丛一蓬，胡振园，杨 峥，李 峰

(1.北京市颐和园管理处，北京 100091； 2.北京科技大学环境工程系，北京 100083)

土壤水是水文过程、土壤侵蚀过程、植物生长和恢复的主要影响因子，也是区域小气候的重要影响因素[1-3]；土壤不仅是联系地表水和地下水的纽带，在地下水资源形成、转化和消耗过程中，也起着十分重要的作用[4-5]。作为生态系统中能量和物质循环的主要载体，土壤水是决定生态系统结构与功能，影响生态系统生产力的关键因子[6-8]。

土地利用是人类干预土壤肥力最重要、最直接的活动，通过改变土壤营养循环强度、总量及路径，改变土壤的水热条件等从而影响土壤养分的流动与转化[9-10]。土地利用变化可以引起陆地生态以及生物地球化学循环过程的变化，导致土壤性质和土地生产力的改变，影响土壤质量和土壤环境变迁。合理的土地利用方式可以改善土壤结构，增强土壤对环境变化的抵抗力，而不合理的土地利用方式则会导致土壤质量下降，加速侵蚀，导致土壤退化[11]。北京市作为我国的首都，自2009年起已全面实施保护性耕作，并取得了较好的经济、社会及环境效益。近年来，由于人口与土地矛盾日益突出，土地垦殖系数居高不下，导致土壤水分和蓄持能力有所降低[12-14]。在此背景下，合理的土地利用方式是恢复北京市土壤肥力，改善土壤质量，实现植被恢复和重建的重要途径，而这些措施必将对土壤水分产生重要影响。为了改善北京地区农田土壤结构，提高土壤蓄水保墒能力，提升农田生产能力，本研究对比分析了不同土地利用方式对土壤水分分布(0～100 cm)及蓄持的影响，以期为土壤水分的有效利用与动态调控管理、制定更合理的灌溉制度提供依据。

1 材料与方法

1.1 研究区概况

北京市位于华北平原西北边缘(地理位置39°26～41°03′N，115°25′～117°30′E)，东西宽160 km，南北长170 km，最低处海拔不足10 m，最高处约为1 000 m；北京市属于温带半干旱、半湿润季风气候区，四季分明，无霜期较长，年平均气温在8～12 ℃，海拔800 m以下的山区为9～11 ℃，高寒山区在 3～5 ℃，年极端最高气温一般在35～40 ℃之间；夏季高温多雨，冬季干燥寒冷，时有风沙，年均降水量为600 mm左右，年际变化大，70%的降雨集中在7—9月，气候-水文具有明显的纬度地带性特征，以褐土、潮土和沙姜黑土为主。

1.2 试验设计

2016年1月，在北京市分别选取4种不同土地利用方式的样地(草地、农田、林地和果园)，每种土地利用方式选取5个重复样地标记，分别在2016年1月31日、5月31日、9月31日和11月31日进行采样，并详细记录样点的土地利用方式、植被类型、海拔及裸岩率等环境信息。采样运用五点取样法，深度为0～20、20～40、40～60、60～80、80～100 cm，每次降水和灌溉前后各加测1次，每次测定均在1 d内完成。选取典型地段挖1个0～100 cm深的土壤剖面，从表面开始，每20 cm取1次样本，测定参数为土壤颗粒组成、田间持水量、饱和含水量和土壤容重。

采用烘干法分别测定土壤含水量，某土层的土壤储水量计算公式如下[15]：

W=rρh。

(1)

式中：W为某一土层的水分储量(mm)；r为土壤含水量(%)；ρ为土壤容重(g/cm3)；h为土层厚度(mm)。

表层土壤直接取样，深层采用挖剖面和土钻法相结合的方式取样。所取土样带回实验室，土壤颗粒分析均采用筛分法和比重计法，即粗土粒(粒径>0.25 mm)用不同规格的网筛分析，粒径>0.1 mm的土粒均用筛分法分析，细土粒(粒径<0.05 mm)依据Stokes定律采用比重计法分析。土壤颗粒一般按其粗细分为石砾、沙粒、粉粒和黏粒4个粒级，本研究依据美国的土壤粒级制划分粒级。土壤均匀系数Cu采用Hazen有效粒径系数表示，即Cu=d60/d10，其中d60指小于某一粒径的质量占土壤总质量60%时的颗粒直径；d10指小于某一粒径的质量占土壤总质量10%时的颗粒直径[16]。

1.3 数据分析

对土壤水分蓄持量的预测模拟数据进行拟合，曲线拟合类型包括线性拟合、二次多项式拟合和三次拟合。各拟合曲线的通用公式如下：

线性拟合曲线：y=ax+b；

(2)

二次拟合曲线：y=ax2+bx+c；

(3)

三次拟合曲线：y=ax3+bx2+cx+d。

(4)

利用SPSS 19.0软件进行一元回归分析，根据回归分析结果得到不同拟合曲线方程。将得到的拟合曲线方程通过相关分析、均方根误差(RMSE)及相对均方根误差(RRMSE)等进行检验，以得到最佳拟合曲线类型。

通过确定系数(R2)、F检验值和回归检验显著水平(α=0.01)来筛选生物量统计模型。为了更好地说明样本的预测值与实测值的差异情况，采用总相对误差(RS)和平均相对误差绝对值(RMA)这2种方法进行双重检验。计算公式如下：

(5)

(6)

(7)

式中：C1为水分的模拟值，C2为水分的实测值，C3为水分的平均值；n为自由度。

2 结果与分析

2.1 不同土地利用方式土壤水分的统计特征

表1为不同土地利用方式下土壤水分的统计特征值，2016年1月和5月为当地旱季，9月和11月为雨季，前期降雨量为测定之前的10 d内的累计降雨量。从4次测定数据的变异系数(CV)来看，旱季和雨季土壤水分均呈中等变异特征(10%<变异系数<100%)；K-S检验结果表明，在0.05的显著水平上4次测定的土壤含水量均服从正态分布，可直接进行统计学分析(表1)。通过比较发现，在旱季，草地含水量较低，农田含水量较高，农作地土壤含水量高主要是由农业灌水等因素造成的；林地由于受扰动较少、植被覆盖度大等造成土壤水分含量较高。而在雨季，所有土地利用方式下的土壤含水量均较高，其中农田的含水量最高，其次是草地，这主要是由于几种土地利用方式下的土壤特征及较大的植被盖度使得表层蓄水量增加，蒸发能力减弱，造成土壤含水量较高。而林地由于叶冠盖度小、土层浅薄且岩石裸露率高，使得地表蒸发强烈，导致土壤含水量较低。

2.2 土壤粒度组成对土壤含水量的影响

不同土地利用方式下的土壤粒度组成特征如表2所示，草地、农田、林地和果园的土壤粒度组成相似，均以细沙粒和极细沙粒为主，这与区域的风沙动力过程相适应。其中，林地和果园的粉粒、中沙粒的含量相对较高，而草地和农田这2种粒级的含量则较低。将平均粒度分布组成与土壤含水率进行相关性分析，如表3所示，草地和农田土壤含水量与粉粒含量呈显著正相关，与细沙粒含量呈显著负相关，与黏粒、中沙粒、极细沙粒含量相关性不大。林地和果园都与黏粒、粉粒含量呈显著或极显著正相关，果园与细沙粒、中沙粒含量存在一定的负相关，但相关性不大。这也在一定程度上说明，对不同地表覆盖状况的土地而言，影响其含水量变化的主要因素不同。

2.3 土地利用方式对土壤含水量垂直分布的影响

在不同土地利用方式下，土壤水分含量随土层深度的增加呈逐渐降低趋势(图1)。不同土地利用方式下0～20 cm土壤含水量均高于表下层，随着土层深度的增加，土壤含水量均逐渐降低，在80～100 cm土层，不同土地利用方式下的土壤含水量基本一致，这可能是由于土地利用方式对土壤含水量垂直分布的影响主要集中在表层土。此外，土壤水分含量因土壤质地的不同存在着差异，黏壤的土壤储水量最高，沙壤的储水量最低，中壤和重壤的储水量居中，由于土壤储水量在计算的过程中考虑了土壤容重，在一定程度上消除了土壤质地对土壤水分含量的影响，因此用土壤储水量来表征土壤水分含量是非常合理的。从不同土层土壤含水量可以看出，与草地和农田相比，林地和果园表现出较好的蓄水保墒能力。

表1 不同土地利用方式土壤水分的统计特征

注：K-S全称为Kolmogorov-Smirnov。

表2 不同土地利用方式土壤粒度组成特征

注：同列数据后标有不同小写字母表示差异显著(P<0.05)。

表3 不同土地利用方式土壤含水量与各粒级百分含量的相关性

注：“*”表示显著相关(P<0.05)，“**”表示极显著相关(P<0.01)。

2.4 土地利用方式对土壤水分入渗性能的影响

土壤水分入渗性能是影响土壤质地的重要因素，它决定着降水或灌水水分入渗进入土壤的量和深度，从而影响土壤的贮水量和地表径流等。土壤的入渗能力主要取决于土壤孔隙度、导水率等因素，不同土地利用方式也可对其产生一定影响。由图2可知，不同土地利用方式下的土壤稳定入渗率依次表现为林地>果园>农田>草地，其中林地和果园差异不显著，农田和草地差异不显著；对于土壤稳定入渗时间，依次表现为果园>林地>草地>农田，林地和果园差异不显著，二者显著高于草地和农田(P<0.05)；土壤累积入渗量依次表现为林地>果园>农田>草地，其中林地和果园差异不显著，农田和草地差异不显著；土壤入渗深度依次表现为林地>果园>草地>农田，不同土地利用方式间差异均显著(P<0.05)。

2.5 土地利用方式对土壤水分特征性能的影响

试验测得不同土地利用方式下0～100 cm土层的土壤水分特征曲线，将吸力为0 Pa时的土壤含水量作为饱和含水量，吸力为3.0×104Pa时的土壤含水量作为田间持水量，吸力为5.0×104Pa时的土壤含水量作为萎蔫系数，得到不同处理0～100 cm 深度范围内的土壤持水特性，详见表4。将田间持水量与萎蔫系数的差作为植物可利用水，结果表明，不同土地利用方式下饱和含水量、田间持水量、可利用水含量和易效水含量均在一定范围内随着土层深度的增加呈逐渐降低趋势，在80～100 cm，不同土地利用方式下土壤饱和含水量、田间持水量、可利用水含量基本一致，差异并不大，由此表明，土地利用方式对土壤水分特征性能的影响主要集中在表层土壤。对于不同土地利用方式，土壤饱和含水量、田间持水量基本表现为林地和果园高于草地和农田。

2.6 土壤水分储量的相关性

为筛选合适的统计预测模型，对九队渔池2016年1—12月的部分数据分别进行线性拟合、二次拟合和三次拟合，发现线性拟合比二次、 三次曲线拟合效果略好。而从各自的预测误差来看，线性拟合的预测精度更高，因此为提高分析效率和预测精度，本研究选择线性拟合进行数据分析。通过残差统计分析，可以得到0～40 cm土层土壤储水量与0～20 cm土层储水量之间的关系，可以用下面的模型来表示：

X2=1.689X1+0.074。

(8)

式中：X2为0～40 cm土层土壤储水量，mm；X1为0～20 cm 土层储水量，mm。

按照0～40 cm土壤储水量的预测方法，笔者对0～60、0～80、0～1 00 cm土壤储水量进行了预测，得到预测公式如下：

X3=1.569X2-9.362；

(9)

X4=1.569X3-11.236；

(10)

X5=1.856X4-7.302。

(11)

式中：X3为0～60 cm土壤储水量，mm；X4为0～80 cm土壤储水量，mm；X5为0～100 cm土壤储水量，mm。

表4 土地利用方式对土壤水分特征性能的影响

由表5可知，0～100 cm和0～80 cm土层间的土壤储水量相关系数最高，因此可用0～80 cm土层的土壤储水量直接预测0～100 cm土层的土壤储水量。

2.7 模型的残差分布分析和精度检验

为了验证预测模型的可靠性，本研究进行了残差分析，对土壤储水量预测值和实测值进行模拟检验，并绘制残差分布图。从图3可以看出，被检验的数据基本上呈一条直线，因而也可以认为正态分布的假设成立。通过对模型的残差分布检验，认为它服从正态分布，这就说明本研究设置的模型是适合的。利用得到的模型进行相关性检验和指标评价，以确定模型的合理性并遴选出最佳拟合公式。由表6可知，各模型模拟值与实测值间相关性均为极显著(P<0.01)，其中线性拟合的相关程度最高；草地和农田拟合的相关程度均高于林地和果园。

3 讨论

土地利用方式与土地覆被类型都可以通过改变土壤性质和植被覆盖从而影响土壤水分含量[17-18]。本研究中，土地利用方式通过影响水分入渗、地面径流和蒸散等过程，对土壤水分的再分布产生了显著的影响[19]，其中土地利用方式、植被盖度变化能对降雨前的水分分布产生影响，减少了降雨对土壤水分地形再分配的可能性，从而影响土壤水分的分布特征。土壤粒度组成决定了不同土层的持水性能，是引起土壤水分分布及运动方式发生变化、影响水分在土壤中滞留时间的重要原因。由本研究结果可知，土壤颗粒组成是影响土壤水分分布的主要因素之一，沙粒含量越大，黏粒含量就越少，含水量越小[20-21]。因此，黏粒所占比重越大，微小裂隙就越发育，而大量细微的小颗粒表面的吸湿水就占据了绝大部分土壤孔隙空间，存留在该层中的含水量相对要高一些。而对于沙质土壤，其组成颗粒较大，形成较大的土壤孔隙，有利于重力水在其中运动，但其持水性很差。

表5 土壤水分储量的相关性

注：“*、**”分别表示在0.05和0.01水平上差异显著(双尾)。

本研究中，不同土地利用方式土壤入渗深度依次表现为林地>果园>草地>农田，不同土地利用方式间差异显著(P<0.05)。较好的入渗条件有利于在强降雨条件下改善土壤水分的快速入渗，特别是在多雨季节，可以促进雨水的收集[22-23]。从土壤入渗结果来看，林地和果园有利于改善土壤水分入渗性能，其稳定入渗率及累积入渗量都显著高于草地和农田，该性能的改善可能会显著提高土壤的蓄水保墒能力。最后本研究通过水分分布特征及对土壤储水量预测值和实测值进行模拟检验，建立了不同土层深度土壤储水量预测模型，对不同土地利用方式下土壤含水量的预测起到了重要作用。

本研究根据表层土壤储水量来预测其他土层的储水量。由于土壤储水量不仅反映了测定时段内一定土层土壤含水量的平衡状况，也反映了剖面土壤水的调节能力，即通过农业措施(包括灌溉)对土壤水调节能力发挥的程度，这种能力调节得越好，在收入一定的水量满足对作物供水需要的同时，就越能挖掘土壤储水的供水潜力。因此，预测结果精度的大小对后期的田间管理也很重要。笔者根据上面的预测模型对土壤储水量进行预测，并与实际测定值进行比较，以检验模型的预测精度，通过预测分析得出，3个层次的预测平均误差均较小，以草地的预测模型结果最好。

表6 拟合曲线相关性分析及评价指标