莊旭東，馮紹元，于 昊，袁成福，錢 爭

（揚州大學 水利科學與工程學院，江蘇 揚州225009）

0 引 言

【研究意義】內(nèi)蒙古河套灌區(qū)是我國最大的一首制自流灌區(qū)，也是國家重要的商品糧基地[1]。河套灌區(qū)屬于大陸性季風氣候，年降雨量僅為140～223 mm，年蒸發(fā)量可達2 000～2 347 mm，引黃河水灌溉在河套灌區(qū)農(nóng)業(yè)生產(chǎn)中起到了至關(guān)重要的作用，灌區(qū)農(nóng)業(yè)灌溉用水量占總用水量的90%以上，是典型的沒有灌溉就沒有農(nóng)業(yè)的灌區(qū)[2]。面對水資源日益短缺的嚴峻形勢，未來幾年河套灌區(qū)引水量將會在現(xiàn)有的50 億m3基礎上減少1/5 左右[3]，引水量減少會進一步加劇河套灌區(qū)各大產(chǎn)業(yè)的用水矛盾。同時，河套灌區(qū)土壤鹽堿化又非常嚴重，節(jié)水灌溉和暗管排水工程的實施，打破了原有的農(nóng)田土壤水鹽運移規(guī)律和平衡條件，因此，研究河套灌區(qū)暗管排水條件下農(nóng)田土壤水鹽運移規(guī)律，優(yōu)化暗管埋深和間距，對保障農(nóng)業(yè)生產(chǎn)及改善當?shù)厣鷳B(tài)環(huán)境、促進當?shù)貒窠?jīng)濟可持續(xù)發(fā)展具有重要意義。

【研究進展】SWAP（Soil Water Atmosphere Plant）模型由荷蘭Wageningen 大學開發(fā)，主要用于模擬農(nóng)田尺度田間土壤-水-植物-大氣環(huán)境中的水分運動、溶質(zhì)運移、熱量傳輸和作物生長過程[4]。國內(nèi)外已有許多學者在不同地區(qū)利用SWAP 模型來確定適宜當?shù)氐奶镩g排水暗管規(guī)格以及分析當?shù)氐耐寥浪}運動過程。薛靜等[5]利用SWAP-WOFOST 模型對2000—2010 年河套灌區(qū)春小麥種植條件下適宜的田間排水暗管規(guī)格進行探討，并模擬評價了該條件下作物產(chǎn)量和水分生產(chǎn)力的時空分布特征，為進一步改善灌區(qū)田間排水系統(tǒng)的效果提供了一定的參考。Sarwar等[6]在巴基斯坦旁遮普省利用SWAP模型分析了不同排水深度和間距對根區(qū)土壤水分狀況、土壤鹽堿化以及作物產(chǎn)量的影響。結(jié)果表明，排水深度的設定比間距的設定更為重要，其與作物產(chǎn)量和土壤鹽分的相關(guān)性更好，并確定了該地區(qū)的最佳排水深度為2.2 m。Qureshi 等[7]在烏茲別克斯坦的錫爾河省利用SWAP 模型確定了保證棉花達到最高產(chǎn)量且土壤含鹽量得到控制的優(yōu)化排水深度為2.0 m。馮紹元等[8]在北京市典型農(nóng)田開展冬小麥-夏玉米非充分灌溉試驗，利用SWAP 模型模擬分析了根區(qū)和儲水區(qū)之間的水分轉(zhuǎn)化動態(tài)及其對作物耗水的影響，揭示了非充分灌溉條件下的作物耗水和土壤水分轉(zhuǎn)化規(guī)律。袁成福等[9]在中國農(nóng)業(yè)大學石羊河試驗站對制種玉米的咸淡水輪灌模式進行研究，并利用SWAP 模型模擬分析了咸水非充分灌溉條件下不同土壤剖面水分和鹽分通量的變化規(guī)律。

【切入點】本文基于2018—2019 年田間試驗觀測資料，對SWAP 模型進行率定和驗證?？紤]到研究區(qū)種植的主要農(nóng)作物是油葵，作物的主要根系分布在0～40 cm 土壤剖面內(nèi)，故利用率定和驗證后的SWAP模型對不同暗管排水條件下剖面40 cm 處的土壤水分通量和鹽分通量的變化過程進行模擬分析。

【擬解決的關(guān)鍵問題】通過設置4 種排水暗管布設規(guī)格，分析不同暗管布局下根系層的水鹽運移規(guī)律和產(chǎn)量情況，探討永濟地區(qū)因地制宜保障作物生產(chǎn)的田間末級排水暗管的布設規(guī)格，為當?shù)匕倒芘潘?guī)劃和管理提供科學依據(jù)。

1 材料與方法

1.1 試驗區(qū)概況

試驗于2018—2019 年在河套灌區(qū)中國農(nóng)業(yè)大學永濟試驗基地進行，該試驗基地所在地理位置為107o16＇E，40o44＇N，平均海拔1 043.4 m，圖1 為試驗區(qū)示意圖。研究區(qū)為中溫帶半干旱大陸性氣候，降雨稀少，氣候干燥，蒸發(fā)量大，年降雨量90～300 mm，年蒸發(fā)量2 032～3 179 mm，年平均氣溫3.7～7.6 ℃，無霜期145～160 d，土壤封凍期180 d 左右[10]。2018年生育期試驗區(qū)平均地下水埋深為1.43 m，最大埋深2.05 m，最小埋深0.67 m，平均地下水礦化度為0.88 g/L；2019 年生育期試驗區(qū)平均地下水埋深為1.40 m，最大埋深2.14 m，最小埋深0.75 m，平均地下水礦化度為0.98 g/L。試驗區(qū)土壤機械組成及物理參數(shù)見表1。

圖1 試驗區(qū)示意圖 Fig.1 Schematic diagram of experiment sites

表1 試驗區(qū)土壤機械組成及物理參數(shù) Table 1 Mechanical composition and physical parameters of soil in the test area

1.2 試驗設計

在試驗研究基地選擇一典型研究區(qū)，農(nóng)田種植面積為9.13 hm2，灌溉方式為畦灌。試驗區(qū)種植油葵，品種為“YG361 號”，種植方向為東西方向，采用寬窄行種植方式（寬行100 cm，窄行40 cm），株距55 cm，具體作物種植模式見圖2。2018 年油葵于6 月13 日播種，6 月20 日出苗，8 月4 日灌水，9 月28 日收獲。2019 年油葵于5 月29 日播種，6 月8 日出苗，7月10 日灌水，9 月19 日收獲。試驗觀測區(qū)從北往南分為A、B、C 3 個小區(qū)，每個小區(qū)灌水定額不同，分別為1 200、975、750 m3/hm2。試驗區(qū)吸水管管材選取PE 打孔波紋管形式，采用砂礫石外包濾料作為吸水管的過濾材料。試驗區(qū)共埋設7 根吸水管，1 根集水管，吸水管間距為45 m，平均埋深1.5 m，比降為1/2 000。具體試驗設計見表2。

1.3 測定項目與方法

2018—2019 年的氣象資料主要來源于河套灌區(qū)永濟試驗基地的小型氣象站，包括：降雨量、輻射量、溫度、濕度、風速等。試驗期間分別在油葵播種前、收獲后以及每次灌水前、后取土樣，每個小區(qū)取3 個重復，取土壤含水率和全鹽量平均值近似代表每個小區(qū)的平均值，用以模型的率定和驗證。取土深度為100 cm，共分6 層，分別為0～10、10～20、20～40、40～60、60～80、80～100 cm，土壤質(zhì)量含水率采用烘干法（土樣在105 ℃烘箱內(nèi)烘8 h）測定，再乘以干體積質(zhì)量得到體積含水率。取樣時另外用自封袋裝入少許土樣，將其置于晾土架上風干2～3 d，然后進行研磨和過篩，再調(diào)制1∶5 的土水比土壤浸取液，振蕩過濾后用電導率儀（DDSJ-308A）測定浸取液的電導率值 EC1:5，并運用內(nèi)蒙古河套地區(qū)經(jīng)驗公式（S=2.882EC1:5+0.183）將浸取液的電導率值換算成相應的土壤全鹽量[11]。地下水位用鋼尺水位計（JK50）進行測量，每3～4 d 觀測1 次。

油葵出苗后每隔10 d 利用精度為0.01 m 的鋼卷尺測量油葵的株高和葉片長寬，并采用估算法得到葉面積指數(shù)，其中油葵的擬合系數(shù)取0.75。在油葵收獲之際，每個小區(qū)連續(xù)取10 株制作物，進行脫粒自然曬干，用卷尺測量花盤的直徑，重復3 次。用天平測量花盤質(zhì)量、籽粒質(zhì)量、百粒質(zhì)量等，再換算成每公頃作物產(chǎn)量。

圖2 作物種植模式 Fig.2 Crop planting mode

表2 試驗設計 Table 2 Experimental design

1.4 SWAP 模型

SWAP 模型將土壤水分、溶質(zhì)和熱量的運移簡化為垂向一維運動，采用有限差分法求解偏微分方程[12]。模型采用Richards 方程來模擬非飽和帶土壤的水流運動，采用對流-彌散方程來模擬鹽分運移，在模擬作物生長方面分為簡單作物生長模塊和復雜作物生長模塊，本研究采用的是簡單作物生長模塊，主要運用各生育階段相對產(chǎn)量連乘的數(shù)學模型來表示整個生育階段的相對產(chǎn)量（作物的實際產(chǎn)量與潛在產(chǎn)量的比值），其具體計算公式參見SWAP 模型手冊[4]。SWAP 模型的排水模塊采用Hooghoudt 或Ernst 排水公式計算，本研究中將飽和-非飽和帶土壤剖面概化為均質(zhì)，排水管的位置在不透水層之上（查閱有關(guān)文獻[1]，可知河套灌區(qū)距地表36.2 m 存在致密的不透水層），通過變動排水暗管的埋深和間距來進行后期的數(shù)值模擬。根據(jù)土壤特性，將土壤剖面劃分為3 層，第一層是0～20 cm，第二層是20～60 cm，第三層是60～100 cm。由于地下水埋深較淺，所以采用地下水位作為模型的下邊界條件。SWAP 模型還需要輸入作物生長資料、土壤水力特性參數(shù)、初始壓力水頭和溶質(zhì)濃度等資料。作物生長資料主要采用田間試驗實測數(shù)據(jù)；初始的土壤水力特性參數(shù)通過實測的土壤機械組成和干體積質(zhì)量，利用HYDRUS-1D 軟件的Rosetta神經(jīng)網(wǎng)絡模型預測得到（表3）；初始壓力水頭由初始土壤含水率通過水分特征曲線換算得到；初始溶質(zhì)濃度由土壤初始含鹽量換算得到。模型的輸出結(jié)果包括水量和溶質(zhì)平衡表、水分和鹽分剖面分布、日水分平衡分量和水壓力剖面分布等，輸出格式包括文本、2 維圖形和3 維圖形3 種形式。模型模擬值與實測值吻合度采用均方誤差（RMSE）、平均相對誤差（MRE）2 個指標進行評價，其計算公式如下：

式中：N 為觀測值的個數(shù)，Pi表示第i 個模擬值，Oi表示第i 個觀測值。

表3 不同土層土壤水力特性參數(shù)的初始值和率定值 Table 3 Initial value and calibration value of soil hydraulic characteristic parameters of different soil layers

2 結(jié)果與分析

2.1 土壤水分模塊的率定和驗證

利用研究區(qū)實測和收集的土壤水鹽數(shù)據(jù)、土壤水力特性參數(shù)、油葵生長資料、灌溉資料、排水資料以及氣象數(shù)據(jù)等對SWAP 模型進行率定和驗證。其中以2018 年C 處理的試驗數(shù)據(jù)用于模型的率定，2019 年C 處理的試驗數(shù)據(jù)用于模型的驗證，土壤水分運動模塊中的土壤水力特性參數(shù)率定值見表3，土壤含水率模擬結(jié)果見圖3、圖4。從圖3、圖4 可以看出，土壤含水率的模擬值與實測值吻合較好，模擬值較好地反映了實測值的變化趨勢。表4 是率定和驗證過程中不同深度土壤含水率模擬值與實測值的均方誤差（RMSE）和平均相對誤差（MRE）。由表4 可以看出，土壤含水率率定與驗證過程中土壤含水率RMSE 值均在0.05 cm3/cm3以下，MRE 值在15%以下，判定指標均在合理的誤差范圍內(nèi)，說明經(jīng)過率定和驗證后的SWAP 模型能夠較好地模擬土壤水分動態(tài)變化規(guī)律。

2.2 土壤鹽分模塊的率定和驗證

圖5為SWAP模型率定和驗證時不同時期土壤含鹽量的模擬值與實測值的比較。由圖5 可以看出，鹽分隨土層深度增加而不斷減少，其中模擬值基本反映了剖面土壤鹽分的分布趨勢，但表層鹽分模擬效果略差一些。表5 為土壤含鹽量模擬值與實測值的RMSE和MRE。土壤含鹽量率定與驗證過程中，RMSE 值在3.0 mg/cm3以下，MRE 值均在25%以下，在允許的誤差精度范圍之內(nèi)，模擬結(jié)果基本可行。率定后得到的分子擴散系數(shù)為5.0 cm/d，土壤彌散度為20 cm。

圖4 模型驗證過程中土壤含水率模擬值與實測值的比較 Fig.4 Comparison between simulated and measured soil water contents in validation

表4 土壤含水率模擬值與實測值的RMSE 和MRE Table 4 RMSE and MRE of simulated and measured soil moisture content

圖5 土壤含鹽量模擬值與實測值的比較 Fig.5 Comparison of simulated and measured values of soil salt content

表5 土壤含鹽量模擬值與實測值的RMSE 和MRE Table 5 RMSE and MRE of simulated and measured values of soil salt content

2.3 作物生長模塊的率定和驗證

本文作物生長模塊采用簡單作物生長模塊，SWAP 模型模擬得出的產(chǎn)量為相對產(chǎn)量。據(jù)調(diào)查，近年來河套灌區(qū)油葵的平均產(chǎn)量為5 450 kg/hm2，假定河套灌區(qū)油葵平均產(chǎn)量為可獲得的最大產(chǎn)量，根據(jù)SWAP 模型模擬的相對產(chǎn)量與最大產(chǎn)量進行換算，可得到模擬產(chǎn)量。其中以2018 年C 處理的產(chǎn)量觀測數(shù)據(jù)用于模型的率定，以2019 年C 處理的產(chǎn)量觀測數(shù)據(jù)用于模型的驗證。圖6 為模型率定與驗證時油葵產(chǎn)量實測值與模擬值的比較，由圖6 可以看出，2018年模擬出來的油葵產(chǎn)量為4 850.0 kg/hm2，實際測產(chǎn)4 400 kg/hm2，2019 模擬出來的油葵產(chǎn)量為3 924 kg/km2，實際測產(chǎn)4 228.05 kg/hm2，產(chǎn)量模擬值與產(chǎn)量實測值基本一致，2019 年比2018 年產(chǎn)量減少是因為2018 年沒有進行秋澆壓鹽，2019 年C 區(qū)0～40 cm土層初始含鹽量平均值為3.56 g/kg，2018年C區(qū)0～40 cm 土層初始含鹽量平均值為1.49 g/kg，2019 年是2018 年的2 倍多，導致作物生長受鹽分脅迫影響比較大。模型率定與驗證時油葵產(chǎn)量的均方誤差RMSE在500 kg/hm2以內(nèi)，相對誤差MRE 均低于15%，在合理的誤差范圍內(nèi)。上述模擬結(jié)果表明，率定和驗證后的SWAP 模型可用于該地區(qū)油葵產(chǎn)量的模擬。

圖6 模型率定(2018 年)和驗證(2019 年)時 油葵產(chǎn)量的模擬值與實測值比較 Fig.6 Comparison of simulated and measured helianthus yield at model calibration (2018) and validation (2019)

2.4 SWAP 模型模擬

2.4.1 40 cm 剖面處土壤水分通量模擬

以2019 年的B 處理為基礎，通過改變暗管埋深和間距，模擬分析不同暗管布局下土壤水分通量的變化特征。不同情景設計見表6。由于該油葵品種根系主要分布在0～40 cm 土壤剖面內(nèi)，所以對不同暗管埋深和間距條件下40 cm剖面處的土壤水分通量進行分析，模擬結(jié)果見圖7，其中水分通量向上為正（0 刻度線以上為正），向下為負，箭頭代表灌水時間。由圖7 可以看出，不同暗管埋深、間距下，40 cm 剖面處的土壤水分通量總體變化趨勢基本相同，無灌水和降雨時土壤水分以向上運動為主，存在灌水和降雨時，土壤水分以向下運動為主。就整個生育期而言，基本情景、情景一、情景二和情景三的40 cm 剖面處向下水分通量累積量分別為-6.51、-6.85、-11.98、-11.97 cm，當基本情景的間距減小15 m 時，向下的水分通量累積量增加5.2%，當基本情景的埋深增加0.5 m 時，向下的水分通量累積量增加83.9%。在7 月10 日灌水當天，不同暗管埋深、間距情景下水分通量變化尤其明顯，其中基本情景、情景一、情景二和情景三的向下水分通量分別為1.24、2.14、9.30、9.30 cm/d，由此可以看出，埋深越大，間距越小，40 cm 剖面處向下的土壤水分通量就越大，說明增加暗管埋深、減小暗管間距可以有效排除灌溉時根系層多余的水分。其中情景二和情景三的向下水分通量都一樣，是因為此時埋深較深，排水效果好，9.30 cm/d 已經(jīng)達到了灌溉當天的最大值，加之當?shù)赝寥酪陨叭劳梁头廴劳翞橹?，透水性良好，向下的水分通量主要受暗管埋深控制，受暗管間距影響十分小。在降雨量稀少的情況下，40 cm 剖面處的向下水分通量與灌水時呈相反的規(guī)律，比如8 月19 日，降雨僅有5.4 mm，此時基本情景、情景一、情景二和情景三向下的水分通量分別為0.081、0.076、0.036、0.043 cm/d，在基本情景下，當暗管間距減小15 m，向下的水分通量反而減少了6.2%，當暗管埋深增加0.5 m 時，向下的水分通量減少了46.9%，這是因為埋深越淺，間距越大，地下水位就越高，表層土壤就越濕潤，降雨被表面土壤吸收的就越少，下滲的水分也就越多。

表6 不同情景設計 Table 6 Different design cases

2.4.2 40 cm 剖面處鹽分通量模擬

圖8 是不同暗管埋深和間距條件下40 cm 剖面處的土壤鹽分通量模擬結(jié)果。鹽分通量向上為正（0 刻度線以上為正），向下為負，箭頭代表灌水時間。結(jié)合圖7 和圖8 可以看出，40 cm 剖面處的土壤鹽分通量變化趨勢和水分通量一樣，無灌水和降雨時土壤鹽分以向上運移為主，存在灌水和降雨時，土壤鹽分以向下運移為主，充分說明了“鹽隨水來，鹽隨水走”的土壤鹽分的運移特性。土壤鹽分向下通量在7 月10 日達到最大，其中基本情景、情景一、情景二和情景三的向下鹽分通量分別為13.4、22.9、93.6、93.2 mg/（cm2?d），說明埋深越大，間距越小，40 cm 剖面處向下的鹽分通量也就越大。就整個生育期而言，不同情景下40 cm剖面處鹽分通量的累積量也存在差異，基本情景、情景一、情景二和情景三的向下鹽分通量累積量分別為-65.1、-68.4、-119.0、-118.9 mg/cm2，當基本情景的間距減小15m 時，向下鹽分通量累積量增加5.1%，當基本情景的埋深增加0.5 m 時，向下鹽分通量累積量增加82.6%，說明暗管排水可以有效排除根系層中的鹽分，而且暗管埋深對排鹽的影響要比間距更為敏感。另外結(jié)合模擬出來基本情景、情景一、情景二和情景三的產(chǎn)量，4 142、4 306、4 578、4 524 kg/hm2，可以看出情景二的產(chǎn)量最高，說明合適的暗管布設埋深與間距，可以有效降低根系層的水鹽脅迫，從而使產(chǎn)量得到提高。

圖7 不同暗管排水條件下40 cm 剖面處土壤水分通量模擬結(jié)果 Fig.7 Simulation results of soil water flux at 40 cm profile under different drainage conditions

圖8 不同暗管排水條件下40 cm 剖面處土壤鹽分通量模擬結(jié)果 Fig.8 Simulation results of soil salt flux at 40 cm profile under different drainage conditions

3 討 論

通過運用SWAP 模型對不同暗管布局下土壤的水分通量和鹽分通量進行模擬，發(fā)現(xiàn)暗管埋深比暗管間距對向下的土壤水分通量和鹽分通量的影響更為敏感，一是因為暗管埋深在控制地下水位中起到主導作用，二是因為當?shù)赝寥劳杆粤己?，使得暗管間距的敏感性降低。在模擬中還發(fā)現(xiàn)，適當增加暗管埋深，其產(chǎn)量也會相應增加，這是因為埋深增加不僅可以有效排除根系層的鹽分，而且埋深增加，地下水位就越低，可以降低潛水蒸發(fā)，抑制土壤返鹽。

SWAP 模型可以較好地模擬研究區(qū)土壤水鹽的變化，但在土壤鹽分的模擬中RMSE 和MRE 偏大，這是因為SWAP 模型把鹽分運動簡化為一維垂向，而試驗區(qū)附近存在一片鹽荒地，SWAP 模型在模擬過程中沒有考慮土壤鹽分在農(nóng)田與荒地間的水平運動，加之地下水位埋深較淺，當?shù)厝照粘渥?，潛水蒸發(fā)量大，鹽分向上累積速率快。而且，全鹽量所換算的經(jīng)驗公式會存在誤差，灌水人為控制不夠精確等都會導致模型模擬結(jié)果與實測值產(chǎn)生偏差。同時，鹽分模塊調(diào)整參數(shù)是在土壤水力特性參數(shù)基礎上進行的，彌散度、分子擴散系數(shù)、自由水與吸附水之間的溶質(zhì)交換率等溶質(zhì)參數(shù)的調(diào)整較難調(diào)整到最合適的值，所以在土壤含鹽量的率定和驗證過程中，模擬值與實測值的RMSE 和MRE 會偏大。

國內(nèi)很多學者對不同暗管埋深和間距條件下的排水洗鹽效果進行了研究[13-15]，但排水暗管規(guī)格的確定與不同地區(qū)的土壤、地下水、作物等密切相關(guān)，地區(qū)差異性大，只有根據(jù)實際情況確定適宜的規(guī)格，才能使農(nóng)田排水系統(tǒng)的效果達到較為理想的水平。而且，截至目前，在河套地區(qū)通過模型模擬研究因地制宜的農(nóng)田排水暗管規(guī)格的文章尚不多見，因此，本文基于河套灌區(qū)合濟試驗基地兩年的實驗數(shù)據(jù)，對SWAP模型進行率定和驗證，確定了適合當?shù)貙嶋H的相關(guān)模型參數(shù)，并對4 種暗管布局下的作物根系層水分通量、鹽分通量及產(chǎn)量情況進行了定量分析，所得結(jié)果可為該地區(qū)制定合理的暗管埋深和間距提供理論參考。

4 結(jié) 論

1）經(jīng)過田間試驗資料率定和驗證的SWAP 模型可以用于模擬分析研究區(qū)不同暗管布局下土壤水鹽運移規(guī)律。

2）存在灌水和降雨時，40 cm 剖面處土壤水分通量以向下為主，在暗管間距為45 m，埋深為1.5 m時，就2019 年整個生育期而言，暗管間距減小15 m，向下的水分通量累積量增加5.2%，暗管埋深增加0.5 m時，向下的水分通量累積量增加83.9%。在沒有灌水和降雨時期，40 cm 剖面處土壤水分通量以向上為主，暗管埋深和間距的變化對向上的水分通量影響不大，向上的水分通量在0 ～ 0.14 cm/d 之間變動。

3）土壤剖面鹽分運動表現(xiàn)出與水分運動特性相似的規(guī)律性。在暗管間距為45 m，埋深為1.5 m 時，就2019 年整個生育期而言，暗管間距減小15 m，向下鹽分通量累積量僅增加5.1%，暗管埋深增加0.5 m 時，向下鹽分通量累積量增加82.6%，增幅與向下水分通量累積量基本一致。通過模擬分析不同暗管布局對排鹽、產(chǎn)量的影響，認為永濟試驗區(qū)暗管埋深取2.0 m，暗管間距取45 m 較為適宜。