固沙植被土壤水分蒸散发特征及其影响因素

2020-11-25李浩然胡广录付鹏程

兰州交通大学学报 2020年5期

李浩然，胡广录，周川，巩炜，付鹏程

(兰州交通大学环境与市政工程学院，兰州 730070)

干旱区荒漠绿洲过渡带是指位于荒漠与绿洲之间的生态交错带，是在荒漠生态系统与绿洲生态系统的双重影响下，为荒漠与绿洲的能量与物质交换提供缓冲的区域[1-2].荒漠绿洲过渡带具有植物种类稀少、群落结构相对简单、盖度整体不高、生态环境脆弱的特征[3-4]，其景观主要由常见的带状斑块植被、点状斑块植被、环状斑块植被以及裸地斑块构成[5-6].植被斑块的生长发育状况可用于指示荒漠化的进程，植被新斑块的形成指示着荒漠化进程的减缓，而斑块植被的消亡和退化则代表荒漠化的加剧[7].因此，荒漠-绿洲过渡带上分布的斑块状植被可作为绿洲的重要保护屏障，起到防风固沙、改善环境、维护绿洲稳定的作用.

斑块状植被的分布及生长状况取决于区域气候、地形、土壤，也与区域内可利用的水分多少有关，而土壤水分蒸散发量的大小影响着斑块状植被对区域内有限水资源的利用[8-9].土壤水分蒸散发是土壤-植被-大气系统中能量和水循环的重要环节，是干旱地区水分消耗的主要组成部分之一，每年通过蒸散发进入大气的水分约占全年平均降水的 60%以上[10].黑河中游荒漠绿洲过渡带位于中国内陆西北干旱区，该区域气候干燥，降雨稀少，且存在季节性分布不均的特点，蒸发量大，因此导致了该地区水资源严重短缺[11]，如何有效利用有限的降水资源是该地区植被保育及生态修复中主要的研究方向.有学者研究了黑河中游荒漠绿洲过渡带固沙植被根区土壤水分的分布特征，认为在干旱条件下，梭梭对于土壤水分的需求小于沙拐枣和泡泡刺，同时利用植被根区不同深度土壤含水量的标准差以及变异系数的特点，提出了能够充分利用干旱区有限的土壤水分、提高造林成活率的干旱区固沙植被空间格局配置方式[12-13].目前，针对干旱区土壤水分蒸散发量的研究主要集中在潜在蒸散发量的估算以及演变，而对干旱区固沙植被的土壤水分蒸散发量鲜有研究.本文通过野外观测并结合当地气象资料，对荒漠绿洲过渡带固沙植被土壤水分蒸散发特征及影响因素进行研究，旨在探明斑块状分布的固沙植被土壤水分蒸散发规律.

1 研究区概况与研究方法

1.1 研究区概况

研究区位于甘肃省张掖市临泽县，属于黑河中游的荒漠绿洲过渡带，经纬度位置在39°10′～39°20′ N，100°0′～100°10′ E之间，如图1所示.该区气候属于典型的温带大陆性气候，年均气温7.8 ℃，最高年温差可达66.5 ℃，多年平均降水量117 mm，6～9月为集中降雨期，年平均蒸发量2 390 mm以上；受风沙活动的长期影响，土壤多发育为风沙土.研究区植被主要由超旱生植物构成，呈斑块状分布，覆盖度较小，群落结构简单，易受外界环境的影响，代表性植物有沙拐枣(Calligonumchinense)、梭梭(Haloxylonammodendron)、泡泡刺(Nitrariasphaerocarpa)等.

1.2 布样及观测方法

在研究区样地选取代表性固沙植物梭梭、沙拐枣、泡泡刺各3株，经现场调查测量可知3种固沙植物的冠幅周长范围分别为5.4～8.5 m、3.7～6.6 m、13～19 m.在选取的每棵植株根部3个方向(夹角约120°)的0.5 m、2 m处分别布设微型蒸发器(见图1).微型蒸发器的套筒用滨铁皮圈制而成，内径16 cm，内桶由内径14 cm的PVC管定制而成，套筒、内桶高度均为20 cm[14-15].布设时，先将内桶压入土层并使桶沿与地表齐平，再将带有原状土的内桶挖出后削平底部土壤并用白布封底，然后挖坑并将套筒放入土坑，覆平坑底，再将带有原状土的内桶放置于套筒中，使内桶高出套筒约1 cm，测量时内桶可从套筒中提出.样地布设微型蒸发器共计54套.测量时将微型蒸发器的内桶提出放置于精度为0.01 g的电子秤上称重，早上8点和晚上8点各测一次，早、晚内桶重量之差即为当日的土壤水分蒸散发量.根据微型蒸发器规格以及水的密度，计算出每1 g的重量变化相当于0.057 mm的蒸散发量[15].观测期限为2019年5月～10月，在每月上、中、下旬各选取3天连续进行土壤水分蒸散发量的观测，观测期间如遇降雨日，则雨后间隔1天再进行观测.

1.3 土壤水分蒸散发影响因子的选取

研究中所需要的气象资料均由中国科学院临泽野外气象观测站2019年观测记录的资料整理获得.该气象观测站距离样地直线距离约为2.5 km.

利用整理的气象资料，从中选取与土壤水分蒸散发量观测期所对应的气象因子12个(见表1)，将土壤水分蒸散发量和12个气象因子分别进行无量纲化处理后，再进行相关性分析,选择在显著性水平0.01下与土壤水分蒸散发量呈显著相关性的因子作为影响因子.由表1可知，与土壤水分蒸散发量呈显著性相关的气象因子共9个，分别为空气温度、地表温度、0～10 cm土壤温度、10～20 cm土壤温度、太阳辐射、土壤热通总量、相对湿度、水气压、10 min平均风速.

表1 影响因子的选取Tab.1 Selection of influencing factors

研究区属温带大陆性干旱气候，临泽野外气象站多年观测资料显示研究区降水频次少且多为无效降水(≤5 mm)，表1中的相关性分析结果也表明观测期间降水因子与土壤水分蒸散发量呈现出很弱的相关关系.此外，考虑到降水日进行野外观测会导致微型蒸发器的称重误差，观测人员进出样地实测也不方便，因此，后续分析中未将降水列为影响因子.

1.4 数据处理方法

利用Excel 2007、Statistica 7.0、SPSS 25.0软件对数据进行统计分析，利用主成分分析、多元逐步回归分析等方法对研究区固沙植被土壤水分蒸散发的影响因素进行分析，利用Origin Pro8.0软件进行制图.

2 结果与分析

2.1 固沙植被土壤水分蒸散发特征

通过6个月的观测，将3种固沙植物的日均土壤水分蒸散发量求平均值，得到研究区固沙植被土壤水分蒸散发量在观测期间的变化情况(见图2).由图2可知，在观测期间，日土壤水分蒸散发量最小值出现在2019-05-07，为1.00 mm，最大值出现在2019-05-31，为15.50 mm.土壤水分蒸散发量的日变化较为明显.

对6个月观测所得的土壤水分蒸散发量进行描述性统计分析(见表2)，可以看出，观测期间固沙植被月土壤水分蒸散发量的平均值从大到小依次为6月>7月>8月>5月>9月>10月；即表现出夏季最高、春季其次，秋季最小的季节变化特征；观测期间土壤水分蒸散发量变异系数最大的为5月，最小的为9月，观测月份的土壤水分蒸散发量均属中等程度地变异(0.1≤Cv≤1).

表2 观测期间土壤水分蒸散发的描述性统计Tab.2 Descriptive statistics of soil moisture evapotranspiration during observation

2.2 土壤水分蒸散发影响因子的主成分分析

为了明晰各个影响因子对固沙植被土壤水分蒸散发的影响程度，可利用主成分分析法将多个影响因子通过降维，转化为少数几个综合指标(即主成分)，来反映原始变量的大部分信息，且每个主成分所含信息互不重复.多个影响因子可否用于主成分提取，首先需要对因子变量的分布以及变量间的独立情况进行检验.KMO和Bartlett检验是用于检验选取的影响因子是否能够进行主成分分析的前提.将观测获得的土壤水分蒸散发量与前文选取的9个影响因子共计71天的对应数据导入SPSS25.0软件中，利用因子分析模块中的主成分分析进行KMO和Bartlett检验，当KMO值大于0.5以及Bartlett检验统计量的显著性小于0.05时就可以进行主成分分析.检验结果如表3所列.由表3可知，KMO=0.672>0.5，且Bartlett球形度检验统计量的显著性小于0.05，说明本文所选取的影响因子可以进行主成分分析.

表3 KMO和Bartlett检验Tab.3 KMO and Bartlett tests

利用SPSS25.0软件对所选取的9个影响因子数据进行主成分提取，得到各个成分的特征值如表4所列.根据初始特征值λ>1和累积方差贡献率大于85%确定最优的主成分数[16].由表4可知，初始特征值λ>1的有2个主成分，但累计方差贡献率只有80.353%，不足以解释原始数据的绝大部分信息，因此在主成分个数的选取上应当综合考虑碎石图(见图3).根据图3所示，碎石图的走势在第3个主成分之后才开始趋于平缓，结合表4，第3个主成分的初始特征值为 0.999接近于1，并且累积方差贡献率达到91.454%，能够解释原始数据的绝大部分信息，因此，主成分个数确定为3个较为合适.

表4 主成分特征值和方差贡献率Tab.4 Principal component and variance contribution rate

为了对主成分因子的贡献做出更加合理的解释，也限于文章篇幅，仅选取对初始因子荷载矩阵旋转后的SPSS25.0输出结果(见表5)进行分析，旋转后的主成分因子实际意义更为明显.后续分析中采用表5中9个影响因子的代表符号来表述.

表5 因子旋转载荷Tab.5 Factor rotational loading

由表5可知，第一主成分在空气温度、地表温度、0～10 cm土壤温度、10～20 cm土壤温度具有较大载荷，分别为0.960、0.914、0.966、0.970，这些因素主要体现了研究区的温度条件，而10 min平均风速占比小，水气压、太阳辐射以及土壤热通总量的旋转载荷则相对于温度因子较小但也有一定比重.因此可以说明，第一主成分因子主要反映了研究区的温度条件，第一主成分对于综合指标的贡献率达到了56.25%，这也说明第一主成分可解释原始变量的绝大部分信息.

表5中第二主成分所在的旋转载荷中太阳辐射以及土壤热通总量占有较高的比重，分别为0.926、0.937，其主要反映的是研究区的辐射条件，第二主成分概括了原始变量24.103%的信息量，具有较大的比重，应当纳入到实际分析中.第三主成分的旋转载荷值中，相对湿度、水气压以及10 min平均风速的载荷分别为0.917、0.675、-0.747，而10 min平均风速虽对第三主成分具有负向贡献，但亦具有较高的贡献率，故第三主成分主要反映的是研究区水气条件和风力条件.

利用表5的载荷数据除以表4中对应的主成分特征值的平方根，从而获得各个主成分回归方程表达式：

F1=0.427X1+0.406X2+0.429X3+0.431X4+0.162X5+0.098X6-0.044X7+0.239X8+0.012X9,

(1)

F2=0.156X1+0.257X2+0.155X3+0.117X4+0.629X5+0.636X6-0.099X7+0.041X8+0.059X9,

(2)

F3=-0.020X1-0.071X2-0.037X3+0.031X4-0.007X5-0.254X6+0.971X7+0.675X8-0.747X9.

(3)

利用上述式(1)～(3)可将后面的主成分回归结果还原成原始变量的线性回归模型，详见式5.

利用提取出的主成分因子与土壤水分蒸散发量进行相关性分析(见表6).从表6可以得出，土壤水分蒸散发量与提取出的主成分F1，F2，F3都在显著性水平0.01上呈显著性相关，其中相关性最高的为第一主成分，第三主成分与土壤水分蒸散发量则呈负相关关系.由此可见，所提取的三个主成分F1，F2，F3分别在温度、辐射、水汽及风力条件方面显著影响研究区固沙植被土壤水分蒸散发量的变化.

表6 主成分因子与土壤水分蒸散发量的相关系数Tab.6 Correlation coefficients between principal component factors and soil evapotranspiration

2.3 模型建立与验证

2.3.1 回归模型的建立

根据主成分分析结果，以提取出的主成分因子(F1，F2，F3)的值作为自变量，土壤水分蒸散发量作为因变量导入SPSS 25.0软件中，选用回归模块中的线性回归，回归方式选用逐步回归，得到多元逐步回归方程的模型摘要(见表7).

在回归分析中，一般规定R2值越大，模型的拟合度就越好，表7中，模型3的R2为0.947，说明逐步回归分析中引入的变量数据与模型拟合度较高；并且D-W值为1.679，趋近于2，说明回归分析模型引用的数据不存在自相关性[17-18]，数据引用合理.

表7 模型摘要Tab.7 Summary of models

表8是多元线性回归分析过程中的方差分析表，目的是用于对所建立的线性方程进行显著性检验.表8结果显示，三种模型中回归均方都大于残差均方，并且显著性水平均为0.000，所以土壤水分蒸散发量与提取的主成分因子的线性关系显著，证明所建立的线性回归模型是合理的.

表8 方差分析Tab.8 Variance analysis

表9为利用各个主成分因子进行回归分析所得到的回归系数以及对回归系数显著性检验的结果.从表9中可以看出，在显著性水平a=0.05情况下，各个主成分因子的回归系数Sig值均为0.000.容差和VIF是对回归方程的共线性进行检验，容忍度越大发生共线的可能性就越大[18-20].表9中自变量的容差与VIF都为1，表明分析中提取出的主成分因子之间没有出现共线性.

表9 系数输出Tab.9 Coefficient output

另外，根据表7中显示出的结果，三种模型中，模型3的R2的值最高，模拟结果最好.因此，可以选用模型3建立多元线性回归方程，模型表达式为

Y=9.314+1.853F1+1.838F2-1.636F3.

(4)

然后将式(1)～(3)代入式(4)中整理可得固沙植被土壤水分蒸散发量线性模型表达式：

Y=9.314+1.110X1+1.342X2+1.142X3+

0.964X4+1.467X5+1.767X6-1.765X7-0.486X8+1.353X9.

(5)

从式(5)可以看出，空气温度(X1)、地表温度(X2)、0～10 cm土壤温度(X3)、10～20 cm土壤温度(X4)、太阳辐射(X5)、土壤热通总量(X6)、10 min平均风速(X9)正向影响研究区固沙植被土壤水分蒸散发量，相对湿度(X7)、水气压(X8)负向影响研究区固沙植被的土壤水分蒸散发量.

2.3.2 回归模型的验证

为了对所建立模型的合理性进行验证，利用式(5)进行观测期间土壤水分蒸散发量的预测，将预测值与实测值进行对比，结果如图4所示，并计算相对拟合误差.

通过对预测值与实测值的相对拟合误差计算，结果表明，相对拟合误差最小为0.29%，最大为-74.36%，平均相对拟合误差为-3.84%，除5月6日、5月7日两天外，其它观测日的相对拟合误差绝对值均在20%以下，预测合格率为97.18%.说明式(5)能够较好的预测荒漠绿洲过渡带固沙植被土壤水分蒸散发量，因此建立的模型比较可靠合理.

3 讨论

干旱区荒漠绿洲过渡带固沙植物地上冠幅以及地下根系分布有所不同，对土壤水分的利用机制也存在差异.加之不同固沙植物呈斑块状混杂生长在一起，单独分析某一种固沙植物的土壤水分蒸散发特征可能会产生较大的来自于植物间相互影响得误差.考虑到不同固沙植物同属于一个观测样地，气候条件相同，生态水文效应相近，因此，本文将干旱区荒漠绿洲过渡带不同固沙植物综合为一个研究对象——“固沙植被”来探讨其土壤水分蒸散发特征及影响因素，目的为了消除植物间的相互影响.

干旱区土壤水分蒸散发量表现出夏季最高，春、秋其次，冬季最小的特征，且受气温、降水的支配比较大[21-22].而本文针对的研究区，根据季节划分，6、7、8月属夏季，5月属春季，9、10月属秋季.研究区内固沙植被土壤水分蒸散发量的测定是在2019年5月～10月进行，在观测期间，月平均土壤水分蒸散发量从大到小依次为6月>7月>8月>5月>9月>10月，符合干旱区土壤水分蒸散发随季节变化的特征.

应用主成分分析法对选取的气象因子进行降维，提取出3个主成分因子F1，F2，F3，分别反映了研究区温度条件、辐射条件、水气及风力条件.对提取出的主成分因子与土壤水分蒸散发量进行相关性分析，结果显示，对研究区固沙植被土壤水分蒸散发量影响最大的为温度因子，其次为辐射因子.这是由于温度是影响大气-土壤-植被边界物质与能量交换的重要气候参数，气温越高，太阳净辐射量转化为用于蒸散的那部分能量的比例就越高[23]，因此，土壤水分蒸散发量会随着气温上升而逐渐增加；辐射因子是通过温度间接对土壤水分蒸散发产生影响[24]，所以辐射因子对研究区土壤水分蒸散发量的影响程度在温度因子之后；温度与辐射因子的相互作用影响了研究区近地面的热交换，从而影响研究区固沙植被土壤水分蒸散发量，这与现有的干旱区土壤水分蒸散量相关研究结论相似[21,23-25].水气因子以及风力因子对土壤水分蒸散发量的影响相对较小.

通过主成分回归建立了影响研究区固沙植被土壤水分蒸散发量的回归方程，回归方程表明，除相对湿度以及水气压以外，其他气象因子对研究区固沙植被土壤水分蒸散发量都产生正向影响，这与一些学者的研究结果一致[26-27].通过对回归方程进行检验，结果表明，利用回归方程对研究区固沙植被土壤水分蒸散发量的预测结果较为理想，预测合格率为97.18%，通过模型的建立，有利于明晰和预测荒漠绿洲过渡带固沙植被的土壤水分蒸散发.