土壤水分特征参数估计(soil water characteristic)

引言

土壤水分特征是水文学研究的重点,在作物模型中也是计算土壤水平衡不可或缺的参数。研究中一般用水分特征曲线来反映土壤的持水特征,渗透特征曲线可以反映土壤渗透特征。
这里面有几个主要的参数

  • 永久萎蔫点(土壤水势约为-1500kp)
  • 最大田间持水量(土壤水势约为-33kp)
  • 饱和含水量(土壤水势为0kp)
  • 饱和渗透率(mm/h)

美国农业局研发的软件 soil water characteristic可以根据土壤的质地(砂粒、粘粒、有机质、土壤容重、碎石子含量、盐浓度)来估算土壤水分特征参数。

软件界面

本文基于说明文档里的参数计算基于python实现了土壤特征参数的估算以便于程序化的应用,由于盐含量的没看太多,本程序没有考虑盐含量的影响

代码

import numpy as np
def soil_data(s, c, om, b=1.37, Rw=0):
    """
    author: Shuai-jie Shen 沈帅杰
    CSDN: https://blog.csdn.net/weixin_45452300
    公众号: AgBioIT
    简书: //www.greatytc.com/u/340aa9a27181
    输入参数包括砂粒s、粘粒c、有机质含量om,土壤容重b和碎石子含量Rw(可选)
    输出为永久萎蔫点pwp、田间持水量fc_v、饱和含水量sat_v、饱和最大渗透率Kb(mm/h)
    """
    s = s  # sand % (0-100)
    c = c  # clay % (0-100)
    om = om # organic matter % (0-100)
    b = b  # bulk g/cm3 (0-100)
    Rw = Rw  # gravel weight rate (0-1)
    # 永久萎蔫点 PWP文中θ1500
    pwp = 1.14*(-0.00024*s+0.00487*c+0.006*om+0.00005*s*om-0.00013*c*om+0.0000068*s*c+0.031)-0.02
    # 田间持水量 FC 文中θ33
    o33 = -0.00251*s+0.00195*c+0.011*om+0.00006*s*om-0.00027*c*om+0.0000452*s*c+0.299
    fc = o33+1.283*o33*o33-0.374*o33-0.015
    # 饱和含水量-FC  θ(S-33)
    s_33 = 1.636*(0.00278*s+0.00034*c+0.022*om-0.00018*s*om-0.00027*c*om-0.0000584*s*c+0.078)-0.107
    # 饱和含水量
    sat = fc+s_33-0.00097*s+0.043
    # 校正后田间持水量与饱和含水量
    pn = 2.65*(1-sat)
    df = b/pn
    if df<0.9:
        df=0.9
    elif df>1.3:
        df=1.3
    pdf = pn*df
    # 校正过的田间持水量
    fc_v = fc-0.2*(fc+s_33-0.00097*s+0.043-(1-pdf/2.65))
    # 校正后饱和含水量
    sat_v = 1-(pdf/2.65)

    # 饱和导水率mm/h
    y = (np.log(fc_v) - np.log(pwp))/(np.log(1500) - np.log(33))
    Ks = 1930*(sat_v - fc_v)**(3 - y)
    # gravel校正导水率
    a = b/2.65
    kb_ks = (1-Rw)/(1-Rw*(1-3*a/2))
    Kb = kb_ks*Ks
    return [pwp, fc_v, sat_v, Kb]

soil_data(20,20,2.5,1.37,0.0)
结果
[0.1365448, 0.3210563234370656, 0.4830188679245282, 12.32810667755292]

软件的option里可以换单位,结果与软件有微小差异,可能是计算时保留小数位数不同所致。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,386评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,142评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,704评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,702评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,716评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,573评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,314评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,230评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,680评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,873评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,991评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,706评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,329评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,910评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,038评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,158评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,941评论 2 355

推荐阅读更多精彩内容