Temporal stability of soil moisture under slope protection by vegetation
-
摘要: 时间稳定性是深入研究生态修复边坡水分空间分布格局时间相关性的关键性指标，对揭示不同时期边坡水文特性和长期稳定性具有重要意义。开展了多花木兰护坡下室外边坡模型试验研究，结合0~100 cm土壤水分实时监测数据，探讨了植被边坡土壤水分时空动态特性，基于Spearman秩相关系数、相对差分法以及时间稳定性指数等分析了植被护坡作用对不同深度土壤水分时间稳定性影响规律，提出了基于加权法的植被边坡土壤水分估算模型。结果表明：边坡土壤水分分布具有明显的时空异质性与深度依赖性，植被的介入显著降低了0~100 cm土壤水分含量，变异系数较裸坡增大了60.6%，水分时空异质特征明显加剧；在植被长期护坡作用下，不同时期土壤水分的空间分布模式相似性有所较弱，且相同深度下土壤干湿交替明显增多，时间稳定性显著降低；基于相对差分和时间稳定性指数准确判定了植被边坡土壤时间稳定性代表测点，在此基础上提出的水分预测模型能够较准确的估计边坡研究区域土壤水分整体水平，可为合理布设土壤水分监测点，揭示生态修复边坡水文特性和长期稳定性提供一定的理论依据。Abstract: The temporal stability of soil moisture is a key index to explore the water distribution pattern and reveal the hydrological characteristics and long-term stability for ecological slopes. In this study, a large-scale outdoor slope model covered by Magnolia multiflora is used. By measuring the real-time soil moisture at the depth of 0~100 cm, the spatiotemporal dynamics are firstly discussed. Then characteristics of the temporal stability at different depths are analyzed by using the Spearman correlation coefficient, relative difference method and index of time stability. Finally, a method for estimating the soil moisture of the ecological slopes is proposed. The results show that the soil moisture distribution has obvious spatiotemporal heterogeneity and depth dependence. The vegetation intervention can significantly reduce the soil moisture at the depth of 0~100 cm. Compared with that of the bare slopes, the variability level increases by 60.6%, indicating that the spatiotemporal heterogeneity is obviously aggravated. Meanwhile, under long-term protection of vegetation, the spatial pattern of soil moisture has weak temporal similarity to each other. At a certain depth, the alternation of dry and wet soils increases obviously. The temporal stability is significantly reduced by vegetation. Moreover, the representative measuring points of soil moisture can be well determined by MRD and ITS. The proposed prediction method can accurately estimate the average water content in the study area. It may provide a theoretical basis for rational arrangement of monitoring points and researches on hydrological characteristics and long-term stability for ecological slope.
-
0. 引言
近十几年来，中国在公路、铁路、桥梁、水电、隧道、采矿等领域飞速发展，由此形成了大量裸露工程边坡，极易引发各类地质灾害。生态护坡是工程边坡灾害防治与生态环境保护的重要手段，也是当前岩土工程领域的研究热点[1-3]。然而，现阶段生态护坡理论研究多集中于植被根系的力学加固效应，对植被护坡水文效应的研究仍显不足，植被护坡作用下边坡水文过程和长期稳定性演化机制仍是亟待解决的科学难题[1]。因此，深入开展植被边坡水文特性研究，对中国工程边坡生态修复与滑坡灾害超前预测具有重要的科学意义与工程应用价值。
边坡土壤水分是土壤-植物-大气连续系统水分与能量交换的纽带和重要影响因子，其分布状态显著影响着植被发育、土壤蒸发、降雨入渗和产流产沙等水文学过程，进而影响整个边坡系统的长期稳定性[3]。受地形、植被、气候、土壤物理性质等诸多因素的影响，边坡土壤水分存在着复杂的时空异质性[4]。在生态学领域，广泛采用时间稳定性（temporal stability）来衡量土壤水分时空分布特征，其定义为土壤含水率空间分布格局在时间上的相似性[5]。时间稳定性强，说明土壤含水率空间分布模式在时间上的相似性越大。此后，生态学、林业、农业等领域学者先后采用时间稳定性来检验土壤水分空间模式在时间上的持续性，土壤水分时间稳定性现象得到广泛认可[4-10]。另外针对不同用地类型的土壤水分时空异质性研究往往需要设置大量监测点并长期观测，费时费力[5]。Vachaud等[4]提出建立空间采样位置与土壤参数间的时间稳定性关系，通过特定采样点监测数据来反映整个研究区域的土壤水分整体水平。在此基础上，部分学者[6-10]进行了时间稳定性研究，得出一些可供参考的结论。Grant等[6]发现基于时间稳定性建立回归预测模型可以实现对集水区土壤水分格局的准确表征。Hu等[7]利用代表性测点的水分含量近似表征黄土高原土壤水分区域平均值。朱绪超等[8]采用时间稳定性建立了西藏高寒草甸生态系统表层土壤水分预测模型。丁聪等[9]研究黄土高寒区林地坡面0~200 cm土壤水分时间稳定性，发现其具有较明显的深度依赖性。Li等[10]对0~3 m沙漠土壤和0~1.8 m草原土壤水分的研究中同样发现时间变异性随着深度的增加而减小。
对于生态护坡工程而言，植被恢复影响着土壤水分的空间分布，在一定程度上增强或减弱土壤水分的空间异质性[1, 3]；土壤水分异质性也控制着植被生长过程，同时又长期决定着土体力学性能，进而影响边坡长期稳定性[1-3]。由此可见，厘清土壤水分时间稳定性特征，准确获取土壤水分时空分布模式持续性，对揭示不同时期生态修复边坡稳定性具有重要意义。然而，目前针对土壤水分时间稳定性的研究多集中在农业、林业和生态学领域，土地类型多以草地、林地、园地、耕地、荒地等为主[6-10]，有关植被护坡作用对边坡土壤水分时间稳定性的影响机制研究几乎未见报道。另外土壤水分动态变化是不同空间尺度上由不同因素相互作用的结果。在尺度转换过程中，影响因素也随之变化，导致不同空间尺度下土壤水分时间稳定性研究结果有所差异。现阶段有关土壤水分空间变异性的研究多基于区域尺度，针对坡面小尺度范围的细观水分时空异质性研究较少。以现有农学、植物学和生态学理论成果为基础，深入研究植被防护边坡土壤水分时间稳定性特征，阐明不同时期植被边坡土壤水分动态变化特征和空间分布格局持续性，是系统揭示生态护坡水文过程和长期稳定性演化规律的重要途径。
鉴于此，本文基于室外边坡模型试验，系统研究植被覆盖下边坡土壤水分时空演化规律。结合经典统计方法、Spearman秩相关系数和相对差分法，探索植被边坡土壤水分时空动态特性，阐明植被覆盖下土壤水分时间稳定性特征，探究不同深度土壤水分格局差异和其内在相似性，提出植被边坡土壤水分估算方法，以期为生态修复边坡水分监测点布设、水文特性预测提供一定的理论依据。
1. 材料与方法
1.1 试验设计
为研究生态修复边坡土壤水分时空动态变化过程，设计坡高200 cm、坡宽150 cm、坡比1︰1.75的室外边坡模型，如图 1所示。模型建于湖北工业大学生态脆弱区生态修复中试基地，坡顶覆盖防水材料以防止雨水入渗，坡脚设置宽30 cm、深20 cm集水沟以排出坡表径流。模型之间用防水材料隔阻，防止互相影响。试验填土均取自武汉地区边坡浅层黏土，其物理特性：初始含水率=15.6%，最优含水率=20%，最大干密度=1.75 g/cm3，天然干密度=1.5 g/cm3，塑限=23%，液限=41%。粒径分布如图 2所示。可以看出，填土不均匀系数为3.39，曲率系数为1.62，填土颗粒较为均匀。采用分层回填的方式每隔5 cm进行填土，完成后洒水加速填土沉降以更接近于原状土的性状。
采用武汉地区生长较为广泛的多花木兰作为护坡植物进行播种养护（图 3（a）），同时设计相同条件下的裸土边坡（图 3（b））作对比研究。水分监测采用SWR-100型土壤水分传感器，有效行程为0~100%，精度为0.1，在降雨和非降雨环境下，数据采集频率依次设定为1，5 min/次。边坡分层构筑过程中，将水分传感器沿垂直于坡面中轴线、1/4和3/4处预先埋设，埋设深度分别为20，40，60，100 cm，以便长期、实时监测坡上、坡中、坡下3个位置各土层水分时空变化情况，具体布设位置如图 1所示。在水分传感器数据稳定数周后进行播种并定期养护，待植被覆盖度达100%后开展水分监测试验。
在试验场地安装自动气象观测站1台（图 3（c）），以便对降雨量、气温等气象因子进行实时监测，并与土壤水分监测保持同步，结果如图 4（a）所示。可以看出，测定时段内总降雨量为626.02 mm，最大降雨量为53.62 mm，发生在2022年3月6日；平均气温为15℃，最高气温为31℃，发生在2021年9月30日，最低气温为0℃，发生在2022年1月。采用FAO-56 Penman-Monteith公式计算逐日参考蒸散量（ET0），结果如图 4（b）所示。
1.2 时间稳定性分析方法
（1）经典统计方法
通过计算不同深度土壤水分最大值（wmax）、最小值（wmin）、平均值（μ）、标准差（σ）和变异系数（coefficient of variation, CV）等信息，可定量描述边坡土壤水分时空异质特性[5]。其中，CV计算公式为
CV=σμ×100%。 (1) 根据Nielsen等[11]研究成果，土壤水分的时空异质性水平可根据表 1进行判定。
表 1 土壤水分变异水平判定准则[11]Table 1. Criteria for determining variation level of soil moistureCV [0, 10%) [10%, 100%) [100%, +∞) 变异水平 弱变异 中等变异 强变异 （2）Spearman秩相关系数法
Spearman秩相关系数是一种非参数的统计相关性测度，可用于度量不同测点土壤水分监测值的秩随时间变化的一致性和稳定性，反映土壤水分空间分布格局在时间上的相似性，其计算公式为[8]
ρ=1−6N∑i=1(Rij−Ril)2N(N2−1)。 (2) 式中：Rij，Ril分别为测点i土壤水分观测值按升序排列后时刻j，l对应的秩；N为测点个数。ρ越接近于1，说明土壤水分分布在时间上越相似，时间稳定性越强。
（3）相对差分法
通过计算各测点平均相对差分（mean relative difference，MRD）值和其标准差可以描述土壤水分时间稳定性特征[5-9]。测点i在观测时间j的土壤含水率相对差分δij计算公式为[5]
δij=θij−ˉθjˉθj， (3) ˉθj=1NN∑i=1θij。 (4) 式中：θij为测点i在监测时间j下的水分观测值；θj为时间j下所有测点水分均值。测点i处的相对差分平均值ˉδi和相对差分标准差σ(ˉδi)的计算公式分别为
ˉδi=1MM∑j=1δij， (5) σ(ˉδi)=√1M−1M∑j=1(δij−ˉδi)2。 (6) 式中，M为观测次数。
一般认为δi越接近于0，时间稳定性越高，该测点的土壤含水率越能代表坡体内部平均土壤水分含量水平。当δi > 0时，说明对应测点水分含量高于平均值，土壤处于较湿润状态；当δi < 0时，则处于较干燥状态。
（4）代表性测点判定和检验
采用时间稳定性指数（index of time stability，ITS）来判定最佳时间稳定性测点，ITS越小，时间稳定性越强，其土壤含水率越能代表评估区域土壤含水率的平均水平[5]。其计算公式为
ITS=√ˉδ2i+σ(δi)2。 (7) 对代表性测点土壤含水率与坡体土壤水分含量均值进行回归分析，通过平均偏差（mean bias error，MBE）、均方根误差（root mean square error，RMSE）和决定系数R2分析差异性，MBE和RMSE越小，R2值越大，可认为该测点为最佳代表测点，计算公式为
MBEi=√m∑j=1(θij−ˉθi)/m， (8) RMSEi=√m∑j=1(θij−ˉθi)2/m。 (9) 2. 结果与分析
2.1 植被边坡土壤水分时空动态特性
图 5给出了观测期间边坡土壤平均含水率演化规律。显然，两类边坡土壤水分均呈现出明显的时间动态特性，且多花木兰坡土壤平均含水率始终低于裸坡。在监测初期（2021年9月），多花木兰坡土壤平均含水率已明显低于裸坡，两者相差6.49%左右。这是由于水分监测是在多花木兰覆盖度达100%后开始的，在此之前，随着多花木兰逐渐萌育，其根系吸水、雨水截留、溅蚀削弱、径流抑制等水文效应已经导致坡体内部水分分布格局异于裸坡。随着时间推移，多花木兰坡土壤水分不断减少，并在2021年11月30日达到最低值24.19%，较监测初期下降了20.09%，此阶段正是多花木兰生长旺季，其根系吸水与蒸腾作用使得坡体内部水分耗散加剧；在相同环境条件下，裸坡土壤水分较监测初期仅下降了1.88%。在2021年11月—2022年2月，随着气温降低，多花木兰坡土壤水分含量回升至28.12%，与裸坡（30.64%）的差距逐渐缩小。2022年3月以后，随着连续降雨和气温回升，多花木兰坡土壤水分逐渐恢复并趋于平稳，裸坡亦呈缓慢增长态势，到2022年4月29日，平均含水率分别为29.61%，31.77%。显然，多花木兰对边坡土壤水分的影响具有长期性与持续性，而在其生理活动减弱阶段，气温和降雨对边坡土壤水分格局的调控效果更为明显，是主导水分动态变化的关键因素。
![]()
图 6 植被边坡与裸坡土壤水分垂直分布特征Figure 6. Vertical distribution characteristics of soil moisture on ecological and bare slopes表 2 不同边坡模型各土层土壤水分空间统计特征Table 2. Spatial statistical characteristics of soil moisture in different soil layers under different slope modes类型 深度/cm wmax % wmin/% μ/% σ CV/% BS 0~20 36.6 25.0 31.921b 3.424 10.725 20~40 32.1 22.3 26.281c 2.586 9.840 40~60 30.7 22.0 27.031c 3.154 11.669 60~100 43.9 37.8 41.147a 1.749 4.251 VS 0~20 31.8 22.1 27.193b 2.317 8.522 20~40 35.0 17.2 25.744b 5.779 22.450 40~60 32.3 19.3 27.058b 3.557 13.147 60~100 37.3 23.2 30.552a 4.423 14.476 注：BS为裸坡，VS为多花木兰坡；不同的小写字母表示同一边坡类型在不同深度差异显著（p < 0.05）。 可以看出，两类边坡土壤平均含水率呈现大致相同的变化趋势，说明不论有无植被，剖面土壤水分分布均具有较强的深度依赖性。对比平均含水率可知，两类边坡在0~40，100 cm深度土壤含水率差异较大。其原因在于表层土壤受植被冠层截留作用影响，水分补给较裸坡大大减小；20~60 cm土层是多花木兰根系集中分布区域，在长期根系吸水作用下，深部土壤水分不断向根区迁移，水分含量较裸坡也相应降低。对比变异系数可知，在0~100 cm深度内，裸坡与多花木兰坡土壤水分变异系数分别介于4.3%~11.7%和8.5%~22.4%，平均变异系数分别为9.121%，14.649%，分属弱变异和中等变异水平，多花木兰的介入使得土壤水分变异性增大了60.6%。裸坡在0~60 cm深度范围内变异系数差异不大，表现为中等变异性（CV=10.745%）；当深度 > 60 cm时，变异系数急速减小至4.251%，表现为弱变异性。这是由于上部土壤更容易受降雨、气温等环境因素影响，这种影响会随着深度增加而逐渐减小，土壤水分更趋于稳定。多花木兰坡在表层（0~20 cm）表现为弱变异性，随着深度增加，变异系数呈现出先增大后减小的发展态势，且均处于中等变异性水平，远高于同等深度裸坡。值得注意的是，多花木兰坡在20~40 cm深度范围表现出极高的变异性（CV=22.45%），说明根系集中分布区域土壤水分时空变异性要高于其他深度范围，但该影响同样会随着深度加深而逐渐减弱。
2.2 土壤含水率的时间稳定性分析
图 7给出了试验期间16个测定时段土壤水分监测值Spearman秩相关系数ρ。图 7中时间序列1—8依次代表2021年9月10日，9月30日，10月4日，10月30日，11月15日，11月30日，12月15日和12月30日；时间序列9—16依次代表2022年1月15日，1月30日，2月15日，2月28日，3月15日，3月30日，4月15日和4月30日。
![]()
图 7 不同测定时间对间土壤含水率Spearman秩相关系数Figure 7. Spearman rank correlation coefficients of water content of soil among different measuring periods从图 7可以看出，裸坡与多花木兰坡各测定时间对间的ρ值变化范围分别为0.685~1和0.626~1，平均值分别为0.922，0.908。显然，植被护坡作用对不同时期土壤水分相似性有一定影响。由图 7（a）可以看出，除监测初期外，裸坡各测定时间对间的相关系数ρ基本在0.9以上且极显著相关（p < 0.01）；随着时间间隔的逐步增大，裸坡土壤水分格局的相似性基本保持稳定，仅2022年3月30日土壤水分与其他测定时间对间相似性有所降低，这可能与该时段气温的急剧变化有关。多花木兰坡各测定时间对之间的ρ值基本在0.85以上，较裸坡有所降低；随着时间间隔的增大，土壤水分格局的相似性呈下降趋势。值得注意的是，2022年1月30日—2022年4月30日与2021年9月—2021年10月间Spearman秩相关系数ρ同样较高，且均处于植被发育阶段，表明边坡土壤水分格局会因为植被护坡效应发生短时间的改变，但一段时间后其土壤水分格局会逐渐恢复。
表 3给出了裸坡与多花木兰坡10个测点土壤含水率MRD与ITS计算结果和其统计量特征。可以看出，裸坡MRD标准差σ(δi)均值和ITS均值分别3.02%，17.17%，多花木兰坡分别为3.83%，12.38%，说明植被因素的介入降低了各测点土壤水分时间稳定性，这与土壤水分时空动态特性和Spearman秩相关性分析结果相一致。但多花木兰坡ITS均值显著低于裸坡，说明前者各测点间水分监测平均值的差异更小，这也与图 6和表 2结果相吻合。
表 3 土壤含水率的时间稳定性分析结果Table 3. Results of temporal stability of water content of soil(单位: %) 类型 参数 极小值 极大值 均值 标准差 极差 BS δi -22.33 37.22 0.00 19.44 59.55 σ(δi) 1.05 9.62 3.02 2.53 8.57 ITS 3.92 37.31 17.17 9.94 33.39 VS δi -33.75 25.69 0.00 14.90 59.44 σ(δi) 2.00 7.31 3.83 1.49 5.31 ITS 4.97 34.20 12.38 9.25 29.24 图 8给出了边坡模型各测点土壤含水率MRD平均值按秩序数由小到大排列情况和其对应的ITS曲线。其中，数字为测点序号（Ⅰ为裸坡，Ⅱ为多花木兰坡），垂直误差线为各测点MRD标准差。可以看出，裸坡MRD和ITS值变化范围分别为-22.33%~37.22%和3.92%~37.31%，除Ⅰ-5测点外，垂直误差线较短，表现出较好的时间稳定性；多花木兰坡MRD和ITS值变化范围分别为-33.75%~25.69%，4.97%~34.2%，垂直误差线较为明显，反映出各测点水分含量在不同监测时期均存在不同程度的波动状态。还可以看出，在大体相当的MRD极差下，裸坡与多花木兰坡MRD分布存在显著差异。对于多花木兰坡，除Ⅱ-1，Ⅱ-4，Ⅱ-5测点外，余下8个测点MRD < 10%（图 8（b）），而裸被（图 8（a））仅有3个。这说明尽管多花木兰坡各单一测点时间稳定性较差，但总体MRD较小且分布较为集中，由此计算得出的ITS值同样相对稳定，这与表5中多花木兰坡σ(δi)标准差高于裸坡，但ITS值小于后者的结果相一致。这一现象在图 9给出的不同深度下ITS变化曲线得到印证。可以看出，两类边坡ITS值随深度变化均先增大后减小随后急速增大，且多花木兰坡总体小于裸坡。但在0~60 cm深度范围内，多花木兰坡的ITS值波动较裸坡更为明显。
值得注意的是，在同一垂直深度下，测点所处坡位的不同同样会引起MRD和ITS的显著差异。例如，在0~20 cm深度，裸坡Ⅰ-8测点（坡下）和Ⅰ-10测点（坡上）MRD > 0，呈现偏湿土质，而Ⅰ-9测点（坡中）则体现出偏干土质；多花木兰坡则呈现完全相反的干湿状况。在60~100 cm深度，裸坡Ⅰ-1测点（坡中）和Ⅰ-2测点（坡上）均呈现偏湿土质，多花木兰坡坡上与坡中同样呈现不同的干湿类型，即坡中（Ⅱ-1）偏湿，坡上（Ⅱ-2测点）偏干。总体而言，植被的介入导致相同深度下的土壤干湿交替明显增多。尽管如此，两组边坡在0~20 cm，20~40 cm，40~60 cm，60~100 cm深度的代表性测点处于剖面相同位置（测点10，6，3，2），且均位于坡面中上部。这主要是由于坡下部位受坡表径流累积和地下水位影响较大，其含水率一般较高，不足以代表整个剖面水分分布。
2.3 植被边坡土壤平均含水率估计
图 10给出了裸坡与多花木兰坡各深度土壤水分均值与代表性测点水分监测值沿y=x等值线分布情况。可以看出，裸坡各测点土壤含水率大部分在平均值附近小幅浮动，而多花木兰坡则偏离较大。表 4对各代表性测点水分含量和相应深度平均土壤含水率进行了统计回归分析，发现裸坡各深度土壤水分拟合方程精度指标MBE和RMSE波动性较大，相关系数R2为0.5502~0.8788，对0~20 cm土层拟合效果最差。多花木兰坡各深度土壤水分拟合方程精度较为稳定，相关系数R2为0.8064~0.9257，可以较为准确地估计植被边坡不同深度平均水分含量水平。但总体而言，各深度土层水分均值与最佳代表性测点水分监测值或多或少存在一定偏差，尤其是裸坡。为此，提出一种融合各土层代表性测点的土壤水分预测方法。
![]()
图 10 不同深度代表性测点含水率与平均土壤含水率的关系Figure 10. Relationship between water content of representative measuring points and average value at different depths表 4 不同护坡模式下代表性测点的统计回归分析Table 4. Statistical regression analysis of representative measuring points under different slope protection modes类型 深度/mm 代表性测点 预测方程 R2 MBE RMSE BS 0~20 Ⅰ-10 y1=0.4330x1+16.9157 0.5502 3.9283 0.664 20~40 Ⅰ-6 y2=1.2541x2-3.7995 0.8366 10.8704 0.400 40~60 Ⅰ-3 y3=1.2753x3-7.0604 0.8788 1.5254 0.344 60~100 Ⅰ-2 y4=0.8141x4-1.1760 0.7814 73.2819 0.463 0~100 — y=0.1579x1+0.2940x2+0.3615x3+0.0955x4+3.1386 0.8723 0.1276 0.28 VS 0~20 Ⅱ-10 y1=0.9049x1+3.6594 0.8064 1.9962 0.829 20~40 Ⅱ-6 y2=1.1382x2-6.0713 0.8783 4.4675 0.658 40~60 Ⅱ-3 y3=0.9908x3-1.8501 0.9257 4.7324 0.514 60~100 Ⅱ-2 y4=0.6306x4+10.4776 0.8736 1.6778 0.670 0~100 — y=0.361x1+0.1806x2+0.2626x3+0.1118x4+1.8648 0.9462 0.2150 0.393 令边坡整体土壤水分均值y为
y=kS∑s=1ws⋅xs+b。 (10) 式中：S为土层划分个数，本文S=4；xs为第s层最值代表性测点土壤水分监测值，s=1, 2, …, S；ws为各代表性测点权重；k，b为拟合方程参数。
由式（7）可知，ITS越小，时间稳定性越强，土壤含水率越能代表评估区域总体水分状况。定义
βs=1ITSs， (11) 则各代表性测点权重可按下式计算：
ws=βs/S∑s=1βs。 (12) 基于上述方法，得到两类边坡整体土壤水分预测方程同样在表 4给出，相应预测值与实际值对比效果见图 11。可以看出，裸坡与多花木兰坡相关性系数R2分别达到0.872，0.946，MBE与RMSE均大幅度减小，预测值与实际值也十分接近，说明所得预测方程可以更准确地估计边坡整体水分状态。
![]()
图 11 基于加权法的边坡土壤水分预测效果Figure 11. Effects of prediction models for soil moisture of slope based on weighting method3. 讨论
3.1 植被边坡土壤水分的时空动态特性
受植被、降雨、气温等诸多因素的影响，边坡内部土壤水分呈现出明显的时空动态特性[5]。本研究中，植被护坡对土壤水分动态的调控较为明显，其根系吸水、雨水截留、溅蚀削弱、径流抑制等长期水文效应导致坡体内部水分格局明显异于裸坡。随着气温降低，植被快速枯萎，其对土壤水分的耗散作用逐步减弱直至消失，此时降雨成为主导土壤水分时空动态的主要因素，加上气温降低导致土壤蒸发强度减弱，坡体内部土壤水分含量逐渐恢复。随着气温回升，植被重新萌育且土壤蒸散发增加，导致边坡土壤水分恢复缓慢。因此，在相同坡度、土壤条件下，植被边坡土壤土壤水分是植被、降雨、气温共同作用的结果：当植被处于生长旺季时，植被通过根系吸水和蒸腾作用耗散坡体内部水分，降雨条件下其冠层吸收雨水势能并形成“雨伞效应”，对水分场的调节作用十分明显；当植被枯萎时，降雨对边坡水分的补充使得植被边坡与裸坡的差距逐渐缩小，植被对水分的耗散作用被降雨入渗所掩盖；气温则通过间接影响植被生长和地表蒸散发控制边坡土壤水分格局。Hawley等[12]、Kamgar等[13]、Zhao等[14]均证明了植被和变化环境对不同类型土地水分时空分布的影响，得到了大致相同的结论。
另一方面，剖面土壤水分分布具有明显的深度依赖性。本研究中，不论有无植被，土壤平均含水率总体呈现先减小后增大的变化趋势，但植被因素显著加剧了边坡土壤水分的空间异质性。这与Gao等[15]的研究结果相似，但与Hu等[7]研究结论存在差异。其原因在于本文与Gao等[15]植被类型均含灌木，而Hu等[7]则研究单一草本植被边坡，植被类型的不同决定了其对土壤水分影响的深度范围存在差异。总体而言，在植被护坡作用下，边坡土壤水分含量明显降低，空间异质性显著增大。根据吴宏伟[1]、Zhu等[16]、焦卫国等[17]的研究，根系吸水与边坡稳定性系数存在明显的正相关性，植被对土壤水分的长期耗散意味着坡体内部孔隙水压力的减弱，有效提升了土壤基质吸力。护坡植被对不同深度土壤水分的调控效应直接关系到边坡系统水文过程和整体稳定性。
3.2 植被边坡土壤水分的时间稳定性
相关学者[8-9, 18]认为植被会降低土壤水分的时间稳定性，本研究发现不论有无植被，边坡土壤水分在时间上均呈现长程相关性，但持续时间是有限的，测定时间越接近，土壤水分分布格局越相似。这在其他以月、季、年观测尺度的研究中均得出相似的结论[9, 18-20]。然而，植被护坡作用在一定程度上降低了不同时段土壤水分相似性，其根系分布和耗水特征增大了各土层之间土壤含水率的差距。如图 7所示，多花木兰护坡作用下土壤含水率的空间模式在观测时间上的相似性较裸坡有所减弱，即在时间上具有较弱的时间稳定性。但Grant等[6]和丁聪等[9]则认为人工恢复植被对坡面土壤水分的时间稳定性影响有限。造成上述差异的原因在于研究区域尺度的显著差异，在本文小尺度坡面范围内，传感器布设更为集中，更能监测到局部土壤水分的细微变化。
MRD和ITS分析结果同样表明：植被护坡作用下各测点水分含量在不同时期均存在不同程度的波动，时间稳定性显著降低（图 8）。丁聪等[8]、朱续超等[8]采用相同的方法分别对黄土高寒区和山地坡面土壤水分时间稳定性展开了研究，得到了相同的结论。值得注意的是，本试验中不同坡体位置（坡上、坡中、坡下）土壤水分时间稳定性同样存在差异，植被的介入导致相同深度下的土壤干湿交替明显增多，也是时间稳定性显著降低的直观反映。Hu等[7]、白一茹等[19]均指出土壤水分含量越低，时间稳定性越差。这主要是由于植被根系吸水、冠层抑制蒸发、地形引起的变异以和降水等对不同深度土壤水分综合作用所致。
3.3 植被边坡代表性测点分布规律
边坡土壤水分代表性测点研究结果表明：裸坡与多花木兰坡不同深度代表性测点均处于边坡剖面相同位置，且基本位于坡面中上部。白一茹等[19]对黄土丘陵区枣林研究发现，枣林土壤水分中值基本位于坡面的中上部。王幼奇[21]也指出黄土边坡土壤水分均值可以在坡面中上部布点进行预测。这是由于地形（本研究中表现为坡度）同样是影响土壤水分分布的重要因子。对于坡顶、坡中、坡脚来说，虽同为多花木兰所覆盖，但坡脚接收坡面来水较多，长期的径流累积和地下水作用导致坡脚含水率一般较高，变异性也较大，难以准确表征边坡整体水文状况。
土壤水分代表性检验结果表明基于不同深度代表性测点的土壤水分预测方程或多或少存在一定偏差。为此，本文提出了基于加权法的水分预测方法，以ITS衡量各深度土壤代表性测点权重，在此基础上所得到的裸坡与多花木兰坡整体土壤水分平均含水率预测方程相关性系数和精度指数均大幅度改善，可以更为准确地估计植被边坡不同深度平均水分含量水平。在后续对生态修复坡地水文过程长期、动态观测过程中，只需将最优代表性测点作为修复区土壤水分长期监测点实时监测坡体内部水分变化，进而结合给出的水分预测模型，即可实现对生态修复边坡整体水分分布格局的快速估计，从而掌握该区域的水文效应并合理规划，为生态边坡长期水文过程、滑坡预测提供数据支持。
4. 结论
本文基于大型生态边坡模型试验，研究了小坡面尺度下植被边坡土壤水分时空分布规律，阐明了植被护坡对土壤水分的调控效应，揭示了不同深度土壤水分时间稳定性差异和相关性，提出了植被边坡平均土壤含水率最佳代表性测点确定方法，得到3点结论。
（1）植被边坡土壤水分分布是植被、降雨、气温共同作用的结果。与裸坡相比，植被的介入显著干扰了土壤水分时空分布格局，增大了时空异质特性，变异性由弱变异转变为中等变异水平。
（2）受植被水文效应影响，边坡土壤水分在不同时期的空间分布模式相似性减弱，表现出较差的时间稳定性。在空间上，边坡中上部具有土壤水分时间稳定性同样存在差异，但植被护坡作用导致相同深度下的土壤干湿交替明显增多。
（3）传统基于不同深度代表性测点的土壤水分预测方程拟合精度存在一定的波动性。本文提出的基于加权法的植被边坡土壤水分预测方程估算精度得到大幅度提升，可更准确地估算植被边坡整体水分状态。
-
![]()
图 6 植被边坡与裸坡土壤水分垂直分布特征
Figure 6. Vertical distribution characteristics of soil moisture on ecological and bare slopes
![]()
图 7 不同测定时间对间土壤含水率Spearman秩相关系数
Figure 7. Spearman rank correlation coefficients of water content of soil among different measuring periods
![]()
图 10 不同深度代表性测点含水率与平均土壤含水率的关系
Figure 10. Relationship between water content of representative measuring points and average value at different depths
![]()
图 11 基于加权法的边坡土壤水分预测效果
Figure 11. Effects of prediction models for soil moisture of slope based on weighting method
表 1 土壤水分变异水平判定准则[11]
Table 1 Criteria for determining variation level of soil moisture
CV [0, 10%) [10%, 100%) [100%, +∞) 变异水平 弱变异 中等变异 强变异 
下载: 导出CSV
表 2 不同边坡模型各土层土壤水分空间统计特征
Table 2 Spatial statistical characteristics of soil moisture in different soil layers under different slope modes
类型 深度/cm wmax % wmin/% μ/% σ CV/% BS 0~20 36.6 25.0 31.921b 3.424 10.725 20~40 32.1 22.3 26.281c 2.586 9.840 40~60 30.7 22.0 27.031c 3.154 11.669 60~100 43.9 37.8 41.147a 1.749 4.251 VS 0~20 31.8 22.1 27.193b 2.317 8.522 20~40 35.0 17.2 25.744b 5.779 22.450 40~60 32.3 19.3 27.058b 3.557 13.147 60~100 37.3 23.2 30.552a 4.423 14.476 注：BS为裸坡，VS为多花木兰坡；不同的小写字母表示同一边坡类型在不同深度差异显著（p < 0.05）。
下载: 导出CSV
表 3 土壤含水率的时间稳定性分析结果
Table 3 Results of temporal stability of water content of soil
(单位: %) 类型 参数 极小值 极大值 均值 标准差 极差 BS δi -22.33 37.22 0.00 19.44 59.55 σ(δi) 1.05 9.62 3.02 2.53 8.57 ITS 3.92 37.31 17.17 9.94 33.39 VS δi -33.75 25.69 0.00 14.90 59.44 σ(δi) 2.00 7.31 3.83 1.49 5.31 ITS 4.97 34.20 12.38 9.25 29.24
下载: 导出CSV
表 4 不同护坡模式下代表性测点的统计回归分析
Table 4 Statistical regression analysis of representative measuring points under different slope protection modes
类型 深度/mm 代表性测点 预测方程 R2 MBE RMSE BS 0~20 Ⅰ-10 y1=0.4330x1+16.9157 0.5502 3.9283 0.664 20~40 Ⅰ-6 y2=1.2541x2-3.7995 0.8366 10.8704 0.400 40~60 Ⅰ-3 y3=1.2753x3-7.0604 0.8788 1.5254 0.344 60~100 Ⅰ-2 y4=0.8141x4-1.1760 0.7814 73.2819 0.463 0~100 — y=0.1579x1+0.2940x2+0.3615x3+0.0955x4+3.1386 0.8723 0.1276 0.28 VS 0~20 Ⅱ-10 y1=0.9049x1+3.6594 0.8064 1.9962 0.829 20~40 Ⅱ-6 y2=1.1382x2-6.0713 0.8783 4.4675 0.658 40~60 Ⅱ-3 y3=0.9908x3-1.8501 0.9257 4.7324 0.514 60~100 Ⅱ-2 y4=0.6306x4+10.4776 0.8736 1.6778 0.670 0~100 — y=0.361x1+0.1806x2+0.2626x3+0.1118x4+1.8648 0.9462 0.2150 0.393
下载: 导出CSV
-
[1] 吴宏伟. 大气-植被-土体相互作用: 理论与机理[J]. 岩土工程学报, 2017, 39(1): 1-47. doi: 10.11779/CJGE201701001 NG C W W. Atmosphere- plant-soil interactions: theories and mechanisms[J]. Chinese Journal of Geotechnical Engineering, 2017, 39(1): 1-47. (in Chinese) doi: 10.11779/CJGE201701001
[2] 王根绪, 夏军, 李小雁, 等. 陆地植被生态水文过程前沿进展: 从植物叶片到流域[J]. 科学通报, 2021, 66(增刊2): 3667-3683. https://www.cnki.com.cn/Article/CJFDTOTAL-KXTB2021Z2003.htm WANG Genxu, XIA Jun, LI Xiaoyan, et al. Critical advances in understanding ecohydrological processes of terrestrial vegetation: from leaf to watershed scale[J]. Chinese Science Bulletin, 2021, 66(S2): 3667-3683. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-KXTB2021Z2003.htm
[3] 杨大文, 丛振涛, 尚松浩, 等. 从土壤水动力学到生态水文学的发展与展望[J]. 水利学报, 2016, 47(3): 390-397. https://www.cnki.com.cn/Article/CJFDTOTAL-SLXB201603016.htm YANG Dawen, CONG Zhentao, SHANG Songhao, et al. Research advances from soil water dynamics to ecohydrology[J]. Journal of Hydraulic Engineering, 2016, 47(3): 390-397. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SLXB201603016.htm
[4] VACHAUD G, PASSERAT DE SILANS A, BALABANIS P, et al. Temporal stability of spatially measured soil water probability density function[J]. Soil Science Society of America Journal, 1985, 49(4): 822-828. doi: 10.2136/sssaj1985.03615995004900040006x
[5] 蔺鹏飞, 朱喜, 何志斌, 等. 土壤水分时间稳定性研究进展[J]. 生态学报, 2018, 38(10): 3403-3413. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201810005.htm LIN Pengfei, ZHU Xi, HE Zhibin, et al. Research progress on soil moisture temporal stability[J]. Acta Ecologica Sinica, 2018, 38(10): 3403-3413. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201810005.htm
[6] GRANT L, SEYFRIED M, MCNAMARA J. Spatial variation and temporal stability of soil water in a snow-dominated, mountain catchment[J]. Hydrological Processes, 2004, 18(18): 3493-3511. doi: 10.1002/hyp.5798
[7] HU W, SHAO M G, REICHARDT K. Using a new criterion to identify sites for mean soil water storage evaluation[J]. Soil Science Society of America Journal, 2010, 74(3): 762-773. doi: 10.2136/sssaj2009.0235
[8] 朱绪超, 邵明安, 朱军涛, 等. 高寒草甸生态系统表层土壤水分时间稳定性研究[J]. 农业机械学报, 2017, 48(8): 212-218. https://www.cnki.com.cn/Article/CJFDTOTAL-NYJX201708024.htm ZHU Xuchao, SHAO Ming'an, ZHU Juntao, et al. Temporal stability of surface soil moisture in alpine meadow ecosystem on northern Tibetan Plateau[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(8): 212-218. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-NYJX201708024.htm
[9] 丁聪, 王冬梅, 贺康宁, 等. 黄土高寒区坡面土壤水分的时间稳定性[J]. 生态学报, 2020, 40(1): 151-160. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202001017.htm DING Cong, WANG Dongmei, HE Kangning, et al. Study of temporal stability of soil moisture on hillslope in loess regions of China[J]. Acta Ecologica Sinica, 2020, 40(1): 151-160. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202001017.htm
[10] LI D F, SHAO M G, ZHANG S P, et al. The dynamics of soil moisture balance components and their relations with the productivity of natural vegetation in an arid region of northwestern China[J]. Ecological Engineering, 2020, 143: 105672.
[11] NIELSEN D R, BOUMA J. Soil Spatial Variability[M]. Wageningen: Pudoc, 1985.
[12] HAWLEY M E, JACKSON T J, MCCUEN R H. Surface soil moisture variation on small agricultural watersheds[J]. Journal of Hydrology, 1983, 62(1/2/3/4): 179-200.
[13] KAMGAR A, HOPMANS J W, WALLENDER W W, et al. Plotsize and sample number for neutron probe measurements in small field trials[J]. Soil Science, 1993, 156(4): 213-224.
[14] ZHAO Y, PETH S, WANG X Y, et al. Controls of surface soil moisture spatial patterns and their temporal stability in a semi-arid steppe[J]. Hydrological Processes, 2010, 24(18): 2507-2519.
[15] GAO L, SHAO M G. Temporal stability of soil water storage in diverse soil layers[J]. CATENA, 2012, 95: 24-32.
[16] ZHU H, INDUPRIYA M, GADI V K, et al. Assessment of the coupled effects of vegetation leaf and root characteristics on soil suction: an integrated numerical modeling and probabilistic approach[J]. Acta Geotechnica, 2020, 15(5): 1331-1339.
[17] 焦卫国, 詹良通, 季永新, 等. 植被对土质覆盖层水分运移和存储影响试验研究[J]. 岩土工程学报, 2020, 42(7): 1268-1275. doi: 10.11779/CJGE202007010 JIAO Weiguo, ZHAN Liangtong, JI Yongxin, et al. Experimental study on effects of vegetation on water transport and storage in soil cover[J]. Chinese Journal of Geotechnical Engineering, 2020, 42(7): 1268-1275. (in Chinese) doi: 10.11779/CJGE202007010
[18] PARIHAR C M, NAYAK H S, RAI V K, et al. Soil water dynamics, water productivity and radiation use efficiency of maize under multi-year conservation agriculture during contrasting rainfall events[J]. Field Crops Research, 2019, 241: 107570.
[19] 白一茹, 王幼奇, 王建宇. 黄土丘陵区枣林土壤水分时间稳定性特征[J]. 应用基础与工程科学学报, 2018, 26(1): 23-34. https://www.cnki.com.cn/Article/CJFDTOTAL-YJGX201801003.htm BAI Yiru, WANG Youqi, WANG Jianyu. Temporal stability of soil moisture on jujube orchard in loess hilly region[J]. Journal of Basic Science and Engineering, 2018, 26(1): 23-34. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YJGX201801003.htm
[20] ZHAO Z Y, WANG H R, YU C, et al. Changes in spatiotemporal drought characteristics over northeast China from 1960 to 2018 based on the modified nested Copula model[J]. Science of the Total Environment, 2020, 739: 140328.
[21] 王幼奇. 陕北小流域植被耗水过程及环境因素影响研究[D]. 杨凌: 西北农林科技大学, 2011. WANG Youqi. The Processes of Vegetation Water Consumption and its Influencing Factors in Small Watershed in Thenorthern Loess Plateau of China[D]. Yangling: Northwest Agriculture and Forestry University, 2011. (in Chinese)
-
期刊类型引用(4)
1. 张硕，张翰清，张昕，姜彤，吴嘉绪，杨创维. 动水驱动作用下边坡灾变防控研究综述. 人民长江. 2025(02): 134-143+151 . 
百度学术
2. 徐志平，贾卓龙，晏长根，王逸凡. 聚丙烯纤维加筋黄土边坡防护原位测试及改进策略. 人民黄河. 2024(04): 111-116 . 百度学术
3. 崔新壮，张小宁，王艺霖，曾浩，高上，曹天才，吕伟，韩柏林. 路基湿度测量方法、演化规律及调控技术研究进展. 中国公路学报. 2024(06): 1-33 . 百度学术
4. 罗承铭，朱星宇，王宁，谢勇进，钟婧，夏俊芳. 农田土壤采样车点跟踪自动取土控制系统设计与试验. 农业机械学报. 2024(12): 180-190 . 百度学术
其他类型引用(6)
-
其他相关附件
计量
- 文章访问数: 433
- HTML全文浏览量: 56
- PDF下载量: 145
- 被引次数: 10
