半干旱地區(qū)不同森林類型土壤水分動態(tài)模擬

王曉學(xué), 沈會濤, 周 玥, 景 峰, 李敘勇, 陳國鵬

1 中國科學(xué)院生態(tài)環(huán)境研究中心城市與區(qū)域國家重點實驗室, 北京 100085 2 中國科學(xué)院大學(xué)研究生院, 北京 100049 3 中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心, 石家莊 050021 4 北京林業(yè)大學(xué)水土保持學(xué)院, 北京 100083 5 中國國際工程咨詢公司, 北京 100048 6 甘肅省白龍江林業(yè)管理局林業(yè)科學(xué)研究所, 武都 746010

半干旱地區(qū)不同森林類型土壤水分動態(tài)模擬

王曉學(xué)1,2, 沈會濤3, 周 玥4, 景 峰5, 李敘勇1,*, 陳國鵬6

1 中國科學(xué)院生態(tài)環(huán)境研究中心城市與區(qū)域國家重點實驗室, 北京 100085 2 中國科學(xué)院大學(xué)研究生院, 北京 100049 3 中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心, 石家莊 050021 4 北京林業(yè)大學(xué)水土保持學(xué)院, 北京 100083 5 中國國際工程咨詢公司, 北京 100048 6 甘肅省白龍江林業(yè)管理局林業(yè)科學(xué)研究所, 武都 746010

采用暖溫帶落葉闊葉次生林、油松人工林和華北落葉松人工林樣地土壤水分的生長季內(nèi)觀測數(shù)據(jù)和其他輔助觀測數(shù)據(jù)，檢驗了Georgakakos等提出的土壤水分模型在半干旱林地的適用性。結(jié)果表明，該模型用于模擬半干旱林地日尺度土壤水分動態(tài)具有一定的可信度，且能夠較好的反映不同森林類型的水文效應(yīng)。模型參數(shù)的敏感性分析表明，不同目標(biāo)函數(shù)的參數(shù)敏感度信息反映了該模型“異參同效”現(xiàn)象不顯著，模型結(jié)構(gòu)不確定性也較小。各參數(shù)的敏感度結(jié)果揭示了各參數(shù)在降雨入滲、深層滲漏和蒸散部分中的控制作用。從模型模擬的土壤水分變化通量來看，油松人工林地實際年蒸散發(fā)量大于其他林地，落葉闊葉林地年入滲量大于其他林地，而3種森林類型林地深層滲漏所占生長季降雨量的比例都較小。研究半干旱地區(qū)多年生人工林土壤水分的情況，不僅有助于從根本上認清半干旱地區(qū)土壤-大氣-植被連續(xù)體的復(fù)雜作用關(guān)系，也為半干旱地區(qū)樹種選擇及造林后的生態(tài)水文效應(yīng)研究提供理論依據(jù)。

土壤水分模型; 蒸散發(fā); 水量平衡; 林下土壤含水量; 半干旱

土壤水分是研究環(huán)境、氣象、水文、農(nóng)業(yè)和氣候變化科學(xué)的關(guān)鍵要素。就森林生態(tài)系統(tǒng)而言，土壤水分動態(tài)影響林地徑流產(chǎn)生、蒸散過程等水分循環(huán)過程[1]，同時土壤水也是森林生態(tài)系統(tǒng)物質(zhì)循環(huán)的載體，對土壤中養(yǎng)分和能量的分配格局起著重要的調(diào)節(jié)作用[2]。近年來，關(guān)于土壤水分影響生態(tài)水文過程的研究已有大量報道，但土壤水分仍然是其中最難估計的變量之一，主要是因為其與植被、土壤和地形的復(fù)雜作用關(guān)系[3]。準(zhǔn)確估算土壤水分狀況對于再現(xiàn)水文過程，提高水文模型的預(yù)報精度具有重要意義。獲取土壤水分長期變化的實測數(shù)據(jù)要投入的大量人力物力，且土壤水分時空演變的復(fù)雜性加大了監(jiān)測難度，而模型模擬是獲取長時間序列土壤水分動態(tài)的重要手段。

目前，國內(nèi)外學(xué)者根據(jù)不同假設(shè)提出的有關(guān)土壤水分動態(tài)模型，包括指數(shù)消退模型[4]、人工神經(jīng)網(wǎng)絡(luò)模型[5]、水量平衡模型[3,6-7]、水熱耦合傳輸模型等[8]。但是，這類研究大多集中在農(nóng)田方面[1]，有關(guān)林地土壤水分運動的研究相對較少。趙玉娟等利用EPIC(Erosion-productivity Impact Calculator)模型定量模擬研究了延安油松人工林45a來逐日的10 m土層土壤有效含水量的動態(tài)變化，發(fā)現(xiàn)隨著油松人工林生長年限的延長和根系扎深，林下土壤干層逐年加深，并認為延安油松人工林地水分持續(xù)利用的最大年限為15a左右[9]。張巖等采用SWUF(Soil Water Under Forest)模型模擬3種林地(刺槐人工林、油松人工林、天然次生林)土壤水分動態(tài)發(fā)現(xiàn)，該模型適合模擬油松人工林和天然次生林的不同深度土壤水分的日變化趨勢，但模擬耗水量較大的刺槐林還需做改進[10]。上述研究中所采用的模型結(jié)構(gòu)都較為復(fù)雜，輸入變量和需要率定參數(shù)較多，在觀測數(shù)據(jù)相對有限時較難獲得推廣和應(yīng)用。因此，有學(xué)者嘗試通過建立簡化的物理過程模型來模擬土壤水分動態(tài)[7,11]，如SWAT(Soil and Water Assessment Tool)、HSPF(Hydrological Simulation Program-FORTRAN)、GWLF (Generalized Watershed Loading Function)等都是基于水量平衡法模擬土壤水分動態(tài)變化，但上述模型都將土壤水分變化視為中間過程變量，獨立輸出土壤水分動態(tài)變化較為困難，另外也未對土壤水分變量做校正。Georgakakos等通過多年實地觀測數(shù)據(jù)提出了濕潤地區(qū)月尺度的土壤水分概念模型，并用40a的月觀測數(shù)據(jù)模擬自然流域土壤水分動態(tài)，結(jié)果表明其模擬精度明顯優(yōu)于利用遙感手段反演的土壤含水量[7]。Brocca等進一步發(fā)展該模型，建立了適合濕潤地區(qū)林地占主導(dǎo)類型的流域土壤水分動態(tài)模型[6]。Venkatesh等采用該模型研究半濕潤地區(qū)天然林和退化林150 cm深度土壤水分每周的變化情況，發(fā)現(xiàn)其具有較高的可信度[3]。然而，針對干旱半干旱地區(qū)多年造林區(qū)林內(nèi)土壤水分的模擬研究相對較少，這些地區(qū)大規(guī)模的植樹造林可能會引起土壤干層[12]、下游生態(tài)環(huán)境以及區(qū)域水文循環(huán)的變化[13]，因此這些地區(qū)林下土壤水分變化一直是研究熱點[14-15]。

本研究采用Georgakakos等的土壤水分模型思想[7]，基于樣地觀測數(shù)據(jù)率定不同林源下(人工林和次生林)森林類型的土壤水分模型參數(shù)，模擬半干旱山區(qū)的典型森林類型(暖溫帶次生闊葉混交林、油松人工林和華北落葉松人工林)土壤水分的日尺度變化特征。研究半干旱地區(qū)多年生人工林土壤水分的情況，不僅有助于從根本上認清半干旱地區(qū)土壤-大氣-植被連續(xù)體的復(fù)雜作用關(guān)系，也為半干旱地區(qū)樹種選擇及造林后的生態(tài)水文效應(yīng)研究提供理論依據(jù)。

1 研究區(qū)概況和數(shù)據(jù)收集

1.1 研究區(qū)概況

研究區(qū)位于北京東靈山地區(qū)的中國科學(xué)院北京森林生態(tài)系統(tǒng)定位站(40°00′—40°03′N，115°26′—115°30′E)(圖1)。該區(qū)地處暖溫帶大陸性季風(fēng)氣候區(qū)，1993—2010年平均降水量為554 mm，其中6—8月降雨量占全年降雨量的74%；多年平均氣溫5 ℃，最熱的7月平均氣溫為18—25 ℃，最冷的1月平均氣溫為-4—10 ℃。該地區(qū)的主要土壤類型有褐土、棕壤、亞高山草甸土等。該區(qū)森林類型主要由人工林(落葉松林和油松林)和次生林(落葉闊葉混交林)組成。暖溫帶落葉闊葉混交林為該區(qū)地帶性植被，在歷經(jīng)砍伐和人工造林后，現(xiàn)有植被群落主要為典型的暖溫帶落葉闊葉次生林(主要森林類型有遼東櫟(Quercusliaotungensis)、大葉白蠟(Fraxinusrhynchophylla)、五角楓(Acerelegantulum)、糠椴(Tiliamandschurica)、黑樺(Betuladahurica)等)、人工針葉林(主要是油松(Pinustabulaeformis)純林和華北落葉松(Larixprincipis-rupprechtii)純林，種植于20世紀(jì)60年代初期)、針闊混交林和退化灌叢等[16]。落葉闊葉林和華北落葉松林兩種落葉森林群落的葉面積指數(shù)均隨生長季的到來而呈現(xiàn)增長的趨勢，到11月達到最小值。油松是常綠樹種，其群落葉面積指數(shù)變化程度不很明顯[17]。這樣不同森林起源(人工林和次生林)、不同冠層結(jié)構(gòu)(針葉林和闊葉林、常綠林和落葉林)為研究半干旱地區(qū)森林生態(tài)系統(tǒng)生態(tài)水文功能的提供理想樣地。

圖1 研究區(qū)概況: 研究區(qū)所在位置 (a)；研究區(qū)的地形特征及森林觀測樣地所在位置 (b)；油松人工林觀測樣地及土壤水分中子管位置，其他樣地中子管位置類似 (c)Fig.1 Location of study area (a), topography of study site (b), and Pinus plantation observation field showing locations of surface runoff monitoring plots and soil moisture probe, and the layout of monitoring devices in other forest types was simailar to this field (c)

1.2 觀測樣地

在3種主要森林類型林地上選擇具有相同擾動歷史和樹種群落結(jié)構(gòu)的坡面建立永久觀測樣地，同時開展其生態(tài)水文過程的長期監(jiān)測。自動氣象站位于華北松人工林樣地旁的開闊地帶(圖1b)。樣地特征見表1。

1.3 土壤水分采樣及其他輔助數(shù)據(jù)

在每個樣地內(nèi)在坡上位、中位、下位分別安裝3個中子管，共9根(位置示意見圖1c)。從每年4月底開始至10月底結(jié)束，每隔5—20 d用中子儀監(jiān)測一次土壤水分，在主要雨季加密監(jiān)測次數(shù)，觀測土壤水分的剖面深度為75 cm。此外，采用烘干法測定與中子管對應(yīng)位置的土壤含水量。土壤水分觀測以及氣象觀測從2003年生長季開始，由于觀測儀器故障等問題，造成部分數(shù)據(jù)缺失。為保證年度土壤水分監(jiān)測數(shù)據(jù)典型性及便于模型模擬，本研究主要采用2006、2007和2010年生長季土壤含水量實測數(shù)據(jù)。主要用到氣象數(shù)據(jù)包括日降水量、溫度、濕度、風(fēng)速和太陽輻射等氣象因子。本研究采用的其他數(shù)據(jù)，如日蒸散發(fā)、土壤有機質(zhì)等數(shù)據(jù)都來源于《中國生態(tài)系統(tǒng)定位觀測與研究數(shù)據(jù)集-森林生態(tài)系統(tǒng)卷-北京站(2000—2006)》[17]。

表1 各森林樣地特征

2 模型結(jié)構(gòu)和參數(shù)率定

2.1 模型理論

圖2 根系層土壤水分動態(tài)概化圖[17]Fig.2 The root zone as a lumped hydrological system[17]

本研究采用Georgakakos等提出的基于水量平衡的土壤水分動態(tài)計算模型。其基本假設(shè)為：以地表層至深度L處的土壤剖面為研究對象，其水分收支狀態(tài)受降雨入滲、深層滲漏和蒸散發(fā)控制(圖2)[7]。不考慮土壤屬性的空間異質(zhì)性。本研究的土壤水分模擬深度定為75 cm。

W(t)=W(t-1)+INF(t)-EVP(t)-PER(t)×W(t),

且W(t)

(1)

式中,W(t)是t時刻土壤含水量(mm)；W(t-1)是上一時刻的土壤含水量(mm)；INF(t)是降雨入滲量(mm)；EVP(t)是實際蒸發(fā)量(mm)；PER(t)是土壤深層滲漏率(mm)；Wmax是L深度土壤的最大含水量(mm)。

入滲過程用下面的公式估算[3]:

(2)

式中，P(t)是t時刻的降雨量(mm)；m是關(guān)于水分入滲非線性過程的參數(shù)，m值越大，表明入滲過程的非線性特征越明顯。

(3)

式中，λ是與土壤層結(jié)構(gòu)相關(guān)的孔隙度大小分布指數(shù)[18]；Ks是田間飽和導(dǎo)水率。

(4)

式中，EP(t)是潛在蒸散發(fā)(mm/d)，其計算公式采用李艷等修正的Penman-Monteith公式[19]：

(5)

式中,Rn是凈輻射(MJ m-2d-1)；G土壤熱通量(MJ m-2d-1)，在日時間步長上可以忽略；u2為2 m高處風(fēng)速(m/s)；es是飽和水汽壓(kPa)，ea是實際水汽壓(kPa)，es-ea是飽和水汽壓差(kPa)；Δ是水汽壓曲線斜率(kPa/℃)；γ是干濕表常數(shù)(kPa/℃)。

2.2 模型參數(shù)率定及驗證

模型待估參數(shù)包括Wmax、Ks、λ和m。其中，Wmax取值范圍分別為370—450 mm；Ks取值范圍參考了桑衛(wèi)國等關(guān)于相同研究樣地上0—60 cm土壤飽和含水量值，取值范圍為3—16[17]；λ的取值范圍為0.3—20；m的取值范圍為0—1。初始土壤含水量在很大程度上影響模型結(jié)果，而不同年份生長季土壤初始含水量差異顯著，本研究將年度第一次土壤水分觀測數(shù)據(jù)作為模擬的初始含水量。以2006、2007 年生長季土壤含水量的觀測值進行參數(shù)率定，并用2010 年生長季土壤含水量的觀測值來進行模型驗證。采用粒子群算法優(yōu)化各模型參數(shù)，采用多目標(biāo)函數(shù)優(yōu)化算法[20]。目標(biāo)函數(shù)為1-R2、RMSE和1-d，見公式6—8。其中RMSE根據(jù)3種森林類型模擬的RMSE的最大值分別做歸一化處理[20]，保證每個目標(biāo)函數(shù)的取值范圍都介于0—1之間，每個目標(biāo)函數(shù)的權(quán)重為0.33。程序共運行10000次。主要用到的R語言包有hydroGOF包[21](用于評估觀測變量和模擬變量的各種水文擬合優(yōu)度指數(shù))，pso包[22](用于模型參數(shù)率定的粒子群算法實現(xiàn))。

(6)

(7)

(8)

式中，O和P分別是時間步長上的觀測值和模擬值，N是模擬次數(shù)。

2.3 模型參數(shù)敏感性分析

利用Sobol法對模型參數(shù)進行全局敏感性分析。Sobol法的核心是把模型分解為單個參數(shù)和參數(shù)之間相互組合的函數(shù)，關(guān)于該方法的理論介紹見[23-25]。以確定性系數(shù)(EC) 和一致性系數(shù)(d)為目標(biāo)函數(shù)，計算模型參數(shù)的一階敏感度和總敏感度。首先應(yīng)用Montecarlo抽樣法對參數(shù)空間采樣，然后評價模型參數(shù)對輸出結(jié)果的影響。主要使用R語言的sensitivity包完成[26]，其基于Jansen[27]和Saltelli等[28]對空間采樣公式的改進，運行模型n(p+2)次，其中n是Montecarlo樣本數(shù)，p是模型參數(shù)個數(shù)。本文中n=10000，p=4。對于Sobol指數(shù)大于0.1為高敏感；小于0.01為不敏感；在0.01和0.1之間為敏感。

3 結(jié)果與討論

3.1 模擬結(jié)果及參數(shù)率定

3種森林類型的土壤含水量模擬效果總體都是R2> 0.7，RMSE < 29.57且d> 0.6，表明該模型能夠較好的模擬日尺度的土壤水分收支過程(表2)。Henninger等研究發(fā)現(xiàn)，表層土壤水分與降雨息息相關(guān)，二者表現(xiàn)出相似的季節(jié)動態(tài)趨勢[29]。降水作為干旱半干旱地區(qū)土壤水分的唯一來源，必然對土壤含水量變化起著重要作用。在我國西北地區(qū)祁連山林地[18]、黃土高原[30]等半干旱區(qū)林地也都發(fā)現(xiàn)林下土壤含水量較多的受到降雨脈沖事件的影響，這與本研究結(jié)果一致(圖3)。

表2 不同森林類型林下土壤含水量的擬合優(yōu)度對比

圖3 2006、2007和2010年生長季不同森林類型土壤水分觀測值與模型模擬值對比情況Fig.3 Observed and simulated soil moisture under different forest type

相同模型結(jié)構(gòu)的不同參數(shù)組效果表明，該模型能夠反應(yīng)不同森林類型的水文效應(yīng)(表3)，而且這些參數(shù)值具有明確的物理意義[3]。對不同森林類型土壤水分入滲過程的研究發(fā)現(xiàn)，一般初滲速率和穩(wěn)滲速率均表現(xiàn)為闊葉林> 針葉林[31-32]。不同森林植被群落土壤水分入滲速率隨時間的增加而遞減，但這種入滲速率的遞減差異不盡相同，這與土壤中有機碳含量有密切關(guān)系[30]。3個樣地的0—20 cm土壤有機質(zhì)的測定發(fā)現(xiàn)[17]：落葉闊葉混交林(37.2 g/kg) > 華北松(28.96 g/kg)> 油松林(18.91 g/kg)。同樣，λ取值是次生林大于人工林(表3)?？刂葡聺B的參數(shù)Ks在次生落葉闊葉林、華北落葉松人工林中和油松人工林下取值分別為14.66、11.63、9.92 mm/h。不同林地入滲差異的主要原因是造林后，林下堆積一定厚度的枯落物，給表層土壤提供了大量的有機質(zhì)來源，而有機質(zhì)在一定的土壤環(huán)境中通過理化作用分解轉(zhuǎn)化進而改善土壤結(jié)構(gòu)[31,33]。本研究Ks值范圍在9.92—14.66 mm/h，這與馬履一等[34]在京西山地的棕壤和淋溶褐土研究結(jié)果相一致。魏玲娜等對40多年的油茶林和馬尾松林下飽和土壤導(dǎo)水率的測定發(fā)現(xiàn)該值分別為15.12、9.96 mm/h[35]，與本研究中人工林下模擬的土壤導(dǎo)水率值相當(dāng)。這些都表明該模型參數(shù)具有一定的物理意義，能夠捕捉不同森林類型的生態(tài)水文效應(yīng)。

3.2 參數(shù)敏感性分析

模型參數(shù)的全局敏感性分析見圖4。可以看出，不管選擇哪種目標(biāo)函數(shù)進行分析，m和λ總為高敏感度參數(shù)，而m的敏感度較高，兩個目標(biāo)函數(shù)得到的敏感度結(jié)果都超過0.5以上；Ks和Wmax為敏感參數(shù)，其總敏感度值均稍大于臨界值0. 01。從總敏感度、一階敏感度及其誤差棒反映出m和Wmax存在交互敏感度，表明這兩個參數(shù)間有一定關(guān)聯(lián)性；Wmax的交互敏感度較小，與其他3個參數(shù)的關(guān)聯(lián)性弱，表明該模型的“異參同效”、模型結(jié)構(gòu)不確定性也較小。各參數(shù)的敏感度結(jié)果揭示了參數(shù)在降雨入滲、深層滲漏和蒸散部分中的控制作用。

表3 不同森林類型的最優(yōu)參數(shù)

圖4 模型參數(shù)的敏感性分析Fig.4 Sensitivity analysis of the model parameters (the objective function d, and the objective function R2)圓圈表示參數(shù)的一階敏感度，三角形表示參數(shù)的總敏感度

不同目標(biāo)函數(shù)進行參數(shù)敏感度的分析結(jié)果表明，兩個目標(biāo)函數(shù)對m、Ks和Wmax的分析結(jié)果基本一致，而對λ的敏感度結(jié)論有差異。其原因主要是由于：就目標(biāo)函數(shù)R2來講，只考慮了日土壤含水量為控制條件，而目標(biāo)函數(shù)d既考慮了日土壤含水量的誤差，也考慮了對日含水量變化過程的擬合，這與孟碟等[25]選擇多個目標(biāo)函數(shù)做水文模型敏感性分析比較的結(jié)論類似。

3.3 3種森林類型林下土壤水分通量估算

在3種森林植被中，蒸散發(fā)是土壤水分支出的最主要形式，而入滲是土壤水分收入的主要形式，深層滲漏量占到降雨量的比例較少，詳見表4。

入滲是土壤水分收入的一個重要方面。暖溫帶落葉闊葉混交次生林的土壤水分收入大于針葉林地，可能原因是：1)森林起源差異造就的林下土壤吸持水特征的差異。就土壤孔隙度而言(表1)，暖溫帶落葉林(次生林)明顯優(yōu)于從人工林；2)森林類型差異導(dǎo)致的土壤結(jié)構(gòu)差異。就枯落物的分解速率而言，研究地落葉闊葉樹種多樣，枯落物的混合分解能加快分解速率，而華北松林和油松林都是人工純林，且針葉林下枯落物本身分解較為遲緩。因此對土壤結(jié)構(gòu)的改善就較為緩慢[36]；3)地表滯流時間的差異。針葉樹種枯落物形狀大部分為細長針狀或柱狀，而闊葉樹種枯落物則多為大小不等的片狀或由葉片卷曲而成的完全筒狀和不完全筒狀，因此闊葉樹種枯落物比針葉樹種枯落物對地表徑流的摩擦阻力要大[37]，增加降雨在地表的滯留時間，從而延長了水分滲入土壤時間。

在模擬期內(nèi)，油松人工林地實際蒸散發(fā)大于華北落葉松人工林和暖溫帶落葉闊葉混交次生林，約占生長季內(nèi)總降雨量的43%—71%。從表4可以看出，3a生長季的油松林入滲量小而蒸發(fā)量大，其主要可能原因，如前文所述油松林對土壤理化性質(zhì)改善作用有限，加上棕壤本身的導(dǎo)水率相對較低[38]，導(dǎo)致了油松林地入滲量相對較小。在研究區(qū)主要降雨季節(jié)6—8月，林地蒸散作用同樣十分強烈，各樣地平均日蒸散量為油松人工林(1.04—5.55 mm)> 次生闊葉混交林(0.64—5.16 mm)> 華北落葉松人工林(0.75—5.08 mm)[17]，入滲的水分將很快被消耗掉，甚至?xí)霈F(xiàn)“入不敷出”的現(xiàn)象，這與陳洪松等對黃土高原半干旱地區(qū)林地土壤水分循環(huán)特征研究結(jié)論相一致[30]。

蒸發(fā)蒸騰作用層深度是影響土壤水分循環(huán)強度的主要因子，降雨只有超過蒸發(fā)蒸騰作用層深度才能形成深層滲漏，否則降雨轉(zhuǎn)化成土壤水后，不參與地下水循環(huán)，而是直接通過蒸發(fā)蒸騰作用重新返回大氣層中，無法發(fā)揮補充調(diào)節(jié)深層土壤水分[39]。由表4可知，年降雨量多的年份深層滲漏也相對較高些，3種森林類型深層滲漏所占生長季降雨量的比例都較小，僅占到生長季年降雨量的2.7%—5.7%。需要說明的是由于本研究研究的土壤剖面深度為75 cm，其可能遠低于土壤的深層滲漏深度，甚至還沒達到林地蒸發(fā)蒸騰作用層的完整深度，如陳洪松等人的研究發(fā)現(xiàn)，荒草地和裸地蒸發(fā)蒸騰作用層深度分別為200 cm和180 cm[30]，但依然可以從模擬結(jié)果中理解半干旱地區(qū)人工林地和次生林地土壤水分循環(huán)通量情況。

表4 模擬期生長季3種典型森林類型的水分通量

4 結(jié)論

本文提出的模型結(jié)構(gòu)簡單，僅有4個參數(shù)，用于模擬半干旱林地日尺度土壤水分動態(tài)具有一定的可信度，且能夠較好的反映不同森林類型的水文效應(yīng)。不同目標(biāo)函數(shù)給出的敏感度信息反映了模型“異參同效”較小，模型結(jié)構(gòu)不確定性也較小。m和λ總為高敏感度參數(shù)，Ks和Wmax為敏感參數(shù)。各參數(shù)的敏感度結(jié)果揭示了各參數(shù)在降雨入滲、深層滲漏和蒸散部分中的控制作用。從模型模擬的土壤水分變化通量來看，油松人工林地實際年蒸散發(fā)量大于其他林地，落葉闊葉林地年入滲量大于針葉林地，而3種森林類型林地深層滲漏所占生長季降雨量的比例都較少。

[1] 王力, 邵明安, 王全九. 林地土壤水分運動研究述評. 林業(yè)科學(xué), 2005, 41(2): 147-153.

[2] 劉效東, 喬玉娜, 周國逸. 土壤有機質(zhì)對土壤水分保持及其有效性的控制作用. 植物生態(tài)學(xué)報, 2011, 35(12): 1209-1218.

[3] Venkatesh B, Nandagiri L, Purandara B K, Reddy V B. Modelling soil moisture under different land covers in a sub-humid environment of Western Ghats, India. Journal of Earth System Science, 2011, 120(3): 387-398.

[4] 馬孝義, 王君勤, 李志軍. 基于土壤消退指數(shù)的田間土壤水分預(yù)報方法的研究. 水土保持研究, 2002, 9(2): 93-96.

[5] 宰松梅, 郭冬冬, 韓啟彪, 溫季. 基于人工神經(jīng)網(wǎng)絡(luò)理論的土壤水分預(yù)測研究. 中國農(nóng)學(xué)通報, 2011, 27(8): 280-283.

[6] Brocca L, Melone F, Moramarco T. On the estimation of antecedent wetness conditions in rainfall-runoff modelling. Hydrological Processes, 2008, 22(5): 629-642.

[7] Georgakakos K P, Baumer O W. Measurement and utilization of on-site soil moisture data. Journal of Hydrology, 1996, 184(1/2): 131-152.

[8] 胡國杰, 趙林, 李韌, 吳通華, 肖瑤, 焦克勤, 喬永平, 焦永亮. 基于COUPMODEL模型的凍融土壤水熱耦合模擬研究. 地理科學(xué), 2013, 33(3): 356-362.

[9] 趙玉娟, 李軍, 王學(xué)春, 李小芳, 邵明安. 延安油松人工林地水分生產(chǎn)力與土壤干燥化效應(yīng)模擬研究. 西北農(nóng)林科技大學(xué)學(xué)報: 自然科學(xué)版, 2007, 35(7): 61-68.

[10] 張巖, 朱巖, 張建軍, 盧路. 林地土壤水分模型SWUF在晉西黃土高原的適用性. 林業(yè)科學(xué), 2012, 48(5): 8-14.

[11] 林耀明. 黃淮海地區(qū)土壤水分動態(tài)模擬模型. 自然資源學(xué)報, 1997, 12(1): 72-77.

[12] 李軍, 王學(xué)春, 邵明安, 趙玉娟, 李小芳. 黃土高原半干旱和半濕潤地區(qū)刺槐林地生物量與土壤干燥化效應(yīng)的模擬. 植物生態(tài)學(xué)報, 2010, 34(3): 330-339.

[13] 王曉學(xué), 沈會濤, 李敘勇, 景峰. 森林水源涵養(yǎng)功能的多尺度內(nèi)涵、過程及計量方法. 生態(tài)學(xué)報, 2013, 33(4): 1019-1030.

[14] 趙文智, 程國棟. 干旱區(qū)生態(tài)水文過程研究若干問題評述. 科學(xué)通報, 2001, 46(22): 1851-1857.

[15] 何其華, 何永華, 包維楷. 干旱半干旱區(qū)山地土壤水分動態(tài)變化. 山地學(xué)報, 2003, 21(2): 149-156.

[16] 蘇宏新, 白帆, 李廣起. 3類典型溫帶山地森林的葉面積指數(shù)的季節(jié)動態(tài): 多種監(jiān)測方法比較. 植物生態(tài)學(xué)報, 2012, 36(3): 231-242.

[17] 桑衛(wèi)國, 蘇宏新, 白帆. 中國生態(tài)系統(tǒng)定位觀測與研究數(shù)據(jù)集-森林生態(tài)系統(tǒng)卷: 北京森林站(2000-2006). 北京: 中國農(nóng)業(yè)出版社, 2010.

[18] Maidment D R. Handbook of Hydrology. New York: McGraw-Hill Inc., 1992.

[19] 李艷, 劉海軍, 羅雨. 北京地區(qū)潛在蒸散量計算方法的比較研究. 灌溉排水學(xué)報, 2010, 29(5): 27-32.

[20] Li X Y, Weller D E, Jordan T E. Watershed model calibration using multi-objective optimization and multi-site averaging. Journal of Hydrology, 2010, 380(3/4): 277-288.

[21] Mauricio Zambrano-Bigiarini. Goodness-of-fit functions for comparison of simulated and observed hydrological time series. R package version 0.3-5. 2012, http://CRAN.R-project.org/package=hydroGOF.

[22] Bendtsen C, Particle Swarm Optimization. R package version 1.0.3. 2012, http://CRAN.R-project.org/package=pso.

[23] Zhang C, Chu J G, Fu G T. Sobol′s sensitivity analysis for a distributed hydrological model of Yichun River Basin, China. Journal of Hydrology, 2013, 480: 58-68.

[24] Sobol′ I M. Global sensitivity indices for nonlinear mathematical models and their Monte Carlo estimates. Mathematics and computers in simulation, 2001, 55(1/3): 271-280.

[25] 孟碟. 水文模型參數(shù)的靈敏度分析. 水利水電技術(shù), 2012, 43(2): 5-8.

[26] Gilles P, Bertrand I and Alexandre J. Sensitivity Analysis. R package version 1.6-1. 2012, http://CRAN.R-project.org/package=sensitivity.

[27] Jansen M J W. Analysis of variance designs for model output. Computer Physics Communications, 1999, 117(1/2): 35-43.

[28] Saltelli A, Annoni P, Azzini I, Campolongo F, Ratto M, Tarantola S. Variance based sensitivity analysis of model output. Design and estimator for the total sensitivity index. Computer Physics Communications, 2010, 181(2): 259-270.

[29] Henninger D L, Petersen G W, Engman E T. Surface soil moisture within a watershed: variations, factors influencing and relationship to surface runoff. Soil Science Society of America Journal, 1976, 40(5): 773-776.

[30] 陳洪松, 邵明安. 黃土區(qū)坡地土壤水分運動與轉(zhuǎn)化機理研究進展. 水科學(xué)進展, 2003, 14(4): 513-520.

[31] 李婧, 張洪江, 程金花, 常丹東. 有機碳質(zhì)量分數(shù)對森林土壤水分入滲過程的影響及其模擬. 中國水土保持科學(xué), 2012, 10(3): 50-56.

[32] 楊弘, 楊威. 森林土壤水分入滲的影響因素及主要入滲模型. 吉林師范大學(xué)學(xué)報: 自然科學(xué)版, 2013, 34(2): 65-70.

[33] 黃耀, 劉世梁, 沈其榮, 宗良綱. 環(huán)境因子對農(nóng)業(yè)土壤有機碳分解的影響. 應(yīng)用生態(tài)學(xué)報, 2002, 13(6): 709-714.

[34] 馬履一, 翟明普, 王勇. 京西山地棕壤和淋溶褐土飽和導(dǎo)水率的分析. 林業(yè)科學(xué), 1999, 35(3): 109-112.

[35] 魏玲娜, 陳喜, 程勤波, 黃遠洋. 紅壤丘陵區(qū)土壤滲透性及其受植被影響分析. 中國科技論文在線, 2012.

[36] Huang J X, Huang L M, Lin Z C, Chen G S. Controlling factors of litter decomposition rate in China′s forests. Journal of Subtropical Resources and Environment, 2010, 5(3): 56-63.

[37] 郭漢清, 韓有志, 白秀梅. 不同林分枯落物水文效應(yīng)和地表糙率系數(shù)研究. 水土保持學(xué)報, 2010, 24(2): 179-183.

[38] Li S H, Zhou D M, Luan Z Q, Pan Y, Jiao C C. Quantitative simulation on soil moisture contents of two typical vegetation communities in Sanjiang Plain, China. Chinese Geographical Science, 2011, 21(6): 723-733.

[39] 李玉山. 黃土高原森林植被對陸地水循環(huán)影響的研究. 自然資源學(xué)報, 2001, 16(5): 427-432.

Modeling soil moisture dynamics in different forest types in semiarid areas

WANG Xiaoxue1,2, SHEN Huitao3, ZHOU Yue4, JING Feng5, LI Xuyong1,*, CHEN Guopeng6

1StateKeyLaboratoryofUrbanandRegionalEcology,ResearchCenterforEco-EnvironmentalSciences,ChineseAcademyofSciences,Beijing100085,China2GraduateUniversityoftheChineseAcademyofSciences，Beijing100049,China3CenterforAgriculturalResourcesResearch,InstituteofGeneticsandDevelopmentalBiology,ChineseAcademyofScience,Shijiazhuang050021,China4SchoolofSoilandWaterConservation,BeijingForestryUniversity,Beijing100083,China5ChinaInternationalEngineeringConsultingCorporation,Beijing100048,China6InstituteofForestrySciences,BailongjiangForestryManagementBureauofGansuProvince,Wudu746010,China

Soil moisture is widely recognized as an important variable in studies related to ecology, meteorology, hydrology, agriculture and climate change. From a hydrological viewpoint, soil moisture content controls the partitioning of rainfall into runoff and infiltration, thereby affecting the runoff response in catchment areas. In recent decades, the role of soil moisture in a number of hydrological processes has been extensively studied on slope or catchment areas and has received increasing attention from the hydrological community. However, soil moisture is one of the most difficult variables to estimate because of factors such as vegetation, soil and topography. Accurate estimation of spatial and temporal variation in soil moisture is therefore required to improve both the predictive capabilities of runoff models as well as to validate representations of hydrological processes. Datasets of observed in situ moisture measurements are crucial. Unfortunately, measured soil moisture time series are not widely available and therefore simulated soil moisture series are used. We apply and test a simple parametric water balance model to simulating soil moisture conditions in different forest types (natural secondary forest, evergreen needleleaf and deciduous/coniferous plantation forest) in semiarid regions of southwestern Beijing, China. Model calibration and validation were performed using a dataset comprising averaged soil moisture content measured at depths of 0—75 cm in the growing seasons of 2006, 2007, and 2010. The models performed reasonably well in simulating the patterns and magnitudes of daily average soil moisture content in the upper 75 cm soil layer in all three forest types. Using different parameters in the model did not significantly alter the results and the model structure exhibited a relatively small amount of uncertainty. Sensitivity analysis revealed that four parameters (Wmax(the maximum water capacity of the soil layer),m(a parameter linked to the non-linearity of the infiltration process),Ks(the field-saturated hydraulic conductivity),λ(the pore size distribution index linked to the structure of soil layers)) played important roles in rainfall infiltration, deep percolation and evaporative processes. In addition, differences in soil moisture flux among forest types suggested that both annual evapotranspiration in deciduous/coniferous forest plantations and infiltration in deciduous broad-leaved forest were greater than those in other forestlands; in addition, deep percolation in all three forestlands was low. We demonstrate that a simple, robust, parametric model is capable of simulating the temporal dynamics of soil moisture content in different forest types. The study of soil moisture in forest plantations in semiarid regions helps researchers clearly recognize the fundamental role of the soil-atmosphere-vegetation continuum. In addition, it provides a theoretical basis for selecting forest plantation species. It also aids the selection and design of studies that analyze the ecohydrological effects of plantations in semiarid regions. Moreover, due to its simple structure and good performance the proposed model may be incorporated in continuous-time rainfall runoff models. Similar thorough investigations should also be conducted in other basins.

soil moisture model; evapotranspiration; water balance; forest soil moisture; semiarid area

中國科學(xué)院生態(tài)環(huán)境研究中心“一三五”項目(YSW2013B02-4); 中國科學(xué)院生態(tài)環(huán)境研究中心城市與區(qū)域生態(tài)國家重點實驗室自主項目(SKLURE2013-1-05); 海河流域水資源調(diào)蓄區(qū)水質(zhì)保障及生態(tài)修復(fù)關(guān)鍵技術(shù)研究與示范(2014ZX07203010)

2014-03-02; < class="emphasis_bold">網(wǎng)絡(luò)出版日期:

日期:2014-12-04

10.5846/stxb201403020357

*通訊作者Corresponding author.E-mail: xyli@rcees.ac.cn

王曉學(xué), 沈會濤, 周玥, 景峰, 李敘勇, 陳國鵬.半干旱地區(qū)不同森林類型土壤水分動態(tài)模擬.生態(tài)學(xué)報,2015,35(19):6344-6354.

Wang X X, Shen H T, Zhou Y, Jing F, Li X Y, Chen G P.Modeling soil moisture dynamics in different forest types in semiarid areas.Acta Ecologica Sinica,2015,35(19):6344-6354.