淮河流域土壤含水量与气候因子的相关性分析<br/>——以蚌埠站为例

淮河流域土壤含水量与气候因子的相关性分析
——以蚌埠站为例

2021-01-27朱永华吕海深许海婷苟琪琪崔晨韵王振龙

节水灌溉 2021年1期

刘勇，朱永华，吕海深，许海婷，苟琪琪，崔晨韵，王振龙

（1.河海大学水文水资源学院，南京210098；2.水利部淮河水利委员会水利科学研究院水利水资源安徽省重点实验室，安徽蚌埠233000）

现如今，在水资源匮乏的背景下，如何保障粮食安全，将是未来人类面临的重大生存问题[1]。土壤水分是农作物生长发育过程中最直接的水量来源，是指示土壤墒情，决定作物产量的一个重要指标[2]。因此，在保障粮食产量的研究中，分析土壤含水量与气温和降水的变化趋势就显得十分重要。代立芹等[3]研究也表明了土壤水分是实现冬小麦产量及时、准确、动态的预报与评估的重要指标之一。

对同一地区来说，降水并不是影响土壤含水量的唯一因子[4-5]，土壤含水量还受土壤特性、太阳辐射、空气相对湿度、风速等多因素的共同影响，其中以气温和降水量的影响最显著[6]。早在19 世纪初，孙丞虎[7]等利用中国东部11 a 的数据对淮河流域的研究得出土壤含水量与气温呈负相关关系、与降水量呈正相关关系。黄勇[8]等通过欧洲卫星气象中心(EUMETSAT)基于卫星遥感而研发的面向水文气象卫星应用产品(H-SAF)中的土壤水分指数(SM-DAS-2)产品分析得出夏季是淮河流域表层土壤含水量与同期降水相关性最好的季节，春秋季节较差。王景凯等[9]通过运用3 组AMSR-E 地表土壤水产品分析得出降水减少、气温升高是导致中亚植物生长季土壤干化的主导因素之一。彭记永[10]等通过8 a 实测资料得出降水量和气温是影响郑州地区土壤水分变化的主要气候因素。刘士玲[11]等通过对2016年的实测资料得出广西大青山5、15、30 cm 土壤水分的主要气象控制因子为降水。目前，在土壤含水量对气候变化的响应方面也已开展了大量研究，如王丹[12]等的敏感性分析表明，不同地区土壤含水量对气候变化响应不同。李若麟等[13]研究表明土层土壤含水量可以对季节气候信息进行储存，并随着深度的增加，记忆性增长。邓元红[14]等研究表明西南地区0～10 cm土壤含水量对两三个月的气候预测具有更好的代表性。

从以上和其他大量研究成果来看[15-18]，土壤含水量与气候因子(如气温、降水)密切相关，土壤含水量变化与气候变化相互作用、相互影响[19]。通过长时间序列能更准确的分析研究区域的土壤含水量和气候特征的时空变化规律，尽管孙丞虎[7]、黄勇[8]对淮河流域土壤水分与气候因子（气温、降水）的相关性有了一定认识，但都缺乏长期土壤含水量实测资料，所以，对于淮河流域的土壤含水量与气候因子（气温、降水）的内在关联的研究仍然不够。淮河流域是中国重要的农业生产基地，其耕地面积占到了全国耕地面积的12%。生产的粮食产量约占全国粮食总产的1/6，提供的商品粮约占全国总量的1/4，在中国农业和经济发展中占有举足轻重的地位[20-21]。因此对淮河流域土壤含水量的研究有助于促进粮食产业的发展，对全国的经济发展都有一定的贡献。为此，本文采用统计分析方法，以五道沟水文实验站近33年（1986-2018年）实测数据为例，对不同土层深度（10、30、50、100 cm）土壤含水量和气候因子（气温、降水）的特征以及两者的关系进行了分析。对进一步认识淮河流域气候变化下的土壤水分资源，调节土壤水分的状况和提高作物产量提供有效的依据[22]。

1 材料与方法

1.1 研究区概况

淮河流域介于长江和黄河两流域之间，地处中国南北气候过渡带，属暖温带半湿润季风气候区，流域面积约为27 万km²，位于东经111°55′～121°25′、30°55′～36°36′，流域多年平均降水量约750～1 400 mm，由南向北递减，年内和年际变化都很大，冬春干旱少雨，夏秋闷热多雨，冷暖和旱涝转变急剧。

1.2 数据获取及方法

本研究所选用的土壤含水量资料由两种方法测得：烘干法和TDT 法，均来自五道沟水文实验站，详情见表1。其中TDT 法连接CR1000 数据采集器，该采集器是一种能将电子信号转换为工程单位的数据采集设备，它能对采集的数据进行计算、筛选，进行可编程电学输出[23]。CR1000 数据采集器具有程序扫描时间可设置、时钟精度高和低功耗等优点，并具有高精度性、高适应性、高可靠性等特点[24]。气温和降水数据来源于五道沟水文试验站逐日实测数据。其中，土壤含水量均用体积含水率表示：

表1 土壤含水量相关信息Tab.1 Information on soil moisture content

本研究所选用的时间序列为1986-2018年，其中1986-2011年土壤含水量通过在五道沟水文试验站内编号为I2 的地下水位观测井附近，每5日取样后，采用烘干法测得。2012-2018年土壤含水量则通过五道沟水文试验站内的TDT 土壤水分传感器测得。参考两组数据垂直深度的交叉性，拟选取10、30、50、100 cm 土层深土壤含水量进行分析，其中I2 井附近10、30、50 cm 深的土壤含水量由其相邻土层土壤含水量通过算术平均的方法进行换算得到，100 cm 深土壤含水量通过90 cm 与饱和含水量的线性插值获取。TDT 土壤水分传感器测得的数据直接进行使用。

在时间尺度上，气温、降水和土壤含水量拟采用季度和年平均时间尺度进行分析。1986-2011年土壤含水量观测时间为每月的5、10、15、20、25、30日。考虑到该资料基本上能保留一些月时间尺度上的信息，所以选用这6次资料的平均值代表该月特征进行客观分析是可信的。2012-2018年土壤含水量观测时间为逐日，则不存在上述问题。

1.3 研究方法

在本研究中，采取Mann-Kendall（以下简称M-K）检验法分析温度、降水以及土壤含水量的变化趋势，找出可能存在的突变点，并对土壤含水量与气温和降水作一元线性回归分析，具体分析方法简述如下。

1.3.1 M-K趋势检验

（1）构建n个样本量（x1，x2，…，xn）的时间序列，假设H0表示该时间序列中的数据是独立的，随机变量同分布的样本，没有线性变化趋势。

（2）计算检验的统计变量S：

式中：sgn为符号函数。

（3）S为正态分布，均值为0，方差：

（4）当n＞10时，标准的正态统计变量计算如下：

4.4.1 问题：和平路路段路灯上线率只有20%，对燕子超市7号小区的话统分析发现，终端行为趋于规律性，在每天固定的时间集中做业务。相应的上下行子载波利用率占有率高，下行最高93%，上行最高62%，而最大成功接入用户数不超过50。如下图所示：

（5）在一定的α 置信水平上，如果Z≥|Z1-α/2|则拒绝原假设，即通过了显著性检验。

1.3.2 M-K突变检验

（1）对于具有n 个样本量的时间序列x，各样本之间相互独立，设某一元素xi大于其前面要素的累计数为ri，构造一秩序列：

（2）定义统计量：

其中UF1=0，E（sk），var（sk）是累计数sk的均值和方差：

（3）把时间序列x 逆序排列xn，xn-1，…，x1，在通过2.5式求出UBk，同时令UBk=-UFk（k=n，n-1，…，1），UB1=0。UFk和UBk曲线的交点如果在临界线之间，则交点对应的时刻为突变发生的时间。

2 结果与分析

2.1 气温变化特征

2.1.1 气温的年际变化特征

研究区多年平均气温为15.9 ℃。从图1 看出，1986-2018年研究区年平均气温呈逐渐上升趋势，增长率为0.19 ℃/10 a。其中，在2017年研究区年平均气温达最高值16.8 ℃，在1993年研究区年平均气温达最低值15.1 ℃，近33年年平均气温上升1.4 ℃。王振龙等[25]在分析1964-2009年气温统计资料时，也得出年平均气温整体呈上升趋势，上升速率为0.14 ℃/10 a，这也进一步说明了气候变暖的趋势明显。

2.1.2 气温的季节变化特征

由图3 可知，春、夏、秋3 个季节平均气温呈上升趋势，增长率分别为0.3、0.01、0.01 ℃/10 a，而冬季气温呈下降趋势，下降率为-0.2 ℃/10 a。其中，夏季平均气温最高，为26.9 ℃，冬季平均气温最低，为3.7 ℃，春季和秋季平均气温居中，分别为15.7、17.0 ℃。

在全球气温变暖的背景下，该研究区冬季气温却呈下降趋势，从季度日平均最高气温和最低气温角度分析，增长率方面，日平均最高温度呈0.014 ℃/10 a速率上升，日平均最低气温呈0.39 ℃/10 a 速率下降。变化趋势方面，日平均最高和最低气温均未通过检验，表明气温上升和下降趋势不明显。由此可分析，全球变暖确实影响了该区域的日平均最高温度，而冬季气温下降的原因可能为日平均最低温度的下降速率要高于最高温度的上升速率。

M-K趋势检验法结果见表2，只有春季气温通过显著性检验，表明春季气温上升趋势显著。

表2 1986-2018年四季M-K趋势检验统计量Tab.2 M-k trend test statistics of four seasons（1986-2018）

2.2 降水变化特征

2.2.1 降水量的年际变化特征

从图4 看出，1986-2018年研究区年降水量呈波动上升趋势，增长率为20.1 mm/10 a。由M-K 趋势检验法，统计变量Z=0.08＜1.96，未通过0.05显著性检验，表明研究区年降水量上升趋势不显著。这与陈柏丽等[26]研究得出的淮北平原降水量的年际变化特征相似。

M-K 突变检验结果见图5，由图5 可知，根据UFk和UBk交点的位置可以判定1987、1994-1995、2007、2017年为年降水量的突变年。将突变年分进行滑动t检验法进行显著性检验（方法同2.1.1），结果均未通过（P＞0.05）显著性检验，表明1986-2018年间无降水突变年。

2.2.2 降水量的季节变化特征

由图6 看出，4 个季节中夏季平均降水量最大，为500.9 mm，冬季平均降水量最小，仅有93.35 mm，春季和秋季的平均降水量居中，分别为185.02、177.11 mm。其中，夏季和秋季降水量呈上升趋势，增长率分别为5.1、25.0 mm/10 a，表明秋季降水量的增幅略大于夏季；春季和冬季降水量呈下降趋势，下降率分别为-7.1、-2.3 mm/10 a，春季降幅略大于冬季。

M-K 趋势检验结果见表3，均未通过显著性检验，表明4个季节的降水量没有显著上升或下降趋势。

2.3 土壤含水量变化特征

由图7 可以看出，研究区10、30、50、100 cm 土层深度土壤含水量的变化趋势有较好的一致性，2010年之前，土壤含水量的年际变化并不明显，2010-2014年，土壤含水量整体呈急剧下降趋势，2014年之后土壤含水量开始逐步上升。其中，10 cm 深土层土壤含水量呈上升趋势，增长率为0.9%/10 a，30、50、100 cm深土层土壤含水量整体呈下降趋势，下降率分别为-2.3、-0.6、-0.4%/10 a。

表3 1986-2018年四季降水量M-K趋势检验统计量Tab.3 M-K trend test statistics of precipitation in four seasons（1986-2018）

M-K趋势检验法结果见表4，均未通过显著性检验，表明4个土层深度的土壤体积含水率上升或下降趋势不显著。

2010-2014年间，土壤含水量的曲线变化与之前相比，有明显下降趋势。分析其原因，首先将1986-2018划分为不同周期，见表5。由表5 可以看出，第六周期年均降水在所有周期中处在最低位置，该周期内年平均降水为827.9 mm，其中最大降水出现在2010年，为922.6 mm，最低降水出现在2012年，为730 mm。第六周期周期年平均气温与第一和第二周期相差较小，而从图7可以看出，第一和第二周期土壤含水量变化曲线并无明显趋势。第六周期年平均气温为15.6 ℃，其中最高温度出现在2013年，为21.3 ℃，最低气温出现在2014年，为11.3 ℃。从以上分析来看，2010-2014年土壤含水量的年际变化曲线下降的可能原因是降水量的减少导致土壤含水量的急剧下降。

表4 1986-2018年不同深度土壤含水量M-K趋势检验统计量Tab.4 M-k trend test statistics of soil moisture at different depths（1986-2018）

表5 周期划分与周期年均气温、年均降水量Tab.5 Division of cycle and annual average temperature and precipitation

2.4 气候变化对土壤含水量的影响

表6 各季节不同深度土壤含水量与平均降水、气温的相关系数Tab.6 Correlation coefficient of soil water content with average precipitation and air temperature at different depths in different seasons

计算1986-2018年研究区春、夏、秋季10、30、50、100 cm 土层土壤含水量与不同季节平均气温、降水量的相关系数（表6）。可以看出，10、50、100 cm 土层土壤含水量与气温呈负相关，与降水呈正相关；30 cm 土层土壤含水量春季与气温呈负相关，与降水呈正相关；夏、秋两个季节的土壤含水量与气温和降水均呈正相关，这可能是由于该地区降水多分布于夏秋两季，30 cm 土层土壤含水量在这两季主要受降水调控，使得气温对土壤水分的影响较小，所以30 cm 土层土壤水在秋季主要受降水的影响，农业部门可重点依据秋季降水情况制定灌溉措施。此外，10 cm 深土层在夏、秋2 个季节，土壤含水量与降水呈显著正相关，而100 cm 深土层在秋季与降水呈显著正相关，这可能由于夏季作物耗水较多，土壤水分亏缺，使得降水只能补给表层土壤水，所以10 cm 土壤水对降水的响应更显著，但随着夏季大量降水的补给，表层和浅层土壤水均处于湿润状态，作物用水充足，且秋季作物处于成熟期，作物耗水较少，所以秋季降水能够进一步补给深层土壤水，使得100 cm土壤水对降水的响应更明显。