劉玉嬌，朱 青，呂立剛，廖凱華，徐 飛

(1 中國科學(xué)院南京地理與湖泊研究所，流域地理學(xué)重點實驗室，南京 210008；2 中國科學(xué)院大學(xué)，北京 100049；3 南京大學(xué)地理與海洋科學(xué)學(xué)院，南京 210046)

?

基于時間穩(wěn)定性和降維因子分析的土壤水分監(jiān)測優(yōu)化①

劉玉嬌1,2，朱 青1*，呂立剛3，廖凱華1，徐 飛1

(1 中國科學(xué)院南京地理與湖泊研究所，流域地理學(xué)重點實驗室，南京 210008；2 中國科學(xué)院大學(xué)，北京 100049；3 南京大學(xué)地理與海洋科學(xué)學(xué)院，南京 210046)

摘 要：以南京市高淳區(qū)青山茶場中相鄰的茶園和竹林坡地為研究區(qū)，對研究區(qū)土壤水分進行長期定點監(jiān)測。基于土壤水分時間穩(wěn)定性，結(jié)合因子分析選取典型樣點組合，采用多元線性回歸模型構(gòu)建各監(jiān)測點土壤水與典型樣點間的數(shù)量關(guān)系。通過典型樣點預(yù)測各監(jiān)測點土壤水分，并檢驗預(yù)測結(jié)果，以期通過少數(shù)樣點的監(jiān)測來反映研究區(qū)的整體概況，優(yōu)化研究區(qū)土壤水分監(jiān)測。結(jié)果表明：在茶園僅監(jiān)測7個點時，驗證期RMSE小于1.5 cm3/cm3；竹林僅監(jiān)測5個樣點時，驗證期RMSE小于1.7 cm3/cm3，模型能很好地預(yù)測研究區(qū)各樣點土壤水分，為優(yōu)化土壤水監(jiān)測、減少野外工作量提供了理論依據(jù)。不同土地利用方式、不同深度處土壤水分分布特征存在顯著差異；竹林土壤水分具有較強的時間穩(wěn)定性，土壤水分的空間自相關(guān)性較茶園強；30 cm深處比10 cm深處土壤水分具有更穩(wěn)定的空間分布結(jié)構(gòu)。

關(guān)鍵詞：土壤水分；空間預(yù)測；時間穩(wěn)定性；茶園；竹林

土壤水是生態(tài)系統(tǒng)中各圈層進行轉(zhuǎn)化的重要紐帶，土壤水分的運動是土壤物質(zhì)遷移的主要驅(qū)動力之一[1-3]。污染物也可隨土壤水的運動而擴散[4-6]。研究土壤水的分布和運動規(guī)律，對環(huán)境治理工程具有重要的指導(dǎo)意義[7]。而土壤是不均一變化的連續(xù)體[8],具有明顯的時空差異[9-11]，且這種空間變異是普遍存在的[12]。因此，精確監(jiān)測和模擬土壤水分的時空變化難度較大。

土壤水是空間隨機變量，可利用數(shù)理統(tǒng)計來研究土壤水分的空間分布規(guī)律[13]，且這種規(guī)律是建立在時間穩(wěn)定性基礎(chǔ)上的。土壤水分的“時間穩(wěn)定性”概念首先是由Vachaud等[14]于1985年首次提出，即空間采樣點與土壤屬性統(tǒng)計參數(shù)之間關(guān)系的時間不變性。當(dāng)研究區(qū)是一個相對穩(wěn)定的環(huán)境時，時間穩(wěn)定性原理即成立，即不同時期測量的土壤水含量在空間上的分布具有極強的相似性[15]?；诖耍酝S多研究嘗試通過若干少數(shù)樣點的土壤水分監(jiān)測值來反映整個區(qū)域的土壤平均水分狀況[16-18]。此外，由于土壤水分在空間上的相關(guān)性，未知點土壤水分可通過周圍監(jiān)測點進行估算，這為減少野外工作量，優(yōu)化研究區(qū)土壤水分的監(jiān)測提供了理論依據(jù)。

然而，由于地形地貌、土地利用和土壤性質(zhì)的時空分異，同一研究區(qū)可以劃分為不同的水文響應(yīng)單元[19]。不同水文響應(yīng)單元土壤水分穩(wěn)定性特征不同[20-22]，因此不能隨意選擇樣點來代表研究區(qū)域的土壤水分狀況。降維因子分析是在變量相關(guān)系數(shù)矩陣的基礎(chǔ)上，把多個具有較強相關(guān)性的變量簡化成少數(shù)幾個綜合變量，來研究總體信息的多元統(tǒng)計方法，且這少數(shù)的幾個變量間不相關(guān)。因子分析為典型樣點的選擇提供了科學(xué)合理的方案。

本研究以南京市高淳區(qū)青山茶場作為研究區(qū)，在時間穩(wěn)定性結(jié)合降維因子分析方法的基礎(chǔ)上，選取典型樣點，構(gòu)建其與各監(jiān)測點的數(shù)量關(guān)系，精確模擬各監(jiān)測點的土壤水分，以期以較少監(jiān)測點來反映研究區(qū)土壤水分的分布狀況，減輕野外監(jiān)測工作量，優(yōu)化土壤水分監(jiān)測。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于南京市高淳區(qū)青山茶場(E119°03′22″，N31°22′24″)，該區(qū)屬亞熱帶季風(fēng)過渡氣候，氣候溫和，四季分明，常年平均氣溫 16.4 ℃，年均降水量 1 194.5 mm，近 60% 的降雨集中在 6 至 9月，年日照數(shù) 2 128.1 h，農(nóng)作物生長光熱能量充足；海拔 15～35 m，系低丘傾斜平原。研究區(qū)平均坡度約為 12%，土地利用方式為茶園和毛竹林，土壤類型為薄層粗骨土。薄層粗骨土土層淺，厚度小于 1 m，礫石含量大于 30%，質(zhì)地為輕壤土，土質(zhì)松散。

根據(jù)坡面地形情況和土地利用類型，以8 m為取樣間隔共設(shè)置77個土壤樣點(圖1)，其中茶園39 個(編號1～40，30號空缺)，毛竹林地38個(編號41～79，69 號空缺)。剖面土壤水分傳感器(TRIME-PICOIPH)是基于TDR時域反射儀技術(shù)，通過測量土壤介電常數(shù)轉(zhuǎn)換得到土壤水含量的測量儀器。采用剖面土壤水分傳感器定期監(jiān)測點10 cm、30 cm深處土壤水分，平均每月一次，基本覆蓋干濕季，降雨較多的雨季進行加密觀測，如5月10日、13日、15日均進行了監(jiān)測，其中13、21、44、65號監(jiān)測點未測得30 cm深處土壤水分。2012年12月至2013年12月，共測得14次土壤水分。將2013年3月至10月共10次監(jiān)測數(shù)據(jù)用于構(gòu)建樣點土壤水間的回歸模型，用2012年12月、2013年1月、11月、12月4次監(jiān)測數(shù)據(jù)檢驗?zāi)M結(jié)果，由于2012年12月竹林監(jiān)測數(shù)據(jù)缺失，用2014年1月監(jiān)測數(shù)據(jù)代替。

圖 1 研究區(qū)域地理位置及監(jiān)測點布置Fig.1 Location of study area and sampling sites in tea garden and bamboo forest

1.2 研究方法

土壤水分的時間穩(wěn)定性公式如下：

式中：θij為第j天第i個監(jiān)測樣點的實測土壤水分；為第j天所有監(jiān)測樣點實測土壤水分的平均值；δij為第j天第i個土壤水分監(jiān)測樣點的土壤水分相對偏差；δi為第i個監(jiān)測樣點所有監(jiān)測時期的平均土壤水分相對偏差；M為監(jiān)測次數(shù)(10次)；Sδi為第i個監(jiān)測樣點所有監(jiān)測時期土壤水分相對偏差的標(biāo)準(zhǔn)差。當(dāng)δi為0時，該樣點代表了研究區(qū)的平均濕潤程度；當(dāng)δi為正值時，該樣點的濕潤程度高于研究區(qū)的平均濕潤程度；當(dāng)δi為負(fù)值時則相反。Sδi越大，該樣點土壤水分時間上越不穩(wěn)定。

在時間穩(wěn)定性的基礎(chǔ)上，利用統(tǒng)計學(xué)分析各監(jiān)測點土壤水分特征。在SPSS19.0中采用降維因子分析法，分別對茶園和竹林監(jiān)測點3—10月土壤水分監(jiān)測數(shù)據(jù)進行分析，使用主成分相關(guān)性分析法，得到因子分析旋轉(zhuǎn)空間中的成分圖。相關(guān)性較強的樣點在圖中集聚，結(jié)合由時間穩(wěn)定性特征選取的典型樣點，選取合適的監(jiān)測點，使選取的典型樣點盡量能表達(dá)研究區(qū)所有樣點。最后，采用逐步多元線性回歸(P＜0.1)，以典型樣點土壤水分為自變量，其余樣點為因變量，構(gòu)建研究區(qū)樣點與典型樣點土壤水分的關(guān)系模型。由典型樣點監(jiān)測值，通過關(guān)系模型計算研究區(qū)各樣點土壤水分，并用實測值進行檢驗，預(yù)測精度通過均方根誤差(RMSE)進行綜合評定。

2 結(jié)果與分析

2.1 時間穩(wěn)定性分析

對茶園、竹林各監(jiān)測點2013年3月至10月的土壤水分監(jiān)測數(shù)據(jù)進行時間穩(wěn)定性特征分析。研究區(qū)各樣點的平均土壤含水量的相對偏差分布如圖2所示，各樣點的標(biāo)準(zhǔn)差使用垂直誤差線標(biāo)注。茶園土壤平均含水量相對偏差主要分布在 -0.5～0.5(圖2A)，有15個點土壤含水量相對偏差的標(biāo)準(zhǔn)差Sδi＜0.1，時間穩(wěn)定性較好；20個點Sδi在0.1～0.2，時間穩(wěn)定性一般；4個點Sδi＞0.2，時間穩(wěn)定性較差。竹林土壤平均含水量相對偏差分布在 -0.4～0.4(圖2B)，其中22個樣點土壤含水量時間穩(wěn)定性較好，13個樣點土壤含水量時間穩(wěn)定性一般，3個樣點時間穩(wěn)定性較差。

圖2　茶園(A)、竹林(B)監(jiān)測點平均土壤水分的相對偏差排序Fig.2 Rank of mean relative differences of soil moistures for(A)tea garden and(B)bamboo forest

在茶園監(jiān)測點中，選取17號代表濕潤的典型樣點，40號代表接近土壤水分平均含量且時間穩(wěn)定性最好的樣點，9號代表干旱的樣點；10號代表時間穩(wěn)定性差的樣點。同理，在竹林中，選取79號代表濕潤度較高且穩(wěn)定的典型樣點，61號為最接近土壤平均濕度的樣點，53號為干旱且穩(wěn)定的樣點，63號為時間穩(wěn)定性差的樣點。

當(dāng)僅以時間穩(wěn)定性選取的4個典型樣點構(gòu)建線性回歸模型時，模型不能精確模擬研究區(qū)內(nèi)所有樣點土壤水分。在茶園10 cm深處，有 29個點模擬精度較好(R2＞0.8)，3個樣點的模擬精度較差(R2＜0.6)；茶園30 cm深處，僅22個點模擬精度較好(表1)。在竹林10 cm深處，有35個點模擬精度較好，2個樣點的模擬精度較差；30 cm深處，有 26個點模擬精度較好，2個樣點的模擬精度較差(表2)?？梢姡?dāng)僅由時間穩(wěn)定性選取的4個典型樣點為自變量時，不足以精確模擬研究區(qū)監(jiān)測點土壤水分含量。

2.2 降維因子分析

將3—10月共10次土壤水分進行降維因子分析，得到旋轉(zhuǎn)空間中的成分圖(圖3)。成分圖中樣點的位置的遠(yuǎn)近表示其相關(guān)性的高低，綜合考慮各樣點間的相關(guān)性及已選取的典型樣點，茶園可選出的樣點有23號、12號和3號，竹林可選出的樣點有55號、45號。

在已選定的典型樣點的基礎(chǔ)上，逐步添加由因子分析選擇的樣點作為自變量構(gòu)建回歸模型，觀察模型決定系數(shù)R2。茶園逐步增加典型樣點后，決定系數(shù)如表1所示。當(dāng)以3、9、10、17、23、40、12號這7個典型樣點作為自變量時，10 cm深處，有35個點模擬精度較好(R2＞0.8)，30 cm深度，有29個點模擬精度較好(表1)。10 cm深處模擬精度較好(R2＞0.8)的樣點數(shù)量占總監(jiān)測量的89.7%，30 cm深處占78.4%，模型能較好地模擬研究區(qū)監(jiān)測點土壤水分。

竹林在添加55號樣點后(表2)，10 cm深度，有36個點模擬精度較好(R2＞0.8)，僅1個樣點的模擬精度較差(R2＜0.6)；30 cm深度，有32個點模擬精度較好。 10 cm深處模擬精度較好(R2＞0.8)的樣點占總監(jiān)測數(shù)的94.73%，30 cm深處占88.89%(表2)。竹林僅監(jiān)測5個樣點時，模型精度已很好，無需再添加45號樣點。

表1　茶園典型樣點回歸模型決定系數(shù)R2值分布情況Table 1 R2values of regression models for different representative sampling sites in tea garden

表2　竹林典型樣點回歸模型決定系數(shù)R2值分布情況Table 2 R2values of regression models for different representative sampling sites in bamboo forest

圖3　茶園(A)、竹林(B)監(jiān)測點在旋轉(zhuǎn)空間中的成分圖Fig.3 Component diagrams of sampling sites for tea garden(A)and bamboo forest(B)

2.3 檢驗分析

2.3.1 模型檢驗結(jié)果 茶園、竹林2013年3—10月各監(jiān)測點模擬的效果總體較好(圖4)。10 cm深處，除9月26日偏差最大為1.15 cm3/cm3外，其余模擬結(jié)果都較好；30 cm深處，RMSE均小于1 cm3/cm3。竹林整體的模擬效果也較好，但部分樣點偏差較大(圖4)。竹林10 cm深處模擬效果較差為5月13日，30 cm深處較差的是5月15日，其余各時期RMSE均小于1.5 cm3/cm3。茶園、竹林在降雨后監(jiān)測的5月模擬效果均較差，原因可能是受到降雨的影響，土壤水在空間上分布結(jié)構(gòu)短時間內(nèi)發(fā)生變化[23]，濕潤期與干旱期土壤空間分布的變異性差異較大[24]，造成部分樣點土壤水分模擬偏差大，以致總體模擬效果差。

圖4　訓(xùn)練期茶園、竹林模型檢驗的RMSEFig.4 RMSE Values of soil moistures for tea garden and bamboo forest during training period

茶園監(jiān)測點驗證期的模擬效果較好，各監(jiān)測點預(yù)測值與實測值較為吻合。驗證期監(jiān)測點預(yù)測均值與實測均值較為接近，差值均小于0.5 cm3/cm3。10 cm深處，2013年1月9日的RMSE最小，為0.88 cm3/cm3，RMSE占實測平均值的7.98%。30 cm深處，2012年12月18日的RMSE最小，為1.11 cm3/cm3，RMSE占實測平均值的9.71%(表3)，僅11月13日的預(yù)測平均值與實測平均值的差異較大，為1.24 cm3/cm3。

竹林監(jiān)測點驗證期實測值與預(yù)測值接近，模型能很好地反映研究區(qū)土壤水分的平均狀況。10 cm深度2013年11月13日的RMSE最小，為1.34 cm3/cm3，RMSE占實測平均值的比例也較小，為10.29%；30 cm深處，除誤差大的2013年1月外，各時期的預(yù)測均值與實測均值較為接近(表4)，2013年11月13日RMSE占實測均值的比例最小，為9.19%?？梢?，竹林各監(jiān)測點的預(yù)測結(jié)果較理想。

表3　茶園驗證期實測與預(yù)測均值比較Table 3 Comparison of observed and predicated values during validation for tea garden

表4　竹林驗證期實測與預(yù)測均值比較Table 4 Comparison of observed and predicated values during validation for bamboo forest

通過檢驗可知，茶園和竹林不同深度，模型均能較為精確地模擬各監(jiān)測點土壤水分，能很好地反映研究區(qū)土壤水的分布狀況。因此，以少數(shù)典型樣點預(yù)測研究區(qū)土壤水分的分布狀態(tài)是可行且有效的，為優(yōu)化研究區(qū)域土壤水分的監(jiān)測，減少野外監(jiān)測的工作量提供了依據(jù)。

2.3.2 不同土地利用方式模擬結(jié)果 竹林較茶園具有更好的時間穩(wěn)定性，監(jiān)測點土壤水分的相關(guān)性更強。由時間穩(wěn)定性分析結(jié)果可知(圖1)，竹林樣點土壤水分較茶園更接近平均土壤水分含量；大部分竹林樣點土壤水分相對偏差的標(biāo)準(zhǔn)差較茶園小，時間穩(wěn)定性較好，而竹林中極少數(shù)樣點相對偏差的標(biāo)準(zhǔn)差較大，時間穩(wěn)定性差。同時，由降維因子分析成分圖(圖2)可知，竹林各監(jiān)測樣點在成分圖中呈聚攏形式，而茶園各樣點相對分散，竹林土壤水分具有更強的相關(guān)性。

在構(gòu)建線性回歸模型時，茶園部分樣點與典型樣點的相關(guān)性較弱，總體決定系數(shù)較小，但當(dāng)添加樣點自變量后，決定系數(shù)提高較快，總體的模擬效果較好。而竹林大部分樣點相關(guān)性較強，較少的典型樣點即可表達(dá)研究區(qū)大部分樣點，模型決定系數(shù)較高；而少數(shù)樣點相關(guān)性弱，時間穩(wěn)定性差，其預(yù)測值與實測值相差較大，造成竹林整體模擬效果差，檢驗時的RMSE較大。

許多研究者都分析了土壤水分分布的時間穩(wěn)定性以及影響因素，Gomez-Plaza 等[25]研究發(fā)現(xiàn)，當(dāng)影響因素僅限于地理位置和地形時，土壤水分就呈現(xiàn)出時間上較為穩(wěn)定的空間分布特征，而當(dāng)植被也對土壤水分產(chǎn)生影響時，土壤水分在空間上的分布結(jié)構(gòu)就不穩(wěn)定。本文研究的時間穩(wěn)定性特征與Gomez-Plaza 等[25]的研究結(jié)果一致，茶園和竹林本在地理位置和地形上差異較小，而受到不同類型植被的影響，造成茶園竹林區(qū)時間穩(wěn)定性特征差異較大。

2.3.3 不同深度模擬結(jié)果 總體而言，茶園和竹林中大部分 30 cm 深度的模擬結(jié)果好于 10 cm 深度(圖 4)。這可能是在空間變異結(jié)構(gòu)上 30～40 cm 深度的空間自相關(guān)程度高且比較穩(wěn)定[26]，這與潘顏霞等[18]對黃土高原荒漠人工固沙植被區(qū)土壤水分時間穩(wěn)定性研究的結(jié)果相一致。此外，表層土壤為降水到達(dá)地面時最先承接的部位，其土壤水分變化對降水最為敏感[27-29]，土壤水含量波動較大。30 cm 深處，土壤水分空間分布結(jié)構(gòu)相對穩(wěn)定，但在發(fā)生較大降雨量時，也會受到壤中流的影響，空間分布結(jié)構(gòu)局部發(fā)生暫時性變化，造成預(yù)測效果不理想。

3 結(jié)論

1)通過土壤水分時間穩(wěn)定性結(jié)合降維因子分析，選取合理的典型樣點組合，應(yīng)用多元線性回歸模型可以有效地預(yù)測空間各監(jiān)測點土壤水分。若僅以時間穩(wěn)定性為基礎(chǔ)選取的樣點作為自變量，模型精度不足以精確模擬研究區(qū)土壤水分，結(jié)合因子分析選取典型樣點組合構(gòu)建模型時，模型模擬精度較高。

2)研究區(qū)竹林土壤水分較茶園具有更好的時間穩(wěn)定性，監(jiān)測點土壤水分的空間相關(guān)性更強。

3)研究區(qū)較深層的30 cm土壤水分的空間分布結(jié)構(gòu)較10 cm穩(wěn)定，土壤水分的分布具有更強的空間變異性。較淺的10 cm深處土壤易受降雨、根系等因素影響，水分波動較大，土壤水分空間分布結(jié)構(gòu)不穩(wěn)定。

參考文獻：

[1]Lin H S.Earth’s critical zone and hydropedology:Concepts characteristics and advances[J].Hydrology and Earth System Sciences,2010,14:25-45

[2]Lin H S,Bouma J,Wilding L P,Richardson J L,Kutilek M.Advances in hydropedology[J].Advances in Agronomy,2005,85:1-89

[3]徐進,徐力剛,丁克強,等.鄱陽湖洲灘濕地土壤-水-植物系統(tǒng)中磷的靜態(tài)遷移研究[J].土壤學(xué)報,2015,52(1):138-144

[4]駱永明,滕應(yīng).我國土壤污染退化狀況及防治對策[J].土壤,2006,38(5):505-508

[5]林強.我國的土壤污染現(xiàn)狀及其防治對策[J].亞熱帶水土保持,2004,16(1):25-28

[6]Carpenter S R,Caraco N F,Correll D L,et al.Nonpoint pollution of surface waters with phosphorus and nitrogen[J].Ecological Applications,1998,8:559-568

[7]Zhu Q,Schmidt J P,Lin H S,et al.Hydropedological process and their implications for nitrogen availability to corn[J].Geoderma,2009,154:111-122

[8]Serrano J M,Peca J O,da Silva M,et al.Mapping soil and pasture variability with an electromagnetic induction sensor[J].Computers and Electronics in Agriculture,2010,73:7-16

[9]華孟,王堅.土壤物理學(xué)[M].北京:北京農(nóng)業(yè)大學(xué)出版社,1992

[10]余云飛,許學(xué)宏,高芹,等.土壤水分空間分布及時間穩(wěn)定性的探討[J].農(nóng)業(yè)環(huán)境與發(fā)展,2006,23(3):89-92

[11]高曉東,吳普特,張寶慶,等.黃土丘陵區(qū)小流域土壤有效水空間變異及其季節(jié)性特征[J].土壤學(xué)報,2015,52(1):57-67

[12]Berndtsson R,Bahri A,Jinno K.Spatial dependence of geochemical elements in a semiarid agricultural field Geostatistical properties[J].Soil Science Society of America Journal,1993,57:1 323-1 329

[13]朱首軍,丁艷芳,薛泰謙,等.農(nóng)林復(fù)合生態(tài)系統(tǒng)土壤水分空間變異性和時間穩(wěn)定性研究[J].水土保持研究,2000,7(1):46-48

[14]Vachaud G,De Silans Passerat A,Balabanis P,et al.Temporal stability of spatially measured soil water probability density function[J].Soil Science Society of America Journal,1985,49:822-827

[15]Burrough P A.Soil variability:A late 20th century view[J].Soils and Fertilizers,1993,56(5):529-562

[16]Brubaker S C,Jones A J,Frank K,et al.Regression models for estimating soil properties by landscape position[J].Soil Science Society of America Journal,1994,58:1 763-1 767

[17]周啟友,島田純.土壤水空間分布結(jié)構(gòu)的時間穩(wěn)定性[J].土壤學(xué)報,2003,40(5):683-690

[18]潘顏霞,王新平,蘇延桂,等.荒漠人工固沙植被區(qū)淺層土壤水分動態(tài)的時間穩(wěn)定性特征[J].中國沙漠,2009(1):81-86

[19]邱揚,傅伯杰,王軍,張希來,等.土壤水分時空變異及其與環(huán)境因子的關(guān)系[J].生態(tài)學(xué)雜志,2007,26(1):100-107

[20]Lin H S,Kogelman W,Walker C,et al.Soil moisture patterns in a forested catchment:A hydropedological perspective[J].Geoderma,2006,131:345-368

[21]Gomez-Plaza A,Alvarez-Rogel J,Albaladejo J,et al.Spatial patterns and temporal stability of soil moisture across a range of scales in a semi-arid environment[J].Hydrological Processes,2000,14:1 261-1 277

[22]楊玉崢,林青,王松祿,等.大沽河中游地區(qū)土壤水與淺層地下水轉(zhuǎn)化關(guān)系研究[J].土壤學(xué)報,2015,52(3):547-557

[23]Reynolds S G.The gravimetric method of soil moisture determination Part Ⅲ.An examination of factors influencing soil moisture variability[J].Journal of Hydrology,1970,11(3):288-300

[24]劉凱,高磊,彭新華,等.半干旱區(qū)科爾沁沙地土壤水分時空特征研究.土壤,2015,47(4):765-772

[25]Gomez-Plaza A,Alvarez-Rogel J,Alabal adejo J,et al.Spatial patterns and temporal stability of soil moisture across a range of scales in a semi-arid environment[J].Hydrological Processes,2000 ,14:1 261-1 277

[26]王改改,魏朝富,呂家恪,等.四川盆地丘陵區(qū)土壤水分空間變異及其時間穩(wěn)定性分析[J].山地學(xué)報,2009,27(2):211-216

[27]劉宏偉,余鐘波,崔廣柏.濕潤地區(qū)土壤水分對降雨的響應(yīng)模式研究[J].水利學(xué)報,2009,40(7):822-829

[28]王峰,沈阿林,陳洪松,等.紅壤丘陵區(qū)坡地降雨壤中流產(chǎn)流過程試驗研究[J].水土保持學(xué)報,2007,21(5):15-17,29

[29]Kachanoski R G,Dejong E.Scale dependence and the temporal persistence of spatial patterns of soil water storage[J].Water Resources Research ,1988,24:85-91

Optimizing Soil Moisture Monitoring Based on Temporal Stability and Factor Analysis

LIU Yujiao1,2,ZHU Qing1*,LV Ligang3,LIAO Kaihua1,XU Fei1
(1 Key Laboratory of Watershed Geographic Sciences,Nanjing Instituted of Geographic and Limnology,Chinese Academy of Sciences,Nanjing 210008,China; 2 University of Chinese Academy of Sciences,Beijing 100049,China; 3 School of Geographic and Oceanographic Sciences,Nanjing University,Nanjing 210046,China)

Abstract:This paper armed to optimize soil moisture monitoring by taking hill slopes in a tea garden and a bamboo forest located in Gaochun district of Nanjing City as examples and monitoring soil moisture in long-term.Based on the temporal stability and factor analysis,representative sampling sites were selected to predict soil water contents for other sampling sites by building stepwise regression models,and then checked the predication accuracy.The results showed:when only monitoring soil water content at 7 representative sampling sites in tea garden,RMSE of prediction was ≤1.5 cm3/cm3.In addition,while only monitoring soil water content at 5 representative sampling sites in bamboo forest,RMSE was ≤1.7 cm3/ cm3.This method can reduce the number of soil moisture monitoring sites in predicting soil water content on hill slopes with limit observations.In addition,land use type and soil depth can affect soil moisture characteristics.Bamboo forest had stronger temporal stability and higher spatial autocorrelation in soil moisture than tea garden,however,the performance of regression models for bamboo forest was worse than those for tea garden.It is noted that the spatial structure of soil moisture at 30 cm depth was more stable than that at 10 cm depth,implying the performance of regression models is better at 30 cm than at 10 cm depth.

Key words:Soil water content; Spatial prediction; Temporal stability; Tea garden; Bamboo forest

作者簡介：劉玉嬌(1991—)，女，貴州遵義人，碩士研究生，主要從事土壤水運動模擬研究。E-mail:njuliuyujiao@163.com

* 通訊作者(qzhu@niglas.ac.cn)

基金項目：①國家自然科學(xué)基金項目(41271109；41301234)和中國科學(xué)院南京地理與湖泊研究所“一三五”重點項目(NIGLAS2012135005)資助。

DOI:10.13758/j.cnki.tr.2016.01.028

中圖分類號：S152.7