黑河流域表层土壤水分干化特征研究_董世玉.pdf

第 42 卷 第 3 期2023 年 6 月高原气象PLATEAU METEOROLOGYVol.42 No.3June，2023董世玉，朱忠礼，徐自为，等，2023.黑河流域表层土壤水分干化特征研究 J.高原气象，42（3）：771-784.DONG Shiyu，ZHU Zhongli，XU Ziwei，et al，2023.Characteristics of Surface Soil Moisture Drydown in the Heihe River Basin J.Plateau Meteorology，42（3）：771-784.DOI：10.7522/j.issn.1000-0534.2022.00086.黑河流域表层土壤水分干化特征研究董世玉，朱忠礼，徐自为，刘绍民，柴琳娜（北京师范大学地理科学学部，地表过程与资源生态国家重点实验室，北京 100875）摘要：土壤水分干化是指降水发生后土壤逐渐变干的过程，此过程一般包括重力排水、大气需求限制的蒸发以及水分限制的蒸发三个阶段，此三阶段在表层土壤中表现最为明显。黑河流域发源于祁连山中段，上中下游具有十分明显的景观地带性，探讨该地区表层土壤水分干化特征将为理解流域内不同环境下土壤蒸发的规律和影响因素提供理论支撑。本文基于2016-2020年黑河流域上中下游10个气象观测站点表层土壤水分、土壤温度、气温等资料，利用降水后的土壤干化事件分析了各区域土壤水分、潜在蒸散、归一化植被指数（Normalized Difference Vegetation Index，NDVI）和土壤质地等因素与表层土壤干化速率的关系，并使用指数模型拟合干化事件，总结了各站点干化速率的季节间变化规律。2016-2020年黑河流域10个站点共识别出362个有效干化事件，分析结果表明：（1）土壤进入干化期后，干化速率随土壤含水率降低而逐渐减缓，约12天后，上游、中下游站点土壤干化速率皆趋于稳定，上游站点稳定在约0.04 cm3cm-3day-1，中下游则趋于0。（2）上中下游表层土壤90%的蒸发效率分别低于0.25、0.15和0.12，无法满足大气需求，但若考虑土壤剖面5 cm以下的蒸散，其蒸发效率将接近1。（3）黑河上游表层土壤水分较高，土壤干化过程主要为大气需求限制阶段，中下游表层土壤水分较低，土壤干化过程为水分限制阶段。而就表层土壤蒸发速率而言，上游主要受大气水分需求影响，土壤蒸发速率随潜在蒸散的增加而增大，但当土壤水分超过0.4 cm3cm-3时，潜在蒸散和土壤水分的变化对干化速率无显著影响；中下游主要受水分供应影响，土壤蒸发速率随土壤水分的增加而逐渐增大，潜在蒸散对土壤蒸发速率的影响不显著。（4）植被对表层土壤水分干化速率的影响与下垫面植被类型及土壤干湿状态有关，而土壤质地对干化速率影响较小。（5）指数模型拟合的干化事件具有明显的季节性特征。夏季各站点的干化速率（）及干化幅度（A）最大，土壤水分下限（w）最低，而对于下垫面为荒漠的地区，w易受降水的影响，其在夏季达到最大值；就流域整体而言，表层土壤水分的干化速率表现为夏季春季秋季，上中下游干化速率的季节间变异性随下垫面类型的变化（草甸、农田、灌木）逐渐增大。关键词：土壤水分；干化；土壤蒸发；原位观测；黑河流域文章编号：1000-0534（2023）03-0771-14 中图分类号：P461 文献标识码：ADOI：10.7522/j.issn.1000-0534.2022.000861 引言 土壤水分是连接陆面和大气的关键水文变量，在全球水循环及能量循环过程中起着关键作用（McColl et al，2017a）。陆面-大气反馈过程中，土壤水分与大气状况相互影响，土壤水分可以在时空尺度上改变大气过程，是导致云雨形成的潜在因素（Koster and Suarez，2003；Tuttle and Salvucci，2016），而降水等天气状况也会造成土壤水分变化，从而影响陆气间的水热交换和碳循环（丁旭等，2022；赖欣等，2021）。土壤水分干化（drydown）是指在一次降水事件后，土壤水分持续减少的过程，相对于随机性的降水，在陆地表面该过程是可进行模拟的（Rondinelli et al，2015；Shellito et 收稿日期：20220627；定稿日期：20220916资助项目：中国科学院战略性先导科技专项（A类）（XDA20100101）作者简介：董世玉（1998-），女，安徽阜阳人，硕士研究生，主要从事水文气象与遥感研究.E-mail：通信作者：朱忠礼（1972-），男，河南商丘人，副教授，主要从事遥感水文与地貌学研究.E-mail：高原气象42 卷al，2016；McColl et al，2017b）。一般地，在大气形成降水后，其到达陆地表面后主要以径流、排水和蒸散的形式损失（McColl et al，2017b；Shellito et al，2018）。土壤水分损失过程通常包括：重力排水、能量限制和水分限制三个阶段，其中重力排水阶段以排水和径流占主导地位，能量限制阶段也称为“第一阶段”蒸散（ET-I），水分限制阶段也称为“第二阶段”蒸散（ET-II）（McColl et al，2017b；Sehgal et al，2021；范科科等，2020）。在一次降水后，径流一般在几分钟内停止，排水在数小时内停止，ET-I阶段发生迅速，土壤干化主要以 ET-II阶段为主，因此在日尺度上分析干化过程时可以忽略径流和排水这两个过程，从而仅关注ET-I和ET-II阶段（Rondinelli et al，2015；Shellito et al，2016；McColl et al，2017b）。水分限制阶段的蒸散包括表层土壤蒸发和植被蒸腾，对于表层土壤而言，一般只考虑土壤蒸发，而忽略植被蒸腾作用从根区土壤中带走水分的过程。土壤水分干化的持续时间取决于土壤干化速率，已有研究表明，土壤干化速率受到土壤水分状态、大气条件、植被和土壤质地等陆面和大气状况的复杂影响（McColl et al，2017b；Shellito et al，2018；Sehgal et al，2021；刘维成等，2021）。土壤水分干化速率的相关研究可以追溯到20世纪 60 年代（Manabe，1969）。Rodriguez-Iturbe et al（1999）通过将降水描述为泊松过程来描述点尺度的土壤水分动态。Laio et al（2001）指出通过绘制土壤水分的损失速率随土壤水分降低的曲线，可以得到关于土壤水文状况和土壤持水特性（如田间持水量和萎蔫系数等）的主要信息。而不同的观测方法之间存在差异，卫星土壤水分数据与原位观测的土壤水分和陆面模型模拟相比，前者的干化速率更快（Rondinelli et al，2015；Shellito et al，2016；Shellito et al，2018），这主要归因于前者的探测深度相对较浅。McColl et al（2017b）使用SMAP一年的表层土壤水分数据，通过指数衰减函数拟合干化事件，研究了全球范围内土壤水分干化动态，发现干化速率随着干燥度指数、土壤含砂量的增加而增大，同时指出，干化时间尺度仍存在大量无法解释的差异，植被可能是导致此差异的主要因素。但其仅考虑了每个地点的土壤质地、干燥度指数和植被类型等静态因素，未考虑自然环境的动态效应，而土壤干化过程响应的是观测范围内变化的气象驱动因素、地表特征、土壤-植被和大气需求（Sehgal et al，2021；Rodriguez-Iturbe，2000）。对于浅层土壤能否准确识别水文状况和蒸散的限制阶段，Dong et al（2022a）使用通量塔和原位不同深度的土壤水分观测数据证明了表层土壤水分能够识别蒸散状态的改变。以上研究表明，不同地区的土壤水分干化速率和影响因素存在较大差异，因此，使用原位观测的表层土壤水分数据揭示不同生态系统下的土壤水分干化特征及其动态影响因子对于更全面地理解气候系统中陆面水文过程和陆面大气交互具有重要意义。黑河流域是我国第二大内陆河流域，上中下游随着海拔高度的变化呈现出明显的地带性，具有冰川、冻土、森林、草原、绿洲、荒漠等多元自然景观（Liu et al，2018）。目前，在小尺度对土壤水分动态的研究多集中于干旱或半干旱地区（Kurc and Small，2004），缺少不同生态系统的相互对比；对于干化速率的影响因素分析，多集中于土壤质地、干燥度、下垫面等静态环境因素；研究的时间尺度集中于单一季节，缺少季节间变化的分析；此外，遥感观测的数据在高寒地区多缺失。本文将基于黑河流域地表过程综合观测网，研究黑河流域上中下游2016-2020年景观各异的10个站点的表层土壤水分干化特征，探究高寒草甸、荒漠和绿洲等环境中的土壤蒸发及其影响因素，进一步理解动态环境因素下土壤水分进入大气的过程，并分析由指数模型拟合的土壤干化速率等参数的季节特征。2 数据来源与方法介绍 2.1研究区概况与数据来源黑河流域（37.7N-42.7N，97.1E-102.0E）是我国第二大内陆河流域，发源于祁连山中段，流入内蒙古额济纳旗居延海。流域地势南高北低，按海拔高度和自然地理特点分为上游祁连山地、中游河西走廊平原和下游阿拉善高原三个地貌类型区，上游地势高寒，年均温-54，年降水量250500 mm，年蒸发量约700 mm；中游年均温68，年降水量约140 mm，年蒸发能力达1410 mm；下游年降水量低于50 mm，年蒸发能力高达2250 mm，是黑河流域严重缺水区和生态环境脆弱区；上、中、下游土壤理化性质差别较大（高宇等，2013；怀保娟等，2014；王建栋等，2020）。研究涉及的气象站点包括位于黑河上游的阿柔超级站、大沙龙站、景阳岭站、垭口站，黑河中游的大满超级站、花寨子站、黑河遥感站，以及黑河下游的四道桥超级站、混合林站、荒漠站。观测要素有土壤水分、土壤温度、空气温湿度、气压、772董世玉等：黑河流域表层土壤水分干化特征研究3 期降水量、风速、风向、四分量辐射等（Liu et al，2011，2018）。考虑到表层土壤水分对降水等大气状况的响应最为明显，且深层土壤与浅层土壤联系密切，所以仅分析表层土壤水分（4 cm）的干化动态。数据来源于国家青藏高原科学数据中心的祁连山综合观测网：黑河流域地表过程综合观测网（http：/ m土地覆盖分类产品数据集（1985-2019）（V2.0）（杨爱霞等，2020；Zhong et al，2015）。潜在蒸散代表了大气水分需求，本文使用FAO（联合国粮农组织）于 1998年给出的修正 Penman-Monteith方程（Allen et al，1998）进行估算，得到各站点每日潜在蒸散数据。使用归一化植被指数（NDVI）量化各站点的植被覆盖和植被生产力，采用的数据为MODIS的MOD13A1和MYD13A1，空间分辨率为500 m，时间分辨率为16天，在剔除异常值后，使用线性插值得到各站点每日的NDVI数据（Didan and Huete，2015）。土壤质地数据为黑河数字土壤制图产品：土壤质地（粒径组成）空间分布数据集，代表深度为表层深度 020 cm，空间分辨率 1000 m（史文娇等，2016）。本文根据各站点的经纬度提取该产品对应站点的土壤质地，见表1，其中景阳岭站和垭口站数据缺失，根据各站点土壤含砂率的不同，将站点数据分为三类：I类的土壤含砂率为20%30%，包括阿柔、大沙龙、大满和四道桥这四个站，II类为30%50%，包括花寨子和黑河遥感两个站，III类为60%80%，包括混合林和荒漠两个站。2.2研究方法2.2.1干化识别目前主要有两种识别干化的方法：第一种是使用降水数据，通过分析土壤水分时间序列，以两个显著的降水事件之间的间隔进行定义，例如Shellito et al（2016）、Salvia et al（2018）；第二种是直接分析土壤水分时间序列，把干化事件定义为土壤水分不断减少的时期（McColl et al，2017b；Martinez-de la Torre et al，2019）。考虑到部分站点的降水数据缺失，本文使用上述第二种方法，参考McColl et al（2017b）提出的干化识别方规则。考虑到上游站点土壤的冻融现象图1研究区概况和站点分布（Liu et al，2011，2018）Fig.1Overview of the study area and the distribution of the sites（Liu et al，2011，2018）表1 黑河流域站点信息Table 1 Sites information in the Heihe River Basin站点阿柔超级站大沙龙站景阳岭站垭口站花寨子荒漠站黑河遥感站大满超级站四道桥超级站混合林站荒漠站位置上游上游上游上游中游中游中游下游下游下游经度/E100.4698.94101.12100.24100.32100.48100.37101.14101.13100.99纬度/N38.0538.8437.8438.0138.7738.8338.8642.0041.9942.11海拔/m30333739375041481731156015568738741054下垫面高寒草地沼泽草甸高寒草甸高寒草甸山前荒漠人工草地灌区农田柽柳柽柳与胡杨荒漠时间范围2016-01-2020-122016-01-2020-122016-01-2020-122016-01-2020-122016-01-2020-122016-01-2020-122016-01-2020-122017-01-2020-122016-01-2020-122016-01-2020-12土壤含砂率/%20.2026.87-33.4041.5124.4226.2964.8472.63干化事件/个5946391768494213623-表示无数据773高原气象42 卷会导致土壤水分的观测范围过大，使用土壤水分观测范围作为阈值可能会排除一些上游有效的干化事件。故对于所有的站点，使用如下规则自动选择干化事件：（1）选择土壤水分持续减少的区间；（2）为避免观测噪声截断真实的干化，排除小于该站点该年土壤水分日变化最大范围（根据该站点当年降水引起的土壤水分日最大增量和土壤水分日最大损失的差值确定）0.1%的正增量；（3）为避免少量降水或者寒季土壤冻结产生虚假的干化，干化期土壤水分的变化范围至少为该站点该年土壤水分日变化最大范围的10%；（4）土壤水分连续下降至少5天，最长不超过40天；（5）为了避免土壤冻结造成的传感器误读，排除温度小于0 的干化。使用以上规则对上述站点进行干化识别，各站点的干化事件数如表1所示，共识别出362个干化事件，共 3584 天。其中，大满站下垫面为灌溉农田，这里把每次灌溉当做一次降水。混合林站和四道桥站下垫面为河岸林，河水漫溢对这两个站点的影响较大，所以手动调整四道桥的干化开始于土壤水分显著降低的时刻，排除了混合林站中明显不属于干化事件的区间。以下分析都基于这些干化事件进行。2.2.2干化速率使用两种方法分析土壤的干化速率：（1）计算连续观测数据之间的离散干化速率，（2）拟合指数衰减模型，比较上中下游干化时间尺度的变异性。（1）使用有限差分法计算干化期内的每日土壤干化速率（Shellito et al，2016）：ddt=n+1-ntn+1-tn（1）式中：为表层土壤含水量（单位：cm3cm-3）；t为时间（单位：d）；n和n+1对应于连续观测。站点测量土壤水分的平均周期为10 min，本文使用日平均数据，以抵消昼夜波动；测量的单位为体积含水量，干化速率的单位为cm3cm-3day-1。此外，还通过：1）将每日土壤含水量的差值乘以对应的土壤深度范围（50 mm），将cm3cm-3day-1转换为mmday-1，用以匹配潜在蒸散和实际蒸发的单位，称之为等效蒸发速率；2）将干化速率转换为蒸发效率：等效蒸发速率与潜在蒸散的比值（Shellito et al，2018）这两种方法反映土壤干化速率。（2）对每个干化事件拟合指数衰减函数（McColl et al，2017b）：(t)=Aexp()-t+w（2）式中：为表层土壤含水量（单位：cm3cm-3）；t指开始干化后的时间（单位：d）；A，w是根据经验确定的拟合参数：A为土壤水分干化的幅度（单位：cm3cm-3）；为估计的指数时间常数（单位：d）（e-folding time scale），也称为干化时间尺度；w为土壤水分下限（单位：cm3cm-3），由土壤水分时间序列渐进逼近。在拟合指数模型时，幅度A始终为正。w应小于干化期观测到的最低土壤水分，并大于或等于在整个时间段观测到的最低土壤水分，其值是一个“有效的”凋萎系数，可能比真正的凋萎系数小。排除决定系数（R2）小于0.7的干化事件。离散干化速率可用于计算干化期内每日的土壤水分损失量，从而定量研究土壤水分干化速率与土壤水分、潜在蒸散、NDVI等动态环境要素的关系；而指数衰减模型中的值代表了每个独立的干化事件的干化速率，它表示了所拟合干化事件的快慢，即干化事件的持续时间越短，损失的土壤水分越多，则干化速率越快。后者得出的干化时间尺度消除了土壤水分不同造成的水分损失速率间的差异，能够代表某地的整体特征并进行不同地点或不同季节间干化速率的比较。2.2.3气象条件和陆面状态的影响使用上述2.1中的数据研究干化期表层土壤水分、潜在蒸散、NDVI、土壤质地对土壤干化速率的影响。根据气象条件对黑河上中下游各站点的干化速率数据进行划分，分别为低、中、高潜在蒸散，上游潜在蒸散的范围为：0.14，3.00，3.00，4.10，4.10，7.15；中 游 为：0.34，4.36，4.37，6.07，6.07，11.90；下游为：0.94，6.73，6.74，10.40，10.42，18.77（单 位：mmd-1）。再根据陆面状态将干化期内的土壤水分从低到高划分为10个等宽区间，在每个区间中仅显示干化速率等的中值。使用蒸发效率（等效蒸发速率与潜在蒸散的比值）对潜在蒸散进行归一化处理，并进一步分析植被与干化速率的关系。采用与上述潜在蒸散相同的方法将上中下游各站点的干化速率数据按土壤水分划分为三份，分别为低、中、高土壤水分，再将 NDVI 分为八等分。上游土壤水分的范围为：0.12，0.35，0.35，0.41，0.41，0.63；中游为：0.02，0.07，0.07，0.14，0.14，0.49；下 游 为：0.02，0.04，0.04，0.23，0.23，0.41（单位：cm3cm-3）。使用Bootstrapping方法对100个随机样本重复774董世玉等：黑河流域表层土壤水分干化特征研究3 期采样 500 次得到每个数据区间内的估计标准误差（Shellito et al，2018），其中每个区间至少 10 个数据值。比较流域上中下游干化速率（）的季节间（春夏秋）变异性。对于北半球四季的划分为：春季（3-5月），夏季（6-8月），秋季（9-11月），冬季（12月至次年 2月）（Dong et al，2022b；Ruscica et al，2020；袁瑞瑞等，2021）。使用变异指数（Variability Index，VI）计算季节间土壤水分干化时间尺度的变异性（Sehgal et al，2021）：VI=100Ni=1N(Pi-P)-P（3）式中：N为季节个数，冬季土壤冻结且少降水，一般没有干化事件，故N取3（春、夏、秋季）；-P为季节间干化时间尺度的平均值，Pi为季节内干化时间尺度的平均值，i=1，2，3。VI（单位：%）值越高，表明干化参数的季节间变异性较四季平均值更强。3 结果分析 3.1干化识别结果黑河流域上中下游各站点的干化识别结果如图2所示。黑河上游2016-2020年四个站点的干化事件共161个，其中阿柔超级站59个，大沙龙站46个，景阳岭站39个，垭口站仅有17个。上游站点海拔均在3000 m以上，土壤存在明显冻融现象：土壤水在寒冷季节（11月至次年3月）冻结，体积含水量维持在 0.110.07 cm3cm-3。当温度升高，土壤中冻结的水开始融化，体积含水量迅速上升，并在0.110.67 cm3cm-3范围内变化。垭口站海拔最高为4148 m，一年中仅6-9月的4 cm土壤温度高于0，下垫面水分充足且降水集中于此时间段，因此其干化事件仅17个。黑河中游 2016-2020年三个站点干化事件共159 个，其中花寨子荒漠站 68 个，黑河遥感站 49个，大满超级站42个。花寨子和黑河遥感这两个站点的土壤水分均在0.3 cm3cm-3以下变化，且黑河遥感站的土壤含水量更低（最大值0.17 cm3cm-3）。大满超级站下垫面为灌区农田，土壤含水量范围为0.050.49 cm3cm-3。黑河下游 2016-2020年三个站点的干化事件共 42 个，其中荒漠站最多有 23 个，混合林站仅 6个，四道桥站的观测时间范围为2017-2020年，共13个有效干化事件。荒漠站90%的土壤水分低于0.048 cm3cm-3，变化范围为0.0130.17 cm3cm-3。混合林站下垫面为柽柳和胡杨，四道桥站下垫面为柽柳，均为河岸林，二者皆受黑河分水河水漫溢的影响，每年仅有一或两次土壤水分明显增加的现象，紧接着是一次有效干化事件，该现象在王宇轩等（2021）中也有提及。对于混合林站，共剔除了由于4 cm土壤温度缺失、观测噪声等原因而识别出的三个虚假干化事件，包括2016年的两个干化事件和2017年除第一个干化事件（3月9-18日）外的其他两个；对于四道桥站，受河水侧向补给影响，识别出的干化事件中存在土壤水分先缓慢降低后快速降低的现象，故将2019年唯一的干化事件调整为3月26日开始（3月26日至4月9日），将2020年第二个干化事件调整为 5 月 20 日开始（5 月20-31日）。混合林站所有干化事件土壤水分的变化范围为 0.200.39 cm3cm-3，四道桥站为 0.240.43 cm3cm-3。对上中下游站点干化期内可用的土壤水分、潜在蒸散和蒸发效率作频数统计（图3）。在图3（a）中观察到干化期内上中下游明显的土壤水分差异，上游站点约 80%的土壤水分集中在 0.30.5 cm3cm-3，中游站点90%的值低于0.25 cm3cm-3，下游可用的土壤水分数据较少且右偏现象严重。上中下游站点干化期内潜在蒸散的范围分别为 0.147.81，0.311.9，0.9418.77 mmd-1，90%的值分别低于5.11，7.99，13.03 mmd-1图3（b）。上游站点生长期内 NDVI的范围为 0.170.89，80%的值分布在0.170.67；中游NDVI的范围为0.120.83，数据约在 0.15 和 0.68 处存在两个峰值；下游 NDVI的范围为 0.050.39，且数据集中分布在 0.07、0.16和0.34 图3（c）。干化期内的蒸发效率都相对较低 图3（d），上中下游站点90%的值分别低于0.25、0.15和0.12。3.2干化速率及其影响因素图4为黑河流域上游、中游和下游站点的土壤水分和干化速率进入干化期的散点分布，图中仅显示中值，误差棒为1个标准误差。上游、中游和下游各站点土壤含水量表现出较大差异，上游站点土壤水分中值明显高于中游和下游；进入干化期第1天至14天内的土壤水分中值变化范围也存在较大差异，上中下游站点土壤水分的变化区间分别为0.34，0.41，0.08，0.14，0.05，0.20（单位：cm3cm-3）图4（a），（b），（c），由于下游站点的干化事件较少且土壤水分存在较大差异，故图4（c）中标准误差偏大，约为0.05。由于识别出的长时间干化事件较少，上游和下游土壤水分中值分别在进入干化期的第11天和第9天呈现上升趋势。775高原气象42 卷图2黑河流域各站点表层土壤水分与干化事件指数函数拟合曲线时间序列浅绿色区域为干化区间Fig.2Time series of soil moisture and exponential model fits to the drydowns of each site in the Heihe River Basin.Drydowns are highlighted in light green776董世玉等：黑河流域表层土壤水分干化特征研究3 期降水结束后，土壤的干化速率随着土壤含水量减少而逐渐降低。上中下游站点进入干化期第1天至 14天内干化速率中值的变化范围表现为上游中游春季秋季的规律 图8（a），并且上中下游干化时间尺度的季节间变异指数 VI分别为 5.44，12.56，30.18，这可能与下垫面类型有关。上游站点的下垫面为高寒草甸，中游为农田和荒漠，下游为灌木、林地和荒漠，随着下垫面植被类型的变化，变异指数增大。Sehgal et al（2021）在全球范围内的观测结果中也发现了由于陆地表面特征在不同季节会发生显著的变化，农田、草地、热带稀树草原（CGS景观）的季节间变异性最大。此外，下游秋季的干化事件为个位数，可能导致VI偏大。4 讨论 4.1干化速率及其影响因素黑河上游土壤干化速率始终维持在较高水平，可能存在以下诱因：（1）上游站点地势高寒，土壤潮湿，土壤水分供应充足，仅大气水分需求（潜在蒸散）才能限制干化速率，土壤干化多处于重力排水和能量限制阶段（ET-I），这两个阶段的土壤水损失较快（McColl et al，2017b；王秀英等，2022）；（2）上游多降水，分析识别出的干化事件，80%以上干化事件的持续时间不长于12天，长时间的干化事件多发生于夏季，此时间段平均潜在蒸散值较大，在水分供应充足的情况下，土壤水分的损失速率就维持在较高水平；（3）干化期内少量降水补给土壤水，并没有造成土壤水分日均值显著增加，而图8黑河流域各站点季节土壤干化指数模型拟合参数的箱线图Fig.8Boxplots of fitting parameters of drydown exponential model at various stations in Heihe River Basin by season780董世玉等：黑河流域表层土壤水分干化特征研究3 期此部分雨水以排水或蒸发的形式损失，也会导致干化速率较快的现象发生。研究发现，黑河上中下游表层土壤的蒸发效率 90%的值低于 0.25图 3（d），仅能满足大气需求的一小部分，这与Shellito et al（2018）的结果类似。如果考虑土壤剖面5 cm以下的土壤蒸发和植被蒸腾，蒸发效率可能会接近于1。黑河上游与中下游水分供应（土壤水分）和大气水分需求（潜在蒸散）对干化速率的影响存在显著差异。当表层土壤含水量较高时，蒸发速率（ET-I）的限制因素仅为大气需求；当表层土壤含水量较低时，水分供应进一步限制蒸发速率（ET-II）。在大多数情况下，干化速率主要由蒸发速率决定，但在能量限制的环境中，干化速率主要由排水或扩散速率控制（Shellito et al，2018）。上游表层土壤潮湿，土壤水分小于0.4 cm3cm-3的条件下，潜在蒸散可显著影响干化速率；中游和下游干化期内的表层土壤含水量较低 图3（a），土壤水分对干化速率的影响更加显著 图5（b）。随着土壤水分增加，黑河上游的干化速率先降低后保持稳定，其中维持稳定的部分可以视为干化的ET-I阶段，这一阶段的土壤水分充足，潜在蒸散的变化未对干化速率造成影响，这是由于上游潜在蒸散整体较低 图3（b），高中低潜在蒸散之间的差异并不能引起干化速率的变化。针对干化速率随土壤水分的增加而降低这一现象，对上游各站点进行具体分析时，发现土壤水分显著降低的干化事件主要发生在6-8月（图2），该段时间是上游高寒草甸的生长季，充足的水分会促进植被生长，植被的蒸腾作用增强，可能导致了土壤水分越低，其干化速率越高的现象，图6（a）中干化速率与 NDVI 的正相关关系也从侧面解释了这一现象。黑河中游的干化速率随土壤水分增加而增大，这与Shellito et al（2018）观察到的SMAP足迹上干化速率与土壤水分的规律一致，即在SMAP的时空尺度上观测到的土壤水分干化过程是水分限制阶段（ET-II）主导的。此外，由于中游若干站点的表层土壤水分较低，土壤水分成为干化速率的主要限制因素，潜在蒸散的影响无法体现。植被对土壤水分干化速率的影响较为复杂（Shellito et al，2018）：一方面，植被叶片的遮蔽作用可降低干化速率；另一方面，近地表植被的蒸腾作用也可增加干化速率；且在植被快速生长的夏季，潜在蒸散值最高。Shellito et al（2018）研究发现 SMAP数据在美国大陆上表现为蒸发效率随植被的增加持续降低，表明在给定的土壤水分和潜在蒸散条件下，有植被的土壤表层干化速率低于裸土。本研究在黑河流域小尺度的研究表明，植被对土壤水分干化速率的影响与下垫面植被类型和土壤的干湿状态有关：黑河上游表层土壤潮湿，下垫面均为高寒草甸，干化速率和蒸发效率随NDVI的增加而变大；中游站点的下垫面类型为荒漠、草地和玉米田，高土壤水分时干化速率和蒸发效率随NDVI的增加呈现先增后降再增的现象，可能的原因是：NDVI在小于0.33和大于0.51时，草地和玉米田的生长使得蒸腾作用增强从而导致地表土壤水分干化速率的增加，而NDVI在0.330.51之间时，玉米植株叶片的遮蔽使得地表土壤水分干化速率的降低，图3（c）中黑河中游NDVI的分布也能解释这一现象。MoColl et al（2017b）研究指出，SMAP数据在全球范围内的土壤水分干化速率随土壤含砂量的增加而增大，本文观察到的干化速率随砂粒含量的增加而增大的现象并不明显，说明土壤质地因素相对于其他环境因素对干化速率的影响较小，与MoColl et al（2017b）和Shellito et al（2018）的分析结果相似。4.2局限性本研究还存在以下局限性：首先，使用指数衰减模型拟合干化事件时还存在一定的误差：指数模型拟合的前提假设是干化过程中排水和ET-I阶段迅速发生，ET-II阶段是干化的主要过程，并把这一过程拟合为指数衰减模型，但在低大气蒸发需求或黏土含量很高的地区，干化过程可能需要五天才到达ET-II阶段，这种情况下干化过程为先线性后指数，从 而 导 致 拟 合 的值 偏 小（McColl et al，2017b）。从上述分析可知，上游地势高寒，潜在蒸散整体较低且非冻结期土壤水分充足，因此可能导致上游站点干化拟合的值偏小，干化幅度偏大。其次，选取的站点数量有限，且上中下游的干化事件数量不一致，下游的干化事件过少，得到的结论可能有偏差。再次，上游识别出的干化事件中，还存在土壤水先缓慢降低后快速降低的现象，可能是由于间接性小降水或者土壤水侧向补给导致，这对结果会产生一定影响，之后可以改进干化识别规则。此外，使用遥感的NDVI数据代表各站点植被的变化，这种尺度间的差异可能会对结果造成影响。5 结论 土壤水分和大气之间的相互反馈是一个复杂781高原气象42 卷的、多尺度的过程。目前已有研究使用大尺度的遥感数据研究全球土壤水分的干化特征和影响蒸发的控制因素，然而还未有研究在小尺度使用干化这一概念研究土壤蒸发速率的影响因素。本文首先根据土壤干化这一概念对黑河流域内的站点土壤水分数据进行干化识别，然后分区域（上中下游）研究了干化期内环境因素对土壤干化速率的影响，最后采用指数模型的方法对流域内站点的干化事件进行拟合并分析了干化速率的季节特征，主要得到以下结论：（1）上游各站点地势高寒，表层土壤存在冻融现象，含水量很高（0.30.5 cm3cm-3），中下游站点大多位于荒漠等干旱环境，表层土壤含水量偏低（0.050.25 cm3cm-3）。土壤进入干化期后，随着土壤含水量逐渐降低，干化速率减慢，约12天后速率趋于稳定，上游站点稳定在0.005 cm3cm-3d-1，中下游逐渐趋于0。（2）上中下游表层土壤 90%的蒸发效率分别低于0.25、0.15和0.12，且上游的蒸发效率存在一定的高估，它们仅能满足大气需求的一小部分，但若考虑土壤剖面5 cm以下的蒸散可能会使蒸发效率接近于1。（3）上游与中下游的表层土壤水分干化特征表现出明显差异。上游站点表层土壤水分较高，大气需求主要限制其蒸发速率（ET-I），且干化速率随土壤水分增加而降低，当土壤水分超过0.4 cm3cm-3时，干化速率维持在稳定水平，潜在蒸散和与土壤水分的变化对干化速率无显著影响；中下游表层土壤干燥，水分供应直接影响蒸发速率（ET-II），干化速率随土壤水分的增加而增加。（4）植被对表层土壤水分干化速率的影响与下垫面植被类型和土壤的干湿状态有关，土壤质地对干化速率的影响较小。上游高寒草甸的生长对土壤水分干化速率起促进作用；中游玉米田在高土壤水分且NDVI大于0.51的条件下，土壤水分干化速率和蒸发效率与NDVI呈正相关；中游低土壤水分条件下，随着NDVI的增大，干化速率和蒸发效率始终维持在较低水平。（5）土壤干化指数模型拟合结果与离散速率的结果一致，各站点在夏季一般表现出最快的干化速率（）、最大的干化幅度（A）、最低的土壤水分拟合下限（w），对于下垫面为荒漠的地区，w更易受降水的影响，在夏季的拟合值更大。从整个流域看，表层土壤干化速率具有明显的季节性特征，即夏季春季秋季，季节间变异指数随着下垫面类型的变化（草甸、农田、灌木）逐渐增大。本研究分析了黑河流域表层土壤蒸发速率的影响因素和规律，对于未来气候变化下的区域陆地生态系统管理具有重要意义，之后可以应用遥感产品结合站点观测数据对比研究黑河流域区域的土壤水分干化特征，进一步探究区域内土壤蒸发的规律及影响因素。参考文献：Allen R G，Pereira L S，Raes D，et al，1998.Crop evapotranspiration：guidelines for computing crop water requirements M.Irrigation and Drainage Paper No.56，FAO，Rome，Italy.Dong J Z，Akbar R，Short G D J，et al，2022a.Can surface soil moisture information identify evapotranspiration regime transitions？J.Geophysical Research Letters，49：e2021GL097697.DOI：10.1029/2021gl097697.Dong J Z，Lei F，Crow W T，2022b.Land transpiration-evaporation partitioning errors responsible for modeled summertime warm bias in the central united states J.Nature Communications，13：336.DOI：10.1038/s41467-021-27938-6.Didan K，Huete A，2015.MOD13A1 MODIS/Terra vegetation indices 16-Day L3 global 500m SIN grid DB.NASA LP DAAC.DOI：10.5067/MODIS/MOD13A1.006.Koster R D，Suarez M J，2003.Impact of land surface initialization on seasonal precipitation and temperature prediction J.Journal of Hydrometeorology，4：408-423.DOI：10.1175/1525-7541（2003）42.0.CO；2.Kurc S A，Small E E，2004.Dynamics of evapotranspiration in semiarid g