基于土壤物理基本参数的土壤导热率模型-苏李君.pdf

《基于土壤物理基本参数的土壤导热率模型-苏李君.pdf》由会员分享，可在线阅读，更多相关《基于土壤物理基本参数的土壤导热率模型-苏李君.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第32卷2016焦第2期1月农业工程学报Transactions of the Chinese Society of Agricultural Engineering、，0132 No2Jan2016 127基于土壤物理基本参数的土壤导热率模型苏李君1，一，王全九2，王 铄3，王卫华4(1西安理工大学理学院，西安710054； 2西安理工大学水利水电学院，西安710048；3商洛水务局，商洛726000；4昆明理工大学现代农业工程学院，昆明650500)摘要：土壤物理基本参数是影响土壤导热率的重要因素，为了获取土壤的颗粒组成、有机质含量与土壤导热率计算模型中参数之间的关系，该文分析了陕西省9个

2、地区的土壤质地对土壤导热率的影响，对不同土壤导热率估算模型的准确性进行评价，并在C6t6Konrad模型和LuRen模型的基础上，建立了基于土壤物理基本参数的改进模型，结果表明：改进的C6t6Konrad模型与改进的LuPen模型可以用来拟合不同质地的土壤导热率，且具有较好的拟合精度，决定系数R2均在092以上，相对误差(relative error，Re)均低于96；对于砂粒含量或粉粒含量较高的土壤导热率，改进的C6t6Konrad模型模拟结果的均方根误差(rootmeansquare error，RMSE)01183、R209259以及RP955，均优于C6t6Konrad模型、LuRen

3、模型和改进Lu-Ren模型；对于砂粒和粉粒含量均较低的土壤导热率，改进LuRen模型模拟结果的RMSE00815、R209326，Re821，均明显优于其他3种模型。两种改进的模型分别建立了模型参数与颗粒组成、有机质含量之间的关系，能够更加详细描述土壤物理基本参数与导热率之间的关系，并且针对不同的土壤质地，选取合适的改进模型能够更加准确地计算土壤导热率。关键词：土壤；模型；含水率；土壤物理基本参数；土壤导热率模型；改进模型doi：10119750issn1002-6819201602019中图分类号：S152 文献标志码：A 文章编号：10026819(2016)一02012707苏李君，王全

4、九，王铄，王卫华基于土壤物理基本参数的土壤导热率模型J农业工程学报，2016，32(2)：127133doi：10119750issn10026819201602019 http：wwwtcsaeorgSu Lijun，Wang Quanjiu，Wang Shuo，Wang WeihuaSoil thermal conductivity model based on soil physical basic parametersJTransactions ofthe Chinese Society ofAgricultural Engineering(Transactions ofthe CSA

5、E)，2016，32(2)：127一133(in Chinesewith English abstract)doi：10119750issn10026819201602019 http：wwwtcsaeorg0引言土壤导热率是土壤热性质的重要指标之一，也是土壤的水、热、溶质耦合数值模型的重要参数，如何快速准确估算土壤导热率成为研究土壤热性质的主要内容之一【11。目前，国内外学者提出了很多间接估算模型，用于描述导土壤热率与土壤质地、容重、含水率、有机质之间的关系【21们，常用的间接估算模型有两类：经验模型【2。3】和半理论模型降71。经验模型主要有ChungHorton模型和Campbell模型

6、，分别建立了导热率与土壤含水率之间的关系，这类模型计算简单，但由于不同地区土质的差异，模型参数取值存在不确定性，使得计算值与实测值误差较大【引。半理论模型主要有Johansen模型、C6t6一Konrad模型和LuRen模型9】，分别建立了导热率与土壤饱和度之间的关系，这类模型有一定理论基础，且针对不同二卜壤质地给定了模型参数值，但对于不同的土壤颗粒和有机质含量，模型参数取值也不同，导致了模型应用具有一定的局限性。总的而言，不同模型各具优缺点，但不收稿日期：201511-12 修订日期：20151215基金项目：国家自然科学基金资助项目(51179150；51409212；51409213)，

7、西安理工大学博士启动基金资助项目(109256211421)作者简介：苏李君，讲师，博士后，从事农业水土工程和微分方程数值解研究。西安西安理工大学理学院，710054。Emaih sljunll163com通信作者：王全九，教授，主要从事农业水土工程研究。西安西安理工大学水利水电学院，710048。Emaih wquanjiu163tom同类型土壤的颗粒组成、有机质含量对模型参数取值的影响仍需进一步深入研究。本文采用热脉冲方法测定原状土土壤导热率，分析了土壤颗粒组成对导热率的影响，建立了导热率与饱和度、容重、土壤颗粒组成和有机质之间的关系，提出了改进的C6t6一Konrad模型和改进的LuRe

8、n模型，为简单、快速获取土壤导热率提供参考。1材料与方法11 试验土样本文试验数据分别来自陕西省神木、米脂、安塞、宜川I、洛川I、长武、商南、安康及甘肃省张掖，各个试验区的概况参照文献fll】。本文采用米脂、神木(砂壤土)、安塞、宜川、长武5个地点的数据作为模型构建样本，神木(砂土)、商洛、洛川、安康和张掖5个地点的数据作为检验样本。试验地土样质地分类及相关参数如表1所示。12试验方法为了研究原状土导热率的变化特征，在试验地里利用环刀采样，每个测量点布设情况为：设定为2列，每列10个测点，共20个测点，步长为3m，每个测点设置4种质量含水率，含水率大小以测量时的实测值为准(即在测量完毕后实测出

9、环刀内土样的实际含水率)，为减少环境温度变化对探针测量影响所带来的误差，在测点上方覆盖遮光的塑料帆布。万方数据128 农业工程学报(http：wwwtcsaeorg) 2016年试验仪器采用的是3探针热脉冲探头，采用CRl000数据采集器对数据进行采集。每次试验总时长900 s，加热脉冲时长为15 s，重复3次，取3次试验的平均值。每间隔1 S数据采集器记录一次土壤温度值。土壤热参数根据基本理论公式计算12-13】为 =去E碥卜f“。式中丁为温度变化值，；t为感应探针达到最高温度所需的时间，s；to为热脉冲持续时间，s；Q为线性热源的强度，Q=qp。；肛为介质的体积热容量，MJ(m3K)；q为

10、单位时间内单位长度的加热丝释放出的热量，Wm；oco为介质的热扩散系数，m2s；，为热电偶与线性电源的垂直距离，mm；尉为指数积分，可以用Abramowitz andStegun(1972)给出的公式计算【14】。三探针热脉冲的原理是：测定时，在有限时长(为)内加热源发出热脉冲，在岛时刻，感应探针达到温度最大变化值乙，由此可得关于热扩散率反。和土壤热容量反的表达式15161为旷鲁(去一丢W去2了l瓦一iJ尸l赢J屹成=志I E(南H剖，根据式(2)和式(3)，土壤导热率2(W(mK)就可以通过二者的乘积得到，即A=Pc。 (4)13基本理论131 CampbeI I(1985)导热率经验模型基

11、于土壤质地、容重和体积含水率，Campbell3】提出了计算土壤导热率的经验公式，即允=A+BO-(A-D)expl-(co)6 l。 (5)式中0为体积含水率，cm3cm3；参数A，B，C，D和E可根据土壤容重、黏粒含量计算。具体表示为I彳=o65一o78pb+o60，B=106pb，1c：l+百26，D：o03+o1露，E：4。 (6式中m。为表示黏粒含量，P6为土壤容重。132 Johansen(1975)导热率的半理论模型针对非饱和土壤，在干土导热率(缸，W(mK)和饱和土导热率(k，W(mK)的基础上，Johansen建立了导热率A和Ke(Kersten数)之间的关系51五=(屯一k

12、)。E+k。 (7)并提出了疋和土壤含水率或者饱和度Sr(Sr=00。，只是指饱和含水率)之间的一种对数函数关系式K。：o7109 Jsj+1o，o0501。屯=1弼。式中在20C条件下2w=0594 W(mK)；n为土壤孔隙度；九由整个固体的石英含量(q)及石英导热率屯=77 W(mK)和其他矿物质的导热率(五o)计算得到，以=刀硝，其中：樟0 W(mK)(舢2)，护30 W(mK)(g02)。 旯。，：0135pb+647。(9)，2一o Ly J727000947pb133 C6t 6和Konrad(2005)对Johansen模型的改进为了简化Johansen模型中对数函数式(8)的计

13、算，C6t6和Konrad基于参数k提出了砭与母的一个新关系式【6】为K=生一。 (10)1+(尼一1)Sr式中k是与土壤质地有关的参数。对于粗砂粒、中小砂粒、黏土和有机质含量高土壤，k分别取值为：460，325，140，120。并且提出了一个新的k计算公式k=zIO叫”。 (11)式中须W(mK”和r是受土壤质地影响的参数。对于碎岩石、矿物土壤、有机质含量高的土壤，z和r分别取值为170和180、075和12、030和087。134 Lu和Ren(2007)对Johansen模型的改进为了使Johansen模型更加适用于土壤低含水量条件下导热率的计算，Lu和Ren提出了恐与母的一种新的指数函

14、数表达式【7】万方数据第2期 苏李君等：基于土壤物理基本参数的土壤导热率模型 129t=exp(a(1一影。“)。 (12)其中n是由土壤质地决定的参数，对于砂粒含量大于40的粗质土壤和砂粒含量小于40的细质土壤分别取值为：096、027。133指的是形状参数。对于含矿物质的土壤，给出了A咖新的计算公式=一an+b。 (13)其中a，b是经验系数，在02安塞砂壤土宜川黏壤土长武粉壤土。与表1对照可知，砂粒含量越高，粉粒含量越低，土壤导热率越大，土壤导热能力越强【9l。曩秀主土兰|警l主1 o￥体髟!含水率VolumetriC water contentfcmcn图1 土壤导热率与含水率之间的变

15、化关系Fig1 Relationship between soil thermal conductivity and watercontentLu和Ren等研究表明，根据土壤砂粒含量可以将土壤分为两大类：砂粒含量大于40时，为粗质土壤，由Sr_03，粗质土壤的怒S关系曲线划分成2个线性变化区问；砂粒含量小于40时，为细质土壤，由铲013和S严030，细质土壤的怒S关系曲线划分成3个线性变化区间。图2给出了土壤导热率标准化形式的丘S关系曲万方数据1 30 农业工程学报(http：wwwtcsaeorg) 2016年线，其中长武和安康的土样属于细质土壤，神木、米脂、安塞、商南、宜川、洛川及张掖的土

16、样属于粗质土壤。从图中可以看出，当0250时，模型预测精度较差，计算值明显小于实测值，这种现象可能是由于粗质土壤空隙较大，持水能力较弱，含水率测量值偏低导致。实测伉Measured values 。LuRell模型Lu-Rea modelx Johansen模型Johansen model +Campbell谈Campbell modeo C61+Kortrad模型C6t6Konrad model斜f案g羊O 8骧：5 0 20体=；含水率Volumetric water content(cm3 cma神木砂上a Shenmu sand soll体口：含水率Volumetric water c

17、ontent(cm。cm。)b安康粉黏壤土b Ankang silty clay loam soil图3 不同模型土壤导热率计算值与实测值比较Fig3 Comparison of soil thermal conductivity values calculatedbv different models with measured222改进的C6t6一Konrad模型与改进的LuRen模型准确性分析通过对Campbell模型、Johansen模型、C6t6Konrad模型和LuRen模型计算值与热脉冲实测值的比较分析可知，土壤导热率与土壤颗粒组成、有机质含量及容重有着紧密的联系，对于不同的土壤

18、质地，模型参数的选取也不同。Johansen模型中，参数九与整个固体的石英含量有关，干土导热率A加与土壤容重有关；C6t6Konrad模型中，参数k与粗砂粒、中小的砂粒、黏土、有机质的含量高有关；LuRen模型中，参数。与土壤砂粒含量有关，并根据砂粒含量将土壤分为粗质土壤和细质土壤。在一定条件下，这些模型均能够较为准确地计算土壤导热率，但不能具体反映土壤颗粒组成和有机质含量对土壤导热率的影响。改进的C6t6一Konrad模型与改进的LuRen模型分别建立了模型参数与颗粒组成、有机质含量之间的关系，能够更加详细描述不同土壤质地与导热率之间的关系。本文采用米脂、神木(砂壤土)、安塞、宜川、长武5个

19、地点的数据(共466个样本点)，结合式(16)一(18)，对改进模型中的土壤质地与导热率之间的关系参数进行拟合，参数拟合结果如表2所示，土壤导热率拟万方数据第2期 苏李君等：基于土壤物理基本参数的土壤导热率模型 131合值与实测值的比较如图4所示。从拟合误差可以看出，两种改进模型的精度相差不大，均具有较高的计算精度。但从图4可以看出，对于改进C6t6Konrad模型，当土壤导热率小于06 W(mK)时，拟合值比实测值偏大，土壤导热率大于11 W(mK)时，拟合值比实测值偏小，RMSE、R2和Re分别为00964、09274、962；而对于改进LuRen模型，虽然拟合值与实测值也存在偏差，但图中

20、离散点较为均匀的分布于1：1线附近，RMSE、R2和Re分别为00961、09278、959。，g兰商洛洛川安康；黏粒含量为：神木09326以及I沁821，均明显优于其他3种模型，即对于砂粒和粉粒含量均较低的土壤，可以选取改进LuRen模型模拟土壤导热率。为了进一步验证改进的模型是否能推广到其他质地土壤中，采用改进模型对甘肃省张掖样本的土壤导热率进行模拟预测，由于张掖土样为砂黏壤土，砂粒含量为6013，由以上的模型比较分析可知，对于砂粒含量较高的土壤导热率，改进C6t6一Konrad模型的模拟效果较好。图5c和表3分别给出了张掖土壤导热率预测值与实测值的比较结果及模拟误差。通过误差分析可知，改

21、进C6t6Konrad模型的模拟精度略高于其他3中模型，其中，改进C6teKonrad模型的RMSE和砰分别为01026、09069，比其他3种模型略有提高，RP为815，比其他3种模型略有降低。因此，针对不同的土壤质地，选取合适的改进模型能够更加准确地计算土壤导热率。$。“ 体1II|A水率 1杠苦水、Volumetric water contenff(em3cm3) Volumetric water content(cm3 gin。) Volumetric water content(cmtcm4)a神木砂土 b安康粉黏壤土 c张掖砂黏壤土a Shenmu sand soil bAnkan

22、g silty clay loam soil C Zhangye sandy clay loam soil图5 改进的C6t6Konrad模型与改进的LuRen模型对不同土质土壤导热率的预测值与实测值比较Fig5 Comparison ofsoil thermal conductivity values predicted by improved C6t6一Konrad model and improved Lu-Ren model with measured表3不同导热率模型模型的对采用地土壤导热率的模拟误差Table 3 Soil thermal conductivity simulate

23、d values and errors by different soil thermal conductivity models in sampling area采样地Sampling area西磊_Kon赢i秸逊Lu。Ren模型 改进C6t6Konrad模型 改进LuRen模型C6tdKonrad model LuRen model Improved C6t6一Konrad modeI Improved Lu-Ren model 一两万稹谩差_浜歪泵甄霜两误手两万覆谩趸死E磊甄面i于=要事1而再雨嘉三弓磊耍疆雨币丽巧万根误差浜歪系焉陌鬲误事墨丛!曼 墨： 墨型丛墨丛!里 壁 墨!丝垦丛!星

24、 墨： 墨!丛垦坚!垦 墨： 墨型丛01208 09401 967 01238 O937 991 O1 183 09425 947 01366 09234 109401088 09062 1057 01014 09185 985 00951 09259 955 O0986 08775 1094O081 08422 987 00725 O8736 883 01243 0，845I 1317 O0766 09412 81 100946 08872 105 00747 09298 828 01063 O8514 1097 00815 09326 82101216 08985 868 01349 08

25、9l 1 88l 01026 09069 815 01034 09053 822神木Shenmu安康Ankang商洛Shngluo洛川Luochuan张掖Zhartffve万方数据132 农业工程学报(http：wwwtcsaeorg) 2016缸3结论1)对Campbell模型计算结果比较可知，该模型预测精度较差，对于粗质土壤，模型计算的土壤导热率比热脉冲实测值偏小；对于细质土壤，模型计算的土壤导热率比热脉冲实测值偏大。在利用Campbell模型计算导热率时，需要对模型进行修正。2)通过对Johansen模型、C6t6Konrad模型和LuRen模型的模拟结果比较可知，Johansen模型计

26、算值显著小于实测值，计算误差较大；对细质土壤，C6t6一Konrad模型和LuRen模型对土壤导热率都具有较好的拟合效果，且精度较高；对于粗质土壤，当饱和度耻50时，C6tdKonrad模型和LuRen模型依然能够较好的拟合土壤导热率，但当饱和度母50时，模型预测精度较差，计算值明显小于实测值。3)改进的crtdKonrad模型与改进的LuRen模型可以用来拟合不同地区不同土质的土壤导热率，且具有较好的拟合精度，决定系数砰均在092以上，相对误差Re均低于96。对于砂粒含量或粉粒含量较高的土壤，改进crtdKonrad模型模拟结果的均方根误差(root-meansquare error，RMS

27、E)01 183、R209259以及相对误差(relative error，Re)955，均优于crtdKonrad模型、LuRen模型和改进LuRen模型；对于砂粒和粉粒含量均较低的土壤，改进LuRen模型模拟结果的RMSE00815、R209326以及RP821，均明显优于其他3种模型。两种改进模型分别建立了模型参数与颗粒组成、有机质含量之间的关系，能够更加详细描述不同地区的土壤质地与导热率之间的关系，且针对不同的土壤质地，选取合适的改进模型能够更加准确地计算土壤导热率。2】2【3】4【56】7】参考文献李毅，邵明安，王文焰，等质地对土壤热性质的影响研究阴农业工程学报，2003，19(4)

28、：62-65Li Yi，Shao Mingan，Wang Wenyan，et a1Influence of soiltextures on the thermal propertiesfJlTransactions of theChinese Society of Agricultural Engineering(Transactions ofthe CSAE)，2003，19(4)：6265(in Chinese with Englishabstract)Chung SOHorton RSoil heat and water flow with a partialsurface mulchJ

29、Water Resources Research，1987，12(1 1)：2175-2186Campbell G SSoil Physics with BASICMAmsterdam，theNether-lands：Elsevier,1985：221-234De Vries D AThermal Properties of SoilsM1Amsterdam：NorthHolland Publishing Co，1963。210235Johansen O111errnal Conductivity of SoilsD1Trondheim，Norwegian University of Scie

30、nce and Technology，1 977C6td J，Konrad J MA generalized thermal conductivitymodel for soils and construction materialsfJCanadianGeotechnical Journal 2005，42(31：443458Lu S，Ren T，Gong YuanshiAn improved model forpredicting soil thermal conductivity from water content atroom temperatureJSoil Science Soc

31、iety of AmericaJournal，2006，71(1)：8148】 李婷，王全九，樊军土壤热参数确定方法比较与修JEJ农业工程学报，2008，24(3)：5964Li Ting，Wang Quanjiu，Fan JunModification andcomparison of methods for determining soil thermalparametersJTransactions of the Chinese Society ofAgricultural Engineering(Transactions of the CSAE)，2008，24(3)：5964(in

32、Chinese with English abstract)9】 王铄，王全九，樊军，等土壤导热率测定及其计算模型的对比分析J】农业工程学报，2012，28(5)：78-84Wang Shuo，Wang Quanjiu，Fan Jun，et a1Soil thermalproperties determination and prediction model comparisonJTransactions of the Chinese Society of AgriculturalEngineering(Transactions of the CSAE)，2012，28(5)：7884rin

33、Chinese with English abstract)10】王卫华，李建波，王铄，等土壤热特性参数空间变异性与拟合方法研究四农业机械学报，2015，46(4)：120-125Wang Weihua，Li Jianbo，Wang Shuo，et a1Spatialvariability of soil thermal parameters and its fitting methodJTransactions of the Chinese Society for AgriculturalMachinery，2015，46(4)：120一125(in Chinese with English

34、abstract)1l】王卫华土壤导气率变化特征及水气热动力学参数空间变异性研究D】西安：西安理工大学，2013Wang WeihuaThe Variations Characteristics of Soil AirPermeanbility and the Spatial Variation Characteristics ofSoil腑er,Air and Heat Transfer Kinetic ParameterResearchDXian：Xian University of Technology，201 3(in Chinese with English abstract)12】

35、de Vries D AA nonstationary method for determiningthermal conductivity ofsoil in situJSoil Science，1952，73：838913】Liu X，Ren TDetermination of soil bulk density withthermotime domain reflectometry sensorsJSoil ScienceSociety ofAmerica Journal，2008，72(4)：1000100514】Abramowitz M，Stegun IDetermination o

36、f CharacterristicValuesHandbook of Mathematical FunctionsMNew York：Dover Publications，1 972：722-72415】Kluitenberg G J，Ham J M，Error analysis of the heat pulsemethod for measuring soil volumetric heat capacityJ】SoilScience Society of America Journal，1993，57(6)：1444145116】Bristow K L，Kluitenberg G J，H

37、orton RMeasurement ofsoil thermal properties with a dualprobe heat-pulsetechniqueJSoil Science Society of America Journal，1 994，58(5)：1288129417】王卫华，王全九，武向博，等黑河中游绿洲麦田土壤水气热参数田间尺度空间分布特征【J】农业工程学报，2013，29(9)：94102Wang Weihua，Wang Quanjiu，Wu Xiangbo，et a1Characteristics of spatial distribution of soil wa

38、ter-air-heatparameters in typical oasis croplands at middle reaches ofHeihe RiverJTransactions of the Chinese Society ofAgricultural Engineering(Transactions of the CSAE)，2013，29(9)：94102(in Chinese with English abstract)万方数据Soil thermal conductivity model based on soil physical basic parameterssu L

39、ijunl，Wang Quanjiu勰，wang Shu03，Wang Weihua啤(1SchoolofScience,XianUniversityofTechnology,Xian 710054，China；2InstituteofWaterResourcesandHydro-electricEngineering，xian University ofTechnology，Xian 710048，China；3Shangluo WaterResourcesBureau，Shangluo 726000，China；4Faculty ofModem Agricultural Engineeri

40、ng,Kunming University ofScience and Technology,Kunming 650500，China)Abstract：Soil physical basic parameters are key factors for impacting the soil thermal conductivity，and they are also closelyrelated to the model parameters used to calculate the soil thermal conductivityIn order to study the relati

41、onship between soilphysical basic parameters，organic matter content and soil thermal conductivity model parameters，the precision of differentsoil thermal conductivity models was discussed by analyzing 10 types of soil samples in this paperThere were 9 types ofsoil textures which were sampled from di

42、fferent areas in Shaanxi Province，and the last one was sampled from ZhangyeGansuProvince，which was used to verify the feasibility of the new modelsAccording to the sand content。these soil samples weredivided into 2 types：finetextured soil and coarse-textured soilThe soil thermal conductivity models

43、were used to fit these 2types of soilsand the comparison results indicated that the theoretical models such as C6t6Konrad model and LuRen modelwere more precise than Campbell model and Johansen modelThe fitted results of Johansen model were significantly smallerthan the measured values，and the range

44、s of root mean square error(RMSE)，coef!ficient of determination僻2)and relative error(Re)for this model were 0084802548，06560827 and 1032204l，respectivelyMoreover,C6t6Konrad model andLuRen model had better fitting results for finetextured soil，and the ranges of RMSE，R2 and Re were 008 1 001 208，08420

45、940 and 967一1057for C6t6Konrad model and 007250123808740937 and 828991for LuRen modelHoweverthese 2 models were not suitable for calculating the soil thermal conductivity of coarsetextured soil when the watersaturation was larger than 50Thus，the improved models，which described the relationship betwe

46、en thermal conductivityand soil physical basic parameterswere developed based on C6t6Konrad model and LuRen modelThe results showed thatthe improved models could be used to fit the thermal conductivity in different soil texturesand the RMSE was less thanO0964，the R2 was up to 092 and the Re was less

47、 than 96For predicting the soil thermal conductivity with higher sandcontent or higher silt content，me values of RMSE，R2 and Re for the improved C6t6Konrad model were 01 183，09259 and947，respectively，which was better than the C6t6一Konrad model，LuRen model，and improved LuRen model through theanalysis of simulation errorOn the other hand，for predicting the soil thermal conductivity with lower sand and silt contents，the values of I蝴SE，R。and Re for the improved LuRen model were 00815，09326 and 811，respectively，which wasbette