VIC大尺度陆面水文模型在中国区域的应用

合集下载

VIC模型汇流改进及在流域洪水预报中的应用研究

VIC模型汇流改进及在流域洪水预报中的应用研究
李晓阳;叶磊;吴剑;王锦;曾凡璋;周惠成
【期刊名称】《水利水电技术(中英文)》
【年(卷),期】2022(53)7
【摘要】VIC模型一般在3 000 km~2以上的大流域径流模拟中广泛应用,然而其原有的单位线汇流方法时间尺度为日,难以实现小时尺度的汇流计算,限制了VIC模型在中小流域洪水预报中的发展与应用。

采用基于Gamma分布函数的单位线法对VIC模型现有汇流方法进行改进,将VIC产流模型与改进的分布式汇流模型相耦合,实现了基于VIC模型的小时尺度洪水预报,并在碧流河流域进行实例验证。

结果表明:率定期和验证期确定性系数平均值为0.81,径流深预报合格率为95%,洪峰流量预报合格率为90%,模型模拟精度较高。

改进后的汇流模型可以较好地模拟出洪水的起涨消退过程,能够满足流域洪水预报的需求,具有一定的应用价值。

【总页数】9页(P18-26)
【作者】李晓阳;叶磊;吴剑;王锦;曾凡璋;周惠成
【作者单位】大连理工大学水利工程学院
【正文语种】中文
【中图分类】TV124
【相关文献】
1.改进的HBV模型与新安江模型在武江流域洪水预报中的应用比较
2.改进BP神经网络算法在中小流域洪水预报中的应用研究
3.基于RS与GIS的小流域洪水预报
模型与系统：小流域洪水预报的新方法4.流域汇流的非线性分析及基于ANN流域汇流预报模型5.基于空间分布式汇流时间方法的流域洪水模拟模型及应用研究
因版权原因，仅展示原文概要，查看原文内容请购买。

气候变化对嘉陵江流域水资源和极端水文事件的影响

第 2 期水　利　水　运　工　程　学　报No. 2 2024 年 4 月HYDRO-SCIENCE AND ENGINEERING Apr. 2024 DOI:10.12170/20230611002李文鑫，金君良，舒章康，等. 气候变化对嘉陵江流域水资源和极端水文事件的影响[J]. 水利水运工程学报，2024（2）：20-33. （LI Wenxin, JIN Junliang, SHU Zhangkang, et al. Assessing the impact of climate change on water resources and extreme hydrological events in the Jialing River Basin[J]. Hydro-Science and Engineering, 2024（2）: 20-33. （in Chinese））气候变化对嘉陵江流域水资源和极端水文事件的影响李文鑫1, 2, 3，金君良1, 2, 3, 4，舒章康1, 2, 3, 4, 5，张建云1, 2, 3, 4，王国庆1, 2, 3, 4，陈宇薇1, 4(1. 水灾害防御全国重点实验室，江苏南京 210029； 2. 长江保护与绿色发展研究院，江苏南京 210098； 3. 水利部应对气候变化研究中心，江苏南京 210029； 4. 河海大学水安全与水科学协同创新中心，江苏南京 210098；5. 四川大学水力学与山区河流开发保护国家重点实验室，四川成都 610065)摘要: 全球变暖导致降水变率增大，水文波动性增强。

嘉陵江水资源丰富，科学预估其未来水资源变化及极端水文事件对支撑经济社会和生态环境平衡发展至关重要。

已有研究主要集中于嘉陵江历史径流演变，对气候变化背景下未来流域水资源响应及极端水文事件预估较少。

基于第6次国际耦合模式比较计划CMIP6计划的22个气候模式耦合可变下渗容量模型（VIC模型），预估了不同代表性典型浓度路径下嘉陵江流域未来径流变化趋势，分析了极端水文事件强度的未来演变趋势。

多尺度水文水资源预报预测预警关键技术及应用研究

多尺度水文水资源预报预测预警关键技术及应用研究摘要：随着科学技术的进一步发展，在水文水资源预报预测方面，相关方面的技术也有了很大程度的进步和发展，对于防范自然灾害，防洪减灾等相关工作中，体现出至关重要的作用。

因为气候条件的变化，加上人类生产和生活的各项活动进一步加剧，导致水文水资源预报也面临全新的问题和挑战。

在这样的情况下，进一步创新相关方面的关键技术和方式方法，对于有效防灾减灾，促进经济社会实现持续稳定的发展，有着至关重要的作用。

基于此，本文有针对性的分析和探究多尺度水文水资源预报预测预警关键技术及应用等一系列相关内容，希望通过本文的简要分析能够为相关从业者提供某种程度上的参考和借鉴。

关键词：多尺度；水文水资源；预报预测预警；关键技术；应用研究引言在21世纪，水资源是各个国家至关重要的战略资源之一，结合这样的情况，我国也相继出台了《国家中长期科学和技术发展规划纲要》等纲领性文件，切实有效的把水资源问题纳入到核心领域的首要问题，以此进一步有效推进我国水利工程建设，进一步有效加强水利防灾减灾体系建设范围之内，这也是我国生态文明建设过程中至关重要的战略任务，对于国民经济持续稳定的发展，有着极其重要的促进作用。

从整体上来看，我国人均水资源量比较低，在时间和空间分布方面也十分不均匀，在这样的情况下，洪涝灾害层出不穷，防灾减灾任务十分严峻，国家水资源高效开发和利用成为十分迫切的要求，这对于水文水资源学科和相关行业也提出了更高的要求和标准，需要进一步从根本上有效提升水文水资源多尺度预报预测预警水平，确保我国水资源能够实现智能调度，进行切实的精细化管理。

据此，下文重点分析多尺度水文水资源预报预测预警关键技术及应用等相关内容。

1 多尺度水文水资源预报预测预警项目的重要意义当前，气候变化十分严重，又加之人类高强度的生产和生活活动，两者共同作用，使水循环时空规律发生了很大程度的复杂变化，甚至变异，各种极端气候和水文事件层出不穷，时空格局也呈现出全新的特点，水文节律非稳态趋势进一步增强，在很大程度上加剧了它的不确定性。

基于VIC模型构建的综合干旱指数在黄河流域的应用

基于VIC模型构建的综合干旱指数在黄河流域的应用朱悦璐;畅建霞【摘要】[目的]研究黄河流域年内和年际尺度的干旱特征,为评估干旱、半干旱地区极端气候提供参考.[方法]基于VIC模型划分0.5°×0.5°经纬网,结合黄河流域多年降水资料,将子流域所有网格日径流取均值,采用GPP(Gringorten plotting position)算法构建非参数多变量综合干旱指数(Non-parametric multivariate standardizeddrought index,NMSDI),并在黄河流域进行了实例应用.[结果](1)在6个月尺度上,干旱初期NMSDI指数与标准化降水指数(Standardized precipitation index,SPI)类似,末期与标准化流量指数(Standardized streamnow index,SSI)类似.(2)黄河上游及北部干旱较其他区域更为严重,旱灾风险春夏高、秋冬低.(3)黄河流域年内和年际的NMSDI指数以降低为主,但R/S分析表明,降低的趋势在未来有所减缓.(4)黄河流域年际NMSDI系列趋于稳定,仅渭河流域在1991年出现突变,可能是气候变化与人类活动耦合的结果.[结论]与传统的干旱指标相比,NMSDI综合了气象、水文干旱指标的特点且不依赖于假设的分布函数,可以有效捕获干旱状态,同时避免了不同指标之间不能直接比较的不足,在研究流域有较好的适用性.%[Objective] This study investigated drought characteristics at annual and inter-annual scales in the Yellow River basin to provide reference for the assessment of extreme climate in arid and semi-arid regions.[Method] Grid cells with 0.5°×0.5° were set up based on VIC bined with the multiply years precipitation data,the average runoffs of all sub basins were calculated,and the plotting position Gringorten algorithm was used to construct a non-parametric multivariate standardized drought index (NMSDI).[Result] (1) On 6-monthsscale,NMSDI was similar as standardized precipitation index (SPI) in early drought and similar as standardized streamnow index (SSI) in end drought.(2) The drought in the upper reaches and north of Yellow River was more severe than other regions,and drought risk in spring and summer was higher than in autumn and winter.(3) The annual and inter annual NMSDI indexes of the Yellow River basin decreased,while R/S analysis showed that the trend in future would reduce.(4) In the Yellow River basin,annual NMSDI series would tend still,only mutations occurred in the Wei River basin in 1991 as a result of climate change and human activities.[Conclusion] Compared with traditional drought index,NMSDI does not rely on assumptions about the distribution of function and avoids the lack of different indicators.It has good applicability in the study watershed.【期刊名称】《西北农林科技大学学报（自然科学版）》【年(卷),期】2017(045)002【总页数】10页(P203-212)【关键词】综合干旱指数;非参数方法;VIC模型;标准化降水指数(SPI);黄河流域【作者】朱悦璐;畅建霞【作者单位】西安理工大学水利水电学院,陕西西安710048;西安理工大学水利水电学院,陕西西安710048;西北旱区生态水利工程国家重点实验室培育基地,陕西西安710048【正文语种】中文【中图分类】P338+.6干旱是自然界的一种极端气候现象，其特点为波及的空间尺度大、时间跨度长、旱灾损失严重。

variable infiltration capacity mode

variable infiltration capacity mode “变量渗透能力模型”（Variable Infiltration Capacity model，简称VIC模型）是一种广泛应用于水文模拟和地表水循环研究的模型。

VIC模型通过模拟流域内雨水的渗透和径流过程，以及土壤湿度和蒸散发等关键水文过程的变化，能够提供对地表水资源管理和水灾风险评估的重要支持。

本文将分步回答有关VIC模型的相关问题，从模型的概述、输入数据、运行过程到实际应用等方面对其进行详细介绍。

一、概述VIC模型是在20世纪90年代初期由美国加利福尼亚大学圣地亚哥分校的团队开发的。

它是一种物理性质参数的水文模型，旨在模拟土壤水分的储存和运动、蒸散发以及侵蚀等过程。

VIC模型的基本原理是将流域划分为若干个均匀的格网单元，利用气象数据和土壤参数，通过模拟单位面积上的水量平衡，得到流域尺度的水文过程和土壤湿度变化。

二、输入数据VIC模型的运行需要大量的输入数据，主要包括气象数据、土壤参数、植被覆盖和DEM（数字高程模型）等。

气象数据包括降水、气温、风速、日照时数等，通常使用地面观测数据或气象再分析数据。

土壤参数包括土壤导水系数、饱和导水率、土壤含水容量等，可以通过实地采样或参考土壤分类数据库获取。

植被覆盖信息用于计算植被蒸散发和冠层拦截降水作用，可以通过卫星遥感数据或专业数据库获取。

DEM数据用于计算流域的地形起伏和地势梯度，可以通过航空激光雷达等遥感技术获取。

三、模型运行过程VIC模型的运行主要包括预处理、初值设定、时间步进和输出处理等步骤。

预处理阶段主要用于将输入数据转换为模型所需的格式，并进行一些基本的检查和修正。

初值设定阶段用于确定模型的初始状态，通常可以利用历史观测数据进行插值或外推。

时间步进阶段是模型的核心运算过程，它利用输入数据和模型参数进行计算，并更新土壤湿度、蒸散发和径流等变量的值。

输出处理阶段用于将模型计算结果进行整理和输出，以供进一步的分析和应用。

VIC水文模型入门攻略(中)VIC的数据和输入文件准备

VIC水文模型入门攻略（中）VIC的数据和输入文件准备VIC（Variable Infiltration Capacity）是一个广泛应用于水文模型中的陆地水文过程模型，可以模拟流域的水文循环和水资源管理。

下面是VIC水文模型的入门攻略，主要介绍VIC的数据和输入文件的准备。

1.数据准备VIC模型对一些基本数据要求较高，包括以下几个方面：-降水数据：提供流域范围内的降水数据。

可以使用实测数据，也可以使用区域模型（如气象模型、降尺度模型）的输出数据。

-温度数据：提供流域范围内的气温数据，可以使用相同方法获取。

-蒸散发数据：提供流域范围内的蒸散发（ET）数据，可以使用实测数据，也可以使用区域模型的输出数据。

-土壤数据：提供流域范围内的土壤数据，包括层次结构、含水量，可使用实测数据或其他模型的输出数据。

以上数据可以通过实测、气象站点、遥感影像或其他地理信息系统提供。

数据准备的质量和完整度会直接影响VIC模型的模拟效果。

VIC模型的输入文件主要包括控制文件（control file）和参数文件（parameter file）。

3.数据处理与格式转换根据VIC对输入数据的要求，可能需要对原始数据进行一些处理和格式转换。

常见的数据处理包括：-插值：对于不均匀分布的站点观测数据，需要进行插值处理，得到整个流域范围内的降水、温度、蒸散发等数据。

-空间分布：对于遥感影像等连续数据，需要将其转换为流域范围内各个栅格单元的数值。

-格式转换：将数据转换为VIC模型能够识别的格式。

VIC支持的数据格式包括ASCII文本、GRIB等。

如果原始数据格式不符合要求，需要进行格式转换。

数据处理和格式转换的方法可以使用GIS软件（如ArcGIS、QGIS）、编程语言（如Python、R）等完成。

4.运行VIC模型数据和输入文件准备完成后，可以运行VIC模型进行水文模拟。

VIC模型本身是C++编写的，可以在Linux或Windows系统下编译和运行。

水文学模型在长江流域洪水预报中的应用研究

水文学模型在长江流域洪水预报中的应用研究引言：长江流域是中国最长的河流，流经中国18个省市，其水文特征复杂多变。

洪水是长江流域地区面临的重要自然灾害之一，对保护人民生命和财产安全具有重要意义。

为了准确预报和有效应对洪水灾害，水文学模型成为长江流域洪水预报的重要工具。

本文旨在研究水文学模型在长江流域洪水预报中的应用，探讨其在洪水预报和防灾减灾中的作用和意义。

一、水文学模型简介水文学模型是基于气象、地形及流域特征等数据构建的数学模型，用来模拟和预测水文过程，如径流形成和径流过程、洪水的形成和演变等。

根据模型的复杂程度和研究目标，可以分为简化模型和复杂模型。

其中，简化模型常用于实时洪水预报，而复杂模型常用于长期洪水预报和水资源规划管理。

二、水文学模型在洪水预报中的应用1. 水文学模型的数据输入洪水预报需要大量的数据支持，水文学模型可以利用气象、地质、地貌等数据为洪水预报提供输入。

通过模型的数据输入，可以得到流域的水文特征参数，如流速、水位、流量等，为洪水预报提供重要参考。

2. 水文学模型的洪水模拟水文学模型能够通过建立的数学方程和流域特征数据模拟洪水的形成和演变过程。

通过对模型的精细调整和优化，可以准确地预测洪水的开始、达到峰值和消退等关键时刻，进一步了解洪水的规模和持续时间，为预警和应对洪水提供依据。

3. 水文学模型的预警功能水文学模型可以根据模型输出的洪水信息，结合历史数据和实况监测数据，进行洪水预警。

通过对洪水预警的及时发布和准确性，可以有效降低洪水对人民生命和财产的威胁，提高洪水防灾减灾的效果。

4. 水文学模型的防灾减灾规划水文学模型不仅能够预测洪水发生的时间和规模，还可以根据模型的结果制定相应的防灾减灾规划。

通过模拟不同防洪措施的效果，确定最佳防灾减灾方案，提高长江流域洪水灾害防治的能力。

三、水文学模型在长江流域洪水预报中的挑战和展望1. 数据不确定性洪水预报中的数据不确定性是一个常见的挑战。

黄河流域水文模型最新研究应用与进展

选取对径流量模拟产生黄河上游宁蒙河段 [ 9]
较大影响的参数进行敏
感性分析
2019 径流预报模型
采用 EEMD-ANN 组合黄河上游龙羊峡水 [ 6]
方法
库入库径流
2019 SWAT 模型
采用 CMADS 数据集黄河上游
驱动
2019 SWAT 模型
模拟渠系水的利用系数黄河上游青铜峡 [ 5]
法、研究极值理论( EVT) 法等进行模拟,衍化完善出更
多改进模型,从而更好地模拟水文现实状况。由于现
题,急需加强黄河治理与保护,同时积极构建多元素
行模拟方法众多,加之前人已对各种模型进行过归纳
结合的水文模型,用以切实分析模拟黄河流域在各种
总结,本文仅研究近两年的最新研究应用成果,以期对
梳理在黄河流域已被应用模型的模拟情况,参考了 2018—2019 年有关黄河流域水文模型的科研成果,并进行了归纳
总结。总结发现,现有模型只有少数能深入结合水文要素、土壤要素、气象要素与下垫面等要素进行水文模拟,其他多
数模型只停留在表面模拟应用上。根据现有实际情况,提出了两点关于未来黄河流域水文模型发展趋势的认识。
2. 1 黄河流域上游主要水文模型研究及应用
量的模拟。黄河流域中游主要面临水土流失、防洪等
近两年国内学者在黄河上游水文模型的构建多
突出问题,因流经黄土高原,泥沙大量入河,使黄河成
以用来模拟径流量的变化,其中近两年应用最广的是
为世界上含沙量最大的河流,同时中游也是重要的大
SWAT 模型 ( 表 2 ) 。周帅等 [ 4] 通过拉丁超立方法

水力模型在国内外城市排水系统建设中的应用对比研究

水力模型在国内外城市排水系统建设中的应用对比研究摘要：自上世纪七十年代以来，排水系统水力模型已成为美国、英国、澳大利亚等发达国家和地区规划设计的重要手段。

在中国，《室外排水设计规范》（2014年）规定在排水管道设计中宜引人排水系统水力模型进行校核，标志着水力模型在国内排水系统规划设计的应用也逐步得到重视。

本文拟通过对比水力模型在国内外的应用历史和现状，为以后水力模型应用的发展做出一些梳理总结。

关键词：排水系统；水力模型；SWMM1引言排水系统水力模型是在基于水文学和水力学研究的基础上，对城市排水系统的全过程进行数学模拟和计算的过程。

水力模型不仅可以准确计算降雨径流以及呈现出管渠中水流动的过程，而且系统中的泵站、闸门等构筑物的运行调度规则也可以在模型中准确模拟。

采用该方法分析计算比推理公式法更加准确。

2国外排水系统水力模型应用历史与现状2.1美国世界上开始采用水力模型进行设计起于上世纪七十年代的美国。

由美国环境保护署（EPA）在1971年开发的SWMM模型至今已发展到第五代版本。

SWMM模型是一个将降雨-径流-下垫面-管流集合在一起的动态模型。

随后美国开发了一系列城市排水系统模型，其中包括伊利诺斯城市排水区域模拟模型（ILLUDAS），美国陆军工程兵团水文工程中心开发的储存、处理、溢流和径流模型（STORM）等。

美国城市排水系统水力模型的应用范围是随着联邦政府和各州政府针对雨洪管理和水环境保护的认识以及出台的规定而逐步扩展的。

诞生之初，排水模型用于设计针对防洪的城市排水系统。

随着20世纪70年代提出的雨水最佳管理措施（BMPs），到90年代提出的低影响开发（LID），美国的城市排水系统规划设计理念也从建造末端收集处理设施发展到源头控制。

美国环保署也相继在2000年和2004年发布了关于雨水最佳管理措施（BMPs）和针对城市排水溢流污染控制（CSO和SSO）的报告。

在环保理念发展变化的过程中，排水模型的功能模块逐步增加和完善，并在以下各个方面进行广泛的应用：（1）设计针对洪水控制的排水管网的尺寸；（2）设计针对洪水控制和水质保护的滞留、调蓄设施及其附属构筑物；（3）绘制自然渠道/河道的泛洪区；（4）设计合流污水溢流污染控制措施；（5）评估入流和地下水渗透对生活污水溢流的影响；（6）计算非点源污染物负荷；（7）采用低影响开发措施控制场地径流；（8）评估最佳管理措施和低影响开发对减少雨季污染负荷的作用。

水文模型大全

Water Rights Analysis Package (WRAP)
GIS Application in Hydrology and Hydraulics
Automated Geospatial Watershed Assessment Tool eCoastal Program BASINS version 4.0 GIS Weasel HAZUS-MH HEC-GeoRAS HEC-GeoHMS MapWindow NHDPlus Append Tool NRCS Geo-Hydro_ArcGIS NRCS Geo-Hydro_ArcView StreamStats Soil and Water Assessment Tool (SWAT)
Environmental Models
Agricultural Non-Point Source Pollution Models (AGNPS 98) Areal Nonpoint Source Watershed Environmental Simulation (ANSWERS)
Continuous Annual Simulation Model (CALSIM) Erosion Productivity-Impact Calculator/ Environmental Policy Integrated Climate (EPIC) Hydrologic Simulation Program-Fortran (HSPF) LOAD ESTimator (LOADEST) One-dimensional Transport with EQuilibrium chemistry (OTEQ) Illinois Least-Cost Sewer System Design Model (ILSD) Illinois Urban Storm Runoff Model (IUSR) Water Quality/Solute Transport (OTIS) Soil Water Assessment Tool (SWAT) Large Scale Catchment Model, formerly CALSIM (WRIMS)

VIC模型在东江流域城市化水文响应研究中的应用

Journal of Water Resources Research水资源研究, 2014, 3(1), 78-83/10.12677/jwrr.2014.31013 Published Online February 2014 (/journal/jwrr.html) Application of VIC Model to Hydrological Response Caused by Urbanization in Dongjiang BasinZengxin Yu1, Jiaquan Deng2, Cheng Liu21South China University of Technology, Guangzhou2Pearl River Hydraulic Research Institute, GuangzhouEmail: jiaquandeng@Received: Sep. 30th, 2013; revised: Nov. 20th, 2013; accepted: Nov. 26th, 2013Copyright © 2014 Zengxin Yu et al. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited. In accordance of the Creative Commons Attribution License all Copyrights © 2014 are reserved for Hans and the owner of the intellectual property Zengxin Yu et al. All Copyright © 2014 are guarded by law and by Hans as a guardian.Abstract:As a grid based semi-distributed hydrological model, VIC is the important tool in evaluating the basin hydrological response to environmental changes. The Dongjiang VIC model is established at the spatial resolution of 0.25˚ by using the University of Maryland Global Land Cover Facility 1 km dataset, Harmo-nized World Soil Database and the Meteorological Data from the meteorological or precipitation stations lo-cated in the Dongjiang basin. Based on the characteristics of the flow confluence in Dongjiang Basin, the routing model developed by Dag Lohmann is coupled with the VIC to calculate the stream-flow. Monthly values of simulated stream-flow are compared with observations collected from Boluo hydrologic station (1961-1970) to calibrate and verify the VIC model. The results show that the relative errors of average annual runoff are respectively 6.2% and 2.0%, and the Nash-Sutcliffe coefficients are respectively 90.1% and 84.3%, which means that VIC model has good adaptability to the hydrological simulation of Dongjiang Basin. Aim-ing at the parameterization deficiency of VIC model for stream-flow generation from urbanized areas, the in-fluence of different types of land use and K sat values to stream-flow generation for grid cell is discussed. The results show that there are no key parameters in the vegetation file for stream-flow generation from urbanized areas, while to adjust the value of K sat in the soil file has a positive effect on simulating the base-flow and runoff generation from urbanized areas.Keywords:VIC Model; Hydrologic Simulation; Dongjiang Basin; UrbanizationVIC模型在东江流域城市化水文响应研究中的应用余增鑫1，邓家泉2，刘诚21华南理工大学，广州2珠江水利科学研究院，广州Email: jiaquandeng@收稿日期：2013年9月30日；修回日期：2013年11月20日；录用日期：2013年11月26日摘要：VIC作为基于单元网格的半分布式水文模型，是目前评价流域环境变化下水文响应的重要工具。

中国东北三省地下水储量时空变化特征及其影响因素分析　

第34卷第3期2023年5月㊀㊀水科学进展ADVANCES IN WATER SCIENCE Vol.34,No.3May 2023DOI:10.14042/ki.32.1309.2023.03.004中国东北三省地下水储量时空变化特征及其影响因素分析王子龙,孙昌鸿,姜秋香,刘传兴,单家珣(东北农业大学水利与土木工程学院,黑龙江哈尔滨㊀150030)摘要:为完善区域地下水开发利用措施㊁规划区域地下水资源管理,利用GRACE 卫星评估2002 2017年中国东北三省地下水储量变化规律㊂结合GRACE 和GLDAS 估算地下水储量变化,与实测地下水储量变化对比验证,并探究其影响因素㊂结果表明:GRACE 模拟地下水储量变化与实测地下水储量变化相关性较强,为0.72;地下水储量在2013年盈余最大,2008年亏损最大,平均增长率为2.23mm /a,秋冬两季有明显亏损,夏季发生盈余;地下水储量空间分布有明显差异性,2013年前东北少西南多,2013年后东北多西南少,黑龙江省变化较为明显,辽宁省和吉林省受旱灾影响亏损过多;降水量和农业用水量变化与地下水储量变化极显著相关,冬季地下水储量变化与降雪显著相关㊂研究东北三省地下水储量时空变化对中国乃至全球水资源优化配置和生态环境可持续发展具有参考价值㊂关键词:地下水储量变化;GRACE;GLDAS;降水量;农业用水中图分类号:P228;S127㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:1001-6791(2023)03-0360-14收稿日期:2023-01-04;网络出版日期:2023-06-01网络出版地址:https :ʊ /kcms2/detail /32.1309.P.20230531.1450.004.html基金项目:国家自然科学基金资助项目(52179035);黑龙江省自然科学基金资助项目(YQ2019E004)作者简介:王子龙(1982 ),男,山东胶州人,教授,博士,主要从事寒区水土资源高效利用方面研究㊂E-mail:wangzilong2017@ 通信作者:姜秋香,E-mail:jiangqiuxiang2017@ 地下水作为水资源的重要组成部分,影响着作物生长㊁土壤质地以及生态环境平衡[1]㊂地下水储量作为衡量水资源量的重要评价指标之一,探究其时空变化情况及影响因素已成为亟须解决的科学问题[2]㊂此外,地下水储量的观测可用于地下水文研究和水文灾害预警[3]㊂因此,研究地下水储量变化特征对探究东北三省水储量时空分布及理解跨流域大尺度水资源优化配置有重要意义㊂目前,相比于传统的地下水储量监测方法,重力反演与气候实验(Gravity Recovery and Climate Experi-ment,GRACE)卫星技术打破了传统地基观测成本高㊁气象站点监测结果分布不均等局限性,解决了大尺度水文数据获取难的问题,数据较为精确且监测尺度统一㊂国内外学者将GRACE 卫星广泛应用于全球㊁区域和流域陆地水储量监测,进而计算地下水储量[4-6]㊂其中,国外学者针对流域范围的陆地水储量研究集中于亚马孙河流域和密西西比河流域,国内学者则关注于长江㊁黄河㊁雅鲁藏布江㊁黑河以及珠江等流域[7-10]㊂部分学者也通过监测欧洲和北极地区的陆地水储量来分析当地的水文气候特性[11-12],开展对寒旱地区的地下水储量估算研究,如印度㊁中国北方地区及华北平原地区等[13-15]㊂中国东北三省包括黑龙江省㊁辽宁省和吉林省,总面积约78万km 2,分布范围为38ʎ36ᶄN 53ʎ36ᶄN,118ʎ36ᶄE 135ʎ06ᶄE,属温带大陆性季风气候,是中国重要的商品粮基地㊂地下水资源总量相对丰富,但地下水供水量基本消耗地下水资源一半左右,年际变化不稳定且空间分布不均,部分地区中度缺水[16]㊂因冬季寒冷,监测地下水较为困难,长期存在数据稀缺问题,对评估地下水资源和识别地下水影响因素有一定的限制㊂对于东北三省水储量的研究,大部分学者停留于利用GRACE 卫星监测陆地水储量,分析地下水储量㊀第3期王子龙,等:中国东北三省地下水储量时空变化特征及其影响因素分析361㊀时空变化特征及其影响因素的研究仍然有限㊂本文基于GRACE新一代数据产品RL06结合GLDAS水文模型反演地下水储量,并与基于实测地下水数据所估算的储量变化对比验证,通过离散小波变换法研究东北三省地下水储量的变化趋势,运用Mann-Ken-dall突变检验法分析地下水储量的季节变化,借助相关分析法和频谱图研究自然因素和人类活动对其变化的影响㊂1㊀数据来源与处理方法1.1㊀GRACE数据GRACE卫星由美国国家航空航天局(NASA)和德国宇航中心(German Aerospace Center,DLR)合作研发,是监测并记录重力场变化的重力卫星[17]㊂主要为地球系统科学提供高分辨率平均时变地球重力场模型;利用GPS无线电掩星(Radio Occultation)技术获取全球温湿度剖面图;为研究海洋㊁冰川冰盖质量变化和水储量变化提供高精度的重力场模型[18]㊂GRACE数据产品主要由美国得克萨斯大学空间研究中心(Center for Space Research,CSR)㊁德国地学研究中心(Geo Forschungs Zentrum,GFZ)和美国喷气动力实验室(Jet Propulsion Laboratory,JPL)3家机构对外开放,可在ICGEM(International Centre for Global Earth Models)中心下载(http:ʊicgem.gfz-potsdam.de/se-ries)㊂本文采用GFZ中心提供的RL06月重力场数据,扣除高频非潮汐大气和海洋的质量变化影响[19],时间范围为2002年4月至2017年6月,共163个月(部分月份缺失),空间分辨率为1.00ʎˑ1.00ʎ㊂对GRACE月重力场数据进行预处理,运用海洋模型和GRACE Stokes系数所估算的1阶重力系数替换原有系数;采用高精度卫星激光测距(Satellite Laser Ranging,SLR)得到的月估计值替换原有的C20球谐系数㊂基于Swenson提出的去相关滤波器法去除GRACE数据南北条纹误差,以半径为300km的高斯滤波平滑信号噪声,滤波后的数据截取为60阶次,由此计算出球谐系数,并去除沿海区域海平面信号泄露的影响㊂将球谐系数转换为空间分辨率更高的0.25ʎˑ0.25ʎ栅格数据,同时利用gmt_cs2grid函数估算数据处理过程中的偏差和泄漏从而降低误差㊂上述处理过程基于冯伟设计的开源程序GRACE_Matlab_Toolbox(GRAMAT)[20],完善部分代码后计算陆地水储量为等效水高度,单位为mm㊂1.2㊀GLDAS数据GLDAS(Global Land Data Assimilation Systems)是由美国国家航空航天局戈达德空间飞行中心(GSFC)与美国海洋和大气局国家环境预报中心(NCEP)联合研发提供[21],数据可在美国宇航局戈达德地球科学数据和信息服务中心GES DISC下载(https:ʊ)㊂GLDAS数据集中包含CLSM和NOAH2个陆面模型和VIC水文模型㊂本研究从GLDAS-2NOAH模型数据中提取出逐月土壤水分数据,空间分辨率为0.25ʎˑ0.25ʎ,时间序列为2002 2017年㊂为削减GRACE后处理过程中信号和精度改变引起的误差,使其与真实陆地水储量近乎相似㊂对数据进行2种处理,一是将GLDAS格网数据进行同GRACE处理方法相同的滤波平滑处理,二是对0~2m土层的土壤水分求和并距平㊂比较2种处理后的GLDAS模型数据,算得尺度因子可以反映出GRACE信号衰减幅度,其中距平处理得到的土壤水分变化即为土壤水储量变化㊂本文采用单一尺度因子恢复法,2种处理方法得到的GLDAS数据之间残差平方和最小时,计算得尺度因子为1.94㊂将其与GRACE估算的陆地水储量相乘,得到最终的陆地水储量变化估计值[22]㊂1.3㊀实测地下水和影响因素数据本文根据‘中国地质环境监测地下水位年鉴“获取东北三省的地下水位实测数据,时间范围从2005 2015年共计119个月(部分月份缺失)㊂研究区实测地下水类型选取为潜水和承压水,选取的地下水位数据362㊀水科学进展第34卷㊀为地下水水位变幅㊂地下水实际监测点位于东北三省36个城市,共计56个监测点,基本覆盖整个研究区,部分监测点地下水位实测值如表1所示,研究区地下水位监测点位置分布如图1所示㊂表1㊀中国东北三省部分地区地下水位变幅Table1Groundwater level variation in some areas of the three provinces of Northeast China 省份监测点监测时间水位/m黑龙江哈尔滨市香坊木材厂2012-060.15齐齐哈尔市铁峰区新发村2012-070.41鸡西市国土资源大厦2012-090.40辽宁沈阳市康平小城子乡孟家村2013-040.13大连市甘井子区辛寨子2011-050.90鞍山市海城市高坨镇三道村2014-080.27吉林长春市体育馆旁2013-110.57白城市洮儿河王家塘坊2009-100.04四平市条子河车站2007-010.17图1㊀研究区地貌和地下水监测点位分布Fig.1Geomorphology and groundwater monitoring site distribution in the study area㊀㊀降水数据来源于中国气象数据网(http:ʊ/)和国家青藏高原科学数据中心(http:ʊ/zh-hans/),2种数据的精度同为0.1mm㊂本研究选取了位于黑龙江省的气象站降水量逐日变化资料,将其整理汇总为月度数据㊂基于较高分辨率的‘中国1km分辨率逐月降水量数据集(1901 2020)“获取吉林省和辽宁省的降水数据[23-24]㊂根据降水数据集计算得黑龙江省的月值降水量与气象站点的降水量较为相符,可用于计算东北三省的月度降水数据㊂潜在蒸散发数据来源于国家青藏高原科学数据中心,本研究根据‘中国1km逐月潜在蒸散发数据集(1990 2020)“获取黑龙江省㊁吉林省和辽宁省的潜在蒸散发数据[25-26],精度为0.1mm㊂地表径流数据来自GLDAS的CLSM陆面模型,时间分辨率为1d,空间分辨率为0.25ʎˑ0.25ʎ,时间范围为2003 2017年㊂将其整合处理为月值数据后,计算得地表径流量㊂人口数据来源于国家青藏高原科学数据中心的‘全国各地区常住人口规模(2007 2018)“[27]和‘全国各地区人口出生率㊁死亡率㊁自然增长率(2001 2008)“[28]㊂农业用水量数据来源于黑龙江省㊁吉林省和辽宁㊀第3期王子龙,等:中国东北三省地下水储量时空变化特征及其影响因素分析363㊀省的水资源公报㊂1.4㊀数据处理方法1.4.1㊀水量平衡原理陆地水储量包含有地表径流量㊁地下水量㊁土壤水量㊁雪水储量及植被冠层储水量[29]㊂由于GLDAS 监测植被含水量和冰川积雪储量变化量相对于陆地总水储量变化量微小,参考已有研究在计算水储量变化时将其忽略㊂同时地表水受水循环的作用处于相对稳定状态,探究水储量变化时也基本可以忽略[30-31]㊂由此,构建水量平衡方程如下:ΔS GW =ΔS TW -ΔS SM (1)式中:ΔS GW 为地下水储量变化,mm;ΔS TW 为陆地水储量变化,mm;ΔS SM 为土壤水储量变化,mm㊂为便于验证,需要给实测地下水数据乘以给水度,给水度反映的是含水层释水能力的强弱[32]㊂地下水实际监测点大部分位于松嫩平原㊁辽河平原和白城扇形地,含水层类型为松散岩类孔隙含水层,结合中国地质调查局所提供的含水层岩性给水度经验值,计算得区域平均给水度为0.26[33-34]㊂将观测的地下水位变幅插值平均,得到东北三省地下水位的月度数据㊂计算实测地下水储量变化量公式如下:ΔS GW,me =H ˑ0.26ˑ1000(2)式中:ΔS GW,me 为实测地下水储量变化,mm;H 为地下水水位变幅月值,m㊂1.4.2㊀评价方法为评估模型的准确性,运用了皮尔逊相关系数(r )㊁均方根误差(E RMS )和标准化均方根误差(E NRMS )3种评价指标㊂r 的绝对值越接近于1说明相关性越好;E RMS 越小表示数据一致性越好;E NRMS 有助于比较不同比例的数据集或模型,E NRMS 越接近或小于10%时,模拟值和实测值的一致性较好,但当其大于30%时,模拟值和实测值一致性较差[35]㊂计算公式如下:r =cov(X ,Y )σX σY(3)E RMS =ðn i =1(X i -Y i )2n (4)E NRMS =E RMS Y max -Y min (5)式中:X 为实测值;Y 为模拟值;Y max ㊁Y min 分别为模拟值的最大值和最小值;σX ㊁σY 分别为样本X 和Y 的标准差;n 为样本个数㊂1.4.3㊀Mann-Kendall 突变检验法Mann-Kendall(MK)检验是一种不受少数异常值影响的非参数统计检验,可用于判断水文气象数据的突变年份和变化趋势㊂通常给定显著性水平α=0.05,相应临界值U 0.05=ʃ1.96,U F 和U B 分别是按照时间序列正顺序和逆顺序计算出的统计序列㊂U F 和U B 在临界区内交点所对应的时间即为原时间序列突变开始的时间,当U F >0时序列呈上升趋势,反之呈下降趋势,位于临界值外时表示变化趋势显著[36]㊂1.4.4㊀离散小波变换法离散小波变换法(Discrete wavelet transform,DWT)是对连续小波变换的尺度㊁位移按2次方进行离散化得到的,也称为二进制小波变换,其中高频对应高时间分辨率,低频对应高频率精度,可在时间和频率上取得一定平衡㊂将时间序列分解为低频和高频部分,能有效判断时间序列中的潜在趋势,其中最大分解水平上的低频序列可用来表示时间序列的变化趋势[37]㊂364㊀水科学进展第34卷㊀2㊀结果分析与讨论2.1㊀地下水储量空间分布对于东北三省地区有部分国内学者使用CSR和JPL机构提供的GRACE数据模拟陆地水储量变化,为保证准确性和更高的精度,本文获取CSR和JPL机构提供的数据,采取相同的处理方式估算地下水储量变化㊂分析其与实测地下水量的关系,实测地下水量与GFZ㊁CSR和JPL的E RMS分别为23.7mm/月㊁24.8mm/月和24.0mm/月,其在研究区内的精度较好,且GFZ的信噪比值大于其他2种产品,由此可知GFZ产品更适用于东北三省的陆地水储量监测㊂补充GRAMAT已有的代码程序,计算当年12个月数据的平均值,以此来代表该年水储量,再将16a的年水储量距平,得到东北三省地下水储量年变化的空间分布,并运用克里金法进行空间插值如图2所示㊂地下水储量变化呈现出明显波动趋势,2002 2008年有逐渐下降趋势,2009年短暂上升后出现亏损状态,于2013年增加到最大后缓慢下降㊂整体空间上地下水储量在2013年前表现为南多北少,2013年后表现为南少北多㊂图2㊀2002 2017年基于GRACE估算东北三省地下水储量年变化的空间分布Fig.2Spatial distribution of yearly groundwater storage variations in the three provinces of Northeast China estimated from GRACE from2002to2017㊀第3期王子龙,等:中国东北三省地下水储量时空变化特征及其影响因素分析365㊀2002 2012年东北部黑龙江省一带地下水储量减少,亏损最大区域位于小兴安岭地区㊁松嫩平原㊁三江平原以及东部山地一带;大兴安岭地区地下水储量相对稳定,对比多年平均长期处于弱增长状态;辽宁省㊁吉林省大部分地区和长白山地一带地下水储量变化相对较小,处于长期稳定状态㊂2013年研究区地下水储量达到峰值,在黑龙江省西北部增长最大,与该年东北三省洪灾受损严重地区较为吻合㊂2013年后辽宁省和吉林省部分地区受旱灾影响地下水储量开始处于亏损状态且长期难以恢复至正常水平,亏损趋势逐渐向黑龙江省扩散;长白山地一带受洪灾影响较小,地下水储量在2013年短暂增长后重新归于稳定,仅在西南段有一定程度的亏损;黑龙江省大兴安岭地区地下水储量在2013 2017年间虽然存在相对缓慢的减少趋势,但较多年平均仍有一定盈余㊂2.2㊀地下水储量时间变化分析分析地下水储量变化量与实测地下水储量变化量的相关性(图3(a))㊂2002 2017年地下水储量与实测地下水储量变化量具有极显著相关性且相关系数为0.72,表明GRACE模拟的地下水储量变化可以很好地解释东北三省地下水变化㊂GRACE模拟地下水储量平均增长率为2.23mm/a,实测地下水位变化也在逐年增长,平均增长率为3.19mm/a㊂地下水储量变化具有时间差异性,在2013年底达到最大,为72.03mm;在2008年初最小,为-79.36mm;2012 2016年整体变化幅度相对多年平均有所增加㊂实测地下水储量变化幅度在-36~56mm之间㊂根据图3(b)发现,实测地下水储量变化同ΔS SM具有一定程度的负相关,满足水量平衡原理,当某一时段土壤水储量减少时,实测地下水储量变化量处于增长状态㊂实测地下水储量变化同陆地水储量变化的趋势和波动更为一致,分析两者相关性,其相关系数为0.64,且呈极显著相关关系,说明根据GRACE模拟的陆地水储量中地下水储量占据其重要组成部分㊂图3㊀2002 2017年间东北三省地下水储量的时间变化Fig.3Temporal variation of groundwater storage in the three provinces of Northeast China from2002to2017366㊀水科学进展第34卷㊀对地下水储量变化的时间序列进行MK突变分析(图3(c))和DWT趋势分析(图3(d),D5㊁D6分别表示分解层数为5和6的趋势)㊂由MK突变检验分析表明,地下水储量大部分时间呈下降趋势,在2011年底发生突变后呈现上升趋势并在2014年初显著上升㊂为更好地观察地下水储量变化的趋势,借助DWT将地下水储量序列分解为6个子序列,其中分解层数为6的低频重构序列反映的变化趋势同MK结果更为相符,趋势更加显著,由此可确定东北三省2002 2017年地下水储量总体呈波动趋势,先下降后上升最终趋于平稳㊂分离出2002 2017年间东北三省季节性地下水储量变化,并通过MK法分析其趋势和突变时段(图4)㊂地下水储量呈现明显的季节性变化,振幅基本为ʃ25mm,与实测地下水储量有较好的一致性㊂春季ΔS GW 在2002 2012年间波动较为明显并存在一定亏损,于2012年发生突变后呈现上升趋势;夏季ΔS GW趋势明晰,在2002 2010年间持续下降,于2010年发生突变后逐渐呈上升趋势,并在8月产生最大盈余,盈余24.83mm;秋冬两季地下水储量在2002 2012年呈现持续下降趋势,其中秋季ΔS GW存在短期增加,冬季2月份发生最大亏损,亏损-19.04mm,两季于2012年发生突变后逐渐恢复上升趋势,推测地下水储量减少的主要原因为该季节降水较少,而生产生活供水较大,需要地下水供给㊂由图3(c)和图4可知,地下水储量在年际㊁春季㊁秋季和冬季的突变点均在2012年左右㊂根据中国气象局发布的气候事件,春季发生突变是由于黑龙江省该年春季土壤干旱程度最为严重,土壤湿度存在明显下降趋势;秋冬两季发生突变是由于秋季多个台风登陆引起的暴雨天气和冬季大范围暴雪天气,陆地水储量呈持续上升趋势㊂图4㊀2002 2017年间地下水储量的季节变化Fig.4Seasonal variation of groundwater storage from2002to20172.3㊀地下水储量变化的影响因素探究地下水参与水循环路径会受到降水入渗㊁地表径流入渗补给㊁河道排泄和潜水层蒸发等自然因素的影响,同时灌溉补给和地下水开采等人类活动也会对其造成影响㊂东三省被认为是农业重点发展区,其地下水作为农业用水中的重要部分会受到一定程度影响[38-39]㊂运用皮尔逊相关分析法,分析自然因素和人为因素对地下水储量的影响㊂自然因素包括降水㊁潜在蒸散发㊁土壤湿度和地表径流,人为因素有人口数量和农业用水㊂由于人为因素缺乏相关月度数据,因此只比对自然因素与ΔS GW的月相关系数㊂由图5可知,自然因素与ΔS GW均存在极显著相关,其中,呈明显负相关的是土壤湿度,相关系数为-0.55,地表径流的相关性较小为-0.34;呈较明显正相关的是降水,相关系数为0.33㊂土壤湿度㊁降水和地表径流成为对ΔS GW影响较大的因素㊂在年相关关系中,人口数量与地下水储量变化量相关性不显著,但农业用水与ΔS GW显著相关,相关系数为0.58㊂本文在探究地下水开采对地下水储量变化量的响应关系时,以2002 2011年松辽流域水资源公报所提供数据为例(其大部分区域均与研究区重合),分析发现松辽流域地下水开采量以0.58mm/a的趋势增加,㊀第3期王子龙,等:中国东北三省地下水储量时空变化特征及其影响因素分析367㊀东北三省地下水储量变化量在同期虽处于下降趋势,但二者p值远大于0.05,无显著性差异㊂而且由于地下水系统的复杂性和非线性特征也会影响地下水开采对地下水储量变化量的响应关系,因此暂未考虑地下水开采对地下水储量变化量的影响㊂相对于地下水开采,农业用水与地下水储量变化量相关性最为明显,根据黑龙江省水资源公报可知,当地下水储量盈余时大部分被用于灌溉农田㊂图5㊀自然因素和人为因素与地下水储量的相关系数Fig.5Correlation coefficient of natural and human factors on groundwater storage基于偏相关分析法研究冬季地下水储量变化与自然因素的相关关系,降水与其存在显著相关性,成为气象因子中的主导因素㊂探究土壤湿度㊁潜在蒸散发㊁地表径流㊁综合变量(包括前3种变量)和无变量情况下降水和ΔS GW的相关关系(表2)㊂5种情况下降水和ΔS GW均表现出极显著相关,且在排除地表径流因素的干扰时,其相关系数达到最高㊂土壤湿度对其相关性没有明显影响,而排除潜在蒸散发和综合因素的干扰后相关性明显下降,就对ΔS GW的影响而言,冬季潜在蒸散发与降水存在拮抗关系㊂由于东北地区冬季降水基本以降雪形态出现,所以冬季地下水储量变化在一定程度上受降雪变化影响㊂表2㊀冬季地下水储量与降水的偏相关分析Table2Partial correlation analysis between groundwater storage and precipitation in winter控制变量偏相关系数显著性无变量0.4020.009土壤湿度0.4070.009潜在蒸散发0.3890.013地表径流0.4260.008综合变量0.3910.018㊀㊀如图6所示,借助降水数据发现降雪和地下水储量的变化趋势较为一致,有明显的周期性且年㊁半年周期一致,地下水储量变化量的振幅与降雪振幅较为相符㊂变化特征均呈先下降后上升的趋势,降雪在2012年底达到峰值,后续2013年底也有较大幅度增加,地下水储量随之在2013年底产生最大盈余㊂其中,2007年1月降雪量骤减现象并没有引起当月地下水储量的改变,但其1 2月明显地减少趋势对整体地下水储量变化产生了一定影响,即在2008年2月达最大亏损㊂由图7可知,地下水储量㊁降水㊁地表径流㊁潜在蒸散发和土壤湿度均呈现出很明显的周期性变化,且368㊀水科学进展第34卷㊀图6㊀冬季降雪与地下水储量变化量的频谱和时间分布Fig.6Spectrum and temporal distribution of snowfall and groundwater storage in winter各年㊁半年周期变化规律基本一致,地表径流因缺少部分数据在周期性上有些微差异㊂对地表径流影响较大的降水量与潜在蒸散发的年振幅分别为259.6mm和500.4mm,相较于其他气象因素的振幅差异明显;地下水储量年振幅与土壤湿度最为接近,在13~18mm之间;地表径流年振幅最小,为4mm㊂地表径流在很大程度上受降水和潜在蒸散发的影响,尤其受潜在蒸散发影响产生较大损失㊂地下水储量的降水补给部分,在很大程度上被地表径流和潜在蒸散发消耗㊂ΔS GW㊁降水量㊁地表径流㊁潜在蒸散发和土壤湿度年振幅的E RMS分别为2.60㊁35.66㊁0.61㊁63.92和1.84mm/月,由此分析ΔS GW和气象因子的E NRMS均在15.45%以下且差异性较小,表明ΔS GW和气象因子的频谱图较为可信㊂图7㊀东北三省自然因素与地下水储量的频谱Fig.7Spectrum of natural factors and groundwater storage in the three provinces of Northeast China 综合相关系数和频谱图2种分析方法对比可知,自然因素中土壤湿度和降水量对ΔS GW的影响最明显,又因本研究ΔS GW是依据土壤湿度计算而来,所以降水成为地下水储量变化的主要影响因素㊂2.4㊀降水量与地下水储量的时空分布关系分析计算得到的东北三省2002 2017年月度降水数据如图8(a)所示,规律与趋势同降水量的变化基本一致,2013年降水量增加,同期ΔS GW也有显著上升㊂地下水储量对降水的响应存在一定延迟,不能及时反映季节性变化㊂在6 8月降水增加的背景下,地下水储量则延迟至7 10月开始改变,相较于每年降水量的最大值和最小值ΔS GW都有少许延迟㊂分析降水量年际变化对地下水储量变化的影响㊂由图8(b)可知,降水量均集中在年平均值425.6mm以下,说明该时段产生明显亏损,与同年ΔS GW有较好的一致性㊂降水累计3a低于年均值,影响其对地下水的补给,从而在2008年初引起最大亏损㊂由图8(c)可知,降水量于2011年集中在年均值偏下处,存在一定的亏损,但在2012 2013年降水量基本集中在年均值附近,尤其是2012年下半年产生明显盈余,2012年和2013年上半年受异常值影响增加比较明显,盈余量一定程度上弥补2011年的亏损量,同期ΔS GW也有较强程。

SWAT模型在我国流域水环境模拟应用中的评估验证过程评价

基金项目: 国家水体污染控制与治理科技重大专项( Ｎｏ.２０１７ＺＸ０７３０１００６００２) ꎻ 国家自然科学基金项目( Ｎｏ.５１８７８３７２)
ＳｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＭａｊｏｒＰｒｏｇｒａｍｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｆｏｒＷａｔｅｒＰｏｌｌｕｔｉｏｎＣｏｎｔｒｏｌꎬ Ｃｈｉｎａ ( Ｎｏ.２０１７ＺＸ０７３０１００６００２) ꎻ ＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅ
移等水文水质过程
[６]
. ＳＷＡＴ模型也是我国流域水环
而ꎬ由于该模型是基于美国相关研究开发的ꎬ也出现
应用于我国流域水环境管理决策时ꎬ必须开展完整的
模型评估验证. 但是ꎬ利用ＳＷＡＴ模型开展应用研究
的现有文献对模型评估验证的重视程度参差不齐ꎬ并
且通常重点关注模型参数识别、不确定性分析等步
骤ꎬ对模型空间概化、输入数据获取等缺少评估 [９￣１１] ꎬ
促进模型的标准化应用提出建议.
１ＳＷＡＴ模型评估验证过程的评价方法
为了评价现有ＳＷＡＴ模型应用研究中模型评估
验证过程的质量ꎬ该研究结合ＳＷＡＴ模型的建模过
程和模型评估验证的基本步骤ꎬ梳理总结了ＳＷＡＴ模
ＤＯＩ: １０１３１９８∕ｊｉｓｓｎ１００１￣６９２９２０２００８１９
ＡｓｓｅｓｓｍｅｎｔｏｆＥｖａｌｕａｔｉｏｎＰｒｏｃｅｓｓｏｆＳＷＡＴＭｏｄｅｌＡｐｐｌｉｃａｔｉｏｎｉｎＣｈｉｎａ
ＲＯＮＧＹｉꎬ ＱＩＮＣｈｅｎｇｘｉｎꎬ ＳＵＮＦｕꎬ ＤＵＰｅｎｇｆｅｉ ∗
第３３卷第１１期
环境科学研究
２０２０年１１月
ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓ

水文模型作业

⽔⽂模型作业⽔⽂模型总结列表1.概述根据我的理解，⽔⽂模型就是根据⽣态系统质量、动量、能量守衡原理，或根据经验观测，采⽤数学公式表达整个⽔分循环过程，包括从⼤⽓降⽔⾄流出流域的时空动态过程。

不论是开发⼀种新的⽔⽂模型，还是将已有的⽔⽂模型应⽤于不同的研究领域，均以此最为研究原理。

2.⽔⽂模型分类⽅式传统的⽔⽂模型是基于野外⽔⽂观测⽅法，多以单⼀⽔⽂过程或要素进⾏。

⽽现代新型的⽔⽂研究⼿段以流域模拟模型为主。

它是野外数据综合分析、尺度转换的有效⼿段，很好的弥补了传统⽅法的不⾜。

我想我们在收集各种⽔⽂模型之前对先了解⼀下流域模型的分类⽅法，可以有助于我们对各种不同类型模型的理解和⽐较。

[1] 孙阁，张志强，周国逸，魏晓华. 森林流域⽔⽂模拟模型的概念、作⽤及其在中国的应⽤. 北京林业⼤学学报, 2007,5 29(3)3.概念性⽇降⾬径流模型HYDROLOG1971年，澳⼤利亚⼈Porter提出了概念性⽇降⾬径流模型HYDROLOG。

该模型是以⼀天或⼀⼩时为时间间隔，对降⾬径流过程进⾏描述的数字化计算模型。

它试图合成⼀个组件程序嵌⼊到⼀个与流域物理特性⾼度相关的系统中。

同时它试图通过与⾮线性流域疏导过程和⾮线性地下⽔存储过程相关的飞利浦渗透理论尝试在⼯程范围内使⽤。

该模型通过⽇降⾬量和蒸发能⼒数据模拟⽇流量, 结果较好, 但是它的参数众多, 也给实际应⽤带来不便。

（注：这个模型我不是看得太懂，过程⽐较复杂⽽且⽔⽂背景很强。

我因为没学过⽔⽂，所以只能从下⾯的参考⽂献的摘要和介绍中提炼这些信息，望⽼师理解。

）[1]PORTER J W, MCMAHON T A. A model for the simulation of streamflow data from climaticrecords [J].Journal of Hydrology, 1971, 13 ; 297- 324.4.SIMHYD模型2002年，Chiew等提出了HYDROLOG的简化版本SIMHYD。

水文模型与陆面模式耦合研究进展

水文模型与陆面模式耦合研究进展1. 本文概述随着全球气候变化和人类活动对水循环过程的影响日益显著，水文模型与陆面模式的耦合研究成为了当前地球系统科学领域内的热点问题。

水文模型和陆面模式作为模拟和理解地球表层水循环、能量交换以及生物地球化学循环的重要工具，其耦合研究对于提高气候系统模拟的准确性和预测能力具有重要意义。

本文旨在综述近年来水文模型与陆面模式耦合研究的进展，分析现有耦合方法的优势与局限，探讨未来研究的发展方向和挑战。

通过综合评述国内外相关研究成果，本文将为相关领域的研究者提供有益的参考，并为水资源管理、生态保护和气候变化适应策略的制定提供科学依据。

2. 水文模型概述水文模型是模拟和预测水文循环过程的数学或计算模型，它们在水文学和水资源管理中起着至关重要的作用。

这些模型通常用于预测河流流量、洪水事件、地下水位变化以及地表水与地下水的相互作用等。

水文模型的主要目标是理解和预测水文系统在不同自然和人为因素影响下的行为。

水文模型可以根据其结构、复杂性和应用范围分为几种类型。

主要类型包括：概念性模型：这些模型基于对水文过程的基本理解，通常包括简化的方程来描述降雨径流过程。

它们易于构建和维护，适用于数据稀缺的地区。

物理模型：这些模型尝试尽可能真实地模拟水文过程，通常包括详细的物理方程来描述水、能量和物质的传输。

它们适用于复杂的水文系统研究，但需要大量的输入数据和计算资源。

分布式模型：与传统的集总式模型不同，分布式模型在空间上离散化水文过程，以考虑地形、土壤类型和土地利用等空间变化对水文循环的影响。

数据驱动模型：这些模型依赖于统计分析或机器学习方法，从历史数据中学习水文系统的行为，不需要明确的物理过程描述。

洪水预测与管理：通过模拟降雨事件和流域响应，预测潜在的洪水事件，为防洪措施提供科学依据。

水资源规划与管理：评估水资源的供需状况，优化水库运行和水分配策略。

生态系统保护：模拟水文过程对河流生态系统的影响，为生态保护和恢复提供指导。

VIC水文模型入门攻略VIC的数据和输入文件准备

VIC水文模型入门攻略VIC的数据和输入文件准备VIC（Variable Infiltration Capacity）是一种用于模拟陆地表面和水文过程的水文模型。

它被广泛应用于流域水文、气候变化、洪水预报等领域。

在使用VIC模型进行模拟前，需要准备相应的数据和输入文件。

下面是VIC水文模型入门攻略，包括VIC模型的数据和输入文件准备。

1.数据准备：VIC模型所需的输入数据包括气象数据、土壤参数、地形数据和植被数据等。

-气象数据：包括降水量、温度、相对湿度、风速等。

可以利用气象站点观测数据、卫星遥感数据或气象模型输出数据。

通常需要根据模拟需求选择适当的时段和空间分辨率，并将数据格式转换为VIC所能接受的格式，例如ASCII格式。

-土壤参数：包括土壤类型、含水量曲线、渗透性等。

可以使用土壤数据库或通过野外调查获取。

不同土壤类型具有不同的水文特性，需要根据实际情况进行选择和参数化。

- 地形数据：包括高程、坡度、坡向等。

可以使用数字高程模型（Digital Elevation Model, DEM）数据进行提取和计算。

地形数据对于确定流域的水文特征和水动力过程具有重要影响。

-植被数据：包括植被类型、覆盖率、叶面积指数等。

可以使用植被遥感数据或植被地图进行提取和参数化。

植被数据用于计算蒸散发和蒸腾过程等。

2.输入文件准备：VIC模型需要准备多个输入文件，包括全局控制文件、网格化参数文件、气象驱动文件等。

- 全局控制文件（global parameter file）：用于配置模型运行的全局参数，包括模拟时段、时间步长、输出设置等。

该文件是VIC模型运行的主控文件，需要根据实际需求进行参数的设置。

- 网格化参数文件（vegetation parameter file、soil parameter file）：用于描述不同网格单元的土壤、植被和地形等参数。

该文件需要根据实际情况进行参数设置和空间分布的描述。

- 气象驱动文件（meteorological forcing file）：包含模拟时段内的气象数据，用于驱动VIC模型的运行。

基于VIC模型的丹江流域水文模拟及水资源管理对策

基于VIC模型的丹江流域水文模拟及水资源管理对策摘要：VIC模型是一种广泛应用于水文模拟和水资源管理的模型，本文就丹江流域的水文模拟及水资源管理对策进行研究。

通过对数据的收集分析，发现以下三点：一是丹江流域水资源总量有限，存在着水资源紧张的情况；二是河流径流量变化明显，影响了水资源的分配和利用；三是气候变化对丹江流域的水资源产生了影响。

基于这些情况，本文建立了VIC模型，对丹江流域进行了水文模拟，并提出了相应的水资源管理对策。

研究表明，科学合理的水资源管理可以有效地解决水资源的分配和利用问题，保障了水资源的可持续发展。

关键词：VIC模型；丹江流域；水文模拟；水资源管理一、引言水资源是人类社会发展和生命活动的重要基础资源。

中国是一个水资源短缺的国家，水资源的供需矛盾十分突出。

作为国家战略性水源地，丹江流域在华南地区具有重要的地位，其水资源的供应、分配和利用对广东、广西、湖南等省份的经济建设和人民生活产生至关重要的影响。

为了保证丹江流域水资源可持续发展，需要对其水文模拟和水资源管理进行深入的研究。

二、数据的收集和处理本文选取了丹江流域2000年-2019年的气象数据、水文数据和社会经济数据。

对气象数据进行分析，发现丹江流域气候温暖潮湿，夏季气温较高，年平均温度为17.5℃，年降雨量为1665.5毫米。

对水文数据进行分析，发现丹江流域的水文特征是年内水文季节分明、年内径流量变化明显，年径流量为151.1亿立方米，年均产流量为4803.1万立方米。

对社会经济数据进行分析，发现丹江流域的经济发展水平较低，公共基础设施建设水平不高，人口密度较小，但农业、林业等产业发展比较突出。

三、VIC模型的建立VIC模型（Variable Infiltration Capacity）是一种流域水文模型，具有模拟陆面水文循环和水资源管理的能力。

VIC模型的主要变量包括土壤含水量、蒸散发量、径流量等。

本文基于VIC模型，模拟丹江流域的水文循环过程，为水资源管理提供科学依据。

基于VIC模型模拟的干旱区土壤水分及其时空变化特征

第４０卷第９期２０２０年５月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．４０，Ｎｏ．９Ｍａｙ，２０２０基金项目：国家自然科学基金项目（４１７７１４７０，Ｕ１３０３３８１，４１２６１０９０）收稿日期：２０１９⁃０５⁃０６；㊀㊀网络出版日期：２０２０⁃０３⁃１６∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：Ｄｉｎｇ＿ｊｌ＠１６３．ｃｏｍＤＯＩ：１０．５８４６／ｓｔｘｂ２０１９０５０６０９１６包青岭，丁建丽，王敬哲，刘婕，马春玥．基于ＶＩＣ模型模拟的干旱区土壤水分及其时空变化特征．生态学报，２０２０，４０（９）：３０４８⁃３０５９．ＢａｏＱＬ，ＤｉｎｇＪＬ，ＷａｎｇＪＺ，ＬｉｕＪ，ＭａＣＹ．Ｓｐａｔｉｏ⁃ｔｅｍｐｏｒａｌｖａｒｉａｔｉｏｎｏｆｓｏｉｌｍｏｉｓｔｕｒｅｉｎａｒｉｄａｒｅａｂａｓｅｄｏｎＶＩＣｌａｎｄｓｕｒｆａｃｅｍｏｄｅｌ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０２０，４０（９）：３０４８⁃３０５９．基于ＶＩＣ模型模拟的干旱区土壤水分及其时空变化特征包青岭１，２，３，丁建丽１，２，∗，王敬哲１，２，刘㊀婕１，２，马春玥１，２１新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室，乌鲁木齐㊀８３００４６２新疆大学绿洲生态教育部重点实验，乌鲁木齐㊀８３００４６３新疆财经大学，乌鲁木齐㊀８３００４６摘要：土壤水分在陆地水循环中起着十分重要的作用，大尺度㊁长时间及高精度的土壤水分监测是旱情预警㊁生态恢复与精准农业决策部署的重要指导依据，而陆面过程模式模拟在时空尺度上可获得更准确的土壤水分特征㊂以渭⁃库绿洲为目标靶区，结合ＶＩＣ陆面过程模型和土地利用类型变化，探讨２００９２０１６年研究区年际间不同地类土壤水分时空变化规律，并用实测数据进行精度验证，结果表明：（１）东北区域土壤含水率模拟值较高，土壤含水量低值集中在研究区西部与南部区域㊂（２）盐渍土壤表层含水量高于耕地，每年雨季，灌丛土壤含水量高于其他３种地类，由于大量荒地转为耕地，绿洲荒地土壤含水量与耕地土壤相互接近，在２８．７８４５３．７４１ｍｍ之间㊂（３）渭⁃库绿洲近７年耕地与盐渍地面积大幅度增加，耕地与盐渍地面积增幅达３５％以上，荒地面积相较２００９年减少约４６％，灌丛面积增幅约１５％㊂（４）荒地土壤含水量伴随面积大幅度下降，土壤含水量数值集中在正态曲线２８．６ｍｍ以上区域㊂ＶＩＣ模拟值与实测值均方根误差（ＲＭＳＥ）范围在１．４２．８０之间，ＲＥ范围在０．９０２．２０之间，Ｒ２范围在０．４００．６０之间，模拟效果较好㊂关键词：土壤含水量；ＶＩＣ陆面过程模型；土地利用类型；时空变化Ｓｐａｔｉｏ⁃ｔｅｍｐｏｒａｌｖａｒｉａｔｉｏｎｏｆｓｏｉｌｍｏｉｓｔｕｒｅｉｎａｒｉｄａｒｅａｂａｓｅｄｏｎＶＩＣｌａｎｄｓｕｒｆａｃｅｍｏｄｅｌＢＡＯＱｉｎｇｌｉｎｇ１，２，３，ＤＩＮＧＪｉａｎｌｉ１，２，∗，ＷＡＮＧＪｉｎｇｚｈｅ１，２，ＬＩＵＪｉｅ１，２，ＭＡＣｈｕｎｙｕｅ１，２１ＸｉｎｊｉａｎｇＣｏｍｍｏｎＵｎｉｖｅｒｓｉｔｙＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｍａｒｔＣｉｔｙａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｔｉｍｕｌａｔｉｏｎ，Ｕｒｕｍｑｉ８３００４６，Ｃｈｉｎａ２ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＯａｓｉｓＥｃｏｌｏｇｙ，Ｕｒｕｍｑｉ８３００４６，Ｃｈｉｎａ３ＸｉｎｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅ＆Ｅｃｏｎｏｍｉｃｓ，Ｕｒｕｍｑｉ８３００４６，ＣｈｉｎａＡｂｓｔｒａｃｔ：Ｔｈｅｒｅｉｓａｎｉｎｃｒｅａｓｉｎｇｎｅｅｄｏｆｌａｒｇｅ⁃ｓｃａｌｅ，ｌｏｎｇ⁃ｔｅｒｍａｎｄｈｉｇｈ⁃ｐｒｅｃｉｓｉｏｎｓｏｉｌｍｏｉｓｔｕｒｅｍｏｎｉｔｏｒｉｎｇ．Ｍｅｔｈｏｄｓｂａｓｅｄｏｎｌａｎｄｕｓｅｆｅａｔｕｒｅｓ，ｓｕｃｈａｓＶａｒｉａｂｌｅＩｎｆｉｌｔｒａｔｉｏｎＣａｐａｃｉｔｙ（ＶＩＣ）ｌａｎｄ⁃ｓｕｒｆａｃｅｐｒｏｃｅｓｓｍｏｄｅｌ，ｃａｎｏｂｔａｉｎｍｏｒｅａｃｃｕｒａｔｅｓｏｉｌｍｏｉｓｔｕｒｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｎｔｈｅｓｐａｔｉｏ⁃ｔｅｍｐｏｒａｌｓｃａｌｅ．Ｉｔｉｓｏｆｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｔｏｄｒｏｕｇｈｔｅａｒｌｙｗａｒｎｉｎｇ，ｅｃｏｌｏｇｉｃａｌｒｅｓｔｏｒａｔｉｏｎ，ａｎｄｐｒｅｃｉｓｉｏｎａｇｒｉｃｕｌｔｕｒｅｄｅｃｉｓｉｏｎ⁃ｍａｋｉｎｇａｎｄｄｅｐｌｏｙｍｅｎｔ．ＴｈｉｓｐａｐｅｒｔｏｏｋＷｅｉ⁃Ｋｕｏａｓｉｓａｓｔｈｅｔａｒｇｅｔａｒｅａ，ｃｏｍｂｉｎｅｄｗｉｔｈＶＩＣｌａｎｄｓｕｒｆａｃｅｐｒｏｃｅｓｓｍｏｄｅｌａｎｄｌａｎｄｕｓｅｔｙｐｅｃｈａｎｇｅ，ｔｏｄｉｓｃｕｓｓｔｈｅｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｃｈａｎｇｅｓｏｆｓｏｉｌｍｏｉｓｔｕｒｅｏｆｄｉｆｆｅｒｅｎｔｔｙｐｅｓｉｎｔｈｅｓｔｕｄｙａｒｅａｆｒｏｍ２００９ｔｏ２０１６，ａｎｄｖｅｒｉｆｉｅｄｔｈｅａｃｃｕｒａｃｙｗｉｔｈｔｈｅｍｅａｓｕｒｅｄｄａｔａ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔ：（１）ｔｈｅｓｉｍｕｌａｔｅｄｖａｌｕｅｏｆｓｏｉｌｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｉｎｔｈｅｎｏｒｔｈｅａｓｔｒｅｇｉｏｎｗａｓｈｉｇｈ，ｗｈｉｌｅｔｈｅｌｏｗｖａｌｕｅｏｆｓｏｉｌｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｗａｓｃｏｎｃｅｎｔｒａｔｅｄｉｎｔｈｅｗｅｓｔｅｒｎａｎｄｓｏｕｔｈｅｒｎｒｅｇｉｏｎｓｏｆｔｈｅｓｔｕｄｙａｒｅａ．（２）Ｔｈｅｓｕｒｆａｃｅｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｏｆｓａｌｉｎｅｓｏｉｌｗａｓｈｉｇｈｅｒｔｈａｎｔｈａｔｏｆｃｕｌｔｉｖａｔｅｄｌａｎｄ．Ｉｎｒａｉｎｙｓｅａｓｏｎ，ｔｈｅｓｏｉｌｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｏｆｓｈｒｕｂｓｏｉｌｗａｓｈｉｇｈｅｒｔｈａｎｔｈａｔｏｆｏｔｈｅｒ３ｔｙｐｅｓｏｆｌａｎｄ．Ｄｕｅｔｏａｌａｒｇｅｎｕｍｂｅｒｏｆｗａｓｔｅｌａｎｄｂｅｉｎｇｃｏｎｖｅｒｔｅｄｉｎｔｏｃｕｌｔｉｖａｔｅｄｌａｎｄ，ｔｈｅｓｏｉｌｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｏｆｏａｓｉｓｗａｓｔｅｌａｎｄｗａｓｃｌｏｓｅｔｏｔｈａｔｏｆｔｈｅｃｕｌｔｉｖａｔｅｄｌａｎｄ，ｂｅｔｗｅｅｎ２８．７８４ａｎｄ５３．７４１ｍｍ．（３）Ｉｎｔｈｅｐａｓｔ７ｙｅａｒｓ，ｔｈｅａｒｅａｏｆｃｕｌｔｉｖａｔｅｄｌａｎｄａｎｄｓａｌｉｎｉｚｅｄｌａｎｄｉｎＷｅｉ⁃Ｋｕｏａｓｉｓｈａｖｅｂｅｅｎｇｒｅａｔｌｙｉｎｃｒｅａｓｅｄ，ｔｈｅａｒｅａｏｆｃｕｌｔｉｖａｔｅｄｌａｎｄａｎｄｓａｌｉｎｉｚｅｄｌａｎｄｉｎｃｒｅａｓｅｄｂｙｏｖｅｒ３５％，ｔｈｅａｒｅａｏｆｗａｓｔｅｌａｎｄｄｅｃｒｅａｓｅｄｂｙａｂｏｕｔ４６％ｃｏｍｐａｒｅｄｗｉｔｈｔｈａｔｏｆ２００９，ａｎｄｔｈｅａｒｅａｏｆｓｈｒｕｂｉｎｃｒｅａｓｅｄｂｙａｂｏｕｔ１５％．（４）Ｔｈｅｗａｓｔｅｌａｎｄｓｏｉｌｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｄｅｃｒｅａｓｅｄｓｉｇｎｉｆｉｃａｎｔｌｙｗｉｔｈｔｈｅａｒｅａ，ａｎｄｔｈｅｓｏｉｌｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｖａｌｕｅｓｗｅｒｅｃｏｎｃｅｎｔｒａｔｅｄｉｎｔｈｅａｒｅａａｂｏｖｅ２８．６ｍｍｏｆｔｈｅｎｏｒｍａｌｃｕｒｖｅ．ＴｈｅＶＩＣｓｉｍｕｌａｔｅｄｖａｌｕｅａｎｄｍｅａｓｕｒｅｄｖａｌｕｅＲＭＳＥｒａｎｇｅｄｆｒｏｍ１．４ｔｏ２．８０，ＲＥｒａｎｇｅｄｆｒｏｍ０．９０ｔｏ２．２０，Ｒ２ｒａｎｇｅｄｆｒｏｍ０．４０ｔｏ０．６０，ａｎｄｔｈｅｓｉｍｕｌａｔｉｏｎｅｆｆｅｃｔｗａｓｇｏｏｄ．ＫｅｙＷｏｒｄｓ：ｓｏｉｌｍｏｉｓｔｕｒｅ；ＶａｒｉａｂｌｅＩｎｆｉｌｔｒａｔｉｏｎＣａｐａｃｉｔｙ（ＶＩＣ）ｌａｎｄｓｕｒｆａｃｅｍｏｄｅｌ；ｌａｎｄｕｓｅｔｙｐｅ；ｓｐａｔｉｏｔｅｍｐｏｒａｌｖａｒｉａｔｉｏｎ㊀土壤水分是气候与陆地系统中一个重要变量，它控制着陆地边界以及地球表面和大气之间的能量和水的交换［１⁃５］㊂土壤水分对气候系统及其未来气候变化的影响尤为重要［６］㊂土壤水分在陆地水循环中起着关键作用，并且负责通过渗透将地表水和储存水分开，表面和根区土壤水分控制着陆地表面上的入射辐射，分别为显热和潜热（蒸发）通量，研究土壤水分是农业，生态学，水文学甚至岩土工程等各个领域的关键［７⁃９］㊂土壤水分调节植物生长过程，并对全球水循环产生重大影响，驱动土壤水分的气象参数受到土壤水分的大规模变化的影响，从而产生反馈机制，可对气候和土地利用变化产生相当大的影响［１０］㊂中国新疆塔里木河流域渭⁃库绿洲属于典型大陆性气候，气候干燥，年降水量少且蒸发量大，更容易导致大规模干旱和灾害，水资源短缺已经成为制约当地农业生产的一个重要因素［１１］㊂近年来，为了适应社会经济的可持续发展，该地区对农业㊁工业和生活用水的需求不断增加，此外，随着全球气候变暖和人类活动等影响，干旱地区的生态环境质量日益下降和严重，使其水资源短缺问题愈加严重［１２］㊂因此对干旱地区土壤水分的时空变化研究显得尤为重要，关系到未来生态安全和农业可持续发展，也是生态水文模型研究的重点㊂近几十年来，国际组织开展了许多土壤水分研究计划，如全球能源和水循环测试（ＧＥＷＥＸ，ｔｈｅＧｌｏｂａｌＥｎｅｒｇｙａｎｄＷａｔｅｒＣｙｃｌｅＥｘｐｅｒｉｍｅｎｔ）㊁美国国家航空航天局土壤水分（ＳＭＡＰ，ＳｏｉｌＭｏｉｓｔｕｒｅＡｃｔｉｖｅＰａｓｓｉｖｅ）卫星和欧洲空间局土壤水分和海盐（ＳＭＯＳ，ＳｏｉｌＭｏｉｓｔｕｒｅａｎｄＯｃｅａｎＳａｌｉｎｉｔｙ）等的研究项目促进了土壤水分研究的发展［１３］，以上项目主要围绕以遥感手段对土壤水分信息进行监测，虽然遥感技术与微波卫星对于观测土壤水分具有实时㊁动态㊁大面积等特点，并为土壤水分的研究提供了新的思路和方法，但是由于天气等因素影响，难以获得长时间序列数据，或者是地表植被类型覆盖，导致难以获取高精度土壤水分信息［１４⁃２０］㊂随着土壤水分监测技术的迅速发展，陆面生态水文过程模拟的类型受到越来越多关注［２１］，典型的模型如ＣＬＭ㊁ＶＩＣ㊁ＳｉＢ２和Ｎｏａｈ等可以获得连续时空序列的土壤水分，陆面水文过程模型在有效的数据基础上，具有模拟大规模㊁高时间分辨率土壤水分的能力，是一种观测和研究土壤水分变化的行之有效的方法，同时在干旱监测与水文观测等问题的应用中，陆面过程模型模拟的土壤水分信息非常有用［２２⁃２３］㊂然而，这些已有的陆面生态水文过程模式在干旱地区的适用性仍不得而知㊂此外，如何充分利用多源数据并将其应用于时序干旱区土壤水分信息的获取当中也是一个亟待解决的科学问题㊂基于此，本研究以渭干河⁃库车河绿洲为研究区，通过分析近１０年研究区土地利用类型的变化，结合ＶＩＣ陆面过程模型和土地利用类型对土壤含水量进行时空变化研究，通过实测土壤水分数据，验证模拟结果，揭示土壤水分变化规律，以期为实现绿洲旱情监测与盐渍化动态预报提供科学参考㊂１㊀研究区概况研究区位于新疆维吾尔自治区南部的塔里木盆地北边区域，范围在纬度４１ʎ２５ᶄ ４２ʎ１５ᶄＮ，经度８２ʎ９４０３㊀９期㊀㊀㊀包青岭㊀等：基于ＶＩＣ模型模拟的干旱区土壤水分及其时空变化特征㊀图１㊀研究区位置Ｆｉｇ．１㊀Ｌｏｃａｔｉｏｎｏｆｔｈｅｓｔｕｄｙａｒｅａ８２ʎ３０ᶄＥ之间，又称渭干河库车河绿洲（简称渭⁃库绿洲），外表酷似扇形，由于受大陆干旱性气候和盆地间地形格局的影响，发展为典型且完整的扇形洪冲积扇倾斜平原，气候上夏季干热，冬季干冷，常年缺乏降水，年平均蒸发量达到１１００ｍｍ，但是年平均降水量不足２００ｍｍ，属于典型中纬度干旱区［２４］㊂如图１所示㊂１．１㊀土壤特征研究区土壤类型主要为石灰性灰褐土㊁灌淤土㊂石灰性灰褐土母质为残坡积物，剖面为Ａｓ⁃Ａｉ⁃Ａｈ⁃ＡＢ⁃Ｂｋ⁃Ｃｋ型，表层枯枝落叶较少，多和林下杂草草根盘结在一起，分布在研究区北边区域㊂灌淤土母质为灌溉淤积物，剖面为Ａ１１⁃Ａｂ⁃Ｃ型，颜色和质地较均一，多为棕灰色粘壤土，粘粒含量２０％左右，普遍有炭屑㊁瓦片等侵入物，有机质含量可达１．０％以上，ｐＨ值在８．２８．５之间，呈微碱性，主要分布在绿洲内部［２５］㊂土壤容重变化范围在１．３９１．６１ｇ／ｃｍ３，粉粒含量占土壤机械组成７０％，其次是砂砾含量，占２０％㊂研究区实测土壤水分，２００８２０１６年样本土壤含水量变异系数均低于０．５，属于中等变异㊂如表１所示㊂表１㊀２００８—２０１６年研究区内部土壤样本含水量统计特征Ｔａｂｌｅ１㊀Ｓｔａｔｉｓｔｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｏｆｓｏｉｌｓａｍｐｌｅｓｉｎｔｈｅｓｔｕｄｙａｒｅａｆｒｏｍ２００８ｔｏ２０１６时间Ｄａｔｅ数量Ｓａｍｐｌｅｓ平均值Ｍｅａｎ标准偏差ＳＤ（ｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ）最大值Ｍａｘ最小值Ｍｉｎ变异系数ＣＶ（ｃｏｅｆｆｉｃｉｅｎｔｏｆｖａｒｉａｔｉｏｎ）２００８⁃０９１０２９．５３６３．５１５２９．４１７１．１５１０．３６９２０１０⁃１０５３２０．１２１８．２２１５９．４００１．３０００．４０９２０１１⁃１１５０７．１９８２．３５４３６．５７００．１１００．３２７２０１３⁃０８３７７．１３５３．５４１２７．４０９０．２０５０．４９６２０１５⁃０７３６５．５７６１．２４５２９．７８７０．５１５０．２２３２０１６⁃０４３９４．０７０１．２１０２３．９４１１．９５４０．２９７１．２㊀植被类型研究区植被类型包括自然植被与人工作物㊂自然植被以盐生植被为主，分布在绿洲外围与夹杂在绿洲内部，主要包括盐爪爪（Ｋａｌｉｄｉｕｍｆｏｌｉａｔｕｍ）㊁花花柴（Ｈａｌｏｃｎｅｍｕｍｓｔｒａｂｉｌａｃｅｕｍ）㊁盐穗木（Ｈａｌｏｓｔｔａｃｈｙｓｃａｓｐｉｃａ）㊁骆驼刺（Ａｌｈａｇｉｓｐａｒｓｉｆｏｌｉａ）㊁胡杨（ｐｏｐｕｌｕｓｅｕｐｈｒａｔｉｃａ）㊁芦苇（Ｐｈｒａｇｍｉｔｅｓｃｏｍｍｕｎｉｓ）㊁怪柳（Ｔａｍａｒｉｘｔａｋｌａｍａｋａｎｎｅｓｉｓ）等，人工作物包括但不限于，棉花㊁玉米㊁冬小麦等［２６］㊂２㊀研究资料与方法２．１㊀数据获取选取２００８２０１６年分布于研究区具有代表性的５８个土壤采样点，均匀分布在绿洲㊁绿洲荒漠交错带以及荒漠带区域㊂采用五点法进行土壤样本采集，使用Ｗ．Ｅ．Ｔ型传感器㊁Ｈｙｄｒａ型号土壤测试仪测量土壤含水率及介电常数等数据㊂土壤容重使用环刀法进行测定㊂使用美国Ｏｎｓｅｔ公司生产的ＨＯＢＯ型自动记录水位计（以下简称水位计）记录地下水埋深数据，该仪器可根据实验的要求设定水位计的记录周期，水位计产生的误差最大为１ｃｍ，降低了实验误差㊂土壤粒径采用美国Ｍｉｃｒｏｔｒａｃ公司生产的Ｓ３５００型激光粒激光粒度仪测定（量程０．０１２０００μｍ）㊂０５０３㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀２．２㊀土地利用类型转移矩阵土地利用转移矩阵是研究区域内各个土地利用类型转移的去向㊁数量以及来源的一种方法，是马尔可夫模型在土地利用变化方面的应用，此模型可以定量的表明不同土地类型相互转化的情况，还能揭示不通地类之间的转移速率㊂土地利用转移矩阵通用形式为：Ｓｉｊ＝Ｓ１１Ｓ１ｎ︙⋱︙Ｓｍ１Ｓｍｎæèçççöø÷÷÷（１）式中，ｎ代表转移前后土地利用类型数目；Ｓ为面积；ｉ㊁ｊ（ｉ，ｊ＝１，２，，ｎ）代表转移前后的地类；Ｓｉｊ代表转移前类型变换为ｊ后类型的面积㊂矩阵中的每个行元素表示转移前的ｉ地类到转移后的ｊ地类的流向信息［２７］㊂采用ＡｒｃＧＩＳ软件进行操作㊂图２㊀模型流程图Ｆｉｇ．２㊀Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｍｏｄｅｌｌｉｎｇａｐｐｒｏａｃｈ２．３㊀ＶＩＣ⁃３Ｌ模型ＶＩＣ⁃３Ｌ模型的关键特征是具有植被异质性㊁可变渗透多个土层和非线性基流，是一种基于ＳＶＡＴＳ（ＳｏｉｌＶｅｇｅｔａｔｉｏｎＡｔｍｏｓｐｈｅｒｉｃＴｒａｎｓｆｅｒＳｃｈｅｍｅｓ）思想的空间分布网格化的大尺度分布式水文模型［２８⁃３０］㊂ＶＩＣ模型的成功运行，需要输入以下５种文件，全局控制文件㊁气象驱动文件㊁土壤参数文件㊁植被库文件㊁植被参数文件㊂植被参数文件选用马里兰大学发布的全球１ｋｍ辨率的土地覆盖类型数据；研究中的土壤参数分类参照ＦＡＯ世界粮农组织提供的土壤质地分类图；本次研究选择ＣＭＡＤＳ（ＣｈｉｎａＭｅｔｅｏｒｏｌｏｇｉｃａｌＡｓｓｉｍｉｌａｔｉｏｎＤａｔａｓｅｔｓｆｏｒＳＷＡＴＳ）系列数据集作为气象驱动数据，数据格式为：时间分辨率逐日；空间分辨率１／４ʎ；时间尺度，２００８２０１６㊂此数据集为ＣＬＤＡＳ数据同化系统的驱动数据［３１］㊂图２为ＶＩＣ模型运行流程图㊂２．４㊀模型模拟结果精度验证采取决定系数（Ｒ２）㊁均方根误差（ＲＭＳＥ）与相对误差（ＲＥ）指标对ＶＩＣ水文模型进行精度验证㊂分别利用不同年份的野外实测土壤含水量数据对模型的精度进行评价，其中Ｒ２代表实测土壤含水量与ＶＩＣ模拟值符合程度㊁ＲＥ表示实测含水量与ＶＩＣ模拟值的相对误差㊁ＲＭＳＥ表示实测含水量与ＶＩＣ模型的绝对误差的平均程度［３２］㊂３㊀结果与分析３．１㊀研究区土地利用面积变化由表２可得，７年间，研究区耕地面积从２３４６．３８ｋｍ２增加至４０７１．０９ｋｍ２，主要由荒地与灌丛转变而来，其中，荒地转移面积为４６１．４５ｋｍ２，灌丛转移面积为１３２２．２２ｋｍ２㊂盐渍地面积由２００９年的９２１．２７ｋｍ２增加至２０１６年的１２２０．９８ｋｍ２，变化量２９９．７０ｋｍ２，其中荒地贡献面积最大，为１０３１．４４ｋｍ２㊂水域面积增加２４９．０８ｋｍ２，水域面积增加主要由灌丛与荒地贡献，分别贡献了１１６．６２ｋｍ２和１２９．６６ｋｍ２㊂这７年间，荒地面积减少了２８０８．１２ｋｍ２，其主要面积转移方向是灌丛㊁盐渍地与耕地，转移面积分别为１３３３．５３ｋｍ２㊁１０３１．４４ｋｍ２和１５０３㊀９期㊀㊀㊀包青岭㊀等：基于ＶＩＣ模型模拟的干旱区土壤水分及其时空变化特征㊀４６１．４５ｋｍ２㊂灌丛地面积增加了将近１００ｋｍ２，主要由荒地地贡献而来㊂表２㊀２００９２０１６年渭⁃库绿洲土地利用类型面积转移矩阵Ｔａｂｌｅ２㊀ＴｒａｎｓｉｔｉｏｎｍａｒｔｒｉｘｏｆｌａｎｄｕｓｅａｒｅａｓｉｎＵｇａｎ⁃ＫｕｑａＲｉｖｅｒＤｅｌｔａｉｎ２００９２０１６２００９２０１６荒地Ｗａｓｔｅｌａｎｄ／ｋｍ２建筑用地Ｂｕｉｌｔ⁃ｕｐ／ｋｍ２耕地Ｃｕｌｔｉｖａｔｅｄ／ｋｍ２盐渍地Ｓａｌｉｎｉｚｅｄ／ｋｍ２灌丛Ｓｈｒｕｂｃｏｖｅｒｅｄ／ｋｍ２水体Ｗａｔｅｒ／ｋｍ２荒地Ｗａｓｔｅｌａｎｄ／ｋｍ２３１４９．７８１０．５０４６１．４５１０３１．４４１３３３．５３１２９．６６建筑用地Ｂｕｉｌｔ⁃ｕｐ／ｋｍ２０．７５３０．５１３．４５０．００７．８４０．４６耕地Ｃｕｌｔｉｖａｔｅｄ／ｋｍ２７．５９１０．６７２０６６．５４２．６９２５４．５９６．１３盐渍地Ｓａｌｉｎｉｚｅｄ／ｋｍ２９２．９８１．０５２１２．９６１３４．８３４４０．９８３９．０９灌丛Ｓｈｒｕｂｃｏｖｅｒｅｄ／ｋｍ２４８．７０１２．２１１３２２．２２４４．３２１８８１．３９１１６．６２水体Ｗａｔｅｒ／ｋｍ２１０．４５０．０４４．４８７．３０２０．５８５２．０２３．２㊀ＶＩＣ模型不同月份土壤含水量时空变化基于上述土壤参数㊁植被与植被库参数和气象驱动数据，将气象驱动数据输入到ＶＩＣ水文模型中，编译运行，提出结果文件中的表层土壤含水量数据，得到图３与表１，其中１至３月平均值为ａ，４至６月平均值为ｂ，７至９月平均值为ｃ，１０至１２月平均值为ｄ㊂图３与表３表示２００９年至２０１６年研究区表层土壤含水量空间变化情况和统计特征，从年际变化来看，研究区自２００９２０１６年，１至３月份，西南地区土壤含水量范围在１４．８１４２５．２１４ｍｍ内，低于东北区域土壤含水量普遍在３５．９８以上，说明研究区西南地区１３月份为相对干旱区域；４６月份，土壤含水量平均值为３６．７１８ｍｍ，２０１２年达到最高值５３．９０７ｍｍ，２００９年为最低值２５．６０９ｍｍ；７９月份，土壤含水量为普遍较高，平均值达到４１．５１２，最高年份２０１２年达到６４．８２３ｍｍ，最低年份２００９年为３０．６５８ｍｍ，研究区东北区域含水量普遍高于３５．２１０ｍｍ，空间上，干旱区域集中在西南㊁西北和南部区域；１０１２月份，土壤含水量平均值为３７．８８７ｍｍ，最低年份２００９年为２９．８９０ｍｍ，最高年份２０１２年为５８．６７７ｍｍ，空间上，西南区域普遍比东北区域土壤含水量低１３％㊂从年内变化来看，２００９年，由ａ至ｄ，土壤含水量平均值从２４．０５１ｍｍ升至３０．６５８ｍｍ，最后降至２９．８９０ｍｍ，变异系数自０．１７９持续降至０．０９６，土壤含水量变化符合气候降雨年内变化规律，变异系数降低，代表ＶＩＣ模型模拟精度随时间提高；２０１２年，由ａ至ｄ，平均土壤含水量达到９年内最高值，分别为５４．２４１㊁５３．９０７㊁６４．８２３㊁５８．６７７ｍｍ；其余年份，随着模拟时间增加，整体平均土壤含水量有升高趋势㊂２００９２０１６年模拟期间，以２０１４年为例，变异系数由０．０９５至０．１１０，最后降至０．０９２㊂其余年份与之类似，由此可得土壤含水量变异系数呈正弦曲线变化㊂３．３㊀不同土地利用类型土壤含水量时间变化由于模型２００８年为预热期，数值模拟不准确，不将其列入讨论㊂将土壤含水量模拟值共分４种地类进行分析，分别为ａ盐渍地㊁ｂ荒地㊁ｃ耕地㊁ｄ灌丛㊂图４中，分别描述了４种地类从２００９⁃０１⁃０１至２０１６⁃１２⁃３１期间三层土壤水分波动变化与每日降水量，结合降雨量来看，每种地物土壤含水量变化波动呈正弦函数曲线，从７月份雨季开始，土壤水分含量增加，到１０月份开始下降，呈现由４月份旱季至７月份雨季，由干到湿得规律；每种地物第一层含水量小于后两层，第二层含水量为最大，模拟土壤含水量变化符合每日降雨量变化趋势，在降雨量较少的１６月㊁１０１２月，三层土壤含水量呈现下降趋势，直到７９月雨季，随着降雨量的增加，各层土壤含水量呈现大幅度波动上升的趋势，并达到最高值，其中盐渍地表层土壤含水量峰值为３８．１５７ｍｍ左右㊁荒地４５．２１４ｍｍ左右㊁耕地４３．５２４ｍｍ左右㊁灌丛３８．２７８左右，各地物土壤含水量最低值均出现在舂季与秋冬季，盐渍地表层土壤含水量最低值为２１．２１３ｍｍ左右㊁荒地２８．９６３ｍｍ左右㊁耕地２６．７４５ｍｍ左右㊁灌丛２８．９８５左右㊂从根层与底层土壤含水量变化来看，４种地物土壤含水量均表现出根层土壤含水量总体要高于底层土壤含水量，盐渍地与灌丛根层土壤含水量高于其他两种地类，灌丛根层土壤含水量与底层土壤含水量在２００９年雨季期间出现交点；荒地与耕地底层土壤含水量在每年雨季来时，均出现交叉现象㊂总体来看，ＶＩＣ模型较好的模拟并区分了４种不同地物类型表层㊁根层与底层土壤含水量的变化㊂２５０３㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀图３㊀２００９２０１６表层土壤水分ＶＩＣ模拟值Ｆｉｇ．３㊀２００９２０１６ｓｕｒｆａｃｅｓｏｉｌｍｏｉｓｔｕｒｅＶＩＣｓｉｍｕｌａｔｉｏｎｖａｌｕｅａ：１３月平均值；ｂ：４６月平均值；ｃ：７９月平均值；ｄ：１０１２月平均值３５０３㊀９期㊀㊀㊀包青岭㊀等：基于ＶＩＣ模型模拟的干旱区土壤水分及其时空变化特征㊀４５０３㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀表３㊀２００９—２０１６表层土壤水分ＶＩＣ模拟值统计特征Ｔａｂｌｅ３㊀ＳｔａｔｉｓｔｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｕｒｆａｃｅｓｏｉｌｍｏｉｓｔｕｒｅＶＩＣｓｉｍｕｌａｔｉｏｎｖａｌｕｅｓｆｒｏｍ２００９ｔｏ２０１６年份季节平均数标准偏差最大值最小值变异系数ＹｅａｒＳｅａｓｏｎｓＭｅａｎＳＤＭａｘＭｉｎＣＶ２００９１３月２４．０５１４．３０１３１．７６０１４．８１４０．１７９４６月２５．６０９３．８４０３７．７８５１６．１１５０．１５０７８月３０．６５８３．２２７３７．７８５１６．１０８０．１０５１０１２月２９．８９０２．８７６３６．０８６１６．１０００．０９６２０１０１３月２７．６７８２．６３０４０．１６９１６．０９３０．０９５４６月３０．６２０２．９８５３８．１０２１６．０８５０．０９７７８月３２．８２６３．４８７４０．１６９１６．０７８０．１０６１０１２月３１．０６９２．９０９３９．６１８１６．０７１０．０９４２０１１１３月３３．９６１３．０８３４３．２４７１９．２７６０．０９１４６月３３．２０２３．０８６４２．０３８１９．２６８０．０９３７８月３７．５５９３．６９０４５．６１２１９．２５９０．０９８１０１２月３４．７１４３．３８５４３．５８５１９．２５１０．０９８２０１２１３月５４．２４１５．１９５６８．５６７３２．０７１０．０９６４６月５３．９０７５．０４３６７．４７２３２．０５７０．０９４７８月６４．８２３７．２５３７７．４３０３２．０４３０．１１２１０１２月５８．６７７５．９７２７２．５９８３２．０３００．１０２２０１３１３月３２．７１９３．２０６４０．９８８１９．２１００．０９８４６月３５．４６７３．５１２４３．９２９１９．２０２０．０９９７８月３８．７７１３．７２５４９．９５９１９．１９４０．０９６１０１２月３６．２４６３．４６２４６．８９９１９．１８６０．０９６２０１４１３月３３．４３４３．１６５４３．１６５１９．１７８０．０９５４６月３５．２７３３．８６９４７．８６８１９．１７１０．１１０７８月４３．０９３４．５３６５８．６９４１９．１６３０．１０５１０１２月３８．４９４３．５２６４９．７８７１９．１５５０．０９２２０１５１３月３４．４６９３．２３４４３．９５９１９．１４８０．０９４４６月４１．２４８４．３７４５４．５２８１９．１４００．１０６７８月４０．１４３３．７５６５０．０９８１９．１３３０．０９４１０１２月３６．０８４３．５５６４５．３４４１９．１２５０．０９９２０１６１３月３５．４７７３．７２８４４．９７４１９．１１８０．１０５４６月３８．４１９４．３９８５０．４１０１９．１１１０．１１４７８月４４．２２７４．７２０５５．１８２１９．１０４０．１０７１０１２月３７．９２５３．６５３４８．３５５１９．０９６０．０９６提取其中２０１２年数据，放大至图５㊂由图５可得，从１月至６月，三层土壤含水量呈现缓慢下降趋势，直到６月中旬开始，研究区进入雨季，随着降水量增加，土壤含水量也迅速增加达到最高值；盐渍地与灌丛地表土壤含水量较高，同时整体含水量变化值也高于其他两类地物，可能是由于灌丛根系具有聚集水分得作用，盐渍化土壤地下水位较高㊂３．４㊀不同土地利用类型土壤含水量时间变化对比选取典型４种地物，分析长时间序列与２０１４年土壤含水量ＶＩＣ模拟值的差异，如图６与７所示㊂由图６所得，盐渍土壤表层含水量范围在３４．８５４５５．８７４ｍｍ，相较于耕地３０．２１０５２．１４１ｍｍ，大约高０．０６％，在２０１０２０１３年期间，盐渍地土壤含水量高于耕地大约０．１０％，在２０１４年两者含水量持平，随后在２０１５２０１６年高于耕地大约０．０８％，同时盐渍土与灌丛的土壤含水量在模拟期间变化波动保持在３４．５８７５３．４１４ｍｍ之间；在２０１１２０１４年雨季时期，灌丛土壤含水量高于其他３种地类大约０．０２％，可能是由于自然植被天然的涵养水源的功能，但是在其他季节，含水量变化与盐渍土壤地持平；荒地土壤含水量在旱季期间，处于所有地图４㊀２００９２０１６年盐渍地㊁荒地㊁耕地和灌丛土壤含水量ＶＩＣ模拟值Ｆｉｇ．４㊀ＶＩＣｓｉｍｕｌａｔｉｏｎｖａｌｕｅｏｆｓｏｉｌｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｏｆｓａｌｉｎｅｓｏｉｌ，ｗａｓｔｅｌａｎｄ，ｃｕｌｔｉｖａｔｅｄｌａｎｄａｎｄｓｈｒｕｂｌａｎｄｆｒｏｍ２００９ｔｏ２０１６图５㊀４种地物２０１２土壤含水量ＶＩＣ模拟值Ｆｉｇ．５㊀Ｆｏｕｒｇｒｏｕｎｄｏｂｊｅｃｔｓ２０１２ｓｏｉｌｗａｔｅｒｃｏｎｔｅｎｔＶＩＣｓｉｍｕｌａｔｉｏｎｖａｌｕｅ类含水量最低２８．４１２ｍｍ左右，但是一到雨季，含水量迅速上升至最高值５６．７８４ｍｍ左右，并且在２０１５年与２０１０年雨季达到最顶峰５８．７４５ｍｍ；耕地土壤含水量变化范围与荒地含水量相一致，在２８．７８４５３．７４１ｍｍ之间，根据近７年土地利用变化，大量荒地转化为耕地，绿洲荒地土壤含水量与耕地土壤相互接近㊂提取２０１４年数据，将其放大至图７，由图可得，盐渍地与灌丛初始土壤含水量为３５．７５４ｍｍ，同时波动幅度相似，在模拟期间，土壤含水量都要高于其他两种地物大约０．０２％；荒地与耕地变化趋势相似，波动相较于其他两种地５５０３㊀９期㊀㊀㊀包青岭㊀等：基于ＶＩＣ模型模拟的干旱区土壤水分及其时空变化特征㊀物，变化幅度更大，同时初始含水量较低为３３．６１２ｍｍ；４种地物在雨季，土壤含水量迅速上升至４４．８１２ｍｍ左右，并且波动幅度加大，至到９月恢复平缓在３２．８５４３９．５４７ｍｍ；１３月含水量高于１０１２月份含水量大约０．２３％，雨季含水量呈现大幅度盘旋上升，呈现出土壤含水量干湿季节变化规律，说明ＶＩＣ模型良好的模拟了研究区土壤含水量的季节变化规律㊂图６㊀４种地物土壤表层含水量长时间序列ＶＩＣ模拟值对比Ｆｉｇ．６㊀ＣｏｍｐａｒｉｓｏｎｏｆＶＩＣｓｉｍｕｌａｔｉｏｎｖａｌｕｅｓｏｆｌｏｎｇ⁃ｔｅｒｍｓｅｑｕｅｎｃｅｏｆｓｏｉｌｓｕｒｆａｃｅｗａｔｅｒｃｏｎｔｅｎｔｏｆｆｏｕｒｋｉｎｄｓｏｆｇｒｏｕｎｄ图７㊀４种地物２０１４土壤含水量ＶＩＣ模拟值对比㊀Ｆｉｇ．７㊀ＣｏｍｐａｒｉｓｏｎｏｆＶＩＣｓｉｍｕｌａｔｉｏｎｖａｌｕｅｓｏｆｓｏｉｌｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｏｆｆｏｕｒｋｉｎｄｓｏｆｇｒｏｕｎｄｏｂｊｅｃｔｓｉｎ２０１４３．５㊀土地利用类型面积变化对土壤含水量影响图８从左至右分别为２００９２０１６年土地利用面积变化图㊁２００９２０１６年表层土壤含水量范围分布图㊂由图可得，７年内，盐渍地增加２９９．７０５ｋｍ２，增加率３２％，表层土壤含水量范围在４１．４０３４．５０ｍｍ，中位数３７．２４ｍｍ，正态曲线数值分布在３４．４０ｍｍ以上；荒地减少２８０８．１２ｋｍ２，减少率４６％，土壤含水量范围在３７．４０３０．８０ｍｍ，中位数３４．２５ｍｍ，正态曲线数值分布在２８．６０以上；耕地面积增加１７２４．７１ｋｍ２，增加率７３％，土壤含水量范围在２７．６０３２．２０ｍｍ，中位数２８．９０ｍｍ，正态曲线数值分布在２４．２０ｍｍ以上；灌丛面积增加５１４．９４ｋｍ２，增加率１５％，土壤含水量范围在３１．５２３６．８０ｍｍ，中位数３３．６０ｍｍ，正态曲线数值分布在３０．４０ｍｍ以上㊂２００６２０１６年，除了荒地面积减少外，其余地类面积均明显增加㊂荒地土壤含水量伴随面积大幅度下降，箱线图下边缘较其余地类短，土壤含水量分布低于盐渍地与灌丛；盐渍地与耕地面积增加幅度最大，主要由荒地转化而来，盐渍地土壤含水量范围较耕地高２０％；灌丛面积增加次之，箱线图土壤含水量上下限范围长度一致㊂荒地土壤含水量伴随面积大幅度下降，土壤含水量数值集中在正态曲线２８．６ｍｍ以上区域；盐渍地㊁耕地土壤与灌丛表层土壤含水量伴随面积大幅度上升，土壤含水量数值分别集中在正态曲线３４．４０ｍｍ㊁２４．２０ｍｍ与３０．４０ｍｍ以上区域㊂３．６㊀土壤含水量模拟精度验证与效果采用５个年份野外实测土壤含水量数据对ＶＩＣ模拟表层土壤含水量进行验证，按照经纬度提取ＶＩＣ模６５０３㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀图８㊀土地利用面积变化与表层土壤含水量分布Ｆｉｇ．８㊀Ｌａｎｄｕｓｅａｒｅａｃｈａｎｇｅａｎｄｓｕｒｆａｃｅｓｏｉｌｗａｔｅｒｃｏｎｔｅｎｔｄｉｓｔｒｉｂｕｔｉｏｎ拟值相应的数据，对实测含水量与ＶＩＣ模拟值进行相关性分析和散点图绘制，证明ＶＩＣ模拟值的可靠性㊂图８给出了２０１０年１０月㊁２０１１年１１月㊁２０１３年８月㊁２０１５年７月和２１６年４月模拟与实测土壤含水量的线性拟合散点图，以实测含水量为横轴，ＶＩＣ模拟值为纵轴㊂由图可得，对于表层土壤来说，实测含水量与ＶＩＣ模拟值Ｒ２范围在０．３００３９之间，模拟结果较好㊂与实测土壤含水量相比，ＶＩＣ模型模拟的土壤含水量整体呈现较高值，由此表明ＶＩＣ模拟值存在高估现象㊂２０１０年１０月（秋）与２０１６年４月（春），表层土壤含水量Ｒ２达到了０．３４以上；２０１３年０８月与２０１５年７月，表层土壤含水量Ｒ２分别为，０．３０３１㊁０．３０５３㊂由表４可知，ＶＩＣ模拟值ＲＭＳＥ范围在１．４０至２．８０之间，ＲＥ范围在０．９０至２．２０之间，Ｒ２范围在０．４０至０．６０之间，总体上ＶＩＣ模型模拟值与实测土壤含水量相关性较好，其中盐渍地Ｒ２最高㊁ＲＭＳＥ与ＲＥ最低，接着为灌丛㊁耕地㊁荒地㊂表４㊀ＶＩＣ模型不同地类模拟评价结果Ｔａｂｌｅ４㊀ＶＩＣｍｏｄｅｌｔｙｐｉｃａｌｇｒｏｕｎｄｃｌａｓｓｓｉｍｕｌａｔｉｏｎｅｖａｌｕａｔｉｏｎｒｅｓｕｌｔｓ地物类型ＬａｎｄｕｓｅｔｙｐｅＲＭＳＥＲＥＲ２盐渍地Ｓａｌｉｎｉｚｅｄ１．４４００．９２３０．５９８耕地Ｃｕｌｔｉｖａｔｅｄ１．９３１１．３９４０．５０３荒地Ｂａｒｅｌａｎｄ２．７８４２．１５３０．４６７灌丛Ｓｈｒｕｂｃｏｖｅｒｅｄ１．４６２０．９２７０．５９６㊀㊀ＲＭＳＥ：均方根误差ＲｏｏｔＭｅａｎＳｑｕａｒｄＥｒｒｏｒ；ＲＥ：相对误差Ｒｅｌａｔｉｖｅｅｒｒｏｒ４㊀结论通过ＶＩＣ模型土壤含水量模拟，发现其对干旱区土壤水分模拟效果较好，可以实现大面积㊁长时间序列的旱情监测与分析；结合土地利用类型变化，分析土壤含水量时空模拟差异，结果表明：（１）渭⁃库绿洲近７年内，耕地与盐渍地面积增幅达３５％以上，荒地面积相较２００９年减少约４６％，灌丛面积增幅约１５％；其中荒地转为盐渍地面积为１０３１．４４ｋｍ２，荒地转为耕地４６１．４５ｋｍ２，表明研究区土地荒漠化趋势得到逆转，整体生态环境得到改善㊂（２）通过分析不同月份ＶＩＣ模拟表层土壤含水量空间分布，发现１６月，西南地区土壤含水量低于东北区域；７９月，研究区东北区域含水量普遍高于３５．２１ｍｍ，干旱区域集中在西南㊁西北和南部区域；１０１２月，西南区域普遍比东北区域土壤含水量低㊂７５０３㊀９期㊀㊀㊀包青岭㊀等：基于ＶＩＣ模型模拟的干旱区土壤水分及其时空变化特征㊀图９㊀实测土壤水分与ＶＩＣ模拟值散点图Ｆｉｇ．９㊀ＭｅａｓｕｒｅｄｓｏｉｌｍｏｉｓｔｕｒｅａｎｄＶＩＣｓｉｍｕｌａｔｅｄｖａｌｕｅｓｃａｔｔｅｒｐｌｏｔ（３）通过分析不同地类ＶＩＣ模拟土壤含水量时间分布，结合降雨量来看，每种地物土壤含水量变化波动呈正弦函数曲线，盐渍土壤表层含水量相较于耕地约高０．０６％；在每年雨季，灌丛土壤含水量高于其他３种地类大约０．０２％；旱季期间，荒地土壤含水量，处于低值２８．４１ｍｍ左右，在雨季，含水量上升至高值５６．７８ｍｍ左右；据近７年土地利用变化，大量荒地转化为耕地，绿洲荒地土壤含水量与耕地土壤相互接近，在２８．７８４５３．７４１ｍｍ之间；ＶＩＣ模型较好的模拟了研究区不同地类土壤含水量的季节变化规律㊂（４）进一步分析２００９２０１６土地利用面积变化对土壤含水量变化的影响，荒地土壤含水量伴随面积大幅度下降，含水量数值集中在正态曲线２８．６０以上区域；盐渍地㊁耕地土壤与灌丛表层土壤含水量伴随面积大幅度上升，土壤含水量数值分别集中在正态曲线３４．４０ｍｍ㊁２４．２０ｍｍ与３０．４０ｍｍ以上㊂ＶＩＣ模拟值与实测值ＲＭＳＥ范围在１．４０至２．８０之间，ＲＥ范围在０．９０至２．２０之间，Ｒ２范围在０．４０至０．６０之间，模拟效果较好㊂８５０３㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀王加虎，李丽，李新红．四水转化研究综述．水文，２００８，２８（４）：５⁃８．［２］㊀张军红，吴波．干旱㊁半干旱地区土壤水分研究进展．中国水土保持，２０１２，（２）：４０⁃４３．［３］㊀马成霞．绿洲区域表层土壤水盐的时空异质性［Ｄ］．乌鲁木齐：新疆大学，２０１５．［４］㊀杨爱霞．基于遥感和水文模型的新疆渭库绿洲荒漠过渡区土壤水分研究［Ｄ］．乌鲁木齐：新疆大学，２０１７．［５］㊀ＳｅｎｅｖｉｒａｔｎｅＳＩ，ＣｏｒｔｉＴ，ＤａｖｉｎＥＬ，ｅｔａｌ．Ｉｎｖｅｓｔｉｇａｔｉｎｇｓｏｉｌｍｏｉｓｔｕｒｅ⁃ｃｌｉｍａｔｅｉｎｔｅｒａｃｔｉｏｎｓｉｎａｃｈａｎｇｉｎｇｃｌｉｍａｔｅ：Ａｒｅｖｉｅｗ．Ｅａｒｔｈ⁃ＳｃｉｅｎｃｅＲｅｖｉｅｗｓ，２０１０，９９（３／４）：１２５⁃１６１．［６］㊀ＶｉｖｏｎｉＥＲ．Ｓｐａｔｉａｌｐａｔｔｅｒｎｓ，ｐｒｏｃｅｓｓｅｓａｎｄｐｒｅｄｉｃｔｉｏｎｓｉｎｅｃｏｈｙｄｒｏｌｏｇｙ：ｉｎｔｅｇｒａｔｉｎｇｔｅｃｈｎｏｌｏｇｉｅｓｔｏｍｅｅｔｔｈｅｃｈａｌｌｅｎｇｅ．Ｅｃｏｈｙｄｒｏｌｏｇｙ，２０１２，５（３）：２７３⁃２８１．［７］㊀ＤｅａｒｄｏｒｆｆＪＷ．Ｅｆｆｉｃｉｅｎｔｐｒｅｄｉｃｔｉｏｎｏｆｇｒｏｕｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅａｎｄｍｏｉｓｔｕｒｅ，ｗｉｔｈｉｎｃｌｕｓｉｏｎｏｆａｌａｙｅｒｏｆｖｅｇｅｔａｔｉｏｎ．ＪｏｕｒｎａｌｏｆＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈ：Ｏｃｅａｎｓ，１９７８，８３（Ｃ４）：１８８９⁃１９０３．［８］㊀ＢａｒｎｅｔｔＴ，ＭａｌｏｎｅＲ，ＰｅｎｎｅｌｌＷ，ＳｔａｍｍｅｒＤ，ＳｅｍｔｎｅｒＢ，ＷａｓｈｉｎｇｔｏｎＷ．Ｔｈｅｅｆｆｅｃｔｓｏｆｃｌｉｍａｔｅｃｈａｎｇｅｏｎｗａｔｅｒｒｅｓｏｕｒｃｅｓｉｎｔｈｅｗｅｓｔ：ｉｎｔｒｏｄｕｃｔｉｏｎａｎｄｏｖｅｒｖｉｅｗ．ＣｌｉｍａｔｉｃＣｈａｎｇｅ，２００４，６２（１／３）：１⁃１１．［９］㊀ＳｅｌｌｅｒｓＰＪ，ＨａｌｌＦＧ，ＡｓｒａｒＧ，ＳｔｒｅｂｅｌＤＥ，ＭｕｒｐｈｙＲＥ．ＡｎｏｖｅｒｖｉｅｗｏｆｔｈｅＦｉｒｓｔＩｎｔｅｒｎａｔｉｏｎａｌＳａｔｅｌｌｉｔｅＬａｎｄＳｕｒｆａｃｅＣｌｉｍａｔｏｌｏｇｙＰｒｏｊｅｃｔ（ＩＳＬＳＣＰ）ＦｉｅｌｄＥｘｐｅｒｉｍｅｎｔ（ＦＩＦＥ）．ＪｏｕｒｎａｌｏｆＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈ：Ａｔｍｏｓｐｈｅｒｅｓ，１９９２，９７（Ｄ１７）：１８３４５⁃１８３７１．［１０］㊀ＬｉａｎｇＸ，ＬｅｔｔｅｎｍａｉｅｒＤＰ，ＷｏｏｄＥＦ，ＢｕｒｇｅｓＳＪ．Ａｓｉｍｐｌｅｈｙｄｒｏｌｏｇｉｃａｌｌｙｂａｓｅｄｍｏｄｅｌｏｆｌａｎｄｓｕｒｆａｃｅｗａｔｅｒａｎｄｅｎｅｒｇｙｆｌｕｘｅｓｆｏｒｇｅｎｅｒａｌｃｉｒｃｕｌａｔｉｏｎｍｏｄｅｌｓ．ＪｏｕｒｎａｌｏｆＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈ：Ａｔｍｏｓｐｈｅｒｅｓ，１９９４，９９（Ｄ７）：１４４１５⁃１４４２８．［１１］㊀ＷａｎｇＬＬ，ＱｕＪＪ．Ｓａｔｅｌｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇａｐｐｌｉｃａｔｉｏｎｓｆｏｒｓｕｒｆａｃｅｓｏｉｌｍｏｉｓｔｕｒｅｍｏｎｉｔｏｒｉｎｇ：Ａｒｅｖｉｅｗ．ＦｒｏｎｔｉｅｒｓｏｆＥａｒｔｈＳｃｉｅｎｃｅｉｎＣｈｉｎａ，２００９，３（２）：２３７⁃２４７．［１２］㊀ＰｉｎｇＺ，ＢｏｕｎｏｕａＬ，ＴｈｏｍｅＫ，ｅｔａｌ．ＭｏｄｅｌｉｎｇＳｕｒｆａｃｅＣｌｉｍａｔｅｉｎＵ．Ｓ．ＣｉｔｉｅｓＵｓｉｎｇＳｉｍｐｌｅＢｉｏｓｐｈｅｒｅＭｏｄｅｌＳｉＢ２［Ｊ］．ＣａｎａｄｉａｎＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２０１５，４１（６）：５２５⁃５３５．［１３］㊀陈书林，刘元波，温作民．卫星遥感反演土壤水分研究综述．地球科学进展，２０１２，２７（１１）：１１９２⁃１２０３．［１４］㊀ＭｉｔｃｈｅｌｌＴＤ，ＪｏｎｅｓＰＤ．Ａｎｉｍｐｒｏｖｅｄｍｅｔｈｏｄｏｆｃｏｎｓｔｒｕｃｔｉｎｇａｄａｔａｂａｓｅｏｆｍｏｎｔｈｌｙｃｌｉｍａｔｅｏｂｓｅｒｖａｔｉｏｎｓａｎｄａｓｓｏｃｉａｔｅｄｈｉｇｈ⁃ｒｅｓｏｌｕｔｉｏｎｇｒｉｄｓ．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｌｉｍａｔｏｌｏｇｙ，２００５，２５（６）：６９３⁃７１２．［１５］㊀Ａｌ⁃ＹａａｒｉＡ，ＷｉｇｎｅｒｏｎＪＰ，ＤｕｃｈａｒｎｅＡ，ＫｅｒｒＹ，ＤｅＲｏｓｎａｙＰ，ＤｅＪｅｕＲ，ＧｏｖｉｎｄＡ，ＡｌＢｉｔａｒＡ，ＡｌｂｅｒｇｅｌＣ，Ｍｕñｏｚ⁃ＳａｂａｔｅｒｄＪ，ＲｉｃｈａｕｍｅＰ，ＭｉａｌｏｎｃＡ．Ｇｌｏｂａｌ⁃ｓｃａｌｅｅｖａｌｕａｔｉｏｎｏｆｔｗｏｓａｔｅｌｌｉｔｅ⁃ｂａｓｅｄｐａｓｓｉｖｅｍｉｃｒｏｗａｖｅｓｏｉｌｍｏｉｓｔｕｒｅｄａｔａｓｅｔｓ（ＳＭＯＳａｎｄＡＭＳＲ⁃Ｅ）ｗｉｔｈｒｅｓｐｅｃｔｔｏＬａｎｄＤａｔａＡｓｓｉｍｉｌａｔｉｏｎＳｙｓｔｅｍｅｓｔｉｍａｔｅｓ．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２０１４，１４９：１８１⁃１９５．［１６］㊀ＬｅａｖｅｓｌｅｙＧＨ．Ｍｏｄｅｌｉｎｇｔｈｅｅｆｆｅｃｔｓｏｆｃｌｉｍａｔｅｃｈａｎｇｅｏｎｗａｔｅｒｒｅｓｏｕｒｃｅｓ⁃ａｒｅｖｉｅｗ．ＣｌｉｍａｔｉｃＣｈａｎｇｅ，１９９４，２８（１／２）：１５９⁃１７７．［１７］㊀杨涛，宫辉力，李小娟，赵文吉，孟丹．土壤水分遥感监测研究进展．生态学报，２０１０，３０（２２）：６２６４⁃６２７７．［１８］㊀汪潇，张增祥，赵晓丽，谭文彬．遥感监测土壤水分研究综述．土壤学报，２００７，４４（１）：１５７⁃１６３．［１９］㊀吴黎，张有智，解文欢，李岩，宋静波．土壤水分的遥感监测方法概述．国土资源遥感，２０１４，２６（２）：１９⁃２６．［２０］㊀ＺｈａｏＬ，ＹａｎｇＫ，ＱｉｎＪ，ＣｈｅｎＹＹ，ＴａｎｇＷＪ，ＬｕＨ，ＹａｎｇＺＬ．Ｔｈｅｓｃａｌｅ⁃ｄｅｐｅｎｄｅｎｃｅｏｆＳＭＯＳｓｏｉｌｍｏｉｓｔｕｒｅａｃｃｕｒａｃｙａｎｄｉｔｓｉｍｐｒｏｖｅｍｅｎｔｔｈｒｏｕｇｈｌａｎｄｄａｔａａｓｓｉｍｉｌａｔｉｏｎｉｎｔｈｅｃｅｎｔｒａｌＴｉｂｅｔａｎＰｌａｔｅａｕ．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２０１４，１５２：３４５⁃３５５．［２１］㊀ＭｏｒａｄｋｈａｎｉＨ．ＨｙｄｒｏｌｏｇｉｃＲｅｍｏｔｅＳｅｎｓｉｎｇａｎｄＬａｎｄＳｕｒｆａｃｅＤａｔａＡｓｓｉｍｉｌａｔｉｏｎ．Ｓｅｎｓｏｒｓ，２００８，８（５）：２９８６⁃３００４．［２２］㊀ＹａｎＦ，ＱｉｎＺＨ，ＬｉＭＳ，ＬｉＷＪ．Ｐｒｏｇｒｅｓｓｉｎｓｏｉｌｍｏｉｓｔｕｒｅｅｓｔｉｍａｔｉｏｎｆｒｏｍｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａｆｏｒａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇ／／ＰｒｏｃｅｅｄｉｎｇｓｏｆＳＰＩＥ６３６６，ＲｅｍｏｔｅＳｅｎｓｉｎｇｆｏｒＥｎｖｉｒｏｎｍｅｎｔａｌＭｏｎｉｔｏｒｉｎｇ，ＧＩＳＡｐｐｌｉｃａｔｉｏｎｓ，ａｎｄＧｅｏｌｏｇｙＶＩ．Ｓｔｏｃｋｈｏｌｍ，Ｓｗｅｄｅｎ：ＳＰＩＥ，２００６：６３６６０１．［２３］㊀ＲｏｂｉｎｏｖｅＣＪ，ＣｈａｖｅｚＰＳ，ＧｅｈｒｉｎｇＤ，ＨｏｌｍｇｒｅｎＲ．ＡｒｉｄｌａｎｄｍｏｎｉｔｏｒｉｎｇｕｓｉｎｇＬａｎｄｓａｔａｌｂｅｄｏｄｉｆｆｅｒｅｎｃｅｉｍａｇｅｓ．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９８１，１１：１３３⁃１５６．［２４］㊀邓辉，周清波．土壤水分遥感监测方法进展．中国农业资源与区划，２００４，２５（３）：４６⁃４９．［２５］㊀ＺｈａｏＹＳ，ＺｈｅｎｇＨＦ，ＭａＸＬ，ＪｉｎＲＨ，ＷｕＧ．ＲｅｇｅｎｅｒａｔｉｖｅｓｏｌａｒｓｏｉｌｓｔｅｒｉｌｉｚｉｎｇｓｙｓｔｅｍｗｉｔｈｔｈｅＦｒｅｓｎｅｌｌｅｎｓｃｏｎｃｅｎｔｒａｔｏｒ．ＡｐｐｌｉｅｄＴｈｅｒｍａｌＥｎｇｉｎｅｅｒｉｎｇ，２０１８：６７４⁃６８２．［２６］㊀ＨａｎＪＱ，ＭａｏＫＢ，ＸｕＴＲ，ＧｕｏＪＰ，ＺｕｏＺＹ，ＧａｏＣＹ．ＡｓｏｉｌｍｏｉｓｔｕｒｅｅｓｔｉｍａｔｉｏｎｆｒａｍｅｗｏｒｋｂａｓｅｄｏｎｔｈｅＣＡＲＴａｌｇｏｒｉｔｈｍａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎＣｈｉｎａ．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，２０１８：６５⁃７５．［２７］㊀古丽波斯坦㊃巴图，丁建丽，李艳菊．干旱区土地利用／覆盖变化与生态环境效应研究以渭⁃库绿洲为例．草地学报，２０１８，２６（１）：５３⁃６１．［２８］㊀ＹｕａｎＦ，ＸｉｅＺＨ，ＬｉｕＱ，ＹａｎｇＨＷ，ＳｕＦＧ，ＬｉａｎｇＸ，ＲｅｎＬＬ．ＡｎａｐｐｌｉｃａｔｉｏｎｏｆｔｈｅＶＩＣ⁃３ＬｌａｎｄｓｕｒｆａｃｅｍｏｄｅｌａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａｉｎｓｉｍｕｌａｔｉｎｇｓｔｒｅａｍｆｌｏｗｆｏｒｔｈｅＨａｎｊｉａｎｇＲｉｖｅｒｂａｓｉｎ．ＣａｎａｄｉａｎＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００４，３０（５）：６８０⁃６９０．［２９］㊀ＸｉｅＺＨ，ＹｕａｎＦ，ＤｕａｎＱＹ，ＺｈｅｎｇＪ，ＬｉａｎｇＭＬ，ＣｈｅｎＦ．ＲｅｇｉｏｎａｌｐａｒａｍｅｔｅｒｅｓｔｉｍａｔｉｏｎｏｆｔｈｅＶＩＣｌａｎｄｓｕｒｆａｃｅｍｏｄｅｌ：ｍｅｔｈｏｄｏｌｏｇｙａｎｄａｐｐｌｉｃａｔｉｏｎｔｏｒｉｖｅｒｂａｓｉｎｓｉｎＣｈｉｎａ．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｍｅｔｅｏｒｏｌｏｇｙ，２００７，８（３）：４４７⁃４６８．［３０］㊀ＹａｎｇＹＭ，ＹａｎｇＹＨ，ＬｉｕＤＬ，ＮｏｒｄｂｌｏｍＴ，ＷｕＢＦ，ＹａｎＮＮ．Ｒｅｇｉｏｎａｌｗａｔｅｒｂａｌａｎｃｅｂａｓｅｄｏｎｒｅｍｏｔｅｌｙｓｅｎｓｅｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎａｎｄｉｒｒｉｇａｔｉｏｎ：ａｎａｓｓｅｓｓｍｅｎｔｏｆｔｈｅＨａｉｈｅＰｌａｉｎ，Ｃｈｉｎａ．ＲｅｍｏｔｅＳｅｎｓｉｎｇ，２０１４，６（３）：２５１４⁃２５３３．［３１］㊀ＳｈａＳ，ＮｉＧ，ＬｉＹＨ，ＨｕＤ，ＷａｎｇＬＪ．ＡｐｐｌｉｃａｂｉｌｉｔｙｏｆＴＶＤＩｉｎｍｏｎｉｔｏｒｉｎｇｄｒｏｕｇｈｔｉｎＬｏｎｇｄｏｎｇＡｒｅａｏｆＧａｎｓｕ，Ｃｈｉｎａ．ＪｏｕｒｎａｌｏｆＤｅｓｅｒｔＲｅｓｅａｒｃｈ，２０１７，３７（１）：１３２⁃１３９．［３２］㊀ＷａｎｇＣＢ，ＣｈｅｎＪＧ，ＣｈｅｎＸ，ＣｈｅｎＪＨ．ＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｃｏｎｃｅａｌｅｄｆａｕｌｔｓｉｎａｇｒａｓｓｌａｎｄａｒｅａｉｎＩｎｎｅｒＭｏｎｇｏｌｉａ，Ｃｈｉｎａ，ｕｓｉｎｇｔｈｅｔｅｍｐｅｒａｔｕｒｅｖｅｇｅｔａｔｉｏｎｄｒｙｎｅｓｓｉｎｄｅｘ．ＪｏｕｒｎａｌｏｆＥａｒｔｈＳｃｉｅｎｃｅ，２０１８：１⁃８．９５０３㊀９期㊀㊀㊀包青岭㊀等：基于ＶＩＣ模型模拟的干旱区土壤水分及其时空变化特征㊀。