文章信息
- 徐飞, 赖晓明, 朱青, 廖凯华
- XU Fei, LAI Xiaoming, ZHU Qing, LIAO Kaihua
- 太湖流域丘陵区两种土地利用类型土壤水分分布控制因素
- The controlling factors of soil moisture distribution under two typical land-use hillslopes in a hilly region of Taihu Lake basin
- 生态学报, 2016, 36(3): 592-599
- Acta Ecologica Sinica, 2016, 36(3): 592-599
- http://dx.doi.org/10.5846/stxb201405181019
-
文章历史
- 收稿日期: 2014-05-18
- 网络出版日期: 2015-06-12
2. 中国科学院大学, 北京 100049
2. University of Chinese Academy of Sciences, Beijing 100049, China
土壤水分是陆地生态系统最重要的因素之一,其时空变化研究在多个学科和应用领域有着重要的意义[1]。首先,土壤水分对土壤的形成和发育、土壤中物质和能量的运移以及植物的生存与生长,都有着重要的影响;其次,作为一种重要的水资源,土壤水分通过控制地球表层水分和能量迁移和建立土壤-植物-大气连续体(SPAC)之间的物理关系,进而在全球水循环中起到了关键作用[2, 3]。因此,土壤水分的时空格局在土壤学、水文学和生物化学领域引起了极大的重视并得到广泛的研究。
土壤水分受地形、土壤性质和土地利用方式等多种因素的复杂影响。传统观点认为,在干旱季节,土壤水分的空间分布主要受到土壤理化性质的影响;而在湿润季节,则主要受到地形因素的影响[4, 5]。然而,随着研究区域气候、地形条件和土地利用类型的变化,土壤水分含量的时空分布规律及其控制因素往往大不相同[6, 7]。此外,当前已有的相关研究大多侧重于研究表层土壤水分的时空变化规律,而对下层土壤水分的研究尚不多见[8, 9]。因此,深入探讨不同气候、地形、土地类型和土层深度条件下土壤水分时空分布的影响因子,是当前需要解决的重点问题。
目前,国内有关土壤水分与环境因子关系的研究主要集中在西北干旱地区,尤其是黄土丘陵区。如刘鑫等[10]以晋西黄土区典型梁坡面为例,基于地形因子对土壤水分分异进行了深入研究;姚雪玲等[7]分析了黄土丘陵沟壑区坡面尺度土壤水分空间变异及其与影响因子之间的关系。然而,有关太湖流域丘陵区土壤水分与环境因子的关系研究仍比较缺乏。太湖流域水体富营养化问题日益严重,土壤水分分布和壤中流被认为是营养盐输移的主要控制因素之一[11]。尤其是近年来随着经济发展的需要,太湖流域丘陵区林地被大量开发为园地和旱地[12],由此带来的农业水肥投入及土壤水文过程变化给该区水环境也造成了很大影响。因此,研究太湖流域丘陵区典型土地类型土壤水分时空格局的控制因素,对于该区域水土资源可持续利用和农业水肥管理具有较强的现实意义。
1 材料与方法 1.1 研究区概况研究区位于太湖流域西部南京高淳区的青山茶厂(31°22′ N,119°03′ E)。该地区属于亚热带季风气候,四季分明,年均降雨量超过1100 mm,但年内分配不均,近60%集中在4—9月,光照充足,年均气温15.9 ℃。研究区海拔在80—90 m范围内,整体上呈西北高东南低的变化趋势,土壤类型以薄层粗骨土为主,土壤粒径分布中粉粒含量最高(超过70%),砂粒含量和粘粒含量相当(约13%),土层厚度自18 cm到86 cm不等,空间差异很大。地貌类型为典型的丘陵山区,坡度变化范围在0.02—19.5°。该地区农业发达,主要土地利用类型有毛竹林地和茶园。
1.2 样点布置与数据采集在青山茶厂选取茶园(10年生)和毛竹林(30年生)两种典型土地类型,根据地形布设77个土壤水分监测点,其中茶园39个,竹林地38个(图 1)。在每个监测样点安装PVC接入管,采用剖面土壤水分传感器(TRIME-PICO-IPH)测定不同深度(0—20 cm和20—40 cm)土壤水分,测定日期自2013年1月9日至11月13日,共12次,其中5月中旬有典型降雨,因而连续测定了3次。采用土钻法采集各样点不同深度处土壤样品,同时记录下土层厚度,将土壤样品带回实验室风干、过2 mm筛,利用Malvern Mastersizer 2000激光粒度仪测量土壤粒径分布,得到砂粒(0.05—2 mm)、粉粒(0.002—0.05 mm)和黏粒(0—0.002 mm)含量。此外,根据1∶5000地形图生成1 m分辨率的研究区数字高程模型(DEM),进而利用ArcGIS的空间分析模块提取各监测样点位置上的地形因子,包括地形湿度指数(TWI)、高程、坡度和剖面曲率。
1.3 研究方法利用决策树中的分类回归树(CART)模型研究不同干湿条件下土壤水分分布的影响因素,相关分析在Clementine12.0软件中完成。CART最早于1984年提出,是一种广泛应用的基于树结构产生分类和回归模型的统计过程[13],其内部是个分层的二叉树结构,在每个节点处利用最优的变量将数据划分为两个相互独立的子集,最终可以得出各变量在数据分类中的贡献率。CART中输入变量和输出变量可以是分类型也可以是数值型。利用CART模型,分别将不同时期各样点的平均土壤含水量作为因变量输出,其对应的环境因子作为自变量输入,从而获取各环境因子对土壤水分分类的相对贡献率。
利用典范对应分析(CCA)方法对土壤水分监测样点进行排序分析,并得到其分布格局与环境因子关系的双序图,相关分析在Canoco4.5软件中完成。CCA又名多元直接梯度分析,是基于对于分析发展而来的一种排序方法,将对应分析与多元回归分析相结合,每一步计算均与环境因子进行回归。CCA主要用于分析植物群落时空变异及其与环境因子的关系,近年来在土壤水分时空格局与环境因子关系方面多有应用[14, 15]。运用时首先要对定性数据进行编码,将茶园定义为1,竹林地定义为2。此外该方法需要两个数据矩阵,在本研究中为土壤水分含量矩阵和样点对应的环境因子矩阵。土壤水分含量矩阵为P×N维,其中P为采样次数(共12次),N为监测样点数目。环境因子矩阵为Q×N维,其中Q为环境因子数量。
2 结果与分析 2.1 干湿变化条件下土壤水分主控因子识别根据前7d降雨量大小,将12次土壤水分测量数据分为两类,分别代表土壤的干旱状况和湿润状况(表 1)。其中湿润状态包括2013年3月27日、5月10日、5月13日、5月15日和7月7日共5次,余下7次属于干旱状态。值得注意的是,土壤平均含水量不仅受降水影响,还受到土地利用类型和土壤深度的作用。竹林地对应深度处的土壤平均含水量均显著高于茶园(约2倍),这可能是因为竹林地地表的枯枝落叶等能有效降低地表的蒸散发,从而更好地涵养水源,且竹林地的砾石含量为0.42(重量比),要低于茶园的0.51,导致两种土地利用类型的土壤饱和含水量存在差异。同时,在干旱状态下表层0—20 cm深度土壤平均含水量整体上低于20—40 cm深度,湿润状态下情况则不同,0—20 cm深度的平均土壤含水量与20—40 cm基本持平或略高。
日期Date | 前7d降雨量/mmantecedent precipitation index during the previous 7 days | 土壤平均含水量Mean soil moisture /(cm 3/cm 3) | |||
茶园0—20 cmTea garden 0—20cm | 茶园20—40 cmTea garden 20—40cm | 竹林地0—20 cmBamboo forest 0—20cm | 竹林地20—40 cm Bamboo forest 20—40cm | ||
2013-01-09 | 2.3 | 0.11 | 0.12 | 0.23 | 0.23 |
2013-03-11 | 1.6 | 0.10 | 0.12 | 0.21 | 0.23 |
2013-03-27 | 18.1 | 0.12 | 0.11 | 0.25 | 0.25 |
2013-05-10 | 61.4 | 0.13 | 0.13 | 0.27 | 0.29 |
2013-05-13 | 44.0 | 0.12 | 0.11 | 0.25 | 0.24 |
2013-05-15 | 36.7 | 0.12 | 0.12 | 0.23 | 0.22 |
2013-07-07 | 63.9 | 0.15 | 0.14 | 0.29 | 0.27 |
2013-07-31 | 0 | 0.09 | 0.10 | 0.18 | 0.21 |
2013-09-17 | 0 | 0.07 | 0.08 | 0.13 | 0.15 |
2013-09-26 | 9.8 | 0.07 | 0.08 | 0.13 | 0.15 |
2013-10-18 | 1.2 | 0.09 | 0.10 | 0.17 | 0.19 |
2013-11-13 | 8.6 | 0.08 | 0.08 | 0.13 | 0.15 |
CART分析结果如表 2所示,可见太湖流域丘陵区土壤水分分布主要受高程、地形湿度指数和土地类型的影响,但不同时期的主控因子存在一定差异。在整个研究时段内,高程、土地类型和土层厚度对土壤水分的影响起着主导作用,共解释了77.7%的累积贡献率;在干旱状态,高程对土壤水分影响的贡献率最大(38.2%),其次为坡度(18.8%)和土层厚度(12.6%);而在湿润状态,土壤水分空间格局的主控因子则为土地类型、TWI和粘粒,它们的累积贡献率达到64.1%,此外高程和土层厚度对土壤水分也有一定影响。
环境因子Environmental factors | 相对贡献率 Relative contribution rate/% | ||
整个时段Whole period | 干旱状态Dry condition | 湿润状态Wet condition | |
土地利用类型Land-use type | 27.2 | 6.8 | 32.3 |
坡度Slope | 5.0 | 18.8 | 2.3 |
高程Elevation | 35.3 | 38.2 | 8.6 |
地形湿度指数Topographic wetness index,TWI | 3.9 | 6.8 | 9.6 |
剖面曲率Profile curvature | 8.1 | 7.3 | 5.5 |
砂粒Sand | 0 | 0 | 2.3 |
粉粒Silt | 0 | 2.7 | 8.6 |
粘粒Clay | 5.2 | 6.8 | 20.2 |
土层厚度Soil thickness | 15.3 | 12.6 | 10.6 |
总计Total | 100 | 100 | 100 |
与以往的研究不同[10, 14],本研究区各时段内土壤水分的主控因子呈现数量较多,单一因子相对贡献率偏小的特点,且与分阶段相比,在整个时段部分环境因子对土壤水分的影响出现波动变化。这可能是因为太湖流域丘陵区地形和土壤性质等空间异质性很大,且植被覆盖率高、土地利用类型多样,加上降雨的年内分布不均,导致土壤水分与环境因子之间的关系随时间变化差异较大。
2.2 干旱状态时土壤水分与环境因子的定量关系图 2为干旱状态时茶园和竹林地不同深度土壤水分与环境因子的CCA排序情况,可见前两轴累积解释的土壤水分与环境因子相关系数与总方差的比值均超过80%,排序达到了较理想的效果。在茶园0—20 cm深度,第一轴与土层厚度和高程显著相关,相关系数分别为0.278和-0.262,第二排序轴与坡度(0.238)和剖面曲率(-0.222)相关性较好,与其他环境因素的关系并不显著。由此可知,茶园0—20 cm土壤水分分布的主控因子为土层厚度、高程、坡度和剖面曲率。在20—40 cm深度,与第一轴关系紧密的有粘粒(-0.370)、高程(0.355)、坡度(-0.291)和TWI(0.261),第二轴方向投影较长的是土层厚度(0.347)和剖面曲率(-0.274),这些因素是茶园20—40 cm土壤水分变异的主控因子。
对于竹林地0—20 cm深度而言,第一排序轴包含了大部分的环境信息,主要反映了土层厚度(-0.4017)、TWI(-0.400)、高程(0.339)和剖面曲率(-0.323)等的梯度变化,第二排序轴则与坡度显著相关(0.248)。而在20—40 cm深度,粘粒含量(0.272)的影响明显增大,坡度(0.412)、高程(0.271)和TWI(-0.21)也具有一定影响,说明该深度土壤水分主要受坡度、粘粒含量、高程和TWI的共同作用。
干旱状态时太湖流域丘陵区坡面土壤水分主控因子主要受土壤深度影响,土地利用类型的作用较弱。在0—20 cm深度,地形因子(如高程、坡度和剖面曲率等)和土层厚度是竹林地和茶园土壤水分空间格局的主控因子。在20—40 cm深度,粘粒含量的影响明显增大,这首先与土壤质地在不同深度的空间分布有关,表层(0—20 cm)土壤质地较为均一,其砂粒、粉粒、粘粒的变异系数分别为0.27、0.03、0.11,而下层(20—40 cm)空间异质性高于表层,对应的砂粒、粉粒、粘粒变异系数则分别为0.33、0.05、0.13。另一方面可能是由于该深度土壤水分受外界环境(如降雨和蒸散发)的影响要小于0—20 cm深度。此外,干旱状态下茶园和竹林地对应深度土壤水分主控因子类似,表明在此时段土地利用类型对土壤水分影响较小,这不同于史志华等[16]的研究结论,鉴于两个研究区相近的气候和地形地貌,最大的可能是研究尺度的差别,类似的结论在王信增等[15]的研究中得到验证。
2.3 湿润状态时土壤水分与环境因子的定量关系图 3为茶园和竹林地不同深度(0—20 cm和20—40 cm)环境因子对土壤水分分布的影响结果,可见对于茶园0—20 cm深度,第一轴与坡度(-0.416)和高程(0.392)显著相关,与砂粒含量(-0.237)也有一定的相关性,而第二轴仅与剖面曲率(-0.296)相关性较好,上述表明湿季茶园0—20 cm深度土壤水分主控因子仍为地形因子(高程、坡度和剖面曲率)。在20—40 cm深度,第一排序轴主要反映的是粘粒含量(-0.409)和土层深度(-0.350)的梯度变化,第二轴则主要反映的是砂粒(0.265)和粘粒(-0.230)的梯度变化,说明土壤性质(土壤质地和土层厚度)是该深度土壤水分分布的主控因子。
在竹林地0—20 cm深度,第一、二轴方向箭头连线较长的仅有TWI(-0.259)、粘粒(0.215)和高程(0.202),因此TWI、粘粒和高程为湿季林地0—20 cm深度土壤水分主控因子。而在20—40 cm深度处,土壤水分空间格局的主控因子较多,包括粉粒(-0.419)、粘粒(0.404)、坡度(0.388)、土层厚度(-0.334)、剖面曲率(-0.348)和砂粒(0.305)等。
与干旱状态时不同,湿润状态下太湖流域丘陵区土壤水分格局的主控因子受土壤深度、土地利用类型的作用都很大。茶园0—20 cm、20—40 cm深度土壤水分的主控因子分别为地形因子和土壤性质,而竹林地地形因子和土壤性质对0—20 cm和20—40 cm两个深度的土壤水分影响都很大。此外,就土壤水分的具体影响因素而言,两种土地类型也存在差异,相对于茶园0—20 cm深度影响土壤水分的地形因子主要为坡度、高程,林地0—20 cm深度则变为TWI。20—40 cm深度竹林地土壤水分与环境因子的关系远比茶园复杂,其主控因子的数量、影响大小均高于茶园。
湿润状态下土壤深度和土地利用类型对土壤水分主控因子的作用偏大很可能与植被有关。王军德等[17]的研究表明,植被根系对不同深度处的土壤水分影响不同,在30 cm处达到最大,由此导致20—40 cm土壤水分的主控因子较表层复杂。与此同时,湿润时段几乎对应着植被生长茂盛期(表 1),在此时段不同土地利用方式下其植被生长状况大不相同。与竹林地的近似自由生长不同,茶园受人类活动如除草、修剪、施肥等干扰明显增强。不同植被类型无论是通过冠层对降雨的截留再分配作用,进而影响水分入渗,还是根系吸水能力都有较大差异[18, 19, 20],因而湿润状态时土壤水分主控因子在竹林地和茶园显示出很大不同。
3 小结本文结合CART和CCA方法研究太湖流域丘陵区茶园和竹林地不同深度(0—20 cm和20—40 cm)土壤水分与环境因子的关系,得出以下主要结论:
(1)土壤平均含水量受降雨影响很大,湿润状态时要高于干旱状态,同时土壤水分分布的主控因子在不同季节表现形式有很大差异,干旱状态时土壤水分的主控因子以地形因子为主,到了湿润状态则受到地形和土壤性质的显著作用。
(2)土地利用类型对土壤水分的作用同样表现在平均含水量大小及土壤水分主控因子两方面。首先,竹林地平均土壤含水量两倍于对应深度的茶园,其次,在干旱状态下,土地利用类型对土壤水分与环境因子的关系影响较小,两种土地利用类型对应深度土壤水分的主控因子相似,但在湿润状态,主控因子无论是数量还是类型都存在显著差异。
(3)土壤水分分布主控因子受土壤深度的影响同样显著,在两种土地类型的干旱、湿润状态,20—40 cm深度土壤水分主控因子数量均多于0—20 cm深度,表明环境因子与下层土壤水分(20—40 cm)的关系比表层土壤(0—20 cm)复杂。
[1] | Brocca L, Tullo T, Melone F, Moramarco T, Morbidelli R. Catchment scale soil moisture spatial-temporal variability. Journal of Hydrology, 2012, 422-423: 63-75. |
[2] | Albertson J, Montaldo N. Temporal dynamics of soil moisture variability: 1. theoretical basis. Water Resources Research, 2003, 39(10): 1274, doi: 10.1029/2002WR001616. |
[3] | Pan F, Peters-Lidard C D, Sale, M J. An analytical method for predicting surface soil moisture from rainfall observations. Water Resources Research, 2003, 39(11): 1314, doi:10.1029/2003WR002142. |
[4] | Grayson R B, Western A W, Chiew F H S, Blöschl G. Preferred states in spatial soil moisture patterns: local and nonlocal controls. Water Resources Research, 1997, 33(12): 2897-2908. |
[5] | Famiglietti J S, Rudnicki J W, Rodell M. Variability in surface moisture content along a hillslope transect: Rattlesnake Hill, Texas. Journal of Hydrology, 1998, 210(1/4): 259-281. |
[6] | Hupet F, Vanclooster M. Intraseasonal dynamics of soil moisture variability within a small agricultural maize cropped field. Journal of Hydrology, 2002, 261(1/4): 86-101. |
[7] | 姚雪玲, 傅伯杰, 吕一河. 黄土丘陵沟壑区坡面尺度土壤水分空间变异及影响因子. 生态学报, 2012, 32(16): 4961-4968. |
[8] | 张继光, 陈洪松, 苏以荣, 梁洪波, 孔祥丽, 张伟. 喀斯特山区坡面土壤水分变异特征及其与环境因子的关系. 农业工程学报, 2010, 26(9): 87-93. |
[9] | 尤文忠, 曾德慧, 刘明国, 宋西德, 叶彦辉, 张永. 黄土丘陵区林草景观界面雨后土壤水分空间变异规律. 应用生态学报, 2005, 16(9): 1591-1596. |
[10] | 刘鑫, 毕华兴, 李笑吟, 李俊, 郭孟霞, 林靓靓, 郭超颖. 晋西黄土区基于地形因子的土壤水分分异规律研究. 土壤学报, 2007, 44(3): 411-417. |
[11] | 李恒鹏, 金洋, 李燕. 模拟降雨条件下农田地表径流与壤中流氮素流失比较. 水土保持学报, 2008, 22(2): 6-9, 46-46. |
[12] | 万荣荣, 杨桂山. 太湖流域土地利用与景观格局演变研究. 应用生态学报, 2005, 16(3): 475-480. |
[13] | 张秀英, 孙棋, 王珂, 蒋玉根, 林芬芳, 韩凝. 基于决策树的土壤Zn含量预测. 环境科学, 2008, 29(12): 3508-3512. |
[14] | 田风霞, 赵传燕, 王瑶. 祁连山东段土壤水分时空分布特征及其与环境因子的关系. 干旱地区农业研究, 2010, 28(6): 23-29. |
[15] | 王信增, 焦峰, 刘源鑫, 朱乐天, 林坤. 不同空间尺度土壤水分与环境因素的关系. 生态学杂志, 2012, 31(2): 319-323. |
[16] | 史志华, 朱华德, 陈佳, 方怒放, 艾蕾. 小流域土壤水分空间异质性及其与环境因子的关系. 应用生态学报, 2012, 23(4): 889-895. |
[17] | 王军德, 王根绪, 陈玲. 高寒草甸土壤水分的影响因子及其空间变异研究. 冰川冻土, 2006, 28(3): 428-433. |
[18] | 王晓燕, 陈洪松, 王克林, 傅伟, 谢小立. 红壤坡地土壤水分时间序列分析. 应用生态学报, 2007, 18(2): 297-302. |
[19] | 李毅, 邵明安. 人工草地覆盖条件下降雨入渗影响因素的实验研究. 农业工程学报, 2007, 23(3): 18-23. |
[20] | 刘鹄, 赵文智, 何志斌, 张立杰. 祁连山浅山区不同植被类型土壤水分时间异质性. 生态学报, 2008, 28(5): 2389-2394. |