黄土高寒丘陵区作为青藏高原和黄土高原过渡地带, 是典型的生态交错区域, 土壤和水文等环境条件复杂, 生态环境脆弱, 而土壤水分作为脆弱生态系统植被恢复和生态重建的重要限制因子, 对整个生态系统的水热平衡及系统稳定性起着关键作用^[1]。由于地形、气候和人类活动等多重因素的影响, 土壤水分的时空分布具有变异性^[2], 相关研究指出植被特征影响着土壤水分的空间分布, 在一定程度上增强或减弱土壤水分的空间异质性^[3-4], 而土壤水分的异质性也对植被生长演替和空间格局有着不同程度的响应^[5], 因此定量研究人工生态系统土壤水分的时空变异性是掌握区域生态水文动态变化的重要组成部分, 对于指导植被恢复模式和区域水资源的高效管理及利用具有重要意义。

Vachaud等^[6]研究发现当土壤结构、地形等相对确定的外界因素保持稳定时, 土壤水分的空间结构在时间上具有持续性, 且某些测点可以代表区域平均土壤水分状况, 随后这一现象被定义为土壤水分的时间稳定性^[6]。近年来, 许多学者对土壤水分时间稳定性开展了大量研究, 但结论却不尽相同。Comegna和Basile等^[7]在较均质的砂质火山土耕地中发现土壤水分不存在时间稳定性特征, 大量在异质性的土壤区域研究验证了时间稳定性的存在并发现可以利用代表性测点有效的监测预报区域土壤平均水分状况。周启友等^[8]分析得出土壤含水量在三维空间的分布具有一定的结构和模式, 并且这一结构和模式在时间上具有相对的稳定性, 刘继龙等^[9]在研究果园土壤水分时间稳定性的过程中发现不同深度土层的土壤含水量时间稳定性存在差异, Gao等^[10]在黄土高原坡地枣园研究发现可以利用时间稳定性选择代表性样点估计研究区的平均土壤水分状况, 赵文举等^[2]在压砂地的土壤水分时空分布特征研究中得出可以利用不同测点估计不同深度土壤的平均含水量。Gomez-Plaza等^[11]探讨地形、植被等因素对土壤含水量时间稳定性的影响时发现, 当仅考虑地理位置和地形时, 土壤水分呈现出时间上较为稳定的空间分布结构, 而当加入植被因素时, 土壤水在空间上的分布结构就变得不稳定^[12], 以上结论表明了土壤水分的时间稳定性研究在非均质土壤背景下研究更有意义, 同时植被因素深刻影响时间稳定性并对不同土层深度影响存在差异。黄土高原高寒丘陵区作为植被重建和生态退耕的重点区域, 人工恢复植被极大的改变了区域本底的土地利用方式和植被特征, 这种巨大的干扰对于土壤水分时空异质性和时间稳定性有怎样的影响尚待研究。为此本文选择植被生长旺盛的6—8月对一典型人工林坡面0—200cm深度土壤含水率进行了10次测定, 应用经典统计分析土壤水分的时空变异规律, 并利用Spearman秩相关系数、累积概率和相对差分分析该研究区土壤水分时间稳定性特征, 探究不同深度土壤含水率的时间稳定性差异及相关性, 进而确定研究区平均土壤含水率最佳代表性测点, 以期为该区域水资源管理和植被建设提供理论依据。

1 试验和方法 1.1 研究区概况

研究区位于青海省大通县安门滩流域(36.9°N、101.67°E), 地处青海省东部河湟谷地, 祁连山南麓, 是青藏高原和黄土高原过渡地带。海拔高度2460m。属于高原大陆性气候, 冬季寒冷漫长, 年内无霜期61—133天左右, 年均气温4.9℃年降水量523.3mm, 且年内降雨分配非常不均, 6—9月份降水占到全年的71%, 多以短历时强降雨为主, 多年平均蒸发量1762.8mm, 最大蒸发出现在4—6月, 表现出典型的北方春旱特征。土壤类型为黄土母质上发育的山地棕褐土和栗钙土。

1.2 点位布设及土壤含水率的测定

本研究在安门滩流域选择一个典型的植被恢复坡面, 平均坡度22°, 在坡面上分布着树龄为18年的青海云杉(Picea crassifolia)、祁连圆柏(Juniperus przewalskii)、油松(Pinus tabulaeformis Carr)、柠条(Caragana Korshinskii Kom)等人工恢复植被。该坡面呈半弧状, 从坡脚向上辐射状选取3条样线, 各样线每隔20m布设一个土壤水分长期观测点, 分别布置12、15、8个测点, 共35个测点, 测点位置如图 1。在测定前一个月采用土钻钻孔, 将中子管放置于钻孔内并用干细土填实中子管与土体间隙。由于每个点位的钙质结核分布及厚度不同, 实际布设的点位深度略有差异。其中测点23、24、26、27深度为1.0m, 其余测点深度为2.0m。在2018年6月16日至2018年8月18日用CNC503B型中子仪测定土壤含水率, 每周测定一次, 共10次。测定时, 每隔10cm测定一次土壤含水率, 每层测定3次, 取平均值作为该层土壤的中子数。用烘干法标定中子仪, 标定公式为：

式中, y为土壤体积含水率, cm³/cm³；x是中子计数比。

1.3 数据分析方法 1.3.1 经典统计方法

利用经典统计方法计算土壤含水率的平均值, 以分析研究范围内土壤含水率的集中程度。通过计算标准差和变异系数, 来描述土壤含水率在时间、空间上的分布情况和变异性。变异系数C_v反映的是相对变异, 即随机变量的离散程度：

式中, σ为样本标准差, μ为土层的样本均值。根据变异系数可将土壤含水率的变异性进行分类^[13], 即为弱变异(C_v≤0.1)、中等变异(0.1＜C_v＜1)、强变异(C_v≥1)。

1.3.2 时间稳定性分析方法

采用Spearman秩相关系数、累积概率和相对差分3种方法来研究土壤水分的时间稳定性。

Spearman秩相关系数表明不同时间条件下不同空间位置土壤含水率的秩随时间变化特征^[6], 计算公式为：

式中, j, l代表不同的测次时间(1≤j, l≤10); R_ij观测位置i在测定时间j下土壤含水率观测值的秩；R_il观测位置i在测定时间l下土壤含水率观测值的秩；N土壤含水率观测样点的个数, 取35; r_s值越接近1, 表示该位置的土壤含水率在j测定时间和l测定时间保持越高的相关水平, 时间稳定性越高。

累积概率函数。通过计算各测定时间下各测点土壤含水率的累积概率函数, 分析判断不同测定时间各测点土壤含水率是否保持相同的累积概率。

根据文献^[6]的研究, 各个点的相对差分平均值和相对差分标准差可以描述时间稳定性特征, 观测点i在观测时间j的土壤含水率相对差分δ_ij计算公式为：

其中

式中, θ_ij为点i在时间j下的土壤含水率观测值；为时间j下所有测点土壤含水率的平均值。

因此测点i处的相对差分平均值和相对差分标准差σ(δ_i)的计算公式分别为：

式中, M为观测次数, 取10。

一般认为越接近于0, 该测点的土壤含水率越能代表样地平均土壤含水率；σ(δ_i)越小的测点, 时间稳定性越高。通常可以选择接近于0且σ(δ_i)越小的测点来估计研究区土壤含水率的平均值。

2 结果与讨论 2.1 不同土层含水率时空分布特征

图 2表示不同土层土壤含水率均值与降雨量随时间动态变化。可以看出, 在研究期间表层(0—50cm)土壤含水率变化趋势明显, 7月前降水稀少, 强烈的土壤蒸发散使得表层平均土壤含水率一度低于17%, 后续降雨使土壤水分迅速得到补充, 波动范围在16.1%—25.2%之间, 而50—100、100—150、150—200cm波动相对平稳, 持续维持在较高水平, 分别介于21.1%—3.8%、21.4%—23.1%、22.3%—23.9%；深层土壤含水率随时间的变化幅度小于浅层, 但通过t检验结果显示不同土层之间土壤平均含水率无显著差异。Gao等^[10]在黄土高原六道沟流域研究0—300cm不同土层深度储水量中也发现相似结论, 但Hu等^[13]却发现浅层土壤含水率大于深层。造成上述差异的直接原因在于本文和Gao等^[10]研究区乔、灌、草植被类型多样, 而Hu等^[13]的研究在单一草本植被的的山坡进行的, 草本对浅层土壤水分的消耗相较于乔灌木少, 植被因素干扰了土壤水分随深度变化的规律性, 使得不同植被类型下土壤垂直剖面水分变化有较大差异。此外, 在测定时段内, 剖面土壤含水率标准差和变异系数均表现为随土壤加深先递减后稳定的趋势, 其值分别是2.9、0.8、0.6、0.6和13.5%、3.7%、2.6%、2.6%, 表层与其他各层有显著差异, 表层土壤水分的变化受到气象胁迫、土壤水分再分配和植被根系吸水的影响较大^[3], 研究区绝对海拔高, 太阳辐射强烈, 退耕坡面地形破碎, 更加剧了随机因素对土壤表层水分变化的影响, 而深层土壤受到浅层土壤的保护受外界环境因素影响较小, 并且人工引入植被种植年限较短(18年), 乔灌木根系主要分布在0—100cm土层, 100cm以下土壤水分受植被根系耗水影响小, 不同土层对于外界环境因子的响应有明显差异, 也就导致了浅层土壤的时间变异性要高于深层, 即土壤含水率往往在较深的土层中更稳定。

表 1为土壤含水率在10个测次上各土层平均值、标准差和变异系数的空间统计特征。各土层空间上土壤含水率的标准差和变异系数的平均值随土层加深呈增大的趋势, 分别为4.0、4.2、4.6、5.8和18.7%、19.1%、20.7%、25.2%, 且各土层之间差异显著(P＞0.05), 结果表明随土层加深, 土壤含水率空间变异性增强, 贾小旭等^[14]也得出相同结论, 土壤水分的空间分布在很大程度上取决于气候、地形、土壤质地等结构性因素, 而耕作措施、植被恢复、人类活动干扰等随机因素则会降低土壤水分空间异质性, 朝同质均一化发展^[3], 本研究区为退耕还林坡面, 受人类和动物活动影响频繁使表层的空间变异性得到一定程度的平滑, 同时植被根系对土壤水分的选择性吸收则会进一步降低根层的空间异质性^[15], 100cm以下深度土壤结构基本没有扰动, 土壤性质如颗粒组成、砾石含量、钙质结核分布的空间异质性随深度增加而累积, 导致深层土壤含水率的空间异质性较浅层大。各土层变异系数分别介于16.3%—23.4%, 18.0%—20.0%, 20.2%—21.2%, 24.3%—25.8%, 均表现为中等程度变异性, 说明土壤水分具有较好的空间结构性, 与刘继龙等^[9]研究结果一致。另外, 随土层加深, 空间上土壤含水率的标准差和变异系数在时间上的标准差、变异系数均呈减小趋势, 说明土壤含水率的空间变异性在时间上趋于稳定, 即随着土层加深, 土壤水分空间分布格局在时间上趋于稳定^[16-17]。人工恢复植被在一定程度上影响了土壤水分的时空分布, 但在土壤水分含量较高的阶段, 土壤深度因素掩盖了植被因素。

2.2 土壤含水率的时间稳定性分析 2.2.1 Spearman秩相关系数分析

各测点土壤含水率的Spearman秩相关系数可以描述研究区整体的时间稳定性特征^[6], 表 2是研究区0—200cm深度土壤含水率在各测定时间对之间的Spearman秩相关系数矩阵。由表 2可知, 7月7日与其他测定日期的相关系数较小, 介于0.819—0.845之间, 其余日期对之间相关系数较大, 介于0.938—0.994之间, 这种差异可能由于7月7日测定前一周有较大的降雨量, 土壤含水率变化较大, 导致相关系数较小, 信秀丽等^[18]在土壤水吸力的时间稳定性研究中也发现, 土壤干湿交替时, 土壤水分的时间稳定性最差, 但总体上各时间对之间相关系数均大于0.8且极显著相关(P＜0.01)。说明黄土高原高寒区人工林坡面0—200cm深度的土壤含水率空间分布在研究时段内具有时间稳定性特征, 人工恢复植被对坡面土壤水分的时间稳定性影响有限。Grant等^[19]和刘泽彬等^[20]也得到相似结论。但需注意的是, 时间稳定性表现出与时间相关的变化趋势, 采样时间越接近, 相关系数越大, 随着时间滞后的增加有减小趋势。这一结果说明土壤水分的时间稳定性持续时间是有期限的, 这在其他以年际观测尺度的研究中也得出相似的结论^[21-22]。本文是基于人工植被夏季旺盛生长期展开研究, 对于接下来的研究, 可以考虑更长时间序列, 探讨时间稳定性的有效期限。

2.2.2 累积概率函数

累积概率函数是判断具体测点时间稳定性的有效方法, 通过分析不同测定时间各测点土壤含水率累积概率的相似性来判断时间稳定性的强弱, 图 3是不同土层含水率在观测期间最干旱(6月16日)和最湿润(8月18日)两个时间点的累积概率分布特征, 0—50、50—100cm土层的35个测点中分别有5个和9个测点保持相同累积概率, 100—150、150—200cm土层的31个测点中分别有10个和15个测点保持相同累积概率值, 在深层保持相同累积概率的测点数占比相比于浅层大, 累积概率位置变化小, 主要由于浅层土壤对降水、蒸发和植被因素敏感性更高, 且地形因子引起的土壤水分的再分配最先影响表层土壤, 而土壤结构和土壤的持水能力也由于土层间的缓冲而逐渐减小, 从而使具体测点的累积概率在浅层位置变化大于深层^[23], 在土壤水分条件由干旱状态转变为湿润状态这一过程中, 深层土壤含水率空间分布格局的时间稳定性更强。但相关研究中, 白一茹等^[24]在黄土高原丘陵区的124个水分监测点中仅有1个测点累积概率不变, Brocca等^[25]在意大利中部台伯河流域的研究中只有极少数测点保持相同的累积概率。与本研究的结果有较大差异, 分析可能由于这两个研究中测点深度相比本研究浅, 受地形和小气候的影响大, 时间稳定性相对较弱。鉴于这些研究, 我们认为采用累积概率确定土壤含水率最佳代表性测点受采样深度影响较大, 不能简单的将累积概率位置不变的点作为该区域的代表性测点, Jia等^[17]也得到相似结论, 而应进一步分析各测点的相对差分标准差。

2.2.3 相对差分分析

图 4为不同土层各测点土壤含水率的相对差分平均值按秩序数由小到大排列情况及对应的时间稳定性指数曲线, 其中, 垂直误差线为各测点相对差分标准差。土壤含水率的相对差分平均值变化范围从-43%—31%(0—50cm), -46%—36%(50—100cm), -48%—35%(100—150cm), 到-52%—41%(150—200cm)逐渐增大, 这可能由于随土层加深, 土壤含水率的空间异质性增强^[17], 在上文变异系数分析时也得出相同结论, 空间异质性越强, 各测点土壤含水率相应越分散, 偏离平均值也就会越大。这与Zhang等^[21]结果一致。而赵文举等^[2]在西北压砂地对土壤水分时空稳定性研究中发现, 相对差分平均值的极差随土壤深度的增加而减小, 这种差异的原因在于其研究范围较小(32m×32m), 且压砂地土壤质地均一, 砂石覆盖均匀, 导致其土壤水分的空间变异较弱。朱续超等^[26]研究发现相对差分平均值的波动范围可能与研究尺度、试验布设、采样方式等有关, 随着研究区域的扩大, 相应土壤性质、地形、植被覆盖越复杂, 土壤水分的空间异质性越强, 相对差分平均值的范围也随之增大^[27]。空间变异性是在不同空间尺度上不同主导因素相互作用的结果, 在尺度转换过程中, 影响因素也随之变化, 所以不同尺度的研究结果有所差异^[28]。因此, 对于具体研究对象, 需要考虑采样尺度范围和采样粒度才能对土壤水分的空间异质性有更好的解释^[29]。可以看到相对差分平均值是不对称的, 负值绝对值大于正值, 这是因为更多测点的土壤含水率小于平均值, 可能因为这些测点土壤中砾石含量高, 不利于水分的保持, 具有较低的土壤含水率。相对差分标准差的大小可以表征测点土壤水分的时间稳定性程度, 相对差分标准差越小, 时间稳定性越高, 各层土壤含水率的相对差分标准差平均值分别为5.8%、4.4%、3.7%、3.2%, 均小于10%且随土层加深呈减小的趋势, 与以往研究结果类似^[30-31], Hu等^[13]研究指出相对差分标准差或时间稳定性指数＜5%的测点具有较高的时间稳定性, 可以代表研究区平均土壤含水率。据此比较, 本研究中随土层加深, 有较高时间稳定性的测点数量占总测点的比例分别为51%、68%、74%、74%。大部分测点在不同深度土层都保持了时间稳定性特征, 随着测定深度的增加, 能代表区域土壤平均含水率的测点数占比增加, 这一结论与李秀梅等^[32]的结论一致。土壤水分的时间稳定性是植被、地形、气候、土壤等众多因素相互作用的结果^[33], 黄土高寒丘陵区无霜期短、降雨多以短历时暴雨为主的气候环境对土壤水分时间稳定性的影响有其特殊性, 一年中长时间的土壤冻结使壤中流多以垂直运动为主, 深层土壤水分得到有效补给, 与此同时, 多年沉积下的钙质结核分布, 阻碍了土壤水分的垂直运动, 对深层土壤水分的保持起重要作用, 相关学者^{[11, 16]}认为植被覆盖变化会降低土壤水分的时间稳定性, 对土壤水分动态变化有不可忽视的作用, 在本研究中发现人工恢复植被对根层土壤水分有一定的影响, 对根层以下影响却不显著, 主要由于植被生长旺盛期短, 生长缓慢的植被特征使其生态耗水少, 降水量基本满足植被生长需求。降水和蒸发是土壤含水率最直接的影响因素, 但不同土壤深度对其响应有较大差异, 坡面强降雨引起的地表径流对表层土壤水分补充明显, 而不利于深层土壤水分入渗, 同时表层土壤水分蒸发耗散量大, 但土壤质地粗糙对深层土壤水分提升弱, 综合因素导致深层土壤水分有利于保持较高的时间稳定性。上述研究结果表明, 深层土壤的时间稳定性要高于浅层, 土壤含水率的时间稳定性特征具有深度依赖性, 这与相关研究^{[10, 24]}结果一致。

2.3 土壤含水率代表性测点的选择及合理性验证

有关学者研究^[25]表明可按照相对差分平均值接近于0且标准差相对较小的原则, 选择代表性测点来估计区域平均土壤含水率。测点28、测点16、测点17、测点8在观测时段内可分别代表 0—50、50—100、100—150、150—200cm土层范围的土壤含水率均值。为验证代表性测点的合理性, 通过将各代表测点的土壤含水率与各土层土壤平均含水率进行对比后发现, 各测点土壤含水率均在土壤含水率均值附近小幅浮动(图 5), 同时对观测时段内不同土层土壤水分均值与代表性测点作回归分析发现, 决定系数R²的变化范围在0.7138—0.8605, 表明各代表性测点与相应土层土壤水分均值的相关性较高, 可以较准确的估计研究区域各土层的平均土壤含水率。均方根误差和平均偏差分别介于0.469—1.249和-0.26—0.46, 均方根误差和平均偏差均较小说明代表性测点的土壤含水率与研究区各层的平均土壤含水率的关系密切, 差异较小。

3 结论

(1) 在观测期间, 不同土层深度的土壤含水率无显著差异。随着土壤深度的增加, 空间变异性逐渐增强, 但均属于中等程度变异, 具有较好的土壤水分空间结构。而时间变异性却相反, 浅层相比于深层有更大的时间变异性, 除表层(0—50cm)属中等程度变异性以外, 其他土层呈现出弱变异性。

(2) 黄土高寒区人工林坡面0—200cm深度Spearman秩相关系数在不同时间对之间均保持较高的相关性, 随着测定时间间隔的推移, 相关系数有减小的趋势, 总体上土壤含水率的空间分布具有较高的时间稳定性特征。

(3) 随着土壤深度的增加, 土壤含水率的时间稳定性也相应增强, 结合相对差分平均值和相对差分标准差可选择测点28、测点16、测点17、测点8分别代表本研究区该时段内0—50, 50—100, 100—150, 150—200cm土层的土壤平均含水率, 验证精度良好, 为准确、可靠的掌握本研究区内平均土壤水分状态提供了便捷途径。