白雨詩,劉目興,3*,易 軍 ,萬金紅
(1.地理過程分析與模擬湖北省重點實驗室,武漢 430079;2.華中師范大學城市與環境科學學院,武漢 430079;3.華中師范大學可持續發展研究中心,武漢 430079)
土壤水分是森林生態系統健康演替的重要因子,其動態變化是揭示坡面、小流域等尺度上土壤-植被-大氣連續體物質和能量交換的關鍵及土壤系統中養分循環和流動的載體[1].土壤水分通常受到氣象因子、地形地貌、植被覆蓋、土壤性質和坡向坡位等環境要素綜合影響[2],其中,降水作為季風區土壤水分最主要的補給來源,直接決定了土壤水分的動態變化,因此定量認識兩者的關系對深入了解土壤水分入滲及產流匯流等森林生態系統水文循環過程和區域水平衡至關重要[3].
為了深入揭示降水與土壤水分的相關關系,國內外學者在該方面開展了大量研究,研究區包括新墨西哥地區[4]、格魯吉亞地區[5]、德國西部地區[6]、黃土高原[7]、北京山地林區[8]、廣西喀斯特峰叢洼地[9]等地區.研究表明,時間序列法是定量研究長時期土壤水分變化的有效方法手段,降水序列和不同深度土壤含水量的協相關圖存在2~7個滯后時間距的周期性[10].Maliha等人[4]發現土壤水分與降水在滯后3~5個時間距下呈現顯著性相關關系,表層土壤對降水響應迅速而135 cm深度土層對降水響應滯后約10個時間距,王賀年[8]等人研究了北京山區林地土壤水分變化,發現降水序列與土壤水分序列在時間上有顯著相關性,同時不同深度土壤含水量與降水之間相關性存在差異,當月降水與表土層含水量相關性較高,中層土壤與當月及上一月降水有較高相關性,深層土壤主要與前1~2個月降水相關.王云霓[11]通過在六盤山南部東側小流域的研究發現土壤水分在不同坡位差異顯著,兩者之間相關性大小有明顯不同,且利用偏相關分析和回歸分析表明不同坡位土壤水分與降水相關性從坡上到坡下逐漸增大.當前研究主要針對單一時間尺度展開,且涉及時間尺度較長,缺乏短時間和不同時間尺度的系統研究與探索.較小時間尺度研究和多時間尺度對比研究有利于進一步了解山地森林地區降水與土壤水分動態變化之間的關系.此外,小流域尺度方面土壤水分與降水相關關系的定量研究相對匱乏,難以為濕潤區森林的林業經營、生態修復和綜合治理提供理論基礎和現實指導.
三峽庫區處于長江上游和中游的過渡地帶,95%以上為山地丘陵,嚴重的水土流失問題制約了該地區林業及生態環境的可持續發展[12].庫區降水量大且集中于夏秋季,暴雨頻繁,使降水成為水土流失的重要因素之一[13],定量分析降水與土壤水分之間的相關關系,為庫區水土流失治理和生態環境保護提供科學依據.當前對于長江三峽山地地區的已有研究多集中在森林植被的水文效應研究[14]及土壤水分運移規律的多種數學模型擬合方面[15-16],對土壤水分與降水之間的相關性研究有待深入.土壤水分與大氣降水的多尺度協相關性研究,可以有效避免單一時間尺度研究結果的偶然性.山地不同坡位土壤水分動態變化的分析,可為開展林地土壤水分滲透性能及特征研究提供參考依據.因此,本文基于2018年—2019年三峽山地典型小流域的降雨數據和4個坡位樣點的土壤水分數據,通過時序分析法,揭示了月、日、小時等時間尺度下土壤水分的變化特征及其對大氣降水的響應規律,以期為三峽林區生態恢復過程中人工林的管理與配置,水土流失治理和生態環境改善提供理論指導.
研究區位于湖北省宜昌市大老嶺森林保護區內(110°52′~111°01′E,31°01′~31°08′N),地處三峽山地,海拔介于1 335~1 390 m,長度約70 m,寬度約30 m,面積約2 km2(圖1).該地區氣候屬于亞熱帶季風性濕潤氣候,四季分明,濕潤涼爽,年均氣溫16.7 ℃,降水年均約1 101.1 mm,年內分布不均,主要集中在5~11月,平均蒸發量950 mm,無霜期280 d左右[17].區內中山峽谷地貌類型占80% 以上,地質基礎以酸性結晶巖為主,土壤類型主要為黃棕壤和棕壤.區內自然植被以闊葉林為主,主要建群種包括殼斗科櫟屬(Quercus)、鵝耳櫪屬(Carpinus)和水青岡屬(Fagus)等[18],同時,針葉樹種散布于闊葉林中,主要有馬尾松(Pinusmassoniana)、杉木(Cunninghamialanceolata)和華山松(Pinusarmandii)等[19],林下分布有矮竹林和草本植物.

圖1 研究區位置與小流域地形Fig.1 Location of the study area and topographic positions of typical basin
1.2.1 實驗設計與數據采集本研究觀測時段為2018年5月3日— 2019年5月3日,經多次實地調查和樣點勘察,選取三峽山地典型小流域作為試驗樣地,在小流域內從坡下至坡上依次選了G1、G2、G3、G4四個樣點,樣點概況經調查后具體情況見表1.
在4個樣點處分別挖掘土壤剖面,確定土壤發生層,在每層土壤剖面內用環刀采集5個原狀土樣,同時采集10 cm×10 cm×10 cm的擾動土,取好的土樣裝入自封袋帶回實驗室經風干處理過篩后測定土壤理化性質.其中,用重鉻酸鉀外加熱法測定土壤有機質含量,用定水頭環刀法測定土壤飽和導水率,用砂箱法測定土壤大孔隙體積,用馬爾文3000激光粒度儀法測定土壤機械組成[20].各點位土壤理化性質和結構特征測定結果見表2.

表1 4個點位的樣地特征Tab.1 Stand characteristics of four sample sites

表2 各樣點土壤基本理化性質Tab.2 Statistics of soil physical and chemical properties at four sites
土壤含水量的動態監測使用EM50-5TM土壤水分監測系統,每套系統包含5個水分探針,分別埋于4個樣地5 cm、20 cm、40 cm、60 cm、80 cm共5個深度土層.同時在小流域附近空地布設自動野外氣象站,用于氣象因子連續定位觀測.土壤水分和氣象因子數據采集步長為5 min,并將數據按照每天、每月進行平均值處理
1.2.2 時間序列分析法對于任意兩個平穩時間序列,無論各自變異性是否相似,若兩者在時間上同步,均可用協相關函數描述兩者相關性[10].本研究中設土壤含水量序列為x序列,降雨序列為y序列.首先,分別對序列x和序列y進行自相關分析,然后,對兩序列進行協相關性判斷.兩個時間間隔相同的時間序列,它們之間協相關系數可用(1)式計算[8],
(1)
式中,ρxy表示滯后時間h時,x和y兩個時間序列的協相關數值;sxy(h)表示x和y兩個序列的互協方差值;Sxx(0)、Syy(0)分別表示序列x和序列y的方差;σx、σy表示x和y序列的標準差;h為滯后時間.
對于具有n對觀測數據的兩個時間序列(x1,y1)、(x2,y2)、…、(xn,yn),時間差為h時互協方差值可由(2)式算出
h=0,1,2,…,
(2)

將(1)和(2)相結合,可計算出兩個時間序列的協相關系數,根據系數的大小可估計兩個序列的相關程度.同時計算序列的二倍標準差,將協方差值與二倍標準差進行比較.若協方差值大于二倍標準差,則認為土壤含水量序列與降水序列相關;相反,則認為兩者不相關[3].
1.2.3 數據分析與制圖利用Python軟件對降水和土壤水分數據進行相關性分析,采用Origin 2017軟件進行圖表繪制.
根據試驗地小型氣象站實測數據,觀測期間全年降水總量為1 545.4 mm.從各月降水量所占百分比來看,降水季節分配不均,雨季和旱季界限分明.雨季為春末到秋末(5~11月),累積降水量占全年總降水量的80%以上,其中又以5~8月占比較大(占5~11月降水量的71.35%),降水峰值出現在6月.
表3反映了研究期間小流域4個點位土壤水分垂直梯度變化特征.根據垂直分層劃分原則[18]及小流域半小時土壤水分數據,4個點位表層土壤(0~5 cm)水分含量絕對值相差較大,標準差和變異系數也較大;而下層水分含量較高,標準差和變異系數的波動頻率和幅度都較表層變化更為平緩,說明土壤水分變化幅度與深度呈負相關,穩定性隨深度增加而增強.

表3 不同深度土壤含水量的統計特征Tab.3 Statistical characteristics for soil water content in different depths
圖2展示了降水的自相關序列(逐日尺度)及不同時間尺度下土壤含水量的自相關序列,結果表明:降水序列在逐日尺度上的自相關關系不顯著,而土壤含水量具有高度自相關性,說明降水事件相互獨立,表現出明顯的隨機性,前一次降水未對后一次降水產生影響;而前期對后期的土壤水分含量影響顯著,并且隨時間尺度由逐月縮短到半小時,整個剖面土壤含水量相關系數的均值從0.63增加到0.97.
對各土壤層次而言,5 cm、20 cm、40 cm、60 cm、80 cm土壤含水量在小時尺度下的自相關系數分別為0.74、0.93、0.85、0.93、0.95,其中除表層土壤表現出微弱的自相關趨勢,土壤水分變化波動強烈,其它深度都達到極顯著水平,前期土壤含水量對后期有重要影響.
由月尺度上降水序列與土壤水分序列的協相關性(圖3)可知,降水與土壤含水量在月尺度上的協相關性偏低,4個點位淺層土壤(0~20 cm)與降水之間的協相關關系在滯后時間距h=0時呈現出相關,但20~80 cm深度土壤在該滯后時間下無顯著相關關系,說明淺層土壤水分是季節變化的主要發生層,深層土壤水分含量月間波動較小,與降水在月尺度上相關性較弱.當滯后時間距h=1時,四個樣點土壤剖面水分含量與降水相關性不再顯著,說明該地區土壤水分含量受前一月降水因素的影響較弱.
由日尺度上降水序列與土壤水分序列的協相關性(圖4)分析可知,兩者在剖面上協相關性動態變化表現出很好的一致性和層次性.其中,一致性表現為土壤含水量與當日降水量相關性偏弱,而在雨后1 d達到峰值,之后隨滯后時間h增大,兩者相關性呈遞減趨勢.對于層次性而言,可以將整個土壤剖面分為淺層土壤和深層土壤兩部分,層間差異顯著.淺層土壤(0~20 cm)對降水響應的即時性強,與降水的相關性呈“雙峰”型,表現為明顯的波峰與波谷交替變化過程,日內出現兩個主要的峰值,其中,最大響應時間為雨后1 d,并在雨后5~7 d 時達到次高值,期間一直保持顯著水平.深層土壤(20~80 cm)隨滯后時間h延長,相關性逐漸增大,峰值出現在雨后第6 d,隨后呈持續衰減趨勢.

圖2 降水的自相關關系(日尺度)及土壤水分在不同時間尺度下的自相關關系Fig.2 The auto-interrelation coefficients of precipitation and soil water content on different scales

圖3 逐月尺度4個點位不同深度土層含水量與降水協相關系數Fig.3 The auto-interrelation coefficients between precipitation and soil water content on monthly scale
由小時尺度上降水序列與土壤水分序列的協相關性(圖5)可知,土壤水分序列與降水序列波動變化協同且具有明顯的滯后效應,但淺層和深層土壤含水量與降水相關性差異顯著.其中,總體趨勢表現為降水序列和土壤水分序列的相關系數最大為滯后2~4 h,相關性最顯著;當滯后72 h后,各土壤層與降水之間的相關系數差異明顯減小,說明降水對土壤水分在三天內的影響最為明顯.淺層(0~20 cm)土壤水分與降水協相關性顯著,滯后時間距h=10時相關性最大,隨后呈遞減趨勢;深層土壤(20~80 cm)兩者相關性在降水初期相對較弱,隨著滯后時距增大,相關性呈遞增趨勢,當滯后時距h=72左右時,達到最大相關水平.

圖4 逐日尺度4個點位不同深度土層含水量與降水協相關系數Fig.4 The auto-interrelation coefficients between precipitation and soil water content on daily scale

圖5 逐時尺度4個點位不同深度土層含水量與降水協相關系數Fig.5 The auto-interrelation coefficients between precipitation and soil water content on hourly scale
土壤質地、有機質含量和孔隙度等土壤理化性質對土壤含水量與降水相關性產生影響[20-23].土壤性質測定結果發現(表2),坡上G4點粉粒和砂粒含量高(均值為43.68%和42.80%),土質較粗,容重小,因此土壤含水量與降水的相關性較低;坡下G1點土層深厚,土質緊實,通氣性和透水性較差,因此具有較強的有效持水能力和單位面積蓄水能力[24],土壤水分與降水的相關性較高,土壤水分維持穩定狀態,能更好的涵養水源和調節水循環.
土壤有機質含量主要通過影響土壤孔隙度和吸附作用而間接對土壤含水量與降水相關性產生影響[25].相關研究顯示[26-27],土壤有機質含量與土壤中動植物數量呈正相關.本研究中4個樣點處,由于不同的枯落物存量和灌草覆蓋度,導致土壤有機質含量存在差異.由表1可知,坡下G1點單位面積凋落物厚度大,有機質含量高(均值為121.45 g·kg-1),土壤吸附能力強,土壤總孔隙度(均值為43.68%)小,內部連通性較差,水分在土壤內流動受到較大阻力,導致土壤的飽和導水率低;坡上G4點單位面積凋落物厚度小,有機質含量低(均值為31.40 g·kg-1),土壤吸附作用弱,土壤孔隙(均值為53.40%)尤其是非毛管孔隙多于坡中和坡下,持水能力弱,因此土壤含水量對降水響應的滯后時間較長,兩者相關性較弱.
研究區4個樣點位于同一坡面,氣候特征、地形地貌和地表植被類型相近,表明各位點土壤水分變化及其與降水相關性差異主要受坡位影響,坡位通過對光熱水以及地表徑流的二次分配,使土壤水分分布格局表現出高度時空異質性[21].一方面,坡位差異影響地面凋落物蓄積量,進而影響降雨的入滲和蒸發過程[22],最終影響到土壤水分的動態變化.研究表明,枯落物平均厚度和平均蓄積量大的地表覆被條件使降水的截留增加,表層土壤水分對降水的響應延遲,不同深度土壤水分與降水的相關性曲線起漲和回落速度慢[23].研究發現,坡面下部和中下部的G1、G2點位土壤長期接受上部土壤堆積,林下枯落物存量大,約為0.47 kg·m-2和0.52 kg·m-2,明顯高于坡面中上部和上部的G3、G4點位,這種差異顯著減少了土壤水分蒸發,使G1、G2點位土壤水分與降水的相關系數明顯高于G3、G4點.
另一方面,坡位的差異會影響地表徑流和壤中流[28],從而影響坡面的土壤水分.在本研究中,G1點位地勢低、坡度小,對降雨的集水面積大,發生降雨事件后容易下滲,坡上G4點位坡度大,承雨面積小,當發生降水后,土壤表層易形成地表徑流和壤中流向坡下匯集,導致在日尺度和小時尺度下該位點土壤水分與降水的相關系數值偏低,相關性曲線變化劇烈,起漲和回落快(圖4與圖5),土壤蓄水保水和涵養水源功能有待提高.總的來說,坡下點位地表凋落物多,土壤入滲能力和持水能力強,對降水的響應強烈,其中表層土壤更加顯著,坡上土壤持水保水性能較差,易產生地表徑流,降水和土壤含水量相關系數值偏低.
本研究發現,降水序列和土壤水分序列之間的協相關系數差異明顯,且兩者相關性隨時間尺度的增大而逐漸降低.在月尺度下(圖3),4個點位兩者之間無顯著相關.王賀年等[8]在北京山區林地和石輝等[7]在黃土丘陵區林地的研究認為,月尺度的土壤水分動態變化受當月和上個月降水事件的影響,這種差異可能是由于研究區氣候環境不同所致.北京山區和黃土高原地區年降水量遠少于三峽林區,導致土壤含水量偏低(10%~20%),因此降水對土壤水分的影響可以持續一個月甚至更長時間.而本文研究區全年降水總量大、頻度高、強度大,土壤含水量高(20%~50%),后期降水易掩蓋前期降水對土壤水分的影響,因此在逐月尺度上兩者相關性較干旱或半干旱地區弱.
在日尺度和小時尺度下(圖4與圖5),降水序列與土壤水分序列的協相關系數最大值分別出現在滯后時間距為1 d和6 h左右,之后隨著滯后時間距增加而遞減,當滯后時間距約為6 d和200 h時,兩序列之間的相關系數有明顯升高.王曉燕等[3]發現紅壤坡地不同深度土壤水分與降水協相關關系也表現出相同的趨勢.其原因可能是:在降水事件初期,地表植被對降水具有截留作用,大氣降水首先被植被林冠層攔截,當林冠層達到飽和后,一部分降雨會沿著枝葉和樹干向植物根部匯集,形成樹干莖流[29],因此土壤水分與降水的最大相關時間出現在降水事件發生一段時間后.不同的植被郁閉度、冠幅及地面坡度對植被再分配存在影響[30],因此4個點位兩者最大相關系數在天尺度尤其是小時尺度出現的時間有前后1天或若干小時的差異.最大相關時間出現后,由于水分下滲、蒸發和植被根系對水分吸收利用等因素影響,降水與土壤水分的協相關性隨滯后時間距增加逐漸降低,后期出現回升可能是由于表層土壤水分蒸發快,其值降低到一定程度,土壤淺層和深層會產生一定的水勢梯度,這時深層土壤水會在土水勢差的作用下向上層運移,補給表層土壤所失水分,出現負補給情況[31],使表層土壤水分在降水事件結束一段時間后呈現明顯增加的趨勢,表現為土壤水分與降水之間的相關性增強.
根據協相關性分析,進行三峽山地土壤水分預測時,可以利用月尺度或天尺度土壤水分與降水的數據建立水分預測模型,并利用模型細化模擬山區水文動態變化,以計算并精確掌握區域水循環過程,對揭示植被需水耗水規律、林區高效經營和可持續發展有重要意義.如需分析土壤水分對單次降水事件包括降水量、降水強度、降水歷時、降水類型、降水時間分配格局等降水要素的響應機制,則應采用小時尺度的數據進行分析計算,對準確預測降水與土壤水分關系具有重要參考價值[32-34].
在三峽山地大老嶺典型小流域地區,采用時間序列法分析了小流域內4個坡位的0~80 cm深度土壤含水量與降水之間的相關關系,結果表明如下.
1) 研究期間降水無顯著的自相關關系,而土壤含水量呈現高度自相關性,隨著時間尺度由逐月縮小到逐時,土壤含水量的自相關性明顯增加;就小時尺度不同土壤深度而言,0~5 cm土壤含水量自相關性偏低,5~80 cm 土壤含水量自相關性達到極顯著水平(p<0.01).
2) 降水序列與土壤含水量序列協相關關系顯著,土壤水分對降水有明顯的反饋作用,月尺度下,表層土壤含水量主要受當月降水影響,日尺度下,土壤含水量與當日降水量相關性略低,小時尺度,降水序列和土壤水分序列相關性最顯著為滯后2~4 h.
3) 不同深度土層土壤含水量與降水的協相關性在不同的時間尺度的趨勢表現出一定相似性.淺層土壤(0~20 cm)與降水相關性顯著(p<0.05),40 cm深度土壤與降水相關性波動較大,深層土壤(60~80 cm)與降水之間相關性較弱且響應峰值出現時間依次延后.
4) 4個樣點土壤水分與降水之間的協相關性存在顯著差異,差異主要來自樣點所處坡位.坡下土壤對降水的響應強烈,其中表層土壤更顯著,上升幅度可達38.44%.坡上降水和土壤含水量相關系數值偏低且深層土壤(60~80 cm)土壤水分與降水一直處于弱相關水平.
5) 不同時間尺度下的協相關系數差異明顯,隨時間尺度增大,相關性降低,尤其增大至月尺度時,土壤水分序列與降水序列基本不相關.就總體趨勢而言,小時尺度和天尺度兩者協相關系數變化趨勢均表現出隨著時間推移先增大后減小,而月尺度兩者相關性趨勢隨時間滯后距增加持續減小.