Результаты сравнения педотрансферных функций и текстурной модели водоудерживания почв по базе данных UNSODA

Размещено на http://www.allbest.ru/

УДК 504.064

Результаты сравнения педотрансферных функций и текстурной модели водоудерживания почв по базе данных unsoda

А.М. Зейлигер

О.С. Ермолаева

Т.В. Кремлева

ФГОУ ВПО МГУП, г. Москва, Россия

В настоящее время в целях практического использования моделей переноса водного потока в вадоузной зоне широкое применение находят модели, позволяющие предсказывать гидравлические характеристики почв на основании их физико-химических параметров. Практическая потребность в получении таких функций вызвана необходимостью упростить и ускорить определение гидравлических характеристик почв и грунтов, прямое экспериментальное определение которых требует значительных затрат времени и средств. Одним из видов таких моделей являются педотрансферные функции (ПТФ) [4, 5, 6, 8, 10, 12, 14, 16, 17], представляющие собой эмпирические модели типа «черного ящика». Эти функции связывают отдельные показатели характеристик водоудерживания с рядом основных физических показателей почв - предикторами. Для решения аналогичной задачи используются и иные более универсальные подходы, основанные на моделях типа «серого ящика» [3, 18], что позволяет применять их к широким группам почв. Одним из таких подходов является аддитивный, основанный на концептуальном моделировании строения порового пространства почв. С использованием этого подхода были построены модели водоудерживания различных по строению порового пространства пористых сред [4], одна из которых «текстурная» исследована в настоящей работе.

Целью данной работы являлось сравнение достоверности четырех ПТФ, полученных на независимых наборах данных и применяемых для расчета дренажной характеристики водоудерживания ДХВ, а также «текстурной» модели. Методика исследования состояла в расчете ДХВ по каждой из этих пяти моделей для почв, собранных в базе почвенных данных UNSODA (Unsaturated Soil Data), и сравнении между собой измеренных ДХВ с рассчитанными. На момент проведения исследований база данных UNSODA включала 790 почвенных образцов с пяти континентов [6]. Для оценки достоверности моделей использовались величины среднеквадратичного отклонения измеренных и рассчитанных величин влажностей, соответствующих давлений почвенной влаги. В результате проведенного исследования получена информация о точности четырех ПТФ-ДХВ, а также “текстурной” модели для 19 текстурных групп почв.

Виды ПТФ-ДХВ педотрансферный гидравлический почва

Классификация ПТФ-ДХВ по непрерывности

С точки зрения непрерывности описания ПТФ-ДХВ делятся на точечные, оценивающие влажность почвы для заданных значений давления почвенной влаги, и непрерывные, оценивающие влажность для значений в некотором диапазоне. Обычно точечные ПТФ-ДХВ используются для оценки доступной растениям почвенной влаги [5], а непрерывные - в моделях переноса водного потока в вадоузной зоне [9].

Классификация ПТФ-ДХВ по набору предикторов

В современных ПТФ-ДХВ наиболее распространенными предикторами являются: а) плотность почвы; б) пористость почвы; в) содержание фракций гранулометрического состава; г) содержание органического вещества. Наряду с вышеприведенными предикторами имеются отдельные попытки включить в ПТФ-ДХВ следующие предикторы: а) минералогию глинистой фракции; б) обменную емкость катионов; в) концентрацию кристаллов гипса и кальцита; г) содержание поглощенного натрия [4].

Плотность и пористость почвы. Согласно работе [8], водоудерживание при давлении почвенной влаги 33 кПа тем больше, чем меньше плотность почвы; однако при давлении 1500 кПа это влияние менее выражено. В работе [9] было показано, что плотность почвы является наиболее важным предиктором ПТФ ДХВ при давлении меньше 10 кПа, тогда как содержание глины и органического вещества оказывают наибольшее влияние при давлении больше 500 кПа. В этой же работе [9] было показано, что изменение значения плотности почвы может как увеличить, так и уменьшить водоудерживание в диапазоне давления почвенной влаги от 10 до 1500 кПа, что во многом зависит от гранулометрического состава почвы.

Содержание фракций элементарных почвенных частиц (ЭПЧ). Одним из наиболее часто используемых в ПТФ и дающих достоверные результаты предикторов является содержание фракций ЭПЧ. Среди наиболее часто встречающихся в ПТФ-ДХВ классификаций фракций ЭПЧ - интегральные фракции песка (sand> 0,05), пыли (0,002< silt <0,05) и глины (clay<0,002); классификация Аттенберга; классификация Качинского.

Содержание органического вещества. В результате экспериментального изучения водоудерживания установлено, что содержание органического вещества существенно влияет на водоудерживание почв. Однако виды органического вещества, встречающееся в почвах, чрезвычайно разнообразны по составу и качеству, что отражается на его водоудерживающей способности.

Классификация ПТФ-ДХВ по методу создания

Многообразие ПТФ-ДХВ может быть разделено на следующие четыре группы: а) регрессионные модели точечных ДХВ; б) параметрические модели непрерывных ДХВ; в) нейронные сети точечных и непрерывных ДХВ.

, (1)

где - влажность почвы, - давление почвенной влаги, , , , - соответственно, содержание песка (sand); пыли (silt); глины (clay) и органического вещества [г г^-1], - плотность почвы, a, b, c, d, e - эмпирические коэффициенты.

Параметрические модели основаны на предположении, что непрерывная ДХВ может быть описана некоторым уравнением, эмпирические коэффициенты которого являются функцией некоторого набора почвенных предикторов [15, 16, 17].

Искусственные нейронные сети были использованы Пачепским [7] для оценки характеристик водоудерживания для восьми значений давления почвенной влаги, а также Шаапом [11, 12] для нахождения параметров уравнения ван Генухтена.

Объекты исследования

В качестве объекта исследования были выбраны четыре наиболее цитируемых в литературе ПТФ-ДХВ: Гупты и Ларсона [4]; Ролса [8]; Сакстона [10]; Верикена [15], а также аддитивная модель для текстурных почв [18].

Регрессионная модель ДХВ Гупты-Ларсона [4] получена для давлений почвенной влаги 10, 33 и 1500 кПА и описывается выражением (1). Эмпирические коэффициенты этой модели были найдены по экспериментальным данным 43 почвенных образцов из 10 участков, расположенных на территории восточных и центральных штатов США, и приведены в табл. 1.

Регрессионная модель Ролса [8] получена для большего набора давлений почвенной влаги, описываемых по (1). Эмпирические коэффициенты найдены по экспериментальным данным 5320 образцов, отобранным на 1323 участках 32 штатов США, и приведены в табл. 1.

Таблица 1. Значения эмпирических коэффициентов в моделях Гупты-Ларсона и Ролса

Модель Сакстона [10] относится к непрерывным параметрическим функциям. Для ее построения использована следующая экспоненциальная функция Кэмпбелла

, (2)

где h - давление почвенной влаги, [бар]; A, B - эмпирические коэффициенты, получаемые из следующих эмпирических уравнений:

; (3)

, (4)

где , , , - соответственно, содержание песка, пыли, глины и органического вещества [%]б a = -4,396, b = -0,0715, c = -4,88010⁴, d = -4,28510⁵, e = -3,140, f = -2,2210³, g = -3,48410⁵ - эмпирические коэффициенты.

Модель Верикена [15] относится к классу непрерывных параметрических моделей и основана на использовании уравнения ван Генухтена для описания ДХВ

(5)

где - влажность насыщения почвы [см³ см^-3]; - остаточная влажность почвы, [см³ см^-3]; б - эмпирический параметр формы [м^-1]; n - эмпирический безразмерный параметр [-]; m - безразмерный эмпирический параметр, m = 1-1/n [-].

Для получения зависимости параметров модели (5) от почвенных предикторов были использованы 182 образца почв, собранных с 40 площадок на территории Бельгии, при этом текстуры почв варьировали от песчаных почв до тяжелых глин. В результате обработки экспериментальных данных были получены следующие эмпирические зависимости:

; (6)

; (7)

; (8)

, (9)

где - содержание органического углерода [g g^-1].

Аддитивная модель для текстурных почв [18] основана на допущении, что весовые коэффициенты ДХВ фракций элементарных почвенных частиц и органического вещества пропорциональны их массовым долям в общей почвенной массе

, (10)

где W₀ - массовая влажность почвы при полном влагонасыщении [г г^-1]; W_i,0 - массовая влажность i-й текстурной фракции при полном влагонасыщении [г г^-1]; W_i,R - массовая остаточная влажность i-й текстурной фракции [г г^-1]; S_i(h) - относительное насыщение i-й текстурной фракции; - массовая доля i-й почвенной фракции; N - число почвенных фракций [г г^-1].

Таблица 2. Значения эмпирических коэффициентов в аддитивной модели

Точечные экспериментальные характеристики водоудерживания фракций гранулометрического состава были заимствованы из работ Стакмана [13] и Мичурина [1], а органического вещества - из модели Ролса [8]. Аппроксимация этих моделей проводилась по следующему выражению

. (11)

Значения эмпирических параметров q, h_i', h_i'', m_i', m_i'', W_i,0, W_i,R для девяти текстурных фракций по классификации Качинского и органического вещества приведены в табл. 2.

Метод исследования

В качестве единого тестового источника данных была выбрана база данных гидравлических характеристик почв UNSODA. Эта база данных представляет собой набор данных физико-химических и гидравлических характеристик ненасыщенных водой почв, организованных в среде Microsoft Access [6]. Разнообразие почв по гранулометрическому составу, содержащихся в этой базе данных, отображено на рис.1.

Наличие в базе данных UNSODA почвенных текстур

Для проведения тестовых расчетов было разработано пользовательское приложение в среде MS Visual Basic for Application, взаимодействующее с базой данных в среде MS Access электронными таблицами MS Excel.

Результаты и их обсуждение

Оценка достоверности ПТФ-ДХВ проводилась по величине среднеквадратичного отклонения величин влажности, оцененных и измеренных при заданном давлении почвенной влаги

, (12)

где и_m,i, и_e,i - измеренное и рассчитанное значения влажности почвы в i-й точке соответственно, n - число пар данных.

Величины среднеквадратичного отклонения у, полученные для всей базы данных UNSODA по каждой из использованных в исследовании модели, приведены в табл. 3. В числителе указаны величины, найденные по (12), а в знаменателе - количество использованных при этом пар данных. В таблице 3 минимальное значение для каждой текстурной группы, соответствующее наилучшему результату тестирования, показано полужирнымшрифтом.

Таблица 3. Величины среднеквадратичного отклонения рассчитанных значений влажностиот измеренных по текстурным группам

Высокая достоверность результатов, полученных по аддитивной модели, может быть объяснена физической обоснованностью модели, а также использованием подробной дифференцированной гранулометрии текстуры.

Относительно невысокий результат, полученный по аддитивной модели для глинистых почв, может быть объяснен наличием в базе данных UNSODA почв с различной минералогией, информация о которой практически отсутствует.

Модели, в которые в качестве предиктора включено содержание органического вещества, дали более достоверные результаты, нежели модель Сакстона, в которую этот предиктор не включен.

В целом результаты, полученные по всем исследованным моделям, сопоставимы с точностью измерения влажности почвы в полевых условиях, что делает перспективным их использование на практике.

Библиографический список

1. Мичурин Б.Н. Энергетика почвенной влаги. Л.: Гидрометеоиздат, 1975. 140 с.

2. .Шеин Е.В., Дембовецкий А.В., Губер А.К. Педотрансфункции: получение, обоснование и использование. Почвоведение. 1999. №11. c. 1323-1331.

3. Arya L. M. and Jack Paris. A physico-empirical model to predict the soil moisture characteristics from particle-size distribution and bulk density data. Soil Sci. Soc. Am. 1981. J. 45:1023-1030.

4. Gupta, S.C., and W.E. Larson. Estimating soil water retention characteristics from particle-size distribution, organic matter percent, and bulk density. Water Resour. Res. 1979. 15 (6): 1633-1635.

5. Kern J.S. Evaluation of Soil Water retention models on basic soil physical properties. Soil Sci. Am. 1995. J. 59:1134-1141.

6. Nemes, A., M.G. Shaap, F.J. Leij and J.H.M. Wosten. Description of the unsaturated soil hydraulic database UNSODA version 2.0. 2001. J. Hydrol. 251 (3-4): 151-162.

7. Pachepsky, Ya.A., D. Timlin, D., and G. Varallyay. Artificial neural networks to estimate soil water retention from easily measurable data. Soil Sci. Soc. Am. 1966. J. 60: 727-773.

8. Rawls, W.J., D.L. Brakensiek, and K.E. Saxton. Estimation of soil water properties. Trans. 1982. ASAE 25: 1316-1320.

9. Rawls W.J. and Ya. Pachepsky. Status of pedotransfer functions.

10. Saxton K.E., W.J. Rawls, J.S. Romberger, and R.I. Papendick. Estimating generalized soil-water characteristics from texture. Soil Sci. Am. 1986. J. 50:1031-1036.

11. Shaap, M.G. and W. Bouten. Modelling water retention curves of sandy soils using neural networks. Water Res. Res. 1996. 32: 3033-3040.

12. Shaap, M.G., F.L. Leij, and M.Th. van Genuchten. Neural networks for hierarchical prediction of soil hydraulic properties. Soil Sci. Soc. Am. 1998. J. 62: 847-855.

13. Stakman, W. P. 1969. The relation between particle size, pore size, and hydraulic conductivity of sand separates. p. 373-382. In: Water in unsaturated zone, v. 1. Wageningen, 1969.

14. Tietje O. and M. Tapkernhinrichs. Evaluation of pedo-transfer functions. Soil Sci. Soc. Am. 1993. J. 57:1088-1095.

15. Vereecken H., J. Maes, J. Feyen, and P. Darius. Estimating the soil moisture retention characteristic from texture, bulk density, and carbon content. Soil Science. 1989.

16. Wosten, J.H.M. Pedotransfer functions to evaluate soil quality. Soil Sci. Soc. Am. 1997. 221-245.

17. Wosten, J.H.M., A. Lilly, A. Nemes and C. Le Bas. Development and use of a database of hydraulic properties of European soils. Geoderma. 1999. 90: 169-185.

18. Zeiliguer A.M., Ya. A. Pachepsky, and W. J. Rawls. Estimating water retention of sandy soils using the additivity hypothesis. Soil Science. 2000.

Размещено на Allbest.ru