史锐光 ，刘 懿 ※，袁 飞 ，张林齐 ，任立良 ,2，张欣雨 ，王之敏
（1. 河海大学水文水资源学院,南京 210098；
2. 河海大学水文水资源与水利工程科学国家重点实验室,南京 210098）
土壤湿度控制着陆气中能量和水量的交换，并通过改变地表蒸散发、水分分配和土壤的热容量影响局地、区域乃至全球的气候，常被看作是衡量土壤干湿状态和影响气候变化的关键因子[1-4]。现阶段学者们多采用再分析资料、遥感反演数据等方式研究土壤湿度的气候效应，且研究发现土壤湿度是大气陆面异常的敏感指示要素，对气候的变化有数周至数月的滞后，可以用来预测区域未来气候变化，这也被称为“土壤湿度记忆性”[5-6]。在实际的大气气候预测中，人们更加关注土壤湿度能对未来多久的气候产生潜在影响，这在一定程度上取决于前一时刻土壤湿度异常状态的持续时间即“土壤湿度记忆时长”[7-9]。
前人对中国区域土壤湿度记忆性及记忆时长等开展了众多研究[10-14]。詹艳玲等[10]研究土壤湿度记忆性（soil moisture memory，SMM）在淮河流域的分布特征，结果表明记忆时长有明显的季节差异，其在夏季最小，在秋冬季最大。赵家臻等[11]基于CLM-4.5（Community Land Model version 4.5）近地面土壤湿度数据，利用皮尔逊相关法和自相关法计算得到中国地区1980—2009 年的土壤湿度记忆性和记忆时长，并比较了2 种不同结果的区域及季节分布特征。李若麟等[12]利用GLDAS（Global Land Data Assimilation System)土壤湿度资料研究全球土壤湿度记忆性，结果表明，中国高山地区的记忆时长较长，此外在季节尺度下，中国地区夏季的记忆时长最短；
LI 等[14]利用ERA-40 (European Centre for Medium-Range Weather Forecasts)再分析产品土壤湿度数据计算中国1979—2018 年土壤湿度记忆时长，结果表明干旱区的记忆时长明显大于湿润区，并且2010s 与1980s 的记忆时长有较为显著的差异。然而需要指出的是，国内研究多集中在季节尺度下研究土壤湿度记忆性及记忆时长的分布特征，鲜有从不同时间尺度下探究其空间分布及演变趋势。一般而言，在中国范围内，同一地区不同时间尺度下的气象条件区别较大，且气温和降水都会对土壤湿度产生影响，若能从不同时间尺度及干湿条件下探究土壤湿度记忆性，有助于深入理解土壤湿度记忆性变化特征，对未来天气气候预报及干旱监测意义重大。
鉴于此，为探究多个时间尺度下土壤湿度记忆性时空特征及演变趋势，本文基于1979—2018 年ERA5-Land 根层土壤湿度数据，利用滞后自相关系数法和t检验法计算土壤湿度记忆性及其记忆时长，并基于全国视角探究不同时间尺度（季节、年、年际）及干湿条件下SMM 的时空分布特征及演变趋势，以期为气候预测和农业干旱监测提供参考。
1.1 研究区域
中国（73°33′E～135°05′E，3°51′N～53°33′N）地域辽阔，由于地理位置不同，气候变化、植被以及土壤存在着明显的区域差异。在气候特征中，气温和降水是影响土壤干湿状态最主要的因素，而土壤湿度持续异常又对大气气候产生影响，因此降水和气温在干旱变化中起着重要作用[15-18]。根据降水量的差异可将中国基本分为干旱区、半干旱区、半湿润区以及湿润区，其中华北和西北属于干旱半干旱地区，全年降水量较小，并且伴有大范围的沙漠和草原，土壤储水能力较差，土壤湿度水平较低。东北属于湿润半湿润地区，但近年来降水持续减少且气温持续上升，因此干旱主要发生在西北、华北以及东北地区；
而华中、华东及华南地区年降水量较大，植被覆盖度较高，固水能力强，土壤湿度大，因此上述地区干旱程度较轻；
青藏高原干燥少雨，植被覆盖以高山灌丛为主，由于其特殊的海拔和高原气候，且土壤湿度和植被均呈由东向西递减的空间分布格局，因此青藏高原西部干旱较为严重[19-22]。大多研究将青藏、四川和云南等并为西南地区[23-25]，由于青藏和四川、云南等地区气候差异较大，因此本研究依据不同区域的气候、植被和土壤等特征，将中国划分为八大区域（如图1 所示），即西北地区、华北地区、东北地区、青藏高原地区、华中地区、华东地区、西南地区以及华南地区。从区域的尺度对中国土壤湿度记忆性的时空分布特征进行分析，探究不同区域之间记忆性的差异，对未来分析记忆性的影响因素具有重要意义。
图1 中国八大地理分区Fig.1 Eight geographical divisions of China
1.2 ERA5-Land 再分析数据
本文采用欧洲天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）提供的ERA5-Land 再分析产品的土壤湿度数据集开展研究。ERA5-Land 再分析产品是基于ERA5 土地组成部分创建的，它具有与ERA5 相同的时间分辨率（h），但与前期ERA5和ERA-Interim 相比，该产品的空间分辨率更高，可达0.1°（9 km）。同时ERA5-Land 根据土壤体积含水率分成4 层数据（0～7、＞7～28、＞28～100 和＞100～289 cm）。本文选择中国（包括台湾）作为研究区域，从ERA5-Land 再分析产品中提取1979—2018 共40 a 的根层（100～289 cm）土壤湿度数据，将空间分辨率为0.1°的土壤湿度数据，在arcgis 里用空间重采样至0.25°，进一步对土壤湿度的记忆性和记忆时长进行研究。
1.3 研究方法
1.3.1 土壤湿度记忆性和记忆时长计算方法
土壤湿度记忆性通常采用滞后自相关分析方法进行量化，主要包括计算相关系数和土壤湿度记忆时长。具体而言，对于某一时间序列，按照时间步长依次滞后t（t=1,2,3,…）并分别计算各步长相应的相关系数(rt)，相关系数越大表示记忆性越强，反之则越弱。通常来讲，随着滞后时间不断增加，rt也随之减小，当rt小于99%的置信度检验临界值时则认为该时刻土壤湿度与前一时刻无显著相关关系，即认为无记忆性。从初始时刻到无记忆时刻所对应的时长则为记忆时长T。相关系数计算式[26-27]如下：
为了消除时间序列的趋势影响，本文对1979—2018年时间序列进行去趋势化处理，再按照上述方法计算相关系数和记忆时长。此外，针对季节、干湿期和年代不同研究对象，将整个时间序列划分为相应子序列进行研究。例如季节尺度，将原序列拆分为春季（3—5 月）、夏季（6—8 月）、秋季（9—11 月）以及冬季（12—次年2 月）4 个子序列；
对于干燥期和湿润期，本文依据2017 年中国国家标准化管理委员会发布的《农业干旱等级(GB/T 32 136-2015)》，基于土壤湿度分位数，提取土壤湿度分位数小于40%的时段组成干燥期，相应地提取土壤湿度分位数大于60%的时段组成湿润期。
1.3.2 Mann-Kendall（M-K）趋势检验
M-K 趋势检验法是非参数的统计方法，可用来判断趋势的显著性，由世界气象组织推荐并已广泛应用于降水、径流等水文气象领域中，它不需要服从特定的分布，且受异常值的干扰较小。由于水文气象数据在测量中通常带有一定的误差，且数据的分布并不均匀，所以相对于参数趋势检验，基于序列的非参数M-K 趋势检验更加适用。其检验方法[28-29]如下：
设M-K 趋势检验中存在m个彼此独立，水文变量时间序列为X1,X2……Xm，M-K 趋势检验所构造的统计变量S定义如下：
式中sgn()函数为符号函数；
m为时间序列的长度；
xb和xa分别为时间b以及时间a处对应的样本值。
对S统计量进一步标准化，可以得到M-K 趋势检验的评价统计量Z为
式中m为样本量。当统计量|Z|≥2.576、|Z|≥1.960、|Z|≥1.645 时，则认为所检验的序列通过了0.01、0.05、0.1的显著性检验，并具有显著变化趋势。
2.1 土壤湿度记忆性分布特征
图2 展示了自相关系数随滞后时间的变化及记忆时长的空间分布。从图2a 可以看出，随着滞后时间不断增加自相关系数呈对数曲线型减少趋势，其中在100 d 内减少较为显著，相关系数从1.0 降低至0.2，当滞后时间达到300 d，自相关系数未通过0.01 显著性检验。也就是说，中国区域土壤湿度记忆时长平均为300 d。此外，从图2a 中提取了100、200 和300 d 等滞后时长对应的自相关系数，如图2b 所示，自相关系数在100 d 时已经小于0.2，表明此时土壤湿度记忆性微弱；
当滞后时长达到300 d 时，自相关系数基本为0，表明此时土壤湿度记忆性已消失。图2c 进一步绘制了记忆时长的空间分布特征。整体来看，中国区域的记忆时长呈北高南低的空间格局，以35°N 线为界，北方大部分区域记忆时长超过80 d，华北东部、青藏高原及西北部分区域最高可达240 d，而南方地区普遍低于40 d，其中西南地区最低不足20 d。影响土壤湿度记忆性有多方面原因，如降水、蒸发、土壤质地、植被类型等[30-31]。例如中国华北和青藏高原地区全年干旱少雨，若无降水下土壤湿度维持在较低水平不易改变，因此保留前一时刻状态的记忆时间较长，相比之下南方，尤其是西南和华中等地区降水充沛，气象异常条件对土壤湿度影响较大，造成土壤湿度变化剧烈，前一时刻的土壤水分状态难以长期维持，因此记忆时长较短。
图2 1979—2018 年根层土壤湿度记忆性的时间变化及记忆时长空间分布Fig.2 Temporal variation and spatial distribution of root soil moisture memory duration from 1979 to 2018
2.2 不同季节和干湿期土壤湿度记忆性和记忆时长时空分布
图3 展示了不同季节土壤湿度记忆时长的空间分布。从整体来看，冬季的记忆时长显著大于其他季节，而夏季明显较短。从春季的记忆时长空间分布（图3a）可以看出，西北、东北、青藏高原及南方地区有明显的区域分布差异，其中北方地区较高，例如青藏高原和华北东部地区记忆时长超过50 d，西北中部地区最高达到90 d，而南方地区普遍小于30 d，华中及华东地区最短不足10 d；
与春季相比，夏季记忆时长在西北地区无明显变化，在华北、东北、青藏高原以及西南地区均有大幅度的下降，其中以华北东部和青藏高原地区降幅尤为显著，记忆时长从春季的70 d 降至夏季的40 d 左右，降幅超过30 d，其余地区降幅均在10～20 d。而华中及华东地区有一定程度的增加，其记忆时长从春季的不足10 d 增长到夏季的超过20 d；
秋季记忆时长呈现出北高南低的空间分布格局，北方大部分地区记忆时长普遍超过30 d，华北东部和东北地区最高超过70 d，南方例如西南东部地区基本小于20 d，部分地区仅不足10 d，而华中及华东地区记忆时长相较于夏季则继续保持一定程度的增长，增幅在10 d 左右；
中国大部分地区记忆时长在冬季达到最长，且区域性差异较小，北方地区均在60～90 d，南方地区也基本超过30 d。总的来说，青藏高原地区记忆时长季节性差异较小，华北地区季节性差异较大，其冬季超过70 d，夏季则低于20 d，春秋季保持在30～50 d。其余大部分区域则表现为夏季短、冬季长、秋春季次之的规律。
图3 不同季节根层土壤湿度记忆时长空间分布Fig.3 Spatial distributions of soil moisture memory duration in the root layer in different seasons
图4 比较了不同干湿条件下自相关系数随滞后时间的变化及记忆时长的空间分布。从图4a 可以看出，干燥期自相关系数大于湿润期，随着滞后时间不断增加，自相关系数均呈对数曲线型减少趋势，其中在100 d 内减少较为显著，相关系数在干燥期从1.0 降低至0.1，在湿润期从1.0 降低至0.05，当滞后时间达到200 d，干湿期自相关系数未通过0.01 显著性检验。即在不同干湿条件下，中国区域土壤湿度记忆时长平均为200 d。此外，从图4a 中提取了100、200 和300 d 滞后时长对应的自相关系数，如图4b 所示，自相关系数在100 d 时已经小于0.2，表明此时土壤湿度记忆性微弱；
当滞后时长达到200 d 时，自相关系数基本为0，表明此时土壤湿度记忆性已消失。图4c 和图4d 进一步绘制了不同干湿条件下，记忆时长的空间分布特征。整体来看，不同干湿条件下，中国区域土壤湿度记忆时长均呈北高南低的空间格局，且干燥期明显长于湿润期。其中，在干燥条件下，以35°N 线为界，北方大部分区域记忆时长超过30 d，其中华北东部、东北以及青藏高原部分地区最高，均超过90 d，而南方例如西南、华中、华东以及华南地区均不足10 d。在湿润条件下，华北、东北以及青藏高原地区记忆时长显著短于干燥期，例如东北和华北东部地区，湿润期记忆时长比干燥期少60～80 d，西北和青藏高原地区也有30 d 左右的差异。不同干湿条件下，南方地区记忆时长则较为一致。类似地，DELWORTH 等[32]认为寒冷季节下，土壤湿度发生变化所需的时间尺度较长，冬季能够长时间保持前一时刻低水平的土壤湿度状态，因此冬季记忆时长较长。WU 等[33]认为中纬度深层土壤的记忆时长在冬季要大于夏季，SMM 在干燥期强于湿润期，这和本文记忆时长冬季长、夏季短、记忆性干燥期强于湿润期的研究结果比较一致。
图4 干湿期根层土壤湿度记忆性的时间变化及记忆时长的空间分布Fig.4 Temporal variation and spatial distribution of memory duration of root layer soil moisture during dry and moist periods
2.3 土壤湿度记忆时长年代际变化趋势
研究过去40 a 中国土壤湿度记忆时长的空间演变特征，对提高预测天气气候的准确性有重要的作用。图5展示了不同年代土壤湿度记忆时长的空间分布特征，从整体来看，各年代记忆时长基本呈现出北高南低的空间格局。例如1980 s，以35°N 线为界，例如华北、东北以及青藏高原地区记忆时长超过50 d，最高超过150 d，而南方地区基本低于40 d，西南最低区域甚至不足10 d。与1980 s 相比，1990 s 华北东部、青藏高原和西北北部地区记忆时长明显降低，降幅在60～100 d。而华中及华东地区记忆时长则明显增加，从不足20 d 增加至40 d 左右。2000 s，东北、西北及华北中部地区土壤湿度记忆时长相比1990 s 有一定程度的增加，增幅在40～80 d，其中尤以西北地区增长显著，而青藏高原地区相较于1990 s记忆时长仍有一定程度的衰减。2010 s 与2000 s 相比，记忆时长在北方整体上有较大幅度的减小，其中西北和华北地区降幅超过50 d，而南方整体上则有一定程度的增长。总的来说，青藏高原、东北及华北北部地区记忆时长随着年代呈先减小后增加的变化特征，华中、华南及华东地区记忆时长则随着年代逐渐增加，整体上记忆时长北高南低的空间分布差距从1980 s 到2010 s 逐渐缩小。
图5 不同年代际根层土壤湿度记忆时长的空间分布Fig.5 Spatial distributions of soil moisture memory duration in the root layers of different ages
2.4 土壤水记忆性和记忆时长变化趋势
采用M-K 趋势检验方法对1979—2018 年土壤湿度记忆性以及记忆时长进行显著性检验，并绘制滞后时长分别为1 d 和30 d 时土壤湿度记忆性变化趋势的空间分布图，探究其空间分布格局是否随着滞后时长的增加而变化。此外，绘制记忆时长演变趋势的空间分布图，探究记忆时长与初始时刻或滞后30 d 的记忆性能否有较为一致的演变趋势。空间分布结果如图6 所示，滞后1 d SMM 呈显著增长趋势主要在东北、西南及华中地区，而呈显著减小趋势则主要集中在西北、青藏高原以及华北平原地区。滞后30 d SMM 呈显著增长趋势集中在东北、西南、华南和华东地区，呈显著减小趋势则主要分布在青藏高原东部和华北地区。SMM 在滞后1 d 与滞后30 d的演变趋势在东北、华南和华北地区表现较为一致，青藏高原、西南和华东地区差异则较大。进一步展示了土壤湿度记忆时长的M-K 检验统计值空间分布（图6c），可以看出呈显著增长趋势基本集中在东北、西南、华中、华东及华南地区，这与SMM 滞后30 d 的空间分布格局较为一致。呈减小趋势的地区较少，在西北、华北和青藏高原地区均有小范围分布。综上所述，在过去的40 a，土壤湿度记忆性以及记忆时长集中在东北、西南、华中和华南等地区表现出显著增长趋势，在青藏高原东部和西北少部分地区表现为显著减小趋势。研究结果表明，随着滞后时长的增加，记忆性变化趋势的空间分布会随之发生变化，其中青藏高原和西南地区较为显著；
此外，全国大部分地区记忆时长与滞后30 d 记忆性演变趋势的空间分布较为一致。
图6 土壤湿度记忆时长的Mann-Kendall 趋势检验Fig.6 Mann-Kendall trend test for soil moisture memory duration
土壤湿度衰减的过程需要几周到几个月不等，这种“记忆”前段时间异常的行为被称为“土壤湿度记忆性”，记忆性的时间尺度越长，土壤湿度延续前一时刻大气异常状态的时间就越长[34-35]。在过去的40 a，中国地区土壤湿度记忆时长在20～300 d 不等，且华北地区与西南地区差别最大，其中华北东部地区记忆时长超过200 d，而西南地区不足20 d。这主要是由于华北地区全年降水较少，土壤较为干旱，土壤湿度容易维持低水平状态，有利于保持其异常情况，因此记忆时长较长。若同样的干旱在华北和西南地区发生，那么西南地区由于记忆时长较短，干旱在20 d 内会逐渐消退，而在华北地区干旱将持续加重，并延续到次年，对该地区农业生产活动会造成较大的影响。DIMEYER 等[34]基于陆气相互作用的方法，对不同纬度的土壤湿度记忆性进行研究，在中国区域的研究结果，与本文记忆时长呈北高南低，有显著区域差异的研究结果较为一致；
同时记忆时长在季节尺度上也有较大的分布差异，由于中国夏季湿润，冬季干燥，冬季的根层土壤湿度不易受到降水的影响，能够增强记忆性，因此记忆时长在冬季最长，而在夏季较短，例如北方冬季记忆时长超过80 d，那么就会影响未来春、夏季的降水，使得土壤湿度记忆性增强，延续初始时刻土壤的干异常状态，并进一步加重干旱造成的影响。WU 等[33]利用土地模型对季节尺度下土壤湿度记忆性进行研究，其记忆时长在冬季长于夏季的研究结果与本文较为一致。同样的，在不同干湿条件下，北方整体记忆时长在干燥期远远长于湿润期，表明干燥期干旱的持续时间远高于湿润期。RAHMAN 等[35]基于降雨和蒸散发数据计算土壤湿度记忆性，其研究结果与本文记忆时长在干燥期长于湿润期的研究结果较为一致；
从演变趋势来看，东北、西南、华中和华南地区记忆时长有明显增长趋势，也就是说未来上述地区发生干旱等极端事件的程度可能会加重。
从多尺度下探究土壤湿度记忆性的时空分布特征，可以揭示不同条件其演变趋势。未来可以从降水、温度等气象因子方面，进一步分析土壤湿度记忆性的影响因素，并用更加精准的土壤湿度数据，对不同深度的土壤探究其记忆性，可以为气候预测和农业干旱监测提供参考，提高农业干旱的监测效率，对农业、水利和林业部门具有重要意义。
土壤湿度与极端气候有着密切的联系，并通过与大气的耦合对干旱等极端事件产生显著的影响。研究土壤湿度记忆性可以更好地预测未来短期天气气候，有利于未来干旱事件的监测和研究，对农业、水利部门具有重要意义。为探究多个时间尺度下土壤湿度记忆性时空特征及演变趋势，本研究基于欧洲中心再分析产品（ERA5-Land）土壤湿度数据，结合滞后自相关分析，计算中国区域1979—2018 年土壤湿度记忆性，探究不同时间尺度（季节、年、年际）及干湿条件下土壤湿度记忆性SMM（soil moisture memory，SMM）的时空分布特征及演变趋势，得出以下结论：
1）从多年平均状态来看，土壤湿度在滞后时间超过300 d 后，自相关系数未通过0.01 显著性检验，表明中国区域记忆时长平均为300 d。空间上，记忆时长呈北高南低的空间格局。
2）季节上，大部分区域土壤湿度记忆时长表现为夏季短、冬季长、秋春季次之的规律，青藏高原地区地区季节差异较小，华北地区季节性差异较大，其冬季超过70 d，夏季则低于20 d，春秋季保持在30～50 d；
不同干湿条件下，记忆时长均呈北高南低的空间分布格局，但干燥期记忆时长明显长于湿润期。例如，干燥期青藏高原、华北和东北地区记忆时长超过90 d，湿润期则比干燥期少60～80 d。
3）从演变趋势来看，土壤湿度记忆性与记忆时长的演变趋势，在东北、华中、华南以及青藏高原北部地区分布较为一致。北方地区土壤湿度记忆时长呈下降趋势，以华北和青藏高原地区较为显著，南方地区则呈增长趋势。此外，随着滞后时长的增加，记忆性变化趋势的空间分布会随之发生变化，且全国大部分地区记忆时长与滞后30 d 记忆性演变趋势的空间分布较为一致。
猜你喜欢 记忆性土壤湿度青藏高原 青藏高原上的“含羞花”今日农业(2022年3期)2022-11-16土壤湿度传感器在园林绿化灌溉上的应用初探天津农林科技(2020年3期)2020-08-13器官移植中记忆性T细胞的研究进展微创医学(2020年6期)2020-03-09为了让青藏高原的天更蓝、水更绿、草原更美甘肃林业(2019年4期)2019-10-08基于51单片机控制花盆土壤湿度电子制作(2019年15期)2019-08-27黏膜记忆性T 细胞功能中国畜禽种业(2018年5期)2018-01-18记忆性B细胞体外扩增影响因素的研究进展①中国免疫学杂志(2017年1期)2017-01-17四川盆地土壤湿度时空分布及影响因子分析高原山地气象研究(2016年4期)2016-02-28中国不同气候区土壤湿度特征及其气候响应高原山地气象研究(2016年4期)2016-02-28超声修复有记忆性铅蓄电池研究电源技术(2015年1期)2015-08-22
