古爾班通古特沙漠土壤水分-地形-植被關系研究

摘要：土壤水分是固沙植被的主要驅動因子，受地形、植被和氣候的相互作用影響。本研究以古爾班通古特沙漠半固定沙丘上的土壤水分為研究對象，采用廣義線性、廣義加性和隨機森林等模型，研究了不同微地貌類型和深度的土壤水分與地形-植被因子之間的關系。結果表明：除了迎風坡上表層（0～40 cm）土壤水分之外，沙丘不同微地貌類型和深度的土壤水分之間差異不顯著；與植被因子相比，地形因子對不同深度土壤水分的影響更顯著；地形因子坡度和高差與土壤水分含量呈負相關關系，而坡向與土壤水分含量呈正相關關系；植被因子的灌木蓋度和生物量也對土壤水分呈現負向趨勢；針對不同深度的土壤水分與地形-植被因子的關系建模上，隨機森林模型優于廣義線性和廣義加性模型。研究結果為該地區未來固沙植被保護工作提供了理論指導。

關鍵詞：土壤水分；影響因子；相關性分析；廣義線性模型；廣義加性模型；隨機森林模型

中圖分類號：S152.7 """文獻標識碼：A """"文章編號：1007-0435（2024）05-1548-10

Study on the Relationship Between Soil Moisture，Topography

and Vegetation in the Gurbantunggut Desert

ZHANG Xiao-yu， ZHANG Ding-hai*， NING Ting， MA Yu-jing

（Institute of Quantitative Biology， College of Science， Gansu Agricultural University， Lanzhou， Gansu Province 730070， China）

Abstract：Soil moisture is the main driver of sand-fixing vegetation，which is affected by the interaction of topography，vegetation and climate. In this study，soil moisture in semi-fixed sand dunes in the Gurbantunggut Desert was used as the research object，and the relationship between soil moisture and topography-vegetation factors at different micro-landform types and depths was studied using generalized linear，generalized additive and random forest models. The results showed that：Soil moisture，except for the surface layer （0～40 cm） on the windward slope，had no significant difference between different micro-landform types and depths of the dunes. Compared with vegetation factors，topographic factors had more significant effect on soil moisture"at different depths. The slope and elevation difference of topographic factors showed a negative trend on soil moisture，while the slope aspect showed a positive trend. Shrub coverage and biomass of vegetation factors also showed a negative trend on soil moisture. For the evaluation of soil moisture at different depths，the random forest model was better than the generalized linear and generalized additive models. The results of this study provided theoretical guidance for the future protection of sand-fixing vegetation in this area.

Key words：Soil moisture;Impact factor;Correlation analysis;Generalized linear models;Generalized additive model;Random forest model

荒漠化是指在干旱、半干旱和部分半濕潤地區，由于自然環境惡劣和人類過度開發利用而導致土壤退化的過程［1］。荒漠化是當今世界最關注的環境問題之一，其在全球十大災害中排名第一［2］。土壤水分是沙區植被系統格局和過程的驅動因子［3-4］，也是調控沙漠植被生長、演替和景觀分化的關鍵因素［5］。土壤水分的狀態和分布對沙區生態水文過程有直接影響［6］。因此，研究沙區土壤水分的分布特征和影響因素有助于建立沙區水文和生態過程之間的定量聯系［7］，揭示生態系統穩定性的機理。

在干旱半干旱地區，土壤水分異質性是許多因素綜合影響的結果。已有研究表明，地形是氣候、植被等影響因子的載體［8］，植被因子是土壤水分的集中體現，地形和植被因子在不同尺度上對土壤水分的空間異質性有較大的影響［9］。國內外學者已對地形-植被因子對沙區土壤水分的影響在不同尺度上開展了大量研究。在較大尺度上，不同土地類型和利用方式對沙區土壤水分的影響不同［10-12］。通過回歸分析、地統計學、數字高程模型等方法發現，地形因子（坡度、坡向、高差）是影響土壤水分的重要因素；在小尺度上，采用半方差函數、變異函數和相關性分析等方法發現，土壤水分與生物量和物種多樣性等植被特征之間存在關聯，地形和植被因子共同作用影響土壤水分的空間分布［13-15］。然而，現有研究大多數集中在土壤水分與單個或部分地形-植被因子之間的關系上，綜合多個地形-植被因子的研究較少，研究結果存在一定的不確定性。目前，在局地尺度上，缺乏研究不同微地貌土壤水分與地形-植被因子之間的關系。古爾班通古特沙漠半固定沙丘的相關研究幾乎沒有報道。因此，本研究采用樣帶數據，選取古爾班通古特沙漠半固定沙丘上不同微地貌類型（迎風坡、丘底、背風坡、丘頂）的地形-植被因子，以及不同深度（表層、中層、深層）的土壤水分為研究對象，使用描述性統計法分析不同微地貌類型土壤水分的分布狀況，采用相關性分析給出土壤水分與地形-植被因子之間的關系，運用三種模型分析了影響土壤水分的主要因素和變化趨勢，以揭示影響土壤水分變化規律的機理。研究可對研究區今后可持續風沙治理提供科學依據。

1 材料與方法

1.1 研究區概況

古爾班通古特沙漠地處新疆維吾爾族自治區北部，準噶爾盆地中部，瑪納斯河以東，烏倫古河以南（北緯44°15′～46°50′，東經84°50′～91°20′），面積4.88萬hm2，平均海拔為300～600 m，是中國第二大沙漠［16］。氣候屬溫帶大陸性沙漠氣候，冬冷夏熱。年均降水量約為70 ～150 mm，年平均氣溫7.19℃，年平均積雪覆蓋時間為100～150 天，沙漠內部以固定或半固定沙丘為主，占沙漠總面積的97%左右，是中國面積最大的固定或半固定沙漠［17］。固定沙丘的植被覆蓋率在40%～50%之間，半固定沙丘的植被覆蓋率在15%～25%之間。沙漠中的物種非常豐富，可達百余種。其中，半固定沙丘上的固沙灌木主要以白梭梭（Haloxylon persicum）、油蒿（Artemisia ordosica）、沙拐棗（Calligonum mongolicum）為主［18］。

1.2 試驗設計

2022年8月，在對古爾班通古特沙漠石油管理處附近（44°33′34′′ N，88°16′35′′ E）的沙丘類型和固沙植被進行全面考察后，選取1塊具有代表性的半固定沙丘樣地（圖1），該樣地包含沙丘的迎風坡、背風坡、丘底和丘頂4種微地貌類型，大小為40 m×140 m，樣地細分為4 m×4 m的小樣方，共有10行（A～J行）37列（1～37列），共有370個小樣方。其中，選取C，E，I行的樣方作為土壤水分采樣帶，在沙丘的迎風坡、背風坡、丘頂和丘底上選擇72個土壤水分采樣點。利用土鉆法測量0～300 cm深度的土壤水分，將土壤水分分為18層，50 cm以上每隔10 cm取一次樣，50 cm以下每隔20 cm取一次樣。同時，在E行內的小樣方（4 m×4 m）上布置50 cm×50 cm的草本樣方，調查草本植物的多度、蓋度、生物量以及凋落物的生物量。使用標記牌對樣地內的灌木進行標記，并測量其株高和冠幅（東西和南北兩個方向），同時對樣方中的灌木多度和蓋度進行調查。利用實時動態定位的測量方法（Real-time kinematic，RTK），對每株灌木及每個樣方的4個頂點進行定位測量，得到其經緯度和海拔高度。結合樣方頂點的數據，利用數字高程模型，計算出每個小樣方所對應的地形因子，主要包括坡度、坡向（0°正東，順時針旋轉）和高差（樣方頂點高程差的平均值）［19］。最終，構建了一個包含土壤水分、地形因子（坡度、坡向、高差）和植被因子（灌木蓋度、灌木多度、草本蓋度、草本多度、草本生物量和凋落物生物量）的數據集。

1.3 研究方法

1.3.1 土壤水分的劃分及數據的標準化 已有研究表明，草本植物主要利用0～40 cm的土壤水分，而80%固沙灌木的根系分布在40～200 cm的土層深度范圍內，約10%的固沙灌木根系分布在 200～300 cm的土層范圍內［20］。因此，本研究將土壤水分劃分為表層（0～40 cm）、中層（40～200 cm）和深層（200～300 cm）。同時，考慮到土壤水分、灌木蓋度和生物量等地形-植被因子的量綱和取值數量級不同，對數據進行標準化處理，公式如（1）所示。

其中xi為地形或植被因子；yi為不同深度的土壤水分。

1.3.2 廣義線性模型 廣義線性模型（Generalized linear model，GLM）是將一種不服從線性關系的因變量通過某種形式轉換為線性關系的模型。它能克服線性回歸模型的缺點，是對線性回歸模型的推廣。GLM模型利用連接函數來建立響應變量的數學期望與線性組合的預測因子之間的關系［21］。GLM的自變量可以是離散的，也可以是連續的，而且不需要假設殘差服從正態分布的要求。

1.3.3 廣義加性模型 廣義加性模型（Generalized additive models，GAM）是一種具有較強自由度且靈活的統計模型，可用于研究數據的非線性回歸效應。它是一種非參數化平滑回歸形式的多元回歸模型。在廣義加性模型中，假定因變量Y呈正態分布，并且自變量X和應變量Y的條件均值之間的關系可以簡潔表示為［22］：

Y=β0+f1（X1）+f2（X2）+…+fn（Xn）（2）

式中fn（Xi）須以非參數的方式進行估計。

1.3.4 隨機森林模型 隨機森林（Random forest，RF）是一種基于Bagging的集成學習方法［23］，其基本單元為決策樹。RF通過重抽樣等技術對訓練樣本進行隨機采樣，進而并列訓練若干個（例如，M個）不同的決策樹，最后對M個決策樹進行投票和平均，得到最終結果［24］。RF基評估器的訓練不同于傳統的決策樹：在每個決策樹的樹結點隨機從包含全部P個變量的候選自變量集合中選擇K個變量的子集，然后再從這個子集中劃分出一個最優變量。K=P就是傳統決策樹，K=1表示隨機選取一個變量分類器。

1.3.5 多重比較 多重比較（multiple comparisons）是指方差分析后對各樣本平均數間進行顯著性差異檢驗的統稱。方差分析只能判斷各總體平均數間是否有差異，多重比較則可進一步確定哪些平均數間有差異，哪些平均數間沒有差異。多重比較方法有很多，例如LSD法、Sidak法、Bonferroni法、Tukey法以及Duncan法等。本文采用Duncan法進行多重比較。

本文所有的數據處理都基于R 4.3.2實現。

2 結果與分析

2.1 不同微地貌類型上土壤水分的分布特征

通過單因素方差分析和多重比較方法對4種微地貌類型上不同深度的土壤水分的差異進行顯著性分析（圖2）。結果表明，除迎風坡表層和中層土壤水分外，沙丘不同微地貌類型上不同深度的土壤水分之間均沒有顯著差異。

對表層（0～40 cm）土壤水分而言，4種微地貌類型上土壤水分含量的大小順序為：丘頂（1.21%）gt;背風坡（1.14%）gt;丘底（1.09%）gt;迎風坡（0.85%）。其中，丘頂、背風坡和丘底之間沒有顯著差異，而迎風坡與其余三種地形之間有顯著差異。

對中層（40～200 cm）土壤水分而言，4種微地貌類型上土壤水分含量從大到小依次為：丘底（1.05%）gt;迎風坡（0.89%）gt;背風坡（0.88%）gt;丘頂（0.71%）。其中，丘底和丘頂之間有顯著差異，而迎風坡和背風坡與丘底和丘頂之間都沒有顯著差異。

對深層（200～300 cm）土壤水分而言，4種微地貌類型的土壤水分含量的大小順序為：丘底（1.03%）gt;背風坡（1.02%）gt;迎風坡（0.98%）gt;丘頂（0.83%）。在4種微地貌類型上，土壤水分均沒有顯著差異。

2.2 土壤水分與地形-植被因子之間的關系

選取土壤水分（表層、中層、深層）和地形因子（坡度、坡向、高差）、植被因子（灌木蓋度、灌木多度、草本蓋度、草本多度、凋落物和生物量）進行相關性分析，初步探究不同深度的土壤水分與地形-植被因子之間的相關關系。我們首先對土壤水分和地形-植被因子進行K-S檢驗（Kolmogotov-Smirnov檢驗），結果顯示每個變量均通過了K-S檢驗，符合正態分布，因此，采用Pearson相關系數對不同深度的土壤水分和地形-植被因子的關系進行了相關性分析，結果如圖3所示。

由圖3可知，土壤水分與坡度、坡向、高差、灌木蓋度和草本多度之間存在顯著的相關關系。表層土壤水分含量與灌木蓋度和坡度呈負相關關系，與草本多度呈正相關關系；中層土壤水分含量與坡度和高差呈負相關關系，與坡向呈正相關關系；深層土壤水分含量與坡度和灌木蓋度呈負相關關系。

2.3 基于廣義線性模型的地形-植被因子對土壤水分的影響

2.3.1 地形-植被因子對不同深度土壤水分的影響 使用GLM建立模型，以地形因子和植被因子作為解釋變量，不同深度土壤水分（表層、中層、深層）分別作為被解釋變量，使用高斯鏈接函數，并檢驗各個因子的顯著性（表1）。由表1可以看出，坡度主要影響表層土壤水分，坡向主要影響中層土壤水分，而灌木蓋度主要影響深層土壤水分。

2.3.2 地形-植被因子對不同深度土壤水分影響的趨勢分析 為了確定不同深度土壤水分隨地形-植被因子的變化趨勢，基于廣義線性模型，使用響應曲線確定其變化趨勢（圖4），圖中僅列出對土壤水分影響顯著的地形-植被因子。由圖4可以看出，坡度與表層土壤水分呈負相關關系，坡向與中層土壤水分呈正相關關系，灌木蓋度與深層土壤水分呈負相關關系。

2.4 基于廣義加性模型的地形-植被因子對土壤水分的影響

2.4.1 地形-植被因子對不同深度土壤水分的影響 將地形因子、植被因子作為解釋變量，不同深度土壤水分（表層、中層、深層）分別作為被解釋變量，使用高斯函數作為鏈接函數，設置平滑參數K=5，并建立廣義加性模型。結果如表2所示。結果表明，影響表層土壤水分的主要因子是坡度和高差；影響中層土壤水分的主要因子是坡向和高差；影響深層土壤水分的主要因子是高差、灌木蓋度和凋落物。

2.4.2 地形-植被因子對不同深度土壤水分影響的趨勢分析 由圖5可知，地形因子與表層和中層土壤水分有相關關系。同時，地形因子和植被因子都與深層土壤水分有相關關系。需要注意的是，土壤水分與坡度、坡向和高差之間的關系呈現出明顯的非線性變化趨勢。具體來講，坡度和高差與表層土壤水分呈負相關關系；坡向與中層土壤水分呈正相關關系，而高差與中層土壤水分呈負相關關系；高差、灌木蓋度、生物量與深層土壤水分呈負相關關系。

2.5 基于隨機森林模型的地形-植被因子對土壤水分的影響

2.5.1 地形-植被因子對不同深度土壤水分的影響 進一步利用隨機森林模型研究土壤水分與地形植被因子之間的關系，將最大樹的數量設置為2 000棵，并采用10折交叉驗證并檢驗模型的性能。同時，基于IncMSE方法得到了影響土壤水分變量的重要性排名（圖6）。結果表明，地形因子對沙丘上不同深度土壤水分具有重要的影響。具體來講，影響表層土壤水分的主要因子是草本多度、高差、坡度和灌木多度；影響中層土壤水分的主要因子是高差、坡向、草本蓋度和草本多度；影響深層土壤水分的主要因子是高差、灌木蓋度、生物量和坡度。

2.5.2 地形-植被因子對不同深度土壤水分影響的趨勢分析 基于隨機森林模型利用各自的響應曲線確定不同深度的土壤水分隨地形-植被因子的變化趨勢（圖7），圖中我們僅列出排名前四的因子。由圖7可以看出，地形-植被因子對不同深度的土壤水分呈現出非線性的變化趨勢，影響沙丘的不同深度土壤水分的地形因子主要是坡度、坡向和高差。草本植被對表層和中層土壤水分的影響較大，而灌木對深層土壤水分的影響較大。對表層土壤水分而言，草本多度和高差的增加會使土壤水分增加，而坡度的增加則使土壤水分減少。同時，隨著灌木多度的增加，土壤水分呈現先不變再減小的趨勢。對中層土壤水分而言，高差和草本蓋度的增加導致土壤水分減少，而增加坡向和草本多度則會導致土壤水分增加。對深層土壤水分而言，隨著高差、灌木蓋度、生物量和坡度的增加均會導致土壤水分減少。

2.6 模型評價

采用決定系數R2和均方根誤差RMSE對 3個模型進行評價，在盡量減小RMSE的前提下，R2越大表示模型的預測效果越好。R2的值接近1表明模型對觀測值的擬合程度越好。由表3可以看出，對于表層、中層和深層的土壤水分，RF模型的表現優于GAM和GLM模型，GAM模型優于GLM模型，并且RF模型的決定系數均超過0.9。因此，基于機器學習算法的RF模型能夠更好地解釋土壤水分與地形-植被因子之間的關系。

3 討論

3.1 不同微地貌類型上土壤水分的分布特征

本研究結果表明，除了迎風坡的表層土壤水分外，沙丘不同微地貌不同深度土壤水分之間沒有顯著差異。這是因為迎風坡的表層常年受沙區風蝕和沙蝕的影響較大，導致土壤水分波動較大。與此同時，迎風坡上的固沙灌木和草本植被相對較少，使得表層土壤水分更容易蒸發。此外，高差較大使得迎風坡上的土壤水分更容易入滲到高差較小的背風坡和丘底［25］。深層土壤水分與地面接觸比較遠，主要受降水強度和固沙植物根系對水分利用的影響，與地表蒸發聯系較弱，所以蒸發量較少，深層土壤水分較為穩定。因此，不同微地貌上深層土壤水分沒有明顯差異。迎風坡和丘頂的土壤水分含量最低，一方面是因為半固定沙丘上疏松的沙土有利于降水從地勢較高的迎風坡、背風坡和丘頂滲入到地勢較低的丘底。另一方面，受風沙活動的影響，沙子從迎風坡吹到丘頂，然后覆蓋在背風坡和丘底，導致丘頂上風沙堆積越來越厚，土壤水分減少。這與王銳等人關于騰格里沙漠東南緣不同地形下土壤水分的空間動態變化研究的結論一致［26］。

3.2 地形-植被因子對土壤水分的影響

本研究中，影響沙丘土壤水分的主要因素是地形。其中，高差對于表層、中層、深層土壤水分都會產生影響。造成這種現象的原因有兩方面。一方面，研究區的土壤水分主要來源于春季融雪和降水入滲，降水的入滲作用，使得高差較小的地方土壤水分含量較大［27］。另一方面，由于局部地形的差異，固沙植被的分布也不同。固沙植被主要分布在丘底和背風坡區域，這些區域的成土層厚度較厚，容易形成生物土壤結皮。生物土壤結皮的形成可以有效提高結皮層土壤含水率和持水力。生物土壤結皮和成土層越厚，土壤保水能力就越強［28］。此外，從土壤水分的變化趨勢來看，地形因子坡度和高差與土壤水分含量負相關，而坡向則與其正相關。與此同時植被因子的灌木蓋度和生物量也與土壤水分負相關。土壤水分的分布與坡度密切相關，坡度較大時，水分通常會流失到低處，從而使土壤含水量的不均勻分布。這將使部分植物無法獲得充足的水分，從而影響植物的生長。其次，隨著坡度增加，降雨過程會使更多的雨水隨地表徑流流失，從而減少入滲到土壤中的水分供給［29-30］。土壤水分隨著坡向的增加而逐漸增加的主要原因是，隨著坡向的增加，陽坡變為陰坡，大多數沙漠植物主要分布在陰坡，形成了聚集的斑塊分布，陰坡較低的蒸發和固沙植物的匯流作用，導致土壤水分含量較高［31］。植被因子中的灌木蓋度與土壤水分之間存在負向趨勢的原因是，灌木蓋度比較高時消耗的土壤水分較多，加上根系間的競爭能力增強，使得對土壤水分的利用率降低，從而降低土壤含水量。灌木蓋度比較低時，消耗的土壤水分較少，灌木根系的競爭強度降低，從而提高對土壤水分的利用率，增加土壤水分［32］。生物量對土壤水分也產生影響，這是因為隨著生物量的增加，土壤中的有機物質增多，可以增強土壤的持水性和透水能力，提高土壤水分的利用率。

3.3 GLM，GAM與RF的模型比較

本研究利用GLM，GAM和RF模型研究了影響沙丘不同深度土壤水分的地形-植被因子。運用決定系數R2和均方根誤差RMSE對 3個模型綜合評價發現，RF模型的擬合效果優于GLM和GAM。這與其他學者在相關生態系統的研究結果一致［33-34］。GLM模型只能解釋響應變量與解釋變量之間的線性關系，而GAM模型可以在沒有解釋兩種關系的情況下使用，但在變量具有多重共線性時容易導致模型出現過擬合的現象［35］。RF模型是一種基于決策樹的機器學習模型，它不需要對函數形式進行事先假定且無需考慮變量之間存在多重共線性的問題，在生態學中得到了廣泛的應用［36］。

因此，在干旱半干旱生態系統的保護中，必須重視保護植被因子，避免人為不合理放牧和其他不當人類活動造成的危害。另外，在沙漠地區可以采用草方格進行固沙，以預防水土流失和荒漠化，進而促進沙漠生態系統的恢復。

4 結論

本文通過對古爾班通古特沙漠半固定沙丘上不同微地貌類型和不同深度土壤水分的分布特征，以及土壤水分和地形-植被因子之間的關系研究表明：除迎風坡上表層土壤水分外，沙丘不同微地貌類型上不同深度的土壤水分之間沒有顯著差異；與植被因子相比，地形因子對不同深度土壤水分的影響更為顯著，其中地形因子坡度和高差與土壤水分含量呈負相關關系，而坡向與土壤水分含量呈正相關關系；此外，植被因子中的灌木蓋度和生物量也與土壤水分呈負向趨勢；在對于不同深度的土壤水分與地形-植被因子的關系建模上，隨機森林模型優于廣義線性和廣義加性模型。

參考文獻

［1］ 鄭佳翔，孫桂麗，蘇香玲，等. 阿克蘇地區荒漠化變化趨勢及其驅動因素［J］. 水土保持通報，2022，42（4）：278-285

［2］ LIU Z，MA L，LIU T，et al. Influence of Key Climate Factors on Desertification in Inner Mongolia［J］. Atmosphere，2023，14（9）：1404-1416

［3］ WILLIAM H，SCHLESINGER，JANE A，et al. On the Spatial Pattern of Soil Nutrients in Desert Ecosystems［J］. Ecology，1996，77（2）：201-220

［4］ 陳嘉嘉，黃磊，賈鴻飛，等. 騰格里沙漠人工植被區不同植被類型土壤水分垂直變異特征及其動態變化模型［J］. 干旱區資源與環境，2022，36（4）：126-133

［5］ 李新榮，張志山，黃磊，等. 我國沙區人工植被系統生態-水文過程和互饋機理研究評述［J］. 科學通報，2013，58（Z1）：397-410

［6］ 張定海，李新榮，張鵬. 生態水文閾值在中國沙區人工植被生態系統管理中的意義［J］. 中國沙漠，2017，37（4）：678-688

［7］ 洪光宇，王曉江，王少昆，等. 沙地土壤水分時空動態研究進展［J］. 水土保持研究，2021，28（3）：390-398

［8］ 楊文治. 黃土高原植被建設與可持續發展［M］. 北京：科學出版社，1998：101-140

［9］ 孫琰蕙，張定海，張志山. 騰格里沙漠不同類型沙丘土壤水分含量與地形-植被因子關系研究［J］. 干旱區地理，2022，45（5）：1570-1578

［10］WESTERN A W，GRAYSON R B，BLOSCHL G. Scaling of Soil Moisture：A Hydrologic Perspective［J］. Annual Review of Earth and Planetary Sciences，2002，30（4）：49-80

［11］李軍，王新軍，賈宏濤，等.古爾班通古特沙漠南緣干季土壤水分含量空間異質性［J］.中國沙漠，2016，36（6）：1628-1636

［12］李笑吟，畢華興，張志，等. 晉西黃土區坡面尺度地形因子對土壤水分狀況的影響［J］. 北京林業大學學報，2006（4）：51-56

［13］董智今，張呈春，展秀麗，等. 寧夏河東沙地生物土壤結皮及其下伏土壤養分的空間分布特征［J］. 生態環境學報，2023，32（5）：910-919

［14］于曉雯. 半干旱區流域植被生態過程及其與水文的響應機制研究［D］. 呼和浩特：內蒙古大學，2022：20-26

［15］周宏飛，肖祖炎，姚海嬌，等.古爾班通古特沙漠樹枝狀沙丘土壤水分時空變異特征［J］.水科學進展，2013，24（6）：771-777

［16］BAH F I，張定海，孫琰蕙，等. 古爾班通古特沙漠東南部三種沙丘上優勢灌木的空間格局及種間關聯性研究［J］. 干旱區資源與環境，2022，36（7）：154-165

［17］宋祺，張緒冰，蔡紅玥，等. 古爾班通古特沙漠路域風沙災害風險評估與時空格局分析［J］. 干旱區資源與環境，2022，36（10）：113-123

［18］李功麟，張定海，張志山，等. 古爾班通古特沙漠沙丘主要灌木的種群數量動態［J］. 中國沙漠，2021，41（2）：129-137

［19］LUO Q H，CHEN Q M，NING H S，et al. Chronosequence-based population structure and natural regeneration of Haloxylon ammodendron plantation in the southern edge of the Gurbantunggut Desert，Northwestern China［J］. Russian Journal of Ecology，2017，48（4）：364-371

［20］董光茉. 中國沙漠形成演化氣候変化與沙漠化研究［M］. 北京：海洋出版社，2002：560-568

［21］WANG N，DU Y Y，LIANG F Y，et al. Protected areas effectively resisted 33.8% of urban development pressures in China during 2000—2018［J］. Applied Geography，2023，159（5）：208-219

［22］張宇飛. 灰色理論在蘆葦產量預測中的應用研究［D］. 成都：西華大學，2006：24-26

［23］高宏元，侯蒙京，葛靜，等.基于隨機森林的高寒草地地上生物量高光譜估算［J］.草地學報，2021，29（8）：1757-1768

［24］李會朋，胥輝，張超，等. 基于隨機森林模型的云南松天然林生物量遙感估測［J］. 西部林業科學，2022，51（3）：60-66

［25］張世才，王慧娟，張定海，等. 騰格里沙漠東南緣3種沙丘4種微地貌上土壤水分與地形-植被因子之間的關系［J］. 甘肅農業大學學報，2023，58（3）：160-168

［26］王銳，孫權，吳向偉. 騰格里沙漠東南緣不同地形下土壤水分空間變化動態研究［J］. 江西農業大學學報，2009，31（4）：756-759

［27］劉建波，楊帆，王志春，等. 蘇打鹽漬土區土壤理化性質及植物生物量與微地形空間異質性關系［J］. 土壤與作物，2021，10（2）：163-176

［28］張雪，張春平，楊曉霞，等. 草地和荒漠生態系統生物土壤結皮對土壤養分及酶活性的影響［J］. 草地學報，2023，31（3）：632-640

［29］王鵬祥，朱清科，申明爽，等. 陜北黃土區陡坡微地形土壤水分對降雨的響應［J］. 干旱區資源與環境，2020，34（8）：167-172

［30］劉倬彤，崔媛媛，白柳，等. 模擬降水變化對荒漠草原地上、地下生物量及其分配比例的影響［J］. 草地學報，2023，31（6）：1632-1639

［31］張艷靈，張定海，寧婷，等. 古爾班通古特沙漠南緣固定沙丘上土壤水分與地形-植被因子的關系［J］. 水土保持學報，2023，37（4）：258-266

［32］范德政，梅雪梅，李鵬，等. 生態水文平衡狀態下寧夏地區植被承載力模擬［J］. 水土保持學報，2023，37（4）：166-172

［33］張雪皎，高賢明，吉成均，等. 中國北方5種櫟屬樹木多度分布及其對未來氣候變化的響應［J］. 植物生態學報，2019，43（9）：774-782

［34］AALTO J，KARJALAINEN O，HJORT J，et al. Statistical forecasting of current and future circum-Arctic ground temperatures and active layer thickness［J］. Geophysical Research Letters，2018，45（10）：4889-4898

［35］SAINANI L K. Multivariate regression：The pitfalls of automated variable selection［J］. PMamp;R，2013，5（9）：739-807

［36］MOESLUND E J，ARGE L，BOCHER K P，et al. Topographically controlled soil moisture is the primary driver of local vegetation patterns across a lowland region［J］. Ecosphere，2013，4（7）：1-26

（責任編輯 閔芝智）

收稿日期：2023-10-29；修回日期：2023-12-17

基金項目：國家自然科學基金項目（42361016）；甘肅省科技創新計劃-“西部之光”人才計劃項目（22 JR9KA032）；甘肅省科技計劃項目（21 JR7RA831）；重點研發計劃-農業領域（23YFNA0036）資助

作者簡介：

張曉玉（1998-），女，漢族，甘肅酒泉人，碩士研究生，主要從事應用統計學研究，E-mail：1579134307@qq.com；*通信作者Author for Correspondence，E-mail：zhangdh@gsau.edu.cn