科尔沁沙地樟子松人工林土壤水分动态及其对降雨的响应

2023-06-08吉吉佳门程一本谌玲珑万鹏翔张祎晖杨文斌白旭赢

干旱区研究 2023年5期

吉吉佳门，程一本，谌玲珑，万鹏翔，张祎晖，杨文斌，白旭赢，王涛

（1.北京林业大学水土保持学院，北京 100083；2.中国林业科学研究院荒漠化研究所，北京 100091；3.内蒙古低覆盖治沙科技开发有限公司，内蒙古呼和浩特 010010）

中国在过去40 a 间开展了广泛的植被绿化项目，森林的增加大幅度增强了生物地球化学和生物物理对气候的影响。同时，人工建植促进植被恢复可显著影响土壤化学计量特征，也对土壤物理改良具有积极作用，有效改善土壤理化性状［1-2］。在干旱半干旱地区的陆地表层系统中，地区水资源平衡受降雨、蒸散发、径流和土壤储水量控制，其中土壤水是水资源重要的存在形式，是植被恢复格局和过程的主要驱动力与重要生态因子［3-4］。降雨转换而来的土壤水分对半干旱地区植被恢复与重建影响显著，雨养型植被是中国防沙治沙工程的主要植被类型，其高度依赖土壤水生存［5］。干旱少雨、水资源匮乏、植被退化以及沙漠化加剧等因素导致内蒙古成为全国沙漠化土地最集中的省区之一，理解植被恢复后土壤水分的动态变化对于后续植被恢复极其重要。

学者对旱区人工植被土壤水分的时空动态特征及其再分配开展了大量研究。Zhang 等［6］指出植被恢复后，干旱荒漠化地区土壤水分平衡发生了显著变化。Cheng等［7-8］在干旱区开展了大量关于人工林和农田的深层渗漏研究，发现人类活动改变了沙区降雨水分在陆地表层的分布。李新乐等［9］指出降雨是白刺沙包土壤水分最重要的补给源，也是影响浅层土壤水分补给深度的决定因素。此外，还有许多对毛乌素沙地、黄土丘陵风沙区、腾格里沙漠等旱区土壤水分及深层渗漏的研究［10-12］，这些研究对量化旱区水资源分配，进行生态恢复和退耕还林提供了科学依据。目前在旱区，降雨水分运移研究中一般通过对相关参数进行具体的修正，形成特定条件下的水分运动模型［13］。其中，土壤水分模拟是目前Hydrus-1D 应用最为广泛的领域，能较好的模拟干旱半干旱条件下的土壤水分平衡、深层渗漏［14-16］，研究下渗对降雨格局的响应。

樟子松是一种适宜于中国北方的树种，节水耐盐。在科尔沁沙地，降雨是生态系统和土壤水分最为主要的水分补给来源，且该地区的降雨条件接近樟子松引种区的降雨下限，因此樟子松被大量用于营造防风固沙林来治理生态环境问题［17］。在生态脆弱的奈曼沙区种植樟子松可以有效改善土壤结构，适宜在该地固沙工作中推广［18］。采用“两行一带”的种植模式低密度栽培樟子松进行生态修复后，林地土壤水分动态及其对降雨的响应研究极其重要，这影响了同类型地区是否可以持续使用樟子松进行生态修复。但现阶段对科尔沁地区“两行一带”式樟子松的土壤水分平衡研究进展不大，因为深层土壤水分运移过程不清晰导致没有完整研究样地尺度的地上地下部分水量平衡。因此，本研究以樟子松为对象，采用野外控制定位试验监测法和数据模拟分析法相结合，分析土壤水分时空动态及不同深度土壤水分对降雨的响应，论证Hydrus-1D模型对研究区土壤水分运动模拟的可靠性，探究使用樟子松进行植被恢复后地区土壤水分的动态特征。

1 数据与方法

1.1 研究区概况

研究区位于通辽市奈曼旗(120°19′40″～121°35′40″E，42°14′40″～43°32′20″N)东北部的奈林林场（图1），科尔沁沙地南缘。该地区海拔为240～700 m，地势西南高，东北低［19］。属于温带大陆性季风气候，年平均气温7.0 ℃，年平均降雨量354.3 mm，降雨主要分布在5—10月［20］。夏季高温降雨较多，冬季低温且降雪较少，昼夜温差大，日照时间长。该地区风沙土广布，土壤孔隙大，透水性较强。同时还分布有草甸土母质，蓄水保肥能力强，通气性较差，不耐旱涝［21］。地带性植被为温带草原带，次生性明显。以半干旱地区的植物种为主，天然分布的植物种主要有山杏（Armeniaca sibirica）、白茅（Imperata cylindrica）、大针茅（Stipa grandis）、羊草（Leymus chinensis）、黄柳（Salix gordejevii）等［22］。

图1 研究区地理位置Fig.1 Location of the study area

1.2 野外调查与数据采集

1.2.1 试验地选择选择奈林林场地势平缓的樟子松（Pinus sylvestrisvar.mongolica，PSM）林地，以减少坡度对研究结果的影响。研究区樟子松已种植32 a，采用行带式种植，两行之间距离20 m。样地为长方形，大小300 m×500 m，内有2500～3500 株樟子松，坡度缓，视为平地。土壤类型为沙土，无地表径流，地下水平均埋深5.75 m。在行带完整的样地里，选取胸径中位数植株作为试验对象，对样地200 株樟子松进行调查后各项平均指标如表1所示。为了避免空间异质性带来的试验误差，选取条件相似的3 块试验标准区域作为重复试验样地，避免因植物种群不同带来的试验差异，3 块样地之间距离大约100 m。同时选取一个相邻的裸沙地作为对照组，先将周围树根挖断，再使用0.5 mm塑料膜隔离出一个周长20 m，深4 m的独立土壤空间，防止周边根系侵入影响降雨水分入渗。试验场地设计如图2所示。

表1 试验样地樟子松各项指标平均值Tab.1 Average value of each index of PSM in the study area

图2 试验地设计Fig.2 Experimental site design

1.2.2 数据采集方法研究基于原位试验，需要获取降雨量、土壤含水量、深层渗漏量等信息，需要获取的参数如下：

（1）降雨量：雨量计的安装参照标准气象站安装规范，在样地安装两套地表雨量监测系统，统计降雨的雨量、次数、历时等指标，监测数据每10 min记录一次。采用美国AVALON 公司生产的AV-3665R型雨量传感器，分辨率0.2 mm，精度±2%。

（2）土壤水分：采用土壤水分传感器分层监测样地2 m内土壤的水分变化。根据现场挖掘的土壤剖面，结合试验地草本根系特征和土壤分层情况，将樟子松林地土壤划分为8 个土壤水分观测层，并在0.4 m、0.6 m、0.8 m、1.0 m、1.2 m、1.4 m、1.7 m 和2.0 m深度处安装土壤水分传感器，将裸沙地土壤划分为6个土壤水分观测层，并在0.3 m、0.6 m、0.9 m、1.2 m、1.5 m 和2.0 m 深度处安装土壤水分传感器，对比造林后降雨水分再分配过程受到植被影响而产生的差异。监测数据每10 min记录一次。

（3）深层渗漏：使用深层渗漏仪对样地2.0 m处深层渗漏进行连续监测，该仪器利用毛管水力提升高度设计一个平衡部，待测土层有水分流量进入平衡部后在仪器下部产生渗漏，从而直接测量深层渗漏量。在安装渗漏计量仪时为避免扰动观测层土壤，采取侧挖埋设，减少对原位土壤层的干扰，保持原位土壤的完整性。仪器计量分辨率为0.2 mm，精度±2%。

1.3 模型计算

1.3.1 水流方程采用Hydrus-1D模型对樟子松林地土壤水分运移过程进行模拟，水分以垂向运动为主，采用一维垂直入渗Richards方程［23］描述：

式中：θ为土壤体积含水量（cm3·cm-3）；t为时间（d）；z为垂向坐标（cm），假设地表为0，向下为正；K(h)为非饱和导水率（cm·d-1）；h为压力水头（cm）；S(h)为根系吸水速率（cm·d-1）。

土壤水分特征曲线和非饱和导水率用van Ge⁃nuchten-Mualem方程拟合：

式中：θr为土壤残余含水量（cm3·cm-3）；θs为土壤饱和含水量（cm3·cm-3）；Ks为饱和导水率（cm·d-1）；Se为无量纲的相对含水量；α、m、n、l均为拟合参数。

1.3.2 根系吸水 Hydrus-1D 将根系吸水转化为水分胁迫函数［24］，提供Feddes和S-shape两种根系吸水模型。本研究采用Feddes 模型来模拟樟子松林地的根系吸水过程，具体表达式如下：

式中：S(h)为根系吸水速率（cm·d-1）；α(h)为水分胁迫反应系数；Sp为潜在吸水速率（cm·d-1）；b(x)为根系吸水分配密度函数；Tp为潜在蒸腾速率（cm·d-1）。

1.3.3 时间和空间离散由于降雨集中在7—9 月且此时段为樟子松生长旺盛的季节，因此选择2021年6 月1 日—10 月31 日为模拟时段，时间离散单元为d，共153 d。采用时间离散化的方式进行模拟，设置起始时间为0，模拟结束时间为153 d，初始时间步长为0.001 d，最小时间步长为0.001 d，最大时间步长为1 d。模拟土层厚度为2 m，以0.01 m 离散单元将其分割为200 个单元，垂直离散为201 个节点。根据土壤性质，将土壤剖面模型分为8层，设置8个观测点。

1.3.4 边界及初始条件模型上边界条件设置为可积水的大气边界，下边界设置为自由排水边界。潜在日蒸腾量采用FAO 推荐的Penman-Monteith 公式计算，Hydrus-1D自动处理蒸腾量每日变化。

1.3.5 模型参数率定与评价指标模型水力参数的准确性对一维土壤水分运移模型能否反映实际情况具有重要的决定性，因此需对参数θr、θs、α、n、Ks进行不断地优化，使其更加符合实际情况。参数优化时Hydrus-1D使用结合了牛顿法和最速下降法的LM法，进行目标函数的最小化，并为优化参数提供置信区间［25］。本研究通过不同降雨条件下的实测土壤体积含水量对参数进行校正与优化，获取的参数见表2。

表2 研究区土壤水力学参数Tab.2 The soil hydraulic parameters in the study area

选取决定系数（R2）、相对误差（RE）、均方根误差（RMSE）和Nash 效率系数（NSE）作为评价指标进行误差分析［26］，衡量模型的模拟效果与评价模型精度。其中，RE反映模型模拟过程中模拟值与实测值之间的相对误差；RMSE 反映模拟值与实测值的绝对误差的平均程度，值越接近于0，模拟精度越高；NSE 表示模拟效果随时间变化的符合程度，值越接近1模拟效果越好［27］。

1.4 数据处理

统计发现2021 年4—10 月降雨量约占全年降雨量的98%，故选择2021年4月1日—10月31日作为监测期分析降雨水分分配。将24 h降雨量分为4个等级：小雨（0.1～9.9 mm）、中雨（10.0～24.9 mm）、大雨（25.0～49.9 mm）、暴雨（50.0～99.9 mm）［28］。使用水量平衡方程及入渗系数公式，初步计算研究区樟子松林地、裸沙地降雨水分的分配，具体表达式如下：

式中：P为降雨量（mm）；D为深层渗漏量（mm）；ΔSWC 为土壤含水量的变化值（mm）；ET 为蒸散发量（mm）；R为入渗系数。

应用Excel、Matlab R2021b 软件对数据进行整理分析，并采用IBM SPSS Statistics 26 软件进行Pearson 相关性分析，Origin 2022 软件绘图，Hydrus-1D建立模型。

2 结果与分析

2.1 林地与裸沙地降雨水分分配

从表3可知，樟子松林地降雨量共572.6 mm，深层渗漏系数为0.70%。其中，0～2.0 m土壤中储存降雨水分37.34 mm，有4.0 mm 的降雨水分渗漏到2.0 m 以下，其余531.26 mm 水分为植被截留、蒸散发量。虽然，裸沙地2 m 处深层渗漏量大于樟子松林地深层渗漏量，但林地植物根系利用水分且蒸散发量损失较大，监测期裸沙地蓄水量明显多于林地蓄水量。使用樟子松进行生态修复后改变了降雨水分的分布，但樟子松林地仍可维持大气降水、地表水、土壤水和地下水4水转换，并保证降雨水分对深层渗漏或者地下水的补给。林内土壤体积含水量随着降雨量的增减而呈现相同的变化趋势（图3），4月、5 月降雨量较少，各层土壤体积含水量缓慢增加；6—8月各层土壤体积含水量随降雨量增加而迅速上升；9月降雨量减少，各层土壤体积含水量也随之降低。其中，林地降雨主要集中在7—9月，但2 m以下深层渗漏主要发生在5—7 月，8 月深层渗漏量仅有0.4 mm。

表3 试验样地降雨水分分配对比Tab.3 Comparison of rainfall distribution in experimental plots

图3 月尺度林内降雨量、深层渗漏量和土壤含水量动态Fig.3 Dynamics of rainfall,deep soil recharge and soil water content at monthly scale

2.2 林地降雨量与土壤体积含水量关系

2.2.1 林地土壤水分对降雨的动态响应降雨后部分雨水下渗进入土壤，使得土壤体积含水量随之变化。从图4 可以看出，在雨季不同深度土壤体积含水量波动频繁，每次波动都与降雨事件相对应。监测期共记录77次降雨事件，引起林地土壤体积含水量明显波动的共有15次，其中最小的为7月1日8.4 mm的降雨，最大的为8月20日81.6 mm的降雨。不同降雨事件引起的土壤水分波动情况不同，例如7月9 日45.8 mm 的降雨引起了8 个观测层含水量的变化，对0～2.0 m 土壤水分补给作用明显；而9 月6日13.4 mm 的降雨只引起了0～0.6 m 土壤水分的波动，对樟子松林地0.6 m以下土层无直接补给作用。观测层中，林地1.2 m 处土壤体积含水量最高。7 月雨季之前，8 个观测层含水量的值基本稳定，4月林地1.2 m深度土壤体积含水量稍大于1.4 m处土壤体积含水量，在5—7月两处土壤体积含水量近乎相等。7月雨季开始，1.2 m深度土壤体积含水量大于1.4 m 深度土壤体积含水量，这两处土壤体积含水量在全年均高于其他观测点的土壤含水量。

图4 樟子松林地不同深度土壤水分对大气降雨的响应Fig.4 Response of soil moisture at different depths to rainfall in PSM forest land

由樟子松林地各观测层土壤体积含水量变化可知（表4），8个观测层土壤体积含水量最低值均出现在4月，最高值除1.7 m处在9月外，其余7层最高值均出现在8月。观测剖面4—10月最大土壤体积含水量为15.51%，出现在8 月20 日1.2 m 土层处，4—10月最低土壤体积含水量为0.66%，出现在4月1 日1 m 土层处。0.4 m、0.6 m、0.8 m、1.0 m、1.2 m、1.4 m、1.7 m和2.0 m处土壤体积含水量变化幅度分别为14.03%、13.00%、13.64%、10.13%、9.81%、9.38%、8.66%和7.68%。由此可知，随着土壤深度的增加，水分波动幅度呈现减小的趋势。0.4 m深度土壤体积含水量波动最大，受降雨影响剧烈。

表4 樟子松林地不同深度土壤体积含水量变化峰值Tab.4 Peak value of soil water content at different depths of PSM forest land

2.2.2 相关分析大气降雨是樟子松林地土壤水分的主要来源，因此，降雨量与不同深度的土壤体积含水量之间可能存在相关关系。考虑到降雨后渗漏的延迟性，分别统计观测周期为日、周、半月、月的累计降雨量和各层土壤体积含水量，进行Pearson相关分析，结果如表5 所示。对于0.4 m、0.6 m、0.8 m、1.0 m和1.2 m土层，其土壤体积含水量与累计降雨量之间在日、周、半月、月尺度上均存在相关关系（P<0.05），其中0.4 m、0.6 m、0.8 m、1.0 m 和1.2 m 土层，其土壤体积含水量与累计降雨量在日、周、半月尺度上显著相关（P<0.01）；周累计降雨量与1.4 m、1.7 m土层体积含水量在0.05水平上显著相关，与其余土层体积含水量在0.01水平上显著相关；半月累计降雨量和1.7 m 土层体积含水量在0.05 水平上显著相关，和其余土层体积含水量在0.01水平上显著相关。

表5 降雨量与不同深度土壤含水量的相关关系Tab.5 The correlativity between rainfall and soil water content at different depths

总体来说，降雨量和深度较浅的土壤体积含水量之间存在较强的相关关系。周期为周、半月的累计降雨量与各层土壤体积含水量显著相关（P<0.05），当周期为月时其相关性整体减弱，而周期为日时其相关性只在较浅的土层中体现。

2.2.3 降雨量与下渗深度分析由试验结果可知下渗深度到达0.4 m 处的最低降雨量为13.4 mm。选择试验期间10 场典型独立降雨与下渗深度进行指数、S型方程、多项式拟合分析，最优拟合结果如图5所示。由图5可知，在一定范围内，下渗深度随降雨量的增大而增加，当降雨量大于50 mm时，能保证对2.0 m处土壤水分的补给。此外，两次中雨雨量分别为16.8 mm（6 月19 日）和18.8 mm（8 月24 日），数值接近，但入渗深度分别为0.6 m 和1.0 m，相差0.4 m。由此可见，降雨量一定时，下渗深度仍可能存在较大差异，独立降雨的入渗深度还受到降雨强度、土壤初始含水率等的影响。

图5 降雨量与下渗深度拟合Fig.5 Fitting of rainfall and infiltration depth

2.3 林地土壤水分运移模拟

在参数优化后，根据所建模型模拟得到土壤水分运移结果。由图6 可知，Hydrus-1D 能够模拟降雨入渗过程中土壤水分的动态变化，研究区土壤水分运移模拟值和实测值具有基本一致的走向变化。总体来看，没有降雨发生的6月和10月拟合度较有降雨时的7—9月拟合度低，0.4 m、1.7 m深度模拟效果与其他层相比较差，其余深度土壤水分实测值均坐落于模拟曲线附近。在9 月21 日最后一场降雨后，0.4 m、1.4 m、2.0 m处模拟结果较好，其余深度土壤水分被低估。

图6 不同深度土壤含水率观测值与模拟值比较Fig.6 Comparison of measured and simulated values of soil water content at different soil depths

使用实测土壤体积含水量与模型模拟值验证Hydrus-1D 在研究区的适用性，检验结果显示模型整体决定系数为0.876，除了0.4 m 处R2为0.615 外，其余土层的R2在0.63～0.85 范围内，拟合结果较好。选择具有代表性的4 个观测层（0.4 m、0.8 m、1.2 m和2.0 m）进行分析，下文中NSE1.2、RE1.2、R21.2与RMSE1.2分别表示1.2 m 处观测层的Nash 效率系数、相对误差、决定系数、均方根误差，其余3 个观测层表示方法与此相同。各土层土壤水分模拟效果和评价结果如图7 所示，4 个观测层Nash 效率系数均大于0.5，在可接受范围内；相对误差绝对值均小于5%，均方根误差均小于0.008，模拟精度较高。其中，0.8 m、1.2 m、2.0 m 处观测层土壤水分模拟效果较好。从各土层的模拟结果对比来看，Nash效率系数表现为：NSE2.0>NSE1.2>NSE0.8>NSE0.4，相对误差的绝对值表现为：RE1.2R21.2>R20.8>R20.4。

图7 不同深度土壤水分运移模拟结果验证Fig.7 Verification of simulation results of soil water transport at different soil depths

综上可知，经参数优化后的Hydrus-1D 模型对研究区土壤水分运动模拟有较好的适用性，并且深层土壤含水率的模拟精度高于浅层土壤。模型可通过预测的降雨来模拟土壤水分的变化，为科尔沁沙地植树造林提供科学依据。

3 讨论

3.1 林地与裸沙地深层渗漏分析

裸沙地2.0 m深度处渗漏量占降雨量的44.16%，樟子松林地渗漏量占降雨量的0.7%，使用樟子松进行生态修复明显改变了降雨水分的分布。深层土壤水的补给和更新通常比较缓慢，在干旱半干旱地区更为明显，因此，植树造林容易造成深层土壤干燥化现象，进而阻止上层土壤与地下水之间的水交换，导致深层渗漏量减少［29］。林木会对降雨转化而来的土壤水分进行吸收利用，且樟子松作为深根性植被能够吸收利用深层土壤水，进一步导致降雨补给的深层渗漏量减少。在降雨过程中，降雨特性也会影响植物的穿透和截留，从而影响到降雨水分的分配。Zhang等［30］指出裸沙区与植被恢复区土壤蒸发量差异的主要原因是生物结皮的形成，植被恢复后，土壤蒸散发随之改变，进而影响水分深层渗漏量，导致植被修复后形成的樟子松林地与裸沙地的深层渗漏量产生较大的差异。我们的研究表明，种植樟子松后地区水分分布发生了改变，因为樟子松生存耗水，将降雨水分拦截在浅层土壤中并消耗，减少了地区深层渗漏。虽然研究区造林后降雨水分分配发生了较大变化，但2021年樟子松林地仍可维持4 水转换，并保证降雨水分对深层渗漏或者地下水的补给。

此外，监测期降雨主要集中在7—9月，但2.0 m处深层渗漏主要发生在5—7 月，8 月深层渗漏量仅有0.4 mm。发生此现象是因为7—9 月为樟子松生长季，土壤中的雨水大多被吸收利用，且此时的蒸散发量较大，水分很少渗漏到2 m以下。而4—5月是冻融季节，地表土壤蒸发较少，并且深层土壤和浅层土壤存在温度差，导致有水分渗漏，此时樟子松生长活动较弱，吸收利用的水分也比生长季少。因此，在7—9 月樟子松生长旺盛的季节，即使降雨量增加，水分大多被林木利用，深层渗漏量并未增加。

3.2 林地土壤水分对降雨的动态响应

樟子松林地0.4 m、0.6 m、0.8 m、1.0 m、1.2 m、1.4 m、1.7 m和2.0 m处土壤体积含水量变化幅度分别为14.03%、13.00%、13.64%、10.13%、9.81%、9.38%、8.66%和7.68%。0.4 m深度土壤体积含水量波动最大，受降雨影响剧烈。随着土壤深度的增加，水分波动幅度呈现减小的趋势。降雨过程的持续使土壤含水率逐渐增加，水分主要在重力作用下运动，深层土壤受降雨影响小，水分逐渐达到稳渗状态，因此，深层土壤含水量随时间的持续变化比浅层小。将24 h降雨量分等级可得，监测期内0.4 m深度以下土壤水分对小雨无响应，土壤水分对中雨的响应深度可达1.0 m，对大雨和暴雨的响应深度涉及整个观测剖面。

对降雨量和日、周、半月、月尺度各层土壤含水量进行相关分析，发现降雨量和深度较浅的土壤体积含水量之间存在较强的相关关系。在毛乌素沙地，吴丽丽等［31］对不同时间尺度累积的降雨量和沙层渗漏水量进行相关分析和线性拟合后发现，越往深处渗漏水量对降雨的响应越弱。廉泓林等［32］以科尔沁沙地南缘的樟子松和柠条固沙人工林为研究对象，进行土壤水分的时空变化特征研究，得到土壤含水量对大气降雨的响应随着土层深度的增加而减弱的结果，与本文研究结果一致。此外，本试验发现在一定范围内下渗深度随降雨量的增大而增加，当降雨量大于50 mm 时，能保证对2.0 m 深度土壤水分的补给。

3.3 降水再分配过程模拟与分析

Hydrus-1D模型已成功应用于不同类型林分的土壤水分动态模拟中，包括杨树林、热带季雨林、荒漠绿洲等。李琦等［33］利用Hydrus-1D模拟华北平原小麦种植区水盐运移，结果表明浅层土壤水分模拟误差更大。李阳明［34］在南方红壤坡地土壤水分运移模拟中也得到模型精度在空间上呈现出深层高于表层的特点。在本研究8个观测层中，模型对0.4 m 深度土壤水分波动模拟较其他深度拟合情况差，且深层土壤含水率的模拟精度高于浅层土壤。浅层土壤水分运移模拟因受外界因素的剧烈影响，导致比深层土壤产生更大的误差。渗透、蒸腾和蒸发等水分通量的频繁交换可能造成根系主要分布层产生较大的模拟误差［35］。

本研究应用参数优化的Hydrus-1D模型模拟了樟子松林地在生长季的水分动态变化，结果表明，整体剖面R2为0.876，8 个观测层R2值范围处于0.61～0.85，相对误差绝对值和均方根误差值的范围分别为0.0017～0.063 cm3·cm-3和0.0061～0.0096 cm3·cm-3。李冰冰等［36］指出多数基于Hydrus-1D 的模拟，决定系数在0.59～0.84，均方根误差在0.015～0.063 cm3·cm-3。本研究中评价指标均落于或部分优于上述范围，表明模型能较好地模拟研究区土壤水分的动态变化特征，模型精度较高。此校正模型可用于预测降雨后土壤水分的分布与运动，为科尔沁沙地生态修复提供科学依据。