張法偉， 儀律北， 郭小偉， 楊永勝， 李杰霞， 曹廣民， 李英年

（1. 中國科學(xué)院 三江源國家公園研究院，青海 西寧 810008； 2. 中國科學(xué)院 西北高原生物研究所 高原生物適應(yīng)與進(jìn)化重點(diǎn)實(shí)驗(yàn)室，青海 西寧 810008； 3. 青海省林業(yè)和草原局 林業(yè)碳匯服務(wù)中心，青海 西寧 810008）

0 引言

土壤水是土壤-植被-大氣連續(xù)體的主要組成，也是四水（地表水、地下水、大氣水和土壤水）轉(zhuǎn)換的紐帶及土壤系統(tǒng)內(nèi)物質(zhì)和能量交換的載體［1］，對區(qū)域水資源的形成、保持與轉(zhuǎn)換具有重要意義［2］。祁連山國家公園地處青藏高原東北部，總面積5.02萬km2，是河西走廊主要內(nèi)陸河的發(fā)源地和黃河流域重要的水源產(chǎn)流地［3］。高寒草甸是祁連山國家公園青海片區(qū)重要的植被類型和區(qū)域水文調(diào)節(jié)功能發(fā)揮的載體［4-6］，頻繁發(fā)生的夏季融化、冬季凍結(jié)的凍融循環(huán)是其地表顯著的物理特征之一［7-8］。凍融過程導(dǎo)致土壤水熱特性的變化會直接影響到下墊面水源涵養(yǎng)功能的質(zhì)量和狀況［9-10］，是高寒地區(qū)地表水循環(huán)的關(guān)鍵過程之一［11-12］，對植被群落演替及生態(tài)系統(tǒng)穩(wěn)定性維持具有重要的影響［13-14］。因此，深入研究凍融過程對土壤水分儲量及交換的影響機(jī)制是量化高寒草甸水源涵養(yǎng)功能的基礎(chǔ)和認(rèn)知區(qū)域土壤水分植被承載力的關(guān)鍵［15-17］，也是評估中下游的水資源安全的科學(xué)支撐［18-19］，具有重要的理論價值和現(xiàn)實(shí)意義。

土壤水分儲量及通量是土壤水勢對水分運(yùn)移的綜合作用結(jié)果［2］，受到降水、蒸散發(fā)和土壤滲漏及凍融過程的強(qiáng)烈影響［20-21］?；跍u度相關(guān)技術(shù)的研究表明高寒草甸蒸散發(fā)的季節(jié)變異主要受輻射有效能控制，和降水量基本持平［22-23］。深層（100 cm）土壤滲漏量約相當(dāng)于年降水的5%［24］。高寒草甸植被生長季土壤水分儲量呈現(xiàn)出雙峰型季節(jié)變化，密切關(guān)聯(lián)于土壤溫度［25-26］，與降水的關(guān)系存在時間尺度效應(yīng)［12，21］。由于自動觀測技術(shù)無法測定土壤中固態(tài)水含量，加之凍融過程的復(fù)雜性，凍融期土壤水分交換過程是目前高寒草地生態(tài)水文學(xué)研究的難點(diǎn)和熱點(diǎn)之一［13，19］。由于凍土具有較高的導(dǎo)熱性和較低的導(dǎo)水性［21，24］，在溫度梯度及水分相變所導(dǎo)致的土壤水勢變化的驅(qū)動下，土壤水分向凍結(jié)峰或融化峰匯聚［27］。同時，凍融期中土壤水勢的溫度效應(yīng)十分顯著［28］，土壤水熱傳輸強(qiáng)烈耦合，進(jìn)一步增加了高寒草甸土壤水分儲量及通量對凍融過程響應(yīng)研究的難度［19，27-29］?；谒疅醾鬏?shù)哪Ｐ湍M成為研究凍融期水熱交換過程的重要手段［8，27，30］。相關(guān)研究表明，SHAW 模型綜合考慮了凍融期土壤水熱物理傳輸過程，對凍融階段土壤水分的模擬結(jié)果更接近于實(shí)際觀測［30］，能夠較好地模擬高寒草地土壤水熱交換［8，26，29］。但早期研究多偏重于模型的評估和改進(jìn)，少有應(yīng)用模型探討高寒草地土壤水分儲量及通量的變化特征。因此，以祁連山東段冷龍嶺南麓的高寒草甸為對象，在SHAW 模型參數(shù)本地化的基礎(chǔ)上，研究凍融期0～100 cm 土壤水分儲量及通量的季節(jié)變化特征和環(huán)境調(diào)控過程，以期為祁連山國家公園高寒草甸土壤水源涵養(yǎng)功能評估提供數(shù)據(jù)支撐和理論依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)域和數(shù)據(jù)來源

研究區(qū)位于青海海北高寒草地生態(tài)系統(tǒng)國家野外科學(xué)觀測研究站（簡稱海北站，37°37′ N，101°19′ E，海拔3 200 m）。海北站地處青藏高原東北隅祁連山東支冷龍嶺南麓，為典型的高原大陸性氣候，年均氣溫和降水分別為-1.7 ℃和580 mm，雨熱同季［31］。植被類型為禾草-矮嵩草草甸，優(yōu)勢種為矮生嵩草（Kobresia humilis）、垂穗披堿草（Elymus nutans）、異針茅（Stipa aliena）、麻花艽（Gentiana straminea）和黃花棘豆（Oxytropis ochrocephala）等。植被地上凈初級生產(chǎn)力和0～40 cm 地下根系現(xiàn)存量分別約為400 g·m-2和3 200 g·m-2，其中約90% 的根系集中在0～20 cm 土層中，形成草氈層［31］。土壤類型為高山草甸土，發(fā)育相對年輕，粗骨性強(qiáng)。由于地表草氈層具有較高的導(dǎo)水性和較低的導(dǎo)熱性，土壤水熱特性具有顯著的垂向分層特異性［12］。

研究區(qū)地勢平緩開闊，系統(tǒng)水熱狀況由相關(guān)儀器自動監(jiān)測（表1）。土壤水熱數(shù)據(jù)觀測頻率為30 min（CR800，Campbell，美國）。同時，基于渦度相關(guān)技術(shù)對下墊面與大氣間的水熱交換進(jìn)行連續(xù)觀測。渦度相關(guān)系統(tǒng)距離土壤水熱觀測點(diǎn)約100 m，采樣頻率為10 Hz。利用EddyPro 7.06（Li-Cor，美國）對10 Hz 高頻數(shù)據(jù)進(jìn)行二次坐標(biāo)選擇、除趨勢和WPL 密度校正，輸出潛熱通量、顯熱通量、風(fēng)速、風(fēng)向及空氣溫濕等30 min平均值。同時利用CM11觀測1.5 m 高度處的太陽短波輻射。群落葉面積指數(shù)（LAI）來源于MODIS 發(fā)布的陸地植被產(chǎn)品（MOD15A2）。LAI以通量塔為中心，空間和時間分辨率分別為250 m×250 m 和8 d，來自于美國橡樹嶺國家實(shí)驗(yàn)室的分布式主動存檔中心（Distributed Active Archive Center，Oak Ridge National Laboratory，http：//daac. ornl. gov/MODIS/modis. html），用于提供SHAW 模型中植被生長的LAI 信息。土壤水熱、潛熱通量、顯熱通量及其他氣象因子也集成為8 d的時間序列以進(jìn)行后續(xù)分析。

表1 研究區(qū)系統(tǒng)水熱狀況的觀測信息Table 1 The observation information of hydrothermal feature in the study site

1.2 模型介紹和參數(shù)率定

SHAW 模型為Flerchinger 和Saxton 于1989 年開發(fā)的一維水熱耦合模型，該模型基于表面邊界層的能量平衡原理及在土壤-植被-大氣連續(xù)體中的水熱物理傳輸過程，采用隱式有限差分公式表述土壤的水熱交換，然后通過Newton-Raphson 迭代求解［20］，已成為凍土區(qū)陸面過程研究的常用手段之一［8，26，29］。由于觀測儀器無法測定土壤中固態(tài)水含量，只有生長季土壤體積含水量的觀測值才能代表土壤全部含水量，方可滿足SHAW 模型初始和結(jié)束時段約束數(shù)據(jù)的模擬要求，因此本研究利用2017年8 月1 日至9 月30 日和2018 年6 月1 日至7 月31 日的土壤水熱觀測數(shù)據(jù)作為模型的初始和結(jié)束數(shù)據(jù)，以2017 年8 月1 日至2018 年7 月31 日的逐時氣象數(shù)據(jù)［氣溫、相對濕度、風(fēng)速、降水、新雪密度（設(shè)定為0，模型依據(jù)氣溫計算）和太陽輻射］作為強(qiáng)迫資料，進(jìn)行SHAW 模型模擬研究。根據(jù)研究區(qū)特征，將坡度、坡向、地表粗糙度分別設(shè)置為0°、0°和1.0 cm。0～100 cm 土壤被分為11 層，分別為0、5、10、15、20、30、40、50、60、80 cm 和100 cm，土壤水熱參數(shù)設(shè)置詳見表2。其中砂粒、粉粒、黏粒、有機(jī)質(zhì)含量和容重等指標(biāo)來自于站點(diǎn)的長期監(jiān)測數(shù)據(jù)［32］，飽和導(dǎo)水率、空氣進(jìn)入勢、飽和含水量和孔徑指數(shù)首先根據(jù)文獻(xiàn)資料設(shè)定初始值［8，29-30］，然后根據(jù)SHAW 模型土壤水熱的擬合值與觀測值的接近程度進(jìn)行參數(shù)優(yōu)化。干土和植被反照率分別為0.35和0.25［22］。植被最小氣孔阻抗設(shè)置為380 s·m-1［23］。由于是冬季牧場，沒有考慮植被殘留層，生長季的植被高度、地上生物量和LAI等參數(shù)來自觀測數(shù)據(jù)，葉片寬度、叢生參數(shù)和有效根深則為經(jīng)驗(yàn)值，分別設(shè)置為1.0、0.9 cm 和45 cm。其余部分參數(shù)選取模型提供的建議值。采用SHAW 3.0.2（https：//www. ars. usda. gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）進(jìn)行模擬研究。土壤水分儲量（SWS）和水分通量（SWF）分別表示土壤中液態(tài)水與固態(tài)水的水分總量和液態(tài)水與氣態(tài)水的累計交換量［20］，為參數(shù)優(yōu)化后SHAW 模型的輸出結(jié)果。其中土壤固態(tài)水含量是土壤水勢和溫度的函數(shù)，通過設(shè)定凍結(jié)溫度依據(jù)能量守恒計算而來。SWS0-100為0～100 cm 土壤剖面SWS 與土壤深度的積分，SWF0-100為土壤剖面SWF的累計值，以表征水分的交換強(qiáng)度［20］。依據(jù)高寒草甸植物根系和土壤水熱分層特性，將0～20 cm、20～60 cm和60～100 cm依次劃分為淺層、中層和深層土壤［25］，分別用0、5、10、15、20 cm 和30、40、50、60 cm及80、100 cm 的平均值表示淺層和中層及深層土壤溫濕性狀。淺層土壤水分儲量（SWS0-20）、中層土壤水分儲量（SWS20-60）和深層土壤水分儲量（SWS60-100）分別是淺層、中層、深層土壤水分儲量之和，淺層土壤水分通量（SWF0-20）、中層土壤水分通量（SWF20-60）及深層土壤水分通量（SWF60-100）分別淺層、中層、深層土壤的土壤水分通量之和。

表2 SHAW模型各層土壤節(jié)點(diǎn)參數(shù)Table 2 The soil parameters of the SHAW model at different soil nodes

1.3 模型評估和統(tǒng)計方法

利用統(tǒng)計學(xué)參數(shù)，如水熱觀測值與模擬值的決定系數(shù)（R2）、均方根誤差（RMSE）和平均絕對誤差（MAE）評價SHAW模型模擬效果［7，29］。在8 d時間尺度上，利用結(jié)構(gòu)方程模型評估環(huán)境因子對0～100 cm土壤水分儲量（SWS0-100）及水分通量（SWF0-100）的驅(qū)動過程及相對強(qiáng)度。結(jié)構(gòu)方程模型是在對整體模型擬合和判斷的基礎(chǔ)上，闡釋多因子之間相互關(guān)系的一種多元統(tǒng)計分析方法，在近年來的相關(guān)研究中應(yīng)用廣泛［23，33］。根據(jù)相關(guān)研究結(jié)果［25］，SWS0-100的主要影響因子包括氣溫（Ta）、降水（Rain）、蒸散發(fā)（LE）、LAI、SWS0-20、SWS20-60及土壤溫度（Ts20-60）、SWS60-100及土壤溫度（Ts60-100）；SWF0-100的主要影響因子包括Rain、Ta與淺層土壤的溫度梯度［Δ（Ta-Ts0）］、淺層與中層土壤溫度梯度［Δ（Ts0-Ts20）］、中層與深層土壤溫度梯度［Δ（Ts20-Ts60）］、SWF0-20、SWF20-60及SWF60-100。基于結(jié)構(gòu)方程模型中的標(biāo)準(zhǔn)作用系數(shù)和作用路徑表征環(huán)境因子對SWS0-100和SWF0-100的相對強(qiáng)度和驅(qū)動過程。結(jié)構(gòu)方程模型在R 4.0.3［34］平臺上利用piecewiseSEM［35］軟件包實(shí)現(xiàn)。縮寫SWS0-20、SWS20-60、SWS60-100和SWS0-100分別是0～20、20～60、60～100 cm 和0～100 cm 土壤水分儲量；LAI為群落葉面積指數(shù)；Rain 為降水量；Ta為氣溫；LE 為蒸散發(fā)；Ts20-60為20～60 cm 土壤溫度；Ts60-100為60～100 cm 土壤溫度；SWF0-20、SWF20-60、SWF60-100和SWF0-100分別是0～20、20～60、60～100 cm 和0～100 cm土壤水分通量；Δ（Ta-Ts0）為Ta與Ts0-20差值；Δ（Ts0-20-Ts20-60）為Ts0-20與Ts20-60差值；Δ（Ts20-Ts60）為Ts20-60與Ts60-100差值。

2 結(jié)果與分析

2.1 強(qiáng)迫資料概況

研究時段的日均Ta和累計Rain分別為-1.30 ℃和494.4 mm。日均太陽短波輻射（Swin）和相對空氣濕度（RH）分別為194.24 W·m-2和63.6%，均表現(xiàn)出植被生長季（5—10 月）較高而非生長季（11月—翌年4 月）較低的季節(jié)動態(tài)（圖1）。淺層、中層和深層的日均Ts分別為2.85、2.61 ℃和2.38 ℃，Ts表現(xiàn)出隨土壤深度（x）增加而指數(shù)下降的特征（Ts=3.76×（1-x）-0.10，R2=0.63，P＜0.01）。淺層、中層和深層的日均土壤液態(tài)水含量（SWC）分別為0.22、0.25和0.17 cm3·cm-3，除在15 cm［（0.15±0.08） cm3·cm-3］和100 cm ［（0.09±0.03） cm3·cm-3］處較低外，其余各層穩(wěn)定在0.22～0.27 cm3·cm-3之間。Ts和SWC的變異系數(shù)（CV）分別平均為40.1%和200.0%，均隨著土壤深度增加而指數(shù)下降（R2＞0.79，P＜0.001）。值得說明的是，相鄰深度的Ts和SWC的相關(guān)系數(shù)均大于0.95，表明土壤水熱具有顯著的層次相關(guān)性。

圖1 2017年8月1日—2018年7月31日空氣溫度和降水（a）、相對濕度和太陽短波輻射（b）、土壤體積含水量（c）和土壤溫度（d）的季節(jié)特征Fig. 1 Seasonal variations of air temperature （Ta） and precipitation （Rain） （a）， relative humidity （RH） and solar radiation（Swin） （b）， volumetric soil water content （SWC） （c）， and soil temperature （Ts） （d） from August 1， 2017 to July 31， 2018

2.2 SHAW模型效果評價

逐日SWC 和逐日Ts的模擬值和實(shí)測值的對比結(jié)果表明，模型對SWC 的模擬效果較好，R2在0.80以上，RMSE 和MAE 分別小于0.05 cm3·cm-3和0.03 cm3·cm-3（表3）。模型對Ts的模擬效果隨土壤深度增加而降低，R2平均為0.71，RMSE 和MAE 分別平均為2.78 ℃和2.11 ℃。SHAW 模型模擬的日均顯熱通量和潛熱通量分別為（29.8±17.3） W·m-2和（45.2±42.9） W·m-2，較渦度相關(guān)技術(shù)觀測值分別高約4.2%和1.3%。模型對潛熱通量的模擬效果好于顯熱通量，R2分別為0.81 和0.14（圖2），RMSE分別為18.67 W·m-2和15.97 W·m-2。

圖2 熱量通量的渦度相關(guān)技術(shù)觀測值與SHAW模型模擬值的關(guān)系：潛熱通量（a），顯熱通量（b）Fig. 2 Relationships between the simulated heat flux with SHAW model and the observed heat flux with eddy covariance techniques： Latet heat flux （a）， sensible heat flux （b）

表3 SHAW模型對各節(jié)點(diǎn)土壤溫度和土壤水分的模擬效果的統(tǒng)計參數(shù)Table 3 Statistical parameters of the simulation performance of the estimated soil temperature and volumetric soil water content at each node with the SHAW model

2.3 土壤水分儲量的季節(jié)特征及環(huán)境影響

日均SWS0-100為（274.99±19.57） mm，表現(xiàn)出生長季低（264.51 mm）而非生長季高（286.42 mm）的季節(jié)特征，最低值（224.20 mm）和最高值（298.67 mm）分別出現(xiàn)在6 月初和1 月初（圖3），變異系數(shù)（CV）為7.1%。日均SWS0-20和SWS20-60分別為（59.39±9.07） mm 和（134.25±12.37） mm，也表現(xiàn)出生長季低而非生長季高的趨勢。SWS60-100平均為（81.35±5.72） mm，但表現(xiàn)出生長季高（84.22 mm）而非生長季低（78.22 mm）的特征。SWS0-20、SWS20-60和SWS60-100的CV 分別為15.3%、9.2%和7.0%，隨土壤深度增加而降低。SWS0-20和SWS20-60的CV 在生長季和非生長季差別較小，分別平均為10.1%和7.4%，但生長季SWS60-100的CV 為7.3%，遠(yuǎn)高于非生長季的3.8%。

圖3 高寒草甸不同層次土壤水分儲量的季節(jié)變化Fig. 3 Seasonal variations of soil water storage of different layers in the alpine meadow

SWS0-100的結(jié)構(gòu)方程模型表明，其季節(jié)變異主要受SWS20-60和SWS0-20調(diào)控，其標(biāo)準(zhǔn)作用系數(shù)分別為0.63 和0.46［圖4（a）］，二者可解釋SWS0-100季節(jié)變異的91.4%。SWS0-20與LAI 正相關(guān)，與Ta和LE 負(fù)相關(guān)，但LAI、Ta和LE 的作用強(qiáng)度基本相當(dāng)。SWS20-60主要受SWS0-20、Ta和Ts20-60顯著影響，其中Ta的正效應(yīng)（0.80）大于Ts20-60的負(fù)效應(yīng)（-0.66）。Ts60-100和SWS20-60為SWS60-100的主要影響因素，其中Ts60-100正效應(yīng)的標(biāo)準(zhǔn)作用系數(shù)為0.93，遠(yuǎn)大于SWS20-60的正效應(yīng)。整體上看，LE 和LAI 對SWS0-100的綜合效應(yīng)最大，分別為-0.67 和0.59，LE 主要通過對SWS0-20（-0.29）和SWS20-60（-0.38）的負(fù)效應(yīng)而LAI 則通過對SWS0-20（0.25）和SWS20-60的正效應(yīng)（0.34）影響SWS0-100。Ta對SWS0-100的整體效應(yīng)為-0.12。值得注意的是，在8 d 時間尺度上，研究時段內(nèi)降水對SWS的季節(jié)變異無顯著影響。

圖4 高寒草甸土壤水分儲量（a）和土壤水分通量（b）的結(jié)構(gòu)方程模型Fig. 4 Piecewise SEM models for soil water storage （SWS） （a） and soil water flux （SWF） （b） in the alpine meadow

2.4 土壤水分通量的季節(jié)特征及環(huán)境調(diào)控

日均SWF0-20、SWF20-60和SWF60-100分別為（0.92±4.88）、（-0.34±4.09） mm·d-1和（-0.19±1.81） mm·d-1，都表現(xiàn)出生長季水分通量為正而非生長季為負(fù)的季節(jié)特征，即土壤水分在生長季向下運(yùn)移，非生長季向上匯聚（圖5）。生長季中，SWF0-20（2.85±5.88 mm·d-1）遠(yuǎn)高于SWF20-60（0.48±5.08 mm·d-1）和SWF60-100（0.30±4.34 mm·d-1）。非生長季中，SWF0-20、SWF20-60和SWF60-100差異較小，分別為（-1.18±2.10）、（-1.24±2.44） mm·d-1和（-0.73±2.24） mm·d-1，三者平均為（-1.05±2.26） mm·d-1。凍結(jié)期各層土壤水分通量基本為0 mm·d-1，但不同層次存在時間滯后，滯后速率約為0.56 d·cm-1。日均SWF0-100為（0.16±9.52） mm·d-1，在生長季和非生長季中分別為（3.27±11.74） mm·d-1和（-3.23±4.50） mm·d-1。

圖5 高寒草甸不同層次土壤水分通量的季節(jié)變化Fig. 5 Seasonal variations of soil water flux of different layers in the alpine meadow

SWF0-100的結(jié)構(gòu)方程模型表明，SWF0-20、SWF2060-和SWF60-100對SWF0-100的標(biāo)準(zhǔn)作用系數(shù)分別為0.43、0.36 和0.32，三者作用強(qiáng)度基本相當(dāng)［圖4（b）］。SWF0-20對SWF20-60、SWF20-60對SWF60-100具有顯著的正效應(yīng)。SWF0-20的季節(jié)變異主要受Rain驅(qū)動，其標(biāo)準(zhǔn)作用系數(shù)高達(dá)0.95。SWF20-60主要受淺層和深層溫度梯度影響，二者標(biāo)準(zhǔn)作用系數(shù)分別為0.56 和-0.46。SWF60-100主要受中層、深層土壤溫度梯度影響，二者標(biāo)準(zhǔn)作用系數(shù)分別為0.62 和-0.40。降水對SWF0-100的總體作用系數(shù)為0.99，主要通過對SWF0-20（0.40）和SWF20-60（0.35）的間接效應(yīng)來影響SWF0-100。淺層、中層和深層溫度梯度的標(biāo)準(zhǔn)作用系數(shù)分別為0.38、0.20和-0.44。即SWF0-100季節(jié)變異的主要影響因子是降水，其次是深層土壤溫度梯度。

3 討論

3.1 SHAW模型模擬效果評價

本研究SHAW 模型對高寒草甸土壤水熱變化的模擬效果相對較好，與該模型在其他相關(guān)研究中表現(xiàn)（R2＞0.70）較為一致［7，26，29］，表明SHAW 模型適合于高寒草甸0～100 cm 土壤水熱傳輸?shù)哪M，模擬結(jié)果能夠用以評估土壤水分狀況。然而，本研究SHAW 模型對SWC 的模擬效果略好于Ts的模擬效果，這與郭林茂等［8］研究結(jié)果不同。一方面，土壤水分參數(shù)的不確定性是陸面過程模型的重要限制之一［26，29］，本研究的一部分土壤水分參數(shù)（如容重、機(jī)械組成和有機(jī)質(zhì)）是基于地面實(shí)測數(shù)據(jù)而來，另一部分難以直接測定的參數(shù)（如孔徑指數(shù)和空氣進(jìn)入勢等）是通過降低模型模擬結(jié)果和觀測數(shù)據(jù)之間的殘差優(yōu)化獲取的，有效地提高了SHAW 模型對SWC 的模擬效果［7］。另一方面，Ts模擬效果略差主要是由于地表（0 cm）Ts是按照氣象觀測規(guī)范所測定的裸露地表Ts，并非有植被覆蓋的真實(shí)地表Ts，尤其在植被生長季中二者的差異較大［36］。而SHAW 模型是按照土壤節(jié)點(diǎn)順序進(jìn)行土壤水熱模擬，在保障表層Ts模擬效果的基礎(chǔ)上，對深層Ts進(jìn)行線性插補(bǔ)［20］，導(dǎo)致深層Ts的模擬值與觀測值差別較大，即Ts的模擬效果隨著土壤深度增加而下降，這和唐古拉地區(qū)SHAW 模型對土壤剖面Ts的模擬效果相似［26］。Ts的模擬誤差也影響了地氣溫度梯度及顯熱通量的模擬效果，這與西藏那曲［29］和唐古拉地區(qū)［7］的相關(guān)研究結(jié)論一致。

3.2 土壤水分儲量

由于研究區(qū)100 cm 下土壤滲漏量很少［24］，SWS0-100主要取決于Rain 和LE 的平衡。SWS0-100在生長季低而非生長季較高，表明土壤凍結(jié)有利于土壤系統(tǒng)水分的保持［10，19］，這由于凍土具有較高的隔水特性，限制了非生長季LE 的過度損失［8］，加之凍結(jié)過程對下層土壤水分具有匯聚作用［12］。因?yàn)檠芯繀^(qū)在6 月初的太陽輻射較強(qiáng)而LAI 較?。?2］，系統(tǒng)獲取的輻射有效能較大，加之凍土消融提高了表層土壤水分含量，刺激了LE 的迅速增加［23］，導(dǎo)致SWS0-100出現(xiàn)低值。

SWS0-100的季節(jié)變異主要受SWS0-20和SWS20-60的影響，這主要與淺層和中層水分變化較為活躍，深層水分含量相對穩(wěn)定有關(guān)［25］。SWS0-20受LE、Ta和LAI 的綜合影響［圖4（a）］。LE 對SWS0-20為負(fù)效應(yīng)，表明LE是SWS0-20散失的主要途徑［22-23］。Ta的負(fù)效應(yīng)主要由于Ta可以表征大氣蒸發(fā)需求，且與LE在季節(jié)變化上也具有顯著的正相關(guān)［22］。LAI 越大，植被蒸騰在LE 中占比越高，系統(tǒng)可通過調(diào)節(jié)植被氣孔行為控制水分散失［22］，加之高寒植被反照率較濕潤裸地高，可以降低系統(tǒng)的輻射有效能及水分的過度消耗［23］，有利于淺層土壤水分保持。SWS20-60主要受SWS0-20的正效應(yīng)影響，因?yàn)槎咚謨α康募竟?jié)變化具有一致性（R2=0.50，P＜0.01）。由于SWS60-100的季節(jié)變異主要受控于生長季SWS60-100的變異，而后者與生長季Ts60-100顯著正相關(guān)（R2=0.73，P＜0.001），進(jìn)而導(dǎo)致SWS60-100的季節(jié)變異與Ts60-100正相關(guān)，這也與相鄰區(qū)域高寒灌叢草甸的研究結(jié)果一致［21］。降水對SWS0-100在8 d 時間尺度上的季節(jié)變異無顯著作用，一方面由于年降水的85%集中在植被生長季，且以小降水（＜3.0 mm·d-1）事件為主，加之高原太陽輻射較強(qiáng)，極易被LE 迅速消耗［21-22］。另一方面，強(qiáng)降水事件［（31.4 mm）·（48 h）-1］最多只能作用到高寒草甸40 cm 的SWC［21，24］，也一定程度上削弱了降水對SWS0-100的影響強(qiáng)度。

3.3 土壤水分通量

SWF 的實(shí)質(zhì)是各種勢能綜合作用下的水分質(zhì)量的轉(zhuǎn)移，主要包括溫度梯度驅(qū)動的未凍水遷移、重力作用下的自由水下滲和土壤毛細(xì)作用下的毛細(xì)水遷移［19］。生長季中，SWF 主要驅(qū)動力是由降水、蒸散發(fā)等過程引起的土壤含水量增減而導(dǎo)致的土壤剖面基質(zhì)勢梯度的變化，土壤水遷移以自由水和毛細(xì)水為主［27］，降水對SWF的影響也隨著土壤深度增加而下降［8］，本研究也發(fā)現(xiàn)SWF20-60和SWF60-100的變化主要來源于降水的間接作用［圖4（b）］。這主要由于高寒草甸植物根系集中在淺層土壤中形成了一系列大孔隙網(wǎng)絡(luò)，提高了土壤的導(dǎo)水率［12］。非生長季中，土壤與大氣間的水氣交換被凍結(jié)的表層土壤所阻隔，土壤水分遷移與凍土融凍導(dǎo)致的溫度變化密切相關(guān)［10，27］，即溫度梯度是SWF 的主要影響因素［圖4（b）］。一方面，凍結(jié)過程中，土壤水分在溫度梯度的作用下向凍結(jié)峰匯集，土壤水分從深層向淺層聚集［27］，從而導(dǎo)致了Δ（Ts20-60-Ts60-100）對SWF20-60和SWF60-100的負(fù)效應(yīng)。消融過程中，由于季節(jié)凍土的雙向消融，加之淺層融化速率較快［10，12］，在淺層土壤中形成一個水分的高值區(qū)，在溫度梯度、重力勢和基質(zhì)勢的綜合作用下，土壤水分向下運(yùn)移［10］，導(dǎo)致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）對SWF20-60和SWF60-100產(chǎn)生了正效應(yīng)［圖4（b）］。另一方面，溫度是非生長季中土壤水分相變、未凍水含量及土水勢的重要影響因素，還可通過改變土壤的導(dǎo)水率和水黏滯系數(shù)［28］來影響土壤水分通量。

4 結(jié)論

利用祁連山南麓高寒草甸2017 年8 月1 日—2018 年7 月31 觀測資料作為SHAW 模型的強(qiáng)迫資料，進(jìn)行了凍融過程中土壤水熱交換的模擬研究，并應(yīng)用模型結(jié)果分析了季節(jié)凍結(jié)層SWS 及SWF 的變化特征及環(huán)境驅(qū)動，得到如下主要結(jié)論：

（1）日均SWS0-100為274.9 mm，約50%集中在20～60 cm 中層土壤，生長季和非生長季的日均SWS0-100分別為264.5 和286.4 mm。SWS0-100最低值和最高值分別出現(xiàn)在6 月初和1 月初，季節(jié)變異較小。蒸散發(fā)和群落葉面積指數(shù)通過影響SWS20-60和SWS0-20驅(qū)動SWS0-100的季節(jié)變化。

（2）日均SWF0-100為0.16 mm·d-1，生長季和非生長季的分別為3.27 和-3.23 mm·d-1，表現(xiàn)為土壤水分在生長季向下傳輸而非生長季向上匯聚。生長季淺層水分交換活躍，SWF0-20為2.85 mm·d-1，而非生長季中淺層、中層和深層差異較小，SWF 平均為-1.05 mm·d-1。降水和深層土壤溫度梯度通過影響SWF0-20、SWF20-60和SWF60-100驅(qū)動SWF0-100的季節(jié)變化。