Spatiotemporal Characteristics and Trend Analysis of Soil Moisture and Its Memory Effect in the Minjiang River Basin

YIN Fangxu1， YOU Jiewen1，23*， ZHANG Yinchi3， WU Jingwen GAO Lu ^1，2，3 （20號 （1.InstituteofGographyujianoalUiversityuzhou3517na;2.KeyLboratoryforHuidubroicalEo geographicalProcesesofheistryofEducationFuanalUivesityuzhou517，ina;3.holofaial Sciences，F(xiàn)ujianNormalUniversity，F(xiàn)uzhou 35O117，China）

Abstract：Thisstudyinvestigatedthespatiotemporaldiferentiationcharacteristicsofsoilmoistureanditsmemoryefectnthe MinjiangRiverBasinimingtoprovideasientificbasisforaterresouresmanagement，aswellasfloodpreventionanddisaster reductioinumidregiosBasedonakgridailyscalesoiloisturedataset（o2O22）regresiofitingndutoeaion coeffcientmetodswereplidtostematicallynalethspatialgadint，interaalvaation，sasoaldamics，andory efectsof Soilmoistureinthebasin.SoilmoistureintheMinjiangRiverBasinexibitsasignificantnorthwestsoutheastdecreasing trend，with high-value zones （gt;0.43m³/m³ ）concentrated in the Wuyi Mountain Forest Ecological Zone and low-value zones （lt;0.39m³/ m3） distributed along the coastal urbanized plains. Seasonal dynamics reveal a spring peak （0.44m³/m³ ）and a decline to 0.39m³/m³ in autumn.Thememoryefectsofsoilmoistureatdiferentdepthsshowspatialdiferentiationcharacteristics，andthememorytimeof depsoilinthelowerreachesoftheMinjiangRiverislowerthan3Odays.ThesoilmoistureintheMinjiangRiverBasinshows spatiotemporalditiatioemorectsmontatedeptspaceterogeityltingesesguto offactorssuchasprecipitation，temperature，ndvegetationcoverage.Thefindingsenhancetheunderstandingofsoilmoistureand provide implications for flood warning and water resource management in the Minjiang River Basin. Keywords： soil moisture; soil moisture memory;spatiotemporal diferentiation; variation trend; Minjiang River Basin

王壤濕度作為陸地生態(tài)系統(tǒng)與大氣相互作用的關鍵變量，在能量和水分循環(huán)中發(fā)揮著至關重要的作用，其通過影響地表蒸散發(fā)、水分再分配及土壤熱容量，進一步調控局地、區(qū)域乃至全球的氣候系統(tǒng)[1-4]。作為衡量土壤干濕狀態(tài)的重要指標，土壤濕度在水資源管理、農(nóng)業(yè)生產(chǎn)及生態(tài)環(huán)境保護等領域均具有重要意義[5-6]。深入研究土壤濕度時空分布及變化特征，對于理解氣候變化背景下水文循環(huán)的演變趨勢具有重要的科學價值[7-9]。土壤濕度表現(xiàn)出顯著的“記憶性”，即對大氣-陸面系統(tǒng)的異常變化具有數(shù)周至數(shù)月的滯后效應，這一特性使其在氣候預測與極端事件預警中具有重要作用[10-13]。土壤濕度的記憶性可調節(jié)干旱、洪水等極端氣候事件，并用于預測區(qū)域降水、徑流、蒸散發(fā)等水文要素變化[14-16]。因此，系統(tǒng)研究土壤濕度的時空變異特征及其記憶性，將有助于提升極端天氣事件的預測能力，并優(yōu)化水資源調控策略。

閩江流域是福建省最大的河流流域，流域面積約占全省的一半。該區(qū)域氣候濕潤、地形復雜，暴雨和洪澇災害頻發(fā)[17-18]。土壤濕度作為水文循環(huán)的關鍵環(huán)節(jié)，對暴雨-洪澇災害鏈的形成和發(fā)展具有顯著調控作用。土壤濕度不僅影響閩江流域地表徑流生成和洪水響應，還通過調節(jié)地表能量平衡和大氣-陸地耦合過程，影響流域氣候和降水分布[8，10]。盡管已有研究涉及降水[19]、徑流[20]、干濕[21]、洪澇[22]、土地利用[23]等水文氣象和下墊面地理特征分布，但針對閩江流域土壤濕度的時空特征及其趨勢的系統(tǒng)性研究仍較為匱乏。針對土壤水含量，現(xiàn)有研究主要聚焦于土壤類型、森林土壤水庫的蓄水調節(jié)機制等方面[24-25]。受限于復雜地形長期連續(xù)的土壤濕度觀測難度大等因素，過去研究多聚焦于降水等直接引發(fā)洪澇的因素，對閩江流域土壤濕度的多尺度時空特征的直接研究仍顯不足，尤其缺乏對不同子流域土壤濕度變化特征及其記憶性的深入分析。

鑒于此，本研究基于2000—2022年日均的 1km 格網(wǎng)精細分辨率數(shù)據(jù)，系統(tǒng)探討閩江流域土壤濕度的空間分布、年際變化、季節(jié)趨勢、影響因素及土壤濕度記憶性特征。主要探究閩江流域土壤濕度空間梯度特征與季節(jié)動態(tài)分異、土壤濕度年際變化趨勢與深度分異特征（2000—2022年，土壤深度 10～ 90cm ）并揭示土壤濕度記憶性時空分異規(guī)律。本研究成果將為閩江流域水資源管理、防災減災及氣候變化背景下的水文響應研究提供科學依據(jù)，同時豐富土壤濕度在流域尺度上的應用，為未來區(qū)域水文-氣候模型的優(yōu)化提供數(shù)據(jù)支撐。

1 研究區(qū)域與數(shù)據(jù)

1. 1 研究區(qū)域

閩江流域地處中國東南部（圖1），位于東亞季風區(qū)，屬典型的亞熱帶濕潤氣候帶，年均降水量約1600mm ，其中汛期（4—9月）集中了全年 70%～80% 的降水補給[26]。閩江作為福建省最重要的水系，其主河道總長度達 562km ，流域總面積 60992km² ，約占全省陸域面積的 50% ，是福建第一長河。該水系發(fā)源于武夷山脈北麓，由建溪、富屯溪、沙溪三大支流匯聚形成。根據(jù)流域水文特性及歷史研究基礎[17]，本研究采用分級系統(tǒng)法將其劃分為4個二級子流域單元：富屯溪流域、建溪流域、沙溪流域和閩江流域。各子流域邊界見圖1。

1. 2 數(shù)據(jù)來源

本研究采用的土壤濕度數(shù)據(jù)來源于 1km 分辨率日尺度土壤濕度數(shù)據(jù)集 ?SMCI1.0?^[27] ，覆蓋閩江流域2000—2022年 10～100cm 深度剖面的高時空分辨率土壤濕度數(shù)據(jù)。該數(shù)據(jù)集是基于中國氣象局1789個站點實測的土壤濕度數(shù)據(jù)，融合ERA5-Land氣象再分析數(shù)據(jù)、葉面積指數(shù)、土地覆被類型、數(shù)字高程模型及土壤理化性質等多源變量，采用隨機森林建模方法，獲取時空連續(xù)的土壤濕度數(shù)據(jù)。采用十折交叉驗證，跟實測數(shù)據(jù)對比評估數(shù)據(jù)集的時空精度。結果表明，該數(shù)據(jù)集精度較高，在時間維度上均方根誤差為 0.041～0.052m³/m³，I R 為0.88＼～0.92;空間驗證結果顯示均方根誤差為（20號 0.045～0.051m³/m³，R 為 0.87～0.89^[27] 。該數(shù)據(jù)集兼具高時間分辨率（日尺度）與空間精度（ 1km 網(wǎng)格），適用于濕潤區(qū)復雜下墊面條件下的閩江流域土壤濕度高精度時空分布特征提取及動態(tài)變化分析。日均降水和氣溫數(shù)據(jù)來源于中國氣象局CN05.1數(shù)據(jù)集，空間分辨率為 0.25^° ，覆蓋時間范圍為2000—2022年[28]。植被覆蓋度采用國家青藏高原數(shù)據(jù)中心提供的逐月平均NDVI數(shù)據(jù)集（2000一2022年），空間分辨率為 250m^[29] O

1.3 研究方法

1.3.1土壤濕度時空特征和變化趨勢分析方法

以2000一2022年土壤濕度數(shù)據(jù)集為基準，針對閩江流域10、50和 90cm 三層深度剖面逐日土壤濕度數(shù)據(jù)，建立年均土壤濕度時間序列線性回歸模型，通過計算年變化速率系數(shù)和顯著性，探究年均土壤濕度的變化趨勢。針對不同月份土壤濕度的非線性變化，采用局部加權回歸（LocallyEstimatedScatterplotSmoothing，LOESS）擬合月序數(shù)據(jù)的土壤濕度趨勢。LOESS一種非參數(shù)回歸方法，能夠通過在每個數(shù)據(jù)點附近擬合加權回歸模型來平滑數(shù)據(jù)，捕捉數(shù)據(jù)的局部趨勢，而無需假設全局模型形式。LOESS的核心是針對每個數(shù)據(jù)點進行局部加權回歸。對于每個月序數(shù)據(jù)點 x_i ，選擇一個鄰域（由帶寬決定），在此鄰域內擬合一個加權回歸模型。權重基于數(shù)據(jù)點與 x_i 的距離，采用三點權重函數(shù)（tricubeweightfunction），其數(shù)學形式為：

式中： d 為數(shù)據(jù)點到 x_i 的距離； h 為帶寬。距離越近的點權重越高，距離遠的點權重迅速下降。在每個鄰域內，使用加權最小二乘法擬合一個簡單的線性模型（也可根據(jù)需要使用二次或更高階多項式），得到局部擬合值，通過局部回歸生成不同月份土壤濕度變化的平滑趨勢線。

基于流域空間分區(qū)邊界線（圖1），對閩江流域及其各子流域的土壤濕度數(shù)據(jù)進行年際均值、季節(jié)均值和變異特征統(tǒng)計。年際均值反映了各子流域多年間每年土壤濕度的平均水平。季節(jié)均值反映各子流域在不同季節(jié)的平均土壤濕度水平，包括春季（3—5月）夏季（6—8月）秋季（9—11月）和冬季（12月至次年2月）。變異特征通過標準差（StandardDeviation，SD）衡量土壤濕度數(shù)據(jù)的離散程度。

為全面揭示閩江流域土壤濕度時空分異的關鍵影響因素，本文結合降水、氣溫和植被指數(shù)（Normalized DifferenceVegetation Index，NDVI）等關鍵驅動因子開展了相關性分析。為實現(xiàn)多源數(shù)據(jù)的空間統(tǒng)一，采用雙線性插值方法將所有數(shù)據(jù)轉換至 1km 分辨率網(wǎng)格。利用皮爾遜相關系數(shù)逐網(wǎng)格計算土壤濕度與日均降水、日均氣溫及月均NDVI之間的相關性，定量評估各驅動因子對土壤濕度空間分布和變化的影響強度。

1.3.2土壤濕度記憶性和記憶時長計算方法

自相關系數(shù)法是基于土壤水分平衡理論的一種有效方法，常用于量化土壤濕度記憶性和記憶時長[1-12.15]。其理論依據(jù)在于通過自相關系數(shù)捕捉土壤濕度時間序列的持久性，可用于量化不同區(qū)域的王壤濕度記憶特性。該方法不依賴于降水等外部驅動的時間序列，減少了因驅動數(shù)據(jù)誤差帶來的影響。計算過程簡便易于實現(xiàn)，計算結果可直觀判斷土壤濕度狀態(tài)的持續(xù)時間和記憶效應強度?；诿咳胀寥罎穸葦?shù)據(jù)的計算逐網(wǎng)格的土壤濕度記憶時長。首先將每日土壤濕度數(shù)據(jù)記為 S_d，k ，其中 d 表示一年中的第 d 天 （d=1，2，…，N，N 為365或366），k 表示年份 （k=1，2，…，M） （本研究年份2000—2022年， M=23 ）。對于每個起始日 d 計算它與未來 τ 天之間的自相關系數(shù) ρ_τ ，以衡量土壤濕度的記憶性。自相關公式如下所示。

式中： 是第 d 天的多年平均土壤濕度; 是第 d+τ 天的多年平均土壤濕度。

采用 99% 置信水平來判斷自相關系數(shù)是否顯著。顯著性的臨界自相關值計算如下，對于樣本量L M×N. ，本研究為8401），顯著性判定的臨界自相關值近似為：

式中：2.326是單尾檢驗在 99% 置信水平下的標準正態(tài)分布臨界值。

最后，計算記憶時長 T_d ，作為土壤濕度記憶性的量化指標，反映土壤濕度影響持續(xù)的時間。記憶時長 T_d 計算過程包括3個步驟： ① 對于每個起始日d ，依次計算 τ=1，2，…，365-d 時的 ρ_τ ② 找到最小的τ ，使得 ρ_τlt;ρ_crit ③ 這個 τ 即為第 d 的記憶時長 T_d ，表示從第 d 天開始，土壤濕度的影響在 T_d 后不再顯著。

在以上逐網(wǎng)格的自相關系數(shù)法分析的基礎上，結合經(jīng)驗正交分解（EmpiricalOrthogonalFunction，EOF）分析進一步解釋區(qū)域尺度的濕度模式及其時間演化，為區(qū)域土壤濕度記憶評估提供更全面的視角。EOF分析是統(tǒng)計學和地球科學中經(jīng)典方法，該方法能夠將空間-時間數(shù)據(jù)集分解為正交空間模式（EOF）及其對應時間序列的主成分（PrincipalComponents，PCs），可用于識別空間分布數(shù)據(jù)集中的主導變異模式[30]。具體而言，將土壤濕度柵格數(shù)據(jù)組織為矩陣（行表示時間步長，列表示空間位置）。對每個空間位置，計算時間均值（氣候態(tài)），對得到的標準化矩陣執(zhí)行EOF分析。

第一步，計算空間異常數(shù)據(jù)的協(xié)方差矩陣 Q

式中： n_t 表示時間步長； Φ_t 表示時間； s_i 和 s_j 表示位置i，j 的土壤濕度值 ;f^′ 表示矩陣元素。

第二步，對協(xié)方差矩陣 Q 進行特征值分解：

Q=λ_me_m

式中： e_m 是第 m 個EOF（空間模式）。 λ_?m 是對應的特征值，表示該模式解釋的方差。

第三步，計算主成分 PCs ·

式中： ?_?m（t） 是第 m 個主成分，表示第 m 個空間模式的時間演化。

土壤濕度記憶性技術通過分析主成分PCs的自相關性實現(xiàn)。PCs按解釋方差的大小排序。為了確保重要的空間和時間模式被捕捉，基于累計解釋方差達到閥值（ 80% ）選擇PCs的數(shù)量。對于不同土壤深度的EOF結果，計算每個組分的解釋方差比例Ratio，最終確定選擇前5個PCs進行分析，在確保捕捉到充足的時（空）間模式的同時保持計算和解釋的可行性。

2 結果與討論

2.1閩江流域土壤濕度的時空特征

閩江流域多年平均土壤濕度的空間分布特征見圖2。2000—2022年閩江流域平均土壤濕度在0.28～0.44m³/m³ 。其空間分布梯度明顯，呈現(xiàn)從西北向東南遞減的趨勢，高濕度區(qū)（深藍色高值區(qū)，大于0.43）與低濕度區(qū)（淺黃色低值區(qū)，小于0.39）呈斑塊狀交錯分布。

閩江流域北部上游海拔較高（大于 800m ），可能出現(xiàn)由地形抬升導致的降水豐沛，且山區(qū)的相對低溫與低蒸發(fā)可進一步使高濕度維持[31-32]。同時，高值區(qū)森林覆蓋可用通過植被截留降水、減少地表徑流，并通過凋落物層增強土壤蓄水能力的方式增強持水能力，形成森林生態(tài)系統(tǒng)的蒸騰作用與土壤水分補給耦合的正反饋循環(huán)[33]。低濕度區(qū)出現(xiàn)在南浦溪、松溪匯流處（東北部斑塊）和閩江下游近海區(qū)，為人類活動密集的平原及城市周邊。城市化導致不透水地表擴張，降水難以入滲，土壤水分補給受限[34]。此外，平原區(qū)地勢平坦，排水通暢，尤其在砂質土壤分布區(qū)（如閩江口沖積層），水分易通過側向徑流流失[35]。此外，武夷山附近的低值區(qū)可能由局部地形、植被、土地利用等因素引起。武夷山地區(qū)地形復雜，包括陡峭的山坡和山谷；陡坡可能導致降水快速以徑流形式流失，減少土壤水分保留；武夷山地區(qū)的茶園長期種植或其他人類活動可能導致土壤養(yǎng)分消耗和土壤退化，進而影響土壤濕度分布[36]

進一步比較了4個子流域（富屯溪流域、建溪流域、沙溪流域和閩江流域）土壤濕度的分布特征及季節(jié)變異，見圖3。子流域平均日土壤濕度范圍0.38～0.45m³/m³ ，富屯溪流域 （0.425m³/m³） 略高于閩江 （0.411m³/m³ 和其他上游子流域（建溪0.406m³/m³ ，沙溪 0.403m³/m³ ）。從數(shù)據(jù)分布上看，建溪流域濕度波動范圍最廣， 25%～75% 分位數(shù)距達0.032m³/m³ 。所有子流域濕度分布范圍在冬季（深紫色）最寬，而在春季分布集中（淺藍色），中位數(shù)升至全年峰值。

圖4展示了2000—2022年間閩江流域季均土壤濕度的空間分布格局。春季（圖4a）呈現(xiàn)全年最高平均濕度 （0.44m³/m³） ），夏季（圖4b）雖受強降水影響，但高溫蒸散導致全域土壤濕度均值下降至0.41m³/m³ 。秋季（圖4c）土壤濕度下降迅速（均值0.39m³/m³ ），冬季（圖4d）土壤濕度的空間變異程度最高，西北部武夷山東坡的土壤濕度維持 0.45m³/ m³ 高值區(qū)，而顯著低值斑塊區(qū)域土壤濕度低于0.30m³/m³ 。西北-東南空間梯度各季節(jié)較為一致，南浦溪-松溪交匯處及閩江口近海平原的低值區(qū)土壤濕度變幅小。

閩江流域土壤濕度標準差（SD）的時空分異特征表現(xiàn)為顯著的季節(jié)動態(tài)與空間梯度耦合規(guī)律（圖5）。春季（圖5a）土壤濕度變異性達到全年最低水平 （SD=0.023±0.006m³/m³） ，其值域空間分布集中于 0.012～0.048m³/m³ 。秋季（圖5c）變異強度顯著躍升 （SD=0.041±0.006m³/m³） ，其中西北部武夷山東坡的極端變異突破 0.061m³/m³ 。夏季（圖5b， 和冬季（圖5d，0. 025m³/m³3/m³） 表現(xiàn)出過渡性特征，可能受到干濕季轉換過程中的土壤水分滯后效應影響。在所有季節(jié)，空間格局呈現(xiàn)穩(wěn)定的東北一東南分異梯度，東北部上游區(qū)域在四季均維持高變異性 （SDgt;0.035m³/m³） ，可能與該區(qū)域坡地地形特征密切相關。東南部沿海平原四季SD值穩(wěn)定低于流域中位數(shù)。

總的來說，閩江流域土壤濕度的時空分異特征受多重因素綜合作用[31-36]。土壤濕度的西北—東南遞減趨勢的梯度分布受到地形高度、降水格局、土壤類型等的共同影響。西北部武夷山脈對東南季風形成地形抬升效應，導致西北山區(qū)降水高于東南沿海。降水是影響大部分地區(qū)土壤水分時空變化的最主要因子，這種降水空間分異直接驅動土壤濕度西北-東南遞減趨勢。西北部以山地黃壤為主，持水性強；東南部沖積平原多砂質土，滲透性強。同時，武夷山地區(qū)植被覆蓋度顯著高于下游區(qū)域，植被蒸騰作用加劇水分空間分異。土壤濕度的季節(jié)動態(tài)分異受到季風氣候主導的水熱配置和植被物候的調控作用。春雨鋒面持續(xù)降水，植被蒸騰蒸發(fā)作用弱，使得土壤濕度達峰值。土壤濕度記憶性時空分異受到氣候要素、土壤物理特性和人類活動干擾等因素的共同影響，這種復雜相互作用塑造了閩江流域獨特的土壤水文特征。

2.2閩江流域土壤濕度不同深度的變化趨勢和影響因素

圖6所示，采用2011—2022年與2000—2010年同期土壤濕度網(wǎng)格數(shù)據(jù)的算術平均比值評估了兩個時期的不同深度土壤濕度變化情況。在表層土壤（ 10cm ，圖6a），多數(shù)區(qū)域呈現(xiàn)弱增強趨勢（比值大于1.00），其中東南部入?？谂c閩江干流中游河漫灘沿河道延伸出帶狀中性區(qū)呈現(xiàn)穩(wěn)定或弱降低的趨勢。中層土壤（ 50cm ，圖6b）的變化幅度顯著擴展，高值區(qū)（大于1.10）面積較表層增加 4.1% ，低值區(qū)（小于1.00）則沿枝狀支流水系零星分布，反映根域層水分可能受降水補給與植被蒸騰調控作用增強[31，33]。深層土壤（ 90cm ，圖6c）呈現(xiàn)顯著逆轉趨勢，全域 37.9% 區(qū)域出現(xiàn)了弱下降趨勢，特別是在北部地區(qū)，可能與地下水位下降及農(nóng)業(yè)灌溉結構調整相關[37]

壤濕度的年際和季節(jié)變化呈現(xiàn)明顯分異。 10cm 表層土壤年均濕度在0.395＼～0.432，未表現(xiàn)出明顯的長期趨勢（圖7a）。 50cm 中層土壤濕度變化與表層土壤方向一致，但總體呈現(xiàn)微弱的上升趨勢（圖7b）。 90cm 深層土壤濕度變化相對平緩，值域最窄（0.395～0.415m³/m³） 。不同深度土壤濕度的長期趨勢與前圖7的空間格局符合一致。

圖7d、7e進一步比較了閩江流域不同深度土壤濕度的季節(jié)變化。濕度的季節(jié)波動模式在各土層間一致，均呈現(xiàn)單峰型，但變化幅度與相位特征存在差異。 10cm 表層土壤全年濕度峰谷差達0.058m³/m³ 。月均土壤濕度峰值出現(xiàn)在3月 （0.438m³/m³） ，隨后以 -0.015m³/m³/ 月速率持續(xù)下降至10月最低點。 50cm 中層土壤季節(jié)峰谷差縮減至 0.036m³/ m³ 。其峰值較表層延遲1個月，并在6月 （0.430m³/ m³ ）仍維持接近峰值水平。 90cm 深層土壤季節(jié)波動最弱（峰谷差 0.031m³/m³ ），峰值相位隨深度進一步滯后，主峰值出現(xiàn)在6月（0.422）。水分遷移受土層導水性與蒸發(fā)強度調控，干旱期（8一11月）表層王壤濕度低于中層和深層，可能受到蒸散期對表層水分的優(yōu)先耗竭的調節(jié)[38-39]

圖8展示了閩江流域內不同深度土壤濕度與降水、平均溫度和植被覆蓋度NDVI之間相關系數(shù)的空間分布。降水與土壤濕度呈顯著的正相關性（ ?

0圖 8a，8d，8g ，這種相關性在表層土壤（ 10cm 深度）最強，高相關區(qū)域 （rgt;0.5） 集中分布于流域東部緩坡帶；隨深度增加，該相關性呈現(xiàn)一定的衰減，50cm 深度時正相關強度均值降低約 31% ，至 90cm 深度則普遍降至0.2以下。日平均溫度與土壤濕度的相關性呈現(xiàn)分異的空間特征（圖 8b，8e，8h） ，在北部表現(xiàn)為負相關，而南部地區(qū)則可觀察到一定的正相關趨勢。溫度與土壤濕度的負相關關系在 10cm 深度最強，流域北部地區(qū) r 低于 -0.4 。隨土壤深度增加，負相關性的強度遞減，在 90cm 深度的相關性接近中性（平均 r=0. 007 8 ）。NDVI與土壤濕度的相關性同樣呈現(xiàn)出從北至南的梯度趨勢（圖8c、8f、8i）。在表層，絕大部分區(qū)域呈現(xiàn)負相關（ 97% 區(qū)域rlt;0 ），并隨深度增加呈現(xiàn)非均勻衰減模式， 50cm 深度負相關強度平均下降 43% ，而 90cm 深度在北部沖積平原出現(xiàn)局域性正相關異常熱點 （rgt;0.3） 。

注： （a-c） 為 10cm 深度的土壤濕度與各因子空間相關性；（d-f）為50cm 深度的空間相關性； （g-i） 為 90cm 深度的空間相關性。

總的來說，閩江流域不同深度土壤濕度的差異化趨勢，可能由于降水入滲、蒸發(fā)蒸騰、植被根系分布、地下水動態(tài)以及土壤質地和地形等多重因素共同作用的結果[31.3.36-39]。表層土壤直接暴露于大氣環(huán)境，受降水人滲和蒸發(fā)蒸騰的影響最為顯著，導致其濕度變化幅度最大且季節(jié)峰谷差明顯。閩江流域表層土壤整體呈弱上升趨勢，反映了近年來降水增加和氣候變暖帶來的水分補給增強。但在東南部河漫灘及干流中游區(qū)域，因地形平坦、排水條件差及土壤質地偏砂，表層濕度呈現(xiàn)中性至下降趨勢，可能受地下水位變化和人類活動影響。中層土壤是大多數(shù)植被根系的主要分布區(qū)，土壤水分動態(tài)不僅受降水影響，還受植被蒸騰調控。閩江流域中層土壤濕度上升趨勢顯著，表明植被根系對水分的有效利用和蓄水功能增強。深層土壤水分變化受地下水動態(tài)、土壤質地和地形等多因素影響，季節(jié)性峰谷差最小且峰值出現(xiàn)滯后。深層土壤水分作為“土壤水庫”，其水分補給和耗散過程較表層緩慢，導致時間響應延遲。部分北部山區(qū)深層土壤濕度呈弱下降趨勢，可能與地下水位下降、地形地質條件復雜及人類抽水活動有關。

2.3閩江流域土壤濕度記憶性的時空分異規(guī)律

圖9展示了閩江流域2000—2022年不同深度0 （10，50，90cm 土壤濕度的自相關系數(shù)隨滯后時間的變化及記憶時長的空間分布。不同深度土壤濕度的自相關系數(shù)隨滯后時間均呈對數(shù)曲線型減少趨勢（圖 9a，9b，9c ，分別在 104d（10cm），116d（50 cm）和99d（ 90cm ）時達到顯著性檢驗閾值。與其他土層相比，淺層土壤的自相關系數(shù)的 25%～75% 分位數(shù)距更窄，反映了濕度序列更高的統(tǒng)計穩(wěn)定性。當自相關系數(shù)首次下降至 P=0.01 顯著性水平閾值（圖 9a 中紅色水平線標識）時，認為該滯后時間下的土壤濕度無記憶性，據(jù)此推斷各深度土壤濕度記憶性有效持續(xù)時間。結果表明， 10cm 深度在滯后約104d時自相關系數(shù)首次跌破閾值， 50cm 深度在116d后突破閾值，而 90cm 深度在滯后99d時即達到閥值（圖 9a，9b，9c， 。圖9d、9e、9f展示了使用EOF分析確定的自相關系數(shù)與滯后時間曲線，將具有最高解釋性的主成分PCs曲線（黑色）與對應深度的區(qū)域平均曲線（左圖虛線）進行比較。兩條曲線形狀相似，衰減速率和時間趨勢接近，進一步驗證了土壤濕度記憶時長隨時間變化衰減的對數(shù)曲線趨勢和土壤層深度記憶性差異。圖 9g，9h，9i 進一步揭示了不同深度土壤記憶時長的空間分布存在顯著差異。表層（ 10cm 平均土壤記憶時長106.2d，空間格局呈現(xiàn)低梯度均質化特征，高值區(qū)（ gt;120d 0以離散斑塊形式分布于流域東南部部低坡度地帶，可能與地形平坦導致的排水緩慢有關。中層（50cm）記憶時長變異幅度最大（40＼～149d，極差109d），流域平均土壤記憶時長延至112d，可能由于基巖風化層蓄水作用形成長記憶區(qū)。深層（ 90cm 記憶時長平均為98.33d，在東南部出現(xiàn)的低值異常區(qū)，尤其是閩江口沖積扇等地下水位活躍區(qū)，深層土壤記憶時長可低于 30d 。

總的來說，閩江流域土壤濕度記憶性的垂直分異，是降水分布、地形地貌、土壤物理性質、植被根系分布及地下水動態(tài)等多重因素交互作用的[16.40-43]。平坦地形和較高土壤持水能力使得表層土壤水分變化緩慢，增強了表層土壤濕度的持續(xù)性和記憶效應。中層土壤處于植被根系活躍區(qū)，蓄水作用增強了水分滯留和緩釋，形成較長的記憶時長和較大空間變異。此外，西北山區(qū)降水強度大，延長土壤濕度記憶時長；粘土占比高的區(qū)域水分滯留時間長，砂質土區(qū)域記憶性則隨深度增加顯著衰減；下游平原區(qū)農(nóng)業(yè)灌溉與城市用水改變自然水文過程，削弱深層土壤記憶性的時空規(guī)律。閩江流域深層土壤的平均記憶時長較短可能進一步因地下水動態(tài)影響、測量層次及水分流動機制復雜等因素所致[40-43]。在開放水文系統(tǒng)中，地下水動態(tài)調控和優(yōu)先流發(fā)育共同導致記憶時長衰減：前者通過毛細作用加速水分散失，后者通過大孔隙流縮短水分滯留周期4；同時，閩江流域下游由于人類活動引起的地下水開采進一步破壞自然水力平衡，使深層土壤記憶特征下降[42-43]

3結論

本研究以福建省閩江流域為對象，基于高時空分辨率（ 1km 網(wǎng)格、日尺度）土壤濕度數(shù)據(jù)集（2000—2022年），系統(tǒng)揭示了閩江流域復雜地形下土壤濕度的多尺度時空特征，闡明了閩江流域土壤濕度“表層-深層”差異記憶的時空分異。研究成果不僅豐富了閩江流域土壤濕度的基礎科學認知，還為流域水資源合理配置、洪澇災害風險預警及生態(tài)環(huán)境保護提供了科學支撐。研究成果可為區(qū)域水文-氣候模型的構建與優(yōu)化提供高質量數(shù)據(jù)支持，助力實現(xiàn)閩江流域的可持續(xù)發(fā)展和生態(tài)安全管理。主要結論總結如下。

a）閩江流域土壤濕度呈現(xiàn)顯著的空間梯度特征與季節(jié)動態(tài)分異。流域平均土壤濕度自西北武夷山區(qū)向東南沿海平原遞減，高值區(qū)集中于森林覆蓋率高的上游山區(qū)，低值區(qū)分布于城市化密集的下游平原及砂質土壤區(qū)；春季為全年土壤濕度峰值，夏季降低，秋季土壤濕度驟降，冬季呈現(xiàn)更強空間異質性。子流域差異顯示，富屯溪流域濕度最高，建溪流域季節(jié)波動最大。這些時空分異特征為流域洪澇風險評估和水資源調配提供了關鍵參考。

b）不同深度土壤濕度呈現(xiàn)差異化趨勢。表層土壤濕度整體呈弱上升趨勢，但東南部河漫灘及干流中游出現(xiàn)中性至下降趨勢，中層土壤濕度上升趨勢顯著，深層土壤濕度部分地區(qū)呈現(xiàn)弱下降趨勢，尤其是北部山區(qū)。季節(jié)變化模式顯示，表層土壤濕度的峰谷差最大，深層土壤濕度的峰谷差最小，且峰值相位隨土壤深度滯后。揭示了土壤水分垂直傳輸?shù)臅r滯特征，對水文模型優(yōu)化具有指導意義。

c）土壤濕度記憶性呈現(xiàn)明顯的時空分異規(guī)律。土壤濕度記憶性呈現(xiàn)顯著垂直分異特征。表層記憶時長整體較高，空間格局呈現(xiàn)低梯度均質化特征，高值區(qū)以離散斑塊形式分布于東南部低坡度地帶，可能與地形平坦導致的排水緩慢有關。中層記憶時長變異幅度最大，流域平均記憶時長延長。深層記憶時長較短，在東南部沖積扇等地下水位活躍區(qū)尤為明顯，可能與地下水動態(tài)調控作用增強有關。這些發(fā)現(xiàn)為理解土壤水分的長期動態(tài)及其對氣候和水文過程的響應提供了重要依據(jù)。

參考文獻：

[1]KOSTERRD，DIRMEYERPA，GUOZ，etal.Regionsofstrong coupling between soil moisture and precipitation [J].Science，2004，305（5687）：1138-1140.

[2]SENEVIRATNE S I， CORTI T，DAVIN E L，et al. Investigatingsoil moisture-climate interactions ina changing climate：Areview[J].Earth-ScienceReviews，2010，99（3）：125-161.

[3］馬柱國，魏和林，符淙斌．中國東部區(qū)域土壤濕度的變化及其與氣候變率的關系[J].氣象學報，2000（3）：278-287.

[4］馬柱國，符淙斌，謝力，等．土壤濕度和氣候變化關系研究中的某些問題[J].地球科學進展，2001（4）：563-568.

[5]ZUO Z Y，QIAO L，ZHANG R H，et al. Importance of soilmoisture conservation in mitigating climatechange[J].ScienceBulletin，2024，69（9）：1332-1341.

[6］王一諾，喬梁，左志燕.CMIP6陸面、雪和土壤濕度模式比較計劃（LS3MIP）評述[J].氣候變化研究進展，2022，18（6）：795-800.

[7］楊揚，楊啟東，王芝蘭，等．中國區(qū)域陸氣耦合強度的時空分布特征[J].干旱氣象，2021，39（3）：374-385.

[8］王曉婷，郭維棟，鐘中，等．中國東部土壤溫度、濕度變化的長期趨勢及其與氣候背景的聯(lián)系[J].地球科學進展，2009，24（2）：181-191.

[9］劉榮華，張珂，晁麗君，等．基于多源衛(wèi)星觀測的中國土壤濕度時空特征分析[J].水科學進展，2017，28（4）：479-487.

[10]WU WR，DICKINSON RE. Time scales of layered soil moisturememory in the context of land-atmosphere interaction [J].Journal ofClimate，2004，17（5）：2752-2764.

[11]SENEVIRATNESI，KOSTERRD.Arevised framework foranalyzing soil moisture memory in climate data：derivation andinterpretation[J].Journal ofHydrometeorology，2012，13（1）：404-412.

[12]史銳光，劉懿，袁飛，等．多時間尺度下中國區(qū)域土壤濕度記憶性時空特征及趨勢分析[J].農(nóng)業(yè)工程學報，2023，39（9）：123-130.

[13］詹艷玲，林朝暉，田鳳云，等．淮河流域土壤濕度的分布特征和記憶能力分析[J].氣象科技進展，2020，10（5）：87-96.

[14]RAHMAN M M，LU M，KYI K H.Variability of soil moisturememory for wet and dry basins[J].Journal of Hydrology，2015，523：107-118.

[15]ORTH R，SENEVIRATNE SI. Propagation of soil moisturememory tostreamflow and evapotranspiration in Europe[J].Hydrologyand EarthSystemSciences，2013，17（10）：3895-3911.

[16]趙家臻，王愛慧，王會軍.中國地區(qū)土壤濕度記憶性及其與降水特征變化的關系[J].大氣科學，2021，45（4）：799-818.

[17］林思諾，張茵馳，孫劭，等．WRF參數(shù)化方案與初始場對閩江流域暴雨模擬的敏感性研究[J]．人民珠江，2023，44（10）：35-46，61.

[18］武晶．閩江流域特大洪澇干旱風險識別[J]．人民珠江，2024，45（4）：115-123.

[19］崔洪銘，劉梅冰，甘貝貝，等．閩江流域極端降水時空演變特征及氣候影響因子[J/OL]．水利水電技術（中英文），2025：1-19.

[20］耿凱利，陳興偉，鄭美玲，等．閩江流域多時間尺度降雨一徑流關系變化與成因[J].中國水土保持科學（中英文），2024，22（1）：35-41.

[21］甘貝貝，劉梅冰．1962—2021年閩江流域干濕演變特征及其對ENSO 事件的響應[J].南水北調與水利科技（中英文），2024，22（3）：545-556.

[22］曲麗英．閩江流域洪澇風險區(qū)劃快速評估研究[J].中國農(nóng)村水利水電，2023（10）：30-37，46.

[23］王欣珂，林弘，謝香群，等．閩江流域土地利用時空變化特征及驅動因子分析[J].生態(tài)科學，2023，42（4）：171-181.

[24］黃榮珍，楊玉盛，謝錦升，等．福建閩江上游不同林地類型土壤水庫“庫容\"的特性［J].中國水土保持科學，2005（2）：92-96，101.

[25］岳琦，張林波，劉成程，等．基于GIS的福建閩江上游山洪災害風險區(qū)劃[J].環(huán)境工程技術學報，2015，5（4）：293-298.

[26]焦俊嬌，王天陽，李鳳全，等．閩江流域1960—2023年汛期降水集中度和集中期特征分析[J/OL]．人民珠江，2025：1-13.

[27]LIQL，SHIGS，WEI SG，etal.A1km daily soil moisturedataset over China using in situ measurement and machine learning[J].Earth System Science Data，2022，14（12）：5267-5286.

[28］吳佳，高學杰．一套格點化的中國區(qū)域逐日觀測資料及與其它資料的對比[J].地球物理學報，2013，56（4）：1102-1111.

[29］高吉喜，史園莉．中國區(qū)域250米歸一化植被指數(shù)數(shù)據(jù)集（2000-2023）[DS/OL]．國家青藏高原科學數(shù)據(jù)中心，2024.https：//dx. doi.org/10.11888/Terre.tpdc.300328.

[30]LORENZ E N. Empirical orthogonal functions and statisticalweather prediction[R]．Science Report1，Statistical ForecastingProject，Department of Meteorology，MIT（NTIS AD 110268），1956.

[31]WANG QY，TANG JL， ZHANG Y X，et al. Diurnal variationof convective precipitation during the flood season in Fujianprovince，China[J].Frontiers in Earth Science，2024，12. DOI：10.3389/feart. 2024.1469871.

[32]LUYJ，WANG Y Y，LIU Q，et al. EvapotranspirationvariationsoftheMinjiangriverbasinin southeasternChina from∠UUU tU ZUI7LJ」. AUIUSPIUIC，ZUZZ， 1J（+/：JUZ-JI0

[33]TANG X，F(xiàn)AN S，QIL，et al. Soil respiration and net ecosystemproduction in relation to intensive management in moso bambooforests[J].Catena，2016，137：219-228.

[34]LAI S H，SHA J M，ELADAWY A，et al.Evaluation ofecological security and ecological maintenance based on pressure-state-response（PSR）model，case study：Fuzhou city，China[J].Human and Ecological Risk Assessment：An InternationalJournal，2022，28（7）：734-761.

[35]RAO Q H，QIU Y，LI JB. Water quality assessment andvariation trendsanalysis of theminriver sea-entry section，China[J]．Water，Air，amp; Soil Pollution，2019，230.DOI：10.1007/S11270-019-4328-1.

[36]黃炎．武夷山茶葉種植地質-地球化學適宜性評價[D].北京：中國地質大學（北京），2021.

[37]YANG X L， CHEN Y Q， STEENHUIS T S， et al. Mitigatinggroundwater depletion in north China plain with cropping systemthat alternate deep and shallow rooted crops[J].Frontiers in PlantScience，2017，8.D0I：10.3389/fpls.2017.00980.

[38]YUB W，LIUG H，LIU Q S，et al. Seasonal variation of deepsoil moisture under different land uses on the semi-arid loessplateau of China[J]. Journal of Soils and Sediments，2019，19（3）：1179-1189.

[39]ZHAO HG，JIA G S，WANGH S，et al.Seasonal andinterannual variationsin carbon fluxes in east Asia semi-aridgrassands[J]．Science of the Total Environment，2019，668：1128-1138.

[40]DASH S K， SINHA R. Space-time dynamics of soil moisture andgroundwater in an agriculture-dominated critical zone observatory（CZO）in the ganga basin，India[J]．Science of theTotalEnvironment，2022，851．DOI：10.1016/j. scitotenv.2022.158231.

[41]FARMANI M A，BEHRANGIA，GUPTA A，etal.Do landmodelsmiss key soil hydrological processes controlling soilmoisture memory？[J].Hydrology and Earth System Sciences，2025，29（2）：547-566.

[42]MARTINEZ-DE LA TORRE A， MIGUEZ-MACHOG.Groundwater influence on soil moisture memory and land-atmosphere fluxes in the Iberian peninsula［J].Hydrology andEarth System Sciences，2019，23（12）：4909-4932.

[43]RAHMATI M，AMELUNG W，BROGI C，et al. Soil moisturememory：state-of-the-art and the way forward[J].Reviews ofGeophysics，2024，62（2）.DOI：10.1029/2023BG000828.

（責任編輯：高天揚）