<strong>南方丘陵区油茶蒸散量</strong>SIMdualKc<strong>模型估算</strong>

马彬; 曹桓荣; 夏雄; 熊娅; 杨小霈; 吴友杰; MA Bin; CAO Huan-rong; XIA Xiong; XIONG Ya; YANG Xiao-pei; WU You-jie

doi:10.12396/jsgg.2023474

节水灌溉 ›› 2024 ›› (6) : 69-76. DOI: 10.12396/jsgg.2023474

农业水土保持

南方丘陵区油茶蒸散量SIMdualKc模型估算

作者信息 +

Estimation of Evapotranspiration for Camellia Oleifera in Southern Hilly Regions Using the SIMdualKc Mode

Author information +

稿件信息 +

摘要

为探究SIMdualKc模型在南方丘陵区油茶林地的适用性，利用2 a油茶的野外实测生长季数据，率定和验证了双作物系数SIMdualKc模型在南方丘陵区油茶林地的各参数。率定后作物系数K _cbini=0.9，K _cbmid=0.92，K _cbend=0.77，土壤含水率验证结果R ²为0.918~0.979，MAE为0.019~0.021，RMSE为0.021~0.026，EF为0.876~0.957。通过叶面积指数数据输入方式的模拟效果比较，得出日变化叶面积指数模拟效果稍好，确定了Logistic生长函数计算得到叶面积指数的可靠性与适用性，并校准了油茶在水分胁迫条件下土壤含水率的模拟值。油茶夏梢期末以及秋梢期容易产生水分胁迫影响，2021年水分胁迫系数K的范围为[0.478,1]，2022年为[0.182,1]。将水量平衡法计算得到的蒸散量作为实测值与模拟值进行比较，两者具有良好的一致性，R ²为0.52~0.61。研究结果可为南方丘陵地区油茶林地针对夏秋季节易发生高温干旱的自然灾害制定高效节水的灌溉制度提供理论依据。

Abstract

To investigate the applicability of the SIMdualKc model in Camellia oleifera forests located in hilly regions of south China, this study utilized two years of field-measured experimental data during the growth season of Camellia oleifera plantation to determine and validate parameters for the two-crop coefficient SIMdualKc model. The crop coefficients were determined as follows: initial crop coefficient (K _cbini) = 0.9, mid-season crop coefficient (K _cbmid) = 0.92, end-season crop coefficient (K _cbend) = 0.77. Verification results for soil moisture content showed a strong correlation (R ²: 0.918~0.979), low mean absolute error (MAE: 0.019~0.021), low root mean square error (RMSE: 0.021~0.026), and high efficiency factor (EF: 0.876~0.957). By comparing different methods of inputting leaf area index data, it was concluded that daily variation of leaf area index yielded slightly better simulation results. The reliability and applicability of leaf area index calculated using the Logistic growth function were confirmed, and simulated values of soil water content under water stress conditions for Camellia oleifolia were calibrated. At the end of summer shoot and autumn shoot stages, Camellia oleifera exhibited higher susceptibility to water stress, with water stress coefficients (K_s ) ranging between [0.478,1] in 2021 and [0.182,1] in 2022.Comparison between evapotranspiration calculated using the water balance method and simulated values showed good agreement with an R ² value ranging from (0.52~0.61). These research findings provide a theoretical basis for developing efficient water-saving irrigation systems to mitigate natural disasters such as high temperatures and drought during summer and autumn seasons in southern hilly areas.

关键词

油茶 / SIMdualKc模型 / 作物系数 / 水分胁迫 / 蒸散量

Key words

Camellia oleifera / SIMdualKc model / crop coefficients / moisture stress / evapotranspiration

基金

湖南省水利厅科研项目(XSKJ2022068-33)

湖南省水利厅科研项目(XSKJ2022068-34)

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用

马彬 , 曹桓荣 , 夏雄 , 熊娅 , 杨小霈 , 吴友杰. 南方丘陵区油茶蒸散量SIMdualKc模型估算[J].节水灌溉, 2024(6): 69-76 https://doi.org/10.12396/jsgg.2023474

MA Bin , CAO Huan-rong , XIA Xiong , XIONG Ya , YANG Xiao-pei , WU You-jie. Estimation of Evapotranspiration for Camellia Oleifera in Southern Hilly Regions Using the SIMdualKc Mode[J].Water Saving Irrigation, 2024(6): 69-76 https://doi.org/10.12396/jsgg.2023474

0 引言

油茶是一种较耐旱的木本食用油料树种^[1]。茶油的不饱和脂肪酸含量高达90%左右，享有“东方橄榄油”之称^[2]。油茶主产区分布在南方，年降雨量1 400 mm左右，降雨集中在3-6月，7-10月降雨量偏少^[3]，易发生季节性干旱现象。有研究表明^[4]，油茶果实成熟和油量快速增加阶段在夏秋两季，此时需要大量的水分来满足油茶植株及果实的生长，并需进行合理的林地水分管理来改善油茶果实品质。准确了解油茶各时期土壤水分情况并量化植株蒸散量，对油茶林地节约水资源并提高水分利用效率以及缓解南方丘陵区季节性干旱问题具有重要意义。

蒸散量包括植株蒸腾和土壤蒸发，估算作物腾发量方法较多，双作物系数法在估算腾发量的同时也能分别估算植株蒸腾与棵间蒸发量，更好地描述作物的腾发过程^[5]，即双作物系数法被广泛得到应用。SIMdualKc模型是Rosa等^[6]在FAO-56双作物系数法的基础上开发的，它依据水量平衡原理计算作物腾发量，并可将植株蒸腾和棵间蒸发量化分解。Patil等人^[7]利用SIMDualKc模型在地下滴灌条件下研究黄秋葵营养生长过程中蒸腾蒸发量，结合地上干生物量和黄秋葵产量，进一步评估和预测水分亏缺对植物发育和产量影响。邱让健等人^[8]采用SIMDualKc模型模拟日光温室条件下番茄各生育期蒸发蒸腾量，得到番茄蒸腾量占耗水量的主要部分，模型估算的中期的基础作物系数小于推荐值，验证了模型在西北室温条件下的适用性。学者们在不同地区、作物种类及灌溉形式等条件下，利用SIMdualKc模型对作物各生育阶段基础作物系数、植株蒸腾及棵间蒸发规律、作物耗水规律等进行了模拟和验证。但针对于南方丘陵区近年来出现的一些气候变化条件下利用该模型对作物蒸发蒸腾量的估算研究仍然有限，油茶在多变的气候条件下耗水情况有待进一步研究。

本文主要对南方丘陵区2021、2022年油茶林野外实测的生长季数据对SIMDualKc模型进行参数校核与验证，并用水量平衡法验证双作物系数法估算油茶耗水量的适用性，为南方丘陵区油茶林地实施精确的灌溉管理提供理论依据。

1 材料和方法

1.1 研究区概况

试验地位于湖南省长沙市国家油茶工程技术研究中心（N28°12′、E113°06′，海拔90 m），该地区属亚热带季风性湿润气候，多年平均降水量为1 361.6 mm，整体降水丰沛，但降水时间分布不均，雨季发生在3-6月，占全年总降水量的60%~70%。年平均气温在17 ℃左右，年平均日照时数1 500 h左右。试验区地形为丘陵地带，耕作土壤主要以红壤为主，1 m土层平均田间持水量为42%（体积含水率），平均凋萎系数13%，平均土壤干容重为1.45 g/cm³。该地区植被覆盖主要以油茶为主。

1.2 数据采集

供试材料为3~9 a的油茶树长林“朝霞”品种，随机选择3棵长势良好的油茶树划定为3个实验小区。为了探究SIMdualKc模型在丘陵区油茶林计算蒸散发的适用性，分别于2021年和2022年的3-10月（即春梢期3.15-5.15，夏梢期5.16-7.25，秋梢期7.26-9.30）对林地的气象数据、土壤数据、作物数据进行采集。

（1）气象数据：试验区装有微型自动气象观测站，距离试验地面高度为2 m，气象站每隔15 min进行一次数据记录，能同步记录降雨量P(mm）、风速（m/s）、相对湿度RH(%)和大气温度Ta（℃）等。

（2）土壤数据：有研究表明^[4]，油茶(3~5 a“朝霞”品种)生长水分来源于0~100 cm土层，即本试验利用土壤水分检测系统ECH₂O（5TE，Decagon Devices Inc.，Pullman，USA）对深度为5、10、30、60、100 cm土层土壤含水量进行连续监测，系统每隔10 min记录一次，并采用取土烘干法进行校正。土壤蒸发量用自制微型蒸渗仪测定^[9]，蒸渗仪由内筒和外筒组成，内外筒由高均为200 mm，直径分别为90、110 mm的PVC管制作，选择连续晴天的早上8︰00用精度为0.01 g的电子秤测量蒸渗仪的质量，单株设有5个蒸渗仪（位于植株冠层底部的东南西北以及中间5个部位），测量结果取平均值。

（3）作物数据：株高用精度为1 mm的卷尺从地表面到冠层最高处进行测量，每隔10 d进行一次测量。叶面积指数本研究有两种不同的输入方式，分别为阶段变化和连续日变化叶面积指数，采用植物冠层数字图像分析仪（digital Plant Canopy Imager，CI-110/120、USA）通过鱼眼镜头获取植物冠层图像并通过自带软件分析得到叶面积指数，实验日测得的叶面积指数取平均值得到阶段变化叶面积指数（快速生长期、生长中期和生长期结束分别对应油茶的春梢期、夏梢期和秋梢期末）。连续日变化的叶面积指数用Logistic生长函数对实测值进行拟合得到^[10]，公式（1）为2021年拟合结果，公式（2）为2022年拟合结果。拟合公式如下：

L A I = \frac{3.15}{1 + E X P [- 0.04 \times (D - 114.22)]} (R^{2} = 0.91)

(1)

L A I = \frac{3.797}{1 + E X P [- 0.049 \times (D - 111.852)]} (R^{2} = 0.90)

(2)

式中：LAI为叶面积指数；D为日序数。

1.3 模型介绍

1.3.1 水量平衡法

水量平衡方法能计算作物一段时间或整个生育期内的蒸发蒸腾量。计算公式如下：

E T = P + K + M + W_{0} - W_{t} - D - R

(3)

式中：ET为蒸发蒸腾量，mm；P为降雨量，mm；K为时段内地下水补给量，mm；M为时段内灌水量，mm；W ₀为初期1 m内的土壤储水量，mm；W_t 为末期1 m内的土壤储水量，mm；D为深层渗漏量，mm；R为地表径流量，mm。

试验区地下水埋深较深，K可忽略；红壤蓄持水能力较强，D可忽略；试验期内无灌水即M为0；上述公示可简化为：

E T = P + W_{0} - W_{t} - R

(4)

地表径流量R根据SCS-CN经验模型^[11]计算：

R = \frac{{(P - 0.2 S)}^{2}}{P + 0.8 S}, P \geq 0.2 S

(5)

R = 0, P < 0.2 S

(6)

R = \frac{25 400}{C N} - 254

(7)

式中：S为土壤最大储水量，mm；CN为径流曲线，与土地利用方式、土壤类型及土壤前期湿润程度有关。

1.3.2 SIMDualKc模型

SIMDualKc模型采用双作物系数法计算作物的蒸散量：

E T_{c} = (K_{s} K_{c b} + K_{e}) E T_{0}

(8)

式中：ET_c 为作物蒸散量，mm/d；K_s 为水分胁迫系数；反映的是水分胁迫对作物蒸腾的影响，K_s 取值为0<K_s ≤1，K_s =1时不存在水分胁迫作用，K_s 趋于0表明水分胁迫作用越大；K_cb 为基本作物系数；K_e 为土壤蒸发系数；ET ₀为参考作物蒸发蒸腾量，mm/d。

该模型采用FAO-PM方程计算ET ₀：

E T_{0} = \frac{0.408 Δ (R_{n} - G) + γ \frac{900 u_{2}}{T + 273} (e_{s} - e_{a})}{Δ + γ (1 + 0.34 u_{2})}

(9)

式中：ET ₀为参考作物蒸发蒸腾量，mm/d；R_n 为净辐射，MJ/(m²•d)；G为土壤热通量，MJ/(m²•d)；γ为干湿表常数，kPa/℃；u₂ 为2 m高处的风速；T为2m高处平均气温，℃；e_s 为饱和水气压，kPa；e_a 为实际水气压，kPa；Δ为温度随饱和水汽压变化的斜率，kPa/℃。

基本作物系数K_cb 表示为土壤表层干燥但根系层的土壤含水量能维持作物正常蒸腾作用的ET_c 与ET ₀的比值。在半湿润气候以及风速适中的地区提供了K_cb 的推荐值^[12]，当风速不是2 m/s或RH _min不是45%时，需根据气候条件用下式计算^[13]：

K_{c b} = K_{c b (推荐)} + [0.04 (u_{2} - 2) - 0.004 (R H_{m i n} - 45)] {(\frac{h}{3})}^{0.3}

(10)

式中：u ₂为2 m高处的风速，m/s，1 m/s≤u ₂≤6 m/s；RH _min为最小相对湿度，%；20%≤RH _min≤80%；h为作物生长中期或末期的平均株高，m。

土壤蒸发系数K_e 与表层土壤的湿润程度有关，表层土壤越湿润时，K_e 值越大，表层土壤干燥时，K_e 值越小甚至为0。K_e 的计算公式如下：

K_{e} = K_{r} (K_{c m a x} - K_{c b}) \leq f_{e w} K_{c m a x}

(11)

式中：K_r 取决于表层土壤蒸发累积深度的蒸发减小系数，无量纲；K_c _max是降雨或灌溉后K_c 的最大值；f_ew 是最大的土壤蒸发表面所占的百分比。

土壤蒸发减少系数K_r 产生在2个阶段：第1个阶段为能量限制阶段，第2个阶段为水分限制阶段。关于K_r 的2个阶段计算公式如下：

K_{r} = 1 (D_{e, i - 1} \leq R E W)

(12)

K_{r} = \frac{T E W - D_{e, i - 1}}{T E W - R E W} (R E W < D_{e, i - 1})

(13)

式中：TEW是当土壤完全湿润时表层最大累积蒸发深度，mm；D_e _, _i-1 为第i-1天结束时土壤蒸发层蒸发累积深度，mm；REW为第一阶段累积蒸发深度，mm。

水分胁迫系数K_s 反映的是水分胁迫对作物蒸腾的影响，K_s 取值为0<K_s ≤1，K_s =1时不存在水分胁迫作用，K_s 趋于0表明水分胁迫作用越大。K_s 计算公式如下^[14]：

K_{s} = \frac{T A W - D_{r, i}}{T A W - R A W}

(14)

式中：TAW和RAW分别指根系层的总有效水量和根系层易被吸收的有效水量，mm；D_r _, _i 为第i天根系层的消耗水量，mm。

总有效水量TAW取决于土壤性质和根系层的深度，根系层易被吸收的有效水量是在水分胁迫前作物吸收的TAW的一部分，计算公式如下：

T A W = 1 000 (θ_{f c} - θ_{w p}) Z_{r}

(15)

R A W = p T A W

(16)

式中：θ_fc 为土壤田间持水量，m³/m³；θ_wp 为土壤凋萎系数，m³/m³；Z_r 为根系层深度，m；p为易耗水分比率。

1.4 模型评价

为了评估模型模拟的准确性，本文采用决定系数R ²、标准误差RMSE、平均绝对误差MAE、模型效率系数EF评价模型的精度^[15]：

R^{2} = \frac{{[\sum_{i = 1}^{n} (Q_{i} - \bar{Q}) (P_{i} - \bar{P})]}^{2}}{\sum_{i = 1}^{n} (Q_{i} {- \bar{Q})}^{2} \sum_{i = 1}^{n} {(P_{i} - \bar{P})}^{2}}

(17)

R M S E = {[\sum_{i = 1}^{n} {(Q_{i} - P_{i})}^{2} / n]}^{\frac{1}{2}}

(18)

M A E = \sum_{i = 1}^{n} |Q_{i} - P_{i}| / n

(19)

E F = 1 - \frac{\sum_{i = 1}^{n} {(Q_{i} - P_{i})}^{2}}{\sum_{i = 1}^{n} {(Q_{i} - \bar{Q})}^{2}}

(20)

式中：Q_i 为土壤含水量第i日的实测值，P_i 为第i日的土壤含水量的模型模拟值，

\bar{Q}

与

\bar{P}

分别为Q_i 和P_i 的平均值。RMSE和MAE的评价结果越趋于0，R ²和EF评价结果越接近1，则表明模型模拟的结果越好。

2 结果与分析

2.1 油茶生育期气象变化

2021、2022年油茶春梢期、夏梢期、秋梢期日最高温度T _max、最低温度T _min、最小相对湿度RH _min、降雨量P、风速U变化如图1所示。

图1 气象因子逐日变化

Fig.1 Daily variation of meteorological factors

Full size|PPT slide

图1表明，油茶试验期内2021年降水量959 mm，2022年降水量933.6 mm，2021年夏秋季降雨量明显减少，2022年秋季则出现一段时间无降水现象（即极端气候）；平均气温分别为24.6和25.6 ℃，2022年T _max>38 ℃的天数较2021年多19 d；U变化范围分别为0.01~4.82 m/s和0.03~4.89 m/s；2021较往年夏秋季同样出现小的干旱现象，属正常年份；2022年较往年夏秋季则出现明显的特大干旱现象，属特殊年份。

2.2 SIMDualKc模型参数率定与验证

SIMDualKc模型参数校准程序包括调整基础作物参数（K _cbini、K _cbmid、K _cbend、ρ）和土壤系数（TEW、REW、Z_e ）。采用2021年试验数据进行模型适用性验证，通过100 cm内5个不同深度土层的平均土壤含水率实测值来率定和验证模型参数。各参数初始值的设定采用FAO-56的推荐值，模型根据输入的气象日变化数据和油茶生长数据来修正初始值，模型参数的初始值和率定值如表1所示。率定后的作物系数，K _cbini=0.9，K _cbmid=0.92，K _cbend=0.77。图2为率定模型参数后土壤含水率实测值与模拟值的比较，比较结果显示，在油茶生长的春梢期和夏梢期的实测值与模拟值有较好的一致性，进入秋梢期不久后的一段时间模型模拟效果产生一定的偏差。结合这一时间段的气象状况显示，在8月22日以后当地的降雨量出现明显的减少，体现我国南方丘陵区在夏秋季节会出现季节性的缺水现象。说明在干旱气象条件下SIMDualKc模型对南方丘陵区油茶林地土壤含水率模拟精度较差，但趋势的反映模拟良好。

表1 SIMDualKc模型主要参数的初始值与率定值

Tab.1 Initial and calibrated values of main parameters of SIMDualKc model

类型	参数	初始值	率定值
土壤系数	Z_e /m	0.1	0.1
	REW/mm	10.5	8.2
	TEW/mm	24.5	24.5
作物参数	K _cbini	0.9	0.9
	K _cbmid	0.95	0.92
	K _cbend	0.90	0.77
	ρ	0.30	0.45

图2 土壤含水率模拟值与实测值对比

Fig.2 Comparison of simulated and measured soil moisture content for leaf area types

Full size|PPT slide

为了检验模型率定后参数的适用性，用2022年的试验数据来验证，图3为率定参数后模型模拟的土壤含水率的值与100 cm内土层土壤含水率实测值之间的比较，同样两者间具有良好的一致性。通过叶面积指数输入方式的不同比较，模型评价计算结果如表2所示，2021、2022年用阶段变化和日变化的叶面积指数计算得到的模型评价结果相近，日变化叶面积指数的评价结果相对较好，上述率定和验证结果均采用效果更好的日变化叶面积指数输入方式所得。决定系数R ²值较高（0.918～0.979），表明该模型能够解释观察到的数据的变异性，平均绝对误差MAE为0.019～0.021 mm/d，均方根误差RMSE在0.021～0.026 mm/d之间，模型效率系数EF也非常高，均大于0.85，从而表明均方误差远小于测量数据方差。以上统计参数表明SIMDualKc在模拟南方丘陵区油茶生长3个时期的土壤含水量的变化有很好的效果，在夏秋干旱季节对土壤含水率的模拟精度有待进一步确认和分析。

图3 土壤含水率模拟值与实测值对比

注：

θ_FC 和θ_WP 分别表示田间持水量和凋萎系数。

Fig.3 Comparison of simulated and measured soil moisture content for leaf area types

Full size|PPT slide

表2 土壤含水率实测值与模拟值的误差统计量

Tab.2 Error statistics between measured and simulated values of soil moisture content

年份	叶面积类型	R ²	MAE	RMSE	EF
2021	日变化	0.918	0.019	0.025	0.887
2021	阶段变化	0.922	0.021	0.026	0.876
2022	日变化	0.979	0.019	0.021	0.957
2022	阶段变化	0.978	0.020	0.023	0.951

注：

R ²、MAE、RMSE和EF分别为决定系数、平均绝对误差、均方根误差和模型效率系数。

2.3 水分胁迫系数及模拟结果校正

通过SIMDualKc模型计算得到油茶林地2021、2022年土壤水分胁迫系数如图4所示。2 a春梢期和夏梢期

K_{s}

均为1，都未出现水分胁迫。油茶生长相继在7月的中下旬（即进入秋梢期）受到水分胁迫，2021、2022年出现水分胁迫时实测的土壤体积含水率分别为0.325和0.351 cm³/cm³，结合公式（15）、（16）得该时期土壤根系层易被吸收的有效水量已消耗殆尽，油茶处于水分胁迫状况下。2021年秋梢期受到短暂的水分胁迫后有所缓解，后连续产生水分胁迫，且胁迫程度越来越大，2022年进入秋梢期产生水分胁迫后，没有得到缓解，胁迫程度相较于2021年同一时期更大。造成上述原因是2021年入秋梢期后有一次强降雨现象，2022年则没有明显的降雨且持续高温造成极端的干旱情况。

图4 土壤水分胁迫系数

Fig.4 Soil water stress coefficient

Full size|PPT slide

2 a产生水分胁迫阶段造成模型对土壤水分模拟有一定的误差。误差原因可能是：①连续高温导致表层土壤水分含量降低，可用于蒸发的土壤水分减少且不易蒸发^[16]，模型高估了土壤的蒸发力度。②午间太阳辐射强且高温，叶片气孔关闭，油茶处于自我保护状态^[17]，油茶叶片蒸腾速率急剧下降，水分消耗减少，同样模型高估了叶片的蒸腾力度。2021年模拟结果进行校正如图5所示，校正函数a为0.985 3，b为0.032 6。水分胁迫条件下校正后土壤含水率实测值和模拟值之间趋势有良好的一致性，拟合较好，决定系数R ²为0.9836，平均绝对误差MAE为0.002 5 mm/d，均方根误差RMSE在0.004 6 mm/d，模型效率系数EF为0.98。

图5 年土壤含水率误差校正

Fig.5 Soil moisture content error correction

Full size|PPT slide

2.4 蒸发蒸腾量模拟

2021、2022年油茶土壤蒸发量模拟值与实测值对比如图6所示，拟合结果较差，R ²为0.39，受图中最左端出现的几组较大偏差数据的影响，这些数据来源于油茶在水分胁迫状态下，受水分胁迫影响，模拟值随水分胁迫程度加重而趋于0，这是因为持续干旱导致表层土壤易于蒸发的水分越来越少，土壤表层水分匮乏导致干裂现象，水分蒸发难度加大。实测值明显偏离模拟值，可能是蒸渗桶人为测定时造成一定的误差，另一方面可能因为蒸渗桶受早晨露水的影响导致实测值偏大。与杨林林等^[18]研究结果相似。油茶耗水量模拟值与水量平衡法计算结果如表3所示，油茶耗水模拟值与测定值均表现为夏梢期＞秋梢期＞春梢期，说明SIMDualKc能较好地反映油茶耗水的趋势变化。春梢期模拟值与测定值偏差较大，可能是由于林地地形复杂，降雨多，模拟结果受地表径流影响较大。秋梢期（即油茶果实生长高峰期）受到水分胁迫的影响耗水量仅次于夏梢期达到270.6 mm，说明春梢期充足的土壤水分条件是油茶正常生理生长的必要条件。南方夏秋季易产生高温干旱的自然灾害，为确保油茶高产稳产，在此时期为油茶林地实施精确的灌溉管理制度尤为重要。

图6 土壤蒸发模拟

Fig.6 Soil evaporation simulation

Full size|PPT slide

表3 油茶耗水量模拟值与水量平衡法计算结果 (mm)

Tab.3 Simulation value of water consumption of camellia oleifera and calculation result of water balance method

年份	类型	春梢期	夏梢期	秋梢期	R ²
2021	实测值	264.2	329.1	250.5	0.52
2021	模拟值	206.7	318.9	270.6	0.52
2022	实测值	271.7	365.2	210.3	0.61
2022	模拟值	226.4	354.4	261.2	0.61

3 讨论

通过上述研究获得油茶春梢期、夏梢期、秋梢期的作物系数分别为K _cbini=0.9，K _cbmid=0.92，K _cbend=0.77较FAO-56推荐值K _cbini=0.9，K _cbmid=0.95，K _cbend=0.90，春梢期和夏梢期差异不明显，秋梢期偏小，究其原因可能是当地油茶秋梢期降雨量明显缩减，在无灌溉水补充且持续高温的气候条件下自然生长的油茶土壤水分处于极度匮乏的状态，造成油茶生理生长产生紊乱现象，与张强等人^[19]研究所得结论相符：土壤含水率降低会导致较低的作物系数值。在作物生长发育过程中，作物系数值会受到气象条件、土壤环境和作物本身生长状况等因素的影响，作物腾发过程实际是一个动态过程。作物生长伴随叶面积的发育和扩大，随着植物叶片数量和大小的增加，气孔数量也增加，而蒸腾速率也会随之发生改变。本文针对叶面积这一影响因素，进行了两种不同叶面积指数输入方式模拟效果比较，结果表明通过Logistic生长函数得到的日变化叶面积指数的模拟精度有所提高。

水分胁迫系数K_s 反映水分胁迫对作物蒸腾的影响，它的取值范围0≤K_s ≤1，当K_s ＝1时表明作物生长不受水分胁迫的影响，此时作物根系从土壤中吸收的水分小于土壤易被吸收的有效水分（RAW）,随作物腾发进行，消耗水量随之增加，当消耗水量超过RAW时，根系吸水受阻导致作物腾发低于它的潜在值进行。本研究在自然条件无灌水处理下进行，油茶春梢期，降雨充足温度偏低且冠层覆盖度较低，水分消耗主要来自土壤蒸发，蒸腾耗水低且能得到满足，此时期油茶不会产生水分胁迫，胁迫系数为1。进入夏梢期后，气温提升降雨充沛，蒸发蒸腾耗水增加，土壤储存水量和降雨量为油茶正常生长供水。在夏梢期末以及秋梢期，降雨匮乏以及持续高温，油茶正常腾发所需的潜在值得不到满足，受到水分胁迫影响且愈加严重，水分胁迫系数趋于0。故有必要在油茶秋梢期连续高温干旱时期为其适当灌溉。

邱让健等^[20]利用SIMDualKc模型估算西北地区日光温室辣椒蒸散估算，模型评价结果R ²(0.51~0.73)。赵娜娜等^[21]通过SIMDualKc模型模拟华北地区冬小麦整个生育期的蒸发蒸腾量，得到R ²为0.85，石小虎等^[22]利用SIMDualKc模型探讨并估算了番茄在西北温室条件下不同水分处理的腾发量，R ²（0.51~0.72）。本研究在自然条件下利用SIMDualKc模型模拟南方丘陵区油茶3个生长时期的蒸散量得出R ²（0.52~0.61）。与前人通过SIMDualKc模型研究不同地区不同作物所得结果差异不大，即该模型适用于南方丘陵区油茶林地水分的模拟。但由于缺乏能准确测定蒸发蒸腾量的称重式蒸渗仪，该地区自然条件下蒸发蒸腾量方程尚未建立，另外本研究样本数量较少，有待进一步研究。

4 结论

利用2021、2022年油茶生长季的实测数据，对SIMDualKc双作物系数模型用于南方丘陵区油茶林地的相关参数进行率定，并对模型的应用效果进行了验证与评价，得出结论为：

（1）本试验区利用SIMDualKc模型率定后的土壤参数分别为Z_e ＝0.1m，TEW＝24.5 mm，REW＝8.2 mm，REW值略低于Allen等的推荐值。率定后的作物系数，K _cbini=0.9，K _cbmid=0.92，K _cbend=0.77，较FAO-56中推荐的值偏小。

（2）对于SIMDualKc模型模拟的有关叶面积指数数据的输入方式，本文采用的是阶段变化和日变化两种叶面积指数。通过模型模拟结果的统计参数表明，两种输入方式的模型评价差异不大，但日变化较阶段变化叶面积指数模拟效果要稍好，同样说明Logistic生长函数能较好反映油茶叶面积指数变化。使用输入日变化叶面积指数的方式方便、省时省力、更有效。

（3）SIMDualKc双作物系数模型可以比较准确地模拟我国南方丘陵区油茶期内有效根层土壤含水率的变化过程。对土壤含水率的模拟，在春梢期和夏梢期精度较高；在果实生长，土壤湿润情况下的模拟精度要高于土壤干旱的情况；在秋梢期对土壤含水率的模拟精度有所降低，模拟值较实测值普遍偏小。对误差的数据校正后，能更好的模拟油茶在水分胁迫条件下土壤水分变化。

（4）通过SIMDualKc模型可以良好的估算油茶生长各时期的耗水量趋势，呈现夏梢期＞秋梢期＞春梢期。上述研究是在油茶自然生长条件下进行的，对于充分和非充分供水条件下该模型的适用性还有待进一步研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	陈永忠，罗健，陈隆升，等. 湖南省油茶旱害及防治对策[J]. 经济林研究，2014，32(3):22-29, 53. CHEN Y Z, LUO J, CHEN L S, et al. Drought damage and control measures of camellia oleifera in Hunan Province[J]. Economic forest researches,2014 32(3): 22-29, 53. 本文引用 [1]

2	丁少净，钟秋平，袁婷婷，等. 不同土壤水分管理措施对油茶生长的影响[J]. 经济林研究，2017，35(2): 24-31. DING S J, ZHONG Q P, YUAN T T, et al. Effects of different soil moisture management measures on the growth of camellia oleifera[J]. Economic forest researches,2017,35(2): 24-31. 本文引用 [1]

3	张岁梦，叶丽敏，周肄智，等. 南方丘陵区马尾松-麻栎群落水分利用来源及其影响因素[J]. 应用生态学报，2023，34(7): 1 729-1 736. ZHANG S M, YE L M, ZHOU Y Z, et al. Water use sources and influencing factors of masson pine quercus acutissima community in Southern Hilly Areas[J]. Journal of Applied Ecology, 2023, 34(7): 1 729-1 736. 本文引用 [1]

岳伶俐，夏雄，胡德勇，等. 基于氢氧同位素的油茶果实生长高峰期水分来源量化[J]. 农业工程学报，2021，37(20): 154-161.

YUE

L L

, XIA

, HU

D Y

, et al. Quantification of water sources during the peak growth period of camellia oleifera fruit based on hydrogen and oxygen isotopes[J]. Journal of Agricultural Engineering,2021 37(20): 154-161.

本文引用 [2]

5	赵明雨，姚名泽，李波，等. 日光温室作物腾发量估算模型的研究综述[J]. 节水灌溉，2023(4): 73-81. ZHAO M Y, YAO M Z, LI B, et al. A review on the estimation model of crop evapotranspiration in solar greenhouses[J]. Water Saving Irrigation, 2023(4): 73-81. 本文引用 [1]

6	ROSA R D， PAREDES P， RODRIGUES G C，et al. Implementing the dual crop coefficient approach in interactive software. 1. Background and computational strategy[J]. Agricultural Water Management, 2012, 103: 8-24. 本文引用 [1]

7	PATIL A, TIWARI K N. Quantification of transpiration and evaporation of okra under subsurface drip irrigation using SIMDualKc model during vegetative development[J]. International Journal of Vegetable Science, 2018, 25 (1): 27-39. 本文引用 [1]

8	邱让建，杜太生, 陈任强. 应用双作物系数模型估算温室番茄耗水量[J]. 水利学报，2015，46(6): 678-686. QIU R J, DU T S, CHEN R Q. Applying the dual crop coefficient model to estimate the water consumption of greenhouse tomatoes[J]. Journal of Hydraulic Engineering, 2015, 46(6): 678-686. 本文引用 [1]

9	吴友杰, 杜太生. 西北干旱区农田土壤蒸发量及影响因子分析[J]. 农业工程学报，2020，36(12): 110-116. WU Y J, DU T S. Analysis of farmland soil evaporation and its influencing factors in arid areas of Northwest China[J]. Journal of Agricultural Engineering,2020, 36(12): 110-116. 本文引用 [1]

卫新东，刘守阳，陈滇豫，等. Shuttleworth-Wallace模型模拟陕北枣林蒸散适用性分析[J]. 农业机械学报，2015，46(3): 142-151.

WEI

X D

, LIU

S Y

, CHEN

D Y

, et al. Applicability analysis of shuttleworth wallace model for simulating evapotranspiration of jujube forests in Northern Shaanxi[J]. Transactions of the Chinese Society for Agricultural Machinery,2015, 46(3): 142-151.

本文引用 [1]

11	张卫，张展羽, 杨洁. SCS模型在红壤土坡地降雨径流量估算中的应用[J]. 水土保持通报，2014，34(5): 124-127. ZHANG W, ZHANG Z Y, YANG J. Bulletin of soil and water conservation[J]. Application of SCS Model to Estimate Volume of Runoff in Slope Field of Red Soil,2014, 34(5): 124-127. 本文引用 [1]

12	ALLEN R G, PEREIRA L S. Estimating crop coefficients from fraction of ground cover and height[J]. Irrigation Science, 2009, 28(1): 17-34. 本文引用 [1]

13	GHAMARNIA H， MOUSABEYGI F, REZVANI S V. Water requirement, crop coefficients of peppermint (Mentha piperita L.) and realizing of SIMDualKc model[J]. Agrotechniques in Industrial Crops, 2021, 1(3): 110-121. 本文引用 [1]

14	LIU M， PAREDES P， SHI H，et al. Impacts of a shallow saline water table on maize evapotranspiration and groundwater contribution using static water table lysimeters and the dual Kc water balance model SIMDualKc[J]. Agricultural Water Management, 2022, 273: 107 887. 本文引用 [1]

15	ZHAO N， LIU Y， CAI J，et al. Dual crop coefficient modelling applied to the winter wheat–summer maize crop sequence in North China Plain: Basal crop coefficients and soil evaporation component[J]. Agricultural Water Management, 2013, 117: 93-105. 本文引用 [1]

刘栋，岳伶俐，吴友杰，等. 长沙丘陵区油茶林地土壤蒸发的时空变化[J]. 湖南农业大学学报(自然科学版)，2021，47(1):63-70.

LIU

, YUE

L L

, WU

Y J

, et al. Temporal and spatial changes of soil evaporation in camellia oleifera forest in Changsha hilly region[J]. Journal of Hunan Agricultural University (Natural Science Edition), 2021, 47(1): 63-70.

本文引用 [1]

17	夏雄，陈永忠，岳伶俐，等. 南方丘陵区油茶气孔导度模型修正[J]. 农业工程学报，2022，38(3): 93-102. XIA X, CHEN Y Z, YUE L L, et al. Correction of stomatal conductivity model for camellia oleifera in Southern Hilly Areas[J]. Journal of Agricultural Engineering,2022, 38(3): 93-102. 本文引用 [1]

杨林林，高阳，韩敏琦，等. 基于SIMDual_Kc模型的豫北地区麦田土壤水分动态和棵间蒸发模拟[J]. 水土保持学报，2016，30(4): 147-153.

YANG

L L

, GAO

, HAN

M Q

, et al. Based on SIMDual_ Simulation of soil moisture dynamics and inter plant evaporation in wheat fields in northern Henan Province using Kc model[J]. Journal of Soil and Water Conservation,2016 30(4): 147-153.

本文引用 [1]

19	张强，王文玉，阳伏林，等. 典型半干旱区干旱胁迫作用对春小麦蒸散及其作物系数的影响特征[J]. 科学通报，2015，60(15): 1 384-1 394, 1. ZHANG Q, WANG W Y, YANG F L, et al. Effects of drought stress on spring wheat evapotranspiration and crop coefficient in typical semiarid regions[J]. Science Bulletin,2015, 60(15): 1 384-1 394, 1. 本文引用 [1]

20	QIU R J， DU T S， KANG S Z，et al. Assessing the SIMDualKc model for estimating evapotranspiration of hot pepper grown in a solar greenhouse in Northwest China[J]. Agricultural Systems，2015，138: 1-9. 本文引用 [1]

21	赵娜娜，刘钰，蔡甲冰，等. 双作物系数模型SIMDual_Kc的验证及应用[J]. 农业工程学报，2011，27(2): 89-95. ZHAO N N, LIU Y, CAI J B, et al. Dual crop coefficient model SIMDual_ Kc verification and application[J]. Journal of Agricultural Engineering, 2011, 27(2):89-95. 本文引用 [1]

石小虎，蔡焕杰，赵丽丽，等. 基于SIMDualKc模型估算非充分灌水条件下温室番茄蒸发蒸腾量[J]. 农业工程学报，2015，31(22):131-138.

SHI

X H

, CAI

H J

, ZHAO

L L

, et al. Estimation of greenhouse tomato evapotranspiration under insufficient irrigation conditions based on SIMDualKc model[J]. Journal of Agricultural Engineering, 2015, 31(22): 131-138.

本文引用 [1]

PDF(1851 KB)

访问

引用

详细情况

段落导航

收稿日期	接受日期	出版日期
2023-11-27	2024-01-26	2024-06-10
发布日期
2024-06-24

选择文件类型/文献管理软件名称

选择包含的内容

摘要

Abstract

关键词

Key words

基金

引用本文

0 引言

1 材料和方法

1.1 研究区概况

1.2 数据采集

1.3 模型介绍

1.3.1 水量平衡法

1.3.2 SIMDualKc模型

1.4 模型评价

2 结果与分析

2.1 油茶生育期气象变化

图1 气象因子逐日变化

2.2 SIMDualKc模型参数率定与验证

表1 SIMDualKc模型主要参数的初始值与率定值

图2 土壤含水率模拟值与实测值对比

图3 土壤含水率模拟值与实测值对比

表2 土壤含水率实测值与模拟值的误差统计量

2.3 水分胁迫系数及模拟结果校正

图4 土壤水分胁迫系数

图5 年土壤含水率误差校正

2.4 蒸发蒸腾量模拟

图6 土壤蒸发模拟

表3 油茶耗水量模拟值与水量平衡法计算结果 (mm)

3 讨论

4 结论

{{custom_sec.title}}

{{custom_sec.title}}

参考文献

选择文件类型/文献管理软件名称

选择包含的内容

摘要

Abstract

关键词

Key words

基金

引用本文

0 引 言

1 材料和方法

1.1 研究区概况

1.2 数据采集

1.3 模型介绍

1.3.1 水量平衡法

1.3.2 SIMDualKc模型

1.4 模型评价

2 结果与分析

2.1 油茶生育期气象变化

图1 气象因子逐日变化

2.2 SIMDualKc模型参数率定与验证

表1 SIMDualKc模型主要参数的初始值与率定值

图2 土壤含水率模拟值与实测值对比

图3 土壤含水率模拟值与实测值对比

表2 土壤含水率实测值与模拟值的误差统计量

2.3 水分胁迫系数及模拟结果校正

图4 土壤水分胁迫系数

图5 年土壤含水率误差校正

2.4 蒸发蒸腾量模拟

图6 土壤蒸发模拟

表3 油茶耗水量模拟值与水量平衡法计算结果 (mm)

3 讨 论

4 结 论

{{custom_sec.title}}

{{custom_sec.title}}

参考文献

0 引言

3 讨论

4 结论