Spatial and temporal variability of 0- to 5-m soil-water storage at the watershed scale
流域尺度上0至5米土壤储水量的时空变异性
论文作者：傅子洹：中国科学院地球环境研究所黄土与第四纪地质国家重点实验室。
降雨格局、土壤水分布和植物生长之间的动态关系对于水资源有限的生态系统中土壤和水资源的可持续保护至关重要。由于缺乏深层土壤水数据，流域范围内深层土壤含水量的时空变化尚未得到充分描述。本研究在中国黄土高原（CLP）老叶满渠流域的19个采样点测量了5米深的土壤深层储水量（n=73）。在0-1.5米深度，年平均SWS与降雨强度高度相关，且相关性随深度的增加而减小，但在1.5-5.0米深度层内，SWS的变化表明降水与土壤水分补充之间存在滞后。SWS的地质统计参数也高度依赖于深度，相邻两层的平均SWS具有相似的空间结构。从平均相对差值、相对差值标准偏差和平均绝对偏差误差来看，浅层的SWS时间稳定性明显弱于深层。在流域尺度上，土壤分层和有机碳含量控制着土壤水系统的空间格局。本研究确定了一个具有代表性的地点（57号站点）来估算流域1-5米层的平均SWS。SDRD和MABE的半变异函数最适合各向同性球形模型，它们的空间分布与深度有关。SWS的时间稳定性和空间变异性随深度增加。这项研究有助于黄土高原以及全球其他类似地区的深层SWS估算和水土可持续管理。
土壤储水量（SWS）在陆地生态系统的水循环和能量通量中发挥着重要作用。由于受到气候、土壤特性、地形、土地利用等一系列因素的影响，以及这些因素之间的相互作用，SWS是一个高度空间-时间变量。但随着时间的推移，SWS的分布往往显示出高度的空间相似性。这种现象被称为时间稳定性，随后被用于确定不同空间尺度下平均SWS估算的代表性位置。有关SWS时间稳定性的研究大多集中在浅层（0-1米），造成SWS时间稳定性的因素很多。根据不同的关注尺度，浅层SWS的时间稳定性受气象条件、地形属性、土壤特性和土地利用的控制。近些年，越来越多的研究对1米以下深层土壤中的SWS进行了评估，这对于评估深根植物生长对全球气候变化，尤其是干旱和半干旱生态系统中极端干旱的响应至关重要。
黄土高原（CLP）是典型的限水地区，年平均降水量为400毫米，雨季水土流失严重，非雨季干旱胁迫，植被覆盖率低，生态退化严重，生态功能低下。为控制严重的水土流失，恢复黄土高原脆弱的生态环境，中国政府于1999年启动了“退耕还林”计划，促进了植被的快速恢复。多年生植物和外来树种的广泛和长期种植可将土壤水分利用到5米或更深的深度，这强调了研究深层SWS空间和时间变化的重要性。时间稳定性分析（TS）是估算SWS状态的有效技术，被广泛用于描述SWS的空间分布特征。不同学者根据所研究的不同深度下的SWS的时间稳定性得出了不同的分层结果。除少数研究外，以往研究对时间稳定点的识别主要集中在单个或少数几个采样点上。如果能确定TS的空间模式，就可以确定时间稳定区域而不是点，从而更灵活地选择监测点来估算平均SWS。然而，由于地质统计分析所需的深层土壤水观测数据相对较多，迄今为止还没有研究能描述深层SWSTS的空间模式。因此，了解深层SWS的时空变化及其深度依赖性对于进一步重新植被至关重要。
研究在老叶满渠流域（20公顷）进行，该流域位于黄土高原北部神木县以西14公里处（图1）。试验期间（2013-2015年）的年平均降水量为437毫米，其中70-90%降水量出现在6-10月。年潜在蒸散量为1337毫米，年平均气温为8.4℃，1月份最低气温为-23.8℃，7月份最高气温为32.5℃。该地区典型特征是深厚的黄土沉积和因水土流失严重而形成的深沟。不均匀的严重水土流失导致海拔高度相差74米，坡度从2°到36°不等。该流域的实际土地利用几乎包括了黄土高原上的典型植被，并根据优势物种和覆盖范围进一步划分为八种类型（图1b）。杨树、沙地柠条林、混合灌木、农田、草地、杏树、茂密柠条林和稀疏柠条林的采样点数量分别为5、5、4、11、24、3、10和11个。
图1 中国研究区的位置（a）和老叶满渠流域的采样点（b）。
2012年秋季，在73个地点安装了5米长的铝质中子探针接入管，以监测土壤含水量。这73个点位是通过网格法选出的（网格大小为50米×50米）。从2013年5月18日到2015年10月28日的19个采样日期，在0-1米和1-5米层分别以0.1米和0.2米的间隔采集低中子计数率（CR）。
并且在铝管安装过程中，使用直径0.05米的土壤取样器在每个位置对深度达5米的扰动土壤样本进行了取样。从八个层（即0-0.1、0.1-0.2、0.2-0.6、0.6-1.0、1.0-2.0、2.0-3.0、3.0-4.0和4.0-5.0米）采集了584个土壤样本，使用MasterSizer2000仪器测定土壤颗粒成分，并使用重铬酸盐氧化法测定土壤有机碳含量。此外，还采集了每个地点附近0.05米高度（直径0.05米）的未扰动土壤样本，分别使用恒定水头法和重力法测量饱和水力传导系数(Ks)和容重(BD)。气象数据包括降水量、相对湿度、风速和温度，由山顶平地上的气象监测系统（ZK-NT10A）自动获取。
在覆盖整个流域的八个不同地点进一步测量了土壤质量含水量和BD，以校准中子探针，从而确保该地区的所有土壤质地和土地利用类型都有代表性。在中子管附近的每个校准点挖掘了1米深的坑，以收集未扰动的土壤样本，用于测定BD，并将GSWC转化为土壤体积含水量。有了校正曲线，就可以根据中子探针直接测量到的有功滤波系数值推导出VSWC。相应的校准曲线方程可以写成：
然后，根据相应的VSWC和所选深度计算出第i个地点、第j个时间和第k个深度的SWS（SWSijk，毫米）。计算从0.5米土层到5米土层的SWSij，以评估SWS的垂直分布和时间动态。通过使用相对差值标准偏差(SDRD)和平均绝对偏差误差(MABE)进一步评估TS和深度依赖性。
统计方法-时间稳定性分析：
使用两种指数来获取TS。第一种方法是SDRD和平均相对差值（MRD）。具体来说，MRD和SDRD越低，地点越稳定。一般来说，MRD和SDRD均小于5%的地点被认为具有时间稳定性。根据SDRD和MRD计算出的时间稳定性指数（ITS）可用于识别时间稳定地点。通常，ITS值小于10%的地点可直接用来代表整个流域的平均SWS。
而MABE是另一个用于评估TS的指标。SDRD与MABE之间的根本区别在于，后者可直接用于表示时间平均偏差误差，使用确定的位置来产生平均SWS。选择MABE值小于5%作为标准，以确定估算研究区平均SWS的地点。
用于描述SWS、SDRD和MABE空间模式的半变异函数图的计算公式为：
其中，Y(h)和h分别为半变异图和滞后距离。N(h)是以h为间隔的样本对数，z(x)和z(x+h)分别是变量（即SWS、SDRD和MABE）在相关位置x和x+h上的测量值。四种理论半变异图模型（即线性模型、球形模型、指数模型和高斯模型）用于拟合所获得的经验半变异图，以生成地质统计参数。根据半变异分析，采用普通克里金法估算了SWS、SDRD和MABE在各土层中的空间分布。
计算了各土层SWS的平均值、标准差（SD）和变异系数（CV）等经典统计量。变异程度通过CV值进行评估。一般来说，变异系数小于10%、10%≤CV≤100%、CV>100%时，变异性分别为低、中、强。采用t检验来确定差异是否具有统计学意义。
1.土壤水平均储量的基本特征：
0.5m深度的时间平均SWS随深度的增加而增加，从57.2mm（0-0.5m）增加到70.6mm（4.5-5.0m）。0至0.5米深度的SWS与其他深度的SWS有明显差异（P<0.05）（表1）。平均SWS的空间SDS和CVS随深度的增加而增加。然而，随时间变化的空间平均CV和SD（即CVT和SDT）在0-0.5米和0.5-1米深度变化适中（10%<CV<100%），在更深土层变化较弱（CV<10%），这表明SWS的时间变异性随深度的增加而减小。在本研究中，1-5m深层内SWS的时变性较弱。而深层的强烈空间变化是由于降雨入渗和径流的累积效应造成的，这主要受土壤特性、地形相关因素和土地利用类型的控制。
表1.2013至2015年中国黄土高原不同土层深度土壤储水量（SWS）的基本统计数据
注：SWS的SD代表空间SWS的标准差，SWS的CV代表空间SWS的变异系数，SDT代表基于平均空间SWS的时间序列的标准差，CVT代表基于平均空间SWS的时间序列的变异系数。不同字母表示差异显著，§表示差异显著，P<0.05。
2. 土壤储水动态：
2013年、2014年和2015年的年降水量分别为631，438和336毫米（图2）。这表明2013年比其他两年湿润得多。在0-0.5米和0.5-1.0米的地层中，由于对降雨和蒸散的快速反应，SWS存在较大波动。1.0-1.5米深度的SWS也会对气象条件（如2013年的过量降雨和2015年的干旱）做出反应，而本研究发现1.5米以下的SWS只有轻微变化，除了2013年暴雨时出现的剧烈波动。深层SWS的动态模式主要受入渗、地下水补给和深根植被吸水的控制。本研究区域的地下水非常深（>50米）。因此，2013年深层地下水位上升可能是由于雨季暴雨造成的累积下渗，而地下水位下降可能是由于深根植被（如杨树和灌木丛）大量吸收水分并将水分重新分配到更深层。
图2 2013年5月18日至2015年10月28日中国黄土高原流域平均SWS与降水量的动态变化。灰色曲线表示2-5米层的土壤水分储量（SWS）。点代表每个测量日期的平均SWS空间值。测量点之间的连接线仅用于可视化，并不代表测量日期之间SWS的实际变化。
3. 土壤储水的空间分布：
半变异图显示，在某些滞后距离上，SWS接近一个稳定的趋势（表2）。球形变异图模型很好地拟合了各层SWS的实验半方差。地质统计参数随深度而变化。在0-0.5米、0.5-1.0米、1.0-1.5米、1.5-2.0米和2.0-2.5米的土层中，nugget–sill ratio小于25%，而在其他土层中，nugget–sill ratio为25-75%，这意味着在0-2.5米和2.5-5.0米的深度内，SWS分别具有较强和适度的空间依赖性。上部1.0m的SWS范围（即空间自相关距离）为163m，与前人观察到的0-0.8m的SWS范围（即151-186m）相当。随着土壤深度的增加，SWS的范围普遍减小。
表2.利用球形变异图模型对中国黄土高原各土层平均土壤储水量的地质统计分析
相邻土层的时间平均SWS表现出相似的空间格局（图3）。相邻土层之间的皮尔逊相关系数（R=0.8-0.95，P<0.01）证明了这一点。在面向西南的斜坡上，0-3.0米土层内的SWS要高于面向东北的斜坡上的SWS。不同山坡0-3.0米深处的SWS不同，东北坡SWS最低的区域随着深度超过3.0米而变得更湿润。由于潮湿表层区域的垂直水文通量，沟谷深层存在一些较高的SWS。在雨季，地形是通过地表和地下径流促进深层SWS积累的主要因素。
图3
注：中国黄土高原各土层平均土壤储水量的分布。
4. 流域尺度土壤水分储量的时间稳定性：
MRD范围总体上随深度增加而增大，这与3.5-5.0m深度处较强的空间变异性相呼应，也反映在较大的山丘变异上（表3和图4）。本研究的MRD范围大于其他研究。这可能是由于整个流域的土壤类型、土地利用类型和地形属性的异质性较高。
表3.中国黄土高原各土层平均土壤储水量（SWS）的相关参数
注：土壤储水量的平均相对差异用MRD表示，两个不同的指数（SDRD和MABE）分别是相对差异标准偏差和平均绝对偏差误差的相应代用指标。Na代表MRD在-5%到+5%之间的地点数量。Nb和Nc分别是SDRD和MABE<5%的地点数量。
图4
注：中国黄土高原老叶满渠流域所有采样点所有土层的土壤储水量平均相对差异（MRD）和时间稳定性指数（ITS）排名。垂直条代表相对差异的±一个标准差。蓝色曲线表示ITS，ITS小于10%的地点用蓝色圆圈标出。相应蓝圈上方的红色数字代表代表时间稳定性的单个共同位置。
SDRD和MABE被广泛用于评估SWS的TS。在本研究中，相关的时间平均SDRD和MABE随着深度的增加而减少（表3）。随着深度的增加，时间稳定位置的数量也在增加。例如，SDRDs和MABEs均小于5%的地点数量在0-0.5m深分别为1个和6个，在4.5-5.0m深分别为47个和60个。这些结果表明，由于气候影响较小，深层的SWSTS更强。
如果ITS值小于10%可用于估算平均SWS，则从0-0.5米到4.5-5.0米分别有1、5、5、5、6、9、11、8、8和9个时间稳定位置（图4）。随着深度的增加，时间稳定位置的数量也随之增加，这是因为水文过程参与较少，其中包括深层的侧向径流、渗透和蒸散。找到一个单一的共同位置来代表多层的平均SWS非常困难，但这是有效评估深层SWS的一个优势。虽然没有为完整的土壤剖面确定单一的代表位置，但本研究发现第57号位置可用于代表1-5米深度的平均SWS。
使用单个位置代表更深层的平均SWS可能会在一定程度上牺牲SWS预测的准确性，从而降低成本。因此，本研究绘制了代表性地点的SWS测量值与整个流域平均值之间的关系图，以评估估算的可靠性（图5）。此外，SWS平均值与代表性地点SWS值的对比图（图5）显示，所选2.0至5.0米地层的代表性地点比2米以上地层更适合用于评估SWS平均值。本研究的研究表明，在流域尺度上使用时间稳定位置预测平均SWS的可行性较低。此外，从0米到2.0米的时间稳定点高估或低估了平均SWS值，偏移量大于5%；相比之下，2米以下的代表性地点在每个采样日期估计的平均SWS值偏移量在5%以内。这可能是因为在选定的代表性地点，较深地层的SWS对降水和蒸发的敏感性较低。尽管如此，本研究所选的时间稳定地点有利于估算平均SWS，因为所需的样本数量减少了，预测的准确性也可以接受。
图5
注：老叶满渠流域各土层的平均土壤储水量（SWS）与代表性地点的实测SWS之间的关系，其中相应土层中0-0.5、0.5-1和1-5米深度的选定代表性地点分别为地点9、64和57。蓝色虚线代表5%的SWS误差。
5. 影响土壤储水的因素：
先前的研究发现，土壤特性、地形、土地利用类型和饱和土壤水分会影响SWS。相关分析表明，土壤粒径组成和土壤有机碳含量是不同土层中MRD的主要决定因素（表4）。例如，砂和粘土含量分别与SWS呈负相关和正相关，这与前人的观点一致。此外，土壤表面水力特性（如BD和Ks）也会通过影响土壤持水量和入渗率而导致SWS在整个土壤剖面上的空间分布。然而，有研究发现，MRD与Ks无关，但与BD呈正相关。这可能是由于在其研究中，Ks在斜坡尺度上的变异性较低。一般来说，地形控制着地表径流主导地区的SWS分布。在本研究中，海拔高度对MRD的影响较弱。此外，在湿季由较高的饱和水平传导率和土壤层控制的横向流促进了山谷中较高的深层SWS。土地利用类型也通过蒸散作用强烈地控制着深层SWS，而蒸散作用会受到根系分布、植物密度和物种多样性的影响。此外，土地利用类型还通过影响土壤保水性和水力传导性来影响SWS。
表4.中国黄土高原土壤储水量平均相对差异（MRDs）与相应变量之间的皮尔逊相关系数
注：BD和Ks是对0至5厘米土层的测量值，分别代表容重和饱和导水率。SOC代表土壤有机碳。a表示相关性在0.05水平上显著。b表示相关性在0.01水平上显著。
6. 土壤储水量时间稳定性指数的地质统计分析：
在1.0至2.0米水层中，SDRD和MABE的岩块方差和岩床方差最大，并随深度的增加而减小，直到4.0至5.0米水层的最低值。虽然SDRD在26%到41%之间（0-3.0米），MABE在16%到24%之间（3.0-5.0米），分别显示出中等和较强的空间依赖性，但SDRD和MABE的nugget–sill ratio没有随深度变化而变化的规律。MABE的范围随着深度的增加而减小，在0-4.0米深度比SDRD的范围大，这表明MABE在0-4.0米层位内比SDRD在更广的范围内具有空间相关性。
表5.中国黄土高原老叶满渠流域差异土层（球形模型）SWS的相对差值标准差（SDRD）和绝对偏差平均值（MABE）的地质统计分析
时间稳定区附近的地点往往具有时间稳定性，这表明存在一个扩展的时间稳定区。连续层中的SDRD和MABE的空间格局（图6和图7）几乎重合，Pearson相关系数证实了这一点（P<0.01）。SDRD的皮尔逊相关系数从0.48增加到0.87，然后在深层稳定下来，这意味着深层之间有更高的相似性。同样，MABE的皮尔逊相关系数从0.59到0.95一直保持在较高水平。
图6
注：中国黄土高原老叶满渠流域各土层土壤储水量相对差值标准差（%）的空间变化规律。
图7
注：中国黄土高原老叶满渠流域各土层土壤储水量平均绝对偏差误差（%）的空间模式。
流域尺度的平均SWC垂直分布在3年的土壤剖面中差异很大，但在较深层（>2.4米）的差异可以忽略不计（图8）。由于地下水太深（>50米），无法参与黄土高原的水文过程，因此深根吸水和降雨带来的水分再分配是影响深层SWS的主要因素。在3年时间里，2.4米以下的深层土壤水分含量始终如一，这可能表明重新分配到深层土壤中的水分是通过根系吸水提升上来的。在TS分析的基础上，时间稳定的地点57被用来预测深层SWC（>1米）的年度变化。每年，位置57的SWC与流域尺度的平均SWC在2.4米以外具有可比性，SWC差异小于1%（图8）。这再次表明，位置57不仅可用于表示深层（>1米）的平均SWS，还可用于捕捉流域深层SWC的垂直分布。
图8
注：2013至2015年中国黄土高原57号地点测得的5米剖面平均土壤含水量（SWC）的垂直分布和老叶满渠流域平均SWC的垂直分布。蓝色、黑色和灰色实线和虚线分别代表2013年、2014年和2015年在57号地点测得的平均土壤含水量和流域尺度的平均土壤含水量。
本研究在老叶满渠流域的73个地点测量了5米剖面的SWC和相应的土壤特性，测量历时3年（共19次）。SWS的时空变化在很大程度上取决于土壤深度。年平均SWS随深度（0-1.5米）的增加而减少，并与降水量高度相关。1.5-5.0米深度的SWS变化表明降水与土壤水分补充之间存在滞后。SWS的地质统计参数也与深度高度相关，平均SWS在连续土层中呈现相似的空间结构。MRD、SDRD和MABE表明，土壤剖面中的TS在表层明显弱于深层。在流域尺度上，不同土层的SWS主要受粘土、粉土、砂土和有机碳含量的控制。SWS、SDRD和MABE的半变量图与各向同性的球形模型拟合最佳，其空间分布与深度有关。深层（大于2.4米）的SWC在3年中保持不变。由于流域是黄土高原生态恢复综合治理的基本单元，本研究的研究结果有助于黄土高原乃至全球其他类似地区的水土资源保护和管理。
作者 | 子涵
编辑 | 回毅滢
