全球变暖背景下的土壤水分时空演化格局探究

第1章绪论 1.1研究背景与意义 土壤水分，即土层中的含水量，是水文循环系统中的关键组分（Deng et al.，2020a；Dorigo and De Jeu 2016；Gruber et al.，2019）。作为连接大气降水、地表水、地下水和植被水的纽带，土壤水分在陆表与大气能量交换、物质（碳、氮、磷、钾等元素）存储与传输过程中扮演至关重要的角色（Chen et al.，2014；Koster et al.，2004；Swenson et al.，2008）。因此，土壤水分被视为科学分析理解地球系统过程（如气候变化、生态演化）的必要自然要素。此外，含水量是土壤*重要的属性特征之一，土壤水分是陆生植物的生命源泉，对于农作物和自然植被而言，不论降水还是灌溉均需转化为土壤水才能被植物吸收。土壤水分时空分布及演化规律对开展区域乃至全球气候变化研究、地球化学探索、生态系统演变、水循环分析、植被长势预判、旱涝灾害监测具有关键指示意义和参考价值（Flanagan and Johnson 2005；Xu et al.，2004）。鉴于土壤水分的重要性和特殊地位，相关领域研究越发受到关注，近半个世纪以来国内外科研机构围绕数据获取与质量提升、作物长势分析与估产、气候变化耦合效应等诸多方向开展了系列研究（Liu et al.，2020a；Liu et al.，2020c；Mladenova et al.，2019；Yang et al.，2018）。 土壤水分是表征气候变化的敏感指示因子。一方面，土壤水分在与降水（Koster et al.，2003）、温度（Xu et al.，2004）、植被（Zwieback et al.，2018）、蒸发（Delworth and Manabe 1988）、土地覆被（Line et al.，2003）等要素的非线性紧密耦合作用下，呈现季节和年际波动。另一方面，近几十年来全球人口快速增长，经济水平飞速发展，人类活动强度日益增长，对水资源可持续供给造成巨大压力和挑战（Colaizzi et al.，2003；Dll et al.，2012；Puy et al.，2021；Qiu et al.，2016）。多种人类活动取水（如家庭用水、灌溉、电力用水、畜牧业用水、制造业用水、采矿业用水）给土壤水分的时空分布与演化趋势带来不同程度的直接或间接影响（He et al.，2021）。因此，土壤水分的波动效应是在自然和人为多要素联合驱动下的综合表达。全球升温背景下气候变化关注度与日俱增，探索土壤水分对气候变化的响应机制是揭示地表水资源动态分布格局特征的关键途径。 土壤水分对气候变化的响应已被认为是全球变化的核心问题，诸多学者针对土壤水分演化格局与驱动机制进行了综合研究并取得系列进展。有学者基于多源星载传感器融合反演的1988～2010年土壤水分数据开展趋势分析，结果表明73%的区域出现不同程度的下降趋势（Dorigo et al.，2012）。Feng和Zhang（2015）利用欧洲航天局研制的土壤水分融合数据检验普遍认可的“干旱区越来越干，湿润区越来越湿（dry gets drier， wet gets wetter，DGDWGW）”理念，发现这一现象被过度估计，仅有51.63%的区域符合DGDWGW趋势。Meng等（2022）以蒙古高原为研究区评价了1982~2019年气候要素对土壤水分波动效应的影响，发现降水量下降与潜在蒸散量上升导致土壤呈现干化趋势。Jia等（2017）基于长期站点观测数据阐明了黄土高原深层土壤含水量在植树造林区域的显著下降现象。Zhang等（2019a）从历史回溯与未来预测双重视角分析了喜马拉雅-青藏高原区域土壤水分的变化情况，指出在降水有所增加与潜在蒸散显著增加的驱动下，土壤水分自2010年起持续下降且速率越来越快。Liu等（2015）分析了1983～2012年中国东北耕地区域的土壤水分变化特征，证实农业耕作显著加剧土壤干化，在作物生长季趋势更甚。 近半个世纪以来，国内外围绕高精度土壤水分数据获取开展了大量探索研究工作。站点实测（Dorigo et al.，2011）、卫星反演（Peng et al.，2017）、模型同化（Gevaert et al.，2018）成为获取多尺度、多频率、多深度土壤水分数据的三类主要方法。海量多模态的数据产品为分析全球变暖背景下的土壤水分时空演化特征提供了前所未有的机遇。此外，土壤水分能够直接影响植被蒸腾及光合作用，开展土壤水分演化趋势研究对于农作物长势分析与产量估算具有重要意义，对保障粮食安全、促进生态文明建设、推进区域可持续发展具有战略价值。在全球气候和土地利用/土地覆被格局迅速变化的背景下，全球多区域、多深度、长时序土壤的干湿化趋势及其驱动机制研究尚处在探索阶段。因此，本书在综合对比多源异构土壤水分数据产品特性的基础上，利用全球月尺度再分析数据产品对土壤水分的时空演化格局进行研究。在空间尺度范围上，基于全球、东亚、典型区（青藏高原、蒙古高原）三种视角，综合分析土壤水分的季节波动、年际趋势以及在不同气候带、不同下垫面类型呈现的地理分异规律。在定量化表达土壤水分干化/湿化趋势的基础上，进一步开展归因分析，从自然因素（如降水、温度、植被、蒸发）和人为因素（如家庭、农业灌溉、饲养牲畜、发电、手工业、采矿业涉及的取水活动）两方面分析引起土壤水分演变的原因，为促进土壤水分调节管理、保障粮食安全、助力可持续发展提供辅助参考。 本书旨在通过对全球及重点区域长达70年的土壤水分的演化格局分析及驱动机制探索，明晰气候变暖背景下的多深度土壤水分响应程度及其地理分异规律，厘清导致土壤水分演化的自然因素和人为因素驱动机制，为进行多尺度地表水循环过程分析、气候演化研究、农业旱涝预警等提供分析依据与科学方法支撑。这不仅对于掌握地表水资源分布与流动趋势、推进农田旱涝预警及作物估产研究以及全球生态系统演替研究具有重要的参考价值，而且对于有关部门制定水土保持战略方针与贯彻落实科学治理具有重要的辅助指导意义。 1.2土壤水分及其数据产品简介 1.2.1土壤水分的含义 土壤水分是指储存在非饱和土壤地带的水分含量，非饱和土壤地带是指地表至地下水面（潜水面）之间的土壤层（Seneviratne et al.，2010）。体积含水量是经典的土壤水分测量单位，即单位体积的土壤中水分的体积，用m3/m3表示；重量百分比也是土壤水分的常用测量单位，即样本所含水分重量与烘干土壤重量的比值，以百分数表示。 1.2.2土壤水分数据产品简介 在过去的数十年中，围绕土壤水分数据估算获取开展了大量的攻关研究，研制了一批适用于科学研究的全球尺度土壤水分数据产品（Babaeian et al.，2018；Leng et al.，2016；Sadeghi et al.，2017）。为了满足对土壤水分研究与应用日益增长的需求，土壤水分传感器和反演算法不断升级改造，数据产品质量，包括空间范围、时间尺度、空间分辨率、时间频率、时滞和数据精度都得到了持续地迭代优化。然而，鉴于目前的土壤水分数据产品状况与实际应用需求之间的差距，在时空完整性与拓展性、数据精度与稳定性方面还有很长的路要走。因此，需要适时地总结梳理土壤水分获取技术方法的阶段性进展，指出土壤水分监测未来面临的机遇和挑战，以便温故而知新。当前，主流的土壤水分原始信息获取方法包括地表传感器和星载传感器两类（Gruber et al.，2013；Li et al.，2021e；Wang and Qu，2009）。 1.点尺度原始土壤水分数据获取——地面监测网络 鉴于土壤水分在地球系统领域显著的科学意义和应用价值，苏联和蒙古国自20世纪50年代就开始测量记录地表土壤水分（Liu et al.，2020a；Sheffield and Wood，2006；Walker and Houser，2001）。地面监测网络能够以小时乃至亚小时采样频率便捷地获取精确位置和深度的土壤水分值。发展至今，传感器和组网技术均已相对成熟，且成本较低。然而，由于土壤水分领域的科学研究目标多元化，各研究机构建立的地面监测网络具有不同的站点密度、观测频率、监测深度、传感器类型、空间覆盖范围与时间覆盖区间。依据使用习惯，各机构获取的土壤水分数据以重力体积单位（g/cm3）、体积单位（m3/m3）或田间持水量等多元化方式表达（Peng et al.，2017）。各地面监测网络基于研究机构所在国家的官方语言进行元数据编写、数据发布与共享。因此，诸多的异质性表达阻碍了地面监测网络数据的便捷获取与规范化汇聚整理。 针对上述难题，国际土壤水分网络（International Soil Moisture Network，ISMN）致力于打造一个全球化的土壤水分实测数据集中仓储平台（Dorigo et al.，2011；Dorigo et al.，2013；Gruber et al.，2013）。该平台旨在从全球范围内业务化运行的地面监测网络中收集土壤水分数据，将共享技术和协议标准化处理，并使其可供用户快速获取和使用。截至2022年6月，共有来自欧洲、北美洲、南美洲、亚洲、非洲、大洋洲的73个地面监测网络数据（包括超过2800个站点）向公众开放。除了土壤水分，ISMN还集成了相关的气象要素，如土壤温度和降水，能够为土壤水分演化特征的综合分析提供重要的补充依据。当下ISMN已成为全球范围内越来越受欢迎的土壤水分地面实测数据仓储平台（Albergel et al.，2012；Beck et al.，2021；Chen et al.，2017；Dorigo et al.，2015；Griesfeller et al.，2016；Liu et al.，2020a；Ma et al.，2019；Paulik et al.，2014）。随着地面监测网络的扩张和数据的持续更新，ISMN已经成为一个公认的、充满活力的全球土壤水分地面监测数据库。此外，美国也建立了国家土壤水分监测网络平台，该平台的数据及时手动更新，时滞为1天，截至2022年7月，共有24个位于美国的地面监测网络数据开放共享。 然而，尽管地面监测网络数据越来越标准化和丰富，点尺度的数据仍然很难代表大区域的土壤水分情况。地面监测网络获取的点尺度数据有限的时间和空间覆盖范围极大地限制了其在大尺度范围、长时序科学研究和探索中的应用。因此，地面监测网络数据通常作为参考数据参与对其他方法获取的多尺度土壤水分数据的评价与真实性检验。 2.大尺度范围原始土壤水分数据获取——星载传感器 鉴于科学研究迫切需要获得全球范围的近实时土壤水分数据，自20世纪70年代开始，星载遥感技术已逐渐成为获取全球尺度连续时间序列地表土壤水分数据的一种充满前景的方法。基于星载传感器信号反演的丰富的土壤水分数据为进行相关科学分析和应用提供了前所未有的机遇。多波段遥感数据，包括光学波段、热红外波段和微波波段，均被用于反演土壤水分（Chen et al.，2012）。在光学和热红外遥感数据反演过程中，主要基于土壤表面发射率和地表温度来反演土壤水分（Goward et al.，2002）。但是该反演模型主要是依据土壤水分与地表状态指数［如植被指数（Quiring and Ganesh，2010）、归一化植被指数（Gu et al.，2008）、温度植被干旱指数（Patel et al.，2009）、土壤湿度指数（Mallick et al.，2009）］的经验关系而建立，难以满足在大尺度范围和多元气候区的应用。此外，光学与热红外信号非常容易受到云雨天气、密集植被覆盖和气溶胶光学厚度的影响。光学遥感仅能探测地表1mm深度处的反射率和发射率，对于水文和农业领域研究应用而言，若干厘米深度处的土壤水分数据远比1mm深度处的数据有意义得多。