《Sustainability》:Effects of Agrivoltaic Cover on Soil Water Dynamics in a Wheat Crop: A Preliminary Case-Study Assessment Based on Field Measurements and Numerical Modelling
编辑推荐:
农光互补(AV)系统代表了一种在同一土地单元上整合可再生能源生产与农业活动的有前景策略,同时有助于在日益频繁的干旱条件下保护土壤水分。这项初步的单站点案例研究调查了水平双轴跟踪AV系统对波河平原(意大利曼图亚博尔戈维尔吉利奥)硬粒小麦田中土壤水分动态的影响,监
农光互补(AV)系统代表了一种在同一土地单元上整合可再生能源生产与农业活动的有前景策略,同时有助于在日益频繁的干旱条件下保护土壤水分。这项初步的单站点案例研究调查了水平双轴跟踪AV系统对波河平原(意大利曼图亚博尔戈维尔吉利奥)硬粒小麦田中土壤水分动态的影响,监测周期覆盖了作物生长末期和收获后的裸土阶段(2024年5月至12月)。研究人员在每种处理的一个代表性监测站,于四个深度(15、30、45和60 cm)进行了土壤温度、体积含水量(VWC)和土壤水势(SWP)的监测,对比了AV覆盖(AVC)和无遮阴条件(UC)下的土壤,两者相距10 m。利用配对的VWC和SWP测量值推导了场地特异性土壤水分特征曲线(SWCC),并校准了农业水文模型CRITERIA-1D,用于估计两种处理下前80 cm深度的可用水量(AW)。在整个5月至9月期间,AVC剖面在所有监测深度的实测VWC值均高于UC剖面,这一差异在10月至12月期间持续存在,但数值较低。在干季和湿季,AVC下的估计AW始终高于UC。尽管VWC较高,但夏季AVC剖面在所有深度均显示出更负的平均SWP值。这一模式与推导出的SWCC形状一致,可能表明两个剖面之间持水能力存在差异,这可能与AV系统运行13年所诱导的结构性改变有关。这些初步发现表明,AV系统可能改善雨养谷物作物根区的土壤水分可用性,并提出假设:长期AV覆盖可能成为土壤水力性质变化的驱动因素,对旱地农业系统的可持续性和气候韧性具有影响。然而,鉴于本案例研究的设计(每个处理仅有一个监测点),所观察到的差异反映了特定监测位置的情况,不能完全将AV处理效应与土壤属性的预先存在空间异质性区分开来。因此,本研究中获得的初步结果不应推广到本案例研究的具体条件之外,这里提出的解释应被视为未经证实的假设,而非确定的结论。需要具有空间重复和多年监测的进一步研究来确认这些模式。
**农光互补覆盖对小麦作物土壤水分动态的影响:基于现场测量和数值模拟的初步案例研究评估——论文解读**
**研究背景与问题**
在全球范围内,人口增长、土地利用竞争加剧以及气候变化加速,给能源和粮食系统带来了巨大压力。为应对粮食需求,自然栖息地被大量转化为农业用地;同时,向可再生能源转型导致农业用地被光伏设施占用,进一步加剧了土地竞争。在此背景下,农光互补(Agrivoltaic, AV)系统应运而生,它能将农业活动与光伏发电整合在同一土地单元上,是减少土地竞争的有效策略之一。目前,AV系统按跟踪方式可分为固定倾斜、单轴跟踪和双轴跟踪系统,其中动态跟踪系统能通过持续调整面板朝向实现遮阴的均匀分布,避免形成微气候梯度。在全球变暖导致降水减少、气温升高的背景下,AV系统通过部分遮阴减少到达地表的太阳辐射,从而降低直接蒸发和蒸散发需求,可能成为缓解气候变化对农业影响的有效手段。已有研究表明,AV系统可提高水分利用效率20–47%,降低土壤温度1–4 °C,并在水分稀缺条件下增强作物韧性。然而,当前研究仍存在若干知识空白:大多数研究聚焦于表层或近表层土壤水分,而对根区垂直分布特征关注不足;多数研究仅依赖体积含水量(Volumetric Water Content, VWC)作为土壤水分状态指标,未同步监测土壤水势(Soil Water Potential, SWP),而SWP通过土壤水分特征曲线(Soil Water Characteristic Curve, SWCC)控制实际植物可用水量;此外,AV覆盖对土壤水力性质(如孔隙度、饱和导水率k
sat)的长期影响尚缺乏充分表征。因此,本研究旨在通过联合实验与数值模拟方法,填补上述空白,初步评估AV系统对硬粒小麦根区土壤水分动态的影响。
**研究内容与结论**
研究人员在意大利波河平原博尔戈维尔吉利奥(Borgo Virgilio, Mantua)的一个水平双轴跟踪AV系统(地面覆盖率GCR=14%)上,于2024年5月至12月进行了为期7个月的监测。监测点设置于硬粒小麦田中,包括AV覆盖(AVC)和无遮阴对照(UC)两个处理,两监测点相距10 m。在15、30、45和60 cm四个深度,使用TerraSense传感器每日记录土壤温度和VWC,使用TEROS 21传感器每15分钟记录SWP。利用配对VWC和SWP数据推导了场地特异性SWCC,并基于此校准了农业水文模型CRITERIA-1D,用于估计0–80 cm深度内的可用水量(Available Water, AW)。研究得出以下主要结论:AVC处理下所有监测深度的VWC在5–9月期间持续高于UC,最大平均差异出现在15 cm(0.07 m
3 m
-3,+41%)和45 cm(0.09 m
3 m
-3,+26%);尽管VWC较高,但AVC剖面在夏季表现出更负的平均SWP值,尤其在15 cm和30 cm处(分别比UC高19%和50%),该现象与SWCC形状一致,表明AVC土壤可能具有更高的持水能力;CRITERIA-1D模型估计的AW在干季和湿季均表现为AVC高于UC(干季平均131 mm vs. 87 mm,湿季200 mm vs. 139 mm)。这些初步发现表明,AV系统可能改善雨养谷物根区的土壤水分可用性,并提出了长期AV覆盖可能诱导土壤水力性质变化的假设。然而,由于仅有一个监测点,这些结果不能推广至本案例之外,需进一步在空间重复和多年监测中验证。
**主要关键技术方法**
本研究采用的关键技术方法包括:(1)现场监测:使用TerraSense传感器(Netsens s.r.l.)测量土壤温度和VWC,使用TEROS 21传感器(METER Group)基于热耗散原理测量SWP,监测深度为15、30、45、60 cm,监测期为2024年5月23日至12月8日,监测点位于意大利波河平原博尔戈维尔吉利奥的AV系统内(11.42公顷,2150 kWp,768个双轴跟踪器)。(2)数值模型CRITERIA-1D(由ARPAE-SIMC开发):一维土壤-植物-大气系统水文模型,输入每日气温、降水、土壤物理水力参数及作物参数,输出VWC、SWP、叶面积指数(LAI)及前1 m土壤AW。模型采用Hargreaves–Samani公式估算潜在蒸散发,利用Van Genuchten方程拟合SWCC,并通过调整k
sat进行校准。(3)统计方法:采用Wilcoxon符号秩检验评估处理间差异显著性(p<0.001),使用决定系数R
2和均方根误差(RMSE)评价模型性能。
**研究结果**
**3.1 气象条件**
通过现场MeteoSense 4.0气象站与ERA5-Land 1991–2020年气候正常值对比,2024年7月和8月表现出热和水胁迫(平均气温分别偏高1.27 °C和1.42 °C,累积降水分别比正常值少58 mm和83 mm);10月出现极端降水(累积272.3 mm,比正常值多172 mm),11月则寒冷干燥。
**3.2 土壤温度动态**
AVC处理下所有深度土壤温度均低于UC,5–9月期间15 cm处平均降温1.0 °C,最大日差异达-4.7 °C(8月),降温效应随深度减弱(60 cm处平均降温0.6 °C)。10–12月期间,15、30、45 cm处温度差异消失,但60 cm处仍维持-0.8 °C差异,可能与深层土壤热惯性有关。
**3.3 土壤水分动态**
**3.3.1 体积含水量(VWC)**:VWC随深度增加,并在8月达到最低值。5–9月期间,AVC在所有深度VWC均高于UC,最大差异出现在15 cm(+41%)和45 cm(+26%)。10–12月期间差异仍存但缩小(+5%至+12%)。所有深度差异均具有统计学意义(Wilcoxon检验,p<0.001)。
**3.3.2 土壤水势(SWP)**:SWP在夏季下降,8月达到最低。5–9月期间,AVC在15 cm和30 cm处平均SWP显著更负(分别比UC高19%和50%),45 cm和60 cm差异较小。10–12月期间SWP接近0 kPa,仅在15、30、60 cm处差异显著,但多数日期差异为零。
**3.4 模型性能**
**3.4.1 土壤水分特征曲线(SWCC)**:通过Van Genuchten模型拟合,AVC在所有深度估计的饱和含水量θ
s均高于UC,除45 cm在约1000 kPa以下外,AVC的SWCC在相同SWP下对应更高VWC。AVC下各深度的有效含水量(AWC,即田间持水量与萎蔫点之差)均高于UC。
**3.4.2 饱和导水率校准**:校准后的k
sat在AVC下所有层次均高于UC,尤其1层和4层差异达两个数量级。
**3.4.3 模拟土壤水分动态**:模型能再现VWC和SWP的季节趋势(干燥、8月最低值、秋季降雨后恢复),但存在系统性偏差:UC下VWC在60 cm被低估(R
2=0.079),AVC下VWC在15 cm和45 cm被高估(R
2分别为0.326和0.501);SWP模拟中,15 cm处模型低估了干季最低值(模拟约-800 kPa,实测约-1600至-1800 kPa),但30 cm以下拟合较好(R
2≥0.85)。
**3.5 土壤水分可利用性动态**
CRITERIA-1D模拟的0–80 cm AW在干季(5–9月)平均为131 mm(AVC)vs. 87 mm(UC),湿季(10–12月)为200 mm vs. 139 mm。AVC下AW下降速率在干季初期更快,但最低值接近(56 mm vs. 42 mm);秋季降雨后,AVC下AW恢复更快且峰值更高(243 mm vs. 163 mm)。
**讨论与结论**
讨论部分指出,AVC下VWC更高、SWP更负的现象与推导的SWCC形状一致,表明AVC土壤可能具有更高的持水能力,这可能是由于13年AV系统运行导致的微气候改变,进而诱导了土壤结构变化(如孔隙度增加、根系活动增强)。然而,这些解释受限于单点监测设计、缺乏直接土壤物理测量以及模型未独立验证。模型校准的k
sat值在AVC下更高,但缺乏直接测量支撑,且存在等终性(不同参数组合可产生相似模拟结果)。此外,模型未区分AVC和UC的入射辐射,导致无法显式表征面板的蒸散发降低效应,增加了模拟不确定性。AW估计虽显示AVC更优,但需谨慎对待。
研究结论部分翻译如下:
本研究调查了具有水平双轴跟踪的AV系统(地面覆盖率14%)对硬粒小麦田中土壤水分动态的影响,研究周期覆盖一个生长季,气候为湿润亚热带。通过将现场测量与CRITERIA-1D数值模型相结合,本研究提供了初步证据,表明AVC可能改善土壤持水能力,尤其在5–9月监测期间。在此期间,AVC下所有深度的VWC值均倾向于高于UC测量值,最大平均差异出现在15 cm(0.07 m
3 m
-3,比UC高41%)和45 cm(0.09 m
3 m
-3,比UC高26%)。这一趋势在10–12月期间(早于7月初小麦收获后)也似乎持续存在,表明AV系统对土壤水分的遮阴效应可能延伸至作物生长季之外,尽管需要多年确认才能更可靠地建立这一结论。另一个观察涉及干季两种处理下的SWP行为。在此期间,尽管VWC值更高,AVC下的土壤显示比UC测量值更高的平均SWP绝对值,差异最显著在15 cm和30 cm(平均SWP分别比UC高19%和50%)。基于两种处理不同层次SWCC的一种可能解释是,与UC土壤相比,AVC下的土壤在所有研究深度可能具有更大的持水能力。这一模式可能假设性地与AV系统运行13年所诱导的结构性改变有关,如讨论部分所述。CRITERIA-1D模型在前80 cm土壤中估计的AW在考虑的两个时期均高于UC,这与从实测VWC数据推断的结果一致。CRITERIA-1D在再现两种处理的主要季节土壤干燥和补给动态方面显示出合理潜力,在校准数据集上表现令人满意。然而,模型性能在干季更为有限,两种处理在15 cm和30 cm处估计的SWP绝对值普遍低于现场测量值,这强调了在解释模拟结果时需要谨慎。总体而言,本研究结果提供了关于AVC在湿润亚热带环境中对AV系统设计和管理潜在影响的初步见解。在波河平原这样的背景下,未来气候情景指向干旱频率增加,AVC可能代表一种有助于保护地下水资源、可能延长植物根区水分可用性周期的策略。这一效应对于雨养农业系统尤其重要,因为这些系统的适应选择受限于缺乏补充灌溉。然而,鉴于本研究的局限性,这些发现应被视为指示性而非结论性。未来研究应结合空间重复、多年监测以及土壤水力性质的实验室表征,以区分AVC效应与预先存在的空间和年际变异性。最后,跨不同配置(GCR、作物类型)的AV系统以及扩展到更多站点和气候背景的比较研究,将有助于阐明本研究中观察到的机制在多大程度上可以推广到波河平原之外。