论文部分内容阅读
土壤湿度是气候系统和陆面水循环过程中的重要变量,对气候条件变化非常敏感,降水、温度和辐射等气候要素变化能够直接促使土壤湿度发生变化,地理环境因子对土壤湿度的空间异质性也有产生重要影响。土壤湿度变化对极端天气发生、植被状况和农牧业生产也有重要的反馈作用。因此,系统研究塔里木河流域土壤湿度的时空变化及影响因素对制定水土资源利用与生态保护策略和安排农牧业生产具有重要的科学意义和现实意义。本文以塔里木河流域为研究区,采用地面长期观测资料、再分析产品数据等资料,综合运用半变异函数、Mann–Kendall非参数统计检验法、集合经验模态分解（Ensemble Empirical Model Decomposition,EEMD）和重标极差分析法（Rescaled range analysis method,R/S分析法）等方法对塔里木河流域1979–2018年间土壤湿度的空间格局、空间变异特征和时间变化趋势进行分析。运用地理探测器模型（Geo Detector）研究陆面地理环境因子对土壤湿度变化空间格局的影响,使用简单相关分析和小波相关分析法分析气候要素对土壤湿度变化的影响,以及土壤湿度与气候要素之间的多时间尺度相关性,并对土壤湿度变化对气候变化的响应进行研究。最后构建基于EEMD方法的随机森林模型对土壤湿度在季节、年际和年代际尺度上的变化过程进行模拟,以探究土壤湿度变化与气候要素和归一化植被指数（Normalized Difference Vegetation Index,NDVI）在不同时间尺度上的非线性关系。本研究主要结论如下:（1）在空间上,塔里木河流域土壤湿度空间分布总体上与降水和海拔相似,呈现出“北高南低,西高东低,山区高于平原”的空间格局,并且自高海拔山区向盆地内部递减,表现出环带状分布特征。结构性因素对整个塔里木河流域季节和年土壤湿度空间变异的作用非常显著,远大于随机性因素对土壤湿度空间变异的作用。其中,天山南坡土壤湿度的空间差异和空间变异范围最小,塔里木盆地其次,昆仑山北坡最大。在时间上,塔里木河流域土壤湿度在年和季节变化中均表现出下降趋势,并于不同年份发生突变。其中,天山南坡春季和夏季、塔里木盆地冬季以及昆仑山北坡春季土壤湿度的降低趋势比较显著。EEMD非线性变化趋势分析表明,塔里木河流域土壤湿度变化存在明显的季节、年际和年代际尺度的波动特征,但以季节尺度波动最为显著。其中,天山南坡、塔里木盆地和昆仑山北坡的土壤湿度在季节和年际尺度上振荡周期比较接近;天山南坡和昆仑山北坡土壤湿度的在年代际尺度上的振荡周期基本相同,而塔里木盆地土壤湿度在年代际尺度上的变化周期略短。（2）陆面地理环境因子和气候要素分别对土壤湿度空间变化差异和时间变化产生重要影响。在天山南坡,年均NDVI对土壤湿度变化空间差异的影响力远大于海拔、坡度、坡向、地貌类型和土地利用类型;在塔里木盆地,年均NDVI、土地利用类型和地貌类型是土壤湿度变化空间差异主导因素,海拔、坡度和坡向的影响力较小;在昆仑山北坡,海拔对土壤湿度变化空间差异的影响力最强,其次为坡度、地貌类型和年均NDVI,坡向和土地利用类型的影响力最小。此外,任意两个不同的地理环境因子的交互效应对塔里木河流域土壤湿度变化空间格局均存在非线性增强或相互增强关系。不同地理环境因子的各个子类上土壤湿度变化趋势和幅度也各不相同。降水、气温、相对湿度、日照时间和实际蒸发与整个塔里木河流域的土壤湿度变化均有着显著的相关性。长期来看,土壤湿度随降水、相对湿度和实际蒸发增加显著上升,随气温和日照时间的上升（增加）显著减小。但在研究期内的不同时段,土壤湿度与各气候要素有着不同的共振周期和相位关系,其中,短时间尺度共振周期发生频繁,但持续时间短,相关性也不稳定,长时间共振周期持续时间长,相关性比较稳定。降水、气温、相对湿度、日照时间和实际蒸发对土壤湿度变化的影响具有明显的季节性差异,其中,实际蒸发是影响塔里木河流域土壤湿度变化的关键性因素,其对塔里木盆地土壤湿度变化的影响大于对天山南坡和昆仑山北坡土壤湿度变化的影响。夏季降水对土壤湿度变化的相对贡献率高于气温、日照时间和相对湿度,天山南坡夏季降水对土壤湿度变化的相对贡献率超过实际蒸发,这也表明夏季降水是天山南坡土壤湿度变化的一个至关重要的因素。（3）基于EEMD分解重构结果建立随机森林模型对塔里木河流域土壤湿度变化过程进行非线性模拟,并从多时间尺度研究气候和NDVI变化对土壤湿度的影响。重构的土壤湿度季节变化趋势能够很好地刻画塔里木河流域原始土壤湿度序列在研究时期内的变化状况,年际和年代际尺度的土壤湿度变化可以有效地揭示天山南坡、塔里木盆地和昆仑山北坡的土壤湿度在不同时期增加和减小交替出现的状态,年代际尺度更适于探究气候波动和NDVI变化对土壤湿度变化过程的影响。对EEMD随机森林模型的可信度和效果的验证结果显示,季节、年际和年代际尺度上的NSE值分别在0.748、0.813和0.990以上,表明EEMD随机森林模型的模拟精度较高,EEMD随机森林模型能够更好地适用于模拟土壤湿度变化过程。