建立新型的自动土壤水分共享系统

自动土壤水分观测仪利用频域反射法原理来测定土壤体积含水量,由于自动土壤水分传感器在实际测量过程中受到土壤质地、容重、安装结合紧密度等因素的影响,读数差别很大,因此在正式使用前需要进行标定。本文以2002—2009年21个气象站人工土壤重量含水率资料,以及自动土壤水分观测网中对应数据库中土壤重量含水率资料为数据源,借鉴日本方法,以测定大量降雨(100 mm以上)或灌水浸泡24 h后的土壤重量含水率作为田间持水量,调整田间持水量的大小。同时,考虑修订订正仪器测得的土壤体积含水量与人工测得的土壤体积含水量数据的拟合方程(Y=A0+A1X)中的A0、A1两个系数的大小,重新测定修正土壤容重值的大小,建立新型的自动土壤水分共享系统,以期得到更真实的土壤相对湿度资料,供农业气象服务工作应用。     

人工与自动土壤水分观测资料差异探讨

为了给江苏省自动土壤水分观测资料的评估提供较好的方法,并为自动土壤水分观测资料偏差较大时的处理提供参考,从而使自动土壤水分观测的数据更准确、更具代表性。根据江苏省在2012年3—4月2个月人工与自动土壤水分观测资料的统计,并重点对土壤水分观测数据误差较大的台站进行了实地调研和分析。结果表明：在进行人工与自动土壤水分对比观测时,当出现土壤水分总的平均绝对误差值偏大时,要分析分层次土壤水分平均绝对误差值是否存在异常,如果分层次有异常,就需要分析相对应的人工土壤水分观测的4个土壤重量含水率是否有异常。江苏省土壤水分观测平均绝对误差值偏大的原因大部分是土质不同而造成,其次是仪器和人为测量原因造成。因此,选址和按规范观测显得尤为重要。     

自动与人工观测土壤水分差异对比分析

利用2017年7月28日—2018年9月18日青海省海北牧试站架设的DZN2型自动土壤水分观测仪与人工烘干法平行对比观测土壤水分资料数据,通过对比差值、计算差值概率等相关统计方法,对10~50 cm土壤质量含水率进行逐层分析。结果表明：在研究时段内,海北牧试站自动与人工观测取得的数据随时间的变化趋势基本一致。自动站观测的土壤质量含水率较人工观测值偏低,其中30~50 cm差值相对较小,10~20 cm差值相对较大。根据自动站与人工观测的数据对各层土壤质量含水率进行订正,绝对误差均小于3%,表明海北牧试站自动观测的土壤水分资料基本能代替人工观测,进而为推进农业气象的自动化监测提供一定的技术支撑和理论依据。     

浅谈如何确定散装粮食的储藏容重

本文根据粮食出入库积累的一些资料，分析论证了散装粮食储藏容重和标准容重修正系数的确定方法，并计算出了回归方程。     

明水自动与人工土壤水分观测数据对比分析

土壤水分含量及其变化规律的监测是农业气象生态环境及水文环境监测的基础性工作,掌握土壤水分变化规律,对农业灌溉、土壤墒情与农业干旱的监测预测及进行相关理论研究具有重要意义。为研究黑龙江省明水县自动站资料的适用性,利用2013年2月28日至2014年11月8日期间明水自动土壤水分站与人工观测资料,分析了自动站与人工观测土壤水分相对湿度的差值、差值概率以及不同方法观测所得数值的相关系数,并通过对比自动站与人工观测数据制作了订正方程用以消除部分差异。2013年2月28日至2014年11月8日期间,明水县人工与自动站观测数据的相关性在各层均表现为显著,自动站观测的土壤相对湿度值高于人工观测值,0-10cm土壤浅层和30-40cm深层的差值较小,20-30cm和40-50cm土壤层次差值较大,通过自动站与人工观测数据对比所制作的订正方程可以消除部分差异。结果表明：人工观测的数据与自动站取得的数据随时间的变化趋势基本一致,自动站观测的资料基本能代替人工观测的资料。     

降水与墒情关系及抗旱需水量评估技术研究

为了合理开发利用水资源,提高半干旱地区水资源利用率,为现代农业发展提供更精细化的气象服务,通过研究阜新地区土壤水分与降水量关系及特征,找出了阜新地区土壤水分变化规律,并在此基础上,建立了阜新地区农田抗旱需水量评估方法。结果表明：（1）较大降水后,浅层土壤增墒迅速,几小时内土壤重量含水率可达到最大值,并在20 cm左右土壤中形成1个高含水层;深层增墒相对缓慢,需要十几到二十几小时达到最大值;（2）较大降水发生1天后,10~50 cm层土壤重量含水率达到最大值,然后在无降水的情况下土壤重量含水率缓慢下降,基本呈直线型,直到下一次较强降水的到来,重量含水率再次上升;（3）降水增墒速度大于墒情递减速度;（4）受多种因素影响,降水后10~50 cm层各月土壤增墒率和晴好天气下各月逐日土壤墒情递减率有各自的变化规律。其中,4月、7月降水增墒率相对较小,9月最大,8月次之;4月、5月逐日土壤墒情递减率最小,6—9月相对较大,其中,7月最大。土壤墒情递减率对抗旱需水量中流失的水分计算起到重要作用;（5）实际抗旱需水量大于设定重量含水率所需的含水量,因为要考虑土壤蒸发、作物吸收、深层渗透、降水径流等流失的水分;（6）抗旱需水量评估方法对抗旱方面的政府决策气象服务起着重要作用。可用于自然降水对旱情缓解的分析、节水灌溉工程的精细化气象服务等。     

乌兰乌苏自动与人工土壤水分观测数据对比分析

本文采用了国家一级农业气象观测站乌兰乌苏站2012年的观测数据,运用对比差值和相关系数分析等方法对该站2012年3月28日至l1月8日期间的DZN2型自动土壤水分观测站与同地段人工观测土壤相对湿度资料进行了统计对比分析,结果表明:人工观测的数据反映的土壤水分变化波动较大,自动站观测的土壤水分相对平缓。在0～30 cm土层一致性表现好,40～100 cm土层表现较差。0～10 cm、10～20 cm、20～30 cm土层和30～40 cm、40～50 cm、50～60 cm土层自动观测值高于人工站观测值,70～80 cm、90～100 cm土层自动观测值大部分低于人工站观测值。分析结果为评估DZN2型自动土壤水分观测仪的监测提供客观依据。     

DZN1型自动站与人工测定土壤湿度对比分析

为了评价DZN1型土壤水分监测站的监测能力、服务效益和推广使用提供参考依据,对齐河县2011年2月28日—12月13日期间自动土壤水分观测站与人工平行对比观测的土壤相对湿度资料,进行差值对比和概率相关性分析。结果表明,人工观测的数据与自动站取得的数据随时间的变化趋势基本一致,10 cm和40 cm土层人工观测的数据接近于自动站数据,40 cm土层人工与自动观测土壤相对湿度的平均差值在8个层次中为最小,60 cm层次的平均差值为最大。人工与自动站观测数据的相关性在各层均表现显著,给出存在数据偏差的原因及以后仪器运行应注意的问题,认为DZN1型自动站观测的资料基本能代替人工观测的资料。     

土壤水分自动观测站资料评估方法

土壤湿度是控制陆地和大气间水分和能量交换过程的重要变量,而土壤水分自动观测站探测是获取土壤湿度的主要手段。自动观测站探测资料的准确性能够直接影响其应用效果,因此,开展土壤水分自动观测站探测资料评估具有重要意义。基于2015—2016年山东省129个自动观测站土壤湿度数据,采用降水下渗法、上下数据对比等方法,研制成山东省自动观测站资料评估方案,进行了质量评估,并提出整改措施。结果表明:山东省土壤水分自动观测站多数台站存在土壤水文物理特性测定值不准确,土壤水分传感器不稳定、出现故障,个别观测站采集器有问题。     

基于明水县的自动与人工土壤水分观测数据对比分析

为研究黑龙江省明水县自动站资料的适用性,比较了2013年2月28日—2014年11月8日期间明水自动站所测得的土壤水分与人工观测情况下的土壤水分含量,进而分析自动水分观测站与人工观测的土壤湿度之间的差值、差值概率以及不同方法观测所得数值的相关系数,并通过对比自动站与人工观测数据制作了订正方程以消除部分差异。结果表明,2013年2月28日—2014年11月8日期间,明水县人工与自动站观测数据的相关性在各层均表现为显著,自动站观测的土壤相对湿度值高于人工观测值,0~10 cm土壤浅层和30~40 cm深层的差值较小,20~30 cm和40~50 cm土壤层次差值较大,最后根据自动水分观测站与人工所测得的数据制作了订正方程,其可消除二者之间的部分差异。人工观测的数据与自动站取得的数据的变化趋势较为一致,自动水分观测站所测得的资料基本可以代替人工观测数值。     

草原露天矿区重构土壤典型物理性质与生物量的关系

以内蒙古锡林郭勒盟胜利矿区一号露天煤矿为例,将南、北排土场复垦地作为研究对象,以未损毁地作为对照,采用方差分析和Pearson相关性分析的方法,研究复垦地重构土壤典型物理性质（土壤容重、土壤含水率）与植被地上生物量的关系,以期为草原矿区土壤重构与植被重建提供实践支撑。结果表明：（1）复垦地土壤容重与含水率相关性强度略低于未损毁地,复垦时间越长重构土壤容重与含水率的负相关性越显著;（2）复垦地植被生物量的均值都高于未损毁地,复垦后的土壤环境因子促进了排土场生态系统的重建;（3）在0~10 cm土层,土壤容重与含水率呈负相关性,生物量与容重相关性极弱或无相关,但生物量与含水率呈强的显著正相关关系,说明表层土壤含水率是影响植被生物量的重要因子。     

Critical moisture content as an index of compactibility of agricultural soils in borno state of Nigeria

The critical moisture content for compaction of different soils in borno State was determined using the standard proctor compaction test.Our data indicated that for a given soil, the resultant bulk density is a function of the soil's moisture content and the compactive effort applied. This relationship between bulk density, compactive effort and moisture content was mathematically described. At a given compactive effort, the critical moisture content could be calculated from the derived equations.To define and calculate compactibility and critical indexes of the soils, the method of SOEHNE (1958) was used. The practical use of the indexes in agricultural practices was discussed.     

河西地区啤酒大麦需水规律及土壤水分变化特征研究

[目的]为合理安排啤酒大麦农田灌溉,优化水资源配置, [方法]采用联合国粮食及农业组织(FAO)推荐的彭曼—蒙蒂斯(Penman-Monteith)公式,利用位于河西地区东部永昌气象站2013～2017年的气温、日照、风速等气象观测资料,计算出啤酒大麦生育期内逐日需水量,分析其需水规律；同时利用自动土壤水分资料,研究土壤水分时空变化特征。[结果]结果表明：全生育期总需水量为608.0 mm,分蘖、孕穗、乳熟为啤酒大麦需水关键期,孕穗～乳熟期是需水旺盛期；土壤水分发育期变化大部分时期与作物需水趋势相反；土壤水分垂直变化总体趋势是土壤深度由浅到深土壤含水量逐渐增大。[结论] 研究结果对啤酒大麦合理灌溉提供了有益参考。     

新型自动土壤水分传感器与传统FDR法传感器性能对比分析

本文在传统FDR法自动土壤水分传感器基础上,通过重新设计测量电路,开发了一种新型自动土壤水分传感器,并在实验室内开展了新型传感器电气性能、测量性能、抗温度变化特性、抗盐碱性能等传感器特性与传统FDR法自动土壤水分传感器的对比分析或试验。通过对比分析或试验,结果表明：新型自动土壤水分传感器可以实现土壤水分的连续监测,满足传感器的测量性能需求;新型自动土壤水分传感器与传统FDR法自动土壤水分传感器相比,标定过程相对简单、测量精度及测量准确性更高、抗干扰性更强、稳定性更高。新型自动土壤水分传感器的研发设计,提高了土壤水分监测的准确性、稳定性,为自动土壤水分观测仪的升级换代提供了技术支撑。     

辽西雨养玉米农田土壤水分变化特征及其模拟

土壤含水量是作物生长发育的关键影响因子之一,确定土壤含水量变化及预测土壤含水量变化趋势,对于雨养农业更加有效地保墒、提高作物水分利用效率和增强抗旱防灾能力有着重要的现实意义。利用2008-2011年锦州玉米生长季逢三逢八土壤湿度观测数据,日气温降水数据和2008年玉米生长发育期数据资料,结合CERES-MAIZE土壤水分模块,分析了雨养玉米农田土壤水分时空变化特征和模拟了土壤水分时空变化特征。结果表明：生长季降水并不能反映土壤水分条件的好坏,生长季中雨以下的降水量和降水频次与土壤水分条件的好坏较好的一致性;土壤水分随土层深度而增加,0-40cm土壤含水量平均值和最低值分别是田间持水量的69%-82%和49%-64%;玉米根系生物量与生长时间呈二次曲线关系,所建根系生物量模型解释率达89.7%;耦合根系生物量模型和叶面积指数模型的CERES-MAIZE中的土壤水分模块能够较好的模拟雨养玉米生态系统土壤水分的时空变化特征。     

基于BP神经网络的土壤容重预测模型

土壤容重是农业生产和研究的重要参数,但因成本高、工作量大等原因,其获取仍是一个紧迫的问题。数学建模技术使得科研人员尝试使用土壤传递函数PTFs间接获取土壤容重值。本研究以复合圆锥指数仪为工具,探讨应用BP神经网络建立PTFs预测土壤容重。选取粘土和粉质壤土作为实验对象,在MATLAB2008a上建立、并评价预测土壤容重的BP神经网络,即PTFs模型。研究中以均方根误差RMSE和决定系数R²为性能指标来评价所建BP神经网络。结果表明,针对复合圆锥指数仪的测量结果,应用BP神经网络算法建立PTFs可以有效预测土壤容重。粘土容重预测的决定系数R²达到0.6973,粉质壤土容重预测的决定系数R²达到0.6868。实验结果还证实土壤容重预测与测量深度无关,但与土壤类型显著相关。