閆利爽，黃 方，常 帥，李 博

(東北師范大學(xué)地理科學(xué)學(xué)院，吉林 長春 130024)

松遼平原西部地表土壤水分時空變化與影響因素分析

閆利爽，黃 方，常 帥，李 博

(東北師范大學(xué)地理科學(xué)學(xué)院，吉林 長春 130024)

基于土壤濕度和海洋鹽度衛(wèi)星(SMOS)土壤水分數(shù)據(jù)，采用時空均方根誤差、趨勢分析、重心遷移模型和相關(guān)分析方法，分析了松遼平原西部2010—2014年生長季地表土壤水分時空變化特征及影響因素.結(jié)果表明：研究區(qū)地表土壤水分呈東北高、西南低的空間分布格局，5年間平均地表土壤水分含量從0.110 m3/m3增加到0.120 m3/m3.扶余、大安、通遼、奈曼旗等地表層土壤水分空間變化顯著.在不同年份，地表土壤水分隨季節(jié)變化明顯的地區(qū)不同.土壤水分重心向東北方向移動，遷移距離達30.809 km.降水、植被覆蓋因素均與地表土壤水分呈顯著正相關(guān)，降水影響更強.在海拔小于200 m或坡度為10°～20°的地區(qū)地表土壤水分相對較高，平均值分別為0.140，0.116 m3/m3.黑土表層平均土壤水分更高，且具有明顯的增長趨勢.

土壤水分；SMOS數(shù)據(jù)；TRMM降水?dāng)?shù)據(jù)；NDVI；松遼平原西部

土壤水分是控制陸地和大氣間物質(zhì)、能量交換的關(guān)鍵參數(shù)，對陸地表面蒸散發(fā)、水分運移和碳收支有很強的控制作用，為植被和土壤生物生存提供物質(zhì)基礎(chǔ).[1-3]表層土壤水分可能通過陸地-地表大氣的反饋機制來調(diào)控地表水分布過程，對土壤降雨入滲、產(chǎn)流和抗侵蝕能力產(chǎn)生影響，進而對深層土壤水分的動態(tài)變化起決定作用.[4]因此，及時準確地獲取與評估區(qū)域地表土壤水分時空分布規(guī)律，對于水循環(huán)和水量平衡、生態(tài)系統(tǒng)能量與物質(zhì)交換以及氣候變化等研究具有重要意義.

實地土壤濕度測量耗時費力，時間間隔長、稀少且不連續(xù)，難以建立大范圍多層深度的土壤水分監(jiān)測網(wǎng).[5]衛(wèi)星遙感為大范圍土壤水分動態(tài)監(jiān)測提供了有效途徑.土壤濕度和海洋鹽度衛(wèi)星(soil moisture and ocean salinity，SMOS)是首顆以監(jiān)測全球表面土壤水分含量和海洋鹽分為目標設(shè)計的對地觀測科學(xué)試驗衛(wèi)星，[6-7]搭載L波段(1.4 GHz)的合成孔徑微波成像輻射計(microwave imaging radiometer with aperture synthesis，MIRAS)，從不同入射角度(0°～55°)，以全極化、二維綜合孔徑干涉方式進行探測.[8-10]SMOS衛(wèi)星空間分辨率35～50 km，時間分辨率平均為3 d，對地表(約5 cm深度)土壤水分的探測精度可達到0.04 m3/m3，適于表現(xiàn)大范圍內(nèi)土壤水分的時空變化[4].一些研究[11-13]已對SMOS數(shù)據(jù)精度及其與實測數(shù)據(jù)的相關(guān)關(guān)系進行了分析和驗證.松遼平原西部是我國重要的農(nóng)牧業(yè)生產(chǎn)基地，但區(qū)域水分空間分配不均、水資源短缺，干旱頻發(fā)，生態(tài)環(huán)境脆弱.境內(nèi)農(nóng)業(yè)氣象站點少，傳統(tǒng)技術(shù)手段很難實時獲取區(qū)域土壤干濕狀況及變化態(tài)勢.以往在本區(qū)及相鄰區(qū)域開展的大尺度研究[14-15]主要是年內(nèi)尺度的土壤水分變化規(guī)律分析，本文以SMOS土壤水分數(shù)據(jù)為基礎(chǔ)，分析了松遼平原西部地表土壤水分多年的時空分布變化特征，揭示了其與降水、植被、地形及土壤類型的關(guān)系，旨在為農(nóng)業(yè)干旱監(jiān)測、農(nóng)作物估產(chǎn)、農(nóng)業(yè)資源區(qū)劃研究等提供數(shù)據(jù)支持和決策參考.

1 研究區(qū)概況

本文的研究區(qū)地處松嫩平原和遼河平原的交界處，介于116.271°～126.092°E，41.282°～46.275°N之間，總面積約為23.8萬km2.地勢西南高東北低，西部多山、丘陵，中東部地區(qū)為沖積平原.研究區(qū)屬半濕潤、半干旱的溫帶大陸性季風(fēng)氣候，年平均降水量300 mm，年均蒸發(fā)量是降水量的5～6倍.植被包括羊草、大針茅、隱子草、小黃柳、冰草、拂子茅和馬藺等.主要土壤類型為森林土、針葉林土、栗鈣土、沼澤土、黑鈣土等.

2 研究方法

2.1 數(shù)據(jù)及預(yù)處理

本文以SMOS衛(wèi)星Level-3逐月土壤水分數(shù)據(jù)為基礎(chǔ)，空間分辨率0.26°×0.26°，投影為WGS_1984.時相為2010—2014年生長季(5—10月)，共30幅.Level-3數(shù)據(jù)提供近地表0～5 cm的土壤水分信息，數(shù)據(jù)格式為NetCDF[9].降水?dāng)?shù)據(jù)TRMM 3B43產(chǎn)品來自美國NASA官方網(wǎng)站(http://trmm.gsfc.nasa.gov/)，空間分辨率0.25°×0.25°，時間分辨率3 h，投影與SMOS數(shù)據(jù)相同.TRMM數(shù)據(jù)在ArcGIS中用克呂格插值方法進行了重采樣，使其與SMOS數(shù)據(jù)空間分辨率一致，之后再轉(zhuǎn)為月數(shù)據(jù).其他數(shù)據(jù)包括2010—2013年5—10月的10 d最大值合成SPOT-VGT NDVI產(chǎn)品數(shù)據(jù)(VGT-S10)，空間分辨率為1 km×1 km，來自VITO影像中心(http://www.vito-eodata.be)，采用最大值合成法[10]獲得24幅研究區(qū)生長季各月NDVI影像.DEM數(shù)據(jù)來自地理空間數(shù)據(jù)云(http://www.gscloud.cn)，利用ArcGIS空間分析模塊計算得到高程、坡度和坡向.土壤類型分布從中國科學(xué)院林業(yè)土壤研究所編制的《中國東北地區(qū)土壤圖》(1：50 000)矢量化獲得.

2.2 時空均方根誤差

地表土壤水分的時空變化可以通過研究時段內(nèi)每個土壤水分柵格時間、空間平均相對差值的均方根誤差(root mean square error，RMSE)予以反映[4].本研究中，首先計算土壤水分(soil moisture，SM)的空間平均值和時間平均值，公式如下：

(1)

(2)

(3)

(3)

(5)

(6)

最后，土壤水分的空間和時間均方根誤差RS和RT可計算如下：

(7)

(8)

RS反映土壤水分變化與區(qū)域平均狀況的差異，數(shù)值高表示土壤水分空間分布差異大，反之說明對應(yīng)柵格土壤水分變化與平均狀況一致性較強.土壤水分隨季節(jié)的變化則通過時間均方根誤差來表現(xiàn)，RT高的柵格表示土壤水分與該時段的柵格平均值差異大，季節(jié)變化明顯，反之說明土壤水分值接近于該位置的時間平均值，隨季節(jié)變化小.

2.3 趨勢分析

通過對隨時間變化的變量與時間進行一元回歸分析，得到變化斜率，進而模擬該變量在研究時段內(nèi)的變化趨勢.[16]土壤水分的變化斜率計算如下：

(9)

式中：n為年數(shù)，i為年份序列，以2010年為1，依次類推至2014年；Mi表示第i年SMOS影像各柵格的地表土壤水分值；SM為各柵格土壤水分趨勢線的斜率，SM為正值，說明研究期間土壤水分含量總體趨勢增加，反之則趨于減少.

2.4 重心遷移模型

以2010—2014年研究區(qū)地表土壤水分平均值作為重心的加權(quán)系數(shù)，計算各年地表土壤水分的分布重心，得到土壤水分的空間變化軌跡.土壤水分分布重心表示為

(10)

式中：(XM，YM)為某年土壤水分分布重心坐標；Xi，Yi為該期SMOS影像中第i個土壤水分柵格中心的經(jīng)度和緯度；Mi為該柵格土壤水分平均值；n為柵格數(shù).重心遷移距離和角度求算公式為：

(11)

(12)

其中：Dt+1，t和θt+1，t為相鄰年份土壤水分重心的遷移距離和角度；(XMt，YMt)和(XMt+1，YMt+1)分別表示為t年和ti+1年區(qū)域平均地表土壤水分重心坐標.

2.5 相關(guān)分析

利用Pearson相關(guān)分析方法分析地表土壤水分變化對降水、植被覆蓋的響應(yīng)關(guān)系，逐柵格分別提取地表土壤水分、NDVI值和TRMM降水值，利用SPSS統(tǒng)計軟件，進行雙變量相關(guān)分析，顯著性檢驗采用t檢驗法.

3 地表土壤水分的時空變化特征

3.1 空間分布格局

2010—2014年生長季期間，松遼平原西部地表土壤水分平均值在0.059～0.205 m3/m3之間變化，空間分布差異較大，表現(xiàn)為東北部高、中西部低.近5年，地表土壤水分含量呈增長態(tài)勢.2010年區(qū)域地表土壤水分含量平均值為0.110 m3/m3，2011年土壤水分下降，僅0.095 m3/m3，是研究時段內(nèi)的最低值.此后表層水分持續(xù)上升，到2013年達到最大值0.130 m3/m3.2014年土壤水分含量又下降，平均值為0.120 m3/m3.從各月變化情況看，5—7月區(qū)域平均地表土壤水分逐漸增加，7月達最大值(0.130 m3/m3).9月地表土壤水分僅為0.100 m3/m3，降至最小值，10月平均地表土壤水分略有增加(0.110 m3/m3).

3.2 空間變化

2010年松遼平原西部地表土壤水分空間均方根誤差RS在0.056～0.673之間變化，2011—2013年RS的最大值均在0.9以上，土壤水分變化與區(qū)域平均狀況的差異更明顯，2014年空間均方根誤差RS在0.047～0.703之間(見圖1).各年中扶余、大安、鎮(zhèn)賚、奈曼旗等地的空間均方根誤差值均較高，說明在這些地區(qū)土壤水分含量的變化與全區(qū)平均狀況存在較大差異.在林西縣、翁牛特旗、巴林右旗、科爾沁右翼中旗、赤峰和巴林左旗，各年份RS較小，說明上述地區(qū)在同一時期土壤水分與研究區(qū)平均表層土壤水分狀況一致性較強.

圖1 松遼平原西部地表土壤水分含量的空間均方根誤差(左)和時間均方根誤差(右)分布(2014年)

3.3 季節(jié)變化

松遼平原西部各年土壤水分的時間均方根誤差值均低于空間均方根誤差值(見圖1)，說明區(qū)域土壤水分的季節(jié)波動弱于空間變化.2011年各地土壤水分時間均方根誤差RT值差別最大，變化范圍在0.090～0.632之間；2000年RT值次之，在0.051～0.510變化；2012年各地RT差異最小.松原、扶余等地RT相對較小，表明地表土壤水分隨季節(jié)變化不明顯.若RT較大，說明在時間序列上波動明顯.各年中，地表土壤水分顯著季節(jié)性變化分別出現(xiàn)在不同地點，如巴林左旗和霍林郭勒市(2010年)、扎魯特旗和庫倫旗(2011年)、霍林郭勒市和敖漢旗等(2012年)、通遼市和庫倫旗(2013年)、奈曼旗和庫倫旗(2014年).

3.4 空間變化趨勢和重心遷移

地表土壤水分變化斜率SM在0.021～0.117之間變化，說明研究區(qū)土壤水分含量呈上升趨勢，并在空間上自南向北逐漸加快.土壤水分含量分布重心遷移方向是東北—東北—東北—西南，總體向東北移動，遷移距離達30.809 km(見表1).2012—2013年，土壤水分含量分布重心雖然曾移到科爾沁左翼中旗境內(nèi)，但主要分布于扎魯特旗.

表1 地表土壤水分分布重心的變化

4 地表土壤水分變化的影響因素

4.1 降水

2010—2014年生長季，研究區(qū)的平均降水量呈上升趨勢，與地表土壤水分含量增加態(tài)勢基本一致.其中：2011年僅為19 mm，同年的地表土壤水分均值也最低；2012年區(qū)域降水量最高(26 mm)，但之后兩年降水持續(xù)下降.由表2可見，生長季降水量與地表土壤水分呈顯著正相關(guān).2012年，土壤水分對降水的響應(yīng)明顯，相關(guān)系數(shù)達到0.513.月尺度上，7月份的相關(guān)系數(shù)更高，說明土壤水分含量對當(dāng)月降水的響應(yīng)最為明顯，由于雨季降水豐沛，對植被生長所消耗的土壤水分有所補充.

表2 生長季降水與地表土壤水分的相關(guān)系數(shù)

注：**在0.01水平顯著相關(guān)，*在0.05水平顯著相關(guān)，下同.

4.2 植被覆蓋

2010—2013年，生長季平均NDVI值呈增加趨勢，植被覆蓋狀況有所改善.2010年NDVI值最低，僅為0.45，隨后持續(xù)上升，到2012年達到最大值0.53；2013年NDVI值略下降，減至0.51.由表3可見，生長季地表土壤水分與NDVI值呈顯著正相關(guān)，6月和7月相關(guān)性最強.除2012年，其余年份在8月份與植被覆蓋相關(guān)性均顯著.夏季區(qū)域植被覆蓋狀況最好，保水能力強.隨著植被長勢減弱，需水量開始減少，對土壤水分的影響降低，9—10月NDVI與地表土壤水分則呈負相關(guān)關(guān)系.

表3 NDVI與地表土壤水分的相關(guān)系數(shù)

4.3 地形

海拔低于200 m的地區(qū)土壤水分含量平均值為0.140 m3/m3，而200～500 m的區(qū)域平均地表土壤水分值最低(0.100 m3/m3)，在海拔500～1 000 m和大于1 000 m的區(qū)域，土壤水分含量平均為0.110 m3/m3.坡度10°～20°的地區(qū)平均地表土壤水分含量最高(0.116 m3/m3)，小于10°區(qū)域為0.113 m3/m3，大于20°的地區(qū)為0.111 m3/m3.從地形坡向看，南坡地表土壤水分值平均為0.121 m3/m3，向北逐漸降低，東/東南坡、西/西南坡的平均土壤水分含量分別為0.113和0.115 m3/m3，北坡最低(0.108 m3/m3)，這與南坡植被生長茂盛，保水能力強有一定關(guān)聯(lián).

4.4 土壤類型

不同土壤因質(zhì)地不同對水分的涵養(yǎng)能力存在差別.將土壤類型圖分別與地表土壤水分平均值及變化趨勢圖進行空間疊加，提取各土壤類型區(qū)的土壤水分含量值.結(jié)果表明，黑土表層平均土壤水分含量最高，為0.150 m3/m3；水稻土次之，平均土壤水分為0.137 m3/m3；栗鈣土土壤水分含量最低(0.096 m3/m3).近5年，黑土和水稻土表層土壤水分的變化斜率分別為0.073和為0.072，增長趨勢明顯.褐土的表層水分變化趨勢最小，平均SM值僅為0.035.

5 結(jié)論

(1) 2010—2014年生長季，松遼平原西部表層土壤水分空間分布上呈現(xiàn)東北高、西南低的特征.年際尺度上，區(qū)域平均地表土壤水分含量值略有增加.

(2) 近5年，松遼平原西部地區(qū)地表土壤水分的季節(jié)波動弱于空間變化.空間變化顯著的地區(qū)主要包括扶余、大安、通遼、奈曼旗等縣市.松原、扶余等地時間均方根誤差相對較小，隨季節(jié)變化不顯著.在不同年份，土壤水分隨季節(jié)變化強烈的地區(qū)不盡相同.研究區(qū)地表土壤水分含量分布重心總體上向東北方向移動.

(3) 松遼平原西部地區(qū)降水、植被覆蓋與地表土壤水分之間存在顯著的正相關(guān)關(guān)系，各年中降水量與地表土壤水分含量的相關(guān)系數(shù)相對于植被指數(shù)要更高，說明在半濕潤-半干旱地區(qū)降水對地表土壤水分的影響更大.隨著海拔的變化，土壤水分含量波動變化.地表土壤水分自南坡向北坡逐漸降低.黑土區(qū)表層平均土壤水分含量最高，且呈更明顯的增長趨勢.

[1] 楊濤，宮輝力，李小娟，等.土壤水分遙感監(jiān)測研究進展[J].生態(tài)學(xué)報，2010，30(22)：6264-6277.

[2] 陳亮.SMOS土壤水分反演算法研究[D].北京：中國科學(xué)院遙感應(yīng)用研究所，2009.

[3] 王樹果.微波遙感反演地表土壤水分研究——以黑河試驗數(shù)據(jù)為例[D].北京：中國科學(xué)院研究生院，2010.

[4] 李小英，段爭虎.基于SMOS的黃土高原區(qū)域尺度表層土壤水分時空變化[J].中國沙漠，2014，34(1):133-139.

[5] 蘭鑫宇，郭子祺，田野，等.土壤濕度遙感估算同化研究綜述[J].地球科學(xué)進展，2015，30(6):668-679.

[6] FONT J，CAMPS A，BORGES A，et al.SMOS：the challenging sea surface salinity measurement from space[J].Proceedings of the IEEE：Satellite Remote Sensing Missions for Monitoring Water，Carbon and Global Climate Change，2010，98(5):649-665.

[7] SILVESTRIN P，BERGER M，KERR Y H，et al.ESA’s second earth explorer opportunity mission：the soil moisture and ocean salinity mission-SMOS[J].IEEE Transactions on Geoscience and Remote Sensing Newsletter，2001，118:11-14.

[8] CAMPS A，F(xiàn)ONT J，VALL-LLOSSERA M，et al.The WISE 2000 and 2001 field experiments in support of the SMOS mission：sea surface L-band brightness temperature observations and their application to sea surface salinity retrieval[J].IEEE Transactions on Geoscience and Remote Sensing，2004，42(4):804-823.

[9] 李一楠，李浩，呂容川，等.SMOS在軌定標概述[J].空間電子技術(shù)，2012，47(2):20-25，36.

[10] 唐治華.國外海洋鹽度與土壤濕度探測衛(wèi)星的發(fā)展[J].航天器工程，2013，22(3):83-89.

[11] 陳建，張韌，王輝贊，等.Matlab對基于二進制-XML混合格式的SMOS鹽度數(shù)據(jù)的提取方法與實現(xiàn)[J].海洋通報，2011，30(6):692-696.

[12] DENTE L，SU Z B，WEN J.Validation of SMOS soil moisture products over the Maqu and Twente regions[J].Sensors，2012，12(8):9965-9986.

[13] DALL’AMICO J T，SCHLENZ F，LOEW A，et al.The SMOS validation campaign 2010 in the upper Danube catchment：a data set for studies of soil moisture，brightness temperature，and their spatial variability over a heterogeneous land surface[J].IEEE Transactions on Geoscience and Remote Sensing，2013，51(1)：364-377.

[14] 楊玲，楊艷昭.基于TVDI 的西遼河流域土壤濕度時空格局及其影響因素[J].干旱區(qū)資源與環(huán)境，2016，30(2)：76-81.

[15] 魏寶成，銀山，賈旭，等.蒙古高原植物生長期土壤水分時空變化特征[J].干旱區(qū)研究，2016，33(3)：467-475.

[16] HOPE A，BOYNTON W，STOW D et al.Inter-annual growth dynamics of vegetation in the Kuparuk River watershed based on the normalized difference vegetation index[J].International Journal of Remote Sensing，2003，24(17)：3413-3425.

Spatio-temporalchangesofsurfacesoilmoistureandimpactfactorsintheWesternSongliaoPlain

YAN Li-shuang，HUANG Fang，CHANG Shuai，LI Bo

(School of Geographical Sciences，Northeast Normal University，Changchun 130024，China)

Integrating soil moisture data from soil moisture and ocean salinity satellite (SMOS)，TRMM precipitation data，SPOT-VGT NDVI data，DEM and soil map，changes of surface soil moisture and the impact factors in the Western Songliao Plain during 2010—2014 were analyzed.The spatial and temporal root mean square error (RMSE)，trend analysis and distribution center migration model were used.The results indicated that surface soil moisture decreased from the northeast to the southwest spatially.The regional average surface soil moisture increased slightly by 0.01 m3/m3.The increasing trend accelerated from the south to the north.The distribution center moved towards the northeast with 30.809 km.The greater spatial RMSE of soil moisture were found in Fuyu County，Tongliao City，Daan County and Naiman Banner etc.In different years，according to the values of temporal RMSE，the significant seasonal changes of soil moisture were found in different places.The positive correlation coefficients of surface soil moisture and precipitation were greater than those of NDVI.In the regions with the elevation lower than 200 m or 10°～20° slope，the average soil moisture was 0.140 m3/m3and 0.116 m3/m3，respectively.Averaging surface soil moisture of black soil was highest with a significantly increasing trend.

soil moisture；SMOS；TRMM；NDVI；the Western Songliao Plain

1000-1832(2017)04-0128-06

10.16163/j.cnki.22-1123/n.2017.04.024

2016-09-18

國家自然科學(xué)基金資助項目(41571405；41671379).

閆利爽(1989—)，女，碩士研究生；通訊作者：黃方(1971—)，女，博士，副教授，主要從事遙感信息分析與地表參數(shù)反演研究.

X 87學(xué)科代碼420·20

A

(責(zé)任編輯：方林)