空间数据对分布式水文模型SWAT流域水文模拟精度的影响

分布式水文模型的模拟精度受空间参数精度的影响.提升空间参数精度能较为精准描述流域空间特征,也会使空间数据量冗增,甚至影响模型运行效率.以分布式水文模型SWAT为例,分析DEM、子流域划分、土地利用、土壤、降水站点等空间数据精度对模型模拟精度的影响.结果表明:1)对不同对象(流量、泥沙、营养元素等)进行模拟时,大多数空间数据分辨率阈值不同,分辨率超出阈值可能降低模型模拟的精度;2)DEM分辨率降低,泥沙和总磷(TP)模拟结果的相对误差明显增加,而流量和硝态氮(NO3-N)模拟结果变化极小;3)DEM分辨率达到一定精度后,进一步提高并不会使地表径流模拟精度得到改善,低分辨率DEM获得的坡度较小,这会降低模型对流量的模拟,模拟的洪峰径流产生滞后现象;4)子流域划分对流域产流模拟影响较小,而对产沙模拟影响较大.子流域和水文响应单元的划分数量对流域上游产沙量影响较大,而对流域出口处泥沙荷载影响较小;5)土地利用和土壤图精度主要通过影响模型中HRU生成的数量而影响模拟结果;6)地表径流模拟上,能够体现对地表径流贡献较大的局地降水事件的分布式的降水数据要比利用气象站点获得的降水数据模拟结果的精度要高.研究结果可以为今后模型开发、利用、改进提供参考,提高模型模拟的精度.     

不同地形复杂度下的水文尺度效应研究

分布式水文模型都建立在基于DEM的地形分析基础上,因而DEM分辨率对径流模拟的影响十分显著。以资水流域的新宁站集水区为研究对象,计算了该区域地形复杂度指数空间分布,分析了降雨和地形空间变化的相互作用对不同DEM分辨率下水文模拟的影响。结果表明,DEM分辨率对流量过程的影响取决于暴雨中心所在地区的地形复杂程度。当暴雨中心所在的区域地形变化剧烈,复杂程度较高时,此时DEM空间分辨率对径流模拟的影响十分明显,不同DEM分辨率下的洪水过程模拟精度差异显著;若暴雨中心所在的区域地形变化一致或比较平坦时,此时径流模拟精度对DEM分辨率的变化不敏感。以上结论对于进一步解决水文过程中的尺度问题提供了理论分析基础。     

样点数量与空间分布对县域尺度土壤属性空间预测效果的影响

明确样点数量和空间分布对土壤属性空间预测的影响,有助于科学制定土壤采样策略、有效提高土壤空间预测精度。从5 403个土壤样点中随机抽取验证数据集以及包含不同样点数量的训练数据子集(每个子集包括五种样点空间分布实例),在研究区表层土壤有机质含量普通克里格(Ordinary Kriging,OK)和反距离加权(InverseDistanceWeighted,IDW)插值结果的基础上,分析和探讨样点数量与空间分布对土壤空间预测效果的影响。结果显示,当样点数量从5000降至39个时,OK和IDW插值图的局部变异信息逐渐减少,基于20和10个样点的插值图存在失真畸变。当样点数量从5 000降至1 250个时,OK插值精度相近(r变幅为0.55～0.59、RMSE变幅为3.03～3.15);从样点数量减少至625个开始,OK插值精度明显下降,同一训练子集不同样点空间分布的插值精度分异明显。IDW插值精度随样点数量与空间分布的变化与OK插值相似,不同的是从1 875个样点开始出现插值精度的明显下降和不同空间分布插值精度的明显分异。在插值图发生失真畸变之前,OK平均插值精度大于IDW。研究结果表明,样点数量及空间分布均可在不同程度上影响土壤属性空间预测结果,当样点数量足够多时,样点数量和空间分布对预测结果的影响非常有限;当样点数量减少至一定程度时,随着样点数量的减少,空间预测图的局部变异信息逐渐减少,预测精度逐渐下降,同时样点空间分布对预测结果的影响开始凸显;在空间预测结果发生失真畸变之前,与OK相比,IDW插值精度较低且更早响应样点数量和空间分布的变化。     

DEM栅格分辨率对丘陵山地区定量土壤-景观模型的影响

基于数字高程模型（Digital Elevation Model,DEM）的定量土壤-景观模型的精度依赖于DEM栅格分辨率,而DEM栅格分辨率如何影响土壤-景观模型及其预测精度目前研究较少。以西南丘陵山地区一典型汇水盆地为研究对象,以该区2.5、5、10、20和30 m DEM为基础,利用逐步线性回归方法建立起研究区不同分辨率下的定量土壤-景观模型,并应用这些模型预测研究区内土壤表层碱解氮含量的空间分布,进而比较DEM不同分辨率下土壤-景观模型及其预测精度。结果表明,随着DEM栅格分辨率的降低,比汇水面积、地形湿度指数的均值逐渐增加;平均坡度逐渐降低;曲率变化的范围逐渐减小。地形指数的这一变化规律对土壤-景观模型及其预测结果产生显著影响,模型的校正决定系数、平均绝对误差和均方根误差都以5 m栅格分辨率为转折点,分辨率低于5 m,模型的校正决定系数显著减小,平均绝对误差和均方根误差显著增加。     

黄骅市土壤含盐量空间变异特征和影响因素分析

文章为了探知黄骅市土壤含盐量的空间变异及影响因素,基于样点数据,运用GIS和地统计相结合的方法对土壤含盐量的空间变异特征和空间分布进行分析和模拟。然后通过逐步回归分析对影响黄骅市土壤含盐量空间分布的主要因素进行分析。结果显示:(1)黄骅市土壤含盐量空间变异拟合于指数模型,存在各向异性,基底效应属于中等,其空间分布受到外界因素的影响。(2)黄骅市土壤含盐量整体上由沿海向内陆逐渐降低,在内陆地区的黄骅镇和南大港也出现了聚集;全市仅有8.49%的土地未出现土壤盐渍化,零星分布于黄骅市内陆边界地区;轻度盐渍化土面积最大,占全市面积的31.93%。(3)黄骅市土壤含盐量与高程、地下水矿化度、地下水埋深空间分布格局较为吻合,与土壤含盐量空间相关性最大的因素是地下水矿化度,而且更多表现为直接影响,其次为地下水埋深,高程因素相关性最小,黄骅市表层土壤与地下水之间垂直迁移交换作用比盐分水平运移作用更显著。     

基于环境因子和联合概率方法的土壤有机质空间预测

<正>土壤连续属性(如土壤中养分含量、重金属含量等)的空间分布特征和定量分布信息是进行土壤质量评价和区域环境综合评估的基础。精准农业战略的实施和各种区域生态评价均需要更详细更精确的土壤属性信息作为依据[1-2]。因此,土壤属性空间预测一直是土壤学研究的热点问题。经典地统计学以各种克里格插值法为代表,是土壤属性空间预测中的常用方法。但该方法缺乏对辅助信息(如环境信息)的有效利用[3-4],导致预测精度降低[5]。而土壤景观定量模型的理论依据就是土壤与环境的关系,但该法忽略了采样点之间的空间相     

流域离散化对分布式水文模型径流模拟的影响

以嫩江上游诺敏河古城子水文站以上集水区为研究对象,利用分布式水文模型SWAT (Soil and Water Assessment Tool),对研究区进行6种子流域划分,研究不同时间尺度上径流模拟随流域离散化水平的变化,以了解输入数据空间集总程度对分布式水文模拟的影响.结果表明,在年和月尺度上,不同子流域划分对径流模拟精度影响较小,但在日尺度上对径流模拟精度有影响;不同时间尺度上流域离散化水平对出口流量的影响均较小,但地表径流随子流域数量的增加而增大,相对误差达到35.4％;径流模拟结果对降水量较敏感,湿润年份模拟精度更高,而子流域划分对径流模拟结果的影响在干旱年份以及夏季汛期更显著;当流域离散化达到一定水平即最小集水面积阈值为流域总面积的2％时,增加子流域划分对径流模拟结果的影响较小,但减少子流域划分则会导致模拟结果不稳定,且难以满足流域空间格局分析的要求.     

灌区土壤盐分空间变异及多因素响应关系

[目的]研究土壤含盐量空间特征和分布格局,分析土壤盐分空间格局与地下水、土壤物理特性参数间的空间响应关系,为灌区盐渍化防控提供理论依据。[方法]以黄河南岸灌区吉格斯太灌域为例,网格化布点,分层采样测定土壤含盐量、表层土壤含水量、颗粒组成、干容重并换算热容量及导热率,同步监测地下水埋深及含盐量,采用经典统计方法和地统计方法分析土壤含盐量空间分布特征及其与物理特性和地下水等因素间的空间相关性。[结果]灌域处于非盐化—轻度盐化状态,土壤含盐量呈中等空间变异程度,总体呈现相对独立的随机分布,空间结构特征可以用高斯模型和指数模型描述。土壤含盐量与地下水埋深呈显著负相关,与地下水含盐量呈显著正相关,地下水埋深1.6 m区域发生轻度盐渍化风险较高。0—20 cm土壤含盐量与黏粒含量、容重、含水量、导热率及热容量显著空间正相关,相关范围约2～6 km;与砂粒含量呈显著空间负相关,相关范围约2～4 km。20—60 cm土壤盐分与0—20 cm土壤黏粒、砂粒含量、导热率、热容量及含水量呈显著相关,相关范围与土壤表层略有差异。[结论]黏粒含量较高,含水率较大,地下水埋深1.6 m的区域是灌域盐渍化防控的重点区域。     

基于SIMDualKc模型估算西北旱区冬小麦蒸散量及土壤蒸发量

为研究西北旱区冬小麦蒸散和土壤蒸发规律,以及土壤蒸发比例与其影响因子的关系,利用2 a冬小麦小区控水试验实测数据,对SIMDual Kc模型进行了参数校正和验证,对比大型称重式蒸渗仪的实测蒸散量值(或水量平衡法计算值)与模型模拟值。用建立的模型模拟精度评价标准对模拟值和实测值的误差进行评价。用经参数校验的模型模拟冬小麦农田土壤蒸发,并与微型蒸渗仪的实测值进行对比。基于通径分析方法研究气象因子(最低气温、最高气温、平均相对湿度、2 m处风速、太阳辐射量)和作物因子(地面覆盖度)与土壤蒸发比例的关系。结果表明,该研究建立的模型模拟精度评价标准能够较为全面地评价模型精度;SIMDual Kc模型可以较好地模拟西北旱区不同灌溉制度下冬小麦蒸散量和土壤蒸发量的变化过程,且在模拟长时段累积值时具有较高精度;拔节-灌浆期是冬小麦的需水关键期,冬小麦全生育期土壤蒸发比例呈现出生长中期生长后期快速生长后期生长初期的规律;灌水仅在短时间内影响土壤蒸发,地面覆盖度是影响土壤蒸发的最主要因子;在实测数据不充足的情况下,可以将地面覆盖度和蒸散量作为输入变量,用该研究确定的土壤蒸发比例与地面覆盖度的回归模型计算土壤蒸发量,该模型在计算不同水分条件下冬小麦农田土壤蒸发量时表现出较高的计算精度,决定系数在0.721~0.902之间,可以作为计算土壤蒸发量的简便方法。研究可为西北旱区冬小麦农田节水和灌溉决策提供理论依据。     

DEM栅格分辨率对多元线性土壤—景观模型及其制图应用的影响

以亚热带丘陵地区为对象,以该区4 km×3 km的5 m、10 m、15 m、20 m、25 m、30 m数字高程模型(DEM)为基础,建立多元线性土壤景观模型,并应用该模型预测研究区内土壤表层有机质含量分布,进而比较不同分辨率DEM中土壤景观模型及其预测制图的精度。结果表明:在本研究区11 km2范围内,随着DEM栅格分辨率降低,坡度、曲率、比汇水面积(对数)频度均表现出了向其中值区集中的趋势;地形因子的这一变化规律对土壤景观模型的影响较小,例如模型的变量、变量系数及R2在不同分辨率DEM中的差异很小;但地形因子的这一变化规律对模型预测制图的精度具有较大影响,各项指标均说明,模型在10~25 m DEM中的制图精度较高,而在更高分辨率(5 m)或更低分辨率(30 m)DEM中较低。本研究结果对其他亚热带丘陵地区具有一定的指示意义。     

坡面土壤水分特性的空间变异及其水库贮量

利用地统计学方法研究了我国西南丘陵区坡面土壤水分特性的空间变异。结果表明:西南丘陵区坡面土壤水分特性在不同的剖面深度具有一定的空间结构,可用纯块金效应模型、线性模型、指数模型和球状模型进行拟合;土壤水分特性变异为含水量>萎蔫含水量>田间持水量>饱和含水量>容重,变异系数都介于1%～100%之间,均属中等变异;水分特性随剖面深度表现出一定的变化规律,但半方差模型各参数随土壤深度无明显变化规律;土壤水库容为:有效水库容>通透库容>无效水库容,其空间分布主要受土层厚度和地形影响。     

Variability of soil water content controlled by evapotranspiration and groundwater–root zone interaction

The central moments of soil water content (SWC) variability at the field scale are determined by soil texture, considering both smooth topography and groundwater table position. The characteristics of variability are governed by other soil factors like soil structure, micro relief, preferred water flow paths, root system characteristics, rock content, etc. This paper shows the integral effect of all these hardly quantifiable factors on SWC variability simulated by the processes of evapotranspiration and groundwater–root zone interaction using the HYDRUS ET model. SWC and soil hydraulic characteristics were spatially determined over a 4.5 ha field during two sampling campaigns under different atmospheric and groundwater conditions, and data distributions were compared to SWC distributions provided by mathematical modeling. The entire spring–summer period of 2003 was then examined for changes of SWC spatial variability. It was found that evapotranspiration influences SWC spatial variability only if SWC is under the critical value when wetter parts of the field evaporate more water than drier parts, resulting in smoothed SWC variability. Under wet conditions the spatial variability of SWC increases by drainage, as those parts of the soil with coarser texture drain faster than finer-textured parts.     

退耕对滇池湖滨土壤理化性质与无机磷分布的影响

[目的]明晰退耕对滇池湖滨土壤理化性质和土壤磷素形态分布的影响,进而评价退耕的土壤恢复效应和环境效应。[方法]采用空间代替时间的研究方法,对比研究滇池湖滨缓冲带和设施农田剖面土壤理化性质以及无机磷剖面分布特征,并且以滇池湖滨3个区域(牛恋、海埂、兴隆)相同退耕方式为对照进行研究。[结果]退耕3a后,牛恋缓冲带浅表地下水埋深明显变浅,土壤有机碳和全氮含量明显增加,土壤全磷,Olsen-P,Al-P和Fe-P含量均明显降低,O-P含量明显增加。但是浅表地下水埋深较深的海埂缓冲带土壤理化性质和无机磷组分没有发生明显变化。兴隆缓冲带土壤有机碳和全氮含量明显降低。3a内退耕没有直接对土壤理化性质和无机磷组分产生明显影响,浅表地下水埋深改变是影响土壤恢复和无机磷组分变化的直接原因之一。[结论]滇池湖滨缓冲带和设施农田土壤磷素均存在淋失风险,退耕活动通过抬高浅表地下水位加速土壤磷素淋失从而降低土壤潜在淋失风险。     

Calibrating and validating the LISEM model for two data sets from the Netherlands and South Africa

Within the framework of the GCTE Soil Erosion Network the Limburg Soil Erosion Model (LISEM) has been tested and validated in two catchments in South-Limburg (the Netherlands) and Zululand (South Africa). The calibration and validation of the Green–Ampt version of the LISEM model using 10 storms from the Catsop catchment in the Netherlands shows that differences in measured and simulated hydrographs and sediment loads can be large. These differences may be caused by the sensitivity of the model to some of the input variables, such as saturated hydraulic conductivity and the initial soil moisture content. Given the uncertainty in the input maps of these variables and a limited number of point data that is used to create these maps, a large part of the differences between measured and simulated data can be explained by these uncertainties. Thus, it is clear that detailed process-based models such as LISEM require very detailed and high-resolution input data in order to produce quantitative reliable results. The runoff processes in the Zululand catchment appeared to be dominated by slow throughflow and groundwater flow, which are processes that are not incorporated in LISEM.     

Regional-scale modelling of the spatial distribution of surface and subsurface textural classes in alluvial soils using Markov chain geostatistics

Soil texture is directly associated with other soil physical and chemical properties and can affect crop yield, erodibility and water and pollutant movement. Thus, maps of soil textural class are valuable for agricultural management. Conventional spatial statistical methods do not capture the complex large-scale spatial patterns of multi-class variables. Markov chain geostatistics (MCG) was recently proposed as a new approach for the conditional simulation of categorical variables. In this study, we apply an MCG algorithm to simulate the spatial distribution of textural classes of alluvial soils at five different depths in a 15-km² area on the North China Plain. Soil texture was divided into five classes – sand, sandy loam, light loam, medium loam and clay. Optimal prediction maps, simulated maps and occurrence probability maps for each depth were generated from sample data. Simulated results delineated the distribution of the five soil textural classes at the five depths and quantified related spatial uncertainties caused by limited sample size (total of 139 points). These results are not only useful for understanding the spatial distribution of soil texture in alluvial soils, but also provide valuable quantitative information for precision agriculture, soil management and studies on environmental processes affected by surface and subsurface soil textures.     

蒸发条件下土壤水盐热运移的实验研究

土壤水盐热的耦合运移研究是土壤水盐运移理论研究的重要组成部分.在模拟蒸发条件下,通过室内土柱实验,对土壤水盐热的迁移做了初步研究.结果表明:地下水位的高低直接影响土壤剖面盐分和水分分布;本实验一直处于稳定蒸发状态,今后需进一步研究不同蒸发条件下土壤水盐热的运移规律.     

黄河三角洲地区典型地块地下水特征的空间变异性研究

以黄河三角洲地区典型地块为研究区,运用经典统计学和地统计学相结合的方法研究了包括埋深和含盐量的地下水性质空间变异特征,绘制了各地下水特征的随机性和结构性的半方差图和空间分布图。结果表明:受不同尺度的结构性因素和随机性因素的共同作用,地下水埋深和含盐量均具有中等的变异强度和空间自相关性,地下水埋深的自相关距大于含盐量。对Kriging插值结果分析表明:地下水埋深的空间变异性受微地形因素及农田工程措施影响较大,长期的农业生产措施会影响地下水含盐量的空间分布,地下水含盐量空间变异性与埋深有一定的关联。地下水特征的空间结构性和定量化研究对黄河三角洲地区地下水资源评价、土壤的次生盐碱化防治及区域水盐运动调控有着直接的现实意义。     

咸水非充分灌溉条件下土壤水盐运动SWAP模型模拟

为了研究咸水非充分灌溉条件下土壤水盐动态变化规律,该文在2013年田间试验的基础上,利用试验观测数据,对SWAP模型进行了率定和验证,并对咸水非充分灌溉条件下土壤剖面水分和盐分通量变化过程进行了模拟和分析。研究结果表明:SWAP模型模拟值较好地反映了实测值的变化趋势,经过率定和验证后的SWAP模型能够较好地模拟土壤水盐的动态变化规律以及制种玉米的产量情况。在制种玉米苗期阶段,3种灌水处理40 cm以上土壤剖面的水分通量主要以向上为主;在灌水和降雨阶段,各处理土壤剖面的水分通量主要向下,且灌水量越大的处理,向下的水分通量越大;在土壤蒸发阶段,各处理60 cm以下土壤剖面的水分通量向下,且向下的水分通量逐渐减小。土壤盐分通量模拟结果与土壤水分通量具有类似的规律,60 cm以下土壤剖面的盐分通量主要向下,表明土壤盐分主要向深层土壤运移。研究结果可为该研究区域咸水非充分灌溉制度的制定提供理论依据。     

The use of lysimeter data for the test of two soil–water balance models: A case study

Two soil–water balance models were tested by a comparison of simulated with measured daily rates of actual evapotranspiration, soil water storage, groundwater recharge, and capillary rise. These rates were obtained from twelve weighable lysimeters with three different soils and two different lower boundary conditions for the time period from January 1, 1996 to December 31, 1998. In that period, grass vegetation was grown on all lysimeters. These lysimeters are located in Berlin‐Dahlem, Germany. One model calculated the soil water balance using the Richards equation. The other one used a capacitance approach. Both models used the same modified Penman formula for the estimation of potential evapotranspiration and the same simple empirical vegetation model for the calculation of transpiration, interception, and evaporation. The comparisons of simulated with measured model outputs were analyzed using the modeling‐efficiency index IA and the root mean squared error RMSE. At some lysimeters, the uncalibrated application of both models led to an underestimation of cumulative and annual rates of groundwater recharge and capillary rise, despite a good simulation quality in terms of IA and RMSE. A calibration of soil‐hydraulic and vegetation parameters such as maximum rooting depth resulted in a better fit between simulated and observed cumulative and annual rates of groundwater recharge and capillary rise, but in some cases also decreased the simulation quality of both models in terms of IA and RMSE. The results of this calibration indicated that, in addition to a precise determination of the soil water‐retention functions, vegetation parameters such as rooting depth should also be observed. Without such information, the rooting depth is a calibration parameter. However, in some cases, the uncalibrated application of both models also led to an acceptable fit between measured and simulated model outputs.