克里雅綠洲淺層地下水與土壤特征的局部空間關(guān)系

黃 玲, 瓦哈甫·哈力克, 盧龍輝

(1.新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院; 2.新疆大學(xué)綠洲生態(tài)教育部重點(diǎn)實驗室;3.新疆大學(xué)旅游學(xué)院，新疆 烏魯木齊 830046)

水是干旱區(qū)最關(guān)鍵的生態(tài)環(huán)境因子[1]，并且，干旱區(qū)直接影響植被生長的土壤水分和鹽分與地下水密切相關(guān)[2]。水土關(guān)系的不平衡可能導(dǎo)致鹽漬化等類型的土地退化。鹽漬化作為影響生態(tài)環(huán)境的重要因素[3]，將直接決定生態(tài)系統(tǒng)的生產(chǎn)力、水分與能量的平衡交替[4]。深入研究干旱區(qū)水土空間關(guān)系，對維持綠洲系統(tǒng)的穩(wěn)定性與安全具有重要意義。

在水土研究的初期，水土相互影響的研究主要以定性的總體分析為主(1994-2002年)[5-6]。隨著定量方法的發(fā)展，以及空間數(shù)據(jù)處理技術(shù)的進(jìn)步，插值方法與經(jīng)典統(tǒng)計方法被引入水土關(guān)系的研究(2007-2012年)[7-10]。近年來，對水土關(guān)系的研究開始綜合不同的分析方法，如經(jīng)典統(tǒng)計分析、插值法、地統(tǒng)計方法(Moran’I)、耦合模型等(2014-2016年)[11-14]。在水土關(guān)系研究方法不斷改進(jìn)的過程中，空間插值法被廣泛應(yīng)用，IDW(Inverse Distance Weighted，反距離權(quán)重法)[15]、RBF(Radial Basis Function，徑向基函數(shù)法)[16]、普通克里格法(Ordinary Kriging)[17]方法已被眾多地理學(xué)者認(rèn)可。統(tǒng)計分析方面，主要運(yùn)用全局尺度相關(guān)分析，如經(jīng)典統(tǒng)計方法(回歸等)、Pearson’s相關(guān)分析及地統(tǒng)計方法。但目前對于局部尺度相關(guān)分析的研究還不多見。遙感技術(shù)、空間統(tǒng)計方法、地理信息技術(shù)的發(fā)展為水土關(guān)系分析提供了有力工具，尤其是GWR(Geographically Weighted Regression，地理加權(quán)回歸)在探索變量間相互關(guān)系的異質(zhì)性和空間自相關(guān)方面有明顯優(yōu)勢[18-20]。如果能夠同時運(yùn)用全局尺度與局部尺度統(tǒng)計分析，且綜合地理信息技術(shù)在空間上區(qū)分相關(guān)性的異質(zhì)特征，將對淺層地下水特征與表層土壤特征間相互關(guān)系的研究有很大助益。

克里雅綠洲作為典型的干旱區(qū)綠洲區(qū)域，進(jìn)行干旱化與鹽漬化的研究非常迫切，尤其在探討區(qū)域水土特征關(guān)系方面。本研究通過遴選最優(yōu)插值方法，借助網(wǎng)格單元法，嘗試在結(jié)合傳統(tǒng)統(tǒng)計方法與空間統(tǒng)計方法的基礎(chǔ)上，重點(diǎn)研究全局尺度統(tǒng)計與局部尺度統(tǒng)計在水土空間數(shù)據(jù)分析上的應(yīng)用，為進(jìn)一步研究淺層地下水特征與表層土壤特征的相互影響奠定基礎(chǔ)。

1 研究區(qū)概況

克里雅綠洲位于中國新疆南部，隸屬于和田地區(qū)于田縣，地理位置為81°09′～82°51′E、35°14′～39°29′ N，地處克里雅河流域山前平原區(qū)域，位于塔克拉瑪干沙漠與喀拉昆侖山之間。克里雅河自南向北貫穿綠洲，多年平均徑流量為6.99×108m3[15]，占綠洲水資源利用總量的82.1%。克里雅綠洲屬于暖溫帶大陸干旱荒漠氣候，多年平均降水量為47.7 mm[16]，多年平均蒸發(fā)量為2 432.1 mm，降水稀少而蒸發(fā)量大。

2 數(shù)據(jù)與研究方法

通過在綠洲區(qū)域內(nèi)均勻分布的24個觀測井(見圖1)內(nèi)安裝水位深度記錄儀/監(jiān)測儀(HOBO U20-001-02)與電導(dǎo)率測量記錄儀(HOBO U24-002-C)進(jìn)行地下水?dāng)?shù)據(jù)采集，間隔為1次/h。通過在觀測井附近1m范圍內(nèi)安裝土壤水分傳感器(ECH2O 5TE)與五通道土壤數(shù)據(jù)采集器(EM50)進(jìn)行表層(0～20、20～40、40～60、60～80、80～100 cm共五層)土壤數(shù)據(jù)采集，間隔為1次·h-1。

本研究獲取到2015年全年地下水與表層土壤實測數(shù)據(jù)。考慮到表層土壤0～20 cm處為土壤鹽分的主要影響層[19]，本研究主要分析表層(0～20 cm)土壤特征數(shù)據(jù)。排除突變數(shù)據(jù)及無效數(shù)據(jù)后，計算地下水埋深、地下水電導(dǎo)率、表層土壤含水率、表層土壤電導(dǎo)率4個指標(biāo)的年平均值。通過SPSS 19.0進(jìn)行對數(shù)轉(zhuǎn)換，運(yùn)用ArcGIS 10.0中三種較為常用的空間插值方法(普通克里格法、IDW、RBF)分析最優(yōu)的地下水與表層土壤特征插值方法，并進(jìn)行交叉驗證及精度檢驗(ME平均誤差、RMSE均方根誤差)。本研究運(yùn)用網(wǎng)格單元法(Grid Cell Method)對空間插值預(yù)測結(jié)果進(jìn)行網(wǎng)格化處理(1 km×1 km)，通過Pearson’s相關(guān)系數(shù)分析4個指標(biāo)間在總體上的統(tǒng)計相關(guān)。通過GWR(地理加權(quán)回歸)與OLS(最小二乘法)模型精度對比分析最優(yōu)的局部空間相關(guān)模型，研究地下水與表層土壤4個指標(biāo)間在局部上的空間統(tǒng)計相關(guān)。

圖1 研究區(qū)位置、井位分布圖Fig.1 Location of the study area and distributionof sampling wells

3 結(jié)果與分析

3.1 最優(yōu)空間插值方法與預(yù)測結(jié)果分析

對地下水埋深、地下水電導(dǎo)率、土壤含水率、土壤電導(dǎo)率數(shù)據(jù)均進(jìn)行3次不同方法(普通克里格法、IDW、RBF)的空間插值(對比結(jié)果見表1)。RBF插值法擬合地下水埋深、表層土壤電導(dǎo)率精度最高，IDW法擬合地下水電導(dǎo)率的精度優(yōu)于其它兩種方法，表層土壤含水率更適于采用普通克里格法。三種插值方法采用對數(shù)轉(zhuǎn)換后數(shù)據(jù)的精度普遍優(yōu)于采用原始數(shù)據(jù)的精度(ME與RMSE更小[17])，但普通克里格法采用原始數(shù)據(jù)的精度更高，因此本研究將采用對數(shù)轉(zhuǎn)換后數(shù)據(jù)進(jìn)行地下水埋深、地下水電導(dǎo)率、表層土壤電導(dǎo)率的空間分布預(yù)測，采用原始數(shù)據(jù)進(jìn)行表層土壤含水量的空間分布預(yù)測。為獲得最優(yōu)(精度最高)空間分布預(yù)測，本研究運(yùn)用RBF法對地下水埋深、表層土壤電導(dǎo)率進(jìn)行空間插值，IDW法對地下水電導(dǎo)率進(jìn)行插值，普通克里格法對表層土壤含水率進(jìn)行空間插值預(yù)測。

分析地下水埋深、地下水電導(dǎo)率、土壤含水率、土壤電導(dǎo)率的空間分布預(yù)測結(jié)果(見圖2)，結(jié)果顯示：不同指標(biāo)表現(xiàn)出不同的空間分布特征。在綠洲區(qū)域內(nèi)，地下水埋深跨度較大，變化范圍為0.65 ～13.69 m，平均埋深約2.33 m，由于海拔的影響，總體呈現(xiàn)由西北至東南逐漸增加的趨勢。由于河道與綠洲濕地的交替分布引起的地下水補(bǔ)給差異，地下水水位最高值位于綠洲西部濕地(龍湖濕地)區(qū)域以及東部稻田區(qū)域。地下水電導(dǎo)率總體由西南至東北依次呈現(xiàn)低-高-低的變化特征，平均電導(dǎo)率約為3.1 mS·cm-1。表層土壤電導(dǎo)率與表層土壤含水率呈現(xiàn)較為一致的分布特征，由綠洲西部至東部依次呈現(xiàn)低-高-低-次高的特征。表層土壤電導(dǎo)率與表層土壤含水率的兩個最高值基本出現(xiàn)在相同的區(qū)域，很可能與濕地的鹽分聚積效應(yīng)有關(guān)。另外值得注意的是，受河流-地下水的動態(tài)相互補(bǔ)給過程的影響，沿河道一定范圍內(nèi)的土壤含水率均較高而土壤電導(dǎo)率均較低。

表1 淺層地下水與表層土壤特征的最優(yōu)空間插值方法

圖2 淺層地下水與表層土壤特征的空間分布預(yù)測Fig.2 Predicted spatial distribution for characteristics of shallow groundwater and surface soil

本研究運(yùn)用ArcGIS 10.0的數(shù)據(jù)管理-要素類創(chuàng)建漁網(wǎng)工具，對土壤電導(dǎo)率、土壤含水率、地下水埋深、地下水電導(dǎo)率4個指標(biāo)的插值結(jié)果(柵格數(shù)據(jù))進(jìn)行分級，將轉(zhuǎn)換的矢量面狀文件進(jìn)行網(wǎng)格單元化，網(wǎng)格大小1 km×1 km，結(jié)果見圖3(以表層土壤電導(dǎo)率網(wǎng)格單元化為例)。

Pearson相關(guān)系數(shù)矩陣顯示了土壤電導(dǎo)率、土壤含水率、地下水埋深、地下水電導(dǎo)率網(wǎng)格單元數(shù)據(jù)之間的總體相關(guān)性大小(見表2)。土壤電導(dǎo)率與土壤含水率的線性相關(guān)程度達(dá)到0.850，表明土壤含水率對土壤鹽分的影響非常高，這與已有的研究結(jié)論相反[18]，可能由于克里雅綠洲典型的灌溉農(nóng)業(yè)與干旱區(qū)蒸發(fā)量較大綜合作用導(dǎo)致土壤含水率越高洗鹽量也越高。土壤電導(dǎo)率與地下水埋深的線性相關(guān)系數(shù)為-0.459，與地下水電導(dǎo)率的相關(guān)系數(shù)為0.602，表明土壤電導(dǎo)率受地下水的影響較為明顯，地下水電導(dǎo)率與土壤電導(dǎo)率的相關(guān)程度更高。地下水電導(dǎo)率與埋深的相關(guān)系數(shù)為-0.474，基本與土壤電導(dǎo)率、埋深兩者的相關(guān)系數(shù)(-0.459)持平，表明地下水埋深對地下水電導(dǎo)率與土壤電導(dǎo)率的影響基本相同。所有相關(guān)系數(shù)均通過了顯著性檢驗，為極顯著水平。

圖3 網(wǎng)格單元化Fig.3 Results of grid cell method for predicted ECvalue of surface soil

Pearson’s系數(shù)Pearson’s correlation地下水埋深Groundwater level 地下水電導(dǎo)率Groundwater EC 表層土壤含水率Surface soil water content 表層土壤電導(dǎo)率Surface soil EC地下水埋深Groundwater level1地下水電導(dǎo)率Groundwater EC-0.474**1表層土壤含水率Surface soil water content-0.475**0.311**1表層土壤電導(dǎo)率Surface soil EC-0.459**0.602**0.850**1

注：**表示在0.01水平(雙側(cè))上顯著相關(guān)。

Note: ** denotes the significance level ofP≤ 0.01.

3.3 GWR與OLS模型對比與局部尺度空間回歸分析

3.3.1 GWR與OLS模型對比及相關(guān)分析 對比GWR與OLS兩種空間回歸建模方法(見表3)，由于表層土壤電導(dǎo)率與表層土壤含水率存在很強(qiáng)的多重共線性，即存在較明顯的相同變化趨勢，采用OLS模型即可。其余指標(biāo)間構(gòu)建的模型對比結(jié)果顯示：采用GWR模型的校正R2均有較大提高，模型的解釋程度平均提升幅度為552%(R2越高變量解釋的程度越高[19])；除地下水埋深與地下水電導(dǎo)率所構(gòu)建模型外，均為GWR模型的AICC值更低(AICC越低表明模型預(yù)測結(jié)果與實際結(jié)果越接近[20])。為更精確地研究局部空間相關(guān)，本研究對表層土壤電導(dǎo)率與表層土壤含水率構(gòu)建OLS模型，對土壤電導(dǎo)率與地下水電導(dǎo)率、土壤電導(dǎo)率與地下水埋深、地下水電導(dǎo)率與地下水埋深構(gòu)建GWR模型。在空間上，對于表層土壤電導(dǎo)率，表層土壤含水率可以解釋63.1%的變化，地下水電導(dǎo)率可以解釋78.9%的變化，地下水埋深可以解釋49.5%的變化；對于地下水電導(dǎo)率，地下水埋深可以解釋61.4%的變化。

3.3.2 局部尺度空間回歸結(jié)果在空間的異質(zhì)性 OLS模型結(jié)果的估計、殘差參數(shù)與GWR模型結(jié)果的局部回歸系數(shù)、LocalR2見圖4～圖7。相比土壤電導(dǎo)率與土壤含水率的Pearson’s相關(guān)系數(shù)為極顯著的0.85(見表2)，OLS模型結(jié)果(圖4)顯示綠洲內(nèi)部在空間上存在高低不同的相關(guān)性，綠洲西部相關(guān)性明顯高于東部。殘差顯示OLS模型在大部分區(qū)域擬合效果較好(殘差絕對值小)。

土壤電導(dǎo)率與地下水電導(dǎo)率的GWR模型(圖5)結(jié)果，與Pearson’s相關(guān)分析結(jié)果(極顯著正相關(guān)0.602，見表2)不同，同時出現(xiàn)了正相關(guān)與負(fù)相關(guān)特征。負(fù)相關(guān)存在于綠洲中部灌溉頻繁的耕地區(qū)域很可能的原因是灌溉對土壤的脫鹽作用，尤其在稻田區(qū)域出現(xiàn)了最大的負(fù)相關(guān)(圖5左，中部深藍(lán)色環(huán)形區(qū)域)。

同樣的空間異質(zhì)特征也出現(xiàn)在土壤含水率與地下水埋深的局部回歸結(jié)果中(圖6)。總體Pearson’s相關(guān)系數(shù)為顯著的負(fù)相關(guān)-0.459(見表2)，但局部空間回歸的結(jié)果表明在綠洲東部區(qū)域存在正相關(guān)。不過結(jié)合綠洲西部呈現(xiàn)負(fù)相關(guān)的區(qū)域模型擬合效果較好，這種正相關(guān)的解釋程度并不高。在濕地區(qū)域，由于地下水位較低，土壤電導(dǎo)率與埋深的相關(guān)也較好，呈現(xiàn)顯著負(fù)相關(guān)。

地下水電導(dǎo)率與地下水埋深的GWR模型擬合結(jié)果同樣呈現(xiàn)出空間相關(guān)的異質(zhì)性(圖7)。在總體呈負(fù)相關(guān)(見表2)的情況下，局部地區(qū)呈現(xiàn)出正相關(guān)的特征。

以上研究表明，將GWR方法運(yùn)用在空間數(shù)據(jù)的統(tǒng)計分析方面能夠反映更多的異質(zhì)特征，而OLS模型只在近似線性的數(shù)據(jù)的處理分析上效果更好。

4 討 論

在眾多空間插值方法的選擇上，不同的區(qū)域應(yīng)當(dāng)選取適用于研究區(qū)的插值方法，通過交叉驗證與精度檢驗可以對插值方法進(jìn)行優(yōu)選。雖然本研究所選取的插值方法只適用于克里雅綠洲，但是選取插值方法依據(jù)的原則可以為其它區(qū)域的研究提供借鑒。

表3 GWR與OLS模型精度對比結(jié)果

Table 3 Comparison of GWR and OLS models accuracy

屬性數(shù)據(jù)Characteristics模型Model表層土壤含水率Surface soil water content 校正R2Adjust R2AICC地下水電導(dǎo)率Groundwater EC 校正R2Adjust R2AICC地下水埋深Groundwater level校正R2Adjust R2AICC屬性數(shù)據(jù)Characteristics地下水埋深Groundwater depth校正R2Adjust R2AICC表層土壤電導(dǎo)率Surface soil EC GWR0.789-12189.70.495-7723.5OLS0.631-93460.101-4781.10.094-4737地下水電導(dǎo)率Groundwater EC 0.61415224.50.094-4737

注：空白表示未能成功建立模型(存在嚴(yán)重多重共線性)，模型在0.05水平上均具有顯著性。

Note: Blank spaces mean there were no successful models due to severe multiple linearity; all models showed here are significantly atP≤0.05 level.

圖4 土壤電導(dǎo)率與土壤含水率局部相關(guān)的空間變異(OLS模型)Fig.4 Spatial variation of regression outputs from OLS model of soil EC and soil moisture content

圖5 土壤電導(dǎo)率與地下水電導(dǎo)率局部相關(guān)的空間變異(GWR模型)Fig.5 Spatial variation of regression outputs from GWR model of soil EC and groundwater EC

圖6 土壤電導(dǎo)率與地下水埋深局部相關(guān)的空間變異(GWR模型)Fig.6 Spatial variation of regression outputs from GWR model of soil EC and groundwater level

圖7 地下水電導(dǎo)率與地下水埋深局部相關(guān)的空間變異(GWR模型)Fig.7 Spatial variation of regression outputs from GWR model of groundwater EC and groundwater level

另外，本研究表明地統(tǒng)計空間插值方法適用于地下水特征與土壤特征的研究，但值得探討的是，在其它研究領(lǐng)域的數(shù)據(jù)是否同樣適用。

網(wǎng)格單元法在處理大尺度的地理空間數(shù)據(jù)上具有明顯的優(yōu)勢。本研究借鑒常運(yùn)用于大尺度空間數(shù)據(jù)處理的網(wǎng)格單元法，并且嘗試將其運(yùn)用于縣域尺度的空間數(shù)據(jù)上，研究結(jié)果顯示網(wǎng)格單元法既便于進(jìn)行數(shù)據(jù)空間分析，也能夠保證數(shù)據(jù)質(zhì)量，且效果較好。但是，本文未對MAUP(可變面積單元)問題進(jìn)行探討，網(wǎng)格單元大小的不同對研究結(jié)果會造成多大的影響，將是下一步研究的問題。另外，網(wǎng)格單元法在點(diǎn)面數(shù)據(jù)轉(zhuǎn)換方面具有一定優(yōu)勢，未來可以擴(kuò)展應(yīng)用至其它研究領(lǐng)域，尤其在社會、經(jīng)濟(jì)數(shù)據(jù)處理方面，能夠為社會學(xué)科與自然學(xué)科的交叉研究提供有效的幫助。

統(tǒng)計方法已經(jīng)普遍運(yùn)用于各個研究領(lǐng)域的數(shù)據(jù)分析方面，而地統(tǒng)計技術(shù)及地理空間分析技術(shù)為相關(guān)科學(xué)研究提供了更多的分析維度。本研究結(jié)合了傳統(tǒng)統(tǒng)計方法與空間統(tǒng)計方法，運(yùn)用全局尺度統(tǒng)計與局部尺度統(tǒng)計對地下水與表層土壤空間數(shù)據(jù)進(jìn)行了分析。在關(guān)注全局尺度統(tǒng)計結(jié)果的同時，更關(guān)注局部尺度統(tǒng)計的結(jié)果。另外需要注意空間統(tǒng)計模型的精度問題，探討空間統(tǒng)計模型在不同研究領(lǐng)域、不同數(shù)據(jù)源的適用性，這將為不同學(xué)科的研究提供依據(jù)。

5 結(jié) 論

1)地下水埋深總體呈現(xiàn)由西北至東南逐漸增加的趨勢，地下水電導(dǎo)率總體由西南至東北依次呈現(xiàn)低-高-低的變化特征。表層土壤電導(dǎo)率與表層土壤含水率呈現(xiàn)較為一致的分布特征，由綠洲西部至東部依次呈現(xiàn)低-高低-次高的特征。RBF插值法擬合地下水埋深、表層土壤電導(dǎo)率精度最高，IDW法擬合地下水電導(dǎo)率的精度優(yōu)于其它兩種方法，表層土壤含水率更適于采用普通克里格法。

2)空間關(guān)系模擬方法上，表層土壤電導(dǎo)率與表層土壤含水率存在很強(qiáng)的多重共線性，采用OLS模型，其余指標(biāo)間構(gòu)建的模型對比結(jié)果顯示GWR模型更優(yōu)。

3)空間相關(guān)性上，土壤含水率對土壤鹽分的影響較高，土壤電導(dǎo)率受地下水的影響較為明顯，地下水埋深對地下水電導(dǎo)率與土壤電導(dǎo)率的影響基本相同。土壤電導(dǎo)率與土壤含水率的全局相關(guān)性為極顯著正相關(guān)(0.85)，局部相關(guān)性上綠洲西部明顯高于東部；土壤電導(dǎo)率與地下水電導(dǎo)率的全局相關(guān)性為極顯著正相關(guān)(0.602)，但局部相關(guān)性上同時具有正相關(guān)與負(fù)相關(guān)特征，負(fù)相關(guān)主要出現(xiàn)在綠洲中部灌溉頻繁的耕地區(qū)域；土壤含水率與地下水埋深的全局相關(guān)性為顯著負(fù)相關(guān)(-0.459)，但綠洲東部存在局部的正相關(guān)；地下水電導(dǎo)率與地下水埋深全局呈負(fù)相關(guān)，局部出現(xiàn)正相關(guān)。

4)GWR方法較OLS方法反映更多的異質(zhì)特征，在總體相關(guān)水平下局部區(qū)域可能出現(xiàn)方向相反或大小不等的相關(guān)性。本研究表明在全局尺度統(tǒng)計分析顯示的特征之外，局部尺度統(tǒng)計分析更能反映復(fù)雜的特征，更接近實際情況，提供的分析維度與深度更優(yōu)、信息更豐富。本研究能為當(dāng)?shù)氐乃临Y源管理實踐提供實際的參考依據(jù)，幫助當(dāng)?shù)赜嘘P(guān)部門加深對水土相互影響的認(rèn)識。本文在豐富水土關(guān)系研究方法的同時，建議未來的相關(guān)研究能夠綜合遙感、GIS、多種統(tǒng)計方法，希望能為進(jìn)一步的干旱區(qū)地下水與土壤相互關(guān)系研究提供科學(xué)的依據(jù)。