黄河源区土壤水分空间变异及其主控因子

高科，盖艾鸿，潘韬,马志昂，陆茜

(1.甘肃农业大学管理学院，甘肃 兰州 730070；2.甘肃农业大学资源与环境学院，甘肃 兰州 730070；3.中国科学院地理科学与资源研究所，北京 100000)

黄河源区地处我国西北，沙漠化现象较为严重，导致的地表特征变异明显，地表特征的空间变异性进而通过对降水的再分配的影响造成了土壤水分空间分布的差异[1].另一方面，黄河源区自身面积广阔，地形起伏明显，区域内气候、植被、土壤等自然地理要素空间差异显著，加之人类活动强度(土地利用、放牧、生态保护工程等)存在明显区域差异，导致了土壤水分空间分布的显著时空分异，此外，多种自然与人为因子之间的交互作用进一步加剧了土壤水分的空间变异性[2-4].进行黄河源区的土壤水分及其空间变异研究，对该地区植被建设与恢复生态管理具有重要的生态意义[5].

相关研究发现，地形、植被、气候等都会影响到土壤水分的空间分布.坡度影响着水分入渗、排水和径流，从而导致了土壤水分分布的空间差异[6].坡向和坡位的不同，所对应的土壤水分也表现出了不同的空间异质性[5].Henninger等[7]研究发现相对海拔对土壤水分变异影响显著.地表植被类型、密度等可以通过根系吸水和净降雨量[8]等在不同时间尺度上影响土壤含水量分布和土壤水文过程.同地形因子相比，植被对于土壤含水量空间分布的影响更加直接和快速[9].李猛等[10]对不同密度的红松阔叶混交林研究发现，植被覆被越空旷地区，其土壤含水量和变异程度越大，植被分布越密集，其土壤水分含量和变异越小.不同的干、湿环境下土壤水分空间异质性也不相同[11].陈佳[12]和史志华[13]等在小流域尺度的研究中发现降水是导致土壤水分分布差异的主要因素.

土壤水分空间变异的研究数据收集通常采用实地观测的手段，然而实地观测的土壤水分数据只能代表较小的范围，在大尺度的研究中则难以应用[14-15].传统的实地采样收集数据的方法费时费力且成本较大，效率较低，越来越多的学者开始引入遥感反演的方法进行分析，这也是对土壤水分值观测最高效的手段之一[14，16].当前的研究主要在较小的空间范围内，而对于诸如黄河源区这样大尺度、大范围的土壤水变异性问题代表性有待进一步开展[17].鉴于此，本文根据黄河源区ECV遥感影像提取的土壤水分数据，并结合MODIS NDVI(植被覆盖指数)、DEM(数字高程模型)等数据，对黄河源区影响土壤水分空间分布及其变异的环境因子的关系进行分析，最后得出影响黄河源区土壤水分分布和变异的主控因子.希望能够为今后大区域尺度的土壤水分研究和遥感技术的应用提供一定的理论基础.

1 研究区概况与方法

1.1 研究区概况

黄河源区(图1)位于青藏高原东北部的黄河流域内，涉及青海、四川、甘肃3省的6个州、18个县，总面积约13.2 万km2.主要气候特征是干旱、少雨、高寒、缺氧，风灾、雪灾、沙化并存.20世纪80年代后，随着人类活动加剧及其气候变化，本已十分脆弱的生态环境遭到更大的破坏，生态恢复工作的进行已经刻不容缓.在黄河源地区分布着众多大小不等的湖泊，其中包括中国最大的高原淡水湖泊扎陵湖和鄂陵湖.黄河源区东部玛曲、若尔盖和红原等地分布着中国最广大的高寒沼泽湿地，是黄河上游的主要水源涵养区[18].区内人口以藏族为主，人口密度很低，仅为0.35 人/km2，经济以畜牧业为主[19].

图 黄河源区范围Figure 1 The map of the source region of the Yellow River

1.2 数据来源与研究方法

1.2.1 土地覆被类型数据 本研究所采用的是2010年土地覆被类型数据，数据来源于中国科学院资源环境科学数据中心，并根据刘纪远等[20]提出的中国土地利用分类系统，土地覆被类型被整合为6个一级类和25个二级类，黄河源区土壤覆被类型如表1所示.

1.2.2 气温与降水数据 本研究所采用的黄河源区气候数据为气温和降水数据，由中国气象数据网(http://data.cma.gov.cn)得到.包括河南、玛多、中心、达日、兴海、同德等黄河源区内12个气候监测站的日气温、降水实测数据.基于ArcGIS 10.2平台，利用克里金方法将点数据转换为面数据，重采样分辨率与高程数据、土壤水分数据分辨率一致，均为1 km.

表1 黄河源区土地覆被类型对照表

1.2.3土壤水分数据 本研究采用2010年5月至2011年4月的月均ECV遥感卫星土壤水分观测值，在ArcGIS平台整合为年均数据，栅格分辨率为25 km，之后根据国内学者使用过且证明精度较为精确的降尺度的方法得到的1 km数据进行分析[21].由于黄河源区四季变化并不明确，因此根据张乐乐等[22]采用方法依据青藏高原气候特征划分为暖季(5～9月)和寒季(10月～次年4月).

1.2.4 研究方法

1.2.4.1 数据分析 黄河源区范围较大，将土地覆被覆被依据中科院数据中心的黄河源区土壤覆被数据划分为不同的区域，由于该地区主要以草地为主，但不同草地覆被度地区的土壤水分分布有较大差异，因此草地以2级分类进行分析.黄河源区土地覆被类型情况如图2所示.

图2 土地覆被类型Figure 2 Sample point distribution (left) and vegetation cover type (right) schematic

首先，为了得到不同植被覆被下土壤含水量，将不同植被类型与土壤水分数据利用ArcGIS 10.2平台中的按掩膜提取功能提取出不同覆被类型分布下的土壤含水量；而地形数据根据1 km分辨率DEM在该软件平台的ArctoolBox模块分别提取出海拔、坡度数据.之后，根据同样的方法按属性提取功能提取出不同区间的海拔、坡度、气温和降水区域，与土壤水分数据叠加并掩膜提取并得到不同环境因子变化区间内土壤含水量.按属性提取的海拔区间分别为4 000 m以下、4 001～5 000 m和5 000 m以上3个区间，坡度分为15°以下、15°～30°之间和30°以上3个区域.

1.2.4.2 分析方法 本研究所用的土壤含水量空间变异表征方法为使用赵琛等[21]使用过的变异系数法来表征该地区的土壤含水量空间变异大小，空间变异系数CV计算公式如下：

CV=STD/Mean

式中，STD为标准差，Mean为土壤水分平均值.CV可以反映变量的空间变异程度，一般认为CV<0.1为弱变异，CV在0.1～0.75之间为中等变异，CV>

0.75为高度变异.

利用相关性分析在SPSS平台进行相关性分析，以证明土壤水分分布和变异与环境因子间的相关关系，最后利用主成分分析法对空间变异系数CV主要影响因子进行分析.主成分分析法旨在利用降维的思想，把多个指标转化为少数几个综合指标(即主成分)，其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复.主成分计算公式如下：

Fp=a1i×ZX1+a2i×ZX2+， …，+api×ZXp

式中，Fp为主成分，a1i,a2i,…,api(i=1，…，m)为X的协方差阵∑的特征值所对应的特征向量，ZX1，ZX2，…，ZXp是经过标准化处理的土壤水分值.

本研究采用2010年月均MODIS遥感影像的NDVI值，并主要考虑4种主要植被类型，包括草地、高覆盖度草地、林地和荒漠.

2 结果与分析

2.1 不同土地覆被类型下土壤水分分布和变异

由于黄河源区主要植被类型为草地，为了更准确的分析黄河源区的空间变异状况，将草地覆盖区域精确至表1中的2级分类，即高、中、低草地覆盖度3类.黄河源区不同植被类型下土壤水分含量和变异性如表2所示.暖季，土壤水分含量最高的是林地，土壤含水量达到了0.221 m3/m3，最低地势沙地、戈壁和裸地地区，土壤水分只有0.137 m3/m3；变异性方面，高覆盖度草地变异性最强，变异系数为15.64%，最弱的是沙地、戈壁及裸地，变异系数为11.42%.而寒季由于较为干燥，土壤含水量较暖季差异较大.寒季土壤水分分布趋势与暖季相同，土壤含水量最高的是林地，而沙地、戈壁及裸地较为干燥；变异性方面，寒季变异性最强的是林地，变异系数达到了21.7%，最弱的是低覆盖度草地，变异系数只有16.9%.黄河源区土壤含水量普遍表现为林地>高覆盖度草地>中覆盖度草地低>低覆盖度草地>沙地、戈壁和裸地.

黄河源区土壤水分与NDVI的相关性如表3所示.该地区暖季土壤水分与NDVI的相关性较强，相关系数达到了0.568(P<0.05)，但寒季NDVI与土壤水分间的相关性相对较弱.

表2 不同植被类型下土壤含水量与变异系数

2.2 不同气候条件对土壤水分分布和变异的影响

如图3-A所示，2010年黄河源区气温在-12.1～4.7 ℃之间波动，整体气温较低，其中西部地区年均温度较低，东部地区气温偏高.降水分布如图3-B所示，该地区降水量在389.5～699.2 mm的范围内，并且南部地区普遍降水量较大，而北部地区降水相对较少.

表3 不同季节土壤水分与NDVI的相关性

*表示在置信度(双侧)小于0.05时显著相关.

*:Represents a significant correlation when confidence is less than 0.05.

图3 黄河源区的气温(A)及降水(B)分布Figure 3 The Yellow River source area temperature (A) and precipitation (B) distribution

如表4所示，由于黄河源区降水主要集中在暖季，而寒季较干燥，黄河源区暖季土壤水分达到了0.268 m3/m3，而寒季只有0.086 m3/m3，暖季的平均土壤含水量远大于寒季.空间变异性方面，不同季节的土壤水分空间变异均处于较弱的变异水平，暖季变异系数为17.9%，而寒季变异相对较强，变异性达到了29.1%.

对黄河源区的土壤水分与气温和将水分别进行相关性分析的结果如表5所示.暖季气温与土壤水分的相关性达到了0.602(P<0.05)，但在暖季并不显著.相反的是，降水与土壤水分分布在暖季达到了显著相关，相关系数达到了0.834(P<0.01)，但在寒季，二者的相关性不强.

表4 不同季节土壤水分平均值、标准差和变异系数

*表示在置信度(双侧)小于0.05时显著相关.

*:Represents a significant correlation when confidence is less than 0.05.

表5 不同季节土壤水分与气候因子的相关性

*表示在置信度(双侧)小于0.05时显著相关；**表示在置信度(双侧)小于0.01时显著相关.

*:Represents a significant correlation when confidence is less than 0.05；**:Represents a significant correlation when confidence is less than 0.01.

2.3 地形因素对土壤水分分布和变异的影响

本研究主要考虑海拔和坡度这两个地形因子，黄河源区海拔情况如图4-A所示，其海拔主要在2 902～6 070 m的范围内，从图中可以清晰的看出西部地区海拔普遍较高，而东部地区则相对较低.坡度情况则相对不明显，如图4-B所示，该地区坡度在0°～36.1°的范围内，中部地区坡度明显更陡峭一些，而东西部地区则较为平缓.

黄河源区土壤含水量分布与坡度和海拔间的相关性如表6所示.暖、寒季坡度与土壤水分的相关性虽然均呈现负相关，但该相关性并不显著，说明研究区内年均土壤水分分布与坡度的关系不大.相反的是，海拔与土壤水分间的相关性在暖、寒季均达到了显著的相关性，相关系数分别为-0.532和-0.833(P<0.05或P<0.01).

图4 黄河源区的海拔(A)和坡度(B)Figure 4 Schematic diagram of altitude (A) and slope (B) in the source region of the Yellow River

季节Season地形因子TerrainfactorPearson相关性Pearson′s relavance显著性(双侧)Saliecy (bilayeral)暖季Warm season坡度-0.290.315海拔-0.532∗0.001寒季Cold season坡度-0.360.315海拔-0.833∗∗0.001

*表示在置信度(双侧)小于0.05时显著相关；**表示在置信度(双侧)小于0.01时显著相关.

*:Represents a significant correlation when confidence is less than 0.05；**:Represents a significant correlation when confidence is less than 0.01.

不同地形因素下土壤水分含量、标准差(STD)和变异系数(CV)如表7所示，其中，坡度是根据DEM数据提取出黄河源区坡度正切值，并依据反三角函数推理之后得出角度值.本文分别考虑坡度小于15°、15～30°和大于30°3种坡度情况，坡度小于15°的地区土壤含水量最高，含水量为0.208 m3/m3，随着坡度增加土壤含水量逐渐递减，但变异系数CV呈现出相同反的趋势，30°以上坡度地区变异性最强，达到了12.51%.不同海拔地区土壤含水量也不同，4 000 m以下地区土壤含水量最高，达到了0.221 m3/m3，而5 000 m以上地区只有0.113 m3/m3；变异系数方面，海拔越高的地区变异性越弱，空间变异程度只有8.32%，而相对海拔较低的地区土壤水分变异达到了19.6%，说明随着海拔的增加，土壤含水量越低，且变异性越弱.

表7 不同坡度与海拔的土壤水分和空间变异

2.4 土壤水分空间变异主控因子分析

本研究主要考虑海拔、坡度、气温、降水和NDVI(植被)等环境因子，并运用主成分分析的方法来确定影响黄河源区土壤水分分布和空间变异的主控因子.首先对海拔、坡度、气温、降水和NDVI这5个环境因子进行KMO检测、计算结果为该5个环境因子KMO检测均值为0.55>0.50，可以运用主成分分析法.

基于SPSS平台分别对黄河源区暖、寒季的土壤水分与环境因子进行主成分分析.该地区暖季的主成分分析结果如表8所示，主成分1中地形因子和主成分2中气候因子中的降水和气温的累计贡献率达到了73.82%，即这2个主成分所代表的海拔、降水和气温等环境因子的68.38%.因而，可以将影响黄河源区土壤水分分布的环境因子概括为2个主成分进行下一步分析.

表8 主成分贡献率和累计方差贡献率

主成分与变量相关性如表9所示，载荷量表示主成分与相对应环境变量之间的相关系数.可以看出明显看出主成分1与降水和海拔因子的相关性较高，分别达到了0.68、和-0.55，主成分2与气温因子的相关性最高，达到了0.51.结合主成分1和主成分2的主成分贡献率及本文考虑到的5个环境因子对土壤水分分布的影响关系，该地区暖季土壤水分分布的影响因子强弱表现为降水>海拔>气温>NDVI>坡度.因此可以得出结论：影响黄河源区暖季土壤水分分布和变异的主控因子是降水因素，海拔和气温次之，而坡度对该地区土壤水分的影响最弱.

使用相同的方法对寒季黄河源区土壤水分与环境因子进行主成分分析，其结果如表10所示.寒季土壤水分分布影响因子中主成分1气候因素和主成分2地形因素的累计贡献率达到了68.58%，即这2个主成分代表了海拔、坡度、气温和降水等环境因子的68.58%，将影响寒季黄河源区年均土壤含水量的环境因素划分为2个主要成分.载荷量表示主成分与相对应环境变量之间的相关系数如表11所示.经过对比之后得到寒季黄河源区土壤水分分的影响因子强弱依次为海拔>降水>气温>NDVI>坡度.

表9 初始因子载荷矩阵

表10 特征值、主成分贡献率和累计方差贡献率

表11 初始因子载荷矩阵

3 讨论

通过对黄河源区的卫星遥感数据进行提取，并运用主成分分析法分析了黄河源区土壤水分变异性与不同海拔、坡度、气温、降水和植被等因子的关系.研究发现，该地区土壤水分的空间变异性具有一定的规律，寒季黄河源区影响土壤水分空间变异的主要影响因子为地形因子，这与赵琛等[21]在黑河上游地区土壤水含量研究中得出的结论一致，但不同的是，海拔是造成黄河源区土壤水分分布和变异的主要环境因素，这与Henninger等[14]的研究结论相似，坡度对该地区土壤含水量分布造成的影响较弱，这是由于不同研究区局地微气候和环境的差异会造成研究结果的不同.黄河源区降水因子对暖季土壤水分分布造成的影响较强，这是由于，黄河源区位于我国青藏高原腹地，降水是该地区土壤水分最主要的补充来源，黄河源区降水会明显导致土壤水分变异，与陈佳[12]和史志华等[13]对五龙池小流域降雨之后的水分变化差异结论一致.研究过程中的相关性分析显示，气温越高的地区土壤含水量越高，这与彭记永[24]和耿燕等[25]在我国不同地区气象因素对土壤水分影响的研究一致，说明气候因子对土壤水分分布具有一定的普遍性，而且黄河源区地处较为干燥的高寒草原地区，年均气温在0℃左右浮动，温度的变化对土壤水分的影响较为明显.NDVI对黄河源区土壤水分分布和变异情况的影响并不强烈，但不同土地覆被类型下覆盖下土壤水分分布和变异有明显的差异，说明土地覆被类型是引起土壤水分空间变异的影响因子之一，但该空间变异并没有随着季节的更替而展现出规律性的变化.

本文的分析利用降尺度为1 km分辨率的遥感数据，能够较为精确的表征黄河源区这一大尺度大区域范围内的土壤水分分布和变异情况，利用遥感的手段能够大量的节约人力和物力成本，效率更高，本研究所运用的方法能够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.

4 结论

1) 黄河源区的土壤水分变异性主要在11.42%～21.7%之间，整体在弱变异性范围内，不同土地覆被类型下变异性大小顺序为：林地>低覆盖度草地>高覆盖度草地>中覆盖度草地>沙地、戈壁和裸地，不同植被的根系吸水因素会影响到土壤水分的空间变异，暖季植被覆盖密度较大的区域变异性强.

2) 4 000m海拔以下地区变异系数CV达到了19.6%，高于4 001～5 000 m海拔地区的13.9%，5 000 m以上地区变异系数最小，为8.32%.坡度越缓的地区土壤含水量高于陡峭地区；空间变异方面，坡度较大的地区土壤水分空间性强于坡度较缓的地区.

3) 经过主成分分析的方法对海拔、坡度、气温、降水和NDVI分析得到的主成分贡献率、累计方差贡献率和初始因子载荷矩阵发现,：暖季降水和海拔因子的主成分贡献率68.38%，土壤水分与降水、海拔和气温的相关性系数分别达到了0.68、-0.55和0.51，根据5个环境因子对暖季黄河源区土壤水分分布和变异的影响大小，该地区环境因子的强弱依次为降水>海拔>气温>NDVI>坡度；而寒季影响最强烈的环境因子为海拔，其次为降水.