电阻率成像法监测人工梭梭林土壤水分

高君亮，罗凤敏，马迎宾，张 格，郝玉光



电阻率成像法监测人工梭梭林土壤水分

高君亮，罗凤敏，马迎宾，张 格，郝玉光※

（内蒙古磴口荒漠生态系统国家定位观测研究站/中国林业科学研究院沙漠林业实验中心，磴口 015200）

土壤水分是影响干旱半干旱沙区植物生长发育的主要限制因素。快速、准确地监测土壤水分时空动态可为干旱半干旱区植被建设与生态恢复提供科学依据。以乌兰布和沙漠东北部人工梭梭固沙林土壤为研究对象，在林内、外（根际、冠中、冠缘、行间、林外）设置了5条监测样线，分别于一次强降雨后的第2天、第15天、第55天用多电极电阻仪定位测定了土壤电阻率，同步采取土样用烘干法测定了土壤实际含水率，建立了土壤含水率与土壤电阻率之间的相关关系，并对二维剖面土壤水分空间分布特征进行了分析。结果表明：1）土壤含水率与土壤电阻率之间为极显著负相关关系（<0.01），可用幂函数表示。2）5条测线的土壤电阻率在3次监测时均随土层深度增加而减小，而土壤含水量随土层深度增加而增大，根际<冠中<冠缘<行间<林外。强降水后的不同时间内，由于受土壤属性、树冠对水分再分配、树干径流、根系吸收水分等影响，二维剖面上土壤水分空间分布格局有明显变化。随着雨后干旱时间的延长，0～51 cm水分含量由于受蒸发、植物吸收利用的影响而明显降低。3）电阻率成像技术在野外能快速准确，长期定位监测土壤水分含量；对地表扰动小，实现了非破坏性测量；保证测定精度的同时，还能提供尺度较大的土壤水分空间分布的详实数据，可高效快速地获取连续的土壤水分分布信息。

土壤水分；降水；土壤电阻率；电阻率成像；土壤蒸发；根系吸水；乌兰布和沙漠

0 引 言

土壤水分是干旱半干旱沙区植物生存、生长与发育的主要限制因子[1-2]。沙区水资源缺乏，降水是区域土壤水分的主要补给来源，合理有效利用有限的水资源成为沙区固沙植被长期稳定和可持续发展的前提基础[3-4]。因此，沙地土壤水分一直是荒漠生态系统研究的重点和热点，系统地研究沙区人工固沙林的土壤水分时空动态具有重要的科学和实践意义[5-8]。

乌兰布和沙漠地处中国干旱半干旱区过渡地带，风大沙多，降水稀少，蒸发强烈，固沙植被生长发育对土壤水分的依赖性较强。梭梭（(C. A. Mey.) Bunge.）作为该地区的主要防沙固沙植被[9-10]，其生长发育很大程度上受制于土壤水分条件，同时又对土壤水分动态变化产生一定的反馈作用[11]。因此，准确的对该区域人工梭梭固沙林土壤水分进行长期、定位、连续监测，掌握人工梭梭林土壤水分时空动态状况，可以不失时机地采取相应的技术措施来满足其对土壤水分的需求，进而确保林分的稳定性，发挥防风固沙效益的可持续性。

快速、精确的测量手段是研究沙地土壤水分动态的关键[12]。多年来，对土壤水分测量理论、方法和技术的研究不断取得进展，测量手段也越来越丰富。按照测量尺度可以将这些测量手段归为3类，点尺度，中尺度和大尺度。点尺度上测量土壤水分多采用烘干法[13-14]、中子仪法[15]、时域反射仪法[16]和水分传感器法[17-19]。烘干法结果最准确，但需要采集大量的土样，比较费时费力。中子仪法、时域反射仪法和水分传感器法均需挖掘土壤剖面埋设管子、探头（针），这样对土壤原始结构有一定破坏，且监测的土壤体积有限。随着计算机技术的发展，研究人员将遥感技术应用在土壤水分监测上[20-21]，实现了土壤水分监测从“点尺度”到“区域大尺度”的跨越。但是遥感监测的空间分辨率相对较低，且只能估测表层土壤水分含量[22]，此外，遥感监测过程中还受植被及微地形的影响。因此，围绕土壤水分测定技术所做的研究工作还不够，点尺度和大尺度在尺度代表性上还不够全面，还缺少一个中小尺度的方法。寻找一种快速、简单、可靠而密集、适合中小尺度范围内土壤水分测量方法十分有必要。近年来，国内外的研究人员将电阻率成像技术（electrical resistivity imaging，ERI或electrical resistivity tomography，ERT）应用到了土壤水分监测上。其中，国外用该技术监测土壤水分的研究相对较多[23-28]，而国内的研究相对较少[29-33]。尤其是对干旱半干旱沙区土壤水分监测的研究更少[29]。基于此，本研究以乌兰布和沙漠东北部的人工梭梭固沙林为研究对象，于2016年8～10月应用高密度电阻率成像技术对梭梭林土壤电阻率与土壤水分含量进行了监测研究。目的在于：1）验证高密度电阻率成像技术测量沙地土壤含水量的适宜性，以期为今后沙区土壤水分监测提供一种快速精确、尺度较大的技术手段；2）研究人工梭梭固沙林土壤水分时空动态规律，以期为区域人工固沙林的建设提供科学依据与基础数据。

1 材料与方法

1.1 研究区概况

研究区位于乌兰布和沙漠东北部，行政区划隶属于内蒙古自治区巴彦淖尔市磴口县。该区域属温带大陆性气候，年均气温7.8 ℃，年均大气相对湿度47%，年均降水量140.3 mm，降水季节分配不均，主要集中在7～9月，年均潜在蒸发量2 380.6 mm。土壤类型主要以风沙土为主。天然植被以荒漠植被为主，如：唐古特白刺（Bobrov.）、油蒿（Krasch.）、沙冬青（(Maxim. Ex Kom.) Cheng f.）、霸王（(Bunge.) Maxim.）、沙米（(L.) Moq.）、猪毛菜（Pall.）、沙竹（(Trin.) Bor）、雾冰藜（(Fisch. & C. A. Mey.) Kuntze）等。人工植被主要是绿洲防护体系中种植的各类植物及农作物，其中，乔木以杨柳科（Salicaceae）植物为主，灌木以梭梭、花棒（Fisch. et C.A. Mey.）和沙拐枣属（）植物为主，农作物以向日葵（L.）和玉米（L.）为主。

试验样地为乌兰布和东北部沙漠绿洲外围的人工梭梭固沙林，林内地势比较平坦，起伏不大。梭梭林龄为10 a，行带式种植，株行距为2.5 m×3.0 m，梭梭的行向为东西方向。当前，梭梭植株长势较好，平均地径5.72 cm，平均树高2.84 m，平均冠幅为2.05 m×1.92 m。

1.2 研究方法

本试验选用多电极电阻仪测量梭梭林地土壤电阻率，仪器型号为SYSCAL KID SWITCH-24（IRIS instruments, Avenue Buffon, B.P.6007-45060 Orleans Cedex2, France），包括1台主机，24根电极、24根连接线和2条多接口的缆线。

2016年8月19日－10月12日期间，我们在试验样地开展了3次野外监测试验。8月19日为第1次监测，9月2日为第2次监测，10月12日为第3次监测，每次监测均在上午进行。试验期间相关气象因子的监测数据来自于内蒙古磴口荒漠生态系统国家定位观测研究站（图1）。

注：①、②、③代表3次监测试验。

如图2所示，每次野外监测土壤电阻率与土壤水分时均在梭梭林内、外布设5条监测样线，分别为测线1（梭梭根际处，距梭梭茎干约3 cm），测线2（梭梭冠幅垂直投影的中间位置处，距梭梭茎干约50 cm），测线3（梭梭冠幅垂直投影的边缘处，距梭梭茎干约100 cm），测线4（两行梭梭中间的空地，距梭梭茎干约150 cm），测线5（梭梭林外的半固定沙地）。

注：1#~24#代表电极编号。

3次野外监测试验时电极间距均设置为50 cm，测线长11.5 m，测量层次为7层，采用垂直剖面测量相对比较稳定的温纳（Wenner）阵列[33-37]。单次测量所获取的二维土壤剖面上测点为84个，从上到下（1～7层）每层的测点分别为21、18、15、12、9、6、3个；测量深度分别是25、51、76、102、128、154、179 cm。

电阻仪测量后，需要对视电阻率数据进行反演才能获得真实的土壤电阻率。数据反演插值后为120个点，从上到下（1~8层）每层的测点分别为21、21、19、17、15、11、9、7个，深度分别是9、29、51、75、101、130、161、196 cm。每次测量后，在每根电极的位置插入有编号的细铁丝作为标记，确保定位监测。

土壤电阻率测量完后，在每条测线（测线1～5）上选择3个采样点，用钻头直径为3 cm的土钻进行钻孔，并分层采取土样。采样点1、2、3分别位于每条测线上的3.25、5.75和7.75 m处。每层深度及位置跟电阻仪测量后反演测点的位置相对应，采集的土样用密封袋收集，带回实验室用烘干法测量含水率。用土钻采集土样后对钻孔进行填土并踩实，以减小对后续测量结果准确性的影响。对同一位置的土壤电阻率和实测的土壤含水率采用最优拟合方程来确定二者之间的关系[28,31-32]，并检验方程的显著性。

1.3 数据处理与分析

采用Res 2D Inv ver 3.4软件反演土壤电阻率数据[38-42]，采用Office 2010软件整理数据并绘图，采用SAS 9.0软件建立土壤电阻率与含水率之间的回归关系并检验其显著性，采用Surfer 8.0软件绘制土壤电阻率和含水率的空间格局图。

2 结果与分析

2.1 人工梭梭林土壤电阻率特征

表1是人工梭梭林5条监测样线3次测量时土壤电阻率随深度的变化特征。从表中可以看出，3次测量时5条测线的土壤电阻率整体上表现为随着土层深度增加而变小的趋势。8月19日，5条测线29 cm处的电阻率为107.15～123.55 (Ω·m)，差异不显著（>0.05），51 cm处的电阻率为73.28～101.25 (Ω·m)，差异显著（<0.05），51 cm以下各层土壤电阻率差异极显著（<0.01），土壤电阻率从大到小总体上为根际>冠中>冠缘>行间>林外。9月2日，5条测线的电阻率较8月19日有着较明显的变化，尤以0～51 cm层最为明显。其中，9和29 cm处的电阻率增加了约1倍，51 cm处约为0.5倍（林外除外）。而75 cm处电阻率变化相对很小，除了根际位置处增加外，其他均保持稳定。100 cm及以下电阻率呈减小趋势。5条测线9 cm处的电阻率为249.53～262.45 (Ω·m)，差异不显著（>0.05），29 cm处的电阻率为187.08～239.16 (Ω·m)，差异显著（<0.05），51～196 cm各层电阻率差异极显著（<0.01）。10月12日，100 cm以上土层电阻率均呈增加趋势，尤以0～29 cm层最为明显。130 cm处相对比较稳定，而160和196 cm以下两层的电阻率呈减小趋势（林外除外）。8个测量深度的土壤电阻率差异极显著（<0.01），0～29 cm土层的电阻率高于其他层次。另外，该层林外测线的电阻率高于其他4条测线的电阻率，差异极显著（<0.01）。

表1 人工梭梭林土壤电阻率

注：同一列不同大写字母代表不同土层深度处土壤电阻率差异显著(=0.05)；同一行不同小写字母代表同一土层深度处不同测线土壤电阻率差异显著(=0.05)。

Note: Different capital letters within the same column indicate significant difference in soil resistivity at different soil depth (=0.05). Different lowercase letters within the same row indicate significant difference among different sample lines at the same soil depth soil layer (=0.05).

5条测线3次监测时土壤电阻率空间分布状况如图3所示。它们的共同特征为上层电阻率较下层高，分界线较明显，只是深度有所不同。此外，根际处由于受植物根系分布的影响，0～101 cm范围内电阻率分布存在较大的空间异质性，在空间图上表现出破碎化现象。而其他4条样线电阻率空间分布相对较均一，尤其是带间和林外。

注：横轴距离为测线长度及电极之间的间距。

2.2 土壤含水率与土壤电阻率的相关关系

对野外测量的土壤电阻率数据和烘干法所获的土壤含水率数据进行关系分析，并建立最优回归模型。为了评价土壤电阻率与土壤含水率之间关系的显著性，评价关系式所产生的误差，将所有数据（样本数=268）通过随机抽样方法分为2组，一组用来建立二者之间关系的回归模型（样本数1=178），而另外一组用来检验回归模型的误差（样本数2=90），用决定系数（2）和显著水平（）代表方程显著性，用平均误差（ME，%）代表估计偏差，用均方根误差（RMSE，%）代表估计精度。

从图4中可以看出，人工梭梭林土壤电阻率与土壤含水率之间为反比例关系，二者之间的最优拟合关系式可用幂函数=81.09-0.65来表示，其中，为土壤含水率（%），为土壤电阻率（Ω·m）。经SAS 9.0软件对该回归模型进行显著性检验发现，该模型达到了极显著水平（R=0.72，<0.01）。

注：N1为建模样本数。

为了检验土壤电阻率与土壤含水率之间回归模型的显著性与实用性，对3个钻孔实测的土壤含水率数据与模型计算的土壤含水率数据进行回归分析（图5）。

注：N2为检验模型样本数。

从图5中可以看出，二者拟合的所有数据点均匀的分布在1:1线的两侧，模拟计算值与实测值结果接近，相关关系较好（2=0.80）。二者的关系式可用线性方程0.79+0.84表示，为模型计算土壤含水率值（%），为实测土壤含水率值（%）。经SAS 9.0软件进行显著性检验发现，二者之间的关系达到了极显著水平（2=0.80，<0.01），且土壤含水率的估计偏差小（ME=−0.54%），估计精度高（RMSE=2.83%）。由此表明我们所建立的回归模型可以满足本试验的要求，验证了电阻率成像技术应用于沙地灌木林地土壤水分监测与评价的可适用性。因此，可以将所有土壤电阻率代入模型=81.09-0.65来计算土壤含水率。

2.3 人工梭梭林土壤含水量特征

将5条测线3次测量的所有电阻率代入回归模型=81.09-0.65，计算出所有测点的土壤含水率，然后将每层的土壤含水率求平均值并绘图（图6）。

图6 人工梭梭林土壤含水量

从土壤含水率随深度变化的曲线图中可以看出，5条测线3次测量的土壤含水率随深度的变化趋势存在一定差异。8月19日，5条测线29 cm处土壤含水率为3.61%～3.99%，差异不显著（>0.05），51 cm处土壤含水率为4.31%～5.25%，差异不显著（>0.05），但是随着深度增加，不同测线同一深度处（75、101、130、161、196 cm）的土壤含水率差异极显著（<0.01），以101 cm处最为明显。从整个剖面来看，梭梭根际和冠中位置的土壤含水率随着深度增加一直在增大，而其他3个位置在101 cm处出现一个较大值，然后缓慢减小或保持稳定（图6a）。9月2日，5条测线9 cm处土壤含水率为2.25%～2.61%，差异不显著（>0.05），29、101、130 cm深度上5条测线土壤含水率差异显著（<0.05），51、75、196 cm深度上差异极显著（<0.01）。5条测线的土壤含水率均随深度增加总体上呈增大趋势。林外和林带中间位置的含水率高于其他位置，根际处含水率最低（图6b）。10月12日，5条测线0～29 cm的土壤含水率差异显著（<0.05），林外的土壤含水率低于其他4个位置，而51～161 cm土层，林外的土壤含水率明显高于林内，行间和冠缘的土壤含水率明显高于根际和冠中，161～196 cm层的差异不显著（>0.05）（图6c）。

2.4 人工梭梭林土壤水分空间分布特征

通过土壤电阻率与土壤含水率之间的回归模型计算了土壤剖面上所有测点的土壤含水率值，并绘制土壤水分含量空间格局图（图7）。从图中可清楚地看出5条测线3个不同测量时期土壤水分空间分布状况。5条测线3个不同时期土壤水分含量的共同特征为：上层水分含量较下层低，存在比较明确的分界线，只是深度有所不同。随着降雨后时间延长，表层土壤水分含量明显降低，而下层水分含量有所增加，尤其是131 cm以下深度增加更为明显。因为该层以下植物吸收利用水分的毛细根系相对较少一些，这个层次土壤水受重力作用影响，逐渐向下渗漏，造成下层土壤水含量相对较高。一次较大降水事件后，不同测线上由于受到植被、土壤自身属性等多因素的影响，水分在土壤中的入渗与扩散等均存在差异。如，林外半固定沙地上，由于植被相对较少，深根性植物也少，土壤性质相对均一，空间异质性较小，水分入渗较林内均匀，水平分层比较明显。而林内由于受植物影响（树冠截流、树干茎流等），对降雨进行了二次甚至多次分配，因此导致不同位置处接受的雨量不同，此外，由于植物根系的分布，使得水分在土层中的空间异质性也较大。此外，从图中还可看出，长时间得不到有效降水的补给，由于受蒸发和植物吸收利用，表层（0～29 cm）土壤水分一直在减少，林外和行间的表层水分减少明显强于林内。而中间层（29～151 cm）土壤水分林外和行间要高于根际、冠中和冠缘，这主要是受灌木根系吸收利用所造成的。

图7 土壤水分空间格局图

3 讨 论

土壤电阻率是多因素综合作用的结果[43-44]，但在特定情况下，某单一因素的影响占主导地位是通过电阻率监测获知土壤特性和状态的必要前提[35]。如沙地人工固沙林，由于沙质土壤在较大尺度上具有相对均匀的质地，影响土壤电阻率的主要因素应为土壤含水量和地下水位状况[29]。乌兰布和沙区人工栽植固沙植被的沙丘地下水位一般都大于2 m，地下水位对土壤电阻率影响相对很小，因此认为影响不同层次土壤电阻率的主导因素是土壤水分含量。此外，本研究3次测量，5条测线电阻率均值随着深度增加而减小，8月19日，由117.64 (Ω·m)减小至19.55 (Ω·m)，9月2日，由253.90 (Ω·m)减小至14.95 (Ω·m)，10月12日，由522.62 (Ω·m)减小至13.06 (Ω·m)。同一层次上，50 cm以上土层雨后第2天的电阻率值极显著小于其他2次（<0.01），而50 cm以下层次的电阻率值差异不显著（>0.05），且大于其他2次。进一步表明，乌兰布和沙漠人工固沙林不同土壤深度层的电阻率主要受土壤含水量的影响。

众多研究者对土壤电阻率与土壤含水率二者关系的研究结果显示，土壤电阻率与水分含量为反比例关系，二者关系的拟合模型主要有线性模型[33,45]、指数模型[31-32]和幂函数模型[27-29]。本研究中土壤含水率与电阻率之间为极显著负相关关系（=81.09-0.65，2=0.72，<0.01），结果与前人研究结果类似，仅最优拟合模型及模型中系数（，）、决定系数（2）及显著水平（）有所差异（图4和图5），这可能是因为研究区域不同，土壤类型不同，土地利用类型不同等多因素导致。

由于受降水、土壤水力学性质、蒸发蒸散、植被分布等多因素的影响[41]，不同测量时期，土壤水分随深度变化的趋势有所不同（图6）。不同位置测线的土壤水分二维空间分布格局也各不相同（图7）。其中，0～50 cm土层土壤含水量在不同时期变化最为明显，在较大的降水事件后（8月19日），0～50 cm土层含水量明显增高，这是因为较大降雨后，0～50 cm土层得到了补给，水分含量迅速增加。但是沙地土壤持水性较差，降水后土壤水分入渗速度较快，该层土壤水分达不到最大持水量，多余水分继续下渗，进而使下层水分含量增加，这同Nijland等[27]的监测结果一致。降雨过程中，由于树冠对降雨的再分配作用，使到达地表的水量有所不同[42]，此外，土壤水在入渗过程中，受土壤质地的变异性、入渗的非均匀性、树干茎流以及植物根部对土壤水分吸收等因素影响，导致入渗速度不一致而使二维剖面上出现不同的斑块状分布区域[28,33,42]。随着雨后干旱时间的延长（9月2日和10月12日），0～50 cm土层土壤含水量迅速降低。这主要是因为该时间段内降雨量较少，土壤水分补给不足，而气温仍处于较高时期（日均温24.27 ℃），蒸发量较强烈（日均蒸发量6.52 mm），植物生长也尚处于旺盛时期，蒸腾作用较强，0～50 cm土层的水分由于受土壤蒸发和植物根系吸收利用，其含量进一步降低。这与Celano等[28]所得的结论一致，橄榄园的土壤水分在长期没有降雨补给下，0～0.6 m（草本植物根系的最大深度）土壤水分消耗特别明显。此外，林外和行间的表层水分减少明显强于林内，这主要是受蒸发影响所致，由于受蒸腾蒸散作用的影响，土壤表层含水量会减少明显。但是，有植被存在的地方由于受树冠遮阴的影响，表层水分的减少量较树冠外低70%[41]。降雨后第55 d，由于长时间没有得到有效降水补给，5条测线0～30 cm土层的土壤水分均已降至2%以下。尤其是根际位置，由于受根系吸收水分的影响，根系周围减少的更加明显，形成了水分低值区域，且深度一直向下延伸。以上结果表明，0～50 cm土层的土壤水分易受外界因素影响，而50～200 cm相对较小，这与朱海等人的研究结果相类似，0～40 cm土层为土壤水分活跃层，40～200 cm土层为土壤水分次活跃层[46]。

本研究应用电阻率成像技术对乌兰布和沙漠东北部人工梭梭林土壤水分进行了监测，并建立了土壤电阻率与土壤含水率之间的关系模型，进而推算了二维剖面上的土壤含水量，研究结果符合实际情况，且与前人研究相一致，因此认为该技术可为干旱区沙地土壤水分中尺度监测提供可行的方法。但是，本研究还存在一定不足，需在今后研究中加强与弥补，1）采用多种不同的电极排列方式测定沙地土壤水分；2）在样地安装水分监测传感器，对不同标定电阻率的方法进行对比分析；3）对梭梭整个生长周期内不同时期的土壤水分进行测量，并结合水分传感器监测样地土壤水分实时动态；4）增大电极间距，以获取更深层次的土壤水分含量；5）在梭梭林内布设更多的监测样线获取土壤水分数据，反映林内土壤水分在三维空间上的变化情况。以使电阻率成像技术为土壤水分监测、质量评价及相关工作提供切实的指导和帮助。

4 结 论

本文基于多电极电阻仪测定了乌兰布和沙漠东北部人工梭梭林雨后3个不同时期的土壤电阻率，并同步测定土壤含水率，建立了二者之间的关系，分析了不同时期的土壤水分空间分布格局，主要结论如下：人工梭梭（<0.01）的反比例关系。5条测线3个不同时期土壤电阻率整体均随土层深度加深呈减小趋势，而土壤水分含量的变化趋势与之相反。不同时期5条测线上的土壤含水量从大到小为根际<冠中<冠缘<行间<林外。0～51 cm层土壤含水量易发生变化，而51～196 cm层土壤含水量变化相对较小。由于受土壤蒸发、水分入渗、树冠对降水再分配、树干径流、树冠遮阴等因素的影响，5条测线不同时期土壤含水量的空间分布格局各不相同，但均可反映出土壤水分空间变化的实际情况。

综上所述，利用多电极电阻仪来评价沙地土壤水分状况是可行的，且该方法具有微扰动原位监测；多尺度（水平和垂直）同步监测；可重复连续监测的优势。

[1] 崔国发. 固沙林水分平衡与植被建设可适度探讨[J]. 北京林业大学学报，1998，20(6)：89－94.

Cui Guofa. Water balance of dune fixation forest and suitability of artificial vegetation[J]. Journal of Beijing Forestry University, 1998, 20(6): 89－94. (in Chinese with English abstract)

[2] 梁少民，张希明，曾凡江，等. 沙漠腹地乔木状沙拐枣对灌水量的生理生态响应[J]. 中国沙漠，2010，30(6)：1348－1353.

Liang Shaomin, Zhang Ximing, Zeng Fanjiang, et al. Ecophysiological response ofLitv. to irrigation volume in the hinterland of the Taklimakan Desert[J]. Journal of Desert Research, 2010, 30(6): 1348－1353. (in Chinese with English abstract)

[3] Wang X P, Berndtsson R, Li X R, et al. Water balance chance for a re-vegetated xerophyte shrub area[J]. Hydrological Science Journal, 2004, 49(2): 283－295.

[4] 王经民，戴夏燕，韩冰. 黄土丘陵区土壤水分研究[J]. 农业系统科学与综合研究，2000，16(1)：53－56.

Wang Jingmin, Dai Xiayan, Han Bin. Soil moisture in loess hilly region[J]. System Sciences and Comprehensive Studies in Agriculture, 2000, 16(1): 53－56. (in Chinese with English abstract)

[5] 李新荣，马凤云，龙立群，等. 沙坡头地区固沙植被土壤水分动态研究[J]. 中国沙漠，2001，21(3)：217－222.

Li Xinrong, Ma Fengyun, Long Liqun, et al. Soil water dynamics under sand-fixing vegetation in Shapotou area[J]. Journal of Desert Research, 2001, 21(3): 217－222. (in Chinese with English abstract)

[6] Simmons M T, Archer S R, Teague W R, et al. Tree () effects on grass growth-An experimental assessment of above and below ground interactions in a temperate savanna[J]. Journal of Arid Environments, 2008, 72(4): 314－325.

[7] 潘颜霞，王新平，苏延桂，等. 荒漠人工固沙植被区土壤水分的时空变异性[J]. 生态学报，2009，29(2)：993－1000.

Pan Yanxia, Wang Xinping, Su Yangui, et al. Temporal and spatial variability of surface soil moisture in a revegetation desert area in Shapotou[J]. Acta Ecologica Sinica, 2009, 29(2): 993－1000. (in Chinese with English abstract)

[8] 高玉寒，姚云峰，郭月峰，等. 柠条锦鸡儿细根表面积密度对土壤水分空间分布的响应[J]. 农业工程学报，2017，33(5)：136－142.

Gao Yuhan, Yao Yunfeng, Guo Yuefeng, et al. Response offine root surface area density to spatial distribution of soil moisture[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(5): 136－142. (in Chinese with English abstract)

[9] 李钢铁，秦富仓，贾守义，等. 旱生灌木生物量预测模型的研究[J]. 内蒙古林学院学报，1998，20(2)：24－31.

Li Gangtie, Qin Fucang, Jia Shouyi, et al. Study on biomass estimation models of xerophyte shrub[J]. Journal of Inner Mongolia Forestry College, 1998, 20(2): 24－31. (in Chinese with English abstract)

[10] 叶静芸，吴波，刘明虎，等. 乌兰布和沙漠东北缘荒漠-绿洲过渡带植被地上生物量估算[J]. 生态学报，2018，38(4)：1216－1225.

Ye Jingyun, Wu Bo, Liu Minghu, et al. Estimation of aboveground biomass of vegetation in the desert oasis ecotone on the northeastern edge of the Ulan Buh Desert[J]. Acta Ecologica Sinica, 2018, 38(4): 1216－1225. (in Chinese with English abstract)

[11] 李清河，赵英铭，江泽平，等. 乌兰布和沙漠东北部天然植被动态及生态用水量研究[J]. 水土保持学报，2006，20(5)：146－149.

Li Qinghe, Zhao Yingming, Jiang Zeping, et al. Study on natural vegetation and its ecological water use in northeastern Ulanbuh Desert[J]. Journal of Soil and Water Conservation, 2006, 20(5): 146－149. (in Chinese with English abstract)

[12] 王前锋，周可法，孙莉，等. 基于探地雷达快速测定土壤含水量试验研究[J]. 自然资源学报，2013，28(5)：881－888.

Wang Qianfeng, Zhou Kefa, Sun Li, et al. A Study of fast estimating soil water content by ground penetrating radar[J]. Journal of Natural Resources, 2013, 28(5): 881－888. (in Chinese with English abstract)

[13] 安慧，王俊波，安钰. 灌丛密度对毛乌素沙地南缘沙柳生长及土壤水分动态的影响[J]. 干旱地区农业研究，2012，30(1)：197－202.

An Hui, Wang Junbo, An Yu. Effects of shrub density on growth of artificialand soil moisture dynamics in Mu Us sandy land[J]. Agricultural Research in the Arid Areas, 2012, 30(1): 197－202. (in Chinese with English abstract)

[14] Fu A H, Chen Y N, Li W H. Water use strategies of the desert riparian forest plant community in the lower reaches of Heihe River Basin, China[J]. Science China: Earth Sciences, 2014(57): 1293－1305.

[15] 张继义，赵哈林，崔建垣，等. 科尔沁沙地樟子松人工林土壤水分动态的研究[J]. 林业科学，2005，41(3)：1－6.

Zhang Jiyi, Zhao Halin, Cui Jianyuan, et al. Community structure, soil water dynamics and community stability ofvar.plantation in Horqin Sandy Land[J]. Scientia Silvae Sinicae, 2005, 41(3): 1－6. (in Chinese with English abstract)

[16] 阿拉木萨，周丽芳. 科尔沁沙地流动沙丘土壤水分空间变化特征分析[J]. 土壤，2011，43(3)：392－397.

A Lamusa, Zhou Lifang. Spatial variation of soil water storage (SWS) on active dune in Horqin Sandy Land[J]. Soils, 2011, 43(3): 392－397. (in Chinese with English abstract)

[17] 李海东，沈渭寿，林乃峰，等. 雅鲁藏布江中游河岸交错带沙地土壤水分的空间异质性[J]. 农业工程学报，2012，28(6)：150－155.

Li Haidong, Shen Weishou, Lin Naifeng, et al. Spatial variability of soil moisture on aeolian sandy land in riparian ecotone of middle reaches of Yarlung Zangbo River valley[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(6): 150－155. (in Chinese with English abstract)

[18] Wu B, Han H Y, He J, et al. Field-specific calibration and evaluation of ECH2O EC-5 sensor for sandy soils[J]. Soil Science Society of America Journal, 2013, 78(1): 70－78.

[19] Zhang J H, Wu B, Li Y H, et al. Biological soil crust distribution in Artemisia ordosica communities along a grazing pressure gradient in Mu Us Sandy Land, Northern China[J]. Journal of Arid Land, 2013, 5(2): 172－179.

[20] 周会珍，刘绍民，白洁，等. 毛乌素沙地土壤水分的遥感监测[J]. 农业工程学报，2008，24(10)：134－140.

Zhou Huizhen, Liu Shaomin, Bai Jie, et al. Remote sensing monitoring of soil moisture in the Mu Us sandland[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(10): 134－140. (in Chinese with English abstract)

[21] 霍艾迪，康相武，张广军，等. 基于MODIS数据的毛乌

素沙地土壤水分模型的建立[J]. 干旱地区农业研究，2010，28(4)：19－23.

Huo Aidi, Kang Xiangwu, Zhang Guangjun, et al. Study on soil moisture model in Mu Us desert using MODIS image[J]. Agricultural Research in the Arid Areas, 2010, 28(4): 19－23. (in Chinese with English abstract)

[22] 张宗海，张建平. 科尔沁沙地土壤表层水分遥感反演模型研究[J]. 水资源与水土程学报，2011，22(6)：127－132，136.

Zhang Zonghai, Zhang Jianping. Research on the soil surface moisture retrieval model by remote sensing in Horqin sandy[J]. Journal of Water Resources & Water Engineering, 2011, 22(6): 127－132, 136. (in Chinese with English abstract)

[23] French H, Binley A. Snowmelt infiltration: Monitoring temporal and spatial variability using time-lapse electrical resistivity[J]. Journal of Hydrology, 2004, 297(1/4): 174－186.

[24] Srayeddin I, Doussan C. Estimation of the spatial variability of root water uptake of maize and sorghum at the field scale by electrical resistivity tomography[J]. Plant and Soil, 2009, 319(1/2): 185－207.

[25] Besson A, Cousin I, Bourennane H, et al. The spatial and temporal organization of soil water at the field scale as described by electrical resistivity measurements[J]. European Journal of Soil Science, 2010, 61(1): 120－132.

[26] Oberdorster C, Vanderborght J, Kemna A, et al. Investigating preferential flow processes in a forest soil using time domain reflectometry and electrical resistivity tomography[J]. Vadose Zone Journal, 2010, 9(2): 350－361.

[27] Nijland W, Van der Meijde M, Addink E A, et al. Detection of soil moisture and vegetation water abstraction in a Mediterranean natural area using electrical resistivity tomography[J]. Catena, 2010(81): 209－216.

[28] Celano G, Palese A M, Ciucci A, et al. Evaluation of soil water content in tilled and cover-cropped olive orchards by the geoelectrical technique[J]. Geoderma, 2011(163): 163－170.

[29] 朱教君，徐大勇，康宏樟，等. 沙质林地土壤阻抗系数测量方法[J]. 生态学杂志，2005，24(2)：222－227.

Zhu Jiaojun, Xu Dayong, Kang Hongzhang, et al. Method for the measurement of soil resistivity in sandy woodland[J]. Chinese Journal of Ecology, 2005, 24(2): 222－227. (in Chinese with English abstract)

[30] 张虎元，王少一，赵天宇，等. 利用高密度电阻率法进行盐渍土含水率的测定[J]. 水文地质工程地质，2012，39(1)：95－101.

Zhang Huyuan, Wang Shaoyi, Zhao Tianyu, et al. Determination of water content of saline soil with multi-electrode resistivity method[J]. Hydrogeology & Engineering Geology, 2012, 39(1): 95－101. (in Chinese with English abstract)

[31] 段旭，王彦辉，程积民. 宁夏固原云雾山天然草坡土壤电阻率和含水率的关系及其空间变异[J]. 农业工程学报，2012，28(7)：130－137.

Duan Xu, Wang Yanhui, Cheng Jimin, et al. Spatial variation and relationship of soil resistivity and water moisture on typical grass slopes of Yunwu Mountains[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(7): 130－137. (in Chinese with English abstract)

[32] 段旭，王彦辉，李贤忠，等. 云雾山草坡和泾川刺槐林坡面土壤电阻率和含水率的空间差异[J]. 生态学杂志，2012，31(3)：632－639.

Duan Xu, Wang Yanhui, Li Xianzhong, et al. Spatial differences of soil electrical resistivity and moisture content in slope grassland in Yunwu Mountains and in slope locust forestland in Jingchuan Mountains, Northwest China[J]. Chinese Journal of Ecology, 2012, 31(3): 632－639. (in Chinese with English abstract)

[33] 岳宁，董军，李玲，等. 基于高密度电阻率成像法的陇中半干旱区土壤含水量监测研究[J]. 中国生态农业学报，2016，24(10)：1417－1427.

Yue Ning, Dong Jun, Li Ling, et al. soil water content monitoring in Longzhong semi-arid region by high-density electrical resistivity tomography[J]. Chinese Journal of Eco-Agriculture, 2016, 24(10): 1417－1427. (in Chinese with English abstract)

[34] Zhou Q Y, Shimada J, Sato A. Three-dimensional spatial and temporal monitoring of soil water content using electrical resistivity tomography[J]. Water Resources Research, 2001, 37(2): 273－285.

[35] 周仲华，郑龙，孙博. 土遗址墙体含水量与电阻率关系研究[J]. 岩石力学与工程学报，2009，28(增刊2)：4054－4058.

Zhong Zhonghua, Zheng Long, Sun Bo. Research on relationships between water content and resistivity of eastern ruin walls[J]. Chinese Journal of Rock Mechanics and Engineering, 2009, 28(Supp.2): 4054－4058. (in Chinese with English abstract)

[36] Ain-Lhout F, Boutaleb S, Diaz-Barradas M C, et al. Monitoring the evolution of soil moisture in root zone system ofusing electrical resistivity imaging[J]. Agricultural Water Manage, 2016, 64(1): 158－166.

[37] Cuong L P, Tho L V, Juzsakova T, et al. Imaging the movement of toxic pollutants with 2D electrical resistivity tomography (ERT) in the geological environment of the Hoa Khanh Industrial Park, Da Nang, Vietnam[J]. Environ Earth Science, 2016(75): DOI 10.1007/s12665-016-5253-x.

[38] Michot D, Benderitter Y, Dorigny A, et al. Spatial and temporal monitoring of soil water content with an irrigated corn crop cover using surface electrical resistivity tomography[J]. Water Resources Research, 2003, 39(5): doi:10.1029/2002WR001581.

[39] Gunn D A, Chambers J E, Uhlemann S, et al. Moisture monitoring in clay embankments using electrical resistivity tomography[J]. Construction and Building Materials, 2015(92): 82－94.

[40] 解迎革，李霞，张风宝，等. 基于电阻率断层扫描技术探测林地土层厚度[J]. 农业工程学报，2015，31(4)：212－216.

Xie Yingge, Li Xia, Zhang Fengbao, et al. Detection of soil thickness in forest land based on electrical resistivity tomographic scanning technology[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(4): 212－216. (in Chinese with English abstract)

[41] Ain-Lhout F, Boutaleb S, Diaz-Barradas M C, et al. Monitoring the evolution of soil moisture in root zone system of Argania spinosa using electrical resistivity imaging[J]. Agricultural Water Manage, 2016, 64(1): 158－166.

[42] Fan J L, Scheuermann A, Guyot A, et al. Quantifying spatiotemporal dynamics of root-zone soil water in a mixed forest on subtropical coastal sand dune using surface ERT and spatial TDR[J]. Journal of Hydrology, 2015(523): 475－488.

[43] Boehm G, Brauchler R, Nieto D Y, et al. A field assessment of site-specific correlations between hydraulic and geophysical parameters[J]. Near Surface Geophysics, 2013, 11(5): 473－483.

[44] 马东豪，张佳宝，吴忠东，等. 电阻率成像法在土壤水文学研究中的应用及进展[J]. 土壤学报，2014，51(3)：439－447.

Ma Donghao, Zhan Jiabao, Wu Zhongdong, et al. Application of electrical resistivity tomography to study on soil hydrology and its advance[J]. Acta Pedologica Sinica, 2014, 51(3): 439－447. (in Chinese with English abstract)

[45] Hadzick Z Z, Guber A K, Pachepsky Y A, et al. Pedotransfer functions in soil electrical resistivity estimation[J]. Geoderma, 2011(64): 195－202.

[46] 朱海，胡顺军，陈永宝. 古尔班通古特沙漠南缘固定沙丘土壤水分时空变化特征[J]. 土壤学报，2016，53(1)：113－122.

Zhu Hai, Hu Shunjun, Chen Yongbao. Spatio-temporal variation of soil moisture in fixed dunes at the southern edge of Gurbantunggut Desert[J]. Acta Pedologica Sinica, 2016, 53(1): 113－122. (in Chinese with English abstract)

Monitoring of soil water content inplantation using electrical resistivity tomography

Gao Junliang, Luo Fengmin, Ma Yingbin, Zhang Ge, Hao Yuguang※

(/015200)

Soil water plays an important role in the plant growth in the arid and semiarid areas, and it is a factor influencing the distribution and quantity of vegetation in arid and semiarid areas. Through long-term and continuous monitoring and assessing soil moisture rapidly and accurately, it can provide guidance for vegetation construction and ecological restoration in the arid and semiarid areas.is an endemic tree, and also a main species for sand fixation in Ulan Buh desert. The main aim of the study was to test the usefulness of such geoelectrical method for the assessment of spatial and temporal variability of soil water content inplantation. For that purpose, five sample lines were set up inplantation, three geoelectrical measurement campaigns were performed in 19 August, 2 September, and 12 October 2016. For each campaign, 5 two-dimensional (2-D) geoelectrical tomographies were carried out in the wenner array using a fixed electrode spacing of 0.5 m. After each campaigns the ERT were followed by soil samplings carried out with auger directly below the respective geoelectrical profiles. Direct measurements of soil electrical conductivity and soil water content were conducted on the soil samples inand in the laboratory. The results showed that soil water content was significantly related to soil electrical resistivity data, by the power model=81.09-0.65(2=0.72,<0.01,=187). A reliable linear relationship between the calculated and measured soil water content data was found (2=0.80,<0.01, ME=-0.54%, RMSE=2.38%,=190). Five sampling lines of the soil electrical resistivity at three times gradually decreased with the increase of soil depth, while soil water content was the opposite. After the heavy rain event, the spatial distribution pattern of soil water in 2-D profile changed apparentlydue to rainfall interception by trees, root water uptake and preferential infiltration associated with stem flow. Soil water content was in an increasing tendency after two days of the rain event. As the time continuing, soil water content of soil surface between 0-50 cm showed a significant decrease due to the evaporation and root water uptake. Soil water content of at the depth of 100 cm below the ground had a tendency to increase because of infiltration, indicating that continuous heavy rainfall can effectively supply soil water in the soil surface below one meter. The analysis and monitoring result of the temporal and spatial variation of the soil water content showed that ERT can monitor soil water content quickly and accurately in the field over a long time scale, and moreover, it was not intrusive. It also can provide large-scale and high resolution image of soil water content and water infiltration process. From the analysis and monitoring result of the temporal and spatial variation of the soil water content, we conclude that ERT can be an effective method for monitoring and assessing soil water content and reserves, and thus it allowed us to understand the hydrological processes in sand dune environments.

soil water; precipitation; soil resistivity; electrical resistivity tomography(ERT); soil evaporation; root water uptake; Ulan Buh Desert

高君亮，罗凤敏，马迎宾，张 格，郝玉光. 电阻率成像法监测人工梭梭林土壤水分[J]. 农业工程学报，2018，34(22)：92－101. doi：10.11975/j.issn.1002-6819.2018.22.012 http://www.tcsae.org

Gao Junliang, Luo Fengmin, Ma Yingbin, Zhang Ge, Hao Yuguang. Monitoring of soil water content inplantation using electrical resistivity tomography[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(22): 92－101. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.22.012 http://www.tcsae.org

2018-05-17

2018-10-09

中央级公益性科研院所基本科研业务费（CAFYBB2016QA016）

高君亮，博士生，工程师，主要从事荒漠化防治研究。 Email：gaojunliang1985@163.com

郝玉光，博士，研究员，主要从事荒漠化防治研究。 Email：hyuguang@163.com

10.11975/j.issn.1002-6819.2018.22.012

S158.2

A

1002-6819(2018)-22-0092-10