Результаты сравнения педотрансферных функций и текстурной модели водоудерживания почв (стр. 2 )

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]; α – 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]; Wi,0 – массовая влажность i-й текстурной фракции при полном влагонасыщении [г г-1]; Wi,R – массовая остаточная влажность i-й текстурной фракции [г г-1]; Si(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

Диаметр частиц, мм	Значения эмпирических коэффициентов в аддитивной модели	Источник данных
Wi,0, г г-1	q, -	hi’, кПа	mi’ -	hi’’, кПа	mi’’ -	Wi, R, г г-1
1…3	0,239	0,950	0,606	1,19	0,147	1,19	0,0	Стакман,1969
0,5…1	0,247	0,850	1,73	2,57	0,761	3,50	0,0	Стакман,1969
0,25…0,5	0,253	0,652	2,91	2,82	2,83	9,38	0,0	Мичурин,1975
0,1…0,25	0,252	0,607	8,71	2,45	5,36	4,48	0,0	Мичурин,1975
0,05…0,1	0,269	0,925	24,7	2,88	637,0	1,09	0,003	Мичурин,1975
0,01…0,05	0,291	0,916	87,8	5,56	1190,	1,14	0,004	Мичурин,1975
0,005…0,01	0,309	0,679	256,0	7,77	332,0	1,18	0,010	Мичурин,1975
0,001…0,005	0,307	0,710	315,0	25,2	470,0	1,12	0,018	Мичурин,1975
0…0,001	0,916	0,521	23,8	1,14	821,0	1,06	0,300	Мичурин,1975
Орг. вещество	1,646	1,000	19,74	1,593	-	-	1,023	Ролс, 1982

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

. (11)

Значения эмпирических параметров q, hi’, hi’’, mi’, mi’’, Wi,0, Wi,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 θm,i, θe,i – измеренное и рассчитанное значения влажности почвы в i-й точке соответственно, n – число пар данных.

Величины среднеквадратичного отклонения σ, 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 влажности

от измеренных по текстурным группам

Почвенная текстурная группа	Модель Гупты - Ларсона	Модель Ролса	Модель Сакстона	Модель Верикена	Аддитивная модель
Coarse SAND грубый песок	0,0649 42	0,0528 46	0,1240 36	0,0993 36	0,0259 36
Medium SAND средний песок	0,0501 75	0,0404 89	0,1337 424	0,0730 424	0,0410 424
Fine SAND тонкий песок	0,0906 71	0,0530 91	0,0693 515	0,0507 515	0,0358 515
Loamy Coarse SAND суглинистый грубый песок	0,0590 6	0,0355 10	0,0968 39	0,0886 39	0,0229 39
Loamy SAND суглинистый песок	0,0480 41	0,0395 42	0,0691 199	0,0578 199	0,0308 199
Loamy Fine SAND суглинистый тонкий песок	0,1008 24	0,0443 31	0,0642 140	0,0530 140	0,0336 140
Coarse Sandy LOAM грубый опесчаненный суглинок	0,0064 3	0,0415 7	0,1321 15	0,0581 15	0,0214 15
Sandy LOAM опесчаненный суглинок	0,0458 36	0,0388 44	0,1003 193	0,0509 193	0,0218 193
Fine Sandy LOAM тонкий опесчаненный суглинок	0,0480 26	0,041338	0,0756 145	0,0351 145	0,0260 145
Very Fine Sandy LOAM очень тонкий опесчаненный суглинок	0,0733 12	0,0484 15	0,0993 100	0,0577 100	0,0230 100
LOAM суглинок	0,0469 62	0,0561 80	0,1257 409	0,0522 409	0,0440 409
Silty LOAM пылеватый суглинок	0,1091 147	0,0574 246	0,1156 722	0,0515 722	0,0355 722
Silt пыль	0,0667 5	0,0678 9	0,1647 38	0,1063 38	0,0415 38
Sandy Clay LOAM опесчаненный глинистый суглинок	0,0567 39	0,0627 58	0,1098 251	0,0406 251	0,0455 251
Clay LOAM глинистый суглинок	0,0705 8	0,0685 14	0,1113 57	0,0510 57	0,0299 57
Silty Clay LOAM пылеватый глинистый суглинок	0,1184 24	0,0739 36	0,1332 157	0,0959 157	0,0536 157
Sandy CLAY опесчаненная глина	0,0756 6	0,0654 10	0,1148 30	0,0553 30	0,0751 30
Silty Clay пылеватая глина	0,1037 13	0,1530 21	0,0964 63	0,1005 63	0,0227 63
Clay глина	0,0679 40	0,0693 63	0,0901 183	0,0389 183	0,0534 183
Среднее значение	0,0793 680	0,0587 950	0,1130 3986	0,0654 3986	0,0381 3986

Выводы

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 почвенной влаги. Л.: Гидрометеоиздат, 19с.

2. ., , Губер : получение, обоснование и использование. Почвоведение. 1999. №11. c. .

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:.

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. 19: .

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

6. Nemes, A., M. G. Shaap, F. J. Leij and J. H.M. Wosten. Description of the unsaturated soil hydraulic database UNSODA version 2J. Hydrol. : 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: .

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:.

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

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:.

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. 19

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.