1948—2021年河南省土壤含水量时空分布特征及其影响因素研究

doi:10.6046/zrzyyg.2022200

摘要
图/表
参考文献
相关文章
Metrics

全文: PDF(9436 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

本研究联合1948—2014年GLDAS_2.0数据和2000—2021年GLDAS_2.1数据,构建河南省1948—2021年逐月土壤含水量数据集。利用M-K趋势分析和突变检验、小波分析、互相关分析,揭示河南省土壤含水量的时空分布特征及主要影响因素。结果表明: 重构的2000—2014年逐月土壤含水量与GLDAS_2.1提供的月度土壤含水量的平均偏差为2.09 mm,平均绝对误差为13.01 mm,均方根误差为18.26 mm,数据是可信的。基于该构建的土壤含水量数据,1948—2021年土壤含水量则以0.301 0 mm/a的速度减少,其中,春季河南省土壤含水量的变化率为-0.236 8 mm/a,夏季土壤含水量的变化率为-0.085 5 mm/a,秋季土壤含水量的变化率为-0.380 5 mm/a,冬季土壤含水量的变化率为-0.240 3 mm/a。空间上,土壤含水量变化整体上由南向北递减,与降水和蒸散发具有明显的一致性。垂向上,单位深度土壤含水量为2.63 mm/cm。小波分析与互相关分析表明降水是影响土壤含水量的主要因素。本研究不仅揭示了河南省长时间序列的土壤含水量及其时空分布特征,还可为河南省地表水资源科学管理提供依据。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	郭艺
	甘甫平
	闫柏琨
	白娟
	邢乃琛
	刘琪

关键词 ： GLDAS, 土壤含水量, M-K趋势分析, 小波分析, 互相关分析, 河南省

Abstract：

This study constructed a monthly soil moisture content dataset of Henan Province during 1948—2021 by combining 1948—2014 GLDAS_2.0 data and 2000—2021 GLDAS_2.1 data. Through the Mann-Kendall (M-K) trend analysis, mutation test, wavelet analysis, and cross-correlation analysis, this study revealed the spatio-temporal distribution and critical influencing factors of soil moisture content in Henan Province. The results show that compared with the monthly soil moisture content data provided by GLDAS_2.1, the reconstructed monthly soil moisture content data during 2000—2014 showed an average deviation, average absolute error, and root mean square error of 2.09 mm, 13.01 mm, and 18.26 mm, respectively, indicating reliable data. According to the constructed soil moisture content data, the soil moisture content decreased at a rate of 0.301 0 mm/a during 1948—2021, with change rates of -0.236 8 mm/a in spring, -0.085 5 mm/a in summer, -0.380 5 mm/a in autumn, and -0.240 3 mm/a in winter in Henan Province. Spatially, the soil moisture content decreased from south to north, highly consistent with precipitation and evapotranspiration. The soil moisture content was 2.63 mm/cm in the vertical direction. The wavelet and cross-correlation analyses show that precipitation is a critical factor influencing soil moisture content. This study revealed the long-time-series spatio-temporal distribution of soil moisture content in Henan Province, providing a basis for the scientific management of surface water resources in Henan Province.

Key words： GLDAS soil moisture content M-K trend analysis wavelet analysis cross-correlation analysis Henan Province

收稿日期: 2022-05-16 出版日期: 2023-09-19

ZTFLH:

TP79

基金资助:中国地质调查局地质调查项目“流域水循环要素与自然资源遥感调查监测”(DD20221642)

作者简介: 郭艺(1992-),女,博士,工程师,主要从事水文地质、环境地质、水文遥感方面的研究。Email: cugguoyi@163.com。

引用本文:

郭艺, 甘甫平, 闫柏琨, 白娟, 邢乃琛, 刘琪. 1948—2021年河南省土壤含水量时空分布特征及其影响因素研究[J]. 自然资源遥感, 2023, 35(3): 241-252.
GUO Yi, GAN Fuping, YAN Bokun, BAI Juan, XING Naichen, LIU Qi. Spatio-temporal distribution and influencing factors of soil moisture content in Henan Province during 1948—2021. Remote Sensing for Natural Resources, 2023, 35(3): 241-252.

链接本文:

https://www.gtzyyg.com/CN/10.6046/zrzyyg.2022200 或 https://www.gtzyyg.com/CN/Y2023/V35/I3/241

Fig.1 基于GLDAS_2.0与GLDAS_2.1的气温、降水、蒸散发和土壤含水量之间的关系

Fig.2 基于GLDAS_2.0与GLDAS_2.1构建的1948—2021年河南省气温、降水、蒸散发和土壤含水量时间序列

Fig.3 1948—2021年河南省年平均气温、年降水、年蒸散发和年平均土壤含水量的M-K突变分析

Fig.4 1948—2021年河南省土壤含水量季节变化趋势

Fig.5 1948—2021年河南省土壤含水量季节变化的M-K突变检验

Fig.6 1948—1999年以及2000—2021年河南省平均年降水、蒸散发和土壤含水量空间分布

Fig.7 2000—2021年河南省不同深度土壤含水量季节分布特征及随深度的变化规律

Fig.8 土壤含水量与气象因素(降水、蒸散发)和用水量之间的关系

Fig.9 1948—2021年河南省年平均气温、降水、蒸散发和土壤含水量的Morlet连续小波变换

Fig.10 1948—2021年年尺度和月尺度降水和蒸散发与土壤含水量之间的互相关系数分布

Fig.11 1948—1999年以及2000—2021年河南省年降水、蒸散发与土壤含水量之间的互相关系数空间分布

[1]	雷志鹏, 胡和平, 杨诗秀. 土壤水研究进展与评述[J]. 水科学进展, 1999, 10(3):311-318.
	Lei Z P, Hu H P, Yang S X. A review of soil water research[J]. Advances in Water Science, 1999, 10(3):311-318.
[2]	Seneviratne S I, Corti T, Davin E L, et al. Investigating soil moisture-climate interactions in a changing climate:A review[J]. Earth-Science Reviews, 2010, 99(3-4):125-161. doi: 10.1016/j.earscirev.2010.02.004
[3]	解文艳, 樊贵盛. 土壤含水量对土壤入渗能力的影响[J]. 太原理工大学学报, 2004, 35(3):272-275.
	Xie W Y, Fan G S. Influence of moisture content on infiltration characteristics in field soils[J]. Journal of Taiyuan University of Technology, 2004, 35(3):272-275.
[4]	张学礼, 胡振琪, 初士立. 土壤含水量测定方法研究进展[J]. 土壤通报, 2005, 36(1):118-123.
	Zhang X L, Hu Z Q, Chu S L. Methods for measuring soil water content:A review[J]. Chinese Journal of Soil Science, 2005, 36(1):118-123.
[5]	朱国锋, 蒲焘, 何元庆, 等. 横断山区土壤相对湿度时空分异[J]. 地理科学, 2012, 32(7):872-877. doi: 10.13249/j.cnki.sgs.2012.07.872
	Zhu G F, Pu T, He Y Q, et al. Spatial and temporal variation of soil relative moisture in Hengduan mountainous region,China[J]. Scientia Geographica Sinica, 2012, 32(7):872-877.
[6]	赵立军. 基于MODIS数据的北京地区土壤含水量遥感信息模型研究[D]. 北京: 中国农业大学, 2014.
	Zhao L J. Study on remote sensing information model of soil water content in Beijing based on MODIS data[D]. Beijing: China Agricultural University, 2014.
[7]	Sonia I S, Thierry C, Edouard L, et al. Investigating soil moisture-climate interactions in a changing climate:A review[J]. Earth-Science Reviews, 2010, 99(3-4):121-161.
[8]	Nazmus S, Iliana M, John B. Leveraging Google Earth Engine for drought assessment using global soil moisture data[J]. Remoting Sensing, 2018, 10(8):1265.
[9]	Jostein B, Paul D H, Philipp S, et al. Monitoring soil moisture drought over northern high latitudes from space[J]. Remote Sensing, 2019, 11(10):1200. doi: 10.3390/rs11101200
[10]	Rodell M, Houser P R, Jambor U, et al. The global land data assimilation system[J]. Bulletin of the American Meteorological Society, 2004, 85(3):381-394. doi: 10.1175/BAMS-85-3-381
[11]	刘任莉, 佘敦先, 李敏, 等. 利用卫星观测数据评估GLDAS与WGHM水文模型的适用性[J]. 武汉大学学报(信息科学版), 2019, 44(11):1596-1604.
	Liu R L, She D X, Li M, et al. Using satellite observations to assess applicability of GLDAS and WGHM hydrological model[J]. Geomatics and Information Science of Wuhan Unibersity, 2019, 44(11):1596-1604.
[12]	钱安, 易爽, 孙广通, 等. GLDAS_NOAH_M.2.1水文模型在青藏高原的适定性分析[J]. 大地测量与地球动力学, 2018, 38(3):254-259.
	Qian A, Yi S, Sun G T, et al. GLDAS_NOAH_M.2.1 hydrological model and its application analysis in Qinghai-Tibet Plateau[J]. Journal of Geodesy and Geoodynamics, 2018, 38(3):254-259.
[13]	王文, 崔巍, 王鹏. GLDAS Noah模型水文产品与中国地面观测及卫星观测数据的对比[J]. 水电能源科学, 2017, 35(5):1-6.
	Wang W, Cui W, Wang P. Comparison of GLDAS NOAH model hydrological outputs with ground observations and satellite observations in China[J]. Water Resources and Power, 2017, 35(5):1-6.
[14]	王晨阳, 马元喜. 不同土壤水分条件下小麦根系生态生理效应的研究[J]. 华北农学报, 1992, 7(4):1-8. doi: 10.3321/j.issn:1000-7091.1992.04.001
	Wang C Y, Ma Y X. Ecological and physiological effects on root systems of wheat under different soil water conditions[J]. Acta Agcultureal Boreali-Sinica, 1992, 7(4):1-8.
[15]	王洁, 边宇晗, 陈裕迪, 等. 基于GRACE陆地水储量估算土壤湿度变化: 以中国东部季风区为例[J]. 南水北调与水利科技, 2021, 19(3):459-468.
	Wang J, Bian Y H, Chen Y D, et al. Estimation of soil moisture changes based on GRACE terrestrial water storage:Taking the monsoon region in eastern China as an example[J]. South to North Water Transfers and Water Science and Technology, 2021, 19(3):459-468.
[16]	汪小菊, 王文, 王鹏. GLDAS月气温数据在中国区的适用性评估[J]. 水电能源科学, 2014, 32(11):10-13.
	Wang X J, Wang W, Wang P. Assessing applicability of GLDAS monthly temperature data in China[J]. Water Resources and Power, 2014, 32(11):10-13.
[17]	许顺芳, 王林松, 陈超, 等. 利用GRACE及气象数据评估GLDAS 水文模型在青藏高原的适用性[J]. 大地测量与地球动力学, 2018, 38(1):8-13.
	Xu S F, Wang L S, Chen C, et al. Using GRACE and in-situ measurements to assess the applicability of GLDAS hydrological model in Tibet Plateau[J]. Journal of Geodesy and Geodynamics, 2018, 38(1):8-13.
[18]	程善俊, 管晓丹, 黄建平, 等. 利用GLDAS资料分析黄土高原半干旱区土壤湿度对气候变化的响应[J]. 干旱气象, 2013, 31(4) :641-649. doi: 10． 11755/j． issn． 1006 －7639(2013) －04 －0641
	Cheng S J, Guan X D, Huang J P, et al. Analysis of response of soil moisture to climate change in semi-arid Loess Plateau in China based on GLDAS data[J] Journal of Arid Meteorology, 2013, 31(4):641-649.
[19]	沈润平, 张悦, 师春香, 等. 长时间序列多源土壤湿度产品在中国地区的比较分析[J]. 气象科学, 2016, 44(6):867-874.
	Shen R P, Zhang Y, Shi C X, et al. Inter-comparison of various long-time soil moisture datasets in China[J]. Meteorological Science and Technology, 2016, 44(6):867-874.
[20]	张述文, 刘源, 曹帮军, 等. GLDAS和CMIP5产品的中国土壤湿度—降水耦合分析及变化趋势[J]. 气候与环境研究, 2016, 21(2):188-196.
	Zhang S W, Liu Y, Cao B J, et al. Soil moisture-precipitation coupling and trends in China,based on GLDAS and CMIP5 products[J] Climatic and Environmental Research, 2016, 21(2):188-196.
[21]	吴盼, 冯雨晴, 梁四海, 等. 基于GLDAS与TVDI降尺度反演土壤含水量[J]. 北京师范大学学报(自然科学版), 2016, 52(3):265-270.
	Wu P, Feng Y Q, Liang S H, et al. Soil moisture-precipitation coupling and trends in China based on GLDAS and CMIP5 products[J]. Journal of Beijing Normal University (Natural Science), 2016, 52(3):265-270.
[22]	孙茂军, 李霞, 李小刚, 等. 基于MODIS与GLDAS数据的湟水河流域土壤水反演[J]. 世界地质, 2019, 38(1):286-292.
	Sun M J, Li X, Li X G, et al. Soil water inversion in Huangshui River basin based on MODIS and GLDAS data[J]. Global Geology, 2019, 38(1):286-292.
[23]	刘佩佩, 宋海清, 鲍炜炜, 等. CLDAS和GLDAS土壤温度数据在陕西省的适用性评估[J]. 气象科技, 2021, 49(4):604-611.
	Liu P P, Song H Q, Bao W W, et al. Applicability evaluation of CLDAS and GLDAS soil temperature data in Shaanxi Province[J]. Meteorological Science and Technology, 2021, 49(4):604-611.
[24]	艾宁, 强大宏, 刘长海, 等. 半干旱黄土区山地枣林春季土壤水分动态变化研究[J]. 农业现代化研究, 2019, 40(2):342-348.
	Ai N, Qiang D H, Liu C H, et al. Dynamics of spring soil moisture in jujube forest in the semi-arid hilly area of Loess Plateau[J]. Research of Agricultural Modernization, 2019, 40(2):342-348.
[25]	何其华, 何永华, 包维楷. 干旱半干旱区山地土壤水分动态变化[J]. 山地学报, 2003, 21(2):149-156.
	He Q H, He Y H, Bao W K. Research on dynamics of soil moisture in arid and semiarid mountainous areas[J]. Journal of Mountain Science, 2003, 21(2):149-156.
[26]	米热古力·艾尼瓦尔, 海米提·依米提, 麦麦提吐尔逊·艾则孜, 等. 基于小波分析的伊塞克湖水位变化特征[J]. 水土保持研究, 2014, 21(1):168-172.
	Mihrigul A, Hamid Y, Mamattursum E, et al. Water level variations of Issyk-kul Lake based on wavelet analysis[J]. Research of Soil and Water Conservation, 2014, 21(1):168-172.
[27]	祁晓凡, 杨丽芝, 晔韩, 等. 济南泉域地下水位动态及其对降雨响应的交叉小波分析[J]. 地球科学进展, 2012, 27(9):969-978. doi: 10.11867/j.issn.1001-8166.2012.09.0969
	Qi X F, Yang L Z, Ye H, et al. Cross wavelet analysis of groundwater level regimes and precipitation-groundwater level regime in Ji’nan Spring Region[J]. Advances in Earth Science, 2012, 27(9):969-978.
[28]	邵晓梅, 许月卿, 严昌荣. 黄河流域降水序列变化的小波分析[J]. 北京大学学报(自然科学版), 2006, 42(4):503-509.
	Shao X M, Xu Y Q, Yan C R. Wavelet analysis of rainfall variation in the Yellow River basin[J]. Journal of Peking University (Natural Science), 2006, 42(4):503-509.
[29]	张建云, 章四龙, 王金星, 等. 近50年来中国六大流域年际径流变化趋势研究[J]. 水科学进展, 2007, 18(2):230-234.
	Zhang J Y, Zhang S L, Wang J X, et al. Study on runoff trends of the six larger basins in China over the past 50 years[J]. Advances in Water Science, 2007, 18(2):230-234.
[30]	Guo Y, Wang F, Qin D J, et al. Hydrodynamic characteristics of a typical Karst spring system based on time series analysis in northern China[J]. China Geology, 2021, 4(3):434-448. doi: 10.31035/cg2021049
[31]	Bouchaoua L, Manginb A, Chauve P. Turbidity mechanism of water from a karstic spring example of the Ain Asserdoune spring (Beni Mellal Atlas,Morocco)[J]. Journal of Hydrology, 2002, 265(1):34-42. doi: 10.1016/S0022-1694(02)00098-7
[32]	Fiorillo F, Doglioni A. The relation between Karst spring discharge and rainfall by cross-correlation analysis (Campania,southern Italy)[J]. Hydrogeology Journal, 2010, 18(8):1881-1895. doi: 10.1007/s10040-010-0666-1
[33]	李建鸿, 蒲俊兵, 张陶, 等. 相关和频谱分析法在岩溶系统中的应用研究综述[J]. 中国岩溶, 2020, 39(3):335-344.
	Li J H, Pu J B, Zhang T, et al. Application of correlation and spectrum analysis in Karst system research[J]. Carsologica Sinica, 2020, 39(3):335-344.

[1]	王娟, 王志红, 张建国, 初娜, 李斯, 尹展. 河南省国家级自然保护区人类活动遥感监测及其影响强度评价[J]. 自然资源遥感, 2022, 34(4): 235-242.
[2]	晏红波, 韦晚秋, 卢献健, 杨志高, 黎振宝. 基于高光谱特征的土壤含水量遥感反演方法综述[J]. 自然资源遥感, 2022, 34(2): 1-9.
[3]	高文龙, 张圣微, 林汐, 雒萌, 任照怡. 煤矿开采中SOM的遥感估算和时空动态分析[J]. 自然资源遥感, 2021, 33(4): 235-242.
[4]	王佳新, 萨楚拉, 毛克彪, 孟凡浩, 罗敏, 王牧兰. 蒙古高原土壤湿度时空变化格局及其对气候变化的响应[J]. 国土资源遥感, 2021, 33(1): 231-239.
[5]	李军, 董恒, 王祥, 游林. 基于最优插值的土壤含水量遥感反演缺失数据插补[J]. 国土资源遥感, 2018, 30(2): 45-52.
[6]	张文, 任燕, 马晓琳, 胡艺杰. 基于综合干旱指数的淮河流域土壤含水量反演[J]. 国土资源遥感, 2018, 30(2): 73-79.
[7]	王俊霞, 朱秀芳, 刘宪锋, 潘耀忠. 基于多源遥感数据的旱情评价研究——以河南省为例[J]. 国土资源遥感, 2018, 30(1): 180-186.
[8]	吴黎, 张有智, 解文欢, 李岩, 杨树聪. 改进的表观热惯量法反演土壤含水量[J]. 国土资源遥感, 2013, 25(1): 44-49.
[9]	余凤鸣, 何龙清, 王磊. 武当地区韧性剪切带遥感解译[J]. 国土资源遥感, 2012, 24(4): 124-131.
[10]	魏伟, 任皓晨, 赵军, 王旭峰. 基于MODIS的ATI和TVI组合法反演石羊河流域土壤含水量[J]. 国土资源遥感, 2011, 23(2): 104-109.
[11]	宋承运, 邓孺孺, 王中挺. 基于植被-土壤二向反射模型的土壤含水量遥感[J]. 国土资源遥感, 2006, 18(3): 29-31.
[12]	杨瑞霞, 郭仰山, 詹志明, 王超. 遥感技术在河南省考古中的应用[J]. 国土资源遥感, 2001, 13(2): 19-24，64.

Viewed

Full text

Abstract

Cited

Shared

Discussed