论文部分内容阅读
土壤水是一种重要的水资源,是地表水、地下水以及大气水转化的纽带,是陆地植物赖以生存的源泉。传统的土壤水分异质性研究主要是通过人工采样和室内分析获取数据,难以实时和动态地反映土壤水分的空间变异。无线传感器网络(WSNs)为土壤水分采集提供了适时检测、高效节能的获取数据的途径,对分析土壤含水量空间变异和作物生长意义重大。
本研究在华南农业大学增城教学科研基地进行实验,针对土壤水分的动态监测,将土壤水分采样点布设与传感器节点配置相结合,优化设计土壤采样点,建立基于WSNs的土壤水分实时采集网络;应用稳健统计学相关理论对土壤水变异函数进行特异值处理和分析;最后以地理信息系统(GIS)与地统计学相结合的方法分析土壤水分的空间变异。主要研究结论如下:
(1)通过研究采样点的规划,确定合理的样点数量、布置方法、采集方法,并利用TDR实时检测土壤水分的特点,借助WSNs的设计策略和部署算法,构建具有覆盖性、连通性和健壮性的土壤水分无线传感器网络,为随后对土壤含水量的测定与分析提供技术支持。
(2)对建立的土壤水分无线传感器网络获取的2010年12月20日与2011年1月4日土壤水分数据进行分析,2010年及2011年土壤水分含量的变异系数在0.16-0.19之间,表现出中等变异特征。由于土壤水分含量的分布,不仅与土壤特性的空间变异性有关,而且与土壤质地、地形地貌、气候、高程、植被及人类活动影响等有密切关系,在多种影响因素的共同作用下,土壤含水量呈现出空间分布的中等差异性。
(3)应用线性模型、球状模型、指数模型、高斯模型分别对土壤水分进行分析,发现线性模型的模拟结果与其他三种模型模拟结果有较大差异,这种差异比较集中体现在变程与块金系数上,说明在模型的应用上,变程与块金系数有着重要的影响。块金系数最大为10%,两组数据由随机因素引起的空间变异性占总空间变异性的比重很小,说明由实验误差和小于试验取样尺度上施肥、作物、管理水平等随机因素引起的变异所占比重较小。而由空间自相关性引起的空间变异性占有很大比重,即土壤水分的空间变异主要是由区域因素空间自相关引起的。
(4)为了获取较为稳健的变异函数,对两个时间的数据进行处理,应用3σ准则、估计邻域法(ENM)、影响系数法(ICM)、邻近点数据比较法、熵函数法五种方法剔除特异值,对比两次处理发现熵函数法剔除特异值显著,说明特异值对变量影响很大;通过对变异函数进行正态转换最后得到的Ⅰ检验效果明显优于未做处理的插值结果;尽管不是所有的稳健方法都能使变异函数的理论模型检验参数Ⅰ减小,但是所有方法都可使基台值降低。
(5)对于2010年和2011年土壤水分的插值结果以2%作为差级梯度对空间插值结果进行分析,两个时段的土壤水分含量在14%-16%之间的田块所占比重较大,水分含量在12%以下的田块所占面积为研究区域总面积的比重均较小;土壤水分>14%主要分布在研究区域的中部,土壤水分<12%主要分布在东西两部,土壤水分最小值位于研究区域的最西部。
(6)两个时段土壤水分的空间分布均与地形、高程、植被覆盖具有明显的相关性。从地形部位来看,土壤水分含量从坡下部到坡上部逐渐降低,达到坡顶位置变为最小。从高程上来看,随着高程的逐渐升高,土壤水分有降低的趋势,土壤水分较高的中东部及东部高程相差不是很大,在随着高程逐渐升高的中部和西部,土壤水分由高到低变化明显。从植被覆盖来看,高程相差不大的地方植被不同土壤水分有着明显的差别,土壤水分最低的区域是以自然植被荒草为主。土壤水分较高的区域以人工植被菜地及园地为主,其中土壤水分最高的区域为园地。土壤水分在高程及坡度变化不是很大的情况下,园地的土壤含水量高于菜地及荒草地,植被的类型有着重要的影响;在高程变化明显的情况下,高程和坡度的综合作用也会影响土壤水分的变化情况。