黃土高原丘陵區(qū)土壤水分空間分布特征

黃土高原丘陵區(qū)土壤水分空間分布特征

水土流失是限制洛杉磯高原植被恢復(fù)和重建的重要因素，尤其是在干旱的黃土山區(qū)。該區(qū)溝壑縱橫,地形起伏變化對降水和熱量具有強(qiáng)烈的再分配作用,直接影響降雨的入滲量和蒸發(fā)量,導(dǎo)致土壤水分在空間的變化。研究該區(qū)土壤水分的空間分布特征,對土壤水分的合理利用及植被恢復(fù)重建的空間布局具有重要的理論與實踐意義。地形對土壤水分的影響已有較多研究,通常是將同種地形因子下的數(shù)據(jù)進(jìn)行統(tǒng)計分析后比較。由于影響土壤水分空間分布的因素較多且存在互相作用,因此,單純的統(tǒng)計學(xué)方法只能揭示地形對土壤水分影響的一般規(guī)律,卻不能揭示這種規(guī)律在空間上的變化。常用的克立格插值雖在一定程度上可以揭示土壤水分的空間變化,但由于克立格插值法單純依據(jù)樣點數(shù)據(jù)進(jìn)行空間插值,僅能反映空間平面位置與土壤水分的線性關(guān)系,不能反映各地形因子對土壤水分空間異質(zhì)性的影響,沒有考慮高程、坡向、坡度等地形因素的影響。鑒于此,本研究選取黃土丘陵區(qū)紙坊溝流域為研究對象,以DEM為基礎(chǔ)布設(shè)土壤水分樣點,以統(tǒng)計學(xué)原理為基礎(chǔ)結(jié)合地理信息系統(tǒng),利用澳大利亞國立大學(xué)M.F.Hutchinson教授開發(fā)的Anuspline軟件,采用樣條函數(shù)插值方法繪制以各地形因子為協(xié)變量的土壤水分空間分布圖,以地形因素為基礎(chǔ),分析土壤水分的空間變化及其趨勢,并探討該方法在研究土壤水分空間變化上的應(yīng)用。1學(xué)習(xí)方法1.1降水、蒸發(fā)量紙坊溝流域(北緯36°51′30″,東經(jīng)109°19′30″),屬黃土丘陵溝壑區(qū),植被區(qū)劃屬森林草原區(qū),流域面積8.27km2。年均氣溫8.8℃,年均降水量為549.1mm,降水年際變率大,枯水年只有300mm左右,豐水年達(dá)700mm以上,且年內(nèi)分配不均,7-9月占全年降水的61.1%,年蒸發(fā)量大于1463mm。土壤為黃綿土。土壤水分物理特征:凋萎濕度4.5%,田間最大持水量18.4%,毛管斷裂水含量10%。1.2空間分析和gps定位土壤水分的空間變化,受較多因素的影響。根據(jù)流域斷面地形和土地利用狀況,并考慮空間分析的需要,在該流域選取了75個樣點,利用其中63個樣點進(jìn)行空間分析,其余12個進(jìn)行插值結(jié)果檢驗。每個樣點均利用GPS定位,并記錄樣地的立地條件和植物特征。土壤含水量用烘干法(105℃)測定,各測點測定深度均為500cm,自地表向下每20cm取樣一次,然后利用烘干法測定土壤水分,測定深度為5m,取其均值。調(diào)查時間為2004-2005年。1.3土壤特性的插值方法目前對土壤空間變化研究大多根據(jù)地統(tǒng)計學(xué)進(jìn)行或利用空間插值進(jìn)行趨勢預(yù)測。其中空間插值常用于將離散點的測量數(shù)據(jù)轉(zhuǎn)換為連續(xù)的數(shù)據(jù)曲面,以彌補(bǔ)現(xiàn)有數(shù)據(jù)不能完全覆蓋的區(qū)域范圍。自20世紀(jì)70年代以來,空間插值方法在土壤學(xué)研究領(lǐng)域中得到較多應(yīng)用[11,16,17,18,19,20],因為國內(nèi)外許多學(xué)者在進(jìn)行土壤空間變異性規(guī)律的研究時,認(rèn)識到土壤特性是一種區(qū)域性連續(xù)變量。近年來,空間插值分析已逐步成為GIS地理統(tǒng)計插值的重要組成部分,成為空間分析的重要手段。目前常用的土壤插值方法包括最近鄰點法(泰森多邊形方法),移動平均插值方法(距離倒數(shù)插值),樣條函數(shù)插值方法,克立格插值等,而國內(nèi)學(xué)者最經(jīng)常采用的是克立格法,而對國外近年研究較多的薄板光滑樣條函數(shù)插值方法,開展的工作較少。本研究欲對該方法在土壤水分空間變化分析的研究做一嘗試,并比較不同空間方法在預(yù)測精度上的差異。采用的主要研究方法簡要如下。1.3.1建立半方差函數(shù)模型克立格插值是一種空間自協(xié)方差最佳化插值方法,被廣泛地應(yīng)用于地下水模擬、土壤制圖等領(lǐng)域,目前成為GIS軟件地理統(tǒng)計插值的重要組成部分?？肆⒏癫逯捣譃閮刹竭M(jìn)行:(1)建立相關(guān)關(guān)系函數(shù)t(2)預(yù)測未知值。在第一步中,主要是建立變量圖和協(xié)方差方程估測空間自相關(guān)值,以建立半方差函數(shù)模型。設(shè)一個區(qū)域內(nèi)位置x0處某一變量的估測值為(x0)(i=1,2,…,n),通過n個測定值z(xi)的線性組合求估測值(x0),即權(quán)重λ,的選擇應(yīng)使(x0)是無偏估計,且估計的方差小于觀測值的其它線性組合產(chǎn)生的方差?？肆⒏癫逯凳且粋€精確插值模型,內(nèi)插值或最佳局部均值與數(shù)據(jù)點上的值一致。雖然該方法已經(jīng)成為一些通用GIS軟件的必備功能,但這些軟件的缺點在于只提供了二維性運算,僅能反映空間平面位置與土壤水分的線性關(guān)系,不能反映各地形因子對土壤水分空間異質(zhì)性的影響。因此,采用專用的插值程序Anusplin,以坡向、坡度、海拔等地形因子為協(xié)變量,以充分反映地形變化對土壤水分的影響。1.3.2多變量空間插值A(chǔ)nusplin作為目前較好的一種曲面插值軟件,在澳大利亞及美國等多家單位使用,得到較高評價,其突出優(yōu)點之一,就在于對多個自變量和協(xié)變量的處理,如將經(jīng)緯度作為獨立變量的同時,還可包含海拔、坡度、坡向等其它影響因素作為協(xié)變量處理。Anusplin使用薄板光滑樣條函數(shù)法(Thinplatesmoothingspline)進(jìn)行空間插值,它是樣條函數(shù)法的曲面插值,常用于不規(guī)則分布數(shù)據(jù)的多變量平滑內(nèi)插。它的突出特點是操作簡單,不受獨立變量放大比例尺的影響,不需要解析空間協(xié)方差結(jié)構(gòu),不需要range參數(shù),具有很強(qiáng)的可操作性。Wahba(1979)、和Bates(1982)首先提出了它的基礎(chǔ)算法,GU和Wahba(1993)進(jìn)一步發(fā)展完善了適用于地學(xué)研究的數(shù)學(xué)算法。觀測數(shù)據(jù)與用薄板光滑樣條函數(shù)法估測數(shù)據(jù)的關(guān)系如下:式中:y(xi)——觀測值;z(xi)——估測的趨勢值;e(xi)——非連續(xù)誤差,包括隨機(jī)誤差和微觀偏差,此誤差假設(shè)為獨立和任意分布,平均值為0,偏差被假設(shè)在所有的數(shù)據(jù)點上為常數(shù),xi——兩維或更高維數(shù)歐幾里得空間坐標(biāo);n——觀測站點總數(shù);i——第i個測點。計算樣條法擬合值z(xi)關(guān)鍵是光滑參數(shù)λ的確定,可通過廣義交叉驗證GCV(generalisedcrossvalidation)的最小化自動完成,同時GCV可提供很好預(yù)期統(tǒng)計誤差評估。1.3.3dem圖和坡向圖在地形因子中,對土壤水分影響較大的主要有坡度、坡向、海拔等,這些因素均可由DEM派生形成。其中,坡度(斜度)定義為水平面與局部地表之間的正切值,坡向定義為變化比率最大值的方向。比較通用的度量方法是:斜度用百分比度量,坡向按從正北方向起算的角度測量,而海拔數(shù)據(jù)可由DEM讀取。根據(jù)上述,選取采樣區(qū)25m柵格Albers等積投影的DEM為空間數(shù)據(jù)源,將采樣點所在的紙坊溝局部DEM圖(圖1a)裁剪出來,高程變化從1100～1423m,平均為1244m。在DEM圖基礎(chǔ)上生成坡度與坡向圖(圖1b,c)。坡度按實際值分析,坡向按順時針計算并進(jìn)行二次分類,如135～225°代表陽坡(1),45～90°與270～315°代表半陽坡(2),90～135°與225～270°代表半陰坡(3),315～360°與0～45°代表陰坡(4)?；A(chǔ)DEM及生成的圖件見圖1。2結(jié)果與分析2.1不同地形下土壤水分分布的空間變異地形因素對土壤水分的影響可以利用上述的統(tǒng)計分析得出,但為進(jìn)一步研究土壤水分的空間分布,首先以ArcGIS8.3為計算和結(jié)果顯示平臺,進(jìn)行了普通克立格插值。結(jié)果如圖2所示,由于克立格插值計算是以已知樣點數(shù)據(jù)為中心的一種線性計算方法,而且難以引入DEM的影響,因此,插值結(jié)果呈現(xiàn)以樣點為中心的塊狀鑲嵌式分布,而黃土高原丘陵區(qū)的實際土壤水分分布要復(fù)雜的多,地形的微小變化即會導(dǎo)致土壤水分分布的空間變異,很難存在如此均質(zhì)單一的水分分布狀況。說明目前大多采用的克立格空間插值,雖然可以在一定程度上反映土壤水分的空間分布變化,但仍具有一定的局限性。2.2土壤水分空間變化模型的建立為克服克立格插值的局限性,采用Anusplin二元原型薄板光滑樣條函數(shù),擬合63個樣點的土壤水分曲面,以經(jīng)緯度為自變量,以高程、坡度和坡向為協(xié)變量,建立土壤水分空間變化模型。插值完成后,通過校驗軟件運行生成的日志和誤差文件檢驗結(jié)果誤差。結(jié)果如圖3,圖中采樣點代表63個樣點的相對位置示意圖,其插值結(jié)果代表了3個因子交互作用下的理論土壤水分分布狀況。2.3插值檢驗rtmsr在ArcGIS中無法直接得到克立格插值的誤差結(jié)果,對克立格誤差的計算通常采用交叉驗證法,即將插值所得擬合值及插值結(jié)果與相應(yīng)觀察值進(jìn)行比較,計算其平均絕對誤差(ME)和平均誤差平方的平方根(RTMSR)。ME可以評估估算值可能的誤差范圍,RTMSR可以反映利用樣點的估算靈敏度和極值效應(yīng),具體為式中:Voi——代表第i個點的觀測值;Vei——第i個點樣條插值結(jié)果。ME和RTMSR總體最小者,具有較好的插值效果。對克立格插值,求得ME=2.08,RTMSR=2.48。其余12個檢驗樣點的ME=2.81,RTMSJR=3.01。Anusplin的插值檢驗則實用的多,日志文件和誤差文件提供了一系列統(tǒng)計參數(shù),包括插值數(shù)據(jù)平均值、方差、標(biāo)準(zhǔn)差、擬合曲面參數(shù)有效數(shù)量估計(Signal),光滑參數(shù)(RHO),還有GCV和MSE,平均剩余殘差(MSR)等。Signal指示了擬合曲面復(fù)雜程度,RHO非常小和Signal達(dá)到最大時(等于節(jié)點數(shù)Npts)或相反都表示擬合過程中找不到光滑參數(shù)的優(yōu)化值,曲面擬合質(zhì)量低甚至不可用。RTMSE為所有樣點去除隨機(jī)誤差后的預(yù)計誤差均方根的估計,相當(dāng)于插值過程的真實誤差。統(tǒng)計結(jié)果表明,Signal值大大低于節(jié)點數(shù)63,說明樣本數(shù)雖然在樣區(qū)分布的數(shù)量較少,仍滿足了插值需求。插值的RTMSE值最大為0.83%,相對誤差較小,整體的插值結(jié)果在可信范圍之內(nèi)。而平均RTMSR為克立格插值法的50%6左右,檢驗結(jié)果對比表明精度可提高2倍。薄板光滑樣條函數(shù)法由于計算方法更為復(fù)雜精確,不再呈現(xiàn)以采樣點為中心的斑狀鑲嵌式分布,而是隨地形呈現(xiàn)過渡性變化,更符合土壤水分變化的實際情況,精度有較大提高。3空間插值技術(shù)(1)利用樣條函數(shù)法生成的具有規(guī)則柵格的土壤水分空間數(shù)據(jù),使離散而不規(guī)則的土壤性質(zhì)數(shù)據(jù)的功能得到了擴(kuò)展,突破了傳統(tǒng)計算土壤水分空間變異的統(tǒng)計方法的局限性,并且結(jié)合較精確的DEM,利用線性模型而不是簡單的經(jīng)驗比值分析土壤水分隨位置和地形而變化的趨勢,使得地形因子對于土壤水分的影響能夠得到清晰出現(xiàn)。(2)插值技術(shù)的選擇應(yīng)基于數(shù)據(jù)類型和計算效率的平衡,任何方法并不是惟一的?？肆⒏癫逯捣ê捅“骞饣瑯訔l函數(shù)法的比較表明,結(jié)合了DEM的樣條法更能準(zhǔn)確和清晰地表現(xiàn)土壤水分的空間變異性,對于了解小流域土壤水分狀況,調(diào)整植樹種草措施和布局具有