文摘

土壤水分是一个至关重要的因素限制了植物的生长和存活在黄土高原上。有水平严重影响植物的生长和发育和社区的类型和分布特征。本研究Jihe盆地地区的黄土高原,中国。多元线性回归模型与不同的环境变量(土地利用、地形和气象因素等)开发模拟土壤水分的时空变化集田间试验、室内分析和GIS空间分析。Jihe盆地模型的性能进行评估,与土壤含水量测量。结果表明,土壤含水量与土壤容重呈正相关,每月的降雨,地形湿度指数、土地利用系数,系数和坡方面但monthly-averaged温度和相对高度负相关系数。所选变量都与土壤含水量和占75%的土壤含水量的变化,剩下的25%的变异是与其他因素有关。比较模拟和在所有采样点测量值显示,所有的模拟值的平均误差为0.09,表明仿真具有较高的精度。土壤含水量的空间分布是影响土地使用和地形因素,和季节性变化显著。土壤水分含量的季节性变化是由降雨和气温的季节性变化(确定蒸发)和植被生长周期。 Therefore, the proposed model can simulate the spatial and temporal variation of soil moisture content and support developing the soil and water loss model on a basin scale.

1。介绍

中国的黄土高原,位于黄河的上游和中游,覆盖约630000公里2,海拔1200 - 1600米海拔黄土覆盖,主要是存款。这个地区一直倾向于严重的水土流失,是自然因素的结果(例如,独特的地质地貌、气候条件、和植被覆盖由于水资源约束)和人为因素(如土地利用管理)1]。强化土壤侵蚀导致土地生产力的下降和环境退化2- - - - - -4]。生态环境建设和农业可持续发展的关键是保护和合理利用水资源和土地资源。作为植物生长和发育的重要限制因素在黄土高原,土壤水分是至关重要的在各种尺度的水文过程,它是一个重要的因素影响降雨入渗、径流和产沙量(5- - - - - -9];因此,客观评估的土壤水分是根本。然而,土壤含水量的测量数据很少,而且更难获得目前在降雨之前一个盆地。土壤水分模型通常是由前期降雨的实证关系10,11)或使用每日计算模型基于前期降雨(12]。模型可以反映土壤干燥/湿润,但它并不能反映真实的土壤含水量,所以它有一个显著的影响结果与模型模拟和预测。特别是在区域范围内,土壤含水量影响因素有很多,如降雨、蒸发、土壤类型、土地利用、地形(13- - - - - -15];所有的因素相互作用,和一些因素很难定量表达他们对土壤含水量的影响,这使得它很难模拟土壤含水量。因此,模拟土壤含水量仍缺乏大型盆地。基于先前的研究[16- - - - - -22和小流域的研究成果23),本研究的目的是评估土壤含水量在大型盆地考虑各种因素影响土壤含水量(24- - - - - -26]。这将奠定基础为研究区域水土流失模型和提供科学依据水土保持和生态恢复黄土高原,中国。

2。材料和方法

2.1。研究区域

研究领域是熙和盆地位于该地区的34°20 19 N ~ 34°38 59 N和105°07 50 E ~ 106°00 45 E,属于黄土丘陵区的第三个亚区。熙和盆地的概述图所示1。流域面积1276.73公里2,年平均降水量558.9毫米。降雨期间每年变化很大,且分布不均,主要从7月到9月。地形支离破碎,沟壑交错。这是东南高西北低,海拔1069至2717米。水土流失发生在广泛领域和大型;侵蚀类型复杂多样;大强度的侵蚀过程集中。水资源的主要制约因素仍然是水土保持和生态环境建设。


图1
位置和数字高程模型(DEM)的西河流域。
2.2。数据源
2.2.1。数字高程模型(DEM)

使用的原始数据是1:50000地形图(1954年北京坐标系,1956年黄海高程系,等高线间距20 m,参考椭球Krasovsky)。地形图扫描,和Geoway用于矢量生成所需的轮廓线层,高程点,和山坡上,然后,E00推导拼接后,在ArcInfo变成覆盖格式,构造拓扑关系。最后,专业款插补软件是用于设置参数根据现有研究生成HC-DEM 10 m分辨率(图1)[27]。的民主党是高斯投影,投影转换为统一的投影信息在这项研究中,利用ArcGIS阿伯斯投影。

2.2.2。气象数据

每日提供的降雨和气温数据中国气象数据网络(http://data.cma.cn/site/index.html)和《黄河流域的水文数据。monthly-averaged降雨和温度在2007年11月和2008年5月计算使用逆距离加权插值法(IDW)。

2.2.3。地形湿度指数

使用多个流算法,基于DEM和地形湿度指数计算,如图2根据计算公式“ “(28), 地形湿度指数; 的融合区在一个单位伸直长度或一个单元网格; 是当地的山坡坡度。其中, 由公式计算” ,”, 是总上游汇水区域的网格,然后呢 是有效的轮廓长度方向流入电网。


图2
“西河流域的地形湿度指数。
2.2.4。土地利用系数

“西河流域的土地利用图是通过解释2005年的TM遥感图像获取。根据目前的研究成果(23),耕地的重要系数,贫瘠的草原,和林地土壤含水量分别为1.06,1.0,和0.65,分别和住宅土地和水体的系数设置为0。土地利用系数映射得到重新分配土地利用图,如图3。


图3
2005年“西河流域土地利用系数。
2.2.5。斜率系数方面

的结果代表研究小流域(23]表明,边坡的八方面(北、东北、东、东南、南、西南、西、西北),斜率系数方面影响土壤含水量是1,0.90,0.77,0.81,0.75,0.79,0.89,和0.87,分别。我们有重新分配方面的斜率地图,斜率系数方面映射如图4。


图4
熙和系数流域污水方面。
2.2.6款。相对高程系数

由于黄土丘陵区,沟壑交错,地形复杂,上部,中部,脊和较低的地区,山,沟不能准确定量表示。因此,每个采样点的相对高程选择系数在小流域斜率来表示位置定量。计算公式见方程(1)。

在哪里 相对高程系数, 采样点的高程, 是最大仰角的分水岭, 的海拔流域出口。相对高程的计算结果系数如图5。


图5
相对高程西河流域的系数。
2.2.7。土壤含水量的字段集合

采样点的布局:采样点收集根据土地利用的结合和地貌类型,取样点覆盖的主要土地利用类型,突出中小地形,不同坡方面,不同梯度的成绩,和斜坡位置,总共70点选择。由于研究区域大,数据收集43个采样点2007年11月和2008年5月27日取样点。在每一个采样点,手持GPS用于记录经度,纬度和海拔。土壤属性,包括含水率和干散货密度、站点附近的地形,土壤侵蚀和土地利用类型记录。土壤含水量的测量:考虑到近地表土壤是中央的起源erosion-induced产沙量,只在0-50厘米深度的土壤作为研究对象。抽样时,环刀是用于收集土壤0-50 cm的深度,和样品之间的间隔是10厘米。样品密封,然后带回实验室,和样品的水分含量是决定干燥方法(105°C, h)。的平均土壤含水量0-50 cm的深度在每个采样站点的均值作为各土层土壤含水量 。

水分的质量内容转化为土壤水分的厚度。 在哪里 , ,和 指土壤水分的厚度0-50 cm土层深度(毫米),平均质量含水率0-50厘米深度的土壤,和平均0-50厘米深度土的干容重每个采样点(g / cm3),分别。

3所示。模型评价方法

3.1。回归分析

回归分析是最基本的定量分析方法。根据数据统计原则,回归分析方法可以帮助大量统计数据的数学过程,确定因变量和自变量之间的相关性,并建立一个回归方程(函数表达式)有很好的相关性。除此之外,它还可以帮助找到一个好的回归系数,然后进行相关测试来确定相关系数,可以预测因变量的变化后满足相关要求。

在这项研究中,Excel的多元回归分析方法用于分析土壤含水量之间的关系(毫米)(因变量)和土壤容重,monthly-averaged降雨,monthly-averaged温度、地形湿度指数、土地利用系数、斜率系数方面,和相对高度系数(7独立变量)。

多元回归分析给出以下评价指标:多个相关系数 ,决定系数 ,和 的价值 统计数据。多元回归分析结果完成了变量的系数,通过分析多个相关系数 ,决定系数 ,和 的价值 统计数据等。

3.2。相对误差

的比例绝对误差引起的测量在测量真值相对误差(协议),它可以更好地反映测量的可信度。

在哪里 相对误差; 是测量值; 是模拟的值。

为了反映测量的整体可靠性,平均相对误差在各方面都得到下面的公式: 在哪里 平均相对误差; 相对误差; 采样点的数量。

4所示。结果与讨论

4.1。土壤水分模型的建设

土壤含水量(毫米)作为因变量,土壤容重,monthly-averaged降雨,monthly-averaged温度、土地利用系数、地形湿度指数,斜率系数方面,和相对高度系数是独立的变量。回归函数的使用Excel的数据分析工具进行多元回归分析。需要一些数据回归分析和模拟结果如表所示1。(1)通过多元线性回归分析模型方程

表1
参数属性值的样本。

在哪里 是土壤的水分含量(mm); 是土壤的体积密度(克/厘米吗3); 是monthly-averaged降雨(mm); 是monthly-averaged温度(°C); 地形湿度指数; 是土地利用系数; 斜率系数方面; 是相对高度系数。

模型的主要统计参数方程如表所示2。(2)回归分析的结果表明,复相关系数 是0.84,行列式系数 是0.75。这意味着变量考虑占75%土壤含水量的变化,剩下的25%的变异是由其他因素引起的。这表明影响土壤水分的因素是复杂的(3)的 的价值 统计 ,这是远小于0.05的显著水平。这表明回归方程的显著效果,和选择的变量都与土壤含水量有关(4)的 的价值 - - - - - -测试的回归系数表明,回归系数显著远离零,这可以用来解释土壤含水量的变化。变量的回归系数(土壤容重、每月降雨,地形湿度指数、土地利用系数,系数和坡方面)是积极的,这表明土壤含水量与这些变量呈正相关。monthly-averaged回归系数的温度和相对海拔系数为负,表明土壤含水量与这两个变量负相关(5)分析仿真结果的错误

表2
相关与回归分析的参数。

如果我们用在每个测点的数据表1在方程(5),每个测点的土壤含水量可以模拟和表所示1(列10)。模拟和测量值代入方程(3)计算采样点的相对误差的模拟土壤水分含量,如表所示1(列11)。最后,所有点的平均相对误差计算公式(4), ,和平均相对误差为0.09。结果表明,土壤含水量高的模拟精度。

4.2。仿真研究区域的土壤含水量

考虑土壤水分含量的季节性变化主要受降雨和气温(蒸发)、土地利用、土壤因素,地形因素相对稳定,今年每个月的降雨和气温是插在方程(5),其他变量保持不变。土壤水分含量的季节性变化模拟从4月到2005年10月,仿真结果如图6。

(一)在2005年4月土壤含水量
(一)在2005年4月土壤含水量
2005年5月(b)的土壤含水量
2005年5月(b)的土壤含水量
(c)在2005年6月土壤水分含量
(c)在2005年6月土壤水分含量
2005年7月(d)的土壤含水量
2005年7月(d)的土壤含水量
2005年8月(e)的土壤含水量
2005年8月(e)的土壤含水量
(f) 2005年9月的土壤含水量
(f) 2005年9月的土壤含水量
(g) 2005年10月的土壤含水量
(g) 2005年10月的土壤含水量
图6
土壤水分含量从2005年的4月至10月。

根据模拟结果如图6,月平均土壤含水量从4月到10月是110.03,107.02,94.79,104.06,101.81,109.68,和125.90毫米。结合平均降雨量和温度的变化从2005年4月至10月在熙和盆地(图7),可以看出,降雨是最低的4月和7月最高,与其它几个月无显著差异,但温度的升高逐渐从5月到8月,下降逐渐从8月到10月。每月模拟土壤水分含量的季节性变化表明,土壤水分含量的季节性变化是由降雨和温度控制蒸发和植被生长周期。今年4月,虽然降雨量少,土壤含水量并不是最低的,因为温度相对较低,蒸发更少。降雨量增加,但由于温度和蒸发的增加,植被生长逐渐变得充满活力,和土壤含水量低于4月份。从6月到8月,温度迅速上升。植被的繁荣,和蒸发增加。另外,因为6月降水相对较少,6月的土壤水分含量是最低的;当7月降雨量增加,土壤含水量也随之增加;然而,8月土壤水分含量却降低了。从9月到10月,温度显著下降,蒸发和植被耗水量显著降低; the soil moisture content is increased gradually, so the soil moisture content in October was higher (118.30 mm). These indicated that the seasonal variation of soil moisture content is not synchronous with the rainy season in climate [24),也受温度和植被生长周期(25]。这与之前的研究的结论是一致的29日- - - - - -32]。因此,可以得出结论,该模型方程可以令人满意地模拟区域土壤水分的时空变化的内容。


图7
的平均温度和雨水从4月到2005年10月。

5。结论

基于实测数据,进行多元线性回归分析获得土壤含水量的模拟方程,方程应用于研究区。

下面给出具体结论:(1)前期土壤含水量的模拟方法在流域尺度探索。建立了土壤含水量的多重回归方程,可以模拟土壤含水量的空间和时间分布。(2)该方法产生的土壤含水量的合理估计。所有的模拟值的平均误差为0.09,表明仿真具有较高的精度。(3)土壤含水量的地图2005年10通过该方法研究区域显示,土壤含水量的空间分布是影响土地利用、地形指数;今年季节性变化明显受温度影响(蒸发)。结果可以反映区域土壤水分的时空变化的内容。这项研究提供了方法论的支持,估计可以用于研究区域土壤含水量和区域土壤侵蚀模型。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究得到了国家重点研究和开发项目(2019号yfc0409202),创新的基础研究小组中国国家自然科学基金(51721006),高级人才支持计划的中国北方水资源和电力大学和特殊支持创新型科技团队水源地区的水生态安全路线的中间南到北调水河南省。