根系層土壤濕度控制植被根系的水分吸收和蒸騰過程,是陸地—大氣相互作用中的一個(gè)重要變量。為了獲得根系層土壤濕度的時(shí)空分布,以半干旱區(qū)的老哈河流域?yàn)檠芯繉ο?利用具有物理基礎(chǔ)的土壤水分分析關(guān)系（SMAR）模型,并結(jié)合遙感土壤濕度產(chǎn)品進(jìn)行研究。結(jié)果表明:利用土壤物理屬性、歸一化植被指數(shù)（NDVI）和實(shí)際蒸散發(fā)作為自變量進(jìn)行多元線性回歸分析,可以建立SMAR模型參數(shù)的估算方程（p<0.05,雙尾t檢驗(yàn)）。將遙感土壤濕度產(chǎn)品與SMAR模型結(jié)合估算區(qū)域根系層的土壤濕度具有良好效果,與基于實(shí)測數(shù)據(jù)的估算結(jié)果比較,其相關(guān)性R主要分布在0.5～0.9,平均值為0.692（p<0.05,雙尾t檢驗(yàn)）,平均絕對誤差、平均相對誤差、均方根誤差和標(biāo)準(zhǔn)偏差總體均<0.1。SMAR模型與遙感數(shù)據(jù)產(chǎn)品結(jié)合能夠良好地模擬出區(qū)域尺度根系層土壤濕度的空間分布狀況。該研究為更大尺度根系層土壤濕度的估算提供支撐,也能更好地運(yùn)用于干旱半干旱區(qū)農(nóng)業(yè)規(guī)劃、干旱監(jiān)測及其他水文模擬。 

【文章來源】：水土保持研究. 2020,27(03)北大核心CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

圖1 年降雨量300～500 mm農(nóng)氣站分布圖

(3) 利用得到的分段線性回歸方程,進(jìn)行CDF匹配調(diào)整,從而得到農(nóng)氣站實(shí)測土壤濕度、CCI土壤濕度和調(diào)整后的土壤濕度(圖2D),圖中實(shí)線表示農(nóng)氣站實(shí)測土壤濕度,粗虛線表示原始CCI土壤濕度,細(xì)虛線表示調(diào)整后的土壤濕度數(shù)據(jù)。以內(nèi)蒙古赤峰站所在像元為例,已知1993—2006年逐年4—9月的站點(diǎn)實(shí)測土壤濕度值及CCI遙感土壤濕度,將實(shí)測數(shù)據(jù)轉(zhuǎn)化成以體積含水量為單位,進(jìn)行CDF重調(diào)整,從而獲得調(diào)整后的土壤濕度數(shù)據(jù)時(shí)間序列曲線(圖3),從圖3可以看出,原始CCI SM整體上小于實(shí)測的SM,但是兩套數(shù)據(jù)的趨勢具有良好的一致性,調(diào)整后的數(shù)據(jù)普遍向上抬升,在數(shù)值和形態(tài)表現(xiàn)上都更加靠近基準(zhǔn)的SM數(shù)據(jù)。對該站點(diǎn)所在像元CDF重調(diào)整前后的CCI SM與實(shí)測數(shù)據(jù)之間的誤差進(jìn)行統(tǒng)計(jì)分析(表1),可以看出CCI SM經(jīng)重調(diào)整后各項(xiàng)誤差指數(shù)都得到降低,尤其是MAE和RMSE減少12%以上,表明調(diào)整后的數(shù)據(jù)更加接近于實(shí)測的SM數(shù)據(jù)。綜上,赤峰站所在像元的實(shí)測土壤數(shù)據(jù)經(jīng)過CDF重調(diào)整后精度得到明顯改善,整個(gè)研究區(qū)像元調(diào)整方法類似,誤差也得到減小,精度得到提高。

本文首先根據(jù)中國農(nóng)作物氣象數(shù)據(jù)網(wǎng)的中國農(nóng)作物生長發(fā)育和農(nóng)田土壤濕度旬值數(shù)據(jù)集整理了分布在中國年降雨量線300～500 mm內(nèi)的82個(gè)站點(diǎn)不同剖面深度實(shí)測相對SM,將農(nóng)氣站表層10 cm的相對SM的時(shí)間序列作為SMAR模型的輸入數(shù)據(jù),采用MATLAB的遺傳算法優(yōu)化由表層相對SM模擬作為輸入得到的根系層相對SM與其實(shí)測的10 cm以下的根系層相對SM均值之間的RMSE,從而得到每個(gè)農(nóng)氣站SMAR模型最優(yōu)的參數(shù)組合,為后續(xù)SMAR參數(shù)的統(tǒng)計(jì)分析奠定基礎(chǔ)。該遺傳算法能夠在大多數(shù)站點(diǎn)位置找到每個(gè)參數(shù)的近似全局最小值。這里以老哈河流域周圍的包括赤峰等6個(gè)站點(diǎn)為例運(yùn)用SMAR模型估算站點(diǎn)尺度根系層的相對土壤濕度。圖4和表2給出了SMAR模型在研究區(qū)及周邊幾個(gè)農(nóng)氣站14 a的初步應(yīng)用,可以看到該方法能很好地捕捉下層土壤水分的動(dòng)態(tài)變化,與實(shí)測根系層的相對SM趨勢變化具有良好的一致性,并接近于每個(gè)站點(diǎn)的觀察結(jié)果。RMSE和R分別表示農(nóng)氣站實(shí)測10 cm以下根系層的相對SM均值與SMAR模型模擬的根系層的相關(guān)關(guān)系。根據(jù)MATLAB遺傳算法[14]對站點(diǎn)的參數(shù)進(jìn)行校準(zhǔn),在均方根誤差方面表現(xiàn)較好,而在相關(guān)性方面各站點(diǎn)表現(xiàn)好壞存在差異,R最低的奈曼旗站為0.471,最高的阜新站為0.895。


本文編號(hào)：3463003