含水量和容重对旱地耕层土壤热导率的影响及预测

卢奕丽，张 猛，刘晓娜，任图生，王雅婧



含水量和容重对旱地耕层土壤热导率的影响及预测

卢奕丽1，张 猛2，刘晓娜3，任图生1，王雅婧1※

(1. 中国农业大学资源与环境学院，北京 100193；2. 河北农业大学资源与环境科学学院，保定 071001；3. 太原科技大学环境与安全学院，太原 030024)

土壤热导率是研究地表能量平衡和土壤水热运移过程中的一个基础参数。受土壤耕作、干湿交替和根系生长等过程的影响，耕层土壤的含水率和结构呈现较强的变异特征，而目前缺乏关于定量分析耕层土壤热导率变异特征的研究。该研究利用田间定位试验，采用热脉冲技术测定了含水率和容重变化条件下耕层土壤热导率的变异特征，并利用传递函数模型对耕层土壤热导率进行了预测。结果表明：含水率和容重是影响耕层土壤热导率变异的主要因子，而耕作强度和干湿交替是这种变异的关键驱动力；与翻耕和旋耕处理相比，免耕处理提高了土壤容重和含水率，从而增大了土壤热导率；在干湿交替作用下，翻耕后土壤容重逐步增加，耕层热导率也呈现上升趋势，波动幅度与含水率的变化相关。基于含水率、容重和质地信息，土壤热导率传递函数模型可以给出可靠的田间土壤热导率估计值，其均方根误差和平均偏差分别为0.09和-0.01 W/(m·K)；考虑耕层土壤容重的动态信息，可以提高该模型预测土壤热导率的准确性。

土壤；含水率；农田；热导率；耕作措施；容重；热脉冲技术

0 引 言

土壤热导率（）定义为单位温度梯度下，单位时间内单位面积土体传输的热量[1]，其大小反映了土壤的导热能力，是研究地表能量平衡和土壤水热运移的基础物理性质[2-5]，也是模拟水文、气象和地球物理过程不可或缺的土壤参数。热脉冲方法可以实时定位获取田间条件下土壤的动态变化特征[6-8]，但由于热脉冲传感器测定范围较小，测定过程相对繁琐，难以实现田间大面积应用。不少研究者利用理论模型、半经验模型和经验模型，基于容易获取的土壤性状参数来估算。最常见的理论模型是de Vries[9]提出的混合模型。该模型具有物理意义，但个别参数（如关键含水率和形状因子）难以准确确定[1]，在很大程度上限制了其应用。有学者提出了的半经验模型，如Lu等[10]建立了一个归一化的模型，并分别在粗质地和细质地土壤上进行了标定，近几年得到了广泛应用[11-12]。Lu等[10]的模型采用砂粒含量近似代替石英含量，而石英的（7.7 W/(m×K)）显著大于其他矿物（2.13 W/(m×K)）[13]，导致土壤固体的估算值存在一定不确定性[10,13]。还有学者建立了一些l经验模型，如Campbell[14]模型和Chung and Horton[15]模型，均为二次多项式形式，这类模型形式简单，参数少，便于与其他模拟软件结合使用。然而，Campbell模型中的5个参数与土壤类型和质地等有关，均难以准确确定[16]。Chung and Horton模型虽然只有3个参数，但只给出了3种典型土壤（砂土、壤土和粘土）的数值，其他土壤上则需要做独立标定[11,17]，存在普适性较差且误差较大等问题[17]。针对以上问题，Lu等[17]提出了基于土壤容重、含水率和质地的传递函数模型，该模型形式简单，不依赖于土壤矿物组成，同时考虑了土壤容重和含水率对热导率的共同影响，该模型已在室内多种土壤上进行了试验验证[8,17]。但该模型是否可以精确估计田间条件下土壤结构、容重和含水率同时变化时土壤的变化特征，仍有待进一步研究。

耕层是农业土壤结构变化最剧烈、能量和物质交换最旺盛、生物活动最活跃的层次，直接受到农田微气候的影响，进而影响到作物生长发育进程。受耕作机具、播种、自然干湿交替以及作物根系生长等影响，耕层土壤结构在田间条件下具有较强的时空变异特征，影响土壤中水分运动和热量传输与转化过程[18]。Adhikari等[19]指出，土地利用方式（如耕作和覆盖作物、保护性管理措施和污水灌溉等）显著影响土壤热特性，从而改变土壤热传输过程。Usowicz等[20]等研究表明，田间条件下，气象条件、农作措施和作物生长状况等均会影响到土壤含水率和容重的空间分布，从而导致呈现空间变异。Gao等[21]指出，揭示耕层土壤结构变化过程中水分和容重等变量对的影响规律，是精确估算土壤热通量、研究地表能量平衡和水分蒸发机理的基础。

本研究通过定位测定耕层土壤不同层次的，探讨含水率和容重对耕层的影响规律，并利用Lu等[17]传递函数模型对进行量化，分析该模型在田间的适用性，为耕层土壤的水热耦合运移定量化和模拟寻求可靠的估算方法。

1 材料与方法

1.1 热脉冲技术原理与方法

本研究采用三针热脉冲传感器监测田间条件下的变化特征（图1）。该传感器由3根平行的、直径为1.3 mm、长为4 cm、间距约为6 mm的不锈钢针组成，中间为加热针，两侧为温度感应针（图1a）。各钢针中部均装有热电偶，且加热针含有电阻丝（图1b）。

注：L为探针长度；d为探针直径；r为加热针和温度感应针之间的垂直距离。

电阻丝提供短时热脉冲，两侧的温度感应针可以测定热脉冲加热过程中土壤温度的变化[6-7]。在田间采用热脉冲技术进行定位测定时，将传感器延长线与数据采集仪（型号CR23X，美国Campbell Scientific公司）相连接，利用12 V稳压电池给加热丝供电，通过数据采集仪控制继电器向加热丝提供8~15 s加热电流，并记录加热丝中电流值和开始加热后5 min内两侧感应针温度的动态变化。根据无限长线性热脉冲传输理论，在热源径向一定距离处的温度变化满足下列公式[6-7]

式中∆(,)为热脉冲加热后距离加热针处时刻的土壤温度升高值，℃；′是单位长度线性热源所释放的热量，J/m；0是传感器加热时长，s；为土壤热导率，W/(m×K)；是土壤热扩散系数，m2/s；()表示变量的指数积分。基于三针热脉冲技术测得温度随时间的变化数据，利用MATLAB软件中的非线性拟合方法（non linear model fit）对公式（1）进行拟合计算，可以得到和的估计值[22]。

1.2 田间试验

本研究利用2个田间试验探讨了耕层土壤含水率和容重对的影响。其中，耕作方式试验是在冬小麦收获后土壤结构较为稳定的状态下，定位测定不同耕作处理的土壤热导率，用于验证Lu等[17]传递函数模型在田间的适用性；土壤结构动态试验是在裸土上模拟翻耕后土壤结构动态变化，分层次监测原状土的，用于验证Lu等[17]传递函数模型在动态土壤含水率和容重下的准确性。

1.2.1 耕作方式对的影响

试验设在中国科学院栾城农业生态系统试验站，位于冀中平原中南部的河北省栾城县（37o 50' N, 114o 40' E）。年平均气温12.5 ℃，多年平均降水量536 mm，70%的降雨集中在夏季7月份到9月份之间，属于暖温带半湿润季风气候。耕层土壤质地为粉壤土，砂粒（<0.05~2 mm）、粉粒（0.002~0.05 mm）和黏粒（<0.002 mm）的含量分别为17%，62%和21%，有机质含量为14.6 g/kg。

土壤耕作长期定位试验开始于2001年夏季。有4个耕作处理：翻耕秸秆粉碎还田（CT1），翻耕秸秆不还田（CT2），旋耕秸秆粉碎还田（RT）和免耕秸秆直立还田（NT）。各处理的田间作业方式如下：CT1为玉米收获后将秸秆原地粉碎1次（长约5~10 cm），全量还田，撒施化肥，旋耕机旋耕1遍（耕深8 cm，粉碎秸秆和破除根茬），机械深翻1遍（耕深20 cm），耱平后播种小麦；CT2为玉米收获后将秸秆移出农田，其他耕作、施肥和播种方式与CT1一致；RT为玉米收获后将秸秆原地粉碎2次（长约5~10 cm），然后用旋耕机旋地2次，深约15 cm，播种方式、播种量和施肥情况同翻耕处理；NT为玉米秸秆自然（直立）分布于田间的情况下，采用免耕播种机（型号2BMFS-6/12A，河北农哈哈公司）一次性完成秸秆部分粉碎、播种、施肥及镇压作业。CT1，RT和NT处理的玉米秸秆还田量分别为9.2，9.2和8.5 Mg/(hm2×a)。小区面积为1 120 m2（长70 m，宽16 m），每个处理设置3个重复。各处理在玉米种植季的管理方式完全一致。

2007年冬小麦收获后，在每个耕作处理随机选取3个位置，在5和15 cm 2个深度，沿水平方向插入2个三针热脉冲传感器，原位测定土壤热特性，得到。测定结束后，在观测点附近分0~10和10~20 cm 2个层次用环刀（体积100 cm3）采集原状土壤样品，带回实验室将土样转入铝盒，在105 ℃条件下烘至恒重，得到土壤容重和质量含水率（换算为体积含水率进行后续分析）。每个土层采集1个土样，取3个重复的平均值。

1.2.2 土壤结构动态变化下的变异特征

试验地位于中国农业大学科学园（116o17'E，40o1'N），属于华北平原北部山前冲积平原区。年平均气温13.2 ℃，年平均降水量为534.2 mm，降雨主要集中于夏季（6—8月），为暖温带半湿润大陆季风气候。耕层土壤质地为砂壤土，砂粒、粉粒和黏粒含量分别为57%、29%和14%，有机质含量为2.1 g/kg。

该研究从2013年6月18日开始，7月18日结束。测定开始前，利用铁锹翻耕土壤，深度约20 cm，然后清除石子和根系，耙平土面。在田间挖一个深20 cm的土壤剖面，分别在3和7 cm深度处埋设2个长度为7.5 cm的时域反射（time domain reflectometry, TDR）传感器，由数据采集仪控制TDR100主机（美国Campbell Scientific公司）进行自动测定，每小时采集1次含水率数据，用于连续监测土壤干湿交替过程。同时，在每次降雨后进行原状土壤的采集，具体采样时间由降雨强度和时间确定，在地表水入渗完成时进行，利用环刀（体积100 cm3）在传感器附近0~5和5~10 cm层次采集原状土样，带回实验室静置24 h，使其与室温平衡，然后插入三针热脉冲传感器，测定。每个土层重复3次。测定结束后，将土样转入铝盒，在105 ℃条件下烘至恒重，得到土壤容重和体积含水率，最后取3个重复的平均值。研究期间共进行了8次取样测定，烘干法得到的土壤容重和含水率用于计算土壤热导率。

1.3 土壤热导率传递函数模型

Lu等[17]提出的传递函数模型为

式中dry为干土热导率，W/(m·K)，采用Lu等[10]提出的方法计算；是土壤总孔隙度，由土壤容重和颗粒密度（取2.65 g/cm3）估计得到；是土壤体积含水率，cm3/cm3；和是模型的形状因子，与黏粒含量密切相关，可以反映随含水率变化曲线的斜率，而与砂粒和容重直接相关，可以体现相同含水率下，土壤质地和容重的共同作用对的影响。和采用以下公式计算。

式中和分别是吸管法测定所得土壤黏粒含量和砂粒含量（美国土壤分类制），是土壤容重，g/cm3。

1.4 数据统计与分析

方差分析和相关性分析利用SPSS 20.0（SPSS，2011）完成；耕作处理之间的显著性分析在0.05水平下进行，平均值比较采用最小显著差异法（least significant difference, LSD）；模型表现利用均方根误差（Root mean square error, RMSE）和平均偏差进行定量评价。

2 结果与分析

2.1 耕作方式对耕层土壤含水率、容重和热导率的影响

图2是冬小麦收获后，4种耕作方式下耕层土壤的含水率、容重和分布。可以看出，各处理耕层的土壤含水率较高，0~10 cm土层为0.24~0.32 m3/m3，10~20 cm土层为0.25~0.33 m3/m3，2个层次间含水率的差异不显著。比较各处理的含水率，NT处理在2个层次均高于其他处理，但只在0~10 cm层次达到显著水平（<0.05），CT1、CT2和RT间含水率的差异均不显著（图2a）。

4个处理土壤容重0~10 cm土层为1.20~1.42 g/cm3，10~20 cm土层为1.29~1.59 g/cm3（图2b）。总体上，除CT1之外，其他耕作处理下层土壤容重都显著大于上层土壤。比较各耕作处理的容重，在0~10 cm土层，NT处理的容重显著大于其他处理，平均高出13.8%，而CT1、CT2和RT的容重无显著差异；在10~20 cm土层，NT处理的容重显著大于其他处理，平均增加14.5%，CT2和RT的容重无差异，但都显著大于CT1的容重。因此，免耕处理增加了耕层土壤容重，与杜章留等[23]的报道一致。他们2007和2008年对土壤容重的比较指出，耕作措施对容重的影响主要在0~20 cm土层，NT处理下土壤容重比其他处理平均增加了8%。

对于土壤质地相同的农田，的大小主要决定于容重和含水率。本研究结果表明，在0~10和10~20cm土层分别为1.07~1.44和1.11~1.64 W/(m×K)，下层土壤均大于上层土壤，但2个层次间的差异未达到显著水平（图2c）。比较各耕作处理，在0~10 cm土层，NT处理的显著大于其他处理；在10~20 cm土层，NT处理显著大于CT1，CT2、RT和NT处理之间的差异不显著。有研究指出，翻耕对土壤的扰动增大了孔隙度，降低了耕层土壤容重，导致变小[24]。总之，田间土壤的变化特征与含水率和容重的变化趋势基本一致，免耕条件下容重和土壤含水率均呈现增加趋势，导致其也大于其他处理。

注：CT1：翻耕秸秆粉碎还田；CT2：翻耕秸秆不还田；RT：旋耕秸秆粉碎还田；NT：免耕秸秆直立还田；同一土层不同字母代表不同处理之间差异显著（P<0.05），*表示同一处理的2个土层之间在0.05水平差异显著。

2.2 土壤结构动态变化下耕层土壤含水率、容重和热导率的变化特征

图3表示模拟翻耕后，土壤0~5和5~10 cm的含水率、容重和l的变化规律。在测定时期内，耕层土壤经历了若干次较为明显的干湿交替过程（图3a）。耕层土壤含水率的变化主要可以分为2个时期：以6月28日为界，在该日期之前共有3次明显降雨，但由于降雨量比较小（≤10 mm），0~10 cm土层含水率维持在中低水平（约0.10~0.25 cm3/cm3），且2个土层的含水率差异不大；在6月28日之后，由于2次连续较大强度的降雨，土壤在短时间内达到饱和，之后伴随水分入渗和蒸发过程，土壤含水率逐渐下降，但总体上耕层土壤含水率较高，在0.30 cm3/cm3左右。显然，自然降雨和土壤水分再分布过程是耕层土壤含水率动态变化的驱动因子。

土壤容重动态在一定程度上反映了翻耕后土壤结构的变化特征。受到降雨和干湿交替过程的影响，0~10 cm的土壤容重在测定时期内的动态变化可以分为2个阶段。在第一阶段，翻耕后0~5和5~10 cm土层的土壤容重最低，分别为0.98和1.09 g/cm3；随后由于降雨和干湿交替作用，土壤容重逐渐增加；第二阶段是6月29日降雨后土壤水分接近饱和状态（图3a），土壤沉降明显，0~5和5~10 cm的土层容重分别达到1.08和1.26 g/cm3。此后，土壤经历了若干次再饱和过程，但2个层次的容重保持相对稳定状态。在测定时期内，0~5和5~10 cm土层的土壤容重最大值分别达到1.16 g/cm3和1.28 g/cm3。对相邻2次采样获得的土壤容重进行显著性分析表明，6月29日降雨之后，土壤容重显著高于降雨前（图3b）。可以看出，本研究中，翻耕后土壤沉降（容重增大）过程主要发生在前几次降雨或干湿交替过程中，与之前的研究结果相符。例如，刘晓娜[22]的田间定位测定指出，在翻耕后的一个月内，耕层土壤结构呈现由松散逐步变紧实，土壤容重逐渐增加直至达到稳定状态；Zhang等[24]的研究结果表明，毛管作用导致耕层土壤沉降，大孔隙比例降低，小孔隙比例增多，从而显著地影响了土壤孔隙分布和土壤水基质势。

由于含水率和容重共同影响，耕层土壤也随时间呈现动态变化趋势（图3c）。在本研究中，l总体上随时间呈现增加趋势：0~5 cm土层的从0.60增加至1.06 W/(m×K)，5~10 cm土层的从0.84增加至1.26 W/(m×K)。与上层土壤比较，下层土壤的容重较高，也较大，但2个土层的变化趋势不太一致：0~5 cm的随时间增加较为缓慢，而5~10cm的l在测定前期增加较快，后期不再增加。

另外，由于测定前期土壤含水率和容重都较小，也较小，此后的增加趋势与容重变化较为一致。在6月28日之后，土壤含水率和容重都较前期高，导致该阶段也较高。即翻耕后2个耕层土壤层次的具有明显差异，且土壤容重和含水率动态会导致随时间动态变化。

注：*表示两次取样的容重具有显著差异（P<0.05）。

2.3 耕层土壤热导率的预测

利用上述2个田间试验的测定结果，分别验证了传递函数模型在不同耕作方式和土壤结构动态条件下的模型表现。将田间测定的土壤含水率和容重代入公式（2）~（5），得到了2个试验中的估计值，并和热脉冲测定值做了对比（图4）。可以看出，在本研究的土壤含水率范围内模型预测值与实测值均匀分布在1:1线周围，显示二者一致性较好。预测值的RMSE为0.09 W/(m×K)，平均偏差为-0.01 W/(m×K)，表明只要得到土壤含水率和容重变化的动态信息，Lu等[17]l传递函数模型可以准确地预测耕层的变化特征。可能的误差来源有：1）相比于土壤固体，有机质本身的热导率较低，相比于翻耕和旋耕，免耕土壤的有机质含量较高，因此在一定程度上会降低土壤[17,25]，但目前有关有机质对土壤热特性的影响研究较少，因此仍需进一步定量化分析有机质对土壤热导率的影响程度；2）与室内填装土（扰动土）相比，田间干湿交替过程中土壤结构形成会增强颗粒间接触紧实度和接触面积，因此促进了土壤中的热流传输，导致增加[26]，而该传递函数模型为经验模型，未定量化有机质和结构等因素对于的影响；3）土壤的异质性（例如田间秸秆的存在等）对容重和热导率的测定结果也有一定影响。

对于土壤容重，大多数关于土壤、水文和气候变化的模型都忽略了其动态变化特征，往往将其作为常数处理。为此，本研究利用土壤结构动态试验的结果，进一步探讨了2种情形下，土壤容重取值对热导率模型预测结果的影响。首先，取翻耕后0~5和5~10 cm土层的初始容重（分别为0.98和1.09 g/cm3）为观测时期土壤的平均容重代入传递函数，所得预测值的RMSE为0.15 W/(m×K)，平均偏差为-0.11 W/(m×K)。其次，将测定后期的稳定容重（1.16和1.28 g/cm3）作为测定时期内0~5 和5~10 cm土层容重的平均值，模型给出的值的RMSE和平均偏差分别为和0.12和0.09 W/(m×K)。显然，无论采用初始容重还是后期相对稳定的容重，热导率模型预测的的误差变大，而考虑翻耕后土壤容重的动态变化明显提高了该模型预测的准确性。

图4 土壤热导率预测值与实测值的比较

3 结 论

本文基于土壤耕作方式试验和土壤结构动态试验，利用热脉冲技术原位测定并研究了田间耕层土壤含水率和容重对的影响，利用l传递函数模型预测了耕层动态。

1）耕作方式通过改变含水率和容重从而影响土壤耕层的热导率，与翻耕和旋耕处理相比，免耕处理提高了0~10 cm土层的土壤容重和含水率，从而增加了耕层土壤热导率。

2）在干湿交替作用下，翻耕后土壤容重总体呈增加趋势，耕层土壤热导率整体上呈现上升趋势，但也随含水率的变化有一定波动。

3）在土壤质地已知的情况下，利用土壤含水率和容重，土壤传递函数模型可以准确地预测耕层土壤热导率的动态变化特征，本文2个试验中热导率预测值的RMSE为0.09 W/(m×K)。

在进行田间水热过程模拟研究时，建议考虑土壤容重和含水率的变异特征对热导率的影响，特别是在时间上的动态变化，利用传递函数模型估计热导率，提高模拟土壤热传递过程的准确性。

[1] Farouki OT. Thermal properties of soils[M]. Rockport: Trans Tech Publications, 1986.

[2] 任理，张瑜芳，沈荣开. 条带覆盖下土壤水热动态的田间实验与模型建立[J]. 水利学报，1998，29（1）：76－84. Ren Li, Zhang Yufang, Shen Rongkai. Field experiments and numerical simulation of soil water and heat regimes under the condition of summer corn partially covered by mulch strips[J]. Journal of Hydraulic Engineering, 1998, 29(1): 76－84. (in Chinese with English abstract)

[3] 脱云飞，费良军，杨路华，等. 秸秆覆盖对夏玉米农田土壤水分与热量影响的模拟研究[J]．农业工程学报，2007，23（6）：27－32.Tuo Yunfei Fei Liangjun, Yang Luhua, et al. Simulation study on influence of straw mulch on soil moisture and heat of summer corn farmland[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2007, 23(6): 27－32. (in Chinese with English abstract)

[4] 陆森，任图生. 不同温度下的土壤热导率模拟[J]．农业工程学报，2009，25（7）：13－18. Lu Sen, Ren Tusheng. Model for predicting soil thermal conductivity at various temperatures[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(7): 13－18. (in Chinese with English abstract)

[5] Nassar I N, Horton R. Simultaneous transfer of heat, water, and solute in porousmedia: I. Theoretical development[J]. Soil Sci Soc Am J, 1992, 56: 1350－1356.

[6] 任图生，邵明安，巨兆强，等. 利用热脉冲－时域反射技术测定土壤水热动态和物理参数I.原理[J]．土壤学报，2004，41（2）：225－229. Ren Tusheng, Shao Ming’an, Ju Zhaoqiang, et al. Measurement of soil physical properties with thermo-time domain reflectometry I. Theory[J]. Acta Pedologica Sinica, 2004, 41(2): 225－229. (in Chinese with English abstract)

[7] 任图生，邵明安，巨兆强，等. 利用热脉冲－时域反射技术测定土壤水热动态和物理参数II.应用[J]．土壤学报，2004，41（4）：523－529.Ren Tusheng, Shao Ming’an, Ju Zhaoqiang, et al. Measurement of soil physical properties with thermo-time domain reflectometry II. Application[J]. Acta Pedologica Sinica, 2004, 41(4): 523－529. (in Chinese with English abstract)

[8] Peng X, Heitman J, Horton R, et al. Determining near-surface soil heat flux density using the gradient method: A thermal conductivity model–based approach[J]. J Hydrometeor, 2017, 18(8): 2285－2295.

[9] de Vries D A. A nonstationary method for determining thermal conductivity of soil in situ[J]. Soil Sci, 1952, 73(2): 83－89.

[10] Lu S, Ren T S, Gong Y S, et al. An improved model for predicting soil thermal conductivity from water content at room temperature[J]. Soil Sci Soc Am J, 2007, 71(1): 8－14.

[11] 王朔，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）：78－84. Wang Shuo, Wang Qquanjiu, Fan Jun, et al. Soil thermal properties determination and prediction model comparison[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(5): 78－84. (in Chinese with English abstract)

[12] Ghanbarian G, Daigle H. Thermal conductivity in porous media: Percolation-based effective-medium approximation[J]. Water Resour Res, 2016,52(1): 295–314.

[13] Tarnawski VR, McCombie M L, Leong W H, et al. Canadian field soils II. Modeling of quartz occurrence[J]. Intl J Thermophys, 2012, 33(5): 843－863.

[14] Campbell G S. Soil Physics with BASIC: Transport models for soil-plant systems[M]. New York: Elsevier Science Publishing Company, 1985.

[15] Chung S-O, Horton R. Soil heat and water flow with a partial surface mulch[J]. Water Resour Res, 1987, 12(11): 2175－2186.

[16] 李婷，王全九，樊军. 土壤热参数确定方法比较与修正[J]．农业工程学报，2008，24（3）：59－64． Li Ting, Wang Quanjiu, Fan Jun. Modification and comparison of methods for determining soil thermal parameters[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(3): 59－64. (in Chinese with English abstract)

[17] Lu Y L, Lu S, Horton R, et al. An empirical model for estimating soil thermal conductivity from texture, water content, and bulk density[J]. Soil Sci Soc Am J, 2014, 78(6): 1859－1868.

[18] Ren T S. Soil Water and Temperature Regimes in Winter Wheat as Affected by Crop Rotation, Tillage and Row Spacing[D]. Edmonton: University of Alberta, 1997.

[19] Adhikari P, Udawatta R P, Anderson S H. Soil thermal properties under prairies, conservation buffers, and corn–soybean land use systems[J]. Soil Sci Soc Am J, 2014, 78(6): 1977－1986.

[20] Usowicz B, Kossowski J, Baranowski P. Spatial variability of soil thermal properties in cultivated fields[J]. Soil Till Res, 1996, 39(1): 85－100

[21] Gao Z M, Russell E S, Missik J E C, et al. A novel approach to evaluate soil heat flux calculation: An analytical review of nine methods[J]. J Geophys Res-Atmos, 2017, 122(13): 6934－6949.

[22] 刘晓娜. 连续定位测定土壤容重的热脉冲-时域反射技术的研究[D]. 北京：中国农业大学，2009. Liu Xiaona. Thermo-TDR Technique for Continuous In Situ Measurement of Soil Bulk Density[D]. Beijing: China Agricultural University, 2009. (in Chinese with English abstract)

[23] 杜章留. 太行山平原集约种植区保护性耕作下土壤质量与碳氮固持机制研究[D]. 北京：中国农业大学，2009.

Du Zhangliu. Soil Quality and Carbon and Nitrogen Sequestration as Influenced by Conservation Tillage under An Intensive Cropping System in the Taihang Piedmont Plain of China[D]. Beijing: China Agricultural University, 2009. (in Chinese with English abstract)

[24] Zhang M, Lu Y L, Heitman J L, et al. Temporal changes of soil water retention behavior as affected by wetting and drying following tillage[J]. Soil Sci Soc Am J, 2017, 81(6): 1288－1295.

[25] Abu-Hamdeh N H. Effect of tillage treatments on soil thermal conductivity for some Jordanian clay loam and loam soils[J]. Soil Till Res, 2000, 56(3): 145–151.

[26] 邸佳颖，刘晓娜，任图生. 原状土与装填土热特性的比较[J]. 农业工程学报，2012，28（21）：74－79. Di Jiaying, Liu Xiaona, Ren Tusheng. Comparative study on thermal properties of intact and repacked soil samples[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(21): 74－79. (in Chinese with English abstract)

Effects of soil water content and bulk density on thermal conductivity of plough layer soil in arid land and its prediction

Lu Yili1, Zhang Meng2, Liu Xiaona3, Ren Tusheng1, Wang Yajing1※

(1.100193; 2.071001; 3.030024)

Soil thermal conductivity () is a key parameter for studying surface energy balance and coupled heat and water transfer in soil.can be obtained by heat pulse method or semi-empirical or empirical models, with both models based on the information of soil texture, water content () and bulk density).The pedotransfer model has the advantages of simple form and having no requirement of soil minerology information. This pedotransfermodel, however, has not been applied comprehensively under field conditions wheredisplays strong spatial and temporal variability. The objectives of this study are to determine the spatial and temporal changes ofas related toandin tilled soil layers, and to test the feasibilities of the pedotransfermodel for estimating fieldwith the information of soil texture,and. Two independent field experiments were conducted: one study of different tillage treatment’s effect onvariations and another post-tillage soil structure dynamic study onat 2 soil depths due to alternate wetting and drying. For the tillage method study,measurements were carried out in the field, and soil cores were taken to determineandgravimetrically. For the soil structure dynamic study, in situchanges were monitored with time domain reflectometry (TDR) technique, the dynamicvalues were determined gravimetrically after each rainfall event, and the correspondingdata were obtained from the collected intact soil cores by heat-pulse sensors. The results showed thatandwere the key factors that affectedin tilled soil layers. In 0-10 cm soil layer, the,andvalues in no tillage treatment plot were significantly higher than those of the moldboard and rotary tillage plots. Soilvalues of the 10-20 cm soil layer were higher than that in the 0-10 cm layer, and the trends were consistent with that ofandregarding tillage treatment and soil depth. For the post-tillage soil structure dynamic study,was increased gradually with time and soil depth and became relatively stable after 4 wetting/drying (W/D) cycles, i.e., from 0.98 to 1.16 g/cm3for the 0-5 cm layer, and from 1.09 to 1.28 g/cm3for the 5-10 cm layer. The magnitude of the change was relatively small among the first 3 W/D cycles when the degrees of saturation were relatively low, andin the 5-10 cm layer reached the maximum after the fourth W/D cycle when the soil was nearly saturated, with the change became less significant thereafter. Comparison between measured and modeled values showed that the pedotransfermodel provided reliablewith RMSE of 0.09 W/(m·K) and mean bias of -0.01 W/(m·K). Our analysis also highlighted the fact that whenvaried over time due to soil structure change, using a constant(measured either right after tillage or at the end of the experiment) would introduce larger errors forestimations. The pedotransfermodel for estimating soilcould be useful for simulating heat transfer in tilled soil layers.

soils; moisture; farmland; thermal conductivity; tillage practice; bulk density; heat pulse technique

10.11975/j.issn.1002-6819.2018.18.018

S152.8

A

1002-6819(2018)-18-0146-06

2017-12-18

2018-07-27

国家自然科学基金项目（41671223）；国家重点研发计划项目子课题：松嫩平原区基于合理耕层构造的全程机械化保护性耕作技术体系（2016YFD0300804-3）；中国博士后科学基金资助项目（2016M600148）。

卢奕丽，博士，副教授，主要从事土壤物理方面研究。Email：luyili@cau.edu.cn

王雅婧，博士，实验师，主要从事土壤物理方面研究。Email：wangyajing@cau.edu.cn

卢奕丽，张 猛，刘晓娜，任图生，王雅婧. 含水量和容重对旱地耕层土壤热导率的影响及预测[J]. 农业工程学报，2018，34(18)：146－151. doi：10.11975/j.issn.1002-6819.2018.18.018 http://www.tcsae.org

Lu Yili, Zhang Meng, Liu Xiaona, Ren Tusheng, Wang Yajing. Effects of soil water content and bulk density on thermal conductivity of plough layer soil in arid land and its prediction[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(18): 146－151. (in Chinese with English abstract) doi: 10.11975/ j.issn. 1002-6819. 2018.18.018 http://www.tcsae.org