高寒草甸生態系統表層土壤水分時間穩定性研究

朱緒超 邵明安,2 朱軍濤 張揚建

(1.中國科學院地理科學與資源研究所生態系統網絡觀測與模擬重點實驗室， 北京 100101；2.中國科學院大學資源與環境學院， 北京 100190)

高寒草甸生態系統表層土壤水分時間穩定性研究

朱緒超1邵明安1,2朱軍濤1張揚建1

(1.中國科學院地理科學與資源研究所生態系統網絡觀測與模擬重點實驗室， 北京 100101；2.中國科學院大學資源與環境學院， 北京 100190)

選取西藏高原北部那曲地區一處典型的高寒草甸生態系統為研究對象，用TDR 300測量樣地中2個樣帶共82個測點表層0～7.5 cm的土壤含水率，在2015年生長季中共測量14次。基于所測數據分析了土壤含水率的時空變異性和時間穩定性。結果表明，2015年生長季2個樣帶表層平均土壤含水率為26.0%，在空間上表現為弱變異性，在時間上表現為中等變異性，土壤含水率較高時，土壤水分的變異性也較高；82個測點土壤含水率的空間模式在7月份—8月初相似性較弱，在8月中旬—9月初相似性較強；土壤含水率的相對差分平均值在-11.5%～8.5%之間，相對差分標準差的平均值為8.6%，二者表現為開口向上的二次曲線關系，說明土壤含水率接近樣地平均值的測點具有較高的時間穩定性，而在較干和較濕的測點，土壤含水率的時間穩定性相對較弱；時間穩定性指數、平均絕對偏差、均方根誤差和最小相對差分標準差平衡法4種方法均能準確地判定土壤含水率時間穩定性最佳代表測點，利用最佳代表測點估算樣帶平均土壤含水率均具有較高的精度，相比較而言，最小相對差分標準差平衡法精度更高。

土壤含水率； 時空變異； 時間穩定性； 代表測點； 高寒草甸

引言

表層土壤水分作為一個重要的變量，控制著地表徑流、雨水入滲、土壤蒸發、植被蒸騰等一系列生態和水文過程[1-2]。土壤水分作為高寒區植被生長重要的限制因子，其時間變化和空間分布控制著植被的格局、多樣性和演替特征，對高寒草甸生態系統的功能和結構具有重要的影響。

時間穩定性是土壤含水率一個重要的特征，被定義為土壤含水率的空間模式在時間上的持續性。時間穩定性強，說明土壤含水率的空間分布模式在時間上的相似性越大。利用時間穩定性概念，可以估算樣地平均土壤含水率，校正遙感反演的土壤含水率，對土壤含水率升、降尺度，插補土壤水分缺失的數據等[3-4]。土壤含水率的時間穩定性在不同的生態系統、不同的研究尺度、不同的土壤深度均獲得了廣泛的研究和成功的應用[5-8]。盡管有關土壤含水率時間穩定性的研究已經非常充分，然而在青藏高原地區，尤其在藏北典型的高寒草甸生態系統中，土壤含水率的時間穩定性研究尚為缺乏。

為研究高寒草甸表層土壤水分的時空變異性和時間穩定性，本文在420 m和620 m的2個交叉樣帶，對一典型高寒草甸82個測點表層0～7.5 cm的土壤含水率在2015年生長季共進行14次觀測。分析2個樣帶表層土壤含水率的空間變異性和時間穩定性，評估利用不同方法判定時間穩定性代表測點的準確性，并評價最佳代表測點估算樣帶平均土壤含水率的精度。

1 材料與方法

1.1 研究區概況

實驗在中國科學院地理科學與資源研究所藏北高原草地生態系統研究站(那曲站)(31.64°N、92.01°E，海拔高度4 600 m)進行，實驗站位于中國西藏自治區那曲縣正北方向19 km，地理位置處于西藏高原北部，羌塘高原的核心地帶。研究區屬于亞寒帶半濕潤季風氣候，冬季漫長寒冷，僅6—8月份為生長季。1981—2014年平均氣溫為-0.5℃，1月份最冷，月平均氣溫為-11.6℃，7月份最熱，月平均氣溫為9.6℃。研究區年均降水量455.8 mm，7月份降水最多，平均降水量為109.0 mm，6—8月降水量占全年降水量的63.7%。受厄爾尼諾的影響，研究區2015年7月經歷了異常干旱，7月降水總量僅為44.2 mm，7月下旬無降水發生，生長季降水量也僅為203.5 mm。相比于降水量，研究區生長季平均氣溫波動較小，維持在9.6℃附近。研究區植被以高山嵩草(Kobresiapygmaea)為優勢種，二裂萎陵菜(Potentillabifurca)、釘柱萎陵菜(Potentillasaundersiana)、火絨草(Leontopodiumpusillum)、苔草(Carexmoorcroftii)等叢生的植物群落生長其中。

1.2 實驗和數據獲取

為防止牛羊啃食，于2011年架設不規則多邊形圍欄對草地進行封育觀測。圍欄西南—東北寬約480 m，西北—東南長約700 m，總面積約33.5 hm2。在圍欄中間，西南—東北方向，間距25 m布設7個測點(圖1，L1～L7)，之后間距10 m布設30個測點(L8～L37)，共布設37個測點。在西北—東南方向，間距30 m布設7個測點(L38～L44)，之后間距10 m布設18個測點(L45～L62)，之后間距12 m布設20個測點(L63～L82)，2個樣帶共布設82個測點。用手持GPS記錄各樣點的經、緯度數據。用TDR 300 (Spectrum Technologies, Inc.,美國)測量表層0～7.5 cm的土壤含水率，2015年生長季共測量14次。測量時間分別為7月7日、11日、14日、18日、26日、30日，8月6日、10日、15日、19日、22日、26日、29日和9月1日。在點L1、L3、L5、L7、L12、L17、L22、L27、L32、L37(相距50 m)和點L38、L40、L42、L44、L50、L56、L62、L67、L72、L77、L82(相距60 m)處表層分別用100 cm3環刀取原狀土樣，用烘干法校正TDR 300，校正方程為

y=0.871 8x+5.419

(R2=0.763,p<0.001,RMSE為2.3%)

(1)

式中x——儀器實測土壤體積含水率，%y——校正后土壤體積含水率，%

實測值和校正值在p<0.001的水平上具有顯著的相關性，且均方根誤差(RMSE)較低，因此可認為此方程能夠滿足校正的精度要求。

圖1 樣地布點位置圖Fig.1 Locations of sampling points in study plot

1.3 分析方法

1.3.1 經典統計方法

利用經典統計分析方法，通過計算82個點14次測量土壤含水率的最大值、最小值、平均值、標準差和變異系數，來描述土壤含水率數據的分布情況和在時間、空間上的變異性。變異系數是標準差和平均值的比值，根據NIELSEN等[9]的劃分標準，變異系數小于等于10%時為弱變異，在10%～100%之間為中等程度變異，大于等于100%時為強變異。

1.3.2 時間穩定性

采用2種方法研究土壤水分的時間穩定性，即Spearman秩相關系數法和相對差分法。Spearman秩相關系數法反映了不同觀測時間下觀測樣點在空間模式上的相似性[10]，秩相關系數rs計算公式為

(2)

式中Rij——觀測點i在時間j下土壤含水率觀測值的秩

Rij′——觀測點i在時間j′下土壤含水率觀測值的秩

N——土壤含水率觀測樣點的個數，取82

rs值越接近1，表示土壤水分空間分布格局在時間上越相似，即土壤水分的時間穩定性越強。

相對差分法是根據相對差分理論建立的。根據文獻[10]的研究，觀測點i在觀測時間j的土壤含水率相對差分值δij計算公式為

(3)

其中

(4)

(5)

(6)

式中M——觀測次數，取14

相對差分平均值一般用來判定測點土壤含水率與樣地平均土壤含水率的接近程度，測點相對差分值越接近于0，其土壤含水率越能代表樣地平均土壤含水率，相對差分大于和小于0，分別表示高估和低估了樣地平均土壤含水率。相對差分標準差被廣泛地用來判定研究區內土壤含水率的時間穩定性，其值越小，表示測點土壤含水率時間穩定性越強。當空間存在某點，其相對差分平均值接近于0，相對差分標準差又很小，則該點可在不同的含水率條件下代表研究區土壤含水率的平均值。

1.3.3 時間穩定性最佳代表測點判定方法

JACBOS等[11]和ZHAO等[12]通過將相對差分平均值和相對差分標準差合成一個指標——時間穩定性指數(ITS)，來判定時間穩定性測點，其公式為

(7)

時間穩定性指數越小的點，時間穩定性越強，其土壤含水率越能代表研究區土壤含水率的平均水平。一般認為，時間穩定性指數小于10%的點可作為時間穩定性代表性測點，值最小的點即為時間穩定性最佳代表測點。

最小相對差分標準差平衡法認為相對差分標準差最小的點為時間穩定性最佳代表測點，之后利用公式來校正測點的實測土壤含水率[1,13]，即

(8)

式中θoij——最佳代表測點i在時間j下的實測土壤含水率

HU等[14]和GAO等[15]分別提出了利用平均絕對偏差(MABE)和均方根誤差(RMSE)來判定代表性測點，計算每個測點的平均絕對偏差和均方根誤差，認為數值最小的點為時間穩定性最佳代表測點。二者的計算公式分別為

(9)

(10)

二者的值越小表示土壤含水率的時間穩定性越強，最小值對應的點可認為是時間穩定性最佳代表測點。

2 結果與分析

2.1 土壤含水率的時空動態

圖2為土壤含水率及其對應的標準差和變異系數以及降水量在觀測期間的時間變化。由圖2可直觀地看出，土壤含水率具有較大的變幅，而標準差和變異系數保持相對穩定。土壤含水率的平均值為26.0%，變化范圍為8.8%～37.3%。標準差均在5%以下，說明在不同的測量時間，土壤含水率的空間變化量均較小。變異系數的平均值為9.7%，說明在不同測量時間下，土壤含水率具有較弱的空間變異性。對比降水量可知，表層土壤含水率與降水量具有較好的同步性，7月份發生干旱，表層土壤含水率持續下降，8月初降水量回升，含水率穩步上升，直到8月底9月初達到相對穩定狀態。

圖2 空間平均土壤含水率的平均值、標準差和變異系數及對應日期的降水量Fig.2 Time series of spatial averaged soil water content and its associated standard deviation and variation coefficient along with precipitation in growing season of 2015

表1為土壤含水率在14個測次上平均值、標準差和變異系數的空間統計特征。時間平均土壤含水率在空間82個測點的平均值為26.0%，分布范圍在21.7%～28.4%之間。時間上土壤含水率的標準差和變異系數在82個測點的平均值分別為9.3%和35.8%，分布范圍分別為6.0%～11.3%和27.6%～40.8%。雖然土壤含水率標準差不高，但變異系數均大于10%，說明研究樣地兩樣地表層土壤含水率在時間上表現為中等程度變異性。另外，由時間上土壤含水率的標準差和變異系數在空間上的標準差(0.9%和2.4%)和變異系數(9.98%和6.60%)可知，土壤含水率在時間上的變異性在空間82個點上沒有顯著的變化。

表1 土壤含水率時間上平均值、標準差和變異系數 的空間統計特征Tab.1 Statistics of spatialand temporal averaged soil water content and its associated standard deviation and variation coefficient %

ZHANG等[1]分析了中國西北荒漠地區表層土壤含水率的時空動態，數據顯示在不同的觀測時間下，土壤含水率在空間上具有中等程度變異性，與本研究得出的弱的空間變異性不同，這主要是研究范圍、土壤性質和植被差異引起。較大的研究范圍意味著土壤、地形等因素具有較大差異，土壤含水率更易發生變化。另外，其研究在荒漠地區，土壤為砂土，土壤有機質含量少，土壤具有較大的導水性能，而在高寒草甸生態系統，表層為毛氈層，土壤中多年累積的植被根系與土壤緊實地板結在一起，具有重要的保水性。此外，嵩草的枯落物累積在土壤表面，對降水和土壤的蒸發具有一定的緩沖作用，這在一定程度上減弱了土壤含水率在空間上的變化。

土壤含水率平均值與標準差的相關性(圖3)表明，土壤含水率平均值與標準差在p<0.001的顯著水平上具有較強的相關關系，說明在研究區土壤含水率較高時，土壤含水率的變異性也較高。這與ZHANG等[1]的研究結果相同，與BROCCA等[16]的研究結果相反。這種土壤含水率平均值與其變異性之間關系的差異，主要由于研究區的土壤屬性、氣候狀況、植被等因素造成，同時還與土壤水分狀態、研究尺度和采樣策略有關[1,16]。

圖3 土壤含水率平均值和標準差的關系Fig.3 Relationship between mean soil water content and associated standard deviation

2.2 土壤水分空間模式的時間變化

用Spearman秩相關系數法分析土壤含水率的空間模式[10]，土壤含水率Spearman秩相關系數見表2。由表2可以看出，前8次觀測間土壤含水率的相關系數均較低，絕大多數日期對間不具有顯著性，說明土壤含水率的空間模式在前8次觀測時間上的相似性較弱。在后6次觀測期間相關系數較高，基本在p<0.01的水平上顯著，說明后6次觀測的土壤含水率的空間模式具有較強的相似性。這與多數學者[1,17-19]的研究結果均不相同。本研究的前8次測量在7月和8月初，正處于異常的干旱期，土壤含水率較小，可能是導致土壤含水率時間穩定性較弱的主要原因。

2015年7月研究區共降水44.2 mm，遠低于多年(1981—2014年)7月份平均降水量109.0 mm。8月開始降水恢復，整個8月共降水116.9 mm，稍高于多年8月平均降水量97.6 mm，達到正常的降水水平。研究區土壤含水率的空間模式在極端干旱的條件下(7月)相似性較弱，但在正常的降水水平下(8月)相似性較強。因此可認為，在正常的降水年份研究區表層土壤含水率具有時間穩定性。

表2 表層0～7.5 cm不同觀測日期土壤含水率Spearman秩相關系數Tab.2 Spearman’s rank correlation coefficients corresponding to surface (0～7.5 cm) soil water content data measured on different dates

注：*表示相關系數在p<0.05的水平上顯著，** 表示相關系數在p<0.01的水平上顯著。

2.3 土壤含水率的相對差分分析

圖4 相對差分平均值及其對應的標準差和時間穩定性指數排序圖(灰色點表示時間穩定性指數小于5%)Fig.4 Ranked mean relative difference and its associated standard deviation along with index of temporal stability (gray points referred to locations with ITS less than 5%)

利用相對差分方法分析各測點土壤含水率的時間穩定性特征。圖4為土壤含水率相對差分平均值從小到大的排列情況，及對應的相對差分標準差和時間穩定性指數曲線。平均相對差分在-11.5%～8.5%之間，極差為19.9%(表3)，比ZHANG等[1]、JIA等[17]和LI等[18]的研究均較小。這主要與研究尺度、試驗布設、采樣方式等有關。較大的研究尺度中，土壤、植被、地形、氣象等因素具有較大的空間變異。相對差分標準差的平均值為8.6%，標準差僅為3.3%(表3)，可知各測點相對差分標準差較小且變化不大，說明土壤含水率具有較強的時間穩定性。時間穩定性指數的平均值為9.5%，標準差僅為3.6%(表3)，說明各測點具有較小且較穩定的時間穩定性指數。

圖5 土壤含水率相對差分平均值和對應標準差之間的關系Fig.5 Relationship between mean relative difference of soil moisture and its associated standard deviation

研究區7月份經歷了嚴重的干旱，8月份又經歷了豐沛的降水，因此有必要對不同土壤濕度條件下的時間穩定性進行分析。圖5為土壤水分相對差分平均值與相對差分標準差間的擬合關系?？芍鄬Σ罘制骄蹬c相對差分標準差在p<0.001的水平上呈凹形二次曲線關系，相對差分平均值接近0時相對差分標準差較小，相對差分平均值絕對值越大，相對差分標準差越大。說明研究區土壤含水率接近樣地平均值的測點具有較高的時間穩定性，而在較干和較濕的測點，土壤含水率的時間穩定性相對較弱。ZHANG等[1]的研究也表明土壤含水率的相對差分平均值與相對差分標準差具有顯著的相關性，但相關曲線為直線，說明其研究區土壤含水率在較干測點時間穩定性較強，在較濕測點時間穩定性較弱，這可能與2個研究區不同的土壤、植被等屬性有關。

2.4 土壤含水率時間穩定性代表測點

土壤水分時間穩定性最重要的應用之一就是利用代表性測點估算樣地平均土壤含水率。本研究利用時間穩定性指數、平均絕對偏差、均方根誤差和最小相對差分標準差平衡法4種方法來判定時間穩定性測點。時間穩定性指數是相對差分平均值和相對差分標準差合成的指標，其值越小說明土壤含水率的時間穩定性越強。本研究中時間穩定性指數最小的點為L5，值為3.6%，時間穩定性指數小于5%的測點有3個(圖4中灰點)，小于10%的點共48個，占總測點數的1/2以上。圖6為各測點平均絕對偏差從小到大的排序，最小值點為L5，值為2.5%，數值小于5%的點有24個，小于10%的點有72個。圖7為各測點均方根誤差從小到大的排序，最小值點為L5，對應的均方根誤差為0.9%，小于1%的點有3個，小于2%的點有42個，占總測點數的1/2以上。最小相對差分標準差平衡法得到的具有最小相對差分標準差的測點為L5，對應的相對差分標準差為3.2%。

表4為4種時間穩定性最佳代表測點判定方法得出的代表測點估算樣地平均土壤含水率的精度參數。4種方法得到的土壤含水率時間穩定性最佳測點均為L5，說明4種方法均能夠準確地判定時間穩定性最佳代表測點。同時，估算結果均具有較高的R2、Nash-Sutcliffe效率系數(NSE)[20]和較小的均方根誤差(表4)，說明4種方法判定的代表測點能夠較準確地估算樣帶平均土壤含水率。相比較而言，最小相對差分標準差平衡法的均方根誤差更低，NSE更接近于1，說明其具有更高的估算精度。

圖6 土壤含水率平均絕對偏差由低到高排序圖Fig.6 Ranked mean absolute bias error of soil water content

圖7 土壤含水率均方根誤差從低到高排序圖Fig.7 Ranked root mean square error of soil water content

表4 4種方法判定的最佳代表測點估算樣地平均 土壤含水率精度參數Tab.4 Accuracy parameters of the best representative locations identified by four methods in estimating field mean soil water content

3 結論

(1)2015年生長季，研究樣地表層平均土壤含水率為26.0%，在空間上呈現出較弱的變異性，受到極端干旱和降水的影響，土壤含水率在時間上具有中等程度變異性。

(2)Spearman秩相關系數分析表明，在干旱條件下土壤含水率的空間模式具有較弱的相似性，而在降水恢復后，其空間模式的相似性顯著增強。

(3)土壤含水率相對差分平均值的極差為19.9%，相對差分標準差的平均值為8.6%，二者的標準差均小于5%。相對差分平均值與相對差分標準差呈開口向上的二次曲線關系，說明研究區土壤含水率接近樣地平均值的測點具有較高的時間穩定性，而在較干和較濕的測點，土壤含水率的時間穩定性相對較弱。

(4)時間穩定性指數、平均絕對偏差、均方根誤差和最小相對差分標準差平衡法4種方法均能夠較好地判定時間穩定性代表測點，利用判斷出的最佳代表測點估算樣地平均土壤含水率均具有較高的精度，其中最小相對差分標準差平衡法精度更高。

1 ZHANG P P, SHAO M A. Temporal stability of surface soil moisture in a desert area of northwestern China [J]. Journal of Hydrology, 2013, 505: 91-101.

2 VEREECKEN H, HUISMAN J A, HENDRICKS FRANSSEN H J, et al. Soil hydrology: recent methodological advances, challenges, and perspectives [J]. Water Resources Research, 2015, 51(4): 2616-2633.

3 白一茹, 邵明安. 黃土高原雨養區坡面土壤蓄水量時間穩定性 [J]. 農業工程學報, 2011, 27(7): 45-50. BAI Yiru, SHAO Ming’an. Temporal stability of soil water storage on slope in rain-fed region of Loess Plateau [J]. Transactions of the CSAE, 2011, 27(7): 45-50. (in Chinese)

4 高磊. 黃土高原小流域土壤水分時間穩定性及空間尺度性研究 [D]. 北京：中國科學院大學， 2012. GAO Lei. Temporal stability and the spatial scaling of soil moisture in a small watershed on the Loess Plateau [D]. Beijing: University of Chinese Academy of Sciences, 2012. (in Chinese)

5 王改改, 魏朝富, 呂家恪, 等. 四川盆地丘陵區土壤水分空間變異及其時間穩定性分析 [J]. 山地學報, 2009, 27(2): 211-216. WANG Gaigai, WEI Chaofu, Lü Jiake, et al. Spatial variation and its temporal stability of soil water in hilly area of Sichuan Basin [J]. Journal of Mountain Science, 2009, 27(2): 211-216. (in Chinese)

6 VANDERLINDEN K, VEREECKEN H, HARDELAUF H, et al. Temporal stability of soil water contents: a review of data and analyses [J]. Vadose Zone Journal, 2012, 11(4)：DOI:10.2136/vzj2011.0178.

7 潘顏霞, 王新平, 蘇延桂, 等. 荒漠人工固沙植被區淺層土壤水分動態的時間穩定性特征 [J]. 中國沙漠, 2009, 29(1): 81-86. PAN Yanxia, WANG Xinping, SU Yangui, et al. Temporal stability of surface soil moisture in artifically revegetated desert area [J]. Journal of Desert Research, 2009, 29(1): 81-86. (in Chinese)

8 邢旭光, 趙文剛, 馬孝義, 等. 覆膜滴灌條件下棉花根層土壤鹽分時間穩定性研究 [J/OL]. 農業機械學報, 2015, 46(7): 146-153. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20150722&flag=1. DOI: 10.6041/j.issn.1000-1298.2015.07.022 XING Xuguang, ZHAO Wen’gang, MA Xiaoyi, et al. Temporal stability of soil salinity in root zone of cotton under drip irrigation with plastic mulch [J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(7): 146-153. (in Chinese)

9 NIELSEN D R, BOUMA J. Soil spatial variability [M]. Wageningen: Pudoc, 1985.

10 VACHAUD G, DESILANS A P, BALABANIS P, et al. Temporal stability of spatially measured soil water probability density function [J]. Soil Science Society of America Journal, 1985, 49(4): 822-828.

11 JACBOS J M, MOHANTY B P, HSU E, et al. SMEX02: field scale variability, time stability and similarity of soil moisture [J]. Remote Sensing of Environment, 2004, 92(4): 436-446.

12 ZHAO Y, PETH S, WANG X Y, et al. Controls of surface soil moisture spatial patterns and their temporal stability in a semi-arid steppe [J]. Hydrological Processes, 2010, 24(18): 2507-2519.

13 GRAYSON R B, WESTERN A W. Towards areal estimation of soil water content from point measurements: time and space stability of mean response [J]. Journal of Hydrology, 1998, 207(1-2): 68-82.

14 HU W, SHAO M A, REICHARDT K. Using a new criterion to identify sites for mean soil water storage evaluation [J]. Soil Science Society of America Journal, 2010, 74(3): 762-773.

15 GAO X D, WU P, ZHAO X N, et al. Estimation of spatial soil moisture averages in a large gully of the Loess Plateau of China through statistical and modeling solutions [J]. Journal of Hydrology, 2013, 486: 466-478.

16 BROCCA L, MORBIDELLI R, MELONE F, et al. Soil moisture spatial variability in experimental areas of central Italy [J]. Journal of Hydrology, 2007, 333(2-4): 356-373.

17 JIA X X, SHAO M A, WEI X R, et al. Hillslope scale temporal stability of soil water storage in diverse soil layers [J]. Journal of Hydrology, 2013, 498: 254-264.

18 LI X Z, SHAO M A, JIA X X, et al. Landscape-scale temporal stability of soil water storage within profiles on the semiarid Loess Plateau of China [J]. Journal of Soils and Sediments, 2015, 15(4): 949-961.

19 GAO L, SHAO M A. Temporal stability of shallow soil water content for three adjacent transects on a hillslope [J]. Agricultural Water Management, 2012, 110: 41-54.

20 NASH J E, SUTCLIFFE J V. River flow forecasting through conceptual models: part I—a discussion of principles [J]. Journal of Hydrology, 1970, 10: 282-290.

Temporal Stability of Surface Soil Moisture in Alpine Meadow Ecosystem on Northern Tibetan Plateau

ZHU Xuchao1SHAO Ming’an1,2ZHU Juntao1ZHANG Yangjian1

(1.KeyLaboratoryofEcosystemNetworkObservationandModeling,InstituteofGeographicSciencesandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing100101,China2.CollegeofResourcesandEnvironment,UniversityofChineseAcademyofSciences,Beijing100190,China)

Surface (0～7.5 cm) soil water content (SWC) was measured at 82 locations in a typical alpine meadow ecosystem on the northern Tibetan Plateau by using time domain reflectometry for 14 times during the 2015 growing season to evaluate spatial variability and temporal stability of surface SWC. Results showed that the mean SWC of the two transects during the 2015 growing season was 26.0%. SWC had a weak variability in space and a moderate variability in time. The variability of SWC was increased with the increase of SWC. The spatial pattern of SWC at the 82 measuring locations had a weak similarity during July and early August and a strong similarity from middle August to early September. The mean relative difference (MRD) of SWC was from -11.5% to 8.5% and the mean standard deviation of relative difference (SDRD) was 8.6%. MRD was correlated with SDRD in a concave curve relationship. Index of temporal stability, mean absolute bias error, root mean square error and minimum-SDRD constant methods could all identify the best representative location and the accuracy of mean SWC estimation of the representative location was high. Comparatively, the minimum-SDRD constant method had a higher accuracy. This study can provide data supplement and method innovation for SWC study in alpine meadow ecosystems.

soil water content; spatio-temporal variation; temporal stability; representative measurement location; alpine meadow

10.6041/j.issn.1000-1298.2017.08.024

2016-11-22

2016-12-29

國家自然科學基金項目(41230746)

朱緒超(1988—),男,博士生,主要從事土壤物理研究,E-mail: zhuxc.14b@igsnrr.ac.cn

邵明安(1956—),男,研究員,博士生導師,主要從事土壤物理研究,E-mail: shaoma@igsnrr.ac.cn

S152.7

A

1000-1298(2017)08-0212-07