辽北地区土壤体积含水量和相对湿度转换方法研究

李 颖

(辽宁省铁岭县新台子镇水利工作站，辽宁 铁岭 112611)

当前，土壤湿度的获取主要通过站点监测、水文模拟或者卫星数据反演得到，结合分布式水文模型可得到的土壤湿度的空间分布，数据精度也和监测站点具有较好的一致性，但这种方式受到模型不确定性和输入数据的精度影响很大[1]。卫星遥感反演的土壤湿度数据只能对其表层土壤深度下的湿度进行反演，且反演的精度受到下垫面参数影响较大[2]。土壤湿度数据是有助于了解陆气耦合作用下的水循环变化，对于区域农业、气候变化影响分析具有重要的实际意义[3]。分布式水文模拟和卫星遥感反演可以实现区域土壤湿度空间分布的变化，对于掌握农业干旱特征、流域土壤水蓄水变化具有十分重要的作用，但两者方式均需要结合土壤体积含水量作为模型验证数据，需要进行土壤体积含水量和土壤相对湿度的转换，从而获取完成数据系列的土壤相对湿度数据。近些年来，对于土壤体积含水量和土壤相对湿度转换取得一定研究成果[4-5]，但这些研究成果还难具有通用性。李家第结合中国地区35个土壤湿度监测站点数据，通过建立回归模型实现土壤相对湿度和土壤体积含水量的转换，并结合站点监测数据进行了精度分析，分析结果表明该转换方法具有较好的通用性，但在辽宁地区还未得到相关应用，为此本文结合此研究思路，以辽宁本溪地区为研究实例，对区域土壤湿度和土壤体积含水量进行转换，研究成果对于区域分布式农业旱情监测、流域土壤蓄水量变化空间特征具有重要的研究价值。

1 转换方法

通过研究发现，土壤相对湿度和体积含水量之间存在线性变化关系，因此采用回归模型的方法，通过分析站点观测的土壤相对湿度与土壤体积含水量的回归关系，实现土壤相对湿度与土壤体积含水量之间的转换，在进行模型转换前，首先需要对模型数据进行处理，以月为时间尺度，结合各站点单月土壤相对湿度观测值的平均值作为该月土壤相对湿度，按照不同土壤分层对各月份土壤相对湿度的均值进行处理，各分层土壤相对湿度处理方程分别为；

(1)

L20=L3×100

(2)

(3)

(4)

(5)

(6)

在方程中，L10表示为0～10 cm土壤层观测的相对湿度；L20表示为10～20 cm土壤层观测的相对湿度；L50表示为20～50 cm土壤层观测的相对湿度；L70表示为50～70 cm土壤层观测的相对湿度；L100表示为70～100 cm土壤层观测的相对湿度。L1、L2、L3、L4、L5、L6、L7、L8、L9、L10、L11分别表示为土壤湿度观测数据系列中第1层到第11层土壤湿度观测值。将不同层的相对土壤湿度进行合并后，乘以100转换成土壤相对湿度相同的0～100之间的数值。并将各个站点的土壤相对湿度进行月平均值的处理。

2 结果与分析

2.1 站点概况

结合本溪地区土壤湿度观测的6个站点的月均值观测数据系列，中国区域土壤湿度观测数据系列主要为2套，其中一套土壤湿度观测数据为土壤的体积含水量，数据系列的起止年份从1981-1999年，另一套土壤湿度观测数据为土壤相对湿度数据，数据系列的起止年份从1991-2018年，土壤湿度数据早期是通过人工取土后才有烘干方法进行称重，在进行体积百分比的转换，虽然该数据资料时空分辨率较低，但是在国内应用较为成熟和广泛，数据下载地址见文献[14]。中国气象数据共享网提供了农业气象台站观测的土壤湿度数据，该数据采用百分值进行表示，数据下载地址见文献[15]，数据从1991年到2013年每月观测一次，在本溪地区冬季观测较少，主要集中在3-4月以及9-10月。本溪地区6个观测点的土壤湿度观测数据主要分为5层，分别为0～10 cm、10～20 cm、20～50 cm、50～70 cm、70～100 cm，各站点分布及情况见表1和图1。

表1 研究站点及资料概况

图1 各观测站点分布

2.2 相关度分析结果

结合各研究站点土壤体积含水量和土壤相对湿度的观测数据系列，对其相关性进行分析，并建立各土层相关回归方程，各站点点土层为50～70 cm的观测的土壤相对湿度和土壤体积含水量相关图见图2，其他土层相关性分析结果见表2。

图2 本溪地区各站点土层为50～70 cm的观测的土壤相对湿度和土壤体积含水量相关图

表2 其他土壤分层土壤相对湿度和土壤体积含水量相关方程及相关度分析结果

从各站点土层50～70 cm的观测的土壤相对湿度和土壤体积含水量相关图可看出，各站点重合年份观测的土壤相对湿度与土壤体积含水量呈现明显的线性关系，各站点相关系数均可以在0.6以上，具有较好的相关性。其他各分层土壤相对湿度和土壤体积含水量相关系数分析结果可看出，随着土层深度的增加，相关系数逐步减小，这主要是因为随着土层深度的增加，土壤相对湿度和土壤体积含水量受土壤物理参数影响加大，使得土壤相对湿度和土壤体积含水量的相关系数有所减小，但相关系数总体均大于0.6，表明在各分层土壤相对湿度和土壤体积含水量具有较好的线性关系，构建的回归方程可满足各分层土壤体积含水量和相对湿度的转换。

2.3 回归误差分析检验结果

在各分层土壤回归方程构建的基础上，对不同分层土壤回归方程进行误差检验，以检验回归方程的合理性，各站点土层为50～70 cm的土壤相对湿度与土壤体积含水量回归方程误差分布见图3，其他各分层土壤的相对湿度和土壤体积含水量回归方程的误差检验结果见表2。

图3 本溪地区各站点土层为50～70 cm的土壤相对湿度与土壤体积含水量回归模型

从本溪地区各站点土层为50～70 cm的土壤相对湿度与土壤体积含水量回归误差分布图可看出，各站点的均方根误差均小于6.0，均方根误差表示为回归方程转换值和观测值偏差的平方与观测次数平方值之间的误差检验值，均方根误差可表示回归模型土壤相对湿度转换值和观测值之间的离散度，各站点其他分层的均方根误差也在3.0之内，随着土层深度增加，均方根误差加大，土壤湿度和土壤体积含水量转换值和观测值之间的离散度有所加大。平均误差主要表示为转换值和观测值总体的误差，从50～70 cm土层回归方程的平均误差可看出，各站点平均误差在±3以内，满足回归方程的误差要求。从各分层土壤平均误差分布可看出，在-2.62～2.52之间，随着土层深度增加，平均误差有所提高。构建的各分层土壤相对湿度和土壤体积含水量转换的回归方程满足误差检验要求。

2.4 转换精度分析结果

结合构建的本溪地区各站点不同土壤分层的回归转换方程，对其转换精度进行了分析，各站点土层为50～70 cm的土壤相对湿度观测值与转换值过程对比见图4，其他土壤分层土壤相对湿度观测值与转换值转换系数分析结果见表3。

图4 本溪地区各站点土层为50～70 cm的土壤相对湿度观测值与转换值过程对比

表3 其他土壤分层土壤相对湿度观测值与转换值转换系数分析结果

从各站点土层为50～70 cm的土壤相对湿度观测值与转换值过程对比结果可看出，具有较好的拟合度，这主要是因为土壤分层的相对湿度和土壤体积含水量具有较好的线性相关性，建立的回归方程可满足土壤相对湿度和土壤体积含水量之间的有效转换，使得其转换值和观测值之间具有较好的吻合度，土壤相对湿度转换值与观测值之间在各季节上也具有相同的变化趋势，各别监测时段误差较大的原因在于北方地区进入冬季后，土壤相对湿度受到冻土层的影响，观测记录有所偏小，使得转换误差加大。从其他分层的转换系数可看出，各分层土壤相对湿度转换值和观测值之间的转换系数随着土壤分层的增加，而逐步递减，但总体均在0.65以上，结合各分层的转换系数和建立的回归方程可以实现区域土壤相对湿度和土壤体积含水量的有效转换。

3 结语

(1)北方地区土壤相对湿度季节性变化较为明显，尤其是在冻土期，土壤湿度观测值偏小，因此在转换时，针对土壤湿度季节变化，在冻土期加大回归系数，从而减小转换误差。

(2)在建立回归模型进行土壤湿度和土壤体积含水量转换时，需要对回归方程进行均方根误差及平均误差的检验，其中均方根误差低于10，平均误差在±1.5内才可满足转换精度要求。

(3)由于土壤相对湿度的影响因素较为复杂，在以后的研究中还需要考虑土壤质地对土壤相对湿度和土壤体积含水量转换的影响，提高转换精度。