平均体积含水率对埋入点源湿润球扩张的影响研究——基于Philip模型的校准与验证

《Agricultural Water Management》：Exploring the impact of average water content on wetting bulb expansion from a buried point source

本文推荐：为解决地下滴灌(SDI)系统中湿润球形状和扩张预测不准确的问题，研究人员开展了关于平均体积含水率(θavg)对埋入点源湿润球扩张影响的研究。通过对西西里柑橘园六年的实验数据校准Philip模型，发现引入参数k来表征θavg可显著提高旅行时间(tt)预测精度，标准误差从4小时降至26分钟。该研究为优化SDI系统设计和灌溉管理提供了重要理论依据。

　　

在全球气候变化和水资源日益紧缺的背景下，灌溉农业的高效用水管理显得尤为重要。地下滴灌(SDI)作为一种节水灌溉技术，通过将滴头埋设于地下，能够有效减少地表蒸发和杂草生长，提高水分利用效率。然而，准确预测湿润球在土壤中的形状和扩张动态一直是SDI系统设计与管理的难点。这主要源于土壤水力特性与滴头特性之间复杂的相互作用，特别是平均体积含水率(θ_avg)这一关键参数的选择缺乏明确指导，导致现有模型预测存在较大不确定性。

为了深入探究θ_avg对湿润球扩张的影响，来自意大利巴勒莫大学农业、食品和森林科学系的Giorgio Baiamonte、Loris Franco和Girolamo Vaccaro等研究人员，在《Agricultural Water Management》上发表了他们的最新研究成果。该研究基于在西西里岛一个柑橘园连续六年(2018-2023年)的实地监测数据，通过对Philip(1984)提出的经典解析模型进行校准，系统分析了θ_avg在预测湿润球扩张中的关键作用。

研究人员开展这项研究主要采用了以下关键技术方法：首先通过Beerkan入渗实验结合BEST-steady算法确定了土壤饱和导水率(K_s)和Gardner参数(α)等关键土壤水力参数；其次利用Sentek Drill & Drop土壤水分探头连续监测不同深度(10-60 cm)的体积含水率(θ)变化，获取了832组旅行时间(t_t)和初始土壤含水率(θ₀)的实测数据；最后通过引入校准参数k来表征θ_avg的动态变化，建立了θ_avg与灌溉季节天数的幂律关系，并对Philip模型进行了验证。

土壤水力特性表征

研究人员通过15次Beerkan入渗实验确定了土壤饱和导水率(K_s)的分布特征，并计算出Gardner参数α的平均值为8.6 m^-1。土壤纹理分析表明，从埋设深度(-30 cm)到地表以下60 cm的范围内，土壤主要为砂质壤土到砂质粘壤土，质地相对均匀。饱和体积含水率(θ_s)通过土壤孔隙度计算确定为0.521 cm³ cm^-3，为后续模型应用提供了必要的土壤水力参数。

平均湿润含水率的简化假设评估

研究首先评估了将θ_avg简单取为θ₀和θ_s算术平均值(k=0.5)的假设效果。结果显示，这种简化处理会导致旅行时间(t_t)被显著高估，标准误差(SEE)达到4.17小时，远高于数据采集的时间分辨率(20分钟)，证实了θ_avg的准确表征对模型预测精度至关重要。

平均湿润含水率的深度变异性

对六年监测数据中校准得到的k值分析发现，k值随土壤深度(z_s)增加而呈现规律性变化，从10 cm深处的约0.34增加到60 cm深处的约0.47。这种趋势反映了湿润球在向下运动过程中水分富集的现象，即深层土壤的θ_avg更接近饱和状态。研究还发现，k值的变异系数(CV)随深度增加而减小，表明深层土壤受蒸发等环境因素的影响较小，水流累积效应更为明显。

平均湿润含水率的季节内变异性

通过分析不同灌溉季节k值随时间的变化，研究人员发现θ_avg表现出明显的季节内动态特征。k值随灌溉季节天数的增加而逐渐增大，这种趋势可以用幂律关系很好地描述(k = m·dⁿ)。这一现象揭示了土壤水分记忆效应，即前期灌溉事件保留的水分有助于形成逐渐变湿的湿润球。特别是在2021年灌溉季节，由于灌溉前期出现了 prolonged dry spell(长期干旱期)伴随温度峰值，导致10 cm深处的k值出现明显下降，进一步证实了环境因素对θ_avg动态的影响。

模型校准效果验证

通过采用考虑季节内动态变化的k值估计方法，Philip模型对t_t的预测精度显著提高，标准误差(SEE)从初始的4.17小时降至0.43小时(26分钟)。这一改进使预测值与实测值更加接近，证明了考虑θ_avg动态变化对提高模型实用性的重要性。

该研究的结论部分强调，平均体积含水率(θ_avg)是影响Philip模型预测埋入点源湿润球扩张准确性的关键参数。传统的θ_avg = 0.5(θ_s + θ₀)假设在实际田间条件下很少成立，仅在最深层土壤(z_s = 60 cm)且灌溉季节后期才可能接近实际情况。通过引入参数k来表征θ_avg的动态变化，并建立其与灌溉季节天数的幂律关系，可以显著提高模型预测精度。

讨论部分指出，θ_avg的动态行为受到土壤水分记忆效应的强烈影响，前期灌溉保留的水分会导致湿润球逐渐富集水分。参数m(季节初期k值)与初始土壤含水率(θ₀|_d=0)密切相关，而参数n(变化速率)则随θ₀|_d=0增加而减小，表明在高初始含水率条件下，θ_avg的时间变异性较低。

这项研究的重要意义在于为SDI系统的优化设计和灌溉管理提供了更为可靠的理论依据。通过准确预测湿润球的扩张动态，可以合理确定滴头间距、埋设深度和灌溉时间，从而实现精准灌溉，提高水分利用效率。研究所提出的θ_avg动态校准方法，为在复杂田间条件下应用简化解析模型提供了新思路，对促进农业水资源可持续利用具有重要实践价值。