Температуропроводность почв различного гранулометрического состава и генезиса и ее математическое моделирование

• Автор: Лукьященко, Ксения Игоревна
• Шифр специальности: 06.01.03
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Москва
• Количество страниц: 158 с. : ил.

СОДЕРЖАНИЕ
Введение
Глава 1. Температуропроводность почвы и ее математическое моделирование. Краткий обзор
1.1. Температуропроводность почвы и ее
экспериментальное определение
1.2. Математическое моделирование тепловых свойств
почвы
Глава 2. Объекты и методы исследования
Глава 3. Температуропроводность исследованных почв и их основные
свойства
Глава 4. Математическое моделирование температуропроводности почв
4.1. Оценка точности расчета температуропроводности с
помощью существующих моделей
4.2. Математическое моделирование
температуропроводности почв
Глава 5. Функциональная проверка построенной модели
Основные выводы
Список литературы
Приложения

ВВЕДЕНИЕ
Актуальность темы исследования
При решении ряда задач агрофизики, в том числе связанных с прогнозированием переноса вещества и энергии, моделированием физических, физико-химических и биофизических процессов в системе «почва - растение - деятельный слой атмосферы», оптимизацией почвенноэкологических условий возделывания сельскохозяйственных культур, возникает необходимость рассчитать температуру почвы, поток тепла в почву, оценить интенсивность теплообмена между почвой и приземным слоем атмосферы и т. п. Для этого помимо метсоданных необходимо знать тепловые свойства почвы: теплоемкость, теплопроводность и/или
температуропроводность, равную отношению теплопроводности к объемной теплоемкости.
Температуропроводность почвы - важная характеристика, определяющая скорость прогревания и охлаждения почвы. Эта характеристика - динамическая, с изменением влажности почвы температуропроводность может изменяться в 1.5-5 раз. При этом величины температуропроводности и диапазоны изменчивости с влажностью для разных почв могут существенно различаться.
Данные о температуропроводности почвы необходимы при решении различных расчетных и прогнозных задач в агрофизике, почвоведении, климатологии: задач повышения продуктивности агроэкосистем (Сиротенко, 1981; Zhang , 2002; Miehle et al., 2006; Lobell, Field, 2007), оценки почвенного дыхания (Барцев, Почекутов, 2009), выделения парниковых газов (Li, 2000; Zhang et al., 2002; Smith et al., 2010; Giltrap et al., 2010), трансформации органического вещества (Рыжова, 1993; Chertov et al., 2001; Liu et al., 2006; Моделирование динамики
al., 2009), в глобальных климатических моделях (Peters-Lidard et al., 1998;

Sitch et al., 2003; Володин, 2009; Барцев с соавт., 2009; Дещеревская, Ольчев, 2009), прогнозировании отклика агроэкосистем на климатические изменения и антропогенные воздействия (Zhang et al., 2006). Температуропроводность не входит в число тех почвенных свойств, которые составляют почвенные базы данных и при стандартном обследовании определяются в первую или хотя бы во вторую очередь. Отсутствие экспериментальных данных, а также трудоемкость их получения определяют необходимость привлечения расчетных методов, позволяющих хотя бы приблизительно оценить температуропроводность почвы на интересующем участке.
В связи с этим в температурный блок многих имитационных моделей встроены эмпирические зависимости, позволяющие рассчитывать тепловые свойства почв.
В современной физике почв существует ряд моделей, позволяющих рассчитывать тепловые свойства почв на основе данных об их плотности, содержании органического вещества, гранулометрическом и минералогическом составе, текущих значениях влажности. Практически все эти модели являются эмпирическими и разработаны на основе анализа относительно небольших массивов экспериментальных данных, полученных для региональных почв. Для почв Европейской части России в настоящее время не существует ни достаточно общей математической модели, позволяющей проводить подобные расчеты, ни базы данных, на основании которой можно было бы такую модель разрабатывать.
Цель работы: получить экспериментальную базу зависимостей
температуропроводности почв от влажности и на ее основе построить математическую модель, позволяющую рассчитывать
температуропроводность почв различного гранулометрического состава и генезиса по данным об их основных свойствах и текущих значениях влажности.

глины, суглинка и песка. Но вопрос о том, насколько применима эта модель для расчетов тепловых свойств любых глин, суглинков и песков, и какие ошибки расчетов характерны для этой модели, остается открытым.
Кемпбелл (Campbell, 1985) для расчета температуропроводности при различных значениях влажности ввел пятипараметрическую функцию, определение параметров для которой достаточно трудоемко.
Тем не менее, именно эта модель рекомендуется для применения в недавно вышедшей обзорной монографии под редакцией Пачепского и Роулса (Pachepsky, Rawls, 2004).
Chen (2008) из Института почвенной механики Китая также предлагает эмпирическую зависимость теплопроводности от влажности и порозности:
*- = К'~"К' [0-b)S+b]“, (22)
где X - теплопроводность почвы, Ло - теплопроводность почвенных частиц, S - степень насыщенности влагой, п - порозность, hw - теплопроводность воды, равная 0.61 Вт/мК, Ь,с - параметры.
Зависимость получена на собственных данных автора для четырех песков и проверена на объектах из базы регрессии и литературных данных.
Для песчаных почв были определены значения параметров: Ь-0.0022, с=0.78, а также значение /Ч)=7.5 Вт/мК.
Другие регрессионные уравнения для расчета теплопроводности почвы по данным о сопротивлении пенетрации и влажности (либо порозности почвы) предложили Усович с соавт. (Usowicz et al., 2006). Объектом исследования был суглинок на территории виноградника в Италии. Особенность этой работы в том, что теплопроводность авторы не определяли экспериментально, а рассчитали с помощью физико-статистической модели, разработанной ими же ранее (Usowicz, 1992). Авторы считают эту модель достаточно точной, и принимают рассчитанную с помощью нее теплопроводность за референсные данные, с которыми затем и сравнивают результаты расчета по новым регрессионным уравнениям. Экспериментально