, 阎建忠, 张镱锂Calibration of the soil moisture sensor in cold desert areas on Tibetan Plateau
XIEFangdi, YANJianzhong, ZHANGYili通讯作者:
收稿日期:2017-04-18
修回日期:2017-09-12
网络出版日期:2017-11-20
版权声明:2017《地理研究》编辑部《地理研究》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
The results show that all samples have good imitative effects: (1) According to the fitted line, the measured data which had already been corrected could efficiently reflect the practical soil moisture content most R2 of the fitting were over 0.97, the fitting curve of measured data after calibration and the real value is very close to the standard curve; (2) Comprehensive calibration results of different soil depth, there are some differences of regression straight line and the ideal straight line (Y = X), when the water content is quite low the water content value after calibration is higher than the real value, when the water content is quite high the water content value after calibration is lower than the real value. When the water content between 0. 06~0.12 cm3/cm3, the calibration result is more reliable. (3)The existing calibration model can reflect the overall situation of the water content changes, but may cause overestimate or underestimate the true value of the deviation.
Keywords：
-->0
PDF (11491KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
土壤水分是土壤的重要组成部分之一,在土壤的形成过程中发挥着极为重要的作用[1],深刻地影响着土壤有机质的矿化、生物固氮、植物根系对养分和水分的吸收等化学或生物过程[2]。作为水资源不可或缺的一部分,土壤水是联系地表水与地下水的枢纽,尤其是土壤表层的含水量在陆地表面与大气之间的物质和能量交换方面扮演着重要角色[3]。植被所能吸收利用的水分也必须由灌溉或降水转化为土壤水[4],土壤水分是植被生长极其重要的环境因子[5]。因此,土壤水分数据是水文科学、气象科学、生态科学等研究领域不可或缺的资料[6]。相关****已在青藏高原不同地区开展了大量土壤湿度的监测和研究工作。目前获取高原土壤水分数据主要采用的方法有定点监测土壤温湿度变化特征和空间布点实测土壤水分值等[7]。定位监测土壤水分研究中较多采用的是TDR、FDR、EC-5等土壤水分传感器[7,8]。特别要指出的是,这些土壤水分传感器通常测量的是非冻结条件下的土壤水分[8,9],而对于冻结情况下土壤水分的研究相对较少。空间布点实测土壤水分是最准确的土壤水分研究方法,这种方法较为费时费力且空间尺度较小,但对于青藏高原这种特殊自然条件下的科学研究是必不可少的,也是青藏高原土壤水分研究重要的数据基础。布点实测为了获得准确的土壤水分数值,同时用烘干法和环刀法测定的土壤量含水率和土壤容重,校正仪器观测的土壤水分数据[10]。
ECH2O EC-5作为经济型且适合于区域性研究的电介质型土壤水分传感器,通过快速测定土壤介电常数,推算出土壤体积含水量①(① 引自监测仪器操作说明《Calibrating ECH2O Soil Moisture Sensors》。),实现对土壤水分快速、准确、连续的监测,目前被广泛应用于土壤水分的监测工作中[11]。但这种测量方法没有充分考虑到土壤复杂多变的特性,实际监测结果往往受到土壤质地、容重、有机碳含量等因素影响而出现偏差,尤其在植被类型、土壤类型差异显著的区域[12]。青藏高原高寒荒漠区,水热条件恶劣、物质风化强烈、成土风化原始,导致这一地区主要土壤类型的石砾含量较高[13],对这一区域内传感器记录的土壤水分数据的校正是不可忽略的。校正后的数据可以为遥感研究等提供精确的地面土壤水分数据[14]。
本文以羌塘高原改则、日土两县的多个采样土壤为例,分别对不同采样点、不同土层深度的土壤进行标定,得到各样点的校准曲线;并对不同的影响因素进行综合,观察校准曲线的精度变化。据此校正后的监测数据可以为该地区的遥感反演和验证等提供依据。
2 研究方法与数据来源
2.1 研究区概况
羌塘高原位于“世界屋脊”青藏高原的腹地,海拔落差巨大,自然环境特殊[15],是中国最完整的一块内陆大山地,北起昆仑山、南抵冈底斯——念青唐古拉山、东自怒江分水岭、西到帕米尔高原,总面积达58.6万km2。南北最宽760 km,东西长约1200 km,是青藏高原的主体部分[16]（图1）。区域气候寒冷而干燥,气温年日变化大。其年平均气温大多在0 ℃以下,最低年均气温为-9.6 ℃,而最暖月（7月）均温<14 ℃。羌塘高原各县降水差异较大,降水自东向西呈递减趋势,年均降水量50~400 mm,其中80%以上集中在6-9月,干湿季分明,多为雪、雹、霰等固态形式的降水[16,17]。
显示原图|下载原图ZIP|生成PPT图1研究区监测仪器点位分布②(② 依据祁威2015 年的博士论文《羌塘高原自然地理特征与寒旱核心区范围探讨》编制。)
-->Fig. 1Location of the study area and stations
-->
2.2 土壤湿度测量原理与实验仪器
2.2.1 土壤湿度测量原理 土壤是由空气、土壤固体物质、束缚水和自由水4种介电物质组成的,由前人的研究可知,土壤的介电特性是电磁频率、温度、盐度、土壤容积含水量、束缚水与土壤总容积含水量之比、土壤容重、土壤颗粒形状及其所包含的水的形态等因子的函数[18]。其中水的介电常数远高于其他组分,故而土壤介电常数的大小主要取决于含水量的多少[19]。Topp等认为土壤介电常数与土壤体积含水率之间存在确定的单值多项式关系,故而可以通过测量土壤的介电常数以达到测量土壤体积含水率的目的[19,20]。2.2.2 实验仪器简介 可以用于监测土壤水分的仪器很多,按测量原理的不同大致分为以下几种：时域反射仪法（TDR）、时域传输仪法（TDT）、频域反射仪法（FDR）、中子仪法、负压仪法和电阻仪法等[21]。其中TDR法测量结果准确,但所用传感器时间电路成本很高,故而价格较昂贵;与之使用操作相似的FDR法,发射频率比较低,故而传感器造价低,但测量精度也略低[21,22]。此外还有应用比较早的中子仪法和电阻法,通过测量值慢中子云密度和电阻读数来确定土壤含水量值。但由于中子仪价格高昂,可能产生辐射危害;电阻法应用中也存在电极极化等问题,故而都不易广泛应用[22,23]。
ECH2O EC-5电介质型土壤水分传感器,根据电磁波在土壤介质中振荡频率的变化来测定土壤的介电常数,进而得到土壤含水量数据[24]。这种传感器价格更低廉,测量中最小限度受到其他土壤因素的干扰,并且突破了TDR法的限制,可以同时监测多层土壤水分含量变化情况[25]。已有实验研究表明,EC-5测量值与烘干法的结果间存在比较明显的线性关系,校正后的测量精度可以达到与TDR法相当的水平[26]。
野外监测采用Decagon公司生产的EC-5土壤水分传感器（S-SMC-M005）,仪器的主要参数和测量范围详见表1。
Tab. 1
表1
表1Decagon ECH2O EC-5技术规范说明③(③ 据官方手册给出的EC-5（S-SMC-M005）的参数编制http://www.onsetcomp.com/files/manual_pdfs/15081-G%20MAN-S-SM.pdf。)
Tab. 1Technical specifications of Decagon ECH2O EC-5
| 测量范围 | 土壤中0~0.550 m3/m3;全量程扩展范围-0.401~2.574 m3/m3 |
|---|---|
| 有效测量体积 | 0.3 L（10.14盎司） |
| 测量误差 | ±0.031 m3/m3（±3.1%）,进行土壤特定标定后可达±0.020 m3/m3（±2%） |
| 分辨率 | 0.0007 m3/m3（0.07%） |
| 土壤探头尺寸 | 8.9 cm×1.8 cm×0.7 cm |
| 传感器工作温度 | -40~50 °C |
| 传感器频率 | 70 MHz |
新窗口打开
2.3 样品采集与室内处理、实验分析
2.3.1 采样类型与实验布设 羌塘高原自然环境条件严酷,通达性差,特别是北部无人区人迹罕至,野外观测困难,土壤水分等基础研究资料长期匮乏[27]。在2012-2013年的野外科学考察中共架设了19套土壤湿度仪器,其中2012年架设了10套土壤温湿度仪器,2013年架设了19套土壤温湿度仪器。野外土壤湿度站点沿考察路线部署,间隔至少50 km,并参考主要的地上植被类型,土壤湿度传感器主要监测垫状驼绒藜、紫花针茅、羽柱针茅、藏沙蒿、青藏薹草等典型高寒草原和高寒荒漠植被群落。站点的平均海拔为4885 m,具体的站点分布及相关信息详如表2、图1所示。每个站点共设置3个EC-5土壤水分传感器（S-SMC-M005）探头,分别水平地插入5 cm、15 cm、25 cm土壤层,记录3组不同土壤层面的土壤湿度数据。Tab. 2
表2
表2羌塘高原野外观测站点基本信息④(④ 依据祁威2015年的博士论文《羌塘高原自然地理特征与寒旱核心区范围探讨》编制。)
Tab. 2Information of field observation sites in the study area
| 编号 | 纬度（N） | 经度（E） | 海拔（m） | 监测类型 | 植被覆盖类型 | 土壤类型 | 设置时间 |
|---|---|---|---|---|---|---|---|
| Q01 | 34°1'26'' | 83°11'56'' | 5066 | 土壤温湿度 | 羽柱针茅草原 | 寒钙土 | 2012.8 |
| Q02 | 33°56'52'' | 83°13'19'' | 4924 | 土壤温湿度 | 羽柱针茅草原 | 寒钙土 | 2012.8 |
| Q03 | 33°53'21'' | 83°16'59'' | 4961 | 土壤温湿度 | 紫花针茅草原 | 寒钙土 | 2012.8 |
| Q04 | 33°52'57'' | 83°20'24'' | 4556 | 土壤温湿度 | 紫花针茅草原 | 寒钙土 | 2012.8 |
| Q05 | 33°55'41'' | 83°26'1'' | 4940 | 土壤温湿度 | 垫状驼绒藜荒漠 | 寒钙土 | 2012.8 |
| Q06 | 33°48'37'' | 83°42'27'' | 5013 | 土壤温湿度 | 垫状驼绒藜荒漠 | 寒钙土 | 2012.8 |
| Q07 | 33°31'36'' | 83°49'9'' | 4838 | 土壤温湿度 | 紫花针茅草原 | 寒钙土 | 2012.8 |
| Q08 | 33°26'23'' | 84°1'50'' | 4673 | 土壤温湿度 | 沙蒿荒漠草原 | 寒钙土 | 2012.8 |
| Q09 | 33°32'59'' | 84°15'55'' | 4847 | 土壤温湿度 | 紫花针茅草原 | 寒钙土 | 2012.8 |
| Q13 | 33°24'8'' | 84°15'35'' | 4632 | 土壤温湿度 | 藏沙蒿、羽柱针茅草原 | 寒钙土 | 2013.9 |
| Q14 | 32°52'35'' | 84°6'8'' | 4615 | 土壤温湿度 | 藏沙蒿、羽柱针茅草原 | 寒钙土 | 2013.9 |
| R01 | 34°56'21'' | 82°0'26'' | 5089 | 土壤温湿度 | 垫状驼绒藜荒漠 | 寒漠土 | 2013.9 |
| R02 | 34°55'58'' | 81°58'46'' | 5153 | 土壤温湿度 | 垫状驼绒藜荒漠 | 寒漠土 | 2013.9 |
| R03 | 34°50'37'' | 81°28'41'' | 4956 | 土壤温湿度 | 青藏苔草草原 | 淡寒钙土 | 2013.9 |
| R04 | 34°51'25'' | 81°24'5'' | 4988 | 土壤温湿度 | 垫状驼绒藜荒漠 | 淡寒钙土 | 2013.9 |
| R05 | 34°50'48'' | 81°22'16'' | 5003 | 土壤温湿度 | 羽柱针茅草原 | 淡寒钙土 | 2013.9 |
| R06 | 34°32'50'' | 80°29'44'' | 5172 | 土壤温湿度 | 青藏苔草草原 | 淡寒钙土 | 2013.9 |
新窗口打开
2.3.2 土壤样品采集与室内处理及数据分析 根据“青藏高原资料匮乏区综合科学考察”项目的设计,各站点野外采样,以仪器埋设点为中心,分三层采集土壤样品,第一层深度3~7 cm;第二层深度13~17 cm;第三层深度23~37 cm。每挖至一层深度,用100 cm3的环刀取3个重复的样品,每个环刀采样点均匀分布,距中心大约2~3 m,采样点与中心连线的夹角呈120°。取样后迅速将环刀装入环刀盒,并于当日称量土壤鲜重值（含盒子）记录。
环刀取样后,在每层土壤三次重复取样位置的附近累计采样约2000 ml,装入土壤袋,带回实验室,用于室内标定。本文实验针对第一层（3~7 cm）和第二层（13~17 cm）土壤样品的标定。标定步骤为：首先将土样自然风干,研磨（剔除直径大于6 mm的砾石）,搅拌均匀;然后将土壤样品配置为不同体积含水量[14],用于标定（样品的体积含水量从风干土开始,按2%的梯度增加,共加水9次）;加水后的土壤样品首先装入大烧杯中密封静置12 h,使水分自然下渗,然后进行第一次搅拌,再重新将土样回填至大烧杯中继续密封静置约4 h,标定前再次充分搅拌,使土壤与水分混合均匀;根据模拟野外土壤容重将土样均匀回填至标定容器内;将EC-5探针垂直插入土样中,测量体积含水量（重复测量至少3次求取平均值）;测量后称量此时烧杯连同土壤样品的总重,并计算此时土壤样品的含水量;将EC-5测量值与实际配置的土壤体积含水量进行回归分析,求得校正曲线。
标定实验过程中,采用称重计算的方法获得配置土壤样品的实际含水量值,克服了土壤样品烘干时间过长、烘干不彻底、环刀取样产生误差等诸多不利因素,更加快捷、准确。而且这样的计算方式可以同步获得EC-5的测量的含水量值和配置土壤样品的实际含水量值,便于随时检查,发现标定过程中的异常情况。同时,通过定量计算、称重的方式回填土,以保证土样均质且尽可能接近野外真实容重值,减小容重差异带来的标定误差。具体计算方法如下：
（1）起始称量所需风干土：
（2）每次测量完成后向土壤样品中加水以增加含水量到到下一梯度值：
（3）混合均匀的土壤样品分5次定量回填至标定容器内：
（4）测量后称量的烧杯连同土壤样品的总重并计算此时土壤样品的含水量值：
式中：
风干土的起始含水量值的确定采用的是烘干称重法。为了节约烘干所需时间,只从全部风干土中称取少部分,进行105 ℃下的烘干称重,结合已知的野外土容重ρd计算起始含水量。
3 结果分析
3.1 单样点校正结果分析
以计算求得的样品体积含水量作为校准的标准值,对土层深度为3~7 cm的17个样点和13~17 cm土层深度的16个样点,做横纵坐标为土壤含水量的仪器测量值和标准值的散点图,每个样点均有10对EC-5实测和计算求得的土壤含水量值。采用一元线性方程进行拟合,获得各样点的校正曲线方程和相关系数R2。3~7 cm和13~17 cm土层深度各样点的校正曲线分别如图2、图3所示。从图2、图3中的曲线可以看出,EC-5测量值的变化趋势与真实值的变化趋势高度一致。3~7 cm土层深度的样点中共有14个拟合曲线相关系数R2达到97%以上,13~17 cm土层深度所有样点R2均达到94%以上,均获得较好的拟合效果。表明,EC-5土壤水分传感器测量值与真实值之间存在明显的线性关系。
显示原图|下载原图ZIP|生成PPT图23~7 cm土层深度各样点校正曲线
-->Fig. 2Fitting curve of the sample points（soil depth3~7 cm）
-->
显示原图|下载原图ZIP|生成PPT图313~17 cm土层深度各样点校正曲线
-->Fig. 3Fitting curve of the sample points（soil depth13~17 cm）
-->
将EC-5测得的值代入校正方程,求得校准后的EC-5测量值。以土壤含水量标准值和校准后的EC-5测量值分别为横纵坐标制作散点图,进行一元线性拟合,求得拟合曲线方程。表3中拟合曲线的斜率、截距与理论值的差异很小,实验所得曲线与理想曲线存在微小偏差,说明各点校准后的EC-5测量值与真实值非常接近,这表明经校正后的土壤水分数据能较好地反映该地区的土壤水分动态。
Tab. 3
表3
表3校正后的EC-5测量值与含水量真实值的拟合曲线
Tab. 3Fitting curve of the true value of soil moisture and the corrected measurements of EC-5 sensor
| 样点编号 | 土层深度 | 拟合曲线方程 | R2 | 样点编号 | 土层深度 | 拟合曲线方程 | R2 |
|---|---|---|---|---|---|---|---|
| Q01 | 3~7 cm | y=0.9831x+0.0014 | 0.9831 | Q09 | 3~7 cm | y=0.9945x+0.0005 | 0.9944 |
| 13~17 cm | y=0.9895x+0.0009 | 0.9896 | 13~17 cm | y=0.9931x+0.0006 | 0.9931 | ||
| Q02 | 3~7 cm | y=0.9903x+0.0007 | 0.9903 | Q14 | 3~7 cm | y=0.9871x+0.001 | 0.9871 |
| 13~17 cm | y=0.9895x+0.0008 | 0.9895 | 13~17 cm | y=0.9449x+0.0044 | 0.945 | ||
| Q03 | 3~7 cm | y=0.9887x+0.0008 | 0.9887 | R01 | 3~7 cm | y=0.9946x+0.0004 | 0.9946 |
| 13~17 cm | y=0.9739x+0.0022 | 0.9723 | 13~17 cm | y=0.975x+0.0022 | 0.975 | ||
| Q04 | 3~7 cm | y=0.9813x+0.0016 | 0.9812 | R02 | 3~7 cm | y=0.8654x+0.0105 | 0.8654 |
| 13~17 cm | y=0.9794x+0.0018 | 0.9794 | 13~17 cm | y=0.9877x+0.0011 | 0.9878 | ||
| Q05 | 3~7 cm | y=0.9794x+0.0015 | 0.9795 | R03 | 3~7 cm | y=0.852x+0.0115 | 0.852 |
| 13~17 cm | y=0.9854x+0.0012 | 0.9854 | 13~17 cm | y=0.9881x+0.001 | 0.9881 | ||
| Q06 | 3~7 cm | y=0.986x+0.0012 | 0.9859 | R04 | 3~7 cm | y=0.9792x+0.0015 | 0.9791 |
| 13~17 cm | y=0.9841x+0.0013 | 0.9841 | 13~17 cm | y=0.9405x-0.0378 | 0.9489 | ||
| Q07 | 3~7 cm | y=0.9872x+0.001 | 0.9871 | R05 | 3~7 cm | y=0.8427x+0.0103 | 0.8427 |
| 13~17 cm | y=0.9938x+0.0005 | 0.9938 | 13~17 cm | y=0.9748x+0.0022 | 0.9748 | ||
| Q08 | 3~7 cm | y=0.9893x+0.0009 | 0.9893 | R06 | 3~7 cm | y=0.9737x+0.0022 | 0.9737 |
| 13~17 cm | y=0.9847x+0.0012 | 0.9847 | 13~17 cm | y=0.9703x+0.004 | 0.9782 |
新窗口打开
为进一步评估校准前后的EC-5测量值与真实值的差异,选取绝对偏差D（cm3/cm3）和相应的标准偏差值RD（%）及一个样点10次测量含水量值的平均偏差MD（cm3/cm3）等统计参数进行计算说明。
从单次测量的绝对偏差值来看,校正前、后的EC-5测量值可能偏高真实值也可能偏低于真实值,没有明显规律,且校正前后的绝对偏差水平差异不大。但绝对偏差平均值在校正前后有明显变化：校正前各样点多次测量结果的平均偏差为0.0025~0.0698 cm3/cm3,均为正值,校正后的平均偏差值均接近零。说明就整体而言,校正前的EC-5测量值明显偏高于真实值,而校正后,尽管单次测量中的偏差仍未消除,但平均偏差趋于零说明整体差异已基本被消除。因此,为从整体上提高EC-5传感器的测量精度,对野外监测区域内的测量值进行校正是很有必要的。
相对偏差的绝对值随土壤含水量增加呈现先减小后增大的趋势,在含水量极低的土壤中相对偏差甚至超过100%,EC-5测量结果与真实值间存在很大的差异。而通过校正之后,相对偏差值有大幅的减小,例如3~7 cm土层深度的Q14样点,校正前EC-5测量值与真实值的相对偏差范围为-103.5%~68.5%,校正后减小到-3.7%~19.4%。含水量很低和较高的土壤中的校准后的测量值与真实值之间的偏差值虽然仍旧比较大,但相比校准前的值已经得到明显改善。校准后的EC-5测量值比校准前的更接近真实含水量值,可以准确的反映土壤真实含水量。
3.2 综合校正结果分析
3.2.1 不同土层深度的综合校正结果 3.1中对不同样点的EC-5测量值的校正分3~7cm和13~17 cm两个土层深度进行,不同土层深度土壤的差异主要体现在土壤容重（ρd）和土壤有机碳含量（SOC）的不同。土壤容重会影响土壤的介电常数,特别是在干燥土壤中,随着容重值增大,土壤介电常数也呈同向增加的趋势[28];土壤有机碳含量也会对土壤介电常数产生影响[29],从而导致EC-5测量结果的不同。为了说明这两个因素是如何影响EC-5测量值的校正结果,对室内校正实验所得数据进行汇总拟合得到新的校正曲线,具体做法如下：同一样点在3~7 cm、13~17 cm两个土层深度下分别获得10对EC-5实测值和对应的真实含水量值,对这20对数值进行一元线性回归分析,即得到各个样点不考虑土层深度的综合校准曲线如图4所示。
显示原图|下载原图ZIP|生成PPT图4各样点不同土层深度的综合校正结果
-->Fig. 4Comprehensive correction results in different stations
-->
Tab. 4
表4
表4校正前后EC-5测量值与真实值的绝对偏差、相对偏差和平均偏差
Tab. 4Absolute deviation, relative deviation and mean deviation of EC-5 measurements with real values
| 土层深度 | 3~7 cm（D/RD/MD） | 13~17 cm（D/RD/MD） | ||
|---|---|---|---|---|
| 编号 | 校准前 | 校准后 | 校准前 | 校准后 |
| Q01 | -0.007~0.016/-12.1~68.9/0.0105 | -0.014~0.008/ -25.2~32.4/0.000 | 0.002~0.020/ 1.2~49.7/0.0082 | -0.009~0.009/ -10.1~32.5/0.000 |
| Q02 | -0.007~0.026/-30.3~23.3/0.0111 | -0.0007~0.006/ -15.8~6.4/0.000 | -0.001~0.014/ -2.0~60.8/0.0078 | -0.010~0.007/ -13.2~22.0/0.000 |
| Q03 | 0.007~0.034/ 11.9~79.7/0.0210 | -0.009~0.007/ -16.1~21.1/0.000 | -0.015~0.023/ -11.9~81.2/0.0077 | -0.019~0.007/ -15.2~24.2/0.000 |
| Q04 | 0.008~0.032/ 10.3~98.3/0.0211 | -0.010~0.014/ -12.7~48.4/0.000 | 0.006~0.027/ 5.1~89.3/0.0166 | -0.011~0.011/ -14.8~32.3/0.000 |
| Q05 | -0.005~0.021/ -4.9~93.8/0.0058 | -0.010~0.007/ -19.5~35.0/0.000 | -0.009~0.016/ -7.2~72.5/0.0025 | -0.008~0.011/ -13.5~33.5/0.000 |
| Q06 | -0.009~0.100/ 54.8~99.0/0.0595 | -0.009~0.013/ -6.3~17.8/0.000 | 0.014~0.048/ 24.1~62.2/0.0259 | -0.011~0.010/ -5.3~22.7/0.000 |
| Q07 | -0.003~0.019/ -6.2~45.0/0.0075 | -0.009~0.006/ -13.9~16.6/0.000 | 0.014~0.041/ 21.8~89.9/0.0269 | -0.006~0.007/ -13.4~13.5/0.000 |
| Q08 | 0.002~0.023/ 1.6~68.7/0.0083 | -0.007~0.009/ -6.3~9.2/0.000 | 0.012~0.038/ 13.1~121.5/0.0239 | -0.012~0.009/ -13.2~40.3/0.000 |
| Q09 | -0.012~0.023/ -22.4~18.3/0.0044 | -0.004~0.006/ -15.1~7.8/0.000 | 0.013~0.036/ 15.2~49.5/0.0182 | -0.005~0.007/ -5.0~14.7/0.000 |
| Q14 | -0.005~0.099/ -103.5~68.5/0.0609 | -0.010~0.008/ -3.7~19.4/0.000 | 0.060~0.084/ 47.4~131.4/0.0698 | -0.020~0.012/ -10.3~28.8/0.000 |
| R01 | 0.005~0.015/ 5.0~99.3/0.0100 | -0.005~0.005/ -4.3~11.4/0.000 | -0.011~0.026/ -9.7~101.4/0.0063 | -0.011~0.012/ -11.3~28.8/0.000 |
| R02 | -0.031~0.032/ -56.7~26.3/0.0100 | -0.016~0.037/ -15.1~54.9/0.000 | 0.004~0.022/ 3.7~77.8/0.0132 | -0.010~0.009/ -9.6~24.9/0.000 |
| R03 | -0.037~0.017/ -39.3~48.5/0.0047 | -0.032~0.026/ -30.2~6.9/0.000 | 0.011~0.032/ 14.3~70.7/0.0210 | -0.007~0.010/ -14.1~8.6/0.000 |
| R04 | 0.008~0.032/ 10.6~67.1/0.0184 | -0.012~0.007/ -15.7~12.2/0.000 | 0.012~0.038/ 10.1~49.3/0.0233 | -0.023~0.010/ -9.2~17.7/0.000 |
| R05 | -0.014~0.041/ -21.4~87.0/0.0169 | -0.026~0.005/ -38.1~6.1/0.000 | 0.001~0.025/ 0.4~94.5/0.0134 | -0.014~0.012/ -14.4~44.0/0.000 |
| R06 | 0.001~0.029/ 0.5~74.6/0.0132 | -0.010~0.012/ -10.1~27.1/0.000 | -0.012~0.023/ -12.3~69.6/0.0111 | -0.012~0.023/ -24.1~25.4/0.000 |
新窗口打开
从图4所示校正曲线和相关系数可以看出,由于不同土层ρb和SOC存在差异,新的校正曲线与3.1中的有所不同。综合校准曲线拟合程度有所降低,相关系数R2有所下降,但大多仍超过90%所以EC-5测量值仍能反映土壤含水量的变化规律。
将仪器测量值代入图4校正方程,求出校准后的值,对比与3.1中EC-5校正后的值的差异程度。方差分析结果显示除Q08样点外,各样点采用综合校正方程和分层校正方程所求得EC-5校正后的值没有显著差异。
结合不同土层ρd和SOC的值分析可以得出结论：若不同土层的土壤容重和有机碳含量差异不明显,可以不进行分层校正;若样点不同土层的土壤容重和有机碳含量有明显不同,则不区分土层深度的校正结果会与分层的校准结果存在差异,分层校正可以显著提高精度。此外,当土壤中有机碳含量较高时,不同土层深度的校正结果差异很大,为获得更准确的校正结果应当对监测值进行分层单独校正。
3.2.2 同一土层深度各样点的综合校正结果 将土层深度为3~7 cm和13~17 cm的各样点的EC-5实测值和对应的真实含水量值进行汇总,得到同一土层深度各样点的综合校正曲线如图5所示。此时影响校正曲线拟合程度的因素主要是各样点覆被类型和土壤类型的差异。
显示原图|下载原图ZIP|生成PPT图53~7 cm层和13~17 cm层的综合校正曲线
-->Fig. 5Comprehensive correction results in different soil depth
-->
将EC-5测量值代入此时的校正方程中得到的校正值,与3.1中土壤含水量标准值进行一元线性回归分析,结果如图6所示。回归曲线与理想直线Y=X存在明显的交点,校准后的EC-5测量值在高含水量时偏高于真实值,而在低含水量时则偏低于真实土壤含水量,土壤含水量在0.06~0.12 cm3/cm3之间时,校准结果是比较可靠的。
显示原图|下载原图ZIP|生成PPT图6综合校正后的值与真实值的拟合曲线
-->Fig. 6Comparison of real value with the corrected value
-->
Tab. 5
表5
表5各样点土壤容重和土壤有机碳含量
Tab. 5Soil bulk density and SOC
| 编号 | ρb（g/cm3） | SOC（g/kg） | ||
|---|---|---|---|---|
| 土层深度 | 3~7 cm | 13~17 cm | 3~7 cm | 13~17 cm |
| Q01 | 1.4853 | 1.4853 | 5.38 | 7.28 |
| Q02 | 1.4930 | 1.7078 | 3.93 | 2.64 |
| Q03 | 1.4720 | 1.5745 | 5.17 | 4.00 |
| Q04 | 1.5009 | 1.4255 | 2.95 | 5.64 |
| Q05 | 1.6301 | 1.5986 | 1.89 | 1.87 |
| Q06 | 1.3438 | 1.4080 | 4.68 | 7.02 |
| Q07 | 1.6147 | 1.6147 | 2.97 | 3.11 |
| Q08 | 1.6082 | 1.7093 | 11.60 | 11.30 |
| Q09 | 1.5152 | 1.5075 | 11.95 | 11.10 |
| Q14 | 1.4203 | 1.6440 | 5.98 | 8.81 |
| R01 | 1.4239 | 1.5794 | 1.93 | 2.65 |
| R02 | 1.3969 | 1.4905 | 2.49 | 3.78 |
| R03 | 1.5361 | 1.4599 | 3.16 | 4.36 |
| R04 | 1.4770 | 1.6313 | 2.86 | 1.45 |
| R05 | 1.7504 | 1.5648 | 2.43 | 3.27 |
| R06 | 1.6652 | 1.5287 | 5.63 | 6.22 |
新窗口打开
方差分析结果显示,此时采用图5中综合校正方程求得的EC-5校正值与3.1中的校正结果各间存在显著差异。说明土壤类型和植被类型对传感器测量值的校正有明显影响,故而野外监测站点的布设必须考虑土壤类型和植被类型的影响。
3.2.3 综合校正结果 单点所得的校准曲线虽然结果准确,但适用性差,采样、校准的工作量都较大,不能全面反映区域含水量的动态变化,因此通常需要标定出一条综合的曲线来加以应用。因此对全部实验结果进行综合分析,在不考虑土壤容重,有机碳含量和植被类型、土壤类型等因素的情况下,得到如图7所示的校正曲线。一元线性回归的相关系数只有R2只有0.83,而采用二次多项式和三次多项式拟合的结果明显更优。
显示原图|下载原图ZIP|生成PPT图7综合校正曲线
-->Fig. 7Comprehensive correction results
-->
4 基于土壤介电常数—含水量关系模型的校正
EC-5土壤水分传感器是通过测量介电常数推算土壤水分,传感器记录的原始数据为Raw data。但仪器默认的校正公式并不适用于所有的土壤类型,所以可以根据官方手册将测量的土壤水分数据转换为原始数据进而求得介电常数的值,再根据已有实验研究的土壤含水量与介电常数的关系模型,求得土壤体积含水量,从而达到校正EC-5测量值的目的。根据仪器手册,EC-5传感器原始值Raw与含水量的默认转换公式为：
同时仪器手册中也给出了Raw和介电常数Ka的关系为：
常见的
但式（8）这一经验公式模型缺乏物理机制,在一些特殊土壤中,适用性受到限制,许多****对其进行了修正和完善,例如Roth等提出的修正的经验模型更好的拟合公式中的系数,使土壤含水量与介电常数的关系式更适用于矿质土壤[30];随后Jacobsen等考虑容重、土壤粘粒含量、SOC含量等的影响,建立了基于Topp模型的半物理半经验模型,可以更好地校正得到土壤含水量的真实数据[31]。同时Herkelrath等发现土壤含水量在一定范围内时,
将野外测得的土壤容重值,以及根据式（6）~式（7）求得的介电常数值代入式（9）,即可求得土壤含水量校正后的值。将这里求得的校正后的值与3.1中得到的标准含水量值,判断校正结果的可靠性：方差分析的结果表明这种基于
这种基于已知模型的方法快捷、方便但通用性较差,任何一种都不能应用在所有类型的土壤中并得到准确结果。因此,在应用时首先要确定各种模型的适用性,羌塘高原土壤粒径、类型、有机碳含量等土壤质地性质和温度、地表植被类型等因素的差异,各校准模型并非都适用于这一区域。直接使用已有模型虽然可以反映含水量变化的整体态势,但会造成高估或低估于真实值的偏离。所以当精度要求不高时,可以选用合适的模型,方便快捷的求得土壤含水量值,但在要求数据精度比较高的情况下则要慎重选用。
5 结论与讨论
本文试验采用称重配制土壤溶液的方式代替传统的烘干称重法,土壤溶液样品中土、水质量精度都控制到0.1 g。克服了因烘箱温度、烘干时间和受热不均等产生的误差,缩短了实验时间,并且消除了环刀取样自身产生的误差,相较于环刀中的少量样品,整个标定容器中混合均匀的土样更能反映土壤的整体特征。（1）对3~7 cm和13~17 cm两个土层深度的各样点进行单独标定,得到的校正曲线拟合系数大多在97%以上,说明EC-5土壤水分传感器测量值与真实值之间虽然存在偏差,但有较高的相关性,可以用一个简单的线性方程进行校正,校正后的值可以准确的反映土壤含水量真实值。
（2）综合不同土层深度的校正结果精度低于分层的校正结果,主要是土层间容重和有机碳含量的差异,若这种差异不显著或有机碳含量比较低时,可以忽略土层间的差异,综合的校正结果也可以达到和分层结果相近的水平;但如果上下土层间差异显著或有机碳含量较高时,综合校正和分层校正结果间的差异不能忽视,对不同的土层深度的土壤含水量值进行单独校正是非常必要的。
（3）综合同一土层所有样点测值所得的校正曲线和综合所有测值得到的校正曲线,相关系数明显下降,除了不同样点容重和有机碳的差异外,样点土壤类型和植被类型的不同也是重要的影响因素,因此野外监测站点的布设应该考虑到土壤类型和植被类型的分布。
一元线性回归拟合的综合校正曲线,相关系数比较低,而采用二次拟合和三次拟合比线性拟合更优化,主要体现在含水量比较低和较高时,测定值受土壤中自由水与结合水的比例、土壤水分空间分布差异等影响而与土壤实际含水量间存在一种非线性的关 系[32,33]。其他文献在校正中也有采用二次拟合在砂土中获得拟合程度更高的校正曲线,而在粘粒含量较高的黏土中,三次拟合获得拟合程度更高的校正曲线[34,35]。EC-5测量值和实际含水量间的关系在不同含水量的土壤和不同类型的土壤中有所差异,故而在确定校正方程时,可以考虑进行多次拟合或对不同含水量范围进行分段拟合,使拟合的效果达到最优。
（4）通过仪器测值可以根据说明手册中的转换公式求得土壤的介电常数值,再根据
羌塘高原地区气温日较差大,冻融现象显著,土壤冻结期EC-5野外测量值会出现长时间负值,这是不合理的。基于3.1的校正方程进行校正后,大部分含水量都大于0;但部分校正后的值仍为为负,产生这一不合理现象的原因在于校正实验在室内恒温条件下进行,没有考虑到温度降低后土壤冻结现象和土壤水分运移等因素对土壤水分测量结果的影响。
EC-5电介质型土壤水分传感器的测量原理,最终测量结果是土壤中未冻结水分的含量,在冻结期,土壤中未冻水的含量主要取决于土壤质地、外界条件和冻融历史三个因素,未冻水的含量与负温绝对值存在相关关系[36]。此外,土壤冻结后,其表面结构会发生变化,进而影响土壤样品与传感器探头的接触,也可能对测量值产生影响[37]。
另外土壤水分的运移过程也会对土壤含水量的测量产生影响,在ECH2O EC-5传感器在沙地土壤含水量的校正研究中发现,连续两天同一时刻的土壤水分测值间存在不容忽视的差异。由于连续两天的同一时刻气候和温度条件的差异可以忽略,土壤水分测值上出现的差异可能是由土壤水分运移过程导致的[35]。
本文实验研究是在室内恒温条件下针对单一土壤样品进行的校正,获得的校正曲线拟合程度较高,对于校准野外站点的观测数据很有意义。但这种单一因素的校准曲线适用性较差,野外土壤水分的观测还受到温度、土壤类型等多种因素的影响,特别是羌塘高原气温日较差大,冻融现象显著,温度对野外土壤水分的观测存在很大影响。综合多种影响因素的校准模型,对同地区土壤水分校正工作更有参考价值。
致谢：感谢西藏阿里地区林业局、日土林业局、改则林业局等管理单位的支持和配合,感谢中国科学院植物研究所郭柯研究员,江西师范大学的丁明军教授,中国科学院地理科学与资源研究所的祁威、赵志龙、谷昌军,青海师范大学的王宇坤,青藏高原研究所日土站的蒲健有等同志在野外调查和采样中给予的指导和帮助。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | . 土壤水分在干旱、半干旱地区生态系统中起着重要的作用。在简要总结土壤水分与植物关系、土壤水分与土壤呼吸关系、生物土壤结皮对降水再分配过程的影响、土壤水分时空动态、土壤水分监测技术五个方面研究进展的基础上,认为未来干旱、半干旱地区土壤水分研究在土壤水分平衡、土壤水分与土壤呼吸作用、土壤水分监测技术的改进等几个领域还有待于深入。 土壤水分在干旱、半干旱地区生态系统中起着重要的作用。在简要总结土壤水分与植物关系、土壤水分与土壤呼吸关系、生物土壤结皮对降水再分配过程的影响、土壤水分时空动态、土壤水分监测技术五个方面研究进展的基础上,认为未来干旱、半干旱地区土壤水分研究在土壤水分平衡、土壤水分与土壤呼吸作用、土壤水分监测技术的改进等几个领域还有待于深入。 |
| [2] | . 本研究基于西藏念青唐古拉山北麓高山嵩草草甸海拔分布上限(5125 m)地下10 cm和30 cm土壤温度和水分连续3年(2008-2010年)的监测数据,分析了草甸海拔分布上限土壤温度和未冻水含量的季节动态特征.结果表明:1)土壤在4月中下旬解冻,10月中下旬冻结;6-8月份土壤温度日振幅最大,10 cm和30 cm分别为3.8℃和1.4℃;2)土壤未冻水含量回升(下降)在解冻(冻结)开始后,5-10月份未冻水含量较高,其中10 cm和30 cm分别为2％～6％和15％～20％;3)基于10 cm土壤温度推算的本地区高山嵩草草甸海拔分布上限的生长季在6月初至8月末或9月初,持续时间为80-87天,生长季平均土壤温度和含水量分别为6.78±0.73℃和4.14±0.91％,生长季期间日最低温度集中在3～7℃之间(占90％以上天数);4)与较低海拔处(4980m)相比,高山嵩草草甸海拔分布上限处10 cm土壤温度和未冻水含量均明显偏低,生长季8月份出现日最低温＜5℃的天数也明显增加. 本研究基于西藏念青唐古拉山北麓高山嵩草草甸海拔分布上限(5125 m)地下10 cm和30 cm土壤温度和水分连续3年(2008-2010年)的监测数据,分析了草甸海拔分布上限土壤温度和未冻水含量的季节动态特征.结果表明:1)土壤在4月中下旬解冻,10月中下旬冻结;6-8月份土壤温度日振幅最大,10 cm和30 cm分别为3.8℃和1.4℃;2)土壤未冻水含量回升(下降)在解冻(冻结)开始后,5-10月份未冻水含量较高,其中10 cm和30 cm分别为2％～6％和15％～20％;3)基于10 cm土壤温度推算的本地区高山嵩草草甸海拔分布上限的生长季在6月初至8月末或9月初,持续时间为80-87天,生长季平均土壤温度和含水量分别为6.78±0.73℃和4.14±0.91％,生长季期间日最低温度集中在3～7℃之间(占90％以上天数);4)与较低海拔处(4980m)相比,高山嵩草草甸海拔分布上限处10 cm土壤温度和未冻水含量均明显偏低,生长季8月份出现日最低温＜5℃的天数也明显增加. |
| [3] | . |
| [4] | . 土壤水是联系地表水与地下水的纽带,在水资源的形成、转化及消耗过程中有重要作用,与农业、水文、环境等领域都有密切联系。所以土壤水研究越来越引起人们的重视,有了长足的进步。目前,土壤水研究走向多学科的交叉,如水热盐的耦合运移,冻结土壤中水分的运移,土壤-植物-大气连续体中的水热运移等。土壤水运动机理研究也更加深入,如优先流、土壤水参数的测定及确定、土壤水参数的空间变异性等。土壤水研究的数值模拟方法也有一些突破,如有限解析法、特征有限元法、交替方向有限元法等。土壤水研究的应用也更加广泛,如用于水资源评价、土壤水分与作物的关系、水环境评价等。 土壤水是联系地表水与地下水的纽带,在水资源的形成、转化及消耗过程中有重要作用,与农业、水文、环境等领域都有密切联系。所以土壤水研究越来越引起人们的重视,有了长足的进步。目前,土壤水研究走向多学科的交叉,如水热盐的耦合运移,冻结土壤中水分的运移,土壤-植物-大气连续体中的水热运移等。土壤水运动机理研究也更加深入,如优先流、土壤水参数的测定及确定、土壤水参数的空间变异性等。土壤水研究的数值模拟方法也有一些突破,如有限解析法、特征有限元法、交替方向有限元法等。土壤水研究的应用也更加广泛,如用于水资源评价、土壤水分与作物的关系、水环境评价等。 |
| [5] | . 分析土壤相对湿度(RSM)与标准化植被指数(SVI)、站点农气灾情数据及产量数据的关系,探究土壤相对湿度对东北地区农业干旱的监测能力.结果表明:①土壤相对湿度与SVI有较好的相关关系,76％的站点能够通过0.05的检验;水分胁迫下,作物生长状态对土壤湿度的滞后时间为10天.②土壤相对湿度低于60时,超过58％的作物生长状态受到影响;土壤相对湿度低于35时,超过92％的作物生长状态受到影响.③土壤相对湿度对农气灾情数据记录的不同等级干旱的正确检测概率都超过了50％.④7月上旬土壤相对湿度和产量的相关关系最好.土壤相对湿度在东北地区农业干旱监测中具有较好的适用性,本文可为农业干旱监测提供理论支持. 分析土壤相对湿度(RSM)与标准化植被指数(SVI)、站点农气灾情数据及产量数据的关系,探究土壤相对湿度对东北地区农业干旱的监测能力.结果表明:①土壤相对湿度与SVI有较好的相关关系,76％的站点能够通过0.05的检验;水分胁迫下,作物生长状态对土壤湿度的滞后时间为10天.②土壤相对湿度低于60时,超过58％的作物生长状态受到影响;土壤相对湿度低于35时,超过92％的作物生长状态受到影响.③土壤相对湿度对农气灾情数据记录的不同等级干旱的正确检测概率都超过了50％.④7月上旬土壤相对湿度和产量的相关关系最好.土壤相对湿度在东北地区农业干旱监测中具有较好的适用性,本文可为农业干旱监测提供理论支持. |
| [6] | . 综述了国内外近20a来测定土 壤含水量的研究情况,总结了国内外常用的测定土壤含水量的方法及其原理, 比较分析了各种测定方法的优缺点,介绍了一些新兴的土壤含水量测试技术,提出了本领域中存在的主要问题及研究展望,指出未来的土壤含水量测定方法应当是朝 着高精度、低成本、非破坏、自动化等方向发展。 综述了国内外近20a来测定土 壤含水量的研究情况,总结了国内外常用的测定土壤含水量的方法及其原理, 比较分析了各种测定方法的优缺点,介绍了一些新兴的土壤含水量测试技术,提出了本领域中存在的主要问题及研究展望,指出未来的土壤含水量测定方法应当是朝 着高精度、低成本、非破坏、自动化等方向发展。 |
| [7] | . 青藏高原占我国国土面积的四分之一,平均海拔在4000 m以上,属于典型的高寒区。由于其特殊的气候条件,大规模细致的基础观测较难实施,利用遥感反演和模型模拟预测的研究相对较多。通过梳理分析可以发现,青藏高原土壤水分的研究主要集中在以下四个方面:1利用遥感影像反演表层土壤水分。这类研究相当丰富,主要为了获取土壤水分在大尺度空间上的分布及其变化;2定点监测土壤温湿度的变化特征。为了研究土壤水分在季节和年际上的变化特征,分析其影响因素;3模型模拟土壤水热特征。主要利用实际观测数据,利用各种陆面模型模拟研究土壤的水热特征,同时分析评价模型精度;4开展布点调查等基础实验研究土壤水分和土壤物理性质。 青藏高原占我国国土面积的四分之一,平均海拔在4000 m以上,属于典型的高寒区。由于其特殊的气候条件,大规模细致的基础观测较难实施,利用遥感反演和模型模拟预测的研究相对较多。通过梳理分析可以发现,青藏高原土壤水分的研究主要集中在以下四个方面:1利用遥感影像反演表层土壤水分。这类研究相当丰富,主要为了获取土壤水分在大尺度空间上的分布及其变化;2定点监测土壤温湿度的变化特征。为了研究土壤水分在季节和年际上的变化特征,分析其影响因素;3模型模拟土壤水热特征。主要利用实际观测数据,利用各种陆面模型模拟研究土壤的水热特征,同时分析评价模型精度;4开展布点调查等基础实验研究土壤水分和土壤物理性质。 |
| [8] | |
| [9] | . 通过1997年和1999年藏北高原沱沱河观测站土壤温、湿度变化和对应降水变化的分析,表明与高原冻融过程相联系的土壤湿度变化和高原干湿季转换及湿季降水存在联系。土壤融冻引起土壤增湿的时间比高原雨季降水开始的时间约早20天,春季高原土壤温、湿度的增加在高原地表感潜热的变化中有重要贡献。春末夏初高原土壤冻融过程引起的土壤湿度变化,在高原局地尺度的水分循环中为高原湿季开始提供了有利的水汽条件。因此,在青藏高原陆气相互作用过程中,与冻融过程相联系的土壤湿度变化在高原季节转换中是一个不可忽视的因子。 通过1997年和1999年藏北高原沱沱河观测站土壤温、湿度变化和对应降水变化的分析,表明与高原冻融过程相联系的土壤湿度变化和高原干湿季转换及湿季降水存在联系。土壤融冻引起土壤增湿的时间比高原雨季降水开始的时间约早20天,春季高原土壤温、湿度的增加在高原地表感潜热的变化中有重要贡献。春末夏初高原土壤冻融过程引起的土壤湿度变化,在高原局地尺度的水分循环中为高原湿季开始提供了有利的水汽条件。因此,在青藏高原陆气相互作用过程中,与冻融过程相联系的土壤湿度变化在高原季节转换中是一个不可忽视的因子。 |
| [10] | . 以黄河源区典型高寒草甸草地类型为对象,运用旋转主成分分析法对影响高寒草甸土壤水分的植被盖度、群落高度、土层根系深度、草地类型等9个环境因子进行了分析,将这些环境因子分为4个主成分因子依次为:立地与草地类型因子、植被因子、坡向风速因子和地形因子.同时,采用统计方法对于不同深度土壤水分进行了统计分析,揭示了土壤水分在整个土壤剖面上的空间变异可划分为:速变层(0~30 cm)、活跃层(40 cm)、次活跃层(50 cm)和相对稳定层(60 cm). 以黄河源区典型高寒草甸草地类型为对象,运用旋转主成分分析法对影响高寒草甸土壤水分的植被盖度、群落高度、土层根系深度、草地类型等9个环境因子进行了分析,将这些环境因子分为4个主成分因子依次为:立地与草地类型因子、植被因子、坡向风速因子和地形因子.同时,采用统计方法对于不同深度土壤水分进行了统计分析,揭示了土壤水分在整个土壤剖面上的空间变异可划分为:速变层(0~30 cm)、活跃层(40 cm)、次活跃层(50 cm)和相对稳定层(60 cm). |
| [11] | . 时域反射仪(TDR)作为目前较为先进的土壤水分监测仪器,具有便利、快捷、准确的特性,并能连续、自动地定位监测土壤水分动态变化。在众多的TDR产品中,TRIMETDR是目前较为普遍使用的一种。介绍了时域反射技术的基本原理,TRIMETDR土壤水分测定系统的组成、构造和在黄土地区的实地安装、标定、使用,以及影响其测值准确性的相关因素。 时域反射仪(TDR)作为目前较为先进的土壤水分监测仪器,具有便利、快捷、准确的特性,并能连续、自动地定位监测土壤水分动态变化。在众多的TDR产品中,TRIMETDR是目前较为普遍使用的一种。介绍了时域反射技术的基本原理,TRIMETDR土壤水分测定系统的组成、构造和在黄土地区的实地安装、标定、使用,以及影响其测值准确性的相关因素。 |
| [12] | . 给出了一种较简便、准确的时域反射仪（TDR）室内标定方法，该方法工作量小，克服了田间土 壤水分空间变异的影响，更适用于粘壤土质的TDR标定。通过对昆山地区粘壤土质的实例标定发现，TDR测量值较烘干法明显偏低，绝对偏差范围 0．02～0．09cm^3／cm^3，相对偏差随着土壤含水量的减小有增加趋势。但TDR的测量值与真实值之间有较高的相关性 （R^2=0．9837，P〈0．001），可以用一个简单的线形函数进行校正，校正后的TDR测量值中将有98．4％的值接近土壤含水量真实值，说明该 校正公式可以作为昆山地区进行TDR校正的参考。 给出了一种较简便、准确的时域反射仪（TDR）室内标定方法，该方法工作量小，克服了田间土 壤水分空间变异的影响，更适用于粘壤土质的TDR标定。通过对昆山地区粘壤土质的实例标定发现，TDR测量值较烘干法明显偏低，绝对偏差范围 0．02～0．09cm^3／cm^3，相对偏差随着土壤含水量的减小有增加趋势。但TDR的测量值与真实值之间有较高的相关性 （R^2=0．9837，P〈0．001），可以用一个简单的线形函数进行校正，校正后的TDR测量值中将有98．4％的值接近土壤含水量真实值，说明该 校正公式可以作为昆山地区进行TDR校正的参考。 |
| [13] | . “羌塘”为藏语“北方空地”之意,它位于西藏自治区北半部,即南起冈底斯—念青唐古拉山脉,北抵昆仑山脉,东迄于青藏公路西侧约东经91度左右的内外流水 系之分水岭,西止于国境线,面积约60万平方公里。该地域一般海拔高度在4500米以上,是青藏大高原的重要组成部分。由于地势高亢、生态环境严酷,至今 大部分地区无人居住,保持着较原始的自然面貌。因此,研究和阐明羌塘高原土壤形成过程、特点及其空间分异规律,不仅有助于了解青藏高原隆 “羌塘”为藏语“北方空地”之意,它位于西藏自治区北半部,即南起冈底斯—念青唐古拉山脉,北抵昆仑山脉,东迄于青藏公路西侧约东经91度左右的内外流水 系之分水岭,西止于国境线,面积约60万平方公里。该地域一般海拔高度在4500米以上,是青藏大高原的重要组成部分。由于地势高亢、生态环境严酷,至今 大部分地区无人居住,保持着较原始的自然面貌。因此,研究和阐明羌塘高原土壤形成过程、特点及其空间分异规律,不仅有助于了解青藏高原隆 |
| [14] | . <FONT face=Verdana>探讨了TDR测定土壤含水量的原理，并在黑河上游阿柔试验样地取土样进行了土壤体积含水量测定的室内标定试验，得出相关性较好的TDR测定土壤体积含水量的关系式.结果表明：通过室内土样回填建立的TDR测定的体积含水量与土壤实际含水量相关性很好，可以利用TDR精确的测定土壤含水量，为黑河遥感项目提供精确的地面土壤水分数据，为遥感反演和验证提供基础数据. 所得到的标定结果对于具有相同土质的黑河中游土壤具有参考价值.</FONT> <FONT face=Verdana>探讨了TDR测定土壤含水量的原理，并在黑河上游阿柔试验样地取土样进行了土壤体积含水量测定的室内标定试验，得出相关性较好的TDR测定土壤体积含水量的关系式.结果表明：通过室内土样回填建立的TDR测定的体积含水量与土壤实际含水量相关性很好，可以利用TDR精确的测定土壤含水量，为黑河遥感项目提供精确的地面土壤水分数据，为遥感反演和验证提供基础数据. 所得到的标定结果对于具有相同土质的黑河中游土壤具有参考价值.</FONT> |
| [15] | . 探讨高寒草地物候变化的海拔敏感性有助于揭示气候—植被的关系.基于2000-2013年的SPOT-VGT (NDVI)和MODIS (NDVI和EVI)、DEM、生态地理区划以及草地矢量数据,分析青藏高原高寒草地物候变化与海拔的关系.结果表明:①青藏高原高寒草地返青期和枯黄期分布随海拔上升呈现相对一致的规律性;但其年际变化趋势随海拔上升呈现明显差异.②返青期的提前趋势大致以3200m为界线,其下提前幅度随海拔上升显著增大,其上则相反.但枯黄期年际变化趋势随海拔上升则先呈现推迟趋势,且推迟幅度逐渐减小;之后呈现提前趋势,且提前幅度持续增大.③将高原中部的青南高寒草甸草原区(IC1)和南部的藏南山地灌丛草原区(IIC1)高寒草地物候变化趋势进行对比,两分区呈现相反的年际变化趋势;随海拔上升,两分区返青期的年际变化趋势呈现相反的变化方向,桔黄期则呈现基本一致的变化方向.上述差异表明,基于遥感反演的高寒草地物候年际变化趋势的垂直分异特征难以直接反映高原增温的海拔效应. 探讨高寒草地物候变化的海拔敏感性有助于揭示气候—植被的关系.基于2000-2013年的SPOT-VGT (NDVI)和MODIS (NDVI和EVI)、DEM、生态地理区划以及草地矢量数据,分析青藏高原高寒草地物候变化与海拔的关系.结果表明:①青藏高原高寒草地返青期和枯黄期分布随海拔上升呈现相对一致的规律性;但其年际变化趋势随海拔上升呈现明显差异.②返青期的提前趋势大致以3200m为界线,其下提前幅度随海拔上升显著增大,其上则相反.但枯黄期年际变化趋势随海拔上升则先呈现推迟趋势,且推迟幅度逐渐减小;之后呈现提前趋势,且提前幅度持续增大.③将高原中部的青南高寒草甸草原区(IC1)和南部的藏南山地灌丛草原区(IIC1)高寒草地物候变化趋势进行对比,两分区呈现相反的年际变化趋势;随海拔上升,两分区返青期的年际变化趋势呈现相反的变化方向,桔黄期则呈现基本一致的变化方向.上述差异表明,基于遥感反演的高寒草地物候年际变化趋势的垂直分异特征难以直接反映高原增温的海拔效应. |
| [16] | . 无 无 |
| [17] | . 藏北的羌塘高原作为青藏高原的主体和核心，是对全球变化反应最敏感的区域之一。本文通过统计藏北高原仅有的8个气象站50年来温度、降水等资料，计算分析了<i>PER、RDI</i>，运用植被-气候综合模型计算分析了<i>NPP</i>的变化量，探讨了藏北气候空间格局和随时间变化的规律。结果表明：藏北东部由南向北地势升高，温度和降水呈减少趋势，温度可能是限制藏北东部生产力的主要因子；藏北地区由东向西，降水量迅速减少，<i>PER</i>和<i>RDI</i>增加，气候渐趋干旱；其它气象因子变化复杂，与地形和植被等多种因素有关。1955年～2004年整个藏北地区温度增加趋势明显，平均增温幅度为1.4℃；降水量东部、中部增加75～115mm，西部无明显变化；>0℃日数增加11～20天；<i>PER</i>和<i>RDI</i>西部增加，中部、东部无明显变化；1980年以来，水汽压普遍增加，云量和风速均呈减少趋势。藏北地区升温主要发生在秋、冬季，增温幅度分别为1.6℃、1.8℃，春、夏季温度增幅为1.25℃、0.8℃。降水增加以春、夏、秋季为主，春夏秋冬增量分别为22mm、20mm、20mm、6.5mm。气候变化复杂，<i>NPP</i>整体上呈增加趋势，但空间格局上有差异，20世纪80年代以来，东部<i>NPP</i>增加，西部<i>NPP</i>减少，气候因素仍然是藏北西部草地退化的直接威胁。 藏北的羌塘高原作为青藏高原的主体和核心，是对全球变化反应最敏感的区域之一。本文通过统计藏北高原仅有的8个气象站50年来温度、降水等资料，计算分析了<i>PER、RDI</i>，运用植被-气候综合模型计算分析了<i>NPP</i>的变化量，探讨了藏北气候空间格局和随时间变化的规律。结果表明：藏北东部由南向北地势升高，温度和降水呈减少趋势，温度可能是限制藏北东部生产力的主要因子；藏北地区由东向西，降水量迅速减少，<i>PER</i>和<i>RDI</i>增加，气候渐趋干旱；其它气象因子变化复杂，与地形和植被等多种因素有关。1955年～2004年整个藏北地区温度增加趋势明显，平均增温幅度为1.4℃；降水量东部、中部增加75～115mm，西部无明显变化；>0℃日数增加11～20天；<i>PER</i>和<i>RDI</i>西部增加，中部、东部无明显变化；1980年以来，水汽压普遍增加，云量和风速均呈减少趋势。藏北地区升温主要发生在秋、冬季，增温幅度分别为1.6℃、1.8℃，春、夏季温度增幅为1.25℃、0.8℃。降水增加以春、夏、秋季为主，春夏秋冬增量分别为22mm、20mm、20mm、6.5mm。气候变化复杂，<i>NPP</i>整体上呈增加趋势，但空间格局上有差异，20世纪80年代以来，东部<i>NPP</i>增加，西部<i>NPP</i>减少，气候因素仍然是藏北西部草地退化的直接威胁。 |
| [18] | . |
| [19] | . 为了满足精确灌溉的需要，一种能快速、准确测量土壤水分的传感器变得越来越重要。介绍了一种根据土壤介电常数和驻波原理研制的土壤水分传感器．并通过从探针结构和土壤种类两个方面对该传感器的工作特性进行试验研究，结果表明该传感器工作稳定、可靠，测量精度高，线性度好，适合大多数土壤类型的测量。 为了满足精确灌溉的需要，一种能快速、准确测量土壤水分的传感器变得越来越重要。介绍了一种根据土壤介电常数和驻波原理研制的土壤水分传感器．并通过从探针结构和土壤种类两个方面对该传感器的工作特性进行试验研究，结果表明该传感器工作稳定、可靠，测量精度高，线性度好，适合大多数土壤类型的测量。 |
| [20] | The dependence of the dielectric constant, at frequencies between 1 MHz and 1 GHz, on the volumetric water content is determined empirically in the laboratory. The effect of varying the texture, bulk density, temperature, and soluble salt content on this relationship was also determined. Time-domain reflectometry (TDR) was used to measure the dielectric constant of a wide range of granular specimens placed in a coaxial transmission line. The water or salt solution was cycled continuously to or from the specimen, with minimal disturbance, through porous disks placed along the sides of the coaxial tube. Four mineral soils with a range of texture from sandy loam to clay were tested. An empirical relationship between the apparent dielectric constant Kand the volumetric water content , which is independent of soil type, soil density, soil temperature, and soluble salt content, can be used to determine, from air dry to water saturated, with an error of estimate of 0.013. Precision of to within 0.01 from Kcan be obtained with a calibration for the particular granular material of interest. An organic soil, vermiculite, and two sizes of glass beads were also tested successfully. The empirical relationship determined here agrees very well with other experimenters' results, which use a wide range of electrical techniques over the frequency range of 20 MHz and 1 GHz and widely varying soil types. The results of applying the TDR technique on parallel transmission lines in the field to measure versus depth are encouraging. |
| [21] | . 通过调研,收集了国内外主流的 土壤水分监测仪器资料,分析了仪器测量原理、主要性能和技术参数,进行了类型划分,根据《土壤墒情监测规范》的要求和墒情监测系统建设需求,在类比分析的 基础上,提出了适合国内实际情况的土壤水分自动化监测仪器的产品型式,为国内墒情自动测报系统仪器的选型提供参考依据。 通过调研,收集了国内外主流的 土壤水分监测仪器资料,分析了仪器测量原理、主要性能和技术参数,进行了类型划分,根据《土壤墒情监测规范》的要求和墒情监测系统建设需求,在类比分析的 基础上,提出了适合国内实际情况的土壤水分自动化监测仪器的产品型式,为国内墒情自动测报系统仪器的选型提供参考依据。 |
| [22] | |
| [23] | . |
| [24] | Water exerts a controlling influence on most of the physical, chemical, and biological processes that occur in soils. In most agricultural soil systems, water contents are highly dynamic in timel, being affected by soil properties, soil and crop cultural practices, amounts and intensities of water inputs, and stage of crop growth. There is a continued need for better methods and techniques to perform accurate, real-time, nearly continuous, soil water measurement at specific depths, with minimal soil disturbance, and covering field-scale areas. Recent developments in microelectronics has resulted in significant advancement in probes that are increasingly accurate and robust for measuring real-time soil water content dynamics. This chapter presents the basis and techniques for one of those methods, using capacitance probes, along with its advantages and limitations, calibration, and field installation procedures. New techniques sare also presented for assessing the vertical and horizontal zone of influence of the method. |
| [25] | Soil property information is vital to plant growth and is a fundamental eco-system resource for terrestrial vegetation, especially soil moisture content (SMC), soil electrical conductivity (EC) and near-surface soil temperature. Wireless sensor network (WSN) technology enables monitoring soil water content changes with a high spatial and temporal resolution; however, WSN specifically requests sensors with features of low-cost, energy efficiency, dependability, and ease-of-use. In this paper, after evaluating different sensors under the demand of WSN application, a pair of ECH 2 O sensors were chosen and tested under experiments based on a standardized sensor characterization methodology using liquid medium. The results show that the electronics of the EC-5 and the 5TE are sensitive to temperature, electric conductivity and pH variations. In terms of the 5TE, conductivity correction is more necessary than temperature and pH, and the R 2 of the conductivity correction equation reaches 0.918. However, though encountering the same temperature stability as the 5TE, EC-5 exhibits an opposite characteristic when it comes to conductivity and pH correction where pH compensation plays a more essential part with a calibrated R 2 of 0.978. Moreover, the inherent temperature measuring ability of 5TE is dissatisfying and the calibration with a R 2 of 0.993 is well generated, but the conductivity measuring function is well acceptable. Generally, it is concluded that both the 5TE sensor and the EC-5 sensor are suitable for WSN applications. Besides, this paper also suggested that temperature, electric conductivity and pH effects have to be compensated using appropriate correction functions respectively and various compensation models were provided accordingly. |
| [26] | . |
| [27] | . 作为世界第三极的青藏高原,其巨大的块体产生了显著的夏季增温作用,对亚洲乃至全球气候都具有重大影响。但由于高原自然条件严酷,山区气象观测台站很少,气象资料极度匮乏;如果依靠台站数据进行空间插值获得高原气温的空间分布数据,会由于插值点过少而产生较大误差并可能掩盖一些空间信息,因而难以全面反映高原气温的空间分布规律。利用基于MODIS地表温度数据估算的青藏高原气温数据,详细分析各月气温及重要等温线的空间分布格局,并结合林线和雪线数据,初步探讨了高原气温空间分布格局对高原地理生态格局的重要影响。研究表明:1等温线的海拔高度自高原东北部、东部边缘向内部逐渐升高,等温线在高原内部比东部边缘高500~2000 m,表明相同海拔高度上气温自边缘向高原内部逐渐升高。2高原西北部的羌塘高原、可可西里为高原的寒冷区,全年有7个月的气温低于0℃,3~4个月的气温低于-10℃;青藏高原南部(喜马拉雅山北坡—冈底斯山南坡)和中部(冈底斯山北坡—唐古拉山南坡)是高原的温暖区,全年有5个月的气温能达到5~10℃,有3个月的气温能超过10℃,尤其是拉萨—林芝—左贡一带在3500~4000 m以下的地区最冷月均温也能高于0℃。3北半球最高雪线和林线分别分布于高原的西南部和东南部,表明高原气温空间分布特征对本地的地理生态格局具有重要影响。 作为世界第三极的青藏高原,其巨大的块体产生了显著的夏季增温作用,对亚洲乃至全球气候都具有重大影响。但由于高原自然条件严酷,山区气象观测台站很少,气象资料极度匮乏;如果依靠台站数据进行空间插值获得高原气温的空间分布数据,会由于插值点过少而产生较大误差并可能掩盖一些空间信息,因而难以全面反映高原气温的空间分布规律。利用基于MODIS地表温度数据估算的青藏高原气温数据,详细分析各月气温及重要等温线的空间分布格局,并结合林线和雪线数据,初步探讨了高原气温空间分布格局对高原地理生态格局的重要影响。研究表明:1等温线的海拔高度自高原东北部、东部边缘向内部逐渐升高,等温线在高原内部比东部边缘高500~2000 m,表明相同海拔高度上气温自边缘向高原内部逐渐升高。2高原西北部的羌塘高原、可可西里为高原的寒冷区,全年有7个月的气温低于0℃,3~4个月的气温低于-10℃;青藏高原南部(喜马拉雅山北坡—冈底斯山南坡)和中部(冈底斯山北坡—唐古拉山南坡)是高原的温暖区,全年有5个月的气温能达到5~10℃,有3个月的气温能超过10℃,尤其是拉萨—林芝—左贡一带在3500~4000 m以下的地区最冷月均温也能高于0℃。3北半球最高雪线和林线分别分布于高原的西南部和东南部,表明高原气温空间分布特征对本地的地理生态格局具有重要影响。 |
| [28] | . 土壤含水量（θv）与电磁波在插入土壤的时域反射仪（TDR）探针中传播时间（T）的半理论、半经验标定曲线θv＝（T／Ta－Ts／Ta）／（Kw0.5－1）通常用于计算土壤含水量。本项试验应用TDR测定了不同质地及不同容重条件下烘干土壤的Ts／Ta值。结果表明，四种被测土壤的Ts／Ta值介于1．61～1．80，且土壤容重大，Ts／Ta值也大，三种农业土壤的Ts／Ta平均值可取1．68。用烘干至饱和含水量的砂质壤土和壤上的土柱试验结果表明，选用不同的Ts／Ta值，引起的含水量偏差分别为0．001～－0．005cm3／cm3和0．007～0．006cm3／cm3。对于砂质壤土，在实际合水量不变但改变土壤温度的情况下，TDR测定的含水量在实际含水量大于0．30cm3／cm3时有明显的偏差，且温度升高，TDR测定的含水量偏低，反之亦然。本文还给出了温度每增加（或减少）1℃引起的含水量测定值的偏差范围以及进行修正的方法。 土壤含水量（θv）与电磁波在插入土壤的时域反射仪（TDR）探针中传播时间（T）的半理论、半经验标定曲线θv＝（T／Ta－Ts／Ta）／（Kw0.5－1）通常用于计算土壤含水量。本项试验应用TDR测定了不同质地及不同容重条件下烘干土壤的Ts／Ta值。结果表明，四种被测土壤的Ts／Ta值介于1．61～1．80，且土壤容重大，Ts／Ta值也大，三种农业土壤的Ts／Ta平均值可取1．68。用烘干至饱和含水量的砂质壤土和壤上的土柱试验结果表明，选用不同的Ts／Ta值，引起的含水量偏差分别为0．001～－0．005cm3／cm3和0．007～0．006cm3／cm3。对于砂质壤土，在实际合水量不变但改变土壤温度的情况下，TDR测定的含水量在实际含水量大于0．30cm3／cm3时有明显的偏差，且温度升高，TDR测定的含水量偏低，反之亦然。本文还给出了温度每增加（或减少）1℃引起的含水量测定值的偏差范围以及进行修正的方法。 |
| [29] | . 土壤介电常数作为描述土壤介电特性的物理量,可以反映土壤的特性,它是高频物探设备应用于探测土壤重金属污染的关键参数,也是开展微波土壤水分和冻融状态监测等的基础。影响土壤介电常数的因素众多,通过综合分析近年来的相关研究成果,总结得出影响土壤介电常数的因素主要有土壤特性、外界因素(有机质、盐度、矿物质等)、污染介质以及其他因素(频率、含水率、温度、冻融过程等)等4类,并且分别探讨了各种因素对土壤介电特性的影响。 土壤介电常数作为描述土壤介电特性的物理量,可以反映土壤的特性,它是高频物探设备应用于探测土壤重金属污染的关键参数,也是开展微波土壤水分和冻融状态监测等的基础。影响土壤介电常数的因素众多,通过综合分析近年来的相关研究成果,总结得出影响土壤介电常数的因素主要有土壤特性、外界因素(有机质、盐度、矿物质等)、污染介质以及其他因素(频率、含水率、温度、冻融过程等)等4类,并且分别探讨了各种因素对土壤介电特性的影响。 |
| [30] | The paper is addressed to soil scientists who use Time-Domain Reflectometry (TDR) technology to measure soil moisture. The practical aspects of the measurement calibration are discussed, and an empirical approach to establishing the existence of a universal calibration function is presented. Samples of 11 mineral soil horizons and seven organic soil horizons with different chemical and physical properties (including magnetic properties) were selected with the aim of determining their dielectric constant-volumetric water content relationship as calibration functions for TDR soil moisture measurements. These samples were supplemented by other, soil-like, capillary-porous reference materials (montmorillonite, glass beads, washed sand and a sand from a C horizon). The study showed that a unique calibration function for mineral soils and another distinct calibration function for organic soils can be established. |
| [31] | . |
| [32] | A multiplexing time domain reflectoinetry (TDR) system for real-time monitoring of volumetric soil moisture content was developed. The system was tested at a remote field site in the Hubbard Brook Experimental Forest in New Hampshire. The average value of soil moisture content in the top 500 mm of soil was measured every 4 hours for 1 year at 12 locations within a 12- by 18-m plot. The system functioned well except when the air temperature dropped below -15 C, which caused the data logger tape recorder to stop. Calibrations run on undisturbed soil cores did not compare well with published curves developed for mineral soils, probably because of high soil organic matter content. The standard error of estimate of soil moisture content, indicated by the calibrations, was 0.02 cm/cm. The standard deviation of repeated moisture content measurements made in the field was 0.003 cm/cm. The effect of cable length on the TDR signal was investigated. It was found that long cables tend to attenuate the signal, ultimately making the measurement impractical. However, cable length had little effect on the calibration up to a length of 27 m. The coefficient of variation of the moisture content measurements taken at any given time ranged from 0.12 to 0.21 during the test period. As predicted by a stochastic analysis of soil moisture flow in heterogeneous soil, the spatial variability of the measurements decreased as average soil moisture increased. |
| [33] | . TRIME-T3管式TDR（Time domain reflectometry）系统线路简单、能耗小、价格便宜、可实现非扰动定位瞬时剖面观测,广泛用于测量土壤水分。但是,在安装和使用过程中,受土壤空隙、温度、类型、电导率、含水量等因素的影响,测定土壤水分会产生误差。为提高土壤水分数据的准确性,系统总结国内外研究成果和笔者实际操作经验,提出了经验公式、室内校正、野外校正和其他校正等方法。 TRIME-T3管式TDR（Time domain reflectometry）系统线路简单、能耗小、价格便宜、可实现非扰动定位瞬时剖面观测,广泛用于测量土壤水分。但是,在安装和使用过程中,受土壤空隙、温度、类型、电导率、含水量等因素的影响,测定土壤水分会产生误差。为提高土壤水分数据的准确性,系统总结国内外研究成果和笔者实际操作经验,提出了经验公式、室内校正、野外校正和其他校正等方法。 |
| [34] | . 亚热带湖滨沙化作为南方荒漠化的一种典型类型，阐明沙化土壤水分变化规律对该地区植被恢复与重建具有重要指示意义。研究于2013年2月至2014年2月对鄱阳湖多宝湖滨沙地的土壤水分动态进行了监测，分析了不同覆被条件下沙地土壤水分在年内及极端气候条件下的动态特征。结果如下：①湖滨沙地土壤水分在梅雨和伏旱时期差异显著。在梅雨期及其前后，土壤水分主要受降水控制，各下垫面土壤平均含水量相对较高（〉 0.063 cm^3/cm^3），且差异较小；而在伏旱及其后期，覆盖条件的差异起关键作用，湿地松样地的土壤平均含水量均低于0.035 cm^3/cm^3。②持续高温干旱天气下，浅层10cm土壤含水量迅速降低，之后维持在极低水平（〈 0.01 cm^3/cm^3）；随着深度增加，不同样地土壤含水量差异将会增强。③在多雨季节，17年生湿地松能有效增加土壤表层的持水能力；在干旱季节，湿地松对降水的截留及吸附作用强烈地影响土壤水分的补给量及补偿深度，当降水强度较低时，17年生湿地松样地的浅层土壤水分难以获得补给。因此，在亚热带沙地进行湿地松种植时，应增大初植密度，并且对于植株过高的湿地松林，也应采取适当措施降低其密度，以抵御愈加频发的极端干旱事件带来的风险，促使沙化地区发生持续的正向演替。 亚热带湖滨沙化作为南方荒漠化的一种典型类型，阐明沙化土壤水分变化规律对该地区植被恢复与重建具有重要指示意义。研究于2013年2月至2014年2月对鄱阳湖多宝湖滨沙地的土壤水分动态进行了监测，分析了不同覆被条件下沙地土壤水分在年内及极端气候条件下的动态特征。结果如下：①湖滨沙地土壤水分在梅雨和伏旱时期差异显著。在梅雨期及其前后，土壤水分主要受降水控制，各下垫面土壤平均含水量相对较高（〉 0.063 cm^3/cm^3），且差异较小；而在伏旱及其后期，覆盖条件的差异起关键作用，湿地松样地的土壤平均含水量均低于0.035 cm^3/cm^3。②持续高温干旱天气下，浅层10cm土壤含水量迅速降低，之后维持在极低水平（〈 0.01 cm^3/cm^3）；随着深度增加，不同样地土壤含水量差异将会增强。③在多雨季节，17年生湿地松能有效增加土壤表层的持水能力；在干旱季节，湿地松对降水的截留及吸附作用强烈地影响土壤水分的补给量及补偿深度，当降水强度较低时，17年生湿地松样地的浅层土壤水分难以获得补给。因此，在亚热带沙地进行湿地松种植时，应增大初植密度，并且对于植株过高的湿地松林，也应采取适当措施降低其密度，以抵御愈加频发的极端干旱事件带来的风险，促使沙化地区发生持续的正向演替。 |
| [35] | Sandy soils are extensively distributed in semiarid and arid areas in northern China and have low field capacity and water content. Reliable and precise equipment is essential to measure the water content of sandy soils accurately and continuously. The ECH2O EC-5 sensor is a promising soil moisture sensor for sandy soils. Although investigated intensively in laboratories, field-specific calibration of this sensor has not been conducted for sandy soils; therefore, the field performance of the EC-5 sensor remains unknown. This study aimed to: (i) calibrate the EC-5 sensor in the field for sandy soils, (ii) calibrate and evaluate the effects of soil temperature on EC-5 sensor measurements, and (iii) evaluate the performance of the EC-5 sensor for sandy soils. The difference between soil water content predicted by field calibration and gravimetrically derived volumetric soil water content (0.0048-0.1561 m(3) m(-3)) ranged from -0.004 to 0.002 m(3) m(-3). The EC-5 sensor should be subjected to field-specific calibration because sandy soils have low field capacity and low water content during the growing season. Soil water content was negatively correlated with soil temperature. At the 10-cm depth of fixed and shifting sand dunes, diurnal soil temperature fluctuations of +/- 10 degrees C underestimated or overestimated soil water content by 0.0021 and 0.0013 m(3) m(-3), respectively. The EC-5 sensor was used effectively in the Mu Us Sandy Land, Inner Mongolia, and revealed the soil water content dynamics in different soil depths after rainfall events. |
| [36] | . |
| [37] | . |
