黄土丘陵区不同恢复年限人工刺槐林土壤水分时空动态及其时间稳定性

陈维梁,王树学,齐统祥,焦 磊,王 聪,买尔当·克依木,李宗善,*,傅伯杰

1 城市与区域生态国家重点实验室,中国科学院生态环境研究中心,北京 100085 2 中国科学院大学,北京 100049 3 陕西省吴起县退耕还林工程管理办公室,延安 717600 4 陕西师范大学, 西安 710119

黄土高原属干旱半干旱地区,土壤水分是该地区植物水分的主要来源,是维持干旱半干旱地区生态系统的主要限制因素,是控制生态系统结构的关键因素,在土壤-植被-大气系统物质与能量转化中起着核心和纽带的重要作用[1]。近年来,随着黄土高原植被建设等生态工程的不断推进,以刺槐(Robiniapseudoacacia)人工林为代表的植被受到土壤水分的限制作用日益明显,尤其是大面积人工林出现较为显著的土壤干燥化现象[2- 4],严重影响黄土高原陆地水循环过程。因此人工林土壤水分时空动态、生态水文过程等研究成为近二十多年来黄土高原水循环研究的重点关注方向[5- 8]。

土壤空间异质性及气候等环境因素决定土壤水分具有显著的时空变异性。国内外对于土壤水分空间变异性的研究已数不胜数[9-12]。通过研究土壤水分的时间动态变化特征来表征可靠且稳定的土壤水分空间分布特征,需要大量的野外监测,为了保证土壤水分时空分布特征具有代表性,同时又可减少大量的野外工作量是前人研究土壤水分的重点之一。Vachaud等[13]发现土壤水分的空间分布随时间的变化很小,并且某一监测点的土壤水分可代表研究区的平均状况,这一现象被定义为土壤水分空间分布在时间上的稳定性,并得到广泛研究和应用。近些年,国内外对土壤水分时间稳定性的关注度相继增加[14-15]。Gomez Plaza等[16]研究发现地形是半干旱地区土壤水分时间稳定性的主要影响因素；白一茹等[14]在黄土高原雨养区研究发现干旱条件下的稳定性比湿润条件下更强；冉有华等[17]在黑河流域发现土壤水分时间稳定性程度在不同深度表现程度不同,表层最不稳定,并且40 cm 深度以下基本稳定；Hu等[18]通过研究黄土高原土壤储水量的时间稳定性,发现可以利用一个点的土壤储水量代表区域的平均值作为代表值。从不同水平尺度[18- 20],到垂直尺度土壤水分时间稳定性[5, 15]；同时有研究人员利用土壤水分时间稳定性这个特性来估算能够代表某区域尺度土壤水分的点位和深度[20-21],关于不同植被类型下[22-23]以及喀斯特裸岩区[24]土壤水分时间稳定性也已有报道。随着刺槐人工林恢复时间的增加,其土壤水分的时间稳定性差异又是如何,相关研究还鲜有报道。

在典型黄土丘陵沟壑区小流域内,基于对不同植被类型、土地利用下的土壤水分进行长时间序列原位观测(in-situ observation)已取得重要进展,但在不同恢复年限的人工林土壤水分垂直分布上的时间稳定性鲜有报道。对此,本研究以2014—2018年5年期间的生长季(5—10月)对羊圈沟小流域内15、20、30、35 a 等不同恢复年限人工刺槐林0—180 cm深度剖面的土壤水分进行实时观测,研究不同恢复年限人工刺槐林土壤水分的时空分布特征,通过平均相对偏差(Mean relative deviation, MRD)和Spearman秩相关系数分析土壤含水量的时间稳定性特征,了解不同深度土壤含水量时间稳定性差异性,并确定不同恢复年限刺槐林土壤水分的代表深度,采用线性回归与纳什系数对所得结果进行评估,并采用灰色关联分析(Grey relational analysis, GRA)进一步筛选确定土壤水分时间稳定性的主要影响因素,有助于理解半干旱区人工林土壤水文过程,为该区不同恢复年限刺槐林土壤水分监测点布设和墒情模拟估算预测提供参考依据。

1 材料与方法

1.1 研究区概况

本研究区是位于陕西省延安市宝塔区的羊圈沟小流域(36°42′6.20″N, 109°31′2.65″E),面积约2.02 km2,海拔约1050—1295 m,是典型的黄土丘陵沟壑区(图1)。该区属暖温带大陆性季风气候,年均降雨量(MAP)约528.9 mm,年内降水分布不均,主要集中于7—9月,其中超过80%的降水发生在5—10月(图2),多年平均水面蒸发量为898—1068 mm；年平均气温约9.8 ℃,气温年较差29.4 ℃,≥10 ℃的活动积温约2500—3400 ℃,多年平均无霜期140—165 d,多年平均日照时数2528.8 h,多年平均太阳总辐射量5800 KJ/cm2。该小流域的植被以分布在退耕坡地的刺槐人工林、果树、灌木、退耕草地以及沟谷的农作物为主。根据当地多数物种的生长物候特征,定义5—10月为羊圈沟小流域植被的生长季,生长季多年平均气温为20 ℃。该小流域长期受到人类活动干扰,原有自然植被受到严重破坏,经过多年退耕还林等生态恢复工程实施,逐渐形成以人工植被和自然恢复的次生植被为主的植被分布格局。其中乔木以刺槐、山杏(Prunusarmeniaca),灌木以沙棘(Hippophaerhamnoides)、土庄绣线菊(SpiraeapubescensTurcz)以及白刺花(Sophoradavidii(Franch.)Skeels)等,草本以包括铁杆蒿(Artemisiasacrorum)、茅莓(Rubusparvifolius)和杠柳(Periplocasepium)为优势群落。1980年初,刺槐作为退耕还林树种逐渐在退耕坡地上栽植,经过30多年的生态恢复,目前刺槐林约占羊圈沟小流域超过50%的面积。小流域的土壤主要是约50—200 m厚度的黄绵土,孔隙度约为50%,易造成水土流失。小流域田间持水量(field capacity，FC)和萎蔫系数(wilting point, WP)分别为20%—24%和3%—6%。

图1 羊圈沟小流域与样地地理位置及样地布设示意图Fig.1 Location of Yangjuangou Catchment and schematic diagram of plot setup

图2 羊圈沟小流域1990—2018年年均降水与2014—2018年月均降水分布情况Fig.2 Distribution of annual and monthly precipitation during 1990—2018 and 2014—2018 in Yangjuangou Catchment

1.2 样地设置

在典型丘陵沟壑区羊圈沟小流域选择15、20、30、35 a等4个不同林龄的刺槐林代表4个不同恢复年限(图1),于2013年4月安装土壤水分实时观测系统,同时开展样地调查(表1)。在每个刺槐人工林划定20 m×20 m见方作为样地,在样地中心挖一个深2 m的土坑,分别在同一侧剖面的10、20、40、60、80、100、120、150和180 cm共计9个土壤深度(图1)安装土壤水分传感器(EC—5, Decagon Devices, Pullman, WA, USA)进行实时观测土壤体积含水量(Soil volumetric water content, SVWC, m3/m3),安装完传感器后对土坑进行回填,并尽量保证回填后的表层与周围地表相近。每个土壤水分传感器用Hobo数据采集器(HOBO—21,Onset,Cape Cod,MA,USA)进行每隔60 s测定,30 min间隔记录数据。在小流域中咀峁山顶的开阔处距离地面2 m处安装翻斗式雨量计(TE525,Campbell Scientific,Logan,UT,USA)对降雨进行与SVWC同步30 min间隔观测。

表1 羊圈沟小流域不同退耕年限人工刺槐林样地的立地条件

1.3 土壤属性测定

于2013年4月土壤水分观测系统安装时同步采集土壤样品用于土壤理化参数测定。在每个样地每个土壤水分传感器安装处所对应的土层用体积为100 cm3的不锈钢环刀各采集3个原状土样品,用于土壤容重、土壤孔隙度、田间持水量、饱和导水率等土壤水力特征；以及3个装于自封袋的土样用于测定土壤质地、土壤有机碳、土壤总氮等(表1),测定方法见[25]。

1.4 土壤水分时间稳定性

1.4.1土壤储水量计算

土壤储水量即一定单位体积内土壤水分的储存量,本研究根据所观测深度0—180 cm土壤深度为准,估算0—180 cm土壤深度单位体积的土壤储水量,计算公式为：

(1)

(2)

1.4.2相对差分

根据Vachaud等的研究,各观测点的平均相对偏差(Relative difference,RD)和标准偏差(Standard Deviation,SD)能够描述土壤水分的时间稳定性特征。j时间任意观测点i的SWSij的相对偏差RDij和SD可由公式(3)、(4)计算得出：

(3)

(4)

平均相对差分MRDi及其对应的标准偏差SDRDi的计算如下：

(5)

(6)

1.4.3时间稳定性指数

根据Zhao等[26]的研究,通过比较不同土壤深度的时间稳定性指数(Index of temporal—stability at depthi, ITSDi)来比较不同恢复年限刺槐林不同土壤深度的土壤水分时间稳定性,找出时间稳定性最高的观测点,该观测点可代表平均土壤水分状况,ITSDi计算如公式(7)：

(7)

1.4.4Spearman秩相关系数

Spearman秩相关系数rs是用来分析在2014—2018年生长季不同观测点的秩随时间变化的稳定性,由公式(8)计算：

(8)

式中,Rij是土壤水分θij的在i测点j时刻的秩,Ril为i测点l时刻的秩,n为观测点的总数。rs越接近1,说明观测点i的θ在j和l时刻具有越强的稳定性。

1.5 数据分析

1.5.1变异程度

随机变量的离散程度,即变异性的大小,可用变异系数(Coefficient of Variation,CV,%)的大小来反映,具体计算公式为：

(9)

根据Nielsen等[27]的方法对离散程度即变异程度进行分级：CV<10%为弱变异性；10%≤CV≤100%为中等变异性；CV≥100%为强变异性。

1.5.2决定系数与纳什系数

将整个测定期内某测点i的SVWC与不同深度土层的平均SVWC 进行线性回归,利用决定系数(R2)说明二者间的差异,一般而言,R2越小,说明测点i的SVWC与该研究区平均SVWC的关系越密切,差异性越小。同时,本研究也采用纳什系数NSE (Nash-Sutcliffe efficiency coefficient) 对代表土壤深度能否代表本林分的土壤水分进行评价,公式如下：

(10)

1.5.3灰色关联分析

对于两个系统之间共有的影响因素, 其随时间或不同对象而变化的关联性大小的量度, 称为关联度。鉴于土壤水分的时间稳定性可能与植被特征和土壤性质等多种因素有关,采用灰度关联分析法(Grey relational analysis,GRA)来评估土壤与植被因子对土壤水分时间稳定性的影响,并确定在土壤水分空间格局中对时间稳定性有贡献的主要因素。灰色关联分析是一种灰色预测方法,它可以通过处理有限的表面不规则数据来发现系统本身的特征[28],并被证明是解决不确定信息系统中各因素关联程度的有效工具[29-31],具体步骤及方法如下[32]：

首先设置x0(k)为参考序列,xi(k)为比较序列:

x0=(x0(1),x0(2),...,x0(k))

(11)

xi=(xi(1),xi(2),...,xi(k))i=1, 2,...,q

(12)

其次采用均值化对数据进行归一化处理,以确保各序列数据保持一致,计算方法如下：

(13)

归一化序列可表示为xi*：

(14)

则x0(k)和xi(k)的灰色关联系数ξi(k),计算公式如(15)：

(15)

最后,计算得到关联度εi：

(16)

灰色关联度取值范围在0—1之间,定量表明所考虑因素对客观值的影响。因此,主要影响因素所对应较高的灰色关联度,而影响较小的因子所对应中等灰色关联度,可忽略的影响因素所对应较低的灰色关联度[30]。

本研究的数据处理统一采用Excel 2019(Microsoft office,USA),方差分析采用SPSS 20.0(IBM SPSS Statistics, USA),数据制图采用OriginPro 2020 (OriginLab,USA),研究区示意图制图采用ArcGIS 10.6(ESRI,USA)。

2 结果与讨论

2.1 土壤水分的时空变化特征

如图3所示,2014—2018年生长季期间,不同恢复年限刺槐林0—180 cm土壤深度的平均土壤储水量(SWS)显著差异(P<0.05),15 a刺槐林和35 a刺槐林的平均SWS分别为128.8 mm与150.8 mm,显著低于20 a和30 a刺槐林的平均SWS(分别达到184.6 mm与184.9 mm),研究结果显示,随着恢复年限的增加,刺槐林的SWS呈现先增加后降低的态势,同时,不同恢复年限人工刺槐林的SWS随时间的变异程度(CV)也不尽相同,从图3的箱式图可看出15 a和35 a恢复年限刺槐林SWS的CV值高于20 a和30 a恢复年限刺槐林。虽然刺槐在于黄土高原栽植时间超过40 a,但由于受到长期水分胁迫,随着生长年限增加,出现多树梢、衰亡等“小老头树”现象[33],很难找到成片超过40 a刺槐林,因此本研究比较的恢复年限仅限于小于40a,难以对小于40a恢复年限刺槐林土壤水分动态特征进行描述。自2014—2018年,SWS的年际变化趋势与年降水一致,但2014年的SWS比2017年更高,是由于2013年小流域的降水超过900 mm所致。当雨水充沛时,刺槐根系较少利用深层土壤水分[34],因此深层土壤水分能够保持较高水平,如2015年的SWS与2016年的相当,主要由于2014年的较高储水量使得2015年降水量较低而SWS能够保持更高水平。

图3 2014—2018年生长季不同恢复年限人工刺槐林土壤储水量变化Fig.3 Survey of mean soil water storage at black locust plantation with different restored years in growth season from 2014—2018字母代表组间差异,(P<0.005)

如图4所示,2014—2018年生长季(5—10月)羊圈沟小流域年降雨水差异明显,分别是571.2、264.8、447.4、668.4、423.4 mm。自2014—2018年期间15 a和35 a恢复年限刺槐林的平均SVWC分别仅有0.067和0.071 m3/m3,显著低于20 a和30 a恢复年限刺槐林的0.103 m3/m3和0.108 m3/m3(图4中显示橙红色)。图4也能看出,2014年不同恢复年限的刺槐林平均SVWC也是15 a(0.122 m3/m3)和35 a(0.110 m3/m3)的大于20 a(0.144 m3/m3)与30 a(0.132 m3/m3)的。2017年生长季降水大于2014年生长季降水,但2014年的2017年四个刺槐林的SVWC显著低于2014年的SVWC(P<0.05),土壤水分与降水没有出现良好的相关关系,这是由于2013年的降雨量高达959.3 mm(图2),其深层土壤水分得到了充分的补给而受到当年降水的影响较小。同时,结果显示15 a和35 a恢复年限刺槐林在2015年至2018年生长季期间,有相当一段时间土壤水分处于WP的水平(0.03—0.06 m3/m3)。2016年与2017年降水量较高,尤其是2017年,全年降水达到746.2 mm,属丰水年,很大程度缓解了水分对刺槐林的胁迫,是降水对土壤水分起到补给的作用[25, 35- 36]。

图4 2014—1018年生长季降水特征、不同恢复年限人工刺槐林生长季的日平均土壤水分时空动态变化Fig.4 Spatiotemporal dynamics of precipitation and daily soil moisture at black locust plantation with different restoration years in growth season of 2014 to 2018P为各年降水量

2.2 土壤水分变异程度分布特征

不同恢复年限刺槐林的SVWC随着土壤深度增加,其时间上的CV值也随之变化,表现出与SVWC同样的变化特征,15 a和35 a恢复年限的CV值随土壤深度变化较小,20 a与30 a恢复年限刺槐林SVWC的CV值都随着土壤深度的增加而减小。从不同土壤深度SVWC月均CV值可看出(图5)：4个样地0—180 cm土壤深度的土壤水分CV值都<100%,都属于中等变异性以下(10%

图5 不同恢复年限刺槐林土壤水分月变异程度(CV- 10%)Fig.5 Monthly variability (CV- 10%) of soil water at black locust plantations with 15 a, 20 a, 30 a and 35 a restoration years. Black line with 0.00 value label refers to light variability

2.3 时间稳定性分析及代表深度

根据Brocca等[37]的研究,本研究采用相对差分与Spearman秩相关系数两种方法对土壤水分的时间稳定性进行分析。通过不同土壤深度平均相对差分(MRD)以及观测不同土壤深度的土壤水分时间稳定性指数(ITSDi),确定ITSDi最低值及其所代表的土壤深度(图6)。不同恢复年限人工刺槐林土壤水分时间稳定性特征不同,MRD的变化范围分别为-24%—29%,-32%—25%,-46%—33%和-53%—25%,15 a和20 a恢复年限刺槐林土壤水分的MRD变化较30 a和35 a恢复年限的小,表明其时间稳定性更高,代表深度分别为80、100、80、150 cm土层。35 a恢复年限刺槐林的代表深度较其他恢复年限的更深,可达150 cm,这主要由于不同恢复年限刺槐林的根系分布特征所决定[38],植物往往通过调节根系分布来响应降水的分配[39],刺槐根系生物量垂直分布随着林龄增加而更深[40],但在长期干旱的情况下,深层根系和土壤提供更多水分的能力将受到限制[41],进一步解释35 a恢复年限的刺槐林土壤水分更加稳定代表深度更深。

图6 不同恢复年限刺槐林土壤水分时间稳定性Fig.6 Temporal stability of soil moisture at black locust plantations with different restoration years平均相对差分(MRD,黑色实线)、代表深度(红点)以及相对差分标准偏差(SDRD,误差棒)和时间稳定性指数(ITSD,蓝色虚线)

表2分析了不同恢复年限刺槐林0—180 cm不同土壤深度SVWC的Spearman秩相关系数。表中可看出不同恢复年限刺槐林土壤水分的Spearman秩相关系数在不同土壤深度上总体差异不大,15 a和20 a恢复年限刺槐林在上层(0—80 cm)之间SVWC总体呈现极显著相关性(rs约0.546—0.956和0.455—0.954),下层(100—180 cm)之间也呈现出极显著相关性(rs约0.447—0.971和0.578—0.929),而上下层之间总体呈现弱相关性(R2约0.023—0.357和0.165—0.326)；30 a和35 a恢复年限刺槐林呈现极显著相关性的土壤深度为0—60 cm(rs约0.023—0.357和0.165—0.326)；而下层(80—180 cm)之间呈现极显著相关性(0.370—0.937和0.380—0.952),而上下土层之间呈现弱相关性(rs约0.023 — 0.357和0.165 — 0.326)。结果进一步表明上下土层之间的土壤水分时间稳定性不同,同时还说明上下土层土壤水分之间受到的影响因素不一致,这与前人的研究结果一致[42]。

表2 不同土壤深度Spearman秩相关系数矩阵

2.4 土壤水分代表深度结果评价

通过土壤水分时间稳定性分析确定不同恢复年限刺槐林代表土壤深度,采用决定系数R2与纳什系数NSE对该结果进行评估(图7)。图7描述了代表性土壤深度SVWC和该林分平均SVWC的线性关系,15 a恢复年限刺槐林的R2最高,达到0.91,线性显著相关,而其余三个不同恢复年限刺槐林的R2低于0.6,为0.49—0.59。将代表性土壤深度SVWC与林分平均SVWC月均值进行计算纳什系数(图7),结果表明,不同恢复年限刺槐林的NSE的范围为0.32—0.82,其中15 a恢复年限刺槐林的代表性最强,达到了0.82,而其余三个林分的代表性结果接近总体平均值水平,总体结果可信,但仍具有一定误差。不同恢复年限刺槐林的代表性结果存在差异,线性回归决定系数与纳什系数的结果表明4个不同恢复年限刺槐林的代表性结果可接受。已有研究证明土壤水分时间稳定性受到如地形地貌[19,42-43],土壤质地[44],气候条件[45]以及植被生长状况[22, 46]等多重因素的共同影响。植被演替可显著地改变包括土壤微生物、养分等土壤性质[47],进而影响植被与土壤水分的关系。

2.5 时间稳定性的主要影响因素

根据上述研究结果表明,土壤水分空间格局的时间稳定性随恢复年限的变化而变化。然而,尚不清楚哪些具体因素能够准确解释这4个不同恢复年限刺槐林的土壤水分在时间稳定性上的差异。表1所展示的植被与土壤特征无法直接得出明确的结果,对此,灰色关联分析(GRA)被用作确定主要影响因素。如表3所示,以林下植被盖度、土壤容重等16个植被与土壤因子作为灰色关联分析的环境因子。分别以SDRD作为参考序列,结果表明以砂粒、土壤总氮、容重、有机碳等土壤因子的关联度比植被因子更高。Jia等[30]在研究不同植被类型对土壤储水量时间稳定性的影响时,以SDRD作为参考序列,对环境因子进行关联度分析发现植被覆盖度以及地上生物量的关联度最高,高于0.7,为主要影响因素；而本研究以SDRD作为参考序列关联度排前列的是土壤因子,最高的为砂粒,高达0.817,并且土壤总氮、土壤容重、土壤有机碳、土壤总孔隙度以及坡度是主要影响因素(高于0.7)；其次影响因素分别是粉粒、黏粒、林下植被覆盖度、田间持水量以及林龄和平均胸径(介于0.6—0.7之间)。考虑到环境因子之间具有相互作用,关联度分析结果表明,土壤因子总体比植被因子对土壤水分时间稳定性的影响更重要,但植被因素对其影响也不容小视。总所周知,在干旱半干旱区域土壤水分的动态主要受到降水入渗、植被根系吸收以及土壤蒸发[31, 48-49],而降水入渗由降水特征以及土壤特性决定,植被根系决定对土壤水分的吸收,土壤蒸发受制于植被覆盖,1m左右土壤深度受蒸发影响较表层弱,而又能受到较深层土层更多的降水入渗补给[50],该深度也是植被根系吸收水分较为活跃的土层,降水入渗补给也能够一定程度抵消植被根系的吸收[34],因此该深度土壤水分具有明显的时间稳定性。

3 结论

人工刺槐林经过多年的自然恢复,其土壤水分时空特征发生显著的变化。本研究以空间代时间的方法，于2014—2018年对黄土高原丘陵沟壑区典型小流域不同恢复年限刺槐林的土壤水分进行长时间序列观测，分析15、20、30、35 a恢复年限刺槐林土壤水分时空动态,同时采用相对差分与Spearman秩相关系数两种方法来分析不同恢复年限刺槐林土壤水分时间稳定性,确定不同恢复年限刺槐林土壤水分的代表深度,并采用决定系数R2与纳什系数NSE对土壤深度的代表性进行评价,得出以下结论：

(1)不同恢复年限刺槐林土壤水分差异显著,其储水量大小排序依次为30 a>20 a>35 a>15 a；随着恢复年限增加,刺槐林土壤储水量呈现先增加后降低的趋势；不同恢复年限刺槐林土壤水分时空分布特征差异明显,土壤水分变异性随土壤深度增加而减小,但不随恢复年限而有规律的变化；土壤水分变化主要受降水及植被生长需求的影响,其变异性的时空格局进一步表明土壤水分的稳定性随土壤深度增加而增加；

(2)通过相对差分分析不同恢复年限刺槐林土壤水分时间稳定性,采用时间稳定性指数确定15、20、30、35 a的代表深度分别为80、100、80、150 cm土层；Spearman秩相关分析表明,上土层与下土层的土壤水分的时间稳定性特征差异明显；

(3)线性回归与纳什系数结果显示,决定系数R2的范围为0.49—0.91,纳什系数NSE的范围为0.32—0.82,其中15 a恢复年限刺槐林的代表深度具有最好的代表性,决定系数和纳什系数分别达到0.91和0.82。线性回归与纳什系数结果表明通过相对差分与时间稳定性指数得到土壤水分代表深度的结果是可接受的,但仍存在一定误差,在模型模拟时需考虑这部分的不确定性。

(4)灰色关联度分析表明,土壤质地(砂粒),土壤总氮、土壤容重、土壤有机碳、土壤总孔隙度以及坡度是不同恢复年限刺槐林土壤水分时间稳定性主要影响因素。