土壤湿度是衡量陆地土壤干湿状况的重要指标, 它联系了岩石圈、水圈、生物圈、大气圈之间物质的运移和能量的交换^[1-2]。土壤湿度的多少影响植物的生长发育状况以及农作物的产量^[3]；同时, 土壤湿度影响水循环过程中的蒸发和径流形成等环节；其次, 土壤湿度影响土壤中化学物质的运移^[4]；此外, 土壤湿度通过改变陆地地表向大气输送感热、潜热的分配比例, 地表的反照率、土壤的热容量、地表蒸发和植被生长状况, 影响地表能量、水分的再分配, 对气候产生影响^[5-6], 因此揭示土壤湿度的时空分布、影响因素及其气候效应是水文学、气候学等领域的重要研究内容^[7-9]。

土壤湿度与气候要素之间存在互馈效应^[10-13]。目前, 许多学者采用站点观测数据、再分析资料、遥感土壤水分反演数据等研究土壤湿度对气候的影响^{[7, 14-15]}, 发现土壤湿度是气候异常持续性的影响因子^[16-18], 陆地土壤湿度异常存在着数周至数月的记忆性, 可以对后期的气象或气候进行预测^[19-20]。Seneviratne等^[21]利用AGCM模型研究发现在土壤湿度为中等的地区土壤湿度的记忆性最高, 土壤的极端干燥或潮湿状态往往会增加土壤水分的记忆；Orth等^[22]基于站点数据研究发现在欧洲地区, 土壤湿度记忆在某些季节持续高达40 d；国内, 李若麟等^[23]研究表明全球的土壤湿度记忆性长达20—110 d不等；程善俊等^[24]发现与表层土壤湿度相比, 黄土高原半干旱地区深层的土壤湿度能较稳定地记忆区域气候的变化过程。中国西南地区分布着大面积的喀斯特地貌, 土壤水分是喀斯特作用、土壤侵蚀的重要影响因子, 更是喀斯特石漠化严重地区植被生长的限制性因子, 因而有关土壤湿度的研究多集中于西南地区土壤水分的影响因素及影响机制^[3], 对该区域土壤湿度的气候效应的研究偏少；此外, 受地形影响, 西南地区土壤湿度观测数据集在时空上不连续, 导致针对西南地区多层次、像元尺度的土壤湿度的记忆性及其与气候之间的关系的研究甚少。左志燕等^[25]采用1982—2001年ERA-40土壤湿度再分析资料研究发现中国西南地区春季各层的土壤湿度均呈变干的趋势；邓彪等^[26]基于站点数据研究发现1994—2011年四川盆地表层土壤湿度呈微弱的上升趋势；王硕甫等^[27]研究发现在西南地区(川、贵、渝、滇), 与浅层(10 cm)相比, 中层(50 cm)的土壤湿度与气温、降水之间的相关性略强。

鉴于此, 本文基于1979—2017年GLDAS(Global Land Data Assimilation System)土壤湿度数据, 以包括青藏高原部分地区在内的中国西南为研究区, 完成以下研究目的：1)基于观测站点实测数据评价GLDAS土壤湿度数据在研究区的适用性。2)利用线性倾向估计、距平分析揭示39年来西南地区土壤湿度与降水、气温的变化趋势及空间分布格局。3)采用Pearson相关和偏相关分析不同深度的土壤湿度与降水、气温之间的时空相关性。4)计算土壤湿度记忆性, 探讨中国西南地区土壤湿度记忆性的空间分布特征及季节特征。本文研究结果对深入了解西南地区土壤湿度特征, 区域陆面过程模拟和气候预测提供参考依据。

1 研究区

如图 1所示, 本文中国西南研究区主要包括广西、云南、贵州、重庆、四川、青海西南部、西藏东北部地区, 后文分别统一简称为桂、滇、黔、渝、川、青、藏, 经纬度范围为19.45°—37.63°N, 83.66°—113.25°E, 面积约为233万km²。研究区覆盖我国地形第一阶梯向第二阶梯过渡带, 平均海拔为2906 m, 相对高差为7198 m, 地形高差悬殊, 地貌类型复杂。以横断山为界, 横断山以东分布有四川盆地、云贵高原, 西部分布着青藏高原；气候类型从东南向西北依次为热带季风气候、亚热带季风气候、高原高山气候；同时, 桂、滇、黔、川等南方地区分布着具有二元三维结构的典型喀斯特地貌^[28], 生态环境脆弱, 部分地区存在着严重的土壤侵蚀与石漠化问题^[29-31], 土壤水分是喀斯特土壤退化的关键因子^[32]；此外, 青藏高原地区平均海拔在4000 m以上, 广泛分布着多年冻土, 其面积占世界多年冻土的7%, 主要位于青藏高原内腹的昆仑山与唐古拉山之间的区域^[33]。春夏两季青藏高原土壤湿度为增加期, 进入秋季为减少期, 冬季则为稳定期^[34-35]。

2 资料与方法 2.1 数据源与预处理

计算土壤湿度的记忆性需要长时间序列的土壤湿度数据。然而, 土壤湿度的时空变率大, 研究区时空连续的土壤湿度站点观测资料匮乏, 遥感观测数据只能反演出表层土壤湿度, 因此本文采用了全球陆面数据同化系统GLDAS(Global Land Data Assimilation System)陆面模式NOAH提供的1979—2017年1°×1°的3 h土壤湿度数据, 土壤深度分为0—10、10—40、40—100、100—200 cm。GLDAS结合地面观测和卫星数据产品, 通过数据同化生成了最优近实时的地表状态变量, 克服了地面观测的局限性^[36], 大量研究评价结果表明了GLDAS数据具有较高的可信度^[37-39], 目前, 已被广泛应用于土壤湿度研究、遥感反演土壤湿度结果验证, 气候气象预测, 水资源管理, 旱涝灾害等研究领域^[40-42]。为评价GLDAS土壤湿度在研究区的适用性, 采用了ISMN(International Soil Moisture Network)提供的土壤湿度观测数据, ISMN收集整理了来自世界50多个观测网络的土壤湿度数据, 现已被广泛用于多源土壤湿度数据的验证^[43-44]。由于各观测站点的观测仪器、测量深度、采样间隔等不一致, 本文筛选出测量深度在0—10 cm、质量符合标准的实测数据, 用于验证0—10 cm的GLDAS土壤湿度, 站点位置见图 1。研究区降水和气温数据为美国国家海洋和大气管理局(NOAA)的地球系统研究实验室(ESRL)提供的1979—2017年0.5°×0.5°的降水数据和气温数据(https://www.esrl.noaa.gov/)。在数据预处理方面, 通过算术平均将土壤湿度3 h数据处理为日数据, 同时由于该土壤湿度数据单位为kg/m², 即用研究层内单位面积的含水量表示, 本文将表层到深层的土壤湿度分别乘以0.1、0.3、0.6、1, 消除土层厚度的影响^[24]；将土壤湿度实测数据、降水数据和气温数据通过最邻近算法进行插值, 使其与GLDAS土壤湿度数据的时空分辨率相匹配；为消除量纲的影响, 将土壤湿度实测数据与GLDAS数据均进行了归一化处理。

2.2 方法 2.2.1 线性倾向估计

用y_i, t_i分别表示样本量为n的气候变量及其对应的时间, 建立y_i与t_i之间的一元线性回归, 具体公式如下：

(1)

式中, 用最小二乘法去估计公式(1)中回归常数α、回归系数β, 估计方法可参考文献^[45]；其中, β即为倾向值, β×10 a为气候倾向率, 即为每10年气象要素y_i的变化率^[46]。β大于(小于)0表示气候变量随时间呈上升(下降)趋势, β绝对值的大小代表气候变量随时间变化的速率或幅度。本文分别对1979—2017年各层土壤湿度、降水、气温的进行线性倾向估计, 其中t₁=1979, t₂=1980, ……, t₃₉=2017。

2.2.2 相关系数与偏相关系数

本文计算了西南地区0—10 cm土壤湿度实测数据与GLDAS数据的相关系数, 同时也计算了各深度的GLDAS土壤湿度与降水、气温在时空上的相关系数, 具体计算方法如下,

(2)

式中, X、Y、X、Y分别表示两个变量及变量的平均值, r为变量的相关系数, N为样本量。

偏相关系数。在3个变量x_i、x_j、x_h中, 排除其中一个变量的影响后计算的剩余两个变量的偏相关系数, 公式为：

(3)

式中, r_ij、r_ih、r_jh分别表示变量x_i和x_j, r_i和x_h, x_j和x_h的相关系数, r_ij·h是在固定变量x_h后x_i和x_j的偏相关系数。本文在像元尺度上分别计算了不同深度的土壤湿度与降水、气温之间的偏相关系数。

2.2.3 土壤湿度记忆性的计算

土壤湿度记忆性定义为土壤湿度的滞后自相关系数低于99%的置信度检验时的滞后天数, 它的大小可以用土壤湿度的自相关系数来衡量^[23], 计算公式如下：

(4)

式中, lag为滞后的天数, lag=1、2、3……, X_i为1979—2017年同一日期的平均土壤湿度；n为365 d, X为X_i, i=1、2、3……, 的平均土壤湿度。本文将季节划分为春季(MAM, 3、4、5月), 夏季(JJA, 6、7、8月)、秋季(SON, 9、10、11月)、冬季(DJF, 12、1、2月), 进而计算了研究区不同季节、不同深度的土壤湿度记忆性。

3 结果与分析 3.1 GLDAS土壤湿度的适用性评价

表 1所示, 研究区6个实测站点的土壤湿度与匹配的GLDAS土壤湿度数据均呈十分显著的正相关关系, 通过了99.9%的显著性检验。总体相关性较好, 为0.48—0.58, 这说明在未考虑站点与像元的尺度(即1°×1°)差异的情况下, GLDAS土壤湿度数据与实测数据仍具有较好的一致性, 能够较真实地反映中国西南地区土壤湿度状况。

3.2 土壤湿度与气候的时空特征 3.2.1 土壤湿度趋势分析及空间分布特征

图 2表明, 1979—2017年西南地区各深度的土壤湿度距平时间序列均呈不同幅度的波动变化, 且总体上存在较好的一致性, 即存在同相位, 该特点在1991年之后表现的最为明显。表 2显示西南地区各深度的土壤湿度在变化趋势上存在差异性, 0—10、10—40、100—200 cm土壤湿度均呈减少的趋势, 但仅0—10 cm的土壤湿度倾向值显著(通过0.001显著性水平), 气候倾向率为0.7 kg/m²/10 a, 西南地区40—100 cm的平均土壤湿度呈微弱的增加趋势, 但变化趋势不显著；此外, 1979—2017年不同深度的年均土壤湿度年际间变化明显, 存在2—3 a的变化周期(图 2), 该特点与我国东部地区土壤湿度变化周期一致^[47]；其中, 在1996年, 西南地区各层土壤湿度均达到最小值, 土壤为干旱状态(负距平)。在空间分布上, 西南地区多年平均状态下的土壤湿度存在显著差异(图 3), 在表层(0—10 cm), 滇、藏、川交界处等研究区中部的土壤湿度最低, 而藏中、青南的土壤湿度最高；10—40、40—100、100—200 cm的土壤湿度的空间分布具有良好的一致性, 总体上, 从东南向西北土壤湿度逐渐减少, 主要表现在渝、黔、桂、川东地区土壤湿度偏高。在垂直分布上, 图 3显示西南地区中层(10—40、40—100 cm)的土壤湿度显著高于0—10、100—200 cm的土壤湿度, 该结果与王硕甫等^[27]人的结论一致, 统计显示, 从表层到深层, 西南地区平均的多年土壤湿度均值依次为31.58、43.81、43.44、24.93 kg/m² (表 1)；同时, 0—10 cm土壤湿度的高、低值区分别处于西南地区的西部和中部, 而更深层的土壤湿度的高、低值区的空间分布与其相反, 这可能是由于西南地区西部为高寒地区, 表层存在多年冻土导致。

3.2.2 降水和气温的趋势分析及空间分布特征

图 2显示, 总体上, 1979—2017年西南地区平均的年降水量呈不显著的增加趋势, 而年平均气温呈极显著线性增加趋势, 气候倾向率为0.4℃/10 a(表 2)。二者年际变化均十分明显, 其中, 年降水量在1981年达到最大, 在1992年达到最小；在1982—1989、1991—1997、2003、2006—2007、2009、2011年, 西南地区降水偏少(负距平), 在其他年份降水量偏多。同时, 从图 2可以看出西南地区平均的年平均气温存在3—4年的变化周期；在1983年, 西南地区年平均气温最低, 为6.93℃, 而在2009年达到最高值, 为8.95℃；在1979—1997、2000年西南地区处于偏冷气候期(负距平), 在其他年份基本处于偏暖气候期(正距平)。此外, 对比气温距平与降水距平的变化曲线, 西南地区平均的年降水量与年均气温在1986、1989、2011等年份呈反相位, 而在1980、2003、2006、2009年呈同相位。

在空间分布上, 西南地区多年平均年降水量由东南向西北递减(图 3), 该分布特征与较深层的土壤湿度分布相似(图 3)。具体表现为滇西、川北, 研究区青藏地区的年降水量在800 mm以下, 但在研究区藏东南边缘地带年降水量最高在2000 mm以上, 桂东北等少部分地区年平均降水量在1600 mm以上。西南地区多年平均气温空间分布特征与年降水量分布相似, 即从东南向西北, 气温逐渐降低(图 3), 这可能是受海拔高度和纬度的影响。例如, 藏、青等地区平均海拔高达4000 m以上, 多年平均气温在0℃以下；云南和广西的南部地区纬度低, 多年平均温度偏高, 在20℃以上, 研究区东北部四川盆地因海拔低, 气温比同纬度地区高。以上说明西南地区从东南向西北, 气候由高温多雨到低温少雨。

3.3 土壤湿度与降水、气温的时空相关性

图 2中年平均土壤湿度距平与年降水量距平, 年平均气温距平的变化曲线在部分年份存在同相位, 但整体的相关性不清晰；图 3中, 1979—2017年多年平均状态下的土壤湿度、降水量、气温在空间分布上存在良好的一致性, 因此, 为进一步探究土壤湿度与降水、气温之间的时空相关性, 本文分别从时间、空间维度计算了土壤湿度与降水、气温之间的Pearson相关系数(表 3)。

由表 3可知, 在时间维度上, 西南地区各层年平均土壤湿度与年降水量均呈正相关, 且10—40 cm的土壤湿度与降水的相关性最强且最显著, 但表层0—10 cm的土壤湿度与年降水量之间相关性不显著；同时, 0—10 cm的年平均土壤湿度与年平均气温呈显著的负相关关系, 这说明1979—2017年气温的升高可能是表层土壤湿度干化的重要原因, 而更深层的土壤湿度与年平均气温之间无显著的相关关系。在空间上, 西南地区多年平均状态下的0—10 cm土壤湿度与年降水量、年平均气温均呈极显著的负相关关系, 但根据水量平衡原理, 土壤湿度与降水量为正相关关系, 这与本文研究结果不同, 原因有待进一步分析；同时, 表 3显示, 10—40、40—100、100—200 cm的土壤湿度与降水、气温均呈极显著的正相关关系, 且随着深度增加, 相关性均增强。以上说明, 西南地区偏深层的土壤湿度与气候因子(降水、气温)之间的空间分布型具有良好的一致性, 这可能受地形控制的结果。

3.4 西南地区土壤湿度记忆性的时空分布特征

大量研究表明土壤湿度异常具有较长的持续性, 即土壤湿度的记忆性(Soil Moisture Memory, SMM), 这种记忆性可以预测季节尺度的气候状况, 本文逐像元计算了西南地区不同深度不同季节的SMM^[48-49]。如图 4、图 5所示, 西南地区SMM存在明显的空间差异性和季节差异, 总体变化范围为19—111 d左右, 以60—90 d为主, 这说明西南地区的土壤湿度可能对后期2—3个月的天气或气候产生影响, 该计算结果与Dirmeyer等^[50], 李若麟等^[23]的研究结果一致。具体地, 在春季(MAM), 表层(0—10 cm)偏干地区的SMM偏短, 为30—60 d左右, 主要位于渝、黔、川北部等地区, 而在西藏中北部地区、广西东部地区的SMM长达80 d及以上；从0—10 cm到10—40、40—100 cm, 西南地区大部分区域的SMM变短, 其中在40—100 cm, 青、藏等44.3%的地区的SMM短于50 d, 而相比之下, 西南地区100—200 cm的SMM略偏长, 以60—70 d为主。夏季(JJA), 在0—10 cm, 湿润地区的SMM偏长, 例如, 桂、黔、渝三省的西部地区, SMM长达3个月以上；同时, 在100—200 cm, 西南地区SMM长达3个月以上的范围达到最大, 占比25.3%, 主要分布在云南、四川东南部, 青海东部等地区；秋季(SON), 西南地区不同土深的SMM高低值空间分布格局与春季相似, 存在细微差异, 例如, 在秋季, 青藏地区中部0—10、10—40 cm的SMM, 达到全年最长为80 d以上, 这可能是由于在春季青藏高原地区土壤湿度持续减少的结果。冬季(DJF), 在0—10 cm, 西南地区的SMM的空间差异较小, 95%地区的SMM长达2—3个月；同时, 随着深度的增加, 西南地区冬季SMM短于2个月的西部地区空间分布变化规律总体上与春季相似, 但云南、四川东北部的SMM天数增加。

4 讨论 4.1 西南地区土壤湿度与气候因子的相关性

对比表 3中土壤湿度与降水、气温在时间维度上的相关性, 发现在表层(0—10 cm), 土壤湿度与气温的相关性比其与降水之间的相关性更强；在更深层(10—40、40—100、100—200 cm), 土壤湿度与降水的相关性比其与气温的相关性更强, 这意味着, 西南地区表层土壤湿度可能主要受气温控制, 而更深层的土壤湿度主要受降水的影响, 即降水多(少)影响更深层土壤储水量的多(少), 从而表现为更深层土壤湿度的高(低)。然而, Pearson相关系数不能排除降水与气温之间的相互关系, 为此, 本文逐像元计算研究区土壤湿度与降水、气温的偏相关系数。结果表明, 西南地区不同地区、深度的土壤湿度与降水的偏相关系数范围为-0.35—0.72不等, 而土壤湿度与气温的偏相关系数变化范围为-0.66—0.73不等。

为进一步判断对研究区土壤湿度影响更强的气候因子(降水、气温), 本文逐像元比较土壤湿度与降水、气温的偏相关系数绝对值, 保留最大值(图 6)。在图 6中, 西南地区东南部的桂、滇、黔、渝及川南0—10 cm的土壤湿度与降水的关系更加密切, 二者呈显著的正相关关系, 且在云南地区的偏相关系数最大；同时, 西南中西部的四川盆地北部、青藏高原中部地区土壤湿度与降水、气温的偏相关系数不显著, 这说明该地区的土壤湿度主要受到降水、气温以外因素的影响；此外, 西南地区的西北部少部分地区的土壤湿度与气温呈强度的正相关。随着深度增加, 土壤湿度与降水、气温呈显著相关的地区范围扩大, 这说明更深层的土壤湿度与降水、气温的关系更加密切。具体地, 滇、桂等西南地区南部, 青海等西南地区西北部10—40、40—100、100—200 cm的土壤湿度与降水的相关性更加密切；30°N附近的四川盆地等研究区中部、东北部地区的土壤湿度与气温的关系更加密切, 二者呈显著的负相关关系。综上所述, 西南地区的土壤湿度整体上主要受降水影响, 二者呈正相关关系, 但在表层, 西南地区青藏高原, 四川南部地区的土壤湿度与降水、气温关系均不显著。

4.2 土壤湿度记忆性的气候效应

土壤湿度是影响陆-气相互作用的关键因子, 对陆地气候变化的影响仅次于海洋温度, 其记忆性对后期数周至数月的降水、气温有一定的预测作用^[7]。对比分析西南地区不同土壤深度的SMM(图 4—5), 结果表明, 总体上表层0—10 cm的SMM偏长, 西南地区西北部40—100 cm的SMM最短且区域分异显著, 这说明西南地区0—10 cm的土壤湿度对未来整个西南地区长时期的气候预测更具代表性。同时, 统计不同季节研究区SMM均值, 发现西南地区季节性差异主要体现在夏季不同深度的平均SMM最长, 其次为冬季、春季, 秋季的平均SMM最短, 其中, 西南地区100—200 cm的SMM季节变化最为明显。此外, 在雨季(夏季), 中国西南的湿润地区深层的SMM比表层的更长, 在100—200 cm西南地区SMM长达3—4个月的地区范围达到最大, 这可能是由于夏季湿润地区降水等活动频繁, 而表层土壤湿度受到大气的影响最为直接, 包含了随机气象事件的噪声, 因而持续性差^[51-52]；西南地区西北部, 即青藏高原高寒地区表层SMM在夏季最短, 秋季最长。这可能是由于夏季时, 高原处于雨季, 表层土壤湿度受到季风降水活动影响大, 因而表层的土壤湿度记忆性偏短；在秋季, 土壤湿度持续减少, 表层土壤逐渐冻结, 之后进入稳定期, SMM偏长^[34]。

5 结论

本文以中国西南地区为研究区, 采用线性倾向估计、距平分析、Pearson相关和偏相关等方法揭示了1979—2017年西南地区土壤湿度、降水、气温的变化规律和空间分布格局, 分析了不同深度的土壤湿度与降水、气温之间的时空相关性, 探讨了中国西南地区土壤湿度记忆性的空间分布特征及季节特征。主要结论如下：

(1) 西南地区各深度的年平均土壤湿度整体上波动相位具有较好的一致性, 但长期趋势存在差异性。0—10 cm的土壤湿度呈显著减少趋势(P < 0.001), 气候倾向率为0.7 kg/m²/10 a, 而10—40、40—100、100—200 cm土壤湿度无显著变化趋势。中层(10—40、40—100 cm)土壤湿度高于表层(0—10 cm)和深层(100—200 cm), 且多年平均状态下, 表层土壤湿度与更深层的土壤湿度的呈相反空间分布格局。

(2) 1979—2017年西南地区年降水量整体上呈不显著增加趋势, 而年平均气温呈极显著的增加趋势(P < 0.001), 每10 a升温0.4℃；多年平均状态下年降水量与年平均气温均由东南到西北递减的空间格局。

(3) 在空间分布上, 更深层的土壤湿度与降水、气温之间的相关性更强。在长期变化上, 偏相关系数表明西南地区的土壤湿度整体上主要受降水影响, 二者呈正相关关系, 但在表层, 研究区青藏高原, 四川南部地区的土壤湿度与降水、气温关系均不显著。

(4) 西南地区土壤湿度湿度记忆性(SMM)存在明显的空间差异性和季节差异, 总体变化范围为19—111 d左右, 主要以60—90 d为主；其中, 0—10 cm的土壤湿度对整个西南地区长期(2—3个月)的气候预测具有更好的代表性；在季节上, 西南地区平均的SMM在夏季最长, 其次为冬季、春季, 秋季最短。

(5) 在雨季, 湿润地区深层土壤湿度的记忆性比表层更长；受降水、冻土的消融与冻结等过程的影响, 研究区青藏高原地区表层SMM在夏季最短, 秋季最长。

致谢: 兰州大学李若麟博士帮助写作。