基于土壤表观电导率的变量灌溉管理分区方法

李茂娜，孙 宇，严海军※，王春晔

（1.中国农业大学水利与土木工程学院，北京，100083；2.中农智冠（北京）科技有限公司，北京，100088）

0 引 言

随着中国农业集约化、规模化的不断发展，进行统一管理的农田尺度不断提升。然而，当大农田尺度土壤物理特性存在较大差异时，若仍采用传统的均匀灌溉，将会引起局部地块灌水过多或不足，不但造成作物长势不均，还会大幅降低水分利用效率[1]。变量灌溉技术根据土壤空间变异性，将田块划分成不同管理小区，依据各小区实际需求调整灌水量，而非所有小区均匀灌溉，从而为提高灌溉水利用效率提供重要保障[2]。管理小区的划分是实现变量灌溉管理的基础，其合理性对变量灌溉系统控制精度、投资成本与经济效益均有重要意义。当前，变量灌溉管理小区划分大多是依据土壤特性的差异而进行的，主要包括基于土壤质地[3-4]与土壤可利用水量[5]2种方法。然而，这2种方法虽然可直观地反映出土壤持水能力，但受田块大小、测量设备及人力资源的影响较大，如测量过程中取样点数量过少则小区划分准确性较低，取样点数量过多则耗时耗力[6-7]，因此较难成为规模化农田快速评估土壤空间变异性的有效方法。

土壤表观电导率（Apparent Soil Electrical Conductivity，ECa）的传导途径包括3种：1）土壤颗粒与相邻土壤溶液间的固-液传导，2）土壤溶液间的液-液传导，3）相邻土壤颗粒间的固-固传导。多种传导途径使得ECa能够综合反映土壤物理和化学特性[8]。通常，ECa受土壤盐度、质地、阳离子交换量（Cation Exchange Capacity，CEC）、孔径大小和分布以及土壤水分含量等众多因素影响[9-10]。然而，对于含盐量很低的非盐渍土，ECa则主要受土壤质地、土壤水分含量、土壤容重等参数影响[8]，可用于表征因土壤质地变化引起的相关物理参数变异状况。同时，较多研究证明[11-13]，采用具有高精度GPS系统的电阻式或电磁式感应系统，诸如Veris EC与EM 38仪器，能够实现大尺度农田的ECa高精度空间分布图的快速获取。因此，研究者们认为ECa或可成为高精度定量评估土壤变异程度的有效方法[2,14]。然而，关于如何依据ECa空间分布特点划分变量灌溉管理小区，以及ECa如何反映土壤理化性质变异性等系列问题还需开展进一步研究。同时，获取ECa数据后，通常需先采用商业软件（如ArcGIS）进行数据处理，过程复杂、费时，不但不利于变量灌溉的实时管理，也大大增加了普通用户使用变量灌溉的难度[15-16]。

为此，本研究采用Veris EC大地电导率仪对试验地ECa进行调查，分析不同ECa土壤空间分布特征，研究ECa与土壤颗粒组成间的关系，在此基础上提出基于ECa的变量灌溉管理小区划分方法，开发相应分区软件并进行应用。研究结果将为变量灌溉的实时管理与应用实践提供技术支持。

1 材料与方法

1.1 试验地概况

于2018年9月—2019年4月分别对3块试验地开展试验。1号试验地位于中国农业大学通州实验站内，该实验站位于北京市通州区（39°41′N，116°41′E）。试验地块为长方形，长约187 m，宽约99 m，总面积约为1.85 hm2，试验地块地势平坦。试验地前茬作物为夏玉米，0～80 cm土层内土壤类型（美国制）为砂壤土。2号与3号试验地均位于河北省涿州市东城坊镇中国农业大学教学科研基地内，位于河北省中部（39°27′N，115°51′E）。其中，2号试验地为一个约80°的扇形，半径约为140 m，总面积约为1.37 hm2，前茬作物为苜蓿，0～80 cm土层内土壤类型（美国制）以砂壤土为主。3号试验地为一个约100°的扇形，半径约为140 m，总面积约为1.71 hm2，前茬作物为夏玉米，0～80 cm 土层内土壤类型（美国制）以砂土为主。试验地俯瞰图如图1所示，各地块分层土壤基础信息如表1所示。

图1 试验地示意图Fig.1 Diagram of test fields

表1 各试验地土壤物理化学特性Table 1 The physical and chemical properties of soil in each test field

1.2 试验过程

本研究对3块试验地均进行ECa测量，分析其ECa分布情况。其中 1号试验地，分别测量翻耕（前茬作物为玉米，翻耕时间为2018年10月4日）前后的ECa值，探讨翻耕对ECa值的影响；对3块试验地ECa数据进行统计学特征分析，选择变异系数最大且ECa聚类分区结果最明显的试验地，探讨土壤质地与ECa关系，进行变量灌溉管理小区划分，并开发相应的分区软件。

1.3 数据获取与预处理

1.3.1 ECa的获取

试验地的ECa由大地电导率勘测仪（Veris EC 3100，USA）测定。该设备可同时测量0～30 cm (ECash)与0～90 cm (ECadp) 2种土层深度的值，通过GPS系统（地理坐标系为WGS 1984）实时记录测量点的位置。大地电导率勘测仪通过犁刀电极感测土壤表观电导率，该仪器电极配置采用Wenner阵列模式，其对于不同深度的相对电极感应强度变化如式（1）所示[17]：

式中Rw为相对感应强度；L为两电极间的距离，本仪器取2.2 m；z为土层深度，cm。本系统中，GPS精度为1 m，犁刀电极采集频率为1 Hz，系统采用544 kg的配重以确保犁刀电极与土壤的贴合，以保证系统较高的精准度。

选择晴朗天气，进行试验地 ECa数据调查。1号试验地ECa调查分别于2018年9月29日与10月6日进行。3号与2号试验地ECa 调查试验分别于2019年3月18日、3月19日进行，大地电导率勘测仪由拖拉机牵引，于南北方向上往返测量，最终获得整块试验地的ECa数值。采集过程中（图2），大地电导率勘测仪的行进速度为2.3 m/s。每个试验地块的ECa数据测量耗时均未超过2 h，测量过程中未发生降雨与灌溉，可认为土壤水分无明显变化。

1.3.2 ECa的统计特征分析

利用EC 3100在3块试验地进行数据采集，分别对同一位置的重复样本值进行平均化处理，1号试验地翻耕前后分别得到了4 748与5 154组有效源数据；2号与3号试验地分别得到了3 717与5 844组有效数据。表2列出了各试验地ECa的统计特征分析结果。

1.3.3 土壤质地

根据 ECa数据预处理结果（表2）可知，1号地的ECa空间变异性较低，其变异系数仅在19.88%～29.23%之内，故本文选择ECa空间变异程度较高的2号与3号试验地，分析ECa与各土壤颗粒体积分数间的关系，以进一步探讨ECa表征土壤空间变异性的可行性。具体过程为：将根据ECa结果对试验地进行管理小区划分，分别在高值区、中值区、低值区内任取3～4个点，按照0～20、20～30、30～50、50～70、70～90 cm分层取样，利用马尔文激光粒度仪（MS3000，Malvern，UK）测量土壤砂粒、粉粒、黏粒体积百分数，并根据美国制标准确定土壤质地。

图2 利用大地电导率勘测仪获取土壤表观电导率Fig.2 Measuring apparent soil electrical conductivity by Veris EC 3100

表2 各试验地土壤表观电导率统计特征值Table 2 The statistical characteristics of apparent soil electrical conductivity in each field

1.4 研究方法

1.4.1 ECa数据插值与归类

由于 Veris EC 3100在数据采集过程中可能遇到砾石，导致犁刀电极弹出土壤，从而采集到空值，此空值点需借助周围已知数据点进行插值估算，以生成ECa分布图。本文利用反距离权重插值法对已知数据进行差值。具体过程：选取未知点周围n个已知点，根据式（2）[18]计算各已知点i的权重Wi后，将各已知点的值与权重Wi相乘后累加，便可估算出未知点。

式中Wi为已知点i对于未知点的权重；di为已知点i与未知点距离，m；n为已知点个数，本文取12。

采用自然间断法对现有的数据进行分级归类，分类原则为组内方差最小，组间方差最大，本文分级数为 7个。采用拟合度指数（Goodness of Fit Index，GFI）判断分类结果的优劣，计算如式（3）：

式中d*为各组均值的平均偏差平方和，d为整体的偏差平方和。GFI越接近 1，分类结果越好，一般要求 GFI为0.9以上。

1.4.2 不同土层土壤质地与ECa关系的确定

根据试验地 ECa数据采用自然间断法分级形成的 7个等级结果，按照数值大小划分为高、中、低值3个区，再确定各区内土壤颗粒组成与ECa的关系。

由Sudduth 等[17]对Veris EC 3100系统的测量原理研究可知，随着深度的逐渐增加，ECa感应强度在深度方向无限接近 0，不同土层深度对 ECa的测量值的贡献率不同。即系统在获取0～30 cm与0～90 cm 2种土层深度的ECa值时，测量范围外的土层仍会对结果有影响，但影响较小。因此，分析ECa与土壤颗粒体积分数间的关系时，首先需确定各土层对于最终ECa测量结果的贡献权重。采用的方法为：首先，根据式（1）对土层深度进行积分，以获得各层土壤的原始权重；随后，将各原始权重进行归一化处理，使得各土层深度累积权重值为1，即归一化后的权重为各土层深度对 ECa贡献的最终权重。具体过程为：土壤颗粒组成测量时的分层深度为0～20、＞20～30、＞30～50、＞50～70、＞70～90 cm，对于ECash，则0～20与＞20～30 cm土层的颗粒体积分数对应的原始权重分别为0.759、0.138，归一化处理后的最终权重分别为0.846和0.154。对于ECadp，0～20、＞20～30、＞30～50、＞50～70、＞70～90 cm土层的颗粒体积分数对应的原始权重分别为0.209、0.169、0.266、0.152、0.082，归一化处理后分别为0.238、0.192、0.303、0.173、0.093。随后，将各样点不同土层深度的砂粒、粉粒与黏粒体积分数分别乘以对应权重，得到某点0～30与0～90 cm土层的综合颗粒体积分数。

1.4.3 软件开发

为了方便用户根据获取到的ECa空间分布图进行变量灌溉小区的划分与实时管理，本文以Eclipse和Tomacat为开发环境，采用Java语言编写，通过PostgreSQL建立数据库，开发了基于Web平台的变量灌溉管理分区软件。

1.5 数据分析与制图

本文采用 SPSS 20.1进行数据统计学分析，采用ArcGIS进行数据插值与聚类分析，并生成空间分布图。

2 结果与分析

2.1 ECa空间分布

由表2可知，1～3号试验地ECa平均值范围分别为13.20～29.25、2.34～5.79、2.69～6.86 mS/m，对应的变异系数均值为 25.60%、67.64%与64.20%。由于ECa通常与土壤含水率、阳离子交换量等成正相关[17-18]，因此，1号试验地的ECa明显高于2号与3号试验地。1～3号试验地ECa的变异系数在19.88%～78.81%之间，根据土壤变异程度分类[19]可知，3块试验地的ECa空间变异系数均在10%～100%范围之内，故均为中等变异程度。

表3列出了1号试验地在土地翻耕前后的ECa频数分布。当以频数超过150为划分依据时，翻耕前，0～30 cm的ECash值集中分布在15～40 mS/m范围内；翻耕后，则集中分布在5～25 mS/m范围内。翻耕前、后，0～90 cm的ECadp值均集中分布在10～30 mS/m范围内。

图3分别列出了1号试验地在翻耕前、后的ECa空间分布情况。由图可知，在土地翻耕后，ECash高位值区域发生了较大移动，高位 ECash区域面积明显减小，而ECadp空间分布情况在翻耕前后并未发生较大变化。这主要是由于翻耕会对浅层土壤造成极大扰动，翻耕后土壤蒸发能力加强，降低了土壤水分含量，削弱由土壤毛细管吸力作用引起的土壤可溶性盐类的聚积作用，并引起其空间分布的变化。

表3 1号地试验表观电导率频数分布Table 3 The frequency distribution of apparent soil electrical conductivity in No.1 field

表4列出了2号试验地ECash与ECadp的频数分布。ECash值在各区间范围均有一定数量值的分布，ECash水平空间变异程度较高，其变异系数高达67.79%。ECadp值多分布在1～4 mS/m之间。由2号试验地的ECa空间分布情况（图4）可知，ECa值在浅层与深层土壤中均有明显的分区，故而 ECa水平空间变异程度均较高，分别为67.79%和67.48%。

由表4可知，3号试验地ECash值分布范围较广，在不同区间范围均有一定数量值的分布，ECash水平空间变异程度很高，其变异系数高达78.81%。ECadp值的分布范围相对较小，当以频数超过150为划分依据时，ECadp值主要分布在0～6 mS/m范围内，但在该范围的不同区间内均有一定数量值分布，ECadp水平空间变异程度较高，其变异系数为49.58%。由3号试验地的ECa空间分布情况（图5）可知，0～30 cm土层中，地块中除有少量高位值以斑状分布于东南方向，其余基本均为中位值。0～90 cm土层中，ECa聚集分区结果明显。

表4 2号与3号试验地表观电导率频数分布Table 4 The frequency distribution of apparent soil electrical conductivity in No.2 and No.3 fields

2.2 土壤颗粒体积分数与ECa的关系

图6列出了2号、3号试验地各类土壤颗粒体积分数与 ECa值的综合关系。由图可知，各土壤颗粒体积分数与ECa间的线性趋势在0～30 cm与0～90 cm土壤中均保持呈一致，其中 ECa值与砂粒体积分数呈线性负相关，与粉粒、黏粒体积分数呈正相关关系，即ECa值随着砂粒体积分数的增加而降低，但会随着粉粒与黏粒体积分数的增加而增加，这与 Anderson-Cook等[14]与Hedley等[20]的结论基本一致。土壤空间变异性多由土壤质地差异造成，而本研究中土壤中的各颗粒体积分数均与ECa间存在良好的线性关系，表明土壤ECa的分布可以较好地反映地块内土壤质地的变化，因此依据 ECa对田块划分变量管理小区是可行的。此外，相比于 ECash，ECadp与砂粒、粉粒与黏粒体积分数具有更强的线性关系，其R2分别可达0.83、0.90与0.86，表明 ECadp更适合用于快速反演推断出田块中土壤各颗粒体积分数以及质地情况，这与Sudduth等[17]的研究结果一致。因此，基于ECadp分布进行管理小区划分会更加可靠。

图4 2号试验地表观电导率空间分布Fig.4 Spatial distribution of apparent soil electrical conductivity in No.2 field

图5 3号试验地表观电导率空间分布Fig.5 Spatial distribution of apparent soil electrical conductivity in No.3 field

图6 2号与3号试验地土壤颗粒体积分数与土壤表观电导率ECa的关系Fig.6 The relationships between soil particle content and apparent soil electrical conductivity ECa in No.2 and No.3 fields

2.3 灌溉管理小区的划分

当前，变量灌溉的应用对象多为圆形喷灌机系统与平移式喷灌机系统。其中，圆形喷灌机控制面积大、在较大尺度田块内可能存在土壤空间变异性，又因其设备自动化程度高，因此具有发展变量灌溉的巨大优势。本文 3块试验地的灌溉系统均为圆形喷灌机。通常，实现圆形喷灌机变量灌溉主要采用3种方式：1）调整机组行走速度；2）在喷头上端安装电磁阀，通过调节电磁阀占空比，调整喷头开启与关闭的时间；3）上述两者结合使用。其中，调整喷灌机行走速度可实现环向方向上喷灌水深的改变；调整不同喷头启闭时间（电磁阀占空比）可实现径向方向上喷灌水深的改变；径向与环向方向的叠加组合，可以实现不同形状和面积的管理小区内灌溉水深的调整，实现变量灌溉。

根据2.1与2.2节的结果可知，翻耕会造成ECash的空间分布发生较大变化，并且ECadp与土壤颗粒体积分数具有更好的线性关系，更适合用于反演土壤颗粒组成。因此，基于ECadp空间分布进行变量灌溉管理小区划分更为可靠。分析1～3号试验地ECadp统计特征可知，1号试验地在翻耕前后的ECadp空间变异程度均较低，其变异系数均值仅为23.58%。并且进一步分析1号试验地ECadp空间分布图（图3）可知，同一分级的 ECa在地块内多以面积较小的斑状呈现，即同一分级的ECa分布较为离散，较难据此划分出有效的灌溉管理小区，故认为对 1号试验地开展变量灌溉管理的潜力较低。相比之下，2号与 3号试验地 ECadp空间变异系数分别为 67.48%与49.58%，显然变异程度较高。进一步分析这 2块试验地ECadp空间分布图（图4与图5）可知，同一分级的ECa面积较大且分布较为集中，可用于生成管理小区并执行变量灌溉控制，故认为2号与3号试验地开展变量灌溉管理的潜力较高。

因此，本文在综合考虑试验地ECadp变异系数与空间分布特征的基础上，对2号与3号试验地分别进行变量灌溉管理小区的划分。根据2号与3号试验地数值聚集与空间分布结果，并与喷头变量控制组数与喷头有效喷幅相适应，本文划分了 3个管理小区，结果如图7所示。

图7 变量灌溉管理小区V1～V3划分结果Fig.7 Delineation management zones V1 to V3 of variable rate irrigation

3 变量灌溉管理分区软件

3.1 框架设计与功能介绍

本文基于圆形喷灌机系统开发了变量灌溉管理分区软件，以实现对变量灌溉小区进行实时划分与管理。该软件主要包括插值计算模块、管理小区划分模块、变量灌溉控制三大模块。操作流程大致为：1）输入田间ECa与灌溉系统基础信息；2）利用反距离权重法进行ECa插值分析；3）利用自然间断点分类方法生成ECa空间分布图；4）依据ECa空间分布，结合灌溉系统变量控制系统，确定管理小区数量；5）自动生成变量灌溉小区的空间划分，实现变量灌溉。软件流程如图8所示。

3.2 应用案例

本文应用开发的软件对 3号试验地进行了变量灌溉小区划分与实时管理，并与ArcGIS聚类分区结果进行对比。首先，进入软件的插值计算模块，输入地块边界坐标、分组数、迭代次数等相关信息，上传ECadp数据并点击计算。图9a为本软件根据数据绘制出的ECa空间分布图。由图可知，本软件形成的各等级区间范围和 Eca插值结果及对应的空间位置与图5b中展示的ECa分布结果基本一致，由此说明本软件的数据分析与计算准确、可靠。随后，进入管理小区划分模块，输入喷灌机机组长度和喷头数量，输入管理小区数，软件便可自动划分出管理小区，如图9b所示。最后，进入变量灌溉控制模块，输入灌溉计划名称、各管理小区的喷灌水深，软件可根据喷灌机系统参数、地块基本参数，自动计算管理小区的环向方向上变量灌溉控制参数（喷灌机行走速度的百分率值）以及径向方向上变量灌溉控制参数（喷头电磁阀占空比）并将这些信息自动发送至控制平台，从而实施自动变量灌溉。

图8 软件流程图Fig.8 Flowchart of software

图9 软件操作界面Fig.9 Interface of software

4 讨 论

变量灌溉主要是为了解决由较大土壤空间变异性导致灌水不均而造成的水资源浪费、灌溉水利用效率低下等问题，因此选择可有效区分土壤空间变异性的指标作为田块管理小区划分依据是其中的关键环节。同时，随着中国规模化农业生产的不断推进，确定可用于快速评估大尺度农田的土壤空间变异性的方法变得极为重要。本研究利用Veris EC 3100系统进行试验地ECa空间分布图的快速获取，并基于ECa开展变量灌溉管理小区划分方法研究。

研究结果表明，ECa与土壤中砂粒、粉粒与黏粒体积分数具有很强的线性关系，证明ECa可用于间接估计土壤质地，这与现有结果较为一致[21-23]。尽管，有研究者指出田块ECa值会随季节发生变动[14]，但整体而言，当外界影响条件（如降雨、灌水、施肥等）一致时，土壤的各项物理化学性质在一段时间内仍可保持相对固定。本文采用Veris EC 3100系统快速获取地块ECa需要的时间较短，可认为测量期间的土壤水分基本不发生明显变化，不会对ECa结果产生影响。因此，本文提出利用Veris EC 3100 快速获取田间ECa分布情况，计算分析土壤空间变异程度与空间分布特征，并在此基础上进行变量灌溉管理小区划分。相比于基于土壤质地、土壤可利用水量进行变量灌溉小区划分，这种方法较具有快速、可靠、操作简单等明显优势。

对于含盐量很低的非盐渍土壤，ECa主要受土壤质地、土壤水分含量、土壤容重等参数的影响[24-25]。同时，本研究及他人的研究结果[20]均表明，ECa与土壤颗粒组成具有良好的线性关系，可以于快速反演较大尺度田块的土壤质地情况。相比于 ECash，ECadp与土壤中各颗粒体积分数的线性相关程度更高，这可能是由于深层土壤中土壤含水率与CEC受到外界因素（如耕地、降雨等）的影响较小，因此土壤颗粒体积分数对ECa变化的贡献更高，可以更加准确地反映土壤自身特征引起的空间变异性。Zhao等[26]采用基于土壤可利用水量的方法，对本研究的 3号试验地划分了管理小区，对比结果可知，本研究中提出的基于ECadp的进行管理小区划分是合理的。此外，Cinthia等[27]的研究也表明，相比于ECash，ECadp空间变异性与玉米产量空间变异性相关性更高。因此，基于 ECadp空间分布特征进行管理小区划分可靠程度更高。本文的研究结果表明，ECa与砂粒体积分数负相关，与黏粒与粉粒体积分数正相关，但如何根据ECa值的高低制定变量灌溉制度还需要开展进一步研究。因为，ECa与产量之间既存在正相关也存在负相关关系[11-12,28]。这主要是因为土壤ECa值高时，即土壤黏性体积分数高时，土壤的保水性能则较好，但透气性则较差，不同作物生长过程对土壤透气性要求存在差异，当雨季来临时，若排水设施得当，则高ECa易获得较高的作物产量，反之则会造成减产。

确定小区的个数也是变量灌溉管理小区划分的重要环节。在基于ECa确定管理小区个数的过程中，不仅需要考虑ECa数据变异性，还需要考虑经济效益以及小区的变量灌溉控制是否满足灌溉设备要求。一般来说，管理小区划分个数越多，变量灌溉管理则越精细，但同样也意味着传感器网络系统个数、控制系统投资以及灌溉系统运行成本会增加。以圆形喷灌机系统为例，相比于均匀灌溉，变量灌溉系统的节水率达到5%～26%[29]，但其成本增加至 300～550 $/hm2[16]。总体而言，研究者们认为，2～6个数量的管理小区便可减少大部分不同尺寸地块的产量变异性[30-31]。Haghverdi等[32]的研究也证明，即使对于面积高达73 hm2的大尺寸田块，4～5个管理小区也足以解决土壤空间变异性导致的产量分布不均。本文根据2号与3号试验地ECa空间变异大小与分布聚集性，对每个试验地均划分 3个管理小区，这与上述结果基本保持一致。然而，建立ECa变异程度与管理小区个数的量化关系，需对大量的试验数据进行统计分析。同时，划分管理小区时，还需要综合考虑ECa空间变异系数及空间聚集分布状态、经济成本、硬件控制条件等诸多因素。因此，本文尚不能仅根据现有数据，简单地给出ECa变异系数与管理小区个数的定量关系，基于ECa划分变量灌溉管理小区方法虽然可行，但在较多方面仍需开展深入研究。

本文利用Java语言开发了变量灌溉管理分区软件。软件选择了简单高效的反距离权重法进行 ECa插值分析，大大减少了计算量，节省分析时间，也可有效降低软件报错率。同时，软件利用自然间断法进行分组聚类，获得土壤表观电导率在空间上的分布情况，自动生成变量灌溉小区划分图，极大地简化了使用流程并缩短了处理时间，同时本软件操作简单，适用于普通技术人员。本软件可对变量灌溉小区的实时管理，对提高灌溉效率具有重要意义。

5 结 论

本文利用Veris EC 3100大地电导率勘测仪调查了3块地的土壤表观电导率（Apparent Soil Electrical Conductivity，ECa），分析了ECa空间变异性并绘制空间分布图，研究了ECa与土壤颗粒体积分数的关系，探讨了基于ECa划分变量灌溉管理小区的可行性。主要结论如下：

1）1～3 号试验地 ECa的变异系数在 19.88%～78.81%之间，均属于中等变异程度。可利用 Veris EC 3100快速获取田间ECa分布情况，并根据ECa空间变异程度与空间分布结果划分变量灌溉小区。

2）ECa与砂粒体积分数负相关，与粉粒、黏粒体积分数正相关。相比于0～30 cm土层的ECa（ECash），0～90 cm土层的ECa（ECadp）与砂粒、粉粒与黏粒体积分数具有更强的线性关系，其R2分别可达0.83、0.90和0.86，根据ECadp划分变量灌溉小区更加可靠。

3）利用 Java语言开发了一款变量灌溉管理分区软件，软件利用反距离权重法进行ECa插值分析，采用自然间断法进行分组聚类，自动划分变量灌溉小区，可为实现变量灌溉实时管理提供技术支持。