青海北部草地水分时间异质性及主导因素

马扶林, 杨永胜, 王军邦, 黄煜茹, 李以康, 周华坤, 李英年

(1.青海省海北牧业气象试验站, 青海 海北 810200;2.中国科学院 西北高原生物研究所 青海省寒区恢复生态学重点实验室, 西宁 810001;3.中国科学院 高原生物适应与进化重点实验室, 西宁 810001; 4.中国科学院 地理科学与资源研究所, 北京 100101)

草地生态系统是陆地生态系统中最重要、分布最广的生态系统类型，在全球碳循环和气候调节中起着重要的作用[1]。青海省是中国五大牧区之一，天然草场辽阔，草地资源丰富，畜牧业有着悠久的历史，是该省牧区经济的主体和广大牧民群众赖以生存的基础。全省天然草场面积占全国草场面积的10%，居全国第4位，其中可利用草场面积达到了3.16万hm2。然而近年来草地生态环境的日益恶化，草地大面积退化，这不仅直接影响到牧民的生产生活和牧区的经济发展，还造成了水土流失、沙尘暴频发等一系列严重的生态环境问题[2-3]。

土壤水分是影响青海草地生态系统生态效益和经济效益长效稳定的主要因子之一，也是土壤—植被—大气连统体(SPAC)的重要组成部分。具体地，在土壤与植物界面，植物通过根系来吸收利用土壤水；在土壤与大气界面，降水经过入渗后可对土壤水进行补给，而土壤水分又可通过蒸发过程进入大气[4]。土壤水分的补给和消耗数量随不同时间降水的入渗和蒸散发的变化而变化。因此，土壤含水量具有一定的时间异质性[5]。青海省草地生态系统是我国重要的牧业生产基地，同时也是全球气候变化最敏感的区域之一，生态环境脆弱[6]。土壤水分的时间动态特征不仅可以直接影响该区草地生态系统的净初级生产力及固碳能力，还可以通过影响草地生态系统中土壤水分的有效性特征间接对生态系统碳循环过程产生影响[7]。然而，该区域以往土壤水分的研究多集中于水分的空间分布特征[8]、冻融过程[9]以及水分运移机制[8]等，对于土壤水分时间异质性的研究有待深入。在全球气候变化的背景下，研究青海北部典型草地生长期内土壤水分的时间变异性特征及主导因素，对于深入理解高寒草甸土壤水文过程，加强高寒草甸生态系统宝贵水资源的科学管理至关重要[10]。

本研究采用经典统计学变异系数(Coefficient of variation,CV)和地统计学半方差函数(Semivariance)相结合方法，分析不同年份(2009—2012年)青海北部典型草地土壤水分的时间变异特征。同时，利用相关分析及多元逐步回归分析的方法确定该区草地土壤水分时间异质性的主导因素，以期为高原草甸生态系统的长效稳定、草地土壤水分的科学管理和利用提供参考。

1 试验材料与方法

1.1 研究区概况

研究区选取祁连山系西南侧的青海省海晏县。该县地处青海湖东北岸，海拔3 000～3 400 m，年降水量270～500 mm，年蒸发量1 700～1 800 mm，年太阳总辐射量666～669 kJ/m2。受到地域气候条件的影响，该区牧草生长期短，生长能力有限，青草期短、枯黄期长。县域农牧用地面积3.77×105hm2，其中草地占比高达99.77%，可利用天然草地面积达2.42×105hm2。研究区内草地类型以高寒草甸草原为主，牧草以紫花针茅(Stipapurpurea)、小嵩草(Kobresiapygmaea)、垂穗披碱草(Elymusnutans)、矮生嵩草(Kobresiahumilis)、金露梅(Potentillafruticosa)、线叶嵩草(Kobresiacapillifolia)为主，土壤类型主要为亚高山草甸土[11]。

1.2 数据获取

试验地点位于青海省海晏县西海镇的海北牧业气象试验站草地观测场，北纬36°57′,东经100°51′，海拔为3 140 m。观测场优势物种为西北针茅，浅层土壤(0—0.7 m)土层容重为1.06 g/cm3，田间持水量30.33%(质量含水量)，凋萎含水量10.37%。在观测场内布设4个25 m×25 m试验小区。于2009年起，在作物生长期内(4—9月)每隔10 d，利用土钻对根区0—0.7 m土层按照0.1 m间隔采集扰动土壤样品，样品采集后保存至密封的小铝盒内并带回实验室。采用烘干法(105℃烘干至恒重)测定土壤的质量含水量。各月月末，采用样方法(1 m×1 m)对试验小区内植物进行割刈并带回实验室烘干称重，获取植被的生物量(g/m2)，同时利用拍照法计算小区内的植被盖度。各小区内选取5株代表性紫花针茅植株并测定其高度，获取其生长期内的株高(cm)变化。

1.3 分析方法

1.3.1 经典统计学变异系数 经典统计学对变异特征的分析主要根据变异系数CV进行，其具体表达式为：

(1)

1.3.2 地统计学空间(时间)变异分析理论 地统计学中的空间变异分析主要以半方差函数(Semi-variogram)为理论基础。半方差函数方法是计算某一参数在间隔一定空间距离下的样本方差值[13]。以地统计学空间变异理论为基础，将空间间隔替换为时间间隔，即可用于分析某一参数的时间异质性[2]。基于区域化变量理论和本征假设，当滞后距离为h时，其表达具体式为：

(2)

式中：Z(Xi)为某一参数在样点i的实际值；h为滞后距离(Lag distance)；Z(Xi+h)为与样点i时间间隔h的样点的实测值；N(h)为距离h内的采样点的个数；γ(h)半方差(Semivariance)。常用的半方差函数模型包括：球状模型(Spherical model)、高斯模型(Gaussian model)、线性模型(Linear model)、指数模型(Exponential model)4种。根据半方差函数模型的拟合结果确定用于评价时间异质性的重要特征值，包括：块金值(C0)、基台值(C0+C)和变程(A)[14]。

数据的基本统计特征分析、Pearson相关分析和多元逐步回归分析主要利用SAS(SAS Institute,Cary,NC,USA,1999)软件完成。利用GS+(Ver.9.0)软件对不同年份生长期内土壤水分进行半方差函数的拟合，进而分析其时间异质特征。不同年份剖面土壤水分动态分布图由ArcGIS(ESRI ArcMap 10.2)绘制。

2 结果与分析

2.1 土壤含水量的剖面分布特征

2009—2012年土壤含水量(SWC)均呈现随深度增加而降低的趋势(图1)，这可能与土壤水分蒸发以及植物根系吸水数量随着深度增加而减弱有关[5]。同时，该区有限的降水和较高的水分蒸散发量导致降水对浅层土壤水分的补给量小于消耗量[15]，最终导致图1中土壤含水量在剖面中的分布趋势。不同年份间，2012年剖面土壤含水量最高，2011年最低，这可能与两年间降水的差异有关。除2010年60—70 cm土层外(变异系数为7.99%)，其他年份不同土层生长季土壤水分的变异系数均达到了中等变异的程度(10%

图1 2009-2012年土壤含水量及其变异系数的剖面分布特征

2.2 土壤含水量的时间变异特征

采用半方差函数对不同年份生长季土壤含水量进行拟合(表1)，高斯和线性模型对生长季土壤水分的拟合效果较好(R2>0.96)，两种模型均能够很好地反映土壤水分的时间变异结构(表1)，2009年、2011年的最优拟合模型为高斯模型，2010年、2012年的最优拟合模型为线性模型。各个年份土壤含水量的采样时间间距均小于变程(3.273～5.252)，说明采样时间间距足以揭示本研究中土壤水分的时间异质性特征[12]。各年份土壤含水量的块金值均较小(>5.356)，说明由随机部分导致的土壤水分时间变异性较小[5]。根据研究期内各年份土壤含水量的基台值，2011年土壤水分的时间变异性最强(基台值为27.450)，2012年土壤含水量的时间变异性最小(基台值为13.185)，2009年土壤含水量的时间变异性高于2010年(基台值分别为23.590，18.940)。异质比可以反映土壤含水量对时间的依赖性[14]。根据Cambardella等[20]的划分标准，2010年土壤含水量的时间依赖性为中等程度(0.25≤异质比≤0.75)，2009年、2010年、2012年土壤含水量的时间依赖程度均达到了强烈程度(异质比<0.25)。变程可以反映土壤含水量在研究期的时间相似性，变程越小，表明土壤含水量在时间上的相互作用距离越小，反之则越大。不同年份生长季内土壤含水量的时间相似性大小顺序为2011年>2009年>2010年>2012年。

表1 不同年份土壤含水量半方差函数最优模型及相关参数

根据不同年份土壤含水量的半方差函数拟合结果，采用普通克里格插值法对2009—2012年生长季土壤含水量进行插值(图2)。整体来看，4月初返青期草地0—0.4 m土层土壤水分状况较好，随着植被对土壤水分消耗量的增加，4—7月0—0.7 m土层干燥化范围逐渐扩大。尽管这一阶段降水量逐步增加(图3)，但由于植被耗水与降水补给间的负平衡，土壤含水量表现出下降的趋势(图2)。到了开花期的前期(6月)，整个剖面的含水量达到了生长期含水量的最低值。在生长季后期，随着植被对土壤水分消耗量的减小，剖面土壤水分状况逐渐恢复(图2)。Zhao等[5]研究了黄土高原农地、人工草地、撂荒草地和柠条林地土壤水分的时间变异特征，同样发现在生长季前、中期，4种土地利用下土壤水分均出现了不同程度的下降。直至生长季末期，土壤水分才开始回升。研究期内，2010年剖面土壤含水量在7月份最好，这可能与该年的降水量整体偏低，植物长势较差(表2)，对土壤水分的消耗较小有关[5]。加之7月份降水量在整个生长期内最高，对土壤水分有着较好的补给，最终导致2010年土壤含水量的时间变化趋势不同于研究期内其他年份。除此之外，植被的盖度还影响土壤蒸发过程[21]。由于2010年植被盖度较低(表2)，研究区较高的土壤水分蒸发量和有限的降水，导致该年8—9月份土壤水分出现一定的下降，9月份高于往年的降水对后续土壤水分的状况起到了一定的改善作用。

图2 2009-2012年草地生长季土壤含水量剖面动态特征

表2 植被指标的统计特征

2.3 土壤含水量时间变异的主导因素

利用Pearson相关分析法分析了土壤含水量与其潜在影响因素的相关关系(表3)，可以看出，土壤含水量与本研究所选取的6个影响因素中的5个存在显著的相关关系(p<0.01)。其中，土壤含水量与降水量和气温呈正相关关系，与土层深度、生物量和盖度呈负相关关系(表3)。降水是青海北部草地土壤水分的重要补给源，因此，降水量的大小直接决定着土壤中水分的含量。研究区气候类型为高原大陆性气候，雨热同季，降水和气温具有较好的正相关性[22]。因此，本研究中，气温与土壤含水量也表现出显著的正相关关系。植被的耗水量通常随着植被盖度和株高的增加而增加，植被对土壤水分的消耗，导致土壤含水量的降低。因此，植被盖度和株高与土壤含水量呈负相关关系。选取与土壤含水量存在显著相关关系的5个影响因素：土壤含水量、降水量、气温、土层深度、生物量和盖度进行多元逐步回归分析，以确定草地土壤含水量的主导因素(表4)。结果表明，土层深度、植被盖度和降水量是土壤含水量的主要影响因素(p≤0.001)，由以上3个因素构成的回归方程可以解释土壤水分51.5 %的变异。

图3 2009-2012年降水量和气温的月变化

表3 土壤含水量与测定指标间的相关性

注：**表示相关关系在p<0.01水平上显著。

表4 土壤含水量时间异质性影响因素的多元逐步回归分析

3 结 论

(1) 青海北部紫花针茅草地0—0.7 m土层土壤含水量的时间变异程度随深度的增加而降低，不同年份土壤含水量时间变异程度存在一定差异，但通常保持在中等变异程度。

(2) 半方差函数模型适用于该区土壤含水量时间异质性分析且拟合度较高，研究期内(2009—2012)份草地土壤含水量年内时间变异的最高和最低值其分别在2011年、2012年达到。

(3) 研究区土壤含水量的时间变异程度主要受到土层深度、植被盖度和降水量的影响，3个影响因素对土壤含水量时间变异的解释度达51.5%。