高寒山区不同土壤-植被类型下土壤含水量估算研究

扫码查看

原文链接

NETL

中文摘要：土壤含水量是分析和模拟流域水文过程的重要土壤水文参数。黑河上游位于祁连山区，受复杂气象、水文条件和空间异质性极强的下垫面共同影响和作用，土壤含水量的空间异质性极强。目前，虽有田间尺度观测，但均在点尺度上开展，受采样的人力物力限制，尚缺乏在流域尺度进行土壤含水量的长期系统观测，无法提供流域尺度的土壤含水量数据。模型模拟结果和遥感产品均可提供大尺度的土壤含水量数据，但其误差不容忽视。因此，基于有限的点尺度上的土壤含水量观测数据，确定山区最优估算方案，是结合模型模拟结果和遥感产品生成山区流域尺度土壤含水量数据集的基础，对模拟分析黑河上游产流区水文过程和流域水资源的可持续利用具有重要科学意义。植被和土壤是影响黑河上游水文过程最重要的下垫面性质。本文拟以黑河上游为研究区，基于178个随机采样点的土壤质地数据，确定山区土壤质地最优估算方法，估算生成研究区土壤质地图。进而结合研究区土壤发生学类型图和植被类型图，确定典型土壤-植被类型。基于典型土壤-植被类型上的5个坡面尺度土壤含水量数据，确定山区土壤含水量水平方向的最优估算方法；基于典型土壤-植被类型上的32个定位观测点土壤含水量数据，确定山区土壤含水量垂直方向的最优估算方法。在此基础上，分析环境因子对不同估算方法的影响，确定高寒山区不同土壤-植被类型上土壤含水量的最优估算方案。主要结论如下： 1、在研究区进行土壤质地拓展对比时，得OK(oridinary kriging)方法在拓展主要类型时比MCRF(Markov Chain Random Field)方法表现更好。MCRF方法采能够反映复杂土壤质地类型的变化，使得其对研究区小类型的土壤质地，壤土和砂质壤土，拓展效果更好。 2、流域尺度上，OK方法仅能估算出主要类型粉壤土，无法估算其它小类型的土壤质地。当研究区所有采样点都用于计算时，MCRF可准确估算出75%的小类型样点上的土壤质地。因而，MCRF方法可利用有限的采样数据体现出复杂的土壤类型变异特征，更适用于估算黑河上游的土壤质地分布。总体来看，OK方法更适合用于土壤质地异质性较小的地区，而MCRF方法则更适合应用在土壤质地异质性较强的地区。 3、在不同土壤-植被类型上进行水平方向上拓展土壤含水量时，线性方法IDW(Inverse distance weighting)和OK表现较好，RBF方法表现较差。两种线性方法中，IDW方法优于OK方法。无论是不同网格内还是不同分辨率上，土壤含水量变异性越小，估算方法表现越好。 4、在上游23个样点上，指数滤波法(Liner Regression,LR)、RBF(Radial Basis Functions,RBF)方法和线性回归法(Exponential filter,Exp)在逐日和逐时尺度上估算结果的精度均依次上升，但不同方法估算结果的趋势拟合不尽相同。指数滤波法在逐时尺度上的估算精度要差于逐日尺度。RBF方法以及线性回归方法在两个时间尺度上相差不大。三种方法的估算效果在低覆盖度草地、高覆盖度草地和灌丛上依次下降，在农田和荒地上的各层表现差异较大。 5、在垂直方向上估算土壤含水量时，线性回归法、RBF法与指数滤波法估算结果的精度依次下降，趋势拟合程度依次上升。随着土壤深度的增加，线性回归法、RBF法与指数滤波法三种估算方法的性能均呈现出下降的趋势。对于土壤含水量的估算，在不同的土壤-植被类型下，方法体现出了一致的趋势。坡面尺度上，在水平方向上，IDW方法最好，其次是OK方法，RBF方法最差。在对深层土壤含水量的估算方法之中，线性回归方法精度最高，趋势拟合效果最差；指数滤波法精度最差，趋势的拟合效果最好，RBF方法介于两种方法之间。

作者：

李金麟

展开 >

关键词：

高寒山区表层土壤深层土壤含水量估算土壤-植被类型

授予学位：

博士

学科专业：

自然地理学

导师：

贺缠生

学位年度：

2018

学位授予单位：

兰州大学

语种：

中文

中图分类号：