论文部分内容阅读
云南省建水县位于岩溶断陷盆地区,水分是限制该区域植被恢复的重要瓶颈。由于该区域属于岩溶区,具有土层瘠薄、土壤持水能力差、水分地下漏失严重、土壤水分对气象要素变化敏感等特点。本文以云南省建水县九标小流域为试验监测区,收集建水县1960年-2016年气象共享数据,对建水县的气象要素进行综合分析;在试验区布设不间断土壤水分监测系统以及小气象站,采集具有相同地形的3种人工恢复林:马尾松、冲天柏、桉树和3种具有相同地形的灌木林:低覆盖度车桑子林、高覆盖度车桑子林、天然次生林藤刺灌丛的土壤水分含量数据,研究不同植被类型下土壤水分含量的月度、垂直变化规律,以及土壤水分含量对降雨的响应规律;并通过逐步回归、BP神经网络对土壤水分与气象因子的关系进行线性和非线性分析。主要结论如下:(1)对建水县气象数据的分析可知,建水县的降雨类型以中雨、小雨为主,中雨的次数约占17%,小雨的次数约占78%。建水县降雨量从1960年代到2000年代存在年代际波动变化,而蒸发量在1990年代后有显著降低,在1960年代和1980年代干燥度指数大于3.0,而在1970、1990、2000年代的干燥度指数在2-3之间。(2)对不同植被类型下的土壤水分变异系数进行研究发现,乔木林地每层的土壤水分变异系数均为:冲天柏>桉树>马尾松;灌木林地0-]Ocm、10-20cm层的变异系数大小均为:低覆盖度车桑子>高覆盖度车桑子>藤刺灌丛,20-30cm层:低覆盖度车桑子>藤刺灌丛>高覆盖度车桑子。(3)在同一林地中,降雨对土壤水分的影响深度随着降雨量的增加而增加。土壤水分含量对暴雨、大雨均有较快的响应,各层土壤水分含量均受到了显著影响;而中雨和小雨对各林地表层0-10cm层土壤水分有较大影响,对10cm以下土层土壤水分影响较小,不同林地类型土壤水分对降水变化响应差异显著。(4)通过线性回归分析得到,不同植被各土层土壤水分含量的拟合优度不同,3种乔木样地回归方程拟合优度均高于3种灌木样地,在灌木林地中,由于石漠化严重,线性回归方程不适宜进行水分拟合。(5)通过BP神经网络关系模型进行土壤水分的非线性拟合发现,不同样地对各气象要素的敏感程度不同,马尾松样地和高覆盖度车桑子样地均对降雨量的敏感性最强。2种样地的模拟精度均较高,且模拟精度均表现出随着土层深度的加深而降低的规律。比较回归方程和BP神经网络模型的土壤水分模拟效果发现,BP神经网络模型对土壤水分的模拟效果显著优于线性回归拟合模型。