土石山林區和黃土塬農區不同覆蓋類型土壤水分差異性分析

劉明輝，王 飛，2，李 銳，2 ，焦 俏，穆興民，2

(1.西北農林科技大學 資源環境學院，陜西楊凌712100;2.中國科學院 水利部水土保持研究所黃土高原土壤侵蝕與旱地農業國家重點實驗室，陜西楊凌712100)

土壤水分是土壤的重要組成，是土壤系統養分循環和流動的載體，與地球的氣候系統相互作用。土壤中已經存在的土壤水將影響降水的滲透進而形成徑流，這樣就會造成土壤侵蝕和洪災，其影響程度取決于下墊面的土壤水狀況。土壤風蝕是土地沙漠化的首要環節，干旱的地表是導致北方土地沙漠化及沙塵暴肆虐的重要原因之一。土壤水又是洪水和干旱預報、農作物估產的重要指標[1-2]。干區土壤水分蒸發大，使土壤缺水而干旱，極易導致土壤鹽漬化等，進而引起植被退化、水土流失、土壤沙化等生態環境惡化現象。被植物根系吸收的土壤水是農作物長勢及產量估計的一個重要影響因素。土壤水分還是山洪爆發監測及洪水災害預報的重要依據[1]。

目前國內一些關于土壤水分的研究，是傳統的“點”測量方法，它的觀測重點是土壤水分在垂直徑深方向上的變化，而且現有利用這些土壤水分的大多數模型也是基于已有的“點”狀數據進行設計的，這些模型不能反映土壤水分在空間水平方向上變化對這些模型輸出的影響。由于精確測量得到的“點”狀土壤水分不僅稀疏，而且只能代表某個小范圍某個時間段上的土壤水分狀況，大尺度、持續性的土壤水分也由于傳統測量方法的費時、費力而且費用高不能得到滿足[1]。

黃河流域水土流失嚴重，而黃土高原是黃河泥沙的主要來源，土壤表層水分對產流產沙有一定影響，所以研究林區和農區土壤表層水分差異，對于黃河流域特別是黃土高原水土保持有一定的參考價值。

本研究使用ERS-1/2衛星的風散射計數據反演得到的土壤水分，研究林區、農區在降水條件下的土壤表層水分變化特征。

1 研究區概況及數據資料

1.1 研究區概況

研究區位于陜甘交界處的子午嶺北部林區及陜西省的洛川縣周邊黃土塬區，地理坐標范圍居于北緯35.5°-36°，東經 108.5°-109°，地貌類型屬黃土丘陵溝壑。子午嶺北部是洛河和涇河的分水嶺，海拔1 200～1 600 m，林區植被主要為天然次生林，自1866年當地人口外遷后，在棄耕地的基礎上恢復生長起來的，林區具有完整的植被演替序列。林區主要森林群系為油松林、遼東櫟林、山楊林和白樺林及遼東櫟林與白樺、山楊、油松等的混交林。

洛川縣周邊黃土塬區，平均海拔1 072 m，是黃土高原面積最大，土層最厚的塬區，也是目前世界上保存最完好的古原地貌之一。塬面平坦，土地寬廣，質地優良，日照充足，晝夜溫差大。雨熱同季，自然條件優越，發展農業具有得天獨厚的優勢，素有“陜北糧倉”和“蘋果之鄉”的譽稱，先后被確定為全國蘋果外銷基地縣和陜西省蘋果生產甲級基地縣、糧油生產基地縣、烤煙生產基地縣。洛川縣是世界最佳蘋果優生區和中國蘋果優生區的核心地帶，迄今已有50多年的蘋果栽培歷史。

1.2 數據資料

ERS風散射計是為了測量海洋表面風速和風向而設計的非成像雷達系統。ERS風散射計近年來被廣泛應用于地表參數反演等。雖然星載散射計數據的空間分辨率很低(幾十公里)，但由于其高重復覆蓋率，使得該數據在諸如水文、氣候等大尺度模型中具有重要的應用價值。

研究數據是通過維也納工業大學攝影測量與遙感學院的變化監測方法，把不同時段不同入射角的ERS散射計后向散射系數歸一化為入射角為40°的后向散射系數θ0(40，t)，然后選取研究區的全年內土壤最干和最濕兩個時間段的后向散射系數(40 ，t)、(40，t)〕為參考值計算土壤水分參數 ，見公式(1)。該方法得到的是一個介于0～1的土壤水分飽和度指標，其中“0”表示土壤最干旱，而“1”表示土壤水分達到飽和。所用的數據是土壤表層5 cm水分數據。土壤水分樣點是全球格網離散點，離散點間距為12.5 km[3-6]。主要包含了樣點坐標、時間及相對應的土壤水分。該數據能較好反映土壤表層水分的空間分布狀況。

降水資料則是選取的洛川站1992-2000年旬降水量數據。

2 結果與分析

2.1 林區、農區土壤表層水分指數在降水條件下的變化分析

圖1-3是1992-2000年林區、農區土壤表層水分指數及降水變化。整體上來看，土壤表層水分指數變化與降水量變化基本一致，說明降水是土壤表層水分指數變化的主要因素。1月、12月，林區、農區土壤表層水分指數全年最低，兩地區土壤表層水分指數基本相同且變化很小。其余時期，林區高于農區。特別是1995年，年降水量僅296 mm，土壤表層水分指數也比其它年份低。以降水量為標準，分別選擇降水量在小于30 mm，30～60 mm，大于60 mm三種不同情況下具有代表性的時間段用以說明降水過后林區農區的土壤表層水分指數的變化差異。

(1)降水量大于60 mm的條件下兩地土壤表層水分指數變化情況。1996年8月上旬降水85 mm，林區、農區土壤表層水分指數分別為 87.3%、91.5%，中旬無降水的情況下，分別降至 59.2%、50.1%，也就是分別減少28.1%、41.4%。1997年9月中旬降水 68 mm，土壤表層水分指數分別為86.4%、90.1%，下旬降水僅8 mm，土壤表層水分指數分別減少了29.2%、42.9%。

圖1 1992一1994年林區、農區土壤表層水分指數與降水量變化

圖2 1995一1997年林區、農區土壤表層水分指數與降水量變化

圖3 1998一2000年林區、農區土壤表層水分指數與降水量變化

(2)降水量大于30 mm，小于60 mm情況下兩地土壤表層水分的變化情況。1996年9月中旬，土壤表層水分指數分別為63.8%、69.6%，到下旬分別減少6%、16.6%。1997年8月上旬降水39 mm，林區、農區土壤表層水分指數分別為72.0%、65.1%，中旬降水僅為7 mm，而土壤表層水分指數則分別減少了12.4%、20.6%。1998年8月下旬降水35 mm，土壤表層水分指數分別為82.8%、81.3%，到下旬分別減少了22.5%、31.5%。

(3)降水量小于30 mm的條件下兩地土壤表層水分變化情況。1992年4月下旬，林區、農區土壤表層水分指數分別為46.4%、26.8%，5月上旬降水29 mm，兩地土壤表層水分指數迅速升至相似的水平，分別達到77.8%、81.8%。到 5月中旬，林區、農區土壤表層水分指數分別降至51.5%、38.8%，農區土壤表層水分指數上升幅度和回落幅度遠高于林區。1992年11月上旬降水20 mm，林區、農區水分指數基本相同，11中旬至下旬研究區沒有降水，農區水分指數在中旬降至31.4%，而林區至下旬才降至32.7%。1993年5月中旬降水量24 mm，林區、農區土壤表層水分指數分別為68.1%、63.8%，林區比農區高4.3%，降水之后一個月內，幾乎很少的降水，6月上旬，林區土壤表層水分指數降至42.6%，仍比5月下旬農區水分34.4%高出8.2%。

2.2 林區、農區土壤表層水分指數的不同變化特征

由圖1-3可看出，1992-2000年中，1997年具有雙波峰變化曲線，而1998年是比較常見的單波峰變化，所以選取了1997年和1998年研究土壤表層水分指數季節變化曲線。

如圖4所示，以土壤表層水分指數為縱坐標，以時間為橫坐標，可以得到林區和農區的土壤表層水分指數動態圖。縱坐標為土壤表層水分指數，橫坐標以旬為單位的時間序列，全年共 36旬。從圖4(a，b)可以看出，1997年土壤表層水分3-4月出現一個波峰，5-6月降低，7-9月出現第二個波峰。將1997年按照土壤表層水分變化劃分為三個時期:3-4月，5-6月，7-9月。與1998年同時期相比:3-4月，1997年同期降水82 mm，1998年同期降水62 mm;5-6月，1997年降水 32 mm，1998年降水143 mm;7-9月，1997年降水223 mm，1998年降水315 mm。由此可看出，1997年土壤水分變化曲線出現兩個波峰，主要原因是5-6月降水過少，土壤表層水分含量降低。

圖4 土壤表層水分指數季節變化

3 結論

(1)林區土壤表層根系較少，覆蓋度高，相對減少了地表蒸騰作用和由于土壤表層根系吸水造成的植物蒸騰作用散失的水分，林區土壤表層水分指數整體明顯比農區高。

(2)受到降水影響，農區土壤表層水分指數響應時間短，表層土壤水分含量上升快。降水過后，土壤表層水分指數相同的情況下，林區地表空氣流通性小，地表蒸騰作用小，以及地表覆蓋物對降水的截流，使得林區最多可以比農區延遲一旬到達某一相對干旱的土壤表層水分狀況，或者，在10 d左右的時間，林區土壤水分損失最少，只有農區土壤表層水分損失的50%，或更少。

[1] 王建明.基于ERS散射計數據的青藏高原土壤水分估算方法研究[D].北京:中國科學院遙感應用研究所，2005.

[2] 劉增燦.微波散射測量及土壤水分反演研究[D].成都:電子科技大學，2009.

[3] Wagner W.Soil Moisture Retrieval from ERS Scatterometer Data[D].Austria:Vienna University of Technology，1998.

[4] Wagner W，Lemoine G，Rott H.A method for estimating soil moisture from ERS scatterometer and soil data[J].Remote Sensing of Environment，1999，70:191-207.

[5] Wagner W，Scipal K，Pathe C，et al.Evaluation of the agreement between the first global remotely sensed soil moisture data with model and precipitation data[J].Journal of Geophysical Research-Atmospheres，2003 ，108(19):4611.

[6] Ceballos A，Scipal K，Wagner W，et al.Validation and downscaling of ERS Scatterometer derived soil moisture data over the central part of the Duero Basin，Spain[J].Hydrological Processes，2005，19:1549-1566.