黄河水源涵养区土地利用变化的区域分异特征及未来格局

解析黄河水源涵养区历史和未来的土地利用/覆盖变化(LUCC)对于保护黄河流域水土资源和维系生态系统服务功能等具有重要意义。在研究区及其三大子区(Ⅰ黄河上游水源区、Ⅱ渭河南山区、Ⅲ伊洛河区),基于1990—2020年的土地覆盖产品数据,采用转移矩阵、地理探测器、CA-Markov模型等方法,分析LUCC特征、探测驱动因素和预测未来期(2025年)空间格局。结果表明:自2000s以来,研究区及分区地类呈现退耕还林还草和建设用地快速增长的2条主线变化趋势,其中,全区LUCC主要受到粮食产量、高程和人口密度驱动,Ⅰ区、Ⅱ区和Ⅲ区LUCC的主导驱动因素分别是高程、人口密度和粮食产量。未来生态保护情景相对于自然发展情景,耕地和建设用地扩张将受到约束,能更好地保障生态用地面积以支撑水源涵养等生态服务功能。

变化环境下渭河流域土壤水储量模拟及影响因素

[目的]随着气候变化和人类活动影响加剧,流域气候和下垫面条件发生改变,为准确模拟土壤水分变化过程并分析其影响因素对于地区的水资源管理和植被建设的重要意义。[方法]以黄土高原地区渭河流域为研究对象,基于ABCD水文模型,采用EFAST法分析模型参数敏感性,构建常参数和时变参数模型,比较不同参数模型的径流深和土壤水储量模拟精度,探讨气候变化和植被恢复对渭河流域土壤水储量变化的影响,明确土壤水储量变化的主导因素。[结果]土壤水层补给地下水的比例参数c最为敏感,地下水储放系数d、流域实际蒸散发量与土壤蓄水量之和的上限参数b次之,表征土壤完全饱和前径流的倾向性参数a最不敏感;与ABCD常参数模型相比,时变参数模型将率定期径流深模拟结果的NSE、KGE、R^(2)分别提高19%,10%,19%,验证期的NSE、KGE、R^(2)分别提高7%,7%,9%,时变参数模型显著改善径流深模拟效果;基于时变参数模型模拟的渭河流域土壤水储量与ERA5-Land 0—100 cm土层土壤水储量的相关关系最强,二者的变化过程基本相同;不同影响因素对渭河流域土壤水储量变化的影响程度由强到弱依次为潜在蒸散发>降水>NDVI。[结论]研究成果为该地区水资源规划和管理、植被建设提供科学依据,也为其他类似地区的土壤水储量研究提供参考。

宁南黄土区不同人工植被类型深层土壤水分亏缺评价

【目的】开展评估不同人工植被类型深层土壤水分亏缺程度,能为区域科学合理实施植被恢复策略提供理论依据。【方法】以宁夏彭阳中庄小流域5种不同植被类型(山桃林、沙棘林、柠条林、苜蓿地,农田为对照)为研究对象,采用土壤水分相对亏缺指数(CSWDI)和干燥化指数(SDI)定量评价模型,对不同植被类型下0~1 000 cm土壤水分亏缺及干燥化程度进行定量化分析与评价。【结果】不同植被类型深层土壤水分变化特征差异明显,0~1 000 cm平均土壤水分含量呈现出农地(16.29%)>山桃林(13.06%)>沙棘林(12.22%)>柠条林(9.12%)>苜蓿地(8.08%)。在垂直剖面上,土壤水分随土层深度增加总体呈现先减小后增加再逐渐稳定的趋势。在0~1 000 cm农地基本没有水分亏缺和干层发生,山桃林、柠条林、沙棘林和苜蓿地均呈现不同程度的土壤水分亏缺现象,平均土壤水分相对亏缺指数分别为0、0.22、0.62、0.35、0.79,平均土壤干燥化指数分别为185.5%、67.45%、51.55%、87.35%、36.10%,5种植被类型中苜蓿地土壤水分亏缺最严重,其次为柠条林、沙棘林、山桃林、农地。山桃林、柠条林、沙棘林、苜蓿地均有不同程度的干层分布,分别呈现中度、轻度和严重干燥化,干层厚度(DSLT)分别为890、860、800、920 cm,DSL-SWC分别为12.42%、8.14%、11.56%、7.76%。【结论】宁南黄土区不同人工植被类型对深层土壤水分亏缺具有明显影响,导致不同程度土壤干层发生,其中苜蓿地土壤水分亏缺最严重,应采取相应措施恢复土壤水分,促进区域水土资源可持续利用和生态健康发展。

黄土塬区果园-农田交界带土壤水分分布及农田对果园的供水特征

[目的]为探明黄土高原南部塬区果园-农田镶嵌格局下土壤水分空间分布与协同利用特征。[方法]选取长武塬区10龄、21龄和25龄苹果园(AO10、AO21和AO25)及其邻近农田,通过测定2021年雨季后果园-农田交界带有关位点的土壤含水量,定量计算农田土壤储水对果园耗水的贡献。[结果]2021年降水量756 mm,为典型的丰水年份,农田和AO21、AO25果园降雨入渗深度在11月底分别达8.4,7.0,5.0 m。AO10果园-农田交界带以4 m深度为界,其下部土壤含水量较上部大,4-10 m土层平均含水量为25.5%;AO21果园0-7 m土层平均含水量为22.1%,7-10 m为15.0%;AO25果园0-5 m土层平均含水量为20.9%,5-10 m土层平均含水量为13.6%,AO21和AO25果园分别在7.0,5.0 m以下仍存在土壤干层。水平方向上,AO21、AO25果园利用邻近农田土壤水分的距离分别达到5,8 m,农果交界面上农田向果园的供水量,当以干层上界划分土壤剖面,其上为表观供水量,2个果园分别为0.08,0.25 m^(3)/m^(2);其下为实际供水量,分别为0.45,0.81 m^(3)/m^(2)。[结论]黄土塬区果园和农田镶嵌布局是一种较为合理的利用结构,在其规划管理中应考虑果树年限及其相邻农田宽度等因素,研究结果有助于推进区域土壤水资源的可持续利用及其空间优化。

TVDI与土壤湿度关系的多时间尺度分析与旱情监测

[目的]揭示不同时间尺度的TVDI与土壤湿度的关联关系,确定反映土壤湿度的最佳时间尺度,以更为准确地获取土壤湿度信息,精准监测旱情。[方法]以3种不同时间尺度(8 d,16 d和月)的遥感地表温度、反射率数据以及山东省31个地面观测站土壤湿度数据为基础,分析不同时间尺度下植被指数-温度空间特征,建立不同时段不同时间尺度温度植被干旱指数(TVDI)的热边和冷边函数,研究TVDI与土壤湿度之间的关联性随时间尺度的变化规律,确定了区域土壤墒情监测的时间尺度,反演了区域土壤湿度,监测旱情。[结果]植被指数-温度二维空间形状呈三角形,但随时间发生改变;二维空间中植被指数与最大、最小温度之间有明显的线性关系,湿边并非理想的与坐标轴平行的直线;TVDI与土壤湿度线性相关,但两者之间的紧密程度随时间尺度而变,8 d尺度的TVDI与土壤湿度有更高的相关系数;山东省冬小麦旱情与降水高度一致。[结论]短时间尺度的TVDI更适于区域的旱情监测,尽管人工灌溉有效降低了对降水的需求,但降水的多寡仍是影响区域小麦旱情的主要因素。

毛乌素沙地包气带气态水同位素特征及其运移规律

为揭示包气带气态水在大气、土壤和地下水之间交换对内部水与能量传递的响应,该研究应用原位监测、同位素示踪与数值分析相结合的方法,对毛乌素沙地包气带气态水时空变化特征与运移规律进行分析。结果表明,受大气水汽来源和局地循环影响,降水δD_(L)和δ^(18)OL值均表现出春夏富集、秋冬贫化。各深度土壤气态水δ^(18)O_(a)与液态水δ^(18)OL值呈显著正相关(P<0.01),但在季节上,春夏季为极显著线性正相关(P<0.01),而秋冬季则无显著相关性(P=0.12)。表层水汽通量的增大伴随δ^(18)O_(a)富集,而水汽密度夏季的增大和冬季的减小均表现出表层δ^(18)O_(a)富集,夏季蒸发比冬季冻结更能引起表层土壤δ^(18)O_(a)富集。受包气带温度梯度驱动影响,夏季土壤深部气态水接受浅层水汽补给,冬季浅层接受中深层水汽的补给,而春、秋季剖面分别存在温度聚合和发散零通量面,使得补给关系复杂。该研究明确了土壤δ^(18)O_(a)的变化受水汽迁移模式、大气蒸发能力和土壤冻融的共同控制,表层δ^(18)O_(a)的富集在冬季受蒸发与向上的水汽传输共同影响,而夏季主要受土壤水的昼夜蒸发与凝结循环作用所致,该结果为厘清土壤水汽迁移机制以及进一步阐明包气带水循环过程提供科学依据。

基于连续观测数据的毛乌素沙地生长季土壤水分动态及其对降雨的响应

水分是制约半干旱区沙地植物生长发育和生态建设的关键非生物因子。于2008—2010年和2018—2021年生长季(4—10月)对毛乌素沙地流动、半固定和固定沙地0~100cm深土壤水分进行了连续观测,系统分析了不同固定程度沙地土壤水分动态变化规律及其对降雨的响应。结果表明:(1)受降雨季节变化的影响,流动、半固定和固定沙地不同深度土壤水分季节变化一般呈∽型或双峰型,10 cm和30 cm深土壤水分含量波动较大,60 cm和100 cm深土壤水分含量波动较小。(2)3种固定程度沙地生长季土壤水分动态差异明显,总体来看,流动沙地土壤水分状况最好,且土壤水分含量变化相对平缓,固定沙地土壤水分状况最差,且土壤水分含量变化最为剧烈,半固定沙地居于二者之间;固定沙地10~30cm深土壤水分状况好于半固定沙地和流动沙地,30~100cm深土壤水分状况则相反。(3)降雨格局是形成土壤水分时空格局的主要原因,随降雨事件降雨量增加,降雨的入渗深度逐渐增加;但是固定沙地土壤水分的深层补充需较强的降雨和较长的时间。生长季降雨事件以小降雨事件为主,表层土壤水分波动更剧烈。生长季初期降雨较少且以小降雨事件为主,10cm以下土壤水分补充困难,土壤水分状况较差。流动沙地和半固定沙地10~30cm深土壤水分状况好于30~100cm深土壤,而固定沙地土壤水分状况则相反。研究结果可为半干旱区沙化土地近自然植被恢复与固沙植被稳定性维持提供科学依据。

基于无人机多光谱与热红外数据的冬小麦土壤水分反演

引入植被覆盖度会在一定程度上提高土壤水分反演模型的精度,但大多数研究均基于归一化植被指数NDVI估算植被覆盖度,未深入研究基于其他植被指数估算植被覆盖度对模型的影响。为此,以河南省驻马店市西平县人和乡冬小麦部分种植区域为实验区,基于分辨率高、机动性强的无人机平台搭载多光谱与热红外成像仪开展冬小麦覆盖地表的土壤水分反演研究,探究引入不同植被覆盖度参数后模型精度的变化,并弥补基于卫星遥感影像的土壤水分监测分辨率低、时效性差的不足。基于随机森林算法,将温度植被干旱指数TVDI、垂直干旱指数PDI两种干旱指数分别与7种植被指数估算的植被覆盖度参数耦合搭建土壤水分反演模型,并根据最优模型的反演结果对实验区的土壤水分空间分布情况进行分析。同时,建立耦合TVDI与PDI指数、不引入植被覆盖度的土壤水分反演模型TP模型为对照组。结果表明:在0~10 cm和>10~20 cm深度时,TP模型的决定系数R^(2)分别为0.606、0.670,均方根误差RMSE分别为0.045、0.041。7种引入植被覆盖度的模型精度较TP模型精度均有一定程度的提升,其中最优模型TPOSAVI的R^(2)较TP模型分别提高0.143、0.158,RMSE分别降低0.7百分点、0.8百分点。基于干旱指数引入植被覆盖度能够提高模型精度,且不同植被覆盖度参数对模型精度的提升程度有差异。

富钼专用保水剂对东北典型土壤保墒性能及大豆幼苗生长的影响

在东北集约化种植体系中,苗期水肥供应强度直接影响作物生长状况,并最终导致产量变异。富钼大豆专用保水剂是基于高分子材料合成与钼肥技术的耦合。针对东北2种典型土壤类型开展温室盆栽试验,通过二因子五水平的试验设计,研究土壤类型、保水剂类型及施用量对大豆苗期土壤水分利用效率及幼苗生长的影响。结果表明:1)施用不同剂量普通保水剂(H 2020)和富钼专用保水剂(GH 2021)均可在不同程度上提高土壤保水性能,并促进苗期大豆生长及地上部植株干质量;2)土壤含水率和大豆幼苗株高均随用量的增大而增加,且用量为0.5%的GH 2021显著促进大豆幼苗的生长,在黑土和风沙土条件下增幅分别可达68.0%和44.9%;3)0.5%剂量的GH 2021使风沙土土壤含水率提高343.1%,相较于施用H 2020保水性能提升33.6%;4)与H 2020相比,施用量为0.5%的GH 2021使风沙土条件下苗期大豆株高和地上部干质量分别提高16.3%和34.0%。综上,富钼专用保水剂在东北大豆种植区最佳应用范围为:2种土壤条件下,保水剂理论田间推荐用量为0.5%,其对风沙土的保墒性能优于黑土。该保水剂可用于提升干旱区土壤保水性能,改善苗期大豆生长环境和营养状况,最大限度激发东北大豆的增产潜力。

基于特征变量筛选的无人机多光谱遥感土壤含水量反演

土壤含水量是影响农作物生长的重要因素之一,对作物估产和旱情监测具有重要作用。在土壤含水量反演时,一般是提取多个光谱变量进行反演,但变量之间包含的光谱信息可能存在冗余重叠,为提取有效特征变量,使其相互独立,论文选取特征变量筛选方法,并验证其在土壤含水量反演中的适用性。研究基于无人机多光谱影像计算归一化植被指数(Normalized Difference Vegetation Index,NDVI)等12种植被指数,结合无人机热红外数据计算地表温度(Land Surface Temperature,LST)和对应温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI),以及miniSAR数据处理得到的4种后向散射系数,采用XGBoost特征变量和最优子集选择算法(Best Subset Selection,BSS)筛选最优变量组合,然后利用偏最小二乘回归(Partial Least Squares Regression,PLSR)和随机森林回归(Random Forest Regression,RFR)算法反演实验区冬小麦抽穗期的土壤含水量。研究结果表明:①0~20 cm深度的反演结果均优于0~10 cm深度;②对比XGBoost-PLSR、XGBoost-RFR、BSS-PLSR以及BSS-RFR四种土壤含水量反演模型,BSS-RFR模型不同深度下的反演精度最高;③0~10 cm土壤深度下XGBoost-PLSR模型的反演精度优于XGBoost-RFR,0~20 cm深度下则两者相反,0~20 cm深度下,BSS-RFR模型的反演精度均高于BSS-PLSR。研究成果可为无人机多光谱遥感反演土壤含水量提供理论和技术支撑,为卫星遥感大范围土壤水分监测提供检验依据。

椰糠型生态保育基质的水力-入渗特性及配比寻优

[目的]荒漠戈壁因降水量少、蒸发量大等环境因素胁迫,植被稀疏,水土流失严重。探索适宜的土壤改良方法,以提升其保水性、持水性,对于荒漠化防治及戈壁生态农业发展十分重要。[方法]以无椰糠基质组别T0(风沙土∶有机肥∶人造泥炭=7∶3∶1)为对照,对理化性质较好的3组配比椰糠型生态保育基质(风沙土∶椰糠∶有机肥∶人造泥炭=3.5∶3.5∶3∶1或3∶4∶3∶1或2∶5∶3∶1,依次为T1、T2、T3)进行水力-入渗特性试验;利用离心机法测定基质水分与吸力的关系,探究该基质的水力特性;再通过室内定水头土柱入渗试验分析基质的入渗特征;并以测定的各项指标为基础,结合坐标综合评定法进行配比寻优。[结果]T1、T2、T3组别较之T0组别,田间持水量分别增加10.22%,12.13%,14.99%,全有效水含量分别增加8.10%,8.81%,12.83%;在吸力水头的对数值P f=1.8~3.8阶段(基质吸力对数值),各组别比水容量均值大小为T3>T2>T1>T0;根据灰色关联分析,入渗能力大小为T3>T2>T0>T1。[结论]适宜比例椰糠混掺改变基质的有效水含量和孔隙分布比,显著提升基质的保水持水能力。从理化性质、水力及入渗特性角度综合来看,T3配比最优。

黑河中游绿洲边缘三种景观类型土壤水分动态特征及影响因素

土壤水分对干旱区旱生植物的生长发育必不可少,决定了旱生植物群落的演替动态和方向。探究黑河中游绿洲边缘不同景观类型的土壤水分动态特征,制定切实有效、科学合理的防风固沙措施,对于阻止荒漠化进程显得尤为重要。本文以黑河中游绿洲边缘的防护林、荒漠-绿洲过渡带和荒漠三种景观类型为研究对象,采用HYDRUS-2D模型模拟、LSD分析法、Pearson相关性分析等方法,研究三种不同景观类型土壤水分动态特征及影响因素。结果表明:(1)土壤体积含水量的RMSE为0.002~0.006 cm^(3)·cm^(-3),MRE为4.22%~5.20%,R^(2)为0.725~0.967,模拟结果与实测数据具有较高的吻合度,HYDRUS-2D模型可用于本研究区土壤水分动态的模拟研究。(2)防护林和荒漠-绿洲过渡带景观的土壤体积含水量随土层深度增加呈现出先增大后减小的变化趋势,荒漠景观则呈现出先减小后增大的变化趋势。(3)有效降水对土壤体积含水量动态变化起决定性作用,9.5 mm以上的降水量可以在短期内显著提高土壤水分含量和入渗深度,荒漠景观降水后的各时段土壤水分入渗深度高于防护林景观和荒漠-绿洲过渡带景观。(4)三种景观类型的土壤体积含水量与降水、蒸散发、容重、土壤颗粒组成、土壤持水性能等因素有关,且表现出不同程度的显著相关(P<0.01),其中,降水、黏粉粒含量与土壤体积含水量呈显著正相关,容重、砂粒含量与土壤体积含水量呈显著负相关性。因此,研究区栽植防风固沙灌木可以增加土壤黏粉粒含量,提高土壤收集利用雨水的能力,减缓入渗作用的进程,从而对土壤持水性能产生积极影响。

兰州市南北两山土壤水分遥感反演及植被需水量估算

探究西北干旱区土壤水分和植被需水量动态变化特征,可为生态恢复不同阶段所需水资源量及水资源优化配置提供科学依据。以兰州市南北两山为研究区,基于Sentinel-2 L2A和Landsat 8 OLI遥感影像,结合实测土壤0~10 cm的111个数据,分别构建垂直干旱指数(Perpendicular Drought Index,PDI)、改进型垂直干旱指数(Modified Perpendicular Drought Index,MPDI)和植被调整垂直干旱指数(Vegetation-adjusted Perpendicular Drought Index,VAPDI)土壤水分反演模型,并采用4种模型指标定量决定系数(R^(2))、平均绝对误差(MAE)、平均相对误差(MRE)、均方根误差(RMSE)对模型反演的效果进行精度评价,选出最优的土壤水分反演模型并结合土壤水分限制系数,与研究区2019年林地、草地和耕地植被面积的空间数据、各站点生长季内的参考作物蒸散量,构建植被生态需水量模型,厘清研究区内土壤水分、植被需水量时空变化特征。结果表明:(1)2种数据源下的PDI、MPDI、VAPDI和实测数据之间均有着不同程度的线性负相关性,其中R^(2)分别为0.37、0.64和0.59,从评价指标的结果来看,MPDI的土壤水分回归模型的拟合决定系数最高,2种遥感数据反演的土壤水分空间分布格局具有一致性。(2)分辨率高的Sentinel-2L2A土壤水分反演更加精细,土壤水分整体呈波动增长趋势,多时段土壤水分的平均值为23.27%,呈现出降低再增加然后下降,总体增幅为74.07%。(3)兰州市南北两山4—10月植被需水量月均值也呈现先增加后下降的趋势,与土壤水分含量变化具有一致性,4—10月中7月植被需水量最大,为3.98×10^(7)m^(3),10月植被生态需水量最小,为0.97×10^(7)m^(3)。随着环境绿化工程的实施,兰州市南北两山从只能生长耐旱草本和低矮灌木的植物,逐步形成以多种类结合的群落结构。本研究可为兰州市南北两山土壤水资源合理利用及植被恢复提供参考。

基于改进CNN的猕猴桃根区土壤含水率反演方法

为解决无人机遥感领域根据冠层光谱信息对猕猴桃果树根系土壤含水率(root soil water content, RSWC)进行反演时,现有算法对冠层图像信息分析不足的问题,该研究对传统卷积神经网络模型进行改进,提出一种复合视觉卷积回归神经网络(compound visual convolutional regression network, CVCRNet),该网络复合两种不同尺寸卷积层对图像数据进行卷积特征提取,并使用全连接层对卷积特征值进行降维,从而直接以多光谱图像为分析对象对RSWC进行反演,充分利用多光谱图像内所有数据,提升反演精度。研究采集徐香猕猴桃果树果实膨大期(5-9月)冠层多光谱信息和深度40 cm处的RSWC,把基于图像的CVCRNet网络反演方法与基于植被指数的传统反演方法进行对比,CVCRNet训练结果在验证集R^(2)为0.827,RMSE为0.787%,相较于传统方法在验证集R^(2)为0.759,RMSE为0.983%,反演结果相关性有了明显提升,准确率也有得到一定提高。结果表明,改进后的CNN网络能够作为冠层信息反演的重要工具,在冠层复杂的场景下达成良好的土壤数据反演效果。

基于采样点光谱信息窗口尺度优化的土壤含水率无人机多光谱遥感反演

针对空间异质性导致的土壤含水率反演误差较大的问题,分别以玉米灌浆期和小麦苗期的土壤含水率反演为例,利用无人机多光谱遥感技术获取喷灌和畦灌灌溉方式下的正射影像。将34组光谱特征变量按照滑动窗口法提取不同空间尺度的光谱信息平均值,通过极端梯度提升(Extreme gradient boosting, XGBoost)、支持向量机回归(Support vector machine regression, SVR)以及偏最小二乘回归(Partial least squares regression, PLSR)3种机器学习模型确定采样点光谱信息最优窗口尺度;然后,采用皮尔逊相关系数特征变量筛选法(Pearson correlation coefficient feature variable screening method, R)结合XGBoost和SVR模型对提取的34组光谱特征变量进行筛选,选取与土壤含水率敏感的特征变量;最后,估算土壤含水率。结果表明:喷灌方式下所选择的采样点最优光谱信息窗口尺度比畦灌小,其最优窗口尺度范围分别为11×11~21×21和15×15~29×29;采用皮尔逊相关系数特征变量筛选方法结合机器学习模型可有效提高土壤含水率反演精度;5种机器学习模型(R_XGBoost、R_SVR、XGBoost、SVR、PLSR)中R_XGBoost模型估算土壤含水率精度最优,在喷灌和畦灌方式下玉米灌浆期R_XGBoost模型的测试集决定系数R2分别为0.80、0.83,均方根误差(Root mean square error, RMSE)分别为1.27%和0.98%,小麦苗期R2分别为0.76、0.79,RMSE分别为1.68%和0.85%;土壤含水率反演模型在畦灌条件下的精度优于喷灌条件下。该研究可为基于无人机多光谱影像分析的信息挖掘和土壤水分监测提供参考。

基于野外观测实验的中国东部湿润区降雨入渗模拟分析——以宁波画龙溪流域为例

本文以中国东部湿润区典型小流域浙江宁波画龙溪为例,将野外原位定点观测与模型模拟分析相结合,建立了HYDRUS-1D土壤水模拟模型,选取2016年9月29日、2016年10月7日典型降雨事件分别对模型进行率定和验证,并对2016―2020年不同降雨强度下不同土地利用类型的场次土壤水分入渗开展了观测与模拟,以揭示中国东部湿润区不同土地利用类型下的降雨-入渗规律。结果表明:(1)从土壤水分变化过程模拟来看,HYDRUS-1D模型模拟土壤水分动态变化特征具有较高的精度,90%模拟结果的纳什效率系数达到0.80以上。(2)在同等降雨强度下,4种土地利用类型土壤下渗量从大到小依次为农田、杨梅林、坡耕地、竹林。下渗率受降雨量及降雨强度影响较大,不同土地利用下土壤下渗量随着降雨强度增强而显著增加。(3)土壤下渗量同时也受到降雨历时与前期降雨情况深刻影响。当降雨强度从小雨逐级增加到大暴雨,各土地利用类型下渗量略微增加,但增加量均小于5%。对于历时短、强度高的极端降雨事件,降雨强度超过了下渗强度,形成超渗产流,将出现降雨量大但下渗量反而小的现象。本研究成果可为中国东部湿润区农业生产、三水转化规律等提供理论参考。

禾本-豆科间作水分高效利用研究进展

禾本-豆科间作具有提高作物的水分利用效率,优化土壤水分分布,促进作物生长等优点。基于禾本-豆科间作下的光能利用、氮素利用、耗水量、水分利用效率、种间关系,综述了禾本-豆科间作水分利用的特点和机理。通过与土壤改良、不同灌溉方式,智能检测技术相结合,分析了目前禾本-豆科间作模式下水分利用的不足之处。结果表明,目前禾本-豆科间作水分利用效率方面的研究主要侧重于作物搭配、空间布局和耕作方式,可与灌溉管理和土壤改良结合,利用智能检测设备,实时精准的对作物、土壤和环境等因素进行监测,以便进一步了解作物生态生理过程,水分迁移规律以及不同种间的竞争和互补性的协同作用,以便形成禾本-豆科间作水分高效利用管理模式。

使用有限数据推求土壤水分特征曲线VG模型的参数

【目的】使用一种简易方法和有限数据来获取土壤水分特征曲线VG模型的参数。【方法】选择了黑土、褐土、黄绵土、红壤和紫色土5种地带性土壤,实测了土壤饱和含水率(θ_(s))、0.33 bar土壤含水率(θ_(0.33 bar))、最大吸湿水(θ_(97%RH))和空气相对湿度为43%时的土壤吸湿水(θ_(43%RH)),并以θ_(43%RH)为残余含水率(θ_(r)),推导VG模型的参数。将推导出的参数带入到VG模型中,进行了土壤水分特征曲线的预报,并与实测的土壤含水率进行了比较。【结果】该方法能较好地模拟褐土的土壤水分特征曲线,模拟值和测定值的残差一般在0.01 cm^(3)/cm^(3)以内;也可以较好的模拟黄绵土和红壤在0.33~15 bar的土壤含水率,残差一般在±0.01 cm^(3)/cm^(3)以内;但黑土的模拟结果相对较差,在低于0.33 bar时,残差为负,在-0.03 cm^(3)/cm^(3)以内,而在0.33~15 bar,残差为正,达到0.04 cm^(3)/cm^(3);紫色土的模拟结果最差,在低于0.33 bar时,残差为负,达到了-0.07 cm^(3)/cm^(3);但在0.33~15 bar,情况有所改善,残差在0.03 cm^(3)/cm^(3)以内。通过配对t检验,认为模拟值和测定值无显著差异,二者的相关系数(r)为0.990。造成模拟值和测定值差异的原因可能是采样时紫色土密度较低,土壤中有较多的大孔隙,而黑土可能因有机质含量较高具有较好的结构性导致持水能力较强。【结论】采用土壤饱和含水率(θ_(s))、0.33 bar土壤含水率(θ_(0.33 bar))、最大吸湿水(θ_(97%RH))和空气相对湿度为43%时的土壤吸湿水(θ_(43%RH))推导的VG模型参数,可以较好地预报土壤水分特征曲线。但对土壤密度较低、存在大孔隙的土壤,及有机质量较高或结构性较好的土壤,可能会导致部分模拟值和测定值产生较明显的差异。前者可能会影响低吸力段的模拟结果(<0.33 bar),后者则可能影响土壤有效含水率段的模拟结果(0.33~15bar)。

黄土高原样带典型地貌类型坡面土壤水分分布特征及其差异

为掌握黄土高原典型地貌类型丘陵沟壑区和高塬沟壑区的坡面土壤水分分布特征,选取3个典型坡面(长武高塬沟壑区,安塞丘陵沟壑区,神木丘陵沟壑区(风蚀水蚀交错区)),分析3个坡面土壤水分的时空分布和对应环境因素的分布特征,并采用地统计分析比较不同地貌类型坡面土壤水分的差异。根据不同地貌类型区坡面土壤含水量变异系数(CV)平均值的剖面变化,0~500 cm土壤剖面可以划分为速变层(0~40 cm)、活跃层(40~100 cm)、次活跃层(100~200 cm)和相对稳定层(200~500 cm);除丘陵沟壑区坡面0~40 cm和100~200 cm土层外,其他土层土壤含水量均具有较好的空间结构特征,理论半方差函数模型可对其进行较好的模拟,拟合模型结果一般表层土壤含水量为球状模型,深层土壤含水量为高斯模型;由于地形、土壤和植被等因子空间分布的差异性,高塬沟壑区坡面土壤含水量的空间变化与容重、海拔高度和最大叶面积指数有显著相关关系(P<0.01),而丘陵沟壑区和风蚀水蚀交错区坡面土壤含水量的空间变化分别只与最大叶面积指数和土壤质地有显著相关关系(P<0.05)。黄土高原典型地貌类型区不同土层间土壤含水量差异较大,地统计分析可以很好地表达坡面水分的空间异质性。

基于热红外成像的核桃园土壤水分检测方法研究

【目的】了解新疆核桃园区的土壤水分状况并科学配置水资源。【方法】以果实发育期核桃树为研究对象,利用热红外相机连续观测2023年7—8月核桃冠层温度热红外图像,提出一种基于HSV颜色空间的改进K-means分割算法,并进一步分析冠层温度日变化特征。同步观测空气温度、空气湿度、光照度、风速、二氧化碳摩尔分数和0~80 cm土层土壤含水率,反演构建土壤含水率预测模型,并进行验证。【结果】改进的K-means算法分割准确率由82.34%提升至94.55%,获取的冠层温度与实际冠层温度值误差为[0,1];核桃树冠层温度呈单峰变化趋势,其中14:00—16:00为冠层温度的最佳观测时间;水平方向50~60 cm、垂直方向40~60 cm土层为核桃树主要的吸水区间;冠层温度、空气温度、空气相对湿度、二氧化碳摩尔分数与土壤含水率具有显著的相关性,将其作为输入变量建立土壤水分预测模型,回归方程判定系数R^(2)=0.86,p<0.01,表明该模型具有一定的拟合精度。【结论】将该土壤水分预测模型用于核桃区域水分状况诊断具有较好的实际应用效果,能够为新疆地区核桃园提供新的检测土壤水分方式。