• 技術資料
      收稿日期: 2000201221; 修訂日期: 2000204218
      基金項目: 國家杰出青年科學基金資助項目(49725101) 和歐洲聯盟資助項目(ERBIC18CT970158) [Foundation
    Item: the National Natural Science Foundation of China, No. 49725101; INCO2DCof European
    Commission, No. ERBIC18CT970158]
      作者簡介: 王軍(19702), 男, 河南新鄉人, 博士生, 主要從事景觀格局與生態過程及土地持續利用評價的研究。
    E2mail: bfu@mail1rcees1ac1cn
      文章編號: 037525444 (2000) 0420428211
    黃土丘陵小流域土壤水分的時空變異特征
    ——半變異函數
    王 軍, 傅伯杰, 邱揚, 陳利
    (多科學院生態環境研究中心, 系統生態開放研究實驗室, 北京 100085)
    摘要: 結合地理信息系統(GIS), 利用地統計學方法研究了黃土丘陵溝壑區小流域土壤水分的
    空間結構特征及其季節變化規律。結果表明: 土壤水分具有較高的分維數, 表現出good烈和中等
    程度的空間自相關。①對平均土壤水分來說, 基臺值(空間總變異) 的季節變化與其相反, 在
    干旱季節, 土壤水分的基臺值高; 濕潤季節, 基臺值降低; 而在端干旱條件下, 土壤含水量
    接近凋萎系數, 土壤水分變異程度降低。變程的季節變化在干旱季節數值高, 濕潤季節變程小,
    且變程變化在135~160m之間。塊金值(隨機變異) 變化在012和多, 季節變化格局并不明
    顯, 與平均土壤含水量的季節變化具有某些相似性。②對剖面土壤水分來說, 在整個觀測期內,
    基臺值(不包括5cm土壤水分) 隨剖面深度增加而增加。變程隨土壤深度并不顯示明顯的趨勢
    而呈現波動變化, 其變化幅度60~160m, 差異近3倍。塊金值隨土壤深度也無明顯格局, 但
    其傾向于基臺值高, 塊金值也高。土壤水分的空間結構特征及其季節變化能從土地利用、地形、
    降雨量和土壤物理性質等因子在不同季節影響土壤水分的相對作用大小得到解釋。
    關 鍵 詞: 土壤水分; 地統計學; 空間異質性; GIS
    中圖分類號: S15; S159  文獻標識碼: A
    隨著地理信息系統的應用和地理學學科的不斷發展, 時空結構和過程分析正在受
    到越來越高的重視
    [1]
    。地統計學(Geostatistics
    ) 區別經典統計學的顯著特征在于它注重變
    量因子的空間過程, 考慮其空間分布特征和空間自相關
    [2~5]
    ; 而且它已被證明是分析土壤水
    分空間特征及其變異規律很為有效的方法之一
    [3, 6]
    。研究者利用遙感和野外實測的土壤
    水分資料, 從不同尺度上分析了土壤水分的地統計特性
    [6~8]
    , 但他們的研究多集中在表層土
    壤水分的空間結構分析, 對剖面土壤水分的空間結構特性研究不足, 缺乏系統分析實測土
    壤水分空間結構的季節變化規律
    [6]
    。國內尤其是在黃土高原地區多是利用經典統計學方法
    或描述性方法研究土壤水分
    [9~11]
    , 用地統計方法對其時空變異特征的研究鮮有報道。利用
    GIS可以把特定區域范圍內樣點的土壤屬性數據同地理數據結合起來, 通過地理數據能夠
    確定樣點之間的距離, 根據屬性數據可以計算出變量之間的差異, 從而得到地統計所需要
    的步長和半方差的函數關系, 使分析不同尺度上土壤特性的變異規律變得較為方便。本文
    第55卷第4期
    2000年7月
    地 理 學 報
    ACTAGEOGRAPHICASINICA
    Vol. 55, No. 4
    July, 2000
    將GIS同地統計學結合起來, 研究黃土高原典型小流域大南溝的平均和剖面土壤水分空間
    結構及其季節變化特征, 揭示該尺度下土壤水分的時空變異規律, 研究結果可以有效地指
    導土壤水分的取樣設計及取樣密度的確定, 或進行空間內插和制圖; 增good對土壤水分空間
    格局在景觀尺度上如何影響生態過程的理解; 為土壤水分的有效利用與管理提供理論依據。
    1 研究區域特征
    試驗區位于陜西安塞縣大南溝流域(109°16′~109°18′E, 36°54′~36°56′N), 面積
    315km
    2
    。年平均降水量549mm, 其中60%集中在7~9月份。地貌為典型的黃土丘陵溝壑
    地貌, 地形破碎, 溝壑縱橫, 坡地分布。土壤類型為黃土母質上發育而成的黃綿土, 其
    中粉粒占64%~73%, 粘粒占17%~20%, 土質疏松, 抗蝕抗沖性差, 土壤侵蝕劇烈, 水
    土流失嚴重。流域內自然植被破壞殆盡, 墾殖指數較高, 土地利用類型主要有坡耕地、梯
    田農地、撂荒地、灌木地、農果間作地和林地等類型。
    圖1 流域內樣地分布圖
    Fig11 The sketchof samplinglocations
    for spatial analysis
    2 研究方法
    211 取樣方法
    采用坡面(
    transect
    ) 取樣方式, 在流域內選擇4個較規則的坡面, 從坡部到坡底每
    隔20m設一樣點, 共布設樣點67個, 并用木樁標記。坡面1和坡面2主要是農地, 分別包
    括14和16個樣點; 坡面3有22個樣點, 土地利用類型包括農地、灌木地和林地; 在坡面
    4上分布著15個樣點, 土地利用類型主要是農果間作地、灌木地和林地。4個坡面共選取
    67個樣點(圖1)。
    土壤含水量用便攜式時域反射儀
    ( Time Domain Reflectometry 簡稱
    TDR; Eijkelkamp Agrisearch Equi2
    pment, TypeNo1ML1) 在固定樣點從
    1999年5月到9月, 約兩周測定一次, 每
    個樣點分5層(5、15、25、40和70cm)測
    定, 每層測5個數值, 取其平均數作為該
    層的土壤含水量。降雨發生引起流域
    內明顯產流后, 每次間隔2~3天測定一
    次土壤水分, 以分析降雨發生后土壤水
    分空間結構的連續變化。TDR是智能化
    程度較高的測試儀器, 不需要現場標定
    即可直接使用。但為了好可靠, 在用
    TDR進行測定土壤水分之前, 對TDR
    的測定精度在實驗室進行了檢驗, 即把
    TDR測定的體積含水率和烘干法測定的
    重量含水率乘以土壤容重進行對比, 從
    9 2 4 4期     王軍等: 黃土丘陵小流域土壤水分的時空變異特征——半變異函數
    12個實測點的資料發現兩者基本一致, 其均方根誤差為010203。降雨量用安裝在流域內的
    5個雨量自動記錄儀測定, 在觀測期內的降雨量為17214mm。
    212 統計方法
    統計分析分兩步驟: ①對土壤水分數據用單樣本Kolomogorov- Semirnov(KS) 方法
    進行正態分布檢驗; ②變異函數的計算、定義和檢驗。KS檢驗結果表明大部分原始土壤水
    分資料符合正態分布, 另一部分符合近正態分布。進一步分析發現土壤水分的平均值和中
    值比較接近, 這表明土壤水分的中心趨向分布并不被異常值所決定, 而且, 近正態分布的
    土壤水分資料并不存在比例效應。因此, 對原始數據不再進行對數轉換。
    地統計學的基本原理和方法在許多文獻中都有比較詳細的描述
    [2~4]
    , 這里不再贅述。用
    于估計半方差的公式為:
    r(h) =
    1
    2N(h)∑
    N(h)
    i=1
    [Z(xi
    ) - Z(xi + h) ]
    2
    (221)
    式中 N(h) 是距離等于h時的點對數, Z(xi
    ) 是樣點Z在位置xi 的實測值, Z(xi + h) 是與
    xi 距離為h處樣點的值。值得注意的是, 變異函數只有在很大間隔的1ö2內才有意義
    [2, 12]
    。
    在我們的研究中球狀模型(
    sphericalmodel, 公式222) 和指數模型(exponentialmodel, 公
    式223) 適合土壤水分的實際變異函數值。球狀模型的變程等于相關距離a; 而指數模型并
    不表現出有限變程, 但實踐中變程值近似用3a表示。
    r(h) = C0 + C
    3
    2
    h
    a
    -1
    2
    h
    3
    a
    3
       h≤a
    r(h) = C0 + C h≥a
    (222)
    r(h) = C0 + C(1- e
    -h
    a
    (223)
    式中 C0 為塊金值(nugget
    ), C0+C為基臺值(
    sill
    ), a為相關距離(correlationlength)。
    變異函數理論模型的擬合過程主要包括確定曲線類型、參數很優估計和回歸模型的檢
    驗。通常是根據知識從理論上推斷或根據以往經驗來確定曲線類型, 比較幾個不同理
    論模型的擬合程度則根據目測和決定系數的F檢驗。決定系數是回歸平方和占總平方和的
    比值, F檢驗決定系數的統計量為:
    F=
    R
    2
    1- R
    2 ×
    N - k
    k- 1
    (224)
    式中 k為回歸模型中自變量的個數, R
    2
    為決定系數。
    分維數D的計算由變異函數和步長h之間的關系確定, 即:
    2r(h) = h
    4- 2D
    (225)
    上式取雙對數后, 對雙對數曲線進行線性回歸, 得到回歸直線的斜率k。分維數可用斜率k
    估算:
    D=
    1
    2
    (4- k) (226)
    分維數D的大小, 表示變異函數曲線的曲率。不同變量D值之間的比較, 可以確定空間異
    質性的程度。
    利用GIS(
    ILWIS)
    [13]
    , 先將流域內67個樣點點位圖數字化, 生成用于地統計學分析
    的樣點分布圖(圖1)。然后將相應樣點的土壤水分數據輸入到計算機形成與樣點地理數據
    匹配的屬性數據, 計算出半方差, 用變異函數的理論模型擬合。由于樣點是沿坡面等間距
    分布的, 步長的劃分以20m為間距, 即20, 40, …, 240m, 共12組組距, 240m略小于
    0 3 4 地   理   學   報             55卷
    樣點間很大距離的一半。每組距至少包括57個點對。由于67個樣點主要分布在東北坡和
    東南坡上, 所以我們假定不存在向異性, 其后的分析使用向同性模型。
    3 結果與分析
    311 0~70cm平均土壤水分的空間結構特征及其季節變化
    表1是0~70cm平均土壤水分變異函數理論模型得出的相應參數及分維數, 圖2是2
    個具有代表性的土壤水分變異函數圖。理論變異函數是從球狀模型(公式222) 和指數模型
    (公式223) 得出, 它們對于實驗變異函數擬合較好, 決定系數變化在015~018之間, F檢
    驗為顯著水平(表1), 說明理論變異函數模型很好地反映了土壤水分的空間結構特性。由
    于土壤水分在整個觀測期的大部分時間(不包括7月12日和22日) 表現出基臺值, 反映
    出土壤水分在研究區域內具有平穩特性或近平穩特性
    [6]
    。
    表1 0~70cm土壤水分變異函數理論模型的相關參數及分維數
    Tab11 The best-fittedsemivariogrammodelsof 0~70cmsoilmoisture,
    correspondingparametersandfractal dimensions
    日 期
    前期降雨量
    ömm
    理論模型 塊金值 基臺值
    (塊金值ö基臺值)
    ö%
    變程
    öm
    決定系數F值
    X
    分維數
    1999205202 711 指數模型 多 914 15196 135 0168 23138 1186
    1999205213 215 球狀模型 1 14 7114 140 0174 31131 1173
    1999205223 2317 球狀模型 111 1多 9157 160 018 44100 1173
    1999206210 117 指數模型 015 517 8177 150 0176 34183 1182
    1999206223 1312 指數模型 012 416 4135 159 0166 21135 1178
    1999207212 6717 線性模型Y=010192x+114224 0184 57175 1177
    1999207215 312 球狀模型 1 316 27178 140 0167 22133 1185
    1999207218 012 球狀模型 018 216 30177 140 0152 11192 1187
    1999207222 3317 線性模型Y=010171x+114623 0187 73162 1176
    1999207230 012 球狀模型 1 613 15187 140 0164 19156 1181
    1999208210 1319 球狀模型 019 417 19多 140 0163 18173 1181
    1999209209 514 球狀模型 012 217 7141 160 0177 36183 1171
    X: F(1, 10)
    0105=4185; F(1, 10) 0101=916。
    平均土壤水分空間結構的季節變化如圖3所示;_值即部樣點的總變異, 其變化
    幅度216~14表現出明顯的季節變化趨勢。這種變化趨勢與控制土壤水分格局的因子如土
    地利用、地形和降雨量等有關。5月和6月期間, 盡管土壤水分表現出低水平, 但土壤水分
    的空間變異程度高, 因此基臺值也高。這可能是因為土壤水分的空間格局由土地利用和地
    形控制而降雨量少對土壤水分的影響較小(表1)。7月份, 隨著雨季的到來, 雖然土地利
    用和地形對土壤水分仍有影響, 但其作用在減弱, 降雨量大從而對土壤水分的控制作用加
    good。土壤含水量增加, 流域內土壤水分相對均勻, 基臺值降低(圖3)。8月份, 土壤水分
    的空間變異程度逐步升高, 為417。在端干旱條件下(9月9日), 土壤含水量只有5185%
    接近凋萎系數, 土壤水分格局受控于其本身, 土壤的有效水分很快蒸散到大氣中, 整個流
    1 3 4 4期     王軍等: 黃土丘陵小流域土壤水分的時空變異特征——半變異函數
    圖2 0~70cm土壤水分變異函數曲線圖
    Fig12 Twoexamplesof semivariogramsof 0~70cmsoilmoisture
    (The blue line is
    experimental semivariogram, andredline is theoretical semivariogram)
    圖3 0~70cm土壤水分變異函數參數的季節變化
    Fig13 Seasonal changesof semivariogramparametersfor 0~70cmsoilmoisture
     
    域內的土壤水分變得較為均一, 因此, 土壤水分變異程度降低, 為217。進一步觀測圖3可
    以發現, 基臺值的季節變化格局與平均土壤含水量相反。此結果并不吻合Andrew等研究者
    (1998) 在Tarrawarra流域內觀測的結果。一個明顯的區別是Tarrawarra流域土地利用類
    型單一, 而大南溝流域土地利用類型復雜; 另一差異是Tarrawarra流域常有地下徑流產生,
    而我們的研究區域很少有地下徑流發生。此外, 從表1發現, 一次明顯的降雨引起流域
    地表徑流發生之后(7月12日), 土壤水分的空間變異并非是球狀和指數模型, 而由線性無
    基臺值模型描述(
    linearwithout sillmodel
    ), 土壤水分空間變異表現出隨距離增加而增加。
    隨后, 水分變異程度逐漸降低(7月15和18日) 然后再升高。引起流域明顯產流的第二次
    2 3 4 地   理   學   報             55卷
    降雨發生后, 土壤水分(7月22日) 的空間變異與第一次降雨相似。其原因是在濕潤狀況
    下, 土壤水分格局由土壤容重和孔隙度等控制, 其次是地形和土地利用的影響。
    變程的季節變化在干旱季節數值高, 濕潤季節變程小(圖3)。而且, 變程變化幅度小,
    在135m和160m波動。由于變程取決于觀測尺度, 以在該尺度下與影響土壤水分的種
    過程空間相互作用有關。變程反映土壤水分的空間相關范圍, 在變程之內, 土壤水分具有
    空間自相關特性, 反之則不存在空間自相關。因此, 變程對采樣設計的有效性有一定的指
    導意義, 如為傳統統計分析構建空間立的數據, 或為空間內插制作土壤水分分布景觀圖
    的取樣布設。在我們的研究尺度下, 變程在135m和160m之間; 這意味著為土壤侵蝕模
    型服務而預測土壤水分的空間格局, 取樣網格應小于130m的點距設計, 一般來說, 變程
    以外的取樣距離對任何內插和制圖均無效
    [14]
    。
    塊金值變化在012和多 (表1和圖3), 其季節變化格局并不明顯, 與0~70cm平均
    土壤含水量的季節變化具有某些相似性。塊金值通常表示由實驗誤差和小于實驗取樣尺度
    (我們的很小取樣尺度20m)引起的變異, 較大的塊金方差值表明較小尺度上的某種過程不
    容忽視。我們的結果顯示在原點處雖有塊金效應, 但其值并不大(表1), 這反映了小于20m
    尺度影響水分過程的作用較小, 若增加取樣密度并不能大幅度增加土壤水分的空間結構信
    息;_值通常表示系統內總的變異包括結構性變異和隨機性變異, 因此, 塊金值與基臺
    值之比即隨機部分引起的空間異質性占系統總變異的比例, 可作為研究因子空間相關的分
    類依據。如果該比值小于25%, 屬于good的空間自相關, 說明因子具有很好的空間結構性; 若
    比值在25%~75%, 屬于中等程度空間自相關; 若比值大于75%, 屬于弱的空間相關, 反
    映隨機部分引起的空間異質性程度起主要作用
    [15]
    。我們的研究結果表明土壤水分具有good烈
    和中等程度的空間自相關(表1), 這意味著土壤水分在此尺度上具有明顯的空間自相關和
    格局。這一點也可以在分維數的大小得到驗證。步長和半方差的雙對數曲線具有良好的線
    形相關, 其相關系數在0152~0193之間, 說明土壤水分存在很好的分形特征。土壤水分在
    整個觀測期的分維數較高, 在1171~1187之間(表1), 意味著由空間自相關部分引起的空
    間異質性高
    [16]
    。
    312 剖面土壤水分空間結構特征及其季節變化
    剖面土壤水分的理論半變異函數模型的決定系數變化在014~0188之間, 經F檢驗達
    到顯著(A=0105) 和顯著(A=0101) 水平, 說明理論模型的擬合是可接受的。圖4是具
    有代表性(6月10日) 的剖面土壤水分變異函數圖。圖5顯示了剖面土壤水分的空間結構
    參數的季節變化, 由圖5可知, 在整個觀測期內, 土壤水分的基臺值隨土壤深度增加而增
    加(不包括5cm層) 表現出明顯的系統變化。與其他層次相比, 5cm層次的土壤水分受氣
    象因素影響很大, 導致基臺值的系統變化受到干擾。盡管土壤物理屬性對土壤水分影響較
    大, 但由于研究區域農地和間作地占據了大部分面積, 這些土地利用類型經常翻耕, 使得
    5、15和25cm的土層土壤性質相對均一, 因而土壤物理性質對水分的影響也較一致。隨著
    土壤深度的增加, 土地利用中不同植物根系分布的差異和地形對土壤水分的影響增大, 導
    致土壤水分變異的進一步增加, 故基臺值隨土壤深度增加。變程隨土壤深度并不顯示明顯
    的趨勢而呈現波動變化, 其變化幅度60~160m, 差異近3倍, 這說明影響剖面土壤水分格
    局的過程在不同季節及不同深度是不同的。與變程一樣, 塊金值隨土壤深度也無明顯格局,
    但其傾向于基臺值高, 塊金值也高。剖面土壤水分的空間總變異即基臺值, 表現出明顯的
    3 3 4 4期     王軍等: 黃土丘陵小流域土壤水分的時空變異特征——半變異函數
    圖4 剖面土壤水分的變異函數曲線圖
    Fig14 The semivariogramsof soilmoistureof five depthson10June (The dashed
    line isexperimental semivariogram, andthe solidline is theoretical semivariogram)
     
    季節變化。5月、6月份, 剖面土壤水分格局受土地利用類型和地形的控制, 而此階段降雨
    量少, 對土壤水分的影響作用較小; 剖面土壤水分異質性高, 基臺值表現出高水平(圖5)。
    7月份, 一次大good度的暴雨使流域產生地表徑流, 隨后在7月12日測定的剖面土壤含水
    量較高, 5cm土壤含水量是19175%, 15cm土壤含水量是17188%, 25cm是16102%,
    45cm是14116%, 70cm是12147%。導致明顯產流的暴雨對土壤水分的影響持續近一個
    月。具體表現在剖面層次的平均土壤水分含量沿深度變化在此之前表現的較為規律, 而之
    后變得復雜, 并非呈現出深層水分大于淺層的規律; 基臺值的剖面變化在7月12日之后也
    出現波動(圖5)。其原因可能與影響土壤水分的因子如土地利用、地形、土壤物理性質和
    降雨量等所起的相對作用不同有關, 它們的影響作用在整個觀察期并不是恒定不變的。在
    較濕潤條件下, 土壤水分的空間分布格局受地形、土壤物理性質如土壤容重和土壤導水率
    等控制作用較大, 而土地利用的影響作用較弱; 因此, 剖面的土壤水分空間變異小, 7月15
    日和8月10日期間的5、15、25和45cm土壤水分的基臺值較低, 但70cm水分的基臺值受
    降雨影響較小。在干旱狀況下(9月9日), 基臺值降低, 5cm土壤水分基臺值達到多,
    15、25、45和70cm的基臺值分別是1182、5、419和812。
    與基臺值相比, 5個層次土壤水分變異函數的變程并不表現出明顯的季節變化(圖5)。
    在整個觀測期內, 45和70cm較5、15和25cm土壤水分的變程波動小。而且, 在第一次
    明顯的暴雨之前, 45和70cm兩層的水分變程波動在150~160m之間, 其它3層雖波動大
    但季節變化相似。在7月12日之后, 剖面的土壤水分變程呈現無規律變化。以上討論的土
    壤水分影響因子及過程對基臺值的影響, 同樣影響變程的變化。
    4 3 4 地   理   學   報             55卷
    圖5 剖面土壤水分變異函數參數的季節變化
    Fig15 Seasonal changesof semivariogramparametersfor soilmoistureof five depths
    4 結論與討論
    從圖2、圖4可以發現, 0~70cm平均土壤水分和剖面土壤水分的變異函數表現出孔
    穴效應(holeeffect
    ), 即實驗半方差并非隨著步長的增加呈單調遞增, 而表現出以相似的距
    離周期性上下波動, 達到基臺值后, 也存在這種波動現象
    [17]
    , 它是土壤母質或地貌周期性
    的具體表現
    [18]
    。在我們的研究中引起周期性現象(periodicphenomena)的主要原因是: ①由
    于我們是沿坡面取樣測定土壤水分, 樣點的簇聚效應導致了這種周期性
    [19]
    , 如果建立均勻
    的柵格取樣, 這種現象將減小或消失; ②周期性可能與研究區域的地形和地貌有關, 在我
    們的研究尺度下, 坡面上重復的微地貌格局(凹、凸微地形相間分布) 是主要原因。
    為了進一步探討取樣方法對土壤水分空間結構特征的影響, 我們計算了剖面5個層次
    土壤水分變異函數的參數平均與0~70cm平均土壤水分變異函數的參數進行對比。結果發
    現, 5個層次土壤水分變異函數的平均基臺值和塊金值大于0~70cm平均土壤水分的基臺
    值及塊金值, 而變程則與此相反且數值接近(表2)。這意味著即使在同一地點不同的取樣
    方法(柵格或坡面取樣、取樣深度不同) 土壤水分的變異函數也不同。值得一提的是, 由
    于我們的取樣是沿坡面分布, 土壤水分從坡部到下部表現出一定的增加趨勢
    [20]
    , 趨勢的
    增加將導致基臺值和變程的增加
    [12, 19]
    , 因此, 在我們的研究中土壤水分的基臺值和變程可
    能偏高。另外, 變程的大小與選取的取樣尺度有關, 取樣尺度大, 變程值也大
    [6]
    。所以, 比
    5 3 4 4期     王軍等: 黃土丘陵小流域土壤水分的時空變異特征——半變異函數
    較文獻中的地統計參數, 必須考慮到研究區域的地形、地貌狀況, 取樣方法和研究尺度, 不
    能盲目的比較, 這樣會得出片面甚至錯誤的結論。
    表2 土壤水分半變異函數理論模型相關參數的比較
    Tab12 Semivariogramparametersof 0~70cmsoilmoistureandtheiraveragesof fivedepths
    周期
    基臺值 變程öm 塊金值
    平均 0~70cm 平均 0~70cm 平均 0~70cm
    1 12190 9140 141 135 1194 多0
    2 16194 14100 154 140 1174 1100
    3 14130 1多0 156 160 2148 1110
    4 7192 5170 14218 150 1142 0150
    5 6101 4160 148 159 0195 0120
    6 6170 14313 1170
    7 6148 3160 12812 140 1133 1100
    8 4166 2160 8918 140 0190 0180
    9 7114 141 0170
    10 7118 6130 130 140 0145 1100
    11 6168 4170 131 140 1106 0190
    12 4128 2170 126 160 0150 0120
    總之, 地統計方法是一種的空間分析方法, 通過變異函數可以確定和比較變量因
    子的空間變異程度及空間變異尺度, 以提供地理學、生態學和土壤學對自然現象及過程的
    空間變異特征解釋。將地統計學方法和GIS結合起來, 一方面可以加goodGIS的空間分析功
    能, 利用計算機的技術方便地實現地統計的計算、內插和制圖要求; 另一方面能夠很
    好地描述因子的空間結構特征及其時間變化規律。
    參考文獻(References
    ):
    [1] ZhangC, ZhangS, HeJ. Spatial distribution characteristics of heavymetals in the sediments of Changjiang river system[J ]. Acta
    GeographicaSinica, 1997, 52(2): 1842192. (
    InChinese) [張朝生, 章申, 何建邦. 長江水系沉積物重金屬含量空間分布特征研究
    ——地統計學方法[J]. 地理學報, 1997, 52(2): 1842192. ]
    [2] MatheronG. Principlesof geostatistics[J]. EconomicGeology, 1963, 58: 124621266.
    [3] Webster R. Quantitative spatial analysisof soil in thefield[J]. Advance inSoil Science, 1985, 3: 1270.
    [4] RobertsonGP, CrumJ R, EllisBG. The spatial variabilityof soil resourcefollowing long termdisturbance[J ]. Oecologia, 1993,
    96: 4512456.
    [5] LiH, ReynoldsJ F. Ondefinitionandquantificationheterogeneity[J]. Oikos, 1995, 73: 2802284.
    [6] AndrewWW, Günter B, Rodger BG. Geostatistical characterisation of soilmoisturepatterns in the Tarrawarra catchment[J ].
    Journal of Hydrology, 1998, 205: 20237.
    [7] Munoz- PardoJ, RuelleP, VauclinM. Spatialvariabilityof anagriculturalfield: geostatisticalanalysisof soil texture, soilmoisture
    andyieldcomponentsof two rainedcrops[J]. Catena, 1990, 17: 3692381.
    [8] FitzjohnC, TernanJ L, WilliamsAG. Soilmoisturevariability ina semi- aridgullycatchment: implications for runoff anderosion
    control[J]. Catena, 1998, 32: 55270.
    [9] FuB, ChenL, MaK. Theeffectof landusechangeon the regionalenvironment in theYangjuanGoucatchment in theLoess Plateau
    of China[J ]. ActaGeographicaSinica, 1999, 54(3): 2412246. (
    InChinese) [傅伯杰, 陳利, 馬克明. 黃土丘陵小流域土地利用
    6 3 4 地   理   學   報             55卷
    變化對生態環境的影響[J ]. 地理學報, 1999, 54(3): 2412246. ]
    [10] WangJ, FuB. Theeffectof landuseon spatialandtemporaldistributionof soilmoistureinDaNangoucatchmentonLoess Plateau,
    China[J]. ActaGeographicaSinica, 2000, 55(1): 84291. (
    InChinese) [王軍, 傅伯杰. 黃土丘陵小流域土地利用與土壤水分的時
    空分布. 地理學報[J ], 2000, 55(1): 84291. ]
    [11] WuQ, YangW. VegetationConstructionandSustainableDevelopment in theLoess Plateauof China[M]. Beijing: SciencePress.
    1998. 42268. (
    InChinese) [吳欽孝, 楊文治. 黃土高原植被建設與持續發展[M]. 北京: 科學出版社, 1998. 42268. ]
    [12] Rossi RE, MullaDJ, JournelA Get al. Geostatistical tools for modeling and interpreting ecological spatial dependence[J ].
    EcologicalMonographs, 1992, 62(2): 2772314.
    [13] ILWIS2. 2forWindows. ILWISdevelopment[M]. ITC, TheNetherlands. 1998. 1532193.
    [14] ZhouH, GongZ, LampJ. Studyon soil spatialvariability[J ]. ActaPedologicaSinica, 1996, 33(3): 2322241. (
    InChinese) [周慧
    珍, 龔子同, Lamp. 土壤空間變異性研究[J]. 土壤學報, 1996, 33(3): 2322241. ]
    [15] CambardellaCA, Moorman TB, NovakJ Met al. Field2scalevariabilityof soilproperties in central Iowa soils[J]. Soil Science
    Society of AmericaJournal, 1994, 58: 150121511.
    [16] LiH, WangZ, WangQ. Theoryandmethodologyof spatial heterogeneityquantification[J ]. ChineseJournal of Applied Ecology,
    1998, 9(6): 6512657. (
    InChinese) [李哈濱, 王政權, 王慶成. 空間異質性定量研究理論與方法[J]. 應用生態學報, 1998, 9(6):
    6512657. ]
    [17] JournelAG, HuijbregtsCH. MiningGeostatistics[M]. NewYork: AcademicPress, 1978.
    [18] TrangmarBB, Yost RS, Uehara G. Applicationof geostatistics to spatial studies of soilproperties[J ]. Advances inAgronomy,
    1985, 38: 48294.
    [19] BergstromDW, MonrealCM, MilletteJAet al. Spatialdependenceof soilenzymeactivities alonga slope[J ]. SoilScienceSociety
    of AmericaJournal, 1998, 62: 130221308.
    [20] FuB, WangJ, Ma K. Effect of land useon soilwater in loess hill area[J ]. Bulletin of NationalNatural ScienceFoundation of
    China, 1999, 4: 2252227. (
    InChinese) [傅伯杰, 王軍, 馬克明. 黃土丘陵區土地利用對土壤水分的影響[J ]. 多科學基金,
    1999, 4: 2252227. ]
    Spatiotemporal Variabilityof SoilMoisture inSmall
    Catchment onLoessPlateau——Semivariograms
    WANGJun, FUBo2jie, QIUYang, CHENLi2ding
    (Department of Systems Ecology, ResearchCenter f orEco2Environmental Sciences,
    ChineseAcademy of Sciences, Beijing 100085, China)
    Abstract: At present, usinggeostatistics for studyingonthesevariableswithrandomand
    structure is becoming one of the main spatial analytical methods within the field of
    environmental sciences. In hilly areas of Loess Plateau, due to the importance of soil
    moisture, many researchers have studied on its spatial variability and relationships
    between landuseandtopographyusingdescriptivemethods. However, studiesonthat the
    spatiotemporal variabilityof soil moisture using geostatistics are still inadequate in this
    area. Inthispaper, weusegeostatistics combinedwithGIStodetermineandquantifythe
    spatial and temporal variabilityof soil moisture. The results indicated that soil moisture
    exhibitedhighfractal dimensionsandclear spatial autocorrelation. Formeansoilmoisture
    of 0~70cm, the seasonal changes of the sillswereopposite to themean soil moisture.
    During dry season, the spatial heterogeneity of soil moisture was high, and the sills
    7 3 4 4期     王軍等: 黃土丘陵小流域土壤水分的時空變異特征——半變異函數
    showedhigh level. Duringwet andextremelyconditionds, the sills decreasedandwere
    low. The ranges varyingbetween135mand160mwere highduringdryseasonand low
    duringwet season. The nuggets, randomvariance, rangedfrom012to 多, anddidnot
    exhibit apparent seasonal patternandlooselymimicedmeansoilmoisture. Forprofile soil
    moisture, the sills except for 5cm increasedwith soil depth duringwhole observation
    period. Therangesvaryingbetween60mand160mdidnot showthesystemicchangewith
    depth. However, therangesof soilmoistureof 45cmand70cmexhibitedlittlefluctuation
    comparedto5cm, 15cmand25cmduring studyperiod. After a significant rainevent,
    the changes of the sills and ranges with depth becamemore complicated. The nugget
    showednoclear patternwithdepth, andtendedtohighvaluewithhighsill andlowvalue
    with low sill. These suggest that the processes for influencingonprofile soil moisture
    patternwere convoluted, and their relative roles were different during the observation
    period. The spatial dependence and seasonal variabilityof soil moisturewere interpreted
    bylanduse, topography, precipitationandsoil physical attributes. Their relative rolesof
    influencingonsoilmoisturedependedondifferent seasons.
    Keywords: soilmoisture; geostatistics; spatial variability; GIS; Loess Plateau

    地址:黑龍江省哈爾濱市香坊區中山路30-9號2單元401室 郵編:150036

    電話:0451-82131929 55550118 手機:13904638505 傳真:0451-82120636

    開戶行:農業銀行哈爾濱市動力支行 賬號:08055301040006278

    哈爾濱宇達電子技術有限公司 版權所有 黑ICP備11002425-3號

    人妻少妇一区二区三区