農田-防護林-荒漠復合系統土壤水鹽運移規律及耦合模型建立

郭 勇，尹鑫衛，李 彥，陳園園，崔夢琪

農田-防護林-荒漠復合系統土壤水鹽運移規律及耦合模型建立

郭 勇1,2,3，尹鑫衛1,2,3，李 彥1,2※，陳園園1,2,3，崔夢琪1,2,3

（1. 中國科學院新疆生態與地理研究所，荒漠與綠洲生態國家重點實驗室，烏魯木齊 830011；2. 中國科學院阜康荒漠生態國家野外科學觀測研究站，阜康 831505；3. 中國科學院大學，北京 100049）

為探討節水灌溉條件下干旱內陸區不同景觀單元土壤水鹽動態規律及水鹽通量變化特征，以新疆三工河流域綠洲-荒漠過渡帶典型景觀格局農田-防護林-荒漠為研究對象，利用2018年4月—9月連續定位觀測數據資料，分析各景觀單元作物生育期（4月1日—6月28日）和非生育期（6月29日—9月15日）土壤水鹽動態規律及其變異性、土壤水鹽通量變化特征及影響因素，構建農田-防護林-荒漠復合系統BP神經網絡土壤水鹽耦合模型，并對所建模型參數敏感性及應用可行性進行探討。結果表明，各景觀單元作物生育期和非生育期土壤含水率、電導率均具有較明顯的垂直分層、水平遞變和季節波動特征；按變異性可劃分為3個典型土層：活躍層（0～40 cm）、次活躍層（>40～140 cm）和相對穩定層（>140 cm）；距防護林越近，農田土壤含水率和電導率分別呈降低和升高趨勢，荒漠均呈升高趨勢；單次降水和灌溉事件后各景觀單元各典型土層土壤含水率和電導率隨時間分別均呈負指數函數和三次函數變化趨勢。土壤控制體（單位面積深140 cm土柱）內，生育期農田和防護林均為向下水分通量，非生育期均為向上水分通量，荒漠兩時期均為向下水分通量；農田和防護林土壤貯水量與土壤積鹽量隨地下水位下降、蒸散發量增大均呈遞減趨勢；荒漠土壤水鹽通量對各因素及其交互效應響應較微弱；生育期最后1次充分灌溉的淋洗作用可使該系統土壤積鹽量趨于平衡狀態。拓撲結構為32-36-6的BP神經網絡土壤水鹽耦合模型具有較高的模擬精度；灌溉和地下水位是影響該系統土壤水鹽動態的關鍵因素。研究結果可為節水灌溉條件下綠洲-荒漠共生系統尋求生產和生態之間的平衡機制提供理論依據。

灌溉；土壤水分；土壤鹽分；綠洲-荒漠過渡帶；BP神經網絡

0 引 言

干旱區生態環境本底極端脆弱，對水土資源開發響應十分強烈，過度開發所引起的水文過程和生態環境變化嚴重制約著經濟社會的可持續發展[1-2]，同時，經濟社會發展對灌溉農業的高度依賴使得干旱內陸區地下水資源被掠奪性開發，局地水循環格局發生改變，地下水補給速率和程度也發生變化，致使綠洲水鹽平衡變化模式及荒漠生態環境演替規律受到潛在破壞[3-4]。因此，開展干旱內陸區綠洲-荒漠系統節灌背景下不同景觀單元之內及之間土壤水分、鹽分運移、地下水補給和土壤積鹽效應耦合研究，對于揭示綠洲-荒漠共生系統穩定性及區域生產需求和生態保護之間的平衡機制具有重要意義[3,5]。

在干旱內陸區綠洲-荒漠生態系統，農田-防護林-荒漠復合系統是綠洲-荒漠過渡帶典型的景觀分布格局，各景觀單元之間存在較復雜的生態水文過程與水力聯系，其對區域地表水與地下水相互作用具有較顯著響應[6-7]。近年來對農田-防護林-荒漠復合系統生態水文過程的認識已取得了一些進展，包括各景觀單元之內及之間土壤水分時空動態、植被耗水特征、土壤凍融特征、地下水位動態、水分交換及水文聯系等[6-10]。研究發現，灌溉和地下水位差異是導致該復合系統水分差異的主要原因[6]，農田灌溉產生的深層滲漏是防護林和荒漠的重要水源[7]，灌溉引起的土壤水分和地下水位差異造成的橫向水流和根系吸水是維持景觀單元間水文聯系的基礎[6-7]。總體來看，目前研究主要集中于傳統灌溉背景下該復合系統水分平衡變化及其生態水文效應方面，尚未對節水灌溉條件下鹽分平衡變化及水鹽交互效應進行深入研究。由于研究干旱內陸區各景觀單元土壤水鹽運移規律，有助于合理開發利用水土資源，科學制定農田水鹽調控方案，高效調節農田節水與地下水補給矛盾[3,11]，故有必要對該復合系統節水灌溉背景下各景觀單元土壤水鹽動態進行系統研究。同時，不同景觀單元土壤水鹽動態與氣候條件、土壤質地、植被類型、地下水、灌溉事件、時空尺度等因素密切相關[11-14]，長期處于動態變化狀態，且變化過程比較復雜，因此借助數學模型手段進行該復合系統土壤水鹽耦合模擬研究是最有效的方法之一[15-16]。

本文選取新疆三工河流域綠洲-荒漠過渡帶典型景觀格局農田-防護林-荒漠作為研究對象，在節水灌溉背景下，采用野外長期定點觀測、室內樣品即時分析、模型模擬和理論分析相結合的研究方法，分析了各景觀單元在作物生育期和非生育期土壤水分、鹽分及其變異系數垂直、水平和時間變化特征；研究了不同地下水位條件下各景觀單元土壤水分、鹽分通量變化特征及其與各影響因素之間相關關系；探討了基于BP神經網絡的農田-防護林-荒漠復合系統土壤水鹽耦合模型的適用性及涉及參數的敏感性，以期為干旱內陸區尋求生產需求和生態保護之間的平衡機制提供理論依據。

1 材料和方法

1.1 研究區概況

研究區位于天山北麓三工河尾閭、古爾班通古特沙漠南緣綠洲-荒漠過渡帶（87°56′E，44°17′N，海拔391 m）。該區氣候類型屬于典型溫帶荒漠大陸性氣候，四季分明，夏季炎熱干燥，冬季寒冷，春秋氣溫升降強烈，晝夜溫差大。年均氣溫5～7 ℃，最高氣溫42.6 ℃，最低氣溫-41.6 ℃，平均無霜期174 d。降水稀少且時空分布不均，1971—2017年平均降水量為181.03 mm，冬季和夏季平均降水量分別為20.18和65.08 mm，6—8月降雨量占年總降雨量的50%以上。蒸發強烈，年蒸發量可達2 800 mm以上。地下水位為6～9 m。區域土壤類型主要為鹽化灰漠土或龜裂狀灰漠土。荒漠植被以檉柳屬（）為建群種的鹽生灌木為主，在灌叢下方或間隙零星生長有小半灌木琵琶柴（）、白刺（）及1 a生草本植物豬毛菜（）和花花柴（）等。農田作物主要有棉花（）和葡萄（）等。防護林樹種主要為楊樹（）、沙棗樹（）等。自2006年以后，該區農業灌溉類型由原有的傳統灌溉逐步轉變為節水灌溉。

1.2 試驗設計

試驗于2018年4月—9月在中國科學院阜康荒漠生態研究站站內進行。站區分布有干旱區較為典型的農田-防護林-荒漠（cropland-treebelt-desert）景觀格局，3種景觀單元連續分布且處于同一平面，其中農田作物類型為冬小麥（），品種為新冬32號，灌溉類型為滴灌；防護林樹種為新疆楊（），樹齡為16 a，灌溉類型為大水漫灌；荒漠主要植被為多枝檉柳（），自然生長。根據作物生長周期，將試驗期分為作物生育期（4月1日—6月28日）和非生育期（6月29日—9月15日）2個研究階段。非生育期農田不進行灌溉，土地翻耕并秸稈還田。試驗選取1個總長19 m，總寬7 m，植被生育狀況較好的農田-防護林-荒漠復合系統作為研究樣方，其中防護林子樣方長2 m，寬7 m，農田、荒漠子樣方均長8.5 m，寬7 m。土樣采集按原位定點、長期取樣觀測法，為能充分代表各景觀單元土壤水分、鹽分變化特征，參照Shen等[6]試驗設計方案，在防護林帶布置1排3重復共計3個采樣點（E1、E2、E3），間距3 m；農田和荒漠均按距防護林遠近布置4排3重復共計24個采集點（A1、A2、A3，...，D1、D2、D3；F1、F2、F3，...，I1、I2、I3），各排間距均為2 m，各重復間距均為3 m。農田和荒漠均包含1口長期地下水觀測井（防護林地下水特征值取農田和荒漠均值）。樣地東側200 m處設有自動氣象站（Campbell Scientific，Logan，USA），以便同步觀測氣象數據。農田作物種植管理同當地大田生產。試驗點位置和土樣采集點布設示意圖見圖1所示。

圖1 試驗點位置和土壤水鹽采集點布設示意圖

Fig.1 Schematic diagram of experimental site and distribution of soil water and salt sampling points

1.3 樣品采集及測定

在各子樣方土樣采集點用土鉆法獲取土壤樣品，通常5～10 d采集1次。農田采集深度為220 cm，防護林、荒漠為300 cm，其中0～20 cm土層每10 cm取樣，20～100 cm土層每20 cm取樣，100～300 cm土層每40 cm取樣。每層所取土樣分成2份，一份土壤樣品迅速裝入鋁盒，放入冰盒帶回實驗室用烘干法（105 ℃，24 h）測定土壤質量含水量；另一份土壤樣品裝入自封袋密封，帶回實驗室，去除雜物，放置在陰涼的通風室自然風干后充分研磨、過2 mm篩，按照5∶1水土浸提液法，采用pH計（瑞士梅特勒FE28，上海力辰儀器科技有限公司）和電導儀（瑞士梅特勒FE28，上海力辰儀器科技有限公司）測量土壤標準液pH值和EC值。同時，土壤質量含鹽量的測算參考明廣輝等[13]采用的土壤電導率與土壤含鹽量的關系式。各子樣方土壤容重采用環刀法測定，測定深度220 cm，分層深度為10 cm，每層3個重復，取其均值作為測量值，然后推求飽和含水率。田間持水量、凋萎系數和吸濕系數采用壓力膜儀法[9,16]測定，對應基質勢分別為-0.33 MPa、-1.5 MPa（農田）/-5 MPa（防護林和荒漠）和-10 MPa，并轉換為體積含水率；飽和水力傳導度采用定水頭法[8]測定。各子樣方土壤物理特性見表1所示。

表1 研究區農田-防護林-荒漠復合系統土壤物理特性及植被根系分布特征

注：BD：土壤容重；SWC：飽和含水率；FWC：田間持水率；WC：凋萎系數；HC：吸濕系數；K：飽和水力傳導度；FRD：植被根系分布；SLS：砂質壤土；LSS：壤質砂土。

Note: BD: Soil bulk density; SWC: Saturated water content; FWC: Field water capacity; WC: Wilting coefficient; HC: Hygroscopic coefficient;K: Saturated hydraulic conductivity; FRD: Fine root distribution of vegetation; SLS: Sandy loam soil; LSS: Loamy sandy soil.

采用KL010便攜式水位測定儀測量農田和荒漠地下水水位，測定周期為2～3 d。每次采集土壤樣品時，取同期地下水250～350 mL，迅速裝入水樣瓶、用封口膜密封，放入冰盒帶回實驗室，測定其EC及pH值（重復4次，取均值）。試驗期農田、防護林分別共灌溉8次（4月8日，4月28日，5月12日，5月26日，6月7日，6月14日，6月18日和6月22日）和2次（4月28日和5月9日），其中農田單次灌溉量為70～87.5 mm，防護林單次灌溉量為400～500 mm；每次灌溉時，獲取灌溉水樣品，測定其EC值及pH值。每10～15 d在各子樣方各土壤采集排隨機選擇5～10株（棵）植物的功能葉片若干，放入冰盒帶回實驗室，分別選取完整葉片樣品5～10個，采用浸泡法[17]測定各葉片相對含水量和相對電導率，對各子樣方各排測定結果求均值。各子樣方蒸散發量和葉面積指數確定方法見參考文獻[7,18]，試驗期氣象、灌溉及地下水位數據由站區監測人員完成采集。各景觀單元植被（冬小麥、新疆楊、多枝檉柳）根系分布情況采用人工挖掘法[6]確定，具體見表1所示。試驗期降水量、灌溉事件及農田和荒漠地下水水位動態見圖2a所示；灌溉水及農田和荒漠地下水水質特征見圖2b所示。

圖2 研究區試驗期農田-防護林-荒漠復合系統降水量、灌溉事件、灌溉水質及地下水位/水質特征

1.4 模型基本原理

人工神經網絡（artificial neural networks，ANNs）是1種模仿人腦神經網絡行為特征，進行分布式并行信息處理的數學模型[19]。人工神經網絡的拓撲結構包括輸入層、隱含層和輸出層，每層均由稱為節點的元素組成。其中BP神經網絡（back propagation artificial neural network, BPANN）是1986年由Mccelland等[20]提出的按誤差逆傳播算法訓練的多層前饋網絡，也是目前應用最廣泛的神經網絡模型之一。

BP神經網絡算法性能評價通過網絡訓練數據和實際數據的差值大小來衡量[22]，計算公式為

式中為訓練集向量數據索引，為輸出向量數據索引，t為期望輸出向量，Z為輸出層向量。

1.5 模型應用與驗證

由于土壤水鹽運移具有耦合效應[14]，且相鄰景觀單元之間存在交互作用[10]，故本研究將農田-防護林-荒漠復合系統土壤水分和鹽分動態同時考慮。通過分析影響該復合系統土壤水鹽動態的大氣、土壤、植被、灌溉、地下水等方面因素，建立該復合系統土壤水鹽動態BP神經網絡耦合模型（圖3）。考慮到BP神經網絡模型的計算性能與運算速度，隱含層節點數采用經驗公式確定[23]，計算公式為

注：C、T和D分別表示農田、防護林和荒漠；C和T分別表示農田和防護林指標（=1，…，11）；D表示荒漠指標（=1，…，9）。下同。 Note: C, T and D represent cropland, treebelt and desert, respectively;C andT represent farmland and treebelt corresponding indicators(=1, ..., 11), respectively;D represents desert corresponding indicators(=1, ..., 9). The same as blow.

圖3 基于BP神經網絡算法的農田-防護林-荒漠復合系統土壤水鹽耦合模型

Fig.3 Coupling model of soil water and salt based on BP neural network algorithm in cropland-treebelt-desert compound system

選擇平均相對誤差MAPE和平均絕對誤差MAE對模型有效性進行驗證，具體計算公式為[23]

1.6 數據處理與分析

將采樣深度10、20、40、60、80、100、140、180、220、260、300 cm土層分別記為d1、d2、d3、d4、d5、d6、d7、d8、d9、d10、d11。在單次及整個試驗期內，各子樣方內各土層土壤平均含水率或平均電導率計算公式分別為

式中表示土層深度編號；表示各子樣方內采樣點編號；表示第幾次采樣；表示各子樣方內采樣點總數；表示土層深度內包含的采樣層數；表示試驗期內總采樣次數。在單次及整個試驗期內，各子樣方內各排土壤平均含水率或平均電導率計算類似于式（7）和式（8），只需改變值即可。

利用各子樣方內各土層土壤平均含水率或平均電導率，選擇140 cm深度的土壤控制體（單位面積的土柱），忽略各景觀單元之間水鹽側向交換，確定各子樣方深層水分交換量和累積含鹽量變化特征，計算公式為[13]

式中為灌溉量，mm；為降水量，mm；ET為蒸散發量，mm；EF為深層水分交換量，mm；為灌溉前后土壤貯水量變化，mm（計算方法同參考文獻[13]）；S為單位面積深度土壤累積含鹽量，kg/cm2（?S為灌溉前后土壤累積含鹽量變化，kg/cm2）；為各層土壤含鹽量，g/kg；為各層土壤厚度，cm；ρ為各層土壤容重，g/cm3。為便于研究，將土壤控制體（140 cm深度）深層水分交換量EF和土壤累積含鹽量變化量?S看作水分和鹽分通量衡量指標。

采用Microsoft Excel 2010軟件對試驗數據進行整理與計算；利用MATLAB 2014Ra軟件進行制圖與模型模擬；采用IBM SPSS15.0軟件中Duncan新復極差法（<0.05）進行顯著性檢驗。

2 結果與分析

2.1 土壤水鹽垂直變化特征

由圖4可知，作物生育期和非生育期各景觀單元剖面土壤含水率、電導率均具有較明顯的分層變化特征。從土壤含水率來看，農田在140 cm處出現分層現象，總體呈先增加（0～140 cm）后減小（>140～220 cm）的變化趨勢；防護林和荒漠均在100 cm處出現分層現象，總體均呈先增加（0～100 cm）后保持相對穩定（>100～300 cm）的變化趨勢；各分層土壤含水率均呈現農田>防護林>荒漠；生育期和非生育期變化特征均保持一致；從土壤電導率來看，農田在100 cm處出現分層現象，生育期呈先增加后減小（0～100 cm）再保持相對穩定（>100～180 cm）的變化趨勢，非生育期呈先減小（0～100 cm）后增加（>100～180 cm）的變化趨勢；防護林在80 cm處出現分層現象，總體均呈先減小（0～80 cm）后增加（>80～300 cm）的變化趨勢；荒漠在40和180 cm處出現分層現象，總體均呈先增加（0~40 cm）后減小（40～180 cm）再保持相對穩定（>180～300 cm）的變化趨勢；兩時期各分層土壤電導率均呈現荒漠>農田>防護林。

圖4 試驗期農田-防護林-荒漠復合系統土壤含水率、電導率及其變異系數隨深度的變化

作物生育期和非生育期各景觀單元剖面土壤含水率、電導率的變異系數也存在較明顯的分層變化特征，且均在40和140 cm處出現分層現象。農田、防護林和荒漠土壤含水率變異系數總體均呈先下降（0～40 cm）后保持相對穩定（>40～140 cm）再下降（>140～220/300 cm）的變化趨勢，且生育期和非生育期變化特征均保持一致；生育期各層均呈現防護林>荒漠>農田，非生育期0～40 cm呈現農田>防護林>荒漠，40 cm以下呈現防護林>荒漠>農田。農田、防護林和荒漠土壤電導率變異系數總體均呈先上升（0～40 cm）后下降（>40～140 cm）再保持相對穩定（>140～220/300 cm）的變化趨勢，且生育期和非生育期變化特征均保持一致（除非生育期農田外）；生育期各層均呈現防護林>農田>荒漠，非生育期0～40 cm呈現農田>荒漠>防護林，40 cm以下呈現農田>防護林>荒漠。

根據土壤含水率、電導率及其變異系數，可將生育期與非生育期各景觀單元土壤剖面劃分為3個典型土層：0～40、>40～140和>140 cm。生育期與非生育期農田各典型土層平均土壤含水率分別為14.62%、18.23%和17.16%與9.11%、14.13%和17.30%；防護林分別為10.63%、14.85%和15.95%與4.29%、9.54%和15.69%；荒漠分別為6.25%、7.15%和9.99%與3.30%、8.06%和10.65%；生育期不同景觀單元對應各典型土層平均土壤含水率差異均顯著（<0.05），非生育期防護林與荒漠對應各典型層平均土壤含水率差異均不顯著，均顯著低于農田各典型層（<0.05）。生育期與非生育期農田各典型層平均土壤電導率分別為1 358.90、1 487.74和1 313.29S/cm與614.90、695.96和976.98S/cm；防護林分別為1 091.93、934.54和1 151.29S/cm與396.90、619.07和1 080.46S/cm；荒漠分別為3 632.79、2 926.62和1 328.34S/cm與3 509.38、3 149.75和1 506.24S/cm；生育期和非生育期農田與防護林對應各典型層平均土壤電導率差異均不顯著，且除生育期>140 cm層外，各典型層均顯著低于荒漠（<0.05）。

2.2 土壤水鹽水平變化特征

由圖5可知，作物生育期和非生育期各景觀單元3個典型土層土壤含水率、電導率均具有較明顯的水平遞變特征。從土壤含水率來看，生育期農田各典型土層均表現為距防護林越近，土壤含水率逐漸降低（除0～40 cm土層I點位外），而荒漠各典型土層均表現為距防護林越近，土壤含水率逐漸升高（除140～300 cm土層A點位外）；由A點至I點，>140 cm土層土壤含水率分別是>40～140 cm土層的0.99、1.01、1.01、0.94、0.99、1.28、1.25、1.18、1.33倍，分別是0～40 cm土層的1.28、1.22、1.24、1.17、1.39、1.26、1.49、1.43、1.92倍。非生育期農田0～40 cm土層表現為距防護林越近，土壤含水率逐漸升高，>40～140和>140～220 cm土層表現為距防護林越近，土壤含水率逐漸降低，而荒漠各典型土層均表現為距防護林越近，土壤含水率逐漸升高；由A點至I點，>140 cm土層土壤含水率分別是>40～140 cm土層的1.03、1.16、1.22、1.17、1.44、1.23、1.32、1.18、1.35倍，分別是0～40 cm土層的1.90、2.10、1.84、1.77、3.19、2.84、6.28、10.88、27.42倍。同時，由A點至I點，3個典型土層對應生育期土壤含水率均高于非生育期，其中農田、防護林和荒漠生育期0～40 cm土層分別是非生育期的1.75、2.48和8.02倍，生育期>40～140 cm土層分別是非生育期的1.31、1.56和1.08倍，生育期>140 cm土層分別是非生育期的1.13、1.08和1.07倍。

圖5 試驗期農田-防護林-荒漠復合系統土壤含水率、電導率及其變異系數隨水平距離的變化

從土壤電導率來看，生育期農田各典型土層均表現為距防護林越近，土壤電導率逐漸升高，而荒漠各典型土層均表現為距防護林越近，土壤電導率逐漸降低；由A點至I點，0～40 cm土層土壤電導率分別是40～140 cm土層的0.56、0.55、0.61、1.53、1.21、1.36、1.05、1.17、0.85倍，分別是>140 cm土層的0.58、0.59、0.58、1.40、1.22、2.18、1.87、1.73、1.21倍。非生育期農田各典型土層均表現為距防護林越近，土壤電導率逐漸升高，而荒漠各典型土層均表現為距防護林越近，土壤電導率先降低后升高再下降；由A點至I點，0～40 cm土層土壤電導率分別是>40～140 cm土層的1.76、1.27、0.75、0.76、0.64、1.12、1.10、1.57、1.14倍，分別是>140 cm土層的0.94、0.71、0.64、0.61、0.44、1.72、1.72、1.68、1.46倍。同時，由A點至I點，3個典型土層對應生育期土壤電導率均高于非生育期，其中農田、防護林和荒漠生育期0～40 cm土層分別是非生育期的3.56、2.86和1.48倍，生育期>40～140 cm土層分別是非生育期的4.74、1.51和1.69倍，生育期>140 cm土層分別是非生育期的3.11、1.02和1.44倍。

從變異系數來看，土壤含水率、電導率變異系數均具有較明顯的水平遞變特征。生育期農田各典型土層土壤含水率變異系數均保持相對穩定，而荒漠各典型土層均表現為距防護林越近，變異系數逐漸降低（除>40～140 cm土層點位H外），各景觀單元各點位均呈現0～40 cm土層變異系數高于>40～140 cm土層，>40～140 cm土層高于>140 cm土層，且各典型層均呈現荒漠>防護林>農田；非生育期農田各典型土層均表現為距防護林越近，變異系數先升高后降低（點位G出現最值），而荒漠各典型土層均表現為距防護林越近，變異系數逐漸降低（除0～40 cm土層點位H、I外）；兩時期農田和荒漠變異系數最大值均出現在0～40 cm土層，而防護林生育期和非生育期最大值分別出現在0～40和>40～140 cm土層。生育期和非生育期農田各典型土層土壤電導率變異系數均表現為距防護林越近，變異系數先升高后降低（點位G出現最值），而荒漠各典型土層均表現為距防護林越近，變異系數逐漸升高；農田和防護林生育期與非生育期變異系數最大值均分別出現在0～40與>40～140 cm，荒漠均出現在>40～140 cm土層。

2.3 土壤水鹽時間變化特征

由圖6可知，作物生育期和非生育期各景觀單元剖面土壤含水率、電導率均具有較明顯的季節波動特征。從土壤含水率變化來看，農田剖面土壤含水率在生育期（4月5日—6月28日）保持相對穩定（平均變異系數為0.14），并處于較高水平（平均土壤含水率為17.33%），且在140 cm土層處保持最高值（平均值為20.72%）；在非生育期（6月29日—9月5日），隨著灌溉停止，降水減少，氣溫升高及地下水位下降，0～140 cm土層土壤含水率降低幅度較大（平均下降幅度為46.72%），>140 cm的土壤降低幅度相對較小（平均下降幅度為10.64%）。防護林下層（>200～300 cm）土壤含水率保持相對穩定（平均變異系數為0.06），且保持較高水平（平均土壤含水率為16.36%）；上層（0～200 cm）土壤在4月至6月含水率較高（平均值為14.38%），且在100 cm土層處出現最高值（平均值為20.18%），6月后土壤含水率顯著降低，并維持在較低水平（均值為7.80%）。荒漠剖面土壤含水率在試驗期整體較穩定（平均變異系數為0.33），在100 cm土層處出現明顯的分層現象，上層土壤含水率（均值為5.77%）明顯低于下層（均值為10.32%）。

注：4月1日至6月28日為作物生育期；6月29日至9月15日為作物非生育期。

從土壤電導率變化來看，農田剖面土壤電導率在生育期處于較高水平（平均土壤電導率為1 386.64S/cm），且呈斑點狀分布，鹽分主要集聚在60～80 cm范圍內，灌溉事件是造成土壤鹽分波動的主要原因；由于生育期最后1次充分灌溉的排鹽效應，非生育期剖面土壤電導率保持相對穩定（平均變異系數為0.46），并處于較低水平（平均值為762.61S/cm）。防護林剖面土壤電導率在試驗期初期較高（平均值為1 396.74S/cm），隨著大水漫灌的實施，土壤電導率下降迅速，隨后保持相對穩定狀態（平均變異系數為0.46），同時由于地下水作用，下層（>220～300 cm）土壤電導率（平均值為1 291.33S/cm）明顯高于上層（0～220 cm）土壤電導率（平均值為592.95S/cm）。荒漠剖面土壤電導率具有明顯分層現象，且保持相對穩定（平均變異系數為0.32），上層（0～140 cm）土壤電導率（平均值為3 261.24S/cm）明顯高于下層（>140～300 cm）土壤電導率（平均值為1 404.58S/cm）。

對農田-防護林-荒漠復合系統單次降水（以4月20日降水事件為例，降雨量為4.9 mm）和單次灌溉（農田以5月26日灌溉事件為例，灌溉量為82 mm；防護林以5月9日灌溉事件為例，灌溉量為500 mm）后各景觀單元各典型土層土壤含水率、電導率隨時間的時變趨勢進行回歸分析（表2）。

表2 單次降水與灌溉事件后農田-防護林-荒漠復合系統各典型土層土壤含水率、電導率的時變擬合曲線方程

注：C、T和D分別表示農田、防護林和荒漠土壤含水率；C、T和D分別表示農田、防護林和荒漠土壤電導率；PE和IE分別表示降水和灌溉事件；表示時間，以日為步長；*和**分別表示在0.05和0.01水平顯著相關。

Note:C,TandDrepresent soil water content of cropland, treebelt and desert, respectively;C,TandDrepresent electrical conductivity of cropland, treebelt and desert, respectively; PE and IE represent precipitation and irrigation events respectively;indicates time (day); * and ** indicate significant correlation at the 0.05 and 0.01 levels, respectively.

由表2可知，單次降水和灌溉事件后各景觀單元各典型土層土壤含水率和土壤電導率隨時間整體分別呈負指數函數和三次函數變化特征，各景觀單元各典型土層土壤含水率隨時間均呈現先下降后保持相對穩定的變化趨勢（除單次降水后防護林和荒漠對應140～300 cm土層外），各典型土層土壤電導率隨時間均呈現先上升后下降再上升或保持相對穩定的變化趨勢（除單次降水農田>40～140 cm土層）。同時，各景觀單元土壤含水率衰減率均隨深度的增加而減小，土壤電導率波動性均隨深度的增加而增大。

2.4 土壤水鹽通量變化特征

為了探明試驗期農田-防護林-荒漠復合系統各景觀單元地下水位持續下降條件下土壤控制體（140 cm深度）內土壤水分、鹽分通量的變化，依據水鹽平衡對作物生育期和非生育期各景觀單元140 cm處水分交換量和0～140 cm土層累積含鹽量變化進行計算（表3）。

由表3可知，除農田生育期外，防護林和荒漠各時期土壤貯水量均呈現減小的特點（?均為負值）。農田、防護林、荒漠對應生育期與非生育期深層水分交換量均值分別為552.84與-60.19 mm、850.92與-47.66 mm、22.79與7.07 mm，表明農田和防護林生育期均為向下的水分通量（防護林>農田），非生育期均為向上的水分通量（農田>防護林），且荒漠生育期和非生育期均為向下的水分通量（生育期>非生育期），說明地下水對農田和防護林非生育期均存在毛細管上升水補給效應。各時期土壤累積含鹽量均呈現荒漠>農田>防護林，且生育期累積效應均強于非生育期。同時，生育期農田和防護林土壤累積含鹽量均呈減小的特點（向下鹽分通量），非生育均呈增加的特點（向上鹽分通量），而荒漠兩時期均呈增加的特點（向上鹽分通量）。

由于地下水位和蒸散發對土壤水鹽動態及其通量具有較顯著影響，進一步對試驗期各景觀單元土壤控制體（140 cm深度）的土壤貯水量、深層水分交換量、土壤累積含鹽量與地下水位和蒸散發量的相關關系進行分析（表4）。

表3 農田-防護林-荒漠復合系統各景觀單元土壤控制體（140 cm深度）內土壤水鹽通量變化

注：CGP：作物生育期（4月5日—6月28日）；Non-CGP：作物非生育期（6月29日—9月5日）；：+（-）代表土壤貯水量的增加（減少）；EF：正值表示向下的通量；?S：+（-）代表土壤積鹽量的增加（向上的通量）（減少（向下的同量））；ET通過參考作物蒸散發量（ET0）推求得到[24]，ET0由蒸發皿法推求得到[25]。

Note: CGP: Crop growth period (April 5-June 28); Non-CGP: Crop non-growth period (June 29-September 5);: +(-) represents soil water storage incresing (decreasing); EF: Positive values indicate the downward flux;?S: +(-) represents accumulated soil salt increasing (the downward flux) (decreasing (the upward flux)); The actual evapotranspiration rate (ET) was estimated by the reference crop evapotranspiration rate (ET0)[24], and the ET0was estimated by the pan method[25].

由表4可知，隨著地下水位下降，農田、防護林土壤貯水量、深層水分交換量和土壤累積含鹽量均呈下降趨勢，荒漠受地下水位影響較小；隨著蒸散發量增大，農田、防護林土壤貯水量和土壤累積含鹽量均呈下降趨勢，荒漠受蒸散發影響較小；同時，隨著蒸散發量增大，農田、防護林深層水分交換量呈先增加（向下通量）后減小（向上通量）趨勢，而荒漠呈先增加（向下通量）后保持相對穩定（向下通量）的變化趨勢。值得說明的是，表4中僅描述各因素之間相關關系，并非因果關系，兩因素之間的相關關系可能是由于第3個因素作用而產生，需結合一時、一地實況進行分析。

表4 農田-防護林-荒漠復合系統各景觀單元水鹽通量與地下水位和蒸散發量的相關關系

注：WTD和SWS分別表示地下水位和土壤貯水量；/表示變量之間相關關系較弱；ET與EF為多段線性擬合，前段為作物生育期擬合，后段為非生育期擬合。

Note: WTD and SWS represent water table depth and soil water storage, respectively; / indicates that the correlation between variables is weak; ET and EF are piecewise linear fitting, the first segment is the fitting of the crop growth period, and the second segment is the fitting of the crop non-growth period.

各影響因素之間的交互效應也對土壤水鹽動態及其通量有較顯著影響，分別對各景觀單元蒸散發量、地下水位、地下水質對土壤貯水量和土壤積鹽量的影響進行分析（圖7）。

由圖7可知，隨著地下水位下降和蒸散發量增加，各景觀單元土壤貯水量均呈減小趨勢，且農田在地下水位<6.52 m和蒸散量<155.58 mm之間呈現正通量，防護林在地下水位<6.85 m和蒸散發量<65.73 mm之間呈現正通量，荒漠區在整個試驗期幾乎不存在正通量；隨著地下水位下降和地下水電導率增加，農田和防護林土壤累積含鹽量均呈現先增加后減小的變化趨勢，荒漠呈現持續增加趨勢，且農田在地下水位5.52 m和地下水電導率2 510.56S/cm處達到積鹽峰值，防護林在地下水位6.42 m和地下水電導率3 480.25S/cm處達到積鹽峰值，荒漠土壤積鹽對地下水響應較微弱；隨著蒸散發量和地下水電導率的增加，農田和防護林土壤累積含鹽量均呈現先增加后減小的變化趨勢，荒漠呈現先增加后減小再增加的變化趨勢，且農田在地下水電導率2 510.21S/cm和蒸散發量29.04 mm處達到積鹽峰值，防護林在地下水電導率3 600.71S/cm和蒸散發量24.45 mm處達到積鹽峰值，荒漠土壤積鹽量對蒸散發的響應強于地下水電導率。

圖7 農田-防護林-荒漠復合系統各景觀單元地下水位、蒸散發量、地下水質對土壤水分和土壤積鹽的影響

2.5 土壤水鹽動態耦合模擬

將檢驗樣本的輸入因子代入所建農田-防護林-荒漠復合系統BP神經網絡土壤水鹽耦合模型，可得不同景觀單元各典型土層土壤含水率和土壤電導率模擬值，將其與實測值進行對比分析（圖8）。

由圖8可知，除個別點外，總體上模型模擬值與實測值均較接近，MAPE均小于10，MAE均較小，表明該BP神經網絡模型具有較高的模擬精度。同時，各景觀單元土壤含水率和土壤電導率模擬誤差均呈現0～40 cm土層大于>40～140 cm土層，>40～140 cm土層大于>140 cm土層，且土壤電導率模擬的平均絕對誤差均大于土壤含水率。由于本研究所建農田-防護林-荒漠復合系統土壤水鹽耦合模型輸入因子包含了影響水鹽運動的主要因素，且該模型可同時輸出各景觀單元土壤水分和土壤鹽分指標，故該BP神經網絡耦合模型可應用于干旱內陸區不同景觀單元之間土壤水鹽動態的模擬研究。

模型參數的敏感性分析是研究參數變化所引起的模型響應，是模型參數不確定分析的重要內容之一，也是研發和評價模型不可缺少的重要環節[26]。基于灰色關聯分析法[21]，利用所建BP神經網絡模型中的全部58組土壤水鹽動態輸入樣本作為比較數列，輸出樣本作為參考數列進行各典型土層參數敏感性分析（圖 9），由圖9可知，各景觀單元土壤初始含水率、地下水位、土壤初始電導率及農田地下水電導率均對農田-防護林-荒漠復合系統各典型土層土壤含水率有較顯著影響，但敏感性在各層之間存在差異；各景觀單元土壤容重、土壤初始含水率、地下水位和葉面積指數均對農田-防護林-荒漠復合系統各典型土層土壤電導率有較顯著影響，但敏感性在各層之間存在差異。總體來看，土壤初始含水率、土壤初始電導率和地下水位是影響農田-防護林-荒漠復合系統土壤水鹽動態的重要因子。

圖8 基于BP神經網絡算法的農田-防護林-荒漠復合系統土壤水鹽耦合模擬值與實測值比較

圖9 農田-防護林-荒漠復合系統土壤水鹽BP神經網絡耦合模型參數敏感性分析

3 討 論

在干旱區，包氣帶水分、鹽分運移及其對地下水的補給效應、土壤鹽分的累積規律，不僅取決于降水和灌溉，而且還受土地利用、地下水、土壤特性、蒸散發、優先流等因素的交互影響[3,11]。同時，包氣帶土壤水鹽運移規律具有較強的尺度依賴性[3,27]，其不僅參與垂直方向地下水-土壤-植被-大氣連續系統、水平方向景觀內部和景觀界面上的輸入/輸出過程，而且在氣候、土壤、植被和人為非線性系統作用下表現出較明顯年內和年際隨機脈動特征[3,12]。本研究對干旱內陸區農田-防護林-荒漠復合系統不同景觀單元土壤水鹽垂直、水平及時間變化特征進行分析，發現由于受灌溉、降水事件、蒸散發和地下水的共同作用，作物生育期和非生育期各景觀單元剖面土壤含水率、電導率及其變異系數均具有較明顯的分層變化特征，生育期各分層土壤含水率均明顯高于非生育期，且農田和防護林非生育期土壤電導率較生育期均存在向深層轉移的特點，這與生育期最后1次充分灌溉洗鹽和非生育期潛水蒸發返鹽有較大關系[13]。與相關研究[6-8,28]的結果相似，由于受農田邊際效應、防護林微生境效應和根系吸水策略、荒漠植物根際“鹽島”和“濕島”效應的影響，兩時期各景觀單元各典型土層土壤含水率、電導率及其變異系數均具有較明顯的水平遞變規律，即距防護林越近，農田土壤含水率和電導率分別呈降低和升高趨勢，荒漠土壤含水率和電導率均呈升高趨勢。與相關研究[6-8,29]的結果基本一致，兩時期各景觀單元剖面土壤含水率、電導率均具有較明顯的季節波動特征，且單次降水和灌溉事件后各景觀單元各典型土層土壤含水率和電導率隨時間整體分別呈負指數函數和三次函數變化特征。分析表明，單次降水/灌溉后，土壤電導率隨時間變化規律受土壤水分3個階段的蒸發與土壤可溶性鹽含量的轉變影響較顯著。

土壤深層水分交換是干旱內陸區鹽分交換的動力來源之一[13]，也是實現水循環和水資源持續管理的關鍵環節[3]；地下水位/水質是土壤貯水量和鹽分累積量的重要影響因素[6,14]。同時，土壤水鹽特性參數還受土壤、植被、氣候等關鍵因素的交互影響[11]。另外，充分考慮生育期和非生育期土壤水鹽動態特征對反映田間實際情況極其關鍵[13]。本研究發現，除農田生育期外，其余各景觀單元各時期土壤貯水量均呈減小趨勢；生育期與非生育期農田和防護林分別均為向下與向上的水分通量，荒漠兩時期均為向下的水分通量；各景觀單元生育期鹽分累積效應均強于非生育期。這與明廣輝等[13]和Zhang等[4]的研究結果相似。表明灌溉事件與潛水蒸發作用分別為主導農田和防護林生育期與非生育期水鹽通量變化的關鍵因子[7,14]，荒漠灌叢根土層水分再分配效應可能是控制荒漠兩時期水鹽通量動態的重要因素[30-32]，且在地下水深埋條件下，生育期最后1次充分灌溉的淋洗作用可較顯著減輕土壤鹽堿化，致使土壤鹽分通量趨于平衡狀態[13]。隨著地下水位的逐漸下降及蒸散發量的不斷增大，毛管上升水達到表土層和淺土層的路徑越長，上行速度減弱，土壤水勢梯度不斷減小，當地下水位超過了毛細管作用的臨界深度時，土壤水分幾乎不受地下水位的影響，同時，土壤因地下水蒸發而積鹽的強度也逐漸減弱，直至土壤鹽分保持相對穩定[14]。這與本研究結論類似，即農田、防護林土壤貯水量和土壤累積含鹽量均隨地下水位下降及蒸散發量增大呈遞減趨勢，荒漠受地下水位和蒸散發量影響較弱。值得注意的是，盡管地下水位持續下降使各景觀單元土壤積鹽處于平衡態，但也引起了一系列生態環境問題，例如自然植被退化，荒漠回水補給量減少和綠洲荒漠化加劇等[5,13]。相關研究[13-14,21]的結果表明，在地下水埋深較小時，土壤水鹽動態與某關鍵因子并非呈現單一線性相關，其是各關鍵因子交互作用下的自適應自調節過程的結果。這與本研究對各景觀單元蒸散發量、地下水位、地下水質對土壤貯水量和土壤積鹽量的影響分析結果類似。綜合分析可知，灌溉和地下水位是影響該復合系統土壤水鹽通量的決定性因素。

土壤水鹽動態模型可以模擬土壤水鹽運移過程，揭示土壤水鹽動態變化規律并進行預報[15]。BP神經網絡模型多應用于田間宏觀尺度的土壤水鹽運移，操作簡單，具有較高的預測精度，屬土壤水鹽動態模型中隨機模型范疇[19]。與于國強等[21]和喬冬梅等[33]研究結論基本一致，本文所建農田-防護林-荒漠復合系統BP神經網絡土壤水鹽耦合模型具有較高的模擬精度。同時，各景觀單元土壤含水率和土壤電導率模擬誤差均呈現表層大于深層，且土壤電導率模擬的平均絕對誤差均大于土壤含水率。這主要是由于表層的土壤水鹽垂向運移較深層活躍，空間變異性也較大，且土壤鹽分運移機理遠比水分運動機理復雜而引起[33]。建立土壤水鹽動態理論模型的驗證、參數率定和敏感性分析的方法體系是實現灌區精準管理的關鍵[15]。本文基于灰色關聯分析法對所建模型參數敏感性進行分析，發現土壤初始含水率、土壤初始電導率和地下水位是影響農田-防護林-荒漠復合系統土壤水鹽動態的重要因子。這與于國強等[21]通過缺省因子檢驗法得到的結論存在差異，可能由于BP神經網絡土壤水鹽耦合模型的參數涉及土壤、植被、氣候等諸多因素，不同景觀單元對應模型參數的敏感性也存在差異。同時，節水灌溉對潛水蒸發影響較大，其很大程度上能維持毛管上升水的路徑不被斷裂，而且能適當增加土壤鹽分濃度，提高滲透壓，從而加快毛管上升水傳輸的進程。總體而言，本文所建BP神經網絡土壤水鹽耦合模型不僅將土壤水鹽動態作為一個整體，而且充分考慮了3個相鄰景觀單元的水鹽耦合效應，實現了土壤水鹽動態預報的統一，是傳統水鹽預報的補充，可為節水灌溉條件下干旱區綠洲荒漠共生系統土壤水鹽動態預報和灌區灌溉管理提供更精確的科學依據。

4 結 論

1）各景觀單元對應作物生育期和非生育期土壤含水率、電導率均具有較明顯的垂直分層、水平遞變和季節波動特征：可將土壤剖面劃分為0～40、>40～140和>140 cm 3個典型土層；距防護林越近，農田土壤含水率和電導率分別呈降低和升高趨勢，荒漠均呈升高趨勢；單次降水和灌溉事件后各景觀單元各典型土層土壤含水率和電導率隨時間整體分別呈負指數函數和三次函數變化趨勢。

2）土壤控制體內，農田和防護林生育期均為向下水分通量，非生育期均為向上水分通量，荒漠兩時期均為向下水分通量；農田和防護林土壤貯水量與土壤累積含鹽量隨地下水位下降、蒸散發量增大均呈遞減趨勢，各因素交互效應對土壤水鹽通量的影響較顯著，且生育期最后1次充分灌溉的淋洗作用可使土壤鹽分通量趨于平衡狀態，荒漠土壤水鹽通量對各因素及其交互效應響應較微弱。

3）拓撲結構為32-36-6的土壤水鹽動態BP神經網絡耦合模型，具有較高的模擬精度和穩定性，能夠有效表征農田-防護林-荒漠復合系統節水灌溉條件下土壤水鹽動態與其影響因子之間的內在關系；灌溉和地下水位是影響該復合系統土壤水鹽動態的關鍵因素；該模型可應用于干旱內陸區不同景觀單元之間土壤水鹽動態的耦合模擬研究。

[1] 馬世駿，王如松. 社會-經濟-自然復合生態系統[J]. 生態學報，1984(1)：1－9. Ma Shijun, Wang Rusong. The social-economic-natural complex ecosystem[J]. Acta Ecologica Sinica, 1984(1): 1－9. (in Chinese with English abstract)

[2] 鄧銘江. 破解內陸干旱區水資源緊缺問題的關鍵舉措：新疆干旱區水問題發展趨勢與調控策略[J]. 中國水利，2018(6)：14－17. Deng Mingjiang. National Water Conservation Action is a key measure for alleviating water shortage in inland dry areas: A study on the development trend of water issues in the dry areas of Xingjiang Uyghur Autonomous Region and its allocation and regulation strategy[J]. China Water Resources, 2018(6): 14－17. (in Chinese with English abstract)

[3] 趙文智，周宏，劉鵠. 干旱區包氣帶土壤水分運移及其對地下水補給研究進展[J]. 地球科學進展，2017，32(9)：899－909. Zhao Wenzhi, Zhou Hong, Liu Hu. Advances in moisture migration in vadose zone of dryland and recharge effects on groundwater dynamics[J]. Advances in Earth Science, 2017, 32( 9): 908－918. (in Chinese with English abstract)

[4] Zhang Z, Hu H P, Tian F Q, et al. Groundwater dynamics under water saving irrigation and implications for sustainable water management in an oasis: Tarim River basin of western China[J]. Hydrology and Earth System Sciences, 2014, 18(10): 3951－3967.

[5] 劉鵠，趙文智，李中愷. 地下水依賴型生態系統生態水文研究進展[J]. 地球科學進展，2018，33(7)：741－750. Liu Hu, Zhao Wenzhi, Li Zhongkai. Ecohydrology of groundwater dependent ecosystems: A review[J]. Advances in Earth Science, 2018, 33(7): 741－750. (in Chinese with English abstract)

[6] Shen Q, Gao G Y, Fu B J, et al. Soil water content variations and hydrological relations of the cropland-treebelt-desert land use pattern in an oasis-desert ecotone of the Heihe River Basin, China[J]. Catena, 2014, 123: 52－61.

[7] Yi J, Zhao Y, Shao M A, et al. Hydrological processes and eco-hydrological effects of the farmland-forest-desert landscape transition zone in the Heihe River Basin, Gansu, China[J]. Journal of Hydrology, 2015, 529: 1690－1700.

[8] Shen Q, Gao G Y, Hu W, et al. Spatial-temporal variability of soil water content in a cropland-shelterbelt-desert site in an arid inland river basin of Northwest China[J]. Journal of Hydrology, 2016, 540: 873－885.

[9] Yi J, Zhao Y, Shao M A, et al. Soil freezing and thawing processes affected by the different landscapes in the middle reaches of Heihe River Basin, Gansu, China[J]. Journal of Hydrology, 2014, 519: 1328－1338.

[10] 易軍. 黑河中游不同景觀單元水分運動與景觀間水量交換[D]. 楊凌：西北農林科技大學，2015. Yi Jun. Water Transport in Different Landscapes and Water Exchange Among Landscape Transport Zone in the Middle Reaches of Heihe River Basin[D]. Yangling: Northwest A&F University, 2015. (in Chinese with English abstract)

[11] 田富強，溫潔，胡宏昌. 滴灌條件下干旱區農田水鹽運移及調控研究進展與展望[J]. 水利學報，2018，49(1)：126－135. Tian Fuqiang, Wen Jie, Hu Hongchang, et al. Review on water and salt transport and regulation in drip irrigated fields in arid regions[J]. Journal of Hydraulic Engineering, 2018, 49(1): 126－135. (in Chinese with English abstract)

[12] 胡健，呂一河. 土壤水分動態隨機模型研究進展[J]. 地理科學進展，2015，34(3)：389－400. Hu Jian, Lu Yihe. Research progress on stochastic soil moisture dynamic model[J]. Progress in Geography, 2015, 34(3): 389－400. (in Chinese with English abstract)

[13] 明廣輝，田富強，胡宏昌. 地下水埋深對膜下滴灌棉田水鹽動態影響及土壤鹽分累積特征[J]. 農業工程學報，2018，34(5)：90－97. Ming Guanghui, Tian Fuqiang, Hu Hongchang. Effect of water table depth on soil water and salt dynamics and soil salt accumulation characteristics under mulched drip irrigation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(5): 90－97. (in Chinese with English abstract)

[14] 夏江寶，趙西梅，趙自國，等. 不同潛水埋深下土壤水鹽運移特征及其交互效應[J]. 農業工程學報，2015，31(15)：93－100. Xia Jiangbao, Zhao Ximei, Zhao Ziguo, et al. Migration characteristics of soil water and salt and their interaction under different groundwater levels[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(15): 93－100. (in Chinese with English abstract)

[15] 解雪峰，濮勵杰，朱明，等. 土壤水鹽運移模型研究進展及展望[J]. 地理科學，2016，36(10)：1565－1572. Xie Xuefeng, Pu Lijie, Zhu Ming, et al. Evolution and prospects in modeling of water and salt transport in soils[J]. Scientia Geographica Sinica, 2016, 36(10): 1565－1572. (in Chinese with English abstract)

[16] Miller G R, Baldocchi D D, Law B E, et al. An analysis of soil moisture dynamics using multi-year data from a network of micrometeorological observation sites[J]. Advances in Water Resources, 2017, 30: 1065－1081.

[17] 劉一明，程鳳枝，王齊，等. 四種暖季型草坪植物的鹽脅迫反應及其耐鹽閾值[J]. 草業學報，2009，18(3)：192－199. Liu Yiming, Cheng Fengzhi, Wang Qi, et al. Salinity stress responses and tolerance thresholds in four warm-season turfgrasses[J]. Acta Prataculturae Sinica, 2009, 18(3): 192－199. (in Chinese with English abstract)

[18] Weiss M, Baret F, Smith G J, et al. Review of methods for in situ leaf area index (LAI) determination: Part II. Estimation of LAI, errors and sampling[J]. Agricultural and Forest Meteorology, 2004, 121(12): 19－35.

[19] Zou P, Yang J Y, Fu J S, et al. Artificial neural network and time series models for predicting soil salt and water content[J]. Agricultural Water Management, 2010, 97(12): 2009－2019.

[20] Mcclelland J L, Rumelhart D E, Group P. Parallel Distributed Processing, Volume 1: Explorations in the Microstructure of Cognition: Foundations[M]//Parallel Distributed Processing: Explorations in the Microstructure of Cognition: Foundations. MIT Press, 1986.

[21] 于國強，李占斌，張霞，等. 土壤水鹽動態的BP神經網絡模型及灰色關聯分析[J]. 農業工程學報，2009，25(11)：74－79. Yu Guoqiang, Li Zhanbin, Zhang Xia, et al. Dynamic simulation of soil water-salt using BP neural network model and grey correlation analysis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(11): 74－79. (in Chinese with English abstract)

[22] Viotti P, Liuti G, Genova P D. Atmospheric urban pollution: applications of an artificial neural network (ANN) to the city of Perugia[J]. Ecological Modelling, 2002, 148(1): 27－46.

[23] 王宏宇，馬娟娟，孫西歡，等. 基于BP神經網絡的土壤水熱動態預測模型研究[J]. 節水灌溉，2017(7)：11－15，27. Wang Hongyu, Ma Juanjuan, Sun Xihuan, et al. Research on prediction model of soil water and heat dynamic based on BP neural network[J]. Water Saving Irrigation, 2017(7): 11－15, 27. (in Chinese with English abstract)

[24] Allen R G, Pereira L S, Raes D, et al. Crop Evapotranspiration Guidelines for Computing Crop Water Requirements[M]. FAO Irrigation and Drainage, 1998.

[25] 樊軍，王全九，郝明德. 利用小蒸發皿觀測資料確定參考作物蒸散量方法研究[J]. 農業工程學報，2006，22(7)：14－17. Fan Jun, Wang Quanjiu, Hao Mingde. Estimation of reference crop evapotranspiration by Chinese pan[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(7): 14－17. (in Chinese with English abstract)

[26] 李毅，邵明安，王文焰，等. 土壤非飽和導水率模型中參數的敏感性分析[J]. 水科學進展，2003，14(5)：593－597. Li Yi, Shao Mingan, Wang Wenyan, et al. Sensitive analyses of parameters in unsaturated soil hydraulic conductivity model[J]. Advances in Water Science, 2003, 14(5): 593－597. (in Chinese with English abstract)

[27] Corwin D L, Lesch S M, Oster J D, et al. Monitoring management-induced spatio-temporal changes in soil quality through soil sampling directed by apparent electrical conductivity[J]. Geoderma, 2006, 131(3/4): 369－387.

[28] 白元，徐海量，劉新華，等. 綠洲防護林不同滴灌水量下土壤水鹽運移初探[J]. 中國沙漠，2013，33(1)：153－159. Bai Yuan, Xu Hailiang, Liu Xinhua, et al. The effects of drip irrigation with different quotaon the soil water&salt conditions in oasis shelter forest[J]. Journal of Desert Research, 2013, 33(1): 153－159. (in Chinese with English abstract)

[29] 張楠，韓金旭，江紅，等. 耕作期內土壤水分和鹽分運動規律及其影響因素[J]. 水土保持通報，2015，35(6)：8－14. Zhang Nan, Han Jinxu, Jiang Hong, et al. Movement regularity and its influence factors of soil salt and moisture during farming period[J]. Bulletin of Soil and Water Conservation, 2015, 35(6): 8－14. (in Chinese with English abstract)

[30] 李鋒瑞，劉繼亮. 干旱區根土界面水分再分配及其生態水文效應研究進展與展望[J]. 地球科學進展，2008，23(7)：698－706. Li Fengrui, Liu Jiliang. Hydraulic redistribution and its eco-hydrological effects in root-soil interfacial systems in arid regions[J]. Advances in Earth Science, 2008, 23(7): 698－706. (in Chinese with English abstract)

[31] 王珺，劉茂松，盛晟. 干旱區植物群落土壤水鹽及根系生物量的空間分布格局[J]. 生態學報，2008，28(9)：4120－4127. Wang Jun, Liu Maosong, Sheng Sheng. Spatial distributions of soil water, salts and roots in an arid arbor-herb community[J]. Acta Ecologica Sinica, 2008, 28(9): 4120－4127. (in Chinese with English abstract)

[32] Liu R, Pan L P, Jenerette G D, et al. High efficiency in water use and carbon gain in a wet year for a desert halophyte community[J]. Agricultural and Forest Meteorology, 2012, 162/163: 127－135.

[33] 喬冬梅，史海濱，霍再林. 淺地下水埋深條件下土壤水鹽動態BP網絡模型研究[J]. 農業工程學報，2005，21(9)：42－46. Qiao Dongmei, Shi Haibin, Huo Zailin. BP network model for soil water-salt movement with a shallow groundwater table[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2005, 21(9): 42－46. (in Chinese with English abstract)

Soil water and salt dynamics and its coupling model at cropland-treebelt-desert compound system

Guo Yong1,2,3, Yin Xinwei1,2,3, Li Yan1,2※, Chen Yuanyuan1,2,3, Cui Mengqi1,2,3

(1.,,,830011,;2.,,831505,; 3.,100049,)

Water shortage and soil salinization are two of the most concerned problems in the arid inland river basins of Northwest China with very low precipitation and extremely high evaporative demand. Water-saving irrigation has been popularized within the arid regions of China to enhance the efficient use of water and fertilizer and improve economic efficiency. However, this has triggered a series of evident/potential eco-environment issues due to regional water and salt imbalance, including land deterioration, groundwater level descending, and natural vegetation degradation, etc. Thus, identifying the spatial-temporal dynamic, variability, and distribution characteristics of soil water and salt in arid ecosystem is of great significance to regional water resources management and vegetation conservation. This study aimed to investigate the dynamics of soil water and salt and the variation of water and salt flux within and between different landscape units in arid areas under water-saving irrigation conditions. To achieve the objective, the soil water content (SWC), soil electrical conductivity (SEC), groundwater and vegetation dynamics were continuously monitored along a cropland-treebelt-desert compound system at the oasis-desert ecotone in the Sangong River Basin, Northwest China, from April to September 2018. A coupling model of soil water and salt in the cropland-treebelt-desert compound system based on BP neural network algorithm (BPNNA) was proposed, and the sensitivity of parameters of the coupling model and its application feasibility were discussed. The results showed that: 1) SWC and SEC of each landscape unit had obvious vertical stratification, horizontal progressive and seasonal fluctuation characteristics during the growth period (from April 1 to June 28) and non-growth period (from June 29 to September 15). Based on the coefficients of variation of soil water and salt, a 0-220/300 cm soil profile could be divided into three typical layers: active layer (0-40 cm), sub-active layer (>40-140 cm) and relatively steady layer (>140 cm). With increasing proximity to the treebelt, the SWC and SEC of the cropland showed a decreasing and increasing trend respectively, while the desert showed an increasing trend; the time-varying process in SWC and SEC of each typical soil layer of each landscape unit after precipitation and irrigation event could be well described by exponential decay function and three quadratic function, respectively. 2) Within the active or sub-active layer (140 cm in depth), a downward water flux was observed at the cropland and treebelt during the growth period, and a upward water flux was observed during the non-growth period, while at the desert a downward water flux was observed at the two periods. Soil water storage and accumulated soil salt of cropland and treebelt showed a decrease trend with the decrease of water table depth and/or the increase of evapotranspiration. Soil water and salt flux of desert had weak response to various influencing factors and their interaction effects, the leaching effect of the last adequate irrigation at the growth period could make the accumulated soil salt among cropland-treebelt-desert tend to be in a relatively balanced state. 3) The coupling model of soil water-salt using BPNNA with the 32-36-6 structure had a high simulation accuracy and applicability in the cropland-treebelt-desert compound system. Irrigation and water table depth were the main factors affecting soil water and salt dynamics in this system. The results could provide an insight for seeking a balance mechanism between production demand and ecological protection in oasis-desert systems under water-saving irrigation conditions.

irrigation; soil moisture; soil salinity; oasis-desert ecotone; BP neural network algorithm

2019-05-04

2019-08-27

中國科學院前沿科學重點研究項目（QYZDJ-SSW-DQC014）；國家自然科學基金新疆聯合基金項目（U1603105）

郭 勇，主要從事水土資源與環境研究工作。Email：guoyong17@mails.ucas.ac.cn

李 彥，教授，博士生導師，主要從事干旱區植物（植被）-水分關系；灌溉管理的植物生理基礎等研究，Email：liyan@ms.xjb.ac.cn

10.11975/j.issn.1002-6819.2019.17.012

S275.6；S152.7

A

1002-6819(2019)-17-0087-15

郭 勇，尹鑫衛，李 彥，陳園園，崔夢琪.農田-防護林-荒漠復合系統土壤水鹽運移規律及耦合模型建立[J]. 農業工程學報，2019，35(17)：87－101. doi：10.11975/j.issn.1002-6819.2019.17.012 http://www.tcsae.org

Guo Yong, Yin Xinwei, Li Yan, Chen Yuanyuan, Cui Mengqi. Soil water and salt dynamics and its coupling model at cropland-treebelt-desert compound system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(17): 87－101. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.17.012 http://www.tcsae.org