松辽平原西部地表土壤水分时空变化与影响因素分析

闫利爽，黄 方，常 帅，李 博

(东北师范大学地理科学学院，吉林 长春 130024)

松辽平原西部地表土壤水分时空变化与影响因素分析

闫利爽，黄 方，常 帅，李 博

(东北师范大学地理科学学院，吉林 长春 130024)

基于土壤湿度和海洋盐度卫星(SMOS)土壤水分数据，采用时空均方根误差、趋势分析、重心迁移模型和相关分析方法，分析了松辽平原西部2010—2014年生长季地表土壤水分时空变化特征及影响因素.结果表明：研究区地表土壤水分呈东北高、西南低的空间分布格局，5年间平均地表土壤水分含量从0.110 m3/m3增加到0.120 m3/m3.扶余、大安、通辽、奈曼旗等地表层土壤水分空间变化显著.在不同年份，地表土壤水分随季节变化明显的地区不同.土壤水分重心向东北方向移动，迁移距离达30.809 km.降水、植被覆盖因素均与地表土壤水分呈显著正相关，降水影响更强.在海拔小于200 m或坡度为10°～20°的地区地表土壤水分相对较高，平均值分别为0.140，0.116 m3/m3.黑土表层平均土壤水分更高，且具有明显的增长趋势.

土壤水分；SMOS数据；TRMM降水数据；NDVI；松辽平原西部

土壤水分是控制陆地和大气间物质、能量交换的关键参数，对陆地表面蒸散发、水分运移和碳收支有很强的控制作用，为植被和土壤生物生存提供物质基础.[1-3]表层土壤水分可能通过陆地-地表大气的反馈机制来调控地表水分布过程，对土壤降雨入渗、产流和抗侵蚀能力产生影响，进而对深层土壤水分的动态变化起决定作用.[4]因此，及时准确地获取与评估区域地表土壤水分时空分布规律，对于水循环和水量平衡、生态系统能量与物质交换以及气候变化等研究具有重要意义.

实地土壤湿度测量耗时费力，时间间隔长、稀少且不连续，难以建立大范围多层深度的土壤水分监测网.[5]卫星遥感为大范围土壤水分动态监测提供了有效途径.土壤湿度和海洋盐度卫星(soil moisture and ocean salinity，SMOS)是首颗以监测全球表面土壤水分含量和海洋盐分为目标设计的对地观测科学试验卫星，[6-7]搭载L波段(1.4 GHz)的合成孔径微波成像辐射计(microwave imaging radiometer with aperture synthesis，MIRAS)，从不同入射角度(0°～55°)，以全极化、二维综合孔径干涉方式进行探测.[8-10]SMOS卫星空间分辨率35～50 km，时间分辨率平均为3 d，对地表(约5 cm深度)土壤水分的探测精度可达到0.04 m3/m3，适于表现大范围内土壤水分的时空变化[4].一些研究[11-13]已对SMOS数据精度及其与实测数据的相关关系进行了分析和验证.松辽平原西部是我国重要的农牧业生产基地，但区域水分空间分配不均、水资源短缺，干旱频发，生态环境脆弱.境内农业气象站点少，传统技术手段很难实时获取区域土壤干湿状况及变化态势.以往在本区及相邻区域开展的大尺度研究[14-15]主要是年内尺度的土壤水分变化规律分析，本文以SMOS土壤水分数据为基础，分析了松辽平原西部地表土壤水分多年的时空分布变化特征，揭示了其与降水、植被、地形及土壤类型的关系，旨在为农业干旱监测、农作物估产、农业资源区划研究等提供数据支持和决策参考.

1 研究区概况

本文的研究区地处松嫩平原和辽河平原的交界处，介于116.271°～126.092°E，41.282°～46.275°N之间，总面积约为23.8万km2.地势西南高东北低，西部多山、丘陵，中东部地区为冲积平原.研究区属半湿润、半干旱的温带大陆性季风气候，年平均降水量300 mm，年均蒸发量是降水量的5～6倍.植被包括羊草、大针茅、隐子草、小黄柳、冰草、拂子茅和马蔺等.主要土壤类型为森林土、针叶林土、栗钙土、沼泽土、黑钙土等.

2 研究方法

2.1 数据及预处理

本文以SMOS卫星Level-3逐月土壤水分数据为基础，空间分辨率0.26°×0.26°，投影为WGS_1984.时相为2010—2014年生长季(5—10月)，共30幅.Level-3数据提供近地表0～5 cm的土壤水分信息，数据格式为NetCDF[9].降水数据TRMM 3B43产品来自美国NASA官方网站(http://trmm.gsfc.nasa.gov/)，空间分辨率0.25°×0.25°，时间分辨率3 h，投影与SMOS数据相同.TRMM数据在ArcGIS中用克吕格插值方法进行了重采样，使其与SMOS数据空间分辨率一致，之后再转为月数据.其他数据包括2010—2013年5—10月的10 d最大值合成SPOT-VGT NDVI产品数据(VGT-S10)，空间分辨率为1 km×1 km，来自VITO影像中心(http://www.vito-eodata.be)，采用最大值合成法[10]获得24幅研究区生长季各月NDVI影像.DEM数据来自地理空间数据云(http://www.gscloud.cn)，利用ArcGIS空间分析模块计算得到高程、坡度和坡向.土壤类型分布从中国科学院林业土壤研究所编制的《中国东北地区土壤图》(1：50 000)矢量化获得.

2.2 时空均方根误差

地表土壤水分的时空变化可以通过研究时段内每个土壤水分栅格时间、空间平均相对差值的均方根误差(root mean square error，RMSE)予以反映[4].本研究中，首先计算土壤水分(soil moisture，SM)的空间平均值和时间平均值，公式如下：

(1)

(2)

(3)

(3)

(5)

(6)

最后，土壤水分的空间和时间均方根误差RS和RT可计算如下：

(7)

(8)

RS反映土壤水分变化与区域平均状况的差异，数值高表示土壤水分空间分布差异大，反之说明对应栅格土壤水分变化与平均状况一致性较强.土壤水分随季节的变化则通过时间均方根误差来表现，RT高的栅格表示土壤水分与该时段的栅格平均值差异大，季节变化明显，反之说明土壤水分值接近于该位置的时间平均值，随季节变化小.

2.3 趋势分析

通过对随时间变化的变量与时间进行一元回归分析，得到变化斜率，进而模拟该变量在研究时段内的变化趋势.[16]土壤水分的变化斜率计算如下：

(9)

式中：n为年数，i为年份序列，以2010年为1，依次类推至2014年；Mi表示第i年SMOS影像各栅格的地表土壤水分值；SM为各栅格土壤水分趋势线的斜率，SM为正值，说明研究期间土壤水分含量总体趋势增加，反之则趋于减少.

2.4 重心迁移模型

以2010—2014年研究区地表土壤水分平均值作为重心的加权系数，计算各年地表土壤水分的分布重心，得到土壤水分的空间变化轨迹.土壤水分分布重心表示为

(10)

式中：(XM，YM)为某年土壤水分分布重心坐标；Xi，Yi为该期SMOS影像中第i个土壤水分栅格中心的经度和纬度；Mi为该栅格土壤水分平均值；n为栅格数.重心迁移距离和角度求算公式为：

(11)

(12)

其中：Dt+1，t和θt+1，t为相邻年份土壤水分重心的迁移距离和角度；(XMt，YMt)和(XMt+1，YMt+1)分别表示为t年和ti+1年区域平均地表土壤水分重心坐标.

2.5 相关分析

利用Pearson相关分析方法分析地表土壤水分变化对降水、植被覆盖的响应关系，逐栅格分别提取地表土壤水分、NDVI值和TRMM降水值，利用SPSS统计软件，进行双变量相关分析，显著性检验采用t检验法.

3 地表土壤水分的时空变化特征

3.1 空间分布格局

2010—2014年生长季期间，松辽平原西部地表土壤水分平均值在0.059～0.205 m3/m3之间变化，空间分布差异较大，表现为东北部高、中西部低.近5年，地表土壤水分含量呈增长态势.2010年区域地表土壤水分含量平均值为0.110 m3/m3，2011年土壤水分下降，仅0.095 m3/m3，是研究时段内的最低值.此后表层水分持续上升，到2013年达到最大值0.130 m3/m3.2014年土壤水分含量又下降，平均值为0.120 m3/m3.从各月变化情况看，5—7月区域平均地表土壤水分逐渐增加，7月达最大值(0.130 m3/m3).9月地表土壤水分仅为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 空间变化

2010年松辽平原西部地表土壤水分空间均方根误差RS在0.056～0.673之间变化，2011—2013年RS的最大值均在0.9以上，土壤水分变化与区域平均状况的差异更明显，2014年空间均方根误差RS在0.047～0.703之间(见图1).各年中扶余、大安、镇赉、奈曼旗等地的空间均方根误差值均较高，说明在这些地区土壤水分含量的变化与全区平均状况存在较大差异.在林西县、翁牛特旗、巴林右旗、科尔沁右翼中旗、赤峰和巴林左旗，各年份RS较小，说明上述地区在同一时期土壤水分与研究区平均表层土壤水分状况一致性较强.

图1 松辽平原西部地表土壤水分含量的空间均方根误差(左)和时间均方根误差(右)分布(2014年)

3.3 季节变化

松辽平原西部各年土壤水分的时间均方根误差值均低于空间均方根误差值(见图1)，说明区域土壤水分的季节波动弱于空间变化.2011年各地土壤水分时间均方根误差RT值差别最大，变化范围在0.090～0.632之间；2000年RT值次之，在0.051～0.510变化；2012年各地RT差异最小.松原、扶余等地RT相对较小，表明地表土壤水分随季节变化不明显.若RT较大，说明在时间序列上波动明显.各年中，地表土壤水分显著季节性变化分别出现在不同地点，如巴林左旗和霍林郭勒市(2010年)、扎鲁特旗和库伦旗(2011年)、霍林郭勒市和敖汉旗等(2012年)、通辽市和库伦旗(2013年)、奈曼旗和库伦旗(2014年).

3.4 空间变化趋势和重心迁移

地表土壤水分变化斜率SM在0.021～0.117之间变化，说明研究区土壤水分含量呈上升趋势，并在空间上自南向北逐渐加快.土壤水分含量分布重心迁移方向是东北—东北—东北—西南，总体向东北移动，迁移距离达30.809 km(见表1).2012—2013年，土壤水分含量分布重心虽然曾移到科尔沁左翼中旗境内，但主要分布于扎鲁特旗.

表1 地表土壤水分分布重心的变化

4 地表土壤水分变化的影响因素

4.1 降水

2010—2014年生长季，研究区的平均降水量呈上升趋势，与地表土壤水分含量增加态势基本一致.其中：2011年仅为19 mm，同年的地表土壤水分均值也最低；2012年区域降水量最高(26 mm)，但之后两年降水持续下降.由表2可见，生长季降水量与地表土壤水分呈显著正相关.2012年，土壤水分对降水的响应明显，相关系数达到0.513.月尺度上，7月份的相关系数更高，说明土壤水分含量对当月降水的响应最为明显，由于雨季降水丰沛，对植被生长所消耗的土壤水分有所补充.

表2 生长季降水与地表土壤水分的相关系数

注：**在0.01水平显著相关，*在0.05水平显著相关，下同.

4.2 植被覆盖

2010—2013年，生长季平均NDVI值呈增加趋势，植被覆盖状况有所改善.2010年NDVI值最低，仅为0.45，随后持续上升，到2012年达到最大值0.53；2013年NDVI值略下降，减至0.51.由表3可见，生长季地表土壤水分与NDVI值呈显著正相关，6月和7月相关性最强.除2012年，其余年份在8月份与植被覆盖相关性均显著.夏季区域植被覆盖状况最好，保水能力强.随着植被长势减弱，需水量开始减少，对土壤水分的影响降低，9—10月NDVI与地表土壤水分则呈负相关关系.

表3 NDVI与地表土壤水分的相关系数

4.3 地形

海拔低于200 m的地区土壤水分含量平均值为0.140 m3/m3，而200～500 m的区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的区域，土壤水分含量平均为0.110 m3/m3.坡度10°～20°的地区平均地表土壤水分含量最高(0.116 m3/m3)，小于10°区域为0.113 m3/m3，大于20°的地区为0.111 m3/m3.从地形坡向看，南坡地表土壤水分值平均为0.121 m3/m3，向北逐渐降低，东/东南坡、西/西南坡的平均土壤水分含量分别为0.113和0.115 m3/m3，北坡最低(0.108 m3/m3)，这与南坡植被生长茂盛，保水能力强有一定关联.

4.4 土壤类型

不同土壤因质地不同对水分的涵养能力存在差别.将土壤类型图分别与地表土壤水分平均值及变化趋势图进行空间叠加，提取各土壤类型区的土壤水分含量值.结果表明，黑土表层平均土壤水分含量最高，为0.150 m3/m3；水稻土次之，平均土壤水分为0.137 m3/m3；栗钙土土壤水分含量最低(0.096 m3/m3).近5年，黑土和水稻土表层土壤水分的变化斜率分别为0.073和为0.072，增长趋势明显.褐土的表层水分变化趋势最小，平均SM值仅为0.035.

5 结论

(1) 2010—2014年生长季，松辽平原西部表层土壤水分空间分布上呈现东北高、西南低的特征.年际尺度上，区域平均地表土壤水分含量值略有增加.

(2) 近5年，松辽平原西部地区地表土壤水分的季节波动弱于空间变化.空间变化显著的地区主要包括扶余、大安、通辽、奈曼旗等县市.松原、扶余等地时间均方根误差相对较小，随季节变化不显著.在不同年份，土壤水分随季节变化强烈的地区不尽相同.研究区地表土壤水分含量分布重心总体上向东北方向移动.

(3) 松辽平原西部地区降水、植被覆盖与地表土壤水分之间存在显著的正相关关系，各年中降水量与地表土壤水分含量的相关系数相对于植被指数要更高，说明在半湿润-半干旱地区降水对地表土壤水分的影响更大.随着海拔的变化，土壤水分含量波动变化.地表土壤水分自南坡向北坡逐渐降低.黑土区表层平均土壤水分含量最高，且呈更明显的增长趋势.

[1] 杨涛，宫辉力，李小娟，等.土壤水分遥感监测研究进展[J].生态学报，2010，30(22)：6264-6277.

[2] 陈亮.SMOS土壤水分反演算法研究[D].北京：中国科学院遥感应用研究所，2009.

[3] 王树果.微波遥感反演地表土壤水分研究——以黑河试验数据为例[D].北京：中国科学院研究生院，2010.

[4] 李小英，段争虎.基于SMOS的黄土高原区域尺度表层土壤水分时空变化[J].中国沙漠，2014，34(1):133-139.

[5] 兰鑫宇，郭子祺，田野，等.土壤湿度遥感估算同化研究综述[J].地球科学进展，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，FONT 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，吕容川，等.SMOS在轨定标概述[J].空间电子技术，2012，47(2):20-25，36.

[10] 唐治华.国外海洋盐度与土壤湿度探测卫星的发展[J].航天器工程，2013，22(3):83-89.

[11] 陈建，张韧，王辉赞，等.Matlab对基于二进制-XML混合格式的SMOS盐度数据的提取方法与实现[J].海洋通报，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] 杨玲，杨艳昭.基于TVDI 的西辽河流域土壤湿度时空格局及其影响因素[J].干旱区资源与环境，2016，30(2)：76-81.

[15] 魏宝成，银山，贾旭，等.蒙古高原植物生长期土壤水分时空变化特征[J].干旱区研究，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

国家自然科学基金资助项目(41571405；41671379).

闫利爽(1989—)，女，硕士研究生；通讯作者：黄方(1971—)，女，博士，副教授，主要从事遥感信息分析与地表参数反演研究.

X 87学科代码420·20

A

(责任编辑：方林)