进展，2011(9)：905-915.

[4] 李玉义，逄焕成，王婧，等.中国节水农作制度发展趋势探讨[J].中国农业大学学报，2010(3)：88-93.

[5] 康绍忠，蔡焕杰，冯绍元.现代农业与生态节水的技术创新与未来研究重点[J].农业工程学报，2004(1)：1-6.

[6] 姚林，郑华斌，刘建霞，等.中国水稻节水灌溉技术的现状及发展趋势[J].生态学杂志，2014(5)：1381-1387.

[7] 粟容前，康绍忠，贾云茂.农田土壤墒情预报研究现状及不同预报方法的对比分析[J].干旱地区农业研究，2005(6)：198-203.

[8] 朱新国，林方存，高湖滨.墒情监测研究进展综述[J].节水灌溉，2011(11)：53-55，58.

[9] 张益，马友华，江朝晖，等.土壤水分快速测量传感器研究及应用进展[J].中国农学通报，2014(5)：170-174.

[10] 王利娜，苏静，郑晓东，等.我国农业干旱风险研究进展简述[J].水科学与工程技术，2011(2)：3-7.

[11] 李芬，于文金，张建新，等.干旱灾害评估研究进展[J].地理科学进展，2011(7)：891-898.

[12] 周清，朱保美.DZN1型自动站与人工测定土壤湿度对比分析[J].中国农学通报，2013(6)：108-112.

[13] 黄文杰，吕军，翟伶俐，等.人工与自动土壤水分观测资料差异探讨[J].中国农学通报，2013(14)：146-149.

[14] 费启瓅，袁慧玲，阿不都外力·阿不力克木，等.江苏省自动土壤水分观测与人工观测对比分析及应用[J].气象科学，2013(3)：302-307.

[15] 马玉莹，雷廷武，张心平.测量土壤质量含水率的体积置换方法[J].农业机械学报，2013(12)：148-153.

[16] 李涵茂，方丽，贺京，等.基于前期降水量和蒸发量的土壤湿度预测研究[J].中国农学通报，2012(14)：252-257.

[17] 张翔，陈建能.关于回归方程自变量的选择[J].福建农业大学学报，1999(3)：357-360.

[18] 卢文喜，司昌亮，程卫国，等.基于多元线性回归的水稻产量与各生理参数关系研究[J].节水灌溉，2012(12)：37-39，42.

Comparative Analysis of Artificial and Automatic Soil Moisture Observation Data in Shuyang County

YE Jie1, ZHOU Wei1,YE Jian2et al

(1. Shuyang Meteorological Bureau, Shuyang, Jiangsu 223600; 2. Suqian Meteorological Bureau, Suqian, Jiangsu 223800)

Key wordsArtificial observation; Automatic observation; Soil moisture; Comparative analysis; Correction model

Abstract[Objective] The aim was to objectively evaluate the monitoring ability of the DZN1 type automatic soil moisture monitoring instrument. [Method] By using contrast difference, regressive regression methods, artificial and automatic observation data of soil volumetric moisture content from Shuyang National Agricultural Gas primary station during Jan.1-Jul.31, 2013 was compared and analyzed. [Result] The artificial observed value was slightly higher than that of the automatic station, the average difference was minimum in shallow layer, the change trend was quite consistent; after analyzing the correlation coefficient between artificial and automatic observation value, in order to reduce the systematic errors of the DZN1 type automatic soil moisture meter and obtain more accurate correction data, using the stepwise regression method, the sequence correction model of soil moisture automatic observation data in Shuyang was established. The correction effect was detected using contrast data during Apr.1-May 31, 2014, the test result was significant. [Conclusion] The study provides a basis for application of the observed data and meteorological service benefit.

基金项目宿迁市气象局气象科研项目(sq201403)。

作者简介叶杰(1980- )，女，江苏宿迁人，助理工程师，从事地面测报、农业气象研究。

收稿日期2016-02-16

中图分类号S 164

文献标识码A

文章编号0517-6611(2016)07-224-03