下载文档原格式
森林植被变化对水文过程和径流的影响效应.doc森林植被变化对水文过程和径流的影响效应摘要：森林植被变化对水分分配和河川径流具有调节作用。
对我国森林植被变化水文效应文献的综合分析表明：森林砍伐或火灾引起森林覆盖度下降会导致林冠截留率、凋落物对降水截留能力和蓄水能力、土壤的渗透和蓄水能力降低。
不同地区森林植被变化对径流的影响幅度相差较大，但比较一致的结论是：除长江中上游外，森林砍伐会降低植被层的蒸发散，增加河川径流；反之，会减少河川径流量。
森林火灾会导致林木蒸发散减少，河川径流增加。
关键词：森林砍伐；森林火灾；水文过程；河川径流中图分类号：S715.3文献标识码：A文章编号：1000-3037(2001)05-0481-071 前言森林植被对陆地生态系统水分循环有着重要的调节作用，森林的水文效应是生态系统中森林和水相互作用及其功能的综合体现。
在不同的地区，由于气候、地质条件、土壤和地形等因素的综合影响，森林的存在和变化将呈现出不同的水文功能。
森林植被变化对森林水文过程的影响将会改变水量平衡的各个环节，影响森林的水分状况和河川径流。
这将为不同地区森林变化对区域水分循环的调节作用提供重要信息，为森林生态工程的建设和森林保护提供科学参考，特别对当前西部开发“植树种草”生态保护工程具有重要的指导意义。
森林与水关系的研究始于20 世纪初，早期的森林水文研究重点关注森林的变化，主要观测森林砍伐对森林流域产水量的影响，采用的研究方法是对比流域试验法和流域自身对比法。
国际上对森林植被的变化，特别是森林砍伐、火灾对森林水量的影响及以增加流域水量为目的的森林经营等方面已有大量的研究，在20 世纪60～80 年代达到高潮，以国际上举行了一系列的国际会议为标志。
目前国际上研究的初步结论是：森林覆盖度减少可以不同程度地增加流域的产水量，造林则导致流域水量降低，而森林植被变化对流域产水量的影响却大相径庭。
在我国，也进行了大量的森林砍伐对森林径流的影响和对比流域不同森林覆盖度对森林水文影响的研究，但文献较为散乱。
饱和—非饱和土壤渗流过程中Richards方程的分析与计算饱和—非饱和土壤渗流过程中Richards方程的分析与计算一、引言土壤是地球表面上一种重要的自然资源，对于人类的生存和发展具有不可忽视的重要性。
而土壤的渗流过程是土壤水文循环中的重要组成部分，对于污染物迁移、地下水资源的利用以及农田排水等方面起到关键性的作用。
在饱和—非饱和土壤渗流过程中，Richards方程被广泛应用于描述土壤中水分的运移。
由于其能够考虑到土壤含水量和毛管力的变化，因而被认为是一种较为准确描述土壤水分运动行为的模型。
二、Richards方程的基本原理对于水分运动的描述，Richards方程以非饱和土壤脱水为起点，通过连续方程、流体力学方程和质量运输方程的相互作用得到了一种严格的数学表述。
其基本形式如下：∂θ/∂t = ∇·(K(θ)∇h - v(θ)∇z) + S其中，∂θ/∂t表示时间t上的含水量变化率；∇·表示向量的散度；K(θ)表示绝对渗透率；∇h表示毛管势梯度；v(θ)表示含水饱和度与非饱和度之间的关系；∇z表示垂直方向的坡度；S为源项。
这个方程中最重要的部分是K(θ)和v(θ)两个系数。
K(θ)随着土壤中水分含量的变化而变化，这个变化通常用van Genuchten模型表示；v(θ)一般使用Brooks-Corey模型来描述。
这两个模型可以通过实验数据进行参数拟合，进而求解Richards方程。
三、数值求解Richards方程的方法由于Richards方程是一个非线性偏微分方程，无解析解，需要借助数值计算方法来求解。
常用的方法有有限元法、有限差分法和边界元法等。
在有限差分法中，采用离散网格将土壤领域离散化，并用差分法近似微分算子，从而得到求解方程的代数方程组。
通过迭代计算，可以得到土壤中水分变化的数值解。
四、模拟实例为了验证Richards方程的适用性和准确性，可以进行一系列的模拟实验。
以一个孔隙度为0.4的土壤样品为例，使用van Genuchten和Brooks-Corey模型求解Richards方程，并与实验数据进行对比。
森林的保持水土与涵养水源功能分析作者：周洪波来源：《南方农业·下旬》2021年第04期摘要针对森林保持水土与涵养水源的相关功能和效应展开全面的分析和评价，对森林保持水土与涵养水源的具体作用层级及功能进行深入探索，以期充分发挥森林保持水土与涵养水源的功能，有效实现森林资源的良好保护工作效果，实现良好的环境效益和社会效益。
关键词森林;水土保持;涵养水源中图分类号：S714 文献标志码：A DOI：10.19415/ki.1673-890x.2021.12.068森林资源是保证生态环境的重要载体，同时也是人们赖以生存的重要资源。
森林中的植被和自然界之间实现物质和能量交换的过程中，对周围的环境会产生明显的影响，植被在吸收周围空气中二氧化碳的同时释放出大量氧气，还可以进一步控制空气湿度与降水量等，具备控制风速、保持水土、涵养水源及净化空气等多方面优势。
保持水土与涵养水源功能是森林功能的一个组成部分，对森林资源的有效保护可以为人们创造出更多具有实质性意义的价值。
1 林冠和林下植被层保持水土与涵养水源功能林冠即植被的枝冠，具有良好的截留降水的效果。
林冠相当于一把伞，可以有效截留降雨和保护地面，植被的树冠和林下植被层可以截留一部分的外部降雨，可以削减甚至消除降水对水土所造成的侵蚀性影响。
影响水体截流量的主要因素包含实际降水强度、森林自身的结构构成特点及所处位置等，在我国中纬度地势条件下，一个基本郁闭的森林生态系统可截留当年降水的15%～30%[1]。
如果外部降雨直接落在地表，会造成土壤的破坏和土壤流失问题，导致土壤受到侵蚀。
在外部强降雨的击打和浸润下，地表土壤结构会被进一步破坏，土壤的抗侵蚀作用会大幅度下降，同时水分饱和状态下的表层土壤，随着降雨量的不断增加会呈现出泥浆状态，泥浆状态的土壤会堵塞土壤的空隙进而进一步影响水体的渗透，造成不同程度的土壤侵蚀现象。
1）通过树木自身的林冠和林下植被所产生的遮挡性作用，树木的林冠越低、植被越茂密，则整体的遮盖效果越明显。
非饱和渗流分析方法
非饱和渗流分析是一种实际应用十分广泛的土壤水文学分析方法，它是采用Richards方
程分析非饱和状态下的水份与气压以及土壤参数的短时间动态变化的过程，以应对非常多
的现实情况，比如暴雨、流域建设、水资源利用以及土壤污染等，为解决问题提供有用信息。
非饱和渗流分析是一种常见用于水文学研究的建模方法，并在更具体的研究中也有过应用。
它结合使用Richards方程来探究和分析土壤水份的动态变化过程以及其影响因素，这对
于理解和掌握各种现象的本质非常重要。
除此之外，该方法也可以模拟各种细节，例如不
同土层的变化、地下水的移动、渗漏的水量等。
此外，非饱和渗流分析也可以用来预测指定区域水源的变化，这在水资源及建设规划中具
有重要意义。
预测结果根据具体地质条件不同，可区分出可能的详细分布，有助于更有效、更精确地管理水资源和水文工程建设。
非饱和渗流分析是综合性的水文学研究方法，是多学科融合的典范。
它可以帮助我们了解
不同土壤条件下水分的变化特征，从而更好地评估水的保留和调节能力，为科学管理水资
源提供合理的建议。
第３９卷第１３期２０１９年７月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．３９，Ｎｏ．１３Ｊｕｌ．，２０１９基金项目：国家重点研发计划项目（２０１７ＹＦＡ０６０４７０１）；中国博士后科学基金项目（２０１８Ｔ１１００６６，２０１７Ｍ６２００２９）；中央高校基本科研业务费专项收稿日期：２０１８⁃０４⁃２６；㊀㊀网络出版日期：２０１９⁃０４⁃１７∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｓｈｕａｉｗａｎｇ＠ｂｎｕ．ｅｄｕ．ｃｎＤＯＩ：１０．５８４６／ｓｔｘｂ２０１８０４２６０９４９潘宁，王帅，刘焱序，赵文武，傅伯杰．土壤水分遥感反演研究进展．生态学报，２０１９，３９（１３）：４６１５⁃４６２６．ＰａｎＮ，ＷａｎｇＳ，ＬｉｕＹＸ，ＺｈａｏＷＷ，ＦｕＢＪ．Ａｄｖａｎｃｅｓｉｎｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｆｒｏｍｒｅｍｏｔｅｓｅｎｓｉｎｇ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０１９，３９（１３）：４６１５⁃４６２６．土壤水分遥感反演研究进展潘㊀宁１，王㊀帅１，∗，刘焱序１，赵文武１，傅伯杰１，２１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，北京㊀１００８７５２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，北京㊀１０００８５摘要：土壤水分精确反演对于理解和解决农业生产㊁生态规划以及水资源管理中的科学与实际问题至关重要㊂目前，大量的反演算法被广泛用于土壤水分估算，全球土壤水分遥感反演产品不断发布，反演算法与产品数据集的应用前景亟待系统梳理㊂基于不同谱段遥感探测技术中的土壤水分反演方法存在各自的特点㊁优势和局限性㊂除反演方法研究外，土壤水分遥感反演研究热点可被归纳为遥感土壤水分产品评估㊁在相关领域的应用㊁数据同化３个方面㊂大量研究表明土壤水分遥感反演产品在生态㊁水文㊁干旱等研究中表现出巨大的潜力，且在部分研究中已经得到应用㊂但目前土壤水分的遥感观测与应用需求仍存在一定的差距，因此最后对土壤水分遥感反演在探测的精度和准确度两个方面及其解决方案进行了总结与展望㊂关键词：土壤水分；反演方法；遥感产品；数据应用；数据同化ＡｄｖａｎｃｅｓｉｎｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｆｒｏｍｒｅｍｏｔｅｓｅｎｓｉｎｇＰＡＮＮｉｎｇ１，ＷＡＮＧＳｈｕａｉ１，∗，ＬＩＵＹａｎｘｕ１，ＺＨＡＯＷｅｎｗｕ１，ＦＵＢｏｊｉｅ１，２１ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥａｒｔｈＳｕｒｆａｃｅＰｒｏｃｅｓｓｅｓａｎｄＲｅｓｏｕｒｃｅＥｃｏｌｏｇｙ，ＦａｃｕｌｔｙｏｆＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅ，ＢｅｉｊｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００８７５，Ｃｈｉｎａ２ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＵｒｂａｎａｎｄＲｅｇｉｏｎａｌＥｃｏｌｏｇｙ，ＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＥｃｏ⁃ＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００８５，ＣｈｉｎａＡｂｓｔｒａｃｔ：Ａｃｃｕｒａｔｅｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｉｓｖｅｒｙｉｍｐｏｒｔａｎｔｆｏｒｕｎｄｅｒｓｔａｎｄｉｎｇａｎｄｓｏｌｖｉｎｇｓｃｉｅｎｔｉｆｉｃａｎｄｐｒａｃｔｉｃａｌｐｒｏｂｌｅｍｓｉｎａｇｒｉｃｕｌｔｕｒａｌｐｒｏｄｕｃｔｉｏｎ，ｅｃｏｌｏｇｉｃａｌｐｌａｎｎｉｎｇ，ａｎｄｗａｔｅｒｒｅｓｏｕｒｃｅｓｍａｎａｇｅｍｅｎｔ．Ａｔｐｒｅｓｅｎｔ，ａｌａｒｇｅｎｕｍｂｅｒｏｆｉｎｖｅｒｓｉｏｎａｌｇｏｒｉｔｈｍｓａｒｅｗｉｄｅｌｙｕｓｅｄｉｎｓｏｉｌｍｏｉｓｔｕｒｅｅｓｔｉｍａｔｉｏｎ，ａｎｄｇｌｏｂａｌｓｏｉｌｍｏｉｓｔｕｒｅｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｉｏｎｐｒｏｄｕｃｔｓａｒｅｃｏｎｓｔａｎｔｌｙｐｕｂｌｉｓｈｅｄ，ｂｕｔｉｎｖｅｒｓｉｏｎａｌｇｏｒｉｔｈｍｓａｎｄｔｈｅａｐｐｌｉｃａｔｉｏｎｐｒｏｓｐｅｃｔｓｏｆｐｒｏｄｕｃｔｄａｔａｓｅｔｓｎｅｅｄｔｏｂｅｓｙｓｔｅｍａｔｉｃａｌｌｙｃｏｍｂｅｄ．Ｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｍｅｔｈｏｄｓｂａｓｅｄｏｎｒｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙｉｎｄｉｆｆｅｒｅｎｔｓｐｅｃｔｒａｌｒａｎｇｅｓｈａｖｅｔｈｅｉｒｏｗｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ａｄｖａｎｔａｇｅｓ，ａｎｄｌｉｍｉｔａｔｉｏｎｓ．Ｉｎａｄｄｉｔｉｏｎｔｏｉｎｖｅｒｓｉｏｎｍｅｔｈｏｄｓ，ｔｈｅｒｅｓｅａｒｃｈｈｏｔｓｐｏｔｓｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｉｏｎｏｆｓｏｉｌｍｏｉｓｔｕｒｅｃａｎｂｅｓｕｍｍａｒｉｚｅｄｉｎｔｏｔｈｒｅｅａｓｐｅｃｔｓ：ｅｖａｌｕａｔｉｏｎｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｓｏｉｌｍｏｉｓｔｕｒｅｐｒｏｄｕｃｔｓ，ａｐｐｌｉｃａｔｉｏｎｉｎｒｅｌａｔｅｄｆｉｅｌｄｓ，ａｎｄｄａｔａａｓｓｉｍｉｌａｔｉｏｎ．Ａｌａｒｇｅｎｕｍｂｅｒｏｆｓｔｕｄｉｅｓｓｈｏｗｔｈａｔｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｉｏｎｐｒｏｄｕｃｔｓｆｏｒｓｏｉｌｍｏｉｓｔｕｒｅｈａｖｅｓｈｏｗｎｇｒｅａｔｐｏｔｅｎｔｉａｌｉｎｅｃｏｌｏｇｉｃａｌ，ｈｙｄｒｏｌｏｇｉｃａｌ，ｄｒｏｕｇｈｔ，ａｎｄｏｔｈｅｒｒｅｓｅａｒｃｈ，ａｎｄｈａｖｅｂｅｅｎａｐｐｌｉｅｄｉｎｓｏｍｅｒｅｓｅａｒｃｈ．Ｈｏｗｅｖｅｒ，ｔｈｅｒｅｉｓｓｔｉｌｌａｇａｐｂｅｔｗｅｅｎｔｈｅｒｅｍｏｔｅｓｅｎｓｉｎｇｏｂｓｅｒｖａｔｉｏｎｓａｎｄａｐｐｌｉｃａｔｉｏｎｉｎｓｏｉｌｍｏｉｓｔｕｒｅ．Ｔｈｕｓ，ｔｈｉｓｐａｐｅｒｆｉｎａｌｌｙｓｕｍｍａｒｉｚｅｓａｎｄｆｏｒｅｃａｓｔｓｔｈｅｐｒｅｃｉｓｉｏｎａｎｄａｃｃｕｒａｃｙｏｆＳｏｉｌＭｏｉｓｔｕｒｅＲｅｍｏｔｅＳｅｎｓｉｎｇＩｎｖｅｒｓｉｏｎａｎｄｉｔｓｓｏｌｕｔｉｏｎｓ．ＫｅｙＷｏｒｄｓ：ｓｏｉｌｍｏｉｓｔｕｒｅ；ｉｎｖｅｒｓｉｏｎｍｅｔｈｏｄ；ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｅｄｐｒｏｄｕｃｔｓ；ｄａｔａａｐｐｌｉｃａｔｉｏｎ；ｄａｔａａｓｓｉｍｉｌａｔｉｏｎ土壤水分作为重要的陆地表层系统要素，是生态㊁环境㊁农业等领域研究中不可忽视的指标㊂对比传统的６１６４㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀土壤水分测量方法如烘干法㊁时域反射法等局地土壤水分测量途径［１］，遥感技术提供了一种周期性㊁可全球覆盖的㊁多时相的对地观测手段［２⁃５］，为土壤水分研究带来了新的技术支撑㊂在目前遥感技术和土壤水分研究的衔接中，数据㊁方法与应用三者之间的级联特征尚缺乏梳理，容易致使数据误用，从而增加了遥感土壤水分产品在使用中的不确定性㊂基于此，本文拟依托数据㊁方法与应用的逻辑主线（图１），首先对土壤水分研究中所涉及到的遥感数据及对应方法的特点与不足进行梳理，为遥感技术在土壤水分研究中的应用提供更清晰的技术背景；随后对土壤水分数据产品的近今研究应用进行归纳总结，提出目前的研究热点及方向；最终就遥㊂感土壤水分的研究前景做出三点展望图１㊀遥感技术在土壤水分中的研究框架Ｆｉｇ．１㊀Ｒｅｓｅａｒｃｈｆｒａｍｅｗｏｒｋｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙｉｎｓｏｉｌｍｏｉｓｔｕｒｅ１㊀土壤水分遥感定量反演基础１．１㊀光学遥感反演方法广义的光学遥感包括可见光⁃近红外⁃热红外三部分的波段范围㊂目前在可见光⁃近红外波段，常用的方法是利用Ｌａｎｄｓａｔ或ＭＯＤＩＳ等多光谱数据构建相应的干旱指数或植被指数来反映土壤含水量［６⁃８］㊂在热红外波段，通过地表温度［９］或热惯量［１０］实现土壤水分的反演㊂其中地表温度常常与植被指数相结合，通过不同土壤水分条件下所观测到的卫星影像像元值在温度⁃植被指数特征空间的分布规律来估算土壤水分［１１⁃１４］㊂热惯量与土壤水分之间存在一定的理论基础，可以根据能量平衡方程来估算土壤水分，但由于物理模型较复杂，常常利用回归函数模型进行反演㊂在经验方程基础上，相关研究还在模型中对地形㊁土壤质地㊁风速等影响热惯量的因素进行了修正㊂例Ｄｏｎｇ等［１５］通过表层土壤温度估算了土壤热和水力参数，并用来促进土壤水分估算的精度和鲁棒性㊂对比之下，可见光⁃近红外波段可以反映地表植被生长状况，热红外波段的光谱特性可以通过能量平衡与土壤水分建立理论模型㊂因此在近几年光学遥感反演土壤水分的研究中，可见光⁃近红外波段数据常常与热红外波段数据进行融合分析㊂除上述温度⁃植被指数空间外，另一种常用的融合方法是蒸散与作物缺水指数法㊂例如虞文丹等［１６］在作物缺水指数构建模型中引入双层蒸散发模型，估算了表层２０ｃｍ土壤的相对含水量㊂此外还有多种融合方式，如除多等［１７］将生长季植被供水指数与热红外波段相结合实现西藏高原地区的土壤水分遥感监测；于君明等［１８］通过角度指数来修正ＭＯＤＩＳ数据近红外与两个热红外光谱之间的关系，提高了土壤水分监测的精度㊂此外，高光谱遥感技术也以其丰富的光谱信息广泛应用于土壤水分的反演中［１９］，例如Ｓａｄｅｇｈｉ等［２０］在波段选择的基础上提出了一种基于可见光⁃近红外波段估算土壤水分的线性物理模型㊂土壤反射光谱曲线中的水分吸收带主要体现在近红外的１４００ｎｍ㊁１９００ｎｍ和２２００ｎｍ左右，最佳波段选择㊁光谱特征增强（如微分光谱㊁差分等）是剔除数据冗余㊁提高反演精度的常用方法㊂利用高光谱技术反演土壤水分可以分为两种类型，一种是采用土壤采样的方法，分别获取土壤含水量和土壤反射光谱，通过经验模型建立土壤水分与光谱反射之间的关系，同时还可以用来分析土壤含水量与有机质㊁氮磷元素等含量的影响，此类实验研究较多［２１⁃２２］；另一种是利用高光谱影像实现土壤水分的分布制图㊂由于高光谱数据含有丰富的光谱信息，混合光谱分解是目前高光谱研究中的热点和难点，也引入到了土壤水分反演的研究中，例如蔡亮红和丁建丽［２３］利用小波变换对土壤光谱进行８层分解，分别对分解后特征光谱进行９种数学运算建立与土壤水分的回归模型，为反射率法反演土壤水分提供了新思路㊂１．２㊀微波遥感反演方法对比光学遥感，微波遥感波长较长，具有一定的穿透能力，不受云层㊁大气的影响，在对地观测研究中发挥着巨大的作用，近年来发射的对地观测卫星也均以微波传感器为主，如ＳＭＯＳ㊁ＳＭＡＰ等㊂微波遥感反演土壤水分受植被和粗糙度［２４⁃２５］影响较大，在光滑的裸土区域精度最佳，并随着土壤粗糙度和植被生物量的增加而降低，因此通常分裸露地表［２６］和植被覆盖地表进行反演分析㊂微波遥感反演地表土壤水分具有一定的理论基础［２７⁃２８］㊂理论模型不依赖于站点条件和传感器特性［２９］，在裸露地表或稀疏植被区建立的主动微波物理模型有几何光学模型㊁物理光学模型㊁小扰动模型以及积分方程模型ＡＩＥＭ等㊂前３个模型均有一定的粗糙度适用范围，而ＡＩＥＭ模型的粗糙度适用范围相对较宽㊂然而由于对表面粗糙度的敏感性及其参数测量困难，ＡＩＥＭ模型在实际应用中结果并不理想，过去的几年中出现了ＩＥＭ改进模型和许多解算方案，如神经网络㊁遗传算法等㊂主动微波经验模型假设粗糙度不变的情况下，后向散射系数和土壤水分之间有一个近似的线性关系［３０］㊂然而经验模型的参数设置一般只对特定的数据集和实验条件（如观测频率㊁入射角和表面粗糙度等）有效，该模型的建立需要大量实验基础，实现成本较高且鲁棒性较差㊂半经验模型是经验模型和理论模型的一个折中［３１⁃３２］，利用模拟或实测数据集来简化后向散射的理论模型，建立在一定的统计规律上，又在一定程度上反映了散射机制，能够获得较好的精度，如常用的Ｏｈ模型［３３］和Ｄｕｂｏｉｓ模型［３４］㊂随后，一些研究将两种常用模型耦合，提出了一种融合模型，即半经验耦合（ＳＥＣ）模型㊂ＳＥＣ模型在同向极化和交叉极化中均耦合了两种模型的最佳性能，并且不需要使用实测的粗糙度数据㊂与主动微波类似，被动微波反演土壤水分的方法也分为理论模型和经验模型，但相对而言受干扰因素更多㊂因此土壤粗糙度㊁土壤纹理信息等相关参数被引入土壤水分反演模型中，如Ｈｏｎｇ和Ｓｈｉｎ［２８］针对被动微波遥感提出了一种基于粗糙表面极化率特性反演土壤水分的算法㊂而在植被覆盖区，则需要引入植被指数或水云模型等来消除植被的影响㊂１．３㊀反演方法研究现状针对不同遥感数据类型的土壤水分反演方法各具特点和优势（表１）㊂其中光学遥感具有较高的空间分辨率，可以准确反映植被信息，技术相对成熟㊁可用卫星数据源多且可以获取高光谱分辨率数据；然而其时间分辨率差，受大气影响严重，多局限于区域研究，且大部分反演方法仅能反映土壤的相对湿度㊂微波遥感具有一定的穿透能力，不受云雾干扰，可以全天候观测，有相对完善的理论基础，更适合土壤水分的估算，但空间分辨率低，且受植被和地表粗糙度的影响㊂目前公开发表的一系列全球尺度的遥感土壤水分产品均建立在微波探测数据基础上㊂目前，土壤水分的遥感反演方法的研究方向可以分为４种主要类型㊂第一种是多源数据协同反演㊂除了上述光学遥感内部融合方法以外，主被动微波遥感数据相结合也是一种常用的数据融合方式［３５⁃３６］㊂如Ｋｏｌａｓｓａ等［３７］的研究表明ＡＭＳＲ⁃Ｅ的亮度温度数据和ＡＳＣＡＴ后向散射数据间的协同作用能够有效的提高土壤水分估算数据质量㊂Ｌｉｅｖｅｎｓ等［３８］将雷达的后向散射系数（ＡＳＣＡＴ数据）与辐射计的亮度温度（ＳＭＯＳ数据）相结合，从而促进土壤水分和陆地蒸发等水文要素的估算㊂而在植被覆盖区，采用微波与光学遥感相结７１６４㊀１３期㊀㊀㊀潘宁㊀等：土壤水分遥感反演研究进展㊀合的方式来消除植被对土壤水分反演的影响［３９⁃４０］㊂第二种是引入新的计算方法，如神经网络㊁遗传算法等，Ｓａｎｔｉ等［４１］和余凡等［４２］分别用人工神经网络和遗传ＢＰ神经网络实现了土壤水分的主被动遥感协同反演；随后，支持向量机等机器学习方法［４３⁃４４］在遥感中的应用成了新的热点；此外，更多的统计方法被引入到土壤水分反演的经验模型中，如贾继堂等［２２］基于多元统计分析建立了高光谱数据的土壤含水量反演模型㊂第三种是改进现有模型㊂由于土壤水分的遥感反演受多种因素的影响，如植被覆盖㊁地表粗糙度㊁土壤类型㊁地形等，理论模型过于复杂，从而在解算简化模型时会根据具体研究区域进行相应改进，从而提高反土壤水分反演的精度［４５⁃４８］㊂第四种是针对新对地观测传感器所获取数据的反演算法［４９⁃５２］㊂随着对地观测技术的发展，传感器的波段以及相应的数据获取方式也逐渐进步㊂因此利用此类数据反演土壤水分时，需要根据新的数据特征提出新的反演方法，如针对近两年发射的ＳＭＯＳ和ＳＭＡＰ卫星数据提出的一系列反演方法㊂表１㊀不同遥感探测类型对比表Ｔａｂｌｅ１㊀Ｃｏｍｐａｒｉｓｏｎｏｆｄｉｆｆｅｒｅｎｔｒｅｍｏｔｅｓｅｎｓｉｎｇｔｙｐｅｓ光谱范围Ｓｐｅｃｔｒａｌｒａｎｇｅ观测属性Ｏｂｓｅｒｖａｔｉｏｎａｌａｔｔｒｉｂｕｔｅｓ优势Ａｄｖａｎｔａｇｅｓ局限性Ｌｉｍｉｔａｔｉｏｎｓ可见光⁃近红外Ｖｉｓｉｂｌｅｌｉｇｈｔ⁃ｎｅａｒｉｎｆｒａｒｅｄ土壤反射率空间分辨率高幅宽大表层穿透力差噪声源多限日间工作热红外Ｔｈｅｒｍａｌｉｎｆｒａｒｅｄ地表温度空间分辨率高幅宽大物理意义明确表层穿透力差噪声源多受大气状况㊁植被干扰强被动微波Ｐａｓｓｉｖｅｍｉｃｒｏｗａｖｅ亮温介电特性大气干扰小穿透力强物理意义明确空间分辨率小受地表粗糙度㊁植被影响大主动微波Ａｃｔｉｖｅｍｉｃｒｏｗａｖｅ后向散射系数介电特性大气干扰小穿透力强物理意义明确空间分辨率小受地表粗糙度㊁植被影响大土壤水分存在一定的区域性，大部分学者会针对特定的地表类型或区域特征进行土壤水分的反演研究［５３⁃６１］㊂例如武晋雯等［６２］针对不同植被条件下的土壤水分监测方法进行了比较；刘焕军等［６３］则针对性研究了黑土的土壤水分的高光谱模型㊂此外还有针对干旱区㊁矿区㊁湿地等地表类型的土壤水分反演研究㊂这些土壤水分的反演方法在区域研究中表现良好并不意味着具有普适性，虽然理论基础相同，但在实际应用中表现各异，因此土壤水分的遥感反演方法始终是研究热点㊂２㊀主要研究热点２．１㊀遥感土壤水分产品评估对地观测卫星数量增加，微波探测器从Ｃ波段以发展到了Ｌ波段，为土壤水分观测增加了新的数据产品㊂如表２所示，目前发布全球遥感土壤水分数据的对地观测计划有ＡＳＣＡＴ［６４］㊁ＡＭＳＲ⁃Ｅ／２［６５］㊁ＳＭＯＳ［６６］㊁ＳＭＡＰ［６７］和我国的ＦＹ⁃３共５个，其中ＳＭＯＳ和ＳＭＡＰ是利用Ｌ波段进行地表探测的卫星计划㊂除此之外，２０１２年，作为气候变化公约（ＣｌｉｍａｔｅＣｈａｎｇｅＩｎｉｔｉａｔｉｖｅ，ＣＣＩ）项目的一部分，欧洲航空局（ＥｕｒｏｐｅａｎＳｐａｃｅＡｇｅｎｃｙ，ＥＳＡ）发布了首套数十年全球卫星观测土壤水分数据集，并已在气候变化㊁水文㊁生态等研究中得以应用［６８］㊂一系列全球尺度土壤水分数据集的发布，数据集在全球各地以及不同尺度的验证和对比分析成为了近几年的研究热点［６９⁃８５］㊂首先就时间尺度而言，由于卫星发射时间的不同，各数据集的时间序列参差不齐，其中ＥＳＡＣＣＩ数据集将相关微波数据进行融合获得了最长时间系列的土壤水分数据；其次由于传感器的探测波段不同，数据反演方法均有很强的针对性，空间分辨率也存在很大差异，具体见表２㊂验证数据包括实测数据和模型模拟数据两种检验类型，整体而言，各数据集均能满足应用需求，但普遍在地势平坦㊁地表裸露或草原区域数据精度较８１６４㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀高，且不同数据集的表现在不同区域存在很大的差异性㊂例如庄媛等［８６］的研究表明２０１２年的ＡＳＣＡＴ㊁ＷＩＮＤＳＡＴ㊁ＦＹ３Ｂ㊁ＳＭＯＳ共４种微波遥感土壤湿度产品在我国西北地区相对较好；而沈润平等［８７］的研究表明ＥＳＡＣＣＩ土壤湿度产品在我国东北地区精度最佳㊂此外，各数据集的空间相关性和时间敏感度也存在差异，如Ｐｏｌｃｈｅｒ等［８８］的研究表明，在伊比利亚半岛地区，ＳＭＯＳ数据空间相关性较差；Ｙｅｅ等［８９］在澳大利亚的马兰比季河流域比较了ＳＭＯＳ和ＡＭＳＲ⁃２数据的精度，指出若综合考虑绝对精度和时间精度，推荐最新版本的ＪＡＸＡ数据产品（ＪＸ２）；若只考虑时间精度，夜间观测获得的ＬＰ３Ｘ产品和早晨观测获得的ＳＭＯＳ２产品更佳㊂正是数据集之间存在很大的差异且区域表现的不确定性使得大量的研究聚集在数据的检验和对比㊂表２㊀全球遥感土壤水分产品对比Ｔａｂｌｅ２㊀ＣｏｍｐａｒｉｓｏｎｏｆｇｌｏｂａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｓｏｉｌｍｏｉｓｔｕｒｅｐｒｏｄｕｃｔｓＡＳＣＡＴＡＭＳＲ⁃Ｅ／２ＳＭＯＳＳＭＡＰＦＹ⁃３ＥＳＡＣＣＩ设备类型ＥｑｕｉｐｍｅｎｔｔｙｐｅＣ波段（５．２５５ＧＨｚ）主动微波６．９３ ８．９ＧＨｚ被动微波Ｌ波段（１．４ＧＨｚ）被动微波Ｌ波段（１．２ １．４ＧＨｚ）主被动微波微波成像仪多源数据空间分辨率Ｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎ１２．５ｋｍ，２５ｋｍＬｅｖｅｌ２：２５ｋｍＬｅｖｅｌ３：１２ｋｍ１５ ２１７０ｋｍ３５ｋｍ３ ４０ｋｍ５０ˑ８５／２５ｋｍ ２５ｋｍ时间分辨率Ｔｅｍｐｏｒａｌｒｅｓｏｌｕｔｉｏｎ３ｄ２次／ｄ１ ３ｄＬｅｖｅｌ３：１ｄ／３ｄ／１０ｄ／月３ｄ２次／ｄ１０ｄ／月１ｄ时间序列Ｔｉｍｅｓｅｒｉｅｓ２００７至今２００２ ２０１０２０１３至今２０１０至今２０１５至今２０１１至今１９７９至今反演精度Ｉｎｖｅｒｓｉｏｎａｃｃｕｒａｃｙ０．０３ ０．０７ｍ３／ｍ３ȡ０．０４ｍ３／ｍ３ȡ０．０４ｍ３／ｍ３ȡ０．０４ｍ３／ｍ３０．０５ｍ３／ｍ３０．０４ｍ３／ｍ３㊀㊀ＡＳＣＡＴ，高级散射计，ｔｈｅＡｄｖａｎｃｅｄＳｃａｔｔｅｒｏｍｅｔｅｒ；ＡＭＳＲ⁃Ｅ／２，高级微波扫描辐射计，ｔｈｅＡｄｖａｎｃｅｄＭｉｃｒｏｗａｖｅＳｃａｎｎｉｎｇＲａｄｉｏｍｅｔｅｒ⁃Ｅ／２；ＳＭＯＳ，土壤水分和海洋盐度卫星，ｔｈｅＳｏｉｌＭｏｉｓｔｕｒｅａｎｄＯｃｅａｎＳａｌｉｎｉｔｙ；ＳＭＡＰ，土壤湿度主动／被动探测，ＳｏｉｌＭｏｉｓｔｕｒｅＡｃｔｉｖｅ／Ｐａｓｓｉｖｅ；ＦＹ⁃３，风云３号，Ｆｅｎｇｙｕｎ⁃３；ＥＳＡＣＣＩ，欧洲航空局气候变化公约，ＥｕｒｏｐｅａｎＳｐａｃｅＡｇｅｎｃｙＣｌｉｍａｔｅＣｈａｎｇｅＩｎｉｔｉａｔｉｖｅ２．２㊀在相关领域的应用土壤水分作为地表要素之一，在气候变化㊁陆气交互㊁全球生态㊁水文和地表模型以及干旱等研究中均起着不可或缺的作用㊂首先，在气候变化研究中，遥感土壤水分数周期性㊁时间序列长㊁空间范围广的优势有利于分析变化的空间分布和时间动态趋势［９０⁃９１］㊂Ｆｅｎｇ［９２］的研究表明，在全球尺度上，气候变化是土壤水分长时间变化的最主要驱动因素㊂因此土壤水分的变化在某种程度上反应了气候变化㊂Ｓｅｎｅｖｉｒａｔｎｅ等［９３］综合阐述了土壤水分在土地能源和水平衡中的作用，并详细分析了土壤水分与气候间的交互作用对温度和降水的影响以及在气候变化背景下的含义㊂在陆气交互研究中，土壤水分可以影响边界层的温湿变化㊂由于目前大部分关于土壤水分⁃蒸散发或土壤水分⁃温度耦合的研究都基于模型模拟结果或基于降水的干旱指数，而遥感可以提供长期的土壤水分观测估算数据，在研究蒸散发动态和大气反馈的同时还可以进行模型诊断［９４⁃９６］㊂Ｋｌｉｎｇｍｕｌｌｅｒ等［９７］将气溶胶光学厚度的正向趋势与ＥＳＡＣＣＩ土壤水分数据的反向趋势相连接，建立了更直接的土壤水分⁃大气反馈模型㊂他们的结果表明，在过去的１０年中，温度的升高和相对湿度的下降促进了土壤的干燥，导致了更多的粉尘排放和ＡＯＤ㊂在全球生物化学循环和生态系统中，土壤水分是植物物候学㊁光合作用㊁生物量分配以及土壤中碳的积累和分解等陆地生态系统过程的调节剂［９８⁃９９］㊂许多研究利用遥感土壤水分数据评估水分可用性和干旱对植物物候和生产力的影响［１００⁃１０３］㊂除此以外，也有部分学者关注于植被生长对土壤水分的影响㊂例如Ｆｅｎｇ等［１０４］分析了２００２ ２０１１年间的ＡＭＳＲ⁃Ｅ土壤水分数据，表明黄土高原退耕还林还草使土壤水分含量有所下降㊂此外，Ｐｅｒｉａｓａｍｙ等［１０５］还对土壤水分压力和盐分进行估算用于土地退化评价㊂在水文和陆表模型中，土壤水分联结了径流㊁洪水㊁蒸发㊁渗透和地下水补给等过程㊂遥感反演土壤水分９１６４㊀１３期㊀㊀㊀潘宁㊀等：土壤水分遥感反演研究进展㊀０２６４㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀数据在陆表模型和大尺度水文模型中的潜力已广泛得到认可［１０６］㊂Ｚｈｕｏ等［７２］以美国的某一流域为研究区，评估了ＳＭＯＳ升降两种观测所得土壤水分数据及其在水文气象模型中应用的可行性㊂首先遥感土壤水分数据可以用来洪水和径流预测，例Ｗａｎｄｅｒｓ等［１０７］的研究表明了多源遥感土壤水分数据在径流预测中的促进作用㊂其次，遥感土壤水分数据还可以用来促进水文循环中不同要素的定量化，如蒸散发［１０８⁃１０９］㊁地下水含量［１１０］以及降雨等㊂在干旱研究中，土壤水分的遥感数据可以直接用来监测农业干旱或者用来建立干旱指标［１１１⁃１１４］㊂例如Ｒａｈｍａｎｉ等［９１］利用ＳＭＯＳＬ３㊁ＥＳＡＣＣＩ和两种再分析土壤水分数据分析了伊朗６个子区域的土壤水分变化趋势，并通过计算标准土壤水分指数（ＳｔａｎｄａｒｄｉｚｅｄＳｏｉｌＭｏｉｓｔｕｒｅＩｎｄｅｘ，ＳＳＩ）来检测农业干旱事件的时间和规模㊂Ｍｉｓｈｒａ等［１１５］利用ＳＭＡＰ土壤水分数据构建了一个土壤水赤字指数作为农业干旱指标㊂２．３㊀数据同化在上述遥感土壤水分的应用研究中需要与降水㊁植被㊁蒸散发等数据共同计算，并涉及到许多的陆表过程㊁水文以及陆气交互模型㊂根据需求则需要将不同的数据类型或将遥感土壤水分数据引入到相应模型中，即同化㊂一方面，现有的遥感土壤水分数据产品存在精度不稳定㊁时间序列不连续㊁空间分辨率不匹配等缺陷，部分学者将不同的数据源进行同化，以满足研究需求㊂Ｌｉｕ等［３６］针对各数据集间数据质量不同等问题，提出了一种数据融合方法，将若干被动和主动微波获取的数据集融合为一个具有长时间序列的数据集㊂Ｋｏｌａｓｓａ等［３７］提出了一种利用回归方程生成长时间序列数据集的方法，将ＳＭＯＳ表层土壤水分作为回归方程的参考值，应用到ＡＭＳＲ⁃Ｅ的亮度温度数据，从而使得ＡＭＳＲ⁃Ｅ反演得出的表层土壤水分产品与ＳＭＯＳ产品达成一致㊂Ｃｒｏｗ等［５０］在美国的１６个流域对多个Ｌ波段微波遥感所得土壤水分数据与地表数据进行同化分析，提高了土壤水分信息的质量，并将土壤水分结果成功应用于水文预测㊂另一方面，遥感数据反演所得均为表层土壤水分数据，有学者利用数据同化获得根区土壤水分㊂如Ｄａｓ等［１１６］将机载遥感反演的表层土壤水分同化进入土壤⁃水⁃大气⁃植物（ＳＷＡＰ）模型中，估算了核桃谷流域根区土壤水分㊂Ｂａｌｄｗｉｎ等［１１７］提出了一种集合卡尔曼滤波（ｅｎｓｅｍｂｌｅＫａｌｍａｎｆｉｌｔｅｒ，ＥｎＫＦ）水文数据同化系统来预测卫星土壤水分数据中的偏差，并结合土壤水分解析关系（ＳｏｉｌＭｏｉｓｔｕｒｅＡｎａｌｙｔｉｃａｌＲｅｌａｔｉｏｎｓｈｉｐ，ＳＭＡＲ）渗透模型，利用卫星观测的表层土壤水分实现根区土壤水分的预测㊂也有部分学者反其道而行之，如Ｃｏｏｐｅｒｓｍｉｔｈ等［４４］由于实测传感技术和现有土壤水分观测网站无法提供实测表层土壤水分数据，从而通过机器学习方法，利用１０ｃｍ探测数据以及当前降水数据估算表层５ｃｍ的土壤水分，可以用来验证和分析遥感土壤水分估算结果㊂此外，由于数据或数据集之间的空间分辨率存在差异，在数据融合和同化的过程中涉及到一些数据降尺度或升尺度算法㊂降尺度算法可以数据的空间分辨率提高；而升尺度算法将数据的空间分辨率降低㊂如王璐等［１１８］基于克里格法实现了土壤水分遥感数据的空间尺度转换㊂Ｆａｎｇ和Ｌａｋｓｈｍｉ［１１９］在流域尺度，提出了一种利用高空间分辨率的地表温度和植被指数对被动微波反演所得土壤水分降尺度的算法，以提高土壤水分数据的空间分辨率㊂对于该部分研究内容，周壮等［１１９］和Ｑｉｎ等［１２０］已分别对降尺度和升尺度算法进行了详细综述分析㊂３㊀研究展望土壤水分作为四大圈层水分大循环中的重要组成部分，是对地观测中不可忽视的要素㊂遥感反演土壤水分的研究减少了野外采样获取土壤水分的人力劳动，且有着观测范围广㊁周期性㊁长时间序列的优势㊂随着遥感技术的发展，对地观测所用的波段范围越来越广泛；土壤水分遥感反演方法愈加的多元化且更为成熟和完善；同时越来越多的对地观测计划提供了全球土壤水分数据集，并在气候㊁生态干旱等研究中得以应用㊂然而遥感土壤水分观测与地球系统的研究需求之间仍然存在一些差距㊂首先，受遥感探测数据源的限制，获取的均为土壤表层数据㊂其次，土壤水分的反演方法表现出局限性，使得反演结果的精度有待提高㊂同时，由于遥感反演结果的不确定性，遥感土壤水分产品在生态㊁水文等领域的应用受到很大限制㊂因此，为满足科研需求，遥感土壤水分观测需要从精度和准确度两个方面进行提高㊂３．１㊀增加探测深度就深度而言，由于遥感探测器接收的地表辐射穿透能力有限，仅与表层土壤水分的相关性较强，最深仅可估算３０ｃｍ厚度的土壤水分㊂而在生态㊁水文等研究中，土壤水分的入渗以及部分植物的根系生长深度远超３０ｃｍ，使得遥感土壤水分反演数据与径流㊁植物生长等要素的联系并不紧密，因此在相关应用中表现出局限性㊂为了解决这一问题，需要建立遥感数据或反演所得表层土壤水分与深层土壤水分的关系㊂在这一过程中，可以引入土壤热学和水力学性质，分析土壤水分在土壤剖面的分配规律，从而实现深层土壤水分的遥感估算，例如Ｄａｓ等［１１６］和Ｂａｌｄｗｉｎ等［１１７］根区土壤水分的遥感预测的研究㊂如果将深层土壤水分的遥感估算进行全球推广，将对全球生态和水文研究具有重大意义㊂３．２㊀提高探测准确度准确度包含两个方面的含义，一是探测的精度，尽可能的减小估值和真值之间的误差；二是在空间和时间上的准确性㊂就精度而言，虽然在区域尺度上，一些反演结果的精度可以满足研究的需求，但全球尺度上的空间异质性使得遥感反演土壤水分产品在不同区域的精度参差不齐㊂例如，Ｗｕ等［７１］指出ＡＭＳＲ２土壤水分数据普遍比实际土壤水分数据低，在大平原与实测数据的匹配度高，而在森林区匹配度差㊂因此，提高土壤水分的遥感反演精度以及空间一致性将增加反演结果的实用性㊂就空间尺度而言，增加空间分辨率将能够为更多的区域性应用研究提供服务㊂目前公布的土壤水分产品均建立微波遥感数据基础上，空间分辨率相对较为粗糙，无法进行区域的精细研究，且与实测数据或模型模拟数据结合时存在尺度不一致的问题㊂在时间维度上，全球遥感土壤水分产品受不同对地观测计划的时间限制，时间序列不连续㊂解决这一系列问题的最有效方法就是数据融合，集合多源数据的优势，且目前有些学者已经涉及到相关的解决方案㊂虽然遥感反演土壤水分的研究中仍面临一些问题，短时间内上述提到的遥感土壤水分产品的不确定性难以从根本上得到解决，然而数据融合和协同方法可以对这一现状进行改善，为遥感土壤水分数据的应用提供了更多可能㊂但与其他土壤水分监测方法相比，遥感反演方法除了可以减少人力投入以外，所获土壤水分数据也有着不可比拟的优势㊂遥感反演土壤水分数据是大范围㊁面状㊁周期性的电子数据，可操作性强，更有利于分析土壤水分的异质性以及与其他生态㊁水文㊁气象等因子的相互关系㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀Ｌｅｋｓｈｍｉ，ＳＵＳ，ＳｉｎｇｈＤＮ，ＢａｇｈｉｎｉＭＳ．Ａｃｒｉｔｉｃａｌｒｅｖｉｅｗｏｆｓｏｉｌｍｏｉｓｔｕｒｅｍｅａｓｕｒｅｍｅｎｔ．Ｍｅａｓｕｒｅｍｅｎｔ，２０１４，５４：９２⁃１０５．［２］㊀杨涛，宫辉力，李小娟，赵文吉，孟丹．土壤水分遥感监测研究进展．生态学报，２０１０，３０（２２）：６２６４⁃６２７７．［３］㊀陈书林，刘元波，温作民．卫星遥感反演土壤水分研究综述．地球科学进展，２０１２，２７（１１）：１１９２⁃１２０３．［４］㊀ＰｅｔｒｏｐｏｕｌｏｓＧＰ，ＩｒｅｌａｎｄＧ，ＢａｒｒｅｔｔＢ．Ｓｕｒｆａｃｅｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｓｆｒｏｍｒｅｍｏｔｅｓｅｎｓｉｎｇ：ｃｕｒｒｅｎｔｓｔａｔｕｓ，ｐｒｏｄｕｃｔｓ＆ｆｕｔｕｒｅｔｒｅｎｄｓ．ＰｈｙｓｉｃｓａｎｄＣｈｅｍｉｓｔｒｙｏｆｔｈｅＥａｒｔｈ，ＰａｒｔｓＡ／Ｂ／Ｃ，２０１５，８３⁃８４：３６⁃５６．［５］㊀徐沛，张超．土壤水分遥感反演研究进展．林业资源管理，２０１５，（４）：１５１⁃１５６，１６０．［６］㊀ＷａｎｇＬＬ，ＱｕＪＪ．ＮＭＤＩ：ａｎｏｒｍａｌｉｚｅｄｍｕｌｔｉ－ｂａｎｄｄｒｏｕｇｈｔｉｎｄｅｘｆｏｒｍｏｎｉｔｏｒｉｎｇｓｏｉｌａｎｄｖｅｇｅｔａｔｉｏｎｍｏｉｓｔｕｒｅｗｉｔｈｓａｔｅｌｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇ．ＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈＬｅｔｔｅｒｓ，２００７，３４（２０）：１１７⁃１３１．［７］㊀ＧｈｕｌａｍＡ，ＱｉｎＱＭ，ＺｈａｎＺＭ．Ｄｅｓｉｇｎｉｎｇｏｆｔｈｅｐｅｒｐｅｎｄｉｃｕｌａｒｄｒｏｕｇｈｔｉｎｄｅｘ．ＥｎｖｉｒｏｎｍｅｎｔａｌＧｅｏｌｏｇｙ，２００７，５２（６）：１０４５⁃１０５２．［８］㊀ＧｈｕｌａｍＡ，ＱｉｎＱＭ，ＴｅｙｉｐＴ，ＬｉＺＬ．Ｍｏｄｉｆｉｅｄｐｅｒｐｅｎｄｉｃｕｌａｒｄｒｏｕｇｈｔｉｎｄｅｘ（ＭＰＤＩ）：ａｒｅａｌ－ｔｉｍｅｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇｍｅｔｈｏｄ．ＩＳＰＲＳＪｏｕｒｎａｌｏｆＰｈｏｔｏｇｒａｍｍｅｔｒｙａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００７，６２（２）：１５０⁃１６４．［９］㊀喻素芳，范文义，秦武明，吴英，陆道调．地表温度估测土壤含水量．广西大学学报：自然科学版，２００７，３２（Ｓ１）：１１０⁃１１２．［１０］㊀张霄羽，毕于运，李召良．遥感估算热惯量研究的回顾与展望．地理科学进展，２００８，２７（３）：１６６⁃１７２．［１１］㊀柳钦火，辛景峰，辛晓洲，田国良，杨贵军．基于地表温度和植被指数的农业干旱遥感监测方法．科技导报，２００７，２５（６）：１２⁃１８．［１２］㊀田苗，王鹏新，孙威．基于地表温度与植被指数特征空间反演地表参数的研究进展．地球科学进展，２０１０，２５（７）：６９８⁃７０５．［１３］㊀林巧，王鹏新，张树誉，李俐，景毅刚，刘峻明．不同时间尺度条件植被温度指数干旱监测方法的适用性分析．干旱区研究，２０１６，３３（１）：１８６⁃１９２．［１４］㊀沙莎，郭铌，李耀辉，胡蝶，王丽娟．温度植被干旱指数（ＴＶＤＩ）在陇东土壤水分监测中的适用性．中国沙漠，２０１７，３７（１）：１３２⁃１３９．１２６４㊀１３期㊀㊀㊀潘宁㊀等：土壤水分遥感反演研究进展㊀。
土壤水分运移模拟研究进展
土壤水分运移模拟是土壤水分状况研究的重要手段之一，近年来取得了较大的进展。
本文将就土壤水分运移模拟的最新研究进展进行综述，包括模型框架、参数估计、模型应用等方面的内容。
土壤水分运移模拟是通过建立数学模型来描述土壤中水分的运移规律。
目前广泛应用的模型有Richards方程模型、Green-Ampt模型、Darcy-Buckingham方程模型等。
Richards方程模型是描述非饱和土壤中水分运移的经典模型，由于其模拟精度较高，被广泛应用于土壤水分运移的研究中。
Green-Ampt模型则是一种近似模型，适用于描述土壤中瞬时入渗过程。
Darcy-Buckingham方程模型将土壤湿度和水分流的关系进行了描述，适用于土壤内部水分运移的研究。
参数估计是土壤水分运移模拟中的关键问题。
传统方法主要依赖于试验数据和经验公式进行参数估计，这种方法需要大量的试验数据和专业知识支持，且存在一定的主观性。
近年来，随着数据驱动方法的发展，基于机器学习算法的参数估计方法逐渐受到关注。
这些方法通过大量的观测数据和数学模型之间的关系，利用机器学习算法进行参数估计，提高了参数估计的准确性和效率。
模型应用是土壤水分运移模拟研究的重要方向之一。
模型应用可以帮助研究人员了解土壤水分运移的规律，优化农田灌溉方案，预测土壤水分状况等。
近年来，随着遥感技术和地理信息系统的发展，模型应用呈现出多尺度、多源数据融合的特点。
这些新兴的技术手段帮助研究人员更精确地获取土壤水分状况的数据，提高了模型应用的准确性和实用性。
国内外土壤水分研究现状与进展Ξ马履一(北京林业大学,北京100083)摘要 该文论述了国外在土壤水分入渗、土壤—植物—大气连续体中水流的运动、土壤水分运动的数值模拟、土壤水分运动参数的确定和土壤水分测试技术等方面的研究进展。
文中指出,进入80年代以后,我国土壤水分的研究,在理论、方法和手段方面都逐步与国际趋同,如土壤水势理论已作为土壤水分定量化研究的理论基础,测定土壤水势的方法和仪器已日趋完善,土壤水分运动数值模拟得到了广泛应用。
我国在森林土壤坡地三维渗透条件下土壤水分运动的定量化研究方面取得了较大的进展,如利用数学物理方法和计算机数值技术计算山坡林地顺坡方向和垂直方向的水量,并将所涉及的数据处理、计算和多维图形制作作为一个完整的系统编制成计算机软件。
在这方面已经具有较高的水平。
关键词 土壤水分运动 土壤水分参数 森林土壤水分世界上1 3的地区,包括我国华北、西北和青藏高原的绝大部分,处于干旱和半干旱地带,水分的缺乏严重困扰着这些地区的经济发展,因此,土壤水分研究已成为当今土壤物理学中最为活跃的研究领域。
世界一些国家,如美国、澳大利亚、前苏联、巴西、印度以及部分中东干旱地区的国家对土壤水分研究投入较多,具有较强的实力。
1 国外土壤水分研究现状与进展长期以来,人们仅能够通过D arcy 定律对饱和土壤水分做定量研究,对非饱和土壤水分主要采用形态学的观点进行定性地描述或分析土壤中发生的物理现象和过程。
进入80年代,随着测试手段和计算机应用的发展,以及学科间的相互渗透,土壤水分的研究由经验到理论、定性到定量发生了质的转变,并为相关应用学科的发展提供了理论基础。
目前,国外土壤水分的研究主要集中在下述领域。
1.1 土壤水分的入渗目前,土壤水分入渗研究主要集中在Green 2Аm p t 模型的修正以及Ph ili p 和Par 2lange 入渗方程的求解两方面。
经过修正的Green 2Am p t 模型能较好地说明非匀质土壤的降水入渗过程。
第37卷第5期2023年10月水土保持学报J o u r n a l o f S o i l a n d W a t e rC o n s e r v a t i o nV o l .37N o .5O c t .,2023收稿日期:2023-03-01资助项目:陕西省重点研发计划项目 秦岭水源涵养演变机制及其调控技术与示范 (2019Z D L S F 05-02) 第一作者:王辉源(1988 ),男,博士研究生,主要从事森林水文学研究㊂E -m a i l :h y 69@s t u m a i l .n w u .e d u .c n 通信作者:宋进喜(1971 ),男,博士,教授,主要从事生态水文研究㊂E -m a i l :j i n x i s o n g@n w u .e d u .c n 未来气候及土地利用变化对水源涵养量的影响王辉源1,2,宋进喜1,2,3,吴琼1,2(1.西北大学城市与环境学院,西安710127;2.陕西省地表系统与资源环境承载力重点实验室,西安710127;3.西北大学秦岭研究院,西安710127)摘要: 四水四定 背景下,科学量化变化环境下城镇或小流域未来水源涵养量是水资源管理㊁水利规划和水生态保护等工作的重要基础㊂水源涵养量尺度转化是目前生态水文学研究的难点之一,较高精细尺度研究是尺度转化的重要切入点㊂以秦岭北麓灞河流域为研究区,应用S WA T 模型㊁C A -M a r k o v 模型㊁A r c G I S ㊁R C l i m D e x 等分析工具,评估N E X -G D D P -C M I P 6高分辨率数据集对灞河流域月流量模拟能力,选取最优气候模式,模拟未来土地利用变化,分析灞河流域未来30年水源涵养量演变趋势,旨在为秦岭生态保护㊁水资源管理㊁土地利用保护等提供基础数据㊂结果表明:(1)N E X -G D D P -C M I P 6高分辨率数据集A C C E S S -C M 2㊁A C C E S S -E S M 1-5㊁C a n E S M 5等9个气候模式对月平均流量均值模拟效果较好,对极端流量模拟效果较差,N E S M 3气候模式相比其他8个气候模式有较好的流量模拟效果㊂(2)N E S M 3气候模式低估极端降水情况,高估持续干燥天数,月尺度降水数据模拟能力高于年尺度和日尺度㊂(3)通过K a p pa 系数检验C A -M a r k o v 模型在灞河流域土地利用变化方面具有较好的适用性㊂(4)在土地利用和气候变化叠加背景下2023 2050年灞河流域水源涵养量呈下降趋势㊂研究结果对灞河流域水资源管理㊁秦岭水源涵养功能研究及秦岭生态保护具有重要意义㊂关键词:N E X -G D D P -C M I P 6;S WA T 模型;C A -M a r k o v 模型;水源涵养量中图分类号:S 714.7 文献标识码:A 文章编号:1009-2242(2023)05-0226-09D O I :10.13870/j.c n k i .s t b c x b .2023.05.027I n f l u e n c e o f F u t u r eC l i m a t e a n dL a n dU s eC h a n ge s o n W a t e rC o n s e r v a t i o n WA N G H u i y u a n 1,2,S O N GJ i n x i 1,2,3,WU Q i o n g1,2(1.C o l l e g e o f U r b a na n dE n v i r o n m e n t a lS c i e n c e s ,N o r t h w e s tU n i v e r s i t y ,X i a n 710127;2.S h a a x iK e y L a b o r a t o r y o f E a r t hS u r f a c eS ys t e ma n dE n v i r o n m e n t a l C a r r y i n g C a p a c i t y ,X i a n 710127;3.I n s t i t u t e o f Q i n l i n g M o u n t a i n s ,N o r t h w e s tU n i v e r s i t y ,X i a n 710127)A b s t r a c t :U n d e r t h eb a c k g r o u n do f"f o u rw a t e ra n df o u r r e g u l a t i o n s ",s c i e n t i f i c a l l yq u a n t i f y i n g t h e f u t u r e w a t e r c o n s e r v a t i o n i n t o w n s o r s m a l l b a s i n s i na c h a n g i n g e n v i r o n m e n t i s a n i m po r t a n t f o u n d a t i o n f o rw a t e r r e s o u r c em a n a g e m e n t ,w a t e r c o n s e r v a n c yp l a n n i n g a n dw a t e r e c o l o g i c a l p r o t e c t i o n .T h e s c a l e t r a n s f o r m a t i o n o fw a t e rc o n s e r v a t i o ni so n eo ft h ed i f f i c u l t i e si nt h es t u d y o fe c o l o g i c a lh y d r o l o g y a t p r e s e n t ,a n dt h e r e s e a r c ho f h i g h e r f i n e s c a l e i s a n i m p o r t a n t e n t r yp o i n t o f s c a l e t r a n s f o r m a t i o n .I nt h i s p a p e r ,t a k i n g B a h e R i v e rB a s i na t t h en o r t h e r n f o o t h i l l s o fQ i n l i n g M o u n t a i n s a s t h e r e s e a r c ha r e a ,S WA T m o d e l ,C A -M a r k o v m o d e l ,A r c G I Sa n d R C l i m D e x w e r eu s e dt oe v a l u a t et h e m o n t h l y d i s c h a r g es i m u l a t i o nc a p a b i l i t y oft h e N E X -G D D P -C M I P 6h i g h -r e s o l u t i o nd a t a s e t ,a n dt h eo pt i m a lc l i m a t e m o d e lw a ss e l e c t e dt os i m u l a t et h e f u t u r e l a n d u s e c h a n g e .T h e e v o l u t i o n t r e n d o fw a t e r c o n s e r v a t i o n i n t h e B a h eR i v e r B a s i n i n t h e n e x t 30y e a r s w a s a n a l y z e d i n o r d e r t o p r o v i d e b a s i c d a t a f o r e c o l o g i c a l p r o t e c t i o n ,w a t e r r e s o u r c em a n a g e m e n t a n d l a n d u s e p r o t e c t i o n i n t h eQ i n l i n g M o u n t a i n s .T h e r e s u l t s s h o w e d t h a t :(1)N E X -G D D P -C M I P 6h i gh -r e s o l u t i o nd a t a s e t s ,s u c ha s A C C E S S -C M 2,A C C E S S -E S M 1-5a n dC a n E S M 5,h a db e t t e rs i m u l a t i o ne f f e c to nt h e m e a n m o n t h l y fl o w ,b u tw o r s es i m u l a t i o ne f f e c to ne x t r e m ef l o w.N E S M 3c l i m a t e m o d e lh a sb e t t e rs i m u l a t i o n e f f e c t t h a no t h e r 8c l i m a t em o d e l s .(2)N E S M 3c l i m a t em o d e l u n d e r e s t i m a t e d t h e e x t r e m e p r e c i pi t a t i o na n d o v e r e s t i m a t e d t h ed u r a t i o no f d r y d a y s ,a n d i t h a dh i g h e r a b i l i t y t o s i m u l a t em o n t h l y s c a l e p r e c i pi t a t i o nd a t a Copyright ©博看网. All Rights Reserved.t h a n a n n u a l a n d d a i l y s c a l e s.(3)K a p p a c o e f f i c i e n t t e s t s h o w e d t h a t C A-M a r k o vm o d e l h a d g o o d a p p l i c a b i l i t y i n l a n d-u s e c h a n g e i nt h eB a h eR i v e rB a s i n.(4)U n d e rt h ec o m b i n e db a c k g r o u n do f l a n du s ea n dc l i m a t e c h a n g e,w a t e r c o n s e r v a t i o n i n t h e B a h eR i v e r B a s i n s h o w e d a d e c r e a s i n g t r e n d f r o m2023t o2050.T h e r e s u l t s w e r e o f g r e a t s i g n i f i c a n c e f o rw a t e r r e s o u r c e sm a n a g e m e n t i n t h eB a h eR i v e rB a s i n,w a t e r c o n s e r v a t i o na n d e c o l o g i c a l p r o t e c t i o n i n t h eQ i n l i n g M o u n t a i n s.K e y w o r d s:N E X-G D D P-C M I P6;S WA T m o d e l;C A-M a r k o vm o d e l;w a t e r c o n s e r v a t i o n c a p a c i t y生态系统服务功能是人类赖以生存和发展的物质基础[1],极端气候频发和不合理的经济行为导致生态系统服务功能退化,威胁人类生存环境和经济社会的可持续发展㊂水源涵养功能是生态系统核心服务功能[2],水源涵养功能本质即一定的时间和空间范围内,生态系统保持水分的过程和能力[3],目的是提高生态系统内部水分良性循环,促进人与自然和谐共存㊂根据‘中国气候变化蓝皮书(2022)“[4],中国是全球变化的敏感区,高温㊁强降水等极端天气气候事件趋多㊁趋强,植被覆盖稳定增加,呈现变绿趋势㊂高温和植被变绿增加区域蒸散发量,强降水产流高可减小生态系统对降水的储蓄能力,生态系统未来水源涵养功能存在下降可能㊂土地利用与水循环过程在时空上存在高度的异质性[5],不当的植被恢复与人为活动过度干扰都会引起土地利用现状的剧烈改变,土地利用在人类活动影响下对水源涵养功能影响进一步加强㊂科学量化水源涵养功能,准确计算水源涵养量是水资源管理㊁水利规划和水生态保护等工作的重要基础㊂但是,目前鲜有关于变化环境下未来水源涵养功能评价或者水源涵养量模拟预测方面的研究㊂现有水源涵养功能方面的研究主要集中在如何科学量化生态系统水源涵养功能和准确建立反映生态系统水源涵养功能评价方法方面㊂K i t t r e d g e[6]系统分析森林的价值,尤其是森林通过对水循环的影响调节径流控制洪水;H o r n b e c k等[7]通过 配对流域 试验法在新罕布什尔州哈伯德布鲁克研究植被变化森林产水量变化;H u a等[8]研究全球53个国家生态恢复与供水服务之间权衡关系;牛赟等[9]选择祁连山为研究区,围绕生态和水文2个方面构建水源涵养功能监测与评估指标体系;尹云鹤等[10]基于改进的L P J模型研究认为,近30年与未来黄河源区水源涵养呈下降趋势;包玉斌等[11]基于I n V E S T研究认为,黄土高原植被恢复导致黄土高原水源涵养量有所减少;L i等[12]采用I n V E S T产水量模型定量分析丹江流域水源涵养时空动态,研究水源涵养对气候㊁土地利用和土壤变化的响应;W u等[13]基于S WA T模型研究不同时间尺度秦岭北麓黑河流域水源涵养量时空特征;孙阁等[14]强调当下水源涵养研究重点应统一定义森林水源涵养服务功能,甄别建立水源涵养量化标准与评价方法㊂灞河流域植被茂密是秦岭重要的水源涵养区,灞河连接秦岭山区和渭河,是西安市重要的饮用水水源地;流域土地肥沃,水热条件较好,是西安市重要的粮食基地㊂近年来,由于人为干扰剧烈,流域水资源供需矛盾突出,流域地下水超采严重,人水关系趋于紧张㊂2021年8月19日,蓝田县出现极端大暴雨天气,九间房镇铜鹅村6h降水量高达195.4mm,300年一遇㊂因此,针对流域未来气候及土地利用变化情景下水资源变化及相关调控措施的研究非常必要㊂首先,利用1959 2013年马渡王水文站点月流量观测数据评估N E X-C D D P-C M I P6高分辨率降尺度数据集9个气候模式对流域月流量模拟能力,对模拟能力最好的气候模式极端降水刻画情况进行分析研究;其次,利用C A-M a r k o v模型模拟预测2035年土地利用变化;最后,基于S WA T模型水量平衡法计算气候及土地利用变化情景下2023 2050年流域不同情景下水源涵养量演变特征㊂1研究区域与数据1.1研究区概况灞河古曰滋水,发源于灞源镇箭峪岭南麓九道沟,全长109k m㊂流域空间位置见图1,流域面积2459.31 k m2,平均坡度17.09ʎ,地理范围介于108.97ʎ 109.78ʎE, 33.89ʎ 34.43ʎN,高程354~2433m㊂基于蓝田气象观测站点数据,1959 2017年多年年均气温13.22ħ,降水量717.60mm,蒸散发1082.16mm,日照时间2055.20h,风速1.46m/s,相对湿度69.72%㊂基于农业气象大数据,流域1982 2021年40年年内平均太阳净辐射强度介于163.82~179.99W/m2,均值171.37W/m2㊂流域地形南枕秦岭,北邻渭河,中部川地向西延伸,塬面平坦广阔㊂水系右岸支流短而多,主要有红河㊁十里河㊁沙河㊁五里河㊁白牛河㊁白马河等㊂受秦岭横岭影响,流向由东向西,灞河左岸水系较少,浐河是最大支流㊂依据土纲㊁亚纲㊁土类㊁亚类土壤分类系统,灞河流域5个土纲㊁6个亚纲㊁8个土类㊁14个亚类㊂流域土壤主要为淋溶土㊁半淋溶土㊁初育土㊁半水成土㊁人为土㊂流域植被类型属暖温带落叶㊁阔叶林㊁松栎类型㊂植物主要为栎类㊁油松和华山松㊂流域西北方存在隐伏断裂,荆沟峪两侧存在722第5期王辉源等:未来气候及土地利用变化对水源涵养量的影响Copyright©博看网. All Rights Reserved.滑坡及滑坡群,存在一定地质安全隐患㊂图1灞河流域空间位置1.2数据来源研究区栅格数据空间分辨率为30mˑ30m,投影K r a s o v s k y_1940_A l b e r s,地理坐标G C S_K r a s o v s k y_ 1940㊂数据来源有:(1)数字高程模型(D E M),A S T E R 数字地形产品(h t t p://w w w.g s c l o u d.c n/);(2)土地利用类型数据,数据来源于中科院数据中心,选取1995年㊁2010年㊁2020年3期土地利用遥感监测数据,2035年土地利用数据基于C A-M a r k o v模型模拟预测获得(h t t p://w w w.r e s d c.c n);(3)土壤类型数据,地理科学生态网(h t t p://w w w.c s d n.s t o r e/);(4)径流数据,2006 2017年马渡王水文站点月均流量数据来源于陕西省水文局;(5)气象数据,2006 2017年蓝田气象数据来源于国家气象数据中心,天气发生器数据采用C F S R气象数据模拟[15];(6)N E X-G D D P-C M I P6数据集,根据耦合模型相互比较项目第6阶段(C M I P6)和4个 一级 温室气体排放情景[称为共享社会经济路径(S S P)]中的2个进行的通用环流模型(G C M)运行得出的全球降尺度气候情景组成,数据来源于美国国家航空航天局(h t t p s://w w w.n c c s.n a s a.g o v/)㊂2模型与研究方法2.1模型介绍2.1.1S WA T模型 S WA T(s o i l a n dw a t e r a s s e s s-m e n t t o o l)是美国农业部(U S D A)的农业研究中心J e f fA r n o l d博士1994年为确定土地管理㊁植被变化㊁地下水抽取和水库管理对水质㊁水量的影响开发的[16-17]㊂该模型具有较强的物理基础,可以在无观测资料地区借助天气发生器模拟气象数据,实现不同时空尺度水文过程模拟,在很多国家及地区得到广泛应用,在晋江[18]㊁祁连山[19]㊁渭河[20]等地相关学者就水源涵养开展了相关分析与研究㊂S WA T-C U P是用于校准S WA T模型的开源程序,该程序将5种算法链接到S WA T模型,其中S U F I-2算法在大型模型校正中发现非常有效[21]㊂2.1.2 C A-M a r k o v模型 C A(c e l l u l a r a u t o m a t a)模型由U l a n和N e u m a n n提出,1965年H a g e r s t r a n d 将C A模型引入地理学研究中,能将局部规则演变,对系统时空演变具有较强的模拟能力㊂M a r k o v模型由马尔可夫(A n d r e y M a r k o v)发现并命名,M a r k o v模型在地理学主要应用于地理事件的预测,具有无后效性空间概率栅格矩阵㊂C A模型结合M a r k o v模型在土地利用模拟与预测方面在石羊河[22]㊁向海湿地[23]㊁京津冀[24]等地都有成功应用㊂2.2S W A T模型设置由D E M生成河网,经反复调试,河流最小汇水面积500h m2,土地利用㊁土壤类型及坡度阈值设定为13%,20%和20%时,能够较为准确地刻画研究区水文特征,最终生成的275个子流域和1285个H R U (水文响应单元),H R U(水文响应单元)作为S WA T 模型水文模拟最小单元,同一个H R U地形坡度㊁土地利用㊁土壤类型相同㊂基于S WA T模型水源涵养量模拟分为2部分:第1部分,1959 2013年N E X-G D D P-C M I P6数据集9个气候模式月流量模拟能力评估,1959 1961年为模型预热期,1962 1990年为模型率定期, 1991 2013年为模型验证期;第2部分,2023 2050年未来水源涵养量预测㊂采用S WA T-C U P[25]对月均流量数据进行参数自动率定,选取15个与流量相关的参数参与参数率定验证,具体参数见表1㊂表1S W A T-C U P参数率定取值范围序号变量名变量定义最小值最大值1r__C N2.m g t S C S径流曲线值-0.50.5 2v__A L P HA_B F.g w基流系数01 3v__GW_D E L A Y.g w地下水迟滞系数30450 4v__GWQMN.g w基流产生阈值01000 5r__S O L_AWC().s o l土壤可供水量-0.50.5 6r__S O L_K().s o l土壤饱和导水率-0.50.5 7v__E P C O.h r u植被蒸腾吸水调节因子01 8v__GW_R E V A P.g w地下水再蒸发系数01 9v__R E V A P MN.g w发生上行补给的水位阈值0500 10v__E S C O.h r u土壤蒸发深度调节因子0.11 11r__HR U_S L P.h r u平均坡度-0.50.5 12v__C H_N2.r t e主河道漫宁系数0.00.3 13r__S L S U B B S N.h r u平均坡长-0.50.5 14v__C H_K2.r t e平均有效水力传导率050 15v__S U R L A G.b s n地表径流滞后系数0.0524 2.3研究方法2.3.1水源涵养量计算方法在定量表征水源涵养822水土保持学报第37卷Copyright©博看网. All Rights Reserved.量计算方法中,除水量平衡计算方法外,其他计算方法都存在一定不足[26]㊂水量平衡法仅考虑流域生态系统流入和流出,认为生态系统降水量减去蒸散发量以及其他消耗水量的差值即为该系统水源涵养量[27-28]㊂模型水源涵养量计算方法为:W =P -E -R (1)式中:W 为水源涵养量(m m );P ㊁E 和R 为分别为降水量(m m )㊁实际蒸散发量(m m )和地表径流深(m m )㊂2.3.2 未来土地利用预测 采用C A -M a r k o v 模型模拟灞河流域2035年土地利用具体方案设置为(1)数据预处理:D E M ㊁坡度㊁3期土地利用㊁河流数据,投影为K r a s o v s k y _1940_A l b e r s ,数据原始T I F F 格式,空间分辨率30mˑ30m ,1990年㊁2005年㊁2020年土地利用空间范围相同,由T I F F 转为A s c l l 格式导入I D R I S I S e l v a 平台㊂(2)转移矩阵:选择灞河流域1990年和2005年2期土地利用数据,通过M a r k o v 模型获取1990 2005年土地利用面积转移矩阵㊂基于C A -M a r k o v 模型以2005年为模拟起始年份,面积转移矩阵为土地利用空间转移概率,预测2020年土地利用㊂2020年预测的土地利用与实测土地利用相比较,计算K a p p a 系数,如果K a p p a 系数>0.85,预测结果比较理想㊂通过K a p p a 系数检验,在此基础上,选择2005年和2020年土地利用,基于M a r k o v 模型获取2005 2020年土地利用面积转移矩阵,以2020年作为起始年,预测2035年土地利用㊂(3)转换规则:选择5ˑ5摩尔领域滤波器,迭代次数选择为10㊂2.4 模型评价方法决定系数(R 2)主要判断水文模型模拟结果变化趋势,效率系数(N S E )主要判断水文模型模拟结果拟合程度㊂以上2个参数作为S WA T 模型月流量率定评价指标㊂R 2主要判断水文模型模拟结果变化趋势,N S E 主要判断水文模型模拟结果拟合程度㊂R 2计算公式为:R 2=[ðiQ m ,i (-Q m )ˑ(Q s ,i -Q s )]2ði(Q m ,i -Q m )2ˑði(Q s ,i -Q s )2(2)N S E 计算公式为:N S E =1-ði(Q m -Q s )2iði(Q m ,i -Q m )2(3)式中:Q 为径流值变量(mm );Q m 和Q s 分别为观测值和模拟值(mm );Q m 和Q s 为径流平均观测值和模拟值(mm );i 表示第i 次的观测或者模拟㊂选取K a p pa 系数作为C A -M a r k o v 模型土地利用准确度评价指标,评价方法公式[29]为:k =p 0-p e1-p e(4)式中:p 0=(对角线元素之和)/(整个矩阵元素之和)p e =(ði 第i 行元素之和ˑ第i 列元素之和)/(ð矩阵所有元素)23 结果与分析3.1 灞河流域N E X -G D D P -C M I P 6数据集月流量及降水指数模拟能力评估3.1.1 N E X -G D D P -C M I P 6数据集月流量模拟能力评估 研发N E X -G D D P -C M I P 6数据集目的是提供一套全球㊁高分辨率㊁经偏差校正的气候变化预测,该气候变化预测可用于评估气候变化对更精细尺度的影响㊂偏差校正空间分解(B C S D )方法生成的N E X -G D D P -C M I P 6数据集空间分辨率更高,并且与历史气候记录相比模拟数值更加一致[30]㊂数据集包含35个C M I P 6G C M 模式,1950 2014年是每个模式的历史试验,2015 2100年是每个模式的气候预测㊂不同的共享社会经济路径形成未来气候辐射强迫幅度的典型浓度路径[31]㊂王倩之等[32]㊁李金洁等[33]㊁夏松等[34]㊁田晶等[35]基于N E X -G D D P 降尺度数据集对中国极端降水和温度等能力进行评估,根据评估结果,本文选择模拟结果比较好的9个气候模式对灞河流域流量进行模拟评估㊂气候模式见表2,N E X -G D D P -C M I P 6数据集9个气候模式空间分辨率均为0.25ʎˑ0.25ʎ,根据评估结果选择模拟能力较强的气候模式作为未来水源涵养模拟预测气候数据集㊂表2 N E X -G D D P -C M I P 6气候模式N E X -G D D P -CM I P 6模式名称国家N E X -G D D P -CM I P 6模式名称国家A C C E S S -CM 2澳大利亚G F D L -E S M 4美国A C C E S S -E S M 1-5澳大利亚M I R O C 6日本B C C -C S M 2-MR 中国M P I -E S M 1-2-HR德国C a n E S M 5加拿大N E S M 3中国F G O A L S -g 3中国蓝田气象站点空间地理位置为109.317ʎE ,34.167ʎN ,选择与蓝田气象站点空间地理位置最接近的栅格作为月均流量模拟模型输入数据集,栅格空间地理位置为109.375ʎE ,34.125ʎN ㊂历史时期月均流量模拟时间段为1959 2013年,其中1959 1961年为S WA T 模型预热期,1962 1990年为率定期,1991 2013年为验证期㊂R 2和N S E 作为气候模式月均流量模拟能力评估指标,不同气候模式月均流量模拟能力见表3㊂9个气候模式R 2和N S E 值为0左右,表示月均流量模型模拟结果变化趋势和拟合程度都接近观测值平均水平,总体比较可信㊂A C C E S S -922第5期 王辉源等:未来气候及土地利用变化对水源涵养量的影响Copyright ©博看网. All Rights Reserved.C M2㊁A C C E S S-E S M1-5㊁C a n E S M5㊁F G O A L S-g3㊁G FD L-E S M4㊁M I R O C6和M P I-E S M1-2-H R气候模式月均流量模拟R2或N S E值低于0,B C C-C S M2-M R和N E S M3气候模式月均流量模拟R2和N S E值高于0,B C C-C S M2-M R和N E S M3气候模式月均流量模拟优于其他气候模式,N E S M3气候模式月均流量模拟R2或N S E值高于B C C-C S M2-M R气候模式, N E S M3气候模式相比其他气候模式具有较优的月均流量模拟能力㊂不同气候模式对径流的模拟见图2㊂各气候模式历史时期月均流量模拟都低估极端流量,观测的月均流量最大值为125.0m3/s,多年月均流量均值为14.47m3/s,各气候模式月均流量模拟最大值为43.98~72.89m3/s,均值为10.06~12.47m3/s㊂A C C E S S-C M2气候模式在验证期月均流量模拟的最低值小于观测值,其他气候模式月均流量模拟的最低值高于观测值㊂表3不同气候模式月均流量模拟能力气候模式率定期R2N S E验证期R2N S EA C C E S S-CM20.07-0.050.140.05A C C E S S-E S M1-50.08-0.030.03-0.04B C C-C S M2-MR0.1000.100.06C a n E S M50.04-0.110.040.01F G O A L S-g30.140.040.03-0.04G F D L-E S M40.06-0.030.02-0.10M I R O C60.140.050.03-0.03 M P I-E S M1-2-HR0.09-0.050.130.06N E S M30.210.160.080.03图2不同气候模式月均流量模拟3.1.2 N E X-G D D P-C M I P6数据集N E S M3气候模式极端降水能力评估因N E S M3气候模式有较高的月均流量模拟能力,选择N E S M3气候模式数据集作为水源涵养预测模型输入数据㊂降水量与水源涵养量息息相关,降水量是影响水源涵养量最主要的因素㊂N E S M3气候模式不同尺度降水模拟能力见表4㊂年尺度和日尺度降水数据与观测值比较,R2和N S E值为0,年尺度和日尺度模拟的降水数据接近观测值的平均水平,年尺度降水数据模拟能力略微低于日尺度㊂月尺度降水数据模拟能力R2和N S E分别为0.337和0.215,具有较高的模拟能力,说明N E S M3气候模式不同月份降水与观测值比较相符㊂森林水源涵养功能其中一个重要功能就是 削峰补枯 ,在极端降水情况下森林的枯枝落叶层和土壤层像 海绵体 一样能够将地表水转化为土壤水,在枯水期增加地表流量,森林水源涵养功能具有强大的降水储存和径流调节能力㊂本文采用3个指标(C D D持续干燥指数,日降水量<1m m的最长连续日数天;R50强降水日数,每年日降水量ȡ50mm的总日数;R20强降水日数,每年日降水量ȡ20mm的总日数)对灞河流域N E S M3气候模式极端降水模拟能力进行评估㊂由图3可知,N E S M3气候模式1959 2013年C D D多年平均值为87.64天,远大于观测值的44.45天,模式高估持续干燥天数,气候模式年际C D D变化幅度与实际观测值并不同步,但无论是气候模式的还是实际观测值年持续干燥天数都趋于增加㊂由图4可知, N E S M3气候模式1959 2013年R50和R20多年平均值分别为0.04,3.65天,远低于观测值的0.98,9.98天,N E S M3模式低估极端降水情况,尤其是R50指数,但气候模式的R50和R20指数年际变化趋势与观测值变化趋势一致㊂表4 N E S M3气候模式不同尺度降水模拟能力不同尺度降水R2N S E年尺度0.026-0.241月尺度0.3370.215日尺度0.005-0.074 3.2基于C A-M a r k o v未来土地利用预测模拟的2020年和2035年土地利用见图5㊂为了预测2023 2050年水源涵养量,需确定2035年土地利用㊂选择1990年㊁2005年和2020年3期灞河流域遥感监测的土地利用作为基础数据,采用M a r k o v模型计算1990 2005年土地利用面积转移矩阵,在此基础上通过C A-M a r k o v模型计算预测2020年的土地利用,实测的2020年土地利用与预测的2020年土032水土保持学报第37卷Copyright©博看网. All Rights Reserved.地利用相比较,基于I D R I S I S e l v a17平台c r o s s t a b模块, K a p p a系数为0.8651,当K a p p a系数>0.85时,表明具有较好的一致性㊂1990年和2005年耕地㊁林地㊁草地和建设用地面积分别占流域面积的36.49%,21.59%, 35.05%,5.14%和35.35%,21.58%,34.98%,6.35%,15年间建设用地面积增加最大,约30.20k m2,耕地面积减少最多,约28.49k m2㊂基于1990 2005年的转移矩阵,预测2020年的土地利用,耕地面积进一步减少,建设用地面积进一步增加㊂预测的2020年土地利用和实际2020年土地利用变化趋势一致,但变化幅度有所差别,预测的建设用地面积比实际多94.12k m2,预测的耕地面积比实际少33.59k m2,建设用地一般在河流的中游和下游,地形平坦,土地肥沃,灞河流域中下游建设用地扩张一般占用的是建设用地周围耕地㊂2020年模拟的土地利用与实际土地利用不符合区域,主要分布在灞河与渭河交汇处㊁灞河干流沿线㊁白鹿原塬面居民点周边等㊂通过K a p p a系数检验后,选择2005 2020年土地利用计算面积转移矩阵,预测2035年土地利用,2035年耕地㊁林地㊁草地和建设用地面积分别占流域面积的33.06%,21.76%,32.63%和10.67%㊂耕地㊁林地和草地面积分别减少1.64%,0.21%和0.96%,建设用地面积增加2.68%㊂图3N E S M3气候模式C D D 年际变化图4N E S M3气候模式R50和R20年际变化图5灞河流域实测模拟土地利用、模拟与实测不同区域3.3气候及土地利用变化情景下灞河流域未来水源涵养量预测3.3.1 N E S M3气候模式不同情景下2023—2050年年降水量 S h a r e dS o c i o-E c o n o m i cP a t h w a y s(S S P s)共享社会经济路径提供未来社会经济发展的5个不同情景,R e p r e s e n t a t i v eC o n c e n t r a t i o nP a t h w a y(R C P)典型浓度排放路径来刻画未来情景下人类活动的影响㊂本文选择3个情景,分别为严格环保政策下的低碳排放量情境(S S P126)㊁中等环保政策下的中等碳排放量情境(S S P245)和宽松的环保政策下的高碳排132第5期王辉源等:未来气候及土地利用变化对水源涵养量的影响Copyright©博看网. All Rights Reserved.放量情境(S S P 585)㊂以2023 2050年降水量数据为例(图6),N E S M 3气候模式s s p 126㊁s s p 245和s s p585降水量年际变化并不同步,降水量相对变率相差较大㊂s s p126㊁s s p 245和s s p585降水量多年平均值分别为670.27,686.06,690.07mm ,宽松的环保政策下和高碳排放量情景下降水量较多㊂s s p 126㊁s s p 245和s s p 585降水量年际变幅分别为432.93,537.08,613.19mm ,高碳排放量情景下降水量年际变化幅度较大,极端降水可能进一步增加㊂图6 N E S M 3气候模式不同S S P s +R C P2023-2050年年降水量3.3.2 气候及土地利用变化情景下2023—2050年流域水源涵养量 灞河流域2023 2050年年际水源涵养量见图7㊂图6和图7清晰表明不同情景下年降雨量与年水源涵养量年际变化趋势一致,一般情况下水源涵养量与降水量呈正比,与蒸散发量呈反比,降水量大的年份水源涵养量值也比较大㊂s s p 126㊁s s p 245和s s p585气候变化叠加土地利用变化,2023 2050年多年平均水源涵养量分别为207.45,219.00,221.02m m ,2023 2050年水源涵养量年变化趋势分别为-3.50,-2.50,-0.03mm /a ,土地利用和气候变化叠加背景下未来水源涵养量都呈下降趋势㊂图7 灞河流域2023-2050年水源涵养量3.4 不确定分析与讨论水资源是区域经济社会发展的最大刚性约束,从加强水资源管理角度出发,对区域水资源科学㊁准确㊁定量评估是很有必要的㊂水源涵养量是水资源的重要组成部分,科学量化水源涵养功能,定量表征水源涵养量是落实最严格水资源管理的重要数据依据㊂目前,针对水源涵养功能的研究主要集中在大尺度,但尺度转化问题制约水源涵养功能研究,加强对城镇和小流域尺度水源涵养功能研究有利于验证及推动大尺度水源涵养功能研究㊂基于S W A T 模型水量平衡公式研究水源涵养功能目前较少㊂S W A T 模型虽然具有物理过程基础㊁输入数据易于获取㊁输出结果可视化㊁可以长时间序列模拟等优点㊂但是S W A T 模型以H R U (水文响应单元)为最小模拟单元,视每一个H R U 内水量平衡过程具有一致性㊂灞河流域地貌类型多样,地形起伏较大,建立H R U 弱化地形变化,地形起伏度越大,该问题越突出[36]㊂水源涵养功能是地形㊁地貌㊁植被㊁降水㊁土壤等综合作用的结果,基于S W A T 模型计算水源涵养量应加强地形对水源涵养量方面的研究㊂N E X -G D D P 高分辨率统计降尺度数据集拓展气候数据应用空间范围,较精细尺度空间气候预测与应用成为可能㊂N E X -G D D P -C M I P 6对气候变化空间分布范围刻画上优于C M I P 5直接输出结果,但对极端天气事件出现的强度预估能力存在明显不足㊂N E X -G D D P 数据集N E S M 3气候模式比其他8个气232水土保持学报 第37卷Copyright ©博看网. All Rights Reserved.候模式具有较高的流量模拟能力,但相比于观测值流量模拟值接近平均水平,N E S M3气候模式1959 2013年强降水模拟值远低于观测值,基于N E S M3气候模式计算的水源涵养量值比实际结果低㊂因缺少长序列山地气象观测数据,本次研究未评估N E S M3气候模式在灞河流域空间范围方面的应用㊂基于C A-M a r k o v模拟土地利用变化应用频率较高,一般情况山地土地利用模拟精度高于丘陵,丘陵高于平原,主要是因为平原区域建设用地面积大于丘陵和山地,人为干扰剧烈,政策影响对建设用地时空分布影响较大㊂C A-M a r k o v模型计算预测灞河流域2020年的土地利用,实测的2020年土地利用与预测的2020年土地利用相比较,K a p p a系数为0.8651,当K a p p a系数>0.8时,表明具有较好的一致性㊂灞河下游地势起伏较低,地形平坦,企业㊁居民点㊁城镇等分布密集,土地利用模拟值与观测值相差较大,基于历史时期建设用地扩展速度C A-M a r k o v模型计算的建设用地面积大于实际值㊂4结论2022年出台‘中华人民共和国黄河保护法“推进水资源节约集约利用,全方位贯彻 以水定城㊁以水定地㊁以水定人㊁以水定产 ,把水资源作为刚性约束,实现人水和谐共生㊂较高尺度水源涵养功能研究是落实 四水四定 政策的重要数据基础,也是研究水源涵养功能不同尺度之间转化的一个重要突破口㊂科学量化变化环境下城镇或小流域未来水源涵养量是水资源管理㊁水利规划和水生态保护等工作的重要基础㊂本文基于高分辨率统计降尺度数据集(N E X-G D D P-C M I P6),采用C A-M a r k o v模型预测未来2035年灞河流域土地利用类型,通过S WA T模型水量平衡计算方法定量评估未来变化环境下水源涵养量,主要结论为:(1)N E X-G D D P-C M I P6高分辨率数据集N E S M3气候模式相较A C C E S S-C M2㊁A C C E S S-E S M1-5㊁C a n E S M5㊁F G O A L S-g3㊁G F D L-E S M4㊁M I R O C6㊁M P I-E S M1-2-H R和B C C-C S M2-M R气候模式有较强的月流量模拟能力,各个气候模式历史时期月均流量模拟存在低估极端月均流量的情况㊂(2)N E S M3气候模式不同尺度降水模拟能力存在较大差异,年尺度和日尺度模拟的降水数据接近观测值的平均水平,年尺度降水数据模拟能力略微低于日尺度,月尺度降水数据模拟能力R2和N S E分别为0.337和0.215,具有较高的模拟能力㊂(3)1959 2013年N E S M3气候模式C D D多年平均值为87.64天,远大于观测值的44.45天,R50和R20多年平均值分别为0.04,3.65天,远低于观测值的0.98, 9.98天,模式低估极端降水情况,高估持续干燥天数㊂(4)实测的2020年土地利用与预测的2020年土地利用相比较,K a p p a系数为0.8651,表明C A-M a r k o v模型在灞河流域土地利用变化方面具有较好的适用性㊂通过K a p p a系数检验后,选择2005 2020年土地利用计算面积转移矩阵,预测2035年的土地利用㊂2035年耕地㊁林地㊁草地和建设用地面积分别占流域面积的33.06%,21.76%,32.63%和10.67%㊂与2020年土地利用相比,2035年耕地㊁林地和草地分别减少1.64%, 0.21%和0.96%,建设用地增加2.68%㊂(5)灞河流域2023 2050年s s p126㊁s s p245和s s p585情景下2023 2050年多年平均水源涵养量分别为207.45,219.00,221.02m m,s s p126㊁s s p245和s s p585情景下2023 2050年水源涵养量年变化趋势分别为-3.50,-2.50,-0.03m m/a,在土地利用和气候变化叠加背景下未来水源涵养量均呈下降趋势㊂(6)灞河流域2023 2050年s s p126㊁s s p245和s s p585情景下水源涵养量都呈下降趋势,一定程度上可能给水资源可持续发展带来更大压力,未来需严格落实水资源管理,严控水位水量指标,改善生态系统水源涵养功能,涵养地下水,加强超采区和超载区综合治理,推动流域生态环境复苏㊂中国是全球变化的敏感区,秦岭生态环境脆弱,未来高温㊁强降水等极端天气气候事件趋多㊁趋强,应加强流域河湖岸线管控,提升水生态空间,改善山水林田湖草格局匹配性,宜水则水,宜山则山㊂参考文献:[1]傅伯杰,周国逸,白永飞,等.中国主要陆地生态系统服务功能与生态安全[J].地球科学进展,2009,24(6):571-576. [2]王云飞,叶爱中,乔飞,等.水源涵养内涵及估算方法综述[J].南水北调与水利科技(中英文),2021,19(6): 1041-1071.[3]吕一河,胡健,孙飞翔,等.水源涵养与水文调节:和而不同的陆地生态系统水文服务[J].生态学报,2015,35(15):5191-5196.[4]中国气象局气候变化中心.中国气候变化蓝皮书(2022)[M].北京:科学出版社,2022.[5] Y a n g D W,Y a n g Y T,X i aJ.H y d r o l o g i c a l c y c l ea n dw a t e r r e s o u r c e s i nac h a n g i n g w o r l d:Ar e v i e w[J].G e-o g r a p h y a n dS u s t a i n a b i l i t y,2021,2(2):115-122.[6] K i t t r e d g e J.F o r e s t I n f l u e n c e s[M].N e wY o r k:M c G r a w-H i l l B o o kC o m p a n y,1948.[7] H o r n b e c k JW,M a r t i nC W,E a g a rC.S u mm a r y o fw a-332第5期王辉源等:未来气候及土地利用变化对水源涵养量的影响Copyright©博看网. All Rights Reserved.。
