海南省自动土壤水分观测数据异常原因分析

■ 施晨晓 陈珍莉 刘霄燕 王小洁 羊清雯 江益 陈海莉

分析了DZN3型自动土壤水分观测仪在实际业务应用中出现的数据异常情况及原因，对多种数据异常现象进行总结，发现造成海南省自动土壤水分观测数据异常的原因主要在四个方面：1）传感器等仪器部分出现故障；2）人工对比观测、土壤水文物理常数错误；3）观测土层发生变化；4）网络传输中断、断电等客观条件影响，造成数据无法正常传输。

土壤水分能够很好地反映土壤的干湿状况，是陆气循环中一个重要参数。海南省曾采用人工取土观测的传统方法对每旬的土壤水分进行观测记录。该方法时效性和准确性较差，无法满足生态环境、水文状况及农田干旱等实际业务和科研需求。2013年，海南省开始土壤水分自动观测，减轻业务观测人员的工作强度，保证数据的时效性，满足业务和科研的需求。土壤水分自动观测要求业务观测人员需具备分析、处理土壤水分数据与传输，维护与维修仪器与观测场地等能力。针对海南省土壤水分数据的数据分析研究较少，因此，本文分析和整理海南省常见土壤水分数据异常情况、原因及应对措施，帮助业务人员提高业务工作的能力，以期提高数据质量。

1 自动土壤水分观测系统结构组成及观测原理

1.1 自动土壤水分观测系统结构组成

海南省土壤自动观测站采用的是中国华云公司生产的DZN3型自动土壤水分观测仪（图1）。DZN3型自动土壤水分观测仪主要由室外部分和室内部分组成。其中，室外部分包括多点可调土壤水分探测器、数据采集器、通信单元和系统电源四个部分。室内部分主要是微机终端，用于处理采集到的数据，通过应用软件实现对采集器的实时数据采集和监控。

1.2 自动土壤水分观测仪观测原理

多点可调土壤水分探测器采用土壤水分频域反射（FDR）测量技术及多通道数据采集技术（图2）。该技术原理是利用土壤介电常数与频率信号、土壤水分的关系，即当在两个电极之间加上电压时，振荡回路会产生频率信号，频率的大小随土壤介电常数而改变，通过测量频率信号从而测量出土壤水分。该测量方法既具有时域反射（TDR）法的所有优点，如操作简易、不破坏土壤本来结构等，也可实现对土壤水分准确、及时、连续的动态观测、存储及传输土壤水分信息。但也存在一些问题，比如易受土壤空隙影响；传感器安装条件要求较高；对土壤电导率较敏感等。

图2 多点可调土壤水分探测器感应示意图

2 数据资料来源

土壤水分数据来源于海南省18个自动土壤水分观测站，共选取了2014—2018年0～10 cm、10～20 cm、20～30 cm、30～40 cm、40～50 cm共5层的土壤水文物理常数、小时和日土壤体积含水量、小时土壤相对湿度进行分析（图3）。

其三，进口气过快增长，资源均衡性和保障性不足，多元化供应体系亟待完善。我国天然气对外依存度快速攀升，进口气量从2010年的175亿立方米迅速增长至2017年的946亿立方米。进口来源地虽已超过20多个国家和地区，但进口来源主要集中在土库曼斯坦、澳大利亚和卡塔尔3国，占进口量的70%以上。天然气进口保障的不确定性增加。上述3国与我国在地理上属于同纬度，冬季进口管道气易受寒潮影响发生欠量，造成短期供应紧张；LNG进口受气象、海况、航道等影响，不可控因素增多，亟待建立天然气进口资源保障机制。

1.2.1 对照组 ①标本采集：新生儿出生72 h后，取血液样本(采血部位一般为足跟部内、外侧)，并将其滴于采血滤纸上，使其自然晾干，实施密封保存与2～8 ℃冰箱内；②测定方法：根据原卫生部新生儿疾病筛查技术规范规定，采用时间分辨荧光免疫法筛查CH，应用荧光法筛查G6PD缺乏症，采取荧光免疫分析法筛查PKU，所有操作均严格相关标准来执行；③随访、治疗方法：手工记录筛查结果，并通过电话方式通知新生儿家属，对其进行随访，告知进行治疗等。

图3 海南省自动土壤水分观测站点分布

3 数据异常情况及原因分析

3.1 土壤水分传感器故障导致数据异常

图4给出了东方站2016年4月1日21时—5月31日20时（北京时，下同）各层次日平均土壤体积含水量的变化图。从图4可知，0～10 cm、30～40 cm曲线波动变化幅度较大，其他层次变化趋势基本一致。0～10 cm处于表层，受外界影响较大，尤其是降水期间。30～40 cm土层在分析期间无论有没有降水，其体积含量均有较大的波动，如4月14—15日该站无降水（图4红框），30～40 cm土层14日的土壤体积含水量为3.5%，至4月15日该站的土壤体积含水量降至1.7%，降幅达51.4%。其他层次虽呈下降趋势，变化幅度较少，比如40～50 cm，其下降了0.1%。5月2—11日亦是相同情况，此处不再赘述。

为了更好说明传感器故障造成数据异常，选择无降水发生时段内的小时数据变化进一步讨论。图5是东方站2016年4月29日22时—5月12日20时各层次小时土壤体积含水量变化。由图5可知，东方站2016年4月29日22时—5月12日20时内无降水发生。除30～40 cm外，其他各土层的土壤体积含水量变化趋势基本一致。在无外界因素影响下，30～40 cm的土壤体积含水量剧烈波动变化，出现0.0%的土壤体积含水量，各小时间的差值最大值也较大，最大相差2.5%。相应的，该层次的土壤相对湿度也发生剧烈波动变化，相对湿度达到0.0%，各小时间的差值最大相差50.0%（图略）。

屯 昌 站2 0 1 4年7月1 8日0 4时 以 前 降 水 量 仅0.9 mm，各层次的土壤相对湿度均偏低（图8）。至06时有12.9 mm的降雨，除0～10 cm的土壤相对湿度呈下降外，其余各层次均有所上升，但相对湿度仍偏低，均在70%以下。从18日06—20时共有156.0 mm的降水量，各层次均未达到饱和，特别是30～50 cm，基本在60%左右。且该站的土壤质地为壤土，降水不会迅速往下渗，即表层的土壤相对湿度应达到100%，但实际并未达到饱和。在降雨初期的土壤相对湿度虽不会马上达到饱和，但随着降水不断积累，土壤中的水分不断往下渗透，深层土壤相对湿度应逐渐趋于增大或饱和，但实际一直处在干旱边缘，不符合土壤水分的一般变化规律。

产品价格也是影响顾客满意的一个重要因素。顾客在进行产品选择的时候，首先关注的就是产品的外观和质量，其次就是关注产品的价格。只有顾客认为产品的质量符合这个价格，性价比比较高时才会选择购买。因此，企业要对其产品制定合理的价格，既能实现产品的商业价值，又在顾客的承受范围之内，从而促进顾客购买该产品，实现顾客满意，提高企业的经济效益。

3.2 人工对比观测失误导致数据异常

造成后者的原因可能是多方面的，例如：一是省局的综合气象信息共享平台（CIMISS）出现故障，导致数据不能入库，且土壤水分观测无备份站数据，无法对缺失数据进行代替；二是由于当地断电造成数据资料缺测；三是由于当地通讯故障或是通讯信号不稳定，造成数据无法进行正常传输。

人工对比观测至少进行半年，逢3、逢8对各层进行一次取土观测和测定，人工主要测定的对象是土壤重量含水率，而自动仪器观测的是土壤体积含水量，因此需再经土壤容重反推得到人工观测的土壤体积含水量。将各层人工对比观测数据与仪器观测数据进行分析比较，并建立各层相应的对比曲线及拟合计算公式，从而确定仪器的订正系数：

其中，Y为订正值，X为仪器的测量值，A0、A1为订正系数。

利用订正系数将每个土层的体积含水量原始自动观测值订正至接近人工测定值。但经过订正后的自动观测土壤水分需根据土壤容重、田间持水量和凋萎湿度等土壤水文物理常数才可计算得到土壤重量含水率、土壤相对湿度和土壤有效贮水量，因此在进行人工对比观测前，还需进行土壤水文物理常数的测定。在完成所有土壤水分要素的订正和计算后，再连续人工对比观测1个月（不少于6次），达到业务化检验标准后，才可投入业务进行观测使用。

2014年8月，澄迈自动土壤水分观测站由瑞溪镇加巨坡搬迁至福山镇红光农场。澄迈自动土壤水分观测站于2015年3月结束半年的人工对比观测，2015年5月14日08时起启用新站观测数据。

根据以上模型的建立与分析可知，当卖家选择“标出税额”的策略时，买家选择“购买单件化妆品”的可能性较大；当卖家选择“不标出税额”的策略时，买家选择“购买套装化妆品”的可能性较大。又因为前者策略组合可使卖家获得更大的收益，故可判断卖家选择“标出税额”，买家选择“购买单件化妆品”是对双方都更为有利的策略。这一结论基本适用于需求弹性正常产品。基于此结论，提出以下建议。

图6 澄迈站土壤体积含水量人工对比观测资料

图7 澄迈站2015年5月7日21时—21日20时各层次土壤体积含水量变化

造成此类数据异常的原因有三种情况：一是在进行人工对比观测的过程中，人工观测样本质量偏低，使得人工对比拟合订正系数的相关性较差；二是土壤水文物理常数测定错误，即当土壤容重或田间持水量偏大，均会导致土壤相对湿度偏小；三是仪器变性。先对观测土壤水分场地、仪器及其传输过程等进行逐一排查，未发现异常。根据土壤体积含水量与土壤相对湿度之间的关系，将人工对比观测记录及其数据进行重新审核分析，结合观测数据发现，拟合订正系数偏低，且土壤水文物理常数偏大，造成所观测的土壤体积含水量值偏小，相应地，其他计算土壤水分要素值偏低。因此，为了保证数据的准确率，该站需重新进行人工对比观测，并通过公式（1）重新建立各土层的订正系数以及土壤水分物理常数。

根据以上异常数据的表现特点，初步分析数据异常的原因可能有两点，一是台站在维护时，由于操作不规范，传感器的标号与各土层出现倒置；二是人工对比观测失误。基于上述两个可能原因，首先确定仪器已正确安装。其次将人工对比观测前后及期间的数据进行比较、分析发现，人工对比观测反推得到土壤体积含水量因测定的重量含水率或土壤容重有误而出现该站整个土层的数据发生严重偏差。

原文：http://www.dpm.org.cn/collection/ceramic/226720.html?hl=%E8%B1%A1%E8%80%B3%E8%BD%AC%E5%BF%83%E7%93%B6

因此，该站需重新按规范进行人工对比观测，并结合仪器观测数据，重新标定人工对比拟合订正系数。

3.3 土壤水分观测土层变动导致数据异常

表1为昌江站2016年8月2日07—19时各层次的土壤体积含水量与相对湿度的数据对比。从表1看出，该时间段内的土壤体积含水量正常，但各层次的土壤相对湿度均为100%。昌江属于海南西部较干旱地区，观测场内的土壤质地为粗砂土。在无降水情况下，各层次土壤中的水分含量均达到饱和，不符合土壤相对湿度变化规律，判断土壤相对湿度数据错误。

经核查发现，2016年6月22日昌江站观测环境进行改造，致使观测地段地面抬高，各层次观测土层的土壤水文物理特性常数发生变化，但仍采用之前的参数，造成土壤水分其他要素计算错误。经重新测量各层次土壤水文物理特性常数，至2017年4月数据完全恢复正常。

“草地的四周有高墙围着，第一块花木区过去是草地滚木球场，过了滚木球场时一条长长的阶径，再过去是铁栅栏，越过栅栏可以看到毗邻的荒地上的树梢。”[3]在1813年一月底写给卡桑德拉的一封信中，奥斯汀说：“如果你发现北安普敦郡是否是四处灌木树篱的乡村，我就会高兴了”(29 January 1813)。此时她已经着手写作曼斯菲尔德庄园有一段时间了，小说的场景就是在北安普敦郡。伍尔夫（Virginia Woolf）认为，由于奥斯汀对“真实性”的严苛，“当她发现树篱在北安普敦郡并不生长，她就删掉，也不冒险捏造不可能存在的东西”。[4]达克沃斯（Duckworth）也同意这一说法。[5]

3.4 土壤水文物理常数错误导致数据异常

当出现数据异常时，先对数据采集器中各层次各土壤要素的观测数据进行分析检查，发现仅有30～40 cm的数据异常。然后检查数据采集器上的通讯电缆，也未发现异常，因此初步断定可能是30～40 cm传感器部分在观测时出现故障。更换30～40 cm传感器后，数据恢复正常。由此，传感器不稳定或接触不良，导致数据异常。

表1 昌江站2016年8月2日07—19时各层次土壤体积含水量（单位：%）与相对湿度（单位：%）对比

图8 屯昌站2014年7月17日21时—18日20时各层次土壤相对湿度

由土壤体积含水量与土壤相对湿度之间的关系（公式略）可知，在观测土壤体积含水量无误的情况下，当土壤容重或田间持水量出现错误时，便会导致土壤相对湿度错误。

图6为澄迈站在对比观测期间，人工观测各土层间土壤体积含水量的变化趋势。从图6可看出，对比观测期间，各土层间土壤体积含水量变化趋势为深层土层土壤体积含水量小于浅层土层体积含水量，即各土层间从小到大的顺序为40～50 cm＜30～40 cm＜20～30 cm＜0～10 cm＜10～20 cm。图7为澄迈站2015年5月7日21时—21日20时各层次土壤体积含水量变化图。由图7可知，自2015年5月14日08时启用新站数据开始，所有土层数据发生倒转，即2015年5月14日08时前各土层土壤体积含水量由小到大的顺序为0～10 cm＜10～20 cm＜20～30 cm＜30～40 cm＜40～50 cm，至2015年5月14日08时起，土壤体积含水量由小到大的顺序则变为40～50 cm＜30～40 cm＜20～30 cm＜10～20 cm＜0～10 cm，并一直维持至今。由此看出，在进行人工观测对比期间，各层观测的土壤体积含水量值已发生倒转。

3.5 其他客观原因等造成数据缺失

在数据传输过程中，偶尔会发生采集器等仪器本身故障导致数据无法传输，造成数据缺测，或采集器等仪器本身工作正常，但在终端始终无法接收到数据。

前者是由于采集器等仪器本身原因所造成数据缺测。如文昌站2018年9月11日因电源转换器故障，造成当日09—14时无数据传输。保亭站2018年10月23日20时—24日17时因仪器故障维修造成该期间无观测数据。琼中站2018年11月15日因土壤采集器故障，造成当日16时—次日14时数据缺测。该情况需及时更换、维护仪器，尽快恢复数据正常传输。

搬迁新站需先进行人工对比观测及土壤水文常数的测定，做好这两项工作，才能做好系数订正、换算和监测精度检验等工作，以保证新站数据的准确性和可用率。

4 结论与讨论

海南省自动土壤水分观测仪自投入实际业务应用以来，数据异常现象时有发生，造成其原因主要有5种：1）自动土壤水分观测仪传感器、采集器、电源转换器等仪器本身故障，导致某层次的数据异常，或是无法采集数据导致数据缺测，影响土壤水分数据的时效性和准确性；2）探测环境改变导致土壤水分数据异常，影响数据的准确性和可用性；3）前期人工对比观测失误造成土壤水文物理参数，或不及时测定调整土壤水分物理常数，或订正常数错误，影响仪器参数的设定，导致土壤水分需计算的要素错误，使得数据的准确度和可用率降低；4）业务人员未及时在报表中备注数据处理情况，如小时数据连续异常变化（需缺测处理）、小时数据较前后时次异常（需内插处理）、观测环境改变或是迁站，影响数据的可用性；5）网络传输中断，断电等客观条件影响，造成数据无法正常传输，影响数据的时效性。

如果要为中国印刷产业改革开放40年的历程寻找一位见证者，我想海德堡应当之无愧于这个角色。从早期通过宝隆洋行进入中国市场，到后来在中国开设公司、建立组装厂，海德堡见证了中国印刷产业崛起、壮大、变强的全过程，伴随着中国印刷产业的成长，一路同行。而中国市场于海德堡而言，亦是其最大单体市场。相携40年，作为全球印刷行业领袖型企业的海德堡，如何看待中国市场发生的种种变化，解读未来，我们与海德堡大中华区CEO黄连光的交流就从这个问题开始。

深入阅读

Evett S R, Steiner J L, 1995. Precision of neutron scattering and capacitance type soil content gauges from field calibration. Soil Science Society of America Journal, 59(4): 961-968.

2.2.3 遥感影像数据。使用从地理空间数据云下载的时点为2016年8月分辨率为16m的Landsat-OLI影像。利用ENVI5.3软件，对影像进行辐射定标、大气校正、裁剪与镶嵌、正射校正，纠正图像的辐射特性，解决图像的几何畸变，得到预处理以后的影像。

Fares A, Alva A K, 1999. Estimation of citrus evapotranspiration by soil water mass balance. Soil Science, 164(5): 302-310.

为了保障本省自动土壤水分观测站正常运行，避免土壤水分数据的缺测和异常数据，建议台站业务人员注意以下几点：1）根据《自动土壤水分观测规范（试行2011）》要求，台站应选择合理规范的观测地点，进行人工对比观测，认真设置仪器参数。但该项工作量较大，也可以结合多方面的考虑，比如土壤质地、土壤结构等，可在合理的范围内对参数等进行适当的调整，使观测值变化较之前合理。2）查看数据时应注意土壤水分数据变化情况，结合当时的天气条件或当地天气变化趋势分析判断，注意各层次间、各层次前后时次的土壤水分数据变化。及时处理异常数据，并做好数据处理备注。3）台站业务人员需不断提高自身的业务素养，加强业务知识学习，本着认真负责的工作态度，做好仪器维护和场地巡视工作，做好数据处理备注工作。4）网络传输中断等客观原因造成数据无法正常传输，台站业务人员可在土壤水分月报表中做好备注，以便日后查阅。

Seyfried M S, 1993. Field calibration and monitoring of soil-water content with fiberglass electrical resistance sensors. Soil Science Society of America Journal, 57(6): 1432-1436.

成兆金, 赵煜飞, 庄立伟, 等, 2018. 农业气象观测实用手册. 北京:气象出版社.

由表1可知，棚内温度要小于棚外温度，绿棚温度高于黑棚温度；湿度以棚外最高，并且黑棚的湿度高于绿棚；光照度以棚外最高，绿棚高于黑棚，并且棚内直射光线明显减少，而漫射光线增多。

龚元石, 李子忠, 李春友, 1998. 利用时域反射仪测定的土壤水分估算农田蒸散量. 应用气象学报, 9(1): 72-78.

黄翔, 2009. 土壤水分空间变异性的研究方法评述及展望. 上海水务, 25(2): 40-43.

李海滨, 林忠辉, 刘苏峡, 2001. Kriging方法在区域土壤水分估值中的应用. 地理研究, 20(4): 446-452.

邵晓梅, 严昌荣, 徐振剑, 2004. 土壤水分监测与模拟研究进展. 地理科学进展, 23(3): 58-66.

中国气象局, 2010. 自动土壤水分观测规范（试行）. 北京: 气象出版社.

我向公司请了几天假，说是家里有事，再加上年假，大概有10天的时间，够我出去走一走了。其实是想躲避林全，希望在黄玲回来之前，可以平安无事。我已经打定主意，等她回来，我会告诉她这个男人的真实面目，让她离开他。

庄季屏, 1989. 四十年来的中国土壤水分研究. 土壤学报, 26(3):241-248.