学术简报
学术简报
题目 : Estimation of variability in soil water content in a forested critical-zone experimental catchment in Eastern China
作者: Haowen Liu , Jianyun Zhang, Aimin Liao, Cuishan Liu, Mingcheng Du, Aiming Huang, Chuan Liang, Zhouliang Sun, Junhong Guo, GuoqingWang
期刊:Journal of Contaminant Hydrology
DOI:10.1029/2022EF002966
01
摘要
0 2
研究 方法
本研究选择中国东部亚热带地区的一个森林丘陵流域作为长江下游森林临界带的试验点。本研究旨在通过高分辨率观测,从时间和空间两个维度了解典型森林流域SWC的时空动态分布,探索流域SWC最稳定的时间点和潜在的驱动特征。本研究可为中国东部亚热带气候SWC的预测提供科学指导,特别是利用时间最稳定的SWC站点代表整个临界区,简化土壤水分的动态过程。
当地气候属中度亚热带季风气候,年平均降雨量1008 mm,年平均气温15.4?C(1951-2016年)。降水具有很强的季节性,80%以上的降水发生在雨季(5月至10月)。该地区的植被以锯齿栎和纸桑为主,混合着苦楝树、白杨、杨树和刺槐树。
图1 Nadadish实验流域土壤水分观测和地下水井分布
表1坡面不同位置土壤粒度分析
表2 SWC观测点分布设计
在森林覆盖的山坡上选择不同的位置研究SWC的变化。对于该研究来说,一共是有34个SWC观测点,均匀分布在流域内(图1)。采用频域反射仪(SM-1, ADCON, Austria)测量不同土壤剖面的体积SWC,时间间隔为15 min,深度间隔为10 cm。结合各个监测点的实际土层厚度,设置土壤体积含水量的测量深度范围为90-150cm。在每个SWC监测点附近设置地下水位计(LEV01,ADCON, Austria),观察地下水位变化,有助于了解SWC与地下水之间的关系。
在观测塔(SL3-1,上海气象仪器厂,中国)顶部安装0.1毫米分辨率的翻桶雨量计,并使用CR3000-NB数据收集器(Campbell Scientific, Inc.,美国)每1分钟收集一次降雨数据。 气象数据从集水区露天的气象梯度塔获得。
测量由CR3000-NB数据记录仪(CampbellScientific, Inc, Logan, Utah, USA)每隔5分钟记录一次。 气象资料由南京水利科学研究院滁州科学水文实验室气象场提供。
数据处理
采用经典统计方法计算研究区SWC的分布。计算变异系数(CV)和标准差来描述SWC的时空分布和变率。SWC的变异性可根据CV进行分类,CV<10%为低变异性,10%≤CV≤100%为中等变异性,CV> 100%为高变异性。
03
实验结果
1、 不同土层SWC的时空特征
通过实验获得的数据,可以直观地分析得到 SWC随土壤深度的增加而增加。
通过对比不同土层的SWC值可以说明SWC的变异性随着土层深度的增加而减小(图2)。同时通过三个年份之间进行对比分析,由于三个年份年降水量不同,湿润年随深度增加而减小,而干燥年SWC CV值随深度变化适中,无明显变化规律(图2),而深层土壤SWC具有较强的时间稳定性。说明了干燥年份 深层土壤SWC具有较强的时间稳定性。
图2 2017年至2019年不同深度的SWC分布维林图
与2019年相比,2017年和2018年不同土层SWC的分层更加明显。3个土层的SWC在4 - 10月有明显的时间变化,表明3个土层的SWC具有季节性变化。根据Spearman相关分析,2017-2019年4 - 9月0-30 cm层平均SWC的时间变化与平均温度的时间变化呈显著负相关(ρ =?0.22,p < 0.01)(图3)。
图3 2017-2019年研究区不同深度的SWC、降水和温度的时间变化(黑色方块代表40-60厘米土层的SWC;红色圆圈代表0-30厘米土层的SWC;蓝色三角形代表深层土层的SWC。橙色线代表温度)。(关于本图例中对颜色的解释,请读者参考本文的网络版)。
2、森林实验集水区的SWC的时间模式
利用Spearman相关分析研究了2017-2019年3年不同深度SWC之间的相关性。结果发现,大部分相关系数显著(p < 0.05)(图4)。
对于三层土壤模式来说,不同土层的SWC的时间稳定性很强。从较小的系数可以看出,相关系数似乎随着时间滞后的增加而减少,表明时间稳定性在三层中呈现出与时间相关的漂移(图4)。
随着年降雨量的减少,时间模式的相似性也大大降低。在湿润年份(2017-2018年),浅层土壤时间模式相似度低于深层土壤,而在干燥年份(2019年),浅层土壤时间模式相似度高于深层土壤。
同时,通过不同观测点结果分析, MRD和SDRD绝对值最大的位置为F29,是SWC时间稳定性最低的位置。观测站点F29是位于边缘的研究区域,该监测点拥有较大的坡度,同时对于同样坡度较大的几个观测点发现具有相同的数据特征,分析得出 位置附近流域边界和陡峭的斜坡SWC可能导致增加的变化。
对于不同土层的SDRD进行分析,70-90 cm土层的SDRD最低(SDRD: 1.91%),同时对于后两个年份0-30 cm土层的平均SDRD (SDRD: 5.42%和6.36%)最高,40-60厘米土层的平均SDRD(SDRD:2.16%和2.62%)是时间上最稳定的,数值最低,表明2018-2019年时间稳定性最强的土层比2017年更接近表层土壤。,结果表明,研究区40 ~ 90 cm土层SWC稳定性最强,且年降水量越大,SW稳定性越强。
3、 利用时间稳定性估计平均SWC
在得出不同土层和区域对于SWC时间稳定性的影响和其他影响因素后,该研究通过对比分析,讨论利用时间稳定性强的观测点的SWC来代表整个区域的平均SWC的可能性。
SDRD值低于5%的站点被认为是暂时稳定的, 每层选取两个SDRD值最小的位置,模拟每层的SWC。选取10-30 cm和40-60 cm位置F12和F30, 70-90 cm和100-150 cm深度位置F12和F16, 0-150 cm深度位置F12作为相应深度的RMSE(均方根误差)。线性拟合分析表明,选取的rmse可以很好地估计研究区SWC的平均值(表4)。
图4 不同土层中14个田间地点在12个测量日期进行的SWC测量结果比较的Spearman's rank相关系数矩阵
图3 2017-2019年研究期间0-150厘米的平均相对差异排名
表3 SWC中各土层的平均相对差(MRD)和MRD标准差(SDRD)的统计摘要
表4 不同深度下研究区平均SWC (y)与代表点SWC (x)的线性拟合结果。
04
结论
(1)研究区SWC的时间变异性随土壤深度的增加而减小。表层土壤SWC受温度和蒸发量的影响较大,深层SWC受地下水位的影响较大。干旱年SWC的变异性大于湿润年;而旱季SWC的时间稳定性大于雨季。降水控制SWC的年际变化,温度控制SWC的季节变化。
(2)时间稳定性在三层均表现出时间相关性漂移。 时间滞后对湿润年深层土壤SWC时间格局影响较小,而对干旱年深层土壤SWC时间格局影响较大。 在湿润年,浅层土壤的时间变化规律不如深层土壤,而在干燥年则相反。
(3) 在所有四层中都确定了代表实地平均SWC的位置。时间稳定的地点在流域中部有一个相对平坦的地表,地下水位稳定,粘土含量高,这里的降水具有时间稳定性。SWC模式的时间稳定性受地形、地理位置、降水和地下水位的控制,该地区的特点是地形倾斜和森林覆盖。
该研究提出的结果为流域中存在时间稳定位置提供了证据,并提供了一种从该地区基于点的观测估计现场平均土壤湿度的可靠方法。 该方法可为该地区土壤水分管理提供有用的信息。
文案\王家伟
排版\王家伟
校核\白天可