基于TVDI的玛曲土壤湿度时空变化及其影响因素

王美林， 姜群鸥,3†， 邵雅琪， 孙驷阳

(1.北京林业大学水土保持学院，100083，北京；2.北京林业大学 水土保持与荒漠化防治教育部重点实验室，100083，北京；3.中国科学院 地理科学与资源研究所农业政策研究中心，100101，北京)

土壤湿度是地球表层和大气能量交换过程中的重要参数，决定着植被的蒸散发以及光合作用并且对陆地表面蒸散、水的运移以及碳循环等有很强的控制作用，是农业科学、水文生态学、气象学等研究领域衡量土壤干旱程度的重要指标[1]。土壤湿度的时空分布研究对农业干旱监测和土地退化监测具有重大意义，区域性的土壤湿度反演，是陆地过程研究中一个必不可少的参量，对于在改善区域气候、预测区域干湿情况研究中有着举足轻重的作用[2]。传统获取土壤湿度的方法主要是田间实测法[3]，采用地面观测站进行实地监测，是对土壤湿度的直接测量，其优点是获得的数据精度高，可信度和可靠性强，不足在于费时费力，成本高，采样点数目不多并且代表性也不强，只能够反映出监测站点附近的局部区域的土壤湿度。利用遥感技术可以得到土壤湿度在空间上的分布状况以及时间上的变化情况，具有宏观、实时、动态、快速等优点[4]，采用遥感技术己是监测土壤湿度的重要途径和必然趋势。目前常见的土壤湿度反演方式主要包括热惯量法、植被指数与地表温度结合法以及微波遥感法等[5-7]。

温度植被干旱指数法通过刻画地表温度和植被指数二者关系的变化特征来综合反映土壤湿度状况在国内外得到了广泛研究和应用。Price[8]用植被指数、地表温度来估测区域的蒸散量，发现以两者为横纵坐标的散点图呈现三角形。在此基础上Mornaet研究扩充了Price的理论，发现一个区域的地表类型如果是从裸土到密闭植被，区域的土壤湿度是由干旱到湿润，则该区域每个像元的归一化植被指数(normalized difference vegetation index，NDVI)和地表温度(land surface temperature，LST)构成的散点图将会呈现梯形。Goetz[9]研究了NOAA/AVHRR，Landsat TM，SPOT等影像计算的LST和NDVI的斜率与土壤湿度之间的相关关系。最后，Sandholt等[10]在前人研究了无数次植被指数和地表温度的关系的基础上，首次提出了温度植被干旱指数(temperature vegetation drought index，TVDI)这个概念，并利用TVDI来估测土壤表层湿度状况，但是该指数只表示土壤湿度的相对状态。陈斌等[11]以内蒙古锡林郭勒盟地区为研究对象选取MODIS植被指数和陆地表面温度数据构建草原地区的温度植被干旱指数，并结合当地气象数据和野外同步实地测量得到的土壤含水量数据对该指数进行定量验证，表明TVDI可以用来评价草原干旱状况。梁华[12]基于MODIS数据利用TVDI法对新疆维吾尔自治区祁漫塔格研究区进行了土壤湿度遥感反演，并利用课题组改进后的地表能量平衡系统(surface energy balance system，SEBS)模型估算的蒸散与所反演的 TVDI进行结果验证，结果表明蒸散与TVDI的相关性很好且呈负相关性，蒸散值越大则TVDI值越小。王行汉等[13]提出了增强温度植被指数(enhanced temperature vegetation dryness index，ETVDI)，该方法克服了TVDI在高植被覆盖区植被指数饱和的缺陷，为中国南方高植被覆盖区的旱情监测提供了一种新的方法手段。综上所述，已有众多专家采用TVDI方法对土壤湿度进行大量的研究，并鉴于研究区玛曲地区为低植被覆盖区，本研究认为TVDI方法能较好地适用于反演研究玛曲土壤湿度状况；因此，本研究依据TVDI方法来揭示玛曲地区土壤湿度时空变化特征以及引起土壤水分变化的关键影响因素，从而为玛曲生态保护提出相应的政策建议。

玛曲位于甘肃省甘南藏族自治州的西南部，是甘南州主要的牧区和唯一的纯牧业县。因是黄河第一弯曲部而被称为黄河首曲，是黄河重要的水源涵养区，由于海拔较高，发育的草甸生态系统较为脆弱，也因此成为典型的生态脆弱区。研究玛曲地区土壤水分状况对黄河源区水源涵养和维持高寒植被生态系统稳定健康发展具有重要意义。土壤湿度条件对牧草的生长状况有着直接的联系，做好玛曲土壤湿度的反演监测，有助于对区域旱情进行更加科学准确的定性或定量评价，对合理安排玛曲畜牧业生产活动以及实现经济可持续发展起着至关重要的作用。在全球变暖和人类活动影响下，玛曲湿地大面积被破环[14]，生态环境逐渐恶化造成大面积干旱，沼泽湖泊水位明显下降，黄河一些支流发生了断流现象，这些退化现象不仅制约了牧区经济发展，而且对黄河下游地区生态环境也产生了极其严重影响；因此，及时监测玛曲土壤湿度和干旱情况十分必要。笔者基于2000—2015年玛曲遥感影像数据，利用TVDI模型从年际尺度到季节尺度反演、解析了玛曲表层(0～10 cm)土壤湿度的时空演变特征，进而探讨其主要影响因素，以期为进一步改善玛曲地区水资源保护和生态环境质量提供重要的科学依据。

1 研究区概况

玛曲位于青藏高原东缘，甘肃、青海、四川3省交界处，地处甘肃省甘南藏族自治州的西南部，位于E 100°45′45″～102°29′00″，N 33°06′30″～34°30′15″之间(图1)。区域内呈西北高、东南低的自然阶梯地势，地貌类型主要以极高海拔平原、中起伏高山和中海拔丘陵为主。全区属于高原大陆性高寒湿润区，高寒多风雨(雪)，无四季之分，仅有冷暖2季之别，冷季漫长而寒冷，暖季短暂而温和。雨水集中，日照充足，太阳辐射强烈，全年没有绝对无霜期。年平均气温1.2 ℃，年降水量615.5 mm，主要集中在5—9月。玛曲代表性土壤为草甸土，植被类型以耐高寒的中生灌木和多年生草本为主[15]。玛曲连片绵延的湿地面积达37.5万hm2，被誉为“地球之肾”和黄河的“天然蓄水池”，具有很强的水源涵养和水土保持功能。

图1 玛曲区位图Fig.1 Location of Maqu county

2 数据与方法

2.1 数据来源与处理

1)遥感数据。本研究主要下载了2000年、2005年、2010年以及2015年每年12个月每16 d为1期的遥感影像数据，共96期，数据均来自NASA数据中心(https://ladsweb.modaps.eosdis.nasa.gov/)，包括Terra MODIS地表温度产品MOD11A2、植被指数产品MOD13A2以及净初级生产力产品MOD17A3。其中，MOD11A2为8 d合成空间分辨率为1 km的地表温度产品，包含白天LST、夜间LST、31和32波段通道发射率及质量控制等资料。MOD13A2是Terra卫星16 d合成空间分辨率为1 km的植被指数产品，包含NDVI、几个主要波段反射率以及其他辅助信息。MOD17A3是Terra卫星8 d合成空间分辨率为1 km的植被产品，它包含植被总生产力、植被净初级生产力(net primary productivity，NPP)和质量控制信息等波段[16-17]。

本研究所采用的地表温度数据MOD11A2和植被指数数据MOD13A2均为L3级，即陆地3级标准数据产品，净初级生产力MOD17A3为L4级数据产品，已经过几何纠正、辐射校正处理，使图像的每一点都有精确的地理编码、反射率和辐射率校正。将云覆盖面积大质量较差的数据用相邻时间的影像来替换，对数据基于MRT进行格式转换等预处理，利用地表温度数据和NPP的8 d数据计算每16 d的平均值，使其与植被指数数据时间分辨率保持时相一致，再经过掩膜裁剪处理，得到最终研究所需数据。

2)气候数据。气温、降水是影响土壤湿度动态变化的2个重要气候因素。本次研究采用年均气温以及年降水量作为影响TVDI的气候因子。2000—2015年的气候数据来源于中国气候科学数据共享服务网(http://cdc.cma.gov.cn/)中国地面气候资料月值数据集。为保证结果的准确性，本研究基于ANUSPLIN模型对研究区域内以及周边观测站点的气候数据进行空间插值处理，再通过掩膜提取，获得本研究所需要的降水和气温的空间分布数据，空间分辨率均为1 km。

3)其他数据。本研究采用的其他影响因素数据主要包括人口、GDP、DEM和坡度等，这些数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn/DataList.aspx)。其中，人口、GDP的数据包含了4期(2000，2005，2010，2015年)，空间分辨率均为1 km，而DEM高程数据空间分辨率为30 m，坡度数据是通过DEM数据进行计算处理后得到的，将所获取的数据重新采样到统一的空间尺度，以便于进行影响机制的分析。

2.2 研究方法

1)TVDI模型。本研究运用TVDI模型对遥感数据进行了反演处理。研究发现，地表温度(LST)与归一化植被指数(NDVI)之间存在很密切的联系，且呈负相关关系，随着植被覆盖度的增加，植被的蒸腾作用降低地表温度。当地表处于干旱缺水的状态时，地表温度会迅速升高；相反的，当地表的土壤湿度较大时，地表温度升高得较少。计算公式为

(1)

式中：tS为地表温度，℃；tSmin、tSmax分别为研究区内某一NDVI对应的最小、最大地表温度，℃，即所对应的湿边和干边方程。其计算公式如下：

tSmax=a1+b1×NDVI。

(2)

tSmin=a2+b2×NDVI。

(3)

式中：拟合系数a1为干边的截距，℃；a2为湿边的截距，℃；b1和b2为2个量纲为1的常数，分别表示干边和湿边的斜率，为模型所需的重要参数。

本研究通过利用以16 d为时间分辨率的地表温度数据和归一化植被指数数据，以0.01为步长，对每期的相同植被指数下对应的最大、最小地表温度值进行提取，得到LST-NDVI散点图。在此基础上，去除集中区域外的以及两端相对离散的一些误差散点，选择合适的NDVI值范围再进行线性回归拟合。经过拟合得到的2条直线，其中由最小地表温度值组成的那条边则称作“湿边”，而由最大地表温度组成的边通常称为“干边”[18]。根据拟合的干湿边方程，进而得到TVDI所需的斜率和截距。将每期获得的参数代入表达式(1)最终计算出每16 d的TVDI值，TVDI的取值在0～1之间，TVDI值越大，表明该地区土壤水分缺失程度越严重。

2)相关分析。测度土壤湿度和影响因素之间的相互关系可以通过两者间相关系数的计算与检验来完成的。笔者以相关系数，或称皮氏积矩相关系数为指标来衡量地形因子和气候因子对土壤湿度的影响及其相关性，该相关系数由卡尔·皮尔森(Karl Pearson)在1880年提出，现已广泛地应用于科学的各个领域。其相关系数

(4)

3)回归分析。回归分析是主要探究变量之间相关关系和依存关系的一种有效方法。总体回归模型反映了变量间关系的总体趋势，线性总体回归模型形式简单、参数的估计与检验也相对容易，是最为常见的总体回归模型。多元线性回归模型的一般形式为

ya=β0+β1x1a+β2x2a+…+βkβka+εa。

(5)

式中：β0,β1,…,βk为待定参数；εa为随机变量。

图2 2000—2015年2月玛曲LST-NDVI特征空间及干湿边拟合Fig.2 LST-NDVI feature space and dry-wet edge fitting in Maqu county of February from 2000 to 2015

本研究基于玛曲2000—2015年的TVDI时间序列数据及相应的高程、坡度、气温、降水、净初级生产力、人口和GDP数据，对区域内土壤湿度与不同影响因素间的相关关系进行分析，同时对相关系数进行显著性水平检验，再建立多元线性回归模型进一步分析土壤湿度与影响因素之间的关系。

3 结果与分析

3.1 LST-NDVI特征空间的构建

3.1.1 LST-NDVI特征空间及干、湿边拟合 本研究采用LST-NDVI特征空间来拟合干湿边方程，进而获取TVDI模型所需的斜率和截距2个参数。因影响LST-NDVI斜率与土壤含水量之间关系的因素众多且复杂，直接利用斜率与土壤湿度关系来估算土壤含水量容易产生较大的误差，而基于LST-NDVI特征空间的 TVDI模型可比直接利用斜率与土壤湿度关系来估算土壤含水量能取得更好的效果[19-20]。因此，本研究获得2000、2005、2010和2015年每年24期的LST-NDVI特征空间图。以每年2月份上半个月的数据为例(图2)，结果表明：虽然研究区不同时段内的植被指数与地表温度的值域各异，但是植被指数与地表温度的像元对散点分布呈现较好的三角形关系，因此能够很好地拟合干湿边方程，从而能够较好地利用植被—温度的关系来模拟地表土壤湿度。且其中基本上干边方程的平均R2大于湿边方程的平均R2，说明LST-NDVI特征空间拟合干边的效果要比湿边效果好。干边斜率均小于零为负值，最大地表温度随着植被指数的增大而减小，而湿边斜率大于零，最小地表温度随着植被指数的增大而升高。

3.1.2 模型反演结果验证 为了验证TVDI模型的反演结果，笔者将2017年8月初期野外实测的土壤表层0～10 cm的土壤含水量数据与相同采样点同期反演的TVDI值做相关性分析，进行精度验证，由图3可以看出TVDI值与玛曲实测土壤表层水分有显著的负相关关系，R2达到0.565。随着土壤湿度增大，TVDI值呈现明显的减小趋势，这说明温度植被干旱指数模型适用于本研究区对土壤湿度的反演，能够反映土壤水分状况变化趋势。

TVDI stands for temperature vegetation drought index图3 TVDI值与实测土壤湿度的相关关系Fig.3 Correlation between TVDI and measured soil moisture

3.2 玛曲土壤湿度的时空演变特征

3.2.1 土壤湿度的年际变化特征 土壤湿度在一定程度上可通过TVDI指标体现，基于LST-NDVI特征空间和拟合得到的干湿边方程可计算出研究区2000、2005、2010以及2015年每期TVDI值。在此基础上，估算每月TVDI平均值。为了更好地揭示玛曲土壤湿度的时空变化特征，本研究根据计算得到的每年12个月的TVDI值估算了玛曲每年TVDI的平均值，按照干湿等级划分标准分为5级。其中，TVDI值范围为(0，0.3]时属于湿润区，(0.3，0.5]为偏湿润区，(0.5，0.6]时属于正常，(0.6，0.75]时属于偏干旱，(0.75，1)时属于干旱[16]，进而得到年均TVDI值空间分布图，空间分辨率为1 km。

笔者分析了2000—2015年时间尺度上玛曲土壤湿度总体变化趋势，结果表明(图4)：玛曲年均TVDI值2010年达到最高，2000年最低，2000—2010年整体上呈逐年显著上升趋势，之后有小幅度下降，TVDI年均值由2000年的0.56增长至2015年的0.65。随着年份的推移，玛曲土壤湿度不断减小，干旱情况不断加剧，2010年之后有所减轻，这与陈金雷等[21]在黄河源区土壤温湿变化及相关气候要素分析一文中的研究结果相同，近年来10 cm土壤温湿有暖干化趋势。从空间上分析，研究区的土壤湿度空间变化特征显著且存在明显的空间分异规律：研究区域总体表现为从西北部到东南部TVDI值逐渐增大，总体上，湿润地区主要集中在西北部，在中部和东南部区域出现大片偏干旱或干旱的情况。

图4 2000—2015年玛曲年均TVDI年际变化趋势图Fig.4 Interannual trend map of annual average TVDI in Maqu county from 2000 to 2015

从玛曲2000—2015年土壤湿度的时空演变特征(图5)分析发现，该区域在2000年时主要为偏湿润区和正常区，而到2005年时主要表现为正常区和偏干旱区。其中，2000年玛曲湿润区以不完全连续斑块状分布在西北部的欧拉秀玛乡，到2005年已完全消失。对于偏湿润区，2000年分布面积较大，呈连续片状分布于西部地区，到2005年变成不完全连续片状分布于玛曲的西北部，而大面积的偏湿润区转化为正常区。而对于正常区，由表1可得2000年玛曲土壤湿度表现为正常区的面积最大，面积比达到33.9%，主要分布于中部的阿万仓，东南和西南部的曼日玛、齐哈玛和采日玛等地区，但正常区到2005年几乎全转化为偏干旱区，剩余正常区呈斑块状分散地分布。对于干旱区，在2000年时玛曲干旱区面积仍较小，仅占0.34%，零星点状分布在东部和东南部，到2005年干旱区面积减少为零。

到2010年，玛曲干旱程度要比2005年加重了很多，整体表现为偏干旱和干旱区，而对于湿润区，依旧为零，偏湿润区也呈不断减少的趋势，面积占比为16.99%，主要以不连续斑块状分布在西北高地势的欧拉秀玛乡。与2005年相比，玛曲土壤湿度表现为正常的区域到2010年逐渐转化为偏干旱区，正常区区域面积不断减小，到2010年面积占比降为18.43%。而玛曲中部及东南部偏干旱区到2010年大部分转化为干旱区，导致干旱区面积增加。因2005年正常区转化为2010年的偏旱区，故相比2005年的偏干旱区面积，2010年的偏干旱区面积占比没有显著变化。

到2015年玛曲干旱程度有所减轻，尤其是干旱区面积迅速减少，面积占比降为19.37%，且偏湿润区的面积也有小幅增加。其中，面积比例最大的是偏干旱区，为47.3%，大部分由2010年的干旱区转化而来，偏干旱区呈连续片状和条带状主要分布在齐哈玛、采日玛、欧拉秀玛和以及欧拉乡。

图5 2000—2015年玛曲年均TVDI时空变化趋势图Fig.5 Spatio-temporal variation trend of annual TVDI in Maqu county from 2000 to 2015

年份Year湿润Wet(0～0.30)偏湿Relatively humid(0.30～0.50)正常Normal(0.50～0.60)偏干Relatively dry(0.60～0.75)干旱Dry(0.75～1.00)20009.2529.1133.9027.400.3420050.0023.6844.4831.840.0020100.0016.9918.4330.7133.8720150.6315.2417.4647.3019.37

3.2.2 土壤湿度的季节变化特征 为了更清晰地揭示玛曲2000—2015年土壤湿度的时空变化特征，本研究还分析了季节变化规律。利用每期计算得到TVDI值估算了玛曲每月TVDI的平均值，再估算季时间分辨率的TVDI平均值，结果显示(图6)，玛曲春季和秋季的TVDI值波动比较大，变化趋势相对一致，呈现出先增加后减小但整体上升的趋势，表明春秋季节玛曲的土壤湿度随时间的推移趋于旱化。相比其他季节，春季除2010年以外整体相对湿润，但是有变干的趋势。玛曲冬季漫长，降雪较多，春季冰雪融化会对土壤水分的增加产生显著影响，而春季降雨的减少和气温变化导致春季气候干旱，进而引起土壤水分减少，并且减少的数量和程度已经超过了冰雪融水对土壤水分增加的部分，所以整体表现趋于干旱。夏季TVDI值呈先下降后升高的趋势，有小幅度变湿润趋势。而对于冬季TVDI先上升后趋于平稳，整体有小幅度变干的趋势。总体来看，玛曲地区全年TVDI均值在0.5～0.75之间波动，说明整体处于正常偏干旱状态。

在空间上可以看出，无论是处于哪个季节，玛曲TVDI值都呈现由西北向东南递增的趋势(图7)。2000—2015年玛曲春季平均土壤湿度状况相比其他季节相对较好，但是偏干旱区分布面积仍然较大。其中，偏湿润区呈斑块状分布在西北欧拉秀玛乡以及东南部曼日玛地区，正常区分布较为分散，围绕在偏湿润区周围分布着。玛曲春季偏干旱区主要集中分布在中部阿万仓和南部地区，干旱区面积较小，呈斑点状分布在东南部地区。

与春季相比，夏季玛曲的湿润区面积没有明显变化，偏湿润区面积减少，零星分布在欧拉秀玛乡地区，正常区区域面积相比春季增加了，偏干旱区依旧占主导地位，呈连续片状分布在中部以及中部以南地区，北部边缘地区也有部分区域土壤湿度为偏干旱情况。夏季的玛曲干旱区区域面积相比春季有所增加但变化不大。

与夏季相比，秋季玛曲偏湿润区面积变大，正常区和偏干旱区面积变化不明显，干旱区面积有稍微的减小，总体土壤湿度状况还是以偏干旱为主，大片连续地分布在阿万仓、曼日玛、齐哈玛、采日玛和尼玛乡等地区。

图6 2000—2015年玛曲TVDI季节变化趋势图Fig.6 Seasonal variations of TVDI in Maqu county from 2000 to 2015

图7 2000—2015年玛曲TVDI季节变化空间分布图Fig.7 Spatial distribution map of seasonal changes of TVDI in Maqu county from 2000 to 2015

与秋季相比，可以明显看出冬季玛曲干旱区面积增加，呈不完全连续斑块状分布在阿万仓、曼日玛和尼玛乡。冬季的偏干旱区区域面积相比秋季有所减小，因为部分偏干旱区转化为了干旱区。正常区和偏湿润区的面积也减少了。整体看来，玛曲地区春季和夏季土壤湿度相对较大，冬季土壤湿度最小且比较稳定，这可能是由于冬季降水量小，温度低冻土面积大，相对比较干旱。由于受青藏高原和东亚季风性大陆气候的影响，玛曲夏季多雨而冬季干燥，可能是造成上述玛曲土壤湿度季节性变化结果的原因之一。

3.3 玛曲土壤湿度的影响因素分析

本研究基于玛曲的本底条件，依据相关参考文献中对土壤湿度的影响因素分析结果，考虑数据的可获得性，最终从生物因素、气候因素[22]、地形因素[23]及社会经济因素等方面选取了7个主要影响因子。并对收集的影响因子数据进行统计分析，得到其特征信息(表2)。要素的数据以栅格图像的方式呈现，精度均为1 km。因变量TVDI数据的标准差比较小，说明数据观测趋向于靠近均值，高程因子的标准差较大，数据散布在一个大的值域中，且值域范围为3 342～4 653，年净初级生产力的数据特征与高程相似，较为分散，人口因子数据为0到约40人/km2等。

基于收集的以上要素的数据，做多元回归分析及预测，估算了生物、气候、地形与社会经济因素与TVDI的相关关系、影响系数与显著性，对自变量与因变量之间进行了相关性的检验以及共线性的诊断，发现7个影响因素都通过了置信度水平为0.01的显著性检验，自变量与因变量具有显著相关性，且自变量之间不存在共线性的问题，可以列入多元回归方程。通过TVDI实际值与预测值之间的散点图以及残差分析散点图可以判定回归模型拟合效果优良程度，拟合方程的相关系数达到0.761，且每个要素对TVDI的影响均较显著(表3和图8)。

表2 影响因子数据的描述统计信息

表3 回归分析模型摘要及方差分析

图8 回归预测值拟合效果图Fig.8 Fitting diagram of regression prediction values

从不同要素对TVDI的影响系数分析(表4)，净初级生产力、年降水量、高程、坡度以及GDP对TVDI具有显著的负向效应；但由于TVDI越大，土壤湿度越小，因此，说明这些因子均对土壤湿度具有显著正向效应。

其中，净初级生产力是植物光合作用有机质的净创造，值越大表征植被长势越好。虽然净初级生产力增长会消耗更多的水分，但是植被对地表的直接或间接覆盖，能有效地减小土壤水分蒸发量，并且在降雨或融雪过程中，也可以截留和停蓄更多的水分；故净初级生产力对土壤湿度具有显著的正向效应，植被净初级生产力对TVDI的影响系数为-0.630(在0.01水平显著性)。

年均气温对TVDI具有显著的正向效应，而降水却对其有一定的负向作用，其影响系数分别为0.606和-0.495。这主要是由于气温的升高影响了土壤温度的升高还增大了蒸发量，土壤蒸发使得土壤湿度越低，而降水量是土壤水分的主要来源，降水量越多土壤含水量也多，尤其浅层表现更为明显。高程和坡度均对土壤湿度具有一定的正向效应，随着高程和坡度的增加，冰雪冻融作用对土壤湿度的影响更加显著，其影响系数可分别达到-0.493和-0.295，这与陈少丹等[24]研究长江中下游流域坡度对土壤相对湿度的影响的研究结果相一致。

从社会经济因素来看，GDP是社会经济发展、区域规划和资源环境保护的重要指标，结果显示其对土壤湿度存在一定的正向效应，影响系数为-0.318；而人口对其具有一定的负向作用，影响系数为0.117。因人口越密集的区域需水量越大，放牧的数量也会相应增多，人口增加对地下水的开采和地表水的利用也会增加，进而影响土壤湿度，因此，人口对土壤湿度的影响表现为有一定的限制作用。另外一方面，随着经济的发展和生活水平的提高，致使越来越多的牧民开始从事其他行业，逐渐从放牧中解放出来，放牧压力的减少在一定程度上促进草地的生态修复，从而致使土壤的蓄水能力不断提高，另外，经济的增长也会让当地政府有更多的钱投入到畜牧业科技水平的提高上，进而也促进草场的恢复，土壤湿度会有相应的增加。

表4 多元回归模型的相关系数

注：** 表示在P<0.01级别(双尾)下极显著相关。Notes: ** indicates a significant correlation at levelP<0.01 (double tailed).

4 结论与讨论

笔者采用Terra卫星MODIS的归一化植被指数和地表温度数据，建立了LST-NDVI特征空间，拟合相应的干湿边方程，提取温度植被干旱指数TVDI指数来反演玛曲土壤湿度的年际与季节性时空变化特征，并基于估算的TVDI指数空间分布数据与收集的多个影响因素数据，建立了多元线性回归模型，对影响玛曲土壤湿度时空变化的自然环境因素和社会经济因素进行定量分析，研究结论如下。

1)玛曲土壤湿度整体空间分布格局为从西北向东南由湿润逐渐趋向于干旱，但是总体的干湿等级以正常为主。玛曲土壤水分逐年减少，作为黄河上游的重要水源涵养区和生态屏障，玛曲土壤湿度的降低和干旱的加剧将严重影响当地生态平衡及黄河的径流量，从而引起一系列的严重后果；季节尺度上，研究区春夏季土壤湿度较大，但是随着时间的推移，春季有变干的趋势，这可能是由于春季降雨的减少和气温变化导致春季气候干旱，进而引起土壤水分减少；而夏季主要受降雨的影响，随着时间的推移，夏季降水对土壤湿度的影响在增大；2000—2005年玛曲冬季TVDI值增加，且保持在较高的干旱稳定水平。

2)净初级生产力对TVDI具有显著的负向效应，地表植被造成土壤蒸发量减少、拦截存蓄的径流量增加是造成土壤湿度增加的主要影响原因。气候也是影响土壤湿度的主要因素，气温升高加快土壤蒸发，对土壤湿度存在负向效应，而降水对土壤湿度具有显著的正向效应。要提升玛曲的土壤含水量，首先面临的是应对减缓全球气候变暖的问题，倡导并落实低碳生活，增加绿化面积，规划恢复草原植被，增大玛曲的植被净初级生产力，既减少土壤水分的蒸发缓解旱情又能拦截蓄水涵养水源。

3)社会经济要素也是影响土壤湿度的重要因素，其中，GDP的增长对土壤湿度的增加具有一定的促进作用。在发展社会经济的同时，一方面，政府应该努力转变畜牧业生产方式，引导牧民从传统的靠天养畜向科技养畜转变，减轻草场载畜压力，通过政策扶持和推广高效畜牧业生态示范与技术，认真落实草原生态保护奖励补偿补政策等，另一方面，要鼓励牧民从事其他产业的工作，发展促进旅游业等多元绿色经济，保护天然草原等生态环境，防治沙化，使得土壤湿度保持在一个良好的状况；而人口因素对土壤湿度的影响表现为抑制作用，故应采取控制人口增长的措施等。

此外，本研究基于遥感方法反演土壤湿度和数学统计方法分析影响因素，对玛曲土壤湿度的时空分布特征及其主要影响因素有了较准确的研究结果，但由于数据源等的限制，没有分析其他更多土壤湿度的影响因子，比如土壤属性如容重、饱和导水率等因素，也没有探讨不同深度土壤湿度的变化情况，希望未来进一步研究近年来玛曲地区土壤干湿的季节性或年际变化与土壤分层、土壤属性等要素的时空相关性，对多元线性回归模型做一些补充。