吉县蔡家川小流域土壤水分空间异质性研究

吉县蔡家川小流域土壤水分空间异质性研究

空间异质性是指系统或系统属性在空间上的复杂性和变异，包括系统特征的空间组成、空间结构和空间相关。科学体系的每个层次都存在着它的存在。这是许多基本生态过程和物理过程在时间和空间连续系统中长期作用的结果。在土壤质地相同的区域内,土壤特性(物理、化学及生物性质)在平面和深度上实际并不完全为均质,这种土壤属性在空间上的非均一性,称为土壤特性的空间变异性.随着对土壤研究的加深和数学统计方法的普及,可以将土壤的变异分为系统变异和随机变异两大部分,即土壤特性既有一定的结构性又有一定的随机性,而分析这种变异的方法是地统计学方法(Geostatistics).在土壤水分空间异质性的研究中引入地统计学方法,使土壤水分空间变异的定量分析成为可能.但目前的研究结论存在分歧,如Loague、Charpentier和Groffman等人发现土壤水分不存在或存在微弱的空间自相关;而其他学者利用实测数据研究发现土壤水分存在明显的空间自相关,相关距离为1.57～2.97、2～13、18～51、60～160、550～650和3000m.显然,随着研究尺度的不同,土壤水分空间异质性程度差距很大.针对这一问题,本研究通过定位监测,对黄土区不同取样尺度下土壤水分实测值应用地统计学分析的方法,探讨不同取样尺度下土壤水分的空间变异规律,为林业生态工程的构建以及植被恢复与重建提供关键技术支撑.1蔡家川黄土区研究区位于山西省吉县蔡家川流域(北纬36°14′～36°18′、东经110°40′～110°48′),流域主沟长12.15km,面积40.10km2.研究区位置图如图1所示.该流域为黄土高原残塬沟壑区和梁状丘陵沟壑区的典型地区,海拔904～1592m,年平均降雨量为579.5mm,年平均水面蒸发量为1723.9mm,年均气温10℃.土壤为褐土,黄土母质.流域森林覆盖率为39.8%.实验区为黄土区典型梁峁类型(见图1),位于蔡家川流域中部,主梁为南北走向,南北向长675m,东西向长490m,峁顶海拔1195m,沟底海拔1060m,高差135m.坡度范围在7°～66°之间.梁峁坡面植被以人工林为主,包括果园、纯林、混交林、灌草坡.主要乔灌木有油松(Pinustabulaeformis)、侧柏(Platycladusorientalis)、刺槐(Robiniapseudoacacia)、沙棘(Hippophaerhamnoides)、梨(Pyrusbretschneideri)、山桃(Prunusdavidiana)、山杏(Armeniacasibirica)、黄刺玫(Rosexanthina)、三裂绣线菊(Spiraeatrilobata)等.2学习方法2.1观测方法2.1.1网格布设样点和样点在试验区,采用均匀网格法布置土壤水分测定样点,按20m×20m的网格选取样点,共布置样点291个.同时,选择一个20m×20m的网格布设小尺度的取样亚区,将此亚区按2m×2m大小的网格布置取样点100个,全区共设置样点391个,见图1.2.1.2土层水分含量测定于2005年4月25和26日,使用TDR测定所选样点0～30cm和30～60cm土层水分含量.本次试验选用TRIME--TDR,并配合三针型P3探头同时使用.2.2分析2.2.1梁坡面土壤水分的统计分析利用ArcGIS将全试验区391个样点点位图数字化,生成用于地统计学分析的样点分布空间数据库,通过关键字段与各点不同土层土壤水分数据之间实现联接,形成与样点地理坐标匹配的属性数据.然后用ArcGIS中的GeostatisticalAnalyst模块进行地统计学分析,包括样本数据的统计分析、异常值的剔除、变异函数的计算、变异函数的结构分析、理论变异函数模型的最优拟合及检验,并运用克立格插值方法,根据理论变异函数模型对未测定区域土壤水分状况进行插值计算,生成整个梁峁坡面的土壤水分分布图.2.2.2变分法与变异函数在一维条件下变异函数定义为:当空间点x在一维x轴上变化时,区域变量Z(x)在点x和(x+h)处的值Z(x)与Z(x+h)差的方差一半定义为区域化变量Z(x)在x轴方向上的变异函数,记为γ(h),即γ(h)=12Ν(h)Ν(h)∑i=1[Ζ(xi)-Ζ(xi+h)]2(1)γ(h)=12N(h)∑i=1N(h)[Z(xi)−Z(xi+h)]2(1)式中,N(h)为样点数.变异函数一般用变异曲线来表示,它显示了滞后距h与相应的变异函数值γ(h)的对应关系.图2为变异曲线示意图.C0称为块金值,它表示h很小时,两点间取值的变化,反映了区域化变量Z(x)内部随机性的可能程度,主要来源于小于抽样尺度h时所具有的内部变异和取样分析的误差.a为变程,当h≤a时,任意两点间的观测值有相关性,相关性随h的变大而减小,当h>a时就不再具有相关性.a的大小反映了研究对象中某一区域化变量的变化程度,也反映了影响范围.C称为基台值,反映某区域化变量在研究范围内变异的强度,它是最大滞后距的可迁性变异函数的极限值.C1称为拱高.2.2.3转化模型的拟合变异函数有助于了解区域化变量的变化特征及结构性状,但当定量的描述整个区域特征时,有关整体的变异结构必须借助统计推断,即对变异曲线拟合相应的理论模型.球状模型是地统计学应用最广的理论模型.许多区域化变量的理论模型都可以用球状模型来拟合,公式为:γ(h)={0h=1C0+C1(32×ha-12×h3a3)0＜h≤aC0+C1h＞a(2)γ(h)=⎧⎩⎨⎪⎪⎪⎪0C0+C1(32×ha−12×h3a3)C0+C1h=10＜h≤ah＞a(2)2.2.4局部插值:局部估计克立格法(Kriging)也称空间局部估计或空间局部插值,是地统计学两大主要内容之一.它是建立在变异函数理论及结构分析基础上,在有限区域内对区域化变量的取值进行无偏最优估计的一种方法.3结果与分析3.1土壤水分变化程度的确定在建立变异函数理论模型之前,应对数据的统计学特征有一个初步的了解.对391个样点的土壤水分数据进行传统统计学分析,其结果见表1.由表1可见0～30cm土层土壤平均含水量低于30～60cm土层,变异系数高于30～60cm土层,说明表层土壤较低的土壤水分含量和较高的变异程度,而底层土壤水分状况较好且变异程度较小.其原因在于表层较底层土壤蒸发强烈,土壤水分含量较少,且表层土壤由于地形分异引起不同位置土壤蒸发量差异较大,以致表层土壤水分变异系数大于底层.不同取样尺寸土壤水分的变异程度差距明显,2m×2m网格样点土壤水分变化程度远小于20m×20m网格样点.变异函数的计算一般要求数据符合正态分布,否则可能会使变异函数产生比例效应,使实验变异函数产生畸变.因此需要判断土壤水分数据的分布类型,现将分析数据按照经验公式3分组,确定组距及组数.{i(组距)=全距/(1+3.322logΝ)Ι(组距)=1+3.322logΝ(3){i(组距)=全距/(1+3.322logN)I(组距)=1+3.322logN(3)式中,N为观测值总数(即测定的样本数).根据分组数据,统计各组内的频数,制成频数表,计算出频率(%).以频率做纵坐标,以水分含量做横坐标,生成频率分布直方图(图3).由土壤水分频率分布直方图可以看出,不同土层、不同规格的网格取样数据接近正态分布.可以使用变异函数进行数据计算.3.2变量函数的结构分析3.2.1最佳拟合模型的确定使用ArcGIS的GeostatisticalAnalystis模块,通过各取样点的土壤水分属性信息计算出γ(h)～h的散点图之后,分别用不同类型的模型进行拟合,得到模型的参数值(表2).选取平均值最接近0,均方根和标准差最小,标准均方根最接近1的模型类型,此模型即为最佳拟合模型.通过对表2中各组数据比较分析发现,使用球状模型(公式2)模拟20m×20m和2m×2m网格取样土壤水分含量最为合适.3.2.2结构比的影响根据变异函数的计算方法,通过对几何异向性的坐标转换,计算γ(h)～h的散点图(见图4),建立不同土层土壤水分的理论变异函数模型.不同取样网格,土层土壤水分变异函数模型参数值见表3.20m×20m网格取样的基台值(C0+C1)大于2m×2m网格取样,表明20m×20m网格取样的土壤水分总的空间异质性程度远大于2m×2m网格取样.20m×20m网格取样所涵盖的植被类型、地形条件等的差异远远大于2m×2m网格取样,直接导致了不同取样尺度之间土壤水分空间异质性之间的差异.这种差异在块金值中也有所反映.实验中得出了较大的块金值C0,即本次试验采用的取样网格的数据还不能全面揭示更微观变化的结构特征,且20m×20m网格取样的块金值C0大于2m×2m网格取样,说明随着取样尺度的增加,随机因素或实验误差所引起的空间变异增大.结构比(C1/(C0十C1))说明自相关部分引起的空间异质性程度的高低,Cambardella等研究认为:结构比>75%,说明系统具有强烈的空间相关性;比值在25%～75%之间,表明系统具有中等相关性;比例<25%,说明系统相关性很弱.实验所得结构比在55.94～65.07之间,说明实验区的土壤水分具有中等程度的空间相关性,其空间变异主要是由土壤母质、地形、气候等非人为因素(空间自相关部分)引起的.同一土层20m×20m取样网格的结构比大于2m×2m网格取样,说明较大的范围(20m×20m)由空间自相关部分引起的土壤水分空间异质性程度较大,而较小的范围(2m×2m)由随机部分引起的土壤水分空间异质性程度较大;而在相同的取样网格中,0～30cm土层的结构比大于30～60cm,表明表层土壤水分的空间自相关程度要强于底层,这主要是由于表层土壤水分更易受地形、气候等因素的影响.两种网格取样的变程差距显著,可见土壤水分的空间异质性程度与研究尺度有很大关系,随着研究尺度的变化,土壤水分的空间异质性程度差距很大.20m×20m网格取样的土壤水分变异函数变程为494.16m,说明在较大尺度的研究中,当土壤水分测点距离小于494.16m时,任意两点间的观测值有相关性,相关性随距离的变大而减小,当距离超过494.16m时,就不再具有相关性.2m×2m网格取样的变程为27.40m,表明在小尺度的研究中,当土壤水分测点距离小于27.40m时,任意两点间的观测值有相关性,当距离超过27.40m时,就不再具有相关性.根据以上分析,得到土壤水分变异函数模型:1)2m×2m网格0～30cm土层土壤水分变异函数模型γ(h)={0h=05.18+9.19(32×h27.40-12×h327.403)0＜h≤27.4014.38h＞27.402)2m×2m网格30～60cm土层土壤水分变异函数模型γ(h)={0h=04.67+5.93(32×h27.40-12×h327.403)0＜h≤27.4010.60h＞27.403)20m×20m网格0～30cm土层土壤水分变异函数模型γ(h)={0h=05.78+10.75(32×h494.16-12×h3494.163)0＜h≤494.1616.52h＞494.164)20m×20m网格30～60cm土层土壤水分变异函数模型γ(h)={0h=07.13+10.79(32×h494.16-12×h3494.163)0＜h≤494.1617.92h＞494.163.2.3克立格可估计性检验交叉验证法是依次假设每一个实测数据点未被测定,由所选定的变异函数模型,根据n-1个其他测定点的数据用克立格法估计这个假设未被测定的值.变异函数交叉检验结果见图5和表4.交叉检验回归系数分别为1.055、1.038、1.07、1.043,趋近1,表明估计值与真实值十分接近,应用所建立的理论模型进行克立格估值的精度较高.3.3土壤含水量的空间分布结构和分析3.3.1土壤水分空间分布根据得到的变异函数理论模型,采用普通克立格法进行最优内插,绘制土壤水分含量的空间格局图(krigingmap)(见图6),并计算出各含量范围和有效水含量范围的分布面积统计表(见表5).如图6中(a)、(b)所示,在2m×2m网格取样土壤水分分布图中可以看出土壤水分自南向北递减,东南—西北方向变异较西南—东北方向剧烈.原因在于,测区地势平坦,且网格的东北边缘和西北边缘接近跌坎,跌坎附近不利于降水的保畜,土壤质地较差,植被稀少,蒸发强烈,形成土壤水分低含量区.30～60cm土壤水分状况要好于0～30cm,高水分含量区域较大,且表现出更强的方向性.在高水分含量区(0～30cm土壤水分含量在16.4%～23.3%范围内;30～60cm土壤水分含量在17.8%～24.8%范围内)土壤水分变化梯度较大,而在较低含量区域(0～30cm土壤水分含量在8.2%～16.4%范围内;30～60cm土壤水分含量在8.7%～17.8%范围内)土壤水分变化平缓.如图6中(c)、(d)所示,因取样尺度的扩大,表现出更为复杂的土壤水分空间分布变化.但总体呈现自东北向西南减小的趋势,可见在同一坡面上,坡向是土壤水分空间变异的主导因子,阳坡由于太阳辐射强度较大,土壤水分蒸发强烈,以至形成较低的土壤水分含量;而阴坡水热条件适中,植被长势较好,土壤蒸发量小,土壤水分条件较好.30～60cm土壤水分状况要好于0～30cm,由于表层土壤受气象因素影响强烈,测期正值干季,强烈的土壤水分蒸发,使表层土壤水分含量偏低.由于部分高水分含量区域的出现,凸现了30～60cm土壤土层的土壤水分的局部变化.如表5所示,0～30cm、30～60cm土壤水分平均值为10.94%、11.88%,土壤水分含量多集中于10%～15%之间,因为测量时间处于春季土壤水分强烈蒸发消耗期,土壤水分含量较低.而表层(0～30cm)土壤水分含量<10%的区域占39.6%,土壤水分条件较差,深层的(30～60cm)高含水区和低含水区面积相当,水分条件较为理想,基本能支撑生长初期的植物需水.3.3.2土壤水分.克立格估计方差克立格法本质上是对未抽样点进行线性无偏的最优估计,而且可以得到估计的方差.估计的方差反映了