趙　煥，徐宗學，2※，趙　捷（. 北京師范大學水科學研究院，水沙科學教育部重點實驗室，北京 00875；2. 全球變化研究協(xié)同創(chuàng)新中心，北京 00875）

?

流域尺度根區(qū)蓄水能力估算及其對氣象要素敏感性分析

趙煥1，徐宗學1，2※，趙捷1
（1. 北京師范大學水科學研究院，水沙科學教育部重點實驗室，北京 100875；2. 全球變化研究協(xié)同創(chuàng)新中心，北京 100875）

摘要：根區(qū)蓄水能力（SR）在水文模擬、土壤水分運移以及植被生長發(fā)育等方面具有十分重要的作用。為對其進行流域尺度的估算，選取太子河上游南甸（峪）流域作為研究區(qū)，利用水量累積曲線法（mass curve technique，MCT）估算SR，基于流域出口水文站月徑流深，對耦合了融雪模塊的概念性水文模型FLEX進行參數(shù)率定，獲取土壤蓄水能力SuMax，并與MCT的估算結果進行交叉驗證。在此基礎上設定不同氣候情景，分析SR對降雨、融雪、蒸散發(fā)的敏感性。結果表明：1）改進的FLEX水文模型可用于模擬研究區(qū)徑流，獲得代表研究區(qū)土壤蓄水量多年平均水平的參數(shù)SuMax值為27 mm；2）水量累積曲線法得到的多年SR值服從耿貝爾（Gumbel）分布，且FLEX模型獲得的根區(qū)蓄水能力檢驗了水量累積曲線法的估算結果；3）SR隨蒸散發(fā)、降雨和融雪變化的曲線斜率分別為1.37、0.73和0.37，說明SR對蒸散發(fā)、降雨和融雪的敏感程度依次減弱，隨著蒸散量增加、降雨量減少的幅度增大，敏感程度增強，融雪的增大或減少對SR的影響相近。研究結果為流域尺度根區(qū)缺水狀況估算及維持植被系統(tǒng)生長發(fā)育提供一定依據(jù)。

關鍵詞：水分；模型；土壤；根區(qū)；蓄水能力；水量累積曲線法；水文模型；氣候變化情景

趙煥，徐宗學，趙捷. 流域尺度根區(qū)蓄水能力估算及其對氣象要素敏感性分析[J]. 農(nóng)業(yè)工程學報，2016，32（2）：155－160.doi：10.11975/j.issn.1002-6819.2016.02.023http://www.tcsae.org

Zhao Huan， Xu Zongxue， Zhao Jie. Estimation of root zone storage capacity and sensitivity analysis to climate factors at catchment scales[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2016， 32（2）: 155－160. （in Chinese with English abstract）doi：10.11975/j.issn.1002-6819.2016.02.023http://www.tcsae.org

Email：zhaohuan@mail.bnu.edu.cn

Email：zxxu@bnu.edu.cn

0　引　言

根區(qū)蓄水能力（SR）能夠反映植被根區(qū)土壤對水分的調(diào)節(jié)能力，是儲存水分和植被連續(xù)獲得水分的緩沖區(qū)，作物水分供應主要依賴于大氣降水，而降水對作物的水分供應又依賴于土壤調(diào)節(jié)，因此SR是土壤—植物—大氣連續(xù)系統(tǒng)中的重要環(huán)節(jié)，對理解植被生態(tài)系統(tǒng)的生長發(fā)育和存活策略有重要意義[1-2]。在水文循環(huán)中，根區(qū)蓄水量受下墊面條件影響，直接作用于蒸散和產(chǎn)匯流過程，此外SR還可以調(diào)控地表和大氣的水分交換進而影響潛熱、地表溫度等，成為聯(lián)系生態(tài)系統(tǒng)和水文過程的重要紐帶[3]，合理估算SR值可以減少水文、氣象和地表模型中參數(shù)的不確定性，改善模型精度。全球氣候變化成為世界日益關注的焦點，將對自然生態(tài)系統(tǒng)和人類生存環(huán)境產(chǎn)生顯著影響[4]，植被作為生態(tài)系統(tǒng)中關鍵的組成部分，對氣候變化的響應十分敏感，研究氣候變化條件下的根區(qū)蓄水能力對維持植被系統(tǒng)生長發(fā)育，分析流域水循環(huán)規(guī)律具有重要意義。

目前，土壤根區(qū)蓄水量主要通過采樣點的土壤含水率計算。宋小帥等[5]對遼河源地區(qū)典型森林分層取土樣，利用烘干法計算土壤含水量，進一步獲得土壤最大蓄水量；宗路平等[6]采用土壤水分速測儀測定哈尼梯田3個樣地的土壤蓄水量，通過與環(huán)刀法測定的結果相互驗證校正精度。盡管通過采樣點土壤含水率反映根區(qū)土壤蓄水能力的方法被廣泛應用，但其耗時且工作量較大，更為關鍵的問題是它只能代表采樣點附近的土壤含水程度，無法代表流域含水量，若用樣點測量值描述其所代表的區(qū)域會由于土壤的空間異質(zhì)性而引入較大的不確定性[7]。此外，還有學者利用土壤特性或根系深度來估算土壤蓄水量[8-9]，且這些方法均未考慮氣候變化的影響[1]。

含水量測量技術（如時域反射、探地雷達、遙感等）日臻完善，尤其隨著遙感與地理信息系統(tǒng)集成技術日益成熟，國內(nèi)外學者嘗試利用遙感產(chǎn)品反演土壤含水量[10-11]。如Zribi等[12]利用雷達衛(wèi)星多角度數(shù)據(jù)反演土壤水分，提出C波段雷達反演裸露地表土壤水分的經(jīng)驗模型；劉振華等[13]運用ASTER衛(wèi)星遙感數(shù)據(jù)，由地表缺水指數(shù)估算土壤含水率；夏燕秋等[14]利用Landsat7 ETM＋影像，由溫度植被干旱指數(shù)法構建白龍江流域土壤水分回歸模型反演土壤水分。遙感監(jiān)測土壤水分的可行性和使用精度雖有所提高，但土壤的空間異質(zhì)性、氣候特征及植被類型的差異對反演結果均具有影響，植被吸收微波信號，將導致微波遙感的敏感性降低[11]，且多數(shù)遙感產(chǎn)品僅能提供表土（0～10 cm）的土壤水分估計值[7]。因此，在流域尺度上綜合考慮生態(tài)水文系統(tǒng)各組成要素估算根區(qū)蓄水能力成為生態(tài)、農(nóng)業(yè)、水文等領域迫切需要解決的問題，通過其估值可以定量分析根系可獲取的地下水量，為研究農(nóng)業(yè)過程、生態(tài)水文過程提供重要依據(jù)[1]。

本文選取太子河上游南甸（峪）流域作為研究區(qū)，利用水量累積曲線法（mass curve technique，MCT）[1]估算根區(qū)蓄水能力SR，并通過參數(shù)優(yōu)化，由改進的FLEX模型獲得最優(yōu)根區(qū)最大蓄水量SuMax（模型的參數(shù)之一），將二者進行交叉驗證。在此基礎上，設置降雨、融雪、蒸散變化情景，計算不同氣候情景下的SR值，探討根區(qū)蓄水能力對不同重現(xiàn)期干旱的響應規(guī)律，分析根區(qū)水分虧缺狀況和年際間變化趨勢。

1　研究區(qū)概況

太子河流域位于中國遼寧省東部，上游（觀音閣水庫以上）植被保護較好，森林覆蓋率達50%以上，中游（觀音閣水庫至葠窩水庫段）為低山丘陵區(qū)，下游（葠窩水庫以下）為平原農(nóng)作物區(qū)，土地開發(fā)程度高，城鎮(zhèn)化明顯[15]。流域內(nèi)豐富的水土資源為農(nóng)業(yè)生產(chǎn)提供了得天獨厚的自然條件，使太子河流域成為遼寧省重要的商品糧生產(chǎn)基地。

本文選取太子河上游南甸（峪）流域（圖1）作為研究區(qū)，流域面積為765 km2。該地區(qū)屬溫帶季風氣候，多年平均氣溫8.35℃，平均降水量929.1 mm，且集中在6—8月，冬季寒冷多雪，降雪約占全年降水量的6%，且春季融雪徑流明顯，多年平均徑流深378.7 mm。研究區(qū)內(nèi)最主要的兩種土地覆被類型為森林和農(nóng)田，其中落葉闊葉林占研究區(qū)總面積的72.5%，土壤以棕壤土和草甸土為主。

圖1　太子河流域及南甸（峪）典型流域位置Fig.1　Locations of Taizi River basin and Nandianyu catchment

2 研究方法及數(shù)據(jù)處理

2.1水量累積曲線法

與水庫的功能類似，植被根區(qū)土壤在降水量較大時儲存多余的水分，水分不足時為植被提供水分，Gao等[1]將水庫設計中使用的MCT用于估算根區(qū)蓄水能力。該方法基于水量平衡原理，由逐日降雨量扣除填洼、截留和徑流得到累積入流量，進一步計算干旱期根區(qū)需水量，認為年內(nèi)需水量最大值為根區(qū)蓄水能力SR。然而該研究沒有考慮融雪部分，融雪作為寒冷地區(qū)的重要水分補給，其地位尤為重要，本文在水分輸入項中考慮融雪對該方法進行改進，使之可以用于降雪不可忽視的地區(qū)。該方法直接建立起氣象（降雨及融雪）、水文（徑流）和生態(tài)（植被）之間的關系，估計流域尺度土壤水分情況。

2.2FLEX水文模型結構及原理

為驗證水量累積曲線法（MCT）在研究區(qū)的適用性，利用改進的概念性水文模型FLEX獲得代表根區(qū)土壤蓄水能力的參數(shù)SuMax，對MCT獲得的結果進行驗證[16]。本文在原模型的基礎上耦合了融雪模塊以提高模擬精度，融雪模塊通過計算雪水當量的變化量來對融雪水量進行估算。雪水當量（snow water equivalent， SWE）由下式獲取[17]，

式中ρs是當?shù)匮┟芏?，kg/m3；ρw是水密度，kg/m3；Hs是雪蓋厚度，mm。

日融雪水量由SWE計算，

其中SWi為第i天融雪水，SWEi為第i天雪水當量。

FLEX模型[16]共有包括代表根區(qū)土壤蓄水能力的參數(shù)Su在內(nèi)的7個水文參數(shù)，利用SCE-UA算法對參數(shù)進行優(yōu)化，將徑流模擬精度最高時對應的參數(shù)SuMɑx作為參考值，對MCT獲得的結果進行驗證，利用Nash-Sutcliffe效率系數(shù)（ENS）[18]作為目標函數(shù)，該值越接近于1表明模型模擬精度越高，公式為

式中Qi,o為南甸（峪）水文站實測月徑流深，mm；Qi,c為模型模擬月徑流深，mm；Qo為南甸（峪）水文站實測月徑流深均值，mm。

2.3敏感性分析

敏感性是指氣候變化對SR的影響程度。在其他要素不變的條件下，SR對某一要素的響應程度越大則表明SR對該要素敏感性越高。受制于當前研究條件，未來氣候變化情況預估存在較大不確定性。因此本文設置不同氣候情景分析SR對氣候變化的響應，探索SR對不同氣候要素的敏感性。降雨、融雪是根區(qū)蓄水的重要來源，而約2/3以上的降水以自然蒸散發(fā)的形式回歸到大氣中[19-20]，對根區(qū)蓄水產(chǎn)生重要影響，因此本文分析降雨、融雪和蒸散發(fā)對SR的影響，將這3個氣象要素分別改變不同比例作為氣候變化情景，分析不同情景下SR變化規(guī)律。

2.4數(shù)據(jù)來源及處理

2.4.1氣象站點數(shù)據(jù)

潛在蒸散發(fā)在MCT中作為水量平衡的重要組分，可用于計算FLEX模型中的實際蒸散發(fā)，本文采用世界糧農(nóng)組織（FAO）推薦的Penman-Menteith公式對其進行計算，輸入數(shù)據(jù)為日平均氣溫、日最高氣溫、日最低氣溫、日平均氣壓、日相對濕度、近地面風速、日照時數(shù)等7個氣象要素的站點數(shù)據(jù)。由于研究區(qū)內(nèi)沒有氣象站點，本溪站距研究區(qū)最近（約50 km）、氣象條件多年相似，且下墊面條件相近，可移用其氣象數(shù)據(jù)計算研究區(qū)潛在蒸散發(fā)，該氣象站點的數(shù)據(jù)由“中國氣象科學數(shù)據(jù)共享服務網(wǎng)”的“中國地面氣候資料日值數(shù)據(jù)集”提供。

2.4.2降水數(shù)據(jù)

降水在MCT計算根區(qū)蓄水能力的過程中是研究區(qū)的主要水分輸入，同時用于驅動FLEX模型，數(shù)據(jù)來源于“中國區(qū)域高時空分辨率地面氣象要素驅動數(shù)據(jù)集”（由“中國西部環(huán)境與生態(tài)科學數(shù)據(jù)中心”提供），該數(shù)據(jù)集由中科院青藏高原所開發(fā)，數(shù)據(jù)時段為1959至2010年，時間分辨率為3 h，水平空間分辨率為0.1°。本文所用的流域面均值由各柵格數(shù)值求幾何平均獲得。

2.4.3雪蓋厚度數(shù)據(jù)

本文在MCT的水分輸入項中考慮了融雪的作用，同時也將融雪模塊耦合至水文模塊中建立了改進的FLEX模型，因此需要由雪蓋厚度數(shù)據(jù)計算逐日雪水當量。雪蓋厚度柵格數(shù)據(jù)來源于“中國雪深長時間序列數(shù)據(jù)集”（由“中國西部環(huán)境與生態(tài)科學數(shù)據(jù)中心”提供），數(shù)據(jù)集時間分辨率為1 d，空間分辨率為25 km。

2.4.4歸一化植被指數(shù)數(shù)據(jù)

旱季和雨季研究區(qū)需水量由歸一化植被指數(shù)（normalized difference vegetation index， NDVI）與年平均值之比確定，NDVI數(shù)據(jù)來源于SPOT.VGT標準產(chǎn)品，由“中國西部環(huán)境與生態(tài)科學數(shù)據(jù)中心”提供，空間分辨率為1 km×1 km，本文采用的數(shù)據(jù)時段為2000年至2010年，時間分辨率為10 d。

2.4.5徑流數(shù)據(jù)

由MCT計算SR采用南甸（峪）水文站1988年至2010年逐日流量數(shù)據(jù)，改進的FLEX模型將1988年至1995年流量用于模型率定，1998年至2001年流量用于模型驗證，數(shù)據(jù)來源于《太子河、渾河流域水文年鑒》。

3　結果與分析

3.1水文過程模擬

利用耦合融雪模塊的FLEX模型模擬研究區(qū)出口水文站徑流過程，率定期（1988－1995年）和驗證期（1998－2001年）的Nash-Sutcliffe效率系數(shù)分別為0.80 和0.79，圖2為月徑流深模擬值、觀測值及降雨量，可見FLEX模型較好地模擬了研究區(qū)的徑流過程，峰現(xiàn)時間吻合較好，說明模型對研究區(qū)出口水文站徑流過程模擬精度較高，模型參數(shù)能夠較為真實地描述流域物理屬性。

圖2　率定期與驗證期徑流深模擬值、觀測值及降雨量Fig.2　Observed/simulated runoff depth and precipitation during calibration and validation periods

3.2 MCT估算精度

利用Mass Curve Technique估算1988－2010年不同重現(xiàn)期的根區(qū)蓄水能力SR（圖3）。Gumbel（極值Ⅰ型）分布[21]常被用于評價水文事件發(fā)生的頻率，是最常用的雙指數(shù)分布之一，本文利用該分布函數(shù)探究根區(qū)蓄水能力與重現(xiàn)期T之間的關系。根據(jù)Gumbel分布函數(shù)，利用下式將重現(xiàn)期T用縮減變量y表示，若SR與y呈線性相關，則SR服從Gumbel分布，

SR與y之間的關系如圖3（黑色圓圈）所示，線性回歸直線對觀測值擬合的確定性系數(shù)R2＝0.79，表明MCT獲得的SR基本服從Gumbel分布，MCT在研究區(qū)內(nèi)具有較好的適用性。

距離研究區(qū)15 km的觀音閣水庫始建于1990年，1995年竣工，控制流域面積2 795 km2，占太子河流域面積的20.1%。根區(qū)蓄水能力SR與縮減變量y之間線性相關程度越高，證明MCT法計算效果越好，由圖3可以觀察到，計算時段內(nèi)SR具有偏離擬合直線一定距離的異常偏大值，其值恰好對應于計算時段之初，可認為水庫的建造及研究區(qū)內(nèi)植被生境（蓋度、種類等）的變化改變了流域下墊面條件，從而對SR產(chǎn)生了較大影響[22]。

圖3　根區(qū)蓄水能力與縮減變量之間關系Fig.3　Correlation between SRand reduced variable y

MCT求得的SR為多年需水條件下植被度過旱季所需根區(qū)蓄水量，計算結果的數(shù)值范圍21～84 mm。將FLEX水文模型對流域出口水文過程模擬較好時相應的參數(shù)SuMɑx與MCT求得的SR進行交叉驗證，前者代表流域多年根區(qū)蓄水能力，其值為27 mm（圖3中灰色菱形），在MCT法估算的多年根區(qū)蓄水量范圍內(nèi)，說明MCT可以用于估算流域根區(qū)土壤蓄水能力。進一步可將MCT法估算得到的根區(qū)蓄水能力作為相關模型中參數(shù)的參考值，以減少參數(shù)預估的不確定性，提高模型精度，尤其可為無資料或缺測的地區(qū)提供重要依據(jù)。根據(jù)SR與y間的線性關系可進一步推求不同重現(xiàn)期（5、10、20、40、60及100 a）干旱對應的根區(qū)土壤蓄水能力，為補充干旱期生態(tài)系統(tǒng)需水提供指導依據(jù)。

3.3氣候變化情景下SR隨干旱重現(xiàn)期變化特征

本文假定降雨、徑流、蒸散等水文要素相對獨立，同時不考慮土地利用、植被覆蓋等因素的改變，設置的氣候變化情景包括：降雨、融雪、蒸散分別改變±10%、±20%和±30%。利用MCT估算不同氣候變化情景下的SR，分析SR對氣候變化的響應特征，并進一步探索SR對這3個氣象要素的敏感性。

圖4中散點代表不同氣候變化情景下，植被生態(tài)系統(tǒng)在相應的旱季維持正常生長發(fā)育所需要的根區(qū)蓄水能力SR，散點曲線的斜率代表重現(xiàn)期變化引起SR變化的大小。可以看出，隨著干旱重現(xiàn)期的增加，生態(tài)系統(tǒng)需要的SR增加，且散點曲線斜率不斷增大，說明隨干旱程度加深，根區(qū)缺水狀況愈發(fā)嚴重，為滿足生態(tài)系統(tǒng)需水要求，需要補充更多的土壤水分以度過旱季。由于根區(qū)土壤蓄水是植被獲取水分的重要來源，蓄水量不足時植被生態(tài)系統(tǒng)正常生長發(fā)育所需水分將難以得到滿足，因此研究不同氣候條件下SR的變化具有重要意義。干旱缺水期土壤水分對氣候的變化更為敏感，針對單一氣候因素的模擬和分析，有利于深入理解氣候變化對干旱期水文過程和根區(qū)蓄水量的影響[23]。

圖4　各氣候情景下SR與不同重現(xiàn)期干旱之間關系Fig.4　Correlation between SRand droughts with different return periods under different climate scenarios

3.4根區(qū)蓄水能力敏感性分析

圖5展示了降雨、融雪、蒸散發(fā)生不同程度改變時，根區(qū)蓄水能力SR所發(fā)生的變化。曲線斜率表示單位氣候要素變化引起的SR變化。在其他氣象要素不變的條件下，蒸散發(fā)、降雨和融雪3個要素變化時的曲線斜率為1.37、0.73和0.37，蒸散發(fā)曲線斜率遠大于降雨和融雪的斜率，說明蒸散發(fā)對SR變化的影響更為顯著，降雨其次，融雪最小。

圖5　SR隨降雨量、融雪、蒸散的變化規(guī)律Fig.5　Variations of SRwith precipitation， snowmelt， and evapotranspiration

進一步分析SR對3種氣象要素的敏感性差異：在僅降雨量變化的情景下，降雨減少對SR的影響明顯大于增加的影響，說明相比于降雨增加，SR對降雨量減少的敏感性更大，例如降雨量增加30%，SR僅減少12.7%，而其減少30%時，SR卻增加29.7%；在僅融雪變化的情景下，融雪量的增加或減少對SR影響的程度比較一致，但隨著融雪量增加幅度變大，SR斜率增大，說明雖然融雪量占水量組分的比例較小，但當較大的降雪出現(xiàn)時，融雪水對SR仍有較大影響；與降雨和融雪對SR的影響相反，蒸散發(fā)對SR的影響成正相關，隨蒸散發(fā)減少幅度的變大，SR趨向平緩，而隨著蒸散發(fā)增加幅度的變大，SR變陡，如蒸散發(fā)減少10%時SR的變化率（?14.8%）大于蒸散發(fā)增加10%時的變化率（＋8.7%），而當蒸散發(fā)減少30%時，SR的變化率（?39.0%）則小于蒸散發(fā)增加30%時的變化率（＋44.6%）說明SR對蒸散發(fā)的增大更為敏感。

干旱事件的發(fā)生反映為降雨量減少，融雪量減少，和蒸散量增大，在這3種氣候變化條件下，SR與蒸散發(fā)變化關系曲線的斜率最大，說明研究區(qū)內(nèi)發(fā)生干旱時，SR對蒸散發(fā)的變化更為敏感，需要更多的根區(qū)蓄水量以度過干旱，降雨其次，融雪最小。此外，在這3種氣候變化條件下，SR與基準值間的差值為干旱事件發(fā)生時，為了維持植被正常生長發(fā)育，度過干旱期所需補充的最大水量。

文中僅分析了單一氣候要素變化對根區(qū)蓄水量的影響，而實際上某一個氣候要素的變化往往伴隨其他氣候要素的變化，如流域的降水量增多可能會帶來蒸散發(fā)量的增加[23]，因此今后的研究中可進一步考慮多種要素同時變化的復雜氣候變化情景。

4　結　論

本文基于多源遙感數(shù)據(jù)產(chǎn)品，選取南甸（峪）典型流域作為研究區(qū)，利用改進的水量累積曲線法（mass curve technique，MCT）和FLEX模型分別估算研究區(qū)根區(qū)蓄水能力，并進一步設置氣候變化情景，探究不同情景下SR的變化規(guī)律，可以獲得以下幾點結論：

1）利用耦合了融雪模塊的概念性水文模型FLEX模擬研究區(qū)徑流，率定期的納什效率系數(shù)為0.80，驗證期為0.79，說明模型較好模擬了研究區(qū)的水文過程。

2）改進的MCT求得1988－2010年SR的范圍為21～84 mm，各年SR服從Gumbel分布，F(xiàn)LEX模型得到代表研究區(qū)根區(qū)蓄水能力多年水平的參數(shù)SuMɑx值為27 mm，在MCT得到的SR值范圍內(nèi)，說明MCT可用于估算研究區(qū)的SR。

3）進一步設置不同氣候變化情景，用驗證為合理的MCT估算不同情景下對應于不同重現(xiàn)期干旱的根區(qū)蓄水能力SR值。分析單位氣象要素變化引起SR變化可知，蒸散發(fā)曲線的斜率最大（為1.37），說明SR對蒸散發(fā)的變化最為敏感，且隨蒸散發(fā)增加，敏感程度增大；SR對降雨的敏感性居中（曲線斜率為0.73），且降雨量減少的響應大于降雨量增加的響應；SR對融雪的變化相對較不敏感（曲線斜率為0.37），且融雪增加和減少對SR的影響相近。

[參考文獻]

[1] Gao H， Hrachowitz M， Schymanski S J， et al. Climate controls how ecosystems size the root zone storage capacity at catchment scale[J]. Geophysical Research Letters， 2014，41（22）: 7916－7923.

[2] 鄧振鏞，張強，王強，等. 黃土高原旱塬區(qū)土壤貯水量對冬小麥產(chǎn)量的影響[J]. 生態(tài)學報，2011，31（18）：5281－5290. Deng Zhen Yong， Zhang Qiang， Wang Qiang， et al. Influence of water storage capacity on yield of winter wheat in dry farming area in the Loess Plateau[J]. Acta Ecologica Sinica，2011， 31（18）: 5281－5290. （in Chinese with English abstract）

[3] Hargreaves G H， Samani Z A. Estimating potential evapotranspiration[J]. Journal of the Irrigation and Drainage Division， 1982， 108（3）: 225－230.

[4] 黃俊雄，徐宗學，劉兆飛，等. 統(tǒng)計降尺度法分析太湖流域未來氣候變化情景[J]. 資源科學，2008，30（12）：1811－1817. Huang Junxiong， Xu Zongxue， Liu Zhaofei， et al. Analysis of future climate change in the Taihu basin using statistical downscaling[J]. Resources Science. 2008， 30（12）: 1811－1817. （in Chinese with English abstract）

[5] 宋小帥，康峰峰，韓海榮，等. 遼河源典型森林類型的土壤水文效應[J]. 水土保持通報，2015，35（2）：101－105. Song Xiaoshuai， Kang Fengfeng， Han Hairong， et al. Soil hydrological effects of typical forest types in upper reaches of Liao river[J]. Bulletin of Soil and Water Conservation， 2015，35（2）: 101－105. （in Chinese with English abstract）

[6] 宗路平，角媛梅，華紅蓮，等. 哈尼梯田景觀水源林區(qū)土壤水分垂直變化與持水性能[J]. 水土保持通報，2014，34（4）：59－64. Zong Luping， Jiao Yuanmei， Hua Honglian， et al. Vertical change of soil moisture and water holding capacity of Hani terraces landscape in water conservation forest region[J]. Bulletin of Soil and Water Conservation， 2014， 34（4）: 59－64. （in Chinese with English abstract）

[7] 朱永華，任立良，呂海深. 天然荒漠植物干旱期根區(qū)土壤貯水量的確定[J]. 水文，2007，27（1）：14－16. Zhu Yonghua， Ren Liliang， Lv Haishen. Determination of natural desert plant root-zone soil water storage in drying periods[J]. Journal of China Hydrology， 2007， 27（1）: 14－16.（in Chinese with English abstract）

[8] Saxton K E， Rawls W J. Soil water characteristic estimates by texture and organic matter for hydrologic solutions[J]. Soil Science Society of America Journal， 2006， 70（5）: 1569－1578.

[9] Huang M， Barbour S L， Elshorbagy A， et al. Effects of variably layered coarse textured soils on plant available water and forest productivity[J]. Procedia Environmental Sciences，2013， 19: 148－157.

[10] 劉昭，楊文元，查元源，等. 基于田塊尺度含水率觀測的土壤水力參數(shù)多模型反演[J]. 農(nóng)業(yè)工程學報，2015，31（6）：135－144. Liu Zhao， Yang Wenyuan， Zha Yuanyuan， et al. Multiple inverse models for estimating soil hydraulic parameters based on field-scale moisture content observation[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2015， 31（6）: 135－144. （in Chinese with English abstract）

[11] 劉志明，張柏，晏明，等. 土壤水分與干旱遙感研究的進展與趨勢[J]. 地球科學進展，2003，18（4）：576－583. Liu Zhiming， Zhang Bo， Yan Ming， et al. Some research advances and trends on soil moisture and drought monitoring by remote sensing[J]. Advance in Earth Sciences， 2003， 18（4）: 576－583. （in Chinese with English abstract）

[12] Mehrez Z， Monique D. A new empirical model to retrieve soil moisture and roughness from C-band radar data[J]. Remote Sensing of Environment， 2003， 84（1）: 42－52.

[13] 劉振華，趙英時，李笑宇，等. 基于蒸散發(fā)模型的定量遙感缺水指數(shù)[J]. 農(nóng)業(yè)工程學報，2012，28（2）：114－120. Liu Zhenhua， Zhao Yingshi， Li Xiaoyu， et al. Quantitative remote sensing of water deficit index based on evapotranspiration[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2012，28（2）: 114－120. （in Chinese with English abstract）

[14] 夏燕秋，馬金輝，屈創(chuàng)，等. 基于Landsat ETM＋數(shù)據(jù)的白龍江流域土壤水分反演[J]. 干旱氣象，2015，33（2）：213－219. Xia Yanqiu， Ma Jinhui， Qu Chuang， et al. Study of soil moisture retrieval based on Landsat ETM＋ image data in the Bailongjiang basin[J]. Journal of Arid Meteorology， 2015，33（2）: 213－219. （in Chinese with English abstract）

[15] 殷旭旺，渠曉東，李慶南，等. 基于著生藻類的太子河流域水生態(tài)系統(tǒng)健康評價[J]. 生態(tài)學報，2012，32（6）：1677－1691. Yin Xuwang， Qu Xiaodong， Li Qingnan， et al. Using periphyton assemblages to assess stream conditions of Taizi river basin[J]. Acta Ecologica Sinica， 2012， 32（6）: 1677－1691. （in Chinese with English abstract）

[16] Fenicia F， McDonnell J J， Savenije H H G. Learning from model improvement: On the contribution of complementary data to process understanding[J]. Water Resources Research，2008， 44（6）: W06419.

[17] Bavera D， Bavay M， Jonas T， et al. A comparison between two statistical and a physically-based model in snow water equivalent mapping[J]. Advances in Water Resources， 2014，63: 167－178.

[18] Nash J E， Sutcliffe J V. River flow forecasting through conceptual models. Part 1: A discussion of principles[J]. Journal of Hydrology， 1970（10）: 282－290.

[19] Allen R G， Pereira L S， Howell T A， et al. Evapotranspiration information reporting: II. Recommended documentation[J]. Agricultural Water Management， 2011， 98（6）: 921－929.

[20] Allen R G， Pereira L S， Howell Terry A， et al. Evapotranspiration information reporting: I. Factors governing measurement accuracy[J]. Agricultural Water Management，2011， 98（6）: 899－920.

[21] Gumbel E J. Les valeurs extrêmes des distributions statistiques[J]. Annales de l’institut Henri Poincaré， 1935， 5（2）: 115－158.

[22] 王丁明. 太子河水庫建設對水文情勢影響與環(huán)境流量研究[D]. 河北聯(lián)合大學，2012. Wang Dingming. Effects of Reservoir Construction on Flow Regims and Environmental Flow Determination in the Taizi River[D]. Hebei United University， 2012. （in Chinese with English abstract）

[23] 張淑蘭，于澎濤，張海軍，等.氣候變化對干旱缺水區(qū)中尺度流域水文過程的影響[J]. 干旱區(qū)資源與環(huán)境，2013，27（10）：70－74. Zhang Shulan， Yu Pengtao， Zhang Haijun， et al. Impact of climate change on the hydrological process in medium scale basin of arid areas[J]. Journal of Arid Land Resources and Environment， 2013， 27（10）: 70－74. （in Chinese with English abstract）

Estimation of root zone storage capacity and sensitivity analysis to climate factors at catchment scales

Zhao Huan1, Xu Zongxue1,2※, Zhao Jie1
（1. Key Lɑborɑtory of Wɑter ɑnd Sediment Sciences， Ministry of Educɑtion， College of Wɑter Sciences, Beijing Normɑl University， Beijing 100875, Chinɑ;2. Joint Center for Globɑl Chɑnge Studies, Beijing 100875， Chinɑ）

Abstract:Moisture storage capacity at root zone plays an important role in hydrological processes， soil moisture movement and vegetation development， which is also a crucial parameter in hydrological and ecological modelling. However， due to the great heterogeneity in soil texture and the restriction of observation currently， there is no effective way to observe this parameter at catchment scales. In this study， a typical catchment of the Taizi River in Northeast China was selected as the study area. On the basis of monthly runoff depth data at Nandianyu Hydrological Station， the parameters in FLEX model were calibrated and validated during different time periods， of which the parameter Surepresents the moisture storage capacity at root zone， while the SuMaxcorresponds to the Suunder the best hydrological process condition in simulation. A snow model was incorporated in the original FLEX hydrological model in order to improve the performance of the model in the places where snow and melting water cannot be ignored. Based on observational meteorology data and multi-source remote sensing data sets，the modified mass curve technique （MCT） was employed to estimate the moisture storage capacity at root zone in Nandianyu catchment， taking snowmelt as an important part of water input for technique modification. The MCT was originally used in engineering design， however， in this study the moisture storage capacity was estimated using this approach by treating the whole root zone of this catchment as a reservoir. Based on the relationship between cumulative inflow and water demand in dry seasons when the rate of water demand exceeded water inflow， the required moisture storage capacity at root zone for each year was yielded， and cross validated with the result derived from the FLEX model to test the availability of MCT in the study area. Different climate scenarios were further set to test the sensitivity of moisture storage capacity at root zone to rainfall，snowmelt and evapotranspiration when these 3 climate factors increased or reduced by 10%， 20% and 30% independently using the MCT which demonstrated to be feasible. The results show that: 1） The improved FLEX model could be used to simulate hydrological process in the study area， presenting a high accuracy in runoff depth simulation and flow hydrograph simulation. The value of parameter SuMaxrepresenting the moisture storage capacity at root zone under the best simulating condition was 27 mm; 2） The moisture storage capacity at root zone estimated by MCT was demonstrated to follow the Gumbel distribution， with a range of 21-84 mm. The value of moisture storage capacity derived from this approach coincided with the estimate derived from the FLEX model， which meant that the modified MCT could be used to estimate the moisture storage capacity at root zone in the study area， and the estimates derived from this approach could be used as parameters in hydrological and ecological models; 3） Curve slopes of the change of moisture storage capacity at root zone with evapotranspiration， precipitation and snowmelt were 1.37， 0.73 and 0.37， showing that the moisture storage capacity at root zone had a reduced sensitivity to the change of evapotranspiration， precipitation and snowmelt. Besides， with the increase of evapotranspiration and reduction of precipitation， the sensitivity of the moisture storage capacity at root zone enhanced while there was no big difference under the variations of snowmelt. This work can provide a basis for water deficit estimation and maintaining normal development of ecosystems when they are faced with drought.

Keywords:moisture; models; soils; root zone moisture; storage capacity; mass curve technique; hydrological model; climate factors

通信作者：※徐宗學，男，教授，博士生導師，研究方向有水文模擬和生態(tài)水文過程等。北京北京師范大學水科學研究院，100875。

作者簡介：趙 煥，女，遼寧營口人。主要從事農(nóng)業(yè)干旱與水文模擬研究。北京北京師范大學水科學研究院，100875。

基金項目：水利部公益性行業(yè)科研專項項目（201401036）

收稿日期：2015-10-27

修訂日期：2015-12-17

中圖分類號：S271; P333

文獻標志碼：A

文章編號：1002-6819（2016）-02-0155-06

doi：10.11975/j.issn.1002-6819.2016.02.023