吉吉佳門，程一本，諶玲瓏，萬鵬翔，張祎暉，楊文斌，白旭贏，王 濤

（1.北京林業(yè)大學水土保持學院，北京 100083；2.中國林業(yè)科學研究院荒漠化研究所，北京 100091；3.內蒙古低覆蓋治沙科技開發(fā)有限公司，內蒙古 呼和浩特 010010）

中國在過去40 a 間開展了廣泛的植被綠化項目，森林的增加大幅度增強了生物地球化學和生物物理對氣候的影響。同時，人工建植促進植被恢復可顯著影響土壤化學計量特征，也對土壤物理改良具有積極作用，有效改善土壤理化性狀［1-2］。在干旱半干旱地區(qū)的陸地表層系統(tǒng)中，地區(qū)水資源平衡受降雨、蒸散發(fā)、徑流和土壤儲水量控制，其中土壤水是水資源重要的存在形式，是植被恢復格局和過程的主要驅動力與重要生態(tài)因子［3-4］。降雨轉換而來的土壤水分對半干旱地區(qū)植被恢復與重建影響顯著，雨養(yǎng)型植被是中國防沙治沙工程的主要植被類型，其高度依賴土壤水生存［5］。干旱少雨、水資源匱乏、植被退化以及沙漠化加劇等因素導致內蒙古成為全國沙漠化土地最集中的省區(qū)之一，理解植被恢復后土壤水分的動態(tài)變化對于后續(xù)植被恢復極其重要。

學者對旱區(qū)人工植被土壤水分的時空動態(tài)特征及其再分配開展了大量研究。Zhang 等［6］指出植被恢復后，干旱荒漠化地區(qū)土壤水分平衡發(fā)生了顯著變化。Cheng等［7-8］在干旱區(qū)開展了大量關于人工林和農(nóng)田的深層滲漏研究，發(fā)現(xiàn)人類活動改變了沙區(qū)降雨水分在陸地表層的分布。李新樂等［9］指出降雨是白刺沙包土壤水分最重要的補給源，也是影響淺層土壤水分補給深度的決定因素。此外，還有許多對毛烏素沙地、黃土丘陵風沙區(qū)、騰格里沙漠等旱區(qū)土壤水分及深層滲漏的研究［10-12］，這些研究對量化旱區(qū)水資源分配，進行生態(tài)恢復和退耕還林提供了科學依據(jù)。目前在旱區(qū)，降雨水分運移研究中一般通過對相關參數(shù)進行具體的修正，形成特定條件下的水分運動模型［13］。其中，土壤水分模擬是目前Hydrus-1D 應用最為廣泛的領域，能較好的模擬干旱半干旱條件下的土壤水分平衡、深層滲漏［14-16］，研究下滲對降雨格局的響應。

樟子松是一種適宜于中國北方的樹種，節(jié)水耐鹽。在科爾沁沙地，降雨是生態(tài)系統(tǒng)和土壤水分最為主要的水分補給來源，且該地區(qū)的降雨條件接近樟子松引種區(qū)的降雨下限，因此樟子松被大量用于營造防風固沙林來治理生態(tài)環(huán)境問題［17］。在生態(tài)脆弱的奈曼沙區(qū)種植樟子松可以有效改善土壤結構，適宜在該地固沙工作中推廣［18］。采用“兩行一帶”的種植模式低密度栽培樟子松進行生態(tài)修復后，林地土壤水分動態(tài)及其對降雨的響應研究極其重要，這影響了同類型地區(qū)是否可以持續(xù)使用樟子松進行生態(tài)修復。但現(xiàn)階段對科爾沁地區(qū)“兩行一帶”式樟子松的土壤水分平衡研究進展不大，因為深層土壤水分運移過程不清晰導致沒有完整研究樣地尺度的地上地下部分水量平衡。因此，本研究以樟子松為對象，采用野外控制定位試驗監(jiān)測法和數(shù)據(jù)模擬分析法相結合，分析土壤水分時空動態(tài)及不同深度土壤水分對降雨的響應，論證Hydrus-1D模型對研究區(qū)土壤水分運動模擬的可靠性，探究使用樟子松進行植被恢復后地區(qū)土壤水分的動態(tài)特征。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

研究區(qū)位于通遼市奈曼旗(120°19′40″～121°35′40″E，42°14′40″～43°32′20″N)東北部的奈林林場（圖1），科爾沁沙地南緣。該地區(qū)海拔為240～700 m，地勢西南高，東北低［19］。屬于溫帶大陸性季風氣候，年平均氣溫7.0 ℃，年平均降雨量354.3 mm，降雨主要分布在5—10月［20］。夏季高溫降雨較多，冬季低溫且降雪較少，晝夜溫差大，日照時間長。該地區(qū)風沙土廣布，土壤孔隙大，透水性較強。同時還分布有草甸土母質，蓄水保肥能力強，通氣性較差，不耐旱澇［21］。地帶性植被為溫帶草原帶，次生性明顯。以半干旱地區(qū)的植物種為主，天然分布的植物種主要有山杏（Armeniaca sibirica）、白茅（Imperata cylindrica）、大針茅（Stipa grandis）、羊草（Leymus chinensis）、黃柳（Salix gordejevii）等［22］。

圖1 研究區(qū)地理位置Fig.1 Location of the study area

1.2 野外調查與數(shù)據(jù)采集

1.2.1 試驗地選擇 選擇奈林林場地勢平緩的樟子松（Pinus sylvestrisvar.mongolica，PSM）林地，以減少坡度對研究結果的影響。研究區(qū)樟子松已種植32 a，采用行帶式種植，兩行之間距離20 m。樣地為長方形，大小300 m×500 m，內有2500～3500 株樟子松，坡度緩，視為平地。土壤類型為沙土，無地表徑流，地下水平均埋深5.75 m。在行帶完整的樣地里，選取胸徑中位數(shù)植株作為試驗對象，對樣地200 株樟子松進行調查后各項平均指標如表1所示。為了避免空間異質性帶來的試驗誤差，選取條件相似的3 塊試驗標準區(qū)域作為重復試驗樣地，避免因植物種群不同帶來的試驗差異，3 塊樣地之間距離大約100 m。同時選取一個相鄰的裸沙地作為對照組，先將周圍樹根挖斷，再使用0.5 mm塑料膜隔離出一個周長20 m，深4 m的獨立土壤空間，防止周邊根系侵入影響降雨水分入滲。試驗場地設計如圖2所示。

表1 試驗樣地樟子松各項指標平均值Tab.1 Average value of each index of PSM in the study area

圖2 試驗地設計Fig.2 Experimental site design

1.2.2 數(shù)據(jù)采集方法 研究基于原位試驗，需要獲取降雨量、土壤含水量、深層滲漏量等信息，需要獲取的參數(shù)如下：

（1）降雨量：雨量計的安裝參照標準氣象站安裝規(guī)范，在樣地安裝兩套地表雨量監(jiān)測系統(tǒng)，統(tǒng)計降雨的雨量、次數(shù)、歷時等指標，監(jiān)測數(shù)據(jù)每10 min記錄一次。采用美國AVALON 公司生產(chǎn)的AV-3665R型雨量傳感器，分辨率0.2 mm，精度±2%。

（2）土壤水分：采用土壤水分傳感器分層監(jiān)測樣地2 m內土壤的水分變化。根據(jù)現(xiàn)場挖掘的土壤剖面，結合試驗地草本根系特征和土壤分層情況，將樟子松林地土壤劃分為8 個土壤水分觀測層，并在0.4 m、0.6 m、0.8 m、1.0 m、1.2 m、1.4 m、1.7 m 和2.0 m深度處安裝土壤水分傳感器，將裸沙地土壤劃分為6個土壤水分觀測層，并在0.3 m、0.6 m、0.9 m、1.2 m、1.5 m 和2.0 m 深度處安裝土壤水分傳感器，對比造林后降雨水分再分配過程受到植被影響而產(chǎn)生的差異。監(jiān)測數(shù)據(jù)每10 min記錄一次。

（3）深層滲漏：使用深層滲漏儀對樣地2.0 m處深層滲漏進行連續(xù)監(jiān)測，該儀器利用毛管水力提升高度設計一個平衡部，待測土層有水分流量進入平衡部后在儀器下部產(chǎn)生滲漏，從而直接測量深層滲漏量。在安裝滲漏計量儀時為避免擾動觀測層土壤，采取側挖埋設，減少對原位土壤層的干擾，保持原位土壤的完整性。儀器計量分辨率為0.2 mm，精度±2%。

1.3 模型計算

1.3.1 水流方程 采用Hydrus-1D模型對樟子松林地土壤水分運移過程進行模擬，水分以垂向運動為主，采用一維垂直入滲Richards方程［23］描述：

式中：θ為土壤體積含水量（cm3·cm-3）；t為時間（d）；z為垂向坐標（cm），假設地表為0，向下為正；K(h)為非飽和導水率（cm·d-1）；h為壓力水頭（cm）；S(h)為根系吸水速率（cm·d-1）。

土壤水分特征曲線和非飽和導水率用van Ge?nuchten-Mualem方程擬合：

式中：θr為土壤殘余含水量（cm3·cm-3）；θs為土壤飽和含水量（cm3·cm-3）；Ks為飽和導水率（cm·d-1）；Se為無量綱的相對含水量；α、m、n、l均為擬合參數(shù)。

1.3.2 根系吸水 Hydrus-1D 將根系吸水轉化為水分脅迫函數(shù)［24］，提供Feddes和S-shape兩種根系吸水模型。本研究采用Feddes 模型來模擬樟子松林地的根系吸水過程，具體表達式如下：

式中：S(h)為根系吸水速率（cm·d-1）；α(h)為水分脅迫反應系數(shù)；Sp為潛在吸水速率（cm·d-1）；b(x)為根系吸水分配密度函數(shù)；Tp為潛在蒸騰速率（cm·d-1）。

1.3.3 時間和空間離散 由于降雨集中在7—9 月且此時段為樟子松生長旺盛的季節(jié)，因此選擇2021年6 月1 日—10 月31 日為模擬時段，時間離散單元為d，共153 d。采用時間離散化的方式進行模擬，設置起始時間為0，模擬結束時間為153 d，初始時間步長為0.001 d，最小時間步長為0.001 d，最大時間步長為1 d。模擬土層厚度為2 m，以0.01 m 離散單元將其分割為200 個單元，垂直離散為201 個節(jié)點。根據(jù)土壤性質，將土壤剖面模型分為8層，設置8個觀測點。

1.3.4 邊界及初始條件 模型上邊界條件設置為可積水的大氣邊界，下邊界設置為自由排水邊界。潛在日蒸騰量采用FAO 推薦的Penman-Monteith 公式計算，Hydrus-1D自動處理蒸騰量每日變化。

1.3.5 模型參數(shù)率定與評價指標 模型水力參數(shù)的準確性對一維土壤水分運移模型能否反映實際情況具有重要的決定性，因此需對參數(shù)θr、θs、α、n、Ks進行不斷地優(yōu)化，使其更加符合實際情況。參數(shù)優(yōu)化時Hydrus-1D使用結合了牛頓法和最速下降法的LM法，進行目標函數(shù)的最小化，并為優(yōu)化參數(shù)提供置信區(qū)間［25］。本研究通過不同降雨條件下的實測土壤體積含水量對參數(shù)進行校正與優(yōu)化，獲取的參數(shù)見表2。

表2 研究區(qū)土壤水力學參數(shù)Tab.2 The soil hydraulic parameters in the study area

選取決定系數(shù)（R2）、相對誤差（RE）、均方根誤差（RMSE）和Nash 效率系數(shù)（NSE）作為評價指標進行誤差分析［26］，衡量模型的模擬效果與評價模型精度。其中，RE反映模型模擬過程中模擬值與實測值之間的相對誤差；RMSE 反映模擬值與實測值的絕對誤差的平均程度，值越接近于0，模擬精度越高；NSE 表示模擬效果隨時間變化的符合程度，值越接近1模擬效果越好［27］。

1.4 數(shù)據(jù)處理

統(tǒng)計發(fā)現(xiàn)2021 年4—10 月降雨量約占全年降雨量的98%，故選擇2021年4月1日—10月31日作為監(jiān)測期分析降雨水分分配。將24 h降雨量分為4個等級：小雨（0.1～9.9 mm）、中雨（10.0～24.9 mm）、大雨（25.0～49.9 mm）、暴雨（50.0～99.9 mm）［28］。使用水量平衡方程及入滲系數(shù)公式，初步計算研究區(qū)樟子松林地、裸沙地降雨水分的分配，具體表達式如下：

式中：P為降雨量（mm）；D為深層滲漏量（mm）；ΔSWC 為土壤含水量的變化值（mm）；ET 為蒸散發(fā)量（mm）；R為入滲系數(shù)。

應用Excel、Matlab R2021b 軟件對數(shù)據(jù)進行整理分析，并采用IBM SPSS Statistics 26 軟件進行Pearson 相關性分析，Origin 2022 軟件繪圖，Hydrus-1D建立模型。

2 結果與分析

2.1 林地與裸沙地降雨水分分配

從表3可知，樟子松林地降雨量共572.6 mm，深層滲漏系數(shù)為0.70%。其中，0～2.0 m土壤中儲存降雨水分37.34 mm，有4.0 mm 的降雨水分滲漏到2.0 m 以下，其余531.26 mm 水分為植被截留、蒸散發(fā)量。雖然，裸沙地2 m 處深層滲漏量大于樟子松林地深層滲漏量，但林地植物根系利用水分且蒸散發(fā)量損失較大，監(jiān)測期裸沙地蓄水量明顯多于林地蓄水量。使用樟子松進行生態(tài)修復后改變了降雨水分的分布，但樟子松林地仍可維持大氣降水、地表水、土壤水和地下水4水轉換，并保證降雨水分對深層滲漏或者地下水的補給。林內土壤體積含水量隨著降雨量的增減而呈現(xiàn)相同的變化趨勢（圖3），4月、5 月降雨量較少，各層土壤體積含水量緩慢增加；6—8月各層土壤體積含水量隨降雨量增加而迅速上升；9月降雨量減少，各層土壤體積含水量也隨之降低。其中，林地降雨主要集中在7—9月，但2 m以下深層滲漏主要發(fā)生在5—7 月，8 月深層滲漏量僅有0.4 mm。

表3 試驗樣地降雨水分分配對比Tab.3 Comparison of rainfall distribution in experimental plots

圖3 月尺度林內降雨量、深層滲漏量和土壤含水量動態(tài)Fig.3 Dynamics of rainfall,deep soil recharge and soil water content at monthly scale

2.2 林地降雨量與土壤體積含水量關系

2.2.1 林地土壤水分對降雨的動態(tài)響應 降雨后部分雨水下滲進入土壤，使得土壤體積含水量隨之變化。從圖4 可以看出，在雨季不同深度土壤體積含水量波動頻繁，每次波動都與降雨事件相對應。監(jiān)測期共記錄77次降雨事件，引起林地土壤體積含水量明顯波動的共有15次，其中最小的為7月1日8.4 mm的降雨，最大的為8月20日81.6 mm的降雨。不同降雨事件引起的土壤水分波動情況不同，例如7月9 日45.8 mm 的降雨引起了8 個觀測層含水量的變化，對0～2.0 m 土壤水分補給作用明顯；而9 月6日13.4 mm 的降雨只引起了0～0.6 m 土壤水分的波動，對樟子松林地0.6 m以下土層無直接補給作用。觀測層中，林地1.2 m 處土壤體積含水量最高。7 月雨季之前，8 個觀測層含水量的值基本穩(wěn)定，4月林地1.2 m深度土壤體積含水量稍大于1.4 m處土壤體積含水量，在5—7月兩處土壤體積含水量近乎相等。7月雨季開始，1.2 m深度土壤體積含水量大于1.4 m 深度土壤體積含水量，這兩處土壤體積含水量在全年均高于其他觀測點的土壤含水量。

圖4 樟子松林地不同深度土壤水分對大氣降雨的響應Fig.4 Response of soil moisture at different depths to rainfall in PSM forest land

由樟子松林地各觀測層土壤體積含水量變化可知（表4），8個觀測層土壤體積含水量最低值均出現(xiàn)在4月，最高值除1.7 m處在9月外，其余7層最高值均出現(xiàn)在8月。觀測剖面4—10月最大土壤體積含水量為15.51%，出現(xiàn)在8 月20 日1.2 m 土層處，4—10月最低土壤體積含水量為0.66%，出現(xiàn)在4月1 日1 m 土層處。0.4 m、0.6 m、0.8 m、1.0 m、1.2 m、1.4 m、1.7 m和2.0 m處土壤體積含水量變化幅度分別為14.03%、13.00%、13.64%、10.13%、9.81%、9.38%、8.66%和7.68%。由此可知，隨著土壤深度的增加，水分波動幅度呈現(xiàn)減小的趨勢。0.4 m深度土壤體積含水量波動最大，受降雨影響劇烈。

表4 樟子松林地不同深度土壤體積含水量變化峰值Tab.4 Peak value of soil water content at different depths of PSM forest land

2.2.2 相關分析 大氣降雨是樟子松林地土壤水分的主要來源，因此，降雨量與不同深度的土壤體積含水量之間可能存在相關關系。考慮到降雨后滲漏的延遲性，分別統(tǒng)計觀測周期為日、周、半月、月的累計降雨量和各層土壤體積含水量，進行Pearson相關分析，結果如表5 所示。對于0.4 m、0.6 m、0.8 m、1.0 m和1.2 m土層，其土壤體積含水量與累計降雨量之間在日、周、半月、月尺度上均存在相關關系（P<0.05），其中0.4 m、0.6 m、0.8 m、1.0 m 和1.2 m 土層，其土壤體積含水量與累計降雨量在日、周、半月尺度上顯著相關（P<0.01）；周累計降雨量與1.4 m、1.7 m土層體積含水量在0.05水平上顯著相關，與其余土層體積含水量在0.01水平上顯著相關；半月累計降雨量和1.7 m 土層體積含水量在0.05 水平上顯著相關，和其余土層體積含水量在0.01水平上顯著相關。

表5 降雨量與不同深度土壤含水量的相關關系Tab.5 The correlativity between rainfall and soil water content at different depths

總體來說，降雨量和深度較淺的土壤體積含水量之間存在較強的相關關系。周期為周、半月的累計降雨量與各層土壤體積含水量顯著相關（P<0.05），當周期為月時其相關性整體減弱，而周期為日時其相關性只在較淺的土層中體現(xiàn)。

2.2.3 降雨量與下滲深度分析 由試驗結果可知下滲深度到達0.4 m 處的最低降雨量為13.4 mm。選擇試驗期間10 場典型獨立降雨與下滲深度進行指數(shù)、S型方程、多項式擬合分析，最優(yōu)擬合結果如圖5所示。由圖5可知，在一定范圍內，下滲深度隨降雨量的增大而增加，當降雨量大于50 mm時，能保證對2.0 m處土壤水分的補給。此外，兩次中雨雨量分別為16.8 mm（6 月19 日）和18.8 mm（8 月24 日），數(shù)值接近，但入滲深度分別為0.6 m 和1.0 m，相差0.4 m。由此可見，降雨量一定時，下滲深度仍可能存在較大差異，獨立降雨的入滲深度還受到降雨強度、土壤初始含水率等的影響。

圖5 降雨量與下滲深度擬合Fig.5 Fitting of rainfall and infiltration depth

2.3 林地土壤水分運移模擬

在參數(shù)優(yōu)化后，根據(jù)所建模型模擬得到土壤水分運移結果。由圖6 可知，Hydrus-1D 能夠模擬降雨入滲過程中土壤水分的動態(tài)變化，研究區(qū)土壤水分運移模擬值和實測值具有基本一致的走向變化?？傮w來看，沒有降雨發(fā)生的6月和10月擬合度較有降雨時的7—9月擬合度低，0.4 m、1.7 m深度模擬效果與其他層相比較差，其余深度土壤水分實測值均坐落于模擬曲線附近。在9 月21 日最后一場降雨后，0.4 m、1.4 m、2.0 m處模擬結果較好，其余深度土壤水分被低估。

圖6 不同深度土壤含水率觀測值與模擬值比較Fig.6 Comparison of measured and simulated values of soil water content at different soil depths

使用實測土壤體積含水量與模型模擬值驗證Hydrus-1D 在研究區(qū)的適用性，檢驗結果顯示模型整體決定系數(shù)為0.876，除了0.4 m 處R2為0.615 外，其余土層的R2在0.63～0.85 范圍內，擬合結果較好。選擇具有代表性的4 個觀測層（0.4 m、0.8 m、1.2 m和2.0 m）進 行 分 析，下 文 中NSE1.2、RE1.2、R21.2與RMSE1.2分別表示1.2 m 處觀測層的Nash 效率系數(shù)、相對誤差、決定系數(shù)、均方根誤差，其余3 個觀測層表示方法與此相同。各土層土壤水分模擬效果和評價結果如圖7 所示，4 個觀測層Nash 效率系數(shù)均大于0.5，在可接受范圍內；相對誤差絕對值均小于5%，均方根誤差均小于0.008，模擬精度較高。其中，0.8 m、1.2 m、2.0 m 處觀測層土壤水分模擬效果較好。從各土層的模擬結果對比來看，Nash效率系數(shù)表現(xiàn)為：NSE2.0>NSE1.2>NSE0.8>NSE0.4，相對誤差的絕對值表現(xiàn)為：RE1.2R21.2>R20.8>R20.4。

圖7 不同深度土壤水分運移模擬結果驗證Fig.7 Verification of simulation results of soil water transport at different soil depths

綜上可知，經(jīng)參數(shù)優(yōu)化后的Hydrus-1D 模型對研究區(qū)土壤水分運動模擬有較好的適用性，并且深層土壤含水率的模擬精度高于淺層土壤。模型可通過預測的降雨來模擬土壤水分的變化，為科爾沁沙地植樹造林提供科學依據(jù)。

3 討論

3.1 林地與裸沙地深層滲漏分析

裸沙地2.0 m深度處滲漏量占降雨量的44.16%，樟子松林地滲漏量占降雨量的0.7%，使用樟子松進行生態(tài)修復明顯改變了降雨水分的分布。深層土壤水的補給和更新通常比較緩慢，在干旱半干旱地區(qū)更為明顯，因此，植樹造林容易造成深層土壤干燥化現(xiàn)象，進而阻止上層土壤與地下水之間的水交換，導致深層滲漏量減少［29］。林木會對降雨轉化而來的土壤水分進行吸收利用，且樟子松作為深根性植被能夠吸收利用深層土壤水，進一步導致降雨補給的深層滲漏量減少。在降雨過程中，降雨特性也會影響植物的穿透和截留，從而影響到降雨水分的分配。Zhang等［30］指出裸沙區(qū)與植被恢復區(qū)土壤蒸發(fā)量差異的主要原因是生物結皮的形成，植被恢復后，土壤蒸散發(fā)隨之改變，進而影響水分深層滲漏量，導致植被修復后形成的樟子松林地與裸沙地的深層滲漏量產(chǎn)生較大的差異。我們的研究表明，種植樟子松后地區(qū)水分分布發(fā)生了改變，因為樟子松生存耗水，將降雨水分攔截在淺層土壤中并消耗，減少了地區(qū)深層滲漏。雖然研究區(qū)造林后降雨水分分配發(fā)生了較大變化，但2021年樟子松林地仍可維持4 水轉換，并保證降雨水分對深層滲漏或者地下水的補給。

此外，監(jiān)測期降雨主要集中在7—9月，但2.0 m處深層滲漏主要發(fā)生在5—7 月，8 月深層滲漏量僅有0.4 mm。發(fā)生此現(xiàn)象是因為7—9 月為樟子松生長季，土壤中的雨水大多被吸收利用，且此時的蒸散發(fā)量較大，水分很少滲漏到2 m以下。而4—5月是凍融季節(jié)，地表土壤蒸發(fā)較少，并且深層土壤和淺層土壤存在溫度差，導致有水分滲漏，此時樟子松生長活動較弱，吸收利用的水分也比生長季少。因此，在7—9 月樟子松生長旺盛的季節(jié)，即使降雨量增加，水分大多被林木利用，深層滲漏量并未增加。

3.2 林地土壤水分對降雨的動態(tài)響應

樟子松林地0.4 m、0.6 m、0.8 m、1.0 m、1.2 m、1.4 m、1.7 m和2.0 m處土壤體積含水量變化幅度分別為14.03%、13.00%、13.64%、10.13%、9.81%、9.38%、8.66%和7.68%。0.4 m深度土壤體積含水量波動最大，受降雨影響劇烈。隨著土壤深度的增加，水分波動幅度呈現(xiàn)減小的趨勢。降雨過程的持續(xù)使土壤含水率逐漸增加，水分主要在重力作用下運動，深層土壤受降雨影響小，水分逐漸達到穩(wěn)滲狀態(tài)，因此，深層土壤含水量隨時間的持續(xù)變化比淺層小。將24 h降雨量分等級可得，監(jiān)測期內0.4 m深度以下土壤水分對小雨無響應，土壤水分對中雨的響應深度可達1.0 m，對大雨和暴雨的響應深度涉及整個觀測剖面。

對降雨量和日、周、半月、月尺度各層土壤含水量進行相關分析，發(fā)現(xiàn)降雨量和深度較淺的土壤體積含水量之間存在較強的相關關系。在毛烏素沙地，吳麗麗等［31］對不同時間尺度累積的降雨量和沙層滲漏水量進行相關分析和線性擬合后發(fā)現(xiàn)，越往深處滲漏水量對降雨的響應越弱。廉泓林等［32］以科爾沁沙地南緣的樟子松和檸條固沙人工林為研究對象，進行土壤水分的時空變化特征研究，得到土壤含水量對大氣降雨的響應隨著土層深度的增加而減弱的結果，與本文研究結果一致。此外，本試驗發(fā)現(xiàn)在一定范圍內下滲深度隨降雨量的增大而增加，當降雨量大于50 mm 時，能保證對2.0 m 深度土壤水分的補給。

3.3 降水再分配過程模擬與分析

Hydrus-1D模型已成功應用于不同類型林分的土壤水分動態(tài)模擬中，包括楊樹林、熱帶季雨林、荒漠綠洲等。李琦等［33］利用Hydrus-1D模擬華北平原小麥種植區(qū)水鹽運移，結果表明淺層土壤水分模擬誤差更大。李陽明［34］在南方紅壤坡地土壤水分運移模擬中也得到模型精度在空間上呈現(xiàn)出深層高于表層的特點。在本研究8個觀測層中，模型對0.4 m 深度土壤水分波動模擬較其他深度擬合情況差，且深層土壤含水率的模擬精度高于淺層土壤。淺層土壤水分運移模擬因受外界因素的劇烈影響，導致比深層土壤產(chǎn)生更大的誤差。滲透、蒸騰和蒸發(fā)等水分通量的頻繁交換可能造成根系主要分布層產(chǎn)生較大的模擬誤差［35］。

本研究應用參數(shù)優(yōu)化的Hydrus-1D模型模擬了樟子松林地在生長季的水分動態(tài)變化，結果表明，整體剖面R2為0.876，8 個觀測層R2值范圍處于0.61～0.85，相對誤差絕對值和均方根誤差值的范圍分別為0.0017～0.063 cm3·cm-3和0.0061～0.0096 cm3·cm-3。李冰冰等［36］指出多數(shù)基于Hydrus-1D 的模擬，決定系數(shù)在0.59～0.84，均方根誤差在0.015～0.063 cm3·cm-3。本研究中評價指標均落于或部分優(yōu)于上述范圍，表明模型能較好地模擬研究區(qū)土壤水分的動態(tài)變化特征，模型精度較高。此校正模型可用于預測降雨后土壤水分的分布與運動，為科爾沁沙地生態(tài)修復提供科學依據(jù)。

4 結論

（1）種植樟子松進行生態(tài)修復后改變了研究區(qū)降雨水分的分布，裸沙地2 m 深度處的滲漏量占降雨量的44.16%，樟子松林地深層滲漏量僅占降雨量的0.7%。樟子松林地2 m 處深層滲漏主要發(fā)生在5—7月，但試驗期間林地仍可維持4水轉換，并保證降雨水分對深層滲漏或者地下水的補給。

（2）監(jiān)測期內，林地0.4 m深度以下土壤水分對小雨無響應，土壤水分對中雨的響應深度可達1 m，對大雨和暴雨的響應深度涉及整個觀測剖面，1.2 m深度土壤體積含水量在全年均高于其他深度的土壤含水量。隨著土壤深度的增加，林地土壤水分波動幅度呈現(xiàn)減小的趨勢，0.4 m深度土壤水分受降雨影響強烈。

（3）林地降雨量和深度較淺的土壤體積含水量之間存在較強的相關關系；周期為周、半月的累計降雨量與各層土壤體積含水量顯著相關，當周期為月時其相關性整體減弱，而周期為日時其相關性只在較淺的沙層中體現(xiàn)。

（4）Hydrus-1D 模型可準確地模擬研究區(qū)土壤水分運動，且深層模擬精度高于淺層。