周林康，郭 磊，晋 华
（1.太原碧蓝水利工程设计股份有限公司，太原 030024；
2.太原理工大学水利科学与工程学院，太原 030024）
土壤水分（Soil Moisture，SM）作为土壤的一个重要组成部分，是表征陆面状况的重要参数之一，在调控陆地-大气水分循环和能量收支平衡过程中发挥着巨大作用[1-4]。在干旱和半干旱地区，土壤水分是反映植被生长状况和农业干旱的重要指标[5,6]。土壤水分长期短缺可能会导致地表和大气能量交换不平衡，进而造成区域内生态环境不断恶化[7]。因此，精准把握土壤水分的时空演变规律，有利于对干旱进行监测和预警。
传统的土壤水分监测方法多采用烘干法[8,9]，该方法可以测量不同深度的土壤水分含量且精度高，但存在采样成本偏高、耗时费力及以点代面等缺点而无法实现大区域的动态监测。近年来，随着通讯技术的进步和遥感领域的快速发展，使得基于卫星遥感实时、动态监测土壤水分成为可能[10-12]。杨静敬等[13]和刘苏峡等[14]通过研究发现：表层土壤水分和深层土壤水分具有较好的相关性，因此基于遥感反演的表层土壤水分可以很大程度上反映土壤水分的整体变化。此外，土壤水分的时空变化还会受到多种因素影响，包括气候因素[15]、地形因素[16]以及植被生长状况[17]等。
欧洲空间局（European Space Agency，ESA）气候变化项目（Climate Change Initiative，CCI）遥感土壤水分数据[18]，是基于主动和被动微波传感器，将2者优势相互融合所生成的包含主动数据集、被动数据集和融合数据集的长时间序列（1979-2019 年）。ESA CCI 土壤水分数据作为目前全球范围内已知时间序列最长的遥感数据，自发布以来就受到广泛的关注，在许多地区得到有效应用[19,20]。ZOHAIB 等[21]利用ESA CCI 土壤水分数据评估了2000-2015 年全球灌溉用水信息，结果表明，ESA CCI产品能很好地识别全球灌溉面积，精度可达65%左右，并且通过研究发现近年来全球灌溉用水呈上升趋势。TOMÁS 等[22]使用ESA CCI 产品分析了葡萄牙东北部地区土壤水分的变化并建立了回归模型，通过验证表明了该模型具有较高的精度，R2为0.8～0.9。DORIGO 等[23]基于全球596 个地面站点的土壤水分观测资料评估了ESA CCI土壤水分数据的随机误差，结果表明两者之间的平均斯皮尔曼相关系数的绝对值为0.46，无偏均方根误差的平均值为0.05。XU 等[24]将劳伦斯大湖盆地的现场观测数据和ESA CCI土壤水分数据进行了稀疏网络验证，结果表明，两者的无偏均方根误差为0.04，相关系数为0.7 左右。由此可知，ESA CCI 数据在研究土壤水分变化方面具有较高的精度，然而该产品在中国的应用相对较少。
山西省地处黄土高原，属于温带大陆性季风气候，干旱、水土流失灾害严重，生态环境相对脆弱。根据山西省2000-2015 年ESA CCI 土壤水分数据，并结合气候（降水、气温以及风速）和NDVI（归一化植被指数）等数据，对山西省近16 a 来土壤水分的时空演变规律及其与各环境因子的相关性进行分析，并进一步得出影响土壤水分时空变化的主要因子。本研究可为山西省生态建设和水资源管理等提供科学依据，推动该地区生态保护和高质量发展战略的发展。
1.1 研究区概况
山西省位于110°14＇E-114°33＇E 和34°34＇N-40°43＇N，总面积为15.67 万km2。山西省地处华北西部的黄土高原东翼，北与内蒙古毗连，南与河南为邻，西与陕西接壤，东与河北相望，省轮廓总体呈“东北斜向西南”的平行四边形，地势东北高西南低；
地貌十分复杂，有山地、丘陵、台地、平原等，其中，山地和丘陵约占80%。山西省处于中纬度地带，属温带大陆性季风气候，不同地区气候差异显著，且年际、季节变化大。山西省多年平均年降水量为358～621 mm，季节分配极不均匀，60%左右的降雨集中发生在6-8月；
多年平均气温为3～14 ℃，昼夜温差相对较大。
1.2 数据来源
（1）土壤水分数据。采用欧洲空间局（European Space Agency，ESA）气候变化项目（Climate Change Initiative，CCI）所发布的土壤水分数据，包括3种数据产品：主动数据集、被动数据集和主被动融合数据集。其中主动数据集来自ERS-1/2、AMI-WS、ASCAT（Metop-A/B）等主动微波遥感产品，被动数据集来自SMMR、SMOS、DMSP SSM/1、TRMM TM1 等被动微波遥感产品，主被动融合数据集则是将上述2种数据集融合而成的。ESA CCI土壤水分（体积含水率）数据是以netcdf-4 格式提供，时间分辨率为1 d，空间分辨率为0.25°。选取2000年1月1日至2015年12月31日作为研究时段。
（2）气候数据。采用的原始气象数据（降水、温度和风速等）来自国家气象科学数据中心（http://data.cma.cn/）的全国2 481 个气象观测站点。利用反距离权重插值方法，将气象数据进一步处理成时间分辨率为1 d，空间分辨率为0.25°的栅格数据，并裁取出山西省的数值。
（3） 植被覆盖情况数据。NDVI（Normalized Difference Vegetation Index）作为常用的植被指数之一，其变化在一定程度上可以反映地表植被覆盖的变化情况。因此，NDVI指数在土壤水分研究、生态环境保护等领域都有着广泛的应用[25]。采用的NDVI数据来源于国家科技资源共享服务平台—国家地球系统科学数据中心（http://www.geodata.cn），时间尺度为月，空间分辨率为5 km。
1.3 研究方法
（1）Mann-Kendall趋势检验法。Mann-Kendall（M-K）趋势检验法是一种用于检测序列变化趋势的非参数统计方法，该方法的优点是计算相对简单，人为干扰因素较小，数据定量化程度高，适用范围广且不需要序列数据服从一定的分布，也不会受到少数异常值的干扰，同时也可以明确序列数据开始突变的时间。因此，本文基于M-K 趋势检验法，实现对山西省土壤水分的年际变化的趋势检验分析。
（2）相关性分析法。采用相关性分析法对山西省土壤水分与气候因素（如降水、气温、风速）、植被覆盖情况（NDVI）的相关性进行分析。相关系数是用来描述2 个变量间的线性相关程度和方向的统计量，通常用r表示。具体表达式如下：
式中：n为样本数；
、分别是变量x、变量y的平均值。
（3）主成分分析法。主成分分析法是一种分析多个变量之间相关性的多元统计方法。该方法旨在利用降维的思想，通过线性变换把多个变量转化为少数几个主成分，并使它们尽可能多地保留原始变量的信息，且彼此之间互不相关。主成分计算公式如下：
式中：Fp为主成分；
a1i，a2i，…，api（i=1，2，…，n）为X的协方差阵的特征值所对应的特征向量，ZX1，ZX2，…，ZXp是原始变量经过标准化处理的值。
2.1 土壤水分的空间变化
图1 是2000-2015 年山西省土壤水分的年均值空间分布情况。从图1 中可以看出，山西省的土壤水分年均值为0.170～0.263 m3/m3。各区域的土壤水分分布差异较大，具有明显的空间变化格局，总的分布呈现“南部、北部低，中部高”的变化特征。其中，运城市和大同市的大部分地区以及朔州市的东部地区土壤水分相对偏低，太原市西部、忻州市南部和东部、吕梁市东部以及晋中市的东部地区土壤水分相对较高。
图1 山西省2000-2015年年均土壤水分Fig.1 Annual average soil moisture in Shanxi Province from 2000-2015
为进一步分析山西省近年来的空间动态变化趋势，对2000、2005、2010 和2015 年这4 个特定时间的年均土壤水分空间分布进行分析。从图2 中可以看出，在这4 a 中，山西省的土壤水分空间分布大致相同，土壤水分低值均出现在大同市和运城市附近，仅在2005 年晋中市中部小范围区域出现较低值；
土壤水分高值均出现在山西省中西部和东部边缘地区。总之，虽然这些年土壤水分空间变化分布略有差别，但总体上均呈现“南部、北部低，中部高”的变化特征，这与图1所展示的土壤水分分布规律大体一致。因此可以得出，山西省近16 a的土壤水分空间分布具有一定的稳定性。
图2 4个特定时间的年均土壤水分空间分布Fig.2 Spatial distribution of annual soil moisture at four specific times
2.2 土壤水分的时间变化
2.2.1 年际变化
从图3 中可以看出，2000-2015 年土壤水分的年际变化表现出上下波动的趋势，土壤水分最低值出现在2002 年，其值为0.192 m3/m3，最大值0.220 m3/m3出现在2003 年。山西省近16 a的年均土壤水分为0.204 m3/m3，整体呈上升的趋势，但并不是很显著，倾向率为0.000 6 a-1。
图3 山西省2000-2015年土壤水分的年际变化Fig.3 Interannual variation of soil moisture in Shanxi Province from 2000-2015
对山西省2000-2015 年年均土壤水分进行M-K 趋势检验，并绘制M-K 趋势检验的UF和UB曲线（见图4）。本文给定显著性水平a=0.05，临界值u0.05=±1.96，将UF和UB2 个统计量序列曲线、±1.96 这2 条直线和0 值直线均绘在同一图上。若图中UF线在临界线之间波动时，表明该序列变化趋势不显著；
当UF的值大于零，表明该序列呈上升趋势，反之呈下降趋势；
当其超过临界线时表明上升或下降趋势显著；
若UF和UB这2 条曲线在临界线之间存在一个交点，则交点对应的时刻即为突变开始的时间。
图4 山西省2000-2015年年均土壤水分M-K统计量Fig.4 Annual average soil moisture M-K statistics in Shanxi Province from 2000-2015
从图4可以看出，在这16 a里，山西省的土壤水分大部分是处于上升趋势，但不显著，仅在2000-2003年间呈不显著下降趋势。UF和UB曲线在2003、2005-2006、2009 这3 处有交点，对应的UF值大于0 且小于1.96，说明了这3 个时间节点是年均土壤水分不显著上升的突变点。
结合图3 和图4 可以得出，山西省这16 a 来土壤水分整体上呈不显著上升趋势。
通过计算土壤水分的线性趋势系数，得到了山西省2000-2015年土壤水分的变化趋势分布，如图5所示。从图5中可以看出，近16 a 来，山西省上北部、中东部和南部小部分地区呈明显的湿润趋势，包括大同市北部、朔州市北部、忻州市中部和东部、太原市、阳泉市、晋中市、吕梁市东部、长治市西部、临汾市中部、晋城市西部和运城市东部；
山西省西部、下北部和东南部地区呈干旱趋势，尤其是在运城市与临汾市交界处和长治市东部。
图5 山西省2000-2015年土壤水分年均值线性趋势分布Fig.5 Linear trend distribution of annual mean soil moisture values in Shanxi Province from 2000-2015
2.2.2 季节变化
山西省多年月均土壤水分随时间的变化曲线如图6 所示。可以看出，从1月份开始，土壤水分从最低值0.175 m3/m3开始缓慢增加，直至4 月；
4-5 月，土壤水分小幅度减少，这是因为地表植被需水量增加以及前期储水量相对较低造成的；
5-9月，土壤水分进入持续增加状态，并在9 月份达到最大值0.249 m3/m3；
9-12 月，土壤水分不断减少。多年月均土壤水分随时间的变化整体呈现出先增大后减小的趋势。
图6 山西省2000-2015年月均土壤水分随时间的变化曲线Fig.6 Variation curve of monthly average soil moisture with time in Shanxi Province from 2000-2015
2.3 土壤水分的影响因子分析
2.3.1 土壤水分与NDVI关系
现有研究表明[26]，植被覆盖情况是影响土壤水分时空变化的因素之一。地表植被不仅能直接影响土壤的水文过程，还能通过植物根系吸水和净降雨量等间接影响土壤水分的变化。土壤水分和NDVI的季节变化图如图7（a）所示，可以看出，土壤水分与NDVI整体上变化趋势大致相同，均表现出先增大后减少的趋势；
土壤水分的变化时间大体上滞后于NDVI1 个月左右。在年际变化上[见图7（b）]，NDVI和土壤水分均表现出上下波动的变化趋势且具有一定的关联性，但并不是很直观明了，因此需进一步对其相关性进行分析。
图7 山西省2000-2015年土壤水分和NDVI的季节变化、年际变化Fig.7 Seasonal and interannual variation of soil moisture and NDVI in Shanxi Province from 2000-2015
对土壤水分和NDVI的年际相关性分析结果如表1 所示，2000-2015 年土壤水分和NDVI均呈现明显的正相关关系。其中，相关系数最大的年份是2013 年，达到了0.912（p＜0.01）；
2012、2000、2002 和2010 年次之，但也具有极好的相关性，相关系数均大于0.8（p＜0.01）；
2003-2006年之间相关性较低，其中最低值发生在2003年，为0.069。
表1 土壤水分和NDVI的相关性分析Tab.1 Correlation analysis of soil moisture and NDVI
2.3.2 土壤水分与降水关系
图8 给出了山西省2000-2015 年土壤水分和降水量的季节变化和年际变化关系。从图8（a）可以看出，土壤水分和降水量的季节变化趋势大体一致，且同NDVI一样，都表现出先增大后减小的趋势；
土壤水分的变化时间大体上滞后于降水1个月左右。从图8（b）可以看出，年均土壤水分和年降雨量的变化趋势大致相同，降水量大的年份对应的年均土壤水分相对较高，降水量小的年份对应的年均土壤水分则相对较低。
图8 山西省2000-2015年土壤水分和降水量的季节变化和年际变化Fig.8 Seasonal and interannual variation of soil moisture and precipitation in Shanxi Province from 2000-2015
对土壤水分和降水量的年际相关性分析结果如表2 所示，2000-2015 年土壤水分和降水量总体上呈现明显的正相关关系。其中，相关系数最大的年份是2000 年，达到了0.884（p＜0.01）；
2002、2009、2010、2012 以及2013 年的土壤水分与降水量也达到了极显著相关；
仅在2006 年呈负相关关系，但其相关性为-0.02；
其他年份土壤水分和降水量也具有较好的相关性。
表2 土壤水分和降水量的相关性分析Tab.2 Correlation analysis of soil moisture and precipitation
2.3.3 土壤水分与气温关系
图9 为土壤水分和气温的季节变化和年际变化关系图。从图9（a）可以看出，土壤水分和气温的季节变化趋势也大致相同，均呈现出先增大后减小的变化趋势。其中，一年中气温最高值出现在7 月份，土壤水分最大值出现在9月，结合图中2 条曲线变化趋势说明了土壤水分的变化时间大体上滞后于气温1～2 个月左右。从图9（b）可以看出，土壤水分和气温这2 条曲线虽都呈现上下波动的变化趋势，但是也是具有一定关联性，因此可对两者相关性进一步分析。
图9 山西省2000-2015年土壤水分和气温的季节变化和年际变化Fig.9 Seasonal and interannual variation of soil moisture and air temperature in Shanxi Province from 2000-2015
土壤水分和气温的年际相关性分析结果如表3 所示，2000-2015 年土壤水分和气温大致呈现出正相关关系。这16 a来，相关系数最大的年份是2012 年，达到了0.781（p＜0.01），2013年次之，其相关系数为0.757；
2003、2004和2006年为负相关关系，但其相关性不高，均小于0.2。
表3 土壤水分和气温的相关性分析Tab.3 Correlation analysis of soil moisture and air temperature
2.3.4 土壤水分与风速关系
风速主要是通过影响土壤的蒸发量和植被的蒸腾量进而影响土壤水分的变化。图10 为土壤水分和风速的季节变化和年际变化关系图。从图10（a）可以看出，这2 条曲线呈“双峰型”变化趋势。1-4 月，土壤水分随着风速的增大而增大，这是因为在该段时间内土壤大部分时间处于封冻期，土壤水分受风速的影响较低，主要是受降水、NDVI 等其他因素影响；
5-12 月土壤水分随风速的增大（减小）而减小（增大），两者变化趋势正好相反。从图10（b）可以明显看出土壤水分和风速这2条曲线大体上呈相反的变化趋势。
图10 山西省2000-2015年土壤水分和风速的季节变化和年际变化Fig.10 Seasonal and interannual variation of soil moisture and wind speed in Shanxi Province from 2000-2015
对土壤水分和风速的年际相关性分析结果如表4 所示，2000-2015 年土壤水分和风速均呈现负相关关系。这16 a 来，相关系数最大的年份是2006 年，达到了-0.822（p＜0.01），2009、2004 以及2007 年次之，但也具有较好的相关性，相关系数均大于0.7（p＜0.01）；
其他年份土壤水分和风速也具有一定的相关性。
表4 土壤水分和风速的相关性分析Tab.4 Correlation analysis of soil moisture and wind speed
2.4 主要影响因子分析
综上所述，本文主要考虑降水量、气温、风速以及NDVI这4 个环境因子，在SPSS 软件上运用主成分分析法来确定影响山西省土壤水分时空变化的主控因子。首先对这4个环境因子进行KMO 检测，结果这4 个环境因子的KMO 均值为0.606＞0.500，且显著性远小于0.05，说明可以运用主成分分析法。主成分分析结果如表5 所示，主成分1 的累计贡献率达到了68.762%，即这1 个主成分代表了这4 个环境因子的68.762%，因此，可将影响山西省土壤水分时空变化的环境因子归为1个主要成分来进行下一步分析。
表5 主成分贡献率和累计方差贡献率Tab.5 Contribution of principal components and cumulative variance
该主成分与变量间的相关性如表6所示，载荷量表示主成分与各变量间的相关系数。可以看出，主成分1与NDVI、降水以及气温的相关性高，分别为0.969、0.931、0.905，与风速的相关性较低，为-0.354。因此，结合主成分1的贡献率和各变量在主成分中所占的比例，可以确定这4个环境因子对山西省土壤水分的影响程度大小依次为：NDVI＞降水＞气温＞风速。结果表明影响山西省土壤水分变化的主控因子是NDVI。
表6 初始因子载荷矩阵Tab.6 Initial factor load matrix
本研究利用ESA CCI土壤水分数据、气候（降水、气温以及风速）和NDVI等数据，对山西省近16 a 来土壤水分的时空演变规律及其与各环境因子的相关性进行分析，并通过主成分分析进一步得出影响土壤水分时空变化的主要因子。研究发现，该地区土壤水分的空间分布特征具有一定的稳定性，整体上呈“南部、北部低，中部高”的分布特征，这与王慧等[27]和郝振纯等[28]的研究结果相似。采用相关性分析法得知土壤水分与NDVI、降水量、气温呈正相关关系，与风速呈负相关关系，结合主成分分析法最终确定影响山西省土壤水分变化的主要因子是NDVI和降水量，其次是气温以及风速，这与郝振纯等通过现场观测资料研究得到降水是影响山西省土壤水分时空变化的主导因素，其次是气温的结论大体一致，但不同的是郝振纯等人并未考虑植被因素的影响。
本研究可为山西省土壤水分干旱评估和制定节水灌溉制度等提供数据支撑，从而推动当地生态保护建设，也可对今后大区域尺度的土壤水领域的研究提供一定的指导作用。但本文也存在一些缺陷，如在土壤水分变化中并未考虑到地形因素和人类活动的影响，在后续研究中应对这些分析进行补充完善。
（1）空间分布上，山西省土壤水分年均值为0.170～0.263 m3/m3。土壤水分总体分布呈现“南部、北部低，中部高”的变化特征，且空间分布具有一定的稳定性。其中，运城市和大同市的土壤水分相对较低，太原市西部、忻州市南部以及晋中市的东部地区土壤水分相对较高。
（2）时间变化上，2000-2015年山西省土壤水分变化整体呈不显著上升趋势，其倾向率为0.000 6 a-1，其中2003、2005-2006、2009年是土壤水分不显著上升的突变点。在过去的16 a 间，山西省上北部、中东部和南部小部分地区呈明显的湿润趋势，山西省西部、下北部和东南部地区呈干旱趋势，尤其是在运城市与临汾市交界处和长治市东部。
（3）运用相关性分析法和主成分分析法，分析了山西省土壤水分与NDVI、降水量、气温以及风速之间的相关性，结果表明：①土壤水分与NDVI、降水量、气温具有明显的正相关关系，与风速呈负相关关系。②降水量、气温以及NDVI对土壤水分的影响均具有一定的滞后性，滞后时间大致为1～2个月。③结合主成分分析和相关性对比，最终确定了影响土壤水分时空变化的主要因子是NDVI和降水量。
猜你喜欢 年际土壤水分气温 基于FY-3D和FY-4A的气温时空融合成都信息工程大学学报(2022年3期)2022-07-21北纬30°中层顶区域钠与铁原子层的结构和年际变化空间科学学报(2021年2期)2021-07-21深冬气温多变 蔬菜管理要随机应变今日农业(2021年2期)2021-03-19西藏高原土壤水分遥感监测方法研究高原山地气象研究(2016年2期)2016-11-10亚洲夏季风的年际和年代际变化及其未来预测中国学术期刊文摘(2016年1期)2016-02-13与北大西洋接壤的北极海冰和年际气候变化中国学术期刊文摘(2016年8期)2016-02-13与气温成反比的东西小雪花·成长指南(2015年10期)2015-10-23不同覆盖措施对枣园土壤水分和温度的影响塔里木大学学报(2014年3期)2014-03-11基于M-K法对图们江干流含沙量年际变化的分析吉林地质(2014年3期)2014-03-11植被覆盖区土壤水分反演研究——以北京市为例自然资源遥感(2014年2期)2014-02-27