土壤紧实度(soil compaction)又叫土壤硬度或土壤坚实度或土壤穿透阻力, 是指土壤抵抗外力压实和破碎的能力, 是土壤性质的一个方面^[1]。通常将容重作为土壤紧实度衡量指标^[2], 用于评价土壤耕作条件, 衡量耕作质量^[3]。当土壤被压实, 孔隙率会下降, 其他的理化性质(如含水率、透气性、孔隙率、抗剪强度等)备受影响^[4], 从而影响农作物的生长及繁殖^[5-6]。所以, 土壤紧实度在作物生产和环境管理上备受关注^[7]。此外, 土壤紧实度与土壤质地、容重和含水率关系密切^[8], 土壤含水率通常是影响土壤压实过程的最重要因素^[9-10], 且影响程度随深度的增加而增大^[11]。

目前各学者对土壤紧实度提出了许多预测模型。AYERS等^[12]、UPADHYAYA等^[13]和BUSSCHER^[14]在实验室环境下应用统计方法分别提出了不同的半经验模型以揭示土壤水分与容重对紧实度的影响规律。HERNANZ等^[15]认为测量过程中土壤受紧实度压迫会产生一定程度的弹性形变, 因此在Busscher模型的基础上增加了深度作为独立变量, 试图提高模型的预测精度^[16]。林剑辉等^[17]以决定系数R²与统计残差作为检验指标, 针对容重预测精度, 对4种半经验模型进行检验与比较分析, 结果表明, Ayers和Upadhyaya模型预测精度较高, Busscher与Hernanz模型预测精度较低。

干旱半干旱农业区土壤结构稳定性通常很差, 在暴雨或大暴雨条件下土壤极易遭受侵蚀^[18-19]。因此, 土壤含水率和紧实度就成为影响植被成活率的关键因素^[20]。该研究基于典型半干旱煤矿区农田进行布点采样, 测定不同时间段各样点的土壤含水率和紧实度, 通过对试验结果进行统计分析, 得出了不同区域土壤含水率和紧实度的分布规律及线性关系; 并结合4种半经验模型的决定系数, 对模型预测结果进行比较, 从而确定研究区域的最优应用模型, 为矿区农田的耕作制度和土壤结构改善提供参考。

1 研究方法 1.1 研究区概况

大柳塔矿区(39.1°~39.4° N, 110.5°~111.2° E)位于陕西省神木县城西北约52.5 km处, 神府东胜煤田中部, 陕北黄土高原北缘与毛乌素沙漠过渡地带。最大勘探深度为356.33 m, 境内地势西北高, 东南低, 海拔738~1 448 m; 年平均降水量368.2 mm, 蒸发量1 319 mm, 无霜期179 d, 属半干旱大陆性季风气候区^[21]。

研究区位于大柳塔矿区矿井3盘区12304与12305工作面附近。研究区边界主要以地形、沟壑、道路为界进行确定。由于该区特殊的气候条件、特殊的土壤和植被类型以及高强度的煤炭开采, 水土流失较严重^[22]。该区域主要土壤质地为砂质壤土, 区内基岩岩性以砂岩、砂质泥岩及泥岩为主。土壤养分含量缺磷、少氮、钾有余, 有机质含量低, 肥力极低, 地表土壤平均pH值为8.5。该区域作物种植以大豆、玉米、小杂粮等为主, 耕作方式为深松翻土, 灌溉较困难。

研究区土壤质地、酸碱度和养分水平均能代表大柳塔矿区农田土壤性质, 且其作物种类和耕作方式在当地具有很好的典型性。所以该区域对于大柳塔矿区农田砂壤土含水率和紧实度的研究具有代表性和典型性, 对于提高矿区农田化肥的利用率、促进半干旱矿区植物根系生长和改善耕作方式具有实际的科学意义。

1.2 试验设计

选用美国SPECTRUM公司研制的6120型指针式土壤紧实度仪, 其遵循ASAES 313.3标准, 测量范围:0~600 psi(1 psi=6.89 kPa), 测量深度为60 cm, 分辨率为7.6 cm, 测量精度为±20 psi。表盘标示有绿色刻度(0~200 psi)指示良好的土壤生长条件; 黄色刻度(>200~300 psi)指示一般土壤生长条件; 红色刻度(>300 psi)指示较差的土壤生长条件; 探杆锥头:小锥头(直径约1.27 cm)用于坚硬土壤的测量, 大锥头(直径约1.90 cm)用于软土的测量。测量选用大锥头, 仪器测量过程中以30 mm·s^-1的速度匀速向下摇动上位机手柄。采用美国SPECTRUM便携式POGO土壤多参数测定系统和Hydra便携式土壤含水率测定仪测定土壤体积含水率。

该区黄豆、玉米、大豆和绿豆4种作物为同类地区典型的粮食作物, 具有一定的代表性, 对于研究半干旱地区作物-土壤力学性能具有重要意义。选取这4类作物种植区进行研究, 分别命名为A、B、C、D区。采用等距网格布点, 网格面积为3~5 m², 根据样点设置原则和地块大小, A、B、C区均设置12个样点, D区可设置15个样点。采用环刀法采集样品, 样点采集深度和质量均保持一致, 共采集51个混合土样。试验在作物收割前(9月3日)、收割初期(9月24日)和收割后期(10月28日)3个时期进行。每次试验分别对研究区51个样点地表 0~10 cm土层测定土壤紧实度C_i(i=1, 2, …, n)和土壤体积含水率θ_i(i=1, 2, …, n), 再换算成土壤质量含水率(土壤质量含水率=土壤体积含水率×100/干土壤密度), 每个样点均测量5次, 取平均值进行分析。使用烘干法测量所取样品干土壤密度D_i(i=1, 2, …, n)。每个样点重复测定3~4次, 取平均值用作数据分析。

1.3 土壤含水率与紧实度模型

选取Ayers模型、Upadhyaya模型、Busscher模型和Hernanz模型进行预测拟合和对比研究。Ayers和Perumpral提出了土壤圆锥指数(紧实度)-容重-土壤质量含水率相关关系的模型。

$ {C_i} = ({A_1} \times {D^{{A_4}}})/[{A_2} + {({\theta _{\rm{g}}}-{A_3})^2}]。$

(1)

Upadhyaya等提出了土壤圆锥指数-土壤含水率-容重模型。

$ {C_i} = {B_1}{D^{{B_2}}}{{\rm{e}}^{-{B_3}{\theta _{\rm{g}}}}}。$

(2)

Busscher在考虑对C_i的影响时用幂函数替换式(2)中的指数项, 给出一种幂函数模型。

$ {C_i} = {C_1}{\theta _{\rm{g}}}^{{C_2}}{D^{{C_3}}}。$

(3)

Hernanz等认为测量过程中土壤受圆锥压迫会产生一定程度的弹性形变, 因此在Busscher模型的基础上增加了一个深度影响因子。

$ {C_i} = {D_1}{\theta _{\rm{g}}}^{{D_2}}{D^{{D_3}}}{d^{{D_4}}}。$

(4)

式(1)~(4)中, C_i为土壤圆锥指数(紧实度), kPa; D为土壤容重, g·cm^-3; θ_g为土壤质量含水率, %; A₁~A₄、B₁~B₄、C₁~C₄和D₁~D₄为依赖于土壤类型的拟合常数。

根据所测数据和试验次数用最大残差法计算标准偏差(σ)，测量仪器精度以及误差率来表征试验精度。采用Excel 2010和SPSS 19.0软件绘制图表并进行数据分析。

2 结果与分析 2.1 土壤含水率与紧实度时空分布及相关关系

研究区土壤含水率和紧实度时空分布状况如图 1所示。土壤平均含水率w为8.3%~16.14%。在收割前、初、后期各作物种植区土壤含水率和紧实度均值间差异显著; 收割初期含水率明显高于其他时期, 紧实度测量值明显低于其他时期, 其中B和C区土壤平均含水率差异显著; 土壤紧实度在B、C、D区差异显著。同一测量时间下, 各作物种植区土壤含水率和紧实度均值间差异不显著, B区土壤含水率最高, D区土壤紧实度最低。土壤紧实度和含水率均属于中等变异, 且变异程度较大, 符合正态分布。这是由于种植作物的差异和田间存在较大的空间变异性^[23]。

AYERS等^[12]研究发现砂土和黏土的紧实度(圆锥指数)与含水率之间呈负相关关系, 而OHU等^[24]发现壤土和黏土的紧实度(圆锥指数)与含水率之间呈指数关系。从图 2可知, 土壤含水率w均介于8.30%~16.14%之间, 在此区间内, A、B、C、D区土壤含水率和紧实度之间Pearson相关系数分别为-0.624、-0.888、-0.592和-0.659, 均呈极显著负相关(P < 0.01), 这与AYERS等^[12]的结论一致。且B区R²为0.79, 相关性较显著, A、C、D区均小于0.50。因此, 矿区农田砂壤土紧实度与土壤含水率之间呈负相关关系, 且B区的相关性最好。

2.2 模型拟合

表 1为土壤含水率与紧实度模型的拟合参数结果。总体来看, Ayers模型对该研究区的模拟效果优于其他4个模型。Ayers模型和Upadhyaya模型R²相比于线性模型略有增加; Busscher模型和Hernanz模型R²相比于线性模型略有减小。Ayers模型在各区域的相关系数均大于其他模型, 相关性最强, Upadhyaya模型和线性模型次之, Busscher和Hernanz模型相关性最差。此外, 5种模型在B区的相关性较大, R²均大于0.7;A、C、D区的相关系数较小, 均小于0.5, 这主要是由于这3块区域种植作物的多样性和土壤参数空间变异性较大所致。虽然A区统一种植黄豆, 但每个地块黄豆产量差别较大; B区R²较大, 主要是因为B区统一种植玉米, 且土壤参数空间变异性很小。

对B区运用4种半经验模型进行拟合, 结果如图 3所示。Ayers模型模拟值较其他模型更接近实测值, 在B区模拟效果最好, 其均方误差和均方根误差也较小, 模型的计算精度较高, 误差较小。Busscher模型和Hernanze模型的拟合结果一致。当含水率w小于9%时, 4种模型的模拟值均小于实测值, 且Ayers模型模拟值小于其他3种模型模拟值; 当含水率w大于14%时, 4种模型模拟值均大于实验值, 且Ayers模型模拟值大于其他3种模型模拟值。

综上所述, 从4种半经验模型的拟合结果看来, 实验与模拟结果仅与Ayers模型基本吻合, 能够较好地反映半干旱区土壤状况; 而Upadhyaya模型与Busscher模型在含水率对紧实度的影响趋势上与试验结果存在差异。

2.3 模型预测

土壤紧实度预测模型的形式多种多样，对于某种特定的土壤可以得到1个预测结果相对最优的模型^[25]。结合4种半经验模型和研究所得的线性模型对模型预测结果进行比较分析，从而检验线性模型的正确性和使用范围，并确定研究区域的最优应用模型。图 4为5种模型的预测情况，Upadhyaya模型、Busscher模型、Hernanz模型和线性模型是一类模型，这类模型表明含水率和土壤紧实度呈一种单调的负相关关系，即土壤紧实度随质量含水率的增大而减小。而Ayers模型认为含水率和土壤紧实度的关系曲线存在拐点，在拐点左右两侧含水率和土壤紧实度分别呈一种单调的正相关和负相关关系：即含水率w小于10%时，紧实度随含水率的增加而显著增大，当含水率w在10%~50%之间，紧实度随含水率的增大而减小，且减小程度下降。

不同区域间不同模型土壤紧实度差异明显，但在土壤含水量较高时差异不显著，含水量较低时差异显著。当含水率小于11%时，土壤紧实度大于1 000 kPa，当含水率w大于40%时，Ayers模型和Upadhyaya模型中土壤紧实度预测值小于200 kPa；Busscher模型和Hernanz模型中，B、C和D区土壤紧实度小于400 kPa，A区大于400 kPa。对于线性模型，当含水率w大于20%时，D区模拟出现负值；当含水率w大于26%时，A、B、C和D区模拟结果均为负值。由此，线性模型适合含水率较低条件下的模拟，当含水率w高于26%时，其他4种模型模拟效果好于线性模型。当含水量w < 15%时，B区5种模型的预测值均高于其他区域5种模型的预测值。此外，5种模型在A和C区预测值均大于B和D区的预测值。

综上，Ayers模型预测效果最佳，相关性最强，即Ayers模型能够较好地反映半干旱农田砂质壤土土壤紧实度与含水率间的耦合关系。林剑辉等^[26]借助于d^a与e^ad这2种独立的深度影响因子，采用定义水分影响指数的方法检验了4种半经验模型中水分与行进深度的影响作用，也表明Ayers模型解析土壤紧实度(土壤圆锥指数)、水分与容重的耦合关系优于其他模型；从土壤含水率和土壤紧实度的预测结果可以得出作物生长的最适宜含水率空间，能够为北方干旱农田的土壤水分管理和作物生长管理提供一定的理论指导依据。

3 结论

通过对半干旱区不同种植区域、不同时间阶段土壤紧实度和质量含水率分布状况及相关性进行比较分析, 并利用4种半经验模型和线性模型进行拟合及预测, 得出以下结论:

(1) 矿区农田土壤紧实度和含水率在作物收割前、初、后期差异显著。收割初期土壤紧实度最低, 土壤含水率最高。D区土壤紧实度最低。土壤含水率与紧实度呈线性负相关关系。

(2) 线性模型和4种半经验模型均在B区的拟合效果较好, R²均大于0.70。其中Ayers模型拟合效果最好, 能够较好地反映半干旱区土壤状况, 而Upadhyaya与Busscher模型能反映高含水率对紧实度的影响。

(3) 模型预测结果得出, Ayers模型和Upadhyaya模型预测效果均好于线性模型, 其中Ayers模型预测效果最佳, 即Ayers模型较其他模型能更好地反映土壤紧实度与含水率间的耦合关系。