An Analysis of Soil Moisture Temporal Stability and its Controlling Factors of Underlying Surface in Babaohe Watershed

Ling-na WEI; Ru-lin OUYANG; Yong-yu XIE; Luo-fu-jie GUO; Jian-zhi DONG

China Rural Water and Hydropower ›› 2022 ›› (1) : 50-58.

Author information +

History +

Abstract

The concept of temporal stability embodies the spatial pattern of soil moisture persist with time. Hence， measurements at the representative points can reflect the mean soil moisture of the watershed. This method facilitates the estimation of soil moisture at watershed scale. This paper analyzes the characteristics of soil moisture temporal stability at different depths in Babaohe Watershed in the upper reaches of Heihe River. The representative points to reflect the mean-watershed soil moisture are located. Then combining the soil， vegetation and topographic conditions of the watershed， the key factors that control the temporal stability of spatial soil moisture distribution are investigated. The results show that most of the representative points are located at the area covered by dominant vegetation and main soil type. The representative points in Babaohe Watershed are No.23 and 13 at the depth of 5 cm， No.47 at the depth of 10 cm， and No.37 at the depth of 20 cm. The temporal stability increase with the depth in the vertical direction. The main controlling factors of the soil moisture temporal stability in this basin are the vegetation and soil type. In the area covered by the alpine grass and carex steppe， and brown and black felt soils， it is easier to obtain the average surface soil moisture above the depths of 10 cm. This study can provide a theoretical reference for the soil water estimation at watershed scale， and a scientific basis for optimizing the design of observation network of watershed soil moisture.

Key words

soil moisture / temporal stability / Babaohe Watershed / underlying surface / representative points

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations

Ling-na WEI , Ru-lin OUYANG , Yong-yu XIE , Luo-fu-jie GUO , Jian-zhi DONG. An Analysis of Soil Moisture Temporal Stability and its Controlling Factors of Underlying Surface in Babaohe Watershed. China Rural Water and Hydropower. 2022, 0(1): 50-58

0 引言

土壤水作为陆地水循环与水量平衡的重要组成部分^［1］，是影响地表和大气间时空相互作用的关键变量^［2，3］。土壤水分对植物生长及生态环境影响巨大，土壤水变化不仅影响土壤本身的热力性质，决定净辐射的感热与潜热能量支出方式，还会影响降水的入渗和径流等水文过程^［3］，与洪水或干旱预报和天气预报密切相关，土壤水的时空变异性是当前的研究热点与难点^［4-6］。因此，探讨土壤水空间分布不均匀性在时间上的持续状态以及主导该特征的相关因素，对高效监测土壤水分动态变化，开展考虑空间变异特点的土壤水分优化布点方法研究有重要的意义。

土壤水的时间稳定性特征源于土壤水分与土壤、植被、地形特征的相关关系在空间上相对稳定，表现为土壤水空间分布模式随着时间推移呈持续性特征^［7］。例如，流域中某点在某一时段内含水量持续高于流域平均值，那么该点就有很大的可能在其他时段内也保持着偏高的含水量，反之亦然。这样，流域或者区域范围的平均土壤水状况即可以其中某一/某些空间点（称之为代表性点）的土壤水变化规律加以反映。因此，只要使用合适的代表性点，即可通过监测代表性点估算整个流域/区域的平均土壤水分状况^［8］。成功捕捉流域土壤水的代表性点，可为流域土壤水分估算带来极大便利。

土壤水时间稳定性代表性点与土壤、地形、植被等下垫面特征有关。Grayson和Western发现时间稳定特性多发生于能代表坡度、地貌和海拔等地形因子平均特征的位置^［9］；Hu等发现我国黄土高原小流域的土壤颗粒级配对时间稳定性的影响最大^［10］；Zhao等人通过统计内蒙古草原的土壤和植物参数，总结了时间稳定性指数与土壤和植被参数间的回归关系^［11］。这些均证明了使用下垫面特征的先验知识来获得代表性点具备相当的可行性。然而，由于不同地表状况（土壤，地形与植被等）对土壤水时空变化规律的控制强度随空间尺度以及区域特性而变化^［12］，控制代表性点的因素在不同地区可能有所不同，各个因素的重要性也有不同^［13］。例如，Jacobs等在美国爱荷华州发现时间稳定的特性与土壤砂粒含量呈反比^［14］，而Mohanty和Skaggs则在俄克拉何马州实验得到了砂质壤土比粉质壤土更稳定的结果^［15］。Schneider等发现中国锡林河流域不同地点的时间稳定性差异主要取决于不同的植被组成^［16］，而Hu等在陕西六道沟流域通过实验证明土壤颗粒大小和有机质含量是时间稳定性的主要控制因素^［17］。原黎明和赵传燕在祁连山区发现代表性测点多位于山坡坡面的中上部^［4］，刘鑫在晋西黄土区发现地形因子对浅层土壤水分有重要影响，坡向的影响呈现自东北向西南呈减小趋势^［18］。由于研究区及空间尺度的差异，尚不能得出关于时间稳定性控制因素的普适结论，因此，有必要针对具体区域分析遴选流域内影响时间稳定性的控制因子。

此外，现有黑河流域土壤水时间稳定性的研究多为坡面或者网格之类尺度较小的范围，对流域尺度上的研究较少，为此，本文借助黑河流域生态水文过程综合遥感联合观测试验积累的实测数据，对上游八宝河流域开展表层土壤不同深度土壤水时间稳定性特征分析，寻找可代表流域表层土壤水分平均水平的采样点，从下垫面的土壤、植被、地形多角度出发探讨流域内土壤水空间结构的控制因素，为快速准确地获取流域尺度土壤水分数据，指导流域土壤水观测网络的优化设计提供科学依据。

1 数据与方法

1.1 研究流域概况

选择黑河干流上游八宝河流域，如图1（a），开展土壤水时间稳定性研究。八宝河发源于峨堡东的景阳岭，自东向西河流长约105 km，流域面积约2 452 km²，介于100°06.00′~ 101°09.05′E，37°43.01′~38°19.02′N之间；流域海拔在2 600~ 5 000 m之间，如图1（b），属大陆性高寒山区气候。年均气温约0.7 °C，年均蒸发量约1 530 mm^［19］，多年平均降水量约405 mm，主要集中在夏季^［20］。流域范围土地覆被类型数据来源于《1∶1 000 000 中国植被图集》^［21］，流域植被覆盖以天然草地为主，包含高山和高寒草甸、草原等类型，草甸相对较湿，草原较干，植被类型分布如图1（c）所示，流域西部山区分布有少量灌木林和青海云杉林，4 200 m以上有常年积雪和永久冰川，冻土发育，其分布下限大约在3 600 m。依据文献［22］，流域内共有9种不同类型的土壤［图1（d）］，各类土壤沿着流域呈西北-东南走向的带状分布。其中，亚高山草甸土分布广泛，包括棕草毡土、棕黑毡土、黑毡土，占流域面积的62.4%；中部低洼地区主要以寒钙土、冷钙土为主，质地为壤土，沙壤土，壤土砂等，表层土壤主要由沙土（65%~85%）和黏土（13%~30%）组成^［23］。

Fig.1 Babaohe Watershed in the upper reaches of Heihe River

图1 黑河上游八宝河流域

注：(c)、(d)标示的站点为遴选的用于分析的采样点。

Full size|PPT slide

1.2 土壤水分观测与数据处理

由中国科学院寒区旱区环境与工程研究所联合国内多家高校与研究机构共同开展的黑河流域生态水文过程综合遥感联合观测试验，在八宝河流域布设了生态水文无线传感器网络WATERNET^［24］，如图1（b）所示，总共40个采样点。观测仪器为美国Stevens公司生产的Hydra Probe II，在深度为4，10，20 cm三个层次同时进行5 min间隔的实时土壤含水量数据采集，时间从2013年6月到2015年12月。本文土壤含水量观测数据来源于国家自然科学基金委员会“黑河计划数据管理中心”（http：//

www.heihedata.org）的HiWATER专题数据集。

经数据可用性分析，时间连续性较好的数据集中在2013年10月到2014年4月。综合该时间段资料情况，遴选出49，48，47，39，37，35，34，33，32，30，27，26，23，21，16，13，10号共17个缺测少、连续性好的采样点［其位置如图1（c）、1（d）和图2所示］，求日平均值用于流域土壤水时间稳定性分析，同时对少数缺测时段进插补。尽管站点数量有限，由于流域土壤水代表性强的点主要集中于低地形指数地区^［6］，黑河流域的站点布设捕捉了几乎所有低地形指数的情况，如图2（b），对植被类型及土壤状况也有较好的代表性，如图1（c）和（d），因此可用于分析流域土壤水时间稳定性。

Fig.2 The watershed slope and topographic wetness index

图2 流域坡度与地形湿度指数空间分布

注：标示的站点为遴选的用于分析的采样点。

Full size|PPT slide

1.3 土壤水空间异质性统计分析

对流域的土壤水数据集进行了单变量描述性统计分析，对每个时间和深度（4、10和20 cm）的空间平均土壤含水量

\bar{S}

和土壤含水量异质性（以标准差SD表示）进行估计。

1.4 时间稳定性分析方法

平均相对偏差（MRD）和相对偏差的标准差（SDRD）是土壤水分空间结构时间稳定性的评价指标。平均相对偏差用来比较单个观测点与整个观测网络平均值偏离程度，相对偏差标准差则反映这种偏离程度的变幅大小^［7］。平均相对偏差MRD定义为：

M R D_{i} = \frac{1}{m} \sum_{j = 1}^{m} δ_{i, j}

（1）

式中：j为采样点的观测时间；i为采样点号；m为总观测天数；

S_{i, j}

表示区域内的i号采样点在j日期的土壤水测量值；

δ_{i, j}

为相对偏差值。

δ_{i, j} = \frac{S_{i, j} - \bar{S_{j}}}{\bar{S_{j}}}

（2）

式中：

S_{i, j}

为j时刻监测点i的土壤水分实测值；

\bar{S_{j}}

为j时刻平均土壤含水量。

i点的相对偏差标准差SDRD定义为：

S D R D_{i} = {[\sum_{j = 1}^{m} {\frac{(δ_{i, j} - M R D_{i})}{m - 1}}^{2}]}^{\frac{1}{2}}

（3）

式中各符号意义同上。

MRD的正负可用于表征采样点的土壤水分相对于流域平均值的情况，MRD>0说明该点偏湿，MRD<0说明偏干。SDRD可以反映采样点的土壤水分相对于平均值的时间稳定性。以MRD为基准，以SDRD作为误差，将流域内17个采样点按照MRD值顺序排列绘制成图可用于流域内代表性点的确定。此时需兼顾两点：一是MRD值接近0，说明采样点可精确地估计流域土壤水的平均状况；二是SDRD尽可能小，说明偏差小，时间稳定性好。若流域内某一测点同时满足上述两点则可断定：在一较长时期内该点可以相对精确的预测流域平均土壤水分状况。

此外，也可用综合性指标ITS将MRD与SDRD结合，判断时间稳定性^［11］。

I T S = {[M R {D_{i}}^{2} + S D R {D_{i}}^{2}]}^{\frac{1}{2}}

（4）

根据卫星土壤水分测量的标准精度要求，地面土壤水观测值应该满足均方根误差RMSE<0.04，同样可以RMSE作为时间稳定性方法优劣的评价准则^［12］。

1.5 下垫面控制因素的选择与提取

土壤水空间结构影响因素主要与流域内不同的土壤、植被和地形特征有关，通过提取流域内各采样点土壤、植被和地形特征，分析其与时间稳定性特征的关系，可探讨土壤水空间结构控制因素。植被与土壤特征分别采用植被类型和土壤类型加以体现，如图1（c）、图1（d），地形特征则通过研究地点所在位置的高程、坡度和地形湿度指数体现，如图2。

2 结果与讨论

2.1 不同深度土壤水空间异质性

为了研究流域的土壤水时间稳定性特征，需首先对流域土壤水空间异质性有总体把握。研究期内流域平均日土壤含水量为4 cm深度（0.116）<10 cm深度（0.133）<20 cm深度（0.137），随深度增加土壤含水量增加；土壤含水量空间标准差则是10 cm深度最大，4 cm深度居中，20 cm深度最小，说明流域土壤水空间异质性在10 cm深度最强。进一步分析流域平均日土壤水和标准差两者的关系，如图3。用日土壤含水量的函数形式来表示土壤水分空间异质性SD（

\bar{S}

），3个深度的SD（

\bar{S}

）的关系各不相同，但均表现出凸形特征，此特征在流域尺度上的土壤水变化研究中已被多次报道^［25］。以三次多项式函数加以拟合，4 cm深度与10 cm深度的函数形式接近。从点据的分散程度看，埋深最浅的4 cm土层最为分散。

Fig.3 Relationship of the watershed mean daily soil moisture and the standard deviation of daily soil moisture at the depths of 4， 10 and 20 cm

图3 流域4、10和20 cm深度平均日土壤含水量 $\bar{S}$ 与土壤含水量标准差SD之间的关系

Full size|PPT slide

2.2 不同深度土壤水时间稳定性

利用选取的2013年10月至2014年4月期间八宝河流域内17个土壤含水量观测点的数据，分别计算不同深度的平均相对偏差MRD，相对偏差标准差SDRD以及时间稳定性综合指标（ITS），按照各点的平均相对偏差的大小进行排序，绘制成相对偏差误差棒图，以此分析流域的时间稳定性，确定代表性点。

由图4（a）流域埋深4 cm的土壤水MRD从-72.4%~91.9%不等，变化范围较大，原因为八宝河流域面积较大（约2 452 km²），土壤、植被类型、地形等因素空间异质性大。SDRD的变化范围在15.5%到60.1%之间，偏干（MRD<0）区域误差线长度多数较短，偏湿区域较长，说明干区土壤水的时间稳定性相较于湿区更好，与文献［6］结论一致。

**Fig.4 Ranked mean relative difference （MRD） at the depths of 4， 10 and 20 cm for 17 measuring points in the watershed**

图4 流域17个采样点不同深度土壤含水量相对偏差秩序排列

注：黑线为时间稳定性综合指标ITS值。

Full size|PPT slide

图4（a）的黑色折线代表ITS值，ITS越小时间稳定性越好。所有采样点中13号采样点MRD值最接近0，SDRD和ITS的值均为最小，其

M R D_{13}

=0.59%，

S D R D_{13} = 15.5 %

，又

R M S E_{13}

=2.9%<4%，因此，该点可作为流域4 cm深度平均土壤含水量的代表性点。类似地，附近的49、23、35号点也与13号点较为相似，但35和49的

R M S E

值均大于4%，只有23的

R M S E

值小于4%，因此23号采样点也可作为代表性点。

由图4（b）可知，流域埋深10 cm处土壤水MRD介于-69.1%与77.7%之间，最小值相较于埋深4 cm更高，最大值却更低，说明深度10 cm处土壤水比4 cm处的空间异质性更小，这可能是由植被根系吸水、土壤蒸发模式以及毛管水补充水分等因素共同造成的。偏干区域SDRD值的变化范围为9.64%到59.4%之间，偏湿区域是19.6%到53.1%之间，干区误差线长度变化比湿区大，说明埋深10 cm土壤水分在偏干区域时间稳定性特征的空间差异更大。与埋深4 cm处相似，埋深10 cm偏干区域土壤水的时间稳定性总体比湿区更好。

图4（b）47号采样点

M R D_{47}

=-0.93%，

S D R D_{47} = 19.5 %

，

R M S E_{47}

=3.9%<4%，故47号点可认为是流域埋深10 cm平均含水量的代表性点。23和33号采样点尽管MRD值接近0，SDRD值较小，但因RMSE分别为5.47%与4.64%，均大于4%，故不能作为代表性点。对比图3（a）、3（b），尽管两个深度所选的代表性点位置不同，但是，39、32、37、16、34、48号采样点两个深度的土壤水均处于偏干的状态，23、33、21、27、30、26号采样点两个深度的土壤水均处于偏湿的状态，说明这4和10 cm两个深度表层土壤水时间稳定性空间分布格局基本一致。

图4（c）显示了流域埋深20 cm处的MRD范围是-41.3%~44.5%之间，埋深20 cm MRD的最小值相较于埋深10 cm更高，最大值更低，即埋深20 cm土壤比埋深10 cm土壤的空间异质性更小。由此，随埋深增加土壤水分的空间异质性逐渐减小，时间稳定性特征逐渐增强，其与文献［10］的实验结果一致。由图，35、49、16、37、34号点的MRD值都比较接近于0，但因35，49和34号采样点SDRD ₃₅=42.4%，SDRD ₄₉=49.5%，SDRD ₃₄=33.2%，均偏大，故三者均不能作为埋深20 cm流域平均土壤水含量的代表性点。而16号采样点MRD ₁₆=2.4%，SDRD ₁₆=21.7%，RMSE ₁₆=4.2%>4%，不符合卫星精度要求，也不能作为代表性点。37号点MRD ₃₇=3.6%，SDRD ₃₇=15.0%，RMSE ₃₇=1.8% m<4%，符合卫星土壤水分精度要求，ITS值最小，故可作为此深度流域平均含水量的代表性点。

2.3 流域代表性点分析

表1为3个深度代表性点的SDRD、MRD和ITS统计结果，埋深4 cm土壤水代表性点所在位置土壤类型为棕黑毡土，埋深10 cm代表性点为黑毡土，埋深20 cm代表性点为棕黑毡土，均属于高原亚热带草甸植被下的土壤，是八宝河流域主要土壤类型［图1（d）］；除了埋深20 cm的代表性点所在地植被（寒温带和温带山地针叶林）不是该流域的优势性植被外，埋深4和10 cm的代表性点所在位置植被类型均为本流域的优势性植被类型［图1（c）］，这与前人研究结论“代表性点多位于优势植被与主要土壤类型分布的区域”相吻合^［9］。

Tab.1 Statistics of representative points at the depths of 4， 10 and 20 cm

表1 埋深4、10和20 cm代表性点特征统计

埋深/cm	站点号	土壤类型	植被覆盖类型	地形湿度指数TI	平均相对偏差MRD/%	相对偏差标准差SDRD/%	综合指标 ITS/%	线性回归方程	相关系数 R ²
4	13	棕黑毡土	亚高山落叶阔叶灌丛	6.19	0.59	15.5	15.51	y = 0.872 1 x - 0.036 2	0.80
4	23	棕黑毡土	高寒禾草、苔草草原	7.11	7.08	22.5	23.59	y = 0.626 4 x + 0.018 9	0.86
10	47	黑毡土	高寒嵩草、杂类草草甸	4.9	-0.93	19.5	19.52	y = 0.968 1 x - 0.024 8	0.76
20	37	棕黑毡土	寒温带和温带山地针叶林	7.18	3.59	14.96	15.38	y = 1.492 8 x - 0.045 7	0.80

代表性点的土壤水观测可用于估算流域平均状况，进一步比较分析代表性点与流域平均土壤水分之间的关系，对不同埋深的代表性点和相应的流域平均土壤水进行统计回归分析，得到各深度的代表性点对流域平均土壤水分的回归方程。如表1所列，R ²的变化范围为0.76~0.88，较高，说明所选的代表性点的土壤水与流域平均值相关性较好，差异性较小。根据回归方程，可利用代表性点的观测结果对流域平均土壤水分状况进行预测，减少区域土壤水观测成本。

2.4 土壤水分时间稳定性控制因素

流域土壤水分动态及其空间分布规律受地形、土壤和植被等条件控制作用。研究流域土壤水分时间稳定性控制因素，进而量化地使用这些先验信息，有助于更加准确有效地捕捉代表性点。利用图5分析不同深度土壤水受植被覆盖类型影响的时间稳定性特征。由图5（a）、4 cm埋深4种植被类型MRD中位数均接近于0，其中，高寒禾草、苔草草原植被下的MRD分布最为集中，寒温带和温带山地针叶林最为分散；图5（d）中4 cm高寒禾草、苔草草原的SDRD分布最为集中且SDRD最小，说明其相比其他3种植被时间稳定性更好。另外，亚高山落叶阔叶灌丛SDRD中位数为29.1%，相较于寒温带和温带山地针叶林与高寒嵩草、杂草类草甸两种植被小，但SDRD值分散。因此，植被类型为高寒禾草、苔草草原植被的采样点更能代表流域4 cm埋深的平均土壤水状况。

**Fig.5 Comparison of mean relative difference （MRD） and standard deviation of relative difference（SDRD） influenced by vegetation cover at the depths of 4， 10 and 20 cm**

图5 不同深度植被类型影响下的平均相对偏差（MRD）和相对偏差标准差（SDRD）的箱型分布

注：中间的红线表示中值；盒子的边缘是四分位间距IQR，大于或小于最大值或最小值的值被视为异常值（红色+）。

Full size|PPT slide

同样地，图5（b）中高寒禾草、苔草草原10 cm深度的MRD分布最集中且中位数更接近0，同时SDRD分布也最集中且数值较小，如图5（e）。因此，植被类型为高寒禾草、苔草草原的采样点更能代表流域10 cm埋深平均土壤水状况。对比图5（a）、（b）、（c），以及（d）、（f）、（e），说明相较于埋深4 cm，10 cm两个深度，埋深20 cm的4种植被类型MRD值，SDRD值箱型图中各个箱子的高度均较大，MRD和SDRD值都很分散，即时间稳定性特征不显著。综上，八宝河流域在植被类型为高寒禾草、苔草草原处布设监测点更容易获取流域浅层（埋深10 cm以上）土壤水平均状况。

图6为不同土壤类型下不同埋深土壤水平均相对偏差和相对偏差标准差箱型分布图。其中中位泥炭土采样点少，不予分析。由图6（a）和（d），在埋深4 cm处冷钙土的MRD和SDRD值均偏大，最小值分别为79.8%和39.9%；相较于棕草毡土，黑毡土和棕黑毡土的MRD值中位数更接近于0，棕黑毡土SDRD中位数为22.5%，比棕草毡土和黑毡土小。因此4 cm深度在棕黑毡土分布区域布设测点更易于捕捉到流域平均土壤水状况。类似地，图6（b）和（e）中10 cm深度冷钙土的MRD和SDRD值均偏大，最小值分别为39.2%和40.3%，时间稳定性不佳；棕草毡土MRD值变化范围在负值区域，说明该类型土壤偏干；而黑毡土和棕黑毡土的MRD值的中位数更加接近于0，其中黑毡土的SDRD值中位数为27.2%，最小值为14.6%，但箱型高度更大，SDRD变化大，棕黑毡土SDRD箱型高度更小，变化范围小，最小值9.6%比黑毡土更小。说明土壤类型为棕黑毡土时更能代表10 cm深度的流域平均土壤水。图6（c）和（f）冷钙土的MRD值分散且SDRD值最大，草毡土、黑毡土和棕黑毡土的MRD中位数较接近于0，但草毡土的SDRD值分布更分散，而棕黑毡土SDRD值中位数更小，时间稳定性更好。因此代表流域20 cm埋深处的平均土壤水状况采样点布设在棕黑毡土相对更可靠些。综上，八宝河流域在土壤类型为棕黑毡土覆盖处布设监测点更

**Fig. 6 Comparison of mean relative difference （MRD） and standard deviation of relative difference （SDRD） influenced by soils at the depths of 4， 10 and 20 cm**

图6 不同深度土壤类型影响下的平均相对偏差（MRD）和相对偏差标准差（SDRD）的箱型分布

注：中间的红线表示中值；盒子的边缘是四分位间距IQR，大于或小于最大值或最小值的值被视为异常值（红色+）。

Full size|PPT slide

容易获取流域埋深20 cm及以上的土壤水平均状况。

利用流域内地面高程、坡度、地形湿度指数和不同深度对应的MRD、SDRD值做相关性分析，发现流域内采样点随着所在位置地面高程增加，MRD和SDRD都呈减小趋势，但两者的线性相关关系不显著。MRD和SDRD两者随高程同步递减，体现了流域内土壤越干土壤水分变化范围越小，时间稳定性越好；越湿润变化范围越大，时间稳定性越弱，与上述2.2节结果一致。此外，随着坡度或者地形湿度指数TI的增加，3个深度的MRD和SDRD有增有减，但R ²值都很小。因此说明利用现有站点的实测土壤水数据，尚无法为流域代表性点布设提供先验的地形特征信息。

3 结论

本文利用从HiWATER专题数据集中的八宝河流域生态水文无线传感网络WATERNET数据，选取了土壤水实测资料可用性较好的17个采样点进行4、10和20 cm埋深的流域土壤水时间稳定性分析，找到了相应的流域平均土壤水代表性点，从地形、土壤和植被的角度对流域范围的土壤水时间稳定性控制因素进行分析，为流域土壤水分监测布设提供依据。

通过研究发现：①八宝河流域土壤水时间稳定的代表性点在埋深4 cm处为23号、13号，10 cm处为47号、20 cm处为37号。4 cm与10 cm埋深处的土壤水干湿分布格局基本一致。随深度增加表层土壤水分时间稳定性特征更明显。②能反映流域平均土壤水特征代表性点大都位于流域优势植被与主要土壤类型分布区域。③八宝河流域表层土壤水时间稳定性的主要控制因素是植被覆盖类型和土壤类型，在高寒禾草、苔草草原，以及棕黑毡土覆盖区域采样观测浅层（10 cm以上）土壤水，更能代表流域的土壤水平均状况。

尽管降水的时空异质性通过水量平衡影响土壤水的时间稳定性特征，而下垫面植被与土壤通过蒸散发与排水过程对土壤水时间稳定性进行控制。由于本文主要围绕流域尺度内的土壤水时间稳定性及其下垫面控制因素进行分析，在处于同一水文气象背景的流域范围内近似认为降水与蒸发的空间异质性影响可以忽略。当具备高分辨率（如米级）的精确的降水与蒸散发数据时，可进一步分析气象条件对土壤水时间稳定性的影响，然而，此类数据目前仍然十分匮乏。

由于地面观测难免存在覆盖率不足的问题，即便研究认为流域土壤水代表性强的点主要集中于低地形指数地区，还是不可避免地会对代表性产生一些影响，具体影响程度有待进一步研究；因多数采样点土壤水实测数据在2013年6月到2015年12月期间存在不同程度的缺失，故本文结论的推广仍需结合其他时间段的土壤水实测数据，进行下一步验证。实际工作中大面积的土壤水监测需要消耗大量的人力物力，本文利用已有的观测资料开展流域土壤水分时间稳定性研究，可为区域土壤水监测方案设计提供新思路。 □

Tab.8 Allowable emission and reduction of pollutants from “top ten” tributaries

表8 “前十”支流污染物允许排放量及削减量 (t/a)

水质断面	氨氮允许排放量		COD_Cr允许排放		氨氮削减量		COD_Cr削减量
水质断面	枯水期	丰水期	枯水期	丰水期	枯水期	丰水期	枯水期	丰水期
大坳	4 738	4 992	46 459	47 478	4 807	3 794	8 638	8 388
鸦岗	4 151	4 732	62 457	46 766	5 457	4 184.8	9 118	14 389
海珠桥	4 874	4 903	47 923	59 392	3 602	6 138	19 383	19 268
白鹤洞	4 876	4 675	47 923	56 366	3 259	4 905	13 746	13 813

References

Publishing order | Descend order by publishing year | Descend order by cited within

1	张秀英，冯学智，赵传燕. 基于GIS的黄土高原小流域土壤水分时空分布模拟：以定西安家沟为例［J］. 自然资源学报， 2005，20（1）：133-139. 本文引用 [1]

2	李伯祥，陈晓勇，徐雯亭. 基于SMOS 降尺度数据的土壤水分时空变化分析研究［J］. 中国农村水利水电， 2019（8）：5-11. 本文引用 [1]

3	王树果，马春锋，赵泽斌，等. 基于Sentinel-1 及Landsat 8 数据的黑河中游农田土壤水分估算［J］. 遥感技术与应用，2020，35（1）：13-22. 本文引用 [2]

4	原黎明，赵传燕. 黑河上游坡面尺度土壤贮水量的时间稳定性［J］. 兰州大学学报：自然科学版， 2017，53（2）：178-185. 本文引用 [2]

5	王珊，胡振华，张宝忠，等. 基于有效最大含水量的土壤水分监测优化布设方法［J］. 中国农村水利水电， 2018（5）：1-5.

6	WEI L， DONG J， GAO M， et al. Factors controlling temporal stability of surface soil moisture： A watershed-scale modeling study ［J］. Vadose Zone Journal， 2017，16（10） . 本文引用 [3]

7	KACHANOSKI R G， DE JONG E. Scale dependence and the temporal persistence of spatial patterns of soil water storage ［J］. Water Resources Research， 1988，24：85-91. 本文引用 [2]

8	魏玲娜，陈喜，董建志，等. 基于分布式水文模拟的流域土壤水分时间稳定性分析［J］. 水利水电技术，2019，50（5）：104-114. 本文引用 [1]

9	GRAYSON R B， WESTERN A W. Towards areal estimation of soil water content from point measurements： time and space stability of mean response ［J］. Journal of Hydrology， 1998，207：68-82. 本文引用 [2]

10	HU W， SHAO M， HAN F， et al. Watershed scale temporal stability of soil water content ［J］. Geoderma， 2010，158（3-4）：181-198. 本文引用 [2]

11	ZHAO Y， PETH S， WANG X Y， et al. Controls of surface soil moisture spatial patterns and their temporal stability in a semi-arid steppe ［J］. Hydrological Processes， 2010，24（18）：2 507-2 519. 本文引用 [2]

12	CROW W T， BERG A A， COSH M H， et al. Upscaling Sparse Ground-Based Soil Moisture Observations for the Validation of Coarse-Resolution Satellite Soil Moisture Products ［J］. Reviews of Geophysics， 2012，50（2）：1-20. 本文引用 [2]

13	LIN H S， KOGELMANN W， WALKER C， et al. Soil moisture patterns in a forested catchment： A hydropedological perspective ［J］. Geoderma， 2006，131（3–4）：345-368. 本文引用 [1]

14	JACOBS J M， MOHANTY B P， HSU E C， et al. SMEX02： Field scale variability， time stability and similarity of soil moisture ［J］. Remote Sensing of Environment， 2004，92：436-446. 本文引用 [1]

15	MOHANTY B P， SKAGGS T H. Spatio-temporal evolution and time-stable characteristics of soil moisture within remote sensing footprints with varying soil， slope， and vegetation ［J］. Advances in Water Resources， 2001，24：1 051-1 067. 本文引用 [1]

16	SCHNEIDER K， HUISMAN J A， BREUER L， et al. Temporal stability of soil moisture in various semi-arid steppe eco- systems and its application in remote sensing ［J］. Journal of Hydrology， 2008，359：16-29. 本文引用 [1]

17	HU W， SHAO M， WANG Q， et al. Time stability of soil water storage measured by neutron probe and the effects of calibration procedures in a small watershed ［J］. Catena， 2009，79：72-82. 本文引用 [1]

18	刘鑫，毕华兴，李笑吟，等. 晋西黄土区基于地形因子的土壤水分分异规律研究［J］. 土壤学报，2007，44（3）：412-417. 本文引用 [1]

19	周雨石. 基于改进热惯量模型土壤含水量时空变化研究：以黑河上游八宝河流域为例［D］. 河南开封：河南大学，2018. 本文引用 [1]

20	李广文. 黑河上游八宝巧流域土壤特性及入渗模拟研究［D］. 西安：陕西师范大学， 2016. 本文引用 [1]

21	侯学煜. 1∶100 000 0中国植被图集［DB］. 科学出版社，2001. 本文引用 [1]

22	刘菊兰. 中华人民共和国1∶100万土壤图［CM］. 中国出版年鉴，1996. 本文引用 [1]

23	高红侠. 典型高寒山区八宝河流域土壤水分的时空变异性与降尺度研究［D］. 南京：南京师范大学， 2019. 本文引用 [1]

24	LI X， CHENG G， LIU S， et al. Heihe Watershed Allied Telemetry Experimental Research （HiWATER）： Scientific Objectives and Experimental Design ［J］. Bulletin of the American Meteorological Society， 2013，94（8）：1 145-1 160. 本文引用 [1]

25	ROSENBAUM U， BOGENA H R， HERBST M， et al. Seasonal and event dynamics of spatial soil moisture patterns at the small catchment scale ［J］. Water Resources Research， 2012，48：W10544. 上接第 49 页）本文引用 [1]

PDF(3959 KB)

1017

Accesses

Citation

Detail

Sections

Recommended

Abstract
Key words
Cite this article
0 引言
1 数据与方法
1.1 研究流域概况
Fig.1 Babaohe Watershed in the upper reaches of Heihe River
1.2 土壤水分观测与数据处理
Fig.2 The watershed slope and topographic wetness index
1.3 土壤水空间异质性统计分析
1.4 时间稳定性分析方法
1.5 下垫面控制因素的选择与提取
2 结果与讨论
2.1 不同深度土壤水空间异质性
Fig.3 Relationship of the watershed mean daily soil moisture and the standard deviation of daily soil moisture at the depths of 4， 10 and 20 cm
2.2 不同深度土壤水时间稳定性
Fig.4 Ranked mean relative difference （MRD） at the depths of 4， 10 and 20 cm for 17 measuring points in the watershed
2.3 流域代表性点分析
Tab.1 Statistics of representative points at the depths of 4， 10 and 20 cm
2.4 土壤水分时间稳定性控制因素
Fig.5 Comparison of mean relative difference （MRD） and standard deviation of relative difference（SDRD） influenced by vegetation cover at the depths of 4， 10 and 20 cm
Fig. 6 Comparison of mean relative difference （MRD） and standard deviation of relative difference （SDRD） influenced by soils at the depths of 4， 10 and 20 cm
3 结论
Tab.8 Allowable emission and reduction of pollutants from “top ten” tributaries
References

Received	Published
2021-05-11	2022-01-15
Issue Date
2022-02-13

Please choose a citation manager

Content to export

Abstract

Key words

Cite this article

0 引言

1 数据与方法

1.1 研究流域概况

Fig.1 Babaohe Watershed in the upper reaches of Heihe River

1.2 土壤水分观测与数据处理

Fig.2 The watershed slope and topographic wetness index

1.3 土壤水空间异质性统计分析

1.4 时间稳定性分析方法

1.5 下垫面控制因素的选择与提取

2 结果与讨论

2.1 不同深度土壤水空间异质性

Fig.3 Relationship of the watershed mean daily soil moisture and the standard deviation of daily soil moisture at the depths of 4， 10 and 20 cm

2.2 不同深度土壤水时间稳定性

**Fig.4 Ranked mean relative difference （MRD） at the depths of 4， 10 and 20 cm for 17 measuring points in the watershed**

2.3 流域代表性点分析

Tab.1 Statistics of representative points at the depths of 4， 10 and 20 cm

2.4 土壤水分时间稳定性控制因素

**Fig.5 Comparison of mean relative difference （MRD） and standard deviation of relative difference（SDRD） influenced by vegetation cover at the depths of 4， 10 and 20 cm**

**Fig. 6 Comparison of mean relative difference （MRD） and standard deviation of relative difference （SDRD） influenced by soils at the depths of 4， 10 and 20 cm**

3 结论

Tab.8 Allowable emission and reduction of pollutants from “top ten” tributaries

{{custom_sec.title}}

{{custom_sec.title}}

References

Please choose a citation manager

Content to export

Abstract

Key words

Cite this article

0 引 言

1 数据与方法

1.1 研究流域概况

Fig.1 Babaohe Watershed in the upper reaches of Heihe River

1.2 土壤水分观测与数据处理

Fig.2 The watershed slope and topographic wetness index

1.3 土壤水空间异质性统计分析

1.4 时间稳定性分析方法

1.5 下垫面控制因素的选择与提取

2 结果与讨论

2.1 不同深度土壤水空间异质性

Fig.3 Relationship of the watershed mean daily soil moisture and the standard deviation of daily soil moisture at the depths of 4， 10 and 20 cm

2.2 不同深度土壤水时间稳定性

Fig.4 Ranked mean relative difference （MRD） at the depths of 4， 10 and 20 cm for 17 measuring points in the watershed

2.3 流域代表性点分析

Tab.1 Statistics of representative points at the depths of 4， 10 and 20 cm

2.4 土壤水分时间稳定性控制因素

Fig.5 Comparison of mean relative difference （MRD） and standard deviation of relative difference（SDRD） influenced by vegetation cover at the depths of 4， 10 and 20 cm

Fig. 6 Comparison of mean relative difference （MRD） and standard deviation of relative difference （SDRD） influenced by soils at the depths of 4， 10 and 20 cm

3 结 论

Tab.8 Allowable emission and reduction of pollutants from “top ten” tributaries

{{custom_sec.title}}

{{custom_sec.title}}

References

0 引言

**Fig.4 Ranked mean relative difference （MRD） at the depths of 4， 10 and 20 cm for 17 measuring points in the watershed**

**Fig.5 Comparison of mean relative difference （MRD） and standard deviation of relative difference（SDRD） influenced by vegetation cover at the depths of 4， 10 and 20 cm**

**Fig. 6 Comparison of mean relative difference （MRD） and standard deviation of relative difference （SDRD） influenced by soils at the depths of 4， 10 and 20 cm**

3 结论