基于Penman模型的蔬菜大棚土壤水分平衡研究

p文 章编号 1004 －5422 2017 02 －0217 －04基 于Penman模型的蔬菜大棚土壤水分平衡研究杨 晨辉1， 2， 张 君雁1， 2， 陈 晓丹1， 2 1． 成都大学 信息科学与工程学院 ， 四川 成都 610106;2． 成都大学 模式识别与智能信息处理四川省高校重点实验室 ， 四川 成都 610106摘 要 为达到土壤水分平衡状态 ， 获得蔬菜大棚中作物生长的最佳土壤墒情 ， 则需要建立起有效的模型 ． 本研究以 Penman 模型为基础 ， 对参数进行简化 ， 提出了改进的温室大棚土壤水分平衡模型 ， 降低了计算复杂度 ，提高了模型的计算效率 ． 通过采集温室蔬菜大棚的实时气象数据 ， 包括土壤温湿度 、大气温湿度 、通风风速 、土壤热通量 ， 使得数据更加准确 ， 提高了计算的精度 ． 实验采集蔬菜大棚作物处于发育期内的数据进行验证 ， 模型计算获得的数据与实测值相比误差非常小 ． 结果表明 ， 该模型完全可以作为蔬菜大棚滴灌控制的一种可靠依据 ， 具有较高的实际应用价值 ．关键词 Penman 模型 ; 土壤水分平衡 ; 蔬菜大棚 ; 滴灌中图分类号 S626; TP391. 7 文献标志码 A0 引 言土 壤水分一般指土壤中的水分含量 ， 其是用来衡量土壤墒情的惟一指标［ 1］． 土壤水分平衡则是指一定土壤内所含 的水分和作物消耗 、流失的水分之间的平衡关系［ 2］． 作 物生长的最佳土壤墒情就是土壤水分刚好达到此平衡状态［ 3］． 目 前 ， 绝大部分蔬菜大棚的浇灌都采用人工方式根据经验浇灌 ， 此方法容易导致土壤水分含量不平衡 ， 直接影响大棚蔬菜的产量 ． 对此 ， 研究人员通过建立土壤水分分析模型并取得了一些研究成果 ， 但依旧存在一些不足 ， 包括对土壤水分估算正确率低 ， 没有考虑地表蒸腾水量 ， 仅适用于某个特定的区域的土质或者特定的作物［ 4 －6］． 为了能够准确快捷 地预测蔬菜大棚的土壤墒情 ， 本研究拟在 Penman 模型的基础上提出一种适用性广 、能精确预测大棚土壤水分平衡的改进模型 ．1 相 关理论1．1 Penman 模 型Penman 模型［ 7］是目前计算作物蒸发蒸腾量的首 选方法 ， 该方法以能量平衡和水汽扩散理论为基础 ， 既涉及作物生理特征对蒸腾的影响 ， 又涉及到空气动力学参数的变化 ， 具有较充分的理论依据和较高的计算精度 ． 当温室大棚处于通风状态的时候 ， 为了能够准确地计算作物水分需求量 ， 必须考虑地表蒸散量 ． 对此 ， Penman 模型采用了如公式 1 所示的方法计算作物参考需水量 ET ，ET 0. 408Δ Ｒn－ G γTU2 ed－ eaΔ γ 1 0. 34U2 1式 中 ， ea表 示饱和水气压 ， 依据气象数据获取 ; Δ 表示平均气温时饱和水气压 ea随 温度变化的变率 ， Δ 976. 58ea / 241. 9 t2; Ｒn表 示太阳净辐射 ，可在 中国气象辐射资料手册 中查询最近 10 年太阳辐射量的平均值 ; G 是本地土壤热通量 ， 采用化学方法计算 ; γ是湿度计常数 ， 为已知数 ; U2为 高度为 2m 处的风速 ， 依据气象数据获取 ; ed表 示当前水气压 ， 且 ed 0. 6108e17. 27H237. 3H H 为当地的海拔高度 ， T 为一 段时间内平均气温 ， 依据气象数据获取后求均 值 ．1．2 Magnus 公式Magnus 公式［ 8］是计算饱和水汽压的重要公式之 一 ， 饱和水汽压是气象上用来计算空气中的绝对湿度与相对湿度不可缺少的关键因子 ． 相 关应用表收 稿日期 2017 －04 －14．基金项目 四川省教育厅自然科学基金 15ZB0373 资助项目 ．作者简介 杨晨辉 1982 ， 男 ， 硕 士研究生 ， 从事农业信息化相关技术研究 ．明 ， Magnus 公 式 在计算 0 ℃ ～50 ℃内的饱和水汽压时方便简单 ， 计算精度较高［ 9］． 目 前 ， 我 国国家气象局即采用此公式来计算饱和水汽压 ． Magnus 公式能计算出在温度为 t 时饱和水汽压 Ea t ， 其计算式为 ，Ea t 6. 11 107. 36t/ 241． 9t 22 建 模式 1 与 式 2 均依赖于气象数据和土壤热通量来计算作物需水量 ， 而气象数据仅仅是对很大局域面积气象数据的预报值 ， 并不符合大棚实时环境动态的变化情况 ， 如果采用气象预报数据来计算作物需水量 ， 其精度和实效性不能满足大棚环境的高精度控制要求［ 10］． 对 此 ， 本研究建立了一种适用于蔬菜大棚滴灌模式下的土壤水分平衡模型 ． 该模型在 Penman 模型的基础上引入了计算所需要的实时气象数据的 Magnus 公式 ． 由于采用大棚滴灌的浇灌方式 ， 作物叶面不存在截留 ， 因此不考虑叶面截留因素 ． 具体模型如下 1 计算温度为 t 时的当前水汽压 Ed t ， Pen-man 模型是依赖于海拔高度计算得到的 ． 由于蔬菜大棚是一个很小的封闭区域 ， 其内部的水气压实际上与海拔高度关系不大 ． 因此本研究作出改进 ， 根据相对湿度 ＲH 的定义［ 11］， 可 得 ，Ed t 100 Ea/ＲH 3由式 2 和式 3 可得出当前水汽压之差 ，ΔE Ed t － Ea t Ea 100 － ＲHＲH 42 当 温室大棚处于通风状态的时候 ， 为了能够准确计算作物水分需求量 ， 必须考虑地表土壤热通量 ． Penman 模型中采用了化学方法计算 ， 一旦计算完成便成为常数保持不变 ， 而实际环境中 ， 土壤热通量会因温度的变化而产生变化［ 12］． 因 此 ， 本研究采用以下方法计算热通量 G*，G* 2.826Δθ5 ～20 0.486Δt － 0.777 5式 中 ， θ5 ～20表 示土壤层 5 cm 处与 20 cm 处的温度差 ， Δt 表示土壤与室气的温度差值 ．3 综合以上公式 ， 可得到实际的蔬菜大棚中作物需水量模型 ET*，ET*0.408Δ Ｒn－ G* γTU2ΔEΔ γ 1 0.34U2 6此外 ， 在实际应用环境中 ， 还需要综合考虑蔬菜大棚自身的状态 当大棚处于通风状态时 ， 由于受风速影响 ， 大棚中的水汽压和温度都会随之改变 ， 必须考虑地表蒸散量 ; 当大棚处于封闭状态时 ， 地表蒸散的热量以温度的形式存在于大棚中 ， 而模型计算时所用的参数已经包含准确温室气体温度 ， 所以此时不再考虑地表蒸散量 ， 仅需使式 6 中的 U2 0 即可 ．4 根据能量守恒定律 和土壤水分平衡的定义［ 13］， 结 合蔬菜大棚的实际情况再做如下改进 大棚顶部采用的是全封闭方式 ， 所以不考虑降水量 ; 采用滴灌技术 ， 不存在地表径流量和浇水损失量 ． 由此建立土壤水分平衡模型的方程为 ，Kc ET* I 7式 中 ， I 为实际浇灌量 ， Kc为 作物需水量系数 ． 事实上 ， Kc在 作物发育期 、生长期和成熟期 3 个阶段有所不同 ， 本研究将按照作物的生长过程将 Kc细 分为 Kc Kcini 发 育期 ， Kc Kcmid 生 长期 ， Kc Kcend 成熟 期 ， 分别进行计算 ．3 实 验为 验证本研究模型的正确性和精准性 ， 特在成都市新津普兴镇蔬菜基地日光温室中进行相关实验 ． 该蔬菜基地平均海拔高度为 510 m， 年平均气温16. 5 ℃， 日照时数约 926 h， 平均每天日照时数约为2. 6 h． 温室大棚长 8 m， 宽 4 m， 东西走向布局 ， 大棚覆盖采用无滴聚乙烯薄膜 ． 实验地土质为水稻土 ， 采用滴灌浇灌方式 ， 考虑到作物透光性 ， 种植方向按照东西向种植 ．由 中国气象辐射资料手册 可查最近成都市新津近 10 年中太阳辐射量的平均值如表 1 所示 ．表 1 新 津近 10 年日均太阳辐射量月 份 1 月 2 月 3 月 4 月 5 月 6 月日 均总辐射量 / MJ/m2 5．00 7．16 10．81 10．41 16．43 13．30月 份 7 月 8 月 9 月 10 月 11 月 12 月日 均总辐射量 / MJ/m2 15．32 9．64 4．55 6．45 5．37 4．22本研究模型所 需要的参数 Ｒn可 根据表 1 计算得出 ， 其余参数的值 ， 可根据传感器采集到的风速 、大棚温度 、土壤温度 、湿度计算得到 ．利用温室大棚的实测气象数据 ， 逐时计算 2016年 3 月 1 日至 2016 年 3 月 9 日 ， 大棚作物处于发育期内的需水量 ， 并与同时段内蒸散仪所测的数据进行对比 ， 对比曲线图如图 1 所示 ． 图 1 中 ， 纵坐标为作物需水量 ， 单位为 mm/h; 横坐标为时间 ， 单位为h， 横坐标的最大值为 24 h． 实线表示用本研究模型计812 成都大学学报 自然科学版 第 36 卷图 1 温室蔬菜作物发育期模拟需水量与实际测量值曲线对比算出的预测值 ， 虚线表示实测值 ． 如果 2 种曲线的值和曲率在同一时间相近 ， 则认为作物需水量模型计算准确 ．从图 1 中可以看出 ， 在蔬菜作物发育期内 ， 2 种曲线在同一时间内的值非常相近 ， 由此可得出模型计算的作物需水量与实测作物蒸腾量的变化较为一致 ， 模型的模拟精度较高 ． 为了更准确地统计模型的误差率 ， 实验以天 d 为单位 ， 统计模型计算的作物需水量和实际测量的蒸散量对比 ， 在发育期 3 月 1日 ～3 月 9 日 的 9 d 时间里 ， 其模拟值的最大相对误差约为 13， 最大绝对误差为 0.37 mm/d; 平均相对误差约为 7.1， 平均绝对误差小于 0.3 mm/d． 通过验证表明 ， 本研究所采用的蔬菜大棚作物需水量计算模型的模拟精度较高 ， 能满足蔬菜大棚的需求 ．需说明的是 ， 虽然本研究所建温室大棚蔬菜需水量计算模型的日需水量总体模拟误差较小 ， 但中午时段误差还是相对较大 ， 原因可能是传感器随温度的升高 ， 灵敏度有所下降所造成 ．4 结 论蔬菜大棚中作物需水量的大小与土壤温湿度 、空气温湿度以及大棚通风时的风速都有着密不可分的联系 ， 同时还受蔬菜作物的品种 、土壤的肥力 、灌溉排水措施等多因素的错综复杂的影响 ． 本研究在Penman 模型的基础上 ， 引入 Magnus 公式计算饱和水汽压 ， 降低了计算复杂度 ， 采用传感器实时测量的温室环境因子 ， 充分考虑大棚实时热通量 ， 修正Penman 方程的计算方法 ， 提出基于温室大棚内的实时气象数据和蔬菜生长发育指标的蔬菜大棚土壤水分平衡模型 ． 通过实验采集作物发育期实测数据与本研究模型预测数据相对比 ． 结果表明 ， 本模型是一种相对可靠的大棚蔬菜作物 ， 需水量计算方法 ， 其精确度较高 ， 模型中各参数的计算方法简便 ， 参与计算的温室基本气象数据完全可通过传感方式精确获取 ．参考文献 ［ 1］ Sharma H， Manoj K， Shukla P W． Soil moisture sensor cali-bration， actual evapotranspiration， and crop coefficients fordrip irrigated greenhouse chile peppers［ J］ ． Agr Water Man-ag， 2017， 179 1 81 －91．［ 2］ Gurjinder S， Manoj K． Irrigation water salinity influences atvarious growth stages of Capsicum annuum［ J］ ． Agr WaterManag， 2017， 179 2 246 －253．［ 3］ 韩红亮 ， 缴锡云 ， 陆敏 ． 蔬菜大棚墒情预报的衰减指数平滑模型 ［ J］ ． 灌溉排水学报 ， 2013， 32 1 131 －134．［ 4］ 樊志平 ， 洪添胜 ， 刘志壮 ． 柑橘园土壤墒情远程监控系统设计与实现 ［ J］ ． 农业工程学报 ， 2014， 26 8 205 －210．［ 5］ 陈小凤 ． 基于土壤墒情模型的旱情评估预测模型 ［ J］ ． 中国农村水利水电 ， 2014， 14 5 165 －169．［ 6］ Abedi K， Eslamian J， Zareian M J． Measurement and model-ing of water requirement and crop coefficient for cucumber， to-mato and pepper using microlysimeter in greenhouse［ J］ ． J SciTechnol Greenh Cult， 2013， 2 7 51 －64．［ 7］ Shana G， Suna Y， Chengae Q． Monitoring tomato root zonewater content variation and partitioning evapotranspiration912第 2 期 杨晨辉 ， 等 基于 Penman 模型的蔬菜大棚土壤水分平衡研究with a novel horizontally-oriented mobile dielectric sensor［ J］ ． Agr Forest Meteorol， 2016， 22 6 85 －94．［ 8］ 宋 璐璐 ， 尹云鹤 ， 吴绍洪 ． 蒸散发测定方法研究进展 ［ J］ ．地理科学进展 ， 2012， 31 9 1186 －1195．［ 9］ Trnka M， Zalud Z． Se of a soil moisture network for droughtmonitoring in the Czech Ｒepublic［ J］ ． Theor Appl Climatol，2012， 107 1 99 －111．［ 10］ 吴 华兵 ， 季国军 ， 黄少华 ． 苏南地区冬季日光温室内温度和相对湿度的研究 ［ J］ ． 江苏农业科学 ， 2013， 25 4 424 －425．［ 11］ 段 乃侠 ． 蔬菜温室大棚温度控制系统的设计 ［ J］ ． 机械设计与制造工程 ， 2016， 16 9 34 －38．［ 12］ 李 海生 ， 郑鑫 ． 基于 ZigBee 技术的甘蔗土壤水分含量远程监测系统设计 ［ J］ ． 广西民族师范学院学报 ， 2015， 15 3 23 －26．［ 13］ 董 氵 昊 鸣 ， 衣 淑娟 ． 基于 ZigBee 的寒地水稻温室大棚智能控制系统设计 ［ J］ ． 农机化研究 ， 2015， 15 7 13 －17．Ｒesearch on Soil Moisture Balance of VegetableGreenhouse Based on Penman ModelYANG Chenhui1， 2， ZHANG Junyan1， 2， CHEN Xiaodan1， 2 1． School of Ination Science and Engineering， Chengdu University， Chengdu 610106， China;2． Key Laboratory of Pattern Ｒecognition and Intelligent Ination Processing of Higher Education of Sichuan Province，Chengdu University， Chengdu 610106， ChinaAbstract It is necessary to establish an effective model to achieve soil moisture balance so as to getthe optimal soil moisture for crops which grow in vegetable greenhouse． Therefore， we simplify the pa-rameters based on Penman model and then propose our improved soil moisture balance model ingreenhouse， which reduces the computational complexity， as well as improves the efficiency of calcu-lation． The accuracy of data and computation is greatly improved because we collect the meteorologicaldata in real time， including soil temperature and humidity， greenhouse temperature and humidity， ven-tilation velocity， and soil heat flux． The experiments are carried out by the use of the data of crops fromvegetable greenhouse in their developmental phase． The comparison data between the measured valuesand calculated data from our model are collected． The experimental results show that deviation ratio isvery small． Thus， our model is reliable with high practical value for drip irrigation system in vegetablegreenhouses．Key words Penman model; soil moisture balance; vegetable greenhouse; drip irrigation022 成 都大学学报 自然科学版 第 36 卷/p