2024, Vol. 44文章信息
- 叶鑫, 马英, 高光耀, 王洁
- YE Xin, MA Ying, GAO Guangyao, WANG Jie
- 白洋淀上游不同树龄侧柏人工林土壤水分运移过程对次降雨的响应
- Responses of soil water transport processes to rainfall events in Platycladus orientalis forests with two stand ages in the upper reaches of Baiyangdian
- 生态学报. 2024, 44(24): 11265-11275
- Acta Ecologica Sinica. 2024, 44(24): 11265-11275
- http://dx.doi.org/10.20103/j.stxb.202404070735
-
文章历史
- 收稿日期: 2024-04-07
- 网络出版日期: 2024-09-09
2. 中国科学院生态环境研究中心城市与区域生态国家重点实验室, 北京 100085;
3. 中国科学院大学, 资源与环境学院, 北京 101408;
4. 陕西延安森林生态系统国家定位观测研究站, 北京 100085;
5. 保定市水土保持试验站, 保定 071000
2. State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China;
3. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 101408, China;
4. Shaanxi Yan'an Forest Ecosystem National Observation and Research Station, Beijing 100085, China;
5. Baoding Soil and Water Conservation Experimental Station, Baoding 071000, China
植树造林是实现绿水青山的重要途径, 人工林在涵养水源和防治土壤侵蚀等方面发挥了重要作用[1]。作为山区人工林生长的关键水源, 土壤水是保障山区生态系统恢复和可持续发展的核心。降雨是山区土壤水的重要补给源, 气候变化背景下极端降雨事件的频率和强度明显增加[2—4]。次降雨特征(包括降雨等级、降雨量、降雨强度和峰值雨强出现时间等)对土壤水运移过程具有显著的调控作用[5—7]。土壤水对次降雨事件的响应差异直接影响了地表产流、坡面入渗和地下水补给等水循环过程[8—10]。因此, 研究不同降雨事件(包括极端降雨事件)下山区人工林土壤水的动态变化对水土保持、洪涝灾害防御和生态系统保护具有重要意义。
不同林龄的树木因其冠层和根系分布、蒸腾作用及凋落物厚度等的差异而影响土壤水力特性和水分运移过程[11—12]。针对不同林龄的橡胶树(5、9、16 a)[13]、黑松树(1—19 a至80—120 a)[14]和刺槐(15、20、30 a)[15]的研究表明, 土壤含水量、土壤持水能力和总入渗量随着林龄的增加而增加。但也有研究发现, 苹果树(5、9、17 a)[16]、樟子松(4、9、15、30 a)[17]和刺槐[18—19]的生长年限越大, 深层土壤储水消耗越多, 干土层厚度越大, 由此可能导致深层土壤水对降水的响应滞缓。然而, 土壤水分并非随林龄的增加而单调变化[20], 同一树种不同林龄的林地土壤水分变化规律研究结论不一。同时, 受区域气候因素和土壤条件等影响, 山区不同林龄植被覆盖下土壤水分对次降雨事件(包括极端降雨事件)的瞬时动态响应过程尚不明确。
白洋淀上游山区生态防护林是京津、雄安新区及周边的绿色屏障。常绿针叶树侧柏因其强大的根系可固定贫瘠的土壤, 防止水土流失, 且适应性及耐旱性极强, 是白洋淀上游荒山造林的重要树种。崇陵流域位于白洋淀的重要集水区和燕山太行山生态涵养区[21]。本研究选取崇陵流域内两种典型树龄的侧柏林, 于2021年和2022年实时监测降雨和土壤水分变化过程, 对比分析两种林龄的侧柏林地在不同降雨事件下土壤水分入渗过程(湿润锋运移速率、响应时间、土壤含水量最大增幅和土壤储水量变化), 阐明土壤水分响应指标与降雨事件之间的相关关系, 从而揭示侧柏林生态系统土壤水分对降雨事件的动态响应过程及其影响机制, 以期为雄安新区的水资源管理和生态环境保护提供观测依据。
1 研究区概况研究区位于河北省易县崇陵流域(115°21′E, 39°23′N, 海拔74—261 m), 地处白洋淀上游, 流域面积6 km2(图 1)。研究区属温带大陆性季风气候, 夏季炎热多雨, 冬季寒冷干燥。年平均气温11.6℃, 年平均降水量641 mm, 无霜期210 d。流域内土壤从砂壤土到壤土粘土均有分布, 沟道内土层较厚, 一般为1—2 m, 山坡上土层较薄, 厚度在1 m以内[22]。崇陵流域内主要造林树种为侧柏(Platycladus orientalis)、油松(Pinus tabuliformis)、刺槐(Robinia pseudoacacia)和毛白杨(Populus tomentosa)等乔木(图 1), 其中侧柏分布最为广泛。本研究在流域内选取两种典型树龄(90 a成熟林和60 a中龄林)的侧柏林地开展定位监测。90 a侧柏林(POM)和60 a侧柏林(POY)样地面积均为20 m×10 m, 坡度分别为22°和16°, 坡向分别为253°和172°。POM和POY林地内平均树高分别为(9.6±2.9) m和(10.9±1.9) m, 平均胸径分别为(16.3±3.4) cm和(18.4±3.1) cm, 郁闭度分别为(0.41±0.02)和(0.38±0.01), 凋落物层厚度分别为(2.0±0.3)和(1.8±0.2) cm。
|
| 图 1 研究区位置及侧柏林概况图(POM为成熟林, POY为中龄林) Fig. 1 Location of the study area and Platycladus orientalis forests with mature (POM) and middle (POY) stand ages |
在侧柏林附近气象场内利用SL3自记翻斗式雨量筒记录降雨量, 采用HOBO数据采集器(Onset Computer Corporation, USA)每10分钟采集一次数据。分别在POM和POY侧柏林中挖掘土壤剖面, 安装时域反射仪(TDR-310H, Acclima, USA)用以监测土壤体积含水量(θ, m3/m3), 监测深度分别为10、20、30、50、70 cm和100 cm, 利用数据采集器(CR1000, Campbell Scientific, USA)每10分钟记录一次土壤含水量。
2.2 数据计算与分析方法选取降雨开始至结束期间总降雨量(RA, Rainfall amount, mm)大于2 mm的降雨事件, 两次降雨事件至少间隔6 h。降雨事件按照中华人民共和国国家标准中的12 h或24 h内降水量等级标准进行分级(GB/T 28592—2012), 根据12 h以内降雨量划分等级分别为：小雨(0.1—4.9 mm), 中雨(5.0—14.9 mm), 大雨(15.0—29.9 mm), 暴雨(30.0—69.9 mm), 大暴雨(70.0—139.9 mm)；根据24 h以内降雨量划分等级分别为小雨(0.1—9.9 mm), 中雨(10.0—24.9 mm), 大雨(25.0—49.9 mm), 暴雨(50.0—99.9 mm), 大暴雨(100.0—249.9 mm)。平均雨强(AI, Average rainfall intensity, mm/h)为降雨历时(Train, Rainfall duration, h)内的平均降雨强度。峰值雨强(PI, Peak rainfall intensity, mm/h)为最大30 min降雨强度。
依据次降雨特征, 从土壤水分变化量、响应时间和湿润锋运移速率等方面分析土壤水对降雨事件的响应规律[9]。土壤含水量最大增幅(Δθmax, Maximum soil water content increase, m3/m3)为降雨事件发生前(10 min内)的土壤初始含水量(θin，Initial soil water content，m3/m3)与事件发生后至下一次事件发生前的土壤含水量峰值的差值。当土壤体积含水量在10 min内增量大于0.002 m3/m3时或连续3 h以上土壤体积含水量逐小时增加时, 即判断土壤水发生了响应。初始响应时间(Ti, Initial response time, h)为降雨开始到某一深度土壤含水量产生响应之间的时间差。通过对比降雨事件中不同深度相应的Ti值来估计降雨入渗过程中是否发生优先流, 当20、30、50、70、100 cm任一深度的Ti值比10 cm的 Ti值小, 则认为该深度发生了优先流。进一步采用峰值雨强发生时间与土壤含水量峰值时间之间的时间差(Tp2p, Peak to peak time, h)来研究土壤水分对次降雨的响应过程。
每次降雨后湿润锋从地面向各土层移动的速率则定义为湿润锋运移速率(Vwf, Wetting front velocity, cm/h), 其计算公式为：
|
(1) |
式中, L为土层深度(cm)；Ti为降雨开始到某一深度土壤含水量产生响应之间的时间差(h)。
土壤储水量(W, Water storage, mm)指一定土层厚度内总的土壤含水量, 计算式为：
|
(2) |
|
(3) |
式中, Wi、θi和hi分别为第i层的土壤储水量(mm)、体积含水量(m3/m3)和土层厚度(cm)；i为土层序号, 共有N层；W为1 m土壤剖面内的总储水量(mm)。
通过计算各响应指标的变异系数来分析研究期间某一深度土壤响应指标的时间变异性。计算各土壤水分响应指标和降雨特征参数、土壤初始含水量之间的皮尔逊相关系数来反映各指标之间的相关性。
3 结果与分析 3.1 次降雨特征与土壤水响应次数2021年和2022年6月20日至10月20日的总降水量分别为976 mm和533 mm, 占全年降水量的86%和81%, 是研究区降雨集中时段(图 2)。2021年最大日降雨量为167.8 mm(2021-07-17), 2022年最大日降雨量为98.4 mm(2022-06-27)。研究时段内所有降雨事件的等级、降雨总量、降雨历时和峰值雨强特征如图 2所示, 2021年研究时段内小雨、中雨、大雨、暴雨和大暴雨事件分别有7、11、8、5、2场, 2022年分别有3、6、5、3、1场。2021年大雨、暴雨和大暴雨的总降雨量为843 mm, 占研究时段内总降雨量的87%；2022年大雨、暴雨和大暴雨的总降雨量为451 mm, 相对2021年减少了392 mm, 占研究时段内总降雨量的比例减少到了83%, 但其中暴雨总共216 mm, 暴雨的占比从2021年的27%增加到2022年的40%。2021年降雨事件的最大平均雨强为37.7 mm/h, 最大峰值雨强达到74 mm/h。2022年的最大平均雨强为29.1 mm/h, 最大峰值雨强达到138 mm/h。
|
| 图 2 2021和2022年降雨集中时段(6月20日—10月20日) 日降雨量及次降雨特征 Fig. 2 Daily rainfall and characteristics of rainfall events during rainfall concentration period (June 20th—October 20th) in 2021 and 2022 图中降雨等级1、2、3、4和5分别代表小雨、中雨、大雨、暴雨和大暴雨 |
研究时段内不同降雨事件下POM和POY林地各深度土壤水分的平均响应次数分别为24次和21次。两种林地的响应次数均随土层深度的增加而递减, 其中POM林地100 cm处的响应次数(11次)显著低于其他深度(P < 0.05)。在POM林地, 使0—30 cm深度土壤发生响应的降雨事件次数占总降雨事件次数的57%, 使100 cm土壤发生响应的降雨事件占比22%；在POY林地, 使0—30 cm深度土壤发生响应的降雨事件次数占总降雨事件次数的39%, 使100 cm土壤发生响应的降雨事件占比(31%)明显大于POM林地。由表 1可知, POM林地100 cm处土壤水分发生响应所需的最小降雨量RAmin(平均25.6 mm)大于POY林地(平均18.8 mm)。POM林地20 cm处共发生3次优先流, POY林地20, 30和70 cm处均发生1次优先流, 100 cm处则发生了5次优先流。因此, 在POY林地50 cm以下土壤水入渗过程更快, 优先流发生频繁, 降雨更容易入渗到100 cm以下补给深层土壤水。
| 深度Depth/cm | 2021年POM | 2021年POY | 2022年POM | 2022年POY |
| 10 | 2.4 | 2.4 | 4.8 | 10.2 |
| 20 | 2.4 | 7 | 4.8 | 14 |
| 30 | 5 | 13.4 | 4.8 | 14 |
| 50 | 17 | 13.4 | 16.2 | 23.2 |
| 70 | 19.2 | 14.4 | 23.2 | 23.2 |
| 100 | 19.2 | 14.4 | 32 | 23.2 |
| POM成熟林; POY中龄林 | ||||
POM和POY林地所有深度的湿润锋运移速率(Vwf)平均值分别为8.5 cm/h(CV值1.0)和7.8 cm/h(CV值0.8)(图 3)。POM林地Vwf随土层深度先增大后减小, 在30 cm处Vwf平均值达到最大(10.1 cm/h)；POY林地的Vwf随着土层深度的增加而增加, 在100 cm处Vwf平均值达到最大(15.7 cm/h)。其中, POM林地0—30 cm土层的平均湿润锋运移速率(9.1 cm/h)快于POY林地(4.3 cm/h), 但50—100 cm土层内POY林地平均湿润锋运移速率(11.2 cm/h)快于POM林地(7.9 cm/h)。2021年湿润锋运移速率大于30 cm/h的降雨事件明显多于2022年, 其中2021-07-05大暴雨(90.8 mm)、2021-07-11大雨(34.8 mm)、2021-07-20中雨(14.4 mm)、2021-08-04暴雨(47.4 mm)和2021-09-04暴雨(65.2 mm)事件下Vwf均大于30 cm/h, 最大值为37.5 cm/h。而2022年仅在2022-06-27大暴雨(98.4 mm)事件下Vwf大于30 cm/h。
|
| 图 3 2021和2022年POM和POY林地不同降雨事件下湿润锋运移速率(Vwf) Fig. 3 Wetting front velocity (Vwf) under different rainfall events in 2021 and 2022 in the POM and POY plots Vwf：湿润锋运移速率Wetting front velocity；RA：次降雨事件的总降雨量Rainfall amount；PI：次降雨事件的峰值雨强Peak rainfall intensity；θin：次降雨事件前土壤初始含水量Initial soil water content before a rainfall event；NR：对应深度无响应No response |
次降雨事件下POM和POY林地整个土壤剖面内土壤含水量峰值与雨强峰值时间差(Tp2p)的平均值分别为26.7 h(CV值0.8)和27.2 h(CV值1.1)。两个林地的Tp2p均随着土层深度的增加而增加。POM林地0—30 cm土壤水分峰值相对于雨强峰值的平均滞后时间(8.2 h)比POY(20 h)短；但POM林地在50—100 cm的平均滞后时间(45.1 h)明显大于POY林地(34.2 h), POM林地100 cm处Tp2p最长, 达81.9 h(图 4)。
|
| 图 4 2021和2022年POM和POY林地不同降雨事件下土壤含水量峰值与峰值雨强发生的时间差(Tp2p) Fig. 4 Response time of the maximum soil water content to peak rainfall intensity (Tp2p) under different rainfall events in 2021 and 2022 in the POM and POY plots Tp2p：土壤含水量峰值与峰值雨强发生的时间差Peak to peak time |
2021年使各深度土壤水分均有响应的降雨事件中, 2021-07-05大暴雨(RA和平均Tp2p分别为90.8 mm和10.6 h)和2021-07-21暴雨(RA和平均Tp2p分别为75.8 mm和12.7 h)事件后各深度响应迅速, 平均Tp2p低于20 h。2021-09-19大雨事件(RA为41.4 mm)后各深度平均Tp2p最长(92.7 h)。但2022年, 只有两场降雨事件下所有土层深度都发生了响应, 分别为2022-08-13大雨事件(RA和平均Tp2p分别为13.2 mm和17.7 h)和2022-08-21大雨事件(RA和平均Tp2p分别为37.4 mm和18.3 h)。
3.4 土壤含水量最大增幅研究时间段内降雨后土壤水分最大增幅Δθmax在0.002—0.3 m3/m3之间变化, 但不同林龄侧柏地Δθmax的剖面变化差异明显(图 5)。POM林地10 cm和20 cm处Δθmax明显大于更深层的Δθmax, 而在POY林地30 cm及以下土层的Δθmax则大于0—20 cm的Δθmax。POM林地在10 cm处Δθmax的平均值(0.055 m3/m3)大于POY(0.040 m3/m3)林地, 在20 cm以下土层则相反, 其中在50—100 cm土层, POY林地Δθmax平均值(0.071 m3/m3)明显大于POM林地(0.034 m3/m3)。POM林地Δθmax最大变异系数(CV)出现在50 cm深度处(1.36), POY林地最大CV值出现在表层10 cm处(1.53)。
|
| 图 5 2021和2022年不同降水事件下侧柏成熟林(POM) 和中龄林(POY) 各深度土壤含水量最大增幅(Δθmax) Fig. 5 Maximum increase of soil moisture (Δθmax) at each depth under different rainfall events in 2021 and 2022 in Platycladus orientalis forests with mature (POM) and middle (POY) stand ages Δθmax：土壤含水量最大增幅Maximum soil water content increase |
Δθmax值及其发生次数对不同特征降雨事件的响应规律不同。2021-07-02至7-21期间7场中雨到大暴雨事件中土壤水分增幅最大, 共有25次Δθmax大于0.1 m3/m3(图 5中深蓝色圆形), 占雨季Δθmax发生次数(30次)的83.3%。其中, POM和POY林地Δθmax最大值均发生在2021-07-5大暴雨事件下深层土壤中, 但POM林地Δθmax最大值(0.23 m3/m3, 50 cm处)明显小于POY林地(0.3 m3/m3, 100 cm处)。同样, 2022-06-27(大暴雨)、07-27(暴雨)和08-12(暴雨)三场强降雨事件后Δθmax大于0.1 m3/m3的次数(15次)占雨季Δθmax发生总次数(16次)的93.8%。其中两个林地Δθmax最大值均发生在2022-06-27大暴雨事件下, 但主要出现在浅层(POM林地30 cm处和POY林地10 cm处)。此外, 次降雨事件前土壤初始含水量(θin)对Δθmax的影响有时会大于RA对Δθmax的影响, 例如2021-07-17年最大大暴雨事件(RA为208 mm)下Δθmax最大值(0.14 m3/m3)小于前两次雨量较小的降雨事件(2021-07-11大雨, RA为34.8 mm, Δθmax为0.16 m3/m3)和(2021-07-5大暴雨, RA为90.8 mm, Δθmax为0.3 m3/m3)。
3.5 土壤储水量变化2021、2022年研究时段内POM林地1 m土壤剖面内土壤储水量W变化范围分别为130—329 mm和130—297 mm, POY样地W变化范围分别为125—416 mm和120—354 mm, 两个年份POY林地的W值均极显著(P＜0.01)大于POM林地(图 6)。2021年POM和POY林地时段末W比时段初W分别增加了130 mm和189 mm；2022年POM和POY林地时段末W值比时段初分别增加了14 mm和29 mm。
|
| 图 6 2021和2022年POM和POY林地土壤储水量变化及其箱形图 Fig. 6 Changes in the soil water storage in POM和POY plots in 2021 and 2022 as well as the box diagram of soil water storage W：储水量Water storage |
土壤储水量对不同降雨事件的响应特征不同。典型暴雨事件后林地的土壤储水量明显增加, 2021年和2022年雨季降雨事件使POM林地的W值最多分别增加了199 mm和167 mm, POY林地W值最多增加了291 mm和234 mm。2021年期间7-2暴雨(46.8 mm)使POM的储水量增加了81.8 mm, 7-5大暴雨(90.8 mm)使POY增加了225.9 mm；2022年6-27暴雨(98.4 mm)使POM的储水量增加了127.4 mm, 7-2暴雨(92 mm)使POY的储水量增加了160.2 mm；在典型暴雨及大暴雨事件后土壤储水量增加量均大于事件降雨量。
4 讨论 4.1 降雨特征对土壤水分动态的影响不同降雨事件特征导致山区土壤水分运移速率、响应时间和变化幅度产生明显差异。由相关性分析发现, 降雨总量(RA)和峰值雨强(PI)与土壤水分响应次数(n)、最大响应深度(Dmax)、土壤含水量最大增幅(Δθmax)和湿润锋运移速率(Vwf)均呈显著(P＜0.05)正相关关系(图 7)。降雨总量和峰值雨强是影响土壤水分响应过程的主控因素。尽管随着土层深度的增加, 土壤含水量响应次数减少, 滞后时间增加, 降雨的影响程度逐渐减小[23], 但优先流可绕过土壤基质沿特定路径快速补给深层土壤[24]。降雨强度能极大的增加降雨事件后优先流的发生次数[25]。本研究表明, 峰值雨强与优先流发生次数呈极显著正相关关系(P < 0.01), 峰值雨强越大, 越容易通过大孔隙通道产生优先流。本研究中, 典型暴雨大暴雨事件后土壤储水量增量大于事件降雨量, 表明山坡土壤在接受降雨垂向入渗补给的同时沿坡向发生了侧向渗流补给, 可能是暴雨及大暴雨事件后产生的壤中暴流侧向补给了土壤储水, 且有进一步汇流形成山洪的趋势[26—27], 这也是导致2021年研究区发生58年一遇大洪水的一个重要原因。
|
| 图 7 土壤水分响应指标与降雨特征参数和初始土壤含水量之间的相关关系 Fig. 7 Correlation analysis between response metrics and antecedent soil moisture and rainfall characteristics n：响应次数Response times；PF：优先流发生次数Preferential flow occurrence times；Dmax：土壤水最大响应深度Maximumn response soil depth；AI：次降雨事件的平均雨强Average rainfall intensity; Train：降雨历时Rainfall duration |
此外, 降雨历时(Train)与n、Dmax和Tp2p均呈极显著正相关(P < 0.01), 降雨历时越长, 入渗深度越深, 土壤水分峰值的滞后时间越长。平均雨强(AI)与n、Δθmax和Vwf呈显著正相关(P < 0.05), 但与Dmax不相关(P>0.05), 说明平均雨强对土壤水分最大响应深度的影响有限(图 7)。次降雨事件前土壤初始含水量(θin)与Δθmax呈极显著负相关关系(P < 0.01), 说明土壤前期越干燥, 土壤水分增幅越大。例如, 相对2021-07-17大暴雨事件(降雨量208 mm), 2021-07-05的大暴雨事件(降雨量90.8 mm)下AI更高且θin更低, 使得湿润锋下移速率更快, 土壤水分增量更大。同样, Rye等[28]的研究也表明, 在土壤水分亏缺状态下, 降水的入渗补给作用更加显著, 而在湿润状态下, 土壤斥水性增强, 土壤水分增量减小。
4.2 不同林龄侧柏对降水入渗过程的影响在森林生态系统中, 树木的生长对土壤理化性质和生物活性具有长期影响, 能改变土壤的水力特性[14, 29]。本研究中, 中龄侧柏林土壤具有更强的蓄水能力, 降雨在深层土壤中的入渗速率更快, 土壤含水量峰值对雨强峰值的响应时间相对较短, 深层土壤水分增幅更大。以往研究发现, 树木蒸腾量随林龄的增加而增加[30—31]。在生长旺季, 成熟侧柏林的蒸腾作用相对较强, 侧柏根系可迅速吸收大量降水, 这可能是成熟林土壤剖面含水量增幅相对较小的原因。同时, 随着侧柏林龄的增加, 成熟林细根生物量、土壤有机质的减少和微生物活性的变化也会改变土壤结构, 削弱土壤的渗透性和蓄水能力[32—34]。
本研究还发现在中龄侧柏林(60 a)中优先流发生更频繁, 尤其是强降雨事件下, 并且主要发生在20 cm以下土层中, 深层土壤100 cm处发生优先流次数最多。以往也有研究发现优先流导致暴雨事件中100 cm土壤层比30 cm土壤层反应更快[35]。在森林土壤中, 优先流主要来自活的或腐烂的根系通道或土壤动物形成的连通空隙空间。有研究表明, 根系生物量和根长密度显著影响优先流[36]。李瑞霞等[37]发现侧柏细根总生物量随着林龄增加而显著降低。在西加云杉林也显示了细根生物量随林龄(10、15、31、47 a)的增加呈下降趋势[38], 因此, 成熟侧柏林中降水入渗的优先流通道会相应减少, 而中龄侧柏林中更频繁的优先流可能是高细根生物量和高细根活性促进大孔隙通道发展的结果。此外, 不同树龄侧柏人工林土壤水分运移过程对次降雨的响应还受到林地地形、凋落物、郁闭度等因素的影响, 有待进一步研究。
5 结论本研究于2021极端丰水年和2022平水年的降雨集中期(6月20日至10月20日), 基于白洋淀上游崇陵流域内降雨和两种典型侧柏人工林(90 a成熟林和60 a中龄林)土壤水分实时定位监测, 分析了侧柏林土壤水分入渗过程及储水量对不同降雨事件的动态响应规律。主要结论如下：
(1) 不同降雨事件下土壤水分运移速率、响应时间和变化幅度等差异明显。降雨总量和峰值雨强是影响土壤水分响应过程的主控因素, 降雨总量和峰值雨强越大, 土壤水分响应越灵敏, 湿润锋运移越快, 下渗深度越深, 土壤水分增量越大。降雨历时越长, 土壤水分峰值的滞后时间越长(P < 0.01)。在降雨事件前, 土壤初始含水量越低, 土壤越干燥, 土壤水分增量越大(P < 0.01)。
(2) 不同林龄林地土壤水分响应规律差异明显。在降雨入渗过程中, 中龄侧柏林50 cm以下土层湿润锋运移速率和土壤含水量最大增幅均明显大于成熟侧柏林, 优先流发生更为频繁, 水分能快速下渗以补充深层土壤水及地下水。整个雨季中龄侧柏林土壤储水量极显著(P＜0.01)大于成熟侧柏林, 典型降雨事件后中龄侧柏林土壤储水量增量也显著高于成熟侧柏林, 其土壤蓄水能力更强。
综上, 随着白洋淀上游流域植被恢复年限的增加, 侧柏中龄林转变为成熟林后林分蒸腾量、根系生物量、土壤结构和水力特性等发生改变, 土壤水运移速率和储水量对降雨的响应均减弱, 林地的土壤入渗性能和蓄水保水能力降低。因此应根据恢复年限适当进行树种调整或疏伐, 以增强森林水源涵养功能及其应对极端降雨事件的能力, 保障山区生态系统可持续发展, 建立区域水资源安全屏障。
| [1] |
Liu Y F, Liu Y, Shi Z H, López-Vicente M, Wu G L. Effectiveness of re-vegetated forest and grassland on soil erosion control in the semi-arid Loess Plateau. Catena, 2020, 195: 104787. DOI:10.1016/j.catena.2020.104787 |
| [2] |
Goswami B N, Venugopal V, Sengupta D, Madhusoodanan M S, Xavier P K. Increasing trend of extreme rain events over India in a warming environment. Science, 2006, 314(5804): 1442-1445. DOI:10.1126/science.1132027 |
| [3] |
Trenberth K E. Changes in precipitation with climate change. Climate Research, 2011, 47(1): 123-138. DOI:10.3354/cr00953 |
| [4] |
Donat M G, Lowry A L, Alexander L V, O'Gorman P A, Maher N. More extreme precipitation in the world's dry and wet regions. Nature Climate Change, 2016, 6(5): 508-513. DOI:10.1038/nclimate2941 |
| [5] |
Li Q, Zhu Q, Zheng J S, Liao K H, Yang G S. Soil moisture response to rainfall in forestland and vegetable plot in Taihu Lake Basin, China. Chinese Geographical Science, 2015, 25(4): 426-437. DOI:10.1007/s11769-014-0715-0 |
| [6] |
Chen L, Zhang K L, Zhang Z D, Cao Z H, Ke Q H. Response of soil water movement to rainfall under different land uses in Karst regions. Environmental Earth Sciences, 2023, 82(1): 50. DOI:10.1007/s12665-022-10734-w |
| [7] |
A Y L, Wang G Q, Sun W C, Xue B L, Kiem A. Stratification response of soil water content during rainfall events under different rainfall patterns. Hydrological Processes, 2018, 32(20): 3128-3139. DOI:10.1002/hyp.13250 |
| [8] |
Zehe E, Graeff T, Morgner M, Bauer A, Bronstert A. Plot and field scale soil moisture dynamics and subsurface wetness control on runoff generation in a headwater in the Ore Mountains. Hydrology and Earth System Sciences, 2010, 14(6): 873-889. DOI:10.5194/hess-14-873-2010 |
| [9] |
Singh N K, Emanuel R E, McGlynn B L, Miniat C F. Soil moisture responses to rainfall: implications for runoff generation. Water Resources Research, 2021, 57(9): e2020WR028827. DOI:10.1029/2020WR028827 |
| [10] |
Detty J M, McGuire K J. Topographic controls on shallow groundwater dynamics: implications of hydrologic connectivity between hillslopes and riparian zones in a till mantled catchment. Hydrological Processes, 2010, 24(16): 2222-2236. DOI:10.1002/hyp.7656 |
| [11] |
侯宁宁, 苏晓琳, 杨钙仁, 于婧睿, 王玮. 桉树造林的土壤物理性质及其水文效应. 水土保持学报, 2019, 33(3): 101-107+114. |
| [12] |
马昀, 孟晨, 岳健敏, 宋乃平, 谢莉, 杜灵通. 宁夏荒漠草原不同林龄人工柠条林地土壤优先流研究. 生态学报, 2022, 42(3): 895-903. DOI:10.5846/stxb202008042034 |
| [13] |
林希昊, 陈秋波, 华元刚, 杨礼富, 王真辉. 不同树龄橡胶林土壤水分和细根生物量. 应用生态学报, 2011, 22(2): 331-336. |
| [14] |
Lucas-Borja M E, Hedo J, Cerdá A, Candel-Pérez D, Viñegla B. Unravelling the importance of forest age stand and forest structure driving microbiological soil properties, enzymatic activities and soil nutrients content in Mediterranean Spanish black pine(Pinus nigra Ar. ssp. salzmannii) Forest. Science of the Total Environment, 2016, 562: 145-154. DOI:10.1016/j.scitotenv.2016.03.160 |
| [15] |
Chen W L, Li Z S, Jiao L, Wang C, Gao G Y, Fu B J. Response of soil moisture to rainfall event in black locust plantations at different stages of restoration in hilly-gully area of the Loess Plateau, China. Chinese Geographical Science, 2020, 30(3): 427-445. DOI:10.1007/s11769-020-1121-4 |
| [16] |
Wang Y Q, Shao M, Liu Z P, Zhang C C. Characteristics of dried soil layers under apple orchards of different ages and their applications in soil water managements on the Loess Plateau of China. Pedosphere, 2015, 25(4): 546-554. DOI:10.1016/S1002-0160(15)30035-7 |
| [17] |
Nan W G, Ta F, Meng X Q, Dong Z B, Xiao N. Effects of age and density of Pinus sylvestris var. mongolica on soil moisture in the semiarid Mu Us Dunefield, Northern China. Forest Ecology and Management, 2020, 473: 118313. DOI:10.1016/j.foreco.2020.118313 |
| [18] |
Kou M, Garcia-Fayos P, Hu S, Jiao J Y. The effect of Robinia pseudoacacia afforestation on soil and vegetation properties in the Loess Plateau (China): a chronosequence approach. Forest Ecology and Management, 2016, 375: 146-158. DOI:10.1016/j.foreco.2016.05.025 |
| [19] |
王稳, 高晓东, 赵西宁, 杨孟豪. 黄土高原不同气候区刺槐林恢复年限对水、碳及植物多样性的影响. 生态学报, 2023, 43(23): 9770-9783. DOI:10.20103/j.stxb.202209252730 |
| [20] |
Yang F, Huang M B, Li C H, Wu X F, Guo T Q, Zhu M Y. Changes in soil moisture and organic carbon under deep-rooted trees of different stand ages on the Chinese Loess Plateau. Agriculture Ecosystems & Environment, 2022, 328: 107855. |
| [21] |
胡珊珊, 杨丽虎, 张广英, 王胜宝. 太行山区典型小流域降雨产流特征分析. 人民黄河, 2015, 37(12): 16-18, 22. DOI:10.3969/j.issn.1000-1379.2015.12.005 |
| [22] |
胡珊珊. 华北石质山区坡面森林水文效应试验研究——以崇陵流域为例[D]. 北京: 中国科学院地理科学与资源研究所, 2009.
|
| [23] |
Gwak Y, Kim S. Factors affecting soil moisture spatial variability for a humid forest hillslope. Hydrological Processes, 2017, 31(2): 431-445. DOI:10.1002/hyp.11039 |
| [24] |
Bahr J M, Doe T W, Flint A W, Wheatcraft S W. Conceptual models of flow and transport in the fractured vadose zone. Washington, DC: The National Academies Press, 2001, 149-187. |
| [25] |
Demand D, Blume T, Weiler M. Spatio-temporal relevance and controls of preferential flow at the landscape scale. Hydrology and Earth System Sciences, 2019, 23(11): 4869-4889. DOI:10.5194/hess-23-4869-2019 |
| [26] |
苏辉东, 贾仰文, 龚家国, 赵思远, 牛存稳, 甘永德. 土石山区山坡壤中流汇流界面研究——以太行山崇陵流域为研究区. 水利水电技术, 2018, 49(12): 52-58. |
| [27] |
崔鹏, 张国涛, 张晨笛. 壤中暴流水文机理与致灾效应. 地理学报, 2023, 78(7): 1627-1640. |
| [28] |
Rye C F, Smettem K R J. Seasonal variation of subsurface flow pathway spread under a water repellent surface layer. Geoderma, 2018, 327: 1-12. DOI:10.1016/j.geoderma.2018.04.008 |
| [29] |
Yesilonis I, Szlavecz K, Pouyat R, Whigham D, Xia L. Historical land use and stand age effects on forest soil properties in the Mid-Atlantic US. Forest Ecology and Management, 2016, 370: 83-92. DOI:10.1016/j.foreco.2016.03.046 |
| [30] |
Köstner B, Falge E, Tenhunen J D. Age-related effects on leaf area/sapwood area relationships, canopy transpiration and carbon gain of Norway spruce stands (Picea abies) in the Fichtelgebirge, Germany. Tree Physiology, 2002, 22(8): 567-574. DOI:10.1093/treephys/22.8.567 |
| [31] |
Pei Y W, Huang L M, Shao M A, Zhang Y L, Pan Y H. Water use pattern and transpiration of Mongolian pine plantations in relation to stand age on northern Loess Plateau of China. Agricultural and Forest Meteorology, 2023, 330: 109320. DOI:10.1016/j.agrformet.2023.109320 |
| [32] |
Liu J L, Ngoc Ha V, Shen Z, Zhu H L, Zhao F, Zhao Z. Characteristics of bulk and rhizosphere soil microbial community in an ancient Platycladus orientalis forest. Applied Soil Ecology, 2018, 132: 91-98. DOI:10.1016/j.apsoil.2018.08.014 |
| [33] |
Hou G L, Delang C O, Lu X X, Gao L. A meta-analysis of changes in soil organic carbon stocks after afforestation with deciduous broadleaved, sempervirent broadleaved, and conifer tree species. Annals of Forest Science, 2020, 77(4): 92. DOI:10.1007/s13595-020-00997-3 |
| [34] |
Wang W J, Qiu L, Zu Y G, Su D X, An J, Wang H Y, Zheng G Y, Sun W, Chen X Q. Changes in soil organic carbon, nitrogen, pH and bulk density with the development of larch (Larix gmelinii) plantations in China. Global Change Biology, 2011, 17(8): 2657-2676. DOI:10.1111/j.1365-2486.2011.02447.x |
| [35] |
Dymond S F, Wagenbrenner J W, Keppeler E T, Bladon K D. Dynamic hillslope soil moisture in a Mediterranean montane watershed. Water Resources Research, 2021, 57(11): e2020WR029170. DOI:10.1029/2020WR029170 |
| [36] |
Zhang Y H, Niu J Z, Yu X X, Zhu W L, Du X Q. Effects of fine root length density and root biomass on soil preferential flow in forest ecosystems. Forest Systems, 2015, 24(1): 12. |
| [37] |
李瑞霞, 凌宁, 郝俊鹏, 闵建刚, 陈信力, 关庆伟. 林龄对侧柏人工林碳储量以及细根形态和生物量的影响. 南京林业大学学报: 自然科学版, 2013, 37(2): 21-27. |
| [38] |
Saiz G, Byrne K A, Butterbach-Bahl K, Kiese R, Blujdea V, Farrell E P. Stand age-related effects on soil respiration in a first rotation Sitka spruce chronosequence in central Ireland. Global Change Biology, 2006, 12(6): 1007-1020. DOI:10.1111/j.1365-2486.2006.01145.x |